However, there is scant theoretical research in academia to deeply discuss how digital innovation in manufacturing enterprises can improve enterprise performance. The "black box" in which digital innovation affects firm performance is worthy of further exploration. In general, the current research on digital innovation and firm performance is relatively general and superficial, because the concept of digital innovation has not been classified, and the different pathways through which digital innovation affects corporate performance have not been clarified. In addition, there is a lack of research about the dynamics of digital investment in the process of digital innovation. The theoretical gaps above laid the foundation for this study.
Therefore, this paper aims to explore the process mechanism of digital innovation in manufacturing enterprises to promote firm performance. Then it divides digital innovation into three types: efficiency-type, novelty-type, and convergence-type, and classifies digital capabilities into three dimensions: digital synergy capability, digital innovation diffusion capability, and digital value-added capability. And this article proposes three paths of "synergy effect", "diffusion effect" and "value-added effect" of digital innovation affecting firm performance. Following the logic framework of "innovation behavior - capability evolution - performance results", taking 251 Chinese manufacturing enterprises as the survey samples, through theoretical analysis and empirical testing, the following conclusions are drawn: (1) digital innovation can significantly improve enterprise performance; (2) digital innovation can promote the improvement of enterprise performance by promoting the reconfiguration of digital capabilities; (3) different types of key digital capabilities play an mediating role between digital innovation and enterprise performance; specifically, digital diffusion capability plays a mediating role between novelty-type digital innovation and enterprise performance,and digital value-added capability plays an intermediary role between convergence-type digital innovation and enterprise performance; (4) the persistence of digital investment plays an important role in the process of enterprise digital innovation, which can positively moderate the relationship between digital innovation and enterprise performance, as well as the relationship between digital innovation and digital capabilities. In addition, it also positively moderates the relationship between efficiency-type digital innovation and digital synergy capability.
Different from the single-dimensional general research on the emerging concept of digital innovation in the previous literature, this paper divides digital innovation into three types of multi-dimensional research involving efficiency, novelty and convergence, which has important theoretical significance for understanding the digital innovation behavior of manufacturing enterprises. Moreover, systematically constructs the process mechanism of digital innovation to promote corporate performance from the perspective of digital capability, and opens the "black box" of the relationship between the two. It further argues that different types of digital innovation can promote different types of digital capability and proposes three paths of "synergy effect", "diffusion effect" and "value-added effect" of digital innovation affecting firm performance. This result has advanced the theoretical research on digital innovation. Last but not the least, the study introduces the context variable of the persistence of digital investment to the digital innovation research, which makes up for the lack of research on the dynamic dimension of digital investment in the existing research, further highlights the long-term effect of digital innovation in manufacturing enterprises, and enriches the theory of digital innovation. In summary, this paper provides theoretical guidance and practical inspiration for manufacturing companies to successfully carry out digital innovation.
开放科学(资源服务)标识码(OSID)：
新时代背景下,如何推动制造业企业高质量发展,实现我国由“制造大国”向“制造强国”跨越是业界和学界关注的重要问题。创新是引领发展的第一动力,也是制造企业保持竞争优势的源泉。随着云计算、物联网、大数据、人工智能等新兴数字技术飞速发展,制造企业创新产生了新的范式,即数字创新(Digital Innovation)[1]。它是指企业创新过程与创新结果广泛应用新兴数字技术、数据要素及其组合,改进业务流程、开发新形态智能产品、提供新的数字服务、改变商业模式的数字创新行为[2]。
区别于传统创新,数字创新最重要的特征就是数字技术与数据要素深度融合应用[3]。例如,美的将万物互联技术与实体家居产品深入融合以打造智能家居,特斯拉遵循“软件定义汽车”理念开发出智能网联汽车。国内外越来越多的制造企业大力实施数字创新,将新兴数字技术广泛应用于流程创新、产品创新和服务创新。然而,鲜有研究探讨制造数字创新如何促进企业绩效提升这一问题。因此 ,有必要打开数字创新对企业绩效影响的“黑箱”。
数字创新作为新兴研究领域受到国内外学者广泛关注[4-5]。已有研究主要聚焦数字创新概念建构、前置因素[6],探讨数字创新对企业绩效[7]、创新绩效、环境绩效[8]的影响。数字创新对企业发展具有积极影响已成为学界共识,但数字创新究竟如何促进企业绩效提升?既有文献尚未揭示上述过程机制,存在以下不足:第一,数字创新概念较为笼统,仅少数学者基于文献综述将其分为流程创新、产品创新和商业模式创新[1, 9],基于制造企业数字创新细分维度的研究匮乏。第二,已有文献尚未深入探究数字创新促进企业绩效提升的过程机理。不同维度数字创新对绩效的作用路径可能存在差异,数字创新过程本质上是数字赋能过程,既有文献缺少对数字创新为企业“赋何能”的探讨。第三,已有研究仅关注数字创新过程中数字化投入的“绝对值”,忽略了其“变化值”的作用。换言之,需要确保企业数字化投入的持续性和稳定性。因此,探讨数字化投入持续性在数字创新促进企业绩效提升过程中的情境效应具有理论意义与现实价值。
本文构建数字创新、数字化能力、数字化投入持续性、企业绩效关系概念模型,以中国制造企业为研究对象,采用问卷调查方法进行理论分析和实证检验,旨在揭示数字创新对企业绩效的作用机理,打开二者关系的“黑箱”,分析数字化能力的中介作用与数字化投入持续性的调节作用。
数字创新(Digital Innovation)这一概念最早由Yoo等[10]、Lee&Berente[11]提出,是指组合数字与物理部件以生产新产品的过程。在此基础上,本文借鉴余江等(2017)、Bharadwaj等[12]、Vial[13]、刘洋等[2]的研究成果,将制造企业数字创新定义为企业创新过程与创新结果广泛应用新兴数字技术和数据要素及其组合,改进业务流程、开发新形态智能产品、提供新的数字服务、改变商业模式的数字创新行为。Fichman等[1]较早将数字创新类型划分为流程创新、产品创新和商业模式创新;Wiesbock&Hess[9]沿袭这一提法,将数字创新分为数字产品(服务)创新、数字流程创新、数字商业模式创新。
一方面,已有相关研究大多聚焦谷歌、阿里巴巴等互联网软件公司,缺乏对制造企业的关注;另一方面,数字创新概念相对笼统,已有相关研究未对其细分维度进行划分,少数研究提出的分类方法均是基于文献综述的数字创新模块划分方法,鲜有基于制造企业情境以创新特征和战略导向对其进行界定的实证研究。因此,制造企业数字创新维度划分是揭示绩效提升过程机制的重要理论基础。
本文以制造企业为研究对象,从创新过程(流程数字化)和创新结果(产品数字化)两个维度,将数字创新分为效率型(efficiency-based)数字创新、新颖型(novelty-type)数字创新和融合型(Convergence-oriented)数字创新3种类型[14],如图1所示。其中,效率型数字创新是指应用数字技术优化创新流程、提升创新效率的战略导向,旨在提升企业流程数字化水平,主要体现为流程创新。新颖型数字创新是指运用数字技术赋能产品的创意、设计和创新产出,强化数字技术与产品融合的战略导向,旨在提升企业产品智能化水平,主要体现为产品创新。融合型数字创新是指数字技术与企业创新活动全方位深度融合的战略导向,兼具效率型和新颖型数字创新特征,旨在提升企业数字服务化水平。
图1 企业数字创新划分
Fig.1 Classification of enterprise digital innovation
制造企业数字化能力(Digital Capability)是指企业利用数字技术、数据资源等数字经济时代的生产要素转变创新范式,以获取竞争优势并实现数字创新的组织能力(侯光文,刘青青,2022)。当前,制造企业数字化能力研究处于起步阶段,并未进行统一的内涵划分,主要基于动态能力理论(Dynamic Capabilities Theory)视角解释企业数字化能力形成过程。基于能力的层次观认为,数字化能力是高阶形态的动态能力。能力重构(Capability Reconfiguration)是指在动荡的外部环境中,企业对现有能力进行重组、更新,进而形成新动态能力的过程[15],是企业构建竞争优势的重要机制(陈晓颖,邱国栋,2022)。传统制造企业若想成功实施数字创新,需要构建新的能力,即数字化能力。
国内外学者对数字化能力这一概念内涵进行了情境化提炼,但尚未对制造企业在数字创新过程中的数字化能力维度与作用机制进行探讨。第一,互联网企业与传统制造企业在数字化能力形成及建构方面存在一定差异。例如,易加斌等[16]认为,互联网企业数字化能力由数字感知能力、数字运营能力和数字资源协同能力构成,而制造企业关注数字产品创新过程中的数字创新扩散能力,即数字技术应用与产品创新深度融合能力;侯光文和刘青青(2022)将制造企业数字化能力划分为数字化协同与数字化扩散两个维度加以衡量。第二,既有研究未将数字价值化能力纳入制造企业数字化能力内涵。在制造企业服务化、平台化转型过程中,数据、用户、平台等要素发挥重要作用,企业数据本身实现价值创造的能力凸显(张振刚等,2022)。数字价值化能力既是更高阶段、更高层次的动态能力,也是制造企业服务创新能力的体现。
因此,在数字创新过程中,制造企业可以通过构建数字化能力促进自身绩效提升,且不同类型数字创新行为在促进数字化能力提升过程中存在差异。数字创新情境下,关键数字化能力可以概括为数字协同能力、数字创新扩散能力和数字价值化能力(张振刚等,2022),在促进企业绩效提升过程中分别发挥协同、扩散和增值效应。
数字经济时代,制造企业数字创新主要通过数字流程创新、数字产品创新和数字服务创新3个方面影响企业绩效[2]。首先,数字流程创新能够通过数字技术应用优化研发、生产流程,实现降本增效。其次,数字产品创新能够为用户提供具有竞争力和吸引力的智能化产品,从而增加销售量并提升顾客满意度。最后,数字服务创新表现为制造企业向服务化转型,除提供物理智能产品、设备外,还提供数字化增值服务。例如,用户能够订阅蔚来、特斯拉等智能网联汽车企业提供的数字服务。Hanelt等[17]以全球30家汽车制造商纵向面板数据进行实证研究,结果表明,数字创新对企业绩效具有积极影响。因此,本文提出以下假设:
H1:数字创新能够显著提升企业绩效水平。
制造企业数字创新是动态、持续创新过程,在流程创新、产品创新和服务创新等关键环节引进云计算、物联网、大数据和人工智能等新兴数字技术,对既有惯例、知识、经验、资源等能力要素进行整合、重组和更新,甚至打破原有惯例,通过解构固有能力构建新的、更高阶的动态能力。这就是企业通过数字创新实现数字化能力重构的过程,即数字赋能过程(张振刚等,2022)。数字创新可以通过双元创新机制构建数字化能力(池毛毛等,2022)。一方面,数字创新通过渐进式创新机制构建数字化能力,强调企业利用数字技术对现有流程、产品进行优化调整,如引进5G、物联网技术对已有设备、车间进行升级和智能化改造,打通已有信息系统,使其具备智能感知、互联互通的能力。另一方面,数字创新通过突破式创新机制重构数字化能力,主要体现为应用数字技术开发智能产品、开拓数字服务的能力,如家电制造企业应用人工智能算法开发自适应、自调节的智能空调。因此,本文提出以下假设:
H2:数字创新能够推动企业数字化能力构建。
基于动态能力理论视角,企业具有机会感知、机会利用和整合重构的能力。数字经济时代,数字化能力是高阶动态能力[18],也是企业持续竞争优势的重要来源[19]。传统制造企业需要引进、吸收、融合新兴数字技术,从而实现数字化能力构建。数字化能力可以通过效率(Efficiency)和效益(Effectiveness)两个方面影响企业绩效。从效率角度看,企业数字化能力越强,研发、生产、供应、物流、服务等业务环节效率提升越显著,越有利于企业绩效水平提升。从效益角度看,高水平数字化能力体现在企业颠覆现有产品结构和功能,创造高价值智能产品和数字服务,从而实现利润增长。Zomer等[19]发现,数字化转型能力对企业绩效具有显著促进作用。因此,本文提出以下假设:
H3:数字化能力对企业绩效发挥显著促进作用。
制造企业数字创新通过数字化能力重构过程机制影响企业绩效。基于前文分析,数字创新能够促进企业绩效提升,推动数字化能力构建。由此,本文认为,能力演变是企业创新变革的结果,往往作为创新和绩效的中介机制体现。对于制造企业而言,数字创新可以通过流程、产品和服务3个关键维度影响企业绩效,具体表现为不同战略导向的数字化能力差异,3种关键数字化能力分别发挥协同、扩散和增值效应[20]。
(1)在数字流程创新环节,制造企业往往采取效率型数字创新,本质是生产主导逻辑。一般而言,效率型数字创新主要关注成本、效率和系统等要素,与流程相匹配的数字协同能力发挥重要作用。数字协同能力表现为企业通过数据打通、系统联通,实现纵向决策流程、横向业务流程、端到端供应链流程的全面数字化、网络化协同,进而实现降本增效和互联互通,促进自身绩效提升。由此,体现了数字创新的协同效应(侯光文,刘青青,2022)。
(2)在数字产品创新环节,制造企业实施新颖型数字创新,本质是产品主导逻辑。新颖型数字创新重点关注研发设计、知识管理和应用场景要素,通过数字技术与创新过程深度融合加快创新扩散速度,不受区域、时间限制,逐步形成与产品相匹配的数字创新扩散能力,从而促进企业绩效提升。由此,体现了数字创新的扩散效应(侯光文,刘青青,2022)。
(3)在数字服务创新环节,企业开展融合型数字创新,本质是服务主导逻辑。融合型数字创新重点关注数据、用户和平台等要素,并通过构建工业互联网平台、电子商务平台等,与用户、供应商、合作伙伴等其他利益相关者实现能力共建、价值共创,形成与服务相匹配的数字价值化能力,通过提供数字服务、系统解决方案获得增值能力,从而促进企业绩效提升。由此,体现了数字创新的增值效应(张振刚等,2022)。
综上所述,本文提出以下假设:
H4:数字化能力在数字创新与企业绩效间发挥中介作用。
H5:数字协同能力在效率型数字创新与企业绩效间发挥中介作用。
H6:数字创新扩散能力在新颖型数字创新与企业绩效间发挥中介作用。
H7:数字价值化能力在融合型数字创新与企业绩效间发挥中介作用。
数字化投入持续性(Persistence of Digital Investment)是指制造企业在一段时间内对智能化设备、数字技术、数字平台、数字基础设施等数字化建设资源投入保持稳定、持续的趋势。数字时代,数字创新是长期、持续的过程,数字化投入一旦停止或缺乏持续性,数字创新的竞争优势就难以维持。因此,数字化投入持续性是影响企业效益的关键因素。
(1)高数字化投入持续性对数字创新的经济效益具有促进作用。企业保持稳定的数字化投入有助于拓展数字流程创新、数字产品创新和数字服务创新深度及广度,推动数字创新过程和结果与数字技术深度融合,从而促进自身绩效提升。
(2)持续性数字化投入有助于加快企业数字创新过程中的关键数字化能力形成。基于动态能力理论视角的相关研究认为,规律、持续的数字化投入有助于增强企业吸收能力,促进数字创新知识积累。由此,旧的惯例得到优化,新的数字化能力逐渐形成。相反,如果企业数字化投入缺乏持续性,那么在数字创新流程、产品和服务等不同环节,对大数据、物联网、人工智能等数字技术的引进、吸收、扩散和融合过程就会受到限制,进而难以形成与之匹配的关键数字化能力。
综上所述,本文提出以下假设:
H8:数字化投入持续性正向调节数字创新与企业绩效的关系。
H9:数字化投入持续性正向调节数字创新与数字化能力的关系。
H10:数字化投入持续性正向调节效率型数字创新与数字协同能力的关系。
H11:数字化投入持续性正向调节新颖型数字创新与数字创新扩散能力的关系。
H12:数字化投入持续性正向调节融合型数字创新与数字价值化能力的关系。
综上分析,本文遵循“创新行为—能力演化—绩效结果”逻辑,探讨数字创新、数字化能力与企业绩效的关系,以及数字化投入持续性在数字创新过程中的调节作用,揭示数字创新对企业绩效的作用机理,打开二者关系的“黑箱”,构建理论框架如图2所示。
图2 理论框架
Fig.2 Theoretical framework
本研究问卷测量题项主要来源于国内外已有成熟量表,并结合具体情境修改而成,采用Likert 7点打分法测量,范围从1“非常不符合”到7“非常符合”。为确保量表质量,本文对英文量表进行翻译—回译,并通过与企业高管访谈完善量表。具体而言,借鉴Shen等[14]、Wei等(2021)的研究成果,将数字创新分为效率型、新颖型、融合型3种类型共9个题项进行测量。参考侯光文和刘青青(2022)、Nasiri等(2020)的研究成果,将数字化能力细分为数字协同能力、数字创新扩散能力和数字价值化能力3类共9个题项进行测量。借鉴余芬和樊霞(2021)、Bajpai等(2022)的研究成果,采用每年是否纳入预算、投入金额和数字化项目3个题项对数字化投入持续性进行测量。借鉴余传鹏等(2020)、余菲菲等(2022)的研究量表,将企业绩效分为财务绩效和创新绩效共9个题项进行测量。
本文采用问卷调查方式收集一手数据并开展实证研究,问卷调查对象为引进数字技术、开展数字创新的制造企业,问卷填写者均为企业中高层领导者,主要通过以下渠道发放问卷:第一,利用已承担的国家级、省(市)级相关纵向研究项目以及与企业合作开展的横向研究项目,参加由政府部门、行业协会组织的企业家座谈会,现场向企业高层管理者发送问卷并回收;第二,在广东省工业和信息化厅开设的智能制造发展专题研修班、高端装备产业技术与管理专题研修班等课堂上,向企业高层管理者发放问卷;第三,借助华南理工大学校友向企业高层管理者进行发放问卷。问卷回收后,剔除无法匹配、反向题与正向题回答相同的问卷,最终得到有效问卷251份。整体而言,样本企业覆盖不同规模、年龄、产业性质、产业属性和产业链位置企业,具有较强的代表性,有效样本基本特征如表1所示。
表1 有效样本企业基本特征(N=251)
Table 1 Basic characteristics of effective sample enterprises(N=251)
特征类型数量占比(%)特征类型数量占比(%)企业性质为国企5923.5产业属性战略性新兴产业13353民企18874.9传统产业11847其它41.6产业链环节产业链上中游20380.9公司规模300及以下7831.1产业链下游4819.1301^1 000人11947.4公司年龄3^6年135.21 000人以上5421.56^10年7228.7————10年以上16666.1
(1)评估测量项目的因子载荷值。表2结果显示,效率型数字创新(0.732～0.805)、新颖型数字创新(0.772～0.826)、融合型数字创新(0.774～0.809)、数字协同能力(0.650～0.808)、数字创新扩散能力(0.757～0.841)、数字价值化能力(0.722～0.820)、数字化投入持续性(0.779～0.857)、企业绩效(0.728～0.825)等变量因子载荷值均大于0.6,表明研究题项的因子载荷值符合要求。
表2 问卷测量题项与信度效度分析结果(N=251)
Table 2 Questionnaire measurement items and reliability and validity analysis results(N=251)
变量+测量题项因子载荷效率型数字创新(Cronbach's α=0.644,CR=0.810,AVE=0.587)我们引进数字技术提高企业效率,包括生产效率、研发效率和沟通效率0.805我们引进数字技术降低企业成本,包括研发、生产和销售各环节业务成本0.732我们引进数字技术减少信息不对称,包括通过构建数字平台实现系统连通、数据共享0.759新颖型数字创新(Cronbach's α=0.721,CR=0.843,AVE=0.642)我们引进数字技术实现新颖的设计和知识创造0.805我们引进数字技术开发智能化的新产品、新服务0.772我们引进数字技术拓展智能产品新的应用场景0.826融合型数字创新(Cronbach's α=0.700,CR=0.834,AVE=0.626)我们引进数字技术实现以数据驱动企业发展0.809我们引进数字技术开发更具优势的数字商业模式0.790我们引进数字技术与用户、供应商等利益相关者实现价值共创0.774数字协同能力(Cronbach's α=0.620,CR=0.799,AVE=0.572)我们已经具备打通高层、中层、基层和设备间纵向决策协同的能力0.800我们已经具备打通研发设计、生产质控、营销服务等横向业务协同的能力0.650我们已经具备打通上下游供应商、客户等端到端供应链协同的能力0.808数字创新扩散能力(Cronbach's α=0.726,CR=0.846,AVE=0.648)我们已经具备数字研发、在线设计、敏捷开发的能力0.841我们已经具备数字技术高效吸收、应用,与产品创新深度融合的能力0.757我们已经具备产品创新持续迭代的能力0.814数字价值化能力(Cronbach's α=0.687,CR=0.827,AVE=0.614)我们已经具备将数据资产转化为增值业务的能力0.722我们已经具备通过为用户提供数字化服务而增厚利润的能力0.806我们已经具备为合作伙伴提供数字解决方案而增厚利润的能力0.820数字化投入持续性(Cronbach's α=0.749,CR=0.856,AVE=0.666)我们每年都会进行数字化建设的规划,并将其纳入企业预算0.810我们每年进行数字化建设的实际投入金额维持原有水平或保持稳定增长0.779我们每年开展数字化建设的实际项目数量维持原有水平或保持稳定增长0.857企业绩效(Cronbach's α=0.903,CR=0.885,AVE=0.632)与同行相比,我们最近一年来在主营业务销售额增长方面的表现更好0.825与同行相比,我们最近一年来在现金流增长方面的表现更好0.771
续表2 问卷测量题项与信度效度分析结果(N=251)
Table 2(Continued) Questionnaire measurement items and reliability and validity analysis results(N=251)
变量+测量题项因子载荷与同行相比,我们最近一年来在利润增长方面的表现更好0.789与同行相比,我们最近一年来在市场份额增长方面的表现更好0.801与同行相比,我们最近一年来在顾客满意度增长方面的表现更好0.728与同行相比,我们最近一年来在专利数量增长方面的表现更好0.823与同行相比,我们最近一年来在新产品开发项目数增长方面的表现更好0.819与同行相比,我们最近一年来在改良新产品开发项目数增长方面的表现更好0.760与同行相比,我们最近一年来在新产品销售比例方面的表现更好0.821
(2)以内部一致性Cronbach's α系数和组合信度系数(Composite Reliability,CR)进行信度检验,以平均方差萃取量(Average Variance Extracted,AVE)衡量收敛效度。结果发现,数字创新(0.873)、数字化能力(0.866)、企业绩效(0.903)的Cronbach's α系数大于0.8,所有变量的Cronbach's α系数大于0.6。除数字协同能力的CR值为0.799外,其它变量的CR值均大于0.8,表明研究变量测量具有较高的内部一致性。所有变量的AVE值均高于可接受水平(0.5),说明变量收敛效度较高。
本文采用研究程序设计与统计后检验两种方法控制并识别共同方法偏差[21]。首先,隐藏问卷研究目的和变量含义,以尽量减少社会期望偏差。其次,在问卷中随机分配测量项目并设置部分反向题,以检查受访者是否认真填答。此外,本文承诺保护受访者的隐私,以缓解填答者的担忧。最后,采用Harman 单因素检验,结果表明,第一个因素能解释15.299%的方差,低于40%的标准,总解释方差为68.420 %。由此说明,共同方法方差的影响并不严重。表3为各变量描述性统计及相关性分析结果。
表3 描述性统计结果与相关系数矩阵
Table 3 Descriptive statistics and correlation coefficient matrix
注:* p<0.05 ** p<0.01,下同
变量平均值标准差123456781企业绩效5.4770.88012效率型数字创新5.7660.8490.361∗∗13新颖型数字创新5.6400.9570.508∗∗0.386∗∗14融合型数字创新5.7170.9020.410∗∗0.538∗∗0.447∗∗15数字协同能力5.6800.7800.510∗∗0.439∗∗0.502∗∗0.494∗∗16数字创新扩散能力5.5170.9380.569∗∗0.348∗∗0.522∗∗0.412∗∗0.483∗∗17数字价值化能力5.5820.8550.598∗∗0.414∗∗0.509∗∗0.480∗∗0.551∗∗0.542∗∗18数字化投入持续性5.6330.8900.517∗∗0.450∗∗0.444∗∗0.461∗∗0.519∗∗0.544∗∗0.521∗∗1
本研究采用分层次回归方法进行假设检验,回归结果如表4～6所示。此外,本文采用方差膨胀因子(VIF)对多重共线性问题进行检验,结果显示,VIF值均小于2.0,故回归模型不存在多重共线性。
表4 数字创新、数字化能力与企业绩效关系回归结果
Table 4 Regression results on the relationship among digital innovation, digital capability, and enterprise performance
注:*** p<0.001 括号里面为t 值,下同
变量企业绩效模型(1)数字化能力模型(2)企业绩效模型(3)数字创新0.539∗∗∗0.690∗∗∗-0.085(9.372)(17.803)(-1.221)数字化能力0.904∗∗∗(11.927)产权性质-0.161-0.060-0.107(-1.619)(-0.895)(-1.349)企业年龄-0.087-0.024-0.065(-1.055)(-0.426)(-1.001)所处行业-0.016-0.003-0.013(-1.206)(-0.343)(-1.254)企业规模-0.0040.095∗-0.090(-0.053)(2.087)(-1.651)产业属性-0.209∗-0.054-0.160(-2.000)(-0.767)(-1.926)产业链位置-0.047-0.0600.008(-0.415)(-0.790)(0.084)企业类型-0.277∗∗∗-0.154∗-0.137(-2.637)(-2.178)(-1.633)常数3.786∗∗∗2.043∗∗∗1.940∗∗∗(7.853)(6.287)(4.693)样本量251251251R20.4230.6530.637调整R20.4040.6410.624F 值22.221∗∗∗56.835∗∗∗47.085∗∗∗
(1)通过回归检验数字创新、数字化能力和企业绩效的关系,结果如表4所示。控制相关变量的影响后,由模型(1)可知,数字创新与企业绩效的回归系数显著(β=0.539,t=9.372,p<0.001),假设H1得到实证数据支持。由模型(2)可知,数字创新与数字化能力的回归系数显著(β=0.690,t=17.803,p<0.001),假设H2得到实证数据支持。由模型(3)可知,数字化能力与企业绩效的回归系数显著(β=0.904,t=11.927,p<0.001),假设H3得到实证数据支持。由Baron&Kenny(1986)的中介效应检验方法可知,数字化能力在数字创新与企业绩效间发挥中介作用,假设H4通过实证检验。
(2)将数字创新的细分维度效率型数字创新、新颖型数字创新和融合型数字创新,以及数字化能力的细分维度数字协同能力、数字创新扩散能力、数字价值化能力纳入回归模型,结果如表5所示。由模型(4)可知,新颖型数字创新(β=0.294, p<0.001)、融合型数字创新(β=0.270, p<0.001)与企业绩效具有正相关关系,而效率型数字创新与企业绩效的正相关关系未得到数据支持。由模型(5)可知,效率型数字创新与数字协同能力具有正相关关系(β=0.482, p<0.001)。由模型(6)可知,新颖型数字创新与数字创新扩散能力具有正相关关系(β=0.617, p<0.001)。由模型(7)可知,融合型数字创新与数字价值化能力具有正相关关系(β=0.595, p<0.001)。由模型(8)可知,数字协同能力(β=0.218, p<0.001)、数字创新扩散能力(β=0.336, p<0.001)、数字价值化能力(β=0.326, p<0.001)均与企业绩效具有正相关关系。因此,根据Baron&Kenny(1986)的研究成果,假设H5未获得数据支持,假设H6和假设H7通过实证检验。由此表明,新颖型数字创新通过数字创新扩散能力促进企业绩效水平提升,融合型数字创新通过数字价值化能力促进企业绩效水平提升。
表5 数字创新维度、数字化能力维度与企业绩效关系回归结果
Table 5 Regression results of the relationship among various dimensions of digital innovation, digital capability, and enterprise performance
变量企业绩效模型(4)数字协同能力模型(5)数字创新扩散能力模型(6)数字价值化能力模型(7)企业绩效模型(8)效率型数字创新-0.0420.482∗∗∗-0.077(-0.490)(9.620)(-1.105)新颖型数字创新0.294∗∗∗0.617∗∗∗0.012(4.500)(13.213)(0.205)融合型数字创新0.270∗∗∗0.595∗∗∗-0.015(3.162)(13.266)(-0.208)数字协同能力0.218∗∗∗(3.333)数字创新扩散能力0.336∗∗∗(5.289)数字价值化能力0.326∗∗∗(4.654)产权性质-0.166-0.081-0.032-0.064-0.112(-1.688)(-0.872)(-0.337)(-0.714)(-1.406)企业年龄-0.0720.073-0.0570.003-0.053(-0.886)(0.957)(-0.739)(0.037)(-0.801)所处行业-0.014-0.0020.010-0.014-0.013(-1.070)(-0.130)(0.820)(-1.161)(-1.163)企业规模-0.001-0.0050.148∗0.138∗-0.098(-0.019)(-0.080)(2.305)(2.277)(-1.784)产业属性-0.210∗-0.013-0.177-0.064-0.151(-2.026)(-0.132)(-1.782)(-0.682)(-1.789)产业链位置-0.0800.002-0.108-0.1540.002(-0.717)(0.017)(-1.017)(-1.525)(0.018)企业类型-0.241∗-0.260∗∗-0.172-0.160-0.131(-2.315)(-2.695)(-1.713)(-1.714)(-1.539)常数3.844∗∗∗3.278∗∗∗2.555∗∗∗2.616∗∗∗2.039∗∗∗(8.024)(7.643)(5.947)(6.547)(4.835)样本量251251251251251R20.4430.3640.5420.5090.642调整R20.4200.3430.5270.4920.622F值19.088∗∗∗17.306∗∗∗35.859∗∗∗31.301∗∗∗32.687∗∗∗
为进一步检验数字化能力、数字协同能力、数字创新扩散能力、数字价值化能力的中介效应,借鉴Preacher&Hayes(2008)的研究成果,本文采用Bootstrap法,在样本量5 000、纠偏校正95%置信区间下再次进行中介效应检验,结果如表6所示。由表6可知,数字创新的中介效应与企业绩效的关系效应显著(效应值=0.623, SE=0.066),95%的置信区间(0.449, 0.709)不包含零,进一步支持假设H4。新颖型数字创新的中介效应与企业绩效的关系效应显著(效应值=0.139, SE=0.042),95%的置信区间(0.075, 0.238)不包含零,进一步支持假设H6。融合型数字创新通的中介效应与企业绩效的关系效应显著(效应值=0.122, SE=0.043),95%的置信区间(0.050, 0.219)不包含零,进一步支持假设H7。需要注意的是,效率型数字的中介效应与企业绩效关系效应不显著,95%的置信区间(-0.008, 0.080)包含零,表明H5未通过中介效应检验。
表6 Bootstrap中介效应分析结果
Table 6 Bootstrap test results of mediation effect
效应效应值标准误Bootstrapping偏差校正95%置信区间下限上线结果数字创新→数字化能力→企业绩效0.6230.0660.4490.709H4通过效率型数字创新→数字协同能力→企业绩效0.0280.023-0.0080.080H5不通过新颖型数字创新→数字创新扩散能力→企业绩效0.1390.0420.0750.238H6通过融合型数字创新→数字价值化能力→企业绩效0.1220.0430.0500.219H7通过
(3)对数字化投入持续性的调节效应进行检验,结果如表7所示。在回归检验前,本文对交互项进行标准化处理。由模型(10)可知,数字化投入持续性和数字创新的交互项与企业绩效正相关(β=0.100, p<0.01),假设H8得到支持。由模型(11)可知,数字化投入持续性和数字创新的交互项与数字化能力正相关(β=0.067, p<0.01),假设H9得到支持。由模型(12)可知,数字化投入持续性和效率型数字创新的交互项与数字协同能力正相关(β=0.075, p<0.01),假设H10得到支持。由模型(13)可知,数字化投入持续性和新颖型数字创新的交互项与数字创新扩散能力相关关系不显著,假设H11未得到支持。由模型(14)可知,数字化投入持续性和融合型数字创新的交互项与数字价值化能力相关关系不显著,假设H12未得到实证数据支持。由此表明,持续性数字化投入有利于企业通过数字创新重构数字化能力,从而促进企业绩效提升。对于效率型数字创新而言,持续性数字化投入能够强化其与数字协同能力的关系;对于新颖型和融合型数字创新而言,持续性数字化投入的积极作用不显著。
表7 数字化投入持续性的调节作用回归结果
Table 7 Regression results of moderation effect of the persistence of digital investment
变量企业绩效模型(9)企业绩效模型(10)数字化能力模型(11)数字协同能力模型(12)数字创新扩散能力模型(13)数字价值化能力模型(14)数字创新×数字化投入持续性0.100∗∗0.067∗∗(3.253)(3.272)效率型数字创新×数字化投入持续性0.075∗∗(2.825)新颖型数字创新×数字化投入持续性-0.029(-1.163)融合型数字创新×数字化投入持续性0.038(1.484)数字化投入持续性0.267∗∗∗0.288∗∗∗0.232∗∗∗0.365∗∗∗0.337∗∗∗0.237∗∗∗(3.852)(4.214)(5.127)(6.419)(5.702)(4.167)数字创新0.318∗∗∗0.480∗∗∗0.617∗∗∗(3.980)(5.170)(10.012)效率型数字创新0.347∗∗∗(5.001)新颖型数字创新0.373∗∗∗(6.350)融合型数字创新0.504∗∗∗(7.615)产权性质-0.177-0.137-0.046-0.077-0.074-0.057(-1.832)(-1.430)(-0.730)(-0.888)(-0.843)(-0.651)企业年龄-0.066-0.076-0.0140.091-0.0500.007(-0.824)(-0.972)(-0.260)(1.284)(-0.696)(0.097)所处行业-0.017-0.016-0.003-0.0010.005-0.014(-1.313)(-1.259)(-0.377)(-0.065)(0.436)(-1.210)企业规模-0.037-0.0340.070-0.0420.1130.107(-0.563)(-0.524)(1.611)(-0.716)(1.888)(1.799)产业属性-0.175-0.183-0.0310.035-0.125-0.024(-1.715)(-1.822)(-0.468)(0.393)(-1.346)(-0.267)产业链位置0.0000.008-0.0160.049-0.017-0.100(0.001)(0.077)(-0.225)(0.506)(-0.171)(-1.016)企业类型-0.199-0.167-0.069-0.101-0.076-0.068(-1.910)(-1.628)(-1.014)(-1.097)(-0.805)(-0.731)常数6.682∗∗∗6.520∗∗∗5.724∗∗∗5.662∗∗∗5.874∗∗∗5.771∗∗∗(20.998)(20.627)(27.281)(19.918)(20.131)(20.088)样本量251251251251251251R20.4570.4800.6960.4620.6110.543调整R20.4370.4580.6830.4400.5950.524F值22.52922.14154.92620.63137.73528.505
为探究数字创新促进企业绩效提升的过程机理,打开二者关系的“黑箱”,本文构建“创新行为—能力演化—绩效结果”基本框架,以251家中国制造企业为研究对象,通过理论分析与实证检验,得出以下结论:
(1)数字创新能够显著提升企业绩效水平。这一结论与Hanelt等[17]的研究结论一致,丰富了中国制造企业经验证据。
(2)数字创新能够通过构建数字化能力促进企业绩效水平提升。这一结论与Annarelli等[18]、池毛毛等(2022)的研究观点一致,并基于能力层次观提出数字化能力是高阶动态能力这一观点。
(3)不同类型关键数字化能力在数字创新与企业绩效间发挥中介作用。具体表现如下:数字创新扩散能力在新颖型数字创新与企业绩效间发挥中介作用;数字价值化能力在融合型数字创新与企业绩效间发挥中介作用。由此,本文深化了侯光文和刘青青(2022)、易加斌等[16]的研究成果,并构建了数字创新对企业绩效影响的理论模型。
(4)数字化投入持续性在企业数字创新过程中发挥调节作用,既正向调节数字创新与企业绩效的关系,也正向调节数字创新与数字化能力的关系。此外,数字化投入持续性正向调节效率型数字创新与数字协同能力的关系。由此,体现了持续性数字化投入是制造企业数字创新取得成功的重要情境因素。
(1)不同于以往文献基于单一维度对数字创新这一概念进行界定[17],本文将数字创新细分为效率型、新颖型和融合型3种类型,对于揭示制造企业不同类型数字创新行为内涵具有重要理论意义。本文进一步深化了李振东等(2023)、Shen等[14]、刘洋等[2]的研究成果,丰富了制造企业数字创新概念内涵。
(2)不同于既有文献关注数字创新前因[5-6],却忽略了数字创新对企业绩效的影响[15],本文通过揭示数字创新促进企业绩效提升的过程机制,打开了二者关系的“黑箱”。在张振刚等(2022)、Li等[20]、侯光文和刘青青(2022)、Hanelt等[17]、Scott等[7]研究成果的基础上,本文提出数字化能力这一关键中介效应,并结合制造企业数字创新类型,探讨制造企业不同类型数字创新行为构建的关键数字化能力,丰富了数字创新理论研究。
(3)本文加入数字化投入持续性这一情境变量,弥补了已有研究的不足,进一步凸显了制造企业数字创新的长期效应[7],拓展了数字创新理论边界。
(1)制造企业数字创新应高度重视数字化能力建设。在数字经济时代,制造企业要想获得竞争优势,就必须进行组织变革,打破既有惯例并构建新的数字化能力,通过协同、扩散和增值3种作用路径实现经济效益。
(2)制造企业应进行持续性数字化投入,从而确保数字创新取得预期成效。数字创新需要大量资金、资源投入,不能“三天打鱼两天晒网”,既要维持投入强度,也要保持投入持续性。
本文存在以下不足:一方面受样本量的限制,另一方面受截面数据的影响。因此,未来可尝试基于财务数据、文本数据、专利数据等多来源数据衡量企业数字创新投入与产出,进一步丰富实证研究。此外,未来可进一步探讨企业数字创新过程中数字化能力的情境效应,即初始状态下数字化能力对数字创新与企业绩效的关系是否存在差异化影响。
[1] FICHMAN R G, SANTOS B L D, ZHENG Z. Digital innovation as a fundamental and powerful concept in the information systems curriculum[J]. Management Information Systems Quarterly, 2014, 38 (2):329-353.
[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.
[3] HUND A, WAGNER H, BEIMBORN D, et al. Digital innovation: review and novel perspective[J]. The Journal of Strategic Information Systems, 2021, 30 (4):1-39.
[4] BOGERS M L A M, GARUD R, THOMAS L D W, et al. Digital innovation: transforming research and practice[J]. Innovation, 2022, 24 (1):4-12.
[5] 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.
[6] 王玉荣, 段玉婷, 卓苏凡. 工业互联网对企业数字创新的影响——基于倾向得分匹配的双重差分验证[J]. 科技进步与对策, 2022, 39 (8):89-98.
[7] SCOTT SV, VAN REENEN J, ZACHARIADIS M. The long-term effect of digital innovation on bank performance: an empirical study of SWIFT adoption in financial services[J]. Research Policy, 2017, 46 (5):984-1004.
[8] WANG M, TENG W. Digital innovation and firm environmental performance: the mediating role of supply chain management capabilities[J]. Frontiers in psychology, 2022, 13(1):1-11.
[9] WIESBOCK F, HESS T. Digital innovations: embedding in organizations[J]. Electronic Markets, 2020, 30 (1):75-86.
[10] YOO Y, HENFRIDSSON O, LYYTINEN K. Research commentary—the new organizing logic of digital innovation: an agenda for information systems research[J]. Information Systems Research, 2010, 21 (4):724-735.
[11] LEE J, BERENTE N. Digital innovation and the division of innovative labor: digital controls in the automotive industry[J]. Organization Science, 2012, 23 (5):1428-1447.
[12] BHARADWAJ A, SAWY O A E, PAVLOU P A, et al. Digital business strategy: toward a next generation of insights[J]. Management Information Systems Quarterly, 2013, 37 (2):471-482.
[13] VIAL G. Understanding digital transformation: a review and a research Agenda[J]. Journal of Strategic Information Systems, 2019, 28 (2):118-144.
[14] SHEN L, ZHANG X, LIU H. Digital technology adoption, digital dynamic capability, and digital transformation performance of textile industry: moderating role of digital innovation orientation[J]. Managerial and Decision Economics, 2022, 43 (6):2038-2054.
[15] PAVLOU P A, SAWY O A E. The "third hand": it-enabled competitive advantage in turbulence through improvisational capabilities[J]. Information Systems Research, 2010, 21 (3):443-471.
[16] 易加斌, 张梓仪, 杨小平, 等. 互联网企业组织惯性、数字化能力与商业模式创新:企业类型的调节效应[J]. 南开管理评论, 2022, 25 (5):29-42.
[17] HANELT A, FIRK S, HILDEBRANDT B, et al. Digital M&A, digital innovation, and firm performance: an empirical investigation[J]. European Journal of Information Systems, 2021, 1 (30):3-26.
[18] ANNARELLI A, BATTISTELLA C, NONINO F, et al. Literature review on digitalization capabilities: co-citation analysis of antecedents, conceptualization and consequences[J]. Technological Forecasting and Social Change, 2021, 166(1):1-22.
[19] ZOMER T, NEELY A, MARTINEZ V. Digital transforming capability and performance: a microfoundational perspective[J]. International Journal of Operations &Production Management, 2020, 40 (7):1095-1128.
[20] LI L, ZHU W, WEI L, et al. How can digital collaboration capability boost service innovation? evidence from the information technology industry[J]. Technological Forecasting and Social Change, 2022, 182(1):1-9.
[21] PODSAKOFF P M, MACKENZIE S B, LEE J Y, et al. Common method biases in behavioral research: a critical review of the literature and recommended remedies[J]. Journal of Applied Psychology, 2003, 88 (5):879-903.