制造企业如何形成大数据能力赋能产品创新绩效？——CEO威胁认知与数字化支持行为的视角

张振刚，叶宝升，户安涛，余传鹏

（1.华南理工大学 工商管理学院，广州 510641；2.华南理工大学 广州数字创新研究中心，广州 510641；3.华南理工大学 旅游管理系，广州 510006）

0 引言

随着第四次工业革命的到来，我国高度重视构建大数据能力，出台了一系列政策，如党的二十大报告要求“促进数字经济与实体经济深度融合”、国民经济十四五规划提出实施“上云用数赋智”行动、国务院专门出台《“十四五”数字经济发展规划》等。大数据能力的形成是优化产业结构和推动产业高质量发展的重要途径。然而，埃森哲在2019—2022年发布的中国企业数字化转型指数报告指出，数据赋能企业绩效提升的领军企业比例分别为7%、9%、11%、16%和17%，比例仍然很低。如何形成制造企业大数据能力，以赋能研发设计、物料采购、生产制造、营销服务等价值链全过程，已成为中国制造企业所面临的关键问题。

企业大数据的获取、整合分析离不开跨部门间的数据协同［1-2］。跨部门数据协同能够获取全量样本数据，分析数据之间的相关性，挖掘出有价值的信息［1］，避免数据以碎片化的方式刻画事物的局部形态与特征［3］。制造业涉及多个生产环节，涵盖原材料采购、生产加工、质量控制、包装、物流等，每个环节都会产生大量的数据，如生产指标数据、设备运行数据、质检数据等。通过数据协同，不同环节的数据可以被整合和分析，实现生产流程的优化和管理，提高产品质量和效率。并且，跨部门数据协同也能够更好整合制造企业研发、采购、生产、营销服务等各个部门人员，统一建设与维护企业大数据能力形成所需的数字基础设施与数据标准。跨部门协同是制造企业大数据能力形成的关键要求，这离不开负责各部门高管支持。然而，由于高管内成员的权力存在差异［4］，部门高管往往只分管不同的部门，无法跨部门整合高管行为。CEO“一把手”由于具有结构性权力，能够通过设计协同规则与资源配置机制支持数字化，以跨部门整合高管行为［4］，满足企业大数据能力形成的协同要求。并且，制造企业通常涉及庞大的供应链网络，包括供应商、合作伙伴、分销商等，各方都会产生大量的数据，如原材料采购数据、生产数据、物流数据等。通过CEO的支持，这能够更好地获取、整合、应用外部数据资源。因此，CEO数字化支持行为是形成制造企业大数据能力的关键影响因素。再者，本文选择产品创新绩效作为大数据能力影响的结果变量，主要由于其是制造企业活动中生产要素最具集成特征的一环［5］，集成了价值链全过程的研发、采购、生产、营销服务等各个环节，更需要CEO支持以满足数据的跨部门协同。并且，与流程创新相比，产品创新直接面对顾客，是企业价值的直接来源［6］。

究竟是什么驱动CEO支持数字化行为形成制造企业大数据能力赋能产品创新绩效呢？由于认知对于行为的重要作用，认知可能是CEO行为表现的逻辑起点。外部数字化变革深入到制造企业活动的各个方面［7］，使得CEO容易产生未实施数字化转型将威胁企业自身发展的认知。例如，研究表明：占所调研89%的公司认为，如果他们在未来几年内不采用大数据技术，他们将失去相当大的市场份额［8］。然而，现有研究强调企业大数据能力的作用但忽视从威胁认知视角探究其形成［9］。同时，对于威胁认知与变革行为之间的关系，前景理论认为威胁认知能够提升变革行为［10］，而威胁刚性理论则认为威胁认知下企业倾向于风险规避［11］，容易降低变革行为。CEO数字化支持行为是一种重构企业的变革行为［12］，两种理论的不同观点表明亟须进一步探究威胁认知通过CEO数字化支持行为形成制造企业大数据能力的关系问题，这催生了“三参照点”理论解释。依据动态能力理论的感知、捕获、重新配置三种重要能力［13］，制造企业大数据能力的资源获取、整合分析以及应用能力，能否通过整合内外部的数据资源提升感知顾客需求能力，分析洞察以促进捕获市场机会能力，重新配置资源以增强创新产品满足顾客需求的能力，以更好提升产品创新绩效，有待进一步研究回答。本研究依据“三参照点”（Tri-reference point theory）与动态能力理论，一方面整合前景理论与威胁刚性理论，从而解释CEO威胁认知如何影响数字化支持行为以形成制造企业大数据能力，另一方面也阐释了制造企业大数据能力赋能产品创新绩效的逻辑。基于上述分析，本文提出以下研究问题：究竟威胁认知能否通过CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效？

本文的研究贡献主要有两个方面：①从CEO威胁认知与数字化支持行为视角出发，探究了制造企业大数据能力的形成，并从动态能力逻辑阐释大数据能力对产品创新绩效的影响，为提升制造企业大数据能力及其对产品创新绩效的促进作用提供了新的理论阐释逻辑；②通过引入“三参照点”理论，整合威胁刚性理论与前景理论，解释了威胁认知下制造企业大数据能力的形成过程，这也回应了近20年来威胁认知与变革行为关系存在异质性的结果。

1 文献回顾与假设提出

1.1 文献综述

大数据能力是指企业在多大程度上能够获取、整合分析与应用大数据资源［2，9］。从2012年开始，大量研究关注了企业大数据能力对于企业绩效［8，14-16］、渐进式与突破式创新［17］、决策［18］、战略［19］等的影响，强调了企业大数据能力的积极作用［20］。但是，一些学者对于大数据能力的作用存在质疑，认为大数据能力构建存在“高投入、低产出”的现象，甚至提出要警惕“大数据陷阱”［20］。虽然近期国内开始探讨了大数据对于产品创新绩效的影响［5］，但是研究更多基于组织学习与惯例更新的阐释逻辑。尽管一些研究也考虑到动态能力的视角，探究大数据能力对于渐进式与突破式创新的影响［17］。但是，现有研究总体上还是缺乏从动态能力理论的“感知、捕获、重新配置”逻辑对应于大数据能力的“资源获取、整合分析、应用”三个维度，阐述其对于产品创新绩效的影响，以更全面地阐释大数据能力与产品创新绩效的关系。并且，大数据能力与产品创新绩效的关系是否存在情境异质性也有待跨群组比较的分析。

企业大数据能力的形成研究主要归纳为技术与管理因素两大方面，技术因素主要包括技术兼容性［21］、技术基础设施与软件和信息系统等［22］；管理因素主要包括契约与关系治理［23］、战略导向与发展式文化［9］、高管支持［2，21］、供应商开发［24］等。并且，在技术发展迅速的基础上，企业大数据能力的形成研究逐渐从技术因素转移到了管理因素的影响，特别是强调了战略导向与高管支持等的作用［2，9，21］，这为本研究提供了有益参考。但是，企业大数据能力的形成需要各个部门的协同配合，且涉及内部利益格局的重新调整，这离不开CEO重要角色的作用。CEO数字化支持行为是影响企业大数据能力形成的重要因素，而要使CEO做出支持行为，离不开其认知的改变。数字变革时代趋势使得CEO容易产生未进行数字化转型，将对自身企业造成威胁的认知。由于企业数字化转型具有较大的风险性［25］，CEO对于数字化的支持可以归结为风险性行为［26-27］。CEO威胁认知与数字化支持行为在影响制造企业大数据能力形成中起到重要的作用，但是现有文献忽视了这一重要视角。

对于威胁认知与风险性行为的关系，现有研究存在着“前景理论”与“威胁刚性理论”两种不同的观点［28］。前景理论认为当个体处在威胁认知中时，其更有冒险倾向，容易诱发个体产生风险性行为［10］。威胁刚性理论则认为：当个体处在威胁认知中时，容易降低信息检索的范围，规避风险行为的产生［11］。前景理论与威胁刚性理论在解释机会/威胁与风险性行为的关系时主要基于“二分法”的观点，即依据某一参照点将决策情境划分为机会与威胁。例如，如果以现状为单一参照点，决策者可能将预期低于现状的情形视为威胁，将预期高于现状的情形视为机会。在这种“二分法”下，两种理论产生了相反的观点。正是由于两种不同观点的存在，使得过去20多年间，众多学者针对这一问题进行了大量的探讨［29-30］。一些学者尝试性地利用调节变量加以解释，认为机会/威胁认知与风险承担性/风险规避性行为的关系受到了情境因素的影响［29］。但是，这并没有从机会/威胁认知产生不同结果的前提假设进行分析，催生了“三参照点”理论的解释逻辑。

综上所述，一是动态能力视角下的企业大数据能力与产品创新绩效的关系有待进一步阐释；二是CEO威胁认知与数字化支持行为如何形成制造企业大数据能力，现有的威胁刚性、前景理论无法回答，有待新的理论阐释逻辑；三是由于制造企业产品创新绩效涉及研发设计、物料采购、生产制造、营销服务等各个部门，大数据能力赋能产品创新绩效需要能够协同各个部门，这离不开CEO一把手进行统筹，更好地进行各个部门之间的协同。CEO威胁认知与数字化支持行为视角下的大数据能力能够更好地赋能产品创新绩效，但现有文献缺乏从这一视角进行研究。基于此，本文整合了制造企业大数据能力的形成与影响，构建“CEO认知—CEO行为—企业能力—绩效结果”框架。

1.2 概念框架

三参照点理论是以底线、现状和目标为参照点，将决策结果空间划分为失败、损失、获益和成功四个功能区域，以对在风险和不确定性情况下的决策行为进行系统性、抽象化的解释。相对于前景理论与威胁刚性理论，“三参照点”理论的重大突破在于其不是单纯利用“现状”一个参照点下的“二分法”，而是以“底线”“现状”“目标”三参照点，形成了“四分法”［31］，即将个体决策功能区划分为“失败”“损失”“获益”“成功”四个区域，如图1所示。三参照点理论认为，决策者处于不同的决策功能区时，其对于风险性行为的决策影响不同。“失败”功能区影响最大，其次是“成功”功能区，再者是“损失”与“获益”，这二者对于风险性行为的影响小［31］。该观点表明“避免失败最为重要”，符合“先生存后发展”“剩者为王”的管理智慧［31］。如果从低于现状的失败与损失负面效应来看，失败决策功能区更倾向于风险性行为，损失决策功能区则倾向于风险规避行为。这一观点也在WANG和JOHNSON［31］的研究中获得了实证数据支持。因此，如果用“三参照点”理论解释威胁认知与风险性行为的关系，前景理论与威胁刚性理论之所以会产生相反的观点，主要原因在于两个理论没有对威胁程度进行区分。当威胁程度超过“底线”参照点时，决策者面临着“失败”的威胁，此时决策者愿意接受更强的风险承担行为，愿意“放手一搏”，其更倾向于遵循前景理论的逻辑。例如，美的CEO认知到数字化将对制造业产生革命性的影响，不进行数字化转型将威胁企业生存。这促使其将数字化转型上升为“一把手”工程，自上而下推行，更好地提升了企业大数据能力。当威胁程度没有超过“底线”参照点，只是低于“现状”的“损失”威胁，这种威胁程度较低，决策者愿意承担的风险行为也较低，其更倾向于遵循威胁刚性的理论逻辑。“三参照点”理论的引入，通过划分不同的威胁程度，能够整合前景理论与威胁刚性理论二者对于“威胁认知与风险性行为关系”解释的不同观点，即威胁程度的不同导致与风险性行为之间的关系存在差异。遵循这一理论逻辑，本文将前景理论与威胁刚性理论观点整合到一个统一框架之中，首次将关键威胁认知与绩效衰退威胁认知分别代表“失败”“损失”两种威胁程度不同的风险决策功能区，探究二者通过CEO数字化支持行为形成企业大数据能力赋能产品创新绩效的关系差异。

图1 三参照点理论下的四个决策功能区［31］Fig.1 Four decision-making functional areas under the threereference point theory［31］

再者，当威胁程度超过“底线”参照点时，CEO面临着从“损失”到“失败”的决策认知框跨越，这表明较高的绩效衰退威胁认知越接近底线参照点，越能够促进关键威胁认知的形成。那么，绩效衰退威胁认知可能促进关键威胁认知，进而通过提升CEO数字化支持行为，形成制造企业大数据能力以赋能产品创新绩效。

制造企业大数据能力对产品创新绩效的影响遵循动态能力理论的“感知、捕获、重新配置”的逻辑［13］。其中，企业大数据能力中的资源获取能力对应于感知维度，识别和获取必要的数据资源以感知外部需求；整合分析能力对应捕获维度，通过数据分析生成洞见以抓住数据中隐藏的机会；应用能力对应于重新配置维度，能够将分析产生的洞见转化为实际业务行动和决策。制造企业通常涉及庞大的供应链网络与多样化的生产环节，包括供应商、合作伙伴、分销商等。网络中的各方与生产的各个环节都会产生大量的顾客需求数据、原材料采购数据、生产数据、物流数据等。大数据能力作为一种动态能力，能够帮助企业更好地感知外部需求变化、抓住机遇、重新配置资源开发出新产品满足顾客，更好地提升产品创新绩效。基于此，本文构建的概念框架如图2所示。

图2 概念框架Fig.2 Conceptual framework

1.3 研究假设

威胁是指一种潜在的可能性，即某种不利情况可能在未来发生，对个体、组织或系统的目标、资源或利益造成损害或影响。认知是个体对外界信息的感知、理解和解释过程，包括注意、记忆、思维、判断等心理活动。威胁认知是某一主体对于潜在不利情况的感知、理解和解释过程。本文将威胁认知中的“潜在不利情况”界定为“未进行数字化转型将危害企业发展”，并且将威胁认知的主体限制为CEO。即关键威胁认知是指CEO认为如果不进行数字化转型，外部数字化变革将对企业现有业务（现状）产生严重逆境，甚至带来破产、重组、收购等问题［27］。绩效衰退威胁认知是指CEO认为如果不进行数字化转型，外部数字化变革将造成企业已有业绩（现状）的下降［27］。依据“三参照点”理论，“失败”决策功能区容易激发风险性行为，“损失”决策功能区则容易引导选择风险规避行为［31］。

一是在关键威胁认知下，由于CEO的决策预期低于企业生存的“底线”之下，他们容易感觉企业如果不顺应时代发展趋势，将无法应对这一危机，导致其不得不进行数字化变革以应对重大危机，化“危”为“机”，使企业适应外在的数字化发展环境。二是当CEO认为数字化变革将造成绩效衰退威胁时，由于这种威胁低于“现状”预期而未超过生存的“底线”预期，威胁程度较低。较低的威胁程度与实施数字化转型的较高不确定性相比，CEO缺乏动力去支持数字化行为。此时，CEO倾向于着眼企业现有能力提升［26］，更好完善现有产品与服务以减少绩效衰退，从而可能抵触数字化行为。由此，本文提出如下研究假设。

H1a 关键威胁认知与CEO数字化支持行为正相关。

H1b 绩效衰退威胁认知与CEO数字化支持行为负相关。

依据“三参照点”理论，当威胁程度超过“底线”参照点时，CEO面临着从“损失”到“失败”的决策认知框跨越，这表明绩效衰退威胁认知越高，其越靠近底线参照点，越容易产生关键威胁认知。一是当CEO威胁认知到未采用数字化技术将造成企业绩效降低时，绩效的降低很大程度上是一种信号，传递出企业未能够与外部环境相适应。这种认知会促使CEO形成不采用数字化技术将造成企业破产的关键威胁认知。二是当CEO认知到未应用数字化技术将造成绩效衰退威胁时，这种威胁很大程度上容易使企业遭受严格的市场检视和利益相关方的质疑［32］。由于市场更加愿意接纳那些采用新技术、新产品、新工艺的企业［32］，如果CEO不采用数字化技术，那么这种质疑将会进一步增强。例如，制造业涉及大量的生产活动和资源利用，可能对环境造成较大影响。数字化能够赋能制造业的绿色化转型，未采用数字化技术的企业可能在绿色化的发展趋势下面临来自外界的质疑。随着质疑扩大，企业容易陷入巨大威胁当中，这会促使CEO产生关键威胁认知。由此，本文提出如下研究假设。

H2 绩效衰退威胁认知与关键威胁认知正相关。

CEO数字化支持行为是指CEO亲自制定数字化转型方案并贯彻落实［33］。依据“CEO行为—企业能力”的逻辑，作为公司的“一把手”，CEO在推动制造企业数字化转型过程中能够发挥结构性权力和领导激励的作用［34］，这有助于形成制造企业的大数据能力。一是协同特性是制造企业大数据能力形成的关键，涉及各个部门之间的协同配合，包括数据间的协同和分析间的协同［3］。跨部门的数据协同需要重新调整各自的利益格局，这可能会引起某些部门的不满。尽管这些部门可能不会直接反对数据协同，但他们可能会采取消极态度，导致数据之间的协同变得困难。此时，CEO可以利用结构性权力，通过规则设计和资源配置［4］，统一部署数据的跨部门协同，更好地进行数据集成与分析，形成企业大数据能力［21］。二是企业大数据能力的形成不仅需要获取数据，更重要的是能够深入挖掘数据［16］，洞察数据背后反映的关系、信息等，更好提供决策支持。深入挖掘数据的过程涉及复杂的算法开发，需要激发企业员工的创造力。CEO支持数字化行为能够释放出企业对于数字化的重视信号，激励企业员工开发出更精准的模型算法，形成企业的大数据能力。由此，本文提出如下研究假设。

H3 CEO数字化支持行为与企业大数据能力正相关。

产品创新绩效是指企业在多大程度上能够成功开发出高质量新产品并快速渗透市场［35］。依据“企业能力—绩效结果”以及动态能力理论的“感知、捕获、重新配置”分析逻辑：制造企业大数据能力能够通过感知获取广泛市场信息、捕获市场机会、重新配置研发与制造资源等三个方面赋能产品创新绩效。由于制造企业大数据能力较强，一是具有较强的大数据获取能力，能够利用大数据获取相对完备的信息［21］，寻找更加符合客户需求的主流市场机会与新兴市场机会［23］，这使得企业缩短了前期市场调查的时间，更快获取顾客的需求。二是通过分析挖掘各种数据，更好地捕获市场机会。三是通过感知顾客需求数据，分析、洞察、捕获数据背后隐藏的市场机会。这些数据能够用于重新配置新产品研发资源，同时通过数据协同研发与制造环节。企业利用数字孪生模型研发产品，产品研发的结果数据能够马上传输到制造部门。制造部门发现问题后，能将问题即时反馈给研发部门。研发与制造的协同，既缩短了产品由研发到制造过程的时间，也避免研发与制造两个过程分开造成制造过程中遗漏了研发过程中所考虑的因素［3］，更好提升产品创新绩效。由此，本文提出如下研究假设。

H4 制造企业大数据能力与产品创新绩效正相关。

遵循“CEO认知—CEO行为—企业能力—绩效结果”的逻辑，依据“三参照点”理论中威胁程度不同的认知所影响行为也存在差异观点［31］，“威胁认知—CEO数字化支持行为”的关系会依据不同威胁程度认知而产生差异。由于企业大数据能力离不开CEO数字化支持行为的作用，而企业大数据能力是产品创新的重要影响因素［5］。因此，威胁程度不同的认知所驱动的链式中介效应也存在差异。由于关键威胁认知的威胁程度较高，其能够通过提升CEO数字化支持行为积极影响企业大数据能力，提升产品创新绩效。由于存在较低威胁程度的认知倾向风险规避行为，因此，绩效衰退威胁认知通过弱化CEO数字化支持行为消极影响企业大数据能力，从而降低产品创新绩效。由此，本文提出如下研究假设。

H5a 关键威胁认知通过提升CEO数字化支持行为积极影响企业大数据能力，从而提升产品创新绩效。

H5b 绩效衰退威胁认知通过弱化CEO数字化支持行为消极影响企业大数据能力，从而降低产品创新绩效。

依据三参照点理论分析，当绩效衰退威胁认知较高时，其越接近底线参照点，容易促进关键威胁认知的形成，即绩效衰退威胁认知能够提升关键威胁认知。由于关键威胁认知能够通过促进CEO数字化支持行为积极影响企业大数据能力以提升产品创新绩效。因此绩效衰退威胁认知对于产品创新绩效的影响也产生新的作用机制，其能够提升关键威胁认知，进而促进CEO数字化支持行为积极影响企业大数据能力以提升产品创新绩效。由此，本文提出如下研究假设。

H6 绩效衰退威胁认知能够提升关键威胁认知，进而促进CEO数字化支持行为积极影响企业大数据能力，从而提升产品创新绩效。

2 研究设计

2.1 样本选择与数据收集

调研样本来源于华南地区（包括厦门、泉州地区）开展数字化转型活动以形成大数据能力的制造企业。第一次收集的数据包括关键威胁认知、绩效衰退威胁认知等变量以及相关的控制变量；第二次收集的数据包括CEO数字化支持行为、大数据能力与产品创新绩效等变量。在数据收集时，问卷要求CEO填答，并且在题项前面增加“公司CEO……”字样，这样即使填答者不是CEO本人，但是题项描述是CEO情况。为保证数据收集的可靠性，本研究与第三方专业公司合作收集数据。两次调研分别发放500份问卷，回收后剔除了两次配对标号无法匹配、反向题的答案与正向题相一致的问卷，有效问卷为311份（有效回收率为62.2%）。样本企业的特征分布见表1。

表1 样本企业基本特征（N = 311）Tab.1 Basic characteristics of samples （N = 311）

2.2 变量测量

2.2.1 关键威胁认知（CTC）与绩效衰退威胁认知（PRTC） OSIYEVSKYY和DEWALD［27］的研究中，威胁情境是外部的破坏式变革。由于数字化转型不仅仅是技术的升级和应用，更是一种对企业整体进行颠覆性改变，因此本研究认为其适用于数字化转型情境。关键威胁认知从近3年的外部数字变革使得CEO认为如果不实施数字化转型，未来企业发展将陷入严重逆境之中的程度进行测量，包括4个题项。绩效衰退威胁认知从近3年的外部数字变革使得CEO认为如果不实施数字化转型，将对企业未来业绩产生下降的程度进行测量，包括3个题项。

2.2.2 产品创新绩效（PIP） 参考ZHANG和LI［35］的研究，从公司能够成功开发出高质量新产品并且快速渗透市场的水平进行测量，包括5个题项。

2.2.3 CEO数字化支持行为（DSB） 参考LIANG等［36］的研究，原文测量高管支持。本文认为CEO“一把手”在数字化转型中起到至关重要的作用，从CEO制定数字化转型方案并实施的角度进行测量，包括4个题项。

2.2.4 大数据能力（BDC） 基于谢卫红等［2］的测量，该量表涵盖了资源获取能力（4个题项）、整合分析能力（4个题项）和应用能力（3个题项）三个方面。变量采用李克特7点尺度量表进行设计，1表示“非常不符合”，“7”表示“非常符合”。

2.2.5 控制变量 参考已有文献［2］，本文还控制了其他相关因素的影响。由于控制变量为类别型变量，因此将其转化为虚拟变量，具体而言：企业规模（SZ）设置2个虚拟变量，以300人以下为参照组（设置为0），虚拟变量1代表300～999人、虚拟变量2代表1 000人及以上；企业年龄（AG）设置1个虚拟变量，1代表11年及以上企业、0代表10年及以下的企业；产业类型（IT）设置1个虚拟变量，1代表战略性新兴产业（包括新一代信息技术、高端装备制造、新材料、生物医药、新能源汽车、新能源、节能环保、数字创意等8大产业的制造企业），0代表传统产业；产权性质（OC）设置1个虚拟变量，1代表民营企业，0为其他企业；产业链位置（IC）设置1个虚拟变量，1代表上中游企业，0代表下游企业； CEO年龄（CEOAG）设置1个虚拟变量，1代表49～62岁，0代表其他。

2.3 分析工具

本文估计方法为偏最小二乘法的结构方程模型（partial least squares-structural equation modeling，PLS-SEM），采用Smart PLS 3软件进行分析。

2.4 信度与效度检验

依据HAIR等［37］的建议，题项的因子载荷值应大于0.7，如果低于0.7但是大于0.4，在删除这些题项后，构面的组成信度（CR）没有提升，则可将该题项保留。如表2所示：PIP、CTC、DSB等变量的个别题项低于0.7但大于0.6，将其删除后，组成信度未提升，因此将其予以保留。

表3表明，所有变量的Cronbach’sα与组成信度（CR）均大于0.7［37］。平均方差萃取量（AVE）也均大于0.5。此外，所有对角线上粗体字的AVE开根号值都大于该构面与其他构面的相关系数，HTMT（Heterotrait-Monotrait Ratio）均小于0.9［38］，表明具有良好的区别效度。

表3 相关分析与信效度检验Tab.3 Correlation analysis and the test of reliability and validity

在共同方法偏差检验中，首先采取多项措施来减少受访者的社会期望偏差和提示效应，包括隐藏介绍所测量变量含义、变量题项采用随机分配等方式。其次，采用LIANG等［36］提出的方法和HARMAN单因子检验。一是人为加入一个共同方法偏差因子，原始构面解释的平均负荷量平方为0.566，而受到共同方法偏差因素解释的平均负荷量平方为0.014。两者之间的比值约为40∶1，比值较大表明共同方法偏差影响较小［36］；二是未经旋转的第一个因子解释方差为30.887%，低于50%的建议标准。

CTC（VIF = 1.686）、PRTC（VIF ＜ 1.680）、DSB（VIF = 1.024）、BDC（VIF = 1.024）等变量VIF值均小于5的建议标准，不存在严重的共线性问题，可以进行结构模型分析。

3 实证结果

图3显示，CTC与DSB之间的标准化回归系数为正且显著（β = 0.426，SE = 0.082，p＜ 0.001），支持H1a；PRTC与DSB之间的标准化回归系数不显著（β = 0.155，SE=0.081，p ＞ 0.05），未支持H1b；PRTC与CTC之间的标准化回归系数为正且显著（β = 0.619，SE = 0.042，p＜ 0.001），支持H2；DSB与BDC之间的标准化回归系数为正且显著（β = 0.629，SE = 0.048，p＜ 0.001），支持H3；BDC与PIP之间的标准化回归系数为正且显著（β = 0.665，SE = 0.040，p＜ 0.001），支持H4。

图3 结构模型分析Fig.3 Structural model analysis

表4采用Bootstrap方法来检验中介效应，即利用有放回抽取的方式（每次抽取样本311），每次抽取样本后分别计算出中介效应值，利用这些中介效应值计算出标准误以检验中介效应的显著性。结果显示CTC通过DSB形成企业BDC赋能PIP的关系效应显著（效应值 = 0.179, SE = 0.040, p＜ 0.001），支持H5a，PRTC驱动的中介未显著（效应值 = 0.065， SE = 0.035， p＞ 0.05），未支持H5b。此外，PRTC能够促进CTC，进而提升DSB以形成BDC赋能PIP（效应值 = 0.110， SE = 0.027， p＜ 0.05），支持H6。

表4 Bootstrap中介效应分析Tab.4 Bootstrap mediation effect test

进一步利用PLS-SEM的跨群组比较分析方法，发现模型在产业类型、企业规模上的部分关系存在显著差异，群组比较差异值的显著性指标采用了PLS-MGA（PLS multi-group analysis）[37]，具体结果见表5。企业规模根据工业和信息化部、国家统计局、国家发展改革委、财政部《关于印发中小企业划型标准规定的通知》（工信部联企业〔2011〕300号）所划定的标准确定，对于工业企业而言，员工小于300人为小微型企业，1 000人及以上为大型企业。战略性新兴产业按照2018年国家统计局发布的“战略性新兴产业分类（2018）（国家统计局令第23号）”文件，包括新一代信息技术、高端装备制造、新材料、生物医药、新能源汽车、新能源、节能环保、数字创意8大产业的制造企业。战略性新兴产业与传统产业的样本数分别为157与154、大型企业与小微企业的样本数分别为76与87，样本数相当，能够更好进行跨群组比较分析。

表5 跨群组比较分析Tab.5 Multi-group comparative analysis

对于PRTC与CTC（差异值 = 0.151，p＜ 0.05）、DSB与BDC（差异值 = 0.134，p＜ 0.05）的关系，战略性新兴产业组显著大于传统产业组。模型中的其他关系，战略性新兴产业与传统产业组则无显著差异。

对于CTC与DSB的关系，小微企业显著大于大型企业（差异值 = 0.332，p＜ 0.05）；对于PRTC与CTC的关系，大型企业显著大于小微企业（差异值 = 0.369，p＜ 0.05）的关系。模型中的其他关系，大型企业与小微企业组则无显著差异。

4 结论与讨论

4.1 研究结论

第一，关键威胁认知（失败）通过CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效的中介效应显著，但绩效衰退威胁认知（损失）通过CEO数字化支持行为消极影响制造企业大数据能力降低产品创新绩效的中介效应未得到实证数据支持。该结论支持了“三参照点”理论认为威胁程度不同的认知决策功能区与风险性行为关系存在差异的观点，解释了如何驱动CEO支持数字化行为形成制造企业大数据能力以赋能产品创新绩效，即通过增强CEO关键威胁认知。实证结果发现绩效衰退威胁认知的“损失”功能区与数字化支持风险性行为之间的负向关系（倾向于威胁刚性理论的观点）未获得实证数据支持，仅观察到二者的正向关系不显著。可能的解释：在数字经济背景下，制造企业数字化变革是一个趋势。在这样的趋势下，虽然在绩效衰退威胁认知下，CEO支持数字化这一风险性行为的动机较低，但可能并不会排斥、拒绝数字化行为。CEO更多可能处于犹豫之中，对于数字化转型持徘徊观望态度，产生了正向未显著的结果。

第二，绩效衰退威胁认知能够提升关键威胁认知，进而促进CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效，这是一个重要的发现。依据“三参照点”理论，关键威胁认知与绩效衰退威胁认知通过CEO数字化支持行为，形成制造企业大数据能力以赋能产品创新绩效的机制存在差异，但是绩效衰退威胁认知驱动的中介作用未得到实证数据支持。这一结论则表明了绩效衰退威胁认知对于关键威胁认知的重要影响，阐明了较高绩效衰退威胁越接近底线参照点，容易提升关键威胁认知，进而驱动CEO支持数字化行为形成大数据能力赋能产品创新绩效，给出了绩效衰退威胁认知驱动形成制造企业大数据能力赋能产品创新绩效的机制过程。

第三，对于绩效衰退威胁与关键威胁认知、CEO数字化支持行为与制造企业大数据能力的关系，战略性新兴产业显著大于传统产业；而模型的其他关系，战略性新兴产业与传统产业之间则未发现有显著差异。①与传统产业相比，战略性新兴产业制造企业（如新能源汽车、新材料等）代表着产业的发展方向，越来越受到人们的重视。当这些产业的CEO认知到未采用数字化技术将造成绩效衰退威胁时，这种威胁会由于人们极高关注度而显著扩大，对企业造成巨大的影响而导致陷入生存危机，这更加会促使CEO产生关键威胁认知。②战略性新兴产业作为技术密集型产业，代表着科技创新的新方向，本身对于技术的关注及应用程度较高，具有较好的大数据能力形成基础。因此，对于战略性新兴产业的制造企业，当CEO支持数字化行为时，其能够更好地提升大数据能力。

第四，对于关键威胁认知与CEO数字化支持行为的关系，小微企业显著大于大型企业。对于绩效衰退威胁认知与关键威胁认知之间的关系，大型企业显著大于小微企业。而模型的其他关系，大型企业与小微企业则无显著差别。一是小微企业由于组织结构较为简单，“船小好调头”的特性使得CEO认知到未采纳数字化技术将威胁企业生存时，对于本身处于劣势的小微企业而言，更加容易支持数字化行为。二是大型企业往往受到社会公众的关注程度较高，很多企业也已经上市。如果CEO认知到外部数字化技术将造成绩效衰退威胁，而这种绩效衰退容易导致股东、政府等投资者和机构丧失信心［32］，此时更容易促进关系到企业生存的关键威胁认知形成。

4.2 理论贡献

一方面，本研究从构念、机制、情境等要素［39］，阐述结论对于企业大数据能力形成与影响文献的贡献。一是引入关键威胁认知、绩效衰退威胁认知两个构念，比较分析了两种不同威胁认知通过CEO数字化支持行为形成制造企业大数据能力以赋能产品创新绩效的差异。两种不同威胁认知集中于强调“前向决策”中决策者对未来认知的重要作用，即将企业经营状况与未来预期比较从而选择适应性变革方案。这与当前大量研究聚焦于由过往绩效或经验主导的“后向决策”规则不同，也回应了现有文献提出“未来要从前向决策视角进行拓展”的呼吁［40］。二是“CEO威胁认知—数字化支持行为—企业大数据能力—产品创新绩效”的影响机制，强调了CEO威胁认知与数字化支持行为在促进制造企业大数据能力形成以及赋能产品创新绩效中发挥的关键作用，能够更好地帮助人们理解非技术因素在提升企业大数据能力中的重要作用。三是深入对比了新兴产业与传统产业、大型企业与小微企业情境下模型关系的差异，能够帮助人们理解模型关系的情境异质性，更好形成制造企业大数据能力赋能产品创新绩效。

另一方面，依据“三参照点”理论，本研究对比分析了关键威胁认知（失败）和绩效衰退威胁认知（损失）与CEO数字化支持行为的差异化关系。通过将前景理论与威胁刚性理论的观点统一起来，本文为过去20多年存在争议的“威胁认知与风险性行为之间的关系”提供了新的阐释逻辑。实证结果支持了两种威胁程度不同的认知与CEO数字化支持行为存在显著差异。尽管绩效衰退威胁认知与CEO数字化支持行为之间没有观察到显著负向关系，但本研究利用“三参照点”理论整合了前景理论与威胁刚性理论的观点，并通过实证结果观察到不同程度威胁认知与风险性行为之间的关系确实存在显著差异。这一尝试为解释威胁认知与风险性行为的关系提供了一种新的阐释逻辑，突破了以往人们的认识。

4.3 管理启示

第一，关键威胁认知是数字化转型背景下提升制造企业大数据能力促进产品创新绩效的关键驱动因素，启示着企业要重视提升关键威胁认知。这种威胁认知需要CEO自身更多关注前沿发展趋势，特别是数字技术的发展与演变。CEO可以多参与前沿技术领域的展会，关注新兴技术的发展以及对产业的颠覆，有助于更好形成关键威胁认知。

第二，链式中介效应的结果表明：尽管关键威胁认知至关重要，但要提升大数据能力以赋能产品创新绩效，CEO数字化支持行为扮演着重要的角色。关键威胁认知是促使CEO产生数字化支持行为的重要驱动力，而数字化支持行为则是实现大数据能力提升以促进产品创新的关键行动。仅有认知而无实际行动，很难提升企业大数据能力以提高产品创新绩效。制造企业要将大数据能力的形成作为“一把手”工程，CEO亲自参与实施。

第三，绩效衰退威胁认知需要通过提升关键威胁认知，进而促进CEO数字化支持行为积极影响大数据能力从而提升产品创新。这一链式中介效应则启示着制造企业家，仅仅认知绩效衰退威胁远远不够，他们需要进一步提升威胁认知的程度，促进形成关键威胁认知。这样才能在支持数字化中有更强的动力，放手一搏去提升企业大数据能力以促进产品创新绩效。

第四，对于战略性新兴产业而言，CEO数字化支持行为能够更好地形成制造企业大数据能力赋能产品创新绩效。这表明政府部门对于战略性新兴产业的制造企业，要重视CEO数字化支持行为对于大数据能力形成的重要作用。并且，研究表明制造企业大数据能力是影响产品创新绩效的重要因素，并且无论是对于小微企业还是传统产业，其都能通过大数据能力赋能产品创新绩效。这一检验结果能够给小微企业、传统制造企业信心，启示他们更好地提升大数据能力以赋能产品创新。

4.4 研究不足

一是本文主要从威胁认知视角，探究其通过CEO数字化支持行为形成制造企业大数据能力以赋能产品创新绩效。但是，机会认知也是一种重要的认知。机会认知与威胁认知，哪种认知能够更好地提升CEO数字化支持行为以形成制造企业大数据能力赋能产品创新绩效？并且，机会认知又可以划分为“获益”与“成功”两个决策功能区，未来研究可以选择相应的变量表征这两个决策功能区，研究不同机会认知的影响机制差异。二是本本使用的华南地区调研数据，样本所覆盖的范围以及代表性可能存在一定不足。随着数字化转型在我国的深入推行，有必要尝试利用全国层面的客观数据进一步验证本文所得出的主要结论是否可靠。