农场资源可用性、创业导向与组织双元性对印尼畜牧农场企业供应链韧性（SCR）的影响机制：基于PLS-SEM与IPMA的实证研究

《Cogent Food & Agriculture》：Entrepreneurial and ambidextrous strategies to enhance the supply chain resilience of Indonesian livestock farm businesses

　　

畜牧产业（livestock industry）是发展中国家（developing countries）的战略性部门，其特点是供应链（supply chain）复杂，易受经济、政治和生物挑战影响。然而，关于畜牧农场企业（livestock farm businesses, LFBs）如何发展供应链韧性（supply chain resilience, SCR）的证据仍然有限。基于资源基础观（resource-based view, RBV）、动态能力（dynamic capabilities）和权变理论（contingency theory），本研究考察农场资源可用性（farm resource availability, FRA）、创业导向（entrepreneurial orientation, EO）和组织双元性（organizational ambidexterity, OA）在提升LFBs的SCR中的相互关系。这项横断面研究（cross-sectional study）采用偏最小二乘结构方程模型（PLS-SEM）和重要性-绩效图分析（importance-performance map analysis, IPMA），分析印度尼西亚246家LFBs的数据。研究结果支持所有提出的假设，表明FRA、EO和OA正向影响LFBs的SCR。此外，从FRA到EO再到OA的序列路径（sequential pathway）是提升SCR的最强机制。IPMA结果进一步揭示，EO是增强SCR时最需要管理关注的关键领域。本研究通过将这些视角拓展至高度易受供应链中断影响的畜牧业，为战略管理（strategic management）和供应链管理（supply chain management）文献作出贡献。该研究也属于首批解释LFBs如何通过特定动态机制（dynamic mechanisms）增强韧性能力（resilience capabilities）的研究之一。关键词：供应链韧性；农场资源可用性；创业导向；组织双元性；畜牧业；农业企业管理；印度尼西亚。

畜牧产业（livestock industry）是发展中国家的战略部门，供应链（supply chain）复杂，并暴露于经济、政治和生物挑战。畜牧农场企业（livestock farm businesses, LFBs）是印度尼西亚粮食安全的重要支柱，但面临融资、知识、市场等资源约束以及供应链中断。供应链韧性（supply chain resilience, SCR）可理解为企业通过预测、响应和恢复供应链中断，维持原料、信息流和财务运营连续性的能力。现有研究虽关注SCR，但农业企业尤其是畜牧部门如何形成SCR的证据仍有限；SCR不能泛化，需结合行业、地理和所有权等情境。Imbiri 等指出农业企业SCR研究仍较少，Mishra and Singh 指出SCR必须置于具体情境中理解，Bak 等强调需理解资源转化为韧性能力的具体机制，Hartono 等呼吁在印度尼西亚开展更全面的畜牧部门韧性研究。已有研究很少同时考察农场资源可用性（farm resource availability, FRA）、创业导向（entrepreneurial orientation, EO）和组织双元性（organizational ambidexterity, OA）对SCR的作用，尤其缺乏针对印度尼西亚LFBs的研究。因此，研究人员基于资源基础观（resource-based view, RBV）、动态能力理论（dynamic capability theory, DCT）和权变理论（contingency theory），提出8个假设，考察FRA对SCR的作用、EO和OA对SCR的作用、最佳提升路径以及优先因素。研究采用横断面调查，以印度尼西亚246家LFBs为样本，使用PLS-SEM和IPMA分析。结果表明，所有假设均获支持：FRA、EO和OA正向影响LFBs的SCR；从FRA到EO再到OA再到SCR的顺序路径是最强机制；IPMA显示EO是增强SCR最需管理关注的领域。该研究拓展了战略管理与供应链管理文献在畜牧业中的应用，是首批解释LFBs如何通过特定动态机制增强韧性能力的研究之一，也回应了印度尼西亚畜牧部门韧性研究不足的问题，并为实践提供优先级依据。

关键方法方面，研究采用定量因果-预测设计。样本来源为印度尼西亚畜牧业，目标对象为LFBs所有者或管理者，经各畜牧商品行业协会支持发放在线问卷，历时八个月，自2025年7月起，获得246份有效样本，超过最小样本量155，后者基于80%统计功效、5%显著性水平和逆平方根法确定。样本以家禽为主：蛋鸡43.09%、肉鸡9.76%、其他家禽6.10%，合计58.95%；反刍动物21.14%、猪6.50%、多品类13.41%。企业年龄和规模作为控制变量。测量采用七点Likert量表。数据分析使用SmartPLS 4.0进行PLS-SEM，并采用分离两阶段法。测量模型评估指标载荷、组合信度（composite reliability, CR）、平均方差抽取量（average variance extracted, AVE）和异质-单质比率（heterotrait-monotrait ratio, HTMT），并以Harman单因子检验评估共同方法偏差。结构模型使用10,000个子样本bootstrapping，单尾检验，显著性水平0.05，评估方差膨胀因子（variance inflation factor, VIF）、路径系数β、R²、f²、Q²_predict、PLSpredict，并进行IPMA。伦理方面遵循赫尔辛基宣言，获印度尼西亚大学社会与政治科学学院伦理批件SER-22/UN2.F9.KEP/PPM.00.02/2025。

研究结果如下。

4.1 测量模型：第一阶段维度模型中，指标载荷阈值设为>0.708，EXT01、EXT04、EPR02、ABC06低于阈值，但因内容效度及处于0.40–0.70范围而保留。CR为0.841–0.908，AVE为0.501–0.765，VIF为1.138–2.610，HTMT为0.138–0.864，低于0.90；Harman单因子第一因子解释31.24%方差，低于50%。第二阶段使用潜在得分，外载荷为0.625–0.928；FRA的CR为0.777、AVE为0.541，EO的CR为0.835、AVE为0.630，SCR的CR为0.919、AVE为0.792；OA作为形成性构念，指标权重显著，VIF=1.865；HTMT为0.602–0.781。由此认为模型可进入结构模型检验。

4.2 结构模型：R²分别为EO 0.188、OA 0.535、SCR 0.555，表明对OA和SCR具中等解释力，对EO解释力较弱。f²显示，FRA对EO为中等效应0.231，对OA可忽略0.014，对SCR小效应0.044；EO对OA为大效应0.824，对SCR小效应0.022；OA对SCR为大效应0.309；控制变量企业年龄和企业规模对SCR效应很小，分别为0.004和0.000。Q²_predict分别为EO 0.174、OA 0.139、SCR 0.169，均大于0，表明模型具有预测相关性。PLSpredict显示，对SCR三个指标ABC、ACA、RSC，PLS-SEM的均方根误差（root mean squared error, RMSE）低于线性模型，说明对目标构念预测力较高；在八个内生指标中，PLS-SEM在五个指标上优于线性模型，线性模型在两个指标上更好，一个指标结果相同；平均绝对误差（mean absolute error, MAE）比较大体一致，模型层面呈中等预测力。

4.3 假设检验：所有假设均显著支持。H1：FRA→SCR，β=0.157，p=0.002；H2：FRA→EO，β=0.433，p=0.000；H3：FRA→OA，β=0.091，p=0.031；H4：EO→OA，β=0.687，p=0.000；H5：EO→SCR，β=0.151，p=0.006；H6：OA→SCR，β=0.547，p=0.000；H7：EO中介FRA与SCR，β=0.065，p=0.010；H8：OA中介FRA与SCR，β=0.050，p=0.038。两个控制变量企业年龄和企业规模对SCR不显著。

4.4 重要性-绩效图分析：以SCR为目标构念，EO和OA的重要性分别为0.527和0.547，高于平均；FRA重要性为0.436，低于平均。绩效得分中，EO为68.213、OA为72.289，高于平均；FRA为62.378，低于平均。维度分组为：高重要-高绩效包括EPR、INV、EXT、CMI；高重要-中绩效包括PRO、RST、FNC；中重要-低绩效包括GVT；低重要-低绩效包括firm age和firm size。上述结果表明，EO是增强SCR最需管理关注的领域。

讨论部分认为，FRA正向影响SCR，符合RBV；金融、政府和社区资源影响LFBs的吸收、适应和恢复能力。FRA正向影响EO和OA，符合DCT；社区资源可提高主动性，充足资源有助于平衡短期与长期导向。EO正向影响OA，创新、主动和风险承担促进资源利用与探索。EO正向影响SCR，创新影响危机适应政策，主动影响中断检测与准备，风险承担影响中断中和中断后恢复。OA正向影响SCR，同时利用和探索使LFBs更适应并快速恢复。EO和OA在FRA与SCR之间发挥中介作用，支持RBV、DCT和权变理论；控制变量不显著，说明结论在不同年龄和规模企业中成立，但不能推广至商品类型。最佳路径为FRA→EO→OA→SCR。社区资源绩效较高可能反映样本以家禽为主，印度尼西亚家禽生产者组织化程度较高，有活跃协会和一体化合作；反刍动物和猪生产者的社区资源可能同等重要但表现较弱，因此加强协会和信息共享仍可成为优先事项。实践上，IPMA建议关注EO，尤其是PRO和RST；OA的EPR和EXT及EO的INV已较适当，应保持；FRA和GVT可逐步改进；企业年龄和规模不必优先。预测评估支持该序列可作为行业优先级通用指南，而非单场评分工具。局限包括横断面设计、普遍性有限、非家禽样本较少，未来可采用纵向设计、多情境验证和更大样本开展多群组分析。

研究结论翻译：本研究旨在填补研究空白，考察印度尼西亚畜牧业中农场企业如何通过FRA、EO和OA的相互关联提升SCR。研究发现FRA可影响SCR，但EO和OA在连接FRA与SCR中发挥关键中介作用。因此，这强调中介机制可提供权变视角，以增强LFBs在其供应链中的韧性。本研究还确认从FRA到EO再到OA以增强SCR能力的序列关系，对LFBs在危机或供应链中断中获得竞争优势具有启示。LFBs面临的资源约束可通过一系列有效机制加以管理，最终导致SCR提高。