數字化轉型、動態能力與企業創新績效
——來自高新技術上市企業的經驗證據

張吉昌,龍 靜

(南京大學 商學院,江蘇 南京 210093)

一、引言

數字經濟背景下,數字化轉型被視為微觀企業主體依循發展規律所必經的一個重要戰略選擇。數字化轉型是指利用人工智能、云計算、區塊鏈、大數據等新興數字技術的組合重構商業模式的過程。數字化轉型是具有破壞性屬性的創新行為,可以從根本上改變消費者的行為和預期、產品的基本形態、商業模式乃至顛覆在位者的競爭格局。同樣,數字化轉型也會引發企業創新活動的變革,為企業創新提供新的動能,引導企業創新水平實現跨越式發展。在此背景下,企業能否抓住新的數字技術機遇,推動數字化轉型,并充分發揮數字技術的創新賦能效應,提高創新績效,成為理論探索和管理實踐共同關注的重要議題。

近年來,圍繞“數字化轉型與企業創新”的關系,學者們作了諸多有益的探索。從研究方法出發,可以將現有研究內容大體分為兩類:一是理論分析和案例研究。Vial、Li從理論層面對數字化轉型驅動的企業創新現象進行了探討。劉啟雷等基于徐州工程機械集團和陜汽集團兩個智能制造企業的案例分析,探索了數字化賦能企業創新的過程、邏輯及機制。這類研究是早期探索的主要形式,無論是理論層面的分析還是案例層面的探究,均肯定了數字化轉型對企業創新的積極作用。二是定量研究,這類研究開始嘗試對數字化轉型進行具體度量,并開展定量分析。Nwankp et al.采用問卷調查法衡量企業數字化轉型程度,并實證檢驗了數字化轉型與企業創新的正相關關系。Ferreira et al.采用“企業當年是否使用新的數字化流程”的“0-1”虛擬變量來測量數字化轉型,并實證檢驗了數字化轉型對產品服務創新、流程創新的直接影響。這類研究較早對數字化轉型與企業創新的關系進行實證檢驗,為未來研究提供了可行的研究路徑。總體而言,上述研究為理解基于數字化轉型驅動的企業創新現象提供了豐富的經驗借鑒和理論啟發,但還存在些許不足。首先,現有文獻大多認為數字化是企業在數字經濟時代構建持續競爭力的關鍵路徑,但現有關于數字化假設的研究方法大都停留在理論分析和案例研究上,鮮有文獻直接實證檢驗數字化轉型如何幫助企業提升創新水平問題。其次,僅依據企業是否設立數字資源信息共享平臺、是否使用數字化流程來衡量企業數字化轉型,不能準確測量企業數字化轉型的“強度”,導致結論可能出現偏誤。此外,基于問卷調查的研究只能揭示變量之間的相關關系,沒有挖掘現象背后的因果關系。最后,雖然少數文獻開始采用定量方法研究數字化轉型對企業創新的影響,但主要關注數字化轉型對企業創新活動的整體驅動效應,未能深入考察數字化轉型影響企業創新績效的中間機制。近期的數字化轉型研究發現,新技術的引入以及由此引發的企業創新行為必須以一定的資源和能力為支撐,動態能力理論是分析企業數字化轉型的重要視角。一方面,數字化轉型被視為企業動態能力進化的刺激物;另一方面,動態能力是企業獲取競爭優勢的根本保障,而企業創新績效是競爭優勢的關鍵表現。有鑒于此,本文基于動態能力理論,以2007—2019 年中國滬深兩市A 股高新技術上市企業為樣本,利用文本分析法刻畫出企業數字化轉型強度,擬對“數字化轉型—企業創新績效”的關系、中間機制進行識別檢驗,為理解數字化轉型和企業創新績效的關系提供新的實證證據。

本文可能的研究貢獻體現在以下三個方面:第一,本文驗證了數字化轉型對企業創新績效的積極影響,為企業創新績效的影響因素研究提供新的實證證據和文獻補充。第二,本文基于動態能力理論,探索創新能力、吸收能力、適應能力在數字化轉型與企業創新績效之間的作用路徑,打開了這一因果關系鏈的機制黑箱,也為后續研究提供可借鑒的理論視角。第三,研究結論驗證了數字化轉型構成企業動態能力進化的刺激物,拓展了數字經濟背景下中國企業動態能力的前置影響因素研究。

二、理論分析與研究假設

(一)理論分析

動態能力理論由資源基礎理論與企業能力理論的觀點發展而來,用于解釋企業如何在動蕩的外部環境中保持持續的競爭優勢。Teece et al.將動態能力定義為“企業整合、構建和重新配置內部和外部能力以適應快速變化的環境的能力”,并提出了“位勢—流程—路徑”的三維分析框架,其中,流程是最基礎的部分,代表動態能力,而位勢與路徑都需要借助流程來發揮作用。受企業內外部因素影響,動態能力具有不斷演化的本質特征。從內部企業環境來看,動態能力是組織慣例與資源基礎更新的反映和演化。在后續的研究過程中,Eisenhardt et al.、Winter認為學習是驅使動態能力進化的重要機制和刺激物,學習在某種程度上外生于動態能力體系。近期的數字化研究發現,數字化背景下的數字化轉型與學習具有同樣的功效,都是企業整合與重構內外部資源、流程、結構的創新過程,是驅使動態能力進化的重要機制和觸發器。數字化轉型本身具有復雜性和不確定性特征,而動態能力是企業適應不確定環境的有效保障,動態能力理論解釋了企業如何應對技術和市場的快速變化。構建動態能力的根本目標是確保企業獲取和維持可持續的競爭優勢,而高企業創新績效是競爭優勢的一種重要表現形式,動態能力在企業創新的資源和能力整合及重新配置過程中起著關鍵作用。

綜上所述,本文認為企業動態能力是數字化轉型提升企業創新績效的關鍵機制。

(二)數字化轉型與企業創新績效

數字化轉型對企業創新績效的驅動作用表現在以下三個方面:第一,數字化轉型拓展企業創新機會。企業創新以創新機會識別為基礎,這需要企業具備有效識別內外部環境中與創新相關機會的能力。數字時代背景下,數字技術連接了眾多的企業利益相關者,企業所面臨的市場環境和技術環境瞬息萬變。傳統的信息管理系統更多的是對企業內部數據進行存儲、加工,很少對外部環境作出反應。當企業根據業務需求,引入以大數據、云計算為代表的數字化轉型工具時,便可以持續地掃描、捕捉、分析各類紛繁復雜的信息,迅速獲取創新機會。第二,數字化轉型提升企業創新效率。數字技術不僅可以對創新流程進行精準解構和定位,促使企業創新模式從粗放式向精準式轉變,而且可以減少繁瑣、重復性的工作,促使知識型員工投入更多精力到創新事項上。以中國的新冠肺炎疫苗研發為例,其生產周期遠短于傳統研發周期,除舉國體制外,這同樣得益于數字技術對研發流程中資源的高效配置。第三,數字化轉型降低企業創新成本。企業創新是一個不斷試錯的過程,具有高風險、高不確定性、長周期特征,因此需要投入大量的研發資金。企業通過引入數字孿生以及數字仿真技術將實驗要素數字化,以較低的成本實現理想的實驗次數,達到創新目標。企業創新成本的降低以及創新效率的提升,將進一步激勵企業將更多的資源用于產品和技術研發,形成正向的反饋機制。據此,提出假設:

H:數字化轉型正向影響企業創新績效。

(三)動態能力的中介作用

數字化轉型引發的企業創新行為必須以一定的資源和能力為支撐。現有文獻強調了數字化轉型過程中動態能力的重要性,而動態能力一直被認為是中國企業的優勢,在企業創新活動中扮演重要角色。Wang et al.認為動態能力包含創新能力、吸收能力和適應能力三個維度。該劃分方法得到了國內學者的驗證,具有較強的代表性和典型性。其中,創新能力是指企業開發新產品、開拓新市場的能力;吸收能力是指企業識別、吸收、轉化和應用有價值的外部知識的能力,包括內部學習和外部知識吸收;適應能力是指企業為快速識別和抓住機會,對企業資源進行重新分配的能力。

具體來說,數字化轉型通過增強創新能力提升企業創新績效。數字技術是企業數字化轉型中的關鍵支撐資源,其具有強大的信息捕捉、智能分析能力,能夠幫助企業動態調整創新策略與目標。此外,企業如果只在自己熟知的技術領域開發產品或技術,雖然可以提升創新的效率,但創新能力得不到進化,最終會形成創新路徑依賴,掉入“創新陷阱”。數字化轉型過程中的管理模式變革與重構會促使企業積極應對外部環境沖擊并打破組織慣例,有利于企業關注創新能力的提升,積極探索新的知識和技術領域。據此,提出假設:

H:創新能力在數字化轉型與企業創新績效之間起中介作用。

數字化轉型通過增強企業吸收能力提升企業創新績效。在日益共生的數字化生態環境中,企業間以及企業與外部環境的邊界正在逐漸被打破,企業通過數字化轉型不斷獲取包括合作者、消費者、競爭對手在內的企業利益相關者分享的知識,賦能企業快速連接內外部信息源,擴展信息的廣度和深度,實現內在認知和外在環境的互動學習。企業內部知識的更新和外部知識的交流能夠有力促進資源調整和價值挖掘,從而為企業增強吸收能力提供可能性。企業可以對數字化轉型帶來的海量信息、知識資源進行吸收整合,將支持數字化轉型的運營能力進化為不易模仿和難以替代的高層次動態能力,從而驅動企業創新。據此,提出假設:

H:吸收能力在數字化轉型與企業創新績效之間起中介作用。

數字化轉型通過促進適應能力提升企業創新績效。適應能力是企業整合、重構既有資源以響應環境動態變化的能力。數字化轉型涉及企業全方面、多維度的改造和升級,企業可以通過數字技術顛覆賴以生存的業務模型、操作流程、創新體系等,用更加智能化的工具來設計、生產和支持整個企業及其價值鏈中的產品和技術創新,進一步提升企業適應新環境的能力。若企業的適應能力不強,即便能不斷引入數字化技術,也難以與企業內部組織流程、創新方式、資源基礎進行有效適配,最終會抑制企業創新績效的提升。據此,提出假設:

H:適應能力在數字化轉型與企業創新績效之間起中介作用。

基于上述討論,構建如下理論模型,如圖1所示。

圖1 研究模型

三、研究設計

(一)樣本選擇與數據來源

本文的初始研究樣本包括2007—2019 年的中國滬深A 股全部高新技術上市企業。本文以2007年作為研究起始點的原因在于,2006 年中華人民共和國財政部對《企業會計準則》進行了修訂,需要對數據統計規則差異造成的影響進行規避。本文對數據作了以下處理:(1)對金融業企業予以剔除;(2)剔除樣本期內被ST 和ST 的企業;(3)剔除關鍵數據缺失嚴重的企業;(4)為規避異常值對模型估計的不正常影響,對所有連續變量進行縮尾調整,縮尾對象為上下1%的觀測值。經過上述處理,共得到1 998 家高新技術企業的17 721 個觀測值。數字化轉型數據根據巨潮資訊網搜集到的2007—2019 年的企業年報資料,進行關鍵詞文本分析得到;制度環境數據來自王小魯等編制的《中國分省份市場化指數報告(2018)》,數據缺失年份參考馬連福等的做法,采用歷年市場化指數的平均增長幅度進行預測;其余數據來源于CSMAR 數據庫和CNRDS 數據庫。本文使用的數據處理軟件為Stata16。

(二)變量定義

1.被解釋變量:企業創新績效。現有文獻中,測量企業創新績效的方式主要有兩種:一是基于專利,采用企業專利授權總量或者專利被引次數作為測量指標;二是采用新產品的銷售額作為創新績效的衡量指標。由于中國不要求企業在年報中對新產品銷售收入進行披露,基于數據的可得性,本文采用企業的專利授權總量加1 后的自然對數來衡量企業創新績效。

2.解釋變量:數字化轉型。本文借鑒吳非等的做法,使用上市企業年報中與數字化轉型相關的關鍵詞出現的頻次構建企業數字化轉型指標。具體步驟如下:第一步,生成數據庫。通過Python 爬蟲技術在巨潮資訊網站收集2007—2019 年所有滬深A 股上市企業的年度報告,轉換成TXT 格式,以此作為后續關鍵詞篩選的數據庫。第二步,確定關鍵詞。從“數字化轉型的四種典型底層技術”與“數字化轉型技術應用實踐”兩個層面界定企業數字化轉型的關鍵詞,如圖2 所示。第三步,計算關鍵詞詞頻。基于前期生成的文本數據庫與圖2 中的關鍵詞,運用Python 對關鍵詞進行檢索、匹配和詞頻統計,加總得到數字化轉型總指標,由于數據的“右偏”特性,本文對其加1 后取自然對數。

圖2 企業數字化轉型的結構化特征詞圖譜

3.中介變量:動態能力。參考楊林等的研究思路,基于面板數據對動態能力進行度量,包括創新能力、吸收能力和適應能力3 個維度。創新能力采用樣本企業年度研發投入強度和技術人員比例兩個指標來綜合評價,對這兩個指標的數據分別進行標準化處理,然后加總得到創新能力綜合值,用

DC

_

In

表示。吸收能力采用樣本企業年度研發投入與營業收入之比來衡量,用

DC

_

Ab

表示。適應能力采用樣本企業年度研發、資本以及廣告3 種主要支出的變異系數的負值來反映企業資源分配的靈活程度,進而測量企業的適應能力,用

DC

_

Ad

表示。對變異系數取負值的原因是為了使變異系數值與適應能力的變化方向保持一致,即變異系數值越大,企業的適應能力越強。4

.

控制變量。借鑒以往學者的相關研究,選取可能對企業創新績效產生影響的變量作為控制變量。

以上具體變量詳見表1。

表1 變量的選取與測量

5

.

模型設定與實證策略。為檢驗研究假設,本文設定如下模型:

上述模型中,

i

表示企業,

t

表示時間,

EIP

表示企業創新績效,

EDT

表示數字化轉型,

Mediator

表示創新能力、吸收能力、適應能力,

Year

為時間虛擬變量,

Industry

為行業虛擬變量,

Control

為前述控制變量,

ε

為模型隨機誤差項。模型(1)是為檢驗假設H設計的實證方程;聯合模型(1)、模型(2)與模型(3)可以檢驗假設H、H、H。此外,本文所有回歸方程中的

t

統計量均采用企業層面的

Cluster

聚類穩健標準誤調整后計算得來。

四、實證研究結果與分析

(一)描述性統計

表2 列示了本文所有變量的描述性統計結果。企業創新績效(

EIP

) 的最小值為0,最大值為5.717,表明樣本企業在專利授權數量方面表現出較大差異,這與已有研究結果基本一致。數字化轉型(

EDT

)最小值為0,最大值為5

.

112,標準差為1.343,表明樣本企業在數字化轉型方面同樣表現出較大差異。創新能力的均值為0

.

700,最大值為1.978,表明樣本企業的創新能力較高。吸收能力的均值為3

.

143,說明樣本企業的平均研發投入強度為3

.

143

%

。適應能力的均值為-1

.

289,表明樣本企業的適應能力平均水平較低,企業資源分配的差異性較大。

表2 描述性統計

(二)相關性分析

表3 列示了本文主要變量的相關系數。數字化轉型與企業創新績效的

Pearson

相關系數為0.122,

Spearman

相關系數為0.107,均通過了1

%

的顯著性水平檢驗,說明數字化轉型與企業創新績效之間存在正相關關系。數字化轉型與創新能力、吸收能力、適應能力的

Pearson

相關系數分別為0.203、0.237、0.245,

Spearman

相關系數分別為0.140、0.135、0.256,均通過了1

%

的顯著性水平檢驗,說明數字化轉型與創新能力、吸收能力、適應能力之間存在正相關關系。創新能力、吸收能力、適應能力與企業創新績效的

Pearson

相關系數分別為0.191、0.152、0.121,

Spearman

相關系數分別為0.182、0.207、0.122,均通過了1

%

的顯著性水平檢驗,說明創新能力、吸收能力、適應能力與企業創新績效之間存在正相關關系。這初步支持了本文的研究假設。進一步,變量之間的相關系數基本小于0.4,同時本文對所有解釋變量進行方差膨脹因子測算,結果顯示所有解釋變量的平均

VIF

為1.42,最大值為2.70,遠小于閾值10,表明本文的解釋變量不存在嚴重的多重共線性問題。

表3 主要變量的相關系數

(三)回歸分析結果

表4 列示了回歸分析結果。模型(1)為基準模型,包括所有的控制變量。模型(2)將數字化轉型引入模型(1),分析數字化轉型與企業創新績效的關系,結果顯示數字化轉型的回歸系數為0.097,并在1%的統計水平上顯著。因此,本文的假設H得到驗證,數字化轉型能有效提升企業創新績效。

表4 回歸分析結果

本文參考溫忠麟等的遞歸方程進行中介效應檢驗。首先,對“數字化轉型—創新能力—企業創新績效”的機制進行識別檢驗,檢驗結果如表4所示。模型(3)顯示數字化轉型顯著正向影響創新能力(

β

=0.027,

p

<0.05);模型(6)為企業創新績效對數字化轉型與創新能力的回歸,數字化轉型的回歸系數為0.084,創新能力的回歸系數為0.499,均通過了1

%

的統計顯著性檢驗。與模型(2)的回歸結果相比,在加入創新能力后的模型(6)中,數字化轉型的回歸系數值有所降低,但仍然通過了1

%

的統計顯著性檢驗,說明創新能力的中介效應存在,假設H得到驗證。其次,本文對“數字化轉型—吸收能力—企業創新績效”的機制進行識別檢驗,檢驗結果如表4 所示。模型(4)為吸收能力對數字化轉型的回歸模型,數字化轉型顯著正向影響吸收能力(

β

=0.364,

p

<0.1);模型(7)為企業創新績效對數字化轉型與吸收能力的回歸,數字化轉型的回歸系數為0.083,吸收能力的回歸系數為0.039,均通過了1

%

的統計顯著性檢驗。與模型(2)的回歸結果相比,在加入吸收能力后的模型(7)中,數字化轉型的回歸系數值有所降低,但仍然通過了1

%

的統計顯著性檢驗,說明吸收能力的中介效應存在,假設H得到驗證。最后,本文對“數字化轉型—適應能力—企業創新績效”的機制進行識別檢驗,檢驗結果如表4 所示。模型(5)為適應能力對數字化轉型的回歸模型,數字化轉型顯著正向影響適應能力(

β

=0.043,

p

<0.05);模型(8)為企業創新績效對數字化轉型與適應能力的回歸,數字化轉型的回歸系數為0.091,適應能力的回歸系數為0.149,均通過了1

%

的統計顯著性檢驗。與模型(2)的回歸結果相比,在加入適應能力后的模型(8)中,數字化轉型的回歸系數值有所降低,但仍然通過了1

%

的統計顯著性檢驗,說明適應能力的中介效應存在,假設H得到驗證。為確保中間機制的穩健性,本文使用Sobel 檢驗方法對上述中介路徑進行檢驗,結果顯示創新能力的中介效應占比為13.640%,

Z

=9.961(

p

=0.000);吸收能力的中介效應占比為14.492

%

,

Z

=10.44(

p

=0.000);適應能力的中介效應占比為6.522

%

,

Z

=5.533(

p

=0.000),中介效應再次得到驗證。綜合上述實證分析,本文發現數字化轉型能改善企業的創新能力、吸收能力以及適應能力,從而提升企業創新績效水平。

五、穩健性檢驗

(一)內生性問題處理

1

.

工具變量法。借鑒趙樂等與張棟等選取工具變量的思路,以相同時間內同行業其他企業數字化轉型的均值(

OtherEDT

)與滯后一期的數字化轉型(

L

.

EDT

)作為工具變量,應用兩階段工具變量法進行內生性處理。這樣設置工具變量的邏輯在于,由于創新資源與創新需求的差異,數字化轉型水平自然會受到行業特性的影響,因而數字化轉型變量在行業層面的均值很可能顯著影響企業自身對數字化轉型重視的程度,而對單個企業創新績效沒有直接影響。同理,滯后一期的數字化轉型水平可能顯著影響企業自身對數字化轉型重視的程度,但對企業未來的創新績效沒有直接影響。因而工具變量能較好地契合工具變量選取要求。表5 列示了回歸結果,模型(1)為第一階段估計結果,顯示工具變量

OtherEDT

系數在1

%

的統計水平上顯著為正(

β

=0.082,

p

<0.01),

L

.

EDT

系數同樣在1

%

的統計水平上顯著為正(

β

=0.813,

p

<0.01),符合工具變量的相關性。此外,工具變量通過不可識別檢驗(

Anderson

正則相關性統計量的

p

<0.01)、弱工具檢驗(第一階段

F

值大于Stock et al.給出的三個工具變量弱工具識別9.08 的

F

值統計量)和過度識別檢驗(

Sargan

-

Hansen

的

p

>0.1)。模型(2)為第二階段估計結果,顯示數字化轉型回歸系數在1

%

的統計水平上顯著為正(

β

=0.114,

p

<0.01),說明在控制內生性問題后,數字化轉型對企業創新績效的顯著正向影響仍然存在。

表5 內生性問題處理

2.Heckman 兩階段法。在前文的主樣本實證分析中,有的企業進行了數字化轉型,有的則沒有。然而,企業是否進行數字化轉型受到諸多主客觀因素的影響,由此篩選出的樣本可能會使估計量產生偏差。為了糾正可能存在的樣本選擇偏誤,本文使用Heckman 兩步法重新回歸。第一階段,首先,生成企業是否進行數字化轉型的虛擬變量

Dum

_

EDT

,若企業進行了數字化轉型,

Dum

_

EDT

編碼為1,否則編碼為0,并將其設置為被解釋變量。其次,在第一階段模型中加入控制變量、時間虛擬變量以及行業虛擬變量。最后,使用Probit 模型估計全樣本中企業數字化轉型的概率,同時計算逆米爾斯比率(

IMR

,

lnverse

Mill

Ratio

)。第二階段,將

IMR

作為控制變量代入模型(4)中進行回歸,結果如表5 所示。在模型(4)中,數字化轉型的回歸系數顯著為正(

β

=0.037,

p

<0.01),表明本文的假設H仍成立。3.傾向性得分匹配法(PSM 法)。首先,本文根據企業是否進行數字化轉型分為實驗組和對照組。具體地,對

Dum

_

EDT

進行編碼,若企業進行數字化轉型,

Dum

_

EDT

編碼為1,設定為實驗組,反之編碼為0,設定為對照組。其次,用編碼后的虛擬變量作為分組變量(

Dum

_

EDT

),使用Logit 回歸計算傾向性得分值。最后,選擇一對一最近鄰匹配、半徑匹配與核匹配三種方法對樣本進行匹配,將匹配得到的樣本分別進行回歸。回歸結果如表5 所示。在模型(5)、模型(6)與模型(7)中,數字化轉型的系數均為正,且都通過了1%的顯著性水平檢驗,表明本文的假設H仍成立。

(二)其他穩健性檢驗

本文進行以下穩健性測試,限于篇幅,具體結果留存備索:(1)替換企業創新績效。參考Hsu et al.的研究,本文采用企業專利被引證次數加1后的自然對數衡量企業創新績效。(2)替換數字化轉型。參考吳非等的研究,本文重新構建兩類數字化轉型測量指標。具體是將數字化轉型降維到兩個層面,一是底層數字技術層面,二是數字技術應用層面,采用這兩個層面的關鍵詞總頻次的自然對數度量數字化轉型。(3)更換回歸模型。考慮到時間固定效應與行業固定效應對內生性控制尚不夠嚴格,借鑒唐松等關于控制“時間×行業”的高階聯合固定效應方法,對模型進行檢驗。(4)考慮專利產出的滯后性。專利申請到最終授權存在一定的時間滯后性,企業出于專利技術的保護也可能延遲公布專利信息。因此,本文對企業創新績效分別進行1 階和2 階滯后處理。(5)剔除四大一線城市(北京、上海、廣州、深圳)企業樣本。(6)剔除異常年份。在本文的樣本期間,存在兩個可能影響企業數字化轉型的重要事件。一是2008 年全球金融危機,二是2015 年中國股災。企業數字化轉型的推進與重大不利金融事件沖擊都有著密切的關聯,忽略了這類因素的考察可能會引致回歸結果出現一定偏誤。因此,考慮到事件的后效干擾,本文進一步刪除事件的后續年份樣本,最終選取2010—2014 年的數據進行回歸。(7)分樣本檢驗。考慮到國有企業與民營企業在資源基礎、治理結構、市場競爭環境等諸多方面的差異性,本文按照企業性質將樣本劃分為國有企業組和民營企業組,分別進行檢驗。本文的研究結論均通過了上述穩健性檢驗。

六、結論與討論

(一)研究結論

本文基于動態能力理論,利用2007—2019 年滬深兩市A 股高新技術上市企業數據,實證檢驗了數字化轉型對企業創新績效的影響及作用機制,得到以下研究結論:

第一,數字化轉型顯著提升企業創新績效。一方面,本研究結論有力地支持了Vial、劉啟雷等、Li關于數字化轉型積極影響企業創新的理論判斷。另一方面,本研究結論與Nwankpa et al.的研究結論具有一致性,但本文使用的是面板數據,彌補了截面問卷數據的共同方法偏差問題,對兩者的因果關系進行了有效識別。

第二,數字化轉型顯著正向影響創新能力、吸收能力與適應能力。Warner et al.從理論層面指出,數字化轉型是數字時代背景下企業動態能力進化的重要前因,本研究結論對該觀點提供了實證證據。此外,本研究結論對孟韜等的研究結論進行了拓展與補充,他們發現數字化轉型正向影響動態能力(感知能力、獲取能力、重構能力),本文則將動態能力解構為創新能力、吸收能力與適應能力。

第三,創新能力、吸收能力、適應能力在數字化轉型與企業創新績效之間存在顯著的中介效應,其中吸收能力的中介作用效應最大,創新能力的中介作用效應次之,適應能力的中介作用效應最小。該結論進一步明確了動態能力的不同維度在數字化轉型與企業創新績效之間的中介作用效應大小。這與李樹文等的研究發現具有相通之處,即不同類型的動態能力在數字技術驅動的創新中會起到差異化作用。此外,近期焦豪等呼吁學者基于中國情境和數字化情境探究動態能力影響企業競爭優勢的作用機理和過程機制,該結論是對這一研究呼吁的有效回應。

第四,上述結論在經過一系列穩健性檢驗后依舊成立,且在國有企業和民營企業中不存在顯著差異。這進一步說明,在不同產權性質的高新技術企業中,數字化轉型通過提升動態能力從而驅動企業創新績效的作用路徑具有一定的代表性和普適性。

(二)研究啟示

1.企業應根據自身資源稟賦加快推進數字化轉型步伐。基于數據網絡的商業智能等實時決策分析和可視化工具將最大程度地實現數據價值,幫助企業更直觀地發現問題,主動預測市場變化,輔助決策,從而在激烈的市場競爭中更加具備創新優勢。

2.動態能力作為企業的流程能力,其作用的發揮受制于組織的資源位勢和發展路徑。數字化轉型會更新現有的組織結構和資源基礎,使動態能力得到進化,為企業創新活動服務,最終提升企業創新績效。

3.吸收能力在數字化轉型與企業創新績效之間起到重要的作用。數字化轉型會打破企業以往連接外部環境的方式,數字化工具和平臺加強了企業與不同利益相關者之間的互動和聯系,這為企業吸收外部信息和構建創新活動所需要的異質性資源提供了便利的渠道。

(三)研究展望

本研究仍存在一定不足,有待未來進一步完善與深入。首先,本文所使用的樣本為高新技術企業,研究結論的可推廣性有待進一步驗證。未來研究可以進一步檢驗其他類型企業的數字化轉型與創新績效之間的關系,如大型企業、傳統企業、專精特新企業等。其次,本文從動態能力理論視角出發,探討數字化轉型對企業創新績效的作用機制,未來研究還需進一步找出連接數字化轉型與企業創新績效關系的中介變量,深化兩者影響機理的研究。最后,本文主要考察了企業創新績效的前置影響機制,未來研究可以進一步構建綜合性模型,探討企業創新績效對公司創業行為、競爭優勢等因素的后置影響效應,從而對數字化轉型驅動的企業創新形成更加完整和深入的理解。