資源型企業綠色創新效率提升路徑研究

【摘要】本文基于2013 ～ 2022年滬深A股資源型企業樣本數據， 采用動態QCA方法， 從時間效應和行業效應兩方面檢驗政府研發補助、 市場競爭、 組織冗余、 綠色發展、 數字化轉型和研發人員投入這六個條件對資源型企業綠色創新效率的影響。研究發現： 單個因素并非構成企業實現高綠色創新效率的必要條件， 但是數字化轉型的必要性已呈現上升趨勢； 資源型企業實現高綠色創新效率存在三種組態， 即政府補助和數字技術驅動型、 政府補助和綠色發展驅動型、 多要素混合驅動型。進一步分析發現： 從時間效應看， 多要素混合驅動型在2013年、 2015年、 2018年和2022年一致性系數較低；從行業效應看， 三種組態在石油和天然氣開采， 有色金屬礦采選， 黑色金屬冶煉和壓延加工以及電力、 熱力生產和供應這四個資源型行業中的解釋力度均出現較高的一致性， 而在非金屬礦物制品行業中的一致性系數相對偏低。

【關鍵詞】綠色創新效率；數字化轉型；時間效應；行業效應；動態QCA

【中圖分類號】 F273.1 " " 【文獻標識碼】A " " "【文章編號】1004-0994（2024）22-0109-8

一、 引言

2023年9月， “新質生產力”一詞被首次提出。隨后， 習近平總書記在二十屆中央政治局第十一次集體學習時指出， “綠色發展是高質量發展的底色， 新質生產力本身就是綠色生產力”。2024年4月17日， “2024中國環境技術大會”提出， 要通過完善綠色技術創新體系等六大路徑發展“綠色新質生產力”。在這一背景下， 推進創新發展、 綠色發展已成為時代所需。綠色創新作為國家、 產業、 企業各個層面實現高質量發展的重要手段， 涵蓋了產品設計、 生產和加工， 以及管理理念、 商業模式等方面的深層次變革（馬媛等，2016）。經濟合作與發展組織（OECD）強調， 綠色創新的目標是追求環境效率， 即提高資源分配效率， 減少對自然環境的損害， 并實現綠色發展。資源型企業的綠色創新， 因創新基礎薄弱、 能源利用率低、 信息傳導滯后等因素而受到嚴重制約（王鋒正等，2022）。如何優化綠色創新過程以提高資源利用效率， 實現經濟效益與生態效益的和諧共生， 已成為資源型企業亟待解決的問題。

梳理現有文獻， 筆者發現目前對于綠色創新效率的研究尚有不足。已有研究大多是針對綠色創新效率作用機制的探討或是對單一變量的凈效應進行分析， 并且大多使用靜態截面數據， 忽視了時間效應和個體（集群）效應下綠色創新效率的差異和變化。但是綠色創新是多個前因條件復雜作用的結果， 各前因條件對綠色創新水平的影響存在非對稱性（吳建祖和范會玲，2021）， 且綠色創新是一個連續的過程， 需要考量時間維度上的演化軌跡。傳統分析方法往往未能充分考慮因果關系的動態變化， 而組態理論和定性比較分析方法恰好適用于多重軌跡決定結果的復雜動態因果關系分析（杜運周等，2021）。此外， 既有研究集中在企業層面， 而QCA方法研究的對象可以是國家、 行業、 組織、 團隊、 個體等（杜運周和賈良定，2017）。

根據上述分析， 本文聚焦2013 ～ 2022年滬深A股資源型企業， 采用動態QCA方法分析資源型企業綠色創新效率提升的多元路徑。相較于既有研究， 本文可能存在的貢獻如下： 第一， 區別于單一因素對資源型企業綠色創新效率的影響， 本文考慮多因素共同作用驅動資源型企業綠色創新效率提升的協同路徑， 以彌補現有研究的不足； 第二， 分析各組態路徑對于不同資源型行業的影響， 以探尋不同組態對資源型行業提升綠色創新效率是否具有不同效果； 第三， 彌補靜態截面數據的不足， 采取動態QCA分析方法， 從時間和行業兩個維度上動態分析資源型企業綠色創新效率變化及差異。

二、 文獻綜述

綠色創新作為緊跟時代變遷的創新活動， 注重環境保護和資源節約， 從而推動經濟社會的可持續發展。通過加快綠色創新和綠色技術推廣應用， 可以為新質生產力提供“蓄能站”（郭媛媛和劉丹，2024）。企業可以開發出更加環保、 高效的產品和生產工藝， 降低生產成本， 提高市場競爭力。同時， 綠色創新也推動了新質生產力在環保領域的創新和發展， 進一步提升了新質生產力的水平和質量。綠色創新效率是一個綜合性評估指標， 通過考量創新的經濟效益和環境效益， 全面捕捉創新發展的有效性（Zhao等，2021）。它不僅關注創新成果本身的“綠色”屬性， 而且注重這些成果在實際應用過程中所帶來的經濟效益與環境效益之間的平衡關系。

1. 政府研發補助。政府研發補助是企業滿足一定條件后， 政府主動給予的無償資金支持。它可有效降低企業開展研發創新活動可能面臨的成本和風險， 提高企業開展研發創新的積極性， 對創新產出具有正向影響（Czarnitzki和Licht，2006）。但是也有學者認為， 企業對于創新的需求會因為獲得政府補助而發生變化， 在創新價格不變的情況下， 企業反而會減少創新投入， 政府補助對于企業創新可能產生抑制作用（Clausen，2009）。還有學者認為， 政府補助的作用會依據不同情況產生不同效果， 即政府補助規模與企業創新能力呈U型關系， 只有當政府補助超過適度值后， 才能真正提高企業創新能力（施建軍和栗曉云，2021）。

2. 市場競爭。企業綠色創新作為“雙碳”目標推進過程中的新產物， 其市場競爭遠遠達不到過度競爭狀態（鄭志強等，2023）。這意味著， 在綠色創新初期， 適度的市場競爭實際上能夠激發企業的創新活力。企業為了爭奪市場份額和客戶資源， 不得不提升自身的創新能力， 進而提升創新績效（Song和Wang，2018）。然而， 隨著市場的不斷發展和競爭的逐漸加劇， 一些企業可能會因為市場集中度的提高而逐漸形成強壟斷勢力， 從而產生創新抑制效應（唐要家等，2022）。這是因為， 在壟斷狀態下這些企業可能會因為缺乏競爭壓力而減少對創新的投入， 甚至可能利用自身的市場地位來抑制其他企業的創新活動。

3. 組織冗余。組織冗余是指組織中存在超出經營所必需的資源， 包括財務冗余、 人力資源冗余、 物質資源冗余和能力冗余等。這些冗余資源的存在并不一定意味著浪費， 反而可能提升企業的靈活性及其應對市場變化的能力， 從而對企業的創新活動產生影響。組織冗余可能為綠色創新提供必要的資源儲備， 允許企業在面臨不確定性和風險時， 有余力投入到綠色技術研發、 綠色產品設計和綠色流程改造等方面， 從而提升綠色創新效率（Duque-grisales和Aguilera-caracuel，2021）。然而， 組織冗余對綠色創新的正向作用并不總是顯著的。這是因為綠色創新強調減少能源消耗和污染排放， 需要更多的投入、 更長的時間才能獲得回報， 因此管理層缺乏充分利用資源的動力， 從而可能對綠色創新活動產生消極影響（Liao和Long，2018）。

4. 綠色發展。作為衡量企業可持續發展能力和長期價值的重要理念和實踐方式， ESG表現越來越受重視， 它體現了經濟、 環境、 社會“三位一體”的可持續發展理念。高水平的ESG表現往往體現了企業對可持續發展和環境保護的重視。這種戰略導向會促使企業在研發投入、 人才培養、 技術創新等方面優先考慮綠色元素， 從而有利于提升綠色創新效率。ESG表現也是提升企業聲譽的重要驅動力， 較好的企業聲譽和形象可以有效降低企業的融資門檻， 從而促使企業為綠色創新投入更多資金（He等，2022）。此外， ESG存在一定的溢出效應， 會在同行業中釋放綠色信號， 促進同行業企業綠色創新（Li等，2023）。在所有類型的企業中， ESG評級更能促進重污染行業綠色創新水平提升（趙沁娜和李航，2024）。

5. 數字化轉型。資源型企業通常面臨著資源過度依賴、 技術水平落后及創新基礎薄弱等挑戰。這些特征迫使它們必須迅速適應新環境， 以獲取對其生存和發展至關重要的外部創新資源（王鋒正等，2022）。在數字化環境的推動下， 資源型企業可以利用大數據、 云計算和物聯網等數字技術， 實現資源的精確管理和高效利用， 并且能夠獲取大量的外部信息與知識， 從而增加其對綠色技術創新的知識儲備（張龍鵬和湯志偉，2018）。數字化轉型不僅提升了企業的業務靈活性和操作效率， 還能促進企業開展創新活動。同時， 它也有助于促進企業內外部信息的交流與整合， 優化創新技術資源， 并鼓勵企業進行聯合創新（宋德勇等，2022）。

6. 研發人員投入。內生增長理論強調研發投入與知識存量對創新的基礎性支撐作用， 創新價值鏈理論強調技能、 資本等在價值創造過程中的重要性（Roper等，2008）。在綠色創新領域， 研發部門的人力資本發揮著至關重要的作用， 其通過節能型技術開發或綠色產品的研制（任耀等，2014）， 不僅為企業帶來了顯著的經濟效益和環保效益， 而且推動了整個行業的綠色轉型和升級。當進行產品創新時， 不同領域的研發人員通過知識共享和資源整合， 實現高效學習與多樣化知識的獲取， 形成一個具有功能性的整體（湯超穎和董品華，2020；Schmickl和Kieser，2007）， 從而提升綠色創新效率和質量。

綜上， 本文選取政府研發補助、 市場競爭、 組織冗余、 綠色發展、 數字化轉型和研發人員投入等六個前因變量， 構建資源型企業提高綠色創新效率的研究框架， 具體如圖1所示。

三、 研究設計

1. "研究方法介紹。在2016年， Garcia-castro和Ari?o開創了面板數據定性比較分析方法（Panel Data QCA，簡稱“PD-QCA”）。此方法對傳統的QCA框架進行了擴展， 引入了三種一致性類型， 即匯總一致性（POCONS）、 組間一致性（BECONS）和組內一致性（WICONS）， 并進一步介紹了組間一致性距離和組內一致性距離的概念。其中： 匯總一致性描述了忽略時間與個體（集群）效應時樣本的整體一致性； 組間一致性反映了面板數據中各年度的橫截面一致性； 組內一致性則評估了每個案例在時間序列中的一致性。組內和組間一致性的距離越小， 表明解的跨時間與跨案例的穩定性越強。為了提高時點數量和個案數量的穩健性， 又引出了調整后的組內一致性距離（WICONS adjusted distance）和調整后的組間一致性距離（BECONS adjusted distance）。若這兩個調整后的距離都接近于零， 則表明其提供了一種準確的整體一致性度量方法。

與非動態QCA方法相比， 基于面板數據的動態QCA方法能夠在理論構建階段分析某條件組態的有效性如何隨時間變化而變化。此方法通過使用匯總一致性和匯總覆蓋度兩個指標， 不僅量化了時間效應和個體（集群）效應， 還能評估不同條件組態在整體上的有效性， 從而構建一個能同時反映總體規律和細節差異的動態理論框架。

2. 樣本數據來源。本文以2013 ～ 2022年滬深A股資源型上市企業為研究對象。依據資源型企業的定義并參照《國民經濟行業分類》， 本文所涉及的資源型企業具體類別包括B06、 B07、 B08、 B09、 B10、 C25、 C26、 C30、 C31、 C32、 C33、 D44。對企業樣本進行如下篩選： 剔除樣本期內財務狀況異常的企業； 考慮到因果關系之間的影響具有一定時滯性， 剔除 2011 年以后上市的企業； 剔除數據缺失嚴重的企業。相關數據主要來源于CSMAR、 上市公司年報等。為后續深入分析各類資源型行業綠色創新效率的時間效應和個體效應， 本文將所收集到的數據整理形成行業層面的面板數據， 最終得到110條數據（注：B10行業的所屬企業上市時間最早在2017年，故未包含在內）。

3. 變量測量與校準。

（1） 結果變量。選取綠色創新效率（GIE）作為結果變量。基于權小鋒和尹洪英（2017）的思路， 使用綠色創新產出和創新投入的比值衡量綠色創新效率。參考劉暢等（2023）的衡量思路， 使用公司年度研發投入金額對綠色創新投入進行近似替代。鑒于綠色創新主要是指企業綠色技術創新（余偉和郭小藝，2024）， 發明專利和實用新型專利相較于外觀設計更能客觀描述企業的創新情況， 因此本研究將企業在當年獨立及聯合申請的綠色發明專利和綠色實用新型專利的總數加1后取自然對數， 以此作為衡量綠色創新產出的指標。

（2） 條件變量。依據前文對于影響資源型企業綠色創新效率的因素分析， 本文共選取6個前因變量， 分別進行解釋說明（見表1）。①政府研發補助（ZF）， 為了避免企業規模造成的差異， 本文借鑒王羲等（2022）的做法， 將政府補助金額取自然對數作為衡量政府給予企業研發補助的指標。②市場競爭（SC）， 目前主要采用赫芬達爾指數和勒納指數衡量市場競爭。本研究聚焦于微觀企業， 因此選擇勒納指數作為市場競爭的代理變量， 此指數能更有效地評估企業在其所屬行業中的競爭力。③組織冗余（ZZ）， 參照吳建祖和范會玲（2021）的研究成果， 選取更能反映企業短期償債能力的“速動比率”指標進行測量。④綠色發展（FZ）， 借鑒方先明和胡丁（2023）的做法， 采用華證指數ESG評級來衡量企業綠色發展水平， ESG評級包括AAA、 AA、 A、 BBB、 BB、 B、 CCC、 CC、 C共九個等級， 從高到低依次賦值為 9 ～ 1， 加權得到最后分數。⑤數字化轉型（SZ）， 借鑒趙宸宇等（2021）的方法， 用公司年報中包含數字化關鍵詞匯的詞頻數加1取自然對數刻畫企業數字化轉型表現。⑥研發人員投入（RY）， 以研發人員占比（研發人員數量/員工總人數）衡量企業對綠色創新的技術人才投入。

（3） 變量校準。在進行數據分析前， 本文需要將數據統一調整并轉換為相應的模糊隸屬度， 這一步驟是便于后續對組內、 組間以及整體的一致性和覆蓋度進行分析。參考已有研究使用直接校準法， 選定75%分位數、 50%分位數和25%分位數作為校準的基準點， 這些分位數分別代表完全隸屬、 交叉點和完全不隸屬（張吉昌等，2024）。詳細的數據校準結果在表 2中展示。

四、 實證分析

1. 必要條件分析。必要條件分析是指檢驗單個前因變量是否為結果變量存在的必要條件（裴秋亞和范黎波，2022）。基于截面數據的定性比較分析中， 一致性系數大于0.9是判斷必要條件存在的通用標準， 這一標準在基于面板數據的定性比較分析中同樣適用。不同的是， 動態定性比較分析法在檢驗必要條件時引入調整距離這一概念， 分為組間一致性調整距離與組內一致性調整距離， 以檢驗是否存在時間和行業差異。參考Fan等（2023）的研究， 將一致性調整距離判定標準設置為0.2， 當距離小于0.2時則表明匯總一致性和覆蓋度的精度較高， 否則需要進一步探究時間和個體（集群）的影響。分析結果如表3所示， 六個條件變量匯總一致性系數均低于0.9， 故不存在高綠色創新效率與非高綠色創新效率的必要條件。然而， 六個條件變量組間一致性調整距離與組內一致性調整距離均存在大于0.2的情況， 需要進一步分析。

本文研究目的在于探究高綠色創新效率路徑， 因此主要分析“高條件—高結果”的情況。由表3可知， 組織冗余（ZZ）、 綠色發展（FZ）、 數字化轉型（SZ）、 研發人員投入（RY）與綠色創新效率之間的組間一致性調整距離均大于0.2， 需要深入研究相應變量的組間一致性與組間覆蓋度。由表4可知： 組織冗余和研發人員投入這兩個變量各年份的組間一致性水平均小于0.9， 故不存在必要關系； 綠色發展變量在2013年的組間一致性水平高于0.9， 但組間覆蓋度低于0.5， 也未構成必要條件； 2020年數字化轉型變量的組間一致性水平超過0.9且組間覆蓋度超過0.5， 然而， 通過分析散點圖（見圖2）， 可觀察到數據點主要集中在y軸的右側， 說明該變量沒有通過必要條件的檢驗（張放，2023）。值得注意的是， 雖然這一變量未成為結果變量存在的必要條件， 但其一致性明確顯示了時間效應的影響。

總體來看， 六個條件變量與結果變量之間的組內一致性調整距離大于組間一致性調整距離， 表明條件變量和結果變量間的必要條件關系更多地受到行業效應的影響。對此可能的原因是各資源類行業之間在市場競爭、 數字化轉型等方面存在顯著差異， 在高綠色創新效率的實現過程中， 各變量的作用程度不同， 導致組內一致性調整距離較大。據此可以初步判斷， 在高綠色創新效率的實現過程中， 各條件變量的影響存在行業差異。

2. 條件組態充分性分析。組態分析的判斷標準是一致性水平不得低于0.75（Schneider和Wagemann，2012）。根據案例頻數至少保留75%案例的原則（杜運周和賈良定，2017）， 選擇一致性水平閾值為0.8、 PRI為0.7、 頻數為2， 構建真值表。由于各變量對綠色創新效率的影響沒有統一定論， 在進行反事實分析時將各前因條件設置為“存在或缺席”。本文基于中間解提取簡單解， 并以中間解為主、 簡單解為輔的原則， 確定核心條件和邊緣條件， 得到最終的組態分析結果如表 5所示。

3. 結果與討論。

（1） 組態分析。根據表5可知， 三種組態的總體一致性為0.889， 說明在滿足這三種組態的案例中， 約有89%的行業實現了高綠色創新效率。總體覆蓋度為0.658， 說明這三種組態結果可以解釋65.8%資源型行業的高綠色創新效率案例。筆者依據各組態發揮核心作用的條件不同， 分別進行命名和具體分析。

組態一（S1）： 政府補助和數字技術驅動型。在該類組態下， 政府研發補助和企業數字化轉型發揮核心作用， 提高綠色創新效率， 代表行業為黑色金屬冶煉和壓延加工業C31（2016 ～ 2017年、2019 ～ 2022年）。以寶鋼股份為例， 寶鋼股份是全球領先的現代化鋼鐵聯合企業， 是世界500強中國寶武鋼鐵集團有限公司的核心企業。自2016年起， 寶鋼股份接受的政府研發補助累計超過四十億元。其中， 2017年比2016年增長近60%， 并在疫情后保持了超20%的增長速度。同時， 寶鋼股份每年投入約10億元用于數字化轉型， 連續推出多個智能工廠示范項目， 如熱軋“1+n”產線、 冷軋“黑燈工廠”、 第四智慧工廠等。2022年初， 寶鋼股份還推出了智慧鐵水管理系統和智慧鐵水運輸系統， 每年減少二氧化碳排放約4000噸。2022年6月， 寶鋼股份自行開發的碳管理系統投入使用， 并在同年10月推出三款減碳超過50%的汽車零件。從2016年到2022年， 寶鋼股份的綠色創新效率維持在20%左右， 位于同行業前列。

組態二（S2）： 政府補助和綠色發展驅動型。在該類組態下， 政府研發補助和綠色發展發揮核心作用， 市場競爭發揮輔助作用， 代表行業為石油和天然氣開采業B07（2013年、2015 ～ 2022年）， 所包含的案例企業包括中國石油和中國石化， 均位于北京市。在2013 ～ 2022年間， 該行業因其在國家能源安全和經濟發展中發揮關鍵作用， 所獲得的政府研發補助共計365億1100萬元， 遠遠高于其他行業。2020年11月， 《中國石油和化工行業上市公司ESG評價指南》正式發布， 成為我國首個上市公司ESG評價標準。同年12月， 中國石化產業ESG高峰論壇在北京成功舉辦， 論壇上發布了中國石油和化工行業上市公司ESG評級榜單TOP50， 中國石化和中國石油在石油行業中分別位居第一、 第二。2021年， ESG 500強石油石化行業榜單發布， 中國石化憑借其卓越的ESG表現榮登榜首。自2018年實行“綠色企業”計劃以來， 中國石化共有113家企業完成綠色企業創建， 綠色企業創建比例達85%。在降碳方面， 中國石化將力爭在2028年打造600個碳中和示范項目， 確保碳履約率達到100%。

組態三（S3）： 多要素混合驅動型。在該類組態下， 市場競爭、 數字化轉型和研發人員投入發揮核心作用， 組織冗余和綠色發展發揮輔助作用， 代表行業為非金屬礦物制品業C30（2018 ～ 2022年）。作為水泥行業的龍頭企業， 海螺集團是全球最大的水泥建材企業集團之一， 也是安徽省率先實施數字化轉型的制造業企業之一。到2022年， 海螺水泥的創新效率與2018年相比提升了19.31%。海螺水泥自2016年便開始推進智能化工廠的建設。2020年， 公司與華為云合作， 開發了IoT集控平臺， 實現了數據驅動的業務操作， 并將綠色智能制造深入到工業流程的每個環節。在研發人員投入方面， 以2019年為例， 公司員工總數達到47486人， 其中技術人員共計10534人， 占比高達22.2%， 這一比例意味著每五個員工中就有一位是技術人員。此外， 在高層管理團隊中， 16名高管中有5名擁有技術背景。根據2021年度“中聯上市公司價值百強”榜單， 海螺水泥在研發人員超過1萬人的上市公司中（共計5個）排名第四。近年來， 水泥行業面臨成本上升和市場需求下降的困境， 海螺水泥通過多元化戰略積極應對。2021年底， 海螺水泥已建設19個光伏發電項目， 年累計發電量達1.64億千瓦時， 同比增長326%， 這相當于節約了2.02萬噸標準煤和減少了14.38萬噸二氧化碳排放。2022年3月9日， 海螺水泥宣布了新能源業務的投資計劃， 擬投資50億元用于發展光伏電站和儲能項目， 以加大對新能源產業的投入。

（2） 組間分析。研究結果顯示， S1和S2的組間一致性系數在0.75 ～ 1之間浮動， 組間一致性調整距離小于0.2， 不存在明顯的時間效應。S3的組間一致性系數在2013年、 2015年、 2018年和2022年這四年低于0.75， 組間一致性調整距離大于0.2， 說明受到了時間效應的影響。

繪制三種組態的組間一致性系數變化趨勢（見圖3）發現： 2013年， S1組間一致性系數最高； 2014年， S3組間一致性系數最高； 2015 ～ 2018年， S1組間一致性系數最高； 2019 ～ 2020年， 三種組態的組間一致性系數相同并且達到了1； 2021 ～ 2022年， S1的組間一致性系數最高。由此可見， S1的解釋力度大于其他組態， 政府研發補助支持和企業自身對數字化轉型的重視對于資源型企業提高綠色創新效率具有顯著影響。另外， S3出現的幾次低位表現隨機分布在不同年份， 這可能是由特定情況、 不重要的離群值或測量誤差引起的相對良性的偏差（Garcia-castro和Ari?o，2016）。本文認為原因可能如下： 其一， 根據前文的散點圖可知， 2013年是數字化轉型的起步階段， 該因素的影響力還未完全顯現， 因此解釋力度還不是很大； 其二， 2015年受股災影響， 上市企業的市值大幅縮水、 股價暴跌， 企業的融資能力受到嚴重影響， 企業的債務負擔變得更加沉重， 還款壓力加大， 這使得企業在開展綠色創新時更加謹慎， 從而限制了綠色創新的發展； 其三， 2018年受國際環境影響， 我國多項關鍵核心技術受到限制， 一些資源型企業可能會將生產和銷售轉移到國內， 從而導致國內市場的供給過剩和過度競爭， 壓縮企業的利潤空間， 進而影響到企業對綠色創新的投入； 其四， 2022年由于疫情給企業帶來資金短缺、 研發受限、 供應鏈中斷、 原材料短缺、 市場需求減少、 員工流動性受限和人才短缺等多種不利影響， 限制了企業在綠色創新方面的發展速度。

據此， 資源型企業的綠色創新效率容易受到外部環境影響， 不論是宏觀環境還是市場導向都會對資源型企業的綠色創新行為產生不同程度的干預。因此， 如何在復雜多變的環境中保持競爭優勢和穩定的創新發展態勢也是資源型企業需要關注的問題。

（3） 組內分析。三種組態的組內一致性調整距離均大于0.2， 表明各組態在實現高綠色創新效率時存在行業差別。借鑒已有研究對組內差異的分析思路（Zeng等，2024）， 本文繪制三種組態在不同行業的一致性表現圖（見圖4）， 發現只有極少行業的組內一致性系數低于最低標準0.75， 屬于良性偏差。

通過對數據展開進一步分析， 筆者有如下發現： 其一， S1在B06、 B07、 B08、 B09、 C31和D44行業的組內一致性系數都達到1， 說明S1對這幾類行業實現了100%的高綠色創新效率。同理， S2下的B07、 B08、 B09、 C25、 C31和D44行業， S3下的B06、 B07、 B09、 C25、 C31和D44行業， 它們的組內一致性系數也都達到了1。其二， 也存在個別行業解釋力度較小的情況。例如， S1下的C25、 C30行業， S2下的C30行業， S3下的B08、 C30行業， 它們的組內一致性系數都偏低， 解釋力度較小。根據前文的組態分析可知： C30行業在2018 ～ 2022年間曾作為典型案例出現， 因此造成這一現象的原因可能是該行業在其他年間的數據效果不好影響了最終的結果； B08行業所含企業僅西藏礦業一家， 可能是受地理位置因素或者樣本量太少的影響而導致效果不好； C25行業在三種組態中都沒有作為代表案例出現， 可能是本文選取的前因變量對該行業綠色創新效率的影響并不顯著。

綜合來看： 三類組態在B07、 B09、 C31和D44這四個行業中同時實現了較高的組內一致性， 說明得到的三類組態在這些行業中有較大的解釋力度； 三類組態在C30行業的一致性系數都相對偏低， 說明得到的組態結果對該行業綠色創新效率解釋力度欠佳。可見， 得到的組態結果基本可以解釋11類資源型行業實現高綠色創新效率的路徑。但是對于不同類別的資源型行業， 三種組態的表現情況有所差異。因此， 資源型行業要想提升綠色創新效率， 不能盲目地效仿其他相似行業的做法， 而應依據本行業實際情況有所選擇和側重。

4. 穩健性檢驗。為檢驗組態結果的穩健性， 本文將案例數設為3， 一致性閾值保持0.8， PRI保持0.7， 得到的組態結果與原組態有清晰的子集關系， 說明研究結果具有較強的穩健性， 具體如表 6所示。

五、 小結

1. 研究結論。本文運用動態QCA方法， 以滬深A股資源型企業為研究對象， 探究政府研發補助、 市場競爭、 數字化轉型等六個前因變量對資源型企業綠色創新效率的協同效應， 揭示了2013 ～ 2022年間影響資源型企業綠色創新效率提升的核心因素。主要研究結論如下：

第一， 政府研發補助、 市場競爭、 數字化轉型等單個因素并非構成企業實現高綠色創新效率的必要條件， 但是數字化轉型的必要性逐年遞增， 呈現出明顯的時間效應。

第二， 在條件組合的充分性分析中， 最終得到三類組態路徑。其一為“政府補助和數字技術驅動型”， 特點是以政府研發補助和企業數字化轉型為核心條件， 連同其他因素共同促進企業高綠色創新效率實現； 其二為“政府補助和綠色發展驅動型”， 特點是以政府研發補助和企業綠色發展為核心條件， 實現企業高綠色創新效率； 其三是“多要素混合驅動型”， 特點是市場競爭、 數字化轉型和研發人員投入同時作為核心條件， 共同聯動實現企業高綠色創新效率。

第三， 三類組態在時間效應和個體效應上有不同表現。從時間維度上來說， S3因受特定事件影響在2013年、 2015年、 2018年和2022年出現了較低的一致性系數， 解釋力度下降。從個體維度上來說， 三類組態都具有行業效應。其中， 三種組態在B07、 B09、 C31和D44這四個資源型行業中的解釋力度均出現較高的一致性， 而在C30行業中的一致性系數相對偏低。

2. 管理啟示。依據上述結論， 提出以下管理啟示：

第一， 企業應該重視并加大對數字技術的投入， 將數字化和智能化技術融入企業發展的各個環節。具體而言， 企業可以通過建立智能化的生產系統， 實現資源的最大化利用和生產過程的最優化。同時， 企業還應加強員工培訓， 確保新技術的有效應用， 并通過數據驅動的決策過程， 實現經營活動的精準調控和持續改進。

第二， 企業應把握政策導向， 重點關注與企業創新相關的補助項目和領域， 積極與政府部門溝通， 了解政策動態和補助申請流程， 爭取獲得政府更多的支持和指導。同時， 企業也可以參與政府組織的科技項目合作， 通過合作形式獲得政府研發補助。

第三， 在面對復雜多變的外部環境時， 資源型企業應更加重視自身獨特優勢的塑造和利用。企業需要通過持續的技術創新和管理優化， 構建獨特的競爭優勢。例如， 通過提高資源的利用效率、 優化能源管理系統， 或是開發符合市場需求的綠色產品和技術， 提升企業的靈活性和適應性， 以便能夠快速響應市場和環境的變化， 減小不利因素對企業綠色創新的影響。

第四， 各行業應依據本行業的特征選擇適合自身發展的路徑， 例如石油和天然氣行業的綠色創新可能著重于提高能源效率和減少溫室氣體排放。這可以通過采用先進的鉆探和提取技術， 改善燃料的使用方式， 以及開發碳捕獲和存儲技術來實現。

3. 不足與展望。首先， 本文選擇的前因變量有限， 有可能忽略了其他的重要變量， 未來可以豐富變量選擇。其次， 本文雖然采用動態QCA方法揭示了組態的時間效應和行業效應， 但沒有分析這些條件是如何隨時間而變化的， 在不同時間段是否存在不同的主導軌跡。最后， 本文的研究對象為資源型企業， 未來可以擴大研究對象的選擇范圍， 探尋其他類型企業的綠色創新效率提升路徑。

【 主 要 參 考 文 獻 】

杜運周，賈良定．組態視角與定性比較分析（QCA）：管理學研究的一條新道路［ J］．管理世界，2017（6）：155 ～ 167．

杜運周，李佳馨，劉秋辰等．復雜動態視角下的組態理論與QCA方法：研究進展與未來方向［ J］．管理世界，2021（3）：180 ～ 197+12 ～ 13．

方先明，胡丁．企業ESG表現與創新——來自A股上市公司的證據［ J］．經濟研究，2023（2）：91 ～ 106．

郭媛媛，劉丹．大力發展綠色低碳新質生產力 建設人與自然和諧美麗中國——訪全國政協委員、生態環境部環境規劃院名譽院長、中國工程院院士王金南［ J］．環境保護，2024（5）：12 ～ 16．

劉暢，潘慧峰，李珮等．數字化轉型對制造業企業綠色創新效率的影響和機制研究［ J］．中國軟科學，2023（4）：121 ～ 129．

馬媛，侯貴生，尹華．企業綠色創新驅動因素研究——基于資源型企業的實證［ J］．科學學與科學技術管理，2016（4）：98 ～ 105．

裴秋亞，范黎波．什么樣的制度環境更利于數字經濟產業發展？——基于多元制度邏輯的組態分析［ J］．經濟與管理研究，2022（10）：38 ～ 52．

權小鋒，尹洪英．中國式賣空機制與公司創新——基于融資融券分步擴容的自然實驗［ J］．管理世界，2017（1）：128 ～ 144+187 ～ 188．

任耀，牛沖槐，牛彤等．綠色創新效率的理論模型與實證研究［ J］．管理世界，2014（7）：176 ～ 177．

施建軍，栗曉云．政府補助與企業創新能力：一個新的實證發現［ J］．經濟管理，2021（3）：113 ～ 128．

宋德勇，朱文博，丁海．企業數字化能否促進綠色技術創新？——基于重污染行業上市公司的考察［ J］．財經研究，2022（4）：34 ～ 48．

湯超穎，董品華．研發人員專業異質性與合作穩定性對企業二元創新平衡的影響［ J］．科學學與科學技術管理，2020（3）：47 ～ 62．

唐要家，王鈺，唐春暉．數字經濟、市場結構與創新績效［ J］．中國工業經濟，2022（10）：62 ～ 80．

王鋒正，劉向龍，張蕾等．數字化促進了資源型企業綠色技術創新嗎？［ J］．科學學研究，2022（2）：332 ～ 344．

王羲，張強，侯稼曉．研發投入、政府補助對企業創新績效的影響研究［ J］．統計與信息論壇，2022（2）：108 ～ 116．

吳建祖，范會玲．基于組態視角的企業綠色創新驅動模式研究［ J］．研究與發展管理，2021（4）：41 ～ 53．

余偉，郭小藝．管理者短視對企業綠色創新的影響研究——市場關注的調節作用［ J］．軟科學，2024（4）：76 ～ 82．

張放．影響地方政府信息公開的因素——基于省域面板數據的動態QCA分析［ J］．情報雜志，2023（1）：133 ～ 141+207．

張吉昌，龍靜，王澤民．什么樣的制度環境有利于產生高創業活躍度——基于省域面板數據的動態QCA分析［ J/OL］．科技進步與對策：1 ～ 13［2024-04-25］．http：//kns.cnki.net/kcms/detail/42.1224.G3.20231205.2223.016.html．

張龍鵬，湯志偉．企業信息技術應用對開放式創新的影響：交易成本視角［ J］．科技進步與對策，2018（20）：79 ～ 87．

趙宸宇，王文春，李雪松．數字化轉型如何影響企業全要素生產率［ J］．財貿經濟，2021（7）：114 ～ 129．

趙沁娜，李航．ESG評級是否促進了企業綠色技術創新——來自中國上市公司的微觀證據［ J］．南方經濟，2024（2）：116 ～ 135．

鄭志強，馬永健，范愛軍．環境偏好、市場競爭與企業綠色創新［ J］．山東大學學報（哲學社會科學版），2023（4）：125 ～ 136．

Clausen T. H.. Do subsidies have positive impacts on Ramp;D and innovation activities at the firm level？［ J］．Structural Change amp; Economic Dynamics，2009（4）：239 ～ 253．

Czarnitzki D.， Licht G.. Additionality of public Ramp;D grants in a transition economy： The case of eastern germany［ J］．Economics of Transition，2006（1）：101 ～ 131．

Duque-grisales E.， Aguilera-caracuel J.. Environmental， Social and Governance （ESG） scores and financial performance of multilatinas： Moderating effects of geographic international diversification and financial slack［ J］．Journal of Business Ethics，2021（168）：315 ～ 334．

Fan X. N.， Ren S. N.， Liu Y.. The driving factors of green technology innovation efficiency： A study based on the dynamic QCA method［ J］．Sustainability，2023（12）：9845．

Garcia-castro R.， Ari?o M. A.. A general approach to panel data set-theoretic research［ J］．Journal of Advances in Management Science amp; Information Systems，2016（2）：63 ～ 76．

He F.， Du H. Y.， Yu B.. Corporate ESG performance and manager mis-conduct： Evidence from China［ J］．International Review of Financial Analysis，2022（82）：102201．

Li J. C.， Lian G. H.， Xu A. T.. How do ESG affect the spillover of green innovation among peer firms？ Mechanism discussion and performance study［ J］．Journal of Business Research，2023（158）：113648．

Liao Z. J.， Long S. Y.. CEOs' regulatory focus， slack resources and firms' environmental innovation［ J］．Corporate Social Responsibility and Environmental Management，2018（5）：981 ～ 990．

Schmickl C.， Kieser A.. How much do specialists have to learn from each other when they jointly develop radical product innovations？［ J］．Research Policy，2007（3）：473 ～ 491．

Schneider C. Q.， Wagemann C.. Set-theoretic methods for the social sciences： A guide to qualitative comparative analysis［M］．Cambridge： Cambridge University Press，2012．

Song M. L.， Wang S. H.. Market competition， green technology progress and comparative advantages in China［ J］．Management Decision，2018（1）：188 ～ 203．

Zeng F. J.， Chen Y. Z.， Wei B.， et al.. Exploring the multiple paths of digital government development： A dynamic QCA analysis basedon organizational transformation［ J］．IEEE Access，2024（12）：18451 ～ 18472．

Zhao N.， Liu X. J.， Pan C. F.， et al.. The performance of green inno-

vation： From an efficiency perspective［ J］．Socio-Economic Planning Sciences，2021（78）：101062．