开放科学(资源服务)标识码(OSID)：
Scholars have proposed that performance expectation gap, as an important organizational factor, affects corporate digital innovation. However, following the corporate behavior theory, some scholars propose that influenced by the wave of digital economy, firms with the performance expectation gap tend to cope with the continuous decline of performance by adopting digital technology and carrying out digital innovation activities, i.e., performance expectation gap promotes digital innovation. However, some scholars argue that performance expectation gap reduces the willingness of enterprises to engage in digital innovation and makes them cut their digital innovation investment, which is not conducive to digital innovation.
The inconsistency of the research results suggests that the mechanism of interaction between the two is still unclear and needs to be further explored. To this end, this paper hypothesizes that there is a nonlinear relationship between performance expectation gap and corporate digital innovation by integrating the corporate behavior theory and the “threat-rigidity” theory. Then it attempts to find the boundary conditions between performance expectation gap and digital innovation. Resource-based theory suggests that innovation decisions are not only related to a firm's own business situation, but also vary according to the organization's resources and capabilities. This makes the firm's resources and capabilities important boundary conditions for the performance expectation gap to affect digital innovation. Therefore, this study proposes that whether a firm with the performance expectation gap engages in digital innovation needs to fully consider both the influence of redundant resources and government subsidies, and the role of CEO power which is a corporate governance capability. Hence, this paper focuses on the following two questions: Is there a nonlinear relationship between performance expectation gap and digital innovation? How do corporate resources (redundant resources and government subsidies) and corporate governance capability (CEO power) further influence this inverted U-shaped relationship?
In view of this,the study analyzes the impact of performance expectation gap on digital innovation and examines the moderating effect of corporate resources (redundant resources and government subsidies) and governance capacity (CEO power) on the above relationship based on the corporate behavior theory and “threat-rigidity” theory, using the data of Chinese listed companies in Shanghai and Shenzhen A-shares from 2015-2021. The results show that there is an inverted U-shaped relationship between performance expectation gap and digital innovation, and this conclusion still holds after endogeneity and robustness tests. Both CEO power and redundant resources weaken the inverted U-shape relationship between performance expectations gap and digital innovation, while government subsidies enhance the inverted U-shape relationship. Further analysis finds that the effect of performance expectation gap on digital innovation is more pronounced in SOEs. The findings enrich the current theoretical explanation of the relationship between performance expectation gap and corporate digital innovation, and provide theoretical guidance and empirical evidence for implementing corporate digital innovation in a performance expectation gap state.
Compared with the existing literature, this paper complements and explores the mechanism of the relationship between performance expectation gap and corporate digital innovation, and it provides a research idea to solve the paradoxical relationship between them. Furthermore, the boundary conditions of the relationship between performance expectation gap and digital innovation are explored and enriched. Following the resource-based theory, this study explores the influence of corporate resources (redundant resources and government subsidies) and governance capabilities (CEO power) on the relationship between the two, reveals the boundary conditions of performance expectation gap acting on corporate digital innovation, and expands the application of redundant resources, government subsidies, and CEO power in the field of performance expectation gap and corporate digital innovation.
开放科学(资源服务)标识码(OSID)：
数字经济背景下,数字化创新逐渐成为企业实现可持续发展的重要抓手(李小青,何玮萱,2022)。数字化创新是指整合并利用数字化资源改进产品服务与业务流程的实践活动[1]。部分中国企业凭借这一创新活动实现产品服务多样化、业务流程精简化,在数字经济浪潮中获得了一席之地。国家知识产权局发布的数据显示,2022年我国数字化创新发明专利量为32.5万件,同比增长17.9%。可见,近年来,我国数字化创新取得了一定成果。然而,由于高风险和长周期特性,大多数企业仍处于数字化创新初级阶段,面临资源紧张、行业发展失衡等困境。埃森哲研究指出,2022年中国企业数字化转型成功率只有17%。因此,如何扎实推进企业数字化创新,重塑竞争优势,成为企业在数字化创新进程中面临的重要问题。
基于对这一问题的关注,学者们对数字化创新前因进行了深入研究,主要包括外部环境因素[2]、组织因素[3],以及管理者个人因素[4]。其中,业绩期望落差作为重要组织因素,也会影响企业数字化创新[5]。然而,对于业绩期望落差与企业数字化创新的关系,现有研究尚未达成共识。部分学者基于企业行为理论,认为业绩期望落差是企业在数字经济时代创新变革的信号,企业会积极开展问题搜索,反思现有创新模式的不足,在内外部资源整合的基础上通过数字化创新活动应对持续下滑的业绩困境,即业绩期望落差能够促进企业数字化创新[6-7]。也有学者援引“威胁—刚性”理论,认为对企业而言,业绩期望落差是威胁,会诱发企业刚性行为。此时,企业倾向于采用控制成本、减少数字化创新投入等刚性应对方式回避数字化创新,即业绩期望落差不利于企业数字化创新[5,8]。上述研究结论不统一说明二者间的作用机制尚未厘清,仍需进一步探讨。
本文认为,上述研究结论不一致的原因在于:一是未全面考虑业绩期望落差程度对企业数字化创新的影响,不同业绩期望落差程度下企业可能会采取不同行为;二是对影响业绩期望落差与数字化创新关系的权变因素缺乏深入探讨。基于此,本文研究思路如下:一是跳出“驱动论”与“阻抑论”的二分法观点,结合企业行为理论与“威胁—刚性”理论,借鉴生存参照点的观点,提出业绩期望落差程度会影响企业看待业绩期望落差的方式,进而影响企业数字化创新这一观点。当业绩期望落差较小时,企业会将其视为创新信号并开展问题搜索,此时企业数字化创新意愿较强;当业绩期望落差较大时,企业生存受到威胁,会采取刚性行为回避数字化创新。本文认为,“过犹不及”原则可能有助于揭示二者间的复杂关系,即随着业绩期望落差加大,企业数字化创新呈现先上升后下降趋势。二是寻找业绩期望落差与企业数字化创新间的边界条件。现有研究主要基于管理者能力、客户集中度等企业资源视角进行探讨(李唐等,2020;李姝等,2021),鲜有关注企业资源与能力的共同作用。资源基础理论认为,企业创新决策不仅与自身经营状况有关,而且会因组织资源与能力差异而有所不同(Teece等,1997)。由此,企业资源与能力构成业绩期望落差影响数字化创新的重要边界条件。具体而言,企业数字化创新离不开冗余资源与政府补助这两种关键资源支持[9],其充足与否会影响企业数字化创新。此外,权力作为企业激励CEO的方式,是企业治理能力的重要表现[10]。有研究表明,CEO权力会影响企业数字化创新等风险决策制定[11]。因此,本文提出,业绩期望落差状态下企业是否进行数字化创新,不仅需要充分考虑冗余资源与政府补助这些关键资源的影响,而且需要重视CEO权力这一企业治理能力的作用。基于上述分析,本研究融合企业行为理论与“威胁—刚性”理论,主要探讨以下两个问题:第一,业绩期望落差与企业数字化创新间是否存在非线性关系?即业绩期望落差与企业数字化创新是否存在先上升后下降的倒U型关系。第二,企业资源(冗余资源和政府补助)与企业治理能力(CEO权力)如何进一步影响上述倒U型关系?
与现有文献相比,本文可能的贡献如下:第一,探讨业绩期望落差对企业数字化创新的作用机理。本文结合企业行为理论和“威胁—刚性”理论,强调业绩期望落差与企业数字化创新间的非线性关系,可为进一步揭示二者间关系提供新思路;第二,丰富业绩期望落差与企业数字化创新关系边界条件。本文依据资源基础理论,探讨企业资源(冗余资源和政府补助)与治理能力(CEO权力)对二者间关系的影响,揭示业绩期望落差作用于企业数字化创新的边界条件,以期拓展冗余资源、政府补助和CEO权力在业绩期望落差与企业数字化创新领域的应用。
业绩期望落差是指企业实际业绩低于期望业绩,表示企业处于亏损状态[12]。业绩期望落差可为企业数字化创新提供重要参考,管理者能够根据业绩期望落差判断企业经营状况,进而调整企业数字化创新。受业绩期望落差状态影响,企业数字化创新意愿和能力会有所不同。
依据企业行为理论,当业绩期望落差较小时,管理者一般会认为企业处于亏损但不影响生存的状态。此时,企业会开展问题搜索,并愿意通过创新促使组织业绩尽快恢复到期望水平[7]。管理者逐渐认识到已有创新方式不适应数字经济发展,只有采用新的创新方式才能提升企业业绩。数字化创新被管理者视为应对业绩期望落差的有效手段,是解决业绩问题的有效途径[13]。因此,当业绩期望落差较小时,管理者利用数字化创新恢复业绩的意愿不断增强。此时,企业拥有可利用资源,能够缓解数字化创新面临的内部阻力和外部压力,通过将有限的资源用于调试组织结构与管理体系,以匹配数字化创新。此外,在前景理论指导下,管理者乐于采取创新方式规避损失(魏龙,党兴华,2022),愿意为数字化创新活动承担更高的风险。因此,当业绩期望落差较小时,管理者会认为业绩期望落差是可修复的鸿沟,随着业绩期望落差加大,管理者倾向于实施数字化创新。管理者会将注意力集中在搜寻新的数字技术上,并结合企业实际情况将数字技术用于改进业务流程、运营管理等方面,通过实施更多数字化创新行为促进业绩提升。
随着业绩期望落差持续加大,企业失败概率增加。此时,管理者会将注意力放在企业生存问题上,由此二者间关系可能发生转变。管理者会将较大的业绩期望落差视为对企业生存的威胁,为了解除威胁,更有可能将有限的资源投向短期项目,而不愿意开展高难度的数字化创新(Desai,2016)。同时,根据“威胁—刚性”理论,业绩期望落差增加促使管理者压力加大,由此降低管理者对风险偏好的感知水平[14]。此时,管理者会减少数字化创新投入。另外,过大的业绩期望落差会导致企业资源基础受损,有限的投资能力难以支持企业数字化创新。管理者若盲目开展数字化创新,不但无法改善业绩,反而会进一步降低企业资源配置效率。出于经济理性,管理者实施数字化创新的意愿减弱。据此,本文提出如下假设:
H1:业绩期望落差与企业数字化创新间存在倒U型关系。
冗余资源是指企业资源中超出实际所需资源的部分或未使用的资源[7]。企业数字化创新往往受到内部冗余资源的制约。尤其在业绩期望落差下,企业可能会因冗余资源的多寡而选择是否开展数字化创新。本文推测,冗余资源在业绩期望落差与企业数字化创新间可能发挥重要作用。
当业绩期望落差较小时,过多冗余资源可能会削弱业绩期望落差对企业数字化创新的正向影响。这一阶段,过多冗余资源可能会模糊业绩反馈信号,呈现出企业运营情况良好的假象。该假象不仅会激发企业组织惰性,降低企业风险感知能力和环境敏感性,而且会强化企业认为当前创新模式与外界环境相匹配的信念,使企业对当前创新模式产生依赖,从而淡化实施数字化创新的紧迫感。此外,当业绩期望落差较小时,企业对冗余资源的应急需求水平较低,过多冗余资源反而是负担,会增加企业管理成本(Wang等,2016)。冗余资源越多,企业越会将注意力放在冗余资源管理上,减少对数字化创新的关注,进而错失数字化创新机会。
随着业绩期望落差持续增大,较多的冗余资源可能缓解业绩期望落差对企业数字化创新的负向影响。首先,当业绩期望落差增大时,冗余资源能够弥补企业因业绩下滑带来的损失(刘力刚,姜莉莉,2022),进而缓解业绩落差对企业的冲击,为管理者实施高风险数字化创新解除后顾之忧。其次,较多的冗余资源可以提高管理者风险容忍度,增强管理者数字化创新意愿。冗余资源能够为企业数字化创新提供支持,并为数字化创新潜在不利后果提供缓冲,有助于增强管理者风险抵御能力,进而提升其风险承担水平(贺小刚等,2017)。换句话说,冗余资源可以缓解管理者对数字化创新失败的恐惧,增强管理者信心,有利于激发企业在业绩期望落差下的数字化创新。据此,本文提出如下假设:
H2:冗余资源能够弱化业绩期望落差与企业数字化创新间的倒U型关系。
除企业内部冗余资源外,外部环境中的资源可得性也是企业开展数字化创新的重要影响因素(Li等,2018)。政府补助作为企业外部资源,是指各地方政府根据当前方针政策,无偿给予当地企业创新活动所需资金,能够为处于困境中的企业开展创新提供帮助[15]。由此可见,政府补助可能会对业绩期望落差与企业数字化创新关系产生影响。
当业绩期望落差较小时,政府补助主要通过提供资金支持和传递创新扶持信号促进数字化创新。一方面,政府补助可以为企业数字化创新提供资金,缓解因业绩下滑导致的资金不足问题,进而增强企业数字化创新的积极性。政府无偿将资金投入到企业,激励企业实施数字化平台搭建、数字技术研发等创新活动,这是对企业数字化创新最直接和最有效的支持。同时,数字化创新具有高风险、复杂性等特点,相比于自有资源,企业在使用政府补助进行数字化创新时,需要承担的风险更小。企业既不会损失大量已有资源,也无需承担数字化创新失败的责任(肖书锋,王可昕,2022)。另一方面,政府补助无形中可为企业贴上“政府认证”的标签,向外部投资者传递政府支持企业数字化创新的信号,从而有效缓解企业融资约束(王刚刚等,2017)。因此,政府补助能够在一定程度上增强业绩期望落差下的企业数字化创新意愿和能力,从而强化二者间的正向关系。
然而,随着业绩期望落差持续增大,政府补助可能强化业绩期望落差对企业数字化创新的负向影响。首先,这一阶段,企业生存压力增大,为了快速提升业绩,管理者倾向于选择追随性创新方式,减少数字化创新投入,搁置数字化创新想法。特别是当企业业绩期望落差加大时,政府补助的挤出效应愈发显著。已有研究发现,业绩期望落差下企业倾向于通过粉饰业绩获取政府补助,在获得补助后不需要真正将数字技术落地即可获得利润。因此,企业倾向于骗补而不是真正实施数字化创新[8]。此外,政府补助更多的是给企业“输血”,而不能提升企业“造血”能力。企业数字化创新依赖于自身资源基础与技术,而政府补助难以持续(刘婧等,2019),一时资金富足难以长期推动业绩期望落差下的企业数字化创新。据此,本文提出如下假设:
H3: 政府补助能够强化业绩期望落差与企业数字化创新间的倒U型关系。
CEO权力是指CEO在企业治理中依据个人意愿行事的能力,是企业治理能力的具体体现[12] 。CEO作为企业核心领导者和创新决策者[11],能够通过自身权力对业绩期望落差下的企业数字化创新施加影响。
当业绩期望落差较小时, CEO权力可能会弱化业绩期望落差对企业数字化创新的正向影响。这一阶段,企业生存危机并不紧迫,高权力CEO出于利己动机,为了获取高额报酬和维护自身形象,选择通过快速提高短期业绩的方式扭转业绩下滑的局面,而不愿意进行高风险数字化创新。一方面,数字化创新作为复杂度高、投入大、见效慢的长期风险性行为,其结果具有高度不确定性[16]。作为企业数字化创新的主要推动者,CEO需要对数字化创新结果负责,若数字化创新成效不理想,董事会可能降低CEO薪酬甚至解聘CEO。因此,当业绩期望落差较小时,为了降低自身被降薪或解聘的可能性,高权力CEO倾向于通过缩减成本等方式提升业绩,而不愿意进行高风险数字化创新。另一方面,当业绩期望落差较小时,为了维护自身形象,高权力CEO更愿意维持现状,而不愿意进行数字化创新。具体而言,高权力CEO为了维护自身形象,会选择利用权力掩盖业绩期望落差带来的消极影响,创造出运营情况良好的假象。上述行为不仅会导致企业忽视业绩期望落差这一数字化创新信号,降低其风险感知能力,而且会强化企业对现有创新模式的依赖,最终导致企业不愿意开展数字化创新。
随着业绩期望落差持续增大, CEO权力可能会弱化业绩期望落差对企业数字化创新的负向影响。这一阶段,企业生存压力增大,高权力CEO需要力挽狂澜,主要通过数字化创新提升企业业绩[13]。具体而言,高权力CEO具有较强的自我强化动机,这能够激发其冒险精神和风险意识[17],促使其更愿意采取数字化创新等方式提升企业业绩。同时,高权力CEO在决策制定与实施过程中具有话语权,能够说服企业高管支持数字化创新,有助于降低数字化创新阻力。此外,当CEO权力较大时,他们会更加自信地看待由自己主导的数字化创新,坚信自身对行业趋势与技术发展的判断,更加关注数字化创新带来的收益而忽略其潜在风险,能够制定前瞻性数字化创新决策。因此,当企业面临较大的业绩期望落差时,高权力CEO更愿意转变创新治理理念和模式,并从战略层面指导企业实现创新链前后端数字化,通过加大在数字技术引进、数字创新环境优化等方面的投入促进数字化创新。据此,本文提出如下假设:
H4:CEO权力能够弱化业绩期望落差与企业数字化创新间的倒U型关系。
综上所述,本文构建研究模型如图1所示。
图1 研究模型
Fig.1 Research model
2015年经合组织发布了《数字经济展望》报告,由此中国开始制定数字发展战略,并尝试为数字化创新构建相应的制度体系(李小青等,2022)。因此,本文选取2015—2021年中国沪深A股上市公司为研究样本。此外,本文按照以下标准筛选数据:①剔除*ST、ST、PT类上市公司及金融类上市公司样本;②剔除变量数据严重缺失的公司样本。本文使用的数字化创新专利数据来自CNRDS数据库,其余变量数据均来自CSMAR数据库。
2.2.1 被解释变量:数字化创新(DI)
数字化创新专利是数字化创新成果的直接体现。借鉴李小青等(2022)的研究成果,本文将样本企业对应年份数字化创新发明专利申请数加1取自然对数,以此作为企业数字化创新的代理变量。
2.2.2 解释变量:业绩期望落差(BHP)
业绩期望落差是指企业实际业绩(P)与期望业绩(A)二者间的差距,以二者差值(P-A)衡量。借鉴已有研究成果,企业实际业绩(P)采用总资产回报率(ROA)度量,期望业绩(A)采用历史期望业绩和社会期望业绩的线性组合度量(王菁等,2014),计算公式如下:
Ai,t=βHAi,t+(1-β)SAi,t
(1)
其中,HAi,t为公司i第t年历史期望业绩,SAi,t为公司i第t年社会期望业绩。β表示权重,权重范围为[0,1]。参考李至圆等[12]的研究成果,本文将β设为0.5。历史期望业绩计算公式如下:
HAi,t=αHAi,t-1+(1-α)Pi,t-1
(2)
其中,HAi,t-1为公司i第t-1年历史期望业绩,Pi,t-1为公司i第t-1年实际业绩。α代表权重,权重范围为[0,1]。参考Chen(2008)的研究方法,本文将α设为0.4。社会期望业绩计算公式如下:
SAi,t=(Σj≠iPi,t)/(N-1)
(3)
其中,社会期望业绩采用公司i所在行业其它公司第t期ROA的均值度量。进一步,本文对计算结果进行截尾处理:当P-A<0时,取I=1;当P-A≥0时,取I=0。此时,业绩期望落差为I(P-A)。为了便于理解,本文对业绩期望落差进行取绝对值处理,绝对值越大,企业业绩期望落差越大。
2.2.3 调节变量
(1)冗余资源(Slack)。借鉴焦豪等(2022)的方法,本研究采用流动比率(流动资产/流动负债)衡量冗余资源。
(2)政府补助(Gsubsidy)。借鉴施建军和栗晓云(2021)的方法,同时考虑到企业获得的政府补助可能为0,本文采用企业当年获得政府补助金额加1取自然对数度量政府补助。
(3)CEO权力(CP)。Finkelstein(1992)指出,CEO权力包括组织权力、专家权力、所有制权力和声誉权力4个维度。借鉴权小锋和吴世农(2010)的度量方法,本研究使用8个虚拟变量度量上述4个维度,即对8个变量进行主成分分析,采用第一主成分作为CEO权力的代理指标,指标值越大,说明CEO权力越大。具体CEO权力维度指标如表1所示。
表1 CEO权力维度指标
Tab.1 Dimensional indicators of CEO power
权力维度符号指标解释组织权力DU是否兼任董事长,是取1,否取0DI是否为公司内部董事,是取1,否取0专家权力RA是否具有高级职称,是取1,否取0TE任职时间是否超过行业中位数,是取1,否取0所有制权力CH是否持有本公司股权,是取1,否取0IS机构投资持股比例是否低于行业中位数,是取1,否取0声誉权力ED是否具有高学历,硕士研究生以上学历取1,其它取0PT是否在本企业之外兼职,是取1,否取0
2.2.4 控制变量
借鉴以往研究文献[18],本文选取如下控制变量:公司年龄(Age)、资产负债率(Lev)、成长性(Grow)、所有权性质(SOE)、企业规模(Size)、股权集中度(Top1)、自由现金流(Fcash)、CEO年龄(Cage)、CEO薪酬(Comp)、两权分离率(Spr),主要变量测量方式如表2所示。
表2 变量选取与测量
Tab.2 Selection and measurement of variables
变量类型变量名称变量简称变量测量被解释变量数字化创新DI数字化创新发明专利申请数加1取自然对数解释变量业绩期望落差BHP详见前文调节变量冗余资源Slack流动资产/流动负债政府补助Gsubsidy当期政府补助总额加1取自然对数CEO权力CP上述8个度量变量的主成分合成指标控制变量公司年龄Age截至当年末公司已成立年限加1取自然对数资产负债率Lev负债总额/资产总额成长性Grow托宾Q值,即市场价值同期末总资产的比率所有权性质SOE国有企业赋值为1,否则为0企业规模Size企业总人数股权集中度Top1第一大股东持股比例自由现金流Fcash经营活动现金流量净额/资产总额CEO年龄CageCEO年龄取自然对数CEO薪酬CompCEO薪酬加1取自然对数两权分离率Spr实际控制人拥有上市公司控制权与所有权之差年份Year年份虚拟变量行业Industry行业虚拟变量
为检验业绩期望落差与企业数字化创新间的倒U型关系,本研究构建主效应模型如式(4)所示。
DIi,t+1=α+β1BHPi,t+β2BHP2i,t+δControlsi,t+γYear+θIndustry+εi,t
(4)
为检验冗余资源的调节效应,在模型(4)的基础上,构建模型如式(5)所示。
DIi,t+1=α+β1BHPi,t+β2BHP2i,t+β3BHPi,t×Slacki,t+β4BHP2i,t×Slacki,t+β5Slacki,t+β6Gsubsidyi,t+β7CPi,t+δControlsi,t+γYear+θIndustry+εi,t
(5)
为检验政府补助的调节效应,在模型(4)的基础上,构建模型如式(6)所示。
DIi,t+1=α+β1BHPi,t+β2BHP2i,t+β3BHPi,t×Gsubsidyi,t+β4BHP2i,t×Gsubsidyi,t+β5Slacki,t+β6Gsubsidyi,t+β7CPi,t+δControlsi,t+γYear+θIndustry+εi,t
(6)
为检验CEO权力的调节效应,在模型(4)的基础上,构建模型如式(7)所示。
DIi,t+1=α+β1BHPi,t+β2BHP2i,t+β3BHPi,t×CPi,t+β4BHP2i,t×CPi,t+β5Slacki,t+β6Gsubsidyi,t+β7CPi,t+δControlsi,t+γYear+θIndustry+εi,t
(7)
上述模型中,i、t分别表示企业和年份,Controls为控制变量,ε为随机误差项。本研究对数据进行以下处理:①考虑到业绩期望落差对企业数字化创新的影响具有一定的时滞性,因而本文对解释变量与控制变量进行滞后一期处理;②为了避免极端值的影响,本文对所有连续变量在1%水平上进行缩尾处理;③在检验调节效应前,对构成交互项的变量进行中心化处理;④在回归分析过程中对行业和年份进行控制。
变量描述性统计与相关性分析结果如表3所示。其中,数字化创新(DI)的均值为2.422,标准差为1.432,说明样本企业数字化创新水平参差不齐,这与现有研究结论基本相符(李小青等,2022)。业绩期望落差(BHP)的均值为0.202,标准差为0.405,表明样本企业业绩期望落差水平较低。冗余资源(Slack)的均值为2.362,标准差为1.879,说明样本企业冗余资源相差悬殊。政府补助(Gsubsidy)的均值为10.949,标准差为8.396,表明样本企业受资助程度存在差异。CEO权力(CP)的均值为-0.019,标准差为0.967,表明样本企业中CEO权力差距较大。此外,各变量间相关系数均未超过0.6,且所有变量的VIF值均远低于阈值10,说明各变量间不存在严重多重共线性问题。
表3 变量相关系数与描述性统计结果
Tab.3 Variable correlation coefficients and descriptive statistics
变量均值标准差1234567891011121314151.DI2.4221.43212.BHP0.2020.405-0.119***13.CP-0.0190.967-0.059***0.097***14.Slack2.3621.879-0.094***-0.067***0.174***15.Gsubsidy10.9498.3960.035**0.003-0.013-0.112***16.Age2.9010.2820.0220.011-0.148***-0.091***0.281***17.Lev0.410.1850.132***0.113***-0.237***-0.533***0.100***0.143***18.Top131.83914.8880.036**-0.071***-0.282***-0.057***-0.111***-0.037**0.095***19.Spr3.7336.7460.005-0.038**-0.225***-0.036**-0.0130.061***0.095***0.155***110.SOE0.2910.4540.129***-0.040**-0.538***-0.176***0.0010.233***0.277***0.241***0.013111.Size8 83222 5160.345***-0.071***-0.161***-0.198***0.033*0.047***0.257***0.194***-0.0280.182***112.Grow2.181.36-0.01-0.042**0.085***0.301***-0.253***-0.170***-0.347***-0.045**-0.013-0.165***-0.160***113.Fcash0.050.0580.090***-0.216***-0.060***0.045**0.046***0.062***-0.140***0.074***0.018-0.020.155***0.108***114.Cage3.9120.1280.029-0.030*-0.039**-0.0240.080***0.117***0.049***0.053***-0.0140.149***0.110***-0.043**0.038**115.Comp13.3311.8580.087***-0.050***0.031*0.0150.079***0.048***-0.040**-0.113***-0.004-0.077***-0.0030.051***0.076***-0.0261
注:***、**、*分别代表1%、5%、10%的显著性水平;括号中为t值;标准误差经公司层面的稳健聚类调整;下同
本文选用固定效应模型进行回归分析,回归结果见表4。由表4可知,模型1纳入所有控制变量,模型2用以检验主效应,结果表明,业绩期望落差二次项回归系数显著为负(β=-1.968,p<0.01),且曲线左侧斜率显著为正(β=0.728,p<0.05),右侧斜率显著为负(β=-0.383,p<0.05),同时曲线拐点0.185处于业绩期望落差取值范围[0,0.282]内,说明业绩期望落差与企业数字化创新间存在倒U型关系。当业绩期望落差较小时,企业会将其视为创新信号并开展问题搜索,愿意投入资源进行数字化创新;当业绩期望落差较大时,企业生存受到威胁,会采取缩减成本和创新投入等刚性行为回避数字化创新。因此,假设H1得到支持。
表4 回归分析结果
Tab.4 Regression analysis results
类别模型1模型2模型3模型4模型5模型6BHP0.7280.3160.4031.6480.773(0.44)(0.19)(0.24)(0.96)(0.43)BHP2-1.968***-1.581**-1.601**-2.791***-1.927**(-2.90)(-2.12)(-2.02)(-3.58)(-2.12)Slack0.0190.0160.0140.018(0.66)(0.60)(0.50)(0.62)Gsubsidy0.059***0.060***0.059***0.059***(5.34)(5.39)(5.27)(5.30)CP0.091*0.092*0.094*0.095*(1.80)(1.82)(1.85)(1.87)SlackBHP-1.632*-1.186(-1.75)(-1.27)Slack×BHP212.174**9.370*(2.21)(1.72)GsubsidyBHP0.436**0.435**(2.35)(2.22)Gsubsidy×BHP2-2.149**-2.493**(-2.00)(-2.00)CPBHP-2.012-1.657(-1.22)(-0.99)CP BHP216.931**14.283*(2.11)(1.68)控制变量控制控制控制控制控制控制年份/行业控制控制控制控制控制控制常数项1.0761.2060.5480.5220.6080.587(0.84)(0.94)(0.43)(0.41)(0.48)(0.46)样本量3 2063 2063 2063 2063 2063 206F11.9215.4513.6713.2513.5311.06R20.1990.2090.2290.2260.2270.231
参考Hanns等[19]的研究方法,本文从曲线拐点是左移还是右移以及曲线形态是平缓还是陡峭两个方面验证倒U型曲线的调节效应。模型3用以检验冗余资源的调节效应,在冗余资源的作用下,回归模型(5)中β1β4-β2β3=1.267>0,表明曲线拐点向右平移。同时,业绩期望落差二次项与冗余资源交互项回归系数显著为正(β=12.174,p<0.05),说明曲线形态变得较为平缓,即冗余资源弱化业绩期望落差与企业数字化创新间的倒U型关系。当业绩期望落差较小时,冗余资源通过降低企业风险感知能力、转移数字化创新注意力等方式削弱二者间的正相关关系;当业绩期望落差较大时,冗余资源通过弥补业绩损失、为数字化创新提供支持等方式弱化二者间的负相关关系。因此,假设H2得到支持。
模型4用以检验政府补助的调节效应,在政府补助的作用下,回归模型(6)中β1β4-β2β3=-0.168<0,表明曲线拐点向左平移。同时,业绩期望落差二次项与政府补助交互项的回归系数显著为负(β=-2.149,p<0.05),说明曲线形态变得陡峭,即政府补助强化业绩期望落差与企业数字化创新间的倒U型关系。当业绩期望落差较小时,政府补助主要通过提供资金支持、传递创新扶持信号促进数字化创新;当业绩期望落差较大时,政府补助的挤出效应会诱发企业骗补行为,因而不能促使企业真正开展数字化创新。因此,假设H3得到支持。
模型5用以检验CEO权力的调节效应,在CEO权力作用下,回归模型(7)中β1β4-β2β3=22.287>0,表明曲线拐点向右平移。同时,业绩期望落差二次项与CEO权力交互项的回归系数显著为正(β=16.931,p<0.05),说明曲线形态变得平缓,即CEO权力弱化业绩期望落差与企业数字化创新间的倒U型关系。当业绩期望落差较小时,高权力CEO为了获取高额报酬和维护自身形象不愿意开展高风险数字化创新,二者间的正相关关系受到抑制;当业绩期望落差较大时,高权力CEO基于自我强化动机会主动开展数字化创新活动,二者间的负相关关系得到缓解。因此,假设H4得到支持。由模型6可知,把全部变量放入同一个模型进行回归,所有假设仍得到支持,初步表明本文回归结果具有稳健性。
本文通过替换被解释变量、调节变量等方式进行稳健性检验,具体如表5所示。
表5 稳健性检验结果
Tab.5 Robustness test results
类别替换被解释变量(DI)模型1模型2替换调节变量(CP)模型3模型4BHP1.4541.6750.7280.356(0.95)(1.01)(0.44)(0.21)BHP2-1.372**-1.425*-1.968***-1.408*(-2.14)(-1.76)(-2.90)(-1.73)Slack0.0150.023(0.50)(0.81)Gsubsidy0.066***0.058***(6.47)(5.25)CP0.0710.506**(1.50)(2.34)Slack×BHP-1.227-1.117(-1.50)(-1.20)Slack× BHP27.751*9.558*(1.91)(1.82)Gsubsidy×BHP0.2450.446**(1.42)(2.39)Gsubsidy× BHP2-1.642*-2.414**(-1.76)(-2.28)CP×BHP-1.897-14.803**(-1.24)(-2.11)CP× BHP214.108*76.652***(1.87)(2.69)控制变量控制控制控制控制年份/行业控制控制控制控制常数项0.9750.2971.2060.972(0.77)(0.24)(0.94)(0.77)样本量3 2063 2063 2063 206F10.198.2715.4512.60R20.1990.2240.2090.234
(1)替换被解释变量的测量方式。本文以数字化创新发明专利授权数加1取自然对数作为数字化创新的代理变量(陈庆江等,2021)。将上述变量带入模型进行估计,结果表明,本文研究结论依然成立。
(2)替换调节变量CEO权力的测量方式。借鉴权小锋和吴世农(2010)的研究成果,本文将表示CEO权力的8个虚拟变量相加求平均值,以此作为CEO权力度量指标。将上述变量带入模型进行估计,结果显示,本文结论具有稳健性。
本文采用倾向得分匹配法(PSM)评估业绩期望落差对企业数字化创新的影响,以控制样本自选择引发的内生性问题。本文以业绩期望落差中位数为界,将样本划分为处理组(高业绩期望落差)与控制组(低业绩期望落差),并以全部控制变量作为协变量的匹配变量。在进行回归估计前,对所有协变量进行平衡性检验,最近邻匹配原则下业绩期望落差的平均处理效应(ATT)为负且在1%水平上显著。在倾向得分匹配后,将得到样本进行回归,结果与前文一致,进一步说明本文结论具有稳健性,如表6所示。
表6 倾向得分匹配回归估计结果
Tab.6 Results of PSM regression estimation
类别模型1模型2BHP0.2930.255(0.18)(0.14)BHP2-1.899***-1.786*(-2.74)(-1.94)Slack0.019(0.66)Gsubsidy0.059***(5.23)CP0.098*(1.93)Slack×BHP-1.011(-1.07)Slack× BHP29.075*(1.66)Gsubsidy×BHP0.422**(2.08)Gsubsidy× BHP2-2.455**(-1.97)CP×BHP-1.449(-0.86)CP× BHP212.365*(1.68)控制变量控制控制年份/行业控制控制常数项1.3240.662样本量3 0763 076F15.1810.82R20.2110.233ATT-0.820***
尽管上述分析发现,业绩期望落差对企业数字化创新具有非线性影响,但这一影响在不同所有权性质企业是否具有异质性特征尚不得而知。因此,有必要作进一步探讨。国有企业与非国有企业在资源基础、治理模式等方面存在差异,参照宋铁波等(2019)的做法,本文将样本划分为国有企业组与非国有企业组,回归结果见表7。由表7 可知,业绩期望落差对国有企业和非国有企业数字化创新均具有显著倒U型影响。费舍尔组合检验结果显示,相较于非国有企业,国有企业业绩期望落差对数字化创新影响的系数绝对值更大(β=-5.007,p<0.01)。原因在于,鉴于所有权性质,国有企业具备充足的资源和人才,能够快速响应国家政策号召,因而对业绩期望落差下的数字化创新更加敏感。
表7 所有权性质异质性分析结果
Tab.7 Heterogeneity analysis of the ownership
类别国有企业(DI)非国有企业(DI)BHP3.8671.102(1.04)(0.60)BHP2-5.007***-1.843**(-2.79)(-2.47)控制变量控制控制年份/行业控制控制常数项2.5020.049样本量9332 273R20.2590.193F9.5810.68
本文以2015—2021年中国沪深A股全部上市公司为研究样本,基于企业行为理论与“威胁—刚性”理论,重点探究业绩期望落差对企业数字化创新的影响。同时,基于资源基础理论,检验企业资源(冗余资源和政府补助)与企业治理能力(CEO权力)在上述影响过程中的调节作用,得出以下主要结论:
(1)业绩期望落差与企业数字化创新间存在显著倒U型关系,即随着业绩期望落差加大,企业数字化创新呈现先上升后下降趋势。此外,相较于非国有企业,业绩期望落差对国有企业数字化创新的影响更显著。
(2)就企业资源而言,冗余资源会弱化业绩期望落差与企业数字化创新间的倒U型关系,政府补助则能够强化二者间的倒U型关系。
(3)就企业治理能力而言,CEO权力会削弱业绩期望落差与企业数字化创新间的倒U型关系。
(1)企业应保持对业绩期望落差的敏感性,理性看待业绩期望落差,科学地实施数字化创新。具体来说,企业应清晰解读业绩期望落差这一反馈信号,挖掘数字化创新内在驱动力,通过主动引进数字技术、培育数字人才降低数字技术使用门槛和成本,以数字技术赋能企业创新。同时,企业应认识到数字化创新的长期性并积极采纳利益相关者对企业业绩的客观评价,缓解因业绩期望落差带来的焦虑,避免因业绩期望落差引发的刚性僵化。此外,企业应提高对数字化创新的容错率,激发员工参与热情,进而提升企业数字化创新能力。
(2)企业应合理配置冗余资源和政府补助这两种资源,实现物尽其用。就企业内部而言,在整合冗余资源的基础上,企业应加大可支配资源投入,为数字化创新提供资源保障。此外,尽管冗余资源能够为数字化创新失败提供缓冲,但也会降低管理者对外部风险的感知水平。因此,企业需要合理配置资源,避免对冗余资源过度依赖。企业应提高对政府补助的利用率,真正将政府补助用于数字化创新各阶段。同时,借助政府补助的“认证”标签,企业应主动争取外部融资,促进自身数字化创新。此外,企业应主动公开政府补助使用细则,接受外部监督,避免产生骗补行为。
(3)企业应完善内部治理体系,重视对CEO权力的监督与制衡。高权力CEO在面临业绩期望落差时,虽然有较强动力和能力实施数字化创新,但也可能为了维护自身形象和获得高额报酬而操控短期业绩,从而抑制数字化创新。因此,企业需要优化人才选拔与晋升机制,并制定相应的监督和激励制度,从而降低数字化创新阻力。此外,为了约束CEO不道德行为,企业应根据实际情况完善权力制衡机制,通过合理设置股权集中度、引进外部管理者等方式限制CEO权力,以确保数字化创新决策的科学性。
(4)一方面,政府要通过制定数字化创新激励政策促进处于业绩期望落差状态的企业实施数字化创新,主要包括向企业提供专项资金、构建数字网络等。另一方面,政府应完善监督与评估体系,抑制企业投机行为。政府应要求企业定期汇报政府补助使用情况,并对其进行评估,以此作为企业能否获得进一步补贴的标准。此外,政府可以通过制定标准化、公开化政府补助申请流程抑制企业投机行为。
本文存在以下不足:第一,业绩期望落差不仅可以通过财务类绩效指标衡量,而且可以通过非财务类指标衡量。例如,有学者提出将资源(Cameron等,1987)、产品质量(Parker等,2017)作为业绩期望落差的衡量指标。因此,未来研究可以采用非财务类指标衡量业绩期望落差,进一步剖析业绩期望落差对企业数字化创新的影响。第二,本研究仅考虑业绩期望落差影响企业数字化创新的边界条件,未来研究可以探讨影响业绩期望落差与企业数字化创新关系的中介因素,从而进一步探究二者间的作用机制。
[1] 谢卫红, 林培望, 李忠顺, 等. 数字化创新: 内涵特征、价值创造与展望[J]. 外国经济与管理, 2020, 42(9): 19-31.
[2] 王鹏飞, 刘海波, 陈鹏. 企业数字化、环境不确定性与全要素生产率[J]. 经济管理,2023,45(1):43-66.
[3] 王晓红, 李娜, 陈宇. 冗余资源调节、数字化转型与企业高质量发展[J]. 山西财经大学学报, 2022, 44(8): 72-84.
[4] 王新成, 李垣. 首席信息官、企业领导者与企业数字创新[J]. 科技进步与对策, 2022, 39(13): 83-93.
[5] 刘胜, 温锡峰, 陈秀英. 数字化转型推动衰退企业反转了吗[J]. 财经科学, 2023,67(2): 96-109.
[6] 杨金玉, 彭秋萍, 葛震霆. 数字化转型的客户传染效应——供应商创新视角[J]. 中国工业经济, 2022,39(8): 156-174.
[7] CYERT R M, MARCH J G. A behavioral theory of the firm[M]. Englewood Cliffs: Prentice-Hall, 1963.
[8] 戚聿东, 蔡呈伟. 数字化对制造业企业绩效的多重影响及其机理研究[J]. 学习与探索, 2020,42(7): 108-119.
[9] 张志元, 马永凡. 政府补助与企业数字化转型——基于信号传递的视角[J]. 经济与管理研究, 2023, 44(1): 111-128.
[10] 杜龙政. 创新董事对企业创新能力的影响研究[J]. 科研管理, 2019, 40(12): 243-252.
[11] 张翠子, 蒋峦, 凌宇鹏, 等. CEO权力对家族企业数字化转型的影响研究[J]. 管理学报,2023,20(3):339-348.
[12] 李至圆, 钟熙, 陈伟宏. 业绩期望差距、管理自主权与企业竞争战略[J]. 管理评论, 2022, 34(9): 285-296.
[13] 罗瑾琏, 李树文, 唐慧洁, 等. 数字化生产力工具的创新突破条件与迭代过程: 容智信息科技的案例研究[J/OL]. 南开管理评论,https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD64IpeF7d6iazs-GX2F-mQMJk6LPPeYirH1UWK8vCfb3RRUjzIP4M6oT&uniplatform=NZKPT.
[14] STAW B M, SANDELANDS L E, DUTTON J E. Threat rigidity effects in organizational behavior: a multilevel analysis[J]. Administrative Science Quarterly, 1981(4): 501-524.
[15] 余明桂, 回雅甫, 潘红波. 政治联系、寻租与地方政府财政补贴有效性[J]. 经济研究, 2010, 45(3): 65-77.
[16] NAMBISAN S, LYYTINEN K, MAJCHRZAK A, et al. Digital innovation management: reinventing innovation management research in a digital world[J]. MIS Quarterly, 2017, 41(1): 223-238.
[17] BLAGOEVA R R, MOM T J M, JANSEN J J P, et al. Problem-solving or Self-enhancement? a power perspective on how CEOs affect R&D search in the face of inconsistent feedback[J]. Academy of Management Journal, 2020, 63(2): 332-355.
[18] 张欣, 董竹. 数字化转型与企业技术创新——机制识别、保障条件分析与异质性检验[J]. 经济评论, 2023,44(1): 3-18.
[19] HAANS R F J, PIETERS C, HE Z L. Thinking about U: theorizing and testing u-and inverted u-shaped relationships in strategy research[J]. Strategic Management Journal, 2016, 37(7): 1177-1195.