區域創新生態系統對碳減排的影響：基于QCA的組態路徑分析

摘要 構建區域創新生態系統已成為實現區域協同創新發展以及碳減排的關鍵戰略。該研究基于資源編排理論，以中國30個省份為案例樣本，運用匯總型模糊集定性比較分析模型（fsQCA模型），探討區域創新生態系統驅動碳減排的協同機制。研究發現：①創新主體（規模以上工業企業、高等學校和研發機構）、創新資源（Ramp;D人員全時當量、Ramp;D經費投入強度）和創新環境（數字金融、實際利用外商直接投資額）都不能單獨成為區域創新生態系統促進碳減排的必要條件，而需要各要素的有機配合，即單個要素并不構成高水平碳減排效應的瓶頸。這體現出需要繼續激發創新主體活力、投入創新資源、優化創新環境，從而發揮區域創新生態系統在碳減排中的重要作用。②區域創新生態系統高水平碳減排效應存在的5條組態路徑可以歸納為3類，即“資源-環境導向型”“混合型”和“環境-主體導向型”。這反映出中國各省份處于不同的發展階段，其碳減排的驅動機制存在顯著差異。③較低規模以上工業企業數、高等學校和研發機構數、Ramp;D經費投入強度會成為制約區域創新生態系統發揮碳減排效應的短板。這顯示出有必要進一步培育創新主體、加強資金支持。④在確定的5條有效組態路徑中，Ramp;D人員全時當量、數字金融指數和實際利用外商直接投資額僅作為核心條件出現，規模以上工業企業數僅作為輔助條件出現，高等學校和研發機構數、Ramp;D經費投入強度既作為核心條件出現，也作為輔助條件出現。充分說明聚焦核心要素并加強要素整合的必要性。

關鍵詞 資源編排；區域創新；碳減排；組態效應；模糊集；定性比較

中圖分類號 X196 文獻標志碼 A 文章編號 1002-2104（2024）10-0057-09 DOI：10. 12062/cpre. 20240714

中國作為全球最大的發展中國家，碳排放量不斷增長，國際能源署（IEA）發布的《2022年全球二氧化碳排放》報告，2022年中國的碳排放總量約為114. 8億t［1］。因此，中國積極采取多種措施，建立健全區域創新生態系統促進碳減排，《中國應對氣候變化的政策與行動2023年度報告》顯示，中國2022年的碳排放強度比2005年下降超過51%，減排成效顯著［2］。但是，仍然面臨著創新不足的問題。區域創新生態系統是指在特定地理區域內，由各種創新主體及其之間的關系與互動組成的復雜網絡系統，其核心目的在于通過整合與優化資源，促進區域內的創新活動，同時致力實現低碳發展，從而提升區域競爭力、經濟發展水平和環境可持續性。完善區域創新生態系統既是促進綠色技術進步的重要途徑［3］，也是促進碳減排的關鍵措施［3-4］。鑒于此，2021 年10 月，國務院印發了《2030年前碳達峰行動方案》，指出要構建新型舉國體制，大力推進綠色低碳科技創新［5］。2023年2月，生態環境部在全國生態環境保護工作會議上的工作報告指出，要穩步開展減污降碳協同創新。面對碳減排壓力的逐漸增大，中國不斷加快區域創新生態系統建設，推進綠色低碳技術發展，對促進碳減排發揮著越來越重要的作用。那么，如何充分發揮區域創新生態系統的碳減排作用？本研究以2011—2020年的中國30個省份為研究對象，基于“創新主體-創新資源-創新環境”框架，運用匯總型模糊集定性比較分析（fuzzy?set qualitative comparative analysis，fsQCA）模型探究區域創新生態系統對碳減排的影響。與現有研究主要通過計量經濟學方法探討區域創新生態系統對經濟、社會與環境因素的影響相比，本研究利用匯總型fsQCA方法，既保留了案例的特殊性與復雜性，又有效規避了結論的主觀性與片面性，為如何通過區域創新生態系統優化促進碳減排提供了可選擇的路徑。

1 文獻綜述與研究框架

1. 1 文獻綜述

隨著“雙碳”行動的逐步推進，相關領域國內外學者對創新生態系統開展了廣泛的研究并得到了一系列有價值的結論?？傮w來看，既有研究全面探討了區域創新生態系統的發展歷程、提升路徑及其多方面影響，為理解和優化區域創新生態系統提供了全面的理論基礎和實踐指導。

（1）創新生態系統的演變與發展。創新生態系統研究自20世紀90年代末開始興起，旨在探討創新活動的復雜性及其在經濟發展中的作用。最初，研究集中于理解創新過程中企業間的互動與合作，如波特競爭理論和聚集理論［6-7］。隨著時間的推移，學者們逐漸意識到創新生態系統涉及更廣泛的參與者，包括研究機構、高等教育機構、初創企業和風險投資者等［8-9］。近年來，隨著數字技術的發展，創新生態系統的研究逐漸擴展到了數字領域，如數字創新生態系統和數字化轉型生態系統［10-11］；這些研究強調了數字技術對創新生態系統的重要性，以及數字化對傳統產業結構和創新活動模式的影響?；谏鲜鲅芯浚絹碓蕉嗟膶W者開始關注區域創新生態系統，即在特定地理區域內形成的創新網絡和資源配置模式。例如：Huang等［12］從創新投入、創新產出和創新環境3個方面構建了高新區創新生態系統。柳卸林等［13］建立了包含城市創新主體、城市內部創新生態構建、城市間創新生態嵌入3個層級的城市創新生態系統立體化評價指標體系。廖凱誠等［14］從創新生態環境系統（市場環境、制度環境、要素環境、信用環境、文化環境和服務環境）和創新生態主體系統（生產者、消費者和分解者）出發構建了區域創新生態系統。栗志慧等［15］從創新主體、創新環境、創新資源和創新績效等4個方面構建了數字化背景下的區域創新生態系統。陳強等［16］從創新生產者、創新消費者、創新分解者和創新環境等4個方面構建了區域創新生態系統評價指標體系。既有研究的共同點在于都強調了創新生態系統的復雜性以及不同創新生態要素間的相互作用。差異在于：傳統創新生態系統研究更注重整體性的創新網絡，探討不同組織和機構如何協同創新；區域創新生態系統研究則更關注地理區域內特定的創新模式，強調地區資源和環境對創新活動的影響，以及如何利用地方資源優勢提升區域創新能力。

（2）創新生態系統的提升路徑。相關研究表明：區域創新生態系統能級提升具有“多重并發因果關系”［17］。具體來看，產業聯盟創新生態系統有價值主張引領、核心創新平臺輻射和多樣性關系嵌入3條升級路徑［18］。高技術產業創新生態系統效率有流程優化式、機制完善式和雙邊突破式3種提升路徑［19］。國家高新區綠色創新生態系統能級有綠色創新主體輻射帶動型、綠色創新資源優勢引領型、綠色創新主體-綠色創新資源-綠色創新環境協同驅動型3種驅動路徑［20］。數智情境下存在資本-數字平臺主導型、人才-資本-數字平臺主導型、人才-資本主導型等3條驅動創新生態系統高能級運行的組態［21］。

（3）創新生態系統對經濟、社會與環境因素的影響。從影響效應看，創新生態系統對創新合作、顛覆式創新、可持續商業模式、創新績效、碳減排等具有顯著的促進作用［3-4，22-25］；從驅動路徑看，創新生態系統引致高人才競爭力有商業投資驅動型、電子政務主導型和研發驅動型3種組態路徑［26］。區域數字創新生態系統引致高創新績效主要有主體驅動型、平臺-主體-環境驅動型、環境驅動型和環境-主體驅動型4種組態路徑［27］。區域綠色創新生態系統引致高綠色創新能力主要有政府支持下的主體雙輪驅動型、金融環境缺失下的技術主體彌補型、環境規制下的產學研促進型3種驅動模式［28］。

綜上所述，相關領域學者深入探析了創新生態系統的演變與發展、創新生態系統的提升路徑，以及創新生態系統的經濟、社會與環境效應，為創新生態系統建設與區域經濟社會高質量發展提供了有價值的參考。從既有研究看，不管是企業創新生態系統還是區域創新生態系統，都是一系列要素構成的綜合體；在該綜合體中，要素間相互關聯和作用以促進整體的發展并對其他經濟社會因素發揮著顯著影響。但是，既有研究仍然存在一定的不足：第一，既有研究尚未建立相對統一的區域創新生態系統評價框架與指標體系。第二，在創新生態系統對經濟、社會與環境因素的影響中，僅有少數研究從整體視角探究了區域創新生態系統對碳減排等生態環境問題的影響；并且，既有研究未探析區域創新生態系統驅動碳減排時形成的組態路徑。

1. 2 研究框架

資源編排理論是指在特定區域內，根據資源的不同特性和需求，對資源進行合理組織與配置的理論框架。該理論涵蓋了資源的類型、分布、利用和管理等方面，旨在實現資源的最優配置和利用效益最大化。因此，本研究基于資源編排理論，結合相關領域學者豐富的研究成果與創新生態系統發展實際［12-17］，建立了包括創新主體、創新資源與創新環境的區域創新生態系統理論框架，構建了評價指標體系；并進一步分析了創新生態系統中單要素對碳減排的影響機理。區域創新生態系統對碳減排影響研究的理論框架如圖1所示。

（1）創新主體。具體包括規模以上工業企業數、高等學校和研發機構數兩個二級條件。二者作為創新的主體，既可以協同促進碳減排，也可以單獨發揮作用。兩者的協同減排機理主要體現在規模以上工業企業、高等學校和研發機構之間可以通過建立產學研創新合作網絡，實現綠色低碳技術的聯合攻關和相關人才的聯合培養。對規模以上工業企業而言，其獨立減排作用主要體現在：第一，規模以上工業企業擁有更大的生產規模和產值，可以為建立完善的環境管理體系、提高能源利用效率等提供充足的資金支持。第二，規模以上工業企業可以通過示范效應促使其他企業效仿，采取類似的減排措施。第三，規模以上工業企業擁有豐富的減排經驗，可以產生學習效應。對高等學校和研發機構而言，其獨立減排作用主要體現在：第一，高等學校和研發機構可以通過大學教育、科普宣傳和倡導低碳生活方式等手段促進社會整體的碳減排。第二，高等學校和研發機構可以通過參與碳交易市場、碳稅等相關碳減排政策和法規的制定發揮碳減排作用。根據以上分析可知，規模以上工業企業、高等學校和研發機構都是碳減排的重要主體。

（2）創新資源。具體包括Ramp;D人員全時當量和Ramp;D經費投入強度兩個二級條件。二者作為重要的創新資源，對碳減排的促進作用主要體現在：第一，較高的Ramp;D人員全時當量和Ramp;D經費投入強度可以為綠色低碳技術創新提供充分的資源支持。第二，較高的Ramp;D人員全時當量和Ramp;D經費投入強度可以通過改進工業生產過程、設計高效產品、提升能源效率和促進清潔能源開發等手段促進碳減排。第三，較高的Ramp;D人員全時當量和Ramp;D經費投入強度不僅可以為生產經營活動和碳減排政策措施制定提供決策支持，還可以助力碳減排知識和經驗的傳播。據以上分析可知，Ramp;D人員全時當量和Ramp;D經費投入強度都是支撐碳減排行動的重要資源。

（3）創新環境。具體包括數字金融和實際利用外商直接投資額兩個二級條件。數字金融的碳減排作用主要體現在：第一，數字金融平臺可以為風能、太陽能等清潔能源項目提供融資渠道并降低融資成本。第二，數字金融技術發展，有利于更好地評估和識別綠色項目、低碳投資機會。第三，數字金融技術可以通過分析能源消耗模式、提供智能的家庭和商業能源管理系統等方式幫助企業和個人優化能源管理，從而減少能源浪費和碳排放。第四，數字金融技術有利于簡化碳交易流程，降低交易成本，提高碳市場的透明度和效率，進而充分發揮碳市場的減排作用。實際利用外商直接投資的碳減排作用主要體現在：第一，外商直接投資帶來的新技術、新產品、新工藝和管理經驗，有利于提高生產經營的能源利用效率，推動綠色低碳轉型。第二，外商直接投資企業擁有豐富的能源管理和環境保護經驗，可以通過技術更新、工藝改進等手段促進碳減排。第三，外商直接投資企業在清潔能源項目和技術上擁有比較優勢，可以通過挖掘市場需求、科技創新、產品營銷和商業模式創新等方式為本地企業提供支持，促進當地清潔能源產業發展。第四，外商直接投資企業在環保法規落實和產品綠色低碳化等方面有更高的要求。根據以上分析可知，數字金融和實際利用外商直接投資是促進碳減排的重要環境條件。

2 數據構建與研究方法

2. 1 數據收集

以中國30個省份（未涉及西藏和香港、澳門、臺灣）為研究單元，研究期間為2011—2020年。結果變量為碳排放強度，條件變量為規模以上工業企業數、高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度、數字金融指數和實際利用外商直接投資額。其中，碳排放強度數據來自公眾環境研究中心；規模以上工業企業數據來自《中國工業統計年鑒》（2012—2021），高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度數據來自《中國科技統計年鑒》（2012—2021），數字金融指數數據來自北京大學數字普惠金融指數報告（2011—2020年），實際利用外商直接投資額數據來自Wind數據庫。

2. 2 測量與校準

在進行必要性和充分性分析前，需要對前因條件和結果變量進行校準。然而，目前在省域層面尚缺乏明確的外部標準來定義高和非高創新生態系統、碳排放。但考慮到區域創新生態系統能級和碳排放強度高低均是一個相對指標，因此，根據樣本的相對位置、杜運周等［29］和吳琴等［30］的校準標準以及案例的實際情況，確定創新主體、創新資源和創新環境交叉點的校準標準為0. 5分位點，完全不隸屬的校準標準為0. 05 分位點，完全隸屬的校準標準為0. 95分位點。各條件和結果的校準信息見表1。

2. 3 定性比較分析

定性比較（QCA）是一種以布爾代數和集合分析為基礎的組態分析方法［31］。采用以集合論為基礎的模糊集定性比較分析（fsQCA）方法的原因主要有：①fsQCA方法有利于揭示規模以上工業企業數、高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度、數字金融水平和實際利用外商直接投資額對碳減排的多重并發影響［32］。②各地區在推進碳減排時主要關注的因素及其對地區決策的影響可能會有所不同［33］。③可能存在多條導向同一結果的“等效”因果鏈［33］。通過中間解和簡約解之間區域創新生態要素集合的分析比較，可以歸納出哪些條件對于碳減排是必要條件或者充分條件；并且，基于區域創新生態要素組合提出對策建議，具有較強的應用價值［33］。

3 數據分析與實證結果

3. 1 單個條件的必要性分析

表2為使用fsQCA 4. 0分析的高水平碳減排效應和非高水平碳減排效應的必要條件檢驗結果。從表2可以看出，規模以上工業企業數、高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度、數字金融指數和實際利用外商直接投資額的一致性都小于0. 9。因此，不存在影響高水平碳減排效應和非高水平碳減排效應的必要條件。

3. 2 條件組態的充分性分析

Schneider等［34］指出，確定充分性的一致性水平不應低于0. 75。根據具體的研究情景，已有研究采用了不同的一致性閾值，如0. 76、0. 80［35-36］。頻數閾值應該根據樣本量來確定［34］，對于中小樣本，頻數閾值為1［35］，對于大樣本，頻數閾值應大于1。在具體研究中，也要考慮案例在真值表中的分布以及研究者對觀察案例的熟悉程度。本研究最終確定的一致性閾值為0. 80，頻數閾值為1，最后涵蓋65個樣本。表3為6個區域創新生態系統條件對碳減排的組態分析結果。表3呈現的5種組態，無論是單個解（組態）還是總體解的一致性均高于可接受的最低標準0. 75。其中，總體解的一致性為0. 909，總體解的覆蓋度為0. 626。組態1—組態5的一致性分別為0. 936、0. 946、0. 917、0. 927、0. 939，原始覆蓋度分別為0. 335、0. 341、0. 555、0. 272、0. 299，唯一覆蓋度分別為0. 007、0. 002、0. 182、0. 007、0. 003。由此可見，組態1—組態5 分別能夠解釋33. 50%、34. 10%、55. 50%、27. 20% 和29. 90% 的區域創新生態系統碳減排案例。此外，約分別有0. 70%、0. 20%、18. 20%、0. 70%、0. 30%的案例僅能被組態1—組態5所解釋。表3中的5種組態可以視為高水平碳減排效應的充分條件組態。

組態1和組態2表明，Ramp;D人員全時當量和數字金融發揮了核心作用，Ramp;D經費投入強度發揮了輔助作用，即擁有較大Ramp;D人員全時當量和較高數字金融水平的省份在Ramp;D經費投入強度的支持下，有利于推進碳減排。組態1包括的樣本為2014年的浙江，2015—2018年的天津，2015—2020 年的福建，2018—2020 年的重慶、上海和遼寧；組態2包括的樣本為2016年的陜西、2015—2020年的天津和2014—2020年的北京。可能的原因有：第一，浙江于2013年發布了《浙江省“十二五”控制能源消費總量方案》等政策措施，支持通過科技創新促進能源節約和新能源開發。這有利于鼓勵企業、科研機構等創新主體在相關領域的積極創新，高效配置人員、資金等創新資源，并優化外商投資、數字金融等創新環境，從而有效促進碳減排。第二，北京、天津、福建、重慶、上海、遼寧和陜西等省份聚集分布有眾多的高等院校，并擁有相對發達的科技與金融體系，進而支撐了這些地區的綠色低碳技術創新和碳金融發展。此外，2011年國家發展和改革委員會辦公廳發布《關于開展碳排放權交易試點工作的通知》，批準北京、上海、天津、重慶等7個省市開展碳交易試點工作。隨著碳交易試點工作的推行，越來越多的企業、高等院校和研發機構不斷加強綠色低碳技術創新資金和人員投入，助力實現碳減排目標。第三，遼寧是中國重要的工業基地，擁有豐富的煤炭和鋼鐵資源，陜西則具有能源資源和農業方面的優勢。Ramp;D人員全時當量、數字金融水平和Ramp;D經費投入強度的提高有利于提高當地的資源利用和碳減排效率，并以此為基礎推動產業結構的轉型升級。由于組態路徑1和組態路徑2由Ramp;D人員全時當量、Ramp;D經費投入強度和數字金融指數構成，故將其命名為“資源-環境導向型”。

組態3表明，高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度、實際利用外商直接投資額發揮了核心作用，無條件發揮輔助作用，即上述省份可以通過進一步加強高等學校和研發機構建設、Ramp;D人員和資金投入以及外資引進從而促進碳減排。組態3包括的樣本為2017—2020 年的北京和廣東，2013—2020 年的江蘇，2014—2017年的山東。這可能的原因為：第一，北京、廣東、江蘇和山東等省份擁有較為發達的制造業和服務業，也注重清潔技術和綠色低碳產業發展，這將有利于倒逼工業企業等相關創新主體加強Ramp;D人員和資金投入。第二，上述省份在較為發達的經濟體系的支撐下，擁有較強的人力資源和科技實力，能夠通過提高能源利用效率、推廣清潔能源、優化工業流程等方式促進碳減排。第三，由于上述省份面臨較大的環境規制壓力，相關政府部門采取能源結構調整、碳市場建設等手段促進碳減排的同時也為區域創新生態系統提供了人員、資金等資源和政策支持。第四，上述省份積極參與國內外合作機制，通過模式創新和經驗分享等手段助力碳減排。由于該組態路徑由高等學校和研發機構數、Ramp;D人員全時當量、Ramp;D經費投入強度、實際利用外商直接投資額構成，故將其命名為“混合型”。

組態4表明，數字金融指數和實際利用外商直接投資額發揮了核心作用，高等學校和研發機構數發揮了輔助作用，即擁有較高數字金融水平和較大實際利用外商直接投資額的省份，在高等學校和研發機構的支持下，有利于推進碳減排。該組態包括的樣本為2017—2018 年的黑龍江，2016—2018年的江西。組態5表明，數字金融指數和實際利用外商直接投資額發揮了核心作用，規模以上工業企業數、高等學校和研發機構數發揮了輔助作用，即擁有較高數字金融水平和較大實際利用外商直接投資額的省份，在規模以上工業企業、高等學校和研發機構的支持下，有利于推進碳減排。該組態包括的樣本為2016—2018年的河南和江西?？赡艿脑驗椋旱谝?，黑龍江、河南和江西等省份不斷加快數字經濟和金融科技的發展，可以通過物聯網、大數據分析和人工智能等數字技術的應用實現對能源消耗和碳排放的監測、管理與優化，從而有效促進碳減排。第二，上述省份擁有較強的外資引進優勢，而外商直接投資往往有較為先進的技術、管理經驗和環保標準，能通過自身發展和溢出效應助力地區綠色低碳發展。第三，上述省份擁有較大比重的規模以上工業企業，這些企業是重要的碳排放來源，通過推動此類企業實施節能減排、優化生產工藝和采用清潔能源等措施，能夠有效推進地區低碳轉型。第四，上述地區高等學校和研發機構數量較少，通過高校和研發機構建設，有利于提高這些地區的綠色低碳技術創新水平，進而助力碳減排。由于組態4和組態5均以數字金融指數、實際利用外商直接投資額為核心條件，組態4以高等學校和研發機構數為輔助條件，組態5以規模以上工業企業數、高等學校和研發機構數為輔助條件，故將其命名為“環境-主體導向型”。

基于資源編排理論和上述分析可知，區域創新生態系統可以通過有機組合進而助力碳減排。具體來看，區域創新生態系統促進碳減排主要有“資源-環境導向型”“混合型”和“環境-主體導向型”3 種組態路徑。此外，Ramp;D人員全時當量、數字金融指數和實際利用外商直接投資額僅作為核心條件出現；規模以上工業企業數僅作為輔助條件出現；高等學校和研發機構數、Ramp;D經費投入強度既作為核心條件出現，也作為輔助條件出現。表明較低規模以上工業企業數、高等學校和研發機構數、Ramp;D經費投入強度會成為制約區域創新生態系統發揮碳減排效應的短板。

3. 3 穩健性檢驗

借鑒既有成果［37-38］，采用調整一致性閾值和頻數閾值的方式進行穩健性檢驗。首先，將一致性閾值從0. 80依次調整為0. 85、0. 90，所得組態與現有組態（表3）完全一致，即為現有組態的子集。其次，將頻數閾值從1調整為2，所得組態（表4）為現有組態的子集。由此可見，研究結果是穩健的。

4 結論與對策建議

4. 1 結論

如何優化區域創新生態促進碳減排是綠色低碳發展研究的焦點。基于資源編排理論，以中國30個省份為案例樣本，運用匯總型fsQCA模型探討了區域創新生態系統驅動碳減排的協同機制。研究發現：①創新主體（規模以上工業企業、高等學校和研發機構）、創新資源（Ramp;D人員全時當量、Ramp;D經費投入強度）和創新環境（數字金融、實際利用外商直接投資額）都不能單獨成為區域創新生態系統促進碳減排的必要條件，而需要各要素的有機配合，即單個要素并不構成高水平碳減排效應的瓶頸。這體現出需要繼續激發創新主體活力、投入創新資源、優化創新環境，從而發揮區域創新生態系統在碳減排中的重要作用。②區域創新生態系統高水平碳減排效應存在的5條組態路徑可以歸納為3類；其中，組態1和組態2可以歸納為“資源-環境導向型”，組態3可以歸納為“混合型”，組態4和組態5可以歸納為“環境-主體導向型”。這反映出中國各省份處于不同的發展階段，其碳減排的驅動機制存在顯著差異。③較低規模以上工業企業數、高等學校和研發機構數、Ramp;D經費投入強度會成為制約區域創新生態系統發揮碳減排效應的短板。這顯示出有必要進一步培育創新主體、加強資金支持。④在確定的5條有效組態路徑中，Ramp;D人員全時當量、數字金融指數和實際利用外商直接投資額僅作為核心條件出現，規模以上工業企業數僅作為輔助條件出現，高等學校和研發機構數、Ramp;D經費投入強度既作為核心條件出現，也作為輔助條件出現。這充分說明聚焦核心要素并加強要素整合的必要性。

4. 2 對策建議

基于上述結論，為充分發揮創新主體、創新資源與創新環境等區域創新生態系統要素的碳減排效應，提出以下對策建議。

（1）各地區應從“整體性”視角出發，加強創新主體、創新資源與創新環境各要素間的協同整合，并結合區域創新生態系統與碳排放現狀，充分利用當地資源優勢，進而促進碳減排。首先，各地區政府、企業和公民應該共同參與碳減排創新，形成協同作用。具體地，政府應制定明確的碳減排目標，并與企業和公民共同推進碳減排項目的實施；企業應加大對低碳技術和解決方案的研發與應用投資，同時提高能源和資源利用效率，進而降低碳排放；公民則應提高環保意識，采取低碳生活方式，如節約用電等。其次，各地區應充分利用本地資源優勢，推動碳減排技術的研發、集成和應用。例如，如果某地區擁有豐富的可再生能源資源，則可以加大可再生能源技術的研發和應用，如太陽能、風能等。同時，各地區應建立健全行業間合作網絡，整合創新資源，共同解決碳減排技術中的難題。并且，政府可以通過提供資金支持、稅收優惠等激勵措施，鼓勵企業加大對碳減排技術的研發投入。最后，各地區政府應制定支持碳減排創新的政策，并營造良好的創新環境。一方面，政府可以加強監管，推動企業采取碳減排措施；另一方面，政府可以建立健全創新成果的推廣和示范平臺，幫助企業將低碳技術轉化為商業化產品。此外，政府可以加強與研究機構、高校的合作，促進知識和技術的轉化，為碳減排創新提供更好的支持。

（2）Ramp;D人員全時當量、數字金融指數和實際利用外商直接投資額是區域創新生態系統發揮碳減排效應的關鍵要素。第一，人才是推動創新的核心要素。因此，各地區應制定并實施有效的人才引進政策，包括吸引高層次專業人才、優秀科研人員和創新創業人才等；同時，各地區還應該創造良好的人才生態環境，提供優質的教育和培訓資源，激發創新人才的創造力和發展潛力。第二，數字金融是推動區域創新生態系統發揮碳減排效應的重要驅動力，數字金融技術的應用可以提高資源配置效率，減少碳排放。因此，各地區應積極發展數字金融，提供創新的金融產品和服務，支持碳減排相關的項目和企業；此外，還可以通過數字金融促進綠色金融的發展，引導資金流向低碳和環保領域。第三，實際利用外商直接投資是推動區域創新生態系統發揮碳減排效應的重要指標。因此，各地區應積極吸引外商直接投資，并鼓勵跨國企業參與綠色低碳產業的發展；同時，各地區應加大對綠色技術研發、綠色創新項目和綠色產業的支持力度，推動傳統產業向綠色低碳方向發展，減少污染和碳排放。此外，建立綠色供應鏈和推動循環經濟也是實現碳減排的重要舉措。

（3）規模以上工業企業、高等學校和研發機構是創新的主體。首先，各地區應通過設立產業引導基金、專項扶持基金等手段加強政策支持，促進規模以上工業企業的建設和發展。此外，政府還可以通過推動企業間的合作交流，發揮綠色低碳技術創新的聯動效應，進而促進產業的整體綠色低碳化發展。其次，不僅要增加規模以上工業企業的數量，還要提高其綠色低碳技術創新能力。一方面，政府可以鼓勵企業加大研發投入，培養和引進高科技人才，加強企業內部的技術創新機制和體制建設；另一方面，政府可以通過推動綠色低碳技術的轉型升級，加強技術支持和培訓，幫助企業將綠色低碳理念融入生產經營過程，促進企業的綠色低碳轉型。最后，為增強高等院校和研發機構的綠色低碳技術創新實力，各地區可以采取設立專項科研基金、加大科研項目資金支持力度等措施。政府還可以推動高校、科研機構和企業的產學研合作，加強知識和技術的轉移、交流，進而促進科研成果的轉化和應用。此外，政府可以鼓勵高校進行綠色低碳技術的人才培養，開展相關專業和研究領域的教育培訓，為綠色低碳技術創新提供專業人才支持。通過以上措施，可以全面提升高等學校和研發機構的綠色低碳技術創新實力，促進科學研究成果的落地和應用。

4. 3 研究展望

本研究尚存在一定局限，值得未來開展進一步研究。首先，采用的區域創新生態系統驅動碳減排的框架仍有進一步完善的空間。近年來，關于創新驅動碳減排的研究也提供了一些新的分析視角和影響因素，未來的研究可以將其納入該框架之中或者采用新的分析框架開展研究，如“投入-產出-環境”框架［12］，從而補充和豐富本研究的研究結論，并深化對創新驅動碳減排的理解。其次，本研究旨在通過跨案例的比較來分析區域創新生態系統驅動碳減排背后的復雜互動機制。相比回歸分析，雖然定性比較分析能夠為研究者進行更加深入的個案內分析提供可能，但是，它仍然不能像深度縱向案例研究那樣令人十分滿意地回答“為什么”“怎么樣”等研究問題。因此，未來的研究需要結合參與觀察、深度訪談等方法來解釋區域創新生態系統對碳減排的實際影響，深入挖掘區域創新生態系統要素與碳減排之間的動態機制。最后，受限于數據可得性，本研究僅從省級層面出發探析區域創新生態系統對碳減排的影響。未來的研究有必要聚焦特定區域或領域探究創新生態系統如何驅動碳減排，從而為相關政策、措施的制定提供參考。

參考文獻

［1］ International Energy Agency. CO2 emissions in 2022［R］. Paris：International Energy Agency，2023.

［2］ 生態環境部. 中國應對氣候變化的政策與行動2023年度報告［R］. 北京：生態環境部，2023.

［3］ CAO H M，PENG L N，YAN Z Y，et al. Does perfect regional innovation ecosystem curb carbon emissions： a measure based on the niche fitness［J］. Environmental impact assessment review，2023，102：107219.

［4］ CAO B，MENG F L，LI B J. Spatial effects of innovation ecosystem development on low?carbon transition［J］. Ecological indicators，2023，157：111277.

［5］ 國務院. 2030年前碳達峰行動方案［R］. 北京：國務院，2021.

［6］ PORTER M E. The competitive advantage of nations［J］. Harvard business review，1990， 68（2）：73-91.

［7］ PORTER M. E. Clusters and the new economics of competition［J］. Harvard Business Review， 1998， 76（6）：77-90.

［8］ BATHELT H， MALMBERG A， MASKELL P. Clusters and knowledge：local buzz， global pipelines and the process of knowledge creation［J］. Progress in human geography， 2004， 28（1）：31-56.

［9］ COOKE P， URANGA M G， ETXEBARRIA G. Regional innovation systems： institutional and organisational dimensions［J］. Research policy， 1997， 26（4-5）： 475-491.

［10］ PUJADAS R， VALDERRAMA E， VENTERS W. The value and structuring role of web APIs in digital innovation ecosystems： the case of the online travel ecosystem［J］. Research policy， 2024， 53（2）： 104931.

［11］ 韓少杰，蘇敬勤. 數字化轉型企業開放式創新生態系統的構建：理論基礎與未來展望［J］. 科學學研究，2023，41（2）：335-347.

［12］ HUANG X J，MA L，LI R，et al. Determinants of innovation ecosystem in underdeveloped areas： take Nanning high?tech zone in Western China as an example［J］. Journal of open innovation：technology，market，and complexity，2020，6（4）：135.

［13］ 柳卸林，吉曉慧，楊博旭. 城市創新生態系統評價體系構建及應用研究：基于“全創改”試點城市的分析［J］. 科學學與科學技術管理，2022，43（5）：63-84.

［14］ 廖凱誠，張玉臣，杜千卉. 中國區域創新生態系統動態運行效率的區域差異分解及形成機制研究［J］. 科學學與科學技術管理，2022，43（12）：94-116.

［15］ 栗志慧， 劉潔. 數字化背景下京津冀城市群區域創新生態系統評價研究［J］. 中國軟科學， 2024（S1）： 191-202.

［16］ 陳強，梁佳慧，敦帥. 創新生態評價研究：指標體系、區域差異和對策建議［J］. 科學管理研究，2023，41（5）：2-11.

［17］ 楊力，劉敦虎，魏奇鋒. 共生理論下區域創新生態系統能級提升研究［J］. 科學學研究，2023，41（10）：1897-1909.

［18］ 武建龍，鮑萌萌，陳勁，等. 產業聯盟創新生態系統升級路徑研究［J］. 科研管理，2022，43（9）：20-31.

［19］ 何郁冰，張思，林婷. 中國高技術產業創新生態系統效率測度及提升路徑研究［J］. 系統工程理論與實踐，2024，44（2）：546-562.

［20］ 鄭玉雯，張青芬. 共生視角下國家高新區綠色創新生態系統能級提升路徑研究［J］. 科技進步與對策，2024，41（16）：49-60.

［21］ 李曉娣，饒美仙，原媛. 數智情境下如何提升區域創新生態系統能級［J］. 科學學研究，2024，42（9）：1988-1999.

［22］ 李兆辰，程文銀，劉生龍，等. 國家高新區、創新合作與創新質量基于雙元創新合作的視角［J］. 科學學與科學技術管理，2024，45（1）：110-124.

［23］ HE Y B，LIN T，ZHANG S. Does complementary technology within an ecosystem affect disruptive innovation： evidence from Chinese electric vehicle listed firms［J］. Technology in society，2023，74：102330.

［24］ LI X，ZHANG L L，CAO J R. Research on the mechanism of sustainable business model innovation driven by the digital platform ecosystem［J］. Journal of engineering and technology management，2023，68：101738.

［25］ 胡寧寧，侯冠宇. 區域創新生態系統如何驅動高技術產業創新績效：基于30個省份案例的NCA與fsQCA分析［J］. 科技進步與對策，2023，40（10）：100-109.

［26］ HUANG Y J，LI K X，LI P. Innovation ecosystems and national talent competitiveness：a country?based comparison using fsQCA［J］.Technological forecasting and social change，2023，194：122733.

［27］ 李曉娣，饒美仙. 區域數字創新生態系統發展路徑研究：基于fsQCA的組態分析［J］. 管理工程學報，2023，37（6）：20-31.

［28］ 李璐，張懷英. 區域綠色創新能力的驅動模式及其內在機制：基于綠色創新生態系統視角［J］. 改革，2024（4）：93-107.

［29］ 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.

［30］ 吳琴，張驍，王乾，等. 創業導向、戰略柔性及國際化程度影響企業績效的組態分析［J］. 管理學報，2019，16（11）：1632-1639.

［31］ RAGIN C C. Redesigning social inquiry： fuzzy sets and beyond ［M］. Chicago， USA：University of Chicago Press， 2008.

［32］ 王鳳彬，江鴻，王璁. 央企集團管控架構的演進：戰略決定、制度引致還是路徑依賴［J］. 管理世界，2014（12）：92-114.

［33］ 陶克濤，張術丹，趙云輝. 什么決定了政府公共衛生治理績效：基于QCA 方法的聯動效應研究［J］. 管理世界，2021，37（5）：128-138.

［34］ SCHNEIDER C Q，WAGEMANN C. Set?theoretic methods for the social sciences［M］. Cambridge，UK：Cambridge University Press，2012.

［35］ 張明，陳偉宏，藍海林. 中國企業“憑什么”完全并購境外高新技術企業：基于94個案例的模糊集定性比較分析（fsQCA）［J］.中國工業經濟，2019（4）：117-135.

［36］ 程聰，賈良定. 我國企業跨國并購驅動機制研究：基于清晰集的定性比較分析［J］. 南開管理評論，2016，19（6）：113-121.

［37］ 杜運周，劉秋辰，陳凱薇等. 營商環境生態、全要素生產率與城市高質量發展的多元模式：基于復雜系統觀的組態分析［J］. 管理世界，2022，38（9）：127-144.

［38］ 王銘杰，孟凱，張冰逸等. 鄉村性視角下鄉村旅游吸引力構成路徑研究：基于海南26個鄉村案例地的模糊集定性比較分析［J］. 人文地理，2023，38（5）：135-145.

（責任編輯：李琪）