供应链集中度对企业创新的影响研究：基于研发投入的中介作用

王 凤，丁 蓉

（云南大学 工商管理与旅游管理学院，昆明 650500）

创新是企业获取竞争优势的关键方法，而技术创新则是企业保持创新的根本。随着技术的进步，内部资源的高度开发以及竞争者的快速发展，企业在培育竞争力的时候需要从企业所在的整体供应链上挖掘自身的竞争优势。现今，企业越来越重视供应链上的合作，供应商和客户在合作创新中扮演着不可替代的重要角色。

从现有文献看，研究者多从供应商和客户参与、供应链协同、同业联系、议价能力、市场地位和资源配置的角度分析供应链与企业创新的关系。如马文聪等提出，供应商参与技术创新和客户参与技术创新对创新绩效均有显著的正向影响，且技术复杂性对供应商参与技术创新与创新绩效间关系有显著的调节作用[1]；周水银等指出，供应链协同正向作用于产品创新、过程创新，且中小企业和大型企业的影响程度有所不同[2]；杨蔚宁等运用274份企业调研数据进行实证检验，结果表明供应链创新与应用式创新的关系为正U型，与探索性创新的关系为倒U型[3]；郑登攀等利用中国134家上市公司4年的面板数据进行回归分析，得出客户议价能力的不断提高导致企业的技术创新绩效呈U型变化，且有助于减弱供应商议价能力的负向影响的结论[4]；吉利等对A股制造业企业的研究发现，客户集中度越高，企业的创新业绩越好，但供应商集中度只在较低区间内才对企业创新业绩有正向影响[5]；朱姗姗分析沪深A股制造业上市公司的样本数据发现，企业的市场地位越高，供应商集中度提高对创新造成的抑制作用越不显著，而客户集中度对企业创新的促进作用则会得到强化[6]；王淑英等对498家高新技术企业的截面数据进行研究，发现在创新资源配置中研发资金配置和人力资源配置均显著正向调节供应链集成与企业技术创新绩效的关系[7]。但已有的研究鲜有从研发投入的角度，分析供应链集中度与企业创新的动态关系。

基于以上分析，笔者运用163家在创业板上市的高新技术企业的面板数据，从技术研发的角度，动态地分析供应链集中度对企业创新的影响，及研发投入在两者中的中介作用，以期为企业的供应链管理提供相关的理论参考。

一、理论基础与研究假设

（一）理论基础

1.创新理论

约瑟夫·熊彼特提出，创新是“以生产要素和生产条件重新组合的方式来构建一个新的生产函数”，即不同要素和条件的有机组合形成创新。从创新类型上看，可以分为产品创新、技术创新、市场创新、资源配置创新和制度创新[8]，本文对于企业创新的研究主要关注技术创新，即以技术创新程度来衡量企业创新水平。

2.利益相关者理论

弗里曼认为，利益相关者是可以对企业目标的实现产生影响或者受到企业目标实现的影响的个人或者群体，包括对企业拥有所有权的股东、供应商、债权人、消费者、雇员等有经济依赖的伙伴，以及政府、媒体、社区等社会利益群体，当然也包括受企业经营活动间接影响的自然环境、人类后代等[9]。本文主要关注供应链集中度对企业创新的影响，即分析供应商和客户这两个利益相关者对于企业创新产出的影响。

（二）研究假设

1.供应链集中度与企业创新

创新是不同要素、资源、知识的重新组合。不同供应商的资源可以为企业创新带来新的思路，促进企业不断改进生产流程和技术，提升企业创新能力。现有的文献表明，供应商集中度越低，数量越多，资源越丰富，企业的创新绩效就越好。Garcia-Vega以欧洲研发能力强的企业为研究对象，通过实证研究的方法探究技术多样性对企业创新的影响，结果表明：技术知识差异性越大，企业的专利产出越多[10]。Phelps运用实证研究的方法对1987—1997年全球通信制造联盟网中的77家企业进行研究，分析制造商不同的合作伙伴之间的技术差异对创新的影响，结果表明：技术的差异性显著正向影响企业创新[11]。基于此，本文提出以下假设：

H1：供应商集中度越低，企业创新越强。

2.客户集中度与企业创新

客户集中度越低，客户的数量越多，客户的差异性就越大。一方面，企业与不同的客户进行交流合作，有利于企业获得新产品开发的创意和发现新的市场机会；另一方面，客户的差异性可以帮助企业了解相关领域的技术发展趋势，从而促进企业加强技术能力，促进企业创新。Rodan等的实证研究表明，经理人可以通过客户的异质性网络获取相关的信息，从而提升企业经理人的创新绩效[12]。Suzuki等通过实证研究发现，客户异质性知识资源对企业创新绩效具有正向影响[13]。基于此，本文提出以下假设：

H2：客户集中度越低，企业创新越强。

3.研发投入的中介效应

任莉莉等基于实证研究发现，供应商集中度越高，企业研发投入越少[14]；吴祖光等以国内创业板上市公司为样本，实证研究了客户集中度对企业重要的战略性投资——研发投入的影响，结果表明客户集中度越高的企业，研发投入强度越低，说明客户集中不利于企业的研发投入[15]。据此，本文提出以下假设：

H3：供应商集中度越低，企业研发投入越大。

H4：客户集中度越大，企业研发投入越大。

研发投入的多少反映出企业对技术创新的重视程度，专利的研发需要资金和人力投入，是专利研发的基本保障。实证研究表明，研发投入的增加会带来技术创新的提高。张庭发通过对中小板上市企业的实证研究发现，研发投入对企业创新产出具有激励效应[16]；付永萍等在对战略新兴产业上司公司的研究发现，研发投入、对外直接投资对中国战略性新兴企业的创新能力具有显著促进作用[17]。

由此提出以下假设：

H5：企业研发投入在供应商集中度与企业创新的关系中起着中介作用。

H6：企业研发投入在客户集中度与企业创新的关系中起着中介作用。

二、研究设计

（一）样本选择与数据来源

本文选取中国2012年以前在创业板上市公司2013—2017年的数据作为研究样本。创业板市场孵化的企业大多是成立时间较短、规模较小、成长性较好的科技型企业，具有一定的创新能力。对于样本公司，本文按照以下标准对部分观测值进行剔除：（1）ST，PT公司；（2）研究期间内没有任何专利申请的。本文的研究数据主要来自于中国证监会指定的创业板信息披露网站（巨潮资讯网http：//www.cninfo.com.cn）上披露的上市公司的年度报告和国家知识产权局专利数据库等。最终的样本包含创业板163家上市企业2013—2017年的面板数据。

（二）变量定义及测量

1.因变量

本文从创新产出的角度测度创新产出，创新产出以公司专利申请数量进行测度。根据中国专利分类，专利可分为发明专利、实用新型专利和外观设计专利3种，其中发明专利的创新价值最高，实用新型专利次之，最后是外观设计专利。本文借鉴文献[18]、[19]，考虑3种专利创新价值的高低，主观分配3∶2∶1的权重，以3种专利加权总数加1的自然对数表示。由于创新产出具有滞后性，本文采用滞后1年的专利申请数量来衡量当年的企业创新能力（见表1）。

2.自变量

本文以供应链上下游企业的集中度来测度供应链的集成度，即供应商集中度和客户集中度，分别以年报披露的前5名客户的销售所占比例和前5名供应商采购所占比例来进行测度。

3.调节变量

本文以年报披露的研发投入占期初营业收入（RD_SALE）为调节变量。

4.控制变量

为了控制其他影响因素对企业创新效率的影响，本文在参考已有相关研究的基础上加入以下控制变量：公司规模（LNSIZE）[20]、资产负债率（LEV）、盈利能力（ROA）、企业成长性（GROW）。

表1 变量定义

图1 研究变量框架图

（三）模型构建

根据本文假设，建立如图1所示变量框架图。

本文的主要变量关系为：

三、实证结果与分析

（一）描述性统计

由表2可知：被解释变量企业创新（专利申请）LNPAT的最小值为0.693，最大值为6.452，均值为3.499，标准差为1.133，说明不同上市企业之间的创新产出存在较大的差距。解释变量供应商集中度的最小值和最大值分别为 0.011和 0.955，均值为0.362，标准差为 0.188；客户集中度的最小值和最大值分别为 0.037 和 0.958， 均值为 0.313， 标准差为0.182，说明不同企业的供应商集中度和客户集中度存在较大的差别。研发投入的最小值、最大值分别为0.029 和 0.896，均值为 0.240，表明了不同企业研发投入的力度有很大的差距。但是，公司规模、资产负债率、企业盈利能力等相关控制变量从均值、标准差、最小值和最大值来看差距较小，说明本文样本企业之间的公司规模、盈利能力等相差不大（见表2）。

（二）相关性分析

表3的数据初步说明供应链集中度与企业创新存在密切的关系：供应商集中度与企业创新呈显著负相关关系；客户集中度与企业创新之间呈负相关关系，但是不显著；供应商集中度与研发投入显著正相关，客户集中度与研发投入正相关，但相关性也不显著；研发投入与企业创新显著正相关。部分假设得到了初步检验。从表3可知，本研究变量之间的相关性系数均小于0.5，说明由这些变量构成的回归模型不存在严重的多重共线性问题。

表2 变量的描述性统计

表3 变量相关性分析

（三）回归分析

本研究应用SPSS24对样本数据进行了层次回归分析，总体的回归结果如表4所示。

1.主效应检验

从M3的回归分析结果可以看出，供应商集中度与企业创新显著负相关（β＝-1.043，P＜0.001；-1.113，P＜0.001），假设H1得到支持。说明供应商集中度越低，企业创新绩效越好，即企业可以通过降低供应商集中度，增加供应链上游的供应商数目，从而提高所接触供应商资源的异质性程度。供应商丰富的异质性资源，能够给企业带来有价值的专业知识、技术、信息资源，为企业创新提供驱动力。

从M4的回归分析结果可以看出，客户集中度与企业创新呈正相关关系，但不显著，假设H2未通过检验。从利益相关者角度来看，企业在进行技术创新时需考虑客户的需求，客户集中度低，说明客户越分散，越不利于企业集中资源进行技术创新。客户资源的分散将带来不同的需求，企业在进行技术创新时将资源分散在各个专利的研发上，不利于技术的创新、提高。此时假设H4、H6均不成立，模型M6和M8没有检验的必要。

2.中介效应检验

根据温忠麟的中介效应检验程序进行检验。首先，供应商集中度与企业创新显著相关，可以进行中介效应检验，需检验M5和M7的供应商集中度和研发投入的系数。从M5的回归结果可知，供应商集中度与研发投入显著正相关 （β＝-0.152，P＜0.001）；在M7中，研发投入与企业的创新正相关，且相关系数显著（β＝0.876，P＜0.001）。 其次，供应商集中度与企业创新负相关，且相关性显著（β＝-1.246，P＜0.001）。说明中介效应显著，且为部分中介，即研发投入在供应商集中度与企业创新的关系中起着部分中介作用，假设H5得到支持。

表4 层次回归分析结果

四、研究结论与建议

研究结果表明：（1）对创业板上市公司来说，供应商的集中度越低，即供应商数量越多，企业创新能力越强；客户集中度越低，客户数量越多，企业创新能力越强，但两者之间的关系不显著。（2）企业研发投入在供应商集中度与企业创新之间的关系均有部分中介效应，即供应商集中度通过研发投入的部分中介作用来影响企业创新。供应链集中度体现了核心企业的供应商和客户所拥有创新资源的差异性程度。在企业制定创新战略时，应当站在供应链的视角考虑供应商集中度和客户集中度等供应链要素对企业创新绩效的影响，特别是供应商的集中度。企业在选择供应商时，应该进行合理的供应链管理，在考虑成本和收益的前提下，保持适度的供应商集中度，有效控制供应商集中度对企业创新的负向影响。