供应链数字化对企业创新的影响

吴炜鹏 陈金龙 赵晓阳 汤弘钦

基金项目：国家自然科学基金面上项目（71571074）；福建省创新战略研究项目（2021R0063）

作者简介：吴炜鹏（1996—），男，福建泉州人，华侨大学工商管理学院博士研究生，研究方向为公司治理与国际投融资管理；陈金龙（1965-），男，福建漳州人，博士，华侨大学工商管理学院教授，研究方向为供应链管理及企业投融资；赵晓阳（1993—），男，山东滨州人，华侨大学工商管理学院博士研究生，研究方向为数字化转型与国际投融资管理；汤弘钦（1995-），男，福建漳州人，华侨大学工商管理学院硕士研究生，研究方向为企业数字化与创新管理。本文通讯作者：赵晓阳。

摘 要：供应链数字化是促进供应链创新链融合发展的契机。基于2008—2021年中国A股上市公司数据，采用TF-IDF方法系统构建市场导向和技术导向下的组织内供应链数字化指标，实证检验供应链数字化对企业创新的影响。结果发现，第一，供应链数字化与企业创新呈现倒U型关系。其中，分项指标物流数字化、产品流数字化与信息流数字化呈现显著倒U型关系。第二，供应链异质性是供应链数字化影响企业创新的重要渠道。第三，在吸收能力较强、供应链话语权较小的企业，供应链数字化的作用更显著。此外，组织间供应链数字化发挥创新协同效应，行业间供应链数字化发挥创新溢出效应。结论可为企业加快供应链数字化并实现高质量发展提供实践启示。

关键词：供应链数字化；企业创新；供应链异质性；TF-IDF

DOI：10.6049/kjjbydc.2023020475

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348（2024）11-0067-12

0 引言

自《中国制造2025》提出以来，创新成为主导中国经济高质量发展的新动能。中美贸易战发生后，逆全球化趋势变得日益明显。西方发达国家过分宣扬贸易保护主义，通过发起不合理的“去中国化”式制裁，威胁我国企业供应链自主安全。其中，技术限制、规则锁定和高科技行业准入等限制严重阻滞了我国企业创新链嵌入全球价值链的进程^[1]。在供应链生产、流通和销售各环节上，国内企业不仅面临上下游信息和知识交流障碍，而且面临反馈机制缺位问题。由此，加大了企业创新不确定性风险。为应对严峻的外部环境，在物流系统、生产系统、信息系统以及资金系统方面，企业与供应链合作伙伴加强数字技术应用，谋求创新链与供应链融合发展，畅通国内大循环。上述过程中，企业利用数字技术重塑供应链业务流程、协同机制、组织形态和价值取向，表现为供应链数字化。随着供应链数字技术进步，供应链数字化与产业创新的关系得到学界广泛关注。

基于上述现实背景，以区块链、大数据等数字技术应用为研究对象，学者们从网络建立与维护^[2]、信息不对称^[3]和信任关系^[4]等视角，深入探讨供应链数字化对供应链管理、供应链金融和供应链绩效的影响^[5]。也有学者注意到数字技术应用在供应链上存在传染的可能性，发现客户数字化可以通过溢出效应促进供应商创新水平提升^[6]。已有文献肯定了供应链数字化对供应链协作关系的影响，也认可多渠道供应链信息访问权限可以显著促进企业创新。从企业供应链合作网络视角，张广玲等^[7]探讨供应链网络特征对合作创新的影响；从供应链异质性视角，孟庆玺^[8]发现，客户异质性或供应商异质性对企业创新具有正向影响。此外，张树山等^[9]发现，供应链数字化对节点企业风险承担能力具有提升效果，有助于维护供应链安全稳定。上述文献证明，数字技术赋能供应链是监控物流、判断产品流、畅通信息流以及追溯资金流的重要路径。基于供应链管理、资源基础和动态能力理论，采用案例研究、QCA和文献归纳等研究方法，现有文献探讨了供应链数字化对微观企业的部分实质性影响。囿于供应链数字化量化评价方法，较少文献能为企业供应链数字化的微观效应理论研究提供支持。此外，较多文献关注供应链数字化对供应链效率、竞争优势和管理模式的影响^[5，10]，却未考虑多主体协同供应链数字化对企业创新价值的深层次影响。李琦等^[11]发现，供应链集中能够促进供应链集成体系结构合理化、实现方式多样化和运转高效性，深化了学界对数字科技与供应链关系的认识。但对于供应链数字化能否帮助企业实现创新驱动发展这一问题，现有研究尚未涉及。此外，供应链数字化作用机制研究也较为匮乏。本文基于开放式创新理论探索供应链数字化能否成为企业创新关键影响因素，并验证供应链数字化的创新协同效应和创新溢出效应，具有重要理论意义与现实价值。

本文选取2008—2021年我国上市公司数据，通过解答上述问题，拓展供应链数字化相关理论。首先，从组织内角度，本文基于市场战略导向与技术战略导向的特征词词库，采用TF-IDF文本计算方法测量企业供应链数字化水平，实证检验供应链数字化对企业创新的非线性影响。其次，本文发现，供应链异质性是供应链数字化影响企业创新的重要渠道。再次，本文发现，在吸收能力较强和供应链话语权较低的企业中，供应链数字化的作用更显著。最后，本文基于组织间、行业内、行业间3个角度，检验供应链数字化创新协同效应和创新溢出效应。

本文的创新点和贡献在于：第一，在理论贡献上，系统研究供应链数字化对企业创新的影响及作用机制，揭示供应链数字化的经济效应，有助于拓展企业创新研究视角，丰富创新激励效应研究。第二，在实践贡献上，厘清供应链数字化与企业创新的关系，为实现经济高质量发展和产业链供应链现代化提供有益参考。在方法贡献上，采用文本分析和TF-IDF方法构建全面、科学的供应链数字化评价体系，弥补供应链数字化研究中实证方法与量化指标的不足。

1 理论分析与研究假设

1.1 供应链数字化与企业创新

供应链数字化是确保企业外部资源与内部资源有效交互的重要方式，内外资源交互畅通是企业实现可持续创新的充要条件。开放式创新理论认为，在沟通和信任的基础上，多元化供应链系统能够促进信息合作与共享，而系统内知识创造、流动、转移以及溢出等活动可能产生“1+1>2”的创新效果^[12]。因此，基于创新投入视角，本文探究供应链数字化对企业创新的影响，以及供应链数字化的边际贡献。

（1）企业与供应链网络成员的联系会影响企业创新^[13]。本文认为，供应链数字化可以优化供应链结构，促进企业构建高效的开放式创新生态系统，进而提升企业价值链分工地位^[14]。第一，供应链数字化可为企业收集采购、销售以及运输等关键数据，提高创新感知能力，降低创新成本，进而为开放式创新平台构建奠定基础^[15]。强联系成员所提供的信息资源具有较高的创新价值，供应链数字化有助于企业通过分析现有强联系供应链合作者的关系结构，选择合适的强联系成员共享信息和创新资源，进而获得更多互补性知识和信息资源。第二，供应链数字化能够协助企业链接消费端和供给端，增加弱联系成员数量，进而扩展供应链信息节点范围。基于多层次信息节点所描绘的企业创新画像，企业能够降低创新不确定性风险，掌握各流程供应链信息。在此情境下，从供应链较远端梳理供应链关系，企业不仅能够提高收益率和创新水平^[16]，而且可以激励供应链合作者参与信息及创新资源共享平台建设，进而将供应链数据转换为创新知识和创新数据平台。因此，供应链数字化有助于企业将创新链融入供应链，构建开放式创新生态系统，进而延伸创新边界，获得高附加价值产品比较优势。

（2）作为生产要素，数据在部分生产场景依然遵循边际效用递减规律^[17]。过量的数据导致处理成本、错误成本和折旧成本提升，企业过分注重数据优势会丧失部分成本优势，过度发展供应链数字化会带来大量不准确和不适用的数据（王超贤德国，2022）。为弥补“数据为王”战略导致边际数据成本大幅增加的管理失误，管理者可能通过信息垄断、隐私侵权和信息滥用等方式获取短期超额报酬，而忽视技术变革与场景落地两种数字赋能路径^[18]，这会阻碍企业长期创新发展。具体原因如下：第一，虽然过度供应链数字化能够提高企业收益率，但企业对供应链信息的垄断和滥用会严重侵犯合作者的信息权益。在此情境下，企业只有承诺更多商业条款才能维持开放式创新生态系统运行，从而不利于企业整合供应链创新资源。第二，过度供应链数字化会放大企业信息获取与控制优势，促使企业拓展金融网络。创新不确定性风险远高于金融投资，因而管理者有动机将企业投资战略由创新投资转变为金融投资。战略方向转变不仅会分散企业原有资源，而且会消减供应链合作者的创新信息与资源。可见，过度供应链数字化会抑制企业创新。据此，本文提出以下假设：

H₁：供应链数字化与企业创新存在倒U型关系。

1.2 供应链异质性的调节作用

颜恩点和谢佳佳^[19]认为，非金融企业客户、供应商异质性程度越高，代表供应链信息节点越多，所构建的开放式创新生态系统越高效。根据现有研究，供应链异质性对企业创新具有正向影响。孟庆玺等^[8]发现，较高的供应链异质性有助于企业拓展创新网络，进而促进创新。可见，从开放式创新理论视角，供应链异质性可能成为供应链数字化与企业创新间的关键机制。因此，本文阐述供应链数字化对供应链异质性的作用机理，通过揭示供应链数字化与供应链异质性的因果关系，提高供应链数字化与企业创新因果关系识别的可信度（江艇，2022）。

供应链数字化能够夯实企业与供应链强联系企业的沟通和信任基础。在信息合作与共享的基础上，企业搭建供应链数据中心，促使链上中小企业共享信息。较高的信息可获得性可以提高合作型伙伴收益率^[15]，吸引中小企业加入供应链系统，促进供应链关系多元化，进而提高企业供应链异质性程度。然而，企业信息节点多于其它供应链企业，过度供应链数字化有助于企业获得信息垄断优势。由此，供应链合作者获得供应链共享数据的潜在成本增加。当数据边际收益低于边际成本时，合作者将承受来自企业的信息支付压力，进而寻求缓解信息软约束的路径，降低自愿性创新信息披露与共享意愿^[7，16]。此时，在数字技术制度压力下，企业管理者有意愿加强与创新生态系统内合作者的沟通和互信，供应链关系向集中化趋势转变，进而降低企业供应链异质性程度。可见，随着供应链数字化水平提高，供应链关系先多元化后集中化，供应链异质性程度表现为先上行再下行。综上，本文提出以下假设：

H₂：供应链异质性是供应链数字化对企业创新的作用机制。

2 研究设计

2.1 样本选择与数据来源

本文选取2008—2021年沪深A股上市公司样本作为研究对象，为避免异常值对实证结果的影响，对研究样本进行如下筛选与处理工作：第一，剔除ST、PT等特殊样本。第二，剔除关键数据缺失样本。第三，剔除行业标识为“地产”和“金融”的行业企业样本。为避免数字化相关领域企业造成的偏误，剔除“软件互联网”“科学研究及技术服务业”、“计算机、通信和其它电子设备制造业”3个行业企业样本。第四，为减少极端异常值导致的偏误，本文对所有连续变量进行双向1%水平的缩尾处理。此外，供应链数字化样本数据来源于企业年报，采用Python进行文本分析与统计；企业创新数据来源于CSMAR数据库；产权性质相关数据来源于CSMAR数据库和CNRDS数据库；第一实控人数据来源于CNRDS数据库；财务变量相关数据均来源于CSMAR数据库。

2.2 变量选取与测量方法

2.2.1 被解释变量

企业创新（Innov）。现有文献大多选择专利数量和研发投入指标衡量企业创新。基于创新投入研究视角，本文选择采用企业研发投入占营业收入的比值进行实证分析。

2.2.2 解释变量

供应链数字化（SDigital）。王静^[20]将供应链数字化发展模式划分为组织内、组织间、行业内和行业间4种演进形态。可见，供应链数字化不仅是数字技术应用过程，而且是核心企业链接供应链并改造供应链组织形态的过程。本文将供应链数字化定义为供应链企业以数字技术推进信息整合与优化的过程，主要实现物流监控、产品流开发、信息流共享和资金流溯源等4个市场战略目标，具有市场导向和技术导向两个维度^[11，21]。

现有文献总结了多种企业数字技术应用程度测量方法，包括ERP应用^[15]、投资金额^[14]以及文本分析方法（赵辰宇，2021；吴非等，2021）。本文认为，年报内容能够向供应链合作伙伴和投资者传达上市公司未来优化方向与产业升级模式，供应链数字化会要求企业实现价值网络协调，单一技术应用或投资无法准确衡量供应链数字化战略目标。因此，综合考虑分析方法的适用性、实用性以及准确性，本文采用文本分析方法测量供应链数字化，整合关键文件与现有研究文献，构建基于政策和企业双指引的供应链数字化词典，具体步骤如下：

（1）通过Jieba分词国家统计局发布的《数字经济及其核心产业统计分类（2021）》指南文件，获得144个数字技术应用相关政策指引特征词，本文将其作为主要词库来源进行特征词筛选。

（2）赵宸宇（2021）以企业年报管理讨论部分文本为语料库，吴非等（2021）以部分政策性文件和经典文献为语料库，本文归纳以上文献中供应链数字化相关的特征词。

（3）基于供应链数字化定义，本文确定161个供应链数字化相关的特征词。区别于多数文献选择数字技术作为文本分类依据，本文重点考察企业供应链数字化是否存在市场战略导向和技术战略导向。围绕供应链数字化“四流目标”业务特征，本文认为，供应链数字化市场导向特征词可划分为物流导向、产品流导向、信息流导向及资金流导向。

（4）基于市场导向与技术导向，本文绘制建供应链数字化特征词图谱。

此外，为解决TF词频计算方法存在的常见词权重高估与关键特征词权重低估问题，借鉴相关研究文献[22-23]，本文采用TF-IDF算法修正供应链数字化计算方法。TF-IDF方法不仅能够保留TF方法中特征词n文本重要性与文档出现次数成正比的特性，而且增加了特征词n文本重要性与所有文档出现频次成反比的特性，进而降低常见词干扰关键特征词的可能性。同时，在原文档库中，本文剔除中文停用词、数字和标点。TF-IDF算法与供应链数字化计算方式如式（1）-（3）所示。

式（1）中，n_i，j是指特征词n在i公司j年年报中出现频次，分母N_i，j表示i公司j年年报所有有效词频次之和；M_j表示j年年报总数，m_j表示出现特征词n的年报数。式（2）中，SDigital_-ni，j（n=1～4）表示物流、产品流、信息流和资金流市场导向特征值的TF-IDF值，SDigital_-ti，j表示技术导向特征值的TF-IDF值。SDigital_N（N=1～4）表示物流数字化（SDigital_1_i，j）、产品流数字化（SDigital_2_i，j）、信息流数字化（SDigital_3_i，j）和资金流数字化（SDigital_4_i，j），SDigital_i，j表示供应链数字化。为方便阅读，SDigital_N_i，j以初步计算结果的100倍计量。

2.2.3 控制变量

本文控制变量如下：企业规模（Size，上市公司规模加1取自然对数）、企业年龄（Age，上市公司成立年龄加1取自然对数）、资产负债率（Lev，上市公司总负债与总资产的比值）、总资产周转率（Tat，上市公司销售收入与平均总资产的比值）、营业收入增长率（Sale，上市公司当年营业收入较前年的增长比率）、股权Herfindahl指数（Top3，公司前3位大股东持股比例的平方和）、净利润增长率（Profit，上市公司当年净利润较前年的增长比率）、托宾Q值（TobinQ，上市公司市值与总资产扣除无形资产净额和商誉净额的比值）、财务风险（Z，反映企业财务困境，采用Z Score法计算）、两职合一（Dual，董事长和总经理两职合一为1，否则为0）、监事会规模（SS，上市公司监事会规模加1取自然对数）、成长能力（SGR，上市公司的可持续增长率）、经营现金流（CFO，经营活动产生的现金流量与净额带息债务的比值）、产权性质（SOE，国企为1，非国企为0）、机构投资者持股比例（InstOwn，机构投资者持有上市公司股份的比例）。

本文变量定义见表1。

2.3 模型设置

为检验供应链数字化对企业创新活动的非线性效应，借鉴以往研究成果，本文构建如下模型：

Innov_i，t+1=α₀+α₁SDigital_i，t²+α₂SDigital_i，t+∑αCVs+Year+Ind+Prov+ε （4）

为确保结果真实、可靠，本文采用3种处理方法修正相关模型与变量：第一，增加Year、Ind和Prov，控制所构建模型的时间效应、行业效应和地区效应。其中，按行业分类标准前两位对制造企业赋值，按行业分类标准首位对其它行业企业赋值。第二，为避免逆向因果造成的内生性问题，本文对解释变量与控制变量作滞后一期处理。第三，为避免模型二次项的潜在多重共线性问题，基于连续变量SDigital去中心化的结果对SDigital²求值，模型中ε为随机误差项。

3 实证分析

3.1 描述性统计与相关性分析

表2为本文主要变量描述性统计结果。Innov均值为0.037，最大值为0.179，最小值为0，说明企业创新投入存在显著差异。SDigital均值为0.009，最大值为0.205，最小值为0，表明企业供应链数字化水平存在差异。控制变量中，其它财务特征显示，本文样本具有显著差异。

3.2 主效应检验

基于模型（4），本文采用OLS回归方法检验供应链数字化与企业创新的倒U型关系，回归结果如表3所示。列（1）-（3）为控制年份效应、行业效应和省份效应后的回归结果，SDigital²和SDigital的系数符合假设H₁的预期；列（4）-（5）分别采用异方差稳健标准误和企业层面聚类稳健标准误修正t统计量，SDigital²和SDigital系数符合假设H₁的预期；列（6）剔除不具备供应链数字化特征的样本后，SDigital²和SDigital系数依然符合假设H₁的预期。因此，由列（1）-（6）结果可知，假设H₁得到验证。

列（4）结果显示，在控制其它财务特征后，SDigital²和SDigital的系数分别为-0.732、0.210，均在1%水平上显著。通过-β₂/2β₁计算公式发现，极值点为0.143，位于SDigital取值区间。鉴于关键变量系数符号和取值区间，本文认为，供应链数字化与企业创新存在“先升后降”的倒U型关系。此外，Lind ＆ Mehlum^[24]认为，二次项显著和极值点在取值范围内这两个标准条件无法确保两者关系有效。因此，本文采用U test方法验证两者的倒U型关系。结果表明，列（1）-（6）的p值显著，假设H₁得到再次验证。同时，其它财务特征变量回归结果符合已有文献的理论预期，也与控制变量要求一致。

3.3 稳健性检验

3.3.1 替换变量法

（1）替换被解释变量衡量方式。本文将研发投入占总营业收入的比值（Innov_A）、研发投入占营业利润比值的自然对数值（Innov_p）纳入模型（4），并替换被解释变量。相较于其它指标，研发投入占营业利润的比值存在负数、绝对数值偏大和指数级增长的特点。为避免营业利润波动的干扰，对研发投入占营业利润的比值进行对数化处理，并剔除营业利润为负值的样本。同时，本文将处理后的上市公司发明专利（Innov_1）、实用新型转型（Innov_2）以及两者之和（Innov_3）纳入模型（4），并替换被解释变量。

（2）替换解释变量衡量方式。考虑到SDigital具有偏态，SDigital与Innov可能存在倒U型错误拟合，本文对处理后的SDigital重新进行回归，结果如表4列（1）-（6）所示。结果显示，SDigital²和SDigital的系数均在1%水平上显著，且系数符号未发生改变。

3.3.2 改变模型

（1）滞后效应。考虑到可能存在的时滞性问题，本文将SDigital进行滞后二期处理，结果见表4列（7）。

（2）改变回归方法。为修正自相关问题，本文采用可行性广义最小二乘法进行稳健性检验，结果见表4列（8）。为修正样本自选择偏误，本文采用Heckman两阶段法进行稳健性检验。结果显示，第一阶段Probit回归中，本文设置“0、1”二值变量IMR_dum。当上市公司样本参与回归时，IMR_dum取1，否则取0。此外，控制变量均加入第一阶段的Probit回归，总样本数量为23 606。通过第一阶段计算可得逆米尔斯比率（IMR），本文将其纳入模型（4）进行回归。表4列（9）显示，IMR的系数并不显著，且SDigital²、SDigital的系数并未发生显著改变。由此表明，样本选择不存在明显偏误。以上结果显示，结论具有稳健性。

3.3.3 调整样本范围

（1）剔除特殊时段样本。本文时间区间为2008—2020年，2008年受金融危机的影响，2020年受新冠疫情的影响，具有特殊性。表5列（1）剔除2008年样本数据，列（2）剔除2020年样本数据。

（2）我国于2015年进入数字经济发展新阶段，故本文对2015年前后样本进行回归检验，结果见表5列（3）～（4）。

（3）2008—2011年样本数量仅占总样本量的10%，本文对2012—2020年样本进行检验，结果见表5列（5）。列（1）-（5）SDigital²和SDigital的系数表明，在调整样本范围后，结论与前文保持一致。

3.3.4 内生性处理

本文采用工具变量法缓解模型内生性问题。借鉴赵宸宇（2014）的研究成果，供应链数字化起点强度会影响变革方向，但截面数据不会影响企业创新，满足工具变量相关性和外生性条件。因此，供应链数字化初始水平可以作为工具变量。此外，基于袁淳等（2021）的处理方法，本文选择2004—2016年各省份每百人互联网上网人数与供应链数字化初始水平的交互项（SDigital_IV）作为2008—2020年SDigital的工具变量。在采用工具变量方法检验内生性问题时，Haans等^[25]认为，同时替换一次项和二次项可以更好地处理内生性问题。表5列（6）-（7）为内生性处理第一阶段结果，列（8）为第二阶段结果。第一阶段，SDigital_IV²和SDigital_IV的系数均在5%水平上显著。同时，工具变量检验结果表明，SDigital_IV是SDigital²与SDigital的有效工具变量。第二阶段，SDigital²、SDigital的系数符号未改变，仍在1%水平上显著。因此，在校正内生性问题后，结论与前文结论保持一致。

3.4 分项检验

本部分探讨物流数字化（SDigital_1）、产品流数字化（SDigital_2）、信息流数字化（SDigital_3）和资金流数字化（SDigital_4）4个分项指标与企业创新的关系。

表6列（1）—（3）表明，物流数字化、产品流数字化、信息流数字化与企业创新具有倒U型关系，极值点分别为0.028、0.072和0.037，均在取值范围内。表6列（4）显示，资金流数字化能够显著促进企业创新，但两者仅具有线性关系，原因如下：第一，资金流数字化意味着企业与供应链合作伙伴达成紧密的信任关系，信息垄断、隐私侵权和信息滥用等问题无法破坏企业构建的创新生态系统。第二，资金流数字化能够弥补企业资金缺口，因而供应链合作伙伴难以摆脱企业信息控制。

3.5 机制检验

本部分以供应链异质性（SCI）、供应商异质性（SCI₁）和客户异质性（SCI₂）替换模型（4）的被解释变量，以此检验假设H₂。客户集中度越低，客户异质性程度越高。借鉴已有文献，本文采用1减去前五大供应商采购额占比测度供应商异质性（SCI₁），采用1减去前五大客户销售额占比测度客户异质性（SCI₂）^[8，20]，采用供应商异质性与客户异质性之和的半值测度供应链异质性（SCI）。

表7汇报了供应链数字化与供应链异质性、供应商异质性和客户异质性关系检验结果。表7列（1）中，SDigital²和SDigital系数为-6.656、1.404，均在1%水平上显著。上述结果表明，供应链数字化与供应链异质性存在显著倒U型关系，极值点为0.105，位于SDigital取值区间。表7列（2）（3）中，SDigital²和SDigital的系数符号均未发生变化，且在1%水平上显著。由此说明，假设H₂通过检验，供应链异质性与供应链数字化呈倒U型关系，供应链异质性是供应链数字化影响企业创新的重要渠道。

根据表7列（1）—（3）、表3列（4）回归结果，基于4个回归模型的SDigital²和SDigital系数，运用Stata软件绘制4条倒U曲线，如图1所示。无论是供应链异质性、供应商异质性还是客户异质性，上述倒U曲线均先于企业创新倒U曲线抵达极值点，结束递增区间并进入递减区间。可见，在供应链数字化的影响下，供应链异质性（供应商异质性、客户异质性）与企业创新具有显著时间传递特征，符合前文论证逻辑，验证了假设H₂。

4 进一步分析

4.1 异质性分析

不同企业能力基础可能会影响供应链数字化与企业创新倒U型关系曲线。其中，吸收能力可以反映企业创新资源转化程度，而供应链话语权可以反映企业议价能力和供应链核心资源掌控程度。从企业吸收能力与供应链话语权视角，本文构建模型（5）进行异质性检验，如式（5）所示。

Innov_i，t+1=χ₀+χ₁SDigital_i，t²+χ₂SDigital_i，t+χ₃SDigital_i，t²×Z_i，t+χ₄SDigital_i，t×Z_i，t+χ₅Z_i，t+∑χCVs+Year+Ind+Prov+ε （5）

Z_i，t表示调节变量，分别为吸收能力（Num）、供应链话语权（Hyq、Sy、Xy）。

4.1.1 企业吸收能力维度

吸收能力差异会影响供应链数字化实践效果^[26]。一方面，供应链数字化有助于企业获得信息、知识和资金优势。对于吸收能力较强的企业，管理者有意愿通过创新增加企业长期价值。另一方面，吸收能力强意味着企业具有较高的创新效率和较强的知识转换能力。但过度供应链数字化促使数据处理成本与分析成本增加，导致企业无法基于信息—创新—信息快速迭代模式积累产品优势。借鉴张叶青等^[26]的研究方法，本文选择研发人员占比作为代理变量。表8列（1）显示，SDigital²和Num的交互项系数在10%水平上显著为负。由此可见，供应链数字化与企业创新倒U型关系曲线变得陡峭，企业研发能力发挥较为显著的强化作用。

4.1.2 供应链话语权维度

黄贤环等^[27]认为，供应链话语权表现为企业能否主导上下游产业中偏利己方的商业条款制定。一方面，低水平议价能力意味着企业难以依托供应链核心资源维系信任关系并构建创新生态系统。适度的供应链数字化能够改善企业面临的困境，但过度供应链数字化会削弱企业供应链信任关系。另一方面，高水平议价能力意味着企业掌握着供应链核心资源。此时，供应链数字化对供应链掌控能力的促进作用有所降低，但过度供应链数字化导致的信任危机也会延后。

借鉴黄贤环等^[27]的研究方法，本文中上游话语权（Sy）可表示为（应付账款+应付票据-预付账款）/资产总额，下游话语权（Xy）可表示为（预收账款-应收账款-应付票据）/资产总额，供应链话语权（Hyq）可定义为两者之和。表8列（2）—（4）显示，SDigital²和Hyq的交互项系数在5%水平上显著为正，SDigital²和Sy的交互项系数在5%水平上显著为正，SDigital²和Xy的交互项系数在10%水平上显著为正。由此可见，SDigital与Innov的倒U型曲线变得陡峭，企业供应链话语权发挥显著抑制作用。其中，上游话语权无法发挥调节作用，下游话语权发挥显著调节作用。关键原因如下：上下游话语权能够为企业提供不同的核心资源。掌握下游话语权意味着企业享有技术领先优势，而掌握上游话语权意味着企业具有独特的渠道优势。对于渠道优势较弱的企业，供应链数字化可以发挥显著作用。无论是技术优势较强的企业还是技术优势较弱的企业，供应链数字化的作用基本一致。

4.2 组织间供应链数字化的创新协同效应检验

与组织内部流程数字化不同，供应链数字化关注企业与供应链合作者及消费者交互形成的内外部数据与信息。上述资源获取规模、难度和范围既与企业供应链数字化程度相关，也取决于供应链合作伙伴的信息传递与收集能力。当合作伙伴信息共享能力较弱时，企业获取的信息具有高成本、低质量特征，会影响信息分析精度与广度，进而制约企业创新生态系统发展。相较于组织内供应链数字化，组织间供应链数字化的创新协同机制可为制造商提供高效的反馈，搭建内外部跨界信息资源网络，进而提升原有创新生态系统下的企业交流强度与频率。这不仅补充了双方核心信息资源，也增加了现有资源的附加价值。因此，通过合作伙伴供应链数字化协同，企业可以发挥创新资源优势，并分散创新风险^[6]。

为检验创新协同效应，本文统计A股公司中实施供应链数字化的供应链合作者数量，认为合作者数量占比超过半数的上市公司实现了组织间供应链数字化协同，并以二值变量衡量组织间供应链数字化协同（S_Co）。由于企业公布的供应商和客户需要具备上市资格，因而有效样本量为1 973。为降低模型偏误，本文采用两种方法检验协同效应：第一，在有效样本（N=1 973）中，基于组织间供应链数字化的“0、1”二值变量，本文构建模型（6）检验组织间供应链数字化的协同效应，如式（6）所示。第二，企业供应链数字化协同具有较强的惯性，满足多期DID方法的前置条件。在全样本（N=15 892）中，本文构建模型（7）检验组织间供应链数字化的协同效应，如式（7）所示。其中，Su和St为二值变量，Su=1表示样本期间企业实现了供应链数字化协同，St=1表示企业实现供应链数字化协同后的年份。表9列（1）中，S_Co系数为0.004，在1%水平上显著。表9列（2）中，Su×St系数为0.002，对企业创新的促进作用依然存在。由此说明，组织间供应链数字化对企业创新发挥促进作用。

Innov_i，t+1=ρ₀+ρ₁S_Co_i，t+∑ρCVs+Year+Ind+Prov+ε（6）

Innov_i，t+1=σ₀+σ₁（Su×St）_i，t+∑σCVs+Year+Ind+Prov+ε（7）

4.3 行业内与行业间供应链数字化的创新溢出效应检验

从激励视角看，供应链数字化对行业内、行业间非数字化同群企业可能发挥创新溢出效应^[28]。本部分检验行业内、行业间两种供应链数字化的创新溢出效应。

首先，供应链数字化会加速企业所在产业链数字经济发展，数字方案、数字平台有助于同省份、同集团企业获得后来者优势。信息共享背景下，供应链数字化能够促进同省份、集团企业信息获取能力提升，进而促进企业创新。其次，在资金紧缺和需求不足的市场背景下，同行业其它企业难以通过持续扩大规模获得相对成本优势。因此，为了获得相对领先优势，企业可能会重视创新。最后，同群企业可能将财务数据和投资决策作为创新决策参考^[29]，模仿行为会激励同群企业创新。

为检验这一创新溢出效应，借鉴耀友福和薛爽^[29]的计算方法，本文采用同行业、同省份供应链数字化企业占比衡量同省份（S_Prov）、同行业（S_Ind）供应链数字化，并采用相同第一实控人控制下的供应链数字化企业占比衡量同集团供应链数字化（S_Mo）。本部分将非供应链数字化企业作为研究对象，检验供应链数字化的创新溢出效应，构建模型（8）。

Innov_i，t+1=ω₀+ω₁S_Ind/Prov/Mo_i，t+∑ωCVs+Year+Ind+Prov+ε（8）

表9列（3）中，S_Ind的系数不显著。表9列（4）中，S_Prov的系数为0.011，在1%水平上显著。由此表明，行业内各企业相对独立，不具备共享供应链数字平台的基础，但省份内各企业面临相似的要素供给与法制监管环境，人才、资金和知识等资源集聚有助于其它企业创新活动，因而具备供应链数字平台搭建条件。因此，供应链数字化对区域创新发挥促进作用，但无法促进行业其它企业创新水平提升。表9列（5）中，S_Mo的系数为0.006，在10%水平上显著。由此说明，在集团公司统筹下，子公司供应链数字化能够促使其它企业获得同等资源以推动创新。

5 结语

5.1 结论

供应链数字化是统筹双循环新发展格局和创新驱动发展的重要支点，发挥持续性创新驱动作用。基于此，本文选取2008—2021年上市公司数据为样本，构建组织内供应链数字化度量指标进行实证分析，得出如下结论：

（1）供应链数字化与企业创新具有显著倒U型关系。由此表明，适度的供应链数字化有利于企业创新。经过U test检验与稳健性检验后，上述结论依然成立。同时，物流数字化、产品流数字化与信息流数字化具有倒U型关系，资金流数字化对企业创新具有正向影响，说明资金流数字化仍有较大发展空间。

（2）机制研究表明，供应链异质性与供应链数字化具有显著倒U型关系。由此说明，供应链异质性是供应链数字化影响企业创新的关键机制。

（3）异质性研究表明，供应链数字化对不同企业创新具有差异化影响。在吸收能力较强、供应链话语权较低的企业中，供应链数字化的作用更显著。

（4）供应链数字化对企业创新发挥正向效应，一是组织间供应链数字化的创新协同效应，二是行业间供应链数字化的创新溢出效应，但行业内供应链数字化的创新溢出效应不显著。

5.2 启示

（1）政府应引导企业加快制定供应链数字化市场战略与技术战略，充分发挥供应链数字化对创新的促进作用和协同效应。尽管供应链数字化对创新的促进作用存在拐点，但多数企业仍处于拐点左侧区间。因此，政府应对企业数据垄断、侵权行为加以规范，确保企业创新生态系统健康发展。

（2）企业应强化供应链协作关系，全面推进创新链、供应链融合。第一，在物流数字化、产业链数字化和信息流数字化达到适度水平后，企业应重视供应链资金流数字化变革。第二，企业应秉持多元共享的发展理念，重视开拓多元化供应链信息渠道，构建信息共享平台与创新生态系统。第三，企业应把握数字技术发展机遇，积极参与创新合作，扩大供应链数字化合作范围。企业应注重提高吸收能力，加强内外部资源整合，通过供应链数字化实现多主体开放式创新，从而降低创新不确定性风险。第四，企业管理者应注重扩大渠道优势和技术优势，提升供应链话语权，延缓企业进入供应链数字化拐点右侧区间的速度。

5.3 不足与展望

本文基于市场导向、技术导向构建组织内供应链数字化度量指标，再延伸到组织间、行业内和行业间供应链数字化。在上述指标刻画方面，本文度量方法存在局限性，尚未检验3种类型供应链数字化对企业创新的影响机制。展望未来研究方向，以下内容值得关注：第一，可以引入其它理论，全面探索供应链数字化对企业创新的作用机制。第二，在沿用本文量化指标的基础上，可以探讨企业供应链数字化的其它经济后果，如全要素生产率、资产专用性以及供应链融资等。第三，在沿用本文供应链数字化模式定义的基础上，可以全面探讨组织间、行业内和行业间3种数字化类型的作用机制与异质性效应。

参考文献：

[1]屠年松，李柯，柴正猛.数字经济如何影响制造业全球价值链地位：机制分析与空间溢出[J].科技进步与对策，2022，39（22）：62-71.

[2]SAGE D，VITRY C，DAINTY A. Exploring the organizational proliferation of new technologies： an affective actor-network theory[J]. Organization Studies， 2020， 41（3）：345-363.

[3]WIEDENMANN M，GROSSLER A.The impact of digital technologies on operational causes of the bullwhip effec——a literature review[J]. Procedia CIRP， 2019， 81：552-557.

[4]BOUNCKEN R B，HUGHES M，RATZMANN M，et al.Family firms， alliance governance and mutual knowledge creation[J]. British Journal of Management，2020，31（4）：769-791.

[5]B?Y?K?ZKAN G，G??ER F. Digital supply chain： literature review and a proposed framework for future research[J]. Computers in Industry， 2018， 97：157-177.

[6]杨金玉，彭秋萍，葛震霆.数字化转型的客户传染效应——供应商创新视角[J].中国工业经济，2022，39（8）：156-174.

[7]张广玲，王鹏，胡琴芳.供应链企业间地理距离与组织距离对合作创新绩效的影响[J].科技进步与对策，2022，39（9）：75-82.

[8]孟庆玺，白俊，施文.客户集中度与企业技术创新：助力抑或阻碍——基于客户个体特征的研究[J].南开管理评论，2018，21（4）：62-73.

[9]张树山，胡化广，孙磊，等.供应链数字化与供应链安全稳定——一项准自然实验[J].中国软科学，2021，36（12）：21-30，40.

[10]LI M，SONG H，YU K. Big data analytics in digital platforms： how do financial service providers customise supply chain finance[J]. International Journal of Operations & Production Management， 2021， 41（4）：410-435.

[11]李琦，刘力钢，邵剑兵.数字化转型、供应链集成与企业绩效——企业家精神的调节效应[J].经济管理，2021，43（10）：5-23.

[12]ZOBEL A K，LOKSHIN B，HAGEDOORN J.Formal and informal appropriation mechanisms： the role of openness and innovativeness[J].Technovation，2017，59：44-54.

[13]KIM H S.How a firm's position in a whole network affects innovation performance[J]. Technology Analysis & Strategic Management，2019，31（2）：155-168.

[14]吴友群，卢怀鑫，王立勇.数字化对制造业全球价值链竞争力的影响——来自中国制造业行业的经验证据[J].科技进步与对策，2022，39（7）：53-63.

[15]王可，周亚拿.信息化建设、供应链信息分享与企业绩效——基于中国制造业企业的实证研究[J].中国管理科学，2019，27（10）：34-43.

[16]邱善运.合作型客户关系构建促进了企业创新吗——基于社会关系的视角[J].山西财经大学学报，2022，44（8）：85-99.

[17]刘淑春，闫津臣，张思雪，等.企业管理数字化变革能提升投入产出效率吗[J].管理世界，2021，37（5）：170-190，13.

[18]李晓华，王怡帆.数据价值链与价值创造机制研究[J].经济纵横，2020，36（11）：54-62，2.

[19]颜恩点，谢佳佳.供应链关系、信息优势与影子银行业务——基于上市非金融企业的经验证据[J].管理评论，2021，33（1）：291-300，329.

[20]王静.数字化供应链转型升级模式及全链路优化机制研究[J].经济学家，2022，37（9）：59-68.

[21]HANELT A，BOHNSACK R， MARZ D，et al.A systematic review of the literature on digital transformation： insights and implications for strategy and organizational change[J].Journal of Management Studies， 2020，58（5）：1159-1197.

[22]赵子夜，杨庆，杨楠.言多必失？管理层报告的样板化及其经济后果[J].管理科学学报，2019，22（3）：53-70.

[23]BOCHKAY K，CAROLYN B L. Using MD&A to improve earnings forecasts[J]. Journal of Accounting， Auditing & Finance，2019，34（3）：458-482.

[24]LIND J T，MEHLUM H.With or without U？the appropriate test for a u-shaped relationship[J].Oxford Bulletin of Economics and Statistics，2010，72（1）：109-118.

[25]HAANS R，PIETERS C，HE Z L.Thinking about U： theorizing and testing u- and inverted u-shaped relationships in strategy research[J].Strategic Management Journal，2016，37（7）：1177-1195

[26]张叶青，陆瑶，李乐芸.大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J].经济研究，2021，56（12）：42-59.

[27]黄贤环，贾敏，王瑶.产业链中的话语权与非金融企业金融投资——基于产业链中商业信用水平的视角[J].会计研究，2022，43（5）：118-130.

[28]霍春辉，吕梦晓，许晓娜.数字化转型“同群效应”与企业高质量发展——基于制造业上市公司的经验证据[J/OL].科技进步与对策：1-11[2023-02-20].http：//kns.cnki.net/kcms/detail/42.1224.G3.20230207.1349.003.html.

[29]耀友福，薛爽.年报问询压力与内部控制意见购买[J].会计研究，2020，41（5）：147-165.

（责任编辑：张 悦）

The Impact of Supply Chain Digitalization on Enterprise Innovation：Empirical Evidence from Chinese Listed Companies

Wu Weipeng， Chen Jinlong， Zhao Xiaoyang， Tang Hongqin

（Business School， Huaqiao University， Quanzhou 362021， China）

Abstract：Supply chain digitalization is a crucial opportunity for China's industrial clusters to integrate their supply chains and innovation chains. However， enterprises in China face challenges such as barriers to information and knowledge exchange and a lack of feedback mechanisms across production， distribution and sales processes. These challenges increase the uncertainty and risk of enterprise innovation. In the context of trade wars and anti-globalization， sharing innovation resources and information between Chinese enterprises and their upstream and downstream partners is the most important task. For enterprises， digital technologies in the supply chain reshape business processes， synergy mechanisms， organizational forms and value orientation. For China， supply chain digitalization accelerates the establishment of a "dual circulation" development pattern in which the domestic economic cycle plays a leading role while the international economic cycle remains its extension and supplement. In order to promote China's path to modernization， it is of great theoretical and practical significances to study the economic effects of supply chain digitalization， which has been an important topic of academic attention in recent years.

The existing studies have demonstrated that supply chain digitalization can not only help traditional enterprises monitor logistics but also determine product flow， smooth information flow， and trace capital flow. However， the existing studies have not yet made a useful attempt to explore more scientific and planned quantitative methods for supply chain digitalization， and the research methods of most of the scholars focus on qualitative research and theoretical exploration. It remains a" black box"  to be explored whether supply chain digitalization can help enterprises innovate. This paper argues that supply chain digitalization builds an open innovation platform for enterprises to promote enterprise innovation. Within the open innovation platform， the relationship between the firm and its supply chain partners affects the firm's innovation， which in turn leads to a decrease in the marginal effect of supply chain digitization. Then this paper focuses on the following three parts to expand the theoretical boundaries of supply chain digitization and open innovation and proposes corresponding conclusions and countermeasures based on the relevant contents. The first part examines the marginal contribution of supply chain digitalization to firm innovation. The second part discusses the channels of action of both. The third part further examines the heterogeneous impact， innovation synergies and innovation spillover effects of supply chain digitalization.

Therefore， this paper uses the panel data consisting of 15 892 samples including Chinese A-share listed companies， spanning the period from 2008 to 2021. It constructs a supply chain digitization index for internal organizations using the TF-IDF formula and Python text mining technology to empirically test the non-linear relationship between supply chain digitization and corporate innovation. Then， it identifies and tests the mechanisms of supply chain heterogeneity， using open innovation theory as a clue. Second， among different firm types， this paper discusses the differential impact of supply chain digitization. Finally， this paper constructs three other supply chain digitization indicators and tests their impact on innovation separately.

The conclusions of this paper are as follows. First， the relationship between supply chain digitalization and enterprise innovation shows an inverted U-shape. This conclusion still remains valid after the robustness tests and the U test. Among the sub-indicators of supply chain digitalization， logistics digitalization， product flow digitalization and information flow digitalization have significant inverted U impact. But capital flow digitalization has a significant linear positive impact. Second， supply chain heterogeneity is an important channel for the marginal reduction of the impact of supply chain digitalization on enterprise innovation. Third， further research finds that the impact of supply chain digitalization on enterprise innovation will be more prominent among enterprises with strong absorption capacity and low supply chain discourse power. In addition， the innovation synergy of supply chain digitalization across inter-organization and the innovation spillover effects of supply chain digitalization across inter-industry can also promote enterprise innovation. This paper clarifies the intrinsic link between supply chain digitalization and innovation， which has important theoretical significance and practical enlightenment for the development of supply chain digitalization， the improvement of innovation efficiency， the promotion of high-quality development，and the development of open innovation theory.

Key Words：Supply Chain Digitalization; Enterprise Innovation;Supply Chain Heterogeneity;  TF-IDF