According to the dynamic capability theory, organizational resilience is the dynamic ability required by enterprises to integrate, establish and reconfigure internal and external competencies to adapt to the changing environment. Scholars at home and abroad believe that organizational resilience significantly enhances organizational performance and digital capabilities. Digital innovation is the pivot in innovation-driven strategy. However, it is difficult for a large number of transformations to produce the desired results in a short time due to complex practical problems such as lack of experience and the high cost of transformation. Whether digital transformation is conducive to the healthy development of manufacturing enterprises is also a topic that scholars have been discussing about. Therefore, this study aims to clarify the path in which technological innovation affects the high-quality development of manufacturing enterprises by analyzing the mediating role of organizational resilience and the moderating role of digital transformation. In addition, this study also discusses whether the improvement of resource allocation affects the relationship between technological innovation and the development of manufacturing enterprises.
This study collects the panel data of manufacturing firms from 2010 to 2021, with a total of 5 280 samples. The analysis of mediating effect, moderating effect and regression models are made to test the research hypotheses. The results show that technological innovation significantly contributes to the high-quality development of manufacturing enterprises and can significantly improve enterprises organizational resilience. Organizational resilience plays a partially mediating role in the relationship between technological innovation and the high-quality development of enterprises.The improvement of resource allocation positively moderates the relationship between technological innovation and high-quality development of enterprises, and digital transformation of enterprise positively moderates the relationship between technological innovation and organizational resilience.
In terms of theoretical contributions, this study first extends the application of dynamic capability theory and examines the antecedent variables of organizational resilience. It clarifies the possible mechanism of the formation of organizational resilience, and takes organizational resilience as a mediating variable between technological innovation and the high-quality development of manufacturing enterprises, providing a new perspective for the research on the relationship between technological innovation and the high-quality development of manufacturing enterprises. Second, this study focuses on manufacturing enterprises,and provides incremental evidence for the empirical analysis of technological innovation to promote the high-quality development of manufacturing enterprises. Finally,the improvement of resource allocation and digital transformation are incorporated into the research framework to explore the boundary conditions of resource allocation and digital transformation for the improvement of high-quality development and resilience of enterprises, and then countermeasures and references are provided for manufacturing enterprises to reasonably allocate resources and promote high-quality development of manufacturing enterprises.
开放科学(资源服务)标识码(OSID)：
中共二十大报告提出,高质量发展是全面建设社会主义现代化国家的首要任务。没有坚实的物质技术基础,就不可能全面建成社会主义现代化强国。制造企业是制造业的主体,其高质量发展是促进经济高质量发展和建设制造强国的基础。在新一轮技术革命背景下,人工智能、数字化产业迅速发展,新模式、新业态层出不穷,传统商业模式的竞争力持续下降。激烈的市场竞争倒逼制造企业创新升级,企业通过加快转变发展方式、优化资源配置提高核心竞争力,增强组织韧性,从而实现高质量发展。
在企业内部,组织韧性是企业在不确定性环境下抵御风险并利用自身优势的动态能力,可以帮助企业灵活调动资源、创新应对挑战的方式,与企业可持续发展紧密相关。如何提升制造企业组织韧性,进而实现高质量发展这一问题受到学界和企业界的广泛关注。部分制造企业面临产能过剩、创新不足、脱实向虚等问题,处于“微笑曲线”底端,资源配置效率低下。资源错配下的低效率制造企业依靠消耗资源存活,不仅造成资源浪费,而且挤占创新资源,制约技术进步和高质量发展[1]。因此,合理配置资源,减少资源错配与浪费,对于制造企业高质量发展具有重要意义。
随着云计算、大数据、人工智能等数字技术发展,制造企业积极尝试数字化转型实践,以期实现产品、流程或商业模式变革,通过整合数字资源拓展价值创造边界,进而有效推动原有生产要素优化重组,完善产品服务结构和运营管理流程,最终实现制造企业高质量发展。然而,由于缺乏经验以及转型成本较高等现实问题,制造企业转型难以在短时间内产生令人满意的成效,面临着“等待死亡而不转型,或因转型而更快死亡”的困境。一方面,企业希望最大限度地利用现有创新资源实现组织韧性水平提升;另一方面,企业担心数字化转型可能会破坏现有流程和结构,从而加速衰败。由于数字化转型的复杂性和不确定性,企业家难以确定数字化转型是否有利于企业发展。
技术创新是驱动制造企业高质量发展的重要方式,但其影响过程和边界机制尚未得到充分的实证研究。技术创新能否增强制造企业组织韧性,进而为高质量发展提供有力支撑?资源配置和数字化转型在技术创新对制造企业高质量发展的影响过程中发挥何种作用?以上问题有待进一步解答。因此,本研究基于2010—2021年我国上市制造企业数据,试图厘清技术创新、组织韧性与制造企业高质量发展的关系,进一步探讨技术创新对制造企业高质量发展的影响路径,同时探析资源配置在二者间的调节作用,以及数字化转型在技术创新与企业组织韧性间的调节作用。
创新是企业发展的重要内生动力,面对多元化消费需求和复杂的市场环境,制造企业需通过创新提升经营绩效与竞争优势。目前,技术创新对发展质量的影响研究成果较多[2-3]。部分学者认为科技创新能够显著促进企业高质量发展[4];也有研究发现创新不仅无助于企业绩效提升[5],而且会降低企业全要素生产率。创新具有较高的不确定性风险,失败率高、成果转化率低,因而可能存在悖论。作为实体经济主体,制造企业间普遍存在技术差距,需要增加研发活动或引入先进设备以提高生产率,激发企业活力和促进自身高质量发展。因此,本文认为,技术创新可以更好地促进企业高质量发展。首先,制造企业可以通过技术创新增强自主研发能力,从而降低生产成本并提高生产效率。另外,技术创新可以促进生产工具、产品、服务升级,以差异化产品和服务满足消费者多样化需求,并通过提高产品质量增强制造企业核心竞争力,提升其市场占有率和经营效率,为企业高质量发展带来积极影响。基于此,本文提出以下假设:
H1:技术创新对制造企业高质量发展具有正向影响。
Denhardt & Denhardt[6]认为,组织韧性构建是一个持续不断的过程,是指组织基于自身经营战略和商业模式对经营过程中的风险与机遇进行应对和把握的能力。组织韧性是一个动态发展过程[7],在风险环境下具备积极应对、主动调整的特点。根据资源基础理论,企业通过创新可以整合自身资源,并将其转化为竞争优势(张振刚等,2018)。另外,通过技术创新,制造企业可以规避原有系统在新情境下功能失调问题,强化危机事件预测与应对能力,进而提高自身风险防御能力和韧性水平[8]。冯文娜和陈晗(2022)发现,双元创新对企业韧性具有显著正向影响。企业通过创新活动生成组织韧性,能够拓宽知识搜索范围,提高自身发展预测能力,从而实现企业可持续发展。因此,通过技术创新可以增强企业核心竞争力与资源整合能力,帮助企业应对激烈的市场竞争,有利于提升制造企业组织韧性水平。基于此,本文提出以下假设:
H2:技术创新对制造企业组织韧性水平提升具有正向影响。
根据动态能力理论,企业需要培育动态能力以整合、建立和再配置内外部资源,进而适应不断变化的市场环境,实现自身发展。组织韧性作为企业重要的动态能力,主要表现为快速处理和应对外部环境冲击,以及开发和灵活运用内部资源等方面。制造企业通过技术创新提升组织韧性水平,从而实现高质量发展。首先,技术创新能够提高组织开发资源的灵活性,进而提高企业产品创新能力,帮助企业扩大市场份额,增强核心竞争力,从而提升组织适应性。其次,技术创新能够通过对现有知识进行提炼和整合,帮助企业快速应对组织外部环境变化,提升资源使用效率,从而增强企业稳定性。这种适应性和稳定性是制造企业实现高质量发展的关键。因此,组织韧性是企业在动荡、复杂和不确定性环境下的核心能力,这种灵活、可存储和可转换的动态能力可以确保组织具有较强的韧性,帮助组织有效应对意外事件并迅速从危机中恢复。谢雅萍等(2022)基于知识图谱研究发现,组织韧性对企业绩效具有显著促进作用;李宇等[9]发现,强化组织韧性能够显著提升企业数字化能力;Bustinza等[10]对西班牙企业调查发现,技术创新能够显著增强组织韧性;Tsiapa & Batsiolas[11]以金融危机后东欧国家企业为样本研究发现,创新能力较强的企业即便发生危机也能保持较高的经济增长率。因此,企业适应性和稳定性是其重要的竞争优势。在发展过程中,企业可以通过技术创新对内部资源进行整合、构建和重新配置,提高技术水平,加快新产品和服务开发,提升自身竞争优势与韧性水平,进而适应激烈的市场竞争环境,降低危机事件对自身的冲击,最终实现可持续与高质量发展。基于此,本文提出以下假设:
H3:组织韧性在技术创新对制造企业高质量发展的影响过程中发挥中介作用。
制造企业高质量发展离不开对有限资源的合理利用。尹恒和李世刚(2019)通过对制造企业资源配置效率改善进行核算发现,改善空间平均高达160%,通过反事实分析发现,通过配置效率改善能够确保每年3.85%的经济增长率;李艳和杨汝岱[12]认为,提高竞争力和资源配置效率是企业改革的核心,也是企业实现持续健康发展的重要保障。因此,充分发挥资源配置作用,能够为制造企业中长期发展积聚动能。但在现实中,制造企业资源配置效率并不高,甚至发生资源错配,不仅导致企业资源浪费,而且会降低企业边际生产率,从而抑制其高质量发展。导致企业资源配置低下的因素通常包括制度、政策和市场缺陷等[13]。资源配置改善主要从两个方面影响制造企业创新行为:一是由于资源自由流动存在障碍,市场“优胜劣汰”机制不畅通。受非市场因素的干扰,在市场竞争中,本应被淘汰的低效率制造企业依靠资源消耗得以生存,而有能力、有意愿进行技术创新的高效率制造企业无法获得更多资源和市场份额,进而抑制企业研发创新[1]。因此,优化资源配置能够更好地促进制造企业高效率技术创新。二是创新行为很大程度上依赖于资金持续投入[14-15]。企业创新投入势必会挤占生产性投资空间,进而提高生产成本,降低企业利润。因此,合理配置企业内部资源能够确保制造企业创新活动和创新项目得到资金支持,避免资源浪费,进而提升制造企业整体生产率水平,实现其高质量发展。因此,资源配置改善是制造企业将技术创新转化为高质量发展的动力。据此,本文提出以下假设:
H4:资源配置改善正向调节技术创新与制造企业高质量发展的关系。
在数字技术快速发展背景下,数字化转型成为制造企业实现突破性创新和可持续发展的必由之路[16]。大数据是数据分析和处理的基础[17],数字化转型可以帮助企业在内部沟通网络中建立链接,形成畅通的沟通渠道,帮助企业适应不断变化的环境,是企业抵御风险的有效途径[18]。对于制造企业来说,数字技术能够为其注入新的活力。首先,企业数字化转型能够加强创新主体间的联系并提升自身认知水平。数字技术应用能够降低信息搜索、加工和传递成本,有利于创新主体快速获取相关技术资源和信息,加快创新决策过程并降低企业研发成本,从而增强企业韧性。其次,数字化转型能够帮助组织迅速连接内部和外部信息源,捕捉内部和外部环境变化[19]。例如,智能产品和服务可以通过嵌入人工智能程序实现自动算法决策[16],有利于拓展信息广度和深度,大幅缩短危机响应时间,从而增强企业韧性。最后,数字化转型有助于企业整合和协调内外部资源。突发性事件会破坏组织内部已经建立的“有序”组织模式,而数字化转型能够帮助企业快速获取应急管理知识,快速响应危机,增强企业韧性。企业借助数字技术可以将内部业务模块和管理单元连接起来,确保技术创新的持续性,增强自身信息处理能力和敏捷性[20],从而增强组织韧性[21]。基于此,本文提出以下假设:
H5:企业数字化转型正向调节技术创新与制造企业组织韧性的关系。
综上所述,本文构建概念模型如图1所示。
图1 概念模型
Fig.1 Conceptual model
本文样本企业来源于证监会行业分类中的制造企业,除衡量组织韧性的指标股票回报率相关数据来源于国泰安数据库外,其余数据均来自万得数据库。样本时间跨度为2010—2021年,剔除数据严重缺失以及资产负债率大于100%的样本企业,最终样本量为5 280个。此外,本文对连续变量进行1%的缩尾处理。
(1)被解释变量:高质量发展。高质量发展的衡量方法主要分为构建综合指标体系和选用代理变量两种。根据学者们对企业高质量发展内涵的界定,企业高质量发展是企业生产要素投入低、资源配置效率高、资源环境成本低、经济社会效益好的综合反映[22],包括发展质量和发展效率。全要素生产率本质上考虑企业系统内部各要素投入效率,故使用全要素生产率作为企业高质量发展测算的代理变量,可以体现企业市场竞争力和资源配置效率。全要素生产率计算方法较多,如DEA、SFA、OLS等。DEA、SFA方法虽然能够对企业综合效率进行评估,但在变量选择和测量方法上过于简单,缺乏对全要素生产率的动态捕捉。相较于OLS法,采用OP法、LP法可以一定程度上解决内生性和样本选择偏误等问题[23]。综上所述,借鉴鲁晓东和连玉君[23]的研究成果,本文采用OP法计算TFP,并使用LP法替换变量进行稳健性检验,以确保研究结论的稳健性。LP法以营业收入、员工总数、购买商品、接受劳务实际支付的现金、资本性支出衡量企业产出、劳动投入、中间投入和资本投入。相较于与LP法,OP法在使用相同衡量指标的基础上,加入固定资产、企业年龄、企业性质以及是否退出市场等变量。
(2)解释变量:技术创新。技术创新对企业发展的影响具有后效性,仅从结果角度进行测量只能解释企业过去的技术创新成果,不能为未来市场竞争指明方向。相较于产出指标,过程指标更为重要,它可以打开技术创新的“黑箱”,反映企业技术创新过程中存在的问题,进而指导企业有针对性地加以改进。因此,本文以技术创新前期投入衡量技术创新是否有利于企业发展,借鉴韩博然[24]的研究成果,以企业研发支出对数衡量,数值越大,企业创新程度越高。
(3)中介变量:组织韧性。借鉴Lv等[25]的研究成果,本文从长期增长和财务波动两个维度测量组织韧性。长期增长反映组织韧性的绩效提升机制,财务波动反映组织韧性的绩效保障机制。最后,利用熵值法综合计算组织韧性。相比于同比增长,累计增长是更好的长期增长衡量指标,随着时间推移,业绩增长是持续和渐进的。因此,本文采用3年净销售额增长积累衡量长期增长,利用股票回报率衡量财务波动。对于每年股票回报率,先计算每月股票回报率的标准差,再根据月股票回报率计算得到。
(4)调节变量:资源配置改善与数字化转型。
资源配置改善。借鉴李俊青和苗二森[26]与李晓静等[27]的研究成果,本文采用制造业细分行业间全要素生产率的离散程度衡量资源配置情况,并对其取倒数以衡量资源配置改善情况。数值越大,代表资源越适配。此外,以全要素生产率的90分位数和10分数之差进行稳健性检验。
数字化转型。借鉴吴非等(2021)的做法,首先,下载年报形成数据库,借助Python爬虫功能在巨潮资讯网站收集2011—2021年沪深A股制造企业年度报告,并借助pdfplumber提取所有文本内容,以此作为数字化转型筛选数据库。其次,以人工智能技术、大数据技术、云计算技术、区块链技术和数字技术应用关键词作为数字化转型特征词,如表1所示。最后,删除PDF转为TXT文本中每行末尾的换行符/n,以避免出现词语因换行而未被统计的情况,利用jieba库进行分词并剔除含有“没”“无”“不”等否定词语的关键词,并对数据库中出现的关键词进行检索、匹配和词频统计,加总得到数字化转型总指标。此外,因为数据存在“右偏”特性,故对其进行加1后取自然对数处理。
表1 企业数字化转型结构化特征词
Tab.1 Structured feature terms of enterprise digital transformation
数字化转型特征词关键词人工智能技术人工智能、商业智能、图像理解、投资决策辅助系统、智能数据分析、智能机器人、机器学习、深度学习、语义搜索、生物识别技术、人脸识别、语音识别、身份验证、自动驾驶、自然语言处理大数据技术大数据、数据挖掘、文本挖掘、数据可视化、异构数据、征信、增强现实、混合 现实、虚拟现实云计算技术云计算、流计算、图计算、内存计算、多方安全计算、类脑算、绿色计算、认知计算、融合架构、亿级并发、EB级存储、物联网、信息物理系统区块链技术区块链、数字货币、分布式计算、差分隐私技术、智能金融合约 数字技术应用移动互联网、工业互联网、移动互联、互联网医疗、电子商务、移动支付、第三方支付、NFC支付、智能能源、B2B、B2C、C2B、C2C、020、网联、智能穿戴、智慧农业、智能交通、智能医疗、智能客服、智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金融、数字金融、Finetch、金融科技、量化金融、开放银行
注：参考吴非等(2021)
(5)控制变量。借鉴以往研究成果,将企业年龄、独立董事比例、股东持股比例、资产负债率、政府补贴、总资产收益率、高管薪酬作为控制变量,分别以Age、Indep、Cr10、Lev、Sub、ROA、EC3表示。为了消除异常值的影响,对企业规模和研发人员取对数;为消除年份和企业性质差异的影响,将年份和产权性质作为虚拟控制变量,采用符号Year、Own表示。所有变量定义如表2所示。
表2 变量定义与测量
Tab.2 Variable definitions and measurement methods
变量类别变量名称变量符号测量方法被解释变量企业高质量发展TFP_OPOP法计算解释变量技术创新InnovLn(研发支出+1)中介变量组织韧性Org熵值法综合计算调节变量资源配置改善RM计算方法见上文描述数字化转型DCG基于爬虫数据的总词频取对数控制变量企业年龄Age公司成立年限独立董事比例Indep独立董事人数/董事会人数*100股东持股比例Cr10前十大股东持股比例合计资产负债率Lev总负债/总资产*100政府补贴SubLn(政府补助金额+1)总资产收益率ROA净利润/总资产*100高管薪酬EC3Ln(前3名高管薪酬总和+1)产权性质Own国有企业为1,其余为0年份Year年份虚拟变量
本文构建面板回归基准模型以验证假设H1,如式(1)所示。
TFP_OPit=α0+α1 Innovit+∑α2Controlit+∑Own+∑Year+εit
(1)
其中,α0为截距项,αi为回归系数,εit为随机误差项。如果Innov的系数显著为正,则表明技术创新对企业高质量发展具有促进作用。
为进一步考察组织韧性的中介作用,本文采用中介作用检验常用的三步法,构建如下扩展模型:
TFP_OPit=α0+α1 Innovit+∑αkControlsit+∑Own+∑Year+εit
(2)
Orgit=β0+β1 Innovit+∑βkControlsit+∑Own+∑Year+εit
(3)
TFP_OPit=γ0+γ1Innovit+γ2Org+∑γkControlsit+∑Own+∑Year+εit
(4)
式(2)～(4)重点考察参数α1、β1、γ1、γ2,若β1显著,则表示技术创新能够影响企业组织韧性。在此基础上,若γ1、γ2同时显著且γ1的绝对值小于α1的绝对值,则表示组织韧性在技术创新与企业高质量发展间发挥部分中介作用;若γ2显著,但γ1不显著,则表示组织韧性在技术创新与企业高质量发展间发挥完全中介作用。
为考察资源配置改善在技术创新与企业高质量发展间的调节作用,以及数字化转型在技术创新与组织韧性间的调节作用,本文构建如下拓展模型:
TFP_OPit=λ0+λ1 Innovit+λ2RMit+λ3Innovit×RMit+∑λkControlsit+∑Own+∑Year+εit
(5)
Orgit=η0+η1 Innovit+η2DCGit+η3Innovit×DCGit+∑ηkControlsit+∑Own+∑Year+εit
(6)
式(5)中,若λ3系数显著为正,则表示资源配置改善在技术创新对企业高质量发展的影响过程中发挥正向调节作用,否则发挥负向调节作用。式(6)中,若η3系数显著为正,则表示数字化转型在企业技术创新对组织韧性的影响过程中发挥正向调节作用,否则发挥负向调节作用。
本文对主要变量进行描述性统计,结果如表3所示。从表3可以看出,企业高质量发展指标(TFP_OP)平均数为3.727,本文采用OP法计算得到的全要素生产率均值与郑宝红和张兆国[28]使用上市企业数据库计算的均值结果较为接近。研发支出的最小值为14.307,最大值为21.549,说明不同制造企业研发支出存在较大差异。组织韧性的最小值是1.862,最大值是25.997,表明在组织韧性方面,制造企业存在较大差距。资源配置改善的均值为1.775,表明制造企业整体资源配置效率较低,最大为2.393,最小值为1.275,表明不同的上市制造企业,其资源配置改善存在一定差异。企业数字化转型的最小值是0.693,最大值为5.673,表明制造企业整体数字化转型差异较大。控制变量方面的均值与中位数接近,表明样本不存在较大偏差。
表3 描述性统计结果
Tab.3 Descriptive statistics
变量样本量平均值标准差最小值中位数最大值TFP_Op5 2803.7270.5572.5733.6685.444Innov5 28018.2591.40614.30718.26221.549Org5 2805.5463.7211.8264.55125.997RM5 2801.7750.2151.2751.7452.393DCG5 2801.6160.9670.6931.3865.673Age5 28019.465.25181934Indep5 28036.9664.94433.33333.33355.556Cr105 28054.07314.16422.653.7385.84Lev5 28040.918.5945.1541.22783.788Sub5 28016.6521.39213.01716.63620ROA5 2805.9716.037-14.215.28425.332EC35 2805.2330.7123.515.2017.118Own5 2800.4040.491001
本研究变量的Pearson相关系数检验结果如表4所示。由表4可知,回归模型不存在多重共线性问题。技术创新(Innov)与企业高质量发展(TFP_OP)的相关系数为0.338且在1%水平上显著,表明技术创新对企业高质量发展具有正向影响,假设H1得到初步验证,但是否受到资源配置改善的调节作用还需进一步检验。企业技术创新(Innov)与组织韧性(Org)的相关系数为0.452且在1%水平上显著,表明技术创新对企业组织韧性具有正向影响,假设H2得到初步验证,但是否受到数字化转型的调节作用还需进一步检验。此外,组织韧性是否在技术创新与企业高质量发展间发挥中介作用,还需要进一步验证。
表4 相关性分析结果
Tab.4 Correlation analysis
变量TFP_OPInnovOrgRMDCGAgeIndepCr10LevSubROAEC3OwnTFP_OP1Innov0.359***1Org0.458***0.452***1RM-0.146***0.012-0.0071DCG-0.080***0.230***0.062***0.056***1Age0.038***0.221***0.072***0.028**0.148***1Indep-0.030**-0.0100.050***0.02200.063***-0.0011Cr100.090***0.071***0.147***0.077***-0.112***-0.221***-0.027*1Lev0.409***0.315***0.340***-0.048***-0.038***0.133***-0.018-0.025*1Sub0.355***0.675***0.417***-0.031**0.124***0.218***-0.0050.0090.388***1ROA0.183***0.094***-0.0160.053***-0.003-0.063***-0.043***0.163***-0.274***0.072***1EC30.125***0.538***0.208***0.032**0.213***0.338***0.046***0.030**0.073***0.471***0.237***1Own0.079***0.098***0.160***-0.009-0.107***0.075***-0.096***0.053***0.209***0.114***-0.110***-0.046***1vif1.412.331.401.021.131.251.031.141.442.111.231.721.10
注：***、**、* 分别代表 1%、5%、10%的显著性水平,双尾检验,下同
3.3.1 技术创新与企业高质量发展的回归结果分析
White检验结果拒绝原假设,即样本可能存在异方差问题。借鉴相关文献,本文使用广义最小二乘法(GLS)解决异方差问题,回归结果如表5所示。模型(1)是技术创新对企业高质量发展影响的回归结果,Innov系数为0.086且在1%水平上显著,即技术创新与企业高质量发展呈正相关关系,说明技术创新能够促进企业高质量发展,假设H1得到验证。创新投入是技术创新的第一步,能够进一步促进企业技术创新,从而促进制造企业高质量发展。
表5 回归结果分析
Tab.5 Regression result analysis
变量(1)(2)(3)(4)(5)TFP_OPOrgTFP_OPTFP_OPOrgInnov0.086***0.455***0.062***0.0150.254***(23.60)(17.57)(15.62)(0.62)(6.13)Org0.043***(37.88)RM-1.033***(-4.37)Innov×RM0.039***(2.99)DCG-2.434***(-6.17)Innov×DCG0.136***(6.33)Age0.001-0.0060.001*0.002***-0.005(1.15)(-1.00)(1.74)(2.87)(-0.84)Indep-0.002***0.004-0.002***-0.001**0.005(-3.10)(0.74)(-3.44)(-1.97)(1.03)Cr100.002***0.018***0.0000.002***0.020***(6.19)(10.47)(0.96)(7.65)(11.38)Lev0.011***0.024***0.009***0.011***0.024***(50.11)(16.06)(39.72)(48.74)(16.13)Sub0.046***0.228***0.028***0.048***0.227***(12.86)(9.23)(7.37)(13.01)(9.21)ROA0.025***-0.0050.024***0.026***-0.003(37.14)(-1.16)(35.53)(39.10)(-0.81)EC3-0.097***0.018-0.096***-0.097***0.010(-15.43)(0.42)(-15.33)(-15.49)(0.22)Own-0.016**0.307***-0.037***-0.026***0.298***(-2.25)(6.32)(-5.11)(-3.75)(6.16)Year控制控制控制控制控制_cons1.369***-9.071***2.011***3.141***-5.622***(23.05)(-19.20)(29.96)(7.39)(-7.64)N5 2805 2805 2805 2805 280Chi-squared7 625.140***3 388.458***9 140.966***8 024.921***3 462.480***
注：括号内为t统计值,下同
3.3.2 技术创新与组织韧性的回归结果分析
模型(2)是技术创新对组织韧性影响的回归结果。其中,技术创新(Innov)的系数为0.455且在1%水平上显著为正,说明随着技术创新深入推进,企业组织韧性随之增强,假设H2得到验证。制造企业以技术创新为驱动,为自身发展赋能增效,能够在很大程度上增强自身市场竞争力,强化自身组织韧性。
3.3.3 组织韧性的中介作用回归结果分析
模型(3)是加入组织韧性(Org)这一中介变量后的回归结果,可以看出,技术创新(Innov)的系数为0.062且在1%水平上显著为正,组织韧性(Org)的系数为0.043,也在1%水平上显著为正。由此可见,在模型1和模型2中,组织韧性(Org)对企业高质量发展及技术创新的影响在1%水平上显著为正,模型3中技术创新(Innov)、组织韧性(Org)均在1%水平上对企业高质量发展具有正向影响。因此,组织韧性在技术创新对企业高质量发展的影响过程中发挥部分中介效用,即企业技术创新有助于增强企业组织韧性,进一步促进制造企业高质量发展,假设H3得到验证。制造企业高质量发展离不开组织韧性,随着技术不断升级,制造企业组织韧性增强,能够灵活应对市场不确定性风险与挑战,增强自身核心竞争力,从而实现高质量发展。
3.3.4 资源配置改善的调节作用回归结果分析
模型(4)加入资源配置改善与技术创新的交互项(Innov×RM),以此检验资源配置改善(RM)的调节作用。回归结果显示,资源配置改善与技术创新的交互项(Innov×RM)系数为0.039且在1%水平上正向显著,验证了资源配置改善(RM)的正向调节效应,说明资源配置改善能够强化技术创新对制造企业高质量发展的促进作用,假设H4得到验证。资源配置不均以及资源错配问题得到改善,企业优质资源得以充分利用。由此,进一步促进企业技术创新成果转化,加快制造企业技术进步,有利于全面提高制造企业全要素生产率水平,从而促进制造企业高质量发展。
3.3.5 数字化转型的调节作用回归结果分析
模型(5)加入数字化转型与技术创新的交互项(Innov×DCG),以此检验数字化转型(DCG)的调节作用。回归结果显示,数字化转型与技术创新的交互项(Innov×DCG)系数为0.136且在1%水平上正向显著,验证了数字化转型(DCG)的正向调节效应,说明企业数字化转型能够强化技术进步与制造企业组织韧性的关系,即发挥正向调节作用,假设H5得到验证。随着制造企业数字化转型升级,更多数字技术被用于企业研发,制造企业组织韧性水平得以提升。
3.3.6 滞后一期的回归结果分析
由于技术创新绩效效应具有长期性,故本文将企业高质量发展和组织韧性进行滞后一期处理,结果如表6所示。模型(1)中,技术创新(Innov)与滞后一期企业高质量发展(TFP_OPt+1)的回归系数为0.072,在1%水平上显著为正,再次验证技术创新对制造企业高质量发展的促进作用。模型(2) 中,对组织韧性作滞后一期处理,技术创新(Innov)的系数为0.465,同样在1%水平上显著为正,再次验证技术创新对企业组织韧性的促进作用。模型(3)是组织韧性(Org)在技术创新(Innov)与滞后一期企业高质量发展(TFP_OPt+1)间的中介作用回归结果,结果显示,组织韧性的中介效应依然存在。上述结果进一步说明,技术创新对企业高质量发展具有长远影响。模型(4)是资源配置改善(RM)在技术创新(Innov)与滞后一期企业高质量发展(TFP_OPt+1)的调节效应回归结果,资源配置改善与技术创新的交互项(Innov×RM)系数为0.035且在5%水平上显著为正,再次验证资源配置改善对技术创新与企业高质量发展的正向调节效应。因此,上文假设得到验证。模型(5)是数字化转型(DCG)在技术创新(Innov)与滞后一期组织韧性(Orgt+1)间的调节效应回归结果,资源配置改善与技术创新的交互项(Innov×DCG)系数为0.114且在1%水平上显著为正,再次验证数字化转型对技术创新与组织韧性的正向调节效应。因此,从长期看,技术创新有利于促进制造企业高质量发展和组织韧性水平提升,资源配置改善与数字化转型同样发挥长期调节作用。
表6 回归结果(滞后一期)
Tab.6 Regression results with one period lag
变量(1)(2)(3)(4)(5)TFP_OPt+1Orgt+1TFP_OPt+1TFP_OPt+1Orgt+1Innov0.072***0.465***0.053***0.0120.288***(24.29)(16.48)(12.50)(0.44)(6.46)Org0.043***(33.32)RM-0.964***(-3.48)Innov×RM0.035**(2.29)DCG-2.032***(-4.75)Innov×DCG0.114***(4.90)Age-0.0000.0020.0010.002**0.003(-0.34)(0.43)(0.83)(2.53)(0.52)Indep-0.003***0.003-0.003***-0.002***0.002(-4.17)(0.54)(-4.29)(-2.94)(0.41)Cr100.002***0.026***0.001**0.002***0.026***(6.25)(13.91)(2.43)(7.29)(14.35)Lev0.011***0.024***0.009***0.010***0.024***(43.17)(15.47)(34.99)(40.53)(15.48)Sub0.053***0.246***0.034***0.053***0.248***(13.98)(9.60)(8.40)(13.02)(9.72)ROA0.019***-0.017***0.019***0.020***-0.016***(25.40)(-3.78)(25.10)(25.95)(-3.63)EC3-0.089***0.058-0.091***-0.092***0.056(-13.05)(1.31)(-13.87)(-12.97)(1.26)Own-0.024***0.197***-0.054***-0.031***0.196***(-3.23)(3.79)(-7.13)(-3.93)(3.80)Year控制控制控制控制控制_cons1.561***-10.547***2.122***3.159***-7.500***(25.40)(-20.88)(28.85)(6.31)(-9.53)N4 7534 7534 7534 7534 753Chi-squared5 624.115***3 101.066***6 490.448***5 430.241***3 168.410***
3.4.1 内生性检验
DWH检验的卡方值为0.378,表明接受原假设,即不存在内生性问题。模型(1)中,技术创新与组织韧性间可能存在互为因果的关系,故本文将滞后一期技术创新(Innov)作为工具变量,使用两阶段最小二乘法(2SLS)进行回归,对H1、H2、H3、H4和H5进行稳健性检验。结果显示,技术创新(Innov)对企业高质量发展(TFP_OP)、组织韧性(Org)影响的回归系数为0.091,均在1%水平显著,说明技术创新、企业高质量发展和组织韧性存在显著正相关关系;组织韧性(Org)在技术创新(Innov)与企业高质量发展(TFP_OP)间的中介作用在1%水平上显著为正;资源配置改善与技术创新的交互项(Innov×RM)系数在1%水平上显著为正,再次验证资源配置改善对技术创新与企业高质量发展的促进作用;数字化转型与技术创新的交互项(Innov×DCG)系数在1%水平上显著为正,再次验证企业数字化转型对技术创新与企业组织韧性的促进作用,具体如表7所示。由此,假设H1、假设H2、假设H3、假设H4和假设H5成立,与前文结果一致。
表7 回归结果(两阶段最小二乘法)
Tab.7 Regression results two-stage least squares
变量(1)(2)(3)(4)(5)TFP_OPOrgTFP_OPTFP_OPOrgInnov0.091***0.939***0.043***0.054***-0.236***(11.06)(17.14)(5.31)(6.40)(-8.43)Org0.051***(24.93)Innov×RM0.026***(16.26)Innov×DCG0.047***(5.84)Age-0.001-0.006-0.0000.002-0.045***(-0.39)(-0.56)(-0.21)(0.94)(-3.98)Indep0.0000.049***-0.002*0.0010.044***(0.09)(5.45)(-1.89)(0.44)(4.85)Cr100.001**0.036***-0.0010.001**0.042***(2.44)(10.71)(-1.30)(2.21)(12.37)Lev0.012***0.033***0.010***0.011***0.032***(27.36)(11.60)(24.54)(26.00)(10.31)Sub0.042***0.388***0.022***0.037***0.886***(5.74)(8.03)(3.16)(5.19)(21.34)ROA0.026***-0.0070.027***0.027***-0.015*(21.36)(-0.82)(23.02)(22.76)(-1.73)EC3-0.110***-0.257***-0.097***-0.090***0.242***(-8.69)(-3.04)(-8.12)(-7.29)(2.92)Own-0.0130.500***-0.039***-0.0080.604***(-0.93)(5.32)(-2.92)(-0.57)(6.31)Year控制控制控制控制控制_cons1.299***-21.350***2.397***1.235***-13.323***(9.68)(-23.84)(17.85)(9.47)(-16.86)N4 7534 7534 7534 7534 753Chi-squared2 302.167***2 545.241***3 241.644***2 733.456***2 248.095***
3.4.2 变量替换法
以LP法计算的全要素生产率替代以OP法计算的全要素生产率,采用各行业全要素生产率的90分位数和10分位数之差替代各行业全要素生产率的离散程度并取倒数衡量资源配置改善,采用研发支出占总资产的比重替代研发支出取自然对数衡量技术创新,并代入各模型进行回归,结果如表8所示。在模型(1)和模型(2)中,技术创新(Innov1)的系数α1、β1分别为0.084和0.455,均在1%水平上显著为正,再次验证假设H1和假设H2。在模型(3)回归结果中,技术创新(Innov1)在1%水平上显著为正,再次验证假设H3。模型(4)中,技术创新与资源配置改善的交互项(Innov1×RM1)系数在1%水平上显著为正,再次验证资源配置改善对技术创新与企业高质量发展的正向调节作用。模型(5)中,技术创新与数字化转型的交互项(Innov1×DCG)系数在1%水平上显著为正,再次验证数字化转型对技术创新与组织韧性的正向调节作用。因此,在替换变量后,结果与前文一致。
表8 回归结果(替换变量)
Tab.8 Regression results (substitution variables)
变量(1)(2)(3)(4)(5)TFP_LPOrgTFP_LPTFP_LPOrgInnov10.084***0.455***0.060***-0.000-0.096***(22.64)(17.57)(14.99)(-0.01)(-7.13)Org0.044***(38.04)RM1-0.591***(-2.80)Innov1×RM10.058***(5.02)DCG0.041(0.89)Innov1×DCG0.019***(2.93)Age0.001-0.0060.002**0.004***-0.024***(1.46)(-1.00)(2.23)(4.50)(-4.02)Indep-0.002***0.004-0.002***-0.002**0.001(-3.19)(0.74)(-3.55)(-2.55)(0.18)Cr100.001***0.018***0.0000.001***0.022***(6.06)(10.47)(0.88)(5.94)(12.19)Lev0.011***0.024***0.010***0.010***0.023***(50.95)(16.06)(39.82)(43.98)(14.21)Sub0.049***0.228***0.028***0.049***0.458***(13.43)(9.23)(7.47)(13.39)(19.94)ROA0.025***-0.0050.024***0.025***-0.007(36.92)(-1.16)(35.25)(39.41)(-1.57)EC3-0.101***0.018-0.100***-0.083***0.247***(-16.10)(0.42)(-15.77)(-13.00)(5.79)Own-0.015**0.307***-0.038***-0.034***0.267***(-2.21)(6.32)(-5.20)(-4.77)(5.35)Year控制控制控制控制控制_cons1.413***-9.071***2.073***2.206***-5.732***(23.55)(-19.20)(30.71)(7.41)(-13.69)N5 2805 2805 2805 2805 280Chi-squared7 621.094***3 388.458***8 954.893***8 943.453***3 029.812***
3.4.3 缩短时间窗口
本文将时间窗口设置为2017—2021年,回归结果如表9所示。结果显示,技术创新(Innov)对企业高质量发展(TFP_OP)与组织韧性(Org)的促进作用依然显著,组织韧性(Org)在技术创新(Innov)与企业高质量发展(TFP_OP)间的部分中介作用依然显著,资源配置改善(RM)对技术创新(Innov)与企业高质量发展(TFP_OP)关系的正向调节作用显著,数字化转型(DCG)对技术创新(Innov)与企业高质量发展(TFP_OP)关系的正向调节作用显著。由此可见,本文所有研究假设均成立。
表9 回归结果(缩短年份)
Tab.9 Regression results(reduced years)
变量(1)(2)(3)(4)(5)TFP_OPOrgTFP_OPTFP_OPOrgInnov0.114***0.818***0.063***0.0040.350***(22.10)(19.75)(10.99)(0.11)(5.17)Org0.049***(31.46)RM-1.563***(-4.97)Innov×RM0.063***(3.66)DCG-4.659***(-8.46)Innov×DCG0.247***(8.43)Age0.003***0.0060.0010.004***0.007(3.03)(0.79)(1.34)(3.55)(0.89)Indep0.001*0.039***-0.002***0.002**0.042***(1.77)(5.39)(-3.32)(2.22)(5.86)Cr100.003***0.032***0.001***0.003***0.030***(9.65)(12.77)(2.97)(8.64)(11.78)
续表9 回归结果(缩短年份)
Tab.9(Continued) regression results(reduced years)
变量(1)(2)(3)(4)(5)TFP_OPOrgTFP_OPTFP_OPOrgLev0.011***0.036***0.009***0.011***0.035***(41.36)(16.87)(29.44)(41.05)(17.55)Sub0.021***0.345***0.0020.017***0.354***(4.42)(8.25)(0.30)(3.72)(8.45)ROA0.027***0.028***0.024***0.028***0.032***(33.65)(5.93)(29.43)(34.41)(6.78)EC3-0.093***-0.004-0.092***-0.092***-0.029(-12.88)(-0.06)(-12.26)(-11.75)(-0.48)Own-0.015*0.266***-0.045***-0.017**0.311***(-1.89)(3.80)(-5.40)(-2.09)(4.54)Year控制控制控制控制控制_cons0.873***-21.472***2.307***3.710***-12.743***(11.17)(-31.48)(27.52)(6.49)(-10.58)N2 0252 0252 0252 0252 025Chi-squared5 138.215***2 553.630***6 023.737***6 751.993***2 740.573***
本文基于2010—2021年沪深A股制造企业数据,实证检验技术创新、组织韧性与制造企业高质量发展的关系,进一步分析资源配置改善对技术创新与企业高质量发展的影响,揭示数字化转型对技术创新与企业高质量发展的调节作用,对制造企业资源配置效率提升与发展潜能释放具有重要意义,得到以下主要结论:
(1)技术创新有利于制造企业高质量发展。
(2)技术创新有助于增强制造企业组织韧性。通过回归模型分析发现,技术创新能够提升企业抗风险能力与适应力,帮助企业灵活应对生产危机。
(3)组织韧性在技术创新对制造企业高质量发展的影响过程中发挥部分中介作用。
(4)资源配置改善正向调节技术创新与制造企业高质量发展的关系,即资源配置改善在技术创新与制造企业高质量发展间发挥正向调节作用,资源配置改善对二者关系具有显著促进作用。
(5)企业数字化转型正向调节技术创新对企业组织韧性的影响,对二者关系具有显著促进作用。
(1)拓展了动态能力理论边界,检验了组织韧性前因变量,揭示了组织韧性形成机制,将组织韧性作为制造企业技术创新与高质量发展关系研究的中介变量,为技术创新与制造企业高质量发展研究提供了新的视角。
(2)聚焦于制造企业,进一步丰富了技术创新与企业高质量发展关系理论,为技术创新促进制造企业高质量发展的实证研究提供了增量证据。
(3)将资源配置改善与数字化转型纳入研究框架,探索资源配置、数字化转型促进企业高质量发展与组织韧性水平提升的边界条件,为制造企业合理配置资源,促进自身数字化转型提供参考。
(1)充分发挥技术创新的引领作用。制造企业要结合自身特点,合理配置要素,积极开展技术创新。通过制定和实施创新激励措施,调动研发人员的积极性,从而提高企业整体创新水平。此外,企业应结合自身发展实际,制定创新发展战略并落实保障措施,将技术创新切实转化为企业绩效与发展优势,进而增强核心竞争力,为高质量发展奠定坚实的基础。
(2)提高风险意识,增强企业韧性。制造业作为国民经济的主体,是立国之本、兴国之器、强国之基。在激烈的市场竞争中,组织韧性对于企业高质量发展具有重要意义。因此,企业应思考如何更好地适应危机频发的“新常态”,增强组织抵御风险、化解危机的韧性,积极与外部环境互动,实现高质量发展。
(3)合理配置资源,提高资源利用效率。资源是企业创新与发展的基础,合理的资源配置有利于促进制造企业创新发展。实证检验表明,资源配置改善在技术创新与制造企业高质量发展间发挥正向调节作用。因此,制造企业应重视资源错配问题,提高资源配置效率,及时清理低效率项目,充分利用有限的资源进行技术创新,提高资源利用效率与全要素生产率,从而实现高质量发展。
(4)明确转型目标,加快推进数字化转型。先进的数字技术能够帮助制造企业降本增效、优化资源配置,进而提高其市场竞争力。企业数字化转型过程本质上是创新过程,数字技术可以帮助企业应对外部环境的不确定性风险,进一步提升组织韧性,完善制造业基础设施和产业链,培育相关要素市场,逐步实现产业链数字化,有助于制造企业在新一轮科技革命和数字浪潮中发挥支柱作用。
本文存在以下不足:首先,变量选取与测度方法借鉴了多位学者的研究成果,导致制造企业、技术创新、组织韧性计量方法的创新性不足。其次,选取的研究数据均来源于数据库,缺少一手数据,研究深度有限。未来可以开展实地调研,基于不同行业的实际情况提出针对性建议。最后,本文仅探讨技术创新能否促进制造企业高质量发展,技术创新通过组织韧性促进制造业高质量发展的路径与机制研究有待进一步深入,未来可以探讨更多中介路径和调节机制。
[1] 王永钦, 李蔚, 戴芸.僵尸企业如何影响了企业创新——来自中国工业企业的证据[J]. 经济研究, 2018, 53(11): 99-114.
[2] FERRANDO A, RUGGIERI A. Financial constraints and productivity:evidence from Euro area companies[J].International Journal of Finance &Economics, 2018, 23(3): 257-282.
[3] AW B Y, ROBERTS M J, XU D Y. R&D investments, exporting, and the evolution of firm productivity[J].The American Economic Review, 2008,98(2): 451-456.
[4] 任晓猛,钱滔,潘士远,等.新时代推进民营经济高质量发展:问题、思路与举措[J].管理世界,2022,38(8):40-54.
[5] LIN B W, LEE Y, HUNG S C. R&D intensity and commercialization orientation effects on financial performance[J].Journal of Business Research, 2006, 59(6): 679-685.
[6] DENHARDT J, DENHARDT R. Building organizational resilience and adaptive management[J].Handbook of Adult Resilience, 2010: 333-349.
[7] 张秀娥, 滕欣宇. 组织韧性内涵、维度及测量[J].科技进步与对策, 2021, 38(10): 9-17.
[8] DUBEY R, GUNASEKARAN A, CHILDE S J, et al. Empirical investigation of data analytics capability and organizational flexibility as complements to supply chain resilience[J].International Journal of Production Research, 2019, 59(1): 110-128.
[9] 李宇,王竣鹤.学习和忘却、组织韧性与企业数字化能力获取研究[J].科研管理,2022,43(6):74-83.
[10] BUSTINZA O F, VENDRELL-HERRERO F, PEREZ-AROSTEGUI M N, et al. Technological capabilities, resilience capabilities and organizational effectiveness[J].The International Journal of Human Resource Management, 2019, 30(8): 1370-1392.
[11] TSIAPA M, BATSIOLAS I.Firm resilience in regions of eastern Europe during the period 2007—2011[J].Post-Communist Economies, 2019, 31(1): 19-35.
[12] 李艳,杨汝岱.地方国企依赖、资源配置效率改善与供给侧改革[J].经济研究, 2018,53(2): 80-94.
[13] 周海波, 胡汉辉, 谢呈阳,等.地区资源错配与交通基础设施:来自中国的经验证据[J].产业经济研究, 2017,16(1): 100-113.
[14] 康志勇. 金融错配阻碍了中国本土企业创新吗[J].研究与发展管理, 2014, 26(5): 63-72.
[15] 谭小芬,王雅琦,李松楠.企业杠杆率分化、资源错配与高质量发展——经济政策不确定性视角的分析[J].经济科学,2022,44(1):66-80.
[16] VIAL G. Understanding digital transformation: a review and a research agenda[J].The Journal of Strategic Information System,2019,28(2):118-144.
[17] BELHADI A, MANI V, KAMBLE S S, et al. Artificial intelligence-driven innovation for enhancing supply chain resilience and performance under the effect of supply chain dynamism: an empirical investigation[J].Annals of Operations Research, 2021: 1-26.
[18] IVANOV D, DOLGUI A, SOKOLOV B. The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics[J].International Journal of Production Research, 2019, 57(3): 829-846.
[19] LENKA S, PARIDA V, WINCENT J. Digitalization capabilities as enablers of value co-creation in servitizing firms[J].Psychology &Marketing, 2017, 34(1): 92-100.
[20] LI H, WU Y, CAO D, et al. Organizational mindfulness towards digital transformation as a prerequisite of information processing capability to achieve market agility[J].Journal of Business Research, 2021,122(1):700-712
[21] VELU S R, AL MAMUN A, KANESAN T, et al. Effect of information system artifacts on organizational resilience: a study among Malaysian SMEs[J].Sustainability, 2019, 11(11): 3177.
[22] 张志元. 我国制造业高质量发展的基本逻辑与现实路径[J].理论探索, 2020,37(2): 87-92.
[23] 鲁晓东, 连玉君. 中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊), 2012, 11(2): 541-558.
[24] 韩博然. FDI与高技术产业效率——技术创新和市场竞争的中介效应[J].社会科学家, 2022,37(2): 88-97.
[25] LV W, WEI Y, LI X, et al. What dimension of CSR matters to organizational resilience? evidence from China[J].Sustainability, 2019, 11(6): 1561.
[26] 李俊青, 苗二森.资源错配、企业进入退出与全要素生产率增长[J].产业经济研究, 2020,19(1): 1-14,56.
[27] 李晓静,张莹,刘成.汇率波动是否有利于改善行业资源配置效率[J].南京财经大学学报, 2022,34(2): 97-108.
[28] 郑宝红, 张兆国.企业所得税率降低会影响全要素生产率吗——来自我国上市公司的经验证据[J].会计研究, 2018,39(5): 13-20.