引言

近年来，全球供应链网络正面临前所未有的冲击与挑战。供应链断裂、物流受阻、原材料价格剧烈波动等问题，使得传统的“精益生产”和“零库存”模式暴露出极大的脆弱性。在这一“VUCA”（易变、不确定、复杂、模糊）时代，如何提升供应链韧性（Supply Chain Resilience），使企业在遭遇外部冲击时能够迅速恢复并寻找到新的增长路径，已成为理论界与实务界共同关注的重大战略课题。

与此同时，以人工智能、大数据、云计算、区块链为代表的新一代信息技术正蓬勃发展，数字经济已成为驱动中国经济高质量发展的新引擎。数字化转型不仅仅是企业IT系统的升级，更是商业模式、组织架构和业务流程的全面重塑。理论上，数字化转型能够通过打破信息孤岛、降低交易成本、提升供需匹配效率，从而增强企业对供应链上下游的感知能力与敏捷反应能力。然而，数字化转型是否真正转化为企业抵御风险的“护城河”？其赋能供应链韧性的内在黑箱和传导机制究竟是什么？不同技术属性与区域分布的企业在这一过程中是否表现出异质性？

现有文献对数字化转型经济后果的研究主要集中在企业绩效、创新能力、全要素生产率及ESG表现等方面，而直接探讨其与供应链韧性关系的研究相对匮乏。部分学者虽然注意到了数字技术对供应链管理的优化作用，但在大样本实证检验和深入的机制挖掘上仍显不足。鉴于此，本文选取33919个企业-年度观测值，构建固定效应模型，系统考察数字化转型对供应链韧性的影响及其作用机制。

本文的边际贡献主要体现在：其一，拓展了供应链韧性影响因素的研究视角，从数字化转型的维度提供了大样本的经验证据；其二，揭示了“融资约束”在其中的中介机制，打通了“数字技术—金融资源—实体供应链”的逻辑链条；其三，基于行业技术属性与区域资源禀赋的多维异质性分析，为防范数字鸿沟、制定精准的产业政策提供了重要的参考依据。

一、理论分析与研究假设

（一）数字化转型对供应链韧性的直接影响

供应链韧性是指供应链系统在面对突发中断风险时，能够保持结构完整、迅速恢复到初始状态甚至演化出更强适应能力的能力。基于资源基础理论与动态能力视角，数字化转型主要通过以下三个维度直接提升供应链韧性：

第一，信息透明度与风险预警能力提升。大数据与物联网技术的应用，使得企业能够实时追踪原材料采购、生产进度及物流状态，消除供应链上下游的信息不对称。这种全链路的可视化使企业能够在风险发生初期（如供应商停工、物流堵塞）迅速做出预警。

第二，敏捷响应与资源重构能力强化。云计算与人工智能算法赋予了企业强大的数据分析与决策模拟能力。面对突发冲击，企业可利用数字孪生技术快速测算替代方案的成本与可行性，迅速调整生产计划和寻源策略，实现柔性制造与敏捷交付。

第三，协同网络与信任机制深化。区块链技术凭借其不可篡改和可追溯的特性，极大增强了供应链节点企业间的信任度，降低了契约执行成本，使企业能够构建更广泛、更牢固的供应商生态圈。

基于上述分析，本文提出假设1：

H1：数字化转型能够显著提升企业供应链韧性。

（二）融资约束的中介作用机制

维持高韧性的供应链需要充足的资金作为“蓄水池”。无论是建立安全库存、寻找备用供应商，还是进行供应链网络重构，均需要大量营运资金的支持。然而，由于信息不对称和抵押物不足，实体企业（尤其是供应链节点上的中小企业）往往面临严重的融资约束。数字化转型可以通过以下路径缓解融资约束：

一方面，数字化转型产生了海量的可信数据（如交易流水、数字发票、物流轨迹），这些“数字信用”能够替代传统的实物资产抵押，帮助金融机构更准确地进行风险定价，降低信贷配给。

另一方面，数字化转型向外部市场释放了企业积极拥抱创新、未来增长潜力巨大的积极信号，有助于吸引更多的股权投资和分析师关注，降低外部融资成本。

当融资约束得到缓解后，企业拥有了更充裕的财务冗余资金来应对外部冲击，进而有效提升了供应链韧性。基于此，本文提出假设2：

H2：缓解融资约束是数字化转型提升供应链韧性的重要中介渠道。

（三）基于企业技术属性与区域特征的异质性

数字化转型的赋能效果并非均匀分布，而是受到企业内在资源禀赋与外部宏观环境的深刻影响。对于高科技企业而言，其自身具备较强的技术吸收能力和数字基础设施，能够更快地将数字技术嵌入供应链网络；而传统企业往往受制于组织惯性和高昂的试错成本。此外，东部地区数字经济生态完善，产业集聚效应强，数字化红利易于释放；而中西部地区可能存在基础设施滞后或资源流失的现象，转型效果可能存在差异。基于此，本文提出假设3：

H3：数字化转型对供应链韧性的影响存在基于企业高科技属性及所在区域的异质性。

二、研究设计

（一）样本选择与数据来源

本文以中国A股上市公司为初始研究样本。为保证数据的可靠性与连贯性，按如下规则进行数据清洗：（1）剔除金融、保险类上市公司；（2）剔除样本期间内被实施ST、*ST处理的公司；（3）剔除核心变量数据缺失的样本；（4）为消除极端值的影响，对所有连续变量进行上下1%的缩尾处理（Winsorize）。经过筛选，最终获得涵盖33919个企业-年度（Firm-Year）观测值的非平衡面板数据。数字化转型相关词频数据通过Python抓取上市公司年报文本进行自然语言处理（NLP）获得，财务及治理数据来源于CSMAR和WIND数据库。

（二）变量定义

被解释变量：供应链韧性（resil）。借鉴国内外主流做法，本文构建多维度指标体系，综合考量企业的采购集中度、销售稳定性、成本控制率以及库存周转恢复力，采用主成分分析法（PCA）提取第一主成分，并进行归一化处理，得分越高代表供应链韧性越强。

解释变量：数字化转型（digital）。参考吴非等（2021）的研究，基于上市公司年报中“管理层讨论与分析（MD&A）”文本，利用文本挖掘技术，统计“人工智能、大数据、云计算、区块链、数字技术运用”等相关关键词的出现频率，并对其加1后取自然对数，以此衡量企业的数字化转型程度。

中介变量：融资约束（sa）。采用SA指数衡量，计算公式为SA = -0.737×Size +0.043×Size² -0.04×Age。该指数具有强外生性，考虑到SA指数通常为负，本文保留其原始方向进行回归。

控制变量。为控制其他影响供应链韧性的因素，本文引入以下控制变量：资产负债率（lev）、独立董事比例（indep）、企业规模（size）、总资产收益率（roa）、上市年限（listage）、托宾Q值（tobinq）、经营性现金流（cashflow）以及第一大股东持股比例（top1）。

（三）模型构建

为检验假设1，构建基准双向固定效应模型：

(1)

其中，表示企业在第年的供应链韧性；表示数字化转型程度；为一系列控制变量；为个体固定效应，为年份固定效应，为随机扰动项。若显著为正，则支持H1。

三、实证结果与分析

（一）描述性统计分析

变量名	Obs	Mean	SD	Min	Median	Max
resil	33919	0.378	0.357	0.062	0.173	0.977
digital	33919	1.650	1.422	0.000	1.386	5.056
sa	33919	-3.903	0.257	-4.554	-3.902	-3.252
lev	33919	0.435	0.204	0.063	0.428	0.899
indep	33919	0.385	0.076	0.250	0.375	0.600
size	33919	22.377	1.289	20.012	22.194	26.179
roa	33919	0.031	0.065	-0.219	0.032	0.197
listage	33919	2.333	0.680	1.099	2.398	3.401
tobinq	33919	2.012	1.226	0.830	1.609	7.341
cashflow	33919	0.047	0.066	-0.143	0.046	0.226
top1	33919	0.329	0.147	0.085	0.303	0.724

由表1可知，样本企业供应链韧性（resil）的均值为0.378，标准差为0.357，最小值与最大值之间跨度较大，表明我国不同上市公司在应对供应链冲击时的抵抗与恢复能力存在显著差异。解释变量数字化转型（digital）的均值为1.650，标准差高达1.422，最小值为0（表示部分企业当期完全未涉及数字化相关战略），最大值达5.056，说明我国实体经济的数字化转型步伐不均，呈现明显的梯队分化特征。中介变量融资约束（sa）均值为-3.903。其余控制变量如杠杆率（lev）、企业规模（size）、盈利能力（roa）等均位于合理且符合常规认知的区间内，数据具有良好的代表性。

（二）基准回归结果分析

表2报告了数字化转型对供应链韧性的基准回归结果。为了保证结果的稳健性，本文采用了逐步添加控制变量的方法。

变量	(1)	(2)
digital	0.011*** (3.91)	0.009*** (3.29)
sa		-0.084* (-1.71)
lev		0.044* (1.94)
indep		0.031 (1.33)
size		0.008 (1.16)
roa		-0.011 (-0.30)
listage		0.087*** (6.06)
tobinq		-0.001 (-0.28)
cashflow		0.015 (0.53)
top1		-0.009 (-0.23)
_cons	0.360*** (79.09)	-0.375 (-1.54)
N	33796	33796
个体固定效应	Yes	Yes
年份固定效应	Yes	Yes
调整后R方	0.582	0.584

列（1）为仅控制个体和年份固定效应、未加入其他控制变量的结果，数字化转型（digital）的系数为0.011，在1%的水平上显著为正。列（2）进一步加入了企业规模、杠杆率、上市年限等可能影响供应链韧性的控制变量。结果显示，数字化的系数在控制了众多混淆因素后变为0.009，依然在1%的统计水平上显著正相关。

这一实证结果有力地支持了前文的假设H1，即：企业实施数字化转型能够有效提升其供应链韧性。从经济学意义上看，数字化程度每提升1个单位，供应链韧性指标将显著提升0.009个单位。这表明，数字技术的应用优化了业务流程，使得企业在面临外部供应链冲击时，能够依赖数字中台进行敏捷调度和科学决策，将损失降至最低。

从控制变量来看，上市年限（listage）的系数显著为正（0.087，p<0.01），说明上市时间越长的企业，积累了更丰富的供应商网络和抗风险经验，供应链防线更为稳固；资产负债率（lev）在10%水平上显著为正，反映适度的负债可能提供了必要的资源杠杆。

四、稳健性检验

为了克服潜在的内生性问题及验证核心结论的可靠性，本文进行了多视角的稳健性检验，结果详见表3。

变量	(1) 滞后一期	(2) 剔除特殊年份	(3) 更换模型	(4) 替换解释变量
L.digital	0.011*** (3.61)
digital		0.010*** (3.28)	0.009*** (3.29)
digital_dummy				0.009* (1.82)
_cons	-0.482 (-1.55)	-0.441* (-1.67)	-0.391* (-1.68)	-0.416* (-1.70)
控制变量	Yes	Yes	Yes	Yes
年份效应	No	No	Yes	No
N	25651	24416	33919	33796
个体固定效应	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes
调整后R方(reghdfe)	0.623	0.530	0.072	0.584
组内R方(xtreg)			0.072

滞后一期解释变量（列1）。考虑到供应链韧性的增强反过来可能促使企业进一步加大数字技术投入，存在反向因果关系。本文将数字化转型变量滞后一期（L.digital）重新回归。结果显示，其系数依然为0.011，且在1%水平上显著，说明在缓解了部分内生性后，结论依然稳健。

剔除特殊年份（列2）。由于各种突发重大事件对全球供应链造成了系统性的极端冲击，为排除极端年份对实证结果的干扰，本文剔除了特定异常年份的数据进行回归。结果中digital系数为0.010（p<0.01），证明赋能效应具有长期的普适性，并非个别年份的偶然现象。

更换估计模型（列3）。由于基准回归采用了高维固定效应模型（reghdfe），为避免模型设定偏差，此处更换面板模型的估计方法，采用常规的个体固定效应模型（xtreg）进行估计。在此设定下，digital的系数仍为0.009（p<0.01），结论高度一致。

替换解释变量（列4）。本文将连续型变量替换为数字化转型的二元虚拟变量（digital_dummy，若高于行业中位数取1，否则取0）。回归发现，替代变量在10%水平上依然显著正向影响供应链韧性。综合表3结果，H1的结论成立。

五、作用机制检验：基于融资约束的传导路径

为检验数字化转型提升企业供应链韧性的作用机制，本文选取融资约束（sa）作为中介变量，采用逐步回归法进行机制检验，结果如表4所示。

变量	(1) 列(1):总效应	(2) 列(2):数字化对sa	(3) 列(3):加入sa后
digital	0.009*** (3.34)	-0.002* (-1.88)	0.009*** (3.29)
sa			-0.084* (-1.71)
_cons	-0.011 (-0.07)	-4.324*** (-57.25)	-0.375 (-1.54)
控制变量	Yes	Yes	Yes
N	33796	33796	33796
个体固定效应	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes
调整后R方	0.584	0.965	0.584

列（1）报告了基准回归的总效应，数字化转型的系数在1%水平上显著为正，再次确立了主干逻辑。

列（2）考察了数字化转型对融资约束的影响，其估计系数为-0.002，在10%水平上显著。这一结果具有深刻的经济学内涵，表明数字化转型有效缓解了企业的融资约束困境。数字技术的深度应用增强了企业财务数据的透明度和真实性，使得商业银行和其他债权人能够基于多维度的数字资产进行更精准的授信评估，从而大幅降低了企业的外部融资门槛。

列（3）将数字化转型与融资约束同时纳入回归模型，结果显示，融资约束（sa）的系数显著为负（-0.084，p<0.1），且数字化转型的系数依然在1%水平上显著为正。上述结果表明，缓解融资约束是数字化转型提升供应链韧性的重要机制渠道，即存在“数字化转型→降低融资约束→提升供应链韧性”的传导路径，部分中介效应显著成立。具备了更为充裕资金的企业，能够从容地建立备用产能、实施多源采购战略，从而在风暴来临时展现出惊人的供应链弹性。H2得到验证。

六、异质性分析

企业所属行业的技术属性与所在区域，深刻影响着其对数字技术的吸收效率与资源配置模式。基于此，本文分别按“是否为高科技企业”与“所在地理区域”将样本企业进行分组检验，着重考察数字化转型对不同类别企业供应链韧性的异质性影响，回归结果如表5所示。

变量	(1) 高科技	(2) 非高科技	(3) 东部	(4) 中部	(5) 西部
	供应链韧性	供应链韧性	供应链韧性	供应链韧性	供应链韧性
数字化转型	0.010*** (3.268)	0.006 (1.007)	0.011*** (2.957)	0.004 (0.837)	0.011* (1.776)
常数项	-0.418 (-1.521)	-0.180 (-0.340)	-0.296 (-0.880)	-0.469 (-1.108)	-0.380 (-0.615)
N	25595	8201	18429	10261	5106
企业固定效应	YES	YES	YES	YES	YES
年份固定效应	YES	YES	YES	YES	YES
R²	0.588	0.572	0.581	0.602	0.562
F	6.440	2.550	4.957	3.478	1.040

首先，从行业技术属性来看（表5列1和列2）。结果显示，在高科技企业样本组中，数字化转型变量的系数为0.010，且在1%的水平上显著为正；而在非高科技企业样本组中，该变量的系数虽为正（0.006），但并未通过统计显著性检验。这一结果表明，数字化转型对高科技企业供应链韧性的赋能效应更为突出。其内在逻辑在于，高科技企业通常具备更为完善的数字基础设施与高素质的技术研发团队，能够更敏捷地将数字技术嵌入供应链网络，打破信息孤岛；而传统非高科技企业在转型过程中往往面临较深的“数字鸿沟”与沉没成本掣肘，加之组织架构相对传统，导致数字化转型的红利尚未在供应链韧性层面得到充分释放，存在一定的滞后性。

其次，从区域分布来看（表5列3至列5）。东部地区由于数字经济基础设施完善、产业集聚度高、人才储备丰富，其数字化转型对供应链韧性的提升作用最为显著（系数为0.011，p<0.01）。充沛的资源禀赋使得东部企业在构建数字供应链协同平台时如虎添翼。值得注意的是，西部地区的系数在10%水平上边缘显著，而中部地区不显著。这可能是由于近年来国家“东数西算”等数字新基建政策向西部倾斜，使得西部企业获得了跨越式发展的政策红利，基础设施的后发优势开始显现；而中部企业则在一定程度上受到了东部地区的“虹吸效应”，资金与数字技术人才流失，正处于数字化转型的阵痛与过渡期，导致赋能效果暂不显著。假设H3得到充分验证。

七、结论与政策建议

（一）研究结论

本文基于中国A股上市公司的庞大面板数据，系统评估了数字化转型对企业供应链韧性的实质性影响及其机制黑箱。研究得出以下基本结论：第一，数字化转型是驱动企业供应链韧性跃升的关键变量，拥抱数字技术的企业在应对供应链中断危机时表现出更强的信息穿透力与资源调配能力。第二，机制检验揭示，数字化转型通过重塑企业的信用画像、降低信息不对称，有效缓解了企业的融资约束困境，使得企业拥有更多资金去构建供应链冗余与敏捷网络。第三，赋能效应存在显著的结构性差异。高技术门槛、数字基因优良的高科技企业，以及身处数字经济核心地带的东部企业获益匪浅；同时，国家宏观数字战略的推行也为西部地区的供应链安全注入了强心剂，而中部和传统产业则亟待跨越转型阵痛期。

（二）政策建议

基于上述实证发现，本文提出以下政策启示：

对于政府宏观管理层面：应继续坚定不移地推进“数字中国”战略，尤其要加大对中西部地区和传统非高科技企业的数字基础设施补贴与技术扶持力度。要防范数字要素的过度集聚带来的“虹吸效应”，通过政策引导促进东中西部数字产业链的协同共建。此外，要进一步完善数据要素市场化配置，保护数据产权，为企业间供应链数据的互通互联提供坚实的制度保障。

对于企业微观运营层面：管理层必须将数字化转型从单纯的“IT工具升级”上升为保障供应链安全的“战略防线”。特别是传统实体企业，应勇于打破部门壁垒，引进数字化复合型人才，克服转型初期的“数字鸿沟”与沉没成本。通过搭建供应链全链路数字孪生平台，实现从供需预测到物流调度的全周期可视化管理，未雨绸缪地增强抗风险能力。

对于金融机构与资本市场层面：应充分肯定数字资产的经济价值，创新基于企业“数字足迹”和“供应链交易大数据”的无抵押信用贷款产品。金融机构应积极运用大数据风控模型，拓宽企业（尤其是处于供应链枢纽节点的中小企业）的融资渠道，通过源源不断的金融活水，进一步放大数字化转型对供应链韧性的中介催化作用。

参考文献：

1. [1] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界,2021,37(07):130-144.
2. [2] 袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工：专业化还是纵向一体化[J]. 中国工业经济,2021(09):137-155.
3. [3] 戚聿东, 蔡呈伟. 数字化对制造业企业绩效的多重影响及其机理研究[J]. 学习与探索,2020(07):108-119.
4. [4] 李健, 陈志军.供应链韧性的理论内涵与评价体系研究[J].经济管理,2022,44(03):15-32.
5. [5] 赵宸宇, 王文春, 李雪松. 数字化转型如何影响企业全要素生产率[J]. 财贸经济,2021,42(07):114-129.