封永平，康 立

（1.武漢大學(xué)政治與公共管理學(xué)院，湖北 武漢 430072；2.中南財經(jīng)政法大學(xué)金融學(xué)院，湖北 武漢 430073）

一、引言

黨的十九屆五中全會提出，“強化企業(yè)創(chuàng)新主體地位，促進各類創(chuàng)新要素向企業(yè)集聚”，同時要求“加快數(shù)字化發(fā)展”，建設(shè)“數(shù)字中國”。黨的二十大報告進一步強調(diào)，“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”。近年來，隨著技術(shù)創(chuàng)新復(fù)雜性與不確定性的深入，協(xié)同創(chuàng)新成為提高我國企業(yè)創(chuàng)新能力、加快產(chǎn)業(yè)集群轉(zhuǎn)型升級的有效途徑和重要模式。然而，與歐美等發(fā)達國家相比，企業(yè)協(xié)同創(chuàng)新比例偏低、創(chuàng)新資源協(xié)同性差等問題，成為我國構(gòu)建創(chuàng)新驅(qū)動型國家的主要障礙。與此同時，作為全球經(jīng)濟增長的新動力，數(shù)字經(jīng)濟正逐步成為企業(yè)創(chuàng)新變革的重要突破點。數(shù)字技術(shù)的即時性、共享性、互動性等特征極大地降低了時間、地理因素對創(chuàng)新主體獲取信息和創(chuàng)新資源的羈絆，強化了創(chuàng)新主體之間的交流與互動，為全領(lǐng)域、全時空地配置創(chuàng)新資源、提高創(chuàng)新能力提供了新模式和新機會[1]。當(dāng)前，數(shù)字化轉(zhuǎn)型成為傳統(tǒng)企業(yè)在新環(huán)境中生存和發(fā)展的必然選擇，也是推動企業(yè)創(chuàng)新的重要力量[2]。

文章基于萬方專利數(shù)據(jù)庫中爬取獲得企業(yè)聯(lián)合專利申請數(shù)量，通過采用廣義負二項分布模型，揭示了數(shù)字化對企業(yè)協(xié)同創(chuàng)新的影響機理及行業(yè)環(huán)境的調(diào)節(jié)效應(yīng)。文章研究結(jié)論對推動我國創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略和供給側(cè)結(jié)構(gòu)性改革，具有一定的啟示與借鑒意義。

二、理論分析與研究假設(shè)

1. 數(shù)字化對企業(yè)協(xié)同創(chuàng)新的影響機理

企業(yè)數(shù)字化通過降低信息成本、加速信息流動來提高企業(yè)的創(chuàng)新能力，進而促進協(xié)同創(chuàng)新。數(shù)字技術(shù)降低了信息搜尋成本、傳遞成本和驗證成本等[3]，使信息的搜索與獲取更快、更準(zhǔn)、更廣，且成本更低。信息的可得性是企業(yè)創(chuàng)新的決定因素[4]。數(shù)字化打破了企業(yè)之間的知識界限，加速知識的傳播與擴散，有助于降低企業(yè)之間信息傳遞和共享的成本。數(shù)字化還消除了距離、區(qū)位、資源分布不均等物理限制，智能化支持設(shè)備、遠程交互平臺等的出現(xiàn)，提高了企業(yè)的學(xué)習(xí)吸收能力和創(chuàng)新能力。數(shù)字化轉(zhuǎn)型使企業(yè)在動態(tài)環(huán)境下提高了感知機會以及重構(gòu)內(nèi)外部資源的動態(tài)能力[5]。

企業(yè)數(shù)字化降低了協(xié)作成本，促進了知識的整合與優(yōu)化配置，提升了創(chuàng)新資源的配置效率。企業(yè)數(shù)字化便利了企業(yè)之間的溝通與協(xié)調(diào)[6]。溝通及協(xié)調(diào)涉及知識的整合和資源的優(yōu)化配置。其中，溝通對知識的傳播、整合及流動起重要作用，特別是促進關(guān)鍵技能和技術(shù)訣竅等經(jīng)驗知識的學(xué)習(xí)與吸收。再有，協(xié)調(diào)推動了知識的整合與運用，優(yōu)化資源配置，促進知識的創(chuàng)造和價值增值。基于數(shù)字化技術(shù)，大量的人際互動和信息傳遞通過線上系統(tǒng)實現(xiàn)，這種轉(zhuǎn)變能夠提高信息傳遞的及時性和準(zhǔn)確性，從而降低協(xié)作成本，提升協(xié)調(diào)效率[7]。

企業(yè)數(shù)字化降低了信息不對稱性，抑制了機會主義行為，增強互信力。任何協(xié)同創(chuàng)新的實現(xiàn)取決于企業(yè)之間持續(xù)的信任[8]。首先，連接、共享、開放等數(shù)字技術(shù)特征實現(xiàn)了信息的即時傳播，使合作各方及時掌握合作動態(tài)和發(fā)展進程，降低了研發(fā)合作過程中的信息不對稱程度，增強了協(xié)同創(chuàng)新活動的透明度和開放性，進而深化了合作企業(yè)之間的信賴程度和合作欲望。其次，數(shù)字化節(jié)約了合作企業(yè)之間溝通的時間和費用，增加了溝通的頻率和效率。而頻繁的溝通加強了合作伙伴之間的相互了解和友好關(guān)系，增進了彼此之間的感情，促進了情感信任。最后，數(shù)字技術(shù)可以對合作各方進行監(jiān)督，并實現(xiàn)及時糾偏，降低了搭便車行為和其他機會主義行為，從而增強了認知信任?；谏鲜龇治?，提出以下研究假設(shè)：

假設(shè)H1：數(shù)字化對企業(yè)協(xié)同創(chuàng)新有顯著的正向影響。

假設(shè)H2：數(shù)字化對企業(yè)協(xié)同創(chuàng)新有顯著的長期影響。

2. 行業(yè)環(huán)境對數(shù)字化影響企業(yè)協(xié)同創(chuàng)新的調(diào)節(jié)作用

數(shù)字化對企業(yè)協(xié)同創(chuàng)新的影響與其所處的行業(yè)環(huán)境特征有關(guān)。隨著技術(shù)密集度的提高，技術(shù)和產(chǎn)品的復(fù)雜度不斷加大，創(chuàng)新難度逐步提高。高技術(shù)密集型行業(yè)的企業(yè)擁有更多更高價值的知識產(chǎn)權(quán)，更易面臨喪失核心競爭力的風(fēng)險。同時，高技術(shù)密集型行業(yè)的競爭更加激烈，先行者優(yōu)勢更為顯著。冉戎等(2020)認為，高技術(shù)密集型行業(yè)的企業(yè)協(xié)同創(chuàng)新面臨的機會主義行為嚴(yán)重[9]。企業(yè)數(shù)字化一方面通過促進企業(yè)之間的交流與合作，增加了異質(zhì)性知識碰撞的機會，促進了創(chuàng)新資源配置效率的提高，降低了創(chuàng)新產(chǎn)出難度。另一方面通過降低合作雙方信息不對稱的程度來抑制機會主義行為，并且高技術(shù)密集型行業(yè)的企業(yè)數(shù)字化對協(xié)同創(chuàng)新的影響效應(yīng)更強。鑒于此，文章提出如下研究假設(shè)：

假設(shè)H3：高技術(shù)密集型行業(yè)的企業(yè)數(shù)字化與企業(yè)協(xié)同創(chuàng)新的正向關(guān)系更強。

對于高資本密集性行業(yè)，一方面其固定資產(chǎn)投資大、資產(chǎn)專用性程度高。另一方面其行業(yè)內(nèi)勞動力素質(zhì)相對較高，高技能人才占比也較高。數(shù)字化可以激活閑置資產(chǎn)，企業(yè)可以輕松獲得來自外部的各項創(chuàng)新資源，放松資產(chǎn)專用性約束。即借助數(shù)字技術(shù)，企業(yè)之間可以實現(xiàn)對閑置要素的共享，間接地增加了要素供給。企業(yè)數(shù)字化還可與高技能人才產(chǎn)生替代效應(yīng)和互補效應(yīng)：一是企業(yè)數(shù)字化可以替代高技能人才進行的部分程序化任務(wù)；二是高技能人才可以充分利用大數(shù)據(jù)或人工智能等數(shù)字技術(shù)，實現(xiàn)“創(chuàng)新方法的創(chuàng)新”，提高創(chuàng)新績效。正如黨琳等(2021)研究發(fā)現(xiàn)，數(shù)字經(jīng)濟顯著提升了中高資產(chǎn)專用性企業(yè)的合作創(chuàng)新績效，同時也顯著提升了資產(chǎn)密集型行業(yè)的企業(yè)合作創(chuàng)新績效[10]。由此，提出以下研究假設(shè)：

假設(shè)H4：高資本密集型行業(yè)的企業(yè)數(shù)字化對企業(yè)協(xié)同創(chuàng)新的正向影響更強。

在高ICT（ICT 為信息通訊技術(shù)的簡稱） 使用強度行業(yè)，數(shù)據(jù)要素易于轉(zhuǎn)化為現(xiàn)實的生產(chǎn)要素，企業(yè)間的供應(yīng)鏈協(xié)同效應(yīng)易于實現(xiàn)，進而提升企業(yè)的創(chuàng)新效率和協(xié)同創(chuàng)新績效[10]。然而，作為高效的溝通和交流媒介，ICT 能降低信息擴散的成本，提高知識傳播效率，顯著增加知識溢出效應(yīng)，降低企業(yè)參與協(xié)同創(chuàng)新的積極性和主動性。因此，高ICT 使用強度行業(yè)的數(shù)字化對企業(yè)協(xié)同創(chuàng)新的影響程度，取決于這兩種力量的相對強弱。鑒于此，提出以下研究假設(shè)：

假設(shè)H5：高ICT 使用強度對數(shù)字化與企業(yè)協(xié)同創(chuàng)新正向關(guān)系的調(diào)節(jié)作用不確定。

三、模型構(gòu)建與數(shù)據(jù)說明

1. 模型構(gòu)建

數(shù)字化對企業(yè)協(xié)同創(chuàng)新影響的模型構(gòu)建如下：

其中，COIN表示企業(yè)協(xié)同創(chuàng)新績效，以企業(yè)每年與其他企業(yè)聯(lián)合專利的申請量來衡量；i、h、t分別代表企業(yè)、行業(yè)和年份；k=1、2、3，表示一年后、兩年后和三年后的企業(yè)聯(lián)合專利申請量，這不僅考慮了從企業(yè)合作到協(xié)同創(chuàng)新成果出現(xiàn)之間的滯后期，而且還考慮到數(shù)字化對協(xié)同創(chuàng)新的長期影響。DIG代表企業(yè)數(shù)字化，以上市公司財務(wù)報告附注披露的年末無形資產(chǎn)項中與數(shù)字經(jīng)濟相關(guān)的部分占無形資產(chǎn)額的比例來表示；X代表相關(guān)控制變量，包括企業(yè)的年齡、規(guī)模、成長性、杠桿率、研發(fā)投資、資產(chǎn)收益率等變量；θ1和θi為相關(guān)變量的系數(shù)。δ0代表企業(yè)所有制固定效應(yīng)，δt和δh分別代表年份固定效應(yīng)和行業(yè)固定效應(yīng)。εiht代表隨機誤差項。

為進一步識別行業(yè)環(huán)境特征對數(shù)字化與企業(yè)協(xié)同創(chuàng)新關(guān)系的調(diào)節(jié)作用，納入PART與DIG的交叉項后，文章建立如下計量模型：

其中，PART代表高資本密集度、高技術(shù)密集度和高ICT使用強度，其取值為0 或1。α2代表了行業(yè)環(huán)境特征帶來的調(diào)節(jié)效應(yīng)。

2. 變量說明與數(shù)據(jù)來源

文章以企業(yè)創(chuàng)新為被解釋變量，以企業(yè)數(shù)字化為解釋變量?？刂谱兞恐?，企業(yè)年齡、企業(yè)規(guī)模、資產(chǎn)收益率、企業(yè)研發(fā)投資與企業(yè)協(xié)同創(chuàng)新呈正相關(guān)關(guān)系。合理的負債水平有利于企業(yè)創(chuàng)新活動。不同的企業(yè)所有制和行業(yè)類別會影響企業(yè)協(xié)同創(chuàng)新。被解釋變量數(shù)據(jù)從萬方專利數(shù)據(jù)庫中通過爬取方法獲得。解釋變量和控制變量數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。文中變量的定義與衡量如表1 所示。

文章研究對象為實體企業(yè)，因而選取2013—2020 年我國A股非金融類上市公司進行分析。為避免內(nèi)生性問題，文章采用聯(lián)合專利申請數(shù)量滯后一年數(shù)據(jù)。在以樣本期中的企業(yè)聯(lián)合專利數(shù)據(jù)與滯后一年上市公司財務(wù)數(shù)據(jù)進行匹配后，整理得到2145 家企業(yè)的6862 個觀測值。由于一些企業(yè)公開發(fā)行股票的時間是在2013—2020 年之間，缺少其上市交易前的財務(wù)數(shù)據(jù)，因而該觀測值為非平衡面板數(shù)據(jù)。

3. 回歸方法

由于企業(yè)聯(lián)合專利申請數(shù)量是非負整數(shù)，屬于計數(shù)變量，一般采用泊松分布和負二項分布回歸。通過分析企業(yè)聯(lián)合專利申請數(shù)據(jù)特征，發(fā)現(xiàn)企業(yè)聯(lián)合專利申請數(shù)均值為15.47，而標(biāo)準(zhǔn)差高達106.78，說明聯(lián)合專利申請的分布為過度分散，泊松分布假設(shè)不合適。為進一步證明負二項分布回歸模型選擇的合適性，分別用泊松分布假設(shè)和負二項分布假設(shè)進行回歸，并使用泊松擬合優(yōu)度(poisgof)檢驗，發(fā)現(xiàn)擬合優(yōu)度在1%的顯著性水平上顯著，因此拒絕泊松分布原假設(shè)。用負二項分布回歸的卡方統(tǒng)計量（為486.6）檢驗也顯示使用負二項分布回歸更合適。同時，使用廣義負二項回歸，發(fā)現(xiàn)其擬合效果更優(yōu)。此外，文章還考慮了使用零膨脹負二項回歸方法，經(jīng)Vuong 檢驗發(fā)現(xiàn)該模型不適合。

四、回歸結(jié)果與穩(wěn)健性檢驗

1. 基準(zhǔn)回歸檢驗

對計量模型(1)采用負二項分布回歸，回歸結(jié)果如表2 所示。表2 中的列(1)、列(3)、列(5)分別為企業(yè)協(xié)同創(chuàng)新滯后一年、兩年、三年的負二項分布回歸的估計結(jié)果，列(2)、列(4)、列(6)分別為企業(yè)協(xié)同創(chuàng)新滯后一年、兩年、三年的廣義負二項分布回歸的估計結(jié)果。結(jié)果表明，在負二項分布和廣義負二項分布假設(shè)下，數(shù)字化對一年后的協(xié)同創(chuàng)新以及兩年和三年后的協(xié)同創(chuàng)新都在5%以上的顯著性水平上顯著，且影響為正。這表明企業(yè)數(shù)字化能顯著促進企業(yè)協(xié)同創(chuàng)新，驗證了研究假設(shè)H1成立。從回歸模型的Wald 檢驗來看，廣義負二項分布回歸更合適，下文都采用該回歸方法。根據(jù)廣義負二項分布回歸結(jié)果可知，數(shù)字化對滯后一年的企業(yè)聯(lián)合專利申請的影響系數(shù)為0.138，而對兩年后和三年后的聯(lián)合專利申請的影響系數(shù)分別是為0.161、0.152。這說明數(shù)字化對企業(yè)協(xié)同創(chuàng)新的影響持續(xù)時間較長，且影響不會降低。這一結(jié)果與研究假設(shè)H2 相符。

表2 基準(zhǔn)回歸結(jié)果

2. 調(diào)節(jié)效應(yīng)檢驗

廣義負二項式分布回歸的調(diào)節(jié)效應(yīng)檢驗結(jié)果如表3 所示。對于高資本密集型行業(yè)的企業(yè)來說，數(shù)字化對其聯(lián)合專利申請的影響顯著為正，影響系數(shù)為0.313；而對于中低資本密集型行業(yè)的企業(yè)來說，數(shù)字化不利于其協(xié)同創(chuàng)新，回歸系數(shù)為-0.187。同樣，數(shù)字化對兩年后的高資本密集型行業(yè)的企業(yè)協(xié)同創(chuàng)新的影響也顯著為正，影響系數(shù)為0.37。這一結(jié)果與研究假設(shè)H3 相符。對于高技術(shù)密集型行業(yè)的企業(yè)來說，數(shù)字化對其一年后從及兩年后協(xié)同創(chuàng)新的影響系數(shù)分別是0.301 和0.325，且通過1%顯著性水平檢驗，驗證了研究假設(shè)H4；不過對中低技術(shù)密集型行業(yè)的企業(yè)，該回歸系數(shù)不顯著。對于高ICT 使用強度行業(yè)的企業(yè)來說，高ICT 使用強度對數(shù)字化與企業(yè)協(xié)同創(chuàng)新關(guān)系的調(diào)節(jié)作用不顯著，表明數(shù)字化對高ICT 使用強度行業(yè)的企業(yè)協(xié)同創(chuàng)新的影響沒有差異。這一實證結(jié)果與研究假設(shè)H5 相符。

表3 行業(yè)環(huán)境調(diào)節(jié)作用的檢驗結(jié)果

3. 穩(wěn)健性檢驗

第一，把被解釋變量企業(yè)聯(lián)合專利申請換成兩年和三年的平均值COINA和COINA2 進行廣義負二項分布回歸，結(jié)果見表4 列(1)和列(2)，其中COINA=(COINt+1+COINt+2)/2；COINA2=(COINt+1+COINt+2+COINt+3)/3?？梢钥闯?，數(shù)字化(DIG)的回歸系數(shù)顯著為正，且其他控制變量的符號及顯著性都與前面的回歸基本一致。這表明數(shù)字化對企業(yè)協(xié)同創(chuàng)新有顯著的長短期正向影響。第二，控制地區(qū)數(shù)字經(jīng)濟環(huán)境特征，在模型中加入數(shù)字金融指數(shù)的自然對數(shù)DF。該指數(shù)是北京大學(xué)互聯(lián)網(wǎng)金融研究中心編制的《數(shù)字金融普惠金融指數(shù)》，衡量我國省級數(shù)字金融的發(fā)展程度?；貧w結(jié)果見表4 列(3)和列(4)。結(jié)果顯示，數(shù)字化的回歸系數(shù)仍是顯著為正，其系數(shù)分別是0.14 和0.16，而且，數(shù)字金融顯著提高了企業(yè)協(xié)同創(chuàng)新，對一年后和兩年后的企業(yè)聯(lián)合專利申請影響的回歸系數(shù)是1.30 和1.08。第三，采用制造業(yè)樣本重新進行回歸。結(jié)果見表4 列(5)和(6)。數(shù)字化的回歸系數(shù)依然顯著為正，再一次證明了前面的結(jié)果，表明文章的結(jié)論依然成立。而且，制造業(yè)企業(yè)數(shù)字化的回歸系數(shù)明顯高于全體樣本的回歸系數(shù)，即數(shù)字化對制造業(yè)企業(yè)協(xié)同創(chuàng)新的提升作用更強一些。

五、結(jié)論及啟示

文章以2013—2020 年我國A 股非金融類上市公司為樣本，探究數(shù)字化對我國企業(yè)協(xié)同創(chuàng)新的影響。研究發(fā)現(xiàn)，數(shù)字化顯著促進了我國企業(yè)協(xié)同創(chuàng)新，并對企業(yè)協(xié)同創(chuàng)新有長期的正向影響。在我國高資本密集型和高技術(shù)密集型行業(yè)中，數(shù)字化對企業(yè)協(xié)同創(chuàng)新的提升作用更強，但數(shù)字化對企業(yè)協(xié)同創(chuàng)新的提升作用不受行業(yè)信息通訊技術(shù)(ICT)使用強度高低的影響。

依據(jù)研究結(jié)論，得到以下啟示：第一，企業(yè)協(xié)同創(chuàng)新是我國提高自主創(chuàng)新能力、促進科技與經(jīng)濟緊密結(jié)合的重要途徑。數(shù)字化有助于搭建微觀企業(yè)之間的協(xié)同創(chuàng)新平臺，助力協(xié)同創(chuàng)新的有效執(zhí)行。因此，政府應(yīng)出臺鼓勵措施積極推進企業(yè)數(shù)字化轉(zhuǎn)型。第二，高資本密集型行業(yè)和高技術(shù)密集型行業(yè)的企業(yè)數(shù)字化，是促進企業(yè)協(xié)同創(chuàng)新的主力軍，更是發(fā)揮我國產(chǎn)業(yè)鏈協(xié)同和建設(shè)制造強國的關(guān)鍵所在。在我國，資本密集型行業(yè)和高技術(shù)密集型行業(yè)的企業(yè)更容易成為協(xié)同創(chuàng)新的“核心企業(yè)”，特別是在中小企業(yè)數(shù)字化轉(zhuǎn)型中，“核心企業(yè)”或“鏈主企業(yè)”的數(shù)字化是關(guān)鍵與核心。為此，政府應(yīng)大力鼓勵高資本密集型行業(yè)和高技術(shù)密集型行業(yè)的企業(yè)數(shù)字化轉(zhuǎn)型，推動企業(yè)縱向合作和橫向合作，從而助力我國順利實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略和有效推進供給側(cè)結(jié)構(gòu)性改革。