高管环保认知、研发投入与企业绿色创新绩效
2023-09-15袁显平李盼
袁显平 李盼
【摘要】以2011 ～ 2021年我国A股上市公司为研究对象， 检验高管环保认知对企业绿色创新绩效的影响以及研发投入在其中发挥的门槛效应， 同时考虑环境不确定性和企业透明度的调节作用。结果表明： 高管环保认知显著正向促进企业策略性绿色创新绩效， 但对企业实质性绿色创新绩效仅在较高研发投入的情形下有显著正向作用； 环境不确定性对高管环保认知与不同类型绿色创新绩效的关系均有正向调节作用； 企业透明度对高管环保认知与策略性绿色创新绩效的关系具有显著的负向调节作用， 但对高管环保认知与实质性绿色创新绩效关系的调节作用不显著。
【关键词】高管环保认知；绿色创新绩效；研发投入；环境不确定性；企业透明度
【中图分类号】F273.1；F272 【文献标识码】A 【文章编号】1004-0994（2023）18-0020-8
一、 引言
绿色创新可以有效缓解环境保护与经济增长之间的冲突， 推动企业向节能、 高效、 可持续的生产工艺与产品体系转型， 实现全产业价值链的跨越升级（Klaus和Rammer，2011）。绿色创新已成为实现我国经济绿色转型的重要战略路径。习近平总书记在党的二十大报告中指出， “杀鸡取卵、 竭泽而渔的发展方式走到了盡头， 顺应自然、 保护生态的绿色发展昭示着未来。”绿色发展是当前国内外潮流之所向、 大势之所趋， 绿色经济已然成为国际竞争、 全球产业布局的新高地。
长久以来， 微观企业是社会经济发展中的主体， 企业绿色行为直接关系到国家绿色战略的贯彻和落实。然而， 绿色创新双重外部性的固有属性天然不利于促进企业开展创新活动， 如何驱动企业绿色发展是当前学术研究的前沿和热点问题。研究者大多从企业外部因素（Dowell和Muthulingam，2017）， 如环境规制（许丹丹和上官鸣，2022）、 市场需求（阮敏和肖凤，2022）、 公众压力（伊志宏等，2022）、 数字金融（蒋建勋等，2022）等角度研究其对企业绿色创新绩效的影响， 但是在该过程中， 往往忽视了企业自身的主观能动性以及为适应外界变化寻求的主动调整。企业管理者对环境问题的认知程度、 对未来环保趋势的判断会影响企业绿色战略的制定和部署。因此， 部分研究者基于高阶梯队理论认为， 企业高级管理者对组织行为选择、 战略决策和企业绩效有着更为深远的影响， 于是探讨了高管团队显性特征， 如年龄（李大元等，2021）、 性别（赵恒和葛玉辉，2022）、 任期（钟熙等，2019）、 学历（Kang等，2021）或者环保背景（王辉等，2022）等对企业绿色创新绩效的影响。然而， 此类研究通常是以人口统计特征来反映高管的价值取向和认知偏好（吴建祖和华欣意，2021）， 其背后隐含的假设是具有相同背景特征的高管面对同一环境问题会有相同或者类似的应对行为； 事实上， 呈现出相同显性特征的高管更可能出于深层次的心理差异而做出不同的决策。因此， 仅讨论高管团队的显性特征或许不能完整诠释其对环保认知和绿色创新的影响。
当前， 基于隐性心理视角探讨高管认知对企业绿色创新战略影响的研究逐渐增多。Zhang等（2015）基于环渤海经济区187家工业企业数据研究发现， 高管环境可持续性承诺正向影响企业的节能环保战略， 但对环保具体活动无直接影响。曹洪军和陈泽文（2017）利用层次回归模型研究发现， 环保意识强的管理者将绿色创新视作机遇， 更积极实施绿色创新战略。梁敏等（2022）研究发现， 高管环保认知通过提升感知机会能力、 整合利用能力及重构转变能力， 促进企业绿色创新绩效的提升。吴建祖和华欣意（2021）研究发现， 高管团队环境注意力正向影响企业绿色创新战略， 其在环境保护议题和解决方案上分配的注意力越多， 企业绿色创新专利越多。
本文基于注意力基础观和战略认知理论， 研究高管环保认知对企业不同类型绿色创新绩效的影响以及研发投入在高管环保认知促进企业实质性绿色创新过程中的门槛效应。同时， 由于不同企业所面临的外部环境不确定性和被关注程度不同， 企业绿色创新战略的制定和执行不仅取决于高管环保认知层面， 还受其他情境因素的影响。因此， 本文结合动态能力和信息不对称理论， 考察了环境不确定性和企业透明度在高管环保认知影响绿色创新绩效过程中的调节作用。
二、 理论分析与研究假设
（一）高管环保认知与企业绿色创新绩效
不同于高阶梯队理论， 注意力基础观强调注意力的分配和调控在认知过程中发挥重要作用， 并且认为企业一系列行为是外部环境作用和内部管理者选择共同影响的结果（张明等，2018）。注意力是高层管理者认知的一个重要反映， 企业的战略行为取决于决策者的注意力焦点。在当前企业绿色转型升级的浪潮中， 企业高层管理者对环保理念的认知和对政策的诠释必然会对企业的绿色行为产生重大影响。具体而言， 高管可以从更广阔的战略视野将环保纳入企业长期发展规划中， 建立组织内部自上而下的绿色创新氛围和文化， 为企业实施绿色创新提供必要的人力、 财力、 智力支持和保障。同时， 高管对环保的深刻认知也可以促进企业与外部环保组织和机构的合作， 以实现技术和经验的共享。
然而， 绿色创新具有“双重外部性”（斯丽娟，2020）的固有特点： 一是知识溢出的外部性。企业经过高投入、 高风险、 长周期的开发阶段最终收获的创新收益， 不为创新企业一家所独有， 其他跟随企业也会因此受益， 从而无法提升企业创新积极性。二是环境保护的外部性。环境具有公共物品属性， 环境污染产生的收益由私人享有、 成本由社会共担（赵树宽等，2022）， 而环境治理则恰恰相反， 这使得私人部门缺乏开展绿色创新的积极性。与此同时， 绿色创新还可能具有较弱的技术推动和市场拉动效应， 这些都使得高管尽管热衷于宣传和树立企业的绿色环保形象， 但在现实的绿色创新活动中却莫衷一是。一些高管认为， 绿色创新结果的不确定性会对其日常管理工作和企业经营成果产生不利影响， 因此对绿色创新持否定态度。相反， 那些具有较高环保认知的高管， 则会将外部利益相关者的绿色需求解读为企业的发展机遇， 主动开展绿色创新活动并积极将其转化为市场价值， 从而实现企业经济和环保目标的双重利益。
Tong等（2014）、 黎文靖和郑曼妮（2016）、 王永贵和李霞（2023）将企业高管积极开展绿色创新的动机分为两类： 一种是以推动企业技术更新迭代、 改善企业可持续发展绩效和建立竞争优势为终极目的的高质量绿色创新行为， 也称实质性绿色创新； 另一种则是以谋求其他利益为目的， 通过对现有产品和技术的简单改进， 追求短期效益和维持自身组织合法性来迎合外部投资者和有关政策倾斜的绿色创新行为， 即策略性绿色创新。显然， 与后者相比， 前者侧重于对产品或技术进行突破式变革， 企业需要倾注更多的时间和心血， 并且需要承担更大的风险。因此， 对于有业绩考核压力的高管而言， 往往表现出管理层短视行为。换言之， 相较于策略性绿色创新， 管理层开展实质性绿色创新活动的动机和驱动力相对不足。基于上述分析， 本文认为高管对环境保护认知越高， 越有助于提升企业策略性绿色创新绩效， 而对实质性绿色创新绩效影响效果不显著。据此提出以下假设：
H1a： 高管环保认知显著促进企业绿色策略性创新绩效。
H1b： 高管环保认知对企业绿色实质性创新绩效影响不显著。
（二）研发投入的门槛效应
陈洪玮等（2021）研究发现， 研发投入在技术研发阶段对创新绩效存在单一门槛。俞立平和张宏如（2023）研究发现， 随着创新质量的提高， 研发经费对创新质量的弹性在逐步提高。企业对创新活动的投入不仅是其实现技术升级、 建立竞争优势和获得经济效益增长的重要手段， 对企业绿色创新绩效的提升也发挥着至关重要的作用。当企业研发投入较低时， 往往由于缺乏必要的资源支持和资金保障， 无法开发更加环保的产品和生产工艺， 也无法探索新的环保技术和方法， 难以开展高质量的创新活动。因此， 在该过程中尽管高管环保认知深刻， 但为了追求绿色创新产出的“数量”和“速度”， 其会放弃追求更具有难度的实质性绿色创新。在研发投入较大时， 企业已经具备了一定的技术积累和市场基础， 高管环保认知能够引导企业在研发投入中更多地关注环保领域， 加强对绿色技术的研究和应用， 同时也能帮助企业更好地理解和响应环保政策和市场需求， 更积极地进行绿色创新。高管环保认知能够增强企业的创新动力， 提高企业开展绿色创新的積极性， 其正向引导作用可以在较高的研发投入中更好地发挥， 从而促进企业实质性绿色创新绩效提升， 推动企业的绿色转型。鉴于此， 本文认为高管环保认知对实质性绿色创新绩效的促进作用需要在较高的研发投入水平下才能发挥， 据此提出以下假设：
H2： 企业研发投入在高管环保认知对企业实质性创新绩效的影响中存在门槛效应。
（三）环境不确定性的调节作用
环境不确定性是指企业所处的外部环境存在不确定性的情况。根据动态能力理论（David等，1997）， 企业具备整合吸收及再创造的能力， 能够在复杂多变的环境中适时作出调整， 逐步提升竞争力， 面对不确定的外部环境， 企业将加大创新力度以应对外部环境的挑战。崔维军等（2019）将企业创新活动分为适应动态环境的探索式创新和适应竞争环境的利用式创新， 发现不确定性对两种创新行为均存在显著正向影响， 在面对不确定性时， 企业可以抓住机遇大胆创新， 形成自身竞争优势。王凯和武立东（2016）将环境不确定性细分为动态性与敌对性两个维度， 发现前者与研发投入正相关， 后者显著抑制研发投入。
环境不确定性使得当前市场需求、 技术更新、 政策倾向等方面发生了较大的变化， 原有的产品和服务已经无法满足市场需求， 传统产业面临较大的绿色转型升级压力。在环境不确定性的影响下， 随着高级管理者对环保认知的提升， 其对绿色创新的需求会增加。企业通过开展技术研发和创新以适应变化的环境， 开发更符合市场需求的绿色产品和服务， 从而提升企业的竞争优势。同时， 企业也会加强与研发机构的合作， 共同研发环保技术和产品， 实现技术和经验的共享， 促进绿色产业的发展。总之， 环境不确定性使得企业面临更多的机遇和挑战， 高管环保认知的提升则会不断加强企业绿色创新， 从而更好地应对环境不确定性带来的挑战。基于此， 提出以下假设：
H3： 环境不确定性正向调节高管环保认知与绿色创新绩效的关系。
（四）企业透明度的调节作用
刘柏和徐小欢（2020）研究发现， 当高管权利增大时， 公司信息透明度对研发投资的促进作用会被削弱。企业透明度具有隐形的治理功能， 能有效缓解信息不对称， 及时向外界传递企业的各种信号（王可第，2021）。根据信息不对称理论， 创新活动的无形性、 模糊性、 复杂性都使得外部投资者很难察觉公司内部的不当行为， 在面对绿色创新的长周期性和高风险性特征时， 高管容易出现短视行为， 倾向选择更为简单易行的策略性绿色创新以迎合政策。但是随着企业透明度的提高， 企业创新过程中高管的机会主义行为会得到更多利益相关者的关注。因此， 相对于实质性绿色创新而言， 企业透明度负向调节高管环保认知促进策略性绿色创新绩效的作用更显著。因此， 本文提出以下假设：
H4： 相较于企业实质性绿色创新绩效， 企业透明度显著抑制高管环保认知对企业策略性绿色创新绩效的促进作用。
三、 研究设计
（一）样本选择与数据收集
本文选择2011 ～ 2021年沪深A股上市公司作为研究样本。为确保数据质量， 对初始样本进行如下筛选： ①剔除研究期间被ST、 ?ST、 PT、 暂停上市以及终止上市的公司； ②剔除金融行业的公司； ③剔除研究期间核心变量缺失的公司； ④为避免极端值的影响， 对所有连续变量在1%和99%的水平上进行缩尾处理。最终获得243家公司共计2673条观测值的平衡面板数据。其中， 企业绿色创新数据来源于CNRDS数据库， 高管环保认知词频来源于上市公司年报， 其他相关数据均来源于国泰安数据库（CSMAR）。
（二）变量测度
1. 被解释变量： 绿色创新绩效。参考Lee和Sorenson（2004）、 齐绍洲等（2018）、 李青原和肖泽华（2020）等的研究发现， 专利数量是反映绿色创新绩效较为客观的衡量指标。基于此， 结合已有文献对不同类型创新绩效的测量， 本文将绿色创新绩效区分为策略性绿色创新绩效（GU）和实质性绿色创新绩效（GI）。以企业绿色实用新型专利申请数量作为度量策略性绿色创新绩效的指标， 以企业绿色发明专利申请数量作为度量实质性绿色创新绩效的指标。
2. 解释变量： 高管环保认知（EGP）。参考李亚兵等（2022）对高管环保认知的衡量方法， 采用文本分析法对上市公司年报进行分析， 基于绿色竞争优势意识、 企业社会责任意识、 外部环境压力认知等3个维度选取如下关键词： 节能减排、 环保战略、 环保理念、 环境管理机构、 环保教育、 环保培训、 环境技术开发、 环境审计、 节能环保、 环保政策、 环保部门、 环保督察、 低碳环保、 环保工作、 环保治理、 环保和环境治理、 环保设施、 环保相关法律法规、 环保治污。通过上述词语在公司年报中出现的频次构造上市公司高管环保认知变量， 用于衡量企业管理者决策的绿色关注度。
3. 门槛变量： 研发投入。参考邹国平等（2015）、 叶志强和赵炎（2017）的做法， 选用研发投入总额的自然对数（RD1）以及研发投入与营业收入的比值（RD2）作为衡量研发投入的代理变量。
4. 调节变量： 环境不确定性（EU）与企业透明度（TRANS）。对于环境不确定性， 本文借鉴申慧慧等（2012）的方法， 用公司业绩波动（销售收入的标准差）予以衡量。为了剔除行业整体波动以及过去年度销售收入正常增长的影响， 采用当年环境不确定性与上年环境不确定性的差额来衡量企业最终的环境不确定性程度。具体做法为： 先利用模型估计过去五年的非正常销售收入（残差项）的标准差， 求其均值， 最后经行业调整后得到。对于企业透明度， 参考辛清泉（2014）的做法， 构建透明度综合指标， 包括盈余质量指标、 上市公司信息披露工作考核结果等级、 分析师跟踪人数、 分析师盈余预测准确性、 当年是否聘请国际四大作为其年报的审计师， 最终值取上述5个指标样本百分等级的平均值。
5. 控制变量。参考已有研究， 本文选择如表1所示的控制变量， 并且考虑年份和行业的影响。
（三）模型設计
1. 基本回归模型。根据Hausman和Taylor（1981）的观点， 考虑到被解释变量（绿色专利申请数）为计数数据， 且样本数据中被解释变量的方差均高于其均值， 即绿色专利数量存在“过度离散”状况， 不符合正态分布， 因此泊松回归和负二项回归可能更适用于计数模型。然而， 似然比检验的结果表明， 泊松回归不适用于该数据集。基于以上分析和研究假设， 借鉴阮敏和肖风（2022）的做法， 本文选择构建负二项回归模型进行实证回归， 具体模型如下：
GU/GI=β0+β1EGP+βnControls+ε （1）
其中， GU、 GI分别表示策略性绿色创新绩效与实质性绿色创新绩效， EGP表示高管环保认知， Controls为表1所示的控制变量， ε为随机误差项。
2. 门槛模型。本文采用Bruce（1999）提出的固定面板数据模型， 并借鉴李虹和邹庆（2018）、 王宏鹏等（2022）的做法， 通过Bootstrap法对数据进行自动识别以确定门槛值， 构建三重门槛面板模型。模型（2）、 （3）是以高管环保认知（EGP）作为核心解释变量， 分别以RD1、 RD2作为门槛变量， 以实质性绿色创新绩效（GI）为被解释变量的多重门槛模型。其中I（·）为示性函数， 当括号内条件成立时取值为1， 否则取值为0。γi为门槛阈值， 当γ1、 γ2、 γ3均至少通过10%显著性检验时， 模型为三重门槛模型； 当仅有γ1、 γ2通过显著性检验时， 模型为双门槛模型； 当仅有γ1通过显著性检验时， 则模型为单一门槛模型； 若三者都不显著， 则说明不存在门槛效应。
GI=β0+β1EGP×I（RD1≤γ1）+β2EGP×I（γ1 GI=β0+β1EGP×I（RD2≤γ1）+β2EGP×I（γ1 3. 调节作用模型。为了检验环境不确定性和企业透明度对高管环保认知与企业策略性绿色创新关系的调节作用， 分别构建以下模型。其中EU为环境不确定性， TRANS为企业透明度， 其余变量定义同模型（1）。当β3的估计值显著为正或者为负时， 则表明环境不确定性或企业透明度对上述影响起到了调节作用。 GU/GI=β0+β1EGP+β2EU+β3EGP×EU+βnControls+ε （4） GU/GI=β0+β1EGP+β2TRANS+β3EGP×TRANS+βnControls+ε （5） 四、 实证分析 （一）描述性统计、 相关性分析及多重共线性检验 根据表2的描述性统计结果可知， 高管环保认知的最小值为0， 最大值为23.000， 中位数为2.000， 标准差为4.704， 表明不同企业的高管环保认知的差异性较为显著。企业策略性绿色创新绩效最大值为44.000， 最小值为0， 中位数为1.000， 标准差为7.170； 实质性绿色创新绩效的最大值为89.000， 最小值为0， 中位数为1.000， 标准差为12.174， 这表明当前我国上市公司的绿色创新水平总体较低。从研发投入来看， RD1最大值为21.887， 最小值为13.679， 平均数为18.323， 而RD2最大值为0.218， 最小值为0， 平均数为0.035， 表明不同企业间研发投入差异明显， 且大量企业的研发投入处于低水平。 对数据进行相关性分析发现， 高管环保认知与企业策略性、 实质性绿色创新绩效之间的相关系数均为正且在1%的水平上显著， 說明主效应的回归设定具有较强合理性。同时， 方差膨胀因子检验结果显示： VIF均值为1.59， 并且所有解释变量的VIF值均小于阈值10， 说明模型不存在严重的共线性问题， 可进一步保证回归结果的有效性。限于篇幅， 结果未予列示。 （二）基本回归分析 为消除样本数据的个体差异， 获得更稳健的回归结果， 本文对样本数据进行固定效应的负二项回归分析， 回归结果如表3所示。具体而言， 第（2）、 （3）列分别分析高管环保认知（EGP）对策略性绿色创新绩效（GU）和实质性绿色创新绩效（GI）的影响。结果显示： 高管环保认知（EGP）对企业策略性绿色创新绩效（GU）的影响系数为0.042， 在1%的水平上显著， 表明高管环保认知可以提升企业的策略性绿色创新绩效， H1a得以验证； 与此同时， 高管环保认知（EGP）对企业实质性绿色创新绩效（GI）的回归结果不显著， 表明高管环保认知无法对企业实质性绿色创新绩效产生影响， H1b得以验证。考虑到企业的绿色创新可能会滞后于高管环保认知， 于是将被解释变量滞后一期， 回归结果如表3第（4）和（5）列所示， 解释变量的显著性水平并未发生变化， 表明回归结果总体稳健。考虑到样本中大量企业无绿色创新绩效数据， 符合被解释变量是受限数据特征， 因此使用Tobit模型估计， 其回归结果如第（6）和（7）列所示， 解释变量的显著性水平依旧和负二项回归保持一致， 表明回归结果稳健。 （三）研发投入的门槛效应检验 经过上述回归分析， 发现高管环保认知对企业实质性绿色创新绩效的影响在全样本回归中不显著。可能的原因在于： 第一， 实质性绿色创新绩效相较于策略性绿色绩效获取难度更大， 所代表的专利质量更高， 高管环保认知层面的提高更难促进企业的实质性绿色创新； 第二， 由描述性统计结果发现， 有大量样本企业的研发投入不足， 从而造成高管环保认知的提升可能仅停留在浅层次， 而对企业绿色创新活动所需的研发投入并未产生深远影响， 从而造成实质性绿色创新绩效无法同频提升。因此， 本部分将分别从RD1和RD2两个维度考虑研发投入在高管环保认知促进实质性绿色创新绩效过程中的门槛效应。 采用Bruce（1999）提出的固定门槛面板数据模型， 通过Bootstrap法对数据进行自动识别以确定门槛值。回归结果表明， RD1与RD2均存在双门槛效应， 双门槛效应检验结果及门槛估计值如表4和表5所示。与之相对应， 图1为RD1的双门槛估计值19.4193与20.9760在95%置信区间的似然比函数图， 图2为RD2的双门槛估计值0.0533和0.0631的似然比函数图。门槛估计值是似然比统计量LR趋近于0时对应的γ值， 其中， LR统计量最低点为对应的真实门槛值， 由于临界值7.35明显大于门槛值， 由此可以认为上述门槛值是真实有效的。 当RD1为门槛变量时， 经过自主抽样1000次， 第一门槛值为19.4913， 在1%的水平上显著， 第二门槛值为20.9760， 在5%的水平上显著， 其95%置信区间分别为［19.4940，19.4934］和［20.9117，20.9923］。模型（2）的双门槛回归结果如表6所示。当RD1处于低投入区间（RD1≤19.4913）， 高管环保认知对企业实质性绿色创新绩效影响不显著； 当RD1处于中等投入区间（19.4913 以研发投入强度RD2为门槛变量， 模型（3）中第一门槛值为0.0533， 第二门槛值为0.0631， 均在10%的水平上显著， 其95%的置信区间分别为［0.0519，0.0534］和［0.0621，0.0631］。双门槛回归结果如表6所示， 当RD2处于低投入区间（RD2≤0.0533）， 高管环保认知对企业实质性绿色创新绩效影响不显著； 当RD2处于中等投入区间（0.0533 （四）环境不确定性与企业透明度的调节作用检验 表8的第（2）列检验了环境不确定性（EU）对高管环保认知（EGP）与绿色策略性创新绩效（GU）关系的调节作用。结果表明， 环境不确定性（EU）与高管环保认知（EGP）的交乘项系数为0.032， 在1%的显著性水平上增强了高管环保认知对企业策略性绿色创新绩效的正向作用。第（3）列检验了环境不确定性（EU）对高管环保认知（EGP）与企业绿色实质性创新绩效（GI）关系的调节作用。结果表明， 环境不确定性（EU）与高管环保认知（EGP）的交乘项系数为0.020， 在10%的显著性水平上促进了企业实质性绿色创新绩效。该结果表明， 环境不确定性正向调节高管环保认知与不同类型绿色创新绩效的关系， H3得到验证。 表8的第（4）列检验了企业透明度（TRANS）对高管环保认知（EGP）与企业绿色策略性创新绩效（GU）关系的调节作用。结果表明， 企业透明度（TRANS）与高管环保认知（EGP）的交乘项系数为-0.090， 即企业透明度在5%的水平上显著削弱了高管环保认知对企业策略性绿色创新绩效的正向作用。第（5）列检验了企业透明度（TRANS）对高管环保认知（EGP）与企业实质性创新（GI）关系的调节作用， 企业透明度（TRANS）与高管环保认知（EGP）的交乘项系数尽管为负， 但未通过显著性检验。这一结果表明， 企业透明度的监督治理作用更多作用于企业的策略性绿色创新。综上所述， 相较于实质性绿色创新， 企业透明度显著抑制了高管环保认知对策略性绿色创新的正向作用， H4得到验证。 五、 结论与启示 （一）研究结论 本文选取我国A股上市公司2011 ～ 2021年的数据为样本， 以高管环保认知为切入点， 探索其对企业不同类型绿色创新绩效的影响以及研发投入在高管环保认知促进企业实质性创新绩效中的门槛效应， 同时考虑了环境不确定性和企业透明度的情境因素。研究发现： 第一， 高管环保认知显著正向促进企业策略性绿色创新绩效， 但是对企业实质性绿色创新绩效仅在较高研发投入的情形下有显著正向作用。第二， 环境不确定性对高管环保认知与企业绿色创新绩效具有正向调节作用， 并且相较于实质性绿色创新绩效， 对策略性绿色创新绩效的正向作用更显著。第三， 企业透明度对高管环保认知与企业策略性绿色创新绩效具有显著负向调节作用， 但对实质性绿色创新调节作用不显著。 （二）启示 上述结论对于提升企业绿色创新绩效具有如下几方面的启示： 第一， 企业在促进绿色创新绩效提升的实践路径中， 不能只关注高管环保认知这一单个因素， 还应注重企业在创新活动开展中的各种资源投入， 将环保认知贯彻到企业的更深层次， 做到真正的“知行合一”， 即高管环保认知必须与企业实际行动相一致， 否则无法真正推动绿色创新发展。第二， 对于企业而言， 策略性绿色创新固然可以助力企业捕捉暂时的经济利益和政策红利， 但从企业的长久发展来看， 应当认识到实质性绿色创新才是实现企业高质量发展的有力推手， 在绿色创新实践中高管应该起到正确的引导作用， 改变一味追求创新“速度”和“数量”的态度。第三， 当企业面临较大的环境不确定性挑战时， 高管应当从中发现机遇并把握机会， 化被动为主动， 对资源进行整合吸收再创造， 引导企业积极开展更高质量的绿色创新活动。这既能满足利益相关者需求， 又能打造企业可持续的先发竞争优势。第四， 加强企业透明度的内外部建设， 创造更加有序的市场环境， 从而促进企业的高质量绿色创新。 【 主 要 参 考 文 献 】 曹洪军，陈泽文．内外环境对企业绿色创新战略的驱动效应——高管环保意识的调节作用［ J］．南开管理评论，2017（6）：95 ～ 103． 陈洪玮，徐清如，陈霏．制度环境与研发投入对高技术产业创新绩效的影响［ J］．统计与决策，2021（18）：166 ～ 170． 崔维军，孙成，傅宇等．政策不确定性与企业双元创新行为选择：“激流勇进”还是“循序渐进”［ J］．科学学与科学技术管理，2019（11）：68 ～ 81． 蒋建勋，唐宇晨，李晓静．双碳背景下数字金融赋能新能源企业绿色创新：基于融资约束视角［ J］．当代经济管理，2022（5）：81 ～ 89． 黎文靖，郑曼妮．实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响［ J］．经济研究，2016（4）：60 ～ 73． 李大元，黄鹤，张璐．碳交易规制强度能否促进企业创新投入？——CEO 年龄和公司年龄的联合调节作用［ J］．中南大学学报（社会科学版），2021（6）：17 ～ 31． 李虹，邹庆．环境規制、资源禀赋与城市产业转型研究——基于资源型城市与非资源型城市的对比分析［ J］．经济研究，2018（11）：182 ～ 198． 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（9）：192 ～ 208． 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（4）：209 ～ 216． 刘柏，徐小欢．信息透明度影响企业研发创新吗？［ J］．外国经济与管理，2020（2）：30 ～ 42． 申慧慧，于鹏，吴联生．国有股权、环境不确定性与投资效率［ J］．经济研究，2012（7）：113 ～ 126． 斯丽娟．环境规制对绿色技术创新的影响——基于黄河流域城市面板数据的实证分析［ J］．财经问题研究，2020（7）：41 ～ 49． 王宏鹏，张阳，田鸣．政府研发补贴、慈善捐赠对绿色创新的影响及其门槛效应研究［ J］．软科学，2022（7）：1 ～ 7． 王辉，林伟芬，谢锐．高管环保背景与绿色投资者进入［ J］．数量经济技术经济研究，2022（12）：173 ～ 194． 王凯，武立东．环境不确定性与企业创新——企业集团的缓冲作用［ J］．科技管理研究，2016（10）：191 ～ 196． 王可第．信息透明度与企业技术创新——来自中国上市公司的证据［ J］．当代财经，2021（7）：77 ～ 89． 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（2）：131 ～ 149． 吴建祖，华欣意． 高管团队注意力与企业绿色创新战略——来自中国制造业上市公司的经验证据［ J］．科学学与科学技术管理，2021（9）：122 ～ 142． 辛清泉．公司透明度與股价波动性［ J］．金融研究，2014（10）：193 ～ 206． 许丹丹，上官鸣．环境税征收对企业绿色技术创新的影响研究——基于排污费改税制度的准自然实验［ J］．现代管理科学，2022（2）：98 ～ 107． 叶志强，赵炎．独立董事、制度环境与研发投入［ J］．管理学报，2017（7）：1033 ～ 1040． 伊志宏，陈欣，田柳．公众环境关注对企业绿色创新的影响［ J］．经济理论与经济管理，2022（7）：32 ～ 48． 俞立平，张宏如．区域创新升级：如何从创新数量走向创新质量——基于统计学视角的模式识别及跃迁机制研究［ J］．中国软科学，2023（2）：35 ～ 45． 张明，蓝海林，陈伟宏．企业注意力基础观研究综述——知识基础、理论演化与研究前沿［ J］．经济管理，2018（9）：189 ～ 208． 赵恒，葛玉辉．她力量：女性高管参与度对绿色创新绩效的影响——企业社会责任的中介作用［ J］．技术与创新管理，2022（1）：48 ～ 54． 赵树宽，张铂晨，蔡佳铭．绿色创新对企业绩效的影响：基于中国上市公司面板数据［ J］．科技管理研究，2022（6）：211 ～ 220． 钟熙，宋铁波，陈伟宏等．CEO任期、高管团队特征与战略变革［ J］．外国经济与管理，2019（6）：3 ～ 16． 邹国平，刘洪德，王广益．我国国有企业规模与研发强度相关性研究［ J］．管理评论，2015（12）：171 ～ 179． Bruce E. Hansen. Threshold effects in non-dynamic panels： Estimation， testing， and inference［ J］．Journal of Econometrics，1999（2）：345 ～ 368． David J. Teece， Pisano Gary， Shuen Amy. Dynamic capabilities and strategic management［ J］．Strategic Management Journal，1997（7）：509 ～ 533． Donald C. Hambrick， Mason Phyllis A. Upper echelons： The organization as a reflection of its top managers［ J］．The Academy of Management Review，1984（2）：193 ～ 206． Klaus R.， Rammer C.. The impact of regulation-driven environmental innovation on innovation success and firm performance［ J］．Industry and Innovation，2011（3）：255 ～ 283． Lee F.， Sorenson O.. Science as a map in technological search［ J］． Strategic Management Journal，2004（89）：909 ～ 928． Tong T. W.， He E.， He Z. L.. Patent regime shift and firm innovation： Evidence from the second amendment to China's patent law［ J］．Academy of Management Annual Meeting Proceedings，2014（1）：14174．
