盛旭|赵晨|刘舒芳
中国海洋大学经济学院，山东青岛266000
摘要
本研究结合了基于注意力的观点和组织合法性理论，构建了一个研究框架——“环境关注度——企业环境责任假设（FER）——绿色创新（GI）”，系统地探讨了在地区政府环境关注度（GEA）条件下FER对新能源企业绿色创新影响的差异机制。以2015年至2021年间中国listed新能源企业的样本为研究对象，我们的实证分析结果如下：FER促进了新能源企业的绿色技术创新（GTI）和绿色管理创新（GMI）。进一步的研究表明，GEA显著且正向地调节了FER与GTI之间的关系，尽管其对GMI的调节效应不显著。环境补贴（ES）和研发（R&D）投资在FER与GTI的关系中起到部分中介作用；然而，R&D在FER影响GMI的过程中也起到了部分中介作用。这些发现表明，虽然FER可以通过增加R&D来推动绿色创新，但ES的中介作用和GEA的调节作用主要体现在GTI领域。这揭示了在“政策-企业”互动下绿色创新的差异形成机制。本研究建议企业将FER纳入其战略以实现政策协同效应。政策制定者应实施差异化激励措施——支持GTI的同时加强GMI的制度指导——以系统地促进新能源产业的可持续发展。
引言
极端气候事件的频率增加、关键资源的日益稀缺以及环境污染的加剧，使得依赖绿色创新（GI）的经济发展模式成为全球关注的焦点（Wang等人，2024a）。2022年亚洲气候状况报告显示，亚洲气温持续上升，洪水和干旱交替发生。此类极端天气事件在各国引发了严重的经济和社会问题。报告强调温度前所未有的上升以及全球经济绿色转型的紧迫性。作为世界最大的能源消费国，中国积极承担起了主要国家责任（Zhang等人，2025a）。为了调整能源消费结构并减少碳排放，中国大力发展了以绿色创新为驱动力的新能源产业。由于其全周期低碳转型，新能源产业每单位产出的碳排放强度预计仅为传统能源产业的五分之一。此外，新能源产业创造的经济价值在中国国内生产总值中的比重稳步增加。因此，推动新能源产业的绿色创新不仅是中国实现环境保护与高质量经济增长的新动力和模式，也是构建现代产业体系的重要突破。
然而，绿色创新是一种不同于一般技术创新的特殊类型（Frondel等人，2010）：它不仅使企业能够提升自身的绿色效率，还能促进社会福利的改善。此外，绿色创新具有“双重外部性”效应，表明其积极影响不仅限于创新企业本身，还惠及整个社会及其他企业。不过，对高技能跨学科人才、关键技术支持及其他创新资源的巨大需求给企业带来了显著的创新成本。这些绿色创新的固有特征共同构成了新能源企业在制定和实施绿色战略时面临的挑战（Wang等人，2024c）。从这个角度来看，积极采纳企业环境责任假设（FER）可能是新能源企业克服绿色创新实践中固有困境的关键途径。虽然新能源企业的产品和服务本质上具有环保性，但这并不一定意味着它们会在整个生命周期的运营中主动将FER作为核心战略。企业可能过分依赖产品的“绿色”标签，而忽视其整体环境足迹。因此，新能源企业必须超越产品的环境标签，通过系统性投资和优化运营，将FER提升到战略层面，从而满足更严格的法规要求，满足公众日益增长的期望，并建立可持续的竞争优势。从内部角度来看，积极采纳FER的企业可以有效避免短视行为，优先考虑长期绿色实践，从而为绿色创新提供内部动力；从外部角度来看，这种负责任的行为向外界传递了积极信号，减少了信息不对称带来的负面影响，增加了社会剩余，缓解了融资约束（Nirino等人，2021），吸引了高技能人才，并为绿色创新提供了外部支持（Ma等人，2022）。因此，研究FER对新能源企业绿色创新的影响和机制为中国经济及其企业的绿色和可持续发展提供了宝贵见解。
作为环境治理和政策实施的主要主体，地区政府在FER对绿色创新影响方面的关注值得重视（Wang等人，2024a）。除了企业的主动环保行为外，产业的绿色和低碳发展离不开地方政府的支持。政府环境关注度（GEA）成为治理的关键要素和产业绿色发展的驱动力。地区政府将采取相应措施，如加强环境处罚力度、扩大污染控制投资和调整环境保护税收，以干预和指导区域内企业的绿色发展（Shaffer，1995；Dai & Si，2018）。因此，本研究将GEA纳入分析框架，探讨其是否有利于或阻碍新能源企业绿色创新的影响，并进一步明确促进新能源企业绿色创新的情境条件。
为解决这一理论空白，本研究利用基于注意力的观点和组织合法性理论，考察FER对新能源企业绿色技术创新（GTI）和绿色管理创新（GMI）的影响及其背后的机制。随后，研究了GEA在此过程中的调节作用。基于前述分析，本研究提出以下研究问题：
研究问题1：FER是否促进新能源企业的绿色技术创新（GTI）和绿色管理创新（GMI）？
研究问题2：GEA在FER与这两种绿色创新类型之间的关系中起什么作用？这种调节效应是否因类型而异？
研究问题3：FER如何促进GTI和GMI？
本研究的三项贡献在于：首先，通过结合基于注意力的观点和组织合法性理论，构建了一个“注意力焦点——资源分配——创新绩效”的分析框架，系统揭示了新能源企业如何将FER转化为绿色创新成果的微观机制，从而丰富了新能源领域的研究；其次，通过将GEA作为调节变量，本研究揭示了其对FER与两种绿色创新类型之间关系的不对称调节作用；GEA增强了FER与GTI之间的关系，但对GMI的调节作用不显著。这一发现突显了外部政府压力如何影响企业注意力分配的复杂性，为理解政策信号的微观影响提供了新的证据；最后，实证验证了环境补贴（ES）和研发（R&D）的中介作用，为理解FER与绿色创新之间的联系提供了新的实证依据。更重要的是，该研究揭示了这一传递路径中的不对称性：ES促进了GTI，但对其对GMI的影响不显著。这一发现深化了对这些机制运作界限的理解。
理论基础和文献综述
**组织合法性理论**
组织合法性理论认为合法性是社会对企业行为的一种认可形式。这种认可的核心在于外部认为该行为是可取的、适当的和合适的。其本质体现在企业行为与社会价值体系的一致性上（Suchman，1995）。在环境领域，组织合法性表现为环境监管合法性，即组织遵守环境法律法规的程度。在绿色转型背景下，新能源企业面临来自政府、投资者和消费者等多方利益相关者的环境合法性压力（Delmas & Toffel，2008）。因此，获得环境合法性对企业生存和发展至关重要。为了获得环境合法性，企业必须通过环境信息披露和绿色实践重塑利益相关者的认知框架。从制度角度看，FER提升了企业的环境合法性，从而增加了获得环境补贴和绿色投资的可能性；从经济角度看，FER是企业获取差异化竞争优势和扩大利润空间的战略举措（Banerjee，2001；Wu等人，2024）。因此，FER不应仅被视为企业在外部合法性压力下的被动行为，而应被视为获得差异化竞争优势和经济回报的主动战略选择。由此，由FER驱动的绿色创新成为企业实现可持续发展的核心动力。
**绿色创新**
绿色创新是指企业通过技术、管理或组织变革来减少负面环境影响和提高资源效率的创新活动（Rennings，2000）。绿色创新的核心特征在于同时实现环境和经济效益的双重目标。本研究重点关注企业绿色创新中的绿色技术创新（GTI）和绿色管理创新（GMI）。GTI侧重于清洁能源技术、低碳工艺和环保产品的开发（Carrillo-Hermosilla等人，2010）；GMI则涉及组织流程、制度设计和商业模式的重构，包括循环供应链管理和碳足迹会计系统等实践。
**基于注意力的观点**
基于注意力的观点认为，管理注意力是一种有限且稀缺的资源。它强调组织决策受到这种有限注意力资源战略分配的影响（Ocasio，1997）。从政府角度看，GEA的本质是将政府注意力资源定向分配到环境治理上。当地方政府通过法规制定、财政投资和公众沟通等手段将环境问题纳入政策议程时，他们实际上是在引导公众关注环境管理（Aragon-Correa等人，2020）。这种制度性的注意力配置产生了巨大的外部合法性压力，迫使企业重新调整自身的注意力分配结构。因此，企业管理将重点从日常运营转向绿色创新等战略议题。通过这种优先级机制，注意力的重新分配直接影响了企业在研发上的投资及其对绿色创新的承诺。一些实证研究表明，要求披露碳排放排名的规定显著增加了企业的融资成本（Ririmasse等人，2025），迫使管理层将注意力转向低碳技术研发。
**现有研究空白**
虽然已有大量关于FER和绿色创新的研究，但仍存在以下研究空白：
（1）在研究FER对绿色创新影响的过程中，多数研究侧重于基于资源视角、信号理论和利益相关者理论的FER对GTI的影响，而忽视了其对GMI的影响；
（2）FER影响绿色创新的机制尚未得到充分探索；
（3）地区政府作为关键治理主体在塑造企业行为中的作用被忽视；
（4）实证研究主要集中在制造业企业上，对新能源企业的研究相对较少。
本研究结合组织合法性理论和基于注意力的观点，旨在填补这些研究空白，系统考察新能源企业FER对GTI和GMI的直接影响及其背后的机制，以及政府-企业注意力对绿色创新这两个维度差异性影响的因素。基于以上分析，本研究构建了一个理论框架（见图1）。
**研究假设**
FER与绿色创新（FER和GI）
基于注意力的观点认为，企业高管的注意力是一种有限资源，其分配方向由直接影响战略制定并进而指导资源流向以实现特定战略目标的认知结构决定。根据组织合法性理论，企业行为必须与外部制度环境的规范和期望保持一致，以获得合法性。在中国大力推动生态文明的制度背景下，积极承担环境、社会和治理（FER）责任对于新能源企业而言具有关键的战略价值，因为这些企业本质上承载着社会的绿色期望，面临更高的绿色合法性标准，并受到严格的审视。因此，积极承担FER不仅是新能源企业获得和维持合法性的必要条件，也是创造竞争优势和获取市场优势的重要手段。主动承担FER内化为企业的战略意图，深刻重塑了企业的内部认知框架。这一过程在众多问题中突出了“绿色”议题的重要性，使其成为高层管理团队有限关注的重点。这种有针对性的关注分配对绿色技术创新（GTI）产生了积极影响。
首先，出于对合法性的追求，企业会长期监测绿色市场，以识别潜在机会（吴等人，2018年）。这使企业能够尽早抓住政策和市场力量创造的绿色发展机遇，开发差异化的绿色产品，并占据市场份额。预期的显著回报促使企业投资于GTI。其次，通过承担FER培养出的新能源企业的绿色声誉和合法身份，成为吸引政府机构、金融机构和投资者等关键利益相关者关注和信任的重要信号机制，从而扩大了GTI的外部融资渠道，减轻了创新方面的财务压力（张和卢西，2022年）。第三，承担FER的新能源企业为GTI提供了知识基础。为了维护其绿色合法性，这些企业更倾向于招募具有环境意识和绿色专业能力的团队和人才。多元绿色知识的融合和互动为GTI提供了必要的知识基础。
总之，本研究提出以下假设：
假设1a：新能源企业的FER对GTI有积极影响。
新能源企业的FER促进了绿色管理创新（GMI），具体表现在以下几个方面：首先，这些企业更加意识到环境保护的紧迫性和环境监督的重要性。在制定战略时，他们将外部环境合法性转化为内部制度创新作为优先事项，从而将内部资源投入到绿色管理体系的建立中（陈等人，2018年）。其次，承担FER的新能源企业会增加在环境治理上的支出。例如，它们可能自愿采用ISO14001环境管理体系，实施全面的碳排放记录智能系统，在生产中使用清洁能源，并减少污染物排放。这些做法共同促进了GMI。第三，承担FER的新能源企业更善于识别供应链中的潜在绿色风险。由于中小供应商的环境意识不足，可能会出现非法排放或污染数据瞒报的情况。因此，承担FER的新能源企业倾向于与供应商合作制定解决方案，例如通过引入数据共享平台，共同建立碳排放和资源消耗的实时监控系统，从而及时发现供应链中的绿色风险，并实现绿色管理标准的动态优化。
总之，本研究提出以下假设：
假设1b：新能源企业的FER对GMI有积极影响。
地区政府注意力（GEA）对FER与GMI关系的调节效应
注意力是一种独特的稀缺资源。地区政府注意力的分配并不反映随机偏好，而是表明政府对特定政策领域的关注程度（王等人，2024b）。自从将环境保护指标纳入官方绩效评估体系以来，地区政府在追求经济增长的同时面临着巨大的环境治理压力（刘等人，2023年）。因此，政府注意力越来越多地转向环境治理。作为制度关注的外部表现，增强的GEA加剧了企业获得组织合法性的紧迫性，这反过来又激励企业主动调整其内部注意力分配，以符合外部政策重点。这种内部和外部注意力的协同作用最终推动了新能源企业内的绿色技术创新（GI）活动。
首先，GEA对企业行为有直接的推动作用。政府实现环境治理成果的最直接途径是制定一系列政策，包括严格的环境监管政策，如污染物排放费制度和环境影响评估制度。这些惩罚性政策提高了对企业的外部合法性要求。这反过来迫使新能源企业主动披露环境治理信息，并将资源投入到GI中（黄和雷，2021年）。还包括经济激励政策，如税收减免、财政补贴和低息贷款。这些政策降低了与环境技术发展和设备采纳相关的研发风险和投资成本。由政府注意力引导的优先财政政策改变了利益相关者的资源分配优先级。为了获取政策红利，新能源企业建立了“FER → GI → 政策响应”的关注循环，形成了自我强化的机制。其次，GEA对企业行为也有间接的推动作用。一方面，为了确保长期发展，企业管理者越来越认识到绿色和可持续发展的必要性。这种意识促使企业积极寻求变革，并采纳前瞻性的环境转型策略。例如，它们主动承担FER，向社会传达“绿色发展”的积极信号。随着GEA的增强，这些积极信号的传播得到了放大，促进了企业的GI成果（冯等人，2021年）。另一方面，随着政府部门宣传的加强，公民的环境意识也会逐渐提高。公众对环境问题的关注产生了巨大的公众压力，这激励新能源企业主动加强FER努力，以减轻声誉风险。同时，媒体的监督作用也促使新能源企业主动承担FER，并改进其环境实践，以满足社会期望和市场需求。因此，增强的GEA激励新能源企业主动承担FER，同时也放大了积极FER的正面信号，从而加速了企业的GI进程。
综上所述，本研究提出以下假设：
假设2a：增强的GEA对新能源企业的FER与GTI之间的关系有积极调节作用。
假设2b：增强的GEA对新能源企业的FER与GMI之间的关系有积极调节作用。
与GTI相比，GMI关注的是组织管理和运营过程的全面优化和创新。这些GMI成果具有“隐性”和“过程导向”的特征。相比之下，政府部门在绩效评估和资源分配时，倾向于优先考虑可量化和易于验证的明确指标，如技术认证、技术突破和专利数量。从中国的绿色技术推广目录到针对新能源行业的本地专项支持政策，激励措施明确指向核心技术突破、研发设备投资和技术成果的产业化等领域。在这种背景下，GMI的“隐性”特性与政府绩效目标的“明确”导向之间存在根本差异。因此，当GEA增强时，企业会战略性地将有限的注意力和资源分配给GTI，以迅速应对外部压力并获得合法性。相比之下，GMI产生的环境效益在短期内并不明显。这种时间滞后效应阻碍了企业在面对外部压力时通过GMI获得外部认可的能力。因此，虽然GEA增强了FER对GI的正面影响，但这种调节效应在GTI上比在GMI上更为显著。
总之，本研究提出以下假设：
假设2c：与GMI相比，GEA对GTI的正面调节效应更强。
政府的环境支持（ES）政策旨在鼓励和支持企业采取与其可持续发展和社会责任目标一致的行为（张等人，2024年）。主动承担FER有助于企业获得绿色合法性，从而更容易获得政府部门的关注。当企业的环境策略与政府的環境治理目标一致时，政府会优先考虑审查这些企业的补助申请。此外，积极承担FER的新能源企业可以获得公众支持和积极的媒体报道。这减轻了新能源企业与外部利益相关者之间的信息不对称，从而促进了政府的监管。具有高透明度和良好声誉的新能源企业更可能受到政府的青睐，从而提高其ES申请的成功率（卢和李，2024年）。获取ES可以提升新能源企业的社会声誉，从而吸引额外的资源并促进GI。一方面，获得ES的新能源企业可以获得政府部门的认证和认可，向外部利益相关者传递积极信号，帮助企业在市场上建立良好的环境品牌形象。强大的社会声誉增强了品牌价值，吸引了关注可持续发展的投资者和消费者，从而促进了企业绿色项目的实施。另一方面，GI不同于一般的技术创新（Frondel等人，2010年），因为它需要更大的财务投资、复杂的知识整合和专门的研究人员。因此，GI的特点是初期成本高、开发周期长和回报不确定。这常常降低了新能源企业进行GI的意愿。然而，政府提供的ES缓解了新能源企业在GI方面的财务限制、技术成本和市场风险，从而增强了它们投资长期GI活动的意愿。
因此，本研究提出以下假设：
假设3a：新能源企业的FER通过ES促进GTI。
假设3b：新能源企业的FER通过ES促进GMI。
企业管理并不总是能够实现最优的资源分配，因为存在防御性管理实践和其他自我利益动机。企业甚至可能优先考虑那些能够带来短期收益的项目，从而减少对提升长期企业价值的举措的投资。最终，这导致企业偏离国家政策目标和可持续发展路径（王等人，2024a）。基于关注视角，新能源企业的FER重塑了管理的认知框架，将组织注意力导向长期的绿色战略（谭和朱，2022年）。首先，新能源企业的FER将外部环境监管要求转化为内部战略重点（Delmas和Toffel，2008年）。在合法性压力下，管理层减少了对短期利润项目的关注，并将有限资源投入到GI举措中（Barnett和Salomon，2006年）。其次，通过FER积累的声誉吸引了绿色投资者和环境保护组织等利益相关者的持续关注。为了获得稳定和可持续的资源支持，新能源企业必须增加研发投资，以保持其“绿色领导者”的形象（Nofsinger等人，2019年）。这种外部关注的压力迫使新能源企业增加研发投资（Berrone等人，2013年）。加强的研发是企业增强GI能力和获得竞争优势的关键机制（Lee和Min，2015年）。招聘绿色专业人才为企业提供了知识和人才基础，研发资金的流入支持了GI活动。绿色专业知识的提供、高质量人力资源的引入以及外部资金的注入共同提高了新能源企业GI活动的成功率。
基于以上分析，本研究提出以下假设：
假设4a：新能源企业的FER通过研发（R&D）促进GTI。
假设4b：新能源企业的FER通过研发（R&D）促进GMI。
### 样本选择和数据来源
研究对象是2015年至2021年间在中国上海证券交易所和深圳证券交易所上市的新能源企业。基本的企业信息和财务数据来源于中国股票市场与会计研究（CSMAR）数据库、中国研究数据服务平台（CNRDS）数据库以及上市公司的年度报告。专利数据来自国家知识产权局的官方网站。排除了财务数据异常或缺失的企业，以及在观察期间被标记为ST或*ST的企业。此外，所有连续变量都进行了双向1%的Winsor处理。最终样本包括212家企业，共获得了1484条观测数据。
### 变量设置
**因变量**
绿色专利可以直接反映企业的绿色技术创新（GTI）产出能力。与专利授权相比，专利申请在时间和稳定性方面更具优势。因此，本研究通过绿色实用新型专利和绿色发明专利的申请总数来衡量上市新能源企业的绿色技术创新指数（GTI）（Li等人，2018年）。本研究借鉴了Zhao等人（2015年）和Wang等人（2025年）的研究方法来评估企业的绿色管理指数（GMI）。评估标准包括企业是否获得了ISO14001和ISO9001认证、在当年的管理报告中披露了环境管理体系、进行了环境教育和培训以及实施了特殊的环境倡议。如果企业满足了这些条件，则被赋值为“1”，否则赋值为“0”。这些数值相加得到综合得分。
**解释变量**
本研究中的解释变量是环境责任感（FER）。以往的研究通常通过构建综合指标、使用污染物排放数据或污染排放费用来衡量FER。然而，污染物排放数据大多难以获取，而且构建的环境指标具有一定的主观性。华证ESG评级报告提供了中国大多数A股上市公司的环境绩效数据（Lin等人，2021年）。关键的环境评估项目，如违规行为、绿色实践和清洁生产，有助于全面评估FER的表现。因此，本研究使用华证ESG评级中的环境责任表现得分（E score）来衡量FER，评分范围从9到1，分数越高表示FER表现越好。
**调节变量**
本研究采用Liu等人（2023年）的方法，选取各省政府工作报告中与环境问题相关的段落作为文本分析对象，然后构建与环境保护、环境污染和能源消费相关的关键词。最后，通过关键词频率与工作报告总词数的比率来衡量区域政府环境关注度（GEA）。
**中介变量**
环境补贴（ES）的数据来源于企业年报中的“政府补贴”项目。本研究测量了企业从政府部门获得的补贴金额（Han等人，2024年）。为了消除企业规模的影响，将企业获得的补贴总额除以其总资产并乘以100得到调整后的数值。研发支出（R&D）则为企业财务报表中报告的研发支出的自然对数（Qi等人，2022年）。
**控制变量**
为了减少遗漏变量引起的估计偏差，选择了与企业环境责任和绿色技术创新（GI）相关的控制变量（Han等人，2024年；Qi等人，2022年；Zhang等人，2025b），例如企业年龄（Age）、企业规模（Size）、资产负债率（Alr）、托宾Q值（Tq）和独立董事比例（Idp）。表1显示了这些变量的衡量标准。
**模型构建**
为了检验FER对GTI的直接影响，我们构建了一个固定效应模型来验证假设1a。具体模型如下：
$$
GTI_{it} = \partial_0 + \partial_1 FER_{it} + \partial_2 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
由于企业的绿色管理指数（GMI）是一个有序离散变量，本研究采用Probit模型来验证假设1b，具体模型如下：
$$
GMI_{it}^* = \partial_0 + \partial_1 FER_{it} + \partial_2 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
为了检验区域政府环境关注度（GEA）对FER与GI关系的调节作用，提出了以下模型：
$$
GTI_{it} = \partial_0 + \partial_1 FER_{it} + \partial_2 GEA_{it} + \partial_3 FER_{it} \times GEA_{it} + \partial_4 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
$$
GMI_{it}^* = \partial_0 + \partial_1 FER_{it} + \partial_2 GEA_{it} + \partial_3 FER_{it} \times GEA_{it} + \partial_4 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
为了检验FER是否通过获取环境补贴（ES）和增强研发（R&D）来影响GI，本研究采用了Baron和Kenny（1986年）提出的中介效应检验框架来验证研究假设3a、3b、4a和4b，模型如下：
$$
ES_{it} = \partial_0 + \partial_1 FER_{it} + \partial_2 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
$$
GTI_{it} = \partial_0 + \partial_1 FER_{it} + \partial_2 ES_{it} + \partial_3 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
$$
GTI_{it}^* = \partial_0 + \partial_1 FER_{it} + \partial_2 ES_{it} + \partial_3 CIT_{it} + \partial_4 CIT_{it} + \mu_i + \lambda_t + \epsilon_{it}
$$
其中，下标i和t分别代表企业和年份；GTI代表绿色技术创新；GMI代表绿色管理创新；FER代表企业环境责任感；GEA代表区域政府环境关注度；ES代表环境补贴；R&D代表研发；C代表一组控制变量，包括企业年龄、企业规模、资产负债率、托宾Q值和独立董事比例；$\partial$代表回归系数；$\mu_i$代表企业固定效应；$\lambda_t$代表年份固定效应；$\epsilon$代表误差项。
**实证结果与分析**
**描述性统计分析与相关性分析**
表2展示了各变量的描述性统计分析结果。企业间GTI的最小值和最大值分别为0和2.487，表明样本中GTI存在显著差异。企业间GMI的平均值为1.290，明显低于中位数，说明新能源企业的GMI水平普遍较低。FER的最小值和最大值分别为1和6，平均值超过3.5，表明所有样本企业在不同程度上都承担了环境责任感。企业获得的环境补贴（ES）存在显著差异，而研发（R&D）的差异相对较小，表明企业非常重视研发。区域政府环境关注度（GEA）的最小值和最大值分别为0.633和0.074，表明所有地方政府都重视环境问题，但关注程度存在显著差异。
**结论**
FER与GMI和GTI呈正相关，为研究假设提供了初步支持。所有变量的方差膨胀因子均低于5，说明不存在严重的多重共线性问题。
**FER与GI的关系**
研究假设1a和1b提出FER能够显著促进GTI和GMI。表4显示了回归分析结果。第（1）和第（2）列展示了仅包含解释变量和控制变量的基准模型，第（3）和第（4）列在第（1）和第（2）列的基础上添加了年度固定效应。第（3）列中，FER对GTI的回归系数为0.054，在1%的置信水平上显著，表明较高的FER水平与较高的GTI产出相关，因此支持假设1a。第（4）列中，FER的系数在1%的置信水平上显著为正（$\beta = 0.261, p < 0.01$），说明FER每增加1单位，进入较高GMI水平的倾向显著增强。这证实了FER与GMI之间的正相关关系，从而支持假设1b。
**稳健性检验**
本研究使用两种替代指标进行了稳健性检验，以提高结论的可信度。第一种替代指标是彭等（2024年）提出的Bloomberg ESG评级系统中的环境责任表现得分（E），作为FER的替代变量（T1-FER）。第二种替代指标是企业对环境问题的关注度，采用Chen等人（2018年）和Mao与Guo（2025年）的文本分析方法进行测量。通过Python对企年报进行文本挖掘，构建了环境保护相关的关键词词典，包括环境保护、绿色倡议、低碳战略、减排和污染控制等术语，然后计算这些关键词在年报中的总出现频率与年报总词数的比率。从理论上看，年报是企业向外部利益相关者传达业务理念和战略方向的重要媒介，年报中提及环境问题的程度反映了企业对FER的重视程度，进而影响企业的实际FER表现。结果表明FER确实促进了企业的GTI和GMI。
**政策干扰的消除**
中国于2010年、2012年和2017年分三批启动了低碳城市试点项目，这一政策可能影响FER对GI的估计结果。为了解决这一潜在的政策混淆问题，本研究将试点城市名单与新能源行业的上市公司进行了匹配，并在基准回归模型中加入了政策虚拟变量与实施年份的交互项。结果表明，FER对GTI和GMI的回归系数均为正且在1%的水平上显著，进一步支持了研究结论的稳健性。
**结论**
综上所述，FER通过促进绿色技术创新（GTI）和绿色管理创新（GMI）对新能源企业的绩效产生了积极影响。此外，通过使用替代指标和考虑时间滞后效应，研究人员进一步验证了研究结果的稳健性。同时，排除政策干扰后，研究结论仍然成立。在第一阶段的回归分析中，IV-FER的系数在1%的水平上具有统计显著性且为正。这表明同行企业的平均FER与企业自身FER之间存在强相关性，满足了工具变量的相关性条件。表9显示了使用工具变量方法的稳健性测试结果。
进行了额外的工具变量诊断。首先，Kleibergen-Paap rk LM统计量（37.58）在1%的水平上拒绝了识别不足的零假设，确认了模型的识别性。其次，Kleibergen-Paap rk Wald F统计量（242.66）超过了Stock-Yogo弱识别测试中最大工具变量大小的临界值16.38，表明不存在弱识别问题。这些测试共同验证了所选工具变量的适当性。
第二阶段回归的结果显示，FER的系数在10%和5%的水平上仍然为正且显著，这证实了在考虑潜在内生性后主要结论的稳健性。
为了检验GEA对FER与GTI和GMI之间关系的调节效应，我们将GEA和FER的交互项纳入回归模型。表10中的结果显示，GEA与GTI的交互项系数为0.196，在5%的置信水平上显著，这支持了假设2a。而GEA与GMI的交互项系数为正但统计上不显著，因此不支持假设2b。
在中国的制度背景下，EGA主要通过政策文件、官方报告和具体措施来体现，从而产生显著的外部制度压力。因此，企业会战略性地将内部资源和注意力集中在绿色技术研发（R&D）和设备升级等能够快速满足绩效评估标准并直接吸引资金支持的领域。相比之下，优化组织流程或培养环境文化的GI举措在短期内难以衡量或验证，因此其推动力在这种制度背景下相对有限。这一发现与基于关注的视角一致，该视角认为当企业面临多重制度压力时，由于资源和注意力的限制，它们会选择不同的策略来应对绿色创新（GI）的要求。
假设3a和3b提出，环境社会责任（ES）部分调节了环境绩效（FER）与绿色创新（GI）之间的关系。我们采用三步法来测试ES的调节效应。表11显示，FER对GTI的调节效应显著，支持了假设3a。而表12显示，ES对GI的调节效应不显著，因此不支持假设3b。
假设4a和4b提出，研发（R&D）部分调节了环境绩效（FER）与绿色创新（GI）之间的关系。表13和表14分别证明了这些假设，并支持了它们。
研究结论与理论意义表明，FER通过提升组织合法性（OLE）和获得竞争优势（CTI），进而重新分配资源到绿色领域（特别是通过积极获取环境社会责任和增加研发投资），促进了绿色创新（GI）的输出。该框架系统地揭示了FER通过哪些微观机制影响新能源企业的GI行为，以及外部制度环境如何塑造这些企业的GI行为。研究利用2015至2021年中国上市公司的数据，并使用Stata进行分析，得出以下结论：（1）FER对新能源企业的绿色技术创新（GTI）和绿色管理（GMI）都有显著的正面影响；（2）EGA虽然正向调节FER与GTI之间的关系，但对FER与GMI之间的关系没有显著调节作用；（3）ES在FER与GTI之间起部分调节作用，帮助企业获得更多环境社会责任，从而促进GTI；（4）R&D在FER与GTI和GMI之间也起到部分调节作用。这些发现进一步证实了Zhang等人（2024年）和Wu等人（2018年）关于FER对GI的正面推动作用的结论，并提供了来自中国新能源行业的实证支持。此外，环境绩效受到外部制度环境的显著调节，EGA作为关键的外部制度信号和合法性授予机制，传递政策导向并塑造制度预期，从而帮助企业建立外部环境合法性，进而约束和指导企业行为。对中国政府各 regional 政府发布的法规、官方公告和工作部署的回顾显示，绿色能源行动计划（GEA）主要针对绿色技术创新（GTI）。通过政策指导，GEA 将各种资源，尤其是财政资源和金融支持，引导至绿色技术领域。诸如专项环境补贴（ES）、绿色信贷激励措施以及研发费用超额抵扣等政策工具，主要侧重于技术层面。因此，虽然 GEA 加强了财政环境法规（FER）对绿色技术创新的推动作用，但其对绿色管理创新（GMI）的促进效果仍然有限。在中介分析中，本研究进一步证实 ES 在一定程度上中介了 FER 与 GTI 之间的关系，但并未中介 FER 与 GMI 之间的关系。这一结果与关于 GEA 调节作用的结论一致，进一步强调了政策导向与资源分配之间的一致性。同时，研发（R&D）在两者关系中均起到中介作用——既从 FER 到 GTI，也从 FER 到 GMI。这表明研发是企业将 FER 转化为绿色创新成果的核心路径。
总之，基于现有研究，本研究揭示了 FER 在外部制度环境背景下，特别是绿色能源行动计划框架下，对新能源企业绿色创新（GI）影响的差异性机制。它明确了不同类型绿色创新形成的不同路径，从而深化了对“制度环境 → FER → GI”因果链及其边界条件的理解。研究结果为新能源企业优化其绿色创新战略提供了理论支持，并为政策制定者改进环境治理体系提供了理论参考。
**管理启示与政策意义**
上述发现对企业管理和相关政策制定具有重要的启示作用：
1. 企业应将 FER 内部化到其业务战略中，并全面推动绿色创新。研究表明，新能源企业的主动遵循FER能显著提升绿色技术创新（GTI）和绿色管理创新（GMI）。企业应把 FER 从合规要求提升为战略重点，并设定明确的环境目标及实施路径。管理者应在公司治理、产品开发、生产运营和供应链管理的各个领域积极倡导和实施FER，这不仅增强企业的合法性，还能促进绿色创新并形成竞争优势。
2. 企业应积极争取环境补贴（ES）并加强内部研发（R&D）。研究发现，FER 有助于企业获得更多补贴，尽管这些补贴对绿色管理创新（GMI）的影响不明显，但在促进 GTI 和 GMI 的过程中，加强内部研发起到了关键的中介作用。因此，企业应密切关注并积极响应政府的环保政策和补贴申请要求，将获得的补贴用于绿色技术研发、设备升级等可直接产生 GTI 结果的领域。同时，企业应认识到研发是将 FER 转化为绿色创新的核心途径，相对于 GTI，研发是唯一能促进 GMI 的中介因素。
3. 企业应密切关注区域政策动向，并战略性地分配创新资源。研究表明，绿色能源行动计划（GEA）能增强 FER 对绿色技术创新（GTI）的积极作用，但对绿色管理创新（GMI）的影响有限。因此，企业管理者需审视所在地区的环境治理重点、政策导向和监管趋势。高 GEA水平的地区通常具有更严格的标准、更频繁的监管以及更强的激励或惩罚措施。在这种情况下，企业应优先将资源投向绿色技术研发和创新活动，以更好地满足政策要求、获取补贴并降低风险。同时，企业应认识到即使在高 GEA 区域，GEA 对 FER 与 GMI 关系的调节作用也是有限的，不能过度依赖外部政策的推动作用，而应基于内部战略需求、效率提升和长期可持续发展进行规划和投资。
4. 政府部门应鼓励企业优先考虑绿色管理创新（GMI），并设计专门针对 GMI 的激励政策。研究发现，GEA 对企业行为具有不对称的调节作用：当 GTI 结果与政府关注的重点相一致时，GEA 能强化 FER 与 GTI 之间的关系；但对 FER 与 GMI 关系的调节作用不明显。这表明现有制度体系在识别和激励隐性创新成果方面存在局限性，现有评估框架未能有效衡量管理创新的可持续价值。现有的政府补贴、碳配额交易和绿色金融工具大多与技术指标挂钩。例如，通过改进叶片材料技术降低每千瓦时的成本，新能源企业可同时获得补贴、碳交易利润和ESG资金支持，形成多重激励机制。然而，针对绿色管理创新的激励政策仍较为匮乏。因此，政府应逐步制定和完善针对 GMI 的评估标准和激励政策，提供更多支持。
**研究局限性与未来方向**
尽管本研究已力求进行深入分析，但仍存在某些局限性：
1. 本研究仅探讨了 FER 对新能源企业绿色创新的影响及其机制，并未深入分析绿色创新的经济后果。绿色创新是否能同时提升企业经济绩效和环境绩效？未来研究应使用长期面板数据进行更精细的定量分析，以全面评估绿色创新的经济效益。
2. 本研究样本来自中国的上市新能源企业，结果基于中国特定背景得出，其普遍性需在不同制度环境下验证。作为全球最大新兴经济体，中国具有独特的市场特征、政策工具和发展阶段。未来的研究可进行跨国比较分析，例如比较欧盟国家、美国及其他新兴经济体的情况，以阐明不同制度和市场环境下绿色创新的机制，从而完善相关理论的适用范围。
**利益声明**
无。
**作者贡献说明**
徐胜：数据验证、项目监管、概念构建；
陈 Zhao：写作与编辑、初稿撰写、资源协调、方法论设计、数据分析；
刘书芳：可视化展示、数据分析。
打赏
