馮 苑 聶長飛

（1. 江西師范大學(xué)城市建設(shè)學(xué)院 江西南昌 330022；2. 南昌大學(xué)經(jīng)濟管理學(xué)院 江西南昌 330031）

一、引言

實體經(jīng)濟發(fā)展水平高不高、質(zhì)量優(yōu)不優(yōu)對中國推進經(jīng)濟高質(zhì)量發(fā)展有重要影響。對此，黨的十九屆五中全會明確提出，“堅持把發(fā)展經(jīng)濟著力點放在實體經(jīng)濟上”。做實做強做優(yōu)實體經(jīng)濟，從微觀上講，歸根到底要靠一家家實體企業(yè)的高質(zhì)量發(fā)展來支撐。然而，中國實體企業(yè)長期以來創(chuàng)新意愿不高、創(chuàng)新投入不足、創(chuàng)新能力總體偏低，制約了實體經(jīng)濟由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變。

與此同時，在新一輪科技革命浪潮的推動下，中國數(shù)字經(jīng)濟蓬勃發(fā)展，逐步成為經(jīng)濟高質(zhì)量發(fā)展的新引擎?！吨袊鴶?shù)字經(jīng)濟發(fā)展白皮書（2020年）》顯示，2015—2019年，中國數(shù)字經(jīng)濟規(guī)模由18.6萬億元提升至35.8萬億元，數(shù)字經(jīng)濟規(guī)模占GDP比重由27.5%上漲至36.2%，年均增長率分別高達17.3%和6.8%。中國數(shù)字經(jīng)濟的快速發(fā)展與黨和政府的高度重視密切相關(guān)?？梢灶A(yù)期，在當(dāng)前新型基礎(chǔ)設(shè)施建設(shè)進程加快，網(wǎng)絡(luò)強國戰(zhàn)略、數(shù)字中國戰(zhàn)略等深入實施的背景下，中國數(shù)字經(jīng)濟的發(fā)展將邁上一個嶄新的臺階。

在此背景下，有必要厘清快速發(fā)展的數(shù)字經(jīng)濟對實體企業(yè)創(chuàng)新究竟產(chǎn)生了怎樣的影響，這也是本文關(guān)注的重點。具體而言，本文嘗試探討以下幾個重要但尚未得到很好回答的問題：數(shù)字經(jīng)濟的發(fā)展能否有效提升實體企業(yè)創(chuàng)新能力、助力培育實體企業(yè)內(nèi)生發(fā)展新動能？其內(nèi)在作用機制是什么？更進一步地，數(shù)字經(jīng)濟對不同數(shù)字化發(fā)展階段、不同規(guī)模的實體企業(yè)創(chuàng)新的影響有何異質(zhì)性？

然而，對上述問題的科學(xué)回答面臨著諸多挑戰(zhàn)。第一個挑戰(zhàn)便是數(shù)字經(jīng)濟發(fā)展水平的衡量問題。從已有文獻看，數(shù)字經(jīng)濟的衡量方式主要有兩種：一是通過數(shù)字衛(wèi)星賬戶等統(tǒng)計方法對數(shù)字經(jīng)濟規(guī)模進行核算，如許憲春和張美慧[1]運用該方法測度了中國數(shù)字經(jīng)濟增加值，并進行了國際比較；二是通過構(gòu)建數(shù)字經(jīng)濟指數(shù)的方式對數(shù)字經(jīng)濟發(fā)展?fàn)顩r加以衡量。相比之下，前者需要以投入產(chǎn)出表為基礎(chǔ)，而投入產(chǎn)出表每五年編制一次，在客觀上限制了數(shù)字經(jīng)濟核算和比較，因而目前學(xué)術(shù)界普遍采用第二種衡量方式。

在運用綜合指數(shù)方式衡量數(shù)字經(jīng)濟發(fā)展水平的研究中，一些文獻將數(shù)字經(jīng)濟片面地等同于“數(shù)字金融”或“互聯(lián)網(wǎng)+數(shù)字金融”，采用北京大學(xué)發(fā)布的數(shù)字普惠金融指數(shù)[2]或數(shù)字普惠金融指數(shù)與互聯(lián)網(wǎng)發(fā)展相關(guān)指標(biāo)合成的綜合指數(shù)[3]作為地區(qū)數(shù)字經(jīng)濟發(fā)展水平的代理變量。但是，數(shù)字經(jīng)濟與數(shù)字金融是兩個不同的概念，二者是包含與被包含的關(guān)系，“數(shù)字金融+互聯(lián)網(wǎng)”顯然不能與數(shù)字經(jīng)濟等同，這類衡量方式實質(zhì)上是對數(shù)字經(jīng)濟概念的片面化、局限化，難以準(zhǔn)確反映數(shù)字經(jīng)濟的真實發(fā)展?fàn)顩r。另一些文獻基于對數(shù)字經(jīng)濟內(nèi)涵的解讀構(gòu)建數(shù)字經(jīng)濟指標(biāo)體系并測度數(shù)字經(jīng)濟指數(shù)，但受限于城市層面相關(guān)數(shù)據(jù)的缺失，這些研究大多將研究對象限定在省級層面。例如，柏亮和陳小輝[4]從數(shù)字經(jīng)濟基礎(chǔ)、用戶數(shù)字化、交易數(shù)字化、企業(yè)數(shù)字化、數(shù)字經(jīng)濟資本化及數(shù)字技術(shù)創(chuàng)新六個維度構(gòu)建指標(biāo)體系，并測度了中國2012—2018年31個省份的數(shù)字經(jīng)濟指數(shù)；劉軍等[5]從信息化、互聯(lián)網(wǎng)和數(shù)字交易三個維度構(gòu)建指標(biāo)體系，并據(jù)此評價中國2015—2018年30個省份數(shù)字經(jīng)濟發(fā)展?fàn)顩r?？偟膩碚f，雖然這類研究在很大程度上推動了數(shù)字經(jīng)濟的相關(guān)研究，但省級層面的數(shù)據(jù)無法體現(xiàn)不同城市之間數(shù)字經(jīng)濟發(fā)展差異，而中國同一省份的不同城市數(shù)字經(jīng)濟發(fā)展不平衡狀況普遍存在，因而可能在一定程度上引起實證結(jié)果的偏誤。還有文獻采用相關(guān)研究機構(gòu)發(fā)布的綜合指數(shù)對數(shù)字經(jīng)濟加以刻畫，其中有代表性的文獻是姜松和孫玉鑫[6]的研究。該文獻基于騰訊研究院發(fā)布的《中國“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟指數(shù)（2017）》，運用中國290個城市的截面數(shù)據(jù)，考察了數(shù)字經(jīng)濟對宏觀實體經(jīng)濟發(fā)展的影響。

根據(jù)本文整理的資料可以知道，近年來騰訊研究院、中國信息通信研究院、財新智庫、新華三集團等國內(nèi)有影響力的機構(gòu)都發(fā)布了數(shù)字經(jīng)濟指數(shù)。其中，中國信息通信研究院和財新智庫所發(fā)布的數(shù)字經(jīng)濟指數(shù)均為省級層面數(shù)據(jù)；騰訊研究院發(fā)布的數(shù)字經(jīng)濟指數(shù)雖然為城市層面數(shù)據(jù)，但不同年份采用的指標(biāo)存在較大的差異，不具備跨期可比性，如《中國“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟指數(shù)（2017）》主要從基礎(chǔ)、產(chǎn)業(yè)、創(chuàng)新創(chuàng)業(yè)、智慧民生四個維度構(gòu)建指標(biāo)體系，而《中國“互聯(lián)網(wǎng)+”指數(shù)報告（2018）》則是從數(shù)字經(jīng)濟、數(shù)字政務(wù)、數(shù)字生活、數(shù)字文化四個維度構(gòu)建指標(biāo)體系。新華三集團2017—2020年連續(xù)4年發(fā)布《中國城市數(shù)字經(jīng)濟指數(shù)白皮書》，從數(shù)據(jù)及信息化基礎(chǔ)設(shè)施、城市服務(wù)、城市治理、產(chǎn)業(yè)融合四個維度對中國2016—2019年城市數(shù)字經(jīng)濟發(fā)展?fàn)顩r進行評價。其基礎(chǔ)指標(biāo)并不僅局限于階段性熱點技術(shù)，而是與城市發(fā)展和政策緊密結(jié)合起來，不僅包含數(shù)字經(jīng)濟基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化等與數(shù)字經(jīng)濟發(fā)展直接相關(guān)的方面，還刻畫了數(shù)字技術(shù)在城市服務(wù)和治理中的融合應(yīng)用情況，這為本文考察數(shù)字經(jīng)濟對實體企業(yè)創(chuàng)新的影響提供了寶貴的數(shù)據(jù)資源。

本文面臨的另外一大挑戰(zhàn)來自計量模型識別過程中可能存在的內(nèi)生性問題，具體而言就是數(shù)字經(jīng)濟發(fā)展與實體企業(yè)創(chuàng)新之間可能存在反向因果關(guān)系，即隨著實體企業(yè)創(chuàng)新水平的提高，企業(yè)所在城市的數(shù)字經(jīng)濟發(fā)展水平可能也會相應(yīng)提高。此外，在實證分析過程中還可能因為遺漏變量等問題的存在，產(chǎn)生估計結(jié)果偏誤問題。對此，本文在滿足相關(guān)性的前提條件下，兼顧歷史變量的外生性優(yōu)勢，創(chuàng)新性地選取“滯后30年的城市每百人固定電話數(shù)量”作為城市數(shù)字經(jīng)濟發(fā)展的工具變量，從而有效地解決了上述難題。

與本文直接相關(guān)的文獻有一部分主要考察數(shù)字經(jīng)濟發(fā)展的社會經(jīng)濟效應(yīng)?？傮w而言，這類研究可以分為三類：第一類，側(cè)重于理論研究。例如，許恒等[7]探討了數(shù)字經(jīng)濟對傳統(tǒng)經(jīng)濟的技術(shù)溢出和沖擊效應(yīng)等。第二類，側(cè)重于考察數(shù)字經(jīng)濟對宏觀經(jīng)濟的影響。例如，趙濤等[3]、姜松和孫玉鑫[6]、周青等[8]、陳小輝等[9]、閻世平等[10]采用實證分析方法分別考察了數(shù)字經(jīng)濟發(fā)展對經(jīng)濟高質(zhì)量發(fā)展、實體經(jīng)濟發(fā)展、區(qū)域創(chuàng)新績效、產(chǎn)業(yè)結(jié)構(gòu)、勞動力結(jié)構(gòu)等的影響。第三類，從微觀的企業(yè)層面出發(fā)，實證檢驗在數(shù)字經(jīng)濟發(fā)展浪潮下，企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)整體經(jīng)濟效益[11]、公司治理水平[12]、組織授權(quán)[13]等的影響。與本文相關(guān)的另一部分文獻主要考察企業(yè)創(chuàng)新影響因素，這部分文獻分別從創(chuàng)新激勵政策[14]、勞動保護[15]、知識產(chǎn)權(quán)保護[16]、營商環(huán)境[17]、非正式制度[18]、技術(shù)引進[19]、數(shù)字金融發(fā)展[20]等多個方面考察企業(yè)創(chuàng)新影響因素。

上述研究為本文探究數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響奠定了重要的基礎(chǔ)，但從本文搜集的文獻看，目前尚未有研究專門考察數(shù)字經(jīng)濟發(fā)展對企業(yè)創(chuàng)新的影響。鑒于此，本文結(jié)合新華三集團發(fā)布的2016—2019年城市數(shù)字經(jīng)濟指數(shù)和滬深A(yù)股實體上市公司的數(shù)據(jù)，綜合運用固定效應(yīng)模型、工具變量估計以及中介效應(yīng)模型等多種計量方法，考察城市數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響效應(yīng)、作用機制及其異質(zhì)性。

本文可能的邊際貢獻在于：第一，在研究視角上，本文首次考察了數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響，不僅從理論層面豐富了數(shù)字經(jīng)濟影響效應(yīng)以及企業(yè)創(chuàng)新影響因素兩個方面的研究，而且在很大程度上契合了我國“推動數(shù)字經(jīng)濟與實體經(jīng)濟深度融合”的戰(zhàn)略目標(biāo)，對中國進一步推動數(shù)字經(jīng)濟發(fā)展和實體經(jīng)濟升級具有一定的啟示意義。第二，在識別策略上，本文采用新華三集團發(fā)布的城市數(shù)字經(jīng)濟指數(shù)衡量城市數(shù)字經(jīng)濟發(fā)展水平，彌補了現(xiàn)有實證研究在數(shù)字經(jīng)濟衡量方式上的不足；同時，本文通過選取“滯后30年的城市每百人固定電話數(shù)量”這一歷史工具變量，較好地解決了計量模型的內(nèi)生性問題，使得本文的估計結(jié)果更加穩(wěn)健可靠。第三，在實踐意義上，本文緊密結(jié)合政府當(dāng)前密切關(guān)注的政策規(guī)劃重點問題，從企業(yè)數(shù)字化轉(zhuǎn)型、企業(yè)規(guī)模兩個方面考察了數(shù)字經(jīng)濟發(fā)展對不同實體企業(yè)創(chuàng)新影響的異質(zhì)性，研究成果能夠為企業(yè)加快實施數(shù)字化轉(zhuǎn)型戰(zhàn)略、中小企業(yè)快速轉(zhuǎn)型升級提供新的經(jīng)驗證據(jù)。

二、理論分析與研究假說

（一） 數(shù)字經(jīng)濟促進實體企業(yè)創(chuàng)新的機理

基于對現(xiàn)有相關(guān)文獻的梳理，本文認為，數(shù)字經(jīng)濟可以通過提升企業(yè)吸收能力和緩解企業(yè)融資約束兩條渠道來影響實體企業(yè)創(chuàng)新（見圖1）。

圖1 數(shù)字經(jīng)濟促進實體企業(yè)創(chuàng)新的機理

一方面，實體企業(yè)創(chuàng)新不能僅僅依靠內(nèi)部資源，還需要借助外部的知識[21]，搜尋和內(nèi)化知識是實體企業(yè)創(chuàng)新過程中的關(guān)鍵流程[22]。在這一流程中，實體企業(yè)的吸收能力極為重要。具體而言，吸收能力指的是“企業(yè)識別外部新信息的價值，吸收并將它應(yīng)用于商業(yè)目的的能力”，表現(xiàn)在知識獲取能力、知識吸收能力以及知識應(yīng)用能力三個方面[23]。已有研究表明，吸收能力對提升企業(yè)創(chuàng)新績效具有積極且顯著的影響[24]。數(shù)字經(jīng)濟發(fā)展可以提升實體企業(yè)吸收能力，進而促進實體企業(yè)創(chuàng)新的主要原因在于：首先，在人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈等新一代信息技術(shù)快速發(fā)展的數(shù)字經(jīng)濟時代，實體企業(yè)能利用的信息資源非常豐富[25]，許多產(chǎn)品和服務(wù)競爭出現(xiàn)跨界融合與平臺化的趨勢，實體企業(yè)有機會接觸和獲得來源于不同行業(yè)的信息，實體企業(yè)創(chuàng)新中的知識來源也不再僅僅局限于傳統(tǒng)意義上的單一行業(yè)。與此同時，不同企業(yè)創(chuàng)新模式之間也能夠通過知識共享平臺等方式形成鏈接[26]，從而有利于實體企業(yè)實現(xiàn)跨界創(chuàng)新、開放式創(chuàng)新。其次，數(shù)字技術(shù)的發(fā)展有效地解決了信息發(fā)現(xiàn)和共享難題，使得知識和信息的傳播速度大幅增加，交流和搜尋成本大幅降低[22]，實體企業(yè)能夠借助數(shù)字技術(shù)有效整合外部知識，將內(nèi)外部信息鏈接起來，進而提升對外部知識的吸收能力[27]。最后，在數(shù)字經(jīng)濟時代，數(shù)據(jù)已成為全新的、關(guān)鍵的生產(chǎn)要素，數(shù)據(jù)挖掘和分析、云計算等技術(shù)的發(fā)展有效地提升了企業(yè)的數(shù)據(jù)管理和應(yīng)用能力。在此背景下，實體企業(yè)能夠有效地記錄并分析從外部獲取的數(shù)據(jù)知識，從而實現(xiàn)對外部知識的高效智能化應(yīng)用，加速創(chuàng)新進程[28]。

另一方面，除了需要借助外部知識外，實體企業(yè)創(chuàng)新活動還具有兩個關(guān)鍵特征：其一，實體企業(yè)創(chuàng)新活動的調(diào)整成本較高[29]，這使得實體企業(yè)創(chuàng)新活動必須保持一定的連續(xù)性，需要大量持續(xù)且穩(wěn)定的資金支持[30]。其二，實體企業(yè)與外部投資者的信息不對稱是導(dǎo)致實體企業(yè)面臨融資約束的重要原因[31]，而實體企業(yè)創(chuàng)新活動產(chǎn)出的高不確定性使得實體企業(yè)創(chuàng)新過程的信息不對稱程度更為嚴重，導(dǎo)致實體企業(yè)創(chuàng)新面臨嚴重的外部融資約束[32]。也就是說，實體企業(yè)創(chuàng)新活動離不開資金的支持，而創(chuàng)新活動中嚴重的信息不對稱問題使得實體企業(yè)創(chuàng)新面臨較強的融資約束，進而導(dǎo)致實體企業(yè)創(chuàng)新受到抑制。數(shù)字經(jīng)濟發(fā)展則有利于緩解信息不對稱問題，增強市場參與主體之間的信用[33]。具體而言，在數(shù)字經(jīng)濟時代，可以通過依托互聯(lián)網(wǎng)、大數(shù)據(jù)分析等信息技術(shù)，憑借其可以實時記錄和查詢、低成本等優(yōu)勢實現(xiàn)對不同企業(yè)數(shù)據(jù)信息的抓取，為實體企業(yè)構(gòu)建數(shù)字信用的方式來緩解外部投資者和實體企業(yè)之間的信息不對稱問題，使實體企業(yè)更方便快捷地獲得金融借貸服務(wù)，獲取創(chuàng)新活動所需資金[20]。不僅如此，現(xiàn)有研究表明，數(shù)字金融發(fā)展有利于打破傳統(tǒng)金融服務(wù)的邊界，拓寬金融服務(wù)的觸達范圍，改善信貸資源錯配狀況，緩解實體企業(yè)融資約束[34]。數(shù)字金融作為數(shù)字經(jīng)濟的重要組成部分，是數(shù)字經(jīng)濟與金融業(yè)融合發(fā)展的體現(xiàn)，可以為數(shù)字經(jīng)濟的發(fā)展提供重要的支撐力量[35]，所以，從這個角度看，數(shù)字經(jīng)濟能夠通過數(shù)字金融的繁榮發(fā)展緩解實體企業(yè)融資約束，進而促進實體企業(yè)創(chuàng)新?；谝陨戏治?，本文提出以下兩個假設(shè)：

假設(shè)1：數(shù)字經(jīng)濟發(fā)展能顯著促進實體企業(yè)創(chuàng)新。

假設(shè)2：數(shù)字經(jīng)濟發(fā)展能通過提升吸收能力和緩解融資約束兩條渠道來促進實體企業(yè)創(chuàng)新。

（二） 數(shù)字經(jīng)濟促進實體企業(yè)創(chuàng)新的異質(zhì)性

數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響可能因企業(yè)自身是否實現(xiàn)數(shù)字化轉(zhuǎn)型而有所不同。企業(yè)數(shù)字化是推動數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的關(guān)鍵要素。順應(yīng)數(shù)字經(jīng)濟時代發(fā)展浪潮，推進數(shù)字化變革成為實體企業(yè)的新使命和新機遇[11]。企業(yè)數(shù)字化的核心是利用互聯(lián)網(wǎng)、人工智能、數(shù)據(jù)挖掘和分析、物聯(lián)網(wǎng)、云計算等新興數(shù)字技術(shù)輔助企業(yè)決策，提高數(shù)字經(jīng)濟占企業(yè)產(chǎn)出的比重，加速企業(yè)創(chuàng)新進程[12,28]。已有研究表明，企業(yè)數(shù)字化轉(zhuǎn)型有利于提升企業(yè)創(chuàng)新績效[36]。因此，相較于尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)，已實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)能夠更好地實現(xiàn)與數(shù)字經(jīng)濟的融合發(fā)展，加快創(chuàng)新進程，提升創(chuàng)新能力?；谝陨戏治觯疚奶岢鲆韵录僭O(shè)：

假設(shè)3：相較于尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)，數(shù)字經(jīng)濟發(fā)展對已實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)創(chuàng)新的促進作用更為明顯。

數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響還可能因企業(yè)規(guī)模不同而存在差異。在數(shù)字經(jīng)濟時代，如何實現(xiàn)數(shù)字化轉(zhuǎn)型，革新管理、生產(chǎn)以及銷售模式，加速創(chuàng)新進程，成為中小企業(yè)面臨的關(guān)鍵問題。然而，在實際發(fā)展過程中，大型實體企業(yè)往往能夠利用自身優(yōu)勢發(fā)揮規(guī)模效益，提高數(shù)字化轉(zhuǎn)型效率，而中小型實體企業(yè)在資金、人才、技術(shù)等多方面都相對落后，在數(shù)字化轉(zhuǎn)型過程中面臨的阻礙更多，轉(zhuǎn)型難度更大，進展相對緩慢。企業(yè)數(shù)字化轉(zhuǎn)型情況在一定程度上能夠反映企業(yè)與數(shù)字經(jīng)濟融合發(fā)展情況，從這一層面來說，相較于大型實體企業(yè)，中小型實體企業(yè)與數(shù)字經(jīng)濟融合發(fā)展的難度更大，導(dǎo)致其創(chuàng)新過程受數(shù)字經(jīng)濟發(fā)展的正向促進作用較弱?；谝陨戏治?，本文提出以下假設(shè)：

假設(shè)4：相較于規(guī)模較大的實體企業(yè)，數(shù)字經(jīng)濟發(fā)展對規(guī)模較小的實體企業(yè)創(chuàng)新的促進作用較小。

三、研究設(shè)計

（一） 計量模型構(gòu)建

為探究數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響，本文構(gòu)建如下基準(zhǔn)回歸模型：

其中，因變量Innovationit表示企業(yè)i在 第t年的創(chuàng)新產(chǎn)出水平，分別采用企業(yè)專利申請總數(shù)、發(fā)明專利申請數(shù)量以及非發(fā)明專利申請數(shù)量進行衡量；解釋變量Dig_ecoit表示企業(yè)i所 在城市第t年的數(shù)字經(jīng)濟發(fā)展水平，采用城市數(shù)字經(jīng)濟發(fā)展指數(shù)衡量；Controlit表 示一系列控制變量合集；Year、Ind、Area分別表示年份、行業(yè)、地區(qū)虛擬變量；εit為誤差項。

為進一步考察數(shù)字經(jīng)濟發(fā)展影響實體企業(yè)創(chuàng)新的渠道，本文在模型（1）的基礎(chǔ)上，構(gòu)建如下中介效應(yīng)模型：

其中，Mediation為中介變量，分別表示企業(yè)吸收能力（Absob_cap）和融資約束（Fin_con），其余變量含義同模型（1）。中介效應(yīng)檢驗分為如下三個步驟：首先，估計模型（1）中的系數(shù)α1，檢驗城市數(shù)字經(jīng)濟對實體企業(yè)創(chuàng)新的總效應(yīng)。若α1顯著為正，則表明城市數(shù)字經(jīng)濟發(fā)展能顯著提升實體企業(yè)創(chuàng)新水平。其次，分別估計模型（2）和（3）中的系數(shù)β1和 γ2， 若二者均顯著，則表明存在中介效應(yīng)。在此基礎(chǔ)上，若γ1顯 著為正且小于α1，則表明中介變量發(fā)揮了部分中介作用。最后，若系數(shù)β1和 γ2至少有一個不顯著，則通過S obel檢驗判斷是否存在中介效應(yīng)。

（二） 數(shù)據(jù)來源與樣本篩選

本文以2016—2019年滬深A(yù)股實體上市公司數(shù)據(jù)為研究樣本，考察城市數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響。其中，數(shù)字經(jīng)濟指數(shù)來源于新華三集團2017—2020年發(fā)布的《中國城市數(shù)字經(jīng)濟指數(shù)白皮書》。上市公司專利數(shù)據(jù)來源于中國研究數(shù)據(jù)服務(wù)平臺（CNRDS）的創(chuàng)新專利研究數(shù)據(jù)庫，其余指標(biāo)的數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。

在此基礎(chǔ)上，本文對上市公司樣本依次進行如下處理：（1）僅保留A股上市公司；（2）借鑒黃群慧[37]對實體經(jīng)濟的定義，剔除金融業(yè)和房地產(chǎn)業(yè)上市公司，將研究范圍限定為實體上市公司；（3）剔除資產(chǎn)負債率大于1的公司；（4）剔除研究期間內(nèi)已退市的公司；（5）剔除ST、*ST及PT企業(yè)。最終，本文得到2016—2019年12183個樣本。為消除極端值對實證結(jié)果的影響，參考現(xiàn)有研究的普遍做法，本文對所有連續(xù)性變量進行了上下1%的縮尾處理。

（三） 變量選取

第一，因變量：企業(yè)創(chuàng)新（Innovation）。專利是衡量企業(yè)創(chuàng)新時使用最廣泛的指標(biāo)，包括專利申請數(shù)和專利授權(quán)數(shù)兩種。本文采用專利申請數(shù)作為企業(yè)創(chuàng)新的代理變量，主要是因為專利授權(quán)與專利申請之間存在較長的時滯，因而專利授權(quán)數(shù)難以及時全面地反映企業(yè)的創(chuàng)新水平。具體而言，本文分別采用企業(yè)專利申請總數(shù)（Inno_total）、反映企業(yè)實質(zhì)性創(chuàng)新的發(fā)明專利申請數(shù)量（Inno_inv）以及代表企業(yè)策略性創(chuàng)新的非發(fā)明專利申請數(shù)量（Inno_stra）作為因變量[38]。同時，由于專利申請數(shù)存在較多零值，分布存在明顯的厚尾現(xiàn)象，因此，對以上三類專利申請數(shù)量均進行“加1取自然對數(shù)”處理。

第二，核心解釋變量：數(shù)字經(jīng)濟（Dig_eco）。如前所述，本文采用新華三集團發(fā)布的城市數(shù)字經(jīng)濟指數(shù)衡量數(shù)字經(jīng)濟發(fā)展?fàn)顩r。表1列出了2016—2019年數(shù)字經(jīng)濟發(fā)展排名前10位的城市?？梢园l(fā)現(xiàn)，數(shù)字經(jīng)濟發(fā)展靠前的城市主要是一線城市或長三角城市。在實證研究中，為避免異方差對估計結(jié)果的干擾，本文對數(shù)字經(jīng)濟指數(shù)統(tǒng)一進行對數(shù)化處理。

表1 2016—2019年數(shù)字經(jīng)濟發(fā)展排名前10位的城市

第三，中介變量（Mediation）。本文的中介變量有2個：①吸收能力（Absob_cap）。企業(yè)吸收能力與研發(fā)投入密切相關(guān)[23]，研發(fā)投入強度是最常用的企業(yè)吸收能力衡量指標(biāo)，因此，本文參考Schildt等[39]的研究，采用“研發(fā)投入占營業(yè)收入的比重”衡量企業(yè)吸收能力，比重越大，表明企業(yè)吸收能力越強。②融資約束（Fin_con）。有代表性的企業(yè)融資約束衡量指標(biāo)包括KZ指數(shù)、WW指數(shù)以及SA指數(shù)等。其中，KZ指數(shù)和WW指數(shù)的計算過程包含了許多具有內(nèi)生性的融資變量，如企業(yè)現(xiàn)金流、股利等[32]，而SA指數(shù)的計算僅需使用企業(yè)規(guī)模和年齡兩個變量，外生性更強[40]，因此，本文采用SA指數(shù)計算融資約束，具體公式為(?0.737×S ize)+(0.043×S ize2)?(0.04×Age) ， 其中，Size和Age分別表示企業(yè)規(guī)模和企業(yè)年齡。根據(jù)公式計算獲得的SA指數(shù)為負值，其絕對值越大，表明企業(yè)受到的融資約束越嚴重。為便于后文實證結(jié)果解釋，本文對SA指數(shù)取絕對值，得到企業(yè)融資約束變量Fin_con。Fin_con取值越大，表明企業(yè)面臨的融資約束越嚴重。

第四，控制變量。借鑒已有研究[18，20]，本文選取如下控制變量：①企業(yè)規(guī)模（Size），用公司總資產(chǎn)對數(shù)予以衡量；②資產(chǎn)負債率（Lev），通過“總負債/總資產(chǎn)”計算獲得；③企業(yè)年齡（Age），根據(jù)“獲得觀測值的年份減去企業(yè)成立年份”計算得出；④流動比率（Liquidity），依據(jù)“流動資產(chǎn)/流動負債”計算獲得；⑤總資產(chǎn)凈利潤率（Roa） ，以“凈利潤/總資產(chǎn)”衡量；⑥股權(quán)集中度（Shrcr），用“公司第一大股東持股比例”衡量。變量的描述性統(tǒng)計見表2。

表 2 (續(xù))

表2 變量的描述性統(tǒng)計

四、實證結(jié)果及分析

（一） 基準(zhǔn)回歸結(jié)果分析

表3報告了基準(zhǔn)回歸結(jié)果?？梢钥闯觯瑹o論是以企業(yè)專利申請總數(shù)、發(fā)明專利申請數(shù)量還是非發(fā)明專利申請數(shù)量作為因變量，核心解釋變量Dig_eco的系數(shù)均在1%顯著性水平下顯著為正，表明城市數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新具有顯著的促進作用，初步支持了假設(shè)1。更進一步地，數(shù)字經(jīng)濟指數(shù)對企業(yè)發(fā)明專利申請數(shù)量的估計系數(shù)為0.662，顯著高于非發(fā)明專利申請數(shù)量的估計系數(shù)0.433，說明數(shù)字經(jīng)濟發(fā)展對企業(yè)實質(zhì)性創(chuàng)新的促進作用更大。之所以如此，可能是因為數(shù)字經(jīng)濟的快速發(fā)展加劇了企業(yè)之間的競爭，單純依靠低質(zhì)量的創(chuàng)新難以讓企業(yè)在競爭越發(fā)激烈的數(shù)字經(jīng)濟時代樹立核心競爭優(yōu)勢，企業(yè)不得不開展更高質(zhì)量的創(chuàng)新活動。這一結(jié)果意味著加快推動數(shù)字經(jīng)濟發(fā)展能夠在很大程度上緩解中國目前存在的創(chuàng)新資源錯配問題，改善創(chuàng)新資源配置效率，提高創(chuàng)新質(zhì)量。

表3 基準(zhǔn)回歸結(jié)果

（二） 作用機制檢驗

按照中介效應(yīng)模型的估計方法，本文分別對吸收能力和融資約束機制進行檢驗。表4（1）列的數(shù)據(jù)顯示，Dig_eco的估計系數(shù)為0.035，且在1%顯著性水平下顯著，說明數(shù)字經(jīng)濟發(fā)展能夠顯著提升實體企業(yè)的吸收能力。表4（2）、（3）、（4）列的數(shù)據(jù)顯示，吸收能力的提高能夠在1%顯著性水平下促進實體企業(yè)專利申請總數(shù)、發(fā)明專利申請數(shù)量以及非發(fā)明專利申請數(shù)量增加。同時，表4（2）、（3）、（4）列Dig_eco的系數(shù)分別小于基準(zhǔn)回歸中對應(yīng)的Dig_eco的系數(shù)，說明吸收能力在數(shù)字經(jīng)濟促進實體企業(yè)創(chuàng)新過程中發(fā)揮了部分中介作用，即數(shù)字經(jīng)濟發(fā)展可以通過提升實體企業(yè)吸收能力來促進企業(yè)創(chuàng)新績效提高。

表4 作用機制檢驗

與之類似的是，表4（5）列的數(shù)據(jù)顯示，Dig_eco的估計系數(shù)在5%顯著性水平下顯著為負，意味著數(shù)字經(jīng)濟發(fā)展能夠有效緩解實體企業(yè)面臨的融資約束。表4（6）、（7）、（8）列的數(shù)據(jù)顯示，融資約束對實體企業(yè)專利申請總數(shù)、發(fā)明專利申請數(shù)量以及非發(fā)明專利申請數(shù)量均具有顯著的抑制作用。同時，表4（6）、（7）、（8）列Dig_eco的 系數(shù)分別小于基準(zhǔn)回歸中對應(yīng)的Dig_eco的系數(shù)，說明融資約束在數(shù)字經(jīng)濟促進實體企業(yè)創(chuàng)新過程中發(fā)揮了部分中介作用，即數(shù)字經(jīng)濟發(fā)展可以通過緩解實體企業(yè)面臨的融資約束來促進企業(yè)創(chuàng)新績效提高。至此，假設(shè)2得到驗證。

（三） 異質(zhì)性分析

1. 企業(yè)數(shù)字化轉(zhuǎn)型異質(zhì)性

本文借鑒祁懷錦等[12]對企業(yè)數(shù)字經(jīng)濟化的定義來界定企業(yè)是否實現(xiàn)數(shù)字化轉(zhuǎn)型。具體而言，本文利用來自CSMAR的上市公司財務(wù)報表附注數(shù)據(jù)庫，借助正則表達式，對企業(yè)的數(shù)字化轉(zhuǎn)型進行考察。如果企業(yè)年末無形資產(chǎn)項目包含“軟件”“網(wǎng)絡(luò)”“客戶端”“管理系統(tǒng)”“智能平臺”等與數(shù)字技術(shù)有關(guān)的詞語，則認定企業(yè)在當(dāng)年已經(jīng)實現(xiàn)數(shù)字化轉(zhuǎn)型，否則認定企業(yè)尚未實現(xiàn)數(shù)字化轉(zhuǎn)型。表5為企業(yè)數(shù)字化轉(zhuǎn)型異質(zhì)性的估計結(jié)果。可以看出，對尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)而言，數(shù)字經(jīng)濟發(fā)展對實體企業(yè)專利申請總數(shù)和非發(fā)明專利申請數(shù)量的影響均不顯著，僅對實體企業(yè)發(fā)明專利申請數(shù)量在5%顯著性水平下有顯著影響；對已經(jīng)實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)而言，數(shù)字經(jīng)濟發(fā)展對不同因變量的影響均在1%顯著性水平下顯著為正，且各模型Dig_eco的估計系數(shù)的大小均明顯大于尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)。由此可見，相較于尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)，數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的促進作用在已實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)中更大。這一研究結(jié)果支持了假設(shè)3。

表 5 (續(xù))

表5 企業(yè)數(shù)字化轉(zhuǎn)型異質(zhì)性估計結(jié)果

2. 企業(yè)規(guī)模異質(zhì)性

按照樣本企業(yè)規(guī)模的中位數(shù)，將樣本劃分為規(guī)模較小的企業(yè)和規(guī)模較大的企業(yè)兩組，進行企業(yè)規(guī)模異質(zhì)性分析，估計結(jié)果見表6。表6顯示，對兩組企業(yè)而言，所有模型的Dig_eco的估計系數(shù)均為正，且至少通過了10%顯著性水平的顯著性檢驗，說明數(shù)字經(jīng)濟對不同規(guī)模實體企業(yè)的創(chuàng)新績效均具有顯著的促進作用。更進一步地，比較兩組企業(yè)估計系數(shù)可以發(fā)現(xiàn)，無論是以專利申請總數(shù)、發(fā)明專利申請數(shù)量還是以非發(fā)明專利申請數(shù)量作為因變量，規(guī)模較大的企業(yè)Dig_eco估計系數(shù)均大于規(guī)模較小的企業(yè)，表明相較于規(guī)模較小的企業(yè)，數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的促進作用在規(guī)模較大的企業(yè)中更大，假設(shè)4成立。

表6 企業(yè)規(guī)模異質(zhì)性估計結(jié)果

（四） 穩(wěn)健性檢驗與內(nèi)生性討論

1. 穩(wěn)健性檢驗

為保證前文估計結(jié)果的穩(wěn)健性，本文從四個方面對基準(zhǔn)回歸進行穩(wěn)健性檢驗：第一，變換估計模型。考慮到本文中衡量企業(yè)創(chuàng)新的專利申請對數(shù)值包含較多為0的觀測值（其他為正值），故采用Tobit模型進行穩(wěn)健性檢驗。第二，所有解釋變量滯后一期?？紤]到數(shù)字經(jīng)濟發(fā)展對企業(yè)創(chuàng)新的影響可能存在時滯，同時為緩解數(shù)字經(jīng)濟與企業(yè)創(chuàng)新之間可能存在的反向因果問題，本文將所有解釋變量滯后一期重新進行估計。第三，所有變量取平均值。為避免因外界沖擊導(dǎo)致的變量“短期偽相關(guān)”問題，本文對所有變量在研究期內(nèi)取平均值后重新進行估計。第四，剔除直轄市樣本?？紤]到直轄市與其他城市在經(jīng)濟等方面的差異，本文將直轄市樣本剔除后重新進行估計。穩(wěn)健性檢驗結(jié)果見表7。從表7可以看出，在不同情形下，Dig_eco的估計系數(shù)均在1%顯著性水平下顯著為正，且數(shù)字經(jīng)濟指數(shù)對發(fā)明專利申請數(shù)量的估計系數(shù)均高于對非發(fā)明專利申請數(shù)量的估計系數(shù)，估計結(jié)果與基準(zhǔn)回歸一致，表明本文的估計結(jié)果是穩(wěn)健的。

表7 穩(wěn)健性檢驗結(jié)果

2. 內(nèi)生性討論

雖然基準(zhǔn)回歸和一系列穩(wěn)健性檢驗得到了一致的研究結(jié)論，但內(nèi)生性問題依然可能對本文的研究結(jié)果產(chǎn)生威脅。前文采用滯后一期的解釋變量進行穩(wěn)健性檢驗，在一定程度上緩解了模型可能存在的反向因果關(guān)系問題，但依然難以從根本上消除反向因果關(guān)系的影響。不僅如此，在實證分析中還可能因為遺漏變量等問題導(dǎo)致估計結(jié)果偏誤。為此，本文試圖尋找城市數(shù)字經(jīng)濟發(fā)展的工具變量來解決可能存在的內(nèi)生性問題。

從歷史角度選取工具變量是經(jīng)濟學(xué)研究采用的一個普遍做法，因為歷史變量與現(xiàn)在相距甚遠，所以其通常難以影響因變量，滿足工具變量的外生性條件。例如，Li等[41]采用滯后30年的國有企業(yè)就業(yè)比率和人均播種面積作為創(chuàng)業(yè)的工具變量，識別了創(chuàng)業(yè)與中國經(jīng)濟增長之間的因果關(guān)系。按照這個思路，本文最終選取“滯后30年（即1986—1989年）的城市每百人固定電話數(shù)量”（Per_fixpho）作為城市數(shù)字經(jīng)濟發(fā)展的工具變量進行估計。這是因為互聯(lián)網(wǎng)是最重要的數(shù)字基礎(chǔ)設(shè)施之一，互聯(lián)網(wǎng)發(fā)展是推進城市數(shù)字經(jīng)濟發(fā)展的核心基礎(chǔ)，其完善程度在一定程度上決定了物聯(lián)網(wǎng)、大數(shù)據(jù)挖掘、5G等信息技術(shù)的發(fā)展進程，同時，互聯(lián)網(wǎng)的發(fā)展始于固定電話普及，歷史上固定電話普及率較高的城市的互聯(lián)網(wǎng)普及率可能也較高[42]，將滯后30年的城市每百人固定電話數(shù)量作為工具變量滿足工具變量的相關(guān)性條件。在實際估計中，本文對每百人固定電話數(shù)量進行對數(shù)化處理，工具變量的估計結(jié)果見表8。

表8 工具變量估計結(jié)果

表8（1）列的數(shù)據(jù)顯示，Per_fixpho的估計系數(shù)為0.108，且在1%顯著性水平下顯著，滿足工具變量的相關(guān)性條件。同時，一階段F值為186.441，說明不存在弱工具變量問題。（2）、（3）、（4）列的數(shù)據(jù)顯示，Dig_eco的估計系數(shù)均在1%顯著性水平下顯著為正，且對企業(yè)實質(zhì)性創(chuàng)新的估計系數(shù)（0.849）大于對策略性創(chuàng)新的估計系數(shù)（0.641），表明在考慮內(nèi)生性問題后，基準(zhǔn)回歸的研究結(jié)論依然不變。

五、結(jié)論與對策建議

數(shù)字經(jīng)濟能否為實體企業(yè)有效“賦能”，促進實體企業(yè)轉(zhuǎn)型升級，進而推動中國實體經(jīng)濟發(fā)展質(zhì)量和水平的提升，是一個亟待檢驗、具有現(xiàn)實意義的重大問題。為此，本文結(jié)合新華三集團發(fā)布的2016—2019年城市數(shù)字經(jīng)濟指數(shù)和滬深A(yù)股實體上市公司數(shù)據(jù)，綜合運用多種計量方法，考察城市數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的影響效應(yīng)、作用機制及其異質(zhì)性。本文的主要研究結(jié)論有三點：第一，數(shù)字經(jīng)濟發(fā)展有利于促進實體企業(yè)創(chuàng)新，且對企業(yè)實質(zhì)性創(chuàng)新的促進作用大于對策略性創(chuàng)新的促進作用，穩(wěn)健性檢驗結(jié)果和采用“滯后30年的城市每百人固定電話數(shù)量”作為工具變量的估計結(jié)果均支持這一結(jié)論。第二，中介效應(yīng)估計結(jié)果表明，提升企業(yè)吸收能力和緩解企業(yè)融資約束是數(shù)字經(jīng)濟發(fā)展促進實體企業(yè)創(chuàng)新的兩條渠道。第三，數(shù)字經(jīng)濟發(fā)展對不同類型實體企業(yè)的創(chuàng)新績效存在差異化影響。總體而言，數(shù)字經(jīng)濟發(fā)展對已經(jīng)實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)和規(guī)模較大的實體企業(yè)的創(chuàng)新驅(qū)動效應(yīng)更大。

本文的研究結(jié)論具有重要的啟示意義。首先，要在確保各類風(fēng)險可控的前提下，打好數(shù)字經(jīng)濟高質(zhì)量發(fā)展“組合拳”，通過增加新型基礎(chǔ)設(shè)施建設(shè)投資、推進數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化、培養(yǎng)和引進數(shù)字化人才等政策措施不斷提升城市數(shù)字經(jīng)濟發(fā)展水平，充分激發(fā)數(shù)據(jù)要素的價值。其次，要營造良好的政策環(huán)境和利于數(shù)字經(jīng)濟與實體企業(yè)深度融合發(fā)展的營商環(huán)境，穩(wěn)步推進金融數(shù)字化轉(zhuǎn)型，著力提升實體企業(yè)吸收能力，緩解實體企業(yè)“融資難融資貴”的問題，充分釋放數(shù)智化時代數(shù)字經(jīng)濟發(fā)展對實體企業(yè)創(chuàng)新的正外部性。最后，順應(yīng)數(shù)字經(jīng)濟發(fā)展浪潮，加快實體企業(yè)數(shù)字化轉(zhuǎn)型。一方面，對缺乏資金和人才優(yōu)勢或者尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)而言，應(yīng)聚焦長遠發(fā)展目標(biāo)，結(jié)合自身發(fā)展特點提前合理布局，找到適合自身數(shù)字化轉(zhuǎn)型的路徑，努力抓住數(shù)字化紅利和機遇。另一方面，地方政府應(yīng)充分重視尚未實現(xiàn)數(shù)字化轉(zhuǎn)型的實體企業(yè)在數(shù)字化轉(zhuǎn)型方面面臨的困難和阻礙，提供相應(yīng)的扶持政策，降低這類企業(yè)數(shù)字化轉(zhuǎn)型過程中的盲目性、過度性、不匹配性，力爭實現(xiàn)數(shù)字經(jīng)濟普惠式發(fā)展。