《World Electric Vehicle Journal》：Digital Transformation and Supply Chain Resilience in Electric Vehicle Manufacturing Firms: Evidence from China
编辑推荐：
电动汽车制造企业因零部件短缺、技术相互依赖、原材料波动及需求不确定性而面临日益增加的供应链脆弱性。本研究旨在检验数字化转型能否转化为韧性构建能力，并识别其传导渠道。利用2014年至2023年中国A股上市电动汽车制造企业的面板数据，研究人员采用双机器学习（Dou
电动汽车制造企业因零部件短缺、技术相互依赖、原材料波动及需求不确定性而面临日益增加的供应链脆弱性。本研究旨在检验数字化转型能否转化为韧性构建能力，并识别其传导渠道。利用2014年至2023年中国A股上市电动汽车制造企业的面板数据，研究人员采用双机器学习（Double Machine Learning, DML）框架，在控制高维企业层面变量的同时，估计数字化转型与供应链韧性之间的关系。结果表明，数字化转型与供应链韧性正相关。该发现在不同的样本分割比例、机器学习算法、缩尾阈值及样本限制下保持稳健，且在采用工具变量（Instrumental Variable, IV）估计解决潜在内生性后仍然成立。机制检验表明，数字化转型通过促进技术创新（Technological Innovation）和降低管理交易成本（Managerial Transaction Costs）来增强韧性。异质性分析进一步显示，该效应在市场地位更强、规模更大以及整车制造企业中更为显著。这些发现表明，数字化转型不仅是运营升级的工具，更是增强电动汽车制造企业供应链韧性的重要组织能力。
**论文解读文章**
**研究背景与问题**
电动汽车（Electric Vehicle, EV）产业的快速发展重塑了全球汽车制造业格局，但同时也使企业暴露于供应链中断风险中。EV制造对电池、半导体、电机、电控系统、热管理系统、智能传感器及数字平台等关键部件的依赖程度极高，这些部件嵌入地理分散且技术相互依赖的网络中，导致供应链易受上游冲击及系统性中断影响。此外，原材料价格波动、物流中断、地缘政治不确定性、技术瓶颈及需求波动进一步加剧了EV制造企业的供应链脆弱性。现有研究主要聚焦于一般制造业或广泛上市公司样本，对EV制造这一特殊行业缺乏专门关注；传统计量模型难以充分处理高维企业层面异质性与潜在混杂因素；且数字化转型增强供应链韧性的传导机制尚不清晰。因此，本研究旨在检验数字化转型能否转化为EV制造企业的韧性构建能力，并识别技术创新与管理交易成本是否构成主要传导渠道。
**研究内容与结论**
研究人员利用2014年至2023年中国A股上市EV制造企业的面板数据，采用双机器学习（Double Machine Learning, DML）框架估计数字化转型与供应链韧性之间的关系。结果表明，数字化转型与供应链韧性呈显著正相关。该关系在多种稳健性检验（不同样本分割比例、机器学习算法、缩尾阈值及排除直辖市样本）及工具变量（Instrumental Variable, IV）估计处理内生性后依然成立。机制检验发现，数字化转型通过促进技术创新（Technological Innovation）和降低管理交易成本（Managerial Transaction Costs）两条渠道增强韧性。异质性分析显示，该效应在市场地位更强、规模更大以及整车制造企业中更为显著。本研究将视角从通用运营升级转向韧性构建能力，为EV制造领域提供了专门证据，并识别了技术与组织层面的传导机制，对政策制定与企业实践具有重要启示。该论文发表在《World Electric Vehicle Journal》。
**主要关键技术方法**
本研究采用双机器学习（DML）框架，结合随机森林等算法估计部分线性模型，通过交叉拟合与样本分割减少过拟合偏差。供应链韧性指数基于抵抗能力与恢复能力两个维度，采用熵权法综合构建。数字化转型以CSMAR数字化转型指数度量。内生性检验利用1998年区域通信基础设施历史数据（长距离光缆长度与时间趋势交互、邮电业务总量与时间趋势交互）构建工具变量。机制检验采用固定效应模型。异质性分析按市场地位、企业规模及制造属性（整车制造企业与零部件供应商）分组。样本来源为中国A股上市EV制造企业2014–2023年面板数据，来自CSMAR数据库，最终样本包含610个企业-年度观测值。
**研究结果**
**4.1 基准结果**：通过固定效应模型与DML估计，数字化转型（DT）系数为0.077（1%显著性水平），表明数字化转型与供应链韧性正相关，支持假设H1。
**4.2 稳健性检验**：改变样本分割比例（3折与8折）、替换机器学习算法（神经网络与梯度提升）、应用1%与5%缩尾阈值、排除直辖市样本后，DT系数仍为正且显著，证实结果稳健。
**4.3 内生性检验**：采用工具变量估计，DT系数分别为0.618（5%显著性）与0.369（1%显著性），表明控制内生性后正向关系依然成立。
**4.4 机制检验**：数字化转型对技术创新（Til）的系数为1.363（1%显著），对管理交易成本（Cost）的系数为-0.036（1%显著），支持H2（技术创新中介作用）与H3（管理交易成本降低中介作用）。
**4.5 异质性分析**：市场地位高、规模大、整车制造企业的DT系数显著为正且更大，而低市场地位与小型企业系数不显著，表明效应存在条件性。
**讨论与结论**
讨论部分指出，数字化转型通过加强信息处理、协调与风险响应能力，在EV制造这一高度依赖技术互依网络的行业中增强供应链韧性。技术创新渠道降低了技术依赖并开发替代方案，管理交易成本渠道通过提升信息透明度与标准化流程减少协调摩擦。异质性结果提示，企业资源与供应链位置（如整车制造商的中心协调角色）调节了数字化转型的价值。研究结论翻译如下：本研究将数字化转型置于EV制造供应链韧性背景下，而非仅视为企业现代化的一般指标。利用2014–2023年中国A股上市EV制造企业面板数据，实证分析表明数字化转型与供应链韧性正相关。更重要的是，该关系不仅仅是数字技术采纳的问题，数字化转型在转化为技术创新、更低的管理交易成本及更有效的供应链决策时才能增强韧性。主要贡献在于表明数字化转型可被理解为EV制造中的韧性构建能力。通过识别技术创新与管理交易成本两条相关渠道，研究阐明了数字化转型通过技术升级与组织协调双重路径影响韧性。异质性分析显示数字化转型的价值取决于企业资源与供应链位置。政策启示包括：促进共享数字基础设施建设（如工业互联网平台、部件追溯系统、数据共享标准、智能物流网络及风险预警系统），并对中小企业提供差异化支持；企业应将数字化转型嵌入核心供应链活动，优先投资集成数据平台、供应商数字集成系统及供应链风险监控平台。研究局限包括样本仅限中国A股上市EV制造企业、指标测量受限于可用数据、未纳入ESG相关因素，以及未探讨特定数字技术（如人工智能、数字孪生）的单独作用，未来研究可拓展至非上市企业、跨国样本及更细化的技术层面。
