Badanie dynamicznych ścieżek efektywności innowacji w zakresie technologii ekologicznych w regionach prowincjonalnych w Chinach

Efektywność innowacji w zakresie zielonych technologii stanowi fundamentalny katalizator synergii między rozwojem opartym na innowacjach a transformacją ekologiczną, co jest niezbędne do osiągnięcia Celów Zrównoważonego Rozwoju ONZ (SDGs), w szczególności SDG 9 (Przemysł, Innowacje i Infrastruktura), SDG 12 (Odpowiedzialna Konsumpcja i Produkcja) oraz SDG 13 (Działania na rzecz klimatu). W niniejszym artykule dokonano oceny efektywności innowacji w zakresie zielonych technologii w 30 chińskich prowincjach w latach 2013–2024, wykorzystując model analizy danych (DEA). W badaniu skonstruowano ramy analityczne integrujące uwarunkowania instytucjonalne, strukturę przemysłową i otoczenie rynkowe, a także zastosowano dynamiczną jakościową analizę porównawczą (QCA) w celu zbadania wpływu konfiguracyjnego tych czynników na efektywność innowacji w zakresie zielonych technologii. Dodatkowo, do zbadania różnic przestrzennych w zakresie pokrycia konfiguracyjnego na poziomie prowincji zastosowano test sumy rang Kruskala-Wallisa. Aby uwzględnić heterogeniczność czasową wynikającą z wydarzeń takich jak pandemia COVID-19, w niniejszym badaniu zastosowano dynamiczne podejście QCA, które uwzględnia zarówno zmienność międzygrupową, jak i wewnątrzgrupową w różnych okresach. Wyniki wskazują, że żaden pojedynczy czynnik nie stanowi warunku koniecznego dla wysokiej efektywności innowacji w zakresie zielonych technologii; zamiast tego zidentyfikowano trzy odrębne ścieżki jako równie skuteczne. Co więcej, zaobserwowano istotne różnice regionalne w rozkładzie konfiguracyjnym efektywności innowacji w zakresie zielonych technologii w regionach wschodnich, centralnych i zachodnich Chin. Wyniki te mają praktyczne implikacje dla decydentów politycznych dążących do realizacji chińskiego programu zrównoważonego rozwoju poprzez zróżnicowane regionalne strategie innowacji. Niniejszy artykuł przedstawia wielowymiarowe ramy analityczne i wykorzystuje dynamiczne QCA do kompleksowej analizy złożonych związków przyczynowo-skutkowych.