“双碳”目标下创新生态系统健康度评价及影响因素分析

胡沛枫 吴祎 马远远 朱璐月

摘 要：近年来，创新生态系统成为企业主要的创新发展模式，为实现“双碳”目标，需要把减碳任务融入创新生态系统总目标，因此，如何将“双碳”目標融入企业创新生态系统健康度评价，是现阶段亟须研究的问题。文章结合“双碳”目标，构建出涵盖19个因素的创新生态系统健康度影响因素体系，运用熵值DEMATEL主客观组合赋权法得出全部A股上市制造企业创新生态系统健康度得分，并通过DEMATELISM方法对健康度影响因素的重要情况及因素间的层次结构模型进行分析。研究表明：企业创新生态系统健康度总体呈现逐步上升趋势，且存在明显地域差异；其关键影响因素有研发投入强度、研发投入增长率、主营业务收入等；根据层次结构模型，得出了7条影响因素传递路径，包括1条以根源因素主营业务收入为起点的主导路径。研究结论对企业改善创新生态系统健康度具有一定的借鉴意义，为“双碳”目标的实现提供新的对策与建议。

关 键 词：创新生态系统；健康度；影响因素；双碳；熵值DEMATELISM组合方法

DOI：10.16315/j.stm.2023.02.008

中图分类号： F2737

文献标志码： A

收稿日期： 2022-12-24

基金项目： 河南省哲学社会科学一般课题项目（2019BJJ048）；2020年华北水利水电大学研究生教育创新课题项目（YK202031）；行业特色高校经管领域新文科建设实践研究项目（2021JGLX068）；2022年河南省民建省委会招标课题项目

作者简介： 胡沛枫（1971—），女，硕士，硕士生导师；

吴 祎（2000—），女，硕士研究生；

马远远（1995—），女，硕士研究生；

朱璐月（2000—），女，硕士研究生.

Evaluation of the health of innovation ecosystems under the “double carbon”

goal and improvement path analysis：Empirical research based on

entropyDEMATELISM method

HU Peifeng， WU Yi， MA Yuanyuan， ZHU Luyue

（School of Management and Economics， North China University of

Water Resources and Electric Power， Zhengzhou 450046， China）

Abstract：In recent years， the innovation ecosystem has become the main innovation development mode of enterprises. In order to realize the goal of “double carbon”， it is necessary to integrate the task of carbon reduction into the overall goal of the innovation ecosystem. Therefore， how to integrate the goal of “double carbon” into the evaluation of the health of the innovation ecosystem of enterprises is an urgent issue to be studied at this stage. In this paper， an innovative ecosystem health impact factor system covering 19 factors is constructed in combination with the goal of “double carbon”. All A listed manufacturing enterprises innovation ecosystem health scores are obtained by using entropyDEMATEL subjective and objective combination empowerment method. The results show that the overall health of the innovation ecosystem of enterprises is gradually increasing， and there are obvious regional differences. The key influencing factors are the intensity of R & D investment， the growth rate of R&D investment and the revenue of main business. Based on the hierarchical model， seven influencing factors are derived， including a dominant path that starts with the revenue of the primary business. The conclusion of the study has some reference significance for enterprises to improve the health of innovation ecosystem and provides new countermeasures and suggestions for the realization of the goal of “double carbon”.

Keywords：innovation ecosystem; healthiness; influence factors; double carbon; entropyDEMATELISM combination method

創新生态系统的发展范式已成为当前企业发展的主流模式。二十大报告明确指出“坚定实施完善科技创新体系，形成具有全球竞争力的开放创新生态”。伴随着创新3.0时代的来临，创新生态系统成为当前全球经济发展的核心要义。随着科技的发展，企业之间的竞争已经从单一的角色转变为多元化的创新生态系统的竞争。近年来，“碳达峰、碳中和”已经在世界各国经济发展中达成共识，“双碳”政策深度影响全球技术链、产业链、创新链、供应链和新的国际标准，成为推动经济社会全面绿色转型与疫情后世界经济“绿色复苏”的关键因素。“十三五”发展纲要提出后，我国已经出台一些减排政策和措施，例如先后建立了北京、上海、广东、深圳、天津、重庆和湖北等7个省市的碳交易所。此后，十九届五中全会又明确提出要加快推动绿色低碳发展，且在2020年9月全球气候峰会上明确提出了“双碳”目标。

企业创新生态系统研究引起了学术界普遍重视，通过对既有文献的梳理，研究内容主要集中于企业创新生态系统的系统构建、运行机理、健康度评价、效率评价、价值共创以及博弈仿真方面；对于制造企业创新生态系统，多为案例主导的运行机理和系统构建研究，有关健康度评价相关研究较少，且忽略了将绿色发展思想融入创新生态系统研究中。在2019年中国创新生态发展报告中，进一步提出了我国创新发展的基础产业是制造产业。同时制造企业在实体经济中占据着主要地位，最能代表国家创造力，因而在“双碳”目标驱动下，传统的创新生态系统需要兼顾“双碳”目标，完善“双碳”目标下的创新生态系统是有必要的。由此可见，创新是经济发展的第一驱动力，制造企业作为落实“双碳”目标的关键主体，在创新生态体系现有模式下，迎合“双碳”战略，把绿色思想融入企业创新生态系统中，引入“双碳”战略目标进行新的健康度评价体系的构建和优化，成为当前急需解决的问题。所以本文旨在研究以下问题：一是，在“双碳”目标下，创新生态系统健康度的评价体系是如何构建的，并对其进行测度？二是，“双碳”目标下，创新生态系统健康度影响因素内部层次结构是怎样的？

基于此，本文将“双碳”目标融入企业创新生态系统中，在已有文献的基础上，结合制造企业现状，筛选出权威指标，构建健康度评价体系，运用熵值DEMATEL主客观组合赋权法，获得全部A股上市制造企业创新生态系统的健康度得分，并且利用DEMATELISM方法，分析了健康度影响因素的重要情况及因素间的层次结构模型进行，得出7条影响因素传递路径。本文具有以下创新点：一是，基于“双碳”背景，构建新型健康度评价体系，并证实了“双碳”目标是创新生态系统健康的重要影响因素。二是，评价方法采用熵值DEMATEL主客观综合赋权法，所得结果更具有科学性、准确性。在理论方面，本文将绿色思想融入企业创新生态系统研究中，充实了企业创新生态系统健康度评价相关文献，对提升制造企业创新生态系统健康度的路径选择提供有效建议；同时，也为今后各行业企业创新生态系统健康度的诊断提供可靠依据。其次，本文的企业创新生态系统健康度不仅可以反映企业的经济发展状况，还可以对企业“双碳”目标完成情况进行监督，推动企业经济发展同时实现环境保护。

1 文献综述

创新生态系统的概念是由学者Ander[1]于2006年首次提出的，随后关于“创新生态系统”的研究逐渐增多。综合国内外既有文献，对于创新生态系统的研究重点集中在以下几个方面：第一，关于创新生态系统的内涵、概念界定方面。多数学者认为创新生态系统是由企业、政府、高校以及中介组织如银行、金融机构等共同组成的创新联合体，以共同实现创新绩效为目标［2-3］。第二，关于创新生态系统运行机理、系统构建方面[4-7]。武学超[8]提出了“五重螺旋”创新生态系统运行机理，它将高校、产业、政府、公民社会、自然环境作为系统组成部分，同时探寻了以高等教育、经济、自然环境、公民社会、政治等系统为逻辑顺序的循环式运行机理；此外，也有学者关注系统的动态演化过程[9]，王宏起等[10]分析了新能源汽车创新生态系统的三阶段演化过程。对于创新生态系统运行机理的研究主要揭示了系统内构成要素以及要素间相互作用的关系，系统外部环境主要分析了经济、社会、自然环境等，少有将“双碳”目标纳入到创新生态系统中进行评价和运行机理的演变研究。因此，深入研究分析企业创新生态系统运行机理，进而评价其健康度，对企业创新生态系统的可持续发展具有重要意义。

最早提出评估商业生态体系健康状况的学者是Iansiti等[11]，他们认为生产率、生命力和缝隙空间创造能力是评估商业生态体系健康状况的3个重要标准。在此之后，国内外学者对创新生态系统健康度评价从不同角度展开了不同的探讨。Li[12]认为健康的创新生态系统通常具有协同合作、共生演化的特征。路喜锋[13]以装备制造企业为研究对象建立了包括创新环境、组织种群结构、创新投入与产出、创新可持续性的健康度评价体系。姚艳虹等[14]从生产力、适应力、多样性3个维度反映创新生态系统健康程度。顾桂芳等[15]基于生命周期理论，提出了企业创新生态系统不同阶段健康度评价的重点，并构建以成长力、共生力、平衡力、再生力为一级指标的评价体系。李福等[16]则认为共生力、平衡力、组织力和生长力是衡量创新生态系统健康的重要标准。何得雨[17]、Zou[18]首次将“双碳”目标下的创新生态系统联合体进行演化博弈分析，认为协同收益、碳税等越高，主体与联合体双方越期望协同合作；超额收益、政府碳补贴效益等越高，双方越希望独自创新。也有学者研究碳规制与企业创新之间的关系，有人根据“波特假说”的理论分析认为环境规制[19]，尤其是市场激励型环境规制能够提高企业的研发投入力度，通过倒逼企业进行设备升级或投资相关技术来提高盈利能力，以削减环境规制带来的高额成本支出[20]。

基于上述文献可知，创新生态系统概念界定[21]、系统构建[22-23]、运行机理[24-25]等研究已趋于成熟，一定程度上为本文提供了坚实的理论基础。在此研究基础上，学者们也对创新生态系统的健康评价体系[26]、效率评价[27-28]等深入研究，针对不同行业产生不同的观点也趋于成熟，为本文构建创新生态系统健康度评价指标体系奠定了基础。但以上研究还未对创新生态系统的研究健康度评价指标体系达成共识，也没有顾及“双碳”目标的影响，从而将绿色思想融入健康度评价。健康的创新生态系统也必须以达成“双碳”目标为基础。故本文以此为切入点，在制造企业的创新生态系统中，引入“双碳”目标，在创新领域中引入生态学的研究理论与方法，对创新的运行机制和管理模型进行生态学类比研究，生态学上的生态系统强调生物体之间以及生物体与所处环境之间的相互依赖与共生共赢，处在复杂交互网络中的企业就像生物体，同样具有生态系统的自适应系统特征。因此本文将“双碳”驱动下健康的创新生态系统界定为在满足“双碳”目标的前提下，该系统仍具有生产率不减、创新环境好、可持续发展潜力逐渐增强、适应力强、规模逐步扩大的趋势。这些发展趋势使得系统内部的人才、技术、资源等形成协同演进、协同创新的运行模式。此运行模式的创新主体为政府、企业、高校及科研机构，政府充当引导者，通过相关碳交易政策、补贴政策激励以及重大先进绿色技术科研项目支持，鼓励企业、高校、科研机构之间开展人才、知识、技术等循环互动，并给予资金、资源支持，使其相互影响、相互依存。同时，政府也会引导中介性组织提供更好的创新服务，共同营造出由政策环境、文化环境、营商环境及教育环境构成的创新环境。在产业链中，“双碳”目标还将通过碳交易推动系统内产业链协同降碳。结合“双碳”目标以及以往文献对创新生态系统的关键特征总结，将碳排放、碳交易价格等“双碳”指标作为驱动，同时引入创新生产率、创新环境、创新可持续性、创新主体规模、创新适应力等方面构建健康度评价指标体系，运用熵权DEMATELISM组合方法得出健康度评分、揭示影响“双碳”目标下系统健康度的关键因素、因素间因果关系、层次影响结构以及主导影响传递路径，期望丰富“双碳”目标下创新生态系统评价方面的理论研究。“双碳”目标下创新生态系统的运行机理，如图1所示。

2 研究设计

2.1 基于熵值DEMATEL组合的主客观赋权评价方法

本文的评价方法借鉴李旭辉[29]等学者的研究，运用主客观综合赋权法进行评价。所谓主观赋权法是基于专家经验而获得的结论，强调对专家学者的认识、经验，但受专家学者主体倾向的影响。客观赋权虽充分考虑客观条件，赋权指标的取值更有理论依据，但缺乏专家的实际经验和专业知识。故本文将主观赋权与客观赋权结合起来共同得出各指标权重，得出的结果更具有科学性、准确性。

图1 “双碳”目标下制造企业创新生态系统运行机理

Fig.1 The operation mechanism diagram of manufacturing enterprise innovation ecosystem under the goal of “double carbon”

1）客观赋权法-熵值法。熵值法是一种客观赋权法，它的基本原理是根据信息熵对评价体系内的各项指标进行客观赋权。通过计算信息熵，可以衡量一组指标数据的分布情况，其分布越分散，则这组指标数据在整体评估中的作用也會更加显著，权重更高。其工作原理和步骤如下：

根据评价体系建立初始评价矩阵X={xij}（i=1，2，…，m;j=1，2，…，n），其中m为研究对象个数，n为指标个数，xij表示第i个研究对象的第j个指标值。进行原始指标数据标准化处理，如下式：

正向指标：

xij=xij-min（xij）max（xij）-min（xij）。（1）

负向指标：

x′ij=max（xij）-xijmax（xij）-min（xij）。（2）

利用式（1）、（2）标准化处理时，结果会出现一些0值，为消除0值影响，对结果进行坐标平移，即将0值替换为x′ij+0.000 000 01，然后计算得出第i个研究对象的第j个指标的比重，如下式：

yij=x′ij∑ni=1x′ij。（3）

再通过上一步计算出的比重求出第j个指标的熵值，如下式：

ej=-1ln n∑ni=1yijln yij。（4）

最后通过上述计算结果计算出各个指标的权重，如下式：

w1j=（1-ej）∑mj=1（1-ej）。（5）

2）主观赋权法DEMATEL法。DEMATEL法，即决策试行与评价实验法，是根据专家经验以及知识建立指标之间直接影响矩阵，研究指标之间相互影响程度以及关系的方法。它的基本原理是运用图论和矩阵运算工具进行系统因素分析的方法，通过直接影响矩阵计算出各个指标的影响程度和被影响程度，进而计算每个指标的中心度和原因度，最后得出每个指标权重。其步骤如下：

首先，根据专家对各因素之间的影响关系打分形成直接影响矩阵A，如下式：

A=（ajs）n×n=a11…a1n

an1…ann。（1≤j=s≤n，j、s为整数）（6）

然后，将直接影响矩阵A标准化，得到规范化直接影响矩阵B，如下式：

B=Amax1≤j≤n∑nj=1ajs。（7）

在规范化直接影响矩阵B基础上，计算得到综合影响矩阵T，如下式：

T=（tjs）n×n=B（1－B）－1。（8）

在综合影响矩阵T的基础上，计算得出各指标影响度Di、被影响度Ci及中心度Mi和原因度Ni，如下式：

Dj=∑ns=1tjs，Cj=∑nj=1tjs。（9）

Mj=Dj+Cj，Nj=Dj－Cj。（10）

将中心度进行归一化处理，计算出各指标权重，如下式：

w2j=Mj∑nj=1Mj。（11）

3）熵值DEMATEL组合赋权。熵值法能够反映指标数据的离散程度，不受主观影响，能够全方位的准确反映指标数据地真实情况，但缺少主观判断。DEMATEL法反映专家的经验和知识，但缺少客观的数据支撑。因此，将熵值法与DEMATEL法进行组合赋权，既能反映主观的专家经验，又可以反映客观的数据准确性，故此种方法确定的权重更合理、科学。组合赋权采用乘法继承法，得出权重系数ω，如下式：

wj=w1jw2j∑nj=1w1jw2j。（12）

其中：ω1j是由熵值法得到的第j个指标的权重，ω2j是由DEMATEL法得到的第j个指标的权重。

最后，创新生态系统健康度测度计算：

W=∑nj=1（wjxij）。（13）

2.2 基于DEMATELISM法的影响因素分析

借鉴范德成等[30]的研究，用DEMATELISM进行影响因素分析，首先，根据式（8）的综合影响矩阵T建立整体影响矩阵，如下式：

E=T+I。（I为单位矩阵）（14）

建立可达矩阵：根据阈值λ（由文献以及专家讨论确定）对整体影响矩阵E进行判断，得到邻接矩阵K，如下式：

Kij=1，Eij>λ0，Eij<λ（15）

建立可达集Uj和先行集Rj，如下式：

Uj={xj｜xj∈X，kij≠0}，（16）

Rj={xj｜xj∈X，kij≠0}。（17）

若Uj、Rj满足Uj∩Rj=Uj，则xj为最高层指标，重复此步骤，根据顺序得到系统间的多层递接影响结构模型。

2.3 指标体系构建

结合“双碳”目标，依据已有文献中创新生态系统运行机理，并根据健康度评价的文献，基于陈屹立[20]、Iansiti等[11]、姚艳虹[14]、以及张贵等[26]学者的研究，设立了一二级指标，并对相关三级指标进行了梳理、创新，构建了以创新生产率、创新环境、创新可持续性、创新主体规模、创新适应力、“双碳”目标等为一级指标的创新生态系统健康度评价体系，以下为评价指标的解释。

1）创新生产率。它是衡量创新生态系统运行状况最重要的结果指标，主要由生产效率、盈利水平、创新产出构成，它体现了系统中各个成员之间的协作整合能力。主要用于评价系统中各种创新资源要素是否得到合理有效配置并转化为创新成果。在创新生态系统中，这一指标旨在衡量组织能否以最小的代价将知识、技术、资金等创新因素转变为可供消费者选择的新产品或服务。

2）创新环境。它是衡量创新生态系统所在区域创新能力的重要指标，主要由投资环境、营商环境、教育环境、文化环境构成；反映企业创新生态系统所在地区的资源要素条件、宏观经济基础、政策法规制度、科技创新意识等［31］。

3）创新可持续性。它是衡量创新生态系统持续发展能力的指标。研发活动在系统内创新过程中发挥引擎作用，只有不断地从事研发活动，进行研发投入，培养可持续发展的科研能力，创新生态系统才能具备长期发展的潜力。研究显示，创新发展的科研投资不仅有助于提升科研储备，还有助于推动新的知识的形成［32］，这不仅是创新生态系统的基础，也是实现可持续发展的关键。

4）创新主体规模。此指标可以用来评估创新主体的合作能力，主要由规模及成长能力构成，创新主体规模越大，创新知识流动性越强，创新主体间协同合作意愿就越强。因此，创新主体规模是保证创新生态系统合作广度的重要指标。

5）创新适应力。它是衡量创新生态系统稳定情况的重要指标，反映系统应對内外部变化的能力。主要用于评价创新生态系统的抗压能力、自我调节和恢复能力，因此选择了衡量其经营效率和偿债能力的相关财务指标进行评价。

6）“双碳”目标。它是衡量创新生态系统减碳程度的结果指标，主要由碳交易和碳规制构成，反映系统整体的降碳能力［33］，监督创新生态系统实现创新的同时实现环境保护。

创新生态系统健康度评价体系，如表1所示。

2.4 数据来源与样本选择

本文以八大碳交易所所在省的全部A股上市的制造企业（剔除ST股）创新生态系统为研究对象，剔除数据缺失严重的企业、并采用中位数来填补缺失的数据，最后筛选出1 110个样本。将研究区间定位2017—2020年，上市公司财务数据来源为国泰安数据库与国家统计局官网，专利数据来源于中国研究数据服务平台（CNRDS）中的创新专利数据库，碳排放数据来源于中国碳核算数据库（CEADS）。

3 实证分析

3.1 基于熵值DEMATEL组合赋权的制造企业创新生态系统健康度测度

为验证制造企业创新生态系统的健康度受到“双碳”目标的影响，本文将碳规制指标用式（1）～（5）进行熵权得到综合值，以所有样本平均值为分界点将碳规制程度分为高、低两类；并通过SPSS中Kmeans聚类将1 110家企业的健康度分为5个等级，级数越高健康度越好；为探索不同碳规制程度在健康度等级中是否有显著差异，本文对碳规制程度和健康度等级进行独立样本T检验，显著性水平取0.05，P<0.05表示有显著性差异，P<0.01有非常显著性差异，独立样本T检验的分析表明，碳规制程度高的制造企业创新生态系统健康度显著高于碳规制程度低的制造企业（M高碳规制=2.002 9，M低碳规制=4.233 4，t=-70.138，p<0.001），因此可验证碳规制对于制造企业创新生态系统健康度有影响，也说明“双碳”目标对制造企业的创新生态系统健康度产生影响。

将2017—2020年的原始数据按照式（1）～（12）得出各指标的组合权重，主观赋权部分用Matlab2020a软件进行数据处理，然后用公式（13）计算出2017—2020年以八大碳交易所所在省的全部A股上市的制造企业创新生态系统健康度得分，如表2所示。由表2可知，7个省的健康度得分总体呈现逐步上升情况，且2017—2019年健康度的增长速度比2019—2020年增长速度快；健康度得分最高的地区是广东省，其次是上海；得分最低的地区是重庆市，其次是天津市；这种得分说明“双碳”目标下的制造企业创新生态系统健康度存在明显地域差异。

为了探索更清晰地看出差异所在，本文也根据上文提到的Kmeans聚类将“双碳”目标下7个省的制造企业创新生态系统健康度得分作动态演化图，如图2所示。由图2可知，“双碳”目标下制造企业创新生态系统健康度存在地域差异，即东部地区优于中部地区，南部地区优于北部地区，北京市一直处于三级健康度水平，且呈现缓慢增长状态；天津市2017—2018年从一级健康度水平快速增长到二级健康度水平，之后呈现缓慢增长状态；重庆市一直处于一级健康度水平，也现缓慢增长状态；上海市一直处于三级健康度水平，且呈现缓慢增长状态；湖北省在2017—2018年处于健康度一级水平，2018—2019年从健康度一级水平迅速增长到健康度二级水平，并持续稳定增长；福建省2017年处于健康度一级水平，2018年从健康度一级水平跨越到健康度二级水平，并一直持续稳定增长；广东省2017—2018年处于稳定增长的健康度四级水平，并于2019年突破到健康度五级水平，且一直处于稳定增长状态，2020年达到最高值为0.722。

3.2 基于DEMATEL方法的影响因素重要性排序及因果关系提取

通过邀请6位专家对19个影响因素之间的关系进行打分，对评分结果进行整理和汇总，然后利用Matlab2020a软件通过式（6）～（10）进行数据运算，得到综合影响矩阵T、各指标的影响度、被影响度、中心度以及原因度。如表3、表4所示。

为了更清晰看出指标间关系，通过Matlab2020a绘制了指标间因果关系图，如图3所示。

研究结果如下：研发投入强度（x11）、研发投入增长率（x12）、主营业务收入（x13）、地区人均GDP（x7）、总资产周转率（x15）、地方财政科学技术支出（x5）等6个影响因素在评价体系中对其他影响因素的影响程度最高，其影响度分别是：11.110 896 89、11.077 743 28、11.015 575 51、10.846 111 18、10.834 802 69、10.790 320 34。研发投入强度（x11）、研发投入增长率（x12）、总资产增长率（x1）、专利数量年增长率（x4）、净资产报酬率（x3）、主营业务收入增长率（x14）等6个影响因素在评价体系中受到其他影响因素的影响程度最高，其被影响度分别是：12.089 135 38、11.716 070 62、11.533 452 84、11.397 448 93、10.887 689 44、10.875 317 47。

研发投入强度（x11）、研发投入增长率（x12）、主营业务收入（x13）、总资产增长率（x1）、地方财政科学技术支出（x5）、主营业務收入增长率（x14）等6个影响因素对整个评价体系中的影响程度最显著，其中心度分别是：23.200 032 28、22.793 813 9、21.831 454 1、21.578 193 28、21.546 015 21、21.484 842。图书馆流通人次（x10）、碳排放量（x19）、碳交易价格（x18）、资产负债率（x17）、地区人均GDP（x7）、速动比率（x16）是中心度最低的6个影响因素，分别是14.558 311 3、17.072 402 82、18.459 866 92、18.992 853 51、19.850 707 76、19.890 581 09，也就是说其在对整个评价体系中的影响程度相对较弱。

在19个指标中，有10个原因因素，按照原因度大小依次排序为地区人均GDP（x7）、图书馆流通人次（x10）、碳排放量（x19）、区域市场化指数（x8）、碳交易价格（x18）、政府补助金额（x6）、地方财政教育支出（x9）、总资产周转率（x15）、主营业务收入（x13）、地方财政科学技术支出（x5）；这些影响因素对健康度的影响具有自发性，较少受到其他影响因素的干扰。有9个结果因素，按照原因度绝对值大小依次排序为专利数量年增长率（x4）、总资产增长率（x1）、净资产报酬率（x3）、资产负债率（x17）、研发投入强度（x11）、研发投入增长率（x12）、净利润增长率（x2）、主营业务收入增长率（x14）、速动比率（x16），这些因素的变化受到原因因素的影响。

3.3 基于ISM方法的影响因素递阶结构分析

为了更深层次的探究“双碳”目标下制造企业创新生态系统健康度的影响因素之间影响机理，识别影响因素间的传递导向，根据式（14）～（17）、并根据综合影响矩阵画出此系统健康度影响因素的多层解释结构模型，如图4所示。

由图4可知，影响创新生态系统健康度的原因因素主要分布在根源、深层影响因素，结果因素除了净利润增长率（x2）、主营业务收入增长率（x14）外都分布在中层、表层影响因素。说明对于创新生态系统健康度，结果因素对其影响作用比较直接，对表层的结果因素直接调控可达到改善创新生态系统健康度的效果，比如总资产增长率（x1）、净资产报酬率（x3）、专利数量年增长率（x4）、速动比率（x16）、资产负债率（x17）；而对于原因因素的调控结果是缓慢的，尤其是处于根源层次的主营业务收入（x13），但可以通过相关联的影响因素从根源到表层进行调节。图3完整描绘了所有原因因素与所有结果要素间的影响逻辑以及层级之间各影响因素的传递路径，故本文将对具有代表性的原因因素到结果因素的影响机理进行分析，主要包括以下路径：

从影响因素所属的维度来看，创新环境中的地区人均GDP（x7）、区域市场化指数（x8）、图书馆流通人次（x10）以及“双碳”目标中的碳排放量（x19），通过影响创新生产率中的专利数量年增长率（x4）、总资产增长率（x1）、净资产报酬率（x3），最终影响创新生态系统健康路径。这种影响路径意味着通过改善创新环境与双碳”目标中的关键原因因素，促进创新生产率中的关键结果因素的改善，最终促成创新生态系统健康度的提升。

从主要的影响传递路径节点来看，根据解释结构模型进行层次划分，将影响创新生态系统健康度的影响因素划分为4个层次。第1层为表层影响，包括总资产增长率（x1）、净资产报酬率（x3）、专利数量年增长率（x4）、图书馆流通人次（x10）、速动比率（x16）、资产负债率（x17）、碳交易价格（x18）、碳排放量（x19）等8个影响因素。第2层为中层影响因素，包括地方财政科学技术支出（x5）、研发投入强度（x11）、研发投入增长率（x12）等3个影响因素。第3层为深层影响因素，包括净利润增长率（x2）、政府补助金额（x6）、地区人均GDP（x7）、区域市场化指数（x8）、地方财政教育支出（x9）、主营业务收入增长率（x14）、总资产周转率（x15）等7个影响因素。第4层为根源影响，包括主营业务收入（x13）影响因素。其中，中层影响因素对深层、根源影响因素到表层影响因素之间具有中介作用。

基于上述总结，主要影响路径有：主营业务收入（x13）→主营业务收入增长率（x14）+研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度;政府补助金额（x6）→研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度;地区人均GDP（x7）→研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度;总资产周转率（x15）→研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度;地方財政科学技术支出（x5）→总资产增长率（x1）→健康度;研发投入强度（x11）专利数量年增长率（x4）→健康度;研发投入增长率（x12）→专利数量年增长率（x4）→健康度。其中，由根源影响因素主营业务收入（x13）作为起点的第一条影响路径关联最为广泛，对系统健康影响最为显著。通过对影响路径的总结，不仅可以找到主要影响健康度的关键节点，也可以分析出其影响路径，并可以通过其路径找出其根本影响因素。由图3可知，可通过提高创新主体规模来提高创新生产率，进而提高企业的创新生态系统健康度。

根据以上研究结果，对企业创新生态系统健康度提升提出以下建议：一是增强根源和深层影响因素。双碳目标下企业创新生态系统的发展，必须由政府出台针对企业、高校、科研机构协同创新的驱动性政策并給予资金、资源等补助。同时，保持企业的合作意愿不减;二是落实中层影响因素。应重点考虑对整个评价体系中的影响程度最显著的系统创新可持续性，既保证系统的发展潜力，也要保持系统的可持续发展能力，政策方面需侧重于加大地方财政科学技术支出，保证系统处于好的投资环境中；创新主体需要加大技术研发投入，实现创新产出，只有各因素达到优化才能真正推动系统健康发展;三是重视表层影响因素。表层因素包含了多个创新生产率指标及“双碳”指标，是健康度的直观表现。应增强企业整体对抗外部不确定性因素的能力，提高系统适应力；同时，迎合“双碳”政策，企业应提升环保意识，使系统既实现创新发展也实现环境保护。

4 结论与讨论

4.1 结论

我国7个省份的碳交易所陆续成立后，国内很多学者对于由碳交易带来的经济后果展开研究，研究视角更多地集中在碳交易导致企业研发投入增加是否促使企业绩效的提高。在“双碳”目标驱动下，企业拥有健康的创新生态系统才能实现可持续健康发展，本文运用熵值DEMATEL组合赋权方法，测算了出2017—2020年以八大碳交易所所在省的全部A股上市的制造企业创新生态系统健康度得分。最后，运用DEMATELISM方法分析了创新生态系统健康度影响因素及因素间的层次结构模型进行分析，主要结论如下：

第一，2017—2020年，以八大碳交易所所在省的全部A股上市的制造企业创新生态系统健康度得分总体呈现逐渐升高态势，且2017—2019年健康度的增长速度比2019—2020年增长速度快；并存在明显地域差异，即东部地区优于中部地区，南部地区优于北部地区。通过检索2017—2020年地区发展总体状况，发现各地区制造企业健康度符合各地区企业发展情况，验证了所构建指标体系的客观性。

第二，创新生态系统健康度的影响因素按重要程度排序依次为研发投入强度、研发投入增长率、主营业务收入、总资产增长率、地方财政科学技术支出、主营业务收入增长率；企业可以通过直接调控这些关键影响因素，以更快提升健康度。

第三，在19个影响因素中，关键原因因素原因度大小依次排序为地区人均GDP、图书馆流通人次、碳排放量；这些影响因素较少受到其他影响因素的干扰。关键结果因素按照原因度绝对值大小依次排序为专利数量年增长率、总资产增长率、净资产报酬率，这些因素的变化受到原因因素的影响，同时这些因素基本属于表层影响因素，对调节健康度的效果最为直观。

第四，根源影响因素借助中层影响因素的中介作用影响表层影响因素，并总结出7条影响传递路径。其中包括1条主导路径和6条非主导路径。主导路径为由根源影响因素主营业务收入作为起点的第一条影响路径：主营业务收入（x13）→主营业务收入增长率（x14）+研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度。从一级指标视角来看，企业可以通过拓展创新主体规模，从而为企业提供更好的创新环境，进而促进企业的创新生产率，提高企业健康度。

4.2 研究启示与展望

随着“双碳”目标逐步落实到各企业，企业既要实现创新目标也要实现减碳目标，企业的创新生态系统发展模式，也已成了国内外都需要关注的重点研究方向。本文增加了在创新生态系统研究中对“双碳”目标的认识，衡量标准更符合企业的发展情况，现实中促使企业经济发展的同时更加注重绿色发展，加强绿色创新，对企业创新生态系统的健康发展具有实践意义：

一是，对“双碳”目标下企业创新生态系统构建提供理论依据。碳交易价格、碳排放量规制等政策会对企业创新施加压力，从而激发企业创新动力，促进企业与政府、高校及科研机构等合作，共同实现协同创新、绿色发展。因此，企业更加注重将“双碳”目标融入创新生态系统的构建，明显提高企业创新绩效。

二是，对企业创新生态系统健康发展，提供有益的政策建议。通过其影响传递路径中的主导路径：主营业务收入（x13）→主营业务收入增长率（x14）+研发投入强度（x11）+研发投入增长率（x12）→总资产增长率（x1）+专利数量年增长率（x4）→健康度。从其递阶层次来看，企业创新生态系统健康度提升主要通过提升专利数量及总资产，究其深层影响机理是企业先扩大创新主体规模，增加主营业务收入，从而使企业有更好的创新环境，加大研发投入强度，进而提高企业的创新生产率，总资产以及专利数量得以提升，最终实现提高企业健康度。为了确保企业创新生态系统的健康发展，政府应该加大对企业的研发投入，并制定有效的鼓励机制，以提供良好的环境和资源支持，从而促进企业创新的可持续发展。

三是，为“双碳”目标下各行业企业创新生态系统健康度诊断提供可靠依据。基于已经形成的创新生态系统，可以为其提供健康度诊断，以便及时发现其健康状况的变化趋势，并根据诊断结果调整创新投入和主体规模，以提高系统的创新生产率，从而改善系统的健康状况。

四是，为企业提升健康度提供可供选择的路径。企业可以根据自身所处发展阶段以及自身倾向选择不同提升健康度的路径，例如可以选择从根源出发的主导路径，这类路径的优点是从根源解决健康度低的问题，但改善时间相对来说比较缓慢；也可以选择直接通过表层因素进行调节的路径，这类路径见效快但不稳定；相对来说，还是选择主导路径来改善健康度更好。

因为碳交易数据局限性，没有碳交易所试点地区的上市公司未纳入研究范围，后续研究可以完善和收集全部制造企业开展研究，提高结论的普适性和准确性。此外，由于选取地区分布不均衡，可能导致研究结论过于片面，后续将对我国制造业企业创新生态系统健康度的区域异质性影响进行追踪。

参考文献：

［1］ ADNER R.Match your innovation strategy to your innovation Ecosystem［J］.Harvard business review，2006，84（4）：98.

［2］ 靖鯤鹏，宋之杰.健康度视角下区域技术创新生态系统的进化与提升路径：京津冀与长三角的实证研究［J］.企业经济，2022，41（1）：143.

JING K P，SONG Z J.The evolution and promotion path of regional technological innovation ecosystem from the perspective of health degree：An empirical study of BeijingTianjinHebei and Yangtze River Delta［J］.Enterprise Economy，2022，41（1）：143.

［3］ 王宇.创新生态视角下科技成果转化的机制设计［J］.现代经济探讨，2021（11）：126.

WANG Y.Mechanism design of transformation of scientific and technological achievements from the perspective of innovation ecology［J］.Modern Economic Research，2021（11）：126.

［4］ 吕晓静，刘霁晴，张恩泽.京津冀创新生态系统活力评价及障碍因素识别［J］.中国科技论坛，2021（9）：93.

LYU X J，LIU J Q，ZHANG E Z.Vigor valuation and identification of obstacle factors of the innovation ecosystem in BeijingTianjinHebei［J］.Forum on Science and Technology in China，2021（9）：93.

［5］ 孙耀吾，陈云.平台生态系统健康性测度研究：基于扎根理论与大样本问卷调查［J］.软科学，2022，36（1）：126.

SUN Y W，CHEN Y.Research on the measurement of platform ecosystem health：Based on grounded theory and questionnaire survey［J］.Soft Science，2022，36（1）：126.

［6］ 袁野，汪书悦，陶于祥.人工智能关键核心技术创新能力测度体系构建：基于创新生态系统视角［J］.科技进步与对策，2021，38（18）：84.

YUAN Y，WANG S Y，TAO Y X.Construction of measurement system for artificial intelligence core technology innovation capability：From the perspective of innovation ecosystem［J］.Science & Technology Progress and Policy，2021，38（18）：84.

［7］ GAWER A.Bridging differing perspectives on technological platforms：Toward an integrative framework［J］.Research policy，2014，43（7）：1239.

［8］ 武学超.五重螺旋创新生态系统要素构成及运行机理［J］.自然辩证法研究，2015，31（6）：50.

WU X C.Elements constitution and operation mechanism of quintuple helix innovation ecosystem［J］.Studies in Dialectics of Nature，2015，31（6）：50.

［9］ CHAE B K.A general framework for studying the evolution of The Digital innovation ecosystem：The case of big data［J］.International Journal of Information Management，2019，45：83.

［10］王宏起，汪英华，武建龙，等.新能源汽车创新生态系统演进机理—基于比亚迪新能源汽车的案例研究［J］.中国软科学，2016（4）：81.

WANG H Q，WANG Y H，WU J L，et al.Evolution mechanism of innovation ecosystem for new energy vehicles：Case of BYD new energy vehicles［J］.China Soft Science，2016（4）：81.

［11］IANSITI M，LEVIEN R.Strategy as ecology［J］.Harvard business review，2004，82（3）：68.

［12］Li Y R.The technological roadmap of Ciscos business ecosystem［J］.Technovation，2009，29（5）：379.

［13］路喜锋.装备制造业创新网络生态系统健康性评价研究［J］.河南科技，2016（23）：72.

LU X F.Research on health evaluation of innovation network ecosystem in equipment manufacturing industry［J］.Henan Science and Technology，2016（23）：72.

［14］姚艳虹，高晗，昝傲.创新生态系统健康度评价指标体系及应用研究［J］.科学学研究，2019，37（10）：1892.

YAO Y H，GAO H，ZAN A.Research on health evaluation of innovation ecosystem［J］.Studies in Science of Science，2019，37（10）：1892.

［15］顾桂芳，胡恩华.企业创新生态系统多阶段健康度评价研究［J］.中国科技论坛，2020（7）：120.

GU G F，HU E H.Research on multistage health assessment of enterprise innovation ecosystem［J］.Forum on Science and Technology in China，2020（7）：120.

［16］李福，曾国屏．创新生态系统的健康內涵及其评估析［J］.软科学，2015，29（9）：1．

LI F，ZENG G P.The health connotation and evaluation analysis of innovation ecosystem［J］.Soft Science，2015，29（9）：1．

［17］何得雨，邹华，杨宣虎，等.“双碳”目标引领下创新生态系统之联合体协同演化博弈［J］.沈阳大学学报（社会科学版），2021，23（6）：636.

HE D Y，ZOU H，YANG X H，et al.Consortium coevolutionary game of innovation ecosystemunder the guidance of “Dualcarbon” goal［J］.Journal of Shenyang University（Social Science），2021，23（6）：636.

［18］ZOU H，QIN H，HE D，et al.Research on an enterprise green innovation ecosystem from the vulnerability perspective：Evolutionary Game and simulation［J］.IEEE Access，2021，9：140809.

［19］PALMER J K.Environmental regulation and Innovation：A panel data study［J］.Review of Economics & Statistics，1997.

［20］陈屹立，邓雨薇.环境规制、市场势力与企业创新［J］.贵州财经大学学报，2021（1）：30.

CHEN Y L，DENG Y W.Environmental regulation，market power and enterprise innovation［J］.Journal of Guizhou University of Finance and Economics，2021（1）：30.

［21］梅亮，陈劲，刘洋.创新生态系统：源起、知识演进和理论框架［J］.科学学研究，2014，32（12）：1771.

MEI L，CHEN J，LIU Y.Innovation ecosystem：Origin，knowledge evolution and theoretical framework［J］.Studies in Science of Science，2014，32（12）：1771.

［22］REINARTZ W，DELLAERT B，KRAFFT M，et al.Retailing innovations in a globalizing retail market environment［J］.Journal of Retailing，2011，87（S1）：53.

［23］WEIL H B，SABHLOK V P，COONEY C L.The dynamics of innovation ecosystems：A case study of the US biofuel market［J］.Energy Strategy Reviews，2014，3：88.

［24］尹洁，施琴芬，李锋.高新技术产业创新生态系统内部种群竞争演化机制研究［J］.统计与决策，2020（24）：161.

YIN J，SHI Q F，LI F.Research on the evolution mechanism of population competition in the innovation ecosystem of hightech industry［J］.Statistics & Decision，2020（24）：161.

［25］石莹.创新生态系统中产学研创新协同度的实证研究［J］.天津工业大学学报，2017，36（2）：77.

SHI Y.Empirical research on industryuniversityresearch innovation synergetic degree of innovation ecosystem［J］.Journal of Tiangong University，2017，36（2）：77.

［26］張贵，程林林，郎玮.基于突变算法的高技术产业创新生态系统健康性实证研究［J］.科技管理研究，2018，38（3）：19.

ZHANG G，CHENG L L，LANG W.Empirical research of hightech innovation ecosystem health based on mutation algorithm［J］.Science and Technology Management Research，2018，38（3）：19.

［27］甄美荣，江晓壮，杨晶照.国家级高新区创新生态系统适宜度与经济绩效测度［J］.统计与决策，2020（13）：67.

ZHEN M R，JIANG X Z，YANG J Z.Suitability and economic performance measurement of innovation ecosystem in national hightech zone［J］.Statistics & Decision，2020（13）：67.

［28］胡玲.基于生态系统视角的企业创新绩效影响因素研究［J］.统计与决策，2014（16）：172.

HU L.Research on the influencing factors of enterprise innovation performance based on ecosystem perspective［J］.Statistics & Decision，2014（16）：172.

［29］李旭辉，彭勃，程刚.长江经济带人工智能产业发展动态评价及系统协调度研究［J］.统计与信息论坛，2020，35（1）：89.

LI X H，PENG B，CHENG G.Research on dynamic evaluation and system coordination degree of artificial intelligence industry development in the Yangtze River Economic Belt［J］.Journal of Statistics and Information，2020，35（1）：89.

［30］范德成，谷晓梅.高技术产业技术创新生态系统健康性评价及关键影响因素分析：基于改进熵值DEMATELISM组合方法的实证研究［J］.运筹与管理，2021，30（7）：167.

FAN D C，GU X M.Study on health evaluation and key influencing factors of technology innovation ecosystem in hightech industries：based on the improved entropy weightDEMATELISM method［J］.Operations Research and Management Science，2021，30（7）：167.

［31］王宏伟，马茹，张慧慧，等.我国区域创新环境分析研究［J］.技术经济，2021，40（9）：14.

WANG H W，MA R，ZHANG H H，et al.A study on regional innovation environment in China［J］.Journal of Technology Economics，2021，40（9）：14.

［32］王俊.R&D補贴对企业R&D投入及创新产出影响的实证研究［J］.科学学研究，2010，28（9）：1368.

WANG J.The experiential study on the impact of government R&D subsidies on the business R&D input and innovation output［J］.Studies in Science of Science，2010，28（9）：1368.

［33］曾林，叶永卫，王耀德.碳交易价格对企业创新的影响：基于中国上市公司的实证研究［J］.上海金融，2021（11）：61.

ZENG L，YE Y W，WANG Y D.The impact of carbon trading price on enterprise innovation：An empirical study based on Chinese listed companies［J］.Shanghai Finance，2021（11）：61.

［编辑：刘琳琳］