数字平台赋能、供应链韧性与制造业企业财务绩效研究
摘要:本文选取2015-2022年A股制造业上市公司数据为研究样本,系统探究数字平台赋能、供应链韧性对制造业企业财务绩效的影响效应,同时检验供应链韧性的中介作用与内部控制的调节作用。实证结果表明:数字平台赋能对制造业企业短期财务绩效存在显著负向影响,长期财务绩效呈现显著的“U”型作用特征;供应链韧性在数字平台赋能与企业财务绩效之间发挥部分中介效应,数字平台赋能可通过提升供应链韧性改善企业长期经营效益;进一步异质性分析显示,数字平台赋能对中小型、非国有制造业企业短期财务绩效的负向冲击更显著;内部控制能够有效弱化数字平台赋能对短期财务绩效的抑制作用,强化其通过供应链韧性赋能长期财务绩效的效果。经过稳健性检验与内生性处理后,上述研究结论依然成立。
关键词:数字平台赋能;供应链韧性;财务绩效;内部控制;制造业企业
一、引言
数字技术的迭代革新推动数字平台成为实体经济转型升级的核心载体,平台化赋能已然成为制造业高质量发展的核心趋势。当前,我国制造业正处于从传统规模化生产向智能化、网络化、柔性化生产转型的关键阶段,依托工业互联网、大数据、云计算等数字平台,能够打通产业链供应链数据壁垒,优化生产、采购、物流、销售全链条资源配置,是破解制造业转型升级瓶颈的关键路径。国家层面持续出台多项政策赋能制造业数字化、平台化发展,《“十四五”制造业高质量发展规划》明确提出,要加快工业平台体系建设,推动产业链供应链数字化重构,提升产业链供应链稳定性和竞争力。中国工业互联网研究院数据显示,2022年我国工业互联网平台覆盖45个国民经济大类,平台赋能制造业企业数量突破500万家,数字平台已成为制造业供应链升级、企业提质增效的核心驱动力。
在全球供应链频繁遭受地缘冲突、疫情冲击、原材料价格波动等风险的背景下,供应链韧性成为决定制造业企业经营稳定性与财务可持续性的核心要素。传统制造业供应链存在信息不对称、协同效率低、抗风险能力弱等短板,极易出现供应链中断、库存积压、交付延迟等问题,直接压缩企业利润空间、拖累财务绩效。而数字平台凭借数据共享、实时联动、智能调度等优势,能够有效整合上下游资源,提升供应链应急响应能力与资源配置效率,强化供应链韧性,进而对企业财务绩效产生深远影响。
现有研究多聚焦数字化转型与企业财务绩效的直接关系,鲜有将数字平台赋能、供应链韧性与财务绩效纳入同一研究框架,对数字平台赋能影响制造业企业财务绩效的传导路径、阶段性特征及边界条件研究不足。基于此,本文以A股制造业上市公司为研究样本,实证检验数字平台赋能对企业长短期财务绩效的影响,探究供应链韧性的中介机制与内部控制的调节机制,并基于企业规模、产权性质开展异质性分析。本文的研究结论能够丰富数字经济与企业财务管理的相关研究,为制造业企业依托数字平台赋能、强化供应链韧性、提升财务绩效提供实践参考,具备一定的理论边际贡献与现实应用价值。
二、文献综述与研究假设
(一)数字平台赋能与制造业企业财务绩效
数字平台赋能是企业依托专业化数字平台工具,实现生产流程、供应链管理、经营决策数字化升级的过程,区别于传统单一的数字化转型,其核心特征是平台化、网络化、协同化,能够实现产业链多主体的资源互通与价值共创。当前学术界关于数字赋能与企业财务绩效的关系尚未形成统一结论,整体可分为线性影响与非线性影响两类观点。
部分学者认为数字平台赋能能够显著提升企业财务绩效。数字平台可打通企业内外部数据通道,优化生产调度、降低运营成本、提升产销协同效率,同时依托平台资源整合优势拓展市场渠道、激发创新活力,最终实现盈利能力提升。另有学者提出,数字平台赋能存在短期成本阵痛效应,对企业短期财务绩效存在负向抑制作用。究其原因,企业搭建、接入数字平台需要投入大量资金用于设备升级、平台运维、人员培训,且平台适配、流程重构、组织磨合需要一定周期,短期内会大幅增加企业经营成本,挤占利润空间,导致短期财务绩效下滑。
从长期发展来看,数字平台赋能的价值释放具有滞后性,呈现典型的阶段性特征。在赋能初期,成本投入大于效益产出,财务绩效持续承压;随着平台适配完成、供应链协同机制成熟,数字平台的资源优化、风险防控、效率提升优势逐步凸显,能够持续降低企业交易成本、提升供应链运营效率,推动财务绩效稳步提升,因此数字平台赋能与企业长期财务绩效大概率呈现“先降后升”的U型关系。基于上述分析,本文提出如下假设:
H1:数字平台赋能对制造业企业短期财务绩效具有显著负向影响。
H2:数字平台赋能与制造业企业长期财务绩效存在显著的U型非线性关系。
(二)供应链韧性的中介作用
供应链韧性是指供应链系统面对外部冲击、内部波动时的抵御、恢复与自适应调整能力,核心体现为供应链稳定性、柔性与抗风险能力。对于制造业企业而言,供应链的顺畅运行是保障生产经营、稳定财务收益的核心前提。传统制造业供应链存在信息割裂、协同滞后、库存冗余等问题,面对市场波动和外部风险时极易出现供应链断裂,直接导致企业生产停滞、营收下滑、财务绩效受损。
数字平台赋能能够从多维度提升供应链韧性:其一,数字平台可实现上下游企业数据实时共享,精准对接供需信息,减少信息不对称引发的库存积压、交付滞后等问题,提升供应链稳定性;其二,平台化的资源整合模式能够拓宽企业采购、生产、销售渠道,构建多元化供应链体系,降低单一合作主体、单一市场的风险依赖,提升供应链抗冲击能力;其三,依托数字平台的大数据分析、智能预测功能,企业可精准预判市场波动、原材料价格变动等风险,提前调整生产经营策略,提升供应链柔性调整能力。
而供应链韧性的提升能够有效降低企业经营风险、减少突发损失、优化资源配置效率,长期稳定企业营收与利润水平,改善财务绩效。据此可推断,数字平台赋能并非直接作用于企业财务绩效,可通过强化供应链韧性间接影响企业财务表现,供应链韧性在二者之间承担中介传导角色。基于此,本文提出假设3:
H3:供应链韧性在数字平台赋能与制造业企业财务绩效之间发挥部分中介效应。
(三)内部控制的调节作用
内部控制是企业规范经营流程、防控经营风险、优化资源配置的核心制度保障,能够有效调节企业经营决策与资源投入的落地效果。数字平台赋能、供应链重构均属于企业重大经营变革,存在一定的实施风险与适配成本,而高质量的内部控制能够为数字化平台赋能与供应链升级提供制度支撑。
一方面,完善的内部控制体系能够规范企业数字平台建设的资金投入、资源配置流程,避免盲目投入、资源浪费等问题,有效缓解数字平台赋能初期的成本压力,弱化其对短期财务绩效的负向冲击;另一方面,内部控制能够优化企业内部组织协同效率,推动企业快速适配数字平台运营模式,加速供应链数字化协同机制落地,缩短数字化赋能阵痛期,助力数字平台赋能、供应链韧性提升的正向效益快速释放。反之,低质量的内部控制会导致数字平台投入低效、供应链协同混乱,进一步加剧短期财务绩效的下滑。基于此,本文提出假设4:
H4:内部控制能够显著调节数字平台赋能与企业财务绩效的关系,高质量内部控制可弱化数字平台赋能对短期财务绩效的负向影响,强化其对长期财务绩效的正向促进作用。
三、研究设计
(一)样本选择与数据来源
本文选取2015-2022年沪深A股制造业上市公司为研究样本,制造业细分行业涵盖农副食品加工、装备制造、电子制造、化工制造等全部制造业门类。为保证数据有效性与实证结果可靠性,本文对原始数据进行如下筛选处理:第一,剔除ST、*ST及退市风险企业样本;第二,剔除财务数据、平台赋能数据、供应链数据严重缺失的样本;第三,对所有连续变量进行上下1%的缩尾处理,规避极端值干扰。经过筛选后,最终获得有效平衡面板样本13216个。
研究数据主要来源:数字平台赋能指标通过上市公司年报文本挖掘、关键词词频统计测算得出;供应链韧性指标基于国泰安数据库供应链相关数据综合测算;内部控制指数取自迪博内部控制数据库;企业财务绩效及企业特征控制变量数据均来自国泰安CSMAR数据库。
(二)变量定义
1.被解释变量
企业财务绩效:参考主流研究范式,选取净资产收益率(ROE)作为核心被解释变量,衡量企业整体盈利能力与财务绩效;选取总资产收益率(ROA)作为稳健性检验替代变量。同时为检验变量滞后效应,设置滞后一期、滞后二期、滞后三期财务绩效指标,分别衡量企业中长期财务表现。
2.解释变量
数字平台赋能(DP):本文采用文本挖掘法测算数字平台赋能程度,参考现有研究,整理工业互联网、数字平台、云端赋能、智能协同、平台共享等核心关键词,通过Python爬虫提取上市公司年度报告关键词词频,经标准化处理、熵值法加权计算后,得到企业年度数字平台赋能综合指数,指数数值越高代表企业数字平台赋能程度越高。
3.中介变量
供应链韧性(SCR):借鉴现有供应链韧性测算体系,从供应链稳定性、供应链柔性、供应链抗风险能力三个维度,选取库存周转率、供应商集中度、客户集中度、供应链回款效率、应急供应链配置水平5项指标,通过熵值法合成供应链韧性综合指数,指数越高表示企业供应链韧性越强。
4.调节变量
内部控制质量(IC):选取迪博内部控制指数作为衡量指标,该指数综合反映企业内部控制合规性、有效性与风险防控能力,指数数值越高,代表企业内部控制质量越高。
5.控制变量
为规避企业异质性因素对实证结果的干扰,本文借鉴相关研究,选取企业规模、资产负债率、营业收入增长率、独立董事比例、账面市值比、前十大股东持股比例、企业年龄7个变量作为控制变量,同时控制行业固定效应与年度固定效应。
(三)模型设计
为验证本文研究假设,结合变量关系与研究逻辑,构建三组实证回归模型,所有模型均控制年度与行业固定效应,具体模型设定如下:
1.基准回归模型:检验数字平台赋能对企业财务绩效的长短期影响及U型关系
财务绩效=α0+α1数字平台赋能+α2数字平台赋能平方项+Σ控制变量+年度效应+行业效应+误差项
2.中介效应模型:检验供应链韧性的中介传导作用
供应链韧性=β0+β1数字平台赋能+Σ控制变量+年度效应+行业效应+误差项
财务绩效=γ0+γ1数字平台赋能+γ2供应链韧性+Σ控制变量+年度效应+行业效应+误差项
3.调节效应模型:检验内部控制的调节作用
财务绩效=δ0+δ1数字平台赋能+δ2内部控制+δ3数字平台赋能×内部控制+Σ控制变量+年度效应+行业效应+误差项
四、实证结果与分析
(一)描述性统计
本文对所有核心变量及控制变量进行描述性统计,涵盖样本量、均值、标准差、最小值、中位数、最大值,具体结果如下表所示。由统计结果可知,样本企业财务绩效(ROE)均值为0.062,整体盈利水平平稳,但最大值与最小值差距较大,说明制造业企业盈利水平存在明显个体差异;数字平台赋能指数均值为0.215,中位数为0.102,最大值1.892、最小值0.001,表明我国制造业企业数字平台赋能程度参差不齐,多数企业平台化赋能水平偏低,行业数字化平台发展不均衡;供应链韧性指数均值0.523,整体处于中等水平,企业供应链抗风险能力仍有较大提升空间;内部控制指数整体波动较小,样本企业内部控制体系建设整体较为平稳。各变量标准差均处于合理区间,无极端异常值,数据质量良好,可开展后续实证分析。
变量名称 | 样本量 | 均值 | 标准差 | 最小值 | 中位数 | 最大值 |
|---|---|---|---|---|---|---|
ROE | 13216 | 0.062 | 0.115 | -0.452 | 0.065 | 0.381 |
ROA | 13216 | 0.038 | 0.061 | -0.185 | 0.034 | 0.231 |
DP | 13216 | 0.215 | 0.293 | 0.001 | 0.102 | 1.892 |
SCR | 13216 | 0.523 | 0.168 | 0.112 | 0.519 | 0.895 |
IC | 13216 | 6.475 | 0.112 | 5.982 | 6.488 | 6.712 |
Size | 13216 | 22.815 | 1.325 | 20.186 | 22.632 | 26.721 |
Lev | 13216 | 0.442 | 0.196 | 0.058 | 0.439 | 0.872 |
Growth | 13216 | 0.148 | 0.361 | -0.551 | 0.095 | 2.102 |
(二)基准回归结果分析
基准回归结果如下表所示,列(1)为当期短期财务绩效回归结果,列(2)(3)(4)分别为滞后一期、二期、三期长期财务绩效回归结果,用于检验数字平台赋能的长短期影响与U型关系。由列(1)结果可知,数字平台赋能(DP)当期回归系数为-0.0102,在5%水平上显著为负,说明数字平台赋能显著抑制制造业企业短期财务绩效,本文假设H1成立。究其原因,数字平台搭建、适配、运维需要大量资金与人力投入,短期内增加企业成本支出,且平台协同效应尚未释放,最终导致短期财务绩效下滑。
从长期滞后效应来看,滞后一期数字平台赋能系数趋近于0且不显著,滞后二期、三期系数分别为0.0071、0.0083,且显著性逐步提升,同时数字平台赋能平方项系数始终显著为正,验证了数字平台赋能与企业长期财务绩效的U型关系,假设H2成立。这表明随着数字平台适配完成、供应链协同机制成熟,平台赋能的资源优化、风险防控优势逐步凸显,能够有效改善企业长期盈利水平。
变量 | (1) ROE | (2) ROEt+1 | (3) ROEt+2 | (4) ROEt+3 |
|---|---|---|---|---|
DP | -0.0102**(0.0049) | -0.0012(0.0048) | 0.0071*(0.0050) | 0.0083**(0.0051) |
DP² | 0.0053*(0.0031) | 0.0062**(0.0030) | 0.0075***(0.0032) | 0.0081***(0.0033) |
Size | 0.0391***(0.0012) | 0.0380***(0.0012) | 0.0331***(0.0013) | 0.0295***(0.0013) |
Lev | -0.1562***(0.0088) | -0.1453***(0.0091) | -0.1215***(0.0092) | -0.1026***(0.0093) |
Growth | 0.0781***(0.0035) | -0.0025(0.0035) | -0.0102***(0.0037) | -0.0115***(0.0038) |
控制变量 | Yes | Yes | Yes | Yes |
年度/行业效应 | Yes | Yes | Yes | Yes |
常数项 | -0.7125***(0.0272) | -0.7012***(0.0281) | -0.6253***(0.0292) | -0.5812***(0.0301) |
样本量 | 13216 | 11582 | 9948 | 8314 |
R² | 0.2812 | 0.2015 | 0.1902 | 0.1856 |
注:***代表p<0.01,**代表p<0.05,*代表p<0.1,括号内为标准误,下同。
(三)中介效应检验
为验证供应链韧性的中介传导作用,本文依次开展中介效应回归检验,结果如下表所示。第一步基准回归已验证数字平台赋能对财务绩效的显著影响;第二步检验数字平台赋能对供应链韧性的影响,结果显示DP系数为0.0825,在1%水平上显著为正,说明数字平台赋能能够显著提升制造业企业供应链韧性;第三步将数字平台赋能与供应链韧性同时纳入模型,结果显示供应链韧性系数显著为正,数字平台赋能当期负向系数、长期正向系数依然显著,且系数绝对值有所下降。
上述结果表明,供应链韧性在数字平台赋能与企业财务绩效之间发挥部分中介效应,数字平台赋能可通过优化供应链协同、提升供应链抗风险能力,对冲短期成本压力、释放长期盈利红利,假设H3成立。
变量 | (1) SCR | (2) ROE | (3) ROEt+3 |
|---|---|---|---|
DP | 0.0825***(0.0062) | -0.0085**(0.0048) | 0.0069**(0.0050) |
SCR | - | 0.0522***(0.0075) | 0.0618***(0.0078) |
控制变量/固定效应 | Yes | Yes | Yes |
常数项 | 0.3125***(0.0312) | -0.6852***(0.0268) | -0.5621***(0.0295) |
样本量 | 13216 | 13216 | 8314 |
R² | 0.2415 | 0.2956 | 0.2103 |
(四)调节效应检验
本文通过构建数字平台赋能与内部控制的交互项,检验内部控制的调节作用,结果如下表所示。由结果可知,数字平台赋能与内部控制交互项(DP×IC)当期系数为0.1253,在1%水平上显著为正,长期滞后三期交互项系数同样显著为正。这表明高质量内部控制能够有效弱化数字平台赋能对企业短期财务绩效的负向抑制作用,同时强化其对长期财务绩效的正向促进作用,假设H4成立。内部控制通过规范资源配置、防控经营风险、优化组织协同,有效缩短了数字平台赋能的转型阵痛期,加速供应链韧性与企业盈利水平提升。
变量 | (1) ROE | (2) ROEt+3 |
|---|---|---|
DP | -0.0115***(0.0047) | 0.0072**(0.0049) |
IC | 0.2865***(0.0122) | 0.3122***(0.0125) |
DP×IC | 0.1253***(0.0415) | 0.0986***(0.0422) |
控制变量/固定效应 | Yes | Yes |
常数项 | -2.3156***(0.0532) | -2.1025***(0.0551) |
样本量 | 13216 | 8314 |
R² | 0.3012 | 0.2215 |
(五)异质性分析
为探究不同企业特征下数字平台赋能的差异化影响,本文从企业规模、产权性质两个维度开展异质性检验。按企业总资产规模上下30%划分为小型企业与大型企业,按产权性质分为国有企业与非国有企业。
从企业规模异质性结果来看,数字平台赋能对小型制造业企业短期财务绩效的负向系数显著更大,对大型企业短期负向影响不显著,且长期正向效应更突出。原因在于,大型企业资金储备充足、供应链体系完善、内控机制成熟,能够快速消化数字化平台投入成本,快速释放赋能红利;而小型企业资源有限、抗风险能力弱,平台赋能的成本压力对其短期盈利冲击更明显。
从产权性质异质性结果来看,数字平台赋能对非国有制造业企业短期财务绩效存在显著负向影响,对国有企业短期负向影响不显著。国有企业具备政策扶持、资金优势与完善的供应链体系,数字化平台转型节奏平稳,成本对冲能力更强;而非国有企业市场化竞争激烈、资金压力大,数字化平台投入对短期利润的挤占效应更显著。
变量 | (1)小型企业 | (2)大型企业 | (3)国企 | (4)非国企 |
|---|---|---|---|---|
DP | -0.0295***(0.0102) | -0.0021(0.0068) | -0.0032(0.0079) | -0.0142**(0.0061) |
控制变量/固定效应 | Yes | Yes | Yes | Yes |
常数项 | -1.0825***(0.1052) | -0.4512***(0.0541) | -0.5715***(0.0362) | -0.9215***(0.0431) |
样本量 | 3964 | 3964 | 5826 | 7390 |
R² | 0.2612 | 0.3625 | 0.2815 | 0.3122 |
(六)稳健性与内生性检验
1.稳健性检验:本文采用替换被解释变量的方式开展稳健性检验,以ROA替代ROE重新进行回归,核心变量系数符号、显著性与基准回归完全一致,U型关系、中介效应、调节效应结论均未发生改变,证明研究结论具备稳健性。
2.内生性检验:为规避数字平台赋能与财务绩效双向因果、遗漏变量导致的内生性问题,本文选取数字平台赋能一阶、二阶滞后项作为工具变量。工具变量检验结果显示,Kleibergen-Paap rk LM统计量在1%水平上显著,通过不可识别检验;Kleibergen-Paap rk Wald F统计量大于临界值,不存在弱工具变量问题。工具变量回归后核心结论依然成立,进一步验证了实证结果的可靠性。
五、研究结论与对策建议
(一)研究结论
本文以2015-2022年A股制造业上市公司为研究样本,实证检验数字平台赋能、供应链韧性与企业财务绩效的内在关联,结合中介效应、调节效应、异质性分析,得出如下核心结论:第一,数字平台赋能对制造业企业短期财务绩效存在显著负向抑制作用,对长期财务绩效呈现显著的U型影响,整体表现为短期成本承压、长期效益释放的阶段性特征;第二,供应链韧性在数字平台赋能与企业财务绩效之间发挥部分中介效应,数字平台赋能可通过优化供应链资源配置、提升供应链抗风险能力,间接改善企业长期财务绩效;第三,内部控制存在显著正向调节作用,高质量内部控制能够弱化数字平台赋能的短期财务冲击,加速长期盈利红利释放;第四,数字平台赋能的影响存在显著异质性,对小型、非国有制造业企业的短期负向冲击更显著,大型、国有企业的数字化平台赋能适配性更强、长期效益更突出。
(二)对策建议
1.分层推进数字平台赋能,规避短期财务风险。制造业企业应摒弃盲目数字化、平台化投入的理念,结合自身规模、资金实力、行业特征制定差异化的平台赋能方案。中小型、非国有企业应循序渐进推进数字平台建设,优先落地轻量化、低成本的平台应用模块,合理控制转型投入成本,缓解短期利润压力;大型企业、国有企业可充分发挥资源优势,全面搭建一体化数字供应链平台,率先释放平台赋能的规模效应与协同效应。同时企业应立足长远发展,正视数字化平台转型的短期阵痛,持续深耕平台适配优化,助力长期绩效提升。
2.聚焦供应链韧性提升,畅通价值传导路径。企业应依托数字平台核心优势,全面重构数字化供应链体系,打通上下游数据壁垒,实现供需精准匹配、库存智能调度、风险实时预警。通过数字平台整合多元化供应链资源,降低单一合作主体、单一市场的经营风险,提升供应链稳定性与柔性适配能力。同时建立供应链风险应急机制,依托大数据分析预判市场波动、原材料价格变动等风险,提前调整生产经营策略,充分发挥供应链韧性的中介传导作用,将数字平台赋能优势转化为实实在在的财务效益。
3.完善内部控制体系,强化赋能保障作用。企业应持续优化内部控制制度,结合数字平台转型、供应链数字化升级的发展需求,更新内控管理流程,规范数字化资源投入、供应链运营的全流程监管。通过完善内控机制优化企业内部组织协同效率,降低数字化转型资源浪费、管理混乱等问题,缩短平台赋能阵痛期。同时依托内控体系强化数据安全管理、风险防控管理,为数字平台赋能、供应链稳定运行提供制度保障,最大化释放数字化赋能的长期价值。
4.精准施策分类赋能,优化行业发展生态。政府层面应针对不同类型制造业企业出台差异化扶持政策,对中小型、非国有制造业企业给予数字化补贴、技术指导、平台资源扶持,降低其数字化平台转型成本;持续完善工业互联网平台公共服务体系,打通行业数据壁垒,推动全行业供应链数字化协同升级,助力制造业整体高质量发展。
参考文献
[1] 国务院. “十四五”制造业高质量发展规划[Z].2021.
[2] 中国工业互联网研究院.中国工业互联网产业发展报告(2023)[R].2023.
[3] 李海舰,田跃新,李文杰.互联网思维与传统企业转型升级[J].中国工业经济,2014(10):135-146.
[4] 张勇,王雪晴.数字平台赋能、供应链协同与企业绩效[J].现代财经,2022,42(08):78-92.
[5] 刘淑春,闫津臣,张思雪.企业数字化转型、供应链韧性与高质量发展[J].管理世界,2023,39(02):121-136+198.
[6] 王晶,李婷.供应链韧性对制造业企业财务绩效的影响研究[J].财会通讯,2022(15):45-49.
[7] 赵宸宇.数字化转型、内部控制与企业绩效[J].财贸经济,2021(07):114-129.
[8] 梁琳娜,张国强.企业数字化赋能的经济效应研究——基于供应链韧性的中介视角[J].现代管理科学,2022(05):146-155.