Aller au contenu principal
Accès ouvert déclaré 2026 article

Does supply chain digital intelligence improve corporate energy efficiency? Empirical evidence from machine learning

3Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

In the context of the synergistic development of digitization and green development, exploring whether supply chain digital intelligence can improve corporate energy efficiency is of great importance. In this paper, we employ a double machine learning model to investigate the impact of supply chain digital intelligence on corporate energy efficiency and its potential mechanisms, based on panel data of Chinese A-share listed companies from 2012 to 2023. The findings indicate that the digital and intelligent transformation of supply chains improves corporate energy efficiency, and this conclusion remains robust even after a series of robustness tests. Further, heterogeneity analysis reveals that the efficiency improvement effect of supply chain digital intelligence is more significant under high environmental uncertainty, especially for non-state-owned firms, heavily polluting firms, and firms with higher risk-taking levels. Finally, the mechanism test finds that supply chain digital intelligence improves energy efficiency by enhancing specialization, promoting technological innovation, and reducing supply chain concentration. This paper provides empirical evidence and practical insights for exploring the low-carbon effects of the digital intelligence transformation of supply chains.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Does supply chain digital intelligence improve corporate energy efficiency? Empirical evidence from machine learning
Date Crossref
01/09/2026
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Digital Transformation in IndustryEnergy Efficiency and ManagementEfficiency Analysis Using DEA

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.