供应链网络接近中心度与企业创新绩效<br/>——基于中国上市公司的经验证据

供应链网络接近中心度与企业创新绩效
——基于中国上市公司的经验证据

2022-03-10张济平

湖北文理学院学报 2022年2期

张济平

(安徽大学商学院，安徽合肥 230601)

党的十九大报告指出，我国经济已由高速增长阶段转为高质量发展阶段，以“更高质量、更有效率、更加公平、更可持续发展”为发展目标。因此，创新对于一个国家的经济增长和技术进步发挥着不可替代的作用[1]。企业作为重要的微观经济主体，同时也是创新的“主力军”，关于企业创新绩效影响因素的研究，一直是学术界关注的重要课题。

现有关于企业创新绩效的影响研究，大多集中在单个企业的内外部因素上，具体来说有高管团队的稳定性[2]、股权激励[3-4]、企业社会责任[5-6]等内部因素，以及税收激励[1，7]、银行关联[8-9]等外部因素。然而，企业并不是孤立的个体，其创新绩效深受所嵌入社会网络的影响。虽然有部分学者从社会网络的角度展开研究，但主要集中在合作创新网络[10]、国际网络与本地网络[11]、董事网络与高管网络[12]等。供应链网络作为社会网络的重要组成部分，企业的创新能力也会深受所嵌入的供应链网络的影响，却鲜有学者从供应链网络的角度出发来研究企业的创新绩效。

供应链网络是依据企业之间供应链关系所建立的网络，供应链关系是企业之间最直接的联系。从供应链关系角度出发，现有文献较多关注的是供应链集中度，并用该指标衡量供应链关系的强弱[13]，探讨对企业创新绩效的直接或间接影响，但本质还是从“线状”角度来考虑企业之间的联系，并没有依据庞大的供应链关系搭建起供应链网络，也就不能全面反映供应链关系对企业创新绩效的影响。事实上，随着市场分工日益精细化，越来越多的企业参与到产品的生产和流通环节，供应关系也并非只有上游的供应商和下游的客户，甚至可以向上延伸到供应商的上下游，向下拓展到客户的上下游。可见，企业所嵌入的是由如此庞大的供应链关系所构成的供应链网络中。因此，在多级供应链网络中研究企业的创新绩效是非常有必要的。

基于此，本文选择2007—2019年中国沪深A股上市公司为样本，依据企业间的供应链关系分别建立13个年份的三级供应链网络。首先，从理论上揭示供应链网络接近中心度影响企业创新绩效的内在机理，采用社会网络分析法从供应链网络的角度出发，来考察网络位置即接近中心度对企业创新绩效的影响。其次，实证检验企业违规行为对两者关系的调节作用。最后，进一步检验接近中心度对企业创新绩效的影响在不同产权性质、组织冗余和市场化程度的异质性表现。

1 理论分析与研究假设

企业作为社会经济活动主体的一员，其创新绩效离不开所嵌入的社会网络。供应链网络作为社会网络的重要组成部分，对企业的创新绩效也产生着重要的影响。在社会网络的研究中，社会资本理论是最常用的理论之一[14]。社会资本普遍被认为是一种有价值的资源，来源于个人或组织所处的关系网络，并且可以为网络中的行动者创造可持续的价值[15]。通常被认为有三个维度：认知维度、关系维度和结构维度。认知维度指网络中行动者之间共享的重要性；关系维度指网络中行动者之间的依赖、合作与互惠；结构维度，即供应链网络的结构嵌入，涉及网络中行动者的交流和互动模式。其中，结构维度即结构嵌入，是这三种维度中的核心，也是本文主要关注的维度。

结构嵌入更多地描述了网络成员在网络中所占据位置的特征，并且网络位置特征与企业社会资本的获取密切相关，现有文献普遍采用了网络中心度来刻画网络位置特征[16-17]。通常企业与越多网络伙伴有着直接和间接的联系，那么就越靠近网络的核心位置，网络中心度就越高。常用的网络中心度包括接近中心度、中介中心度和结构洞等。Bellamy等[18]通过实证发现企业在二级供应链网络的中介中心度有利于提高其创新产出；叶红雨等[19]通过构建合作网络，发现企业的结构洞有利于提高其技术创新能力。而接近中心度与其他中心度最大的不同，就在于考虑了企业之间的间接关系。本文所构建的是三级供应链网络，故采用接近中心度来衡量企业在供应链网络中的位置，研究其对企业创新绩效的影响。

1.1 供应链网络接近中心度对企业创新绩效的正面效应

接近中心度又称紧密中心度，是指一家企业与其供应链伙伴的接近程度。企业的接近中心度越高，那么在资源和信息获取的速度上越占有优势，且不受其他企业的控制[20]。因此，就越有助于知识和技术的转移，信息的传递等，越容易通过与供应链伙伴的联系来获取社会资本，为其创新提供有利条件。具体来说：1)接近中心度高的企业能获取更多资源。企业的创新活动需要大量资源的投入，包括知识和技术等，而单个企业的资源有限，需要尽可能通过与其他企业的业务往来，将外部资源转化为自身资源。接近中心度高的企业可以通过与其它企业进行资源互补，从而提高创新绩效[16]。2)接近中心度高的企业能够获取更多信息。因为这些企业通常和更多的供应链伙伴有着直接和间接的联系，信息获取的渠道更为广泛，能够接触到更多的信息[21]。创新活动需要企业深刻把握市场规律以及行业发展前景，因此广阔的信息获取渠道对于企业进行创新非常重要。3)接近中心度高的企业具有更多创造合作创新的机会。因为这些企业往往具有更多选择权，通过选择与创新能力强的供应商或者客户合作，进而促进创新绩效。据此，本文提出假设：

H1企业在供应链网络中的接近中心度越高，其创新绩效越好。

1.2 供应链网络接近中心度对企业创新绩效的负面效应

然而，企业在供应链网络中接近中心度高，也可能会给创新绩效带来不利影响，比如由群体思维导致的企业决策能力不足、信息超载，为维持企业间的关系而带来成本的增加等[22]，进而导致资源配置低效。具体来说：1)企业的接近中心度越高，与供应链合作伙伴的联系越为紧密，企业可能会减少对合作伙伴的监督和控制，那么合作伙伴越容易采取欺骗等机会主义行为[23]。这样的合作创新也是不可靠的，不利于创新活动的开展。2)企业的接近中心度高，获取到过量信息反而会造成信息冗余。当企业与其供应链网络伙伴有着更多的直接或者间接联系时，从现有供应链网络中收集到冗余信息反而会影响战略选择，一些潜在的有利想法就容易被排除在外，导致决策失误，阻碍创新。3)企业的接近中心度越高，也说明其有更多的直接或间接的合作伙伴，即企业需要花费更多的成本来维持供应伙伴关系，在这种情况下企业进行创新所承担的风险也会更大。据此，本文提出假设：

H2企业在供应链网络中的接近中心度越高，其创新绩效越差。

2 研究设计

2.1 样本选取与供应链网络的构建

本文首先选取2007—2019年中国沪深A股上市公司作为数据样本，依据供应链关系建立三级供应链关系列表，即一级供应链业务关系列表和二级供应链业务关系列表，并在EXCEL中按照“公司股票代码-主要供应商(客户)股票代码”的格式，按年份建立2007—2019年年度关系列表。其次，将13个年份的关系列表导入Pajek软件，计算各公司的接近中心度。最后，将公司接近中心度数据与财务数据相匹配。在此基础上，剔除金融保险行业的公司、ST和*ST公司，样本期内数据缺失的公司。最终得到样本数据3 382个。为消除异常值的影响，对所有连续变量进行上下1%分位的缩尾处理。所有财务数据均来自国泰安数据库，使用的分析软件主要为Stata15和Pajek。

2.2 变量定义与说明

被解释变量：创新绩效(Innov) 现有文献大多采用发明专利数量或者新产品销售收入来衡量企业的创新绩效。本文认为，创新是一种持续时间长，需要大量资源投入，以形成无形资产的活动，并且能给企业带来持续利润。发明专利数量没有反映创新产出的市场价值，而新产品销售收入又难以反映创新产出的新颖性，也不能反映企业的整体创新绩效。又根据CSMAR数据库的解释，企业的无形资产包括专利权、非专利技术等，可以较为全面反映创新产出在市场上的价值和新颖性。那么，无形资产收益率，即企业当年净利润与净无形资产的比例，既代表了企业能够投入到创新项目的资金，也代表了管理者对投资和创新战略的决策，在一定程度上也就可以解释企业的创新绩效。因此，本文参考Duan等[24]的做法，采用无形资产收益率来衡量企业当年创新绩效。

解释变量：接近中心度(Closeness) 与其他中心度最大的不同在于考虑了间接关系，故本文用接近中心度来衡量企业在供应链网络当中的位置。计算公式为：

(1)

其中，g(vi，vj)表示企业vi和企业vj之间的距离，n表示供应链网络的规模，即供应链网络中所包含的公司数量。

控制变量考虑到其他因素对被解释变量的影响，本文选取公司规模(Size)、财务杠杆(Lev)、银行贷款(Loan)、公司年龄(Age)、银行贷款(Loan)、研发投入(R&D)、有形资产比率(AT)、现金资产比率(Cash)、总资产收益率(ROA)、公司成长性(Growth)和股权集中度(Top)等作为控制变量。

所有变量的定义见表1。

表1 变量说明

2.3 模型构建

本文将接近中心度作为自变量，公司规模、年龄、资产负债率作为控制变量，构建供应链网络接近中心度对企业创新绩效影响的模型。为控制行业和年份对回归结果的影响，将其作为虚拟变量加入模型。

Innovi，t=α0+α1Closenessi，t+αkControlsi，t+ΣYear+ΣIndustry+εi，t

(2)

其中，i代表公司，t代表年份，Controls为控制变量，Year和Industry为年份和行业的虚拟变量。

3 实证结果及描述

3.1 描述性统计

表2为主要变量的描述性统计。企业创新绩效的标准差为15.6280，最大值和最小值的差距很大，说明样本公司在创新方面有着很大差异；平均值为3.9861，说明企业创新绩效整体偏低，较高的企业创新绩效占比很小。接近中心度的均值为0.7822，并且也偏向最小值，说明占据供应链网络核心位置企业较少，这更加能凸显核心网络位置的优势。

表2 主要变量描述性统计

3.2 相关性分析

表3为主要变量Pearson检验。企业创新绩效与接近中心度相关系数为0.1192，并且在1%的水平上显著，表明企业创新绩效与接近中心度呈显著正相关的关系，初步验证了H1，拒绝了H2。另外，本文还做了VIF检验，结果发现所有变量的VIF值都小于3，故不存在多重共线的问题。

表3 主要变量相关性分析

3.3 回归结果分析

表4为模型(2)接近中心度对企业创新绩效的回归结果。不加控制变量时，接近中心度的系数为3.1955，在1%水平上正向显著；加入控制变量之后，接近中心度的系数为1.9984且具有1%的显著性。说明企业接近中心度越高，创新绩效越好，结果支持了假设H1，拒绝假设H2。因此，企业应尽可能地提高接近中心度，以便获取更多的网络资源来提高创新绩效。

3.4 稳健性检验

为了使得本文的结论更为可靠，还做了以下3种稳健性检验：

3.4.1 工具变量法在使用工具变量法进行稳健性分析时，本文选择企业接近中心度的滞后期和年度地区均值作为工具变量。回归结果如表5所示，接近中心度的估计系数为4.5639，在1%水平上显著为正，说明在控制内生性因素后，接近中心度与企业创新绩效之间的正向关系依然成立。LM检验、Wald检验以及Hansen J检验结果也都表明本文所选取的工具变量是有效的。

3.4.2 倾向匹配得分法(PSM)针对可能存在的内生性问题，本文采用倾向匹配得分法(PSM)控制供应链网络接近中心度对创新绩效回归中的遗漏变量问题。首先，将样本公司按照接近中心度的中位数划分为“实验组”(高接近中心度组)和“对照组”(低接近中心度组)。其次，利用Logit模型筛选用于匹配的协变量。最后，采用PSM法对实验组样本进行一对一最近邻匹配协变量更为相似的控制组样本，并进行回归分析。回归结果如表5所示，接近中心度与企业创新绩效之间存在着显著的正向相关关系，结论依然成立。

表5 稳健性检验

3.4.3 变量滞后尽管采用工具变量法可以缓解内生性问题，但接近中心度和企业创新绩效之间依然可能存在反向因果问题。为此，本文进一步利用变量滞后的方法重新进行回归，解释企业过去的接近中心度与未来企业创新绩效的关系，以避免可能出现的反向因果问题。回归结果如表5所示，接近中心度的系数为0.6477，在10%水平上显著为正，这与之前的回归结果是一致的。

4 进一步分析

4.1 企业违规的调节作用

在实证检验了接近中心度能够显著促进企业的创新绩效后，本文还对企业的违规行为是否会影响两者之间的关系进行了研究。一方面，企业获得的社会资本越多，发生违规行为的概率越低[25]。这是因为密集的社会网络也是一种有效的监控，接近中心度越高的企业越会受到更多的监督，同时也会获取更多的信任；也就降低了信息不对称的程度。另一方面，接近中心度高的企业，为保持与其他企业的紧密关系，会严格规范自身行为。企业如果发生违规行为，会对其声誉造成影响，其他企业也不愿意与其进行合作，自然会影响企业间的业务往来以及资源的获取。因此，企业发生违规行为在一定程度上会削弱接近中心度对企业创新绩效的正向影响。为验证企业违规行为对主效应的调节作用，本文构建模型：

Innovi，t=β0+β1Closenessi，t+β2Illegal+β3Closeness*Illegal+βk*Controlsi，t+ΣYear+ΣIndustry+εi，t

(3)

其中，Illegal表示企业的违规行为。该变量为虚拟变量，企业在当年年度发生违规行为取1，未发生违规行为取0。模型(3)的回归结果如表6所示，接近中心度与企业违规行为的交互项(Closeness*Illegal)在5%水平上负向显著，说明违规行为会削弱企业接近中心度与创新绩效之间的关系。另外，如图1所示，可以更加直观地看出企业违规对两者关系存在负向的调节作用。

表6 企业违规行为的调节作用

4.2 异质性分析

前文的研究主要回答了“供应链网络接近中心度是否会影响以及如何影响企业创新绩效”等问题，而这一部分将对供应链网络接近中心度对企业创新绩效的影响所依赖的因素进行深入分析。

表7 企业异质性分析

续表7

4.2.1 产权性质本文认为供应链网络接近中心度与创新绩效的关系会受到企业产权性质的影响。一方面，国有企业的社会地位稳固，享有更高的声誉，其他企业可能更加倾向与其进行合作，那么国有企业更有优势依靠接近中心度来获取资源与信息等。另一方面，国有企业的融资相对于非国有企业来说也更为便利[26]，在获取政府政策信息方面也更有优势，这为创新活动提供了支持。因此本文认为国有企业的接近中心度与创新绩效之间具有更为显著的正向影响。

对此，本文根据实际控制人的性质，将样本划分为国有企业和非国有企业，对模型(2)重新进行了分组回归。结果如表7所示，在非国有企业的样本组中，接近中心度的系数为正，但不显著；而在国有企业样本中，接近中心度的系数为正且在5%水平上显著。表明相对于非国有企业，国有企业的接近中心度对创新绩效具有更为显著的正向影响。

4.2.2 组织冗余本文认为供应链网络接近中心度与创新绩效的关系还会受到企业组织冗余的影响。根据组织行为学理论，组织冗余可以为企业提供额外的可用资源，进而提高创新绩效。一方面，组织冗余程度高的企业可以制定多种创新战略，如开发新产品、产品多样化、进入新市场等，管理者可以更加自由地选择启动创新项目[27]。另一方面，组织冗余可以帮助企业抵御风险，增强环境适应能力和风险应对能力，并允许企业进行更多的创新尝试。尤其是当企业面临复杂多变的供应链网络环境，即企业之间的联系越密切，同时受到的影响也就越大。而组织冗余不仅能在一定程度上保护其技术核心不受侵犯，还能够使管理者不必过多考虑失败的风险。因为企业有额外的资源来抵消失败造成的损失[28]，进而可以更好地发挥接近中心度所带来的信息和资源优势。因此本文认为组织冗余程度高的企业，其接近中心度对创新绩效具有更为显著的正向影响。

参考已有文献，本文关注的是非沉淀性冗余，即企业的短期投资能力，故采用流动比率(流动资产/流动负债)来衡量企业的组织冗余[24，29]。具体来说，企业的流动比率越大，说明其在短期内可以直接利用或者转化的闲置资源规模越大，用于抵御风险、支持创新活动的可用闲置资源就越多。本文根据组织冗余的中位数进行分组，将全样本划分为组织冗余程度高和组织冗余程度低两个子样本，对模型(2)重新进行分组回归。结果如表7所示，当组织冗余程度低时，接近中心度的系数为正，但不显著；而当冗余程度高时，接近中心度的系数为正且在1%的水平上显著。表明相对于组织冗余程度低的企业，冗余程度高的企业接近中心度对创新绩效具有更加显著的正向影响。

4.2.3 市场化程度本文认为供应链网络接近中心度与创新绩效的关系还会受到企业所在地区市场化程度的影响。在经济转型过程中，区域市场化改革的不同步等原因必然会造成省际市场化水平不尽相同，这使得处于不同市场化环境的企业在资源的获取和利用方面存在差异，进而影响创新绩效[30]。通常来说，在市场化程度较高的地区，知识、技术产权保护措施完善、经济发展水平高、政府干涉较弱、产品和要素市场的流动性强，企业可以更好地把握市场与行业信息，更好地发挥供应链网络接近中心度所带来的信息和资源优势，进行创新。而在市场化程度较低的地区，知识、技术产权保护措施不完善，金融市场发展水平滞后，要素和产品市场扭曲[31]，使得企业较难发挥接近中心度所带来的信息和资源优势。因此本文认为处于市场化程度高地区的企业，接近中心度对创新绩效具有更为显著的正向影响。

本文根据《中国分省份市场化指数报告(2016)》获取样本企业所在省份的市场化得分，并根据市场化得分的中位数进行分组，将全样本划分为市场化程度高和市场化程度低两个子样本，对模型(2)重新进行了分组回归。结果如表7所示，当企业处于市场化程度低的地区时，接近中心度的系数为正，但不显著；而当处于市场化程度高的地区时，接近中心度的系数为正且在1%的水平上显著。表明处于市场化程度高的企业，其接近中心度对创新绩效具有更为显著的正向影响。

5 结论与建议

5.1 研究结论

本文以2007—2019年沪深A股上市公司为初始样本，通过整合上市公司供应链网络关系，分别构建了13个年份的供应链网络，利用Pajek软件计算出企业的接近中心度，研究其对创新绩效的影响。研究发现，企业的接近中心度越高，创新绩效越好，表明在供应链网络中，网络中心位置即接近中心度的优势在企业的创新表现中得到了有效的发挥。更近一步地，企业的违规行为削弱了接近中心度对创新绩效的正向影响。通过异质性分析发现，国有企业，组织冗余程度高的企业，处于市场化程度高地区的企业，其接近中心度对创新绩效的具有更为显著的正向影响。