← 論文一覧に戻る

Time Series Evidence on Artificial Intelligence and Green Transformation: The Impact of AI Policy on Corporate Carbon Performance

人工知能とグリーントランスフォーメーションに関する時系列エビデンス：AI政策が企業の炭素パフォーマンスに与える影響 (AI 翻訳)

Wei Wen, Kangan Jiang, Xiaojing Shao

Mathematics📚 査読済 / ジャーナル2026-04-28#政策Origin: CN
DOI: 10.3390/math14091489
原典: https://doi.org/10.3390/math14091489

🤖 gxceed AI 要約

日本語

本研究は中国A株上場企業の2010～2024年のパネルデータを用い、AI政策が企業の炭素パフォーマンスに与える動的影響を分析した。国家新世代人工知能イノベーション発展パイロットゾーンの段階的設立を自然実験として、差の差法と時系列分析を組み合わせた。結果、AI政策は炭素パフォーマンスを有意に改善し、技術普及やインフラ蓄積などの経路を通じて間接効果も確認された。異質性分析により、企業規模や産業特性による影響の違いも明らかになった。

English

Using panel data of Chinese A-share listed firms from 2010 to 2024, this study examines the dynamic impact of AI policy on corporate carbon performance. Exploiting the staggered rollout of National New Generation AI Innovation Development Pilot Zones, a multi-period difference-in-differences framework is employed. Results show that AI policy significantly improves carbon performance, with time-lagged indirect effects through technology diffusion and digital infrastructure. Heterogeneity across firm and industry characteristics provides granular insights for policy design.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

中国のAI政策が企業の炭素パフォーマンスに与える効果を実証。日本でもGX実現に向けたAI活用の政策設計に示唆を与える。SSBJや有報対応において、AI技術のカーボンアカウンティングへの応用可能性を検討する際の参考となる。

In the global GX context

This study provides causal evidence on how AI policy can drive corporate decarbonization, relevant for global climate disclosure and transition finance. It demonstrates the potential of AI as a tool for improving carbon performance, complementing frameworks like TCFD and ISSB. The time series methods offer rigorous identification for evaluating GX policies globally.

👥 読者別の含意

🔬研究者:Offers a robust causal identification strategy using panel time series methods for evaluating AI's impact on carbon performance.

🏢実務担当者:Demonstrates how AI policy can be leveraged to improve corporate carbon performance, informing corporate sustainability strategy.

🏛政策担当者:Provides evidence that AI pilot zones can enhance carbon performance, suggesting policy design for green transformation.

📄 抄録（日本語訳）

人工知能の発展は、企業の炭素パフォーマンス向上に新たな解決策を提供し、持続可能なビジネス慣行の促進にとって極めて重要である。本研究は、2010年から2024年までの中国A株上場企業の時系列パネルデータを用いて、人工知能（AI）政策が企業の炭素パフォーマンスに与える動的影響を調査する。国家次世代人工知能イノベーション発展試験区の段階的設立を準自然実験として活用し、時間変動する処置を伴う多期間差分の差分フレームワークを構築する。時系列ベースの識別戦略は、頑健なクラスタリングとイベントスタディ仕様を通じて、系列相関と時間変動する交絡因子に対処する。分析結果は、AI政策が企業の炭素パフォーマンスを有意に向上させることを明らかにし、この結論は厳格な内生性テスト、プラセボチェック、反事実分析後も頑健である。動的パネルモデルを用いて、本研究は政策効果の時間的進化を追跡し、AIが3つの時間ラグ経路（ミクロレベルの技術普及、将来の産業発展、デジタルインフラと計算リソースの漸進的蓄積）を通じて間接的効果を発揮することを実証する。異質性分析は、ミクロレベルとマクロレベルにわたる差別化された影響を明らかにし、異質な処置効果の予測に詳細な洞察を提供する。パネル時系列計量経済学と因果推論を統合することにより、本研究は企業の炭素パフォーマンスに関する文献に貢献し、AIの促進効果を理解するための分析フレームワークを拡張する。分析結果は、グリーン移行軌道の予測に政策洞察と実証的ベンチマークを提供し、グリーンファイナンスと持続可能な経済発展に直接的な示唆を与える。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Artificial intelligence development offers new solutions for enhancing corporate carbon performance and is crucial for promoting sustainable business practices. This study investigates the dynamic impact of artificial intelligence (AI) policy on corporate carbon performance using time series panel data of Chinese A-share listed companies from 2010 to 2024. Leveraging the staggered establishment of the National New Generation Artificial Intelligence Innovation Development Pilot Zones as a quasi-natural experiment, we develop a multi-period difference-in-differences framework with time-varying treatment. Our time series-based identification strategy addresses serial correlation and time-varying confounding factors through robust clustering and event study specifications. The findings reveal that AI policy significantly improves corporate carbon performance, a conclusion that remains robust after rigorous endogeneity tests, placebo checks, and counterfactual analyses. Using dynamic panel models, this study traces the temporal evolution of policy effects and demonstrates that AI exerts indirect effects through three time-lagged pathways: micro-level technological diffusion, future industry development, and the progressive accumulation of digital infrastructure and computing resources. Heterogeneity analysis reveals differentiated impacts across micro- and macro-levels, providing granular insights for forecasting heterogeneous treatment effects. By integrating panel time series econometrics with causal inference, this study contributes to the literature on corporate carbon performance while expanding analytical frameworks for understanding AI’s enabling effects. The findings offer policy insights and empirical benchmarks for forecasting green transition trajectories, with direct implications for green finance and sustainable economic development.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。