The Impact of Digital Supply Chain Construction at Key Nodes on Upstream and Downstream Supply Chain Resilience from the Perspective of New Quality Productivity Forces
-
摘要:
基于2008—2022年沪深A股上市公司供应链网络，将供应链创新与应用试点工作视作自然实验，探讨关键节点数字供应链建设如何影响上下游供应链韧性，发现：关键节点的数字供应链建设通过促进上下游新质生产力发展和改善上下游供应链环境，提升了上下游供应链韧性。调节机制显示，关键节点数字供应链建设对上下游供应链韧性的影响会受到节点供应链网络依赖性、稳定性和连通性的调节。异质性分析表明，在高科技、数字空间位置较高、处于成熟阶段的企业中，以及那些地理位置靠近关键节点、位于虚拟集聚程度大和产业链上游的企业中，关键节点的数字化供应链建设对提升上下游供应链韧性的效果更好。进一步分析发现，数字化政策不仅能够通过扩散效应惠及更广泛的供应链网络，还能够通过优化供应链网络结构、提高信息传递的效率，增强整个供应链网络的韧性。由此，为增强整个供应链网络的韧性，应加强关键节点的数字供应链建设，以促进新质生产力的发展，并通过供应链网络惠及更广泛的企业群体。
Abstract:Based on the supply chain networks of A-share listed companies in Shanghai and Shenzhen from 2008 to 2022, this study takes supply chain innovation and application pilot work as a natural experiment to explore how the construction of key nodes in digital supply chains affects the resilience of upstream and downstream supply chains. Research has found that the construction of digital supply chains at key nodes enhances the resilience of upstream and downstream supply chains by promoting the development of new quality productive forces and improving the supply chain environment. The regulatory mechanism shows that the dependence, stability, and connectivity of node supply chain networks will have an impact on the resilience of key node digital supply chain construction and upstream and downstream supply chains. Heterogeneity analysis shows that in high-tech industries, enterprises with high digital spatial positioning, and those in the mature stage, as well as in the sample of enterprises located near key nodes, in areas with low employment density, and upstream of the industrial chain, the digital supply chain construction of key node enterprises has a better effect on improving the resilience of the supply chain upstream and downstream. Further analysis shows that digital policies can not only benefit a wider supply chain network through diffusion effects, but also optimize the structure of the supply chain network, improve the efficiency of information transmission, and enhance the resilience of the entire supply chain network. Therefore, in order to enhance the resilience of the entire supply chain network, it is necessary to strengthen the digital supply chain construction of key nodes, promote the development of new quality productive forces, and benefit a wider range of enterprise groups through the supply chain network.
-
一. 问题的提出
在当今复杂多变的全球经济环境中，供应链韧性的重要性日益凸显，已成为影响国家竞争力与战略安全的核心要素。供应链的稳定顺畅不仅关乎我国能否保障实体经济稳定运行，还关涉我国能否提升产业核心竞争力，更好地适应世界经济格局的新变化。尤其在单边主义、保护主义明显上升，多重挑战交织叠加，经济全球化遭遇逆流，全球产业链分工格局深度调整，产业链供应链面临重构等情境下，一个具备高度韧性的供应链网络能够为社会经济体系的正常运转提供强有力的支撑，不仅能够助力产业结构的调整与优化，推动创新转型，还能够确保关键行业供应链的安全稳定与技术进步，使我国能够更好地适应全球产业布局的动态演变。面对外部环境的不确定性，2020年4月10日，习近平总书记在中央财经委员会第七次会议上强调: “产业链、供应链在关键时刻不能掉链子，这是大国经济必须具备的重要特征。”[1]供应链韧性的提升成为实现经济高质量发展、应对地缘政治波动等内外挑战的必然要求。
纵观历次工业革命史，能够率先实现原创性、颠覆性技术进步并发展形成先进生产力的国家，往往能够抢占产业体系发展的关键节点，构筑未来发展优势。新质生产力作为生产力发展的最新形态，是传统生产力的升级版，更是数字经济时代极具代表性的先进生产力质态[2]。具体来说，数字经济不仅重塑了产业结构和经济增长模式，也为培育发展新质生产力、推动经济高质量发展提供了广阔的空间和充足的动力。面对数字技术跨越式、井喷式发展的新形势，只有加强数字技术同其他经济范式的有机结合，实现实体要素与数字要素相互统一，积极推动制造业各环节向数字化、智能化转型，才能实现实体经济价值化、高端化发展[3-4]。在此过程中，供应链网络中的关键节点，尤其是那些实现数字化转型的节点，发挥着举足轻重的作用。数字化转型不仅提升了供应链的整体运营效率，还极大地促进了各类新型生产要素在供应链网络中的流通与融合。因此，在国家大力提倡发展新质生产力的时代背景和要求下，以数字供应链建设实现实体经济供应链条的顺畅流通，成为推动产业结构升级、实现经济高质量发展的题中之义。
随着全球经济环境、贸易格局、创新产业的不断变化，当下已进入供应链多元化、高质量发展的新时代。供应链体系的构建和升级能够使得竞争主体有效利用更多资源，单位产能不断提升，从而保持领先地位[5]。而在数字经济与技术发展的驱动下，传统供应链正在向数字化供应网络变革跃迁[6]。数智化技术发展是企业管理工具与企业管理思想日趋成熟的基石。需求侧数字化进程迅猛，传统供应链承压明显上升，供应链上的各节点企业必须依靠新兴技术加持以及供应链平台赋能，逐步实现供应链信息化、数字化与可视化，从而进一步助推我国供给侧结构性改革，以实现供需两侧相匹配的完整数字经济[7-8]。在这样的背景下，构建一个具有高度韧性和适应性的数字化供应链体系显得尤为重要，在梅特卡夫定律下，未来随着数字化供应网络的发展延伸，其价值将呈指数级增长，为企业、产业带来巨大收益[9-10]。因此，研究如何通过数字技术提升供应链的韧性，以及如何在关键节点上实现供应链的数字化转型，成为当前学术界和产业界关注的焦点。
目前，关于供应链数字化的研究已经广泛涵盖了技术应用、数据管理、成本控制以及安全防护等多个方面，其核心在于利用数字技术来优化供应链的整体效能，通过供应链数字化创新推动新质生产力目标的发展与实现[11-17]。在数字化与供应链韧性研究领域，部分学者指出，企业数字化转型通过应用数字技术，促进与供应链各方的信息共享与协同，重新设计供应链结构，实现了从传统到数字化运营的转变[18-20]。这一过程遵循“数据化—信息共享—资源优化—组织变革”的路径，重构产业链协同关系，改变供应链治理结构，并调整企业供应链配置，具有颠覆性影响[21]。另一研究方向则揭示了数字智能技术如何促进供应链从传统的线性模式向网络化、动态化的生态系统模式演进[22-24]。在这一生态系统中，各成员之间形成了相互依存、互动关联的共生关系[25]。然而，现有文献尚未充分探讨在供应链网络系统中，关键节点的数字化建设如何影响整个供应链网络系统的韧性，特别是对上下游企业的影响。
本文的边际贡献主要体现在以下几个方面：首先，从企业发展的内外两方面出发，探讨了新质生产力视域下关键节点数字供应链建设对上下游供应链韧性的影响，为提升供应链韧性提供了新的研究视角，并阐释了供应链体系的系统性机制，深化了对供应链扩散机制的理解。其次，从依赖性、稳定性、连通性，以及企业、产业链、区域和产业等维度丰富了现有文献关于供应链韧性影响因素的探讨，完善了供应链数字化经济后果的研究内容，并对供应链网络分析理论进行了必要的补充，为系统提升我国供应链韧性提供了更为丰富的政策启示。最后，进一步基于社会网络分析的视角，从供应链网络的涟漪效应和小世界效应出发，探究数字供应链建设对整个供应链网络可能的影响，有助于推动实现数字化技术的共享和供应链的价值共创。
二. 理论分析和研究假设
社会网络分析可以揭示创新如何在网络中扩散，以及创新对节点的影响力和影响力传播路径，有助于理解新质生产力如何通过创新扩散推动产业升级和转型，因而被广泛应用于供应链网络研究中。
网络分析理论认为，企业作为网络中的节点，与供应链上下游共同构成一个经济系统，节点、边及网络特征被认为是供应链的核心构成要素。关键节点通常是那些在网络中具有较高连接度或承担重要功能的节点，其稳定运行对于维持整个生产力网络的正常运作至关重要[26]。在供应链网络中，不同类型的节点(如供应商、制造商、零售商)之间的相互作用和依赖关系也会影响网络的整体韧性。关键节点的供应链数字化，可以通过优化供需匹配、稳定供需关系和提高供应商创新能力而显著增强供应链的韧性。特别是在多层次网络结构中，供应商的干扰可能引发级联效应，对整个网络的性能产生显著影响[27]，端到端可视性的关注日益增加，被视为增强供应链韧性未来导向性的驱动因素与能力[28]。通过拓扑分析和优化数字化转型能够提升企业自身以及供应链网络的抗干扰能力，节点企业的异质性和级联失效机制对供应链韧性有显著影响，而均衡的节点负荷和冗余容量能够通过数字化转型得到增强，从而提升供应链的韧性，推动企业新质生产力的发展[29]。综上所述，针对关键节点企业的数字供应链建设政策，不仅直接提升了节点企业自身供应链的预防能力、适应能力和恢复能力，还通过降低交易成本和提升供应质量间接提高了上下游企业供应链韧性[30]，由此提出假设1：
H1 关键节点的供应链数字化提升了上下游企业的供应链韧性。
数字化转型是企业发展新质生产力的引擎，并且对供应链上下游企业具有明显的扩散效应。一方面，关键节点的数字化转型不仅提升了上下游企业的数字化水平和价值创造能力，而且显著增强了整个产业链的韧性与协同效率。当关键节点进行数字化转型时，依赖于上下游企业的积极响应与参与，实现了价值共创及交易成本降低。关键节点与上下游企业互为利益相关者，关键节点的数字化转型通过供应链的需求反馈机制，推动上游企业加速数字化适应。这一机制使得上游企业的数字技术应用能力和数字化能力得以提升，同时促使上下游企业更加重视数据的生成、存储和流动，从而加速了数字技术在供应链中的应用。例如，客户企业作为下游的重要组成部分，通过需求反馈，促使上游企业优化数字技术的使用[31]。这一过程中，数据的生产与流动得到了重视，使得上下游企业能够实现供应链间的数字技术应用与数据共享。
另一方面，关键节点的数字供应链建设，促进了上下游企业间的良性互动，不仅增强了企业间的信任和合作，还推动了技术创新和产业升级。新质生产力不仅代表技术革命性突破，更标志着生产要素和产业模式的根本创新，数字化转型在此过程中起着核心作用，驱动了新质生产力的高质量培育。因此，关键节点的数字化转型不仅推动了上下游企业的数字化水平，还形成了显著的扩散效应，为整个供应链的发展注入了新的活力和动力。总之，关键节点供应链韧性建设不仅提升了整个产业链的韧性和协同效率，还通过数字溢出效应，促进了上下游企业间的良性互动。综上所述，关键节点的数字化转型推动了上下游企业的数字化能力，并形成了显著的扩散效应，由此提出假设2：
H2 关键节点的数字供应链建设促进了上下游企业新质生产力的发展，有利于提升上下游企业韧性。
关键节点的数字化转型促进了商业模式与商业关系的重塑，进而实现了价值共创。例如，关键节点的数字化转型降低了供应链上游供应商、下游客户以及供应链整体的集中度，导致供应链配置的多元化，不仅影响了自身，也影响了上下游企业的供应链韧性。数字化转型能够通过信任构建、稳链固链、延链补链、创新强链等路径促进产业链供应链结构的现代化和多元化发展[32]。因此，上下游企业的韧性之所以受到关键节点供应链数字化的影响，还要归因于上下游供应链环境的改变。
为了深入理解这一现象，本文从三个视角给出互为递进和补充的理论证据。首先，从网络理论视角来看，供应链可以被视为一个复杂而精细的网络结构。关键企业的数字化转型，不仅影响着网络的结构布局，更深刻改变着网络的动态运作。网络结构是信息的传递路径和资源的分配框架，而网络动态则反映了节点间的互动与协同。数字化转型通过优化信息流、物资流和资金流，显著增强了网络的韧性。其次，系统理论视角提供了一个更为宏观的审视角度。将供应链视为一个整体系统，关键企业的数字化转型会影响整个系统的行为和性能。系统思维强调整体协同和最优解的追求，数字化转型通过促进系统内部各要素的协同合作，提升了供应链系统的整体韧性。这一视角与网络理论视角相辅相成，共同揭示了数字化转型对供应链韧性的多维度影响[33]。最后，从生产的模块化视角来看，数字化转型通过降低企业面临的外部交易成本，推动了企业分工的专业化水平。这种专业化分工不仅提高了企业的全要素生产率，还促进了供应链上下游企业在生产模块化方面的紧密协同。这种协同效应进一步增强了供应链的韧性。综上，关键节点的数字化转型能够优化供需匹配，稳定供需关系，提升上下游企业韧性，由此提出假设3：
H3 关键节点的数字供应链建设改善了上下游企业的网络系统环境，有利于提升上下游企业韧性。
三. 研究设计
一 模型设定
为检验关键节点数字供应链建设对上下游韧性的影响，本文构建如下模型用于基准回归检验：
Yit=β0+β1Relatei×Timet+β′Xit+γt+vi+εit (1) 其中，Y为企业供应链韧性，Relatei为是否上下游企业，Timet为数字供应链建设政策，i表示企业，t表示年份，X表示一系列控制变量，γt和vi分别表示时间固定效应和企业固定效应，εit表示随机误差项。
为检验调节作用机制，本文构建如下模型：
Yit=β0+β1Relatei×Timet×Zit+β′Xit+γt+vi+εit (2) 其中，Z为调节变量。
为检验中介作用机制，本文构建如下模型：
Mit=β0+β1Relatei×Timet+β′Xit+γt+vi+εit (3) 其中，M为中介变量。
二 变量设定
1 解释变量
本文将供应链创新与应用试点工作视作关键节点供应链数字建设的外生冲击，利用单时点双重差分模型考察供应链系统中关键节点数字提升对上下游企业供应链韧性的影响。参考张树山等的研究[14]，考虑到企业被评为供应链创新与应用示范前应具备较为完备的数字基础，本文认为供应链创新与应用示范开展的当年(2018年)即可视为实施了供应链数字化①。
本文对相关试点企业进行了网络特征分析，发现相较于其他企业，试点企业展现出更高的度中心性和特征向量中心性，表明它们在供应链网络中占据更为关键的位置。此外，这些企业还表现出较高的模块性。高模块性的网络意味着社群结构显著，社群内部节点之间的联系比在随机网络中更为紧密，而社群间的联系则相对较少。通过识别这些模块，研究人员能够更深入地理解网络的结构特征、信息传播机制以及社会动态。
2 被解释变量
根据韧性的定义和现有文献，供应链关键的三个维度为冲击前的预防能力、冲击中的适应能力和冲击后的恢复能力。本文选取相应指标，通过熵权法综合测算供应链预防能力、抵抗能力、恢复能力的四个指标，得出供应链韧性的综合指数，进而运用综合指数评估方法来评估供应链的韧性。
第一，供应链预防能力体现在供应链的重视程度和稳定程度上。一方面，通过统计管理层讨论与分析(MD&A)中与供应链相关的句子的总字数(加1取自然对数)，衡量企业对供应链信息透明度的重视程度[34]。数值越大，表明企业提供的供应链信息越丰富，有助于利益相关者了解公司的供应链状况。另一方面，通过客户稳定度和供应商稳定度，衡量供应链关系的稳定程度。客户稳定度为当年前五大客户与上年比对，将相同客户数除以5；供应商稳定度为当年前五大供应商与上年比对，将相同供应商数除以5。高客户稳定度意味着企业能够维持长期的客户关系，保证销售的连续性和稳定性；高供应商稳定度表明企业能够保持长期稳定的供应关系，对抵御供应风险具有积极作用。
第二，供应链适应能力体现在对供应链的抵抗波动程度上，用长鞭效应衡量。参照现有学者的思路[33, 35]，定义长鞭效应如下：
Matchingit=σ(Productionsup)it/σ(Demandsup)itσ(Productioncus)it/σ(Demandcus)it (4) 其中，Productionit为企业i第t年的生产量，用销售量衡量；Demandit为企业i第t年的需求量，用销售成本衡量，sup表示供应商，cus表示客户。长鞭效应指标描述供应链中信息扭曲的现象，即上游企业根据扭曲的需求信息作出决策，导致库存积压或供给不足。该指标值越大，说明长鞭效应越明显，网络在抵御干扰和从干扰中恢复能力越弱，反之则越强。
第三，供应链的恢复能力体现在冲击过后恢复到正常状态甚至达到更理想状态的能力，本文用库存周转率来衡量。库存周转率的高低直接反映了企业库存管理的效率和供应链的恢复性。库存周转率越高，则表明企业能够越快地处理库存，减少资金占用，整体供应链的恢复能力越高。
3 控制变量
研究选取了多个控制变量，包括企业年龄、市场价值、总资产利润率、沉淀性冗余资源、风险承担水平, 同时还加入了年份和企业虚拟变量以控制固定效应。这些控制变量旨在确保研究的准确性和可靠性。
三 数据说明
本文研究样本为2008—2022年沪深A股上市公司前五大供应商和客户的供应链关系数据。研究所用数据来源于国泰安(CSMAR)数据库和中国研究数据服务平台(CNRDS)，并补充了缺失的年报文本资料。研究排除了金融类行业公司、非上市公司、数据异常和缺失严重的公司，以及ST、*ST和PT公司样本，最终样本包含5 409个观测值，并对所有连续变量进行了1%的缩尾处理以避免极端值影响。表 1详细列出了各变量的详细说明和描述性统计结果。
表 1 描述性统计变量名称 定义 观测值 平均值 标准差 最小值 最大值 韧性 供应链韧性综合指数 4 681 1.333 4.51 0.001 35.014 企业资产规模 对企业总资产取自然对数 4 681 22.561 1.78 16.412 31.175 市场价值 托宾Q值 4 681 1.950 2.138 0.641 106.132 总资产利润率 净利润/总资产期末余额 4 681 0.041 0.058 -0.212 0.197 企业管理水平 管理费用/营业收入 4 681 0.104 0.906 0.001 48.327 风险承担水平 行业均值调整的总资产净利润的三期滚动标准差 4 681 0.046 0.061 -0.192 0.222 资产负债率 负债期未余额/总资产期末余额 4 681 0.500 2.430 0.011 178.345 四. 实证结果分析
一 基准回归分析
为考察关键节点数字化建设对上下游韧性的影响，本文使用固定效应模型进行基准回归，回归结果见表 2。
表 2 基准回归结果变量 (1) (2) (3) (4) 韧性 韧性 韧性 韧性 Relate×Time 0.039** 0.203*** 0.039** 0.223*** (0.019) (0.063) (0.019) (0.073) 企业规模 -0.173** -0.206** (0.072) (0.087) 市场价值 0.102 0.056 (0.091) (0.067) 总资产利润率 -7.005 -6.907 (5.723) (5.765) 企业管理水平 -0.070 -0.029 (0.157) (0.124) 风险承担水平 5.742 5.975 (4.938) (4.969) 资产负债率 -0.040 -0.028 (0.058) (0.052) Constant 1.072*** 4.836*** 1.072*** 5.641*** (0.010) (1.622) (0.000) (1.968) 韧性 韧性 韧性 韧性 控制变量 不控制 控制 不控制 控制 时间固定效应 控制 控制 控制 控制 地区固定效应 不控制 不控制 控制 控制 企业固定效应 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 R2 0.801 0.802 0.813 0.814 注：*、* *、* * *分别表示在10%、5%、1%的水平上显著，括号内为稳健标准误。下表同。 列(1)控制了企业固定效应和时间固定效应，结果显示Relate×Time的系数显著为正，表明关键节点供应链数字化建设对上下游企业供应链韧性的提升具有积极影响。为了进一步增强模型的稳健性，列(2)加入了其他控制变量，如企业规模、市场价值、总资产利润率、企业管理水平、风险承担水平和资产负债率等。在控制了这些变量后，关键节点供应链数字化建设的系数仍然显著为正，进一步证实了关键节点供应链数字化建设对上下游企业供应链韧性提升具有显著促进作用。列(3)和列(4)分别在列(1)和列(2)基础上加入了地区固定效应，以进一步考察地域差异对回归结果的影响。结果显示，无论是否控制地区固定效应，关键节点供应链数字化建设的系数都保持显著为正，说明模型在加入更多控制变量后结果仍然稳健，支持了假设1。
二 有效性检验
1 平行趋势检验
为了验证双重差分估计无偏，本文进行了平行趋势检验。假设在政策实施之前，处理组和控制组供应链韧性的变化趋势是平行的。本文以政策冲击前一年(2017年)为基准设计如下模型：
Yit=β0+β1 Relatei× Yearkt+β′Xit+γt+vi+εit (5) 其中，β0、β1、β'为回归系数，Yeartk为样本所处年份相对于供应链数字化实施冲击年份的时间距离变量，k为0则代表试点开展当年，k为正值则为冲击发生后k年，k为负值则表示冲击发生前k年，结果见图 1。可见，关键节点供应链数字化建设政策实施前实验组和对照组满足平行趋势假设。
2 安慰剂检验
为确保政策的实施具有随机性，从而排除其他年份政策对上下游供应链韧性的影响，本文进行安慰剂检验，即假设政策实施年份不是真实的政策实施年份，以观察因果关系是否真的由关键节点数字建设政策所引起，而非其他外部因素或随机事件所导致，结果见图 2。可见，关键节点扩张政策的实施时间具有随机性，再次证明了本文估计结果的有效性。
三 稳健性检验
1 更换测度方法
为验证模型中政策对上下游供应链韧性影响的稳健性，本文采用矩估计来进行稳健性检验。这能有效应对模型中的内生性、动态特征和异质性问题，提高估计结果的无偏性和一致性。同时，这一方法可以更好地处理政策滞后效应、企业间差异及潜在的内生性，确保研究结论的稳健性和可信性。表 3中列(1)结果显示，在采用矩估计后，政策对上下游供应链韧性的正向影响依然显著。
表 3 稳健性检验结果变量 (1) (2) (3) (4) (5) 更换测度方法 调整控制变量 替换被解释变量 剔除部分样本 韧性缩尾 Relate×Time 0.154*** 0.181** 0.154*** 0.223*** 0.122** (0.056) (0.074) (0.059) (0.073) (0.061) 控制变量 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 地区固定效应 控制 控制 控制 控制 控制 企业固定效应 控制 控制 控制 控制 控制 N 4 878 4 878 4 878 4 048 4 878 R2 0.796 0.814 0.821 0.814 0.813 2 调整控制变量
为了排除控制变量差异产生的问题，本文引入与研究主题紧密相关的变量——供应链创新与应用试点城市政策，将该政策效应的虚拟变量分别加入基准回归模型，以增强模型对现实复杂情况的解释力，并检验关键变量的变动对研究结果的影响，从而验证模型的稳定性和结果的可靠性。表 3中列(2)结果显示，政策对上下游供应链韧性的正向影响依然显著。
3 替换被解释变量
为了更准确地捕捉研究中的因果关系并减少因变量选择不当而带来的偏误，本文将原被解释变量与供应链持续年份相乘，作为新的被解释变量。这一替换能够更清晰地反映政策对供应链韧性的影响。表 3中列(3)结果显示，政策依然显著促进了上下游韧性的提升，替换后的变量在统计上表现出较强的解释力和预测能力。
4 剔除部分样本
考虑到2020—2022年新冠疫情对产业链供应链韧性的特殊影响，本文剔除了这一时期的样本，以避免异常波动对研究结果的干扰。表 3中列(4)结果显示，剔除样本后政策对供应链韧性的正向影响依然显著。
5 韧性缩尾
为减少极端值对统计分析结果的影响，本文采用了Winsorize方法对数据进行处理。通过将数据集中的极端值替换为更接近数据中心的值，本文提高了统计分析的稳健性。具体而言，本文采用了1%的Winsorize处理，并检验了处理后的数据对政策影响稳健性的支持程度。表 3中列(5)结果显示，在韧性缩尾处理后，政策对供应链韧性的正向影响依然显著。
四 机制检验
1 调节机制检验
本文旨在分析供应链网络的依赖性、稳定性、连通性，并通过调节变量分析深入探究关键节点数字化供应链建设对上下游企业供应链韧性增强的因果效应。
首先，依赖性方面。供应链依赖性的本质在于上下游主体间资源、信息与能力的非对称分布，而传统线性供应链的刚性特征会放大外部冲击的传导效应。数字供应链通过数据共享机制与协同决策算法，将分散的供需信息整合为动态知识图谱，实现资源匹配效率的帕累托改进。具体而言，非中心化数字技术的不可篡改性降低了契约执行中的道德风险，智能合约则通过自动化触发条件减少了交易摩擦成本。在技术驱动的信任机制作用下，保障上下游企业维持高度依赖关系的同时，也能将系统风险控制在可承受阈值内，形成“强依赖—低脆弱性”的新型共生结构。
其次，稳定性方面。供应链稳定性不仅取决于库存缓冲或冗余设计等静态防御手段，更依赖于对不确定性环境的动态响应能力。数字供应链通过实时监控网络与预测性分析模型，采集实时数据流，结合机器学习算法，以精准识别供应链中断的早期信号，并依托数字孪生技术模拟多场景下的恢复路径，将传统供应链的被动应对转化为主动适应。在技术赋能的动态适应机制作用下，供应链系统在面临需求波动、地缘政治冲击或自然灾害时，能够通过拓扑结构重组与资源再配置来维持核心功能稳定性，契合复杂系统理论中“鲁棒性—适应性”的均衡优化原则。
最后，连通性方面。供应链连通性的提升意味着节点间物质流、信息流与资金流的协同效率突破空间与制度约束。数字供应链依托云计算平台与产业互联网架构，构建了多层级、多维度的交互网络，其核心在于通过数据要素的边际成本趋零特性，实现资源流动的规模经济与范围经济。从网络效应视角看，数字技术的渗透不仅强化了既有节点间的连接强度(强连通)，更通过API接口标准化与模块化设计，降低了新节点接入的边际成本(弱连通扩展)。这种“核心—边缘”网络结构的演化，使得供应链在遭遇局部冲击时，能够通过替代路径激活与冗余连接调用，显著提升网络的连通韧性。
本文引入了Relate×Time×Share、Relate×Time×Duration和Relate×Time×Triangle三个关键变量。Share(额度占比)代表上(下)游企业采购额(或销售额)占总采购额(或总销售额)的比率，反映了供应链中其他企业与关键节点之间的经济联系强度或依赖关系。Duration(持续期)则衡量了上下游企业与关键节点供应关系的持续时间，体现了供应链的稳定性。Relate×Time×Triangle考察供应链网络中“完全三角形”结构的稳定性对供应链韧性的影响。如果三个节点之间都有连接，则这样的结构被称为“完全三角形”的齐美尔连接，Triangle记为1，在网络分析中被认为更具有连通性。表 4显示了调节效应检验的结果，无论是否添加控制变量，结果均表明关键节点数字供应链建设对上下游供应链韧性的影响会受到节点供应链网络依赖性、稳定性和连通性的影响。
表 4 调节效应检验结果变量 (1) (2) (3) (4) (5) (6) 韧性 韧性 韧性 韧性 韧性 韧性 Relate×Time×Share 0.002* 0.008** (0.001) (0.003) Relate×Time×Duration 0.003* 0.021*** (0.002) (0.007) Relate×Time×Triangle 0.020** 0.020** (0.009) (0.009) 控制变量 不控制 控制 不控制 控制 不控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 4 878 4 878 R2 0.814 0.815 0.813 0.814 0.852 0.852 2 中介机制检验
本文进一步验证前文理论部分提出的假设，即关键节点的数字化转型通过促进新质生产力质量的提升和改善外部供应链环境，从而增强了供应链上下游企业的韧性。为了深入分析这一过程，本文采用了四个中介变量：上下游企业的数字化转型程度、对关键节点企业专利的引用数量、应收账款周转天数以及信息交换效率。
一是新质生产力质量提升的作用。一方面，关键节点企业通过其数字化转型，促进了数字技术在合作企业间的扩散与传播。为量化这一效应，本文利用文本分析法构建了数字化转型程度的指标，并进行了检验。表 5中列(1)显示，关键节点的数字供应链建设显著促进了上下游企业的数字化程度，这支持了本文的理论预期。另一方面，关键节点企业的专利被上下游企业引用，是知识和技术溢出的一种体现，有助于这些企业进行数字化转型。本文使用上下游企业对关键节点企业专利的引用数量来衡量这一效应。表 5中列(2)显示，关键节点的数字供应链建设显著促进了上下游企业对关键节点专利的引用，这进一步验证了本文的假设。
表 5 中介效应检验结果变量 (1) (2) (3) (4) 新质生产力扩散1 新质生产力扩散2 外部环境改良1 外部环境改良2 Relate×Time 21.431** 0.445** -1.239** 0.445** (9.585) (2.074) (-2.065) (2.074) 控制变量 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 R2 0.753 0.772 0.752 0.776 二是外部供应链环境改良的作用。关键节点的数字供应链建设不仅提升了上下游企业的数字化水平，还改善了其资金流和信息流。为量化这一效应，本文采用了应收账款周转天数和信息交换效率两个指标。应收账款周转天数反映了企业供应链上的资金流改善水平。表 5中列(3)显示，关键节点的数字供应链建设对应收账款周转天数有显著的负向影响，表明资金流得到了改善。信息交换效率则通过供应链透明度来衡量，反映了企业所处的供应链信息环境。表 5中列(4)显示，关键节点的数字供应链建设显著提高了信息交换效率，表明信息流也得到了改善。
综上所述，关键节点的数字化转型对供应链上下游企业韧性的提升作用具体体现在新质生产力质量提升和外部供应链环境改良两个方面，证明了假设2和假设3成立。
五 异质性分析
1 企业层面异质性分析
本文进一步探讨关键节点供应链数字化建设对上下游供应链韧性影响的企业异质性。为此，将样本按照企业高科技特征进行分组，分别为高科技企业和非高科技企业②；将样本按照企业的数字化程度进行分组，分别为数字化空间位置高的企业和数字化空间位置低的企业③；将样本按照企业的上市时间的中位数进行分组，分别为非成熟期企业和成熟期企业。
首先，在高科技企业的组织框架内，数字供应链的效能提升本质上源于其技术基础与创新生态的深度耦合，并依托数字技术实现了研发端、生产端与需求端三维数据贯通，形成动态能力重构的微观基础。技术赋能作用使企业能够在供应链扰动事件中快速启动冗余节点激活程序，利用弹性生产网络对冲外部冲击。此外，从创新经济学视角看，高科技企业的知识溢出效应更易通过数字接口向上下游扩散，形成基于技术标准化的韧性增强路径，特别是在装备制造、半导体等研发密集型产业表现得尤为显著。
其次，位于数字化生态核心节点的企业，其供应链韧性提升源于网络外部性与数据资本化的双重驱动。这类企业通过数字平台构建了多边市场结构，形成对供应链资源调配的拓扑控制权。物联网传感器与智能算法的深度应用，使其能够实时捕获供应链网络的脆弱性分布，并通过预测性维护和智能补货系统实现风险的前置管理。此外，从交易成本理论视角，数字供应链的模块化设计降低了上下游企业的专用性资产投入，而基于大数据的信用评估体系则缓解了道德风险问题，使核心企业能够以较低的边际成本扩展供应链弹性边界，形成抵御系统性风险的生态化能力。
最后，上市时间较长的企业在数字供应链建设中的优势，根植于其制度惯性与资本结构的双重特性，特别是证券市场的信息披露淬炼，形成了成熟的合规管理体系与投资者监督机制，为其数字化改造提供了稳定的预期环境。同时，从委托代理角度出发，公开市场的融资渠道使其能够承担数字供应链所需的沉没成本投入，而机构投资者的长期持股偏好则支持韧性建设的战略性投资。
表 6结果显示，在高科技、数字化空间位置高和成熟企业中，关键节点数字供应链建设对上下游供应链韧性的影响更强，验证了上述结论的成立。
表 6 企业属性异质性分析结果变量 (1) (2) (3) (4) (5) (6) 高科技企业 非高科技企业 数字化空间位置高企业 数字化空间位置低企业 非成熟期企业 成熟期企业 Relate×Time 0.115* 0.011 0.052** 0.021 0.009 0.047** (0.062) (0.025) (0.024) (0.033) (0.174) (0.020) 控制变量 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 N 1 061 3 569 781 3 822 2 016 2 478 R2 0.887 0.819 0.764 0.802 0.867 0.682 2 产业链层面异质性分析
本文进一步从供应链的地理维度出发，深入探讨关键节点数字供应链建设对上下游企业供应链韧性的影响，特别是在供应链半径及地理区位方面的异质性。为此，本文根据上下游企业的平均距离均值以及是否在同一城市或省份将样本分组，分别进行了回归分析。
在传统供应链体系中，上下游企业的地理距离扩展将系统性地提升交易成本弹性系数，具体表现为物流时间窗口的敏感性增强、质量信号传递的衰减效应加剧以及契约执行的监督成本非线性攀升。根据威廉姆森资产专用性理论，跨区域交易中形成的双边依赖关系将产生准租金耗散风险，这种空间维度上的交易摩擦使得供应链网络呈现出脆弱性特征。尤其在突发事件冲击下，地理分散性会放大长鞭效应的传导幅度，造成供需匹配效率断崖式下降。此时，数字技术的嵌入通过构建虚拟化信息通道，能够有效突破地理约束对供应链弹性的刚性限制。特别地，地理距离的扩展迫使企业突破本地化知识边界，在数字平台构建的虚拟集聚空间内形成知识溢出的新通道，并在技术扩散过程产生正外部性，使供应链网络的整体韧性提升幅度超越个体技术投入的简单加总，形成系统性抗风险能力的质变。回归结果如表 7所示，结果表明地理位置越远，关键节点数字供应链建设对上下游供应链韧性的影响越大。
表 7 链属性异质性分析结果变量 (1) (2) (3) (4) (5) (6) 距离小 距离大 非同一城市 同一城市 非同一省 同一省 Relate×Time -0.015 0.031* 0.062** 0.009 0.062** 0.011 (0.038) (0.018) (0.031) (0.036) (0.031) (0.036) 控制变量 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 N 4 209 411 3 169 1 433 3 021 1 571 R2 0.812 0.677 0.808 0.775 0.808 0.779 3 区域层面和产业层面异质性分析
本文也对关键节点数字供应链建设对供应链韧性的影响在区域和产业属性不同的上下游企业间的异质性进行了检验。
一方面，虚拟集聚通过数字化平台实现跨时空资源整合，有效降低信息不对称引致的协调成本。根据交易成本理论，当企业嵌入高密度虚拟网络时，数字技术的渗透性创新能够突破传统供应链的线性传导路径，形成多中心分布式决策结构，在应对外部冲击时可通过网络拓扑重构实现风险分散。此外，虚拟集聚产生的知识溢出效应加速了供应链各节点的技术同构化进程，使得韧性提升措施具有更强的系统兼容性。另一方面，位于产业链高端的核心企业凭借技术标准制定权和市场势力，能够主导数字供应链的技术扩散路径。根据动态能力理论，产业链位置高的企业更容易借助数字化投资形成“技术—数据—决策”三位一体的控制中枢，实现供应链流程的实时可视化和弹性调度，促使上下游企业形成技术依附关系，客观上也加速了数字技术的垂直扩散。
本文使用电子商务交易额和信息技术服务收入指标对地区虚拟集聚的水平进行了测度，表征了虚拟集聚的“空间虚拟性”和“贸易数字化”[17, 23]。虚拟集聚的具体计算模型为：
sait=(sit/ait)/(st/at) (6) 其中，sait表示地区i第t年的虚拟集聚水平，sit表示地区i第t年电子商务交易额和信息技术服务收入，st表示全国第t年电子商务交易额和信息技术服务收入，ait代表地区i第t年第三产业生产总值，at代表全国第t年第三产业生产总值[36]。
本文根据产业链上下游关系将企业划分为产业链位置高(上游)的企业和产业链位置低(下游)的企业。表 8报告了基于不同虚拟集聚程度和产业链位置分组的样本回归结果，结果表明在虚拟集聚程度大和产业链位置高的企业中，关键节点数字供应链建设对上下游供应链韧性的影响更大。
表 8 区域和产业属性异质性分析结果变量 (1) (2) (3) (4) 虚拟集聚程度大 虚拟集聚程度小 产业链位置高 产业链位置低 Relate×Time 0.065** 0.029 0.110** -0.000 (0.032) (0.022) (0.046) (0.025) 控制变量 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 N 1 667 2 674 2 023 2 662 R2 0.677 0.304 0.828 0.753 六 进一步分析
上文探讨了供应链数字化政策对中小企业供应链韧性的直接影响。为了更全面地理解这一政策的经济效应，有必要进一步考察其扩散效应以及对更广泛供应链网络结构的影响。复杂网络理论的应用为本文提供了深入理解供应链网络拓扑结构、脆弱性和关键节点等特性的工具，这些特性也影响着新质生产力在供应链网络中的流通效率与效果[29, 37-39]。
一方面，在复杂网络理论框架下，供应链系统可建模为包含核心企业、供应商、分销商的多层嵌套网络。传统供应链中存在的长鞭效应源于多级节点间的信息时滞与决策偏差，而区块链、物联网等技术的应用实现了全链路数据的可追溯性与透明化，使得企业间形成了更紧密的契约关系网络，从而直接强化了上下游企业间的协同韧性，由此产生的正外部性传导也改变了整个产业网络的弹性特征。
另一方面，从模块化分工视角审视，供应链网络本质上是多个功能子群的有机整合。传统供应链中，各子群因信息壁垒形成的“孤岛效应”导致交易成本居高不下，直接表现为子群直径(即子群内最远两节点间的路径长度)的过度延伸。数字供应链通过标准化数据接口与开放式API平台，实现了跨子群的资源整合与流程再造，使得原材料采购、生产排程、库存管理等环节的响应时滞大幅缩短。这意味着系统在遭遇冲击时具有更多冗余路径选择，从而能够显著提升供应链的稳定性与恢复力，其倒逼效应将迫使二级、三级供应商同步改进生产柔性，形成全链路的韧性增强闭环。
1 供应链数字化政策的扩散效应
为了探究供应链数字化政策能否在更广泛的供应链网络中产生扩散效应，本文构建了一个邻接矩阵，用于反映企业之间的直接关系。在此基础上，本文定义了中心企业的子网络社区，该社区由与中心企业有直接关联(即存在直接边或关系)的企业构成。接着，设定网络半径为分析参数，分别构建了半径为1和2的子网络社区。在半径为1的社区中，仅包含与中心企业有直接关系的企业；而在半径为2的社区中，则进一步包括了这些直接关联企业的邻近企业。通过将半径为2的企业纳入实验组，观察供应链数字化政策对供应链韧性影响的扩散效应，结果见表 9中列(1)。可见，随着网络半径的增加，即考察范围从中心企业直接关联的企业扩展到其邻近企业的两层关系网络时，虽然影响程度有所减弱，但供应链数字化政策对供应链韧性的正向影响仍然显著。
表 9 扩散效应与子网络密度分析结果变量 (1) (2) 进一步的扩散效应 子网络社区的密度 Relate×Time 0.188** 0.046** (0.078) (0.021) 控制变量 控制 控制 时间固定效应 控制 控制 城市固定效应 控制 控制 N 4 363 4 681 R2 0.813 0.828 2 子网络社区密度
除了考察扩散效应外，本文还对每个关键节点企业的子网络社区进行了更深入的结构分析。具体而言，先计算子网络社区的密度，即网络中实际存在的边数与可能存在的最大边数的比值，以反映社区内企业间联系的紧密程度；再计算每个子网络社区的平均紧密性，该指标通过测量网络中节点之间的最短路径长度并取其倒数来反映信息传递的效率。通过对这些网络结构特征的考察，进一步观察供应链数字化政策对中心企业及围绕其构建的供应链网络的影响，结果见表 9中列(2)。可见，供应链数字化政策对子网络社区的密度和平均紧密性均有显著正向影响。
五. 结论与启示
本文运用社会网络分析方法，通过构造2008—2022年沪深A股上市企业的动态供应链网络，实证检验了关键节点企业数字供应链建设对上下游企业供应链韧性的影响。研究结果表明，关键节点的数字供应链建设能够促进上下游的新质生产力发展和改善上下游的供应链环境，从而提升供应链上下游的供应链韧性，这一结论在有效性检验、稳健性检验等一系列检验后依旧成立。调节机制检验表明，关键节点数字供应链建设对上下游供应链韧性的影响会受到节点企业供应链网络依赖性、稳定性和连通性的影响。异质性分析表明，在高科技、高数字空间位置、成熟期的企业中，以及与关键节点距离较近、位于虚拟集聚程度较大和产业链较高位置的企业中，关键节点的数字供应链建设对上下游的供应链韧性的提升效果更为明显。进一步分析表明，数字化政策不仅直接提升了中心企业的供应链韧性，还能够在一定程度上通过扩散效应惠及更广泛的供应链网络；数字化政策不仅促进了中心企业与直接关联企业之间的紧密联系，还通过优化供应链网络结构，提高了信息传递的效率，从而增强了整个供应链网络的韧性。基于此，本文提出三点政策建议。
第一，深入探讨和实施一系列政策，促进关键节点企业供应链的数字化转型。这包括但不限于投资于先进的信息技术基础设施，培训员工掌握必要的数字技能，以及制定鼓励创新和采用新技术的激励措施。第二，上下游企业理解和利用关键节点企业供应链数字化带来的转型机会至关重要。构建一个开放、透明的信息共享机制，加强与供应链上下游企业的合作，优化供应链管理，有利于进一步提升自身新质生产力，提高供应链的灵活性和适应性，增强供应链韧性。第三，在提升上下游供应链的效率和协同性的同时，也要采取措施，确保整个供应链系统的韧性和适应性。这包括建立更加灵活的物流网络，制定应对突发事件的预案，以及加强与供应商和分销商之间的沟通和协作等，确保在面对市场波动或外部冲击时，整个供应链能够迅速调整并保持稳定运行。
本文基于动态供应链网络分析框架，揭示了关键节点数字供应链建设对提升上下游供应链韧性的传导机制及异质性特征，为理解数字技术赋能供应链网络优化提供了新的理论视角与经验证据。当前研究仅聚焦于数字供应链通过新质生产力发展与供应链环境优化提升韧性的核心路径，但技术扩散的微观动力机制仍待解构，未来可进一步构建包含网络外部性、知识溢出与制度协同的多层次理论框架，探讨数字技术如何在供应链网络中形成规模效应与正反馈循环。
① 我国对供应链数字化建设极为重视，通过商务部等8个部门推动相关试点工作，以数字化为核心任务，致力于培育现代供应链的新增长点。随着数字化进程的加快和对供应链安全稳定的关注，供应链数字化能够增强供应链的风险抵御能力，确保其安全稳定。试点工作旨在推进供应链数字化和韧性建设，以推动供给侧结构性改革。试点工作在多个层面展开，包括城市和企业，并取得了显著成效，如企业数字化投入的增加。试点工作强调了供应链的数字化属性，通过智慧供应链体系的建设来提升产业协同和智能化水平。这一举措对我国经济发展具有重要意义。试点工作被视为供应链数字化的一次尝试，实证检验了供应链数字化对供应链韧性的积极影响。此外，在整理样本数据时发现，2020年，商务部依据试点工作考核准则，取消了8家试点企业资格，因此本文剔除了被取消试点资格的A股上市企业。
② 高科技企业是指那些以技术创新为主要驱动力的企业，如互联网、软件、生物等行业的企业。非高科技企业是指那些以传统生产方式为主要特征的企业，如农业、制造业、服务业等行业的企业。
③ 企业数字技术方面的无形资产包括软件、数据库、数字技术专利、商标等，本文根据样本数量中位数将样本划分为数字空间位置高的企业和数字空间位置低的企业。
-
表 1 描述性统计
变量名称 定义 观测值 平均值 标准差 最小值 最大值 韧性 供应链韧性综合指数 4 681 1.333 4.51 0.001 35.014 企业资产规模 对企业总资产取自然对数 4 681 22.561 1.78 16.412 31.175 市场价值 托宾Q值 4 681 1.950 2.138 0.641 106.132 总资产利润率 净利润/总资产期末余额 4 681 0.041 0.058 -0.212 0.197 企业管理水平 管理费用/营业收入 4 681 0.104 0.906 0.001 48.327 风险承担水平 行业均值调整的总资产净利润的三期滚动标准差 4 681 0.046 0.061 -0.192 0.222 资产负债率 负债期未余额/总资产期末余额 4 681 0.500 2.430 0.011 178.345 
下载: 导出CSV
表 2 基准回归结果
变量 (1) (2) (3) (4) 韧性 韧性 韧性 韧性 Relate×Time 0.039** 0.203*** 0.039** 0.223*** (0.019) (0.063) (0.019) (0.073) 企业规模 -0.173** -0.206** (0.072) (0.087) 市场价值 0.102 0.056 (0.091) (0.067) 总资产利润率 -7.005 -6.907 (5.723) (5.765) 企业管理水平 -0.070 -0.029 (0.157) (0.124) 风险承担水平 5.742 5.975 (4.938) (4.969) 资产负债率 -0.040 -0.028 (0.058) (0.052) Constant 1.072*** 4.836*** 1.072*** 5.641*** (0.010) (1.622) (0.000) (1.968) 韧性 韧性 韧性 韧性 控制变量 不控制 控制 不控制 控制 时间固定效应 控制 控制 控制 控制 地区固定效应 不控制 不控制 控制 控制 企业固定效应 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 R2 0.801 0.802 0.813 0.814 注：*、* *、* * *分别表示在10%、5%、1%的水平上显著，括号内为稳健标准误。下表同。
下载: 导出CSV
表 3 稳健性检验结果
变量 (1) (2) (3) (4) (5) 更换测度方法 调整控制变量 替换被解释变量 剔除部分样本 韧性缩尾 Relate×Time 0.154*** 0.181** 0.154*** 0.223*** 0.122** (0.056) (0.074) (0.059) (0.073) (0.061) 控制变量 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 地区固定效应 控制 控制 控制 控制 控制 企业固定效应 控制 控制 控制 控制 控制 N 4 878 4 878 4 878 4 048 4 878 R2 0.796 0.814 0.821 0.814 0.813
下载: 导出CSV
表 4 调节效应检验结果
变量 (1) (2) (3) (4) (5) (6) 韧性 韧性 韧性 韧性 韧性 韧性 Relate×Time×Share 0.002* 0.008** (0.001) (0.003) Relate×Time×Duration 0.003* 0.021*** (0.002) (0.007) Relate×Time×Triangle 0.020** 0.020** (0.009) (0.009) 控制变量 不控制 控制 不控制 控制 不控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 4 878 4 878 R2 0.814 0.815 0.813 0.814 0.852 0.852
下载: 导出CSV
表 5 中介效应检验结果
变量 (1) (2) (3) (4) 新质生产力扩散1 新质生产力扩散2 外部环境改良1 外部环境改良2 Relate×Time 21.431** 0.445** -1.239** 0.445** (9.585) (2.074) (-2.065) (2.074) 控制变量 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 N 4 878 4 878 4 878 4 878 R2 0.753 0.772 0.752 0.776
下载: 导出CSV
表 6 企业属性异质性分析结果
变量 (1) (2) (3) (4) (5) (6) 高科技企业 非高科技企业 数字化空间位置高企业 数字化空间位置低企业 非成熟期企业 成熟期企业 Relate×Time 0.115* 0.011 0.052** 0.021 0.009 0.047** (0.062) (0.025) (0.024) (0.033) (0.174) (0.020) 控制变量 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 N 1 061 3 569 781 3 822 2 016 2 478 R2 0.887 0.819 0.764 0.802 0.867 0.682
下载: 导出CSV
表 7 链属性异质性分析结果
变量 (1) (2) (3) (4) (5) (6) 距离小 距离大 非同一城市 同一城市 非同一省 同一省 Relate×Time -0.015 0.031* 0.062** 0.009 0.062** 0.011 (0.038) (0.018) (0.031) (0.036) (0.031) (0.036) 控制变量 控制 控制 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 控制 控制 N 4 209 411 3 169 1 433 3 021 1 571 R2 0.812 0.677 0.808 0.775 0.808 0.779
下载: 导出CSV
表 8 区域和产业属性异质性分析结果
变量 (1) (2) (3) (4) 虚拟集聚程度大 虚拟集聚程度小 产业链位置高 产业链位置低 Relate×Time 0.065** 0.029 0.110** -0.000 (0.032) (0.022) (0.046) (0.025) 控制变量 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 城市固定效应 控制 控制 控制 控制 N 1 667 2 674 2 023 2 662 R2 0.677 0.304 0.828 0.753
下载: 导出CSV
表 9 扩散效应与子网络密度分析结果
变量 (1) (2) 进一步的扩散效应 子网络社区的密度 Relate×Time 0.188** 0.046** (0.078) (0.021) 控制变量 控制 控制 时间固定效应 控制 控制 城市固定效应 控制 控制 N 4 363 4 681 R2 0.813 0.828
下载: 导出CSV
-
[1] 习近平. 国家中长期经济社会发展战略若干重大问题[EB/OL]. (2020-10-31)[2024-12-15]. http://www.qstheory.cn/dukan/qs/2020-10/31/c_1126680390.htm. [2] 洪银兴, 王坤沂. 新质生产力视角下产业链供应链韧性和安全性研究[J]. 经济研究, 2024, 59(6): 4-14. [3] 周密, 郭佳宏, 王威华. 新质生产力导向下数字产业赋能现代化产业体系研究——基于补点、建链、固网三位一体的视角[J]. 管理世界, 2024, 40(7): 1-26. [4] 余东华, 马路萌. 新质生产力与新型工业化: 理论阐释和互动路径[J]. 天津社会科学, 2023(6): 90-102. [5] 魏龙, 蔡培民, 潘安. 供应链冲击、多元化战略与企业发展韧性——来自中国重大自然灾害的证据[J]. 中国工业经济, 2024(9): 118-136. doi: 10.3969/j.issn.1006-480X.2024.09.007 [6] EL KORCHI A. Survivability, resilience and sustainability of supply chains: the COVID-19 pandemic[J]. Journal of cleaner production, 2022, 377: 134363. doi: 10.1016/j.jclepro.2022.134363
[7] 王淑瑶, 汤吉军, 刘达. 供应链网络中客户企业数字化转型的扩散效应及其作用机制[J]. 中国流通经济, 2024, 38(8): 87-99. [8] 谷城, 张树山, 刘赵宁. 物流业智慧化对企业绩效的影响与机制——基于供应链韧性视角[J]. 中国流通经济, 2024, 38(7): 87-100. [9] 李永波, 赵高才, 刘静. 供应链创新试点能强化企业新质生产力的同群效应吗?——一项准自然实验[J]. 金融理论与实践, 2024(5): 1-19. [10] 唐隆基, 潘永刚, 张婷. 工业互联网赋能供应链数字化转型研究[J]. 供应链管理, 2020, 53(1): 53-77. [11] 刘海建, 胡化广, 张树山, 等. 供应链数字化与企业绩效——机制与经验证据[J]. 经济管理, 2023, 45(5): 78-98. doi: 10.3969/j.issn.1671-0975.2023.05.018 [12] 刘海建, 胡化广, 张树山, 等. 供应链数字化的绿色创新效应[J]. 财经研究, 2023, 49(3): 4-18. [13] 黄宏斌, 张玥杨, 许晨辉. 供应链数字化能促进链上企业间的融通创新吗——基于智慧供应链政策的准自然实验[J]. 当代财经, 2023(8): 134-145. [14] 张树山, 胡化广, 孙磊, 等. 供应链数字化与供应链安全稳定——一项准自然实验[J]. 中国软科学, 2021(12): 21-30. doi: 10.3969/j.issn.1002-9753.2021.12.003 [15] 张树山, 谷城. 供应链数字化与供应链韧性[J]. 财经研究, 2024, 50(7): 21-34. [16] 王鹏, 陈蝶欣. 数字中国、高质量发展与中国式现代化: 逻辑关系、作用机制与创新路径[J]. 华南师范大学学报(社会科学版), 2023(5): 189-203. https://journal-s.scnu.edu.cn/article/id/883ba049-45d1-481d-8e4c-78136340f97f [17] 戴翔, 张雨, 刘星翰. 数字技术重构全球价值链的新逻辑与中国对策[J]. 华南师范大学学报(社会科学版), 2022(1): 116-129. https://journal-s.scnu.edu.cn/article/id/4d31f7f2-e367-437a-a0ce-e6e43d523047 [18] 陈剑, 黄朔, 刘运辉. 从赋能到使能——数字化环境下的企业运营管理[J]. 管理世界, 2020, 36(2): 117-128. [19] 杜勇, 娄靖, 胡红燕. 供应链共同股权网络下企业数字化转型同群效应研究[J]. 中国工业经济, 2023(4): 136-155. [20] 王露宁, 朱海洋. 大型供应链企业数字化转型规划与实施路径[J]. 中国流通经济, 2022, 36(4): 79-88. [21] 巫强, 姚雨秀. 企业数字化转型与供应链配置: 集中化还是多元化[J]. 中国工业经济, 2023(8): 99-117. [22] 邵明堃, 马冬妍, 全胡洋, 等. 供应链数字化——从"链"到"网"的嬗变[J]. 企业管理, 2022(5): 66-71. [23] 孙兰兰, 钟琴, 祝兵, 等. 数字化转型如何影响供需长鞭效应?——基于企业与供应链网络双重视角[J]. 证券市场导报, 2022(10): 26-37. [24] 王少华, 王敢娟, 董敏凯. 供应链网络位置、数字化转型与企业全要素生产率[J]. 上海财经大学学报, 2024, 26(3): 3-17. [25] 吴群, 韩天然. 数字化能力对平台型电商企业创新生态系统韧性的提升机制研究[J]. 当代财经, 2023(12): 81-93. [26] PAVLOV A, PAVLOV D, ZAKHAROV V. Possible ways of assessing the resilience of supply chain networks in conditions of unpredictable disruptions[J]. Ifac papersonline, 2019, 52(13): 1283-1288.
[27] BIRKIE S E, TRUCCO P, CAMPOS P F. Effectiveness of resilience capabilities in mitigating disruptions: leveraging on supply chain structural complexity[J]. Supply chain management-an international journal, 2017, 22(6): 506-521.
[28] IVANOV D. Digital supply chain management and technology to enhance resilience by building and using end-to-end visibility during the COVID-19 pandemic[J]. Ieee transactions on engineering management, 2021, 71(7): 10485-10495.
[29] CHEN J, WEN H. The application of complex network theory for resilience improvement of know-ledge-intensive supply chains[J]. Operations management research, 2023, 16(3): 1140-1161.
[30] 宋冬林, 刘甫钧, 丁文龙. 企业数字化转型与供应链韧性: 基于社会网络分析视角[J]. 东南大学学报(哲学社会科学版), 2024, 26(5): 47-60. [31] 李云鹤, 蓝齐芳, 吴文锋. 客户公司数字化转型的供应链扩散机制研究[J]. 中国工业经济, 2022(12): 146-165. [32] 李金城. 工业智能化的产业链韧性提升效应: 理论机制与经验证据[J]. 改革, 2024(7): 80-94. [33] 陶锋, 王欣然, 徐扬, 等. 数字化转型、产业链供应链韧性与企业生产率[J]. 中国工业经济, 2023(5): 118-136. [34] 宫晓云, 权小锋, 刘希鹏. 供应链透明度与公司避税[J]. 中国工业经济, 2022(11): 155-173. [35] 杨志强, 唐松, 李增泉. 资本市场信息披露、关系型合约与供需长鞭效应——基于供应链信息外溢的经验证据[J]. 管理世界, 2020, 36(7): 89-105. [36] 张青, 茹少峰. 新型数字基础设施促进现代服务业虚拟集聚的路径研究[J]. 经济问题探索, 2021(7): 123-135. [37] DIXIT V, VERMA P, TIWARI M K. Assessment of pre and post-disaster supply chain resilience based on network structural parameters with CVaR as a risk measure[J]. International journal of production economics, 2020, 227: 107655.
[38] OU C, PAN F, LIN S. Cascade failure-based identification and resilience of critical nodes in automotive supply chain networks[J]. Sustainability, 2024, 16(13): 5514.
[39] SÁ M M, MIGUEL P L S, BRITO R P, et al. Supply chain resilience: the whole is not the sum of the parts[J]. International journal of operations & production management, 2020, 40(1): 92-115.
计量
- 文章访问数: 24
- HTML全文浏览量: 17
- PDF下载量: 4
