2. 西北工业大学碳达峰碳中和技术政策研究中心, 陕西西安 710072
2. National Collaborative Innovation Research Center for Governance, Northwestern Polytechnical University, Xi'an 710072, China
节能减排作为促进经济社会可持续发展的关键战略抉择,越来越受到世界各国的高度重视。化石能源消耗和持续性的温室气体排放将会使人类社会置身于多重风险中,可能导致自然灾害增加、经济发展受阻、居民健康状况受损等严重后果 [1, 2]。2020年9月22日,在第七十五届联合国大会一般性辩论上,中国郑重承诺“将提高国家自主贡献力度,采取更加有力的政策和措施,二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和”。中国面临着能源消耗量与碳排放基数双高的现实挑战,煤化工企业是高能耗、高污染的代表性企业,其作为环境治理领域的重要微观行动主体之一,如何实现高水平节能减排绩效是有效治理环境污染,促进经济社会可持续发展亟待解决的关键问题。
环境政策工具是政府为治理环境问题、促进经济社会可持续发展的结构性权力安排,也是用于实现环境政治目标的有效机制 [3]。现有围绕环境政策工具与企业节能减排关系的研究较为稀少,但是围绕环境政策工具对区域节能减排效果的影响学界已进行了诸多有益探索,为本文奠定了研究基础:一方面,从单一环境政策工具的视角出发,Gu等探讨了碳排放权交易等形式的市场型环境政策工具对区域节能减排效果的影响 [4],高红贵等研究发现,命令型环境政策工具对于区域碳价上升与碳市场有序发展具有促进作用 [5];另一方面,从多元环境政策工具出发,叶琴等考察了命令型和市场型两类政策工具对工业节能减排技术创新的诱发效应 [6],Shen等则进一步分析了命令型与市场型的环境规制对污染行业全要素生产率产生的异质性影响 [7]。目前多数研究遵循演绎逻辑与统计回归的路径,从单因素变量层面考察环境政策工具对宏观层面的区域或行业节能减排效果所产生的边际净效应,缺乏溯因逻辑下多因素互动机理的理论探讨和微观企业经验素材的实证研究;另外,现有研究对企业节能减排绩效影响因素的前因从数字化转型、财政政策等方面展开 [8, 9]。然而企业并非生存发展于真空环境,而是处于多要素并存的环境并受到复杂要素交织的影响,既有文献对影响企业节能减排绩效的多重因果复杂性关注明显不足。
“组态视角”被广泛应用于识别复杂治理现象背后的因果机制 [10]。这一视角能够挖掘多重影响因素如何通过差异化排列组合的方式对结果产生影响的内在机理。基于此,本文旨在通过“组态视角”实证探讨企业节能减排绩效的影响因素与提升路径。具体而言,本文致力于回答如下研究问题:影响企业节能减排绩效的前因组态是什么?组态中的诸多因素之间是否存在潜在替代关系?本文基于环境规制理论,构建了企业节能减排绩效的整合性分析框架,并运用fsQCA方法对中国417家煤化工企业的一手调查数据展开组态分析,阐释环境政策工具促进煤化工企业节能减排绩效的条件组态与作用机制,以弥补现有研究对此类问题的关注不足。
1 理论基础与研究框架 1.1 理论基础:环境规制理论概述环境规制理论的奠基者Stigler指出政府规制源于公共规制者为满足产业发展的利益诉求所使用的强制权 [11],该理论流派的核心观点认为政府需发挥作为规制者的主导作用,协同企业力量,共同谋求环境治理的均衡点 [12]。环境规制理论认为,资源浪费抑或低效使用是引起污染的根本性缘由,而通过削减资源使用过程中的浪费情况则极有可能促进环境保护目标的实现与企业生产力的改进,这一过程需要政府和企业的“双向奔赴”,即政府环境规制政策的合理制定与有效实施,企业的意愿强烈且反应积极 [13]。一方面,政府根据具体适用情境匹配不同的环境规制方式,其所传导的工具效能会以压力形式或引导形式促使企业通过新旧技术的动能转换以改善环境污染及生产低效情形;另一方面,企业意识到资源低效运用所引致的生产收益下降,会激活自身的可持续发展意愿,并以技术创新为导向转变高耗能高排放高污染的生产策略,从而在研发生产链条整体优化的过程中形成超过环境规制“遵循成本”的“创新补偿收益”,这种收益有利于企业环境效率和经济效率的双重提升 [14]。
1.2 研究框架构建本文基于环境规制理论,将政府与企业共同纳入同一分析范畴,构建了“环境政策工具+ 企业绿色技术创新→企业节能减排绩效”的整合性分析框架,如图 1所示。本研究引入了不同类别政策工具的概念,包括命令控制型、市场激励型和自愿参与型,涵盖了政府政策工具干预的不同形式,体现了多元化政策工具对企业节能减排的宏观调控作用;同时,这一分析框架将企业绿色技术创新意愿与行为纳入绩效衡量的考虑范围,认为微观层面企业自主减排的内生动力也是提升节能减排绩效的重要因素,从而将政策工具从探究单一作用效果的真空环境中剥离出来,置于政府与企业交汇融合的系统生态中,强调了政府与企业在节能减排过程中的联动作用,即政府的环境政策工具与企业的绿色技术创新之间的匹配关系,政企间的动态互动反映了政策实施的实际过程,突出了政策工具与企业响应之间的双向影响。
![]() |
图 1 理论模型 |
环境政策工具是指政府为实现其既定环境政策目标所运用的各类治理手段与方法的总和,包括命令控制型政策工具、市场激励型政策工具与自愿参与型政策工具 [15]。企业节能减排绩效是指企业在生产和销售过程中,通过节约和合理利用能源、保护环境和治理污染物所取得的效率和成果。具体而言,环境政策工具可通过三条路径提高企业节能减排绩效:
第一,命令控制型政策工具依托于政府部门制定并实施环境法律、法规、准则,具有“强制干预性”的特征。这一工具的使用可通过命令处罚等形式倒逼企业减少用能排污行为并增加环保研发投入,同时在力图达到政府制定的环境标准或避免污染超标受到行政处罚的过程中实现节能减排绩效的提升。第二,市场激励型政策工具是政府运用市场机制(财政补贴或税收减免等方式)对企业的节能减排行为予以正向激励,具有“机动灵活性”的特征,该工具的使用能充分给予企业一定的自主性 [16]。第三,自愿参与型政策工具是由政府部门或产业组织设立自愿性协议,激励企业自发参与到更广泛的绿色创新活动中 [17],具有“自主能动性”的特征,其在一定程度上会驱使具有主观环保意识的企业为获得行业认同及竞争优势而对绿色产品、设计与生产等方面进行自主创新,提升企业节能减排绩效。
1.2.2 绿色技术创新行为与企业节能减排绩效绿色技术创新日益成为实现推动经济高质量发展的关键路径之一,对于高耗能企业来说,绿色技术创新行为可通过贯穿于企业前端预防—中端研发—末端治理的生产运营链条以实现节能减排 [18]。在前端预防阶段,企业开展绿色产品创新,将环保理念融入产品设计、制造和包装等各个环节,提升产品生命周期的环境效益;在中端研发阶段,企业通过改良生产工艺或提升环保技术,促进了能源节约与污染减排 [19];在末端治理阶段,企业对防治污染生产设备等进行技术改进,降低污染排放、提高能源利用率 [20]。此外,企业在贯彻绿色技术创新行为的同时可树立良好的品牌形象,提升消费者的信任度和美誉度,有助于获得环境溢价 [21]。
1.2.3 绿色技术创新意愿与企业节能减排绩效绿色技术创新意愿是企业从事绿色技术创新行为的主观动机与愿望程度,反映了企业对绿色技术创新行为的认同和接受程度,同时体现了企业愿意为绿色技术创新行为付出努力的程度。一方面,绿色技术创新意愿高的企业往往会更积极主动地进行改良技术工艺、优化末端治理;另一方面,绿色技术创新意愿高的企业会更主动积极地搜寻政策中的有利因素,充分利用税收优惠和财政补贴等政府环境资源供给,在获得成本优势的基础上自发倾向于采取绿色技术创新行为,以求得环境治理与经济效益的双提升。
2 研究设计 2.1 研究方法本文采用模糊集定性比较分析法(Fuzzy Set Qualitative Comparative Analysis,fsQCA)作为核心研究工具,旨在深入探讨环境政策工具如何通过特定组合路径有效促进煤化工企业的节能减排绩效。fsQCA是一种基于集合论和布尔代数逻辑的混合分析方法,其聚焦于多个前因变量如何组合和为何组合成不同的形态来解释复杂问题,适用于处理复杂因果关系中条件变量间的交互效应。相较于传统定量分析方法,如回归分析等,fsQCA兼具定性分析与定量分析的优点,可深入挖掘“现象背后的本质”,其着重强调的是不同条件下组合方式对结果的影响,而非单一或多个并列变量对某一结果的独立贡献,因而该方法在揭示多种因素共同作用下的现象时具有独特优势 [22]。
煤化工企业节能减排绩效的提升往往不是单一因素作用的结果,而是多个因素相互交织、共同作用的结果,因此关注单变量“净效应”和原因条件对称性的回归分析方法显然并非最佳选择,其原因主要在于:第一,回归分析侧重检验单变量对因变量的线性影响,难以揭示多种因素间相互组合、联动匹配对煤化工企业节能减排绩效提升的驱动机理;第二,解释变量与被解释变量之间并非一定是对称关系,基于因果对称思维的传统回归分析方法无法处理和解释因果非对称现象,也就无法探寻提升企业节能减排绩效的多重路径。
2.2 研究样本与数据来源 2.2.1 样本来源及特征本研究以煤化工企业为研究对象,以单个企业为分析单元,在陕西榆林、内蒙古鄂尔多斯、宁夏银川、山西大同四地进行问卷发放,选择以上城市的原因在于四个城市煤矿资源丰富、并具有完整的煤化工产业链生态,是中国的煤化工产业项目落地较多的区域。为确保问卷填答者能准确地了解所在煤化工企业的节能减排状况,本文选取了煤化工企业的总经理/ 副总经理、运营负责人、研发主管等企业高层管理人员作为问卷发放对象,采用线上调研与线下调研相结合的方式,最终获得417份有效问卷,整体有效回收率为86%。
在收集被调查企业的基本特征信息时,本研究主要关注企业业务类型、企业员工数量、年销售总额、所处地理位置等基本信息,如表 1所示。
![]() |
表 1 被调查企业的基本信息 |
本研究主要做了三方面的工作:第一,从作答时间对问卷进行筛选。本研究参考前期问卷试测时间,认为有效问卷的填写时间应当大于8分钟,作答不满8分钟的问卷数据会被剔除。第二,为了严谨评估回收问卷资料中是否蕴含可能引发混淆的共同方法偏差问题(Common Method Biases),从而防止此类偏差对研究结果产生不当影响,本研究采取了赫尔曼单一因子检测法作为排查手段。经由未经旋转的因素分析步骤,结果显示数据中存在着六个特征值超越1的独立因子,其中,首个因子所解释的方差比例为34.3%,低于公认的40% 判断阈值,这一发现有力地支持了所收集数据并未受到显著共同方法偏差干扰的结论。第三,为进一步确保数据分析的准确性,本研究还实施了正态性检验,检验结果确认所有回收数据均展现出与正态分布相吻合的特性,为后续的数据对比分析工作奠定了统计基础。
2.3 变量定义与测量为提高调查问卷量表的信度与效度,本研究参考了现有文献中的成熟量表,并根据企业绿色技术创新与节能减排的特点对题项进行了调整。本研究使用了广泛应用的李克特5级量表,从1到5分别表示“完全不同意”到“完全同意”。
首先,结果变量——企业节能减排绩效,主要借鉴马富萍等、Li、廖中举等 [23-25]的研究,以及李冬琴使用的企业绩效、企业技术创新绩效测量量表,共10道题项 [26]。前因变量——环境政策工具,主要借鉴马富萍等、Li、Lanjouw等的研究将环境政策工具分为命令控制型、市场激励型和自愿参与型三个维度进行政策工具的测度 [23, 24, 27]。第二,绿色技术创新行为,主要参考Rennings等、Xie等、汪明月等编写的量表 [28-30],并结合本研究情境进行改编与调整,共包括10个题项。第三,绿色技术创新意愿,主要借鉴Fishbein等和王娟茹等的研究,设置了4个题项进行测量 [31, 32]。
3 数据分析与结果 3.1 数据分析过程 3.1.1 信效度分析本研究采用学界使用较为广泛的Cronbach’s Alpha系数对研究变量的信度进行检验,同时采用KMO值、累计解释方差百分比和聚敛效度(AVE)等对研究变量的效度进行检验。本研究的信效度验证结果如表 2所示。从表 2可以看出,量表信度方面,所有量表的Cronbach’s Alpha系数都在0. 8以上,各量表的KMO值均大于0.7,每个量表中的公因子累计解释方差百分比都在60% 以上,组成信度(CR)均大于0.80,聚敛效度(AVE)均大于0.50,区分效度值也均在0.70以上,模型整体具备较高的效度。
![]() |
表 2 各变量的信度检验 |
数据校准过程旨在将初始数据转换成适配于QCA分析的形式,具体而言,即是将调研所得的样本信息转变为集合隶属度的表述形式 [33]。本项研究的数据采自问卷调研,其原始形态采用了Likert五级量表,该量表设计上已清晰划分了不同的认可程度,且各评分段分布均衡,确保了测量的稳定性。鉴于此,遵照QCA对区间数据实施校准的既定准则,并借鉴Fiss的研究实践 [34],本研究采纳直接校准策略,将先决条件与研究结果的统计分布四分位点(即第75百分位、中位数及第25百分位)分别定义为完全隶属、交叉阈值及完全非隶属的校准基准点,以此将各变量量化为闭区间[0, 1] 内的集合数据,进一步增强了数据分析的有效性和精确性。
![]() |
表 3 校准锚点 |
必要条件分析(NCA)不仅具备识别某一前提是否构成预期成果不可或缺条件的能力,而且能深究此条件的必要性强度,即必要性效应量(记作d),其衡量标尺位于0至1的区间内,数值愈大,代表效应的显著性愈强 [35]。NCA确立必要条件的基准在于:条件的必要性效应量需达到中度或以上,并且通过蒙特卡洛模拟的置换检验确认其显著性,方能断定此条件为达成目标结果所必需。此外,NCA技术还提供了两种处理变量的手段:上限回归(Ceiling Regression,CR)针对连续型变量,而上限包络(Ceiling Envelopment,CE)则适用于离散型变量。表 4详列了CR与CE技术应用于分析后所得的必要性关键指标概览,进一步丰富了分析的实证基础。
![]() |
表 4 基于NCA的企业节能减排绩效必要条件分析结果 |
NCA分析结果显示,命令控制型政策工具、市场激励型政策工具、自愿参与型政策工具和绿色技术创新行为的p值虽显著(p < 0.05),但效应量小于0.1,绿色技术创新意愿的p值不显著且效应量也未达标准,故上述条件均不单独构成高水平企业节能减排绩效的必要条件。
本研究随后运用模糊集定性比较分析方法(QCA),以深化对结果稳定性的验证,其具体发现列于表 5中。观察所示数据,各个单独前提条件对于产出结果的必要一致性指标普遍偏低,均未超越0.9的阈值,这意味着这些条件并不构成企业节能减排绩效高低水平的必要前提。这一结论与先前必要条件分析(NCA)的结论形成了相互印证,即命令控制型政策工具、市场激励型政策工具、自愿参与型政策工具、绿色技术创新意愿和绿色技术创新行为均不单独构成高水平企业节能减排绩效的必要条件。
![]() |
表 5 NCA瓶颈水平(百分比)的分析结果 |
在本研究中,经过校正的数据被导入fsQCA软件平台进行深入分析处理,其间设置的参数包括原始一致性阈值0.80,以及PRI一致性阈值0.70,同时规定了发生频率不得低于4的筛选条件,旨在通过上述设定标准获取不同程度的简化解。在简化解与中间解中出现的条件被界定为核心条件,反之,仅在中间解中出现的条件则被归类为辅助条件。详细的分析成果汇总于表 6,以便进一步的解析与讨论。结果显示,一致性和整体一致性均超过0.8的阈值,并且覆盖了48% 以上的样本,得出了三种高节能减排绩效的组态,分别为S1、S2和S3。
![]() |
表 6 高水平节能减排绩效的前因条件组态 |
该组态的一致性为0.8444,说明在满足组态条件的样本中,84.44% 实现了高节能减排绩效效果,原始覆盖率为0.1712,能够覆盖17.12%的样本。此组态表示以高市场激励型政策工具、高自愿参与型政策工具与高绿色技术意愿为核心条件,非高命令控制型政策工具为边缘条件的组态能产生企业高水平节能减排绩效,故将其命名为激励与参与工具组合下的绿色技术创新意愿驱动型。
市场激励型政策工具具有天然的“宽松灵活”特质,其通过市场机制(排放权交易、环境税费、绿色金融等)对企业进行激励与引导,激发企业创新意愿,使企业有更为灵活的节能减排行为选择。近年来,自愿参与型政策工具越来越得到广泛应用,在政府部门指导下,企业、行业协会或第三方组织自发倡导形成自愿参与环保行动的协议、认证或计划,可帮助企业建立环境管理体系,实现产品和运营的绿色化。除政府主体因素外,企业自身因素也至关重要:绿色技术创新意愿越高,开展绿色技术创新活动的动力就越充分,有利于企业在扩大收益的同时节约资源消耗、减少污染排放,有效促进了企业节能减排绩效提升。组态S1的原始覆盖度和唯一覆盖度分别为0.1712、0.0628,说明在实现企业高水平节能减排绩效的样本案例中,17.12% 可以被组态S1解释,6.28% 只能通过该路径条件实现高行为效果。以内蒙古鄂尔多斯的MY企业为例(大型国有控股企业),该企业通过全面评估排放量,识别可优化的生产环节,为参与排放权交易做好准备;同时,加大对高效燃烧系统和尾气回收装置的投资,实现了30% 的二氧化碳减排。该企业还自愿加入环保协会绿色行动协议,借助绿色技术研发补贴激活内部绿色创新意愿,同时在交易中设定了更高目标,不断提升市场竞争力,实现了节能减排与经济效益双赢。
3.2.2 S2激励工具导向下的绿色技术创新驱动型该组态的一致性为0.8837,说明在满足组态条件的样本中,88.37 % 实现了高节能减排绩效效果,原始覆盖度为0.3728,能够覆盖37.28% 的样本。在该组态下,以高市场激励型政策工具、高绿色技术创新意愿与高绿色技术创新行为为核心条件,高命令控制型政策工具为边缘条件的组态能够充分实现企业高的节能减排绩效水平,故将其命名为激励工具导向的绿色创新驱动型。
现有研究表明,市场激励型政策工具可充分发挥市场机制将环境污染的外部成本内部化,从而实现降低和约束碳排放量的目标。同时,市场激励型政策工具也会刺激企业追随市场信号,采用前瞻性的经营战略,激发绿色技术创新意愿,开展绿色技术创新行为。此外,命令控制型政策工具在上述情形中发挥了监督与规范的辅助作用,能够通过强制型规范约束企业行为。组态S2的原始覆盖度为0.3728,远高于其他高行为效果组态,表明该组态的普适性远高于其他组态,这也与目前政府实施财税激励与环保补贴并行的政策,以全面推进企业节能减排与绿色转型的实际情况相符。以山西大同的YX企业为例(大型国有控股企业),该企业利用环保补贴政策,申请地方政府资金支持,引进高效废气治理系统和节能设备,提高生产清洁度与资源利用效率。受环境税政策引导,企业优化资源管理和生产流程,识别并减少高能耗环节,通过内部审计降低税负,实现节能降耗。此外,该企业严格遵守国家和地方排放标准,建立内部管理体系确保碳排放合规。在双重工具作用下,企业积极开展环保技术研发,推进绿色技术创新,显著提升了节能减排绩效。
3.2.3 S3控制与参与工具组合下的绿色技术创新意愿驱动型该组态的一致性为0.8793,说明在满足组态条件的样本中,87.93% 实现了高节能减排绩效效果,原始覆盖度为0.3516,能够覆盖35.16%的样本。在该组态中,高命令控制型政策工具、高自愿参与型政策工具和高绿色技术创新意愿及行为发挥核心作用,高绿色技术创新行为发挥辅助作用有助于提高企业节能减排绩效,故将其命名为控制与参与工具组合下的绿色技术创新意愿驱动型。
由于环境问题具有外部性,政府对企业节能减排进行干预是十分必要的,命令控制型政策工具对企业能源消耗与污染排放具有极强的约束控制能力。与此同时,强制性监管也存在监管成本高、挤占企业研发投资、造成创新锁定等内生性缺陷。自愿参与型政策工具(环境认证、环境听证、环境审计、公共参与等)利用多中心治理结构所形成的治理合力,可以避免传统以政府为权力中心的封闭性体系可能导致的规制失灵问题,其灵活程度更高,行政成本更低。此外,对于企业而言,要达到高水平节能减排效果,势必要将绿色技术创新摆在首位,激发高度的绿色技术创新意愿,为后续实施科学的绿色技术创新行为形成良好的思想氛围奠定基础。这一条路径说明,在激励企业节能减排绩效提升时,命令控制型、自愿参与型政策工具和企业绿色技术创新意愿及行为之间的协同效应可助力节能减排绩效获得较为理想的提升。组态S3的原始覆盖度和唯一覆盖度分别为0.3516、0.0535,说明在实现高企业节能减排绩效的样本案例中,35.16% 可以被组态S1解释,5.35% 只能通过该路径条件实现高行为效果。以宁夏私营制的ZX企业为例(私有制企业),该企业受到命令控制型和自愿参与型政策工具的作用,同时提升了绿色技术创新意愿并强化了绿色技术创新行为。该企业严格遵循国家环保法规,落实中央生态环保督察的要求;同时,积极参与了自愿性环境认证项目,取得了ISO 14001环境管理体系认证,有效提高了外部信誉,并增强了内部员工的环保意识和参与度,使企业内部形成绿色技术创新的良好氛围,在此创新氛围的感召下,企业整体的绿色技术创新意愿得到了充分激发,最终形成了多项绿色技术的实际应用,为其长期可持续发展奠定了基础。
3.2.4 三种不同组态的比较分析组态S1“激励与参与工具组合下的绿色技术创新意愿驱动型”强调了外部市场激励、政府引导下的企业自愿参与及绿色技术创新意愿的协同作用,该组态表现出较高的一致性(0.8444),说明强化市场激励机制,并充分发挥政府引导企业主体自愿参与节能减排与环保活动并激发绿色技术创新意愿是十分必要的,而S1组态的原始覆盖度较低(17.12%),表明其在研究样本中的普适性相对偏小;组态S2“激励工具导向下的绿色技术创新驱动型”强调市场激励型政策工具为主的举措与企业绿色技术创新意愿及行为对提高企业节能减排绩效的共同作用,这一路径在一致性(0.8837)和原始覆盖度(37.28%)上均表现出显著效果,说明适度合理的市场激励性政策会与企业自身的绿色技术创新水平形成合力,大力推动企业节能减排绩效的提升;组态S3“控制与参与工具组合下的绿色技术创新意愿驱动型”则强调强制型和自愿型的环境政策工具与企业自身绿色创新水平的互动关系,该组态呈现出较高的一致性(0.8793)和原始覆盖度(35.16%),可靠性强、解释力度较高,证明了在市场激励不明确的情况下,强化政府命令型和自愿型的环境政策工具与企业自身绿色技术创新水平相互匹配,有利于提升企业节能减排绩效。此外,三种高节能减排绩效组态中均包括绿色技术创新意愿,说明激发企业自身的绿色技术创新意愿是实现企业节能减排的重要抓手。
3.3 组态间的潜在替代关系分析实现煤化工企业高水平节能减排绩效的各组态之间具有等效性,即各组态可以产生“殊途同归”的统一结果。通过对S1~ S3条件组态的异同比较,可以进一步识别出政府层面与企业层面不同条件间的潜在替代关系。首先,通过对比条件组态1和条件组态2,可以发现,面临政府使用市场型环境政策工具的情境,企业在拥有相同强度的绿色技术创新意愿时,命令控制型政策工具和企业绿色技术创新行为的条件组合可以和自愿参与型政策工具相互替代,以促进企业节能减排绩效的提升,如图 2所示。其次,对条件组态1和条件组态3的比较分析结果表明,面临政府使用自愿参与型政策工具的情境,企业在持有较强的绿色技术创新意愿时,命令控制型政策工具与企业绿色技术创新行为的条件组合可以和市场激励型政策工具相互替代,如图 3所示。最后,对条件组态2和条件组态3对比可以发现,对于置身于命令控制型政策工具运用的场景,企业表现出相似强度的绿色技术创新意愿并付诸绿色技术创新行为时,市场激励型政策工具可以和自愿参与型政策工具相互替代,如图 4所示。
![]() |
图 2 自愿参与型政策工具与“命令控制型政策工具+ 企业绿色技术创新行为”间的替代关系 |
![]() |
图 3 市场激励型政策工具与“命令控制型政策工具+ 企业绿色技术创新行为”间的替代关系 |
![]() |
图 4 市场激励型政策工具与自愿参与型政策工具间的替代关系 注:左侧矩形为条件组态路径,中部椭圆为两条路径共同拥有的核心条件,右侧矩形为组态路径内部可产生替代作用的条件。 |
组态条件之间的潜在替代关系表明,市场激励型政策工具和自愿参与型政策工具两个条件在促进企业节能减排绩效的过程中发挥着更为重要的作用。这是由于企业在面临相似的内外部组织环境时,市场激励型政策工具和自愿参与型政策工具能够充分发挥出命令控制型政策工具与企业绿色技术创新行为组合出现时才有的功效(图 2和 图 3)。此外,图 4所展示的市场激励型政策工具与自愿参与型政策工具之间的替代关系则进一步凸显出市场型环境政策工具在提升企业节能绩效过程中的关键作用和重要意义,这是因为,考虑到自愿参与型政策工具作为一种以企业及公民的主体自主性和主观能动性为内在驱动力的政策工具,需要长久持续的绿色发展理念熏陶和社会氛围营造,往往难以通过短期内的使用实现有力改善节能减排绩效的最终效果;而市场激励型政策工具作为政府层面主观可控性更高的条件之一,通常可以在短期内通过碳交易市场、能源效率认证、碳排放配额等经济激励机制激发企业在市场竞争中寻找自身优势并采取切实有效的生产经营举措以提升节能减排绩效水平。
最后,本研究尝试对因变量(企业节能减排绩效)的否集展开分析,以进一步剖析“因果不对称”的研究。而实证研究结果表明,尚不存在能够解释企业低水平节能减排绩效的条件组态。这说明了尽管提升企业节能减排绩效的路径应从政府主体的环境政策工具与企业主体的绿色技术创新两方面着手,然而对于低水平企业节能减排绩效产生的原因尚无明确定论。
3.4 稳健性检验假定通过部署多种增强稳定性的方法所获得的新出现的组态形式与原始组态存在明显的子集关系,并对一致性和涵盖范围的细微调整并未根本性地削弱原始组态对核心研究结论的支撑作用,则可以确认该研究结论具备高度的稳定性特征 [22]。基于此,本研究实施了三项稳健性检验策略:首先,将一致性阈值从0.8提升至0.85,观察到新产生的组态与初始组态维持了一致性匹配;其次,将PRI一致性准则从0.70上调至0.75后,所得的组态与上述提升至0.85一致性阈值的结果相吻合;最后,经由调整交叉节点的参考基准,即由中位数转为第四十五百分位数,并完成后续的校正步骤后,所形成的组态仍旧与既有的组态保持一致性。综上所述,本研究结果相对稳健。
4 研究结论与建议 4.1 研究结论本文以中国417家煤化工企业为研究样本,使用NCA和fsQCA相结合的研究方法,分析环境政策工具、绿色技术创新意愿和绿色技术创新行为的因素匹配与企业节能减排绩效的必要性和充分性的复杂因果关系,揭示促成企业高水平节能减排绩效的条件组态及作用机理。研究结论包括:
(1)通过NCA和fsQCA混合方法的双重检验发现,企业节能减排绩效的提升不存在单一的必要条件。命令控制型政策工具、市场激励型政策工具、自愿参与型政策工具、绿色技术创新意愿和绿色技术创新行为五个条件要素并不单独构成企业高水平节能减排绩效的必要条件,必须与其他条件共同作用方可实现,但是提升企业绿色技术创新意愿发挥着较为普适的作用。
(2)通过条件组态充分性检验发现,企业高水平节能减排绩效的前因组态包括“激励与参与工具组合下的绿色技术创新意愿驱动型”“激励工具导向下的绿色技术创新驱动型”和“控制与参与工具组合下的绿色技术创新意愿驱动型”三种。
(3)通过组态间的潜在替代关系分析发现,在特定的客观禀赋条件下,市场型环境政策工具和自愿型环境政策工具可通过条件间的等效替代以“殊途同归”的形式实现企业节能减排绩效有效提升的结果。
4.2 研究贡献本文的理论贡献主要集中在以下三方面:
第一,响应了学术界在环境治理研究中运用综合视角、建立系统框架的呼吁。本文基于借鉴环境治理领域的既有研究成果,以环境规制理论为基础,结合了我国政府政策工具使用与代表性煤化工企业运作的实践场景,提出了企业高水平节能减排绩效的整合性分析框架。
第二,揭示了环境政策工具、企业绿色技术创新等多因素动态匹配影响企业节能减排绩效的多维路径。本文基于“政府:环境政策工具—企业:绿色技术创新”的耦合框架,发现不同主体要素之间的复杂互动关系,并以因果并发、联动匹配的思路归纳了不同条件组合下企业高水平节能减排绩效的三种驱动模式。
第三,拓展了模糊集定性比较分析方法在环境政策工具使用效果与企业节能减排影响前因领域的应用边界。本文基于中国情境,深入探讨了驱动企业高水平节能减排绩效的关键因素,并进一步提炼了环境政策工具促进企业节能减排的复杂影响机理,不仅为揭开“企业高水平节能减排之谜”提供了新的思路,而且为呈现以中国煤化工企业为代表的高水平节能减排绩效动因的复杂性提供了经验数据支持。
4.3 政策建议 4.3.1 对政府部门的建议第一,量体裁衣、因势利导,利用好差异化政策工具的组合优势。当前,政府应充分发挥好市场激励型和自愿参与型及命令控制型和自愿参与型的政策工具组合优势,为企业节能减排提供良好的氛围与指引。
(1)充分利用市场激励型政策工具与自愿参与型政策工具的组合优势。政府应通过税收优惠、补贴和奖励等经济手段,激励企业投资绿色技术和环保设备。同时,绿色企业认证制度和行业协会的推动,可以引导企业主动参与环保行动,提升其品牌价值和市场竞争力。
(2)充分发挥命令控制型和自愿参与工具良性耦合时的政策效能。一方面,建立实时监控系统,在企业关键排放点安装监控设备,及时监测和记录排放数据;另一方面,实行严格的违规惩戒机制,对于违规企业,采取限制市场准入、暂停生产、取消经营许可等措施迫使企业改善环境污染排放问题。在此高压态势下,督促企业更加注重自我监督,环境标准准入等方式,自主选择绿色发展路径。
第二,靶向发力、有的放矢,发挥好核心政策工具的作用和价值。
(1)丰富市场激励型政策工具,充分发挥市场机制的调节作用。应不断完善政府补贴标准,设置合理的缓冲期引导市场预期,逐步淘汰落后产能,推动市场竞争条件下的科技创新正循环。此外,建立全国性的碳交易市场,扩大排污权交易的实施区域,着力于形成完善的价格机制和风险管理机制。再者,构建系统的中国绿色金融体系,通过增强国家层面绿色金融的顶层设计、健全绿色金融市场机制、开发绿色金融新产品与新业务模式。
(2)强化自愿参与型政策工具,凝聚多元主体的环境治理合力。政府部门应和公众协同发力,推进自愿参与型政策工具体系建设,进一步扩大其行业覆盖面、企业参与度和公众参与度,激发全社会参与环境治理的动力。政府应扩大环境信息公开、拓宽公众参与环境治理的形式与渠道,通过听证会、网络调查、民主投票听取公众意见和建议,邀请专家学者参与环境标准制定等,打造多渠道、多形式的公众参与格局。此外,还应加强自愿性环境协议对企业的吸引力与约束力。
4.3.2 对煤化工企业组织的建议对煤化工企业而言,若想实现高水平节能减排绩效,应重视提升绿色技术创新意愿,促成绿色技术创新行为。
首先,煤化工企业应积极关注环境政策与市场变化,及时响应政府和市场对节能减排与绿色转型的要求。环境政策的变动往往会对企业的运营产生深远影响,因此,企业管理层应建立健全的政策研究和市场分析机制,密切跟踪国内外环境政策的动态。当政府出台新的环保法规或提高排放标准时,企业应迅速调整自身的环保策略,确保合规。
其次,煤化工企业应在企业内部积极营造激励绿色创新的氛围,激发绿色技术创新意愿。企业应制定详细的绿色技术创新战略,将绿色创新目标纳入企业的长期发展规划中。同时,应开展多层次、多形式的绿色技术创新知识培训,提升员工的环保意识和创新能力。
最后,煤化工企业应进一步完善从“意愿”到“行动”的保障措施,确保绿色技术创新行为能够顺利实施。一方面,增加绿色技术创新的研发经费投入;另一方面,建立健全的激励机制,奖励形式可包括物质奖励、荣誉表彰、职业晋升等形式。此外,企业应建立完善的绿色技术创新管理体系,包括项目管理、风险管理和成果转化管理等环节。
4.4 研究局限第一,受限于企业高水平节能减排绩效的实现是一个复杂过程,本文仅选择了5个前因条件,对其他影响企业节能减排的因素有所忽视,未来研究可进一步挖掘前因条件。第二,本文主要利用问卷调查获取数据,以后可考虑通过参与观察、深度访谈、二手数据分析等综合性方法收集主客观数据。第三,现代煤化工和传统煤化工在技术基础、生产流程、管理水平以及市场定位等方面存在一定差异,这些差异可能会影响企业绿色技术创新及节能减排绩效。未来研究应进一步区分不同类型的煤化工企业,并为相关政策的制定提供更具针对性的建议。
[1] |
MORA C, SPIRANDELLI D, FRANKLIN E C, et al. Broad threat to humanity from cumulative climate hazards intensified by greenhouse gas emissions[J]. Nature climate change, 2018, 8(12): 1062-1071. DOI:10.1038/s41558-018-0315-6 |
[2] |
AHMADI Y, YAMAZAKI A, KABORE P. How do carbon taxes affect emissions?Plant-level evidence from manufacturing[J]. Environmental and resource economics, 2022, 82(2): 285-325. DOI:10.1007/s10640-022-00678-x |
[3] |
KRAUSE R M, HAWKINS C V, PARK A Y S, et al. Drivers of policy instrument selection for environmental management by local governments[J]. Public administration review, 2019, 79(4): 477-487. DOI:10.1111/puar.13025 |
[4] |
GU G T, ZHENG H R, TONG L Y, et al. Does carbon financial market as an environmental regulation policy tool promote regional energy conservation and emission reduction?Empirical evidence from China[J]. Energy policy, 2022, 163: 112826. DOI:10.1016/j.enpol.2022.112826 |
[5] |
高红贵, 许莹莹, 朱于珂. 命令控制型环境规制对碳市场价格的影响——来自中央环保督察的准自然实验[J]. 中国地质大学学报(社会科学版), 2022, 22(3): 54-66. |
[6] |
叶琴, 曾刚, 戴劭勍, 等. 不同环境规制工具对中国节能减排技术创新的影响——基于285个地级市面板数据[J]. 中国人口·资源与环境, 2018, 28(2): 115-122. |
[7] |
SHEN N, LIAO H L, DENG R M, et al. Different types of environmental regulations and the heterogeneous influence on the environmental total factor productivity: empirical analysis of China's industry[J]. Journal of cleaner production, 2019, 211: 171-184. DOI:10.1016/j.jclepro.2018.11.170 |
[8] |
WANG J L, WANG W L, WU H T, et al. Exploring the effects of manufacturing servitization on enterprise energy conservation and emissions reduction moderated by digital transformation[J]. Energy economics, 2023, 122: 106706. DOI:10.1016/j.eneco.2023.106706 |
[9] |
LI Z B, WANG S W, SUN K Y, et al. Energy conservation or emission reduction?The effects of different types of environmental regulations on enterprises'green innovation preference[J]. SAGE open, 2022, 12(2): 215-228. |
[10] |
LUCAS S R, SZATROWSKI A. Qualitative comparative analysis in critical perspective[J]. Sociological methodology, 2014, 44(1): 1-79. DOI:10.1177/0081175014532763 |
[11] |
STIGLER G J. The economics of information[J]. Journal of political economy, 1961, 69(3): 213-225. DOI:10.1086/258464 |
[12] |
植草益. 微观规制经济学[M]. 朱绍文, 译. 北京: 中国发展出版社, 1992.
|
[13] |
张彩云, 吕越. 绿色生产规制与企业研发创新——影响及机制研究[J]. 经济管理, 2018, 40(1): 71-91. |
[14] |
PORTER M E, VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of economic perspectives, 1995, 9(4): 97-118. DOI:10.1257/jep.9.4.97 |
[15] |
SUN Z Y, WANG X P, LIANG C, et al. The impact of heterogeneous environmental regulation on innovation of high-tech enterprises in China: mediating and interaction effect[J]. Environmental science and pollution research, 2021, 28(7): 8323-8336. DOI:10.1007/s11356-020-11225-w |
[16] |
陈诗一, 张建鹏, 刘朝良. 环境规制、融资约束与企业污染减排——来自排污费标准调整的证据[J]. 金融研究, 2021, 495(9): 51-71. |
[17] |
JIANG Z Y, WANG Z J, ZENG Y Q. Can voluntary environment a lregulation promotecor porate technological innovation?[J]. Business strategy and the environment, 2020, 29(2): 390-406. DOI:10.1002/bse.2372 |
[18] |
郑季良, 王希希, 王少芳. 科技创新促进节能减排了吗?——基于高耗能产业群的实证研究[J]. 生态经济, 2019, 35(2): 68-73. |
[19] |
王海花, 谭钦瀛, 李烨. 数字技术应用、绿色创新与企业可持续发展绩效——制度压力的调节作用[J]. 科技进步与对策, 2023, 40(7): 124-135. |
[20] |
SHEN Y, ZHANG X W. Intelligent manufacturing, green technological innovation and environmental pollution[J]. Journal of innovation&knowledge, 2023, 8(3): 100384. |
[21] |
解学梅, 朱琪玮. 企业绿色创新实践如何破解"和谐共生"难题?[J]. 管理世界, 2021, 37(1): 128-149, 9. |
[22] |
杜运周, 刘秋辰, 陈凯薇, 等. 营商环境生态、全要素生产率与城市高质量发展的多元模式——基于复杂系统观的组态分析[J]. 管理世界, 2022, 38(9): 127-144. |
[23] |
马富萍, 茶娜. 环境规制对技术创新绩效的影响研究——制度环境的调节作用[J]. 研究与发展管理, 2012, 24(1): 60-66, 77. |
[24] |
LI Y N. Environmental innovation practices and performance: moderating effect of resource commitment[J]. Journal of cleaner production, 2014, 66: 450-458. DOI:10.1016/j.jclepro.2013.11.044 |
[25] |
廖中举, 程华. 企业环境创新的影响因素及其绩效研究——基于环境政策和企业背景特征的视角[J]. 科学学研究, 2014, 32(5): 792-800, 716. |
[26] |
李冬琴. 环境政策工具组合、环境技术创新与绩效[J]. 科学学研究, 2018, 36(12): 2270-2279. |
[27] |
LANJOUW J O, MODY A. Innovation and the international diffusion of environmentally responsive technology[J]. Research policy, 1996, 25(4): 549-571. DOI:10.1016/0048-7333(95)00853-5 |
[28] |
RENNINGS K, ZIEGLER A, ANKELE K, et al. The influence of different characteristics of the EU environmental management and auditing scheme on technical environmental innovations and economic performance[J]. Ecological economics, 2006, 57(1): 45-59. DOI:10.1016/j.ecolecon.2005.03.013 |
[29] |
XIE X M, HUO J G, ZOU H L. Green process innovation, green product innovation, and corporate financial performance: a content analysis method[J]. Journal of business research, 2019, 101: 697-706. DOI:10.1016/j.jbusres.2019.01.010 |
[30] |
汪明月, 张浩, 李颖明, 等. 绿色技术创新绩效传导路径的双重异质性研究——基于642家工业企业的调查数据[J]. 科学学与科学技术管理, 2021, 42(8): 141-166. |
[31] |
FISHBEIN M, AJZEN I. Belief, attitude, intention, and behavior: an introduction to theory and research[J]. Philosophy and rhetoric, 1977, 10(2): 130-132. |
[32] |
王娟茹, 张渝. 环境规制、绿色技术创新意愿与绿色技术创新行为[J]. 科学学研究, 2018, 36(2): 352-360. |
[33] |
MENDEL J M, KORJANI M M. Theoretical aspects of fuzzy set qualitative comparative analysis (fsQCA)[J]. Information sciences, 2013, 237: 137-161. DOI:10.1016/j.ins.2013.02.048 |
[34] |
FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J]. Academy of management journal, 2011, 54(2): 393-420. DOI:10.5465/amj.2011.60263120 |
[35] |
D U L J. Necessary condition analysis (N C A): logic and methodology of "necessary but not sufficient" causality[J]. Organizational research methods, 2016, 19(1): 10-52. DOI:10.1177/1094428115584005 |