绿色数字市场创新(Green Digital-Market Innovation)：循环供应链韧性能力(Circular Supply Chain Resilience Capabilities)如何桥接技术投资(Technology Investment)与可持续市场绩效(Sustainable Market Performance)

《Cleaner and Responsible Consumption》：The green digital-market innovation: How circular supply chain resilience capabilities bridge technology investment and sustainable market performance

　　

本研究考察绿色数字市场创新(green digital-market innovation)如何通过循环供应链韧性能力(circular supply chain resilience capabilities, CSCRC)将技术投资(technology investment, TI)转化为可持续市场绩效(sustainable market performance, SMP)，从而解决绿色技术—绩效悖论(green tech–performance paradox)。基于动态能力理论(Dynamic Capabilities Theory, DCT)为主框架——辅以资源基础观(Resource-Based View, RBV)、循环经济原则(Circular Economy Principles)及编排理论(Orchestration Theory)——研究人员采用分层随机抽样选取印度尼西亚大型制造业(电子、汽车、化工)210位高管进行问卷调查，以SmartPLS 4.0进行偏最小二乘结构方程模型(PLS-SEM)并结合必要Condition分析(Necessary Condition Analysis, NCA)检验整合结构模型。结果显示：技术投资显著提升循环供应链韧性能力(β = 0.442, p < 0.001, f2= 0.175)并直接改善可持续市场绩效(β = 0.274, p = 0.001, f2= 0.073)；循环供应链韧性能力是最强绩效预测因子(β = 0.423, f2= 0.184)，并在技术投资—绩效关系中起部分中介作用(间接效应β = 0.187, VAF = 40.6%)；绿色数字市场创新(green digital market innovation, GDMI)显著调节技术投资→循环供应链韧性能力路径(β = 0.209, f2= 0.227)，高GDMI水平下能力形成回报提升179%。研究发现推进了数字化转型—循环经济交汇处的动态能力理论，通过整合NCA-PLS-SEM建立绩效前提的必要—充分(account of sufficiency-necessity)，并为高监管制造业绿色技术投资策略提供实证管理指导。

论文解读：绿色数字市场创新中循环供应链韧性能力对技术投资与可持续市场绩效的中介桥梁作用

该研究发表于《Cleaner and Responsible Consumption》。当前数字转型与可持续发展双重驱动下，企业大量投入绿色数字技术以期同时获得运营效率与环境责任，但多数企业未能产生可衡量的绩效回报，此即"绿色技术—绩效悖论(green tech–performance paradox)"。现有文献对绿色技术投资如何转化为可持续市场绩效(sustainable market performance, SMP)结论矛盾，多关注直接技术—绩效关联而忽视中间组织能力机制，且未明确循环供应链韧性能力(circular supply chain resilience capabilities, CSCRC)是否在技术投资(technology investment, TI)与SMP间起中介作用，以及绿色数字市场创新(green digital market innovation, GDMI)对此转化过程的边界条件放大效应。为此，研究人员以动态能力理论(Dynamic Capabilities Theory, DCT; Teece, 2007)为核心框架，辅以资源基础观(RBV)、循环经济原则及编排理论(Orchestration Theory)，构建并检验"TI→CSCRC→SMP"中介模型及"GDMI调节TI→CSCRC"的调节模型，旨在揭示绿色数字市场创新背景下技术投资经循环韧性能力转化为可持续市场绩效的作用机制，并对印度尼西亚高监管制造业情境进行实证检验。

研究人员采用分层随机抽样(stratified random sampling)自印度尼西亚五大工业中心电子、汽车、化工行业大型制造企业(N≥500人，运营≥5年，设专职可持续/供应链/技术高管职能)抽取350家合格企业，最终回收有效问卷210份（由首席战略官/CSO、运营副总裁、可持续总监等具备≥5000万美元预算权责的高管填写）。测量工具采用7点Likert量表：TI为二阶反映构念(绿色技术基础设施、数字分析投资、自动化技术投资、协作技术投资)；CSCRC为二阶反映构念(循环预见能力Circular Anticipation Capabilities、循环应对能力Circular Coping Capabilities、循环适应能力Circular Adaptation Capabilities)；GDMI为一阶反映构念(数字产品/流程/商业模式/市场创新)；SMP为二阶反映构念(绿色产品收入增长、绿色细分市场份额、碳足迹减排、资源效率竞争优势、利益相关者满意度)。数据分析采用SmartPLS 4.0进行偏最小二乘结构方程模型(PLS-SEM)评估测量模型(信度、聚合效度、判别效度)与结构模型(路径系数、Bootstrap 5000次偏差校正置信区间、中介Bootstrapping、调节简单斜率分析)，并辅以必要Condition分析(NCA)采用CE-FDH与CR-FDH天花板法识别SMP的必要前提条件及瓶颈阈值(bottleneck analysis)，共同构成充分—必要混合推断框架。

4.1. Measurement model assessment（测量模型评估）

研究人员通过Cronbach's α(0.819~0.846＞0.70)、组合信度CR(0.876~0.897＞0.70)及指标载荷(0.740~0.886＞0.70)确认内部一致性与可靠性；AVE值(0.587~0.685＞0.50)满足聚合效度要求。Fornell-Larcker准则(各构念√AVE大于其与其他构念的相关系数)与HTMT比值(最高TI–GDMI=0.803＜0.85阈值)均支持判别效度；交叉载荷矩阵显示每项指标在其所属构念上载荷显著高于其他构念；交互项GDMI×TI的HTMT极低(0.043~0.323)，排除判别效度干扰。Harman单因子检验最大因子解释方差28.7%＜50%，共同方法偏差(common method bias)不显著。

4.2. Structural model assessment（结构模型评估）

所有VIF值(1.103~1.838＜5.0)表明无多重共线性问题。假设检验结果如下：H1 TI→CSCRC(β=0.442, t=6.926, p＜0.001, f²=0.175，中等效应)支持；H2 TI→SMP(β=0.274, t=3.184, p=0.001, f²=0.073，小效应)支持；H3 CSCRC→SMP(β=0.423, t=5.725, p＜0.001, f²=0.184，中等效应，模型中最大路径系数)支持；H4 GDMI→CSCRC(β=0.396, t=5.618, p＜0.001, f²=0.078，小效应)支持；H5 GDMI×TI→CSCRC(β=0.209, t=3.827, p＜0.001, f²=0.227，中等效应)支持。CSCRC的R²=0.533(实质解释力)，SMP的R²=0.408(中等解释力)；Q²_predict分别为0.490和0.347＞0，具样本外预测相关性。饱和模型SRMR=0.077＜0.08，估计模型SRMR=0.083＜0.10可接受；NFI=0.758略低于0.80，研究人员归因于交互项非线性、n=210样本偏小及PLS-SEM特性，结合高R²与Q²认为模型具理论与预测适切性。

4.3. Mediation analysis（中介分析）

TI→CSCRC→SMP间接效应β=0.187(p＜0.001)，直接效应β=0.274(p=0.001)，总效应0.461，VAF=40.6%(介于20%~80%)，为部分中介——CSCRC传递TI对SMP影响的40.6%，剩余59.4%通过直接运营效率与信号机制实现。GDMI对SMP的影响(间接β=0.167, VAF=100%)及GDMI×TI交互项对SMP的影响(间接β=0.089, VAF=100%)均完全经由CSCRC中介，表明数字创新能力与技术创新投入的协同效应须通过循环韧性能力培育方能转化为市场绩效。

4.4. Moderation analysis（调节分析）

GDMI显著正向调节TI→CSCRC(β_interaction=0.209, p＜0.001)。简单斜率分析显示：低GDMI(?1 SD)时TI→CSCRC为β=0.233(p=0.009)；均值时β=0.442；高GDMI(+1 SD)时β=0.651(p＜0.001)，较最低水平提升179%。所有条件斜率均显著，说明GDMI不替代而放大TI向CSCRC的转化效率，符合DCT中高阶动态能力放大普通资源—能力转换的命题(Winter, 2003)。

4.5. Model quality assessment（模型质量评估）

CSCRC的R²=0.533(R²_adj=0.527)，SMP的R²=0.408(R²_adj=0.402)；Q²_predict(CSCRC)=0.490、(SMP)=0.347，证实模型具预测相关性及解释力。

4.6. Model fit assessment（模型拟合评估）

饱和SRMR=0.077达标，估计SRMR=0.083在可接受范围；NFI=0.758未达0.80，研究人员透明报告并解释为交互项非线性、小样本NFI低估及PLS-SEM适用情境，整体模型得到R²与Q²支撑。

4.7. Necessary Condition Analysis(NCA, 必要Condition分析)

NCA显示GDMI具最高必要性效应(d_CE-FDH=0.221, d_CR-FDH=0.211＞0.10阈值)，TI呈中等必要性(d=0.096/0.076)，CSCRC必要性最低(d=0.047/0.042)。瓶颈分析(bottleneck analysis)表明CSCRC自SMP第50百分位起成为必要条件(CE-FDH=3.500)，TI自第60百分位起(CE-FDH=4.251)，GDMI自第70百分位起(CE-FDH=3.856)且其最低要求随高性能水平急剧升高(至SMP最大值时CE-FDH=4.718)，揭示"TI与CSCRC先达阈值得中等绩效，GDMI后成卓越绩效绑定约束"的序列必要逻辑。

讨论与结论总结

理论层面，研究验证并拓展了DCT：TI激活CSCRC的感知(sensing, 环境风险监测)与抓住(seizing, 资源替代)能力，CSCRC的重构(reconfiguring, 供应链适应性重组)转化为SMP，GDMI作为高阶动态能力构成能力形成的边界条件并同时是SMP的必要前提——首次在同一模型中以CSCRC为中介、GDMI为调节，整合循环经济原则与数字转型框架。部分中介(VAF=40.6%)揭示技术—绩效双重价值创造路径(短期直接效率+长期能力中介)，调和既往矛盾发现。NCA-PLS-SEM整合提供了充分—必要互补推断，确立GDMI具"能力放大器(PLS-SEM调节)"与"结构性绩效门槛(NCA必要)"双重角色。

实践层面，建议企业优先投资激活循环感知—抓住能力的绿色数字技术(IoT环境监测、AI预测分析、区块链溯源)；采取双轨策略同步建设运营效率与循环韧性能力；低GDMI企业应先行发展数字服务平台与循环市场创新能力再扩大技术基建，高GDMI企业可借179%能力回报放大效应强化TI；GDMI须达最低阈值(≥3.856/7分制)方有望突破中上水平可持续绩效。

局限含横截面设计无法确立因果时序、单一受访者潜在关键知情人偏差、NFI略低及TI–CSCRC HTMT接近阈值(0.772)、样本限于印尼大型电子/汽车/化工制造商。未来研究宜用纵向面板、多源数据、fsQCA组态分析及跨文化/跨行业复制。

结论(Conclusion)翻译浓缩：

本研究证明循环供应链韧性能力(CSCRC)是将技术投资(TI)转化为可持续市场绩效(SMP)的关键转型机制。部分中介(间接β=0.187, VAF=40.6%)在可持续密集型制造情境中实证验证了DCT感知—抓住—重构逻辑；GDMI及其与TI的交互完全经CSCRC中介影响SMP，表明数字创新与技术投入协同仅通过能力培育过程显现。五路径结构模型全部显著：TI→CSCRC(β=0.442, 中f²)、TI→SMP(β=0.274, 小f²)、CSCRC→SMP(β=0.423, 中f²)、GDMI→CSCRC(β=0.396, 小f²)、GDMI×TI→CSCRC(β=0.209, 中f²)，CSCRC与SMP的R²分别为53.3%和40.8%。整合PLS-SEM与NCA表明GDMI既是能力放大调节变量又是结构化必要前提(高绩效水平最低要求最陡)。结论适用于印尼大型电子/汽车/化工制造业，推广需跨监管环境与组织规模实证复现。可持续竞争优势不在技术本身而在围绕其建立的循环韧性能力与绿色数字市场创新能力——仅依赖TI直接效应捕获59.4%绩效通路，刻意编排TI、CSCRC能力建设与GDMI可获取额外40.6%中介通路并在高GDMI下使韧性能力回报提升179%。