The Role of Green Patents in Innovation: An fsQCA Study of Chinese Listed Agricultural Enterprises
Notice bibliographique
Résumé
This study employs a comparative fuzzy-set qualitative comparative analysis (fsQCA) to examine the combined effects of traditional factors and green patents on innovation performance in Chinese listed agricultural enterprises, offering insights into sustainability in agriculture through innovation. By analyzing 84 valid cases from 107 agricultural companies, we conduct two fsQCA analyses to compare innovation pathways with and without green patents as a conditional factor. The first analysis investigates the impacts of five factors—firm size, executives’ educational background, return on net assets, ownership concentration, and government subsidies—on non-green innovation performance, identifying four distinct pathways: executive-dispersed, employee-financed, executive-centralized, and executive-profitable. In the second analysis, green patents are introduced as an independent variable. The overall solution coverage remains stable, but the configurational landscape shifts, with two original pathways persisting and two new pathways emerging—both involving green patents. The findings suggest that the impact of green patents on innovation is condition-dependent rather than universally beneficial. Green patents amplify innovation performance only when supported by strong managerial education, financial stability, and policy incentives, particularly in the executive green synergy pathway, where raw coverage reaches 0.41, underscoring their role as a conditional multiplier in sustainable innovation. These results provide theoretical and empirical evidence for balancing economic benefits with environmental responsibility in agricultural enterprises and emphasize the need for targeted policy subsidies, enhanced managerial education, and optimized shareholder structures to drive sustainable innovation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».