数字化赋能的循环经济动态能力：企业规模的作用

《Journal of Cleaner Production》：Digital-enabled dynamic capabilities for circular economy: The role of firm size

　　阿尔贝托·乌鲁埃纳（Alberto Urue?a）、亚历山德拉·内里（Alessandra Neri）、恩里科·卡尼奥（Enrico Cagno）、埃布鲁·苏苏雷特西（Ebru Susur）

马德里理工大学工业工程、工商管理和统计学系

摘要：数字技术被认为有助于制造业领域循环经济实践的实施。然而，解释这种关系的机制和条件尚未得到充分确立，关于如何利用数字技术来推动循环经济的指导也尚不明确。最近的研究重点关注了数字赋能的动态能力在这一关系中的可能中介作用，以及企业规模等可能影响该关系的调节因素。截至目前，这方面的实证证据仍然很少。为加深对数字技术、循环经济实践、数字赋能能力以及企业规模调节作用之间关系的理解，本研究对338家欧洲制造企业进行了定量实证分析。我们采用了偏最小二乘结构方程建模和条件中介分析方法，探讨了不同规模企业中数字技术、数字赋能动态能力与循环经济实践之间的关系。研究结果表明，数字技术既可以直接支持循环经济的实施，也可以通过数字赋能动态能力的中介路径实现这一目标，但这种关系的强度会受到企业规模的影响——较大规模的企业能够更有效地利用数字赋能动态能力来推动循环经济实践。最后，本研究提出了进一步研究的方向，以更好地理解数字赋能动态能力在支持循环经济中的作用。

1. 引言
人类世时代以资源加速枯竭、生物多样性丧失和气候变化为特征（Bonneuil和Fressoz，2016）。工业活动虽然对经济发展至关重要，但因其对有限自然资源的依赖以及在超出地球承载能力范围内的废弃物和排放产生，仍是这些问题的主要驱动因素之一。当前的工业体系建立在开采、生产、消费和处置的线性模式基础上，这加剧了前所未有的环境压力（Sadiq等人，2026；Vien，2026）。循环经济（CE）作为一种具有挑战性的范式，旨在对抗和转变这种线性模式（Chen和Dagestani，2023；Franco和Giannoccaro，2025），通过将经济活动与资源消耗和环境破坏脱钩来实现可持续发展（Cagno等人，2023）。循环经济不仅是环境方面的必要选择，也是产业转型向可持续发展的战略机遇（Kirchherr等人，2017）。循环经济对于实现气候中和目标至关重要，这一点也体现在欧盟的《循环经济行动计划》和《循环经济分类法》等法规中。制造企业需要做出重大努力来推广循环经济，因为他们必须彻底重新考虑自身的生产和消费模式（Bianchini等人，2019）。然而，循环经济的实施总体上仍面临限制（Grafstr?m和Aasma，2021），这凸显了进一步推动循环经济转型所需的支持措施的重要性。

数字技术（DTs）能够促进企业向循环经济的转型（Cannas等人，2025b），并支持多种循环经济策略的实施（Sadiq等人，2026）。数字技术推动了集成、适应性强的生产流程，提升了互操作性，同时加强了利益相关者之间的联系，并增强了可持续性表现（Rodríguez-Espíndola等人，2022；Upadhyay等人，2021）。关于数字技术采纳与循环经济实施之间关系的研究已有很多讨论，近期综述文章提供了全面总结（例如Sánchez-García等人，2024；Toth-Peter等人，2023）。总体而言，普遍认为数字技术通过支持循环经济策略和实践，帮助制造企业拥抱循环经济（Frank等人，2025）。

然而，为了超越纯粹的技术视角，最近的研究越来越多地要求深入探讨影响数字技术与循环经济实施关系的机制和条件。Neri等人（2025）指出，不同的研究结果可能源于描述这两者关系的机制，即那些调节或中介这一关系的因素。基于动态能力（DCs）理论，Neri等人（2025）重点关注了数字赋能动态能力的中介作用。尽管数字技术无疑是推动循环经济的重要因素，但其支持效果可能受到业务流程、企业文化以及技术所促进的模式变化的中介（Yu等人，2021）。尽管数字赋能动态能力的作用值得进一步研究（Hoppe-Ludwig等人，2025），但它们如何中介数字技术与循环经济之间的关系以及如何在制造企业中真正支持循环经济的实施仍不明确。此外，先前的研究强调，企业和循环经济之间的差距——包括规模差异——也可能产生影响（Cagno等人，2025；Ren，2025）。通常认为小型企业在数字化和推广循环经济方面存在困难（Vien，2026），这影响了它们发展数字赋能动态能力和利用这些能力推动循环经济的能力（AL-Khatib，2023；J?rvenp??等人，2025）。尽管企业规模可能是调节数字技术与循环经济关系的因素（?etin等人，2022；Huang等人，2022；Soluk等人，2023），但这一作用常常被忽视，从而限制了对它的理解。

尽管数字技术的推动作用得到认可，但其对循环经济实施的具体机制和条件尚未完全明确（Frank等人，2025；Kumar等人，2025），因此实践者对于如何利用数字技术实现循环经济的指导也不够清晰。这限制了制造业向更循环经济的转型，而政治、工业和社会各界都期望实现这一转变。通过进一步从实证角度探索这些机制和条件（Kumar等人，2025；Neri等人，2025），可以提供更多指导。本研究旨在对此进行补充分析。为了理论化这些机制，本研究借鉴了动态能力理论，该理论解释了企业如何调整资源和流程以应对环境变化和战略挑战。这一理论框架特别适合探讨数字技术如何促进支持循环经济实施的组织能力。具体来说，本研究将分析数字赋能动态能力在数字技术采纳与循环经济实施关系中的中介作用，并考察企业规模的调节效应。

2. 理论与概念背景
本部分简要介绍了本研究中的主要概念和理论基础，旨在提供简洁而全面的概述，以便于理解。循环经济（CE）是一种经济体系，其核心是运用减少、再利用、回收和回收材料等商业模式替代“产品生命周期结束”理念，从而实现可持续发展（Kirchherr等人，2017）。尽管定义多种多样，且尚未达成共识（Kirchherr等人，2023；Ren，2025），但文献普遍认为循环经济与一系列策略相关，这些策略有助于从更具体的角度理解循环经济的概念（Cagno等人，2021）。已经发展出了多种循环经济策略框架，其中最著名的包括3R（减少、再利用、回收）模型（Koksharov等人，2019）。该模型后来发展为6R（重新设计、减少、再利用、再制造、回收）模型，进而发展为9R（10R）模型（Potting等人，2017；Rosa等人，2020）。Ellen MacArthur基金会提出的蝴蝶图也包含了这些策略。这一图示强调了生物循环和技术循环之间的区别，特别推荐再利用、翻新和再制造等活动（Cayzer等人，2017）。

从工业角度来看，循环经济可以在不同层面实施，包括微观层面（单个企业）、中观层面（工业园区等工业系统）和宏观层面（区域及经济整体）（Kirchherr等人，2017）。所有层面都需要将循环经济策略转化为具体的行动方案，即循环经济实践（CEPs）。这些实践是企业基于循环经济目标作出的决策结果（Masi等人，2018），有助于企业提升相关绩效（Garza-Reyes等人，2019）。在微观层面，文献中提出了多种循环经济实践的组织实施方式（Leal等人，2025）。例如，Cagno等人（2025）根据循环经济策略组织了循环经济实践；Garza-Reyes等人（2019）则根据循环经济在企业内的普及程度进行了分类。无论组织方式如何，循环经济实践都能为企业实施循环经济策略提供操作支持。

2.1. 循环经济
循环经济可以被定义为“一种基于商业模式的经济体系，这些模式用减少、再利用、回收和资源回收等手段替代‘产品生命周期结束’的概念，以实现可持续发展”（Kirchherr等人，2017）。尽管定义多样且尚未达成共识（Kirchherr等人，2023；Ren，2025），但文献普遍认为循环经济与几种策略相关，这些策略有助于更直观地理解循环经济的概念（Cagno等人，2021）。循环经济策略涵盖了减少、再利用、回收等多个方面。不同框架下提出了多种循环经济实践模型，其中最为人所知的包括3R（减少、再利用、回收）模型（Koksharov等人，2019），随后发展为6R（重新设计、减少、再利用、再制造、回收）模型，并进一步发展为9R（10R）模型（Potting等人，2017；Rosa等人，2020）。Ellen MacArthur基金会提出的蝴蝶图也体现了这些策略。该图示强调了生物循环和技术循环的区别，特别推荐了再利用、翻新和再制造等活动。

2.2. 数字技术
工业4.0正在重塑社会经济体系，旨在实现更高水平的工业自动化和优化生产效率与连通性（Arcidiacono和Pieroni，2018；Cannas等人，2025a）。工业4.0模型包含了多种先进的数字技术（Cannas等人，2025b），这些技术的采纳推动了上述社会经济变革（Frank等人，2025）。在技术快速发展的时代，有效的创新能力至关重要（Urue?a López，2025）。数字技术通过垂直整合、虚拟化、自动化、可追溯性和能源管理等手段支持企业（Frank等人，2019），并已被证明能够提升企业绩效（Ren，2025）。数字技术涵盖了通信系统、信息和计算系统的集成（Ren，2025），可划分为多个子类别。Rü?mann等人（2015）提出了数字技术的详细分类，包括物联网、大数据分析、云计算、系统集成、增材制造、机器人技术、网络安全和区块链等。此外，人工智能和基于计算机的技术也是重要的数字技术（Roberts等人，2024；Xu，2016）。数字技术可通过多种方式创造价值。根据Ren（2025）和Gobble（2018）以及Ancillai等人（2023）的观点，数字技术的应用可分为两种类型：数字化（利用数字技术以新的方式创造价值，即改进现有业务流程）和数字化转型（数字技术不仅提升运营效率，还重塑价值创造和获取机制，影响商业模式）。

2.3. 动态能力理论
本研究基于动态能力理论。该理论关注企业如何调整其常规、流程和资产，以在充满快速变化和不确定性环境中获得可持续竞争优势并推动战略转型（Franco和Giannoccaro，2025；Hoppe-Ludwig等人，2025），例如在循环经济实施和数字技术采纳过程中（Lozada等人，2025）。动态能力是指企业以可重复的方式更新其资源基础的能力（Eisenhardt和Martin，2000）。资源基础包括有形资产、无形资产和人力资源，以及企业拥有、控制或有权使用的各种能力（Schilke等人，2018；Teece等人，1997）。能力本身通常也被视为一种资源，这意味着动态能力可以发展和扩展这些资源（Fan和Liu，2025）。此次革新基于三个阶段：感知、抓住和转型（Teece，2007，2018）：首先，感知到机会；然后，通过调整商业模式来抓住这个机会；最后，转变组织结构和文化的某些方面。借鉴Hoppe-Ludwig等人（2025）基于Teece（2007）的描述，感知阶段侧重于识别机会，因此与认知过程相关，如扫描、学习和解释，通常集中在市场、客户、供应商和竞争对手上。抓住阶段涉及将机会转化为竞争优势，因此与企业创造新的或创新现有商业模式的能力相关。转型阶段则侧重于通过转变企业的无形和有形资产来维持竞争优势。这些能力在组织内部往往难以识别，并由较小的机制支撑（Franco和Giannoccaro，2025），这些机制被称为微观基础（Teece，2007）。微观基础存在于个人、过程和结构中，通过它们能力产生组织现象，应当适当识别和研究这些基础，以便全面理解和把握资源基础的革新（Felin等人，2012）。DCs文献最初将感知、抓住和转型描述为能力更新过程的连续阶段（Teece，2007）；实证研究通常将其作为不同但相互关联的组织能力来操作化，即企业可以不同程度发展和部署的稳定、可重复的能力，例如Franco和Giannoccaro（2025）。基于此，本研究将感知、抓住和转型视为可衡量的能力维度，它们共同构成了DCs。因此，在假设和方法部分，这些被称为DCs而不是阶段，反映了它们作为概念的操作化。

3. 假设发展
本节介绍了接下来将要研究的假设。尽管DCs理论支撑了中介机制，但一些条件中介分析的假设被指定为基准，以便可以直接、中介和条件关系之间进行比较。第3.1节建立了DTs采用与CEPs实施之间的基线直接关系。第3.2节明确引用了DCs理论，提出DTs通过促进数字赋能的DCs的发展来贡献于CEPs。根据这种观点，DTs加强了DCs的微观基础，使企业能够识别循环机会，相应地分配资源，并重新配置流程和资产基础。第3.3节将企业规模作为一个相关的情境变量纳入考虑，扩展了DCs的视角，承认数字赋能的DCs的发展和利用可能受到企业规模的影响，因此与资源可用性等结构条件相关。据此，制定了一组调节和中介假设，以检验企业规模如何以及是否影响DTs、CEPs和数字赋能DCs之间的关系，基于之前建立的假设。总体而言，本节阐述的假设形成了一个条件中介框架，使得可以直接、中介和规模条件效应进行系统比较。这提供了一个理论上有根据且细致的理解，说明DTs的采用如何转化为CEPs的实施。

3.1. 数字技术的采用与循环经济实践的实施
文献普遍认为，采用DTs可以支持CE的实施。这种支持的多种机制已在文献中讨论和报告（Ren，2025）。总体而言，DTs可以增强实时数据收集和分析的能力，以及跟踪和追踪资源的能力（Liu等人，2022；Ren，2025）。DTs的支持也与特定的CE策略相关，如再利用、再制造、回收和翻新（Piedra-Mu?oz等人，2025；Virmani等人，2025）。文献提供了特定DTs对特定CE方面的支持机制的例子——附件A提供了基于Neri等人（2025）发现的概述。此外，讨论还涉及数字生态系统对实施CE的好处（Ertz等人，2022）。例如，增材制造、自动化机器人和人工智能的结合可以提高活动和流程的效率（Ghoreishi和Happonen，2022）。一些选定的贡献提供了明确的评估，专注于CE策略或DTs的类别或组别。例如，Piedra-Mu?oz等人（2025）跟踪了三类DTs，即数据收集、数据集成和数据分析，对缩小、放缓、关闭和再生的CE策略的贡献。他们指出，数据收集和数据分析对所有CE策略都有贡献，而数据集成技术主要对缩小和关闭策略有贡献。Neri等人（2023a）进一步提供了详细信息，指出了制造企业中特定DTs与CEPs之间可能的关系，随后Cagno等人（2025）确定了支持特定CEPs实施的DTs组合。基于上述讨论和最近的研究（例如Frank等人，2025），显然并广泛接受DTs可以通过实施CE来支持制造企业采纳CE。因此，我们提出以下假设：
H1：DTs的采用影响制造企业中CEPs的实施。
然而，提供对这种关系深入理解的机制和条件因素尚未得到充分巩固（Frank等人，2025；Kumar等人，2025）。接下来，我们将进一步研究这种关系。

3.2. 数字赋能动态能力的中介作用
正如所讨论的，DTs可以支持CEPs的实施。然而，为了实现这种关系的好处，文献建议组织应当发展适当的能力（Kumar等人，2025）以充分利用DTs的潜力（Sj?din等人，2023）。因此，虽然DTs与CE之间的关系主要被视为直接的（Sharma等人，2024），但对传递路径（如Godinho Filho等人（2022）所定义的）或中介的研究可能会提供更详细的描述。迄今为止，文献已经研究了这种关系的多种调节因素，如供应链整合、灵活性和风险管理、可追溯性和合作、绿色物流以及可持续制造——请参阅Neri等人（2025）以获得完整概述。在不同的中介因素中，DCs显得至关重要。文献强调，实施CE需要DCs（Coppola等人，2023；Hoppe-Ludwig等人，2025）。一些支持CE的DCs可以由DTs启用（Elf等人，2022；Hoppe-Ludwig等人，2025）——即所谓的数字赋能DCs。从DCs理论的角度来看（请参阅第2.3节），DTs的采用本身可能不会创造价值（Ren，2025）；相反，它可以通过融入组织常规和决策过程来促进CE的实施。在这种情况下，DTs与DCs的微观基础相联系，增强了企业识别机会、通过 informed 战略选择利用这些机会以及相应调整现有流程和资产配置的能力。因此，DTs通过加强DCs的微观基础来启用DCs，而不是直接推动CE的结果。文献研究了数字赋能DCs的作用。例如，Kristoffersen等人（2021a，2021b）强调使用数据对于发展实施CE所需的业务分析能力至关重要；Santa-Maria等人（2022）、Khan等人（2020a）和Belhadi等人（2022）讨论了技术对转型和感知能力的影响。Chari等人（2022）和Faisal（2023）指出，DTs与通信、资源、技术、合作和知识相关的DCs促进了CE；Quayson等人（2023）关注用于回收、再制造和再利用策略的区块链赋能DCs；Neri等人（2023b）检查了实施CEPs的感知、抓住和转型方面的数字赋能DCs的微观基础。总之，DTs似乎促进了和支持业务转型，有几个关于数字赋能微观基础的例子——例如Neri等人（2023b）和Wilke和Kanbach（2026）。总体而言，DTs主要通过数据生成和分析来支持感知，通过决策支持和协调工具来支持抓住，通过流程整合和重组来支持转型。文献表明，DTs无疑是CE的推动者。然而，没有DCs，它们的作用可能会降低（A. N. Khan等人，2025），并且采用DTs还应从修改业务流程和文化的角度进行研究（Yu等人，2021）。因此，在正确理解DTs对CE的贡献时，关注相关能力是有意义的（Sj?din等人，2023；van Eechoud和Ganzaroli，2023）。尽管如此，文献尚未提供关于数字赋能DCs在支持CE方面相关性的完整概述或理解。虽然当前文献中有一些努力，但它们往往只关注特定的DT，例如Xu等人（2025）关注绿色物联网，或者Kumar等人（2025）关注供应链整合和灵活性，通常不提供关于CEPs的详细信息。因此，尽管有贡献存在，但仍缺乏全面的实证概述。使用传递方法（Rasoolimanesh等人，2021），我们提出了以下中介假设：
H2：数字赋能DCs中介DTs的采用与制造企业中CEPs实施之间的关系。
为了推进知识，并根据DCs理论，我们将关注感知、抓住和转型的三个阶段。据作者所知，Sj?din等人（2023）的贡献提供了一个类似的研究，重点关注数字赋能DCs对循环商业模式创新的影响，但仅限于人工智能。

3.3. 企业规模的调节作用
DTs与CE之间的关系在不同的情境因素下表现不同。先前的研究表明，基于规模差异的数字和循环鸿沟可能会影响企业。例如，Ren（2025）在微型、小型、中型和大型企业中展示了这一点，而Cagno等人（2025）强调了中型和大型企业之间的有趣差异。小型企业通常资源有限，如资金、员工和时间（Negri等人，2021）。由于资源分配不均（Ferasso等人，2023），企业规模成为影响企业行为的相关情境因素（Neri等人，2021；Sousa和Voss，2008）。特别是，小型和中型企业（SMEs）往往难以改善其数字化和CE（Vien，2026）。数字鸿沟，即获取、采用和使用DTs的能力差异（Gravili等人，2018；Ngo等人，2026），可能与企业规模有关。小型企业通常被认为在采用DTs和理解其机会及好处方面较慢（Horváth和Szabó，2019；Prisco等人，2022），其采用DTs可能受到偏见、有限理性和路径依赖性的影响（Pedota，2023）。同样，企业规模也被认为会影响数字能力（Lutfi等人，2024）。循环鸿沟也可能与企业规模有关。事实上，由于其固有的特征，SMEs在实施CE时可能会面临更大的挑战（Howard等人，2022），而大型企业通常更倾向于提高资源质量、实施回收计划、提供可再生商品和服务以及建立更环保的管理系统（Wang等人，2018）。基于企业规模的数字和循环鸿沟也似乎影响了DTs与CE之间的关系，企业规模起到了调节作用（Ali和Johl，2023）。据作者所知，没有先前的研究比较了基于企业规模（例如小型、中型、大型）的DTs与CE之间的关系；然而，Hernández等人（2024）在研究可持续性实施中的DTs时发现，大型企业之间的关系更强。企业规模还与发展DCs的能力相关，小型企业在这一方面落后（Andren等人，2003；Miyake和Nakano，2007），并且难以利用它们进行颠覆性创新（Soluk等人，2023）。基于规模的技术能力不对称似乎存在（Ngo等人，2026），大型企业比小型企业具有更高的能力水平（Huang等人，2023）。确实，较小规模的企业似乎在生成基于数字技术的运营流程（DCs）方面能力较弱（AL-Khatib，2023），并且在利用这些运营流程实现可持续企业（CE）方面也存在不足（J?rvenp??等人，2025）。从上述讨论中可以看出，大规模企业似乎拥有更多资源来采用数字技术（DTs），并且更有可能优先考虑可持续企业战略。然而，文献中也存在一些差异。尽管企业规模传统上被视为创新的关键预测因素，但关于这种关系的实证证据仍然模棱两可且相互矛盾，有些研究显示积极效应，有些显示消极效应，还有一些显示没有显著效应（Leal-Rodríguez等人，2015；Lee和Xia，2006）。传统的观点认为，由于资源更丰富，大规模企业更有能力投资于研究、开发和创新。相反，其他观点强调小型企业的创新潜力更大，因为它们具有更高的灵活性、多功能性和适应性（De Jong和Marsili，2006）。小型组织内部较低的官僚主义结构赋予了它们重要的灵活性和独立性，从而促进了创新。此外，由于竞争激烈、产品生命周期缩短以及技术更新速度加快，小型企业面临更大的创新压力（Laforet，2013；Leal-Rodríguez等人，2015）。此外，文献还发现了不同规模中小企业在可持续企业实践（CE）方面的不同行为（Holzer等人，2021）以及与可持续企业相关的创新方法（Arroyabe等人，2024）。总的来说，企业规模是一个重要的调节变量，可以影响数字技术的采用、可持续企业实践的实施以及基于数字技术的运营流程的存在和利用。然而，仍存在一些分歧。鉴于本研究的探索性质以及文献中的差异和不一致性，我们提出了以下假设，这些假设考虑了企业规模的调节作用，遵循Memon等人（2019）关于引入调节变量的建议：

H3. 企业规模调节数字技术与基于数字技术的运营流程之间的关系。
H4. 企业规模调节基于数字技术的运营流程与可持续企业实践之间的关系。
H5. 企业规模调节数字技术与可持续企业实践之间的关系。
H6. 企业规模调节数字技术与可持续企业实践之间的间接关系。

开发这些假设的概念框架如图1所示。

**下载：下载高分辨率图像（346KB）**
**下载：下载完整尺寸图像**
图1. 本研究的概念框架。

**4. 方法**
我们进行了一项调查，以定量研究数字技术、可持续企业实践和基于数字技术的运营流程之间的关系。该调查基于通过变量和指标的操作化来验证先验假设（Park等人，2020）。

**4.1. 数据收集**
我们设计了一份封闭式问卷来收集数据并分析感兴趣的变量之间的关系。问卷是用英语编写的。问题和术语由两位专家和一家市场研究公司的经理进行了评估，从而对措辞和条目进行了改进。随后，该问卷被翻译成多种语言。选择大型和中型欧洲制造企业作为调查对象，因为它们与可持续企业和数字化密切相关（欧盟委员会，2023a，2023b）。选择中型和大型企业是有道理的，因为与小型企业相比，它们更有可能采用数字技术和可持续企业实践（Cagno等人，2024；Mishra等人，2024；参见Ren，2025）。选择意大利、英国、西班牙和葡萄牙作为目标国家的原因有二：其一，这些国家是具有不同数字化水平和环境影响程度的经济体。例如，在可持续企业实践的实施方面，意大利和英国的表现较高，西班牙表现中等，而葡萄牙表现较低（Claudio-Quiroga和Poza，2024）；在环境影响方面，意大利和葡萄牙正在取得进展，但仍有挑战，而西班牙的进展较慢，英国则落后（欧洲环境署，2025；环境保护办公室，2026）；在商业数字化水平方面，意大利排名较低，葡萄牙和西班牙的整体水平较高，而英国被认为是领导者（欧盟委员会，2025；Eurostat，2025）；其二，这些国家是我们资助的研究项目的目标国家。我们确定总经理、生产经理和可持续发展/环境经理为核心信息提供者。一家外部研究公司在选定的国家的大型和中型制造企业中分发了问卷。

我们收到了353份匿名填写的问卷。我们进行了数据筛选，删除了缺失值超过7%的观察值，以确保数据集的可靠性和统计功效达到可接受的水平。最终数据集包含338个答案：其中127份来自大型企业（38%），211份来自中型企业（62%）。关于被调查企业的更多信息见表1。这个样本量被认为是足够的，因为100个观察值足以在PLS-SEM模型中实现可接受的统计功效（Reinartz等人，2009），并且超过了我们模型规范要求的最低样本量（Faul等人，2009）。

表1. 样本描述。
| 企业类型 | 行业 |
|---------|-----------------|
| 中型企业 | 食品和饮料 | 19% |
| | 金属加工 | 21% |
| | 造纸 | 10% |
| | 制药和化工 | 6% |
| | 塑料 | 14% |
| | 纺织和服装 | 20% |
| | 其他 | 10% |
| 大型企业 | 生产技术 | 7% |
| | 组装 | 17% |
| | 制造 | 67% |
| | 工艺 | 26% |
| | 国家 | 意大利 | 74% |
| | 葡萄牙 | 9% |
| | 西班牙 | 10% |
| | 英国 | 7% |

**4.2. 模型设计和变量**
提出的模型是一个基于二阶结构的层次组件模型（HCM）（Sarstedt等人，2016）。我们根据本研究考虑的变量，即数字技术（DTs）、可持续企业实践（CEPs）和基于数字技术的运营流程（DCs）及其各自的子结构，制定了三个主要结构。在制定这些结构时，我们力求全面，同时限制了需要测试的条目数量。

数字技术被构建为一个二阶反映结构，包括七个一阶反映结构，即基于计算机的技术（CBT）、物联网（IOT）、自主机器人（ROB）、大数据分析和人工智能（BDA.AI）、云计算（CLO）、垂直系统集成（VSI）以及区块链和网络安全（CYB）。根据之前的研究（Cagno等人，2025），我们选择了这些技术家族，因为它们在以前的研究中被广泛采用（Marcon等人，2022；Neri等人，2023a）。相反，我们没有包括水平系统集成、仿真、增材制造或增强现实，因为这些技术在以前的研究中并未被广泛采用（Cagno等人，2025；Cimini等人，2021）。大数据分析和人工智能被归入同一个结构中，因为它们经常被一起考虑（Kamyab等人，2023；Thayyib等人，2023），并且对于使数据变得实用和可操作至关重要（Zamani等人，2023）。为了衡量数字技术，我们采用了以前研究中的指标（表2）。我们采用了一个类似李克特的5点量表来评估企业中数字技术的使用程度（1：不计划使用；5：高级使用）。

表2. 数字技术的一阶结构和指标。
| 一阶结构 | 指标 | 描述 | 支持参考 |
|---------|-----------------|-----------------------------------------|---------------------|
| CBT | 基于计算机的技术 | 包括与计算机相关的硬件或软件，如社交网络和电子商务 | Schindler等人（2017） |
| IOT | 物联网 | 相互连接的系统，可以监控或远程控制，允许传输实时数据 | Kandil等人（2024） |
| BDA.AI | 大数据分析和人工智能 | 使用技术收集和/或使用数据来预测、推荐或决定最佳行动 | Huynh等人（2023） |
| CLO | 云计算 | 在线服务，用于访问软件、计算能力、存储空间等 | Al Hadwer等人（2021） |
| VSI | 垂直系统集成 | 用于在组织内部共享和集成制造执行系统的所有方面 | Ali等人（2020） |
| DCS | 分布式控制系统；MES；PDM | 制造执行系统；产品数据管理 | Moeuf等人（2018） |
| MRP | 制造资源规划 | Rana和Rathore（2023） |
| ERP | 企业资源规划 | Moeuf等人（2018） |
| CRM | 客户关系管理 | Pereira Pess?a和Jauregui Becker（2020） |

可持续企业实践被构建为一个二阶反映结构，包括五个一阶反映结构，即回收和再利用（REC）、重新制造和再利用（REM）、翻新、修复和再使用（REF）、重新思考（RET）以及减少（RED）。所考虑的实践与Kirchherr等人（2017）提出的10R框架相关，但不包括拒绝策略。我们根据这些实践的目的和内在性质进行了分类和汇总。回收和再利用都与材料的实际应用有关；重新制造和再利用都与将废弃部件重新用于新产品有关；翻新、修复和再使用都涉及延长产品或部件的使用寿命，以便由相同或新的客户使用（Kirchherr等人，2017）。与Cagno等人（2025）类似，我们按照Rs策略组织和汇总了可持续企业实践。为了衡量可持续企业实践，我们采用了以前研究中的指标（表3）。我们采用了一个类似李克特的5点量表来评估企业中可持续企业实践的实施程度（1：未实施且不感兴趣；5：已实施超过3年）。

表3. 可持续企业实践的一阶结构和指标。
| 一阶结构 | 指标 | 描述 | 支持参考 |
|---------|-----------------|-----------------------------------------|---------------------|
| REC | 回收和再利用 | 废物被用作能源或有价值的生化化合物来源，或者被重新加工成产品、材料或其他用途 | Iacovidou等人（2017） |
| REM | 重新制造和再利用 | 废弃产品的部件被用于其他产品或替代用途 | Coughlan等人（2018） |
| REF | 翻新、修复和再使用 | 旧产品被修复、升级并重新出售 | Coughlan等人（2018） |
| RED | 减少资源使用 | 减少生产过程中使用的资源 | Garcia-Ortega等人（2023） |
| RET | 重新思考 | 使产品的使用更加高效，包括想法、流程、概念和用途的重新设计 | Bj?rnbet等人（2021） |

基于数字技术的运营流程被构建为一个二阶反映结构，包括五个一阶反映结构，即感知能力（SENS）、抓住机会的能力（SEIZ）和转化能力（TRANS）。将这三个阶段分开考虑，非常适合在可持续企业的背景下分析基于数字技术的运营流程（Franco和Giannoccaro，2025）。为了衡量基于数字技术的运营流程，我们采用了以前研究中的指标（表4）。我们采用了一个类似李克特的5点量表来确定数字技术的使用程度对基于数字技术的运营流程的促进作用（1=减少；5=增加）。

表4. 基于数字技术的运营流程的一阶结构和指标。
| 一阶结构 | 指标 | 描述 | 支持参考 |
|---------|-----------------|-----------------------------------------|---------------------|
| SENS | 感知能力 | 识别新机会 | Witschel等人（2019） |
| SEIZ | 抓住机会的能力 | 研发活动 | Prieto-Sandoval等人（2018） |
| TRANS | 转化能力 | 开发新的市场和流程 | Annarelli等人（2021） |

在这项研究中，感知、抓住机会和转化能力被用来指导基于数字技术的运营流程的实现；然而，它们被分析为更高层次的构建，以捕捉企业通过数字技术重新配置资源的整体能力。同样，虽然数字技术和可持续企业实践通过多个维度来操作化，但它们被分析为聚合构建。

**4.3. 数据分析**
我们使用了偏最小二乘结构方程建模（PLS-SEM），这是一种适合测试复杂假设关系和多维构建的基于方差的方法（Hair等人，2011；Wright等人，2012），来分析我们的数据集。该研究采用了带有反射设计近似的复合测量模型（模式A）。按照Sarstedt等人（2016）推荐的两步方法，我们首先使用PLS算法进行了300次迭代的测量模型评估，然后评估了结构模型。统计分析使用SmartPLS v.3.2.9（Henseler等人，2009）进行；RStudio 2022.12.0 Build 353用于带有高斯copulas的内生性评估。## 测量模型
为了验证模型的稳健性，我们按照Hair等人（2019年）的建议，对整个样本以及大中型企业的样本中的指标可靠性、内部一致性以及收敛效度和区分效度进行了全面评估。这些评估的详细结果分别列于表5、表6、表7和表8中。大部分用于衡量各项指标的因子载荷值均大于0.7（Hair等人，2011年建议），尽管有些值大于0.4也是可以接受的（Hair等人，2012年）。所有复合信度（CR）均超过0.7，表明模型具有内部一致性（Hair等人，2021年），这说明各项指标能够一致地衡量同一个潜在概念。收敛效度也得到了验证（平均方差提取值（AVE）大于0.5（Hair等人，2017a），表明量表中的大部分方差是由构念本身解释的，而非测量误差。从操作角度来看，结果表明测量模型是可靠的，潜在构念得分可以用于评估和解释结构模型中的关系。

### 表5. 测量模型结果：数字技术（DTs）
| 构念/维度/指标 | 载荷值 | VIF |
|------------------|-------------|------------|
| 计算机辅助技术 | 0.768 | 1.883 |
| CBT1 | 0.807 | 1.807 |
| CBT2 | 0.825 | 1.825 |
| CBT3 | 0.625 | 1.731 |
| CBT4 | 0.665 | 1.691 |
| 物联网 | 0.741 | 1.882 |
| 先进机器人技术 | 0.789 | 2.385 |
| ROB1 | 0.903 | 2.088 |
| ROB2 | 0.926 | 2.093 |
| 大数据分析与人工智能 | 0.778 | 2.067 |
| BDA.AI | 0.948 | 2.055 |
| 云计算 | 0.785 | 2.142 |
| CLO1 | 0.921 | 2.092 |
| CLO2 | 0.913 | 2.092 |
| CLO3 | 0.901 | 2.874 |
| 垂直系统集成 | 0.856 | 2.684 |
| VSI1 | 0.876 | 2.953 |
| VSI2 | 0.842 | 2.325 |
| VSI3 | 0.873 | 2.953 |
|网络安全 | 0.789 | 2.176 |
| CYB1 | 0.896 | 2.877 |
| CYB2 | 0.898 | 2.880 |

### 表6. 测量模型结果：循环经济实践（CEPs）
| 构念/维度/指标 | 载荷值 | VIF |
|------------------|-------------|------------|
| 回收与再利用 | 0.814 | 1.726 |
| 重新制造与再利用 | 0.808 | 2.011 |
| 翻新、维修与再利用 | 0.679 | 1.621 |
| 重新思考 | 0.817 | 0.852 |
| 减少 | 0.785 | 1.646 |
| 数据转换 | 0.698 | 1.788 |
| 感知能力 | 0.926 | 2.866 |
| 识别能力 | 0.916 | 2.711 |
| 转换能力 | 0.847 | 2.282 |

### 表7. 测量模型结果：数字转换（DCs）
| 构念/指标 | 载荷值 | VIF |
|------------------|-------------|------------|
| 感知能力 | 0.925 | 2.866 |
| 识别能力 | 0.914 | 2.711 |
| 转换能力 | 0.847 | 2.282 |

### 表8. 区分效度结果（使用Fornell-Larcker和HTMT标准）
| 构念/维度/指标 | Fornell-Larcker值 | HTMT值 |
|------------------|------------|------------|
| 数字技术（DTs） | 0.787 | 0.675 |
| 循环经济实践（CEPs） | 0.746 | 0.656 |
| 数字转换（DCs） | 0.746 | 0.675 |
| 大型企业 | 0.748 | 0.897 |
| 中型企业 | 0.708 | 0.625 |
| 循环经济实践（CEPs） | 0.743 | 0.649 |
| 中型企业 | 0.729 | 0.513 |
| 小型企业 | 0.714 | 0.529 |

## 结构模型
通过结构模型，我们揭示了变量之间潜在的关联形式。我们使用标准准则来估计模型的预测能力并确定变量之间的关系。为了确保回归结果无偏，我们使用了方差膨胀因子（VIF）来检查共线性。所有前置变量的VIF值均小于3.0（表5、表6、表7），表明不存在共线性问题（Hair等人，2019年），结构模型的估计结果是可靠的。为了评估结构路径系数的统计显著性，我们采用了5000次重抽样的自助法（Hair等人，2012年）。结果表明，数字技术（DTs）对循环经济实践（CEPs）有显著的直接影响，从而支持了假设H1。此外，数字技术（DTs）对数字转换（DCs）的直接影响以及数字转换（DCs）对循环经济实践（CEPs）的影响在统计上都是有意义的。表9中的R2值反映了内生构念的解释能力，符合Chin（1998年）关于模型质量的指南，表明自变量是相关且重要的预测因子。计算的Cohen's f2值均大于0.02，确认每个变量都是其相应因变量的关键前置因素（Roldán和Sánchez-Franco，2012年）。数字技术（DTs）与数字转换（DCs）之间的关系尤为显著（f2 = 0.836）。所有内生构念的交叉验证冗余指数Q2均大于零，证实了模型的预测相关性良好。

## 中介分析
为了评估数字转换（DCs）的中介作用，我们采用了自助法（Nitzl等人，2016年）。结果证实数字转换（DCs）在数字技术（DTs）与循环经济实践（CEPs）之间的关系中起到了显著的中介作用，从而支持了假设H2。将数字转换（DCs）的间接贡献包括在内，总效应为0.656（表10）。间接路径解释的总效应比例为中等（9.6%）。

## 条件中介分析
为了探讨数字技术（DTs）对循环经济实践（CEPs）的中介效应如何随企业规模而变化，我们使用了Cheah等人（2023年、2021年）描述的程序进行了条件中介分析。当中介路径的强度或显著性在不同企业规模水平上有所不同时，就会发生中介效应，这提供了对潜在机制的更细致理解（Karazsia等人，2013年）。我们将企业规模作为中介变量进行了多组分析（MGA），将企业分为大型和中型两类。为了确保这种比较的有效性，我们首先使用复合模型测量不变性（MICOM）程序（Henseler等人，2016年）检查了测量不变性。这一步确认了各组之间对构念的解释是一致的，从而排除了可能由于文化价值观、量表解释或反应方式差异而引入的系统性偏差。我们的分析显示，循环经济实践（CEPs）构念具有完全的测量不变性，而数字技术（DTs）和数字转换（DCs）则表现出部分测量不变性（表11）。这种部分测量不变性表明，各组之间模型估计的任何差异都反映了真实的变化，而非测量误差。

## 高斯copulas分析
为了解决内生性问题，我们采用了Hult等人（2018年）提出的方法进行了高斯copula分析。首先，我们使用Kolmogorov–Smirnov检验和Lilliefors校正方法评估了数字技术（DTs）、数字转换（DCs）和循环经济实践（CEPs）的标准化得分分布。由于没有一个构念的得分呈正态分布（p值<0.05），因此使用高斯copula进行内生性检验是合理的。然而，所有的copula在统计上都不显著，这进一步证实了估计的结构关系的可靠性。

## 讨论
### 6.1. 数字技术驱动的动态能力与循环经济以及企业规模的作用
通过分析，我们确认了数字技术（DTs）的采用与循环经济实践（CEPs）的实施相关（假设H1得到支持）。这与以往的研究结果一致，也在第3.1节中有讨论。然而，在试图精确理解这种关系的工作中，我们得出了矛盾的发现。例如，自主机器人有助于Sarc等人（2019年）提出的拆解实践，但Masi等人（2018年）的研究则没有发现这种效果。因此，我们需要确定可能影响这种关系的机制和条件因素。在机制方面，我们关注了存在传递路径的可能性，这可能解释了这些矛盾的结果。我们发现数字技术（DTs）通过数字转换（DCs）促进了循环经济实践（CEPs）的实施，这支持了Neri等人（2023b）和Bag等人（2024年）的论点。然而，根据其他研究的结果，我们本期望传递路径的效应更强。在我们的研究中，间接路径解释的总效应比例为中等（9.6%）；Kumar等人（2025年）回顾了供应链整合和灵活性中介效应的文献，发现总效应的19%到35%是由中介作用解释的。我们的结果表明，循环经济实践（CEPs）的实施可能与数字技术（DTs）本身更为相关，而不是与其带来的业务转型相关。此外，当我们考虑企业规模作为中介变量时，传递路径的强度会发生变化。具体来说，对于大型企业来说，这种传递路径更为显著。这表明与中型企业相比，大型企业在实施循环经济实践（CEPs）时更依赖于数字技术驱动的数字转换（DCs）的存在。大企业的规模优势可能最有利于资源密集型阶段，即组织转型以整合循环经济平台（CEPs），而非初期阶段的感知或抓住机会。6.2. 为未来研究议程铺平道路基于条件中介分析的结果以及当前研究和实践的趋势，我们识别并讨论了知识局限性和未来研究方向，以进一步探讨数字化转型技术（DTs）的采用与循环经济平台（CEPs）实施之间的关系。未来研究方向1. DTs是否对所有类型的数字化岛（DCs）都有同等的作用？已有研究表明DTs和DCs可以做出不同的贡献（Neri等人，2023b），但实证分析仍然不足。有必要研究DCs的不同阶段（感知、抓住机会和转型），以确定DTs是否对它们有同等的作用，是否被同等地利用，以及它们对CEPs实施的贡献是否相似。例如，Pedota（2023）指出中小企业通常具有较低的抓住机会的能力。同样，Kanda等人（2025）强调，感知和抓住机会的能力仅与意识和 compétences 相关，而只有重构能力才能导致循环经济的形成。在我们的分析中，感知、抓住机会和转型阶段被用来指导数字化岛的运作化，但DCs被视为一个更高层次的构念。为了全面理解业务转型，探索微观基础并理解不同企业之间的相似性和差异性是非常重要的，这一点目前大多被文献所忽视。未来研究方向2. 利用数字化岛能否提高中小企业的绩效？根据我们的研究结果，DTs与循环经济（CE）之间的直接关系比中介关系更强：数字化岛并不是实施CE的先决条件；相反，它们可能帮助企业理解如何使其CEPs更具影响力。事实上，由DCs带来的业务转型有可能创造新的商业模式，但根据我们的结果，我们不能假设这一定会带来更高的绩效。先前的研究表明DTs对绩效有积极影响（Marrucci等人，2022；Ortiz-Avram等人，2024），而其他研究则指出，当数字化岛推动业务转型时，其对绩效的影响可能更为显著（Yoshikuni等人，2025）。需要进一步研究这一主题，之前的研究（Li等人，2022；Mai等人，2026）表明情境因素可能会影响DTs、CE和数字化岛对企业绩效的总体积极影响。未来研究方向3. 其他情境因素是否调节DTs、DCs和CEPs之间的关系？文献中提到了除企业规模之外的几个情境因素，如国家、行业以及企业内部对数字化和CE的认知和处理方式（Kumar等人，2025；Neri等人，2025），但这些因素在本研究中未考虑。由于情境因素已被证明会影响企业的创新和CE行为（Sadiq等人，2026），因此需要使用条件中介模型进行进一步分析以阐明其作用。例如，在较小的企业中，DTs、数字化岛和CEPs之间的积极关系可能受到组织惯性的调节（例如，未充分利用的人力资本和用于数字化的专项预算），这表明资源稀缺是这些能力发展的根本限制。未来研究方向4. 一个国家的制度框架是否影响DTs和CEPs的采用和实施水平？它是否影响数字化岛的存在和重要性？在讨论基于国家的差异时，不可避免地要考虑其制度框架。数字化和CE的实施都与正式制度相关（Yin等人，2024），政府的支持对于促进它们至关重要（Sánchez-García等人，2024）。考虑非正式制度（如客户）在这种背景下对同质化出现的影响也很有趣（M. I. Khan等人，2025）。虽然制度理论已被应用于CE实施的研究（Karuppiah等人，2024a），但研究DTs与CE之间的关系也将是有益的。6.3. 研究的贡献6.3.1. 理论贡献本研究通过实证调查DTs在DTs与CEPs之间复杂关系中的中介作用，推进了数字化岛的理论。它响应了先前研究呼吁进一步进行实证研究的呼声（Kumar等人，2025；Neri等人，2025）。一个关键贡献在于研究的全面范围。与以往仅关注特定DTs或个别DCs的研究不同，本研究调查了广泛的DTs，并考虑了所有三个关键的DCs阶段（感知、抓住机会和转型）。例如，Pattanayak等人（2024）仅关注区块链技术，而Oliveira-Dias等人（2023）将研究范围限制在云计算、大数据分析和物联网上。同样，研究也集中在特定能力上，如分析能力（Karuppiah等人，2024b）和人工智能能力（Sj?din等人，2023）。此外，与Bag等人（2024）和Sj?din等人（2023）等仅探索DCs与循环经济模式或数字CE创新等更广泛概念之间联系的研究不同，本研究独特地研究了数字化岛对多种CEPs的影响。最后，本研究通过采用中介调节分析做出了重要贡献。通过将企业规模作为一个关键的调节因素，研究提供了关于DTs、数字化岛和CEPs之间关系如何随企业规模变化的宝贵见解。这丰富了现有知识，并加深了对DTs采用与CEPs实施之间关系的理解。此外，基于当前知识的局限性，本研究提出了未来研究方向，以更详细地分析DTs采用与CE实施之间关系的机制和条件。6.3.2. 实际贡献本研究提供了实用建议，提出了利用DTs提高竞争力并向循环经济转型的方法。由于DCs对于在波动且快速变化的环境中重构业务以保持竞争力至关重要，制造企业应充分利用DTs，了解它们如何支持市场动态的把握和现有系统的重构。它们还应考虑如何将这些转型用于CE目的。在此过程中，企业必须认识到并解决与企业规模相关的潜在不对称性。由于资源限制和专业知识获取受限，小型企业可能在开发和利用数字化岛方面遇到困难。鉴于利益相关者之间的合作可以促进CE的DCs（Khan等人，2020a），鼓励小型企业与利益相关者建立富有成效的合作伙伴关系。这可以使企业通过利用水平系统集成或产业共生等方式，超越自身局限采用DTs并实施CEPs。培养内部意识和能力至关重要。企业必须投资于DTs和可持续生产和消费等领域的内部专长。此外，提高员工对CE原则的理解对于推动内部变革和鼓励参与至关重要。对DCs的认识（及其适当利用的条件）不应仅来自企业本身。建议政策制定者通过采用DTs并提供适当、一致的信息和经济工具来支持CEPs的实施。他们还应制定有利于制造业数字化转型的法规。根据我们的结果，支持应根据企业的具体特征和需求进行定制。这可能包括促进企业与其他外部顾问之间的互动。最终，提高数字化岛在推动CE方面的有效性需要一种综合方法，同时解决政策和运营问题。更具体而言，建立区域支持机制（如共享数字中心和集群内的产业共生系统）将非常有益，这有助于克服系统障碍，如碎片化的数据治理和融资风险，尤其是对于小型企业（Rissola和S?rvik，2018）。在操作层面，可以根据企业规模提出一个三阶段的能力建设路线图：小型企业应专注于资源调动和低成本的感知及抓住机会能力，而大型企业应优先考虑集成复杂系统和组织更新，以实现系统性影响并扩大CEPs的规模。7. 结论本研究探讨了DTs与CEPs之间的关系。与以往文献不同，我们使用条件中介分析来估计和评估数字化岛的中介作用以及企业规模的调节作用。我们在制造企业中进行了广泛的实证调查，并使用PLS-SEM方法分析了结果。研究发现，DTs的采用直接影响CEPs的实施，同时也通过数字化岛产生间接影响。尽管中介路径比预期的要弱，但条件中介分析显示企业规模显著调节了这一过程，且在大企业中这种作用比在中型企业中更强。大型企业更有可能将CEPs的实施与数字化岛的利用联系起来。本研究为实践者、政策制定者和学者提供了有趣的见解，以促进DTs的采用，从而支持CE的实施，并指出了未来的研究方向。尽管有这些贡献，本研究也存在一些局限性，这些局限性应在未来研究中得到进一步探讨。虽然第6.2节已经讨论了一些当前知识方面的局限性，为未来研究方向铺平了道路，但以下将重点讨论与样本和方法相关的局限性。我们的实证分析集中在大型和中型企业上，并且仅限于特定的地理背景，这可能限制了研究结果的普遍性。小型企业在资源、数字成熟度和组织结构方面可能面临不同的限制，这可能显著影响它们采用DTs、开发和利用数字化岛以及实施CEPs的能力。将分析扩展到更广泛的企业规模和地理背景是未来研究的一个有价值的方向。此外，我们的研究采用横断面设计，这限制了我们捕捉DTs与CE之间动态和演变关系的能力。未来的研究可以从基于多波面板数据（Erdem等人，2025）的纵向设计中受益。这种方法将能够更准确地估计DTs采用随时间的变化如何影响DCs的出现、重构和持久性。最后，我们的企业层面关注并不完全反映许多CEPs的系统和组织间性质，也不反映DTs的好处仅在价值链上的多个组织采用时才会显现的情况。采用生态系统或价值链视角的未来研究也有助于理解各参与者之间的战略对齐、治理机制、数据共享安排以及生态系统内的权力不对称性（Urue?a等人，2024）。总体而言，这些局限性指出了未来研究深化我们对DTs与CE之间关系的理解的机会。CRediT作者贡献声明Alberto Urue?a：写作——审稿与编辑、初稿撰写、可视化、验证、方法论、调查、资金获取、形式分析、概念化。Alessandra Neri：写作——审稿与编辑、初稿撰写、可视化、验证、监督、项目管理、方法论、调查、资金获取、数据整理、概念化。Enrico Cagno：写作——审稿与编辑、验证、方法论、调查、概念化。Ebru Susur：写作——审稿与编辑、验证、方法论、调查。资金这项工作得到了T.I.M.E.协会（顶尖国际工程管理人士）在T.I.M.E. 2022项目框架下的支持。Alberto Urue?a感谢Santander Open Academy提供的“教学和研究人员及博士研究人员进行国际研究的资助”（EST-PDI-24-D2VHIT-11-CCOK9E）。