【摘要】供应链是企业配置内外部创新资源的重要载体， 企业在供应链中的话语权对其创新行为及效果存在重要影响。本文以2015 ～ 2022年我国A股上市公司为样本， 探究企业供应链话语权对研发创新的影响。研究发现， 企业供应链话语权会显著提升其研发创新水平， 而环境不确定性发挥正向调节作用。异质性分析表明， 供应链话语权对研发创新的促进作用在融资约束程度较低、 战略性新兴产业以及成熟期企业中更为显著。研究结果丰富了企业供应链地位影响创新决策的相关理论， 为企业利用供应链关系提升研发创新水平、 促进创新产出提供了经验依据， 也为政府依托产业链配置创新链、 促进经济高质量发展提供了微观证据。
【关键词】供应链话语权；研发创新；环境不确定性；融资约束；企业生命周期
【中图分类号】 F272" " "【文献标识码】A" " " 【文章编号】1004-0994（2025）03-0040-7
一、 引言
供应链是企业进行资源配置和价值创造的重要载体， 涵盖了材料采购、 生产制造以及产品运输、 销售和服务的全过程， 涉及价值创造的各相互关联企业。链主企业是供应链中话语权最大的核心企业， 引领供应链整体的发展方向， 带动上下游企业共同发展， 提升供应链整体竞争力。党的二十大报告强调， 强化企业科技创新主体地位， 推动创新链产业链资金链人才链（“四链”）深度融合。企业创新需要供应链上各主体的协作配合， 企业与供应链合作伙伴的关系影响着创新资源的集聚效应和创新活动的开展， 供应链话语权则直接影响企业对链上创新资源的协调能力。话语权大的企业能更高效地整合供应链上的创新资源， 依托供应链优化资金链和人才链配置， 进而推动创新链的配置和发展， 更好地实现“四链”融合。伴随着大国博弈加剧及贸易摩擦升级， 全球产业链不断重塑， 企业面临着不确定性更高的经营环境。市场需求波动、 技术变革、 政策变化等环境变动对企业战略和经营决策产生了重要影响， 也影响着企业沿着供应链配置创新资源的方式及其效果。那么环境不确定性在供应链话语权与企业研发创新的关系中发挥了什么作用呢？基于此， 本文利用2015～2022年我国A股上市公司面板数据， 实证分析企业供应链话语权对研发创新的影响， 并进一步探究环境不确定性对二者间关系的调节作用。
本文可能的研究贡献集中在以下几点： ①丰富了企业供应链话语权对于创新资源配置和创新水平的影响的理论研究。区别于以往研究从供应链韧性、 稳定性方面考察供应链关系对企业创新资源投入及其效果的影响， 本文基于“四链”融合的角度， 分析供应链话语权如何影响企业创新资金的获取、 创新人才的激励与创新产出水平的提升。研究结论对于企业深化供应链管理、 优化创新资源配置、 提升市场竞争地位具有重要意义。②立足新质生产力的前沿视角， 深度挖掘不同产业类别企业的创新行为逻辑。聚焦不同融资约束程度、 新质生产力产业类别及企业生命周期情形下， 供应链话语权与企业研发创新的关系有何差异， 以期为企业量体裁衣、 制定精准适配战略提供理论指引。③研究结论也为政府依托产业链配置创新链， 加快“四链”融合、 构建新的发展格局、 实现经济高质量发展提供了微观证据。
二、 理论分析与假设提出
（一） 供应链话语权与企业研发创新的关系
供应链话语权以企业在供应链中的地位为基础， 能够反映企业的综合竞争力（李庭燎等，2016）， 是指企业主导链上各种商业行为的能力， 如议价能力、 对上下游企业的依赖程度、 替换主要供应商和客户的难易程度、 获取更多商业信用融资以及制定更有利于自身的商业信用条款的能力等（黄贤环等，2022）。李颖等（2023）研究发现， 供应链话语权具有资源效应及价值掠夺与风险效应。资源效应是指供应链话语权较大的企业在与链上各主体的博弈中处于有利地位， 不仅具有资源获取优势， 还能够整合供应链上的各项创新资源。价值掠夺与风险效应是指供应链话语权较大的企业不仅可以控制供应链中的价值流向和分配， 还能很好地识别和管理供应链风险。
企业研发创新受内外部各种因素的影响。一方面， 企业内部管理水平直接影响资源配置。管理层特质（杨林等，2018）和高管薪酬激励机制会直接影响企业的研发投入强度。另一方面， 供应链金融（Caniato等，2016）及企业集聚共享人才、 资源和基础设施的关联效应（韩峰和孙沛哲，2023）， 也推动着企业研发创新的发展。
关于供应链话语权对研发创新的影响研究， 以往文献对供应链话语权的中介作用进行了较多探讨。供应链话语权是企业ESG表现提升绿色创新效率的作用路径（彭百川等，2024）， 也是企业数字化转型促进企业实质性创新的重要渠道（肖翔等，2023）。虽然已有文献探究了供应链话语权对企业创新效率和创新质量的影响， 但研发创新需要企业不断投入资金和人员， 现有研究较少从资金链、 人才链角度讨论供应链话语权对研发创新的影响。在供应链条件下， 产品不再是终端企业的“独自产品”， 而是整个供应链的“合作产品”（殷俊明等，2014）。同样地， 创新也不再是企业独自创新， 而是整个供应链上企业的合作创新。供应链话语权大的企业能够引领上下游企业建立供应链动态联盟， 这种联盟关系不仅能为企业带来稳定的原料来源和资金支持（Fisman和Love，2003）， 提升研发的目标性和针对性， 其存在的知识溢出效应还可进一步促进合作创新收益的最大化（Petersen等，2003）。因此， 需要进一步从资金链和人才链的角度探究供应链话语权对研发创新的影响。
供应链话语权不同， 意味着企业在研发创新意愿、 面临的资金链和人才链等方面存在差异。首先， 话语权大的企业为实现高质量发展、 保持供应链优势地位， 往往有更强的意愿进行产品研发和创新（黄贤环等，2022；李庭燎等，2016）。议价能力强的企业能利用供应链更好地转嫁风险（殷俊明和姜乔，2021）， 这一风险转移能力会进一步激发其研发创新活力。其次， 供应链话语权越大， 企业占用上下游资金的能力越强， 商业信用水平也越高（黄贤环等，2022）， 而商业信用的收入效应和替代效应缓解了企业面临的融资约束， 为企业研发创新提供了资金支持。最后， 对外部知识资源的吸收是创新过程的关键， 而话语权大的企业能够从供应链上获取更多的外部知识资源， 促进供应链上下游协同创新， 并吸引人才流入和集聚， 发挥知识溢出效应（Acemoglu和Azar，2020；李庭燎等，2016）。可见， 供应链话语权大的企业更具创新人才优势。
基于此， 本文提出如下研究假设：
H1： 企业在供应链中的话语权越大， 越有利于自身研发创新水平的提升。
（二） 环境不确定性的调节效应
环境不确定性是指外界环境的动态性、 复杂性和不可预测性。环境不确定性往往会增加企业面临的生存压力和经营风险， 提高交易成本和加剧融资约束， 抑制企业研发创新。供应链关系作为一种替代市场和层级组织的资源配置与治理机制， 也会受到外部环境的影响（殷俊明等，2022）。当外部环境不确定性提升时， 供应商、 客户以及竞争对手的行为将更加难以预测， 这会影响供应链关系的稳定性。此时， 企业会倾向于实施保守策略以控制风险（Tang和Hull，2012）。受外部环境不确定性的影响， 链上所有企业受到供应链挤压效应的影响， 利润空间被大幅压缩。话语权较大的企业在挤压效应的影响下， 会缩减其研发投入。
然而环境不确定性也可能是一种机遇。一方面， 环境不确定性推动着市场和技术环境不断变化， 这会对企业发展提出新的要求。环境不确定性将刺激企业不断进行产品的研发升级和更新换代， 激发企业的创新活力， 推动企业加大研发投入以提升自身技术水平。另一方面， 面对环境不确定性时， 企业会更加重视对供应链资源的整合， 注重与供应链上其他企业间的交流与合作。在外部环境不确定性背景下， 企业会加速与链上企业构建共生系统， 并进行组织学习和开放式创新以促进知识共享（Li和Liu，2014）。这种协同创新不仅使得链上所有信息和资源的整合得到进一步优化， 还能促进话语权大的企业更好地发挥“龙头”“风向标”作用， 带动上下游企业共同进行技术创新， 加大研发投入力度， 进而提高供应链上企业整体的研发创新水平。
基于此， 关于环境不确定性对供应链话语权与研发创新之间关系的调节效应， 本文提出如下竞争性假设：
H2a： 环境不确定性负向调节企业供应链话语权与研发创新的关系。
H2b： 环境不确定性正向调节企业供应链话语权与研发创新的关系。
综上所述， 本文的理论框架如图1所示。
三、 研究设计
（一） 样本选择与数据来源
本文选取2015 ～ 2022年我国A股上市公司数据作为实证研究对象， 并对样本进行如下处理： ①剔除ST、 ∗ST类企业及金融类企业； ②剔除观测数据缺失和存在异常数据的企业； ③对数据进行缩尾处理。经过对原始数据的处理， 最终得到3860家企业的共计18507个样本数据。相关数据来源于CSMAR数据库。
（二） 变量设定
1. 被解释变量： 研发创新（RDM和LRDP）。本文从研发资金投入和研发人员投入两个角度衡量企业研发创新。关于研发资金投入（RDM）， 参考杨林等（2018）的方法， 用企业研发投入占主营业务收入的比重这一标准化的指标进行衡量， 该指标能够比较不同企业之间的相对研发资金投入水平， 其值越大， 企业研发创新水平就越高。关于研发人员投入（LRDP）， 借鉴谢斌等（2021）的方法， 用企业从事技术研发的人员数量取自然对数来衡量， 其值越大， 企业的研发能力就越强。对数化的处理使得数据接近正态分布， 可更好地满足回归分析的需要。
2. 解释变量： 供应链话语权（Discourse）。已有文献利用商业信用水平（李庭燎等，2016；黄贤环等，2022）或供应链集中度（李颖等，2023）衡量企业供应链话语权。其中， 商业信用水平基于应收、 应付账款和票据等信息进行衡量， 反映了企业在供应链中的信用状况与支付能力。但商业信用水平还会受到历史交易记录、 现金流状况等因素的影响， 而这些因素与供应链话语权不完全相关。此外， 供应链话语权还可能受到供应链结构的影响， 而商业信用水平无法反映供应链结构。可见， 用商业信用水平衡量供应链话语权存在局限性。
供应链集中度以供应商集中度与客户集中度之和进行衡量。姜英兵和李星辰（2024）认为， 供应链集中度会影响企业与供应商、 客户之间博弈力量的对比。因此， 供应链集中度不仅能反映供应链结构， 还能反映企业对主要供应商和客户的依赖程度与议价能力， 可弥补利用商业信用水平衡量供应链话语权的不足。当企业供应链集中度较高时， 说明企业面临的供应链结构较复杂， 生产经营较多地依赖于主要客户和供应商， 议价能力较差， 供应链话语权就较小。相反， 当供应链集中度较低时， 企业供应链话语权就较大。因此， 本文参考李颖等（2023）的方法， 用供应链集中度取负数作为衡量企业供应链话语权的正向指标。
3. 调节变量： 环境不确定性（EU）。关于环境不确定性的衡量， 本文借鉴Ghosh和Olsen（2009）、 申慧慧等（2012）的计算方法， 即通过企业营业收入的波动情况来评估环境不确定性。营业收入波动性越大， 环境不确定性就越高。本文构建式（1）衡量环境不确定性。
Sale=α0+α1Year+ε1 （1）
式（1）中， Sale为销售收入， Year为年份（一般计算四年前至今的销售收入，即Year取值范围是1 ～ 5）。利用OLS方法对年份进行回归， 得到随年份变动的销售收入的变化， 残差ε1为非正常销售收入。企业过去五年内非正常销售收入标准差之和与销售收入均值的比值为未经行业调整的环境不确定性。未经行业调整的环境不确定性与行业不确定性中位数的比值即为经行业调整后的环境不确定性（EU）。
4. 控制变量。参考李颖等（2023）、 杨林等（2018）、 谢斌等（2021）和申慧慧等（2012）的研究， 本文选取了企业规模、 成长性、 资产负债率、 托宾Q、 盈利能力等控制变量， 同时控制了行业和年份固定效应， 以减少宏观环境和行业因素对研究结果的干扰。
各变量的具体定义如表1所示。
（三） 模型构建
为验证H1， 以研发创新为被解释变量、 供应链话语权为解释变量， 构建模型探究二者之间的关系。
RDMi，t（LRDPi，t）=β0+β1Discoursei，t+βnΣControls+ΣYear+ΣInd+ξi，t" （2）
其中， β0为常数项， β1为供应链话语权对研发创新的回归系数。Controls代表控制变量， ξ为误差项， 下标i指观测值所属的企业， 下标t指观测值所属的年份。若β1显著为正， 则证明H1成立， 即供应链话语权对企业研发创新具有正向影响。
四、 实证结果与分析
（一） 描述性统计
表2为变量的描述性统计结果。可以看到， 企业研发资金投入的均值为5%， 研发人员投入的均值为5.585。研发资金投入的最小值为0， 说明目前还存在不进行研发资金投入的企业。根据二者方差可知， 企业间研发创新水平参差不齐。供应链话语权的均值为-0.326， 说明我国企业供应链话语权整体水平不高。此外， 供应链话语权的方差为0.158， 说明我国不同上市公司的供应链话语权存在较大差异。环境不确定性的均值为1.269， 对比申慧慧等（2012）的研究中1999 ～ 2010年我国环境不确定性的均值（0.4995）， 说明近年来我国上市公司面临的环境不确定性在不断上升， 企业营业收入水平随年份波动较大。各控制变量的值均处于正常范围内， 此处不再赘述。
（二） 基准回归
表3是针对模型（2）进行基准回归的结果。列（1）、 列（2）是未加入控制变量的回归结果， Discourse的回归系数均在1%的水平上显著为正， 即供应链话语权显著提升了企业研发创新水平。在加入控制变量后， 列 （3）、 列（4）中Discourse的回归系数分别为0.018和0.628， 依然在1%的水平上显著。以上结果验证了H1， 说明供应链话语权较大的企业能够避免被供应商或客户“敲竹杠”， 并且会将利用供应链获取的各项资源主动用于研发创新（刘志阳等，2017）。
（三） 内生性检验
鉴于回归结果可能会受到遗漏变量、 双向因果以及测量误差等的影响， 本文采用工具变量法对模型（2）的回归结果进行进一步检验， 以缓解内生性问题。借鉴黄庭贤等（2022）、 姜英兵和李星辰（2024）的方法， 对企业供应链话语权进行分年度分行业取平均值（Mean_Discourse）和滞后两期（L2.Discourse）处理， 将其作为工具变量进行回归， 结果如表4所示。列（1）和列（4）分别是工具变量Mean_Discourse和L2.Discourse与供应链话语权Discourse的回归结果， 两个工具变量均与解释变量显著相关， 通过了弱工具变量检验， 也满足工具变量的可识别性。由列（2）、 列（3）和列（5）、 列（6）的结果可知， 在考虑内生性问题后， 供应链话语权对研发创新的回归系数仍然在1%的水平上显著为正。
（四） 其他稳健性检验
首先， 为了检验回归结果的稳健性， 本文借鉴姜英兵和李星辰（2024）的处理方法， 对模型（2）的解释变量做滞后一期处理后重新回归。其次， 本文改变解释变量测度方式后重新回归。借鉴李庭燎等（2016）对供应链地位的衡量方式， 用供应链净占资比例对解释变量供应链话语权进行衡量。供应链净占资比例为企业占用链上其他企业资金比例与企业被链上其他企业占用资金比例的差值。最后， 本文改变被解释变量测度方式后重新回归。借鉴李雪松等（2022）对企业创新绩效的衡量方式， 用企业当年发明专利申请数量加1取自然对数对被解释变量研发创新进行衡量。上述检验结果均证明了本文结论的稳健性。限于篇幅， 检验结果留存备索。
（五） 环境不确定性的调节效应检验
为了检验环境不确定性对于企业供应链话语权与研发创新二者间关系的调节作用， 本文在模型（2）的基础上加入调节变量及交互项， 构建了调节效应检验模型（3）。
RDMi，t（LRDPi，t）=β0+β1Discoursei，t+β2Discoursei，t×EUi，t+β3EUi，t+βnΣControls+ΣYear+ΣInd+ξi，t （3）
其中， β1和β3分别是供应链话语权和环境不确定性与研发创新的相关系数， β2是供应链话语权与环境不确定性交互项对研发创新的回归系数。若β1显著为正， 且β2显著为负， 则验证了H2a的正确性， 说明环境不确定性对供应链话语权与研发创新二者间的关系具有显著的负向调节作用。若β1显著为正， 且β2也显著为正， 则验证了H2b的正确性， 说明环境不确定性正向调节了二者间的关系。
表5列示了模型（3）的回归结果。列（1）、 列（2）为未加入控制变量的回归结果， 交互项系数在5%的水平上显著为正。列（3）、 列（4）显示， 在加入一系列控制变量后， 交互项系数仍然在5%的水平上显著为正。以上结果证实了H2b， 即外部环境不确定性加速了企业与链上其他企业构建共生系统， 并通过组织学习和开放式创新强化了企业间的知识共享（Da-yuan和Juan，2014）， 使得供应链话语权对研发创新的促进作用得以加强。在外部环境不确定性提升的情况下， 为寻求新的增长点， 话语权较大的企业会调动更多资源用于研发创新。
（六） 异质性分析
1. 融资约束异质性。李颖等（2023）研究发现， 企业内外部融资能力会影响企业在供应链中的话语权， 企业融资能力越强， 其在供应链中的话语权就越大。融资约束导致企业倾向于将资金配置于收益更明确的投资项目， 而非高风险的研发创新活动（李雪松等，2022）。基于此， 本文按照SA指数的中位数对样本企业进行分组， 探究供应链话语权对研发创新的影响在融资约束程度较高与较低组中是否存在不同， 分组回归结果如表6中列（1） ～ 列（4）所示。
总体来看， 融资约束程度较低组中供应链话语权对研发资金投入和研发人员投入的回归系数分别为0.019和0.582， 且均在1%的水平上显著， 而在融资约束程度较高组中该系数不显著， 说明供应链话语权对研发创新的促进作用在融资约束程度较低的样本中更显著。当企业面临较低程度的融资约束时， 企业有充裕的资金用于研发投入， 管理层也更倾向于将资金用于创新活动。低水平的融资约束还意味着企业在处理其利用供应链金融或商业信用获得的资源时， 具有更高的灵活性， 也就更能发挥其供应链话语权对研发创新的促进作用。相比而言， 融资约束程度较高企业的创新动力明显不足， 即使企业可利用供应链关系获得外部资源， 也会因其面临较高的经营风险， 导致供应链话语权对研发创新的促进作用有限。
2. 新质生产力产业类别异质性。新质生产力的发展需平衡传统产业升级、 战略性新兴产业培育以及未来产业布局三者的关系。三个产业各有其特点： 传统产业发展历史久、 资源依赖度高； 战略性新兴产业的发展以技术突破为基础， 增长潜力大； 未来产业以前沿科技创新为依托。而新质生产力的发展促进了企业组织架构、 供应链管理及客户关系处理方面的现代化， 提升了企业的灵活性， 也影响着供应链话语权与企业研发创新的关系。由于未来产业的发展还缺乏数据支撑， 本文依据CSMAR数据库中申银万国行业分类（2021修订版）标准， 将属于人工智能、 生物技术、 新能源、 新材料、 高端装备以及绿色环保六类行业的样本划分为战略性新兴产业， 将其他样本划分为传统产业， 然后进行分组回归， 结果如表6中列（5） ～ 列（8）所示。
在战略性新兴产业中， 供应链话语权对研发资金投入和研发人员投入的回归系数均在1%的水平上显著为正， 但在传统产业中该系数不显著。这是因为传统行业的企业竞争力来源于人力资源水平、 销售网络的拓展与维护、 成本控制能力等方面（刘诗源等，2020）， 更倾向于将供应链话语权优势用于增加劳动力或削减成本等方面， 而非研发创新。因此对于传统产业而言， 企业供应链话语权无法促进研发创新。而战略性新兴产业不仅具有技术复杂度高和外部知识网络嵌入能力强等特点， 还很重视技术创新， 因此相关企业在利用供应链关系获取各项资源后， 会更倾向于将其投入研发创新以不断提升自身的技术水平。
3. 企业生命周期异质性。在不同的生命周期， 企业因所处内外部环境和自身业务特征不同， 其创新需求及对创新活动的投入程度也不同。生命周期的推移也会影响企业与供应链上下游企业之间的关系。基于此， 本文参考刘诗源等（2020）的研究， 依据企业经营活动、 筹资活动和投资活动现金流净额情况将样本企业划分为成长期、 成熟期和衰退期三组， 然后进行分组回归， 结果如表7所示。
由表7的回归结果可以看出， 供应链话语权对研发资金投入和研发人员投入的促进作用在成熟期企业中更显著。与成长期企业相比， 成熟期企业固定资产建设已经完成， 不再需要进行大规模的资本性支出。与衰退期企业相比， 成熟期企业市场占有率处于更高水平， 组织管理能力也更强， 在实现规模效应的同时， 能够保持稳定的利润水平， 为研发活动提供资金支持。此外， 成熟期企业的规模和市场地位已经稳固， 拥有更多的谈判筹码和更大的影响力， 能够主导供应链的运营和协调。这意味着成熟期企业不仅有较强的内部创新能力， 还能充分调动外部供应链上的各项资源， 支持自身的研发创新活动， 由此更能发挥供应链话语权对研发创新的促进作用。综上， 相较于成长期和衰退期企业， 供应链话语权对研发创新的促进作用在成熟期企业中更显著。
五、 结论与建议
（一） 结论
本文利用2015 ～ 2022年我国A股上市公司数据， 实证研究企业供应链话语权与研发创新之间的关系， 并分析了环境不确定性对二者间关系的调节作用。研究发现： 供应链话语权促进了企业研发创新水平的提升， 环境不确定性强化了二者间的正相关关系。异质性分析表明， 供应链话语权对研发创新的促进作用在融资约束程度较低、 战略性新兴产业以及处于成熟期的企业中更显著。
（二） 建议
基于前文的研究结论， 本文提出以下政策启示：
政府及相关部门要当好“领航员”和“护航员”。一方面， 政府及相关市场部门可进一步优化融资环境， 为企业利用供应链关系或供应链金融进行短期融资创造良好的环境， 同时引导和推动相关供应链金融技术的发展， 为企业间通过供应链关系进行短期融资提供更加稳定、 可靠的技术支持。另一方面， 建议政府及相关市场部门助力人才链的发展， 利用知识溢出效应， 推动供应链整体创新水平的提升。同时也要针对供应链金融和供应链知识网络建立起系统的监管体系和完备的法律制度， 为企业利用供应链话语权优化资源配置提供可靠的保障。
企业作为供应链的关键节点， 应当重视供应链管理， 注重利用自身话语权优势优化供应链创新资源配置， 提升创新水平。首先， 企业可通过加强与供应链上下游合作伙伴的协作， 建立长期、 稳固的合作关系， 与链上企业共同创建知识网络体系和人才交流体系， 为促进创新发展营造良好的外部环境和奠定坚实的人才基础。其次， 企业应不断增强信用管理能力， 建立健全信用管理系统和内部控制体系， 为利用供应链金融融资提供良好的信用支持， 促进供应链上资金链的良性循环， 为企业创新发展构建坚实的资金后盾。最后， 企业应提高识别和应对环境不确定性的能力， 完善风险预警体系和应对机制， 及时关注政策、 市场、 技术等方面的变化， 从而保证在外部环境不确定性条件下仍能利用供应链话语权优势促进自身创新水平的提升。
【 主 要 参 考 文 献 】
韩峰，孙沛哲．生产性服务业集聚与企业创新［ J］．长沙理工大学学报（社会科学版），2023（4）：42 ～ 56．
黄贤环，贾敏，王瑶．产业链中的话语权与非金融企业金融投资——基于产业链中商业信用水平的视角［ J］．会计研究，2022（5）：118 ～ 130．
姜英兵，李星辰．供应链集中度对企业税务筹划的影响［ J］．山东社会科学，2024（2）：150 ～ 159．
李庭燎，陈良华，盛金鑫．供应链中企业地位与企业自主创新能力关系［ J］．河海大学学报（哲学社会科学版），2016（2）：61 ～ 68+90 ～ 91．
李雪松，党琳，赵宸宇．数字化转型、融入全球创新网络与创新绩效［ J］．中国工业经济，2022（10）：43 ～ 61．
李颖，吴彦辰，田祥宇．企业ESG表现与供应链话语权［ J］．财经研究，2023（8）：153 ～ 168．
刘诗源，林志帆，冷志鹏．税收激励提高企业创新水平了吗？——基于企业生命周期理论的检验［ J］．经济研究，2020（6）：105 ～ 121．
刘志阳，孔令丞，梁玲．基于产业生命周期的战略性新兴产业创新获利影响因素分析［ J］．研究与发展管理，2017（1）：95 ～ 105．
彭百川，张颖，王治．企业ESG表现对绿色创新效率的影响研究［ J］．统计与决策，2024（5）：172 ～ 176．
申慧慧，于鹏，吴联生．国有股权、环境不确定性与投资效率［ J］．经济研究，2012（7）：113 ～ 126．
肖翔，王晋梅，董香书．数字化转型如何影响制造业实质性创新？——基于“数字赋能”与“数字鸿沟”的视角［ J］．浙江大学学报（人文社会科学版），2023（10）：28 ～ 50．
谢斌，许治，陈朝月等．技术创新激励政策会影响企业创新战略决策吗？——基于微观创新调查数据的实证分析［ J］．科学学与科学技术管理，2021（11）：56 ～ 76．
杨林，段牡钰，刘娟等．高管团队海外经验、研发投入强度与企业创新绩效［ J］．科研管理，2018（6）：9 ～ 21．
殷俊明，姜乔．供应链突发事件与钢铁企业股价异常波动——基于巴西溃坝与澳大利亚飓风的事件研究［ J］．商业会计，2021（21）：4 ～ 8．
殷俊明，罗丹，李争光等．同舟“共济”还是同舟“共挤”：供应链关系与成本行为［ J］．审计与经济研究，2022（2）：81 ～ 93．
殷俊明，杨政，雷丁华．供应链成本管理研究：量表开发与验证［ J］．会计研究，2014（3）：56 ～ 63+96．
Acemoglu D.， Azar D. P.. Endogenous Production Networks［ J］． Econometrica，2020（1）：33 ～ 82．
Caniato F.， Gelsomino L. M.， Perego A.， et al.. Does Finance Solve the Supply Chain Financing Problem？［ J］． Supply Chain Management： An International Journal，2016（5）：534 ～ 549．
Fisman R.， Love I.. Trade Credit， Financial Intermediary Development， and Industry Growth［ J］． The Journal of Finance，2003（1）：353 ～ 374．
Ghosh D.， Olsen L.. Environmental Uncertainty and Managers Use of Discretionary Accruals［ J］． Accounting， Organizations and Society，2009（2）：188 ～ 205．
Li D.， Liu J.. Dynamic Capabilities， Environmental Dynamism， and Competitive Advantage： Evidence from China［ J］． Journal of Business Research，2014（1）：2793 ～ 2799．
Petersen J. K.， Handfield B. R.， Ragatz L. G.. A Model of Supplier Integration into New Product Development［ J］． Journal of Product Innovation Management，2003（4）：284 ～ 299．
Tang Z.， Hull C.. An Investigation of Entrepreneurial Orientation， Perceived Environmental Hostility， and Strategy Application Among Chinese SMEs［ J］． Journal of Small Business Management，2012（1）：132 ～ 158．
（责任编辑·校对： 许春玲" 刘钰莹）
【基金项目】国家社会科学基金项目“世界百年未有之大变局下供应链中断的财务影响及其资本市场效应研究”（项目编号：21BGL008）；江苏省社科联财经发展专项重点项目“制造企业数绿融合发展战略及其管理会计创新研究”（项目编号：23SCA-002）；江苏省研究生科研创新计划项目“制造业企业数字化转型对绿色创新影响研究”（项目编号：KYCX23_2285）
