摘 要： 綠色創(chuàng)新是實(shí)現(xiàn)“雙碳”目標(biāo)的關(guān)鍵驅(qū)動(dòng)力，如何有效提升企業(yè)綠色創(chuàng)新水平成為學(xué)界和業(yè)界關(guān)注的焦點(diǎn)?；谖覈?guó)2011—2021年A股重污染行業(yè)上市公司數(shù)據(jù)，以企業(yè)內(nèi)外部激勵(lì)機(jī)制為切入點(diǎn)，采用隨機(jī)森林模型，深入分析政府補(bǔ)助、高管激勵(lì)對(duì)企業(yè)綠色創(chuàng)新的影響。研究結(jié)果表明：政府補(bǔ)助和高管激勵(lì)對(duì)綠色創(chuàng)新均有預(yù)測(cè)作用，但其作用弱于企業(yè)自身的特征指標(biāo)；政府補(bǔ)助與高管股權(quán)激勵(lì)有助于促進(jìn)企業(yè)綠色創(chuàng)新，而高管薪酬激勵(lì)則與企業(yè)綠色創(chuàng)新呈顯著負(fù)相關(guān)關(guān)系；相較于非國(guó)有企業(yè)，國(guó)有企業(yè)的綠色創(chuàng)新活動(dòng)更加依賴政府扶持，且高管激勵(lì)政策的激勵(lì)作用相對(duì)有限。研究不僅拓展了機(jī)器學(xué)習(xí)方法在綠色創(chuàng)新影響因素研究領(lǐng)域的應(yīng)用，也為政府完善扶持政策和企業(yè)優(yōu)化高管激勵(lì)制度提供了有益的參考。

關(guān)鍵詞： 政府補(bǔ)助；高管激勵(lì)；綠色創(chuàng)新；隨機(jī)森林

中圖分類號(hào)： F 272

文獻(xiàn)標(biāo)志碼： A

Research on the Impact of Government Subsidies and ExecutiveIncentives on Green Innovation of Enterprises： Empirical EvidenceBased on Random Forest Model

Abstract： Green innovation is a crucial driving force for achieving carbon peak and carbon neutrality goals. The issue of how to effectively promote enterprise green innovation performance has become the focus of attention in academic and industry circles. Based on the data of A-shared listed companies in heavily polluting industries in China from 2011 to 2021， this study takes the internal and external incentive mechanisms of enterprises as the entry point and employs the Random Forest model to thoroughly analyze the impact of government subsidies and executive incentives on green innovation of enterprises. Results show that both government subsidies and executive incentives exhibit predictive effects on green innovation， but their effects are weaker than the enterprises’ fundamental indicators. Government subsidies and executive equity incentives facilitate green innovation of enterprises， while executive compensation incentives are negatively correlated with green innovation; Compared with non-state-owned enterprises， state-owned enterprises’ green innovation activities tend to rely more heavily on government supports， and the promotion effect of executive incentive policies in these enterprises is relatively limited. This study not only expands the application of machine learning methods in exploring the determinants of green innovation， but also provides useful insights for governments to enhance supportive policies and enterprises to optimize executive incentive systems.

Key words： government subsidies; executive incentives; green innovation; Random Forest

0 引言

隨著全球氣候變化問題日益嚴(yán)峻，減少溫室氣體排放已成為國(guó)際社會(huì)的共識(shí)。2020 年9月22日，中國(guó)政府在第七十五屆聯(lián)合國(guó)大會(huì)上鄭重承諾，將力爭(zhēng)于2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和。綠色創(chuàng)新是我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)的重要引擎，也是產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)在要求。尤其是重污染行業(yè)，迫切需要加快節(jié)能降碳先進(jìn)技術(shù)的研發(fā)和應(yīng)用推廣。然而，綠色創(chuàng)新具有研發(fā)周期長(zhǎng)、投資規(guī)模大和收益不確定等特點(diǎn)，且區(qū)別于傳統(tǒng)的技術(shù)創(chuàng)新，綠色創(chuàng)新具有典型的“雙重外部性”特征（汪明月等，2021）。一方面，企業(yè)的綠色創(chuàng)新活動(dòng)具有正外部性，由于知識(shí)的溢出效應(yīng)，率先進(jìn)行研發(fā)的企業(yè)需要承擔(dān)所有成本，但難以獲得全部收益，這在很大程度上挫傷了創(chuàng)新主體的積極性；另一方面，企業(yè)的排污行為具有負(fù)外部性，污染排放市場(chǎng)定價(jià)機(jī)制的不健全導(dǎo)致企業(yè)排污的私人成本低于社會(huì)成本，從而出現(xiàn)過度排放現(xiàn)象。因此，如何有效激發(fā)企業(yè)的綠色創(chuàng)新動(dòng)力是當(dāng)前亟待解決的問題。

綠色創(chuàng)新的培育不能簡(jiǎn)單依靠企業(yè)自身的資金支撐，還需要依靠政府的財(cái)政補(bǔ)貼和政策支持。政府補(bǔ)助可以有效緩解市場(chǎng)失靈，為企業(yè)的研發(fā)活動(dòng)直接提供資金，降低了綠色創(chuàng)新的成本，并增強(qiáng)了企業(yè)對(duì)綠色創(chuàng)新風(fēng)險(xiǎn)的容忍度（方先明和胡丁，2023）。政府補(bǔ)助還具有信號(hào)傳遞作用，方便為企業(yè)爭(zhēng)取到更多的外部融資渠道（蔣榕湄和陳貴松，2022）。但也有部分研究指出，由于尋租行為或信息不對(duì)稱現(xiàn)象等的存在，政府補(bǔ)助可能會(huì)對(duì)企業(yè)綠色創(chuàng)新產(chǎn)生“擠出效應(yīng)”（Wu等，2022）。從企業(yè)內(nèi)部激勵(lì)機(jī)制來看，高管團(tuán)隊(duì)作為企業(yè)經(jīng)營(yíng)管理的主導(dǎo)者，在綠色創(chuàng)新投入的金額、類型和方向等重大問題上起到?jīng)Q定性作用，但其通常表現(xiàn)出較強(qiáng)的風(fēng)險(xiǎn)規(guī)避傾向。合理的薪酬或股權(quán)設(shè)計(jì)有助于優(yōu)化公司治理結(jié)構(gòu)，降低委托代理理論下的高管短視行為和自利行為，從而督促管理層積極履行環(huán)境治理責(zé)任（王京等，2023）。此外，也有少數(shù)學(xué)者得出了不一樣的結(jié)論，認(rèn)為高管激勵(lì)對(duì)企業(yè)創(chuàng)新績(jī)效具有抑制作用（王延霖和郭曉川，2020），或者兩者之間存在倒“U”型關(guān)系（宋艷梅和葛玉輝，2020）。

以往研究大多基于線性回歸模型圍繞政府補(bǔ)助或高管激勵(lì)與企業(yè)綠色創(chuàng)新因果推斷進(jìn)行分析，鮮有研究從預(yù)測(cè)角度出發(fā)，綜合考慮企業(yè)內(nèi)外部的綠色創(chuàng)新激勵(lì)機(jī)制。綠色創(chuàng)新是一項(xiàng)動(dòng)態(tài)的復(fù)雜系統(tǒng)工程，傳統(tǒng)的回歸方法難以準(zhǔn)確刻畫變量間的復(fù)雜非線性關(guān)系，也無法量化并識(shí)別影響企業(yè)綠色創(chuàng)新的關(guān)鍵因素。機(jī)器學(xué)習(xí)作為一種新興的統(tǒng)計(jì)工具，已被運(yùn)用于價(jià)格預(yù)測(cè)（Li等，2023）、信用評(píng)級(jí)（Krivorotov，2023）和財(cái)務(wù)舞弊（劉云菁等，2023）等領(lǐng)域研究。其中，隨機(jī)森林對(duì)異常值和噪聲有很好的容忍度，且預(yù)測(cè)精度較高，是目前使用最廣泛的機(jī)器學(xué)習(xí)算法之一（季晨洋和林杰，2023）。

基于此，本文利用2011—2021年我國(guó)重污染行業(yè)上市公司的數(shù)據(jù)，運(yùn)用隨機(jī)森林模型，分析了政府補(bǔ)助與高管激勵(lì)對(duì)企業(yè)綠色創(chuàng)新的影響。與以往文獻(xiàn)相比，本文的主要貢獻(xiàn)體現(xiàn)在：（1）將政府補(bǔ)助、高管激勵(lì)與綠色創(chuàng)新納入統(tǒng)一框架進(jìn)行研究，結(jié)合外部政府扶持和內(nèi)部戰(zhàn)略決策者激勵(lì)的雙重維度，豐富了綠色創(chuàng)新影響因素的研究視角；（2）采用前沿的機(jī)器學(xué)習(xí)方法，構(gòu)建了對(duì)企業(yè)綠色創(chuàng)新解釋能力更強(qiáng)且預(yù)測(cè)精度更高的模型，有效彌補(bǔ)了傳統(tǒng)線性模型的局限性，為面向非線性因素間的因果分析與驗(yàn)證提供了新的解決思路和方法；（3）探討不同激勵(lì)政策對(duì)于預(yù)測(cè)企業(yè)綠色創(chuàng)新的重要程度及其預(yù)測(cè)機(jī)制，并針對(duì)不同股權(quán)性質(zhì)的企業(yè)進(jìn)行了深入分析，研究結(jié)論對(duì)于提升我國(guó)企業(yè)綠色創(chuàng)新活力有重要的參考價(jià)值。

1 研究設(shè)計(jì)

1.1 研究樣本與數(shù)據(jù)來源

本文選取2011—2021年我國(guó)深滬A股重污染行業(yè)的上市企業(yè)作為初始研究樣本。重污染行業(yè)的認(rèn)定依據(jù)為中國(guó)證監(jiān)會(huì)2021年修訂的《上市公司行業(yè)分類指引》。所有數(shù)據(jù)均來自國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)。在剔除ST和*ST類財(cái)務(wù)異常的公司及觀測(cè)值數(shù)據(jù)缺失的樣本后，最終得到1183家重污染企業(yè)的7667個(gè)有效觀測(cè)樣本。

本文的被解釋變量為綠色創(chuàng)新，采用企業(yè)當(dāng)期綠色專利申請(qǐng)總量加1后取自然對(duì)數(shù)來衡量。核心解釋變量是政府補(bǔ)助和高管激勵(lì)，借鑒黃鐘儀（2023）的做法，管理層常用的兩種激勵(lì)方式包括薪酬激勵(lì)和股權(quán)激勵(lì)。與此同時(shí)，參考方先明和胡?。?023）以及王京等（2023）的研究，本文選取企業(yè)規(guī)模、盈利能力、財(cái)務(wù)杠桿、企業(yè)成長(zhǎng)性、經(jīng)營(yíng)現(xiàn)金流、企業(yè)年齡、股權(quán)集中度、兩職合一和董事會(huì)規(guī)模作為企業(yè)層面的控制變量。上述所有變量的具體定義和統(tǒng)計(jì)性描述詳見表1。

1.2 隨機(jī)森林模型

隨機(jī)森林（Random Forest， RF）是一種基于決策樹的集成學(xué)習(xí)算法，適用于分類和回歸問題。與單個(gè)決策樹相比，隨機(jī)森林不僅能夠最大限度地提高預(yù)測(cè)準(zhǔn)確性，而且還具有較好的處理高維數(shù)據(jù)和非線性關(guān)系、避免過度擬合等優(yōu)點(diǎn)。隨機(jī)森林的核心思想是基于隨機(jī)采樣和隨機(jī)特征選擇的原理構(gòu)建多個(gè)決策樹模型，并進(jìn)行集成。具體而言，隨機(jī)森林采用Bootstrap采樣方法從原始數(shù)據(jù)集合中有放回地抽取樣本，構(gòu)建多個(gè)不同的訓(xùn)練數(shù)YHqVW+nU4fmCAeYpxuHVFg==據(jù)集。然后，在每個(gè)決策樹的節(jié)點(diǎn)上，隨機(jī)森林只考慮部分特征的子集進(jìn)行分裂，這種隨機(jī)性的引入提高了整個(gè)模型的泛化能力。針對(duì)本文涉及的回歸問題，模型的最終預(yù)測(cè)結(jié)果由所有決策樹預(yù)測(cè)的平均值表示。

為了增強(qiáng)模型的解釋性，本文進(jìn)一步采用部分依賴圖來揭示在控制其他解釋變量不變的情況下，某一特定解釋變量對(duì)企業(yè)綠色創(chuàng)新的邊際效應(yīng)。部分依賴函數(shù)定義如下：

部分依賴函數(shù)通過計(jì)算訓(xùn)練數(shù)據(jù)中的平均值（蒙特卡羅方法）來估計(jì)，具體公式為：

其中，n表示數(shù)據(jù)集中的實(shí)例數(shù)。

1.3 模型評(píng)估指標(biāo)

本文首先根據(jù)公司的基本特征構(gòu)建基準(zhǔn)模型，隨后在此基礎(chǔ)上加入政府補(bǔ)助和高管激勵(lì)特征構(gòu)建激勵(lì)模型，如表2所示?；谏鲜瞿Ｐ停凑?∶3的比例將樣本隨機(jī)拆分成訓(xùn)練集和測(cè)試集，其中訓(xùn)練集用于模型構(gòu)建，測(cè)試集用于模型驗(yàn)證。本文使用網(wǎng)格搜索算法對(duì)模型參數(shù)進(jìn)行優(yōu)化，并選取決定系數(shù)（Coefficient of Determination，R2）和均方誤差（Mean Squared Error，MSE）兩種評(píng)估指標(biāo)驗(yàn)證模型的預(yù)測(cè)性能。R2越接近1，MSE的值越小，表示模型的預(yù)測(cè)性能越好。具體計(jì)算公式分別如下：

2 實(shí)證結(jié)果

2.1 政府補(bǔ)助和高管激勵(lì)能預(yù)測(cè)企業(yè)綠色創(chuàng)新嗎？

基于隨機(jī)森林回歸樹的方法，本文利用我國(guó)A股上市的重污染企業(yè)數(shù)據(jù)，實(shí)證檢驗(yàn)了企業(yè)接受政府扶持以及采取內(nèi)部激勵(lì)政策對(duì)其綠色創(chuàng)新的預(yù)測(cè)效果是否有較大的影響。表3列出了基準(zhǔn)模型和激勵(lì)模型的擬合結(jié)果，通過比較后者相對(duì)于前者的擬合效果提升，可以評(píng)估企業(yè)內(nèi)外部激勵(lì)政策對(duì)綠色創(chuàng)新預(yù)測(cè)的貢獻(xiàn)程度。同時(shí)，將普通最小二乘法（Ordinary Least Squares，OLS）模型的擬合結(jié)果作為對(duì)照組，檢驗(yàn)機(jī)器學(xué)習(xí)方法是否比傳統(tǒng)的線性模型有更好的預(yù)測(cè)表現(xiàn)。

從表3可以看出：首先，與基準(zhǔn)模型相比，加入政府補(bǔ)助和高管激勵(lì)特征能顯著提升模型的預(yù)測(cè)性能。以隨機(jī)森林為例，基準(zhǔn)模型中企業(yè)綠色創(chuàng)新的擬合效果為41.65%，而納入企業(yè)內(nèi)外部創(chuàng)新激勵(lì)政策后，擬合效果提升至45.61%，提高了3.96個(gè)百分點(diǎn)，同時(shí)樣本外的均方誤差也呈現(xiàn)下降趨勢(shì)。其次，隨機(jī)森林模型的擬合效果相對(duì)于OLS模型有大幅提升。從列（2）中指標(biāo)的比較可知，隨機(jī)森林模型比OLS模型提升了14.57%（45.61%～31.04%）。此外，隨機(jī)森林模型的MSE指標(biāo)也更小，進(jìn)一步驗(yàn)證了選擇隨機(jī)森林模型改進(jìn)傳統(tǒng)線性模型的有效性。

表4報(bào)告了激勵(lì)模型中各變量對(duì)于預(yù)測(cè)重污染企業(yè)綠色創(chuàng)新的相對(duì)重要性。其中，重要性排在前三位的特征分別是企業(yè)規(guī)模、股權(quán)集中度和財(cái)務(wù)杠桿。政府補(bǔ)助的相對(duì)重要性為7.11%，而企業(yè)內(nèi)部薪酬激勵(lì)和股權(quán)激勵(lì)的相對(duì)重要性分別為6.48%和5.87%，這表明企業(yè)內(nèi)部激勵(lì)機(jī)制的總體相對(duì)重要性（12.35%）高于外部激勵(lì)機(jī)制，揭示了高管激勵(lì)政策在提高企業(yè)綠色創(chuàng)新能力方面的重要作用。值得注意的是，盡管政府補(bǔ)助和高管激勵(lì)對(duì)企業(yè)綠色創(chuàng)新產(chǎn)生了一定影響，但是其作用相較于企業(yè)自身的特征指標(biāo)較為有限。由此可見，企業(yè)自身的經(jīng)營(yíng)狀況和財(cái)務(wù)水平是驅(qū)動(dòng)綠色創(chuàng)新的核心要素，而創(chuàng)新激勵(lì)政策則是在充分考慮企業(yè)異質(zhì)性的基礎(chǔ)上發(fā)揮引導(dǎo)作用。

2.2 政府補(bǔ)助和高管激勵(lì)如何影響企業(yè)綠色創(chuàng)新？

圖1展示了企業(yè)獲取的政府補(bǔ)助與綠色創(chuàng)新之間的部分依賴圖。總體來看，政府補(bǔ)助與企業(yè)綠色創(chuàng)新之間呈現(xiàn)線性關(guān)系，增長(zhǎng)趨勢(shì)較為穩(wěn)定，這表明政府扶持可以顯著提高重污染企業(yè)的綠色創(chuàng)新水平。從短期來看，政府補(bǔ)助直接增加了企業(yè)可用于綠色創(chuàng)新活動(dòng)的資金，有效緩解了企業(yè)的融資約束，降低了綠色創(chuàng)新成本，在一定程度上分擔(dān)了綠色創(chuàng)新活動(dòng)帶來的不確定性及風(fēng)險(xiǎn)性，從而提高了企業(yè)綠色創(chuàng)新的積極性。但從長(zhǎng)期來看，政府補(bǔ)助可能導(dǎo)致企業(yè)產(chǎn)生依賴心理，削弱其自主創(chuàng)新的意愿和能力。此外，政府評(píng)估機(jī)構(gòu)和企業(yè)之間的信息不對(duì)稱容易造成逆向選擇和道德風(fēng)險(xiǎn)，企業(yè)可能將補(bǔ)助資金投資在收益更高的項(xiàng)目，而不是用于開發(fā)節(jié)能減排新技術(shù)上。因此，政府扶持對(duì)企業(yè)綠色創(chuàng)新績(jī)效產(chǎn)生的顯著影響應(yīng)當(dāng)引起警惕，其潛在的負(fù)面效應(yīng)不容忽視。

圖2和圖3分別為薪酬激勵(lì)和股權(quán)激勵(lì)與企業(yè)綠色創(chuàng)新之間的部分依賴圖。研究發(fā)現(xiàn)，薪酬激勵(lì)對(duì)綠色創(chuàng)新具有顯著的抑制作用，而股權(quán)激勵(lì)則對(duì)綠色創(chuàng)新具有顯著的促進(jìn)作用。這種差異源于兩種高管激勵(lì)機(jī)制的固有特點(diǎn)。具體來說，薪酬激勵(lì)主要基于短期經(jīng)濟(jì)回報(bào)，這可能導(dǎo)致高管過于關(guān)注短期利潤(rùn)和業(yè)績(jī)指標(biāo)，從而忽視長(zhǎng)期的綠色創(chuàng)新投入。特別是當(dāng)高管的薪酬達(dá)到一定水平后，其經(jīng)濟(jì)利益已經(jīng)得到較大滿足，往往缺乏持續(xù)動(dòng)力從事高風(fēng)險(xiǎn)的綠色創(chuàng)新活動(dòng)。相反，股權(quán)激勵(lì)作為一種長(zhǎng)期激勵(lì)機(jī)制，通常與企業(yè)的長(zhǎng)期業(yè)績(jī)和增長(zhǎng)市值掛鉤，這能夠有效約束管理層的短期投機(jī)傾向，使管理層著眼于企業(yè)長(zhǎng)期目標(biāo)，增加對(duì)綠色創(chuàng)新的投入。因此，從企業(yè)內(nèi)部激勵(lì)視角來看，相較于薪酬激勵(lì)，股權(quán)激勵(lì)更能夠強(qiáng)化企業(yè)管理層的長(zhǎng)期價(jià)值導(dǎo)向，進(jìn)而更有效地推動(dòng)綠色創(chuàng)新戰(zhàn)略的制定和實(shí)施，促進(jìn)企業(yè)綠色創(chuàng)新能力的持續(xù)提升。

2.3 企業(yè)產(chǎn)權(quán)異質(zhì)性檢驗(yàn)

我國(guó)不同產(chǎn)權(quán)性質(zhì)的企業(yè)在管理制度、戰(zhàn)略規(guī)劃和融資能力等方面均存在顯著差別。因此，企業(yè)內(nèi)外部激勵(lì)政策的綠色創(chuàng)新激勵(lì)效果可能因產(chǎn)權(quán)不同而表現(xiàn)出異質(zhì)性。為了探究這一問題，本文將樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)，并采用相同的隨機(jī)森林模型和參數(shù)設(shè)置進(jìn)行擬合，結(jié)果詳見表5。

如表5所示，除了企業(yè)規(guī)模，政府補(bǔ)助是影響國(guó)有企業(yè)綠色創(chuàng)新活動(dòng)的最關(guān)鍵因素。這是因?yàn)楹芏鄧?guó)企業(yè)在綠色轉(zhuǎn)型中承擔(dān)著示范引領(lǐng)的任務(wù)，得益于較強(qiáng)的綜合實(shí)力和天然的政治關(guān)聯(lián)等因素，更容易獲得國(guó)家給予的政策性優(yōu)惠。同時(shí)，由于國(guó)有企業(yè)特殊的內(nèi)部治理機(jī)制，高管薪酬激勵(lì)存在諸多限制，這阻礙了長(zhǎng)期綠色創(chuàng)新研發(fā)的推動(dòng)，且股權(quán)分配的比例和期限限制又決定了長(zhǎng)期的股權(quán)激勵(lì)也難以發(fā)揮理想效果。盡管非國(guó)有企業(yè)在獲取政府補(bǔ)助上處于不利地位，但其高管激勵(lì)方案的設(shè)計(jì)和實(shí)施卻更具靈活性。相較于國(guó)有企業(yè)，大部分非國(guó)有企業(yè)的管理人員對(duì)物質(zhì)回報(bào)更加敏感。特別是股權(quán)激勵(lì)政策的有效運(yùn)用，能夠?qū)⒐芾韺觽€(gè)人利益與企業(yè)長(zhǎng)期業(yè)績(jī)?cè)鲩L(zhǎng)捆綁，增加管理層對(duì)綠色創(chuàng)新活動(dòng)的重視程度，加快推動(dòng)企業(yè)綠色低碳轉(zhuǎn)型，最終提升企業(yè)的核心競(jìng)爭(zhēng)力。

3 結(jié)論與建議

本文以我國(guó)2011—2021年重污染行業(yè)上市公司為研究對(duì)象，借助隨機(jī)森林模型，深入分析了政府扶持以及企業(yè)內(nèi)部激勵(lì)政策能否有效促進(jìn)企業(yè)綠色創(chuàng)新，并進(jìn)一步探討了各變量對(duì)預(yù)測(cè)結(jié)果的影響模式以及產(chǎn)權(quán)異質(zhì)性的具體表現(xiàn)。主要研究結(jié)論如下：（1）政府補(bǔ)助和高管激勵(lì)均能夠有效預(yù)測(cè)企業(yè)綠色創(chuàng)新，但其相對(duì)重要性整體低于企業(yè)的基本特征；（2）政府補(bǔ)助可以顯著提高企業(yè)綠色創(chuàng)新水平，而在高管激勵(lì)機(jī)制中，股權(quán)激勵(lì)對(duì)綠色創(chuàng)新有顯著的正面影響，薪酬激勵(lì)卻表現(xiàn)出顯著的負(fù)向影響；（3）國(guó)有企業(yè)的綠色創(chuàng)新活動(dòng)更容易受到政府扶持的影響，而非國(guó)有企業(yè)則更依賴于高管激勵(lì)機(jī)制。

基于上述研究結(jié)論，本文提出以下管理啟示：（1）政府在制定碳減排政策時(shí)應(yīng)拋棄粗放的創(chuàng)新補(bǔ)助方式，強(qiáng)化國(guó)有企業(yè)在綠色創(chuàng)新中的引領(lǐng)作用，加大對(duì)非國(guó)有企業(yè)的支持力度，并建立財(cái)政資金全流程管理監(jiān)督機(jī)制；（2）盲目提高高管薪酬并非有效手段，有必要通過優(yōu)化薪酬體系，構(gòu)建符合企業(yè)實(shí)際情況的薪酬評(píng)價(jià)機(jī)制，以充分激發(fā)重污染企業(yè)管理層的綠色創(chuàng)新動(dòng)力；（3）加快發(fā)展和完善企業(yè)的長(zhǎng)期激勵(lì)機(jī)制，政府應(yīng)更加重視鼓勵(lì)和引導(dǎo)國(guó)有企業(yè)實(shí)施高管股權(quán)激勵(lì)計(jì)劃，推動(dòng)綠色低碳技術(shù)的研發(fā)和應(yīng)用，以實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。

參考文獻(xiàn)：

［1］ KRIVOROTOV G. Machine learning-based profit modeling for credit card underwriting-implications for credit risk［J］. Journal of Banking & Finance， 2023，149： 106785.

［2］ LI M， CHENG Z， LIN W， et al. What can be learned from the historical trend of crude oil prices？ An ensemble approach for crude oil price forecasting［J］. Energy Economics， 2023， 123： 106736.

［3］ WU Z， FAN X， ZHU B， et al. Do government subsidies improve innovation investment for new energy firms： a quasi-natural experiment of China’s listed companies［J］. Technological Forecasting & Social Change， 2022， 175： 121418.

［4］ 方先明， 胡丁. 企業(yè)ESG表現(xiàn)與創(chuàng)新——來自A股上市公司的證據(jù)［J］. 經(jīng)濟(jì)研究， 2023， 58（2）： 91-106.

［5］ 黃鐘儀， 鄧翔， 許亞楠， 等. 激勵(lì)與監(jiān)督——高新技術(shù)企業(yè)與非高新技術(shù)企業(yè)創(chuàng)新治理機(jī)制組合的QCA分析［J］. 南開管理評(píng)論， 2023， 26（5）： 147-158.

［6］ 季晨洋， 林杰. 基于隨機(jī)森林方法的甲醇期貨價(jià)格預(yù)測(cè)與交易策略研究［J］. 上海管理科學(xué)， 2023， 45（1）： 113-118.

［7］ 蔣榕湄， 陳貴松. 政府補(bǔ)貼、企業(yè)ESG表現(xiàn)與綠色創(chuàng)新［J］. 資源與產(chǎn)業(yè)， 2022， 24（6）： 90-102.

［8］ 劉云菁， 伍彬， 張敏. 獨(dú)立董事能識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)嗎——基于機(jī)器學(xué)習(xí)預(yù)測(cè)財(cái)務(wù)舞弊的研究［J］. 會(huì)計(jì)研究， 2023（9）： 21-34.

［9］ 宋艷梅， 葛玉輝. 混合所有制和高管股權(quán)激勵(lì)對(duì)創(chuàng)新投入的影響——市場(chǎng)競(jìng)爭(zhēng)的調(diào)節(jié)作用［J］. 技術(shù)與創(chuàng)新管理， 2020， 41（6）： 556-564.

［10］ 汪明月， 張浩， 李穎明， 等. 綠色技術(shù)創(chuàng)新績(jī)效傳導(dǎo)路徑的雙重異質(zhì)性研究——基于642家工業(yè)企業(yè)的調(diào)查數(shù)據(jù)［J］. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2021， 42（8）： 141-166.

［11］ 王京， 范明珠， 林慧. 高管股權(quán)激勵(lì)的環(huán)境治理效應(yīng)：“名副其實(shí)”抑或“虛有其表”——基于我國(guó)A股高污染企業(yè)的經(jīng)驗(yàn)證據(jù)［J］. 財(cái)經(jīng)研究， 2023， 49（11）： 50-64.

［12］ 王延霖， 郭曉川. 資源型上市公司高管團(tuán)隊(duì)激勵(lì)方式對(duì)企業(yè)創(chuàng)新效率的影響研究——基于創(chuàng)新價(jià)值鏈和產(chǎn)權(quán)性質(zhì)的考量［J］.研究與發(fā)展管理， 2020， 32（4）： 149-161.