研究成果：基于机器学习的重污染企业绿色创新绩效影响因素研究
作者：王晓岭
发表期刊：科研管理
期刊级别：FMS T1
发表时间：2025年8月
摘要：作为我国环境治理的重点领域，重污染企业绿色创新绩效的提高对于加快促进工业绿色转型发展具有重要促进作用。本文首先基于制度理论与资源基础观构建重污染企业绿色创新绩效影响因素分析框架，并采用机器学习XGBoost（eXtreme Gradient Boosting）模型预测企业绿色创新水平。在此基础上，进一步利用基于博弈论的可加性解释模型SHAP（Shapley Additive exPlanations）明确各个特征变量对企业绿色创新绩效的影响程度和作用方向。基于2011—2021年重污染行业上市公司的实证分析表明：外部环境、企业特征和公司治理维度对重污染企业绿色创新绩效具有关键影响。其中，市场型环境规制和企业规模是驱动绩效提升的最重要因素，体现出了外部制度环境和规模效应在创新中的关键作用。同时，机构投资者持股比例、前十大股东持股比例、企业年龄、市场价值、公众关注度、命令控制型环境规制以及政府补贴等次要因素的作用效果进一步强调了股权结构、市场表现以及外部激励对绿色创新的重要影响。值得注意的是，命令控制型环境规制表现出对绿色创新的抑制效应，说明强制性政策工具在激励创新的效率和灵活性方面有待提高。基于上述发现，本文进一步提出加快促进我国重污染企业绿色创新能力提升的治理对策与优化建议。