《Systems》：A Strategic Position for Green: The Impact of Green Innovation Network Centrality on Corporate Environmental Responsibility
编辑推荐：
在全球能源转型和绿色技术升级的双重压力下，企业环境责任（Corporate Environmental Responsibility, CER）日益依赖于企业间的互动，而非孤立的单企业资源。从系统视角出发，本研究关注新能源行业内企业间的绿色创新关联，其中知识扩
在全球能源转型和绿色技术升级的双重压力下，企业环境责任（Corporate Environmental Responsibility, CER）日益依赖于企业间的互动，而非孤立的单企业资源。从系统视角出发，本研究关注新能源行业内企业间的绿色创新关联，其中知识扩散、技术学习与治理信号共同由网络结构塑造。研究人员采用2018年第一季度至2023年第二季度中国52家上市新能源企业的季度面板数据，运用自适应弹性网络广义矩估计（Adaptive Elastic Net Generalized Method of Moments）方法，从面板数据的观测动态中重构绿色创新网络，并考察企业在网络中的位置如何影响其环境责任。结果表明，该网络呈现出清晰的核心-边缘溢出结构。当企业位于同一省份，且目标企业的绿色专利引用影响力较高、拥有更多具有环境背景的高管时，企业间联系更易形成。较高的网络中心性（Network Centrality, NC）与企业环境责任表现更好相关，尤其是在面临激烈市场竞争的企业、国有企业以及非重点环境监管单位中。这些发现表明，绿色创新网络能够缓解创新失衡，并强化新兴绿色产业中企业间的非正式治理机制。
在全球气候变化、资源枯竭和生态退化加剧的背景下，环境治理的紧迫性日益突出。新能源企业作为低碳能源系统的关键参与者和绿色革命的技术催化剂，其企业环境责任（Corporate Environmental Responsibility, CER）表现差异显著。现有研究主要从内部治理能力和外部监管环境两个角度解释CER，但较少关注企业嵌入的绿色创新系统中的结构性失衡问题。由于绿色创新具有高沉没成本、长研发周期和双重外部性特征，单一企业难以独立完成所需的资源和能力整合，因此企业间绿色创新网络的形成成为缓解创新失衡、促进知识扩散和非正式治理的重要机制。然而，现有研究通常基于地理邻近性、行业归属或专利合作数据预先定义网络关系，可能忽略了跨域的学习、模仿和溢出关系。为弥补这一空白，研究人员引入De Paula等（2020）的面板数据网络识别框架，重构企业间的潜在绿色创新网络。
研究人员利用2018年第一季度至2023年第二季度中国A股市场52家新能源上市公司的季度面板数据，以华证ESG季度评级中的环境得分度量CER，以绿色专利申请数的对数度量绿色创新水平。通过自适应弹性网络广义矩估计（Adaptive Elastic Net Generalized Method of Moments, AEN-GMM）方法，从绿色创新的内生扩散和企业特征的协同外生溢出中识别潜在的绿色创新网络。研究发现：绿色创新网络呈现明显的核心-边缘结构，核心企业（正泰电器、金风科技、先导智能）的绿色知识从核心向边缘扩散；网络形成受目标企业的绿色专利引用影响力、高管环境背景以及同省地理邻近性的显著影响；较高的网络中心性（Network Centrality, NC）能显著提升CER表现，且该效应在市场竞争激烈、国有企业和非重点环境监管单位中更为显著。研究发表在《Systems》。
主要关键技术方法包括：采用De Paula等（2020）提出的面板数据网络识别框架，结合自适应弹性网络广义矩估计（AEN-GMM）方法，从绿色创新的内生扩散和企业特征的外生溢出中识别企业间潜在的绿色创新网络。该方法避免了预先定义网络边界的限制，能够捕捉跨地理和行业边界的学习关系。样本来源为中国新能源行业52家A股上市公司，数据时段为2018年第一季度至2023年第二季度，面板数据频率为季度。
研究结果如下：
**4.1 绿色创新网络的结构与形成机制分析**
**4.1.1 网络结构可视化**
基于出度分析发现，正泰电器（601877）和中国核电（601985）具有最高出度，分别影响7家其他企业，表明其绿色创新活动产生较强的示范和学习效应。进一步采用Borgatti和Everett（2000）的离散核心-边缘模型识别网络位置。
**4.1.2 核心-边缘模型溢出机制**
核心-核心块密度最高（0.2628），核心-边缘块密度（0.0365）显著高于边缘-核心块密度（0.0043），表明绿色创新知识主要从核心企业向边缘企业扩散。正泰电器、金风科技和先导智能被识别为核心企业，其业务特点为技术接口和系统集成，促进了知识扩散。
**4.1.3 模拟核心节点冲击后的溢出效应**
通过对外生增加核心企业绿色创新水平10%的节点冲击模拟，发现与核心企业具有直接或两步溢出关系的企业绿色创新显著提升，而三步及以上距离的效应衰减。冲击强度增加时，平均增量上升但边际效应递减，反映了网络传输中的收益递减特征。
**4.1.4 绿色创新网络形成机制**
基于二元逻辑回归模型，逐步引入同质性变量、焦点企业特征和目标企业特征。结果表明，同省地理邻近性、目标企业绿色专利引用数量（NPC）以及目标企业高管环保背景数量（NEE）均显著正向影响网络联系的形成，说明企业选择学习伙伴时注重知识溢出能力和治理信号。
**4.2 网络中心性对CER的影响**
**4.2.1 描述性统计分析**
基于1092个季度观测，CER均值为66.6608，标准差为7.9669；NC（调和接近中心性）均值为0.3577，标准差为0.1584，表明样本企业在网络中的位置分布具有较强异质性。
**4.2.2 基准回归**
采用双向固定效应模型，将NC滞后一期。在逐步加入控制变量和固定效应后，NC的系数始终在至少10%水平上显著为正，支持假设H1：绿色创新网络中的接近中心性正向影响CER。
**4.2.3 稳健性和内生性检验**
替换核心解释变量为接近中心性（CC）、离心率（EC）和特征向量中心性（EVC）后，结果稳健；对连续变量进行1%和99%分位数缩尾处理、排除核心节点、剔除样本期首尾两季度、加入省级节能环保投入（PEEPI）等检验后，NC系数仍显著为正。为缓解反向因果，引入NC的二期和三期滞后，系数仍显著但随时间递减。
**4.2.4 异质性分析**
基于市场竞争（赫芬达尔指数HHI）、所有权性质和环保监管强度的分组回归及置换检验显示：NC对CER的正效应仅在高度市场竞争组、国有企业组和非重点环境监管单位组中显著。市场竞争加剧促使企业将网络优势转化为差异化资源；国有企业更强的风险承担能力有利于转化网络优势；非重点监管单位因正式监管较弱，更依赖网络中的非正式治理机制。
讨论部分总结指出：本研究揭示了绿色创新网络既是绿色知识扩散的渠道，也是影响企业环境责任履行的非正式治理结构。方法上，通过面板数据网络识别框架克服了传统方法预设网络边界的局限。实证上，提供了中国新能源行业企业网络位置影响CER的微观证据。核心企业的知识扩散能力取决于其在产业链中的技术接口和系统集成角色，网络形成具有能力识别和信号筛选特征。NC通过赋能企业获取互补知识、降低信息不对称和增强外部可见性，同时通过声誉压力和利益相关者监督提供激励，从而提升CER。在正式监管较弱的场景下，网络非正式治理起到补充作用。研究结论：利用2018年第一季度至2023年第二季度中国52家上市新能源企业的季度数据，本研究采用De Paula等（2020）的面板数据识别框架重构潜在绿色创新网络。结果表明，新能源企业的网络中心性（NC）对CER具有正向影响。绿色创新网络不仅是绿色知识扩散的载体，也是塑造企业环境行为的重要关系结构。具体而言，企业间绿色创新网络呈现显著的核心-边缘结构，绿色创新知识主要从核心企业向边缘企业扩散；网络联系的形成受目标企业绿色专利引用表现和高管环保背景的影响；较高的NC通过促进绿色知识获取、降低信息不对称和增强外部可见性，使企业更容易受到网络中相关行动者的非正式监督，从而提升CER。同时，NC对CER的影响是有条件的：在面临激烈市场竞争的企业、国有企业以及非重点环境监管单位中更为显著。这表明企业能否将绿色创新网络优势转化为环境责任表现，不仅取决于网络位置，还受到市场压力、所有权属性和监管强度的综合影响。总体而言，本研究通过强调绿色创新网络的结构性作用，将CER研究拓展至企业层面特征和正式监管压力之外。嵌入绿色创新网络的企业能够受益于企业间的知识扩散和非正式治理，从而塑造其CER表现。
