TOE框架下能源企业绿色创新的驱动因素研究——基于面板数据的动态QCA分析

欧阳榕襄

(西安石油大学 经济管理学院,陕西 西安 710065)

0 引 言

能源企业作为我国绿色创新发展的关键领域,不仅承担着经济责任,同时也肩负着生态环境责任,但目前能源企业普遍存在着绿色创新程度低、创新成果转化率不高等问题,因此探究能源企业绿色创新的驱动因素成为学界的热点问题。现有研究主要通过构建假设检验与回归模型分析企业内外部因素对绿色创新的影响,强调单一因素对绿色创新的“净效应”,较少考虑技术、组织和环境因素影响企业绿色创新的复杂因果机制,忽略了不同因素间的联合效应。因此本文重点关注以下问题:能源企业绿色创新的驱动因素有哪些?这些驱动因素之间会产生怎样的协同联动效应?驱动因素间是否存在时间或个体效应?本研究选取2016—2021年我国能源上市公司为案例样本,构建能源企业绿色创新TOE分析框架,运用动态QCA方法厘清各驱动要素间的组态效应与复杂的因果关系,以期为能源企业绿色创新发展提供理论支持。

1 文献综述与分析框架

1.1 文献综述

目前学者关于绿色创新驱动因素的研究主要从企业内部与外部两个方面展开。企业内部因素方面,研发投入是企业进行绿色创新的基础,相较于环境规制对绿色创新的短期促进效果,研发投入更具有长期激励作用[1]111-119。高管特征对企业绿色创新发展也有着重要影响,有学者研究发现高管环保认知正向促进企业绿色创新绩效,CEO公共环保经历的多样性也对绿色创新有着显著的驱动效应[2]1-36,高管的政治关联具有“资源效应”,通过获取政府补贴、媒体关注激励企业绿色创新发展。也有部分学者探究了企业股权性质、融资约束、社会责任承担、环境信息披露等,认为企业内部因素也影响着企业绿色创新发展。

企业外部因素方面,环境规制对绿色创新的影响是近年来的热点问题,目前,对其研究主要集中在激励观、抑制观和非线性观,并且有学者对环境规制的类型也进行区分。市场竞争以及环境合法性产生的外部环境压力同样也是促进企业绿色创新的重要影响因素,政府监管与媒体监督均与企业绿色创新有激励作用[3]66-81。

综上所述,虽然已有大量文献研究分析了绿色创新的驱动因素,但仍存在以下不足。第一,现有文献大多聚焦于单一驱动因素对绿色创新的“净效应”研究,忽略了因素间的相互依赖及多元协同关联,未形成绿色创新的有效驱动路径;第二,针对能源企业的绿色创新驱动因素研究较少;第三,目前多数学者采用模糊集定性比较分析(fsQCA)方法探究组态路径,但因受限于截面数据而无法对个体、时间效应进行分析。因此,本研究构建能源企业绿色创新驱动因素框架,运用动态QCA方法从组态角度分析我国能源企业绿色创新驱动因素的路径。

1.2 能源企业绿色创新驱动因素的TOE分析框架

在已有研究中,学者将企业内外部因素分为技术(Technology)、组织(Organization)和环境(Environment)3个方面,构成了TOE理论框架,旨在为企业技术创新的推广与应用提供更为全面的理论解释。TOE理论框架将企业内外部因素纳入整体研究框架中,学者可根据具体研究问题进行变量的选择与分析。目前该框架已经应用于医疗、教育、政务、管理学等领域。因此本文采用TOE理论框架分析我国能源企业绿色创新的驱动因素,更好地揭示各要素对绿色创新的影响。

1.2.1 技术层面

将企业数字化水平、研发资金投入、研发人员投入纳入技术层面因素。自然资源观认为,包括技术能力在内的企业内部各项资源都是保障企业创新发展、提高企业竞争优势的基础。首先,相较于传统创新,绿色创新具有高成本、高投入、高风险的特点,因此研发资金投入与研发人员投入是推动绿色创新发展的关键因素。其次,企业数字化有助于解决企业因研发活动而产生的融资约束与人力不足问题,为企业绿色创新提供更多的技术支持,并优化资源配置。一方面,数字化能以大数据、云计算等方式整合企业现有资源、分析竞争优势,通过收集市场信息来明确绿色创新方向,为企业提供更符合市场需求的创意来源,同时打破信息壁垒,推动企业联合绿色创新,降低研发成本[4]10-18。另一方面,数字化有助于降低劳务市场信息不对称影响,为企业吸收更多的技术人才,并提供专业培训,为企业研发人力资源提供保障。

1.2.2 组织层面

将高管绿色认知与组织冗余纳入组织层面因素。企业绿色创新的本质与传统创新相同,即通过技术创新获得更多利润,但绿色创新的“双重外部性”增加了其研发风险与成果不确定性,从而降低了企业创新意愿。高管绿色认知通常被认为是企业高管通过了解、学习、识别与解释有关自然资源及相关环保问题,形成了环保感知与责任的心理体验,影响着企业绿色行为的决策与实施[5]113-128。战略认知理论认为企业管理者的主观认识会直接影响企业的行为与决策,因此本文认为高管绿色认知水平越高,越能驱动企业绿色创新发展。第一,绿色创新的本质是实现生态、经济、社会三重效益的提升,具有绿色认知的高管能认识到企业绿色可持续发展将提高自身市场竞争优势;第二,随着政府环境规制日益严格,尤其是能源企业环境污染防治成本显著提升,具有绿色认知的高管会根据市场环境与政策导向及时调整企业策略,通过发展绿色创新降低污染影响,实现企业经营与生态环境的平衡发展;第三,当前消费者对绿色产品的需求愈发强烈,具有绿色认知的高管会通过绿色创新生产以提高市场份额,树立良好的企业形象,满足消费者绿色需求。

有学者认为,由于企业受到外部环境与内部对策的局限性使要素配置超过企业经营所必需的资源拥有量,超出的部分被认为是组织冗余。Sharfman,Wolfg等[6]610-614将组织冗余分为沉淀性冗余和非沉淀性冗余两种,认为企业多余的设备等属于沉淀性冗余,而具有较强流动性的资金、债权等属于非沉淀性冗余。组织理论认为,组织冗余有利于促进企业绿色创新发展,因为绿色创新研发项目需要持续投入大量的人力物力,组织冗余作为企业的“空闲”资源可以缓解因研发而造成的资源挤占,降低绿色创新战略的机会成本,从而激发企业创新意愿。然而,过多的组织冗余则意味着企业管理者对资源配置及运用存在管理缺失,并且增加了管理者冗余调节的自由度,有可能会造成资源挪用或浪费[7]66-77,因此还需根据企业具体情况进行分析。

1.2.3 环境层面

本文将市场竞争与环境规制纳入环境层面因素。市场环境如一只“看不见的手”,经济学中“逃离竞争”效应认为市场竞争促进企业创新,即当企业所处行业市场竞争越强,获得的利润就越低,此时企业越希望通过创新提升自身竞争优势从而逃离竞争,因此市场竞争会影响绿色创新发展。能源企业作为绿色创新的重要领域之一,除了市场竞争压力外还会受到环境规制的影响。制度理论认为,企业组织决策会受到制度环境的影响,主要体现在两方面。首先,基于信号理论,政府环境规制越严格越能释放更多的污染处罚信号,企业污染防治成本也随之增多,管理者会通过绿色创新以降低成本,使企业可持续、合法化发展;其次,政府环境规制力度会促进绿色思想的传播,从而影响消费者选择,企业为更好满足消费者需求,扩大市场占有份额,会通过绿色创新提供更符合市场的产品服务。因此政府环境规制力度也对企业绿色创新有着重要影响。能源企业绿色创新驱动因素TOE分析框架见图1。

2 研究方法与数据构建

2.1 动态QCA

图1 能源企业绿色创新驱动因素TOE分析框架

2.2 数据构建

2.2.1 测量

2015年,我国首次提出绿色发展理念,因此选取2016—2021年A股能源上市公司面板数据,相关数据主要来源于国泰安数据库(CSMAR)、国家知识产权局和相关政府工作报告,通过剔除ST类异常企业和大量数据缺失企业后最终筛选出110家能源企业,并查阅和手工整理上市公司年报来填补企业缺失数据。相关变量测量方法如下。

绿色创新:依据李青原、肖泽华的研究[9]192-208,通过国家知识产权局数据库搜索企业专利申请与授权情况,并将其与WIPO颁布的绿色专利号进行匹配,最终得到能源企业绿色专利申请及授权数量。因考虑到专利授权的滞后性及避免其他因素干扰,本文采用能源企业绿色创新申请数量作为衡量绿色创新的指标。

技术层面:选择企业数字化水平、研发资金投入、研发人员投入作为技术层面因素。用研发资金与企业总资产比值二个指标衡量研发资金投入;用研发人员占企业员工总数比例衡量研发人员投入;企业数字化水平参考吴非、胡慧芷等的研究[10]130-144,通过Python软件将能源企业年度报告中关于“人工智能技术”“大数据技术”“云计算技术”等相关词汇进行文本分析,提取词频衡量企业数字化水平。

组织层面:选取高管绿色认知与组织冗余作为组织层面因素。其中高管绿色认知参考邢丽云、俞会新等的研究[11]26-32,将上市公司年报中关于“节能减排”“低碳环保”“环境治理”等关键词进行词频统计以衡量高管绿色认知水平;组织冗余借鉴李健的研究[12]198-208,采用速动比率进行测量。

环境层面:选取市场竞争和环境规制为环境层面因素。环境规制参考邓慧慧、杨露鑫的做法[13]118-136,借助Python软件对省级政府工作报告进行分词处理,提前与环境规制相关的关键词的词频作为衡量标准;市场竞争衡量参考何熙琼、尹长萍等的研究[14]161-170,将赫芬达尔指数作为衡量市场竞争指标。

2.2.2 校准

动态QCA校准旨在将平衡面板数据按照已有理论与具体案例情况,把原始数据转化为0至1的模糊集合,以便R语言能精准识别数据特征,为后续计算组态分析的一致性、覆盖度及组内间的调整距离打下基础。参考已有研究,本文采用75%分位数、50%分位数和25%分位数作为校准锚点,分别代表完全隶属、交叉点、完全不隶属关系,变量测量与校准见表1。

表1 变量测量与校准

3 数据分析与实证结果

3.1 单个条件的必要性分析

QCA分析中,通过检验必要性分析判断结果变量绿色创新对某个前因条件变量的依赖程度,当汇总一致性水平高于0.9时,则可将其视为结果变量的必要条件。不同于传统QCA,动态QCA分析是建立在面板数据之上,因此必要性条件分析还需考虑组间与组内的调整距离,当调整距离大于0.2时,需进一步探究其必要性。为确保结果稳健性,对单变量缺少状况的结果同样进行检验,必要条件分析见表2。

根据表2所示,7种条件变量的汇总一致性均小于0.9,且组内一致性调整距离均大于0.2,由于样本企业的绿色创新能力、技术水平、自身实力等方面存在显著差异,导致出现组内一致性调整距离较大。除高管绿色认知与环境规制外,其余条件的组间一致性调整距离均小于0.2,说明这些前因条件均不属于绿色创新的必要条件,但高管绿色认知和环境规制还需进一步探究其必要性,调整距离大于0.2的组间数据见表3。

表3所列为高管绿色认知、环境规制的组间一致性和覆盖度,可知除情况3、4外,其余情况在各年份的组间一致性均小于0.9,说明不存在必要关系;情况3、4除2021年的一致性虽大于0.9,但其覆盖度均小于0.5,同样说明其不构成必要条件。

3.2 条件组态的充分性分析

条件组态的充分性分析是动态QCA方法的重要组成部分,通过构建真值表得到中间解、简单解和复杂解,探究不同前因条件对结果变量的影响。选择的一致性阈值为0.8,PRI阈值为0.7,频数阈值为3以构建真值表,为避免反事实分析中的矛盾简化假设,还对数据进行了强化标准分析,最终涵盖了660个案例。由于复杂解存在大量干扰项且对结果的解释参考性较弱,因此本文以强化型中间解为主,辅助强化型简单解,寻找组态分析中的核心条件、边缘条件及驱动路径,组态分析结果见表4。

表2 必要条件分析

表3 调整距离大于0.2的组间数据

表4 组态分析结果

3.2.1 汇总结果分析

整体组态层面,总体一致性为0.935,大于可接受阈值0.8,说明满足这3种组态的案例中,有93.5%的能源企业呈现较高的绿色创新水平;总体覆盖度为0.610,说明这3种组态可以解释61%的能源企业较高绿色创新水平案例;总体PRI为0.859,说明有85.9%的可能不会出现同因异果问题,并且单个组态的组内与组间一致性调整距离均低于0.2,说明得出的3条组态路径可以视为能源企业高水平绿色创新的充分条件。就单个组态而言,以上3种组态覆盖度分别为0.495、0.361和0.278,并具有较高的一致性水平,分别为0.877、0.935、0.842,同时具备较高的PRI,分别为0.767、0.859、0.752,说明3种组态解释力度较高。

具体而言,组态1是以研发资金投入和高管绿色认知为核心存在条件,以环境规制为辅助存在条件的组合,说明研发资金与高管绿色认知为能源企业绿色创新提供了技术与组织层面的核心支持。高管认知影响企业发展方向与决策部署,拥有高水平绿色认知的高管更能发现绿色创新所带来的经济与生态的长远效益,加大研发投入力度,促进企业绿色可持续发展。环境规制作为企业外部环境因素也会其产生间接影响。

组态2是以研发人员投入与高管绿色认知为核心存在条件,以数字化水平、组织冗余为辅助存在条件的组合,说明研发人员与高管绿色认知是驱动能源企业绿色创新的核心因素,当企业拥有较高的数字化水平时能更好收集利用信息,促进高管绿色认知水平的提升,同时优化企业人力资源,吸收高质量研发人员。组织冗余缓解研发资源挤占,也能间接影响绿色创新发展。

组态3是以研发人员投入、高管绿色认知、组织冗余和环境规制为核心存在条件,以数字化转型和市场竞争为辅助存在条件的组合,该组态体现了人才资源在绿色创新驱动中的重要作用,同时将TOE框架的技术、组织、环境三层要素纳入组态中,将该组态命名为“多因素驱动”模型。

3.2.2 条件间的潜在替代关系分析

通过对条件组态1～3的异同比较发现,可进一步识别出在技术、组织和环境层面存在组态间的潜在替代关系。对比组态1和组态2发现,拥有高水平研发资金投入和高管绿色认知的企业,环境规制可以与数字化转型、组织冗余的条件组合相互替代。因为环境规制体现企业所在地区政府对环境的重视程度,环境规制越严格,企业面临的环保压力就越大,进而督促企业发展绿色创新;而数字化转型与组织冗余属于企业技术和组织层面的因素,为企业绿色创新提供技术支持与保障,因此也能促进绿色创新发展。综上,组态1与组态2能够实现能源企业绿色创新发展,因此将组态1与组态2合称为“技术—组织驱动”模型。

3.2.3 组间与组内结果分析

动态QCA方法通过分析面板数据组间与组内的一致性调整距离,弥补传统QCA方法只能分析截面数据的不足,以便更全面地探究组态的时间、个体效应。表4结果可以看出3个组态的组间与组内一致性调整距离均未大于0.2,说明不存在显著的时间、个体效应。图2展示了本文研究的110家能源企业2016年至2021年组间一致性水平的变化情况,可以看出虽然三个组态一致性水平均在0.8以上波动,但2019—2020年组态1和组态2出现了下跌趋势,可能由于当年新冠疫情暴发,在此期间更多企业为保障日常经营活动顺利进行而暂缓或减少绿色创新的研发投入,但由于组间一致性距离仍然小于0.2,因此并不会对组态整体解释力度产生影响。综上所述,3个组态具有一定的普适性,可供能源企业借鉴参考。

图2 组间一致性变化

4 结论与启示

4.1 研究结论

本文以2016—2021年我国110家能源上市企业为案例,构建了能源企业绿色创新驱动因素的TOE分析框架,运用动态QCA方法探究了技术层面企业数字化水平、研发资金投入和研发人员投入,组织层面高管绿色认知和组织冗余,以及环境层面市场竞争和环境规制这7大前因条件对能源企业绿色创新的多重联动组态效应。研究结果如下:第一,TOE框架下的这7个前因条件均不能单独成为能源企业高水平绿色创新的必要条件,需要多种条件协同作用。第二,在条件组合的充分性分析中发现共有3条组态路径,可提炼为2种模型,其一为“技术—组织驱动”模型包含组态1和2,该模型均是以研发资金投入与高管绿色认知为核心存在条件,并且这两种组态存在“殊途同归”的潜在替代关系;另一种“多因素驱动”模型为组态3,强调通过技术、组织和环境3方面因素联动提高能源企业绿色创新发展。第三,3种组态均未发现存在时间和个体效应,说明本文3条组态路径对能源企业绿色创新的驱动因素研究具有较强的解释能力和普适价值。

4.2 研究启示

第一,企业应转变单一因素影响观念,以组态视角统筹规划企业技术、组织、环境方面的资源利用,以整体协同发展理念推动绿色创新高质量发展。第二,驱动绿色创新的核心条件在于技术支持,企业应充分调动企业内外部资源,重视研发资金的投入与高层次技术人员的引入,并且可以通过与相关高校、科研机构的合作,进行技术交流、降低成本、提高成效从而弥补自身技术短板。第三,高管对企业发展起着重要的影响作用,除了高管自身教育背景及经历带来的绿色认知,企业还应对高管进行定期培养,为企业营造良好的绿色文化氛围,将绿色发展理论融为企业文化。第四,企业应重视环境因素影响,及时把握相关政策方向与法律法规,利用市场机制推动企业绿色创新水平提升,紧随时代发展利用数字化技术优化资源配置。