The Impact of U.S. Entity List Sanctions on Enterprise Collaborative Innovation from the Perspective of Supply-Chain Spillover

Ma Congwen , Zhan Yong

(Business School, Xiangtan University, Xiangtan 411100,China)

Abstract：Entity List sanctions serve as a pivotal tool for the United States in its crackdown on China. A notable instance was in April 2018 when the U.S. government imposed a technology embargo on ZTE, marking the beginning of a broader technology blockade against China. Under these sanctions,targeted enterprises face restrictions on purchasing U.S.-controlled technologies, products, and services, and even with license applications, they often face strict scrutiny and rejections, leading to operational instability and higher uncertainties. As economic globalization and specialization deepen, enterprises form close supply chain networks. However, the sanctions on midstream enterprises can trigger a chain reaction, transmitting risks to upstream and downstream enterprises, increasing supply chain risks, and weakening overall competitiveness. This situation raises the question of what strategies upstream and downstream enterprises should adopt to deal with the supply chain risks caused by the technology blockade.

From the perspective of supply chain, this paper examines the two-way spillover effect of midstream enterprises on the collaborative innovation of upstream and downstream enterprises after the U.S. technology blockade. It draws on the CNRDS database to compute patent and supply chain matching data to gauge enterprise collaborative innovation. After rigorous sample processing, 2 679 valid samples emerge, comprising 1 466 "year-midstream-upstream enterprise" matches and 1213 "year- midstream-downstream enterprise" matches. Subsequently, a benchmark model is constructed, followed by in-depth empirical analysis. In the mechanism analysis, the study respectively measures the operational risk of upstream and downstream enterprises based on the annual stock daily return volatility of these enterprises, and the higher the value, the greater the operational risk. It then adopts the proportion of the sum of the top 3 executive compensations to all executive compensations to measure managerial overconfidence, and the higher this value is, the higher the degree of managerial overconfidence.

The study finds that after the midstream enterprises are subject to the U.S. technology blockade, the supply chain spillover effect is generated, which not only promotes the collaborative innovation of upstream enterprises, but also promotes the collaborative innovation of downstream enterprises, thus highlighting the symmetry of the U.S. technology blockade supply chain spillover. Operational risk and managerial overconfidence are the internal impact mechanism of U.S. technology blockade on the collaborative innovation of upstream and downstream enterprises. The heterogeneity analysis shows that the spillover effect of the U.S. technology blockade on the supply chain is more obvious in the samples with closer supply chain distance, higher supply chain stability, lower supply chain concentration and higher market status.

According to the empirical results, the following countermeasures and suggestions are proposed respectively. For enterprises, on the one hand, when making collaborative innovation decisions, they not only need to assess the risks they face directly, but also need to comprehensively assess the potential threats in the entire supply chain network, especially the potential risks brought by other enterprises in the supply chain under the sanctions of the U.S. Entity List, so as to adjust the collaborative innovation strategy in a timely manner. On the other hand, enterprises should set up a full-time risk management department, strengthen the voice of independent directors and set up a special audit committee to conduct a third-party evaluation of managers ' major decisions, so as to curb managers ' overconfidence tendency and unblock the channels through which U.S. technology blockade affect the collaborative innovation of upstream and downstream enterprises. For the government, on the one hand, it should take into account the spillover effects on the supply chain caused by the U.S. technology blockade,and support not only the midstream enterprises that have been directly sanctioned but also provide appropriate resource allocation to the upstream and downstream enterprises within the supply chain, so as to maximize the effect of policy support by improving the overall competitiveness of the supply chain ; on the other hand, the government should tailor innovation support policies to different enterprises based on their unique circumstances, so as to enhance the level of enterprise collaborative innovation.

Key Words：U.S. Entity List;Supply Chain Spillover;Enterprise Collaborative Innovation

收稿日期：2024-11-28

修回日期：2025-05-02

基金项目：国家社会科学基金重点项目(23AZD074);湖南省社会科学基金重大项目(22ZDA023);湖南省研究生科研创新项目(CX20240053)

作者简介：马从文(1996-),男,江苏连云港人,湘潭大学商学院博士研究生,研究方向为公司治理与技术创新;湛泳(1976-),男,湖南益阳人,博士,湘潭大学商学院教授、博士生导师,研究方向为技术创新与国防经济。

通讯作者：湛泳。

DOI：10.6049/kjjbydc.D22024111048

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1;F274

文献标识码：A

文章编号：1001-7348(2026)08-0107-11

0 引言

近年来,中国在全球供应链体系中的重要性日渐凸显,并成为推动全球经济发展不可或缺的力量。出于维护自身全球霸权地位以及遏制中国崛起的战略考量,美国正加快实施对中国的围堵打压政策,企图打造“小院高墙”削弱中国科技竞争能力,以保持自身技术领先地位(吕琪等,2024)。其中,实体清单是美国打压中国的关键手段。自2018年4月美国政府宣布对中兴通讯实施技术禁运起,截至2025年3月,被美国列入实体清单的中国实体高达1 000余家,覆盖中国新一代信息技术、高端装备制造和生物医药等战略性新兴产业,以减缓中国科技进步速度。在未经美国特别许可情形下,被制裁企业无法购买受美国出口管制的技术、产品和服务,即使被制裁企业向美国申请出口许可,仍需面临严格的审查和漫长的等待,且大多数情况下美国也不会同意其申请,进而导致被制裁企业面临较高的外部不确定性而无法稳健运营[1]。

随着经济全球化和专业化分工日益加深,为降低成本、提高效率和增强竞争力,企业开始寻求与上下游企业进行深度合作,通过整合原材料采购、生产加工、物流配送、销售服务等环节与上下游企业形成“一荣俱荣、一损俱损”的供应链网络[2]。但供应链复杂性增加了企业管理难度,要求企业具备较强的协调能力,以确保各环节顺畅运行。由于供应链内各企业间紧密相连,供应链任意一方遭受负面冲击都会引发连锁反应,快速蔓延至整个供应链,影响其他企业[3]。因此,当中游企业受到美国实体清单制裁时,其风险可能通过供应链传递到上下游企业,对上下游企业正常运营造成不利影响,进而提高供应链风险和削弱供应链整体竞争力。此时,上下游企业采取何种策略应对技术封锁引发的供应链风险成为现实问题。

党的二十大报告强调“着力提升产业链供应链韧性和安全水平”。党的二十届三中全会提出,“加强企业主导的产学研深度融合,支持企业主动牵头或参与国家科技攻关任务”。采取协同创新策略是企业应对供应链风险的重要途径。因此,本文探究美国实体清单制裁对上下游企业协同创新的影响,为中国提升产业链供应链韧性和应对技术封锁提供经验证据与管理启示。

早期关于技术封锁的研究主要聚焦于投资审查、“301”调查、商业管制清单、征收关税、反倾销和反补贴等传统政策[4-6],探讨其对宏观国家福利、贸易结构和微观企业经营发展的影响。随着中美科技竞争加剧,实体清单制裁因具有较高的靶向性,能够精准针对特定企业、研究机构、政府组织或其他实体进行限制,已成为美国主要技术封锁手段。现有文献主要从理论和案例层面分析美国实体清单制裁[7-8],相关实证研究正处于起步阶段[9],鲜少有学者实证考察美国实体清单制裁的供应链溢出效应。美国实体清单制裁反映出企业所处国际政治环境和经济环境剧变,不仅影响被制裁企业,还对其供应链产生冲击,但现有研究主要关注企业内部经营决策和外部自然灾害的供应链溢出效应[10-11],并未将美国实体清单制裁纳入供应链溢出效应分析框架。为弥补现有研究不足,本文基于上下游企业协同创新角度,探究美国实体清单制裁的供应链溢出效应。

理论上,中游企业受到美国实体清单制裁后对上下游企业协同创新具有重要影响。首先,受到美国实体清单制裁后,中游企业生产难以为继,并通过供应链传递,增加了上游企业应收账款的坏账风险,同时也提高了下游企业融资成本。此时,上下游企业倾向选择与外部伙伴合作,获取互补性创新资源、分摊研发成本,以缓解自身资金压力[10]。其次,中游企业受到美国实体清单制裁后,不仅自身经营受到影响,也显著提升了其供应链上下游企业经营风险,迫使上下游企业加强风险管理。因此,中游企业在进行创新决策时会持谨慎态度,优先采用高确定性和低失败风险的协同创新模式,通过与其他创新主体合作共同分担创新风险(黄宏斌等,2023)。

基于上述分析,本文以沪深A股上市公司为研究样本,探究中游企业受到美国实体清单制裁对上下游企业协同创新的双向溢出效应,创新点如下:第一,基于供应链溢出视角,手工整理美国实体清单制裁数据,同时匹配“年份—中游企业—下游企业”“年份—中游企业—上游企业”供应链数据,就中游企业受到美国实体清单制裁后对上下游企业协同创新的双向溢出效应进行理论分析和数据验证,以期丰富供应链溢出效应相关研究。第二,已有研究基于企业内部特征和外部环境考察企业协同创新影响因素,忽视了企业嵌入于复杂的供应链网络中,更未考虑供应链中其他企业受到冲击对自身协同创新决策的影响。本文将供应链中其他企业受到美国实体清单制裁纳入企业协同创新影响因素研究框架,为企业协同创新影响因素研究补充经验数据。第三,基于经营风险和管理者过度自信角度,分析中游企业受到美国实体清单制裁后对上下游企业协同创新产生双向溢出效应的内在机制,同时揭示美国实体清单制裁的供应链溢出效应因供应链距离、供应链稳定性、供应链集中度和市场地位等因素差异而存在异质性,从而为相关政策制定和企业供应链风险管理提供理论支持与经验数据。

1 文献回顾、理论分析与研究假设

1.1 文献回顾

1.1.1 美国实体清单制裁

20世纪90年代,学者们运用公共管理学和图书情报学等学科研究框架,从理论层面研究美国实体清单制裁的动机、特征和法律基础[7,12]。随着研究深入,也有文献基于中兴、华为和联邦快递等案例考察中国实体应对美国实体清单制裁的策略[8]。还有文献基于计量实证法,分别从宏观和微观两个角度实证考察美国实体清单制裁的经济后果。

关于宏观层面的经济后果。一方面,美国通过实施实体清单制裁对中国减少关键技术及产品出口,进一步加剧中美两国贸易逆差[13];另一方面,虽然美国实体清单制裁给中国带来短期困扰,但激发了中国高新技术产业自立自强精神[1]。

关于微观层面的经济后果。首先,随着美国实体清单制裁日趋严厉,不仅企业技术引进渠道受到限制,而且在合法合规框架内寻求与发达国家技术开展交流合作也面临更为严格的审查,直接导致企业生产计划受阻和利润水平降低,从而陷入融资困境[9,14-15];其次,在美国实体清单制裁的外部压力下,中国企业不仅关注自身生存发展,还勇于承担社会责任,积极主动融入国家发展大局,通过加强研发投入为产业升级作贡献[16-17]。

1.1.2 供应链溢出效应

关于供应链溢出效应的文献主要关注供应链前向溢出和后向溢出两个方面。

供应链前向溢出是指中游企业对下游企业的影响。一方面,为提高供应链整体竞争力,中游企业会通过供应链与下游企业分享其最新研究成果,帮助下游企业接触前沿技术,提高下游企业研发成功率[18];另一方面,中游企业ESG评级分歧和破产风险会沿着供应链传递,进而提高下游企业经营不确定性,使下游企业陷入融资困境[11]。

供应链后向溢出是指中游企业对上游供应商的影响。首先,中游企业的影子银行化行为会通过供应链传递,从而提高上游企业经营风险[10];其次,当中游企业行业地位较高时,有助于降低上游企业代理成本和融资成本,进而提高上游企业业绩表现[19];最后,当中游企业面临的环境规制较高时,为维持业绩稳定,上游企业不得不增加绿色投资,以满足中游企业绿色技术需求[20]。

1.1.3 企业协同创新

已有文献分别从微观和宏观层面展开企业协同创新影响因素分析,其中微观层面的影响因素包括合作文化(Drejer&Jrgensen,2005)、融资约束[21]、数字化转型(汪晓文等,2025)、研发联盟(杜传忠和薛宇择,2024)、企业组织变革(陈劲等,2025)等;宏观层面的影响因素包括地理邻近性(曾益凡等,2022)、市场环境(Yu等,2024)、大数据综合试验区设立[22]、“一带一路”倡议[23]等。

已有研究已经取得了一定成果,但仍存在以下不足:首先,已有文献主要从理论和案例层面考察美国实体清单制裁的动机、特点、法律逻辑、驱动因素及应对策略,鲜有学者运用大样本数据实证检验中游企业遭受美国实体清单制裁对其供应链上下游企业的影响。其次,现有供应链溢出效应相关文献大多基于单一方向研究供应链前向溢出或后向溢出,鲜有学者将二者放入同一框架进行分析。最后,随着市场分工不断深化,供应链内各企业间联系日益紧密,供应链上任一环节细微变动都会产生“涟漪效应”。由此可知,美国实体清单不仅作用于被制裁企业,还会传导至供应链上其他企业,但现有文献在探究企业协同创新影响因素时,忽视了供应链中某一企业遭受美国实体清单制裁带来的连锁影响。为拓宽现有研究深度,本文构建美国实体清单制裁的供应链溢出效应理论框架,在美国实体清单制裁数据的基础上,同时匹配“年份—中游企业—下游企业”“年份—中游企业—上游企业”供应链数据,实证检验中游企业遭受美国实体清单制裁后对上下游企业协同创新的影响。

1.2 理论分析与研究假设

1.2.1 美国实体清单制裁与上下游企业协同创新

上下游企业是中游企业的重要外部利益相关者,中游企业遭受美国实体清单制裁的消息通过供应链网络迅速扩散至上下游企业,形成连锁反应,进一步影响上下游企业协同创新决策。

(1)美国实体清单制裁通过增加上下游企业经营风险,倒逼企业协同创新。当中游企业遭受美国实体清单制裁时,为维持整个供应链的稳定性,政府会同时对被制裁企业及其上下游企业进行帮扶(张古鹏等,2024)。上下游企业得到政府技术支持或参与国家重点项目的机会,有利于提高其发展平台,吸引更多高学历人才,进而优化上下游企业人力资本结构(湛泳和马从文,2024)。高学历人才通常具备较好的教育背景和沟通能力,更容易与其他创新主体建立联系,理解合作方需求和期望,从而使协同创新项目顺利推进[24]。

(2)美国实体清单制裁通过提高上游企业商业信用风险和下游企业融资成本,倒逼上下游企业开展协同创新活动。其一,上游企业为维持与中游企业供应链的稳定性,通常会向中游企业提供商业信用,采用“先供货后付款”方式向其销售货物[25]。当中游企业受到美国实体清单制裁后,可能陷入财务危机,无法按时支付或不能支付货款,导致上游企业无法及时收回应收账款,出现现金流紧张[10]。其二,由于供应链各企业间紧密相连,当中游企业被美国实体清单制裁后,上述信息通过供应链迅速传递到下游企业,使下游企业面临较高的外部不确定性,在获取银行贷款时可能需要承担较高的贷款利率,从而增加其融资成本(赵云辉等,2024)。当企业陷入融资困境时,会优先选择协同创新策略。一方面,在资金紧张情景下,企业难以独自承担较高的研发成本,而通过与外部合作伙伴开展协同创新活动,可降低单个研发项目的经济负担;另一方面,融资约束较高的企业通常缺乏创新资源,有意愿与外部伙伴合作,参与联合创新活动,以弥补自身创新短板[26]。基于上述分析,本文提出以下假设:

H1:美国实体清单制裁具有前向和后向供应链溢出效应,即中游企业受到美国实体清单制裁后,产生供应链扩散效应,推动上下游企业协同创新。

1.2.2 美国实体清单制裁、经营风险与上下游企业协同创新

中游企业受到美国实体清单制裁后,加剧上下游企业经营风险。

(1)在生产经营过程中,上游企业利用市场报告和中游企业提供的预期订单调整其生产计划(Cui等,2025)。为避免原材料成本上升、产成品售价下降或因缺货影响中游企业满意度,上游企业会设置一个“安全库存”水平,且该库存水平一般高于市场日常需求水平。在与上游企业谈判过程中,中游企业可能会夸大预期订单量,以提高议价能力获取更多优惠[10]。受上述原因影响,上游企业通常会生产较多产品,面临严重的产能过剩问题。中游企业受到美国实体清单制裁后,难以获取到国外供应商提供的关键核心技术产品,而国内供应商短期内也无法提供相应替代品。因此,中游企业只能减少对国内上游企业的订单量,甚至砍掉生产线[14]。中游企业被美国列入实体清单具有突发性,上游企业难以根据中游企业经营变化及时调整生产计划,导致其产能过剩、库存积压和贬值,进一步提高其经营风险。

(2)中游企业受美国实体清单制裁后,生产线陷入停滞,短期内无法为下游企业提供商品,使下游企业对其履行能力产生质疑,进而降低下游企业继续合作意愿[27]。此时,为了维持业绩稳定和避免供应链中断,下游企业需要不断调整采购和生产计划,从而承担较高的经营成本和经营风险。

随着经营风险增大,企业意识到风险管理对维持长期稳定发展的必要性,不仅加强对财务风险、市场风险等传统风险的管理,还对技术创新和研发活动中的风险进行严格管理。因此,企业在制定创新决策时会采取更为审慎的态度,倾向于选择高确定性和低失败概率的创新路径,而与其他企业、高校或科研院所开展协同创新项目可弥补自身短板,降低创新风险,加速产品开发进程,是企业风险管理情景下的有效创新选择(黄宏斌等,2023)。基于上述分析,本文提出以下假设:

H2:美国实体清单制裁通过增加经营风险影响上下游企业协同创新。

1.2.3 美国实体清单制裁、管理者过度自信与上下游企业协同创新

过度自信的管理者拥有极强的自尊心和近乎理想化的乐观,不仅坚信自身拥有超凡能力,而且对自身决策的正确性和准确性持绝对信心,认为每个决定都是经过深思熟虑且必然导向成功的路径[28]。在自我信念驱动下,当企业取得成功时,该类管理者通常将所有功劳归结于自身才能,而当出现挫折时,该类管理者通常将失败原因归咎于外部环境变化、市场条件的不可预测性,较少反思自身策略是否存在问题(Chen等,2015)。实际上,过度自信的管理者在上市企业高层管理团队中较为常见,他们倾向于选择自主创新策略,而非协同创新策略。

(1)过度自信的管理者认为,凭借自身洞察力和专业技能能够带领团队独立开发新产品或新技术,从而在市场中占据领先地位(赵依婕等,2024)。并且认为,借助内部资源开展自主创新,不仅可以对研发进行全流程把控,还能够确保研发成果的保密性和安全性,以迅速响应市场需求变化。

(2)与自主创新相比,企业通过与合作伙伴组建协同创新团队高效整合各创新主体的独特优势,推动知识和技术深度融合,有效弥补自身在资源储备与核心能力方面的不足。对于过度自信的企业管理者而言,采取协同创新策略意味着对外部依赖,与其自认为无所不能的心理相悖[29]。 美国实体清单制裁会削弱上下游企业管理者过度自信倾向。首先,中游企业受到美国实体清单制裁后,因缺乏国外关键核心技术,难以正常生产经营,会减少对国内上游企业的原材料采购,也无法及时向下游企业销售产品,由此导致上下游企业也面临较大的业绩压力[14]。较大的业绩压力会迫使企业管理者重新审视自身判断和决策的正确性并采取相应措施加以改进,进而有助于纠正管理者过度自信倾向。其次,上下游企业的投资者和股东也较为关注中游企业被美国实体清单制裁后对自身的影响,并会加强对企业管理者的监督和绩效考核。为满足投资者和股东期望,企业管理者需要展示务实态度并接受外部意见,而不是仅依赖自身直觉和判断,从而抑制自身过度自信倾向(王福胜等,2023)。基于上述分析,本文提出假设:

H3:美国实体清单制裁通过降低管理者过度自信影响上下游企业协同创新。

2 研究设计

2.1 数据来源与样本选择

本文以2013—2023年沪深A股上市企业为研究样本,测算企业协同创新所需的专利数据和供应链匹配数据来源自CNRDS数据库,实体清单数据来自美国商务部工业和安全局官网,上市企业其他相关财务数据来自CSMAR数据库。在此基础上,本文进行如下处理:其一,由于非上市公司协同创新数据和财务数据较难收集,本文仅保留中游、上游和下游企业均为上市企业的样本;其二,剔除中游、上游和下游企业属于金融业的样本;其三,剔除中游、上游和下游企业被ST、PT处理以及关键数据缺失的样本;其四,对文中连续变量进行上下1%的缩尾处理,最终得到2 679个研究样本,其中“年份—中游企业—上游企业”匹配样本1 466个,“年份—中游企业—下游企业”匹配样本1 213个。

2.2 变量定义

2.2.1 被解释变量:上游企业协同创新(Sup_Coi)与下游企业协同创新(Cli_Coi)

参考已有研究[10,23],本文在“年份—中游企业—上游企业”数据集的基础上,采用上游企业当年与其他创新主体联合申请发明专利数量加1的自然对数衡量上游企业协同创新(Sup_Coi);在“年份—中游企业—下游企业”数据集的基础上,采用下游企业当年与其他创新主体联合申请发明专利数量加1的自然对数衡量下游企业协同创新(Cli_Coi)。

2.2.2 解释变量:美国实体清单制裁(Block)

若中游企业在当年及以后年份被美国列入实体清单,该变量赋值为1,否则赋值为0。

2.2.3 控制变量

参考已有研究,本文控制如下变量:①企业规模(Size),以总资产的自然对数反映;②偿债能力(Lev),以总负债与总资产之比反映;③现金比率(Cash),以现金资产与总资产之比反映;④盈利能力(Rst),以净利润与净资产之比反映;⑤成长能力(Tag),以当年总资产增加额与上一年总资产之比反映;⑥机构投资者持股(Inst),以机构投资者持有股数与总股数之比反映;⑦两职合一(Itp),董事长兼任CEO赋值为1,否则赋值为0;⑧治理水平(Dep),以独立董事之比反映;⑨产权性质(Rty),国企赋值为1,否则赋值为0。

2.3 基准模型设定

本文基准模式如式(1)所示。

Sup_Coii,t/Cli_Coij,t=β0+β1Blocks,t+β2Controls+Year+Ind+εi/j,t

(1)

其中,i为上游企业,j为下游企业,s为中游企业,ε为残差,Year为时间固定效应,Ind为行业固定效应,β0、β2分别为常数项和控制变量系数,β1为解释变量系数,本文预期该符号显著为正。

3 实证结果分析

3.1 描述性统计

表1为变量描述性统计结果,Sup_Coi的最小值为0,最大值为7.658,标准差为1.120,均值为0.692,表明各上游企业间协同创新水平具有较大差异;Cli_Coi的最小值为0,最大值为7.597,标准差为1.193,均值为0.576,表明各下游企业间协同创新水平具有较大差异。同时,Sup_Coi的均值大于Cli_Coi的均值,表明相对于下游企业,上游企业协同创新水平更高;Block的均值为0.018,意味着有1.8%的观测值受到美国实体清单制裁的影响。

3.2 基准回归分析

表2为基准回归结果。为保证结果的可靠性,列(1)(2)仅加入Block进行回归,列(3)(4)分别在列(1)(2)的基础上加入控制变量,列(5)(6)分别在列(3)(4)的基础上加入时间和行业固定效应。列(1)(3)(5)为中游企业受到美国实体清单制裁后对上游企业协同创新影响的回归结果,列(2)(4)(6)为中游企业受到美国实体清单制裁后对下游企业协同创新影响的回归结果。列(1)～(6)中Block的估计系数均显著为正,意味着中游企业受到美国实体清单制裁后,产生供应链溢出效应,不仅推动上游企业协同创新,也促进下游企业协同创新。由此,假设H1得到验证。

3.3 稳健性与内生性检验

3.3.1 平行趋势检验

本文运用双重差分法检验假设H1,使用该方法的前提是在选取处理组和对照组样本时遵循随机原则。参考张杰等[30]的研究,本文设置中游企业受到美国实体清单制裁前后合计7年的观测区间,将美国实体清单制裁前3年和后3年的虚拟变量纳入回归模型,借助虚拟变量的显著性检验上文结果是否通过平行趋势检验。其中,Policy_3、Policy_2、Policy_1为中游企业受到美国实体清单制裁前三年、前两年和前一年虚拟变量,Policy0为中游企业受到美国实体清单制裁当年虚拟变量,Policy1、Policy2和Policy3为中游企业受到美国实体清单制裁后一年、后两年和后三年虚拟变量,回归结果分别见表3列(1)(2)。结果显示,两组Policy_3、Policy_2和Policy_1的估计系数均不显著,满足双重差分模型的平行趋势假设要求。此外,列(1)(2)中Policy1、Policy2和Policy3的估计系数均显著异于0,意味着中游企业受到美国实体清单制裁后,能够同时促进上下游企业协同创新。

3.3.2 替换被解释变量

本文以上下游企业当年与其他创新主体联合申请发明专利、实用新型专利和外观设计专利之和加1的自然对数重新衡量上下游企业协同创新,回归结果分别见表4列(1)(2)。结果显示,Block的估计系数均显著为正,与前文结果一致。

3.3.3 控制遗漏变量

(1)考虑到遗漏行业层面随时间变化的不可观因素可能导致估计误差,本文在模型(1)的基础上加入时间与行业固定效应的交互项,以提高因果分析结果的准确性,回归结果见表4列(3)(4)。结果显示,Block的估计系数均显著为正。

(2)本文在基础回归中仅控制上下游企业相关变量,但中游企业相关特征也可能影响上下游企业协同创新,因而在模型(1)的基础上控制中游企业资产规模、盈利能力和成长能力(在表4中以Target统一表示),回归结果见表4列(5)(6)。结果显示,Block的估计系数均显著为正。

3.3.4 倾向得分匹配法

上下游企业在开展协同创新时,由于担心其研究成果被竞争对手学习和模仿,可能会选择暂时不申请联合发明专利,以保护自身先进技术和市场地位。上下游企业当年联合发明专利申请量为0并不意味着上下游企业当年未开展协同创新活动。因此,本文采用倾向得分匹配法,根据上下游企业联合发明专利申请量是否为0将全样本分为两组,以企业规模、偿债能力、现金比率、盈利能力、成长能力、机构投资者持股、两职合一、治理水平等为协变量分别进行1∶3和1∶5近邻匹配,并重新进行多元回归,结果见表5列(1)～(4)。其中,列(1)(2)分别为1∶3和1∶5近邻匹配下中游企业受到美国实体清单制裁后对上游企业协同创新影响的估计结果,Block的估计系数均显著为正;列(3)(4)分别为1∶3和1∶5近邻匹配下中游企业受到美国实体清单制裁后对下游企业协同创新影响的估计结果,Block的估计系数均显著为正,进一步验证了前文结论。

3.3.5 Heckman两阶段法

由于政府部门并未强制中游企业在年报中公开其上下游企业信息,中游企业可视自身情况决定是否披露其上下游企业信息,因而可能存在样本选择问题影响基准回归的有效性。为此,本文采用Heckman两阶段法,以中游企业是否披露其上下游企业信息为因变量,使用Probit模型进行回归,得到逆米尔斯比率(Imr),并将其加入模型(1)。表5列(5)(6)中Block的估计系数均显著为正,即在控制样本选择偏差后,前文结论依然成立。

3.3.6 安慰剂检验

为尽可能消除不可观测因素对美国实体清单制裁供应链溢出效应的影响,本文采用安慰剂检验法构建伪Block虚拟变量,并重复回归模型(1)1 000次,估计结果系数分布见图1、图2。由图1和图2可知,伪Block的估计系数分布与正态分布高度一致,集中在0附近,且真实Block的估计系数明显落在核密度函数之外,通过安慰剂检验。

3.4 作用机制分析

借鉴温忠麟等[31]的研究,本文构建模型(2)(3)检验假设H2、H3。

Medi/j,t=β0+β1Blocks,t+β2Controls+Year+Ind+εi/j,t

(2)

Sup_Coii,t/Cli_Coij,t=β0+β1Blocks,t+β2Medi/j,t+β3Controls+Year+Ind+εi/j,t

(3)

其中,Med为机制变量,包括:①上游企业经营风险(Sup_Risk)和下游企业经营风险(Cli_Risk),借鉴张新一等[32]的研究,分别以上游企业年度股票日收益率波动和下游企业年度股票日收益率波动衡量,上述数值越大,表明经营风险越高;②上游企业管理者过度自信(Sup_Of)和下游企业管理者过度自信(Cli_Of),借鉴已有研究[33],采用排名前3的高管薪酬之和占所有高管薪酬的比值衡量,该数值越大,表明管理者过度自信程度越高。

3.4.1 经营风险

经营风险机制检验结果见表6列(1)～(4)。列(1)(2)为美国实体清单制裁的供应链后向溢出机制检验结果,列(1)中Block的估计系数显著为正,列(2)中Sup_Risk、Block的估计系数显著为正;列(3)(4)为美国实体清单制裁的供应链前向溢出机制检验结果,列(3)中Block的估计系数显著为正,列(4)中Cli_Risk、Block的估计系数显著为正。上述结果表明,美国实体清单制裁通过增加经营风险影响上下游企业协同创新。由此,假设H2得到验证。

3.4.2 管理者过度自信

管理者过度自信机制检验结果见表6列(5)～(8)。列(5)(6)为美国实体清单制裁的供应链后向溢出机制检验结果,列(5)中Block的估计系数显著为负,列(6)中Sup_Of的估计系数显著为负,Block的估计系数显著为正;列(7)(8)为美国实体清单制裁的供应链前向溢出机制检验结果,列(7)中Block的估计系数显著为负,列(8)中Cli_Of的估计系数显著为负,Block的估计系数显著为正。上述结果表明,美国实体清单制裁通过降低管理者过度自信影响上下游企业协同创新。由此,假设H3得到验证。

4 异质性分析

4.1 供应链距离

较近的供应链距离降低了企业物流和沟通成本,有助于企业间实现信息实时共享,提升双方信任程度,进而推动企业间协同创新。因此,本文基于供应链距离中位数将全样本分为供应链距离较近样本组和供应链距离较远样本组,以企业间空间距离计算供应链距离,回归结果见表7列(1)～(4)。列(1)(2)为美国实体清单制裁的供应链后向溢出的异质性检验结果,列(1)(2)中Block的估计系数均显著为正,且列(1)中Block的估计系数远大于列(2)中Block的估计系数,组间系数差异检验结果显示,两组系数大小存在显著差异;列(3)(4)为美国实体清单制裁的供应链前向溢出的异质性检验结果,列(3)中Block的估计系数显著为正,列(4)中Block的估计系数未通过显著性检验。上述结果表明,当供应链距离较近时,中游企业受到美国实体清单制裁后,对上下游企业协同创新的双向溢出效应更为显著。

4.2 供应链稳定性

稳定的供应链关系表明企业间建立了长期且可靠的合作模式,企业愿意开放自身资源和技术,与合作伙伴共同开展研发活动,探索新的市场机会。因此,本文基于供应链稳定性中位数,将全样本分为供应链稳定性较低样本组和供应链稳定性较高样本组,以供应链关系存续时间衡量供应链稳定性。表7列(5)(6)为美国实体清单制裁的供应链后向溢出的异质性检验结果,列(5)中Block的估计系数显著为正,列(6)中Block的估计系数未通过显著性检验;列(7)(8)为美国实体清单制裁的供应链前向溢出的异质性检验结果,列(7)(8)中Block的估计系数均显著为正,且列(7)中Block的估计系数远大于列(8)中Block的估计系数,组间系数差异检验结果显示,两组系数大小存在显著差异。上述结果表明,当供应链关系较为稳定时,中游企业受到美国实体清单制裁后,对上下游企业协同创新的双向溢出效应更为显著。

4.3 供应链集中度

较高的供应链集中度意味着企业议价能力较低,导致其在合同谈判中处于劣势地位,不利于与合作伙伴开展协同创新项目,从而抑制企业协同创新意愿[34]。因此,本文基于上下游企业供应链集中度中位数,将全样本分为供应链集中度较高样本组和供应链集中度较低样本组,以企业前五大供应商和前五大客户的采购与销售比例之和的均值衡量供应链集中度,回归结果见表8列(1)～(4)。列(1)(2)为美国实体清单制裁的供应链后向溢出的异质性检验结果,列(1)(2)中Block的估计系数显著为正,但列(1)中Block的估计系数在10%水平上显著,列(2)中Block的估计系数在5%水平显著,且组间系数差异检验结果显示,两组系数大小存在显著差异;列(3)(4)为美国实体清单制裁供应链前向溢出的异质性检验结果,列(3)中Block的估计系数未通过显著性检验,列(4)中Block的估计系数显著为正。上述结果表明,当上下游企业供应链集中度较低时,中游企业受到美国实体清单制裁后,对上下游企业协同创新的双向溢出效应更为显著。

4.4 市场地位

市场地位较高的企业通常具有较强的品牌影响力,能够吸引更多合作伙伴,进而降低信息搜寻成本,促进企业协同创新(蔡贵龙等,2022)。因此,本文基于上下游企业市场地位中位数,将全样本分为市场地位较低样本组和市场地位较高样本组,以企业所占有的市场份额衡量市场地位[19],回归结果见表8列(5)～(8)。列(5)(6)为美国实体清单制裁的供应链后向溢出的异质性检验结果,列(5)中Block的估计系数显著为正,列(6)中Block的估计系数未通过显著性检验;列(7)(8)为美国实体清单制裁的供应链前向溢出的异质性检验结果,列(7)中Block的估计系数显著为正,列(8)中Block的估计系数未通过显著性检验。上述结果表明,当上下游企业市场地位较高时,中游企业受到美国实体清单制裁后,对上下游企业协同创新的双向溢出效应更为显著。

5 结语

5.1 研究结论

本文以沪深A股上市公司为研究样本,在手工整理美国实体清单制裁数据的基础上,匹配“年份—中游企业—下游企业”“年份—中游企业—上游企业”供应链数据,探究中游企业受到美国实体清单制裁后对上下游企业协同创新的双向溢出效应,得出以下主要结论:

(1)中游企业受到美国实体清单制裁后,产生供应链扩散效应,不仅推动上游企业协同创新,也促进下游企业协同创新,即美国实体清单制裁同时具有后向和前向供应链溢出效应。

(2)美国实体清单制裁通过增加经营风险、降低管理者过度自信影响上下游企业协同创新。

(3)美国实体清单制裁的供应链双向溢出效应,在供应链距离较近、供应链稳定性较高、供应链集中度较低和市场地位较高样本中更为显著。

5.2 对策建议

(1)政府在制定应对美国实体清单制裁的相关政策时,应充分考虑中游企业受到美国实体清单制裁后对上下游企业协同创新的双向溢出效应,不仅扶持受到美国实体清单制裁的中游企业,也应对其上下游企业进行适当的资源倾斜,通过提高供应链整体竞争力实现政策扶持效果最大化。同时,在制定提升产业链供应链韧性的相关政策时,政府也应充分考虑美国实体清单制裁的供应链溢出效应,构建高创新力、高附加值和高安全性的产业链供应链体系。此外,不同企业供应链距离、供应链稳定性、供应链集中度和市场地位等因素存在差异,导致美国实体清单制裁对上下游企业协同创新的影响具有异质性。因此,政府应充分考虑上述因素,灵活制定创新支持政策以提高企业协同创新水平。

(2)企业在制定协同创新决策时,不仅需要评估自身风险,还需要全面评估整个供应链网络中的潜在威胁,尤其需要关注供应链中其他企业受到美国实体清单制裁的潜在影响,以便及时调整协同创新策略。此外,企业可设立专职风险管理部门,明确权责分工,制定涵盖经营风险识别、评估和应对的全流程制度,同时提升独立董事的话语权和设立专项审计委员会,对管理者重大决策进行第三方评估,从而抑制管理者过度自信倾向,提高企业协同创新能力。

5.3 不足与展望

本文存在以下不足:第一,由于非上市企业数据较难获取,本研究仅采用上游、中游和下游企业均为上市企业的样本进行实证检验,未来可以进一步搜集被美国列入实体清单的非上市企业数据,以提升结论的普适性。第二,本研究仅从经营风险和管理者过度自信维度进行机制分析,忽视了可能存在的其他作用机制(如战略联盟、绩效落差和融资约束等),未来可以进一步运用链式中介模型进行机制检验。第三,本研究仅探究了供应链溢出效应,未来可以进一步分析美国实体清单制裁的产业链和行业溢出效应。

参考文献：

[1] 薛耀文, 杨大高, 王文利. 技术封锁对产业发展独立性的影响——基于美国“实体清单” 的实证检验[J]. 科技进步与对策, 2023, 40(13): 50-59.

[2] 李世辉, 苏直, 殷敬伟. 客户年报问询函监管具有供应链传导效应吗——基于审计收费视角的研究[J]. 南开管理评论, 2023, 26(5): 115-127.

[3] DHALIWAL D, JUDD J S, SERFLING M, et al. Customer concentration risk and the cost of equity capital[J]. Journal of Accounting and Economics, 2016, 61(1): 23-48.

[4] 苏杭, 王晨宇, 刘佳雯. 外资安全审查与中国高技术企业自主创新[J]. 数量经济技术经济研究, 2024, 41(9): 134-154.

[5] LI Y S, ZHUANG X T, WANG J, et al. Analysis of the impact of Sino-US trade friction on China′s stock market based on complex networks[J]. The North American Journal of Economics and Finance, 2020, 52: 101185.

[6] NWOKE U. Imposition of trade tariffs by the USA on China: implications for the WTO and international trade law[J]. Journal of International Trade Law and Policy, 2020, 19(2): 69-84.

[7] 杨祥银. 国际政治中的经济制裁政策还能走多远——从冷战后的经济制裁走向谈起[J]. 世界经济与政治, 2001,15(5): 56-60.

[8] 欧福永, 范知智. 美国实体清单制度对我国实体影响及应对策略——基于中兴、华为、联邦快递案的实证研究[J]. 湖南大学学报(社会科学版), 2024, 38(5): 130-137.

[9] 首陈霄, 谈振林. 出口管制政策对企业投资的影响——来自美国实体清单政策的证据[J]. 财经论丛, 2024,40(4): 16-26.

[10] 顾婧, 张福娟, 陈祥锋, 等. 连带效应: 下游企业影子银行化与上游供应商经营风险[J]. 系统工程理论与实践, 2025, 45(3): 753-770.

[11] KOLAY M, LEMMON M, TASHJIAN E. Spreading the misery? sources of bankruptcy spillover in the supply chain[J]. Journal of Financial and Quantitative Analysis, 2016, 51(6): 1955-1990.

[12] 陈波, 张晓洁. 美国两用物项出口管制: 最新进展与可能影响[J]. 国际贸易, 2020,29(10): 59-68.

[13] 卫平, 张朝瑞. 美国对华高技术产品出口管制及其对两国贸易影响[J]. 工业技术经济, 2018, 37(1): 76-85.

[14] 步丹璐, 胡中平, 王多仁. 出口管制、转换成本与库存效率——基于美国实体清单的微观证据[J]. 南方经济, 2024,42(9): 94-116.

[15] 刘斌, 李秋静. 美国对华出口管制与中国企业创新[J]. 财经研究, 2023, 49(12): 19-33.

[16] LONG R X, JIA S Y. Foreground or background my social responsibility: impact of the trade war on the readability of corporate social responsibility disclosures[J]. Information Technology and Management, 2023, 24(1): 79-97.

[17] 滕莉莉, 李任龙. 被列入美国“实体清单” 对企业创新能力的影响——来自中国A股上市公司的经验证据[J]. 科技进步与对策, 2025, 42(8): 69-80.

[18] 韦庆芳, 魏下海. 为有源头活水来: 供应商创新的溢出效应研究[J]. 当代财经, 2024,45(4): 85-98.

[19] 蔡贵龙, 邓景, 葛锐, 等. 客户行业竞争地位与供应商企业绩效[J]. 会计研究, 2022,43(11): 72-86.

[20] LIN J, CAO X Y, DONG X Q, et al. Environmental regulations, supply chain relationships, and green technological innovation[J]. Journal of Corporate Finance, 2024, 88: 102645.

[21] 周开国, 卢允之, 杨海生. 融资约束、创新能力与企业协同创新[J]. 经济研究, 2017, 52(7): 94-108.

[22] 石绍宾, 刘菲菲. 国家级大数据综合试验区与企业协同创新[J]. 山西大学学报(哲学社会科学版), 2025, 48(2): 109-117.

[23] 黄宏斌, 李圆圆, 许晨辉. “一带一路” 倡议推动了我国企业的跨国协同创新吗[J]. 财经研究, 2024, 50(6): 108-122.

[24] 蒋真儿, 徐丽华, 巫强. 里子还是面子: 高学历研发人员与制造业企业创新绩效[J]. 山西财经大学学报, 2025, 47(3): 72-86.

[25] 白雪莲, 贺萌, 张俊瑞. 企业金融化损害商业信用了吗——来自中国A股市场的经验证据[J]. 国际金融研究, 2022,38(9): 87-96.

[26] HALL B H,LERNER J.The financing of R&D and innovation[M]//Handbook of the Economics of Innovation.North-Holland,2010:609-639.

[27] 江伟, 石楚月, 曹少鹏. 供应链中断风险与客户现金持有: 基于供应商年报语调的经验证据[J]. 会计研究, 2024,45(3): 94-108.

[28] 谭曼庆, 曹勤伟. 自信倾向与创新选择: 开放式创新视角[J]. 管理工程学报, 2024, 38(6): 1-12.

[29] HANLEY D, LI J C, WU M Q. High-speed railways and collaborative innovation[J]. Regional Science and Urban Economics, 2022, 93: 103717.

[30] 张杰, 刘冲, 张凯恒. 数字消费何以吸引城市外资流入[J]. 消费经济, 2024, 40(6): 49-60.

[31] 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004, 36(5): 614-620.

[32] 张新一, 谢德仁, 崔宸瑜. 企业风险承担的微观机制设计——基于股权激励行权业绩条件达标难度的分析[J]. 经济学(季刊), 2024, 24(1): 220-236.

[33] 王福胜, 王也, 刘仕煜. 媒体关注、管理者过度自信对盈余管理的影响研究[J]. 管理学报, 2022, 19(6): 832-840.

[34] 李颖, 吴彦辰, 田祥宇. 企业ESG表现与供应链话语权[J]. 财经研究, 2023, 49(8): 153-168.

(责任编辑：张 悦)