首都经济贸易大学学报2023年第5期

发布时间:2023-9-23 | 杂志分类:其他
免费制作
更多内容

首都经济贸易大学学报2023年第5期

首都经济贸易大学学报 (双月刊) 2023 年第 5 期Research on the Asymmetric Incentive Effect of R&D Subsidies onInnovation in New Energy EnterprisesSHANG Hongtao, SONG Anling(Beijing University of Technology, Beijing 100124)Abstract: Exploring the impact of R&D subsidies on the quantity and quality of innovation, as well as themoderating effect of digital transformation on incentives and its heterogeneity is essential to precisely allocate subsidies, promote digital transformation, and improve the innovation... [收起]
[展开]
首都经济贸易大学学报2023年第5期
粉丝: {{bookData.followerCount}}
首都经济贸易大学是北京市市属经管类重点大学。目前本校科研处杂志总社拥有三本学术期刊:《经济与管理研究》《首都经济贸易大学学报》和《当代经理人》。
文本内容
第51页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

Research on the Asymmetric Incentive Effect of R&D Subsidies on

Innovation in New Energy Enterprises

SHANG Hongtao, SONG Anling

(Beijing University of Technology, Beijing 100124)

Abstract: Exploring the impact of R&D subsidies on the quantity and quality of innovation, as well as the

moderating effect of digital transformation on incentives and its heterogeneity is essential to precisely allocate subsidies, promote digital transformation, and improve the innovation quality of new energy enterprises.

Taking A-share listed new energy enterprises from 2010 to 2020 as samples, this paper empirically investigates

the asymmetric effect of R&D subsidies on the innovation quantity and quality of new energy enterprises. It also examines the moderating effect of digital transformation on the asymmetric effect of these subsidies. The findings reveal that the incentive effect of R&D subsidies on the innovation output in new energy enterprises is asymmetric. On

the one hand, R&D subsidies significantly promote the innovation quantity of new energy enterprises, and this

effect is consistent across state-owned enterprises (SOEs) and non-SOEs. On the other hand, R&D subsidies inhibit innovation quality and reduce the market value of innovation output. Moreover, this inhibitory effect is more

significant in non-SOEs. Furthermore, digital transformation significantly mitigates the asymmetric effect of R&D

subsidies on the quantity and quality of innovation in new energy enterprises. The inhibitory effect of R&D subsidies

on innovation quality and the promoting effect on innovation quantity are more significant in the group with low digital transformation. When digital transformation improves, the inhibitory effect is significantly weakened, and the

promoting effect is significantly lower. This indicates that digital technology drives enterprises to pay more attention

to innovation quality and thus improves the utilization of subsidies.

The contributions of this paper are as follows. First, it provides a comprehensive analysis of the asymmetric

effect of R&D subsidies on the quantity and quality of innovation in new energy enterprises, expanding the research

scope of government subsidies. Second, it updates the research perspective of enterprise innovation by conducting

an empirical analysis of R&D subsidies, digital transformation and enterprise innovation. Third, it regards the enterprise digital transformation as a measure to moderate asymmetric incentives of R&D subsidies, providing a new

path to enhance the effectiveness of subsidies in the era of the digital economy.

The findings have certain reference value for designing government subsidies and promoting digital transformation and innovative development of new energy enterprises in China. Based on the above conclusions, this paper

puts forward the following recommendations. First, the government should enhance the mechanism for embracing

innovative accomplishments and establish a supportive mechanism to promote digital transformation in enterprises.

Second, enterprises should fully recognize the important role of digital information in subsidy utilization and R&D

innovation, make full use of the R&D subsidies to achieve the earmarking of funds, and proactively implement digital transformation.

Keywords: new energy enterprise; R&D subsidy; digital transformation; innovation quantity; innovation quality

(责任编辑: 李 叶; 蒋 琰)

49

第52页

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 004

机器人应用与中国制造业绿色转型

刘 胜1a

, 温锡峰1b

, 陈秀英2

(1. 广东外语外贸大学 a. 粤港澳大湾区研究院; b. 经济贸易学院, 广东 广州 510006;

2. 广东金融学院 经济贸易学院, 广东 广州 510521)

收稿日期: 2023-02-06; 修回日期: 2023-06-06

基金项目: 国家社会科学基金重大项目 “粤港澳大湾区数据要素跨境流动路径研究” (21&ZD123)

作者简介: 刘胜 (1987—), 男, 广东外语外贸大学粤港澳大湾区研究院副教授; 温锡峰 (1998—), 男, 广东外语外贸大学经济贸易

学院硕士研究生; 陈秀英 (1987—), 女, 广东金融学院经济贸易学院副教授, 通信作者。

摘 要: 在数字经济发展背景下, 既有文献关于以机器人应用为代表的智能制造转型何以破解产业

绿色发展难题尚不明晰。 通过实证考察机器人应用对制造业环境绩效的影响, 发现机器人应用能驱动企

业环境绩效改善, 其减排效应来源于企业能源生产率提升及内部管理效率改善。 此外, 机器人应用的减

排效应对处于最低工资水平较高地区的企业及使用多功能与搬运机器人强度较高的企业更为明显。 研究

结论可为促进工业智能化与绿色化融合发展提供借鉴参考。

关键词: 数字经济; 机器人应用; 企业环境绩效; 污染减排; “双碳” 目标

中图分类号: F424. 1 文献标识码: A 文章编号: 1008-2700 (2023) 05-0050-15

一、 问题提出

改革开放以来, 中国经济在高速增长的同时, 环境污染问题日趋严峻[1]

。 为此, 中国以推进生态

文明建设、 驱动绿色转型发展为抓手, 提出实现 “碳达峰碳中和” 的目标。 尽管中国在环境治理方面

已取得一定的成就, 但在现阶段, 仍面临着加快经济复苏与环保风险加剧的双重压力[2]

。 2021 年 12

月, 工业和信息化部等十五部门联合印发了 《 “十四五” 机器人产业发展规划》 的文件, 强调加强新

一代信息技术与机器人技术深度融合, 以机器人作为人类生产生活的重要工具, 持续推动生产水平提

高和生活品质提升, 有力促进经济社会的可持续发展; 要求各地应制定针对性的政策措施, 协调解决

机器人产业发展的重大问题, 并引导企业做好安全生产和环境保护工作。

国家高度重视数字经济发展, 数字经济的崛起为解决日益突出的环保问题提供了新的契机。 而人工

智能作为数字经济的重要组成部分, 特别是企业在生产制造过程和管理业务流程中对机器人的使用日趋

广泛, 这也为减少资源要素使用、 推动清洁生产过程乃至实现绿色低碳发展提供了更多可供选择的技术

手段与方案选择。 从理论上看, 数字技术应用可通过对大数据分析、 物联网和云计算等智能和创新技术

的运用, 在智慧连接、 智能通信和自动化生产制造等领域中发挥重要作用[3-5]

; 同时, 它也能为产品设

计、 生产和服务过程提供更为高效的解决方案, 并为降低资源消耗和有害物排放提供技术基础[6]

。 而数

字技术的重要代表之一———机器人作为机电一体化的数字化产品及多项数字化技术的具象体现, 能为生

产制造与管理过程的绿色转型发展提供新的动力来源。 已有研究更多地讨论了机器人应用对生产率或劳

动力配置等方面的影响, 或是侧重分析机器人应用对行业或区域层面污染治理等方面的影响。 但是, 关

50

第53页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

于机器人应用和企业污染排放之间的因果关系及作用机制的研究仍相对不足。 为此, 加快厘清两者的关

系, 对以数字化赋能中国生态文明建设、 推动生态经济和数字经济融合、 解决深层次的环境治理困境具

有重要的现实意义。

本文的边际贡献在于: 第一, 从研究视角来看, 区别于分析数字经济对环境绩效的影响或机器人应

用对企业生产率等绩效指标影响的研究, 本文基于智慧生产和智能制造的视角, 探讨了智能化转型背景

下机器人应用对制造业企业环境绩效的影响效应及作用机制, 在一定程度上拓展和丰富了数字经济视阈

下实现工业智能化和绿色化融合发展的理论研究, 并为加快推进 “双碳” 目标提供了实践参考。 第二,

从研究内容上看, 多数文献从省级或行业层面研究了信息技术使用的减排成效, 但着眼于省级或地级市

层面的研究范畴和数据口径过于宽泛, 可能会导致结论及政策的推广性受限。 鉴于企业是环境治理的重

要参与主体, 为更好地评估机器人应用的微观环境治理效果, 本文通过结合中国工业企业数据库、 中国

海关数据库等大样本数据, 进一步整理了微观企业层面的机器人应用数据, 并在固定效应模型估计的基

础上, 构建了为缓解机器人应用的内生性问题的工具变量, 从而能在两阶段最小二乘估计框架下更全面

地探讨工业智能化的减排效应, 这有利于缓解传统估计方法中潜在的内生性问题。 第三, 从政策应用来

看, 通过引入交互项的方式来识别机器人应用对制造业企业环境绩效的影响机制, 并考察在不同的应用

情境下机器人应用 “减排效应” 的异质性特征, 可为实现数字经济发展和 “碳达峰与碳中和” 目标的双

赢提供更精细化的定量依据。

二、 文献综述与理论分析

(一) 文献综述

既有文献主要从生产或管理流程再造角度, 肯定了数字经济或机器人应用对企业环保绩效的积

极意义。 数字化能降低生产物料投入和消耗, 在提高资源效率的同时, 也能有效降低碳排放量[ 7]

除物化投入外, 数字化也能影响内部管理等环节。 有学者发现, 通过自动优化生产或管理流程, 数

字技术应用能更好地优化能源使用结构和效率, 并降低废气污染和重金属污染等排放[ 8-9]

。 优化算

法系统使机器人在提高生产力的同时, 也能降低生产过程的治污成本和能源消耗, 从而助力企业实

现绿色转型[ 10]

但也有文献认为, 数字技术或机器人应用的功效发挥还要取决于使用主体自身的状况及所处的外部

环境因素, 而在特定情境下也可能会形成 “数字陷阱”, 因而其对企业减排的作用并不确定。 从生产实践

来看, 即便是引入机器人等先进技术设备, 也需消耗一定的资源能源来支撑其日常运作。 有学者指出,

使用大量电子设备的智能工厂也需消耗一定的能源和资源, 进而对本地环境质量带来负面影响[11-13]

。 还

有学者根据市场调查问卷, 发现协作机器人、 传统机器人等因电力消耗过高, 可能带来负面环境效应[14]

此外, 从所处的外部环境来看, 以机器人为典型代表之一的新兴技术应用可能会进一步加剧市场竞争程

度, 给企业带来财务成本和环保负担的 “竞赛支出”

[15]

, 而由此引发的 “反弹效应” 和策略性行为, 可

能会反过来加剧资源消耗并引致更为突出的资源浪费与污染排放问题[16-17]

。 在针对中国情境的研究中,

盛丹和卜文超 (2022)

[18] 的研究与本文较为相关, 其借助行业渗透度的思想测算了企业层面的机器人渗

透度, 探讨了机器人渗透度与企业污染排放之间的因果关系。

总体上, 目前在智能制造视阈下关于机器人应用与微观企业环境绩效的研究并不多见, 且部分文献

主要从机器人的算法系统或其他定性分析的角度阐述了机器人应用的潜在影响, 又或是采用行业渗透度

的方法来估算了企业机器人的使用情况①, 而鲜少基于企业真实的采购或使用机器人的大样本微观数据开

展探讨, 关于机器人使用所带来的微观企业污染减排效应的因果分析或实证研究相对不多。 基于此, 在

51

① 若微观机器人数据采用移动平均法获取, 通过先计算出行业的机器人水平, 而后根据某年份不同企业的从业人员比例加权估算的

企业机器人渗透度的做法, 可能难以直接反映出每家企业采购及使用工业机器人的真实情况, 并导致人为估算的偏差。

第54页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

既有理论文献的基础上, 本文从生产制造和管理流程优化视角, 进一步探究机器人应用对中国制造业企

业环境绩效及绿色转型的影响, 力图为突破当前中国制造业企业绿色转型面临的困境寻找新的驱动力

来源。

(二) 理论分析

与传统生产与运营管理方式不同, 机器人应用等数字化技术可以优化生产及管理流程, 促进资源

要素更有效的分配, 并释放生产过程低碳化的潜力[8,19]

。 具体而言, 机器人应用的污染减排效应过程

如下:

一是从生产流程来看, 机器人应用强调以自动化技术设备来取代人工的重复性工作, 通过促进资源

要素的科学配置与高效利用来实现制造业节能减排。一方面, 在应用机器人后, 企业拥有了更为智能化

和绿色化的生产指挥平台及作业操作系统, 可基于对电力的直接影响及对非电力能源载体的间接影响[20]

,

使企业通过生产的非物质化来减少对能源和原材料的需求[21-22]

, 而这有助于支持企业更好地推进绿色生

态的产品或服务设计[23]

, 并使企业能更快速地响应消费者绿色偏好和社会 ESG 诉求[24]

, 从而为企业持续

推进减排工作夯实了技术配套基础[25]

。 另一方面, 机器人应用通过系统集成生命周期管理和大数据分析

等先进手段, 能为企业的清洁生产过程提供更加有效的解决方案。 由此, 通过优化清洁生产过程或解决

方案等渠道, 机器人能为破解企业的减排难题提供更多元化的技术支撑[26]

。 尽管在机器人应用过程中也

会产生相应的电力或能源消耗, 但随着企业熟练地掌握机器人的使用诀窍, 在高效的生产组织方式下,

机器人的产出增量效应将逐步超越其所引致的能源消耗效应。 由此, 机器人应用情境下的路线优化和调

度系统升级有助于企业在产业链供应链等各环节运作时实现能源利用的高效化与低耗化, 从而赋能企业

减排[27-31]

0)

\"/

E

*

\"/



ffi *

Fffiffi

K8 ffi

0)\"D

ffiF

#\" 4+24

E L!

* @@

#\"*\"

P0)(

P6#*(

(

4

图 1 机器人应用与企业环境绩效关系的逻辑机制

二是从管理流程来看, 机器人应用增强了制造业企业信息获取与信息处理的能力, 促进了资本

替代重复性劳动, 强化了研发、 设计、 生产、 营销和物流等环节的协同管理效率, 帮助企业构建清

洁生产组织结构与管理体系, 从而为企业节能减排提供了良好的基础。 具体而言, 引入机器人的企

业通常需要构建与之适配的软硬件尤其是管理运作系统, 而机器人应用情境下通过收集和分析企业

经营数据, 有利于增强企业识别和提取有价值信息的能力。 通过接收有效生产信息的反馈, 形成互

联互通的内部信息架构, 实时控制清洁生产过程及环境管理体系状况, 为管理流程的绿色化转向创

造了有利条件。 此外, 制造设备和管理流程的融合交互可有效降低企业获取信息的成本, 提升生产

端或管理端的信息流转效率及质量[ 32]

, 为企业构建智慧生产、 智能制造的综合管理体系提供有力支

持。 因此, 由机器人应用所引致的管理效率提升有助于企业更好地聚焦主业发展, 有利于促进企业

绿色产品或服务的研究开发及 “提质增效”

[ 33]

, 降低资源投入消耗、 提高能源利用效率[ 34]

52

第55页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

据此, 提出本文的研究假设:

假设 1: 机器人应用能够有效地促进企业环境绩效提升。

假设 2: 机器人应用有助于优化企业的生产流程及管理流程, 进而驱动企业减排。

三、 实证设计

(一) 基准模型

为识别机器人应用对制造业企业环境绩效的影响, 本文构建基准回归模型如下:

lnso2

pit

=a0

+a1

lntotalrobot

it

+a3Xit

+ v +uit (1)

其中, 下标 i 和 t 分别表示企业和年份, lnso2

pit 表示企业层面的环境绩效, 以企业二氧化硫 ( SO2 )

排放强度的对数来衡量。 lntotalrobot

it 表示机器人的投入数量, Xit 为企业层面控制变量。 v 代表固定效应,

uit 为随机误差项。

(二) 指标选取

被解释变量: 企业环境绩效。 既有的衡量指标涵盖了直接和间接层面。 间接指标方面, 部分文献采

用主成分分析法等来合成企业环境绩效, 但这种处理方式对各影响因子的确定可能有较强的主观性。 直

接指标方面, 现有文献主要从企业废气、 废水和废物排放等层面展开。 中国是世界上主要的煤炭生产和

消费国之一, 煤烟污染是中国环境污染的主要来源之一[35-37]

, 而 SO2 作为其中重要的排放物, 也是中国

制造业企业主要污染排放物之一[38]

。 因此, 从中国制造业能源使用和污染排放的实际情况出发, 本文选

取二氧化硫排放量的对数作为衡量企业环境绩效的指标。

解释变量: 选取企业进口机器人的数量作为企业机器人应用的代理变量, 原因在于:一是 2013 年以

前超过 70%的中国企业依赖进口满足自身对机器人的需求[39]

; 二是 2013 年之前约有 80%的企业会将进口

的机器人用于自身生产经营, 因而可在一定程度上反映中国制造业企业机器人技术的应用情况[40]

; 三是

国内并没有针对企业具体使用机器人数量的统计数据。 另外, 根据 《2007 年海关统计商品分类与投入产

出部门分类对照表》, 将严格符合机器人定义的多功能机器人、 多功能机器人除外的其他机器人及 IC 工

厂专用的自动搬运机器人作为本文的研究对象, 并加总得到所需的总进口机器人数①[41]

控制变量: 结合已有研究, 在回归模型中控制以下变量, 以尽可能地缓解遗漏解释变量导致的偏误

问题, 具体包括: 企业产值, 选取企业工业总产值现价的对数来度量; 资产负债率, 选取企业负债与资

产比值的对数来表示; 公司规模, 选取企业资产的对数衡量; 净资产利润率, 选取营业利润与资产比值

的对数来表示; 成立年龄, 选取企业所处年份与成立年份差值的对数度量; 以利息支出与固定资产比值

表示融资能力; 以企业补贴收入与主营业务产品销售收入来表示政府补贴; 出口企业类别, 若企业出口

交货值>0, 则取值为 1, 反之为 0; 国有企业类别, 若国家或集体资本大于其实收资本的 50%, 则取值为

1, 否则为 0

[42]

为避免极端值对实证结果的影响, 本文对连续型控制变量采取了前后缩尾 0. 5%的处理。 企业的机器

人数量均值在 0. 002, 表明使用进口机器人的企业仍在少数。 探究机器人应用对环境绩效的影响有利于为

将来智能制造情境下中国企业在机器人的配置布局上提供相应的理论支持。 其余变量的描述性统计结果

符合数据的一般要求, 并不存在明显的异常值②。

(三) 数据说明

机器人应用信息来源于 1998—2013 年的中国海关贸易数据库。 企业层面数据主要来源于 1998—2013

年的中国工业企业数据库以及中国工业企业污染数据库等, 通过对企业名称和组织机构代码的匹配得到

较为完整的企业财务信息和污染排放的相关指标。 根据田巍和余淼杰 (2014)

[43] 的做法, 分别通过 “企

53

为便于研究, 参照现有研究的做法, 将未匹配到的进口机器人数赋值为 0, 最后采用加 1 取对数的处理方法来确定核心解释变量。

限于篇幅, 描述性统计未列出, 备索。

第56页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

业名称+年份” “邮政编码+电话号码+年份” 两步匹配的方法将企业数据与海关的数据进行合并, 并通过

筛选海关数据库中机器人的商品编码, 最终汇总得到企业的进口机器人数据。

四、 实证结果分析

(一) 基准回归

表 1 列出了机器人应用对制造业企业环境绩效影响的估计结果。 如表 1 列 (1)—列 (2) 所示, 对企

业 SO2 的排放量, 无论是否纳入控制变量, lntotalrobot

it 的估计系数均显著为负, 表明企业通过在生产制

造和管理流程中投入机器人, 有利于显著改善企业的环境绩效。 本文的回归均加入了城市层面、 4 位数行

业代码层面和时间层面的固定效应, 其中列 (3) 聚类在省份层面, 其余列均聚类在企业层面; 列 (4)

还加入了行业与年份联合固定效应, 核心解释变量的估计系数仍在 1%水平上显著为负。

表 1 基准检验结果

变量 (1) (2) (3) (4)

lntotalrobot

it -0. 178

∗ -0. 478

∗∗∗ -0. 478

∗∗∗ -0. 401

∗∗∗

( -1. 92) ( -4. 32) ( -4. 40) ( -3. 76)

产值 0. 326

∗∗∗ 0. 326

∗∗∗ 0. 335

∗∗∗

(58. 61) (21. 72) (60. 17)

成立年龄 0. 062

∗∗∗ 0. 062

∗∗∗ 0. 057

∗∗∗

(10. 61) (6. 79) (9. 66)

资产负债率 0. 056

∗∗∗ 0. 056

∗∗∗ 0. 054

∗∗∗

(7. 38) (3. 66) (7. 13)

公司规模 0. 238

∗∗∗ 0. 238

∗∗∗ 0. 238

∗∗∗

(39. 05) (19. 92) (38. 91)

净资产利润率 0. 004 0. 004 0. 003

(1. 23) (0. 58) (0. 83)

融资能力 0. 003

∗ 0. 003

∗ 0. 003

∗∗

(1. 76) (1. 80) (2. 07)

政府补贴 -0. 101 -0. 101 -0. 185

( -0. 80) ( -0. 54) ( -1. 24)

出口企业 -0. 110

∗∗∗ -0. 110

∗∗ -0. 104

∗∗∗

( -8. 06) ( -2. 46) ( -7. 41)

国有企业 0. 069

∗∗∗ 0. 069

∗∗ 0. 075

∗∗∗

(5. 46) (2. 44) (5. 92)

常数项 9. 809

∗∗∗ 4. 407

∗∗∗ 4. 407

∗∗∗ 4. 341

∗∗∗

(1 944. 48) (86. 00) (22. 08) (83. 88)

观测值 471 918 207 483 207 483 207 054

R

2 0. 355 0. 479 0. 479 0. 502

Year×Idu 未控制 未控制 未控制 控制

聚类 企业层面 企业层面 省份层面 企业层面

注: 括号内报告的是 t 值;

∗∗∗ 、

∗∗ 、

∗ 分别表示在 1%、 5%、 10%的水平上显著; 控制了城市、 年份和行业效应, 后表同。

54

第57页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

(二) 稳健性检验

为保证回归结论的稳健性, 本文还进行了以下一系列的稳健性检验:

第一, 控制行业时间趋势项。 考虑到实验组和控制组企业的行业不同, 二氧化硫排放量在样本区间

内可能存在不同的变化趋势。 有鉴于此, 本文将行业时间趋势项纳入回归方程中, 以允许不同行业的企

业的二氧化硫排放量有不同变动趋势的可能性。 表 2 列 (1) 的估计结果表明, 估计量 lntotalrobot

it 对企业

污染排放的影响系数显著为负, 结论依然成立。

第二, 考虑企业范畴和口径的影响。 不同企业进口机器人的目的不完全相同, 可能有部分企业将进

口机器人作为中间投入或用于研发, 而非通过投入生产活动以改善企业环境绩效[39]

。 因此, 本文分别从

企业名称和企业贸易目的两方面对相关企业进行处理。 首先, 从企业名称上看, 除了将企业名称中含有

“机器人” 的企业剔除[44]

, 还将含有 “智能” “机器” 字样的企业也一并剔除。 在此基础上, 表 2 列

(2) 的估计结果表明, 核心解释变量的估计系数仍然显著为负。 其次, 从贸易目的上看, 除研发、 投入

生产外, 部分企业仅通过来料加工或转口贸易的方式参与到机器人全球化的生产和流通, 而非将机器人

用于实际生产。 因此, 本文将海关数据中属于 “保税区仓储转口货物” “来料加工装配贸易” “来料加工

装配进口的设备” 等机器人样本剔除①。 基于此, 表 2 列 (3) 的估计量系数仍显著为负, 研究结论依然

是稳健的。

第三, 考虑全球经济危机冲击的影响。 2008 年经济危机给世界各国经济带来沉重的打击, 企业出口

和进口机器人数量都出现了明显减少[45]

, 经济危机所引发的产量缩减似乎也可起到减排的作用, 且效果

尤为显著[46]

。 为排除这一不可忽视的潜在的政策干扰, 本文进一步将研究区间缩短为 1998—2007 年并重

新进行回归, 结果见表 2 列 (4)。 可以发现, 在经过该处理后, 估计系数依然为负, 说明前文结论是稳

健的。

第四, 考虑机器人来源的影响。 世界先进制造技术论坛指出, 来自瑞士、 德国和日本等国家的不同

企业所开发的机器人产品有各自特点与优劣势。 不同来源的机器人应用可能会对企业环境绩效产生不同

的效果。 日本机器人产业是其出口依赖型产业, 2014 年供应了大约世界一半的机器人[47]

。 在 2014 年之前

日本始终是向中国出口机器人最多的国家[45]

。 因此, 本文将实验组设置为机器人进口来源地为日本的企

业, 控制组为不进口机器人的企业。 表 2 列 (5) 结果表明, 估计量的系数仍然显著为负。 另外, 考虑到本

文的主要研究对象为进口机器人, 故将进口机器人来源地为中国的企业进行剔除以排除国产机器人的影

响[39]

。 表 2 列 (6) 的回归结果表明, 估计系数依然显著为负, 表明前文结论具有稳健性。

第五, 考虑工业企业数据库质量问题。 中国工业企业数据库在 2010 年对企业规模进行了重新界定,

仅将工业产值超过 2 000 万的企业界定为规模以上企业, 这增加了部分企业退出统计范畴的概率[39,48]

, 容

易出现因样本量减少而导致结果不稳健的情况。 为此, 本文将企业工业总产值小于或等于 2 000 万元的企

业进行剔除, 仅对 2 000 万元以上产值的样本进行回归。 表 2 列 (7) 的结果表明, 核心估计量的系数仍

然显著为负。

表 2 稳健性检验结果Ⅰ

变量

(1) (2) (3) (4) (5) (6) (7)

控制行业时间

趋势项

考虑企业

范畴

考虑贸易

目的

考虑全球经济

危机冲击

考虑机器人

来源

剔除来源地为

中国的机器人

考虑工业企业

数据库质量问题

lntotalrobot

it -0. 581

∗∗∗ -0. 468

∗∗∗ -0. 412

∗∗∗ -0. 241

∗ -0. 595

∗∗∗ -0. 474

∗∗∗ -0. 417

∗∗∗

( -5. 05) ( -4. 06) ( -3. 25) ( -1. 65) ( -3. 84) ( -4. 16) ( -3. 83)

55

① 鉴于本文主要使用进口机器人数展开实证研究, 将标注国内来源的机器人样本剔除。

第58页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

表2(续)

变量

(1) (2) (3) (4) (5) (6) (7)

控制行业时间

趋势项

考虑企业

范畴

考虑贸易

目的

考虑全球经济

危机冲击

考虑机器人

来源

剔除来源地为

中国的机器人

考虑工业企业

数据库质量问题

常数项 4. 594

∗∗∗ 4. 410

∗∗∗ 4. 407

∗∗∗ 4. 358

∗∗∗ 4. 408

∗∗∗ 4. 407

∗∗∗ 4. 011

∗∗∗

(88. 09) (86. 04) (86. 00) (82. 67) (86. 05) (86. 00) (49. 68)

控制变量 控制 控制 控制 控制 控制 控制 控制

观测值 207 483 207 237 207 463 159 024 207 371 207 480 133 942

R

2 0. 384 0. 479 0. 479 0. 516 0. 479 0. 479 0. 492

第六, 替换解释变量。 为检验前文回归结果的可靠性, 本文还以机器人进口贸易额作为机器人进口

数量的替代变量 (lnsumvalueit) 来验证机器人应用能否改善企业环境绩效。 表 3 列 (1) 的估计结果表

明, 所关注的核心解释变量的影响系数仍然显著为负。

第七, 替换被解释变量。 对企业环境绩效, 除了用企业 SO2 排放量的对数表示外, 本文还进一步

采用 SO2 的排放强度、 烟尘的排放量、 氮氧化物的排放量进行衡量。 其中, SO2 排放强度采用 SO2 排放

量与工业总产值的比值再对数化后衡量, 其余指标仅对数化处理。 回归结果见表 3 列 ( 2) 、 列 ( 3)

和列 (4) 。 结果显示, 相关的估计系数均显著为负, 表明机器人的投入对其他污染物也能起到减排

作用。

第八, 基于倍差法的稳健性检验。 探究机器人应用对于企业环境绩效的影响, 除了机器人投入数

量可能产生影响外, 企业投入机器人这一具体行为对机器人的清洁效应的识别可能也存在影响。 杜连

雄和张剑 (2020) 也发现, 技术影响企业绩效的途径可能不在于技术投入的数量, 而在于对技术的运

用程度[49]

。 因此, 为保证实证结果的稳健性, 参考王小霞和李磊 ( 2020)

[40] 关于机器人应用的影响

效应的研究思路, 构建以下回归方程:

lnso2

pit

=a0

+a1 dt

i

+a2 dui

+a3 dt

i

×dui

+a4

+ u (2)

其中, i 代表企业, t 代表年份。 dt

i 代表机器人应用冲击的时间虚拟变量, 企业应用机器人行为之前

的年份取值为 0, 发生之后取值为 1; dui 区分是否应用过机器人的企业, 应用过机器人的企业取值为 1,

否则取值为 0。 交互项 a3 是本文重点关注的估计量的系数, 衡量企业应用机器人对自身环境绩效的影响

效果。 表 3 列 (5) 表明, 核心解释变量的影响系数显著为负, 说明企业应用机器人这一行为对企业改善

环境绩效具有显著的促进作用①。

第九, 更换数据库。 考虑到中国工业企业数据库的原始数据相对较旧, 因此本文考虑通过更换数据

库的方式对数据时效性及机器人应用的 “清洁效应” 进行重新检验。 具体而言, 本文选取了上市公司

2010—2019 年的数据作为该部分稳健性检验的时间窗口, 因为部分上市公司在 2010—2019 年公布了包括

氮氧化物、 硫氧化物等在内的相关污染排放数据。 机器人的投入数量来源于国际机器人联合会, 该机构

公布了大部分国家不同行业机器人的使用情况。 参考已有研究[50-54] 的做法, 将机器人数据中的行业与

《国民经济行业分类》 中的二位码进行匹配, 将行业层面的机器人渗透度分解到企业层面。 首先, 计算行

业层面机器人渗透度指标:

PRjt

=

MRjt

Lj, t = 2012

56

① 未汇报相关的 dt 回归结果, 是因为时间固定效应会吸收 dt 的效应, 无法得到 dt 的估计系数。

第59页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

其中, MRjt 为中国 j 行业 t 年的机器人存量, Lj,t = 2012 表示 j 行业 2012 年的就业人数。 二位数行业的具

体就业人数数据来源于中国经济普查数据, 该数据每 4 年公布一次, 因此本文选择在样本区间内最近一期

的数据作为基期。 然后, 构建企业层面机器人渗透度指标:

CHFjit

=

PWPjit = 2012

MPWPt = 2012

×PRjt

其中, CHFjit 代表了 j 行业 i 企业在 t 年的机器人渗透度。 等式右侧第一项代表了制造业中 j 行业 i 企

业在 2012 年就业人数占制造业所有企业 2012 年就业人数中位数的比值, 最后对该数据取对数处理, 得到

lnCHFjit 指标。

被解释变量为企业 SO2 排放量的对数①, 控制变量选取了资产负债率、 公司规模、 净资产利润率、 成

立年龄、 国有企业等指标, 衡量方法与前文相同②。 基于此, 表 3 列 (6) 的估计结果显示, 核心解释变

量的影响系数依然显著为负, 进一步验证了机器人应用有利于改善企业环境绩效的结论。

第十, 加入其他控制变量。 尽管前文已控制了诸多变量以尽可能避免遗漏变量的风险, 但参考盛丹

和卜文超 (2022)

[18] 的做法, 在控制变量中进一步加入企业劳动生产率、 企业所在行业的赫芬达尔指数

两个控制变量③。 在此基础上, 表 3 列 (7) 的估计结果显示, 机器人应用对企业污染排放的影响系数仍

显著为负。

表 3 稳健性检验结果Ⅱ

变量

(1) (2) (3) (4) (5) (6) (7)

替换解释

变量

替换为排放

强度

替换为烟尘

排放量

替换为氮氧化物

排放量

倍差法

上市公司 SO2

排放量

加入控制

变量

lnsumvalueit -0. 112

∗∗∗

( -5. 13)

lntotalrobot

it -0. 478

∗∗∗ -0. 360

∗∗∗ -0. 300

∗∗∗ -0. 520

∗∗∗

( -4. 32) ( -3. 99) ( -3. 86) ( -5. 19)

du×dt -0. 601

∗∗

( -2. 42)

du -0. 689

( -3. 71)

lnCHFjit -0. 621

∗∗∗

( -2. 70)

劳动生产率 -0. 125

∗∗∗

( -17. 89)

赫芬达尔指数 -0. 342

( -1. 78)

常数项 4. 405

∗∗∗ 4. 407

∗∗∗ 4. 371

∗∗∗ 2. 503

∗∗∗ 4. 385

∗∗∗ -33. 499

∗∗∗ 5. 260

∗∗∗

(85. 97) (86. 00) (82. 74) (36. 46) (85. 89) ( -3. 30) (99. 24)

57

鉴于硫酸雾及硫氧化物的主要成分也为 SO2 , 本文也将其作为 SO2 纳入统计。

其余控制变量由于在上市公司层面数据并不存在或因数据缺失严重等问题并未加入。

劳动生产率采用营业收入与企业从业人数比值的对数值衡量; 赫芬达尔指数采用四位数行业的赫芬达尔指数衡量, 代表企业所在

行业市场集中度。

第60页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

表3(续)

变量

(1) (2) (3) (4) (5) (6) (7)

替换解释

变量

替换为排放

强度

替换为烟尘

排放量

替换为氮氧化物

排放量

倍差法

上市公司 SO2

排放量

加入控制

变量

控制变量 控制 控制 控制 控制 控制 控制 控制

观测值 207 483 207 483 201 803 88 993 207 483 165 123 856

R

2 0. 479 0. 542 0. 441 0. 556 0. 479 0. 815 0. 457

第十一, 工具变量法。 基于基准回归模型直接分析机器人应用对企业环境绩效的影响时, 进口机器

人数量的内生性问题需做进一步讨论。 具体来说,一方面, 企业进口机器人能通过提高资源的利用效率

和企业的管理效率来提升企业环境绩效; 另一方面, 企业环境绩效的恶化也会倒逼企业通过增加机器人

的进口数量来实现清洁化、 无害化的生产转型。 因此, 为机器人的进口数量寻找恰当的工具变量, 可能是

缓解上述内生性问题或变量间反向因果关系的有效

方法。 同时考虑到工具变量的外生性和相关性的要

求, 本文将企业对应城市历史上的人口密度作为机

器人应用的工具变量。一方面是因为历史上的城市

人口密度作为相对外生的人口分布指标, 其与工业

生产过程的绿色化在理论上没有直接的相互关系。

另一方面是因为,一般来说, 历史人口密度高的城

市通常劳动力供给也较为充足, 劳动力成本相对不

高, 当地企业对机器人的进口需求可能不那么迫

切, 人口密度和企业进口机器人数量之间可能呈现

负相关关系①。

表 4 第一阶段回归结果表明, 选取历史上的城

市的人口密度作为工具变量, 可以发现其在 1%的

显著性水平上改善了企业环境绩效。一阶段 F 检验

值大于 10 这一经验取值, 从而排除了弱工具变量问

题。 可以发现, F 统计量和弱工具变量检验的结果,

均通过了相关的检验。 而表 5 第二阶段回归结果显

示, 所关注的估计量系数与基准回归结果基本一

致, 这也再次验证了本文研究结论的稳健性。

表 4 工具变量检验结果 (第一阶段)

变量 lntotalrobot

it

人口密度 -0. 001

∗∗∗

( -3. 58)

第一阶段 F 值 12. 84

表 5 工具变量检验结果 (第二阶段)

变量 lnso2

pit

lntotalrobot

it -90. 975

∗∗∗

( -3. 35)

控制变量 控制

观测值 186 324

R

2 -15. 059

弱识别检验 12. 84

注: R

2 在 2SLS 中可能是负数, 即 RSS>TSS, 它对模型好坏的

评估不产生任何影响。 实际上, 通过观察 F 的估计量, 即根据经验

判断 F>10 便可以代表整个模型是有效的。

(三) 机制检验结果及分析

根据前文的理论分析, 机器人应用可通过提高能源生产率和改善企业管理效率来提升制造业企业的

环境绩效[10,55]

。 为此, 本部分将选取能源生产率和企业管理效率两个中间变量来检验机器人应用影响制

造业企业环境绩效的机制, 具体结果分析如下:

关于能源利用率, 本文采用企业工业增加值占能源投入比重的对数表示。 由于缺乏企业用电的数据,

且有学者指出, 数字化技术应用导致对非电力能源需求下降, 因此将企业使用的化石能源视作是企业

能源总投入量[24]

。 中国企业污染数据库涉及的主要燃料包括燃料煤、 燃料油和燃气三种。 根据 《中国

能源统计年鉴》 的能源标准煤折算系数, 将企业燃料煤、 燃料油和天然气消耗量折算成标准煤, 进而

58

① 《中国城市统计年鉴》 的数据可以追溯到 1984 年, 而本文研究区间为 1998—2013 年, 因此, 历史上人口密度的数据对应到城市统

计年鉴的区间为 1984—1999 年。

第61页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

加总得到企业能源投入总量[56]

。 其中, 采用省级层面的工业品出厂价格指数对企业工业增加值不变价

进行平减, 得到工业增加值的现价。一般而言, 能源生产率指标越高, 表明每单位燃料所带来的工业

增加值越大。

关于企业管理效率, 参照孙浦阳等 (2018)

[57] 的做法, 构建如下的计量回归模型:

lnG&Ait

=a1

laborit

+a2

lnexpit

+a3

lnpriceit

+ v +uit (3)

其中, lnG&Ait 表示第 t 年 i 企业管理费用的对数, laborit 表示 i 企业第 t 年的平均从业人数, lnexpit 表

示 i 企业第 t 年的出口交货值, lnpriceit 表示企业的价格加成, 以营业收入与营业收入和利润比值表示。 此

外, 将得到的残差视作企业管理效率, 残差越大说明企业管理效率越差。 回归模型控制了企业和年份固

定效应。

表 6 汇报了具体作用机制检验结果, 其中列 (1) 为能源生产率的回归结果。 所关注的交互项估计量

系数显著为负, 反映制造业企业可通过投入机器人, 提升生产制造过程的能源利用效率, 减少化石能源

的消耗量, 进而改善企业环境绩效。 列 (2) 为管理效率机制的检验结果。 交互项的估计系数为正, 说明

机器人的投入强化了企业管理效率, 而管理效率的提升可以更好地提升制造业企业环境治理的综合质量。

表 6 机制检验结果

变量 (1) (2)

lntotalrobot

it

×能源利用率 -0. 114

∗∗∗

( -3. 26)

能源利用率 -0. 675

∗∗∗

( -110. 97)

lntotalrobot

it

×管理效率 0. 219

(1. 91)

管理效率 -0. 052

∗∗

( -2. 34)

lntotalrobot

it 0. 583

∗∗∗ -0. 846

∗∗

(2. 72) ( -2. 23)

常数项 4. 977

∗∗∗ 2. 942

∗∗∗

(96. 22) (13. 63)

控制变量 控制 控制

观测值 61 035 17 300

R

2

0. 727 0. 515

(四) 异质性分析

尽管机器人应用对企业环境绩效的积极作用已得到了论证, 但机器人种类、 所处地区的不同会对机

器人的环境治理效果带来何种影响? 为探究机器人的具体应用场景和适用范围的影响, 并为后续的精准

施策提供依据, 进一步从机器人种类和地区经济差距等视角讨论机器人应用对企业环境绩效的异质性

影响。

第一, 机器人种类的异质性的影响。 根据对海关数据库中八位数编码体系的识别, 将机器人主要分

为专用的自动搬运机器人、 其他机器人和多功能机器人。 在此基础上, 分别对三种类型的机器人数量采

用加 1 取对数的方式处理, 并进行回归分析。 表 6 列 (1)、 列 (2)、 列 (3) 分别对应自动搬运机器人、

多功能机器人和其他机器人。 可以看到, 三种机器人类别的影响系数均在 1%的水平上显著为负, 表明三

59

第62页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

种机器人的使用均能对企业的环境绩效起到积极的改善效应。 进一步比较发现, 搬运机器人应用对企业

环境绩效的改善效果较为明显, 能有效降低企业二氧化硫的排放, 其次是多功能机器人和其他机器人。

可能的原因在于: 制造业企业在未系统地投入机器人使用之前, 物料的搬运大部分依靠人工驾驶叉车等

传统方式完成, 对常年不停机的企业, 更需借助这种搬运模式来持续不断地保证生产上下料过程。 原有

的供应链运输设备以柴油等燃料投入作为主要的驱动力, 物料运输及供应方式可能也不够高效, 从而使

得企业的环保潜力未能充分释放。 基于智能操作系统的运输机器人的规模化参与可使这种状况得到明显

的改善。 自动搬运机器人的应用区别于人力或人工叉车等传统的搬运作业方式, 具备高协调、 高精准的

能力, 可根据智能化的算法系统, 来统筹最佳的搬运方式及运行轨迹, 为缓解传统的物流和供应链模式

下的能耗和污染问题提供新的技术支撑。

第二, 地区最低工资的异质性的影响。 最低工资标准相关 规定要求各地根据居民消费价格指数等经

济指标, 确定居民月最低工资标准, 以保障劳动者的合法权益。 郑妍妍和闫雨薇 (2022) 发现, 最低工

资会通过成本效应和生产率效应影响企业的空气污染水平[58]

。 为此, 本文进一步探讨了地区最低工资水

平标准不同的企业在使用机器人后将如何影响环境绩效。 基于数据的可得性, 从乡、 县、 市和省四个层

面对地区最低工资进行匹配。 对存在最低工资标准的乡县, 以乡县的最低工资水平与企业所在乡县进行

匹配, 若不存在乡县的相关数据则采用市级最低工资水平进行匹配, 以此类推, 进而得到大部分企业所

在地区的最低工资水平。 算出地区最低工资的平均值, 若地区最低工资水平大于地区最低平均工资, 则

取值为 1, 反之为 0。 结果如表 7 列 (4) 所示。 其中, 核心解释变量的估计系数显著为负, 说明相较最低

工资水平较低的地区, 处于最低工资水平较高地区的企业通过机器人应用所取得的减排效果更好。 从企

业信息管理角度来看, 这一差异化结果更多的是受到企业投入机器人替代劳动力的意愿影响。 具体而言,

在最低工资标准较低的地区, 企业以机器人替代劳动力的意愿并不强烈, 因而难以通过规模化的机器人

应用来发挥其对生产和管理流程改进的作用, 导致机器人应用对这些地区企业的污染减排效应不够突出。

而在最低工资标准较高的地区, 企业为减少本地更高昂的人力成本支出, 会更愿意加强机器人应用, 由

此更好地发挥机器人应用的减排效应。

表 7 异质性检验结果

变量 (1) (2) (3) (4)

搬运机器人 -0. 954

∗∗

( -2. 51)

其他机器人 -0. 370

∗∗

( -2. 12)

多功能机器人 -0. 456

∗∗∗

( -3. 74)

lntotalrobot

it

×最低工资 -0. 473

∗∗

( -2. 23)

lntotalrobot

it -0. 067

( -0. 42)

最低工资 -0. 016

( -0. 87)

常数项 4. 413

∗∗∗ 4. 412

∗∗∗ 4. 411

∗∗∗ 4. 361

∗∗∗

(86. 04) (86. 04) (86. 01) (81. 41)

60

第63页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表7(续)

变量 (1) (2) (3) (4)

控制变量 控制 控制 控制 控制

观测值 207 483 207 483 207 483 157 712

R

2

0. 479 0. 479 0. 479 0. 492

五、 主要结论与政策含义

党的二十大报告指出, “推动经济社会发展绿色化、 低碳化是实现高质量发展的关键环节” 。 在人

口老龄化和智能制造加速化背景下, 企业在生产和管理过程中对机器人的使用愈发普遍。 在碳达峰、

碳中和的目标下, 绿色低碳的生产方式转型将如何影响企业环境绩效亟待研究。 为此, 结合中国工业

企业数据库、 中国工业企业污染排放数据库和中国海关数据库等匹配数据, 本文识别了企业机器人应

用对中国制造业企业污染减排的影响, 并将之细化为能源生产率和管理效率机制, 通过选取历史上企

业所在城市的人口密度作为减缓内生性问题的工具变量。 主要结论包括: 从整体上看, 企业通过在生

产制造、 加工组装等过程中强化机器人应用, 有利于显著降低企业的污染物排放强度; 从作用机制来

看, 能源生产率提升和管理流程效率改善是机器人应用影响企业环境绩效的重要渠道; 机器人应用对

企业污染减排的效果存在异质性, 相较于其他类型的机器人应用而言, 搬运机器人这种自动化产品应

用对企业环境绩效有着更为明显的提升效应。 此外, 在最低工资标准高的地区, 利用机器人实现企业

污染减排的效果更为突出。

为贯彻落实党的二十大精神, 践行绿色发展与生态文明建设理念, 推动实现 “双碳” 目标, 本文提

出以下政策建议:

第一, 鉴于机器人等数字化技术应用对企业减排具有积极作用, 企业应着眼于加速传统行业或传统

工厂的数字化升级, 除外购或自主研发智能化生产线以提升企业智能化、 自动化生产水平外, 还应引入

专业的环保服务和整体解决方案, 并着力提升各层次员工的绿色技能, 优化产业链供应链的数字孪生系

统, 以科技赋能推动 “制造” 向 “智造” 转型, 打造更加智慧、 更加绿色、 更加清洁的 “智慧工厂” 和

“智能车间”。 上述过程的转变面临着内外部环境的多重挑战, 因此, 除市场自发调节外, 还应通过政府

绿色技术研发和升级的专项资金补助或定向税收减免机制等多种方式, 让更多有升级意愿但资金紧张的

企业获得实质性的支持。

第二, 数字经济情境下生产过程及管理过程的质量被证实是机器人应用影响企业环境绩效的关键渠

道机制, 为充分释放机器人应用的数字红利, 应改变过去以生产为主导的单向做法, 反过来对企业和市

场开展深入调研, 了解机器人应用在生产及管理流程中存在的堵点痛点及企业的真正需求, 有的放矢地

为广大企业尤其是相对滞后地区的中小微企业提供高质量的理论及实操培训课程, 以此精准促进企业间

环保知识外溢、 管理经验交流和服务资源共享。 亟需强化企业员工和管理层的数字技能和数字素养的培

训, 加强企业数字技能人才激励, 规避 “数字鸿沟” 和 “数字贫困陷阱”, 从而推动企业内部生产和管理

流程升级, 助力企业实现绿色转型的目标。

第三, 鉴于机器人应用的环境外部性存在地区和企业等方面的差异性, 企业为破解面临的 “波特假

说” 中的成本及收益的选择困境, 不仅应探索和推广物美价廉的机器人技术类别, 还要严格执行国家最

低工资标准以确保员工福利。 以双向协同机制来强化企业对先进技术和解决方案的使用意愿, 倒逼企业

摆脱低成本劳动力要素的温床, 引导企业将使用机器人技术所带来的创新补偿效应用于弥补生产成本增

加带来的损失。 将企业可持续发展的命运与应用机器人等先进技术的获益紧紧地捆绑起来, 惟其如此,

才能逐渐对企业形成一种长效激励机制, 更多的先进数字技术应用才能真正成为企业绿色转型发展的助

61

第64页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

推器而非绊脚石。

参考文献:

[1]张伟,吴文元. 基于环境绩效的长三角都市圈全要素能源效率研究[J]. 经济研究,2011,46(10):95-109.

[2]张成,陆旸,郭路,等. 环境规制强度和生产技术进步[J]. 经济研究,2011,46(2):113-124.

[3]ARDOLINO M, RAPACCINI M, SACCANI N, et al. The role of digital technologies for the service transformation of industrial companies[J].

International Journal of Production Research, 2018, 56(6): 2116-2132.

[4]FRANK A G, DALENOGARE L S, AYALA N F. Industry 4. 0 technologies: implementation patterns in manufacturing companies[J]. International Journal of Production Economics, 2019, 210: 15-26.

[5]IVANOV D, DOLGUI A, SOKOLOV B. The impact of digital technology and Industry 4. 0 on the ripple effect and supply chain risk analytics

[J]. International Journal of Production Research, 2019, 57(3): 829-846.

[ 6]LI Y, DAI J, CUI L. The impact of digital technologies on economic and environmental performance in the context of Industry 4. 0: a moderated

mediation model[J]. International Journal of Production Economics, 2020, 229: 107777.

[ 7]KOPP T, LANGE S. The climate effect of digitalization in production and consumption in OECD countries[Z]. CEUR Workshop No. 3, 2019.

[8]GOBBO J A, BUSSO C M, GOBBO S C O, et al. Making the links among environmental protection, process safety, and Industry 4. 0[ J].

Process Safety and Environmental Protection, 2018, 117: 372-382.

[9]PEUKERT B, BENECKE S, CLAVELL J, et al. Addressing sustainability and flexibility in manufacturing via smart modular machine tool

frames to support sustainable value creation[J]. Procedia CIRP, 2015, 29: 514-519.

[10]RUBIO F, LLOPIS-ALBERT C, VALERO F. Multi-objective optimization of costs and energy efficiency associated with autonomous industrial

processes for sustainable growth[J]. Technological Forecasting and Social Change, 2021, 173: 121115.

[11]HOESLY R, BLACKHURST M, MATTHEWS H S, et al. Historical carbon footprinting and implications for sustainability planning: a case

study of the Pittsburgh region[J]. Environmental Science & Technology, 2012, 46(8): 4283-4290.

[12]WAIBEL M W, STEENKAMP L P, MOLOKO N, et al. Investigating the effects of smart production systems on sustainability elements[ J].

Procedia Manufacturing, 2017, 8: 731-737.

[ 13]KAMBLE S S, GUNASEKARAN A, GAWANKAR S A. Sustainable Industry 4. 0 framework: a systematic literature review identifying the current trends and future perspectives[J]. Process Safety and Environmental Protection, 2018, 117: 408-425.

[14]CHIARINI A. Industry 4. 0 technologies in the manufacturing sector: are we sure they are all relevant for environmental performance? [ J].

Business Strategy and the Environment, 2021, 30(7): 3194-3207.

[15]KIEL D, MÜLLER J M, ARNOLD C, et al. Sustainable industrial value creation: benefits and challenges of Industry 4. 0[J]. International

Journal of Innovation Management, 2017, 21(8): 1740015.

[16]OLÁH J, KITUKUTHA N, HADDAD H, et al. Achieving sustainable e-commerce in environmental, social and economic dimensions by taking

possible trade-offs[J]. Sustainability, 2019, 11(1): 89.

[17]BERKHOUT F, HERTIN J. De-materialising and re-materialising: digital technologies and the environment[ J]. Futures, 2004, 36( 8):

903-920.

[18]盛丹,卜文超. 机器人使用与中国企业的污染排放[J]. 数量经济技术经济研究,2022,39(9):157-176.

[19]DUBEY R, GUNASEKARAN A, CHILDE S J, et al. Can big data and predictive analytics improve social and environmental sustainability?

[J]. Technological Forecasting and Social Change, 2019, 144: 534-545.

[20]ZHOU J, LAN H L, ZHAO C, et al. Haze pollution levels, spatial spillover influence, and impacts of the digital economy: empirical evidence

from China[J]. Sustainability, 2021, 13(16): 9076.

[21]HEISKANEN E, JALAS M, TIMONEN P. Reducing the natural resource intensity of private and organisational consumption: the potential of

ICT and service innovations[J]. Progress in Industrial Ecology: An International Journal, 2005, 2(3 / 4): 453-474.

[22]FUCHS C. The implications of new information and communication technologies for sustainability[J]. Environment, Development and Sustainability, 2008, 10(3): 291-309.

[ 23]LEE C C, QIN S, LI Y. Does industrial robot application promote green technology innovation in the manufacturing industry? [J]. Technological Forecasting and Social Change, 2022, 183:121893.

[24]WAMBA S F, AKTER S, EDWARDS A, et al. How ‘big data’ can make big impact: findings from a systematic review and a longitudinal

case study[J]. International Journal of Production Economics, 2015, 165: 234-246.

[25]ROY V, SINGH S. Mapping the business focus in sustainable production and consumption literature: review and research framework[J]. Jour62

第65页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

nal of Cleaner Production, 2017, 150: 224-236.

[26]ZHANG Y F, REN S, LIU Y, et al. A big data analytics architecture for cleaner manufacturing and maintenance processes of complex products

[J]. Journal of Cleaner Production, 2017, 142(2): 626-641.

[27]HUANG G, HE L Y, LIN X. Robot adoption and energy performance: evidence from Chinese industrial firms[J]. Energy Economics, 2023,

107: 105837.

[28]SCHULTE P, WELSCH H, REXHÄUSER S. ICT and the demand for energy: evidence from OECD countries[ J]. Environmental and Resource Economics, 2016, 63(1): 119-146.

[29]WANG E Z, LEE C C, LI Y Y. Assessing the impact of industrial robots on manufacturing energy intensity in 38 countries[J]. Energy Economics, 2022, 105: 105748.

[30]PASHKEVICH N, HAFTOR D, KARLSSON M, et al. Sustainability through the digitalization of industrial machines: complementary factors

of fuel consumption and productivity for forklifts with sensors[J]. Sustainability, 2019, 11(23): 6708.

[31]WANG Y L, SANCHEZ RODRIGUES V, EVANS L. The use of ICT in road freight transport for CO2

reduction—an exploratory study of UK?s

grocery retail industry[J]. The International Journal of Logistics Management, 2015, 26(1): 2-29.

[32]SCHNIEDERJANS D G, HALES D N. Cloud computing and its impact on economic and environmental performance: a transaction cost economics perspective[J]. Decision Support Systems, 2016, 86: 73-82.

[33]WU D Z, ROSEN D W, WANG L H, et al. Cloud-based design and manufacturing: a new paradigm in digital manufacturing and design innovation[J]. Computer-Aided Design, 2015, 59: 1-14.

[ 34]DE SOUSA JABBOUR A B L, CHIAPPETTA JABBOUR C J, FOROPON C, et al. When titans meet—can Industry 4. 0 revolutionise the environmentally-sustainable manufacturing wave? The role of critical success factors[J]. Technological Forecasting and Social Change, 2018, 132: 18-25.

[35]JIANG L, HE S X, CUI Y Z, et al. Effects of the socio-economic influencing factors on SO2 pollution in Chinese cities: a spatial econometric

analysis based on satellite observed data[J]. Journal of Environmental Management, 2020, 268: 110667.

[ 36]YANG R Y, CHEN W D. Spatial correlation, influencing factors and environmental supervision on mechanism construction of atmospheric pollution: an empirical study on SO2 emissions in China[J]. Sustainability, 2019, 11(6): 1742.

[37]邵朝对. 进口竞争如何影响企业环境绩效———来自中国加入 WTO 的准自然实验[J]. 经济学(季刊),2021,21(5):1615-1638.

[38]陈登科. 贸易壁垒下降与环境污染改善———来自中国企业污染数据的新证据[J]. 经济研究,2020,55(12):98-114.

[39]李磊,王小霞,包群. 机器人的就业效应:机制与中国经验[J]. 管理世界,2021,37(9):104-119.

[40]王小霞,李磊. 工业机器人加剧了就业波动吗———基于中国工业机器人进口视角[J]. 国际贸易问题,2020(12):1-15.

[41]綦建红,付晶晶. 最低工资政策与工业机器人应用———来自微观企业层面的证据[J]. 经济科学,2021(4):99-114.

[42]邵朝对,苏丹妮,杨琦. 外资进入对东道国本土企业的环境效应:来自中国的证据[J]. 世界经济,2021,44(3):32-60.

[43]田巍,余淼杰. 中间品贸易自由化和企业研发:基于中国数据的经验分析[J]. 世界经济,2014,37(6):90-112.

[44]FAN H C, HU Y C, TANG L X. Labor costs and the adoption of robots in China[J]. Journal of Economic Behavior & Organization, 2021,

186: 608-631.

[45]董桂才. 中国工业机器人出口贸易及其影响因素研究[J]. 国际经贸探索,2015,31(11):30-40.

[46]HOFFMANN V H. EU ETS and investment decisions: the case of the German electricity industry[J]. European Management Journal, 2007,

25(6): 464-474.

[47]冯昭奎. 辩证解析机器人对日本经济的影响[J]. 日本学刊,2016(3):73-96.

[48]马光荣,李力行. 金融契约效率、企业退出与资源误置[J]. 世界经济,2014,37(10):77-103.

[49]杜连雄,张剑. 主动环境行为与技术创新对企业绩效的影响[J]. 华东经济管理,2020,34(1):121-128.

[50]闫雪凌,朱博楷,马超. 工业机器人使用与制造业就业:来自中国的证据[J]. 统计研究,2020,37(1):74-87.

[51]吕越,谷玮,包群. 人工智能与中国企业参与全球价值链分工[J]. 中国工业经济,2020(5):80-98.

[52]邓仲良,屈小博. 工业机器人发展与制造业转型升级———基于中国工业机器人使用的调查[J]. 改革,2021(8):25-37.

[53]ACEMOGLU D, RESTREPO P. Robots and jobs: evidence from US labor markets[J]. Journal of Political Economy, 2020, 128(6): 2188-2244.

[54]王永钦,董雯. 机器人的兴起如何影响中国劳动力市场? ———来自制造业上市公司的证据[J]. 经济研究,2020,55(10):159-175.

[55]TAO F, QI Q L, LIU A, et al. Data-driven smart manufacturing[J]. Journal of Manufacturing Systems, 2018, 48(C): 157-169.

[56]万攀兵,杨冕,陈林. 环境技术标准何以影响中国制造业绿色转型———基于技术改造的视角[J]. 中国工业经济,2021(9):118-136.

[57]孙浦阳,侯欣裕,盛斌. 服务业开放、管理效率与企业出口[J]. 经济研究,2018,53(7):136-151.

[58]郑妍妍,闫雨薇. 最低工资会影响空气污染吗? ———来自中国企业 SO2 排放的证据[J]. 税务与经济,2022(1):77-84.

63

第66页

2023 年第 5 期 刘胜, 温锡峰, 陈秀英: 机器人应用与中国制造业绿色转型

Application of Robots and Green Transformation

of China?s Manufacturing Industry

LIU Sheng

1

, WEN Xifeng

1

, CHEN Xiuying

2

(1. Guangdong University of Foreign Studies, Guangzhou 510006;

2. Guangdong University of Finance, Guangzhou 510521)

Abstract:Based on the perspective of production line automation, digitalization and flexibility, this paper

takes the micro-level matching data of Chinese industrial enterprise database, enterprise pollution database and Chinese Customs database as research samples to empirically test the actual governance effect and internal operation

logic of robot application on enterprise environmental performance, so as to make up for the shortcomings of existing

research. Through large-sample data processing and normative causality analysis, this paper finds that the application of robots can effectively reduce the pollution emissions of manufacturing enterprises and thus achieve the purpose of improving the environmental performance of enterprises. Furthermore, through an empirical study on the internal mechanism of robot application affecting enterprise environmental performance, this paper also finds that the

impact of robot application on enterprise pollution reduction mainly comes from two aspects. One is the boost effect

of enterprise unit energy productivity improvement, and the other is the promotion effect of enterprise internal management efficiency improvement. In addition, this paper also finds that there are obvious heterogeneity differences

in the environmental improvement effects of robots when they are different in their own types and economic environments. Specifically, in areas with higher minimum wage levels and enterprises with higher intensity of using multifunctional robots and handling robots, the environmental improvement effect of robot application is more obvious,

stimulating a stronger motivation for environmental improvement. Finally, in order to ensure the robustness of the

empirical results, this paper adopts a variety of identification strategies, such as the controlling of industry time

trends, applying the difference-in-differences model, eliminating external impact interference, using the instrumental variable method, conducting the database replacement, considering the source of the robot, implementing the

explanatory variable and explained variable replacement, in order to avoid potential missing variables and contingency in conclusions as much as possible. It is still found that the improvement effect of robot application on the

enterprise?s environmental performance is still robust. Based on this, against the background of the rise of intelligent manufacturing and intelligent workshop, the conclusion of this paper provides a theoretical basis for understanding the new driving force of enterprise environmental governance under the background of the integration of industrial intelligence and industrial chain, which has important policy significance for promoting the synergy and mutual promotion between China?s “ carbon peaking and carbon neutrality” goals and the “ digital China” strategy.

Based on this, faced with the increasingly urgent new situation of environmental pollution control, we can leverage

the power of the new generation of information technology, promote the realization of green and clean production

and the goals of “carbon peak adjustment and carbon neutrality”, and ultimately promote high-quality industrial development under the new development model.

Keywords: digital economy; robot application; enterprise environmental performance; pollution emission;

carbon peaking and carbon neutrality goals

(责任编辑: 姚望春; 姜 莱)

64

第67页

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 005

“探索-利用” 视角下

企业技术能力分类建构与案例研究

朱正浩1

, 戚聿东2

(1. 南京工业职业技术大学 商务贸易学院, 南京 210023;

2. 北京师范大学 经济与工商管理学院, 北京 100875)

收稿日期: 2022-10-13; 修回日期: 2023-03-07

基金项目: 国家社会科学基金重大项目 “技术标准与知识产权协同推进数字产业创新的机理与路径研究” (19ZDA077); 江苏省教育

科研规划重点课题 “面向共同富裕的江苏职业院校技术适应性提升机制与实践路径” (B/ 2022 / 02 / 21); 江苏高校学习贯彻党的二十大精神

专题研究项目 “职业院校技术适应性服务江苏共同富裕实践的机制和路径研究” (SJZT202320); 南京工业职业技术大学引进人才科研启动

基金项目 “需求侧视角下技术标准化推进数字产业创新的机制与实践路径” (2022SKYJ01)

作者简介: 朱正浩 (1972—), 男, 南京工业职业技术大学商务贸易学院教授, 通信作者; 戚聿东 (1966—), 男, 北京师范大学经济

与工商管理学教授、 博士生导师。

摘 要: 单一维度的技术能力分类难以解释快速变化环境下特定企业如何获得竞争优势。 为更全面

地反映企业整体技术能力, 提出包括技术探索能力和技术利用能力的二维构念, 将企业技术能力分为探

索导向型、 利用导向型、 二元Ⅰ型和二元Ⅱ型四类。 通过对金陵药业、 安科生物、 华兰生物以及新和成

四家上市公司的跨案例比较分析, 从技术体制、 研发活动、 产品等维度归纳了不同技术能力类型特征,

为全面理解技术能力提供了系统和动态的视角。

关键词: 技术能力; 技术探索; 技术利用; 技术体制; 研发; 产品

中图分类号: F273. 1 文献标识码: A 文章编号: 1008-2700 (2023) 05-0065-14

企业技术能力指企业使用专利、 数据库、 工程设计、 熟练工程师等特定技术资源来组合或重组产品

组件, 建立组件、 方法、 工艺和技术间的联系以提供产品的能力[1]

。 企业技术能力为企业管理和发展技

术变革提供所需的技能、 知识和制度结构, 是企业开发新产品、 提高财务绩效、 保持持续竞争优势的最

重要资源[2-3]

。 企业技术能力的分类主要有两种,一种是基于技术能力发展过程的纵向分类, 主要是从技

术追赶视角进行的分类。 金 (Kim, 1999) 根据韩国企业实践提出技术获取能力、 实施能力、 消化吸收能

力、 改进能力以及创新能力[4]

。 赵晓庆和许庆瑞 (2002) 在此基础上将企业技术能力简化为复制仿制能

力、 创造性模仿能力和自主创新能力三种技术能力[5]

。 刘海兵等 (2020) 提出模仿创新能力、 初级二次

创新能力、 成熟二次创新能力、 集成创新能力的分类[6]

另一种是按照企业内技术活动参与领域进行的横向分类。 世界银行于 1984 年将技术能力分为生产能

力、 投资能力和创新能力三类。 国外学者将企业技术能力分为生产能力、 投资能力、 连通性和创新能力,

或者技术开发、 产品开发、 生产过程、 制造工艺和技术预测等[7-8]

。 魏江等 (2008) 提出企业技术能力可

分为人员能力、 设备能力、 信息能力、 组织能力和技术储备能力[9]

。 胡振亚 (2016) 提出基础性技术能

力和专业性技术能力等能力分类[10]

。 随着技术环境变动加剧和技术周期变短, 技术能力的商业价值取决

于企业对主导设计变化的适应水平, 基于资源基础观的分析难以充分解释特定企业为何在快速变化环境

65

第68页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

下具有竞争优势[11]

, 基于知识学习和动态能力观点的分类开始涌现。 例如, 莱昂纳多-巴顿 ( LeonardBarton, 1995) 将技术能力分为人员技能系统、 物质技术系统、 管理系统和价值观[12]

。 佩拉里等 (Peerally et al., 2022) 把数字化时代企业技术能力分为技术改装和准备能力、 系统集成能力、 水平与纵向数字化能

力、 自我优化能力[13]

。 加西亚-穆纳和纳瓦斯-洛佩兹 (García-Muiña & Navas-López., 2007) 在组织二元学

习观基础上将企业技术能力分为技术利用能力 (technological exploitative capability) 和技术探索能力 (technological explorative capability)

[14]

本文在加西亚-穆纳和纳瓦斯-洛佩兹 (2007)

[14] 研究基础上提出新的技术能力分类。 面对快速变化的

技术环境, 企业既要活在当下, 在现有技术轨道下开展利用性活动以累积能力、 支撑产品更新和效率提升;

又要活在未来, 为适应技术轨道转化和主导技术变革, 展开探索性活动并储备知识。 因此, 单一维度的技术

探索能力或技术利用能力已经难以解释快速变化环境下特定企业如何获得竞争优势。 在加西亚-穆纳和纳瓦

斯-洛佩兹 (2007)

[14] 技术利用能力和技术探索能力分类基础上, 本文提出 “探索-利用” 二维能力分析框

架, 将企业技术能力分为四类: 探索导向型、 利用导向型、 二元Ⅰ型、 二元Ⅱ型。 在对 2011 年至 2020 年沪深

股市 255 家制药企业数据进行分析的基础上, 本文通过对安科生物、 华兰生物、 金陵药业以及新和成四家公

司跨案例比较, 从技术体制、 研发活动和产品等维度归纳了不同类型技术能力企业的特征。

一、 “探索-利用” 视角下企业技术能力定义、 分类框架与特征维度

(一) “探索-利用” 视角下企业技术能力相关定义

自马奇 (March, 1991)

[15] 提出探索性学习和利用性学习构念之后, 基于 “探索-利用” 视角的组织

二元学习构念被广泛引入战略管理和创新管理研究领域。 学者们认识到组织二元性的重点不在活动本身,

而在企业能力。 “探索-利用” 组织二元性被定义为企业探索新机会和利用现有知识的能力[16]

, 探索性活

动和利用性活动的平衡选择成为解释企业竞争优势的重要战略视角。 加西亚-穆纳和纳瓦斯-洛佩兹

(2007) 将二元性思想引入对技术能力分析中, 从战略视角将技术能力定义为调动不同科技资源的通用

知识密集型能力, 使企业能够在特定环境下实施竞争战略、 创造企业价值、 成功开发新产品和新工

艺[14]

。 詹湘东和谢富纪 (2019) 认为技术能力是企业以外部技术资源与内部知识资源为基础, 完成工

艺、 产品改进和研发的能力[17]

。 此观点, 与贝尔和帕维特 (Bell & Pavitt, 1995) 的观点一脉相承, 后

者认为技术能力是企业获取的知识和发展的技能[18]

。 本文采用加西亚-穆纳和纳瓦斯-洛佩兹 (2007)

对技术能力的理解[14]

, 强调环境动荡背景下企业调动不同类型技术资源的能力, 符合动态能力、 组织

二元理论和知识基础理论对企业能力的理解[19-20]

。 随着技术迭代加速, 主导技术稳定期变短, 颠覆性

技术创新不断涌现, 企业要在强化现有能力和追求新能力之间保持适度平衡, 将技术资源分配给内部

开发和外部知识探索, 以确保公司当前和未来的生存和繁荣。

技术探索能力指通过探索性活动积累的支持企业未来发展的技术能力。 探索性活动通过搜索可能会发现

新信息从而提高未来回报, 包括新产品发现、 新知识积累和技术人员培训等。 探索性活动获取的异质性技术

使企业能够在现有知识边界之外进行新设计、 新试验, 快速评估和确定可能的技术趋势[21]

。 当企业发展出

这种能力时, 扩展了自身的知识基础, 增加了发现技术机会的可能性, 更能有效应对环境动荡。 这一定义与

加西亚-穆纳和纳瓦斯-洛佩兹 (2007) 理解吻合, 后者认为技术探索能力可以帮助企业获得外部知识并形成

新的主导设计, 而不是改进产品和工艺流程特性的渐进式创新[14]

。 技术探索能力刻画了企业面对高度不确

定性竞争情况时创造性和非常规的技术适应过程, 正如温特 (Winter, 2003)

[22] 提出的特别问题解决系统

(ad hoc problem solving systems), 是企业在不确定条件下对竞争对手保持优势的唯一方式[23]

技术利用能力指通过利用性活动积累的支撑企业当前竞争的技术能力, 这一定义与加西亚-穆纳和纳

瓦斯-洛佩兹 (2007) 的研究一致, 后者认为技术利用能力是企业在主导技术过时前, 逐步提高现有知识

领域的技术能力以保持竞争力[14]

。 利用性活动重点在于通过投资熟悉的技术领域提升技术能力, 当企业

在特定领域积累一定能力后, 更可能在邻近领域展开搜索, 得以系统地实现短期回报[24]

。 从技术积累角

66

第69页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

度看, 利用性活动有助于提高技术能力。 这是因为在特定技术轨道下技术积累使企业能够更好地利用现

有知识, 企业在吸收相关知识方面更有效率, 更能与现有企业惯例妥协并相互强化[25]

(二) 企业技术能力分类框架

技术信息通常是隐性的, 不能在企业间共享、 轻易模仿和转让。 因此, 企业掌握技术知识是一个学

习过程, 企业必须通过战略制定、 企业投资等各种方式来改变和发展现有技术能力[26-27]

。 面对快速变化

的技术与竞争环境, 组织学习面临着双重任务。一方面, 企业需要提升短期生存能力, 延长现有产品生

命周期, 降低现有产品生产成本等。 另一方面, 企业需要适应外部环境变化以保持企业长期竞争优势。

只注重短期生存能力将面临与外部环境逐渐脱节的风险, 只注重长期竞争优势将难以把新知识转化为利

润, 短期内企业面临生存挑战。 因此, 两种相互竞争的学习方式适当平衡是组织生存和长期繁荣的关键

要素[28]

。 动态能力的相关文献表明, 企业需要同时发展内部和外部来源能力, 以保持长久繁荣[29]

。 企业

能够利用和保护特定知识, 协调内部能力发展, 同时通过收购、 联盟和采购合同等方式从外部获得新能

力, 以减轻组织惰性困扰[21]

。 在内部和外部之间进行适当权衡, 可以更有效地更新企业能力, 使企业获

得长期竞争优势。

上述理论可以映射到企业技术能力领域。 从短期来看, 企业需要在现有技术轨道下开展以渐进式创

新为主的利用性活动以提升效率获取利润。 从长期来看, 企业需要保持敏捷性以适应主导技术变革并开

展探索性活动。 单一维度的技术探索能力或技术利用能力难以解释快速变化环境下特定企业如何获得竞

争优势。 面对外部环境扰动, 本文在 “探索-利用” 战略视角下, 将技术利用能力和技术探索能力共同构

成了企业技术能力的两大维度: 第一, 技术利用能力对企业生存至关重要, 企业在利用活动中形成的能

力围绕当前产品和工艺知识, 有助于提升产品品质、 提高生产率和降低成本。 技术探索能力嵌入到企业

对技术环境变革响应中, 提升了识别技术机会的能力, 反映了企业在不确定环境下获得超越组织已有知

识边界的技术敏捷和动态能力[30]

。 第二, 技术探索和利用能力的平衡, 关系到企业的生存和发展。 过度

偏向于技术探索能力的公司难以从现有技术中获益, 而过度开发利用现有技术的公司则会遭受技术过时

的困扰。 两种技术能力相互支撑是强化技术能力的关键, 技术利用能力为企业探索新技术提供见解和方

向, 探索活动可能增强企业现有技术能力的生命周期。 例如, 把数字技术结合到常规操作中体现了技术

探索能力和现有技术利用能力的相互强化。 第三, 有限资源约束下企业不得不权衡两种技术能力的投资,

由于技术利用能力是高系统回报的当前能力, 企业会为获得短期回报采用更多利用性活动。 技术探索能

力代表具有不确定和不可预测回报的实验能力。 马奇 (1991) 指出, 学习轨迹和实现回报轨迹之间的时

间和空间距离, 通常在探索活动情况下比在利用性活动情况下大, 不确定性也是如此[15]

。 为了生存和可

持续发展, 多数企业会同时从事技术探索和利用活动。 不同水平的技术探索和技术利用能力组合, 反映

了企业短期和长期技术能力的战略选择, 如图 1 所示。





O



 



图 1 “探索-利用” 视角下技术能力分类框架

67

第70页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

横轴和纵轴分别表示技术探索能力和技术利用能力水平。 整合不同技术 “探索-利用” 水平, 本文提

出了四种技术能力分类: 二元Ⅱ型, 如第一象限所示, 企业兼具较高水平的技术探索能力和技术利用能

力; 利用导向型, 如第二象限所示, 企业拥有强技术利用能力和弱技术探索能力, 在现有技术轨道上追

求技术完善; 二元Ⅰ型, 如第三象限所示, 企业技术探索和利用能力都较弱, 在利用已有技术和探索新

技术方面能力有限; 探索导向型, 如第四象限所示, 企业拥有强技术探索能力和弱技术利用能力, 可获

得更多机会来发展新技术。

(三) 企业技术能力分类的特征维度

根据类型理论, 组织有效分类表现为每个类型的组织其内部情境、 结构和战略因素高度一致[31]

为更好地探索四种技术能力类型是否做到了内部要素间高度一致, 本文遵循技术能力 “制度条件—积

累活动—价值实现” 的逻辑, 从技术体制、 研发活动和产品三要素着手探索不同技术能力的分类特征。

首先, 技术体制涵盖了技术的经济性质与学习过程特征, 反映了企业所处的特定技术学习体制条件,

本文使用知识累积性和独占性机制来表述。 知识累积性体现了技术能力的增量本质, 反映了企业在多

大程度上倾向于沿着熟悉的技术路径活动。 不同性质创新活动的知识累积性有很大差异, 与利用性活

动相关的学习更趋向于呈现高知识积累特征, 与探索性活动相关的学习更趋向于呈现低知识积累特

征。 独占性机制体现了企业从技术努力中获益的机制条件, 体现了技术在多大程度上不被模仿。 高

独占性机制有利于企业将技术能力转化为利润, 从而激励企业知识积累和创新。 其次, 研发活动是

企业实现知识与能力积累, 实现内生技术能力增长的主要途径。 研发活动包括研发强度和技术战略,

研发强度反映技术能力形成的努力程度, 技术战略体现技术能力进化的期望与承诺, 反映企业对自

身及所处社会经济技术条件的理解, 并为企业寻求与定义独特性提供逻辑贯通的战略支持。 最后,

产品是企业技术能力价值实现的载体。 产品维度包括产品关联与产品生命周期, 产品关联从技术角

度看是产品间生产技术和工艺的相似程度, 高关联性产品体现企业持续将相似技术转化为系列产品

的能力。 产品生命周期的导入期、 成长期、 成熟期和衰退期构成了企业技术能力形成和变迁的市场

条件。

二、 技术能力测量与跨案例研究设计

(一) 技术探索能力和技术利用能力的测量

本文使用技术宽度来衡量技术探索能力。 技术宽度表明企业技术资源的多元化程度[32-33]

, 探索活动

是技术丰富性的主要来源。 技术探索能力是通过探索性活动累积知识和技术的能力, 决定了技术多元化

程度。 因此, 技术宽度可看作技术探索能力的近似估计, 技术探索能力越强, 技术宽度值越大。 对技术

宽度的测量方法之一是计算组织拥有技术资源的数量[34]

, 这一方法假设企业对不同种类技术资源的掌握

和应用能力相同, 这与现实相去甚远。 另一种方法是基于专利被引来定义技术宽度[35]

, 此方法关注技术

纵向关联而非企业间技术的横向关联, 企业出于专利策略与竞争策略的考虑会造成专利引用数据缺乏。

因此, 这一方法也有一定局限性, 不宜采用。 根据朱正浩等 (2021)

[36] 的做法, 使用肖恩-惠纳 (Shannon-Wiener) 多样性指数计算技术宽度, 具体公式为:

NWi

= - ∑

r

j = 1

Pj

lgPj

NWi 代表企业 i 技术宽度, r 代表企业 i 技术资源等级数, Pj 代表企业 i 在技术资源 j 上的利用占其对

全部技术资源利用频度, 即 Pj

=nj

/Ni, Ni

=∑

r

j = 1

nj, NWi 的值域为 [0, lgr]。 此方法体现了企业技术资源的

种类数量, 企业技术资源种类分布反映了企业对不同技术资源的掌握能力。

本文使用技术重叠度来衡量技术利用能力。 技术利用能力是企业通过利用性活动积累知识和技术的

能力。 技术重叠度可以测量企业间技术能力的相似性或异质性[37]

。 技术重叠度水平主要是企业技术利用

68

第71页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

性活动的结果, 企业在技术利用性活动中形成的能力决定了自身与其他企业的技术重叠水平。 如图 2 所

示, A 和 B 表示企业 A 和企业 B 的知识基础, 阴影部分表示两企业的共同知识, 技术重叠度通过阴影面

积除以 A 或 B 的面积来计算。 当企业 B 持续提升现有技术并开发出企业 A 无法掌握的新技术时, 企业 B

减少了其与企业 A 的技术重叠关系。 企业也可通过技术探索活动扩大知识基础, 但是技术探索活动主要

增加技术丰富性, 对技术总量影响有限, 因而对技术利用能力影响有限。 综上, 技术重叠度可用作技术

利用能力近似估计。 技术利用能力越强, 技术重叠度越低, 采用 Pianka 公式[38]

, 即:

NOik

=

r

j = 1

PijPkj

r

j = 1

P

2

ij∑

r

j = 1

P

2

kj

其中, NOik 代表企业 i 和企业 k 之间技术重叠度, r 代表两企业技术资源等级数 (即技术类别总数),

Pij 代表企业 i 在技术资源 j 上的利用占其对全部技术资源利用频度, Pkj 代表企业 k 在技术资源 j 上的利用占

其对全部技术资源利用频度。 影响企业间技术重叠度的因素有两个:一是拥有共同技术资源 (同类别专利)

的程度, 只有当 Pij 和 Pkj 都不为 0 时, NOik 才可能不为零; 二是拥有共同技术资源在企业技术资源中的比

例, Pij 和 Pkj 分别代表了 i 企业和 k 企业使用共同技术 j 占全部技术资源的比例。 NOik 的值域为 [0, 1]。

\" # \" $ # $

ffi*

\"

图 2 技术重叠度与技术利用性活动

(二) 跨案例研究设计与数据搜集

为更好地探索四种技术能力类型是否在内部情境、 结构和战略因素间高度一致, 采用跨案例分析

方法是必要的。 案例研究的关键优势是可以将构念解释得更透彻[39]

。 医药制造业是公认的以技术创新

为主要驱动力的行业, 研发投入大, 投资风险高。 相比其他行业, 专利保护对于制药企业意义重大。

制药企业更倾向于将研发成果申请专利, 符合以专利信息为基础对技术宽度和技术重叠度进行测量的

要求。 本文通过对不同技术能力类型的四家医药上市公司跨案例进行分析, 揭示四类企业的共性特征,

并验证分类有效性。

考虑到单一年份企业技术能力类型可能存在不稳健问题, 本文选取 2011—2020 年不同技术能力类型

医药上市公司作为研究样本。 所选公司的业务应涵盖原料药领域、 化学制药领域、 生物制药领域、 中成

药领域以及医疗服务领域。 案例选取步骤如下: 首先, 根据国泰安中国经济金融数据库 (CSMAR) 中上

市公司基本信息年度表的相关信息, 提取 2011—2020 年度所有医药制造业 (行业代码: C27) 上市公司

目录, 剔除 ST、 涉嫌财务造假等公司, 形成医药上市公司及子公司名录。 登录国家知识产权局专利检索

及分析网页, 搜集各年度医药上市公司发明专利和实用新型专利申请的 IPC 分类号频数, 完成基础数据

搜集。 其次, 使用前述公式, 运用软件 Stata 17. 0 分别计算出各年度医药上市公司的技术宽度和技术重叠

度值。 最后, 为保证技术宽度和技术重叠度的时间序列可比, 本文对 2011—2020 年 255 家沪深医药上市

公司 1 654 个观测值的技术宽度 (Nw) 和技术重叠度 (No) 在每一横截面进行标准化处理 (ZNw 和

ZNo)。 设定聚类数为 4, 进行中位数聚类分析, 得到历年二元Ⅰ型、 探索导向型、 利用导向型、 二元

69

第72页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

Ⅱ型企业的聚类结果, 如表 1 所示。 结合案例选取标准, 本文选取了金陵药业股份有限公司 (以下简

称金陵药业) 、 安徽安科生物工程 (集团) 股份有限公司 (以下简称安科生物) 、 华兰生物工程股份有

限公司 (以下简称华兰生物) 、 浙江新和成股份有限公司 (以下简称新和成) 四家案例企业, 如表 2

所示。

表 1 2011—2020 年沪深医药上市公司技术宽度与技术重叠度聚类结果

类别 技术能力指标 观测数 均值 方差 最小值 最大值

二元Ⅰ型 ZNw 384 -1. 236 0. 524 -3. 084 -0. 569

ZNo 384 0. 642 0. 351 -1. 227 1. 002

探索导向型 ZNw 359 1. 145 0. 468 0. 344 2. 597

ZNo 359 0. 079 0. 498 -1. 257 0. 922

利用导向型 ZNw 575 -0. 017 0. 377 -0. 686 0. 773

ZNo 575 0. 521 0. 373 -0. 710 0. 971

二元Ⅱ型 ZNw 336 0. 218 0. 953 -2. 521 3. 229

ZNo 336 -1. 710 0. 619 -3. 707 -0. 494

表 2 四家医药上市公司的技术能力类型

公司名称

技术能力

指标

观测数 均值 方差 最小值 最大值 技术能力类型 业务领域

金陵药业 ZNw 10 -0. 784 0. 392 -1. 233 0. 048

ZNo 10 0. 732 0. 053 0. 628 0. 803

二元Ⅰ型 化学制药、 中成药、

医疗服务

安科生物 ZNw 10 1. 284 0. 131 1. 063 1. 451

ZNo 10 0. 526 0. 128 0. 328 0. 691

探索

导向型

生物制药、 化学制药、

中成药

华兰生物 ZNw 10 -0. 170 0. 598 -1. 163 0. 734

ZNo 10 -0. 041 0. 714 -1. 442 0. 608

利用

导向型

生物制药

新和成 ZNw 10 1. 264 0. 285 0. 848 1. 645

ZNo 10 -2. 455 0. 346 -3. 334 -2. 231

二元Ⅱ型 化学制药、 生物制药、

原料药

资料来源: 技术能力指标根据国家知识产权局网站公开数据计算整理得到, 业务涵盖领域根据各上市公司年报整理获得。

所有企业案例数据搜集截至 2020 年底, 数据来源包括公司网站、 CSMAR、 国家知识产权局网站公开

数据、 知网研究文献、 公司年报、 券商报告、 百度、 新浪等。 本文通过比较和验证不同渠道来源资料

以确保最终研究材料尽可能符合案例企业实际情况, 从而保障案例研究的真实性与严谨性。 本文搜集

了各案例企业上千条信息, 通过数据清洗、 剔除无效数据等步骤, 提炼出不同技术能力类型的具体

内容。

三、 案例分析

(一) 案例概况

金陵药业是国务院国有资产监督管理委员会控股的南京市医药上市企业, 拥有医药和医疗康养两个

产业平台, 生产脉络宁注射液、 速力菲等近百个中西药品。 金陵药业属于二元Ⅰ型企业, 如表 2 所示, 技

术宽度标准化均值为-0. 784, 反映弱技术探索能力, 企业技术重叠度标准化均值为 0. 732, 反映弱技术利

用能力。 如表 3 所示, 截至 2020 年底, 金陵药业专利申请数共 165 项, 技术领域主要集中在 A61K 和

70

第73页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

A61P, 与主营产品脉络宁注射液、 琥珀酸亚铁片等相关。 同期 A61K 和 A61P 有效专利总数分别为 125 609

和 106 510, 表明金陵药业在主要技术领域面临激烈竞争。

安科生物是国内最早从事基因工程药物研发生产的企业, 属于探索导向型企业。 如表 2 所示, 其技术

宽度标准化均值为 1. 284, 反映强技术探索能力, 企业技术重叠度标准化均值为 0. 526, 反映弱技术利用

能力。 截至 2020 年底, 安科生物专利申请数 582 项, 集中在遗传工程、 获得肽基因工程方法、 灌注封装

技术等专利项目。 主要技术领域为 C12Q、 A61K、 A61P、 C12N、 C07K、 G01N6。 比照同期同类技术领域

有效专利总数, 安科生物未能在任何技术领域超过 1‰, 表明企业面临激烈的行业竞争。

华兰生物长期聚焦于血液和疫苗制品的研发生产, 属于利用导向型企业。 如表 2 所示, 其技术宽度标

准化均值为-0. 17, 反映弱技术探索能力, 企业技术重叠度值为-0. 041, 反映强技术利用能力。 如表 3 所

示, 截至 2020 年底, 华兰生物专利申请数 308 项, 主要集中于 C07K、 B01D、 A61K、 A61P 技术领域。 比

照同期同类技术领域有效专利总数, 华兰生物在 C07K 领域占比达到 1. 6‰, 表明其在该领域拥有一定技

术竞争力。

新和成是一家从事营养品、 香精香料、 高分子新材料生产和销售的高新技术企业, 属于二元Ⅱ型企

业。 如表 2 所示, 技术宽度标准化均值为 1. 264, 反映强技术探索能力, 企业技术重叠度标准均值为

-2. 455, 反映强技术利用能力。 截至 2020 年底, 新和成公司专利申请数 862 项, 主要集中在 C07C、

B01J、 C07D、 B01D、 A61K、 A61P、 C12P 技术领域。 比照同期同类技术领域有效专利总数, 企业在

C07C 和 B01J 技术领域占比分别达到 4. 7‰和 1‰, 表明其在多个技术领域拥有一定竞争力。

表 3 四家医药上市公司技术能力类型数据概况 (截至 2020 年底)

公司名称 技术能力类型 主要技术领域数量 专利申请总数 主要技术领域竞争力

金陵药业 二元Ⅰ型 2 个 (A61P、 A61K) 165 弱

安科生物 探索导向型 6 个 (C12Q、 A61K、 A61P、 C12N、 C07K、 G01N6) 582 弱

华兰生物 利用导向型 4 个 (C07K、 B01D、 A61K、 A61P) 308 强 (C07K)

新和成 二元Ⅱ型 7 个 (C07C、 B01J、 C07D、 B01D、 A61K、 A61P、 C12P) 862 强 (C07C、 B01J)

注: 主要技术领域数量指专利申请数大于等于 20 的 IPC 小类数量。 主要技术领域竞争力是通过公司主要技术领域专利申请数占同期全

行业该技术领域专利总数得出, 有主要技术领域大于 1‰的为强, 没有任何技术领域大于 1‰的为弱。

数据来源: 国家知识产权局网站公开数据计算整理得到。

(二) 跨案例分析

1. 技术体制分析

首先考察知识累积性。 二元Ⅰ型企业金陵药业的主产品有脉络宁注射液 (用于血栓治疗)、 香菇多糖

注射液 (用于恶性肿瘤辅助治疗) 等。 其技术相对独立, 在研科技项目多以仿制药为主, 体现了低知识

累积性特点。 探索导向型企业安科生物的主要产品包括生物制品、 核酸检测产品、 多肽药物等多个产业

领域, 在研项目涉及生物制品、 体外诊断试剂、 化药分类等多个医学注册分类, 技术类型间相对独立,

知识累积性低。 利用导向型企业华兰生物的产品主要有血液制品、 疫苗制品、 创新药和生物类似药。 血

液制品涵盖 11 个品种, 疫苗类药物包括流感病毒裂解疫苗、 甲型 H1N1 流感病毒裂解疫苗等, 已有产品

间体现出强技术关联和高知识累积特征。 公司持续在血液制品生产工艺、 基因重组及单克隆药物等领域

进行开发, 新产品的研发投入反映出高知识累积特征。 新和成的产品覆盖营养品、 香精香料和高分子新

材料等, 大类产品间关联不大, 但是大类产品内部品种丰富, 知识累积性高。 高分子新材料产品是新和

成公司近年来新开发品类, 与原有产品知识相对独立, 知识累积性低。 二元Ⅱ型企业新和成在进行高分

子聚合物大产品及关键中间体的技术研发时, 提升已有产品质量和工艺, 研发投入兼具高知识累积性和

低知识累积性的特征。

71

第74页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

其次考察独占性机制。 专利是医药企业主要独占性机制之一。 如表 3 所示, 新和成公司、 安科生物和

华兰生物有较高的专利申请数量, 金陵药业专利申请总数最低, 未能形成强独占机制。 知识累积形成的

创新壁垒是另一个考察因素, 技术创新有 “时间压缩不经济” 的特征[40]

。 华兰生物和新和成在特定技术

领域累积的知识形成了高进入壁垒, 提升了企业从创新中盈利的能力。 独占性机制还体现在企业对互补

资产和产业链上下游的控制上。 华兰生物主营血液制品具有极高行业壁垒。 2001 年起, 中国不再批准新

的血液制品生产企业。 华兰生物在全国控制单采血浆站 25 家, 意味着公司能够利用采血站和营销渠道等

重要的专用资产, 以较低成本将研发成果迅速推向市场, 形成先发优势并从中获利, 实现了采血、 研发、

生产和销售的全产业链强控制, 形成了创新的强独占机制。 新和成公司在全球精细化工行业中累积了良

好的市场口碑和荣誉, 在维生素、 香料产品等多个细分领域有较强市场优势, 成为公司技术创新的重要

独占性机制。 安科生物虽然有较多专利申请, 但是未能构成产品进入壁垒, 产品面临激烈的市场竞争,

企业对产业链上下游的控制能力较弱, 未能形成强独占性机制。

2. 研发活动分析

研发强度指企业研发投入在销售收入中的比重。 相比二元Ⅰ型, 其他类型的企业有更高研发强度。

截至 2020 年, 金陵药业历年研发强度均低于其他三家企业。 安科生物的高研发强度证实了关于产品多样

性和研发强度间呈显著正相关的讨论, 华兰生物和新和成的高研发强度与强独占性机制密切相关, 华兰

生物稳定独占的采血站和强销售能力是将其研发产出转化为企业收益的重要互补资产, 新和成在多个细

分领域的强市场优势是其将研发成果转化为企业收益的强互补资产。 金陵药业缺乏在创新中获益的强互

补资产或专属机制, 在创新中获益的不确定性大, 从而影响了企业研发投入意愿, 在选择研发方向时会

更重视研发风险而非技术机会。 如金陵药业在 2017 年年报中强调, 公司会谨慎选择研发项目, 优化研发

格局和层次, 集中力量推进重点研发项目的进度, 最大限度控制研发风险。

根据弗里曼和苏特 (2004) 对企业技术创新战略的分类[41]

, 考察不同技术能力类型企业的技术战

略。 二元Ⅰ型企业金陵药业采用模仿型技术战略, 获得领先企业知识溢出是其获取知识的主要渠道。 公

司研发重点是仿制药, 对开发创新药十分谨慎。 技术探索导向企业安科生物采用主动模仿型战略, 公司

通过并购或自主研发等方式获得相关产品的核心技术, 涉足多肽类生物制药领域、 基因测序技术领域、

现代中药以及创新化学药等领域。 利用导向型企业华兰生物采用防守型战略, 力求巩固已有领域技术和

市场地位, 公司持续加快已有血液制品领域新产品的研发和注册工作。 二元Ⅱ型企业新和成采用进攻型

战略。 进攻型战略是竞争领先者通过推出新产品以获得技术和市场优势的战略。 新和成在 C07C、 B01J 等

技术领域拥有明显优势, 并持续追求超临界反应等领域的技术突破和领先。 通过新技术开发、 已有技术

新场景应用扩大、 行业共性技术和关键性技术研发等举措, 提升识别和利用技术的能力, 支撑其实施进

攻型技术战略。

3. 产品分析

产品关联指产品在生产技术和工艺、 要素投入、 生产环境、 市场需求的相似程度[42]

。 从产品关联看,

二元Ⅰ型企业金陵药业生产的脉络宁注射液、 速力菲、 香菇多糖注射液等产品关联度低, 新产品开发主

要考虑市场需求, 技术多以仿制为主。 探索导向型企业安科生物生产的生物制品、 核酸检测产品、 多肽

药物等产品间关联度较低。 利用导向型企业华兰生物生产的血液制品和疫苗制品体现出了强技术关联。

新和成生产的营养品、 香精香料和高分子新材料等大类产品间关联度不大, 大类产品内部品种关联性

高。 从产品生命周期看, 二元Ⅰ型企业金陵药业的重点产品如心脑血管药物、 补铁剂、 胃药等领域均

处于产品成熟期, 市场竞争激烈。 探索导向型企业安科生物是国内最早探索基因工程药物的企业, 生

物制品新剂型开发、 抗体药物研究转化、 肿瘤靶向基因治疗等细分领域正处于产品导入期。 利用导向

型企业华兰生物主营血液制品, 其所处行业已步入成熟期, 行业集中度高。 目前中生集团、 华兰生物、

上海莱士和泰邦生物四家企业的采浆量总和占全国采浆量的 50%以上, 竞争重点在提升产品质量和安

全性。 华兰生物另一主要业务疫苗制品处于成长期, 疫苗产业链的研发和生产端不断涌现出新企业。

72

第75页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

二元Ⅱ型企业新和成主营食品添加剂和香精香料, 这两类产品正步入成熟期。 近年来, 中国食品添加

剂市场年平均增长率约 7%, 香精香料行业也由原来的高速成长步入成熟期, 行业年均增长率为 3% ~

5%。 新和成从事的新材料产业处于由导入期向成长期转变过程中, 新材料产业是发展新兴产业的先

导, 目前中国高分子新材料产业关键产品依赖进口, 预计到 2025 年国内高分子新材料市场规模将达到

1. 2 万亿元, 属于高成长性行业。

四、 讨论与启示

(一) 进一步讨论与命题

跨案例比较有利于激发可能的共性分析。 本文通过总结四家医药上市公司在技术体制、 研发活动和

产品三要素上呈现出的不同特征, 初步验证了四种技术能力分类的有效性。 技术能力的形成与学习方式

密切相关, “探索-利用” 视角下技术能力与二元学习融合在一起, 二元学习是组织构建技术能力的核心

方式, 探索和利用活动构成了技术探索能力和技术利用能力的重要基础。 技术能力分类体现了企业通过

不同技术能力累积和平衡以应对短期与长期、 生存与发展、 效率与柔性等一般性问题。 如表 4 所示。

表 4 四种技术能力的维度特征比较

技术能力类型 技术能力特征 案例公司 技术体制 研发活动 产品

二元Ⅰ型 低技术探索能力和低

技术利用能力

金陵药业 低知识累积性; 未形成

强独占性机制

弱研发强度; 模仿型技

术战略

低产品关联度; 产品成熟

到衰退期

探索导向型 高技术探索能力和低

技术利用能力

安科生物 低知识累积性; 未形成

强独占性机制

高研发强度; 主动模仿

型技术战略

低产品关联度; 产品导入

到成长期

利用导向型 低技术探索能力和高

技术利用能力

华兰生物 高知识累积性; 强独占

性机制

高研发强度; 防守型技

术战略

强产品关联度; 产品成长

到成熟期

二元Ⅱ型 高技术探索能力和高

技术利用能力

新和成 高知识累积性; 强独占

性机制

高研发强度; 进攻型技

术战略

品类间低关联度、 品类内

高关联度; 技术迭代期

1. 技术体制要素讨论

技术体制体现了企业的特定创新模式、 知识性质与来源等方面。 知识累积性指技术探索过程中 “成

功孕育成功” 的程度, 是随机过程中以历史成果为条件实现未来成功的可能性。 高累积性意味着新知识

的产生高度依赖于原有知识, 低累积性意味着新知识的产生相对独立于已有知识。 因此, 知识累积性反

映了新知识来源于已掌握知识的程度, 构成了探索或利用性活动的重要特征。 案例分析证实了技术利用

导向型和二元Ⅱ型企业具有知识高累积性特征, 二元Ⅰ型和技术探索导向型企业具有低累积性特征。 根

据马奇 (1991) 的研究, 利用性活动是对已知事物的开发与应用, 是现有知识、 能力的提炼与拓展[15]

利用导向型和二元Ⅱ型企业在特定领域内长期积累知识, 这种积累来源于产品改进升级过程中的专有知

识, 此类利用已有知识发展出来的内生型技术具有高知识累积性特点。 探索导向型企业脱离原有知识,

在开发新产品过程中产生能力, 具有低累积性特点。 二元Ⅰ型企业在特定领域获取知识的能力比较弱,

知识累积水平不高。

独占性机制指企业从创新中获利的能力, 包括知识产权制度、 商业秘密、 持续学习、 对技术及服务

的控制, 对生产链上下游必要投入的控制等[43]

。 强独占性机制意味着企业能有效抵御模仿者的竞争威胁

并从创新中获利。 利用导向型和二元Ⅱ型企业在特定领域形成了高独占性机制, 专业知识累积形成高进

入壁垒, 以及对产业链上下游的强控制能力。 如华兰生物累积的血液制品技术知识、 高行业准入门槛、

强采血能力和对销售渠道的强有力控制共同构成了企业创新产品转化为利润的强独占性机制。 强独占性

机制提升了企业从创新中获利的可能性, 强化了企业进行技术创新的动机, 使企业逐渐在特定领域累积

73

第76页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

起更高的技术利用能力。 反之, 探索导向型企业更关注多领域知识探索, 在有限的资源约束下其独占性

机制相对较弱。 二元Ⅰ型企业受限于产业链分工而仅有较少知识基础, 未能形成强独占性机制。

综上, 本文提出命题 1: 知识累积性和独占性机制共同构成了观察技术能力类型的技术体制特征, 二

元Ⅱ型和利用导向型企业拥有高知识累积性和强独占性机制, 二元Ⅰ型和探索导向型企业具有低知识累

积性和弱独占性机制特征。

2. 研发要素讨论

研发强度把二元Ⅰ型企业和其他类型企业区分开来。 探索导向型企业的高研发强度源于产品和技术

多样化, 这一点已被文献验证, 产品和技术的多样性与研发强度间存在显著正相关关系[44]

。 利用导向型

企业的高研发强度来自从创新中获利的强预期, 这种强预期与企业已有的强独占性密切关联。 二元Ⅱ型

企业兼具探索导向型企业和利用导向型企业的特征, 在不同技术领域有不同水平的高强度研发投入。 相

比之下, 有限的知识基础与弱互补能力限制了二元Ⅰ型企业的研发动力, 正如金陵药业更重视研发带来

的风险而非机遇, 表现出弱研发强度特征。

技术战略进一步将不同技术能力类型的企业区分开来。 探索导向型企业借助较宽的知识基础和对技

术机会的强判断能力, 更可能抓住机会, 更乐意主动进行技术创新, 属于积极模仿型技术战略。 例如,

安科生物持续通过并购或自主研发获得多肽类生物制药领域和基因测序技术领域的产品核心技术。 利用

导向型企业倾向于在已有领域深耕, 在特定技术领域有高知识积累, 不断巩固专业领域竞争地位, 属于

防守型战略。 例如, 华兰生物不断升级血液制品和疫苗制品领域的生产工艺技术。 二元Ⅱ型企业通过强

研发投入和抢先利用技术机会以获得竞争优势, 属于进攻型技术战略。 企业既要探索新技术领域以保持

战略弹性, 又要深耕已有领域以确保产品竞争优势, 如新和成在香精香料和维生素类饲料添加剂等传统

优势领域, 以及高分子新材料等新领域同时推进研发投资。 二元Ⅰ型企业面临强竞争与较小知识基础,

技术变革来自客户和供应商的压力或技术溢出, 缺乏主动技术改进, 对开拓新技术十分谨慎, 属于模仿

型技术战略。

综上, 本文提出命题 2: 研发强度和技术战略共同构成了观察技术能力类型的研发特征。 二元Ⅱ型、

利用导向型和探索导向型企业有高研发强度特征, 二元Ⅰ型有低研发强度特征。 二元Ⅱ型企业采用进攻

型战略, 利用导向型企业采用防守型战略, 探索导向型企业采用积极模仿型战略, 二元Ⅰ型企业采用模

仿性技术战略。

3. 产品要素讨论

企业技术能力最终通过产品实现价值, 从产品视角观察企业技术能力尤为重要。 产品关联是不同技

术能力类型在企业内产品关系上的映射, 反映了 “探索-利用” 视角下不同类型技术能力的演化结果。 产

品组合的高度关联性体现了在同一产品领域深度开发过程中形成的技术利用导向, 产品组合的低关联性

则反映了在不同产品领域探索过程中形成的技术探索导向。 企业主动回应外部环境的扰动, 在新产品开

发过程中形成对新领域技术的理解。 外部环境扰动具有高度不确定性, 因此新产品与原有产品关联性也

不确定。 二元Ⅰ型企业主要复制或二次研发其他企业已有技术, 企业对产品的选择更重视市场的接受程

度而非技术能力的扩展, 新开发产品与原有产品间同样是不确定和低关联的。 二元Ⅱ型企业在大类产品

领域内体现出高产品关联度。

产品生命周期包括导入期、 成长期、 成熟期和衰退期四个阶段[45]

, 不同阶段产品的生产具有不同技

术要求。 产品生命周期构成了技术能力形成和转化的市场条件。 参考陈久美和刘志迎 (2018)

[46] 的研

究, 产品导入期与探索导向型企业密切相关, 导入期内新产品未形成主导设计, 用户-生产者互动比较有

限, 强技术探索能力能够适应产品导入期对技术的要求, 安科生物对基因工程药物领域的早期探索是一

个例证。 产品成长期与利用导向型企业密切相关, 随着产品主导设计形成, 用户-生产者互动增强, 产品

市场潜力进一步显现, 企业技术能力发展进入利用导向阶段。 企业通过特定产品领域的技术积累和改进,

提高产品性能, 降低产品成本, 兑现技术价值。 华兰生物血液制品和疫苗产品处于这一阶段。 产品成熟

74

第77页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

期和衰退期与二元Ⅰ型企业密切相关, 此阶段用户-生产者互动充分, 产品市场潜力完全显现, 产品性

能提升空间不大, 创新收益持续下降, 二元Ⅰ型企业通过模仿复制成熟技术能力来承接该类产品生产,

金陵药业从事的心脑血管、 补铁剂、 胃药等产品处于这一阶段。 二元Ⅱ型企业一方面在产品代际切换

时发挥作用, 通过技术探索适时推出新产品, 另一方面通过技术创新持续改进现有产品, 获取最大化

利润。

综上, 本文提出命题 3: 产品关联和产品生命周期共同构成了观察技术能力类型的产品特征。 利用导

向型和二元Ⅱ型企业具有高产品关联特征, 探索导向型和二元Ⅰ型企业具有低产品关联特征。 产品导入

期与探索导向型企业密切相关, 产品成长期与利用导向型企业密切相关, 产品成熟与衰退期与二元Ⅰ型

企业密切相关, 二元Ⅱ型企业在产品代际切换时发挥作用。

(二) 启示

本文从 “探索-利用” 视角对企业技术能力进行分类, 并使用跨案例分析方法, 整合技术体制、 研发

活动和产品要素提出了技术能力分类特征的三个命题, 如图 3 所示。 本文提出了探索导向型、 利用导向

型、 二元Ⅰ型、 二元Ⅱ型四种技术能力分类, 是在已有知识学习和动态能力视角下对技术能力分类的进

一步发展。 “探索-利用” 视角下的分类较为全面地描述了企业应对动态环境、 保持可持续性发展所需的

技术能力, 通过技术体制、 研发和产品维度特征相互印证, 系统地提供了单个测量维度所不具备的技术

能力整体特征。

(ffi

ffi*

P 5







*

2



P-@2/

-



 =Effi

E

 ffi Jffi &ffi =Effi 

ffi

图 3 “探索-利用” 视角下企业技术能力分类特征

管理启示方面, 本文提出的技术能力分类为企业获得异质性技术能力累积, 应对短期与长期、 生存

与发展、 效率与柔性等一般性问题提供了分析工具。 企业一方面可以通过技术探索能力和技术利用能力

判断企业技术能力类型, 另一方面可从技术体制、 研发和产品特性三方面系统性地理解企业技术能力转

型升级的路径。 例如, 技术利用导向企业在产品成长期和成熟期条件下, 可以依靠持续工艺改进提升产

品效率, 通过高知识积累强化对产业链上下游的控制, 强化从创新中获利的能力, 服务企业的防守型技

术战略。 技术探索导向企业在新产品导入期, 可以通过产品创新强化对新技术机会的识别和把握, 服务

75

第78页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

企业的积极模仿技术战略。 二元Ⅱ型企业在新老产品更替阶段, 可以通过产品创新把握主导技术更替机

会, 避免跌入能力僵化陷阱, 服务进攻型技术战略。

本文的不足之处在于使用技术宽度和技术重叠度测量的方法主要适用于以专利为技术轨迹决定因素

的行业, 例如制药产业。 参考帕维特 (Pavitt, 1984)

[47] 产业分类和朱正浩等 (2021)

[36] 对企业技术生

态位分类的研究成果, 适用行业还包括以科学为基础的产业、 专业化供应商以及规模密集型产业, 不适

用以供应商主导性行业。 此外, 尽管通过跨案例研究发展理论有着不可替代的优势, 但潜在概化问题也

同样值得重视。 本研究概括的技术能力类型, 未来需要更多质性和实证研究来加以检验。

参考文献:

[1]AFUAH A. Mapping technological capabilities into product markets and competitive advantage: the case of cholesterol drugs[J]. Strategic Management Journal, 2002, 23(2): 171-179.

[2]MORRISON A, PIETROBELLI C, RABELLOTTI R. Global value chains and technological capabilities: a framework to study learning and innovation in developing countries[J]. Oxford Development Studies, 2008, 36(1): 39-58.

[3]PARK J H, CHUNG H, KIM K H, et al. The impact of technological capability on financial performance in the semiconductor industry[ J].

Sustainability, 2021, 13(2): 489.

[4]KIM L. Building technological capability for industrialization: analytical frameworks and Korea?s experience [ J]. Industrial and Corporate

Change, 1999, 8(1): 111-136.

[5]赵晓庆,许庆瑞. 企业技术能力演化的轨迹[J]. 科研管理,2002(1):70-76.

[6]刘海兵,杨磊,许庆瑞. 后发企业技术创新能力路径如何演化? ———基于华为公司 1987- 2018 年的纵向案例研究[ J]. 科学学研究,

2020,38(6):1096-1107.

[7]BHAVANI T A. Towards developing an analytical framework to study technological change in the small units of the developing nations[ Z].

Working Paper Series No. E/ 216 / 2001, 2001.

[8]DI BENEDETTO C A, DESARBO W S, SONG M. Strategic capabilities and radical innovation: an empirical study in three countries[J]. IEEE

Transactions on Engineering Management, 2008, 55(3): 420-433.

[9]魏江,王铜安,刘锦. 企业技术能力的要素与评价的实证研究[J]. 研究与发展管理,2008(3):39-45.

[10]胡振亚. 论企业的技术能力及其形成机制[J]. 科学管理研究,2016,34(3):76-79.

[11]DUBEY R, GUNASEKARAN A, CHILDE S J. Big data analytics capability in supply chain agility: the moderating effect of organizational

flexibility[J]. Management Decision, 2019, 57(8): 2092-2112.

[12]LEONARD-BARTON D. Wellsprings of knowledge: building and sustaining the source of innovation[M]. Boston, MA: Harvard Business

School Press, 1995.

[13]PEERALLY J A, SANTIAGO F, DE FUENTES C, et al. Towards a firm-level technological capability framework to endorse and actualize the

Fourth Industrial Revolution in developing countries[J]. Research Policy, 2022, 51(10): 104563.

[14]GARCÍA-MUIÑA F E, NAVAS-L?PEZ J E. Explaining and measuring success in new business: the effect of technological capabilities on firm

results[J]. Technovation, 2007, 27(1 / 2): 30-46.

[15]MARCH J G. Exploration and exploitation in organizational learning[J]. Organization Science, 1991, 2(1): 71-87.

[16]GUPTA A K, SMITH K G, SHALLEY C E. The interplay between exploration and exploitation[J]. Academy of Management Journal, 2006,

49(4): 693-706.

[17]詹湘东,谢富纪. 外部知识网络与企业技术能力:知识距离的调节作用[J]. 科学学与科学技术管理,2019,40(4):76-93.

[18]BELL M, PAVITT K. The development of technological capabilities[R] / / UL HAQUE I, BELL M, DAHLMAN C, et al. Trade, technology

and international competitiveness. Washington, DC: World Bank, 1995: 67-101.

[19]COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly,

1990, 35(1): 128-152.

[20]NONAKA I, TAKEUCHI H. The knowledge-creating company: how Japanese companies create the dynamics of innovation[M]. New York:

Oxford University Press, 1995.

[21]ROSENKOPF L, NERKAR A. Beyond local search: boundary-spanning, exploration, and impact in the optical disk industry[ J]. Strategic

Management Journal, 2001, 22(4): 287-306.

[22]WINTER S G. Understanding dynamic capabilities[J]. Strategic Management Journal, 2003, 24(10): 991-995.

76

第79页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

[23]WIGGINS R R, RUEFLI T W. Schumpeter?s ghost: is hypercompetition making the best of times shorter? [J]. Strategic Management Journal,

2005, 26(10): 887-911.

[24]LEVINTHAL D A, MARCH J G. The myopia of learning[J]. Strategic Management Journal, 1993, 14(S2): 95-112.

[25]ZHOU K Z, WU F. Technological capability, strategic flexibility, and product innovation[J]. Strategic Management Journal, 2010, 31(5):

547-561.

[26]NELSON R R, WINTER S G. An evolutionary theory of economic change[M]. Cambridge, MA: Belknap Press, 1982.

[27]WU S M, DING X H, LIU R H, et al. How does IT capability affect open innovation performance? The mediating effect of absorptive capacity

[J]. European Journal of Innovation Management, 2021, 24(1): 43-65.

[28]O?REILLY C A, TUSHMAN M L. Organizational ambidexterity in action: how managers explore and exploit[J]. California Management Review, 2011, 53(4): 5-22.

[29]HELFAT C E, FINKELSTEIN S, MITCHELL W, et al. Dynamic capabilities: understanding strategic change in organizations[M]. Malden,

MA: Wiley, 2007.

[30]尹丽萍. 技术范式转变视角下的企业动态能力———基于战略过程维度的研究[J]. 首都经济贸易大学学报,2009,10(2):37-42.

[31]DOTY D H, GLICK W H. Typologies as a unique form of theory building: toward improved understanding and modeling[J]. Academy of Management Review, 1994, 19(2): 230-251.

[32]KIM J, LEE C Y, CHO Y. Technological diversification, core-technology competence, and firm growth[J]. Research Policy, 2016, 45(1):

113-124.

[33]PAN X, CHEN X J, NING L T. Exploitative technological diversification, environmental contexts, and firm performance[ J]. Management

Decision, 2018, 56(7): 1613-1629.

[34]PRENCIPE A. Breadth and depth of technological capabilities in CoPS: the case of the aircraft engine control system[ J]. Research Policy,

2000, 29(7 / 8): 895-911.

[35]TRAJTENBERG M, HENDERSON R, JAFFE A. University versus corporate patents: a window on the basicness of invention[J]. Economics

of Innovation and New Technology, 1997, 5(1): 19-50.

[36]朱正浩,戚聿东,赵志栋. 技术生态位对企业绩效的影响研究:技术宽度和技术重叠度整合视角[J]. 南方经济,2021(4):86-105.

[37]STUART T E, PODOLNY J M. Local search and the evolution of technological capabilities[ J]. Strategic Management Journal, 1996, 17

(S1): 21-38.

[38]PIANKA E R. Ecology of the agamid lizard Amphibolurus isolepis in Western Australia[J]. Copeia, 1971, 3: 527-536.

[39]SIGGELKOW N. Persuasion with case studies[J]. Academy of Management Journal, 2007, 50(1): 20-24.

[40]DIERICKX I, COOL K. Asset stock accumulation and sustainability of competitive advantage[ J]. Management Science, 1989, 35( 12):

1504-1511.

[41]弗里曼,苏特. 工业创新经济学:第三版[M]. 华宏勋,华宏慈,译. 北京:北京大学出版社,2004.

[42]HIDALGO C A, KLINGER B, BARABA 8 1 S3I0ABCL3,7et al. The product space conditions the development of nations[J]. Science, 2007, 317

(5837): 482-487.

[ 43]TEECE D J. Profiting from technological innovation: implications for integration, collaboration, licensing and public policy[J]. Research Policy, 1986, 15(6): 285-305.

[44]HENDERSON R, COCKBURN I. Scale, scope, and spillovers: the determinants of research productivity in drug discovery[ J]. The Rand

Journal of Economics, 1996, 27(1): 32-59.

[45]RINK D R, SWAN J E. Product life cycle research: a literature review[J]. Journal of Business Research, 1979, 7(3): 219-242.

[46]陈久美,刘志迎. 基于产品生命周期的二元创新与商业模式动态匹配———多案例比较研究[ J]. 管理案例研究与评论,2018,11(6):

592-611.

[47]PAVITT K. Sectoral patterns of technical change: towards a taxonomy and a theory[J]. Research Policy, 1984, 13(6): 343-373.

77

第80页

2023 年第 5 期 朱正浩, 戚聿东: “探索-利用” 视角下企业技术能力分类建构与案例研究

Type Construction and Case Study of Firm?s Technological

Capability Under the View of ‘Exploration-Exploitation’

ZHU Zhenghao

1

, QI Yudong

2

(1. Nanjing Vocational University of Industry Technology, Nanjing 210023;

2. Beijing Normal University, Beijing 100875)

Abstract:Technological capability (TC) refers to a firm?s ability to combine or reorganize product components

and establish connections between product components,methods,processes,and technologies using specific technical

resources such as patents,databases,engineering design,and skilled engineers. TC is one of the most important resources for a firm to develop new products,improve financial performance,and maintain a sustainable competitive

advantage. Facing a rapidly changing environment,firms should not only focus on accumulating capabilities that

support product renewal and efficiency improvement under the existing technology trail but also explore knowledge

that adapts to technological change. Therefore,ambidextrous technological capability is needed to maintain the sustainable success of firms.

Building on the work of Garcia-Muina et al., who classify TC into technological exploratory capabilities and

technological exploitative capabilities,we present a two-dimensional TC analysis framework and divide TC into four

categories: exploration-oriented, exploitation-oriented, ambidextrous mode I,and ambidextrous mode II. Based on

the data analysis of 2011-2020 panel data from 255 listed pharmaceutical firms in China,we summarize the characteristics of different types of TC by conducting a cross-case study of four listed firms,including JINLIN PHARMACEUTICAL,ANKEBIO,HUALAN BIO,and NHU,from the dimensions of technological regime,R&D activities,and

products.

We put forward three propositions. Proposition 1:A firm?s degree of knowledge accumulation and appropriability together constitute the characteristics of the technological regime in observing TC type. Compared to explorationoriented and ambidextrous mode I firms,ambidextrous mode II and exploitation-oriented firms have a higher level of

knowledge accumulation and a strong appropriation mechanism. Proposition 2:A firm?s degree of R&D intensity and

technology strategy together constitute the characteristics of R&D in observing TC type. Compared to ambidextrous

mode I firms,others have a higher R&D intensity. Regarding technology strategy,ambidextrous mode II firms adopt

an offensive strategy,exploitation-oriented firms take a dependent strategy,exploration-oriented firms take an opportunistic strategy,and ambidextrous mode I firms take an imitative strategy. Proposition 3:Product relatedness and

product life cycle together constitute the product characteristics of TC type. Ambidextrous mode II and exploitationoriented firms have a high level of product relatedness,while exploration-oriented and ambidextrous mode I firms

have a low level of product relatedness. The introduction stage is closely related to the exploration-oriented firms,

the growth stage is closely related to the exploitation-oriented firms,and the maturity and decline stages are closely

related to the ambidextrous mode I firms. The ambidextrous mode II firms play an essential role in generation upgrade.

Keywords: technological capability; technological exploration; technological exploitation; technological regime; R&D; product

(责任编辑: 姚望春; 沈 娟)

78

第81页

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 006

服务机器人拟人化对酒店

顾客情感和交易意向的影响研究

宋潇潇1

, 李云鹏1

, 唐 悦2

, 谷慧敏3

(1. 首都经济贸易大学 工商管理学院, 北京 100070;

2. 北京第二外国语学院中瑞酒店管理学院, 北京 102601;

3. 北京第二外国语学院 旅游科学学院, 北京 100024)

收稿日期: 2022-07-12; 修回日期: 2022-09-26

作者简介: 宋潇潇 (1995—), 女, 首都经济贸易大学工商管理学院博士研究生; 李云鹏 (1971—), 男, 首都经济贸易大学工商管理

学院教授、 博士生导师, 通信作者; 唐悦 (1997—), 女, 北京第二外国语学院中瑞酒店管理学院辅导员; 谷慧敏 (1964—), 女, 北京第

二外国语学院旅游科学学院教授、 博士生导师。

摘 要: 基于恐怖谷理论和刻板印象内容模型, 选取酒店礼宾问询和前台入住接待两类不同的服务

场景, 通过三组实验研究, 探究机器人外观拟人化对情感型营销结果 (顾客-机器人依恋) 和交易型营销

结果 (顾客再次使用意向) 的影响机制以及边界条件。 研究结果表明, 相比于低机器人外观拟人化水平,

高拟人化水平更能够有效强化情感型营销结果, 即顾客-机器人依恋; 相比于低机器人外观拟人化水平,

高拟人化水平更能够强化顾客的温暖与能力感知; 进一步地, 机器人外观拟人化通过感知温暖的中介作

用影响顾客-机器人依恋和再次使用意向。 此外, 关系规范取向正向调节感知温暖对顾客-机器人依恋的

影响关系; 无论顾客的关系规范取向是情感导向还是交易导向, 感知温暖在机器人外观拟人化和顾客-机

器人依恋之间的中介效应均得到加强。 研究结论为酒店使用拟人化服务机器人重塑顾客体验提供了理论

依据。

关键词: 酒店; 机器人拟人化; 情感型-交易型营销结果; 感知温暖; 感知能力; 关系规范取向

中图分类号: F719. 2; F713. 5 文献标识码: A 文章编号: 1008-2700 (2023) 05-0079-16

一、 问题提出

近年来, 人工智能和自动化技术日新月异, 加之新型冠状病毒感染 (COVID-19) 风险显著改变了传

统酒店员工的对客服务方式, 无接触服务成为重要的服务模式[1-2]

。 越来越多的酒店引入服务机器人提供

无接触服务, 以提高服务质量和重塑顾客体验[3-5]

。 目前国内外酒店集团如万豪、 希尔顿、 华住等已经广

泛使用机器人完成送物、 送餐等服务。 然而, 机器人在酒店行业的应用也存在服务缺乏温度、 无法满足

顾客需求等问题。 什么样的机器人能够同时满足顾客对情感和交易功能的双重需求成为理论和实践中亟

须解决的问题。

拟人化是人机互动的前沿概念[6]

, 能够促进顾客与机器人的互动。 机器人外观作为拟人化的重要特

征之一, 对顾客使用机器人的情感体验和行为意向有重要影响。 在现实中, 机器人公司设计的机器人越

来越追求逼真, 如万科的首位数字化员工崔晓盼在相貌和声音上堪称完美[7]

, 英国的人形机器人阿梅卡

79

第82页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

(Ameca) 表情逼真, 号称 “世界上最先进的机器人”

[8]

。 研究也表明, 机器人拟人化能够积极影响顾客

感知和行为意向[9-10]

。 然而, 也有研究认为机器人拟人化可能会对人机互动产生负面影响[11]

。 其中, 恐

怖谷现象引起了学者们的广泛关注。 恐怖谷理论认为, 机器人的类人水平越高, 个体越会产生积极的反

应, 但是当机器人在接近但尚未能达到完全逼真的类人水平时, 个体的反应会突然从喜爱转变为反感[12]

可以看出, 对于不同水平的机器人拟人化如何影响个体反应这一问题, 现有研究结论尚未达成一致。 同

时, 大多数研究仅从单一维度聚焦顾客对机器人拟人化的情感反应或行为反应[13-15]

, 忽视了营销结果的

双重维度, 即情感型和交易型营销结果[16-17]

, 无法系统和连贯地为机器人拟人化对营销结果的影响作出

全面的解释。

作为个体感知的两个基本维度, 温暖和能力能够解释人际和群体间的社会认知[18-19]

。 大量服务管理

的研究探讨了顾客对服务提供者 (如员工) 的温暖和能力感知如何驱动服务结果[20-21]

。 随着智能技术不

断融入各类服务场景, 温暖和能力维度能否用于解释人机互动中顾客对机器人的反应这一问题引起了学

者和管理者们的广泛关注。 部分学者提出感知温暖和能力能够帮助解释顾客对机器人拟人化的反应的观

点[22-23]

。 然而, 也有研究表明, 拟人化仅能影响顾客对机器人的温暖感知, 并不能显著影响能力感

知[24]

。 可以看出, 现有关于感知温暖和能力在人机互动情境中作用的研究结论并未达成统一。 进一步地,

不同关系规范取向 (情感导向 vs. 交易导向) 的顾客对服务的关注点也存在差异, 情感导向的顾客更关注

服务氛围, 而交易导向的顾客更强调服务结果[25-26]

, 上述差异性会影响感知温暖和能力对情感型和交易

型营销结果的作用程度。 因此, 有必要深入探讨和检验感知温暖和能力的中介机制作用, 以及关系规范

取向的调节作用。

鉴于此, 本文以恐怖谷理论和刻板印象内容模型为理论基础, 探索机器人外观拟人化对情感型和交

易型营销结果的影响机制以及边界条件。 具体研究内容包含以下三个方面: 第一, 将机器人拟人化分为

高、 中、 低三个水平, 检验机器人拟人化对情感型营销结果 (顾客-机器人依恋) 和交易型营销结果 (再

次使用意向) 的影响; 第二, 探讨顾客对机器人拟人化的温暖和能力感知, 并进一步考察感知温暖和感

知能力的中介作用; 第三, 探讨顾客关系规范取向 (情感导向 vs. 交易导向) 的调节作用。

二、 理论基础与研究假设

(一) 机器人拟人化与情感-交易型顾客关系

拟人化是将人类的特征、 动机、 意图、 行为或情感等赋予真实或者想象的非人类实体 (如机器人、

计算机和动物) 的一种方式[27-29]

。 拟人化可以增加个体对机器人的自然反应, 促进人与机器人的社会互

动[27,30]

。 机器人外观是拟人化特征最直接的表征, 服务机器人可以是类人机器人, 也可以是非人形机器

人[31]

。 机器人外观拟人化主要指将人类的外观特征赋予机器人, 使机器人看起来更像人[32]

。 本文主要关

注机器人外观拟人化, 且强调顾客将服务机器人视为类人的程度。

情感型营销结果是一种关系纽带, 强调通过情感因素将顾客与其互动主体联系在一起, 可以通过顾

客-企业认同、 依恋和承诺等变量来测量[33-34]

。 顾客-机器人依恋主要指机器人在服务过程中为顾客带来

的情感体验, 以及由此而产生的情感联系, 反映了情感型营销结果。 因此, 本文使用顾客-机器人依恋来

测量情感型营销结果。 交易型营销结果主要指顾客与企业之间的交易纽带, 顾客更看重对方为自身带来

的利益, 通常使用购买意向、 数量和频率等指标进行测量[16,35]

。 在技术和信息化背景下, 再次使用意向

被定义为用户继续使用信息系统的意向[36]

, 反映了交易型营销结果。 因此, 本文使用再次使用意向衡量

交易型营销结果。

目前国内仅有少数研究从拟人化视角探讨服务机器人的相关研究内容[37-40]

。 这些研究为理解机器人

拟人化与顾客行为之间的关系提供了理论框架, 但仍有许多问题亟待探讨。 在研究主题上, 国内外大多

数研究关注单一维度的营销结果 (比如使用意向), 且现有关于机器人拟人化对营销结果影响的研究结论

不一致。 在研究情境上, 酒店和旅游行业是重要的机器人应用场景[39,41]

, 但现有研究对其挖掘尚不充分。

80

第83页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

综上, 探讨酒店消费情境下机器人外观拟人化对情感型和交易型营销结果的影响具有一定意义。

恐怖谷理论是应用于机器人拟人化研究领域的重要理论[42-43]

。 莫里 (Mori, 1970) 于 1970 年提出恐

怖谷理论, 他认为当类人机器人在接近但尚未能达到完全逼真的外观时, 个体的反应会在该临界点上突

然从喜爱转变为厌恶[12]

。 已有部分研究验证了恐怖谷理论的倒 U 型过程[41-42]

。 然而, 也有证据表明, 高

机器人拟人化水平并不一定总是带来消极结果。 高拟人化的机器人会因其可爱度和熟悉度而得到使用者

的青睐[44]

。 作为顾客与产品或品牌之间的纽带, 拟人化可以激发积极的顾客反应[45]

。 拟人化能够让顾客

在交流的过程中获得 “伙伴感” 和愉悦感, 从而形成顾客与产品或品牌之间的情感纽带, 强化顾客-品牌

关系[46]

。 相比机器外观的机器人, 个体对类人外观的机器人评价更积极, 会产生更大的接触欲望[47-48]

莫罗等 (Moro et al., 2018) 的研究表明, 具有表情和手臂手势的类人机器人能够显著提高人机互动过程

中个体的参与度和积极情感[49]

。 顾客-机器人依恋体现了个体的情感属性, 出于社会联系和互动的需求,

顾客更有可能与较高外观拟人化水平的机器人进行互动并产生积极的情感联系。 基于以上观点, 本文提

出以下假设:

H1a: 机器人外观拟人化水平 (高 vs. 中 vs. 低) 正向影响顾客-机器人依恋, 即高拟人化水平更能

够强化顾客-机器人依恋。

研究表明, 机器人拟人化对交易结果有正向影响[50]

。 顾客对机器人拟人化的感知会增加他们使用服

务机器人的意愿[51-52]

。 在高感知控制的条件下, 使用者更愿意使用高拟人化的人工智能服务代理[15]

。 张

仪和王永贵 (2022) 的研究表明, 高社会阶层的消费者更愿意使用外观拟人化水平较高的机器人[37]

。 较

高外观拟人化水平的机器人看起来更像人类, 顾客在使用中更容易感知到更多与人类特征和能力相匹配

的机器人属性。 基于个体的理性认知, 顾客会更愿意使用具备类人化特征的机器人以获得相应的使用价

值。 为了满足自身利益和需求, 顾客更愿意使用较高外观拟人化水平的机器人, 并更有可能产生再次使

用意向。 基于以上观点, 本文提出以下假设:

H1b: 机器人外观拟人化水平 (高 vs. 中 vs. 低) 正向影响顾客再次使用意向, 即高机器人外观拟人

化水平更能够强化顾客的再次使用意向。

(二) 感知温暖和感知能力的中介作用

根据刻板印象内容模型, 温暖和能力是个体对他人感知的两个基本维度[18-19,53]

。 温暖维度包括友好

的、 乐于助人的、 真诚的、 可信赖的和有道德的等体现善意的特征; 能力维度包括智能的、 富有技能的、

有创造力的和高效的等体现能力的特征[19]

。 当非人类实体具有类似人类的特征时, 个体会用温暖和能力

两个感知维度对其进行评价[23]

机器人外观拟人化可以增加顾客对机器人的温暖感知[24]

。 李等人 ( Lee et al., 2011) 的研究发现,

类人机器人和类动物机器人比类机器的机器人展现出更多与温暖相关的属性[54]

。 朱和常 (Zhu & Chang,

2020) 的研究发现, 拥有人形手的机器人厨师被认为更加温暖[55]

。 基于此, 本文提出以下假设:

H2a: 机器人外观拟人化水平 (高 vs. 中 vs. 低) 正向影响顾客的感知温暖, 即高拟人化水平更能够

强化顾客的感知温暖。

能力是个体对拟人化机器人感知的另一个重要维度。 机器人拟人化能够增加顾客的能力感知[9]

。 类

人外观的机器人比机器外观的机器人看起来更温暖和有能力[47]

。 与低拟人化水平的服务机器人相比, 高

拟人化水平的服务机器人更能提高顾客的感知服务胜任力[39]

。 基于此, 本文提出以下假设:

H2b: 机器人外观拟人化水平 (高 vs. 中 vs. 低) 正向影响顾客的感知能力, 即高拟人化水平更能够

强化顾客的感知能力。

感知温暖和能力可以影响个体的情绪并塑造其行为[56-57]

。 感知温暖能够驱动顾客-企业之间的情感关

系 (如顾客-企业认同和顾客-企业依恋)

[16]

。 使用者对机器人的温暖感知对情感价值和享乐价值有积极

影响[56,58]

。 顾客对机器人自动化社会临场感的温暖感知能够促进顾客参与和提高顾客满意度[59]

。 在人机

互动过程中, 更高水平的感知温暖是顾客对拟人化机器人的积极响应, 能够促进更积极的情感型营销结

81

第84页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

果的产生。 据此, 本文提出以下假设:

H3a: 感知温暖正向影响顾客-机器人依恋。

感知温暖能够加强顾客对机器人的再次使用意向[59]

。 感知温暖能够加强使用者对机器人的享乐价值

感知, 并进一步影响其使用意向[56]

。 酒店的产品和服务具有功能和娱乐双重属性, 感知温暖体现了娱乐

和情感属性, 是顾客行为意向的重要前因。 据此, 本文提出以下假设:

H3b: 感知温暖正向影响再次使用意向。

温暖和能力是个体对机器人行为偏好的重要预测因子[60]

。 使用者对机器人的能力感知正向影响享乐价

值、 情感价值和实用价值[56,58]

。 顾客对机器人自动化社会临场感的能力感知能够促进顾客参与和提高顾客满

意度[59]

。 以上研究结论表明, 感知能力对顾客的情感价值感知和评价具有一定的影响。 据此, 本文提出以

下假设:

H4a: 感知能力正向影响顾客-机器人依恋。

感知能力在驱动顾客-企业之间的交易关系方面 (如购买意愿) 占主导地位[16]

。 顾客对机器人自动

化社会临场感的能力感知能够影响顾客的再次使用意向[59]

。 使用者对机器人的能力感知能够加强享乐价

值和实用价值感知, 并进一步促使其使用意向[56]

。 以上研究结论为感知能力积极影响顾客的再次使用意

向提供了依据。 据此, 本文提出以下假设:

H4b: 感知能力正向影响再次使用意向。

感知温暖和感知能力是解释机器人拟人化与顾客响应之间关系的重要机制。 机器人拟人化通过增加

顾客的感知温暖间接影响预期服务质量[10]

。 机器人拟人化通过感知温暖和能力的链式中介作用正向影响

顾客对食物的质量预测[53]

。 拟人化机器人在服务失败后通过真诚的道歉增强感知温暖, 从而让顾客更加

满意[61]

。 基于以上讨论, 本文提出以下假设:

H5a: 感知温暖在机器人外观拟人化对顾客-机器人依恋和再次使用意向的影响中起中介作用。

通过传达更多的类人特征, 高拟人化的机器人能够有效激发顾客的积极感知, 并进一步影响顾客的情感

体验和行为意向。 在高控制感的条件下, 使用者期望高拟人化的人工智能服务代理表现更好, 并更喜欢高拟

人化的人工智能服务代理[15]

。 机器人拟人化通过服务胜任力的中介作用影响顾客的价值共创意愿[39]

。 机器

人拟人化能够提高顾客的能力感知, 并进一步影响预期服务质量[10]

。 基于以上讨论, 本文提出以下假设:

H5b: 感知能力在机器人外观拟人化对顾客-机器人依恋和再次使用意向的影响中起中介作用。

(三) 关系规范取向的调节作用

已有研究证实了顾客特征在技术使用行为中的重要边界作用[10,62]

。 服务过程由核心服务 (任务性)

和服务关系 (社会性) 两部分组成, 虽然两者都是服务评估的组成部分, 但不同顾客的消费目标可能存

在差异性[16,63-64]

。 关系规范取向趋于情感导向 (过程导向) 的顾客更关注服务传递的无形方面, 比如服

务氛围和互动过程, 体验感对他们来说很重要; 关系规范取向趋于交易导向 (结果导向) 的顾客更看重

服务能力、 结果和利益回报, 服务传递过程中完成任务对他们来说是特别重要的[25-26]

顾客的机器人服务体验受其关系规范取向的影响[65]

。 享乐价值导向的顾客更关注体验的享受性、 趣

味性和差异性[3]

。 感知温暖能够传达更多与情感相关的属性, 因此, 当顾客的关系规范取向趋向于情感

导向时, 较强的温暖感知更能引发积极的情感型营销结果; 相应地, 机器人外观拟人化通过提高顾客的

感知温暖增强情感型营销结果。 据此, 本文提出以下假设:

H6a: 感知温暖对顾客-机器人依恋的影响受关系规范取向的调节。 具体而言, 顾客的关系规范取向

越趋向于情感导向, 感知温暖对顾客-机器人依恋的影响越强。

H6b: 关系规范取向正向调节感知温暖的中介强度。 具体而言, 顾客的关系规范取向为情感导向时,

感知温暖在机器人外观拟人化和顾客-机器人依恋之间的中介效应得到加强。

功能价值导向的顾客更看重机器人的工作效率[3]

。 当顾客的关系规范取向为结果导向时, 感知能力

对交易型营销结果的影响得到加强[16]

。 感知能力更能体现服务的完成度, 当顾客的关系规范取向趋向于

82

第85页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

交易导向时, 较强的能力感知更能引发积极的交易型营销结果; 相应地, 机器人外观拟人化通过提高顾

客的感知能力增强交易型营销结果。 据此, 本文提出以下假设:

H7a: 感知能力对再次使用意向的影响受关系规范取向的调节。 具体而言, 顾客的关系规范取向越趋

向于交易导向, 感知能力对再次使用意向的影响越强。

H7b: 关系规范取向正向调节感知能力的中介强度。 具体而言, 顾客的关系规范取向为交易导向时,

感知能力在机器人外观拟人化和再次使用意向之间的中介效应得到加强。

(四) 理论模型

ffi >

!

UPWTWTU

-6

-#fl

2>8 Ufl

2>8 U

fl 9J3ffiU *

 9J3ffiUMffi 

ffi  M- 9J3ffi

)B)C

)B)C

)C

)B

)B

)B

)C )C

)C

)B

)B

)C

图 1 研究模型

本文的研究模型图如

图 1 所示。

三、 实验设计与结果

近年来, 越来越多的

酒店和旅游研究开始采用

实验法[66]

。 图片是最常使

用的实验材料[39,41]

, 也有

少量研究使用视频或真实

机器人作为实验材料[49,67]

图片情境模拟法的优点是

被试能够较快融入实验情

境并更直观地进行想象[37,68]

。 但是图片材料与真实情境存在一定差距, 无法完全反映真实的情境。 借鉴

已有文献[39,41] 的做法和考虑现实可行性, 本文采用基于图片情境的实验法。

(一) 实验一

实验一采用单因素三水平 (外观拟人化高 vs. 中 vs. 低) 的组间实验设计, 实验目的是检验机器人外

观拟人化水平对顾客-机器人依恋和再次使用意向的影响 (即检验 H1a 和 H1b)。 为了检验实验材料操控

的有效性, 正式实验之前, 本文进行了预实验。

1. 实验前测

预实验采取线上实验的方式。 线上实验能够节省调研成本、 提高效率, 更容易实现大规模的调查,

已被研究者广泛使用[69-70]

。 为了减少线上实验过程中一些干扰因素带来的不利影响, 除了机器人外观拟

人化水平不同, 图片的颜色、 文字、 背景、 清晰度等均完全一致, 最大程度地确保实验材料的一致性与

严谨性。 预实验采用图片+文字的情境实验方式, 实验材料设计如下:

“请您设想以下服务情景, 假如您正在 A 城旅游, 并入住 M 酒店。 您来到酒店前台, 请提供服务的礼

宾机器人推荐一家不错的当地餐厅。”

实验材料借鉴崔等人 (Choi et al., 2021)

[61] 的研究和日本海茵娜 (Henn-na) 机器人酒店。 被试被

随机分配到三个情境中 (高中低三种机器人外观拟人化水平) 的一个, 并在阅读完实验材料后回答以下

问题: 该服务机器人看起来像人或机器的程度 (1 =非常像机器, 更像一个物体; 5 = 非常像人类, 更像一

个人)。 因变量顾客-机器人依恋的测量条目改编自关图尔等 (Güntürkün et al., 2020)

[16] 的研究, 再次使

用意向测量条目改编自巴塔查吉 (Bhattacharjee, 2001)

[36] 以及李 (Lee, 2010)

[71] 的研究。 此外, 本文

将性别、 年龄、 受教育程度、 职业、 收入、 机器人使用经验、 COVID-19 和顾客相关知识作为控制变量。

预实验通过问卷星网站有偿招募被试, 105 名被试被随机分为三组, 被试需要对实验材料中的机器人

外观拟人化水平进行打分。 105 个样本中, 男性 51 人, 女性 54 人。 单因素方差分析结果显示, 拟人化水

平三个组间至少有两个组之间存在显著性差异 (M高拟人化

= 3. 657, M中拟人化

= 2. 543, M低拟人化

= 1. 971, F =

32. 986, P = 0. 000<0. 001)。 多重比较后发现, 拟人化水平在高和中两个组别 (P = 0. 000<0. 001)、 高和

83

第86页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

低两个组别 (P = 0. 000<0. 001)、 中和低两个组别 (P = 0. 008<0. 01) 中分别存在显著差异, 说明对自变

量的操控是有效的, 可以在此基础之上进行正式的实验研究。

2. 实验操纵与程序

实验一的操作流程与预实验保持一致。 实验一为线下实验, 样本为国内 A 高校在校学生。 受过高等

教育的年轻人 (18~35 岁) 是旅游和技术领域最具影响力的消费群体[70]

。 现有很多研究都证明了学生样

本的有效性[72-73]

。 此外, 控制学生样本处于同一环境具备可行性。 国内 A 高校的 96 名全日制在校学生参

与此次实验, 被试被随机分配到三个实验组中 (高、 中、 低拟人化组各 32 人), 并对实验材料中的机器

人外观拟人化水平进行打分。 为了最大程度保证实验样本的有效性, 在实验开始前课题组要求被试保证

此前未参与过相关的线上调研, 尽量避免预实验中的样本与实验一和实验二的样本重叠。

实验的有效样本量为 92 人 (高 31 人, 中 31 人, 低 30 人), 有效率为 95. 83%, 其中, 男性 43 人,

女性 49 人, 82. 61%的被试有过使用机器人的经验。 单因素方差分析结果发现, 拟人化水平三个组间至少

有两个组之间存在显著性差异 (M高拟人化

= 3. 806, M中拟人化

= 2. 419, M低拟人化

= 1. 733, F = 36. 951, P = 0. 000<

0. 001)。 多重比较后发现, 拟人化水平在高和中两个组别 (P = 0. 000<0. 001)、 高和低两个组别 (P =

0. 000<0. 001)、 中和低两个组别 (P = 0. 024<0. 05) 中分别存在显著差异, 说明自变量操纵是成功的。

3. 实验结果与讨论

研究结果显示, 拟人化水平三个组间至少有两个组之间在顾客 -机器人依恋 ( M高拟人化

= 3. 161,

M中拟人化

= 3. 008, M低拟人化

= 2. 500, F = 5. 285, P = 0. 007<0. 01) 上存在显著性差异, 而拟人化水平三个组

间在再次使用意向上无显著差异。 多重比较后发现, 高和低拟人化组在顾客-机器人依恋上存在显著差异

(P = 0. 010<0. 05), 高和中拟人化组 (P = 0. 768>0. 05)、 中和低拟人化组 (P = 0. 063>0. 05) 在顾客-机

器人依恋上均无显著差异。 H1a 得到验证, H1b 不成立。

实验一结果表明, 相比于低机器人外观拟人化水平, 高拟人化水平更能够有效强化情感型营销结果,

即顾客-机器人依恋, 但是机器人外观拟人化水平对再次使用意向的影响无显著差异。

(二) 实验二

实验二将探讨上述主效应的中介机制。 实验二的材料和程序与实验一保持一致, 同时加入感知温暖

和感知能力的测量, 实验目的是检验二者在主效应之间的中介作用 (即检验 H2a、 H2b、 H3a、 H3b、

H4a、 H4b、 H5a、 H5b)。 感知温暖和感知能力的测量条目主要来自贾德等 (Judd et al., 2005)

[74]

、 周等

人 (Zhou et al., 2019)

[75] 的研究。

1. 实验操纵与程序

实验二从国内 B 高校招募 93 名学生被试, 操作流程与实验一保持一致。 参与实验的被试被随机分配

到三个实验组中 (高、 中、 低拟人化组各 31 人), 并对实验材料中的机器人外观拟人化水平进行打分。

实验的有效样本量为 90 人 (高、 中、 低拟人化组各 30 人), 有效率为 96. 77%, 其中, 男性 34 人, 女性

56 人, 83. 33%的被试有使用机器人的经验。 单因素方差分析结果显示, 拟人化水平三个组间至少有两个

组之间存在显著性差异 ( M高拟人化

= 3. 767, M中拟人化

= 2. 667, M低拟人化

= 1. 500, F = 39. 205, P = 0. 000 <

0. 001)。 多重比较后发现, 拟人化水平在高和中两个组别 (P = 0. 000<0. 001)、 高和低两个组别 (P =

0. 000<0. 001)、 中和低两个组别 (P = 0. 000<0. 001) 中分别存在显著差异, 说明自变量操纵是成功的。

2. 实验结果与讨论

研究结果显示, 拟人化水平三个组间至少有两个组之间在感知温暖上存在显著性差异 (M高拟人化

=

3. 640, M中拟人化

= 3. 247, M低拟人化

= 2. 953, F = 6. 219, P = 0. 003<0. 01)。 多重比较后发现, 高和低拟人化

组在感知温暖上存在显著差异 (P = 0. 003<0. 01), 高和中拟人化组 (P = 0. 138>0. 05)、 中和低拟人化组

(P = 0. 329>0. 05) 在感知温暖上无显著差异。 因此, H2a 成立。 拟人化水平三个组间至少有两个组之间

在感知能力上存在显著性差异 (M高拟人化

= 3. 833, M中拟人化

= 3. 433, M低拟人化

= 3. 358, F = 5. 044, P = 0. 008

<0. 01)。 多重比较后发现, 高和低拟人化组在感知能力上存在显著差异 (P= 0. 016<0. 05), 高和中拟人化

84

第87页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

组 (P= 0. 050= 0. 05)、 中和低拟人化组 (P= 0. 897>0. 05) 在感知能力上无显著差异。 因此, H2b 成立。

对于主效应的检验, 实验二的结果与实验一的结果保持一致, 拟人化水平三个组间至少有两个组之

间在顾客-机器人依恋 (M高拟人化

= 3. 333, M中拟人化

= 2. 950, M低拟人化

= 2. 675, F = 5. 424, P = 0. 006<0. 01)

上存在显著性差异, 而拟人化水平三个组间在再次使用意向上无显著差异。 多重比较后发现, 高和低拟

人化组在顾客-机器人依恋上存在显著差异 (P = 0. 006<0. 01), 高和中拟人化组 (P = 0. 168>0. 05)、 中

和低拟人化组 (P = 0. 395>0. 05) 在顾客-机器人依恋上无显著差异。

采用软件 SPSS 宏程序 PROCESS 的模型 4 检验感知温暖和感知能力的中介效应, 设置拔靴 (Bootstrapping) 次数为 5 000。 研究结果表明, 感知温暖显著影响顾客-机器人依恋 ( β = 0. 592, P = 0. 000<

0. 001) 和再次使用意向 (β = 0. 382, P = 0. 007<0. 01)。 因此, H3a 和 H3b 成立。 感知能力对顾客-机器

人依恋 (β = 0. 064, P = 0. 670>0. 05) 和再次使用意向 (β = 0. 214, P = 0. 226>0. 05) 的影响不显著。 因此,

H4a 和 H4b 不成立。

以机器人外观拟人化高组为参照组, 低水平的机器人外观拟人化到顾客-机器人依恋的直接效应不

显著 ( β直接效应

= -0. 212, LLCI = -0. 544, ULCI = 0. 120, 区间含 0) 。 感知温暖中介路径的置信区间结

果不含 0 ( β间接效应

= -0. 401, LLCI = -0. 819, ULCI = -0. 113) , 达到显著水平; 感知能力中介路径的置

信区间结果包含 0 ( β间接效应

= -0. 029, LLCI = -0. 156, ULCI = 0. 183) , 未达到显著水平。 以机器人外

观拟人化高组为参照组, 中水平的机器人外观拟人化到顾客-机器人依恋的直接效应不显著 ( β直接效应

=

-0. 166, LLCI = - 0. 494, ULCI = 0. 161, 区 间 含 0) 。 感 知 温 暖 中 介 路 径 的 置 信 区 间 结 果 不 含 0

( β间接效应

= -0. 242, LLCI = -0. 596, ULCI = -0. 000) , 达到显著水平; 感知能力中介路径的置信区间

结果包含 0 ( β间接效应

= -0. 027, LLCI = - 0. 140, ULCI = 0. 167) , 未达到显著水平。 以上结果表明,

机器人外观拟人化可以通过感知温暖的中介作用影响顾客-机器人依恋, 但感知能力的中介作用不

成立。

以机器人外观拟人化高组为参照组, 低水平的机器人外观拟人化到再次使用意向的直接效应不显著

(β直接效应

= 0. 213, LLCI = -0. 179, ULCI = 0. 605, 区间含 0)。 感知温暖中介路径的置信区间结果不含 0

(β间接效应

= -0. 259, LLCI = -0. 591, ULCI = -0. 026), 达到显著水平; 感知能力中介路径的置信区间结果包

含 0 (β间接效应

= -0. 098, LLCI = -0. 277, ULCI = 0. 102), 未达到显著水平。 以机器人外观拟人化高组为参

照组, 中水平的机器人外观拟人化到再次使用意向的直接效应不显著 ( β直接效应

= 0. 241, LLCI = -0. 146,

ULCI = 0. 628, 区间含 0)。 感知温暖 ( β间 接效应

= - 0. 156, LLCI = - 0. 407, ULCI = 0. 007) 和感知能力

(β间接效应

= -0. 089, LLCI = -0. 253, ULCI = 0. 091) 中介路径的置信区间结果均包含 0, 未达到显著水平。

以上结果表明, 机器人外观拟人化可以通过感知温暖的中介作用影响再次使用意向, 但感知能力的中介

作用不成立。 因此, H5a 成立, H5b 不成立。

实验二结果表明, 相比于低机器人外观拟人化水平, 高拟人化水平更能够强化顾客的温暖与能力感

知。 进一步地, 机器人外观拟人化可以通过感知温暖的中介作用影响顾客-机器人依恋和再次使用意向,

但感知能力的中介作用不成立。

(三) 实验三

实验三将进一步检验关系规范取向的调节作用。 实验三采用单因素三水平 (外观拟人化高 vs. 中 vs.

低) 的组间实验设计, 实验目的是检验关系规范取向的调节作用 (即检验 H6a、 H6b、 H7a、 H7b)。 调节

变量关系规范取向的测量条目主要来自李等人 (Li et al., 2019)

[64] 的研究。 通过网络渠道向被试发放电

子版情境实验问卷, 在操纵流程上与前两个实验保持一致。 为了检验实验材料操控的有效性, 正式实验

之前, 本文进行了预实验。 为了提升结论的外部效度, 实验三更换了研究情境、 实验材料和实验样本。

具体而言, 实验一和实验二为酒店礼宾服务场景, 实验三为酒店前台入住服务场景。 实验材料上, 实验

三的图片区别于实验一和实验二, 通过另一组图片体现不同的机器人外观拟人化水平。 最后, 实验三的

样本为非学生样本和学生样本的组合, 且主要为非学生样本。

85

第88页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

1. 实验前测

预实验采用图片+文字的情境实验方式, 实验材料设计如下:

“请您设想以下服务情景, 假如您正在 C 城旅游, 并准备入住一家无人服务模式酒店———H 酒店。 当

您进入酒店大厅, 为您办理入住的是前台服务机器人。”

实验材料借鉴崔等人 (Choi et al., 2019)

[76] 的

研究以及来源于日本 Henn-na 机器人酒店。 被试被

随机分配到三个情境中 (高、 中、 低三种机器人外

观拟人化水平) 的一个, 并在阅读完实验材料后回

答以下问题: 该服务机器人看起来像人或机器的程

度 (1 =非常像机器, 更像一个物体; 5 = 非常像人

类, 更像一个人)。 此外, 本文将性别、 年龄、 受

教育程度、 职业、 收入、 机器人使用经验、 COVID19 和顾客相关知识作为控制变量。

预实验通过腾讯问卷网有偿招募被试, 105 名被

试被随机分为三组, 被试需要对实验材料中的机器人

外观拟人化水平进行打分。 105 个样本中, 男性 51

人, 女性 54 人。 单因素方差分析结果显示, 三个组

间至少有两个组之间存在显著性差异 (M高拟人化

=

3. 543, M中拟人化

= 2. 943, M低拟人化

= 2. 171, F = 19. 275,

P= 0. 000<0. 001)。 多重比较后发现, 拟人化水平在

高和中两个组别 (P= 0. 008<0. 01)、 高和低两个组别

(P= 0. 000<0. 001)、 中和低两个组别 ( P = 0. 001 <

0. 01) 中分别存在显著差异, 说明本文对自变量的操

控是有效的, 可以在此基础之上进行正式的实验

研究。

2. 实验操纵与程序

为了保证样本的均衡性, 以及避免实验三样本与

实验一和实验二存在重叠的情况, 实验三共分两轮招

募被试。 第一轮日期为 2021 年 10 月 27 日 ~ 11 月 2

日, 共招募 152 名被试, 有效样本量为 135 人; 第二

轮日期为 2022 年 1 月 16 日~1 月 22 日, 共招募 71 名

被试, 有效样本量为 60 人; 两轮共招募 223 名被试,

剔除无效样本后, 有效样本量为 195 人, 有效率为

87. 44%。 实验三第一轮被试的招募包括两种形式,

一是在国内某企业招募员工和客户参加线上实验, 所

有被试均为非学生样本; 二是在国内 C 高校招募学生

被试。 第二轮被试通过腾讯问卷网线上有偿招募。 为

了进一步确保 195 份样本的有效性, 首先, 设置了跳

转题项, 如果被试选择曾经作答过问卷, 将会终止问

卷填写。 其次, 对实验三共两轮的所有问卷进行人工

核查, 确保不存在同一样本同时填写多次的情况。 最

表 1 样本人口统计学特征

变量 人口统计特征 频率 百分比/ %

性别 男 91 46. 7

女 104 53. 3

年龄 18 岁以下 3 1. 5

18~ 24 岁 48 24. 6

25~ 30 岁 87 44. 6

31~ 40 岁 34 17. 4

41~ 50 岁 13 6. 7

51 岁及以上 10 5. 1

受教育

程度

(学历)

小学及以下 2 1. 0

初中 2 1. 0

高中/ 中专/ 技校 19 9. 7

大学专科 32 16. 4

大学本科 90 46. 2

硕士研究生 50 25. 6

职业 在校学生 35 17. 9

政府/ 机关干部/ 公务员 11 5. 6

企业管理者 (包括基层及中高

层管理者)

27 13. 8

普通职员 (办公室/ 写字楼工作

人员)

68 34. 9

专业人员 (如医生/ 律师/ 文体/

记者/ 老师等)

17 8. 7

普通工人 (如工厂工人/ 体力劳

动者等)

6 3. 1

商业服务业职工 (如销售人员/

商店职员/ 服务员等)

3 1. 5

个体经营者/ 承包商 3 1. 5

自由职业者 20 10. 3

暂无职业 3 1. 5

其他职业人员 2 1. 0

收入 1 000 元以下 14 7. 2

1 001~ 3 000 元 30 15. 4

3 001~ 6 000 元 43 22. 1

6 001~ 8 000 元 23 11. 8

8 001~ 10 000 元 25 12. 8

10 001 元及以上 60 30. 8

86

第89页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

后, 线下实验确保被试所处的环境一致。 参与实验的

被试被随机分配到三个实验组中 (高 76 人, 中 73 人,

低 74 人), 并对实验材料中的机器人外观拟人化水平

进行打分。 实验的有效样本量为 195 人 (高 65 人、 中

65 人、 低 65 人), 其中, 男性 91 人, 女性 104 人; 学

生样本仅有 35 人 (17. 95%), 77. 95%的被试有使用机

器人的经验。 具体人口统计学特征如表 1 所示。 拟人

化水平在三个实验组之间存在显著差异 (M高拟人化

=

3. 585, M中拟人化

= 2 692, M低拟人化

= 2. 031, F = 37. 277,

P=0. 000<0. 001), 说明自变量操纵是成功的。

表1(续)

变量 人口统计特征 频率 百分比/ %

是否

使用过

机器人

是 152 77. 9

否 43 22. 1

COVID-19

是否影响

使用机器人

是 171 87. 7

否 24 12. 3

3. 实验结果与讨论

对于主效应的检验, 拟人化水平三个组间至少有两个组之间在顾客-机器人依恋 (M高拟人化

= 3. 104,

M中拟人化

= 3. 012, M低拟人化

= 2. 677, F = 6. 128, P = 0. 003<0. 01) 上存在显著性差异, 而拟人化水平三个组

间在再次使用意向上无显著差异。 多重比较后发现, 高和低拟人化组 (P = 0. 005<0. 01)、 中和低拟人化

组 (P = 0. 035<0. 05) 均在顾客-机器人依恋上存在显著差异, 高和中拟人化组 (P = 0. 772>0. 05) 在顾

客-机器人依恋上无显著差异。

研究结果显示, 拟人化水平三个组间至少有两个组之间在感知温暖上存在显著性差异 (M高拟人化

=

3. 594, M中拟人化

= 3. 326, M低拟人化

= 3. 077, F = 7. 994, P = 0. 000<0. 001)。 多重比较后发现, 高和低拟人

化组在感知温暖上存在显著差异 (P = 0. 000<0. 001), 高和中拟人化组 (P = 0. 120>0. 05)、 中和低拟人化

组 (P = 0. 159>0. 05) 在感知温暖上均无显著差异。 拟人化水平三个组间至少有两个组之间在感知能力上

存在显著性差异 (M高拟人化

= 3. 719, M中拟人化

= 3. 512, M低拟人化

= 3. 319, F = 5. 872, P = 0. 003<0. 01)。 多重

比较后发现, 高和低拟人化组在感知能力上存在显著差异 (P = 0. 003 < 0. 01), 高和中拟人化组 (P =

0. 208>0. 05)、 中和低拟人化组 (P = 0. 260>0. 05) 在感知能力上均无显著差异。

检验有调节的中介效应, 需要先检验中介效应, 再检验调节效应[77]

。 因此, 首先通过宏程序

PROCESS 模型 4 检验感知温暖和感知能力的中介作用, 然后通过宏程序 PROCESS 模型 14 检验关系规范

取向的调节作用, 设置 Bootstrapping 次数为 5 000。

中介效应检验结果表明, 以机器人外观拟人化高组为参照组, 低水平的机器人外观拟人化到顾客-机

器人依恋的直接效应不显著 (β直接效应

= -0. 115, LLCI = -0. 318, ULCI = 0. 087, 区间含 0)。 感知温暖中介

路径的置信区间结果不含 0 (β间接效应

= -0. 218, LLCI = -0. 364, ULCI = -0. 100), 达到显著水平; 感知能

力中介路径的置信区间结果包含 0 ( β间接效应

= -0. 077, LLCI = -0. 177, ULCI = 0. 000), 未达到显著水平。

以机器人外观拟人化高组为参照组, 中水平的机器人外观拟人化到顾客-机器人依恋的直接效应不显著

(β直接效应

= 0. 081, LLCI = -0. 114, ULCI = 0. 275, 区间含 0)。 感知温暖中介路径的置信区间结果不含 0

(β间接效应

= -0. 105, LLCI = -0. 229, ULCI = -0. 004), 达到显著水平; 感知能力中介路径的置信区间结果包

含 0 (β间接效应

= -0. 042, LLCI = -0. 116, ULCI = 0. 008), 未达到显著水平。 因此, 机器人外观拟人化通过

感知温暖的中介作用影响顾客-机器人依恋, 但感知能力的中介作用不成立。

以机器人外观拟人化高组为参照组, 低水平的机器人外观拟人化到再次使用意向的直接效应显著

(β直接效应

= 0. 317, LLCI = 0. 107, ULCI = 0. 526)。 感知温暖中介路径的置信区间结果不含 0 ( β间接效应

=

-0. 308, LLCI = -0. 484, ULCI = - 0. 153), 达到显著水平; 感知能力中介路径的置信区间结果包含 0

(β间接效应

= -0. 038, LLCI = -0. 120, ULCI = 0. 035), 未达到显著水平。 以机器人外观拟人化高组为参照组,

中水平的机器人外观拟人化到再次使用意向的直接效应显著 ( β直接效应

= 0. 222, LLCI = 0. 020, ULCI =

0. 424)。 感知温暖 ( β间接效应

= - 0. 148, LLCI = - 0. 308, ULCI = 0. 001) 和感知能力 ( β间接效应

= -0. 021,

LLCI = -0. 085, ULCI = 0. 019) 中介路径的置信区间结果均包含 0, 未达到显著水平。 因此, 机器人外观

87

第90页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

拟人化通过感知温暖的中介作用影响再次使用意向, 但感知能力的中介作用不成立。

由于感知能力在机器人外观拟人化和顾客再次使用意向之间的中介作用不成立, 相应地, 关系规范

fl +2>8  +2>8

 -#fl P























M

ffi







图 2 关系规范取向的调节作用

取向在感知能力对顾客再次使用意向影响过程中

的调节作用 (H7a), 以及对感知能力中介路径的

调节作用 ( H7b, 有调节的中介效应) 不成立。

感知温暖在机器人外观拟人化和顾客-机器人依恋

之间的中介作用成立, 因此, 本文进一步检验关

系规范取向在感知温暖对顾客-机器人依恋影响过

程中的调节作用 (H6a), 以及对感知温暖中介路

径的调节作用 (H6b, 有调节的中介效应)。 结果

显示, 感知温暖×关系规范取向对顾客-机器人依恋

(β = 0. 166, P = 0. 009<0. 01) 的影响显著。 因此,

H6a 成立。 为了更直观地呈现关系规范取向在感知

温暖对顾客-机器人依恋影响过程中的调节作用,

本文绘制了调节作用图。 如图 2 所示, 关系规范取

向正向调节感知温暖对顾客-机器人依恋的影响。

进一步检验 H6b (有调节的中介效应), 如表 2 所示, 机器人外观拟人化高组 (参照组) vs. 低组,

无论关系规范取向趋向于情感还是交易导向, 感知温暖在机器人外观拟人化和顾客-机器人依恋之间的中

介效应均达到显著水平 (情感导向: β间接效应

= -0. 298, LLCI = -0. 500, ULCI = -0. 114, 区间不含 0; 交易

导向: β间接效应

= -0. 119, LLCI = -0. 251, ULCI = -0. 012, 区间不含 0)。 机器人外观拟人化高组 (参照组)

vs. 中组, 当顾客的关系规范取向为情感导向时, 感知温暖在机器人外观拟人化和顾客-机器人依恋之间的中

介效应未达到显著水平 (β间接效应

= -0. 144, LLCI = -0. 309, ULCI = 0. 004, 区间含 0)。 因此, H6b 部分成立。

表 2 拨靴被调节的中介效应检验结果

机器人外观

拟人化水平

调节变量 中介变量 路径 效应值 标准误 95%置信区间

拟人化

高 vs. 低

情感导向的

关系规范取向 ( +1SD)

交易导向的

关系规范取向 ( -1SD)

感知温暖 机器人外观拟人化→感知温

暖→顾客-机器人依恋

-0. 298 0. 097 [ -0. 500, -0. 114]

-0. 119 0. 061 [ -0. 251, -0. 012]

拟人化

高 vs. 中

情感导向的

关系规范取向 ( +1SD)

交易导向的

关系规范取向 ( -1SD)

感知温暖 机器人外观拟人化→感知温

暖→顾客-机器人依恋

-0. 144 0. 079 [ -0. 309, 0. 004]

-0. 057 0. 041 [ -0. 154, 0. 004]

实验三的结果表明, 关系规范取向正向调节感知温暖对顾客-机器人依恋的影响。 进一步地, 机器人

外观拟人化高组 vs. 低组, 无论顾客的关系规范取向是情感导向还是交易导向, 感知温暖在机器人外观拟

人化和顾客-机器人依恋之间的中介效应均得到加强。

四、 结论、 贡献与启示

(一) 研究结论

本文采用三个情境实验检验研究假设, 并得出以下结论:

第一, 相比于低机器人外观拟人化水平, 高拟人化水平更能够强化情感型营销结果, 即顾客-机器人

88

第91页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

依恋, 但机器人外观拟人化水平对交易型营销结果 (再次使用意向) 的影响无显著差异, 该结论部分吻

合恐怖谷理论。 根据恐怖谷理论, 随着机器人拟人化水平由低到高, 个体的反应会经历 “消极→积

极→消极” 的倒 U 型过程[12]

。 而本文研究结果表明, 高水平的机器人外观拟人化并不总是会产生消极结

果, 这与行业发展趋势一致。 该结论可能受以下两方面因素的影响。一方面, 熟悉度是减少不确定性和

恐惧感的关键因素, 可以增强个体的积极情绪[78]

。 人们对安全的需求、 机器人在服务场景中 (如冬奥

会) 的频繁使用、 机器人相关信息的大量传播, 以及人工智能技术的逐渐成熟都会增加个体对机器人的

熟悉度, 个体对机器人的类人外表也因此不再过度敏感[79]

。 本文每个实验均有超过 70%的样本曾在酒店

中使用过机器人, 这可能会降低他们对机器人的陌生度和恐惧感, 从而更容易对较高拟人化水平的机器

人产生积极的情感反应。 另一方面, 消费者个体特征会影响其对机器人的感知和体验。 比如, 高社会阶

层的消费者更愿意使用外观拟人化程度较高的机器人, 这是因为高社会阶层的消费者会将高拟人化机器

人视为对个性化和独特性服务的追求[37]

。 本文绝大多数样本是本科及以上学历, 具有较高的受教育水平,

对新技术有较高的接受度。

然而, 在本文中, 机器人外观拟人化水平对顾客再次使用意向的影响无显著差异。 这可能是因为相较于

情感体验, 再次使用意向是顾客经过对信息加工和处理后做出的认知反应, 是较为理性的交易结果。 机器人

的拟人化外观属性无法完全体现机器人的使用价值, 顾客无法仅凭机器人的拟人化外观满足自身利益和需

求。 王等人 (Wang et al., 2021) 研究发现, 机器人拟人化对顾客感知价值的影响不显著[80]

, 因而机器人外

观拟人化水平无法直接影响顾客的再次使用意向。 另一个可能解释该结论的原因是机器人具有多种内在和外

在属性, 机器人外观拟人化特征只是其外在表征属性之一, 部分顾客可能更在意机器人的其他属性, 比如实

用价值、 享乐价值和情感价值等, 而并不关心机器人长得像不像人类。

第二, 相比于低机器人外观拟人化水平, 高拟人化水平更能够强化顾客的温暖与能力感知。 进一步

地, 机器人外观拟人化可以通过感知温暖的中介作用影响顾客-机器人依恋和再次使用意向。 本文证明了

感知温暖是评价酒店行业机器人服务的重要维度, 验证了个体与机器人的互动方式与人类之间的互动方

式相似这一观点。 类人机器人能够传递拟人化线索, 增强个体对其的真实性感知; 这种感知进一步引导

个体将个性和情感能力归于机器人[54]

。 然而, 本文未发现感知能力的中介作用。 这可能是因为本文聚焦

机器人外观拟人化, 被试通过机器人图片评价机器人的能力属性, 而静态图片中机器人的外观拟人化特

征所传达的机器人的使用价值有限, 参与者可能无法准确判断其服务能力。

第三, 关系规范取向正向调节感知温暖对顾客-机器人依恋的影响。 进一步地, 无论顾客的关系规范取

向是情感导向还是交易导向, 感知温暖在机器人外观拟人化和顾客-机器人依恋之间的中介效应均得到加强。

该研究结论与已有研究[16] 保持一致, 证明了关系规范取向的重要边界作用和感知温暖的稳健作用。

(二) 理论贡献

第一, 通过探讨机器人外观拟人化水平对情感型和交易型营销结果的影响, 丰富了服务机器人的相

关研究。 本文探讨了机器人外观拟人化对情感型和交易型营销结果的影响, 从更全面和系统的视角验证

了机器人拟人化在市场营销中的作用。 此外, 本文的研究结论呼应了恐怖谷效应倒 U 型过程的前半段,

但不同之处是, 高水平的机器人外观拟人化也可能会产生积极影响, 该结论呼应了罗森塔尔-范德皮滕和

克雷默 (Rosenthal-von der Pütten & Krämer, 2014) 的研究, 即最类人的机器人具有更高水平的可爱度和

熟悉度[44]

。 因此, 本文丰富了服务机器人的相关研究, 拓宽了恐怖谷理论在酒店情境的应用。

第二, 拓展了刻板印象内容模型在酒店人机互动情境中的应用。 感知温暖已被证实是预测顾客情感

和行为的核心维度之一[60-61]

。 本文从过程维度深入考察了人机互动的机制, 即从接触不同拟人化水平的

机器人到引发顾客感知, 在感知的影响下进一步引发情感型和交易型营销结果, 彰显了人机互动过程中

顾客感知温暖的重要作用, 拓展了智能服务交付过程 (服务前-服务发生-服务结果) 的相关研究。

第三, 从顾客个人特征视角拓展了人机互动情境下顾客感知和情感型营销结果的边界条件。 本文引

入关系规范取向这一调节变量, 并证明了其在人机互动过程中的重要性。 这一结论较好地呼应了关图尔

89

第92页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

等 (2020)

[16] 的研究,一定程度上揭示了顾客特征对人机互动的影响。

(三) 实践启示

首先, 技术开发者和酒店管理者应充分关注机器人的拟人化特征。 以人为原型的机器更符合大多数人的

期待[81]

。 根据本文结论, 在外观上更接近真实人类的高拟人化机器人更能够强化顾客的情感反应。 因此,

开发者在开发与设计阶段就应考虑机器人的拟人外观特征, 管理者在引入和投入使用阶段需意识到只有具有

适当拟人化特征、 能够使互动更自然的服务机器人才能真正起到改善顾客感知和体验的作用。 未来, 机器人

发展到一定阶段时, 应重视形成自身独特的气质和地方风貌, 比如, 有企业独特的面貌和风格。

其次, 酒店可以利用机器人的类人属性提供服务。 尚美生活已经发布酒店行业首个虚拟数字人尚小

美, 本文研究结果与现实技术思想和设计一致, 验证了产业现实发展的方向正确性。 此外, 劳动力短缺

是中国酒店业的主要问题之一, 随着人工智能发展到更高的智能水平, 人工智能服务将成为未来趋势。

酒店行业具有高接触的服务属性, 高拟人化的机器人从外观上更接近真实人类, 能让顾客更有熟悉感,

一定程度上可以弥补人力短缺问题。

最后, 将人的元素更多地融入机器人的开发属性, 注重服务机器人的社交属性和情感属性, 尤其要

注重温暖这一更能彰显酒店业特征的属性。 与其他更注重机器人产品功能的场景相比, 酒店服务更注重

机器人的娱乐和社交等人性化服务属性。 因为酒店和旅游业的本质属性是为顾客提供难忘、 愉快和身临

其境的体验[82-83]

, 员工和顾客之间是高接触关系。 与人工服务相比, 机器人服务相对标准化和程序化,

容易带来低人情味感知。 因此, 酒店机器人应朝着更人性化的方向发展, 并根据不同顾客和场景, 提供

定制化、 差异化和个性化的智能服务。

五、 研究局限与展望

本文存在以下几点不足: 第一, 实验情境的局限性。一方面, 采用 “图片+文字” 的实验方式, 与真

实的酒店机器人服务场景有一定差异; 另一方面, 线上实验干扰因素较多且难以控制。 这都可能影响实

验效果的真实性, 未来研究可以进行现场实验。 第二, 实验样本的局限性。一方面, 实验样本量较少;

另一方面, 本文的实验一和实验二均为大学生样本。 未来研究可以增加实验样本量, 保证足够的样本量,

并寻找多源实验样本。 第三, 变量操控的单一性。 本文仅从机器人外观视角考察拟人化的影响作用, 缺

乏多维性。 未来研究可以综合机器人的外观、 动作和声音等多维度拟人化特征, 从更全面的视角考察机

器人拟人化对顾客感知和行为的影响。 第四, 人机互动理论的不完备性。 随着技术的发展, 未来机器人

将会有更多的形态与功能, 现有理论将不足以解释机器人服务的相关研究。 未来研究应继续完善和验证

恐怖谷理论等现有理论, 并尝试用新的理论解释机器人服务场景中的情感型和交易型营销结果。

参考文献:

[1]HAO F, XIAO Q, CHON K. COVID-19 and China?s hotel industry: impacts, a disaster management framework, and post-pandemic agenda

[J]. International Journal of Hospitality Management, 2020, 90: 102636.

[ 2]JIANG Y Y, WEN J. Effects of COVID-19 on hotel marketing and management: a perspective article[J]. International Journal of Contemporary

Hospitality Management, 2020, 32(8): 2563-2573.

[3]舒伯阳,邱海莲,李明龙. 社会化视角下接待业服务机器人对顾客体验的影响研究[J]. 旅游导刊,2020,4(2):9-25.

[4]TUNG V W S, AU N. Exploring customer experiences with robotics in hospitality[J]. International Journal of Contemporary Hospitality Management, 2018, 30(7): 2680-2697.

[5]ZHANG T T. Co-creating tourism experiences through a traveler?s journey: a perspective article[J]. Tourism Review, 2020, 75(1): 56-60.

[6]YU C E, NGAN H F B. The power of head tilts: gender and cultural differences of perceived human vs human-like robot smile in service[J].

Tourism Review, 2019, 74(3): 428-442.

[7]罗莎琳. 万科首位“数字化员工”刷屏[N]. 信息时报,2022-01-02(6).

[8]“世上最先进的机器人”在英国亮相,神态丰富堪比“表情包”,能走路就完美了[EB/ OL]. ( 2021- 12- 06) [ 2022- 04- 11]. https: / /

90

第93页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

36kr. com/ p / 1515681888344073.

[9]BLUT M, WANG C, WÜNDERLICH N V, et al. Understanding anthropomorphism in service provision: a meta-analysis of physical robots,

chatbots, and other AI[J]. Journal of the Academy of Marketing Science, 2021, 49(4): 632-658.

[10]YOGANATHAN V, OSBURG V S, KUNZ W H, et al. Check-in at the robo-desk: effects of automated social presence on social cognition and

service implications[J]. Tourism Management, 2021, 85: 104309.

[ 11]YU C E. Humanlike robots as employees in the hotel industry: thematic content analysis of online reviews[J]. Journal of Hospitality Marketing

& Management, 2020, 29(1): 22-38.

[12]MORI M. The uncanny valley[J]. Energy, 1970, 7: 33-35.

[13]DE KERVENOAEL R, HASAN R, SCHWOB A, et al. Leveraging human-robot interaction in hospitality services: incorporating the role of

perceived value, empathy, and information sharing into visitors? intentions to use social robots[J]. Tourism Management, 2020, 78: 104042.

[14]LIN H X, CHI O H, GURSOY D. Antecedents of customers? acceptance of artificially intelligent robotic device use in hospitality services[J].

Journal of Hospitality Marketing & Management, 2020, 29(5): 530-549.

[15]YANG Y, LIU Y, LV X Y, et al. Anthropomorphism and customers?willingness to use artificial intelligence service agents[ J]. Journal of

Hospitality Marketing & Management, 2022, 31(1): 1-23.

[16]GÜNTÜRKÜN P, HAUMANN T, MIKOLON S. Disentangling the differential roles of warmth and competence judgments in customer-service

provider relationships[J]. Journal of Service Research, 2020, 23(4): 476-503.

[17]REINARTZ W J, KUMAR V. On the profitability of long-life customers in a noncontractual setting: an empirical investigation and implications

for marketing[J]. Journal of Marketing, 2000, 64(4): 17-35.

[18]FISKE S T, CUDDY A J C, GLICK P, et al. A model of (often mixed) stereotype content: competence and warmth respectively follow from

perceived status and competition[J]. Journal of Personality and Social Psychology, 2002, 82(6): 878-902.

[19]FISKE S T, CUDDY A J C, GLICK P. Universal dimensions of social cognition: warmth and competence[J]. Trends in Cognitive Sciences,

2007, 11(2): 77-83.

[20]SCOTT M L, MENDE M, BOLTON L E. Judging the book by its cover? How consumers decode conspicuous consumption cues in buyer-seller

relationships[J]. Journal of Marketing Research, 2013, 50(3): 334-347.

[21]LI Y Q, LIU B Q, CHEN P, et al. Tourism service providers? physical attractiveness and customers? service quality evaluation: is warmth or

competence more important? [J]. Tourism Review, 2021, 76(6): 1260-1278.

[22]C

ˇ

AIC

' M, MAHR D, ODERKERKEN-SCHRÖEDER G. Value of social robots in services: social cognition perspective[J]. Journal of Services

Marketing, 2019, 33(4): 463-478.

[23]YANG L W, AGGARWAL P, MCGILL A L. The 3 C?s of anthropomorphism: connection, comprehension, and competition[ J]. Consumer

Psychology Review, 2020, 3(1): 3-19.

[24]KIM S Y, SCHMITT B H, THALMANN N M. Eliza in the uncanny valley: anthropomorphizing consumer robots increases their perceived

warmth but decreases liking[J]. Marketing Letters, 2019, 30(1): 1-12.

[25]AGGARWAL P. The effects of brand relationship norms on consumer attitudes and behavior[ J]. Journal of Consumer Research, 2004, 31

(1): 87-101.

[26]CLARK M S, MILS J. The difference between communal and exchange relationships: what it is and is not[J]. Personality and Social Psychology Bulletin, 1993, 19(6): 684-691.

[27]DUFFY B R. Anthropomorphism and the social robot[J]. Robotics and Autonomous Systems, 2003, 42(3 / 4): 177-190.

[28]BARTNECK C, KULIC

'

D, CROFT E, et al. Measurement instruments for the anthropomorphism, animacy, likeability, perceived intelligence, and perceived safety of robots[J]. International Journal of Social Robotics, 2009, 1(1): 71-81.

[29]EPLEY N, WAYTZ A, CACIOPPO J T. On seeing human: a three-factor theory of anthropomorphism[J]. Psychological Review, 2007, 114

(4): 864-886.

[ 30]FONG T, NOURBAKHSH I, DAUTENHAHN K. A survey of socially interactive robots[J]. Robotics and Autonomous Systems, 2003, 42(3 /

4): 143-166.

[31]WIRTZ J, PATTERSON P G, KUNZ W H, et al. Brave new world: service robots in the frontline[J]. Journal of Service Management, 2018,

29(5): 907-931.

[32]许丽颖,喻丰. 机器人接受度的影响因素[J]. 科学通报,2020,65(6):496-510.

[33]BHATTACHARYA C B, SEN S. Consumer-company identification: a framework for understanding consumers? relationships with companies

[J]. Journal of Marketing, 2003, 67(2): 76-88.

[34]THOMSON M, MACLNNIS D J, PARK C W. The ties that bind: measuring the strength of consumers? emotional attachments to brands[J].

Journal of Consumer Psychology, 2005, 15(1): 77-91.

91

第94页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

[35]DU R Y, KAMAKURA W A, MELA C F. Size and share of customer wallet[J]. Journal of Marketing, 2007, 71(2): 94-113.

[36]BHATTACHERJEE A. Understanding information systems continuance: an expectation-confirmation model[J]. MIS Quarterly, 2001, 25(3):

351-370.

[37]张仪,王永贵. 服务机器人拟人化对消费者使用意愿的影响机理研究———社会阶层的调节作用[ J]. 外国经济与管理,2022,44(3):

3-18.

[38]李先国,郑琛誉. 服务机器人拟人化程度对顾客多样化行为的影响机制研究[J]. 工业技术经济,2021,40(5):130-137.

[39]刘欣,谢礼珊,黎冬梅. 旅游服务机器人拟人化对顾客价值共创意愿影响研究[J]. 旅游学刊,2021,36(6):13-26.

[40]唐小飞,孙炳,张恩忠,等. 类人智能机器人社会价值替代与风险态度研究[J]. 南开管理评论,2021,24(6):4-15.

[ 41]JIA J W, CHUNG N, HWANG J. Assessing the hotel service robot interaction on tourists? behaviour: the role of anthropomorphism[J]. Industrial Management & Data Systems, 2021, 121(6): 1457-1478.

[42]JUNG Y, CHO E, KIM S. Users? affective and cognitive responses to humanoid robots in different expertise service contexts[J]. Cyberpsychology, Behavior, and Social Networking, 2021, 24(5): 300-306.

[43]MURPHY J, GRETZEL U, PESONEN J. Marketing robot services in hospitality and tourism: the role of anthropomorphism[ J]. Journal of

Travel & Tourism Marketing, 2019, 36(7): 784-795.

[44]ROSENTHAL-VON DER PÜTTEN A M, KRÄMER N C. How design characteristics of robots determine evaluation and uncanny valley related

responses[J]. Computers in Human Behavior, 2014, 36: 422-439.

[45]汪涛,谢志鹏. 拟人化营销研究综述[J]. 外国经济与管理,2014,36(1):38-45.

[46]牟宇鹏,丁刚,张辉. 人工智能的拟人化特征对用户体验的影响[J]. 经济与管理,2019,33(4):51-57.

[47]STROESSNER S J, BENITEZ J. The social perception of humanoid and non-humanoid robots: effects of gendered and machinelike features

[J]. International Journal of Social Robotics, 2019, 11(2): 305-315.

[48]WALTERS M L, SYRDAL D S, DAUTENHAHN K, et al. Avoiding the uncanny valley: robot appearance, personality and consistency of behavior in an attention-seeking home scenario for a robot companion[J]. Autonomous Robots, 2008, 24(2): 159-178.

[49]MORO C, LIN S, NEJAT G, et al. Social robots and seniors: a comparative study on the influence of dynamic social features on human-robot

interaction[J]. International Journal of Social Robotics, 2018, 11(1): 5-24.

[50]SCHANKE S, BURTCH G, RAY G. Estimating the impact of “ humanizing” customer service chatbots[ J]. Information Systems Research,

2021, 32(3): 736-751.

[51]TUSSYADIAH I P, PARK S. Consumer evaluation of hotel service robots[M] / / STANGL B, PESONEN J. Information and communication

technologies in tourism 2018. Cham: Springer, 2018: 308-320.

[52]BELANCHE D, CASAL? L V, FLAVIÁN C. Customer?s acceptance of humanoid robots in services: the moderating role of risk aversion

[M] / / ROCHA Á, REIS J, PETER M, et al. Marketing and smart technologies. Singapore: Springer, 2020: 449-458.

[53]OLESZKIEWICZ A, LACHOWICZ-TABACZEK K. Perceived competence and warmth influence respect, liking and trust in work relations

[J]. Polish Psychological Bulletin, 2016, 47(4): 431-435.

[54]ZHU D H, CHANG Y P. Robot with humanoid hands cooks food better? Effect of robotic chef anthropomorphism on food quality prediction

[J]. International Journal of Contemporary Hospitality Management, 2020, 32(3): 1367-1383.

[55]LEE S L, LAU I Y M, HONG Y Y. Effects of appearance and functions on likability and perceived occupational suitability of robots[J]. Journal of Cognitive Engineering and Decision Making, 2011, 5(2): 232-250.

[56]C

ˇ

AIC

' M, AVELINO J, MAHR D, et al. Robotic versus human coaches for active aging: an automated social presence perspective[J]. International Journal of Social Robotics, 2020, 12(4): 867-882.

[57]CUDDY A J C, GLICK P, BENINGER A. The dynamics of warmth and competence judgments, and their outcomes in organizations[J]. Research in Organizational Behavior, 2011, 31: 73-98.

[58]BELANCHE D, CASAL? L V, SCHEPERS J, et al. Examining the effects of robots? physical appearance, warmth, and competence in frontline services: the humanness-value-loyalty model[J]. Psychology & Marketing, 2021, 38(12): 2357-2376.

[59]VAN DOORN J, MENDE M, NOBLE S M, et al. Domo arigato Mr. Roboto: emergence of automated social presence in organizational frontlines and customers? service experiences[J]. Journal of Service Research, 2017, 20(1): 43-58.

[60]SCHEUNEMANN M M, CUIJPERS R H, SALGE C. Warmth and competence to predict human preference of robot behavior in physical human-robot interaction[C] / / Institute of Electrical and Electronics Engineers. The 29th IEEE International Conference on Robot and Human Interactive

Communication (RO-MAN). Naples: IEEE, 2020: 1340-1347.

[61]CHOI S, MATTILA A S, BOLTON L E. To err is human(-oid): how do consumers react to robot service failure and recovery? [J]. Journal

of Service Research, 2021, 24(3): 354-371.

[62]GUAN X H, GONG J H, LI M J, et al. Exploring key factors influencing customer behavioral intention in robot restaurants[J]. International

92

第95页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

Journal of Contemporary Hospitality Management, 2022, 34(9): 3482-3501.

[63]IACOBUCCI D, OSTROM A. Gender differences in the impact of core and relational aspects of services on the evaluation of service encounters[J].

Journal of Consumer Psychology, 1993, 2(3): 257-286.

[64]LI X N, CHAN K W, KIM S. Service with emoticons: how customers interpret employee use of emoticons in online service encounters[ J].

Journal of Consumer Research, 2019, 45(5): 973-987.

[65]FAN A, MATTILA A S. Touch versus tech in service encounters[J]. Cornell Hospitality Quarterly, 2021, 62(4): 468-481.

[66]ZHONG L, SUN S, LAW R, et al. Impact of robot hotel service on consumers? purchase intention: a control experiment[ J]. Asia Pacific

Journal of Tourism Research, 2020, 25(7): 780-798.

[67]PIÇARRA N, GIGER J C. Predicting intention to work with social robots at anticipation stage: assessing the role of behavioral desire and anticipated emotions[J]. Computers in Human Behavior, 2018, 86: 129-146.

[68]曹忠鹏,靳成雯,马菁,等. 自助服务技术中虚拟代理人呈现对顾客准备的影响研究[J]. 南开管理评论,2020,23(4):73-83.

[69]XIONG X L, WONG I A, YANG F X. Are we behaviorally immune to COVID-19 through robots? [J]. Annuals of Tourism Research, 2021,

91: 103312.

[70]SHIN H H, JEONG M. Guests? perceptions of robot concierge and their adoption intentions[J]. International Journal of Contemporary Hospitality Management, 2020, 32(8): 2613-2633.

[71]LEE M C. Explaining and predicting users? continuance intention toward e-learning: an extension of the expectation-confirmation model[ J].

Computers & Education, 2010, 54(2): 506-516.

[72]CHAN A P H, TUNG V W S. Examining the effects of robotic service on brand experience: the moderating role of hotel segment[J]. Journal

of Travel & Tourism Marketing, 2019, 36(4): 458-468.

[73]LEUNG X Y, WEN H. Chatbot usage in restaurant takeout orders: a comparison study of three ordering methods[ J]. Journal of Hospitality

and Tourism Management, 2020, 45: 377-386.

[74]JUDD C M, JAMES-HAWKINS L, YZERBYT V, et al. Fundamental dimensions of social judgment: understanding the relations between

judgments of competence and warmth[J]. Journal of Personality and Social Psychology, 2005, 89(6): 899-913.

[75]ZHOU X Y, KIM S, WANG L L. Money helps when money feels: money anthropomorphism increases charitable giving[J]. Journal of Consumer Research, 2019, 45(5): 953-972.

[76]CHOI S, LIU S Q, MATTILA A S. “How may I help you?” Says a robot: examining language styles in the service encounter[J]. International

Journal of Hospitality Management, 2019, 82: 32-38.

[77]温忠麟,张雷,侯杰泰. 有中介的调节变量和有调节的中介变量[J]. 心理学报,2006(3):448-452.

[78]MONTOYA R M, HORTON R S, VEVEA J L, et al. A re-examination of the mere exposure effect: the influence of repeated exposure on recognition, familiarity, and liking[J]. Psychological Bulletin, 2017, 143(5): 459-498.

[79]LU L, ZHANG P, ZHANG T. Leveraging “human-likeness” of robotic service at restaurants[J]. International Journal of Hospitality Management, 2021, 94: 102823.

[80]WANG Y G, CAI X M, XU C L, et al. Rise of the machines: examining the influence of professional service robots attributes on consumers?

experience[J]. Journal of Hospitality and Tourism Technology, 2021, 12(4): 609-623.

[81]孙若 风. 人 学 视 野 中 的 机 器 人、 虚 拟 人 [ EB/ OL]. ( 2022 - 01 - 25 ) [ 2022 - 04 - 11 ]. https: / / mp. weixin. qq. com/ s/ Q1lJEiEw _

GS7gWSrGYiXBw.

[82]RAHIMIAN S, SHAMIZANJANI M, MANIAN A, et al. A framework of customer experience management for hotel industry[J]. International

Journal of Contemporary Hospitality Management, 2021, 33(5): 1413-1436.

[83]BRENT RITCHIE J R, TUNG V W S, RITCHIE R J B. Tourism experience management research: emergence, evolution and future directions

[J]. International Journal of Contemporary Hospitality Management, 2011, 23(4): 419-438.

93

第96页

2023 年第 5 期 宋潇潇, 李云鹏, 唐悦, 谷慧敏: 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

Research on the Effect of Service Robot Anthropomorphism on

Hotel Customers? Emotion and Transaction Intention

SONG Xiaoxiao

1

, LI Yunpeng

1

, TANG Yue

2

, GU Huimin

3

(1. Capital University of Economics and Business, Beijing 100070;

2. Beijing Hospitality Institute, Beijing 102601;

3. Beijing International Studies University, Beijing 100024)

Abstract:Based on the uncanny valley theory and the stereotype content model, this study explores the mechanism and boundary conditions of robot anthropomorphism on relational marketing outcome (customer-robot attachment) and transactional marketing outcome ( continuous intention to use robots) through three groups of experiments in two different service scenarios of hotel concierge and check-in services. The results show that there are

significant differences in the effects of the level of robot anthropomorphism on customer-robot attachment, but no

significant differences on customers? continuous intention to use robots. The higher the robot anthropomorphism level, the more positive the customer-robot attachment. Moreover, the effects of the level of robot anthropomorphism

on perceived warmth and perceived competence are significantly different. Specifically, there are significant differences in perceived warmth and perceived competence between high and low groups. The higher the robot anthropomorphism level, the more positive the warmth perception and competence perception. Furthermore, robot anthropomorphism affects customer-robot attachment and customers? continuous intention to use robots through the mediating

role of perceived warmth. Besides, relationship norm orientation positively moderates the effect of perceived warmth

on customer-robot attachment. The mediating effect of perceived warmth between robot anthropomorphism and customer-robot attachment is enhanced irrespective of whether the customer relationship norm orientation is communaloriented or exchange-oriented.

This study makes several theoretical contributions regarding customer response to hotel robot service. First,

this study advances service robot literature by exploring the effects of different levels of robot appearance anthropomorphism on customer-robot attachment and customers? continuous intention to use robots. Second, this study extends the application of the stereotype content model in hotel human-robot interaction contexts. Third, this study

discovers the boundary role of individual characteristics in human-robot interaction by examining the moderating

effect of relationship norm orientation.

Keywords: hotel; robot anthropomorphism; relational-transactional marketing outcomes; perceived warmth;

perceived competence; relationship norm orientation

(责任编辑: 李 叶)

94

第97页

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 007

企业隐私政策的影响及其机制

———基于用户视角的综述与展望

高充彦, 谢 毅

(对外经济贸易大学 国际商学院, 北京 100029)

收稿日期: 2022-10-21; 修回日期: 2023-03-08

基金项目: 国家自然科学基金面上项目 “顾客隐私泄露丑闻对消费者行为的影响及企业的应对策略研究: 基于隐私悖论的视角”

(71972038)

作者简介: 高充彦 (1971—), 女, 对外经济贸易大学商学院副教授; 谢毅 (1981—), 女, 对外经济贸易大学商学院教授, 通信作者。

摘 要: 在营销数字化逐渐普及的时代, 用户对个人隐私和数据安全性的担忧成为数字化营销实践

的重要阻碍之一。 企业的隐私政策传递了组织对保护用户数据安全所做的承诺, 既是法律法规的要求,

也是企业保护用户权益、 树立自身品牌形象、 获得竞争优势的重要手段。 本文从用户视角出发, 对隐私

政策概念和隐私政策研究的理论基础进行归纳和总结; 提出隐私政策研究的总体框架, 说明影响隐私政

策有效性感知的前因、 后果和中间变量; 指出该领域的研究缺口以及未来可能的研究方向。

关键词: 隐私政策; 用户隐私; 营销; 数据安全; 《中华人民共和国网络安全法》

中图分类号: F274 文献标识码: A 文章编号: 1008-2700 (2023) 05-0095-18

一、 问题提出

随着数字业务的普及和大数据技术的广泛应用, 越来越多的企业通过收集、 存贮、 追踪、 记录及分

析用户数据并对用户行为精准分析来达到更好地了解和预测用户行为, 提供个性化的产品和服务, 从而

提升营销效率的目的[1-4]

。 当今, 无论是企业还是非营利性的政府机构及慈善组织等, 对用户数据的采集

已非常普遍, 在线购物和支付, 甚至信息浏览, 通常都会要求用户披露一些个人信息 (例如手机号码

等)。 这些数据采集对用户隐私构成一定的威胁, 并产生大量的负面效应[5]

。 例如, 使用户面临披露信息

的风险[6-7]

, 引发用户对个人信息因有可能遭受泄露并带来损失而产生恐惧心理和对企业的不信任感[8]

,

从而导致直接拒绝提供个人信息、 提供错误或误导性的信息[9-10]

、 给出负面的口碑评价、 投诉和抱怨[11]

降低与网站的交易意愿[12] 等一系列不利于组织的用户行为和反应。

在互联网环境下, 各类网站、 软件以及 App 往往会就自身如何收集和使用用户个人信息和行为记录

做出一定的说明与解释, 并将之称为隐私政策。 隐私政策是一种直观的组织保证和承诺, 作为企业保障

用户隐私安全的重要机制之一, 隐私政策已被业界广泛采用。 企业隐私政策作为传递企业承诺和具有阐

释性的文件, 它能明确地告知用户其个人数据将如何被收集、 使用和保护, 以及这些隐私信息如何得到

更新或纠正[13-16]

, 反映了企业在保护用户隐私、 消除用户顾虑方面所做的努力, 是网站平台对如何保护

用户个人信息最直接、 全面和明确的陈述和阐释[17]

用户是企业隐私政策最重要的受众之一。 从用户视角出发, 理解企业隐私政策所产生的影响和效果, 在

95

第98页

2023 年第 5 期 高充彦, 谢毅: 企业隐私政策的影响及其机制

理论和实践上都具有十分重要的意义。 尽管现有文献已就相关话题积累了一定的成果, 但是对已有研究发现

的总结和梳理不足, 相关研究内容较为零散, 缺乏综合性的整理和理论整合, 对未来的研究和理论建构造成

一定的阻碍。 基于用户视角的企业隐私政策综述, 不仅识别了指导该领域研究的多元化理论背景, 形成融合

前因后果的理论框架, 而且还有助于识别研究空白, 为未来的研究提供基础并指出可能的发展方向。

本文参考系统性文献综述的方法, 通过对隐私政策相关文献的深入梳理和总结, 以结构化的方式对

现有文献进行分析, 实现以下研究目标: (1) 总结企业隐私政策的定义和维度、 理论基础、 研究方法;

(2) 在整合跨学科文献成果的基础上提出隐私政策研究的总体框架, 说明影响企业隐私政策的作用机制、

前因和后果; (3) 指出该领域的研究缺口, 对未来研究方向和内容进行预测和展望, 提出围绕企业隐私

保障机制未来可能的研究议程。

二、 文献检索和筛选的方法

本文首先确定基本的搜索字符串, 在中国知网和万方数据库以关键词 “隐私政策” “隐私声明” “隐

私通知” 进行中文文献的检索。 以英文关键词 “privacy policy” “privacy statement” “privacy notice” 为检

索词在科学网 (Web of Science) 等七个英文数据库中进行英文文献的检索。 对数据库检索结果中发表隐

私主题论文较多的英文期刊 Journal of Information Systems Research、 Information and Management、 Journal of

Interactive Marketing、 Journal of Business Ethics、 MIS Quarterly、 Journal of Business Research、 Journal of Marketing Analytics 等, 以及中文期刊 《情报理论与实践》 《图书情报工作》 《中国信息安全》 《当代法学》

《法商研究》 《管理评论》 《管理学报》 《营销科学》 等进行进一步跨学科检索。 限定文献发表年份为

2000—2022 年, 包括已发表的论文和会议论文, 共获取 156 篇中文文献和 437 篇英文文献, 这些研究都

被加入文献样本库。 接着, 通过通读标题、 摘要和引言部分进行文献初选, 排除相关性较低的论文和已

在杂志上发表的会议论文。 借鉴参考文献引用情况补充遗漏文献, 并在阅读已检索文献的基础上通过挖

掘相关关键词进行二次检索及交叉参考。 最终获得 65 篇中文文献和 213 篇英文文献。

在综合考虑主题的相关性、 期刊水平、 引用率等因素对文献进一步精选之后, 课题组最终得到 91 篇

高相关性、 高质量的文献作为研究样本。 其中, 英文论文 69 篇, 包括刊发于营销领域期刊的论文 22 篇,

刊发于信息领域期刊的论文 27 篇, 刊发于管理科学领域期刊的论文 20 篇; 中文论文 22 篇, 刊发于信息

领域期刊的论文 5 篇, 刊发于管理科学领域期刊的论文 17 篇。 总体而言, 营销领域的论文共 22 篇, 信息

领域的论文共 32 篇, 管理科学领域共有 37 篇论文。

三、 隐私政策的定义和维度

(一) 隐私政策的定义及其发展脉络

不同领域的文献和学者在研究中对隐私政策给出了不同的定义。 本文对代表性文献中对隐私政策的

定义、 研究场景、 内容要素和性质进行归纳总结 (见表 1)。

表 1 隐私政策概念

隐私政策的定义 应用场景 内容要素 性质 研究者

是一家机构为确保消费者的在线信息隐私而采取的措施,

阐明了一家公司在线收集、 使用和保护数据的方式

机构 收集、 使用、

保护数据的方式

解释说明 李奇登斯坦等

(Lichtenstein et al. , 2002)

[13]

是移动服务商实行行业自律的重要体现, 它阐明了服

务商如何收集、 使用和存储个人信息的相关政策和

策略

移动服务商 收集、 使用和

存储个人信息

管理机制 辛德勒和比卡特

(Schindler & Bickart, 2012)

[18]

;

刘百灵和董景丽 (2022)

[19]

是网络软件运营商或网络服务提供者在经营服务过程

中对合法收集处理用户数据做出的一种承诺

WEB 软件运营商、

WEB 服务提供商

收集、 处理

用户数据

合法性承诺 何培育和王潇睿

(2018)

[20]

96

第99页

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

根据对隐私政策定义的检索, 当前主要存在三类说法, 反映了隐私政策的三种不同性质。 第一类

说法认为隐私政策是互联网环境下各类网站、 软件以及 App 就如何收集和使用个人信息和行为记录所

做出的说明与解释, 是用户了解企业如何收集和使用他们个人数据的渠道[21-26]

, 是关于企业如何处理

和保护用户个人信息、 阐述其基本权利义务的阐释性文件[9]

, 是网站、 平台对自身在收集、 使用、 分

享用户个人信息行为中如何保护用户个人信息的申明、 告示[27]

。 第二类说法认为隐私政策是服务提供

者自我监督的一种管理机制, 是移动服务商实行行业自律的重要体现。 通过这种机制, 用户可以知道

他们被收集的信息将被机构如何使用; 保护信息不被丢失、 错误使用或更改的保障措施; 以及用户如

何删除或更新修改不准确的信息[14]

。 第三种说法认为隐私政策是一种合法性承诺。 是电商平台关于保

护消费者个人信息安全的规则, 是平台关于合法处理消费者个人信息的相应承诺[4]

。 相关法律法规的

出台, 标志着网站运营者披露隐私政策已成为一项法定义务, 每个企业都应该有明确的隐私政策[28]

但是, 对于隐私政策是否具有合同属性这一问题, 当前中国法律界仍存在争议, 国家权威部门尚未给

出统一性的界定[17]

在企业实践中, 隐私政策在不同的网站或第三方 App 中往往会被冠以用户隐私协议概要、 隐私条款、

隐私声明、 个人信息保护政策、 隐私保护、 隐私协议或隐私保护协议等不同名称。 在学术研究中, 学者

们则采用了诸如隐私声明 (privacy statements)、 隐私通知 (privacy notice)、 隐私政策声明 (privacy policy

statements)、 保障声明 (assurance statements) 等概念来表达与隐私政策相似或相同的内涵, 这些概念往

往被相互替代甚至混合使用[29]

, 现有文献中并未对它们进行统一或做出详细的区分。 大量学者也明确指

出隐私政策相关概念存在雷同的问题, 这些概念之间存在相同或相似的功能与作用[4,13-14,17,20,29-30]

。 为避

免歧义和混乱, 本文在综述时将文献中采用的隐私政策、 隐私政策声明、 隐私声明、 隐私协议、 保障声

明统一以隐私政策来表述, 并将隐私政策定义为企业对其收集和使用用户个人信息所做出的说明, 是企

业对处理和保护用户个人信息安全所做出的合法性承诺。

(二) 隐私政策的维度

现有文献对隐私政策维度的确定并没有统一标准, 由此对隐私政策的评价造成一定的困难。 在实证

研究中, 主要存在三种确定和测量隐私政策维度的方式: 第一种方式将隐私政策的可理解性和隐私政策

陈述的充分性作为隐私政策的测量维度[31]

; 第二种方式将对隐私政策的感知, 例如隐私政策的感知效率

和组织自我管理的感知效率[32-33]

、 隐私政策的感知有效性[34] 作为隐私政策的测量; 第三种方式参考国

际普遍做法, 直接将法律法规中有关用户信息保护条款的要求直接全部[29,35] 或部分作为隐私政策的测量

维度[36]

由于隐私政策的结构和内容是确定隐私政策合规性及企业自我规制的重要手段, 本文在综合文献的

基础上, 将隐私政策的维度确定为结构维度 (即内容的全面性) 和内容维度 (即内容的可理解性) 二个

维度。 将法律法规对用户隐私保护的相应内容要求作为企业隐私政策的结构维度, 以反映企业隐私政策

对法律法规所规定内容覆盖的全面性和完整性; 将影响隐私政策的易读性和可理解性的因素作为隐私政

策的内容维度, 以反映用户对隐私政策内容的理解。

1. 隐私政策的结构维度

现有研究中, 国外研究大多根据美国联邦贸易委员会 (Federal Trade Commission, FTC) 2000 年提出

的公平信息实践五项原则 (Fair Information Practice Principles, FIPPs), 包括通知/ 意识 (notice / awareness)、

选择/ 同意 (choice / consent)、 访问权/ 参与 (access/ participation)、 安全/ 完整性 (security / integrity) 和强制

执行/ 补救 (enforcement / redress), 或欧盟 2018 年在 《通用数据保护条例》 (General Data Protection Regulation, GDPR) 中提出的七条原则, 包括合法、 公平、 透明原则, 目的限定原则, 最小范围原则, 准则性原

则, 存储限制原则, 完整性与保密性原则以及责任原则, 直接作为隐私政策的测量维度[29,35]

。 如今, FIPPs

与 GDPR 在世界范围内被广泛使用, 严格的隐私政策通常是基于它是否符合二者的原则而判定的[29,37]

国内研究则根据 2017 年 6 月实施的 《中华人民共和国网络安全法》 (以下简称 《网络安全法》 ) 的

97

第100页

2023 年第 5 期 高充彦, 谢毅: 企业隐私政策的影响及其机制

七项基本要求 (限制收集、 保证质量、 明确目的、 使用限制、 安全保障、 公开透明、 个人申诉)、 2021 年

11 月施行的 《中华人民共和国个人信息保护法》 (以下简称 《个人信息保护法》 ) 和 2020 年 3 月发布的国

家标准 GB/ T 35273—2020 《信息安全技术 个人信息安全规范》 (以下简称 《安全规范》 ) 的五项较高要求

(最小化收集、 敏感信息保护、 合理期间保存、 确保个人访问、 安全影响评估), 考察样本隐私政策覆盖法定

基本要求方面是否完善及有无超越性规定, 不同的法定要求在不同的企业被遵守的程度是否存在差异。

鉴于 《网络安全法》 的七项保护要求符合 FIPPs, 符合世界通行个人信息保护通行规则[38]

, 并在中

国施行较早, 本文将 《网络安全法》 关于网络运营者个人信息保护义务的七项规定作为隐私政策的结构

维度因素基础, 结合 《个人信息保护法》 和 《安全规范》, 对各因素进行补充释义 (见表 2)。 在实证研

究中, 依据具体情境, 对个人信息收集、 使用、 保存以及管理等过程中应用程序开发者、 运营商与用户

之间的权利义务关系的具体内容进行分析和评价。

表 2 隐私政策的结构维度及释义

因素 释义

限制收集 个人信息的收集和使用范围是否遵循合法、 正当、 必要原则? 是否明确收集信息的种类和范围? 是否经被收集者同意授

权收集?

保证质量 是否存在泄露、 篡改、 毁损收集的个人信息行为? 是否明确告知可能存在的信息共享对象 (第三方) 及向其提供信息

的种类和范围?

明确目的 是否明确收集信息的目的和方式?

使用限制 是否明确信息的使用目的、 方法和范围? 是否做到未经被收集者同意, 不得将个人信息分享给第三方?

安全保障 是否明确说明安全责任承担主体? 是否告知可能存在的安全风险? 是否说明采取的必要措施, 确保个人信息安全? 是否

有在发生信息泄露、 毁损、 丢失时, 能立即采取的补救措施说明? 是否说明信息安全事件处置情况? 是否有外部机构认

证系统的安全保障?

公开透明 是否有建立、 健全、 更新用户信息保护制度的说明? 是否公开收集和使用规则, 明示信息使用的目的、 方式和范围? 是

否有明确的信息存储期限说明? 是否说明信息共享或公开的类型和目的?

个人申诉 当个人发现网络运营商违反法律规范或双方约定对个人信息进行收集和使用, 或采集信息有误时, 是否有权要求网络运

营商对其进行删除和更正处理? 网络运营者是否有并公布能够及时受理并处理投诉举报的制度和办法? 是否明确指出申

诉与反馈的渠道及流程?

目前, 关于隐私政策结构维度的研究更多是描述性研究, 研究方法主要使用内容分析法和文本分析

法, 并加以比较研究[39-44]

。 从隐私法规政策角度分析, 对不同信息主体的隐私政策内容进行分解、 归类、

分析与比较, 剖析其与法定规范的契合度, 分析并对比不同运营者的隐私政策披露现状。 将研究样本的

隐私政策依据相应法律法规条款进行内容分解和归类, 以此分析并对比企业隐私政策披露的状况, 探讨

基于隐私政策的企业隐私保护机制所存在的问题, 并提出改进措施或制定建议。 在内容分析和文本分析

的基础上, 也有研究更进一步进行隐私政策认知影响因素框架模型、 框架优化研究及评估指标体系的建

立。 例如, 张玥等 (2019) 采用扎根理论方法并结合半结构化访谈的方式, 构建出用户对于医疗问诊

App 隐私政策的认知影响因素框架模型[30]

; 石婧和潘雅 (2020) 根据企业的隐私政策与法律框架界定的

差距, 提出中国互联网企业隐私政策的评估指标体系[45]

; 郭清玥和吴丹 (2021) 通过 200 款常用 App 的

隐私政策进行分析后提出, 应采用三维坐标系结构对 App 隐私框架进行优化表述[46]

虽然基于内容分析法、 文本分析法和半结构化访谈的研究能够为相关议题提供翔实的现实依据, 然

而, 此类研究也存在明显的缺陷, 即各因素间的因果关系推论缺乏严谨性[47]

。 因而, 需要进行更为深入

的实证研究, 采用定量法全面考察企业隐私政策各结构维度对不同用户的影响, 以及各个影响变量之间

98

百万用户使用云展网进行书刊杂志制作,只要您有文档,即可一键上传,自动生成链接和二维码(独立电子书),支持分享到微信和网站!
收藏
转发
下载
免费制作
其他案例
更多案例
免费制作
x
{{item.desc}}
下载
{{item.title}}
{{toast}}