四螺旋视角下区域绿色技术创新效率提升路径——基于中国30个省份的模糊集定性比较分析

王 婉，秦艺根

（1.中国海洋大学管理学院；2.中国海洋大学创新创业研究中心，山东青岛 266100）

1 研究背景

改革开放以来，随着我国经济的迅猛增长，生态环境保护问题接踵而至，为应对环境问题，党的十八届五中全会上提出了“创新、协调、绿色、开放、共享”的新发展理念，党的十九届五中全会上进一步提出了“推动绿色发展，促进人与自然和谐共生”的绿色发展理念，但如何在生态环境保护与经济增长之间找到支点实现两者的平衡仍是国家亟须解决的重要问题，绿色技术创新作为实现绿色发展的内在动力，在拥有传统技术创新优势的同时，融入了环保理念，具有更大范围的技术溢出效应，能够帮助企业在实现减少能源消耗，降低成本的同时解决环境污染问题，成为了国家和企业关注的重点。国家“十四五”规划中明确提出要构建以市场为导向的绿色技术创新体系，实施绿色技术创新攻关行动，更为凸显出绿色技术创新在推动绿色经济发展，实现经济增长与生态环境保护双赢过程中的重要作用。

以绿色实现可持续发展，以创新抢占科技前沿已成为我国提升国际影响力和国际地位，应对防范内外部风险，提高化解能力的重要途径，但目前我国整体绿色技术创新水平不高，其主要原因在于区域间绿色发展不平衡，绿色技术创新效率存在较大差距。区域视角下，绿色技术创新是一个复杂的过程，其效率水平的高低是多个创新主体协同联动的结果，区域之间在资源禀赋和发展状况上存在较大差别，不同区域的创新主体所占有的创新要素以及创新要素在各创新主体间的配置效率存在差异，简单复制高效率区域的发展模式无异于按图索骥。因此从整体视角揭示多主体绿色技术创新协同机制，识别其中的关键因素，探究实现高绿色技术创新效率的现实路径，对缩小区域间绿色技术创新水平差距，贯彻绿色发展理念，实现经济高质量发展具有重要意义。

2 文献回顾

绿色技术创新相比传统技术创新更具新颖性和复杂性，同时具有更加明显的知识溢出效应，能够更大范围内影响其他技术领域。环境库兹涅茨曲线表明，环境保护与经济增长间存在正相关关系，其重要原因在于绿色技术创新[1]，作为平衡生态环境保护与促进经济增长的重要支点，绿色技术创新的相关研究越来越受到广大学者的关注，但由于研究的侧重点不同，目前学者关于绿色技术创新的内涵尚未达成统一，一部分学者侧重于环境因素，认为绿色技术创新是为减少能源消耗和环境污染而进行的技术与工艺创新活动的总称[2]，另一部分学者则侧重于技术创新方面，认为绿色技术创新是绿色设计、绿色研发、绿色生产、绿色转换等相互关联的子过程的总称[3]。无论是侧重于环境还是创新因素，现有研究均将创新活动与环保理念纳入到了绿色技术创新的内涵之中，因此本文认为，绿色技术创新是创新主体以提高资源产出效率和保护生态环境为目标进行的一系列创新活动。

目前有关于绿色技术创新效率的研究主要集中于绿色技术创新效率的测算以及其影响因素两个方面。关于绿色技术创新效率的测算，现有研究多从投入产出的视角，采用数据包络分析法（DEA）或随机前沿法（SFA）等方法进行测算[4]，视角多从企业、行业、区域三个视角或不同视角的结合展开，如张在旭等[5]通过构建超效率SBM模型从区域视角对中国30个省份的绿色技术创新效率进行了测算，钱丽等[6]通过构建包含非期望产出的共同前沿SBM-DEA模型，测算分析了2008—2017年中国各省份工业企业绿色技术创新效率，田泽等[7]则将区域视角和行业视角相结合，采用网络SBM-DEA模型和Malmauist指数模型测算并分析了长三角地区先进制造业绿色技术创新的静态效率和动态效率情况。

从绿色技术创新效率的影响因素来看，现有研究多从政府、产业、社会公众等主体出发，探寻各影响因素与绿色技术创新效率之间的关系，如陈晓等[8]从政府行为出发通过固定效应和系统GMM方法检验了环境规制对于绿色技术创新的影响以及政府支持的中介效应，发现环境规制与政府支持共同对绿色技术创新产生正向作用。黄磊等[9]则探究了长江经济带城市，绿色技术创新效率的内在驱动因素，发现产业结构、经济发展等影响因素对提升长江经济带绿色技术创新效率提升起到关键作用。秦炳涛等[10]通过固定效应模型、中介效用模型探究了公众参与对绿色技术创新的影响机制，研究表明公众参与能够显著提升企业的绿色工艺创新。

综上所述，现有研究多采用投入产出视角对绿色技术创新效率进行测算，并通过回归思想，从不同创新主体角度探求各影响因素对绿色技术创新效率产生的净效应。虽然已有文献对绿色技术创新效率的测度及影响因素的研究已较为深入，并取得了丰硕的成果，但目前研究仍存在局限性，首先是研究视角上多从单一或部分创新主体出发，探究绿色技术创新的驱动机制，然而绿色技术创新是一个复杂的过程，受到多个创新主体多重因素的共同影响，鲜有学者从整体视角对绿色技术创新多主体协同机制进行研究。其次，在研究方法上，现有研究多运用回归思想探寻影响因素与绿色技术创新效率间的线性关系，难以解释不同影响因素之间是如何协同影响绿色技术创新效率。

基于以上论述，本文从整体组态视角出发，通过考虑径向与非径向距离函数的超效率EBM模型测算中国2019年度30个省份的绿色技术创新效率作为结果变量，基于四螺旋模型，构建区域绿色技术创新多主体协同机制，并从政府、产业部门、高校、社会公众四个方面选取绿色技术创新效率影响因素，构建绿色技术创新效率驱动模型，运用模糊集定性比较分析方法（fsQCA）进行组态分析，揭示多主体协同联动影响绿色技术创新效率的本质，探究有效提升区域绿色技术创新效率的具体路径，为不同区域提升绿色技术创新效率提供理论依据。

3 理论模型构建

1995年Etzkowitz等[11]基于对美国硅谷等高新技术科技园中所呈现的“产学研” 融合发展模式的深入研究，提出了三螺旋创新范式，认为政府、产业部门与高校通过打破组织边界，协同联动，能够合力促进区域创新呈现螺旋上升的态势，三螺旋理论的提出引起了学者们的广泛关注，众多学者开始基于三螺旋研究框架，分析政府、高校与产业部门非线性互动模式，并在此基础上寻求对三螺旋模型的扩展，提出了四螺旋（例如Carayannis等[12]增加第四维度：社会公众）、五螺旋甚至是N螺旋结构[13]，但目前学者对于三螺旋延伸出的多螺旋结构看法不一。一部分学者认为，由于合作模式单一、耦合能力缺乏，三螺旋结构产生的自然与社会问题影响了知识生产的正向效应发挥，扩展维度恰好能够解决这些问题[14]。但另一些学者持不同观点，如三螺旋模型的创始人Leydesdorff[15]认为，多维度非线性互动模式已经过于复杂，复杂的螺旋结构会使决策者难以协调。

目前有关区域创新的研究多将社会公众扩展为三螺旋结构外的第四维度，但对社会公众如何促进区域创新的内在演化动力机制解释不清晰。对比传统技术创新，绿色技术创新具有公共品属性，且具有双重外部性，产生知识溢出效应的同时也带来了环境溢出，直接涉及社会公众利益[16]，因此，将社会公众纳入传统三螺旋结构，形成“政-产-学-众”四螺旋分析框架，基于此分析区域绿色技术创新协同机制更为合理。

3.1 四螺旋视角下区域绿色技术创新协同机制

四螺旋视角下，区域绿色技术创新不再是简单的线性创新模式，而是政府、高校、社会公众、产业部门开放组织边界，相互渗透，协同联动，实现政策、资金、知识、需求等创新要素合理有效配置的动态过程，四螺旋视角下绿色技术创新协同机制如图1所示。

图1 四螺旋视角下绿色技术创新协同机制

3.1.1 政府的政策引导

政府在政策、资金等创新要素上拥有着明显的优势，在协调运行机制与价值目标各异的其余创新主体中发挥着重要作用[17]。一方面绿色技术创新所产生的知识溢出效应和环境溢出效应会抑制产业部门的绿色技术创新意愿，需要政府政策加以引导，另一方面，绿色技术创新有较高门槛，需要高校基础研究作为支撑，但高校基础研究成果转化的前景难以评估且周期较长，难以获得金融体系的资金，因此政府的政策支持能够破解高校科技成果转化困境，为绿色技术创新提供原动力。

3.1.2 高校的知识供给

由于开展绿色技术创新所需要的知识与技术门槛较高，产业部门独自研发成本高、周期长，无法满足现时需求，而高校作为科学研究的策源地，能够弥补产业部门在知识要素上的欠缺，在整个绿色技术创新体系的知识供给中扮演着重要角色。高校作为知识产生与创造的主要源头，能够为绿色技术创新提供知识基础，同时向社会公众传播知识，提升社会公众科学素养，避免社会公众因专业知识技能限制，造成无效参与[18]。

3.1.3 公众的绿色诉求

由于政府对产业部门进行环境督查的成本较高，检查频率与范围受制，难以及时全面掌握产业部门的环境污染情况，公众参与恰好弥补了环境治理体系中政府与产业部门信息不对称的问题[19]。公众的绿色诉求一方面会促使政府实行环境规制，倒逼产业部门进行绿色技术创新，另一方面，为规避舆论压力造成的负面影响，产业部门会提前考虑公众利益，开展绿色技术创新活动[10]，从而促进区域绿色技术创新效率的提升。

3.1.4 产业的转型升级

作为绿色技术创新的直接主体，产业部门需对政府部门进行政策反馈，回应社会公众的绿色诉求，及时将绿色技术需求信息反馈给高校，实现高校创新成果与市场绿色需求高效对接，从而整合创新要素，优化自身结构，实现绿色转型升级，促进区域绿色技术创新水平的提升。

3.2 绿色技术创新效率驱动模型

根据四螺旋视角下的绿色技术创新协同机制，结合现有文献，本文从政府、产业部门、高校、社会公众四个角度选取政府支持、环境规制、产业结构优化度、高校技术转移、公众参与度五个影响因素作为影响区域绿色技术创新效率的关键因素，构建绿色技术创新效率驱动模型如图2所示，探究区域绿色技术创新效率的提升路径。

图2 绿色技术创新效率驱动模型

（1）政府支持。由于绿色技术创新具有知识与环境溢出的双重外部性，政府的支持在一定程度上能够弥补企业由于知识溢出而无法获得的创新效益，为绿色技术创新提供物质上的保障[20]，同时，政府的支持向企业外部利益相关者传达了看好企业绿色技术创新前景的信号，从而树立了企业的良好形象，有助于企业获取外部资金的支持，促进绿色技术创新效率的提高[21]。

（2）环境规制。目前学界关于环境规制对于绿色技术创新的影响看法不一，一部分学者认为严格的环境规制政策会加重企业负担，使企业陷入生存困境，从而抑制绿色技术创新，产生成本约束效应，另一部分学者则认同波特假说，认为环境规制能够迫使企业加大绿色研发投入 ，而绿色技术创新所带来的经济与社会效益足以抵消前期的成本投入[9]。

（3）产业结构优化度。产业内部配置的优化能够强化产业间的协同创新，激发产业创新活力，产业结构的逐步高级化使得能耗水平较高、污染程度较大的第二产业向低碳清洁，能耗水平低的第三产业转型[9]，缓解了区域资源环境压力，提供了良好的创新环境，促进了传统产业部门与技术研发服务部门的有效对接，提升区域绿色技术创新效率[22]。

（4）高校技术转移。高校技术转移是知识技术等创新要素流向企业的过程，通过技术转移促进高校基础研究成果与产业部门绿色技术创新需求的融合，实现区域绿色技术创新效率的提升。

（5）公众参与度。社会公众通过信访、诉讼等方式参与环境治理，表达自身的绿色诉求，对产业部门产生非正式约束，这种非正式约束，能够将环保责任意识内化于产业部门的生产决策中[23]，提升企业开展绿色技术创新的积极性，从而提升区域绿色技术创新效率。

4 研究方法及数据

4.1 研究方法

4.1.1 EBM超效率模型

现有研究多采用传统数据包络分析法（DEA）或其衍生的SBM模型对绿色技术创新效率进行测度，但DEA模型与SBM模型无法处理投入与产出变量均具有径向与非径向特征的情况，因此本文采用Tone等[24]提出的EBM模型，该模型相较传统DEA模型和SBM模型既能考虑目标值与实际值的径向比例，又能同时处理投入与产出要素之间的径向与非径向的松弛变动，增强了决策单元的相对可比性。为使最终测度结果更加真实可靠，进一步将EBM模型进行超效率化，模型的表达式如下：

4.1.2 定性比较分析

本文从组态视角出发，选择fsQCA方法以探析不同区域绿色技术创新效率的驱动机制。定性比较分析方法常用以解决传统定量与定性方法不能解决的复杂因果组合问题，该方法通过布尔运算和集合关系来实现对案例的充分比较和分析，更关注前因条件与结果变量之间的非对称性关系[25]。本文选择fsQCA基于以下三个方面原因，一方面，由于绿色技术创新效率是由多主体影响因素协同联动的结果，传统的线性回归试图产生特定结果的最佳路径，难以从整体角度考察多个要素与绿色技术创新之间的非线性关系，而fsQCA能够从整体视角出发，关注各个前因条件的组态是否能够导致结果变量的出现与缺失。另一方面，由于绿色技术创新效率的测算涉及投入与产出要素，传统回归方法容易产生反向因果等内生性问题，而QCA方法建立在因果非对称性与组态视角的基础上，能够有效避免这些内生性问题[25]。此外，由于fsQCA有效结合了定量与定性方法的优点，使其不仅适合10个或15个以下的小样本研究与超过100个的大样本研究，而且适合15个至50个的中等规模样本研究，本文以中国30个省市为样本，样本规模适用于该研究方法。

4.2 变量测量及校准

4.2.1 变量测量

（1）结果变量测量。本文将绿色技术创新定义为创新主体以提高资源产出效率和保护生态环境为目标进行的一系列创新活动，因此在运用EBM超效率模型对绿色技术创新效率进行测算时从资本、劳动力以及能源角度出发，选取各省市R&D经费内部支出、R&D人员全时当量以及各省市的能源消耗总量作为投入指标，从经济和生态角度出发考虑创新的期望与非期望产出，选取专利授权数与新产品销售收入作为期望产出，同时选取工业废气和废水排放量作为非期望产出。具体指标及数据来源见表1所示。

表1 绿色技术创新效率测度指标及数据来源

（2）前因变量测量。本文选取政府支持、环境规制、产业结构优化度、高校技术转移与公众参与度五个影响因素作为前因变量。1）政府支持。以当地政府科学及技术支出与地方公共预算支出比重表示政府支持力度。2）环境规制。由于工业部门是能源损耗和环境污染的重要场所，因此各省份在工业上的环境规制基本能够反映环境规制的总体强度，因此选择采用工业增加值与废水废气排量的比重来衡量各省市环境规制力度[26]。3）产业结构优化度。以第三产业增加值与第二产业增加值比值衡量。4）高校技术转移。本文参照王晓红等[27]的做法，采用高校与外部签订的技术转移合同数量与区域高校的比值衡量区域高校技术转移水平。5）公众参与度。参照秦炳涛等[10]的做法，采用区域环境信访事项与全国新环境信访事项均值衡量公众参与度。前因变量测量及数据来源见表2所示。

表2 绿色技术创新效率前因变量测量及数据来源

4.2.2 数据校准

对结果变量和前因变量数据校准决定了各案例的隶属集合，是fsQCA中的重要步骤，在此步骤中需要根据现有研究和理论以及数据的分布情况设置相关锚点（完全不隶属、交叉点、完全隶属）。根据数据的频率分布，本文在结果变量的校准上选择样本数据的70%分位数作为完全隶属点，40%分位数作为交叉点，15%分位数作为完全不隶属点。5个前因变量则参照杜运周等[28]的做法，选择样本数据的75%分位数作为完全隶属点，50%分位数作为交叉点，25%分位数作为完全不隶属点，结果变量及各前因变量的描述性统计分析以及锚点如表3所示。

表3 各变量校准与描述性统计分析结果

5 实证分析

5.1 绿色技术创新效率分析

运用考虑投入与产出变量均具有径向与非径向特征的超效率EBM模型，采用MaxDEA软件，对我国30个省、自治区、直辖市（未含西藏和港澳台地区）2019年绿色技术创新效率进行测算，结果如表4所示。从测算结果来看，北京、天津、上海、吉林、浙江、江西等地的绿色技术创新效率处于较高水平，黑龙江、云南、陕西、宁夏、四川、海南等地绿色技术创新效率较低，处于全国末端，除西藏外中国大陆30个省份绿色技术创新效率平均值为0.66，仅能够达到目前最优绿色技术创新效率水平的55%，这说明对于部分省份，还存在提升绿色技术创新效率的空间。

表4 2019年我国各省份绿色技术创新效率

5.2 必要性分析

在进行模糊集定性比较分析（fsQCA）前，需要对所有前因条件进行单个条件的必要性分析，以判断某个条件是否为结果出现的必要条件，一般而言当单个条件的一致性大于0.9时，可以认为该条件是导致结果出现的必要条件，因此本文以政府支持、环境规制、产业结构优化度、高校技术转移、公众参与度为前因条件，对高与非高绿色技术创新效率进行必要性检验，得出检验结果如表5所示，所有前因条件的一致性均小于阈值0.9，因此，前因条件中并没有导致结果出现的必要条件，同时也说明单个条件对于高和非高绿色技术创新效率的解释力度不强，下文将进行组态分析。

表5 单个条件必要条件分析

5.3 组态分析

运用fsQCA进行组态分析时，首先要进行参数的设置，以区分组态是否符合模糊集理论中的一致性要求，参考现有文献将案例频数阈值设置为1，原始一致性阈值设置为0.8，PRI一致性阈值设置为0.7。模糊集定性比较分析会给出三个解，包含复杂解、中间解与简约解，其中，复杂解不包含逻辑余项，中间解中只包含符合现有理论和实际的简单逻辑余项，简约解中包含所有逻辑余项，结合杜运周等[29]文章的相关研究，若某一条件同时出现在简约解与中间解的某一组态中，则称该条件为该组态中的核心条件，若某一条件未出现在简约解中，但存在于中间解中，则称该条件为边缘条件，核心条件对结果的产生起主要解释作用，相对而言边缘条件则对结果的产生起到辅助解释的作用。将高绿色技术创新效率作为结果变量，政府支持、环境规制、产业结构优化度、高校技术转移和公众参与度作为条件变量进行标准化分析，结果如表6所示，其中产生高绿色技术创新效率的组态共有3条，分别为H1a、H1b、H2，产生非高绿色技术创新效率的组态有2条，分别为NH1a与NH1b。

表6 高、非高绿色技术创新效率组态

5.3.1 高绿色技术创新效率路径

（1）政产学协同型。在组态H1a中以高政府支持和高产业结构优化度为核心条件，高环境规制与高高校技术转移为边缘条件。在该条路径下，政府通过资金支持与环境规制，协调创新要素在各主体间的流动，高校通过技术转移促进知识要素与产业绿色创新需求零距离对接，产业部门不断实现自身的优化与转型，共同促进区域绿色技术创新水平的提高，代表省市有北京、上海、广东、天津等。H1a路径表明只要政府政策引导到位，区域产业结构优化程度较高，传统的“政-产-学”协同模式依然能够促进区域绿色技术创新效率的提升。以北京市为典型，政府政策方面，北京市不断加强对产业部门的政策支持力度，2021年10月，北京市发改委发布了《关于进一步完善市场导向的绿色技术创新体系若干措施》，对符合要求的绿色技术创新项目给予资金支持，为产业部门积极开展绿色技术创新活动提供保障。产业结构方面，自2015年来，北京不断修订《北京市新增产业的禁止和限制目录》以期优化产业结构和布局，全力构建“高精尖”产业体系。与此同时，北京市依托驻京高校，成立了北京高校技术转移联盟，通过搭建平台促进了科技成果的转化。通过“政产学”三方协同，北京市实现了资金、知识等创新要素的合理配置，提升了区域绿色技术创新效率。

（2）政府助力下的产业推动型。组态H1b与组态H1a核心条件相同，构成二阶等价组态[30]。H1b中以高政府支持、高产业结构优化度为核心条件，以非高高校技术转移、非高公众参与度为边缘条件，代表省市为湖南省和贵州省，该条路径进一步强调了政府支持与产业结构在推动提升区域绿色技术创新方面发挥的重要作用，一方面，产业结构的优化减轻了区域资源环境压力[31]，替代了社会公众参与的监督作用，另一方面，政府的资金支持也能够在一定程度上强化产业部门的自主研发能力。通过强力的政府支持与较高的产业结构优化度弥补高校的知识供给与公众参与的缺失，实现区域绿色技术创新效率的提升。以湖南省为例，早在2012年，湖南省政府就出台了《绿色湖南建设纲要》，积极推进生态文明建设，绿色发展指数常年处于全国前列。近年来湖南省不断优化产业结构布局，构建绿色产业体系，“十三五”期间，获批建设了一批国家级绿色园区。与此同时，湖南省政府还出台了一系列政策文件，完善了覆盖产业部门绿色技术创新全过程的支持与激励政策，推动了区域绿色技术创新效率的提升。

（3）政府主导逻辑下的公众参与型。组态H2中以高政府支持，高公众参与度为核心条件，非高产业结构优化度与高环境规制为边缘条件，处于这类路径下的典型省市包括：江苏、湖北、浙江、福建、河南、山东、安徽，该路径表明在产业结构优化程度不高的省市，通过政府政策的合理有效引导与公众参与的非正式约束，同样可以提升区域绿色技术创新效率。以山东省为典型，山东省产业结构呈现低度化，第一产业相对其他省份占比较高，二、三产业多为传统行业，在一定程度上阻碍了绿色技术创新效率的提升，但山东省一方面积极探索建立合理有效的公众环境信访制度，着力畅通公众环境信访渠道，出台奖励政策，鼓励公众参与，充分发挥社会公众的补充监督作用，另一方面不断出台政府政策，加大政府扶持力度，完善环境保护责任制，引导资金人才等创新要素流向绿色技术领域，实现了绿色技术创新效率的提升。

5.3.2 非高绿色技术创新效率路径

本文同时检验了产生非高绿色技术创新效率的组态，共有两条：NH1a与NH1b，两条路径核心条件相同，构成二阶等价组态。两条非高路径表明，在缺乏高政府支持与高公众参与度的情况下，即使存在较高的高校技术转移，区域绿色技术创新效率也不会高，同时NH1a路径表明，严格的环境规制可能会对传统工业产业部门产生成本挤出效应，抑制绿色技术创新，NH1b则表明，当产业结构优化程度较高，松散的环境规制政策会阻碍绿色技术创新效率的提升。

5.4 稳健性检验

模糊集定性比较分析一般有4种稳健性检验方法，分别是调高案例PRI一致性阈值、提升原始一致性阈值、增删案例和新增其他条件，本文将PRI一致性从0.7提升至0.75，对政府支持、环境规制、产业结构、经济发展水平以及金融环境驱动绿色技术创新效率的组态进行了稳健性检验。得到新组态与上述分析结果一致，表明研究结论可靠。

6 结论与启示

6.1 研究结论

本文基于现有研究和文献，探究了四螺旋视角下区域绿色技术创新的协同机制，选取其中的关键因素，构建了绿色技术创新效率驱动模型，采用超效率EBM模型测算全国30个省份的绿色技术创新效率，从组态视角，运用模糊集定性比较分析方法（fsQCA）探究了我国绿色技术创新效率提升的路径，得出以下结论：

（1）单个条件对于提升绿色技术创新的解释力度不强。政府支持、环境规制、产业结构优化度、高校技术转移与公众参与均无法成为高绿色技术创新效率的必要条件，多重条件相互作用、协同联动才能够组成提升绿色技术创新效率的有效路径。这说明，简单的线性创新模式无法实现绿色技术创新效率的提升，各创新主体开放组织边界，相互渗透，实现创新要素的快速合理流动，才能够有效提升区域绿色创新效率。

（2）存在三条绿色技术创新效率提升路径，包括政产学协同型、政府助力下的产业推动型和政府主导逻辑下的公众参与型，同时本文发现两条非高绿色技术创新效率路径，均呈现出政府支持乏力与公众参与缺失的特点，各区域应该根据自身资源禀赋与创新要素在各创新主体间的配置情况，选择合适的提升策略。

（3）政府支持与公众参与是现阶段促进区域绿色技术创新效率提升的关键要素。本研究中，高绿色技术效率的三条路径均包含政府支持，且非高绿色技术创新效率两条路径中均包含非高政府支持与非高公众参与，反映出现时期，政府支持与公众参与在协调创新要素，提升区域绿色技术创新效率方面扮演着重要角色。

6.2 管理启示

由上述研究结论，本文得出如下启示：

（1）强化创新主体协同机制，因地制宜开展绿色技术创新。区域各创新主体应开放组织边界，充分发挥“1+1＞2”的协同创新优势，共享知识信息等创新要素，在更大范围内集聚创新资源，提升区域绿色技术创新水平，同时，由于不同区域的发展状况以及创新主体禀赋存在差异，各地区应秉持具体问题具体分析的原则，立足于本地区创新要素配置情况，积极探索适配现实情境的绿色技术创新发展模式。

（2）加强政策干预，发挥政府优势。在构建市场导向的绿色技术创新体系时，不能够放弃政府政策对绿色技术创新的引领作用，政府应充分发挥其在宏观上的政策导向功能，建立健全绿色技术创新政策资金保障机制，利用在政策、资金等创新要素方面的优势，通过“有形的手”优化资源配置，加速创新要素在创新主体间的流动，激发各创新主体协同创新动力，提升区域绿色技术创新效率。

（3）拓宽公众参与渠道，鼓励公众参与环境治理。政府应建立完善多渠道公众环境信访机制，通过政策规范建立更为公开透明的企业信息披露制度，充分发挥社会公众对产业部门的补充监督作用，同时通过政策奖励等方式，激励社会公众积极参与到环境治理之中，以政府部门的正式约束与社会公众的非正式约束，倒逼产业部门开展绿色技术创新活动，实现区域绿色技术水平的提升。

6.3 研究不足及展望

本文虽提出了影响提升绿色技术创新效率的条件组态，但仍有以下局限：

（1）受限于QCA方法，前因变量过多会导致逻辑余项的大量增加，因此本文仅选择了具有代表性的5个前因变量，未来研究可以根据实际情况扩充前因变量数量，改进方法，更为全面地揭示多重影响因素对于绿色技术创新效率的影响。

（2）本文仅探讨了政府支持、环境规制、产业结构优化度、高校技术转移和公众参与度与绿色技术创新的静态关系，而并未引入时间变量，随着QCA方法的不断完善和迭代，目前研究已经出现了能够探究系统随时间动态演化的时序QCA，未来研究可以探寻多重条件驱动绿色技术创新效率的动态演化过程。