How Technological Diversity Promotes Green Technology Spillover Effect: The Synergistic Effect of Knowledge Integration Capabilities and Environmental Regulatory Policies

Lin Hongying1, Yang Xiaohui2, You Daming1

(1.Business School, Central South University, Changsha 410083, China; 2.School of Accounting, Hunan University of Finance and Economics, Changsha 410205, China)

Abstract：Over the past decades, China has experienced rapid economic growth. However, this surge has brought its ecological environment close to its carrying capacity. To ensure sustainable development, it is imperative to adopt a green, low-carbon, and circular economy model. Achieving green technology spillover effects can unlock economic, environmental, and social benefits on a broader scale. This not only facilitates the green transformation of industries at a lower societal cost but also helps balance economic growth with environmental protection under the "dual carbon" goals. While technological diversity plays a pivotal role in driving breakthroughs and knowledge spillovers in green innovation, prior research has predominantly focused on how knowledge source diversity influences green technology spillover effects, but it lacks systematic exploration of different diversity patterns and their specific roles in green technology spillovers. Additionally, although prior studies have highlighted the importance of knowledge integration capability and environmental regulation policies in promoting green technology innovation and its diffusion, they have largely overlooked the synergistic effects of these factors on green technology spillovers. To bridge this gap, this study integrates these factors into a unified framework to examine their interactive effects on green technology spillovers.

This study develops an analytical framework grounded in distinct stages of the invention process, categorizing technological diversity into knowledge search diversity and knowledge output diversity. Furthermore, it incorporates knowledge integration capability and environmental regulation policies as critical boundary conditions. Employing fuzzy-set qualitative comparative analysis (fsQCA), this study systematically examines how these factors interact to influence green technology spillovers. Specifically, knowledge integration capability is further divided into integration depth and integration breadth, while environmental regulation policies are classified into three types: command-and-control, market incentives, and voluntary participation. By integrating these elements, this study reveals the configurational patterns of green technology spillovers and provides a more comprehensive understanding of their determinants.

This study demonstrates that technological diversity is a core condition for achieving green technology spillover effects, with knowledge output diversity playing a predominant role in promoting spillover effects. Moreover, technological diversity must work in synergy with knowledge integration capability and environmental regulatory policies, forming three driving paths for achieving green technology spillovers: first, under the combined effect of stringent environmental regulations and high knowledge integration capability, high knowledge output diversity can effectively enhance green technology spillovers (policy-capability synergy-output type); second, under the coordination of stringent environmental regulation policies, high knowledge output diversity can effectively enhance green technology spillovers (policy mix dominance-output type); third, under the coordination of stringent environmental regulation policies, the coexistence of high knowledge search diversity and high knowledge output diversity can effectively enhance green technology spillovers (policy mix dominance-coexistence type). Finally, the study also reveals a "diversity deficiency" constraint path, where the lack of technological diversity significantly inhibits green technology spillovers. This finding indicates that, despite stringent environmental regulation policies and high levels of knowledge integration capabilities, a lack of technological diversity will remain a major barrier to green technology spillovers.

The primary contributions of this study are as follows: First, it advances research on technological diversity and green technology spillover by distinguishing the effects of knowledge search diversity and knowledge output diversity, which prior studies have largely treated as a singular characteristic. This study provides new insights and empirical evidence for understanding the relationship between technological diversity and green technology spillover. Second, this study reveals diverse pathways to green technology spillovers by shifting the focus from single-variable analyses to the interplay of technological characteristics, knowledge integration capability, and environmental regulation policies. This integrative approach addresses research gaps and offers a more comprehensive understanding of key determinants and interaction mechanisms. Third, this study provides policy implications for promoting green technology innovation and diffusion. It highlights the importance of simultaneously enhancing technological diversity, strengthening knowledge integration capability, and optimizing the configuration of environmental regulation policies to facilitate green technology spillover effects. These findings offer theoretical and practical insights into advancing green economic transformation.

Key Words：Green Technology; Spillover Effect; Technological Diversity; Environmental Regulation Policies; Configuration Analysis

DOI：10.6049/kjjbydc.D2024090802

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2025)24-0012-11

收稿日期：2024-09-29

修回日期：2025-02-19

基金项目：国家社会科学基金一般项目(23BJY086)

作者简介：林红英(1996-),女,广西桂林人,中南大学商学院博士研究生,研究方向为创新网络、技术创新及管理;杨晓辉(1986-),男,河北邢台人,博士,湖南财政经济学院会计学院副教授,研究方向为绿色经济与创新管理;游达明(1963-),男,湖南益阳人,博士,中南大学商学院教授、博士生导师,研究方向为技术创新及管理。通讯作者:游达明。

0 引言

党的二十届三中全会强调,“加快经济社会发展全面绿色转型,健全生态环境治理体系,推进生态优先、节约集约、绿色低碳发展”。实现绿色技术溢出效应能在更大范围内产生经济、环境和社会效益,以较低社会成本驱动产业绿色转型,是在“双碳”刚性目标约束下协调经济发展与环境保护矛盾的有效途径。要实现可持续发展主要依赖技术变革的推动[1-2],这是一个累积的、强内生性和路径依赖的迭代过程[1]。由于环境问题具有系统性,与环境有关的创新必须解决多种技术经济问题,并满足各方需要与应对更严格的监管要求[3]。基于知识重组框架,绿色技术的发展通常依赖于多样性和复杂知识领域的结合[1,3],并强调技术多样性在绿色技术创新突破与知识溢出中的重要性[1,3-5]。

当前,学界探讨技术多样性模式及其对绿色技术溢出效应的研究还相对较少,主要从知识来源多样性视角考虑技术多样性对绿色技术溢出效应的影响。例如,不同知识领域的搜索广度有助于增强绿色能源技术的通用性[4],知识多样性与复杂性有助于提高发明影响力与实现绿色技术溢出效应[1,5]。已有研究发现,不同技术多样性模式在绿色技术发展以及知识溢出效应方面具有差异性[3]。有学者对绿色创新中技术多样性的内在机制进行探讨[3,6-7],并基于绿色发明过程的不同阶段提出了技术多样性的特征,即强调对知识搜索和知识输出特征深入理解的重要性[3]。尽管如此,目前仍缺少对知识搜索多样性和知识输出多样性在绿色技术溢出效应中具体作用的研究。因此,本文基于发明过程阶段的技术多样性分析框架,将技术多样性细分为知识搜索多样性和知识输出多样性,以系统评估这两种技术多样性如何影响绿色技术溢出效应。其中,知识搜索多样性涉及发明过程中知识来源的多样性,体现专利的一组知识单元涉及不同技术领域的多样性或数量[1,3]。知识输出多样性则反映专利跨越的技术领域范围,体现专利发明在技术领域应用的广泛性[3,8]。

本文进一步考虑企业知识整合能力与环境规制政策在促进绿色技术溢出效应中与技术多样性的协同作用。现有研究虽强调企业知识整合能力、环境规制政策在推动绿色技术创新及其扩散方面发挥关键作用[9-13],但忽略了其与技术多样性在绿色技术溢出效应方面的协同效应。技术多样性为绿色技术的知识整合提供了广泛的知识来源与多样性的重组机会[1,3],企业知识整合能力将多样化的知识转化为创新的核心驱动力[9-10],而环境规制政策则为这种转化与扩散提供外部激励和约束[9,11]。综合来看,技术多样性、企业知识整合能力和环境规制政策三者在绿色技术溢出效应中发挥着协同作用,因此,本文将其纳入同一研究框架,揭示这些因素的协同作用对绿色技术溢出效应的影响。

综上,本文基于模糊集定性比较分析(fsQCA)方法,综合考察技术多样性(知识搜索多样性与知识输出多样性)、知识整合能力(知识整合能力深度与知识整合能力广度)、环境规制政策(命令控制型环境规制、市场激励型环境规制、自愿参与型环境规制)之间的相互作用,旨在厘清以下问题:技术多样性如何影响绿色技术溢出效应,技术多样性、知识整合能力和环境规制政策在绿色技术溢出效应中是否发挥协同作用,产生高溢出效应的驱动路径有哪些,存在哪些制约路径?本文的边际贡献在于:①深入探讨知识搜索多样性和知识输出多样性对绿色技术溢出效应的影响,为技术多样性与绿色技术溢出效应之间的关系研究提供新的视角和证据;②将绿色技术溢出效应的影响因素从传统的单一维度变量视角,转向技术特征、企业内部知识整合能力和环境规制政策协同视角,有助于对绿色技术溢出效应的影响因素以及整合性作用机理形成更加完整的认知。

1 理论分析与研究假设

1.1 研究框架

绿色技术溢出效应,亦被称为绿色研发溢出或绿色研发外部性[14-15]。一项绿色技术创新既可以给创新者带来收益,也会惠及其他企业,尤其当潜在的采纳企业可以近乎无成本地获得并使用该技术时,则会产生绿色技术的正外部经济效应,即“绿色技术溢出效应”[15]。已有研究验证了技术多样性对绿色技术溢出效应具有积极作用,然而仅凭技术多样性或许不足以单独实现目标。

首先,部分研究确实验证了技术多样性与绿色技术溢出效应之间的正相关关系[1,5]。例如,跨不同知识领域的广泛搜索有助于增强绿色能源技术的通用性[4]。尽管高度多样性为绿色技术发展和较高的创新潜力提供了基础,但同时也增加了技术结构的复杂性[3]。这种多样化的知识整合往往伴随着较高成本和失败风险[3]。有研究发现,绿色技术往往是较低共性技术领域间的交叉融合[1],通常由绿色技术和污染技术以一种新的方式相互结合[1,3]。因此,绿色技术知识的高度复杂性以及生产过程中对高度异质投入的融合需求,无疑对公司的知识整合能力提出了高的要求[9-10]。企业知识整合能力,即组织处理与应用现有知识或新知识的能力,已被广泛验证是绿色发明及其溢出效应的重要前因[9-10,16]。因此,企业的知识整合能力,包括知识整合能力广度与深度,构成了检验技术多样性是否能有效促进绿色技术溢出效应的关键边界条件[9-10,16]。

其次,绿色技术的双重外部性特征所导致的市场失灵问题,是阻碍绿色技术溢出效应的重要原因[17]。高多样性知识的整合使企业需耗费大量时间和精力处理异质性的信息与知识[18],增加了发明过程中的可变性和不确定性,可能会导致更高的失败率[3]。因此,创新者需要承担多样性绿色技术的高研发成本和高失败风险[3,10],而环境外部性和知识外部性使其无法获得全部收益[19]。这种双重外部性导致的研发成本和收益预期的不匹配,使得企业在绿色技术方面的投资不足[1,19],并缺乏足够的绿色知识共享动机[19]。现有文献指出,环境规制政策有助于解决绿色技术发展中的市场失灵问题[9,16]。环境规制政策通过约束与激励作用,降低技术溢出的不确定性,有助于绿色知识的生成与扩散[9,11,19-21]。因此,环境规制政策是检验技术多样性是否能够促进绿色技术溢出效应的关键边界条件。

组态视角能够识别理论相关条件及其组合对结果的必要性和充分性[22]。基于此,本文运用组态分析,拓展当前对绿色技术溢出效应前因的研究,阐释技术多样性作为绿色技术溢出效应的关键驱动因素。与传统研究中对技术多样性与绿色技术溢出效应相关性或“净效应”的探讨不同,本文从系统性视角出发,考虑技术多样性如何与关键边界条件相互作用。具体而言,企业知识整合能力与环境规制政策协同作用有效解决技术多样性影响绿色技术溢出效应中的两大问题:降低绿色发明在多样性知识整合过程中的失败风险[9-10,16]和解决双重外部性导致的市场失灵问题[9,16]。因此,本文认为知识整合能力与环境规制政策是技术多样性影响绿色技术溢出效应的关键前因条件,即知识整合能力、环境规制政策和技术多样性之间的协同作用共同作用于绿色技术溢出效应[9- 10,16,20],并提出如下假设:

H1:技术多样性需与企业知识整合能力和环境规制政策协同作用,以实现绿色技术溢出效应。

本文构建组态理论模型如图1所示。其中,技术多样性包含知识搜索多样性与知识输出多样性;知识整合能力包含知识整合能力深度与知识整合能力广度;环境规制政策包含命令控制型环境规制、市场激励型环境规制和自愿参与型环境规制。

1.2 技术多样性与绿色技术溢出效应的作用机制

基于知识重组理论,技术多样性在创新动力和发展引擎方面发挥关键作用[3]。Ardito等[4]基于绿色能源专利研究,强调了不同知识领域的搜索广度对技术通用性发挥积极影响。同时,Barbieri 等[1]在绿色技术变革本质的探讨中指出,知识来源多样性提高了绿色发明的技术影响力,并使其能够获得更高的被引用次数。这些研究结果均强调了技术多样性在推动绿色技术溢出效应方面的积极作用。为了深入探究这一关系,本文将技术多样性按不同发明过程阶段细分为知识搜索多样性与知识输出多样性,探讨技术多样性影响绿色技术溢出效应的作用机制。

知识搜索多样性反映了一项发明的知识来源所涉及不同技术领域的多样性或数量[1,3]。有研究表明,具有更广泛知识领域的绿色技术创新往往呈现更高的溢出趋势[1]。这种溢出效应的实现机制主要体现在两个方面:一方面,知识搜索多样性有助于解决绿色技术创新中的技术潜在问题。绿色技术具有满足广泛目标的复杂性,亟需跨学科的创新思维寻求解决方案[1]。知识来源的多样性和多技术领域的融合,能突破绿色技术的思维定式和技术局限(张雪等,2022),激发新思想的产生,从而实现突破性的绿色发明[23]。因此,知识搜索多样性促进了绿色技术的价值提升,通过融合不同技术领域的知识,增加产生新颖性或非典型性组合的可能性[10],从而带来更高的技术附加值,以产生显著的溢出效应[24]。另一方面,知识搜索多样性增强了绿色技术知识的重组潜力。知识来源的异质性与多样性克服了本地化搜索局限,降低了知识重叠与技术冗余[10]。通过跨领域的知识整合,绿色技术的创新能够促进不同技术领域间的互补[4],为创新提供更多可能性[10],进而推动绿色技术知识在技术领域内部扩散或跨领域流动[25]。

知识输出多样性反映了一项发明所属不同技术领域类别的数量[3,8]。已有研究表明,绿色技术的技术领域范围越广泛,往往呈现越高的知识溢出效应[1]。这种溢出效应的实现机制主要体现在以下两个方面:首先,知识输出多样性往往是对不同知识来源的有效整合,依赖于多样化的知识输入,往往具有较高的普及性,实现显著的知识溢出效应[1,3,26]。其次,知识的多样性通过有效重组,扩大了绿色发明的边界和应用范围[1,3]。更高专利范围的发明更容易获得许可[27],并表现出较高的外部引用率[8,28]。研究发现,绿色发明所属的专利范围反映了其为后续发明提供技术机会的范围,即专利范围越广,其跨越不同技术领域的扩散程度越高[1]。当绿色技术的知识分散多个技术领域时,能够发掘多种潜在用途,以满足不同的或共同的目标,刺激互补性创新,增强其在跨经济、产业和市场边界的渗透能力[1],进而推动绿色技术广泛采用[3]。因此,本文认为知识搜索多样性与知识输出多样性在绿色技术溢出效应方面发挥着关键作用。

1.3 知识整合能力、技术多样性与绿色技术溢出效应

已有研究强调,技术多样性在绿色技术溢出效应方面发挥关键作用,但其作用往往受企业知识整合能力的限制[9-10,16]。借鉴现有文献[9-10],本文将企业的知识整合能力划分为两个维度,即知识整合能力广度与知识整合能力深度,以探讨其与技术多样性的协同作用如何影响绿色技术溢出效应。

知识整合能力深度反映企业在单个或少数技术领域内整合知识的能力,是企业在知识利用(exploitation)活动过程中的“能力深化”[9-10]。基于资源依赖理论,特定领域的先验知识会导致更大的绿色知识溢出[10]。研究发现,当绿色知识和非绿色专业知识建立联系时,有助于实现绿色技术多样化[29]。绿色技术多元化的实现往往依赖突破式创新,需要将跨领域知识与既有非绿色技术领域进行有效重组,充分利用与环境能力相关或不相关的大量专业知识[1]。知识整合能力深度能够增强企业在特定领域的知识专业化程度,有助于企业深化对旧组件特性和复杂组合联系的理解[9-10],以建立绿色技术多样性之间的知识连贯性与相关性[10],促进多样性绿色技术的传播与应用[30]。同时,知识整合能力深度有利于建立研发团队重复合作、相互依赖的组织惯例,有效实现知识创造经验在企业内部共享,推动绿色知识快速扩散[31]。

知识整合能力广度反映企业在跨领域整合知识的能力,强调企业在知识探索活动过程中的“能力拓宽”[9,32]。多样化的绿色技术通常源自松散相关或高度异质的技术领域的知识组合[9],不同知识的整合可能变得更加困难和复杂,潜在地限制这些跨领域知识的“可重组性”,最终抑制有效的技术整合[2,16]。因此,培养企业知识整合能力广度有助于拓宽知识搜索的范围和整合跨领域的知识,为企业创造新的技术联系,提升绿色技术知识组合的创新性和独特性[10,33]。已有研究发现,将跨界技术领域知识进行整合的能力是推动绿色技术创新产生的重要杠杆,验证了团队知识整合能力广度对绿色发明及其技术影响力的积极作用[9-10]。此外,高水平的知识整合能力广度也意味着企业更有可能与外部伙伴建立广泛的合作惯例,加速绿色知识的传播[34]。综上,本文提出以下假设:

H2:技术多样性与知识整合能力(深度或广度)的协同作用有助于实现绿色技术溢出效应。

1.4 环境规制政策、技术多样性与绿色技术溢出效应

环境规制政策是政府对企业的资源利用与环境保护活动进行直接或间接的干预行为,旨在引导企业追求经济效益的同时,履行环境保护的社会责任。企业作为典型的“经济人”,出于对收益最大化的目标追求,在缺乏政府监管的前提下,往往缺乏环境治理意愿,绿色创新的积极性不足。在市场机制无法扭转环境治理困境时,政府干预尤为重要,环境规制政策有助于促进绿色技术创新并刺激其扩散[11,20-21]。本文主要考察3种类型的环境规制政策:命令控制型、市场激励型与自愿参与型。

命令控制型环境规制要求规制者通过制定一系列的环境标准对被规制企业的污染物排放水平进行统一管理,体现了政府对企业的直接干预行为。严格的环境规制提高了利益相关者环保导向以及绿色发展的现实诉求[21],企业通过采取绿色技术创新策略以应对外部规制要求,提升其合法性[35]。这种合法性的追求,有助于实现企业间绿色知识流动与共享(王旭等,2022)。具体而言,企业的绿色技术创新实践能够帮助企业实现资源节约、环境保护的战略目标,不仅有助于企业达到环境法规标准,实现其环保行为与社会期望趋于一致,提高企业的适应合法性,还能通过营造良好的绿色形象[36],有助于企业构建牢固的关系网络以协调整合与优化各方资源,提高企业的战略合法性(解学梅等,2021)。研究发现,环境法规有利于增加企业环保压力推动市场对绿色技术的需求与持续采用,同时改善研发环境以增加绿色技术的供给,促进地区绿色技术有效地扩散[11,37]。

市场激励型环境规制是政府通过市场机制的设计以激励企业主动落实环境治理责任。相比命令控制型环境规制,市场激励型环境规制同时给予了企业一定的行政约束与自由选择权,其更易发挥正强化的作用, 可对绿色发展和经济效益兼而顾之[38]。 一方面,政府环保补贴、减税等市场激励型优惠政策不仅体现了政府的环境治理决心,还向市场传递出对企业绿色技术创新的认可(张铂晨等,2022)。研究发现,恰当的市场型激励政策设计有助于提高绿色技术再配置效率(袁礼等,2022),实现低碳友好型技术扩散[39]。另一方面,企业可通过获取政府环保补助以主动向外界释放合法性信号[40-41]。对于获得高度绿色合法性的企业,其绿色技术创新往往具有较高的市场认可度[42],这有助于实现企业绿色技术的普及与推广,进而实现企业绿色技术溢出效应。

自愿参与型环境规制是以企业为主体实施的非强制性环保措施,核心理念是调动企业落实环境治理责任的积极主动性,企业可依据自身禀赋自行采取改善环境绩效的措施[40,43]。这些政策向市场释放出该企业良好绿色信誉和积极履行社会责任的可靠信号[40],有助于企业赢得各利益相关者信赖[40]、建立技术交易实现机制以及实现绿色技术扩散(张兆国等,2019)。例如,ISO14001认证通过第三方认证机构充分发挥信息效应,提高企业信息透明度,还引入内外部利益相关者共同参与的机制,丰富企业的绿色知识库[44]。此外,实施环境管理体系建立了正式的组织结构,促使企业内外部成员(包含供应商、客户等其他外部利益相关者)之间更加高效地分享信息资源,为绿色经验知识分享提供了系统化的方法[44]。基于此,本文提出以下假设:

H3:技术多样性与环境规制政策(命令控制型、市场激励型或自愿参与型)的协同作用有助于实现绿色技术溢出效应。

2 研究设计

2.1 研究方法

为检验绿色技术溢出效应的前因组态特征,本文选择强调因果复杂性的模糊集定性比较分析方法(fuzzy set-Qualitative Comparative Analysis,fsQCA)[22]展开研究。具体原因如下:①fsQCA是一种基于集合论的方法,通过计算各个元素及其组合的必要性和充分性得分,将理论上相关的条件元素(技术多样性、知识整合能力、环境规制政策)的配置与结果变量(绿色技术溢出效应)联系起来,较好地分析多要素并发的因果复杂性问题。②fsQCA能够揭示因果非对称性,有助于探索某种技术多样性特征在哪些情况下会对绿色技术溢出产生积极效应,并在哪些情况下会产生消极效应。

2.2 样本选择与数据来源

以中国全部A股制造业上市公司为初始研究对象,并选取2008—2018年绿色专利数据进行分析。考虑技术研发成果存在滞后期,为确保专利具备3～5年的充分被引周期(岑杰等,2021),将结果变量选取至2021年。数据来源如下:①采用世界知识产权组织(WIPO)的IPC分类号识别企业的绿色专利,从中国研究数据平台(CNRDS)、文构数据库(Wingo)手工收集、整理相关数据;②环境规制指标的数据来源于国家统计局统计年鉴、EPS全球统计数据库;③其余变量的数据来源于国泰安数据库(CSMAR)。

本文对收集的原始数据进行了以下预处理:①剔除样本期内被ST的企业;②剔除缺失值;③控制极端值的影响,对所有连续变量进行上下1%的缩尾处理。最终获得982个企业、35 994条绿色专利数据作为实证研究样本。

2.3 变量测量与校准

2.3.1 变量测量

(1)结果变量。 绿色技术溢出效应(Citation)。采用专利被引用次数衡量绿色技术溢出效应,本文采用时间间隔为专利发布日后5年的前向引用指标来衡量[1]。

(2)条件变量。 知识搜索多样性(Search)。采用引用专利的IPC分类号衡量焦点专利所依赖的技术领域广度,即衡量焦点专利多大程度上引用不同技术领域的先前专利[1]。借鉴现有研究[45],采用1减去赫芬达尔—赫希曼(HHI)集中指数以计算多样性,取值范围为0～1,公式如下:

(1)

其中,n表示以IPC4为分类的总数,spj是指在所有的引用专利中,属于第j类的引用专利占总引用专利个数的百分比,如果一个被引专利有两个不同的IPC分类号,则将不同分类当作两个被引用专利计算。

知识输出多样性(Output)。采用专利技术范围的指标,专利所属于不同IPC分类号的数量越多,其涉及的技术范围越广[1]。

知识整合能力深度(Depth)。借鉴已有文献[46],采用企业在当年申请的利用式专利数量占该企业专利总量的百分比进行衡量。具体计算步骤:如果一项专利引用80%以上的IPC分类号与现有公司的专利IPC分类号组合(包括在过去5年中,该公司申请的所有专利,以及该公司引用的所有专利)相同,那么该专利被定义为利用式专利,并计算利用式专利的数量占该企业专利总量的百分比。若公司过去5年至少有3年存在引用的专利,则计算此值,否则,该字段为空。

知识整合能力广度(Breath)。本文采用企业在当年申请的探索式专利数量占该企业专利总量的百分比进行衡量。其中,企业探索式专利的识别方法与利用式专利类似,即如果一项专利引用80%以上的IPC分类号与现有公司的专利IPC分类号组合不相同,那么该专利被定义为探索式专利。

命令控制型环境规制(CCER)。该类政策反映政府对污染治理的重视程度,本文选用地区工业污染治理投资完成额作为衡量指标[47]。

市场激励型环境规制(MIER)。财政补贴是市场激励型环境规制的重要工具之一,借鉴已有文献[21],选取政府绿色补贴作为衡量指标。具体操作如下,本文基于制造业上市公司年报的财务报表附注中“营业外收入”科目下所披露政府补贴的项目源,手工整理与环境治理相关的政府补贴,进行金额加总以计算企业获得的政府绿色补贴。

自愿参与型环境规制(VPER)。借鉴已有文献[38],采用制造业上市公司是否通过ISO14001环境管理认证衡量自愿参与型环境规制,采用二分赋值法进行量化,若企业通过认证则赋值为1,否则为0。

2.3.2 变量校准

在必要性与充分性分析之前,本文先对前因条件与结果变量进行校准。数据校准分为两种:一是直接校准法,研究员需选择3个定性断点,并定义每个变量模糊集中的隶属度级别(完全隶属、交叉点、完全不隶属)。二是间接校准法,该方法需根据定性评估重新调整测量方法,往往取决于研究人员对数据和基础理论的实质性知识。本文遵循主流QCA的研究方法采用直接校准的阈值,使用客观百分位数值的途径确定3个锚点的位置[22],除了二分法变量(自愿参与型环境规制)不进行任何处理外(张明等,2020),均采用90%、50%和10%分位数值作为fsQCA软件的3个阈值。此外,为了避免前因条件的案例隶属度恰好为0.5的组态归属问题,本文将0.5隶属度减去常数0.001。前因条件和结果变量的隶属度校准阈值如表1所示。

3 实证结果与分析

3.1 单个条件的必要性分析

在必要性分析中,若单项条件的一致性数值大于0.9,则意味着该单项条件为结果变量的必要条件[22]。如表2所示,单个条件对绿色技术溢出效应的必要性得分均小于0.9,表明没有单个条件构成绿色技术溢出效应的必要条件。因此,本文需进一步考察条件组态对绿色技术溢出效应的影响。

3.2 条件组态的充分性分析

进行充分性分析时,使用真值表算法确定相关组态与结果的充分性,需要确定原始一致性、频数、PRI一致性3个阈值。首先,关于原始一致性阈值的设置,最小建议值为0.75[48],本文将其确定为0.85。其次,案例频数阈值设置,大于150个的案例样本,频数阈值可设置为3(或可适当提高);中小样本(约10～100个案例)阈值可设置为2,通常不小于1[48]。由于本文的样本规模为35 994个案例,规模较大,因此将频数阈值设定为6。最后,PRI一致性代表“不一致性比例减少”,PRI一致性一般不小于0.7[22],但也有较低的PRI阈值,比如0.6(杨震宁等,2023)、0.5[49]。借鉴现有文献[50],本文将绿色技术高溢出效应组、非高溢出效应组的PRI一致性阈值分别设为0.78、0.6。由表3可知,企业绿色技术高溢出效应与非高溢出效应的组态结果基本上大于普遍接受的一致性标准0.8。从总体上看,解的一致性均超过临界值0.75。

3.2.1 绿色技术溢出效应的驱动路径分析

由表3可知,整体来看,产生绿色技术高溢出效应的组态路径有5条,知识输出多样性在所有高溢出效应中均发挥核心条件作用,而知识搜索多样性在组态HC中同样发挥了核心条件作用。这表明通过整合不同知识来源或跨越多个技术领域类别的绿色发明,能显著实现溢出效应。此外,在高溢出效应组态中,技术多样性并不能单独产生高溢出效应,需与企业知识整合能力或环境规制政策协同作用,才能实现显著溢出效应。基于此,本文提出的假设H1～H3均得以验证。可将5个组态划分为3种驱动路径类型:政策与能力协同—输出型、政策组合主导—输出型、政策组合主导—共存型。

政策与能力协同—输出型(HC1):环境规制政策与知识整合能力协同下以知识输出多样性为主导的高溢出效应驱动路径。在组态HC1中,以高知识输出多样性、高知识整合能力深度以及高市场激励型(组态HC1a)或组合型(命令控制型与市场激励型结合,组态HC1b)的环境规制政策为核心条件,而自愿参与型环境规制(组态HC1b)则作为补充条件。这一组态中,在严格的市场激励型或组合型环境规制政策条件下,如果企业具有较强的知识整合能力深度,则知识输出多样性有助于实现绿色技术的高溢出效应。由该驱动路径可知,企业在面临严格的环境规制政策时,不仅加强了绿色技术的市场合法性[35],并且通过获得政府绿色补贴与环境管理认证,可以向市场传递政策倾向和扶持方向的信号,有助于企业绿色技术创新获得市场认可和支持[40]。同时,企业凭借较强的知识整合能力深度,能够有效识别和整合跨领域的专业知识,增强绿色技术的适用性,以实现溢出效应[10]。因此,该驱动路径说明知识输出多样性、知识整合能力深度与环境规制政策之间的适配组态有助于实现绿色技术溢出效应,为验证假设H1提供支持。同时,该路径也表明环境规制政策、知识整合能力均能在技术多样性与绿色技术溢出效应之间发挥协同作用,即假设H2、H3得以验证。

政策组合主导—输出型(HC2):环境规制政策组合协同下以知识输出多样性为主导的高溢出效应驱动路径。在组态HC2中,高市场激励型与自愿参与型环境规制组合(组态HC2a),或高命令控制型、高市场激励型与自愿参与型环境规制组合(组态HC2b),同高知识输出多样性共同构成绿色技术溢出效应的核心条件。该组态表明,严格的环境规制政策组合与高知识输出多样性的协同作用有助于实现绿色技术的高溢出效应。其中,组态HC2a强调市场激励型与自愿参与型环境规制的互补作用,市场激励型环境规制通过提供经济激励,并向市场传递企业绿色技术创新的积极信号(张铂晨等,2022),而自愿参与型环境规制则通过提升企业的社会责任形象[40],增强其在社会中的合法地位,这两种政策相辅相成,共同促进企业绿色技术的传播。在组态HC2b中,命令控制型环境规制则通过强制合法性促使企业采纳绿色技术创新,同市场激励型、自愿参与型环境规制结合以形成多元化的环境政策体系,共同推动绿色技术溢出[38,40]。综上,假设H3得以验证。

政策组合主导—共存型(HC):环境规制政策组合协同下以两阶段技术多样性共存为主导的高溢出效应驱动路径。在组态HC中,以高知识搜索多样性、高知识输出多样性、高命令控制型与高市场激励型环境规制为核心条件,以及非高知识整合能力广度与非高自愿参与型环境规制为核心条件。这意味着在严格的环境规制组合中,命令控制型和市场激励型的环境规制政策组合可能会强化市场对绿色技术的供给与需求[11,40,43],以有效促进绿色技术的扩散。知识搜索多样性与知识输出多样性共存,扩大了绿色发明的边界和应用范围[1, 3],有助于提高绿色技术的普及性[1]。因此,该组态路径表明了环境规制政策与技术多样性协同作用是实现绿色技术高溢出效应的关键条件,假设H3得以验证。

由表3可知,从高溢出效应组态来看,技术多样性不构成必要条件,但作为核心条件发挥了较为普适的作用,为在绿色技术的知识重组过程中增加技术多样性以实现高溢出效应提供了经验证据,尤其强调知识输出多样性在绿色技术溢出效应驱动因素中的主导地位。该结论与Fusillo[3]的研究观点保持一致:相较于知识搜索多样性,知识输出多样性对绿色技术多样性的溢出效应更为显著,强调知识输出多样性在绿色技术设计中的主导地位。本文通过组态分析提炼了“政策与能力协同—输出型”“政策组合主导—输出型”和“政策组合主导—共存型”3种绿色技术高溢出效应的驱动路径,每种路径下的绿色技术需具备的技术特征以及内外部环境条件均有所差异。此外,每种路径都配置了知识输出多样性与市场激励型环境规制,意味着有效实现绿色技术高溢出效应必须同时协同技术特征与环境规制政策两个条件。

3.2.2 绿色技术溢出效应的制约路径分析

本文也检验了产生非高绿色技术溢出效应的组态,结果如表3所示。在组态NHC1中,包含组态NHC1a、组态NHC1b和组态NHC1c 3种类型,将其制约路径命名为多样性缺失型。第一,当企业知识整合能力缺乏,环境规制不严格,绿色技术的两种多样性特征也表现为缺乏时,绿色技术的溢出效应不会高(组态NHC1a)。第二,企业虽有较强的知识整合能力(广度和深度),但环境规制政策不严格且两种技术多样性都表现为缺乏时,亦不能实现绿色技术高溢出效应(组态NHC1b)。第三,当绿色技术的两种技术多样性均表现为缺乏时,即使企业拥有较高的知识整合能力广度和政府实施严格的环境规制政策,也将导致绿色技术的非高溢出效应(组态NHC1c)。通过比较前述3种类型非高溢出效应的组态可发现,两种技术多样性的同时缺失是导致绿色技术非高溢出效应的核心条件,即技术多样性的同时缺失(包括知识搜索多样性与知识输出多样性)是实现绿色技术溢出效应的主要障碍,这也一定程度上反向验证了前述产生其高溢出效应的条件基础。因此,技术多样性(知识搜索多样性和知识输出多样性)是实现绿色技术高溢出效应的关键条件。

3.3 稳健性检验

本文采用调整一致性阈值、频数阈值以及替换变量衡量方法进行稳健性检验。一是将一致性阈值提高0.05[22],即用0.9代替0.85再次展开分析。如表4所示,组态FC1～FC5分别与组态HC1a、HC1b、HC2a、HC2b、HC构型相同,说明研究结果具有稳健性。二是调整案例频数[22],将其阈值由6调整到8。如表5所示,组态FC1～FC5分别与组态HC1a、HC1b、HC2a、HC2b、HC构型相同,进一步说明研究结果具有稳健性。三是替换变量衡量方法[51],采用时间间隔为专利发布日后7年的前向引用指标替代5年,以衡量绿色技术溢出效应(Citation)。结果如表5所示,组态FC7～FC8分别与组态HC1a、HC1b构型上的核心条件基本保持一致,对解的解释保持不变,反映了在环境规制政策与知识整合能力协同下,以知识输出多样性为主导的高溢出效应驱动路径;组态FC9和组态HC的构型相似,反映了在环境规制政策组合协同下,以两阶段技术多样性共存为主导的高溢出效应驱动路径。综上,本文研究结果具有稳健性。

4 结论与建议

4.1 研究结论

本文基于fsQCA方法,从技术多样性、知识整合能力与环境规制政策3个层面,分析了知识搜索多样性、知识输出多样性、知识整合能力深度、知识整合能力广度、命令控制型环境规制、市场激励型环境规制与自愿参与型环境规制等7个前因条件之间的组态效应,具体得到以下结论:第一,技术多样性是实现绿色技术溢出效应的核心条件,尤其是知识输出多样性在促进溢出效应方面发挥主导作用。第二,技术多样性需与知识整合能力和环境规制政策协同作用,形成3种实现绿色技术溢出效应的驱动路径:①政策与能力协同—输出型,在严格的环境规制政策与高知识整合能力共同作用下,高知识输出多样性能够有效实现绿色技术溢出效应;②政策组合主导—输出型,在严格的环境规制政策协同下,高知识输出多样性能够有效实现绿色技术溢出效应;③政策组合主导—共存型,在严格的环境规制政策协同下,高知识搜索多样性与高知识输出多样性共存能够有效实现绿色技术溢出效应。第三,揭示了“多样性缺失型”制约路径,技术多样性的同时缺失显著抑制绿色技术溢出效应,表明即使存在严格的环境规制政策和高水平的企业知识整合能力,技术多样性的不足依旧会显著阻碍绿色技术溢出效应。

4.2 政策建议

(1)强化技术多样性在企业绿色技术创新战略中的核心作用。鼓励企业在绿色技术的研发过程中重视技术多样性的培育,尤其注重知识输出多样性,并警惕因技术多样性不足而阻碍绿色技术溢出的风险。具体而言,在知识搜索阶段,企业可构建开放式创新网络,如通过建立绿色技术创新联盟、参与国际技术交流平台、开展跨学科合作等,以拓宽企业的知识搜索广度,并主动加强与多样化合作伙伴之间的知识资源流通,推动跨领域知识的融合,提高绿色技术的通用性和应用范围。在知识重组阶段,企业可通过加强基础研究和应用研究之间的紧密联系,以维持高水平的知识重组多样性,增加绿色技术的应用范围。

(2)加强企业双元知识整合能力的培养。研究表明,企业知识整合能力与技术多样性的协同作用有助于促进绿色技术溢出,知识整合能力深度发挥核心作用。因此,企业可通过创建具有专业化技能的跨学科或跨地域研发团队,提升自身的双元知识整合能力,以加快多样化知识的整合,提高绿色发明影响力,实现溢出效应。

(3)构建多元化的环境规制体系以促进绿色技术扩散。研究揭示了市场激励型环境规制与技术多样性的协同作用在推动绿色技术溢出方面的普适性作用,以及命令控制型与自愿参与型环境规制的补充作用。因此,可加强市场激励型环境规制的实施力度,并加强不同环境规制政策的协同性,形成以市场激励型为主、命令控制型为辅、自愿参与型为补充的多元化环境政策激励体系,以加速多样性绿色技术创新的培育与扩散。

参考文献：

[1] BARBIERI N,MARZUCCHI A,RIZZO U. Knowledge sources and impacts on subsequent inventions: do green technologies differ from non-green ones?[J]. Research Policy, 2020, 49(2): 103901.

[2] CORROCHER N,GRABNER S M,MORRISON A. Green technological diversification: the role of international linkages in leaders, followers and catching-up countries[J]. Research Policy, 2024, 53(4): 104972.

[3] FUSILLO F.Green technologies and diversity in the knowledge search and output evidence from patents[J]. Research Policy, 2023, 52(4):104727.

[4] ARDITO L,MESSENI PETRUZZELLI A, ALBINO V. Investigating the antecedents of general purpose technologies: a patent perspective in the green energy field[J]. Journal of Engineering and Technology Management, 2016, 39: 81-100.

[5] PEZZONI M, VEUGELERS R, VISENTIN F. How fast is this novel technology going to be a hit?antecedents predicting follow-on inventions[J]. Research Policy, 2022, 51(3): 104454.

[6] HORBACH J, OLTRA V, BELIN J. Determinants and specificities of eco-innovations compared to other innovations——an econometric analysis for the French and German industry based on the community innovation survey[J]. Industry and Innovation, 2013, 20(6): 523-543.

[7] SIERZCHULA W, BAKKER S, MAAT K, et al. Technological diversity of emerging eco-innovations: a case study of the automobile industry[J]. Journal of Cleaner Production, 2012, 37: 211-220.

[8] NOVELLI E. An examination of the antecedents and implications of patent scope[J]. Research Policy, 2015, 44(2): 493-507.

[9] ORSATTI G, QUATRARO F, PEZZONI M. The antecedents of green technologies: the role of team-level recombinant capabilities[J]. Research Policy, 2020, 49(3): 103919.

[10] NING L T, GUO R. Technological diversification to green domains: technological relatedness, invention impact and knowledge integration capabilities[J]. Research Policy, 2022, 51(1): 104406.

[11] 许东彦, 林婷, 张国建. 环境规制对绿色技术扩散的影响[J]. 中南财经政法大学学报, 2022,65(5): 147-160.

[12] DECHEZLEPRETRE A, NEUMAYER E, PERKINS R. Environmental regulation and the cross-border diffusion of new technology: evidence from automobile patents[J]. Research Policy, 2015, 44(1): 244-257.

[13] ZOU C, HUANG Y C, HU S L, et al. Government participation in low-carbon technology transfer: an evolutionary game study[J]. Technological Forecasting and Social Change, 2023, 188: 122320.

[14] WANG Y Z. Trade secrets laws and technology spillovers[J]. Research Policy, 2023, 52(7): 104794.

[15] PAN X Z, WEI Z X, HAN B T, et al. The heterogeneous impacts of interregional green technology spillover on energy intensity in China[J]. Energy Economics, 2021, 96: 105133.

[16] MARINO A, QUATRARO F. Leveraging global recombinant capabilities for green technologies: the role of ethnic diversity in MNEs′ dynamics[J]. The Journal of Technology Transfer, 2023, 48(4): 1413-1445.

[17] GRÉGOIRE-ZAWILSKI M, POPP D. Do technology standards induce innovation in environmental technologies when coordination is important?[J]. Research Policy, 2024, 53(1): 104888.

[18] 于飞, 袁胜军, 胡泽民. 知识基础、知识距离对企业绿色创新影响研究[J]. 科研管理, 2021, 42(1): 100-112.

[19] PERRUCHAS F, CONSOLI D, BARBIERI N. Specialisation, diversification and the ladder of green technology development[J]. Research Policy, 2020, 49(3): 103922.

[20] CAI H C, WANG Z L, ZHANG Z W, et al. Carbon emission trading schemes induces technology transfer: evidence from China[J]. Energy Policy, 2023, 178: 113595.

[21] 李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究, 2020, 55(9): 192-208.

[22] 杜运周, 刘秋辰, 陈凯薇, 等. 营商环境生态、全要素生产率与城市高质量发展的多元模式——基于复杂系统观的组态分析[J]. 管理世界, 2022, 38(9): 127-144.

[23] MEYERSSON MILGROM E M, MILGROM P, SINGH R. When should control be shared?[J]. Management Science, 2023, 69(1): 404-418.

[24] XIN X H, MIAO X M, CUI R X. Enhancing sustainable development: innovation ecosystem coopetition, environmental resource orchestration, and disruptive green innovation[J]. Business Strategy and the Environment, 2023, 32(4): 1388-1402.

[25] BATTKE B, SCHMIDT T S, STOLLENWERK S, et al. Internal or external spillovers:which kind of knowledge is more likely to flow within or across technologies[J]. Research Policy, 2016, 45(1): 27-41.

[26] CECERE G, CORROCHER N, GOSSART C, et al. Technological pervasiveness and variety of innovators in green ICT: a patent-based analysis[J]. Research Policy, 2014, 43(10): 1827-1839.

[27] SHANE S. Technological opportunities and new firm creation[J]. Management Science, 2001, 47(2): 205-220.

[28] 冯仁涛, 余翔. 专利技术范围与专利价值 ——基于生物技术领域专利的分析[J]. 情报杂志, 2021, 40(4): 109-118, 91.

[29] MONTRESOR S, QUATRARO F. Green technologies and smart specialisation strategies: a European patent-based analysis of the intertwining of technological relatedness and key enabling technologies[J]. Regional Studies, 2020, 54(10): 1354-1365.

[30] RAFOLS I. Knowledge integration and diffusion: measures and mapping of diversity and coherence[M]. Cham: Springer International Publishing, 2014: 169-190.

[31] 陈静, 曾德明, 欧阳晓平. 知识重组能力与高新技术企业绩效——冗余资源与创新开放度的调节效应分析[J]. 管理工程学报, 2021, 35(3): 23-33.

[32] AALBERS M B, TAYLOR Z J, KLINGE T J, et al. In real estate investment we trust: state de-risking and the ownership of listed US and German residential real estate investment trusts[J]. Economic Geography, 2023, 99(3): 312-335.

[33] CAPALDO A, LAVIE D, MESSENI PETRUZZELLI A. Knowledge maturity and the scientific value of innovations[J]. Journal of Management, 2017, 43(2): 503-533.

[34] 徐露允, 龚红. 协作研发伙伴多元化、知识网络凝聚性与企业新产品开发绩效[J]. 南开管理评论, 2021, 24(3): 160-170.

[35] 杨栩, 廖姗, 张平. 生态创新、利益相关者关系嵌入性与新创企业合法性关系研究[J]. 管理评论, 2020, 32(9): 107-117.

[36] 曾昌礼, 刘雷, 李江涛, 等. 环保考核与企业绿色创新——基于领导干部自然资源资产离任审计试点的准自然实验[J]. 会计研究, 2022,43(3): 107-122.

[37] CAINELLI G, D′AMATO A, MAZZANTI M. Resource efficient eco-innovations for a circular economy: evidence from EU firms[J]. Research Policy, 2020, 49(1): 103827.

[38] 马鹤丹, 张琬月. 环境规制组态与海洋企业技术创新——基于30家海工装备制造企业的模糊集定性比较分析[J]. 中国软科学, 2022,37(3): 124-132.

[39] 肖汉杰, 王华. 低碳环境友好技术创新扩散非对称演化博弈研究[J]. 中国科技论坛, 2017,33(8): 20-27.

[40] 杨冕, 王恩泽, 叶初升. 环境管理体系认证与中国制造业企业出口 “增量提质”[J]. 中国工业经济, 2022,40(6): 155-173.

[41] 李雅婷, 张竹, 武常岐. 绿色创新能否助力中国企业跨国并购——组织合法性视角[J]. 世界经济研究, 2023,42(4): 59-72.

[42] 王健, 黄群慧. 绿色创新企业如何突破 “绿色陷阱”: 机缘巧合与绿色合法性的作用[J]. 当代财经, 2022,43(11): 76-86.

[43] 潘翻番, 徐建华, 薛澜. 自愿型环境规制: 研究进展及未来展望[J]. 中国人口·资源与环境, 2020, 30(1): 74-82.

[44] VALERO-GIL J, SURROCA J A, TRIBO J A, et al. Innovation vs. standardization: the conjoint effects of eco-innovation and environmental management systems on environmental performance[J]. Research Policy, 2023, 52(4): 104737.

[45] SUBRAMANIAN A M, SOH P H. Linking alliance portfolios to recombinant innovation: the combined effects of diversity and alliance experience[J]. Long Range Planning, 2017, 50(5): 636-652.

[46] CUSTODIO C, FERREIRA M A, MATOS P P. Do general managerial skills spur innovation?[J]. Management Science,2019,65(2):459-476.

[47] 肖仁桥, 陈小婷, 钱丽. 异质环境规制、政府支持与企业绿色创新效率 ——基于两阶段价值链视角[J]. 财贸研究, 2022, 33(9): 79-93.

[48] PAPPAS I O,WOODSIDE A G.Fuzzy-set qualitative comparative analysis (fsQCA): guidelines for research practice in information systems and marketing[J]. International Journal of Information Management, 2021, 58: 102310.

[49] WALDKIRCH M,KAMMERLANDER N,WIEDELER C.Configurations for corporate venture innovation: investigating the role of the dominant coalition[J]. Journal of Business Venturing, 2021, 36(5): 106137.

[50] 曾凡军, 陈永洲. 什么样的数字治理生态能提高数字政府发展水平——基于生态视角的动态QCA分析[J]. 电子政务, 2024,21(4): 27-41.

[51] LEWELLYN K B, MULLER-KAHLE M I. A configurational exploration of how female and male CEOs influence their compensation[J]. Journal of Management, 2022, 48(7): 2031-2074.

(责任编辑:梅岚峤)