Climate Risks and Digital Transformation of Agribusiness

doi:10.16716/j.cnki.65-1030/f.2026.01.004

Abstract

Abstract:

Under the backdrop of climate risks, the accelerated digital transformation of agricultural enterprises is of great significance for the sustainable development of China's agriculture. To explore the impact of climate risk on the digital transformation of agricultural enterprises, this study employs a double fixed-effects model to conduct an empirical test based on the micro-data of A-share agricultural enterprises from 2007 to 2022. The results show that climate risk exerts a forcing effect on the digital transformation of agricultural enterprises. The mechanism test indicates that climate risk enhances the environmental attention of executives, thereby promoting the digital transformation of agricultural enterprises. The threshold effect test shows that the forcing effect of climate risk on digital transformation exhibits a single threshold effect. When organizational inertia, governance capacity, and government subsidies reach a certain threshold, the forcing effect changes significantly. The heterogeneity analysis shows that climate risk significantly forces digital transformation of agricultural enterprises with different ownership and governance structures. The forcing effect is stronger for non-state-owned enterprises and those with a unified position of chairman and general manager. However, in terms of regional distribution, the intensification of climate risks only exerts a forcing effect on the digital transformation of agriculture-related enterprises in the eastern region of China.

Key words: climate risks, agribusinesses, digital transformation

摘要：

在气候风险背景下，涉农企业加快数字化转型，对于我国农业可持续发展具有重要意义。为探究气候风险对涉农企业数字化转型的影响，文章选取2007—2022年我国A股涉农上市公司微观数据，运用双重固定效应模型进行实证检验。研究表明：气候风险加剧能够倒逼涉农企业推进数字化转型，高管环境注意力在其中发挥了调节作用。同时，气候风险加剧对涉农企业数字化转型的倒逼作用存在单一门槛效应，当组织惯性、治理水平和政府补贴达到一定阈值后，倒逼作用会发生明显变化。此外，从企业产权性质和治理结构特征来看，气候风险加剧对不同产权、不同治理结构特征的涉农企业数字化转型均具有倒逼作用，且对非国有涉农企业和两职合一型涉农企业的作用更强；从企业地理区域分布来看，气候风险加剧仅对我国东部地区涉农企业数字化转型有倒逼作用。

关键词: 气候风险, 涉农企业, 数字化转型

CLC Number:

F279.23

LIN Zhancheng, YU Zhong, XU Na. Climate Risks and Digital Transformation of Agribusiness[J]. Finance & Economics of Xinjiang, 2026, 0(1): 37-47.

林展城, 余忠, 许娜. 气候风险与涉农企业数字化转型[J]. 新疆财经, 2026, 0(1): 37-47.

Figures/Tables 7

References 40

[1]	陶然. 气候风险会加剧企业避税吗[J]. 财经科学, 2024(1):91-102.
[2]	ZHANG Z H, ZHU Z J, GAO G H, et al. Design and research of digital twin system for multi-environmental variable mapping in plant factory[J]. Computers and electronics in agriculture, 2023, 213:108243. DOI URL
[3]	郭劲光, 王虹力. 数字赋能下减排战略的创新性选择:基于“宽带中国”试点政策的准自然实验[J]. 产业经济研究, 2022(4):101-113.
[4]	PANKRATZ N, BAUER R, DERWALL J. Climate change,firm performance,and investor surprises[J]. Management science, 2023(12):7352-7398.
[5]	杨子晖, 李东承, 陈雨恬. 金融市场的“绿天鹅”风险研究:基于物理风险与转型风险的双重视角[J]. 管理世界, 2024(2):47-67.
[6]	温磊. 气候风险与企业绿色创新[J]. 云南财经大学学报, 2024(5):69-83.
[7]	LI Q, SHAN H Y, TANG Y H, et al. Corporate climate risk:measurements and responses[J]. The review of financial studies, 2024(6):1778-1830.
[8]	李佳林, 王禹, 赵西卜. 政府公共数据开放对企业数字化转型的影响研究[J]. 管理学报, 2024(10):1467-1475.
[9]	许恒, 刘龑. 经济政策不确定性与企业数字化转型:理论机制与路径检验[J]. 产业经济研究, 2023(2):42-55.
[10]	范家瑛, 万华林. 贸易摩擦是否促进了企业数字化转型?:来自中国制造业上市公司的微观证据[J]. 世界经济研究, 2024(3):120-134.
[11]	REN Y S, KLEIN T, JIANG Y. Corporate investment decisions amid climate risks:relocate or stay?[J]. Journal of in- ternational money and finance, 2025, 157:103388.
[12]	WU M N, FU C X, HOLGUIN-VERAS J, et al. The impact of digital technology deployment on mitigating supply chain disruptions:evidence from Chinese automotive manufacturers during the COVID-19 crisis[J]. Journal of pur- chasing and supply management, 2024(3):100936.
[13]	ZHANG J, YU C H, ZHAO J S, et al. How does corporate digital transformation affect green innovation?evidence from China’s enterprise data[J]. Energy economics, 2025, 142:108217. DOI URL
[14]	陈楠, 蔡跃洲, 马晔风. 制造业数字化转型动机、模式与成效:基于典型案例和问卷调查的实证分析[J]. 改革, 2022(11):37-53.
[15]	方宏, 王益民, 孙晨. CEO权力与国际化速度:TMT风险注意力的中介作用[J]. 管理评论, 2021(9):260-273.
[16]	LI M, PENG J Y, LU Z X, et al. Research progress on carbon sources and sinks of farmland ecosystems[J]. Resources, environment and sustainability, 2023, 11:100099. DOI URL
[17]	金书秦, 马如霞. 当前农业碳汇价值实现的主要途径和完善建议[J]. 环境保护, 2023(3):25-29.
[18]	李毅, 周积琨, 丁煜. 高管团队环境注意力与企业绿色技术创新[J]. 中南财经政法大学学报, 2024(4):17-28.
[19]	李旭辉, 陈梦伟, 朱启贵. 中国农业数字化绿色化协同发展的时空格局及收敛性分析[J]. 中国软科学, 2024 (8):110-121.
[20]	王琴梅, 杨军鸽. 数字新质生产力与我国农业的高质量发展研究[J]. 陕西师范大学学报(哲学社会科学版), 2023(6):61-72.
[21]	易加斌, 张梓仪, 杨小平, 等. 互联网企业组织惯性、数字化能力与商业模式创新[J]. 南开管理评论, 2022(5): 29-42.
[22]	HUO M J, LI C, LIU R H. Climate policy uncertainty and corporate green innovation performance:from the perspec- tives of organizational inertia and management internal characteristics[J]. Managerial and decision economics, 2024 (1):34-53.
[23]	吕一博, 韩少杰, 苏敬勤. 企业组织惯性的表现架构:来源、维度与显现路径[J]. 中国工业经济, 2016(10): 144-160.
[24]	汤萱, 高星, 赵天齐, 等. 高管团队异质性与企业数字化转型[J]. 中国软科学, 2022(10):83-98.
[25]	ZHENG Y, ZHENG M N, ZHANG J. Executive educational background,corporate governance and corporate default risk[J]. Finance research letters, 2024, 67:105785. DOI URL
[26]	张立民, 李琰. 持续经营审计意见、公司治理和企业价值:基于财务困境公司的经验证据[J]. 审计与经济研究, 2017(2):13-23.
[27]	李学峰, 蔡新怡, 吕佳丽. 稳中求进还是革故鼎新?高管团队稳定性与企业数字化转型[J]. 科技进步与对策, 2024(22):140-151. DOI
[28]	赵天宇, 郭树龙. 政府引导基金、政府补贴与企业创新:效应差异与互补影响[J]. 经济与管理研究, 2024(7): 57-76.
[29]	DUAN Y, XI B, XUAN S Y, et al. The impact of government subsidies on green innovation performance in new energy enterprises:a digital transformation perspective[J]. International review of economics & finance, 2024, 94:103414.
[30]	LI J, KONG T, GU L. The impact of climate policy uncertainty on green innovation in chinese agricultural enterprises[J]. Finance research letters, 2024, 62:105145. DOI URL
[31]	吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现:来自股票流动性的经验证据[J]. 管理世界, 2021 (7):130-144.
[32]	ZOR S. A neural network-based measurement of corporate environmental attention and its impact on green open in- novation:evidence from heavily polluting listed companies in China[J]. Journal of cleaner production, 2023,432: 139815.
[33]	周宏, 周畅, 林晚发, 等. 公司治理与企业债券信用利差:基于中国公司债券2008-2016年的经验证据[J]. 会计研究, 2018(5):59-66.
[34]	张铂晨, 赵树宽. 政府补贴对企业绿色创新的影响研究:政治关联和环境规制的调节作用[J]. 科研管理, 2022 (11):154-162.
[35]	尚洪涛, 宋岸玲. 工业互联网产业政策促进了企业数字化转型吗[J]. 科学学研究, 2023(11):1991-2003.
[36]	李民, 戴永务. 数字化转型对涉农企业竞争力的影响:基于企业异质性视角[J]. 北京航空航天大学学报(社会科学版), 2024(3):79-88.
[37]	易行健, 周利. 数字普惠金融发展是否显著影响了居民消费:来自中国家庭的微观证据[J]. 金融研究, 2018 (11):47-67.
[38]	张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距:基于双重机器学习的因果推断[J]. 数量经济技术经济研究, 2023(4):113-135.
[39]	魏建, 李世杰. 不确定性感知与企业绿色技术创新:基于区域与企业异质性视角的分析[J]. 重庆大学学报(社会科学版), 2024(1):33-52.
[40]	王腾, 周海炜, 余菲菲. 地理位置对上市企业数字化转型的影响:基于CEO与董事长两职合一的调节效应[J]. 经济地理, 2024(5):33-42. DOI

变量类型	变量符号	变量名称	测度方法
被解释变量	Digit	数字化转型	数字化相关词语总词频加1后取自然对数
解释变量	Risk	气候风险	气候风险相关词语总词频与年报总词频之比再乘以1000
中介变量	TTA	高管环境注意力	高管环境注意力相关词语总词频加1后取自然对数
门槛变量	OI	组织惯性	对员工总数、总市值、总资产、注册资本先加1取自然对数并进行标准化处理后再求和
	CorpGov	治理水平	基于两职分离、董事会持股比例等8个公司治理变量运用主成分分析法来构建
	Subsidy	政府补贴	当期政府补贴取自然对数
控制变量	Size	企业规模	企业总资产取自然对数
	Top10	股权集中度	前十大股东持股比例
	Balance	股权制衡度	第二到第十大股东持股比例总和与第一大股东持股比例之比
	Board	董事会规模	董事会人数取自然对数
	TobinQ	企业价值	流通股市值、非流通股股份数与每股净资产乘积、负债账面值的总和与总资产之比
	REC	应收账款占比	应收账款净额与总资产之比
	Lev	资产负债率	年末总负债与年末总资产之比
	ROA	总资产净利率	净利润与总资产平均余额之比
	ListAge	上市年限	当年年份与上市年份的差值加1后取自然对数
	Indep	独立董事占比	独立董事人数与董事人数之比

变量类型	变量符号	变量名称	测度方法
被解释变量	Digit	数字化转型	数字化相关词语总词频加1后取自然对数
解释变量	Risk	气候风险	气候风险相关词语总词频与年报总词频之比再乘以1000
中介变量	TTA	高管环境注意力	高管环境注意力相关词语总词频加1后取自然对数
门槛变量	OI	组织惯性	对员工总数、总市值、总资产、注册资本先加1取自然对数并进行标准化处理后再求和
	CorpGov	治理水平	基于两职分离、董事会持股比例等8个公司治理变量运用主成分分析法来构建
	Subsidy	政府补贴	当期政府补贴取自然对数
控制变量	Size	企业规模	企业总资产取自然对数
	Top10	股权集中度	前十大股东持股比例
	Balance	股权制衡度	第二到第十大股东持股比例总和与第一大股东持股比例之比
	Board	董事会规模	董事会人数取自然对数
	TobinQ	企业价值	流通股市值、非流通股股份数与每股净资产乘积、负债账面值的总和与总资产之比
	REC	应收账款占比	应收账款净额与总资产之比
	Lev	资产负债率	年末总负债与年末总资产之比
	ROA	总资产净利率	净利润与总资产平均余额之比
	ListAge	上市年限	当年年份与上市年份的差值加1后取自然对数
	Indep	独立董事占比	独立董事人数与董事人数之比

变量	观测值	均值	标准差	最小值	最大值
Digit	1797	1.032	1.023	0.000	3.497
Risk	1797	1.065	0.564	0.156	2.913
TTA	1797	1.842	0.921	0.000	4.078
OI	1790	0.230	2.910	-4.893	8.444
CorpGov	1653	-0.084	0.901	-1.590	2.616
Subsidy	1723	16.360	1.512	11.910	19.890
Size	1797	22.020	1.090	19.670	25.180
Top10	1797	58.370	15.060	22.800	87.340
Balance	1797	0.881	0.833	0.047	4.888
Board	1797	2.132	0.211	1.609	2.708
TobinQ	1797	2.515	1.609	1.044	10.160
REC	1797	0.044	0.045	0.000	0.209
Lev	1797	0.396	0.191	0.046	0.912
ROA	1797	0.050	0.080	-0.220	0.287
ListAge	1797	2.200	0.771	0.000	3.296
Indep	1797	37.850	6.169	25.000	60.000

变量	观测值	均值	标准差	最小值	最大值
Digit	1797	1.032	1.023	0.000	3.497
Risk	1797	1.065	0.564	0.156	2.913
TTA	1797	1.842	0.921	0.000	4.078
OI	1790	0.230	2.910	-4.893	8.444
CorpGov	1653	-0.084	0.901	-1.590	2.616
Subsidy	1723	16.360	1.512	11.910	19.890
Size	1797	22.020	1.090	19.670	25.180
Top10	1797	58.370	15.060	22.800	87.340
Balance	1797	0.881	0.833	0.047	4.888
Board	1797	2.132	0.211	1.609	2.708
TobinQ	1797	2.515	1.609	1.044	10.160
REC	1797	0.044	0.045	0.000	0.209
Lev	1797	0.396	0.191	0.046	0.912
ROA	1797	0.050	0.080	-0.220	0.287
ListAge	1797	2.200	0.771	0.000	3.296
Indep	1797	37.850	6.169	25.000	60.000

变量	Digit
变量	（a）	（b）	（c）	（d）	（e）	（f）
Risk	0.223^*** （4.951）	0.193^*** （4.318）	0.195^*** （4.370）	0.198^*** （4.417）	0.194^*** （4.335）	0.190^*** （4.243）
Size		0.294^*** （7.264）	0.291^*** （7.143）	0.283^*** （6.796）	0.304^*** （6.946）	0.295^*** （6.561）
Top10		-0.004^* （-1.797）	-0.005^** （-1.981）	-0.005^** （-1.967）	-0.004^* （-1.735）	-0.002 （-0.897）
Balance			0.042 （0.994）	0.044 （1.041）	0.042 （0.989）	0.029 （0.672）
Board			0.051 （0.359）	0.049 （0.345）	0.051 （0.359）	-0.029 （-0.185）
TobinQ				-0.014 （-1.052）	-0.009 （-0.635）	-0.013 （-0.925）
REC				0.717 （1.037）	0.749 （1.080）	0.716 （1.033）
Lev					-0.166 （-1.015）	-0.236 （-1.411）
ROA					-0.563^* （-1.876）	-0.524^* （-1.744）
ListAge						0.128^* （1.729）
Indep						-0.005 （-1.218）
常数项	0.794^*** （15.789）	-5.419^*** （-6.026）	-5.458^*** （-5.863）	-5.280^*** （-5.522）	-5.682^*** （-5.772）	-5.453^*** （-5.429）
观测值	1797	1797	1797	1797	1797	1797
adj. R²	0.622	0.634	0.634	0.634	0.634	0.635
控制变量	Y	Y	Y	Y	Y	Y
企业固定效应	Y	Y	Y	Y	Y	Y
年份固定效应	Y	Y	Y	Y	Y	Y