《Journal of Innovation & Knowledge》：From data-driven sustainable innovation to competitive advantage: The roles of green knowledge, digital capability, and circular economy orientation
编辑推荐：
：在新兴经济体中，可持续竞争优势已成为企业面临的重大挑战，因为企业正经历快速数字化转型并日益关注环境可持续性。本研究旨在分析绿色知识管理（Green Knowledge Management）、数字创新能力（Digital Innovation Capabil
：在新兴经济体中，可持续竞争优势已成为企业面临的重大挑战，因为企业正经历快速数字化转型并日益关注环境可持续性。本研究旨在分析绿色知识管理（Green Knowledge Management）、数字创新能力（Digital Innovation Capability）和可持续导向型领导力（Sustainability-Oriented Leadership）如何通过数据驱动的可持续创新（Data-Driven Sustainable Innovation）和循环经济导向（Circular Economy Orientation）的中介作用影响可持续竞争优势（Sustainable Competitive Advantage），并以循环经济监管压力（Regulatory Pressure for Circular Economy）作为调节变量。本研究还运用动态能力理论（Dynamic Capabilities Theory）、数字可持续性理论（Digital Sustainability Theory）、资源基础观（Resource-Based View）和制度理论（Institutional Theory），构建了一个整合研究框架，探讨创新与循环实践如何融入长期竞争优势。实证研究基于对中国制造业及相关工业企业管理者的问卷调查数据。研究结果显示，绿色知识管理、数字创新能力和可持续导向型领导力对数据驱动的可持续创新均具有显著正向影响；数据驱动的可持续创新对循环经济导向具有显著作用，进而促进可持续竞争优势的形成。此外，研究结果支持显著中介效应的存在，凸显了创新与循环战略在组织能力与竞争结果之间关系中的重要作用。循环经济监管压力亦具有调节效应，强调了制度情境的作用。总体而言，本研究为企业如何利用数据驱动和循环创新实现可持续竞争力提供了清晰的理论与实践启示。
论文解读：数据驱动的可持续创新如何塑造企业竞争优势
一、研究背景与问题提出
全球气候变化、环境退化和资源枯竭等议题持续施压，要求企业在不牺牲竞争力的前提下实现可持续发展。财务绩效已不再是衡量企业成功的唯一标准，通过创新创造环境价值和社会价值的能力同样至关重要。在此背景下，数据驱动的可持续创新（Data-Driven Sustainable Innovation, DDSI）已成为企业亟需优先推进的战略方向，要求企业将数字技术、数据分析与可持续目标融入创新流程。数据驱动方案能够提升创新质量、降低不确定性，并通过将海量数据转化为可操作的可持续知识来改善环境绩效。
本研究选择中国作为研究场景，原因在于中国是全球制造业中心，在温室气体排放中占据重要地位，面临在经济发展与环境可持续之间寻求平衡的巨大制度压力。中国通过“数字中国2022”“中国制造2025”和“双碳目标”等政策框架推动数字化战略、环境监管与循环经济政策，这些政策鼓励企业将先进数字技术、数据分析与绿色实践视为战略性举措而非象征性行为。
然而，现有文献存在若干研究缺口。以往研究多将绿色知识管理、数字能力、可持续导向型领导力、循环经济导向与可持续竞争优势之间的关系进行孤立或简单线性考察，缺乏对组织能力如何通过数据驱动的可持续创新，进而促进循环经济导向并最终实现可持续竞争优势这一序列过程的系统研究。此外，监管压力虽被视为重要的外部可持续性因素，但其对循环经济导向与可持续竞争优势之间关系的调节作用，尤其是在中国情境下的调节效应，尚未得到充分探讨。
基于上述缺口，本研究提出三个核心研究问题：（1）绿色知识管理、数字创新能力与可持续导向型领导力如何影响数据驱动的可持续创新？（2）数据驱动的可持续创新如何影响循环经济导向？（3）循环经济导向如何关联可持续竞争优势，监管压力是否强化这一关系？
二、研究方法与关键技术
本研究采用定量横截面研究设计，通过问卷调查方式收集数据。目标群体为中国制造业及相关工业企业中直接参与可持续性、创新、数字化转型、供应链管理、运营和战略规划部门的管理者及高级专业人员。研究采用目的性抽样方法，通过电子媒介和专业网络共发放1000份问卷，经排除无效问卷后保留333份有效问卷，有效回收率为33.3%。
所有构念均采用已验证的多题项量表，基于五级李克特量表（从1“非常不同意”到5“非常同意”）进行测量。为降低共同方法偏差，研究采取了程序性补救措施，包括题项清晰表述、匿名作答、专家审查和预测试，并通过Harman单因素检验确认共同方法偏差不严重。
数据分析采用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modelling, PLS-SEM），该方法的优势在于适用于复杂中介与调节模型的分析，且不严格要求数据服从正态分布。分析遵循两步流程：首先评估测量模型的信度与效度，其次评估结构模型的路径系数、中介效应、调节效应及预测相关性。
三、研究结果
测量模型验证结果：所有指标载荷均高于0.70的推荐阈值，平均方差提取值（Average Variance Extracted, AVE）均大于0.50，Cronbach's alpha和组合信度（Composite Reliability, CR）均高于0.70，方差膨胀因子（Variance Inflation Factor, VIF）均低于阈值，表明测量模型具有良好的信度与收敛效度。异质性特质单尾相关比率（HTMT）检验和Fornell-Larcker准则均确认了判别效度。
直接效应检验结果：路径分析结果显示，绿色知识管理对数据驱动的可持续创新具有显著正向影响（β=0.316，p<0.001），数字创新能力对数据驱动的可持续创新具有显著正向影响（β=0.403，p<0.001），且在三者中效应最强；可持续导向型领导力对数据驱动的可持续创新具有显著正向影响（β=0.325，p<0.001）。数据驱动的可持续创新对循环经济导向具有强正向影响（β=0.675，p<0.001），循环经济导向对可持续竞争优势具有显著正向影响（β=0.496，p<0.001）。监管压力与循环经济导向的交互项对可持续竞争优势具有显著正向影响（β=0.259，p<0.001），支持了调节效应假设。
中介效应检验结果：基于方差解释量（Variance Accounted For, VAF）的中介分析显示，数据驱动的可持续创新完全中介了绿色知识管理、数字创新能力、可持续导向型领导力与循环经济导向之间的关系（VAF值分别为0.996、1.000和0.997）。序列中介分析表明，数据驱动的可持续创新与循环经济导向完全中介了三个前因变量与可持续竞争优势之间的关系（VAF值均高于0.998）。这表明组织能力与领导力支持主要通过创新导向和循环路径实现竞争优势。
模型解释力与预测相关性结果：模型解释了数据驱动可持续创新50.7%的方差、循环经济导向45.6%的方差以及可持续竞争优势36.7%的方差。Q2预测相关性值均为正，确认了模型对所有内生构念的预测相关性。效应量（f2）分析显示，数据驱动的可持续创新对循环经济导向具有强效应，循环经济导向对可持续竞争优势具有实质效应，数字创新能力对数据驱动可持续创新的效应在三者中最大。
四、讨论与结论
研究结果验证了全部12项假设，为理论框架提供了强有力的实证支持。研究发现与动态能力理论一致，表明企业通过知识、数字能力和领导力承诺来感知和把握环境与技术机会；与数字可持续性理论一致，数据驱动的可持续创新为企业从可持续意图向实际循环活动过渡提供了信息与技术基础；与资源基础观一致，循环经济战略可转化为有价值且难以模仿的资产，增强长期竞争力；与制度理论一致，监管压力增强了循环举措的战略合法性和绩效影响。
研究结论表明，可持续竞争优势并非仅靠组织能力孤立实现，而是一个多阶段、相互关联的过程：绿色知识管理、数字创新能力和可持续导向型领导力首先促进数据驱动的可持续创新，该创新进而增强循环经济导向，最终实现长期竞争优势。监管压力能够强化循环经济实践的战略相关性与合法性。
本研究在理论与实践层面均有重要贡献。理论层面，研究识别了数据驱动可持续创新作为组织能力与循环经济导向及可持续竞争优势之间转化机制的关键角色，扩展了动态能力理论、数字可持续性理论、资源基础观和制度理论的应用。实践层面，研究启示管理者应将可持续性与数字化视为互补而非竞争性优先事项，循环经济实践应融入数据驱动创新流程而非作为独立环境项目。对政策制定者而言，研究强调了监管框架在促进数字技术采纳和循环经济活动中的重要作用。论文发表于《Journal of Innovation》。
