企业数绿转型协同与可持续发展绩效——基于高管教育水平的调节效应

Corporate Digital-Green Synergy and Sustainable Development Performance—The Moderating Effect of Top Management Team Education Level

摘要: 在数字经济与绿色转型双重驱动的背景下，本文基于战略协同理论与动态能力理论，探讨企业数字化转型与绿色化转型的协同效应对可持续发展绩效的影响。以2014~2023年沪深A股上市公司为样本，采用文本分析法测算企业数字化与绿色化转型水平，运用耦合协调度模型评估数绿转型协同度，并以“双元绩效”衡量可持续发展绩效。研究结果表明，企业数绿转型协同能够显著提升可持续发展绩效；高管教育水平对二者关系具有显著正向调节作用；该效应在重污染行业与大型企业中更为突出。研究揭示了数绿转型协同的经济与环境双重价值，为企业高质量转型和政府政策制定提供了实证依据。

Abstract: Against the backdrop of the digital economy and green transition, this study investigates the synergistic effects of digital transformation and green transformation on corporate sustainable development performance based on strategic synergy theory and dynamic capability theory. Using data from A-share listed companies in China from 2014 to 2023, we apply text analysis to measure firms’ levels of digital and green transformation, employ a coupling coordination model to evaluate the degree of digital-green synergy, and adopt a “dual-performance” framework to assess sustainable development performance. The empirical results indicate that digital-green synergy significantly enhances sustainable development performance, and that the educational level of top management teams positively moderates this relationship. Furthermore, the synergistic effect is more pronounced in heavily polluting industries and large-scale enterprises. This study reveals the dual economic and environmental value of digital-green synergy, providing empirical evidence for corporate high-quality transformation and policy-making toward sustainability.

1. 引言

近年来，中国经济发展已由高速增长阶段转向高质量发展阶段。党的二十大报告提出“加快发展数字经济，促进数字经济和实体经济深度融合”，并强调“加快推动发展方式绿色转型”；二十届三中全会进一步明确“推动制造业高端化、智能化、绿色化”，并“健全促进实体经济和数字经济深度融合制度”。在此背景下，数字化转型与绿色化转型成为驱动企业高质量发展的“双引擎”。国家统计局数据显示，2023年我国数字经济核心产业增加值达12.76万亿元，占GDP比重9.9%，已成为产业升级的重要动力；国家能源局发布的报告则显示，截至2022年底，全国可再生能源装机容量达12.13亿千瓦，占全国发电总装机47.3%，可再生能源发电量达2.7万亿千瓦时，占全社会用电量31.6%，相当于减少二氧化碳排放约22.6亿吨。这些数据表明，绿色低碳与数字化发展均已进入快速推进阶段。然而，现有实践中，两者往往被视为平行路径，导致部分企业出现“数字化孤岛”或“绿色化负担”。因此，从“数绿协同”的视角探讨二者互动机制，揭示数字技术赋能绿色转型、绿色约束优化数字化方向的作用路径，具有重要现实意义。

现有研究普遍认为，数字化是绿色化转型的重要技术驱动器。首先，数字技术提升了能耗与碳排放的监测精度。通过大数据与物联网实现生产全过程的实时监控，使得企业能够在能源使用、排放环节做到可视化、可追踪和可管控，从而提高节能减排的精准度[1]。其次，数字化通过智能制造与流程优化促进资源利用效率提升，突破技术难题，推动绿色工艺和绿色产品的迭代升级，从而降低生产环节的碳排放和污染负担[2]。此外，数字化还能够通过知识扩散与跨界连接，加快绿色技术的传播与应用，缩短绿色创新的研发周期，形成绿色生产模式的新范式[3] [4]，并且，数字化转型可以通过提高信息透明度来缓解企业与外部利益相关者的信息不对称，减少委托代理问题，从而推动企业绿色创新[5] [6]。由此，数字化不仅是绿色转型的工具，更是重塑其创新逻辑与价值创造方式的核心支撑。

与“数字赋能绿色”相对应，绿色化转型也反向促进数字化转型的发展。首先，绿色能源与低碳技术为数字基础设施的可持续运行提供条件。例如，数据中心与通信基站的绿色改造以及可再生能源的接入，不仅显著降低了数字基础设施的碳足迹，还在能源成本上带来长期节约[7] [8]。其次，绿色化发展对企业提出数字化低碳运营的要求，倒逼企业在数据采集、算法设计和硬件更新中强化节能导向，进行生产管理的优化，避免数字化过程中的“反弹效应”[9]-[12]。再者，部分绿色创新活动本身具有高度数字依赖性，如绿色供应链管理、环境信息披露与碳资产管理均需要数字化技术平台的支撑[4]。因此，绿色化不仅是数字化的外部约束，也成为推动数字技术迭代与应用优化的重要动力。

在数绿协同过程中产生的资源协同和共享效应也会优化企业的资源配置。一方面，企业内部通过搭建数字化链接平台实现绿色信息透明化与标准化，不仅能够缓解绿色信息不对称问题，还能提高企业环境责任履行的可验证性[13] [14]。另一方面，在跨企业与跨行业层面，数字平台推动绿色知识、碳数据和节能技术的开放共享，促使多主体形成跨界协同网络。这种基于数字平台的绿色协作机制，不仅降低了合作成本，也放大了绿色创新的外部性，实现了规模效应和网络效应[15]-[17]。更为重要的是，平台化协同能够将企业、政府、科研机构与消费者联结在同一价值链中，通过供应链可视化与产品溯源体系增强透明度和信任度，从而推动形成绿色价值共识与行业级标准[14]。因此，资源协同与共享既是数绿协同的“放大器”，也是其由局部互动走向系统性效应的关键机制。

与此同时，高管作为企业战略决策和资源配置的关键主体，在数字化与绿色化转型过程中发挥着至关重要的作用。面对外部政策压力与内部转型挑战，高管不仅需要在复杂环境下做出战略抉择，还承担着引领企业实现可持续发展的使命。其认知水平、价值判断和战略眼光，将直接影响企业能否把握数绿协同带来的机遇，推动技术创新与组织变革，从而实现经济效益与社会价值的双重提升。现有研究普遍从高管特征视角出发，探讨其对企业行为和经营绩效的影响，主要关注年龄、教育背景、及职业经历等因素[18]。作为企业战略与创新的核心决策者，高管的个体特质直接影响企业转型方向与发展水平，是推动企业转型和创新活动的重要驱动力[19]。其中，高管教育水平又是衡量认知能力的重要指标，对企业是否转型以及转型成效产生重要影响。

综上，学界已对数绿协同的互动机制进行了初步探索，但整体上仍偏重宏观层面(省域、城市)，且大多数停留在政策分析、案例研究，在企业层面的量化检验和机制剖析上存在不足[20] [21]。本文将以企业为研究对象，采用耦合协调度模型对数绿协同进行测度，考察其对可持续发展绩效的作用效应，并进一步研究高管教育水平在数绿协同与企业可持续发展绩效关系中的作用机制，以期弥补现有文献在企业层面系统化研究上的不足。

2. 研究设计

2.1. 理论分析与研究假设

2.1.1. 企业数绿转型协同与可持续发展绩效

首先，根据战略协同理论，企业在多元化战略推进中，通过资源与能力的互补与整合，可以产生超越单一战略的“协同效应”。数字化转型为绿色化提供了关键的技术与信息基础。通过大数据、物联网和人工智能，企业能够实现能耗与碳排放的实时监测与精准追踪[1]，同时借助算法优化和智能制造提升能源利用效率与生产流程绿色化水平[13]。这不仅降低了绿色转型的成本与门槛，也缓解了信息不对称带来的协同障碍。反过来，绿色化转型也反哺数字化进程：清洁能源的应用与节能改造可有效降低数据中心和通信基站等数字基础设施的能耗与碳足迹，从而减少数字扩展带来的外部性成本。由此可见，数字化与绿色化之间的互动不仅是单向赋能关系，而是一种互补、相促的战略协同。

其次，根据动态能力理论，在复杂多变的外部环境下，企业需要具备感知、把握与重构的动态能力。数字化通过数据平台与智能系统强化了企业对市场信号和政策压力的感知能力，绿色化则通过绿色技术和环保约束倒逼企业重构生产和治理模式。特别是基于数字平台的绿色数据中心建设，不仅提升了企业内部绿色信息披露的透明性和规范化程度，还通过资源聚合推动了多元主体之间的协同创新，形成规模效应与网络效应。这一平台化机制使得企业能够更高效地学习与整合绿色知识，加速绿色创新的扩散，并在动态环境中保持竞争优势。

基于此，本文提出如下假设：

假设H1：企业数绿转型协同有助于提升企业的可持续发展绩效。

2.1.2. 高管教育水平的调节效应

高层梯队理论指出，高管特征会影响其战略认知与价值判断，其中教育水平是衡量认知能力的重要指标。教育水平较高的高管通常拥有更丰富的知识储备和学习能力，能够更快适应新兴技术和政策变化，并具备更强的战略远见和创新导向。具体而言，教育水平较高的高管能够更好地理解数字化与绿色化在资源利用效率、碳排放管理和创新驱动方面的互补性，从而提升战略匹配和执行的有效性。一方面，他们能够利用数据赋能和智能制造等数字化手段缓解绿色化转型的资源约束；另一方面，他们也能敏锐捕捉绿色化转型对数字基础设施节能改造的需求，并推动平台化合作实现信息透明与资源共享。基于以上推论，本文提出：

假设H2：高管平均教育水平正向调节数绿转型协同与可持续发展绩效的关系。

2.2. 模型设定与变量测度

2.2.1. 模型设计

(1) 主回归模型设定

为了验证假设1，探讨企业数绿转型协同对企业可持续发展绩效的影响，构建了以可持续发展绩效(DEP)为被解释变量、数绿转型协同(DG)为解释变量的模型(1)：

${\text{DEP}}_{i,t}={\alpha }_0+{\alpha }_1{\text{DG}}_{i,t}+{\alpha }_j{\text{Controls}}_{i,t}+{\lambda }_i+{\text{year}}_t+{\epsilon }_{i,t}$ (1)

其中，${\text{DEP}}_{i,t}$ 代表企业可持续发展绩效，${\text{DG}}_{i,t}$ 代表企业数绿转型协同度，i，t为第i家企业第t年数据，${\alpha }_0$ 为截距，${\alpha }_1-{\alpha }_{12}$ 为变量系数，${\lambda }_i$ 为个体固定效应，${\text{year}}_t$ 为时间固定效应，${\epsilon }_{i,t}$ 为随机扰动项，其余为控制变量。

(2) 调节效应模型设定

为验证假设2，构建以可持续发展绩效(DEP)为被解释变量、企业数绿转型协同(DG)为解释变量，高管平均教育水平(TMTDeg)为调节变量的模型(2)：

${\text{DEP}}_{i,t}={\alpha }_0+{\alpha }_{1}D{G}_{i,t}+{\alpha }_2{\text{TMTDeg}}_{i,t}+{\alpha }_3{\text{DG}}_{i,t}\ast {\text{TMTDeg}}_{i,t}+{\lambda }_i+{\text{year}}_t+{\epsilon }_{i,t}$ (2)

其中${\text{TMTDeg}}_{i,t}$ 为调节变量，与${\text{DG}}_{i,t}$ 进行交乘。

2.2.2. 被解释变量

本文参考曹越[22]的研究，采用净资产收益率(ROE)作为企业财务绩效，参照已有研究，采用华证官网公布的ESG总得分(ESG)来衡量企业的环境社会责任绩效。借鉴解学梅和朱琪玮[23]的做法，构建双元绩效衡量企业可持续发展绩效(DEP)。

依据组织双元理论，双元绩效表示在资源可得性有限的条件下，企业同时实现环境绩效和财务绩效的有效平衡和联合价值，具体计算过程为：首先使用极差法对企业的财务绩效和环境绩效进行标准化处理，具体公式为：

$y^{*}=\left(y-\min \right)/\left(\max -\min \right)$ (3)

将两个指标数值的范围限定在0~1。之后，借鉴Zang和Li [24]的做法，将标准化处理后的企业财务绩效和环境绩效转换为双元绩效，具体公式为：

$\text{DEP}=\left[\left(1-|\text{ROE}-\text{ESG}|\right)\times \sqrt{\text{ROA}\times \text{ESG}}\right]/1$ (4)

2.2.3. 解释变量

(1) 指标选取

对于数字化转型(D)的测度，本文借鉴现有研究的普遍做法，采用年报文本分析的方法评估公司的数字化转型程度。具体来说，第一步，构建数字化转型词库。参考吴非[5]的做法，将数字化词频分为底层技术运用与技术实践应用两个方面，其中，底层技术运用分为人工智能、大数据、云计算、区块链四类。第二步，收集上市公司年报，并转化为TXT格式。第三步，在数字化词库的基础上使用python对上市公司年报TXT文本进行文本分析和词频统计；最后，将每家企业各个数字化关键词的词频进行加总得到数字化总词频，并对总词频进行对数化处理来衡量企业数字化转型程度。

对于绿色化转型(G)的测度，借鉴周阔[25]的研究，同样采用文本分析法测量企业绿色转型水平。从与企业绿色转型相关的重要政策性文件中提取绿色转型的关键词，共得到113个与企业绿色转型相关的关键词。运用Python对上市公司的年度报告进行文本分析，统计每份年报中绿色转型关键词出现的总频次，并对总词频进行对数化处理来衡量企业绿色化转型程度。

(2) 企业数绿转型协同度的测算

本文解释变量为数绿转型协同，参照余菲菲[26]的研究，运用耦合协调模型构建转型程度指数(DG)，衡量企业数字化与绿色转型的协同度。本文根据耦合协调度模型的计算过程，定义耦合度的计算公式为：

$C=2\times {\left[\frac{U_1{U}_2}{{\left(U_1+U_2\right)}^2}\right]}^{\frac{1}{2}}$ (5)

其中，$U_1$ 为企业数字化转型程度，$U_2$ 为企业绿色化转型程度。为更准确地衡量企业数字化转型和绿色化转型协同度，引入耦合协调度模型进行下一步计算。其公式为：

$D=\sqrt{C\times T}$ (6)

$T=a{U}_1+b{U}_2$ (7)

其中，D表示复合系统的耦合协调度，T代表企业数字化转型和绿色化转型的协同度，a和b为系统的权重系数，a = b = 0.5。

2.2.4. 调节变量

高管教育水平(TMTDeg)按照国泰安数据库公布的高管学历，中专及中专以下取值1，大专取值2，本科取值3，硕士研究生取值4，博士研究生取值5，加总求平均值，反映高管平均教育水平。

2.2.5. 控制变量

控制变量方面，本文分别选择公司规模(Size)；资产负债率(Lev)；公司成立年限(FirmAge)；研发强度(RDS)；企业成长性(Growth)；董事会规模(Board)；独立董事比例(Indep)；两职合一(Dual)；股权集中度(Top1)；管理层持股比例(Mshare)；现金流比率(Cash)。具体的变量定义见表1。

Table 1. Variable definitions and descriptions

表1. 变量定义和具体说明

变量类型	变量名称	变量符号	变量定义
被解释变量	可持续发展绩效	DEP	净资产收益率(ROE)和华证官网公布的ESG总得分(ESG)按双元绩效法计算得到
解释变量	数绿转型协同	DG	数字化转型(D)和绿色化转型(G)按耦合协调度模型计算得到
调节变量	高管平均教育水平	TMTDeg	中专及中专以下取值1，大专取值2，本科取值3，硕士研究生取值4，博士研究生取值5，加总求平均值
控制变量	公司规模	Size	年总资产的自然对数
	资产负债率	Lev	年末总负债/年末总资产
	研发投入	RDS	研发投入占营业收入的比例
	营业收入增长率	Growth	本年营业收入/上一年营业收入 − 1
	董事人数	Board	董事会人数取自然对数
	独立董事比例	Indep	独立董事除以董事人数
	两职合一	Dual	董事长与总经理是同一个人为1，否则为0
	股权集中度	Top1	第一大股东持股数量/总股数
	公司成立年限	FirmAge	ln(当年年份 − 公司成立年份 + 1)
	管理层持股比例	Mshare	董监高持股数量/总股本数量
	现金流比率	Cash	经营活动产生的现金流量净额/企业总资产

2.3. 样本与数据来源

本文选择沪深两市A股上市公司2014~2023年连续10年期上市公司数据为样本数据，对数据做如下处理：(1) 剔除ST、*ST、PT等异常经营样本；(2) 剔除金融行业企业样本；(3) 对变量缺失样本进行剔除；(4) 剔除样本周期内企业个体单一观测样本；(5) 对连续变量做1%~99%的收尾处理。经过数据处理，共获取2640家上市公司18,055条样本观测值。本文数字化转型数据参照吴非[5]、绿色化转型数据参考周阔[25]采用文本分析法获取，并参考Tang [27]计算数绿耦合协同度，环境社会责任绩效的数据来自华证ESG评分，上市公司年报数据来自巨潮资讯网，其他数据均来源于国泰安数据库。

3. 实证分析

3.1. 描述性统计和相关性分析

所有变量的描述性统计结果见表2，变量未见异常极端值，数值区间与制度背景和经济逻辑相符，可为后续回归分析提供可靠的数据基础。相关性分析结果表明，本文所选解释变量与被解释变量在1%水平呈现显著正相关，初步验证假设1。

Table 2. Descriptive statistical analysis

表2. 描述性统计分析

变量	观测值	均值	标准差	最小值	最大值
DEP	18,055	0.496	0.196	0.000	1.000
DG	18,055	0.524	0.241	0.032	0.999
TMTDeg	18,055	3.416	0.404	2.308	4.276
Size	18,055	22.138	1.167	20.065	25.832
Lev	18,055	0.401	0.192	0.060	0.873
FirmAge	18,055	2.990	0.289	2.197	3.638
RDS	18,055	5.392	4.994	0.050	28.240
Growth	18,055	0.152	0.365	−0.522	2.068
Dual	18,055	0.334	0.472	0.000	1.000
Indep	18,055	0.379	0.053	0.333	0.571
Board	18,055	2.211	0.171	1.792	2.639
Mshare	18,055	0.167	0.196	0.000	0.673
Top1	18,055	0.310	0.132	0.086	0.675
Cash	18,055	0.047	0.065	−0.136	0.236

3.2. 主回归分析

表3中列(1)为不加入控制变量的回归结果，列(2)为加入企业财务指标控制变量的回归结果，列(3)为加入所有控制变量的回归结果。三列结果均显示，数绿转型协同对企业可持续绩效具有显著正向影响。基于列(3)加入所有控制变量的回归结果可以看出，DG对DEP的影响系数为0.0145，在5%水平上显著，本文研究假设H1得到验证，即企业数字化转型与绿色化转型的耦合协同度越高，其可持续发展绩效越强。这说明数字化与绿色化协同能够形成优势互补，一方面，数字化转型提升了企业在信息处理和资源配置中的效率，降低了绿色化转型的边际成本；另一方面，绿色化转型强化了企业在节能减排、资源循环利用等方面的能力，与数字化能力结合后更能形成协同效应，从而显著促进企业可持续发展绩效的提升。

Table 3. Regression test results of digital-green transformation synergy and sustainable development performance

表3. 数绿转型协同与可持续发展绩效的回归检验结果

	(1)	(2)	(3)
	DEP	DEP	DEP
DG	0.0250^***	0.0147^**	0.0145^**
	(3.37)	(2.01)	(1.99)
Size		0.0573^***	0.0583^***
		(17.95)	(18.18)
Lev		−0.265^***	−0.263^***
		(−21.67)	(−21.52)
RDS		0.0000104	0.0000842
		(0.02)	(0.16)
Growth		−0.00787^**	−0.00812^**
		(−2.47)	(−2.55)
Cash		−0.0461^**	−0.0478^**
		(−2.19)	(−2.27)
FirmAge			0.0837^***
			(2.67)
Dual			0.00249
			(0.67)
Indep			0.105^**
			(2.48)
Board			−0.0393^**
			(−2.53)
Mshare			0.0825^***
			(5.36)
Top1			0.0377
			(1.60)
_cons	0.483^***	−0.670^***	−0.924^***
	(120.00)	(−9.63)	(−7.68)
Firm	Yes	Yes	Yes
Year	Yes	Yes	Yes
N	18,055	18,055	18,055
r^2	0.584	0.601	0.603

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

3.3. 调节效应分析

表4报告了高管平均教育水平对数绿转型协同与可持续发展绩效关系的调节效应，其中数绿转型协同与可持续发展绩效依旧具有正效应，企业数绿转型协同与高管平均教育水平的交乘项系数为0.0957，在1%水平上显著，与基准回归结果中DG对DEP的影响方向一致且均显著，表明调节效应成立，高管平均教育水平能够强化企业数绿转型协同与可持续发展绩效的正向影响，本文研究假设2得到验证。这主要是因为受教育程度更高的高管具备更强的学习能力与前瞻性思维，更能理解并把握数字化转型与绿色化转型协同的战略价值。在决策过程中也更倾向于推动长期的价值创造，将有限资源更合理地配置到数字化与绿色化转型中。此外，高学历高管也更容易接受和运用新兴技术与管理理念，有助于减少协同转型过程中的信息不对称和执行阻力，从而增强数绿耦合协同对可持续发展绩效的正向效应。

Table 4. Moderating effect test results

表4. 调节效应检验结果

	DEP
DG	0.0175^**
	(2.30)
TMTDeg*DG	0.0957^***
	(6.38)
TMTDeg	−0.00475
	(−0.71)
控制变量	Yes
_cons	−0.908^***
	(−6.96)
Firm	Yes
Year	Yes
N	18,055
r^2	0.604

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

3.4. 稳健性检验

稳健性检验部分，本文分别采用(1) 稳健标准误修正；(2) 剔除2020年新冠疫情样本；(3) 加入行业固定效应；(4) 替换被解释变量，借鉴其他学者的做法[28]，使用资产回报率ROA和华证ESG评分体系中的环境得分来来衡量企业的可持续发展绩效，替换因变量；(5) 滞后一期解释变量为稳健性检验方法，回归结果依然稳健，结果见表5。

Table 5. Robustness test results

表5. 稳健性检验结果

	(1)	(2)	(3)	(4)	(5)
DG	0.0145^*	0.0162^**	0.0143^**	0.0171^***	0.0159^**
	(1.91)	(2.06)	(1.96)	(2.96)	(1.97)
控制变量	Yes	Yes	Yes	Yes	Yes
_cons	−0.924^***	−0.899^***	−0.887^***	−0.672^***	−1.151^***
	(−7.09)	(−7.10)	(−7.30)	(−6.40)	(−7.79)
Firm	Yes	Yes	Yes	Yes	Yes
Year	Yes	Yes	Yes	Yes	Yes
Industry			Yes
N	18,055	16155	18,055	18,055	14,451
r^2	0.603	0.602	0.608	0.505	0.618

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

3.5. 内生性检验

由于企业数绿转型协同与可持续发展绩效可能存在内生性问题，本文参考张虎和张毅[29]，选取企业数绿转型协同度滞后一期作为工具变量，采用两阶段模型进行验证。如表6所示，工具变量IV对解释变量DG的影响系数为0.217，在1%水平显著，表明两者存在较高的相关性关系。同时通过不可识别检验和弱工具变量检验，表明工具变量有效。第二阶段结果显示，DG对DEP的影响系数为0.0733，在5%水平显著，表明在使用工具变量解决内生性问题后，DG对DEP的影响依旧为显著正向影响，进一步验证了本文回归结果的准确性。

Table 6. Endogeneity test results

表6. 内生性检验结果

	2SLS第一阶段DG	2SLS第二阶段DEP
DG		0.0733^**
		(1.97)
IV	0.217^***
	(25.24)
控制变量	Yes	Yes
_cons	−0.357^**
	(−2.27)
Firm	Yes	Yes
Year	Yes	Yes
N	14,451	14,451
r^2	0.709	0.041

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

3.6. 异质性分析

(1) 行业性质分组

本文参考李井林[30]，根据中国证券监督管理委员会2012年修订的《上市公司行业分类指引》和环保部发布的《上市公司环保核查行业分类管理名录》将企业分为重污染行业企业和非重污染行业企业，进行分组回归检验行业性质在数绿转型协同对企业可持续发展的影响。

行业异质性检验的结果如所表7所示，重污染企业组别中，企业数绿转型协同对可持续发展绩效在10%水平上显著，在非重污染企业组别中，不具有显著性。结果表明，企业的数绿转型协同对可持续发展的促进作用在重污染企业中更为明显。这是因为政府往往对重污染企业有更严格的环保政策法律法规，促使重污染企业加速数绿转型来满足制度要求，减少负面影响，而非重污染企业则缺乏这些驱动。

Table 7. Industry heterogeneity test results

表7. 行业异质性检验结果

	重污染行业DEP	非重污染行业DEP
DG	0.0225^*	0.00480
	(1.74)	(0.51)
控制变量	是	是
_cons	−0.539^**	−1.069^***
	(−1.97)	(−7.07)
Firm	Yes	Yes
Year	Yes	Yes
N	5099	12,956
r^2	0.565	0.625

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

(2) 企业规模分组

进一步基于企业规模大小，将企业划分为大规模企业和中小规模企业，分析数绿转型协同对可持续发展绩效影响的异质性，结果如表8所示。

大规模企业组别中，企业数绿转型协同对可持续发展绩效在1%水平上显著，中小规模企业中，不具有显著性。结果表明，企业的数绿转型协同对可持续发展的促进作用在大规模企业中更为明显。其原因可能是大规模企业通常拥有更丰富的资源、更充足的资金和更好的技术储备，能够有效承接并消化数字化转型与绿色转型协同带来的复杂挑战，将技术创新转化为实实在在的可持续发展成果。而中小规模企业可能面临较强的资源约束和能力短板，如资金、人才与技术积累，难以承担两者协同所需的巨额投入和数绿转型带来的风险和挑战，未能实现数字与绿色技术融合的协同效应，导致对可持续发展的促进作用暂未显现。

Table 8. Firm size heterogeneity test results

表8. 企业规模异质性检验结果

	大规模DEP	中小规模DEP
DG	0.0325^***	−0.000361
	(2.90)	(−0.03)
控制变量	Yes	Yes
_cons	−1.458^***	−0.437^**
	(−6.72)	(−2.04)
Firm	Yes	Yes
Year	Yes	Yes
N	9029	9026
r^2	0.616	0.658

t statistics in parentheses; ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

4. 研究讨论和建议

4.1. 研究结论

本文构建耦合协调度模型刻画企业数字化转型与绿色化转型的协同水平，采用“双元绩效”法衡量企业可持续发展绩效，实证检验了企业数绿转型协同对可持续发展绩效的影响及其作用机制，并深入探究了高管教育水平的调节效应和行业/规模异质性，本文的研究结论如下：

(1) 企业数绿转型协同能够显著提升可持续发展绩效。实证结果表明，企业数字化与绿色化的协同程度越高，其可持续发展绩效水平也越高。这一结论在一系列稳健性检验与内生性检验后依然成立。相较于现有研究多聚焦于数字化或绿色化单一转型路径，本文创新性地运用耦合协调度模型测度协同程度，并基于战略协同理论与动态能力理论，揭示了数字化与绿色化并非两条平行路径，而是能够通过互动与互补产生“1 + 1 > 2”的协同效应。协同转型通过优化资源配置、提升运营效率、激发创新活力及增强环境适应性等机制驱动可持续发展绩效提升。这不仅将“协同”作为关键前因变量引入企业可持续发展研究框架，拓展了研究视角，也通过实证验证协同效应并揭示其作用路径，深化了对企业层面数绿转型协同影响效应的理解。

(2) 高管教育水平对数绿协同与可持续绩效的关系具有显著调节作用，高管平均教育水平越高，其知识储备与学习能力越强，更有助于准确理解数绿协同逻辑并推动战略执行、有效整合跨界资源，从而显著强化数绿转型协同对可持续发展绩效的促进作用。

(3) 数绿协同效应存在显著的行业与规模异质性。在重污染行业中，企业数绿协同对可持续发展绩效的促进作用更为显著。这是因为重污染行业受到更强的政策约束与公众监督，绿色化需求更迫切，而数字化手段则提供了监测与治理的有效工具，二者结合能够显著改善环境绩效。在企业规模异质性方面，大型企业在资金、技术和人才储备上更具优势，能够在数绿协同上进行系统性投入，从而实现更强的绩效提升；而中小企业由于资源有限，其协同转型效应相对较弱。

4.2. 政策建议

基于以上研究结论，本文提出以下建议：

(1) 企业实践：将数绿协同上升为核心战略，因地制宜推进转型。

企业在制定长期战略时，应将数绿协同纳入顶层设计，确保数字技术的引入与绿色目标的实现相互匹配并形成合力。在这一过程中，数字化能够通过数据采集、智能制造和算法优化提升资源配置效率和运营精准度，而绿色化则要求企业在节能减排、清洁生产和环境责任履行方面持续投入。二者的结合不仅可以缓解单一路径下的资源瓶颈和成本压力，还能形成“1 + 1 > 2”的协同效应。企业应通过跨部门协作机制推动信息流与资源流的整合，打破IT、生产、环保与财务等部门之间的壁垒，从而实现战略执行的协同化与系统化。同时，不同类型的企业应因地制宜地推进协同实践：重污染行业应重点依靠数字化技术实现能源效率优化与污染治理的精准化管理；大规模企业可凭借资本与资源优势，在全价值链范围内推动数绿协同，探索智慧供应链和绿色智能制造的系统解决方案；中小企业则可以从成本收益比高的关键环节切入，逐步积累协同转型的经验。由此，企业只有在战略规划、技术应用和组织管理等多维度系统化推进数绿协同，才能真正把握新时期的竞争优势。

(2) 高管团队建设：优化结构与激励，提升战略执行能力。

在数绿转型协同过程中，高管团队的教育水平在很大程度上决定了协同战略的设计与执行效果。因此，企业在高管团队建设中需要注重教育水平的提升，应在高管选聘与培养环节注重教育背景和跨学科知识的积累，特别是提升高管在数字经济、绿色经济与可持续发展等领域的认知水平。高学历、学习能力强的高管更容易理解数绿协同的内在逻辑，敏锐捕捉转型机遇，并有效整合跨部门与跨界资源。通过优化教育水平，高管团队能够更好地发挥战略把控与资源整合作用，增强企业数绿转型协同的有效性，从而实现经济与环境双重绩效的共同提升。

(3) 政策支持：完善顶层设计与金融体系，营造协同发展的外部环境。

数绿协同的实现不仅依赖于企业内部的能力建设，也需要外部制度与政策环境的有力支撑。政府应当在顶层设计上进一步强化战略引导，制定国家层面或行业层面的数绿协同发展路线图，明确目标方向、技术标准和评价体系，为企业提供清晰的行动参照。与此同时，政府还应建设区域性或行业性的公共服务平台，推动信息共享、技术转移和人才培训，尤其帮助中小企业降低获取协同解决方案的成本。最后，政府需要建立健全监管与考核机制，将企业的数绿协同水平纳入ESG信息披露和绩效评价体系，从而通过政策引导和市场监督的结合，全面营造有利于数绿协同推进的外部环境。

4.3. 局限性与未来展望

本文仍存在一定局限性，未来研究可进一步拓展。首先，本文以2014~2023年中国A股上市公司为样本，虽然具有代表性，但无法完全反映中小企业或其他经济体的数绿转型特征，后续可在不同行业、地区或国际样本中进行比较研究。其次，本文的高管特征数据主要关注教育水平，尚未涵盖高管年龄结构、性别多样性、环境认知等更深层次特征，未来可引入更丰富的高管心理与认知变量以深化机制探讨。最后，本文以静态面板回归为主，未能充分捕捉数绿协同效应的动态演化过程，未来研究可结合事件研究法或系统动力学模型，从动态视角揭示协同演进与绩效变化的长期机制。

NOTES

^*通讯作者。