《Journal of Theoretical and Applied Electronic Commerce Research》：Digital Transformation and Corporate Breakthrough Innovation: The Role of Supply Chain Spillovers
Lifei Luo,
Jiajun Xu and
Rui Li
编辑推荐：
本研究考察数字化转型如何通过供应链溢出效应影响企业突破性创新。基于2006—2023年中国上市公司数据，研究发现，上游数字化转型通过三种机制显著促进下游突破性创新：知识溢出、数字同伴效应以及信息协同，后者有助于缓解牛鞭效应（bullwhip effect）。稳
本研究考察数字化转型如何通过供应链溢出效应影响企业突破性创新。基于2006—2023年中国上市公司数据，研究发现，上游数字化转型通过三种机制显著促进下游突破性创新：知识溢出、数字同伴效应以及信息协同，后者有助于缓解牛鞭效应（bullwhip effect）。稳健性检验确认了上述结果的可靠性。异质性分析表明，这一效应在吸收能力较高、处于高竞争行业或供应商基础较为集中的企业中更强。相较之下，下游数字化转型也会影响上游企业，但该溢出效应更弱、具有非对称性，且仅通过同伴效应发挥作用。这些发现丰富了关于供应链动态与创新的相关文献，并为企业利用数字协同扩展其创新能力提供了实践启示。
本文发表于《Journal of Theoretical and Applied Electronic Commerce Research》，围绕“数字化转型如何经由供应链溢出影响企业突破性创新”这一问题展开系统研究。研究背景在于，突破性创新不同于渐进式创新，其本质是对既有技术、产品或产业规则的跨越式突破，体现企业创新边界的扩展。既有研究已从资源约束、管理者特征、组织规模、知识吸收能力、市场竞争强度及产业政策等角度讨论突破性创新的影响因素，也有文献分别考察数字化转型对企业创新的直接促进作用，以及供应链中的知识扩散、技术转移和绩效外溢效应。然而，这两类研究长期相互分离，尤其缺乏在数字经济情境下，将数字化转型、供应链网络联系与企业创新边界扩张整合起来的分析框架。正因如此，现有研究对于数字化转型能否通过企业间关联影响突破性创新、其具体传导机制是什么、以及上下游之间是否存在非对称溢出，仍缺乏充分证据。基于此，研究人员以数字化转型为切入点，考察供应链溢出与企业创新边界之间的内在联系，重点识别上游数字化转型对下游企业突破性创新的作用机制，并进一步分析企业异质性及上下游溢出非对称特征。
从理论上看，论文指出，供应链中上下游企业在生产网络结构、投入产出关系、资源控制能力和市场势力方面存在显著不对称，因此数字化转型溢出并非双向均衡。上游企业通常掌握关键资源，在中间品、专利和生产组织方面拥有更强主导力，其数字化投入更容易沿供应链向下游扩散技术知识、管理经验和数据信息；而下游企业由于依赖上游供给，反向影响能力相对有限。因此，研究人员将理论分析重点放在“上游数字化转型如何影响下游突破性创新”上，并提出三条核心机制。第一是知识溢出效应。数字技术具有可复制性和网络效应，能够突破传统知识传播的时空边界与载体限制，使上游在转型中积累的数字技术知识通过交易、协作和数据互动更精准地传递给下游，从而帮助后者跨越技术瓶颈，减少重复研发投入，并实现“引进—消化—吸收—再创新”的迭代路径。第二是数字同伴效应。供应链紧密联系会使上游数字化转型产生示范与压力传导作用，下游企业为降低交易摩擦、提升协同效率，倾向于模仿和跟进上游企业的数字化策略与组织模式，这为其后续开展高价值突破性创新奠定技术与组织基础。第三是信息协同效应。借助物联网（IoT，物联网）、大数据等数字技术，上游企业可提升供需信息透明度和实时共享水平，抑制多级传递中的需求扭曲，从而缓解牛鞭效应（bullwhip effect，供应链需求放大效应），帮助下游企业更准确地把握市场需求、供给能力与交付节奏，降低创新风险并提高资源配置效率。
研究人员在方法上主要采用了以下关键技术路径。首先，以2006—2023年中国上市公司为样本，整合中国专利数据项目（CPDP）、中国研究数据服务平台（CNRDS）、中国股票市场与会计研究数据库（CSMAR）、Wind、巨潮资讯网以及国家统计局投入产出表等多源数据，最终获得3327家上市公司、31,711个观测值。其次，使用基于增强知识融合表示（ERNIE）的文本语义分析方法，从上市公司年报中识别大数据、人工智能、移动互联网、云计算、物联网和区块链相关表述，构建企业数字化转型指数；并结合中国投入产出表测算企业所面临的上游行业数字化转型程度。再次，使用国际专利分类（IPC）前4位编码在5年窗口内是否重叠的方法识别企业是否进入新的技术领域，以此度量突破性创新。最后，采用基准回归、双重机器学习（DML）、滞后变量、工具变量（IV）、双重差分（DID）、机制检验、异质性检验和进一步分析等方法验证结论稳健性并识别作用路径。
在研究结果部分，论文依次报告了多个模块的实证发现。
4.1. Baseline Regression
基准回归结果显示，无论是否加入控制变量，或是否纳入企业与年份双向固定效应，上游数字化转型系数均在1%水平上显著为正。这表明，上游行业数字化转型与下游企业突破性创新显著正相关，说明供应链上的数字化外溢能够促进下游企业创新边界扩张。
4.2. Double Machine Learning Model Test
为避免线性设定偏误，研究人员进一步使用双重机器学习（DML）进行稳健性检验。在随机森林、Lasso回归、支持向量机、梯度提升和神经网络等多种算法下，上游数字化转型的估计系数依然显著为正；在调整样本比例后，结果仍保持稳定。这说明基准结论并非由模型设定过于简单所致。
4.3. Endogenous Discussion
4.3.1. Lagged Independent Variable
通过使用滞后一期的上游数字化转型变量缓解潜在双向因果问题后，核心系数仍在1%水平上显著为正，且系数幅度更大，表明上游数字化转型对下游突破性创新的影响具有持续性。
4.3.2. Instrumental Variable (IV) Method
研究人员采用两类工具变量控制内生性：一是基于Bartik思路构建的移位—份额工具变量，二是Lewbel异方差识别工具变量。两阶段最小二乘法（2SLS）结果表明，工具变量与上游数字化转型显著相关，且不存在明显弱工具问题；在工具变量估计下，上游数字化转型的影响仍显著为正，并且绝对值大于基准回归，进一步强化了主结论的可信度。
4.3.3. Difference-in-Differences Estimation
研究利用中国供应链创新与应用试点项目构造连续型双重差分（DID）模型，将其视为供应链数字化冲击的准自然实验。结果显示，由试点政策引致的上游数字化冲击与下游企业突破性创新显著正相关，平行趋势检验也支持该识别策略。这意味着政策驱动的供应链数字化提升同样能够增强下游突破性创新。
4.4. Robustness Test
4.4.1. Interactive Fixed Effect and Higher-Level Clustering
在模型中加入城市—年份交互固定效应，或将标准误聚类提升至省级层面后，核心结论在符号与显著性上均保持一致，说明结果并不依赖于特定地区时变特征或误差项相关结构设定。
4.4.2. Replace the Core Variable
研究人员替换了核心变量的测量方式。首先，以数字专利申请数量替代文本语义数字化指标衡量数字化转型；其次，采用替代性突破性创新指标重新测量被解释变量。两类替换后，核心系数仍然保持方向一致且显著，表明研究结论不依赖于单一指标构造。
4.4.3. Replace the Sample
进一步通过剔除样本期内发生行业变更的企业、剔除2020年之后受新冠疫情影响较大的样本，以及仅保留制造业样本进行回归。三种样本替换下，结果均保持稳健，说明研究发现具有较强样本稳定性。
4.5. Mechanism Test
4.5.1. Knowledge Spillover Effect Test
机制检验中，研究人员利用企业对上游行业专利的引用数量衡量知识溢出。结果表明，上游数字化转型显著提升下游企业对上游专利知识的引用与吸收，支持“知识溢出”是促进下游突破性创新的重要机制。
4.5.2. Peer Effect Test of Digital Transformation
以企业自身数字化转型程度为结果变量的检验显示，上游数字化转型显著提高下游企业数字化水平，说明下游企业会在供应链联系中模仿和对标上游数字化实践。该同伴效应推动下游企业形成适合突破性创新的技术与组织基础。
4.5.3. Information Synergy Effect Test
研究采用生产波动与需求波动偏离程度衡量牛鞭效应。结果显示，上游数字化转型程度越高，牛鞭效应越弱，即供应链信息协同水平越高。这意味着数字化转型通过提升信息透明度、协调效率和供需匹配精度，为下游突破性创新提供更稳定的环境支撑。
4.6. Heterogeneity Test
4.6.1. Corporate Absorptive Capacity
按企业吸收能力高低分组后发现，高吸收能力企业中，上游数字化转型对突破性创新的促进作用更强；低吸收能力企业中该效应较弱。Fisher合并检验表明组间差异显著，说明吸收能力是企业转化数字溢出价值的关键条件。
4.6.2. Industry Competition Intensity
按行业竞争强度分组后，处于高竞争行业的企业更能从上游数字化转型中获得突破性创新收益，而低竞争行业中该效应不显著。这说明竞争压力会强化企业吸收外部知识并转向差异化突破性创新的动机。
4.6.3. Supplier Concentration
按供应商集中度分组后发现，在供应商集中度较高的企业中，上游数字化转型对突破性创新的促进作用显著；在集中度较低的企业中，该效应不显著。此结果表明，更紧密、更稳定的供应链关系有利于知识转移、数据共享与协同创新。
5. Further Analysis: The Asymmetric Spillover of Downstream Digital Transformation
在进一步分析中，研究人员考察了下游数字化转型是否会对上游企业产生类似溢出。结果发现，下游数字化转型也可能促进上游企业突破性创新，但作用幅度明显弱于上游对下游的溢出，且稳健性不足，表明上下游间存在显著非对称溢出。对机制的进一步分解显示，下游数字化转型主要通过数字同伴效应影响上游创新，而知识溢出和牛鞭效应缓解渠道并不显著。这意味着下游数字化实践更多体现为应用场景、终端渠道和用户需求分析等情境化知识，其对上游材料研发和生产工艺升级的直接适用性有限；同时，下游数字化改善的信息处理能力也较难实质性改变受产能与原材料约束的上游生产决策。因此，相较于上游企业基于资源控制和技术积累形成的强外溢，下游企业的反向溢出更依赖模仿与示范路径，整体影响较弱。
论文讨论部分的核心在于，数字化转型并非只在企业内部发挥作用，而是通过供应链网络重塑企业间知识流、信息流和行为模仿机制，从而改变创新边界扩展的外部条件。研究强调，突破性创新的实现不能仅从单个企业资源禀赋出发理解，还需纳入供应链网络中的关联结构和数字协同能力。特别是，上游企业凭借资源控制、技术输出和信息整合优势，在推动下游企业跨越技术边界方面具有更强作用；而下游企业对上游的反馈更多体现在同伴示范上，难以形成同等强度的知识与信息协同外溢。这一发现不仅拓展了供应链动态与创新研究，也说明数字经济时代企业创新能力提升具有显著网络嵌入特征。政策含义方面，论文提出应建设供应链数字协同平台，提升企业吸收能力，并推动上下游数字化均衡发展，尤其应支持核心上游企业深化数字化，以缩小非对称溢出差距并释放全链条创新动能。与此同时，论文也指出研究局限：其一，未直接测量企业数据共享意愿与关系治理质量；其二，样本聚焦于中国上市公司，结论向中小企业、其他国家或不同制度环境推广时需保持谨慎。
研究结论部分可译为：在当今数字经济背景下，企业日益依赖数字化转型以提升创新能力并维持竞争优势。本研究利用2006—2023年中国上市公司数据，探讨数字化转型如何通过供应链溢出影响企业突破性创新。研究聚焦数字化转型的组织间影响，考察其沿供应链的传导机制，并分析不同吸收能力、行业竞争水平和供应商集中度企业之间的异质性。通过整合数字化转型、供应链溢出与创新边界，本研究弥补了突破性创新外部决定因素研究中的相关空白。研究结果表明，上游企业数字化转型通过知识溢出、数字同伴效应和信息协同三种机制显著推动下游突破性创新，其中信息协同有助于缓解牛鞭效应。该影响在吸收能力较高、处于高竞争行业或供应商集中度较高的企业中更强。相比之下，下游向上游的溢出更弱、具有非对称性，且仅通过同伴效应发挥作用。这些发现为理解数字化转型如何重塑供应链中的创新动态提供了新认识，并凸显了利用数字协同提升企业创新能力的重要性。
