Utayari wa Utawala wa Kidijitali (Digital Governance Readiness, DGR) katika utafiti huu ni fahirisi changamani ya kiuundaji iliyoundwa kutokana na viashiria viwili vilivyosawazishwa, inayowakilisha kiwango ambacho kampuni hushughulikia faragha ya data na usalama wa mtandao kupitia sera rasmi na taratibu za utawala. Utafiti unachunguza uhusiano kati ya DGR na Fahirisi ya Ubunifu wa Kijani Unaomlenga Mtumiaji (Consumer-Oriented Green Innovation Index, COGI) katika kampuni za viwanda zilizoorodheshwa kwenye masoko ya hisa barani Ulaya. Paneli isiyosawazika iliyoundwa kutoka data za LSEG Refinitiv Eikon inajumuisha kampuni 225 na uchunguzi 1833 wa kampuni-mwaka katika kipindi cha miaka kumi ya fedha. Katika modeli inayopendelewa yenye athari thabiti za kampuni na mwaka, mgawo wa DGR ulikuwa β = 0,195 na p < 0,01. Hata hivyo, utafiti ni wa kiuchunguzi; vigezo vya udhibiti vya ngazi ya kampuni vinavyobadilika kwa muda havikuingizwa kwenye modeli, na haiwezekani kujenga upya kikamilifu jinsi vipengele vya fahirisi vilivyokosekana vilivyoshughulikiwa kihistoria. Kwa hiyo, matokeo hayaonyeshi kwamba utawala wa kidijitali unasababisha ubunifu wa kijani; yanaonyesha kwamba kuna uhusiano chanya, wenye masharti na wa ndani ya kampuni kati ya DGR na COGI.

COGI haipimi tu teknolojia ya mazingira au uzalishaji wa hataza. Fahirisi hii inaunganisha viashiria vya Environmental Innovation, Product Responsibility, ulinganifu na SDG 9 na ulinganifu na SDG 12, na hivyo kujumuisha, pamoja na ubunifu wa mazingira, ubora wa bidhaa, wajibu unaohusiana na watumiaji, uendelezaji endelevu wa viwanda, na vipengele vya uzalishaji na matumizi yenye kuwajibika. DGR, kwa upande mwingine, si kipimo cha jumla cha mabadiliko ya kidijitali; haipimi miundombinu ya kidijitali, matumizi ya akili bandia, ujuzi wa kidijitali wa wafanyakazi, uwezo wa uchanganuzi au uzito wa teknolojia. Upeo wa DGR umewekewa mipaka hasa kwenye utawala wa faragha ya data na usalama wa mtandao.

Mgawo wa 0,195 katika modeli inayopendelewa ya utafiti haumaanishi moja kwa moja “athari ya mikengeuko ya kawaida 0,195”; kwa sababu mikengeuko ya kawaida ya michanganyiko ya DGR na COGI ni 0,835 na 0,668 mtawalia. Kulingana na ubadilishaji wa kipimo uliofanywa katika utafiti, ongezeko la mkengeuko mmoja wa kawaida katika DGR linalingana na takribani vitengo 0,163 vya fahirisi ya COGI na takribani mikengeuko 0,244 ya kawaida ya COGI. Ukubwa huu pia unapaswa kufasiriwa si kama athari ya kisababishi, bali kama uhusiano wenye masharti uliopimwa katika modeli.

Mwelekeo wa matokeo uliendelea kuwa chanya katika modeli ya DGR iliyocheleweshwa kwa mwaka mmoja, katika uzani mbadala wa fahirisi kwa kutumia uchanganuzi wa vipengele vikuu (Principal Component Analysis, PCA), na katika uchanganuzi wa unyeti wa %1/%99 winsorization. Hata hivyo, ukaguzi huu hauondoi tatizo la sifa za kampuni zisizoonekana zinazobadilika kwa muda, kutokuwa na uhakika katika kanuni ya kuunda vipengele vilivyokosekana, au tatizo la utambuzi wa kisababishi.

Tatizo kuu la utafiti ni nini?

Ubadilishaji wa shughuli kuwa za kidijitali unaweza kuongeza uwezo wa kampuni wa kukusanya, kuchakata, kushiriki na kuratibu taarifa. Hata hivyo, kununua teknolojia tu au kutumia zana za kidijitali hakumaanishi kwamba ubunifu wa mazingira utaimarika moja kwa moja. Jinsi data zinavyosimamiwa, nani anaweza kufikia data gani, jinsi faragha ya data inavyolindwa, na jinsi hatari za mtandao zinavyodhibitiwa pia ni muhimu kwa uwezo wa kampuni kuamini mifumo yao ya taarifa.

Hii ndiyo hoja ya msingi ya utafiti. Sehemu kubwa ya fasihi ya awali imepima mabadiliko ya kidijitali kwa kutumia uwekezaji wa teknolojia, uasilishaji wa teknolojia za kidijitali, kauli kuhusu udijitali katika ripoti za mwaka, au viashiria vipana vya ujumuishaji wa kidijitali. Utafiti huu unauliza swali finyu zaidi: Je, mazoea rasmi ya utawala wa kidijitali kama faragha ya data na usalama wa mtandao hubadilika sambamba na matokeo mapana ya mazingira na uendelevu unaomlenga mtumiaji?

Maswali mawili makuu ya utafiti ni haya:

1. Utayari wa Utawala wa Kidijitali unahusiana vipi na Fahirisi ya Ubunifu wa Kijani Unaomlenga Mtumiaji katika kampuni za viwanda zilizoorodheshwa kwenye masoko ya hisa barani Ulaya?
2. Je, uhusiano huu unaendelea kuwepo katika modeli mbadala za paneli, matumizi ya kigezo kilichocheleweshwa, na mbinu tofauti za kuunda fahirisi?

Kwa nini DGR si kiashiria cha jumla cha mabadiliko ya kidijitali?

DGR imeundwa kwa vipengele viwili tu vinavyowakilisha sera ya faragha ya data na sera ya usalama wa mtandao ya kampuni; miundombinu ya kidijitali, matumizi ya akili bandia, uwezo wa uchanganuzi, ujuzi wa wafanyakazi, uwekezaji wa teknolojia au ukomavu wa jumla wa kidijitali si vipengele vya DGR. Kwa hiyo, matokeo ya utafiti hayawezi kubadilishwa kuwa dai pana kama “kampuni zilizo za kidijitali zaidi ni za kijani zaidi.”

Katika mkabala wa kinadharia wa utafiti, faragha ya data na usalama wa mtandao huzingatiwa si kama teknolojia yenyewe, bali kama taratibu za kiutawala za shirika zinazoweza kusaidia kampuni kutumia rasilimali zake za taarifa kwa kuaminika. Kanuni zilizo wazi zaidi za matumizi ya data, kulinda uadilifu wa taarifa, kupunguza hatari ya ufikiaji usioidhinishwa, na imani ya wadau katika kushiriki data vinaweza kinadharia kurahisisha ubadilishanaji wa taarifa na uratibu. Hata hivyo, utafiti haujapima mifumo hii kwa njia ya kisababishi.

Je, COGI inamaanisha tu “hataza ya kijani” au ubunifu wa mazingira?

Hapana. COGI ni fahirisi ya kiuundaji yenye vipengele vinne inayochunguza ubunifu wa mazingira pamoja na vipengele vinavyohusu mtumiaji na uzalishaji wenye kuwajibika. Environmental Innovation inawakilisha ubunifu wa bidhaa, teknolojia na michakato unaolenga mazingira; Product Responsibility inawakilisha ubora, usalama, uadilifu wa bidhaa na wajibu unaohusiana na mtumiaji; SDG 9 inawakilisha mwelekeo wa viwanda, ubunifu na miundombinu; na SDG 12 inawakilisha mwelekeo wa uzalishaji na matumizi yenye kuwajibika.

Chaguo hili ni muhimu kwa sababu kiashiria kimoja kama idadi ya hataza kinaweza kutokujumuisha maboresho ya michakato yasiyo na hataza, ubunifu wa huduma, usalama wa bidhaa au athari kwa watumiaji. Kwa upande mwingine, COGI pia haitolewi kama “kipimo kamili na pekee sahihi cha ubunifu wa kijani.” Watafiti wanaifafanua fahirisi hii kama kiashiria cha jalada kinachobeba kwa pamoja matokeo ya mazingira, yanayohusiana na bidhaa, viwanda na watumiaji.

Fahirisi changamani ya kiuundaji ina maana gani?

Katika mkabala wa changamani ya kiuundaji, vipengele havichukuliwi kuwa vipimo vinavyorudiwa na vinavyoweza kubadilishana vya sifa moja fiche; badala yake vipengele tofauti kwa pamoja huunda fahirisi. Kwa hiyo, si lazima faragha ya data na usalama wa mtandao katika DGR, au ubunifu wa mazingira, wajibu wa bidhaa, SDG 9 na SDG 12 katika COGI, viwe na uhusiano wa juu sana kati yao.

Tofauti hii inapaswa kutenganishwa na mantiki ya kipimo reflective, yaani kipimo cha kuakisi. Katika kipimo reflective, vipengee vinavyoonekana huchukuliwa kuwa matokeo ya muundo uleule fiche, na uthabiti wa ndani ulio juu unaweza kutarajiwa kati ya vipengee. Katika muundo wa kiuundaji, mwelekeo ni kinyume chake: vipengele kwa pamoja huunda changamani kwa kiwango cha dhana.

Kwa sababu hii, thamani za Cronbach alpha zilizoripotiwa katika utafiti—0,550 kwa COGI na 0,404 kwa DGR—hazifasiriwi na watafiti kama “uaminifu wa kipimo umeshindwa.” Cronbach alpha imetolewa kwa madhumuni ya kimaelezo; haikutumiwa kama kigezo kikuu cha uhalali wa muundo wa kiuundaji. Kwa sababu hiyo hiyo, uchanganuzi wa uthibitishaji wa vipengele (Confirmatory Factor Analysis, CFA) haukutumika; CFA ingelazimisha hapa dhana ya reflective latent variable ambayo utafiti haujaikubali.

Kwa nini viashiria ghafi vilisawazishwa?

Vipimo vya viashiria sita ghafi vilivyotumiwa katika utafiti si sawa. Environmental Innovation, Product Responsibility na Policy Data Privacy ni alama endelevu katika kiwango cha 0–100, ilhali SDG 9, SDG 12 na Policy Cyber Security ni viashiria vya jozi 0/1. Ikiwa thamani hizi zingechukuliwa wastani moja kwa moja katika hali yao ghafi, kigezo cha 0–100 kingeweza kupata uzito mkubwa zaidi wa namba katika changamani kwa sababu tu kipimo chake ni kikubwa zaidi.

Kwa hiyo, kila kiashiria ghafi kilibadilishwa kwanza kuwa alama ya z kwa kutumia wastani wa sampuli na mkengeuko wa kawaida.

Dokezo la kufundishia la kihisabati: Utafiti chanzo unaeleza kuwa usawazishaji ni alama ya z, lakini hauandiki kando mlinganyo wa kawaida wa alama ya z. Mlinganyo ufuatao si matokeo mapya yaliyotolewa na utafiti, bali ni ufafanuzi wa jumla wa kihisabati wa mbinu ya usawazishaji iliyotumiwa:

\[ z=\frac{x-\bar{x}}{s} \]

• x: thamani ghafi katika uchunguzi mahususi wa kampuni-mwaka,
• \(\bar{x}\): wastani wa sampuli wa kiashiria husika,
• s: mkengeuko wa kawaida wa sampuli,
• z: thamani iliyosawazishwa isiyo na kipimo inayoonyesha uchunguzi uko mbali kwa mikengeuko mingapi ya kawaida kutoka kwenye wastani.

Kwa mfano, z = 0 ina maana uchunguzi uko kwenye wastani wa sampuli; z = +1 ni takribani mkengeuko mmoja wa kawaida juu ya wastani, na z = −1 ni takribani mkengeuko mmoja wa kawaida chini yake. Lengo hapa ni kuleta vipimo tofauti kwenye msingi mmoja wa namba.

DGR huhesabiwaje?

Katika chanzo, kwa rekodi ambazo vipengele vyote viwili vya DGR vinaonekana, muundo uliokusudiwa wa uzito sawa unatolewa kwa mlinganyo huu:

\[ DGR_{it}=\frac{z\_DataPrivacy_{it}+z\_CyberSecurity_{it}}{2} \]

• i: inawakilisha kampuni,
• t: inawakilisha mwaka wa fedha,
• \(z\_DataPrivacy_{it}\): thamani iliyosawazishwa ya alama ya Policy Data Privacy ya kampuni,
• \(z\_CyberSecurity_{it}\): thamani iliyosawazishwa ya kiashiria cha Policy Cyber Security,
• DGR_it: inawakilisha changamani ya Utayari wa Utawala wa Kidijitali kwa kampuni-mwaka huo huo.

Namba 2 katika kigawanyaji inaonyesha kuwa vipengele viwili vinapewa uzito sawa. Kwa sababu ya usawazishaji, kigezo cha Data Privacy chenye kiwango ghafi cha 0–100 hakitawali kiashiria cha 0/1 Cyber Security kwa sababu tu kina upeo mpana zaidi wa namba.

COGI huhesabiwaje?

Kwa rekodi ambazo vipengele vyote vinne vinaonekana, muundo uliokusudiwa wa COGI wenye uzito sawa katika chanzo ni huu:

\[ COGI_{it}= \frac{ z\_EnvInnovation_{it} + z\_ProductResponsibility_{it} + z\_SDG9_{it} + z\_SDG12_{it} }{4} \]

Vipengele vinne ni thamani zilizowianishwa za Environmental Innovation, Product Responsibility, ulinganifu na SDG 9 na ulinganifu na SDG 12 mtawalia. Namba 4 katika kigawanyaji inaonyesha kwamba kila kipengele kinaingia kwenye wastani wenye uzito sawa.

Kuna jambo muhimu sana hapa: kubadilisha vipengele vidogo kuwa alama za z hakumaanishi kwamba changamani za DGR na COGI zinazoundwa huwa kiotomatiki alama za z zenye mkengeuko wa kawaida wa 1. Kwa hakika, katika utafiti mkengeuko wa kawaida wa DGR ni 0,835 na wa COGI ni 0,668.

Kwa nini tatizo la vipengele vinavyokosekana ni muhimu sana?

Mojawapo ya mapungufu muhimu zaidi ya kimetodolojia ya makala hii ni uwezo wa kuzalisha upya fahirisi changamani. Ingawa kuna uchunguzi 1772 wa kampuni-mwaka kwa kigezo cha Policy Cyber Security na 1676 kwa viashiria vya SDG 9 na SDG 12, changamani za DGR na COGI zimeripotiwa kwa uchunguzi 1833.

Kwa kawaida, katika hali hii mtu angeweza kukisia kwamba “vipengele vilivyokosekana vinaweza kuwa vilipuuzwa na wastani wa vipengele vilivyopo kuchukuliwa,” “thamani iliyokosekana inaweza kuwa iliwekwa sifuri,” au “huenda ulitumika ujazaji wa thamani uliokosekana.” Hata hivyo, watafiti hawakubali hata moja ya makisio haya.

Katika rekodi ya sasa ya uchanganuzi ya makala, msimbo wa kihistoria wa uundaji wa changamani katika ngazi ya mstari haujahifadhiwa. Kwa hiyo, haiwezekani kubainisha kwa uhakika kanuni iliyotumika katika uchunguzi wenye kipengele kilichokosekana. Milinganyo ya DGR na COGI iliyotolewa katika chanzo inaeleza muundo uliokusudiwa wa uzito sawa kwa rekodi ambazo vipengele vyote vinavyohitajika vinaonekana; si algoriti iliyothibitishwa kwa vipengele vinavyokosekana.

Matokeo yake ni kwamba haiwezekani kujenga upya kikamilifu na kwa kujitegemea mfululizo wa DGR na COGI uliohifadhiwa kwa kutumia muhtasari uliochapishwa wa vigezo vya msingi. Kwa hiyo, matokeo ya rejeshi pia yanapaswa kutafsiriwa si kama “makadirio yaliyopatikana kutoka fahirisi zilizojengwa upya kwa kujitegemea,” bali kama matokeo yaliyopatikana pale mfululizo wa changamani uliohifadhiwa unapokubaliwa kwa masharti.

Sampuli iliundwaje?

Data zilitolewa kutoka hifadhidata ya LSEG Refinitiv Eikon. Ulimwengu wa kuanzia ulihusisha kampuni 1754 zilizoorodheshwa kwenye masoko ya hisa, zenye makao makuu Ulaya na zilizoainishwa katika sekta ya Industrials katika mfumo wa Thomson Reuters Business Classification (TRBC). Upeo unahusu miaka kumi ya fedha kutoka FY-9 hadi FY0, inayowakilisha miaka kumi ya fedha iliyo karibu zaidi iliyopatikana wakati wa uchukuaji data. Kwa kuwa makala haihusishi vipindi hivi na miaka mahususi ya kalenda, hakuna mwaka uliobuniwa hapa.

Kwa sababu kuripoti ESG ni kwa hiari na huzingatia zaidi hasa kampuni kubwa au zinazoonekana zaidi, sehemu kubwa ya kampuni za awali haina mchanganyiko wa viashiria unaoweza kutumika katika utafiti. Sampuli ya mwisho ya uchanganuzi ina kampuni 225 na uchunguzi 1833 wa kampuni-mwaka. Hii ni takribani %12,8 ya kampuni 1754 zilizotambuliwa mwanzoni.

Upeo wa kila mwaka unaongezeka kutoka kampuni 104 katika FY-9 hadi kampuni 225 katika FY0. Uingereza, Uswidi, Ujerumani, Uswisi na Ufaransa zinaunda sehemu kubwa ya kampuni kwenye sampuli. Hata hivyo, muhtasari wa sasa wa uchanganuzi hauhifadhi idadi ya kampuni katika kila nchi au kila sekta ndogo ya TRBC. Kwa hiyo, utafiti unapaswa kusomwa si kama ushahidi kuhusu kampuni zote za viwanda barani Ulaya, bali hasa kama ushahidi kuhusu kampuni za viwanda zilizoorodheshwa kwenye masoko ya hisa barani Ulaya zinazotoa taarifa za ESG na zinazoweza kuingia kwenye sampuli ya uchanganuzi.

Viashiria sita vya msingi vilivyotumiwa katika utafiti

Modeli ya athari thabiti za pande mbili inajaribu kutenganisha nini?

Modeli ya athari thabiti za pande mbili inajaribu kudhibiti sifa maalum za kampuni zisizobadilika kwa muda na mishtuko ya pamoja ya muda inayoweza kuathiri kampuni zote katika mwaka mmoja, huku ikitathmini kama mabadiliko ya DGR katika kampuni hiyo hiyo huenda sambamba na mabadiliko ya COGI katika kampuni hiyo hiyo kwa muda.

Modeli ya msingi iliyotumiwa katika chanzo ni hii:

\[ COGI_{it}=\beta_0+\beta_1DGR_{it}+\alpha_i+\lambda_t+\varepsilon_{it} \]

• \(COGI_{it}\): thamani ya COGI ya kampuni i katika mwaka wa fedha t.
• \(DGR_{it}\): thamani ya DGR ya kampuni na mwaka huo huo.
• \(\beta_0\): neno la kudumu.
• \(\beta_1\): mgawo wa uhusiano wa DGR–COGI ambao ndio lengo kuu la utafiti.
• \(\alpha_i\): athari thabiti za kampuni.
• \(\lambda_t\): athari thabiti za mwaka wa fedha.
• \(\varepsilon_{it}\): kipengele cha kosa katika ngazi ya kampuni-mwaka kisichoelezwa na modeli.

Athari thabiti za kampuni hufyonza sifa za kudumu za kampuni zinazodhaniwa kutobadilika kwa muda. Kwa mfano, zinapunguza kuingia moja kwa moja kwa sifa kama muundo wa umiliki wa muda mrefu, utamaduni wa kudumu wa usimamizi au nafasi isiyobadilika ya kisekta katika mgawo kati ya DGR na COGI.

Athari thabiti za mwaka hufyonza mabadiliko ya pamoja yanayoweza kuathiri kampuni nyingi kwa wakati mmoja katika mwaka uleule wa fedha. Mazingira ya udhibiti, kuenea kwa kuripoti ESG au mabadiliko ya pamoja katika uchumi yanaweza kuwa mifano. Hivi si vigezo vinavyopimwa kimoja kimoja na utafiti; ni aina zinazowezekana za mabadiliko ya pamoja ya muda ambayo athari thabiti za mwaka hudhibiti kimetodolojia.

Makosa ya kawaida yamewekwa katika makundi katika ngazi ya kampuni. Sababu ni kwamba vipengele vya kosa vya kampuni hiyo hiyo katika miaka tofauti vinaweza visiwe huru kabisa kutoka kimoja hadi kingine. Clustering katika ngazi ya kampuni inalenga kufanya hesabu ya makosa ya kawaida iwe inayofaa zaidi mbele ya uhusiano wa mfululizo ndani ya kampuni.

Kwa nini haikutumiwa modeli ya athari thabiti za pande mbili pekee?

Ili kuona kama matokeo makuu yanategemea kupita kiasi uchaguzi wa modeli, utafiti uliripoti vipimo vinne tofauti vya msingi:

Katika modeli zote nne, mgawo wa DGR ni chanya na umeripotiwa katika chanzo kuwa na umuhimu wa kitakwimu. Watafiti wanapendelea modeli ya tatu, inayojumuisha kwa pamoja athari thabiti za kampuni na mwaka, kwa tafsiri kuu.

Katika modeli ya athari thabiti za kampuni, mgawo ni 0,356, lakini unapoongezwa athari thabiti za mwaka unashuka hadi 0,195. Kushuka huku ni muhimu kisayansi: hata baada ya kudhibiti tofauti za kudumu kati ya kampuni, sehemu ya uhusiano unaotumia tu mabadiliko ya ndani ya kampuni kwa muda inaweza kuelezwa na mienendo ya kila mwaka ya pamoja kwa kampuni zote. Kwa hiyo, kupuuza tofauti kati ya 0,356 na 0,195 kunaweza kusababisha kutafsiri ukubwa wa uhusiano kwa upana kupita kiasi.

β = 0,195 ina maana gani hasa?

Katika modeli inayopendelewa, β = 0,195 ina maana kwamba ndani ya kampuni hiyo hiyo, DGR inapoongezeka kwa kitengo kimoja cha fahirisi, baada ya kudhibiti athari thabiti za kampuni na athari za pamoja za mwaka, COGI huhusishwa na kuwa juu kwa wastani wa vitengo 0,195 vya fahirisi. Hata hivyo, mgawo huu si wa kisababishi na hauwezi kusomwa kama mikengeuko 0,195 ya kawaida.

Mkengeuko wa kawaida wa sampuli wa DGR ni 0,835 na wa COGI ni 0,668. Thamani inayolingana na mabadiliko ya mkengeuko mmoja wa kawaida wa DGR katika vitengo vya COGI ni:

\[ 0,195\times0,835\approx0,163 \]

Ili kubadilisha vitengo hivi 0,163 vya fahirisi ya COGI kuwa mkengeuko wa kawaida wa COGI:

\[ \frac{0,163}{0,668}\approx0,244 \]

Kwa hiyo, kama chanzo kinavyoeleza, ongezeko la mkengeuko mmoja wa kawaida katika DGR linahusishwa katika modeli inayopendelewa na takribani mikengeuko 0,244 ya kawaida ya COGI. Ubadilishaji huu unaonyesha mgawo katika kipimo cha pamoja cha mkengeuko wa kawaida; haubadilishi asili ya kiuchunguzi ya utafiti.

Takwimu za kimaelezo

Uhusiano wa korulesheni unaonyesha nini?

Matriksi ya korulesheni ya Pearson inaonyesha korulesheni chanya katika jozi zote zilizoripotiwa. Korulesheni rahisi ya jozi kati ya DGR na COGI ni r = 0,399. Hata hivyo, korulesheni hii si sawa na rejeshi la athari thabiti; inaonyesha tu kiwango ambacho vigezo viwili hubadilika pamoja katika sampuli kwa ujumla.

Korulesheni za DGR na vipengele vyake yenyewe, Data Privacy na Cyber Security, ni 0,810 na 0,802 mtawalia, hali inayojumuisha uhusiano wa sehemu-na-jumla unaotarajiwa. Vilevile, korulesheni za COGI na vipengele vyake SDG 9 na SDG 12 ni 0,723. Thamani hizi hazithibitishi kwamba vipengele ni “halali zaidi”; kwa sababu korulesheni kati ya fahirisi changamani na kipengele chake kwa sehemu hutokana na ukweli kwamba vinashirikiana data kihisabati.

Korulesheni kati ya Data Privacy na Environmental Innovation ni r = 0,087 tu. Matokeo haya ni muhimu hasa: sera ya faragha ya data si kiwakilishi cha moja kwa moja cha alama ya teknolojia ya mazingira. Uhusiano wa DGR–COGI unaakisi zaidi mabadiliko ya pamoja ya miundo mipana ya changamani kuliko ulinganifu kati ya vigezo viwili vya pekee.

Kwa nini uchanganuzi wa unyeti wa PCA ulifanywa?

Fahirisi kuu ni wastani wenye uzito sawa wa vipengele vilivyosawazishwa. Hata hivyo, ili kuona kama uchaguzi wa uzito sawa ndio unaoamua matokeo, watafiti waliunda kama mbadala michanganyiko inayotegemea Principal Component Analysis (PCA).

Alama za COGI na DGR zilizopatikana kwa PCA kuwa na korulesheni ya r = 0,967 na r = 0,998 mtawalia na michanganyiko ya uzito sawa kunaonyesha kuwa mbinu hizi mbili za uzani huzalisha upangaji unaofanana sana. Katika modeli ya athari thabiti za pande mbili inayotegemea PCA, mgawo wa DGR uliripotiwa kuwa β = 0,242.

Hata hivyo, watafiti hawatumii PCA “kuthibitisha” kwamba michanganyiko ni miundo fiche yenye mwelekeo mmoja. PCA hapa ni ukaguzi wa unyeti dhidi ya mpangilio mbadala wa uzani.

Uchanganuzi mwingine wa unyeti

Kushuka kwa mgawo wa DGR uliocheleweshwa kwa mwaka mmoja kutoka 0,195 hadi 0,097 ni muhimu. Kunaonyesha kwamba uhusiano chanya haupotei kabisa katika mwaka unaofuata, huku pia kukidokeza kwamba mwendo wa wakati mmoja wa DGR–COGI unaunda sehemu muhimu ya matokeo makuu. Chanzo kinafafanua modeli iliyocheleweshwa kuwa ukaguzi tu wa unyeti kuhusu mpangilio wa wakati; kutumia kigezo kilichocheleweshwa pekee hakuthibitishi usababishi.

Winsorization ni mbinu ya unyeti inayotegemea kupunguza vigezo endelevu kwenye mipaka ya %1 na %99 ili kutathmini kama thamani zilizo kwenye ncha za usambazaji zinaathiri matokeo kupita kiasi. Mgawo kubaki 0,195 katika modeli ya winsorized unaonyesha kwamba uhusiano mkuu hauathiriwi na aina hii mahususi ya ushughulikiaji wa thamani zilizokithiri.

Imeelezwa mahsusi kwamba toleo la awali la rasimu ya makala lilikuwa na uainishaji wa Heckman sample-selection, lakini haukuhifadhiwa katika toleo la sasa kama ushahidi wa robustness. Sababu ni kwamba predictor set kamili ya hatua ya kwanza na exclusion restriction haziwezi kuandikwa kwa msingi wa rekodi ya sasa ya uchanganuzi, na complete separation iliripotiwa kwa Eastern Europe. Kwa hiyo, watafiti waliondoa matokeo ya kiasi ya makadirio ya Heckman kutoka muhtasari wa matokeo na robustness wa makala ya sasa.

Kwa nini utafiti haudai usababishi?

Kwa sababu ingawa athari thabiti ni mbinu yenye nguvu ya udhibiti katika data za uchunguzi, haziondoi kiotomatiki vigezo vyote vinavyoweza kuchanganya uhusiano na vinavyobadilika kwa muda ndani ya kampuni hiyo hiyo. Modeli haijumuishi vidhibiti vya ngazi ya kampuni vinavyoweza kubadilika kwa muda kama ukubwa wa kampuni, faida, leverage, uzito wa U&T, matumizi ya mtaji, ukuaji, vikwazo vya kifedha au sifa za bodi ya wakurugenzi.

Kwa mfano, katika kipindi hicho hicho kampuni inaweza kuimarisha sera yake ya usalama wa mtandao na wakati huohuo kuongeza matumizi ya U&T. Ikiwa ongezeko la U&T lina athari tofauti kwa COGI na halijapimwa katika modeli, sehemu ya mgawo wa DGR inaweza kuhusishwa na mabadiliko hayo ya pamoja. Utafiti hauonyeshi kwamba hali kama hiyo ilitokea kweli; lakini unakubali kwamba muundo wa sasa hauwezi kuiondoa kabisa.

Kwa hiyo, β₁ haipaswi kutafsiriwa:

• kama athari huru ya kisababishi ya DGR,
• kama ongezeko la COGI linalohakikishwa sera inapotekelezwa,
• kama mgawo unaotabiri kwa uhakika utendaji wa kampuni wa baadaye.

Ufafanuzi unaofaa wa chanzo ni conditional descriptive within-firm association, yaani uhusiano wa kimaelezo, wenye masharti na wa ndani ya kampuni.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Utafiti ni utafiti wa kiuchunguzi wa data za paneli unaotumia viashiria vya ESG katika ngazi ya kampuni. Chanzo cha data ni LSEG Refinitiv Eikon. Paneli si sawa; si kila kampuni inazingatiwa kwa namna ileile katika miaka yote ya fedha.

Mwanzoni zilitambuliwa kampuni 1754 zilizoorodheshwa kwenye masoko ya hisa kutoka nchi 40 za Ulaya na zilizo katika daraja la TRBC Industrials. Baada ya vigezo vya upatikanaji wa viashiria, kampuni 225 na uchunguzi 1833 wa kampuni-mwaka ziliingia kwenye paneli ya uchanganuzi.

Kigezo huru na tegemezi

Kigezo huru: Digital Governance Readiness (DGR).

DGR imeundwa na vipengele viwili vilivyosawazishwa:

• Policy Data Privacy Score,
• Policy Cyber Security.

Kigezo tegemezi: Consumer-Oriented Green Innovation Index (COGI).

COGI imeundwa na vipengele vinne vilivyosawazishwa:

• Environmental Innovation Score,
• Product Responsibility Score,
• SDG 9 alignment,
• SDG 12 alignment.

Matokeo makuu ya rejeshi

Katika modeli inayopendelewa yenye athari thabiti za kampuni na mwaka, mgawo wa DGR ni 0,195, kosa la kawaida ni 0,030, na umuhimu ulioripotiwa katika chanzo ni p < 0,01. Modeli inatumia uchunguzi 1833 na kampuni 225.

Katika modeli ya athari thabiti za kampuni, mgawo ni 0,356, lakini unapoongezwa athari za mwaka unashuka hadi 0,195. Mabadiliko haya yanaonyesha kwamba mienendo ya pamoja ya muda inaeleza sehemu muhimu ya uhusiano wa wakati mmoja wa DGR–COGI.

Matokeo ya unyeti

Modeli ya DGR iliyocheleweshwa kwa mwaka mmoja, yenye uchunguzi 1608 na kampuni 223, ilitoa thamani ya β = 0,097. Katika sehemu ya kina ya matokeo ya maandishi chanzo, kwa mgawo huu imetumiwa kauli p < 0,001. Katika muhtasari wa baadaye wa robustness, matokeo yanaelezwa kwa upana zaidi kuwa chini ya kizingiti cha p < 0,01; kwa kuwa p < 0,001 pia inatimiza sharti la p < 0,01, kauli hizi hazipingani kihisabati.

Modeli ya athari thabiti za pande mbili yenye michanganyiko inayotegemea PCA ilitoa β = 0,242. Katika modeli ya %1/%99 winsorized, mgawo ulikuwa 0,195, sawa na modeli kuu.

Hitimisho zinazoungwa mkono na utafiti

• Katika sampuli ya kampuni za viwanda zilizoorodheshwa kwenye masoko ya hisa barani Ulaya zinazotoa taarifa za ESG, kuna uhusiano chanya wa kitakwimu kati ya DGR na COGI.
• Mwelekeo wa uhusiano ni chanya katika modeli za pooled OLS, athari thabiti za kampuni, athari thabiti za kampuni+mwaka na random effects.
• Mwelekeo wa uhusiano pia ni chanya katika DGR iliyocheleweshwa kwa mwaka mmoja, michanganyiko inayotegemea PCA na uchanganuzi wa unyeti wa winsorization.
• DGR si mabadiliko ya jumla ya kidijitali; ni changamani yenye upeo finyu inayowakilisha utawala wa faragha ya data na usalama wa mtandao.
• COGI si kiashiria kimoja cha teknolojia ya mazingira; ni fahirisi ya matokeo ya kiuundaji iliyoundwa kutokana na vipengele vinne vinavyokamilishana.
• Kuna korulesheni ya juu sana kati ya michanganyiko ya uzito sawa na inayotegemea PCA.

Ujumlishaji ambao utafiti hauuungi mkono

• Hitimisho kwamba “utawala wa kidijitali unasababisha ubunifu wa kijani” halijaungwa mkono.
• Mgawo wa 0,195 si ongezeko la utendaji linalohakikishwa na linaloweza kutumika kwa kampuni zote.
• DGR si kipimo kamili cha ukomavu wa jumla wa kidijitali wa kampuni.
• COGI si kipimo cha moja kwa moja cha ubunifu wa kiteknolojia wa kijani au matokeo ya hataza pekee.
• Matokeo hayawezi kujumuishwa kiotomatiki kwa kampuni zote za viwanda barani Ulaya zisizo na data za ESG.
• Modeli iliyocheleweshwa kwa mwaka mmoja si ushahidi wa usababishi.
• Matokeo ya PCA hayathibitishi kwamba michanganyiko ni vipimo vya reflective latent vyenye mwelekeo mmoja.

Mapungufu makuu

1. Muundo wa kiuchunguzi: Utafiti si jaribio la nasibu wala jaribio asilia. Athari ya kisababishi haijatambuliwa.

2. Kukosekana kwa vidhibiti vinavyobadilika kwa muda: Ukubwa wa kampuni, faida, leverage, U&T, matumizi ya mtaji, vikwazo vya kifedha na sifa mbalimbali za utawala hazikuingizwa kwenye modeli kuu.

3. Uchaguzi wa sampuli: Ni kampuni 225 tu kati ya kampuni 1754 za awali zilizoingia katika sampuli ya mwisho ya uchanganuzi. Hali hii inaweza kusababisha kampuni zinazotoa taarifa za ESG kuwakilishwa zaidi katika sampuli.

4. Kukosekana kwa maelezo ya nchi na sekta ndogo: Kwa kuwa usambazaji kamili wa nchi kwa nchi na wa kiwango cha sekta ndogo za TRBC kwa sampuli ya mwisho haujahifadhiwa katika muhtasari wa sasa wa uchanganuzi, uhalali wa nje hauwezi kutathminiwa kwa kina.

5. Kanuni ya kuunda vipengele vinavyokosekana: Ingawa DGR na COGI zimeripotiwa kwa uchunguzi 1833, baadhi ya vipengele vina thamani ndogo zaidi za N. Kutohifadhiwa kwa msimbo wa kihistoria wa kuunda changamani kunapunguza uwezo wa kuzalisha upya kikamilifu.

6. Muundo wa kiuundaji: Fahirisi zinaunganisha kwa makusudi vipengele endelevu na vya jozi vyenye vipimo na dhana tofauti. Muundo huu haupaswi kutafsiriwa kama kipimo cha latent chenye mwelekeo mmoja.

Maana ya vitendo ya utafiti

Matokeo yanaendana na wazo la kuangalia faragha ya data na usalama wa mtandao si kama gharama ya kutii kanuni tu, bali kama uwezo wa ziada wa shirika unaoweza kusaidia matumizi ya data yanayoaminika. Inawezekana kutoa hitimisho la kitaasisi kwamba kampuni hazipaswi kusimamia kabisa kwa kujitenga kazi za uendelevu, wajibu wa bidhaa, ubunifu na utawala wa data.

Hata hivyo, hitimisho hili si agizo la sera wala utaratibu wa kisababishi uliothibitishwa. Utafiti hauhesabu athari ya uingiliaji kwa namna ya “ikiwa uwekezaji katika usalama wa mtandao utaongezeka, COGI itaongezeka kwa kiasi hiki.” Tafsiri zenye nguvu zaidi za kisababishi zinahitaji tafiti ambazo vigezo vya udhibiti vinavyobadilika kwa muda vinahifadhiwa kikamilifu, kanuni za data zinazokosekana zinaweza kuandikwa kikamilifu, na mikakati thabiti zaidi ya identification inatumika.

Maelezo ya Chanzo na Mbinu

Utafiti asilia: Digital Governance Readiness and Consumer-Oriented Green Innovation: Evidence from European Listed Firms

Waandishi: Alexandros Garefalakis, Christos Papademetriou, Erasmia Angelaki, Stavros Garefalakis, Ioannis Passas.

Mpangilio wa waandishi: Mpangilio katika chanzo umehifadhiwa kama ulivyo.

Mchango sawa: Chanzo hakitaji mwandishi wa kwanza mwenye mchango sawa wala tamko la mchango sawa.

Corresponding author: Alexandros Garefalakis.

Taasisi 1: Department of Business Administration and Tourism, Hellenic Mediterranean University, 714 10 Iraklio, Greece.

Taasisi 2: Department of Economics and Business, Neapolis University Pafos, Pafos 8042, Cyprus.

Jarida: Sustainability.

Mchapishaji: MDPI, Basel, Switzerland.

Taarifa ya uchapishaji: Sustainability 2026, 18(18), 9287.

DOI: 10.3390/su18189287.

Tarehe ya kuwasilisha: 3 Agosti 2026.

Tarehe ya marekebisho: 7 Septemba 2026.

Tarehe ya kukubaliwa: 8 Septemba 2026.

Tarehe ya kuchapishwa: 10 Septemba 2026.

Aina ya chanzo: Makala ya utafiti iliyopitiwa na wataalamu; uchanganuzi wa kiuchunguzi wa data za paneli katika ngazi ya kampuni.

Hali ya mapitio ya kitaalamu: Ni chapisho la jarida lililopitiwa na wataalamu. Chanzo kinatoa tarehe za kuwasilisha, kurekebisha na kukubaliwa.

Hali ya preprint: PDF iliyokaguliwa na rekodi rasmi ya uchapishaji hazitaji toleo tofauti la preprint kwa utafiti huu; kwa hiyo taarifa ya preprint haijakisiwa.

Rekodi rasmi ya uchapishaji: MDPI Sustainability, makala 9287; kitambulisho cha kudumu cha uchapishaji DOI 10.3390/su18189287.

Leseni: Creative Commons Attribution, CC BY.

Chanzo cha data: Data za ESG za ngazi ya kampuni kutoka LSEG Refinitiv Eikon.

Sampuli ya kuanzia: Kampuni 1754 za TRBC Industrials zilizoorodheshwa kwenye masoko ya hisa katika nchi 40 za Ulaya.

Sampuli ya mwisho ya uchanganuzi: Kampuni 225, uchunguzi 1833 wa kampuni-mwaka, paneli isiyosawazika ya miaka kumi ya fedha.

Mbinu kuu: Ulinganisho wa Pooled OLS, athari thabiti za kampuni, athari thabiti za kampuni na mwaka, na random-effects; makosa ya kawaida ya clustered katika ngazi ya kampuni; DGR iliyocheleweshwa kwa mwaka mmoja, michanganyiko inayotegemea PCA na uchanganuzi wa unyeti wa %1/%99 winsorization.

Matokeo makuu: Katika modeli inayopendelewa yenye athari thabiti za kampuni na mwaka, mgawo wa DGR ni β = 0,195, SE = 0,030, p < 0,01. Kwa kutumia mikengeuko ya kawaida iliyoripotiwa katika chanzo, ongezeko la mkengeuko mmoja wa kawaida katika DGR linahusishwa na takribani mikengeuko 0,244 ya kawaida ya COGI.

Kikomo kikuu cha tafsiri: Matokeo si ya kisababishi. Hakuna vidhibiti vya ngazi ya kampuni vinavyobadilika kwa muda, na kanuni ya kihistoria ya kuunda michanganyiko katika hali ya vipengele vinavyokosekana haiwezi kujengwa upya kutoka rekodi ya sasa ya uchanganuzi.

Ufadhili: Utafiti haukupokea ufadhili wa nje.

Institutional Review Board: Haitumiki.

Informed Consent: Haitumiki.

Upatikanaji wa data: Imeelezwa kwamba michango asilia ya utafiti imo ndani ya makala na maswali ya ziada yanaweza kuelekezwa kwa corresponding author.

Mgongano wa maslahi: Waandishi wametangaza kwamba hakuna mgongano wa maslahi.

Michango ya waandishi: Conceptualization: A.G. na E.A.; methodology: A.G.; software: A.G. na E.A.; validation: A.G., E.A. na I.P.; formal analysis: A.G. na C.P.; investigation: A.G., C.P., E.A., S.G. na I.P.; resources: S.G.; data curation: A.G. na S.G.; writing—original draft: A.G., C.P., E.A., S.G. na I.P.; writing—review and editing: waandishi wote; visualization: waandishi wote; supervision: A.G.; project administration: A.G. na C.P.; funding acquisition: C.P.

Dokezo la kimetodolojia kuhusu uwezo wa kuzalisha upya: Kwa kuwa rekodi ya sasa ya uchanganuzi haijahifadhi kanuni ya uundaji katika ngazi ya mstari iliyotumiwa kwenye rekodi za kihistoria za DGR na COGI zenye vipengele vinavyokosekana, haiwezekani kuzalisha upya kikamilifu na kwa kujitegemea mfululizo huo kutokana na muhtasari uliochapishwa wa vipengele. Kutokuwa na uhakika huku kumekubaliwa waziwazi na utafiti.