Digital Transformation and Innovation Resilience in SRDI Enterprises:An Empirical Analysis of the Inverted N-Shaped Relationship

Wang Li1, Zhou Yanning2, Xuan Meijuan3

(1.School of Public Administration, China University of Mining and Technology, Xuzhou 221116, China; 2.School of Management, Shanghai University, Shanghai 201800, China; 3.School of Economics and Management, Nanjing University of Science and Technology, Nanjing 210094, China)

Abstract：SRDI enterprises are characterized by “small yet specialized” and “focused yet refined” qualities, which endow them with high flexibility and significant innovation potential. However, compared to large enterprises, SRDI enterprises face multiple challenges, including financing difficulties, limited appeal to innovative talent, and weaker risk resilience. These issues introduce significant uncertainty and risk to their innovation resilience. Digital transformation has the potential to ignite innovation, boost dynamism, and enhance resilience through various facilitative effects. However,the way its influence on innovation resilience is characterized by a complex, long-term, and non-linear trajectory. Thus, a thorough research on the mechanisms of digital transformation and its impact on innovation resilience is essential for both theoretical and practical aspects. This is vital for fostering the digital transformation of SRDI enterprises and ensuring their stable and sustainable innovation-driven development.

Drawing on dynamic capability theory and ambidextrous innovation theory, this study analyzes the nonlinear processes and multiple mechanisms through which digital transformation influences the innovation resilience of SRDI enterprises from both dynamic and systematic perspectives. It then empirically examines the nonlinear impact of digital transformation on the innovation resilience of SRDI enterprises employing polynomial regression analysis on panel data from China's A-share-listed SRDI SMEs and "Little Giant" enterprises between 2008 and 2022, and an inflection point analysis is conducted to delineate the distinct stages of the effects of digital transformation. Meanwhile, three mediating variables, namely inter-firm learning ability, R&D investment and financing constraints, are introduced to empirically analyze the impact of digital transformation on the multiple mechanisms of innovation resilience by using the "Jiangting two-step method". Moreover, this study further explores the heterogeneity of these effects across firm classification, firm age, and economic cycle.

This study identifies a significant "decline-rise-decline" inverted-N relationship between digital transformation and the innovation resilience of SRDI enterprises. Mediation analysis reveals that the digital transformation impacts inter-firm learning ability, R&D investment, and financing constraints of SRDI enterprises in a non-linear manner, characterized by increasing, inverted N-shaped, and inverted N-shaped patterns, respectively. Inflection point analysis further identifies two critical thresholds within the digital transformation process of SRDI enterprises, segmenting its impact on innovation resilience into three distinct stages: the "break-in period", the "expansion period", and the "pain period". The "break-in period" is relatively short. The majority of SRDI enterprises are currently in the "expansion period". Additionally, 16% of SRDI enterprises have progressed into the "pain period", a phase characterized by substantial challenges associated with advanced digital transformation efforts. Heterogeneity analysis reveals that digital transformation exerts a more pronounced impact on the innovation resilience of national-level SRDI enterprises and those in the growth stage. Furthermore, during periods of economic downturn, the positive effects of digital transformation on innovation resilience are notably stronger, whereas its influence diminishes during economic upturns.

According to the above findings, this study proposes some management recommendations.First, SRDI enterprises should proactively identify the financing constraints during the "expansion period" and the potential R&D risks in the "pain period", thereby providing appropriate policies and resources to sustain the innovation resilience of SRDI enterprises. Second, SRDI enterprises in the start-up stage should take moderate digital transformation actions, and then shift towards more proactive steps in the growth stage, which can better enhance their dynamic innovation capabilities and innovation resilience. Third, as SRDI enterprises progress into the “pain period”, the government should actively support their digital transformation processes through comprehensive policy measures, ensuring that SRDI enterprises remain pivotal drivers of innovation. With the deepening of digital transformation, future research can focus on whether the impact of digital transformation on the innovation resilience of SRDI enterprises has shifted from a three-stage pattern of "decline-rise-decline" to a more cyclical pattern of four or five stages. It is also of great research value to delve into the formation principle of the inflection points in digital transformation, revealing the complex dynamic mechanisms by which digital transformation shapes innovation resilience.

Key Words：Digital Transformation; Innovation Resilience; SRDI Enterprises; Inverted N-shaped Relationship

DOI：10.6049/kjjbydc.Q202407104

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2024)24-0012-11

收稿日期：2024-07-15

修回日期：2024-11-18

基金项目：国家社会科学基金青年项目(23CGL066);江苏省社会科学基金青年项目(23GLC028)

作者简介：王俐(1989-),女,山东枣庄人,博士,中国矿业大学公共管理学院讲师、硕士生导师,研究方向为数字经济与创新管理;周彦凝(2003-),女,浙江宁波人,上海大学管理学院硕士研究生,研究方向为创新管理与科技政策;宣美娟(2002-),女,浙江绍兴人,南京理工大学经济管理学院硕士研究生,研究方向为创新管理与科技政策。

0 引言

2018年10月,习近平总书记在广州考察时强调“创新创造创业离不开中小企业,我们要为民营企业、中小企业发展创造更好条件”。2019年4月,中共中央办公厅、国务院办公厅发布《关于促进中小企业健康发展的指导意见》,提出“引导中小企业专精特新发展”和“培育一批主营业务突出、竞争力强、成长性好的专精特新‘小巨人’企业”。中共二十大报告强调“支持专精特新企业发展”“促进数字经济和实体经济深度融合”。在经济转型与产业升级背景下,专精特新企业凭借“小而精”“专而精”的特点,展现出巨大的创新潜力。截至2024年4月,我国专精特新创新指数高达286.4,同比增长25.2%,创新活力持续释放。当前,专精特新企业已成为解决“卡脖子”问题、提升产业链安全、推进新型工业化的关键力量,可为构建新发展格局和推动新质生产力发展注入强劲动力。

相较于大型企业,专精特新企业大多处于成长期,协同创新网络联通度较低[1],在发展过程中面临融资难度大、创新型人才吸引力不足和风险抵御能力较差等问题[2]。从应然层面看,数字化转型能够发挥赋能效应,帮助企业激发创新潜力、释放创新活力,进而提高其风险抵御能力。从实然层面看,由阿里云研究院等发布的《专精特新企业数字化转型升级研究报告(2023)》显示,51.6%的受访中小企业仍处于数字化转型起步探索阶段,32.7%的企业处于数字化转型基础应用阶段,仅10.7%的企业达到数字化转型深度应用阶段。此外,数字化转型过程具有渐进特征[3],其以非线性方式打破旧秩序并重建新秩序,对企业创新韧性的影响是长期、曲折且充满不确定性的非平衡动态过程。因此,有必要深入探究专精特新企业数字化转型过程机理及其对创新韧性的影响机制。

本文以2008—2022年我国A股上市公司中的专精特新企业为样本,从动态性和系统性视角深入探究数字化转型“是否”以及“如何”影响专精特新企业创新韧性,旨在丰富数字化转型与企业创新发展理论体系,为加快专精特新企业数字化转型和提升其创新韧性提供管理启示。

1 文献综述

1.1 数字化转型与企业创新

数字时代背景下,数字化转型成为推动企业创新的重要引擎。学术界大多以全行业或制造业企业为研究对象,探究数字化转型与企业创新的关系,提出线性关系、U型关系和倒U型关系3种观点:冀云阳等[4]、段华友等[5]认为,数字化转型对企业创新具有正向线性影响,研发投入、融资约束在其中发挥中介作用;黄先海等[6]、马君和郭明杰[7]认为,数字化转型对企业创新具有“先抑后扬”的U型影响,网络溢出效应、员工数字认知等在其中发挥中介作用;唐鹂鸣[8]、罗瑾琏等[9]认为,数字化转型对企业创新具有“先扬后抑”的倒U型影响,交易成本、创新融资约束及信息不对称等在其中发挥中介作用。

专精特新企业创新研究主要关注以下内容:一是重点探讨专精特新企业创新发展扶持政策、创新路径及范式选择[10-11];二是探究专精特新企业创新质量、创新绩效及影响因素[11]。现有数字化转型与企业创新关系研究较少关注专精特新企业,仅郭彤梅等[12]基于动态能力理论,探究了专精特新企业数字化转型与创新绩效的关系。

1.2 企业创新韧性

韧性(Resilience)最早用于衡量个体或系统在遭受冲击后自我恢复与重建的能力[13],随后这一概念逐渐应用于管理学和经济学领域,引发了有关企业韧性与经济韧性的广泛讨论[3,14]。蒋峦等[3]研究表明,数字化转型是强化企业韧性的关键手段,其作用机制表现出利用式创新和探索式创新的双元特征;Oeij等[15]首次将韧性与创新相结合,提出创新韧性的概念;Lv等[16]将创新韧性定义为组织应对创新活动不确定性的能力;胡甲滨和俞立平[17]将创新韧性定义为创新在面对外部冲击时保持系统稳定、适应恢复甚至进化的能力;侯光文和刘青青[18]将创新韧性视为企业动态能力,认为其是企业在动荡环境中积累知识并将其转化为自身能力的强化机制。少量研究实证分析了数字经济相关因素对企业创新韧性的影响,如卢正文和许康[19]基于企业生命周期动态视角,提出数字化转型的持续嵌入可以通过信息不对称、企业合作文化及利益相关者共生关系影响企业创新韧性,二者呈倒U型关系。

现有相关文献归纳如下:第一,学界对数字化转型与企业创新关系研究的结论存在分歧,存在线性关系、U型关系和倒U型关系3种观点。第二,现有企业创新研究大多聚焦全行业企业或制造企业,对专精特新企业创新探讨不足。第三,既有研究主要关注企业创新质量或创新绩效,对创新韧性的研究相对不足,专精特新企业创新韧性研究尤为匮乏。因此,本文以专精特新企业为研究对象,深入探究数字化转型“是否”以及“如何”影响企业创新韧性,旨在为专精特新企业提升创新能力和创新韧性提供理论支撑。

2 理论分析与研究假设

2.1 数字化转型与专精特新企业创新韧性

企业数字化转型是企业利用数字技术实现业务改进、效率提升以及价值创造方式重塑的过程。在这一过程中,企业创新活动呈现利用式创新和探索式创新的双元特征[3]。同时,企业能够通过数字化转型感知机会与威胁,从而实现资源优化配置。由此,数字化转型对企业动态能力水平产生非线性影响,进而影响其创新韧性。

在渐进式数字化转型初期,企业面临利用式创新与探索式创新选择问题。由于战略模糊性,专精特新企业无法有效配置现有资源,其动态能力下滑,进而导致其创新韧性降低。随着数字化转型不断推进,专精特新企业通过利用式创新感知和捕捉现有资源的能力增强。在深度适应性学习过程中,专精特新企业不断积累创新经验与知识,增强自身风险感知能力和机会发掘能力,进而增强创新韧性。

当数字化转型进入深度变革期,探索式创新逐步占据企业创新主体地位,带来组织结构、业务模式和商业逻辑颠覆式变革。一方面,这种颠覆式变革会促使专精特新企业脱离既定技术轨道,面临更高的不确定性风险;另一方面,因规模较小、经营周期较短、业绩波动较大,专精特新企业在企业声誉、工资福利及发展前景等方面对创新型人才吸引力不足。此外,大部分专精特新企业正处于初创期或成长期,因而在产业链中尚未形成协同创新局面[1]。因此,在深度数字化转型引发颠覆式变革阶段,专精特新企业无法集聚充足的创新资源,其捕捉能力、动态能力下降,进而影响其适应、调整及恢复能力。综上所述,本文提出以下假设:

H1:数字化转型对专精特新企业创新韧性具有显著影响,两者具有“下降—上升—下降”的非线性关系。

2.2 企业间学习能力的中介效应

借助企业间学习能力,企业能够在不断变化的市场中及时感知机会,进而应对外部冲击、增强风险抵御能力并迅速恢复[20]。数字化转型能够为提升企业间学习能力提供重要契机:第一,在实施数字化转型战略后,企业利用数字技术有效拓展知识获取、流动和共享深度与广度,增强自身动态学习能力。第二,数字化转型能够突破企业间学习壁垒,拓宽专精特新企业知识获取路径。通过整合内外信息和知识,专精特新企业能够强化自身对机会与威胁的感知能力。三是,在知识整合过程中,数字化转型有助于专精特新企业开展探索式创新,进一步激发其知识创造能力。简言之,在数字化转型过程中,专精特新企业可以培育、增强企业间学习能力,提升自身面对冲击时的调适与恢复能力,进而增强企业创新韧性。因此,本文提出以下假设:

H2:数字化转型通过提升企业间学习能力增强专精特新企业创新韧性。

2.3 研发投入的中介效应

根据动态能力理论,在识别资源和机会后,企业需要在研发、中试及商业化等关键创新环节制定投资决策,以提升自身创新能力[21]。数字化转型对研发投入跳跃的促进作用不会立竿见影[22],而是在“磨合期”后才能显现。一方面,低水平数字化转型可能破坏专精特新企业要素间的关联性,进而对研发投入跳跃产生负向影响;另一方面,在数字化转型起步阶段,企业通常难以确定未来创新活动是以探索式创新还是利用式创新为主,战略模糊性会对研发投入产生负向影响。数字化转型初期对研发投入的消极影响可能导致专精特新企业研发计划受阻,进而削弱企业在创新活动中应对外部冲击的能力,导致其创新韧性下降。

随着数字化转型进程不断推进,探索式创新逐渐成为企业创新发展动力,专精特新企业创新进入“拓展期”。一方面,数字化转型有助于企业提升专业化分工水平和资源配置效率,进而提升利用式创新效率,促进企业研发投入;另一方面,数字化转型能够降低企业创新风险,有助于企业与外部创新主体形成创新合力,聚焦探索式创新,加大对关键创新资源的持续投入、调配与吸收力度[20],从而增强企业创新韧性。

目前,企业开始尝试利用大数据、云计算和人工智能等新兴数字技术加快探索式创新进程。需要指出的是,相较于利用式创新,探索式创新对企业创新投入具有更高要求。在资源约束情景下,专精特新企业数字化投入与研发投入存在此消彼长的“水床效应”。数字化投入增加势必对研发投入产生挤出效应[22],导致“过度数字化”问题[8],进而对专精特新企业创新韧性产生消极影响。因此,本文提出以下假设:

H3:数字化转型与专精特新企业研发投入存在“下降—上升—下降”的非线性关系,其能够通过研发投入对专精特新企业创新韧性产生显著影响。

2.4 融资约束的中介效应

为应对复杂多变的外部环境,企业需要提升自身动态能力,高效配置资源,进而最大限度地缓解融资约束,为创新发展提供资金保障。在数字化转型初期,企业通过构建信息管理系统、数据处理系统(如ERP、CRM、BI)提升自身信息获取能力与信息披露水平,从而实现内部信息治理优化。数字化转型有助于企业提升信息透明度,突破自身与投资机构间的信息壁垒,一定程度上缓解传统“委托—代理”问题[23]。较高的信息透明度有助于专精特新企业加大内外监督力度,提升信息披露质量,缓解融资约束并增强自身风险抵抗能力,进而对企业创新韧性产生积极影响。

随着数字化转型不断推进,企业信息搜集与获取能力显著提升。与此同时,专精特新企业面临数字技术人才短缺、数据整合与标准化困难,以及组织与流程适应性不足等问题。企业信息处理能力与获取能力之间存在“数字能力鸿沟”,由此产生新的信息不对称问题。由于外部投资者难以及时响应企业投资需求,进而导致融资约束加剧,企业应对外部冲击的能力下降。此阶段,数字化转型通过融资约束削弱专精特新企业创新韧性。

在数字化转型达到一定程度后,依托大数据技术和智能算法,企业能够提升信息处理、输出结构化、标准化信息能力,推动自身与资金供给方之间信息网络持续深化及信息高效传递,打破“数据孤岛”,从而缓解融资约束。此外,数字化转型有助于专精特新企业提升资源配置效率,增强自身盈利能力,进而获得良好的声誉。作为积极信号,声誉能够帮助企业获得资金供给方的认可与支持,进而缓解融资约束。较小的融资约束意味着企业能够获得充分的投资支持,提高自身应对外部冲击的能力,进而增强企业创新韧性。因此,本文提出以下假设:

H4:数字化转型与专精特新企业融资约束存在“下降—上升—下降”的非线性关系,其通过融资约束对专精特新企业创新韧性产生显著影响。

综上所述,本文构建数字化转型对专精特新企业创新韧性的作用机制框架,如图1所示。

3 研究设计

3.1 样本数据

本文选取2008—2022年我国A股上市公司中的专精特新企业为研究样本,涵盖专精特新中小企业和专精特新“小巨人”企业。在获取CSMAR数据库中上市公司相关数据的基础上,依据工业和信息化部公布的五批次国家级、省级专精特新中小企业和专精特新“小巨人”企业名单,匹配得到A股上市公司中的专精特新企业,以此作为有效样本。在此基础上,本文对样本数据进行如下处理:①剔除金融、保险业行业样本;②剔除ST、*ST、PT等特殊处理样本和资不抵债样本;③剔除关键变量缺失的样本。为减少极端异常值对实证结果的影响,本文对所有连续变量在1%和99%水平上进行Winsorize缩尾处理,最终得到8 397个样本观测值。其中,数字化转型数据来源于A股上市公司年报,专精特新企业创新韧性相关数据和其它控制变量数据来源于CSMAR数据库、各省统计年鉴以及中国统计年鉴,个别缺失数据采用插值法补齐。

3.2 变量定义与测度

3.2.1 企业创新韧性

现有创新韧性测度方法分为综合指标法和敏感性指标法。综合指标法是从不同维度构建韧性发展水平评价指标体系,测算结果可能因指标、权重或方法选择不同而存在差异。敏感性指标法是选择一个或数个对外界冲击敏感的关键变量,通过计算关键变量相对变化测度韧性水平。借鉴Martin[24]、陈安平等[25]的研究成果,本文以专利申请量为关键变量,通过敏感性指标法计算专精特新企业创新韧性。无论正负,该值越大,创新韧性水平越高,具体公式如下:

EIRi,t=△Pi,t-△Pc,t

(1)

△Pi,t=lnPi,t-lnPi,t-1

(2)

△Pc,t=lnPc,t-lnPc,t-1

(3)

其中,EIRi,t表示企业i第t年创新韧性水平;Pi,t、Pi,t-1分别表示企业i第t年和第t-1年专利申请量;Pc,t、Pc,t-1分别表示企业所在城市第t年和第t-1年专利申请量;△Pi,t为企业i专利申请量变化;△Pc,t是企业所在城市c的专利申请量变化。

3.2.2 数字化转型

参考吴非等[26]的研究成果,本文从人工智能技术、大数据技术、云计算技术、区块链技术和数字技术5个维度统计76个数字化相关词频在企业年度报表中的披露次数,取其自然对数测度企业数字化水平(DT)。该数值越大,表示专精特新企业数字化转型程度越高。

3.2.3 中介变量

(1)企业间学习能力(LnCit)。借鉴李云鹤和吴文锋[27]的研究成果,本文使用企业引用其它公司专利数量,取其加1后的自然对数,以此作为企业间学习能力测度指标。

(2)研发投入(RD)。借鉴冀云阳等[4]的做法,本文采用研发人员在企业总人数中所占比例衡量企业研发投入。

(3)融资约束(FC)。企业融资约束测度方法主要分为单一指标和综合指标法。相较而言,KZ指数、WW指数和SA指数等综合指标法更为全面且精确。其中,SA指数是根据企业规模和企业年龄计算得出,不存在内生性问题,能够确保实证结果的稳健性。借鉴姜付秀等[28]的方法,本文采用SA指数模型度量融资约束,计算方法如下:

SA=0.043×SI2-0.737×SI-0.04×FI

(4)

其中,SI是企业规模,FI是企业年龄。

3.2.4 控制变量

借鉴卢正文和许康[19]的研究成果,本文从企业组织属性、财务指标和治理特征等方面选择控制变量,包括企业规模(SI)、企业年龄(FI)、产权性质(SOE)、净资产收益率(ROE)、现金流比率(CF)、总资产周转率(ATO)、两职合一(DU)和股权集中度(Top1),如表1所示。

3.3 模型设定

为实证检验数字化转型对专精特新企业创新韧性的影响,本文构建基准回归模型如式(5)所示。

(5)

其中,α0表示常数项;α1～α4表示系数;Controli,t表示控制变量组合;μi、ωi分别是企业固定效应和时间固定效应;εi,t表示随机干扰项。

本文将企业间学习能力、研发投入和融资约束作为中介变量,采用两步法进行中介效应机制检验,构建机制检验模型如式(6)—(8)所示。

(6)

(7)

(8)

其中,LnCiti,t代表企业间学习能力,数值越大,企业间学习能力越强;RDi,t代表研发投入,数值越大,研发投入越大;FCi,t代表融资约束,数值越大,融资约束越严重;其余变量定义与基准回归模型一致。

4 实证分析

4.1 描述性统计

本文样本整体描述性统计结果如表2所示。由表2可知,专精特新企业创新韧性均值为55.294,最大值为1 960.405,标准差为322.158。可见,我国专精特新企业创新韧性平均水平较高,但企业间具有较大差异,存在发展不均衡现象。

4.2 基准回归分析

基准模型(3)检验数字化转型对专精特新企业创新韧性的影响,回归结果如表3所示。列(1)(2)采用随机效应,列(3)—(5)采用时间和企业双向固定效应。结果显示,无论是固定效应还是随机效应模型,无论是否纳入控制变量,数字化转型DT、DT2和DT3的系数分别在1%水平上显著为负、正、负。由列(5)可知,四次项DT4的系数不显著,说明数字化转型对企业创新韧性具有“下降—上升—下降”的倒N型影响,假设H1得证。

由表3可知,股权集中度(Top1)对专精特新企业创新韧性的影响显著为正,而两职合一(DU)对专精特新企业创新韧性影响显著为负。这表明主要股东的有效监管能够抑制委托代理问题,提升企业决策效率和创新韧性。同时,虽然董事长兼任总经理能够降低管理层沟通成本,但权力过于集中可能会影响创新决策科学性,从而对创新韧性产生负向影响。此外,企业规模(SI)、企业年龄(FI)和产权性质(SOE)对专精特新企业创新韧性的影响显著为正,原因如下:大型企业通常具有较强的市场竞争力和风险承受能力,成立时间较久的企业具有丰富经验,能够识别和抓住创新机会,而国有企业能够获得更多政府支持,上述因素能够有效增强企业创新韧性。总资产周转率(ATO)对专精特新企业创新韧性的影响显著为正,原因如下:较高的总资产周转率表明企业能够高效利用资源,快速响应市场变化,进而开展创新活动并提高创新韧性,这与实际情况相符。

4.3 中间机制验证

模型(4)检验数字化转型中相关变量对企业创新韧性的中介效应,回归结果如表4所示。列(1)(2)、列(3)(4)、列(5)(6)分别对应企业间学习能力、研发投入和融资约束的中介效应检验结果;列(1)(3)(5)采用随机效应,列(2)(4)(6)采用时间和企业双向固定效应。

4.3.1 企业间学习能力的中介效应检验

表4列(1)(2)显示,数字化转型水平(DT)及其平方项(DT2)、立方项(DT3)的回归系数分别显著为正、负、正。计算拐点发现,以企业间学习能力为中介机制的三次项方程在求导后恒大于0,无实数解,说明该三次项方程图像呈现非线性增速的增长态势。随着数字化水平提高,企业间学习能力以非线性速度不断提升,存在“数字化转型→企业间学习能力→专精特新企业创新韧性”的传导机制。因此,假设H2得证。

4.3.2 研发投入的中介效应检验

表4列(3)(4)显示,数字化转型水平(DT)及其平方项(DT2)和立方项(DT3)的回归系数分别显著为负、正、负。由此表明,随着数字化水平提升,研发投入呈现“下降-上升-下降”的倒N型变化趋势。由此表明,数字化转型对专精特新企业研发投入跳跃的促进作用需要经过“磨合期”,在进入“拓展期”后才能显现。随着企业数字化转型进入“深水区”,可能出现过度数字化现象,对研发投入产生挤出效应,导致研发投入减少,进而削弱企业创新韧性。这一动态变化过程揭示了“数字化转型→研发投入→专精特新企业创新韧性”的传导机制,由此验证了假设H3。

4.3.3 融资约束的中介效应检验

表4列(5)(6)显示,数字化转型水平(DT)及其平方项(DT2)、立方项(DT3)的回归系数均显著为负、正、负。由此表明,随着数字化水平提升,融资约束呈现“下降—上升—下降”的倒N型变化趋势。融资约束与专精特新企业创新韧性存在显著负相关关系,即融资约束越小,企业创新韧性越强。因此,在数字化转型对专精特新企业创新韧性影响过程中,存在“数字化转型→融资约束→专精特新企业创新韧性”的传导机制,由此验证了假设H4。

4.4 拐点研究

本文根据基准回归和各机制检验回归的三次项方程,绘制数字化转型与专精特新企业创新韧性、企业间学习能力、研发投入、融资约束关系曲线图,如图2～5所示。描述性统计结果显示,专精特新企业数字化转型水平取值范围为0～4.89,平均值为1.613,四分位数分别为0(0.25分位)、1.386(中位数)、2.750(0.75分位)和3.688(0.9分位)。

由数字化转型与创新韧性关系曲线可知,在样本区间,数字化转型对专精特新企业创新韧性的影响存在0.86、3.05两个拐点,由此将专精特新企业数字化转型过程划分为“磨合期”“拓展期”和“阵痛期”。上述3个阶段是多种机制效应复合叠加的结果,企业间学习能力、研发投入和融资约束在其中发挥中介作用。此外,3种中介机制关系曲线和拐点具有一定差异。从数字化转型程度和拐点看,专精特新企业实施数字化转型“磨合期”较为短暂(DT<0.86),大多数专精特新企业处于数字化转型“拓展期”(DT介于0.86～3.05),且16%的专精特新企业(DT的0.84分位数值为3.05)率先步入深度数字化转型“阵痛期”(DT>3.05)。由此,本文揭示了在数字化转型过程中专精特新企业阶段性特征,有助于专精特新企业在不同转型阶段制定更具针对性的战略。

在数字化转型“阵痛期”,专精特新企业创新韧性再次下降的原因如下:第一,随着数字化转型进程推进,探索式创新的重要性提升。由于资源约束,过度数字化投入会对专精特新企业研发投入产生挤出效应,进而对企业创新韧性产生负向影响。第二,卢正文和许康[19]指出,数字化转型对企业组织结构、管理体系以及资源配置能力提出更高要求。若在数字化转型过程中企业能力未得到同步提升,则可能陷入“数字陷阱”,进而对创新韧性产生负向影响。第三,根据熊彼特的创造性破坏理论,技术创新是一个不断破坏与重组的动态过程。数字化转型本质是一种创造性破坏,能够助推企业实施创新战略变革。在经历数字化转型“磨合期—拓展期—阵痛期”后,专精特新企业可能再次进入创新韧性提升的全新发展阶段。因此,数字化转型对创新韧性的影响呈现周期性波动和螺旋式上升的演化路径。

4.5 异质性分析

本文从企业等级(国家级与省级)、企业年龄(3年以下与3年及以上)以及经济周期(顺经济周期与逆经济周期)3个角度揭示数字化转型在不同情境下对专精特新企业创新韧性的影响差异。企业等级能够影响政策支持和市场认可度,企业年龄决定其经验积累及抗风险能力,而经济周期能够影响市场环境和企业运营状况,上述维度的异质性分析结果如表5所示。

4.5.1 专精特新企业等级异质性检验

表5列(1)(2)显示,数字化转型对国家级专精特新企业创新韧性具体显著倒N型影响,体现在“下降—上升—下降”阶段。从培育机制看,获得国家级专精特新资质的企业通常已通过省级专精特新资质认证。相较于省级专精特新企业,国家级专精特新企业在数字化转型过程中享有更多政策支持和资源倾斜,能够向市场传递更多高价值信息,从而促进自身创新韧性提升。国家级专精特新企业数字化转型的复杂度较高,这意味着转型过程中流程优化与资源再分配可能引发内部摩擦,进而弱化企业对创新挑战的适应能力,尤其在数字化转型“磨合期”和“阵痛期”,创新韧性衰退更为显著。因此,数字化转型对国家级专精特新企业创新韧性的影响具有较强的波动性和复杂性,呈现显著非线性特征。

4.5.2 企业年龄异质性检验

表5列(3)(4)显示,数字化转型对成立3年及以上的专精特新企业创新韧性具有显著倒N型影响,原因在于:相较于初创期企业,成立3年及以上的专精特新企业具备更强的资金基础、创新实力以及丰富的管理经验,能够在数字化转型初期迅速提升自身创新韧性。在数字化转型过程中,非初创期企业也面临整合技术、优化管理流程和培训员工等问题,导致其创新韧性在“磨合期”和“阵痛期”下降更为显著。相较而言,在数字化转型过程中,成立3年以下专精特新企业创新韧性“下降—上升—下降”的变化幅度不大。

4.5.3 经济周期异质性检验

本文将2008年(全球金融危机)、2015年(股灾)以及2020—2022年(公共卫生事件、房地产市场危机及全球供应链中断等)划分为逆经济周期,将其余年份设为顺经济周期,进一步探讨在宏观经济变化情景下,数字化转型对专精特新企业创新韧性的影响,结果如表5列(5)(6)所示。结果显示,数字化转型在顺经济周期对专精特新企业创新韧性的影响不显著,但在逆经济周期的影响显著。上述差异主要源于逆经济周期阶段,专精特新企业面临严峻的资源短缺和市场需求下降等问题,导致数字化转型过程变得更加复杂。然而,在提升企业创新的适应性、灵活性及抗压性方面,数字化转型能够发挥积极作用。因此,在逆经济周期,数字化转型对专精特新企业创新韧性的影响更加显著。

4.6 稳健性检验

为确保结论的可靠性,本文进行以下稳健性检验:

(1)核心解释变量重新测算。借鉴赵宸宇等[29]的做法,本文从数字技术应用、互联网商业模式、智能制造和现代信息系统4个维度统计99个数字化相关词频,以重新测算企业数字化转型水平。

(2)内生性检验。为避免内生性问题,本文使用滞后变量法和工具变量法进行检验,具体选取企业“年份—行业—地区”的数字化转型均值作为工具变量,同时采用均值的平方项和立方项作为附加工具变量。

表6列(1)(2)为替换核心解释变量的稳健性检验结果,列(3)(4)为使用数字化转型滞后一阶变量的稳健性检验结果,列(5)为基于工具变量法的稳健性检验结果。其中,列(1)(3)为随机效应模型,其它为固定效应模型。上述检验结果与前文一致,进一步验证了研究结果的稳健性。

5 结语

5.1 研究结论

(1)数字化转型与专精特新企业创新韧性并非简单线性相关关系,而是呈现“下降—上升—下降”的倒N型关系。

(2)拐点分析结果显示,在这一倒N型关系中存在DT=0.86和DT=3.05两个拐点,它们将专精特新企业数字化转型划分为“磨合期”“拓展期”和“阵痛期”3个阶段。

(3)中介检验结果发现,数字化转型通过企业间学习能力(非线性递增)、研发投入(倒N型)和融资约束(倒N型)等路径影响专精特新企业创新韧性。

(4)从异质性检验结果看,数字化转型对创新韧性具有异质性影响。相较于省级专精特新企业,数字化转型对国家级专精特新企业创新韧性的影响更为显著;相较于初创期(企业年龄小于3年)专精特新企业,数字化转型对成长期(企业年龄大于或等于3年)专精特新企业创新韧性的影响更为显著;数字化转型对专精特新企业创新韧性的影响在逆经济周期显著,而在顺经济周期不显著,说明经济下行时专精特新企业更加需要依靠数字化转型提升创新韧性。

5.2 管理启示

(1)对于专精特新企业而言,数字化转型不是万能的,但却是必需的。一方面,数字化转型是非线性复杂过程,可划分为“磨合期”“拓展期”和“阵痛期”。在数字化转型过程中,企业需要警惕数字化转型“阵痛期”对企业创新韧性的消极影响,并借助政策和资源支持实施探索式创新。另一方面,在逆经济周期,数字化转型对专精特新企业创新韧性发挥“雪中送炭”效应,有助于企业通过探索式创新实现长期发展目标。

(2)专精特新企业管理者需要结合企业特征及发展阶段,合理把握数字化转型节奏。一方面,对于处于初创期(企业年龄<3年)的专精特新企业而言,不必急于开展数字化转型。在进入成长期(企业年龄≥3年)后,数字化转型能够有效赋能企业动态能力,进而提升企业创新韧性。另一方面,专精特新企业应重点关注数字化转型“拓展期”可能带来的融资约束,以及“阵痛期”可能面临的研发投入风险,保持合理的创新韧性水平。

(3)政府可以通过相关举措支持专精特新企业数字化转型,引导专精特新企业发挥创新主体的关键作用。目前,大多数专精特新企业处于数字化转型“拓展期”,部分企业甚至步入数字化转型“阵痛期”,正面临人才、资金和数据要素等方面的挑战。为应对上述挑战,政府可以大力推进产学研合作,促进政、企、金融多方协作,推动产业链上下游协同联动,为专精特新企业提供高质量、低成本的创新资源,进而提升其资源感知、捕捉和配置能力,以及创新韧性水平。

5.3 研究展望

本文存在以下不足:一方面,根据熊彼特的创造性破坏理论,技术创新是一个不断突破、重组并循环往复的过程。随着数字化转型进程推进,数字化转型水平阈值不断提升,未来可进一步探讨数字化转型对专精特新创新韧性的影响是否从“下降—上升—下降”的三阶段,演变为螺旋往复的四阶段甚至五阶段。另一方面,未来可以深入分析数字化转型过程中各机制的拐点差异及背后成因,从而进一步揭示数字化转型对创新韧性的影响路径。

参考文献：

[1] 王彦林,王莉.新发展格局下“专精特新”企业创新能力提升的困境与出路[J].当代经济管理,2023,45(9):21-27.

[2] 高智林,谭文浩,毛凌翔.组织韧性与专精特新中小企业创新质量[J].科技进步与对策,2024,41(10):99-109.

[3] 蒋峦,凌宇鹏,张吉昌,等.数字化转型如何影响企业韧性——基于双元创新视角[J].技术经济,2022,41(1):1-11.

[4] 冀云阳,周鑫,张谦.数字化转型与企业创新——基于研发投入和研发效率视角的分析[J].金融研究,2023,66(4):111-129.

[5] 段华友,杨兴柳,董峰.数字化转型、融资约束与企业创新[J].统计与决策,2023,39(5):164-168.

[6] 黄先海,王芳,杨高举.企业数字化转型与创新:基于网络溢出的视角[J].经济理论与经济管理,2023,43(11):56-69.

[7] 马君,郭明杰.企业数字化转型,员工数字认知与创新绩效:技术为刀,我为鱼肉[J].科技进步与对策,2023,40(22):22-32.

[8] 唐鹂鸣.数字化转型与企业技术创新:倒U型关系形成机理及其检验[J].现代经济探讨,2022,41(12):91-102.

[9] 罗瑾琏,王象路,耿新.数字化转型对企业创新产出的非线性影响研究[J].科研管理,2023,44(8):1-10.

[10] 夏清华,朱清.“专精特新”企业突破式创新的组态分析与范式选择[J].外国经济与管理,2023,45(10):20-34.

[11] 曹虹剑,张帅,欧阳峣,等.创新政策与“专精特新”中小企业创新质量[J].中国工业经济,2022,40(11):135-154.

[12] 郭彤梅,李倩云,张玥,等.专精特新企业数字化转型与创新绩效的关系研究[J].技术经济,2023,42(5):68-78.

[13] HOLLING C S. Resilience and stability of ecological systems[J].Annual Review of Ecology &Systematics,1973,4(1):1-23.

[14] 武翠,谭清美.产业相关多样性对区域经济韧性的影响——来自创新生态系统共生性的解释[J].科技进步与对策,2023,40(6):69-79.

[15] OEIJ R P, DHONDT S,GASPERSZ J. Mindful infrastructure as an enabler of innovation resilience behaviour in innovation teams[J].Team Performance Management,2016,22(7/8):334-353.

[16] LV W D, TIAN D, WEI Y, et al. Innovation resilience: a new approach for managing uncertainties concerned with sustainable innovation[J].Sustainability,2018,10(10):3641-3641.

[17] 胡甲滨,俞立平.创新韧性对高技术产业创新的影响机制与特征研究[J].科技进步与对策,2022,39(2): 49-59.

[18] 侯光文,刘青青.数字化情境下如何激活企业创新韧性——稳定性与灵活性二元视角[J].科技进步与对策,2024,41(17):97-105.

[19] 卢正文,许康.数字化转型对企业创新韧性的双重效应研究[J].管理学报,2024,21(7):1046-1055.

[20] WARNER K S R, WAEGER M.Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal[J].Long Range Planning,2019,52(3):326-349.

[21] 吴航.动态能力的维度划分及对创新绩效的影响——对Teece经典定义的思考[J].管理评论,2016,28(3): 76-83.

[22] 王昱,全捷,李良玉,等.制造企业数字化转型能否助推研发投入跳跃——基于非参数分位数面板的实证研究[J].科技进步与对策,2024,41(8):33-43.

[23] 祁怀锦,曹修琴,刘艳霞. 数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J].改革,2020,33(4): 50-64.

[24] MARTIN R.Regional economic resilience, hysteresis and recessionary shocks[J].Journal of Economic Geography, 2012,12(1):1-32.

[25] 陈安平.集聚与中国城市经济韧性[J].世界经济,2022,45(1):158-181.

[26] 吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(7):130-144,10.

[27] 李云鹤,吴文锋.数字化转型能否助力我国制造业企业创新提质增效[J].社会科学,2023,45(9):107-122.

[28] 姜付秀,石贝贝,马云飙.信息发布者的财务经历与企业融资约束[J].经济研究,2016,51(6):83-97.

[29] 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(7):114-129.

(责任编辑：张 悦)