数字化转型、供应链集中度与供应商创新

温 科,李常洪

(1.山西大学 经济管理学院,山西 太原 030006;2.邯郸学院 经济管理学院,河北 邯郸 056003)

一、引 言

近年来,以大数据、区块链、互联网、云计算以及人工智能等数字技术的应用为代表的新一轮科技革命与产业变革逐步兴起,中国相继制订与数字经济发展有关的战略以及鼓励政策。其中,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出“打造数字经济新优势”“加强关键数字技术创新应用”“加快推动数字产业化”以及“推动产业数字化转型”;党的二十大报告中进一步提出,建设数字中国,加快发展数字经济,促进数字经济和实体经济深度融合。与之相配套,中国先后出台了《网络强国战略实施纲要》《数字经济发展战略纲要》以及《“十四五”数字经济发展规划》,从国家层面对数字经济发展进行战略部署。与此同时,中国在数字经济与实体经济深度融合进而促进企业创新等方面取得了长足进步。据中国互联网络信息中心发布的第48次《中国互联网络发展状况统计报告》中显示,2020年,中国数字经济总量位居世界第二,已经成为中国经济高质量发展的重要支撑;中国信息通信研究院发布的《2022数字经济发展报告》中显示,2021年,中国数字经济规模达到45.5万亿元,同比名义增长16.2%,高于GDP名义增速3.4个百分点,占GDP比重达到39.8%,其中,数字产业化规模为8.35万亿元,同比名义增长11.9%;产业数字化规模达到37.2万亿元,同比名义增长17.2%,各行业已充分认识到发展数字经济的重要性,在政策支持以及产业发展的背景下,数字产业化以及产业数字化的发展使得数字化转型已成为众多企业传统动能转换的重要途径。

有关企业数字化转型的早期研究主要体现在“数字化与员工工作效率”以及“数字化与企业战略”等企业经营过程技术性方面[1-2]。之后,越来越多的研究从“数字化转型与实体经济融合”“数字经济与区域发展”以及“数字化转型与企业运营绩效”等宏微观角度强调企业数字化转型的重要性[3-5]。

随着数据成为企业创新驱动的核心动力并不断渗透到传统业态的产品生产流程以及商业模式中,数字化创新通过整合数据资源、拓展企业创造价值边界,推动了原有生产要素的优化组合,改变了企业价值创造与分配途径,改善了企业的产品与服务结构。如百度的无人驾驶汽车、华为的集成供应链变革以及海尔互联网工厂的数字化改革表明,数字化创新已成为现阶段众多企业高质量发展的动力之源。因此,企业如何把握住数字化转型的契机、激发企业创新的“数字活力”已成为当前重要议题。

企业创新方面的研究表明,数字化转型能够推动企业的商业模式创新、产品创新以及组织创新[6-8]。但是,以上研究主要关注数字化与企业创新的直接关系以及数字化转型对企业自身创新绩效的影响,但忽略了对数字化与企业创新作用机制的考察以及从供应链视角分析客户企业数字化转型对供应商创新所产生的影响。在现阶段企业数字化创新的浪潮下,研究客户企业的数字化转型是否会对供应商企业的创新能力以及绩效产生影响,这对于揭示供应链与创新链的融合机制具有重要的现实意义。

已有研究中,有关“供应商—客户”之间的创新关系机制方面,一是基于溢出的视角,强调客户企业的创新行为能够通过供应链网络中的知识以及创新溢出效应显著支持供应商创新[9];二是基于激励的视角,提出在相互协调建立密切关系的基础上,客户企业会通过“供应链共同治理”“提升合作契约的公平性”以及“分享创新资源”等方式激励供应商不断进行创新,降低供应成本,提升制造商(客户)的盈利能力,进而营造良好的创新环境[10]。尽管这些研究基本都是从“供应商—客户”的二元角度出发,指出客户企业如何通过社会资源、知识溢出与供应商企业建立联系促进其展开创新,但基本没有关注到客户企业数字化转型在“供应商—客户”创新关系机制中的作用。此外,近期研究表明,供应链集中度作为反映上下游链条中合作伙伴数量及其分布情况的重要体现,也逐步成为供应链各企业发展研究的焦点之一。如修宗峰等指出供应链集中度的提升进一步加剧了财务舞弊对企业商业信用融资的不利影响[11]。葛顺奇等提出随着供应链集中度的提升,企业绩效更容易受到供应链集中化选择战略的作用[12]。已有研究尽管强调了供应链集中度在企业经营、财务以及战略管理中的重要影响,但并没有从供应链视角分析其在客户企业与供应商企业关系间的表现,也没有点明其在供应链企业创新中的作用,这在一定程度上无法呈现供应链集中度在“供应商—客户”关系研究中的意义。

因此,本文在立足于以往文献研究不足以及数字化转型对于企业创新的重大意义的基础上,以2006—2020年的A股上市公司为研究对象,通过文本分析方法构建企业数字化转型指标。首先,研究客户企业数字化转型对供应商创新的影响。其次,考虑到客户企业数字化转型影响供应商创新的特殊性,并结合已有研究中所提出的“供应商—客户”创新关系机制,提出了客户企业数字化转型影响供应商创新的作用机制。再次,考虑到某个供应商企业可能服务于多个客户企业,而某个客户企业也可能被多个供应商企业服务,因此,不同客户企业与供应商企业之间的相互依赖程度会有所不同。本文引入供应链集中度来表示该依赖程度。当客户企业对供应商企业的依赖程度较高时,供应商企业迎合客户企业数字化转型的动力就会降低,对于客户企业知识或技术溢出的重视程度也会下降。因此供应商集中度的提升,会导致客户企业数字化转型对供应商创新的作用有所减弱;反之,当客户集中度提高时,客户企业数字化转型对供应商创新的影响则更加显著。最后,从供应商企业不同的产权性质、行业类型等方面展开异质性分析。

二、理论分析与假设提出

(一)客户企业数字化转型与供应商创新

数字化赋能理论认为,相对于企业自身而言,数字化转型通过数据逻辑以及技术支撑企业经营的各个环节,可以加速生产要素在其内部的流动,推动企业实施组织变革,实现创新要素与资源在企业内部的整合与共享,为创新累积潜能,为创新主体以及过程赋能[13]。具体到数字化转型下的“供应商—客户”关系,客户企业的数字化转型是否有利于供应商企业与客户企业建立创新关系,进而推动供应商创新。主要从以下方面展开分析:首先,数字化转型过程中的客户企业能够通过互联网平台以数字技术的低成本交易推动“供应商—客户”间的创新合作[14]。在数字化转型的推动下,客户企业依托数字技术水平的不断提升,逐步形成新的商业模式,通过“云端数据”“云储存”以及“物联网”等平台使产业链上的供应商企业与其共享设备和信息,通过“混合现实”等技术使产业链的企业间突破协同创新活动所面临的时间与空间限制,使供应商企业与客户企业共同参与产品创新或者工艺创新的过程,形成“云上产业链与创新链”,这有助于供应商企业克服“数据孤岛”,提高资源利用效率,减低信息的学习与搜集成本,提升创新效率。其次,随着客户企业数字化转型进程的不断深入,围绕客户企业所形成的闭环产业链将推动供应商企业的转型升级与创新发展[15]。数字化进程中的客户企业对于产业链的嵌入,有可能会引发产业链的数字化革命与治理结构重塑,为了减少与客户企业之间的交易费用以及紧跟客户企业的数字化转型步伐,这就有可能需要供应商企业通过增加学习速度等方式,聚焦于某个细分的垂直专业化细分产品范围,创新商业模式,提升生产与资源利用效率,促进生产流程的转型升级,实现流程创新与产品创新。

基于以上分析,本文提出如下假设:

假设1:客户企业数字化转型进程的推进对供应商创新具有显著的促进作用。

(二)数字化转型影响供应商创新的作用机制

基于创新扩散理论以及“供应商—客户”关系的特殊性与复杂性,客户企业数字化转型对供应商创新可能不仅具有直接影响,也具有间接影响[16]。具体表现在两个方面:一是内部视角的合作关系,表现为供应商企业从客户企业有偿或无偿获得知识与技术资源,推动供应商企业借鉴客户企业的创新方法以及模式,进而实现自主创新或模仿创新,即溢出机制[17];二是外部视角的市场关系,表现为“供应商—客户”间的利益以及资源交换,这有利于激励供应商企业从客户需求视角响应客户企业的创新需求,并展开数字化转型以迎合客户企业的数字化转型,进而促进自身的技术创新水平,即激励机制。

溢出机制方面,数据不仅是知识与技术传播的载体,同时也是知识与技术的最初形态,数字化转型所带来大量数据的产生与流动将会推动知识与技术的溢出[18]。首先,从供应链的业务关系与地理关系上看,有学者认为企业数字化转型使得大数据、云计算等数字工具以及数据抓取、数字分析和算法处理等数字技术高效地提升了“供应商—客户”的链接效率[19],连通实体与虚拟空间,帮助客户企业与供应商企业跨越距离阻隔以及打破时空界限建立联系,形成知识资源的广泛连通以及传播;以此为基础,供应商企业在与客户企业提前沟通并获得同意以及遵守知识产权法规的前提下,从客户企业处获得自身所需要的知识信息,进而提升自主创新水平。其次,从供应链的组织关系上看,有学者认为企业数字化转型有助于降低供应链内企业间的交互成本[20],这推动了以客户企业为中心的创新生态系统的连通性、开放性以及流动性,不仅有利于推动供应商企业通过跨组织合作与客户企业展开协同创新,也有利于供应商企业参与到客户企业的价值创造过程中,获得客户企业大量技术研发信息及行业技术发展方向信息,获取更多的创新学习机会以及创新模仿机遇,进而推动创新效率。

激励机制方面,首先,数字化转型带动了客户企业“光网络”“云计算”“区块链”以及“数据处理技术”等数字技术的应用,这在一定程度上有利于打破企业生产、营销等各个运营模块之间的边界,为企业的高效运营和管理赋能,并支撑企业下沉至产品末端,有效把握市场前沿,因此,数字化运行效率的提升使得客户企业创新需求变化更加快速,也更加多元化以及个性化,这就要求供应商企业提升对客户企业创新需求的响应时效,扩大响应范围,密切关注客户企业的数字化流程以及产品和工艺创新过程,通过采取有效的创新策略以及提升创新效率满足客户企业创新需求。其次,客户企业成功展开数字化转型不仅需要通过各种数字技术升级运营流程,还需要供应商企业通过数字化转型推动自身的软硬件系统与客户企业数字化转型进程相契合,这不仅有利于满足客户企业的创新需求、低成本运营需要以及效率追求,进而维持和发展与客户企业的市场关系,也有利于提升自身创新效率。此外,供应商企业通过数字化转型能够更好地挖掘客户企业的潜在需求,并积极地展开探索性创新活动,进而提升创新水平。

基于以上分析,本文提出如下假设:

假设2a:客户企业数字化转型能够通过溢出机制(知识溢出与技术溢出)促进供应商创新;

假设2b:客户企业数字化转型能够通过激励机制(供应商企业响应客户企业需求以及供应商企业数字化转型)促进供应商创新。

(三)供应链集中度的调节作用

Danny等依据资源依赖理论,提出供应链集中度体现了上下游链条中合作企业的数量以及分布情况,主要包括客户集中度以及供应商集中度。其中,客户集中度代表了供应商企业对客户企业的依赖程度,而供应商集中度则相反[21]。因此,两者的调节作用机理可能有所区别。

首先,随着客户集中度的提升,供应商企业能够从客户集中度高的客户企业获取更多的资源与利润,这促使供应商企业与客户企业间交互关系的加深。因此,供应商企业有可能会根据客户集中度对客户企业的“重要性”进行排序,关注与迎合客户集中度高的客户企业的创新需求以及期望[22];当客户集中度高的客户企业进行数字化转型战略时,供应商企业为适应由此带来的客户企业创新需求的变化,供应商企业进行数字化转型的驱动效应更加明显,这都将有利于推动其进行更为深入与持久的创新与研发。

其次,随着客户集中度的提升,供应商企业与客户企业的协同关系以及相互嵌入关系强度逐步增强,供应商企业能够通过创新交流以及资源交换有偿或无偿获得客户企业的创新知识,并深入了解其生产和创新流程以及细节,这有利于供应商企业明确自身的创新方向,提升创新能力[23]。此外,供应商企业与客户企业关系的加深,还有利于供应商企业有机会深入理解客户企业的数字化转型流程以及隐性知识,从而推动自身知识与创新流程的重构,提升创新水平。

最后,随着供应商集中度的提升,供应商企业对客户企业的依赖性下降,客户企业的创新需求、数字化转型策略变化对供应商企业的影响也会有所下降。一是利益侵占效应[24]。供应商集中度的提升,使得供应商企业侵蚀客户企业利润的能力增强,供应商企业拥有较强的话语权与定价权,在这种情况下,供应商企业响应客户企业创新需求以及数字化转型策略变化的动力会有所下降。二是关系交易风险效应[23]。由于专用性资产的市场价值存在于“供应商—客户”的关系渠道中,客户企业专用性资产投资的提升会加深其对供应商企业的依赖性,而供应商企业的违约行为会使专用性资产的价值降低,为了减少交易风险,客户企业会将大量的精力以及资源用在如何维护专用性资产的价值上,因此建立在专用性资产投资基础上的“供应商—客户”关系会对两者的创新合作等关系产生替代作用。在专用性资产的作用下,基于关系维护的低成本性,供应商企业从客户企业获取创新资源的动力也会下降。

基于以上分析,本文提出如下假设:

假设3a:客户与供应商集中度分别在客户企业数字化转型与供应商创新关系中具有正向与负向调节作用;

假设3b:客户与供应商集中度分别在溢出机制关系中具有正向与负向调节作用;

假设3c:客户与供应商集中度分别在激励机制关系中具有正向与负向调节作用。

(四)异质性问题

1.供应商企业产权性质方面

企业的产权性质决定了其资源要素的分配方式与获取渠道,这导致国有企业与非国有企业的创新策略也有明显的异质性特征[25]。由于不同产权性质的供应商企业在生产要素和资源的获取难易程度、分配方式以及利用效率等方面有所不同,在对客户企业创新需求以及运营方式变化的关注程度也有所差别,因此,客户企业数字化转型对不同产权性质供应商企业创新行为的影响可能会有所差别。首先,与非国有性质的供应商企业相比,国有性质的供应商企业与政府相关部门的联系更加紧密,这使其更容易获得稀缺的市场资源,例如特许经营权、税收减免以及优惠贷款等,并在“供应商—客户”的关系中处于较为强势的市场地位,这弱化了供应商企业对客户企业数字化转型、创新需求以及知识和技术溢出的关注程度,也在一定程度上弱化了供应商企业的创新动力。其次,国有性质的供应商企业基于政府支持以及所拥有的排他性稀缺资源,软化了自身的资源以及预算约束,面临的不确定性减弱;而非国有性质的供应商企业则要面临更高的财务与经营风险,因此,当客户企业进行数字化转型等重大创新战略决策时,非国有性质的供应商企业为了避免可能出现的经营冲击,必须尽可能地迎合客户企业的创新需求以及数字化转型战略,提高创新水平,改进生产方式,推动产品转型升级。

基于以上分析,本文提出如下假设:

假设4:与国有性质的供应商企业相比,客户企业数字化转型对非国有性质供应商企业创新的影响更明显。

2.供应商企业行业性质方面

相较非高技术产业的企业,高技术产业的企业具有“天然创新基因”,具有创新能力强、创新投入高等特点,对新技术的使用以及技术信息数据的敏感度更高,因此,数字化转型对该类企业的影响可能会呈现出异质性[26]。首先,相对于非高技术产业的供应商企业,高技术产业的供应商企业间的竞争态势演变速度更快,为了能够在竞争激烈的市场环境中,争取到更多的市场份额并占据有利的市场地位,供应商企业更加注重探索式创新与突破式创新以迎合客户企业数字化转型的需要。其次,相对于非高技术产业的供应商企业,包括医药制造,航空、航天器及设备制造,电子及通信设备制造等行业在内的高技术产业供应商企业更加注重创新生态系统构建以及创新前沿性,重视创新文化培育、创新氛围营造以及创新网络构建,关注如何通过与客户企业的协同创新有偿或无偿获取创新资源,并通过自主创新或模仿创新满足客户企业的需求。最后,相对于非高技术产业的供应商企业,高技术产业中的供应商企业更能有效把握数字化转型的智能化与信息化特征,更能有效把握客户企业数字化转型所带来的商业契机,并以更加高效的方式将客户企业所传递的信息和资源转化成创新产出。

基于以上分析,本文提出如下假设:

假设5:与非高技术产业的供应商企业相比,客户企业数字化转型对高技术产业的供应商企业创新的影响更加明显。

3.供应商企业与客户企业空间距离的异质性方面

尽管有学者认为空间距离近的供应商企业与客户企业之间在创新联系、技术和知识溢出效应等方面表现更为积极,效果也更为明显,即表现为“供应商—客户”间的空间邻近性效应[27]。但考虑到本文的解释变量为客户企业数字化转型,空间邻近性效应可能会有所削弱。首先,有关研究表明,年报等文本能够有效降低上市企业与其利益相关者间的信息不对称;空间距离近的供应商企业基于空间邻近性的优势,倾向于从线下获取与客户企业相关的信息,这对其展开线上信息搜索产生了一定的替代效应,空间距离远的供应商企业则倾向于从客户企业年报等上市文本中获取自身所需信息,而数字化转型等信息主要体现在年报等文本信息中,因此,空间距离远的供应商企业在响应客户企业创新需求以及获取数字化转型所带来的创新资源溢出等方面更具有优势。其次,数字化转型基于人工智能、区块链、云计算、大数据等技术展开数据交换,在企业内部控制、发展模式、智能化生产以及供需响应能力等方面进行革新,以信息流带动人才流、资金流、技术流,推动战略决策从“人智”向“数智”转变,这在一定程度上克服了空间距离约束,减轻了地理边界所带来的信息不对称问题,推动客户企业向供应商企业传递数字化转型的相关信息,激励供应商企业制定相关创新政策进行应对。

基于以上分析,本文提出如下假设:

假设6:与空间距离近的供应商企业相比,客户企业数字化转型对空间距离远的供应商企业创新的影响更加明显。

综上所述,本文分别从以下方面提出理论假设并构建本文的研究框架(见图1):首先,基于数字化赋能理论的核心思想,即企业可以运用数字化技术处理信息、协调资源以及构建创新合作网络进而提升创新能力,并结合“供应商—客户”关系的特点,由此提出客户企业在数字化转型的过程中可以通过构建互联网平台以及闭环产业链推动供应商创新发展。其次,基于创新扩散理论中的观点,第一,创新溢出是创新扩散的外部性所引致,这有利于降低企业间建立创新联系的成本;第二,创新扩散的实质是创新信息以及资源的交换,这有利于激励企业间建立创新联系,由此提出客户企业数字化转型不仅可以直接推动供应商创新,也可以通过创新溢出以及创新激励等机制间接促进供应商创新。再次,基于资源依赖理论,从中吸取了“关注对外部资源供应组织资源依赖的程度是企业存活主要目标”等观点,而体现此种依赖程度的供应链集中度(客户集中度与供应商集中度)有可能会在客户企业数字化转型与供应商创新的关系及其机制中发生促进或者抑制作用。最后,在前人研究的基础上,分别从产权性质、行业性质以及空间距离等视角探析客户企业数字化转型与供应商创新的异质性关系。

图1 研究框架

三、研究设计

(一)数据来源与样本选取

本文以2006—2020年的A股上市公司作为研究对象,考虑到客户企业当年的年报文本信息会在下一年披露,进而影响到供应商企业的创新战略决策,因此,客户企业数据的样本期间为2006—2019年,供应商企业数据的样本期间为2007—2020年。样本期间的下限选在2006年,主要是2006年后,A股上市公司开始陆续公布其前5名客户企业的销售额及其名单。

为考察客户企业数字化转型对供应商创新的影响,本文以3 017家A股上市的供应商企业的28 848个“公司—年度”观测值为初始样本,从中选取完整披露前5名客户企业数据的供应商企业,并得到7 459个“公司—年度”观测值(共披露出35 703个客户企业)。通过天眼查查询将非上市的客户企业筛选出去后,共得到2 682个“公司—年度”观测值。之后,一是剔除由于年报文本格式问题无法通过Python大数据爬虫功能抓取数字化转型信息的客户企业观测值;二是剔除ST、*ST类上市公司的观测值;三是剔除资产负债率大于1的上市公司的观测值;四是为消除异常值的影响,对连续变量进行了1%和99%的缩尾处理(Winsorize)。最终,本文构建了2006—2020年的763个供应商企业、691个客户企业共2 566个“公司—年度”观测值。其中,供应商企业与客户企业销售额等供应链集中度数据、企业专利等创新类数据来源于中国研究数据服务平台(CNRDS);供应商企业与客户企业数字化转型的相关数据资料来源于上市公司年报文本;其他控制变量数据来源于国泰安数据库(CSMAR)。

(二)变量测度

1.被解释变量

关于供应商创新,主要从创新数量(Inno_num)和创新质量(Inno_qua)两个方面进行度量。首先,借鉴Chu等的研究,基于年度专利申请数量测度创新数量[28];相对于专利授权量而言,专利申请量更能体现企业创新产出的时间;考虑到诸多样本企业的年度专利申请数量为0以及该指标存在右偏态分布等问题,本文将专利申请数量加1并取自然对数作为创新数量的衡量指标。其次,借鉴Kaiser等的研究,通过年度专利申请数量加上后续3年内被引用次数之和并取自然对数度量创新质量[29]。

2.解释变量

关于数字化转型,上市企业所披露的数据中并无此方面的相关指标。首先,构建企业数字化转型关键词词谱。由于现阶段缺乏专门的数字化转型术语词典,因此本研究从三方面构建企业数字化转型关键词词谱:一方面是以国家政策语义体系构建词普。通过对中央人民政府、工业与信息化等政府及相关部门的网站进行检索,人工筛选出2023年(不包括2023年,下同)前发布的与数字化转型相关的30多份国家相关顶层制度文件,如党的二十大报告、《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》《网络强国战略实施纲要》《数字经济发展战略纲要》《“十四五”数字经济发展规划》《“十四五”智能制造发展规划》,以及《“十四五”工业绿色发展规划》等。二是从研究报告语义体系构建词谱。通过对中国高校、研究机构、企业以及全国性协会的网站进行检索,人工筛选出2022年前发布的与数字化转型相关的20多份研究报告或调研报告,如广东金融学院国家金融学研究中心平台推出的《中国上市企业数字化转型指数评价研究报告》、清华大学全球产业研究院推出的《中国企业数字化转型研究报告(2020)》以及腾讯研究院推出的《国有企业数字化转型调研报告(2022年)》等。三是从论文文献语义体系构建词谱。通过中国知网进行检索,人工筛选出2022年前发表的与数字化转型相关的169篇CSSCI期刊论文。通过Python分词处理及人工识别,筛选出125个出现次数大于等于5的数字化转型相关词汇用语,并根据词汇的含义以及特征将其分为数字化战略以及数字化技术两大类(如表1所示)。前者体现了数字化转型的方向性、创新型、全局性以及稳定性,衡量了数字化转型的目标、举措、韧性以及价值模式;后者体现了数字化转型的工具特征,衡量了数字化转型的应用路径、网络气息以及数据计算、处理、存储水平。

表1 企业数字化转型关键词词谱

其次,对公司年报进行文本分析。数字化转型是企业的重要战略选择,而公司年报能够反映企业的战略选择、发展宗旨以及财务状况。将上述125个数字化转型关键词扩充到Python软件包的“jieba”中文分词库,基于机器学习方法并通过Python的大数据爬虫功能,对样本企业的公司年报进行文本分析和语言处理,抓取年报中的所有文本与词谱中的关键词进行匹配。在此过程中,为了避免统计性偏误,如果公司年报中的关键词前存在“没有”“无”以及“不”等否定词语,需要将其剔除;此外,也需要剔除公司年报中有关非本公司(包括公司的股东、客户、供应商以及公司高管)信息中的“数字化转型”关键词。

最后,构建数字化转型程度的指数。在进行文本分析后,分别从绝对性和相对性角度刻画企业数字化转型程度指数。绝对性指数方面,运用词谱中各个关键词在年报中出现的次数并加总后的数据进行表示,即“客户企业数字化转型关键词数量”,由于供应商企业可能对应多个客户企业,借鉴底璐璐等的研究方法,选择“按照供应商对客户企业销售额占比进行不等权重加权计算的客户企业数字化转型关键词数量”(Cus_dig_num)进行测算[30];由于该数据具有右偏态特征,因此对其进行自然对数化处理。相对性指数方面,运用某个客户企业的数字化转型关键词数量占所有样本范围内客户企业的数字化转型关键词数量总和的比例进行表示,即“客户企业数字化转型关键词比例”,同样也选择“按照供应商对客户企业销售额占比进行不等权重加权计算的客户企业数字化转型关键词比例”(Cus_dig_pro)进行测算。

3.调节变量

借鉴Irvine等以及徐星美等的研究,采用“供应商对客户企业销售额的赫芬达尔—赫希曼指数”测度客户集中度(CC);采用“客户企业从供应商处的采购额占其前5大供应商采购额的比重”测度供应商集中度(SC)[22,31]。

4.机制变量

溢出机制变量方面,借鉴易巍等的做法,采用“供应商引用客户企业的专利数量”(KS)度量“知识溢出”[32]。企业间专利引用与被引用相关数据常用来表示知识的溢出效应,企业引用其他企业或者机构的专利,可以被视为企业获取了其他企业或机构的知识以及相关信息,在此基础之上,企业将专利中的知识信息与自身的生产和研发活动相结合,激发自身的创新意识,提升自主创新能力。除了专利引用之外,客户企业技术创新水平的提升,也有利于供应商企业在与其进行联结或交流的同时获得其技术外溢带来的“正外部性”,尽管供应商企业无法直接获得客户企业的知识信息,但能从与客户企业的交流中了解其产品的功能、外观和性能,这为其展开模仿创新创造了条件。因此,本文采用“客户企业专利申请数量的自然对数”(TS)表示客户企业的创新水平,并以此度量“技术溢出”。

激励机制变量方面,通过文本分析方法构建客户企业创新信息披露指标,并以此度量客户企业的创新需求情况。客户企业创新信息披露得越多,则间接表明其创新需求越多,供应商企业对客户企业创新需求的响应度也可能会增强。借鉴李岩琼和姚颐的做法,从国家政策、研究报告以及论文文献中提取与R&D类的关键词,构成关键词列表,如“R&D”“创新”“创造”“开发”“科研”“新产品”等,将其与客户企业的年报文本进行匹配[33]。结合本文,将采用“按照供应商对客户企业销售额占比进行不等权重加权计算的年报中R&D类关键词字数与年报全文字数的比例”(Cus_inno_inf)表示客户企业创新信息披露情况。此外,参照本文客户企业数字化转型的测度方法,选取“供应商企业数字化转型关键词数量”(Sup_dig_num)以及“供应商企业数字化转型关键词比例”(Sup_dig_pro)测算供应商数字化转型。

5.控制变量

借鉴Zhong以及陈西婵和刘星等的研究,本文从供应商企业与客户企业方面加入了一系列可能影响供应商创新的控制变量[23,24]。供应商方面,包括企业性质(EN)、上市年限(Age)、企业规模(Size)、企业托宾Q值(TobinQ)、企业成长性(Gro)、净营运资本(Nwc)、负债比率(DR)、盈利能力(Pro)、净现金流量(Ncf),客户企业方面,包括客户集中度(CC)、客户企业上市年限(Cus_cly)、销售收入波动性(Cus_srv)、股票市场收益率(Cus_smy)。各变量具体定义见表2。

表2 变量定义表

(三)模型设计

基于验证研究假设的需要,本文构建基准模型如式(1)所示:

Innoi,t=α0+α1Cus_digi,t-1+α2Controli,t-1+γIndustry+γYear+εi,t

(1)

式(1)中,Inno表示供应商创新,包括供应商创新数量(Inno_num)与供应商创新质量(Inno_qua)两种指标;Cus_dig表示客户企业数字化转型,包括客户企业数字化转型关键词数量(Cus_dig_num)与客户企业数字化转型关键词比例(Cus_dig_pro)两种测量方式;Control表示一系列控制变量;为了消除行业与时间差异对实证结果的影响,基准模型中还引入了行业固定效应Industry与年份固定效应Year,εi,t为随机误差项。

四、实证分析

(一)描述性分析

表3列出了全样本下主要变量的描述性统计结果。从其中可以看到,供应商创新数量与创新质量的均值分别为2.548和2.372,标准差分别为1.941与2.249;客户企业数字化转型指数、供应商企业数字化转型指数均值及标准差的值可以看出,企业数字化转型程度不高,但具有一定的差异性,相对于供应商数字化转型,客户企业数字化转型程度更高;客户集中度与供应商集中度的均值分别为0.061与0.037,标准差分别为0.104与0.069,表明供应商企业对客户企业的依赖性更高;约49%的供应商企业为国有企业,企业成长性均值约为15%,总资产收益率的均值约为4%,负债比率约为43%,现金流量占比约为4%。

表3 变量描述性统计结果

(二)基准回归

表4展示了供应商创新与客户企业数字化转型的回归结果。列(1)(2)的自变量为客户企业数字化转型关键词数量,参数估计值分别为0.167与0.291,且皆在1%的统计水平显著为正;列(3)(4)的客户企业数字化转型关键词比例,参数估计值分别为3.131与4.885,且也皆在1%的统计水平显著为正;以上结果均支持了假设1的成立,表明客户企业数字化转型有利于推进供应商创新。

表4 客户企业数字化转型影响供应商创新的基准回归结果

(三)内生性问题分析

1.Heckman二阶段回归分析

根据2005年中国证监会修订的《公开发行证券的公司信息披露内容与格式准则第2号年度报告的内容与格式》文件可知,中国证券监督管理委员会只是鼓励上市公司披露前5名客户名称以及销售额等信息,因此,上市公司对于主要客户信息的披露是自愿的,在测度客户企业数字化转型时,可能会导致文本存在样本自选择偏差问题。基于以上原因,参考底璐璐等的研究,本文选择Heckman二阶段回归模型缓解样本自选择偏差问题[30]。首先,在第一阶段,将“客户企业是否进行数字化转型”(哑变量,进行数字化转型为1,否则为0)作为解释变量。其次,考虑到客户企业数字化转型可能受到其公司性质、成长性、公司上市年限、公司规模、总资产收益率、负债比率、高管个人特征以及宏观经济周期的影响,本文将其作为第一阶段的解释变量进行Probit回归。最后,将第一阶段模型估计得到的逆米尔斯比率(Imr)纳入第二阶段模型进行回归。表5列示的检验结果表明,客户企业数字化转型对供应商创新具有显著正向影响,与表4中结论一致。

表5 Heckman二阶段回归结果

2.差分模型与双重差分(DID)排他性检验

为了控制某些不随时间变化的固定因素对基准回归结果的影响,使用差分模型缓解由此带来的内生性问题,除供应商企业性质变量外,对所有变量当年度与上一年度的差值进行回归。

此外,本文假设客户企业数字化转型显著影响供应商创新是基于双方所构建的供应链关系,为了控制由于其他联结关系影响“企业数字化转型与供应商创新”关系所带来的内生性问题,参考Chu等的研究,本文尽可能补齐供应商企业与客户企业建立供应链关系前后年度的所有数据,并以供应链建立年度为基准构建事前事后项Post以及架构DID模型进行排他性检验[28],具体情况见式(2):

Innoi,t=β0+β1Cus_digi,t-1+β2Posti,t-1+β3Cus_digi,t-1×Posti,t-1+β4Controli,t-1+λIndustry+λYear+λPair+εi,t

(2)

其中,Post为虚拟变量,供应链建立年度及之后年度取1,供应链建立之前年度取0;Cus_digi,t-1×Posti,t-1为DID交互项;λPairi为“供应商—客户”(Sup-Cus)特定对的固定效应。表6中的列(1)～(4)展示了差分回归的结果,Cus_dig_num与Cus_dig_pro的参数估计值显著为正;表6中的列(5)～(8)展示了DID排他性检验的结果,Cus_dig_num×Post与Cus_dig_pro×Post的估计系数显著为正。因此,表6中的回归结果表明客户企业数字化转型显著正向影响供应商创新,与表4中结论一致。

表6 差分回归与DID排他性检验结果

3.工具变量法

考虑到可能还存在其他因素导致供应商创新与客户企业数字化转型存在内生性,例如供应链风险的上升有可能会倒逼供应商创新与客户企业数字化转型的动力提升,此时客户企业年报文本信息也许不能体现回归结果。借鉴李唐等的研究,分别选取同年度同行业客户企业数字化转型关键词数量与比例均值(Dig_num_ind与Dig_pro_ind)、同年度同省份客户企业数字化转型关键词数量与比例均值(Dig_num_reg与Dig_pro_reg)以及两者之差的三次方(Dig_num_cub与Dig_pro_cub)作为工具变量,并通过二阶段最小二乘法进行检验[35]。表7中的列(1)～(2)为第一阶段的回归结果,工具变量对自变量的估计系数显著为正,且F统计量大于10,拒绝了弱工具变量假说,工具变量满足相关性;列(3)～(6)为第二阶段的回归结果,Sargan检验与Basmann检验的卡方值不显著,工具变量满足外生性,在通过工具变量法控制内生性问题后,客户企业数字化转型对供应商创新的估计系数仍显著为正,与表4的结论一致。

表7 工具变量法回归结果

(四)稳健性检验

1.替换解释变量的度量方式

在原有解释变量度量方法的基础上:一是使用虚拟变量(Cus_dig_vir)度量客户企业数字化转型,即当客户企业年报文本第一次出现数字化转型的关键词及之后取值为1,反之则取值为0;二是统计本文表1中人工智能、区块链、云计算、大数据以及数字应用等各检索维度关键词在客户企业年报文本出现的次数,并采用熵值法构建客户企业数字化转型因托比指数(Cus_dig_ei)。表8的Panel A中,Cus_dig_vir与Cus_dig_ei的估计系数显著为正,替换解释变量度量方法的回归结果与基准回归结果一致。

表8 稳健性检验结果

2.选取销售额排名第一的客户企业样本

考虑到销售额排名第一的客户企业数字化转型决策可能会对供应商创新产生更大的影响,因此选取排名第一的客户企业样本分析客户企业数字化转型与供应商创新间的关系。表9的Panel B中,排名第一客户企业样本的数字化转型关键词数量(Cus_dig_num_top1)与比例(Cus_dig_pro_top1)的估计系数显著为正,不仅与基准回归结果一致,而且估计系数显著性更强。

表9 溢出机制的回归结果

3.控制遗漏变量的检验

尽管在基准回归中尽可能地纳入了可能影响供应商创新的控制变量,但仍可能会遗漏部分重要变量。首先,考虑到客户会计信息稳健性以及盈余管理可能会对供应商企业创新产生影响,因此在基准回归模型中加入会计信息稳健性(AC)以及盈余管理(EM)等控制变量。其中,在Basu模型的基础上,在Cscore模型中引入公司规模、资产负债率以及市值账面比等变量,并得出企业对坏消息披露的及时性,即Cscore值,以此代表会计信息稳健性;Cscore值与会计信息稳健性成正比。通过修正的Jones模型计算应计管理盈余水平的绝对值作为盈余管理的衡量指标。其次,进一步纳入“年份—城市”(Year×City)以及“年份—行业”(Year×Industry)的交互固定效应,进而有效控制了城市层面的动态宏观环境以及异质性行业环境。表10的Panel C中,加入会计信息稳健性、盈余管理等控制变量以及交互项固定效应后,客户企业数字化转型的估计系数依然显著为正,与基准回归结果一致。

表10 供应商响应客户企业创新需求作用机制的回归结果

五、进一步检验

(一)作用机制检验

通过前文的理论分析,本文假设2a与假设2b中提出客户企业数字化转型可以通过溢出机制与激励机制作用于供应商创新。溢出机制方面,供应商企业可以通过“知识溢出”或者“技术溢出”,可能有偿或者无偿地获取客户企业数字化转型所溢出的知识或技术,进而获取客户企业的创新资源,展开自主创新或模仿创新,提升自身创新水平。激励机制方面,客户企业数字化转型的推进有可能促使供应商企业更加关注与紧跟客户企业的创新发展动向,高效地响应客户企业的创新需求,推动自身不断创新升级;此外,客户企业数字化转型所带来的经营高效性有可能会激励供应商企业也展开数字化转型,提高其创新能力。因此,在基准回归模型的基础之上,可以构建以下回归模型(见式(3)与式(4)):

Mediatori,t=β0+β1Cus_digi,t-1+β2Controli,t-1+αIndustry+αYear+εi,t

(3)

Innoi,t=χ0+χ1Cus_digi,t-1+χ2Mediatori,t-1+χ3Controli,t-1+βIndustry+βYear+εi,t

(4)

其中,Mediator表示中介变量;溢出机制变量包括度量“知识溢出”的“供应商引用客户企业的专利数量”(KS)以及度量“技术溢出”的“客户企业专利申请数量的自然对数”(TS);激励机制变量包括度量“客户企业创新信息披露情况”的“按照供应商对客户企业销售额占比进行不等权重加权计算的年报中R&D类关键词字数与年报全文字数的比例”(Cus_inno_inf)和度量“供应商数字化转型”的“供应商企业数字化转型关键词数量”(Sup_dig_num)以及“供应商企业数字化转型关键词比例”(Sup_dig_pro)。

(1)溢出机制。从表9的Panel A与Panel B中的列(1)(2)可以看出,客户企业数字化转型促进了客户企业向供应商企业的知识溢出和技术溢出;从表9的Panel A与Panel B中的列(3)～(6)可以看出,客户企业数字化转型可以通过知识溢出以及技术溢出推动供应商创新,即知识溢出和技术溢出在客户企业数字化转型与供应商创新之间的作用机制成立。假设2a得到验证。

(2)激励机制。从表10中的列(1)(2)可以看出,客户企业数字化转型促进了其创新需求。表10中的列(3)～(6)检验了客户企业创新需求的中介机制,可以看出,客户企业创新需求激励了供应商提升其创新水平,客户企业数字化转型的估计系数显著为正,供应商响应客户企业创新需求的作用机制成立。表11的Panel A与Panel B展示了供应商数字化转型的中介机制检验结果,从列(1)(2)可以看出,客户企业数字化转型促进了供应商企业的数字化转型;从列(3)～(6)可以看出,供应商数字化转型显著提高了其创新水平,客户企业数字化转型的估计系数显著为正,供应商数字化转型的作用机制成立。假设2b得到验证。

表11 供应商数字化转型作用机制的回归结果

(二)调节作用检验

根据假设3a～3c,进一步检验供应链集中度(客户集中度(CC)与供应商集中度(SC))的调节作用。

(1)供应链集中度在客户企业数字化转型与供应商创新间的调节作用。回归结果如表12所示,客户企业数字化转型与客户集中度交互项(Cus_dig_num×CC与Cus_dig_pro×CC)的估计系数显著为正,客户企业数字化转型与供应商集中度交互项(Cus_dig_num×SC与Cus_dig_pro×SC)的估计系数显著为负,这表明客户集中度与供应商集中度分别在客户企业数字化转型与供应商创新间起到正向与负向的调节作用。假设3a得到验证。

表12 客户企业数字化转型与供应商创新关系调节作用的检验结果

(2)供应链集中度在客户企业数字化转型与机制变量间的调节作用。回归结果如表13的Panel A与Panel B所示,客户企业数字化转型与客户集中度交互项(Cus_dig_num×CC与Cus_dig_pro×CC)的估计系数显著为正,表明客户集中度在客户企业数字化转型与机制变量间起到正向的调节作用;回归结果如表13的Panel C与Panel D所示,客户企业数字化转型与供应商集中度交互项(Cus_dig_num×SC与Cus_dig_pro×SC)的估计系数显著为负,表明供应商集中度在客户企业数字化转型与机制变量间起到负向的调节作用。假设3b与得到验证。

表13 客户企业数字化转型与中介变量关系调节作用的检验结果

(3)供应链集中度在机制变量与供应商创新间的调节作用。回归结果如表14的Panel A与Panel B所示,各个机制变量与客户集中度交互项(KS×CC、TS×CC、Cus_inno_inf×CC、Sup_dig_num×CC以及Sup_dig_pro×CC)的估计系数显著为正,表明客户集中度在机制变量与供应商创新间具有正向的调节作用;回归结果如表14的Panel C与Panel D所示,各个机制变量与供应商集中度交互项(KS×SC、TS×SC、Cus_inno_inf×SC、Sup_dig_num×SC以及Sup_dig_pro×SC)的估计系数显著为负,表明供应商集中度在机制变量与供应商创新间具有负向的调节作用。假设3c得到验证。

表14 中介变量与供应商创新关系调节作用的检验结果

(三)异质性检验

(1)供应商企业产权性质的异质性检验。为验证假设4,基于产权性质将全样本分为国有供应商企业(SOE)与非国有供应商企业(Non-SOE)两个样本组,在分别进行回归的基础上,比较客户企业数字化转型与供应商创新间的关系差异。表15中Panel A的列(1)～(4)展示了国有供应商企业样本组的检验结果,即客户企业数字化转型的估计系数不显著;表15中Panel A的列(5)～(8)展示了非国有供应商企业样本组的检验结果,即客户企业数字化转型的估计系数显著为正,以上检验结果支持了假设4的成立。相对于国有供应商企业,非国有供应商企业更加关注客户企业的数字化转型及其所带来的知识与技术溢出效应,这有利于提升自身的创新水平。

表15 异质性检验结果

(2)供应商企业行业性质的异质性检验。为验证假设5,依据《上市公司行业分类指引(2012年修订)》以及2017年和2018年国家统计局先后制定的《高技术产业(制造业)分类(2017)》和《高技术产业(服务业)分类(2018)》,基于行业性质将全样本分为高技术产业(High-tech)与非高技术产业(Non-high-tech)两个样本组。其中,高技术产业样本组涉及医药制造,航空、航天器及设备制造,电子及通信设备制造,计算机及办公设备制造,医疗仪器设备及仪器仪表制造,信息化学品制造,互联网和相关服务,软件和信息技术服务业,研究和试验发展等行业的企业样本。表15中Panel B的列(1)～(4)展示了高技术产业组的回归结果,即客户企业数字化转型的估计系数显著为正;表15中Panel B的列(5)～(8)展示了非高技术产业组的回归结果,即客户企业数字化转型的估计系数不显著,以上检验结果支持了假设5的成立。相对于非高技术产业的供应商企业,高技术产业的供应商企业更加注重把握数字化转型带来的契机,通过各种渠道从客户企业的数字化转型等创新发展过程中获取创新资源,并通过提升自身创新水平满足客户企业的创新需求。

(3)供应商企业与客户企业空间距离的异质性检验。为验证假设6,通过国泰安数据库(CSMAR)以及中国研究数据服务平台数据库(CNRDS)搜集供应商企业与客户企业注册地址的行政区划编码、街道等地理信息,确定其所在经纬度,通过ArcGIS计算供应商企业与客户企业间的空间距离,并按照空间距离的中位数将全样本分为长距离组(Long-dis)与短距离组(Short-dis)。表15中Panel C的列(1)～(4)展示了长距离组的回归结果,即客户企业数字化转型的估计系数显著为正;表15中Panel C的列(5)～(8)展示了短距离组的回归结果,即客户企业数字化转型的估计系数不显著,以上检验结果支持了假设6的成立。由于供应商可以从客户企业年报中获取其数字化转型等创新活动方面的信息,以及数字化转型可以高效地推动供需信息的传递,这在一定程度上削弱了地理邻近性对于创新的促进作用,因此,“地理邻近性有助于创新溢出进而推动企业创新发展”等传统观点,无法有效解释客户企业数字化转型与供应商创新的关系。

六、结论与启示

(一)研究结论

本文以2006—2020年的A股上市公司为研究对象,通过对客户企业的年报文本信息进行挖掘,构建数字化转型指标,研究客户企业数字化转型与供应商创新的关系及其作用机制,并分析供应链集中度在其中的调节作用。研究发现:(1)客户数字化转型不仅可以直接促进供应商创新,并且可以通过溢出机制(知识溢出与技术溢出)与激励机制(供应商企业响应客户企业需求以及供应商企业数字化转型)等途径间接提升供应商创新水平。(2)客户集中度在上述关系具有正向调节作用,而供应商集中度则具有负向调节作用。(3)异质性检验表明,相对于国有性质供应商企业,客户企业数字化转型对非国有性质供应商企业创新的促进作用更加显著;相对于非高技术产业的供应商企业,客户企业数字化转型对高技术产业的供应商企业创新的促进作用更加显著;相对于空间距离近的供应商企业,客户企业数字化转型对空间距离远的供应商企业创新的促进作用更加显著。

(二)理论贡献

(1)从供应链视角拓展了数字化转型与企业创新的关系研究。以往研究主要探讨了企业数字化转型对自身创新绩效的影响,如Ritter和Pedersen在定义数字化能力的基础上,发现数字化有利于驱动企业商业模式创新[6];罗建强和蒋倩雯提出数字化转型下产品创新与服务创新存在非对称互惠共生关系[7];陈晓红等以及Zhong等也发现数字化可以通过减少创新过程中的不确定性、增加业务流程透明度以及提升生产要素流动效率等方式,提升企业创新能力[13,23]。然而,这些研究忽略了合作伙伴数字化转型对于企业创新的促进作用。已有文献验证了客户企业数字化转型能够扩大供应链的通信范围,增加供应链信息网络的连通性,有利于链条中其他企业获得数字化信息[15],并且压缩了供应链中其他企业的生存空间,为供应链中企业间的合作关系带来不确定性,同时对供应链中其他企业数字化转型具有示范与带动作用,对于如何减少企业数字化转型的风险与成本具有指导意义。因此,有理由相信客户企业数字化转型可能会对供应商企业创新产生影响。在理论分析与假设提出的基础上,本文将研究着眼点放在供应链关系上,从创新数量与创新质量两个方面,发现客户企业数字化转型有利于促进供应商创新(见表4),为企业数字化转型的影响研究拓宽了思路。

(2)丰富了供应链理论中有关“供应商—客户”关系机制方面的研究。一方面,以往研究集中于“客户企业行为—供应商创新”直接关系的讨论,如Zimmermann等提出制造商(客户企业)通过与供应商建立密切联系,有助于双方产品创新方法、工艺技术手段等隐性知识的吸收与交流[36];崔贺珵等提出客户企业与供应商企业创新战略契合度的提升可以影响供应商企业的客户服务决策,但以上研究忽略了“客户企业行为—供应商创新”具体作用机制的考察[37]。另一方面,现有部分文献从溢出以及激励等视角分析了“供应商—客户”的二元创新关系机制,包括从溢出视角研究客户企业如何通过供应链网络溢出效应影响供应商创新[9],从激励视角研究客户企业如何通过“供应链共同治理”等方式激励供应商创新[10],但忽略了在数字经济发展的大背景下,数字化转型在该创新关系机制中所产生的的积极效应。本文在已有研究的基础上,针对客户企业数字化转型影响供应商创新的路径,实证研究发现了客户企业数字化转型可以通过知识以及技术方面的溢出机制推动供应商创新(见表9),也可以通过“供应商响应客户企业创新需求”“供应商数字化转型”等激励机制促进供应商创新(见表10和表11),从溢出与激励两个方面构建了客户企业数字化转型对供应商创新的作用机制研究框架。

(3)深化了“供应商—客户”创新关系的情境研究。一方面,以往研究从供应链关系视角分析了“供应商—客户”的商业或财务关系[11],但鲜有研究创新关系的文献;另一方面,现有部分文献研究了客户集中度对企业创新投入以及企业知识积累的影响[22-23],但这些研究既忽略了供应商集中度的作用,又没有将客户集中度作为情境因素研究“供应商—客户”关系。本文在现有文献研究不足的基础上,讨论供应链集中度(包括客户集中度与供应商集中度)作为情境因素在客户企业数字化转型与供应商创新关系中的调节作用,发现客户集中度与供应商集中度分别在客户企业数字化转型与供应商创新间起到正向与负向的调节作用(见表12),这不仅为客户企业数字化转型与供应商创新的关系研究提供了更为广阔的视角,拓展了供应链集中度的相关研究,也从供应链合作视角丰富了企业创新理论的相关研究。

(三)实践启示

结合本文研究结论,可以得到以下启示:

(1)供应商企业应加强对客户企业年报文本中有关数字化转型信息的关注,发挥激励机制作用,把握客户企业创新需求动态以及数字化转型的新机遇,调整创新战略方向与运营方式,实施数字化转型策略。首先,供应商企业应迎合客户企业创新需求,以驱动产品与工艺流程创新。其次,供应商企业通过了解客户企业数字化转型的进程以及内容,可以学习其数字化转型的经验,提升企业生产以及服务环节的智能化水平,加速产品的场景化、产业化以及工程化应用,释放企业创新的“数字活力”。

(2)供应商企业应加强与客户企业的协同创新合作,发挥外溢机制作用,尽可能地拓宽创新资源以及知识的流动渠道,减少交易成本,提升创新效率。本文研究结论表明,客户企业数字化转型可以通过知识与技术溢出提升供应商创新水平,因此,供应商企业在与客户企业联结的过程中,要瞄准客户企业数字技术领域中的基础技术、前沿技术以及非对称技术的改善过程,分析客户企业“如何转”“转什么”,并从中挖掘自身需要的信息、知识以及技术,提升创新水平。

(3)供应商企业应转变“单独作战”为“链条整合”的经营思路,发挥客户集中度在客户企业数字化转型与供应商创新关系及其机制中的积极作用,抑制供应商集中度的消极作用。尽管客户集中度的提升会加剧供应商企业对客户企业的依赖性,但也会使两者之间的互惠合作关系更加紧密,供应商企业的管理者可以主动作为,通过客户关系管理,发挥客户集中所形成的信息反馈以及知识溢出优势,实现供应商企业与客户企业的平衡增长。而供应商集中度的提升会导致供应商企业管理者的被动无为,降低供应商企业对客户企业创新需求的变化以及数字化转型的关注度,削弱激励与溢出机制的积极作用,因此,处于供应链优势地位的供应商企业应时刻树立或保持创新意识、合作意识,建立“链条整合”的经营思路,发挥企业创新生态系统以及创新网络嵌入性在经营中的积极作用。

(4)对于不同性质与类型的供应商企业应采取不同方式使其顺应数字化转型。对于国有性质的供应商企业,应使其明确所肩负着的经济责任、政治责任和社会责任,克服“创新惰性”,转变观念建立以数据驱动为核心的生产经营模式,深化运营、生产服务和商业模式等多方面的创新;对于非高技术产业的供应商企业,应使其明确以市场需求为中心,使数字化转型与企业运营相结合,并紧跟国家、社会以及产业的数字化转型发展趋势与部署,解决企业“不会转”“不知道找谁转”的痛点和难题,通过数字化转型增强企业创新活力;对于近距离的供应商企业,应使其转变经营意识,建立智慧管理平台以及数字化生态体系,推动产业链上下游企业数据贯通,提高经营效率。

(四)局限与未来研究

本研究存在以下不足之处值得未来研究的跟进。首先,本文在通过文本分析法构建企业数字化转型指标的基础上,研究了客户企业数字化转型对供应商创新的影响,并从产权性质、行业性质以及空间距离等方面对其进行了异质性分析,但基于资源禀赋、政策措施以及产业基础的差异,不同区域的客户企业数字化转型与供应商创新的关系表现很可能会有所不同,近期文献中也就数字化转型与企业创新关系的区域异质性问题进行了分析。比如,杜勇和娄靖提出数字化转型对地处市场化程度较高地区企业的转型升级促进作用更为显著[38];王巍和姜智鑫发现相较于区域中心城市,数字化转型对区域边缘城市企业的异地合作创新具有明显的促进作用[19]。因此,不同区域环境下客户企业数字化转型对供应商创新的影响有待进一步检验。

其次,尽管本文从溢出机制与激励机制两个方面探讨了客户企业数字化转型对于供应商创新的影响路径,但也可能存在如代理成本的降低、融资约束的缓解、风险承担水平的降低等其他影响客户企业数字化转型与供应商创新关系的机制。近期研究中就对数字化转型与企业创新的关系机制进行了多元化角度的分析,比如,董松柯等提出企业数字化转型可以通过缓解信息不对称等方式减少企业研发操纵的概率[39];贺正楚等认为交易成本可以在企业数字化转型与创新效率的关系中发挥部分中介效应[40]。因此,客户企业数字化转型影响供应商的其他影响机制有待进一步探讨。此外,不同机制间也可能存在相互作用,这也是有待考察的对象。