在数字治理时代,信息披露已从注重透明度的报告工具转变为信息管理和治理协调的核心制度机制。通过结构化、及时且基于规则的关键数据披露,信息披露政策不仅能减少监管机构与被监管对象之间的信息不对称(Heald, 2006; Fung et al., 2007),还能改变复杂治理生态系统中各参与方的战略行为(Liu et al., 2022; Janssen et al., 2020)。从这个意义上说,环境信息披露不仅仅是一种行政要求,更是一种数据驱动的治理基础设施,它能够分配监管职责、分配执法激励,并促使利益相关方承担相应责任(Meijer, 2014; Schomberg et al., 2020)。
基于这一制度逻辑,本文将环境信息披露视为一种基于信息的监管创新,它有助于实现多中心治理,使政府、企业和公众通过动态互动和相互适应共同参与环境管理(Ostrom, 2010; Djalante et al., 2011)。随着信息流动的制度化与公开化,各参与方的行为也会随之变化:企业调整合规策略以展现合法性并降低声誉风险,公民通过请愿和舆论压力回应环境问题,政府则根据公众情绪和企业行为调整监管力度。这种三方互动形成了一个共同演进的过程,而这一过程正是绿色技术创新得以实现的关键(Zhan & Tang, 2016)。然而,现有文献中对这类信息系统运作的行为机制研究尚不够充分。
本研究是在中国日益重视生态现代化和数字治理的背景下展开的。尽管“十四五”规划以及绿色技术创新体系指南等国家战略都将创新视为推动环境转型的关键手段(Du et al., 2022),但各地政府在披露环境数据方面的意愿仍存在差异,它们往往担心政治风险或社会稳定问题(Tu & Chen, 2015; Zhao et al., 2021)。这种差异引发了诸多重要问题:信息披露政策能否成为有效的信息治理机制?它们能否协调多方行为以实现绿色创新目标?这类政策又是通过何种行为路径发挥作用的?
本文为现有研究做出了四项主要贡献。
首先,本文构建了一个涉及政府、企业和公众的多中心环境治理动态演化博弈模型。这一模型丰富了理论认知,阐释了基于信息的制度安排——尤其是环境信息披露试点——如何通过多方协调推动绿色技术创新。以往研究通常从单一角度探讨环境披露与绿色创新之间的关系,要么聚焦企业行为,要么关注监管效应,或是研究公众参与情况,而本文则采用统一框架整合了这三类主体。通过模拟政策实施前后各主体的战略互动与演化路径,本文揭示了信息披露政策影响绿色创新的微观机制。
其次,本文运用先进的双重机器学习技术,评估环境信息披露试点对绿色创新成果的因果影响。现有的政策评估方法多依赖差异比较法或事件研究法,但这些方法往往受到严格参数假设的限制,且容易因违反平行趋势等识别条件而出现偏差。相比之下,双重机器学习方法能够在高维数据环境中进行稳健的因果推断,便于灵活控制混杂因素,同时也不必严格遵循特定的函数形式假设。这一方法上的创新为政策评估和因果识别提供了新的思路。
第三,本文从机制层面分析了环境信息披露作为一种参与式监管工具,是如何通过多中心协调发挥作用的。为解决遗漏变量偏差问题,并厘清不同传导渠道的相对作用与相互关系,本文采用了双重去偏LASSO方法和因果路径分析。这些技术为识别不同的治理机制提供了有力的实证支持,也加深了我们对信息结构如何影响绿色创新的理解。
第四,本文是最早探讨环境法律制度在影响基于信息披露的环境治理效果中所起调节作用的研究之一。在中国积极寻求绿色转型路径以推进整体现代化建设的背景下,我们的研究结果为优化政策设计、提高绿色创新领域的行政效率提供了有益启示。