A 21. században a felsőoktatási intézmények szerepköre alapvető paradigmaváltáson megy keresztül. A klasszikus oktatási és kutatási funkciók, valamint a később megjelent vállalkozói egyetem modellje mellett egyre hangsúlyosabbá válik az intézmények fenntarthatósági átmenetben betöltött szerepe. A szakirodalom azonban rámutat egy kritikus ellentmondásra: miközben az egyetemek stratégiai dokumentumaikban és a globális rangsorokban (például a THE Impact Rankings) egyre inkább elkötelezik magukat a Fenntartható Fejlődési Célok (SDG-k) mellett, kevés empirikus bizonyíték áll rendelkezésre arról, hogy ez a „zöld fordulat” valóban materializálódik-e a regionális gazdasági mutatók javulásában. A kutatás fő célkitűzése, hogy feltárja az egyetemi innovációs és fenntarthatósági teljesítmény, valamint a regionális gazdasági fejlődés közötti komplex hatásmechanizmust az Európai Gazdasági Térségben (EEA). A disszertáció egy lentről felfelé építkező, háromszintű logikai keretrendszert alkalmaz, amely a mikroszintű belső vállalkozói folyamatoktól (intrapreneurship) az intézményi stratégiákon keresztül halad a makroszintű regionális gazdasági hatásokig. A kutatás első részét az akadémiai intrapreneurship bibliometriai elemzése adja, gerincét pedig egy robusztus kvantitatív elemzés alkotja, amely az EEA térség 301 felsőoktatási intézményének és azok NUTS2-es régióinak adatait integrálja. A módszertani újdonságot a többváltozós statisztikai eljárások (PLS-SEM) és a gépi tanulási algoritmusok (CART – Classification and Regression Trees) kombinációja jelenti. Míg a PLS-SEM modell a látens változók közötti strukturális összefüggéseket tárta fel, addig a fejlett gépi tanulási technikák lehetővé tették az adathiányok (imputáció) kezelését, a CART algoritmus pedig a nem-lineáris mintázatok és rangsorolási szabályok azonosítását, mélyebb betekintést nyújtva a gazdasági teljesítményre ható, rejtett tényezőkbe. A kutatás konklúziója megkérdőjelezi az „univerzális egyetemi modell” érvényességét, és a hely-alapú (place-based) szakpolitikai beavatkozások szükségességét hangsúlyozza. Az eredmények alapján a fejlett centrumokban a globális versenyképesség és a kiválóság támogatása indokolt, míg a periférián a „legitimációs csapda” elkerülése és a helyi abszorpciós kapacitás fejlesztése a cél. A felzárkózó régiók egyetemeinek nem a globális rangsorokat, hanem a regionális „horgony-szerepet” és a gyakorlati technológia-transzfert kell erősíteniük a fenntartható gazdasági felzárkózás érdekében. In the 21st century, the role of higher education institutions is undergoing a fundamental paradigm shift. Alongside the classical functions of education and research, as well as the subsequently emerged entrepreneurial university model, the role of these institutions in the sustainability transition is becoming increasingly prominent. However, the literature highlights a critical contradiction - while universities increasingly commit to the Sustainable Development Goals (SDGs) in their strategic documents and global rankings (e.g., THE Impact Rankings), there is scarce empirical evidence as to whether this “green turn” actually materializes in the improvement of regional economic indicators. The primary objective of this research is to explore the complex impact mechanism between university innovation and sustainability performance, and regional economic development within the European Economic Area (EEA). The dissertation employs a bottom-up, three-level logical framework that progresses from micro-level internal entrepreneurial processes (intrapreneurship), through institutional strategies, to macro-level regional economic impacts. The first part of the research comprises a bibliometric analysis of academic intrapreneurship, while its backbone is formed by a robust quantitative analysis integrating data from 301 higher education institutions in the EEA and their corresponding NUTS2 regions. The methodological novelty lies in the combination of multivariate statistical procedures (PLS-SEM) and machine learning algorithms (CART – Classification and Regression Trees). While the PLS-SEM model revealed the structural relationships between latent variables, advanced machine learning techniques enabled the handling of missing data (imputation), and the CART algorithm facilitated the identification of non-linear patterns and ranking rules, providing deeper insights into the hidden factors influencing economic performance. The conclusion of the research questions the validity of the “universal university model” and emphasizes the necessity of place-based policy interventions. Based on the results, supporting global competitiveness and excellence is justified in developed core regions, whereas in the periphery, the goal is to avoid the “legitimization trap” and to develop local absorptive capacity. To achieve sustainable economic convergence, universities in catching-up regions must strengthen their regional “anchor role” and practical technology transfer, rather than focusing on global rankings.