人工智能应用与企业绿色行为——算法时代的制度同构(Institutional Isomorphism)

《Journal of Digital Economy》:AI Adoption and Corporate Green Behavior:Institutional Isomorphism in the Algorithmic Age

【字体: 大 中 小 】 时间:2026年06月27日 来源:Journal of Digital Economy CS2.3

编辑推荐:

  摘要:人工智能(Artificial Intelligence, AI)已深刻重塑社会经济格局,并成为推动企业可持续发展的重要引擎。尽管既有研究已识别AI抑制企业漂绿(Greenwashing)的潜力,但缺乏系统阐释其内在机理的理论框架。研究人员论证表明,新制

  
摘要:人工智能(Artificial Intelligence, AI)已深刻重塑社会经济格局,并成为推动企业可持续发展的重要引擎。尽管既有研究已识别AI抑制企业漂绿(Greenwashing)的潜力,但缺乏系统阐释其内在机理的理论框架。研究人员论证表明,新制度主义视角下的同构(Isomorphism)理论为该现象提供有力解释,并构建"组织-市场-制度"(organization-market-institution)协同框架以探究AI应用的反漂绿效应。研究结果显示,AI通过三条相互关联的路径抑制企业漂绿:提升企业内部组织效率与实质性绿色转型能力、增强外部监督与合法性(Legitimacy)期望压力、促进企业与正式制度激励及合规要求的契合度。异质性分析证实上述机制存在,并厘清了其效应较强的情境。最后,研究人员讨论了AI驱动的制度同构对企业环境行为的启示,并提出可操作的政策建议。
论文解读:《AI Adoption and Corporate Green Behavior: Institutional Isomorphism in the Algorithmic Age》发表于《Journal of Digital Economy》
一、研究背景与意义
随着联合国2030年可持续发展议程推进,环境、社会与治理(Environmental, Social, and Governance, ESG)实践受全球重视。履行ESG责任可带来投资效率提升、缓解融资约束等益处,但实质性环保投入成本高昂,导致部分企业为获取绿色融资或政策扶持,进行选择性披露或夸大环保成效,即企业漂绿(Greenwashing)——以象征性环境沟通掩盖实质性环保绩效不足。既有文献多聚焦漂绿的度量与治理,对人工智能(Artificial Intelligence, AI)能否及如何抑制漂绿缺乏系统性理论解释。新制度主义中的制度同构(Institutional Isomorphism,含强制性、模仿性及规范性同构)为理解企业迎合外部制度规范的行为提供经典框架,但其在算法时代、AI广泛应用背景下对企业环境行为的解释力有待拓展。本研究中研究人员以中国A股上市公司2011—2022年数据为样本,以工业机器人渗透度作为企业AI应用代理变量,构建ESG披露与真实绩效之差衡量的漂绿指标,基于制度同构视角探讨AI抑制企业漂绿的主效应、作用机制及异质性,填补了"AI—企业漂绿—制度同构"三角关系的理论空白。
二、主要关键技术方法
研究人员选取中国沪深A股非金融类上市公司2011—2022年面板数据,剔除ST/*ST/PT及关键变量缺失样本。企业漂绿(Greenwash)操作为:Bloomberg ESG环境项披露得分经行业年度均值标准差标准化后与同期中证指数ESG环境项实际得分标准化值之差(正值越大代表漂绿越严重)。AI应用(lnAI)采用Acemoglu & Restrepo(2020)改进Bartik法:以国际机器人联合会(International Federation of Robotics, IFR)中国分行业工业机器人存量除以2010年该行业全国就业人数作基期权重,乘以企业2011年生产人员占比与同行业制造企业生产人员占比中位数之比值,取自然对数。控制企业规模、年龄、两职合一、长期机构投资者持股比、固定资产比、第一大股东持股比、行业赫芬达尔指数(HHI)、资产负债率并控制企业与年度双向固定效应。机制变量含全要素生产率(Total Factor Productivity, TFP_OP法)、外部关注(百度指数公众环境关注+WSVI数据库投资者关注)、税负缓解(工资薪金的税前扣除效应与固定资产加速折旧效应)。内生性采用五大国(美日德瑞韩)对华机器人出口增速×城市机器人覆盖率作工具变量(Instrumental Variable, IV),并进行替换因变量(和讯ESG替代)、替换自变量(年报MD&A中AI关键词词频)、加入低碳城市与创新城市试点虚拟变量、改变样本区间等多重稳健性检验,并按产权、规模及地方政府环境规制强度分组做异质性分析。
三、研究结果
4.1. Baseline regressions(基准回归)
将漂绿指标对lnAI及控制变量回归,逐步加入年份与个体固定效应后,lnAI系数显著为负(β=-0.0333, p<0.01),表明AI应用显著抑制企业漂绿,支持假设H1。
4.2. Robustness test(稳健性检验)
IV-2SLS第一阶段IV显著正相关,Kleibergen-Paap rk LM与Wald F排除弱工具与识别不足问题,第二阶段lnAI系数仍显著负向。更换漂绿指标为和讯ESG测算、将AI代理变量换为年报AI关键词频数lnAIkeywords、加入城市×年度固定效应、控制创新城市与低碳城市试点政策干扰、仅保留漂绿>0子样本或将样本缩至2011—2021年,核心结论保持一致,证明基准结果稳健。
5. Mechanism Analysis(机制分析)
  • •
    5.1. The role of corporate production efficiency(全要素生产率路径):中介检验显示lnAI对TFP显著正向(β=0.0058~0.0095, p<0.1或更低),AI提升资源配置与知识溢出从而提高TFP,降低实质性环保合规相对成本,削弱象征性披露动机,支持H2。
  • •
    5.2. The role of external attention(外部关注路径):lnAI对公众环境百度指数关注度与投资者WSVI关注度均显著正向(p<0.05或更低),AI技术可见性引致媒体、投资者与公众强化声誉审查与合法性压力,压缩机会主义披露空间,支持H3。
  • •
    5.3. The role of policy support(政策支持/税负激励路径):lnAI显著提高企业工资支出(薪金税前扣除)与固定资产折旧率(加速折旧),间接降低有效税率,使企业通过技术升级获正式制度激励,减少借漂绿骗取政策支持的必要性,支持H4。
6. Heterogeneity analysis(异质性分析)
  • •
    6.1. Ownership Heterogeneity(产权性质异质性):按国企(SOEs)与民营企业分组,AI抑漂绿效应仅在民营企业组显著(β=-0.0304, p<0.01),国企组不显著,源于民企融资约束强更依赖实质绩效与透明披露。
  • •
    6.2. Size heterogeneity(企业规模异质性):按营业收入中位数划为大、小企业,AI抑漂绿效应对大企业显著(β=-0.0499, p<0.01),小企业不显著,因大企业受外部关注天然更高,AI放大监督效能。
  • •
    6.3. Environmental regulations heterogeneity(环境规制强度异质性):按地级市政府工作报告中环保词频占比中位数划高/低规制强度区,AI抑漂绿效应在低环境规制强度地区更强(两组均显著但低规制组系数略大),说明AI技术在制度软约束环境下可发挥替代性治理功能。
四、讨论与结论翻译
研究人员指出,AI对企业漂绿之治理效应不仅源于技术效率提升,而是通过重塑企业内部能力(组织效率与绿色转型力)、市场端合法性压力(外部关注与规范期待)及制度适应(对接正式激励与强制合规要求)三重联动机制,降低企业对象征性环境披露的依赖。本研究将制度同构理论引入数字化时代企业环境行为分析,深化了对数字技术影响CSR(Corporate Social Responsibility)/ESG行为的理解。对企业管理者建议加强AI与绿色创新融合、优化清洁生产工艺并强化ESG合规审计;社会监督者可借助AI实时数据建监测机制;政策制定者可借税收优惠政企协同监管促实质性减排。
研究结论原文翻译:
基于2011—2022年中国A股上市公司,研究人员考察AI应用对企业漂绿的影响,得出三项主要结论。第一,AI显著抑制企业漂绿,经多种内生性与稳健性检验结论不变。第二,AI通过三条互相关联路径抑制漂绿:增强企业组织效率与实质性绿色转型能力、提高外部审查与合法性期望、改善企业对正式制度激励与合规要求的契合。机制分析中分别通过全要素生产率、外部关注及税负激励检验上述路径。第三,AI抑漂绿效应因企业与制度情境而异,在民营企业、大规模企业及环境规制强度较低地区之企业中更为显著。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号