技术创新驱动新能源产业发展的影响路径研究

高华 成金华 苑子義

摘 要： 新能源产业是实现碳中和目标和经济高质量发展的关键要素，而技术创新始终是驱动新能源产业发展的重要角色。选取各地具有代表性的60家新能源企业为研究案例，运用fsQCA的方法，基于组态的视角，从技术创新投入、技术创新产出和外部因素三个层面，探究技术创新驱动新能源企业发展的影响路径，并根据不同企业所在地将60家企业分类，探究影响路径的空间异质性，研究发现：技术创新驱动新能源企业发展的核心因素为科技活动财力投入、科技活动成果产出和政府补助；产生高企业发展水平的路径有五种，可大致归纳为政府补贴为主导型和科技活动财力投入—科技成果产出主导型两类；与此同时，不同地区的新能源企业的影响路径存在明显的异质性，东部地区企业的影响路径为科技活动人力投入—政府补助主导型与科技活动财力投入主导型两类，中部地区影响路径为政府补助主导型与科技活动人力投入主导型两类，而西部地区四个因素共同作用才可实现高水平发展。因此，各企业应结合自身发展环境因地制宜地采取相应的措施，选择适合自身发展的路径推动企业发展，进而带动新能源行业的整体发展。

关键词： 技术创新； 新能源； 影响路径； 空间异质性； fsQCA

中图分类号： F424.3; F426.2 文献标识码： A DOI： 10.3963/j.issn.1671-6477.2023.03.009

在能源转型的过程中，加强新能源技术的创新，是促进清洁能源利用高质量和高效化的重要手段。世界主要国家均把能源技术视为新一轮科技革命和产业革命的突破口，主要能源大国均制定了政策措施，加强太阳能等新能源领域技术创新。美国发布了《通货膨胀削减法案》，欧盟制定了《可再生能源发展法案》，日本出台《面向2030年能源环境创新战略》等，均把新能源技术视为新一轮科技革命和产业革命的突破口，制定各种政策措施以抢占发展制高点。中国国家能源局发布的《关于促进新时代新能源高质量发展的实施方案》《“十四五”可再生能源发展规划》《“十四五”现代能源体系规划》等规划文件中，均提到需要坚持创新驱动，提升可再生能源利用水平。此外，包括高新技术企业15%低税率、研发费用加计扣除等税收支持工具，一定程度上降低了企业研发成本，促进了太阳能等新能源领域企业的技术创新［1］。

技术创新是推动产业发展、提高社会生產力和综合国力的战略支撑。早在熊彼特提出创新理论时便指出，技术创新能够破坏旧产业、创造新产业，同时在技术创新的过程中产业结构也随之发生了调整和演变［2］，创新不仅可以直接转化为现实生产力，而且可以通过技术的渗透作用放大各生产要素的生产力，提高社会整体生产力水平。对于新能源行业，技术创新在新能源的成本降低和效率提高等方面起着至关重要的作用。其次，技术创新也可以推动新能源的多元化发展。综合利用太阳能、风能、水能等多种新能源形式，可以实现能源的互补性利用，提高能源系统的韧性和可持续性。同时，多元化的新能源发展也可以满足不同地区和不同行业的能源需求，实现能源的“分散化”。而在一个行业的技术创新中，企业往往是最重要的承担者。企业技术创新能力不仅决定了所在地区的产业技术创新水平，而且极大地影响了全国的技术创新表现。新能源企业具有技术高度密集的特征，是新能源技术创新和研发的主力军，新能源技术是新能源企业的核心竞争力，只有不断推动技术创新和研发，才能驱动企业自身不断发展，从而促进新能源产业的总体发展。当前，我国新能源产业的发展仍存在较大的阻力，如新能源核心技术亟待突破。我国对新能源生产的依赖程度较高，没有自己足够的核心知识产权，关键技术仍然受到国外的制约，新能源技术还处于引进消化、联合设计过程中。而技术创新是新能源行业发展的重要推动力量，通过技术创新，可以实现新能源的成本降低和效率提高，促进新能源产业的健康发展，推进我国经济结构优化升级和实现能源转型的战略目标。那么，解决如何通过技术创新来推动新能源产业发展的问题是当前的首要任务。为此，本文针对技术创新驱动新能源产业发展的影响路径展开研究，为促进我国新能源产业发展提供参考。

一、 相关文献综述

在碳中和及高质量发展目标下，新一轮能源技术革命正在孕育兴起，新的能源科技成果在不断涌现。当前，国内外学者从国家、省域、产业、企业等不同视角围绕创新能力评价、创新效率以及影响因素等方面展开了深入研究。

第一，关于新能源产业创新能力的评价研究。对于创新能力的评价研究，目前学界主要是从区域和行业角度来开展的。例如，肖凡和王姣娥等［3］基于行业的视角，对高新技术产业开展相关研究，主要对产业创新能力影响因素等进行了探讨；何舜辉等［4］从区域角度对中国不同城市的创新能力进行了测度，分析了15年间中国创新能力的时空演变格局。大多数技术创新评价或测度的研究都会首先建立相应的指标体系。国内外学者对于创新能力的研究主要围绕创新能力评价指标的建立和创新能力评价的方法两方面来展开。对于创新能力的评价体系，可主要分为单一指标体系与综合指标体系。在现有的研究中，大多数学者都选择了专利数量作为衡量新能源产业技术创新能力的指标。通常情况下，国外学者在确立评价体系并选取相应的指标后，下一步将度量其权重。在创新能力评价方法方面，国内外学者多采用传统的经验评判、主成分分析、算术平均加权、因子分析法、灰色关联度分析法、模糊数学方法、CCR模型的DEA模型以及集对法等对指标数据进行分析。

第二，关于新能源产业的创新效率的相关研究。从已有的国内外研究成果中可以看出，现有技术创新效率研究主要利用参数法和非参数法两大类别的测度方法，从企业、行业以及区域层次三个不同的研究层面来开展研究。其中，参数方法的代表是SFA模型，是由Aigner，Lovell，Schmidt［5］和Meeusen，Vanden Broeck［6］各自独立提出的。而非参数方法的代表是DEA模型，是由A.Charnes和W.W.Cooper等人于1978年首次提出的［7］，DEA模型也是目前大多数学者采用的研究模型，由于一般企业层面的数据难以获得，故大多数研究采用的是规模以上企业或上市公司的数据来代表整个新能源产业。除了对于整个新能源行业的研究之外，也有不少学者对新能源产业中的光伏产业、风电产业、水能产业等产业的创新效率进行了研究。

第三，关于新能源技术创新能力的影响因素研究。国内外研究者较多的是针对创新效率、区域创新能力的影响因素进行研究。多数研究发现新能源的技术创新能力主要影响因素有创新投入［8］、创新环境［9-11］、外商投资［12-13］、产业［14-16］、政策环境［17］等。周丽等［18］研究了企业内部治理因素对企业创新效率的影响，实证分析了政府补助对可再生能源企业创新效率的影响；王宏伟［19］对电价补贴政策对光伏产业链的影响进行了相应的评估；王群伟等［20］从技术创新过程的视角出发，从四个维度系统分析了新能源企业技术创新的制约因素及其交互关系。

总体来看，对于新能源技术创新的研究成果已经十分丰富，但针对技术创新驱动新能源产业发展的相关研究却较少；同时发现新能源技术创新的影响因素是多方面的，而技术创新驱动新能源产业发展往往是由多重因素共同作用的结果，那么这些因素如何组合互动、协同作用进而实现新能源产业发展，则是值得进一步研究的问题。然而，现有针对新能源企业发展影响因素的研究对于哪些因素组合更为有效还暂无定论，仍存在众多问题。如，技术创新驱动新能源产业的推动因素和核心力量是什么？何种组态构型能有效激活高企业发展水平？导致低企业发展水平的原因有哪些？这些路径有何互动关系？同时，目前还未有学者针对影响路径的空间异质性进行研究，那么不同地区的企业影响路径是否相同？有何差異？因此，本文收集了2017—2021年中国各省域具有代表性的新能源企业为研究对象，通过fsQCA的方法，基于组态的视角，探讨技术创新驱动新能源企业的影响路径，并进一步揭示了企业影响路径的空间异质性，分析我国东部、中部、西部企业影响路径间的差异，希望能为促进我国新能源企业的发展提供参考。

二、 研究方法与研究设计

本文将技术创新驱动新能源企业发展的影响因素分为技术创新投入、技术创新产出和外部因素三个层面，运用模糊集定性比较分析（fsQCA）方法，基于组态的视角进行分析，选取科技活动财力投入、科技活动人力投入、科技成果产出和政府补助四个因素构建技术创新驱动新能源企业发展的研究框架，研究框架如图1所示。选取新能源行业具有代表性的60家企业作为研究案例，探讨影响新能源企业发展的多元影响路径，并将60个企业按照不同企业所在地进行分类研究，以揭示不同地区间影响路径的异质性。

图1 研究框架

（一） 研究方法

定性比较分析（Qualitative Comparative Analysis，QCA）将案例研究与定量研究的优势相结合，是一种建立在集合论和布尔运算的基础上的研究方法，它为解释管理中的非对称性、多重并发因果关系、等效性等因素，提出了一种新的研究思路和方法［21］。QCA方法展示了案例导向方法的优势，充分利用了研究案例的可解性，将案例分解为条件变量和结果变量。这种方法适用于不同容量样本的深度分析，并可进行跨案例的样本分析。在管理学领域，利用QCA方法能够解决的研究问题可以归纳为三个方面：一是探究结果具有等效性的多种路径，二是解决前因复杂性问题以及处理多个前因复杂的互动关系，三是作为分类方法的深化与补充［22］。

QCA方法可以分成以下三种基本类别：Crisp-set（清晰集合）、Fuzzy-set（模糊集合）以及Multi-value（多值集合）。其中，使用csQCA时，条件变量和结果变量的赋值均采用布尔逻辑0/1法，虽然在某种程度上克服了传统案例导向研究的主观局限性，但其适用范围仍十分有限，通常在统计分析中采用的定距变量就超出了csQCA的适用范围。而fsQCA利用与案例的实质性知识相关的阈值对集成员资格进行进一步划分，克服了csQCA的缺陷。建立模糊集有多种方式，其中常用的校准方法有三值法（0.05，0.5，0.95）、四值法（0，0.33，0.67，1）、六值法（0，0.2，0.4，0.6，0.8，1）以及连续值等，分区可以更细粒度到连续的模糊集。模糊集的使用使得研究人员能够从清晰的度量移动到有序和连续的度量，并允许研究人员在创建度量时使用理论和实质性知识［23］，从而达到识别条件变量作用机制的效果，能够更准确地反映案例的真实情况，将原始数据的损失降到最低。同时，与传统的实证研究法相比，fsQCA深化了前因变量与结果之间的关系，可以展现因果关系之间复杂的内部关联，具有显著的方法论优势，可以进行多层次、多角度分析，从而可以对结果进行更加深入的分析。通过fsQCA方法分析技术创新驱动新能源发展机制，识别不同技术创新因素组合所构成的多重并发因果路径，能够深化对这一问题的认识。fsQCA可以分析出案例中存在的等效因果链，即在得出同一结果的情况下，前因变量之间可能存在着多种组合方式。因此，通过这些组合方式进行分析和解读，可以得到具有说服力的前因条件组合路径。同时fsQCA分析方法可以找到引发相同结果变量的原因组态，并探讨不同组态之间的互补性和替代性，进一步加深对不同类型技术创新组态驱动高企业发展水平路径的理解。综上，fsQCA满足本文的研究需求，本文选取fsQCA的方法探究技术创新驱动新能源产业发展的影响路径。

（二） 变量设置及数据来源

在宏观层面上，企业的技术创新能力是国家或区域经济可持续发展的保障。在微观层面上，技术创新可以提高企业的竞争优势，提高其市场份额。技术创新能力是中国也是工业企业的核心竞争力。另外，由于省域有关科研投入的数据难以获取，所以本文选取中国各省具有代表性的新能源企业为例进行研究。本文选取企业发展水平（EDL）作为被解释变量，参考李凤娇［24］关于战略性新兴产业发展水平的衡量方法，构建衡量新能源企业发展水平的指标体系并根据研究对象做适当调整（如表1所示），采用熵值法计算各指标权重。具体计算公式如下：

EDL=w1X1+w2X2+…+wnXn（1）

式中，EDL代表新能源企业发展水平，w1～wn代表各指标权重，X1～Xn各类指标进行标准化之后的指标数值。

通过参考有关研究［19，25-26］，技术创新驱动新能源发展往往均涉及科技创新的投入阶段、科技创新的成果产出阶段以及外部影响因素等多方面。因此，本文的条件变量从三方面选取：（1）科技活动财力投入（CL）。资金投入是技术创新的直接动力，是企业持续钻研、进一步科技创新、加强队伍建设的强有力财力支持。本文选取各企业的研发投入作为衡量该指标的数据。（2）科技活动人力投入（RL）。科研人员是技术创新的基础，科技活动人力投入将会影响企业的研发能力，研发能力直接决定企业的创新水平进而影响企业进一步发展。本文选取各企业的研发人员数作为衡量该指标的数据。（3）科技成果产出（CG）。科技成果产出是科技成果转化的直接衡量指标，有利于企业核心竞争力的提高。本文选取各企业的专利申请数作为衡量该指标的数据。（4）政府补助（BZ）。政府补助是企业发展的助推器，它反映国家对新能源企业的支持程度及政策对企业发展的影响。本文选取各企业获得的政府补助来衡量该指标的数据。

所有变量选取2017—2021年五年数据的平均值作为评价依据。总资产、营业收入和无形资产数据来源于东方财富网；从业人员数量、研发投入、研发人员数和政府补助来源于各企业年报；专利申请数来源于Incopat。

三、 实证结果分析

（一）  数据校准

校准是指赋予案例的特定条件集合隶属度的过程，校准后的数据更具解释性，而未校准的数据只能显示各样本的相对位置。把变量校准为集合需要依据理论知识和实践标准设定三个锚点，分别对应完全隶属、交叉点和完全不隶属的门槛值，校准后的集合隶属介于0～1之间［27］。按照Ragin提出的5%（Fully Out）、95%（Fully In）以及交叉点50%（Crossover Point）的标准分别进行数据校准［28］，各变量校准锚点如表2所示。

（二） 单变量必要性分析

基于模糊集定性比较分析方法的要求，在进行条件组态分析之前要对每一个条件进行单独的必要性检验，建立在集合论基础上的分析方法，判断原因变量是否为导致结果出现的必要条件，即判断原因变量对应的案例集合是否为结果变量对应案例集合的子集。本文采用fsQCA3.0软件分析了科技活动财力投入、科技活动人力投入、科技成果产出、政府补助四个条件变量对企业发展水平的必要性，结果如表3所示。

参考学者们成熟的QCA研究［29］，设置0.9的一致性门槛值，当一致性得分大于0.9时，则判定该条件为结果的必要条件。观察上表分析可知，对于企业发展水平（EDL），科技活动财力投入（CL）的一致性为0.79，其中有77.6%的案例可以解释科技活动财力投入（CL）构成实现提高企业发展水平（EDL）的必要条件。同理观察到四个条件的一致性水平均不高于0.9，故不存在作为结果变量必要条件的单个条件变量。这说明单项前因条件对企业发展水平的解释力较弱，企业发展不一定必须通过某个条件实现。

（三） 真值表构建

依据Ragin和Fiss的建议［30］，一致性阈值设置为“0.75”的情况为准入性“最低要求”，一般为0.8，结合本文内容，将一致性大于0.8的组态结果赋值为1，小于0.8赋值为0。构造的真情如表4所示。

其中，计算得出产生高企业发展水平的组态有9条，在高科技活动财力投入、高科技活动人力投入、高科技成果产出、高政府补助四个因素共同作用下产生高企业发展水平这一组态包含的案例数最多，说明该组态具有较强的代表性。

（四） 条件组合分析

在真值表分析过后，fsQCA3.0软件会输出三种解，分别为复杂解、简约解与中间解。复杂解基于原始数据，不纳入任何逻辑余项，即不考虑没有被案例覆盖的部分，复杂解得出的案例最多，且最繁琐；简约解纳入所有逻辑余项，构型数量最少，但不评价其合理性，可能存在与事实不符的情况；中间解介于二者之间只纳入符合理论方向预期的逻辑余项，且不会消除必要條件，复杂度适中，被多数学者采用［31］。fsQCA运行结果如表5所示。

由于复杂解与中间解结果一致，因此将两种解合并再结合简约解辅助进行分析。遵循前人研究［32］经验，在中间解与简约解中同时出现的条件变量为“核心要素”，会对被解释变量产生关键影响，该条件存在用●表示，不存在用Wingdings 2UA@表示；而只存在于中间解中，不存在于简约解的条件变量用●表示，不存在用Wingdings 2UA@表示；空白表示可有可无。分析中最为关键的指标是覆盖率与一致性，一致性是指该条件组合是被解释变量必要条件的强度大小，同样大于0.8即可；而覆盖率是反映条件组态与被解释变量的相关性，类似于回归分析中的R2。下表所呈现的是高企业发展水平的条件组态构型。

如表6所示，产生高企业发展水平5种条件组态的单个解和总体解的一致性水平均大于0.8，符合一般标准。其中，总体解的一致性为0.8，覆盖度为88.1%，由此可见，五种组态均可视为技术创新驱动高企业发展水平的充分条件组合。同理，表7显示产生非高企业发展水平的路径有5种组态，所有组态的单个解与总体解的一致性也均高于0.8，总体解的一致性为0.81，覆盖率为89.4%，五种组态也均可视为产生非高企业发展水平的原因组合。

1.对于技术创新驱动高企业发展水平的组态分析。通过对组态构型观察可以看出，五个产生高企业发展水平的条件组态构型可大致分为两大类：一是由组态1、组态2和组态4为一类所构成的由政府补贴为主导型；二是由组态3和组态5为一类所构成的由科技活动财力投入-科技成果产出主导型。下面试对二者进行详细分析。

第一，政府补贴主导型。组态1、组态2和组态4有同样的核心条件，即高政府补贴。组态1表示在科技成果产出较低时，高政府补贴可以实现高的企业发展水平，该组态得到0.85的一致性支持。有国电电力、中环股份、晶澳科技、上海电力、中来股份、吉电股份6家企业符合这一情况，这六家企业分别位于辽宁、天津、河北、上海、江苏、吉林，均位于我国东部地区。组态2表示在科技活动财力投入较低时，高政府补贴同样可以实现高的企业发展水平，该组态得到0.83的一致性支持。有大唐发电、禾望电气、亿晶光电、中来股份、华银电力、吉电股份6家企业符合这一情况，分别位于北京、广东、浙江、江苏、湖南、吉林，除华银电力外，均位于我国东部地区，同时与组态1中有相同的两家企业。组态4表示在高科技人力活动和高政府补贴的情况下可以实现高企业发展水平，该组态得到0.85的一致性支持，且覆盖率最高，有20家企业符合该情况。由此可见，高政府补贴可以弥补在其他投入上的不足，因此，新能源企业若可以得到国家高度支持的话，可以得到充分的发展，但该类组态构型并不是由技术创新所驱动。

第二，科技活动财力投入-科技成果产出主导型。组态3和组态5有同样的核心条件：科技活动财力投入和科技成果产出。组态3表示高科技活动财力投入和高科技成果产出可以弥补较低政府补贴，实现高的企业发展水平，该组态得到0.82的一致性支持，有长江电力、粤水电和福斯特三家企业符合这一情况，位于湖北、广东与浙江。这也与第一类组态构型相呼应，即科技活动财力投入、科技成果产出与政府补助相互弥补。组态5表示在政府补助相对较弱的情况下，高科技活动财力投入、高科技活动人力投入和高科技成果产出可以实现高的企业水平，该组态得到高达0.93的一致性支持，且覆盖率也很高，有18家企业符合该情况。这再一次印证科技活动财力投入、科技成果产出与政府补助相互弥补。而科技活动财力投入与科技成果产出分别对应着科技成果转化的投入和研发两个阶段，因此，科技活动资金的充分投入和科技成果的高效产出是新能源企业高水平发展的关键因素。

2.对于技术创新驱动非高企业发展水平的组态分析。通过对组态构型观察可以看出，五个产生高企业发展水平的条件组态构型可大致分为两大类：一是由组态A和组态E为一类所构成低政府补贴为核心要素；二是由组态B、组态C和组态D为一类所构成的低科技活动财力投入或低科技成果产出为核心要素。下面试对二者进行详细分析。

第一，组态A和组态E路径条件较为相似，有同样的核心条件，即低政府补贴。组态A表示低政府补贴和低科技活动人力投入产生低的企业发展水平，该组态一致性为0.92，且有高覆盖率，有20个企业符合该情况。组态E表示在极低的政府补助情况下，相对较高的科技活动财力投入和科技成果产出仍会产生低企业发展水平，该组态也有较高的0.93的一致性，有长江电力、粤水电和福斯特三家企业符合情况，位于湖北、广东与浙江。这也再一次与高企业发展水平的政府补贴主导型相对应，再一次说明政策影响的重要性。

第二，组态B、组态C和组态D路径条件也较为相似，有低科技活动财力投入和低科技成果产出二者或其中一个为核心要素。组态B表示在低科技活动财力投入和低科技成果产出二者核心要素的共同影响下产生低企业发展水平的情况，有0.898的一致性，且也有高覆盖率，有20家企业符合条件。组态C表示在高政府补贴和低科技成果产出为核心条件下，产生低企业发展水平的情况，该组态有0.79的一致性，有国电电力、中环股份、晶澳科技、上海电力、中来股份和吉电股份6家企业符合该情况，分别位于辽宁、天津、河北、上海、江苏、吉林，均位于我国东部地区。组态E表示在高政府补贴和低科技活动财力投入为核心条件下，产生低企业发展水平的情况，该组态有0.86的一致性，有大唐发电、禾望电气、亿晶光电、中来股份、华银电力和吉电股份6家企业符合该情况，分别位于北京、广东、浙江、江苏、湖南、吉林，除华银电力外，均位于我国东部地区。说明即使有较高的政府补贴，在低科技活动财力投入和低科技成果产出任意一个为核心条件的情况下，即会产生低企业发展水平。该类型组态也与高企业发展水平的科技活动财力投入-科技成果产出主导型相呼应，进一步说明科技活动财力投入和科技成果产出的重要性。

综上所述，经过对高企业发展水平组态构型与非高企业发展水平组态构型进行充分分析，揭示出技术创新驱动高企业发展水平主要由科技活动财力投入和科技成果产出所决定，同时还需具备国家政府的支持，充分的政府补助也是极其重要的影响因素，因此，新能源企业若想实现高水平的发展，首先要加大科技活动财力的投入，加强科技成果专利产出，同时迎合国家政策，尽力申请政府的补助，以得到国家支持。

四、 技术创新驱动新能源行业发展之影响路径的空间异质性分析

通过观察发现，本文选取新能源行业具有代表性的企业样本中，大多处于东部地区，那么不同地区技术创新驱動新能源行业发展的影响路径是否会有差异，这也是值得研究的问题，因此，对所选60家代表性企业的所在地进行统计，为研究空间异质性做基础准备，如图2所示。

图2 企业所在地数量统计图

根据不同企业的所在地位于东部、西部和中部地区，将总样本分为三个子样本，同样采用fsQCA的方法研究不同地区技术创新驱动新能源行业发展的影响路径的异质性。对三个分样本分别进行数据校准；然后进行单变量必要性检验，对于东部地区与中部地区两个样本的四个条件一致性水平均不高于0.9，不存在作为结果变量必要条件的单个条件变量，进一步进行组态分析；西部地区的科技活动财力投入为必要变量，一致性水平高于0.9，是产生高企业发展水平的必要条件；然后构建真情表，最后依据fsQCA软件的测算结果绘制组态构建表（见表8）以作分样本分析，结果如表8所示。

1.从东部地区企业来看，产生高企业发展水平3种条件组态的单个解和总体解的一致性水平均大于0.75，符合最低标准。其中，总体解的一致性为0.85，覆盖度为89.9%，基本覆盖全样本。由此可见，两种组态均可视为技术创新驱动高企业发展水平的充分条件组合。同理，产生非高企业发展水平的路径有4种组态，所有组态的单个解与总体解的一致性也均高于0.75的最低标准，总体解的一致性为0.91，覆盖率为82.4%，四种组态也均可视为产生非高企业发展水平的原因组合。

第一，对于东部地区企业产生高企业发展水平的三种组态进行分析，组态1的核心要素为高科技活动人力投入与高政府补助；组态2和组态3的核心要素均为高科技活动财力投入。因此，可以将东部地区企业产生高企业发展水平的路径分为两类，一类为科技活动人力投入-政府补助主导型；另一类为科技活动财力投入主导型。组态1为科技活动人力投入-政府补助主导型，表示在高科技活动人力投入与高政府补助可以实现高企业发展水平，该组态得到0.84的一致性支持，有较高的覆盖率，华能国际、中国电建、中天科技等18家符合该情况。组态2表示在高科技活动财力投入主导下，即使有较低的科技活动人力投入与科技成果产出，也可以实现高企业发展水平，该组态得到0.93的一致性支持，有天顺风能、上海电力和深圳能源三家企业符合该情况；组态3表示在高科技活动财力投入主导下，同时在高科技成果的辅助下，即使有较低的政府补助也会实现高企业发展水平，该组态得到0.91的一致性支持，有长江电力、粤水电和福斯特三家企业符合该情况。总体上可以看出，对于东部地区的企业，更为注重科技创新投入阶段，科技活动的财力与人力投入影响较大，同时政府补助也是决定因素之一。

第二，对于产生非高企业发展水平的四种组态进行分析，组态A与组态D的核心因素均为低政府补助；组态B的核心因素为低科技活动财力投入与低科技成果产出；组态C的核心因素为低科技活动财力投入与低科技活动人力投入。组态A表示在低政府补助为主导下，低科技活动人力投入辅助下产生低企业发展水平，有0.93的一致性支持；对比组态D，表示在低政府补助为主导下，即使有较高的科技活动财力投入与高科技成果产出，也仍会产生低企业发展水平，该组态有0.91的一致性水平，进一步表明政府补助的重要影响力。组态B表示在低科技活动财力投入与低科技成果产出主导下，即使有较高的科技活动人力投入也会产生低企业发展水平，有0.94的一致性。组态C表示在低科技活动财力投入与低科技活动人力投入主导下，即使有较高的科技成果产出仍会产生低企业发展水平，有0.95的一致性。通过横向对比组态B与组态C存在明显的替代性，在低科技活动财力投入为核心因素的同时，只要低科技活动人力投入与低科技成果产出二者之一为主导因素，即会产生低企业发展水平的结果。

综上所述，对于东部地区的企业而言，比较注重科技创新投入阶段，同时政府补助也极其重要。但同时也不能忽略科技创新的产出阶段，因为在低科技活动财力投入与低科技成果产出相互作用下将导致低的企业发展，这也进一步加强了科技活动财力投入这一指标的重要性。东部地区的企业有着较为先进的技术，同时有集群效应，如长三角城市群、京津冀城市群、珠三角城市群等，有着良好的成果共享条件，如果在科技活动投入阶段人才储备丰富与资金实力雄厚，同时受到政府支持，将有力地促进国有企业高水平发展。这与上一节整体新能源影响路径相近，这也进一步说明了样本选择具有代表性且大部分在东部地区，符合东部地区企业在新能源行业的发展中起重要带头作用的事实。

2.从中部地区企业来看，产生高企业发展水平2种条件组态的单个解和总体解的一致性水平均大于0.75，符合最低标准。其中，总体解的一致性为0.76，覆盖度为62.5%。由此可见，两种组态均可视为技术创新驱动高企业发展水平的充分条件组合。同理，产生非高企业发展水平的路径有2种组态，所有组态的单个解与总体解的一致性也均高于0.75的最低标准，总体解的一致性为0.76，覆盖率为61.7%，两种组态也均可视为产生非高企业发展水平的原因组合。

第一，对于中部地区的企业产生高企业发展水平的两种组态进行分析，组态1′的核心要素为高政府补助；组态2′的核心要素为高科技活动人力投入。因此可归纳为政府补助主导型与科技活动人力投入主导型。组态1′表示在高政府补助主导下，即使有较低的科技活动财力投入与科技活動人力投入，也可以实现高企业发展水平，该组态得到0.78的一致性支持，有华银电力和吉电股份两家符合该情况。组态2′表示在高科技活动人力投入主导下，即使有较低的科技活动财力投入、科技成果产出和政府补助，仍可以实现高企业发展水平，该组态得到0.77的一致性支持，有山煤国际一家企业符合该情况。总体上可以看出，对于中部地区的企业，科技活动人力投入和政府补助这两种因素有较大的影响，同时明显发现科技活动人力投入更为重要，甚至可以弥补其他三个因素的影响。说明对于中部地区而言，大力引入研发创新人才是第一要务。

第二，对于产生非高企业发展水平的两种组态进行分析，可大致分为同一类，核心条件为低科技活动人力投入。组态A′表示在低科技活动人力投入为主导，低科技成果产出与低政府补助辅助下产生低企业发展水平，有0.84的一致性支持。组态B′表示在低科技活动人力投入为主导，低科技活动财力投入辅助下，即使有较高的政府补助也会产生低企业发展水平，有0.72的一致性。总体上看，对于中部地区而言，科技活动人力投入极其重要，这也与产生高企业发展水平的路径相呼应，同样强调科技活动人力投入，而且通过对比，组态B′即反映出相比政府补助，科技活动人力投入的影响更大。

综上所述，中部地区的企业更注重科技活动人力投入，同时政府补助也是重要因素。说明对于中部地区而言，大力引入研发创新人才是主要目标。这也符合我国实际情况，中共中央、国务院关于新时代推动中部地区高质量发展的意见中明确指出中部地区应提高关键领域自主创新能力，不断缩小与东部地区的技术差距。而研发人才储备是提高技术的重要前提之一，由于我国大量研发人才更加倾向于向北上广深一线城市与东部发展程度高的城市流动，因而中部地区一直注重人才需求与引进，抢人大战从未停歇，通过不同的人才引进政策来吸引研发创新人才留在中部地区。

3.从西部地区企业来看，产生高企业发展水平仅有一种条件组态，其单个解和总体解的一致性水平均大于0.75，符合最低标准。其中，总体解的一致性为0.99，覆盖度为71.7%。由此可见，该组态均可视为技术创新驱动高企业发展水平的充分条件组合。同理，产生非高企业发展水平的路径也仅有一种组态，单个解与总体解的一致性也均高于0.75的最低标准，总体解的一致性为1，覆盖率为73.3%，该组态也均可视为产生非高企业发展水平的原因组合。

第一，对于西部地区的企业产生高企业发展水平的一种组态进行分析，组态1″的四个要素均为核心要素，表示只有在高科技活动财力投入、高科技活动人力投入、高科技成果产出与高政府补助这四个因素共同作用下，才可以实现高企业发展水平，该组态得到0.99的一致性支持，有隆基绿能一家企业符合该情况。以上表明，对于西部地区的企业而言，由于西部地区的发展程度较低，在技术、资金、人才等方面相对落后一点，因此，单纯的某一因素主导并不能实现高的发展水平，四个因素均对西部地区企业的发展有着重要的贡献，必须同时具备四个因素均为较高水平，才能实现高企业发展水平。

第二，对于产生非高企业发展水平的也仅有一种组态，组态A″表示在低科技活动财力投入、低科技活动人力投入、低科技成果产出与低政府补助共同作用下将导致低企业发展水平，有1的一致性水平。该情况也进一步强调这四个因素的重要影响，同时也反映出另一实际情况，即对于西部地区而言，正是因为发展程度较为落后，在某一方面加强投资，即可实现较大的进步，也就是说只要有某一因素并不为低的情况下，即可摆脱低发展水平，但并不能实现高的发展水平。

综上所述，对于西部地区而言，科技活动财力投入、科技活动人力投入、科技成果产出与政府补助均为重要影响因素。在四个因素的共同作用下，将明显改变西部地区企业的发展情况，若四个因素均为高水平才可实现高企业发展水平，而同时为低则会导致低企业发展水平。与实际情况相联系，因为西部地区发展程度不高，在技术、经济、人才等方面均相对落后，在四个低水平因素作用下使新能源企业发展的水平也低。但相对落后的地区其发展的弹性也是相对较大的，当某一方面进行改善时，如国家加强西部地区的补助程度或通过某种方式吸引了大量研发人才，那么将大大促进西部地区新能源行业的发展，摆脱偏低的发展水平，但很难实现高水平发展。较低的发展起点若想达到较高的目标，必须付出加倍的努力。仅仅某一方面的改善并不能实现高的发展水平，必须四个因素全面提升，均为较高的水平，才会实现西部地区新能源行业的高水平发展。

整体而言，对于技术创新驱动新能源行业发展的影响路径是存在空间异质性的，即不同地区的影响路径并不相同。对于东部地区而言，其影响路径为科技活动人力投入-政府补助主导型与科技活动财力投入主导型两类；中部地区影响路径为政府补助主导型与科技活动人力投入主导型两类；而西部地区四个因素共同作用才可实现高水平发展。造成技术创新驱动新能源行业发展的影响路径的空间异质性与地区发展环境息息相关，通过研究空间异质性也发现东部地区与整体新能源行业发展的影响路径相似，说明当前东部地区为新能源行业的主力军，绝大多数代表性企业或新能源行业龙头企业位于东部地区。而西部地区实现高水平发展则相对较为困难。

五、 结论及建议

根据60个案例及分类后的fsQCA研究结果表明：（1）技术创新驱动新能源企业发展的核心因素为科技活动财力投入、科技活动成果产出和政府补助；（2）产生高企业发展水平的路径有五种，可大致归纳为政府补贴为主导型和科技活动财力投入-科技成果产出主导型两类；（3）产生非高企业发展水平的影响路径并不是产生高企业发展水平组态的“非”集，表明定性比较分析实证结果的非对称性；（4）基于组态视角，表明产生高或非高企业发展水平的原因具有多重并发性；（5）不同地区的新能源企业的影响路径是不同的，东部地区企业的影响路径为科技活动人力投入-政府补助主导型与科技活动财力投入主导型两类；中部地区影响路径为政府补助主导型与科技活动人力投入主导型两类；而西部地区四个因素共同作用才可实现高水平发展。

结合上述结论，我们提出相应的建议如下：

第一，完善政府補贴政策体系，加大对新能源企业的技术补贴。由于我国新能源行业正处于成长期阶段，新能源企业的发展仍有许多的不确定性。新技术的研发风险和收益预期难以确定，很容易造成企业利益损失，导致技术创新的积极性衰退。而当前我国正处在能源转型阶段，理应得到政府的重视与扶持，只有完善政府补贴政策体系，加大对新能源企业的技术补贴，才能提高企业的创新积极性，从而提高新能源企业的技术创新水平，实现企业的预期收益，促进企业发展。

第二，各企业要努力培养创新型人才，加强人才引领支撑作用，加强与高校、科研机构等高水平科研单位合作交流，形成以企业为主体、高校及科研机构通力合作技术创新体系。更好地提升企业科研人员的技术创新水平，同时利用更多的机会为企业引入高水平科研人才，形成强有力的科研人员储备力量。

第三，因为不同地区的企业影响路径并不相同，因此，各企业首先要找准自身定位，然后根据企业自身的情况，结合当地发展环境，因地制宜地采取相应的措施，提升核心因素水平，促进企业高水平发展，进而带动新能源产业的整体发展。

［参考文献］

［1］  李香菊，杨欢.财税激励政策、外部环境与企业研发投入：基于中国战略性新兴产业A股上市公司的实证研究［J］.当代财经，2019（03）：25-36.

［2］ 熊彼特.经济发展论［M］.何畏，易家详，等译.北京：北京经济出版社，1999.

［3］ 肖凡，王姣娥，黄宇金，等.中国高新技术企业分布影响因素的空间异质性与尺度效应［J］.地理研究，2022，41（05）：1338-51.

［4］ 何舜辉，杜德斌，焦美琪，等.中国地级以上城市创新能力的时空格局演变及影响因素分析［J］.地理科学，2017，37（07）：1014-22.

［5］ VASYLENKO S.Aigner D.，Lovell C.，Schmidt P.Formulation and estimation of stochastic frontier production function［J］.Journal of Econometrics，1977，6（1）：21-37.

［6］ MEEUSEN W，BROECK J，COLE H L.Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error［J］.International Economic Review，1977，18（2）：435-444.

［7］ CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units［J］.European journal of operational research，1978，2（6）：429-44.

［8］ 程雁，李平.创新基础设施对中国区域技术创新能力影响的实证分析［J］.经济问题探索，2007，（09）：51-4.

［9］ 赵峥，姜欣.中国省际创新效率及其影响因素的实证研究［J］.北京理工大学学报（社会科学版），2014，16（03）：61-66.

［10］BUESA M，HEIJS J，MART-NEZ PELLITERO M N，et al.Regional systems of innovation and the knowledge production function：the Spanish case［J］.Technovation，2006，26（4）：463-72.

［11］COWAN R，ZINOVYEVA N.University effects on regional innovation［J］.Research Policy，2013，42（3）：788-800.

［12］李健，衛平，张玲玉.外商直接投资规模、进入速度与区域创新能力：基于中国省际动态面板模型的实证分析［J］.经济问题探索，2017（02）：53-61.

［13］魏守华，吴贵生，吕新雷.区域创新能力的影响因素：兼评我国创新能力的地区差距［J］.中国软科学，2010（09）：76-85.

［14］姜明辉，贾晓辉.基于C-D生产函数的产业集群对区域创新能力影响机制及实证研究［J］.中国软科学，2013（06）：61-83，154.

［15］倪进峰，李华.产业集聚、人力资本与区域创新：基于异质产业集聚与协同集聚视角的实证研究［J］.经济问题探索，2017（12）：156-162.

［16］NOOTEBOOM B.Innovation，Learning and Cluster Dynamics［DB/OL］.（CentER Discussion Paper，NO：2005-44）.［2022-10-20］.https：//www.xueshufan.com/reader/143683729？publicationId=1531177182.

［17］何钰子，汤子隆，常曦，等.地方产业政策如何影响企业技术创新：结构特征、影响机制与政府激励结构破解［J］.中国软科学，2022（04）：45-54.

［18］周丽，徐苗，李进兵.政府补助与可再生能源企业创新效率：内部治理的影响作用［J］.西南科技大学学报（哲学社会科学版），2021，38（02）：28-37.

［19］王宏伟，朱雪婷，李平.政府补贴对光伏产业创新的影响［J］.经济管理，2022，44（02）：57-72.

［20］王群伟，杭叶，于贝贝.新能源企业技术创新的影响因素及其交互关系［J］.科研管理，2013，34（S1）：161-166.

［21］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（6）：155-167.

［22］张驰，郑晓杰，王凤彬.定性比较分析法在管理学构型研究中的应用：述评与展望［J］.外国经济与管理，2017，39（4）：68-83.

［23］FISS P C.A set-theoretic approach to organizational configurations［J］.Academy of management review，2007，32（4）：1180-1198.

［24］李凤娇，刘家明，姜丽丽.东北地区战略性新兴产业发展水平时空演变与影响因素研究［J］.地理科学进展，2022，41（4）：541-553.

［25］张亚明，宋雯婕，武晓涵，等.科技创新驱动产业升级的多重并发因果关系与多元路径［J］.科研管理，2021，42（12）：19-28.

［26］高霞，贺至晗，张福元.政府补贴、环境规制如何提升区域绿色技术创新水平：基于组态视角的联动效应研究［J］.研究与发展管理，2022，34（03）：162-172.

［27］VERWEIJ S.Set-Theoretic Methods For The Social Sciences：A Guide To Qualitative Comparative Analysis［J］.International Journal of Social Research Methodology，2013，16（2）：165-169.

［28］RAGIN C C.Redesigning social inquiry：Fuzzy sets and beyond［M］.Chicago： University of Chicago Press，2009.

［29］RAGIN C C.Set relations in social research：Evaluating their consistency and coverage［J］.Political analysis，2006，14（3）：291-310.

［30］RAGIN C C.The comparative method：Moving beyond qualitative and quantitative strategies［M］.Oakland：University of California Press，2014.

［31］RIHOUX B，RAGIN C C.Configurational comparative methods：Qualitative comparative analysis （QCA） and related techniques［M］.Los Angeles：Sage Publications，2008.

［32］FISS P C，SHARAPOV D，CRONQVIST L.Opposites attract？ Opportunities and challenges for integrating large-N QCA and econometric analysis［J］.Political Research Quarterly，2013，66：191-198.

（責任编辑 文 格）

Technological Innovation Impact Path to Drive the

Development of New Energy Industry

GAO Hua， CHENG Jin-hua，YUAN Zi-yi

（School of Economics and Management，China University of Geosciences （Wuhan），

Wuhan 430078，Hubei，China）

Abstract：The new energy industry has become a key element to achieve carbon neutrality targets and high quality development，and technological innovation has always played an important role in driving the development of the new energy industry.This article selects 60 representative new energy companies from various regions as research cases using the fsQCA method from the perspective of configuration，explores the impact path of technological innovation to drive the development of new energy companies from three levels： technological innovation input，technological innovation output，and external factors，and classifies the 60 companies according to their locations to seek the spatial heterogeneity of the impact path.The study found that the core factors driving the development of new energy companies through technological innovation are financial input for technological activities，technological output and government subsidies.There are five paths that lead to high levels of business development，which can be roughly categorized into two types： government subsidy-led type and technological activity-led financial input-technological output-led type.At the same time，there is obvious heterogeneity in the impact paths of new energy companies in different regions.The impact path of companies in the eastern region is dominated by two types： technological activity-led human input-government subsidy-led type and technological activity-led financial input-led type.The impact path in the central region is dominated by two types： government subsidy-led type and technological activity-led human input-led type.In the western region，the four factors need to work together to achieve high-level development.Therefore，companies should take appropriate measures according to their own development environment and promote their development by choosing a suitable path，thereby driving the overall development of the new energy industry.

Key words：technological innovation; new energy; impact path; spatial heterogeneity; fsQCA