开放科学(资源服务)标识码(OSID)：
作为世界最大的能源消费国，中国正面临快速工业化带来的减少环境污染、降低碳排放以及应对全球气候变化问题等诸多压力[1]。可再生能源替代化石燃料有助于缓解全球变暖[2]，中国政府正大力促进可再生能源发展。风能作为一种相对成熟的发电方式，是应用最广泛的可再生能源之一[1]。相较于太阳能和生物质能等，风能在技术、成本和资源储备方面具有得天独厚的优势，逐渐成为我国新能源产业的“领头羊”[3]。近年来，各级政府和社会各界大力支持风电产业创新发展，我国已经成为全球风力发电的领先者，但这种领先优势仅仅表现在装机容量方面，而风机的品牌知名度和影响力在全球范围内较低、产品认可度不高，国产风机出口难依然是产业发展的难题之一。与丹麦、英国和美国等发达国家相比，中国风力发电占据优势主要是依靠数量而不是质量。此外，还有一些问题也成为我国风电产业发展的“绊脚石”，如企业原始创新不足、缺乏具有自主知识产权的核心技术、关键技术和重大技术仍然受制于人，在专利质量和出口方面落后于国际竞争对手，处于全球产业链中低端水平等[4]。由此可见，虽然近年来我国风电产业创新绩效显著，但原始创新不足、核心技术受制于人、全球产业链“低端锁定”等问题依然是当前产业发展的瓶颈，摆脱技术创新与产品在低位徘徊、核心技术受制于人的局面是风电产业发展的当务之急。
党的十八大以来，习近平总书记反复强调核心技术是国之重器，指出“核心技术受制于人是我们最大的隐患”，并多次提出科技创新既要“顶天”，又要“立地”。因此，提高科技创新质量，使创新成果既能够面向世界科技前沿，又可以面向国家重大需求，是当前任务的重中之重。
风能作为一种取之不尽、用之不竭、清洁高效的可再生能源，已经成为人类社会低碳生活和可持续发展的首选能源[5]。随着风电产业的逐步发展，学术界对其给予了越来越多的关注。在早期阶段，学者们主要聚焦中国风电产业发展现状、前景及挑战[6-7]。如Zhang [8]从国际竞争力角度对比中国领先与世界领先的风力涡轮机制造商发现，中国企业国际竞争力相对较弱；Wang等(2019)认为，中国风电产业发展已经取得阶段性进步且进入发展瓶颈期，产能过剩、关键核心技术缺乏、原创新与自主性创新成果较少等产业发展问题阻碍风电产业向全球产业链上游攀升；Pfotenhauer等[9]指出，国内外产业发展实践证明，技术创新是企业摆脱发展困境、提升国际竞争力的关键要素。然而，如何提升风电企业技术创新质量、摆脱“量多质跛”的窘境始终困扰着学术界。风电产业作为国家战略性新兴产业，有学者从宏观政策角度分析风电企业技术创新的影响因素。如Wang&Zou[10]基于1994—2016年254项风电产业政策(部委及以上级别部门发布)，研究产业政策对风电企业创新绩效的影响，发现不同类型政策工具对企业创新的影响存在显著差异；Lin&Luan(2020)使用随机前沿模型分析政府补贴和企业特征等因素对风电企业创新效率的影响效果，发现长期来看，政府补贴与风电企业创新效率之间存在U型关系；Wang等(2020)采用DEA模型实证研究产业创新政策及其组合对风电产业链各环节企业创新效率的影响，并采用索洛余值法测算产业创新政策及其组合对风电企业研发效率提升的贡献度。
纵观现有创新相关研究，学者们多用创新数量而非创新质量衡量产业创新成果[11]。然而，仅仅关注创新数量而忽视对创新质量的刺激和驱动，难以实现产业链向全球中高端环节攀升、突破技术软肋痛点进而驱动经济高质量发展的目标。因此，创新质量成为当前学术界和业界关注的热点问题，学者们纷纷从不同层面和角度探讨创新质量的内涵及影响因素。如Haner[12]最早对创新质量内涵进行界定，认为企业管理质量、生产过程质量、产品与服务质量为其3个主要方面；Makkonen&Inkinen[13]认为，创新质量不仅包含该项创新具有的技术价值，也包括其能够转化的商业价值；Wu&Lin(2011)认为，创新质量受到企业创新战略和组织创新的影响。随着研究的不断深入，学者们意识到仅仅将创新质量的内涵和驱动因素聚焦于微观层面是远远不够的。如Lahiri[14]尝试从研发活动地理分布视角研究企业创新质量与研发活动地理分布之间的关系；Yu等[15]从国家、区域和产业3个不同层面的创新程度与水平界定创新质量，认为其主要是指创新成果、领域和方法等的竞争力与技术价值，且这一视角和观点得到众多学者认同。
欧洲创新研究小组率先提出区域创新环境概念，认为其是区域内主要行为主体通过相互之间协作与共同学习建立的非正式的复杂社会关系[16]。随着研究逐渐深入，区域创新环境与企业创新之间的具体影响关系和作用机制成为学者们关注的核心问题。如Fagerberg[17]认为，企业作为区域内开展创新活动的主体，区域环境对企业吸收、重组和利用现有知识具有重要影响，区域知识溢出与区域创新系统相关性的存在，使得公司可以从知识基础丰富的区域中受益；Beugelsdijk[18]认为，区域创新环境特征，如区域研发实力、本地研究人员数量以及该地区研究机构数量等都与企业创新息息相关，创新环境决定企业在创新活动中可获得的创新资源。因此，创新水平和创新效率因创新环境不同而存在差异，良好的创新环境能够激发组织创新积极性。
风电产业作为国家战略性新兴产业，对经济、环境和社会发展的重大价值日益彰显。作为一种资源、能源以及典型的公共产品，风电产业发展往往呈现出区域集聚特征，相应地风电产业创新也与区域创新环境密切相关。目前，学者们主要从两个方面研究区域创新环境对风电产业创新发展的影响：一是将区域创新环境视为自变量，研究区域创新环境对风电产业创新发展的影响[19]，研究表明，我国不同地区在经济发展、资源禀赋、科技教育、社会环境、市场容量等方面不同导致不同地区风电产业创新效果差异显著；二是将区域创新环境视为调节变量，研究区域创新环境对产业政策影响风电产业技术创新过程中是否具有调节作用[20]，结果表明，区域创新环境在产业政策影响风电产业创新发展的全过程均具有显著调节作用。不难发现，现有关于区域创新环境对风电产业创新质量影响的研究成果较少，虽然个别学者对风电产业创新质量有所涉及，如邹鸿辉[21]基于企业信贷融资和高管股权激励视角研究产业政策对风电产业创新质量的影响，但关于区域创新环境对风电产业创新质量的具体影响程度和影响性质等问题缺乏系统研究。
随着区域创新生态系统理论发展，区域创新环境成为学术界关注焦点，区域创新环境与企业创新之间存在密切关系已经成为学术界共识，学者们一致认为企业创新会因创新环境不同存在差异[22]。基于我国企业在全球产业链中受困于低位徘徊和“结构封锁”，学术界和业界越来越关注中观和宏观层面创新质量的内涵和影响因素[11]。在当前经济转型大背景下，风电作为新兴高技术产业，是驱动我国经济高质量发展的重要动力之一。由于风电产业具有典型的外部性，政府是促进风电产业发展的有力推手。部分学者在研究产业政策对风电产业创新发展的影响机理和作用机制时，试图将区域创新环境纳入其中进行探讨并取得了相应进展[19-20]。然而，区域创新环境不同因素之间的组合会对风电产业技术创新产生何种效应？如何识别不同区域创新环境对风电产业创新质量的影响？何种区域创新环境最有利于风电产业创新质量提升？哪些是关键要素？哪些是必备条件？政府相关部门如何通过营造区域创新环境促进风电产业创新质量提升？这些问题还需在理论上进行深入探索和系统分析。基于此，本文以风电产业为例，选取中国内地部分省市数据作为样本，运用模糊集定性比较分析法(fsQCA)识别区域创新环境中影响风电产业创新质量的必要条件、核心条件和辅助条件，并通过组态分析得出影响风电产业创新质量的不同环境建设路径，为各级政府相关部门打造风电产业高质量创新环境提供理论参考，同时也为我国风电产业创新质量和国际产业链地位提升提供多重路径选择，对于各区域扬长避短、实现高质量创新具有一定现实意义。
定性比较分析(Qualititive Comparative Analysis，QCA)方法由Ragin[23]首次提出，该方法以布尔代数和集合论思想为工具，探析条件变量之间的不同组合会对结果变量产生何种影响，揭示复杂现象背后的因果关系[24]，既不同于定量研究，也不同于定性研究，其强调条件组态对最终结果的作用机制。QCA方法在一定程度上糅合了定量研究与定性研究的优点，弥补了对案例数量要求较高的不足，不仅适用于100个以上的大样本，还适用于15～50之间的中等样本或15以下的小样本研究[25]，为管理学研究提供了一种新方法，因此得到了广泛应用。
目前，QCA主要有清晰集(csQCA)、多值集(mvQCA)和模糊集(fsQCA)3种分析技术。fsQCA将变量值的度量置于0～1之间，即完全不隶属与完全隶属之间的任何数值，因而能够对主观性条件变量进行更为精确的赋值，缩小主观变量数据化过程中的误差，更贴近客观事实，是一种更为科学的度量方法。因此，本文选择fsQCA方法进行研究。
为确保结果具有可比性和样本分布尽量均匀，本文选择中国内地部分省市作为样本进行研究，这些省市均匀分布于东、中、西部，同时为规避截面数据不具有代表性的不足，所有自变量取6年数据平均值，将时间窗口限定为2014—2019年。其中，专利数据从国家知识产权局网站检索得到，不同省域的区域创新环境层面变量数据分别从《中国统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》及国家统计局网站手工整理得到。
2.3.1 结果变量
风电产业创新质量。国内外研究成果均表明，专利是衡量创新质量的重要指标[26-27]，尤其是在衡量区域和国家层面的产业创新质量时，专利是业内普遍认可的通用性衡量指标。由于不同专利类型(发明、实用新型和外观设计专利)创新程度不同，参考邹鸿辉[21]的研究成果，本文采用技术创新程度最高的发明专利作为衡量指标。同时，考虑到发明专利在专利申请总量中占比较发明专利申请量更能反映全社会创新程度和创新质量总体情况，因此本文采用发明专利申请量占专利申请量的比重衡量创新质量。
2.3.2 条件变量
参考党建民[28]、Lin&Luan(2020)的研究成果，本文将经济基础环境、产业结构、市场发育程度、研发环境和政府支持作为区域创新环境层面变量。
(1)经济基础环境。风电产业属于新能源产业之一，现今中国新能源产业创新发展仍不成熟。Wesseh &Lin[29]研究发现，投融资体系不健全、研发活动成本高、不确定性大和资金回收周期长等若干因素对中国风电企业创新发展造成不利影响，尤其在基础研究和成果转化阶段，融资约束导致的企业内部资金短缺，使得风电企业难以开展大规模技术创新活动，严重制约风电企业创新质量提升。雄厚的经济基础能够为企业创新提供充足的资金保障，从而降低资金短缺对企业创新造成的困扰。目前，中国区域发展不平衡问题突出，东部与中西部地区正逐步形成空间梯度分异格局，不同经济基础对企业创新的影响一般表现为经济发展水平与该地区企业创新能力正相关[30]。因此，本文认为经济基础环境是影响企业创新的重要创新环境之一，并采用GDP总值、人均GDP和规模以上工业企业产值衡量经济基础环境。
(2)产业结构。中国风电产业已经取得阶段性发展，但产能过剩、低端研发重复等问题依然较为严重，主要原因在于资源流动缓慢，难以实现资源共享与深度配置，而产业结构升级与优化可以促进研发资源在不同产业链之间流动，提高资源配置效率。风电产业作为典型的技术密集型产业，不同产业链上的企业分工明确，而产业结构升级与优化可以整合不同产业链上的资源，提升产品附加值。 赵庆(2018)认为，产业结构升级主要通过两种方式影响企业创新绩效，即促进创新资源与产业发展需求对接，使得资源配置更加合理，以及通过改变要素供给方式间接影响创新活动。基于此，本文认为产业结构是影响区域内企业创新的因素之一，并选择工业增加值、工业增加值/GDP总值和高技术产业产值/工业增加值衡量产业结构。
(3)市场发育程度。市场是配置资源的基础力量，市场发育程度高的产业或地区，市场调节在资源配置过程中发挥重要作用，研发实力或创新活力较强的企业能优先获得创新资源，从而使创新资源得到最大程度利用，提高资源配置效率。由于我国风电企业受到融资约束等问题困扰，企业创新质量提升受到制约，而市场发育程度提升能够使企业接触到更多创新资源，帮助企业拓宽融资渠道、丰富融资方式，缓解企业面临的融资约束问题，进而排除风电企业技术创新过程中的“绊脚石”。梁毕明(2020)研究表明，较高的市场发育程度可以弥补创新资金和人才匮乏的不足，从而助力企业创新质量提升。因此，市场发育程度是区域环境中影响企业创新活动的重要因素，本文选择国有控股工业企业产值/GDP总值、第三产业增加值/GDP总值和外商投资企业数量衡量市场发育程度。
(4)研发基础。风电产业作为典型的技术密集型产业，技术创新是决定其生存与发展的关键要素。Coad等[31]认为，推动企业创新的关键是要增加研发投入，营造良好的研发环境；陈战光等[32]认为，加大R&D投入力度是吸纳高素质科技人才参与技术创新的关键，更重要的是，增加R&D投入能够使大量资金聚集于重大前沿技术，有利于研发团队实现高质量创新；张路等[33]认为，研发人员是研发活动的主体力量，丰富的人力资本是推动企业创新的潜在力量，只有当研发人员数量和质量足够支持研发活动时，研发投入才能达到最大效用并实现高质量创新产出。同时，考虑到研发投入的最终目标是为了获得创新产出的商业价值，因此本文选择技术市场成交额、研发经费投入和研发人员投入衡量研发环境。
(5)政府支持。新自由主义认为，市场是促进企业创新和产业发展的唯一途径，企业连续性创新的主要动力来自于市场供给。然而，由于存在信息不对称、知识溢出和外部性等市场失灵问题，仅仅依靠市场机制难以为企业创新提供充足动力[34]，政府作为经济活动的参与者和社会公共服务的提供者，其行为可弥补市场失灵，对创新活动产生影响。尤其是当我国风电企业面临融资约束、研发资金不足等问题难以开展创新活动时，需要政府参与到企业等创新主体的研发活动中，对那些研发能力强但又缺乏启动资金的企业给予财政支持。因此，本文采用政府财政科技支出的自然对数、政府财政科技支出/GDP总值和政府财政科技支出/政府财政支出衡量政府支持。
表1 变量名称、代码及定义
类别名称定义 代码 结果变量创新质量发明专利申请数/专利申请数APPLR条件变量经济基础环境人均GDP的自然对数lnPGDPGDP总值的自然对数lnGDP规模以上工业企业产值的自然对数lnGGC产业结构工业增加值的自然对数lnGZJ工业增加值/GDP总值GZJ/GDP高技术产业产值/工业增加值GJZ/GZJ市场发育程度国有控股企业产值/GDP总值GK/GDP第三产业增加值/GDP总值DSCY/GDP外商投资企业数量的自然对数lnWTZ研发环境技术市场成交额的自然对数lnJSSC研发经费投入的自然对数lnRDF研发人员投入的自然对数LnRDP政府支持政府财政科技支出的自然对数lnCZKJ政府财政科技支出/GDP总值CZKJ/GDP政府财政科技支出/政府财政支出CZKJ/CZZC
运用定性比较分析法时，变量校准是数据分析的基石，需要根据相关规则对指标进行处理并调整优化。这是因为，未校准的数据只能反映不同比较对象之间的相对位置，不符合布尔运算逻辑，而根据校准后的指标值进行计算，将使结果具有更高的解释力和可信度。
由于不同变量单位名称存在差异，且同一变量的绝对数值差异较大, 因此需要为每个变量预设完全不隶属、最大模糊交叉点和完全隶属3个校准锚点，将变量转化为取值在0～1之间的连续模糊集隶属度[35]。其中，完全隶属用1表示，完全不隶属用0表示，越接近于1，表明隶属度越高。参考陈战光等[32]的做法，本文将校准点设为样本数据的上四分位数、中位值和下四分位数，如表2所示。
表2 案例各变量校准定位点
类别名称定位点完全不隶属中间点完全隶属结果变量创新质量0.3010.3730.412经济基础环境27.11928.78830.008产业结构8.9999.68210.225条件变量市场发育程度5.9737.1068.670研发环境30.14732.63535.187政府支持4.0154.7615.754
3.2.1 单个条件必要性分析
在定性比较分析中，覆盖度和一致性是对输出结果进行解释的关键指标。其中，覆盖度用于衡量单个条件变量或条件变量组合对案例样本的覆盖范围，其数值越大，说明该条件变量或组合对输出结果的解释力越强，对案例样本的覆盖范围越广；一致性用于衡量条件变量或组合是否为引致结果发生的必要条件，即结果发生与否对某一条件变量或组合的依赖程度。通常规定，当一致性分值位于0.8～0.9之间时，认为变量或其否定变量是引致结果出现的充分条件；当一致性分值高于0.9时，则认为该变量或其否定变量是引致结果发生的必要条件。本文单个条件必要性分析结果如表3所示，变量及其否定变量的一致性分值均低于0.9，说明结果变量受这些因素的影响较小，不足以成为影响风电产业创新质量的必要条件，因此有必要对这些前因变量进行条件组合分析，以找出影响风电产业创新质量的条件组合。
表3 单个条件变量必要性检测结果
变量符号对应含义一致性覆盖度ebe高经济基础环境0.6980.647indus高产业结构0.6880.646mdd高市场发育程度0.6870.651rde高研发环境0.7180.714ga高政府支持0.7280.737～ebe低经济基础环境0.4100.438～indus低产业结构0.4360.459～mdd低市场发育程度0.4300.448～rde低研发环境0.3970.393～ga低政府支持0.4080.397
3.2.2 条件组合分析
条件组合分析主要用于检验不同前因变量之间组合对结果变量是否具有较强的解释力。在进行条件组合分析前，需要将模糊值转换为清晰值构建真值表。按照软件设定，在真值表中，大于0.5的赋值为1，小于0.5的赋值为0。本文属于中等偏小样本分析，因此根据Ragin[36]的建议，将一致性阈值设定为0.8，案例阈值设定为1，结果如表4所示。
表4 真值表
Ebe(高经济基础环境)Indus(高产业结构)mdd(高市场发育程度)rde(高研发环境)ga(高政府支持)number111115100001111001110011110111001111101111000005
在fsQCA软件中导入表4，可以得到3种不同类型的解，即复杂解、简约解和中间解，如表5所示。在实际研究中，由于中间解比较合乎理论事实并且不至于非常复杂，案例样本覆盖范围通常比较具有代表性,因此研究者们更加倾向于使用中间解对条件组合进行分析。通过对表5中复杂解和中间解进行比较，发现复杂解和中间解条件组合基本一致，且一致性和覆盖度数值相同。因此，与已有研究保持一致，本文选择中间解分析引致结果的多重路径。
分析表5的中间解，形成如下两种组合：
组合一(ebe*mdd*rde*ga)：高经济基础环境*高市场发育程度*高研发环境*高政府支持
组合二(～indus*mdd*rde*ga)：低产业结构*高市场发育程度*高研发环境*高政府支持
如表5所示，5个条件变量形成2种因果组合路径，且两个组态的一致性分别为0.853和0.904，说明两个组态都是影响风电产业创新质量的充分条件。总覆盖率为0.672，表明组合能够解释67.2%的案例。如表6所示，根据已有研究不难发现，条件组态覆盖率介于33%～68.8%之间，平均覆盖率为49.51%。本文覆盖率为67.2%，高于现有研究平均水平。因此，本文总体覆盖率67.2%是合理并且能够被接受的。同时，两种组合的总体一致性高达0.848，说明本文得到的两个条件组合对结果变量具有一定说服力。
表5 案例变量模糊集定性比较分析结果
项目条件组合 原始覆盖度唯一覆盖度一致性复杂解ebe*mdd*rde*ga0.6590.4350.853 ～indus*mdd*rde*ga0.2370.0130.904Solution coverage0.672Solution consistency0.848精简解mdd*rde0.6840.0110.780mdd*ga0.6760.0030.795Solution coverage0.687Solution consistency0.736中间解ebe*mdd*rde*ga0.6590.4350.853～indus*mdd*rde*ga 0.2370.0130.904Solution coverage0.672Solution consistency0.848
表6 部分文章覆盖率结果
作者篇名时间覆盖率(%)赵文二元网络背景下中国海归企业绩效提升路径研究———基于模糊集定性比较分析201733章文光哪些因素影响了产业升级———基于定性比较分析方法的研究201868.8沈俊鑫大数据产业发展能力影响因素研究———基于fsQCA方法201964唐建荣海归高管与企业创新能力研究———基于fsQCA的实证分析201965张正荣跨境电子商务综试区的区位选择与推广路径研究———基于70个案例的模糊集定性比较分析(fsQCA)201946.5张明中国企业“凭什么”完全并购境外高新技术企业———基于 94 个案例的模糊集定性比较分析(fsQCA)201935.3吴道友企业跨国并购协同整合策略与情境匹配研究201934
3.2.3 核心与辅助条件分析
根据以往研究，本文将前因条件分为核心条件和辅助条件，将在中间解和简约解中均出现的要素定义为核心条件，其对结果具有重要影响，辅助条件则是仅在中间解中出现、起辅助作用的要素。将表5中的组合进行合并分析，得到两种条件构型，结果如表7所示。
表7 影响创新质量的前因条件构型
注：
代表核心条件存在，•代表辅助条件存在，
代表辅助条件缺乏，-表示构型中该条件可以出现，也可以不出现
构型要素12ebe•-indus-mddrdegacs0.8530.904rc0.6590.237uc0.4350.013csv0.672csc0.848
根据表7呈现的两种组态可以发现，单个组态和总体组态的一致性分数均高于可接受的最低标准0.75，其中总体解的一致性和覆盖度分别为0.848和0.672，符合QCA在组织与管理领域的研究结果。因此，可以将表7中两种组态看作区域创新环境影响风电产业提高创新质量的充分条件组合。
构型一：市场发育程度、研发基础环境和政府支持是影响风电产业提升创新质量的核心条件，并辅之以经济基础环境，说明此类构型的产业高质量创新依赖于市场发育、研发环境和政府支持。这源于风电产业作为高技术产业和社会公共产品的两大特征：其一，风电产业是我国重点发展的战略性新兴产业，作为高新技术产业，其具有投入高、周期长、技术密集等特征；其二，风电作为一种新能源和公共物品，具有典型的外部性，政府支持和投入可以在一定程度上降低市场调控下企业进行公共物品研发的损失和风险。符合此构型的案例地区为山东、江苏、广东、浙江和上海。上述4个省市是我国人口和经济大省，也是创新大省，多年的经济积累和发展经验使得其特别重视技术创新和研发投入，政府对产业创新给予长期关注和支持，尤其是上海作为国际性金融和科技创新高地，已构筑起三大国家创新基地且拥有多所世界一流高校，形成了良好的研发环境和浓厚的研发氛围。同时，以上省份均具有独特的地理位置并处于国家核心经济发展带，其中广东属于粤港澳大湾区核心，上海、江苏和浙江属于长三角经济圈核心成员，山东为环渤海湾经济圈重要成员，优越的地理位置、丰富的发展资源和国家政策支持使得这些地区市场发育较为完善、产业升级迅速。上述省份作为经济基础良好的典型区域，其经济高速发展催生旺盛的市场需求，对能源需求量非常大。而这些省份都属于传统能源资源稀缺乃至贫乏地区，在经济发展需求巨大、传统能源稀缺和环保压力的共同作用下，催生出对以风电为代表的新能源的巨大需求。此外，多年来的外资企业引进和国际贸易繁荣有力提高了该类区域市场发育程度和科技服务能力。该构型对经济基础和市场发育程度等条件的需求，说明风电产业创新质量受所在区域市场需求、研发成果转化能力、科技服务能力和市场交易条件等影响，也意味着此种构型中风电产业创新质量提升对创新生态系统十分依赖。
构型二：与构型一的核心条件相同，构型二的核心条件也是市场发育程度、研发基础环境和政府支持，进一步说明市场发育、研发环境和政府支持在风电产业高质量创新进程中具有不容忽视的作用。与此构型对应的典型案例地区为北京和天津。北京作为首都，在经济发展、市场发育、研发实力和政府支持方面始终处于全国领先地位，尤其在“十三五”期间，北京实现从聚拢资源求发展向疏解功能谋发展转变，由单一城市发展向京津冀地区协同发展转变，在实现经济社会高质量发展的同时，辐射周边地区市场和产业发展。北京中关村作为国内一流创新高地，拥有丰富的创新资源和雄厚的创新基础，可为新技术、新产业和新产品的孕育、成长和壮大提供重要支撑，同时作为国内重点创新高地和国家创新政策试点园区，中关村可以优先获得政府资源，辐射雄安新区、天津滨海等，促进京津冀地区创新联动发展。
综合以上两种构型结果发现，对应的典型案例都分布于我国经济发达地区，尤其是东部地区。相对于西部地区而言，东部地区创新环境(如市场环境、政府治理质量和要素环境等)较好，企业具有较强的竞争意识和创新意识。东部地区是我国改革开放先行地带和前沿地区，拥有较高的市场包容性，更有利于基础研究成果通过技术市场转化实现价值增值，从而激发企业创新热情与积极性。基于区域创新生态系统视角，企业作为系统中的科技创新主体，是研发成果向实际应用转化的重要载体，高校作为基础研究的主要机构，为企业创新提供智力支撑。就东西部地区而言，东部地区企业数量远多于西部，且我国高校大都分布在东部地区，其中江苏省高校数量全国第一，不同类型企业和高校科研机构集聚能够带来众多机遇和创新源泉，东部地区创新优势相较于西部地区进一步扩大。在国际产业链分工体系中，最初我国以低廉的劳动力成本吸引外国企业来华投资，以劳动密集型企业为主。随着市场经济发展进程加快和人口红利逐渐消失，创新作为驱动经济高质量发展第一动力的作用日益凸显，东部地区作为经济发展的第一梯队，敏锐地将目光转向技术密集型产业，大量劳动密集型企业开始向西部地区转移。这种产业结构升级必然伴随着劳动力更替，高素质、高技能人才大量涌入东部地区，为该地区企业创新、经济发展注入新鲜血液。国家能源局《2019年风电行业发展报告》显示，目前我国风电行业主要集中在山东、江苏、广东、浙江和四川等地，风电行业由过去集中在风力资源丰富地区转向主要能源消费地。这一现象表明虽然西部地区风能资源丰富且分布较广，但市场狭窄、基础配套不齐全导致很多风电企业创新热情和积极性受到挫伤。因此，企业创新性发展不能仅依靠自身，还应该重视外部环境的影响。
在创新范式变革和经济发展新常态背景下，营造良好的区域创新环境是实现可持续发展战略的突破口和着力点，区域创新环境能够为区域内创新主体提供各种创新要素。创新生态较好的地区具有完备的基础设施和优越的创新环境，能为多元化创新需求提供更加完善的公共服务，更容易吸引创新要素聚集，在产业不断迭代升级过程中，实现不同类型和层次产业间协同创新，促进地区经济高质量发展。因此，系统研究区域创新环境对企业高质量创新的影响以及区域创新环境中影响风电产业创新质量提升的关键要素，对促进企业创新发展尤为重要。本文采用模糊集定性比较分析法研究经济基础环境、产业结构、市场发育程度、研发环境和政府支持5个因素对我国风电产业创新质量的影响，得出以下主要结论：
(1)通过对区域创新环境的5个构成因素进行条件组合分析，得到两种影响风电产业创新质量提升的前因构型，市场发育程度、研发环境和政府支持均作为两个构型的核心条件出现。因此，区域创新环境中影响风电产业创新质量提升的必要条件为市场发育程度、研发环境和政府支持。在当前经济转型大背景下，风电作为新兴高技术产业，是驱动我国经济持续高质量发展的重要动力之一[37]。风电产业作为国家重点支持的新能源产业之一，政府是促进其发展的有力推手。由于研发活动天然具有技术扩散、成果共享和知识溢出等正外部性特征，使得企业研发投入获得的私人收益小于社会收益，从而使企业创新热情逐渐降低，最终导致创新资源低效或无效配置。然而，仅仅依靠市场机制无法有效解决企业创新活动的外部性问题，需要依靠政府构建和完善创新成果保护机制，以弥补市场失灵问题，从而激发企业创新热情。我国风电企业在技术创新过程中受到融资约束等资金问题困扰，导致企业创新质量提升不快，而市场发育程度提升能够帮助企业拓宽融资渠道、丰富融资方式，从而缓解企业面临的融资约束问题，提高创新资源配置效率。同时，在市场发育程度较高的地区，企业能够接触到更多创新资源，尤其是在要素市场发育完善的地区，资源要素流动更快，资源利用率更高。
(2)拥有经济基础环境的构型更有利于风电企业创新质量提高。风电产业作为技术密集型产业，不断进行技术升级和创新是企业生存与发展的关键，而创新活动成本高、风险大和收益不确定性高等特征使得很多企业望而却步，延缓风电企业技术创新进程。经济基础环境在一定程度上决定研发水平，经济环境优越的地区不仅能为企业研发提供充足的资金保障，而且能够吸引创新人才和创新资源集聚。同时，经济环境较好的地区市场包容性更强，能够允许企业试错。因此，优越的经济基础环境可以为企业创新提供保障，从而更加有利于风电企业创新质量提升。
(3)就东西部地区而言，两种构型对应的典型案例都分布于我国东部经济发达地区，即市场发育程度、研发环境和政府支持是东部地区风电产业创新质量提升的必要条件。东部地区作为我国技术密集型产业云集之地，是我国电力需求和消费最旺盛的地区，也是深入开展生态环保、节能减排的核心区域，因此对可再生清洁能源尤其是风电产业更加重视，我国大部分风电企业分布于东部，对产业链不同环节的风电企业间技术交流与学习、创新资源流动与高效利用具有积极作用。同时，东部地区创新环境(如金融环境、市场监管和要素环境等)相较于西部更为优越，处于该环境中的企业具有较强的竞争意识和创新意识，良好的金融环境能够有效缓解风电企业面临的融资约束问题。此外，东部地区作为我国改革开放等政策的先行先试地，可以获得来自中央和地方政府的更多优质资源，有利于该地区市场发育和企业技术创新。综合以上因素不难看出，我国东部地区发达的经济、旺盛的需求、优越的融资环境、完善的市场体系等为风电企业创新质量提升提供了良好的生态环境。
(1)由于我国地域辽阔，地区之间发展水平存在较大差距，一些政府支持措施无法照搬，政府应该做好战略布局，尤其是落后地区政府应该在国家顶层设计之下，根据本地区发展特征制定适合本区域发展的规划，做到求同存异。例如，我国风电行业面临电力产出地与消纳地不匹配的现实问题,严重阻碍了风电企业技术创新进程，西部地区风能资源丰富，但是“弃风”问题严重，导致创新质量不高，而东部地区是风电能源的主要消纳地，但自然资源不如西部丰富。因此，东西部地区政府应加强交流与合作，相互借鉴和共享发展经验，鼓励企业、高校和科研院所跨地区建立创新联盟，引导创新主体之间由单纯的竞争关系向互补共生关系转化，实现优势互补，营造适合本地区发展的创新环境。同时，企业作为技术创新和科技成果转化的重要主体，市场信息不对称和融资约束等问题严重制约了风电企业创新发展。为此，政府财政科技支出应加大对企业的扶持，帮助企业克服障碍，引导、鼓励企业投身创新实践，政府应成为企业创新的引领者、资助者和区域创新环境的建设者。
(2)各地区应该因地制宜、因势制胜，在充分发挥地区优势的基础上，构建具有地方特色的发展格局。区域创新环境较好的东部地区应努力解决风电企业面临的关键核心技术缺乏、原创性与自主性创新成果较少等发展瓶颈，推动中国风电产业向全球产业链上游攀升；中西部地区可以采取迂回方式，先掌握和熟悉部分先进适用技术，在一些重点领域发挥创新牵引作用，进而推动本地区风电产业结构升级与优化。由于东西部地区发展差距较大，无法实现两个地区“并跑”，因此东部经济发达地区政府和企业应该扶植西部地区产业发展，双方协作，解决西部地区产能过剩和创新质量低的发展难题。同时，西部地区要加强基础设施建设，积极引进外资企业，促进市场发育更加完善。
本文以中国内地部分省市作为样本进行研究，且样本均匀分布于东、中、西部。虽然本文研究结论较为科学，并针对研究结论提出了相应的政策建议，但是仍然存在如下不足：在数据采集方面，本文最初采集了中国内地所有省域数据作为样本，但由于部分地区存在指标数据不完整、统计时间不连续等问题，因此在实证分析过程中剔除了部分样本，最终保留了19个省域数据，这可能会对最终研究结果产生影响。在创新环境指标选取方面，影响一个产业创新发展和创新质量的因素有很多，具体到某个产业又有一些特殊因素，本文在已有研究成果基础上主要围绕区域创新环境的经济基础环境、产业结构、市场发育程度、研发环境和政府支持5个方面探讨其对风电企业创新质量的影响，虽已从不同维度较为全面地考虑了企业创新质量影响因素，但仍然可能存在遗漏变量和测度误差引起的结果偏差。针对以上不足，未来还可以从以下几个方面作更深层次的研究：首先，尝试必要条件组合研究。本文得出市场发育程度、研发环境和政府支持是促进风电产业提升创新质量的必要条件，但这3个必要条件之间是否存在互补效应抑或是冲突效应？能否对产业创新质量产生协同作用？未来可以探讨必要条件之间的组合能否有效提升风电产业创新质量。其次，研究区域创新环境对产业链不同环节风电企业创新质量的影响。产业链不同环节的风电企业拥有的核心技术不同，提升产业链不同环节企业创新质量对于提升风电产业整体技术水平有何影响？后续研究可以此为切入点，从产业链环节视角探讨区域创新环境对风电企业创新质量的影响。
[1] SHEN X C,LYU S J. Wind power development,government regulation structure,and vested interest groups:analysis based on panel data of Province of China[J]. Energy Policy,2019(128):487-494.
[2] WANG Q,ZHAN L N. Assessing the sustainability of renewable energy:an empirical analysis of selected 18 European countries[J]. Science of the Total Environment,2019,692:529-545.
[3] 王晓珍,蒋子浩,郑颖. 风电产业创新政策有效性研究[J]. 科学学研究,2019,37(7):1249-1257.
[4] HU R,SKEA J,HANNON M J. Measuring the energy innovation process:an indicator framework and a case study of wind energy in China[J]. Technological Forecasting and Social Change,2018(127):227-244.
[5] V
ZQUEZ HERNNDEZ C,SERRANO GONZLEZ J,FERNNDEZ-BLANCO R. New method to assess the long-term role of wind energy generation in reduction of CO2 emissions:case study of the European Union[J]. Journal of Cleaner Production,2019(207):1099-1111.
[6] JIN X,ZHANG Z L,SHI X Q,et al. A review on wind power industry and corresponding insurance market in China:current status and challenges[J]. Renewable and Sustainable Energy Reviews,2014(38):1069-1082.
[7] WANG Z Y,QIN H Y,LEWIS J I. China's wind power industry:policy support,technological achievements,and emerging challenges[J]. Energy Policy,2012(51):80-88.
[8] ZHANG S F. International competitiveness of China's wind turbine manufacturing industry and implications for future development[J]. Renewable and Sustainable Energy Reviews,2012,16(6):3903-3909.
[9] PFOTENHAUER S M,JUHL J,AARDEN E. Challenging the "deficit model" of innovation:framing policy issues under the innovation imperative[J]. Research Policy,2019,48(4):895-904.
[10] WANG X Z,ZOU H H. Study on the effect of wind power industry policy types on the innovation performance of different ownership enterprises:evidence from China[J]. Energy Policy,2018(122):241-252.
[11] 粟路军,杨青月. CEO任期如何影响企业创新绩效:基于竞争战略选择的中介作用和CEO外部薪酬差距的调节作用[J]. 会计之友,2020,38(15):68-74.
[12] HANER U E. Innovation quality：a conceptual framework[J]. International Journal of Production Economics,2002,80(1):31-37.
[13] MAKKONEN T,INKINEN T. Innovation quality in knowledge cities:empirical evidence of innovation award competitions in Finland[J]. Expert Systems With Applications,2014,41(12):5597-5604.
[14] LAHIRI N. Geographic distribution of R&D activity:how does it affect innovation quality[J]. Academy of Management Journal,2010,53(5):1194-1209.
[15] YU L P,LI H Y,WANG Z G,et al. Technology imports and self-innovation in the context of innovation quality[J]. International Journal of Production Economics,2019(214):44-52.
[16] BRESCHI S. The geography of innovation:a cross-sector analysis[J]. Regional Studies,2000,34(3):213-229.
[17] FAGERBERG J. Mobilizing innovation for sustainability transitions:a comment on transformative innovation policy[J]. Research Policy,2018,47(9):1568-1576.
[18] BEUGELSDIJK S. The regional environment and a firm's innovative performance:a plea for a multilevel interactionist approach[J]. Economic Geography,2007,83(2):181-199.
[19] 王晓珍,邹鸿辉,高伟. 产业政策有效性分析:来自风电企业产权性质及区域创新环境异质性的考量[J]. 科学学研究,2018,36(2):228-238.
[20] 王晓珍,邹鸿辉. 产业政策对风电企业创新绩效的作用机制分析:基于时滞和区域创新环境的考量[J]. 研究与发展管理,2018,30(2):33-45.
[21] 邹鸿辉. 产业政策对风电企业创新质量的作用机制研究：企业信贷融资和高管股权激励视角[D]. 徐州:中国矿业大学,2019.
[22] 张之光,杜宁,马祎晗. 区域创新环境是否提高了中国信息技术产业创新效率:基于两阶段创新过程的实证研究[J]. 科技进步与对策,2020,37(5):47-56.
[23] RAGIN C C. Set relations in social research:evaluating their consistency and coverage[J]. Political Analysis,2006,14(3):291-310.
[24] FISS P C. Building better causal theories:a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal,2011,54(2):393-420.
[25] 杜运周,贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界,2017,33(6):155-167.
[26] FURMAN J L,PORTER M E,STERN S. The determinants of national innovative capacity[J]. Research Policy,2002,31(6):899-933.
[27] 刘伟丽,林玮菡. 质量创新与创新质量空间差异及耦合协调研究:基于中国高技术产业的经验分析[J]. 财经问题研究,2018(6):3-10.
[28] 党建民. R&D经费配置对创新绩效的影响及结构优化研究 :基于时滞和创新环境系统的考量[D]. 徐州:中国矿业大学,2017.
[29] WESSEH P K JR,LIN B Q JR. A real options valuation of Chinese wind energy technologies for power generation:do benefits from the feed-in tariffs outweigh costs[J]. Journal of Cleaner Production,2016(112):1591-1599.
[30] 李佳,王丽丽,王欢明. 不同经济发展水平下创新要素对产业创新绩效的影响及政策启示[J]. 科技进步与对策,2020,37(7):52-58.
[31] COAD A,SEGARRA A,TERUEL M. Innovation and firm growth:does firm age play a role[J]. Research Policy,2016,45(2):387-400.
[32] 陈战光,李广威,梁田,等. 研发投入、知识产权保护与企业创新质量[J]. 科技进步与对策,2020,37(10):108-117.
[33] 张路,何凌云. 工业企业助力中国经济高质量发展了吗:基于952家上市企业的实证研究[J]. 中国矿业大学学报(社会科学版),2021,23(2):102-117.
[34] ÖZÇELIK E,TAYMAZ E. R&D support programs in developing countries:the Turkish experience[J]. Research Policy,2008,37(2):258-275.
[35] 杜宝贵,王欣. 众创空间创新发展多重并发因果关系与多元路径[J]. 科技进步与对策,2020,37(19):9-16.
[36] RAGIN C C. Redesigning social inquiry[M]. Chicago:University of Chicago Press,2008.
[37] 陶金国,刘海艳. 战略性新兴产业集聚、空间溢出效应与区域经济增长质量[J]. 统计与信息论坛,2020,35(5):26-34.