数字化背景下能源企业绿色创新的驱动路径

摘要：企业绿色创新对实现绿色转型和高质量发展具有重要意义。本文在新一轮能源革命以及数字化背景下，利用上市能源企业样本数据，实证分析了能源企业绿色创新的驱动路径，并提取多年度组态演化规律。研究发现：能源企业实现绿色创新受到企业内部数字化、动态能力、冗余资源以及外部环境动力、活力、压力等多个前因条件共同作用，并形成了数字化单驱动型、动态能力单驱动型以及数字化-动态能力的双驱动型等三种驱动模式；此外，传统能源企业绿色创新绩效的主要驱动模式为动态能力的单驱动模式，而新能源企业实现绿色创新的主要驱动模式为数字化-动态能力的双驱动模式。

关键词：绿色创新；数字化；能源企业

中图分类号：F061.3文献标识码：A文章编号：1001-148X（2024）05-0094-10

收稿日期：2024-03-20

作者简介：胡琳娜（1980—），女，河北保定人，副教授，博士，研究方向：技术创新、数字化；陈劲（1964—），男，浙江余姚人，教授，博士，研究方向：科技创新；张婷婷（1991—），女，山西吕梁人，讲师，博士，研究方向：城市创新、产业链。

基金项目：国家社会科学基金青年项目“人工智能产业创新链产业链人才链深度融合的机理与路径研究”，项目编号：23CJY043；国家社会科学基金一般项目“数字化赋能黄河流域生态旅游廊道建构的理论逻辑与布局路径研究”，项目编号：23BGL166；山西省高质量发展研究课题“数字化赋能山西传统优势产业绿色低碳转型对策研究”，项目编号：SXGZL202304。

一、引言

我国在2020年提出了“碳达峰与碳中和”的发展目标，明确表示要推动关键行业和领域的绿色转型，这为我国能源行业设定了明确的绿色转型要求。2023年政府工作报告强调了要加快新型能源体系建设，推动重点领域的节能减碳措施。2024年2月，习近平在中共中央政治局第十二次集体学习时强调，要统筹好新能源发展和国家能源安全，要注意处理好新能源与传统能源的关系。当前，推进能源企业的绿色转型面临如下困境和挑战。其一，不同能源企业在创新变革、协调整合和学习吸收等方面存在显著异质性。受到技术水平低、高质量人才缺乏等的限制，相较于新能源企业，传统能源企业的动态能力普遍较低。其二，绿色创新具有投入高、周期长以及高风险等特性，需要充足的资源储备以应对风险，然而，冗余资源对创新又具有双刃剑效应。此外，能源企业的环保压力持续增大，且所处的内外部环境日益复杂，数字化更是为能源企业绿色创新发展带来了大机遇和大挑战。因此，对能源企业绿色创新的诸多内外部因素进行深入研究，有利于辨析能源企业绿色创新活动的重要驱动力，推动能源产业绿色可持续发展，促进我国更好更快实现“双碳”目标。

已有文献探讨了新能源企业绿色创新的影响因素，发现政府补贴、智能化发展等均能促进新能源企业的绿色创新。但综合来看，鲜有文献考虑到传统能源企业的绿色创新研究。而实际上，对比传统能源企业和新能源企业的绿色创新，对摆脱能源行业绿色创新能力不足的现实困境，成功实现绿色转型意义重大。那么，两种能源企业实现绿色创新驱动因素有什么差异？进一步地，两种能源企业实现绿色创新驱动路径有哪些异同？为回答上述问题，本文选择我国上市新能源企业和传统能源企业为研究样本，以数字化、动态能力、冗余资源、环境动力、环境活力以及环境压力等六个因素作为前因条件，探究了两种能源企业实现绿色创新的驱动路径。

本文可能的边际贡献在于：第一，将企业划分为传统能源企业和新能源企业，首次揭示了两类企业实现绿色创新的驱动模式差异；第二，利用多元线性回归方法，探究了单个条件对结果的“净效应”，并与fsQCA的组态分析结果进行对比，增强了结果的可靠性，保障了对策建议的可行性；第三，探讨了数字化、动态能力、冗余资源以及环境动力、环境压力和环境活力交互影响形成的组态对绿色创新的联合效应，进而呈现了能源企业绿色创新的因果复杂性。

二、文献综述与理论框架

（一）文献综述

已有部分文献关注到能源企业绿色创新的重要性，如以新能源企业为研究对象，发现数字金融有效缓解了企业的融资约束，对新能源企业绿色创新有显著的促进作用。进一步地，有学者认为智能化发展通过缓解企业融资约束及增加人力资本这两种渠道，对新能源企业绿色创新产生积极的促进作用。此外，也有研究发现政府补贴对新能源企业绿色创新的作用，会随着环境改善程度的增加而逐渐提高。综上可见，已有研究从多个视角探讨了新能源企业实现绿色创新的驱动因素，但鲜见有研究考虑到传统能源企业的绿色创新。新能源企业与传统能源企业存在发展模式、业务范围等方面差异，使得两类企业的绿色创新也有较大的区别，单独对新能源企业进行研究，对探究整个能源行业的绿色创新影响因素并不充分。因此，探究并比较新能源企业和传统能源企业实现绿色创新的驱动模式，对于促进整个能源行业的绿色创新具有重要意义。

当前，学术界对于绿色创新驱动路径的研究主要集中在两个方面：一方面，是企业的内部条件。企业内部的资源与能力对企业绿色创新发挥着重要作用，充足的资源储备可以帮助企业提高风险承担能力并满足绿色需求，是企业绿色创新的有效途径。企业资源整合能力、学习吸收能力等可以帮助企业快速适应外部竞争环境，降低企业绿色创新的风险及不确定性［1］。另一方面，是企业的外部环境。当前，绿色创新相关研究关注到了环境规制及利益相关者等企业外部因素，认为环境规制与绿色创新之间存在倒“U”形关系，即合理的环境规制可以有效推进企业实现绿色创新，而过度或不足的环境规制强度则会对企业绿色创新产生负面影响。另外，供应商和客户等利益相关者施加的绿色压力也会对企业绿色创新起显著的推动作用［2］。

综上可见，现有文献对企业绿色创新影响因素的研究较为丰富，但细分到各个行业尤其是能源企业则鲜有研究。近年来，面对日益扩张的绿色用能需求，传统能源企业亟须绿色转型，新能源企业也亟须高质量发展。既有的实证分析主要探究了影响能源企业绿色创新中部分因素的单一价值，而忽视了绿色创新影响因素间的复杂协同作用。因此，借助多维互动视角，有助于识别、提取及对比新能源企业与传统能源企业绿色创新的驱动路径。

（二）理论框架

1数字化与绿色创新

当前，数字化已广泛渗透到企业绿色创新的各个层面，并为其发展注入了更多活力和机遇，推动企业在资源配置和技术优势等方面的系统性改革，进而助力企业实现高水平绿色转型。由此，能源企业亟须进行绿色转型，但由于创新基础相对薄弱以及对自然资源的依赖性等特征，必须集中力量培养以数字化支持的技术创新能力，以获取绿色创新的持续动力［3］。

企业存在信息不对称问题，导致人力、资金和知识等资源的错配。数字化通过信息共享有助于解决这一问题。首先，数字化能够实现绿色技术研发需求与适应的技术人员的有效匹配。在企业数字化进程中，数字技术的应用推动了智能研发、智慧制造、数字化营销等方面的发展，吸引高水平的人力资本参与，形成了对优质人力资本的吸引效应，同时对低技能人力资本产生挤出效应［4］。其次，企业在绿色创新过程中产生各种成本，而这些成本的资金投入量巨大，风险程度较高，需要进行多种融资。数字化所带来的信息透明性和共享性有助于降低企业内部运营成本，以及外部的搜寻、协商、谈判和监督等成本［5］。此外，数字化还能向外界传递企业具有良好发展潜力的积极信号，从而吸引外部投资者、金融机构以及政府等注入资金［6］。最后，绿色创新涉及的知识活动具有较高的复杂性。数字化有助于企业实现研发探索、绿色生产及污染减排等知识的创造、整合与扩散。综上，数字技术的应用促进了企业、大学、科研院所等创新联合体中的知识交互与共享［7］，实现了不同技术领域之间各类知识元素的整合与重构，进而提升企业绿色创新水平。

2动态能力与绿色创新

动态能力理论强调了企业对知识资源进行学习、吸收、衔接、重组和转化的能力，以获取与环境相匹配的竞争优势［8］。既往研究已证实，动态能力在提升企业绿色创新水平方面发挥了显著的正向作用［9］。动态能力有助于企业获取实现创新所需的能力与资源，使企业在绿色创新方面展现出更加积极的主动性与能动性。本文从动态能力的基本定义出发，结合资源基础观等视角，将其分解为创新变革能力、协调整合能力和学习吸收能力［1］。

创新变革能力是指推动企业变革、符合企业战略导向的内部推动力，有助于根据绿色创新的战略目标打造活力组织结构，激发企业的自主创造性，增强绿色创新的持久性［10］。协调整合能力强调对企业内外资源和能力进行重新组合，注重企业内部管理和外部协调。通过促进企业内不同部门或企业之间的合作与互动，该能力推动企业有效整合内外资源，为绿色创新创造良好的内部环境，推动更高效的绿色创新活动实施。学习吸收能力则侧重于利用企业现有知识和能力基础，实现对外部知识的转化和利用，从而提升企业自身知识资源和技能［11］。强大的学习吸收能力可使企业能够在动态的外部环境中快速适应和理解变化，进而获取创新资源以推动企业绿色创新。

3冗余资源与绿色创新

冗余资源是指企业内部潜在可使用的过剩资源。根据以往研究，一定阈值内的冗余资源被认为对组织是积极的，它构成了一个保护企业免受意外损失或现金短缺影响的特殊缓冲器。然而，关于冗余资源的实际作用，学术界一直存在争论［12］：

一方面，冗余资源能够推动组织创新。在组织创新过程中往往存在多个目标间的冲突，可以通过冗余资源进行适度调节，以提升企业对外部环境的应变能力。企业冗余资源的累积既可以缓解企业的绩效压力，又能够增加企业承担风险的能力，帮助企业开发绿色创新项目。另一方面，过多的冗余资源也可能阻碍企业实现创新。资源约束理论认为，在冗余资源增加的情况下，企业可能强化非理性决策。相反，在有限的资源条件下，企业更容易提升资源的配置效率，并限制非理性决策的发生［13］。资源的冗余和分散可能导致企业在进行绿色创新时出现阻力和增加成本，管理者倾向于盲目乐观或安于现状，最终陷入“资源诅咒”困境并形成了绿色创新泡沫［14］。

由此可见，冗余资源对企业绿色创新的影响效能存在复杂性。关于以往研究观点存在冲突的原因，一些学者指出可能是由于冗余资源具备很强的价值创造潜能和灵活使用空间，其开发程度和效用的发挥会因企业用途而异［14］。

4外部环境与绿色创新

根据环境适应理论，企业的外部环境在不同程度上驱动企业探索绿色创新活动。参考吴建祖和范会玲（2021）［15］、张国兴等（2021）［16］的研究，本文将外部环境条件视为企业绿色创新的前因条件之一，并将其分解为环境动力、环境活力和环境压力。

环境动力是指企业获得的外部支持与补助，主要源于政府对企业的补贴。由于企业在进行绿色创新时通常需要大量的资金投入，具有高风险和低成功率的特点，可能导致企业短期难以获得回报，缺乏信心，甚至因资金不足而中止了绿色创新。政府补助作为政府调控市场的重要政策工具之一，一方面直接为企业提供了无偿的资金支持，另一方面通过信号传递理论释放了积极信号［17］，扩大外部融资渠道，缓解融资压力，最终促使企业绿色创新。

环境活力是指企业所处地区的发展活力。高活力的地区对城市内的经济、社会等多个方面的资源和发展要素提供更强的支持，可以为企业创造更大的获利空间和更多的成长机会。研究表明，企业所在地区与企业的创新活动密切相关，通过吸纳创新人才、促进创新要素集聚等方式推动企业实现创新活动，提高企业的创新活力。具体而言，位于高发展活力地区的企业拥有广阔的市场发展前景，能够充分利用市场机会，探索高水平的绿色创新。此外，高发展活力地区代表城市更具吸引力，有助于企业吸纳人才、资金等各类资源，吸引供应商、客户等合作伙伴，为企业在竞争中取得先机。

环境压力是指企业所处地区的环境污染给企业带来的创新压力。企业从自然环境中获取资源，在生产过程中对环境产生一定的影响，导致环境污染。目前，高强度环境污染问题面临两种环境规制，一是地方政府颁布的正式环境规制制度，二是由社会群体监督引起的非正式环境规制。这些环境规制是个体或组织对已造成的环境污染问题的行为反应，对企业绿色创新产生不同程度的影响。同时，一些学者也从环境污染对企业劳动力、投资者、资金链等方面的影响出发，研究其对企业创新的影响。因此，环境压力对企业绿色创新的影响，一方面会因为外部污染内部化而挤占创新资金，从而抑制绿色创新［18］；另一方面，可能由于适度的环境规制提升了企业资源利用效率，从而促进了企业绿色创新。

综上，最终选择企业内部的数字化、动态能力与冗余资源，以及企业外部的环境动力、活力和压力等六个要素作为企业绿色创新的前因条件。基于组态视角，本文的理论框架如图1所示。

图1理论框架

三、研究设计

（一）研究方法

本文选取多元线性回归方法与模糊集定性比较分析方法，分别探究对能源企业绿色创新有显著影响的关键条件，以及多因素组合对能源企业绿色创新的组态效应。模糊集定性方法基于集合论和布尔代数［19］，通过组态思维研究前因条件的复杂联动关系及其对结果的联合效应。多元回归方法能够揭示因变量与多个自变量之间的线性依存关系，也就弥补了模糊集定性方法在单一自变量对因变量作用效果上的缺陷。而模糊集定性方法则探究了多个前因条件的交互作用弥补了传统回归方法的局限。因此，对两种实证方法结论进行比较分析，有助于揭示能源企业绿色创新这一复杂驱动机制，更提高了结论的可靠性。此外，本文采用多年度组态对比分析以提取较为稳定的演化规律。

（二）样本选择与数据来源

以2019年之前在沪深A股上市的传统能源企业和新能源企业作为研究对象。在传统能源企业选择上，按照《国民经济行业分类》（GB/T4754—2017）标准，本文在能源行业的范畴内，包括“煤炭开采和洗选业”“石油和自然气开采业”“石油加工、炼焦和核燃料加工业”“电力、热力生产和供给业”以及“燃气生产和供应业”这五个与能源相关的行业［20］，一共涵盖128家传统能源企业。在新能源企业选择上，从同花顺网站的新能源板块中筛选了2019年已经上市的企业作为研究对象，来保障研究规律提取的稳定性，最后共纳入159家新能源企业。

按照以下标准对样本进行筛选：（1）剔除政府补助、研发投入等数据缺失的企业。（2）剔除ST及*ST类企业。（3）指标滞后处理。所选取企业冗余资源、动态能力及外部环境等影响因素的数据为2019—2021年。鉴于企业绿色创新存在时滞性，本文对绿色创新的数据采取滞后一期进行处理，即选取能源企业2020—2022年绿色专利授权量。其中，企业绿色专利授权数据源于中国研究数据服务平台（CNRDS），企业年报数据来源于深圳证券交易所、上海证券交易所官方网站，空气质量数据源于中国环境监测总站，公司财务数据取自国泰安（CSMAR）数据库。

（三）变量度量与校准

1结果变量及度量

绿色创新（GI）。借鉴胡洁等（2023）［21］的研究，采用企业当年的绿色专利授权数作为衡量企业绿色创新水平。企业的绿色专利能直观且客观反映出绿色创新的产出能力。测度方式为企业绿色专利授权量加1后取自然对数。

2条件变量及度量

（1）数字化（Digit）。目前，对于企业数字化水平的度量是相关研究的难点。本文参考吴非等（2021）［22］的研究，利用Python软件收集整理A股能源上市企业的年度报告，并提取所有文本内容。随后，通过计算数字化词语在“管理层讨论与分析（MD&A）”中的频次，并将其加总，构建了企业数字化程度的度量。考虑到数据的“右偏”性，本文将其加1后取自然对数作为衡量企业数字化水平的标准。

（2）动态能力（DC）。参考李鹏等（2022）［23］的研究，将动态能力分为创新变革能力、协调整合能力和学习吸收能力等三个子维度，之后通过使用熵值法确定各指标权重后计算企业动态能力。其中，变革创新能力（Innovation）采用企业年度研发强度表示，凸显企业自身的变革创新力，计算公式为：Innovation=企业研发支出/主营业务收入。资源整合能力（Integration）采用总资产周转率表示，其计算公式为：Integration=营业收入/［（总资产期末余额+总资产期初余额）/2］。学习吸收能力（Absorption）借用企业员工学历背景作为参考，计算公式为：Absorption=大专以上学历员工/企业员工总人数。

使用熵值法计算企业动态能力，最终形成企业动态能力的表达式为：

传统能源企业：

TDC=06328×Innovation+02646×Integration+01026×Absorption

新能源企业：

NDC=04454×Innovation+03591×Integration+01954×Absorption

（3）冗余资源（SR）。参考王炳成等（2022）［24］对冗余资源的测量方法，使用潜在、未沉淀和沉淀冗余资源等三种类型的企业冗余资源均值进行衡量。其中：潜在冗余资源=所有者权益/负债总额，未沉淀冗余资源=流动资产/流动负债，沉淀冗余资源=（管理费用+销售费用）/销售收入。最终，计算公式为：冗余资源=（潜在冗余资源+未沉淀冗余资源+沉淀冗余资源）/3。

（4）外部环境。环境动力（EF）：借鉴吴建祖和范会玲（2021）［15］的研究，采用企业披露的政府补助数据。鉴于政府补助的额度受企业规模影响，本文选择以政府补助金额与企业总资产的比值来度量企业的环境动力。同时，考虑到政府补助与企业总资产存在较大差异，将企业总资产的单位设定为万元。该指数数值越大，表明企业受到的政府补助越多。

环境活力（EV）：借鉴Wu等（2022）［25］的研究，选用企业所在城市的夜间灯光数据来刻画企业的环境活力。该数据在直接或间接地反映夜间人类活动的范围与强度的基础上，能够在一定程度上展示城市发展的能力和潜力。城市的夜光数据指数越大，则表明该城市能够持续拓展成长空间、有效利用资源等，具有更强的城市活力。本文采用此数据可更全面、完整地呈现企业的外部环境活力。

环境压力（EP）：借鉴张国兴等（2021）［16］的研究，选择企业所在城市的空气污染水平作为度量企业实施创新活动所受环境压力的指标。相对于土壤污染、水污染等环境污染，空气污染更容易被观察和识别，也更容易引起社会公众的关注和监督，给企业带来更直接的环保压力。因此，本文采用城市的空气污染指数作为衡量企业环境压力的标准。该指数使用环境监测部门发布的空气质量指数（AQI）进行测量，指数数值越高表明空气污染越严重，企业面临的环境压力越大。

3变量的校准

在fsQCA分析中，需要将原始数据转换为集合隶属分数。具体而言，依据已有的理论知识将变量校准为集合，校准后的集合隶属度将介于［0，1］范围之间。本文遵循主流fsQCA的研究方法，采用直接校准法：分别利用结果与条件变量的5%、50%和95%分位数值作为完全不隶属锚点、交叉锚点与完全隶属锚点，对各变量进行校准。

四、实证结果分析

（一）多元线性回归结果及分析

已有研究认为fsQCA与实证回归之间可以建立良好的对照关系，实证回归可以为组态分析提供识别显著性关键影响因素的辅助作用。因此，本文拟对新能源企业和传统能源企业为样本进行多元线性回归分析，在组态分析前寻找前因条件中对结果更有显著影响的关键条件。

通过对前述各个变量开展相关性分析，发现VIF值均小于10，表明了各个变量之间不存在多重共线性；之后开展多元线性回归，其回归结果如表1所示。首先，针对传统能源企业，动态能力在各年度均是显著影响结果的关键因素，其影响效果为正；冗余资源在各年度中均是影响绿色创新的关键因素，其影响效果为负；在2020年，数字化是显著影响结果的关键因素，其影响效果为正。其次，针对新能源企业，冗余资源在各年度中均是影响绿色创新的关键因素，其影响效果为负；2019年，动态能力、环境动力、环境活力是显著影响结果的关键因素，其影响效果为正；2020年，数字化是显著影响结果的关键因素，其影响效果为正。从当前回归结果来看，本文认为在严格意义上对传统能源企业绿色创新有显著影响的关键条件为动态能力与冗余资源，与二者相比，数字化只在某一年成为影响绿色创新的关键条件。对新能源企业绿色创新有显著影响的关键条件为冗余资源。

（二）fsQCA组态效应分析

1单一条件下的必要性分析

在进行传统能源企业和新能源企业绿色创新的组态分析之前，有必要对各前因变量进行必要性检验，即判断是否存在某个单一变量能够推动企业实现高水平绿色创新。一致性是判断前因变量是否为必要条件的主要标准。当一致性指标大于09时，可验证该前因变量是结果变量的一个必要条件。本研究分别对传统能源企业和新能源企业实现高绿色创新的前因变量逐一进行必要性分析，结果发现各前因变量的一致性均未超过09。这既说明了不存在某个单一变量是导致企业实现高水平绿色创新的必要条件，也表明了需要考察多个前因变量共同作用对实现高水平绿色创新的影响。这进一步证实了进行组态分析的必要性。

2能源企业绿色创新的组态分析

组态分析旨在从多个前因条件中解析导致结果发生的条件组合。它探究由前因条件构成的条件组态是否为结果集合的子集，即在条件组态发生时，结果是否一定发生。至少要保留75%以上的被观察样本以获取更具普适性的组态结论。在分析过程中，原始一致性阈值设置为08，PRI阈值设置为065，同时将案例频数阈值设定为1。

本文呈现了复杂解、简约解和中间解等三组解。参考Fiss的研究，通过对中间解和简约解的嵌套进行比较，确定仅在中间解中出现的条件为边缘条件，同时在中间解和简约解中出现的条件为核心条件。分析结果详见表2和表3，分别展示了2019—2021年传统能源和新能源企业实现绿色创新的不同路径。

”表示核心条件存在，“”表示核心条件缺失，“”表示边缘条件存在，“⊙”表示边缘条件缺失，空白表示条件模糊（下表同）。

表2和表3展示的组态分析结果表明，实现高水平绿色转型的每种组态的一致性均超过08。总体解的一致性也高于08，符合充分性条件组态标准，说明这些组态可被视为企业高水平绿色转型的充分性条件组合。总体解的覆盖度均高于0336，说明构型组合能解释至少336%的样本案例，表明这些组态较好地解释了企业高水平绿色转型的驱动模式。

根据表2和表3中各条路径的特征，可将其大致分为以下几类：第一类是以企业数字化和动态能力为主导的数字化和动态能力双驱动型绿色创新，如传统能源企业的路径A2、B1、B3，以及新能源企业的路径A1、A2、B1、C3、C4。第二类是以企业数字化为主导的数字化单驱动型绿色创新，如新能源企业的路径B2、C1、C2，不包括传统能源企业的路径。第三类是以企业动态能力为主导的动态能力单驱动型绿色创新，如传统能源企业的路径A1、B2、C1、C2，不包括新能源企业的路径。

（1）传统能源企业绿色创新的组态分析

第一，数字化-动态能力双驱动型。数字化-动态能力双驱动型的传统能源企业绿色创新又分为两种模式：一是“高数字化-高动态能力-非高环境动力-非高冗余资源”模式，二是“高数字化-高动态能力-高环境活力-高环境压力-非高冗余资源“模式。

第二，动态能力单驱动型。动态能力单驱动型的传统能源企业绿色创新又分为两种对应模式：一是“高动态能力-非高数字化-非高冗余资源-非高环境压力”模式，二是“高动态能力-非高数字化-高环境活力-高环境动力-非高冗余资源”模式。

从各年度来观察表2的数据，在2019年实现传统能源企业高水平绿色创新的组态路径中，路径A1为动态能力单驱动型绿色创新，而路径A2为数字化与动态能力双驱动型绿色创新。该年度组态整体解的一致性为0873，覆盖467%的案例样本。在路径A1中，以高动态能力为核心条件，非高数字化、资源冗余、环境压力为核心条件，表明在传统能源企业不受环境压力制约时，高动态能力可弥补企业数字化、资源不足，实现高水平绿色创新。路径A2作为数字化与动态能力双驱动型路径，以高数字化、高动态能力及非高冗余资源、环境动力为核心条件。与同年度其余路径相比，传统能源企业在面临环境压力时，高动态能力依托数字化仍可实现绿色创新。

2020年实现传统能源企业高水平绿色创新的组态与2019年相似，包括路径B1、B3为数字化与动态能力双驱动型绿色创新，以及路径B2为动态能力单驱动型绿色创新。整体解的一致性为0862，覆盖484%的案例样本，具备较强的解释效度。在路径B1、B3中，高数字化水平与动态能力为核心条件，表明传统能源企业的数字化除动态能力以外，也是实现高水平绿色创新的关键因素。在动态能力单驱动型的组态构型中，路径B2以高动态能力、高环境动力及活力为核心条件。总体来看，动态能力作为核心条件同时出现在2020年的3条组态路径中，进一步说明了动态能力是传统能源企业实现绿色创新的重要因素。此外，企业外部环境条件中的环境活力要素与动态能力适配时，驱动效果更加显著。

2021年的组态结果C1、C2均为动态能力单驱动型路径。整体解的一致性为0853，覆盖度为0394。该路径以高动态能力及非高数字化水平、非高资源冗余、非高环境压力为核心条件，实现高水平绿色创新。与2019年、2020年的组态构型相比，传统能源企业实现绿色创新的驱动模式逐步演变为动态能力单驱动型。

综上所述，传统能源企业绿色创新的驱动路径主要以动态能力单驱动型为主，逐渐取代了数字化与动态能力双驱动型模式。这演变过程表明传统能源企业的驱动路径从数字化、动态能力主导，逐渐转变为以动态能力为主导。因此，可以认为早期传统能源企业使用的数字化与动态能力双驱模式未能达到预期效果，被后期动态能力单驱模式所取代。这表明在传统能源产业内部，数字化与动态能力的交互发展中，二者未能实现协调发展。传统能源企业由于资源有限，无法满足数字化转型需求，最终导致数字化悖论。2021年的路径验证了这一观点，数字化对传统能源企业实现绿色创新产生反向作用。这意味着，传统能源企业不应盲目进行不适配自身发展的数字化，而应注重提升动态能力以满足数字化转型需求。

（2）新能源企业绿色创新的前因组态分析

第一，数字化-动态能力双驱动型。数字化-动态能力双驱动型的新能源企业绿色创新又分为两种模式：一是“高数字化-高动态能力-高环境动力”模式，二是“高数字化-高动态能力-高环境活力-非高冗余资源”模式。

第二，数字化单驱动型。数字化单驱动型的新能源企业绿色创新的组态路径为“高数字化-高环境动力-非高环境压力”。

从各年度观察表3的数据，在2019年新能源企业实现高水平绿色创新的组态路径中，两条路径均属于数字化与动态能力双驱动型绿色创新。整体解的一致性为0913，覆盖336%的案例样本。其中，路径A1、A2以高数字化和高动态能力为核心条件。比较这两条路径发现，在高数字化、高动态能力和高环境活力为核心条件下，非高冗余资源与高环境动力与高环境压力等价，均能实现新能源企业的高水平绿色创新。

2020年的组态构型整体解的一致性为0907，覆盖364%的案例样本。其中，路径B1属于数字化、动态能力双驱动型，B2属于数字化单驱动型。双驱动型组态以数字化、动态能力为核心条件，突显数字化、动态能力与环境动力、活力相匹配时的显著驱动效果。在单驱动组态中，以数字化、高资源冗余以及高环境动力、活力和非高环境压力为核心条件。总体而言，2020年度数字化水平、环境动力、环境活力这三个前因条件在路径中频次较高，需要特别关注。

2021年的组态结果有四条，C1、C2属于数字化单驱动型，C3、C4属于数字化与动态能力双驱动型绿色创新，整体解的一致性为0890，覆盖度为0453。数字化单驱动型的两条路径以高数字化、高环境动力以及非高环境压力为核心条件，路径C2还增加了高环境活力。路径C3、C4两条路径则共同以数字化、动态能力和环境动力及非高冗余资源为核心条件。纵观新能源企业三个年度的路径，数字化与环境动力在新能源企业实现高水平绿色创新的路径中发挥着关键作用。这说明在实施绿色创新时，新能源企业需要更多地关注这两个关键要素。

综上所述，新能源企业在绿色创新的路径上主要以数字化-动态能力双驱动型为主，其次是数字化单驱动型。在考察期间，数字化和动态能力一直是主导，同时倚赖环境动力作为主要驱动模式，很少采用单一驱动。鉴于新能源产业的特性，作为战略性新兴产业，其具备战略性、长远性和先导性。不同于传统产业，新能源产业关注最新发展趋势，致力于新技术和新工艺的发展，天然具备数字化发展的优势。数字化的发展可通过提供资金和技术支持促进技术提升，推动绿色创新。然而，企业在追求新技术的同时，也需面对技术和市场风险，必须提升自身能力基础以对抗这些风险。这就意味着，在新能源产业的发展中，数字化能够加速绿色创新，同样需注重动态能力的发展，并在此基础上辅以高环境动力，推动新能源企业实现绿色创新。

3稳健性检验

为了检验上述组态结果是否稳健，本文采用调整一致性阈值、提高频数阈值与调整校准阈值三种方法来开展稳健性检验。一是一致性水平由08提升至085，两种一致性水平下产生的组态保持一致。二是将案例频数阈值由1调整为2，对两种案例数下的组态结果进行对比测算后发现，调整案例数下的组态是明显减少，且为未调整组态的子集。三是将各变量原始数据的90%、50%和10%分位数设定为完全隶属、交叉点、完全不隶属的校准阈值，重新进行数据校准和组态分析，结果虽然与现有组态结果产生细微变化，但两种组态背后的解释机制完全相同，且其他组态的前因条件基本一致。由此可见，本文的研究结果具有较高的稳健性。

（三）组态结果与实证回归结果对比

从实证回归结果来看，数字化在部分年度为实现绿色创新的关键因素，但fsQCA的结果显示数字化对新能源企业实现绿色创新的所有组态中均为必要的核心条件。这表明数字化并不是单独发挥作用，而是与动态能力或环境动力等条件共同对绿色创新产生影响。

此外，实证回归结果显示冗余资源对两种能源企业有显著负效应。与之相对应，在fsQCA的结果中，冗余资源在两类企业中的绿色创新路径中基本为缺失的核心条件，即在实现绿色创新中需要被重点规避。出现这种情况可能的原因是，企业内部大量的冗余资源会致使管理者面对风险倾向安于现状、行动缓慢，最终陷于“资源诅咒”困境，不利于企业向绿色创新方向发展。实证回归结果显示动态能力对传统能源企业有显著正效应。fsQCA的结果与其相对应，动态能力对传统能源企业实现绿色创新的组态路径中均为必要的核心条件。

五、结论与启示

基于本文构建的数字化驱动绿色创新的理论框架，以传统能源产业和新能源产业上市公司为样本，采用多元线性回归和fsQCA结合方法，探讨数字化对企业绿色创新的演化规律，研究发现：（1）能源企业绿色创新受多个前因条件的共同作用。组态分析揭示了三种主要的推动模式，即数字化单驱动型、动态能力单驱动型以及数字化与动态能力协调联动的双驱动型。（2）动态能力单驱动型是传统能源企业实现绿色创新的主要模式。对不同年度传统能源企业绿色创新组态的演化规律分析显示，动态能力对传统能源企业绿色创新的影响逐渐加深。（3）数字化-动态能力双驱动型是新能源企业实现绿色创新的主导模式。对新能源企业绿色创新组态的分析显示，在众多驱动模式中，以数字化和动态能力为主导，辅以环境动力的双驱动模式一直占主导地位。

基于研究结论，得出如下政策启示：

第一，传统能源企业需强化企业动态能力的培养，积极推进适配自身发展的数字化技术。相较于新能源企业，传统能源企业面临更多历史包袱，需要更深入培养动态能力，以克服组织文化和结构的相对僵化问题。与此同时，还要克服创新惰性和行为粘性，通过深入了解企业基础条件，选择适配的数字技术，避免盲目推进数字化转型，在数字化推进中应保持稳健有序，避免引发“数字化悖论”。

第二，新能源企业应充分发挥数字化与动态能力的双重优势，并维持二者之间的适度平衡。新能源企业具备战略性、长远性和先导性优势，适应数字化发展趋势。为了应对市场变化，新能源企业应注重培养组织学习、创新和整合等方面的动态能力，以保持其灵活性。此外，还需要关注数字化和动态能力的协调平衡，并充分利用区域环境活力带来的发展机遇。

第三，各地方政府应高度重视与新能源企业之间的适配关系，构建适配能源企业绿色创新的外部环境。为推动能源企业的绿色创新，地方政府应关注政策补贴的关键作用，采取诸如制定免征所得税、完善财政政策、加大财政补贴、建设绿色信息平台等措施，为企业绿色创新营造积极的外部环境。此外，政府在实施政策过程中还需关注政策的效果，以确保政策有效性，为企业绿色发展提供有效持续性支持。

参考文献： 

［1］张昊，刘德佳.数字化发展对先进制造企业服务创新的影响研究——基于企业动态能力视角［J］.中国软科学，2023（3）：150-161.

［2］侯艳辉，李硕硕，郝敏，等.市场绿色压力对知识型企业绿色创新行为的影响［J］.中国人口·资源与环境，2021，31（1）：100-110.

［3］武咸云，张颐嘉.如何提升企业绿色创新绩效？——基于TOE框架的组态分析［J］.经济问题，2023（6）：106-112.

［4］孙早，侯玉琳.工业智能化如何重塑劳动力就业结构［J］.中国工业经济，2019（5）：61-79.

［5］杨成文，黄晓东，左瑄.企业数字化转型、会计信息质量与资本配置效率——基于A股上市公司的证据［J］.哈尔滨商业大学学报（社会科学版），2023（5）：48-61.

［6］HoenigD，HenkelJ.QualitySignals？TheRoleofPatents，Alliances，andTeamExperienceinVentureCapitalFinancing［J］.ResearchPolicy，2015，44（5）：1049-1064.

［7］张昕蔚.数字经济条件下的创新模式演化研究［J］.经济学家，2019（7）：32-39.

［8］WernerfeltB.AResource-basedViewoftheFirm［J］.StrategicManagementJournal，1984，5（2）：171-180.

［9］郭丕斌，张爱琴.负责任创新、动态能力与企业绿色转型升级［J］.科研管理，2021，42（7）：31-39.

［10］孙建鑫，马宝龙，赵莉.客户环保压力、顾客参与和绿色服务创新：企业“认知”与“能力”匹配视角［J］.科学学与科学技术管理，2023，44（4）：159-180.

［11］邢新朋，陈田田，刘天森.共生视角下中小型战略新兴企业数字化转型组态路径研究［J］.江南大学学报（人文社会科学版），2023，22（3）：56-74.

［12］AlessandriTM，PattitJM.DriversofR&DInvestment：TheInteractionofBehavioralTheoryandManagerialIncentives［J］.JournalofBusinessResearch，2014，67（2）：151-158.

［13］MishinaY，PollockTG，PoracJF.AreMoreResourcesAlwaysBetterforGrowth？ResourceStickinessinMarketandProductExpansion［J］.StrategicManagementJournal，2004，25（12）：1179-1197.

［14］李晓翔，刘春林.冗余资源与企业绩效关系的情境研究——兼谈冗余资源的数量变化［J］.南开管理评论，2011，14（3）：4-14.

［15］吴建祖，范会玲.基于组态视角的企业绿色创新驱动模式研究［J］.研究与发展管理，2021，33（4）：41-53.

［16］张国兴，林伟纯，郎玫.中央环保督察下的地方环境治理行为发生机制——基于30个案例的fsQCA分析［J］.管理评论，2021，33（7）：326-336.

［17］RenSG，SunH，ZhangT.DoEnvironmentalSubsidiesSpurEnvironmentalInnovation？EmpiricalEvidencefromChineseListedFirms［J］.TechnologicalForecastingandSocialChange，2021，173：1-12.

［18］PalmerK，OatesWE，PortneyPR.TighteningEnvironmentalStandards：TheBenefit-costortheNo-costParadigm？［J］.JournalofEconomicPerspectives，1995，9（4）：119-132.

［19］FissPC.BuildingBetterCausalTheories：AFuzzySetApproachtoTypologiesinOrganizationResearch［J］.AcademyofManagementJournal，2011，54（2）：393-420.

［20］中国投入产出学会课题组，许宪春，齐舒畅，等.我国能源部门产业关联分析——2002年投入产出表系列分析报告之六［J］.统计研究，2007（5）：3-6.

［21］胡洁，于宪荣，韩一鸣.ESG评级能否促进企业绿色转型？——基于多时点双重差分法的验证［J］.数量经济技术经济研究，2023，40（7）：90-111.

［22］吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）：130-144+10.

［23］李鹏，吴瑶，彭华涛.知识网络嵌入与国际创业企业成长关系研究［J］.科学学研究，2022，40（8）：1441-1451.

［24］王炳成，郝兴霖，续琳琳.双向FDI视角下制造企业绿色技术创新的实现路径——基于动态fsQCA的研究［J］.研究与发展管理，2022，34（3）：173-186.

［25］WuYZ，ShiKF，ChenZQ，etal.DevelopingImprovedtime-seriesDMSP-OLS-LikeData（1992-2019）inChinabyIntegratingDMSP-OLSandSNPP-VIIRS［J］.IEEETransactionsonGeoscienceandRemoteSensing，2022，60：1-14.

ThePathsofImprovingGreenInnovationofEnergyEnterprisesUndertheBackground

ofDigitalization

HULin-na1，CHENJin2，ZHANGTingting3

（1.SchoolofBusinessAdministration，ShanxiUniversityofFinanceandEconomics，Taiyuan030006，

China;2.SchoolofEconomicsandManagement，TsinghuaUniversity，Beijing100084，China;

3.SchoolofManagementScienceandEngineering，ShanxiUniversityofFinanceandEconomics，

Taiyuan030006，China）

Abstract：Thegreeninnovationofenterprisesisofgreatsignificanceforachievinggreentransformationandhigh-qualitydevelopment.Startingfromtheperspectiveofanewroundofenergyrevolutionanddigitalization，thispaperusedsampledatafromlistedenergycompanies，empiricallyanalyzedthedrivingmodes ;ofgreeninnovationofenergyenterprises，andfinallyextractedthemulti-yearconfigurationevolutionlaw.Itwasfoundintheresearchthat，firstly，therealizationofgreeninnovationbyenergyenterprisescanbeinfluencedbymultipleantecedentconditionssuchasinternaldigitalization，dynamiccapabilities，redundantresources，andexternalenvironmentaldynamics，vitality，andpressure.Secondly，theresultsespeciallyformedintothreedrivingmodes：“digitalizationsingle-driven”，“dynamiccapabilitiessingle-driven”，and“digitalization-dynamiccapabilitieslinkeddouble-driven”.Inaddition，themaindrivingmodefortraditionalenergyenterprisestoachievegreeninnovationisthe“dynamiccapabilitiessingle-driven”mode，butfornewenergyenterpriseswhichischangedtobethe“digitalization-dynamiccapabilitieslinkeddouble-driven”.

Keywords：greeninnovation；digitalization；energyenterprises

（责任编辑：赵春江）