“双碳”目标下中国光伏企业绿色创新效率的影响因素研究

一、引言

2020 年中国明确提出“碳达峰、碳中和”目标，标志着经济社会全面绿色转型进入新阶段，能源结构正逐步向以风电、光伏为主的新能源体系转型。国务院发布的《中国的能源转型》白皮书进一步强调，要“推动非化石能源高质量发展”，“建设以新能源为主体的新型电力系统”。光伏作为新能源体系的重要支柱，在我国迅速发展，已成为少数具备国际竞争力、全产业链自主可控、并有望引领高质量增长的战略性新兴产业之一 [1]。近年来，我国光伏产业逐步摆脱了过去依赖低成本扩张与规模化生产的粗放发展模式，转向以绿色低碳和科技创新为导向的新增长路径，更好地服务于国家“双碳”目标与绿色经济创新体系建设，中国光伏产业实现了跨越式发展 [2]。根据中国光伏行业协会数据，2022 年我国光伏制造端产值突破 1.4 万亿元，同比增长超过 95% ；光伏产品出口总额达到 512.5 亿美元，同比增长 80.3%，光伏产业正迎来前所未有的政策机遇与市场空间。中国已成为全球最大的光伏产品生产国和出口国，光伏装机规模连续多年位居世界第一。

作为我国战略性新兴产业，光伏产业技术密度极高，并将创新研发能力视为企业制胜的关键。例如硅料提纯、电池装备等工序必须依托尖端科技，其产品迭代迅速、附加值高。尽管国内市场已搭起涵盖硅片、电池组件及逆变器控制的完整链条，多晶硅冶炼工艺持续优化，电池产能扩张迅猛，海外份额亦节节攀升，部分指标甚至领跑全球，但在高效电池、上游原料及核心装备环节，与美、日相比仍有差距，全行业开工率仍偏低。想要赢得持续竞争力，绿色创新是一个重要途径。然而，绿色创新活动具有投资周期长、不确定性高和不可逆转等高风险特征 ]，尽管近年来我国光伏行业创新资源投入显著增加，在光伏电池转换效率、新型储能技术等方面不断突破，但在全产业链绿色创新协同、低碳技术集成应用、国际标准话语权等方面仍有较大提升空间。因此，系统分析影响中国光伏企业绿色创新效率的关键因素，对推动光伏产业高质量发展、助力国家“双碳”目标实现具有重要的理论与现实意义。

二、文献与研究假设

已有相关绿色创新效率的文献集中于绿色创新效率的测度和影响因素两个方面。在绿色创新效率测度方面，学者们主要采用随机前沿模型（SFA）、数据包络分析（DEA）等方法，然而传统的 DEA 模型对投入产出同比例、同径向的要求会造成效率评价结果缺乏准确性。因此，FARE[5]、刘兰剑 [6] 和易继承 [7] 等采用更为前沿的随机模型对绿色创新效率进行了准确测度；在绿色创新效率影响因素层面，自主创新对中国制造业国际竞争力具有显著的正向作用。绿色创新效率的影响因素变量的选取，企业规模、盈利能力、对外开放水平、环境规制、产业结构等是常见的研究变量 [8][9]，高管激励也是一个重要的变量 [10]。贾建锋 ^⌊11⌋ 等更是在制度组态视角下，从创新、资源和绿色 3 个方面构建投入指标，系统研究了绿色技术创新效率提升的多元影响因素。

本研究选取新质生产力和研发人力资本作为解释变量来探讨其对绿色创新效率的影响。新质生产力是近年来提出的新的经济动力理论，强调以科技创新为核心的生产力变革，涉及数字化、绿色化、高端化等要素，摆脱了传统经济增长方式和生产力发展路径的约束，通过关键性技术和颠覆性技术的突破为生产力发展提供更强劲的创新驱动力。新质生产力通过赋能光伏企业的研发条件改善、绿色创新绩效提升、低碳技术投入、高层次人才集聚和创新结构优化，显著促进了企业绿色创新效率的提高 ¹¹² ]。例如，先进的生产工艺或管理方式可能降低能耗和排放，从而激励绿色专利产出。因此提出研究假设1：

H1：新质生产力发展对光伏企业绿色创新效率提升具有显著的正向影响效应。

朱泽钢（2022）的研究便指出，研发投入与绿色创新效率呈 "U型" 关系 [13]，作为创新活动的主体，研发人员的数量与质量决定了高新技术企业在技术开发中整合内外部资源、攻克技术难题、增强产品市场竞争力的能力 ¹¹⁴_⋅ ]。高比例的研发人员投入可有效缩短了从技术攻关到商业化应用的周期，激励企业持续优化人力资源配置，扩大高水平研发团队的规模，形成研发人才集聚与绿色创新效能提升的良性循环，不断推动企业绿色创新体系向高层次、可持续方向发展 ¹¹⁵_⋅ ]。因此，

提出研究假设2：

H2：研发人力资本投入对光伏企业绿色创新效率提升具有显著的正向影响效应。

三、研究设计

（一）样本选择与数据来源

中证行业分类和申万行业分类都是我们国内比较权威的 2 大分类体系。其中申万行业分类，是由申万宏源研究所发布的行业分类标准，其对行业的分类紧跟时代，能更好的满足投资者日常使用的行业分类标准。考虑到所需使用到变量的数据的可得性与完整性，本研究选取2014-2023 年 A 股光伏上市公司 10 年间的数据为研究样本，按照申万行业分类的光伏加工设备、光伏发电、光伏辅材、光伏电池组件等字眼进行筛选，并在确保数据质量的基础上，剔除 ST、*ST 经营异常企业、数据严重缺失样本企业等数据后，对连续变量进行 1% 的缩尾处理。共计得到69 家企业，472 个观测值。

（二）变量设计

1. 被解释变量

参考刘金科 ^[16] 、徐佳 ^[17] 等的研究，选取绿色发明专利占比（GreenPatent_Ratio）作为衡量企业绿色创新效率的核心因变量。在进行稳健性检验时，参考宋德勇德研究 ^⌊18⌋ ，选用绿色发明专利申请占比作为稳健性检验的被解释变量。

2. 解释变量

在本文的研究中，选取新质生产力和研发人力资本作为解释变量。新质生产力（nq_force）采用李心茹等 ^⌊19⌋ （2024）改进的评价指标体系测算得到的数据，代表以创新为主导的先进生产力。新质生产力本质上注重高质量和可持续发展，因此可能直接促进绿色技术创新。研发人力资本（RDPersonRatio），是创新投入的核心代理变量，直接反映企业对研发活动的重视程度。人力资源是技术创新的基础，高比例的研发人员通常意味着更强的创新潜力。本研究中用研发人员数量与公司总人员数量的比率计算这一变量。

3. 控制变量

参考马海涛等 ^120] 的文献，本文设置的控制变量如下所示。企业规模（Size），在评估企业的规模时，采用企业总资产数量的自然对数作为衡量标准。资产负债率（Lev），表示企业的负债水平，以光伏企业总资产与总负债的比值来表示。总资产周转率（Ato），总资产周转率是综合评价企业全部资产的经营质量和利用效率的重要指标。周转率越大，说明总资产周转越快，反映出企业营业能力越强，企业经营更稳定，创新意愿也越强。企业成长性（Growth），企业成长性会影响创新效率，企业成立年限对创新研发的投入不同，所以其创新效率也具有差异。以上控制变量均由A 股上市公司财务报表数据计算得出。各变量定义见表1。

表1 变量名称和定义

（三）模型设计

基准回归模型设定如下：

GreenPatent_ratioit =α+β1 nq_forceit + β2*RDPersonRatioit + γ*Controlsit + μi + λt + εit

其中：i 表示不同公司，t 表示不同年份。Controlsit 是控制变量集合，分别有 Size， Lev， Ato，Growth。 μ_i 是个体固定效应，用于控制不随时间变化的公司个体特征可解决遗漏变量导致的内生性问题。

λ 是时间固定效应，用于控制所有公司共同随时间变化的宏观因素。ε 是随机误差项。

（一）描述性统计

本研究首先对筛选出的 66 家企业、472 个样本数据进行描述性统计分析，结果如表2 所示。

表2 描述性统计结果

如表2 所示，被解释变量绿色创新效率（GreenInnov）的最大值为1，最小值为0，均值为0.192，标准差为0.262，方差为0.069。表明样本企业绿色创新效率水平整体偏低，当前光伏行业的绿色创新活动仍处于初步发展阶段，且个体间差异显著。新质生产力（nq_force）变量均值为 19.23，最大值为 36.99，最小值为 1.574，标准差为 10.16。新质生产力的平均值较高，但标准差较大，最大值与最小值间差异显著，表明不同企业的新质生产力水平存在较大波动。这可能是由于企业在技术基础、资源配置或创新能力等方面存在多样性和不平衡性所导致的结果。研发人力资本（RDPersonRatio）变量的均值为 13.316，标准差为9.511，方差为90.467，最大值为1.98，最小值为 0 标准差较大，表明企业间研发投入的人力资源分配存在较大差异，部分企业重视研发，而部分企业投入较低。

而各控制变量的描述性统计分析结果也表面企业间在规模、负债、运营和增长方面的多样性，个体间存在显著的差异。由于样本覆盖了各种不同特征的企业，由此得出的关于新质生产力对绿色创新效率影响的基准回归结果，将更具代表性，能够推论到更广泛的企业群体，而非局限于某一特定类型，这极大地增强了研究结论的普适性和外部有效性。

（二）基准回归结果

本研究采用面板固定效应模型实证检验新质生产力和研发人力资本对光伏企业绿色创新效率的影响，表 3 为样本光伏企业基础回归结果。从模型（1）到模型（4），调整后的 R² 从 0.043 逐步提升至 0.135，表明模型的解释力不断增强。特别是当纳入核心解释变量后，模型解释力出现显著跃升，这说明新质生产力和研发人力资本是解释企业绿色创新效率差异的关键因素。

表3 光伏行业企业基础回归结果

注：***、**、 ∗ 分别代表 1% 、 5% 、 10% 的显著性水平

在模型（2）中，新质生产力变量的系数为 0.44，且在 1% 的统计水平上高度显著。这意味着，在控制其他因素不变的情况下，企业新质生产力水平每提升一个单位，绿色创新效率将提升 0.44 个单位。当在模型（4）中同时引入研发人力资本后，新质生产力变量系数虽下降至 0.355，但依然在 1% 的水平上保持显著，这进一步证实了新质生产力促进效应的稳健性。这表明新质生产力对绿色创新效率具有显著的正向促进作用，假设 ¹ 成立。

模型（3）显示，研发人力资本变量的系数为 0.497，并在 1% 的水平上显著。这表明研发人力资本的投入对绿色创新至关重要。在模型（4）的全模型设定下，其系数降至 0.411，显著性水平不变，说明即使考虑了新质生产力的影响，研发人员投入的独立贡献依然存在且非常强劲。这表明研发人力资本同样是企业绿色创新效率的重要驱动力量，假设2 成立。

（三）稳健性检验结果

本文采用替换被解释变量的方法进行稳健性检验，参考宋德武^[18] 等的研究采用绿色发明专利申请占比作为被解释变量进行稳健性检验，绿色创新产出一定程度上可以代表绿色创新效率。结果如表 4所示。

表4 稳健性检验结果

注：***、**、* 分别代表 1% 、 5% 、 10% 的显著性水平

模型（1）作为基准模型，仅包含控制变量。随着核心解释变量新质生产力”和研发人力资本”的逐步引入，模型的拟合优度（ R² ）从 0.051 稳步提升至 0.116，表明这两个核心变量显著增强了对企业环境专利占比变动的解释能力。

模型（2）显示，新质生产力的系数为 0.44，且在 1% 的水平上高度显著，说明其单独对企业绿色创新产出有强劲的正向影响。然而，当在模型（4）中与研发人力资本同时纳入模型后，其系数减小为0.235，显著性水平下降至 10% 。这一变化表明，新质生产力的部分效应可能是通过吸引或赋能研发人才来实现的，当控制了研发人力资本投入后，其直接效应有所减弱，但依然存在。模型（3）显示，研发人力资本的系数为0.44，在 5% 的水平上显著。尤为重要的是，在模型（4）的全模型中，其系数非但没有减小，反而增大至 0.625，且在 1% 的水平上高度显著。这强烈说明研发人力资本是驱动绿色创新产出的一个独立且强大的力量，其重要性甚至可能超过了新质生产力所代表的技术要素本身。

综上所述，光伏企业绿色创新活动的持续发展，不仅依赖于新质生产力，更依赖于研发人力资本的投入与积累。

五、结论、建议与研究展望

通过对相关文献的综合分析和实证研究，得出了以下结论。（1）企业绿色创新水平整体偏低，且个体间差异显著。（2）新质生产力对企业绿色创新效率具有显著的正向促进作用。（3）研发人力资本是企业绿色创新效率具有显著的正向促进作用。

本研究结论不仅从理论与实证上厘清了新质生产力与研发人力资本在驱动绿色创新中的不同角色，也为政策制定提供了清晰指引。

第一，政府层面应该实施差异化与精准化的政策引导。鉴于企业间存在显著差异，政府应避免“一刀切”的政策。对于新质生产力基础较好、规模较大的企业，应鼓励其发挥龙头带动作用，设定更高的绿色创新目标。对于中小企业，则应通过搭建公共研发平台、提供技术咨询服务等方式，帮助其提升技术吸收和创新能力；构建“技术”与“人才”并重的激励体系。政策扶持不应仅停留在设备补贴、税收减免等针对“物”的层面，更应注重对“人”的激励。建议设立绿色技术研发人才专项奖励基金，对企业引进和培育绿色技术研发人才给予配套支持，将研发人力资本、绿色专利产出等指标纳入高新技术企业认定或绿色工厂评定的重要考核维度，引导企业加大研发人力资本投入。同时还应强化知识产权保护，优化创新环境。健全的知识产权保护制度是激励企业进行长期创新投入的根本保障。政府应加大对绿色技术创新成果的保护力度，严厉打击侵权行为，确保企业能够从创新活动中获得合理回报，从而形成良性循环。

第二，企业层面战略上应重视新质生产力的培育与研发团队的构建。企业管理者应将发展新质生产力置于战略高度，积极拥抱数字化、智能化技术，改造传统生产流程。同时，必须将研发人才队伍的建设视为核心战略资产，通过有竞争力的薪酬体系、职业发展通道和创新的企业文化，吸引和留住高素质研发人才；优化内部资源配置，促进技术与人才的深度融合。 企业应建立高效的内部创新机制，确保先进的技术装备（新质生产力）与高素质的研发人员能够有效协同。加大研发投入，鼓励跨部门合作，搭建有利于研发人员将新技术转化为绿色专利和创新成果的内部环境；利用规模优势，勇于承担绿色创新责任。大型企业应利用其资源优势和市场地位，积极牵头或参与行业共性绿色技术的研发攻关，通过绿色供应链管理带动上下游中小企业共同低碳转型，将规模优势转化为全行业的绿色竞争力。

本研究也存在一定的局限性。首先，在样本选取方面，研究对象仅限于 A 股上市公司，未能涵盖众多非上市中小企业，这使得研究结论在推广到更广泛市场主体时可能存在适用性上的限制。其次，在研究内容上，未能对处于不同环节的光伏行业公司的影响差异进行区分，因而未能充分反映技术异质性对研究结果的可能影响。基于以上局限，未来研究可在多个方面进一步深化。一方面，可结合典型案例，深入分析企业异质性对绿色创新影响的具体机制，增强研究的现实针对性。另一方面，可在“双碳”目标引领下，进一步探讨政策组合的动态调整与优化路径，为政策制定提供更系统的参考。同时，随着数字技术的快速发展，未来可重点关注数字化转型对绿色创新效率的赋能效应，为产业绿色高质量发展提供新的理论支持和实践启示。

参考文献

[1] 何文韬 . 进入波动、产业震荡与企业生存——中国光伏产业动态演进研究 [J]. 管理世界 ， 2018， 34（1）：13.

[2] 董彩婷 ， 柳卸林 ， 高雨辰 ， 等 . 从创新生态系统视角分析中国光伏产业的追赶与超越 [J]. 科研管理 ， 2022， 43（12）：44-53.

[3] 李芳芳，解希玮，高水平对外开放促进制造业绿色转型：理论逻辑与实现路径 [J]. 理论探讨，2024（5）：144-150.

[4]Wu H， Wen H， Li G， et al. Unlocking a Greener Fu-ture： The Role of Digital Finance in Enhancing Green Total Factor Energy Efficiency[J]. Journal of Environ-mental Management， 2024，364：121456.

[5]FARE R， CROSSKOPF S. Malmquist prductivity indexes and fi.sher ideal indexes[J].The Feonomie Journal，1992， 102：158160.

[6] 刘兰剑 ， 滕颖 . 提高科技创新水平依靠技术效率还是规模效应 ？——来自中国与 OECD 国家的测度研究 [J]. 科学学与科学技术管理 ， 2020（7）：12.

[7] 易继承 ， 张璐 . 基于三阶段 DEA 模型的创新型国家创新效率

测度 [J]. 统计与决策 ， 2021（8）：81-85.

[8] 韩 莹、孙丽文 . 基于 Super-NSBM 模型区域绿色创新效率及影响因素研究 [1]. 软科学，2023，37（5）：115-123，130.

[9] 马文斌，朱 欢. 绿色低碳企业创新效率测度及影响因素研究--基饜梶遙蕴铮斯颅磺三阶段 DEA 与 Tobi 模型 [J]. 软科学，2024，38（6）：61-66.74.

[10] 王海杰 ， 王淑影 ， 陈彪 . 国有企业绿色技术创新效率及影响因素研究 ： 来自黄河流域制造业的经验证据 [J]. 河南工业大学学报 ： 社会科学版 ， 2023， 39（4）：36-45.

[11] 贾建锋，刘伟鹏，杜运周，等 . 制度组态视角下绿色技术创新效率提升的多元路径 [J]. 南开管理评论，2024，27（2）：51-61.

[12] 田庆锋 ， 方聪聪 ， 李瑶 . 新质生产力与新质战斗力融合机制与路径——基于 SpaceX 的纵向案例研究 [J/OL]. 科学学研究 ，1-25[2025-09-25]..

[13] 朱泽钢 . 治理机制对绿色技术创新的驱动作用 [J]. 中国软科学 ， 2022（12）： 125-135.

[14] 李晓敏，刘世哲，王淑贺 ：《新能源汽车企业研发投入对创新绩效的影响— 基于政府补助的调节效应分析》，《科技管理研究》2024 年第 7 期。

[15] 连捷 . 基于供应链管理的绿色物流发展路径探析 [J]. 商业经济研究，2021（9）

[16] 刘金科 ， 肖翊阳 . 中国环境保护税与绿色创新：杠杆效应还是挤出效应 ？ [J]. 经济研究 ， 2022， 57 （01）： 72-88.

[17] 徐佳， 崔静波. 低碳城市和企业绿色技术创新[J]. 中国工业经济 ， 2020， （12）： 178-196.

[18] 宋德勇 ， 朱文博 ， 丁海 . 企业数字化能否促进绿色技术创新 ？——基于重污染行业上市公司的考察 [J]. 财经研究 ， 2022， 48（4）：15.

[19] 李心茹 ， 田增瑞 ， 常焙筌 . 新质生产力 ， 资源利用与企业组织韧性 [J]. 西部论坛 ，2024（4）.

[20] 马海涛，蔡杨，郝晓婧 . 财政科技支出是否促进了中国工业企业创新？［J］. 经济与管理评论，2019，35（5）：43-57.