摘 要：數(shù)字鄰近是基于網(wǎng)絡(luò)視角，以結(jié)果為導(dǎo)向刻畫行動主體數(shù)字化狀態(tài)的綜合性概念。從企業(yè)層面探討數(shù)字鄰近對創(chuàng)新績效的非線性影響，并結(jié)合高階梯隊理論考察高管政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景、高管過度自信3個高管特質(zhì)變量在其中的調(diào)節(jié)作用?；谥袊?010—2022年上市公司數(shù)據(jù)研究發(fā)現(xiàn)：企業(yè)數(shù)字鄰近與創(chuàng)新績效呈U型關(guān)系；高管特質(zhì)中的理性因素（政治關(guān)聯(lián)背景、技術(shù)研發(fā)背景）發(fā)揮正向調(diào)節(jié)作用；高管特質(zhì)中的非理性因素（過度自信）發(fā)揮負(fù)向調(diào)節(jié)作用。結(jié)論可拓展企業(yè)數(shù)字化與創(chuàng)新績效關(guān)系研究，為我國企業(yè)借助數(shù)字化提升創(chuàng)新管理水平，以及招聘和選拔高層次人才提供支撐。

關(guān)鍵詞

關(guān)鍵詞：數(shù)字鄰近；高管特質(zhì)；創(chuàng)新績效；中國上市企業(yè)

DOI：10.6049/kjjbydc.2023090213

中圖分類號：F273.1

文獻(xiàn)標(biāo)識碼：A

文章編號

文章編號：1001-7348（2024）24-0001-11

0 引言

我國經(jīng)濟(jì)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長動力的攻關(guān)期。經(jīng)濟(jì)高質(zhì)量發(fā)展需要優(yōu)化創(chuàng)新要素配置，最大限度地激發(fā)創(chuàng)新要素潛能。隨著數(shù)字中國和“中國制造2025”戰(zhàn)略提出，中國數(shù)字建設(shè)初見成效。在此背景下，數(shù)據(jù)作為關(guān)鍵且獨特的生產(chǎn)要素，可以賦能企業(yè)其它要素［1］，為創(chuàng)新突破提供契機(jī)［2］。在追求數(shù)字化的道路上，大量企業(yè)難以到達(dá)數(shù)字創(chuàng)新融合階段，無法借助數(shù)據(jù)資源提高創(chuàng)新績效［3］。因此，從微觀層面探討數(shù)字化對企業(yè)創(chuàng)新績效的影響，對化解數(shù)字化潛在價值與實踐的矛盾，加快推進(jìn)企業(yè)創(chuàng)新以賦能經(jīng)濟(jì)社會高質(zhì)量發(fā)展具有重要現(xiàn)實意義。

現(xiàn)有數(shù)字化與創(chuàng)新績效關(guān)系研究主要基于靜態(tài)性數(shù)字化水平、過程性數(shù)字化轉(zhuǎn)型、IT數(shù)字技術(shù)賦能等視角展開。戚聿東和蔡呈偉［4］認(rèn)為，企業(yè)數(shù)字化能夠提升信息流動效率，對創(chuàng)新績效具有積極影響；肖仁橋等［5］發(fā)現(xiàn)，數(shù)字化不同維度對企業(yè)創(chuàng)新績效具有U型、倒U型影響；Hajli［6］指出，數(shù)字化轉(zhuǎn)型成效取決于企業(yè)管理能力與數(shù)字化的適配度，若企業(yè)管理能力滯后于數(shù)字變革，則會對創(chuàng)新績效產(chǎn)生負(fù)向影響。由此可見，現(xiàn)有企業(yè)數(shù)字化水平測度方法存在數(shù)字化維度不一致、各維度權(quán)重不清晰以及因忽略大量信息而難以反映數(shù)字化全貌等問題［7］。數(shù)字鄰近是基于網(wǎng)絡(luò)視角，以結(jié)果為導(dǎo)向刻畫行動主體數(shù)字化狀態(tài)的綜合性概念［8］，不僅可以反映企業(yè)數(shù)字化水平，而且能夠凸顯企業(yè)在產(chǎn)品和服務(wù)數(shù)字化網(wǎng)絡(luò)中的位置，彌補(bǔ)以往相關(guān)研究的不足（僅基于單一技術(shù)或靜態(tài)數(shù)字化維度視角）。

以往數(shù)字化與創(chuàng)新績效關(guān)系研究大多忽視了在位企業(yè)內(nèi)部組織惰性，過分強(qiáng)調(diào)創(chuàng)新外生觀，忽略了組織與數(shù)字化互為牽引的協(xié)同演進(jìn)邏輯［9］。結(jié)合組織惰性理論，作為涉及組織技術(shù)、商業(yè)模式等核心特征的非連續(xù)變革，數(shù)字化過程受組織惰性的影響［10］。數(shù)字經(jīng)濟(jì)時代，存在外部環(huán)境對“變”的要求與組織內(nèi)部對“不變”的拖延，企業(yè)變革與組織惰性不斷博弈?；跁r間維度，本文揭示數(shù)字變革與組織惰性動態(tài)博弈過程，進(jìn)一步探討數(shù)字鄰近對創(chuàng)新績效的非線性影響。

依據(jù)高階梯隊理論，高管特質(zhì)能夠影響企業(yè)戰(zhàn)略選擇與目標(biāo)績效，可能構(gòu)成數(shù)字鄰近影響企業(yè)創(chuàng)新績效的邊界條件。在高管特質(zhì)中，高管過度自信這一非理性因素值得關(guān)注（韻江等，2022）。作為特殊心理資源，過度自信會導(dǎo)致高管高估企業(yè)資源稟賦和問題解決能力（Li等，2010），在戰(zhàn)略決策時會更為冒險或激進(jìn)。中國情景下，作為對外背景特征，高管政治關(guān)聯(lián)往往成為重要制度資源［11］。相應(yīng)地，作為對內(nèi)背景特征，高管技術(shù)研發(fā)背景成為企業(yè)數(shù)字化與創(chuàng)新績效關(guān)系研究的邊界條件。據(jù)此，本文選取高管過度自信、高管政治關(guān)聯(lián)背景與高管技術(shù)研發(fā)背景，考察其在數(shù)字鄰近與創(chuàng)新績效間的調(diào)節(jié)作用。

結(jié)合數(shù)字鄰近與組織惰性文獻(xiàn)以及高階梯隊理論，本文基于2010—2022年中國上市公司行業(yè)銷售額數(shù)據(jù)探討數(shù)字鄰近對創(chuàng)新績效的非線性影響，嘗試回答以下問題：數(shù)字鄰近水平越高，企業(yè)創(chuàng)新績效是否越高？高管特質(zhì)在數(shù)字鄰近與創(chuàng)新績效間發(fā)揮何種調(diào)節(jié)作用？對上述問題的回答能夠揭示數(shù)字鄰近對創(chuàng)新績效的作用軌跡，進(jìn)一步明晰高管特質(zhì)對數(shù)字鄰近與創(chuàng)新績效關(guān)系的影響，為企業(yè)克服數(shù)字化變革過程中的組織惰性提供借鑒。

1 理論分析與研究假設(shè)

1.1 數(shù)字鄰近

Rahmati等［8］以數(shù)字產(chǎn)業(yè)為參照系，基于結(jié)果端刻畫企業(yè)在數(shù)字化網(wǎng)絡(luò)中的地位及其與數(shù)字產(chǎn)業(yè)的距離，以此衡量企業(yè)數(shù)字化水平。作為數(shù)字鄰近理論依據(jù)，經(jīng)濟(jì)復(fù)雜性可以表征國家生產(chǎn)獨特產(chǎn)品的能力（Hartmann等，2017；Rodrik，2006）。產(chǎn)品（服務(wù)）是知識、能力的集合體，隨著產(chǎn)品日益復(fù)雜化，產(chǎn)品開發(fā)與價值創(chuàng)造離不開制度、規(guī)范、物流、技術(shù)基礎(chǔ)設(shè)施支持（Chaney，2014；Hartmann等，2017；Hidalgo等，2007）。數(shù)字經(jīng)濟(jì)時代，為了維持自身競爭力，企業(yè)需要具備價值創(chuàng)造能力［12］。隨著數(shù)字化戰(zhàn)略重要性提升，傳統(tǒng)測量方法難以準(zhǔn)確衡量企業(yè)數(shù)字化強(qiáng)度。

事實上，企業(yè)數(shù)字化嵌于社會網(wǎng)絡(luò)及產(chǎn)業(yè)制度環(huán)境中，數(shù)字鄰近能夠?qū)⒔?jīng)濟(jì)格局變化納入數(shù)字化轉(zhuǎn)型過程，進(jìn)而為企業(yè)數(shù)字化研究提供網(wǎng)絡(luò)生態(tài)系統(tǒng)視角。數(shù)字鄰近對數(shù)字化水平的刻畫具有兩大特征：第一，以結(jié)果表現(xiàn)衡量企業(yè)IT能力、數(shù)字應(yīng)用以及數(shù)字創(chuàng)新；第二，獲取企業(yè)在產(chǎn)品與服務(wù)數(shù)字化過程中的位置，從初始稟賦與數(shù)字網(wǎng)絡(luò)視角看待企業(yè)數(shù)字化。

1.2 數(shù)字鄰近與企業(yè)創(chuàng)新績效

數(shù)字鄰近對企業(yè)創(chuàng)新績效具有潛在益處。在資源獲取方面，有助于企業(yè)利用數(shù)字技術(shù)提升資源獲取能力，實現(xiàn)資源信息共享，從而促進(jìn)企業(yè)創(chuàng)新。在產(chǎn)出效率方面，有利于企業(yè)提升各部門要素協(xié)同效率，減少資源錯配。計量經(jīng)濟(jì)學(xué)相關(guān)研究證實，投入大數(shù)據(jù)資源的企業(yè)，其生產(chǎn)效率平均提升3%-7%。在創(chuàng)新成本方面，有利于企業(yè)提升信息搜索與精準(zhǔn)分析能力，實現(xiàn)對市場需求的快速響應(yīng)，從而提高經(jīng)濟(jì)效益。不可否認(rèn)，數(shù)字鄰近對生產(chǎn)力、經(jīng)濟(jì)發(fā)展和企業(yè)績效具有積極影響［13］。數(shù)字化變革過程中，企業(yè)價值創(chuàng)造的前提是對原有流程、業(yè)務(wù)模式以及資源能力進(jìn)行更新。數(shù)字化過程中，企業(yè)受到資源需求與原有投入模式矛盾的影響。作為跨領(lǐng)域資源活動，數(shù)字鄰近只有突破原有資源剛性與慣例剛性，才能發(fā)揮正向作用。

借鑒Gilbert（2005）的研究成果，本文將組織惰性分為面臨變革時企業(yè)難以改變原有資源投入模式的資源剛性和面臨變革時企業(yè)難以改變原有資源利用程序的慣例剛性，并結(jié)合資源剛性與慣例剛性摩擦力—創(chuàng)新潛力蟄伏—創(chuàng)新融合使能框架，進(jìn)一步揭示數(shù)字鄰近對企業(yè)創(chuàng)新績效的作用機(jī)制。

數(shù)字化初期，企業(yè)存在較多資源剛性與慣例剛性。資源剛性會導(dǎo)致管理者認(rèn)知與資源分配固化，慣例剛性會導(dǎo)致慣例演化緩慢與數(shù)字化系統(tǒng)全面變革的矛盾。此時，數(shù)字鄰近對企業(yè)創(chuàng)新績效具有負(fù)向影響，處于數(shù)字鄰近“蟄伏期”。從資源剛性角度：第一，管理者認(rèn)知。數(shù)字化風(fēng)險與企業(yè)管理者對利潤的追求相悖，因而企業(yè)被迫放棄數(shù)字化，減少數(shù)字資源投入。第二，資源依賴。資源包括財務(wù)資源等有形資源以及管理者時間與注意力等無形資源，考慮到沉沒成本，企業(yè)往往傾向于堅持原有策略（楊林等，2020）。數(shù)字化實現(xiàn)的基礎(chǔ)是人力資源培訓(xùn)與IT基礎(chǔ)設(shè)施，成本較高，且占用企業(yè)大量資源。因此，數(shù)字化初期，成本效應(yīng)通常高于創(chuàng)新補(bǔ)償效應(yīng)，帶來數(shù)字化創(chuàng)新悖論。從慣例剛性角度，數(shù)字化涉及組織結(jié)構(gòu)、文化、制度等，即使企業(yè)管理者認(rèn)識到其重要性，但數(shù)字化變革依舊困難（Fitzgerald，2014）。換言之，足夠的資源承諾下，慣例剛性仍會束縛企業(yè)數(shù)字化變革，企業(yè)技術(shù)創(chuàng)新成敗的關(guān)鍵在于組織慣例與行業(yè)慣例的匹配程度。早期研究指出，不斷增加的慣例會形成巨大剛性，進(jìn)而束縛組織變革?，F(xiàn)有研究發(fā)現(xiàn)，組織慣例兼具穩(wěn)定性與變革性特征。組織慣例二維觀表明，相對穩(wěn)定的慣例明示面能夠?qū)ο鄬ψ兓膽T例執(zhí)行面提供指導(dǎo)。相應(yīng)地，慣例執(zhí)行面能夠?qū)T例明示面進(jìn)行反饋、修改與創(chuàng)造。此外，組織共享學(xué)習(xí)［14］、試錯學(xué)習(xí)［15］、變革型領(lǐng)導(dǎo)行為可以觸發(fā)慣例的明示面與執(zhí)行面變革。得益于慣例不同面的自我互動，組織可以通過“變異—篩選—保留”機(jī)制將新的行為模式納入慣例。需要指出的是，慣例自我演化緩慢與數(shù)字化系統(tǒng)全面變革的矛盾會阻礙企業(yè)數(shù)字化進(jìn)程，促使企業(yè)進(jìn)入數(shù)字鄰近“蟄伏期”。

數(shù)字鄰近有助于企業(yè)資源獲取能力提升與組織慣例演化加速。同時，數(shù)字化的創(chuàng)新溢出與促進(jìn)效應(yīng)能夠推動企業(yè)進(jìn)入數(shù)字鄰近“使能期”［5］。此時，數(shù)字鄰近能夠促進(jìn)企業(yè)創(chuàng)新績效增長。首先，企業(yè)利用數(shù)字技術(shù)提升自身資源獲取能力，短時間內(nèi)以較低成本獲取與創(chuàng)新相關(guān)的信息資源［16］，進(jìn)而緩解資源剛性。同時，新技術(shù)可為企業(yè)更新組織慣例提供支撐，加快組織慣例演化，降低創(chuàng)新風(fēng)險，從而提升企業(yè)創(chuàng)新績效。其次，考慮到數(shù)字鄰近的社會網(wǎng)絡(luò)屬性，企業(yè)能夠借助網(wǎng)絡(luò)鏈接相連（相關(guān)的）或不相連（不相關(guān)的）的其它企業(yè)，促進(jìn)知識、技術(shù)與資源交互耦合，進(jìn)而為組合創(chuàng)新創(chuàng)造條件［17］。最后，知識是推動慣例演化的基本要素［18］。數(shù)字鄰近的社會網(wǎng)絡(luò)屬性以及數(shù)字技術(shù)的開放性和可擴(kuò)展性有利于企業(yè)突破“信息孤島”，實現(xiàn)快速、遠(yuǎn)距離知識搜索，加速組織學(xué)習(xí)與慣例變革，從而提升組織慣例與行業(yè)慣例的匹配度。

綜上，數(shù)字鄰近初期，資源剛性與慣例剛性會阻礙企業(yè)數(shù)字化變革；數(shù)字鄰近后期，上述阻礙作用逐漸減弱。因此，本文提出以下假設(shè)：

H1：數(shù)字鄰近與企業(yè)創(chuàng)新績存在U型關(guān)系。

1.3 高管特質(zhì)的調(diào)節(jié)作用

1.3.1 高管政治關(guān)聯(lián)背景的調(diào)節(jié)作用

高管政治關(guān)聯(lián)背景能夠影響“蟄伏期”“使能期”兩種狀態(tài)下的資源剛性與慣例剛性，進(jìn)而影響數(shù)字鄰近對企業(yè)創(chuàng)新績效的作用。

（1）高管政治關(guān)聯(lián)背景有利于企業(yè)緩解資源剛性。在管理者認(rèn)知層面，高管政治關(guān)聯(lián)背景可以激發(fā)企業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新意愿。具有政治關(guān)聯(lián)背景的企業(yè)對政府存在迎合行為［19］，往往會進(jìn)行合規(guī)性屈從。在資源依賴層面，政治關(guān)聯(lián)背景有助于企業(yè)以較低成本撬動較多資源［20］。

（2）高管政治關(guān)聯(lián)背景有利于企業(yè)緩解慣例剛性。企業(yè)戰(zhàn)略導(dǎo)向決定內(nèi)部資源配置和導(dǎo)入方向，進(jìn)而影響組織慣例迭代與重構(gòu)［21］。政治關(guān)聯(lián)背景下，企業(yè)戰(zhàn)略導(dǎo)向會發(fā)生轉(zhuǎn)移，進(jìn)而促進(jìn)慣例更新。此外，具有政治關(guān)聯(lián)背景的高管往往擁有較高的社會地位和較廣的關(guān)系網(wǎng)絡(luò)，在社會網(wǎng)絡(luò)中占據(jù)更多的結(jié)構(gòu)洞，能夠為企業(yè)帶來信息、知識等資源。同時，外部異質(zhì)性知識涌入可為組織慣例更新提供保障。

綜上，具有政治關(guān)聯(lián)背景的企業(yè)對政府存在不同程度的迎合行為，其數(shù)字化與創(chuàng)新意愿較強(qiáng)，能夠弱化資源和慣例剛性，更早進(jìn)入數(shù)字鄰近“使能期”。基于此，本文提出以下假設(shè)：

H2：高管政治關(guān)聯(lián)背景正向調(diào)節(jié)數(shù)字鄰近與企業(yè)創(chuàng)新績效的U型關(guān)系。

1.3.2 高管技術(shù)研發(fā)背景的調(diào)節(jié)作用

高管技術(shù)研發(fā)背景能夠影響“蟄伏期”“使能期”兩種狀態(tài)下的資源剛性與慣例剛性，進(jìn)而影響數(shù)字鄰近對企業(yè)創(chuàng)新績效的作用。

（1）高管技術(shù)研發(fā)背景有利于企業(yè)緩解資源剛性。從管理者認(rèn)知維度看，具備技術(shù)研發(fā)背景的高管擁有專業(yè)技術(shù)知識，對創(chuàng)新活動更為重視，會將更多時間與注意力投入到企業(yè)創(chuàng)新過程中［22］。從資源依賴維度看，大多數(shù)相關(guān)研究證實，具備技術(shù)研發(fā)背景的高管可為企業(yè)創(chuàng)新決策提供科學(xué)指導(dǎo)，有助于企業(yè)挖掘更多創(chuàng)新機(jī)會，從而提高創(chuàng)新成功率（Francis等，2015）?；诩夹g(shù)研發(fā)背景，高管能夠正確理解市場需求與企業(yè)創(chuàng)新方向，發(fā)揮知識技術(shù)優(yōu)勢，避免資源配置扭曲問題，從而緩解資源剛性對數(shù)字鄰近的阻礙作用。

（2）高管技術(shù)研發(fā)背景有利于企業(yè)緩解慣例剛性。得益于對環(huán)境變化的敏感以及對創(chuàng)新行為的支持，變革型領(lǐng)導(dǎo)行為能夠促進(jìn)慣例更新。具備技術(shù)研發(fā)背景的高管對環(huán)境變化具有較強(qiáng)的敏感性［23］，能夠加快組織慣例更新進(jìn)程。此外，相較于非技術(shù)研發(fā)背景的高管，具備技術(shù)研發(fā)背景的高管會更支持企業(yè)創(chuàng)新行為，通過制定有效的激勵機(jī)制為組織慣例更新提供支撐。

綜上，高管技術(shù)研發(fā)背景通過扭轉(zhuǎn)管理者認(rèn)知、增加資源投入（時間與注意力）、優(yōu)化資源配置等方式弱化資源剛性。同時，具備技術(shù)研發(fā)背景的高管對環(huán)境變化的敏感以及對創(chuàng)新行為的支持能夠有效弱化慣例剛性。基于此，本文提出以下假設(shè)：

H3：高管技術(shù)研發(fā)背景正向調(diào)節(jié)數(shù)字鄰近與創(chuàng)新績效的U型關(guān)系。

1.3.3 高管過度自信的調(diào)節(jié)作用

過度自信是個人或群體的隱性心理特征，能夠體現(xiàn)行動主體積極的自我評價傾向。本文認(rèn)為，高管過度自信不利于企業(yè)突破慣例剛性與資源剛性，進(jìn)而弱化數(shù)字鄰近對企業(yè)創(chuàng)新績效的U型影響。

（1）高管過度自信不利于企業(yè)緩解慣例剛性。盡管高管可作為企業(yè)創(chuàng)新的驅(qū)動力量，但高管也可能不具備推動企業(yè)生產(chǎn)和商業(yè)化過程所需的領(lǐng)導(dǎo)能力［24］。此時，有必要構(gòu)建共享信任與共享學(xué)習(xí)機(jī)制，它有利于企業(yè)緩解慣例剛性。此外，試錯學(xué)習(xí)可以推動組織慣例更新，有助于企業(yè)突破原有慣例束縛。但過度自信的高管會認(rèn)為自己擁有全面系統(tǒng)的技術(shù)知識及管理技能，進(jìn)而高估企業(yè)資源稟賦和自身問題解決能力（Li等，2010），忽視資源約束和失敗風(fēng)險，在戰(zhàn)略決策制定過程中更為冒險。

（2）高管過度自信不利于企業(yè)緩解資源剛性。過度自信的高管可能低估產(chǎn)品與服務(wù)數(shù)字化初期的資源剛性?？紤]到信息利用程度，過度自信可能會導(dǎo)致高管出現(xiàn)能力認(rèn)知偏差，高估機(jī)會信號的準(zhǔn)確性，進(jìn)而降低決策合理性（李善民等，2015）。當(dāng)企業(yè)處于較高水平數(shù)字鄰近時，各利益相關(guān)者會對企業(yè)發(fā)展提出更高的要求，一旦企業(yè)未能完成預(yù)期目標(biāo)，可能導(dǎo)致高管離職。因此，考慮到環(huán)境的不確定性風(fēng)險，決策者傾向于維持當(dāng)前策略不變。過度自信的高管會被企業(yè)當(dāng)前績效迷惑并堅信自己不會失敗，過度追求高風(fēng)險項目，從而導(dǎo)致創(chuàng)新績效降低（宋鐵波等，2017）。

綜上，過度自信的高管可能低估初期資源剛性與慣例剛性，高估機(jī)會信號的準(zhǔn)確性，追求更多高風(fēng)險創(chuàng)新項目?；诖?，本文提出以下假設(shè)：

H4：高管過度自信負(fù)向調(diào)節(jié)數(shù)字鄰近與企業(yè)創(chuàng)新績效的U型關(guān)系。

2 研究設(shè)計

2.1 數(shù)據(jù)來源與處理

為捕捉數(shù)字鄰近的動態(tài)性，本文以2010—2022年中國上市公司數(shù)據(jù)為樣本，數(shù)據(jù)主要來源如下：第一，CCER經(jīng)濟(jì)金融數(shù)據(jù)庫。企業(yè)營收構(gòu)成（按行業(yè)分類）數(shù)據(jù)來自CCER數(shù)據(jù)庫，依據(jù)《上市公司行業(yè)分類指引（2012年修訂）》與國家統(tǒng)計局2017年發(fā)布的《國民經(jīng)濟(jì)行業(yè)分類》，本文歸納各上市公司收入行業(yè)構(gòu)成。第二，國泰安數(shù)據(jù)庫。企業(yè)研發(fā)投入、專利、高管信息、控制變量等其它數(shù)據(jù)來自國泰安數(shù)據(jù)庫。第三，高管政治關(guān)聯(lián)背景和研發(fā)技術(shù)背景相關(guān)數(shù)據(jù)來自上市公司高管簡歷檢索并手工核對。本文按照以下標(biāo)準(zhǔn)篩選樣本：剔除無效樣本，如銷售額為負(fù)、為零的行業(yè)企業(yè)樣本；剔除關(guān)鍵變量數(shù)據(jù)缺失企業(yè)樣本；剔除隸屬數(shù)字產(chǎn)業(yè)的企業(yè)樣本。最終，本文得到2010—2022年1 044家上市公司2 580條觀測值組成的非平衡面板數(shù)據(jù)。

2.2 變量設(shè)計

2.2.1 被解釋變量：企業(yè)創(chuàng)新績效（inn）

企業(yè)創(chuàng)新績效是“投入—產(chǎn)出”的結(jié)合體（高建等，2004），僅通過產(chǎn)出端的專利數(shù)衡量并不嚴(yán)謹(jǐn)。效率既考慮投入又考慮產(chǎn)出，因而創(chuàng)新績效可以通過效率衡量［25］。因此，本文基于投入端與產(chǎn)出端探討企業(yè)創(chuàng)新績效，以研發(fā)支出為投入，以專利為產(chǎn)出，采用隨機(jī)前沿模型（SFE）測量企業(yè)創(chuàng)新績效（Vandaie＆Zaheer，2015；馬海燕，朱韻，2020）。

2.2.2 解釋變量：企業(yè)數(shù)字鄰近（dc）

參考Rahmati等［8］的研究成果，本文構(gòu)建中國情景下的數(shù)字鄰近。企業(yè)數(shù)字鄰近是指企業(yè)與數(shù)字產(chǎn)業(yè)間的距離，其核心思想是若一個及以上企業(yè)同時報告兩個行業(yè)的銷售額，則認(rèn)為這兩個行業(yè)存在聯(lián)系。企業(yè)數(shù)字鄰近水平越高，意味著企業(yè)越接近數(shù)字領(lǐng)域，產(chǎn)品與服務(wù)數(shù)字化程度越高。企業(yè)數(shù)字鄰近構(gòu)建具體步驟如下：

（1）采用企業(yè)行業(yè)銷售額構(gòu)建行業(yè)空間。借鑒Hidalgo等（2007）的研究思路，本文采用顯示性比較優(yōu)勢指數(shù)（rca）、鄰近度（φ）刻畫行業(yè)空間分布。首先，計算rca并得到企業(yè)各年度具有市場優(yōu)勢（rcagt;1）的行業(yè)，如式（1）所示。其次，計算企業(yè)在i、j兩個行業(yè)均具有市場優(yōu)勢的最小條件概率，記為行業(yè)鄰近度φij，代表行業(yè)距離，如式（2）所示。其中，x（c，i）代表c企業(yè)在i產(chǎn)業(yè)的銷售額。

rca=x（c，i）/∑ix（c，i）∑cx（c，i）/∑c，ix（c，i）（1）

φij=minP（rcaxi|rcaxj），P（rcaxj|rcaxi）（2）

（2）在行業(yè)空間的基礎(chǔ)上，計算行業(yè)數(shù)字鄰近（DC）。兩個行業(yè)越鄰近，代表行業(yè)空間距離越近。由此，本文將log（1/φij）記為行業(yè)i與j之間的路徑距離。將行業(yè)編碼C39（計算機(jī)、通信和其它電子設(shè)備制造業(yè)）、I63（電信、廣播電視和衛(wèi)星傳輸服務(wù)）、I64（互聯(lián)網(wǎng)和相關(guān)服務(wù)）、I65（軟件和信息技術(shù)服務(wù)業(yè)）定義為數(shù)字產(chǎn)業(yè)，本文利用Python得出各行業(yè)距離上述4個數(shù)字產(chǎn)業(yè)的最短路徑，并求得平均最短路徑距離，以此衡量行業(yè)數(shù)字鄰近。i行業(yè)數(shù)字鄰近計算如式（3）所示。

DCi=11+（i行業(yè)距離數(shù)字產(chǎn)業(yè)的平均最短距離）（3）

（3）在行業(yè)數(shù)字鄰近的基礎(chǔ)上，計算企業(yè)數(shù)字鄰近（dc）。將數(shù)字鄰近指標(biāo)由行業(yè)層面擴(kuò)展至企業(yè)層面，本文以企業(yè)涉及的行業(yè)銷售額（Sales）為權(quán)重，計算各企業(yè)涉及的n個行業(yè)加權(quán)平均數(shù)字鄰近，i企業(yè)數(shù)字鄰近計算如式（4）所示。其中，n代表i企業(yè)涉及的所有行業(yè)數(shù)量，k表示i企業(yè)涉及的第k個行業(yè)。

dci=∑nk=1DCk Saleskn（4）

2.2.3 調(diào)節(jié)變量：高管特質(zhì)（trait）

參考Fan等（2007）的研究成果，若總經(jīng)理具有政府機(jī)構(gòu)職務(wù)經(jīng)歷，則將高管政治關(guān)聯(lián)背景設(shè)定為 1，否則為 0。借鑒虞義華等（2018）的研究成果，若總經(jīng)理具有技術(shù)研發(fā)經(jīng)歷，則將高管技術(shù)研發(fā)背景設(shè)定為1，否則為 0。簡借鑒魏哲海（2018）的測量方法，本文分別對高管個人特征指標(biāo)（性別、年齡、學(xué)歷、兼任情況）進(jìn)行賦值，以此獲取綜合得分。其中，Sexscore代表性別得分，若高層管理者為男性，SGender=1，反之取0；Agescore代表年齡得分，計算公式為max（age）-age/max（age）-min（age）；Degreescore代表學(xué)歷得分，若高層管理者為本科以下學(xué)歷，則Degreescore取值為1，反之為0；Posiscore代表高管兼任情況得分，若高層管理者兼董事長，則Posiscore取值為1，反之取0。高管過度自信（ov）計算如式（5）所示。

"" ov =（Sexscore+Agescore+Degreescore+Posiscore）/4 （5）

2.2.4 控制變量

本文選取企業(yè)特征和企業(yè)治理的部分變量作為控制變量。企業(yè)治理相關(guān)變量如下：總資產(chǎn)增長水平（goa），以本期總資產(chǎn)規(guī)模-上期總資產(chǎn)規(guī)模）/本期總資產(chǎn)規(guī)模測度；經(jīng)營性現(xiàn)金流量（nc），以企業(yè)經(jīng)營性現(xiàn)金凈流量的自然對數(shù)測度；財務(wù)杠桿（lev），以長期負(fù)債/總資產(chǎn)測度；凈資產(chǎn)收益率（roe），以凈利潤/凈資產(chǎn)測度；企業(yè)成長性（grow），以本期總收入-上期總收入的自然對數(shù)測度；企業(yè)規(guī)模（size），以銷售收入的自然對數(shù)測度。企業(yè)特征相關(guān)變量如下：股權(quán)性質(zhì)（soe），樣本企業(yè)屬于國有企業(yè)取值為1，否則取0；董事會獨立性（ine），以獨立董事人數(shù)和董事會總?cè)藬?shù)的比值測量；第一股東持股比例（fir），以第一大股東持有的流通股股數(shù)/該公司流通在外的總流通股股數(shù)測量。

本文相關(guān)變量說明如表1所示。

2.3 模型設(shè)定

為檢驗數(shù)字鄰近對企業(yè)創(chuàng)新績效的U型影響，本文構(gòu)建如下模型：

innit=α0+α1dcit+α2dc2it+φCit+λt+μi+εit（6）

i代表企業(yè)，t代表年份，inn表示企業(yè)創(chuàng)新績效，dc代表企業(yè)數(shù)字鄰近，C代表所有控制變量，λt代表控制時間效應(yīng)，μi代表控制行業(yè)效應(yīng)，α0是截距項，εit代表企業(yè)i第t年的殘差項。

為檢驗高管特質(zhì)的調(diào)節(jié)作用，本文構(gòu)建如下模型：

innit=β0+β1dcit+β2dc2it+β3traitit+β4dcit×traitit+β5dc2it×traitit+φCit+λt+μi+εit（7）

trait表示高管特質(zhì)，本文將其細(xì)化為高管政治關(guān)聯(lián)背景（pol）、高管技術(shù)研發(fā)背景（tec） 、高管過度自信（ov）。β0、 γ0 、ω0為截距項，其它變量定義同上。

3 實證結(jié)果與分析

3.1 描述性統(tǒng)計

本文主要變量描述性統(tǒng)計及相關(guān)性分析結(jié)果如表2所示。

（1） 企業(yè)數(shù)字鄰近代表企業(yè)現(xiàn)有數(shù)字化水平，其均值為0.166，最大值為0.243，標(biāo)準(zhǔn)差為0.041。借鑒Rahmati等［8］的研究成果（根據(jù)1990—2017年美國上市公司銷售額計算的數(shù)字鄰近均值為0.24，標(biāo)準(zhǔn)差為0.13），我國企業(yè)數(shù)字化水平有待提升。

（2） 解釋變量與企業(yè)創(chuàng)新績效顯著相關(guān)，證實本文變量選取合理。不同于戚聿東、蔡呈偉［4］的研究結(jié)論（數(shù)字化程度與企業(yè)創(chuàng)新績效正相關(guān)），本文中二者相關(guān)系數(shù)為負(fù)值，可初步斷定數(shù)字鄰近與企業(yè)創(chuàng)新績效并非是簡單的正相關(guān)關(guān)系。

（3） 鑒于解釋變量與創(chuàng)新績效相關(guān)系數(shù)為負(fù)值，本文初步考慮數(shù)字鄰近與企業(yè)創(chuàng)新績效呈U型關(guān)系（低水平數(shù)字鄰近時與創(chuàng)新績效負(fù)相關(guān)，高水平數(shù)字鄰近時與創(chuàng)新績效正相關(guān)）。

（4） 由控制變量與被解釋變量相關(guān)性分析結(jié)果可知，股權(quán)性質(zhì)、第一大股東持股比例、經(jīng)營性現(xiàn)金流量、財務(wù)杠桿、企業(yè)規(guī)模與被解釋變量顯著正相關(guān)。由此說明，相比于公司特征變量，治理變量對企業(yè)創(chuàng)新績效的影響更顯著。

（5） 全部解釋變量方差膨脹因子（VIF）的最小值為1.020，最大值為3.570，遠(yuǎn)小于閾值10。由此說明，本文回歸模型不存在多重共線問題。

對非平衡面板數(shù)據(jù)進(jìn)行回歸前，本文對固定效應(yīng)（固定行業(yè)效應(yīng)、年份效應(yīng)）與隨機(jī)效應(yīng)進(jìn)行選擇。Hausman檢驗結(jié)果顯示，固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型。本文檢驗面板數(shù)據(jù)可能存在異方差問題，Wald 檢驗結(jié)果顯示，修正的Wald 統(tǒng)計量在 1%水平上顯著，即存在異方差。綜上，本文采用廣義最小二乘法（Feasible Generalized Least Squares，F(xiàn)GLS）進(jìn)行估計。

3.2 面板數(shù)據(jù)回歸

3.2.1 回歸模型

表3列示了企業(yè)數(shù)字鄰近與創(chuàng)新績效關(guān)系回歸結(jié)果，以及高管特質(zhì)（高管政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景、高管過度自信）對上述關(guān)系的調(diào)節(jié)作用。

本文以基于隨機(jī)前沿模型測量的創(chuàng)新績效作為被解釋變量進(jìn)行回歸，結(jié)果如Model1—Model4所示。Model1在僅含控制變量的基準(zhǔn)回歸中加入dc、dc2；Model2、Model3、Model4在Model1的基礎(chǔ)上，分別加入高管政治關(guān)聯(lián)背景及其與解釋變量的一次交互項（dc×pol）和二次交互項（dc2×pol）、高管技術(shù)研發(fā)背景及其與解釋變量的一次交互項（dc×tec）和二次交互項（dc2×tec）、高管過度自信及其與解釋變量的一次交互項（dc×ov）和二次交互項（ddc2×ov）。本文對交互項進(jìn)行中心化處理，并控制行業(yè)與年份效應(yīng)。

3.2.2 回歸結(jié)果分析

Model1結(jié)果顯示，數(shù)字鄰近的一次項系數(shù)為-1.263，其平方項系數(shù)為4.394，均在1% 水平上顯著。U型檢驗結(jié)果顯示，曲線轉(zhuǎn)折頂點為0.144，位于數(shù)字鄰近的取值區(qū)間［0.001，0.243］。由此表明，數(shù)字鄰近與企業(yè)創(chuàng)新績效并非是簡單的線性關(guān)系，而是U型關(guān)系，驗證了研究假設(shè)H1。在數(shù)字鄰近達(dá)到轉(zhuǎn)折點后，進(jìn)一步提升數(shù)字鄰近水平能夠促進(jìn)企業(yè)創(chuàng)新績效提升。描述性統(tǒng)計結(jié)果顯示，數(shù)字鄰近均值為0.166，大于0.144。由此說明，當(dāng)前我國大部分企業(yè)數(shù)字化收益已經(jīng)能夠彌補(bǔ)數(shù)字化成本，此時數(shù)字鄰近水平提升有利于企業(yè)創(chuàng)新績效提升。

Model2—Model4考察高管特質(zhì)的調(diào)節(jié)作用。Model2中，數(shù)字鄰近與高管政治關(guān)聯(lián)背景的交互項（dc×pol）以及數(shù)字鄰近的平方和高管政治關(guān)聯(lián)背景的交互項（dc2×pol）回歸系數(shù)均顯著。由此表明，高管政治關(guān)聯(lián)背景調(diào)節(jié)數(shù)字鄰近與創(chuàng)新績效的U型關(guān)系。進(jìn)一步地，參考Haans amp; Pieters［26］，賈慧英等（2018）的研究成果，本文依據(jù)U型曲線極值點以及曲線形狀變化對調(diào)節(jié)效應(yīng)方向進(jìn)行判斷。首先，關(guān)注曲線極值點變化。本文以高管政治關(guān)聯(lián)背景均值作為中等水平高管政治關(guān)聯(lián)背景，均值加一個標(biāo)準(zhǔn)差作為高水平高管政治關(guān)聯(lián)。由計算結(jié)果可知，中等水平高管政治關(guān)聯(lián)背景下，極值點dcm為0.142，高水平高管政治關(guān)聯(lián)背景下，極值點dch為0.129。由此表明，極值點略微向左移動?？梢姡咚秸侮P(guān)聯(lián)背景下，企業(yè)績效更快、更早地受數(shù)字鄰近的正向影響。其次，關(guān)注曲線形狀變化。dc2×pol的系數(shù)為5.841，dc2的系數(shù)為2.074，二者符號相同，意味著高管政治關(guān)聯(lián)背景正向調(diào)節(jié)數(shù)字鄰近與創(chuàng)新績效的U型關(guān)系，在函數(shù)意義上表現(xiàn)為二次曲線更為陡峭，假設(shè)H2得到驗證。同樣地，由調(diào)節(jié)效應(yīng)圖1（a）可知，高水平高管政治關(guān)聯(lián)背景下，曲線極值點左移且曲線形狀更為陡峭，假設(shè)H2得到雙重驗證。

Model3考察高管技術(shù)研發(fā)背景在數(shù)字鄰近與企業(yè)創(chuàng)新績效間的調(diào)節(jié)作用。結(jié)果顯示，數(shù)字鄰近與高管技術(shù)研發(fā)背景的交互項（dc×tec）以及數(shù)字鄰近的平方與高管技術(shù)研發(fā)的交互項（dc2×tec）回歸系數(shù)均顯著。由此表明，高管技術(shù)研發(fā)背景調(diào)節(jié)數(shù)字鄰近與創(chuàng)新績效的U型關(guān)系。進(jìn)一步地，本文依據(jù)曲線極值點與形態(tài)變化對調(diào)節(jié)效應(yīng)方向進(jìn)行判斷。由計算結(jié)果可知，中等水平高管技術(shù)研發(fā)背景下極值點dcm為0.142，高水平高管技術(shù)研發(fā)背景下極值點dch為0.137。此外，二次項（dc2）及其二次項交互項（dc2×tec）系數(shù)均為正，H3得到驗證。調(diào)節(jié)效應(yīng)圖1（b）顯示，高水平高管技術(shù)研發(fā)背景下，曲線極值點左移且曲線形狀更為陡峭，假設(shè)H3得到進(jìn)一步驗證。

Model4顯示，數(shù)字鄰近平方（dc2）及其與高管過度自信的交互項（dc2×ov）回歸系數(shù)顯著。因此，高管過度自信在數(shù)字鄰近與企業(yè)創(chuàng)新績效間發(fā)揮調(diào)節(jié)作用。同樣地，中等水平高管過度自信情景下極值點dcm為0.138，高水平高管過度自信情景下極值點dch為0.163，且二次項（dc2）和高管過度自信與二次項的交互項（dc2×ov）系數(shù)符號不同。由此可知，高管過度自信弱化數(shù)字鄰近與創(chuàng)新績效的U型關(guān)系，假設(shè)H4成立。觀察圖1（c）可知，高水平高管過度自信情景下，曲線極值點右移且曲線形狀更為平緩，假設(shè)H4再次得到支持。

3.3 內(nèi)生性問題處理

為緩解反向因果引致的潛在內(nèi)生性問題，本文采用兩階段工具變量法估計企業(yè)數(shù)字鄰近對創(chuàng)新績效的影響。鑒于被解釋變量企業(yè)創(chuàng)新績效無法對前兩年數(shù)字鄰近產(chǎn)生影響，本文將自變量數(shù)字鄰近兩期滯后項（lldc）作為工具變量納入模型。表4顯示，本文選取的工具變量通過不可識別、過度識別、弱工具變量檢驗。結(jié)果顯示，解釋變量二次項系數(shù)顯著為正，與前文保持一致。由此可見，本文回歸結(jié)果具有穩(wěn)健性。

為緩解樣本選擇偏差帶來的潛在內(nèi)生性問題，本文利用傾向匹配得分（PSM）檢驗數(shù)字鄰近與企業(yè)創(chuàng)新績效的關(guān)系，具體步驟如下：首先，根據(jù)匹配協(xié)變量選擇標(biāo)準(zhǔn)，選取合適的協(xié)變量。檢驗結(jié)果顯示，本文控制變量符合協(xié)變量匹配標(biāo)準(zhǔn)。其次，根據(jù)數(shù)字鄰近水平確定實驗組與控制組。再次，選擇最鄰近匹配方法進(jìn)行平衡性檢驗，計算平均處理效應(yīng)（ATT在95%的置信區(qū)間上顯著）。最后，進(jìn)行回歸，結(jié)果如表4所示。結(jié)果表明，解釋變量（dc）與解釋變量的二次項（dc2）顯著，且一次項系數(shù)為負(fù)，二次項系數(shù)為正。

3.4 穩(wěn)健性檢驗

（1）更換被解釋變量企業(yè)創(chuàng)新績效衡量方式?，F(xiàn)有研究大多采用專利數(shù)對企業(yè)創(chuàng)新績效進(jìn)行測度?；诖?，本文采用專利衡量企業(yè)創(chuàng)新績效，結(jié)果如表3中Model5—Model8所示。結(jié)果顯示，數(shù)字鄰近與企業(yè)創(chuàng)新績效呈U型關(guān)系，高管政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景正向調(diào)節(jié)數(shù)字鄰近與企業(yè)創(chuàng)新績效的關(guān)系，高管過度自信負(fù)向調(diào)節(jié)數(shù)字鄰近與企業(yè)創(chuàng)新績效的關(guān)系?？梢姡疚幕貧w結(jié)果具有穩(wěn)健性。

（2）更換核心解釋變量數(shù)字鄰近衡量方式。前文采用某行業(yè)到所有數(shù)字產(chǎn)業(yè)的平均最短路徑測量數(shù)字鄰近，此處將其替換為某行業(yè)到數(shù)字產(chǎn)業(yè)最長的最短路徑［8］，i行業(yè)鄰近（MDCi）計算如式（8）所示。

MDCi=11+（i行業(yè)距離數(shù)字產(chǎn)業(yè)最長的最短距離）（8）

在此基礎(chǔ)上，計算i企業(yè)數(shù)字鄰近（mdci），如式（9）所示。

mdci=∑nk=1MDCkSaleskn（9）

（3）更換回歸方式。本文選取多維面板固定效應(yīng)（reghdfe）進(jìn)行估計，檢驗結(jié)果如表4中Model3—Model4所示。其中，Model3為更換數(shù)字鄰近衡量方式后的回歸結(jié)果，Model4為采用多維面板固定效應(yīng)的回歸結(jié)果。結(jié)果表明，無論是更換核心解釋變量還是更換回歸方法，均證實數(shù)字鄰近與企業(yè)創(chuàng)新績效呈U型關(guān)系。

4 結(jié)語

4.1 結(jié)論

本文引入數(shù)字鄰近這一概念，探討企業(yè)數(shù)字鄰近對創(chuàng)新績效的影響，并考察高管政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景、高管過度自信在其中的調(diào)節(jié)作用，得出以下主要結(jié)論：

（1） 企業(yè)數(shù)字鄰近與創(chuàng)新績效呈顯著U型關(guān)系。產(chǎn)品與服務(wù)數(shù)字化初期，數(shù)字鄰近水平較低，企業(yè)在數(shù)字化進(jìn)程中存在資源剛性與慣例剛性。此時，數(shù)字鄰近與創(chuàng)新績效負(fù)相關(guān)。高水平數(shù)字鄰近情境下，創(chuàng)新溢出與促進(jìn)效應(yīng)顯著，數(shù)字鄰近達(dá)到促進(jìn)創(chuàng)新績效提升的門檻。

（2） 作為高管特質(zhì)中的理性因素，政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景在企業(yè)數(shù)字鄰近與創(chuàng)新績效間發(fā)揮正向調(diào)節(jié)作用。作為高管特質(zhì)中的非理性因素，高管過度自信在企業(yè)數(shù)字鄰近與創(chuàng)新績效間發(fā)揮負(fù)向調(diào)節(jié)作用。

4.2 理論貢獻(xiàn)

（1）不同于以往研究［5］，本文采用數(shù)字鄰近對企業(yè)數(shù)字化進(jìn)行測度，嘗試解決現(xiàn)有衡量方法無法反映企業(yè)數(shù)字化全貌的問題［7］，豐富了企業(yè)數(shù)字化水平測算方法。

（2） 以往相關(guān)研究忽視了組織惰性等內(nèi)部因素［9］，本文基于組織與數(shù)字化協(xié)同演進(jìn)邏輯，結(jié)合組織惰性理論探討數(shù)字鄰近對企業(yè)創(chuàng)新績效的作用機(jī)理，揭示了數(shù)字鄰近對企業(yè)創(chuàng)新績效的作用軌跡。

（3）在現(xiàn)有研究的基礎(chǔ)上［27］，本文加入高管特質(zhì)這一情景因素，拓展了“數(shù)字化—企業(yè)創(chuàng)新績效”研究框架，深入探討高管特質(zhì)中的理性因素、非理性因素在數(shù)字鄰近與企業(yè)創(chuàng)新績效間的差異化影響，豐富了高階梯隊理論應(yīng)用情境。

4.3 管理啟示

（1）在企業(yè)利用數(shù)字技術(shù)進(jìn)行價值創(chuàng)造過程中，由于新的戰(zhàn)略需求與原有資源投入模式的沖突，以及慣例固化與系統(tǒng)變革的矛盾，數(shù)字鄰近可能無法快速促進(jìn)企業(yè)創(chuàng)新績效提升。隨著數(shù)字化進(jìn)程加快，數(shù)字技術(shù)的賦能作用逐漸凸顯。因此，企業(yè)可以通過營造組織學(xué)習(xí)氛圍、拓展知識獲取渠道、優(yōu)化數(shù)字基礎(chǔ)設(shè)施等方式強(qiáng)化數(shù)字鄰近對創(chuàng)新績效的促進(jìn)作用。

（2） 在開展產(chǎn)品和服務(wù)數(shù)字化時，企業(yè)應(yīng)關(guān)注高管特質(zhì)。當(dāng)高管具備政治關(guān)聯(lián)與技術(shù)研發(fā)背景時，企業(yè)可以獲得資源、信息、認(rèn)知、技術(shù)支持，從而促進(jìn)創(chuàng)新績效提升。此外，應(yīng)考慮高管是否過度自信。高管過度自信情景下，企業(yè)無法構(gòu)建共享學(xué)習(xí)機(jī)制且可能開展過度的風(fēng)險追求，因而不利于創(chuàng)新績效提升。

（3） 管理者認(rèn)知、時間、注意力等無形資源能夠緩解資源剛性與慣例剛性。高管參與程度能夠很大程度上影響企業(yè)數(shù)字化成功率。因此，高管有必要提升自身對產(chǎn)品與服務(wù)數(shù)字化的認(rèn)知與重視程度，幫助企業(yè)引進(jìn)并留住數(shù)字化人才，營造良好的數(shù)字化創(chuàng)新氛圍，從而為產(chǎn)品、服務(wù)和流程數(shù)字化提供支撐。

4.4 不足與展望

本文存在以下不足：第一，僅考慮高管政治關(guān)聯(lián)背景、高管技術(shù)研發(fā)背景、高管過度自信3個變量在企業(yè)數(shù)字鄰近與創(chuàng)新績效間的調(diào)節(jié)作用，未來可納入更多變量。第二，由于高管團(tuán)隊內(nèi)部權(quán)力分布不均衡，未來可進(jìn)一步探討具備上述特質(zhì)高管權(quán)力比重的影響。

參考文獻(xiàn)

參考文獻(xiàn)：

［1］ 謝康，夏正豪，肖靜華.大數(shù)據(jù)成為現(xiàn)實生產(chǎn)要素的企業(yè)實現(xiàn)機(jī)制［J］.中國工業(yè)經(jīng)濟(jì)，2020，38（5）：42-60.

［2］ 戚聿東，肖旭.數(shù)字經(jīng)濟(jì)時代的企業(yè)管理變革［J］.管理世界，2020，36（6）：135-152，250.

［3］ LYNN W，LORIN H，BOWEN L. Data analytics，innovation，and firm productivity［J］. Management Science，2020，66（5）：1783-2290.

［4］ 戚聿東，蔡呈偉.數(shù)字化企業(yè)的性質(zhì)：經(jīng)濟(jì)學(xué)解釋［J］.財經(jīng)問題研究，2019，41（5）：121-129.

［5］ 肖仁橋，沈佳佳，錢麗.數(shù)字化水平對企業(yè)新產(chǎn)品開發(fā)績效的影響——雙元創(chuàng)新能力的中介作用［J］.科技進(jìn)步與對策，2021，38（24）：106-115.

［6］ HAJLI N. Social commerce constructs and consumer's intention to buy［J］.International Journal of Information Management，2015，35（2）：183-191.

［7］ 肖土盛，吳雨珊，亓文韜.數(shù)字化的翅膀能否助力企業(yè)高質(zhì)量發(fā)展［J］.經(jīng)濟(jì)管理，2022，44（5）：41-62.

［8］ RAHMATI P，TAFTI A L，WESTLAND J，et al.When all products are digital： complexity and intangible value in the ecosystem of digitizing firms［J］. MIS Quarterly，2021，45 （3）：1025-1058.

［9］ 林海芬，尚任.組織慣例對組織創(chuàng)新的悖論性作用機(jī)理研究［J］.南開管理評論，2020，23（1）：62-74.

［10］ 崔淼，周曉雪.克服組織慣性：數(shù)字化戰(zhàn)略更新的實現(xiàn)及演進(jìn)路徑研究［J］.科研管理，2022，43（10）：89-98.

［11］ ESTRIN P.The role of informal institutions in corporate governance：Brazil，Russia，India，and China compared［J］.Asia Pacific Journal of Management，2011，28（1）：41-67.

［12］ SVAHN F，MATHIASSEN L，LINDGREN R. Embracing digital innovation in incumbent firms：how Volvo cars managed competing concerns［J］.MIS Quarterly，2017，41（1）：239-253.

［13］ CARUSO L. Digital innovation and the fourth industrial revolution： epochal social changes ［J］.AI amp; Society，2018，33： 379-392.

［14］ 梁阜，李樹文，孫銳. SOR 視角下組織學(xué)習(xí)對組織創(chuàng)新績效的影響［J］.管理科學(xué)，2017，29（3）： 63-74.

［15］ RERUP C，F(xiàn)ELDMAN M S. Routines as a source of change in organizational schemata：the role of trial-and-error learning［J］.Academy of Management Journal，2011，54（3）： 577-610.

［16］ 陳慶江，平雷雨，董天宇.數(shù)字技術(shù)應(yīng)用創(chuàng)新賦能效應(yīng)的實現(xiàn)方式與邊界條件［J］.管理學(xué)報，2023，20（7）：1065-1074.

［17］ YOO Y，BOLAND R J，LYYTINEN K，et al. Organizing for innovation in the digitized world［J］. Organization Science，2012，23（5）：1398-1408 .

［18］ 鄧昕才，陳子楠，呂萍，等.組織慣例更新觸發(fā)因素與影響效應(yīng)——基于先動型市場導(dǎo)向和可持續(xù)競爭優(yōu)勢視角［J］.科技進(jìn)步與對策，2022，39（18）：21-30.

［19］ 張國富，張有明.CEO 政治關(guān)聯(lián)與創(chuàng)新績效：促進(jìn)或抑制［J］.財會通訊，2022，43（10）：48-53.

［20］ CLAESSENS S，F(xiàn)EIJEN E，LAEVEN L.Political connections and preferential access to finance：the role of campaign contributions［J］.Journal of Financial Economics，2008，88（3）：554-580.

［21］ DEUTSCHER F，ZAPKAU B F，SCHWENS C，et al. Strategic orientations and performance：a configurational perspective［J］. Journal of Business Research，2016，69（2）：849-861.

［22］ 余恕蓮，王藤燕. 高管專業(yè)技術(shù)背景與企業(yè)研發(fā)投入相關(guān)性研究［J］.經(jīng)濟(jì)與管理研究，2014，35（5）：14-22.

［23］ 車培榮，齊志偉，王硯羽.環(huán)境的烙?。浩髽I(yè)成立時的環(huán)境對創(chuàng)新戰(zhàn)略的影響［J］.科學(xué)學(xué)研究，2020，38（9）：1677-1685.

［24］ JOAO J，F(xiàn)ERREIRA M，CRISTINA I，et al.To be or not to be digital， that is the question： firm innovation and performance［J］.Journal of Business Research，2019，101（9）：583-590.

［25］ SHIN J，KIM Y J，JUNG S，et al. Product and service innovation：comparison between performance and efficiency［J］.Journal of Innovation amp; Knowledge，2022，7（3）：1-11.

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

［27］ 馬君，郭明杰.企業(yè)數(shù)字化轉(zhuǎn)型、員工數(shù)字認(rèn)知與創(chuàng)新績效：技術(shù)為刀，我為魚肉［J］.科技進(jìn)步與對策，2023，40（22）：22-32.

責(zé)任編輯

（責(zé)任編輯：張 悅）

英文標(biāo)題

The Influence of Enterprises' Digital Proximity on Innovation Performance：The Moderating Role of Executives' Traits

英文作者

Ma Haiyan，" Li Yujie ，" Zhou Tianyi

英文作者單位

（School of Economics and Management，China University of Geosciences（Wuhan），Wuhan 430074，China）

英文摘要

Abstract：In the era of digital technology， data， as a key and unique production factor， provides a possible opportunity for enterprise innovation to break through the constraints of factor endowment. However， many enterprises have difficulties reaching the digital innovation integration stage and have failed to improve their innovation performance through data resources. Therefore， in order to unravel the contradiction between the potential value of digitalization and its practice and grasp the unique points of digital reforms compared with general reforms， it is of great practical significance to systematically study the impact of digitalization on the innovation performance of enterprises from the microperspective. The conclusions of the existing studies linking digitalization and innovation performance are mixed， and the root of the controversy lies in the inconsistency of the measurement methods of digitalization and innovation performance， the contradictory nature of the action mechanism， and the differences in the contexts in which they work. Also，the controversy raises the question of whether there is a non-linear relationship between digitalization and innovation performance.

Digital proximity is a new integrative concept for capturing the digital condition of action subjects from a result-oriented network perspective.This paper aims to fill in the above-mentioned research gap by verifying that the relationship between digital proximity and innovation performance is U-shaped.Drawing on Hanns et al.’s research template，it builds a theoretical framework that deconstructs the U-shape into two forces，namely the blocking force and the driving force. It argues that the blocking force and driving force are respectively manifested in the two states of \"dormant period\" and \"enabling period\" of the digital proximity on the innovation performance of enterprises， and the combination of the two potential states makes the interaction between the two present a kind of strategic paradox， which is reflected in the significant U-shaped relationship.That is， at the early stage of product and service digitalization， the degree of digital proximity is low， and the rigidity of resources and practices in the process of digitalization is strong， at this time， digital proximity is negatively correlated with innovation performance; on the contrary， when the enterprise has a high digital proximity， the innovation spillover and promotion effects are gradually released， and the enhancement of the enterprise's digital proximity reaches the threshold of positive stimulation of enterprise innovation， presenting a negative correlation between the early stage of digital proximity and innovation performance and a negative correlation between the later stage and innovation performance. The trend toward a positive correlation between digital proximity and innovation performance in the later stage. In addition， executives' traits （rational factors such as political connection background， Ramp;D background， and irrational factors such as overconfidence） affecting the strategic choices and target performance of enterprises have become one of the important clues in the study of enterprise performance， and may constitute an important boundary condition for the influence of digital proximity on the innovation performance of enterprises， so it is necessary to include executives' traits in the theoretical framework.

On the basis of data from Chinese listed companies， the distance between enterprises and digital industries is used to calculate enterprises' digital proximity， the stochastic frontier model （SFE） is used to measure enterprises' innovation efficiency， the binary variables of executives' political connection background and executives' Ramp;D background are collected and computed， and the composite scores of the executives' personal characteristic indexes are used to assess the executives' overconfidence. Following the organizational inertia theory and the upper echelons theory， the study uses 2 580 observations of 1 044 listed companies from 2010 to 2022 to empirically analyze the influence of enterprises’ digital proximity on innovation performance， and examine the moderating effects of three types of executive traits， namely， executives' political connection background， Ramp;D background， and overconfidence. It is found that， overall， there is a U-shaped relationship between digital proximity and innovation performance， and several robustness tests and endogeneity tests confirm the conclusion. Further， the rational factors in executives' traits （politic connection background， Ramp;D background） positively moderate the U-shaped relationship between digital proximity and innovation performance; while the irrational factor in executives' traits （overconfidence） negatively moderates the U-shaped relationship between digital proximity and innovation performance.

英文關(guān)鍵詞

Key Words：Digital Proximity; Executives' Traits; Innovation Performance; Chinese Listed Companies

收稿日期

收稿日期：2023-09-07 "修回日期：2023-11-07

基金項目

基金項目：國家自然科學(xué)基金項目（71973130）；國家自然科學(xué)基金面上項目（72272138）；國家社會科學(xué)基金重點項目（22AZD126）

作者簡介

作者簡介：馬海燕（1981—），女，湖北荊州人，博士，中國地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院副教授、博士生導(dǎo)師，研究方向為組織轉(zhuǎn)型升級；黎玉杰（1999—），女，河南駐馬店人，中國地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院碩士研究生，研究方向為企業(yè)管理；周天怡（2000—），女，湖北武漢人，中國地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院碩士研究生，研究方向為企業(yè)管理。