基于吸收能力的数字化转型对企业创新绩效的影响研究.pdf

0引言作为引领经济发展的重要动力，创新是企业竞争的优势，对经济发展至关重要。数字技术已经成为新兴生产要素和创新驱动力，为创新和技术管理带来新的机遇和挑战，成为创新研究的转折点。在此背景下，企业能否抓住数字技术的新机遇，有效推动数字化转型，通过数字赋能促进企业创新，成为理论研究与实践探索共同关注的课题。近年来，较多学者开始关注数字化转型与创新绩效的关系。SIA等1研究发现，数字化转型可以促进提升资源整合能力、数据采集和分析能力，从而增加创新绩效。黄节根等2研究证明，我国企业的数字化水平与企业的运营创新绩效和市场创新绩效正相关，并发现不同行业的数字化水平对创新绩效的影响存在差异。杨水利等3研究发现，数字化转型能够促进制造企业创新效率提升，并受到行业竞争和市场化水平的影响。上述文献为研究数字化转型与创新绩效提供了重要参考，但主要以探讨数字化转型与企业创新的直接关系与调节效应为主，而较少对内部传导机制进行研究分析。吸收能力能够让企业快速识别和抓住机会，对外部环境中的资源进行扫描、创造、学习、共享和解释，并尝试分散组织边界，将外部知识和资源进行吸收和整合4。由于数字技术所带来的企业创新是以一定的资源和能力为支撑，吸收能力逐渐成为一个重要的研究视角，因此本文以20132021年度中国沪深A股上市公司为研究样本，检验数字化转型与企业创新绩效的关系，并从吸收能力视角出发，探讨数字化转型对企业创新绩效的内在作用机制。1理论分析与研究假设1.1数字化转型与创新绩效随着数字经济的发展，数字化水平对企业创新绩效提升的影响越来越大。首先，数字化转型有利于信息传递和资源整合。数字化转型可以有效促进创新活动中信息的搜索、传输和处理，更好地整合碎片化的创新资源5，以更低的成本快速获得相关的技术资源和知识3，并通过物联网和大数据技术，显著降低部门间的协作成本，在技术和规模层面促进创新绩效的提高6。其次，数字技术赋能产品和生产工艺的创新。数字化转型可以利用智能化、虚拟化的仿真技术，对产品性能以及生产工艺流程进行虚拟仿真和数据分析，提供可靠的数据支撑和科学保障，有利于对现有产品进行数字化或智能化升级改造7，并进一步优化企业的业务流程8，从而实现创新绩效的高质量提升。据此，本文提出假设1（H1）:数字化转型与企业创新绩效正相关。1.2吸收能力的中介效应依据TEECE等9提出的动态能力理论，吸收能*绍兴市哲学社会科学研究“十四五”规划2023年度重点课题“数字化转型驱动绍兴民营企业创新能力提升的路径与对策研究”（145264）；绍兴市哲学社会科学研究“十四五”规划2023年度重点课题“数字化转型提振中小企业经营效益的机理、效应及路径研究以绍兴市为例”（145262）。【作者简介】闪辉，男，博士，任职于浙江工业职业技术学院，副教授，研究方向：公司理财；王岚，女，硕士，任职于浙江工业职业技术学院，讲师，研究方向：公司治理；王钢，男，博士，任职于浙江工业职业技术学院，副教授，研究方向：数字经济。【引用本文】闪辉，王岚，王钢.基于吸收能力的数字化转型对企业创新绩效的影响研究 J.企业科技与发展，2023（6）：115-117，125.基于吸收能力的数字化转型对企业创新绩效的影响研究闪辉，王岚，王钢（浙江工业职业技术学院，浙江 绍兴 312099）摘要：随着数字经济的发展，数字化转型成为提升企业创新绩效的重要驱动力，可积极推动企业的高质量发展。文章以20132021年A股上市公司为研究样本，结果发现数字化转型程度越高的企业创新绩效越好，吸收能力在数字化转型对创新绩效的影响中发挥着部分中介效应。据此，文章提出深化数字化转型、提升创新绩效的相关建议。关键词：数字化转型；创新绩效；吸收能力中图分类号：F273.1；F49文献标识码：A文章编号：1674-0688（2023）06-0115-04企业创新管理闪辉，王岚，王钢.基于吸收能力的数字化转型对企业创新绩效的影响研究115力是整合和构建企业内外部资源以应对快速变化环境的能力。首先，较强的外部获取能力正在逐渐打破企业与外部环境的边界10，通过数字设备、数字平台及数字技术等手段，进行跨组织、跨环境和跨市场的信息收集和知识共享11，提升知识的多样性，扩展信息的广度和深度，进而影响技术创新的数量和速度，为数字化转型提升创新绩效提供更多的可能性。其次，企业需要较强的吸收能力对数字化转型带来的信息、知识和资源进行吸收和整合，将数字环境中普通的运营能力转化为不易被复制的动态能力，使企业更具有持续的竞争优势，驱动企业创新12。据此，本文提出假设2（H2）：吸收能力在数字化转型与企业创新绩效之间起中介效应。2研究设计2.1样本选取本文使用20132021年度中国沪深A股上市公司为研究样本，根据研究的需要对样本进行了筛选，依次剔除了金融行业等特殊处理及数据缺失的公司，最终获得2 046个样本数据，为避免异常值的影响，对主要连续变量在1%和99%水平上的样本进行缩尾处理。2.2变量定义本文参考HALL等13的研究，采用专利申请数量加1后的自然对数衡量企业创新绩效，记为IP。借鉴何帆等14的做法，采用样本公司中数字化转型指标在报告中出现的频次之和加1的自然对数作为数字化转型的代理变量，记为DT。根据张吉昌等15的研究，用研发支出与营业收入的比值衡量吸收能力，记为AC。为控制可能影响企业创新绩效的其他因素，本文借鉴现有文献的做法16，主要选取成立年限（Age）、资产负债率（Lev）、公司成长性（Growth）、固定资产密度（PPE）、研发强度（RD）、独董比例（IndDir）和董事长与总经理兼任情况（Dual）作为控制变量。2.3模型构建基于上述变量设计，建立模型（1），以此考察数字化转型对创新绩效的影响。本文参考温忠麟等17的方法，追加构建了模型（2）和模型（3），以检验吸收能力的中介效应。此外，为解决随个体而异的遗漏变量问题，本文考虑了个体固定效应，同时加入了年度固定效应。IPi，t=0+1DTi，t+2Controlsi，t+Year+i+i，t（1）ACi，t=0+1DTi，t+2Controlsi，t+Year+i+i，t（2）IPi，t=0+1DTi，t+2ACi，t+3Controlsi，t+Year+i+i，t（3）公式（1）至公式（3）中，i表示第i个公司，t表示第t年，表示各变量的回归系数，IPi,t表示第i个公司第t年的创新绩效，DTi,t表示第i个公司第t年的数字化转型程度，Controlsi,t是控制变量的统称，分别包括第i个公司第t年的成立年限（Age）、资产负债率（Lev）、公司成长性（Growth）、固定资产密度（PPE）、研发强度（RD）、独董比例（IndDir）和两职兼任情况（Dual），Year表示年度固定效应，i表示个体固定效应，i,t为 残差。3实证检验与分析3.1描述性统计与相关性分析分析主要变量的描述性统计可知，创新绩效的均值为3.775 5，标准差为1.412 2，说明企业之间的创新绩效有着较大差异。数字化转型的均值为1.604 1，标准差为 0.905 6，并且与创新绩效、吸收能力均在1%水平上显著正相关。吸收能力的均值为0.040 5，标准差为0.031 1，并且与创新绩效在1%水平上显著正相关。上述结果初步说明数字化转型、吸收能力与创新绩效间的关系，初步支持了本文的研究假设。3.2回归分析数字化转型、吸收能力与创新绩效回归结果见表1。由表1的模型（1）第1列的回归结果可以看出，数字化转型与企业创新绩效在5%水平上显著正相关（系数为0.077，t值为2.51），表明数字化转型程度越高，企业的创新绩效越好，因此H1得到了支持。专利的3种主要类型分别为发明专利、实用新型专利和外观设计专利，将发明专利申请数量的自然对数作为原始创新绩效的代理变量，记为Invention；将实用新型专利与外观设计专利申请数量之和的自然对数作为模仿创新绩效的代理变量，记为Sum。如模型（1）第2列和第3列的回归结果所示，数字化转型与原始创新绩效和模仿创新绩效均显著正相关。由此可见，不论是原始创新还是模仿创新，较高程度的数字化转型都能够促进企业创新成果的产出，因此H1再一次得到了验证。本文借鉴温忠麟等14采用的中介效用检验方法，构建模型（1）至模型（3）验证数字化转型是否通过吸收能力提高企业的创新绩效。由表1的结果可见，数字化转型与创新绩效在5%水平上显著正相关（系数为0.077，t值为2.51），数字化转型与吸收能力在10%水平上显著正相关（系数为0.001，t值为1.66），吸收能力与创新绩效在1%水平上显著正相关（系数为4.225，t企业科技与发展，2023年，第6期，总第500期116值为3.40），且数字化转型的系数显著为正，因此判断吸收能力具有部分中介效应，是数字化转型提升企业创新绩效的途径之一，因此H2得到了支持。表1数字化转型、吸收能力与创新绩效回归结果变量DTACControlsFirmYearConstantAdj.R2NF（1）IP0.077*（2.51）是是是0.749*（0.77）0.3652 04611.889Invention0.057*（1.70）是是是-0.021*（-0.02）0.3462 04613.187Sum0.075*（2.16）是是是0.366*（0.33）0.4442 0466.788（2）AC0.001*（1.66）是是是0.044*（2.05）0.3722 04611.437（3）IP0.072*（2.36）4.225*（3.40）是是是0.563*（0.58）0.3542 04611.962注：*、*、*分别表示在1%、5%、10%的水平上显著。3.3稳健性检验首先，为解决遗漏变量等内生性问题，本文选取同行业的其他企业的数字化转型均值（DT1）和同地区其他企业数字化转型的均值（DT2）作为工具变量，其原因是同一行业或地区的企业面临着相似的行业特征和经营环境，这些特征和环境不仅符合与数字化转型相关的要求，而且同行业或地区其他企业的数字化转型水平不会直接影响企业的创新绩效。通过两阶段工具变量法分析可知，在第一阶段中，工具变量DT1和DT2的系数均在1%的水平上显著正相关，符合工具变量与数字化转型的相关性要求。此外，F值为5.283 3，P值小于0.05，说明自变量是内生的；第一阶段的最小特征值统计量F值为79.932 1，表明不存在弱工具变量的问题；过度识别测试中相关统计量的P值大于0.1，证明所有工具变量都是外生的。说明结论工具变量的选择是合理的。在第二阶段中，DT的系数在1%水平上显著正相关，表明在控制内生性问题后，数字化转型仍然对创新绩效显著正相关。其次，考虑到专利授权数量指标获取的方便性以及特有的优势，本文采用专利授权数量加1的自然对数来重新衡量企业创新绩效，记为IP1，重新回归的结果与前文完全一致，结论具有稳健性。4结论与启示基于以上实证分析结论发现：随着数字经济的发展，数字化转型不但能有效促进反映企业原始创新的发明专利产出，还能促进反映企业的模仿创新的实用新型专利和外观设计专利产出，从而进一步提升企业创新绩效；吸收能力能够让企业能够快速识别和抓住机会，将数字化转型所需的外部知识和资源进行吸收和整合，从而成为数字化转型提升企业创新绩效的有效途径。为更好地促进企业的数字化转型，提升创新绩效，企业应该加大对数字化转型的资金投入，编制合理的预算，在控制数字化转型成本的同时，加大对数字化转型过程中研发的支持力度、推广和应用活动等。积极搭建数字信息网络的合作平台，打造开放式的数字创新实验区，通过网络平台进一步与政府和其他企业合作，提高产品和服务质量。重视数字化人才引进，加大对本企业员工数字化、智能化知识和技能的培养。本研究尚存在一些不足。首先，本文从吸收能力视角考察和验证数字化转型对创新绩效的作用机制，未来还需找出其他中介变量，从不同维度和视角进一步探索和深化作用机制的研究；其次，数字化转型对企业创新的影响及吸收能力的中介效应等研究结论，可能会在不同的产权性质、行业性质、企业规模等方面存在不同表现。未来，可以对研究结论进行更深入的异质性分析，以便能更好地进行分组比较。5参考文献1 SUA S K，WEILL P，ZHANG N.Designing a future-readyenterprise：the digital transformation ofDBS bankJ.California Management Review，2021，63（3）：35-57.2 黄节根，吉祥熙，李元旭.数字化水平对企业创新绩效的影响研究来自沪深A股上市公司的经验证据 J.江西社会科学，2021，41（5）：61-72，254.3 杨水利，陈娜，李雷.数字化转型与企业创新效率来自中国制造业上市公司的经验证据 J.运筹与管理，2022，31（5）：169-176.4TEECE D J.Explicating dynamic capabilities：the natureandmicrofoundationsof（sustainable）enterpriseperformanceJ.Strategic Management Journal，2007，28（13）：1319-1350.5 韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗 J.中国工业经济，2019（7）：119-136.6 殷群，田玉秀.数字化转型影响高技术产业创新效率的机制 J.中国科技论坛，2021（3）：103-112.7 ABRELL T，PIHLAJAMA A M，KANTO L.The role of usersandcustomersindigitalinnovation：insightsfromB2B manufacturing firms J.Information&Management，2016，53（3）：324-335.（下转第125页）闪辉，王岚，王钢.基于吸收能力的数字化转型对企业创新绩效的影响研究117证券投后管理的核心问题。同时，证券大数据风险也存在系统割裂、应用不足、人才不足等问题。总体而言，大数据技术乃至其他信息技术如何赋能投后管理，仍是一个任重而道远的探索过程。4参考文献1 PAOLA CERCHIELLO，PAOLO GIUDICI.Big data analysisforfinancialriskmanagementJ.JournalofBigData，2016，3（1）：1-12.2LININGYU，WOLFGANGKARLHARDLE，WOLFG-ANG KARL，et al.An AI approach to measuring financial risk J.The Singapore Economic Review，2019（12）：1-21.3KHANDANI，AMIR E，ADLAR J.Kim，and Andrew W.Lo.Consumer credit-risk models via machine-learning algorithmsJ.Journal of Banking and Finance，2010，34（11）：2767-2787.4 SYOUNGDOO SON，HYEONGMIN BYUN，JAEWOOK LEE.Nonparametricmachinelearningmodelsforpredictingthe credit default swaps：An empirical study J.ExpertSystems with Applications，2016（58）：210-220.5SILVIA FIGINI，FEDERICO BONELLI，EMANUELE GI-OVANNINI.Solvency prediction for small and medium enterprises in bankingJ.Decision Support Systems，2017（102）：91-97.6SAQIB AZIZ，MICHAEL DOWLING.Disrupting Finance-FinTechandStrategyinthe21stCentury：MachineLearning and AI for Risk ManagementC.London：Palgrave Macmillan，2019.7 肖馨，马远，陈璐.商业银行智能风控探索 J.中国金融，2019（11）：44-46.8 张左敏，李文婷.大数据在商业银行中的应用基于风险控制的视角 J.科技与经济，2020，33（4）：61-65.9 李小庆.基于“大数据+AI”构建全程智能风控体系 J.金融科技时代，2021（6）：25-29.10 刘祥东，王未卿.我国商业银行信用风险识别的多模型比较研究 J.经济经纬，2015，32（6）：132-137.11 赵先信.信用风险管理：从估计到看见 J.金融电子化，2019（11）：19-23.12 王裕粟.基于数据挖掘的客户信用评级模型的设计与实现 D.成都：电子科技大学，2010.13 蔡皎洁，张玉峰.基于数据挖掘银行客户信用风险评级体系研究 J.情报杂志，2010，29（2）：47-50.14 丁爽斯.基于大数据的互联网金融欺诈行为识别研究D.北京：首都经济贸易大学，2016.15 江训艳.基于BP神经网络的商业银行信用风险预警研究J.财经问题研究，2014（27）：117-119.16 方匡南，范新妍，马双鸽.基于网络结构Logistic模型的企业信用风险预警 J.统计研究，2016，33（4）：50-55.17 蒋子雷.基于 SVM 算法的上市公司信用风险预警模型J.现代商贸工业，2020，41（27）：117-119.18 陈毓敏，林日裕.不同债券违约预警信号对比与解析 J.债券，2020（3）：22-27.19 俞宁子，刘斯峰，欧阳炎力，等.债券违约风险预警模型探究 J.中国市场，2016，906（39）：18-29.20 陈潇澜.基于机器学习的上市公司信用风险预警研究D.长沙：湖南师范大学，2018.8 郭海，韩佳平.数字化情境下开放式创新对新创企业成长的影响：商业模式创新的中介作用 J.管理评论，2019，31（6）：186-198.9 TEECE D J，PISANO G，SHUEN A.Dynamic capabilitiesand strategic management J.Strategic Management Journal，1997，18（7）：509-533.10 PENG Y，TAO C.Can digital transformation promote enterprise performance?From the perspective of publicpolicy and innovation J.Journal of Innovation&Knowledge，2022，7（3）：100198.11NYLN D，HOLMSTRM J.Digital innovation strategy：aframework for diagnosing and improving digital productand service innovation J.Business Horizons，2015，58（1）：57-67.12 ZAHRA S A，IRELAND R D，et al.International expansion by new venture firms：international diversity，mode ofmarket entry，technological learning，and performanceJ.Academy of Management Journal，2000，43（5）：925-950.13 HALL B H，HARHOFF D.Recent Research on the Economics of Patents J.Annual Review of Economics，2012，4（1）：541-565.14 何帆，刘红霞.数字经济视角下实体企业数字化变革的业绩提升效应评估 J.改革，2019，（4）：137-148.15 张吉昌，龙静.数字化转型、动态能力与企业创新绩效来自高新技术上市企业的经验证据 J.经济与管理，2022，36（3）：74-83.16 姚立杰，周颖.管理层能力、创新水平与创新效率 J.会计研究，2018（6）：70-77.17 温忠麟，叶宝娟.中介效应分析：方法和模型发展 J.心理科学进展，2014，22（5）：731-745.（上接第117页）企业科技与发展，2023年，第6期，总第500期125