張吉昌,龍 靜

(南京大學 商學院,江蘇 南京 210093)

一、引言

數(shù)字經(jīng)濟背景下,數(shù)字化轉(zhuǎn)型被視為微觀企業(yè)主體依循發(fā)展規(guī)律所必經(jīng)的一個重要戰(zhàn)略選擇。數(shù)字化轉(zhuǎn)型是指利用人工智能、云計算、區(qū)塊鏈、大數(shù)據(jù)等新興數(shù)字技術(shù)的組合重構(gòu)商業(yè)模式的過程。數(shù)字化轉(zhuǎn)型是具有破壞性屬性的創(chuàng)新行為,可以從根本上改變消費者的行為和預期、產(chǎn)品的基本形態(tài)、商業(yè)模式乃至顛覆在位者的競爭格局。同樣,數(shù)字化轉(zhuǎn)型也會引發(fā)企業(yè)創(chuàng)新活動的變革,為企業(yè)創(chuàng)新提供新的動能,引導企業(yè)創(chuàng)新水平實現(xiàn)跨越式發(fā)展。在此背景下,企業(yè)能否抓住新的數(shù)字技術(shù)機遇,推動數(shù)字化轉(zhuǎn)型,并充分發(fā)揮數(shù)字技術(shù)的創(chuàng)新賦能效應,提高創(chuàng)新績效,成為理論探索和管理實踐共同關(guān)注的重要議題。

近年來,圍繞“數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新”的關(guān)系,學者們作了諸多有益的探索。從研究方法出發(fā),可以將現(xiàn)有研究內(nèi)容大體分為兩類:一是理論分析和案例研究。Vial、Li從理論層面對數(shù)字化轉(zhuǎn)型驅(qū)動的企業(yè)創(chuàng)新現(xiàn)象進行了探討。劉啟雷等基于徐州工程機械集團和陜汽集團兩個智能制造企業(yè)的案例分析,探索了數(shù)字化賦能企業(yè)創(chuàng)新的過程、邏輯及機制。這類研究是早期探索的主要形式,無論是理論層面的分析還是案例層面的探究,均肯定了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的積極作用。二是定量研究,這類研究開始嘗試對數(shù)字化轉(zhuǎn)型進行具體度量,并開展定量分析。Nwankp et al.采用問卷調(diào)查法衡量企業(yè)數(shù)字化轉(zhuǎn)型程度,并實證檢驗了數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新的正相關(guān)關(guān)系。Ferreira et al.采用“企業(yè)當年是否使用新的數(shù)字化流程”的“0-1”虛擬變量來測量數(shù)字化轉(zhuǎn)型,并實證檢驗了數(shù)字化轉(zhuǎn)型對產(chǎn)品服務創(chuàng)新、流程創(chuàng)新的直接影響。這類研究較早對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新的關(guān)系進行實證檢驗,為未來研究提供了可行的研究路徑?？傮w而言,上述研究為理解基于數(shù)字化轉(zhuǎn)型驅(qū)動的企業(yè)創(chuàng)新現(xiàn)象提供了豐富的經(jīng)驗借鑒和理論啟發(fā),但還存在些許不足。首先,現(xiàn)有文獻大多認為數(shù)字化是企業(yè)在數(shù)字經(jīng)濟時代構(gòu)建持續(xù)競爭力的關(guān)鍵路徑,但現(xiàn)有關(guān)于數(shù)字化假設(shè)的研究方法大都停留在理論分析和案例研究上,鮮有文獻直接實證檢驗數(shù)字化轉(zhuǎn)型如何幫助企業(yè)提升創(chuàng)新水平問題。其次,僅依據(jù)企業(yè)是否設(shè)立數(shù)字資源信息共享平臺、是否使用數(shù)字化流程來衡量企業(yè)數(shù)字化轉(zhuǎn)型,不能準確測量企業(yè)數(shù)字化轉(zhuǎn)型的“強度”,導致結(jié)論可能出現(xiàn)偏誤。此外,基于問卷調(diào)查的研究只能揭示變量之間的相關(guān)關(guān)系,沒有挖掘現(xiàn)象背后的因果關(guān)系。最后,雖然少數(shù)文獻開始采用定量方法研究數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響,但主要關(guān)注數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新活動的整體驅(qū)動效應,未能深入考察數(shù)字化轉(zhuǎn)型影響企業(yè)創(chuàng)新績效的中間機制。近期的數(shù)字化轉(zhuǎn)型研究發(fā)現(xiàn),新技術(shù)的引入以及由此引發(fā)的企業(yè)創(chuàng)新行為必須以一定的資源和能力為支撐,動態(tài)能力理論是分析企業(yè)數(shù)字化轉(zhuǎn)型的重要視角。一方面,數(shù)字化轉(zhuǎn)型被視為企業(yè)動態(tài)能力進化的刺激物;另一方面,動態(tài)能力是企業(yè)獲取競爭優(yōu)勢的根本保障,而企業(yè)創(chuàng)新績效是競爭優(yōu)勢的關(guān)鍵表現(xiàn)。有鑒于此,本文基于動態(tài)能力理論,以2007—2019 年中國滬深兩市A 股高新技術(shù)上市企業(yè)為樣本,利用文本分析法刻畫出企業(yè)數(shù)字化轉(zhuǎn)型強度,擬對“數(shù)字化轉(zhuǎn)型—企業(yè)創(chuàng)新績效”的關(guān)系、中間機制進行識別檢驗,為理解數(shù)字化轉(zhuǎn)型和企業(yè)創(chuàng)新績效的關(guān)系提供新的實證證據(jù)。

本文可能的研究貢獻體現(xiàn)在以下三個方面:第一,本文驗證了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的積極影響,為企業(yè)創(chuàng)新績效的影響因素研究提供新的實證證據(jù)和文獻補充。第二,本文基于動態(tài)能力理論,探索創(chuàng)新能力、吸收能力、適應能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間的作用路徑,打開了這一因果關(guān)系鏈的機制黑箱,也為后續(xù)研究提供可借鑒的理論視角。第三,研究結(jié)論驗證了數(shù)字化轉(zhuǎn)型構(gòu)成企業(yè)動態(tài)能力進化的刺激物,拓展了數(shù)字經(jīng)濟背景下中國企業(yè)動態(tài)能力的前置影響因素研究。

二、理論分析與研究假設(shè)

(一)理論分析

動態(tài)能力理論由資源基礎(chǔ)理論與企業(yè)能力理論的觀點發(fā)展而來,用于解釋企業(yè)如何在動蕩的外部環(huán)境中保持持續(xù)的競爭優(yōu)勢。Teece et al.將動態(tài)能力定義為“企業(yè)整合、構(gòu)建和重新配置內(nèi)部和外部能力以適應快速變化的環(huán)境的能力”,并提出了“位勢—流程—路徑”的三維分析框架,其中,流程是最基礎(chǔ)的部分,代表動態(tài)能力,而位勢與路徑都需要借助流程來發(fā)揮作用。受企業(yè)內(nèi)外部因素影響,動態(tài)能力具有不斷演化的本質(zhì)特征。從內(nèi)部企業(yè)環(huán)境來看,動態(tài)能力是組織慣例與資源基礎(chǔ)更新的反映和演化。在后續(xù)的研究過程中,Eisenhardt et al.、Winter認為學習是驅(qū)使動態(tài)能力進化的重要機制和刺激物,學習在某種程度上外生于動態(tài)能力體系。近期的數(shù)字化研究發(fā)現(xiàn),數(shù)字化背景下的數(shù)字化轉(zhuǎn)型與學習具有同樣的功效,都是企業(yè)整合與重構(gòu)內(nèi)外部資源、流程、結(jié)構(gòu)的創(chuàng)新過程,是驅(qū)使動態(tài)能力進化的重要機制和觸發(fā)器。數(shù)字化轉(zhuǎn)型本身具有復雜性和不確定性特征,而動態(tài)能力是企業(yè)適應不確定環(huán)境的有效保障,動態(tài)能力理論解釋了企業(yè)如何應對技術(shù)和市場的快速變化。構(gòu)建動態(tài)能力的根本目標是確保企業(yè)獲取和維持可持續(xù)的競爭優(yōu)勢,而高企業(yè)創(chuàng)新績效是競爭優(yōu)勢的一種重要表現(xiàn)形式,動態(tài)能力在企業(yè)創(chuàng)新的資源和能力整合及重新配置過程中起著關(guān)鍵作用。

綜上所述,本文認為企業(yè)動態(tài)能力是數(shù)字化轉(zhuǎn)型提升企業(yè)創(chuàng)新績效的關(guān)鍵機制。

(二)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效

數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的驅(qū)動作用表現(xiàn)在以下三個方面:第一,數(shù)字化轉(zhuǎn)型拓展企業(yè)創(chuàng)新機會。企業(yè)創(chuàng)新以創(chuàng)新機會識別為基礎(chǔ),這需要企業(yè)具備有效識別內(nèi)外部環(huán)境中與創(chuàng)新相關(guān)機會的能力。數(shù)字時代背景下,數(shù)字技術(shù)連接了眾多的企業(yè)利益相關(guān)者,企業(yè)所面臨的市場環(huán)境和技術(shù)環(huán)境瞬息萬變。傳統(tǒng)的信息管理系統(tǒng)更多的是對企業(yè)內(nèi)部數(shù)據(jù)進行存儲、加工,很少對外部環(huán)境作出反應。當企業(yè)根據(jù)業(yè)務需求,引入以大數(shù)據(jù)、云計算為代表的數(shù)字化轉(zhuǎn)型工具時,便可以持續(xù)地掃描、捕捉、分析各類紛繁復雜的信息,迅速獲取創(chuàng)新機會。第二,數(shù)字化轉(zhuǎn)型提升企業(yè)創(chuàng)新效率。數(shù)字技術(shù)不僅可以對創(chuàng)新流程進行精準解構(gòu)和定位,促使企業(yè)創(chuàng)新模式從粗放式向精準式轉(zhuǎn)變,而且可以減少繁瑣、重復性的工作,促使知識型員工投入更多精力到創(chuàng)新事項上。以中國的新冠肺炎疫苗研發(fā)為例,其生產(chǎn)周期遠短于傳統(tǒng)研發(fā)周期,除舉國體制外,這同樣得益于數(shù)字技術(shù)對研發(fā)流程中資源的高效配置。第三,數(shù)字化轉(zhuǎn)型降低企業(yè)創(chuàng)新成本。企業(yè)創(chuàng)新是一個不斷試錯的過程,具有高風險、高不確定性、長周期特征,因此需要投入大量的研發(fā)資金。企業(yè)通過引入數(shù)字孿生以及數(shù)字仿真技術(shù)將實驗要素數(shù)字化,以較低的成本實現(xiàn)理想的實驗次數(shù),達到創(chuàng)新目標。企業(yè)創(chuàng)新成本的降低以及創(chuàng)新效率的提升,將進一步激勵企業(yè)將更多的資源用于產(chǎn)品和技術(shù)研發(fā),形成正向的反饋機制。據(jù)此,提出假設(shè):

H:數(shù)字化轉(zhuǎn)型正向影響企業(yè)創(chuàng)新績效。

(三)動態(tài)能力的中介作用

數(shù)字化轉(zhuǎn)型引發(fā)的企業(yè)創(chuàng)新行為必須以一定的資源和能力為支撐?，F(xiàn)有文獻強調(diào)了數(shù)字化轉(zhuǎn)型過程中動態(tài)能力的重要性,而動態(tài)能力一直被認為是中國企業(yè)的優(yōu)勢,在企業(yè)創(chuàng)新活動中扮演重要角色。Wang et al.認為動態(tài)能力包含創(chuàng)新能力、吸收能力和適應能力三個維度。該劃分方法得到了國內(nèi)學者的驗證,具有較強的代表性和典型性。其中,創(chuàng)新能力是指企業(yè)開發(fā)新產(chǎn)品、開拓新市場的能力;吸收能力是指企業(yè)識別、吸收、轉(zhuǎn)化和應用有價值的外部知識的能力,包括內(nèi)部學習和外部知識吸收;適應能力是指企業(yè)為快速識別和抓住機會,對企業(yè)資源進行重新分配的能力。

具體來說,數(shù)字化轉(zhuǎn)型通過增強創(chuàng)新能力提升企業(yè)創(chuàng)新績效。數(shù)字技術(shù)是企業(yè)數(shù)字化轉(zhuǎn)型中的關(guān)鍵支撐資源,其具有強大的信息捕捉、智能分析能力,能夠幫助企業(yè)動態(tài)調(diào)整創(chuàng)新策略與目標。此外,企業(yè)如果只在自己熟知的技術(shù)領(lǐng)域開發(fā)產(chǎn)品或技術(shù),雖然可以提升創(chuàng)新的效率,但創(chuàng)新能力得不到進化,最終會形成創(chuàng)新路徑依賴,掉入“創(chuàng)新陷阱”。數(shù)字化轉(zhuǎn)型過程中的管理模式變革與重構(gòu)會促使企業(yè)積極應對外部環(huán)境沖擊并打破組織慣例,有利于企業(yè)關(guān)注創(chuàng)新能力的提升,積極探索新的知識和技術(shù)領(lǐng)域。據(jù)此,提出假設(shè):

H:創(chuàng)新能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起中介作用。

數(shù)字化轉(zhuǎn)型通過增強企業(yè)吸收能力提升企業(yè)創(chuàng)新績效。在日益共生的數(shù)字化生態(tài)環(huán)境中,企業(yè)間以及企業(yè)與外部環(huán)境的邊界正在逐漸被打破,企業(yè)通過數(shù)字化轉(zhuǎn)型不斷獲取包括合作者、消費者、競爭對手在內(nèi)的企業(yè)利益相關(guān)者分享的知識,賦能企業(yè)快速連接內(nèi)外部信息源,擴展信息的廣度和深度,實現(xiàn)內(nèi)在認知和外在環(huán)境的互動學習。企業(yè)內(nèi)部知識的更新和外部知識的交流能夠有力促進資源調(diào)整和價值挖掘,從而為企業(yè)增強吸收能力提供可能性。企業(yè)可以對數(shù)字化轉(zhuǎn)型帶來的海量信息、知識資源進行吸收整合,將支持數(shù)字化轉(zhuǎn)型的運營能力進化為不易模仿和難以替代的高層次動態(tài)能力,從而驅(qū)動企業(yè)創(chuàng)新。據(jù)此,提出假設(shè):

H:吸收能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起中介作用。

數(shù)字化轉(zhuǎn)型通過促進適應能力提升企業(yè)創(chuàng)新績效。適應能力是企業(yè)整合、重構(gòu)既有資源以響應環(huán)境動態(tài)變化的能力。數(shù)字化轉(zhuǎn)型涉及企業(yè)全方面、多維度的改造和升級,企業(yè)可以通過數(shù)字技術(shù)顛覆賴以生存的業(yè)務模型、操作流程、創(chuàng)新體系等,用更加智能化的工具來設(shè)計、生產(chǎn)和支持整個企業(yè)及其價值鏈中的產(chǎn)品和技術(shù)創(chuàng)新,進一步提升企業(yè)適應新環(huán)境的能力。若企業(yè)的適應能力不強,即便能不斷引入數(shù)字化技術(shù),也難以與企業(yè)內(nèi)部組織流程、創(chuàng)新方式、資源基礎(chǔ)進行有效適配,最終會抑制企業(yè)創(chuàng)新績效的提升。據(jù)此,提出假設(shè):

H:適應能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起中介作用。

基于上述討論,構(gòu)建如下理論模型,如圖1所示。

圖1 研究模型

三、研究設(shè)計

(一)樣本選擇與數(shù)據(jù)來源

本文的初始研究樣本包括2007—2019 年的中國滬深A 股全部高新技術(shù)上市企業(yè)。本文以2007年作為研究起始點的原因在于,2006 年中華人民共和國財政部對《企業(yè)會計準則》進行了修訂,需要對數(shù)據(jù)統(tǒng)計規(guī)則差異造成的影響進行規(guī)避。本文對數(shù)據(jù)作了以下處理:(1)對金融業(yè)企業(yè)予以剔除;(2)剔除樣本期內(nèi)被ST 和ST 的企業(yè);(3)剔除關(guān)鍵數(shù)據(jù)缺失嚴重的企業(yè);(4)為規(guī)避異常值對模型估計的不正常影響,對所有連續(xù)變量進行縮尾調(diào)整,縮尾對象為上下1%的觀測值。經(jīng)過上述處理,共得到1 998 家高新技術(shù)企業(yè)的17 721 個觀測值。數(shù)字化轉(zhuǎn)型數(shù)據(jù)根據(jù)巨潮資訊網(wǎng)搜集到的2007—2019 年的企業(yè)年報資料,進行關(guān)鍵詞文本分析得到;制度環(huán)境數(shù)據(jù)來自王小魯?shù)染幹频摹吨袊质》菔袌龌笖?shù)報告(2018)》,數(shù)據(jù)缺失年份參考馬連福等的做法,采用歷年市場化指數(shù)的平均增長幅度進行預測;其余數(shù)據(jù)來源于CSMAR 數(shù)據(jù)庫和CNRDS 數(shù)據(jù)庫。本文使用的數(shù)據(jù)處理軟件為Stata16。

(二)變量定義

1.被解釋變量:企業(yè)創(chuàng)新績效。現(xiàn)有文獻中,測量企業(yè)創(chuàng)新績效的方式主要有兩種:一是基于專利,采用企業(yè)專利授權(quán)總量或者專利被引次數(shù)作為測量指標;二是采用新產(chǎn)品的銷售額作為創(chuàng)新績效的衡量指標。由于中國不要求企業(yè)在年報中對新產(chǎn)品銷售收入進行披露,基于數(shù)據(jù)的可得性,本文采用企業(yè)的專利授權(quán)總量加1 后的自然對數(shù)來衡量企業(yè)創(chuàng)新績效。

2.解釋變量:數(shù)字化轉(zhuǎn)型。本文借鑒吳非等的做法,使用上市企業(yè)年報中與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞出現(xiàn)的頻次構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標。具體步驟如下:第一步,生成數(shù)據(jù)庫。通過Python 爬蟲技術(shù)在巨潮資訊網(wǎng)站收集2007—2019 年所有滬深A 股上市企業(yè)的年度報告,轉(zhuǎn)換成TXT 格式,以此作為后續(xù)關(guān)鍵詞篩選的數(shù)據(jù)庫。第二步,確定關(guān)鍵詞。從“數(shù)字化轉(zhuǎn)型的四種典型底層技術(shù)”與“數(shù)字化轉(zhuǎn)型技術(shù)應用實踐”兩個層面界定企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵詞,如圖2 所示。第三步,計算關(guān)鍵詞詞頻?；谇捌谏傻奈谋緮?shù)據(jù)庫與圖2 中的關(guān)鍵詞,運用Python 對關(guān)鍵詞進行檢索、匹配和詞頻統(tǒng)計,加總得到數(shù)字化轉(zhuǎn)型總指標,由于數(shù)據(jù)的“右偏”特性,本文對其加1 后取自然對數(shù)。

圖2 企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)構(gòu)化特征詞圖譜

3.中介變量:動態(tài)能力。參考楊林等的研究思路,基于面板數(shù)據(jù)對動態(tài)能力進行度量,包括創(chuàng)新能力、吸收能力和適應能力3 個維度。創(chuàng)新能力采用樣本企業(yè)年度研發(fā)投入強度和技術(shù)人員比例兩個指標來綜合評價,對這兩個指標的數(shù)據(jù)分別進行標準化處理,然后加總得到創(chuàng)新能力綜合值,用

DC

_

In

表示。吸收能力采用樣本企業(yè)年度研發(fā)投入與營業(yè)收入之比來衡量,用

DC

_

Ab

表示。適應能力采用樣本企業(yè)年度研發(fā)、資本以及廣告3 種主要支出的變異系數(shù)的負值來反映企業(yè)資源分配的靈活程度,進而測量企業(yè)的適應能力,用

DC

_

Ad

表示。對變異系數(shù)取負值的原因是為了使變異系數(shù)值與適應能力的變化方向保持一致,即變異系數(shù)值越大,企業(yè)的適應能力越強。4

.

控制變量。借鑒以往學者的相關(guān)研究,選取可能對企業(yè)創(chuàng)新績效產(chǎn)生影響的變量作為控制變量。

以上具體變量詳見表1。

表1 變量的選取與測量

5

.

模型設(shè)定與實證策略。為檢驗研究假設(shè),本文設(shè)定如下模型:

上述模型中,

i

表示企業(yè),

t

表示時間,

EIP

表示企業(yè)創(chuàng)新績效,

EDT

表示數(shù)字化轉(zhuǎn)型,

Mediator

表示創(chuàng)新能力、吸收能力、適應能力,

Year

為時間虛擬變量,

Industry

為行業(yè)虛擬變量,

Control

為前述控制變量,

ε

為模型隨機誤差項。模型(1)是為檢驗假設(shè)H設(shè)計的實證方程;聯(lián)合模型(1)、模型(2)與模型(3)可以檢驗假設(shè)H、H、H。此外,本文所有回歸方程中的

t

統(tǒng)計量均采用企業(yè)層面的

Cluster

聚類穩(wěn)健標準誤調(diào)整后計算得來。

四、實證研究結(jié)果與分析

(一)描述性統(tǒng)計

表2 列示了本文所有變量的描述性統(tǒng)計結(jié)果。企業(yè)創(chuàng)新績效(

EIP

) 的最小值為0,最大值為5.717,表明樣本企業(yè)在專利授權(quán)數(shù)量方面表現(xiàn)出較大差異,這與已有研究結(jié)果基本一致。數(shù)字化轉(zhuǎn)型(

EDT

)最小值為0,最大值為5

.

112,標準差為1.343,表明樣本企業(yè)在數(shù)字化轉(zhuǎn)型方面同樣表現(xiàn)出較大差異。創(chuàng)新能力的均值為0

.

700,最大值為1.978,表明樣本企業(yè)的創(chuàng)新能力較高。吸收能力的均值為3

.

143,說明樣本企業(yè)的平均研發(fā)投入強度為3

.

143

%

。適應能力的均值為-1

.

289,表明樣本企業(yè)的適應能力平均水平較低,企業(yè)資源分配的差異性較大。

表2 描述性統(tǒng)計

(二)相關(guān)性分析

表3 列示了本文主要變量的相關(guān)系數(shù)。數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效的

Pearson

相關(guān)系數(shù)為0.122,

Spearman

相關(guān)系數(shù)為0.107,均通過了1

%

的顯著性水平檢驗,說明數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間存在正相關(guān)關(guān)系。數(shù)字化轉(zhuǎn)型與創(chuàng)新能力、吸收能力、適應能力的

Pearson

相關(guān)系數(shù)分別為0.203、0.237、0.245,

Spearman

相關(guān)系數(shù)分別為0.140、0.135、0.256,均通過了1

%

的顯著性水平檢驗,說明數(shù)字化轉(zhuǎn)型與創(chuàng)新能力、吸收能力、適應能力之間存在正相關(guān)關(guān)系。創(chuàng)新能力、吸收能力、適應能力與企業(yè)創(chuàng)新績效的

Pearson

相關(guān)系數(shù)分別為0.191、0.152、0.121,

Spearman

相關(guān)系數(shù)分別為0.182、0.207、0.122,均通過了1

%

的顯著性水平檢驗,說明創(chuàng)新能力、吸收能力、適應能力與企業(yè)創(chuàng)新績效之間存在正相關(guān)關(guān)系。這初步支持了本文的研究假設(shè)。進一步,變量之間的相關(guān)系數(shù)基本小于0.4,同時本文對所有解釋變量進行方差膨脹因子測算,結(jié)果顯示所有解釋變量的平均

VIF

為1.42,最大值為2.70,遠小于閾值10,表明本文的解釋變量不存在嚴重的多重共線性問題。

表3 主要變量的相關(guān)系數(shù)

(三)回歸分析結(jié)果

表4 列示了回歸分析結(jié)果。模型(1)為基準模型,包括所有的控制變量。模型(2)將數(shù)字化轉(zhuǎn)型引入模型(1),分析數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效的關(guān)系,結(jié)果顯示數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.097,并在1%的統(tǒng)計水平上顯著。因此,本文的假設(shè)H得到驗證,數(shù)字化轉(zhuǎn)型能有效提升企業(yè)創(chuàng)新績效。

表4 回歸分析結(jié)果

本文參考溫忠麟等的遞歸方程進行中介效應檢驗。首先,對“數(shù)字化轉(zhuǎn)型—創(chuàng)新能力—企業(yè)創(chuàng)新績效”的機制進行識別檢驗,檢驗結(jié)果如表4所示。模型(3)顯示數(shù)字化轉(zhuǎn)型顯著正向影響創(chuàng)新能力(

β

=0.027,

p

<0.05);模型(6)為企業(yè)創(chuàng)新績效對數(shù)字化轉(zhuǎn)型與創(chuàng)新能力的回歸,數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.084,創(chuàng)新能力的回歸系數(shù)為0.499,均通過了1

%

的統(tǒng)計顯著性檢驗。與模型(2)的回歸結(jié)果相比,在加入創(chuàng)新能力后的模型(6)中,數(shù)字化轉(zhuǎn)型的回歸系數(shù)值有所降低,但仍然通過了1

%

的統(tǒng)計顯著性檢驗,說明創(chuàng)新能力的中介效應存在,假設(shè)H得到驗證。其次,本文對“數(shù)字化轉(zhuǎn)型—吸收能力—企業(yè)創(chuàng)新績效”的機制進行識別檢驗,檢驗結(jié)果如表4 所示。模型(4)為吸收能力對數(shù)字化轉(zhuǎn)型的回歸模型,數(shù)字化轉(zhuǎn)型顯著正向影響吸收能力(

β

=0.364,

p

<0.1);模型(7)為企業(yè)創(chuàng)新績效對數(shù)字化轉(zhuǎn)型與吸收能力的回歸,數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.083,吸收能力的回歸系數(shù)為0.039,均通過了1

%

的統(tǒng)計顯著性檢驗。與模型(2)的回歸結(jié)果相比,在加入吸收能力后的模型(7)中,數(shù)字化轉(zhuǎn)型的回歸系數(shù)值有所降低,但仍然通過了1

%

的統(tǒng)計顯著性檢驗,說明吸收能力的中介效應存在,假設(shè)H得到驗證。最后,本文對“數(shù)字化轉(zhuǎn)型—適應能力—企業(yè)創(chuàng)新績效”的機制進行識別檢驗,檢驗結(jié)果如表4 所示。模型(5)為適應能力對數(shù)字化轉(zhuǎn)型的回歸模型,數(shù)字化轉(zhuǎn)型顯著正向影響適應能力(

β

=0.043,

p

<0.05);模型(8)為企業(yè)創(chuàng)新績效對數(shù)字化轉(zhuǎn)型與適應能力的回歸,數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.091,適應能力的回歸系數(shù)為0.149,均通過了1

%

的統(tǒng)計顯著性檢驗。與模型(2)的回歸結(jié)果相比,在加入適應能力后的模型(8)中,數(shù)字化轉(zhuǎn)型的回歸系數(shù)值有所降低,但仍然通過了1

%

的統(tǒng)計顯著性檢驗,說明適應能力的中介效應存在,假設(shè)H得到驗證。為確保中間機制的穩(wěn)健性,本文使用Sobel 檢驗方法對上述中介路徑進行檢驗,結(jié)果顯示創(chuàng)新能力的中介效應占比為13.640%,

Z

=9.961(

p

=0.000);吸收能力的中介效應占比為14.492

%

,

Z

=10.44(

p

=0.000);適應能力的中介效應占比為6.522

%

,

Z

=5.533(

p

=0.000),中介效應再次得到驗證。綜合上述實證分析,本文發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能改善企業(yè)的創(chuàng)新能力、吸收能力以及適應能力,從而提升企業(yè)創(chuàng)新績效水平。

五、穩(wěn)健性檢驗

(一)內(nèi)生性問題處理

1

.

工具變量法。借鑒趙樂等與張棟等選取工具變量的思路,以相同時間內(nèi)同行業(yè)其他企業(yè)數(shù)字化轉(zhuǎn)型的均值(

OtherEDT

)與滯后一期的數(shù)字化轉(zhuǎn)型(

L

.

EDT

)作為工具變量,應用兩階段工具變量法進行內(nèi)生性處理。這樣設(shè)置工具變量的邏輯在于,由于創(chuàng)新資源與創(chuàng)新需求的差異,數(shù)字化轉(zhuǎn)型水平自然會受到行業(yè)特性的影響,因而數(shù)字化轉(zhuǎn)型變量在行業(yè)層面的均值很可能顯著影響企業(yè)自身對數(shù)字化轉(zhuǎn)型重視的程度,而對單個企業(yè)創(chuàng)新績效沒有直接影響。同理,滯后一期的數(shù)字化轉(zhuǎn)型水平可能顯著影響企業(yè)自身對數(shù)字化轉(zhuǎn)型重視的程度,但對企業(yè)未來的創(chuàng)新績效沒有直接影響。因而工具變量能較好地契合工具變量選取要求。表5 列示了回歸結(jié)果,模型(1)為第一階段估計結(jié)果,顯示工具變量

OtherEDT

系數(shù)在1

%

的統(tǒng)計水平上顯著為正(

β

=0.082,

p

<0.01),

L

.

EDT

系數(shù)同樣在1

%

的統(tǒng)計水平上顯著為正(

β

=0.813,

p

<0.01),符合工具變量的相關(guān)性。此外,工具變量通過不可識別檢驗(

Anderson

正則相關(guān)性統(tǒng)計量的

p

<0.01)、弱工具檢驗(第一階段

F

值大于Stock et al.給出的三個工具變量弱工具識別9.08 的

F

值統(tǒng)計量)和過度識別檢驗(

Sargan

-

Hansen

的

p

>0.1)。模型(2)為第二階段估計結(jié)果,顯示數(shù)字化轉(zhuǎn)型回歸系數(shù)在1

%

的統(tǒng)計水平上顯著為正(

β

=0.114,

p

<0.01),說明在控制內(nèi)生性問題后,數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的顯著正向影響仍然存在。

表5 內(nèi)生性問題處理

2.Heckman 兩階段法。在前文的主樣本實證分析中,有的企業(yè)進行了數(shù)字化轉(zhuǎn)型,有的則沒有。然而,企業(yè)是否進行數(shù)字化轉(zhuǎn)型受到諸多主客觀因素的影響,由此篩選出的樣本可能會使估計量產(chǎn)生偏差。為了糾正可能存在的樣本選擇偏誤,本文使用Heckman 兩步法重新回歸。第一階段,首先,生成企業(yè)是否進行數(shù)字化轉(zhuǎn)型的虛擬變量

Dum

_

EDT

,若企業(yè)進行了數(shù)字化轉(zhuǎn)型,

Dum

_

EDT

編碼為1,否則編碼為0,并將其設(shè)置為被解釋變量。其次,在第一階段模型中加入控制變量、時間虛擬變量以及行業(yè)虛擬變量。最后,使用Probit 模型估計全樣本中企業(yè)數(shù)字化轉(zhuǎn)型的概率,同時計算逆米爾斯比率(

IMR

,

lnverse

Mill

Ratio

)。第二階段,將

IMR

作為控制變量代入模型(4)中進行回歸,結(jié)果如表5 所示。在模型(4)中,數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著為正(

β

=0.037,

p

<0.01),表明本文的假設(shè)H仍成立。3.傾向性得分匹配法(PSM 法)。首先,本文根據(jù)企業(yè)是否進行數(shù)字化轉(zhuǎn)型分為實驗組和對照組。具體地,對

Dum

_

EDT

進行編碼,若企業(yè)進行數(shù)字化轉(zhuǎn)型,

Dum

_

EDT

編碼為1,設(shè)定為實驗組,反之編碼為0,設(shè)定為對照組。其次,用編碼后的虛擬變量作為分組變量(

Dum

_

EDT

),使用Logit 回歸計算傾向性得分值。最后,選擇一對一最近鄰匹配、半徑匹配與核匹配三種方法對樣本進行匹配,將匹配得到的樣本分別進行回歸?；貧w結(jié)果如表5 所示。在模型(5)、模型(6)與模型(7)中,數(shù)字化轉(zhuǎn)型的系數(shù)均為正,且都通過了1%的顯著性水平檢驗,表明本文的假設(shè)H仍成立。

(二)其他穩(wěn)健性檢驗

本文進行以下穩(wěn)健性測試,限于篇幅,具體結(jié)果留存?zhèn)渌?(1)替換企業(yè)創(chuàng)新績效。參考Hsu et al.的研究,本文采用企業(yè)專利被引證次數(shù)加1后的自然對數(shù)衡量企業(yè)創(chuàng)新績效。(2)替換數(shù)字化轉(zhuǎn)型。參考吳非等的研究,本文重新構(gòu)建兩類數(shù)字化轉(zhuǎn)型測量指標。具體是將數(shù)字化轉(zhuǎn)型降維到兩個層面,一是底層數(shù)字技術(shù)層面,二是數(shù)字技術(shù)應用層面,采用這兩個層面的關(guān)鍵詞總頻次的自然對數(shù)度量數(shù)字化轉(zhuǎn)型。(3)更換回歸模型?？紤]到時間固定效應與行業(yè)固定效應對內(nèi)生性控制尚不夠嚴格,借鑒唐松等關(guān)于控制“時間×行業(yè)”的高階聯(lián)合固定效應方法,對模型進行檢驗。(4)考慮專利產(chǎn)出的滯后性。專利申請到最終授權(quán)存在一定的時間滯后性,企業(yè)出于專利技術(shù)的保護也可能延遲公布專利信息。因此,本文對企業(yè)創(chuàng)新績效分別進行1 階和2 階滯后處理。(5)剔除四大一線城市(北京、上海、廣州、深圳)企業(yè)樣本。(6)剔除異常年份。在本文的樣本期間,存在兩個可能影響企業(yè)數(shù)字化轉(zhuǎn)型的重要事件。一是2008 年全球金融危機,二是2015 年中國股災。企業(yè)數(shù)字化轉(zhuǎn)型的推進與重大不利金融事件沖擊都有著密切的關(guān)聯(lián),忽略了這類因素的考察可能會引致回歸結(jié)果出現(xiàn)一定偏誤。因此,考慮到事件的后效干擾,本文進一步刪除事件的后續(xù)年份樣本,最終選取2010—2014 年的數(shù)據(jù)進行回歸。(7)分樣本檢驗?？紤]到國有企業(yè)與民營企業(yè)在資源基礎(chǔ)、治理結(jié)構(gòu)、市場競爭環(huán)境等諸多方面的差異性,本文按照企業(yè)性質(zhì)將樣本劃分為國有企業(yè)組和民營企業(yè)組,分別進行檢驗。本文的研究結(jié)論均通過了上述穩(wěn)健性檢驗。

六、結(jié)論與討論

(一)研究結(jié)論

本文基于動態(tài)能力理論,利用2007—2019 年滬深兩市A 股高新技術(shù)上市企業(yè)數(shù)據(jù),實證檢驗了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的影響及作用機制,得到以下研究結(jié)論:

第一,數(shù)字化轉(zhuǎn)型顯著提升企業(yè)創(chuàng)新績效。一方面,本研究結(jié)論有力地支持了Vial、劉啟雷等、Li關(guān)于數(shù)字化轉(zhuǎn)型積極影響企業(yè)創(chuàng)新的理論判斷。另一方面,本研究結(jié)論與Nwankpa et al.的研究結(jié)論具有一致性,但本文使用的是面板數(shù)據(jù),彌補了截面問卷數(shù)據(jù)的共同方法偏差問題,對兩者的因果關(guān)系進行了有效識別。

第二,數(shù)字化轉(zhuǎn)型顯著正向影響創(chuàng)新能力、吸收能力與適應能力。Warner et al.從理論層面指出,數(shù)字化轉(zhuǎn)型是數(shù)字時代背景下企業(yè)動態(tài)能力進化的重要前因,本研究結(jié)論對該觀點提供了實證證據(jù)。此外,本研究結(jié)論對孟韜等的研究結(jié)論進行了拓展與補充,他們發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型正向影響動態(tài)能力(感知能力、獲取能力、重構(gòu)能力),本文則將動態(tài)能力解構(gòu)為創(chuàng)新能力、吸收能力與適應能力。

第三,創(chuàng)新能力、吸收能力、適應能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間存在顯著的中介效應,其中吸收能力的中介作用效應最大,創(chuàng)新能力的中介作用效應次之,適應能力的中介作用效應最小。該結(jié)論進一步明確了動態(tài)能力的不同維度在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間的中介作用效應大小。這與李樹文等的研究發(fā)現(xiàn)具有相通之處,即不同類型的動態(tài)能力在數(shù)字技術(shù)驅(qū)動的創(chuàng)新中會起到差異化作用。此外,近期焦豪等呼吁學者基于中國情境和數(shù)字化情境探究動態(tài)能力影響企業(yè)競爭優(yōu)勢的作用機理和過程機制,該結(jié)論是對這一研究呼吁的有效回應。

第四,上述結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗后依舊成立,且在國有企業(yè)和民營企業(yè)中不存在顯著差異。這進一步說明,在不同產(chǎn)權(quán)性質(zhì)的高新技術(shù)企業(yè)中,數(shù)字化轉(zhuǎn)型通過提升動態(tài)能力從而驅(qū)動企業(yè)創(chuàng)新績效的作用路徑具有一定的代表性和普適性。

(二)研究啟示

1.企業(yè)應根據(jù)自身資源稟賦加快推進數(shù)字化轉(zhuǎn)型步伐?；跀?shù)據(jù)網(wǎng)絡(luò)的商業(yè)智能等實時決策分析和可視化工具將最大程度地實現(xiàn)數(shù)據(jù)價值,幫助企業(yè)更直觀地發(fā)現(xiàn)問題,主動預測市場變化,輔助決策,從而在激烈的市場競爭中更加具備創(chuàng)新優(yōu)勢。

2.動態(tài)能力作為企業(yè)的流程能力,其作用的發(fā)揮受制于組織的資源位勢和發(fā)展路徑。數(shù)字化轉(zhuǎn)型會更新現(xiàn)有的組織結(jié)構(gòu)和資源基礎(chǔ),使動態(tài)能力得到進化,為企業(yè)創(chuàng)新活動服務,最終提升企業(yè)創(chuàng)新績效。

3.吸收能力在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起到重要的作用。數(shù)字化轉(zhuǎn)型會打破企業(yè)以往連接外部環(huán)境的方式,數(shù)字化工具和平臺加強了企業(yè)與不同利益相關(guān)者之間的互動和聯(lián)系,這為企業(yè)吸收外部信息和構(gòu)建創(chuàng)新活動所需要的異質(zhì)性資源提供了便利的渠道。

(三)研究展望

本研究仍存在一定不足,有待未來進一步完善與深入。首先,本文所使用的樣本為高新技術(shù)企業(yè),研究結(jié)論的可推廣性有待進一步驗證。未來研究可以進一步檢驗其他類型企業(yè)的數(shù)字化轉(zhuǎn)型與創(chuàng)新績效之間的關(guān)系,如大型企業(yè)、傳統(tǒng)企業(yè)、專精特新企業(yè)等。其次,本文從動態(tài)能力理論視角出發(fā),探討數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的作用機制,未來研究還需進一步找出連接數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效關(guān)系的中介變量,深化兩者影響機理的研究。最后,本文主要考察了企業(yè)創(chuàng)新績效的前置影響機制,未來研究可以進一步構(gòu)建綜合性模型,探討企業(yè)創(chuàng)新績效對公司創(chuàng)業(yè)行為、競爭優(yōu)勢等因素的后置影響效應,從而對數(shù)字化轉(zhuǎn)型驅(qū)動的企業(yè)創(chuàng)新形成更加完整和深入的理解。