杨朝均 虞蕊娇 孔令凯（昆明理工大学管理与经济学院）
摘 要：低碳合作创新已成为推动当今创新发展的主流趋势，同时也是我国制造业实现绿色低碳转型的关键战略举措。本文选取我国2007—2021年30个省域为研究样本，实证检验低碳创新合作网络对制造业低碳创新绩效的影响及作用。基于网络位置视角的研究结果显示：低碳合作创新网络中心度、结构洞均对低碳创新绩效呈“倒U”型影响；通过更换计量方法、替换变量和增加遗漏变量等稳健性检验后结果依然成立；调节效应显示，数字经济在缓解信息不对称和资源冗余等问题上发挥着极大作用，通过降低整合、试错、筛选、对抗风险成本，“倒U”型曲线变得平缓；异质性分析表明，低碳创新合作网络对低碳创新绩效的影响因空间区位、发展阶段不同而表现出明显的时空异质性。
关键词：中心度；结构洞；数字经济；低碳创新合作网络；低碳创新绩效
一、引言
制造业作为我国国民经济发展中不可或缺的支柱产业和经济体，也是我国主要的碳排放来源，已成为制约我国“碳达峰碳中和”目标实现进程的关键，制造业低碳转型已迫在眉睫。近年来，通过低碳创新实现生产流程优化和低碳环保产品推广，从而实现减污降碳，已被认为是制造业实现绿色低碳转型的重要举措。但低碳创新具备高复杂性、高风险性以及低碳技术兼具经济产品属性与公共产品属性等特点，使得制造业企业依托内部资源独立开展低碳创新的难度不断加大。当前，有关创新网络的研究表明其在获取异质性资源、促进知识共享和技术创新、分散创新风险的同时有助于提升创新绩效。因此，通过嵌入低碳创新合作网络被认为是有效提升低碳创新绩效的重要途径。
从传统研究视角来看，现有研究更多聚焦于某一特定区域内构建紧密的创新合作网络，享受内部网络所带来的知识溢出以及促进创新知识的传播和革新，提升创新绩效；而从空间地理学的角度看，由于创新网络存在节点属性的特点，仅需少量成本就能够增加创新主体间的非计划会面和自发性学习的机会，但若企业长期仅局限于某一特定区域进行低碳创新合作，可能会导致内部创新网络发展路径的集体刚性和能力突破困境，甚至产生低端创新的“路径锁定”，不利于其低碳创新绩效提升。因此，构建低碳创新合作网络来打破区域边界，跨越本地来寻找创新合作和利用外部知识，由省域各自为政逐步过渡为跨省域合作，能够有效促进低碳创新资源的流动和共享以提升低碳创新绩效。同时，高速发展的通信和网络技术、日趋完善的交通网络，使得制造业企业进行跨区域创新合作变得尤为便利，但现有研究中基于省际层面来探讨低碳创新合作网络的研究还较少，因此在全国统一大市场背景下，探讨省际间低碳创新合作网络对低碳创新绩效的影响具有重要意义。
数字经济作为新一轮科技革命和产业变革的重要推动力，正在快速成为保障我国经济高质量增长的重要引擎，为省际制造业企业抓住数字化的战略机遇期提供了契机，有效增强了低碳创新绩效。新经济地理学指出数字经济在缩小区域间创新差距和改善我国创新格局非均衡状态的同时，能够增强省际间知识交流和信息互动，数字化的知识和信息作为关键生产要素能够有效提升技术复杂水平，消除多重维度的信息不对称情况，从而降低创新交易成本以及吸收、转化、运用成本，进而实现省际间低碳创新绩效提升与价值增值。基于此，构建开放共通的低碳创新合作网络是实现制造业绿色低碳转型的一个重要途径，其对低碳创新绩效的影响值得深入探讨。从已有研究看，学者们鲜少从跨区域视角研究低碳创新合作网络结构对低碳创新绩效的影响，以及数字经济发展在其中起到的调节作用。因此，本文将低碳创新合作网络结构、数字经济、低碳创新绩效纳入统一研究框架来开展研究。本文的创新之处在于：（1）从跨省合作视角出发，构建制造业省际低碳创新合作网络，采用负二项回归分析模型探讨低碳创新合作网络对低碳创新绩效影响的非线性关系及其变化。（2）将数字经济作为调节变量引入到研究框架中，丰富低碳创新合作网络结构对低碳创新绩效影响的研究成果。（3）考虑到我国各省域地理位置和自然条件差异等的影响，将30个省域分为东中西三个地区，分析其因空间区位、发展阶段不同而表现出的时空异质性。旨在厘清省际间合作创新的变化及其深层次机制体系，为省际低碳合作创新与数字经济融入和国内相关领域的研究提供理论参考。
二、理论分析与研究假设
（一）制造业省际低碳创新合作网络对低碳创新绩效影响的研究假设
本文从网络位置视角探讨了制造业省际低碳创新合作网络结构特征，并考察其对低碳创新绩效的影响。而这种绩效会受到网络中所处位置和关系特性的影响，其位置特征主要表现为中心度和结构洞。
1.制造业省际低碳创新合作网络中心度与低碳创新绩效
网络中心度代表创新主体的直接影响力，能够反映企业处于网络中心位置的程度，具备创新联系“枢纽”的能力，通过控制或改变信息的传递过程从而影响群体间的信息流通。
从知识管理理论来看，创新网络中拥有高中心度的成员在知识获取、吸收重组以及信息资源控制等方面具有一定优势，能获取丰富多元的知识和信息，减少知识搜索成本，激励成员进行开放性的创新实践。一方面，中心度越高的区域通常拥有更多直接的合作省域、便捷的知识获取渠道、更高的传递效率，能够避免“有限探索”，从而有效激发省际间的合作创新思维，促进创新成果的产出；另一方面，具有较高中心度的省域拥有良好的声誉效应，能激发低碳创新制造企业间形成稳定的长期合作关系进而形成信任机制，减少创新风险和探索创新成本，为本省域低碳创新能力、低碳创新绩效的提升提供一定的实践基础。
但网络中心度的增加本质上是网络资源在量上的扩张，省际间创新合作联系变得愈加紧密的同时，会造成同质资源冗余，知识整合边际效应在一定程度上递减。同时，创新理念吸收运用的速度无法与知识资源的获取速度相匹配，从而增加知识成本、合作关系维护成本、低碳创新信息识别和转化难度，加剧知识溢出风险，最终使得处于高中心度的省域面临丢失低碳合作创新主导位置的风险，降低低碳创新绩效。综上所述，本文提出以下研究假设：
H1：中心度与低碳创新绩效之间存在“倒U”型关系。
2.制造业省际低碳创新合作网络结构洞与低碳创新绩效
结构洞是指两个关系之间的非重复关系，是非冗余的异质性知识，表明资源在质上的提升，在知识获取渠道上具有排他性。企业在创新合作网络中所处位置是其实现产品创新和战略选择的重要外生性网络资源之一。
一方面，处于结构洞位置的省域相当于一个“桥梁”，有利于获取差异化信息和更多网络机会，实现合作创新。当占据的结构洞越多，越能获取多样的异质性资源，拓宽低碳创新的视野；另一方面，处于结构洞位置的省域拥有信息资源获取和自主控制权，在控制区域间信息往来的同时能够选择与需求相符、资源互补的合作区域，在实现本省低碳创新活动中能够更具竞争优势。
然而结构洞的持续增长也会带来一系列挑战。首先，大量的知识和资源涌入会造成知识过载风险，省域需要花费更多时间、资金成本来平衡过多资源的涌入以及维系合作关系的稳定，从而分散创新投入，影响创新绩效。其次，占据过多结构洞的省域极有可能遭受信息干扰无法专注于自身发展，并阻碍创新主体间的知识协调，不利于知识共享惯例的形成，打破了原有的信任机制，导致低碳创新绩效降低。综上所述，本文提出以下假设：
H2：结构洞与低碳创新绩效之间存在“倒U”型关系。
（二）数字经济的调节效应
从社会资本理论的视角出发，数字经济能够促进社会网络中的社会资本积累和转化，将低碳创新合作网络中的数字经济资源转化为省域的合作创新优势。能够在提高生产效率、优化资源配置和减少资源消耗的同时实现绿色化，为绿色创新发展带来新机遇。
首先，数字经济的蓬勃发展，使得各省域创新主体能够拥有便捷的知识整合渠道和手段，打破数据资源获取、储存、转换和分析的时空关系结构，有效缓解了低碳发展中产生的信息不对称问题，使得创新主体在建立直接联系的同时解决随之产生的知识冗余问题，减少了由于中心度增加带来的知识整合、试错、筛选和对抗成本、降低技术溢出风险，发挥中心度知识整合效应的最大潜能，从而有利于低碳合作创新绩效的提升。
其次，数字经济的发展能够提升省域减污降碳的数字化综合治理能力，增强结构洞异质性资源的利用与控制效应。数字化手段的增多也使得处于结构洞位置的省域在对存在明显差异的资源获取上、沟通协调方面更加灵活，降低异质性知识的学习成本、协调成本，减缓信任危机带来的对抗风险。因而，在某种程度上来说，处于网络重要位置的创新主体能否将获悉的创新理念转化为低碳创新绩效还取决于各省域的数字经济水平。综上所述，本文提出以下假设。
H3a：数字经济发展水平提升会减弱中心度对低碳创新绩效的“倒U”型影响；
H3b：数字经济发展水平提升会减弱结构洞对低碳创新绩效的“倒U”型影响。
综合上述分析和理论假设推演，本研究的理论模型如图1所示。
三、研究设计
（一）网络构建与数据来源
联合申请专利能够有效反映创新主体之间基于创新活动产生的知识溢出及知识共享特征，已成为合作创新领域使用最为广泛的数据来源。本文基于2007—2021年省际制造业低碳创新联合发明申请专利数的关系联结构建制造业省际低碳创新合作网络。
在Inco-Pat专利数据库获取制造业的低碳创新联合申请专利数据，剔除不符合要求的专利数据（如包括非制造业申请主体等），最终得到专利的年份－省份分布情况。根据低碳创新主体的省域归属，将低碳创新主体间的合作关系转换为30个省域之间的联系，构建对称的区域合作关系邻接矩阵；其次运用社会网络分析（SNA）手段，测算出制造业省际低碳创新合作网络的中心度、结构洞网络位置指标；最后，建立负二项计量回归模型，探究制造业省际低碳创新合作网络与低碳创新绩效的非线性关系。
（二）变量测度
1.因变量。根据以往研究，低碳联合专利申请是企业对政策干预最直接的技术反映，相较低碳专利授权更加全面。因此，本研究参考刘微微等人的研究，采用T年的制造业省际低碳联合申请专利申请量作为低碳创新绩效的测量指标。
自变量。本研究使用制造业省际低碳创新合作网络的中心度和结构洞表征制造业省际低碳创新合作网络结构对低碳创新绩效的影响。其中，网络中心度参考史金艳等人对网络中心度的测度方法，采用度数中心度表征低碳创新合作网络中心度。结构洞参考运用Burt提出的计算原理，采用结构约束算法表征，即系数越高，表明网络闭合性越高，也就意味着结构洞越少。运用Txt2Pajek软件以样本企业所属省市为节点，以各省市共发专利为连接，构建出制造业省际低碳创新合作网络并得到.net文件，再将.net文件导入Pajek软件中，进而计算出度数中心度和结构洞。
3.调节变量。数字经济参考借鉴韩峰等人的研究，采用词频数来表征数字经济，本文通过中国研究数据服务平台中的省级数字经济政策词频统计表来计算出各省域的数字经济政策词频，并以此表征数字经济。
4.控制变量。以往研究指出低碳创新绩效可能会受到环境政策、经济实力、科技水平等因素的影响，因此本文将环境保护支出、第二产业占GDP总值、地区人均GDP、科技支出以及政府规模作为控制变量。所有控制变量的数据来源均出自国家统计年鉴。表1总结了所有变量的定义和测量方法。
（三）模型选择
由于因变量取值为非负整数、具有离散非连续且标准差大于均值等特点，所以本研究在回归分析时采用负二项回归模型。同时，基于本文使用的短面板数据特征和研究样本限定为制造企业，采用随机效应能够增加回归结果有效性和消除个体异质性，因此，本研究直接采用随机效应负二项回归模型进行实证分析，运用Stata17计量软件进行模型选择与逐步回归分析。
根据上述变量和测度方法构建负二项回归的计量模型：
为了检验制造业省际低碳创新合作网络中心度、结构洞对低碳创新绩效的影响，本文构建了如下回归模型：
为了检验数字经济在制造业省际低碳创新合作网络中心度、结构洞对低碳创新绩效“倒U”型关系的调节作用，本文建立模型如下：
其中，Yit为被解释变量组，CDit为解释变量组，DEPit为调节变量，Xit表示控制变量，εit表示残差项。
四、实证检验
（一）描述性统计与相关性分析
本文采用Stata17软件对变量进行了描述性统计（见表2 ）和相关性分析，得出各个变量之间的均值、标准差、最大值、最小值以及相关系数和VIF值，同时通过对变量做多重共线性分析发现方差膨胀因子（VIF）数值均小于7，表明变量之间不存在多重共线性。
（二）主效应检验
1.中心度对低碳创新绩效的影响
表3是对上述所构建的回归模型进行负二项回归的结果。模型1为参照模型，仅加入了控制变量；模型2在模型1的基础上加入自变量中心度以及中心度的二次项；由模型2可知，中心度的一次项系数在1%的显著性水平下显著为正，二次项在1%的水平下显著为负，表明制造业省际低碳创新合作网络中心度与低碳创新绩效之间存在“倒U”型关系，H1得到验证。
2.结构洞对低碳创新绩效的影响
模型3在模型1的基础上加入自变量结构洞以及结构洞的二次项；由模型3可知，结构洞的一次项系数在1%的显著性水平下显著为正，二次项在1%的水平下显著为负，表明制造业省际低碳创新合作网络结构洞与低碳创新绩效之间存在“倒U”型关系，H2得到验证。
（三）调节效应检验
模型4在模型2的基础上加入中心度一次项与数字经济调节变量的交互项以及中心度二次项与数字经济调节变量的交互项；模型5在模型3的基础上加入结构洞一次项与数字经济调节变量的交互项以及结构洞的二次项与数字经济调节变量的交互项。
1.数字经济对度数中心度调节作用
由表3模型4可知，制造业省际低碳创新合作网络度数中心度一次项与数字经济交互项在1%的显著性水平下显著为负，说明数字经济能够负向调节中心度与低碳创新绩效的正相关关系，即数字经济的水平越高，中心度与低碳创新绩效的正相关关系越不明显；同时数字经济与中心度的二次项显著为正（0.000，p<0.01），说明数字经济的提高使得中心度与低碳创新绩效的“倒U”型关系变得更加“平缓”。具体而言，中心度在极值以内，数字经济水平越高越会削弱中心度与低碳创新绩效的正相关关系；超过极值以后，数字经济水平越高，越会削弱中心度与低碳创新绩效的负相关关系，假设H3a得到验证。
2.数字经济对结构洞调节作用
由表3模型5可知，制造业省际低碳创新合作网络结构洞一次项与数字经济交互项在5%的显著性水平下显著为负，说明数字经济能够负向调节结构洞与低碳创新绩效的负相关关系，即数字经济的水平越高，结构洞与低碳创新绩效的负相关关系越不明显；同时数字经济与结构洞的二次项交互项显著为正（0.266，p<0.1），说明数字经济的提高使得结构洞与低碳创新绩效的“倒U”型关系变得平缓。具体而言，结构洞在极值以内，数字经济水平越高越会削弱结构洞与低碳创新绩效的正相关关系；超过极值以后，数字经济水平越高，越会削弱结构洞与低碳创新绩效的负相关关系，假设H3b得到验证。
（四）稳健性检验
1.更换计量方法（模型6、模型7），考虑到被解释变量的数值存在0值，采用零膨胀负二项回归可以提供更准确的模型拟合。
2.被解释变量滞后（模型8、模型9），本文将低碳创新联合发明申请专利数滞后一期，因变量为当期重新带入模型计算，检验技术符号和显著性问题 。
3.更换被解释变量（模型10、模型11），本文用绿色创新效率（绿色创新产出与投入的比值）来衡量低碳创新绩效。计算思路借鉴刘畅等，将绿色创新投入用省域研发支出加1取对数衡量，绿色创新产出用省域制造业低碳创新专利申请量加1的自然对数来衡量。
4.考虑遗漏变量（模型12、模型13），增加环境规制（各省市工业污染治理完成投资额/各省市工业增加值），李婧婧等提出规制工具和强度是影响技术创新的关键因素，能够对低碳创新绩效提升形成良性互动的机制。
表4稳健性结果显示，无论是替换计量回归模型还是将被解释变量滞后一期、更换衡量方式，或是考虑遗漏变量等重新进行回归，得到的回归系数的正负方向与主效应检验都是一致的，说明上述分析得到的结论具有稳健性。
（五）异质性检验
上述研究表明，制造业省际低碳创新合作网络中心度和结构洞均对低碳创新绩效存在“倒U”型影响，且数字经济水平的调节作用会使得这种影响减弱。为探索在不同的情况下，这种“倒U”型影响是否依然存在或是否存在差异，本文对其进行异质性分析。
1.地理位置的影响
省市的发展在很大程度上受到社会制度环境的影响，导致其经济发展水平存在较大差异，进而对各省市创新发展带来不同影响。本研究根据《中国工业经济统计年鉴》和北京市宏观经济与社会发展基础数据库，将30个省市划分为东部、西部与中部。
表5将30个省域划分为东部（模型14a、模型14b）、中部（模型15a、模型15b）和西部（模型16a、模型16b），分别检验制造业省际低碳创新合作网络中心度、结构洞对低碳创新绩效的影响。结果显示，无论是东部、中部还是西部，其中心度对低碳创新绩效的影响仍然呈现“倒U”型，且回归结果仍然强显著，说明从全国来看，不管是处于经济欠发达的中西部地区还是处于经济发展水平较高的东部地区，省际低碳合作创新意愿都处于较高的水平，都在努力实现低碳创新转型升级。但是结构洞对低碳创新绩效的影响，从三个地区的回归结果来看存在差异，除了东部地区回归结果不显著外，中部、西部地区存在的“倒U”型结果中二次项系数也不同，中部地区的“倒U”型曲线相较于西部地区显得更“凸”。这可能是因为东部地区各省市经济相对来说都较发达，所占据的结构洞数量差别不大，能够吸收和控制资源的能力也相当；同理，对中西部地区的省市来说，由于交通基础设施、地理位置、合作创新理念不足等条件的限制，各省市占据结构洞的数量有差异，且东部地区相比西部地区来说，接触低碳创新异质性资源的能力和途径更占据优势，因此结构洞的回归结果较显著。
表6将30个省域划分为东部（模型17a、模型17b）、中部（模型18a、模型18b）和西部（模型19a、模型19b），分别检验数字经济对创新网络中心度、结构洞与低碳创新绩效的影响之间的调节作用。结果显示，无论是东部、中部还是西部地区省域的数字经济的调节作用都较为显著，说明数字经济能够在一定程度上给予各省域低碳创新更加便利的渠道、更多易转化吸收的创新知识，从而促进中心度对低碳创新绩效的“倒U”型关系。同理，东部地区占据相当数量的结构洞省域较多，且本身有开阔的吸收转化新知识的眼界和能力，对于数字经济的运用和付诸实践的能力也相当，回归结果不显著；而中部地区的省域对于数字经济政策具有极强的向往和追求意愿，对数字经济的运用较为积极，所以回归结果不显著；西部地区省域地理条件受限，吸收转化运用数字经济的能力的手段较为灵活，因此调节作用回归结果显著。
2.时间跨度的影响
根据本研究样本数据的时间跨度和我国对于生态环境保护的相关政策，在时间异质性分析上考虑将其划分为三个时间段。
通过将时间段划分为2007—2011年、2012—2016年和2017—2021年三个阶段，分别检验制造业省际低碳创新合作网络中心度、结构洞对低碳创新绩效的影响。结果显示，中心度对低碳创新绩效的“倒U”型影响依然存在，其一次项系数逐渐减低，这表明由于我国环保政策的出台，使得各省域接触低碳创新技术手段等实现碳减排的成本和风险降低，也规制了非碳减排建设的推进。而结构洞对低碳创新绩效的“倒U”型影响仅在2007—2011年这个阶段显著，2012—2016年结构洞对低碳创新绩效的影响存在负向促进的关系，2017—2021年阶段负二项回归结果不太显著。造成该结果的原因可能是随着低碳经济的发展和省域制造企业积极加入到碳减排行列中，大多数省域均处于结构洞位置，因此获取的资源和信息存在一定的非异质性，从而造成低碳创新绩效的影响在省际层面上并不显著。
同理，检验数字经济的调节作用下制造业省际低碳创新合作网络中心度、结构洞对低碳创新绩效的影响。结果显示，数字经济对中心度、结构洞的调节作用在各个时间段上存在一定差异。对于中心度的影响没有明显的时间段变化，但是对于结构洞的影响和波动起伏较大，主要是因为数字经济本身就是为了增加获取资源的渠道和减少管理协调资源的成本，因此数字经济的出现使得非结构洞位置的省域也能够与处于结构洞位置上的省域合作，从而降低处于结构洞位置的企业对于信息资源的控制，以至于回归结果不够显著。
五、结论与启示
本文通过构建制造业省际低碳创新合作网络，分析其中心度、结构洞的网络位置特征对低碳创新绩效的影响作用，主要得出以下结论：
一是制造业省际低碳创新合作网络位置结构逐渐复杂化、均衡化。制造业省际低碳创新合作网络中占据重要节点位置的省域及其之间的联系不断增多、逐渐丰富。中心度和结构洞均对低碳创新绩效产生“倒U”型影响；二是在加入数字经济进行调节效应检验时发现，数字经济的出现会使得中心度、结构洞对低碳创新绩效的呈现的“倒U”型曲线变得平缓，从而影响省域低碳创新绩效；三是不管从空间异质性还是时间异质性上看，不同地区、不同时间中心度、结构洞对低碳创新绩效的影响都不同。
基于以上结论，本文得出的政策启示如下：
第一，各省域应结合自身经济发展水平，因地制宜提出优化制造业低碳创新途径。由于中西部地区的经济结构、制造业发展水平不同，应通过专业合理的手段进行创新的分类定级。不能过度追求合作创新，因为高水平的中心度、结构洞对低碳创新绩效的影响存在边际递减现象，各省域的决策者需要结合自身资源优势和在省市发展水平中的定位，动态促进合作创新，避免陷入“盲目多元化合作”的陷阱。
第二，适当的数字经济政策有利于各省域对创新知识资源的整合。开展制造业省际低碳创新网络合作时，需要选择与本省低碳创新能力相匹配的省域，避免付出较多的合作关系和知识资源维护成本。数字经济作为一种优化手段，要采取恰当的利用方式，根据本省域的低碳发展需要，有针对性地学习利用并更好地服务低碳创新发展的需要。
本研究还存在一些不足，比如制造业省际低碳创新网络的衡量指标还有很多，度数中心度和结构洞可能无法完全代表低碳创新合作网络结构指标；数字经济对中心度、结构洞与低碳创新绩效之间呈现的“倒U”型的影响起调节作用，但其他的因素、用何种方式进行调节或产生何种影响，如环境规制等，都是未来可进一步研究探索的问题。
参考文献
[1]杨震宁,侯一凡,李德辉, 吴 晨.中国企业“双循环”中开放式创新网络的平衡效应——基于数字赋能与组织柔性的考察[J].管理世界, 2021, 37(11): 184-205+12.
[2]Boschma R. Proximity and Innovation: A Critical Assessment [J]. Regional Studies, 2005, 39 (1): 61-74.
[3]罗映宇,朱国玮,钱无忌,等.人工智能时代的算法厌恶：研究框架与未来展望[J].管理世界, 2023, 39(10): 205-233.
[4]陈培祯,曾德明.网络位置、知识基础对企业新产品开发绩效的影响[J].管理评论,2019,31(11):128-138.
[5]王建平,吴晓云.网络位置、产品创新战略与创新绩效——以中国制造企业为样本[J].经济与管理研究,2020,41(01):131-144.
[6]李显君,钟领,王京伦,王巍.开放式创新与吸收能力对创新绩效影响——基于我国汽车企业的实证[J].科研管理, 2018, 39(01):45-52.
[7]夏丽娟,谢富纪,付丙海.邻近性视角下的跨区域产学协同创新网络及影响因素分析[J].管理学报,2017,14(12):1795-1803.
[8]刘微微,金英哲,毕克新.多维邻近性、创新开放度与合作创新绩效——基于网络演化视角[J].科研管理, 2023, 44(08):162-172.
[9]史金艳,杨健亨,李延喜,张启望. 牵一发而动全身：供应网络位置、经营风险与公司绩效[J].中国工业经济, 2019(09):136-154.
[10]韩峰,姜竹青.集聚网络视角下企业数字化的生产率提升效应研究[J].管理世界, 2023, 39(11): 54-77.
[11]刘畅,潘慧峰,李珮,冯雅欣. 数字化转型对制造业企业绿色创新效率的影响和机制研究[J]. 中国软科学, 2023, (04): 121-129.
[12]李婧婧,徐珂欣,付轼辉,庞鹏沙.长江经济带国家高新区如何实现绿色低碳发展: 基于TOE框架的组态研究[J].中国软科学,2024(02):94-103.
[13]徐建中,赵亚楠.基于J-SBM三阶段DEA模型的区域低碳创新网络效率研究[J].管理评论, 2021, 33 (02): 97 -107.
【本文系国家自然科学基金面上项目（双循环下区域低碳创新多重网络的形成机制、影响效应与平衡策略研究 72374090）阶段性研究成果。】
（杨朝均系昆明理工大学管理与经济学院教授；虞蕊娇系昆明理工大学管理与经济学院硕士研究生；孔令凯系昆明理工大学管理与经济学院讲师）