技术摘要：解读混合信号：绩效反馈（不）一致性对企业数字化技术创新的影响

1. 问题陈述与研究缺口

在数字化转型时代，数字化技术创新（DTI）是竞争优势的关键来源。然而，这一过程具有高度的不确定性和路径依赖性，导致管理层在数字化举措是正在取得成功还是需要战略转向方面存在决策模糊。虽然先前的研究已经识别了 DTI 的前因（如技术能力、资源禀赋），但大多将其视为一个同质化的过程。这种忽视忽略了由缓解型创新（侧重于效率、稳定性和预防性强化）和适应型创新（侧重于灵活性、战略调整和反应性更新）构成的双重结构。

此外，现有文献通常假设企业追求单一绩效目标。现实中，组织追求多个目标，这会产生不一致的绩效反馈（例如，主要绩效低于预期，而次要绩效超过预期）。这造成了以解释性模糊为特征的“反馈之雾”。企业如何解读这些混合信号的特定认知机制，以及高管注意力如何影响最终的创新策略，仍有待深入研究。本研究通过考察一致与不一致的绩效反馈如何影响 D（DTI）响应的异质性，以及 CEO 注意力警觉性如何调节这些效应，来填补这些研究空白。

2. 理论框架

本研究整合了企业行为理论（BTOF）和注意力基础观（ABV）。

• BTOF： 组织是有限理性的，并根据相对于抱负水平的绩效来调整搜索行为。本研究假设，多目标追求创造了冲突信号（“反馈之雾”），从而塑造了企业进行问题驱动型搜索（缓解型）还是机会驱动型搜索（适应型）。
• ABV： 高管注意力是关键的认知资源。本研究引入了 CEO 注意力警觉性，由两个维度定义：
  • 注意力数量（Attention Quantity）： 分配给创新线索的注意力广度。
  • 注意力稳定性（Attention Stability）： 关注点随时间推移的持久性和连贯性。
    该框架认为，警觉性起到了认知稳定器的作用，决定了模糊的反馈如何转化为战略创新方向。

3. 研究方法

数据与样本

• 来源： 2007 年至 2023 年间的中国 A 股上市公司。
• 筛选： 剔除了特别处理（ST）或特别转让（PT）公司、金融行业公司以及数据缺失的公司。
• 数据来源： 用于创新数据的中国研究数据服务平台（CNRDS）；用于财务和治理数据的中国股票市场与会计研究基金会（CSMAR）。

变量测量

• 因变量（DTI）： 研究区分了缓解型 DTI（预防性的、面向稳定的）和适应型 DTI（反应性的、面向韧性的）。
  • 测量方法： 采用结合定量指标（研发、专利）的因子分析与 基于 BERT 的机器学习语义分类 的混合方法。使用经过预训练并针对人工标注的企业披露文本进行微调的中文 BERT 模型，根据领域特定词库（如“预测性维护”对比“灾难恢复”）将专利摘要分类为缓解型或适应型。
• 自变量（绩效反馈）：
  • 低于抱负反馈（FBB）： 主要绩效（如 ROA）低于加权抱负水平（历史水平 + 行业中位数）。
  • 不一致反馈（FBI）： 主要绩效低于抱负，但次要绩效（如研发强度）高于抱负。
  • 一致性负面反馈（FBC）： 两个目标均低于抱负。
• 调节变量（CEO 注意力警觉性）：
  • 注意力数量（EA）： CEO 沟通内容（演讲、年报）中激进创新关键词占总创新关键词的比率。
  • 注意力稳定性（VA）： 四个季度内注意力数量标准差的倒数，衡量关注的一致性。
• 控制变量： 公司规模、年龄、董事会特征、股权集中度、杠杆率、ROE、资产周转率、存货强度、机构持股比例及托宾 Q 值。

实证模型

研究采用固定效应面板回归模型，在控制公司、行业和年份效应的情况下，考察不同类型的反馈对缓解型和适应型 DTI 的影响。模型中包含交互项，以测试 CEO 注意力数量和稳定性的调节作用。

4. 主要结果

主效应

• 低于抱负反馈： 当主要绩效低于抱负时，企业会显著增加缓解型 DTI（预防性强化），但减少适应型 DTI（战略更新）。这表明在压力之下，企业会出现向稳定现有系统的行为转变。
• 不一致反馈： 当主要绩效较低但次要绩效较高时，模式发生反转。企业会减少缓解型 DTI 并增加适应型 DTI。积极的次要信号提供了心理安全感和资源冗余，即使在主要绩效不足的情况下也能鼓励适应性更新。
• 一致性负面反馈： 两项目标的持续表现不佳会强化缓解型创新，同时抑制适应型创新。

CEO 注意力警觉性的调节效应

• 注意力数量： 高 CEO 注意力数量会削弱低于抱视反馈与缓解型 DTI 之间的正向关系（通过分散注意力），并加强低于抱负反馈与适应型 DTI 之间的负向关系（通过降低实验的认知深度）。
• 注意力稳定性： 高 CEO 注意力稳定性会削弱不一致反馈与缓解型 DTI 之间的负向关系（通过维持对主要缺口的关注），并加强不一致反馈与适应型 DTI 之间的正向关系（通过实现将冲突信号整合为连贯更新策略的能力）。

5. 意义与贡献

理论贡献

1. 推进行为理论： 本研究超越了单一目标的假设，解释了组织如何应对多目标追求产生的“反馈之雾”。它将反馈模糊性重新诠释为一种独特的认知状态，而非单纯的噪声，这种状态塑造了搜索的方向（缓解型 vs. 适应型）。
2. 完善注意力基础观： 通过区分注意力数量与稳定性，本研究证明了注意力是一个动态机制。研究揭示了过度的广度（数量）在压力下可能有害，而稳定性对于解决歧义和维持适应性策略至关重要。
3. 方法论创新： 本文通过使用 基于 BERT 的语义分析 来操作化创新的异质性，架起了计算方法与行为战略之间的桥梁。这使得能够捕捉到传统专利计数无法实现的、具有行为基础的细粒度区别（即缓解型与适应型）。

实践启示

• 对管理者而言： 绩效反馈应被视为一种解释性的信号，而非纯粹的评价性指标。结构化流程（如跨职能审查）有助于平衡预防性强化与适应性重构。
• 对 CEO 而言： 注意力是一种战略资源。在动态环境中，CEO 必须构建其注意力结构以避免分散。定期的焦点审查和战略反思可以在面对混合信号时保持认知的连贯性。
• 对治理层面而言： 企业应建立将数字化创新与预防性和适应性目标相结合的评估体系，以减少对暂时性波动的过度反应，并鼓励实验精神。

局限性

作者承认本研究侧重于中国 A 股公司，由于制度和文化特性，这可能会限制其普适性。此外，面板数据的横截面性质未能完全捕捉数字化转型不同阶段中反馈与创新关系的动态演变。未来研究建议开展纵向设计以及跨不同制度背景的比较研究。