网站导航 | 网站地图 | 关于我们现代商业杂志社投稿采编平台官方网站

 商业流通
全球化变局下国内供应链重构与内循环适配研究
发布时间:2026-05-14 点击: 128 发布:www.xiandaishangye.cn 编辑:马建伟

摘要: 基于复杂适应系统理论与资源依赖理论,引入供应链数字化水平与伙伴协同能力,探讨供应链韧性重构与内循环体系适配的影响机制。本文共回收有效问卷278份,采用结构方程模型(SEM)和Bootstrap等方法进行实证检验。研究结果表明:供应链韧性重构不仅直接影响内循环适配绩效,还可通过供应链数字化水平的独立中介作用、伙伴协同能力的独立中介作用以及两者的链式中介作用三条路径间接影响内循环适配绩效。

关键词: 供应链韧性;内循环适配;供应链数字化;伙伴协同能力

中图分类号: F274


一、引言

随着全球贸易保护主义抬头、地缘政治冲突加剧以及突发公共事件频发,传统基于比较优势的全球分工体系正遭遇严峻挑战。产业链供应链的稳定运行面临前所未有的压力,“断链”、“脱钩”风险显著上升。目前我国在供应链安全与自主可控方面仍存在诸多短板,如关键零部件对外依存度偏高、区域间产能协同效率不足、应急物流与储备体系有待完善等,亟需通过国内大循环为主体、国内国际双循环相互促进的新发展格局来破解。企业作为供应链网络的核心节点,其供应链管理策略的调整对内循环体系的顺畅运行至关重要。供应链重构适配行为受多重因素影响,从外部环境压力到内部组织能力,是一个动态演化的复杂过程。复杂适应系统理论强调系统主体与环境间的非线性互动与自适应调整。供应链韧性作为组织应对冲击的核心能力,反映企业在中断风险下的响应、恢复与重组方式。在鼓励柔性、协同与学习的积极重构文化氛围下,组织为内循环适配提供了关键的运作基础,能够激发企业调整供应网络、优化库存策略的动力。目前,供应链风险预测与中断控制已成为供应链管理的研究热点,内循环适配行为的探讨也日益增多,但韧性重构对适配内循环体系的内在机理研究仍较为缺乏。

传统的刚性供应链管理模式可能催生效率至上的僵化文化,使企业对外部冲击反应迟钝,从而严重阻碍供应链正向适应能力的发挥[1]。积极的供应链韧性文化有助于激发企业内部的流程自主优化能力,促其主动探索本地替代方案。供应链数字化水平作为一种技术情境,指企业运用数字工具进行供应链可视化和决策的程度。现有研究已证实数字化水平对运营效率、客户响应速度和成本控制的影响,但仅有少数文献将伙伴协同能力作为中介探讨其影响机制,且未将其与内循环适配行为的深层逻辑进行系统分析。本文将通过对供应链韧性重构下的数字化水平和伙伴协同能力进行研究,探讨其对内循环适配绩效的影响,以期为组织在全球化变局下找到供应链转型方向提供参考。


二、文献综述与理论假设

Van Der Vegt等[2]首次提出,供应链韧性是组织在应对中断事件时,能够有效吸收冲击、快速恢复并实现新状态下正常运作的能力,包括响应速度、冗余设计、灵活重组和持续学习四个方面。组织中积极的供应链韧性文化通常以抑制断裂风险、促进系统重构为核心,能够在一定程度上保障企业在国内市场中的持续运营,为内循环适配行为提供稳定的支持环境。内循环适配绩效,是指企业主动调整供应源、市场布局和物流路径,以适应国内需求为主的生产与流通体系。一个具有高韧性的供应链环境能够激活企业对国内资源的整合能力,使其能够自由探索新的供应组合,同时增强其风险应对意识与自主调整意愿。这样的环境倡导企业勇于调整、不怕短期成本,促使他们针对断供风险提出多种预案,不仅避免了路径依赖,更为国内循环的效率提升注入了源源不断的活力[3][4];并且对供应中断进行开放式的复盘与沟通,可以鼓励组织成员对重构方案进行深入研讨和实践[5],一旦企业因尝试调整而受到不公正的业绩评估,会抑制其表现出重构和创新能力的主动性,阻碍内循环适配行为的产生。

供应链数字化水平是企业在供应链计划、采购、生产与交付过程中运用物联网、大数据、人工智能等技术的深度与广度,体现在企业能够实时感知需求、追踪物料、优化路径的程度。李维安等学者研究发现,数字化水平能够通过影响企业的信息处理能力影响其供应链决策行为[6,7]。在具有积极韧性文化的企业,供应链数字化水平往往更高,这种被强化的可视能力使其激发出对国内资源整合的信心,对在国内市场中优化配置的重要性有着更为深刻的认知,激发企业的调整意愿与合作精神,促进内循环适配行为的产生,为组织创造安全效益[8,9]。

伙伴协同能力旨在探究企业如何与上游供应商、下游经销商以及物流服务商在中断环境下共享信息、共担风险、协同行动,是一种关系导向的能力。组织培养积极的供应链韧性文化,对于企业重构和区域生态发展而言至关重要。韧性重构过程中要经历风险识别、方案调整和协同演练,该氛围下促使成员用积极和开放的方式寻找脆弱节点,降低其对重构的畏惧认知,增强企业从中断中汲取经验、深入调整和学习的能力,这有助于最大程度地激发其配置创新,提升自主信心,促进内循环适配行为的产生[10]。基于资源依赖理论,供应链数字化水平不仅是企业对于技术环境的一种适应,也是企业与上下游伙伴建立长远关系、实现协同发展的技术基础。企业所拥有的数字化水平越高,其信息处理与行动协调能力得以较大程度地激发,越能够正视重构的风险,将其看作能力提升机会,这有助于企业对国内市场环境产生相应的适配行为,进而实现企业与区域循环的共同发展。

基于此,提出假设:
H1: 供应链韧性重构与内循环适配绩效正相关。
H2: 供应链韧性重构通过供应链数字化水平正向影响内循环适配绩效。
H3: 供应链韧性重构通过伙伴协同能力正向影响内循环适配绩效。
H4: 供应链数字化水平和伙伴协同能力在供应链韧性重构与内循环适配绩效之间起链式中介作用。

基于以上推论,本研究的理论模型如图1所示。

(图1 本文研究理论模型)


三、研究设计

1. 研究样本

本文采用线上问卷调查的方式,广泛收集了来自长三角、珠三角及成渝地区多个制造行业(涵盖电子信息、装备制造、汽车零部件等)的样本数据,最终整理出278份有效问卷。在性别分布上,男性参与者以56.2%的比例略高于女性的43.8%。

从年龄结构来看,受访者主要集中在中青年群体,其中26-35岁年龄段占比41.7%,是样本中的主力军;36-45岁年龄段紧随其后,占比31.2%;22-25岁年龄段占比18.5%;46岁以上则占比较少,为8.6%,反映了企业中供应链管理岗位的成熟化趋势。

在学历层次上,大学本科学历者占比较大,为52.3%;硕士及以上学历者占比27.1%;大学专科及以下学历者占比20.6%,显示出供应链相关岗位对中等及以上学历的普遍要求。

就工作年限而言,3至5年工作经验者占比34.6%,属于职场初步稳定阶段;6至10年工作经验者占比较大,为38.1%,是职场中的中坚力量;10年以上丰富工作经验的资深员工占比17.8%;而3年以内的新员工占比9.5%。

2. 测量工具

为确保准确性,各变量测量量表均选自国内外成熟量表,采用5点Likert计分。

供应链韧性重构:采用Ambulkar[11]等开发的量表适当改编形成8个题项。Cronbach's α系数为0.846。

供应链数字化水平:采用周文辉[12]等开发的量表适当改编形成5个题项。Cronbach's α系数为0.874。

伙伴协同能力:采用Cao[13]开发的供应链协同量表适当改编形成5个题项。Cronbach's α系数为0.835。

内循环适配绩效:采用Flynn[14]等开发的本地化供应绩效量表适当改编形成6个题项。Cronbach's α系数为0.821。


四、数据分析

1. 信效度检验

本文首先采用SPSS软件对问卷进行了信度检验,检验发现所有变量的克隆巴赫α系数均高于0.8,表明所选变量的信度非常高,问卷的可靠性较好。此外,运用AMOS软件对供应链韧性重构、供应链数字化水平、伙伴协同能力和内循环适配绩效四变量进行量表的验证性因子分析,其平均提取方差值(AVE)分别为0.682、0.713、0.694、0.727,说明各变量具有良好聚合效度。其次,通过运用AMOS软件构建不同的因子模型,以检验变量之间的判别效度。验证性因子分析结果如表1所示:

表1 验证性因子分析结果

模型因子dfx²/dfRMSEACFITLI
四因子韧性重构、数字化水平、伙伴协同、适配绩效524.6183981.3180.0480.9510.942
三因子1韧性重构+伙伴协同、数字化水平、适配绩效745.2914011.8580.0820.8820.823
三因子2韧性重构+数字化水平、伙伴协同、适配绩效812.4474012.0260.0910.8650.796
二因子韧性重构+数字化水平+伙伴协同、适配绩效1432.5563973.6080.1240.7410.658
单因子韧性重构+数字化水平+伙伴协同+适配绩效3987.12439410.1210.1750.6120.521

注:∗、∗∗、∗∗∗分别表示系数在10%、5%、1%的水平下显著。

基于表1所呈现的分析结果,四因子模型相较于三因子模型、二因子模型以及单因子模型,在拟合实际数据方面展现出了显著的优越性。具体而言,四因子模型在多项拟合指标上均表现出色,其中CFI和TLI均大于0.9,表明模型与数据之间的拟合度非常高。同时,RMSEA(近似误差均方根)小于0.05,这一低值进一步证实了模型的拟合质量上乘。上述分析结果证明了本文所采用的问卷在信度和效度方面均达到了较高水平,为研究的可靠性和有效性提供了坚实保障。

2. 相关性分析

表2 变量均值、标准差和相关系数

| 变量 | M | SD | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1. 企业性质 | 1.62 | 0.486 | | | | | | | |
| 2. 员工规模 | 2.87 | 0.921 | -0.089 | | | | | | |
| 3. 行业类别 | 2.13 | 0.754 | 0.102 | -0.312** | | | | | |
| 4. 运营年限 | 3.02 | 1.124 | -0.145* | 0.482** | -0.257** | | | | |
| 5. 供应链韧性重构 | 3.37 | 1.084 | 0.043 | 0.062 | -0.054 | -0.031 | | | |
| 6. 数字化水平 | 3.45 | 1.023 | 0.067 | 0.081* | -0.118* | 0.012 | 0.382*** | | |
| 7. 伙伴协同能力 | 3.58 | 0.987 | 0.129* | 0.146** | 0.062 | -0.047 | 0.361*** | 0.512*** | |
| 8. 内循环适配绩效 | 3.62 | 0.975 | 0.052 | 0.104* | 0.083 | 0.056 | 0.538*** | 0.412*** | 0.467*** |

注:∗、∗∗、∗∗∗分别表示系数在10%、5%、1%的水平下显著。

变量间的相关性分析如表2所示,可知供应链韧性重构与数字化水平(β=0.382,p<0.01)、伙伴协同能力(β=0.361,p<0.01)和内循环适配绩效(β=0.538,p<0.01)之间存在显著的正相关关系;数字化水平(β=0.412,p<0.01)、伙伴协同能力(β=0.467,p<0.01)与内循环适配绩效正相关;数字化水平与伙伴协同能力(β=0.512,p<0.01)正相关。初步验证了本文的相关假设可做进一步检验。

3. 假设检验

本研究采用层次回归分析法检验各变量的中介作用,将企业性质、员工规模、行业类别和运营年限作为控制变量,结果如表3所示:

表3 主效应和中介效应检验结果

| 变量 | 数字化水平 | 伙伴协同能力 | 内循环适配绩效 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| | 模型1 | 模型2 | 模型3 | 模型4 | 模型5 | 模型6 | 模型7 | 模型8 |
| 企业性质 | 0.062 | 0.058 | 0.078 | 0.046 | 0.039 | 0.021 | 0.018 | 0.027 |
| 员工规模 | 0.075 | 0.064 | 0.122 | 0.106 | 0.097 | 0.057 | 0.048 | 0.036 |
| 行业类别 | -0.103 | -0.089 | 0.051 | 0.068 | 0.072 | 0.048 | 0.039 | 0.025 |
| 运营年限 | -0.008 | -0.021 | -0.041 | -0.033 | 0.051 | 0.027 | 0.021 | 0.034 |
| 供应链韧性重构 | | 0.364*** | | 0.352** | | 0.524*** | 0.482*** | 0.361*** |
| 数字化水平 | | | | | | | 0.267*** | |
| 伙伴协同能力 | | | | | | | | 0.403*** |
| R² | 0.022 | 0.138 | 0.025 | 0.146 | 0.018 | 0.328 | 0.382 | 0.411 |
| ΔR² | 0.022 | 0.116 | 0.025 | 0.121 | 0.018 | 0.310 | 0.364 | 0.393 |

注:∗、∗∗、∗∗∗分别表示系数在10%、5%、1%的水平下显著。

通过模型2可知,供应链韧性重构正向影响数字化水平(β=0.364,p<0.01),假设H2通过验证。由模型4显示,供应链韧性重构通过伙伴协同能力正向影响内循环适配绩效(β=0.352,p<0.05),假设H3通过验证。由模型6可得,供应链韧性重构与内循环适配绩效正相关(β=0.524,p<0.01),假设H1通过验证。由模型7可知,加入数字化水平后(β=0.267,p<0.05),供应链韧性重构对内循环适配绩效的正向影响程度(β=0.482)较模型6(β=0.524)有所下降,说明其在供应链韧性重构与内循环适配绩效中起中介作用,假设H2进一步得到验证。以模型6为基础加入伙伴协同能力(β=0.403,p<0.05)得到模型8,供应链韧性重构对内循环适配绩效的回归系数较模型6有所下降(β=0.361),可得供应链韧性重构通过伙伴协同能力正向影响内循环适配绩效,H3得到验证。

为进一步检验供应链数字化水平和伙伴协同能力在供应链韧性重构对内循环适配绩效中的链式中介效应,本文利用PROCESS程序模型6进行检验,将Bootstrap随机抽样设定为5000次。链式中介效应为0.072(Boot SE=0.034),其95%置信区间[0.018,0.147]不包含0,表明两变量在供应链韧性重构对内循环适配绩效中起链式中介作用,H4得到证明。


五、结论与讨论

本文通过研究得到以下结论:供应链韧性重构分别与数字化水平、伙伴协同能力和内循环适配绩效存在显著的正向关系,且供应链数字化水平与伙伴协同能力在供应链韧性重构与内循环适配绩效之间起链式中介作用。在实行开放性、柔性化供应链管理制度的组织中,企业的供应链数字化水平更高,被赋予基于数据进行灵活决策的能力更多,有利于其针对国内市场变化进行创新性调整,采取适应性的重构策略。并且从企业层面增强组织对待重构风险的包容程度,提升其从中断事件中汲取经验、协同调整的自信心和主动性,有助于企业以更高的韧性和协同能力在不确定的国内市场需求和供应链瓶颈中寻求机会,促进内循环适配行为的产生。本研究获得以下启示:

(1)为了激发企业供应链的内在潜力与重构能力,组织应当积极采取措施,提升与其业务复杂度相匹配的供应链数字化水平。这种做法基于对企业运营风险的深切认知,旨在构建一个鼓励透明、预警、柔性调整的供应链管理氛围。通过减少对单一外部供应源的过度依赖,转而鼓励企业根据国内区域比较优势与市场需求灵活调整供应策略,不仅提升了供应链的弹性和响应速度,还激发了企业主动寻源、勇于试错的精神。这种正向循环极大地促进了内循环适配行为的涌现,为组织开辟了安全可控的发展路径。

(2)组织应重视中断事件的积极学习效应,激发供应链网络中伙伴企业的协同活力和内在动能。外部环境变幻莫测,组织应营造一种鼓励公开中断事件、开放式交流应对方案、共享风险信息的文化氛围,引导供应链伙伴对重构采取积极态度并且主动学习重构经验,减少企业因调整可能带来的短期成本忧虑,从而有助于提高企业采取内循环适配行为的主动性与积极性[15]。


参考文献:

[1] 陈春花, 朱丽. 供应链脆弱性对运营绩效的影响——基于动态能力视角的实证研究[J]. 管理世界, 2021(5): 142-155.
[2] van der Vegt G. S., Essens P. & Wahlström M. et al., "Managing Risk and Resilience," Academy of Management Journal, 2015, Vol.58, No.4: 971-980.
[3] 张杰, 郑若愚. 产业链供应链重构的微观机制与政策路径[J]. 经济研究, 2022(7): 98-113.
[4] Pettit T. J., Croxton K. L. & Fiksel J., "Ensuring Supply Chain Resilience: Development and Implementation of an Assessment Tool," Journal of Business Logistics, 2013, Vol.34, No.1: 46-76.
[5] 李维安, 徐建. 供应链协同与风险应对能力研究[J]. 南开管理评论, 2020(4): 88-101.
[6] Craighead C. W., Ketchen D. J. & Darby J. L., "Supply Chain Disruptions and the Moderating Role of Supply Chain Complexity," Journal of Operations Management, 2017, Vol.52: 34-47.
[7] 肖静华, 谢康. 企业数字化转型与供应链重构[J]. 管理科学学报, 2021(8): 31-45.
[8] Swafford P. M., Ghosh S. & Murthy N. N., "Achieving Supply Chain Agility through IT Integration and Flexibility," International Journal of Production Economics, 2008, Vol.116, No.2: 288-297.
[9] 宋华, 杨雨东. 数字技术赋能下供应链金融与韧性重构[J]. 中国工业经济, 2022(3): 89-107.
[10] 陈晓红, 周艳菊. 双循环格局下制造业供应链协同机制研究[J]. 系统工程理论与实践, 2023(1): 56-72.
[11] Ambulkar S., Blackhurst J. & Grawe S., "Firm's Resilience to Supply Chain Disruptions: Scale Development and Empirical Examination," Journal of Operations Management, 2015, Vol.33: 111-122.
[12] 周文辉, 王鹏. 供应链数字化水平测量量表开发与验证[J]. 统计与决策, 2019(15): 28-32.
[13] Cao M., Zhang Q. Y., "Supply Chain Collaboration: Impact on Collaborative Advantage and Firm Performance," Journal of Operations Management, 2011, Vol.29, No.3: 163-180.
[14] Flynn B. B., Zhao X. D., "The Effect of Supply Chain Quality Management on Supply Chain Performance: A Chinese Perspective," International Journal of Production Research, 2015, Vol.53, No.17: 5199-5227.
[15] 刘军, 王雅萱. 组织韧性对供应链重构绩效的影响:一个有调节的链式中介模型[J]. 管理评论, 2023(5): 213-226.