流程数字化如何影响企业创新绩效 ——基于二元学习的视角.pdf

100INNOVATIVEPOLICYAND MANAGEMENT2022.12创新政策与管理中国人民大串有教管中心1958流程数字化如何影响企业创新绩效？基于二元学习的视角易靖韬曹若楠【摘要】随着数字经济和数字技术的快速发展，发展流程数字化为企业开展创新活动提供了新的思路。为考察制造业企业流程数字化对企业创新绩效的影响及其作用机制，基于世界银行2 0 1 2 年对于中国制造业的1 2 1 2 家企业调查数据，采用逐步回归法、Sobel检验和Bootstrap检验等方法进行实证检验。研究发现：流程数字化对企业二元学习和企业创新绩效都具有正向影响；企业二元学习对于流程数字化与企业创新绩效的关系发挥了部分中介作用；二元学习的相对平衡正向调节了流程数字化与企业创新绩效的关系，而二元学习的综合平衡的调节作用则不显著。研究结果在理论层面从二元学习的视角拓展了数字化转型对于企业创新的作用机制方面的研究，在实践层面对我国制造业企业通过数字化转型提升创新绩效具有重要的启示。【关键词】流程数字化；二元学习；创新绩效【作者简介】易靖韬(1 9 7 9-），男，湖南衡阳人，中国人民大学商学院教授，博士生导师，经济学博士，研究方向为数字经济与全球商务、平台生态系统、平台竞争；曹若楠(通讯作者），中国人民大学商学院（北京1 0 0 8 7 2)。【原文出处】中国软科学（京）,2 0 2 2.7.9 41 0 4【基金项目】国家自然科学基金项目（7 1 8 7 31 36)。数字化技术的出现改变了传统企业无法高效地传递信息的困境，打破了其客观存在的组织边界，改革了价值创造的方式和方法，改变了行业内的竞争环境，拓宽了制造业企业原本仅发生在生产属性上的竞争。数字化转型正在成为企业寻求创新机遇，增加竞争优势，以及企业增长的新动能。有别于数字原生态互联网企业，利用数字技术改进现有的业务流程（即流程数字化）成为了制造业企业进行数字化转型的重要抓手2 1，是制造业企业把握数字经济腾飞的重要战略机遇。流程数字化是指企业使用数字技术支持新的业务流程或补充现有活动或流程的行为或决策3。现有文献表明，组织学习是企业创新的来源和基础，企业创新是学习活动的作用结果。因此，基于现实背景和文献缺口，本文从二元学习的组织学习理论视角出发，整合各业务流程的数字化行为构造流程数字化变量，分析流程数字化对创新绩效发生作用的驱动机制及其边界条件，并试图回答以下问题：流程数字化是否通过促进二元学习提升企业创新绩效？二元学习之间的平衡关系会如何影响流程数字化对企业创新绩效的影响？本文的主要创新之处在于，将流程数字化对企业创新绩效的影响机制聚焦于企业的学习能力，在二元学习理论层面对流程数字化与创新绩效的关系进行研究，丰富和发展了流程数字化与组织学习及创新方面的研究成果。通过提供获取新知识的渠道和促进现有知识的融合，流程数字化通过企业的二元学习效应促进生产要素的升级代和更高层次的重新组合进而提高企业创新绩效。此外，二元学习的平衡状况进一步调节流程数字化与企业创新绩效的关系。基于世界银行2 0 1 2 年对于中国制造业的1 2 1 2 家企业调查数据，实证研究流程数字化对企业创新绩效的影响及1012022.12创新政策与管理2022.12SCIENCES.A中人民大学INNOVATIVE POLICYANDMANAGEMENT1958其作用机制和边界条件。一、理论与假设（一）流程数字化与企业创新绩效流程数字化是指与企业内主要业务流程进行了深度融合的系统性工程4，用于改进现有的业务流程1 5-6 ，有利于制造业企业发展数字化技能的需求。将数字技术应用于企业的主要业务流程，如维护合作伙伴关系、增强产品和服务质量、日常生产和运营、市场营销和客户关系等，有利于企业获取信息、促进沟通，满足企业的数字化技能需求。创新的底层逻辑是价值创造和价值发现。流程数字化帮助企业突破自身资源局限，实现资源链接和整合1 8-1，为企业提供价值创造和价值发现的新动能，进而提升企业创新水平。流程数字化辅助价值创造和价值发现的逻辑在于：一是通过降低企业的信息流通成本、交易成本2 以及未来业务的搜索成本和跨区域的业务交易成本1 1 3，实现与远距离企业及时进行有效的知识交换进而实现协同创新战略4，降低价值创造所需的沟通成本，增强企业协同创新能力；二是企业获得访问合作伙伴的信息和偏好的有效途径，识别前端和尾端需求，有针对性地进行创新3，扩大价值创造所需的知识基础，打破企业创新面临的资源约束；三是各部门间的沟通协作使得企业及时、快速地获取外界新信息，有助于提升公司监测市场动态的能力S，明确企业价值创造的聚焦情境，为创新提供外部资源，而提升企业应对不确定性的能力，有助于企业摆脱环境束缚，降低创新的风险；四是当企业面临的技术环境发生重大改变时，流程数字化有助于企业即时识别环境变化和新机遇，调节企业内部的资源分配，提升价值发现能力，及时识别创造新机遇在数字期权视角下，流程数字化作为数字期权生成器之一，其通过包括REP、供应链管理(supplychain management,SCM)、客户关系管理(customer re-lationshipmanagement，C R M)和产品数据管理等信息技术扩展数字化业务流程的广度，有助于企业把握潜在发展机会，扩大生成的数字期权6,促进企业创新绩效。综上所述，流程数字化的应用突破了企业被旧技术局限的资源环境，从价值创造和价值发现两部分为企业带来创新的新动能。同时，新技术范式为企业带来大量的数字期权，提升企业未来价值创造和价值发现的能力，为企业生产要素的送代升级和重新组合促进潜在的创新带来新的机遇和可能性。因此，本文提出假设H1：流程数字化有利于提升企业创新绩效。二）二元学习的中介作用1.流程数字化与二元学习效应流程数字化拓宽了企业与外部合作者的交流效率和信息源，提升了企业从外部获取信息的能力，有利于发展探索式学习。流程数字化扩展了组织与业务各流程上企业及客户的交流，将数字化应用于维系供应商和承包商等合作伙伴的关系、加强与上下游企业以及客户的联系帮助企业获取更多的信息，参与人员可以便捷地从多方取得新信息。流程数字化降低了企业内部的沟通成本，促进内部信息的有效流动，进而促进利用式学习。企业的数字化技术在各个流程的应用加强了企业内部的沟通联系，拓宽了沟通的程序，促进了企业内已有知识的有效利用，同时也增加了信息转化的路径并促进已有知识在企业内部的流通，加速知识转移，进而有效促进知识在企业各部门间的扩散。因此，流程数字化可以促进企业的利用式学习。据此，流程数字化为企业的二元学习提供了新的支撑，本文提出如下假设：H2a流程数字化对探索式学习具有显著正向影响。H2b流程数字化对利用式学习具有显著正向影响。2.二元学习效应与企业创新绩效企业的组织学习是企业创新的基础。组织学习活动的进行，伴随着知识在企业内的分享，无论是新知识的获取还是已有知识的利用和整合都促进了企业创新能力的提高。一方面，探索式学习的本质是对新方案的实验，有利于企业对新技术、新市场和新商业机会的把握和开发，可以为企业甚至行业带来颠覆性创新成果。另一方面，利用式学习通过对现有能力、技术和模式的精炼和扩展，有利于企业对市场现有产品进行改良创新7基于二元学习的视角，流程数字化对创新产生102INNOVATIVE POLICY ANDMANAGEMENT2022.12创新政策与管理LALLSCIENCES.A中国人民大学1958的作用机制可以分为两个路径。其一，流程数字化促进企业内已有知识的有效利用，增强利用式创新的能力，降低企业创新风险，缩短创新周期，有利于提升企业短期创新绩效1 8-1 9；其二，流程数字化扩展了企业获取新信息的渠道，有利于企业对新知识的搜寻和获取，增强探索式创新能力，有利于提升企业长期创新绩效1 1-2 0 1流程数字化通过促进企业二元学习能力对企业创新产生正向影响。流程数字化作用于企业合作伙伴关系和客户关系的活动，有助于企业建立正式和非正式的外部链接网络(externalnetwork)，提升知识网络凝聚性(knowledgenetworkcohesion)，增强探索式学习能力促进创新绩效。在产品和服务提升、生产运营、市场营销活动采用流程数字化，有助于企业丰富利用式学习的资源，增进生产至销售各个环节的内部网络链接，有助于识别和精准定位产品需求、产品特征和产出效果，增强利用式学习能力，服务于企业创新绩效。综上所述，本文就流程数字化通过二元学习影响创新绩效的作用机制提出假设H3：流程数字化通过探索式学习和利用式学习的路径提升企业创新绩效，即二元学习在流程数字化与企业创新绩效之间起中介作用。(三)二元学习平衡对流程数字化与创新绩效关系的调节作用1.二元学习平衡已有研究表明二元学习的平衡关系影响企业创新绩效，但如何平衡二元学习在学界并没有取得共识，其主要原因在于二元学习之间的互补或竞争关系存在动态的异质性变化。组织同时进行探索式学习和利用式学习有利于企业同时开发新知识、精炼旧知识，两种学习的综合平衡及其产生的互补效应促进企业创新绩效的提升 2 。本文将沿用相乘交互以及绝对差值的变量构造方法，使用探索式与利用式学习的相乘交互作为综合平衡的测量指标(2 ,其绝对差异作为相对平衡的测量指标。二元学习的综合平衡有利于促进企业长期创新绩效和突破式创新绩效。利用式学习是探索式学习的前提，探索式学习是利用式学习的基础 2 3。两种学习能力各有优势，可以产生互补性的正向作用，两种学习为企业带来的创新支撑点不同。探索式学习有利于企业对新知识的搜寻和获取，提升企业的突破式创新绩效；利用式学习有利于企业对于现有技术和能力进行深人挖掘和延伸，可以提升企业的渐进式创新绩效。诚然，综合平衡因综合了探索式和利用式学习的双重优势更有利于提高组织创新绩效，但二者之间的张力对组织的整合能力和资源配置提出了更高要求和更多挑战。试图实现综合平衡的企业若无法有效协调二者之间的竞争关系来平抑二元张力，企业采用这种策略反而会导致创新绩效的下降。现有研究表明，在短期资源受限的情况下，综合平衡更难达到预期目标，而相对平衡则有利于企业合理配置资源实现创新绩效的提升。因此，企业在培养其学习能力时，要根据其创新需求有所取舍地培养学习能力。如以利用式创新驱动为主的企业，即使二元学习的综合平衡有利于企业发展突破式创新和实现长期创新目标，在资源约束的条件下，也应优先培养利用式组织学习；以探索式创新驱动为主的企业应优先培养探索式组织学习。总的来说，资源受限企业应充分考虑二元学习之间的张力，合理和优化资源配置以提升资源利用效率来实现企业创新绩效的提升。2.二元学习综合平衡对流程数字化与创新绩效关系的调节作用从资源约束的视角来看，二元学习存在竞争关系的综合平衡会制约流程数字化为企业创新绩效带来的正向效应。二元学习综合发展意味着二者之间的竞争更为激烈，同时也对企业的协调能力、资源配置能力提出了更高的要求，王凤彬等(2 0 1 2)2 41 研究发现二元学习趋于综合平衡对制造业企业的绩效产生负面的影响。高能综合平衡企业不仅探索式和利用式学习都领先于行业平均水平，而且企业需具备激发二元学习互补效应的协调能力和资源配置能力1 2 5。低能综合平衡企业虽然二元学习的平衡度较高，但该类企业内部协调存在风险，无法发挥二元学习的互补效应，并且由于竞争效应的存在，企业资源配置有效性的难度极大增加。当高能综合平衡企业1032022.12创新政策与管理2022.12SCIENCES.,中国人民大华INNOVATIVEPOLICYANDMANAGEMENT幸饭贤料中心1958通过技术转型获得新资源时，企业可用于学习的资源增加，但由于具备高能综合平衡企业的信息传播和知识水平都处于高位，流程数字化为企业带来的促进作用有限。因此，提出假设H4a：二元学习综合平衡会制约流程数字化对企业创新绩效的影响。3.二元学习相对平衡对流程数字化对与创新绩效关系的调节作用二元相对平衡的企业更能适应环境变化，增强企业流程数字化对企业创新绩效的积极影响。从种群生态理论出发，探索式和利用式学习的平衡与企业能力生态位选择相比较，二元相对平衡较高的企业被视为“偏才(specialist)”，综合平衡水平较高的企业被视为“通才(generalist)”。种群生态理论认为，不同的企业生态位选择在面临外部环境动荡时，存活率有明显差异。随着流程数字化的深人和企业资源的增加，二元学习的竞争效应会导致“通才”企业配置资源时产生资源损耗和浪费；而“偏才”型企业由于配置资源的机制单一以及与环境更高的契合程度，其资源利用的性价比更高。因此，面对数字时代更加快速多变的环境，二元相对平衡较高的企业更能适应流程数字化带来的企业环境变化，加强流程数字化对企业创新绩效的积极影响。据此，提出假设H4b：二元学习相对平衡会强化流程数字化对企业创新绩效的影响。二、数据与方法(一)数据和样本本文使用的数据来自世界银行2 0 1 2 年对中国制造业企业的调查。其调查内容主要包括生产销售、创新、要素投人、基础设施与服务、销售与供应、竞争、劳动力等信息。为了验证本文提出的假设，本文主要选取了以下维度的数据：基本信息（问卷编号A和B)，主要包括企业行业、地区、资本结构、管理等；创新（问卷编号0），主要包括创新投人、新产品推出和创新维度；基础设施与服务(问卷编号C)，主要包括网站建设、互联网应用、企业软件应用等；销售与供应（问卷编号D），主要包括销售等内容；竞争（问卷编号E)，主要包括同行之间的竞争程度；劳动力（问卷编号L)，主要包括劳动力投人和结构。(二)变量测量1.被解释变量因变量的创新绩效根据已有研究采用引进新产品的情况来估计 2 6 。问卷中询问企业“在过去三年中，该企业是否推出了任何新产品或服务？”，该问题的答案构造创新绩效变量，回答为“是”或“否”的哑变量(CNo1)。2.解释变量自变量流程数字化根据傅颖等(2 0 2 1)2 及Adomako等(2 0 2 1)2 7 的测量方式，询问制造业企业信息和通信技术(计算机、互联网和软件)在多大程度上被用于支持以下5个业务流程中的关键业务活动：供应商关系、产品和服务、生产与运营、营销、顾客关系。这5个题项采用5分Likert量表测量(CNolla-e)。因子分析中采用单位根3.7 2、累计解释占比为0.7 4的因子，该因子的KMO值为0.8 5，卡方检验p值为0.0 0 0，5个因子载荷值分布在0.8 5 0.8 9,Cronbachs系数为0.900,AVE=0.75,CR=0.94。使用主成分分析法(PCA)测算各细分指标的权重来获得所关注变量的综合性指数构建流程数字化。受限于PCA连续变量和正态分布的假设，离散变量不适用于PCA，因此，使用多分格主成分分析法(PolychoricPCA)28-291获得企业的流程数字化的指标，将其标准化的得分作为自变量。稳健性检验中，本文还采用问卷中企业使用邮件、线上交易系统EDI/ERP/CRM/SCM系统的频度作为替代变量进行测量。3.中介变量本文将探索式学习与利用式学习视作学习行为的两个维度，而不是两个单维的变量(30-3,根据已有研究中探索式和利用式学习行为两个不同的维度的测量方式(2 3,将属于一个问题下的8 个题项分为2 个三分Likert量表，来测量企业在探索式和利用式学习活动分配资源的程度，资源使用的程度越高，则企业的该类学习活动越强。其中，引进新技术或设备用于改进产品或流程(CNo15a)、引进新的管理或行政流程(CNo15c)、为员工提供技术培训(CNo15d)、引进新的产品或服务(CNo15e)等强调新知识和主动实施变革的活动属于探索式学习。引进新的质量监督程序(CNo15b)、为已有产品或服务增加新性能(CNo15f)、104INNOVATIVE POLICY AND MANAGEMENT2022.12创新政策与管理FORSOCSCIEKCES.A中国人民大学1958减少生产成本(CNo15g)、采取提升生产弹性的行为(CNo15h)等强调对现有知识整合与利用的组织活动为利用式学习。与上文探讨流程数字化测量时提出的PCA受限原因相同，本文使用多分格主成分分析法构造探索式和利用式学习指标，将其标准化的得分作为中介变量。探索式学习使用单位根为2.8 7，累计解释方差为0.7 2 的因子，其KMO值为0.82，卡方检验p值为0.0 0，因子载荷在0.8 2 0.8 6 之间，Cronbachs因子为0.8 6,AVE=0.72,CR=0.91。利用式学习则使用单位根为2.8 9、累计解释方差为0.72的因子，该因子的KMO值为0.7 8，卡方检验p值为0.0 0 因子载荷在0.8 0 0.8 9 之间，Cronbachs因子为0.8 2,AVE=0.72CR=0.91，同样使用多分格主成分分析法构造利用式学习变量。4.调节变量二元学习综合平衡变量是由探索式学习及利用式学习的相乘交互用“famo”作为简写)构造的。二元学习的相对平衡则是采用探索式学习减去利用式学习差值的绝对值来衡量二元学习的相对平衡（用“fama作为简写)2 5.控制变量本文借鉴现有文献采用的控制变量。主要包括：企业年龄，以企业成立以来的年数来衡量(b5)；企业规模，根据现有的研究，企业规模的大小对企业创新绩效有一定的影响，本文用员工总数的对数值来衡量企业规模（1 1)；高管经验，以行业高管工作年限衡量（b7)；所有权，以私人资本占比衡量(b2a)；企业出口，根据企业直接出口占总销售额的比值(d3c),将其划分为有出口行为(取值为1)及无出口行为（取值为0)的哑变量；研发强度，采用R&D投资的销售比例测量（CNo07a)2.3.17291;员工培训，是否提供培训的哑变量(培训取值为1,否则为0)(1 1 0)。表1 展示了所有变量的定义。（三）估计方法基准模型将研究流程数字化对企业创新绩效的影响、二元学习的中介效应及其平衡的调节效应，为了验证理论假设，本文设定的计量方程为：p(linovje)log=o+,BPD+,Explorative+p(l-inovijc.Exploitative+.famo+sfama+2jg+mi+m.+8jc在中介效应的讨论中，探索式学习（利用式学习）作为因变量的第二阶段模型设定的计量方程为：Explorativeje=o+,BPD+2Explorative+:Exploitative+.famo+sfama+,+Qie+ni+n.+8je表1变量定义变量符号变量说明问卷编号因变量创新绩效：哑变量InnovationCNo1自变量BPD流程数字化：多分格主成分分析构造CNolla-eExplorative探索式学习：多分格主成分分析构造CNol5a,c,d,e中介变量Exploitative利用式学习：多分格主成分分析构造CNo15b,f,g,hFamo综合平衡：探索式学习与利用式学习的交乘项调节变量Fama相对平衡：探索式学习与利用式学习差值的绝对值Age企业年龄：(2 0 1 2 年至企业成立年份)的自然对数b5Size企业规模：员工总数的对数值11TMTexp高管经验：高管工作年限b7Private所有权：私人资本比率b2a控制变量企业出口：哑变量Exportd3cR&D研发强度：R&D投资的销售比例CNo7a,d2Training员工培训：哑变量110Industry细分行业(哑变量)a4bProvince所在省份(亚变量)a2105.2022.12ENTERC创新政策与管理2022.12NOLYNYCSCIENCES,教科中心中国人配大单INNOVATIVE POLICY AND MANAGEMENT1958其中，i代表企业，代表行业，c代表城市，表示控制变量，m和m分别表示行业效应和城市效应，8代表随机干扰项。由于企业的创新绩效是哑变量，因此本文基准模型采用Logit方法进行回归。此外，本文选用了probit模型和线性概率模型的方法进行稳健性检验。三、实证结果(一)描述性统计本文对变量进行了描述性统计和相关性分析，结果如表2 所示。各变量之间的相关系数均小于0.80，同时对自变量进行了VIF检验多重共线性的问题，VIF均小于1 0,因此减少了多重共线性问题的顾虑。通过观察相关系数的关系可以发现，自变量流程数字化与中介变量(探索式学习、利用式学习)呈现正相关关系；中介变量与因变量（企业创新绩效）呈正相关关系；自变量与因变量呈正相关关系，初步支持本文的理论假设，说明适合进一步对模型进行回归分析。(二)基准结果分析表3汇报了基准回归的估计结果，其中模型(1)仅包含控制变量，控制了行业及地区特征的情况下，企业年龄和员工培训与创新绩效负相关；企业规模及私有资产的比例与企业引进新产品的概率正相关，而高管从业经验、是否出口和研发强度对企业引进新产品相关性不显著。模型(2)和模型(3)依次加人了主要解释变量（流程数字化)和中介变量（探索式学习和利用式学习)。模型(2)到模型(4)中，流程数字化的回归系数均为正且在1%的显著性水平上显著，假设H1得到验证。模型(3)展示的探索式学习的系数为正(=0.449),且在1%的水平下显著(p0.01),表明探索式学习与企业创新绩效之间存在正相关关系；模型(4)展示的利用式学习的系数为正(=0.400)，同样在1%的水平下显著。模型(5)同时加人了探索式学习和利用式学习变量后，探索式学习的系数下降且利用式学习的系数不再显著，说明二元学习可能存在平衡关系（即可能存在竞争关系），本文将在调节效应部分进一步讨论。（三）作用机制和边界条件1.二元学习的中介作用为了检验二元学习在流程数字化与企业创新绩效之间关系的中介作用，本文根据Kenny等(1 9 9 8)32)使用的检验中介效应的4个步骤，检验探索式学习(利用式学习)的中介效应的4个条件：一是流程数字化与创新绩效显著相关，表3中的假设一已得到验证；二是流程数字化与探索式学习(利用式学习）显著相关；三是控制流程数字化后，探索式学习（利用式表2变量相关系数变量105711122346891131.Inovatior1.0002.BPD0.3441.0003.Exploratory0.4640.3041.0004.Exploitat0.502ve0.2760.4301.0005.Famo0.0110.1310.4710.4651.0006.Fama0.0900.003-0.3820.1080.0641.0007.Age0.1330.1500.157-0.057-0.0710.0381.0000.1660.0228.Size0.0130.0840.1610.2120.2191.0009.TMTexp0.079-0.0360.0600.1220.1750.0520.1070.0801.000-0.0380.0850.0900.1530.0990.05310.Private0.154-0.0660.1041.000-0.027-0.0210.2380.1480.1050.0440.109-0.1130.1140.16611.Export1.000-0.065-0.078-0.053-0.009-0.059-0.1170.023-0.042-0.07912.R&D-0.142-0.0431.00013.Training-0.083-0.115-0.178-0.157-0.019-0.016-0.0530.021-0.2070.081-0.059-0.0291.000均值-0.9961.2910.4872.5920.5160.082-1.0194.4922.73188.8800.0210.2131.0951.2521.7670.556标准差1.6511.2450.9831.2710.5000.48228.0940.4100.1180.294106INNOVATIVE POLICYAND MANAGEMENT2022.12创新政策与管理ERTEFORSOCLASCENCES.A中国人晚大单1958表3基础回归结果(3)(4)(1)(2)(5)因变量创新绩效创新绩效创新绩效创新绩效创新绩效-0.229*(0.0800)-0.137*(0.075)0.173*(0.079)-0.231*(0.0798)企业年龄-0.235*(0.080)0.274*(0.060)0.227*(0.061)0.209*(0.0630)0.225*(0.0628)企业规模0.212*(0.063)高管经验0.218(0.160)0.199(0.163)0.146(0.167)0.148(0.166)0.141(0.167)所有权0.007*(0.003)0.009*(0.003)0.00517*(0.00298)0.00616*(0.00296)0.006*(0.003)0.0456(0.193)0.0713(0.191)企业出口0.257(0.183)0.128(0.188)0.045(0.193)研发强度1.152(1.786)0.388(1.229)0.326(1.105)-0.450(1.152)-0.361(1.196)0.819*(0.272)0.703*(0.277)员工培训-0.517*(0.281)-0.573*(0.280)-0.515*(0.281)行业控制控制控制控制控制地区控制控制控制控制控制0.252*(0.0567)0.373*(0.052)0.235*(0.0569)流程数字化0.227*(0.057)探索式学习0.449*(0.0704)0.349*(0.111)0.400*(0.0701)利用式学习0.128(0.111)常数项0.012(0.727)0.534(0.746)-0.487(0.711)0.297(0.741)0.506(0.747)Pseudo R?0.2320.2640.2840.2890.290样本量12121212121212121212注：括号内为稳健标准误，*、*、*分别表示在p0.01、p 0.0 5、p 0.1 0 的水平上差异显著。学习)与创新绩效显著相关,表3的模型(3)和模型(4)验证了该条件；四是检验探索式学习(利用式学习)是部分中介效应或完全中介效应。检验结果如表4所示，列(1)及列(2)汇报了流程数字化对探索式学习及利用式学习的回归结果，流程数字化的回归系数分别为0.342 及0.32 7，均在1%的显著性水平显著，假设H2a和假设H2b得到验证。列(3)及列(4)在表3中列(2)的基础上分别加人了探索式学习和利用式学习变量。流程数字化的回归系数由表3的列(2)中的0.37 3降低为列(4)的0.2 35及列(5)的0.2 52,探索式学习的回归系数为0.449,利用式学习的回归系数为0.40 0，且上述所有系数均在1%水平上显著。因此，假设H3得到验证，探索式学习及利用式学习在流程数字化对企业创新绩效的影响中起到部分中介效应。从路径系数上看，探索式学习对企业创新绩效的积极影响强于利用式学习，可表4二元学习的中介效应分析(2)(3)(1)(4)因变量创新绩效利用式学习探索式学习创新绩效0.342*(0.022)0.327*(0.022)0.235*(0.057)流程数字化0.252*(0.057)探索式学习0.449*(0.070)利用式学习0.400*(0.070)控制控制控制控制变量控制控制控制城市控制控制行业控制控制控制控制-1.200*(0.315)常数项-0.627*(0.312)0.534(0.746)0.297(0.841)R?0.3160.3120.2890.284样本量1212121212121212注：括号内为稳健标准误，*、*、*分别表示在p0.01、p 0.0 5、p 0.10)，表明二元学习的综合平衡对流程数字化与创新绩效之间的正向关系的调节作用不显著，假设H4a未得到验证。模型(4)中二元学习的相对平衡与流程数字化的乘积项的系数显著(pIZI学习方式占总效应比重间接效应0.0230.02015.6962.1e-08探索式学习直接效应0.0670.0126.0033.7e-130.254总效应0.0890.0045.6070间接效应0.0170.0044.7771.8e-06利用式学习直接效应0.0097.9790.0721.6e-150.192总效应0.0890.00910.5360表6Bootstrap中介效应检验结果ObservedBootstrap学习方式变量Bias95%Conf.IntervalCoef.Std.Err0.0230.0150.0320.0000.004(P)_bs_10.0150.033(BC)探索式学习0.0670.0000.0100.0480.086(P)_bs_20.0480.086(BC)0.017-0.0000.0040.0100.025(P)_bs_10.0110.025(BC)利用式学习0.0010.0090.0720.0560.091(P)_bs_20.0540.089(BC)108.INNOVATIVEPOLICY AND MANAGEMENT2022.12创新政策与管理FORIALLSCIENCES.,中国人民大单有报育科中心1958表7调节效应检验(1)(3)(2)(4)(5)因变量创新绩效创新绩效创新绩效创新绩效创新绩效流程数字化0.225*(0.057)0.131*(0.072)0.472*(0.120)0.221*(0.058)-0.024(0.096)0.472*(0.117)探索式学习0.472*(0.116)0.387*(0.114)0.363*(0.116)0.429*(0.120)0.083(0.114)0.113(0.117)利用式学习0.208*(0.114)0.187(0.115)0.217*(0.122)综合平衡-0.240*(0.051)-0.278*(0.057)-0.294*(0.061)0.054(0.033)流程数字化x综合平衡0.092*(0.036)相对平衡0.266*(0.140)0.213(0.144)-0.071(0.158)0.216*(0.102)流程数字化相对平衡0.297*(0.111)控制控制控制控制控制变量控制行业控制控制控制控制控制地区控制控制控制控制控制常数0.012(0.727)0.297(0.741)-0.487(0.711)0.534(0.746)0.506(0.747)0.2640.284Pseudo R?0.2320.2890.290样本量12121212121212121212注：括号内为稳健标准误，*、*、*分别表示在p0.01、p 0.0 5、p 0.1 0 的水平上差异显著。字化为企业带来的资源，进而制约了流程数字化对企业创新绩效的积极作用。二元学习相对平衡显著促进流程数字化对企业创新绩效的影响。如“偏才”型企业可以避免维持综合平衡而产生的资源损耗或协调成本，流程数字化对创新绩效的正向影响会更为显著。此外，流程数字化有助于相对平衡的企业弥补定点缺口，填补因资源短缺造成的学习需求之不足，强化了流程数字化对企业绩效的正向影响。最后，“偏才”企业在面临由数字经济时代的复杂环境时，由于生态位较窄，更加动态灵活地调整和适应变化，进而促进了流程数字化对企业创新绩效的提升作用。（四）稳健性检验流程数字化是由5个环节的虚拟变量构成：数字化技术应用于供应商和承包商等合作伙伴关系、产品和服务改进、生产和运营、市场营销和销售及客户关系。为验证估计结果的稳健性，表8 展示了流程数字化的不同环节对企业创新绩效的回归结果。模型(1)表：不同类别的流程数字化对企业创新绩效的影响(3)(4)(1)(2)(5)因变量创新绩效创新绩效创新绩效创新绩效创新绩效合作伙伴关系0.248*(0.054)产品和服务0.376*(0.061)生产和运营0.344*(0.058)市场营销0.400*(0.061)客户关系0.415*(0.064)控制控制控制控制控制变量控制控制控制控制城市控制控制控制控制行业控制控制控制常数项0.568(0.714)-0.859(0.720)-0.808(0.721)-1.452*(0.739)1.142(0.733)0.2550.254Pseudo R?0.2450.2600.259样本量12121212121212121212注：括号内为稳健标准误，*、*、*分别表示在p0.01、p 0.0 5、p 0.1 0 的水平上差异显著。109.2022.12创新政策与管理2022.12SCIENCES.,老言报管料中心中国人民大学INNOVATIVE POLICY AND MANAGEMENT1958至模型(5)的估计结果显示，5个环节的流程数字化都对企业创新绩效存在正向影响，且在1%显著性水平上显著，回归系数分布于 0.2 48,0.41 5 之间，与基准回归结果大体一致，验证了实证结果的稳健性。此外，本文使用企业绩效作为被解释变量进行稳健性检验，进一步验证了主效应的稳健性。创新绩效是由企业的创新能力驱动的，创新能力水平较高的企业进行数字化的意愿较强。因此，因变量的创新绩效和数字化有可能存在反向因果关系的内生性问题。为验证研究结果的稳健性，本文使用工具变量法对研究结果进行检验。借鉴已有关于数字化及流程数字化的研究，本文选取“企业是否有自己的网站”作为流程数字化的工具变量。此外，本文使用横截面数据来表示两者之间的关系，因此无法得出数字化和创新绩效之间的关系是因果关系的结论。针对这一内生性问题，本文采用工具变量的实证方法讨论了内生性的可能性。数据结构限制了用滞后变量作为工具变量来解释内生性的方法。因此，本文遵循现有文献在处理横断面数据时通常使用的方法，以行业一城市维度流程数字化的均值作为工具变量。另外，同类企业竞争具有趋同的特性 2 9.3，同城市同行业内的平均流程数字化水平对组内企业的流程数字化水平具有一定代表性，与主要解释变量有较强的相关性，而单个企业的创新绩效不会直接影响行业一城市的流程数字化水平，因此该均值工具变量同样满足了选取要求。表9 报告了采用两阶段回归方法进行内生性检验的估计结果，列(1)及列(2)为使用企业是否有自已的网站 这一变量作为工具的估计结果,列(3)及列(4)使用行业一城市维度的流程数字化作为工具变量。同时，列(2)及列(4)回归显示不可识别检验的统计量分别为2 8 8.2 2 9 及2 3.9 55，对应的p值为0.0 0 0，强烈拒绝工具变量不可识别的原假设。而弱工具变量检验的统计量分别为36 1.538 及2 3.39 2，二者均大于10%显著性水平下的临界值。因此，本文所使用的上述工具变量在1 0%显著性水平下不是弱工具变量。由于表9 汇报的模型中工具变量个数与自变量个数相同，工具变量不存在过度识别的问题。表中所有模型的显著正系数表明假设检验成立，主要结果与基准回归结果一致，流程数字化对企业创新绩效具有在1%显著性水平下显著的正向影响，证明了结论的稳健性。四、结论与讨论本文的研究结论可以归纳为如下几个方面。第一，企业的流程数字化对企业创新具有正向促进作用。构成流程数字化指标的5个环节（合作伙伴关表9工具变量估计(2)(3)(1)(4)“企业是否有自己的网站”作为工具变量“行业一城市流程数字化均值”作为工具变量因变量第二阶段第一阶段第一阶段第二阶段创新绩效流程数字化流程数字化创新绩效企业是否有自己的网站-0.525*(0.109)流程数字化0.179*(0.067)行业一城市流程数字化均值0.962*(0.051)流程数字化0.095*(0.018)0.672*(0.163)1.154*(0.363)常数项-0.760*(0.433)0.554*(0.128)R20.3160.2280.4680.311288.229Underidentification test23.955Weakidentificationtest361.53823.392样本量1212121212121212注：括号内为稳健标准误；*、*分别表