高厚賓,李晨陽

(河南師范大學(xué) 商學(xué)院,河南 新鄉(xiāng) 453007)

0 引言

當(dāng)前,我國經(jīng)濟(jì)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,依靠資源、資本和勞動(dòng)等傳統(tǒng)要素驅(qū)動(dòng)的經(jīng)濟(jì)發(fā)展模式已難以為繼,深入實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略成為我國經(jīng)濟(jì)實(shí)現(xiàn)從“數(shù)量增長”邁向“質(zhì)量增長”的必然選擇。與此同時(shí),我國不斷加大數(shù)字經(jīng)濟(jì)投入,相繼出臺(tái)一系列重大規(guī)劃和政策方針,持續(xù)“做大做強(qiáng)數(shù)字經(jīng)濟(jì),拓展經(jīng)濟(jì)發(fā)展新空間”。中國信通院發(fā)布的《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》(2021)顯示,2020年中國數(shù)字經(jīng)濟(jì)增加值為39.2萬億元,占GDP的比重高達(dá)38.6%。數(shù)字經(jīng)濟(jì)已成為促進(jìn)經(jīng)濟(jì)發(fā)展的新引擎,正在推動(dòng)中國經(jīng)濟(jì)向更加創(chuàng)新、更加智慧的方向發(fā)展[1]。在此背景下,如何以數(shù)字經(jīng)濟(jì)發(fā)展為契機(jī)提升企業(yè)創(chuàng)新能力,充分釋放數(shù)字經(jīng)濟(jì)紅利,筑牢創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的微觀基礎(chǔ),成為數(shù)字經(jīng)濟(jì)時(shí)代值得研究的重要議題。

數(shù)字經(jīng)濟(jì)發(fā)展對創(chuàng)新的影響受到學(xué)界廣泛關(guān)注,相關(guān)研究主要包括兩類:一是將數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)嵌入數(shù)字經(jīng)濟(jì)與經(jīng)濟(jì)高質(zhì)量發(fā)展框架之中[2],認(rèn)為創(chuàng)新能力對數(shù)字經(jīng)濟(jì)與高質(zhì)量發(fā)展發(fā)揮中介作用,數(shù)字經(jīng)濟(jì)能夠提高企業(yè)創(chuàng)新水平[3];二是探究數(shù)字經(jīng)濟(jì)與創(chuàng)新之間的關(guān)系,發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)能夠提高區(qū)域創(chuàng)新能力[4]。然而,現(xiàn)存文獻(xiàn)多從宏觀角度或采用區(qū)域?qū)用鏀?shù)據(jù)展開研究,忽略了數(shù)字經(jīng)濟(jì)發(fā)展對企業(yè)創(chuàng)新的影響,缺乏深層次機(jī)制研究和實(shí)證檢驗(yàn)。由此產(chǎn)生的問題是:數(shù)字經(jīng)濟(jì)能否提升微觀企業(yè)創(chuàng)新績效?如果是,這一效應(yīng)的內(nèi)在機(jī)制是什么?進(jìn)一步,數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新的影響是否具有異質(zhì)性?深入回答這些問題,對于中國抓住數(shù)字經(jīng)濟(jì)發(fā)展機(jī)遇、實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略、支撐經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

針對現(xiàn)有研究缺口,本文采用2011—2019年中國地級(jí)市數(shù)字經(jīng)濟(jì)數(shù)據(jù)和上市公司數(shù)據(jù),探究數(shù)字經(jīng)濟(jì)如何釋放創(chuàng)新紅利,可能的邊際貢獻(xiàn)如下:①與以往研究著眼于宏觀視角不同,本文從微觀視角研究數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的影響,一定程度上能夠彌補(bǔ)現(xiàn)有關(guān)于數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)的不足;②突破以往研究對于數(shù)字經(jīng)濟(jì)影響企業(yè)創(chuàng)新作用機(jī)制的泛化討論,構(gòu)建融資約束、經(jīng)營成本和知識(shí)擴(kuò)散理論框架,揭示數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新的作用機(jī)制,以打開數(shù)字經(jīng)濟(jì)與企業(yè)創(chuàng)新之間的“黑箱”;③從企業(yè)和區(qū)域兩個(gè)層面檢驗(yàn)異質(zhì)性因素的影響,厘清數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的作用邊界。同時(shí),本文從數(shù)字經(jīng)濟(jì)角度為激發(fā)企業(yè)創(chuàng)新活力提供有益的實(shí)踐啟示,能夠?yàn)槲覈訌?qiáng)數(shù)字經(jīng)濟(jì)建設(shè)、實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略提供實(shí)證支撐,從而助力我國經(jīng)濟(jì)高質(zhì)量發(fā)展。

1 理論機(jī)制與研究假設(shè)

1.1 數(shù)字經(jīng)濟(jì)與企業(yè)創(chuàng)新績效

“數(shù)字經(jīng)濟(jì)”一詞最早出現(xiàn)在《數(shù)字經(jīng)濟(jì):網(wǎng)絡(luò)智能時(shí)代的前景和危險(xiǎn)》一書中,被定義為以數(shù)字方式呈現(xiàn)信息流的經(jīng)濟(jì)模式[5]。具體而言,數(shù)字經(jīng)濟(jì)是以大數(shù)據(jù)、人工智能和區(qū)塊鏈等數(shù)字技術(shù)為核心驅(qū)動(dòng)力量,以互聯(lián)網(wǎng)平臺(tái)為信息載體,將數(shù)字技術(shù)深度融入實(shí)體經(jīng)濟(jì)的新型經(jīng)濟(jì)發(fā)展形態(tài)[6]。數(shù)字經(jīng)濟(jì)對經(jīng)濟(jì)增長的影響是近年來學(xué)者研究的重要議題,創(chuàng)新則是數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展的重要引擎[7],這一邏輯表明數(shù)字經(jīng)濟(jì)能夠釋放創(chuàng)新紅利。相關(guān)研究主要從宏觀區(qū)域角度出發(fā),認(rèn)為數(shù)字經(jīng)濟(jì)憑借強(qiáng)大的“鏈接”能力重構(gòu)區(qū)域創(chuàng)新生態(tài)、驅(qū)動(dòng)創(chuàng)新范式變革,從而提升區(qū)域創(chuàng)新績效[8]。

在微觀層面,數(shù)字經(jīng)濟(jì)發(fā)展對企業(yè)創(chuàng)新的影響主要體現(xiàn)在資源效應(yīng)上。資源基礎(chǔ)理論認(rèn)為企業(yè)是資源的集合體,任何經(jīng)營活動(dòng)都離不開相應(yīng)資源的支撐。創(chuàng)新作為一種資本密集和知識(shí)密集型活動(dòng),高度依賴于資金、知識(shí)等資源投入。然而,這兩類資源在要素市場上比較稀缺,企業(yè)獲取這些資源的難度和成本較高。而數(shù)字經(jīng)濟(jì)發(fā)展為企業(yè)獲取創(chuàng)新所需資金和知識(shí)等稀缺資源創(chuàng)造了適宜環(huán)境。一方面,數(shù)字經(jīng)濟(jì)發(fā)展能夠豐富企業(yè)創(chuàng)新資金來源。從企業(yè)外部看,數(shù)字經(jīng)濟(jì)提供了較為寬松的融資環(huán)境,尤其是數(shù)字金融發(fā)展極大程度上拓展了企業(yè)融資渠道[9]。此外,數(shù)字技術(shù)應(yīng)用能夠緩解信息不對稱,提高金融服務(wù)效率,同時(shí)降低企業(yè)融資成本。從企業(yè)內(nèi)部看,數(shù)字經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)企業(yè)數(shù)字化變革,不僅有助于提高企業(yè)內(nèi)部運(yùn)營效率、降低經(jīng)營成本(劉淑春等,2021),還能賦能企業(yè)新市場開拓,使企業(yè)將更多內(nèi)部資金配置到創(chuàng)新活動(dòng)上;另一方面,數(shù)字經(jīng)濟(jì)發(fā)展有利于獲取豐富的知識(shí)資源。在數(shù)字經(jīng)濟(jì)背景下,通過數(shù)字技術(shù)將知識(shí)轉(zhuǎn)化為數(shù)據(jù)形式進(jìn)行存儲(chǔ)和傳播,能夠極大程度上減少知識(shí)擴(kuò)散時(shí)空障礙。企業(yè)可以借助數(shù)字平臺(tái)共享知識(shí)資源,開展合作創(chuàng)新,從而提高企業(yè)創(chuàng)新績效[10]。據(jù)此,本文提出如下假設(shè):

H1:數(shù)字經(jīng)濟(jì)發(fā)展能夠提高企業(yè)創(chuàng)新績效。

1.2 數(shù)字經(jīng)濟(jì)影響機(jī)制

1.2.1 融資約束機(jī)制

企業(yè)創(chuàng)新是一種典型的長周期、高投入活動(dòng),通常情況下僅依靠企業(yè)內(nèi)源資金難以滿足持續(xù)創(chuàng)新需要,從外部獲取融資成為企業(yè)開展創(chuàng)新的重要選擇。然而,企業(yè)創(chuàng)新發(fā)展往往面臨不同程度的融資約束。一方面,受金融體系制約,長期以來我國金融體系由銀行主導(dǎo),金融資源供給不足且結(jié)構(gòu)失衡導(dǎo)致企業(yè)融資渠道狹窄,融資成本高昂[11];另一方面,鑒于創(chuàng)新活動(dòng)本身的高風(fēng)險(xiǎn)性,金融機(jī)構(gòu)在為企業(yè)提供資金前傾向于獲取更多信息。但是,由于研發(fā)信息可能涉及商業(yè)機(jī)密,企業(yè)在披露研發(fā)信息時(shí)趨于保守,導(dǎo)致金融機(jī)構(gòu)無法獲取企業(yè)真實(shí)信息[12],企業(yè)難以獲取所需金融資源,從而抑制創(chuàng)新發(fā)展[13]。

數(shù)字經(jīng)濟(jì)發(fā)展為企業(yè)創(chuàng)新融資開啟了新“窗口”。隨著P2P網(wǎng)絡(luò)貸款、眾籌融資等新型金融形態(tài)的不斷涌現(xiàn),“多、小、散”的投資者被吸納到金融體系之中,充實(shí)了金融供給。作為數(shù)字經(jīng)濟(jì)的重要組成部分,數(shù)字金融以共享、便捷、低成本、低門檻等優(yōu)勢[14]為企業(yè)提供多樣化融資渠道,同時(shí)倒逼傳統(tǒng)金融機(jī)構(gòu)提升服務(wù)質(zhì)量。此外,數(shù)字經(jīng)濟(jì)發(fā)展還有助于緩解金融部門與企業(yè)之間的信息不對稱,借助數(shù)字技術(shù),金融機(jī)構(gòu)可以較低成本獲取海量數(shù)據(jù)[9],并通過大數(shù)據(jù)建模優(yōu)化信貸決策[12],緩解企業(yè)尤其是“長尾群體”融資約束。因此,數(shù)字經(jīng)濟(jì)發(fā)展能夠緩解企業(yè)融資約束,為企業(yè)創(chuàng)新發(fā)展提供必要的資金支持,從而提升企業(yè)創(chuàng)新績效。據(jù)此,本文提出如下假設(shè):

H2:數(shù)字經(jīng)濟(jì)通過降低融資約束提升企業(yè)創(chuàng)新績效。

1.2.2 成本節(jié)約機(jī)制

充足的資金投入是企業(yè)創(chuàng)新活動(dòng)開展的重要支撐,由于企業(yè)資金有限,導(dǎo)致企業(yè)研發(fā)創(chuàng)新與企業(yè)項(xiàng)目之間存在資源競爭。成本是企業(yè)資金占用的重要形式,如果企業(yè)成本結(jié)構(gòu)不合理,尤其非生產(chǎn)性成本占比過高,勢必?cái)D占部分企業(yè)資源,導(dǎo)致企業(yè)創(chuàng)新投入不足。數(shù)字經(jīng)濟(jì)發(fā)展能夠幫助企業(yè)節(jié)約成本,為企業(yè)創(chuàng)新投入提供更多可用資金。具體而言,數(shù)字經(jīng)濟(jì)能夠從外部交易成本和內(nèi)部運(yùn)營成本兩個(gè)方面發(fā)揮成本節(jié)約效應(yīng)。一方面,數(shù)字政務(wù)發(fā)展能簡化業(yè)務(wù)審批流程,減少企業(yè)尋租行為,降低企業(yè)制度性成本。數(shù)字經(jīng)濟(jì)連接性、去中介化等特征能夠緩解信息不對稱[15],使企業(yè)快速匹配到最佳交易對象,降低搜索成本。數(shù)字交互平臺(tái)能夠?yàn)槠髽I(yè)與上下游企業(yè)、用戶之間的交流提供便利,降低談判成本。此外,數(shù)字經(jīng)濟(jì)發(fā)展使企業(yè)信譽(yù)等級(jí)、履約狀況更加透明,能夠降低企業(yè)違約風(fēng)險(xiǎn)[15]和交易成本。另一方面,數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展能夠驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型,促進(jìn)企業(yè)研發(fā)設(shè)計(jì)、生產(chǎn)制造、產(chǎn)品銷售等環(huán)節(jié)互聯(lián)互通,有利于企業(yè)即時(shí)、準(zhǔn)確獲取運(yùn)營數(shù)據(jù),并通過大數(shù)據(jù)、云計(jì)算技術(shù)對數(shù)據(jù)進(jìn)行深度挖掘,使企業(yè)作出最優(yōu)決策,從而實(shí)現(xiàn)對各環(huán)節(jié)成本的精準(zhǔn)控制。因此,數(shù)字經(jīng)濟(jì)能夠降低成本,使企業(yè)將更多資金用于創(chuàng)新研發(fā)。據(jù)此,本文提出如下假設(shè):

H3:數(shù)字經(jīng)濟(jì)通過降低企業(yè)經(jīng)營成本提升企業(yè)創(chuàng)新績效。

1.2.3 知識(shí)擴(kuò)散機(jī)制

數(shù)字經(jīng)濟(jì)發(fā)展能夠加速知識(shí)擴(kuò)散,促進(jìn)創(chuàng)新主體合作,從而提高企業(yè)創(chuàng)新能力。一方面,就知識(shí)要素而言,受市場分割、地方保護(hù)主義等因素制約,我國不同地區(qū)間的知識(shí)流動(dòng)并不順暢[16]。數(shù)字經(jīng)濟(jì)發(fā)展為知識(shí)擴(kuò)散賦予新方式,通過數(shù)字技術(shù)將知識(shí)轉(zhuǎn)換為數(shù)據(jù)要素進(jìn)行存儲(chǔ)和傳播,能夠顯著提高知識(shí)要素流動(dòng)性,使知識(shí)擴(kuò)散擺脫時(shí)空阻隔。不同知識(shí)要素在數(shù)字生態(tài)系統(tǒng)中形成豐富的創(chuàng)新知識(shí)庫,數(shù)據(jù)流的去中介性特征能夠顯著降低知識(shí)傳播成本。因此,企業(yè)可以較低成本獲取豐富的創(chuàng)新要素(張永林等,2016)。另一方面,從創(chuàng)新主體合作看,數(shù)字經(jīng)濟(jì)為創(chuàng)新主體合作創(chuàng)造了良好條件,數(shù)字技術(shù)的超鏈接性能夠重塑企業(yè)與合作伙伴、消費(fèi)者之間的互聯(lián)互通關(guān)系,推動(dòng)知識(shí)要素在創(chuàng)新主體間流動(dòng)(戚聿東等,2020)。創(chuàng)新主體可利用即時(shí)通訊工具,在不同時(shí)間、不同空間參與企業(yè)創(chuàng)新活動(dòng),極大程度上豐富企業(yè)知識(shí)來源,加速企業(yè)創(chuàng)新迭代。同時(shí),數(shù)字化交互平臺(tái)能夠降低企業(yè)溝通成本,使各創(chuàng)新主體之間的知識(shí)交流更加頻繁,促進(jìn)產(chǎn)學(xué)研合作,從而對企業(yè)創(chuàng)新績效產(chǎn)生積極影響。據(jù)此,本文提出如下假設(shè):

H4:數(shù)字經(jīng)濟(jì)通過知識(shí)擴(kuò)散機(jī)制促進(jìn)技術(shù)創(chuàng)新能力提升。

2 研究設(shè)計(jì)

2.1 樣本與數(shù)據(jù)

考慮到中國數(shù)字經(jīng)濟(jì)的迅速擴(kuò)張是在2010年以后,因此結(jié)合數(shù)字經(jīng)濟(jì)相關(guān)指標(biāo),本文選取2011—2019年滬深A(yù)股上市公司作為初始研究樣本,剔除金融類、帶有ST和PT標(biāo)志的上市公司,并保留連續(xù)5年不存在關(guān)鍵數(shù)據(jù)缺失的樣本,最終得到1 441家上市公司的11 125個(gè)“公司—年份”觀測值。企業(yè)層面財(cái)務(wù)數(shù)據(jù)主要來自Wind數(shù)據(jù)庫,專利數(shù)據(jù)來自CNRDS數(shù)據(jù)庫,數(shù)字經(jīng)濟(jì)相關(guān)原始數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》《北京大學(xué)數(shù)字普惠金融指數(shù)》。

2.2 變量度量

2.2.1 被解釋變量

創(chuàng)新績效。學(xué)界對創(chuàng)新績效的度量主要包括投入指標(biāo)和產(chǎn)出指標(biāo)兩種方式,前者通常以研發(fā)投入占營業(yè)收入的比重度量,后者普遍采用專利數(shù)據(jù)度量。本文更關(guān)注數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新產(chǎn)出的影響,因此采用專利申請數(shù)度量創(chuàng)新績效。由于我國專利分類包括發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利3種,其創(chuàng)新程度有所不同,因此本文區(qū)分創(chuàng)新數(shù)量(Ptotal)和創(chuàng)新質(zhì)量(Pinov)。其中,創(chuàng)新數(shù)量采用3類專利申請總數(shù)表征,創(chuàng)新質(zhì)量參考黎文靖和鄭曼妮(2016)的做法,以企業(yè)發(fā)明專利申請數(shù)度量。

2.2.2 解釋變量

數(shù)字經(jīng)濟(jì)?，F(xiàn)有研究對數(shù)字經(jīng)濟(jì)進(jìn)行量化時(shí)主要考慮省級(jí)、地級(jí)市兩個(gè)層面,常從互聯(lián)網(wǎng)發(fā)展水平和數(shù)字普惠金融兩個(gè)維度構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展綜合指數(shù)。其中,互聯(lián)網(wǎng)發(fā)展水平包括互聯(lián)網(wǎng)寬帶接入用戶數(shù)、計(jì)算機(jī)和軟件從業(yè)人員數(shù)、電信業(yè)務(wù)收入和移動(dòng)電話普及率4個(gè)指標(biāo),相關(guān)數(shù)據(jù)從《中國城市年鑒》獲取。數(shù)字普惠金融采用北京大學(xué)編制的“數(shù)字普惠金融指數(shù)”。參考已有研究(趙濤等,2020),采用主成分分析法提取數(shù)字經(jīng)濟(jì)綜合指數(shù)。另外,為使數(shù)字經(jīng)濟(jì)取值為非負(fù)數(shù),本文將主成分分析結(jié)果向右進(jìn)行整體平移。

2.2.3 中介變量

(1)融資約束(KZ)。融資約束度量方式主要有SA、KZ和WW指數(shù),由于SA指數(shù)包含企業(yè)年齡信息,而數(shù)字經(jīng)濟(jì)無法直接影響企業(yè)年齡,因此其不適合本文研究。同時(shí),樣本中WW指數(shù)缺失較多。因此,本文借鑒李超凡等[17]的研究,選擇KZ指數(shù)度量融資約束。

(2)經(jīng)營成本(Cost)。借鑒倪克金和劉修巖[18]的研究,采用企業(yè)總成本與總收入之比度量,該值越大,表明企業(yè)成本越高。

(3)知識(shí)擴(kuò)散(Kflow)。本文借鑒薛成等[19]的研究,采用企業(yè)與其它創(chuàng)新主體聯(lián)合申請的專利數(shù)量作為知識(shí)擴(kuò)散的代理變量。

2.2.4 控制變量

本文設(shè)置如下控制變量:①企業(yè)規(guī)模(Size):以公司年末總資產(chǎn)的自然對數(shù)表征;②企業(yè)年齡(Age):采用觀測年份與企業(yè)成立年份之差的自然對數(shù)表征;③企業(yè)所有制(Soe):國有企業(yè)取值為1,非國有企業(yè)取值為0;④研發(fā)投入(R&D):用研發(fā)投入金額占營業(yè)收入的百分比度量;⑤股權(quán)制衡(Balan):采用第二至五大股東持股數(shù)與第一大股東持股數(shù)之比度量;⑥兩職合一(Dual):公司董事長兼總經(jīng)理職位取值為1,否則取值為0;⑦大股東資金占用(Occu):以其它應(yīng)收款占總資產(chǎn)的比重表征。

為降低異常值干擾,本文對連續(xù)變量在1%和99%分位上進(jìn)行縮尾處理,表1為主要變量描述性統(tǒng)計(jì)結(jié)果。由表1可知,企業(yè)創(chuàng)新數(shù)量均值為89.80,標(biāo)準(zhǔn)差為208.7,創(chuàng)新質(zhì)量均值為37.46,標(biāo)準(zhǔn)差為94.09,表明不同企業(yè)創(chuàng)新績效存在較大差異。數(shù)字經(jīng)濟(jì)發(fā)展水平(Dige)最大值為7.02,最小值為0.839,均值為3.349,標(biāo)準(zhǔn)差為1.37,表明數(shù)字經(jīng)濟(jì)發(fā)展水平存在一定的區(qū)域非均衡性特征。

2.3 模型設(shè)定

本文中被解釋變量專利數(shù)據(jù)為計(jì)數(shù)數(shù)據(jù),取值為非負(fù)整數(shù)。從表1描述性統(tǒng)計(jì)結(jié)果可以看出,創(chuàng)新數(shù)量(Ptotal)、創(chuàng)新質(zhì)量(Pinov)期望值明顯小于各自方差,即存在過度分散特征,故適合采用負(fù)二項(xiàng)回歸模型進(jìn)行分析。因此,本文構(gòu)建如下基準(zhǔn)回歸模型:

E(Yit|Xit,β)=exp(β0+β1Digeit+βj∑controlit+εit)

(1)

其中,E(Yit|Xit,β)即等式左邊是企業(yè)創(chuàng)新數(shù)量或創(chuàng)新質(zhì)量的條件期望,β0為常數(shù)項(xiàng),β1為數(shù)字經(jīng)濟(jì)系數(shù),controlit代表各控制變量,βj為各控制變量的系數(shù),εit為模型隨機(jī)誤差項(xiàng)。另外,為檢驗(yàn)數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的影響機(jī)制,需要在基準(zhǔn)模型的基礎(chǔ)上引入中介變量。

表1 變量描述性統(tǒng)計(jì)結(jié)果Tab.1 Descriptive statistics of main variables

3 實(shí)證結(jié)果分析

3.1 基準(zhǔn)回歸

本文采用面板固定效應(yīng)進(jìn)行負(fù)二項(xiàng)回歸分析,基準(zhǔn)回歸結(jié)果如表2所示。模型(1)和模型(2)中的被解釋變量為創(chuàng)新數(shù)量,從模型(2)可以看出,在控制其它變量情況下,數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.044,且在1%水平上顯著,表明數(shù)字經(jīng)濟(jì)發(fā)展能夠增加企業(yè)創(chuàng)新數(shù)量。模型(3)和模型(4)中的被解釋變量為創(chuàng)新質(zhì)量,模型(4)結(jié)果表明,數(shù)字經(jīng)濟(jì)回歸系數(shù)在5%水平上顯著為正(β=0.022,p<0.05),說明數(shù)字經(jīng)濟(jì)發(fā)展能夠提升企業(yè)創(chuàng)新質(zhì)量。進(jìn)一步,通過比較發(fā)現(xiàn),數(shù)字經(jīng)濟(jì)發(fā)展對創(chuàng)新數(shù)量的促進(jìn)作用大于創(chuàng)新質(zhì)量。因此,假設(shè)H1得以驗(yàn)證。

3.2 內(nèi)生性處理

由于可能存在遺漏變量及反向因果帶來的內(nèi)生性問題,因此本文借鑒黃群慧等[20]的研究設(shè)計(jì)工具變量。首先,搜集1998年城市層面每萬人電話機(jī)數(shù)量,該指標(biāo)為截面數(shù)據(jù),不適合直接作為工具變量,需要進(jìn)一步引入隨時(shí)間變化的指標(biāo);其次,本文按照東部、中部和西部地區(qū)對各城市進(jìn)行區(qū)域劃分,通過均值計(jì)算得到區(qū)域?qū)用鏀?shù)字經(jīng)濟(jì)指數(shù);最后,將1998年每萬人電話機(jī)數(shù)與區(qū)域數(shù)字經(jīng)濟(jì)指數(shù)一階滯后項(xiàng)相乘得到工具變量(IV)。

考慮到被解釋變量為非負(fù)整數(shù),適合采用ivpoisson命令進(jìn)行內(nèi)生性檢驗(yàn)。根據(jù)Wooldridge[21]的建議,采用控制函數(shù)法進(jìn)行分析,結(jié)果見表3模型(1)～(3)。其中,模型(1)為工具變量對數(shù)字經(jīng)濟(jì)的回歸結(jié)果,可以看出工具變量IV回歸系數(shù)為1.03,在1%水平上顯著,說明數(shù)字經(jīng)濟(jì)工具變量與數(shù)字經(jīng)濟(jì)發(fā)展具有較強(qiáng)相關(guān)性。模型(2)和模型(3)是第二階段回歸結(jié)果,可以看出兩模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)為正,且在1%水平上顯著。另外,為確保內(nèi)生性檢驗(yàn)的穩(wěn)健性,本文運(yùn)用ivpoisson-gmm進(jìn)行檢驗(yàn),該命令不顯示第一階段,最終回歸結(jié)果如表3中模型(4)和模型(5)所示,兩模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)依然在1%水平上顯著為正。表3分析結(jié)果表明,在考慮內(nèi)生性問題后前文結(jié)論依然成立。

表2 基準(zhǔn)回歸結(jié)果Tab.2 Results of benchmark regression

表3 內(nèi)生性檢驗(yàn)結(jié)果Tab.3 Results of endogeneity test

3.3 穩(wěn)健性檢驗(yàn)

(1)本文借鑒王馨和王營等(2021)的研究,對專利數(shù)據(jù)作對數(shù)處理,同時(shí)考慮到專利數(shù)據(jù)存在零值堆積和正值連續(xù)分布特征,本文采用Tobit模型進(jìn)行面板數(shù)據(jù)回歸,結(jié)果如表4所示。模型(1)和模型(2)中的被解釋變量分別為專利申請總數(shù)的自然對數(shù)、發(fā)明專利申請量的自然對數(shù),兩模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)均為正值,且在1%水平上顯著。同時(shí),模型(1)中數(shù)字經(jīng)濟(jì)回歸系數(shù)大于模型(2),這些結(jié)果與前文高度一致。

(2)考慮到信息技術(shù)行業(yè)數(shù)字化水平整體領(lǐng)先于其它行業(yè),從而可能導(dǎo)致估計(jì)結(jié)果偏誤,因此本文剔除信息技術(shù)行業(yè)樣本重新進(jìn)行回歸,結(jié)果如表4模型(3)和模型(4)所示?？梢钥闯?剔除信息技術(shù)行業(yè)樣本后,數(shù)字經(jīng)濟(jì)回歸系數(shù)依然顯著為正,說明數(shù)字經(jīng)濟(jì)不僅能夠提高創(chuàng)新數(shù)量,還能夠提升創(chuàng)新質(zhì)量,與基準(zhǔn)回歸結(jié)果保持一致。

(3)由于本文中城市層面數(shù)字經(jīng)濟(jì)指數(shù)包含直轄市數(shù)據(jù),因此借鑒唐松等[6]的研究,刪除企業(yè)所在地為直轄市的樣本進(jìn)行回歸分析,結(jié)果如表4模型(5)和模型(6)所示。從中可見,剔除直轄市樣本后,數(shù)字經(jīng)濟(jì)回歸結(jié)果未發(fā)生實(shí)質(zhì)性改變,數(shù)字經(jīng)濟(jì)發(fā)展有助于提升企業(yè)創(chuàng)新績效的結(jié)論依然成立。

表4 穩(wěn)健性檢驗(yàn)結(jié)果Tab.4 Results of robustness test

3.4 中介效應(yīng)檢驗(yàn)

(1)融資約束機(jī)制。本文借鑒溫忠麟等[22]的中介效應(yīng)檢驗(yàn)步驟,采用逐步回歸法檢驗(yàn)融資約束的中介作用,結(jié)果如表5所示。模型(1)是以融資約束為因變量的回歸結(jié)果,可見數(shù)字經(jīng)濟(jì)回歸系數(shù)在5%水平上顯著為負(fù),說明數(shù)字經(jīng)濟(jì)能夠降低企業(yè)融資約束。模型(2)、模型(3)中被解釋變量分別為創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量,在模型中同時(shí)考慮數(shù)字經(jīng)濟(jì)和中介變量融資約束。模型(2)結(jié)果顯示,數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.048且在1%水平上顯著,融資約束系數(shù)為-0.014且在1%水平上顯著,表明數(shù)字經(jīng)濟(jì)能夠通過降低融資約束增加企業(yè)創(chuàng)新數(shù)量,融資約束發(fā)揮部分中介作用。模型(3)結(jié)果顯示,數(shù)字經(jīng)濟(jì)在5%水平上顯著為正(β=0.024),融資約束系數(shù)在5%水平上顯著為負(fù),說明融資約束在數(shù)字經(jīng)濟(jì)與企業(yè)創(chuàng)新質(zhì)量之間發(fā)揮部分中介作用。另外,由于融資約束有多種測量方式,本文采用WW指數(shù)進(jìn)行替換,結(jié)果與KZ指數(shù)一致。因此,假設(shè)H2得以驗(yàn)證。

(2)成本節(jié)約機(jī)制。本文采用逐步回歸法對假設(shè)H3進(jìn)行檢驗(yàn),回歸結(jié)果如表6所示。模型(1)是以企業(yè)經(jīng)營成本為因變量的回歸結(jié)果,該模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)為-0.003,且在5%水平上顯著,表明數(shù)字經(jīng)濟(jì)發(fā)展能夠降低企業(yè)經(jīng)營成本,與理論預(yù)期一致。模型(2)、模型(3)中被解釋變量分別為創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量,在回歸方程中同時(shí)加入核心解釋變量和中介變量。模型(2)結(jié)果顯示,數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.043,在1%水平上顯著;同時(shí),經(jīng)營成本回歸系數(shù)依然顯著為負(fù)(β=-0.181,p<0.05),表明數(shù)字經(jīng)濟(jì)通過降低企業(yè)經(jīng)營成本提高創(chuàng)新產(chǎn)出,且經(jīng)營成本發(fā)揮部分中介作用。模型(3)結(jié)果顯示,數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.023,在5%水平上顯著,經(jīng)營成本回歸系數(shù)顯著為負(fù)(β=-0.307,p<0.01),說明經(jīng)營成本在數(shù)字經(jīng)濟(jì)與創(chuàng)新質(zhì)量之間發(fā)揮部分中介作用。另外,本文選用交易成本(管理費(fèi)用、銷售費(fèi)用、財(cái)務(wù)費(fèi)用之和除以營業(yè)成本)進(jìn)行穩(wěn)健性檢驗(yàn),結(jié)果依然符合預(yù)期。因此,假設(shè)H3得以驗(yàn)證。

表5 融資約束的中介效應(yīng)檢驗(yàn)結(jié)果Tab.5 Mediation effect test of financial constraints

表6 成本節(jié)約的中介效應(yīng)檢驗(yàn)結(jié)果Tab.6 Mediation effect test of operating cost

(3)知識(shí)擴(kuò)散機(jī)制。表7為知識(shí)擴(kuò)散中介效應(yīng)檢驗(yàn)結(jié)果。模型(1)中被解釋變量為知識(shí)擴(kuò)散,該模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.042,且在1%水平上顯著,表明數(shù)字經(jīng)濟(jì)發(fā)展能夠促進(jìn)企業(yè)知識(shí)擴(kuò)散。模型(2)、模型(3)中被解釋變量分別為創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量,回歸方程中同時(shí)加入核心解釋變量和中介變量。其中,模型(2)結(jié)果顯示,數(shù)字經(jīng)濟(jì)(β=0.040)和知識(shí)擴(kuò)散(β=0.004)均在1%水平上顯著為正。在模型(3)中,數(shù)字經(jīng)濟(jì)在10%水平上顯著為正(β=0.017),知識(shí)擴(kuò)散在1%水平上顯著為正(β=0.004),說明數(shù)字經(jīng)濟(jì)通過促進(jìn)知識(shí)擴(kuò)散提升企業(yè)創(chuàng)新績效,且知識(shí)擴(kuò)散僅發(fā)揮部分中介作用,假設(shè)H4得以驗(yàn)證。

表7 知識(shí)擴(kuò)散的中介效應(yīng)檢驗(yàn)結(jié)果Tab.7 Mediation effect test of knowledge diffusion

3.5 異質(zhì)性討論

(1)現(xiàn)有研究普遍認(rèn)為,國有企業(yè)與非國有企業(yè)創(chuàng)新存在顯著差異。因此,本文進(jìn)一步考察數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)是否受企業(yè)所有權(quán)性質(zhì)的影響,分組回歸結(jié)果如表8所示。模型(1)、模型(2)分別是國有企業(yè)組和非國有企業(yè)組的回歸結(jié)果,檢驗(yàn)發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)在兩個(gè)模型中的回歸系數(shù)均在1%水平上顯著為正,說明數(shù)字經(jīng)濟(jì)既能增加國有企業(yè)創(chuàng)新數(shù)量,又能增加非國有企業(yè)創(chuàng)新數(shù)量。不同的是,國有企業(yè)組數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.047(大于非國有企業(yè)),表明數(shù)字經(jīng)濟(jì)對國有企業(yè)創(chuàng)新數(shù)量的促進(jìn)作用更顯著。模型(3)和模型(4)分別反映數(shù)字經(jīng)濟(jì)對國有企業(yè)、非國有企業(yè)創(chuàng)新質(zhì)量的影響。在國有企業(yè)組,數(shù)字經(jīng)濟(jì)回歸系數(shù)為0.038,且在5%水平上顯著,而非國有企業(yè)組數(shù)字經(jīng)濟(jì)系數(shù)雖然為正,但不顯著。由此可見,現(xiàn)階段國有企業(yè)能夠從數(shù)字經(jīng)濟(jì)發(fā)展中獲取更大的創(chuàng)新紅利。

(2)數(shù)字經(jīng)濟(jì)發(fā)展為企業(yè)創(chuàng)新活動(dòng)開展創(chuàng)造了良好的外部條件,但企業(yè)能夠多大程度上利用數(shù)字經(jīng)濟(jì)創(chuàng)新紅利,取決于企業(yè)自身數(shù)字化水平。本文采用數(shù)字化無形資產(chǎn)占無形資產(chǎn)凈額的比重衡量企業(yè)數(shù)字化程度,并按照均值將數(shù)字化水平劃分為兩組,回歸結(jié)果如表9所示。模型(1)和模型(2)中被解釋變量為創(chuàng)新數(shù)量,結(jié)果顯示無論是數(shù)字化程度較高組還是數(shù)字化程度較低組,數(shù)字經(jīng)濟(jì)回歸系數(shù)均顯著。不同的是,高數(shù)字化水平組中數(shù)字經(jīng)濟(jì)回歸系數(shù)(β=0.077)大于低數(shù)字化水平組(β=0.033)。模型(3)和模型(4)中被解釋變量為創(chuàng)新質(zhì)量,兩個(gè)模型中數(shù)字經(jīng)濟(jì)回歸系數(shù)的顯著為正,且數(shù)字化程度較高組系數(shù)更大。由此可見,企業(yè)數(shù)字化程度越高,數(shù)字經(jīng)濟(jì)對創(chuàng)新績效(數(shù)量和質(zhì)量)的促進(jìn)作用越大。

表8 國有企業(yè)與非國有企業(yè)異質(zhì)性檢驗(yàn)結(jié)果Tab.8 Heterogeneity test of state-owned and non-state-owned enterprises

表9 企業(yè)數(shù)字化程度異質(zhì)性檢驗(yàn)結(jié)果Tab.9 Heterogeneity test of digitization degree

(3)除企業(yè)因素會(huì)影響數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)外,宏觀地域差異也有可能導(dǎo)致數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的影響有所不同。為此,本文將城市劃分為中心城市和外圍城市,其中中心城市包括直轄市、副省級(jí)城市、省會(huì)城市,其余為非中心城市。在此基礎(chǔ)上,對兩類城市進(jìn)行分組回歸,結(jié)果如表10所示。從模型(1)和模型(2)可以看出,數(shù)字經(jīng)濟(jì)對創(chuàng)新數(shù)量的促進(jìn)作用在中心城市和外圍城市均顯著,但是中心城市創(chuàng)新效應(yīng)(β=0.077)大于外圍城市(β=0.035)。在模型(3)和模型(4)中,數(shù)字經(jīng)濟(jì)對創(chuàng)新質(zhì)量的回歸系數(shù)為0.042,在5%水平上顯著,但在外圍城市組該系數(shù)不顯著,說明數(shù)字經(jīng)濟(jì)更能促進(jìn)中心城市企業(yè)創(chuàng)新質(zhì)量提升。這是因?yàn)?中心城市制度環(huán)境、創(chuàng)新氛圍更好,從而使數(shù)字經(jīng)濟(jì)的積極作用得到充分釋放。

表10 中心城市與外圍城市異質(zhì)性檢驗(yàn)結(jié)果Tab.10 Heterogeneity test of central and peripheral cities

4 結(jié)論與啟示

4.1 研究結(jié)論

在數(shù)字經(jīng)濟(jì)快速發(fā)展和實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略雙重背景下,數(shù)字經(jīng)濟(jì)能否以及如何釋放創(chuàng)新紅利成為一個(gè)亟待解答的關(guān)鍵問題。本文采用2011—2019年我國A股上市公司微觀數(shù)據(jù),檢驗(yàn)數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的影響效應(yīng)及作用機(jī)制。研究發(fā)現(xiàn),數(shù)字經(jīng)濟(jì)發(fā)展能夠提升企業(yè)創(chuàng)新績效,但是現(xiàn)階段數(shù)字經(jīng)濟(jì)對創(chuàng)新數(shù)量的促進(jìn)作用強(qiáng)于創(chuàng)新質(zhì)量,這一結(jié)論在考慮內(nèi)生性和穩(wěn)健性檢驗(yàn)后依然成立。機(jī)制檢驗(yàn)結(jié)果表明,數(shù)字經(jīng)濟(jì)通過融資約束、成本節(jié)約和知識(shí)擴(kuò)散3個(gè)渠道釋放創(chuàng)新紅利。異質(zhì)性檢驗(yàn)結(jié)果顯示,數(shù)字經(jīng)濟(jì)對國有企業(yè)創(chuàng)新績效的促進(jìn)作用優(yōu)于非國有企業(yè),企業(yè)數(shù)字化程度越高越能從數(shù)字經(jīng)濟(jì)發(fā)展中獲取創(chuàng)新紅利,中心城市數(shù)字經(jīng)濟(jì)發(fā)展對創(chuàng)新績效的提升作用大于非中心城市。

4.2 政策啟示

根據(jù)上述研究結(jié)論,本文提出如下政策啟示:

(1)數(shù)字經(jīng)濟(jì)發(fā)展能夠有效釋放創(chuàng)新紅利,顯著促進(jìn)微觀企業(yè)創(chuàng)新績效提升。因此,國家層面應(yīng)進(jìn)一步推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展,依托數(shù)字經(jīng)濟(jì)發(fā)展深度優(yōu)化企業(yè)創(chuàng)新環(huán)境,切實(shí)緩解融資約束、降低經(jīng)營成本、促進(jìn)知識(shí)擴(kuò)散,充分挖掘數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng),實(shí)現(xiàn)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量雙提升,為實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略奠定堅(jiān)實(shí)基礎(chǔ)。

(2)數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)受企業(yè)層面相關(guān)因素的影響。一方面,非國有企業(yè)從數(shù)字經(jīng)濟(jì)中獲取的創(chuàng)新紅利弱于國有企業(yè),這與非國有企業(yè)在資源獲取、吸收能力等方面的劣勢直接相關(guān)。因此,需要在創(chuàng)新政策上加大對非國有企業(yè)的支持力度,使之與數(shù)字經(jīng)濟(jì)的促進(jìn)作用形成合力。另一方面,企業(yè)數(shù)字化程度越高,數(shù)字經(jīng)濟(jì)對企業(yè)創(chuàng)新績效的提升作用越好。因此,企業(yè)需要順應(yīng)數(shù)字化發(fā)展趨勢,加大數(shù)字化轉(zhuǎn)型投入,同時(shí)政府也要為企業(yè)數(shù)字化轉(zhuǎn)型提供政策支持,從而更加有效地獲取數(shù)字經(jīng)濟(jì)帶來的創(chuàng)新紅利。

(3)數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)存在地區(qū)差異,由于中心城市在市場化進(jìn)程、知識(shí)產(chǎn)權(quán)保護(hù)等方面明顯優(yōu)于非中心城市,而這正是企業(yè)開展創(chuàng)新活動(dòng)的重要保障。因此,政府應(yīng)重視中心城市與非中心城市均衡發(fā)展,尤其要加快非中心城市體制機(jī)制改革,有效釋放數(shù)字經(jīng)濟(jì)的創(chuàng)新紅利。