徐向龍（華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部，上海 0041） （銅陵學(xué)院工商管理學(xué)院，銅陵 44061）

引 言

當(dāng)前，全球科技創(chuàng)新活動(dòng)空前活躍，新一輪科技革命對(duì)產(chǎn)業(yè)體系和生產(chǎn)方式產(chǎn)生的革命性影響開始顯現(xiàn)。作為宏觀經(jīng)濟(jì)的構(gòu)成主體，數(shù)字化轉(zhuǎn)型正逐步映射到微觀企業(yè)的生產(chǎn)行為中，推動(dòng)企業(yè)在生產(chǎn)運(yùn)營(yíng)、產(chǎn)品服務(wù)、資源組織和商業(yè)模式等方面發(fā)生深刻變革。企業(yè)數(shù)字化轉(zhuǎn)型是企業(yè)利用互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等數(shù)字技術(shù)，改進(jìn)業(yè)務(wù)流程和管理運(yùn)營(yíng)，重塑戰(zhàn)略思維、組織結(jié)構(gòu)、企業(yè)文化和商業(yè)模式，構(gòu)建以數(shù)據(jù)為核心驅(qū)動(dòng)要素的價(jià)值創(chuàng)造體系的過程［1，2］。對(duì)企業(yè)數(shù)字化轉(zhuǎn)型內(nèi)涵的理解包括3個(gè)方面：（1）以人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈和物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)，是企業(yè)數(shù)字化轉(zhuǎn)型的支撐起點(diǎn)，數(shù)字技術(shù)的發(fā)展催生了新的產(chǎn)品和服務(wù)、商業(yè)模式、戰(zhàn)略和組織形式；（2）企業(yè)數(shù)字化轉(zhuǎn)型是一個(gè)漸進(jìn)的過程，必須依次經(jīng)歷數(shù)字化轉(zhuǎn)換（Digitiza?tion）和數(shù)字化升級(jí)（Digitalization）兩個(gè)前期階段，進(jìn)而利用IT和數(shù)字技術(shù)實(shí)現(xiàn)對(duì)生產(chǎn)運(yùn)營(yíng)、組織結(jié)構(gòu)和商業(yè)模式等方面的優(yōu)化升級(jí)，這一過程具體表現(xiàn)為生產(chǎn)過程的數(shù)字化，管理流程的數(shù)字化，以及產(chǎn)品和服務(wù)的數(shù)字化［3］；（3）企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)果在于實(shí)現(xiàn)對(duì)商業(yè)模式的再造，即重塑企業(yè)價(jià)值主張和業(yè)務(wù)邏輯，構(gòu)建起以數(shù)據(jù)為核心要素的價(jià)值創(chuàng)造體系并從中獲取利潤(rùn)［4］。

目前，有關(guān)數(shù)字化轉(zhuǎn)型對(duì)制造企業(yè)技術(shù)創(chuàng)新的影響研究仍處于探索階段。已有研究大多從理論層面分析了企業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效應(yīng)，主要表現(xiàn)在：數(shù)字技術(shù)應(yīng)用促進(jìn)了企業(yè)自動(dòng)化水平的提升、業(yè)務(wù)流程改進(jìn)和成本節(jié)約［5］，有助于企業(yè)實(shí)現(xiàn)創(chuàng)新網(wǎng)絡(luò)的互補(bǔ)，促進(jìn)數(shù)字化知識(shí)與技術(shù)的交流和共享［2］， 激發(fā)企業(yè)創(chuàng)新精神［6］； 強(qiáng)化了企業(yè)對(duì)內(nèi)外部信息的整合能力和對(duì)前瞻性技術(shù)的敏銳度，最大限度降低創(chuàng)新風(fēng)險(xiǎn)［7］。此外，數(shù)字化轉(zhuǎn)型能夠通過提升組織雙元能力，進(jìn)而提高企業(yè)創(chuàng)新能力和新產(chǎn)品開發(fā)績(jī)效［8］。然而，也有部分學(xué)者指出制造企業(yè)數(shù)字化轉(zhuǎn)型存在 “IT悖論”現(xiàn)象，即由于企業(yè)原有組織管理能力與先進(jìn)數(shù)字化架構(gòu)的不匹配，導(dǎo)致數(shù)字化轉(zhuǎn)型帶來的收益被其衍生的管理成本所抵消［9］，只有部分企業(yè)能夠從數(shù)字化轉(zhuǎn)型中獲益，而相當(dāng)部分企業(yè)的數(shù)字化轉(zhuǎn)型并沒有帶來實(shí)質(zhì)性的成果。盡管已有相關(guān)研究取得一些值得借鑒的成果，但尚未形成系統(tǒng)的理論分析框架，并且現(xiàn)有研究以理論與案例分析居多而量化研究較少。

黨的十九屆五中全會(huì)提出，要堅(jiān)持創(chuàng)新在現(xiàn)代化建設(shè)全局中的核心地位， 《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》就提升企業(yè)技術(shù)創(chuàng)新能力，加快數(shù)字化發(fā)展作出戰(zhàn)略部署。數(shù)字經(jīng)濟(jì)背景下，制造企業(yè)如何深入推進(jìn)數(shù)字化轉(zhuǎn)型，構(gòu)建以數(shù)據(jù)驅(qū)動(dòng)的價(jià)值創(chuàng)造體系和技術(shù)創(chuàng)新模式，成為當(dāng)前深入實(shí)施制造強(qiáng)國(guó)戰(zhàn)略面臨的重要議題?；诖耍疚南到y(tǒng)梳理數(shù)字化轉(zhuǎn)型對(duì)制造企業(yè)技術(shù)創(chuàng)新的影響機(jī)制，并利用創(chuàng)業(yè)板上市制造企業(yè)面板數(shù)據(jù)和文本分析方法，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，進(jìn)行計(jì)量實(shí)證分析，量化評(píng)估數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)上市公司技術(shù)創(chuàng)新的影響，進(jìn)而為企業(yè)數(shù)字化轉(zhuǎn)型和政府部門相關(guān)政策的制定提供理論支撐與決策依據(jù)。

1 理論基礎(chǔ)與研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)企業(yè)技術(shù)創(chuàng)新

制造企業(yè)通過數(shù)字化轉(zhuǎn)型，對(duì)組織進(jìn)行數(shù)字化賦能，促進(jìn)數(shù)字化產(chǎn)品和服務(wù)創(chuàng)新，以及改變企業(yè)創(chuàng)新模式，提升技術(shù)創(chuàng)新水平。

（1）企業(yè)通過數(shù)字技術(shù)的應(yīng)用，消除了員工在信息、機(jī)會(huì)和資源等方面獲取的結(jié)構(gòu)性障礙，增強(qiáng)了員工自我效能感并激發(fā)工作潛力，提高了員工獲取、控制和管理資源等方面的能力［8］，實(shí)現(xiàn)對(duì)組織的數(shù)字化賦能。與此同時(shí)，企業(yè)也會(huì)形成與之相適應(yīng)的組織結(jié)構(gòu)和創(chuàng)新氛圍，如扁平化結(jié)構(gòu)和學(xué)習(xí)型組織，以適應(yīng)靈活創(chuàng)新與變革的需求。而領(lǐng)導(dǎo)風(fēng)格、組織結(jié)構(gòu)、企業(yè)文化與創(chuàng)新平衡策略的適應(yīng)匹配是影響企業(yè)創(chuàng)新的關(guān)鍵［10］。因此，企業(yè)在數(shù)字化賦能過程中將重構(gòu)原有組織能力，加速數(shù)字技術(shù)在創(chuàng)新活動(dòng)中的應(yīng)用與整合，形成研發(fā)創(chuàng)新領(lǐng)域探索和利用的組織雙元能力，進(jìn)而提升企業(yè)技術(shù)創(chuàng)新能力。

（2）數(shù)字化產(chǎn)品和服務(wù)創(chuàng)新拓展了企業(yè)技術(shù)創(chuàng)新空間。數(shù)字化產(chǎn)品的分層模塊化結(jié)構(gòu)，對(duì)制造企業(yè)技術(shù)創(chuàng)新產(chǎn)生了深刻的影響［11］，制造企業(yè)通過數(shù)字化轉(zhuǎn)型來追求服務(wù)化戰(zhàn)略，并在產(chǎn)品中嵌入更多的智能和遠(yuǎn)程功能［12］，實(shí)現(xiàn)由單純提供物理形態(tài)產(chǎn)品向同時(shí)提供物理產(chǎn)品以及數(shù)字化解決方案服務(wù)轉(zhuǎn)變。而融合了物理部件和數(shù)字技術(shù)的數(shù)字產(chǎn)品，促使企業(yè)從物理產(chǎn)品和數(shù)字技術(shù)服務(wù)兩個(gè)方面開展創(chuàng)新，進(jìn)一步拓展了技術(shù)創(chuàng)新的空間。出于對(duì)數(shù)字化功能組件的支持，企業(yè)需要不斷開展物理產(chǎn)品模塊的技術(shù)創(chuàng)新，對(duì)硬件進(jìn)行改造升級(jí)；另外，數(shù)字技術(shù)服務(wù)模塊具有數(shù)據(jù)同質(zhì)化和可重編程性特征，創(chuàng)新的邊際成本極低，并且數(shù)字技術(shù)服務(wù)創(chuàng)新具有自生長(zhǎng)性，企業(yè)可根據(jù)用戶的反饋和運(yùn)營(yíng)中出現(xiàn)的問題，持續(xù)不斷地進(jìn)行改進(jìn)和迭代創(chuàng)新，因而，數(shù)字技術(shù)服務(wù)模塊的創(chuàng)新生成更加活躍［13］。

（3）數(shù)字創(chuàng)新模式的變化提升了企業(yè)技術(shù)創(chuàng)新水平。數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新模式的影響是多方面的。①為企業(yè)創(chuàng)新活動(dòng)提供全新的技術(shù)條件和手段，降低了企業(yè)創(chuàng)新成本。如物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)等技術(shù)的發(fā)展，降低了信息搜尋和溝通成本，實(shí)現(xiàn)創(chuàng)新資源的跨區(qū)域配置［14］，數(shù)字仿真和數(shù)字孿生等技術(shù)對(duì)產(chǎn)品研發(fā)的支持，大大降低了企業(yè)研發(fā)成本［15］；②增強(qiáng)了企業(yè)創(chuàng)新網(wǎng)絡(luò)的異質(zhì)性，提升了企業(yè)創(chuàng)新能力。企業(yè)通過與合作伙伴和同行企業(yè)等外部網(wǎng)絡(luò)的合作與交流，加速了數(shù)字化知識(shí)和技術(shù)的傳播與共享［2］；依托互聯(lián)網(wǎng)商業(yè)模式和數(shù)字化分析能力，使得用戶得以通過數(shù)據(jù)化方式參與研發(fā)，形成數(shù)據(jù)驅(qū)動(dòng)型研發(fā)創(chuàng)新，降低了創(chuàng)新的市場(chǎng)風(fēng)險(xiǎn)，實(shí)現(xiàn)企業(yè)與用戶的價(jià)值共創(chuàng)［16］；③促進(jìn)網(wǎng)絡(luò)化協(xié)同制造的發(fā)展，提升了企業(yè)創(chuàng)新效率。通過網(wǎng)絡(luò)化協(xié)同制造模式，企業(yè)實(shí)現(xiàn)了內(nèi)部研發(fā)設(shè)計(jì)與供應(yīng)鏈上企業(yè)之間的協(xié)同，擴(kuò)大了研發(fā)和生產(chǎn)等數(shù)據(jù)資源在供應(yīng)鏈間的共享，從而縮短產(chǎn)品研發(fā)和生產(chǎn)周期，提升創(chuàng)新產(chǎn)出效率。綜上，本文提出如下假設(shè)。

假設(shè)H1：制造企業(yè)數(shù)字化轉(zhuǎn)型會(huì)顯著提升技術(shù)創(chuàng)新水平。

1.2 企業(yè)動(dòng)態(tài)能力的中介作用

數(shù)字技術(shù)的變革與應(yīng)用，使企業(yè)面臨著更加復(fù)雜多變的外部競(jìng)爭(zhēng)環(huán)境，而動(dòng)態(tài)能力框架為組織戰(zhàn)略研究提供了一個(gè)強(qiáng)有力的視角［5］。大數(shù)據(jù)和人工智能等新一代數(shù)字技術(shù)的創(chuàng)新變革與應(yīng)用，加劇了外部競(jìng)爭(zhēng)環(huán)境的復(fù)雜性和不確定性，企業(yè)需要不斷地對(duì)其資源組合進(jìn)行更新、整合與重構(gòu)來適應(yīng)新的技術(shù)范式，以提升技術(shù)創(chuàng)新能力［17］。動(dòng)態(tài)能力是企業(yè)整合、重組與重構(gòu)內(nèi)外部資源，以應(yīng)對(duì)環(huán)境變化的能力，是一種改進(jìn)、擴(kuò)展和創(chuàng)新企業(yè)常規(guī)能力的高階能力，動(dòng)態(tài)能力的核心包括感知能力、整合能力和轉(zhuǎn)換能力3個(gè)維度［18，19］。從某種意義來說，企業(yè)數(shù)字化轉(zhuǎn)型的過程也是企業(yè)動(dòng)態(tài)能力構(gòu)建和提升的過程，并且是單向地從基礎(chǔ)性的數(shù)字感知能力，向關(guān)鍵性的數(shù)字獲取能力和最終的數(shù)字轉(zhuǎn)化能力轉(zhuǎn)變，實(shí)現(xiàn)常規(guī)能力的高階化，并成為其他企業(yè)難以模仿的能力［1］。動(dòng)態(tài)能力的提升使企業(yè)可以更加敏銳地感知外部環(huán)境的變化，并通過數(shù)字化賦能機(jī)制整合和配置內(nèi)外部資源，從而提升技術(shù)創(chuàng)新能力。綜上，本文提出如下假設(shè)：

假設(shè)H2：數(shù)字化轉(zhuǎn)型通過增強(qiáng)企業(yè)動(dòng)態(tài)能力，提升技術(shù)創(chuàng)新水平。

1.3 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的異質(zhì)性影響

資本密集度和市場(chǎng)競(jìng)爭(zhēng)程度的差異，可能導(dǎo)致制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的影響產(chǎn)生非對(duì)稱的效果。固定資產(chǎn)占比的高低反映了制造企業(yè)資本密集程度，對(duì)資本密集度高的企業(yè)而言，數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的影響會(huì)更顯著。固定資產(chǎn)占比高的企業(yè)，傳統(tǒng)生產(chǎn)設(shè)施更加龐大，并且擁有相對(duì)成熟和標(biāo)準(zhǔn)化的生產(chǎn)與管理流程，使得這類企業(yè)在數(shù)字化發(fā)展前期形成了一定的規(guī)模經(jīng)濟(jì)與技術(shù)優(yōu)勢(shì)，然而，對(duì)傳統(tǒng)商業(yè)模式的路徑依賴，也導(dǎo)致其數(shù)字化轉(zhuǎn)型更為復(fù)雜；另外，根據(jù)知識(shí)要素的邊際效應(yīng)遞增規(guī)律，隨著這類企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程的推進(jìn)，其研發(fā)與生產(chǎn)的數(shù)字化、網(wǎng)絡(luò)化和智能化程度會(huì)加速提升，對(duì)知識(shí)型人才的需求也不斷增加，企業(yè)所擁有的知識(shí)與技術(shù)水平也隨之大幅提升；與此同時(shí)，數(shù)字化轉(zhuǎn)型帶來的組織結(jié)構(gòu)與創(chuàng)新模式變革，也更加有利于企業(yè)技術(shù)創(chuàng)新的生成，因而，資本密集度高的企業(yè)，數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新水平的驅(qū)動(dòng)效應(yīng)會(huì)更加顯著。

在市場(chǎng)競(jìng)爭(zhēng)層面，市場(chǎng)競(jìng)爭(zhēng)越激烈，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)創(chuàng)新的影響會(huì)更加顯著。市場(chǎng)集中度綜合反映了市場(chǎng)競(jìng)爭(zhēng)態(tài)勢(shì)，市場(chǎng)集中度越低，市場(chǎng)競(jìng)爭(zhēng)越激烈，企業(yè)越需要保持高度的市場(chǎng)敏銳度，以及時(shí)跟進(jìn)數(shù)字化發(fā)展趨勢(shì)，不斷提升技術(shù)創(chuàng)新能力，因而數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新水平的促進(jìn)作用也更為明顯。相比之下，當(dāng)企業(yè)所處行業(yè)的市場(chǎng)集中度較高時(shí)，市場(chǎng)競(jìng)爭(zhēng)格局相對(duì)穩(wěn)定，并且由于頭部企業(yè)通常在數(shù)字化轉(zhuǎn)型和技術(shù)創(chuàng)新能力等方面都處于領(lǐng)先位置，因而數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效應(yīng)整體上會(huì)相對(duì)更弱。故本文提出如下假設(shè)：

假設(shè)H3：資本密集度越高，數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)越顯著。

假設(shè)H4：市場(chǎng)競(jìng)爭(zhēng)越激烈，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)越顯著。

2 研究設(shè)計(jì)

2.1 研究樣本與數(shù)據(jù)來源

創(chuàng)業(yè)板上市公司大都屬于創(chuàng)新型企業(yè)，對(duì)數(shù)字技術(shù)和互聯(lián)網(wǎng)商業(yè)模式更加敏銳［20］，并且中國(guó)的數(shù)字技術(shù)高速發(fā)展與應(yīng)用的趨勢(shì)主要在2010年之后，基于上市公司年報(bào)信息披露的完整性與統(tǒng)一性，本文選取2013～2020年創(chuàng)業(yè)板上市的制造業(yè)公司作為研究樣本①，并對(duì)數(shù)據(jù)進(jìn)行如下處理：（1）剔除研究期內(nèi)ST、ST?和退市的企業(yè)； （2）對(duì)部分缺失的企業(yè)專利申請(qǐng)數(shù)據(jù)利用企查查網(wǎng)知識(shí)產(chǎn)權(quán)模塊的查詢數(shù)據(jù)補(bǔ)齊，其他指標(biāo)采用鄰近年度數(shù)據(jù)補(bǔ)齊，并刪除關(guān)鍵指標(biāo)缺失較多的樣本；（3）為減少異常值的影響，對(duì)除企業(yè)年齡之外的連續(xù)變量進(jìn)行1%和99%的縮尾處理。本文使用的所有數(shù)據(jù)中，企業(yè)年報(bào)來自深圳證券交易所官網(wǎng)，其他數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫。

2.2 計(jì)量模型設(shè)計(jì)

基于上述理論分析，為研究數(shù)字化轉(zhuǎn)型對(duì)制造企業(yè)技術(shù)創(chuàng)新的影響，構(gòu)建如下計(jì)量模型：

式 （1）中，被解釋變量lnLPTIA代表企業(yè)技術(shù)創(chuàng)新水平，解釋變量lnDTS為企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，Z為一系列控制變量，β0、β1和βi分別為常數(shù)項(xiàng)以及核心解釋變量和控制變量的系數(shù)。為控制宏觀因素和行業(yè)因素對(duì)企業(yè)技術(shù)創(chuàng)新水平的影響，本文在計(jì)量模型中加入了省域固定效應(yīng)μI、行業(yè)固定效應(yīng)σI，以及年份固定效應(yīng)λY，為使回歸結(jié)果更加穩(wěn)健，采用穩(wěn)健標(biāo)準(zhǔn)誤估計(jì)回歸模型。

對(duì)數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效應(yīng)機(jī)制的檢驗(yàn)，采用逐步回歸法構(gòu)建如下中介檢驗(yàn)?zāi)Ｐ停?1］：

式 （3）中，MED表示中介變量，其他符號(hào)同式 （1）。

2.3 變量選取與測(cè)度

因變量：企業(yè)技術(shù)創(chuàng)新水平，采用滯后1年的企業(yè)發(fā)明專利申請(qǐng)量（lnLPTIA）來表征。專利申請(qǐng)情況能夠較好地反映企業(yè)項(xiàng)目研發(fā)動(dòng)態(tài)，并且企業(yè)為專利申請(qǐng)支付的費(fèi)用也具有一定的甄別效應(yīng)，企業(yè)會(huì)更傾向于申請(qǐng)那些創(chuàng)新性強(qiáng)并能帶來高額獨(dú)占收益的技術(shù)創(chuàng)新專利［22］；另外，發(fā)明專利是對(duì)產(chǎn)品、方法或其改進(jìn)所提出的新的技術(shù)方案，其所蘊(yùn)含的技術(shù)含量和創(chuàng)新價(jià)值明顯高于實(shí)用新型和外觀專利，更能體現(xiàn)企業(yè)技術(shù)創(chuàng)新的質(zhì)量。此外，由于專利授權(quán)需要經(jīng)過審核機(jī)構(gòu)的審查與干預(yù)，具有一定的滯后性，因而專利申請(qǐng)量比專利授權(quán)量更能反應(yīng)企業(yè)的實(shí)時(shí)創(chuàng)新水平［23］?？紤]到發(fā)明專利研發(fā)需要一定的周期，為避免企業(yè)數(shù)字化轉(zhuǎn)型與技術(shù)創(chuàng)新之間的反向因果影響，本文采用滯后1期的發(fā)明專利申請(qǐng)量來表征企業(yè)技術(shù)創(chuàng)新水平。

自變量：企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（lnDTS），參考趙宸宇等 （2021）［24］的研究，從數(shù)字技術(shù)應(yīng)用、信息化、智能制造和互聯(lián)網(wǎng)商業(yè)模式4個(gè)維度來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度，并據(jù)此構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。具體步驟如下：（1）收集2013～2020年創(chuàng)業(yè)板制造業(yè)上市公司年報(bào)并轉(zhuǎn)為文本格式，然后利用Python提取年報(bào)中的經(jīng)營(yíng)情況討論與分析部分的文本；（2）建立特征詞分詞詞典，并結(jié)合Jieba分詞功能對(duì)所有樣本進(jìn)行分詞，從數(shù)字技術(shù)應(yīng)用、信息化、智能制造和互聯(lián)網(wǎng)商業(yè)模式4個(gè)維度，統(tǒng)計(jì)各樣本企業(yè)各維度關(guān)鍵詞披露次數(shù)的總數(shù)②；（3）對(duì)4個(gè)維度的詞頻數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，運(yùn)用熵權(quán)法確定各維度的權(quán)重并合成企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)綜合得分，然后參考胡榮 （2007）［25］的因子變換方法，將綜合得分轉(zhuǎn)換成1～100之間，并取對(duì)數(shù)生成企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（lnDTS）。此外，由于制造業(yè)細(xì)分行業(yè)性質(zhì)的差異性，不同行業(yè)之間的詞頻數(shù)存在較大差異，因此，根據(jù)2012版 《上市公司行業(yè)分類指引》中的行業(yè)代碼，對(duì)制造業(yè)細(xì)分行業(yè)重新計(jì)算企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（lnDTSI），作為穩(wěn)健性檢驗(yàn)的替代變量。

中介變量：企業(yè)動(dòng)態(tài)能力（lnDCS），參考宋哲和于克信 （2017）［26］的研究，選取企業(yè)專利申請(qǐng)量、研發(fā)費(fèi)用支出比、無形資產(chǎn)比率、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率和營(yíng)業(yè)收入增長(zhǎng)率指標(biāo)，然后運(yùn)用因子分析合成動(dòng)態(tài)能力綜合得分，并進(jìn)一步將綜合得分轉(zhuǎn)換為1～100之間，最終得到企業(yè)動(dòng)態(tài)能力得分。

控制變量：參考吳偉偉和張?zhí)煲?（2021）［23］、黎文靖等 （2021）［27］的研究，本文對(duì)可能影響企業(yè)技術(shù)創(chuàng)新產(chǎn)出的其他因素進(jìn)行控制，主要包括：企業(yè)年齡（Age），用當(dāng)年年份減去企業(yè)成立年份的差值衡量；企業(yè)規(guī)模（Size），以企業(yè)總資產(chǎn)的對(duì)數(shù)值表示；產(chǎn)權(quán)性質(zhì)（State），以是否為國(guó)有企業(yè)為虛擬變量來表征；研發(fā)支出規(guī)模（lnRDE），用企業(yè)研發(fā)支出總額的對(duì)數(shù)表示；資產(chǎn)收益率（ROA），為企業(yè)凈收入與總資產(chǎn)比值；資產(chǎn)負(fù)債率（LEV），為企業(yè)總負(fù)債與總資產(chǎn)之比。

3 實(shí)證結(jié)果分析

3.1 描述性統(tǒng)計(jì)與相關(guān)性分析

表1是樣本企業(yè)細(xì)分行業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)原始得分的均值情況（未取對(duì)數(shù)）?？梢?，皮革、毛皮、羽毛及其制品和制鞋業(yè)，紡織服裝、服飾業(yè)，家具制造等產(chǎn)品個(gè)性化需求程度高的行業(yè)數(shù)字化轉(zhuǎn)型程度較高，而有色金屬冶煉及壓延加工業(yè)、化學(xué)纖維制造業(yè)和廢棄資源綜合利用業(yè)等資本密集型行業(yè)的數(shù)字化轉(zhuǎn)型程度相對(duì)較低。表2報(bào)告了主要變量描述性統(tǒng)計(jì)和相關(guān)性分析結(jié)果?？梢?，數(shù)字化轉(zhuǎn)型指數(shù)與企業(yè)技術(shù)創(chuàng)新水平均呈現(xiàn)出均值偏小、標(biāo)準(zhǔn)差較大的特征，相關(guān)性方面，二者在0.01的水平上顯著，r＝0.162；控制變量方面，除企業(yè)年齡呈負(fù)相關(guān)之外，其他變量均在0.01的顯著性水平上與企業(yè)技術(shù)創(chuàng)新水平呈正相關(guān)。

表1 制造業(yè)細(xì)分行業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)均值

表2 主要變量描述性統(tǒng)計(jì)和相關(guān)性分析

3.2 基準(zhǔn)回歸與中介機(jī)制檢驗(yàn)結(jié)果

表3報(bào)告了對(duì)假設(shè)H1和H2的檢驗(yàn)結(jié)果。模型 （1）是對(duì)基準(zhǔn)回歸假設(shè)H1的檢驗(yàn)，結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（lnDTS）系數(shù)在1%的置信水平下顯著為正，表明數(shù)字化轉(zhuǎn)型顯著提升了企業(yè)技術(shù)創(chuàng)新水平，故假設(shè)H1得到驗(yàn)證。

模型 （2）中l(wèi)nDTS的系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)動(dòng)態(tài)能力的提升。模型 （3）中l(wèi)nDTS和lnDCS系數(shù)均為正向顯著，表明數(shù)字化轉(zhuǎn)型會(huì)通過增強(qiáng)企業(yè)動(dòng)態(tài)能力，進(jìn)而提升技術(shù)創(chuàng)新水平。進(jìn)一步利用Sobel進(jìn)行檢驗(yàn)，結(jié)果顯示，動(dòng)態(tài)能力的Z統(tǒng)計(jì)值為5.901，且在1%的置信水平下顯著，說明動(dòng)態(tài)能力對(duì)數(shù)字化轉(zhuǎn)型與企業(yè)技術(shù)創(chuàng)新存在正向傳導(dǎo)機(jī)制，且中介效應(yīng)占比為32.98%，故假設(shè)H2得到驗(yàn)證。

3.3 異質(zhì)性影響分析

本文采用分組回歸方法對(duì)假設(shè)H3和假設(shè)H4進(jìn)行驗(yàn)證。為驗(yàn)證假設(shè)H3，參考肖曙光和楊潔（2018）［28］的研究， 采用固定資產(chǎn)占比（固定資產(chǎn)凈額／總資產(chǎn)）指標(biāo)對(duì)總樣本進(jìn)行聚類，運(yùn)用K－means聚類方法將樣本分為兩類，將固定資產(chǎn)占比高的一類歸為高資本密集型公司。對(duì)兩類樣本數(shù)據(jù)的均值進(jìn)行獨(dú)立樣本T檢驗(yàn)，結(jié)果顯示，高資本密集度樣本的數(shù)字化轉(zhuǎn)型指數(shù)為3.019，低于低資本密集度樣本的5.272（均為未取對(duì)數(shù)得分），并且二者在1%的置信水平下存在顯著差異，初步說明高資本密集型制造企業(yè)可能因?yàn)閿?shù)字化轉(zhuǎn)型起點(diǎn)較低，而存在邊際效應(yīng)遞增的預(yù)期。表4中的模型 （1）和模型 （2）報(bào)告了不同資本密集度分組下的回歸結(jié)果。結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型均在1%的置信水平下對(duì)技術(shù)創(chuàng)新有正向顯著影響。而模型 （1）中的lnDTS的系數(shù)為0.317，高于模型 （2）中的0.102，進(jìn)一步采用似無相關(guān)模型（SUR）進(jìn)行組間系數(shù)差異檢驗(yàn)，卡方統(tǒng)計(jì)量的P值顯示在1%的置信水平下二者存在顯著差異，表明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)創(chuàng)新水平的促進(jìn)作用，在高資本密集度企業(yè)樣本中更顯著，故假設(shè)H3得到驗(yàn)證。

為驗(yàn)證假設(shè)H4，用按營(yíng)業(yè)收入計(jì)算的赫芬達(dá)爾指數(shù)（HHI）來衡量制造業(yè)細(xì)分行業(yè)的市場(chǎng)競(jìng)爭(zhēng)程度，并根據(jù)HHI的中位數(shù)值，將低于中位數(shù)值的一組劃分為高市場(chǎng)競(jìng)爭(zhēng)組，余下樣本劃分為高市場(chǎng)競(jìng)爭(zhēng)組。表4中模型 （3）和模型 （4）報(bào)告了不同市場(chǎng)競(jìng)爭(zhēng)情形下的分組回歸結(jié)果。估計(jì)結(jié)果表明，在低市場(chǎng)競(jìng)爭(zhēng)分組中的lnDTS系數(shù)為0.0305但不顯著，而在高市場(chǎng)競(jìng)爭(zhēng)分組中的系數(shù)為0.226，且在1%的置信水平下顯著；組間系數(shù)差異檢驗(yàn)的卡方統(tǒng)計(jì)量P值顯示在1%的置信水平下二者存在顯著差異，表明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)創(chuàng)新的影響在高市場(chǎng)競(jìng)爭(zhēng)的環(huán)境下更為顯著，故假設(shè)H4得到驗(yàn)證。

表4 基于資本密集度和市場(chǎng)競(jìng)爭(zhēng)的異質(zhì)性檢驗(yàn)

4 穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的可靠性，本文進(jìn)行了一系列穩(wěn)健性檢驗(yàn)（結(jié)果表略）。（1）替換被解釋變量。分別采用企業(yè)當(dāng)期的發(fā)明專利申請(qǐng)量（lnPTIA）和滯后1期的專利申請(qǐng)總量（lnLPTA）作為被解釋變量進(jìn)行回歸，結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新的促進(jìn)作用在1%的置信水平下正向顯著；（2）替換核心解釋變量。由于不同制造行業(yè)的數(shù)字化轉(zhuǎn)型水平存在較大差異，故按各細(xì)分行業(yè)重新計(jì)算數(shù)字化轉(zhuǎn)型指數(shù)得分（lnDTSI）進(jìn)行回歸，結(jié)果如模型 （3）所示，可見數(shù)字化轉(zhuǎn)型指數(shù)的系數(shù)在1%置信水平下依舊正向顯著。

此外，由于技術(shù)創(chuàng)新水平高的企業(yè)可能有更高的需求去推動(dòng)數(shù)字化轉(zhuǎn)型，以不斷保持和提升創(chuàng)新能力，從而使被解釋變量與解釋變量產(chǎn)生互為因果的影響，形成內(nèi)生性問題。為盡可能避免內(nèi)生性對(duì)研究結(jié)論的影響，本文在基準(zhǔn)回歸中已對(duì)被解釋變量進(jìn)行滯后1期處理，從而一定程度上緩解了反向因果關(guān)系的影響。為進(jìn)一步提升結(jié)論的穩(wěn)健性，本文選取滯后2期的數(shù)字化轉(zhuǎn)型指數(shù)（lnDTS＿2）作為工具變量③，運(yùn)用兩階段最小二乘法（2SLS）進(jìn)行回歸分析。工具變量的統(tǒng)計(jì)量檢驗(yàn)結(jié)果顯示，Kleibergen－Paap rk LM和Cragg－Donald Wald F等統(tǒng)計(jì)量分別在1%和10%的顯著性水平下，拒絕了工具變量識(shí)別不足和弱工具變量的原假設(shè)，表明了工具變量的有效性。第一階段回歸結(jié)果表明工具變量與解釋變量呈顯著的正相關(guān)；第二階段回歸結(jié)果顯示，數(shù)字化轉(zhuǎn)型指數(shù)的系數(shù)在1%的置信水平下依舊顯著為正，表明在考慮了內(nèi)生性問題之后，本文研究結(jié)論仍然成立。

5 研究結(jié)論與政策建議

數(shù)字經(jīng)濟(jì)背景下，加快推進(jìn)制造企業(yè)數(shù)字化轉(zhuǎn)型，不斷提升企業(yè)技術(shù)創(chuàng)新能力，是當(dāng)前中國(guó)實(shí)施制造強(qiáng)國(guó)戰(zhàn)略面臨的重要議題。本文從理論層面分析了制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)技術(shù)創(chuàng)新的作用機(jī)制與異質(zhì)性影響，并運(yùn)用文本分析方法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)創(chuàng)新的影響。研究發(fā)現(xiàn)：（1）制造企業(yè)數(shù)字化轉(zhuǎn)型能夠促進(jìn)技術(shù)創(chuàng)新水平的提升；（2）企業(yè)數(shù)字化轉(zhuǎn)型會(huì)通過提高企業(yè)動(dòng)態(tài)能力，進(jìn)而提升企業(yè)技術(shù)創(chuàng)新水平；（3）高資本密集型企業(yè)以及處于高市場(chǎng)競(jìng)爭(zhēng)環(huán)境下的企業(yè)，其數(shù)字化轉(zhuǎn)型對(duì)技術(shù)創(chuàng)新水平的促進(jìn)作用更為顯著?；谏鲜鲅芯拷Y(jié)論，本文政策建議如下：

（1）持續(xù)改革完善政策制度環(huán)境，加快促進(jìn)制造企業(yè)數(shù)字化轉(zhuǎn)型。政府層面要積極優(yōu)化市場(chǎng)管理體制和行政審批事項(xiàng)，營(yíng)造優(yōu)良的監(jiān)管環(huán)境，發(fā)展和壯大數(shù)字化服務(wù)企業(yè)，積極推動(dòng)制造企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)。加大金融扶持、稅制優(yōu)惠、財(cái)政補(bǔ)貼和人才保障政策等方面的支持，引導(dǎo)銀行等金融機(jī)構(gòu)提升對(duì)制造企業(yè)數(shù)字化升級(jí)的信貸支持力度。通過技術(shù)改造貸款貼息、產(chǎn)業(yè)引導(dǎo)基金投資等方式，支持和鼓勵(lì)制造企業(yè)開展數(shù)字化轉(zhuǎn)型升級(jí)。加大推進(jìn)制造業(yè)數(shù)字化產(chǎn)教融合，搭建引才平臺(tái)以及行業(yè)組織、專家與企業(yè)的交流平臺(tái)，完善數(shù)字技術(shù)人才支持體系。

（2）積極提升企業(yè)數(shù)字化轉(zhuǎn)型理論認(rèn)識(shí)，注重培育企業(yè)數(shù)字化核心能力。數(shù)字化轉(zhuǎn)型有助于提升企業(yè)動(dòng)態(tài)能力，進(jìn)而提升技術(shù)創(chuàng)新水平。企業(yè)高層管理者要重視企業(yè)數(shù)字化轉(zhuǎn)型，設(shè)計(jì)企業(yè)數(shù)字化轉(zhuǎn)型愿景和頂層戰(zhàn)略，注重通過數(shù)字技術(shù)應(yīng)用，推動(dòng)組織管理、產(chǎn)品服務(wù)和商業(yè)模式等方面創(chuàng)新，增強(qiáng)企業(yè)環(huán)境感知、資源整合和轉(zhuǎn)換利用能力。政府層面要加大對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)踐研究和示范宣傳，積極組織各類專家學(xué)者、專業(yè)研究機(jī)構(gòu)以及市場(chǎng)咨詢服務(wù)機(jī)構(gòu)等開展數(shù)字化轉(zhuǎn)型案例研究，提升行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型理論與實(shí)踐認(rèn)知水平。

（3）加快夯實(shí)數(shù)字化支撐底座，推進(jìn)不同類型制造企業(yè)數(shù)字化轉(zhuǎn)型。對(duì)于龍頭企業(yè)而言，核心數(shù)字化技術(shù)的突破是提升數(shù)字化轉(zhuǎn)型的難點(diǎn)，而降低數(shù)字化應(yīng)用門檻是深化中小企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵。政府部門需加大組織對(duì)底層操作系統(tǒng)、智能傳感器、人機(jī)交互、工業(yè)大數(shù)據(jù)、核心工業(yè)軟件等核心技術(shù)領(lǐng)域攻關(guān)。有針對(duì)性地謀劃布局新基建，加大對(duì)5G網(wǎng)絡(luò)、公共云平臺(tái)等信息基礎(chǔ)設(shè)施建設(shè)力度。引導(dǎo)行業(yè)組織和制造企業(yè)研究制定工業(yè)數(shù)據(jù)的行業(yè)標(biāo)準(zhǔn)和企業(yè)標(biāo)準(zhǔn)，促進(jìn)工業(yè)數(shù)據(jù)開放共享。通過試點(diǎn)示范培育工業(yè)互聯(lián)網(wǎng)平臺(tái)，鼓勵(lì)和支持優(yōu)勢(shì)企業(yè)提高工業(yè)互聯(lián)網(wǎng)應(yīng)用，促進(jìn)中小企業(yè)通過 “上云用數(shù)賦智”提升數(shù)字化水平。

注釋：

①盡管2020年一季度的新冠肺炎疫情對(duì)制造企業(yè)生產(chǎn)與經(jīng)營(yíng)造成了一定的影響，但也使更多企業(yè)認(rèn)識(shí)到加快數(shù)字化轉(zhuǎn)型的重要性；此外，由于技術(shù)創(chuàng)新項(xiàng)目主要發(fā)生在研發(fā)部門，并且存在一定的滯后性，受疫情影響相對(duì)有限，因而本文將2020年度樣本數(shù)據(jù)予以保留。

②部分樣本企業(yè)統(tǒng)計(jì)的4個(gè)維度的詞頻數(shù)均為0，為避免0值的影響，對(duì)各個(gè)維度詞頻數(shù)統(tǒng)一加1處理。

③由于基準(zhǔn)回歸中被解釋變量已作滯后1期處理，為使工具變量與因變量滿足外生性條件，故將解釋變量滯后2期作為工具變量。