王华慧 牟仁艳

(武汉理工大学管理学院，湖北 武汉 430070)

数字化这一概念早在1703年wilhelm在其出版物《explanation of binary arithmetic》中就得到了解释和设想。随着信息化、互联网的发展，学术界普遍认为数字化的属性跨越了学科、地域、文化以及实体和虚拟。结合已有研究，本文认为，数字化是一个难以用单一含义来阐述清楚的术语，类似于“自动化”“信息化”“工业化”等术语，它更多表现为数字技术发展及其应用的趋势和状态。

工业4.0是以智能制造为主导的第四次工业革命，数字技术是其重要的技术推动。关于数字化，已建立的测量尺度很少，可从工业4.0相关研究中得到启示。官方的工业4.0强调三个总体特征：价值网络的横向集成、工程价值链端到端数字集成及网络化制造系统。同时，结合remane将数字化成熟度分为数字化就绪度和数字化强度这一逻辑思路。本文关注数字化的三个方面：(1)装备数字化。(2)价值链数字化。(3)组织it能力。

三个方面分别侧重于数字化硬件能力、数字化强度及组织软能力。

组合技术演化理论是由arthur提出，该理论指出一切技术都是组合而来，新技术产生于已有技术的组合，组合驱动创新。有研究利用cte来解释新技术和创新是如何建立在以前技术基础上的，以及不同的组合如何能够带来新的价值创造途径。数字技术作为一种新技术，在企业研发框架中，可以通过和已有产品特定技术知识组合，加快新产品概念形成与设计。此外，数字技术可以实现产品生命周期管理相关技术的有效集成，长远来看，产品生命周期技术的改善会进一步提高创新绩效。基于此，本文假设：

h1：数字化可以促进制造业企业创新绩效的提高。

装备数字化反映了企业数字基础设施和基本条件的丰裕程度，是企业对于数字化的投入。

一方面，数字基础设施是开展数字化转型和创新的先决条件，发达的数字基础设施可以通过推动创新主体积极交流合作，优化资源配置等方式促进创新绩效的提升。另一方面，数字基础设施对应的企业需要在硬件、基础设施和软件方面进行大量固定资产投入，即其作为一种要素投入将会具有边际递减效应，当数字化的创新效应达到一定程度时，继续提高装备数字化水平会面临单位投资效用下降的风险。基于此，本文假设：

h1a：装备数字化与创新绩效之间呈倒“u”型关系。

价值链数字化包括横向价值链数字化和纵向价值链数字化，反映了企业将数字化集成到设计、采购、制造及营销等纵向价值链流程环节，以及与不同合作伙伴之间的横向价值链环节。纵向价值链的集成，即从产品的开发到生产，从销售到预测过程的数字化，其促进了产品-过程技术集成，这使得部门之间能够准确、及时地传播信息，从而提高产品技术含量和创新水平。横向价值链集成企业与合作伙伴、供应商和客户之间的交流与合作，数字化能够增进交流合作，推动合作创新。基于此，本文假设:

h1b：价值链数字化对创新绩效有显著正向影响。

组织it能力是组织对信息技术的理解和有效利用。赵付春等指出提升组织it能力可以积极影响创新绩效。同时，资源基础理论认为，具有价值性、难以模仿和替代的资源是企业维持竞争力的关键。数字经济时代，组织it能力与企业拥有的数据资源以及人力资本、企业文化、管理体制等互补资源相结合形成的独特能力正日益成为其创新发展的重要源泉。基于此，本文假设：

h1c：组织it能力对创新绩效有显著正向影响。

领军企业是一个非学术性概念，主要是指在细分领域能够实现市场突破、发挥行业引领与示范作用的企业，而这一特点与细分领域隐形冠军企业类似，故本文以湖北省已公布的前三批次制造业细分领域隐形冠军企业作为问卷发放对象，展开调研。问卷发放在相关主管部门的协助下采用线上发放和邮箱回收的形式进行。共计发放问卷1132份，回收277份，回收率为24.5%，剔除不可用数据和缺失数据，有效问卷259份，有效率为93.5%。

(1)被解释变量：创新绩效，为了克服单一专利指标衡量创新绩效的缺陷，本文借鉴阳银娟和陈劲开发的量表中对创新绩效的测量。

(2)解释变量：数字化，参考buer(2020)根据工业4.0特征提出的对制造业数字化三个方面的测量量表。

(3)控制变量：根据现有研究文献控制变量的相关研究，本文选取企业规模(企业员工总数)、企业年龄(企业成立年限)作为控制变量。

本文运用spss26.0和lisrel87软件进行信度和效度检验，结果得出，各因素的cronbach’s α值都大于0.70，组合信度(cr)均大于0.7，平均方差提取量(ave)大于0.5，表明量表具有较好的内部一致性和内聚效度。通过因子分析测量题项的结构效度，经kmo检验和bartlett球形检验，各变量的kmo值均满足大于0.6的标准，bartlett球形检验的显著性值均为0.000，小于0.01的标准，表明量表适合做因子分析。

本文通过pearson相关分析法对变量进行相关分析，得到研究变量的均值、标准差、相关系数如表1所示。

表1显示，各变量均值和标准差处于正常统计区间，数字化、创新绩效、政策变量间呈现出一定的相关关系，因此，可进行下一步的回归分析。

表1 研究变量的均值、标准差、相关系数

层次回归分析结果如表2所示。可知，模型1检验控制变量的影响。模型2表明，企业创新绩效与装备数字化无明显线性关系，而在模型3中加入装备数字化平方项(ed)，结果表明装备数字化平方项为系数为负，且显著(β=-0.009，p