《Sustainability》:Government Open Data and Green Collaborative Innovation: Firm-Level Evidence from China
编辑推荐:
数据作为一种生产要素的开放共享是数字经济中促进可持续创新的重要制度机制。本研究以中国A股上市公司为研究样本,利用地级市层面政府开放数据(GOD)平台的逐步推出作为准自然实验,构建了交错双重差分(staggered DID)模型,以考察政府开放数据对绿色协同创新
数据作为一种生产要素的开放共享是数字经济中促进可持续创新的重要制度机制。本研究以中国A股上市公司为研究样本,利用地级市层面政府开放数据(GOD)平台的逐步推出作为准自然实验,构建了交错双重差分(staggered DID)模型,以考察政府开放数据对绿色协同创新(GCI)的影响及其潜在机制。研究结果表明,政府开放数据显著促进了绿色协同创新,表明开放政府数据有助于企业加强绿色创新合作,并促进更可持续的发展。机制分析显示,政府开放数据通过四个渠道促进绿色协同创新:增加政府补贴、减少信息不对称、提高公众环境意识以及推进企业数字化转型。异质性分析揭示,政府开放数据的创新促进效应在大城市、非资源型城市和南方城市更为显著,并且在国有企业、资本密集型企业和成熟企业中更为突出。本研究为市场化数据配置的微观经济效应提供了实证证据,并强调了政府开放数据在支持绿色协同创新、企业可持续转型以及数字经济可持续发展中的作用。
**论文解读文章**
**研究背景**
在数字经济时代,数据作为一种关键生产要素,其开放共享已成为促进可持续创新的重要制度机制。中国政府通过建设政府开放数据(Government Open Data,简称GOD)平台,将行政数据向公众和市场参与者开放,旨在释放数据红利并激发创新。同时,在“双碳”目标背景下,绿色创新驱动着绿色经济转型。绿色协同创新(Green Collaborative Innovation,简称GCI)作为绿色创新的高级形式,强调多主体间的知识共享与技术合作,对于绿色技术的开发与扩散至关重要。然而,现有研究尚未系统探究政府开放数据如何影响绿色协同创新及其背后的传导机制。尽管已有文献分别探讨了政府开放数据的微观经济效应(如企业价值、整体创新)和绿色协同创新的驱动因素(如企业数字能力、网络地位),但两者之间存在研究空白:政府开放数据研究未区分独立创新与协同创新,而绿色协同创新研究未将政府开放数据作为制度变量纳入分析。因此,有必要系统地检验政府开放数据对绿色协同创新的因果效应及机制,以填补理论空白并为政策制定提供依据。
**研究方法与结论**
本研究以2010–2019年中国A股上市公司为研究样本,利用地级市层面政府开放数据平台逐步推出的外生冲击作为准自然实验,构建了交错双重差分(Staggered Difference-in-Differences,简称staggered DID)模型。主要结论如下:第一,基准回归显示,政府开放数据平均使企业联合绿色专利申请数量增加约1.419件,证明其对绿色协同创新具有显著促进效应。第二,机制分析揭示了四条传导路径:政府开放数据通过增加政府补贴为绿色协同创新提供资金支持;通过降低信息不对称创造有利的合作伙伴搜寻与项目评估环境;通过提升公众环境意识产生绿色技术产品的市场需求拉力;通过推进企业数字化转型增强企业协同创新的技术与组织能力。第三,异质性分析表明,该效应在大城市、非资源型城市和南方城市更为显著;在国有企业、资本密集型企业和成熟企业中更为突出。该研究发表在《Sustainability》期刊。
**关键技术与方法**
本研究采用的关键技术方法包括:1. 交错双重差分(Staggered DID)模型:利用地级市间政府开放数据平台启动时间的差异,构建处理组与对照组进行因果推断。2. 两步法双重差分(did2s)估计量:作为异质性处理效应稳健的估计方法,用于缓解经典DID中可能存在的“坏对照组”问题。3. 德·谢斯马丁和德·阿尔特福耶(de Chaisemartin and D’Haultfoeuille)估计量:用于恢复动态处理效应并检验预处理趋势。4. 泊松伪最大似然(Poisson Pseudo-Maximum-Likelihood,简称PPML)估计量:作为计数结果变量的替代估计器,应对因变量为右偏态且含大量零值的分布特征。5. 倾向得分匹配双重差分(Propensity Score Matching DID,简称PSM-DID):使用年度逐对1:1最近邻匹配法匹配处理组与对照组,以控制可观测特征差异。研究样本数据来源于CSMAR和Wind数据库,时间跨度2010–2019年,排除了金融、房地产行业以及ST、*ST、PT状态的上市公司,并对所有变量在1%和99%分位数上进行缩尾处理。
**研究结果**
**5.1 平行趋势检验**
研究采用事件研究法检验绿色协同创新的动态模式。图1显示,在政府开放数据平台启动前(-9至-2期),处理组与对照组的交互项系数大多统计上不显著,表明预处理期间两组之间无显著差异,满足双重差分模型的平行趋势假设。
**5.2 基准回归**
基准回归结果(表2)显示,在逐步加入企业层面控制变量、企业固定效应和年份固定效应,并分别在企业层面和地级市层面聚类标准误后,政府开放数据对绿色协同创新的影响始终为正且统计显著。以列(3)为基准,政府开放数据平均使企业联合绿色专利申请数量增加1.419件。为缓解交错处理中的“坏对照组”问题,研究进一步采用异质性处理效应稳健的两步法双重差分估计量和德·谢斯马丁和德·阿尔特福耶估计量,结论保持一致。
**5.3 稳健性检验**
通过随机分配处理时间500次的安慰剂检验(图3),估计系数集中于零附近,与真实估计值1.419无关,验证结论的可靠性。使用联合绿色发明专利申请数作为替代因变量(表4列1)、替换为平衡面板样本(列2)、采用PSM-DID(列3)以及排除创新型城市试点和信息惠民试点政策的干扰(列4、5)后,政府开放数据系数仍高度显著。采用泊松伪最大似然估计量(列6)后,结论同样稳健。
**6. 机制路径识别检验**
研究采用逐步法(因果步骤)进行中介效应检验(表5)。政府补贴渠道(列1、2):政府开放数据显著增加企业获得的政府补贴,进而促进绿色协同创新。信息不对称渠道(列3、4):政府开放数据显著降低信息不对称程度,进而促进绿色协同创新。公众环境关注度渠道(列5、6):政府开放数据显著提升公众环境关注度,进而促进绿色协同创新。企业数字化渠道(列7、8):政府开放数据显著推进企业数字化转型,进而促进绿色协同创新。四个渠道均满足逻辑推理步骤,表明政府开放数据通过这些机制变量的中介作用传导其整体效应。
**7. 异质性分析**
区域异质性(表6):政府开放数据的创新促进效应在大城市(相对于中小城市)、非资源型城市(相对于资源型城市)以及南方城市(相对于北方城市)中更为显著。企业层面异质性(表7):效应在国有企业(相对于非国有企业)、资本密集型和技术密集型企业(相对于劳动密集型企业)以及成熟期和成长期企业(相对于衰退期企业)中更为显著或具有统计显著性。
**总结讨论与结论**
**总结讨论**:基准回归结果证实政府开放数据作为一种制度机制,能够通过零边际成本的知识扩散效应激发微观主体的绿色协同创新。这与信息经济学中数据的非竞争性和非排他性特征相符。机制路径中,信息不对称渠道的发现与政府开放数据降低交易成本的研究一致;政府补贴渠道补充了财政资源精准配置促进绿色创新的证据;公众环境意识渠道揭示了需求侧的传导效应;企业数字化转型渠道则呼应了数字能力降低协调成本的作用。异质性分析中,中小城市出现的显著负效应可能反映了资源挤出效应:在数字基础设施和人力资本有限的情况下,平台建设可能挤占稀缺的公共资源,产生短期负面冲击。劳动密集型和衰退期企业未能受益,则表明政策效应依赖于企业的吸收能力和战略导向,需配合能力建设才能实现转化。
**研究结论**:使用2010–2019年中国A股上市公司样本,并利用地级市间政府开放数据平台的逐步推出作为准自然实验,本研究构建了交错双重差分(staggered DID)模型,系统考察了政府开放数据对绿色协同创新的影响及其潜在机制。主要发现如下:第一,政府开放数据显著促进了绿色协同创新。基准回归结果显示,政府开放数据平均使联合绿色专利申请数量增加约1.419件,表明其对绿色协同创新存在因果效应。第二,机制分析揭示了政府开放数据促进绿色协同创新的四条传导渠道。政府开放数据通过增加政府补贴为绿色协同创新提供资金支持,通过减少信息不对称为合作伙伴搜寻和项目评估创造良好的信息环境,通过提高公众环境意识对绿色技术产品产生市场需求拉力,以及通过推进企业数字化转型增强企业协同创新的技术和组织能力。第三,异质性分析表明,政府开放数据的创新促进效应具有显著的情境依赖性。在区域层面,政策效应在大城市、非资源型城市和南方城市更强,反映了数字基础设施、创新生态系统和市场导向的作用。在企业层面,国有企业、资本密集型企业和成熟企业反应更为积极,表明资源禀赋、技术能力和发展阶段调节了企业利用政府开放数据进行绿色协同创新的方式。