Do Innovation Narrative-Action Gaps Undermine Supply Chain Resilience? An Empirical Study from the Perspective of Transaction Cost

Chen Baitong, Xiao Xiang, Ge Xinyi, Liu Shuolai

(School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China)

Abstract：Against the backdrop of China′s shift toward high-quality development and increasing emphasis on supply chain security, understanding how firms′ information disclosure behaviors influence supply chain resilience has become a critical research issue. While prior literature has primarily focused on technological, financial, or structural determinants of supply chain resilience, less attention has been paid to how distorted innovation disclosures-particularly the misalignment between innovation narratives and actual innovation effort-affect firms′ ability to withstand and recover from disruptions. This study introduces the concept of innovation narrative-action gap into the supply chain resilience literature and examines its impact, mechanisms, and heterogeneity using data from Chinese A-share listed firms from 2012 to 2023.

Drawing on transaction cost theory, the study posits that innovation narrative-action gaps characterize a form of information distortion that undermines inter-firm trust and increases coordination frictions within supply chain networks. When firms exaggerate innovation progress or capabilities in their public disclosures, upstream and downstream partners may form misaligned expectations about the firm′s production capacity, technological reliability, or fulfillment capability. Once these expectations fail to materialize, the resulting trust erosion triggers additional monitoring, renegotiation, and contractual safeguards-raising supply-demand coordination costs and reducing collaborative flexibility. Internally, such misaligned narratives may also distort goal alignment, increase administrative burdens, and generate resource misallocation, thereby weakening firms′ operational agility under disruption. On this basis, the study develops three hypotheses predicting a negative effect of innovation narrative-action gaps on supply chain resilience and two mediating pathways through supply-demand coordination costs and internal coordination costs. To empirically test these predictions, the study constructs a firm-level measure of innovation narrative-action gap using standardized residuals from regressing textual innovation disclosure intensity on future patenting outcomes. Supply chain resilience is measured through an entropy-based composite index that integrates supply chain resistance and recovery capability.

The results reveal that innovation narrative-action gaps significantly undermine firms′ supply chain resilience, and this effect remains robust to alternative variable measurements and a battery of robustness checks, including entropy balancing and instrumental variable approaches. Mechanism analyses indicate that supply-demand coordination costs and internal coordination costs serve as significant mediating channels through which innovation narrative-action gaps impair supply chain resilience. Specifically, firms with larger gaps face greater supply-demand coordination costs as well as higher internal coordination costs due to increased managerial friction and organizational misalignment.

Further heterogeneity analyses show that this negative effect is significantly more pronounced among high-tech firms, and among firms with higher customer concentration and supplier concentration. These findings highlight that innovation narrative-action gaps not only impair internal operational functioning but also propagate across organizational boundaries, weakening the overall resilience of supply chain ecosystems.

The study offers several implications. Firms should enhance the accuracy and verifiability of innovation disclosures and avoid excessive narrative embellishment that may jeopardize long-term collaborative relationships. Policymakers may consider strengthening guidelines and consistency checks for non-financial innovation disclosure to reduce information asymmetry risks. Supply chain partners should incorporate disclosure-execution consistency into their risk assessment frameworks to better anticipate coordination frictions. Overall, this research expands the understanding of how micro-level information distortion behaviors influence supply chain resilience and provides actionable insights for improving both innovation governance and supply chain risk management.

Key Words：Innovation Narrative-action Gaps; Supply Chain Resilience; Supply-Demand Coordination Cost; Internal Coordination Cost

收稿日期：2025-07-11

修回日期：2025-11-26

基金项目：中央高校基本科研业务经费专项资金资助项目(2024YJS129)

作者简介：陈柏彤(1998—),女,黑龙江牡丹江人,北京交通大学经济管理学院博士研究生,研究方向为企业创新与公司治理;肖翔(1970—),女,湖南涟源人,博士,北京交通大学经济管理学院教授,研究方向为企业创新与公司治理;戈心怡(2001—),女,安徽马鞍山人,北京交通大学经济管理学院博士研究生,研究方向为供应链与公司治理;刘硕来(1997—),男,北京人,北京交通大学经济管理学院博士研究生,研究方向为供应链与公司治理。

通讯作者：肖翔。

DOI：10.6049/kjjbydc.D92025070222

开放科学(资源服务)标识码(OSID)：

中图分类号：F224;F272

文献标识码：A

文章编号：1001-7348(2026)14-0049-11

0 引言

党的二十届四中全会强调,“提升产业链自主可控水平,强化产业基础再造和重大技术装备攻关”。提升产业链供应链韧性与安全水平在国家发展战略中的重要性日益凸显。作为供应链运行机制中的关键一环,企业的信号传递行为及其背后的信息真实度,正逐渐成为影响供应链运行质量和协同效率的重要因素。

面对政策导向与市场预期的双重压力,企业日益将创新能力塑造成战略性标签,并倾向于在财报、战略规划与社会责任报告中进行“创新叙事”。然而,与技术投入的高度不确定性与产出滞后性相伴而生的,是部分企业管理者为吸引资本与政策资源而采取“话术先行、行动滞后”的策略性表达倾向。这一现象被称为创新“多言寡行”[1],其本质是一种主观披露高估、客观行为缺位的信息扭曲行为,不仅削弱了外部主体的判断能力,也潜藏着对企业长期治理与供应链协同的深层次影响。

当前关于供应链韧性的研究主要聚焦于硬性能力的构建,例如企业的数字化程度、供应链金融等因素[2-4],强调通过资源配置优化与技术升级增强企业的抗冲击能力与恢复能力。然而,作为一种由多主体协同支撑的复杂网络系统,供应链的稳定性与恢复能力不仅依赖于资源禀赋的强化,更高度依赖节点企业之间的信任基础与信息一致性[5]。在这一背景下,企业在外部不确定性环境中所传递的创新信息是否真实、可信,则成为被忽视却极具影响力的关键因素。作为连接企业与其供应链伙伴之间认知与预期的信号机制,创新信息披露质量不仅关系到外部协同意愿,也可能嵌入性地影响企业面对扰动时的协调效率与组织弹性,进而影响供应链的整体韧性表现。因此,创新“多言寡行”行为可能成为一种被低估的系统性供应链风险来源。尽管近年来已有学者聚焦于“多言寡行”现象在环境责任[6-7]、数字化转型[8-9]、创新[10]、互联网[11]等领域中的后果,但关于其对企业运行系统尤其是供应链韧性的影响及作用机制仍缺乏系统性探讨。

因此,本文尝试将创新“多言寡行”引入供应链管理研究框架,基于2012-2023年中国A股上市公司数据,探讨其对供应链韧性的系统性影响,并从交易成本视角揭示其作用机制。旨在回答以下问题:①企业创新的“多言寡行”行为仅仅是一种声誉塑造工具,还是会影响企业的供应链韧性?②如果创新“多言寡行”确实影响供应链韧性,其作用机制如何?从交易成本视角如何解释?③创新“多言寡行”对供应链韧性的影响是否具有异质性?

本文的研究贡献主要体现在3个方面:第一,构建并有效测算创新“多言寡行”指标,为后续实证研究提供可操作的测量工具。第二,将创新“多言寡行”引入供应链韧性研究领域,进一步拓展创新“多言寡行”的研究边界。第三,基于交易成本理论构建创新“多言寡行”影响供应链韧性的机制框架,强化创新信息失真在企业经营风险形成中的理论解释力,并从微观治理视角为理解供应链韧性提供新的理论支持。

1 理论分析与研究假设

在高度协同的供应链网络中,企业之间的合作关系不仅依赖于资源的匹配与能力的互补,更深层依赖于交易过程中的信任结构与信息透明度。企业在对外披露中的表达构成了合作方认知其履约能力与技术实力的重要基础。当披露内容与实际行为存在显著偏离,即形成创新“多言寡行”时,这一偏差将对合作关系的稳定性与系统运行效率产生深远影响,削弱供应链韧性。

一方面,从纵向合作关系的角度看,供应链的稳定运行依赖于节点企业之间持续的信任关系与信息对称机制[12]。创新“多言寡行”行为一旦被合作方识别,极易破坏企业在网络中的可信形象,引发上下游企业对其技术兑现、履约能力与资源调配能力的怀疑[13]。这种信任滑坡将迫使合作方采取防御性应对措施,如调整合作期限、增加担保条款、提高议价强度,甚至提前终止合作,从而引发交易刚性上升与协调效率下降[14-15]。在此过程中,企业不仅面临更高的协调与履约成本,还将失去关键时点下的资源响应能力,进而降低其在突发冲击中的抗压表现。另一方面,从横向适应能力的角度看,创新“多言寡行”往往反映出企业资源配置结构的失衡,表现为将有限资源过度投入形式化的文本叙事与表象构建,而非真正强化核心创新能力与供应链柔性能力[16]。这种资源错配削弱了企业内部结构的敏捷性与对外部扰动的反应速度,使其在面对突发性需求变动或物流失序时,难以及时完成产能调整、路径重构与协作恢复。此外,企业信息失真的外部溢出效应还可能误导供应链其他节点的行为预期,诱发不必要的响应性波动,从而增加系统不确定性与网络脆弱性[17]。同时,已有研究表明,供应链韧性不仅取决于企业本身的能力积累,更依赖于跨组织协同能力、信任结构与资源互嵌程度[18-19]。创新“多言寡行”本质上是一种策略性披露行为,会削弱企业的外部可验证性与合作方感知的稳定性,阻碍其在多节点供应链系统中的协同协调与关系稳定。从交易成本理论视角看,信任结构的削弱将直接推高跨组织交易的协作与监督成本,当合作方对企业创新披露的真实性产生怀疑时,双方必须通过更复杂的合同安排和监控机制弥补信任缺口,导致谈判、监督与履约成本上升[20-21]。同时,信任缺失会削弱企业间的信息共享意愿和适应性调整能力[22],使供应链在面对外部扰动时的协调反应更加迟缓。综上所述,创新信息的失真会导致合作方信任缺失并引发交易成本上升,降低跨组织协调效率,削弱企业在供应链网络中的韧性表现。基于上述分析,本文提出如下假设:

H1:创新“多言寡行”显著降低企业的供应链韧性。

交易成本理论为揭示创新“多言寡行”降低供应链韧性的路径机制提供了关键视角。交易成本理论指出,组织在面对环境不确定性与信息不对称时,需投入额外资源进行谈判、监督、协调与履约以保证交易顺利完成[20]。这些资源消耗构成了交易成本,是影响组织治理效率与合作稳定性的关键因素。在此框架下,创新“多言寡行”行为被视为一种信息扭曲型治理风险,它削弱了供应链关系中的信任预期,破坏了基于真实信号传递的隐性契约安排,使得合作方对企业的履约能力与创新承诺产生怀疑。信任的缺口迫使各方依赖更高强度的正式治理与监督机制维系交易稳定,由此推高谈判、协调与履约支出,形成制度性摩擦[21-22]。换言之,创新信息失真通过改变交易关系的信任结构,触发由“关系治理”向“控制性治理”的转换。这种治理转换虽然降低了机会主义风险,但显著增加了交易刚性与协同阻力,使企业在外部扰动下的响应速度与协调效率下降,最终削弱其在供应链网络中的韧性表现。结合企业在供应链体系中的运作逻辑,本文将交易成本划分为两个维度:供求协调成本与内部协调成本。前者侧重于企业与上下游之间在产能安排、交付节奏与订单管理等方面因认知偏差和响应不一致所产生的跨组织协调支出;后者则聚焦于企业内部在组织运行中为实现指令落实与资源整合所付出的流程管理与制度维护成本。两者共同构成企业在面对外部扰动时维持运转与恢复正常秩序的关键性约束。

具体而言,创新“多言寡行”显著增加了企业在供求匹配过程中的协调成本,从而削弱其供应链韧性。供应链的稳定运行依赖于上下游企业之间在生产计划、交付安排和库存管理等方面的协同一致。合作方通常会基于企业披露的创新能力、技术储备和产能规划等信息,调整自身资源配置与业务节奏。然而,当企业在创新表达中存在“言过其实”现象,即对外宣称的技术水平、产品进展或产能扩张目标与实际投入存在系统性偏差时,便会误导供应链中的其他节点企业,导致上下游对企业履约能力产生认知错配。在这一过程中,原本基于稳定预期形成的供需配合关系将被打乱,合作方可能出于风险规避而缩减订单规模、延长合同审批流程或设置额外保障条件,企业自身则需投入更多资源与合作方进行重复沟通、重新协商与过程监督,显著提升协调成本[23]。此外,由于供应链合作具有多级联动特征,微小的信息误判可能被逐层放大,形成供应链的“牛鞭效应”[24],进一步加剧计划失效、交付延误与客户流失等风险,降低供应链整体的应变与恢复能力。

同时,创新“多言寡行”还可能通过提升企业的内部协调成本,弱化其在供应链中的韧性表现。组织内部的协调效率是企业在外部环境扰动中保持运行连续性与资源调度灵活性的基础。若企业的战略方向、业务布局与内部治理逻辑受到虚假或过度表述的创新承诺影响,则极易引发管理层目标传导失真、部门间职能错位、执行系统响应延迟等组织协调问题[25]。这种“多言寡行”导致的资源错配不仅拉高了管理系统的运作负担,也会干扰制度性激励与信息回路,造成执行力下降与内部成本膨胀。更为严重的是,在突发事件发生时,内部结构的僵化与流程的割裂将拖慢决策效率与组织调整能力,使企业难以及时协调产供销系统、应对供应链中断或需求剧变,削弱供应链韧性。基于以上分析,提出如下假设:

H2:创新“多言寡行”通过提升企业间供求协调成本,间接降低其供应链韧性。

H3:创新“多言寡行”通过提升企业内部协调成本,间接降低其供应链韧性。

2 研究设计

2.1 模型设计

本文构建主回归模型如下:

resi,t= α0+α1stdskewi,t+∑controli,t+Ind+year+ε

(1)

其中,resi,t代表企业i在第t年的供应链韧性水平,stdskewi,t代表企业i在第t年的创新“多言寡行”程度,controli,t代表企业i在第t年的控制变量集,Ind代表行业固定效应,year代表年份固定效应,α0为模型常数项,ε代表模型的随机误差项。借鉴江艇(2022)的机制检验逻辑,本文构建机制检验模型如下:

Mediatori,t=β0+β1stdskewi,t+∑controli,t+Ind+year+ε

(2)

其中,Mediatori,t代表企业i在第t年的企业间供求协调成本(Costo)/企业内部协调成本(Mfee),其余同上式。

2.2 变量定义

2.2.1 被解释变量:供应链韧性

参考盛昭瀚等(2022)对供应链韧性的界定,将其定义为供应链系统在应对环境复杂性变化时保持功能与行为稳定的能力。同时参考相关研究[26-28],将供应链韧性分为供应链抵抗力和供应链恢复力两个维度进行测算。

供应链抵抗力。该维度反映企业在面对突发冲击时维持供应链稳定运作的能力,主要通过资金关系与合作关系稳定性两个方面进行衡量。首先,借鉴Cull等[29]的做法,使用应收账款与主营业务收入之比的自然对数度量资金关系,反映企业在应对外部冲击时的现金流稳定性与客户履约能力。较高的应收账款比例意味着企业面临更大的回款压力与信用风险,其在资金层面对供应链中断的抵御能力较低。其次,借鉴陶锋(2023)的研究,采用企业前五大客户中老客户数量作为供应链稳定性的代理指标,体现企业与主要客户之间的关系稳固程度。客户结构越稳定,越有利于在突发环境下维持既有合作机制与订单履约流程,增强企业应对外部扰动的韧性。

供应链恢复力。该维度衡量企业在遭受冲击后,恢复正常供应链运作和业务绩效的能力,主要从产品流动性和绩效稳定性两个角度展开。首先,参考张树山等(2023)的做法,通过企业的库存周转率衡量产品流动性,反映企业库存管理效率与物流恢复能力。库存周转率越高,说明企业产品动销速度越快、库存周转效率越高,有助于在供应链中断后迅速恢复供货能力。其次,参考Martin[30]的研究,使用经济绩效敏感性指数度量绩效稳定性,经济绩效敏感性指数以企业营业收入的对数增长率与所在行业营业收入的对数增长率之差计算。若敏感性指数为正,说明企业在该年度的收入增长优于行业平均水平,表明其在面对冲击后具备更强的恢复能力;反之,则说明其绩效表现相对滞后,恢复力较弱。本文使用熵权法综合供应链抵抗力与供应链恢复力两个维度的测度结果,构建供应链韧性综合指标,公式如下:

resi= w1Zi,resistance+w2Zi,recovery

(3)

其中,resi代表企业i的供应链韧性,w1代表熵权法测度的供应链抵抗力权重,Zi,resistance代表供应链抵抗力的测度结果,w2代表熵权法测度的供应链恢复力的权重,Zi,recovery代表供应链恢复力的测度结果。

2.2.2 解释变量:创新“多言寡行”

本文借助回归残差构建创新“多言寡行”指标,该方法已被广泛应用于识别信息披露与实际行为之间的偏离现象[8,11,31]。借鉴上述研究思路,同时考虑创新产出与创新文本信息披露之间的滞后效应,本文以创新产出的领先项对创新文本信息披露的标准化回归残差衡量创新“多言寡行”。该方法兼顾了创新披露的主观性与创新产出的客观性,能够较好地反映企业创新“多言寡行”的实际水平。具体回归模型如下。

itidi,t= α0+α1innovationi,t+1+∑controli,t+Ind+year+εi,t

(4)

其中,itidi,t是企业创新文本信息披露程度,借鉴程新生等[32]构建的创新词库,利用Python对上市公司年报文本进行抓取,结合Word2Vec词向量模型识别文本中有关创新目标、创新能力、创新进展和创新成果等关键词的出现频率,并对词频加1取对数处理。innovationi,t是企业创新产出,以专利申请数量加1取对数度量。同时,进一步引入多个控制变量以增强模型的稳健性。一方面,为控制文本篇幅差异对创新词频的干扰,加入年报总词数的自然对数作为控制变量,减少因文本长度差异带来的偏误;另一方面,考虑到单一使用创新结果可能低估企业在创新活动中的真实投入,引入研发投入(Rd),以更准确识别与实际创新相偏离的信息披露。此外,控制变量还包括公司规模(size)、成立年限(age)、资产负债率(lev)、企业成长性(growth)、第一大股东持股比例(hold)、董事会规模(board)、独立董事占比(indep)、经营性现金流(cash)和企业性质(soe)等。最终,标准化的回归残差值越大,创新“多言寡行”行为越严重。

2.2.3 中介变量:供求协调成本和内部协调成本

供求协调成本。参考巫强和姚雨秀[2]、牛煜皓和肖瑶[33]的做法,以企业生产与市场需求波动之间的偏离程度,衡量其供应链中供需匹配的精确性,并将供需偏离度作为供需协调成本的代理指标。具体计算方法如下。

(5)

其中,σ(productioni,t)、σ(demandi,t)分别代表企业生产和需求的波动性,Costoi,t代表供需偏离度。若企业的生产波动性与需求波动性相匹配,说明其供需协调能力较强,交易成本较低;反之,若生产波动远高于需求波动(生产过度反应)或远低于需求波动(反应滞后),均表明企业供需匹配不精准,需付出更多的库存调节、信息沟通与资源分配成本。

内部协调成本。参考赵玲和黄昊[34]、袁淳等(2021)的做法,使用管理费用率(Mfee)作为企业内部协调成本的代理变量,数值越大说明企业的内部协调成本越高,沟通协作效率越低。

相关变量计算方式见表1。

2.3 数据来源与描述性统计

本文以2012-2023年中国A股上市公司为研究样本,所需财务数据来源于CSMAR数据库,专利数据来源于CNRDS数据库,年报文本来源于巨潮资讯网。本文对样本进行了如下筛选:①剔除ST、*ST的上市公司;②剔除金融及保险类上市公司;③剔除数据严重缺失的上市公司样本。筛选后最终保留26 880个公司—年度观测值。为避免极端值的影响,对所有连续变量进行上下1%的缩尾处理。

描述性统计结果见表2。创新“多言寡行”的均值为0.002,中位数为0,标准差为0.057,最大值为0.351,最小值为-0.471,说明样本企业间的创新“多言寡行”存在差异,部分企业存在比较明显的“多言”行为,而另有部分企业倾向于“少言”。供应链韧性的标准差为0.124,最小值为0.148,最大值为0.732,表明企业供应链韧性差异显著。其中位数为0.351,均值为0.369,中位数略低于均值,说明样本整体在韧性水平上呈现轻微右偏态分布。其余变量的描述性统计结果均在合理范围内。

3 实证分析

3.1 基准回归

表3呈现了创新“多言寡行”对企业供应链韧性的回归结果。列(1)不包含行业和年份固定效应,列(2)则包含。创新“多言寡行”(stdskew)的回归系数均在1%的水平上显著为负,表明企业在创新信息披露中的“多言寡行”行为显著削弱了其供应链韧性,假设H1得以验证。

3.2 稳健性检验

(1)替换解释变量。鉴于发明专利相较于专利总量更能反映企业的实质性创新能力(黎文靖和郑曼妮,2016),本文进一步以发明专利申请数加1后的对数值为基础,与创新文本信息披露进行回归,获取残差并标准化后构建新的创新“多言寡行”指标(stdskew2),以此作为核心解释变量重新对式(1)进行回归,相关结果见表4。列(1)显示创新“多言寡行”的回归系数依旧显著为负,前文结论稳健。

(2)替换被解释变量。前文使用熵权法整合供应链抵抗能力和恢复能力数据得到供应链韧性指标,此处借鉴张树山和谷城[26]的做法,使用变异系数法重新整合供应链抵抗能力和恢复能力数据得到新的供应链韧性数据进行稳健性检验,结果见表4列(2),创新“多言寡行”的回归系数依旧显著为负,说明基准回归结果稳健。

(3)个体固定效应。控制更为严格的个体固定效应,重新对式(1)进行回归,结果见表4列(3),创新“多言寡行”回归系数依旧在1%的水平上显著为负,前文结论稳健。

3.3 内生性处理

企业创新“多言寡行”行为并非完全随机产生,其形成可能受到企业治理能力、战略导向或组织文化等难以观测因素的影响,而这些特征本身也可能直接影响企业的供应链韧性水平,导致估计结果产生偏误。此外,企业供应链管理能力的强弱亦可能反过来影响其在创新披露上的策略选择,从而引发反向因果问题。为缓解上述内生性风险,本文进一步采用熵平衡法控制样本自选择可能带来的可观测异质性偏误,同时引入工具变量法识别核心解释变量的外生变异,从不同维度提高估计结果的稳健性与因果解释力。

(1)熵平衡法。企业在治理结构、战略导向或组织文化等方面的差异,可能影响其“多言寡行”倾向,构成样本自选择行为。这些特征因素本身也可能直接影响企业的供应链韧性水平,从而导致因果关系识别中存在潜在的内生性偏误。因此,此处使用熵平衡法进行检验。以控制变量作为匹配协变量,将创新“多言寡行”程度高(stdskew高于样本中位数)与程度低(stdskew低于中位数)的企业进行配对匹配,确保两组样本在协变量的均值、方差等统计特征上尽可能一致。回归结果见表5列(1),熵平衡匹配后的回归系数仍然在1%的水平上显著为负,与主回归结果保持一致。

(2)工具变量法。参考黄哲等[8]的研究思路,构造工具变量IV_stdskew,定义为企业创新“多言寡行”程度与其所属行业—年份平均水平之差的三次方。从相关性条件来看,工具变量(IV_stdskew)与解释变量(stdskew)高度相关,满足工具变量与解释变量之间具有强相关性的要求。而在外生性方面,IV_stdskew仅反映企业相对于行业同期均值的偏离程度,该偏离主要由企业层面的非系统性差异(如管理风格、创新资源配置及信息披露倾向)驱动,而非行业整体趋势或政策性冲击。控制行业与年份固定效应,以吸收各行业在长期结构性特征(如技术成熟度、竞争格局和监管环境等)上的稳定差异,有效减少行业层面时间不变特征对估计结果的干扰。同时,行业层面的时间变化性冲击(如创新政策调整或监管导向变化)在工具变量构造过程中已被行业—年份均值项剔除,其共同效应不会通过行业路径直接影响企业的供应链韧性。换言之,行业未观测因素虽可能影响行业整体创新披露水平,但该影响在行业—年份层面已被有效控制,剩余的企业偏离部分与被解释变量供应链韧性不存在直接因果联系。因此,IV_stdskew具备较强外生性,有效满足工具变量设定的有效性要求。结果见表5列(2)(3)。第一阶段结果显示,工具变量(IV_std)的回归系数显著为正,Cragg-Donald Wald F 统计量的值为13 825.95,表明工具变量的解释力度较强。第二阶段结果显示,使用工具变量后创新“多言寡行”的回归系数依旧显著为负,前文结果稳健。

4 机制检验

创新“多言寡行”可能通过提升企业在供应链系统中的交易成本,进而削弱其整体韧性。具体而言,该行为一方面会扭曲企业在创新能力上的外部认知,使上下游合作伙伴基于过高预期进行资源配置,造成供需失衡;另一方面,也可能增加企业内部对创新资源的冗余管理,导致管理成本上升。基于此,本文从交易成本视角出发,检验供需协调成本和内部协调成本两条关键机制路径。

4.1 供求协调成本

以供求协调成本为机制变量的回归结果见表6列(1),创新“多言寡行”的回归系数在1%的水平上显著为正,表明创新“多言寡行”显著提升企业的供求协调成本。一方面,企业夸大创新能力或产品进展,可能误导供应商、经销商等上下游节点对企业产能及市场潜力的判断,诱发“过供”或“过需”行为,加剧需求预测偏差和资源错配。值得注意的是,这种基于信息失真的市场反应,也可能在供应链中形成典型的“牛鞭效应”,即需求信号在传导过程中被逐级放大,使得供应链上游企业面对更加剧烈的波动,造成冗余生产、库存积压和资源浪费。另一方面,创新“多言寡行”通常反映企业在创新资源投入、技术落地能力等方面存在短板,难以实现与前期宣传相匹配的产出,进一步放大供需之间的错配程度。这一机制可以通过信息不对称理论与信号理论加以解释:企业在信息披露中释放出过度乐观的创新信号,但其实际能力却无法支撑这些信号所隐含的预期,导致供应链合作方在产能配置、订单预测等方面做出错误响应,增加协调成本并加剧供求偏离。进一步看,供需偏离度越大,企业在遭遇突发的需求波动或供应中断时,越难以通过灵活调整生产计划或库存安排实现有效响应,从而加剧运营摩擦,延长供应链系统的修复周期。这一机制也从理论上印证了资源基础观的基本观点:供需协调能力作为一种关键的动态能力,构成企业应对外部环境不确定性、实现韧性恢复的重要资源基础。换言之,创新“多言寡行”通过削弱企业对供需变化的动态调节能力,抬升协调成本,最终削弱其供应链韧性。因此,假设H2得以验证。

4.2 内部协调成本

以内部协调成本为机制变量的回归结果见表6列(2),创新“多言寡行”的回归系数显著为正,说明创新“多言寡行”行为显著提升企业的内部协调成本。这一结果表明,当企业在创新层面存在“多言寡行”现象时,其内部信息传递与资源协调效率也可能受到干扰。一方面,过度包装的创新叙事可能导致组织内部成员对战略方向和资源重点形成误判,引发部门间协调失衡和重复投入;另一方面,创新信息失真还可能加剧组织中的目标冲突和认知分歧,削弱跨职能团队的协同能力,增加管理过程中的沟通成本与决策摩擦。从理论视角看,可以由交易成本理论和组织信息处理理论解释。交易成本理论指出,企业内部的协调并非无成本,尤其在信息不对称和信任缺失的情形下,组织间的合作会产生显著的摩擦性成本。组织信息处理理论强调,当企业面临高度复杂和动态的环境,且缺乏可靠的信息传递机制和足够的信息处理能力时,极易引发结构性的协调失灵与资源错配。由此,创新“多言寡行”扰乱了组织内部正常的沟通协作与信息共享机制,导致管理费用显著上升。

进一步地,协调成本上升则意味着企业内部运作效率下降。当外部环境出现突发变化时,企业难以及时整合资源、做出快速响应,导致对供应链中断或需求波动的应对能力减弱。这种内部响应的迟缓,会降低企业在复杂环境中的适应能力和恢复速度,从而成为提升供应链韧性的障碍。换言之,创新“多言寡行”通过推高内部协调成本,间接削弱了企业构建高效、灵活供应链体系的能力,导致供应链韧性下降。因此,假设H3得以验证。

5 异质性分析

不同企业在创新动机、披露策略以及供应链资源依赖程度上的差异,可能导致创新“多言寡行”行为对供应链韧性产生异质性影响。基于此,本文从企业类型与供应链结构两个维度展开分组回归分析,以识别影响路径在不同企业特征下的差异表现。

5.1 企业类型异质性

高新技术企业vs非高新技术企业。企业的技术属性可能影响其对创新叙事策略的依赖程度与外部认知响应的敏感性。相较于一般企业,高新技术企业通常肩负更强的创新驱动使命,面临来自资本市场、政府政策及社会舆论更高的技术突破预期和成长压力。在此背景下,高新技术企业更可能通过强化或夸大式的创新表述获取资源、稳固技术声誉,进而缓解来自外部的监督与质疑。然而,若表述与实际产出不符,即存在“多言寡行”,不仅会导致投资者和合作方对其技术能力与承诺可信度的质疑,更可能破坏其在供应链中的信任基础,加剧供需协同成本,进而对供应链韧性产生更显著的不利影响。据此,本文依照是否被认定为高新技术企业对样本进行分组回归,结果见表7列(1)(2),创新“多言寡行”对高新技术企业和非高新技术企业的供应链韧性均有显著负向影响,且在高新技术企业组中,回归系数更大。这一差异表明,在更依赖技术的企业中,创新信息失真对组织运行与跨边界协作的破坏性更强,使其在应对外部扰动时更易出现响应迟滞和协同障碍,削弱供应链韧性表现。

这一差异的根本原因在于,高新技术企业在供应链中通常承担技术核心角色,其创新活动不仅关系自身竞争优势的建立,也深度影响上下游企业的协作预期与资源配置。例如,核心客户可能基于其技术能力安排定制化订单,而供应商则需相应调整产能与研发策略。在这一高度协同的结构中,即使是轻微的“多言寡行”行为,也容易被视为信号扭曲,迅速引发信任危机与协调障碍。此外,高新技术企业的创新活动通常具有长期性、高沉没成本和高度不确定性的特征,外部合作方对其信息披露的依赖程度更高。一旦其创新承诺被识别为夸大或失真,不仅可能动摇供应链合作意愿,还可能引发更广泛的反应,如融资收紧、项目延迟或信用评级下降,显著削弱其跨周期稳定性和应变能力。因此,相较于一般企业,创新“多言寡行”在高新技术企业中更容易引发系统性协同失效,对供应链韧性产生更为不利的影响。

5.2 供应链结构异质性

企业供应链结构的差异可能显著影响创新“多言寡行”行为对供应链韧性的影响。具体而言,供应链的集中程度不仅决定了企业对关键上下游伙伴的依赖强度,也影响了其在面对创新信息失真时的承压能力与应对空间。当客户或供应商集中度较高时,企业对特定合作方的依赖性增强,关系稳定性更易受到信息披露偏差的扰动,从而放大“多言寡行”对供需协同、资源调度等核心环节的负面影响。反之,在供应链结构较为分散的企业中,外部网络更具弹性,单一关系的不确定性对整体韧性的冲击可能相对较小。据此,本文将供应链结构分别从客户集中度与供应商集中度两个维度进行衡量,并按照样本中位数将企业划分为高集中组与低集中组,进一步开展分组回归分析,以识别“多言寡行”对供应链韧性影响效应的结构性差异。

高客户集中度vs低客户集中度。参考赵珊和李桂华[35]的研究,以企业当年前五大客户的销售额占全年销售总额的比例作为客户集中度的代理变量。将高于客户集中度中位数的样本视为高客户集中度样本,将低于客户集中度的样本视为低客户集中度样本分别进行分组回归,结果见表7列(3)(4),创新“多言寡行”对供应链韧性的影响在高客户集中度和低客户集中度均显著为负,但在高客户集中度组中的回归系数更大。这一发现可从信息依赖与信任机制角度予以解释:当企业的销售高度依赖于少数关键客户时,合作关系的维持更依赖于企业提供的预期稳定性和可信信息。在这种背景下,企业若通过年报等公开渠道释放了高度创新导向的信号,但实际经营行为却未能有效兑现,则极易引发客户认知偏差与信任危机,促使关键客户调整合作策略,例如重新评估供货关系、降低采购比例或强化对履约能力的监控,从而加剧协调摩擦,降低供应链稳定性。此外,高客户集中度企业在面对突发冲击或市场波动时,其抗风险能力更依赖于核心客户的“关系粘性”。一旦信息失真损害了这种粘性,不仅供应链中的订单稳定性下降,企业自身在协同中的议价空间与调度能力也将受到压缩,对供应链韧性的负向影响更显著。

高供应商集中度vs低供应商集中度。借鉴顾晓安等[36]的研究思路,以前五名供应商采购比例之和衡量供应商集中度。将大于供应商集中度中位数的样本视为高供应商集中度样本,将小于供应商集中度中位数的样本视为低供应商集中度的样本,分别进行分组回归,结果见表7列(5)(6),在高供应商集中度样本中,创新“多言寡行”的回归系数显著为负,而在低供应商集中度样本中则不显著。这一结果可从交易依赖理论与信号博弈理论的视角加以理解。首先,依据交易依赖理论,企业与供应商之间的合作关系越集中,彼此的相互依赖程度就越高,合作更倾向于“关系型交易”,而非完全市场化的合同安排。在这一结构下,企业难以通过临时替代或市场机制缓解供应风险,因此对合作稳定性与信息可信度的要求更高。其次,从信号博弈理论看,企业的创新表述可视为向外部传递能力与预期的信号。在高供应商集中度情境中,供应商对客户信息更为敏感,若识别出企业存在“多言寡行”行为,则可能将其解读为履约或技术兑现能力下降,从而采取防御性措施,如收紧交货、提高报价或缩短信用期,导致企业协调成本上升,供应链韧性下降。相反,在供应商结构更为分散的企业中,单一供应商对企业的重要性较低,合作关系具备较强的替代性和缓冲能力,即便存在信息偏差,其负面影响也更易被吸收或稀释。

6 结论、启示与展望

6.1 主要结论

以创新“多言寡行”为切入点,基于2012—2023年中国A股上市公司数据,构建创新“多言寡行”指标,并系统检验其对企业供应链韧性的影响及作用机制。研究发现:第一,创新“多言寡行”显著降低了企业的供应链韧性。结果表明,尽管积极的创新表述有助于构建积极的市场预期,但若企业缺乏相应的实质性创新作支撑,反而会损害其与供应链合作方之间的信任基础与协作意愿,削弱企业的供应链韧性。第二,供求协调成本与内部协调成本在创新“多言寡行”影响供应链韧性的过程中发挥中介作用。从交易成本理论出发,创新“多言寡行”通过提升企业在供应链运行过程中的外部协调难度与内部管理负担,削弱企业整体的供应链韧性。第三,创新“多言寡行”对供应链韧性的负向影响在不同企业属性与供应链结构特征的样本中存在显著异质性。在高新技术企业、客户集中度高与供应商集中度高的样本中,创新“多言寡行”对供应链韧性的负向影响更加显著,表明在技术依赖性更强或结构依赖度更高的情境下,信息披露偏差更容易被合作方放大为信任危机,进而削弱整体供应链韧性。

6.2 实践启示

(1)企业应审慎对待创新信息披露行为,避免过度包装与战略性渲染。在政策引导与资本压力双重驱动下,部分企业倾向于“讲好创新故事”,但若创新信息与实际投入脱节,将显著推高供求协调成本和内部管理成本。企业管理者应认识到,真实、可验证的创新信号不仅影响资本市场反应,更关系供应链伙伴的信任与合作稳定。建议企业在信息披露中强化可量化指标(如技术转化率等),并建立创新“表述—执行—反馈”的内部审核机制,防止因“多言寡行”损害供应链韧性。

(2)监管机构应完善创新等非财务信息披露监管体系,提升信息真实性与可验证性。监管层可引入创新信息披露一致性审查机制,即从文本披露与实际创新投入、专利申请、成果转化等量化指标之间的一致性出发,对披露真实性进行核验,以防范信息操纵造成的供需错配与交易成本上升风险,提升供应链整体透明度与协同效率。

(3)供应链合作方应建立基于履约记录的信任筛查与预警机制。为降低交易成本,核心企业及金融机构可考虑在供应商管理、客户信用评估中纳入反映创新兑现能力的指标,利用大数据、区块链等手段追踪合作方创新项目落地进度与执行稳定性,构建动态信任评估模型,以增强供应链网络的风险感知与弹性调整能力。

(4)高新技术企业与供应链集中度较高的企业应加强创新治理与关系管理能力建设。研究发现,创新“多言寡行”在技术依赖性强、客户/供应商集中度高的企业中带来更显著的负面效应。相关企业可考虑建立跨部门协同机制,确保创新承诺与执行路径同步;引入独立审查或第三方评估,验证创新信息披露的真实性;抑或完善与核心客户、供应商的联合创新治理框架,通过透明化数据共享与绩效共担机制,降低因信息失真导致的协调成本。

6.3 不足与展望

本文的研究仍存在一定局限。首先,本文对创新“多言寡行”的测度主要基于年报文本与专利产出之间的偏离,尽管该方法能够较好刻画创新信息披露与实际创新行为的不一致性,但仍难以完全覆盖企业在临时公告、投资者互动平台或非正式沟通中的创新叙事特征。未来研究可结合多源文本数据或管理层沟通记录等,对创新“多言寡行”进行更为立体的刻画。其次,本文主要从交易成本视角切入展开研究,但创新“多言寡行”还可能通过其他路径(如信任机制、声誉信号等)影响供应链关系。未来可构建更全面的理论框架,并尝试在供应链网络中考察该行为的扩散与溢出效应。最后,本文的研究对象聚焦于中国A股上市公司,对于中小企业、非上市企业等其他样本的适用性有待进一步检验。未来可通过跨国样本或特定产业情境的比较分析,进一步检验创新信息失真对供应链韧性的普适性影响。

参考文献：

[1] GLAESER S, LANG M. Measuring innovation and navigating its unique information issues: a review of the accounting literature on innovation[J]. Journal of Accounting and Economics, 2024, 78(2-3): 101720.

[2] 巫强,姚雨秀.企业数字化转型与供应链配置: 集中化还是多元化[J].中国工业经济, 2023,40(8): 99-117.

[3] 王淑瑶,汤吉军,刘达. 供应链数字化何以赋能供应链韧性与安全[J].商业研究, 2025,68(2): 10-19.

[4] 胡海青,武永霞,王先柱.企业金融化与创新投资:基于供应链视角[J].科技进步与对策,2024,41(13): 101-112.

[5] WIELAND A, WALLENBURG C M. The influence of relational competencies on supply chain resilience: a relational view[J]. International Journal of Physical Distribution &Logistics Management, 2013, 43(4): 300-320.

[6] 李哲. “多言寡行”的环境披露模式是否会被信息使用者摒弃[J]. 世界经济, 2018, 41(12): 167-188.

[7] 游万海, 陈森杰, 陈健永, 等.“多言寡行”环境责任表现对股价崩盘风险的影响——基于投资者情绪的中介效应[J]. 中国管理科学, 2025, 33(10): 12-23.

[8] 黄哲, 杜斐烨, 金洪飞, 等.“多言寡行”的数字化转型披露能否被投资者识别——基于股票错误定价的证据[J]. 外国经济与管理, 2025, 47(8): 19-35.

[9] 孙凤娥. 共同机构所有权能抑制“言过其实”的数字化披露吗 [J].审计与经济研究, 2024, 39(6): 85-93.

[10] 田昆儒, 孙夫祥,徐成凯.控制权转移对企业“多言寡行”研发创新信息披露的影响[J]. 科技进步与对策, 2025, 42(16): 101-111.

[11] 曹伟, 赵璨, 杨德明. 夸大其词的“互联网+”信息披露能够影响银行信贷决策吗[J]. 财贸经济, 2022, 43(2): 83-97.

[12] GHOSH A, FEDOROWICZ J. The role of trust in supply chain governance[J]. Business Process Management Journal, 2008, 14(4): 453-470.

[13] RAMPERSAD G C,HORDACRE A L,SPOEHR J.Driving innovation in supply chains: an examination of advanced manufacturing and food industries[J]. Journal of Business &Industrial Marketing, 2019, 35(5): 835-847.

[14] GWALTU P M, MRISHO D H. Examining the effect of trust on supply chain performance: the mediating role of process innovation[J]. East African Journal of Business and Economics, 2023, 6(1): 100-114.

[15] SABAHI S, PARAST M M. Firm innovation and supply chain resilience: a dynamic capability perspective[J]. International Journal of Logistics Research and Applications, 2020, 23(3): 254-269.

[16] ASIM Z,SOROOSHIAN S,VASUDEVAN A,et al. Navigating supply chain vulnerability: a case study of resilience in Pakistan′s large-scale manufacturing sector[J]. Journal of Infrastructure, Policy and Development, 2024, 8(10): 5539.

[17] IVANOV D. Viable supply chain model: integrating agility, resilience and sustainability perspectives—lessons from and thinking beyond the COVID-19 pandemic[J]. Annals of Operations Research, 2022, 319(1): 1411-1431.

[18] NGUYEN M P, HANOI F T U, THAI V V, et al. The interplay among trust, reciprocity and commitment factors in facilitating supply chain collaboration: the case of Vietnamese fishery industry[J]. Asia Pacific Journal of Marketing and Logistics, 2025, 37(1): 150-170.

[19] AMBULKAR S,BLACKHURST J,GRAWE S.Firm supply chain agility and performance: the enabling role of supply chain orientation and supply base strategy [J]. Journal of Operations Management, 2015, 33-34(1): 111-122.

[20] WILLIAMSON O E. The economic institution of capitalism:firms,markets,relational contracts[M]. New York: The Free Press,1985.

[21] POPPO L, ZENGER T. Do formal contracts and relational governance function as substitutes or complements [J]. Strategic Management Journal, 2002, 23(8): 707-725.

[22] DYER J H, CHU W J. The role of trustworthiness in reducing transaction costs and improving performance: empirical evidence from the United States, Japan, and Korea[J]. Organization Science, 2003, 14(1): 57-68.

[23] TANG C S. Perspectives in supply chain risk management[J]. International Journal of Production Economics, 2006, 103(2): 451-488.

[24] LEE H L, PADMANABHAN V, WHANG S. Information distortion in a supply chain: the bullwhip effect[J]. Management Science, 1997, 43(4): 546-558.

[25] RAISCH S, KRAKOWSKI S. Artificial intelligence and management: the automation-augmentation paradox[J]. Academy of Management Review, 2021, 46(1): 192-210.

[26] 张树山, 谷城. 企业数字化转型与供应链韧性[J]. 南方经济, 2024,42(8): 137-158.

[27] GOLGECI I, KUIVALAINEN O. Does social capital matter for supply chain resilience the role of absorptive capacity and marketing-supply chain management alignment[J]. Industrial Marketing Management, 2020, 84: 63-74.

[28] NEGRI M, CAGNO E, COLICCHIA C, et al. Integrating sustainability and resilience in the supply chain: a systematic literature review and a research agenda[J]. Business Strategy and the Environment, 2021, 30(7): 2858-2886.

[29] CULL R, XU L C, ZHU T. Formal finance and trade credit during China′s transition[J]. Journal of Financial Intermediation, 2009, 18(2): 173-192.

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

[31] CHU J, HE Y, HUI K W, et al. New product announcements, innovation disclosure, and future firm performance[J]. Review of Accounting Studies, 2025, 30(1): 352-383.

[32] 程新生,武琼, 修浩鑫,等.企业研发投入波动与信息披露: 投资者创新包容视角[J]. 经济研究, 2022, 57(6): 191-208.

[33] 牛煜皓,肖瑶.工业机器人应用与产品市场表现——基于供应链韧性的视角[J].当代财经, 2025,45(4): 140-152.

[34] 赵玲,黄昊.不确定性冲击、数字技术创新与供应链韧性[J].中南财经政法大学学报, 2024,67(4): 148-160.

[35] 赵珊,李桂华.分散还是集中:客户集中度与企业绩效[J].管理评论, 2023, 35(2): 294-305.

[36] 顾晓安, 王晓军,李文卿. 供应链集中度、产权差异与盈余透明度[J]. 技术经济, 2021, 40(1): 107-117.

(责任编辑：梅岚峤)