关于“与信息技术公司建立董事连锁关系对创新成果的影响：基于资源依赖视角”的学术研究报告
一、 研究作者、机构及发表信息
本研究由四位学者合作完成：第一作者Xiaowei Liu来自中国武汉大学经济与管理学院；第二作者Alain Pinsonneault来自加拿大麦吉尔大学Desautels管理学院；第三作者Wen Guang Qu（通讯作者）来自浙江大学管理学院及浙江数字发展与治理研究中心；第四作者John Qi Dong来自新加坡南洋理工大学南洋商学院。该研究成果以题为《Board Interlocks with Information Technology Firms and Innovation Outcomes: A Resource Dependence Perspective》的论文形式，于2024年9月4日在线发表在学术期刊 Journal of Management Information Systems 上（2024年第41卷第3期，第812-838页）。该论文的DOI号为10.1080⁄07421222.2024.2376387。
二、 研究的学术背景
本研究属于信息系统（Information Systems, IS）与管理学交叉领域，特别是聚焦于公司治理（董事会结构）、知识转移与技术创新之间的关系。研究的现实背景是，在数字经济时代，信息技术（IT）创新（如开发包含AI、软件或硬件组件的新产品或服务）已成为非IT企业（如特斯拉、迪士尼）获取竞争优势的关键来源。然而，许多非IT企业内部缺乏足够的IT知识，面临IT创新开发的挑战。
从理论背景来看，现有研究虽然认识到董事会连锁（Board Interlocks，即一人同时在多家公司董事会任职）在知识转移（如IT投资、研发信息）中的一般性作用，但尚未深入探讨一种特定类型的董事会连锁——“IT连锁”（IT Interlocks，即非IT公司的董事同时任职于至少一家IT公司的董事会）在转移特定领域知识（IT知识） 以促进IT创新方面的独特作用。资源依赖理论（Resource Dependence Theory）指出，组织通过建立与外部实体的联系来获取关键资源。董事会连锁被视为获取外部知识和资源的重要正式渠道。因此，本研究旨在填补这一空白，从一个资源依赖的视角出发，探究非IT公司与IT公司之间的董事连锁关系（即IT连锁）如何影响非IT公司的IT创新成果。研究的具体目标是：1）检验IT连锁对非IT公司IT创新的直接影响；2）揭示IT知识转移在这一关系中的中介作用；3）探讨连锁IT公司的知识密集度（Knowledge Intensity）对上述关系的调节作用。
三、 研究的详细工作流程
本研究是一项基于大规模面板数据的实证研究，其工作流程主要包括以下几个步骤：
1. 理论模型构建与假设提出： 研究者首先基于资源依赖理论和注意力基础观（Attention-Based View），构建了一个包含中介和调节机制的研究模型（如图1所示）。模型的核心逻辑是：非IT公司通过建立IT连锁，可以获取连锁IT公司的IT知识（中介变量：IT知识转移），从而提升自身的IT创新（因变量）。同时，连锁IT公司的知识密集度（调节变量）会增强这一过程。基于此，提出了五个研究假设（H1-H5）。
2. 数据收集与样本构建： * 研究样本： 研究选取了2000年至2020年间中国A股上市的高科技、非IT制造企业作为研究对象。选择中国背景的原因在于其IT创新快速发展且董事会网络联系广泛。高科技制造业对IT创新需求更迫切。样本最终包含1,174家独特公司的9,043个公司-年度观测值，构成了一个非平衡面板数据集。 * 数据来源： 数据来自多个权威数据库： * 专利数据： 来自中国经济研究中心（CCER）中国专利数据库和中国研究数据服务平台（CNRDS），用于识别IT专利。 * 财务与公司治理数据： 来自中国股票市场与会计研究（CSMAR）数据库。 * 董事会连锁数据： 通过手工收集和匹配董事任职信息构建。
3. 变量定义与测量： * 因变量 - IT创新（IT Innovation）： 用公司每年申请的IT专利数量（取对数）来衡量。IT专利的识别参考了Choi等（2021）的方法，通过美国专利分类（USPC）与国际专利分类（IPC）的对应关系，确定了47个USPC子类（22个软件专利类，25个硬件专利类）对应的IPC代码。若一个专利的IPC代码落入这些类别，则被认定为IT专利。使用申请年而非授权年，以更接近创新产生的时间。 * 自变量 - IT连锁（IT Interlocks）： 定义为非IT公司董事会中，同时兼任至少一家IT公司董事的董事人数占董事会总人数的比例。仅兼任非IT公司董事的连锁被定义为“非IT连锁”作为控制变量。 * 中介变量 - IT知识转移（IT Knowledge Transfer）： 用非IT公司引用其连锁IT公司专利的数量（取对数）来衡量。专利引用被广泛认为是知识流动和利用的有效指标。 * 调节变量 - IT知识密集度（IT Knowledge Intensity, ITKI）： 用连锁IT公司的平均研发强度（R&D支出/销售额） 来衡量，反映其创造新知识（尤其是IT知识）的投入和潜力。 * 控制变量： 研究控制了可能影响IT创新的多方面因素，包括： * 董事会与高管特征： 非IT连锁比例、董事会规模、董事会独立性、CEO两职合一、董事会IT人力资本（拥有IT相关工作经验的董事比例）。 * 公司财务与运营特征： 公司规模、财务杠杆、公司年龄、研发强度、IT强度（IT存量/销售额）、产品多样性、销售增长率、机构持股比例、账面市值比、托宾Q值、资产回报率。 * 行业特征： 行业资本密集度、行业集中度、行业资产回报率、行业托宾Q值。 * 时间趋势： 加入了年度虚拟变量。
4. 模型设定与估计方法： * 基础模型： 采用双向固定效应模型（公司固定效应和年份固定效应）进行回归分析，以控制不随时间变化的公司异质性和共同的时间趋势。使用稳健标准误处理异方差问题。 * 因果时序： 为建立变量间的时序关系，模型设定中引入了滞后项：自变量（IT连锁）对中介变量（IT知识转移）滞后一期，中介变量对因变量（IT创新）滞后一期，因此自变量对因变量的总效应滞后两期。 * 中介效应检验： 遵循Baron和Kenny（1986）的逐步法，检验IT知识转移的中介作用。 * 内生性处理： 研究团队意识到潜在的内生性问题（如遗漏变量、反向因果、样本选择偏差），并采用了多种高级计量方法进行稳健性检验，包括： * 系统广义矩估计（System GMM）： 处理动态面板内生性和反向因果。 * Altonji等（2005）策略： 评估遗漏变量偏差的严重程度。 * Lewbel（2012）工具变量法： 利用模型内部的异方差构造工具变量。 * 置换检验（Permutation Tests）： 通过随机化处理变量来验证基准结果的可靠性。 * 双重差分法（Difference-in-Differences, DID）： 用于处理可能的选择偏差。
5. 稳健性检验： 除了处理内生性，研究还进行了多项稳健性检验以确保结果可靠： * 替代变量测量： 使用IT连锁的绝对数量（取对数）作为自变量的替代测量。 * 行业调整： 使用公司IT连锁水平与行业平均水平的差值作为自变量。 * 不同估计方法： 采用可行广义最小二乘法（FGLS）、广义估计方程（GEE）模型、以及使用Driscoll-Kraay标准误的固定效应模型，以应对面板数据中可能存在的序列相关、异方差和截面相关等问题。
四、 研究的主要结果
1. 描述性统计与相关性： 样本中IT创新的均值为0.565（取对数后），表明IT创新在样本公司中较为普遍，且不同公司间差异巨大（IT专利数从0到2256个）。IT连锁的平均比例为3.1%，但最大值达到57.1%，说明部分公司高度重视与IT公司的董事会联系。初步相关性分析显示，IT连锁与IT创新之间存在显著正相关（相关系数0.147）。
2. 假设检验结果： * H1（主效应）： 回归结果显示，在控制了众多变量后，IT连锁对非IT公司的IT创新具有显著的正向影响（β = 0.414， p < 0.05）。这意味着非IT公司董事会中IT连锁董事的比例越高，其产生的IT专利越多。值得注意的是，非IT连锁的比例对IT创新的影响不显著，且与IT连锁的系数存在显著差异，这凸显了IT连锁的独特作用。 * H2 & H3（中介效应）： 首先，IT连锁对IT知识转移有显著正向影响（β = 0.525， p < 0.01），支持H2。其次，当同时将IT连锁和IT知识转移放入回归模型预测IT创新时，IT知识转移的系数显著为正（β = 0.169， p < 0.1），而IT连锁的系数（β = 0.326， p < 0.1）相比主效应模型中的系数（0.414）有所减小。这符合中介效应的判断标准，表明IT知识转移部分中介了IT连锁对IT创新的正向影响，支持H3。 * H4 & H5（调节效应与有调节的中介效应）： * H4（调节效应）： IT连锁与连锁IT公司知识密集度（ITKI）的交互项对IT创新的影响显著为正（β = 12.670， p < 0.01）。这表明，当连锁的IT公司研发投入强度越高（知识越密集）时，非IT公司的IT连锁对其自身IT创新的促进作用越强。支持H4。 * H5（有调节的中介效应）： 分析显示，IT连锁与ITKI的交互项对IT知识转移有显著正向影响（β = 7.540， p < 0.05）。并且，在包含IT知识转移的完整模型中，该交互项对IT创新的影响（β = 11.600， p < 0.05）小于不含中介时的系数（12.670）。这支持了有调节的中介模型，即连锁IT公司的知识密集度不仅调节了IT连锁对IT创新的直接效应，也调节了通过IT知识转移产生的间接效应。支持H5。
3. 内生性检验与稳健性检验结果： 所有用于处理内生性的高级计量方法（系统GMM、Altonji策略、Lewbel IV、置换检验、DID）均证实了主效应（H1）的稳健性。同样，针对IT连锁与IT知识转移关系的内生性检验也支持H2。此外，所有的稳健性检验（更换变量测量方式、行业调整、不同估计方法）均得到了与主回归一致的结果，进一步强化了研究结论的可信度。
五、 研究结论与价值
本研究得出核心结论：非IT公司通过与IT公司建立董事连锁关系（IT连锁），能够有效促进自身的IT创新。其内在机制在于，IT连锁董事充当了“知识桥梁”，将连锁IT公司的IT知识转移给非IT公司。并且，当连锁的IT公司本身知识密集度（研发强度）更高时，这种通过IT连锁获取知识并推动创新的效果会更加显著。
本研究的价值体现在理论和实践两个层面： * 理论贡献： 1. 丰富了董事会连锁文献： 首次明确区分并实证检验了“IT连锁”这一特定类型连锁的作用，突破了以往研究将董事会连锁视为同质化整体的局限，强调了针对特定领域知识（如IT知识）转移的连锁类型研究的重要性。 2. 揭示了具体的作用机制： 不仅验证了IT连锁对IT创新的积极影响，还通过专利引用数据实证捕捉了“IT知识转移”这一关键中介机制，并发现了“连锁IT公司知识密集度”这一重要的边界条件，深化了基于资源依赖视角对董事会连锁功能的理解。 3. 拓展了董事会IT能力的研究范畴： 现有关于董事会IT能力的研究多关注董事个人的IT人力资本（如IT背景）。本研究将董事的IT关系资本（IT Relational Capital）——即通过IT连锁建立的外部联系——纳入视野，证实了其对于推动IT创新的独特价值，为理解董事会如何影响企业IT战略与创新提供了新视角。 * 实践启示： 1. 为面临IT知识短缺的非IT企业提供了一条可行的战略路径：积极邀请来自IT公司的专业人士加入董事会，构建IT连锁，以此作为获取外部IT知识、弥补内部能力不足的有效渠道。 2. 在选择建立连锁的IT公司时，应优先考虑那些研发投入大、知识密集度高的IT企业。这类企业拥有更丰富的IT知识库，能通过连锁董事传递更有价值的知识，从而对非IT企业的IT创新产生更大的助推作用。 3. 研究呼应了企业界（如德勤报告）关于董事会应主动连接外部以推动数字化转型的观点，为这一实践提供了严谨的学术证据和支持。
六、 研究亮点
七、 其他有价值的内容
研究在讨论部分指出了本研究的局限性及未来方向，例如：1）专利引用可能无法完全捕捉企业间所有的知识转移形式，未来可采用案例研究、调研等方法进行补充；2）研究基于中国样本，其结论在其他制度文化背景下的普适性有待进一步检验；3）未来可探索更多调节因素，如组织安排、治理机制、行业竞争环境等，以更全面地理解IT连锁作用的边界条件。这些思考体现了研究的严谨性和开放性，为后续研究指明了方向。