供应链协同创新对SRDI企业全要素生产率的影响：企业ESG绩效的中介机制 徐晓娜、 刘艳、 景浩

《Systems》：The Impact of Supply Chain Co-Innovation on the Total Factor Productivity of SRDI Enterprises: The Mediating Mechanism of Corporate ESG Performance Xiaona Xu, Yan Liu and Hao Jing

　　摘要：本研究探讨了供应链协同创新如何影响战略性新兴产业（SRDI）企业的高质量发展，这一发展通过LP方法测量的全要素生产率（TFP）来体现。其背后的机制尚不明确。基于实践学习理论、资源基础观和利益相关者理论，我们提出了一条渐进路径：通过协同创新中的反复互动和知识积累，SRDI企业能够提升其环境、社会和治理（ESG）绩效，进而提高TFP。以2018年至2023年间上市的“小巨人”型SRDI企业为样本，我们发现供应链协同创新与TFP之间存在显著的正相关关系（系数为0.003），且这一关系部分受到ESG绩效的中介作用影响。同时，机制分析表明，这种相关性在高盈利能力和制造业企业中更为明显。本研究为SRDI企业在选择创新模式和管理供应链方面提供了理论指导，为提高全要素生产率提供了实践性见解。

1. 引言
战略性新兴产业（SRDI）企业致力于在特定细分市场或技术领域建立主导地位[1,2]。从战略角度来看，这些企业旨在通过精益生产框架内的差异化优势，持续提升专业化水平，以获得行业领导地位[3]。SRDI企业的一个关键功能是增强产业链的稳健性和完整性，从而稳定自身并促进TFP的提升[4,5]。为支持SRDI企业的创新能力和专业化发展，政府于2024年6月推出了中央财政资金。然而，SRDI企业的成功不仅取决于其内部研发能力，还取决于其整合外部资源的效率。作为关键领域“瓶颈”技术的解决者，并通过技术创新驱动的方式与上下游供应链建立了良性互动关系[6]。然而，许多SRDI企业，尤其是在早期阶段，面临资源限制、创新路径有限和研发能力不足的问题[7]。仅依赖内部能力不足以维持增长。通过建立外部合作网络，企业可以获取技术、知识和信息等关键资源[8,9]。在当今全球化经济中，供应链高度整合，企业不再作为孤立实体存在，而是成为供应链网络中紧密相连的集群[10,11]。在第十四个五年计划期间，政策指导强调需要“促进上下游产业链以及大中小企业之间的集成创新”。这种企业之间整合资源、共享知识并创造价值的合作模式被称为供应链协同创新[12]。与一般技术创新或封闭式创新不同，供应链协同创新强调链上伙伴之间的反复互动、相互学习和知识积累。

尽管供应链合作至关重要，但现有大多数关于SRDI企业的研究都集中在内部驱动因素上，如技术创新[13]、数字智能[3]和数字化转型[14]。越来越多的文献从其他角度探索了提升企业TFP的途径，包括税收激励[15]、绿色供应链[16]、数字金融包容性[17]、环境法规[18]和股票市场信息效率[19]。然而，从供应链协同创新的角度来看，影响SRDI企业发展的因素受到的关注较少。具体而言，存在三个研究空白：首先，关于供应链协同创新的现有研究仍然有限，缺乏系统研究其如何影响企业TFP提升的具体机制[12,20]；其次，企业ESG绩效在连接协同创新与可持续发展方面的潜在中介作用尚未在SRDI企业背景下得到理论和实证检验[21,22]；第三，“高质量发展”概念往往与政策言论联系松散，缺乏明确的操作定义，难以在不同研究中进行测量和比较[13]。在本文中，我们通过研究供应链协同创新如何影响SRDI企业的TFP提升来填补这些空白。我们将TFP提升量化为通过LP方法测量的全要素生产率（TFP），这反映了资源配置效率和核心竞争力。基于实践学习理论（认为生产率提升源于实践中的反复互动和知识积累），结合资源基础观[23]和利益相关者理论[24]，我们提出了一条渐进路径：通过供应链协同创新中的迭代合作和知识积累，SRDI企业提升其ESG绩效，进而提高TFP。换句话说，企业ESG绩效成为连接供应链协同创新与TFP提升的关键中介渠道。此外，我们还研究了企业盈利能力和制造业异质性对这一路径的调节作用。

为了验证这些假设，我们构建了2018年至2023年间上市的“小巨人”型SRDI企业的新数据集。我们使用联合专利申请和新产品销售比率来衡量供应链协同创新，使用华证ESG评级来衡量ESG绩效，使用LP方法来衡量TFP。我们采用面板固定效应回归、倾向得分匹配和滞后解释变量来解决内生性问题。

首先，我们对SRDI企业和TFP提升的研究做出了贡献。虽然现有研究考察了技术创新和数字化转型作为驱动因素[13,14]，但我们将重点转向供应链协同创新作为一种外部资源整合机制。通过证明与供应链伙伴的协同创新能够弥补SRDI企业的内部资源限制，我们提供了一个基于资源基础观的新理论视角，以理解这些专业化企业如何实现生产率提升[25,26]。

其次，我们扩展了关于ESG绩效实际效应的文献。先前的研究已经证明ESG实践有助于企业可持续发展[24]，但很少有研究探讨供应链合作如何影响ESG绩效以及这种机制是否转化为生产率提升。基于利益相关者理论，我们将ESG绩效确定为供应链协同创新推动TFP提升的中介机制[27,28]。这一发现将供应链管理和ESG研究联系起来，表明协同创新不仅带来直接效率提升，还增强了环境、社会和治理成果，进一步促进了生产率提升[29]。

第三，我们将实践学习理论引入供应链协同创新研究[30,31]。与强调资源禀赋的静态资源基础观不同，实践学习理论强调反复互动和知识积累是生产率增长的引擎[32]。我们的理论框架从协同创新（迭代合作）到ESG提升（累积学习成果），再到TFP（生产率提升），动态解释了供应链伙伴关系如何产生可持续竞争优势[33]。这将实践学习理论从制造业生产率扩展到组织间合作和ESG绩效，为理解协同创新的长期效益提供了统一的微观基础[34,35]。

2. 理论分析与研究假设
2.1 供应链协同创新、实践学习与SRDI企业的TFP提升
随着全球格局的变化和中国在产业分工中的地位上升，工业和供应链中的脆弱性逐渐显现，给工业安全带来了潜在风险。SRDI企业通过技术创新解决瓶颈问题，优化产业链并稳定供应链，从而成为克服这些弱点的关键支撑。随着中国向创新驱动的高质量增长转型，培育一批专注于细分领域的专业化“小巨人”企业至关重要。这些企业应在加强产业链、填补缺口和提升经济效率方面发挥关键作用[5]。近年来，中国政府通过将SRDI企业作为关键驱动力，推动了产业转型和升级[36]。

在早期阶段，SRDI企业常常面临创新路径有限、研发能力不足和资源限制等挑战，导致“瓶颈”风险增加，运营成本上升和不稳定[12]。仅依赖内部能力不足以维持增长。通过建立外部合作网络，企业可以获取技术、知识和信息等关键资源[7]，从而支持可持续发展。我们的理论框架基于阿罗（Arrow）最初提出的实践学习理论[30]。实践学习理论认为生产率提升源于通过重复生产活动积累的经验。阿罗将生产率提升归因于生产过程中的学习：累积经验的增加带来了生产率的提升[31]。这一见解已从制造业生产率扩展到组织间情境，其中反复互动和累积经验产生了随时间改进绩效的知识[32]。

在供应链协同创新的背景下，实践学习通过SRDI企业与其供应链伙伴之间的迭代合作发挥作用。每个共同解决问题、资源整合和知识交流的循环都会产生基于经验的知识，这些知识随着时间的积累而不断积累。随着伙伴们持续参与协同创新活动，他们提高了识别合作机会、协调行动和适应共同目标的能力。这一学习过程降低了交易成本，加速了信息流动，并提高了资源配置效率[33,34]。与强调资源禀赋的静态资源基础观不同，实践学习理论强调反复互动和知识积累是生产率增长的引擎。供应链协同创新使SRDI企业能够获取异质性互补资源，并通过累积学习将这些资源转化为更高的全要素生产率（TFP）[23,36,37]。TFP反映了资源配置效率和核心竞争力，是衡量企业生产率提升的常用指标。此外，供应链协同创新将供应链参与者转变为利益共享的紧密社区。在价值共创的指导下，市场实体优化资源配置并建立信息共享平台，有效降低了制度交易成本，建立了长期信任保障机制[9]。当SRDI企业面临外部风险时，通过协同创新建立的稳定合作网络产生了显著的乘数效应，提供了有效的危机应对支持，促进了核心竞争力和生产效率的稳步提升。增强的供应链协调带来了协同效益：相互信任得到加强，生产要素和商业信息流动加快，信息壁垒被消除，从而降低了垂直交易成本[10,20,22]。创新对于克服技术挑战至关重要，是TFP提升的主要驱动力。因此，我们提出以下假设：
H1. 供应链协同创新对SRDI企业的TFP提升有积极影响。

2.2 企业ESG绩效的中介作用：利益相关者理论视角
企业ESG绩效包括三个维度：环境（E）、社会（S）和治理（G）[38]。环境维度体现在污染控制、能源管理和生态保护方面的成就；社会维度涵盖员工福利、产品和服务质量、股东权益以及社区关系；治理维度通过制度设计协调利益相关者的利益，以实现多元价值[39]。

我们基于利益相关者理论作为解释ESG绩效为何作为中介机制的统一理论视角。根据利益相关者理论，企业的长期成功取决于其平衡和响应多种利益相关者需求的能力，包括股东、债权人、员工、供应商、客户、政府和公众[40]。有效应对这些多样需求的企业更有可能获得关键资源，建立合法性，并实现可持续绩效。通过实践学习视角，供应链协同创新使SRDI企业在三个维度上提升其ESG绩效。协同创新的迭代性和经验积累特性产生了直接响应利益相关者期望的知识和能力[41]。

环境维度（E）：绿色创新比传统创新具有更高的风险溢价和波动性。通过与供应链伙伴的反复合作，SRDI企业积累了关于上游环境技术和下游绿色市场趋势的知识。供应链各阶段的决策协调和信息交流显著提升了绿色创新的精确度和相关性[42]。这一实践学习过程促进了绿色专利的产生，改善了环境绩效，并提升了ESG指标，从而满足了环境利益相关者的需求[43]。

社会维度（S）：供应链协同创新整合了多方的优势，实现了资源的高效配置和快速技术转移。通过累积学习，SRDI企业开发了更好的产品，提高了服务质量，并增强了员工安全和社区关系。这些成果回应了客户、员工和当地社区的需求。此外，ESG披露减少了企业与利益相关者之间的信息不对称性[44]，帮助企业积累社会资本并促进TFP提升。

治理维度（G）：企业需要高效的创新成果来迅速响应市场需求。创新是确保SRDI企业长期竞争力的基础[45]。从利益相关者的角度来看，长期导向的利益相关者优先考虑可持续的结果。通过反复的协同创新，社会责任导向的创新型企业（SRDI）发展出透明的治理结构，提高问责制，并减少机会主义行为。边做边学的过程帮助这些企业从供应链合作伙伴那里内化最佳治理实践，从而提升治理绩效[46]。因此，供应链协同创新中固有的边做边学机制使SRDI企业能够在所有三个维度上逐步提高其环境、社会和治理（ESG）绩效[47]。ESG绩效的提高反过来通过减少融资限制、降低风险、吸引长期投资者以及提高运营效率来增强全要素生产率（TFP）。因此，我们提出以下观点：H2. 企业的ESG绩效在供应链协同创新与SRDI企业TFP提升之间起到中介作用。2.3. 调节作用：盈利能力和制造业异质性 2.3.1. 企业盈利能力的调节作用 在供应链协同创新中的边做边学效应并非在所有企业中都均匀发生；它取决于企业能够分配给协同学习的资源。基于资源视角，我们认为盈利能力——即产生收益的能力——提供了加强和深化学习过程所需的额外资源[48]。盈利能力强的企业拥有更多的财务和组织灵活性[49,50]。这些多余资源可以用于两个方面。首先，盈利企业可以增加对协同创新活动的投资，如联合研发项目、信息共享系统和合作伙伴关系管理。更多的投资增加了与供应链合作伙伴的互动频率和深度，从而加速了基于经验的知识的积累[49]。其次，盈利企业更有能力将协同创新中获得的知识转化为实际的TFP提升[51]。因此，盈利能力正向调节供应链协同创新对TFP绩效的直接影响。我们提出：H3. 企业盈利能力正向调节供应链协同创新与TFP提升之间的直接关系，即盈利能力较高的企业这种正向效应更为显著。2.3.2. 制造业的调节作用 制造业与非制造业在多个方面存在差异，这些差异放大了供应链协同创新的边做边学效应。制造业通常涉及长而复杂的生产链，需要在多个阶段进行协调。这种复杂性增加了对供应链整合和协同创新的需求[52]。由于任何一个阶段的干扰或低效率都会波及整个链条，因此制造业中边做边学所需的重复互动更为频繁和关键[53]。此外，制造企业面临更严格的环境法规和社会责任压力。这些压力使得TFP绩效对制造商尤为重要。在非制造业中，供应链结构通常较为简单，环境和社交方面的监管压力较低，协同创新对TFP的边际效益也可能较小[54]。根据实证研究，我们预计供应链协同创新对TFP提升的积极影响在制造企业中会更加明显[45]。因此，我们提出：H4. 供应链协同创新对TFP提升的积极效应在制造业企业中比在非制造业企业中更为显著。3. 研究设计 3.1. 模型规格 本文采用基线回归模型来分析供应链协同创新对SRDI企业TFP的影响：(1) 其中 表示控制变量， 表示误差项， 和 分别代表年份、行业和地区的固定效应。我们的模型不包括企业固定效应；因此，识别主要依赖于企业间的横截面差异。研究结果应被视为供应链协同创新与TFP之间的强相关性，而不是严格的因果推断。所有回归都控制了年份、行业和地区的固定效应。3.2. 变量定义和测量 3.2.1. 全要素生产率（TFP） 全要素生产率（TFP）反映了公司的核心竞争力和资源配置效率。现有研究中常用DEA、SFA和OLS等方法来计算TFP。鉴于TFP变化的动态性质以及内生性偏差和样本选择偏差等计量经济学挑战，本研究采用Levinsohn和Petrin（2003）[55]提出的LP方法来测量全要素生产率。该方法使用中间投入作为未观察到的生产率冲击的代理变量，可以有效减轻估计生产函数时因内生输入选择而产生的偏差。我们采用OP方法进行变量替代，以验证结果的稳健性。3.2.2. 供应链协同创新（Sci） 本研究借鉴Zhang和Li以及Huang等人的研究，从两个维度来衡量供应链协同创新[56,57]。首先，从整合程度的角度来看，指标是创新成果的融合度，通过计算与供应链上企业共同申请的专利数量的自然对数来衡量。其次，从连通性程度的角度来看，指标是创新成果的转化度，通过计算公司所在地的新产品销售收入与专利申请数量的比率来衡量。由于整合程度和连通性程度以不同的单位和尺度衡量，本研究采用熵权重方法计算它们的客观权重，并进一步构建了一个综合的供应链协同创新指数。此外，按照Zhang和Li[56]的方法，通过熵方法处理的供应链协同创新指标被放大了100倍。3.2.3. 企业ESG绩效（ESG） 目前，国内外各种评级机构在ESG的评估指标、标准和背景方面存在显著差异。学术界也尚未就ESG评估指标的选择达成共识。本文参考Ren等人的研究[58]，使用华证ESG评级来衡量企业ESG绩效。华证ESG评级关注环境、社会和治理三个核心维度，选取了14个主题和26个关键指标来构建一个本地化的ESG评估系统。其九级评级尺度从“C”到“AAA”，数值编码为1到9（例如，C = 1，CC = 2）。较高的ESG得分表示更好的ESG绩效。此外，本研究使用平均季度得分来衡量年度ESG绩效。3.2.4. 调节变量 企业盈利能力（Prof）。企业的盈利能力指的是其产生收益的能力。当企业的盈利能力强时，通常表明它拥有更多的财务资源并占据更有利的市场地位[59]。这使得企业能够将更多资源分配给创新活动并寻求外部合作伙伴关系，从而促进其可持续发展。根据Nanda和Panda[60]的研究，我们使用资产回报率和净利润率的平均值来衡量企业盈利能力。 制造业企业虚拟变量（Manu）。制造业通常涉及复杂的生产过程，需要跨多个阶段的协作、高效的资源分配以及对高质量标准和法规的遵守。因此，供应链内的协同创新需求及其影响尤为重要。为了进一步探讨这两种类型企业中供应链协同创新与全要素生产率的关系，我们构建了一个虚拟变量，其中制造企业编码为1，非制造企业编码为0。3.2.5. 控制变量 我们包括了企业年龄（Age）、公司规模（Size）、CEO双重身份（Dual）、董事会规模（Board）、Tobin’s Q（Qa）、杠杆率（Lev）和所有权集中度（Ownhold）作为控制变量。此外，我们还采用行业固定效应、地区固定效应和时间固定效应来控制模型中不随行业、地区和时间变化的其他不可观测因素。表1包含了这些变量的详细测量信息。表1. 变量定义和测量方法。3.3. 数据来源 被认为是SRDI企业中的佼佼者的“小巨人”企业，是各自领域内具有卓越和持续创新能力的领先者。因此，我们将2018年至2023年间上市的“小巨人”公司作为研究样本。排除数据不完整的样本后，最终数据集包含190家公司和1087个观测值。本研究主要使用了CNRDS、CSMAR和Wind的数据。4. 结果 4.1. 描述性统计 如表2所示，全要素生产率（TFP_LP）的均值为7.856，标准差为0.673。观测值介于6.139到11.173之间，反映了样本企业之间发展水平的显著异质性。供应链协同创新的最低值和最高值分别为0和65.138，表明不同SRDI企业在参与供应链协同创新方面存在显著差异。表2. 描述性统计。4.2. 回归分析 4.2.1. 直接效应分析 根据表3提供的回归结果，我们可以发现大多数控制变量对TFP有统计学上的显著影响，这证实了本研究中选择的控制变量的合理性和有效性。关于供应链协作对生产率的影响，Alfaro Urena[61]记录了哥斯达黎加国内企业加入跨国供应链后四年内全要素生产率（TFP）提高了4%到9%。同样，在中国可再生能源行业的背景下，参与供应链联盟被发现在企业层面提高了大约9.6%的生产率[62]。我们得到的供应链协同创新对TFP的系数为0.003，反映了协同创新指标每增加一个单位时TFP的边际变化。尽管绝对数值看起来不大，但在1%的水平上这一估计具有统计学意义，从而加强了供应链协同创新与TFP之间正向关系的稳健性，支持了H1假设。表3. 回归分析结果。4.2.2. 机制分析 在基线回归的基础上进行了中介效应测试。模型2是包含控制变量和供应链协同创新对企业ESG绩效影响的回归模型。分析显示，供应链协同创新与企业ESG绩效之间存在强烈的正相关关系，这意味着与供应链企业进行协同创新的SRDI企业提高了企业ESG绩效，进而部分解释了全要素生产率的提升。这一发现与中介路径一致，并为H2假设提供了实证支持。企业盈利能力的调节作用 为了评估不同盈利能力水平的企业之间供应链协同创新与全要素生产率之间的关系，我们将样本分为高盈利能力和低盈利能力两组并分别进行回归分析。根据表3中的估计（m3和m4），供应链协同创新是高盈利能力SRDI企业全要素生产率的积极驱动因素（α1 = 0.005，p < 0.01），而在较低盈利能力水平下，这种效应减弱并失去了统计显著性。这一发现支持了理论预期，即与较高盈利能力相关的财务灵活性和市场优势放大了协同创新活动的回报。制造业的调节作用 为了探讨这两种类型企业中供应链协同创新与全要素生产率之间的关系，我们相应地对样本进行了分组并进行了单独的回归分析。如表3中的m5和m6所示，对于制造业中的SRDI企业，供应链协同创新显著促进了它们的全要素生产率（α1 = 0.004，p < 0.01），而对于非制造业企业，这种效应减弱且未达到统计显著性。这一发现支持了理论预期，即制造业供应链的固有复杂性和监管强度增强了协同创新的边际回报。4.3. 内生性分析 在识别供应链协同创新对SRDI企业高质量发展因果效应时，内生性的存在是一个关键的实证挑战。首先，反向因果关系是一个值得关注的问题。正如我们在理论讨论中指出的，那些已经发展较为先进或正在经历高质量发展的企业可能更有意愿和能力与供应链合作伙伴进行协同创新以获取资源并进一步提升竞争力。这形成了一种双向关系，即TFP的提升可能同时推动协同创新活动。其次，遗漏变量偏差可能源于未观察到的企业层面特征，这些特征影响了协同创新参与度和生产率结果。例如，卓越的管理能力或创新型企业文化可能导致SRDI企业同时追求供应链协作和内部效率提升，从而在两者之间产生虚假的相关性。第三，样本选择偏差是一个潜在问题，因为参与供应链协同创新的决策不太可能是随机的；具有特定资源禀赋或战略导向的企业可能会自我选择进入合作关系。为了解决这些问题，我们采用了倾向得分匹配（Propensity Score Matching）、滞后一期核心解释变量（one-period lagged core explanatory variables）和工具变量方法（instrumental variable method）进行进一步验证。

4.3.1 倾向得分匹配（Propensity Score Matching, PSM）
为了最小化样本选择偏差对研究结果的影响，本文参考了Rosenbaum和Rubin [63]的研究，并采用了倾向得分匹配（PSM）方法进行检验 [64]。将控制变量视为协变量，并根据供应链整合创新的平均值将样本分为处理组（treatment group）和对照组（control group）。为了评估供应链协同创新对企业高质量发展（high-quality development）的影响，分别使用了1:4和1:1最近邻匹配（1:4 and 1:1 nearest neighbor matching）进行了回归分析。表4中的m1代表1:4最近邻匹配的回归结果，m2代表1:1最近邻匹配的回归结果。供应链协同创新的显著正系数证实了本研究主要发现的稳健性。

4.3.2 解决滞后效应（Addressing Lagged Effects）
供应链协同创新通过企业ESG绩效等因素影响SRDI企业的高质量发展。相比之下，更先进的企业可能更倾向于与供应链合作伙伴合作以获取资源、提高创新绩效并增强竞争力。这可能表明存在双向因果关系，即SRDI企业的高质量发展反过来也可能影响供应链协同创新。根据Autry和Golicic [65]的方法，我们通过对核心解释变量进行一期滞后处理来减轻逆向因果关系的内生性问题。如表4中的m3所示，结果还表明供应链协同创新显著促进了全要素生产率（TFP）的提升。

4.3.3 工具变量方法（Instrumental Variable Method）
为了解决逆向因果关系和遗漏变量引起的内生性问题，我们使用了企业自身供应链协同创新的滞后一期值作为工具变量。滞后工具变量利用了时间顺序性，因为过去的协同创新与当前的协同创新相关，但相对于当前的生产率冲击是预先确定的 [66]。该工具变量提供了企业内部的时间变化，有助于减轻潜在的偏差，为关系解释提供了一些支持。表5中的两阶段统计结果表明，工具变量似乎是有效的，为主要结论提供了额外的稳健性检验。在表5的第一阶段，滞后一期协同创新（L.Sci）的系数为负（?0.454）。这可能是由于样本期间Sci的平均回归或特定样本特征所致。尽管如此，Kleibergen-Paap rk Wald F统计量为68.799，远高于Stock-Yogo的10%临界值（16.38），表明不存在弱识别问题。需要注意的是，当使用滞后变量作为工具变量时，排除限制要求L.Sci仅通过同时期的Sci影响TFP。在生产率持续性存在的情况下，这一假设可能无法完全满足。因此，我们将IV结果视为对主要回归的补充稳健性检验，而不是严格的因果识别。未来的研究可以采用外部工具变量来进一步加强因果推断。

4.4 稳健性测试（Robustness Test）
4.4.1 替代因变量（Alternative Dependent Variable）
遵循Sun等人 [32] 的方法，本研究采用OP方法来衡量SRDI企业的TFP。研究发现，供应链协同创新与SRDI企业的TFP之间存在显著正相关（β1 = 0.004，p < 0.01）。这表明供应链协同创新积极促进了TFP的提升。其次，结果与ESG绩效在供应链协同创新与TFP之间的联系中起到部分中介作用一致（β2 = 0.006，p < 0.01）。这证实了研究结果的稳健性。

4.4.2 增加控制变量（Adding Control Variables）
扩展Zhang等人（2025）[26] 的方法，我们还将企业资产规模作为新的控制变量纳入研究，实证结果一致表明供应链协同创新提高了TFP（β1 = 0.003，p < 0.01）。企业ESG绩效的部分中介效应得到了实证支持（β2 = 0.004，p < 0.05）。这些结论得到了加强，研究的假设得到了验证。

4.4.3 样本时期调整（Sample Period Adjustment）
我们还将样本时期从2018–2023年调整为2018–2022年，并再次进行回归分析。结果显示，供应链协同创新对TFP有推动作用（β1 = 0.004，p < 0.01），并且供应链协同创新通过企业ESG绩效这一部分中介渠道影响TFP（β2 = 0.006，p < 0.01）。这为研究提出的假设提供了验证。

4.5 进一步分析（Further Analysis）
根据Arrow的学习实践理论（Arrow’s learning-by-doing theory），生产率提升源于生产和互动过程中的经验积累 [30]。然而，在供应链协同创新的背景下，这种隐性的组织间学习过程难以直接衡量。联合专利申请作为合作方知识共创的编码产物，为这种学习效应提供了一个可量化的代理指标。与反映企业内部研发能力的独立专利申请不同，联合专利的生成过程需要反复的技术交流、解决方案的协调以及合作伙伴之间的冲突解决。这一过程本身就是学习实践机制的具体体现：通过与供应链合作伙伴的迭代合作，企业逐步积累了识别互补资源、协调研发目标以及降低协调成本的经验知识。联合专利数量的增加表明了合作经验曲线的上升趋势，而联合专利积累滞后于合作投入的时间结构，与Arrow提出的经验积累导致生产率提升的动态轨迹完全一致 [30,33]。因此，联合专利申请能够有效捕捉供应链协同创新通过互动经验积累提升全要素生产率（TFP）的学习效应路径。作为创新成果的一种形式，联合专利可能携带了来自协作学习的组织效率提升，但它们也可能仅仅代表了通过将专利技术直接应用于生产过程或产品特性来提高TFP的技术成就。后者构成了与学习实践效应不同的另一种解释路径，即创新成果的直接转化。为了区分这两种效应，必须在实证模型中分别纳入这两个维度，从而明确它们对TFP的贡献。在这种规定下，联合专利所捕捉的效应可以归因于协作互动本身带来的经验收益，而不仅仅是专利技术输出的直接经济回报。此外，基于利益相关者理论早期假设的ESG绩效中介路径也在一定程度上表明这两个维度的作用可能不同 [48,49]。如果供应链协同创新仅通过技术成果的转化来提升TFP，那么就难以解释ESG绩效在环境、社会和治理维度上的显著中介作用。相反，联合专利的生成过程伴随着供应链透明度的提高、绿色技术的共同开发以及治理规范的内化，这些都与学习实践理论强调的组织能力提升紧密相关 [38,39]。本研究旨在识别供应链协同创新中独特的学习溢价，而不仅仅是创新成果的积累。

表6报告了学习实践机制的测试结果以及在排除竞争机制后的估计结果。第（1）、（3）和（5）列中的估计结果表明，作为学习实践机制代理的联合专利申请指数（Sci-1）对企业ESG绩效和全要素生产率产生了统计上显著且经济上有意义的积极影响。相比之下，第（2）、（4）和（6）列中的结果表明，专利技术转化率（Sci-2）在统计显著性或经济规模上对企业ESG绩效或全要素生产率没有显著的提升作用。这些发现表明，在这种背景下，学习实践机制（由联合专利代理）起着更重要的作用，而直接转化路径（由Sci-2代理）在我们的模型中没有得到显著的实证支持。这并不排除其他商业化渠道的可能性，但表明它们相对于联合专利所捕捉的学习效应来说不太显著。

5. 讨论（Discussion）
5.1 研究结论（Research Conclusions）
作为社会经济发展的关键微观经济基础和核心实体，SRDI企业在提升工业技术水平和增强供应链整体竞争力方面发挥着重要作用。通过建立互利且基于信任的战略联盟来促进这些SRDI企业与其供应链合作伙伴之间的协同创新，对其发展轨迹产生了深远影响。本研究聚焦于供应链协同创新中固有的互动关系，利用2018年至2023年间公开上市的“小巨人”企业的数据，系统评估了供应链协同创新对全要素生产率（TFP）提升的影响及其背后的机制。实证结果支持供应链协同创新与SRDI企业TFP提升之间存在显著正相关，企业ESG绩效在此关系中起到部分中介作用。进一步分析显示，SRDI企业可以通过联合专利申请有效提升其ESG绩效，从而建立了一个推动生产率提升的关键传导渠道，这与学习实践视角一致 [30,31,32]。对调节效应的分析表明，供应链协同创新的积极影响在制造业企业中更为显著，尤其是在盈利能力较高的企业中更为明显。与其他行业的企业相比，制造企业面临更强烈的持续创新需求。面对全球市场竞争、快速变化的客户偏好以及加速的技术环境，制造企业必须不断提高产品质量和生产效率，以确保竞争优势并实现可持续发展。制造供应链的固有复杂性，包括多阶段协调要求和严格的监管监督，放大了该领域合作创新的边际回报。盈利能力较强的企业更有能力与多样化的供应商和合作伙伴建立深厚的合作关系，并通常具有更强的风险抵御能力。这种财务灵活性促进了跨组织边界的实时信息共享和技术无缝整合 [49,50]。此外，盈利企业即使在市场条件变化的情况下也能持续投资于供应链协同创新，从而将资源集中在新技术开发上，强化其竞争地位，并促进TFP的持续提升。

5.2 理论意义（Theoretical Implications）
本研究为SRDI企业、供应链管理以及支撑生产率增长的机制提供了几项理论贡献。首先，我们强调了SRDI企业的独特特征和发展限制。尽管现有文献广泛讨论了高质量企业发展的路径，但对资源受限的SRDI企业如何具体应用这些路径的关注较少。本研究重新关注SRDI企业如何与供应链合作伙伴进行协同创新，以整合外部资源、弥补内在资源不足、创造新价值并实现TFP提升。通过这种方式，我们解决了关于SRDI企业面临的独特需求和挑战的显著理论空白，并直接回应了Zeng等人（2024）[67] 的呼吁，即“进一步探索SRDI企业如何通过大、中、小企业之间的协同创新实现跨越式发展”。其次，通过将协同创新纳入供应链管理研究，本研究丰富了关于供应链动态和创新过程的理论讨论。对供应链协同创新影响机制的分析揭示了通过反复互动和累积经验培养的有效资源分配和信息共享如何提高企业的响应能力和创新速度。这一发现为现有的供应链管理理论提供了新的视角，并将学习实践框架从企业内部制造环境扩展到组织间协作环境 [32,33,34]。因此，它为构建一个既高效又可持续的现代供应链系统提供了理论支持和实践指导。第三，本研究开发了一个统一的理论框架，阐明了供应链协同创新与全要素生产率（TFP）提升之间的联系。基于学习理论（learning-by-doing theory）和利益相关者理论（stakeholder theory），我们提出并实证验证了一个顺序路径：供应链内的迭代合作和知识积累能够提升企业的环境、社会和治理（ESG）绩效，进而转化为更高的全要素生产率。通过将企业ESG绩效确定为关键的中介机制，我们架起了供应链管理和ESG研究之间的桥梁，证明了协同创新不仅能够直接提高效率，还能带来环境、社会和治理方面的改进，从而进一步提升生产率[28,29]。这一框架超越了仅强调资源禀赋的静态资源视角，而是提供了一个动态的、过程导向的解释，说明供应链合作伙伴关系如何产生可持续的竞争优势。阐明供应链创新如何塑造企业发展的内在机制，加深了我们对中小型企业生产率增长微观基础的理论理解。

5.3 实际意义
中小企业（SRDI）应积极寻求与供应链合作伙伴进行协同创新的机会。它们应充分认识到供应链协同创新对于实现高质量发展的重要战略价值。通过与供应链合作伙伴进行资源整合、信息交流和技术合作，这些企业可以显著缩短市场响应时间、降低成本、提高效率并提升产品质量。这不仅增强了中小企业自身的市场竞争力，也有助于整个行业和供应链的协调发展。
中小企业应重点提升自身的可持续发展能力。作为增强中国产业和供应链韧性、确保其安全的关键基石，这些企业应在发展中优先考虑可持续性。通过与供应链公司开展协同创新，它们可以在环境、社会和治理（ESG）方面取得进展，从而直接提升整体ESG绩效。制定并实施ESG战略，将可持续发展目标与业务发展战略相结合，确保长期竞争力和社会价值是至关重要的。
针对不同类型的中小企业，应采取有针对性的实施策略。研究表明，制造业中的中小企业以及盈利能力较高的企业应优先考虑供应链协同创新。因此，在推动供应链协同创新时，政府需要关注各类中小企业的差异化特征，并采取有针对性的实施策略以提高创新效果。这些企业还需要根据自身特点和市场环境制定相应的策略。例如，盈利能力高、专业性强且具有创新能力的中小企业可以充分利用自身资源优势，在供应链中建立更牢固的合作伙伴关系，从而促进信息共享和协同创新。

5.4 局限性与未来展望
未来的研究需要解决本研究的几个局限性，以增强其稳健性。首先，本研究仅关注了“小巨人”企业。未来的研究应扩大样本范围，涵盖更广泛的中小企业群体。其次，本文采用实证研究方法来探讨供应链协同创新对中小企业高质量发展的影响机制。未来可以采用案例研究方法进一步探索其中的潜在机制。