邱钰雯，白 冰 （江苏师范大学 商学院，江苏 徐州 221116）

0 引 言

在数字技术的驱动下，我国数字经济水平不断提升，经济在其推动下高速发展。根据中国信息通信研究院2021 年发布的《中国数字经济发展白皮书》显示，2020 年我国数字经济规模达到了39.2 万亿元，占GDP 的比重为38.6%，对于疫情之下的经济复苏起到重要地推动作用。然而这使得企业所处的环境波动加剧，企业的静态能力不再主导竞争优势，需要提升自己的动态能力并且向周围汲取所需资源以应对复杂的环境变化。此时，企业供应链的优势尤为重要。制造业作为国民经济的支柱行业，其供应链关系主要包括客户关系和供应商关系。适度且牢固的供应链关系能够有效帮助制造业企业应对供应链断裂风险，提升供应链优势，实现可持续发展。因此，本研究基于数字经济的背景，考察制造业企业动态能力对供应链关系的具体影响，旨在为制造业企业进行供应链决策时提供理论性指导。

1 理论分析与研究假设

1.1 动态能力对供应链关系的影响

动态能力理论一直是企业管理领域的研究热点，学者们的定义各不相同，但主要是与应对环境变化以及整合能力有关。Martin 和Eishendart（2010） 认为动态能力是获取、整合、释放资源这三方面的能力体现。基于动态能力视角，企业可以突破静态视角的资源基础观，对自身所拥有的资源、能力与所处的环境进行动态整合，能够最大范围地获取并整合资源。企业可以通过自身的动态能力来获取与自身价值相关的市场信息，以减少信息不对称问题，从而增强企业市场竞争力。当动态能力不足时，企业会对供应链产生依赖；但是动态能力提升后，企业可以发挥自身的动态能力，主动对外传递信息，以避免潜在客户和供应商低估自身的价值，进而提升潜在客户和供应商对企业价值的预期。这有利于增加企业建立供应链关系的选择范围，降低企业的供应链集中度，促进企业在供应链关系中形成竞争优势。并且动态能力能够增强企业的学习能力，使得企业能够通过自身的供应链来扩大对上下游合作伙伴的学习效应，降低对供应链的依赖度。

基于以上分析，企业在形成足够的动态能力之前，较为依赖自身供应链；企业在形成足够的动态能力之后，会降低对供应链关系的依赖程度，增加供应链合作伙伴的选择范围，最终使得企业的供应链集中度有所降低。因此提出假设1：企业的动态能力与供应链集中度呈倒U 型关系。

1.2 数字经济发展水平的调节作用

数字经济时代为企业发展带来了一系列数字技术，促进企业发展的同时也倒逼企业的转型升级，使得企业需要对自身资源和外界资源进行整合利用。企业所处地区的数字经济发展水平不同，对企业带来的影响不同。但是数字经济的发展水平会对企业的供应链关系产生一定的影响。数字经济下，数字技术的应用使得企业能够更加从容应对复杂多变的周边环境，给企业带来更多的客户与供应商资源选择，促进企业供应链重构。企业所处地区的数字经济发展水平越高，企业面临的竞争越激烈。在此环境下，企业想要降低对供应链的依赖，就需要形成更高强度的动态能力。因此，本文将数字经济发展水平与企业自身的动态能力相结合，综合考察数字经济发展水平的负向调节作用。

学习评价系统要求学生在考试系统中进行自我模拟测试与阶段性检测，检测知识点的学习掌握情况，也同时为学生的学习评价提供依据，学生需要在教师设置的截止日期之前完成测试，成功提交答案后平台会自动进行评分与反馈，逾期就不给予提交。授课教师可以及时了解学生的学习情况，并对测试成绩不理想的学生进行及时干预和辅导。学习评价系统中的自我测试成绩，作业和实验成绩，阶段性检测成绩及学生在平台讨论区的参与度等，均可以作为对学生学习进行评价的重要组成部分[5]。

2 研究设计

2.1 研究样本选取和数据来源

采用P·O 42.5级水泥；砂为普通河砂；石子为碎石，粒径5-15 mm；试验用水为自来水；硅粉由山东博肯硅材料有限公司生产，SiO2含量95%，比表面积23 m2/g。

针对控制变量而言，企业规模的最大值和最小值相差较小，标准差小于1，说明在创业板上市的制造业企业规模差异较小。制造业企业存续年份经过对数化处理后，标准差仅为0.289，最大值与最小值相差较小，说明制造业企业年龄具有较小的差异。企业议价能力的最小值接近于0，最大值接近0.5，说明创业板制造业企业的议价能力差异较大。

2.2 变量定义和测度

本文研究的数据类型属于面板数据，因此需要通过相关检验来确定所使用的面板数据类型，进而确定相关检验方法。本文首先对样本数据进行F 检验和Hausman 检验，均拒绝原假设，即不适用混合截面模型、随机效应模型，因此选择对样本数据进行固定效应回归分析。首先不考虑制造业企业所处地区数字经济发展水平的调节作用，进行模型（1） 的检验。然后加入制造业企业所处地区数字经济发展水平的调节项，进行模型（2） 的检验。回归结果如表3 和表4 所示。

根据前面选取的指标数据，本文对已处理好的数据进行描述性分析，结果如表1 所示。从描述性分析的结果看，大多数指标的差距都较大，可见制造业企业具体情况差距较大。就衡量供应链关系的供应链集中度而言，其最小值与最大值相差较大，最小值接近0，最大值接近1，说明创业板制造业企业供应链集中度差异较大。制造业企业的动态能力最小值为负数，说明部分企业的动态能力较弱。对于制造业企业所处地区的数字经济发展水平而言，对数化处理后使得数据更有利于分析，并且标准差较大，说明地区间的数字经济发展水平有一定的差异。

高校和社会合作方的合作往往比较随意，由于合作方领导层人员的变动等原因，有可能导致合作项目流失、搁浅，甚至被取消。合作机制往往停留在口头协议、框架协议上，很难进入合同协议、制度协议等层面，有可能导致合作时有时无、前途不定。

控制变量：为准确地研究动态能力对供应链集中度的影响，需要对其他影响供应链集中度的变量进行控制。本研究将企业规模(siz e )、企业年龄(ag e )、企业议价能力(price )作为控制变量，其中企业规模用企业资产的对数进行衡量，企业年龄用现在年份与成立年份差值的对数进行衡量。参考吉利和陶存杰（2019） 使用企业在行业中的相对市场份额作为企业议价能力的代理变量，即每个企业的年度销售额在行业内所有企业的年度销售额之和中的占比，并且鉴于占比的测量数据较小，将其以百分号为单位进行数据分析。

2.3 研究方法与研究模型

本文建立了制造业企业动态能力与供应链集中度之间的回归模型以及考虑数字经济发展水平的调节作用的回归模型，具体如下：

3 实证分析与结果

3.1 描述性统计分析

解释变量：动态能力dtn( )l 。大多数研究通过设计问卷对动态能力进行测量，数据存在一定的主观片面性。本文参考赵凤等（2012） 和杨雪等（2019） 的研究，从动态能力应用于企业组织管理时所承担的功能角度，来考虑动态能力的衡量指标选择。动态能力包含了企业组织管理中的协调和整合能力、学习能力及重构能力，因此选择研发投入占比、本科以上员工占比以及资产报酬率3 个指标综合衡量企业的动态能力。在测量企业动态能力时，选择相关矩阵系数法确定各指标权重，将标准化的指标值及其权重乘积之和来度量企业动态能力。

表1 描述性统计

本文关于动态能力以及供应链集中度的衡量数据来源于国泰安数据库，关于制造业企业所处地区的数字经济发展水平的衡量数据来源于腾讯研究院发布的《中国“互联网+指数”（2016）》、《中国“互联网+”数字经济指数（2017）》、《中国互联网+指数报告（2018）》、《数字中国指数报告（2019）》。

3.2 多重共线性检验

调节变量：企业所在地区的数字经济发展水平szj( )j 。为了消除异方差的影响，对于获取的数字经济指数进行对数化处理。

表2 多重共线性检验

3.3 回归分析

在进行内江地区花萼湿地公园的交通系统布局设计时，应该充分结合当地的地形地貌进行设计。具体而言，在内江地区花萼湿地公园的中部，设计了用于行人及观光车辆通行的主干线，有效与城市化建设进行了结合。

表3 模型（1） 的固定效应回归结果

从表3 的回归结果中可以看到，动态能力二次项系数显著为负，说明动态能力对供应链集中度的影响先促进后抑制，呈现倒U 型变化，验证了假设1。这说明企业动态能力处于较低水平时，还不足以带动企业形成竞争优势，企业并不具备较强的学习能力，比较依赖供应链上下游伙伴，此时的供应链集中度会有所上升。由于本文的供应链集中度是基于前五大客户和前五大供应商计算出来的，进一步说明刚开始动态能力的提升使得企业比较依赖某几个客户和供应商，使得某几个客户和某几个供应商的比重提高，即供应链集中度会有所提高。倒U 型的函数图像达到顶点后，即企业动态能力达到能够形成企业竞争优势的水平时，它的提升会降低企业供应链集中度。这体现了企业足够的动态能力能够增强企业自身实力，能够减少企业对自身供应链的依赖。

从表4 的回归结果可以看出，将制造业企业所处地区的数字经济发展水平作为调节变量加入模型中，会进一步影响动态能力对供应链集中度的倒U 效应。调节变量以动态能力和数字经济的乘积形式呈现，该乘积的系数显著为负，说明数字经济发展水平在动态能力对供应链集中度的影响过程中起负向调节作用，验证了假设2。在形成足够的动态能力之前，企业依然依赖于某几个大客户和大供应商，造成供应链集中度的上升。然而，在数字经济发展水平的负向调节下，企业需要形成更多的动态能力，才能够减少对供应链的依赖，进而使得供应链集中度有所下降。

表4 模型（2） 的固定效应回归结果

3.4 稳健性检验

为了加强研究结果的可靠性，本文对被解释变量进行了变量替代，做进一步回归分析。考虑到供应链集中度可以选择以客户集中度和供应商集中度的算术平均数进行衡量，也可以以客户集中度和供应商集中度的几何平均数进行衡量，因此选择二者的几何平均数除以100 的结果作为被解释变量的另一个代理变量(gylgy)l ，对于考虑全面的模型（2） 再次进行固定效应回归分析。根据表5，可以看出稳健性检验的结果中各变量的回归系数符号与原固定效应回归结果一致，并且数值相差甚小，可以认为该稳健性检验结果与固定效应回归结果较为一致，回归模型较为适合。

表5 稳健性检验

4 结论与展望

本文利用2016～2019 年创业板制造业企业数据，探讨了企业动态能力对供应链关系的影响；并且利用2016～2019 年腾讯研究院发布的城市数字经济发展水平指数，进一步探讨数字经济背景下企业动态能力对供应链关系的影响。主要结论如下：企业动态能力对供应链集中度的影响呈倒U 型特征，在动态能力水平较低时能够提高企业的供应链集中度，在动态能力较高水平上能够降低企业的供应链集中度。制造业企业所处地区的数字经济发展水平能够对动态能力与供应链集中度之间的关系起到一定的负向调节作用。

基于以上结论，本文建议：第一，制造业企业应该提升自身的协调能力、学习能力及重构能力，进而形成足够多的动态能力，以应对复杂多变的外在环境。企业凭借动态能力形成敏锐的资源洞察力，扩大供应链上下游合作伙伴的选择范围，在做大做强自身的同时不过分依赖某几个客户及供应商，形成较为分散的供应链关系，即形成较低的供应链集中度。第二，制造业企业应该主动抓住数字经济蓬勃发展的时代机遇，形成自身的数字机会识别能力、数字技术应用能力，提升自己的竞争力，获取潜在供应商和潜在客户的价值认同，并且提高对现有供应商和现有客户资源的整合能力，从而进一步提高自身的动态能力。第三，制造业企业应该与供应链上下游合作伙伴建立良好关系，并且对潜在客户及供应商有拓展意识，努力降低企业的供应链集中度，以应对供应链断裂风险，达到分散风险的目的。制造业企业应该有意识地避免过分依赖大客户以及大供应商，应及时拓宽销货与进货渠道，避免形成较高的供应链集中度。