2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 政府補(bǔ)貼與新能源企業(yè)投融資期限錯配

借鑒嚴(yán)若森等（2020）［34］

的研究，使用SA指數(shù)

度量融資約束程度，一定程度上避免內(nèi)生性。計(jì)算

公 式 為 SA=-0.737×Size+0.043×Size2

-0.040×Age。

其中，Size代表企業(yè)規(guī)模，Age表示企業(yè)上市年限。

該指數(shù)值均為負(fù)數(shù)，其絕對值越大代表企業(yè)融資約

束程度越大。借鑒 Baron 和 Kenny（1986）［35］

、溫忠

麟和葉寶娟（2014）［36］

等提出的中介效應(yīng)檢驗(yàn)方法，

構(gòu)建模型（2）和（3）如下：

SAit = β0 + β1Treati × Timet

+β2∑Controlsit+

∑Year+∑Ind+εit （2）

Sfilit = γ0 + γ1Treati × Timet + γ2SAit+

γ3∑Controlsit+∑Year+∑Ind+εit （3）

根據(jù)模型（2）和（3）回歸得到融資約束中介效

應(yīng)檢驗(yàn)結(jié)果見表6第（1）列和第（2）列。第（1）列交

乘項(xiàng)系數(shù)為 3.123 且在 5% 水平下顯著，表明補(bǔ)貼

退坡政策的實(shí)施加劇了新能源上市公司的融資約

束程度。根據(jù)第（2）列回歸結(jié)果，補(bǔ)貼退坡與投融

資期限錯配在5%水平下顯著正相關(guān)，且融資約束

回歸系數(shù)顯著為正，說明補(bǔ)貼退坡政策通過增強(qiáng)融

資約束這一路徑正向影響投融資期限錯配，融資約

束的中介效應(yīng)成立。

表6 內(nèi)外源融資能力的中介效應(yīng)

變量

Treat×

Time

SA

Inner

Out

Controls

Constant

N

R2

Year FE

Ind FE

（1）

SA

3.123**

（2.57）

YES

-43.946

（-1.08）

755

0.147

YES

YES

（2）

Sfil

0.214**

（2.34）

0.024***

（6.22）

YES

11.536***

（3.80）

755

0.262

YES

YES

（3）

Inner

-0.099***

（-2.89）

YES

1.072***

（3.94）

755

0.297

YES

YES

（4）

Sfil

0.227***

（2.75）

-1.129***

（-12.72）

YES

-3.595***

（-5.49）

755

0.439

YES

YES

（5）

Out

-0.134**

（-2.03）

YES

2.828***

（5.41）

755

0.235

YES

YES

（6）

Sfil

0.277***

（3.24）

-0.459***

（-9.50）

YES

-3.509***

（-5.09）

755

0.390

YES

YES

2.內(nèi)外源融資能力的中介效應(yīng)

由融資約束的中介效應(yīng)檢驗(yàn)結(jié)果可知，補(bǔ)貼退

坡政策通過加劇融資約束，在一定程度上激化了新

能源企業(yè)投融資期限錯配，因此，緩解融資約束是

降低錯配風(fēng)險(xiǎn)的必要手段。企業(yè)的資金需求可以

通過留存收益等內(nèi)部渠道滿足，也可借助銀行信

貸、股票等外部渠道達(dá)成（魏浩等，2019）［37］

。因此，

可以將融資約束進(jìn)一步劃分為內(nèi)源融資約束和外

源融資約束，探究不同渠道融資能力對企業(yè)投融資

期限錯配的影響差異。借鑒郭杰等（2021）［38］

、段海

艷（2016）［39］

的研究，分別使用“經(jīng)營活動的現(xiàn)金流

量”和“籌資活動的現(xiàn)金流量與期初總資產(chǎn)的比值”

來測度內(nèi)源融資能力（Inner）和外源融資能力

（Out），這兩個指標(biāo)能從現(xiàn)金流角度較為全面地反

映企業(yè)當(dāng)期的融資情況。內(nèi)外源融資能力的渠道

機(jī)制檢驗(yàn)結(jié)果見表6第（3）—（6）列所列。

表 6 第（3）和第（4）列為內(nèi)源融資能力的中介

效應(yīng)回歸結(jié)果。從第（3）列結(jié)果可以看出，補(bǔ)貼退

坡政策顯著削弱了內(nèi)源融資能力，第（4）列交乘項(xiàng)

系數(shù)和內(nèi)源融資能力系數(shù)均顯著，表明補(bǔ)貼退坡政

策通過抑制內(nèi)源融資間接影響投融資期限錯配，計(jì)

算得出內(nèi)源融資能力的中介效應(yīng)占總效應(yīng)比例為

38.58%；第（5）和第（6）列為外源融資能力的中介

效應(yīng)回歸結(jié)果，交乘項(xiàng)和外源融資能力系數(shù)均顯

著，表明外源融資能力發(fā)揮了部分中介效應(yīng)，其中

介效果為21.23%?？梢?，相對于外源融資，內(nèi)源融

資在總效用中發(fā)揮的效果更大，即通過提升內(nèi)源融

資能力可以達(dá)到更優(yōu)的緩解期限錯配的效果。

（六）進(jìn)一步分析

1.基于時間效應(yīng)的政策作用評估

（1）中長期平均處理效應(yīng)。改變研究樣本期

間，使用政策實(shí)施前后五年即2015—2019年數(shù)據(jù)、

前后六年即2015—2020年數(shù)據(jù)，分別對模型（1）進(jìn)

行回歸，政策平均處理效應(yīng)回歸結(jié)果見表7第（2）

和第（3）列所列。

根據(jù)主效應(yīng)回歸結(jié)果即第（1）列可見，政策實(shí)

施激化了投融資期限錯配，其短期影響系數(shù)為

0.290 且在 1% 水平下顯著。政策實(shí)施前后五年

（2015—2019年）和前后六年（2015—2020年）的平

均處理效應(yīng)為0.217和0.151，分別在1%和5%水平

下顯著，可見，政策實(shí)施的影響系數(shù)隨時間變化逐

漸減小、顯著性降低。由此看出，補(bǔ)貼退坡政策對

新能源上市公司投融資期限錯配的加劇效應(yīng)逐漸

減弱。短期來看，補(bǔ)貼退坡政策將收緊企業(yè)融資來

源，增強(qiáng)融資約束，從而加劇投融資期限錯配，增大

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)；但從中長期角度分析，融資受限將

促使企業(yè)積極拓展融資渠道，逐漸擺脫對政府補(bǔ)貼

的強(qiáng)烈依賴，依托技術(shù)創(chuàng)新、產(chǎn)品升級等方式提高

自身競爭力以降低期限錯配風(fēng)險(xiǎn)。

基于控制變量回歸結(jié)果的時間效應(yīng)分析，企業(yè)

— 95 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 政府補(bǔ)貼與新能源企業(yè)投融資期限錯配

規(guī)模、成長性、總資產(chǎn)收益率和現(xiàn)金流強(qiáng)度均對投

融資期限錯配產(chǎn)生顯著的負(fù)向影響，且系數(shù)絕對值

隨時間變化逐漸增大，表明規(guī)模大、成長性強(qiáng)、總資

產(chǎn)收益率高和現(xiàn)金流充足的企業(yè)獲得長期貸款的

可能性更高，更能依靠自身能力緩解期限錯配。資

產(chǎn)負(fù)債率對投融資期限錯配的作用顯著為正，表明

債務(wù)融資比例越高錯配越嚴(yán)重，但其時間效應(yīng)表現(xiàn)

為系數(shù)變小且顯著性降低，因此，“去杠桿”是企業(yè)

緩解投融資期限錯配的有效途徑。

表7 補(bǔ)貼退坡對投融資期限錯配影響的政策效應(yīng)

變量

Treat×

Time

Treat×

Time2017

Treat×

Time2018

Treat×

Time2019

Treat×

Time2020

Size

Growth

Lev

ROA

ROE

Cash

Constant

N

R2

Year FE

Ind FE

（1）

2015—

2018年

0.290***

（3.07）

-0.508***

（-3.70）

-0.162**

（-2.10）

1.558***

（3.25）

-2.802

（-0.94）

0.305

（0.26）

-1.313*

（-1.92）

10.554***

（3.35）

755

0.519

YES

YES

（2）

2015—

2019年

0.217***

（2.65）

-0.181*

（-1.80）

-0.212***

（-3.16）

1.025**

（2.54）

-5.804***

（-3.53）

1.088*

（1.81）

-1.959***

（-3.51）

3.045

（1.27）

984

0.282

YES

YES

（3）

2015—

2020年

0.151**

（2.38）

-0.232***

（-3.28）

-0.162***

（-3.26）

1.175***

（4.28）

-4.445***

（-3.81）

0.570

（1.44）

-1.224***

（-3.07）

2.622

（1.52）

1 201

0.320

YES

YES

（4）

邊際效應(yīng)

0.183*

（1.69）

0.448***

（4.41）

0.241**

（2.35）

0.199*

（1.92）

-0.162**

（-1.99）

-0.247***

（-5.00）

1.031***

（3.41）

-2.199***

（-4.45）

0.059***

（2.78）

-1.065**

（-2.56）

-4.900**

（-2.31）

1 201

0.430

YES

YES

（2）邊 際 動 態(tài) 效 應(yīng) 。 借 鑒 楊 立 生 和 龔 家

（2022）［40］

的研究，為評估補(bǔ)貼退坡政策實(shí)施的動態(tài)

政策效應(yīng)，在模型（1）基礎(chǔ)上加入政策實(shí)施虛擬變

量 Treati與政策實(shí)施后各年度虛擬變量 Timet的交

乘項(xiàng)，構(gòu)建以下雙重差分模型：

Sfilit = λ0 + λ1Treati × Time2017 +

λ2Treati × Time2018+λ3Treati × Time2019 +

λ4Treati × Time2020 + λ5∑Controlsit +

∑Year + ∑Ind+εit （4）

模型（4）的估計(jì)結(jié)果見表7第（4）列，各交乘項(xiàng)

系數(shù)均顯著為正，表明補(bǔ)貼退坡政策對新能源上市

公司投融資期限錯配的影響具有持續(xù)顯著的邊際

動態(tài)效應(yīng)。隨著年份的推進(jìn)，其邊際效應(yīng)表現(xiàn)為先

增后減的趨勢，在政策實(shí)施的第二年即 2018 年對

期限錯配的加劇作用達(dá)到峰值。原因可能在于：伴

隨著補(bǔ)貼持續(xù)退坡，企業(yè)面臨的融資約束程度逐漸

提高，不斷助長“短貸長投”行為，而之后補(bǔ)貼繼續(xù)

退坡，企業(yè)必須不斷提高融資能力以獲得資金補(bǔ)

充，擺脫對補(bǔ)貼的強(qiáng)烈依賴。因此，政策對“短貸長

投”的正向影響效應(yīng)逐漸減弱，該結(jié)論與中長期平

均處理效應(yīng)結(jié)果一致。

2.異質(zhì)性分析

（1）產(chǎn)權(quán)性質(zhì)異質(zhì)性。在我國金融體系中，政

治關(guān)聯(lián)使國有企業(yè)更容易獲得信貸資源支持。因

此，與國有企業(yè)相比，非國有企業(yè)對補(bǔ)貼政策的變

動可能更加敏感。表 8 第（1）和第（2）列分別報(bào)告

了補(bǔ)貼退坡政策對國有企業(yè)和非國有企業(yè)投融資

期限錯配的平均處理效應(yīng)。可以看出，補(bǔ)貼退坡政

策顯著加劇了非國有企業(yè)投融資期限錯配程度，而

對國有企業(yè)的影響并不顯著。其原因可能在于：非

國有企業(yè)由于銀行信貸偏向難以獲得長期資金支

持，短期內(nèi)無法緩解政策導(dǎo)致的融資約束對期限錯

配的沖擊；而國有企業(yè)本身資金實(shí)力雄厚，同時可

以依靠政府背景與銀行建立合作關(guān)系，因此，政策

對其影響并不明顯。

（2）企業(yè)規(guī)模異質(zhì)性。相較于大規(guī)模企業(yè)，小

規(guī)模企業(yè)受限于技術(shù)水平、經(jīng)營能力等條件的限

制，其融資能力更弱，面臨的融資約束更強(qiáng)，因此，

受補(bǔ)貼退坡政策影響程度可能更大。企業(yè)規(guī)模異

質(zhì)性檢驗(yàn)結(jié)果見表8第（3）和第（4）列所列，補(bǔ)貼退

坡政策對小規(guī)模企業(yè)投融資期限錯配的影響顯著

為正，對大規(guī)模企業(yè)影響并不明顯，表明補(bǔ)貼退坡

后小規(guī)模企業(yè)長期融資受限，助長了“短貸長投”

行為。

表8 異質(zhì)性檢驗(yàn)

Treat×Time

Controls

Constant

N

0.099

（0.97）

YES

7.326

（1.59）

755

0.448***

（2.82）

YES

16.989***

（3.54）

755

0.034

（0.54）

YES

6.566**

（2.51）

755

0.568**

（2.26）

YES

24.257***

（3.39）

755

變量

（1）

國有

（2）

非國有

（3）

大規(guī)模

（4）

小規(guī)模

— 96 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 政府補(bǔ)貼與新能源企業(yè)投融資期限錯配

R2

Year FE

Ind FE

0.775

YES

YES

0.238

YES

YES

0.441

YES

YES

0.587

YES

YES

續(xù)表8

變量

（1）

國有

（2）

非國有

（3）

大規(guī)模

（4）

小規(guī)模

六、結(jié)論與建議

補(bǔ)貼退坡政策是我國政府促進(jìn)新能源產(chǎn)業(yè)可

持續(xù)健康發(fā)展的關(guān)鍵政策，其實(shí)施將對新能源上市

公司融資約束產(chǎn)生作用，進(jìn)而影響企業(yè)的投融資行

為，而“短貸長投”導(dǎo)致的投融資期限錯配將增加企

業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。本文將政府補(bǔ)貼退坡與企業(yè)投融資

決策相聯(lián)系，探究補(bǔ)貼退坡政策實(shí)施這一準(zhǔn)自然實(shí)

驗(yàn)對新能源企業(yè)投融資期限錯配的影響。研究發(fā)

現(xiàn)：①補(bǔ)貼退坡政策顯著增強(qiáng)了新能源企業(yè)“短貸

長投”傾向，加劇了投融資期限錯配程度，此結(jié)論在

進(jìn)行一系列穩(wěn)健性檢驗(yàn)后依然成立，并且這種錯配

效應(yīng)在非國有企業(yè)和小規(guī)模企業(yè)中更加明顯；②補(bǔ)

貼退坡政策主要通過加劇融資約束和收緊內(nèi)外源

融資渠道正向影響企業(yè)投融資期限錯配；③通過政

策效果的時間效應(yīng)評估發(fā)現(xiàn)，補(bǔ)貼退坡政策加劇投

融資期限錯配的作用效果在政策實(shí)施第二年即

2018年達(dá)到峰值，后逐年減弱。

補(bǔ)貼退坡政策雖然增強(qiáng)了新能源企業(yè)融資約

束進(jìn)而激化投融資期限錯配，但其也可以助推企業(yè)

不斷優(yōu)化融資能力以緩解政策的消極影響，擺脫補(bǔ)

貼依賴。研究結(jié)論有助于合理評估補(bǔ)貼退坡政策

對新能源企業(yè)投融資行為的作用效果，并通過融資

懲罰效應(yīng)揭示其作用路徑，對政府繼續(xù)完善補(bǔ)貼退

坡政策、正確引導(dǎo)企業(yè)優(yōu)化投融資決策行為具有重

要的借鑒意義。進(jìn)一步改革和完善補(bǔ)貼退坡政策

是降低新能源企業(yè)金融風(fēng)險(xiǎn)的必要手段，為應(yīng)對和

緩釋補(bǔ)貼退坡政策實(shí)施產(chǎn)生的風(fēng)險(xiǎn)，本文提出以下

對策建議：

第一，持續(xù)完善和優(yōu)化補(bǔ)貼退坡政策。一方

面，動態(tài)調(diào)整補(bǔ)貼退坡政策實(shí)施時間。短期內(nèi)退坡

政策會加劇投融資期限錯配，而從政策實(shí)施中長期

效應(yīng)和邊際動態(tài)效應(yīng)來看，政策對錯配的加劇效果

隨時間推移逐漸弱化，企業(yè)通過提高自身融資能力

逐步擺脫對補(bǔ)貼的依賴。鑒于政策對投融資期限

錯配的影響在現(xiàn)階段依舊存在，政府應(yīng)當(dāng)合理評估

政策效果，在給政府補(bǔ)貼做“減法”的同時，適當(dāng)延

長補(bǔ)貼退坡政策時間，優(yōu)化補(bǔ)貼退坡幅度，在平穩(wěn)

過渡的基礎(chǔ)上保證補(bǔ)貼政策的持續(xù)性，給予新能源

企業(yè)一定的緩沖期以調(diào)整投融資決策。另一方面，

實(shí)行差異化補(bǔ)貼退坡政策。在政府補(bǔ)貼逐年退坡

的基礎(chǔ)上適當(dāng)加大對非國有企業(yè)和小規(guī)模企業(yè)的

補(bǔ)貼支持力度，優(yōu)化創(chuàng)新資源配置，改善因企業(yè)產(chǎn)

權(quán)性質(zhì)和規(guī)模大小差異帶來的政策負(fù)效應(yīng)。

第二，鼓勵金融機(jī)構(gòu)適當(dāng)降低對新能源企業(yè)的

長期信貸門檻。補(bǔ)貼退坡政策實(shí)施后，新能源上市

公司融資受限，舉借短期借款以滿足生產(chǎn)投資需求

進(jìn)而加劇投融資期限錯配。政府應(yīng)當(dāng)關(guān)注企業(yè)投

融資期限錯配風(fēng)險(xiǎn)，在金融環(huán)境和市場監(jiān)督層面做

“加法”。鼓勵銀行及金融機(jī)構(gòu)發(fā)揮金融服務(wù)實(shí)體

經(jīng)濟(jì)的功能，引導(dǎo)其以新能源企業(yè)為對象推出債

權(quán)、股權(quán)等長期融資工具，并適當(dāng)向民營和小規(guī)模

企業(yè)傾斜，從供給端緩解“短貸長投”問題，為企業(yè)

提供多元化多層次的長期融資渠道。同時，加強(qiáng)對

新能源企業(yè)的市場監(jiān)督和信息披露，降低企業(yè)與金

融機(jī)構(gòu)間的信息不對稱程度，確保外部投資者進(jìn)行

準(zhǔn)確的風(fēng)險(xiǎn)評估。

第三，關(guān)注企業(yè)自身投融資結(jié)構(gòu)。新能源企業(yè)

需要積極適應(yīng)補(bǔ)貼退坡政策，進(jìn)行科學(xué)合理的投融

資規(guī)劃，全面衡量短期資金續(xù)借風(fēng)險(xiǎn)和長期資金融

通成本，避免非效率投資和流動資金長期占用，陷

入“融資難—削減投資”的惡性循環(huán)。持續(xù)提升融

資能力，在現(xiàn)有補(bǔ)貼政策支持下拓展其他融資渠

道。依靠股權(quán)融資以及自身盈利資金等內(nèi)源融資

方式，吸收長期資金的同時降低融資成本，提升自

身造血能力。適度進(jìn)行高質(zhì)量的信息披露，拓展外

部融資空間，依托內(nèi)外部融資能力雙重提升以提高

企業(yè)實(shí)力，在政府營造的“加減法”環(huán)境中實(shí)現(xiàn)健康

可持續(xù)發(fā)展。

參考文獻(xiàn)：

［1］蘇屹，郭家興，王文靜.多維鄰近性下新能源合作創(chuàng)新網(wǎng)

絡(luò)演化研究［J］.科研管理，2021，42（8）：67-74.

［2］王超，楊偉，何浩楠，等.新能源汽車政府推廣政策與消

費(fèi)者購買意向——來自西安的實(shí)證研究［J］. 軟科學(xué)，

2021，35（7）：38-44.

［3］李社寧，張哲，李喜寧.促進(jìn)新能源汽車產(chǎn)業(yè)發(fā)展的可持

續(xù)性財(cái)稅政策探析［J］.西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2019，32（4）：

46-52.

［4］汪偉，張少輝《. 社會保險(xiǎn)法》實(shí)施是否緩解了企業(yè)投融

資期限錯配［J］.財(cái)貿(mào)經(jīng)濟(jì)，2022，43（3）：34-49.

［5］馬紅，侯貴生，王元月.產(chǎn)融結(jié)合與我國企業(yè)投融資期限

錯配——基于上市公司經(jīng)驗(yàn)數(shù)據(jù)的實(shí)證研究［J］.南開

管理評論，2018，21（3）：46-53.

— 97 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 政府補(bǔ)貼與新能源企業(yè)投融資期限錯配

［6］鐘凱，程小可，張偉華.貨幣政策適度水平與企業(yè)“短貸

長投”之謎［J］.管理世界，2016（3）：87-98，114，188.

［7］DIMARA E，PETROU A，SKURAS D. Agricultural Policy

for Quality and Producers' Evaluations of Quality Market‐

ing Indicators：A Greek Case Study［J］. Food Policy，

2004，29（5）：485-506.

［8］池仁勇，阮鴻鵬，於珺.新能源汽車產(chǎn)業(yè)政府補(bǔ)助與市場

融資的創(chuàng)新激勵效應(yīng)［J］. 科研管理，2021，42（5）：

170-181.

［9］韓乾，洪永淼 . 國家產(chǎn)業(yè)政策、資產(chǎn)價(jià)格與投資者行為

［J］.經(jīng)濟(jì)研究，2014，49（12）：143-158.

［10］MEULEMAN M，MAESENEIRE W D. Do R&D Subsi‐

dies Affect SMEs' Access to External Financing？［J］.Re‐

search Policy，2012，41（3）：580-591.

［11］祝繼高，韓非池，陸正飛.產(chǎn)業(yè)政策、銀行關(guān)聯(lián)與企業(yè)債

務(wù)融資——基于A股上市公司的實(shí)證研究［J］.金融研

究，2015（3）：176-191.

［12］盧盛峰，陳思霞 . 政府偏袒緩解了企業(yè)融資約束嗎？

——來自中國的準(zhǔn)自然實(shí)驗(yàn)［J］. 管理世界，2017（5）：

51-65，187-188.

［13］徐小晶，徐小林.財(cái)政補(bǔ)貼對企業(yè)商業(yè)信用融資的影響研

究——基于新能源汽車補(bǔ)貼退坡政策的實(shí)證分析［J］.

南開管理評論，2021，24（3）：213-226.

［14］昝欣，歐國立“. 補(bǔ)貼退坡”背景下補(bǔ)貼模式異質(zhì)性與消

費(fèi)者購買行為的博弈研究［J］. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，

2021（5）：94-108.

［15］馬亮，仲偉俊，梅姝娥.新能源汽車補(bǔ)貼政策“退坡”問

題研究［J］.軟科學(xué)，2018，32（4）：26-30.

［16］高玥.產(chǎn)業(yè)補(bǔ)貼退坡的政策效果及啟示——以中國新

能源汽車為例［J］.軟科學(xué)，2020，34（12）：28-32，46.

［17］朱艷陽，盧君生，張順明.智能化能對沖新能源汽車補(bǔ)

貼退坡的影響嗎？——基于CGE模型的分析［J］.系統(tǒng)

工程理論與實(shí)踐，2022，42（9）：2426-2446.

［18］沈璐，陳祖英.企業(yè)金融資產(chǎn)配置與投融資期限錯配：

抑制還是加?。跩］.金融監(jiān)管研究，2020（10）：98-114.

［19］白云霞，邱穆青，李偉 . 投融資期限錯配及其制度解

釋——來自中美兩國金融市場的比較［J］. 中國工業(yè)

經(jīng)濟(jì)，2016（7）：23-39.

［20］徐亞琴，陳嬌嬌.利率市場化能抑制企業(yè)投融資期限錯

配么？［J］.審計(jì)與經(jīng)濟(jì)研究，2020，35（5）：116-127.

［21］肖繼輝，李輝煌.銀行業(yè)競爭與微觀企業(yè)投融資期限錯

配［J］.南京審計(jì)大學(xué)學(xué)報(bào)，2019，16（3）：38-45.

［22］楊濛，吳昊旻.產(chǎn)業(yè)政策緩解了企業(yè)的投融資期限錯配

嗎？［J］.經(jīng)濟(jì)與管理研究，2022，43（8）：56-77.

［23］HUANG R，TAN K J K，F(xiàn)AFF R W. CEO Overconfi‐

dence and Corporate Debt Maturity［J］. Journal of Corpo‐

rate Finance，2016，36：93-100.

［24］孫鳳娥.投融資期限錯配：制度缺陷還是管理者非理性

［J］.金融經(jīng)濟(jì)學(xué)研究，2019，34（1）：94-110.

［25］鐘凱，劉金釗，王化成.家族控制權(quán)會加劇企業(yè)資金期

限結(jié)構(gòu)錯配嗎？——來自中國非國有上市公司的經(jīng)驗(yàn)

證據(jù)［J］.會計(jì)與經(jīng)濟(jì)研究，2018，32（2）：3-20.

［26］邱穆青，白云霞.官員訪問與企業(yè)投融資期限錯配［J］.

財(cái)經(jīng)研究，2019，45（10）：138-152.

［27］綦建紅，趙雨婷.融資約束、政府補(bǔ)貼與中國企業(yè)海外

投資效率——基于單邊與雙邊隨機(jī)前沿模型［J］.統(tǒng)計(jì)

與信息論壇，2021，36（5）：45-58.

［28］MORRIS J R. On Corporate Debt Maturity Strategies［J］.

The Journal of Finance，1976，31（1）：29-37.

［29］蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業(yè)的投融

資行為？［J］.金融研究，2018（12）：123-137.

［30］丁寧，任亦儂，左穎.綠色信貸政策得不償失還是得償

所愿？——基于資源配置視角的 PSM-DID 成本效率

分析［J］.金融研究，2020（4）：112-130.

［31］蒲紅美，李進(jìn)兵.定向降準(zhǔn)貨幣政策對農(nóng)業(yè)企業(yè)投融資

行為的影響研究［J］. 金融理論與實(shí)踐，2020（6）：

110-118.

［32］程貴，張小霞“. 一帶一路”倡議是否促進(jìn)了人民幣國際

化？——基于PSM-DID方法的實(shí)證檢驗(yàn)［J］.現(xiàn)代財(cái)經(jīng)

（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2020，40（10）：80-95.

［33］LI P，LU Y，WANG J. Does Flattening Government Im‐

prove Economic Performance？Evidence from China［J］.

Journal of Development Economics，2016（123）：18-37.

［34］嚴(yán)若森，陳靜，李浩.基于融資約束與企業(yè)風(fēng)險(xiǎn)承擔(dān)中

介效應(yīng)的政府補(bǔ)貼對企業(yè)創(chuàng)新投入的影響研究［J］.

管理學(xué)報(bào)，2020，17（8）：1188-1198.

［35］BARON R M，KENNY D A. The Moderator-mediator

Variable Distinction in Social Psychological Research：

Conceptual，Strategic，and Statistical Considerations［J］.

Journal of Personality and Social Psychology，1986，51（6）：

1173-1182.

［36］溫忠麟，葉寶娟 . 中介效應(yīng)分析：方法和模型發(fā)展［J］.

心理科學(xué)進(jìn)展，2014，22（5）：731-745.

［37］魏浩，白明浩，郭也 . 融資約束與中國企業(yè)的進(jìn)口行

為［J］. 金融研究，2019（2）：98-116.

［38］郭杰，陶凌峰，瞿真.信用風(fēng)險(xiǎn)緩釋憑證對企業(yè)投資行

為的影響——基于融資約束中介效應(yīng)的實(shí)證研究［J］.

證券市場導(dǎo)報(bào)，2021（1）：22-32，42.

［39］段海艷.不同來源金融資本對企業(yè)研發(fā)投入的影響研

究——以中小板上市公司為例［J］.科技進(jìn)步與對策，

2016，33（14）：88-92.

［40］楊立生，龔家.創(chuàng)新創(chuàng)業(yè)、數(shù)字普惠金融與經(jīng)濟(jì)增長——

基于國家雙創(chuàng)示范基地設(shè)立的準(zhǔn)自然實(shí)驗(yàn)［J］.華東經(jīng)

濟(jì)管理，2022，36（8）：51-62.

［責(zé)任編輯：陳春香］

— 98 —

2023年11月

（第37卷第11期）

Nov.，2023

East China Economic Management （Vol.37，No.11）

交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

——基于管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用

孫 漢1

，陳 華2

，沈胤鴻2

（1.華東師范大學(xué) 經(jīng)濟(jì)與管理學(xué)部，上海 200062；2.南京財(cái)經(jīng)大學(xué) 會計(jì)學(xué)院，江蘇 南京 210046）

摘 要：文章基于中國資本市場特有的政策背景，從分析師盈余預(yù)測誤差和盈余預(yù)測分歧度兩個角度，檢驗(yàn)交易所

網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的影響。研究發(fā)現(xiàn)，網(wǎng)絡(luò)平臺的海量互動信息存在信息過載效應(yīng)而非信息增量

效應(yīng)。具體表現(xiàn)為：網(wǎng)絡(luò)平臺互動提高了分析師盈余預(yù)測誤差和分歧度；管理層回復(fù)文本相關(guān)度能夠弱化網(wǎng)絡(luò)平臺

互動對分析師預(yù)測質(zhì)量的負(fù)向影響；拓展性研究表明，當(dāng)管理層披露更少的風(fēng)險(xiǎn)信息和競爭文化信息時，越能弱化

網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的不利影響。研究結(jié)論為管理層與投資者信息交互過程所引致的信息過載效

應(yīng)方面的研究和分析師盈余預(yù)測質(zhì)量影響因素方面的研究提供了有益補(bǔ)充。

關(guān)鍵詞：網(wǎng)絡(luò)平臺互動；分析師盈余預(yù)測質(zhì)量；文本相關(guān)度；信息過載效應(yīng)

中圖分類號：F832.51；F275 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-5097（2023）11-0099-09

Exchange Network Platform Interaction and Analyst Forecast Quality：

Based on the Moderating Role of Management Response Relevance

SUN Han1

，CHEN Hua2

，SHEN Yinhong2

（1. Faculty of Economics and Management，East China Normal University，Shanghai 200062，China；

2. School of Accounting，Nanjing University of Finance and Economics，Nanjing 210046，China）

Abstract：Based on the unique policy background of China's capital market，this article examines the impact of exchange

network platform interaction on the quality of analyst earnings prediction from two perspectives：analyst earnings predic‐

tion error and earnings prediction divergence. Research has found that the massive interactive information on online plat‐

forms has an information overload effect rather than an information increment effect. Specifically，the interaction between

online platforms has increased analysts' profit prediction errors and divergence；the relevance of management response

texts can weaken the negative impact of online platform interaction on the quality of analyst predictions. Extensive research

has shown that when management discloses less risk information and competitive culture information，the more it can

weaken the adverse impact of online platform interaction on the quality of analyst earnings forecasts. The research conclu‐

sion provides useful supplements for the research on the information overload effect caused by the information exchange

process between management and investors，as well as the factors affecting the quality of analyst earnings forecasting.

Key words：network platform interaction；analyst's earnings forecast quality；text relevance；information overload effect

一、引 言

信息化建設(shè)是助力資本市場高質(zhì)量發(fā)展和保

障監(jiān)管市場化落地實(shí)施的重要舉措，交易所網(wǎng)絡(luò)互

動平臺是落實(shí)資本市場信息化建設(shè)的具體體現(xiàn)。

深交所和上交所分別于2010年、2013年創(chuàng)建了“互

動易”和“上證e互動”。交易所網(wǎng)絡(luò)互動平臺是上

市公司與中小投資者之間構(gòu)建聯(lián)系的重要渠道，是

保護(hù)投資者利益的又一創(chuàng)新舉措。公開數(shù)據(jù)顯示，

參與網(wǎng)絡(luò)平臺互動的上市公司已超過3 900家，上

市公司平均回復(fù)率超過90%，互動雙方討論的具體

內(nèi)容涉及投資者的傳聞求證、針對公司重大戰(zhàn)略的

建議和咨詢等。

現(xiàn)有文獻(xiàn)著重探討了網(wǎng)絡(luò)平臺互動的治理作

用，包括降低股價(jià)崩盤風(fēng)險(xiǎn)［1-2］、降低公司費(fèi)用粘

收稿日期：2022-05-18

基金項(xiàng)目：國家社會科學(xué)基金一般項(xiàng)目“社會責(zé)任背景下公司偽善行為研究”（19BGL114）

作者簡介：孫 漢（1996—），男，江蘇連云港人，博士研究生，通信作者，研究方向：戰(zhàn)略管理；

陳 華（1974—），女，江蘇鎮(zhèn)江人，副教授，博士，研究方向：公司治理；

沈胤鴻（1998—），女，江蘇連云港人，碩士研究生，研究方向：公司治理。

●經(jīng)濟(jì)觀察 ［DOI］10.19629/j.cnki.34-1014/f.220518002

— 99 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

性［3］

、抑制實(shí)體企業(yè)金融化和緩解融資約束等［4-5］

。

作為資本市場的重要參與者，證券分析師根據(jù)所獲

取的公開信息和私有信息進(jìn)行盈余預(yù)測，并為投資

者提供決策參考［6］

。網(wǎng)絡(luò)平臺互動信息不僅在很

大程度上滿足了投資者的決策需求，也成為分析師

獲悉公司經(jīng)營細(xì)節(jié)、做出盈余預(yù)測的重要依據(jù)［7］

。

一方面，網(wǎng)絡(luò)平臺互動所引致的信息透明度效應(yīng)和

治理能力可能會改善盈余預(yù)測環(huán)境，提高分析師盈

余預(yù)測質(zhì)量；另一方面，高實(shí)時互動的海量信息可

能具有信息過載效應(yīng)，從而增加分析師的資源投

入，未能起到改善盈余預(yù)測質(zhì)量的作用?；诖耍?/p>

本文主要研究以下問題：網(wǎng)絡(luò)平臺互動能否改善分

析師盈余預(yù)測質(zhì)量？管理層回復(fù)相關(guān)度能否影響

網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量之間的關(guān)系？

在不同的情境因素下，網(wǎng)絡(luò)平臺互動對分析師盈余

預(yù)測質(zhì)量的影響是否存在異質(zhì)性？

為解決上述問題，本文選取 2013—2020 年滬

深 A 股非金融上市公司為樣本開展研究，結(jié)果發(fā)

現(xiàn)：網(wǎng)絡(luò)平臺互動強(qiáng)度越高，分析師盈余預(yù)測誤差

和分歧度越高；管理層回復(fù)文本相關(guān)度可以緩解

網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤差和分歧度的

正向影響；當(dāng)管理層披露更多的風(fēng)險(xiǎn)和競爭文化

信息時，網(wǎng)絡(luò)平臺互動越不利于分析師盈余預(yù)測

質(zhì)量的提升。本文可能的創(chuàng)新在于：將本土化背

景下特有的制度安排納入分析師盈余預(yù)測質(zhì)量的

研究框架，從信息增量效應(yīng)和信息過載效應(yīng)的角

度，拓展了分析師盈余預(yù)測質(zhì)量前置影響因素的

相關(guān)研究；采用文本分析法，探究在管理層回復(fù)質(zhì)

量異質(zhì)性角度下，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)

測質(zhì)量的差異化影響；在演繹網(wǎng)絡(luò)平臺互動對分

析師盈余預(yù)測質(zhì)量的理論影響路徑時，引入傳播

學(xué)領(lǐng)域中的信息過載效應(yīng)。此外本文基于交叉學(xué)

科角度，對管理層回復(fù)文本中風(fēng)險(xiǎn)識別點(diǎn)和競爭

文化指標(biāo)進(jìn)行構(gòu)建，為管理層回復(fù)文本的后續(xù)深

入研究提供了新的思路。

二、文獻(xiàn)綜述

上市公司的信息披露方式逐漸從陳述式向互

動式轉(zhuǎn)變［8-9］

，互動式信息往往包括企業(yè)價(jià)值和風(fēng)

險(xiǎn)等內(nèi)容，因而具有更豐富的信息含量［10］

。雙向溝

通的信息互動媒介包括電話會議［11-12］

、上市公司實(shí)

地調(diào)研［13］

、業(yè)績說明會互動等［14］

。隨著股民和網(wǎng)

民的高度耦合，互動式信息越來越依托新興的網(wǎng)絡(luò)

信息媒介進(jìn)行傳播。關(guān)于交易所網(wǎng)絡(luò)互動平臺治

理作用的研究，主要圍繞其能夠提高信息透明度、

發(fā)揮監(jiān)督治理作用等角度［1-3］

。網(wǎng)絡(luò)平臺互動內(nèi)容

和主題方面，張繼勛和韓冬梅（2015）［15］

研究發(fā)現(xiàn)，

管理層回復(fù)內(nèi)容越明確、及時性越高，越能提高投

資者投資意愿；投資者針對產(chǎn)業(yè)政策信息的反饋能

夠增加企業(yè)并購產(chǎn)業(yè)政策支持項(xiàng)目的比重［16］

；投資

者提問的負(fù)面語氣能夠降低股價(jià)崩盤風(fēng)險(xiǎn)［17］

。從

網(wǎng)絡(luò)平臺互動的影響因素角度，Charles 和 Zhong

（2022）［18］

研究發(fā)現(xiàn)，管理層盈余預(yù)測、分析師報(bào)告

等與信息披露相關(guān)聯(lián)的活動均能解釋網(wǎng)絡(luò)平臺互

動頻率和回復(fù)長度，但模型解釋力度不足。

作為資本市場上的重要信息中介，證券分析師

主要通過向外部投資者解釋、傳遞公司層面的財(cái)務(wù)

和非財(cái)務(wù)信息，預(yù)測公司的未來發(fā)展，從而影響整

個資本市場的信息效率和資源配置［5，13，19］

。就公司

層面而言，上市公司的信息披露是影響分析師盈余

預(yù)測的重要因素。信息披露透明度越高，分析師對

會計(jì)盈余數(shù)據(jù)的依賴程度越低，預(yù)測準(zhǔn)確性也隨之

提高［20］

，預(yù)測樂觀程度和預(yù)測分散度顯著降低［21］

。

年報(bào)是分析師進(jìn)行決策的重要信息集，朱丹等

（2021）［22］

研究發(fā)現(xiàn)，我國分析師對復(fù)雜年報(bào)的態(tài)度

更加謹(jǐn)慎，預(yù)測分歧程度明顯增加；研發(fā)文本信息

的披露能夠降低分析師預(yù)測偏差及分歧度［23］；

MD&A部分因果語言強(qiáng)度能夠增加分析師跟進(jìn)度

和盈余預(yù)測準(zhǔn)確性并降低其預(yù)測離散度［24］

。非財(cái)

務(wù)信息的信息披露方面，智力資本信息披露具有增

量效應(yīng)［25］

，并作為年報(bào)的信息補(bǔ)充［26］

，其中關(guān)系資

本信息披露能夠降低分析師盈余預(yù)測誤差［27］。

Yang 等（2020）［28］

發(fā)現(xiàn)，若企業(yè)對投資者關(guān)系管理

的細(xì)節(jié)進(jìn)行及時披露，非實(shí)地訪問的分析師盈余預(yù)

測質(zhì)量將得到提高。

綜上所述，現(xiàn)有文獻(xiàn)從財(cái)務(wù)信息披露與非財(cái)務(wù)

信息披露等層面討論了分析師盈余預(yù)測質(zhì)量的影

響因素，但對于上市公司自愿性披露中基于官方

的、即時的互動信息與分析師盈余預(yù)測質(zhì)量的研究

尚不夠深入。已有研究檢驗(yàn)了網(wǎng)絡(luò)平臺互動的微

觀治理作用，而針對網(wǎng)絡(luò)平臺互動與其他外部中介

機(jī)構(gòu)（如分析師決策）關(guān)系的研究尚不足。與本文

最相關(guān)的研究驗(yàn)證了網(wǎng)絡(luò)平臺互動對分析師盈余

預(yù)測質(zhì)量的負(fù)向影響［7］

，但并沒有將管理層回復(fù)質(zhì)

量指標(biāo)納入網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測行為

影響的整體框架。基于此，本文從網(wǎng)絡(luò)平臺互動的

信息增量效應(yīng)和信息過載效應(yīng)角度，考察其對分析

— 100 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

師盈余預(yù)測質(zhì)量的影響，并進(jìn)一步考察管理層回復(fù)

文本相關(guān)度的調(diào)節(jié)作用。

三、理論分析與研究假設(shè)

（一）網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測質(zhì)量

除傳統(tǒng)的財(cái)務(wù)信息外，分析師廣泛使用各種非

財(cái)務(wù)信息進(jìn)行盈余預(yù)測［25，27-28］

，盈余預(yù)測質(zhì)量往往

取決于信息的決策含量。本文認(rèn)為，網(wǎng)絡(luò)平臺互動

能同時傳遞信息增量效應(yīng)和信息過載效應(yīng)，網(wǎng)絡(luò)平

臺互動對分析師盈余預(yù)測質(zhì)量的影響取決于兩者

的凈效應(yīng)。

（1）交易所網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)。

管理層在網(wǎng)絡(luò)媒介中公開披露的信息是分析師的

重要決策依據(jù)，并能吸引分析師跟進(jìn)［7］。網(wǎng)絡(luò)平

臺互動至少能夠通過提高信息透明度和減少信息

獲取成本兩個方面來改善分析師盈余預(yù)測質(zhì)量。

一方面，信息透明度是降低分析師有偏預(yù)測的重

要因素［29］

，良好的信息披露質(zhì)量也使得不同分析

師盈余預(yù)測結(jié)果更趨同［20，30］

。而網(wǎng)絡(luò)平臺互動增

加了資本市場上公開信息供給，能夠發(fā)揮輿論治

理的作用［4］

，成為分析師盈余預(yù)測的重要依據(jù)［7］

。

另一方面，與閱讀專業(yè)化的資料相比，網(wǎng)絡(luò)平臺互

動信息更直接，剔除干擾信息的腦力成本更低，信

息獲取結(jié)果也能得到優(yōu)化［1］

。分析師還可以就其

關(guān)注的問題直接向管理層發(fā)聲，信息需求導(dǎo)向的

發(fā)問方式能夠幫助其全面理解相關(guān)信息［3］

。作為

傳統(tǒng)強(qiáng)制信息披露的有益補(bǔ)充，網(wǎng)絡(luò)互動平臺在

豐富分析師決策信息源的同時，也降低了分析師

的信息獲取成本，有助于更準(zhǔn)確地評價(jià)企業(yè)真實(shí)

狀況，進(jìn)而降低解讀信息的誤差和分歧程度。

（2）交易所網(wǎng)絡(luò)平臺互動的信息過載效應(yīng)。網(wǎng)

絡(luò)平臺互動信息本質(zhì)屬于自愿性披露范疇，這類信

息通常具有很強(qiáng)的自我服務(wù)意圖［12］

，信息的選擇性

披露等行為往往導(dǎo)致信息不對稱和環(huán)境不確定性，

并降低分析師的盈余預(yù)測質(zhì)量。從信息供給角度

來看，由于代理問題，管理層提供的信息往往具有樂

觀傾向［31］

，其并不會將真實(shí)信息傳達(dá)給外部利益相

關(guān)者，更多的是通過樂觀語氣來掩蓋負(fù)面信息［17］

。

此外，管理層在回復(fù)時間和內(nèi)容上均具有較大的裁

量權(quán)，既可以采取延遲回復(fù)的方式［15］

，也可以采取

“您好，感謝關(guān)注”等答非所問策略［14］

，因此，網(wǎng)絡(luò)平

臺互動難以傳遞有效的增量信息，不利于分析師盈

余預(yù)測質(zhì)量提升。從分析師的信息需求角度來看，

相關(guān)數(shù)據(jù)顯示，互動雙方留言次數(shù)超過700萬余次，

海量的混雜信息往往引致信息過載效應(yīng)［7］

。分析師

首先需要對互動內(nèi)容進(jìn)行分類篩選以獲取有價(jià)值的

信息，根據(jù)有限關(guān)注理論，時間、精力以及成本的約

束等因素限制了分析師獲取和深度解讀信息的能

力，重復(fù)或者過量的無關(guān)信息容易影響分析師的注

意力和判斷，導(dǎo)致其對重要信息的關(guān)注不足［30，32］

。證

券分析師通常根據(jù)所獲取的各種公開和私有信息進(jìn)

行盈余預(yù)測［6］

，當(dāng)分析師難以從網(wǎng)絡(luò)平臺互動中獲

取高質(zhì)量的公開信息時，會增加對私有信息的依賴

程度。其在處理各種來源的私有信息過程中，采用

的決策方法和主觀判斷加劇了盈余預(yù)測的分歧度。

綜上所述，交易所網(wǎng)絡(luò)平臺互動的信息增量效

應(yīng)改善了上市公司信息披露質(zhì)量，降低了分析師預(yù)

測誤差，也使得不同分析師盈余預(yù)測結(jié)果更趨同。

而網(wǎng)絡(luò)平臺互動所引致的信息過載效應(yīng)增加了信

息不對稱以及環(huán)境的復(fù)雜性，從而增加分析師盈余

預(yù)測偏差和分歧度?；诖耍疚奶岢鼍W(wǎng)絡(luò)平臺互

動程度對分析師盈余預(yù)測質(zhì)量影響的競爭性假設(shè)

1a、假設(shè)1b。

H1a：交易所網(wǎng)絡(luò)平臺互動程度越高，分析師

盈余預(yù)測誤差、盈余預(yù)測分歧度越低；

H1b：交易所網(wǎng)絡(luò)平臺互動程度越高，分析師

盈余預(yù)測誤差、盈余預(yù)測分歧度越高。

（二）管理層回復(fù)相關(guān)度的調(diào)節(jié)作用

交易所網(wǎng)絡(luò)平臺互動以文字作為載體，文本

信息在表達(dá)上更加隱晦，難以規(guī)范和受法律限

制，因此網(wǎng)絡(luò)平臺互動的溝通效果更多受管理層

回復(fù)質(zhì)量的影響。已有研究從信息披露的時效

性和文本長度兩個方面探討了網(wǎng)絡(luò)平臺互動質(zhì)

量的經(jīng)濟(jì)后果［2，5，15］。研究發(fā)現(xiàn)，管理層回復(fù)質(zhì)

量高可以反映較弱的負(fù)面信息隱瞞動機(jī)，并且向

投資者傳遞正面信號。本文從管理層回復(fù)文本

相關(guān)性的角度重新定義網(wǎng)絡(luò)平臺互動質(zhì)量。若

上市公司管理層能夠針對投資者關(guān)注的問題給

予真實(shí)的評價(jià)和建議，此時網(wǎng)絡(luò)平臺互動確實(shí)能

夠發(fā)揮信息增量效應(yīng)，在上市公司與投資者之間

搭建信息溝通的橋梁。如果管理層出于構(gòu)建商

業(yè)帝國等自利動機(jī)，則在面臨投資者發(fā)問時，往

往會采用答非所問的消極回應(yīng)策略以掩蓋公司

經(jīng)營狀況的隱患［14，33］。因此，在管理層真實(shí)履責(zé)

時，網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)使得分析師的

信息搜尋成本和解讀難度降低，從而獲得更及

時、更有價(jià)值和更可靠的私有信息［20-21］。分析師

— 101 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

通過使用高質(zhì)量信息來減輕從網(wǎng)絡(luò)平臺互動中

獲取公開信息的依賴，并對盈余預(yù)測進(jìn)行動態(tài)修

正和調(diào)整，從而減少盈余預(yù)測的誤差和分歧度。

而在管理層私利動機(jī)的情況下，較弱的答復(fù)文本

相關(guān)度能夠?qū)π畔⑦^載效應(yīng)下的網(wǎng)絡(luò)平臺互動

信息起到“推波助瀾”的負(fù)面作用，進(jìn)而強(qiáng)化互動

式信息對分析師預(yù)測質(zhì)量的不利影響?；谏?/p>

述分析，本文提出假設(shè)2a、假設(shè)2b。

H2a：管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)交易所

網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測誤差、盈余預(yù)

測分歧度之間的負(fù)相關(guān)關(guān)系；

H2b：管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)交易所

網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測誤差、盈余預(yù)

測分歧度之間的正相關(guān)關(guān)系。

四、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)來源

深交所和上交所分別于2010年和2013年開通

網(wǎng)絡(luò)互動平臺，因此，本文選擇的研究區(qū)間為2013—

2020年，并進(jìn)行如下處理：剔除存在缺失的樣本；剔

除樣本期間被特殊處理或者退市的樣本；剔除金融

類公司；剔除上市不滿一年的公司；剔除分析師在

年報(bào)公布后的無效預(yù)測數(shù)據(jù)。最終得到14 616個

公司-年份樣本觀測值，并對所有連續(xù)變量進(jìn)行縮

尾處理。網(wǎng)絡(luò)平臺互動數(shù)據(jù)來源于 CNRDS 數(shù)據(jù)

庫，其他數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

（二）變量定義

借鑒已有研究［7］，選取盈余預(yù)測誤差（Ferror）

和分歧度（Fdisp）測度分析師盈余預(yù)測質(zhì)量。具

體計(jì)算過程如式（1）、式（2）所示。由于分析師往

往會在后期修正自己的預(yù)測，因此只保留分析師

的最新預(yù)測，并計(jì)算不同分析師每股收益最新預(yù)

測的中位數(shù)（Feps），Eps 為實(shí)際每股收益；SdFeps

為分析師每股收益預(yù)測的標(biāo)準(zhǔn)差，將分母加上

0.5 以緩解變量離散度。Ferror 的值越大，表明分

析師預(yù)測誤差越大；Fdisp 的值越大，表明分析師

預(yù)測的分歧度越高。

Ferror = | Feps ? Eps|

| Eps| + 0.5

（1）

Fdisp = SdFeps

| Eps| + 0.5

（2）

借鑒已有研究［1，5］，使用網(wǎng)絡(luò)平臺互動頻率

（Frequency）和管理層回復(fù)總字?jǐn)?shù)（Allword）作為網(wǎng)

絡(luò)平臺互動程度的代理變量。具體而言，采用投資

者與上市公司年互動次數(shù)加1的自然對數(shù)來衡量

Frequency；使用管理層答復(fù)總字?jǐn)?shù)加1取自然對數(shù)

定義 Allword，互動次數(shù)、字?jǐn)?shù)越多，則網(wǎng)絡(luò)平臺互

動程度越高。借鑒管理層“答非所問”指標(biāo)［14］

，構(gòu)建

文本相關(guān)性程度（Cosine），將預(yù)處理后的文本以向

量化的形式進(jìn)行表示，得到模型（3）和模型（4）。

Q =（q1, q2, …, qn） （3）

A =（a1, a2, …, an） （4）

Cosine (Q, A) = QT A

QT

Q AT A

=

∑

n

i = 1

qiai

∑

n

i = 1

q2

i ∑

n

i = 1

a2

i （5）

其中：Q和A分別為投資者提問和管理層回答

的文本向量；n 為文本中出現(xiàn)的不重復(fù)詞的個數(shù)；

元素qi和ai分別是詞語i在文本中出現(xiàn)的次數(shù)；模

型（5）為文本相關(guān)度（Cosine）計(jì)算過程，數(shù)值越高，

管理層的回復(fù)質(zhì)量也越高。

借鑒已有研究［22，29，34］

，本文變量設(shè)計(jì)具體見表1

所列。

表1 變量名稱及定義

變量類型

被解釋

變量

解釋

變量

調(diào)節(jié)

變量

控制

變量

變量名稱

分析師盈余

預(yù)測質(zhì)量

網(wǎng)絡(luò)平臺

互動程度

管理層回復(fù)

相關(guān)度

公司規(guī)模

償債能力

成長性

市賬比

經(jīng)營活動現(xiàn)金流

固定資產(chǎn)比例

上市年限

四大審計(jì)

大股東持股比例

管理層持股比例

機(jī)構(gòu)投資者

持股比例

分析師關(guān)注

兩職合一

產(chǎn)權(quán)性質(zhì)

年度控制變量

行業(yè)控制變量

變量

Ferror

Fdisp

Frequency

Allword

Cosine

Size

Lev

Roa

Mb

Cfo

Ppe

Listage

Big4

Top1

Ghold

Insti

Focus

Dual

State

Year

Industry

變量計(jì)量方式

分析師盈余預(yù)測誤差

分析師盈余預(yù)測分歧度

年互動總次數(shù)+1的自然對數(shù)

年互動總字?jǐn)?shù)+1的自然對數(shù)

文本余弦相似度

期末資產(chǎn)的自然對數(shù)

期末負(fù)債/期末資產(chǎn)

期末凈利潤/期末資產(chǎn)

市值/賬面價(jià)值

經(jīng)營活動現(xiàn)金流/期末資產(chǎn)

固定資產(chǎn)凈額/期末資產(chǎn)

上市年限的自然對數(shù)

若被國際四大會計(jì)師事務(wù)所

審計(jì)，則取1

大股東持股數(shù)量/總股數(shù)

管理層持股數(shù)量/總股數(shù)

機(jī)構(gòu)投資者持股數(shù)量/總股數(shù)

分析師跟蹤人數(shù)

若董事長和總經(jīng)理兩職合一，

則取1

若上市公司為國有企業(yè)，則取1

年度虛擬變量

行業(yè)虛擬變量

— 102 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

（三）模型設(shè)定

為驗(yàn)證交易所網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)

測質(zhì)量的影響以及管理層回復(fù)相關(guān)度的調(diào)節(jié)作用，

分別設(shè)定以下主回歸模型（6）和調(diào)節(jié)效應(yīng)模型（7）。

若H1a成立，也即網(wǎng)絡(luò)平臺互動有利于提高分析師

盈余預(yù)測質(zhì)量，則模型（6）中的 α1 應(yīng)該顯著為負(fù)；

反之，若網(wǎng)絡(luò)平臺互動降低了分析師盈余預(yù)測質(zhì)

量，具體表現(xiàn)為網(wǎng)絡(luò)平臺互動增加了分析師預(yù)測誤

差（Ferror）和盈余預(yù)測分歧度（Fdisp），則模型（6）

中的α1應(yīng)該顯著為正，也即支持H1b。調(diào)節(jié)效應(yīng)部

分，若H2a成立，管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)

網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測誤差、盈余預(yù)測分

歧度之間的負(fù)相關(guān)關(guān)系，則模型（7）中的β2應(yīng)該顯

著為負(fù)；若管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)網(wǎng)絡(luò)平

臺互動與分析師盈余預(yù)測誤差、盈余預(yù)測分歧度之

間的正相關(guān)關(guān)系，則β2應(yīng)顯著為負(fù)。式中，Controls

為控制變量，Industry、Year分別表示行業(yè)和年度固

定效應(yīng)。

Ferrori,t (Fdispi,t ) =

α0 + α1Frequencyi,t (Allwordi,t ) + α2Sizei,t +

α3Levi,t + α4Roai,t + α5Mbi,t + α6Cfoi,t +

α7Ppei,t + α8Listagei,t + α9Big4i,t +

α10Top1i,t + α11Gholdi,t + α12 Instii,t +

α13Focusi,t + α14Duali,t + α15Statei,t +

Industry + Year + ε （6）

Ferrori,t (Fdispi,t ) =

β0 + β1Frequencyi,t (Allwordi,t ) +

β2Frequencyi,t (Allwordi,t ) × Cosinei,t +

β3Cosinei,t + Controls + Industry +

Year + δ （7）

五、實(shí)證分析結(jié)果

（一）描述性統(tǒng)計(jì)

表 2 報(bào)告了各變量的描述性統(tǒng)計(jì)。由表 2 可

知，互動頻率（Frequency）的均值為 4.351，中位數(shù)

為4.466；管理層回復(fù)字?jǐn)?shù)（Allword）的均值和中位

數(shù)分別為 8.445、8.602，與高敬忠和楊朝（2021）［4］

的研究基本保持一致。盈余預(yù)測誤差（Ferror）的

均值為 0.338，中位數(shù)為 0.166；盈余預(yù)測分歧度

（Fdisp）的均值為0.244，中位數(shù)為0.169，與已有研

究基本類似［6］。管理層回復(fù)相關(guān)度（Cosine）的均

值和中位數(shù)為 0.341，最小值為 0.200，最大值為

0.490，表明管理層普遍存在“答非所問”的傾向。

其他控制變量的描述性統(tǒng)計(jì)結(jié)果與現(xiàn)有文獻(xiàn)基本

一致。

表2 變量描述性統(tǒng)計(jì)

變量

Frequency

Allword

Ferror

Fdisp

Cosine

Size

Lev

Roa

Mb

Cfo

Ppe

Listage

Big4

Top1

Ghold

Insti

Focus

Dual

State

樣本數(shù)

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

14 616

均值

4.351

8.445

0.338

0.244

0.341

22.486

0.419

0.043

2.095

0.054

0.205

2.159

0.066

0.341

0.150

0.413

9.329

0.286

0.318

標(biāo)準(zhǔn)差

1.237

1.320

0.424

0.243

0.056

1.285

0.195

0.062

1.317

0.066

0.155

0.743

0.248

0.147

0.197

0.253

10.266

0.452

0.466

最小值

1.099

4.304

0.000

0.000

0.200

20.236

0.061

-0.264

0.847

-0.129

0.003

0.693

0.000

0.084

0.000

0.000

0.000

0.000

0.000

p 25

3.611

7.719

0.047

0.080

0.304

21.569

0.263

0.018

1.251

0.015

0.085

1.609

0.000

0.225

0.000

0.177

2.000

0.000

0.000

中位數(shù)

4.466

8.602

0.166

0.169

0.341

22.285

0.413

0.041

1.678

0.052

0.171

2.197

0.000

0.321

0.024

0.433

6.000

0.000

0.000

p 75

5.215

9.359

0.474

0.325

0.378

23.204

0.563

0.072

2.430

0.093

0.292

2.833

0.000

0.437

0.288

0.622

13.000

1.000

1.000

最大值

6.947

11.037

2.145

1.342

0.490

26.415

0.859

0.200

8.391

0.244

0.680

3.296

1.000

0.742

0.677

0.902

46.000

1.000

1.000

— 103 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

（二）假設(shè)檢驗(yàn)

1.網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

表 3 匯報(bào)了網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測

質(zhì)量的回歸結(jié)果。列（1）—列（4）顯示，網(wǎng)絡(luò)平臺

互動與分析師盈余預(yù)測誤差、分歧度存在顯著的

正向關(guān)系?；貧w結(jié)果表明，網(wǎng)絡(luò)平臺互動更多地

表現(xiàn)出信息過載效應(yīng)而非信息增量效應(yīng)，從而降

低了分析師盈余預(yù)測質(zhì)量。由此，H1a 不成立，

H1b 得到驗(yàn)證。控制變量部分，成長性（Roa）、固

定資產(chǎn)比例（Ppe）、上市年限（Listage）、機(jī)構(gòu)投資

者持股比例（Insti）以及產(chǎn)權(quán)性質(zhì)（State）均與分析

師盈余預(yù)測誤差和分歧度負(fù)相關(guān)，與現(xiàn)有文獻(xiàn)基

本保持一致［29，34］；市賬比（Mb）、管理層持股比例

（Ghold）與分析師盈余預(yù)測誤差和分歧度正相

關(guān)，與楊凡和張玉明（2020）［7］的研究結(jié)論一致。

上述分析表明，交易所網(wǎng)絡(luò)平臺互動降低分析師

盈余預(yù)測質(zhì)量的估計(jì)結(jié)果具有一定的可靠性。

表3 網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

Frequency

Allword

Size

Lev

Roa

Mb

Cfo

Ppe

Listage

Big4

Top1

Ghold

Insti

Focus

Dual

0.019 9***

(8.02)

0.000 5

(0.13)

-0.029 0

(-1.26)

-2.768 1***

(-44.14)

0.008 4***

(2.98)

0.010 4

(0.18)

-0.061 1**

(-2.45)

-0.049 5***

(-8.57)

0.004 8

(0.39)

0.062 3**

(2.49)

0.081 7***

(3.06)

-0.066 5***

(-3.19)

-0.004 3***

(-12.61)

-0.002 9

(-0.40)

0.013 9***

(6.20)

0.000 9

(0.22)

-0.032 7

(-1.42)

-2.767 6***

(-44.12)

0.008 7***

(3.09)

0.008 0

(0.14)

-0.059 9**

(-2.40)

-0.049 1***

(-8.49)

0.002 7

(0.22)

0.055 8**

(2.23)

0.080 6***

(3.02)

-0.070 6***

(-3.39)

-0.004 2***

(-12.38)

-0.002 3

(-0.32)

0.015 4***

(9.68)

0.013 6***

(5.23)

0.024 8*

(1.79)

-0.253 3***

(-6.16)

0.008 1***

(4.17)

-0.240 9***

(-6.68)

0.053 5***

(3.48)

-0.031 9***

(-8.64)

-0.015 8*

(-1.95)

0.025 4

(1.56)

0.079 2***

(4.49)

-0.028 6**

(-2.09)

-0.000 0

(-0.16)

-0.001 3

(-0.28)

0.012 0***

(8.30)

0.013 7***

(5.26)

0.022 7*

(1.65)

-0.252 1***

(-6.14)

0.008 3***

(4.27)

-0.242 2***

(-6.72)

0.054 9***

(3.57)

-0.031 6***

(-8.54)

-0.017 2**

(-2.11)

0.021 4

(1.31)

0.078 6***

(4.45)

-0.031 1**

(-2.27)

0.000 0

(0.07)

-0.000 9

(-0.20)

變量 (1)

Ferror

(2)

Ferror

(3)

Fdisp

(4)

Fdisp

State

_Cons

Year/Ind

N

adj.R2

-0.026 6***

(-3.21)

0.324 7***

(3.51)

Yes

14 616

0.271

-0.027 4***

(-3.31)

0.288 3***

(3.08)

Yes

14 616

0.270

-0.023 0***

(-4.66)

-0.230 3***

(-4.03)

Yes

14 616

0.123

-0.023 4***

(-4.72)

-0.264 8***

(-4.55)

Yes

14 616

0.122

續(xù)表3

變量 (1)

Ferror

(2)

Ferror

(3)

Fdisp

(4)

Fdisp

注：***、**和*

分別表示在1%、5%和10%水平下顯著；括

號內(nèi)數(shù)值為穩(wěn)健標(biāo)準(zhǔn)誤處理后的t值

2. 網(wǎng)絡(luò)平臺互動、管理層回復(fù)文本相關(guān)度與分

析師盈余預(yù)測質(zhì)量

表 4 匯報(bào)了管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作

用。列（1）和列（2）顯示，網(wǎng)絡(luò)平臺互動程度與分

析師盈余預(yù)測誤差（Ferror）正向關(guān)系顯著，并且管

理層回復(fù)相關(guān)度（Cosine）負(fù)向影響盈余預(yù)測誤差

（Ferror），這表明管理層回復(fù)質(zhì)量的提高能減少分

析師盈余預(yù)測誤差。本文所關(guān)注的交互項(xiàng) Fre‐

quency×Cosine 以及 Allword×Cosine 的系數(shù)均顯著

為負(fù)，研究結(jié)果證明，在管理層回復(fù)文本相關(guān)度越

高的情況下，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤

差的正向影響有所緩解。列（3）和列（4）的回歸結(jié)

果依舊能夠證明管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)

網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測分歧度的正向關(guān)

系。由此，H2a 不成立，H2b 得到驗(yàn)證（限于篇幅，

表 4 的控制變量以及內(nèi)生性處理、穩(wěn)健性檢驗(yàn)部

分的具體回歸結(jié)果未予列示，留存?zhèn)渌鳎?/p>

表4 管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用

變量

Frequency

Allword

Frequency×

Cosine

Allword×

Cosine

Cosine

Controls

Year/Ind

N

adj. R2

(1)

Ferror

0.017 0***

(6.85)

-0.168 7***

(-4.66)

-0.366 3***

(-6.31)

Yes

Yes

14 616

0.273

(2)

Ferror

0.013 5***

(6.02)

-0.178 5***

(-5.48)

-0.448 8***

(-7.58)

Yes

Yes

14 616

0.273

(3)

Fdisp

0.014 4***

(8.89)

-0.060 6***

(-2.69)

-0.142 0***

(-3.89)

Yes

Yes

14 616

0.124

(4)

Fdisp

0.011 9***

(8.23)

-0.066 1***

(-3.24)

-0.198 6***

(-5.36)

Yes

Yes

14 616

0.124

— 104 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

（三）內(nèi)生性處理與穩(wěn)健性檢驗(yàn)

本文分別采用工具變量法、傾向得分匹配

法以緩解內(nèi)生性問題。使用滯后一期的網(wǎng)絡(luò)平臺

互動 L.Frequency 和 L.Allword 作為工具變量，從相

關(guān)性來看，滯后一期的變量與當(dāng)期變量存在高度

相關(guān)性；從外生性來看，尚未有證據(jù)表明滯后一期

的網(wǎng)絡(luò)平臺互動直接影響當(dāng)期的分析師盈余預(yù)測

質(zhì)量。因此，工具變量在理論上是合理的。未匯

報(bào)的回歸結(jié)果顯示，L.Frequency 和 L.Allword 的回

歸系數(shù)均正向顯著，且弱工具變量檢驗(yàn) F 統(tǒng)計(jì)量

均大于經(jīng)驗(yàn)值 10。在考慮工具變量有效性后，網(wǎng)

絡(luò)平臺互動的系數(shù)依舊正向顯著，因此模型不存

在嚴(yán)重的反向因果關(guān)系。考慮網(wǎng)絡(luò)平臺互動強(qiáng)度

不同的公司在某些特征上可能存在重大差異，參

考楊凡和張玉明（2020）［7］的研究，使用傾向得分

匹配法來修正樣本選擇偏誤。具體而言，分別以

網(wǎng)絡(luò)平臺互動程度的均值劃分高低互動程度組，

通過 logit 模型對其進(jìn)行傾向打分，協(xié)變量選取與

主回歸相同的控制變量，然后采用 1∶1 最近鄰匹

配法為實(shí)驗(yàn)組尋找配對樣本。使用匹配后的樣本

后，依舊能夠驗(yàn)證本文的穩(wěn)健性。穩(wěn)健性檢驗(yàn)部

分，分別使用替換因變量和更換樣本跨度法進(jìn)行

測試。以 Ferror1 = | Feps ? Eps|/Price 和 Fdisp1 =

SdFeps/Price 進(jìn)行因變量替換，其中，Price 為公司

期初股價(jià)?？紤]滬深兩市開通網(wǎng)絡(luò)互動平臺的時

間并不相同，為避免開通時間較短的不穩(wěn)定性，選

取 2016—2020 年的樣本重新進(jìn)行回歸。上述回

歸結(jié)果表明，網(wǎng)絡(luò)平臺互動依舊正向影響分析師

盈余預(yù)測誤差和分歧度。

（四）拓展性分析

1. 管理層風(fēng)險(xiǎn)信息披露的異質(zhì)性作用

風(fēng)險(xiǎn)信息趨同觀主要強(qiáng)調(diào)風(fēng)險(xiǎn)信息披露能

夠改善信息環(huán)境，如張淑惠等（2021）［35］研究發(fā)

現(xiàn)，年報(bào)風(fēng)險(xiǎn)信息披露能夠增加異質(zhì)性信息融入

股價(jià)的程度；風(fēng)險(xiǎn)信息趨異觀則強(qiáng)調(diào)風(fēng)險(xiǎn)信息披

露會增加外部利益相關(guān)者的風(fēng)險(xiǎn)感知和理解難

度，如吳武清等［36］研究發(fā)現(xiàn)，債券募集說明書的

風(fēng)險(xiǎn)信息披露與風(fēng)險(xiǎn)溢價(jià)存在正向關(guān)系。借鑒

相關(guān)研究［35］

，以管理層回復(fù)文本中出現(xiàn)的“風(fēng)險(xiǎn)”

“不確定性”和“可能”等詞頻的自然對數(shù)作為風(fēng)

險(xiǎn)信息披露指標(biāo)，該指標(biāo)越大，則表示管理層披

露了更多的風(fēng)險(xiǎn)信息。按中位數(shù)劃分高、低風(fēng)險(xiǎn)

信息披露組并進(jìn)行回歸，表 5 列（1）—列（4）顯

示，網(wǎng)絡(luò)平臺互動的回歸系數(shù)均在 1% 水平下正

向顯著，但組間系數(shù)存在顯著差異，在低風(fēng)險(xiǎn)信

息披露組中，網(wǎng)絡(luò)平臺互動對分析師預(yù)測誤差的

正向影響有所緩解；列（5）—列（8）的回歸結(jié)果同

樣表明，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測分歧度

的正向影響有所削弱。上述結(jié)果明確顯示，管理

層針對互動文本的風(fēng)險(xiǎn)信息披露向市場傳遞了

異質(zhì)性信息，從而增加信息的理解難度和復(fù)雜

度，驗(yàn)證了風(fēng)險(xiǎn)信息披露的趨異觀。

表5 風(fēng)險(xiǎn)信息披露的異質(zhì)性作用

變量

Frequency

Allword

Controls

Year/Ind

N

adj. R2

Suest檢驗(yàn)

(1)

高風(fēng)險(xiǎn)組

Ferror

0.030 0***

(5.37)

Yes

Yes

7 244

0.286

P=0.008 3

(2)

低風(fēng)險(xiǎn)組

Ferror

0.012 6***

(3.30)

Yes

Yes

7 372

0.258

(3)

高風(fēng)險(xiǎn)組

Ferror

0.019 3***

(3.40)

Yes

Yes

7 244

0.285

P=0.047 8

(4)

低風(fēng)險(xiǎn)組

Ferror

0.006 5*

(1.86)

Yes

Yes

7 372

0.257

(5)

高風(fēng)險(xiǎn)組

Fdisp

0.019 5***

(5.60)

Yes

Yes

7 244

0.146

P=0.010 1

(6)

低風(fēng)險(xiǎn)組

Fdisp

0.008 8***

(3.64)

Yes

Yes

7 372

0.103

(7)

高風(fēng)險(xiǎn)組

Fdisp

0.014 5***

(4.07)

Yes

Yes

7 244

0.144

P=0.026 3

(8)

低風(fēng)險(xiǎn)組

Fdisp

0.005 4**

(2.47)

Yes

Yes

7 372

0.102

2.管理層競爭信息披露的異質(zhì)性作用

代理成本視角下的競爭文化觀強(qiáng)調(diào)，高度競爭

導(dǎo)向的氛圍容忍不穩(wěn)定性并強(qiáng)調(diào)個人主義［2，37］；

而監(jiān)督機(jī)制下的競爭觀認(rèn)為，組織內(nèi)部之間存在

距離感，代理人與委托人之間呈現(xiàn)真正的監(jiān)督與

被監(jiān)督關(guān)系［38］。借鑒已有研究［2，38］，提取管理層

回復(fù)文本中的競爭文化關(guān)鍵詞構(gòu)造競爭信息披露

指標(biāo)，并按中位數(shù)劃分高、低競爭信息披露組并

進(jìn)行回歸。表6列（1）—列（4）顯示，網(wǎng)絡(luò)平臺互動

的系數(shù)均正向顯著，組間系數(shù)存在顯著差異，表明

— 105 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

在高競爭信息披露組中，網(wǎng)絡(luò)平臺互動對分析師預(yù)

測誤差的正向影響更強(qiáng)；列（5）—列（8）的回歸結(jié)果

同樣表明，在高競爭信息披露組中，網(wǎng)絡(luò)平臺互動

對分析師盈余預(yù)測分歧度的正向影響更顯著。上

述結(jié)果驗(yàn)證了代理成本視角下的管理層競爭信息

披露觀，競爭信息披露通過催生機(jī)會主義行為增加

了信息不對稱和環(huán)境的復(fù)雜程度，從而負(fù)向影響分

析師盈余預(yù)測質(zhì)量。

表6 競爭信息披露的異質(zhì)性作用

變量

Frequency

Allword

Controls

Year/Ind

N

adj. R2

Suest檢驗(yàn)

(1)

高競爭組

Ferror

0.040 9***

(6.72)

Yes

Yes

7 093

0.279

P=0.004 1

(2)

低競爭組

Ferror

0.020 2***

(4.95)

Yes

Yes

7 523

0.272

(3)

高競爭組

Ferror

0.029 6***

(4.49)

Yes

Yes

7 093

0.276

P=0.047 8

(4)

低競爭組

Ferror

0.015 1***

(3.91)

Yes

Yes

7 523

0.271

(5)

高競爭組

Fdisp

0.024 9***

(6.50)

Yes

Yes

7 093

0.151

P=0.004 9

(6)

低競爭組

Fdisp

0.012 1***

(4.70)

Yes

Yes

7 523

0.103

(7)

高競爭組

Fdisp

0.019 9***

(4.79)

Yes

Yes

7 093

0.149

P=0.018 4

(8)

低競爭組

Fdisp

0.008 9***

(3.67)

Yes

Yes

7 523

0.102

六、結(jié)論與建議

本文基于2013—2020年中國資本市場滬深A(yù)

股非金融上市公司樣本數(shù)據(jù)，考察了交易所網(wǎng)絡(luò)

平臺互動程度對分析師盈余預(yù)測誤差和分歧度的

影響，得出以下結(jié)論：①網(wǎng)絡(luò)平臺互動程度越高，

分析師盈余預(yù)測誤差、分析師盈余預(yù)測分歧度越

高，這說明網(wǎng)絡(luò)平臺互動所傳遞的信息過載效應(yīng)

大于信息增量效應(yīng)，雖然網(wǎng)絡(luò)平臺互動信息成為

分析師盈余預(yù)測的重要決策信息集，但也會因其

缺乏信息含量而負(fù)面影響分析師盈余預(yù)測質(zhì)量；

②網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤差和分歧度

的正向影響并非同質(zhì)性，管理層回復(fù)文本相關(guān)度

能夠負(fù)面調(diào)節(jié)兩者的正向關(guān)系；③當(dāng)管理層披露

更多的風(fēng)險(xiǎn)信息和競爭文化信息時，網(wǎng)絡(luò)平臺互

動越不利于分析師盈余預(yù)測質(zhì)量的提升。

基于上述結(jié)論，本文提出以下政策建議：①監(jiān)

管機(jī)構(gòu)層面。在互動過程中，監(jiān)管機(jī)構(gòu)應(yīng)該限制投

資者頻繁發(fā)帖，并改變當(dāng)前以上市公司回復(fù)的數(shù)量

和及時性等為主而忽視回復(fù)質(zhì)量的考核方式，提高

對互動質(zhì)量的要求。此外，監(jiān)管機(jī)構(gòu)還需要重視對

資本市場信息披露監(jiān)管方式創(chuàng)新，積極鼓勵并引導(dǎo)

和推進(jìn)上市公司開展多渠道、多樣化而非模式化、

樣板化的信息披露方式。②上市公司層面。在網(wǎng)

絡(luò)平臺互動以及其他互動形式中，管理層需要重點(diǎn)

關(guān)注互動內(nèi)容的質(zhì)量和內(nèi)涵，如信息披露的及時

性、相關(guān)性等特征，以避免利益相關(guān)者的決策偏差。

此外，還需要提請利益相關(guān)者注意公司現(xiàn)有的以及

未來可能存在的風(fēng)險(xiǎn)關(guān)鍵點(diǎn)和競爭指標(biāo)等。③分

析師等外部利益相關(guān)者層面。分析師等利益相關(guān)

者應(yīng)努力提升搜集信息、處理信息以及解讀信息的

專業(yè)知識和能力，更多地關(guān)注上市公司公開披露信

息的質(zhì)量內(nèi)涵，從而降低受不實(shí)傳聞和謠言影響的

可能性。

參考文獻(xiàn)：

［1］丁慧，呂長江，陳運(yùn)佳. 投資者信息能力：意見分歧與股價(jià)

崩盤風(fēng)險(xiǎn)——來自社交媒體“上證 e 互動”的證據(jù)［J］.

管理世界，2018，34（9）：161-171.

［2］陳華，孫漢，沈胤鴻. 交易所網(wǎng)絡(luò)平臺互動能緩解股價(jià)崩

盤風(fēng)險(xiǎn)嗎？——基于管理層回復(fù)質(zhì)量的異質(zhì)性角度［J］.

上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，24（3）：92-107.

［3］劉運(yùn)國，劉芷蕙 . 投資者 e 互動與公司費(fèi)用粘性［J］.

中國地質(zhì)大學(xué)學(xué)報(bào)（社會科學(xué)版），2021，21（1）：105-123.

［4］高敬忠，楊朝 . 網(wǎng)絡(luò)平臺互動能夠抑制實(shí)體企業(yè)金融

化嗎？——來自交易所互動平臺問答的經(jīng)驗(yàn)證據(jù)［J］.

上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021，23（5）：50-64，106.

［5］高敬忠，楊朝，彭正銀 . 網(wǎng)絡(luò)平臺互動能夠緩解企業(yè)

融資約束嗎——來自交易所互動平臺問答的證據(jù)［J］.

會計(jì)研究，2021（6）：59-75.

［6］HUANG A H，LEHAVY R，ZANG A Y，et al. Analyst

Information Discovery and Interpretation Roles：A Topic

Modeling Approach［J］. Management Science，2018，

64（6）：2833-2855.

［7］楊凡，張玉明. 網(wǎng)絡(luò)媒介、互動式信息披露與分析師行

為——來自“上證 e 互動”的證據(jù)［J］. 山西財(cái)經(jīng)大學(xué)學(xué)

報(bào)，2020，42（11）：113-126.

［8］MILLER G S，SKINNER D J. The Evolving Disclosure

Landscape：How Changes in Technology，the Media，and

Capital Markets Are Affecting Disclosure［J］. Journal of

Accounting Research，2015，53（2）：221-239.

［9］趙楊，趙澤明. 互動式信息披露：文獻(xiàn)回顧與研究展望［J］.

— 106 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

科學(xué)決策，2018（11）：74-94.

［10］PRONK M，MATSUMOTO D，ROELOFSEN E. What

Makes Conference Calls Useful？The Information Con‐

tent of Managers‘Presentations and Analysts’Discussion

Sessions［J］. Accounting Review，2011，86（4）：1383-

1414.

［11］BOCHKAY K，HALES J，CHAVA S. Hyperbole or Real‐

ity？ Investor Response to Extreme Language in Earn‐

ings Conference Calls［J］. Accounting Review，2020，

95（2）：31-60.

［12］曹廷求，張光利 . 自愿性信息披露與股價(jià)崩盤風(fēng)險(xiǎn)：

基于電話會議的研究［J］. 經(jīng)濟(jì)研究，2020，55（11）：

191-207.

［13］HAN B，KONG D，LIU S. Do Analysts Gain an Informa‐

tional Advantage by Visiting Listed Companies？［J］.

Contemporary Accounting Research，2018，35（4）：

1843-1867.

［14］卞世博，管之凡，閻志鵬. 答非所問與市場反應(yīng)：基于

業(yè)績說明會的研究［J］. 管理科學(xué)學(xué)報(bào)，2021，24（4）：

109-126.

［15］張繼勛，韓冬梅 . 網(wǎng)絡(luò)互動平臺溝通中管理層回復(fù)的

及時性、明確性與投資者投資決策——一項(xiàng)實(shí)驗(yàn)證據(jù)

［J］. 管理評論，2015，27（10）：70-83.

［16］羅勁博，竇超. 中小股東的社交媒體“發(fā)聲”影響企業(yè)

并購偏好嗎？——基于互動易（e互動）平臺的經(jīng)驗(yàn)證

據(jù)［J］. 上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，24（4）：123-137.

［17］孟慶斌，黃清華，趙大旋，等. 互聯(lián)網(wǎng)溝通與股價(jià)崩盤

風(fēng)險(xiǎn)［J］. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2019（11）：50-67.

［18］CHARLES M，ZHONG Q. Shall We Talk？The Role of

Interactive Investor Platforms in Corporate Communica‐

tion［J］. Journal of Accounting and Economics，2022，

74（2/3）：101524.

［19］FERRER E，LóPEZ A F J，RIO C. Sustainability Disclo‐

sure and Financial Analysts' Accuracy：The European

Case［J］. Business Strategy and the Environment，2020，

29（8）：2939-2952.

［20］方軍雄. 我國上市公司信息披露透明度與證券分析師

預(yù)測［J］. 金融研究，2007（6）：136-148.

［21］HU S，LIU M，SOHN B C，et al. The Impact of Disclo‐

sure Quality on Analyst Forecasts in China［J］. Account‐

ing forum，2021，45（4）：411-434.

［22］朱丹，李靜柔，李世新. 年度報(bào)告的可讀性水平、過往業(yè)績

與分析師預(yù)測［J］. 審計(jì)與經(jīng)濟(jì)研究，2021，36（5）：77-85.

［23］李巖瓊，姚頤. 研發(fā)文本信息：真的多說無益嗎？——

基于分析師預(yù)測的文本分析［J］. 會計(jì)研究，2020（2）：

26-42.

［24］ZHANG S，AERTS W，PAN H. Causal Language Inten‐

sity in Performance Commentary and Financial Analyst

Behaviour［J］. Journal of Business Finance & Account‐

ing，2019，46（1/2）：3-31.

［25］MEHROTRA V，MALHOTRA A K，PANT R. Intellec‐

tual Capital Disclosure by the Indian Corporate Sector

［J］. Global Business Review，2018，19（2）：376-392.

［26］BRüGGEN A，VERGAUWEN P，DAO M. Determinants

of Intellectual Capital Disclosure：Evidence from Austra‐

lia［J］. Management Decision，2009，47（2）：233-245.

［27］HATANE S E，DIANDRA J C，TARIGAN J，et al. Vol‐

untary Intellectual Capital Disclosure and Earnings Fore‐

cast in Indonesia-Malaysia-Thailand Growth Triangle's

Pharmaceuticals Sector［J］. International Journal of Emerg‐

ing Markets，2021，18（1）：1-21.

［28］YANG J，LU J，XIANG C. Do Disclosures of Selective

Access Improve Market Information Acquisition Fair‐

ness？Evidence from Company Visits in China［J］. Jour‐

nal of Corporate Finance，2020，64：101631.

［29］王美英，付楠楠，霍宜君，等. 國家審計(jì)影響分析師盈

余預(yù)測準(zhǔn)確度了嗎？［J］. 審計(jì)研究，2021（5）：61-71.

［30］林鐘高，朱楊陽 . 信息披露監(jiān)管模式變更影響分析師

預(yù)測行為嗎？——基于分析師預(yù)測準(zhǔn)確度與分歧度的

視角［J］. 會計(jì)與經(jīng)濟(jì)研究，2021，35（5）：62-78.

［31］羅黨論，李晉杰 .“近水樓臺先得月”嗎？——來自

分析師調(diào)研的經(jīng)驗(yàn)證據(jù)［J］. 南方經(jīng)濟(jì)，2022（2）：

106-122.

［32］HIRSHLEIFER D，LIM S S，TEOH S H. Driven to Dis‐

traction：Extraneous Events and Underreaction to Earn‐

ings News［J］. The Journal of Finance，2009，64（5）：

2289-2325.

［33］HOLLANDER S，PRONK M，ROELOFSEN E. Does Si‐

lence Speak？An Empirical Analysis of Disclosure Choices

During Conference Calls［J］. Journal of Accounting Re‐

search，2010，48（3）：531?563.

［34］馬夢迪，王玉濤，王菊仙. 負(fù)面信息披露與分析師樂觀

預(yù)測之謎：信息決策還是經(jīng)濟(jì)利益？［J］. 經(jīng)濟(jì)管理，

2020，42（9）：144-159.

［35］張淑惠，周美瓊，吳雪勤 . 年報(bào)文本風(fēng)險(xiǎn)信息披露與

股價(jià)同步性［J］. 現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2021，

41（2）：62-78.

［36］吳武清，甄偉浩，楊潔，等. 企業(yè)風(fēng)險(xiǎn)信息披露與債券風(fēng)

險(xiǎn)溢價(jià)——基于債券募集說明書的文本分析［J］. 系統(tǒng)

工程理論與實(shí)踐，2021，41（7）：1650-1671.

［37］FRANCO F，RICCI O. Corporate Culture and CEO Turn‐

over［J］. Journal of Corporate Finance，2014，28：66-82.

［38］謝陳昕，葉德珠，葉顯. 企業(yè)競爭文化與股價(jià)崩盤風(fēng)險(xiǎn)［J］.

管理工程學(xué)報(bào)，2022，36（1）：111-123.

［責(zé)任編輯：陳建華］

— 107 —

2023年11月

（第37卷第11期）

Nov.，2023

East China Economic Management （Vol.37，No.11）

“雙碳”背景下企業(yè)綠色競爭力研究

——文獻(xiàn)綜述與研究框架

薛 儉，陳 西

（陜西科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710021）

摘 要：自20世紀(jì)90年代發(fā)端至今，企業(yè)綠色競爭力得到長足的發(fā)展，但在環(huán)境與發(fā)展關(guān)系轉(zhuǎn)型的“雙碳”背景下，

企業(yè)綠色競爭力的發(fā)展動向尚缺乏系統(tǒng)梳理。文章綜合運(yùn)用文獻(xiàn)計(jì)量和內(nèi)容分析的方法對國內(nèi)國際的489篇相關(guān)

文獻(xiàn)展開文獻(xiàn)特征及文獻(xiàn)內(nèi)容分析，并以此為基礎(chǔ)，構(gòu)建了企業(yè)綠色競爭力的研究框架。研究結(jié)果表明：國內(nèi)國際文

獻(xiàn)發(fā)表數(shù)量均呈指數(shù)型增長，關(guān)鍵詞以供應(yīng)鏈管理、環(huán)境管理為代表的可持續(xù)性管理為主，研究熱點(diǎn)涉及企業(yè)綠色

管理模式和企業(yè)綠色管理技術(shù)兩大類別；實(shí)證研究是研究企業(yè)綠色競爭力的主旋律，但科研合作網(wǎng)絡(luò)密度及研究關(guān)

聯(lián)度有待提升，缺乏碳中和、碳達(dá)峰等新的環(huán)境背景下的相關(guān)理論創(chuàng)新，同時企業(yè)實(shí)時真實(shí)數(shù)據(jù)研究不足。據(jù)此，從

加深各研究主題關(guān)聯(lián)度、構(gòu)建整合性的理論研究框架和利用好企業(yè)真實(shí)運(yùn)營數(shù)據(jù)三個方面展望了該主題研究的未

來發(fā)展趨勢。

關(guān)鍵詞：企業(yè)綠色競爭力；文獻(xiàn)計(jì)量；內(nèi)容分析；研究框架；可持續(xù)發(fā)展

中圖分類號：X322；F271 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-5097（2023）11-0108-12

Green Competitiveness of Enterprises Under the Background of \"Carbon Peaking and

Carbon Neutrality\"：Literature Review and Research Framework

XUE Jian，CHEN Xi

（School of Economics and Management，Shaanxi University of Science and Technology，Xi'an 710021，China）

Abstract：Since its inception in the 1990s，the green competitiveness of enterprises has made significant progress. How‐

ever，under the background of the \"double carbon\" transition of the relationship between environment and development，

the development trend of green competitiveness of enterprises still lacks systematic analysis. This paper comprehensively

uses bibliometric and content analysis methods to analyze the literature characteristics and content of 489 relevant litera‐

ture both domestically and internationally. Based on this，a research framework for green competitiveness of enterprises is

constructed. The research results indicate that the number of domestic and international literature publications has shown

an exponential growth，with sustainability management represented by supply chain management and environmental man‐

agement as the main keywords. The research hotspots involve two categories：enterprise green management models and en‐

terprise green management technologies. Empirical research is the main theme of studying the green competitiveness of en‐

terprises，but the density of research cooperation networks and research relevance need to be improved，which lacks rel‐

evant theoretical innovation in new environmental backgrounds such as carbon neutrality and carbon peaking，as well as

sufficient research on real-time real data of enterprises. Based on this，the future development trends of this topic research

are envisioned from three aspects：deepening the correlation between various research topics，constructing an integrated

theoretical research framework，and making good use of real operational data of enterprises.

Key words：enterprise green competitiveness；bibliometrics；content analysis；research framework；sustainable development

一、引 言

企業(yè)綠色競爭力代表著企業(yè)在環(huán)保、健康和可

持續(xù)的綠色經(jīng)濟(jì)發(fā)展模式下取得的市場競爭優(yōu)勢。

隨著全球范圍內(nèi)各國家（地區(qū)）的經(jīng)濟(jì)發(fā)展，經(jīng)濟(jì)建

設(shè)與環(huán)境保護(hù)間的矛盾突顯，企業(yè)綠色競爭力理論

得到長足發(fā)展，并受到學(xué)者以及企業(yè)的廣泛關(guān)注與

研究。與此同時，經(jīng)濟(jì)全球化進(jìn)程的提速以及科技

發(fā)展的飛躍，使得市場競爭愈加激烈。在日益嚴(yán)峻

●管理視野 ［DOI］10.19629/j.cnki.34-1014/f.221117006

收稿日期：2022-11-17

基金項(xiàng)目：國家社會科學(xué)基金重點(diǎn)項(xiàng)目“跨域大氣生態(tài)環(huán)境整體性協(xié)作治理模式與機(jī)制研究”（18AZD005）；陜西省社會科學(xué)

基金項(xiàng)目“高質(zhì)量發(fā)展視角下陜西省節(jié)能治理與經(jīng)濟(jì)增長協(xié)同機(jī)制研究”（2021R005）

作者簡介：薛 儉（1974—），男，遼寧北鎮(zhèn)人，教授，博士生導(dǎo)師，博士后，研究方向：綠色金融，企業(yè)綠色管理；

陳 西（1998—），女，陜西漢中人，碩士，研究方向：企業(yè)綠色競爭力。

— 108 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

的市場競爭環(huán)境下，企業(yè)生命周期的全過程都伴隨

著競爭，企業(yè)的競爭實(shí)踐更加需要相適宜的競爭力

理論和方法來指導(dǎo)，以培育、提升企業(yè)的競爭實(shí)力，

獲得企業(yè)持久的生存和長足的發(fā)展［1］

。21世紀(jì)，信

息時代的到來以及技術(shù)的快速更新迭代，與以往

強(qiáng)調(diào)經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)之間的對立關(guān)系不同，

29 個經(jīng)濟(jì)體通過立法、提交協(xié)議或政策聲明等形

式正式提出碳中和承諾，環(huán)境與經(jīng)濟(jì)發(fā)展呈現(xiàn)共

贏態(tài)勢的綠色可持續(xù)發(fā)展成為全球的廣泛共識。

“雙碳”背景下，代表企業(yè)與環(huán)境和諧相處的企業(yè)

綠色競爭力成為衡量企業(yè)管理能力的重要指標(biāo)，

是關(guān)系企業(yè)自身在新形勢下競爭、生存的命脈所

在，更保障著一國經(jīng)濟(jì)在“雙碳”時代的平穩(wěn)過渡

和運(yùn)行。

然而，企業(yè)綠色競爭力理論研究卻進(jìn)展緩慢。

近年來，學(xué)者對企業(yè)綠色競爭力這個課題進(jìn)行了廣

泛的理論和實(shí)證研究。在研究方法上，從最初對研

究成果的總結(jié)，到后來通過實(shí)地調(diào)研、實(shí)驗(yàn)仿真等

方法的應(yīng)用；在研究對象上，包括了制造業(yè)［2-3］

、建

筑業(yè)［4］

等多種企業(yè)類型；在研究內(nèi)容上，從對企業(yè)

綠色競爭力概念界定及其影響因素的分析［5］

，發(fā)展

到對企業(yè)綠色競爭力關(guān)系模型的構(gòu)建以及競爭力

的量化和應(yīng)用等多角度的研究探索［6-7］

。同時，有

關(guān)企業(yè)綠色競爭力研究的評述類文獻(xiàn)數(shù)量也較多，

但這些文獻(xiàn)或是對企業(yè)綠色競爭力某一方面的研

究以定性分析為主的綜述［8］

，或是截取較短的一個

時間段以探討企業(yè)綠色競爭力為研究主題［9］

，難以

全面直觀生動地展現(xiàn)企業(yè)綠色競爭力研究的動態(tài)

變化、研究熱點(diǎn)、研究成果的影響力。

鑒于此，本文以中國知網(wǎng)數(shù)據(jù)庫和Web of Sci‐

ence數(shù)據(jù)庫為文獻(xiàn)來源，以智能檢索加人工篩選后

的企業(yè)綠色競爭力相關(guān)文獻(xiàn)為研究樣本，采用文獻(xiàn)

計(jì)量及內(nèi)容分析相結(jié)合的綜合研究方法，分析當(dāng)前

國內(nèi)國際企業(yè)綠色競爭力研究的現(xiàn)狀、特征及研究

熱點(diǎn)和趨勢，以此描繪出企業(yè)綠色競爭力的研究成

果全景，以期為今后的企業(yè)綠色競爭力學(xué)術(shù)研究提

供參考。

二、數(shù)據(jù)收集與研究方法

（一）數(shù)據(jù)收集

本文的文獻(xiàn)檢索和篩選過程見表1所列，為保

證所選文獻(xiàn)具有較強(qiáng)的科學(xué)性和較高的質(zhì)量，本文

所選擇的國內(nèi)文獻(xiàn)為CSSCI文獻(xiàn)，國際文獻(xiàn)為SCI/

SSCI 英文文獻(xiàn)，且國內(nèi)國際文獻(xiàn)類型均為期刊論

文，剔除了會議、綜述、專著等類型的文獻(xiàn)。具體

地，在中國知網(wǎng)上以 SU=（‘綠色’+‘低碳’+‘可持

續(xù)’）*‘競爭力’*（‘企業(yè)’+‘公司’+‘組織’）為檢索

詞檢索出共計(jì)380篇C刊文章，在Web of Science核

心合集數(shù)據(jù)庫中以 TS=（Green competitiveness*）

AND（enterprise*or business*or company*or corpora‐

tion* or organization*or firm*）為檢索詞檢索出共計(jì)

317篇SCI/SSCI文獻(xiàn)。為保證文獻(xiàn)的相關(guān)度，本文

對檢索的所有文獻(xiàn)進(jìn)行逐條人工篩選。在文獻(xiàn)篩

選過程中，結(jié)合中國知網(wǎng)、Web of Science 數(shù)據(jù)庫

提供的相關(guān)度排序及 Zotero 文獻(xiàn)管理軟件，通過

人工詳細(xì)閱讀文獻(xiàn)標(biāo)題、摘要、關(guān)鍵詞及正文內(nèi)容

來剔除部分相關(guān)度低、非學(xué)術(shù)研究類的文獻(xiàn)，比如

未主要提及或未重點(diǎn)探究企業(yè)綠色競爭力的文

獻(xiàn)，以及部分研究非企業(yè)或非組織綠色競爭力的

文獻(xiàn)，如國家（地區(qū)）綠色競爭力、行業(yè)綠色競爭

力、外貿(mào)競爭力、高校競爭力等。最終，用于文獻(xiàn)

計(jì)量的文獻(xiàn)包括 1999—2021 年間的 228 篇 CSSCI

中文文獻(xiàn)和 2007—2021 年間的 261 篇 SCI/SSCI 英

文文獻(xiàn)。在內(nèi)容分析部分，除上述文獻(xiàn)外，還涉及

了部分在線發(fā)表、數(shù)據(jù)庫未及時收錄的文獻(xiàn)。

表1 文獻(xiàn)篩選過程

文獻(xiàn)檢索

最后檢索時間

檢索主題

檢索數(shù)量

去重后合計(jì)

文獻(xiàn)篩選后數(shù)量

文獻(xiàn)時間跨度

數(shù)據(jù)庫

中國知網(wǎng)C刊數(shù)據(jù)庫

2021年12月31日

（‘綠色’+‘低碳’+‘可持續(xù)’）*‘競爭力’*

（‘企業(yè)’+‘公司’+‘組織’）

380篇

380篇

228篇

1999—2021年

Web of Science核心期刊數(shù)據(jù)庫

2021年12月31日

（Green competitiveness*）AND（enterprise* or business*

or company* or corporation* or organization* or firm*）

317篇

317篇

261篇

2007—2021年

— 109 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

（二）研究方法

本文同時采用文獻(xiàn)計(jì)量和內(nèi)容分析兩種研究

方法。文獻(xiàn)計(jì)量是指利用數(shù)學(xué)統(tǒng)計(jì)原理和計(jì)算機(jī)

分析手段，定量研究文獻(xiàn)的外部特征，探索相關(guān)研

究主題的知識結(jié)構(gòu)和發(fā)展態(tài)勢，并以可視化的方式

呈現(xiàn)出來，涵蓋文獻(xiàn)發(fā)表數(shù)量、核心作者、關(guān)鍵詞聚

類、文獻(xiàn)共被引分析等，能全面客觀地概括和識別

某一研究主題的演化脈絡(luò)及研究布局，但缺點(diǎn)是不

能深入地分析文獻(xiàn)的具體研究內(nèi)容。內(nèi)容分析則

是一種普遍使用的定性綜述方法，旨在通過對文獻(xiàn)

基本內(nèi)容的梳理、歸納和概括來深入剖析更為具體

的研究現(xiàn)狀，如實(shí)地反映某一研究主題相關(guān)文獻(xiàn)的

內(nèi)部特征，結(jié)合文獻(xiàn)詳細(xì)內(nèi)容厘清相關(guān)研究主題發(fā)

展現(xiàn)狀，但該方法受限于文獻(xiàn)樣本數(shù)據(jù)，且主觀性

較強(qiáng)。因此，本文采用定量與定性相結(jié)合的綜合研

究方法，探究企業(yè)綠色競爭力研究的發(fā)展現(xiàn)狀及未

來趨勢。

三、文獻(xiàn)特征計(jì)量分析

（一）文獻(xiàn)發(fā)表年度分析

從文獻(xiàn)發(fā)表年度數(shù)據(jù)來看，國內(nèi)關(guān)于企業(yè)綠色

競爭力主題的研究最早出現(xiàn)于 1999 年。彼時，劉

力鋼（1999）認(rèn)為企業(yè)在面臨不斷變化的競爭時，應(yīng)

與外部環(huán)境達(dá)成一種平衡，通過一系列的公共關(guān)系

活動保證企業(yè)在自身發(fā)展時，為社會做出更大貢

獻(xiàn)，實(shí)現(xiàn)企業(yè)可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)［9］

。從累計(jì)發(fā)

文量來看，國內(nèi)文獻(xiàn)呈指數(shù)分布趨勢，R2

=0.981 3，

但在2015年后，增長速度放緩，2021年開始又有上

升勢頭。根據(jù)發(fā)文量變化，可以把國內(nèi)關(guān)于企業(yè)綠

色競爭力的研究分為三個階段：第一階段是 1999

—2008年，在這十年間發(fā)文量呈現(xiàn)總體增加、局部

降低的趨勢，2008 年文獻(xiàn)年發(fā)表數(shù)量一度達(dá)到峰

值22篇；第二階段是2009—2020年，在這個階段，

關(guān)于該領(lǐng)域的研究年發(fā)文量趨勢與第一階段相反，

呈現(xiàn)總體下降、局部上升趨勢，最高19篇，最低僅

有 2 篇；第三階段是 2021 年以后，2021 年的發(fā)文

量比前一年上漲5篇，超過第二階段的最高發(fā)文增

長量，比肩第一階段的最高發(fā)文增長量?？梢灶A(yù)

計(jì)，隨著“碳中和”“碳達(dá)峰”時代的開始，發(fā)表在

CSSCI 期刊上的企業(yè)綠色競爭力研究文獻(xiàn)會快速

增長。

而國際文獻(xiàn)關(guān)于企業(yè)綠色競爭力的研究始于

2007 年，在 2007—2017 年間每年發(fā)表的相關(guān)文獻(xiàn)

均不足20篇，處于前期探索階段。從2018年起，圍

繞該主題的文獻(xiàn)發(fā)表量顯著增加，2019—2021年發(fā)

表的文獻(xiàn)數(shù)量占到了總數(shù)的一半以上，表明該主題

領(lǐng)域的研究正處在快速興起的階段。通過擬合累

計(jì)發(fā)文量的指數(shù)函數(shù)，其擬合曲線的R2

＝0.875 1，

說明企業(yè)綠色競爭力領(lǐng)域的研究文獻(xiàn)累計(jì)數(shù)量呈

指數(shù)型增長。

文獻(xiàn)發(fā)表數(shù)量方面，國內(nèi)國際文獻(xiàn)最顯著的不

同體現(xiàn)在文獻(xiàn)值的實(shí)際值與估計(jì)值的差距。國內(nèi)

文獻(xiàn)發(fā)表數(shù)量從 2016 年起低于估計(jì)值，而國際文

獻(xiàn)從2016年起，發(fā)表數(shù)量高于估計(jì)值，且差值逐年

增大。

（二）文獻(xiàn)發(fā)表期刊情況

通過對國內(nèi) 228 篇 CSSCI 文獻(xiàn)及國際 261 篇

SCI/SSCI文獻(xiàn)的期刊進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)整體上刊載企

業(yè)綠色競爭力內(nèi)容的國內(nèi)和國際期刊數(shù)量多，但

分布零散。其中，國內(nèi)文獻(xiàn)共有116本期刊，僅刊

載 1 篇文獻(xiàn)的期刊有79本，占比68.1%。國際文獻(xiàn)

有76本期刊，僅刊載1篇文獻(xiàn)的期刊有47本，占比

61.8%。

根據(jù)布拉德福定律，可以將上述期刊分為核心

區(qū)、相關(guān)區(qū)和邊沿區(qū)，本文針對核心區(qū)期刊展開相

關(guān)文獻(xiàn)發(fā)表詳細(xì)情況分析。依據(jù)布拉德福的計(jì)算

方法，核心區(qū)的計(jì)算方式為：

P = 2 ln (e

E

Y ) （1）

其中：P 為核心區(qū)數(shù)量；E 為歐拉系數(shù)，E=

0.577 2；Y為最大發(fā)文量期刊的載文量。

見表 2 所列：國內(nèi)期刊的核心區(qū)期刊數(shù)量為

P = 2 ln (1.781 × 10) = 5.76，即排名前 6 位的國內(nèi)

期刊處于核心區(qū)；國際期刊的核心區(qū)期刊數(shù)量為

P = 2 ln (1.781 × 57) = 9.24，即排名前 9 位的國際

期刊處于核心區(qū)。

研究領(lǐng)域方面，國內(nèi)文獻(xiàn)期刊主要集中于基

礎(chǔ)科學(xué)和經(jīng)濟(jì)與管理科學(xué)領(lǐng)域，如科學(xué)技術(shù)管理

理論與實(shí)踐、經(jīng)濟(jì)理論、經(jīng)濟(jì)改革等方面的期刊，

而國際文獻(xiàn)多集中于 Management Science &Envi‐

ronmental Sciences和Engineering領(lǐng)域，如環(huán)境保護(hù)

和生態(tài)管理、企業(yè)戰(zhàn)略管理、可持續(xù)發(fā)展、綠色物

流等細(xì)分研究領(lǐng)域的期刊。發(fā)文量方面，國內(nèi)核

心區(qū)期刊發(fā)文量差距較小、分布均勻，而國際核心

區(qū)期刊發(fā)文量差距較大，極值達(dá)到 53。影響因子

及發(fā)文量比重方面，發(fā)表在高影響因子期刊上的比

重更大，這說明關(guān)于企業(yè)綠色競爭力的研究成果受

到學(xué)術(shù)界的重視和認(rèn)可。

— 110 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

表2 期刊發(fā)表情況

類別

國內(nèi)

CSSCI

期刊

國際

SCI/SSCI

期刊

序號

1

2

3

4

5

6

1

2

3

4

5

6

7

8

9

核心區(qū)期刊名稱

科技進(jìn)步與對策

科學(xué)學(xué)與科學(xué)技術(shù)管理

生產(chǎn)力研究

科技管理研究

中國人口·資源與環(huán)境

生態(tài)經(jīng)濟(jì)

Journal of Cleaner Production

Sustainability

International Journal of Production

Economics

Environmental Science and Pollution

Research

Resources Conservation and Recycling

IEEE Access

International Journal of Environmental

Research and Public Health

Journal of Environmental Management

Energy Policy

研究領(lǐng)域

基礎(chǔ)科學(xué)&基礎(chǔ)科學(xué)綜合

經(jīng)濟(jì)與管理科學(xué)&基礎(chǔ)科學(xué)

經(jīng)濟(jì)與管理科學(xué)生產(chǎn)力

基礎(chǔ)科學(xué)綜合&管理學(xué)

環(huán)境科學(xué)與資源利用

宏觀經(jīng)濟(jì)管理與可持續(xù)發(fā)展

Environmental Sciences & Ecology

Environmental Sciences & Ecology

Operations Research & Management

Science

Environmental Sciences

Engineering

Engineering

Environmental Sciences

Environmental Sciences

Management Science-Environmental

Science

發(fā)文量

10

10

10

9

9

8

57

52

17

7

7

5

5

5

4

2021—2022年度

影響因子

3.607

4.114

0.582

2.157

7.085

2.453

11.072

3.889

11.251

5.190

13.716

3.476

4.614

8.910

7.576

發(fā)文量

比重

0.044

0.044

0.044

0.039

0.039

0.035

0.218

0.199

0.065

0.027

0.027

0.019

0.019

0.019

0.015

注：《生產(chǎn)力研究》和《生態(tài)經(jīng)濟(jì)》2021—2022年度已不屬于CSSCI期刊，但所涉及文獻(xiàn)發(fā)表當(dāng)年為CSSCI期刊

（三）科研合作網(wǎng)絡(luò)分析

結(jié)合 Citespace、Vosviewer 等軟件，本文針對企

業(yè)綠色競爭力研究領(lǐng)域的國內(nèi)228篇CSSCI和國際

261篇SCI/SSCI文獻(xiàn)展開微觀（作者）、中觀（機(jī)構(gòu)）兩

種層次的科研合作網(wǎng)絡(luò)分析，對國際文獻(xiàn)展開宏觀

（國家）層次的科研合作網(wǎng)絡(luò)分析。

1. 作者共現(xiàn)分析

（1）被引文獻(xiàn)作者共被引分析。通過使用

Citespace 軟件可以識別出被引文獻(xiàn)作者合作網(wǎng)絡(luò)

即被引文獻(xiàn)作者共被引分析，根據(jù)共被引分析的中

心度和頻次可以找出研究領(lǐng)域中高影響力作者（被

引權(quán)重最高的作者）及其對應(yīng)的文章，也可以展示

作者共被引關(guān)系，以及哪些作者的研究主題類似和

聯(lián)系緊密［10］

。

由于中國知網(wǎng)文獻(xiàn)原數(shù)據(jù)不支持被引文獻(xiàn)作

者分析，因此本文僅分析國外 Web of Science 核心

數(shù)據(jù)庫的261篇文獻(xiàn)。根據(jù)被引文獻(xiàn)作者共被引分

析數(shù)據(jù)，中心度最大的作者是 Aragon-Correa J A，

為 0.25，其次是 Bansal P、Hart S L、Bowen F E、Por‐

ter M E 等人，分別為 0.24、0.22、0.2、0.19。以上

TOP學(xué)者之間的合作關(guān)系較緊密、合作次數(shù)頻繁，

共被引關(guān)系結(jié)構(gòu)層次豐富全面，這說明以上作者

是企業(yè)綠色競爭力研究領(lǐng)域里最具有多學(xué)科背景

的學(xué)者，不同主題研究的聯(lián)絡(luò)者，連接了多個研究

團(tuán)體。同時，綠色競爭力理論的奠基人Porter M E

是被引頻次最高的作者，在企業(yè)綠色競爭力研究領(lǐng)

域具有非常重要的影響；緊隨其后的是Zhu Q（cir‐

cular economy；environmental-oriented supply chain

cooperation）、Rao P（green supply chains）、Sarkis J

（green supply chain management）、Vachon S（environ‐

mental management；manufacturing performance；sup‐

ply chain management）等學(xué)者，他們分別是企業(yè)綠色

競爭力領(lǐng)域的各種研究主題里的領(lǐng)軍人物。被引

頻次靠前的作者在合作網(wǎng)絡(luò)中表現(xiàn)出較高的中心

性，再次驗(yàn)證了他們對企業(yè)綠色競爭力研究發(fā)展的

影響和貢獻(xiàn)。被引文獻(xiàn)共被引分析體現(xiàn)出，企業(yè)綠

色競爭力研究是相對成熟且穩(wěn)定的學(xué)術(shù)領(lǐng)域，領(lǐng)域

內(nèi)影響力巨大的專家學(xué)者們?yōu)殚_展相關(guān)學(xué)術(shù)研究

奠定了良好的基礎(chǔ)，優(yōu)秀的學(xué)術(shù)成果引導(dǎo)著企業(yè)綠

色競爭力研究的發(fā)展。

（2）施引文獻(xiàn)作者合作分析。使用 Vosviewer

軟件可以識別作者的合作網(wǎng)絡(luò)關(guān)系，并發(fā)現(xiàn)研究

團(tuán)體。結(jié)合軟件分析發(fā)現(xiàn)，在企業(yè)綠色競爭力領(lǐng)

域，整體上作者合作聯(lián)系偏少，國際作者合作多于

— 111 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

國內(nèi)作者。具體來看，228篇國內(nèi)文獻(xiàn)作者合作網(wǎng)

絡(luò)以陳紅喜（2006）為最大節(jié)點(diǎn)［11］，連接起 4 個小

團(tuán)體。作者合作網(wǎng)絡(luò)僅包含10位作者，這表明國

內(nèi)企業(yè)綠色競爭力領(lǐng)域尚未出現(xiàn)大批聚集合作的

團(tuán)體，系統(tǒng)性研究不明顯。261篇國際文獻(xiàn)作者合

作網(wǎng)絡(luò)以 Govindan K 為中心形成了放射型的大型

研究合作團(tuán)隊(duì)，還有 5 個節(jié)點(diǎn)分別以 Kannan D、

Mangla S K、Luthra S、Thakkar J、Jabbour A B L D S

等作者為中心，并集中分布。作為合作網(wǎng)絡(luò)的聯(lián)系

者，以上作者維系著各大研究團(tuán)隊(duì)之間的合作。

2. 機(jī)構(gòu)合作分析

經(jīng)文獻(xiàn)機(jī)構(gòu)合作網(wǎng)絡(luò)分析發(fā)現(xiàn)，整體上國內(nèi)文

獻(xiàn)和國際文獻(xiàn)的機(jī)構(gòu)合作網(wǎng)絡(luò)密度都較低，尚未涌

現(xiàn)大批聚集合作的機(jī)構(gòu)，呈現(xiàn)局部聚集、整體分散

合作的特點(diǎn)，但國際機(jī)構(gòu)間合作明顯多于國內(nèi)機(jī)構(gòu)

合作。具體地，國內(nèi)文獻(xiàn)機(jī)構(gòu)合作網(wǎng)絡(luò)中，從節(jié)點(diǎn)

大小來看，最大的節(jié)點(diǎn)是西南交通大學(xué)經(jīng)濟(jì)管理學(xué)

院，其次是南京工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院、復(fù)旦大學(xué)

管理學(xué)院等機(jī)構(gòu)，這些機(jī)構(gòu)是國內(nèi)開展企業(yè)綠色競

爭力研究的主要機(jī)構(gòu)，持續(xù)深化國內(nèi)企業(yè)綠色競爭

力研究。從節(jié)點(diǎn)分布情況來看，國內(nèi)機(jī)構(gòu)合作現(xiàn)象

不明顯，存在少量的“兩兩”合作，研究具有分散性，

目前不存在最中心的機(jī)構(gòu)。國際文獻(xiàn)的機(jī)構(gòu)合作

網(wǎng)絡(luò)中，我國香港理工大學(xué)（Hong Kong Polytechnic

University）是最大節(jié)點(diǎn)，說明該機(jī)構(gòu)處于企業(yè)綠色

競爭力領(lǐng)域的中心位置，引導(dǎo)著整個機(jī)構(gòu)合作網(wǎng)絡(luò)

節(jié)點(diǎn)間的合作與交流。其次是南丹麥大學(xué)（Univer‐

sity of Southern Denmark）以及我國的臺北科技大學(xué)

（National Taipei University of Technology）和哈爾濱

工程大學(xué)（Harbin Engineering University）等機(jī)構(gòu)節(jié)

點(diǎn)較大，并有1到2個節(jié)點(diǎn)與其鏈接，在企業(yè)綠色競

爭力領(lǐng)域有一定的合作影響力。

3. 國際文獻(xiàn)國家合作分析

如圖1所示，可以發(fā)現(xiàn)國際文獻(xiàn)的國家網(wǎng)絡(luò)合

作的節(jié)點(diǎn)主次分明，分布錯落有致，這說明企業(yè)綠

色競爭力研究是國際化的學(xué)術(shù)議題，各國學(xué)者互相

合作交流，聯(lián)系頗深。具體地，China 是最大的節(jié)

點(diǎn)，代表著在企業(yè)綠色競爭力研究領(lǐng)域，來自中國

的學(xué)者發(fā)文最多，并且與其他國家學(xué)者的合作緊

密，影響范圍廣。近十年來，中國的國際經(jīng)濟(jì)活動

不斷增加，中國企業(yè)的競爭力也不斷提升。財(cái)富雜

志統(tǒng)計(jì)數(shù)據(jù)顯示，中國的世界500強(qiáng)企業(yè)從2007年

的 30 家增至 2022 年的 145 家，上榜企業(yè)數(shù)量位居

全球第一。因而，中國企業(yè)正吸引著研究者的廣泛

關(guān)注。西班牙、英國、韓國、美國、印度、意大利等國

的學(xué)者也是國家合作網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，共促企業(yè)

綠色競爭力研究持續(xù)發(fā)展。

圖1 國際文獻(xiàn)國家合作網(wǎng)絡(luò)

四、文獻(xiàn)內(nèi)容計(jì)量分析

（一）文獻(xiàn)關(guān)鍵詞分析

1. 關(guān)鍵詞的戰(zhàn)略坐標(biāo)圖

戰(zhàn)略坐標(biāo)圖由 Law 等（1988）提出，用以分析

某個研究領(lǐng)域內(nèi)不同主題的研究現(xiàn)狀，反映某一

領(lǐng)域研究內(nèi)容的內(nèi)部聯(lián)系情況以及相互關(guān)系，識

別研究重點(diǎn)與趨勢［12］

。參考夏恩君等（2017）［13］

、

宋華等（2022）［14］

的研究，本文的戰(zhàn)略坐標(biāo)圖是以

頻次和中心度為參數(shù)繪制成的二維坐標(biāo)系，其中

X 軸為頻次，Y 軸為中心度。頻次是關(guān)鍵詞出現(xiàn)

的次數(shù)，頻次越高，關(guān)鍵詞在該研究領(lǐng)域內(nèi)受關(guān)

注度和成熟度越高。中心度是關(guān)鍵詞在關(guān)鍵詞

共現(xiàn)網(wǎng)絡(luò)中集中的程度，中心度越高，關(guān)鍵詞在

該研究領(lǐng)域內(nèi)越處于中心位置，與其他議題聯(lián)系

越緊密。

為此本文在對關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上，依據(jù)

主要關(guān)鍵詞的頻次及中心度，分別以主要關(guān)鍵詞的

頻次（國內(nèi)文獻(xiàn)頻次≥3，國際文獻(xiàn)頻次≥10）與中心

度的平均值（4.45，0.043 及 18.613，0.053）作為原

點(diǎn)，繪制戰(zhàn)略坐標(biāo)圖，進(jìn)而使得關(guān)鍵詞落入不同的

象限，具體結(jié)果如圖2、圖3所示。此外，作為企業(yè)

綠色競爭力研究領(lǐng)域的基礎(chǔ)性議題，關(guān)鍵詞“競爭

力”“低碳經(jīng)濟(jì)”“impact”“performance”“green”“com‐

petitiveness”頻次過高，為避免圖譜分析誤差，本文

所繪圖譜為將上述關(guān)鍵詞去除后的結(jié)果，如此，國

內(nèi)文獻(xiàn)包含20個主要關(guān)鍵詞，國際文獻(xiàn)包含30個

主要關(guān)鍵詞。

— 112 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

從象限分布來看，國內(nèi)文獻(xiàn)和國際文獻(xiàn)分別

有 3 個和 5 個關(guān)鍵詞位于象限 I 中，這些關(guān)鍵詞具

有高頻次、高中心性的特點(diǎn)，類似于波士頓矩陣中

的明星產(chǎn)品。表明“environmental management”以

及設(shè)計(jì)構(gòu)建企業(yè)綠色競爭力的“企業(yè)文化”“核心

能力”及“framework”“system”等企業(yè)戰(zhàn)略管理研

究，既是當(dāng)前領(lǐng)域內(nèi)熱點(diǎn)研究主題，也與其他研究

主題聯(lián)系密切。

國內(nèi)文獻(xiàn)關(guān)鍵詞戰(zhàn)略坐標(biāo)圖的象限 II 中包括

代表企業(yè)類型的“民營企業(yè)”1個關(guān)鍵詞，國際文獻(xiàn)

包括企業(yè)特性的“capability”“competitive advantage”

和企業(yè)管理場景的“integration”“barrier”“determi‐

nant”等7個關(guān)鍵詞。以上關(guān)鍵詞具有低頻次、高中

心性的特點(diǎn)，類似于波士頓矩陣中的問題產(chǎn)品。雖

然這些研究主題所受的關(guān)注度不高，研究不夠成

熟，但由于與其他研究主題聯(lián)系緊密，研究潛力較

大，如針對企業(yè)的“green supply chain management”

和企業(yè)管理的“system”“corporate social responsibility”

和“management”等研究組合一樣，這些關(guān)鍵詞與其

他領(lǐng)域相結(jié)合會形成新的研究熱點(diǎn)。























          



ffl6

ffi



-B

 

470)

-D

ffi

@fi



E

ffl2

479J

.B

K4

E

(

>

M

!9







圖2 國內(nèi)文獻(xiàn)主要關(guān)鍵詞戰(zhàn)略坐標(biāo)





















                

TUSBUFHZ

TZTUFN

NBOBHFNFOU

NPEFM TVTUBJOBCJMJUZ

TVQQMZ DIBJO NBOBHFNFOU

GSBNFXPSL

TFMFDUJPO JOEVTUSZ FGGJDJFODZ

SFTFBSDI BOE EFWFMPQNFOU

GJOBODJBM QFSGPSNBODF

HSFFO JOOPWBUJPO

FOWJSPONFOUBM QFSGPSNBODF

FOWJSPONFOUBM SFHVMBUJPO

QPMJDZ

FOFSHZRVBMJUZ FNQJSJDBM FWJEFODF FDP JOOPWBUJPO TVTUBJOBCMF EFWFMPQNFOU GJSN

EFUFNJOBOU

HSFFO TVQQMZ DIBJO NBOBHFNFOU FOWJSPONFOUBM NBOBHFNFOU

$PVOU

DBQBCJMJUZ

JOUFHSBUJPO

DPNQFUJUJWF BEWBOUBHF

DPSQPUBUF TPDJBM SFTQPOTJCJMJUZ

CBSSJFS

$FOUSBMJUZ

圖3 國際文獻(xiàn)主要關(guān)鍵詞戰(zhàn)略坐標(biāo)

— 113 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

象限III的關(guān)鍵詞具有低頻、低中心性的特征，

類似于波士頓矩陣中的瘦狗產(chǎn)品，國內(nèi)和國際文獻(xiàn)

均有11個關(guān)鍵詞處于此象限中。這表明企業(yè)綠色

競爭力領(lǐng)域目前對代表企業(yè)特性的“selection”“ef‐

ficiency”“社會責(zé)任”；企業(yè)綠色發(fā)展模式的“低碳

轉(zhuǎn)型”“綠色管理”“綠色營銷”“sustainable develop‐

ment”“評價(jià)模型”“因子分析”等；企業(yè)類型為“中小

企業(yè)”“上市公司”“industry”“energy”等研究主題關(guān)

注度相對較低。同時，這些研究主題與其他領(lǐng)域

的關(guān)聯(lián)性也較低。上述主題是逐漸邊緣化還是進(jìn)

一步發(fā)展，取決于今后能否得以深度挖掘或與其

他領(lǐng)域相關(guān)聯(lián)。時代的變遷，影響著研究熱點(diǎn)的

更迭。隨著全球性環(huán)境政策目標(biāo)碳中和、碳達(dá)峰

的不斷實(shí)現(xiàn)，“eco innovation”“policy”等具有再次

成為研究熱點(diǎn)的潛力。同時，象限III 中關(guān)鍵詞數(shù)

量最多，國內(nèi)文獻(xiàn)占比55%，國際文獻(xiàn)占比37%，這

表明企業(yè)綠色競爭力研究的一個主要特征是細(xì)分

領(lǐng)域雖多，但各領(lǐng)域間關(guān)聯(lián)度不大，并不成熟，體現(xiàn)

出企業(yè)綠色競爭力研究缺乏深度探索。

象限IV包括國內(nèi)文獻(xiàn)的“企業(yè)”“產(chǎn)業(yè)集群”等

5 個詞及國際文獻(xiàn)中“green innovation”“environ‐

mental performance”“environmental regulation”等 7

個詞，該象限的關(guān)鍵詞具有高頻次、低中心性的特

點(diǎn)，類似于波士頓矩陣中的現(xiàn)金牛產(chǎn)品。雖然這些

主題的研究已相對成熟，但與其他研究領(lǐng)域的聯(lián)系

相對較少，既存在退化到象限III 被逐步邊緣化的

可能，也存在與其他領(lǐng)域相結(jié)合而縱深發(fā)展的機(jī)

會。其中，“environment performance”和“financial

performance”分別代表兩種不同的企業(yè)評價(jià)標(biāo)準(zhǔn)，

“產(chǎn)業(yè)集群”“環(huán)境規(guī)制”及“environmental regulation”

推動了“green innovation”“sustainability”和“supply

chain management”“碳資產(chǎn)”的發(fā)展，“model”則是

企業(yè)實(shí)現(xiàn)與衡量以上成效的基礎(chǔ)性方法。

總體來看，國內(nèi)和國際關(guān)于企業(yè)綠色競爭力的

研究都具有分散性的特點(diǎn)，研究主題眾多，但成熟性

和關(guān)聯(lián)度不高，且國際與國內(nèi)研究差異性不大。

2. 關(guān)鍵詞聚類分析

通過關(guān)鍵詞聚類，可以分析出重點(diǎn)研究主題。

陳超美和陳悅（2014）提出，評估圖譜聚類效果的聚

類模塊性指數(shù) Q 值（Modularity Q）大于 0.3 即表示

網(wǎng)絡(luò)聚類模塊的結(jié)構(gòu)是顯著的，聚類輪廓性指數(shù)

S 值（Silhouette）大于0.7則可以認(rèn)為該聚類結(jié)果具

有較高的信度［15］

。在本文的兩個聚類圖譜中，國內(nèi)

文獻(xiàn)圖譜的 Q 值=0.866 2，S 值=0.967 5，Harmonic

Mean（Q，S）=0.914 0；國際文獻(xiàn)圖譜的Q值=0.706 6，

S值=0.857 9，Harmonic Mean（Q，S）=0.775 0，可見信

度滿足Citespace圖譜聚類要求。關(guān)鍵詞聚類結(jié)果

按照涉及文獻(xiàn)的數(shù)量從大到小排序，在剔除小型聚

類模塊后，得到企業(yè)綠色競爭力研究領(lǐng)域的關(guān)鍵詞

共現(xiàn)聚類圖譜的聚類結(jié)果見表3所列。

表3 2007—2021年企業(yè)綠色競爭力相關(guān)文獻(xiàn)的

關(guān)鍵詞聚類結(jié)果

地域

國內(nèi)文獻(xiàn)

關(guān)鍵詞

聚類

國際文獻(xiàn)

關(guān)鍵詞

聚類

分類

企業(yè)

競爭力

企業(yè)綠色

管理模式

企業(yè)綠色

管理技術(shù)

企業(yè)綠色

管理模式

企業(yè)綠色

管理技術(shù)

聚類ID

#0

#2

#1

#4

#3

#0

#1

#2

#3

#4

#5

聚類名稱

競爭力

核心能力

低碳經(jīng)濟(jì)

綠色營銷

產(chǎn)業(yè)集群

lean production

green manufacturing

carbon management

environmental regulation

bi-objective

critical success factors

大小

34

26

33

12

16

36

32

30

27

23

22

整體來看，國內(nèi)文獻(xiàn)關(guān)鍵詞主要聚為5類。按

照學(xué)術(shù)研究主題分類，分別為：企業(yè)競爭力維度，包

括聚類0競爭力和聚類2核心能力；企業(yè)綠色管理

模式維度，包括聚類1低碳經(jīng)濟(jì)和聚類4綠色營銷；

企業(yè)綠色管理技術(shù)維度，包括聚類3產(chǎn)業(yè)集群。

國際文獻(xiàn)關(guān)鍵詞主要聚為6類，分別為聚類0

精益生產(chǎn)（lean production）、聚類1綠色制造（green

manufacturing）、聚 類 2 碳 管 理（carbon manage‐

ment）、聚類 3 環(huán)境規(guī)制（environmental regulation）、

聚類 4 雙目標(biāo)（bi-objective）、聚類 5 關(guān)鍵成功因素

（critical success factors）。按照學(xué)術(shù)研究主題分類，

可以分為兩大維度：企業(yè)綠色管理模式維度，包括

聚類0、聚類1、聚類2；企業(yè)綠色管理技術(shù)維度，包

括聚類3、聚類4、聚類5。

對照來看，國內(nèi)國際的共同聚焦點(diǎn)是企業(yè)綠色

管理模式及企業(yè)綠色管理技術(shù)，國內(nèi)文獻(xiàn)還聚焦于

基礎(chǔ)內(nèi)容，即企業(yè)競爭力。

在分析聚類圖譜的基礎(chǔ)上，本文進(jìn)一步對每個

聚類主題所涵蓋的代表性文獻(xiàn)及其主要內(nèi)容進(jìn)行

簡要的梳理概括，其結(jié)果見表4所列。從代表性文

獻(xiàn)的發(fā)布年份來看，國內(nèi)文獻(xiàn)比國際文獻(xiàn)發(fā)布時間

早，近年來國際文獻(xiàn)更多，這說明目前企業(yè)綠色競

爭力代表文獻(xiàn)主要發(fā)表于國際期刊。

— 114 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

表4 代表性文獻(xiàn)分析

地域

國內(nèi)

國際

聚類ID

#0

#1

#2

#3

#4

#0

#1

#2

#3

#4

#5

聚類名稱

競爭力

低碳經(jīng)濟(jì)

核心能力

產(chǎn)業(yè)集群

綠色營銷

lean production

green

manufacturing

carbon

management

environmental

regulation

bi-objective

critical success

factor

代表性文獻(xiàn)

李金克等（2021）

陳紅喜等（2013）

劉友金（2007）

黃健康（2012）

曹洪軍和袁泉

（2005）

Fu（2017）

Rehman等（2016）

Kuo和Chang

（2021）

Green等（2012）

Zhen等（2019）

Mangla等（2016）

文獻(xiàn)內(nèi)容

探討了大數(shù)據(jù)能力與企業(yè)綠色競爭力之間的作用效果［16］

開展價(jià)值鏈視角下的企業(yè)綠色競爭力構(gòu)成要素分析，并經(jīng)專家打分和制造企

業(yè)管理人員問卷調(diào)查修正，形成一整套企業(yè)綠色競爭力評價(jià)指標(biāo)體系［17］

探討了戰(zhàn)略實(shí)踐中企業(yè)核心能力的本質(zhì)，并論證了企業(yè)基于核心能力的相關(guān)

多元化成長是可持續(xù)的這一觀點(diǎn)［18］

研究分析了能夠形成獨(dú)特競爭優(yōu)勢的產(chǎn)業(yè)集群知識系統(tǒng)的剛性現(xiàn)象，并構(gòu)建

了集群知識系統(tǒng)剛性生成模型，提出集群知識應(yīng)隨著內(nèi)外部環(huán)境變化而動態(tài)

更新，以打破集群知識積累和創(chuàng)造路徑依賴性［19］

列舉了我國當(dāng)時的企業(yè)綠色競爭力的發(fā)展現(xiàn)狀及其制約因素，并提出以綠色

營銷為主的有效對策和措施［20］

運(yùn)用環(huán)境管理建立綠色競爭優(yōu)勢，調(diào)查了發(fā)展中國家企業(yè)“精益和綠色”部署

的邏輯、過程和機(jī)制及其盈利能力和綠色競爭力的主要優(yōu)勢［21］

研究提供了關(guān)于衡量綠色制造實(shí)踐對印度背景下組織績效影響的實(shí)證評估和

指南［22］

探究了日本企業(yè)能否有效利用科學(xué)目標(biāo)設(shè)定和內(nèi)部碳定價(jià)戰(zhàn)略等碳管理工具

（戰(zhàn)略）來提高其碳管理聲譽(yù)的問題［23］

從供應(yīng)鏈背景下的制造商角度，對于綠色供應(yīng)鏈管理實(shí)踐對環(huán)境和組織績效

的影響進(jìn)行實(shí)證，研究表明綠色供應(yīng)鏈實(shí)踐可改善環(huán)境和組織績效［24］

提出以CO2排放量和總運(yùn)行成本為目標(biāo)的雙目標(biāo)優(yōu)化模型，助力企業(yè)在需求

不確定情況下發(fā)展綠色且可持續(xù)的閉環(huán)供應(yīng)鏈網(wǎng)絡(luò)，以提高企業(yè)可持續(xù)競

爭力［25］

提出了一個結(jié)構(gòu)模型評估與印度制造業(yè)實(shí)施逆向物流相關(guān)的關(guān)鍵成功

因素［26］

（二）基于文獻(xiàn)內(nèi)容的進(jìn)一步分析

1. 文獻(xiàn)理論視角分析

從現(xiàn)有文獻(xiàn)來看，企業(yè)綠色競爭力是多學(xué)科交

叉的研究領(lǐng)域。關(guān)于企業(yè)綠色競爭力領(lǐng)域的文獻(xiàn)

主要集中于三個方面的理論，一是公共政策相關(guān)理

論；二是企業(yè)管理相關(guān)理論；三是競爭力量化研究

相關(guān)理論。

公共政策相關(guān)理論視角中，Eunmi（2020）基于

制度理論（Institutional Theory），對上海和深圳證券

交易所上市的183家公司的數(shù)據(jù)展開實(shí)證分析，探

究了命令和控制環(huán)境監(jiān)管或自愿手段對企業(yè)財(cái)務(wù)

績效的影響［27］；Woo 等（2016）結(jié)合社會資本理論

（Social Capital Theory）對韓國108家建筑供應(yīng)商的

調(diào)查研究發(fā)現(xiàn)，提升供應(yīng)商信息共享能力會促進(jìn)供

應(yīng)商和采購商之間的環(huán)境合作，進(jìn)而降低綠色成

本，獲得競爭優(yōu)勢［28］

。此外，還有學(xué)者圍繞可持續(xù)

發(fā)展的相關(guān)理論對各類企業(yè)的綠色競爭力展開分

析研究［29］

。

企業(yè)管理相關(guān)理論視角中，包括波特假說、能

力激勵機(jī)會（AMO）理論、戰(zhàn)略理論、資源基礎(chǔ)理論

（Resource-Based Theory）、企業(yè)三維效益論和企業(yè)

戰(zhàn)略創(chuàng)新理論、約束理論（Theory of Constraints，

TOC）、鉆石理論等一系列理論。1995年，波特假說

的提出改變了過往環(huán)境規(guī)制與企業(yè)競爭力對峙這

一傳統(tǒng)觀點(diǎn)［30］

。在此之前，研究者們往往認(rèn)為環(huán)境

規(guī)制與政策會導(dǎo)致企業(yè)生產(chǎn)成本增高，降低企業(yè)競

爭力，從而抵消環(huán)境保護(hù)給社會帶來的積極效應(yīng)，對

經(jīng)濟(jì)增長產(chǎn)生負(fù)面效果。但是隨著“波特假說”的廣

泛傳播，更多學(xué)者認(rèn)識到環(huán)境質(zhì)量與經(jīng)濟(jì)發(fā)展之間

的積極關(guān)系。黃山等（2013）從市場基礎(chǔ)觀、資源基

礎(chǔ)觀、制度基礎(chǔ)觀和認(rèn)知基礎(chǔ)觀四種觀點(diǎn)出發(fā)，詳

細(xì)分析了企業(yè)戰(zhàn)略制定的有效性問題［31］；Wu 等

（2018）基于企業(yè)資源基礎(chǔ)理論，研究了綠色企業(yè)社

會責(zé)任（CSR）與企業(yè)創(chuàng)新績效的關(guān)系，認(rèn)為綠色

CSR與企業(yè)創(chuàng)新績效之間存在正相關(guān)關(guān)系，并且受

到公眾知名度和企業(yè)透明度的調(diào)節(jié)［32］

。

競爭力量化研究相關(guān)理論視角中，有與量化競

爭力數(shù)學(xué)工具相關(guān)的理論，如模糊集理論（Fuzzy Set

Theory）、猶豫模糊集理論（Hesitant Fuzzy Set Theory）、

粗糙集理論（Rough Set Theory）等。Ocampo（2018）

基于模糊數(shù)學(xué)領(lǐng)域的模糊集理論，采用模糊層次分

析法（AHP-TOPSIS）對菲律賓食品制造企業(yè)的可

持續(xù)制造戰(zhàn)略進(jìn)行了案例研究，證明了內(nèi)容戰(zhàn)略和

全面質(zhì)量管理是支持食品制造企業(yè)可持續(xù)發(fā)展的

最佳實(shí)踐［33］

。部分學(xué)者還圍繞仿真模擬競爭力的

博弈理論（Game Theory）進(jìn)行了探索，如 Zhai 等

（2021）利用演化博弈論（Evolutionary Game），探討

了影響政府與云制造企業(yè)協(xié)同選擇策略的政府激

— 115 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

勵和懲罰、平臺承載能力、企業(yè)間信任度、技術(shù)損失

系數(shù)、信息化程度等關(guān)鍵因素［34］

；劉楠峰等（2017）

則基于融合圖論和矩陣論原理的 DEMATEL 模型

識別出企業(yè)低碳競爭力的關(guān)鍵影響因素，為管理決

策提供理論支撐［35］

?？梢园l(fā)現(xiàn)，競爭力量化研究的

相關(guān)理論視角具有明顯的多學(xué)科交叉特性。

綜上，雖然企業(yè)綠色競爭力領(lǐng)域的研究成果較

多，但都是各學(xué)科理論的綜合型應(yīng)用，缺乏更深層

次的理論視角探索，理論創(chuàng)新比較匱乏，特別是缺

乏碳中和、碳達(dá)峰背景下的相關(guān)理論創(chuàng)新。

2. 文獻(xiàn)研究方法分析

企業(yè)綠色競爭力研究經(jīng)過數(shù)年發(fā)展，已是管理

學(xué)領(lǐng)域的重要分支。目前圍繞這一主題展開的研

究主要以實(shí)證研究為主，缺乏對理論研究方法的應(yīng)

用?；?Paes 等（2019）對研究方法的分類［36］，本

文從定量研究、定性研究、建模仿真、案例研究四個

方面，對現(xiàn)有文獻(xiàn)進(jìn)行總結(jié)。

大量學(xué)者利用定量研究方法研究了企業(yè)在綠色

實(shí)踐、綠色供應(yīng)鏈管理、綠色制造等方面的問題，包

括采用多元回歸分析、結(jié)構(gòu)方程模型［37］

、數(shù)據(jù)包絡(luò)分

析［38］

、雙重差分［39］

、Topsis評價(jià)法［40］

等數(shù)理統(tǒng)計(jì)分析

方法。例如，Luthra等（2016）基于123家印度汽車企

業(yè)數(shù)據(jù)，通過使用多元回歸分析，研究發(fā)現(xiàn)實(shí)施綠色

供應(yīng)鏈管理（GSCM）的關(guān)鍵成功因素（CSF）及其對

印度汽車行業(yè)當(dāng)前實(shí)施的綠色實(shí)踐的影響［41］

；Song

和Wang（2017）利用中國企業(yè)大數(shù)據(jù)研究了企業(yè)參

與全球價(jià)值鏈對企業(yè)綠色技術(shù)水平的影響［42］

。隨

著研究的深入，學(xué)者進(jìn)一步多角度量化了企業(yè)綠色

競爭力的影響因素及影響程度。Li和Chen（2019）

從企業(yè)議價(jià)能力的角度探討了環(huán)境規(guī)制對企業(yè)綠

色全要素生產(chǎn)率（GTFP）的動態(tài)影響，驗(yàn)證了環(huán)境

法規(guī)在短期內(nèi)會對企業(yè)的GTFP產(chǎn)生負(fù)面影響［43］

；

Wu等（2021）結(jié)合數(shù)據(jù)包絡(luò)分析（DEA）方法，建立

了包括上市公司經(jīng)營效率、財(cái)務(wù)效率、融資效率、人

力資本效率和生態(tài)效率的評價(jià)體系，研究發(fā)現(xiàn)綠色

金融可以提升以技術(shù)創(chuàng)新為核心的企業(yè)競爭力［44］

。

總的來說，定量研究的方法有管理學(xué)領(lǐng)域的研究方

法，也有其他許多領(lǐng)域的學(xué)科方法應(yīng)用。

定性研究方面，現(xiàn)有文獻(xiàn)主要圍繞企業(yè)綠色競

爭力的影響因素間的作用關(guān)系展開。例如，Peng等

（2021）通過構(gòu)建“環(huán)境規(guī)制刺激綠色創(chuàng)新意愿，綠

色創(chuàng)新意愿促進(jìn)綠色創(chuàng)新行為”的理論框架，研究

發(fā)現(xiàn)，綠色創(chuàng)新意愿在環(huán)境規(guī)制與綠色創(chuàng)新行為的

邏輯鏈中起著中介作用，政府的控制性環(huán)境規(guī)制比

激勵性規(guī)制更能激發(fā)企業(yè)綠色創(chuàng)新意愿［45］

。由于

企業(yè)綠色競爭力是綜合性的學(xué)術(shù)議題，涉及的研究

領(lǐng)域較廣，采用定性研究方法研究企業(yè)綠色競爭力

的影響因素間的作用關(guān)系是一個相當(dāng)大的研究主

題，因此還常結(jié)合調(diào)查問卷法、專家訪談法具體分

析研究主體，以實(shí)證檢驗(yàn)或者提煉文章研究結(jié)論。

如Yang等（2020）采用問卷調(diào)查和專家采訪的方式

收集了三家光電企業(yè)及專家調(diào)查數(shù)據(jù)，綜合取得經(jīng)

濟(jì)成本、客戶需求、環(huán)境保護(hù)需求、綠色需求、社會

責(zé)任等關(guān)鍵成功因素的權(quán)重［46］

。

建模仿真方面，現(xiàn)有文獻(xiàn)主要圍繞企業(yè)競爭力

與環(huán)境保護(hù)的雙重決策機(jī)制展開研究。例如，

Efendigil 等（2008）通過建立基于人工神經(jīng)網(wǎng)絡(luò)和

模糊邏輯的兩階段模型，選擇出最合適的綠色第三

方逆向物流供應(yīng)商，增強(qiáng)企業(yè)競爭力［47］；Chen 和

Wang（2017）使用博弈論方法，構(gòu)建了嵌入限額和

交易政策的綠色產(chǎn)品組合決策模型［48］；Fan 等

（2021）以提高物流企業(yè)綠色競爭力為目的，提出考

慮燃油消耗和總成本最小的整數(shù)規(guī)劃模型，解決了

綠色車輛路徑問題［49］

；Wang等（2021）基于考慮市

場競爭和中國貨運(yùn)系統(tǒng)碳排放的多目標(biāo)雙層規(guī)劃

定價(jià)模型，發(fā)現(xiàn)合理的運(yùn)價(jià)調(diào)整可以有效增加企業(yè)

利潤，降低貨運(yùn)系統(tǒng)的碳排放總量，進(jìn)而推動綠色

貨運(yùn)的進(jìn)程［50］

。

案例研究方面，文獻(xiàn)主要結(jié)合一個或多個企業(yè)

的案例論證綠色管理實(shí)踐。例如，Bose 和 Pal

（2012）早期以案例研究的方式研究證明了綠色供

應(yīng)鏈管理（GSCM）舉措會給企業(yè)創(chuàng)造價(jià)值［51］

；Feng

和 Gong（2020）以汽車企業(yè) H 為案例，具體闡述了

汽車制造企業(yè)如何選擇符合條件的綠色供應(yīng)商，優(yōu)

化訂單配置數(shù)量，提高競爭力［52］

；邵興東和孟憲忠

（2015）則以華為和碧桂園為例，結(jié)合波特鉆石理論

模型探討了轉(zhuǎn)型期中國企業(yè)可持續(xù)發(fā)展之道［53］。

由于研究主體明確和企業(yè)數(shù)據(jù)精確等特征，案例研

究成為國內(nèi)國際文獻(xiàn)研究企業(yè)綠色管理實(shí)踐的重

要方法，極大推動企業(yè)綠色競爭力研究的發(fā)展。

綜上，企業(yè)綠色競爭力的研究方法涉及定量、

定性、建模仿真、案例研究等多種方法，并以定量研

究為主。同時，定性與定量相結(jié)合的研究方法在管

理學(xué)領(lǐng)域應(yīng)用也越來越多，如層次分析法［54］

等，這

表明綜合應(yīng)用多種方法展開企業(yè)綠色競爭力研究

正成為該領(lǐng)域的趨勢。但值得注意的是，現(xiàn)有文獻(xiàn)

— 116 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

多利用已有方法及理論去量化檢驗(yàn)企業(yè)綠色管理

實(shí)踐，而從現(xiàn)象中提煉出本質(zhì)的文獻(xiàn)較為缺乏。

3. 企業(yè)綠色競爭力研究框架

構(gòu)建企業(yè)綠色競爭力的研究框架，有助于廓清

該領(lǐng)域研究的整體特性。根據(jù)國內(nèi)國際文獻(xiàn)特征

計(jì)量分析及文獻(xiàn)內(nèi)容計(jì)量分析，以及文獻(xiàn)理論視角

及研究方法的梳理，關(guān)于企業(yè)綠色競爭力的研究框

架總結(jié)如圖4所示。從量化研究類、公共政策類、

企業(yè)管理類等理論視角出發(fā)，結(jié)合定量研究、定性

研究、建模仿真、案例研究等研究方法，以工業(yè)企

業(yè)、出口企業(yè)、產(chǎn)業(yè)集群等類型企業(yè)為研究主體的

企業(yè)綠色競爭力研究，圍繞綠色人力資源管理、綠

色文化、綠色創(chuàng)新、綠色制造、綠色供應(yīng)鏈管理、綠

色實(shí)踐、碳管理聲譽(yù)等一個或多個研究主題展開。

企業(yè)綠色競爭力研究框架作為研究梗概，清晰地

展示了領(lǐng)域內(nèi)目前的研究現(xiàn)狀。同時依照框架，

可以實(shí)現(xiàn)對所有相關(guān)文獻(xiàn)的統(tǒng)籌協(xié)調(diào)，進(jìn)行一致

的剖析和解釋，并統(tǒng)一歸類。由此，企業(yè)綠色競爭

力研究領(lǐng)域內(nèi)文獻(xiàn)解讀效率及解讀的規(guī)范性大幅

度增強(qiáng)。





4

7

0





-

/



E

K4

 

ffi 

 0 

47B#0)U()3.U

47U&($U

47U(/U

47EU(.U

47J0)U(4$.U

47C

-0)?



)@>>

-/\"

F-/

-/

ffl-/

fi,

0fi

.344

fi1ED+

K fi

=



\"'I

-)@

fi

F-/1 0)1

01

fi1K)@

)@

fi

\"'A6$ffi)@

*)@B#

-)@

)@.Bffi)@ 4)@

ffi3ffi/

fi4ffi

調(diào)查研究法、專

家訪談法……

代 表 性

企業(yè)、波

特 鉆 石

理 論 模

型……

決策模型、人工

神經(jīng)網(wǎng)絡(luò)和模

糊邏輯的兩階

段模型……

圖4 研究框架

五、結(jié)論與思考

（一）研究結(jié)論

本文以中國知網(wǎng)及Web of Science數(shù)據(jù)庫收錄

的國內(nèi)國際企業(yè)綠色競爭力研究相關(guān)的文獻(xiàn)為研

究對象，采用文獻(xiàn)計(jì)量與知識圖譜相結(jié)合的方法，

對企業(yè)綠色競爭力研究的文獻(xiàn)特征及研究熱點(diǎn)進(jìn)

行分析，并構(gòu)建研究框架，主要結(jié)論如下：①國內(nèi)國

際文獻(xiàn)在各年份的發(fā)表數(shù)量均呈指數(shù)型增長，自

2016 年起國內(nèi)國際文獻(xiàn)發(fā)文量增長趨勢不同步。

②文獻(xiàn)所涉及的期刊種類豐富，國內(nèi)文獻(xiàn)期刊主要

集中于基礎(chǔ)科學(xué)和經(jīng)濟(jì)與管理科學(xué)領(lǐng)域，國際期刊

以Journal of Cleaner Production為首，涵蓋環(huán)境保護(hù)

和生態(tài)管理、企業(yè)戰(zhàn)略管理、可持續(xù)發(fā)展、綠色物流

等領(lǐng)域。③在科研合作網(wǎng)絡(luò)方面，國內(nèi)國際文獻(xiàn)均

表現(xiàn)出學(xué)者的共被引關(guān)系結(jié)構(gòu)層次豐富，但文獻(xiàn)作

者的合作關(guān)系尚淺，延展性不強(qiáng)；國內(nèi)國際文獻(xiàn)的

機(jī)構(gòu)合作網(wǎng)絡(luò)密度都較低，尚未涌現(xiàn)大批聚集合作

的機(jī)構(gòu)，但相對而言，國際文獻(xiàn)機(jī)構(gòu)合作更密切；中

國是國際文獻(xiàn)國家合作網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，各國學(xué)

者合作交流頻繁，企業(yè)綠色競爭力研究是國際化學(xué)

術(shù)議題。④文獻(xiàn)關(guān)鍵詞戰(zhàn)略坐標(biāo)圖表明，企業(yè)綠色

競爭力領(lǐng)域的研究重點(diǎn)是以供應(yīng)鏈管理、環(huán)境管理

為代表的可持續(xù)性管理研究及實(shí)證分析等，國內(nèi)國

際的企業(yè)綠色競爭力研究主題都具有分散化特征，

各領(lǐng)域間關(guān)聯(lián)度不大。⑤文獻(xiàn)關(guān)鍵詞聚類結(jié)果表

明當(dāng)前企業(yè)綠色競爭力領(lǐng)域的研究熱點(diǎn)主要是企

業(yè)綠色管理模式和企業(yè)綠色管理技術(shù)兩大類別。

⑥國內(nèi)國際文獻(xiàn)涉及的理論主要是公共政策、企業(yè)

管理、競爭力量化研究等三個方面，缺乏碳中和、碳

達(dá)峰等新的環(huán)境背景下的相關(guān)理論創(chuàng)新；文獻(xiàn)涉及

的建模仿真、定量研究、定性研究、案例研究方法應(yīng)

用眾多，實(shí)證研究是研究企業(yè)綠色競爭力的主旋

律，大量文獻(xiàn)使用定性指標(biāo)來收集數(shù)據(jù)或者假設(shè)性

數(shù)據(jù)，較少使用企業(yè)實(shí)時真實(shí)數(shù)據(jù)展開研究。

（二）研究展望

當(dāng)前世界各國經(jīng)濟(jì)發(fā)展都面臨著環(huán)境惡化與

資源短缺引發(fā)的嚴(yán)峻挑戰(zhàn)，綠色競爭力正是企業(yè)

“雙碳”背景下環(huán)境友好的表現(xiàn)形式。面對研究熱

度快速增長，企業(yè)綠色競爭力研究更要避免被架

空，身陷經(jīng)驗(yàn)主義或形式主義囹圄。展望未來研

— 117 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

究：①加深企業(yè)綠色競爭力領(lǐng)域各研究主題的關(guān)聯(lián)

度，推動企業(yè)綠色競爭力研究的整體規(guī)范性和科學(xué)

性。②拓展與“雙碳”相關(guān)的理論視角，構(gòu)建整合性

的理論研究框架。③宏微觀環(huán)境對企業(yè)綠色發(fā)展

影響巨大，企業(yè)綠色競爭力研究應(yīng)更貼合實(shí)際背

景，利用好企業(yè)真實(shí)運(yùn)營數(shù)據(jù)，推動學(xué)術(shù)理論研究

進(jìn)步，指導(dǎo)企業(yè)可持續(xù)發(fā)展。

（三）研究局限

本文存在以下兩點(diǎn)不足：①盡管本文應(yīng)用了綜

合定性定量的研究方法對相關(guān)文獻(xiàn)作詳細(xì)梳理和

分析，但對于相關(guān)文獻(xiàn)分析的廣度和深度還有待加

強(qiáng)，后續(xù)研究可以通過采用更多文獻(xiàn)綜述工具和方

法、擴(kuò)大文獻(xiàn)搜索范圍來豐富當(dāng)前的研究結(jié)果。②

由于企業(yè)綠色競爭力是交叉性的研究，研究熱點(diǎn)演

化快速，因此，本文所形成的知識框架以及對未來

研究發(fā)展方向性探索的建議是否持續(xù)有效，還有待

后續(xù)研究的檢驗(yàn)。

參考文獻(xiàn)：

［1］周澤將，王浩然，修宗峰.積極構(gòu)建中國特色管理學(xué)理論

體系——基于 NSFC 管理科學(xué) A 類期刊刊文（2013—

2020年）的分析［J］.管理世界，2021，37（9）：57-77.

［2］侯仕軍.我國制造企業(yè)競爭力轉(zhuǎn)型升級研究視角與展望

［J］.管理現(xiàn)代化，2013（5）：35-37.

［3］賈朝暉 . 中小建筑企業(yè)可持續(xù)發(fā)展存在問題和對策研

究——以陜西省為例［J］.生產(chǎn)力研究，2011（11）：179-181.

［4］吳應(yīng)宇，路云.企業(yè)可持續(xù)競爭能力及其影響因素分析

［J］.中國軟科學(xué)，2003（9）：88-91.

［5］李正鋒，葉金福，蔡建峰. IT資源、IT能力與企業(yè)可持續(xù)

競爭優(yōu)勢關(guān)系研究［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2011，

32（4）：147-151.

［6］李振洋，白雪潔.地方選擇性產(chǎn)業(yè)政策促進(jìn)制造業(yè)綠色

競爭力提高了嗎——基于政府治理轉(zhuǎn)型視角的考察

［J］.經(jīng)濟(jì)問題探索，2021（3）：165-180.

［7］余偉，陳強(qiáng)“. 波特假說”20年——環(huán)境規(guī)制與創(chuàng)新、競爭

力研究述評［J］.科研管理，2015，36（5）：65-71.

［8］HERMUNDSDOTTIR F，ASPELUND A. Sustainability In‐

novations and Firm Competitiveness：A Review［J］. Jour‐

nal of Cleaner Production，2021，280：124715.

［9］劉力鋼.企業(yè)可持續(xù)發(fā)展理論研究——21世紀(jì)企業(yè)發(fā)展的

主題［J］.遼寧大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），1999（4）：1-4.

［10］CHEN C. A Glimpse of the First Eight Months of the

COVID-19 Literature on Microsoft Academic Graph：

Themes，Citation Contexts，and Uncertainties［J］. Frontiers

in Research Metrics and Analytics，2020（5）：607286.

［11］陳紅喜，王建明，袁瑜.企業(yè)綠色競爭力及評價(jià)體系構(gòu)

建探討——以農(nóng)業(yè)類上市公司為例［J］. 農(nóng)業(yè)技術(shù)經(jīng)

濟(jì)，2006（3）：47-53.

［12］LAW J，BAUIN S，COURTIAL J P，et al. Policy and the

Mapping of Scientific Change：A Co-word Analysis of

Research into Environmental Acidification［J］. Sciento‐

metrics，1988，14（3）：251-264.

［13］夏恩君，王素娟，王俊鵬.基于知識圖譜的眾籌研究現(xiàn)

狀及發(fā)展趨勢分析［J］.科研管理，2017，38（6）：1-8.

［14］宋華，楊雨東，陶錚.區(qū)塊鏈在企業(yè)融資中的應(yīng)用：文獻(xiàn)

綜述與知識框架［J］. 南開管理評論，2022，25（2）：

34-48.

［15］陳超美，陳悅.科學(xué)發(fā)現(xiàn)的結(jié)構(gòu)與時間屬性［J］.科學(xué)與

管理，2014，34（3）：27-32，81.

［16］李金克，張榮，李伯鈞.環(huán)境動態(tài)性視角下大數(shù)據(jù)能力

對制造業(yè)綠色競爭力的影響機(jī)制研究——基于SBMGML 指數(shù)模型［J］. 科技進(jìn)步與對策，2021，38（23）：

67-75.

［17］陳紅喜，劉東，袁瑜.低碳背景下的企業(yè)綠色競爭力評

價(jià)研究——基于價(jià)值鏈視角［J］. 科技進(jìn)步與對策，

2013，30（4）：116-120.

［18］劉友金.核心知識、相關(guān)多元化與企業(yè)可持續(xù)成長［J］.

經(jīng)濟(jì)社會體制比較，2007（2）：128-131.

［19］黃建康.產(chǎn)業(yè)集群知識系統(tǒng)剛性及其克服途徑［J］.現(xiàn)

代經(jīng)濟(jì)探討，2012（5）：18-22.

［20］曹洪軍，袁泉 . 提升我國企業(yè)綠色競爭力的對策研究

［J］.宏觀經(jīng)濟(jì)管理，2005（12）：41-43.

［21］FU X，GUO M，ZHAN W N. Applying the Green Embed‐

ded Lean Production Model in Developing Countries：A

Case Study of China［J］. Environmental Development，

2017，24：22-35.

［22］REHMAN M A，SETH D，SHRIVASTAVA R L. Impact

of Green Manufacturing Practices on Organisational Per‐

formance in Indian Context：An Empirical Study［J］.

Journal of Cleaner Production，2016，137：427-448.

［23］KUO L，CHANG B G. Ambitious Corporate Climate Ac‐

tion：Impacts of Science-based Target and Internal Carbon

Pricing on Carbon Management Reputation：Evidence from

Japan［J］. Sustainable Production and Consumption，

2021，27：1830-1840.

［24］GREEN K W，ZELBST P J，BHADAURIA V S，et al.

Do Environmental Collaboration and Monitoring En‐

hance Organizational Performance？［J］. Industrial Man‐

agement & Data Systems，2012，112（2）：186-205.

［25］ZHEN L，HUANG L，WANG W. Green and Sustainable

Closed-Loop Supply Chain Network Design under Un‐

certainty［J］. Journal of Cleaner Production，2019，227：

1195-1209.

［26］MANGLA S K，GOVINDAN K，LUTHRA S. Critical Suc‐

cess Factors for Reverse Logistics in Indian Industries：

A Structural Model［J］. Journal of Cleaner Production，

2016，129：608-621.

［27］EUNMI L. Environmental Regulation and Financial Per‐

formance in China：An Integrated View of the Porter Hy‐

pothesis and Institutional Theory［J］. Sustainability，

2020，12（23）：10183.

［28］WOO C，KIM M G，CHUNG Y，et al. Suppliers' Commu‐

nication Capability and External Green Integration for

Green and Financial Performance in Korean Construc‐

— 118 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） “雙碳”背景下企業(yè)綠色競爭力研究

tion Industry［J］. Journal of Cleaner Production，2016，

112：483-493.

［29］曾賢剛.如何提高我國企業(yè)的環(huán)境競爭力［J］.生態(tài)經(jīng)

濟(jì)，2004（S1）：83-85.

［30］PORTER M E，LINDE C V D. Green and Competitive：

Ending the Stalemate［J］. Harvard Business Review，

1995，33：120-134.

［31］黃山，宗其俊，吳小節(jié).制造企業(yè)低碳競爭力的再認(rèn)知

與實(shí)踐［J］.中國科技論壇，2013（5）：97-102.

［32］WU W W，LIU Y X，CHIN T，et al. Will Green CSR En‐

hance Innovation？ A Perspective of Public Visibility

and Firm Transparency［J］. International Journal of Envi‐

ronmental Research and Public Health，2018，15（2）：268.

［33］OCAMPO，LANNDON A. Applying Fuzzy AHP-TOPSIS

Technique in Identifying the Content Strategy of Sustain‐

able Manufacturing for Food Production［J］. Environ‐

ment Development and Sustainability，2019，21（5）：

2225-2251.

［34］ZHAI J，XU X，XU J，et al. Research on Green Collab‐

orative Innovation Mechanism of Cloud Manufacturing

Enterprises Under Government Supervision［J］. Math‐

ematical Problems in Engineering，2021，2021（1）：1-17.

［35］劉楠峰，范莉莉，陳肖琳.企業(yè)低碳競爭力關(guān)鍵影響因

素研究［J］.管理現(xiàn)代化，2017，37（1）：57-59.

［36］PAES L A B，BEZERRA B S，DEUS R M，et al. Or‐

ganic Solid Waste Management in a Circular Economy

Perspective-a Systematic Review and SWOT Analysis

［J］. Journal of Cleaner Production，2019，239：118086.

［37］YU Y，ZHANG M，HUO B. The Impact of Relational

Capital on Green Supply Chain Management and Finan‐

cial Performance［J］. Production Planning & Control，

2021，32（10）：861-874.

［38］KIRIS S B，ERYARSOY E，ZAIM S，et al. An Integrated

Approach for Lean Production Using Simulation and

Data Envelopment Analysis［J］. Annals of Operations

Research，2023，320（2）：863-886.

［39］CAI W，YE P. How Does Environmental Regulation In‐

fluence Enterprises‘Total Factor Productivity？A QuasiNatural Experiment Based on China’s New Environmen‐

tal Protection Law［J］. Journal of Cleaner Production，

2020，276：124105.

［40］江玉國，淳偉德.一種動態(tài)評價(jià)法在鋼鐵企業(yè)低碳競爭

力評價(jià)中的應(yīng)用［J］. 運(yùn)籌與管理，2018，27（12）：

166-171.

［41］LUTHRA S，GARG D，HALEEM A. The Impacts of

Critical Success Factors for Implementing Green Supply

Chain Management Towards Sustainability：An Empiri‐

cal Investigation of Indian Automobile Industry［J］. Jour‐

nal of Cleaner Production，2016，121：142-158.

［42］SONG M L，WANG S H. Participation in Global Value

Chain and Green Technology Progress：Evidence from

Big Data of Chinese Enterprises［J］. Environmental Sci‐

ence and Pollution Research，2017，24：1648-1661.

［43］LI P，CHEN Y. The Influence of Enterprises' Bargaining

Power on the Green Total Factor Productivity Effect of

Environmental Regulation：Evidence from China［J］. Sus‐

tainability，2019，11（18）：4910.

［44］WU S，ZHANG H，TIAN Y，et al. Financial Distress

Warning：An Evaluation System including Ecological Ef‐

ficiency［J］. Discrete Dynamics in Nature and Society，

2021（5）：5605892.

［45］PENG H，SHEN N，YING H，et al. Can Environmental

Regulation Directly Promote Green Innovation Behavior：

Based on Situation of Industrial Agglomeration［J］. Jour‐

nal of Cleaner Production，2021，314：128044.

［46］YANG C W，LAI T T，CHEN P S. A Survey of Critical

Success Factors in the Implementation of Reverse Logis‐

tics in Taiwan's Optoelectronic Industry［J］. IEEE Ac‐

cess，2020（8）：193890-193897.

［47］EFENDIGIL T，OEMUET S，KONGAR E. A Holistic Ap‐

proach for Selecting a Third-party Reverse Logistics

Provider in the Presence of Vagueness［J］. Computers &

Industrial Engineering，2008，54（2）：269-287.

［48］CHEN X，WANG X. Achieve a Low Carbon Supply Chain

Through Product Mix［J］. Industrial Management and

Data Systems，2017，117（10）：2468-2484.

［49］FAN H，ZHANG Y，TIAN P，et al. Time-Dependent

Multi-Depot Green Vehicle Routing Problem with Time

Windows Considering Temporal-Spatial Distance［J］.

Computers & Operations Research，2021，129：105211.

［50］WANG D Z，ZHOU L Y，ZHANG H M，et al. A Bi-Level

Model for Green Freight Transportation Pricing Strategy

Considering Enterprise Profit and Carbon Emissions［J］.

Sustainability，2021，13（12）：6514.

［51］BOSE I，PAL R. Do Green Supply Chain Management

Initiatives Impact Stock Prices of Firms？［J］. Decision

Support Systems，2012，52（3）：624-634.

［52］FENG J H，GONG Z R. Integrated Linguistic Entropy

Weight Method and Multi-objective Programming Model

for Supplier Selection and Order Allocation in a Circu‐

lar Economy：A Case Study［J］. Journal of Cleaner Pro‐

duction，2020，277：122597.

［53］邵興東，孟憲忠.轉(zhuǎn)型期中國企業(yè)戰(zhàn)略性社會責(zé)任——

以華為和碧桂園為例［J］. 經(jīng)濟(jì)與管理研究，2015，36

（9）：121-129.

［54］TOKE，LALIT K，KALPANDE，et al. A Framework of En‐

abler's Relationship for Implementation of Green Manu‐

facturing in Indian Context［J］. The International Jour‐

nal of Sustainable Development and World Ecology，

2018，25（4）：303-311.

［責(zé)任編輯：夏 麗，余志虎］

— 119 —

2023年11月

（第37卷第11期）

Nov.，2023

East China Economic Management （Vol.37，No.11）

［DOI］10.19629/j.cnki.34-1014/f.221129012

收稿日期：2022-11-29

基金項(xiàng)目：國家社會科學(xué)基金項(xiàng)目“人工智能沖擊下農(nóng)民工失業(yè)風(fēng)險(xiǎn)感知及應(yīng)對行為研究”（20CSH080）

作者簡介：徐廣路（1985—），男，安徽阜南人，講師，博士，研究方向：數(shù)字化人力資源管理。

●管理視野

人工智能焦慮對員工偏差行為的影響

——一個有調(diào)節(jié)的中介模型

徐廣路

（南京信息工程大學(xué) 商學(xué)院，江蘇 南京 210044）

摘 要：面對人工智能技術(shù)的快速發(fā)展，員工表現(xiàn)出極大的焦慮?，F(xiàn)有研究主要考察人工智能焦慮對員工積極行為

的影響，缺乏探索人工智能焦慮對員工負(fù)面行為的影響。文章通過對274份樣本進(jìn)行實(shí)證分析，構(gòu)建一個有調(diào)節(jié)的

中介模型，探討人工智能焦慮對員工偏差行為的影響。研究表明：人工智能焦慮正向影響員工偏差行為；自我損耗在

人工智能焦慮與員工偏差行為的關(guān)系中發(fā)揮中介作用；公我意識負(fù)向調(diào)節(jié)自我損耗對員工偏差行為的影響；公我意

識負(fù)向調(diào)節(jié)自我損耗在人工智能焦慮與員工偏差行為之間的中介作用。研究結(jié)果有助于組織制定政策，干預(yù)人工智

能焦慮所引發(fā)的員工偏差行為，從而提升人工智能變革成效。

關(guān)鍵詞：人工智能焦慮；自我損耗；公我意識；偏差行為

中圖分類號：F272.92；TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-5097（2023）11-0120-09

The Impact of Artificial Intelligence Anxiety on Employee Deviant Behavior：

A Moderated Mediation Model

XU Guanglu

（School of Business，Nanjing University of Information Science & Technology，Nanjing 210044，China）

Abstract：Employees are showing great anxiety about the rapid development of artificial intelligence（AI）technology. The

existing researches mainly investigate the influence of AI anxiety on employees' positive behaviors，but lack to explore the

influence of AI anxiety on employees' negative behaviors. Based on the empirical analysis of 274 samples，this paper con‐

structs a moderated mediation model to explore the influence of AI anxiety on employees' deviant behavior. The results

show that AI anxiety positively affects employee deviant behavior; ego depletion plays a mediating role in the relation‐

ship between AI anxiety and employee deviant behavior; public self-consciousness negatively moderates the effect of

ego depletion on employee deviance; public self-consciousness negatively moderates the mediation effect of ego depletion

between AI anxiety and employee deviant behavior. The results can help organizations formulate policies to intervene in

employee deviant behaviors caused by AI anxiety，thereby enhancing the effectiveness of AI transformation.

Key words：artificial intelligence anxiety；ego depletion；public self-consciousness；deviant behavior

一、引 言

在經(jīng)濟(jì)轉(zhuǎn)型升級的時代需求下，人工智能技術(shù)

正在加速與實(shí)體經(jīng)濟(jì)融合，掀起了新一輪科技創(chuàng)新

浪潮，成為新時代中國經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動

力量［1］

。人工智能快速發(fā)展給經(jīng)濟(jì)和社會帶來了

巨大影響。在宏觀層面，人工智能應(yīng)用通過人力資

本提升效應(yīng)、服務(wù)業(yè)需求效應(yīng)和崗位創(chuàng)造效應(yīng)促進(jìn)

城市產(chǎn)業(yè)結(jié)構(gòu)升級［2］

；在微觀層面，人工智能應(yīng)用

能夠提高收入水平、減少工作時間，并且促進(jìn)職業(yè)

發(fā)展和工作滿意度提升［3］

。但不可忽視的是，人工

智能技術(shù)應(yīng)用致使企業(yè)降低了對勞動力的需求［4］

，

導(dǎo)致大量工作崗位將被人工智能所替代。有研究

預(yù)測，未來20年，受人工智能影響，我國76.76%的

崗位將受到?jīng)_擊［5］。人工智能對就業(yè)的“替代效

應(yīng)”引發(fā)大量企業(yè)員工對失業(yè)的恐慌，表現(xiàn)出人工

智能焦慮，這一情緒極大地影響了人們的學(xué)習(xí)、工

作和生活［6］

。

Johnson 和 Verdicchio［7］

認(rèn)為，人工智能焦慮是

指個體對人工智能失去控制而產(chǎn)生的不安和恐懼。

針對人工智能焦慮這一問題，目前研究主要包括三

— 120 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

個方面：第一，人工智能焦慮的維度。比如，人工智

能焦慮主要包括工作替代焦慮、學(xué)習(xí)焦慮、隱私侵

犯焦慮等［6］

。第二，人工智能焦慮的成因。比如，

成因主要包括人工智能技術(shù)對就業(yè)的顛覆性、工作

價(jià)值倫理受到挑戰(zhàn)、人類需求難以滿足［1］

。第三，

人工智能焦慮的后果。比如，人工智能焦慮促進(jìn)動

機(jī)學(xué)習(xí)行為［8］

。通過梳理可以看出，雖然已有研究

對人工智能焦慮的內(nèi)涵和維度有了比較全面的研

究，但對人工智能焦慮的前因和后果研究較少。

焦慮有促進(jìn)作用和阻礙作用，促進(jìn)作用會提升任

務(wù)表現(xiàn)，而阻礙作用會降低任務(wù)表現(xiàn)［9］

。Wang 和

Wang［8］

認(rèn)為，人工智能焦慮可能促進(jìn)人們發(fā)展自己

的技能，繼而提升動機(jī)學(xué)習(xí)行為。然而，人工智能

焦慮的阻礙作用如何影響員工的負(fù)面行為，較少有

研究涉及。

在人類發(fā)展史上，技術(shù)發(fā)展導(dǎo)致工人對工作場

所的破壞行為層出不窮。例如，隨著工業(yè)革命完

成，歐洲各地開始進(jìn)入大規(guī)模工業(yè)化時代。冰冷的

機(jī)器占據(jù)很多原本屬于工人的崗位，為了奪回屬于

自己的工作，工人們爭相摧毀機(jī)器［5］

。人工智能技

術(shù)相較于以往數(shù)次技術(shù)進(jìn)步對勞動者就業(yè)影響更

大，這也預(yù)示著，人工智能焦慮的阻礙作用對員工

負(fù)面行為的影響可能會更大。工作場所偏差行為

是一種重要的工作場所負(fù)面行為，主要是指員工自

主實(shí)施的違反組織規(guī)范，并威脅組織或其成員福利

的行為［10］

。工作場所偏差行為對組織產(chǎn)生了巨大

的破壞作用，一方面，使得組織每年因偏差行為遭

受巨大的經(jīng)濟(jì)損失；另一方面，當(dāng)員工遭遇同事實(shí)

施的偏差行為后，會導(dǎo)致忠誠度下降、損害自尊、離

職等問題［11］

。因此，有必要探討人工智能焦慮是否

會影響員工偏差行為以及背后的機(jī)制，以便組織制

定政策，干預(yù)人工智能變革過程中員工因焦慮所實(shí)

施的偏差行為。

自我控制資源模型認(rèn)為，個體在執(zhí)行自我控

制時，需要消耗有限的自我控制資源，導(dǎo)致自我控

制資源減少［12］

。當(dāng)個體缺乏自我控制資源導(dǎo)致自

我損耗時，便無法控制自己的行為，進(jìn)而出現(xiàn)一些

反社會行為，比如工作場所偏差行為［13-14］。在工

作場所中，焦慮作為一種消極情緒會消耗個體自

我控制資源［15-16］

，導(dǎo)致出現(xiàn)自我損耗［17］

。因此，人

工智能焦慮可能會通過自我損耗的中介作用影響

員工實(shí)施偏差行為。同時，自我控制資源模型認(rèn)

為，監(jiān)督作為個人通過將自我（或自我的相關(guān)方

面）與標(biāo)準(zhǔn)進(jìn)行比較來測試和調(diào)整行為的機(jī)制，可

以有效替代自我控制資源對個體行為的控制過

程［18］

。公我意識強(qiáng)調(diào)個體會根據(jù)社會標(biāo)準(zhǔn)來調(diào)節(jié)

自己的行為，使其更符合社會規(guī)范的要求［19］

。工

作場所中的偏差行為往往被許多人視為不符合社

會規(guī)范的行為［20］

，因此，公我意識可以發(fā)揮監(jiān)督功

能，并有效替代自我控制資源的功能。即使個體

出現(xiàn)自我損耗，公我意識較強(qiáng)的個體也不會輕易

出現(xiàn)偏差行為。換言之，公我意識在自我損耗對

偏差行為的影響過程中，可能發(fā)揮調(diào)節(jié)作用。綜

合上述分析，本文基于自我控制資源模型，構(gòu)建一

個有調(diào)節(jié)的中介模型，探討人工智能焦慮對員工

偏差行為的影響機(jī)制，著重分析自我損耗在人工

智能焦慮與員工偏差行為之間的中介作用、公我

意識在自我損耗與員工偏差行為之間的調(diào)節(jié)作用

以及公我意識在人工智能焦慮通過自我損耗對員

工偏差行為間接影響過程中所發(fā)揮的調(diào)節(jié)作用。

本研究的理論貢獻(xiàn)在于：第一，擴(kuò)展了對人工智能

焦慮影響后果的研究、對工作場所偏差行為情緒

觸發(fā)因素的理解，豐富了人們對組織實(shí)施人工智

能變革過程中員工心理和行為規(guī)律的認(rèn)識；第二，

從自我損耗角度探討人工智能焦慮對個體偏差行

為的影響，擴(kuò)展了員工自我損耗情境因素，增加了

自我控制資源模型應(yīng)用范圍；第三，研究發(fā)現(xiàn)公我

意識會弱化人工智能焦慮對員工偏差行為的影

響，明確了人工智能焦慮引發(fā)員工偏差行為的邊

界條件。

二、研究假設(shè)

（一）人工智能焦慮與員工偏差行為

自我控制資源模型認(rèn)為，個體在執(zhí)行自我控

制時需要消耗有限的自我控制資源，同時，個體每

執(zhí)行一次控制任務(wù)，其自我控制資源將會減少［12］

。

當(dāng)個體的自我控制資源減少時，會降低對未來行

動的自我控制能力，從而導(dǎo)致自我控制失?。?1］。

焦慮被定義為一種在潛在威脅情景下產(chǎn)生的厭惡

情緒體驗(yàn)［22］，包含特質(zhì)焦慮和狀態(tài)焦慮［8］。人工

智能焦慮是對人工智能失去控制的恐懼和擔(dān)憂，

是一種狀態(tài)焦慮［8］

。工作場所的人工智能焦慮主

要包括工作替代焦慮和學(xué)習(xí)焦慮，工作替代焦慮

指員工擔(dān)心被人工智能替代而引發(fā)的有關(guān)人工智

能取代自己職業(yè)的焦慮；學(xué)習(xí)焦慮指通過觀察或

者親身經(jīng)歷而認(rèn)識到學(xué)習(xí)人工智能技術(shù)困難產(chǎn)生

的焦慮［6］

。現(xiàn)有研究表明，在工作場所中，焦慮作

— 121 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

為一種消極情緒會消耗個體自我控制資源，導(dǎo)致

個體自我控制資源減少［15-16］

。而偏差行為是一種

意志行動，實(shí)施偏差行為的動機(jī)主要來自報(bào)復(fù)的

想法、獲取個人利益或者想表達(dá)具體情緒［11］

。自

我控制資源減少會降低個體對這些動機(jī)引發(fā)的

行為的控制能力，使得這些本應(yīng)被抑制的行動將

會更可能發(fā)生［11］。具體來說，自我控制資源減

少，會使得個體不太能抑制人際的攻擊性或潛在

的破壞性沖動［23］，提升實(shí)施報(bào)復(fù)行為的動機(jī)；自

我控制資源減少也會使得個體無法克服短期利

益的誘惑，從而實(shí)施不道德行為［24］。同時，由于

表達(dá)情緒比壓制情緒消耗個體的自我控制資源

更少，當(dāng)個體的自我控制資源不足時，實(shí)施取笑

同事這種表達(dá)情緒的行為的可能性更高［16］

，也會

提升表達(dá)具體情緒的動機(jī)。上述研究均表明，自

我控制資源減少會提升個體實(shí)施偏差行為的可

能性。因此，人工智能焦慮程度提升會促進(jìn)員工

實(shí)施偏差行為。已有研究也證實(shí)，焦慮情緒會導(dǎo)

致偏差行為［25］

，人工智能焦慮作為一種對具體情

形的焦慮自然也不例外。基于以上研究，本文提

出假設(shè)1。

H1：人工智能焦慮正向影響員工偏差行為。

（二）自我損耗的中介作用

自我損耗指由先前的意志行動引起的個體繼

續(xù)從事意志行動（包括控制環(huán)境、控制自我、做出

選擇和發(fā)起行動）的能力或意愿暫時降低［14］

。在

自我控制資源模型看來，自我損耗的核心要義在

于個體實(shí)施一系列意志行動，均需要耗費(fèi)個體有

限的自我控制資源［14］

，最終會導(dǎo)致出現(xiàn)自我控制

資源的損耗狀態(tài)，即自我損耗［17］

。人工智能焦慮

會導(dǎo)致個體自我損耗，主要原因在于以下三點(diǎn)：第

一，焦慮的個體會產(chǎn)生一種對威脅刺激的注意力

偏見，從而使得注意力無法從這些威脅刺激脫

離［26］

，進(jìn)而，焦慮個體的注意力自動地被威脅刺激

所占用，從而影響任務(wù)績效［27-28］

。那么，在這種情

況下，為了抑制與任務(wù)無關(guān)的自動化反應(yīng)，個體需

要投入額外的自我控制努力［27］

。有研究表明，當(dāng)

個體經(jīng)歷負(fù)性情緒時，往往伴隨著自動化的規(guī)制

過程，以消除這種不良情緒，進(jìn)而會消耗個體有限

的自我控制資源［15］

。因此，焦慮損害自我控制資

源，進(jìn)而導(dǎo)致自我損耗［29］

。第二，焦慮會導(dǎo)致個體

產(chǎn)生擺脫威脅刺激的行動傾向，而這種逃離行為

并不能真正解決問題，因此個體又不得不進(jìn)行自

我控制來克服因焦慮引發(fā)的逃離傾向［29］

。焦慮引

發(fā)個體付出額外的自我控制努力，會消耗個體的

自我控制資源，進(jìn)而出現(xiàn)自我損耗［29］

。第三，人工

智能焦慮會使得個體在組織內(nèi)與智能機(jī)器的競爭

中處于不利地位，繼而產(chǎn)生一種不被雇主重視的

感受［30］

，從而降低對組織的歸屬感。已有研究表

明，高歸屬感會提升個體自我控制能力［31］

，而低歸

屬感會降低個體自我控制能力，進(jìn)而導(dǎo)致自我控

制資源損耗。基于上述三種影響機(jī)制，本文提出

研究假設(shè)2。

H2：人工智能焦慮正向影響自我損耗。

自我控制資源模型認(rèn)為，面對特定的刺激，個

體均會有沖動反應(yīng)，而促使自己朝著目標(biāo)前進(jìn)的能

力來自個體擁有控制沖動和欲望的一般性資源［32］

。

當(dāng)個體沒有足夠的自我控制資源來履行自己的角

色要求，控制資源自我損耗會提升個體參與偏差行

為的可能性［13］

。已有研究也表明，控制資源自我損

耗正向影響個體實(shí)施偏差行為［16］

。因此，本文提出

研究假設(shè)3。

H3：自我損耗正向影響偏差行為。

結(jié)合H2、H3，人工智能焦慮正向影響員工自我

損耗，自我損耗正向影響員工偏差行為。由此可以

推測，人工智能焦慮通過自我損耗的中介作用對員

工的偏差行為有正向影響。因此，本文提出研究

假設(shè)4。

H4：自我損耗在人工智能焦慮與員工偏差行

為的關(guān)系中發(fā)揮中介作用。

（三）公我意識的調(diào)節(jié)作用

自我控制資源模型認(rèn)為，拒絕實(shí)施偏差行為需

要個體注入自我控制資源，如果缺少相應(yīng)的資源，

個體實(shí)施偏差行為的可能性便會提高［11，13］

。同時，

自我控制過程除了需要自我控制資源之外，還需要

監(jiān)督。這種監(jiān)督過程表現(xiàn)為個人通過將自我（或自

我的相關(guān)方面）與標(biāo)準(zhǔn)進(jìn)行比較來測試和調(diào)整自己

的行為。并且在一定程度上，自我控制資源與監(jiān)督

可以相互替代，即使自我控制資源不足，監(jiān)督也可

以有效替代自我控制資源對個體行為的控制

過程［18］

。

自我意識是指個人將注意力引導(dǎo)到自己內(nèi)部

或外部的傾向或意愿［33］

，自我意識包括私我意識

和公我意識。私我意識指個體傾向于將注意力集

中在自己的內(nèi)在方面，如思想、內(nèi)在感覺和身體感

覺；公我意識指個體傾向于將注意力集中在作為

— 122 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

社會客體的自我。自我意識通過干預(yù)比較過程來

對個體行為產(chǎn)生影響。比如，當(dāng)個體的公我意識

占據(jù)主導(dǎo)地位時，個體行為標(biāo)準(zhǔn)將會由公我意識

決定，此時，個體就會將標(biāo)準(zhǔn)集中在作為社會客

體的自我，很在意別人對他們的看法以及他們在

別人心目中的形象，進(jìn)而會根據(jù)這些標(biāo)準(zhǔn)來調(diào)節(jié)

自己的行為，并使得自己行為更符合社會規(guī)范要

求［19］。工作場所中的偏差行為往往被許多人視

為不恰當(dāng)?shù)幕虺稣５目山邮軕T例［20］。公我

意識可以促使個體將自己的行為與社會規(guī)范進(jìn)

行比較，確保個體按照社會規(guī)范要求調(diào)整自己的

行為，從而限制個體實(shí)施偏差行為。由自我控制

資源模型可以看出，公我意識實(shí)際上在個體偏差

行為控制過程中發(fā)揮著監(jiān)督功能，可以替代自我

控制資源作用。對于高公我意識的個體，即使面

臨控制資源自我損耗的情況，他們也會時刻根據(jù)

社會規(guī)范控制自己的行為，以期符合組織期許。

也就是說，員工公我意識程度越高，個體自我損耗

對其偏差行為的影響越小?；诖耍疚奶岢鲅?/p>

究假設(shè)5。

H5：公我意識負(fù)向調(diào)節(jié)自我損耗對員工偏差

行為的影響。

結(jié)合 H4、H5 可以推測，高人工智能焦慮的員

工會導(dǎo)致更多控制資源自我損耗，進(jìn)而實(shí)施組織偏

差行為的可能性更大。而對于公我意識強(qiáng)的個體，

他們實(shí)施偏差行為時更關(guān)注社會規(guī)范對自己的要

求，即使因?yàn)槿斯ぶ悄芙箲]導(dǎo)致個體自我損耗，也

會盡量調(diào)配資源使其符合社會規(guī)范。因此，對于公

我意識強(qiáng)的員工，人工智能焦慮通過自我損耗對員

工偏差行為的間接影響更低。基于此，本文提出研

究假設(shè)6。

H6：公我意識負(fù)向調(diào)節(jié)人工智能焦慮通過自

我損耗對員工偏差行為的間接影響。

綜上，本文理論模型如圖1所示。

人工智能焦慮 自我損耗 員工偏差行為

公我意識

圖1 理論模型

三、實(shí)證分析

（一）研究樣本

本文選用專業(yè)化調(diào)研平臺見數(shù)（Credamo）進(jìn)

行網(wǎng)絡(luò)調(diào)研，調(diào)研群體限制為企業(yè)員工。Cre‐

damo 是一家付費(fèi)調(diào)研公司，擁有包含 3 000 家企

業(yè)和超過 200 萬員工的樣本庫。平臺可以設(shè)置

一系列質(zhì)量控制措施來促使樣本認(rèn)真作答，確保

調(diào)研的真實(shí)性。本次調(diào)研地區(qū)覆蓋全國 28 個省

份，合計(jì)發(fā)放 447 份問卷，收回有效問卷共 274

份。從樣本分布來看，男性占 46%，女性占 54%；

年齡分布在 20~58 歲之間，其中，25~40 歲員工分

布較為集中，占比達(dá) 89%；本科學(xué)歷占 80.7%，本

科以下占 8%，本科以上占 11.3%；農(nóng)村戶籍占

23.4%，城鎮(zhèn)戶籍占 76.6%。樣本廣泛分布于財(cái)

務(wù)/審計(jì)、管理、技術(shù)/研發(fā)、人力資源、市場/公關(guān)、

后勤等崗位。

（二）測量工具

本研究量表主要來自國內(nèi)外權(quán)威期刊論文中

使用的成熟量表，所有量表均采用李克特 7 點(diǎn)計(jì)

分，其中1表示非常不同意，7表示非常同意。

（1）人工智能焦慮。本研究使用量表來自 Li

和Huang［6］

的研究，根據(jù)研究背景，選擇與工作場所

人工智能焦慮相關(guān)的兩個維度。其中，工作替代焦

慮包含3個條目，學(xué)習(xí)焦慮包含3個條目。工作替

代焦慮典型題項(xiàng)如“我擔(dān)心人工智能將來會取代我

的工作”；學(xué)習(xí)焦慮典型題項(xiàng)如“人工智能技術(shù)更新

過快，學(xué)習(xí)難度大”。該量表的Cronbach's α系數(shù)為

0.905。

（2）自我損耗。本研究使用 Lin 和 Johnson 所

采用的 5 條目自我損耗量表［34］，代表性題項(xiàng)如

“我感覺筋疲力盡”和“我要付出大量努力才能集

中于某些事情”。該量表的 Cronbach's α 系數(shù)為

0.856。

（3）偏差行為。本研究使用量表來自 Bennett

和Robinson［10］

的研究，并進(jìn)行了精簡。該量表共有

8 個條目，典型題項(xiàng)如“我常花時間做白日夢而不

是好好工作”和“我常不經(jīng)組織同意而遲到”。該量

表的Cronbach's α系數(shù)為0.863。

（4）公我意識。本研究使用Mal?r等所編制的

量表［35］

，該量表共有4個題項(xiàng)，典型題項(xiàng)如“我很在

意如何向別人呈現(xiàn)自己”和“我通常擔(dān)心是否給人

留 下 好 印 象”。 該 量 表 的 Cronbach's α 系 數(shù) 為

0.795。

（5）控制變量。已有研究表明，年齡、性別和教

育程度會影響員工偏差行為［36］

，戶籍會影響員工人

工智能焦慮情況［37］

。為了排除這些變量干擾本文

核心變量之間的關(guān)系，本文將年齡、性別、教育程度

— 123 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

和戶籍設(shè)置為控制變量。

四、數(shù)據(jù)分析與結(jié)果

（一）區(qū)分效度與共同方法偏差檢驗(yàn)

為了確保人工智能焦慮、自我損耗、公我意識

和偏差行為4個核心變量之間具有良好的區(qū)分效

度，本研究使用驗(yàn)證性因子分析方法，對這些變量

進(jìn)行區(qū)分效度檢驗(yàn)。首先，研究依據(jù)隨機(jī)打包的方

法，將人工智能焦慮打包成3個包。由于研究的主

要目標(biāo)是確保核心構(gòu)念間的區(qū)別，而不是構(gòu)念中題

項(xiàng)之間的相互關(guān)系，因此，對題項(xiàng)進(jìn)行打包是合理

的處理方式［38］

。然后，構(gòu)建6個模型驗(yàn)證變量之間

的區(qū)別效度。這 6 個模型分別是：M1 包含人工智

能焦慮、自我損耗、公我意識和偏差行為4個因子；

M2包含人工智能焦慮與自我損耗的合并因子、公

我意識和偏差行為；M3包含人工智能焦慮與偏差

行為的合并因子、自我損耗和公我意識；M4包含自

我損耗與偏差行為的合并因子、人工智能焦慮和公

我意識；M5包含人工智能焦慮、自我損耗與偏差行

為的合并因子和公我意識；M6包含所有變量的合

并因子。根據(jù)表1所列，四因子模型（M1）的擬合效

果最好（χ2

=400.288，df=164，CFI=0.916，TLI=0.902，

RMSEA=0.073，SRMR=0.059），其擬合優(yōu)度顯著優(yōu)

于其他模型，且通過了顯著性水平為0.01的卡方檢

驗(yàn)。這表明本研究的四個關(guān)鍵變量具有良好的區(qū)

分效度。

由于所有變量均來自員工評價(jià)，本文參考苗

正淼等［39］

的研究，使用Harman單因素檢驗(yàn)法檢驗(yàn)

共同方法偏差問題。結(jié)果顯示，未旋轉(zhuǎn)因子特征

值大于1共提取出4個因子，其中，最大因子載荷量

為 32.369%，低于 40% 的臨界值。因此，本研究不

存在嚴(yán)重的共同方法偏差問題，可以進(jìn)行下一步

研究。

表1 驗(yàn)證性因子分析

模型

1

2

3

4

5

6

描述

四因子模型

三因子模型

三因子模型

三因子模型

二因子模型

單因子模型

χ2

400.288

935.092

1 031.033

514.281

1 094.703

1 429.337

df

164

167

167

167

169

170

模型比較

2 VS 1

3 VS 1

4 VS 1

5 VS 1

6 VS 1

△χ2

534.804**

630.745**

113.993**

694.415**

1 029.049**

CFI

0.916

0.726

0.692

0.876

0.670

0.551

TLI

0.902

0.689

0.650

0.859

0.629

0.499

RMSEA

0.073

0.130

0.137

0.087

0.141

0.164

SRMR

0.059

0.092

0.102

0.071

0.103

0.128

注：*

表示p<0.05，**表示p<0.01。下同

（二）描述性統(tǒng)計(jì)與相關(guān)分析結(jié)果

各變量的均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)見表2所列。

由表2可以看出，人工智能焦慮與偏差行為正相關(guān)

（r=0.263，p<0.01），人工智能焦慮與自我損耗正相

關(guān)（r=0.456，p<0.01），自我損耗與偏差行為正相關(guān)

（r=0.684，p<0.01），公我意識與偏差行為負(fù)相關(guān)（r=

-0.201，p<0.01）。相關(guān)分析結(jié)果與理論預(yù)期基本一

致，初步驗(yàn)證了研究假設(shè)。

表2 描述性統(tǒng)計(jì)與相關(guān)系數(shù)

變量

1.性別

2.年齡

3.教育程度

4.戶籍

5.人工智能焦慮

6.自我損耗

7.公我意識

8.偏差行為

M

0.460

30.650

5.020

0.230

3.012

2.072

4.908

1.745

SD

0.499

5.393

0.567

0.424

1.240

0.877

1.033

0.651

1

0.100

0.055

-0.025

0.008

0.011

0.001

0.065

2

-0.007

-0.100

0.009

-0.097

0.015

-0.088

3

-0.098

-0.085

-0.136*

0.032

-0.115

4

0.094

0.063

-0.087

-0.004

5

0.456**

0.007

0.263**

6

-0.100

0.684**

7

-0.201**

（三）假設(shè)檢驗(yàn)分析

（1）檢驗(yàn)主效應(yīng)。由表 3 可知，當(dāng)性別、年齡、

教育程度和戶籍得到控制后，可以發(fā)現(xiàn)人工智能

焦慮對偏差行為具有顯著正向影響（M1，β=0.259，

— 124 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

p<0.01）。由此，H1得到驗(yàn)證。

表3 實(shí)證分析結(jié)果

變量

性別

年齡

教育程度

戶籍

人工智能焦慮

自我損耗

公我意識

自我損耗×公我意識

R2

F

偏差行為

M1

0.078

-0.103

-0.103

-0.047

0.259**

0.094

5.584

自我損耗

M2

0.023

-0.104

-0.100

0.001

0.448**

0.229

15.878

偏差行為

M3

0.061

-0.030

-0.032

-0.048

-0.057

0.705**

0.478

40.749

偏差行為

M4

0.061

-0.034

-0.030

-0.063

0.666**

-0.138**

0.494

43.500

偏差行為

M5

0.038

-0.036

-0.040

-0.040

0.567**

-0.121**

-0.322**

0.587

54.055

（2）檢驗(yàn)中介效應(yīng)。本文采用因果步驟法進(jìn)行

檢驗(yàn)，該方法操作簡單，且檢驗(yàn)結(jié)果一目了然，易于

理解［40］

。首先，檢驗(yàn)自變量（人工智能焦慮）對因變

量（偏差行為）的影響，H1已經(jīng)得到驗(yàn)證；其次，檢

驗(yàn)自變量（人工智能焦慮）對中介變量（自我損耗）

的影響，結(jié)果顯示，人工智能焦慮顯著正向影響自

我損耗（M2，β=0.448，p<0.01），H2得到驗(yàn)證；最后，

控制自變量（人工智能焦慮）檢驗(yàn)中介變量（自我損

耗）對因變量（偏差行為）的影響，結(jié)果顯示，自我

損耗顯著正向影響員工偏差行為（M3，β=0.705，

p<0.01），H3 得到驗(yàn)證。與此同時，人工智能焦慮

對員工偏差行為的影響不再顯著（M3，β=-0.057，

p>0.05）。上述結(jié)果符合中介效應(yīng)顯著存在的檢驗(yàn)

標(biāo)準(zhǔn)，說明自我損耗在人工智能焦慮與員工偏差行

為之間發(fā)揮中介作用，且是完全中介作用，H4得到

驗(yàn)證。但是，有學(xué)者也提出因果步驟法存在很多

缺陷，比如，統(tǒng)計(jì)功效較低，容易低估第I類的錯誤

率，且無法提供中介效應(yīng)的置信區(qū)間［40］

。為了確

保結(jié)果的穩(wěn)健性，參考汪偉等［41］的研究，使用

PROCESS V3.4 插件中的 model 4 對自我損耗的中

介效應(yīng)進(jìn)行基于Bootstrap分析的檢驗(yàn)，重復(fù)抽樣次

數(shù)設(shè)置為5 000。結(jié)果表明，人工智能焦慮通過自

我損耗對偏差行為影響的總效應(yīng)為0.136，95%CI=

［0.076，0.197］；直接效應(yīng)為-0.030，95%CI=［-0.082，

0.022］；間接效應(yīng)為 0.166，95%CI=［0.076，0.280］。

間接效應(yīng)置信區(qū)間不包括0，直接效應(yīng)置信區(qū)間包

括0。這一結(jié)果說明，自我損耗在人工智能焦慮與

員工偏差行為之間發(fā)揮中介作用，且是完全中介作

用，H4再次得到驗(yàn)證。

（3）檢驗(yàn)公我意識的調(diào)節(jié)效應(yīng)。按照調(diào)節(jié)效應(yīng)

的常規(guī)檢驗(yàn)方法，將自我損耗、公我意識和偏差行

為進(jìn)行標(biāo)準(zhǔn)化，再將自我損耗和公我意識加入回歸

方程。結(jié)果顯示，自我損耗顯著正向影響員工偏差

行為（M4，β=0.666，p<0.01），公我意識顯著負(fù)向影

響員工偏差行為（M4，β=-0.138，p<0.01）。在M4的

基礎(chǔ)上加上自我損耗與公我意識的交互項(xiàng)，對偏差

行為回歸，結(jié)果顯示，自我損耗與公我意識的交互

項(xiàng)顯著負(fù)向影響偏差行為（M5，β=-0.322，p<0.01），

說明公我意識調(diào)節(jié)自我損耗與偏差行為兩者之間

的關(guān)系，H5得到驗(yàn)證。為了更進(jìn)一步明確調(diào)節(jié)效

應(yīng)的作用方向和大小問題，參考汪林等［42］

的研究，

以均值加減一個標(biāo)準(zhǔn)差為基準(zhǔn)劃分公我意識的高

低水平，分別就自我損耗對偏差行為進(jìn)行回歸分

析。結(jié)果表明，對于較低公我意識的員工來說，自

我損耗正向影響員工偏差行為，且影響程度較高

（β=0.777，95%CI=［0.693，0.861］）；對于較高公我

意識的員工來說，自我損耗正向影響員工偏差行為，

且影響程度較低（β=0.358，95%CI=［0.247，0.470］）。

這一結(jié)果說明，公我意識程度越高，自我損耗對員

工偏差行為的影響越小，公我意識負(fù)向調(diào)節(jié)自我損

耗對員工偏差行為的影響，H5再次得到驗(yàn)證。公

我意識的調(diào)節(jié)作用如圖2所示。













75 P75 



=



P@

@

圖2 公我意識的調(diào)節(jié)作用

（4）檢驗(yàn)有調(diào)節(jié)的中介效應(yīng)。參考汪偉等［41］的

研究，使用 PROCESS V3.4 插件中的 model 15 對有

調(diào)節(jié)的中介效應(yīng)進(jìn)行基于Bootstrap分析的檢驗(yàn)，重

復(fù)抽樣次數(shù)設(shè)置為 5 000，檢驗(yàn)結(jié)果見表 4 所列。

具體來說，對于低公我意識（M-1SD），人工智能焦

慮通過自我損耗對偏差行為的間接影響顯著存在，

且影響程度較高（β=0.217，95%CI=［0.112，0.329］）；

— 125 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

對于高公我意識（M+1SD），人工智能焦慮通過自我

損耗對偏差行為的間接影響顯著存在，且影響程度

較低（β=0.076，95%CI=［0.025，0.154］）；公我意識

高低取值不同時，人工智能焦慮通過自我損耗對偏

差 行 為 的 間 接 效 應(yīng) 的 差 值 為 -0.141，95% CI=

［-0.226，-0.040］，置信區(qū)間均不包含 0，有調(diào)節(jié)的

中介效應(yīng)顯著存在。檢驗(yàn)結(jié)果表明，公我意識越

高，人工智能焦慮通過自我損耗對偏差行為的間接

效應(yīng)越小，公我意識負(fù)向調(diào)節(jié)人工智能焦慮通過自

我損耗對偏差行為的間接影響，H6得到驗(yàn)證。

表4 被調(diào)節(jié)中介效應(yīng)檢驗(yàn)結(jié)果

人工智能焦慮→自我損耗→偏差行為

公我意識

低公我意識

高公我意識

高低公我意識差異

效應(yīng)

0.217

0.076

-0.141

SE

0.055

0.033

0.045

95%置信區(qū)間

LLCI

0.112

0.025

-0.226

ULCI

0.329

0.154

-0.040

五、結(jié)論和討論

（一）研究結(jié)論

本文基于自我控制資源模型，通過對274份樣

本進(jìn)行實(shí)證分析，探討了人工智能焦慮對員工偏差

行為的影響機(jī)制及邊界條件。主要結(jié)論如下：①人

工智能焦慮正向影響員工偏差行為。該結(jié)論既證

實(shí)了焦慮與偏差行為之間的關(guān)系［43］

，也證實(shí)了技術(shù)

的破壞性會給員工帶來消極情緒，進(jìn)而引發(fā)員工對

工作場所的破壞［5］

。②自我損耗在人工智能焦慮

與員工偏差行為的關(guān)系中發(fā)揮中介作用。已有研

究也表明，焦慮損害自我控制資源，進(jìn)而導(dǎo)致控制

資源自我損耗［29］

，而控制資源自我損耗會導(dǎo)致個體

出現(xiàn)各種偏差行為［23，25］

。本文研究證實(shí)了焦慮通

過自我損耗對偏差行為的影響機(jī)制在人工智能背

景下的適用性。③公我意識負(fù)向調(diào)節(jié)自我損耗對

員工偏差行為的影響，公我意識負(fù)向調(diào)節(jié)自我損耗

在人工智能焦慮與員工偏差行為之間的中介作用。

已有研究表明，公我意識可以引導(dǎo)個體行為，使得

個體行為更加符合社會規(guī)范［19，33］

。本研究驗(yàn)證了

在人工智能應(yīng)用背景下，公我意識對員工偏差行為

影響的緩解作用。

（二）管理啟示

本研究發(fā)現(xiàn)，組織實(shí)施人工智能變革可能會誘

發(fā)員工實(shí)施偏差行為，嚴(yán)重干擾組織正常運(yùn)轉(zhuǎn)和組

織變革順利推進(jìn)。如何改善這一局面，有以下幾點(diǎn)

管理啟示：

第一，降低員工人工智能焦慮。人工智能焦慮

會提升員工實(shí)施偏差行為的可能性，因此，降低員

工的人工智能焦慮是干預(yù)員工實(shí)施偏差行為的重

要途徑。員工的人工智能焦慮主要來自人工智能

替代焦慮和學(xué)習(xí)焦慮。有效降低員工這兩種焦慮

可以從以下兩方面入手：一方面，加強(qiáng)對員工職業(yè)

生涯規(guī)劃和職業(yè)生涯管理，為員工設(shè)計(jì)明確的職業(yè)

生涯發(fā)展路徑，緩解人工智能對員工職業(yè)發(fā)展的負(fù)

面影響，提高員工職業(yè)安全感，降低員工的人工智

能替代焦慮；另一方面，在組織內(nèi)部建立互幫互助

的學(xué)習(xí)文化，開展人工智能技術(shù)培訓(xùn)活動，多手段

降低員工學(xué)習(xí)人工智能技術(shù)的成本，提高員工學(xué)習(xí)

人工智能技術(shù)的效果，進(jìn)而降低員工對人工智能技

術(shù)的學(xué)習(xí)焦慮。

第二，緩解員工自我損耗。人工智能焦慮導(dǎo)致

員工實(shí)施偏差行為，主要是由這一過程中員工控制

資源的自我損耗所致。因此，對于人工智能焦慮程

度較高的個體，增強(qiáng)控制資源是干預(yù)偏差行為的重

要措施。當(dāng)員工經(jīng)歷自我損耗時，感知到的主管支

持可以幫助補(bǔ)充控制資源，從而干預(yù)員工實(shí)施偏差

行為［44］

。因此，組織需要加強(qiáng)對員工的關(guān)心和支

持，緩解員工因人工智能焦慮出現(xiàn)的自我損耗。

第三，提高員工公我意識。公我意識是人工智

能焦慮通過自我損耗影響員工實(shí)施偏差行為的重

要邊界條件。公我意識強(qiáng)的個體更愿意遵守社會

規(guī)范，從而降低人工智能焦慮對員工實(shí)施偏差行為

的影響。因此，應(yīng)加強(qiáng)企業(yè)文化建設(shè)，營造團(tuán)結(jié)互

助、努力工作的組織文化氛圍，用組織規(guī)范約束員

工行為，尤其是公我意識較強(qiáng)員工的行為；通過各

種培訓(xùn)互動提升員工的公我意識，強(qiáng)化員工遵守組

織規(guī)范的意識；在員工招聘過程中注重員工選拔，

著重錄用公我意識較強(qiáng)的求職者。

（三）理論意義

第一，先前很多研究探討了人工智能焦慮的含

義［6］

、維度［7-8］

以及人工智能焦慮對員工學(xué)習(xí)動機(jī)、

行為的影響［8］

，較少有研究探討人工智能焦慮對員

工負(fù)性行為的影響。本文探討了人工智能焦慮對

員工偏差行為的影響，擴(kuò)展了對人工智能焦慮影響

后果的研究，豐富了對人工智能變革過程中員工心

理和行為規(guī)律的認(rèn)識。

第二，已有研究強(qiáng)調(diào)了工作場所中負(fù)面情緒與

偏差行為之間的相關(guān)性［15］

，比如，經(jīng)歷工作焦慮的

員工更有可能做出偏差行為［43］

。本研究分析人工

— 126 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

智能背景下員工焦慮與偏差行為之間的關(guān)系后，得

出人工智能焦慮是導(dǎo)致工作場所偏差行為重要因

素的結(jié)論，這一結(jié)論擴(kuò)展了對工作場所偏差行為情

緒觸發(fā)因素的理解。

第三，在工作場所偏差行為的形成機(jī)制研究

中，很多學(xué)者從自我損耗角度探討了睡眠剝奪［11］

、

網(wǎng)絡(luò)欺凌［44］

等因素的影響，卻很少有學(xué)者從自我損

耗角度探討人工智能焦慮對個體偏差行為的影響。

本研究擴(kuò)展了員工自我損耗的情境因素，增加了自

我控制資源模型的應(yīng)用范圍。

第四，本研究發(fā)現(xiàn)人工智能焦慮通過引發(fā)控制

資源自我損耗導(dǎo)致員工實(shí)施偏差行為，但是，這一

影響過程受個體公我意識影響。公我意識較強(qiáng)的

人很在意別人對他們的看法，并根據(jù)別人的看法來

調(diào)控自己的行為［19］

。因此，即使自我損耗導(dǎo)致自我

控制資源降低，為了使自己的行為符合公眾期待，

也會調(diào)控自己的行為。這一研究結(jié)論明確了人工

智能焦慮引發(fā)員工實(shí)施偏差行為的邊界條件。

（四）研究不足與展望

第一，本研究的核心變量均是在同一時點(diǎn)收

集，這使得研究數(shù)據(jù)可能存在共同方法偏差問題。

參考 Cooper 等的方法［45］

，未來可以考慮采用對自

變量、中介變量和因變量分別在三個時點(diǎn)進(jìn)行調(diào)

研，并結(jié)合多主體評價(jià)方法收集數(shù)據(jù)，進(jìn)而控制共

同方法偏差。

第二，在樣本信息采集方面，采集樣本職業(yè)信

息的同時，卻忽略了樣本所在行業(yè)的信息。未來在

人工智能焦慮相關(guān)研究中，可以考慮采集樣本所處

行業(yè)的信息?，F(xiàn)有研究在探討人工智能對員工心理

和行為的影響時，往往也將研究對象鎖定在特定行

業(yè)，比如服務(wù)業(yè)［46］

。未來研究在探討人工智能焦慮

的影響因素和后果時，也可以針對某些特殊行業(yè)

進(jìn)行。

第三，本文雖然探討了自我損耗在人工智能焦

慮與偏差行為之間的中介作用，但人工智能焦慮與

員工偏差行為之間可能存在更復(fù)雜的作用機(jī)制，參

考社會交換理論［47］

相關(guān)研究，未來可以考慮探討消

極互惠等因素的中介作用。

第四，人工智能焦慮、自我損耗對偏差行為的

影響除了受公我意識調(diào)節(jié)作用外，還可能存在其他

因素的調(diào)節(jié)。根據(jù)資源保存理論，當(dāng)個體處于資源

損失的情景下，很多其他資源可以起到補(bǔ)充作用，

從而緩解資源損失對個體的影響，比如，感知主管

支持［44］

等，未來可以對這些變量的調(diào)節(jié)作用作進(jìn)一

步探討。

參考文獻(xiàn)：

［1］何勤，朱曉妹.人工智能焦慮的成因、機(jī)理與對策［J］.現(xiàn)

代傳播（中國傳媒大學(xué)學(xué)報(bào)），2021，43（2）：24-29.

［2］杜文強(qiáng) . 工業(yè)機(jī)器人應(yīng)用促進(jìn)了產(chǎn)業(yè)結(jié)構(gòu)升級嗎？

——對2006—2016年中國284個地級市的實(shí)證檢驗(yàn)［J］.

西部論壇，2022，32（1）：97-110.

［3］毛宇飛，胡文馨.人工智能應(yīng)用對人力資源從業(yè)者就業(yè)

質(zhì)量的影響［J］.經(jīng)濟(jì)管理，2020，42（11）：92-108.

［4］王永欽，董雯 . 機(jī)器人的興起如何影響中國勞動力市

場？——來自制造業(yè)上市公司的證據(jù)［J］. 經(jīng)濟(jì)研究，

2020，55（10）：159-175.

［5］陳永偉，許多. 人工智能的就業(yè)影響［J］. 比較，2018（2）：

135-160.

［6］LI J，HUANG J S. Dimensions of Artificial Intelligence

Anxiety Based on the Integrated Fear Acquisition Theory

［J］. Technology in Society，2020，63：101410.

［7］JOHNSON D G，VERDICCHIO M. AI Anxiety［J］. Jour‐

nal of the Association for Information Science and Tech‐

nology，2017，68（9）：2267-2270.

［8］WANG Y Y，WANG Y S. Development and Validation of

an Artificial Intelligence Anxiety Scale：An Initial Appli‐

cation in Predicting Motivated Learning Behavior［J］. In‐

teractive Learning Environments，2022，30（4）：619-634.

［9］ALPERT R，HABER R N. Anxiety in Academic Achieve‐

ment Situations［J］. The Journal of Abnormal and Social

Psychology，1960，61（2）：207-215.

［10］BENNETT R J，ROBINSON S L. Development of a Mea‐

sure of Workplace Deviance［J］. Journal of Applied Psy‐

chology，2000，85（3）：349-360.

［11］CHRISTIAN M S，ELLIS A P J. Examining the Effects

of Sleep Deprivation on Workplace Deviance：A Selfregulatory Perspective［J］. Academy of Management

Journal，2011，54（5）：913-934.

［12］何玲，史占彪. 基于自我控制資源模型的干預(yù)研究（綜

述）［J］. 中國心理衛(wèi)生雜志，2015，29（5）：366-371.

［13］NEVES P，CHAMPION S. Core Self-evaluations and Work‐

place Deviance：The Role of Resources and Self-regulation

［J］. European Management Journal，2015，33（5）：381-391.

［14］BAUMEISTER R F，BRATSLAVSKY E，MURAVEN M，

et al. Ego Depletion：Is the Active Self a Limited Re‐

source？［J］. Journal of Personality and Social Psychol‐

ogy，1998，74（5）：1252-1265.

［15］衛(wèi)武，黃昌洋，張琴.消極情緒對組織公民行為和反生產(chǎn)

行為的影響：自我控制視角［J］.管理評論，2019，31（12）：

146-158.

［16］FEHR R，YAM K C，HE W，et al. Polluted Work：A Selfcontrol Perspective on Air Pollution Appraisals，Organi‐

zational Citizenship，and Counterproductive Work Behav‐

ior［J］. Organizational Behavior and Human Decision

Processes，2017，143：98-110.

［17］FISCHER P，KASTENMüLLER A，ASAL K. Ego Deple‐

tion Increases Risk-Taking［J］. The Journal of Social

Psychology，2012，152（5）：623-638.

— 127 —

2023年11月

（第37卷第11期）

Nov.，2023

（Vol.37，No.11） 人工智能焦慮對員工偏差行為的影響

［18］BAUMEISTER R F，VOHS K D. Self-regulation，Ego

Depletion，and Motivation［J］. Social and Personality

Psychology Compass，2007，1（1）：115-128.

［19］陳慧萍. 公我意識與過去時間距離對道德心理許可的

影響［D］. 長沙：湖南師范大學(xué)，2016.

［20］JUDGE T A，SCOTT B A，ILIES R. Hostility，Job atti‐

tudes，and Workplace Deviance：Test of a multilevel

model［J］. Journal of Applied Psychology，2006，91（1）：

126-138.

［21］MURAVEN M，BAUMEISTER R F. Self-regulation and

Depletion of Limited Resources：Does Self-control Re‐

semble a Muscle？［J］. Psychological Bulletin，2000，126（2）：

247-259.

［22］EYSENCK M W，DERAKSHAN N，SANTOS R，et al.

Anxiety and Cognitive Performance：Attentional Control

Theory［J］. Emotion，2007，7（2）：336-353.

［23］DEWALL C N，BAUMEISTER R F，STILLMAN T F，et

al. Violence Restrained：Effects of Self-regulation and

its Depletion on Aggression［J］. Journal of Experimental

Social Psychology，2007，43（1）：62-76.

［24］范偉，任夢夢，肖俊澤，等 . 羞恥情緒對欺騙行為的

影響：自我控制的作用［J］. 心理學(xué)報(bào)，2019，51（9）：

992-1006.

［25］BAUER J A，SPECTOR P E. Discrete Negative Emo‐

tions and Counterproductive Work Behavior［J］. Human

Performance，2015，28（4）：307-331.

［26］BAR-HAIM Y，LAMY D，PERGAMIN L，et al. Threatrelated Attentional Bias in Anxious and Nonanxious In‐

dividuals：A Meta-analytic study［J］. Psychological Bul‐

letin，2007，133（1）：1-24.

［27］ENGLERT C，BERTRAMS A. Anxiety，Ego Depletion，

and Sports Performance［J］. Journal of Sport and Exer‐

cise Psychology，2012，34（5）：580-599.

［28］梅穎 . 主題關(guān)系和分類關(guān)系對恐懼泛化的影響［D］.

深圳：深圳大學(xué)，2019.

［29］PREM R，KUBICEK B，DIESTEL S，et al. Regulatory

Job Stressors and Their Within-person Relationships

with Ego Depletion：The Roles of State Anxiety，Selfcontrol Effort，and Job Autonomy［J］. Journal of Voca‐

tional Behavior，2016，92：22-32.

［30］徐廣路，王皓天.技術(shù)沖擊意識對員工變革支持意愿的

影響研究——以人工智能發(fā)展為背景［J］.華東經(jīng)濟(jì)管

理，2022，36（6）：119-128.

［31］BLACKHART G C，NELSON B C，WINTER A，et al.

Self-control in Relation to Feelings of Belonging and

Acceptance［J］. Self and Identity，2011，10（2）：152-165.

［32］VOHS K D，SCHMEICHEL B J. Self-regulation and Ex‐

tended Now：Controlling the Self Alters the Subjective

Experience of Time［J］. Journal of Personality and So‐

cial Psychology，2003，85（2）：217-230.

［33］LóPEZ-BONILLA L M，SANZ-ALTAMIRA B，LóPEZBONILLA J M. Self-consciousness in Online Shopping

Behavior［J］. Mathematics，2021，9（7）：729.

［34］LIN S H，JOHNSON R E. A Suggestion to Improve a

Day Keeps Your Depletion Away：Examining Promotive

and Prohibitive Voice Behaviors Within a Regulatory Fo‐

cus and Ego Depletion Framework［J］. Journal of Ap‐

plied Psychology，2015，100（5）：1381-1397.

［35］MAL?R L，KROHMER H，HOYER W D，et al. Emo‐

tional Brand Attachment and Brand Personality：The

Relative Importance of the Actual and the Ideal Self［J］.

Journal of Marketing，2011，75（4）：35-52.

［36］肖增瑞，郭東杰. 辱虐管理、績效歸因與下屬偏差行為

研究［J］. 經(jīng)濟(jì)與管理研究，2020，41（10）：121-131.

［37］王軍，詹韻秋，王金哲 . 誰更擔(dān)心在人工智能時代

失業(yè)？——基于就業(yè)者和消費(fèi)者雙重視角的實(shí)證

分析［J］. 中國軟科學(xué)，2021（3）：64-72.

［38］陳晨，張昕，孫利平，等. 信任以稀為貴？下屬感知被

信任如何以及何時導(dǎo)致反生產(chǎn)行為［J］. 心理學(xué)報(bào)，

2020，52（3）：329-344.

［39］苗正淼，程明，丁紫夏，等.述情障礙與非適應(yīng)性認(rèn)知情

緒調(diào)節(jié)策略中介家庭環(huán)境與抑郁的關(guān)系［J］.中國臨床

心理學(xué)雜志，2022，30（6）：1270-1275.

［40］方杰，張敏強(qiáng)，邱皓政. 中介效應(yīng)的檢驗(yàn)方法和效果量

測量：回顧與展望［J］. 心理發(fā)展與教育，2012，28（1）：

105-111.

［41］汪偉，劉玉飛，彭冬冬.人口老齡化的產(chǎn)業(yè)結(jié)構(gòu)升級效

應(yīng)研究［J］.中國工業(yè)經(jīng)濟(jì)，2015（11）：47-61.

［42］汪林，儲小平，倪婧.領(lǐng)導(dǎo)-部屬交換、內(nèi)部人身份認(rèn)知

與組織公民行為——基于本土家族企業(yè)視角的經(jīng)驗(yàn)研

究［J］.管理世界，2009（1）：97-107.

［43］CHEN Y，LI S，XIA Q，et al. The Relationship Between

Job Demands and Employees' Counterproductive Work

Behaviors：The Mediating Effect of Psychological Detach‐

ment and Job Anxiety［J］. Frontiers in Psychology，

2017，8：1-15.

［44］ZHANG Z，WANG H，ZHANG L，et al. Workplace Cy‐

berbullying and Interpersonal Deviance：Roles of Deple‐

tion and Perceived Supervisor Support［J］. Asia Pacific

Journal of Human Resources，2022，60（4）：832-854.

［45］COOPER B，EVA N，F(xiàn)AZLELAHI F Z，et al. Address‐

ing Common Method Variance and Endogeneity in Voca‐

tional Behavior Research：A Review of the Literature

and Suggestions for Future Research［J］. Journal of Vo‐

cational Behavior，2020，121：103472.

［46］KONG H，YUAN Y，BARUCH Y，et al. Influences of

Artificial Intelligence（AI）Awareness on Career Com‐

petency and Job Burnout［J］. International Journal of

Contemporary Hospitality Management，2021，33（2）：

717-734.

［47］BIRON M. Negative Reciprocity and the Association

Between Perceived Organizational Ethical Values and

Organizational Deviance［J］. Human Relations，2010，

63（6）：875-897.

［責(zé)任編輯：陳建華］

— 128 —