摘要:为达到经济发展与自然和谐共存的目标, 装备制造企业必须要通过低碳技术创新来改变原有的产品、工艺及能源消费结构来迎合低碳经济及市场发展需求, 实现可持续发展.本文采取定性和定量相结合的方法, 以装备制造企业为研究对象, 在理论研究的基础之上, 以能源消费结构作为中介变量, 以政府政策支持作为调节变量, 构建出低碳技术创新对企业绩效的影响关系模型, 并对其关系路径进行实证分析, 研究结果表明:低碳技术创新对装备制造企业绩效有着显着的正向影响;能源消费结构在低碳技术创新和企业绩效之间发挥部分中介作用;政府政策支持调节了低碳技术创新和企业绩效的关系, 即政府对低碳技术创新的政策支持越强, 企业的低碳技术创新意愿就越强烈, 企业绩效就会越好.
关键词:装备制造企业; 低碳技术创新; 企业绩效; 结构方程模型;
引言
低碳经济背景下企业间的竞争再度掀起了新的浪潮, 传统产业转型和新兴产业崛起, 低碳化生产、绿色运营、环境保护将成为全球经济新的话语权[1,2], 而作为国民经济发展之重要产业的装备制造企业, 近年来在为中国经济发展做出了巨大贡献的同时消耗了大量的能源、资源, 造成了环境的重大污染.因此, 为达到经济发展与自然和谐共存的目标, 装备制造企业必然要通过低碳技术创新来改变原有的产品、工艺及能源消费结构, 推动低碳技术创新的商业化扩散以迎合低碳经济及市场发展需求, 进而提高运营绩效.技术创新是一个国家实现创新驱动增长的重要力量, 是经济增长的重要决定因素[3].制造业是中国工业经济的主体, 制造业企业的能耗量占工业总能耗近90%[4,5], 而装备制造业相对于最终消费品制造业, 肩负着为国民经济进行简单再生产和扩大再生产提供技术装备, 对煤炭等化石能源消耗量最多, 经营成本中能源所占比重最高.此外, 张建宇[6]在研究企业创新形式与资源匹配性时指出企业拥有的资源基础和消耗的资源类型决定了创新形式的选择.所以装备制造企业进行低碳技术创新, 能够帮助企业减少能耗, 降低对环境的污染, 控制工业废气、废水的处理成本, 进而提高企业绩效.并且Mansikkasalo和S9derholm[7]研究表明发展低碳技术和推动低碳技术创新的商业化扩散是提高能源利用率进而实现节能减排目标的根本途径, 由此, 装备制造业企业进行低碳技术创新是顺应时代经济发展趋势.
本文基于前人研究基础上试图以能源消费结构作为中介变量, 以政府政策支持作为调节变量来探求装备制造企业低碳技术创新对企业绩效的影响.该研究在两方面具有现实意义:首先, 使管理者更加清楚低碳技术创新对企业绩效的影响程度和影响机理, 改变固有创新思维, 在低碳经济背景下的市场地位中赢得先机, 并给企业未来在低碳化产业市场经营发展过程中予以启示, 为提高企业绩效提供参考.其次, 通过探讨政府政策支持对装备制造企业低碳技术创新与企业绩效的影响程度, 可以为政府制定碳税优惠和低碳技术创新补贴等政策来保障制造企业进行低碳技术创新提供针对性的建议.
文献综述
全球金融危机爆发后, 发达国家已经明白虚拟经济抵御危机的能力远不如实体经济, 他们开始提出"再工业化"战略, 力图回归制造业, 重组格局, 增强国家综合竞争力.当前中国所有制造业行业中当属装备制造企业产业在国民经济中占有举足轻重的地位.然而在全球低碳经济发展盛行的当下, 制造业"高消耗、高污染、高排放"的行业特性使得自身发展将面临前所未有的困难与挑战.制造业企业要提高产业绩效, 实现低碳经济发展最直接的手段就是进行低碳技术创新[8].1998年中央经济工作会议明确提出大力发展装备制造业, 经过了几十年的高速发展, 已经形成了具有一定规模、门类丰富和技术水准相当的产业体系, 并且持续保持高增长.但是在世界各国高度重视全球气候变化, 提倡发展低碳经济的大背景下, 中国重点减排对象的制造业走"低碳化"和"低碳技术创新"的发展路径己是必然选择.
首先, "创新"这一概念被着名经济学家熊彼特提出以后, 相关的创新理论就应运而生.Tse[9]指出突破式创新和渐进式创新是组织技术创新的两大主要形式, 但是突破式创新对组织绩效的贡献要远远大于渐进式创新对组织绩效的贡献.随后, 唐未兵等[10]研究技术创新与经济增长方式转变关系时指出技术创新成为企业提高全要素生产率的一个重要举措, 通过促进技术进步实现经济增长的集约化发展.Ulrich[11]通过对论文、专利等分析指出技术创新模式因科技和需求不同的推拉主导因素而形成双驼峰模型.在技术创新理论发展的同时, 低碳技术创新的理论便应运而生, Hoffert等[12]认为低碳技术创新是以可再生资源技术为主的针对传统能源技术的突破性创新.能源技术的创新源于部分企业面对能源价格上升而欲控制成本, 便会增加节能技术的研发, 从而提高能源利用效率[13].Ockwell等[14]在研究中用阶段模型说明了发展中国家如果想从国外引进低碳技术至少需要六种要素.Wong等[15]研究指出低碳能源技术对技术精益求精的科学生态位的相对影响较大, 随着化石能源发展动力逐渐减弱, 低碳能源技术有利于促进新兴经济体的发展.从国际上众多学者的研究中不难发现, 低碳技术创新作为一种创新驱动模式, 实现了制造业发展过程中能源的节约、环境的保护以及人与自然的和谐发展.
其次, 低碳技术创新对制造业企业绩效的影响研究, 国内外学者做了很多探讨.国外众多学者研究指出产业和企业的低碳技术创新成为经济社会发展的助推器.Alphen等[16]将发达国家之间的低碳技术开发和应用情况进行了比较, 得出结论是低碳技术创新可以持续推动经济增长.Urry和John[17]通过将发达国家之间的低碳技术开发进行对比, 指出低碳技术创新是未来促进经济可持续性发展的最大动力, 认为持续性低碳技术创新和创新产出普及应用有利于提升企业绩效.Altman[18]研究指出企业的低碳创新一方面使形成新的发展思路, 拓宽了原有思路中只通过"三废"回收利用取得环境效益的单一途径;另一方面可以形成"技术补偿"效应, 推动企业生产过程中实现高技术降低能耗, 有助于企业绩效的提升和低碳创新成果的转化.Zhang[19]指出在环境恶化和资源危机的条件下, 制造业通过低碳技术创新来提高产业绩效, 实现低耗能、低排放的低碳运作模式.然而在内生经济视角下企业通过加强"硬"技术创新与进步改善能源效率, 以高效率低耗能的模式提升企业创新绩效[20].王祥祥[21]认为低碳技术创新对制造业碳排放过程实施控制和提高利用效率, 并从创新过程的角度指出低碳技术创新绩效分别表现为低碳研发绩效、低碳制造绩效和低碳营销绩效.
再次, 转型经济背景下大多数企业将面临通过技术创新来适应新环境, 并在政府政策制度的变革和企业自身行为演化之间进行大量的互动, 进而实现企业绩效的提升[22].中国装备制造企业进行低碳技术创新的障碍重重, 更是离不开政府政策性支持与引导.刘放等[23]研究指出在制度环境下, 政府的税收优惠政策有助于激励企业增加研发创新投入, 进而提升了低碳技术创新绩效.华锦阳[24]对制造业低碳技术创新的动力源研究并发现, 制造企业进行低碳技术创新的动力源有几大特征, 其根本就是追求经济利益和竞争优势, 低碳技术应用的产品经济性在低碳背景下可以更好的得到实现.有关政府政策调整和管制对制造企业低碳技术创新的影响研究中, Triebswetter和Wackerbauer[25]以德国汽车制造业为研究对象, 实证分析指出政府严格的环境管制压力和对绿色环境行为的倡导有助于企业采取环境创新行为, 并有效实现环境效益和经济效益的双赢.
国内已有很多学者对企业各层面的创新与企业绩效的关系进行深入研究, 而结果也不完全相同.通过对国内相关期刊文献的回顾, 发现国内学者普遍侧重研究低碳创新体系和区域创新的框架等内容较多[26].虽然国内外也有部分学者认为技术、管理、企业家领导力等创新都对企业绩效有正向影响[27,28], 但对于低碳技术创新与企业绩效的影响关系的研究并不多.Watson等[29]使用案例分析了中国横跨的三个制造业行业的低碳化生产情况, 指出中国制造业已经将低碳创新技术纳入自身战略管理之中, 同时中国在接受发达国家转让的低碳技术这将有利于提升企业绩效.此外, 在已有影响绩效的实证研究中, 大部分学者是以更为具体的碳捕获、碳封存等低碳技术为主体进行研究, 因此以装备制造企业为研究对象, 研究低碳技术创新是否能够影响企业绩效, 如果有影响, 又是如何影响, 这一研究结果对低碳技术创新相关理论完善有较大贡献, 并对促进制造企业低碳技术创新起到参考、指导作用.
综上所述, 国内外学者在制造企业低碳技术创新对企业绩效影响的相关研究, 企业能源效率、企业环境效益和企业绩效提升的相关研究, 以及对制造企业低碳技术创新绩效的影响因素等方面进行了论述并取得了丰富的成果.然而随着制造企业内外环境的动态变化, 单一化的进行低碳技术创新是难以显着性提高企业绩效, 为此, 有学者开始探讨低碳技术创新与企业绩效的边缘性影响因素, 主要从以下几方面展开: (1) 在研究视角方面, 国内外学者有关技术创新与企业绩效的研究已经比较成熟, 但是低碳层面的研究较少, 仅有的一些关于低碳技术创新的研究也是局限于专门生产低碳化产品的制造业企业, 对一些高污染、高耗能、高碳排放的制造企业如何进行低碳技术创新实现企业绩效提升的研究较少; (2) 在研究侧重点方面, 早期主要从企业经济增长的角度出发来研究低碳技术创新成效, 后来以突破性创新和渐进性创新两大形式来研究低碳技术创新, 现如今有关企业低碳技术创新的研究开始进行国际化综合研究, 并尝试进行系统且全面的探究; (3) 在研究方法方面, 现有文献很多采用阶段模型和PVAR模型等计量经济方法, 并选取中国省级面板数据来实证研究制造企业的能源效率与运营绩效的关系, 上述研究方法多侧重于低碳技术创新绩效的效率评价, 但无法对影响低碳技术与企业绩效的外生性因素进行检验; (4) 在研究要素方面, 现有的国内外研究范围多局限于单一层面的因素, 比如能源价格、环境效益、环境规制、竞争环境等外部层面因素, 或者企业技术进步、能源效率、产品特性、物流外包等内部层面因素, 而鲜有将各层面因素融入一个作用机制中进行研究.
因此, 本文基于国内外学者的研究基础, 以严谨的科学思维、创新的研究思路来探讨装备制造企业低碳技术创新对企业绩效的影响, 其主要贡献是对现有文献的补充和为装备制造企业未来战略规划提供理论参考价值.与以往研究相比, 本文的创新与独特之处在于: (1) 以低碳技术创新理论作为切入点, 以中国特色社会主义经济转型为研究背景, 选取以追求低耗能、高效率生产, 低碳化、绿色化运营的装备制造企业为研究对象来探讨了低碳技术创新对制造企业绩效的影响; (2) 有关影响制造企业绩效的前因变量研究中, 很少有学者能同时将低碳技术、政府政策、能源消费这三个不同概念的变量统一于一个研究体系中来分析其对企业绩效的影响, 本文拓展并深化低碳技术创新对企业绩效影响的多层作用机理; (3) 本文基于中国经济现状、制度环境及制造企业特征, 构建了以能源消费结构作为中介变量和政府政策支持作为调节变量的一个有中介的调节模型; (4) 运用结构方程模型和层级回归分析方法对本文提出的理论及研究假设进行了验证, 从不同维度分析了低碳技术创新对企业绩效的影响效果, 并根据研究结果有针对性地提出在低碳经济背景下如何提升装备制造企业绩效.
理论模型及研究假设
1、低碳技术创新对企业绩效的影响
低碳技术创新作为企业一种战略导向, 是进行低碳化生产运营的关键.当今世界倡导绿色产品, 并将低碳化指标作为企业绩效评价的又一新准则.装备制造业要突破这一系列瓶颈, 必须完善低碳技术政策、强化低碳创新团队、培育低碳技术人才、引进国外先进的低碳技术, 突破制约装备制造企业绿色化绩效的障碍, 探索中国装备制造业低碳技术创新的路径.此外, 企业绩效被认为是一个多维度的概念, 不同的研究会采用不同的测量方式, 绩效测量指标可以分为财务指标和非财务指标, 装备制造企业绩效不仅包括销售额增长率、利润率、资产回报率等经济性绩效而且也包括提供就业岗位、稳定社会秩序等社会性绩效.颉茂华等[30]为了研究环境技术创新对企业经营绩效的影响, 利用2008-2013年的深沪A股上市公司为研究样本, 实证研究R&D投入对企业经营绩效的影响, 结果表明企业在低碳技术上的R&D投入对经营绩效的影响存在一定的滞后作用.Carrión-Flores等[31]在研究美国制造企业绿色创新的环境绩效时以具有毒性的气体排放作为指标, 证实了绿色创新对环境绩效有一定作用.Chiou等[32]运用结构方程模型验证了绿色工艺创新能够通过改变环境绩效来提升企业竞争力.马文聪和朱桂龙等[33]以电子信息行业为研究对象探讨了供应商与客户参与低碳技术创新对企业创新绩效的影响, 结果表明二者参与企业的低碳技术创新均对企业创新绩效有显着的正向影响.
如今追求高端消费, 注重绿色化的市场经济环境下, 低碳技术创新某种意义上不仅使企业的环境治理成本降低, 同时提升了原有产品的质量.新技术和新的使用价值给消费市场带来的刺激将体现在消费市场对产品需求上的迅速膨胀, 此时低碳经济发展给终端消费市场传达的低碳消费影响将帮助企业的低碳技术创新产品在同期市场价格和需求量上处于优势地位, 在提升企业利润的同时增强了企业的创新成果产出.由此, 提出假设1:
H1:低碳技术创新对企业绩效两维度有显着正向影响.
H1a:低碳技术创新对企业经营绩效有显着正向影响;
H1b:低碳技术创新对企业创新绩效有显着正向影响.
2、低碳技术创新与能源消费结构的关系
煤炭能源因其低廉的价格成为装备制造企业生产所依赖的最主要的能源消耗资源, 但是煤炭从科学角度来讲是不可能转化为清洁能源的, 所以随着化石能源的减少和不可再生, 制造业的生产成本将越来越高.并且中国的装备制造企业大都沿用传统的生产设备, 其能源消费主要是以煤炭和石油为主.Shi和Lai等[34]通过对1994-2010年所有录入SCI和SSCI数据库方面的绿色技术和低碳技术创新的文献进行研究, 揭示了绿色和低碳技术创新的轨迹, 并指出发展中国家像中国等发挥着促进低碳技术创新的关键作用, 同时发展中国家的制造业企业又是促使绿色和低碳技术创新的主体.孙宁[35]在对制造业30个分行业碳排放的碳减排分解研究中指出能源结构的变化能够直接影响二氧化碳排放量, 在2004-2006年期间由于对制造业的能源消费结构没有坚持优化改革, 直接导致煤炭类化石能源消费比例增加, 二氧化碳的排放增加, 研究认为优化能源消费结构可以降低二氧化碳排放.郭丕斌等[36]指出企业以煤炭为主的能源消费结构只有通过技术创新才能实现实质性转变, 反过来能源消费供需结构的转变又进一步刺激低碳技术创新的发展.由此, 提出假设2:
H2:低碳技术创新对改变能源消费结构有积极正向影响作用.
3、能源消费结构对企业绩效的影响作用
政府所制定的制造企业碳排放标准将会给企业的生产方式及生产成本带来很大负担, 在市场转型初期快速适应发展需求, 以最快速度调整战略对策.随着低碳经济的发展, 装备制造企业若想改变原有化石能源消费结构, 在全新低碳制造领域占据一席之地, 最有效的途径就是开发清洁能源和低碳技术应用性创新, 从根本上改变装备制造企业生产过程中的能源消费结构, 实现降低企业能源消耗成本和环境治理成本一箭双雕的目的, 最终提升企业绩效.Kraft[37]早在上世纪70年代利用格兰杰因果检验方法分析了能源消费结构与经济增长的关系, 发现存在从GNP到能源消费之间的单向因果关系.世界发达国家的企业大多通过调整能源消费结构, 提高能源效率来实现企业绩效的提升.Never和Betz等[38]认为一国绿色产业薄弱, 化石燃料的财政权利比率较低将制约本国企业实际绿色产业业绩.Cantore[39]指出调整能源消费结构、提高能源效率、建立能源管理标准是提高制造企业能源使用效率和运营绩效的最佳途径.由此, 提出假设3:
H3:改变能源消费结构对企业绩效两维度有显着正向影响作用.
H3a:改变能源消费结构对企业经营绩效有显着正向影响作用;
H3b:改变能源消费结构对企业创新绩效有显着正向影响作用.
4、政府政策支持的调节作用
曹霞和张路蓬[40]在研究企业绿色技术创新扩散中构建了政府、企业与公众消费者三方的演化博弈模型, 利用Matlab仿真工具进行相关分析, 结果表明, 利益相关者的污染抵制措施在一定程度上促进绿色技术创新的扩散, 装备制造企业在政府适度的创新激励补偿措施下积极研发环保产品, 走低能源消耗之路.徐楚锟[41]以商业银行为例研究政府引导下的低碳融资, 发现与发达国家相比, 中国在推进企业低碳技术创新方面的主导力度不够, 对于能源消费高生产效率低的项目投资应更加严格审查把控, 研究结果表明要想大力推进中国低碳技术的发展, 政府作为主导, 应充分发挥引导作用, 引进民间资本形成中国低碳技术研发的主要动力.
陈文剑和黄栋[42]通过对国内外低碳技术创新的政策支持研究得出结论, 政府政策在推动低碳技术创新过程中, 无论是外部的资金、人才、平台投入, 还是内部资源要素的优化配置都是无法代替的角色.袁小量[43]在对低碳竞争力的动力要素研究中认为, 政府的政策支持与引导通过税收减免等优惠政策可以实现加速企业低碳技术创新、督促企业低碳相关制度、意识和文化的建立和形成, 并实证分析指出政策引导支持对企业低碳竞争力有显着正向影响.政府通过经济、法律、环境等方面政策性支持, 提高对低碳技术创新企业的补贴, 大力支持清洁能源项目的发展, 在项目合作、技术开发和资金支持多方面予以扶持, 企业通过低碳技术创新由高碳能源消费结构向清洁能源消费转变的愿望会越发强烈, 更愿意投入更多的研发人员和研发资金, 增强低碳技术创新的产出, 从而影响企业绩效.由此, 提出假设4和5:
H4:政府政策支持在低碳技术创新对企业绩效两维度的影响关系中有正向调节作用.
H4a:政府政策支持在低碳技术创新对企业经营绩效的影响关系中有正向调节作用;
H4b:政府政策支持在低碳技术创新对企业创新绩效的影响关系中有正向调节作用.
H5:政府政策支持在低碳技术创新对能源消费结构的影响关系中有正向调节作用.
本研究理论模型如图1:
图1 本研究理论模型图
研究设计
本文的研究目的是观察装备制造企业低碳技术创新对企业绩效的影响程度, 通过设计问卷形式来获得被调查者所提供的带有主观评价性特征的数据.此外学术界在对企业绩效的实证研究中不乏采用主观评价法的学者, 并有学者证实了其与客观数据的显着相关性.所以, 本文同在研究中和使用主观评价方法的学者一样, 采用了由中高层管理者和相关技术研究人员对企业绩效进行主观评价的方法来对本研究中的企业绩效水平进行评价[44].
本文以问卷调查的方式收集数据, 调查对象设定为装备制造企业中对本企业的低碳技术创新、能源消费结构、政府政策支持和企业绩效方面比较了解的中层以上管理人员和技术人员.本次问卷采用直接发放和间接发放两种形式向北京、辽宁、黑龙江等地装备制造企业发放380份, 直接向企业中层以上管理人员和技术人员发放的纸质版问卷共150份, 收回101份;以电子邮件形式共发送至企业管理人员及技术人员邮箱230份, 收回170份;问卷的回收率达到71.3%, 剔除无效问卷后还剩232份有效问卷, 并且回收问卷的有效率为85.6%, 问卷回收情况较好.本次问卷涉及的装备制造企业的性质及其规模分布都具有一定的代表性, 国有或国有控股63份, 占27.2%, 民营69份, 占29.7%, 外商独资39份, 占16.8%, 中外合资40份, 占17.2%, 其他企业21份, 占9.1%.调查问卷的人员中企业高管18份, 占7.8%, 项目经理39份, 占16.8%, 研发人员79份, 占34.1%, 技术管理人员45份, 占19.4%, 其他人员51份, 占21.9%.而本次问卷中涉及的装备制造企业规模上, 大型企业101份, 占43.5%, 中型92份, 占39.7%, 小型39份, 占16.8%.
本文采取对企业中高层管理者及技术人员发放问卷的方式, 以被测者的主观感知对企业的经营情况进行自我评价, 变量指标的测量采用李克特7级量表 (Likert scale) 对企业的低碳技术创新情况、能源消费结构、享受政府政策支持情况及企业绩效四个方面与同行业主要竞争对手相比, 从1到7进行打分, 分别表示从完全不同意到完全同意, 这种研究方法在管理学中对相关变量的关系研究普遍有效, 量表设计见表1所示.
表1 变量量表设计
数据分析
本文在前面的理论研究和实证研究的基础之上, 结合SPSS19.0数据分析软件运用AMOS17.0软件对低碳技术创新、能源消费结构、政府政策支持和企业绩效四个潜变量之间影响关系的理论模型进行了验证, 在检验过程中, 观察数据的拟合度和标准化路径来衡量模型的效度.本文基于大量数理统计方面的文献, 确定了信度、效度检验指标准则和拟合指数准则, 分别如表2、表3所示.
表2 信度检验指标及评价准则
表3 结构方程模型结构拟合指数指标及评价准则
1、信度检验
信度检验是为了检验模型中各变量内部一致性的高低, 本文调查问卷采用的是Likert 7点量表, 因此可以使用Cronbach'sα值作为信度检验参考值进行信度分析.问卷量表共包括4个潜变量, 21个观测变量, 首先对于问卷观测变量的评价则根据Bock和Kim[56]提出的CITC净化系数值来考察测量题项是否合理, 本文认为0.4是作为净化测量项目的可接受标准.分别对4个潜变量中的21个观测变量的信度系数进行分析, 发现低碳技术创新量表中的A4题项和政府政策支持量表中的C6题项的系数低于CITC>0.4的标准, 因此删除A4和C6两题项后再次运用spss19.0软件进行计算, 易见4个潜变量的Cronbach'sα系数在0.898-0.943之间均大于0.8;并且组合信度CR值介于0.76与0.87之间均大于0.7, 从检验结果如表4所示可以看出该问卷量表具有比较好的信度.
表4 各量表的Cronbach'sα系数
2、效度检验
表5的效度检验结果显示, 各个潜变量的观测变量因子载荷水平均都超过0.6且都达到显着性水平, 说明潜变量都具有较好的收敛效度;表6中其他潜变量相关系数均小于表5中的AVE平方根, 说明各个潜变量之间具有较好的区别效度.研究中各潜变量的量表均通过了信度与效度的检验, 可以进行对模型假设的下一步检验.
表5 量表的效度检验
表6 潜变量相关系数矩阵
综合以上分析可知, 本研究中样本数据的信度与效度都通过了检验, 符合下一步实证研究的条件.
实证结果检验
1、能源消费结构的中介作用检验
第一步, 不考虑中介变量能源消费结构, 仅检验自变量低碳技术创新与因变量企业绩效的路径系数, 分析结果如图2所示:
图2 低碳技术创新对企业绩效的影响关系模型
注:*表示p<0.05, **表示p<0.01, ***表示p<0.001, 下同.
从图中可以看出, χ/df为3.662<5;GFI、CFI、IFI、NFI的值分别为0.91、0.93、0.93、0.96均大于0.9;RMSEA值为0.067<0.08, 结果表明模型拟合程度较好.模型检验结果显示低碳技术创新与企业经营绩效之间的标准化路径系数为0.291, 在0.01水平下显着, 假设H1a得到验证;低碳技术创新与企业创新绩效之间的路径系数为0.343, 在0.001水平下显着, 假设H1b得到验证;因此, 假设H1得到验证.
第二步, 检验自变量低碳技术创新与中介变量能源消费结构的标准化路径系数, 结果如图3所示, χ/df为3.139<5;GFI、CFI、IFI、NFI分别是0.92、0.94、0.93、0.96均大于0.9;RMSEA值为0.061<0.08, 结果表明模型拟合程度较好.模型检验结果显示低碳技术创新与能源消费结构之间的标准化路径系数为0.472, 在0.01水平上显着, 假设H2得到验证.
图3 低碳技术创新对能源消费结构的影响关系模型
第三步, 检验中介变量能源消费结构与因变量企业绩效的标准化路径系数, 结果如图4所示, χ/df为3.045<5;GFI、CFI、IFI、NFI的指标值分别是0.92、0.91、0.94、0.92均超过0.9;RMSEA值为0.058<0.08, 结果表明模型拟合程度较好.模型检验结果显示能源消费结构与企业经营绩效之间的标准化路径系数为0.538, 在0.01水平上显着, 假设H3a得到验证;能源消费结构与企业创新绩效之间的标准化路径系数为0.475, 在0.001水平上显着, 假设H3b得到验证;
最后利用结构方程模型对中介变量能源消费结构做完全中介检验, 结果如图5所示, χ/df为2.045<5;GFI、CFI、IFI、NFI的指标值分别是0.94、0.96、0.97、0.94均大于0.9, 接近理想值1;RMSEA值为0.061<0.08, 结果表明模型拟合程度较好.检验结果表明企业经营绩效对低碳技术创新的回归标准化路径系数为0.213<0.291, 在0.05水平下显着, 企业创新绩效对低碳技术创新的回归标准化路径系数为0.199<0.343, 在0.001水平下显着, 由此可知低碳技术创新对企业创新绩效的影响大于对经营绩效的影响.能源消费结构作为中介变量在低碳技术创新对企业绩效的影响关系中起部分中介作用, 并且可以看出低碳技术创新通过能源消费结构的中介作用对企业经营绩效的间接影响大于直接影响 (0.471×0.534=0.252>0.213) , 说明能源消费结构在低碳技术创新对企业经营绩效的影响关系中起部分中介作用;低碳技术创新通过能源消费结构的中介作用对企业创新绩效的间接影响大于直接影响 (0.471×0.474=0.223>0.199) , 说明能源消费结构在低碳技术创新对企业创新绩效的影响关系中起部分中介作用.
图4 能源消费结构对企业绩效的影响关系模型
图5 结构方程模型及路径分析结果
2、政府政策支持的调节作用检验
(1) 政府政策支持在低碳技术创新对企业绩效两维度的影响关系中的调节效应层级回归结果如表7所示.模型1以企业经营绩效作为因变量, 引入自变量低碳技术创新, 从回归结果可以看出低碳技术创新对企业绩效在p<0.01水平下有显着正向影响, 进一步验证了假设H1a.随后在模型1的基础之上引入调节变量政府政策支持构建模型2, 回归结果显示调节变量政府政策支持的回归系数为0.547, 在p<0.001水平下显着, 随后在模型3中引入低碳技术创新和政府政策支持的乘积项, 对企业绩效的交互项回归系数为0.205, 在p<0.01水平下显着, 同时R由0.423增加到0.514, 模型整体解释力度逐渐增强, 说明政府政策支持在低碳技术创新对企业经营绩效的影响关系中起到了正向调节作用, 假设H4a得到验证.同理, 构建模型4以企业创新绩效作为因变量, 引入自变量低碳技术创新, 从回归结果可以看出低碳技术创新对企业绩效在p<0.5水平下有显着正向影响, 进一步验证了假设H1b.随后在模型4的基础之上引入调节变量政府政策支持构建模型5, 回归结果显示调节变量政府政策支持的回归系数为0.673, 在p<0.5水平下显着, 随后在模型6中引入低碳技术创新和政府政策支持的乘积项, 对企业绩效的交互项回归系数为0.212, 在p<0.01水平下显着, 同时R由0.564增加到0.737, 模型整体解释力度逐渐增强, 说明政府政策支持在低碳技术创新对企业创新绩效的影响关系中起到了正向调节作用, 假设H4b得到验证;
(2) 政府政策支持在低碳技术创新对能源消费结构的影响过程中的调节效应层级回归结果如表8所示.模型7以能源消费结构作为因变量, 引入自变量低碳技术创新进行回归分析, 回归系数为0.365, 在p<0.01水平下显着, 进一步验证了假设H2, 然后在第一步的基础之上引入调节变量政府政策支持构建模型8, 回归结果显示调节变量政府政策支持的回归系数为0.721, 在p<0.01水平下显着, 说明了调节变量政府政策支持同样对能源消费结构有显着正向影响, 随后在模型9中引入低碳技术创新和政府政策支持的乘积项, 对能源消费结构的交互项回归系数为0.198, 在p<0.5水平下显着, 同时R由0.553增加到0.682, 模型整体解释力度逐渐增强, 说明政府政策支持在低碳技术创新对能源消费结构的影响关系中起到了正向调节作用, 假设H5得到验证.
表7 政府政策支持对企业绩效两维度的调节效应的层级回归分析结果
表8 政府政策支持对能源消费结构调节效应的层级回归分析结果
结论与启示
装备制造企业以高耗能、高污染、高贡献的特点有别于其他制造企业, 为此, 在全球低碳经济盛行的情况下, 必须实施改进措施来达到降耗、减污、增效及可持续发展, 而低碳技术创新目前已被学术界和企业界一致认为是有效提高装备制造企业绩效的最可行和最有效的方式之一.本文基于文献研究的基础上, 以来自北京、辽宁、黑龙江等地区的装备制造企业的中高层管理者及技术研发人员作为调查研究对象, 通过精心回收整理数据, 采用定量化验证了低碳技术创新、能源消费结构、政府政策支持及企业绩效之间的影响关系, 得到以下几点结论:
首先, 低碳技术创新对装备制造企业绩效有着显着的正向影响作用.这是因为国家已经明确提出了未来对于低碳经济生活的倡导, 气候环境变化对人们的生活带来的困扰越发严重, 低碳经济背景下的低碳生活已不再是一纸空谈.一旦低碳技术创新所带来的低碳产品及工艺涌入市场, 将会很快影响甚至改变市场的需求, 改变人们的消费习惯, 这将在低碳经济背景下实现熊彼特提出的创造一个全新市场的概念.企业持续推进低碳技术应用于产品、工艺等生产环节的技术创新, 借助于新产品在性能、用途等方面的重大改进, 及时响应以至创造市场需求, 赢得产品的市场定价主动权, 可以实现其收入及利润的稳定增长.
其次, 低碳技术创新对企业绩效的正向提升部分通过能源消费结构的中介影响.这表明低碳技术创新对企业绩效, 既存在低碳技术创新-企业绩效的直接效应, 也存在低碳技术创新-能源消费结构-企业绩效的间接效应.还表明低碳技术创新与企业绩效之间很有可能还存在其他的中介变量, 这为今后的继续研究提供了新思路.因此, 装备制造企业应逐渐改变对原有化石能源消费的依赖, 转向清洁能源和可再生能源, 从而降低单位产品的碳排放, 这将有助企业在政府碳税等相关法律法规出台后降低因二氧化碳排放超标等规定给企业带来的附加成本, 同时技术优势将会增加企业的核心竞争力, 保证企业可观的利润.
最后, 政府政策支持对低碳技术创新和企业绩效有正向调节作用, 即政府对低碳技术创新的政策支持越强, 企业的低碳技术创新意愿越强烈, 绩效就越好.近年来政府倡导全民追求低碳化生活, 并且低碳技术几乎可以涵盖国民经济发展的所有支柱产业, 所以建立低碳经济发展模式和低碳社会消费模式是政府未来的目标.发展低碳经济, 科学决策是前提, 技术创新是关键, 资金投入是保障, 全员参与是核心.政府应整合社会各种资源, 以政策鼓励调动各方面的积极性, 建立激励和明确政策法规.同时低碳技术的推广也需要全面动员, 政府要鼓励全民参与科技创新, 依靠科技进步, 推动经济社会发展向低碳方向转型.
根据本文对低碳技术创新对企业绩效影响的研究结论, 可以为企业尤其是装备制造企业的运营战略制定提供一些思考:首先, 企业应加强对低碳技术的引进、消化、吸收和自我研发, 逐步实现车间生产等关键领域都能运用低碳技术, 加强技术研发人员的科研培训, 甚至选派高级研发人员赴国外学习新的低碳技术;其次, 企业的高层管理者能清晰的明白低碳技术创新影响企业绩效的过程中还受哪些因素的制约, 为今后管理实践做出理论铺垫;最后, 政府机构应制定合理的碳税等措施来保障制造企业持续进行低碳技术创新, 进而实现企业绩效的大幅提升.
本研究也存在一些不足之处:第一, 设计量表来测量低碳技术创新对企业绩效的影响时, 仅仅考虑了能源消费结构和政府政策支持, 虽然信度与效度检验都符合研究标准, 但是这几个指标是不能全面覆盖本研究的所有方面, 有待进一步研究;第二, 本次调查研究所收集的有效问卷数量偏少, 对研究结果的支持性可能受限, 所以, 未来的研究需要建立在更大规模上进行调查;第三, 经济新常态下, 中国制造2025涵盖五大工程, 本文仅仅以绿色制造工程作为切入点进行研究, 涉及的领域狭窄, 其研究结果也不具普适性.因此, 本研究建议未来学者能对高端装备创新工程等五大工程和先进轨道交通装备等十大领域进行相关研究, 真正意义上实现中国制造2025的宏伟目标.
参考文献
[1]Guo X.J.The Influence of Low-carbon Economy on Global Trade Pattern[J].Physics Procedia, 2012, 25 (22) :1676-1681
[2]倪外.低碳经济发展的全球治理与合作研究[J].世界经济研究, 2012, (12) :10-17
[3]陈力田.企业技术创新能力演化研究述评与展望:共演和协同视角的整合[J].管理评论, 2014, 26 (11) :76-87
[4]Li X.Z., Liu Z.Y.Analysis of the Effect of FDI on Carbon Emission of China's Manufacturing Industry[J].International Business, 2013, 21 (1) :29-41
[5]Zhao Y., Ke J., Ni C.C., et al.A Comparative Study of Energy Consumption and Efficiency of Japanese and Chinese Manufacturing Industry[J].Energy Policy, 2014, 70 (7) :45-56
[6]张建宇.企业探索性创新与开发性创新的资源基础及其匹配性研究[J].管理评论, 2014, 26 (11) :88-98
[7]Mansikkasalo A., S9derholm P.Energy Efficient and Low-Carbon Technology in Process Industries:Innovation, Diffusion and the Role of Public Policy[J].European Energy Market, 2012, 10 (9) :1-8
[8]Bi K., Huang P., Ye H.Risk Identification, Evaluation and Response of Low-Carbon Technological Innovation under the Global Value Chain:A Case of the Chinese Manufacturing Industry[J].Technological Forecasting&Social Change, 2015, 100 (4) :238-248
[9]Tse D.K.The Effects of Strategic Orientations on Technology and Market-Based Breakthrough Innovations[J].Journal of Marketing, 2005, 69 (2) :42-60
[10]唐未兵, 傅元海, 王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究, 2014, 49 (7) :31-43
[11]Ulrich Schmoch.Double-Boom Cycles and the Comeback of Science-Push and Market-Pull[J].Research Policy, 2007, 36 (7) :1000-1015
[12]Hoffert M.I., Caldeira K., Benford G., et al.Advanced Technology Paths to Global Climate Stability:Energy for a Greenhouse Planet[J].Science, 2002, 298 (5595) :981-987
[13]查冬兰, 司建松, 周德群.中国工业部门能源与非能源替代弹性研究--基于多弹性测度方法[J].管理评论, 2016, 28 (6) :180-191
[14]Ockwell D.G., Watson J., Mackerron G., et al.Key Policy Considerations for Facilitating Low Carbon Technology Transfer to Developing Countries[J].Energy Policy, 2008, 36 (11) :4104-4115
[15]Wong C.Y., Keng Z.X., Mohamad Z.F., et al.Patterns of Technological Accumulation:The Comparative Advantage and Relative Impact of Asian Emerging Economies in Low Carbon Energy Technological Systems[J].Renewable&Sustainable Energy Re-views, 2016, 57:977-987
[16]Alphen K.V., Hekkert M.P., Turkenburg W.C.Accelerating the Deployment of Carbon Capture and Storage Technologies by Strengthening the Innovation System[J].International Journal of Greenhouse Gas Control, 2010, 4 (2) :396-409
[17]Urry, John.A low-carbon Economy and Society[J].Engineering Sciences, 2013, 20 (3) :372-387
[18]Altman M.When Green isn't Mean:Economic Theory and the Heuristics of the Impact of Environmental Regulations on Competitiveness and Opportunity Cost[J].Ecological Economics, 2001, 36 (1) :31-44
[19]Zhang J.A Study of Low Carbon Enterprises[C].Management Science and International Conference on.IEEE, 2011:Operation Model of Manufacturing Industrial Engineering (MSIE) , 2011
[20]冯烽.内生视角下能源价格、技术进步对能源效率的变动效应研究--基于PVAR模型[J].管理评论, 2015, 27 (4) :38-47
[21]王祥祥.全球价值链下中国制造业低碳技术创新绩效及影响因素[D].哈尔滨理工大学硕士学位论文, 2014
[22]Delmas M.A., Toffel M.W.Organizational Responses to Environmental Demands:Opening the Black Box[J].Strategic Management Journal, 2008, 29 (10) :1027-1055
[23]刘放, 杨筝, 杨曦.制度环境、税收激励与企业创新投入[J].管理评论, 2016, 28 (2) :61-73
[24]华锦阳.制造业低碳技术创新的动力源探究及其政策涵义[J].科研管理, 2011, 32 (6) :42-48
[25]Triebswetter U., Wackerbauer J.Integrated Environmental Product Innovation in the Region of Munich and its Impact on Company Competitiveness[J].Journal of Cleaner Production, 2008, 16 (14) :1484-1493
[26]陆小成, 刘立.基于科学发展观的区域低碳创新系统架构分析与实现机制[J].中国科技论坛, 2009, (6) :32-36
[27]West M.A., Farr J.L.Innovation at Work:Psychological Perspectives[J].Social Behaviour, 1989, 4 (1) :15-30
[28]孙彪.基于资源依赖观的合作双元能力对联盟创新绩效的影响研究[J].管理评论, 2017, 29 (11) :98-105
[29]Watson J., Byrne R., Ockwell D., et al.Lessons from China:Building Technological Capabilities for Low Carbon Technology Transfer and Development[J].Climatic Change, 2015, 131 (3) :387-399
[30]颉茂华, 王瑾, 刘冬梅.环境规制、技术创新与企业经营绩效[J].南开管理评论, 2014, 17 (6) :106-113
[31]Carrión-Flores C.E., Innes R.Environmental Innovation and Environmental Performance[J].Journal of Environmental Economics&Management, 2010, 59 (1) :27-42
[32]Chiou T.Y., Chan H.K., Lettice F., et al.The Influence of Greening the Suppliers and Green Innovation on Environmental Performance and Competitive Advantage in Taiwan[J].Transportation Research Part E Logistics&Transportation Review, 2011, 47 (6) :822-836
[33]马文聪, 朱桂龙.供应商和客户参与技术创新对创新绩效的影响[J].科研管理, 2013, 34 (2) :19-26
[34]Shi Q., Lai X.Identifying the Underpin of Green and Low Carbon Technology Innovation Research:A Literature Review from1994 to 2010[J].Technological Forecasting&Social Change, 2013, 80 (5) :839-864
[35]孙宁.依靠技术进步实行制造业碳减排--基于制造业30个分行业碳排放的分解分析[J].中国科技论坛, 2011, (4) :44-48
[36]郭丕斌, 周喜君, 李丹.煤炭资源型经济转型的困境与出路:基于能源技术创新视角的分析[J].中国软科学, 2013, (7) :39-46
