引言

当前，新一轮科技革命与产业变革加速演进，数字化已成为推动实体经济转型升级与高质量发展的核心驱动力。党的二十大报告明确提出“加快发展数字经济，推动数字经济和实体经济深度融合”，在政策支持与产业趋势推动下，企业数字化转型不再仅是内部管理革新的工具，而已成为企业嵌入供应链体系、重塑外部合作关系的重要支点。因此，探究企业数字化能力如何在不同关系属性与网络结构下影响合作关系的持续性，既是对国家战略的积极回应，也具有重要的理论与实践意义。

一、理论分析与研究假设

（一）供应链企业数字化转型对合作关系稳定性的理论分析与研究假设

从客户的角度来看，企业的数字化水平越高，其在供应链中的协同能力和响应能力越强。数字系统能够实现订单状态、库存信息、生产进度和物流节点等核心数据的实时共享，大幅降低客户在交易过程中的信息不对称与沟通成本，提升了双方的合作稳定性。

从供应商角度来看，数字化转型同样增强其在供应链中的“连接性”与“不可替代性”。高度数字化的供应商能够通过大数据分析、产能共享与智能调度快速响应客户定制化、小批量、多品类的复杂订单需求，从而在客户的业务体系中占据更核心的位置。另一方面，数字化建设本身往往需要大量前期投入，企业更倾向于与已有合作关系稳定的客户维持长期合作，形成“关系惯性”，而非频繁切换合作对象。基于以上理论和分析，本文提出假设H1：

H1a：企业的数字化转型程度越高，其与客户的合作关系稳定性越强。

H1b：企业的数字化转型程度越高，其与供应商的合作关系稳定性越强。

（二）客户-供应商关系粘性的理论分析与研究假设

客户—供应商关系粘性可能体现在多个方面。首先，相对议价能力影响合作决策中主动性的归属。当客户在与供应商关系中处于优势地位时，其数字化平台主导能力更强，往往倾向于选择成本更低、控制力更强的合作对象，以降低交易风险与技术依赖。其次，行业竞争程度影响替代性与合作稳定性的紧迫性。在市场集中度较高或呈寡头垄断特征的行业中，合作对象选择受限、退出成本较高，企业更倾向于维持长期合作，数字化能力因此更易成为稳定合作关系的重要机制工具。据此，本文提出如下研究假设H2。

H2：当客户-供应商关系粘性更高时，数字化转型对合作关系稳定性的正向影响更显著。

（三）结构嵌入的理论分析与研究假设

在供应链高度复杂化、协同日益依赖数字系统的背景下，企业在合作网络中的嵌入位置，已成为影响其信息获取效率、协同能力与合作行为的重要结构性因素。结构嵌入不仅影响企业自身的资源获取路径和信息优势，也决定了其在面对合作选择、风险冲击和数字系统扩散时的响应策略与协调能力。首先，从供应链网络的嵌入来看，企业的网络地位越高，通常意味着其连接数量多、位置核心、影响力强，能够更快速地获取上下游的市场反馈与风险预警信息。其次，从董事网络的嵌入来看，企业若在该网络中拥有更高的连接密度和活跃度，则其管理层往往与更多企业存在交叉任职关系，能够获得更广泛的信息渠道与决策参考资源，数字化能力更容易内化为合作稳定性的制度基础，表现出正向调节效应。

基于以上分析，提出如下假设：

H3a：企业的供应链网络地位越高，数字化转型对合作关系稳定性的影响越显著。

H3b：企业在董事网络中的影响力和活跃度越高，数字化转型对合作关系稳定性的正向作用越强。

二、研究设计

（一）样本选择与数据

本文选择2007-2024年间中国沪深A股上市公司作为研究样本，企业财务与控制变量数据主要来自于CSMAR数据库、Wind数据库与CNRDS平台。

（二）变量的定义

1.被解释变量：合作关系稳定性

本文将上市公司（）与其前五大客户/供应商（）分别配对形成客户—供应商。本文被解释变量为各客户—供应商对的合作关系稳定性（）。

2.解释变量：供应链企业数字化转型

供应链企业数字化转型（Digitization）：本文借鉴方巧玲(2023)的多维度指标衡量法，其中，分别表示客户企业供应链的数字化转型程度和供应商企业供应链。

根据战略引领、技术驱动、组织赋能、环境支撑、数字化成果、数字化应用六个指标加权计算得出企业数字化转型指数，将上述各二级指标标准化处理后，映射至0-100，得出各一级指标的评分，然后得出评分与一级指标权重的乘积，即企业数字化转型指标。相关计算如下所示：

(1)标准化处理：

其中，为指标值，为指标均值，为指标值与均值的平均偏差，公式为：

(2)指标映射至0-100：

其中，为标准正态分布函数，公式为：

3.调节效应重要变量：网络位置

供应链网络地位。本文依据上市公司年报中披露的前五大客户与前五大供应商信息，使用Python编程语言，通过计算PageRank与TextRank两类中心度指标来刻画企业在供应链网络中的结构位置。具体计算方法如下式所示：

此外,本文进一步参考的改进算法,以企业和其客户/供应商的交易金额作为权重计算中心度。计算方法如式所示:

4.董事网络位置。本文用程度中心度表示网络中与本企业直接相连的企业个数。连锁董事能够掌握和交换企业间的信息,帮助企业建立紧密联系的连结。程度中心度计算方法如式：

公司财务绩效还受到其他因素的干扰，如公司规模、营运能力、负债能力、治理情况、资金占用情况等。本文选择了公司规模（size）、总资产周转率（operation）、资产负债率（lev）、公司资历（firmage）、机构持股情况（inst）、审计情况（big4）为控制变量。各个变量的定义及解释，见表1。

变量类别	变量名称	变量符号	变量定义
被解释变量	合作关系稳定性		该变量取值为1表示该客户-供应商对在 年和 年都存在,否则取值为0
解释变量	供应链企业数字化转型		根据战略引领、技术驱动、组织赋能、环境支撑、数字化成果、数字化应用六个指标加权计算得出供应商/客户企业供应链的数字化转型程度
	网络位置		运用Python编程环境测算PageRank与TextRank两类中心性测度，以刻画特定节点在供应网络拓扑中的结构性位置，进而表征该主体的网络嵌入深度与关系影响力水平。
	程度中心度		特定主体在关联网络中直接建立链接的经营实体数量
控制变量	公司规模	size	企业总资产取自然对数
		总资产周转率	operation	本期营业收入净额(期初资产+期末资产)/2
		资产负债率	lev	本期末负债/本期末总资产
		公司资历	firmage	公司成立年限
		机构持股情况	inst	机构持股比例
		审计情况	big4	四大审计机构取值为1，否则为0

（四）模型的构建

为了考察企业供应链风险对合作关系稳定性的影响效应，本文基准回归模型设定如下：

其中，表示企业和企业这一客户—供应商对在年的合作关系稳定性，若年和年同时存在合作关系取值为1，否则为0。解释变量分别为滞后一期的客户企业数字化转型程度和供应商企业供应链风险感知。

客户-供应商关系的粘性和企业的网络嵌入能力在供应链风险影响合作关系稳定性中的调节作用：

其中，和为企业和企业的调节变量，其他变量设置与式一致。

三、实证分析

（一）基准回归结果

表2呈现了企业数字化转型对客户/供应商合作关系稳定性（）的基准回归结果。列（1）与列（2）以全样本为基础，均在1% 显著性水平上显著，表明企业数字化能力的提升将显著增强其与合作方的关系稳定性。列（3）与（4）进一步将样本限定于企业的Top3客户与Top3供应商，结果显示数字化变量的系数依旧显著，且数值略高于全样本结果。

样本范围	(1)		(2)		(3)		(4)
	全样本		全样本		Top3		Top3
被解释变量	Stayijt		Stayijt		Stayijt		Stayijt
Digitizationit-1	0.1738***	0.0385	0.1793***	0.0385	0.1936***	0.0649	0.198***	0.0649
Digitizationjt-1	0.3685***	0.1265	0.3663***	0.132	0.5445***	0.132	0.5863***	0.1309
控制变量	Yes		Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes		Yes
年份FE	Yes		Yes		Yes		Yes
观测值	1872		1872		1872		1872
调整R2	0.083		0.091		0.121		0.132

注：***、**、* 表示在1% 、5% 、10% 的水平上显著；同下。

（二）调节作用分析

1.客户—供应商关系粘性的调节作用分析

列（1）分别引入了和两个交互项，结果显示，两项交互项系数均显著为正，且在1%的显著性水平上显著，表4第（2）列展示了行业竞争程度对企业数字化转型影响客户—供应商合作关系稳定性的调节效应。表3第（3）列进一步检验了企业所处行业的产业壁垒在数字化转型影响合作关系稳定性过程中的调节作用。

样本范围	(1)		(2)		(3)
被解释变量	Stayijt		Stayijt		Stayijt
Digitizationit-1*SCit-1	0.0044***	0.0077
Digitizationjt-1*CCjt-1	0.0132***	0.0066
Digitizationit-1*HHIit-1			0.5137**	1.3233
Digitizationjt-1*HHIjt-1			1.2133***	0.5159
Digitizationit-1*LNit-1					0.8536***	1.7952
Digitizationjt-1*LNjt-1					4.0414***	1.5807
Digitizationit-1	0.1628**	0.2618	0.1573**	0.0715	0.1485**	0.0704
Digitizationjt-1	0.6094**	0.1815	0.506**	0.1474	0.1188***	0.2563
SCit-1	0.0077**	0.0033
SCjt-1	0.0022	0.0033
HHIit-1			0.5148	0.5555
HHIjt-1			0.1309*	0.4675
LNit-1					1.2617**	0.9317
LNjt-1					1.925**	0.9075
控制变量	Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes
年份FE	Yes		Yes		Yes
观测值	1872		1872		1872
调整R2	0.0946		0.1045		0.1177

2.网络嵌入能力的调节作用分析

表4第（1）-（2）列报告了供应链网络地位的调节效应回归结果,结果表明供应链企业数字化转型程度与其供应链网络地位交乘项的系数在1%水平上均显著为正。第（3）列报告了董事网络地位的调节效应回归结果，这表明企业在董事网络中的连接程度越高，其数字化能力对客户-供应商合作关系稳定性的正向作用越强。

样本范围	(1)		(2)		(3)
被解释变量	Stayijt		Stayijt		Stayijt
Digitizationit-1*PageRankit-1	0.7348**	0.2563
Digitizationjt-1*PageRankjt-1	0.0253***	0.1199
Digitizationit-1* TextRankit-1			0.5874**	0.2574
Digitizationjt-1*TextRankjt-1			0.0352*	0.1188
Digitizationit-1*Degreeit-1					0.4895**	0.2013
Digitizationjt-1*Degreejt-1					0.1683*	0.2002
Digitizationit-1	0.0308**	0.0726	0.0429**	0.0616	1.8216***	0.6776
Digitizationjt-1	0.3773**	0.1485	0.3828***	0.1485	0.2035**	0.704
PageRankit-1	0.275	0.1034
PageRankjt-1	0.1375	0.044
TextRankit-1			0.253**	0.1012
TextRankjt-1			0.1518*	0.0385
Degreeit-1					-0.1969*	0.1045
Degreejt-1					-0.0121	0.11
控制变量	Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes
年份FE	Yes		Yes		Yes
观测值	1872		1872		1872
调整R2	0.1133		0.1122		0.1001

（三）稳健性检验

1.工具变量法

考虑到企业数字化转型可能存在一定的内生性问题，本文采用工具变量法进行稳健性检验。参考何捷和陆正飞（2020）的方法，作为企业自身数字化水平的工具变量。表5的第（1）与第（2）列报告了第一阶段回归结果，第（3）列为第二阶段的两阶段最小二乘回归（2SLS）结果，符合同基准回归的方向与显著性，表明主结论具有较强稳健性。

	(1)		(2)		(3)		(4)		(5)
	Ⅳ第一阶段		Ⅳ第一阶段		Ⅳ第二阶段		PSM		PSM
被解释变量	Digitizationit-1		Digitizationjt-1		Stayijt		Stayijt		Stayijt
City_Digitizationit-1	1.0835***	0.0132	0.0011	0.0055
Indus_Digitizationit-1	0.5687**	0.2629	0.8844*	0.5049
City_Digitizationjt-1	0.0132	0.1089	0.8371***	0.1012
Indus_Digitizationjt-1	-0.3157	0.2024	0.5038*	0.2783
Digitizationit-1					0.165***	0.0176	0.1782***	0.0374	0.1771***	0.0374
Digitizationjt-1					0.9669***	0.5379	0.3674***	0.132	0.3663***	0.132
控制变量	Yes		Yes		Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes		Yes		Yes
年份FE	Yes		Yes		Yes		Yes		Yes
观测值	1872		1872		1872		1872		1872
调整R2					-0.0022		0.099		0.1023

2.倾向得分匹配法检验

本文参考蒋殿春与鲁大宇，采用倾向得分匹配（PSM）方法以缓解潜在的内生性偏误。表5第（4）-（5）列所示，企业数字化转型程度在两组样本中的回归系数均为正，结果如表6第（1）列所示，核心解释变量系数及显著性水平与基准模型基本一致。本文进一步剔除该类企业，重新估计模型，结果如表6第（2）列所示，数字化转型对合作关系稳定性的正向影响依然稳健显著。

3.考虑遗漏变量

本文在表6第（3）与第（4）列中，分别引入客户/供应商所处行业的行业固定效应与所在城市的地区固定效应，结果显示，数字化转型变量在引入更高层级固定效应后依然保持显著性与方向一致，验证了基准模型的稳健性。

	(1)		(2)		(3)		(4)		(5)
	剔除金融保险行业样本		剔除既是客户又是供应商的企业		增加行业固定效应		增加城市固定效应		增加控制变址
被解释变量	Stayijt		Stayijt		Stayijt		Stayijt		Stayijt
Digitizationit-1	0.1628***	0.0341	0.1793***	0.0396	0.1563***	0.0418	0.1749***	0.0374	0.1628***	0.0341
Digitizationjt-1	0.4455**	0.1397	0.3674	0.1364	0.3652	0.1408	0.3971	0.1353	0.4455	0.1397
控制变量	Yes		Yes		Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes		Yes		Yes
年份FE	Yes		Yes		Yes		Yes		Yes
行业FE	No		No		No		No		No
城市FE	No		No		No		No		No
观测值	1872		1872		1872		1872		1872
调整R2	0.1122		0.0902		0.0022		-0.1595		0.1287

4.替换变量

为检验该识别窗口的鲁棒性，本文进一步将词汇的匹配范围分别调整为上下文5词、10词与20词，重新计算企业数字化词汇嵌入强度，结果如表7第（1）至第（3）列所示。各列中数字化转型变量的回归系数均显著为正，与基准模型结论高度一致。

	(1)		(2)		(3)		(4)		(5)
	上下文5词		上下文10词		上下文20词		Probit		Probit
被解释变量	Stayijt		Stayijt		Stayijt		Stayijt		Stayijt
Digitizationit-1	0.5841***	0.1375	0.2695***	0.0583	0.1342***	0.0286	1.5741*	0.8206	2.1791**	1.0714
Digitizationjt-1	1.1924***	0.3267	0.484***	0.1771	0.253**	0.1034	1.8678***	0.572	3.5618***	0.9933
控制变量	Yes		Yes		Yes		Yes		Yes
客户-供应商对FE	Yes		Yes		Yes		Yes		Yes
年份FE	Yes		Yes		Yes		Yes		Yes
行业FE	No		No		No		No		No
城市FE	No		No		No		No		No
观测值	1872		1872		1872		1872		1872
调整R2	0.1023		0.0979		0.0979

5.改变回归模型检验

因此，本文进一步采用非线性回归方法，即Probit模型与Logit模型，对主回归模型进行稳健性验证。表7第（4）与第（5）列报告了使用Probit与Logit模型的回归结果。结果显示，无论采用何种估计方法，回归符号与基准OLS结果完全一致。

四、结论

本文围绕数字化转型背景下的供应链协同机制，通过基准回归、调节效应检验、工具变量法与多维稳健性检验，本文得出以下主要结论:第一，企业数字化转型有助于提升其与客户和供应商之间的合作关系稳定性。第二，客户-供应商关系的粘性对数字化转型与合作关系稳定性的关系具有显著调节作用。第三，企业在供应链网络与董事网络中的嵌入地位强化了数字化转型的合作稳定性效应。

本文揭示了企业数字化转型如何通过降低交易摩擦、增强信任基础与提升网络协同能力，实质性促进上下游合作关系的稳定发展，为理解数字化转型在供应链体系中的治理逻辑与协同机制提供了理论支持与实证证据。

参考文献：

1. [1] Kraus A, Hoyt F, Schwartz C L, et al. High-resolution structure and strain comparison of infectious mammalian prions [J]. Mol Cell,2021,81(21):4540-4551.e4546.
2. [2] Adom P K, Adams S.Technical Fossil Fuel Energy Efficiency (TFFEE) and debt-finance government expenditure nexus in Africa[J].Journal of cleaner production,2020.
3. [3] 方巧玲,李淑,徐慧.高铁开通与企业数字化转型[J].财会月刊,2023,44(08):127-134.
4. [4] 包群,但佳丽.网络地位、共享商业关系与大客户占比[J].经济研究,2021,56(10):189-205.
5. [5] 陈运森,谢德仁.网络位置、独立董事治理与投资效率[J].管理世界,2011(07):113-127.
6. [6] Freeman L C .Centrality in social networks conceptual clarification[J].Social Networks,1978,1(03):215-239.
7. [7] 尹筑嘉,曾浩,毛晨旭.董事网络缓解融资约束的机制:信息效应与治理效应[J].财贸经济,2018,39(11):112-127.
8. [8] 何捷,陆正飞.定性的未来供应链风险披露与分析师关注行为研究[J].会计研究,2020(06):36-48.
9. [9] 于苏,于小悦,王竹泉.“链主”企业的供应链治理与链上企业全要素生产率[J].经济管理,2023,45(04):22-40.