新型生產要素對ICT制造業供應鏈韌性的影響

摘 要：在新一代信息技術革命驅動下，ICT（Information and Communications Technology，信息通信技術）制造業產業競爭力越來越受制于供應鏈韌性，不斷整合、構建和重新配置內外部資源，優化生產要素組合是企業增強供應鏈韌性的有效途徑。以2018-2022年ICT制造業上市企業為研究樣本，選取新型生產要素代理變量，構建供應鏈韌性評價指標體系，運用面板數據回歸模型揭示新型生產要素對ICT制造業供應鏈韌性的影響。研究發現：①數據要素、管理要素對ICT制造業供應鏈韌性呈顯著正向影響，知識要素、技術要素呈顯著負向影響，當組合作用時數據要素和知識要素之間存在替代效應，即數據要素水平普遍提升時，知識悖論風險對供應鏈韌性的負面影響受到一定程度抑制；②ICT制造業產業上下游企業供應鏈韌性存在顯著差異，下游企業供應鏈韌性優于上游企業，且新型要素對上下游供應鏈韌性具有不同作用；③產業地區間競爭格局分化明顯，新型要素對供應鏈韌性的影響存在區域異質性。據此，提出如下建議：促進各要素間協同應用，加強安全管理；促進上下游供應鏈伙伴間溝通合作，深化供應鏈各環節協同配套；鼓勵中西部地區ICT制造業企業發展，引導新型生產要素在區域之間、產業之間雙向流動，培育產業競爭新優勢。

關鍵詞：新型生產要素；ICT制造業；供應鏈韌性；資源基礎；動態能力

DOI：10.6049/kjjbydc.2024050575

中圖分類號：F274 文獻標識碼：A

文章編號：1001-7348（2025）05-0032-12

0 引言

近年來，隨著全球經濟社會數字化轉型進程的全面提速以及新一輪科技革命和產業變革的縱深推進，我國制造業逐步向高端化、智能化、綠色化發展[1]。面對大國競爭加劇以及我國經濟發展方式轉型等重大挑戰形成的歷史性交匯期，黨的二十大報告提出，“著力提升產業鏈供應鏈韌性和安全水平”。然而，電子信息、先進制造業諸多底層技術和關鍵核心技術仍然存在“卡脖子”難題，競爭優勢越來越受制于供應鏈韌性，且面臨嚴峻挑戰。產業鏈供應鏈各環節環環相扣，涉及資本、技術、人才等不同生產要素的復雜交融。傳統生產要素包括土地、勞動、資本，隨著社會進一步發展，生產要素的內涵逐步拓展與深化。新質生產力是推動高質量發展的內在要求和重要著力點[2]，而數據、技術等新型生產要素是新質生產力的重要支撐。2019年10月，黨的十九屆四中全會審議通過的《中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定》首次將數據明確為與勞動、資本、土地、知識、技術、管理并列的生產要素[3]，從傳統三要素論躍升為七要素論。當前，我國要素市場化程度不高[4]，各類生產要素特征各異，流動性差異較大，在配置資源方面存在顯著差異（李廣乾，2022）。因此，準確把握新型生產要素內涵，探究其對供應鏈韌性的影響，對于ICT制造業積累競爭優勢、加快培育新質生產力、維護供應鏈安全穩定具有重要意義。

1 文獻回顧

1.1 供應鏈韌性

“韌性”一詞源自拉丁語“resilio”，最初應用于物理學領域[5]，隨著時代發展與學術研究的日益豐富，“韌性”逐漸被賦予更多含義，被不同學者應用到不同領域，呈現出跨學科特點。近年來，可持續性競爭優勢成為管理者和供應鏈從業者的關注重點，而韌性能力提升是改進供應鏈管理的重要途徑，對于促進供應鏈發展具有重要意義。

國內外對供應鏈韌性的研究主要集中在影響機制、測度方法、供應鏈安全水平提升路徑等方面。其中，在定性視角下，已有研究主要基于文獻綜述、訪談調研和案例分析等方法，深入探究影響供應鏈韌性形成的關鍵因素。例如，顧旻灝和霍寶鋒[6]通過梳理相關文獻，從資源和能力兩個維度剖析影響供應鏈韌性的關鍵因素，基于能力視角總結出警惕性能力、響應性能力和恢復性能力對供應鏈韌性具有重要影響。在定量視角下，已有研究主要通過SEM、回歸、構建指標體系等方法對供應鏈韌性展開研究。例如，Zhao等[7]基于動態能力理論，提出并驗證“供應鏈數字化—供應鏈彈性—供應鏈績效”影響機制；Aslam等[8]運用結構方程模型檢驗適用性和一致性對供應鏈韌性的作用，發現供應鏈雙元性對供應鏈韌性具有積極影響。總體而言，現有研究成果較為豐富，主要對供應鏈韌性影響因素、形成過程、測度方法等進行了拓展和延伸。

1.2 新型生產要素

生產要素是指在社會生產經營過程中，為滿足生產需要所投入的各種資源，是維系社會經濟建設和運行所必需的要素（段曉慶，2023）。工業經濟時代“生產三要素論”將生產要素概括為勞動、資本和土地[9]；改革開放后，知識、技術、管理變革對生產力發展起到越來越重要的作用（石先梅，2024）；進入數字經濟時代，生產力的內涵不斷拓展，生產要素范疇進一步擴大，數據成為重要的生產要素，新質生產力逐步取代傳統生產力。新質生產力是由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生的新質態，數據、技術等是新質生產力的重要支撐[10]。本文將知識、技術、管理、數據定義為新型生產要素。

數字經濟背景下，現有關于新型生產要素的研究多聚焦于數據要素，圍繞數據要素特征、與其它要素協同發展等展開討論。如譚洪波等（2023）通過研究數據要素的非競爭性、部分可排他性、外部性等特征，梳理了數據要素推動經濟高質量發展的理論邏輯；王建冬等（2020）以數據為關鍵生產要素，探究其與人才、資金、技術等其它要素聯動的三層次模型，構建數據要素與其它生產要素協同聯動的“五鏈協同”機制。在實際應用中，數據、知識、技術、管理4種新型要素越來越多地與其它生產要素共同作用，產生倍增效應。新要素、新組合、新樣態、新模式使得經濟發展日益擺脫傳統經濟增長方式和生產力發展路徑，呈現出高科技、高效能、高質量特征，為經濟高質量發展提供新動能（石先梅等，2024），從本質上看就是生產新型實物生產要素、打造新型生產要素組合。

1.3 生產要素與供應鏈韌性關系

在制造業方面，相關研究表明生產要素資源配置影響創新能力[11]、產能利用效率[12]和企業進入與退出[13]等，優化要素配置能提高生產效率，改善生產關系。要素投入結構優化與重組能增強產業原有優勢[14]，促進產業鏈供應鏈韌性提升。李曉華[15]認為，產業鏈韌性包括抗沖擊能力和根植性兩個維度，如簡單勞動力等初級要素以及數據、技術等高級要素的根植性屬于產業根植性的不同層次，作者據此探究我國產業根植性現狀與產業生態系統完善途徑；陳曉東等[4]基于數字經濟時代數據要素作為新生產要素，探索數字經濟提升我國產業鏈韌性的實現路徑；張樹山等[16]認為，可通過優化要素資源配置效率、打造供應鏈協同平臺等方式實現供應鏈數字化，進而健全提高供應鏈韌性的作用機制。

綜上所述，盡管目前學術界關于供應鏈韌性、數據要素的研究成果較為豐富，但新型生產要素內涵及量化方式不統一，探究新型生產要素與供應鏈韌性關系的文獻較少，雖有部分學者提出優化生產要素組合是提升供應鏈韌性的有效途徑，但鮮有學者展開深入探究。基于此，本文貢獻主要體現在以下幾個方面：①現有研究多從定性層面或基于問卷調研法進行案例分析，通過數學建模等定量方法且采用大樣本實證分析的研究較少，本文對此進行補充，有助于拓展供應鏈韌性研究；②現有文獻對新型要素的探討多集中在數據要素上，本文結合數字經濟與新質生產力背景，明晰新型生產要素的內涵并對其進行量化分析，有助于豐富新型生產要素研究；③從要素組合視角對新型生產要素與ICT制造業企業供應鏈韌性的作用關系進行深入剖析，有助于拓寬要素組合與供應鏈韌性理論邊界，為ICT制造業企業更好地應對不確定性沖擊、維系供應鏈穩定提供支撐。

2 研究設計

2.1 理論框架

在供應鏈韌性形成過程方面，相關學者傾向于以重大干擾事件為關鍵點劃分供應鏈不同響應階段。Ponomarov amp; Holcomb[17]將供應鏈韌性劃分為準備、響應和恢復3個階段，認為物流動態集成能力越強，越能使供應鏈韌性得到強化。結合動態能力理論，供應鏈韌性是指供應鏈系統在面對不確定性沖擊時及時整合關鍵資源和動態能力來維持或恢復正常運營，甚至實現突破性成長的能力；Ali等[18]主張從中斷之前、中斷期間和中斷之后3個階段對供應鏈韌性能力進行劃分；Hosseini等[19]使用時間屬性識別供應鏈韌性的3個維度：吸收能力、適應能力和恢復能力。綜合多位學者觀點，本文以動態能力理論為基礎，結合供應鏈應對風險的階段性特征，從3個維度構建供應鏈韌性能力框架，即反應能力（中斷前）、適應能力（中斷期間）和恢復能力（中斷后）。

隨著科技創新和市場的不斷演進，生產要素組合從相對固定逐漸向靈活配置轉變，生產要素及其組合成為產業競爭力的重要來源[14]。在數字經濟及新質生產力背景下，新型生產要素使得市場主體面對復雜多變環境時能夠及時作出調整。從經濟學角度看，新型生產要素進入生產過程會對生產要素構成及其相互作用關系產生影響，知識、技術、管理和數據既能單獨作為生產要素，也可組合協同對供應鏈韌性發揮乘數效應[20]。基于此，本文結合數字經濟與新質生產力背景，探究新型生產要素對ICT制造業供應鏈韌性的作用機制。本文構建新型生產要素賦能ICT制造業供應鏈韌性邏輯框架，如圖1所示。

2.2 數據來源

綜合考慮數據可得性以及ICT制造業企業上市時間，根據證監會行業分類，選取2018-2022年全國A股計算機、通信和其它電子設備制造業上市公司作為初始樣本，進行如下篩選：①剔除被ST或*ST的樣本；②剔除變量數據缺失嚴重的樣本。最終得到295家ICT制造業上市企業，數據來源于CSMAR數據庫、CNRDS數據庫以及企業年報。

2.3 變量界定與測度

本文對被解釋變量（供應鏈韌性）、解釋變量（新型生產要素）與其它控制變量進行具體論述，主要通過選取代理變量的方式對相關指標進行測度，如表1、表2所示。

2.3.1 供應鏈韌性評價指標體系

當前，對供應鏈韌性的研究多從反應能力、適應能力、恢復能力3個維度展開，分別對應不確定事件發生前、發生時和發生后3個階段[21]。

（1）反應能力。反應能力是指供應鏈能夠及時感知外界環境變化，在面對外部沖擊時迅速作出調整的能力。供應鏈反應能力與企業運營能力兩者相輔相成，良好的運營能力能夠使面對中斷的供應鏈及時得到自我恢復與強化[22]。應收賬款周轉率與應付賬款周轉率直接反映企業與客戶、供應商之間資金往來的速度及效率，對企業現金流和供應鏈穩定具有重要影響，體現企業與客戶、供應商的關系，故本文選取應收賬款周轉率與應付賬款周轉率作為供應鏈反應能力測度指標之一[23]。供應鏈上下游關系與供應鏈反應能力存在一定關聯，供應鏈上企業間合作關系能促進供應鏈高效協同，強化供應鏈韌性[24]。借鑒Roberta 等[25]的做法，從協作關系維度選取供應關系依賴和客戶集中度兩個指標衡量供應鏈反應能力。

（2）適應能力。適應能力反映供應鏈在面對外部沖擊時保持正常運作的能力。成本管理和供應鏈可靠性影響企業利潤，一定程度上影響供應鏈風險抵抗能力[26]。參考其他學者做法，從內部穩定性和冗余性兩個角度選取測度指標。員工是支撐企業供應鏈發展的根本動力，參考魏琳和耿云江[27]的研究，選取員工流動率反映供應鏈內部穩定性。在供應鏈風險管理中，一般通過保持資源儲備或降低供應鏈中斷造成的負面影響達成冗余策略，進而提高對不可預見需求和風險的預見能力及適應能力[28]。參考 Spiegler等[29]的研究，將存貨作為考察供應鏈韌性冗余的重要因素，使用存貨期末凈額作為變量進行測度；同時，參考已有研究，選取管理費用與營業收入的比值衡量企業沉淀性冗余資源[30]。

（3）恢復能力。恢復能力主要是指供應鏈在遭受外部沖擊時通過資源調整、組織結構變革等措施恢復至正常運營狀態的能力。企業財務實力影響供應鏈恢復速度和應急能力，與供應鏈韌性呈顯著正相關關系，學者通常選取企業凈資產收益率與總資產凈利潤率作為關鍵測度指標[23]。通過技術革新能提升供應鏈競爭優勢，參考張虎等[31]、張偉等[32]的觀點，從技術進步性方面選取指標，主要包括本科及以上人數占比、研發投入率等（見表1）。

為保證研究精確度，參考張樹山等[16]、趙霞等[33]的研究，設置影響企業成長、償債能力和公司治理的控制變量，包括企業規模（Size）、企業年齡（Age）和資產負債率（Lev）。

2.3.2 新型生產要素評價指標體系

數據作為一種新型生產要素，是數字化、網絡化、智能化的基礎，但并非所有數據都能稱之為數據要素，只有經過加工處理形成具體產品，通過市場流通投入使用，且潛在經濟價值轉化為具體收益及實際效用，才能成為促進經濟發展的生產要素（郭如愿，2023）。因此，數據要素經過匯集、整理和加工形成，能夠滿足特定生產需求，可作為資源投入使用并創造經濟價值。考慮到數據要素在ICT制造業企業的數字化應用，借鑒吳非等[34]的研究方法，運用文本分析法對企業年報中包含數據、數字化、智能等的明細項進行詞頻統計，構建數據賦能指標。

知識經濟的到來使得知識演變為一種獨立的生產要素（林金忠，2004），其對于促進技術進步和經濟發展具有重要意義；同時，技術要素對于提高生產效率、產品質量和創新能力也發揮重要作用，掌握前沿技術是企業在產品和市場競爭中的重要優勢。在經濟學視角下，知識、技術能夠轉化為生產力或產品。研究與開發活動是直接創造生產性知識和技術的重要經濟行為，研發成果是知識要素和技術要素的價值體現[35]。考慮到ICT制造業研發成果通常以論文和專利的形式存在，學術論文數量能夠反映企業在知識創造方面的投入，不僅代表企業在前沿技術研究和理論探索上的努力，也反映其在知識積累、技術傳播和學術交流方面的活躍程度。因此，選取企業發表的論文數衡量知識要素，利用CNKI作者單位檢索功能獲取企業論文相關數據。專利更多體現為企業技術創新水平，因此企業專利申請及授權數量常被用來衡量技術要素。

管理作為生產要素是指企業在生產過程中對資源進行有效組織、協調和控制的活動，包括規劃、組織、領導、控制等。企業家是管理要素的核心組成部分，企業家能力影響要素資源配置效率和組織結構優化[36]，企業需要投入管理費用以獲得經濟效益。基于此，參考楊春和于婷婷[37]的做法，采用管理費用與主營業務收入的比值衡量企業管理效率。

3 ICT制造業供應鏈韌性測度

3.1 熵值法

熵值法是一種客觀賦權方法，主要以指標數據信息熵特性為依據判斷某指標的離散程度，并據此確定各指標權重大小（見表3）。具體計算過程如下：

首先，為消除量綱差異對最終結果的潛在影響，對正向指標和負向指標進行標準化處理。Xijk為i年j企業k指標的原始值，Xtmn為t年m企業n指標的原始值，標準化處理后的數值用Yijk表示。具體公式如下：

其次，在指標經過標準化處理后，計算該指標在整體指標體系中所占比重，計算過程如下：

最后，分別計算各指標的信息熵和相應權重，進而得出各企業供應鏈韌性水平的綜合得分。

其中，dk表示第k項指標的差異性系數；ek表示第k項指標的熵值；Wk表示第k項指標的權重；Sij為i年j企業供應鏈韌性綜合水平。

3.2 描述性統計分析

通過數據收集與匹配最終獲得1 475個樣本，樣本描述性統計結果如表4所示。通過熵值法計算供應鏈韌性評價指標體系權重并運用線性加權法進行計算，發現2018—2022年全國295家ICT制造業企業供應鏈韌性均值為0.129，標準差為0.050，其中最大值、最小值分別為0.530和0.061，說明2018—2022年全國范圍內ICT制造業企業供應鏈韌性整體水平較低，且存在個體差異。為消除量綱的影響，對新型生產要素指標作歸一化處理，其中數據要素變量D均值、標準差分別為0.125和0.139，知識要素變量K均值、標準差分別為0.020和0.067，技術要素變量T均值、標準差分別為0.036和0.096，管理要素變量M均值、標準差分別為0.116和0.096，表明樣本企業間新型生產要素應用程度存在一定差異，其余變量差異均在合理范圍之內。

3.3 供應鏈韌性測算結果

3.3.1 地區差異

我國各地區資源稟賦與經濟發展水平不同，ICT制造業企業創新環境和創新資源各異，導致企業供應鏈韌性水平存在區域差異。按照國家統計局劃分辦法，將樣本劃分為東部、中部和西部地區。從表5可知，我國ICT制造業上市企業存在分布不均衡的問題，3個地區ICT企業數量差異較大，東部沿海地區發展明顯優于中西部地區。

我國ICT制造業企業供應鏈韌性水平也存在顯著的區域差距。從圖2可以看出，2018—2022年我國東中西部地區制造業企業供應鏈韌性均呈上升趨勢，但東部地區最緩，中部地區次之，西部地區最快；從均值看，東部地區制造業企業供應鏈韌性均值最低，中部地區次之，西部地區最高。這可能是因為東部地區通常擁有較為成熟的ICT制造業基礎和較為完善的供應鏈體系，但同時也面臨著激烈的國內外競爭和較高的運營成本，導致供應鏈調整和優化空間較小，從而使得供應鏈韌性增長較慢。伴隨著近年來國家“中部崛起戰略”的實施，中部地區基礎設施建設和產業升級增強，西部地區受益于國家對西部大開發的持續投入及政策傾斜，供應鏈韌性提升速度較快。

從區域最大差率看，2018—2022年ICT制造業企業供應鏈韌性區域最大差率逐年增大，分別為5.64倍、5.95倍、6.85倍、7.33倍和8.44倍。從三大區域板塊內部看，東部地區由于ICT制造業企業數量最多且，類型豐富，企業間供應鏈韌性水平存在較大差異，

區域最大差異率最高；中部地區5年來區域最大差異率從5.43倍升至7.14倍，說明近兩年中部地區ICT制造業企業供應鏈韌性水平差距逐漸拉大；西部地區5年間區域最大差異率呈小幅上升趨勢，維持在5～6倍，變化幅度不大（見表6）。總體而言，不同地區ICT制造業企業供應鏈韌性水平存在較大差異，可能是因為受地區經濟發展水平、產業結構、政策支持等不同因素影響。

3.3.2 上下游差異

ICT產業鏈主要包括上游、中游、下游環節，其中上游主要包括芯片制造商、電子元器件供應商、交換機及路由器制造商、通信設備零部件供應商等；中游主要包括通信終端設備、通信系統設備、接入設備、傳輸設備等；下游主要包括電信運營商和企業等（魏明等，2024）。由于本研究不涉及電信運營商等非制造業企業，故將ICT制造業供應鏈劃分為上游（芯片制造商、電子元器件供應商等）和下游（通信終端設備、通信系統設備等），對2018—2022年供應鏈韌性進行統計分析。由圖3可知，5年間上下游企業供應鏈韌性均呈緩慢上升態勢，且下游供應鏈韌性水平普遍高于上游。相較之下，上游企業直接面臨ICT產業可控性差、關鍵技術受制于人等堵點、卡點和痛點問題，其供應鏈韌性和安全水平亟須提升。

4 實證結果與分析

4.1 模型設定

在前文分析的基礎上，為進一步檢驗新型生產要素對供應鏈韌性的影響，構建如下基礎模型：

模型（7）中，被解釋變量Scr為供應鏈韌性，解釋變量D為數據要素，K為知識要素，T為技術要素，M為管理要素，Controls為企業層面控制變量。

4.2 多重共線性檢驗

首先，對數據進行ADF檢驗。結果顯示，所有變量的P值均小于0.05，認為數據平穩，可進行回歸分析。其次，為避免模型偏誤，以規避解釋變量強相關引起的非有效估計問題，對變量進行多重共線性檢驗。如表7所示，最大方差膨脹因子值為1.66，最小容忍度為1.00。由于方差膨脹因子（VIF）遠低于10的閾值，且容忍度（1/VIF）明顯大于0.1的標準，因此認為該模型解釋變量間不存在多重共線性問題。

4.3 基準回歸

進一步，驗證新型生產要素對制造業企業供應鏈韌性的影響，為更好地控制不可觀測的個體固有特征，減小遺漏變量造成的負面影響，通過F檢驗、Hausman檢驗和時間效應顯著性檢驗確定采用個體固定效應模型進行回歸，消除異方差和序列相關，逐個驗證4種新型生產要素對被解釋變量供應鏈韌性的影響，并逐步加入控制變量，結果如表8所示。列（1）—列（4）回歸結果表明，4種新型要素對ICT制造業企業供應鏈韌性均具有影響。具體而言，數據要素系數為0.024，管理要素系數為0.126，均在1%水平上對供應鏈韌性具有不同程度的正向影響；知識要素系數為-0.082，技術要素系數為-0.052，均在1%水平上對供應鏈韌性具有一定程度的負向影響。可能是因為，數據要素非競爭性、可完整復制性和及時性等特征使其具有近乎為零的邊際成本，相比于其它要素，更容易實現規模經濟和范圍經濟[38]。如云計算、大數據分析技術對資本和勞動靈活性與流動性具有顯著促進作用。數字經濟背景下，企業更偏好采納扁平化、網絡化組織架構及團隊協作管理模式，推動管理模式與組織策略不斷創新，從而提升經濟主體內部協作效率，同時增強企業對外部環境變化的適應能力（喬倩等，2024）。歐盟出臺的《創新綠皮書》提出“歐洲悖論”，認為知識要素高投入并未帶來經濟的顯著增長，即知識要素與勞動力、資本等生產要素相比，其價值實現具有長周期性和不確定性特點[39]。在ICT產業中，知識與技術的快速發展和更新換代可能導致供應鏈不穩定。這是因為，知識在組織協同過程中會不斷流動，而過度依賴知識產權保護有可能導致創新能力受限或知識成果無法有效轉化為供應鏈競爭優勢，引入新技術需要企業更新設備、對人員進行培訓等，這有可能導致企業生產過程中斷；此外，ICT行業技術的快速變化有可能縮短產品生命周期，增加供應鏈管理風險，從而對供應鏈韌性產生負面影響。

表8列（5）顯示，4種新型生產要素組合作用對企業供應鏈韌性具有顯著影響。其中，管理要素對供應鏈韌性的正向影響最顯著，可能是因為得益于管理紅利。管理紅利是指由管理獲得的效率優勢或超額收益（周衛民，2024），管理紅利能帶動整個供應鏈效率和韌性提升。企業通過高效運作和有效激勵能增強供應鏈協作能力，使供應鏈在面對外部沖擊時抵御能力更強。

此外，企業規模和企業年齡對供應鏈韌性具有正向影響，而資產負債率對企業供應鏈韌性具有負向影響，原因可能在于：大型企業能夠投入更多資金、人力等資源提升供應鏈韌性，包括選擇備選供應商、提高庫存水平、加強供應鏈信息技術應用等；并且，隨著企業年齡增長，企業積累了豐富的管理經驗和知識，能夠深入理解供應鏈管理面對的各種風險，并有效應對相應挑戰；企業高資產負債率一定程度上意味著企業資本結構不合理，可能過度依賴債務融資，而不是通過股權融資平衡資本結構，因此過高的負債比例有可能會限制企業生產規模擴大、研發創新能力提升，使其難以獲取應對市場變化的靈活性，從而削弱企業供應鏈應對能力。為直觀展示4種新型生產要素組合關系與單要素回歸結果及置信區間的變化情況，繪制核心解釋變量系數比較圖，如圖4所示。

4.4 穩健性檢驗

4.4.1 剔除異常值

考慮到我國直轄市相較于其它省份擁有更高的經濟發展水平，為避免這種潛在地域性異常數據對整體分析結果造成的不良影響，對4個直轄市企業數據予以剔除，再次進行回歸分析。

4.4.2 Tobit模型

由于ICT制造業供應鏈韌性取值在0～1之間，符合因變量受限的條件，因此選擇Tobit模型對式（1）重新進行估計，穩健性檢驗結果如表9所示。從中可見，核心解釋變量系數估計結果與普通回歸結果一致，僅系數大小和部分顯著性程度略有不同，進一步驗證了本文結論的可靠性。

4.5 作用機制討論

為進一步探究4種新型生產要素對供應鏈韌性是否存在其它作用機制，在模型（7）的基礎上分別加入4種新型要素兩兩組合的交互項進行調節效應檢驗，由于兩個要素變量直接乘積可能會導致多重共線性問題，因此本文先對4個變量作去中心化處理，然后再分別形成交互項，構建模型（8），回歸分析結果如表10所示。從中可見，數據要素與知識要素的交互項系數為0.225，在1%水平下顯著，意味著數據要素與知識要素存在調節作用。這說明，對于數據要素水平較高的企業，知識要素對供應鏈韌性的影響相對減弱。因此，數據要素和知識要素之間可能存在某種替代效應，即當數據要素得到有效利用時，知識悖論風險對ICT制造業供應鏈韌性的負面影響可能受到一定程度的抑制。

為直觀展示數據要素對知識要素與供應鏈韌性之間的交互作用，根據交互作用討論結果繪制調節效應圖，如圖5所示。從中可見，當數據要素水平較低時，知識要素對供應鏈韌性的影響作用顯著；而當數據要素水平較高時，供應鏈韌性的初始值較低，但斜率變緩，表明知識要素對供應鏈韌性的影響力減弱。

5 異質性分析

5.1 區域異質性

本文將樣本劃分為東部、中部、西部地區進行區域異質性分析，回歸結果如表11所示。從中可見，分組情況下，4種新型生產要素對供應鏈韌性的影響存在顯著差異。其中，管理要素對東中西部地區供應鏈韌性存在顯著正向影響，西部地區影響系數最大，東部地區影響系數最小；數據要素、知識要素和技術要素僅在東部地區影響顯著，但數據要素對供應鏈韌性呈正向影響，知識與技術對供應鏈韌性呈負向影響。對于交互項系數而言，東部地區和中部地區回歸結果顯著，系數依然為正，西部地區結果不顯著。總體而言，4種新型生產要素對ICT制造業企業供應鏈韌性的影響程度為：東部地區gt;中部地區gt;西部地區。

此種地區差距可能源于東中西地區政策支持、經濟發展水平、地理位置和產業結構不同。東部地區經濟發展水平較高，ICT制造業企業大多集中在此，且具備相對完整的供應鏈體系，企業通常享有更多創新補貼和資金支持，對數據、新技術和管理創新的投入力度較大。而中部、西部地區由于資源相對匱乏、產業結構單一，大多為非知識密集型企業，企業間數據、知識、技術要素差距不大，導致除管理外的新型生產要素對供應鏈韌性的影響作用不明顯。東部與其它地區新型生產要素水平差距可能會導致企業在數字經濟時代供應鏈產業分工中出現“脫鉤”現象，即部分地區企業傳統比較優勢逐漸減弱，且在高技能勞動力、技術、資本、數據等高質量發展要素上出現“斷層”，難以參與新經濟、新產業體系分工，導致產業鏈合作面臨風險，影響產業鏈供應鏈韌性，制約整體產業鏈升級和發展。

5.2 上下游異質性

表12回歸結果顯示，ICT制造業供應鏈上游企業結果與模型（8）回歸結果以及東部地區回歸結果基本一致，下游企業結果與西部地區回歸結果類似。即上游企業數據要素、管理要素以及數據要素與知識要素的交互項對供應鏈韌性呈顯著正向影響，知識要素和技術要素對供應鏈韌性呈顯著負向影響；下游企業僅管理要素對供應鏈韌性呈正向影響，其余新型生產要素與供應鏈韌性的作用關系不顯著。這可能是因為ICT制造業上游企業集中于東部地區、下游企業大多位于西部地區，該回歸結果再次印證了前文模型的可靠性。上游企業面臨更加復雜多元的市場環境，更易受到數據、知識、技術變革等不穩定因素的影響，從而導致下游企業供應鏈韌性水平高于上游企業供應鏈韌性水平。

6 結論與建議

6.1 研究結論

本文基于相關文獻，將數據、知識、技術、管理作為新型生產要素，構建供應鏈韌性評價指標體系，選取2018-2022年計算機、通信和其它電子設備制造業上市公司面板數據進行異質性分析，得出如下研究結論：

（1）數據要素、管理要素的有效配置能顯著提高ICT制造業供應鏈韌性水平，知識要素、技術要素對制造業企業供應鏈韌性呈顯著負向影響。值得注意的是，在組合作用下，數據要素和知識要素之間可能存在替代效應，即當數據要素水平普遍提升時，知識悖論風險對供應鏈韌性的負向影響受到一定程度的抑制。

（2）我國ICT制造業產業上下游企業供應鏈韌性存在顯著差異，下游企業供應鏈韌性優于上游企業，且上游供應鏈韌性水平與4種新型生產要素顯著相關，數據要素與知識要素之間存在調節效應；下游僅管理要素對供應鏈韌性的影響顯著。這是因為，上游企業通常處于供應鏈核心位置，面臨激烈的市場競爭和復雜的供需關系，極易受到數據、知識、技術要素水平的影響。

（3）我國ICT制造業產業地區間競爭格局分化明顯，新型生產要素對供應鏈韌性的影響存在區域異質性，影響程度總體表現為：東部地區gt;中部地區gt;西部地區。東部、中部和西部地區ICT制造業企業受扶持政策、經濟發展水平、地理位置、產業結構等影響，在數據、知識、技術等新型生產要素配置和應用上存在明顯差距。

6.2 政策建議

根據上述研究結論，本文提出如下政策建議：

（1）促進新型生產要素協同應用，加強數據、知識、技術安全管理。根據環境需求制定靈活的技術更新策略，推進管理模式創新，重視人才動態調配，提高數據資源整合能力，促進新型生產要素在各環節之間的自由流動和合理配置，進而提高供應鏈韌性水平。同時，加強數據等新型生產要素安全基礎設施建設，制定數據安全政策體系，降低數據濫用、技術局限性帶來的風險。

（2）加強上下游供應鏈伙伴間的溝通與合作，強化供應鏈各環節配套發展，建立穩定的供應鏈關系，實現供應鏈協同優化，提高整個ICT制造業供應鏈韌性水平和競爭力。ICT制造業供應鏈上游企業應重點關注數據、知識和技術要素的應用，在研發要素投入、創新人才集聚、前沿技術和關鍵核心技術突破上發揮主力軍作用，擺脫技術“卡脖子”困境。下游企業應強化管理要素對供應鏈韌性的正向影響，提升組織管理水平，優化業務流程，持續改進供應鏈管理，增強企業競爭力和可持續發展能力。

（3）抓住中部崛起戰略以及西部大開發戰略機遇，鼓勵和支持中西部地區ICT制造業企業發展。打破各種顯性和隱性知識壁壘，積極引導新型生產要素在區域之間、產業之間雙向流動，促進區域均衡發展與合作，擺脫先天資源稟賦約束，培育新的比較優勢，持續推進經濟高質量發展。

參考文獻：

[1]洪群聯，周鑫.新一輪科技革命和產業變革下服務業發展的趨勢與對策[J].宏觀經濟管理，2018，34（4）：38-41.

[2]周文，許凌云.論新質生產力：內涵特征與重要著力點[J].改革，2023，40（10）：1-13.

[3]習近平.堅持和完善中國特色社會主義制度推進國家治理體系和治理能力現代化[EB/OL].（2020-01-01）[2024-11-25].http：//www.qstheory.cn/dukan/qs/2020-01/01/c_1125402833.htm.

[4]陳曉東，劉洋，周柯.數字經濟提升我國產業鏈韌性的路徑研究[J].經濟體制改革，2022，40（1）：95-102.

[5]ALEXANDER D E.Resilience and disaster risk reduction：an etymological journey[J]. Natural Hazards and Earth System Science， 2013，13（11）：2707-2716.

[6]顧旻灝，霍寶鋒.供應鏈彈性研究綜述：理論和影響機制[J].供應鏈管理，2020，1（3）：46-56.

[7]ZHAO N， HONG J， LAU K H. Impact of supply chain digitalization on supply chain resilience and performance： a multi-mediation model[J]. International Journal of Production Economics， 2023， 259： 108817.

[8]ASLAM H， KHAN A Q， RASHID K， et al. Achieving supply chain resilience： the role of supply chain ambidexterity and supply chain agility[J]. Journal of Manufacturing Technology Management， 2020， 31（6）： 1185-1204.

[9]讓·巴蒂斯特·薩伊.政治經濟學概論[M].北京：華夏出版社，2014.

[10]王飛，韓曉媛，陳瑞華.新質生產力賦能現代化產業體系：內在邏輯與實現路徑[J].當代經濟管理，2024，46（6）：12-19.

[11]戴魁早，劉友金.要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析[J].經濟研究，2016，51（7）：72-86

[12]公衍磊，鄧辛，楊金強.全要素生產率、產能利用率與企業金融資源配置——基于中國上市企業委托貸款公告數據的經驗分析[J].金融研究，2020，63（7）：57-74.

[13]蓋慶恩，朱喜，程名望，等.要素市場扭曲、壟斷勢力與全要素生產率[J].經濟研究，2015，50（5）：61-75.

[14]李曉華.新發展格局下提升產業鏈供應鏈韌性與安全的難點與著力點[J].新疆師范大學學報（哲學社會科學版），2024，45（6）：67-76，2.

[15]李曉華.產業鏈韌性的支撐基礎：基于產業根植性的視角[J].甘肅社會科學，2022，44（6）：180-189.

[16]張樹山，谷城.供應鏈數字化與供應鏈韌性[J].財經研究，2024，50（7）：21-34.

[17]PONOMAROV S Y， HOLCOMB M C. Understanding the concept of supply chain resilience[J]. The International Journal of Logistics Management， 2009， 20（1）： 124-143.

[18]ALI A， MAHFOUZ A， ARISHA A. Analysing supply chain resilience： integrating the constructs in a concept mapping framework via a systematic literature review[J]. Supply Chain Management： An International Journal， 2017， 22（1）： 16-39.

[19]HOSSEINI S， IVANOV D， DOLGUI A. Review of quantitative methods for supply chain resilience analysis[J]. Transportation Research Part E： Logistics and Transportation Review， 2019， 125： 285-307.

[20]史丹.數字經濟條件下產業發展趨勢的演變[J].中國工業經濟，2022，39（11）：26-42.

[21]AL NAIMI M， FAISAL MOHD N， SOBH R， et al. A systematic mapping review exploring 10 years of research on supply chain resilience and reconfiguration[J]. International Journal of Logistics Research and Applications， 2022， 25（8）： 1191-1218.

[22]BRUSSET X， TELLER C. Supply chain capabilities， risks， and resilience[J]. International Journal of Production Economics， 2017， 184： 59-68.

[23]李成剛，賈鴻業，趙光輝，等.基于信息披露文本的上市公司信用風險預警——來自中文年報管理層討論與分析的經驗證據[J].中國管理科學，2023，31（2）：18-29.

[24]王曉珍，吳昌松.“雙鏈”融合背景下供應鏈韌性對客戶企業創新鏈的影響機制研究[J].中國礦業大學學報（社會科學版），2023，25（5）：157-170.

[25]ROBERTA PEREIRA C， CHRISTOPHER M， LAGO DA SILVA A. Achieving supply chain resilience： the role of procurement[J]. Supply Chain Management： An International Journal， 2014， 19（5/6）： 626-642.

[26]HOLZHACKER M， KRISHNAN R， MAHLENDORF M D. Unraveling the black box of cost behavior[J]. The Accounting Review， 2015， 90（6）： 2305-2335.

[27]魏琳，耿云江.新冠疫情背景下企業韌性評價指標體系的構建[J].當代經濟，2021，37（8）：108-113.

[28]FARUQUEE M， PAULRAJ A， IRAWAN C A. Strategic supplier relationships and supply chain resilience：is digital transformation that precludes trust beneficial[J]. International Journal of Operations amp; Production Management， 2021， 41（7）： 1192-1219.

[29]SPIEGLER V L M， NAIM M M， WIKNER J. A control engineering approach to the assessment of supply chain resilience[J]. International Journal of Production Research， 2012， 50（21）： 6162-6187.

[30]王墨林，閻海峰，宋淵洋.企業數字化程度對戰略激進度的影響研究[J].管理學報，2023，20（5）：667-675.

[31]張虎，張毅，韓愛華.我國產業鏈現代化的測度研究[J].統計研究，2022，39（11）：3-18.

[32]張偉，李航宇，張婷.中國制造業產業鏈韌性測度及其時空分異特征[J].經濟地理，2023，43（4）：134-143.

[33]趙霞，許雅雯，徐永鋒.數字化協同如何影響供應鏈韌性——基于資源和關系整合的分析[J].產經評論，2023，14（5）：24-42.

[34]吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-144，10.

[35]張幼文.知識經濟的生產要素及其國際分布[J].經濟學動態，2004，45（5）：20-23.

[36]周衛民，張益豐.技術進步實現機制和生產要素產出彈性理論假說——來自我國9個發達經濟區的實證檢驗[J].財經科學，2009，53（9）：82-90.

[37]楊春，于婷婷.中國制造業企業管理創新能力研究[J].工業技術經濟，2019，38（7）：114-118.

[38]蔡躍洲，馬文君.數據要素對高質量發展影響與數據流動制約[J].數量經濟技術經濟研究，2021，38（3）：64-83.

[39]陳景信，代明.知識要素與創業績效——基于PVAR模型和區域的視角[J].經濟問題探索，2020，41（1）：38-48.

（責任編輯：王敬敏）

The Impact of New Production Factors on the Resilience of ICT Manufacturing Supply Chain

Zhang Zhiqiang， Li Zhaoman

（School of Management， China University of Mining and Technology-Beijing， Beijing 100083， China）

Abstract：With the comprehensive acceleration of the global economic and social digital transformation and the rise of a new round of technological revolution and industrial transformation， the manufacturing industry is developing in the high-end， intelligent， and green trend. However， many underlying and key technologies in industries such as electronic information and advanced manufacturing in China are still confronted with bottlenecks. The competitive advantage of the ICT manufacturing industry is increasingly constrained by the resilience of the supply chain. The various links of the industrial and supply chain are closely interconnected， involving the complex integration of different production factors such as capital， technology， and talent. As society further develops， the connotation of production factors is gradually expanding and deepening. New quality productive forces， including data， knowledge， technology， and management， are important supports. Therefore， accurately grasping the connotation of new production factors， exploring their impact mechanism on the resilience of the supply chain， and cultivating new quality productive forces to maintain the security and stability of the supply chain are of great significance for the ICT manufacturing industry to accumulate competitive advantages with new factors.

This study synthesizes insights from various scholars， and proposes a comprehensive supply chain resilience framework that addresses three critical dimensions： pre-disruption response capabilities， intra-disruption adaptation capabilities， and post-disruption recovery capabilities. It takes 295 listed companies in the computer， communication， and other electronic equipment manufacturing industry on the A-share market from 2018 to 2022 as samples. Numerical values of new production factor variables are obtained based on the data collected through the CSMAR database， CNRDS database， and corporate annual reports to calculate the supply chain resilience of enterprises over a 5-year period for analysis. By defining variables and constructing a multiple linear regression model， the interaction mechanism among the four factors is further explored.

The results show that data and management factors have a significant positive impact on the resilience of the supply chain in the ICT manufacturing industry， while knowledge and technology factors have a significant negative impact. However， when combined， there is a certain substitution effect between the data and knowledge factors， that is， when the level of data elements is generally improved， the negative impact of risks such as the knowledge paradox on the resilience of the supply chain may be partially suppressed. There are differences in the resilience of the supply chain between upstream and downstream enterprises in the ICT manufacturing industry， with downstream enterprises having better resilience than upstream enterprises， and the new factors have different effects on the resilience of the supply chain between upstream and downstream. There is a significant differentiation in the competitive pattern among industrial regions， and there is regional heterogeneity in the impact of new factors on the resilience of the supply chain.

This paper expands the empirical research on supply chain resilience， and clarifies the connotation of new production factors and quantifies them in the context of the digital economy and new quality productive forces. It conducts an in-depth analysis of the relationship between new production factors and the resilience of the supply chain of ICT manufacturing enterprises from the perspective of factor combinations， providing support for ICT manufacturing enterprises to better cope with uncertainty shocks and maintain supply chain stability. To enhance the resilience and competitiveness of the ICT manufacturing industry's supply chain， it is imperative to foster the synergistic application of new production factors， including the robust safety management of data， knowledge， and technology. Concurrently， there is a need to bolster communication and collaboration with supply chain partners across the upstream and downstream sectors， ensuring the coordinated development of each link within the supply chain. This approach will facilitate the establishment of stable relationships and lead to the collaborative optimization of the supply chain. Furthermore， to capitalize on regional development opportunities， it is essential to seize the momentum of the central region's rise and the Western Development Strategy. This involves actively encouraging and supporting the growth of ICT manufacturing enterprises in the central and western regions.

Key Words：New Production Factors; ICT Manufacturing; Supply Chain Resilience; Resource Base; Dynamic Capabilities

收稿日期：2024-05-04 修回日期：2024-09-03

基金項目：國家社會科學基金項目（23FGLB001）；中國礦業大學（北京）本科教育教學改革與研究項目（J240504）

作者簡介：張志強（1984-），男，安徽淮北人，博士，中國礦業大學（北京）管理學院副教授、博士生導師，研究方向為質量管理；李昭漫（2000-），女，河北石家莊人，中國礦業大學（北京）管理學院碩士研究生，研究方向為質量管理。