The Impact of Structural Embeddedness of Alliance Network on Digital Innovation Performance:The Moderating Roles of Environmental Dynamics and Managerial Myopia

Shang Juan1, Shen Xiao1, Xie Yongping1, Li Feng2

(1. School of Economics and Management, Xidian University, Xi'an 710071, China;2. School of Business, Putian University, Putian 351100, China)

Abstract：In the face of intensifying global competition, digital innovation has become an important way for firms to enhance competitiveness and achieve sustainable development. Despite China's leading scale of digital economy development, it faces serious challenges in coping with innovation complexity and information uncertainty in key core technologies. The question of how firms can embed alliance networks to bridge the gap between existing capabilities and those required for digital innovation has been widely discussed in the academic community. Existing research has the following shortcomings: First, it mainly explores the impact of inter-organizational relationships on digital innovation from a static perspective, ignoring the dynamic changes in the information needs of digital innovation in different stages. Second, there is no consensus on the relationship between network embeddedness and digital innovation. In addition, research has not yet paid sufficient attention to the specific mechanism of structural embeddedness in digital innovation, especially in terms of the differential impact of different network centralities. Third, it has not yet explored how to balance information demand and information processing capabilities in a dynamic environment while overcoming the negative impact of management myopia to optimize firms' digital innovation capabilities.

Following the information processing theory, this paper utilizes the digital patent data of 2008-2023 Shanghai and Shenzhen A-share high-tech manufacturing firms to explore the impact of structural embeddedness on firms' digital innovation and its boundary conditions, and the research conclusions are as follows: (1) Structural embeddedness has a positive impact on firms' digital innovation, and the impact effect is still significant after considering the endogeneity and robustness tests. Structural embedding has a significant positive effect on enterprise digital innovation by meeting the demand for information diversity, real-time and high quality at different stages of digital innovation. (2) The effect of structural embedding on digital innovation has significant regional heterogeneity. Unlike the traditional innovation network which mainly relies on the characteristics of degree centrality to directly connect to external information, in the digital innovation context, intermediary centrality plays a greater role through the integration and control ability of external information. (3)Environmental dynamics can strengthen the positive effects of centrality on digital innovation, especially the positive effects of betweenness centrality and closeness centrality on digital innovation. In the context of high environmental dynamics, betweenness centrality and closeness centrality significantly improve firms' ability to cope with uncertainty by enhancing the quality and speed of information acquisition. In contrast, degree centrality firms' information advantage is weakened by environmental dynamics due to the time cost of screening redundant information, resulting in lower information timeliness.(4) Management myopia significantly diminishes the positive effect of centrality on digital innovation, especially on the positive effects of betweenness centrality and closeness centrality. In the context of management myopia, selective disclosure of information or restriction of information flow leads to the disruption of the transformation chain of high-quality information. The advantage of quick access to information for closeness centrality firms is also diminished by the fact that short-sighted managers tend to neglect network expansion and the ability to respond to external information in a timely manner. Degree centrality, on the other hand, can mitigate the negative effects of myopic management to some extent due to its redundant information properties.

The theoretical contributions of this paper are threefold. First, building on information processing theory, it analyzes the driving path of structural embedding on digital innovation from the perspective of matching information demand and information processing capability, refining the study of antecedents of digital innovation. Second, this paper identifies the heterogeneous roles of different network positions, i.e., betweenness centrality, degree centrality, and closeness centrality, in the process of digital innovation, which provides a theoretical basis for understanding the applicability of different embedding strategies in specific digital innovation contexts. Third, this paper takes environmental dynamics and management myopia as moderating variables of the information context and deeply explores their influence mechanisms in structural embedding on the digital innovation process, extending the application of information processing theory in digital innovation contexts.

Key Words：Structural Embeddedness; Digital Innovation; Environmental Dynamics; Managerial Myopia; Strategic Partnerships

收稿日期：2024-10-10

修回日期：2025-02-17

基金项目：陕西省哲学社会科学研究专项项目(2025HZ0677)

作者简介：尚娟(1972-),女,陕西白水人,西安电子科技大学经济与管理学院教授、博士生导师,研究方向为数字经济与创新管理等;沈笑(1996-),女,山东临沂人,西安电子科技大学经济与管理学院博士研究生,研究方向为数字创新等;谢永平(1972-),男,陕西临潼人,西安电子科技大学经济与管理学院教授、博士生导师,研究方向为创新管理等;李峰(1983-),男,福建莆田人,莆田学院商学院教授,研究方向为数字创新等。

通讯作者：李峰。

DOI：10.6049/kjjbydc.D2024100221

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(2026)06-0100-13

0 引言

在全球竞争日益激烈的背景下,数字创新已成为企业提升竞争力和实现可持续发展的重要途径[1]。数字创新涉及以数字技术为核心支撑的新产品开发、新流程优化及新商业模式创造[2],为企业带来市场机会和技术优势。中国数字经济发展规模较大,但高技术制造业创新质量与速度仍有较大提升空间,尤其在应对关键核心技术的创新复杂性和信息不确定性方面面临严峻挑战。如何提升信息处理能力,成为企业提高创新绩效需要解决的重要问题。作为企业在创新网络中的重要嵌入方式,结构嵌入被认为是企业获取外部稀缺资源和增强信息处理能力的有效途径[3]。通过深度嵌入联盟网络,企业能够高效整合多来源的异质性信息并提升动态环境下的信息应对能力,为数字创新提供关键支持[4]。

现有研究基于组织间关系与数字创新视角,主要从平台、联盟、网络、生态系统及相互作用5个方面进行探讨:第一,关于平台与数字创新的研究表明,平台通过开放接口和模块化结构促进资源共享与知识流动,提高创新过程的灵活性和效率[5]。第二,关于联盟与数字创新的研究指出,通过合适的联盟组合,企业能够更好地应对数字创新的复杂性[6]。第三,关于网络与数字创新的研究认为,去中心化的网络模式能够促进跨组织信息整合,加速数字创新活动扩展和应用[7]。第四,生态系统研究指出,在数字创新生态系统中,共享数字身份有助于隐性知识转移和协同创新[8]。第五,关注相互作用的研究指出,平台、联盟、网络和生态系统之间互为补充,共同推进数字创新进程[9]。

现有研究存在以下不足:首先,主要从静态视角探讨组织间关系对数字创新的影响,忽略了数字创新在不同阶段对信息需求的动态变化。作为企业获取外部信息的主要途径,结构嵌入有助于企业更好地应对数字创新中的信息复杂性。在高度嵌入的环境下,企业可能面临信息过载问题,从而增加信息筛选和处理难度。因此,有必要从信息处理视角深入探讨结构嵌入对数字创新的作用机制。其次,现有研究对网络嵌入与数字创新的关系尚未形成一致观点。有研究认为,网络嵌入能够增强企业信息获取能力,从而有效推动数字创新[10]。也有研究指出,过度依赖网络资源可能导致“数字资源诅咒”(余传鹏等,2024),进而降低企业创新绩效。现有研究分歧表明,需进一步探讨网络嵌入对数字创新的影响机制。相比于传统创新,数字创新因其复杂性和动态性,更加依赖突破传统组织边界的信息流动与共享能力,但现有研究对结构嵌入在数字创新中的具体作用机制缺乏系统性讨论,尤其是在不同网络中心性类型对企业应对数字创新信息需求能力的差异化影响方面。最后,随着内外部环境快速变化,企业面临的信息不确定性日益加剧,对组织信息处理能力提出了更高要求。部分学者探讨了技术环境变化对数字创新的影响(洪江涛等,2024),但鲜有研究基于信息环境视角,探究企业如何在动态环境中平衡信息需求与处理能力,同时克服管理层短视的负面影响以优化数字创新能力。

本文运用信息处理理论,结合2008—2023年沪深A股高技术制造企业数字专利数据,通过实证研究探讨结构嵌入对数字创新的影响及其边界条件,以期丰富结构嵌入与数字创新关系理论内涵,为企业在实践中优化嵌入策略、增强创新能力提供重要参考和启示。

本文可能的理论贡献如下:第一,从信息处理理论出发,基于匹配信息需求与信息处理能力视角,解析结构嵌入对数字创新的驱动路径,细化数字创新前因研究。第二,识别不同网络位置,即中介中心性、度中心性和接近中心性在数字创新过程中的异质性作用,为理解不同嵌入策略在特定数字创新情境下的适用性提供理论依据。第三,将环境动态性和管理层短视作为信息情境的调节变量,深入探讨其如何通过影响信息处理需求与信息处理能力,进而影响结构嵌入对数字创新的作用过程,以期拓展信息处理理论在数字创新情境中的应用。

1 理论分析与研究假设

1.1 信息处理理论

信息处理理论强调,组织通过有效获取、传递和运用信息支持决策,尤其在数字创新过程中,信息成为各阶段的关键投入[11]。根据信息处理理论,组织需要采取两种策略提升数字创新成功率:一是提升信息获取能力,确保信息质量和时效性;二是增强信息处理能力,以便有效分析和应用所获取的信息[12]。这两种策略不仅可为信息流动提供清晰的路径,而且能够确保信息及时、准确地影响决策,从而推动数字创新过程。

作为企业与合作伙伴紧密联系的体现,结构嵌入在信息处理过程中发挥重要作用。结构嵌入有助于企业获取技术、市场和资本等关键信息,能够通过提高信息共享和知识转移效率,有效缓解数字创新中的信息不对称问题[13]。结构嵌入通过促进跨组织信息交换,提升信息获取广度、质量以及信息整合效率,使企业能够在面对复杂环境时制定更为精准的决策。

数字化时代,随着技术进步、市场竞争和政策变革等外部环境因素快速变化,企业面临的信息处理需求不断增加。外部环境的动态性要求企业迅速识别并响应新兴机会,由此信息获取、整合和应用能力成为数字创新成功的关键因素。组织必须具备灵活的信息处理能力,以便在不断变化的环境中作出快速、有效的决策。因此,企业不仅依赖结构嵌入促进信息流动,还需要通过高效信息整合机制提升自身应对动态环境变化的能力。

在这一过程中,高管团队的作用不可忽视。高管通过战略沟通和非战略沟通有效管理联盟网络中的信息流动,并通过决策影响信息处理效率与决策质量[14]。然而,管理者的短视行为可能导致信息分析中的偏差,进而影响创新决策的合理性。信息处理能力与信息处理需求的匹配性是数字创新成功的关键。若企业信息处理能力不足,则可能导致决策失误,而过剩的处理能力可能导致资源浪费,从而影响数字创新推进。

1.2 结构嵌入与数字创新

本文从信息处理视角出发,探讨结构嵌入对数字创新的影响机制。信息作为数字创新的基础要素,其收敛性、可供性和自生长性等特征决定了企业在不同数字创新阶段对信息的独特需求[15]。结构嵌入通过满足各阶段中信息高质量、多样性和实时性需求,对数字创新产生显著积极影响。本文将数字创新过程划分为启动、开发和实施3个阶段(陈姿颖等,2024)。

(1)在启动阶段,企业需要识别创新机会并形成可行创意。此阶段由于数字创新的高风险性与复杂性,企业依赖准确、可靠的信息进行决策,避免冗余和低质量信息干扰。信息处理理论指出,信息流质量和时效性直接影响企业决策的准确性。高中心性企业通过交叉验证信息来源,增强信息筛选和过滤机制,从而提高信息质量。结构嵌入通过强化与长期合作伙伴的信任关系,提升信息透明度与真实性,减少虚假或不完整信息的干扰[16],从而为创意决策提供可靠依据。

(2)在开发阶段,企业需将抽象创意转化为数字制品。此阶段数字创新的收敛性、可供性要求跨领域和异质性信息整合,以支持跨界创新和复杂方案设计。信息处理理论强调,信息整合效率对复杂决策至关重要。高中心性企业通过加速信息流动快速获取来自不同领域的信息[8],并有效整合分散的异质性信息。结构嵌入通过提升信息多样性和信息整合效率,为复杂创新奠定基础。

(3)在实施阶段,企业需要利用并扩散数字制品,以应对技术迭代、市场变化和用户反馈。数字创新的动态性和自生长性要求企业快速响应并处理实时信息。信息处理理论强调,在快速变化的环境中,组织需要在信息需求与处理能力之间保持平衡。高中心性企业通过减少信息传递链条加速信息在网络中的传播,显著提高信息流通效率和响应速度[17],从而缩短技术成果转化时间。结构嵌入在此阶段发挥重要作用,能够确保信息及时传递,满足实时信息需求,进一步提升企业数字创新效率。据此,本文提出以下假设:

H1:结构嵌入对企业数字创新具有正向影响。

1.3 中介中心性、度中心性、接近中心性与数字创新

企业结构嵌入位置决定了其获取和掌控关键数字资源的能力,作为3个重要的网络结构嵌入维度,中介中心性、度中心性和接近中心性对数字创新过程具有不同影响。

(1)中介中心性衡量节点在网络中占据“关键连接”位置的程度,在信息传递路径中作为“咽喉枢纽”(郝治翰等,2024),不仅具备资源获取能力,还能控制资源流动。在数字创新中,中介中心性较高的企业能够通过整合外部异质性资源促进跨界创新。例如,作为中介连接多方主体,平台型企业整合不同来源的资源和知识,为网络成员提供非冗余的高质量信息[18]。通过提供资源整合和控制的独特优势,中介中心性对复杂协作型数字创新的推动作用最强。

(2)度中心性较高的企业与多个节点直接连接,能够通过广泛连接短时间内获得大量外部信息和资源[19],但在外部资源流向控制和整合方面弱于中介中心性较高的企业。在数字创新中,度中心性较高的节点能够使企业广泛、快速地获取用户反馈和市场信息,特别适合以市场需求为导向的创新情境。例如,用户反馈驱动的数字产品优化和个性化推荐系统,需要企业快速响应用户需求和行为变化。通过密集的用户和市场连接,度中心性较高的企业能够在创新网络中获得即时反馈,提升创新敏捷性。由于缺乏对资源流动的控制力,度中心性在推动复杂协作型创新方面的影响较小。

(3)接近中心性意味着企业与网络中所有节点的平均距离较短,能够高效、快速地触达网络中其它资源节点[20],高效访问创新网络信息资源,但对信息流通的影响有限。在多部门协同或流程优化的数字创新中,接近中心性提高了信息资源传递效率。例如,在智能制造或供应链数字化创新情境下,高接近中心性有助于企业在内部高效传递生产和市场信息,确保创新流程顺畅。然而,接近中心性主要提升内部协同效率,对推进跨行业和多方协作的数字创新影响最小。据此,本文提出如下假设:

H1a:中介中心性对数字创新的正向影响大于度中心性;

H1b:中介中心性对数字创新的正向影响大于接近中心性;

H1c:度中心性对数字创新的正向影响大于接近中心性。

1.4 环境动态性的调节效应

在数字创新情境下,环境动态性提升了技术趋势、市场需求及用户行为等关键数字创新所需信息的不确定性,制约了企业在数字创新战略规划与数字制品开发方面的有效决策。基于信息处理理论,当外部环境不确定性提升时,企业需要减少信息处理需求,以匹配信息处理能力。相较于单个企业,嵌入在创新网络中的企业在应对环境动态性时具有更多优势,能够更好地获取外部数字创新所需信息,强化结构嵌入对数字创新的积极作用。

(1)在高度动态的市场环境下,容易误判数字创新发展技术趋势。企业通过与合作伙伴信息共享,获取并整合互补性数字创新技术信息,降低信息不对称,减少数字创新信息需求,有助于发挥结构嵌入对数字创新的促进作用(王宏起等,2024)。

(2)在高度动态的环境下,制定长期战略决策的价值降低[21]。借助合作伙伴关系,企业能够获取更为及时、准确的市场需求情报,减少数字创新信息需求,快速响应市场变化,及时制定数字创新战略。

(3)当环境动态性较高时,用户产品和服务需求变得更加多元化。通过嵌入创新网络,企业能够更有效地收集、整合来自网络不同节点的用户反馈与市场动态信息(冯军政,2013),实现对信息的高效分析、快速重组与精准编排,加快高质量信息优化与迭代,进而精准供给定制化产品与服务[10]。据此,本文提出如下假设:

H2:环境动态性对结构嵌入与数字创新关系起正向调节作用。

H2a:环境动态性对中介中心性与数字创新关系起正向调节作用;

H2b:环境动态性对度中心性与数字创新关系起正向调节作用;

H2c:环境动态性对接近中心性与数字创新关系起正向调节作用。

1.5 管理层短视的调节效应

在数字创新情境下,管理层短视是指在决策制定与资源配置过程中,管理者更倾向于优先追求短期创新收益,未能充分考量组织长期创新能力,进而影响企业数字创新决策。根据信息处理理论,管理层短视可能会弱化企业复杂信息处理能力,导致信息处理需求与能力不匹配,从而弱化网络嵌入对数字创新的促进作用。

(1)管理层短视情境下,管理者缺乏对数字创新的深刻认识,无法清晰传达数字创新战略目标(徐梦等,2024),导致组织内部成员对数字创新目标缺乏一致动机,降低组织成员对合作伙伴数字创新信息的敏感性和主动获取意愿,弱化信息收集能力,进而抑制结构嵌入对数字创新的积极影响。

(2)管理者短视促使管理者在数字创新信息共享和知识转移方面表现出谨慎态度,采取策略性信息保留,即选择性地披露信息[22],进而抑制企业与合作伙伴沟通、合作深度,弱化组织数字信息整合和应用能力,导致合作网络潜力无法得到有效发挥,不利于数字创新。

(3)管理者过度关注短期利益,会忽视信息技术更新与升级,导致企业无法及时获取与处理外部市场、竞争对手和技术变化信息,合作伙伴可能对企业创新能力产生疑虑,从而减少对合作的投入和支持[23],导致企业不得不寻找新的合作伙伴,无法充分发挥结构嵌入的积极作用。据此,本文提出如下假设:

H3:管理层短视对结构嵌入与数字创新关系起负向调节作用。

H3a:管理层短视对中介中心性与数字创新关系起负向调节作用;

H3b:管理层短视对度中心性与数字创新关系起负向调节作用;

H3c:管理层短视对接近中心性与数字创新关系起负向调节作用。

综上所述,本文构建理论模型如图1所示。

2 研究设计

2.1 样本来源与数据收集

本文通过国际专利数据库(INCOPAT)搜集2008—2023年专利数据,检索字段包括“标题”“摘要”“当前申请(专利权)人”“申请日”“到期日”和“IPC分类号”等,并依据“专利权人”文本信息检索企业合作研发数据,具体检索过程如下:

(1)基于国家知识产权局印发的《关键数字技术专利分类体系(2023)》,整理7类关键数字技术相对应的IPC分类号。

(2)整理沪深A股高技术制造企业名单及股票代码,剔除ST、*ST企业以及观察期内数据指标严重缺失的企业。

(3)根据IPC分类号和高技术制造企业股票代码检索搜集专利数据,并通过以下步骤对联合申请专利数据进行筛选:①剔除专利申请人数量为1的专利;②剔除专利申请人类型为个人、研究所或大学的专利,仅保留专利申请人全部为企业的专利;③企业必须在2008—2017年至少有一项专利授权,并确保在2018—2023年仍保持专利授权;④将专利数据与上市公司数据进行匹配,若企业存在联合申请专利数据,则认为存在联盟。

最终,本文获得320家公司的92 642条发明申请专利,使用的所有财务数据均来自CSMAR数据库。

2.2 变量测量

2.2.1 被解释变量:企业数字创新(DI)

本文借鉴黄先海等[24]的研究思路,基于《关键数字技术专利分类体系(2023)》7类关键数字技术所对应的IPC分类号,包括人工智能技术、高端芯片技术、量子信息技术、物联网技术、区块链技术、工业互联网技术和元宇宙技术,通过筛选样本企业当年发明专利申请数据并对其数量进行汇总,构建反映企业数字创新水平的指标。

2.2.2 解释变量:企业结构嵌入(SE)

本文采用中心性测度结构嵌入,具体考察中介中心性、度中心性和接近中心性。鉴于网络规模差异可能显著影响中心性的绝对值解释力,本文采用相对中心性,以消除网络规模变化带来的潜在偏差。

参考Kao等[18]的做法,中介中心性计算方法如式(1)(2)所示。

(1)

(2)

其中,gjkt是节点j与节点k之间在t年的最短路径数,gijkt是节点j与节点k之间在t年通过节点i的最短路径数。Cbtwit是这些最短路径中在时间t内通过节点i的比例,Nt为时间点t上所有网络节点的总数。

参考Cheng等[19]的做法,相对度中心性具体计算方法如式(3)所示。

(3)

其中,xijt是节点i与节点j之间在年份t中的联系,如果节点i与节点j之间存在直接联系,则xijt为1,否则为0。Nt为时间点t上所有网络节点的总数。相对度中心性的域值介于0～1之间,该值反映了该节点在网络中相对于其它节点的中心性程度。

参考冯科和曾德明[20]的研究,相对接近中心性具体计算方法如式(4)(5)所示。

(4)

(5)

其中,dijt是节点i与节点j之间在t年的最短距离,即节点i到达节点j所有路径中距离最短的路径。

2.2.3 调节变量

(1)环境动态性(ED)。环境变动触发企业核心业务活动波动,进而影响企业销售收入的稳定性。借鉴申慧慧等[25]的研究,本文采用企业过去5年销售收入回归残差的标准差衡量环境动态性,并进行行业标准化处理。

(2)管理层短视(MM)。上市企业年度报告中“管理层讨论与分析”(MD&A)部分提供了对企业现状和未来规划的深入分析,能够映射管理层的认知特征和倾向。本文通过定量分析短视词汇在MD&A部分的出现频率衡量管理层短视(胡楠等,2021)。

2.2.4 控制变量

为估计数字创新的外部性,本文控制了企业特征和研发活动的相关变量。企业规模(Size)采用企业年度总资产的自然对数表示,企业年龄(Age)以企业成立年数的对数衡量,研发投资强度(RD)为企业研发投入与营业收入的比率,所有权(SOE)以二元变量表示,国有企业为1,非国有企业为0。本文变量说明如表1所示。

2.3 模型设定

为探讨结构嵌入对数字创新的影响效应,本文构建回归模型:

DIit=α0+α1SEit+α2Control+λYeart+μIndustryi+δProvincei+εit

(6)

其中,i代表企业,t代表年份,DI表示企业数字创新,SE代表企业在联盟中的结构嵌入,具体包括中介中心性(BC)、度中心性(DC)和接近中心性(CC)。Control代表一系列控制变量,λYeart表示年份层面的固定效应,有助于捕捉不可观测的特定时间效应。μIndustryi表示行业层面的固定效应,可以控制行业层面不可观测的不随时间变化的特征。δProvincei表示省份层面的固定效应,有利于捕捉不可观测的特定省份效应。本文在回归分析中对以上3种效应进行控制。εit代表企业i第t年的残差项。

为检验环境动态性的调节作用,本文构建模型:

DIit=β0+β1SEit+β2EDit+β3SEit×EDit+β4Control+λYeart+μIndustryi+δProvincei+εit

(7)

为验证管理层短视的调节作用,本文构建模型:

DIit=η0+η1SEit+η2MMit+η3SEit×MMit+η4Control+λYeart+μIndustryi+δProvincei+εit

(8)

其中,ED表示环境动态性,MM代表管理层短视,其它变量定义同上。

3 实证结果与分析

3.1 描述性统计与相关性分析

本文对所有变量进行描述性统计与相关性分析,结果如表2所示。企业数字创新的均值为33.48,标准差为124.11,表明我国企业数字创新水平差异显著。相关性分析表明,在不考虑其它变量影响的情况下,较高结构嵌入度有利于企业数字创新。

变量间相关系数的绝对值均小于0.6。为进一步排除多重共线性问题的干扰,本文在回归分析之前进行多重共线性检验。检验结果表明,各变量方差膨胀系数(VIF)的均值为1.29,低于临界值2,最大值为1.60,远低于临界值10。系数矩阵的行列式值为0.40,矩阵满秩。以上检验结果表明,本文回归模型不存在严重多重共线性问题。

3.2 面板数据回归

3.2.1 回归模型

由于专利申请数量为非负整数,因而本文被解释变量为计数型变量,不适合采用普通最小二乘回归方法,应选择泊松回归或负二项回归。此外,数字创新的方差与均值不相等,数据存在过度分散,无法满足泊松回归期望等于方差的假定。同时,LR test的结果显著,在1%显著性水平上拒绝泊松回归模型。因此,本文选择负二项回归模型。此外,本文对核心解释变量进行标准化处理。

表3列示了联盟中心性与数字创新关系回归结果,以及环境动态性和管理层短视的调节作用检验结果。Model1包含全部控制变量,Model2～Model4依次包含控制变量以及中介中心性、度中心性和接近中心性3个自变量,Model5～Model7分别加入环境动态性、环境动态性与中介中心性的交互项、环境动态性与度中心性的交互项,以及环境动态性与接近中心性的交互项。Model8～Model10分别加入管理层短视、管理层短视与中介中心性的交互项、管理层短视与度中心性的交互项,以及管理层短视与接近中心性的交互项。本文对交互项进行中心化处理,并控制年份效应、行业效应和省份效应。

3.2.2 回归结果分析

如表3所示,由Model1结果可知,企业规模对数字创新具有显著正向影响,企业年龄对数字创新具有显著正向影响,研发投资强度对数字创新具有显著正向影响;相较于非国有企业,国有企业数字创新绩效更低。上述结果与现有研究结果一致。

Model2～Model4探究中心性对数字创新的影响效应。具体而言,中介中心性的系数为1.828,在1%水平上显著为正,表明中介中心性具有显著正效应。度中心性的系数为0.331,在1%水平上显著为正,表明度中心性与企业数字创新呈显著正向关系。接近中心性的系数为0.406,在1%水平上显著为正,表明接近中心性越高,数字创新水平越高。上述结果表明,联盟网络结构嵌入有助于提升企业数字创新效果。企业通过嵌入网络强化信息处理能力,满足数字创新的多样性、实时性和高质量信息需求。因此,研究假设H1得到支持。

Model5～Model7考察了环境动态性对联盟网络中心性与企业数字创新关系的调节作用。Model5中,中介中心性与环境动态性的交互项系数为0.730,在10%水平上显著,表明环境动态性对中介中心性与企业数字创新关系具有显著正向调节作用,研究假设H2a得到验证。Model6中,度中心性与环境动态性的交互项系数不显著,表明环境动态性对度中心性与企业数字创新关系不具有调节作用,研究假设H2b未得到验证。Model7中,接近中心性与环境动态性的交互项系数为0.195,在5%水平上显著,表明环境动态性对接近中心性与企业数字创新关系具有显著正向调节作用,研究假设H2c得到验证。由此表明,相较于度中心性,环境动态性对中介中心性与接近中心性的正向调节作用更显著,原因如下:在创新网络中,中介中心性倾向于对信息进行控制和过滤,能够快速获取和直接响应市场信息。接近中心性较高的企业具有更短的访问路径,两者都能满足数字创新快速决策的信息需求,降低数字创新过程中误判的可能性。因此,高环境动态性对中介中心性和接近中心性的正向调节作用更显著。然而,当环境动态性提升时,度中心性较高的企业虽然能够从直接连接的广泛网络中快速获取实时信息,但其获取的信息流在动态环境中易陷入同质化陷阱。重复性信息传递无法满足动态环境下企业识别非连续性数字创新机会的异质性信息需求。因此,环境动态性对度中心性与数字创新间关系的影响不显著。

Model8～Model10探讨了管理层短视对联盟网络中心性与企业数字创新间关系的调节作用。Model8中,中介中心性与管理层短视的交互项系数为-0.407,在10%水平上显著,表明管理层短视对中介中心性与企业数字创新关系具有显著负向调节作用,研究假设H3a得到验证。Model9中,度中心性与管理层短视的交互项系数不显著,表明管理层短视对度中心性与企业数字创新关系不具有调节作用,研究假设H3b未得到验证。Model10中,接近中心性与管理层短视的交互项系数为-0.119,在1%水平上显著,表明管理层短视对接近中心性与企业数字创新关系具有显著负向调节作用,研究假设H3c得到验证。由此表明,相较于度中心性,管理层短视对中介中心性和接近中心性的负向调节作用更显著,原因如下:对于中介中心性较高的企业,管理层短视导致企业对跨领域的异质性信息处理延迟,限制了信息传递与整合的中介角色作用,从而导致信息流动受阻。对于接近中心性较高的企业,管理层短视导致企业忽视接近中心性提供的长期战略性数字创新信息访问机会,无法充分利用接近中心性带来的信息传递效率。因此,管理层短视使得中介中心性和接近中心性快速获取的广泛数字信息无法得到有效利用与整合,削弱了数字创新能力。度中心性网络结构中的信息流动通常较为低效,冗余信息的存在使得即使管理层忽视信息质量或滞后响应外部信息变化,一定程度上信息流的传递仍会继续在网络中进行,使得管理层短视对度中心性的调节作用较小,不会显著影响其创新转化能力。因此,度中心性相对不容易受到管理层短视的显著负向调节。为了能够更加直观地展示环境动态性和管理层短视的调节作用,本文绘制图2和图3,分别验证假设H2和假设H3。

图2显示,当环境动态性处于不同水平时,联盟网络中心性对数字创新的边际效应也不同。当环境动态性程度较高时,联盟网络中心性对数字创新的边际效应更强,即相较于低水平环境动态性,在高水平环境动态性情况下,联盟网络中心性对数字创新的积极作用更显著。因此,环境动态性对联盟网络中心性与数字创新间关系具有正向调节作用,支持假设H2。

图3显示,当管理层短视处于不同水平时,联盟网络中心性对数字创新的边际效应也不同。当管理层短视程度较低时,联盟网络中心性对数字创新的促进作用较强;当管理层短视程度较高时,这一促进作用减弱。因此,管理层短视对联盟网络中心性与数字创新间关系具有负向调节作用,支持假设H3。

3.3 内生性问题处理

数字创新能力强的企业专利产出多、技术领先,更可能被其他企业主动寻求合作,从而在网络中占据更中心的位置。为缓解反向因果引致的内生性问题,本文采用两阶段工具变量法(2SLS)和控制函数法(Control Function)估计中心性对企业数字创新的影响。首先,本文以自变量中心性滞后一期作为工具变量纳入模型。表4中Model1～Model3显示,本文选取的工具变量通过不可识别、过度识别、弱工具变量检验,而3个解释变量中介中心性、度中心性、接近中心性的系数均显著为正。其次,参考高瑜等[26]的研究方法,本文进一步利用控制函数法对内生性进行检验,结果如表4中Model4～Model6所示。结果表明,中介中心性、度中心性、接近中心性对数字创新具有显著正向效应,与前文结果一致。控制内生性后,中介中心性的系数上升,说明中心性与数字创新之间可能存在反向因果关系,即数字创新绩效越强,企业在联盟网络中的中心性越高,初始回归结果可能低估了其真实效应。本文通过工具变量法与控制函数法有效缓解了内生性带来的估计偏误,进一步验证了回归结果的稳健性和结论的可靠性。进行内生性检验时,本文对被解释变量进行标准化处理,采用控制函数法得到的系数为标准化回归系数,进一步检验了H1a、H1b、H1c。

3.4 稳健性检验

(1)更改样本数量,随机抽取30%的样本观测值进行负二项回归,结果如表5中Model1～Model3所示。结果显示,中介中心性、度中心性、接近中心性与数字创新呈正相关关系。

(2)更改因变量测度及估计方式,借鉴陶锋等[27]的研究,构建“数字经济核心产业分类代码—国民经济行业分类4位数代码(SIC4)—IPC小组”的对应关系,识别企业数字创新专利申请数量。由于专利数据为非负整数且零值较多,本文采用零膨胀负二项回归方法(ZINB)进行估计,结果如表5中Model4～Model6所示。由此,本文假设H1得到支持。

(3)增加企业特征和管理层特征控制变量,包括资产回报率(ROA)、托宾Q值(TobinQ)、管理层持股比例(Mshare)、管理层平均年龄(TMTAge)、管理层薪酬总额的自然对数(TMTPay),以避免遗漏变量带来的问题。负二项回归结果如表5中Model7～Model9所示。结果表明,在增加控制变量的情况下,假设H1仍然得到支持。

综上所述,本文实证结果具有稳健性和可靠性。

3.5 异质性分析

为了进一步检验中介中心性、度中心性、接近中心性的相对强度(H1a、H1b、H1c),参考Arranz等[28]的研究,本文采用由显著变量减去调整R2解释方差比例的方法。由于本文被解释变量为计数变量,负二项回归无法得到调整R2。因此,先将本文被解释变量数字创新取对数,再利用面板数据双向固定效应回归模型进行估计,结果如表6中Model1～Model6所示。

结果显示,中介中心性的系数为2.252,在1%水平上显著为正;度中心性的系数为0.380在1%水平上显著为正;接近中心性的系数为0.350在1%水平上显著为正。为了进一步检验上述相对预测能力,本文分析合作伙伴中介中心性和度中心性解释数字创新的方差比例。通过减去两个模型(Model4和Model2)的调整R2,得到由中介中心性解释的方差比例:

计算度中心性解释方差的比例(Model4和Model1):

通过对比检验两种中心性指标作用强度。故中介中心性对数字创新的影响强于度中心性,假设H1a得到验证;故中介中心性的作用强于接近中心性,假设H1b得到验证;故度中心性的作用强于接近中心性,假设H1c得到验证。

由此表明,企业在数字创新网络中的结构嵌入位置显著影响其获取和控制关键数字资源的能力,进而影响对数字创新的贡献。中介中心性是推动复杂协作型数字创新最强的嵌入方式,通过中介作用,连接不同资源提供方,提高跨界协作质量和效率。度中心性在资源整合和复杂协作中的作用相对有限,主要适用于市场导向的创新,而非跨领域深度协作性创新。此外,接近中心性对跨界合作和复杂资源整合的推动作用较弱,更适合多部门协同和流程优化的数字创新情境。

4 结语

4.1 研究结论

本文基于组织信息处理理论,探讨了结构嵌入对数字创新的影响效应,深入分析了环境动态性和管理层短视在这一关系中的调节作用,采用我国2008—2023年高科技制造企业数字专利申请数据进行实证检验,得到以下主要结论:

(1)结构嵌入对企业数字创新具有正向影响,在考虑内生性问题和稳健性检验后,该影响效应依然显著。该结论在拓展Bockelmann等[6]研究的基础上,进一步揭示了数字创新的独特性,表明其不仅需要区别于传统创新的联盟配置模式,还需要关注嵌入程度对数字创新效果的影响(余传鹏等,2024)。该发现与Chen等[10]、Wang等[29]的部分研究结论相呼应。结构嵌入通过满足数字创新不同阶段对高质量、多样性和实时性信息的需求,对企业数字创新发挥显著积极作用。在启动阶段,结构嵌入提高信息质量,以及信息透明性和真实性,为创新决策提供可靠依据;在开发阶段,结构嵌入通过整合跨领域异质性信息,显著提升信息多样性和整合效率;在实施阶段,结构嵌入提升信息流通效率和企业响应速度,从而缩短技术成果转化时间并提高创新效率。

(2)结构嵌入对数字创新的影响具有显著位置异质性,不同网络位置的中心性在信息处理能力与数字创新能力提升效果上存在差异。该结论支持了Arranz等[28]、Dong&Yang[30]的研究结论,进一步证实了网络位置对创新绩效的异质性影响,也支持了安同良等[31]的研究结论,即数字创新网络的独特性在于中介中心性对数字创新的促进作用最显著(刘政等,2024)。与传统创新网络中主要依赖度中心性直接连接外部信息的特征不同,数字创新情境下,中介中心性通过外部信息整合与控制能力发挥更大的作用。度中心性较高的企业虽然具有较强外部信息获取能力,但因缺乏对资源流向的控制,其对数字创新的影响相对有限;接近中心性较高的企业在跨组织信息整合与传递中的作用也较弱。上述结果进一步明确了不同网络位置在数字创新网络中的差异化价值。

(3)环境动态性能够强化中心性对数字创新的正向影响,尤其是中介中心性和接近中心性对数字创新的正向影响。在环境动态性较高情境下,中介中心性较高的企业能够利用其中介优势,供给高质量信息和推动复杂协作(李振东等,2023)。接近中心性较高的企业则通过更短路径迅速获取关键信息,满足数字创新过程中对快速决策的信息需求。中介中心性、接近中心性通过提升信息获取质量和速度显著增强企业应对不确定性的能力,从而更有效地促进数字创新。相比之下,度中心性较高的企业需要时间筛选冗余信息,导致信息时效性降低,与动态环境的深度信息需求存在解耦,信息优势被环境动态性削弱。

(4)管理层短视显著削弱了中心性对数字创新的正向影响,尤其是中介中心性和接近中心性对数字创新的正向影响。管理层短视导致管理者缺乏对长期数字创新的耐心和投入(匡慧姝等,2024),削弱了对数字创新战略的共识和一致性行动,抑制了对外部信息的有效整合。在管理层短视情境下,选择性地披露信息或限制信息流动会导致高质量信息转化链条被破坏。由于短视的管理者往往忽视网络拓展和对外部信息的及时响应的能力,接近中心性较高的企业原本具备的快速获取信息优势也因此被削弱。相比之下,度中心性由于其冗余信息的特性,能够在一定程度上缓解管理层短视的负面影响。因此,度中心性受管理层短视的负向调节作用较小。

4.2 实践启示

(1)企业需要加强与外部合作伙伴的关系,尤其在跨行业、跨领域创新合作中,不仅有助于获取更多技术、市场和资金资源,还能增强自身在不同创新链条中的影响力。通过参与外部合作,企业能够获得不同领域知识与视角,从而提升创新多样性并拓展创新深度。同时,企业应注重内部资源整合和协同。企业能够通过优化信息流动打破部门间壁垒,提升组织内部沟通效率,更迅速地响应市场需求,推动创新快速迭代和实施。

(2)结构嵌入的3个维度在数字创新中的异质性影响,反映了不同结构位置在特定数字创新情境下的优势。中介中心性有助于企业整合异质资源并掌握信息流,为复杂、协作型创新提供支持,在跨界创新、生态系统构建中至关重要。度中心性有助于企业获取大量一手市场信息,在快速响应市场需求、促进产品迭代更新的用户驱动型创新中发挥关键作用。接近中心性提升了企业内部信息流通效率和跨部门整合能力,在多部门协同和复杂流程优化中体现价值。在不同数字创新情境中,企业可根据其创新需求制定数字创新策略,以便有效利用结构嵌入的不同优势。

(3)面对高度动态的市场环境,企业应灵活调整其结构嵌入位置,积极与外部合作伙伴建立多元化网络联系。环境动态性意味着企业需要快速响应变化,通过优化网络位置获取关键资源和信息,从而促进数字创新。管理者需鼓励跨行业合作,拓展创新生态,提升企业市场适应性和创新能力。企业需具备敏锐的市场洞察力,及时调整战略,以抓住变化带来的机遇。然而,管理层短视行为可能抑制企业在动态环境中的创新潜力。过度关注短期目标可能导致企业忽视长期资源整合和战略布局,进而限制结构嵌入优化和外部资源有效整合。管理层需从长期战略出发,关注组织能力建设和创新能力持续提升,避免将过多精力集中在短期财务业绩上。企业可坚持长期创新战略,不断投入资源构建灵活的组织结构和创新网络。

4.3 不足与展望

本文存在如下不足:第一,本研究采用专利数据衡量企业数字创新水平,尽管在数据客观性和普遍应用性方面具有优势,但在全面刻画企业数字创新方面存在一定缺陷。专利申请数据与企业规模高度相关,难以充分反映中小企业实际数字创新水平。因此,未来可结合多种度量方式,基于多元视角综合评估企业数字创新。第二,本研究采用文本分析方法以具有“时间视域”的词频测度管理者短视。该测度方法可能忽略了长远视角相关词汇,导致一定程度的测量偏差,未来可采用调查问卷、访谈等方法进行验证。第三,管理者短视不仅体现在时间维度,也包含空间短视维度。因此,后续应引入多维度指标全面衡量管理者短视。

参考文献：

[1] MOUSAVI BAYGI R,INTRONA L D,HULTIN L.Everything flows:studying continuous socio-technological transformation in a fluid and dynamic digital world[J].MIS Quarterly,2021,45(1):423-452.

[2] 刘洋, 董久钰, 魏江. 数字创新管理: 理论框架与未来研究[J]. 管理世界, 2020, 36(7): 198-217, 219.

[3] LU H T, LI X, YUEN K F. Digital transformation as an enabler of sustainability innovation and performance-information processing and innovation ambidexterity perspectives[J]. Technological Forecasting and Social Change, 2023, 196: 122860.

[4] KANG R, ZAHEER A. Determinants of alliance partner choice: network distance, managerial incentives, and board monitoring[J]. Strategic Management Journal, 2018, 39(10): 2745-2769.

[5] JACOBIDES M G, CENNAMO C, GAWER A. Towards a theory of ecosystems[J]. Strategic Management Journal, 2018, 39(8): 2255-2276.

[6] BOCKELMANN T, WERDER K, RECKER J, et al. Configuring alliance portfolios for digital innovation[J]. The Journal of Strategic Information Systems, 2024, 33(1): 101808.

[7] LYYTINEN K, YOO Y, BOLAND R J JR. Digital product innovation within four classes of innovation networks[J]. Information Systems Journal, 2016, 26(1): 47-75.

[8] BOUNCKEN R, BARWINSKI R. Shared digital identity and rich knowledge ties in global 3D printing——a drizzle in the clouds[J]. Global Strategy Journal, 2021, 11(1): 81-108.

[9] JACOBIDES M G, CENNAMO C, GAWER A. Externalities and complementarities in platforms and ecosystems: from structural solutions to endogenous failures[J]. Research Policy, 2024, 53(1): 104906.

[10] CHEN Y H, YANG S T, ZHANG Z G, et al. How does digital enablement affect product customization? the roles of innovation capability and network embeddedness[J]. Technological Forecasting and Social Change, 2024, 201: 123272.

[11] KONG D M, LIN C, WEI L, et al. Information accessibility and corporate innovation[J]. Management Science, 2022, 68(11): 7837-7860.

[12] XIE X M, WU Y H, PALACIOS-MARQUÉS D, et al. Business networks and organizational resilience capacity in the digital age during COVID-19: a perspective utilizing organizational information processing theory[J]. Technological Forecasting and Social Change, 2022,177: 121548.

[13] WU J, LI H, ZHENG H C, et al. Signaling in joint venture capital: a social network perspective[J]. Industrial Management &Data Systems, 2017, 117(10): 2340-2363.

[14] KIESSLING T S, DEMIRKAN S, DEMIRKAN I. CEO and ecosystem knowledge management for firm performance[J]. IEEE Transactions on Engineering Management, 2023, 71: 9426-9439.

[15] HENFRIDSSON O,NANDHAKUMAR J,SCARBROUGH H, et al.Recombination in the open-ended value landscape of digital innovation[J]. Information and Organization,2018,28(2):89-100.

[16] SCUOTTO V, DEL GIUDICE M, BRESCIANI S, et al. Knowledge-driven preferences in informal inbound open innovation modes——an explorative view on small to medium enterprises[J]. Journal of Knowledge Management, 2017, 21(3): 640-655.

[17] XU L Y, LI J, ZHOU X. Exploring new knowledge through research collaboration: the moderation of the global and local cohesion of knowledge networks[J]. The Journal of Technology Transfer, 2019, 44(3): 822-849.

[18] KAO TW, SU H C, CHEN Y S. The curvilinear relationships between structural embeddedness and productive efficiency: an exploratory study[J]. International Journal of Production Economics, 2019, 212: 176-185.

[19] CHENG H, XU X J, LI Z Z, et al. The synergy of inventor cooperative network dual embeddedness and firm innovation: the mediating role of ambidextrous learning[J]. Technology Analysis &Strategic Management, 2024, 36(1): 89-104.

[20] 冯科, 曾德明. 二元技术标准制定绩效的驱动因素: 外部网络位置与内部技术能力的权变作用[J]. 管理评论, 2023, 35(4): 79-90.

[21] 任鸽, 陈伟宏, 钟熙. 高管国际经验、环境不确定性与企业国际化进程[J]. 外国经济与管理, 2019, 41(9): 109-121.

[22] SUN A, WU H, FENG Z, et al. The impact of high-tech enterprise innovation network on breakthrough technology innovation performance:mediating role of intellectual capital[J]. Annals of Operations Research, 2024, 337(1): 21-21.

[23] CONNELLY B L,DESJARDINE M R,SHI W,et al.Corporate social responsibility in the age of activist directorships[J]. Strategic Management Journal, 2025, 46(3): 815-833.

[24] 黄先海, 王瀚迪, 孙涌铭, 等. 数字技术与企业出口质量升级——来自专利文本机器学习的证据[J]. 数量经济技术经济研究, 2023, 40(12): 69-89.

[25] 申慧慧, 于鹏, 吴联生. 国有股权、环境不确定性与投资效率[J]. 经济研究, 2012, 47(7): 113-126.

[26] 高瑜, 李响, 李俊青. 金融科技与技术创新路径——基于绿色转型的视角[J]. 中国工业经济, 2024,41(2): 80-98.

[27] 陶锋, 朱盼, 邱楚芝, 等. 数字技术创新对企业市场价值的影响研究[J]. 数量经济技术经济研究, 2023, 40(5): 68-91.

[28] ARRANZ N, ARROYABE M F, FERNANDEZ DE ARROYABE J C. Network embeddedness in exploration and exploitation of joint R&D projects: a structural approach[J]. British Journal of Management, 2020, 31(2): 421-437.

[29] WANG P. Connecting the parts with the whole: toward an information ecology theory of digital innovation ecosystems[J]. MIS Quarterly, 2021, 45(1): 397-422.

[30] DONG J Q, YANG C H. Being central is a double-edged sword: knowledge network centrality and new product development in U.S. pharmaceutical industry[J]. Technological Forecasting and Social Change, 2016, 113: 379-385.

[31] 安同良, 魏婕, 姜舸. 基于复杂网络的中国企业互联式创新[J]. 中国社会科学, 2023,44(10): 24-43, 204-205.

(责任编辑：张 悦)