引言

随着全球对环境保护和可持续发展的关注度不断提高，绿色创新成为企业提升竞争力和实现可持续发展的关键。新能源汽车产业作为国家战略性新兴产业，其绿色创新能力尤为重要。近年来，数据作为第五大生产要素，数据要素市场化作为推动经济高质量发展的新引擎，对新能源汽车企业的绿色创新能力产生了深远影响。本文旨在通过构建科学的评价指标体系，深入分析数据要素市场化对新能源汽车企业绿色创新能力的影响机制，并提出相应的政策建议和企业策略。

一、文献综述

（一）数据要素市场化的研究现状

1. 数据要素市场化的概念

数据要素市场化市数据作为要素进行交易的场所。在这个市场里，数据就像是一种特殊的商品，可以被买卖、交换，甚至可以创造出巨大的价值。随着数字经济的快速发展，随着数据作为第五大生产要素，数据要素市场化变得越来越重要，能够赋能传统产业，激活更大的生命力。

2. 数据要素市场化的研究进展

国外对数据要素市场化的研究起步比较早，他们主要关注数据在经济活动中的作用，比如数据如何帮助企业在市场竞争中占据优势，数据如何影响企业的决策等。一些学者还研究了数据的法律问题，比如数据的所有权、数据的隐私保护等。例如，Goldfar和Tucker的研究表明，如果企业之间能够共享数据，那么它们在创新方面会更加高效，因为可以避免重复劳动，减少试错成本。

在国内，学者们主要关注数据要素市场化对经济发展的推动作用，以及如何通过政策来促进数据要素的流通和利用。比如，韩旭至等学者研究了数据确权的问题，他们认为，要让数据在市场上顺利流通，首先得明确数据的所有权，这就像是给每一块土地都标明归属一样，否则就容易出现纠纷。

3. 数据要素市场化的挑战与机遇

尽管数据要素市场化带来了许多机遇，但同时也面临着不少挑战。在数据交易过程中，如何确保数据不被泄露、不被滥用，这是一个亟待解决的问题。另外，数据的定价也是一个难题。数据的价值很难像普通商品那样简单地衡量，这就需要我们探索出一套合理的定价机制。

（二）绿色创新能力理论研究现状

绿色创新是一个比较宽泛的概念，不同的学者有不同的定义。绿色创新于1996年由Fussler和James最先提出，将绿色创新定义为能够减少污染排放，并为企业带来经济收益、为客户提供使用价值的新型技术产品。解学梅等学者认为绿色创新是指由新的或改良的产品、服务、工艺等构成的创新，既能显著降低对环境的负面影响，也能为客户和企业提供价值。总的来说，绿色创新是指企业在生产过程中，通过技术创新、管理创新等方式，减少对环境的负面影响，同时提高经济效益。

如何衡量企业的绿色创新能力也是一个重要的问题。目前，学者们主要采用两种方法来测度绿色创新能力：一种是基于专利的测度方法，通过分析企业的专利数量和质量来评估其创新能力；另一种是基于生产效率的测度方法，通过比较企业的生产效率和资源利用效率来评估其创新能力。这两种方法各有优缺点，需要根据具体的研究目的和数据情况来选择。

通过对现有文献的梳理，我们发现，尽管学者们在做了大量的研究，但仍然存在一些不足之处。首先，对于数据要素市场化与新能源汽车企业绿色创新能力之间的关系，目前的研究还不够系统。大多数研究只是从单一角度进行分析，缺乏综合考虑多种因素的协同作用。其次，对于绿色创新能力的测度方法，目前还没有一个统一的标准，不同的研究采用不同的方法，导致结果难以比较。最后，对于新能源汽车产业的政策支持，虽然有很多研究，但缺乏对政策实施效果的长期跟踪和评估。

二、数据要素市场化视角下新能源汽车企业绿色创新能力评价指标体系构建

（一）建立原则

指标体系的构建遵循科学性、数据可获得性、典型性和可比性原则。科学性确保指标体系符合客观规律；数据可获得性保证数据的真实性和可操作性；典型性突出指标的代表性；可比性则确保不同企业之间的横向比较和时间序列上的纵向比较。

（二）指标选取

在绿色创新投入水平方面，参考肖静,曾萍等人的做法选取R&D人员投入占比和R&D资金投入占比作为指标。在绿色创新能力产出水平方面，参考齐绍洲等人的做法选取当年独立获得的绿色发明数量与当年独立申请的发明数量之比作为绿色专利产出指标，同时引入ESG指数作为环境产出水平的衡量。在绿色创新能力支撑水平方面，参考陈文等人的做法从企业外部支撑和内部支撑两个维度进行考量，选取政府补助占总资产、数据要素市场化水平、总资产净利率、资产负债率和股权集中度作为指标。

（三）数据来源和样本选取

数据来源于国家统计《中国统计年鉴》、中国市场化指数数据库EPS数据库、万德数据库Wind和国泰安数据库CSMAR。选取2015-2023年中国30个省份的数据要素市场化相关数据，以及15家新能源汽车企业的财务和创新数据作为样本。

一级指标	二级指标	属性
市场规模	信息服务业从业人数	正
	信息服务业产值	正
	电信业务量	正
市场基础	光缆线路长度	正
	移动电话交换机容量	正
	移动电话基站数量	正
市场条件	互联网宽带接口端口数	正
	互联网域名数量	正
	互联网普及率	正
	互联网宽带接入用户数	正
市场环境	数据要素发展规划大数据政策发布次数	正
	数据治理和监管基础是否设立大数据管理局（中心）	正
	要素市场的发育程度	正

本文选用熵值法，对31个省（市）的数据要素市场化水平展开测度，熵值法是一种常用的客观赋权方法，通过分析指标所包含的数据信息量来确定权重，多用于多指标综合评价。

一级指标	二级指标	三级指标	指标权重
绿色创新投入水平	绿色创新人才投入	R&D人员投入占比	0.1218
	绿色创新资金投入	R&D资金投入占比	0.1275
绿色创新能力产出水平	绿色专利产出	当年独立获得的绿色发明数量/当年独立申请的发明数量	0.2209
	环境产出水平	ESG指数	0.1035
绿色创新能力支撑水平	企业外部支撑	政府补助占总资产	0.1548
		数据要素市场化水平	0.1512
	企业内部支撑	总资产净利率	0.0850
		资产负债率	0.0950
		股权集中度	0.0845

由以上评价指标权重分析结果可知（见表2），新能源汽车企业绿色技术创新能力评价中，绿色专利产出是最重要的两个指标，权重分别占比达到22.09%，位列第一。这表明在这15家新能源汽车企业中，绿色专利产出是新能源汽车企业绿色创新能力的重要体现。将指标权重代入测算出样本新能源汽车企业绿色创新能力水平，如表3所示。

企业名称	2015	2016	2017	2018	2019	2020	2021	2022	2023
广汽集团	0.2846	0.2978	0.3091	0.3399	0.3727	0.3589	0.3652	0.3665	0.3750
长城汽车	0.2639	0.2124	0.2430	0.2520	0.2723	0.2910	0.2952	0.3104	0.2896
比亚迪	0.2553	0.2709	0.2996	0.3226	0.3291	0.3449	0.3409	0.3815	0.6081
福田汽车	0.2467	0.2342	0.2222	0.2140	0.2120	0.2345	0.2505	0.3007	0.3087
上汽集团	0.2463	0.2547	0.2527	0.2589	0.2679	0.2655	0.2671	0.2792	0.3078
宇通客车	0.2299	0.2317	0.2302	0.2380	0.2384	0.2562	0.2461	0.2512	0.2730
长安汽车	0.2088	0.2166	0.2372	0.2716	0.2306	0.2077	0.2213	0.2222	0.2268
中通客车	0.2060	0.2129	0.2073	0.2052	0.2285	0.2500	0.2394	0.2177	0.2461
江淮汽车	0.1991	0.2067	0.2138	0.2409	0.2176	0.2180	0.2558	0.2358	0.2112
东风汽车	0.1967	0.1913	0.1871	0.1880	0.1864	0.2114	0.2107	0.2262	0.2346
潍柴动力	0.1879	0.2064	0.2102	0.2251	0.2301	0.2362	0.2521	0.2734	0.2849
安凯客车	0.1744	0.1748	0.1648	0.1716	0.1946	0.2055	0.1897	0.2146	0.1937
江铃汽车	0.2553	0.2544	0.2543	0.2448	0.2547	0.2216	0.2590	0.2896	0.3042
威孚高科	0.2385	0.2414	0.2534	0.2664	0.2724	0.2728	0.2590	0.2628	0.2864
赛力斯	0.2018	0.2129	0.2264	0.2312	0.2587	0.2603	0.2046	0.2314	0.2375
银轮股份	0.1875	0.1916	0.1970	0.2047	0.2239	0.2294	0.2181	0.2213	0.2248

四、数据要素市场化视角下新能源汽车企业绿色创新能力提升路径分析

（一）fsQCA方法

模糊集定性比较分析法（fsQCA）是一种适用于复杂因果关系分析的方法，能够识别不同条件组合对结果的影响。通过构建真值表和进行组态分析，可以发现导致特定结果的多种路径。

（二）变量校准

为了消除量纲对实验的影响，所有数据均经过标准化处理。本研究根据样本实际情况，将条件变量、结果变量设置3个定性锚点，参考徐广平等人的研究，将完全隶属标准设为0.95分位点，交叉点标准设为0.5分位点，完全不隶属标准设为0.05分位点。在样本校准过程中，样本的交叉点的值为0.5时，不能够纳入真值表内，因此本研究参考Fiss 等人的建议，将0.5调整为0.501。结果变量和条件变量的校准如表4所示。

表4 变量校准结果

变量名称	完全隶属	交叉点	完全不隶属
研发投入资金（RDI）	0.5375	0.2591	0.1891
研发投入人员（RDP）	0.4066,	0.1671	0.0875
企业环境责任（ESG）	0.8581	0.6439	0.4772
绿色高管认知（EGP）	0.6800	0.3343	0.001
政府资金（GOV）	0.4542	0.1398	0.0153
数据要素市场化水平（DATA）	0.7725	0.2475	0.0068
绿色创新能力水平（GREEN）	0.6390	0.2789	0.1933

经过单一变量必要性分析和真值表构建以后，本研究中将显著PRI间断点设置为0.7进行分析，研究得出的新能源汽车企业高绿色创新能力（GREEN）与非高创新绩效（～GREEN）的条件组态如下表5所示。其中，●与⨂表示核心条件，●表示边缘条件。

条件变量	高绿色创新能力组态（GREEN）
	H1	H2	H3
研发投入资金（RDI）		●
研发投入人员（RDP）	●	●
企业环境责任（ESG）			●
绿色高管认知（EGP）	●		●
政府资金（GOV）	●	●	●
数据要素市场化水平（DATA）	●	●	●
一致性	0.9593	0.9632	0.9356
原始覆盖度	0.3813	0.2705	0.3391
唯一覆盖度	0.1428	0.0035	0.0040
总体一致性		0.9345
总体覆盖度		0.6745

由表可以看出，提升新能源汽车企业绿色供应链创新能力的条件组态有3 种，整体解的一致性为0.9345，超过了一致性的阈值0.8，这可以充分说明在3种组态的案例中，有93.45%的新能源汽车企业有较高的绿色创新能力。组态结果的总体覆盖度为0.6745，说明这3种组态可以解释67.45%的案例样本。在产生高绿色创新能力的三种组态中，组态H1核心因素涉及研发投入资金。

在产生高绿色创新能力的三种组态中，组态H1核心因素涉及研发投入资金、政府资金支持、数据要素市场化水平，组态H2核心要素涉及研发资金投入，研发人员投入，高管绿色认知，政府资金支持和数据要素市场化水平，企业绿色供应链文化，组态H3的核心因素涉及企业环境责任，高管绿色认知，政府资金和数据要素市场化水平。同时，企业高管绿色认知和政府资金支持也在新能源汽车绿色创新能力提升的过程中发挥着至关重要的作用。因此新能源汽车企业要积极响应政策，发挥数据要素在生产过程中的“乘数”作用，提高创新能力和生产效率。

1.“技术-环境-组织驱动型”组态分析

组态H1是研发投入人员*政府资金支持*绿色高管认知*数据素市场化水平，该路径的一致性为0.9593，原始覆盖度为0.3813，说明该组态可以解释38.13%的案例。技术影响因素中的研发人员投入和环境影响因素里的政府支持和数据要素市场化水平在新能源汽车的绿色创新能力的升中起到了关键作用。

在企业规模较小时，增大对产品研发的技术投入和利用好政府的政策支持和资金，可以在绿色创新你方面做到显著提升，等企业发展到一定规模时候，再通过组织内部对于绿色生产的宣传来融入企业文化，做到由上至下的绿色生产。如广汽集团、东风汽车、比亚迪都可以用此条路径来解释。

2.“技术-环境驱动型”组态分析

组态H2研发投入资金*研发投入人员*政府资金*数据素市场化水平，该路径的一致性为0.9632，原始覆盖度为0.2705，这意味着该路径可以用来解释27.05%的案例。该路径表示研发资金和人员投入以及数据要素市场化水平是核心影响因素，研发投入资金和政府资金投入是边缘条件，缺少组织影响因素说明其为辅助性因素。

“技术-环境型”说明了企业在研发投入大，政府支持力度强的情况下可以弥补组织内部绿色创新的不足。该路径覆盖的典型企业案例有：福田汽车，江铃汽车等。福田汽车不断加快新能源汽车产品布局，目前已形成涵盖纯电、混动、氢燃料全技术路线、覆盖全场景的商用车全系产品矩阵。市场生态围绕人、车、货、场，以车联网、金融科技、大数据、互联网技术为基础，建立以客户为中心的智能互联生态，为客户提供全生命周期解决方案。

“技术-环境型”企业需要意识到企业组织内绿色生产意识天生的重要性，不仅为企业的可持续发展打下基础，还能促进企业绿色生产的融合发展。

3.“组织-环境驱动型”组态分析

组态H3为研发投入资金～研发投入人员*企业环境责任*高管绿色认知*政府资金*数据要素市场化，路径的一致性为0.9356，原始覆盖度为0.3391，说明此路径能够解释33.91%的案例。该路径表示企业环境责任和高管绿色认知以及数据要素市场化水平是核心影响因素，研发投入资金和政府资金投入为辅助性因素，该组表明在企业绿色研发资金和能力情况下，可以借助政策的支持、企业内部进行绿色生产，绿色创新，进行宣传普及，数据要素市场平台的建设来提升新能源汽车企业的绿色创新能力。能被该路径解释的企业案例有：上汽集团。2022年03月02日上汽集团为进一步整合创新研发资源，做强核心技术能力，提升整车开发效率，加快前瞻技术及创新工艺的布局和落地，促进整零共创开发。

（三）稳健性检验

为确保上述组态分析结果的可靠性和稳定性，本文调整显著PRI间断点的阈值为0.75，通过调整关键参数并重新分析数据，发现虽然某些条件变量的权重和重要性有所变化，但总体而言，组态结构保持相对稳定，核心条件和边缘条件的组合方式以及它们对绿色技术创新绩效的影响方向基本一致。这表明组态分析结果具有较强的稳健性，即认为结论可信。

五、结语

（一）研究结论

经过前面几章的详细分析和实验结果测度，得出了以下结论：

首先，数据要素市场化对新能源汽车企业的绿色创新能力有着显著的推动作用。换句话说，当一个地区的数据要素市场化水平越高，该地区的新能源汽车企业在绿色创新方面往往表现得更好。其次，通过“模糊集定性比较分析”（fsQCA）的方法，发现了三种能够帮助新能源汽车企业提升绿色创新能力的路径。第一种路径是“技术-环境-组织驱动型”，这条路径强调企业在技术投入、政府支持和数据要素市场化方面的努力，同时也需要企业高管对绿色创新有深刻的认识和重视。第二种路径是“技术-环境驱动型”，这条路径侧重于企业在技术研发和环境政策支持方面的投入，通过技术创新和政策扶持来推动绿色创新。第三种路径是“组织-环境驱动型”，这条路径则更注重企业在组织文化和环境责任方面的建设，通过营造良好的绿色创新文化和政策支持来提升创新能力。

研究得出结论：提升新能源汽车企业的绿色创新能力并不是靠单一因素就能实现的，而是需要多种因素协同作用，每个环节都至关重要。

（二）政策建议

1. 完善政策框架

政府在推动新能源汽车企业绿色创新方面扮演着重要角色。需要制定出一套完善的政策框架，让数据要素能够更好地在市场上流通和发挥作用。具体来说：明确数据产权：我们需要清楚地界定数据的所有权，让数据要素在市场上安全、高效地流转。规范数据交易：建立一套公平、公正、透明的数据交易规则，确保数据交易的合法性和安全性，防止数据泄露和滥用。促进数据共享：鼓励企业和政府部门之间共享数据，打破数据孤岛，让数据能够在不同主体之间自由流动，发挥更大的价值。

2. 加强政策支持

政府可以通过以下几种方式给予企业支持：继续对新能源汽车企业的绿色创新项目给予资金支持，特别是那些在电池技术、智能驾驶等关键领域进行研发的企业，帮助他们减轻研发成本的压力。通过降低企业的所得税、增值税等税负，鼓励企业加大研发投入鼓励金融机构为新能源汽车企业提供更多的信贷支持和风险投资，满足企业的融资需求，帮助他们更好地开展绿色创新项目。

3. 企业提升策略

增加研发投入，加大资金投入,企业应该将一定比例的营业收入用于研发，确保有足够的资金支持绿色创新项目。培养和引进人才,人才是创新的核心。企业需要吸引一批高素质的研发人才加入，同时加强对现有员工的培训，提升他们的专业技能。加强研发管理,建立一套完善的研发管理体系，提高研发效率和质量。确保创新的方向正确，避免走弯路。新能源汽车企业必须充分利用数据要素，提升生产效率和创新能力。企业需要建立一套完善的数据管理体系，确保数据的收集、存储、管理和分析都能高效进行。推动绿色文化建设，企业文化是企业的灵魂。让绿色创新成为企业的一种文化自觉。

4. 优化基础设施

新能源汽车的推广离不开完善的基础设施支持。政府需要做到以下几点：科学规划充电桩和换电站布局：根据城市的发展规划和新能源汽车的使用情况，合理布局充电桩和换电站，确保它们能够覆盖到城市的各个角落，方便消费者使用。提升充电设施的性能和效率：鼓励企业开展充电桩和换电站的技术创新，提高充电速度和安全性，减少消费者的等待时间。

（三）未来研究方向

虽然我们在本文中已经取得了一些研究成果，但数据要素市场化和新能源汽车企业绿色创新的研究仍然有许多值得深入探讨的地方。未来的研究可以从以下几个方向展开：

深入研究数据要素市场化机制。进一步探讨数据要素市场化的具体实施机制，以及不同地区和行业背景下数据要素市场化对企业绿色创新能力的差异化影响。因地制宜地制定政策，让其能够更好地发挥作用。

拓展研究视角。结合其他新兴技术如人工智能、区块链等，研究其与数据要素市场化对新能源汽车企业绿色创新能力的协同作用。对比国内外新能源汽车企业的绿色创新能力，取其精华，去其糟粕，取长补短，分析不同政策环境下的发展路径和经验教训，学习他们的优点，弥补自己的不足。

参考文献：

1. [1] 林镇阳,吴江,胡鑫,等. 数据要素市场中高质量数据集评价指标体系建设研究[J/OL]. 信息资源管理学报, 1-15 [2025-08-08]. https://link.cnki.net/urlid/42.1812.G2.20250730.0957.002.
2. [2] 王胜利,张笑笛. 数据要素助推全国统一大市场建设机制研究——基于创新要素流动视角[J/OL]. 陕西师范大学学报(哲学社会科学版), 1-12 [2025-08-08]. https://doi.org/10.15983/j.cnki.sxss.2025.0708.
3. [3] 韩旭至. 数据确权的困境及破解之道[J]. 东方法学, 2020(01):97-107.
4. [4] Fussler C, James P. Driving eco-innovation: A breakthrough discipline for innovation and sustainability[M]. Washington DC: Pitman publishing, 1996.
5. [5] 解学梅,罗丹,高彦茹. 基于绿色创新的供应链企业协同机理实证研究[J]. 管理工程学报, 2019, 33(03):116-124.
6. [6] 李培楠,赵兰香,万劲波. 创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J]. 科学学研究, 2014, 32(04):604-612.
7. [7] 毕克新,王禹涵,杨朝均. 创新资源投入对绿色创新系统绿色创新能力的影响——基于制造业FDI流入视角的实证研究[J]. 中国软科学, 2014(03):153-166.
8. [8] 马文聪,侯羽,朱桂龙. 研发投入和人员激励对创新绩效的影响机制——基于新兴产业和传统产业的比较研究[J]. 科学学与科学技术管理, 2013, 34(03):58-68.
9. [9] 李广培,李艳歌,全佳敏. 环境规制、R&D投入与企业绿色技术创新能力[J]. 科学学与科学技术管理, 2018, 39(11):61-73.
10. [10] 肖静,曾萍. 数字化能否实现企业绿色创新的“提质增量”?——基于资源视角[J]. 科学学研究, 2023, 41(05):925-935+960.
11. [11] 齐绍洲,林屾,崔静波. 环境权益交易市场能否诱发绿色创新?——基于我国上市公司绿色专利数据的证据[J]. 经济研究, 2018, 53(12):129-143.
12. [12] 陈文,常琦. 大数据赋能了企业绿色创新吗——基于国家级大数据综合试验区的准自然实验[J]. 财经科学, 2022(08):76-92.
13. [13] 郑国强,张馨元,赵新宇. 数据要素市场化能否促进企业绿色创新？——基于城市数据交易平台设立的准自然实验[J]. 上海财经大学学报, 2024, 26(03):33-48.
14. [14] 王家明,冯连勇,李波,等. 数据要素市场化配置效率的区域差异、动态演进与收敛性[J]. 统计与决策, 2023, 39(10):143-148.
15. [15] 钱丽,肖仁桥,陈忠卫. 我国工业企业绿色技术创新效率及其区域差异研究——基于共同前沿理论和DEA模型[J]. 经济理论与经济管理, 2015(01):26-43.
16. [16] 颜蒙,王超贤,张伟东. 中国分省份数据要素市场化发展指数构建与分析[J]. 新经济导刊, 2021(04):72-76.
17. [17] 郭金花,贾月琴,曹翠珍. 组态视角下数字经济发展影响区域绿色创新的驱动模式研究[J]. 运筹与管理, 2023, 32(12):208-213.
18. [18] 刘越男,任明,周文泓,等. 数据要素市场化推进力评价指标体系构建研究[J]. 图书情报知识, 2024, 41(05):16-24+35.
19. [19] 史丹. 数字经济条件下产业发展趋势的演变[J]. 中国工业经济, 2022(11):26-42.
20. [20] 郑威,陈辉. 数据要素市场化配置对城市经济韧性的影响：促进还是抑制?——基于数据交易平台设立的准自然实验[J]. 现代财经(天津财经大学学报), 2023, 43(12):78-92.