A Multi-Path Analysis of Urban Green Innovation Efficiency Driven by Business Environment Ecology

Xiao Renqiao1,2, Gao Qian1, Wang Zongjun2, Qian Li1

(1.School of Business Administration, Anhui University of Finance and Economics, Bengbu 233030, China; 2.School of Management, Huazhong University of Science &Technology, Wuhan 430074, China)

Abstract：Against the backdrop of increasingly severe global climate change, resource scarcity, and environmental pollution, countries and major cities around the world are actively implementing green innovation strategies to break through the limitations of resources and the environment. In recent years, the R&D personnel and funding investment in the three major regions of China have been continuously increasing, hoping to improve the level of regional technological innovation and green economy development. However, the emissions of industrial wastewater, sulfur dioxide, and solid waste remain high. Optimizing the urban business environment of China's three major economic circles is crucial for enhancing the efficiency of urban green innovation and achieving coordinated economic, social, and environmental development. However, there are differences in the characteristics of factors such as business market environment, legal environment, government environment, and green innovation level among cities, which may exhibit different characteristics in the green development path. Moreover, optimizing an individual business environment element may not necessarily lead to an improvement in urban green innovation performance.

Drawing on the complex system perspective and green innovation chain theory, this study employs multi-period fsQCA and three-stage DEA models to investigate the dynamic path and trajectory of high-efficiency three-stage green innovation driven by business environment ecology. The study focuses on 49 cities in the Yangtze River Delta, Pearl River Delta, and Beijing-Tianjin-Hebei regions of China from 2018 to 2020. It explores the paths of high-efficiency three-stage green innovation driven by business environment ecology from a dynamic perspective. The results indicate that, firstly, an individual business environment factor is not a necessary condition for achieving high efficiency in the three stages of green innovation. Secondly, green innovation forms distinct high-efficiency configuration paths in each stage. Specifically, in the stage of green knowledge innovation, there are two paths: resource synergy-driven and government-market-driven; in the stage of green technology innovation, there are four paths: innovation-led support, financial-government collaboration, government-market co-promotion, and innovation-resource integration; in the stage of green product innovation, it primarily manifests as a path of financial-human resource integration. Thirdly, the elements of the business environment exhibit three high-configuration trajectories: dominant, buffering-dominant, and turning points. In the stage of green knowledge innovation, the dominant trajectories are the government environment, market environment, innovation environment, human resources, and public services; in the stage of green technology innovation, public services become the dominant trajectory, while the market and innovation environments are turning points; in the stage of green product innovation, the dominant trajectories are the market environment and innovation environment, while public services and human resources are turning points.

The innovations are as follows: (1) Traditional research often regards green innovation activities as a black box or analyzes them based on a two-stage model at the enterprise level. Based on the theory of green innovation chain, this study constructs a three-stage input-output index for urban green innovation and enriches the research on the influencing factors of urban green innovation efficiency from the perspective of business environment. (2) Past studies on business environment configuration have primarily focused on regional traditional innovation or enterprise technological talent, rather than urban green innovation. By adopting a complex systems perspective, this study explores the asymmetric causal relationship between business environment ecology and the efficiency of the three stages of urban green innovation. This enables determining multi-source, heterogeneous improvement paths for the efficiency of each stage of urban green innovation according to local conditions. (3) Previous studies have not considered the impact of time factors on causal relationships. This study adopts a dynamic configuration perspective and employs three years of panel data to identify three movement trajectories of ecological elements in the business environment: dominant trajectory, buffering-dominant trajectory, and turning trajectory. From a dynamic viewpoint, this study enriches the research on the configuration of green innovation efficiency within the business environment.

Key Words：Business Environment; Green Innovation Efficiency; Multi-period FsQCA; Configuration Effect

收稿日期：2024-10-11

修回日期：2025-01-18

基金项目：国家社会科学基金一般项目(23BGL065)

作者简介：肖仁桥(1982-),男,湖北武汉人,博士,安徽财经大学工商管理学院教授、博士生导师,华中科技大学管理学院研究员,研究方向为绿色创新管理;高倩(2000-),女,安徽池州人,安徽财经大学工商管理学院硕士研究生,研究方向为绿色创新管理;王宗军(1964-),男,山东青岛人,博士,华中科技大学管理学院教授、博士生导师,研究方向为技术经济与创新管理;钱丽(1981-),女,湖北武汉人,博士,安徽财经大学工商管理学院教授、硕士生导师,研究方向为绿色创新管理。

通讯作者：王宗军。

DOI：10.6049/kjjbydc.D2202410128W

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2026)03-0044-12

0 引言

据全球碳计划(GCP)《2024年全球碳预算》报告显示,2024年全球化石燃料二氧化碳排放量比2023年增长0.8%。按此增速估算,2030年全球平均气温上升超过1.5摄氏度的概率约为50%。为应对气候变化、破解资源环境约束、推动经济社会全面绿色转型,我国积极推进“双碳”战略与“美丽中国”建设目标,出台了《打好污染防治攻坚战宣传工作方案(2018—2020年)》《长江三角洲区域一体化发展规划纲要》等文件,旨在通过发展清洁能源和循环经济,加速绿色技术研发和市场化进程,构建绿色、高效和可持续的产业生态系统。长三角、珠三角及京津冀地区不断增加研发人员和资金投入,寄望提升区域科技创新与绿色经济发展水平,但工业废水、二氧化硫和固体废弃物排放量仍居高不下,表明绿色技术创新与污染减排之间存在一定程度脱节。这一矛盾凸显了现有研究的关键缺口:绿色创新的推进不仅依赖技术突破,更需要制度环境协同[1]。绿色创新是指对传统技术、产品、工艺或系统进行绿色化改良或创造的一系列活动[2],其本质在于运用新技术、新理念,实现资源高效利用、污染排放显著下降和经济发展水平提升[3]。为了加快城市经济社会的全面绿色转型,提高绿色创新能力显得尤为关键。

营商环境是企业开展创新创业活动时所处的综合性生态系统(李志军,2019)。世界银行将营商环境定义为企业等组织从创办到运营,直至退出市场所面临的外部条件的总和[4]。为系统推进市场化、法治化营商环境建设,2019年我国颁布《优化营商环境条例》,要求实行全国统一的市场准入负面清单管理制度,建立知识产权侵权惩罚性赔偿制度[5]。各地方政府持续推进“放管服”改革,不断优化营商环境,激发企业创新活力。《全球营商环境报告2022》显示,中国排名提升至第31位。绿色创新的正外部性与长周期特征,决定其发展高度依赖制度环境支持。营商环境通过降低交易成本和风险溢价,直接影响企业创新资源配置。行政效率提升与绿色金融政策可显著促进清洁技术投资。各城市营商市场环境、法治环境、政务环境等要素特征以及绿色创新水平存在差异,其绿色发展路径也不同。因此,探寻营商环境与绿色创新效率之间的多重并发、非对称因果关系以及营商环境要素变化轨迹,因地制宜地优化营商环境,推动城市绿色创新发展,具有重要的理论价值和现实意义。

1 文献综述

与本文主题相关的文献主要分为以下三类:

关注绿色创新及其效率的影响因素,研究主要集中于企业与区域两个维度。企业层面,学者们发现企业环境伦理[6]、高管环保认知[7]和数字化转型[8]对企业绿色创新具有显著促进作用。区域层面,聚焦环境规制[9]、政府支持[10]和绿色金融[11-12]等因素对绿色创新的影响。如Hu等[11]发现,绿色金融能够促进技术创新,并在环境质量较高时抑制二氧化碳排放;而刘金科等[12]的研究表明,绿色信贷政策对绿色创新作用不显著,减污降碳效应并不明显。此外,部分学者关注到绿色创新效率的影响因素。如Wang等[13]基于内部视角的研究表明,采用人工智能的能源公司,其绿色创新效率更高,其中,专注于短期利益的高管发挥了负向调节作用;罗茜等[14]则从外部规制角度出发,探讨了命令控制型等3种环境规制对绿色创新效率的积极影响及区域差异性。以上研究将绿色创新看做一个黑箱,在此基础上,Ren等[15]将绿色创新分解为绿色技术研发和成果转化两阶段,并发现气候风险显著提升企业绿色创新两阶段效率;肖仁桥等[16]则从非线性关系角度出发,发现不同环境规制对工业企业绿色创新两阶段效率具有U型或倒U型影响以及政府科技、环保支持的调节效应。

聚焦营商环境对绿色创新的影响研究。如张泽南等[17]基于理论分析指出,在营商环境优越地区,绿色知识产权保护水平与法律规范程度也较高,进而促进企业绿色创新,但未进行实证检验;在此基础上,Wang等[18]基于中国各省份数据的实证分析发现,营商环境可通过促进技术市场发展、加强政府监管以及扩大开放,进而推动区域绿色创新;考虑实证分析中可能存在变量间的内生性问题,Tan等[19]将互联网+政府服务作为一项准自然实验,发现数字政府通过推动商业环境数字化、降低企业交易成本、增加研发投入等途径,促进企业绿色创新,这既验证了数字政务的具体影响,又保持了因果推断的严谨性;张军[20]则探讨了《公司法》修订视角下营商环境优化对企业绿色创新绩效的影响,发现《公司法》修订有利于营商环境发挥促进效应。然而上述文献[18-20]均基于线性回归分析方法关注营商环境各要素的独立净效应,忽视了要素间的联动效应以及驱动路径的多重并发与因果非对称性。

关注组态视角下营商环境对绿色创新的影响。部分学者采用组态理论和QCA方法(Fiss, 2011),探讨营商环境各要素间的联动效应,揭示不同因素组合对结果变量的非对称影响[21]。如侯冠宇和胡宁宁[22]运用fsQCA方法,研究营商环境7个前因条件对区域创新的协同驱动效应,并识别出4种高组态路径和4种非高组态路径;还有学者基于生态系统理论和fsQCA方法,探究城市营商环境促进企业科技创新人才集聚的实现路径,识别出市场和创新环境主导下金融与政务保障型等3条高组态路径(孙柏鹏等,2025)。然而,上述组态分析主要以区域传统创新或企业科技人才为研究对象,针对引致区域绿色创新效率提升的营商环境组态效应分析尚不充分。有学者基于多重制度压力分析框架[23]或制度组态框架[24],探讨绿色技术创新及其效率提升的多元路径,虽然其研究对象为绿色创新,但基于营商环境的探究不足,且无法捕捉营商环境优化的动态过程。这为本文结合fsQCA与纵向分析,深入开展营商环境对促进城市绿色创新效率提升的组态效应研究提供了切入点。

通过文献梳理发现:第一,基于区域环境视角的绿色创新影响因素研究(如环境规制[9,14,16]、绿色金融[11-12]),其结论并不一致,城市营商环境作为一种区域软环境,对绿色创新效率的作用机制尚待深入探讨。第二,尽管现有文献关注到营商环境对区域[18]或企业[19-20]绿色创新的线性影响,但未综合考虑绿色创新投入和产出,且鲜有文献探讨营商环境对城市绿色创新效率的影响。绿色创新作为一个复杂的创新过程,涉及多个相互关联的子过程[25]。与企业主要关注绿色研发和成果转化两阶段不同,城市还肩负绿色知识创新使命[26],企业层面的“研发-转化”二元模型难以适用于城市尺度的知识生产、技术孵化和效益转化等复杂过程,且营商环境对城市绿色创新的多阶段影响机制尚不明确,有待深入研究。第三,从营商环境组态视角出发,研究对象多为传统创新[22]或企业科技人才(孙柏鹏等,2025),而非城市绿色创新及效率,且多集中于静态层面和路径分析,而静态分析无法解释动态演化过程,横截面研究不能揭示营商环境优化的长期累积效应,且缺乏对要素轨迹变化的考察。基于此,本文从动态组态视角出发,运用fsQCA和DEA方法系统考察营商环境要素组合对绿色创新三阶段效率的差异化影响及其时空演化规律。本文在理论层面,基于营商环境生态理论揭示要素协同机制;在方法层面,采用动态组态分析技术,捕捉营商环境优化的路径依赖特征;在实践层面,提出区域适配政策,为不同类型城市提供精准治理方案。

2 理论分析与研究框架

绿色创新链理论突破传统创新的黑箱范式,构建了包含“知识创新-科技创新-产品创新”三阶段的跃迁模型[25-26]。在绿色知识创新阶段,以高校和科研机构为创新主体,关注可持续发展理论体系构建,形成具有公共产品属性的知识储备库;在绿色科技创新阶段,以企业、高校和科研机构为创新主体,通过研发补贴、技术孵化等政策工具,推动知识向专利技术转化;在绿色产品创新阶段,以企业为主体,依托市场机制实现技术商业化,完成科技价值向生态经济价值的跃迁。相比于企业视角下的“技术-产品”二元创新模型[16],城市层面的三阶段框架呈现出完整的创新闭环,有助于破解知识创造环节正外部性所导致的“市场失灵”困境[26]。营商环境是由政务环境、市场环境和法治环境等多要素组成的复杂适应系统。其中,政务环境通过环境税制改革和绿色信贷定向投放,增加企业研发投入;市场环境则借助价格信号传导和消费者绿色偏好,倒逼企业实施清洁生产并满足市场绿色需求;法治环境通过缩短专利审查周期和加强侵权惩罚性赔偿保障创新者利益。依据复杂系统观,营商环境优化是要素间动态适配的系统工程,具有开放性和非线性等特征(李景平等,2001)。开放性体现国际绿色标准的内化,非线性体现为政策组合的乘数效应。绿色创新效率并非由单一营商环境要素驱动,而是多因并发的结果。

2.1 营商环境与绿色知识创新效率

绿色知识创新作为绿色创新链的第一阶段,通过系统开发和应用以可持续发展为导向的新知识体系,推动技术变革与管理创新[27],其本质是通过科学实践将社会资源转化为结构化知识资本(王璐瑶等,2022)。根据三重螺旋理论,由政府、高校和企业构成的创新共同体通过需求导向的协同演化,形成知识生产与应用的螺旋式上升机制。其中,高校扮演基础研究的核心角色,通过绿色知识溢出效应重塑产业认知图谱[28]。例如,深圳颁布《关于加强基础科学研究的实施办法》,通过一系列体系构建推动知识创新,包括目标导向型科研项目管理体系、突破型实验室体系以及政府间科技合作体系等,营造良好的基础研究创新环境。政务环境通过简化行政审批流程、建立“秒批”数字政务系统,降低企业绿色创新合规成本,并推出“绿色技术快速审查通道”,显著缩短知识向技术的转化周期。市场环境则通过构建碳交易市场、绿色技术拍卖平台等新型要素市场,促进知识增值螺旋形成。由此,政务环境与市场环境之间形成双向反馈的共生关系,即政府通过研发加计扣除、绿色采购等政策工具引导创新方向,同时,建立企业创新需求大数据平台,实时捕捉企业绿色技术瓶颈信息。这种双向反馈机制催生“政策迭代-市场响应”的动态调适过程,二者协同作用,促进绿色技术交易,实现知识创新效率持续提升。

2.2 营商环境与绿色科技创新效率

绿色科技创新作为绿色创新链的第二阶段,肩负实现“知识转化-技术突破”核心功能的重任[29]。根据创新生态系统理论,营商环境的重要性不言而喻。政策引导、金融支持和法规保障三维协同,激发企业、科研院所和高校等创新主体的绿色技术研发活力。政府与金融机构通过研发专项补助、绿色信贷优惠等政策工具,构建“风险共担-利益共享”的创新激励机制,为创新主体提供稳定的制度预期和资金保障(Fernandes等,2021)。以杭州为例,实施了机器人产业专项扶持计划,推出了技术研发补贴、首台装备采购奖励等政策;同时,启动了“青荷驿站”计划,并配合“缴纳社保即落户”新政和梯度化人才购房补贴政策,营造了良好的创新环境。这种制度设计有助于实现人才链与创新链深度融合,依托人才集聚产生的知识溢出效应和技术扩散效应[30]推动人工智能等领域形成创新集群优势。此外,杭州将《优化营商环境条例》与绿色创新发展战略有效融合,实施市场准入负面清单制度,完善绿色技术标准体系和知识产权保护机制,构建了一个规范有序、包容审慎的市场竞争环境。在这种营商环境下有助于促进供给侧技术研发与需求侧市场应用之间的良性互动,实现关键核心技术突破和城市绿色科技创新效率提升。

2.3 营商环境与绿色产品创新效率

绿色产品创新作为绿色创新链的第三阶段,通过应用绿色设计理念、环保材料以及节能工艺,实现经济价值与生态价值的协同创造(Ahmed等,2023)。依据开放式创新理论,优化的营商环境能够促进企业、高校、科研院所及中介机构等多元主体合作,加速绿色产品创新进程并提高创新质量。政府通过加强知识产权保护和完善市场体系,激发企业绿色产品创新活力(牛志伟等,2013),促进产品的市场推广及规模化生产,提升城市绿色产品创新效率。例如,政府在《优化营商环境条例》中引入知识产权保护措施,鼓励企业增加核心技术及产品研发投入,并通过一系列措施降低企业创新风险。良好的金融环境能够加速资金流转、促进人才精准匹配;而充足的人力资源储备又能加速金融创新、优化金融服务质量并提升金融市场运作效率。这种双向互动促进城市发展转向绿色集约型发展范式。在优化的营商环境下,持续的绿色创新投入促使企业基于市场导向,专注于产品创新和市场开拓,建立完善的绿色生产工艺体系[2],提升绿色产品创新质量与效率。

综上,本文构建研究框架如图1所示。

3 研究设计

3.1 研究方法

3.1.1 DEA效率测度模型

绿色创新效率测度方法主要包括数据包络分析(DEA)[31]和随机前沿分析(SFA)[32]两种。SFA是一种基于回归分析的参数方法,其要求预先设定生产函数的具体形式,且仅适用于评价单一产出下的决策单元(DMU)效率,因而应用受限。DEA方法是一种基于多投入多产出评估相对效率的非参数方法,其运用线性规划理论和凸分析理论,根据样本投入与产出数据构建生产前沿面,无需预先设定生产函数形式。鉴于绿色创新活动涉及科技、经济、环境等多方面产出,DEA方法非常适用于绿色创新效率测度。传统DEA-CCR模型[31]假定决策单元的规模收益恒定,进而测算决策单元的综合效率,但该假定过于严苛且无法剔除规模效应的影响。Banker等[33]放宽了这一假定,构建规模报酬可变情形下的DEA-BCC效率测算模型,用于评估决策单元的纯技术效率。据此,本文采用基于投入导向的DEA-BCC模型对城市绿色创新三阶段效率进行测度分析。

3.1.2 fsQCA方法

回归分析法主要研究一个或多个自变量与因变量之间的关系,而定性比较分析(QCA)方法将研究对象视作条件组态,通过系统比较不同案例的条件组合,识别出影响条件间的因果关系,有效分析多因并发、因果非对称性等复杂问题[21],适用于本文营商环境驱动城市绿色创新效率提升的路径研究。QCA方法涵盖清晰集定性比较分析方法(csQCA)、模糊集定性比较分析方法(fsQCA)和多值集定性比较分析方法(mvQCA)。其中,csQCA采用二进制数据(0或1),适用于变量清晰可分的情况,但其结果过于简化且忽略变量间的复杂交互作用;mvQCA允许使用多值变量,能够包含3个或更多不同值,但多值变量的校准和模糊集划分过程带有主观性,若将原本为连续变量的营商环境进行分类处理并转化为分类变量,可能导致信息损失;在fsQCA中,案例某个特征的可被观察程度被量化为0～1之间的任意数值,非常适合基于连续变量的校准[34]。因此,本文采用fsQCA方法进行营商环境组态分析。

3.2 变量选取

3.2.1 结果变量

以各阶段效率作为结果变量,这是因为各阶段绿色创新主体不同,需选择相应的投入产出指标并将各阶段产出作为下一阶段的部分投入,以体现绿色创新的链式特征。各阶段投入指标选取如下:第一,在绿色知识创新阶段,主要从高校和科研机构角度衡量投入(余泳泽和刘大勇,2013),鉴于当前研究机构呈现高校化特征,如中国科学院大学、中国社会科学院大学等,且城市层面数据未将高校和科研机构剥离,故本文从高校角度出发,选取普通高等学校教师数和教育事业费支出2个投入指标衡量。产出指标选取区域绿色SCI和SSCI收录科技论文数表征,在Web of Science的SCI、SCCI子库中以论文第一作者单位为条件,以“绿色”为关键词进行检索获得,这些论文反映城市在绿色知识创新领域的科研实力[26]。第二,在绿色科技创新阶段,除前一阶段的论文产出外,还增加区域R&D人员数、区域R&D内部经费支出2个投入指标。在“双碳”目标下,无法将绿色研发人员与传统研发人员进行剥离。产出指标则选取区域绿色专利授权数和区域发明专利授权数,其代表区域科技创新水平的社会认可度与技术优势。第三,在绿色产品创新阶段,员工涉及绿色生产、营销策划等多个环节。因此,除前一阶段的专利产出外,还增加员工人数和工业用电量2个投入指标。产出则考虑经济收益和环境效益2个方面,包括企业营业收入、企业净利润、工业氮氧化物以及工业二氧化硫排放量,并对非期望产出指标作负向标准化处理。由于绿色创新投入转化为产出存在时滞性,故将每个阶段的产出指标滞后一期。

3.2.2 条件变量

本文前因条件选取与计算参考《中国城市营商环境评价》(李志军,2021),具体如下:

(1)政务环境。政务环境反映政府服务规模和服务水平,本文选取政府支出(50%)和政商关系(50%)加权计算得出。

(2)金融服务。金融服务是企业外部环境中的重要因素,缓解融资约束可以提升地区生产效率和活力,本文选取从业规模(50%)和融资服务(50%)加权计算得出。

(3)市场环境。市场环境涉及经济水平、投资风险和市场开放度,选取经济指标(40%)和进出口(60%)加权计算得出。

(4)公共服务。公共服务水平,如水电气供应和医疗卫生,对企业生产运营、效率、投资决策和产品销售有重要影响,本文选取天然气供应(25%)、水力供应(25%)、电力供应(25%)和医疗情况(25%)加权计算得出。

(5)创新环境。创新环境改善有利于企业绿色创新,选取创新投入(50%)和创新产出(50%)加权计算得出。

(6)人力资源。人力资本是企业进行经营管理和开展创新活动的重要资源,选取人力资源储备(70%)和劳动力成本(30%)加权计算得出。

(7)法治环境。法治环境能确保各市场主体合法权益得到保护,本文选取社会治安(30%)、司法服务(40%)和司法信息公开度(30%)加权计算得出。

3.3 数据来源及处理

3.3.1 数据来源

本文选取长三角、珠三角及京津冀三大地区城市作为研究样本。这些城市兼具高水平创新要素集聚与显著环境压力的特征,为本文提供了代表性研究样本。《国务院关于实行市场准入负面清单制度的意见》明确“从2018年起正式实行全国统一的市场准入负面清单制度”,鉴于2020年新冠疫情带来波动较大,可能对研究结论造成干扰,故本文研究时期为2018-2020年。城市营商环境指标数据主要来源于2018-2020年《中国城市营商环境评价》。测算结果变量绿色创新效率时,对于少数缺失的投入产出指标数据采用线性插值法进行补全。将城市绿色创新效率与营商环境数据进行匹配,剔除数据严重缺失的个别城市,获得49个城市绿色知识创新、49个城市绿色科技创新数据和其中45个城市的绿色产品创新数据(池州、廊坊、张家口、秦皇岛因数据缺失未纳入)。

3.3.2 数据处理

对于结果变量绿色创新效率,由于模糊集定性比较分析(fsQCA)结果是集合关系而非变量,故本文对各变量数据采用直接校准法。以完全隶属(0.75)、交叉点(0.5)、完全不隶属(0.25)的标准进行校准[24],因0.50的案例隶属度在QCA软件分析中无法判断其归属,本文设定若此变量均值高于0.5,则将其调整为0.499;若低于0.5则调整为0.501。表1展示2018年城市营商环境与绿色创新三阶段效率校准点和描述性统计分析结果,相较于前两个阶段,绿色产品创新阶段样本量略有下降,但并不影响模糊集校准及描述性统计分析结果。2018年法治环境数据缺失,故未纳入表1。限于篇幅,2019-2020年数据未展示。

4 实证结果与分析

4.1 单个条件必要性分析

表2展示2018年各前因条件的必要性分析结果,发现一致性和覆盖度均小于0.9,即各前因条件均不构成驱动绿色创新三阶段效率提升的必要条件。2019-2020年检验结果类似,囿于篇幅未展示。由于2018年法治环境数据缺失,表2中2018年必要性分析未被纳入,后续2019-2020年组态分析中,该变量已被作为条件变量完整考虑。结果显示,法治环境并非各阶段绿色创新效率提升的必要条件。

4.2 条件组态充分性分析

首先,以长三角、珠三角及京津冀三大地区城市绿色创新的三阶段效率为研究对象,与相对应的营商环境指数进行匹配,以校准数据进行条件组态分析。由于本文案例数为中小样本,故将案例频数阈值设定为1,将一致性阈值设置为0.80。为减少矛盾组态出现,将PIR阈值设定为0.75。其次,进行反事实分析过程中,由于现有文献对前因条件的影响尚无统一定论,故本文认为营商环境各要素无论存在或缺失均可能贡献高绿色创新效率,并以中间解为主、简约解为辅,报告高效率与非高效率的组态结果。此外,通过中间解与简约解的嵌套关系对比,区分每个解的核心和边缘条件[21]。最后,从时间维度分析营商环境对城市实现三阶段绿色创新高效率的动态影响效应,得出3种运动轨迹[35]:①主导轨迹——前因条件在整个过程中均发挥关键作用,持续影响结果发展;②缓冲主导轨迹——前因条件在第一阶段发挥主导作用,后续阶段出现明显转折;③转折轨迹——前因条件在第一阶段发挥作用较小,但在后续阶段发挥关键作用,或正好相反。

4.3 绿色知识创新的高组态路径及动态分析

4.3.1 高组态路径

(1)资源协同驱动型。以2018年为例进行分析。由表3可知,组态H1和H2中高金融服务、高创新环境和高人力资源均存在,而其他条件或多或少存在缺失,故将这2条组态命名为资源协同驱动型。组态H1表明以高政务环境、非高公共服务、高创新环境、高人力资源为核心条件,高金融服务为边缘条件,可以产生高绿色知识创新效率;组态H2表明以高金融服务、高市场环境、高创新环境、高人力资源为核心条件,高公共服务为边缘条件,也可以产生高绿色知识创新效率。属于组态H1的典型城市包括嘉兴、金华和合肥;属于组态H2的典型城市包括上海、南京。以合肥为例,由2018年营商环境评价结果可知,合肥营商环境综合指数全国排名第23位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别处于第39、18、21、61、26与15位。合肥启用了合肥国际人才城和海外人才创新创业基地,其科研投入占GDP的3.24%,跻身全球科研城市前50。在良好的创新环境和人力资源条件下,政务环境与金融服务发挥协同作用。金融服务方面,通过实施绿色信贷政策、推出气候创新保险产品、执行ESG投资筛选机制等手段,促进绿色知识探索及应用。政务环境则通过引导绿色技术的基础研究,促进企业与高校、科研院所协同攻关,进而提升城市绿色知识产出效率,符合本文中资源协同驱动型营商环境的典型特征。

(2)政务市场驱动型。由表3可知,组态H3和H4中高政务环境、高市场环境条件均存在,而金融服务、人力资源等其他条件或多或少存在缺失,故将这2条组态命名为政务市场驱动型。组态H3、H4均以高政务环境、非高金融服务、高市场环境、非高公共服务为核心条件,差别在于创新环境和人力资源条件存在或缺失情况相反,并同样产生城市高绿色知识创新效率。属于组态H3的典型城市为中山;属于组态H4的典型城市为舟山。以中山为例,由2018年营商环境评价结果可知,中山营商环境综合指数全国排名第54位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别位于第21、70、58、84、50与31位。中山通过实施行政审批流程再造与全链条监管体系重构,构建了“宽准入-强监管”协同治理模式。政务环境方面,通过政策引导与监管,为绿色知识创新提供制度保障,利用市场机制促进各类创新要素高效配置,并结合市场信号调整创新策略,加大基础研究投入,孵化出具有市场前景的原创性成果,符合本文中政务市场驱动型营商环境的典型特征。

对比组态H1和H2可知,根据原始覆盖度指标,组态H2覆盖近六成案例样本,更能显著激活绿色知识创新能力,即大部分城市通过组态路径H2提升绿色知识创新效率。进一步分析组态H1和H2可知,存在相同的核心条件(创新环境和人力资源),协同各维度要素提高绿色知识创新效率。对比组态H3和H4可知,根据原始覆盖度指标,组态H3和H4覆盖率基本相同,且由于H3和H4的政务环境、市场环境2个核心条件存在以及金融服务、公共服务2个核心条件均缺失,表明创新环境与人力资源间可能存在替代作用,即边缘条件不同对于组态覆盖度的影响较弱。

4.3.2 非高组态路径分析

QCA方法关注条件与结果变量之间的因果非对称性,即结果存在高低两种情形,需要不同的条件组合予以解释[21]。以2018年为例,由表4可知,绿色知识创新阶段产生2个非高组态,因核心条件相同,边缘条件存在替代关系,故构成二阶等价组态。具体而言,组态NH1a表明在以政务环境、金融服务、市场环境和人力资源为核心条件缺失,创新环境为边缘条件缺失的营商环境下,城市绿色知识创新效率不高;而组态NH1b表明在上述核心条件缺失且公共服务为边缘条件缺失的营商环境下,无法实现城市高绿色知识创新效率。

4.3.3 动态分析

表3和表4展示2018-2020年各前因条件演化过程,结果发现,在高组态路径中,第一,高政务环境、高市场环境、高创新环境、高人力资源和非高公共服务要素基本稳定出现,其演化趋势呈现出主导轨迹特征(Litrico和David,2017)。这表明尽管公共服务亟待改善,城市仍可通过简化行政审批流程、激发市场主体活力、优化创新环境和引育高层次人才,提升绿色知识创新效率。第二,金融服务对城市绿色知识创新的作用在一定程度上出现轨迹偏离,并在2020年重新回到原作用轨迹,其演化趋势呈现出缓冲主导轨迹特征。因此,城市治理者必须加强金融环境建设,通过绿色信贷及绿色技术研发项目,为绿色前沿理论研究提供稳定的资金支持,激发城市绿色知识创新潜能。

在非高组态路径中:第一,非高市场环境和非高人力资源要素基本稳定出现,其演化趋势呈现出主导轨迹特征。这是因为部分城市的市场环境与人力资源发展欠佳,反映出其在市场竞争与人才吸引等方面表现不足。第二,非高政务环境要素对城市绿色知识创新的作用在一定程度上出现轨迹偏离,于2020年又重新回到原有轨迹中,其演化趋势具有缓冲主导轨迹特征,表明较低的政务环境水平对城市绿色知识创新产生不利影响,因此城市管理者需加强政务环境建设。第三,非高创新环境要素在城市绿色知识创新的后续阶段持续发挥作用,各组态演化呈现出转折轨迹特征。这种转折并非发展停滞,而是城市在适应未来技术发展、资源环境限制等外部变化中的积极调整,表明绿色知识创新是一个持续优化的动态过程。

4.4 绿色科技创新的高组态路径及动态分析

4.4.1 高组态路径

(1)创新主导支撑型。以2018年为例,将表5中组态H1a与H1b进行比较,发现两个组态的核心条件(高创新环境、非高市场环境、非高公共服务)相同,而3个边缘条件(政务环境、金融服务和人力资源)存在可替代关系。因此,它们构成二阶等价组态[21]。属于这类营商环境的典型城市有盐城、惠州、金华。以金华为例,由2018年营商环境评价结果可知,金华营商环境综合指数全国排名第59位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别位于第28、50、39、113、76和42位。相关资料显示,2018年金华积极构建以创新驱动为核心的发展模式,实施“智选金华”高层次人才集聚计划和“金领·511”高技能人才培育工程。同时,实施专利质量提升专项行动,建立侵权快速响应机制,吸引大量优质绿色科技人才和资本流入,促进城市绿色科技创新效率提升,符合本文中创新主导支撑型营商环境的典型特征。

(2)金融政府协同型。在组态H2中,以高金融服务、非高市场环境、非高人力资源为核心条件,以高政务环境、高公共服务、非高创新环境为边缘条件的营商环境可产生高绿色科技创新效率。属于这类营商环境的典型城市有台州。由2018年营商环境评价结果可知,台州营商环境综合指数全国排名第63位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别位于第41、71、41、46、79和45位。2018年台州推出一种新型的小微企业金融服务模式,并提供关键基础设施和服务,有效缓解了绿色科技项目的融资压力。此外,该市以南方科技大学台州研究院等创新平台为依托,构建高层次人才全链条双创平台。通过高等教育和专业技能培训,培养复合型绿色技术人才梯队,绿色发明专利数量显著增加,促进绿色科技创新效率提升,符合本文中金融政府协同型营商环境的典型特征。

(3)政府市场共促型。在组态H3和H4中,以高政务环境、非高金融服务、高市场环境为核心条件,辅以创新环境为核心条件或以人力资源为边缘条件,均可实现高绿色科技创新效率。属于组态H3的典型城市为中山;属于组态H4的典型城市为舟山。以中山为例,由2018年营商环境评价结果可知,中山营商环境综合指数全国排名第54位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别位于第21、70、58、84、50和31位。2018年中山积极推进数字化政府建设,深化商事制度改革,实现了超过70%的行政许可在线办理,颁布并实施科技创新创业投资引导基金等措施,促进绿色技术人才集聚。此外,还构建了技术转化平台,推动知识产权交易和成果转化,坚持市场主体地位和持续创新导向,提升城市企业技术水平和品牌价值,促进绿色科技创新效率提升,符合本文中政府市场共促型营商环境的典型特征。

(4)创新资源整合型。在组态H5中,以非高金融服务、高创新环境为核心条件,以非高政务环境、高市场环境、高公共服务、高人力资源为边缘条件的营商环境可产生城市高科技创新效率。属于这类营商环境的典型城市为镇江。由2018年营商环境评价结果可知,镇江营商环境综合指数全国排名第44位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别位于第82、56、60、47、25和34位。相关资料显示,镇江正深化“一带三谷”计划,特别是G312创新带建设,以吸引创新型企业与人才;构建国家级企业网络服务示范平台,拓展绿色创新项目合作范围,营造有利于创新的环境。同时,完善外商“一卡通”优惠政策,加速公共服务体系绿色转型,推动绿色技术在社会各层面的普及与应用,进而提升绿色科技创新效率,符合本文中创新资源整合型营商环境的典型特征。

对比组态H1a、H1b和H5可知,3个组态均存在多个核心条件缺失而创新环境作为核心条件存在,表明只要创新环境得到优化,就有可能推动绿色科技创新发展。对比组态H3和H4可知,两者的覆盖率基本相同,存在相同的核心条件(高政务环境和高市场环境),协同各要素提升绿色科技创新效率。同时,创新环境在H3中作为核心条件存在,而在H4中属于边缘条件缺失,人力资源则由边缘条件缺失转变为存在,反映出创新环境和人力资源可能存在替代作用。上述说明不同核心条件的协调与互补,有利于资源整合、政策协调和技术推广,从而形成多元化绿色科技创新发展路径。

需要说明的是,本文还得出非高组态结果,由于组态分析目的是寻找产生高效率的组态路径,故限于篇幅而未展示非高组态结果。在绿色产品创新阶段,同样做了类似处理,不再赘述。

4.4.2 动态分析

表5展示2018-2020年前因条件动态演化过程,研究发现:第一,高组态路径中非高公共服务对各组态演化呈现出主导轨迹特征,表明在公共支出和服务水平较低情况下,通过构建良好的创新环境并提升政务服务质量,亦能实现高水平绿色科技创新效率。因此,优化政务与创新环境是推动城市绿色科技创新的关键。第二,高组态路径中非高金融服务对城市绿色科技创新的影响路径在一定程度上出现偏离,2020年又回归至原有作用轨道,其演变趋势表现出缓冲主导轨迹特征,说明提升城市金融发展水平对于推动实体创新具有重要的基础性作用,但过度金融化未带来积极效果,换而言之,金融环境需与其它营商环境要素协同发展。第三,由核心条件存在变为边缘条件存在或缺失,说明高市场环境、高创新环境对城市绿色科技创新高组态表现出转折轨迹特征,反映出在政务环境缺失情况下,政策引导不足、市场资源整合受限会阻碍城市市场和创新环境形成。而优越的市场和创新环境可引导企业、高校与科研机构投身绿色科技研发领域,故需增加创新要素供给,优化营商市场环境。

4.5 绿色产品创新的高组态路径及动态分析

4.5.1 高组态路径

金融人力融合型。以2018年为例,表6中组态H1显示,以非高政务环境、非高市场环境、非高公共服务、非高创新环境为核心条件,以非高金融服务、非高人力资源为边缘条件的营商环境可产生城市高绿色产品创新效率。属于这类营商环境的典型城市有邢台、铜陵等。以邢台为例,由2018年营商环境评价结果可知,邢台营商环境综合指数全国排名第44位,其中,政务环境、人力资源、金融服务、公共服务、市场环境与创新环境分别处于第188、214、80、150、194和161位。2018年邢台实施“双创双服”活动、深化“放管服”改革、推动传统产业转型升级,通过改革金融服务体系、提供优惠贷款、实施减税降费政策、建设创新平台、培养创新人才等一系列措施,有效促进绿色产品创新。在缺乏创新激励和市场环境支持的情况下,企业绿色产品创新效率仍有提升。

4.5.2 动态分析

表6展示了2018-2020年绿色产品创新效率各前因条件的动态演化过程。可以发现,第一,高组态路径中非高市场环境、非高创新环境要素对各组态演化表现出主导轨迹特征,说明需维护市场公平、有序和竞争性,激发市场主体的创新活力。同时,为创新主体提供融资便利,完善国家级技术孵化中心和成果交易平台建设,为绿色产品研发及市场推广创造良好的创新环境。第二,非高政务环境要素对各组态演化表现出缓冲主导轨迹特征,表明政务环境可能限制绿色产品创新,因此改善政务环境、简化审批流程和扫除创新障碍显得至关重要。第三,非高公共服务和非高人力资源要素对各组态演化存在转折轨迹特征。由核心条件缺失变为边缘条件存在或核心条件存在,表明公共服务和人力资源水平协同发展能够产生高知识产品创新效率。因此,应加强城市燃气、水电等基础设施建设,注重高端人才引进和青年人才培养,促进绿色产品创新。

4.6 稳健性检验

为验证前述结论的稳健性,本文借鉴Schneider &Wagemann[36]提出的调整一致性阈值方法,即若研究结论在不同一致性水平或模糊集校准阈值下依然保持路径间的显著包含关系,则可认定结果稳健(万骁乐等,2022)。本文采用两种一致性阈值检验方法:首先,降低原始一致性阈值(从0.80降至0.75),检验结果显示,组态路径之间未出现显著差异,既未出现缺失必要条件,也未出现边缘条件替代核心条件的显著变化;其次,降低PRI一致性阈值(从0.75降至0.70),检验结果表明,得到的组态路径完全覆盖了前文所得组态结果,仅在组态路径数量上存在微小差异,但未影响原始组态的完整性,也未引起核心条件与边缘条件之间的替代效应。综上,由两种稳健性检验获得的组态结果与前文所述组态结果基本一致,表明本文结论具有稳健性。

5 研究结论与政策启示

5.1 研究结论

本文基于复杂系统观和绿色创新链理论,利用多时段fsQCA、三阶段DEA模型,采用2018-2020年长三角、珠三角及京津冀地区49个城市样本数据,探讨营商环境对城市绿色创新三阶段效率的组态影响及其运动轨迹,得出主要结论如下:

(1)单个营商环境要素不是构成绿色创新三阶段高效率的必要条件,高效率是营商环境7个前因条件多重并发作用结果。实现绿色创新高效发展,需整体优化营商环境,促进关键条件有效整合与共同作用。

(2)绿色创新三阶段实现高绿色创新效率的组态路径中,绿色知识创新阶段包含资源协同驱动型、政务市场驱动型2种路径;绿色科技创新阶段包含创新主导支撑型、金融政府协同型、政府市场共促型和创新资源整合型4种路径;绿色产品创新阶段形成金融人力融合型路径。

(3)高组态路径中,营商环境要素呈现出主导轨迹、缓冲主导轨迹和转折轨迹3种演化特征。其中,绿色知识创新阶段发挥主导轨迹作用的因素为政务环境、市场环境、创新环境、人力资源和公共服务,金融服务发挥缓冲主导轨迹作用;而绿色科技创新阶段发挥主导轨迹作用的因素为公共服务,市场环境和创新环境发挥转折轨迹作用;绿色产品创新阶段的主导轨迹因素为市场环境和创新环境,公共服务和人力资源则为转折轨迹因素。

5.2 政策启示

5.2.1 双重路径驱动城市绿色知识创新效率提升

(1)政务市场驱动型路径表明,在政务环境与市场环境均较优的城市,如中山、舟山,需进一步简化行政审批流程、实施政策分级响应制度(在基础研发阶段,政府承担70%风险,而在产业化阶段,采取市场主导+政府绿色采购模式)、建立政企共建的绿色技术银行等举措,推动城市绿色知识创新。

(2)资源协同驱动型路径表明,如合肥、南京可利用丰富的人才资源、持续的研发投入等要素促进绿色知识创新效率提升。通过选拔“绿色技术双导师库”、建立长三角科研设备共享云平台、建设零碳创新实景实验室、实施弹性工作签证政策等措施,吸引高技术人才集聚,促进绿色知识创新效率提升。

鉴于高政务环境、高市场环境、高创新环境、高人力资源作为该阶段主导轨迹因素,因而需构建一个涵盖政策支持的政务环境、需求引领的市场环境、技术赋能的创新环境以及队伍保障的人力资源的四位一体制度框架,建立政策协同、区域协同以及产学研协同等多维协同机制,促进城市绿色知识创新。

5.2.2 四维路径协同助力城市绿色科技创新效率提升

(1)创新主导支撑型路径说明,此类城市需促进跨国界、跨学科开放式创新联合体建立,利用区块链赋能平台,实现全球技术开发,构建知识要素的跨境流动通道,加速科研资源向技术成果的转化。

(2)金融政府协同型路径说明,金融服务和政务环境的良性耦合对绿色科技创新至关重要,可设立研发阶段风险补偿基金、政府绿色科研专项债以及开发绿色技术保险共保体等政策性金融工具,发挥政府与金融服务的协同作用。

(3)政府市场共促型路径说明,需协同发挥研发费用加计扣除等政策与风险补偿基金的作用,建立政府与市场的碳定价联动机制,联合政府和市场力量建设绿色技术中试基地与产业共享实验室。

(4)创新资源整合型路径说明,创新资源整合可加速绿色科技创新进程,此类城市需加强建立研发容错机制、科学家创业保障和知识产权弹性保护制度等。

鉴于市场环境和创新环境作为该阶段转折轨迹因素,因此需构建一套成熟的创新环境评价体系,通过将创新成熟度与市场应用场景进行精准匹配,促进城市绿色科技创新效率提升。

5.2.3 以金融与人力协同推动城市绿色产品创新

金融人力融合型路径表明,金融环境与人力资源协同在提升城市绿色产品创新效率上发挥重要作用。

(1)强化政府与金融机构协同,加大对突破绿色核心技术瓶颈企业的股权融资支持,支持绿色科技产业领域的整合与重组;构建定向资金支持机制,开发绿色信贷、绿色债券、ESG基金和碳金融等产品,优先资助低碳技术研发项目。

(2)鼓励高校开设“绿色金融+工程技术”双学位项目,通过学科交叉培养复合型人才;建立绿色工程师资格认证制度,组建跨部门创新小组并设置绿色创新专项KPI。

(3)加大对新型基础设施、清洁能源、养老等关键领域的投资,从供给侧和需求侧两端发力,共同促进绿色产品创新。此外,不断完善创新人才引育与激励机制,如为从事技术转化的人员提供带薪进修假期等激励措施,充分激发人才资源在绿色产品创新中的潜力。

5.3 不足与展望

本文尚存在一定局限性:第一,选取长三角、珠三角及京津冀地区的49个城市作为研究样本,研究时期为2018—2020年,探讨营商环境驱动绿色创新三阶段发展的多维路径,这些城市均位于东部沿海发达地区,尽管研究具有典型意义,但未涵盖其他地区或特定产业。未来研究可将范围扩展至长江中游、成渝、关中和中原等城市群,或专注于制造业、现代农业、微观企业绿色创新等领域,并通过多案例比较研究方法,收集最新的营商环境和绿色创新指标数据,深入探讨不同区域、行业营商环境驱动绿色创新发展的差异化路径。第二,本文采用多时段QCA方法分析营商环境对绿色创新效率的跨期作用机制,但样本数据的时间跨度较短,未完全克服静态关联的局限性,特别是未能描绘核心要素的时变特征与滞后效应。此外,因数据可获得性,数据有待更新。未来可采用时间序列QCA(TSQCA),通过引入时间维度重构因果链,有效处理政策传导的非线性时滞特征,或尝试与复杂中介模型相结合,探讨营商环境通过中介变量(如政策实施、企业行为变化等)影响绿色创新效率,揭示营商环境与绿色创新效率之间的复杂因果关系。

参考文献：

[1] 国家统计局,生态环境部.中国环境统计年鉴[M].北京:中国统计出版社,2022．

[2] TIWARI S, AHMED W, SARKAR B. Multi-item sustainable green production system under trade-credit and partial backordering[J]. Journal of Cleaner Production,2018,204(1):82-95.

[3] 杨浩昌,钟时权,李廉水.绿色技术创新与碳排放效率:影响机制及回弹效应[J].科技进步与对策,2023,40(8): 99-107.

[4] WORLD BANK GROUP.Business environment 2019[R]. Washington: The World Bank, 2018.

[5] ZHANG M, YAN T, GAO W, et al. How does environmental regulation affect real green technology innovation and strategic green technology innovation[J]. Science of The Total Environment,2023,872:162221.

[6] 金永杰,赵树良.企业环境伦理对重污染企业绿色创新的影响——制度压力和补贴强度的调节作用[J].科学学与科学技术管理,2023,44(2):75-93.

[7] 梁敏,曹洪军,王小洁.高管环保认知、动态能力与企业绿色创新绩效——环境不确定性的调节效应[J].科技管理研究,2022,42(4):209-216.

[8] 吴群,胡勇浩,李梦晓.数字化能力对制造企业绿色创新的影响——关系强度与知识耦合的链式中介作用[J].科技进步与对策,2024,41(17):87-96.

[9] 曾萍,肖静,俞芹,等.异质性环境规制对企业差异化绿色创新行为的影响——知识搜寻的中介作用[J].科技进步与对策,2024,41(13):1-11.

[10] 王永贵,李霞.促进还是抑制:政府研发补助对企业绿色创新绩效的影响[J].中国工业经济,2023,41(2):131-149.

[11] HU J, CHEN H, DINIS F, et al. Nexus among green finance, technological innovation, green fiscal policy and CO2 emissions:a conditional process analysis[J]. Ecological Indicators,2023,154:110706.

[12] 刘金科,刘霁萱,晁颖.绿色信贷与低碳转型:资本整合还是技术创新——来自准自然实验的证据[J].数量经济技术经济研究,2024,41(6):151-171.

[13] WANG Z R, ZHANG T Y, REN X H,et al. AI adoption rate and corporate green innovation efficiency:evidence from Chinese energy companies[J].Energy Economics,2024,132:107499.

[14] 罗茜,庄缘,顾晓燕,等.中国绿色技术创新效率异质性环境规制影响与时空跃迁研究[J].科技进步与对策,2022,39(14):52-62.

[15] REN X H, LI W Q, LI Y Y. Climate risk, digital transformation and corporate green innovation efficiency:evidence from China[J].Technological Forecasting and Social Change,2024,209:123777.

[16] 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.

[17] 张泽南,钱欣钰,曹新伟.企业数字化转型的绿色创新效应研究:实质性创新还是策略性创新[J].产业经济研究,2023,22(1):86-100.

[18] WANG S, ZHANG R, WAN L. Business environment optimization and regional green innovation: evidence from Chinese provinces[J]. Journal of Environmental Planning and Management,2025,68(6): 1337-1362.

[19] TAN W J,ZHANG Z H,CHU Z Z,et al. Unlocking green potential:the digital government-driven revolution in corporate green innovation[J]. Economic Analysis and Policy,2024,83(1):60-79.

[20] 张军.《公司法》修订视角下营商环境与绿色创新绩效的关系研究[J].财会通讯,2024,45(20):47-51.

[21] 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):127-145.

[22] 侯冠宇,胡宁宁.营商环境与区域创新发展的组态路径[J].统计与决策,2024,40(18):183-188.

[23] 刘剑寒,陈恒.多重制度压力对绿色技术创新效率提升的影响——一项基于制度逻辑理论的动态QCA研究[J].科技进步与对策,2025,42(7):33-43.

[24] 贾建锋,刘伟鹏,杜运周,等.制度组态视角下绿色技术创新效率提升的多元路径[J].南开管理评论,2024,27(2):51-61.

[25] HANSEN M T, BIRKINSHAW J. The innovation value chain[J].Harvard Business Review,2007,85(6):121-130.

[26] 肖仁桥,肖阳.绿色金融对城市碳回弹的影响研究——基于绿色创新链视角的分析[J].城市问题,2023,41(12):29-39.

[27] SHEHZAD M U,ZHANG J,LATIF K F,et al.Do green entrepreneurial orientation and green knowledge management matter in the pursuit of ambidextrous green innovation:a moderated mediation model[J]. Journal of Cleaner Production, 2023,388:135971.

[28] 朱雪春,潘静,杜建国.服务化如何驱动绿色创新——知识整合与组织合法性的作用[J].科技进步与对策,2024,41(7):101-110.

[29] LI X, GUO F, XU Q, et al. Strategic or substantive innovation?the effect of government environmental punishment on enterprise green technology innovation[J]. Sustainable Development,2023,31(5):3365-3386.

[30] LADO A A, WILSON M C. Human resource systems and sustained competitive advantage:a competency-based perspective[J]. Academy of Management Review,1994,19(4): 699-727.

[31] CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research,1978,2(6):429-444.

[32] CHIA S, KAKIAPPA P K. Gauging the sources of growth of high-tech and low-tech industries:the case of Korean manufacturing[J]. Australian Economic Papers,2005,44(2):170-185.

[33] BANKER R D, CHARNES A, COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science,1984,30(9):1078-1092.

[34] 李文,张珍珍,梅蕾.企业网络、大数据能力与商业模式创新机制研究——基于fsQCA方法的实证分析[J].科技进步与对策,2022,39(1):121-131.

[35] 王颖,刘艺扬.什么样的制度产生高人力资本经济增长效应——一个基于动态QCA方法的研究[J].科学学研究,2024,42(2):289-299,334.

[36] SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences:a guide to qualitative comparative analysis[M]. Cambridge:Cambridge University Press,2012.

(责任编辑：胡俊健)