Toward Sustainability Through Carbon Neutrality: Predicting Innovation Quality in New Energy Firms from the Business Environment

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates a machine learning framework to predict innovation quality from business environment variables, applicable to sustainability transitions research.

🏢実務担当者:Highlights which business environment elements (human resources, financial services) are critical for fostering innovation in new energy firms.

🏛政策担当者:Provides evidence for optimizing business environment policies to support innovation in the renewable energy sector.

持続可能な開発とカーボンニュートラルの達成には、新能源分野における継続的な技術高度化が必要である。したがって、新能源企業におけるイノベーションの質の向上は、持続可能性への移行において重要な役割を果たす。しかし、ビジネス環境が新能源分野のイノベーションの質を支援するかどうか、またどのように支援するかは依然として不明である。機械学習を用いて、我々の研究はビジネス環境が新能源企業のイノベーションの質に対して持つ予測能力を評価し、異なる要素の重要性を識別し、その上で重要要素の予測パターンを描写する。結果は、ビジネス環境がイノベーションの質に対して substantial な予測能力を提供し、サンプル外 R² を 0.6200 から 0.7001 へと引き上げ、これは 0.0801 の改善を表すことを示している。焦点となる説明変数の中では、人材資源、金融環境、および公共サービスが比較的重要な要素として浮上する。さらに、人材資源とイノベーションの質は全体的に上昇傾向を示す一方、公共サービスと金融環境はイノベーションの質と複雑な関係を持つことが分かる。不均一性分析により、ビジネス環境のイノベーションの質に対する予測能力は、所有権と立地が異なる企業間で大きく異なることが明らかになる。我々の研究は、持続可能な開発の制度的基盤を強化するための政策設計とビジネス環境の最適化に証拠を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Achieving sustainable development and carbon neutrality requires continuous technological upgrading in the new energy sector. Improvement of innovation quality in new energy firms therefore plays a significant role in sustainability transitions. However, whether and how the business environment supports the innovation quality in the new energy sector remains unclear. Using machine learning, our study assesses the predictive ability of the business environment for innovation quality in new energy firms, distinguishes the importance of different elements, and then portrays predictive patterns of critical elements. The results show that the business environment provides substantial predictive ability for innovation quality, increasing out-of-sample R2 from 0.6200 to 0.7001, which represents an improvement of 0.0801. Among the focal explanatory variables, human resources, financial environment, and public services emerge as relatively important elements. Furthermore, we find that human resources and innovation quality exhibit an overall upward trend, whereas public services and financial environment have a complex relationship with innovation quality. Heterogeneity analysis reveals that the predictive ability of the business environment for innovation quality varies significantly across firms with different ownership and locations. Our study provides evidence for policy design and business environment optimization to strengthen the institutional foundations of sustainable development.

• openalex https://doi.org/10.3390/su18073459first seen 2026-05-17 07:28:49