劉啟雷，張 鵬，楊佩卿，雷雨嫣

（1.西安郵電大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.西部數(shù)字經(jīng)濟(jì)研究院，西安 710061；2.西安航空學(xué)院 經(jīng)濟(jì)與管理學(xué)院，西安 710077）

0 引言

黨的十八大以來，我國積極推進(jìn)制造業(yè)自主創(chuàng)新，實(shí)施關(guān)鍵核心技術(shù)趕超和技術(shù)攻關(guān)戰(zhàn)略，制造業(yè)技術(shù)創(chuàng)新進(jìn)入新階段。大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等數(shù)字科技創(chuàng)新成果的應(yīng)用增強(qiáng)了制造業(yè)企業(yè)的創(chuàng)新活力。同時(shí)，數(shù)字賦能還通過促進(jìn)產(chǎn)學(xué)研深度融合、豐富產(chǎn)學(xué)研協(xié)同場景等加快制造業(yè)集群創(chuàng)新，提高技術(shù)創(chuàng)新效率。例如，聯(lián)想集團(tuán)以數(shù)字化、智能化技術(shù)應(yīng)用為主線構(gòu)建了囊括產(chǎn)業(yè)鏈上下游的一體化運(yùn)營管理體系，并通過數(shù)字賦能挖掘全生命周期創(chuàng)新價(jià)值；徐工集團(tuán)建成了貫通前端感知、后端建模與仿真模擬的工業(yè)互聯(lián)網(wǎng)平臺(tái)，打造了基于云協(xié)同的產(chǎn)學(xué)研協(xié)同創(chuàng)新模式，實(shí)現(xiàn)了科技成果互通共享。因此，數(shù)字賦能已成為促進(jìn)我國制造業(yè)創(chuàng)新升級、實(shí)現(xiàn)高端化發(fā)展的重要驅(qū)動(dòng)力。

本文基于產(chǎn)學(xué)研協(xié)同視角，利用數(shù)據(jù)包絡(luò)分析方法測度220家樣本企業(yè)的技術(shù)創(chuàng)新效率，并采用廣義傾向得分匹配法檢驗(yàn)數(shù)字賦能對制造業(yè)技術(shù)創(chuàng)新效率的影響效應(yīng)；以技術(shù)創(chuàng)新效率、數(shù)字賦能、產(chǎn)學(xué)研協(xié)同和創(chuàng)新產(chǎn)出為內(nèi)生變量構(gòu)建聯(lián)立方程組，實(shí)證研究數(shù)字賦能對制造業(yè)技術(shù)創(chuàng)新效率的影響機(jī)理。

1 機(jī)理分析與研究假設(shè)

1.1 數(shù)字賦能與產(chǎn)學(xué)研協(xié)同的作用機(jī)理

數(shù)字技術(shù)的廣泛應(yīng)用擴(kuò)寬了制造業(yè)企業(yè)開放式創(chuàng)新的邊界，推進(jìn)了創(chuàng)新資源跨區(qū)域均衡分配，增強(qiáng)了協(xié)同創(chuàng)新強(qiáng)度；而構(gòu)建產(chǎn)學(xué)研協(xié)同創(chuàng)新的生態(tài)系統(tǒng)，還反向促進(jìn)企業(yè)數(shù)據(jù)要素與傳統(tǒng)要素編排組合以及數(shù)字化能力提升。

區(qū)別于傳統(tǒng)模式，數(shù)字賦能下的產(chǎn)學(xué)研協(xié)同不再局限于產(chǎn)業(yè)鏈整合的縱向一體化，而成為以中樞企業(yè)或機(jī)構(gòu)為核心，通過縱向和橫向物理空間將高校、科研院所等多元?jiǎng)?chuàng)新要素、多重網(wǎng)絡(luò)相互鏈接的組織形態(tài)[1,2]；產(chǎn)學(xué)研協(xié)同還強(qiáng)調(diào)產(chǎn)業(yè)生態(tài)及其各要素間的復(fù)雜作用關(guān)系，并與系統(tǒng)整體功能相連接，使得裝備制造業(yè)產(chǎn)學(xué)研協(xié)同模式及演化路徑越發(fā)凸顯網(wǎng)絡(luò)化和平臺(tái)化特征，平臺(tái)企業(yè)正逐步掌握數(shù)字化轉(zhuǎn)型主動(dòng)權(quán)，引領(lǐng)著網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)企業(yè)的創(chuàng)新方向[3]。同時(shí)，數(shù)字賦能提供了企業(yè)同其他創(chuàng)新主體的生態(tài)協(xié)同格局，催生了包括創(chuàng)新生態(tài)化、生態(tài)協(xié)同化和協(xié)同創(chuàng)新化在內(nèi)的三維理念，凸顯了客戶至上、智能化、開放性等生態(tài)化特征，使得創(chuàng)新主體充分共享創(chuàng)新價(jià)值，提高協(xié)同意愿[4]；而數(shù)字技術(shù)表現(xiàn)出強(qiáng)鏈接性和可生成性，也可推動(dòng)產(chǎn)學(xué)研協(xié)同的自組織演化并提高協(xié)同強(qiáng)度[5]。因此，本文提出：

假設(shè)1：數(shù)字賦能可顯著增強(qiáng)制造業(yè)企業(yè)與其他創(chuàng)新主體產(chǎn)學(xué)研協(xié)同強(qiáng)度。

制造業(yè)企業(yè)技術(shù)創(chuàng)新在主體開放和生態(tài)共演的創(chuàng)新體系中，通過產(chǎn)學(xué)研協(xié)同也將反向增強(qiáng)數(shù)字賦能的現(xiàn)實(shí)基礎(chǔ)和外部效應(yīng)。一方面，借助正式與非正式的合作網(wǎng)絡(luò)，制造業(yè)企業(yè)在組織機(jī)構(gòu)、業(yè)務(wù)流程、運(yùn)營服務(wù)等方面開展協(xié)同關(guān)系重構(gòu)，不僅豐富了數(shù)字技術(shù)應(yīng)用的現(xiàn)實(shí)場景，還為數(shù)據(jù)要素的流動(dòng)提供了生態(tài)“廊道”，增強(qiáng)了數(shù)字賦能的現(xiàn)實(shí)基礎(chǔ)[6,7]。另一方面，協(xié)同創(chuàng)新的生態(tài)共演使得制造業(yè)企業(yè)不斷調(diào)整、優(yōu)化數(shù)據(jù)要素同傳統(tǒng)生產(chǎn)要素的關(guān)聯(lián)重組，并觸發(fā)其他創(chuàng)新主體隱匿性、異質(zhì)性創(chuàng)新要素的價(jià)值釋放，產(chǎn)生數(shù)字賦能的外部效應(yīng)。因此，本文提出：

假設(shè)2：制造業(yè)企業(yè)與其他創(chuàng)新主體的產(chǎn)學(xué)研協(xié)同可顯著提升數(shù)字賦能水平。

1.2 數(shù)字賦能影響制造業(yè)技術(shù)創(chuàng)新效率的機(jī)理

傳統(tǒng)創(chuàng)新模式因大數(shù)據(jù)、人工智能、區(qū)塊鏈等新一代信息技術(shù)帶來的數(shù)字經(jīng)濟(jì)新業(yè)態(tài)沖擊而不斷變化，以智能制造為主線的數(shù)字化轉(zhuǎn)型已滲透到制造業(yè)企業(yè)創(chuàng)新的各個(gè)領(lǐng)域，貫穿企業(yè)技術(shù)創(chuàng)新、產(chǎn)品創(chuàng)新和商業(yè)模式創(chuàng)新的全過程。從實(shí)現(xiàn)方式上看，數(shù)字賦能是通過匯聚、挖掘、利用戰(zhàn)略性數(shù)據(jù)資源，應(yīng)用數(shù)字技術(shù)推動(dòng)實(shí)現(xiàn)制造業(yè)企業(yè)的迭代創(chuàng)新。數(shù)字化轉(zhuǎn)型使產(chǎn)品設(shè)計(jì)和生產(chǎn)過程更具柔性，加深了整個(gè)創(chuàng)新過程的異質(zhì)性程度，提高了創(chuàng)新資源利用效率。這不僅表現(xiàn)為數(shù)字技術(shù)與企業(yè)傳統(tǒng)要素的滲透、融合所不斷催生的新型業(yè)態(tài)和創(chuàng)新動(dòng)能，還表現(xiàn)為數(shù)字技術(shù)廣泛使用和快速移植所引發(fā)的溢出效應(yīng)[8]；而由數(shù)字賦能所產(chǎn)生的溢出效應(yīng)將更大范圍地?cái)U(kuò)大產(chǎn)學(xué)研協(xié)同邊界，促進(jìn)創(chuàng)新成本降低和效益增加?；谏虡I(yè)范式，有學(xué)者提出在數(shù)字化轉(zhuǎn)型背景下，主體行為、產(chǎn)品屬性和產(chǎn)品創(chuàng)造過程均將發(fā)生復(fù)雜變化，而借助數(shù)字技術(shù)進(jìn)行協(xié)同創(chuàng)新則是未來制造業(yè)競爭發(fā)展的基石[9]。由數(shù)字賦能催生的網(wǎng)絡(luò)能力則進(jìn)一步帶來產(chǎn)業(yè)集群能力提升，形成集產(chǎn)學(xué)研創(chuàng)新網(wǎng)絡(luò)能力、產(chǎn)業(yè)鏈?zhǔn)絼?chuàng)新網(wǎng)絡(luò)能力和平臺(tái)交流創(chuàng)新網(wǎng)絡(luò)能力三類創(chuàng)新網(wǎng)絡(luò)能力為一體的集群創(chuàng)新網(wǎng)絡(luò)能力，提高集群創(chuàng)新效率[10]。另外，政府研發(fā)補(bǔ)助、集群管理策略等被視為影響上述作用關(guān)系的重要因素，而數(shù)字技術(shù)驅(qū)動(dòng)知識(shí)流動(dòng)在技術(shù)模塊化、產(chǎn)品模塊化與集群企業(yè)技術(shù)創(chuàng)新中也起到重要作用[11，12]。因此，本文提出：

假設(shè)3：通過增強(qiáng)產(chǎn)學(xué)研協(xié)同可提高制造業(yè)技術(shù)創(chuàng)新效率。

2 研究設(shè)計(jì)

2.1 變量選取

突破單一維度研究的缺陷，本文從系統(tǒng)整體角度選取研究所需的內(nèi)生變量和外生變量。內(nèi)生變量、外生變量和前定變量如表1所示。

表1 變量設(shè)計(jì)及測度方法說明

2.1.1 內(nèi)生變量

本文選擇技術(shù)創(chuàng)新效率、產(chǎn)學(xué)研協(xié)同、數(shù)字賦能和創(chuàng)新產(chǎn)出為內(nèi)生變量[13]：（1）技術(shù)創(chuàng)新效率。技術(shù)創(chuàng)新效率反映了其整合創(chuàng)新資源的能力，同時(shí)還體現(xiàn)了技術(shù)創(chuàng)新內(nèi)生增長特征。選擇技術(shù)創(chuàng)新效率作為被解釋變量，并以制造業(yè)企業(yè)發(fā)明專利授權(quán)量和新產(chǎn)品銷售收入為產(chǎn)出，以R&D 人員、R&D 投入為投入并運(yùn)用數(shù)據(jù)包絡(luò)分析方法（DEA）予以測算。（2）創(chuàng)新產(chǎn)出。創(chuàng)新產(chǎn)出綜合體現(xiàn)了企業(yè)創(chuàng)新投入和產(chǎn)出的整體收益，包括創(chuàng)新投入和創(chuàng)新成果產(chǎn)出的全過程，該變量使用每年新產(chǎn)品銷售收入予以表征。（3）產(chǎn)學(xué)研協(xié)同。與企業(yè)、高校、科研院所等構(gòu)建產(chǎn)學(xué)研組織開展技術(shù)創(chuàng)新突破、共性領(lǐng)域科技攻關(guān)等已成為制造業(yè)企業(yè)技術(shù)創(chuàng)新的新模式，選擇樣本企業(yè)同其他創(chuàng)新主體開展聯(lián)合項(xiàng)目研發(fā)、組建聯(lián)合研發(fā)團(tuán)隊(duì)等協(xié)同創(chuàng)新活動(dòng)的數(shù)量予以度量。（4）數(shù)字賦能。數(shù)字賦能是指企業(yè)汲取大數(shù)據(jù)、人工智能等數(shù)字科技成果，基于海量數(shù)據(jù)資源開展技術(shù)創(chuàng)新并用數(shù)字技術(shù)打造應(yīng)用場景，驅(qū)動(dòng)產(chǎn)業(yè)提質(zhì)增效與轉(zhuǎn)型升級的過程。變量測度借鑒戴翔和楊雙至（2022）[14]的研究，使用Python文本挖掘方法提取訓(xùn)練樣本關(guān)于數(shù)字化、智能化、技術(shù)創(chuàng)新等關(guān)鍵詞，得到數(shù)字賦能主題下的高頻詞頻度數(shù)值。

2.1.2 外生變量

（1）R&D 人員和R&D投入。R&D人員和R&D投入是制造業(yè)企業(yè)創(chuàng)新的基礎(chǔ)因素，也是構(gòu)建新生產(chǎn)函數(shù)、實(shí)現(xiàn)創(chuàng)新增值的要素來源。其中，R&D人員使用制造業(yè)企業(yè)登記在冊的R&D人員數(shù)量予以度量，R&D投入則以制造業(yè)企業(yè)自身利潤留存并直接投資于R&D 活動(dòng)的資金予以度量。（2）知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境。知識(shí)產(chǎn)權(quán)保護(hù)提供了企業(yè)開展技術(shù)創(chuàng)新活動(dòng)的重要環(huán)境，不僅可提高其開展自主研發(fā)的動(dòng)力，還有助于其積極擴(kuò)寬與其他創(chuàng)新主體的合作邊界。變量的測量引用國家知識(shí)產(chǎn)權(quán)局發(fā)布的省域知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)，以企業(yè)注冊地所在省份的知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)予以度量。

2.1.3 前定變量（控制變量）

將行業(yè)類屬、企業(yè)規(guī)模和企業(yè)注冊地作為控制變量-。其中，行業(yè)類屬參考《國民經(jīng)濟(jì)行業(yè)分類》（GB/T 4754-2022）相關(guān)標(biāo)準(zhǔn)，企業(yè)規(guī)模采用企業(yè)實(shí)際從業(yè)員工總數(shù)度量。

2.2 數(shù)據(jù)來源

本文研究數(shù)據(jù)包括統(tǒng)計(jì)數(shù)據(jù)和調(diào)研數(shù)據(jù)兩部分，其中統(tǒng)計(jì)數(shù)據(jù)主要借助商務(wù)部、工業(yè)和信息化部等公布的制造業(yè)企業(yè)機(jī)構(gòu)或企業(yè)名錄，并查閱歷年《中國科技統(tǒng)計(jì)年鑒》《企業(yè)研發(fā)活動(dòng)情況統(tǒng)計(jì)年鑒》、上市公司資訊網(wǎng)等，采集了2020—2022 年公開的關(guān)于信息化、數(shù)字賦能、R&D 人員、發(fā)明專利等關(guān)鍵指標(biāo)數(shù)據(jù)；調(diào)研數(shù)據(jù)來源于問卷調(diào)研及實(shí)地調(diào)研，采集了樣本企業(yè)年度申請及授權(quán)的發(fā)明專利授權(quán)量、新產(chǎn)品銷售收入等數(shù)據(jù)，并采取跟蹤調(diào)研的方式開展問卷回收工作。兩種渠道共獲取220 家制造業(yè)企業(yè)樣本數(shù)據(jù)。

2.3 數(shù)據(jù)分析

2.3.1 信度與效度分析

運(yùn)用Alpha 一致性系數(shù)檢驗(yàn)方法、探索性因子分析（EFA）和驗(yàn)證性因子分析（CFA）檢驗(yàn)數(shù)據(jù)的信度和效度，結(jié)果表明數(shù)據(jù)有較好的結(jié)構(gòu)效度和較高的可靠性。

2.3.2 變量描述性統(tǒng)計(jì)

對產(chǎn)學(xué)研協(xié)同、創(chuàng)新產(chǎn)出、R&D 人員、R&D 投入等可直接觀測變量進(jìn)行描述性統(tǒng)計(jì)，如表2所示。

表2 關(guān)鍵變量描述性統(tǒng)計(jì)

從數(shù)據(jù)特征上看，數(shù)字賦能的偏度為正值（0.6320），但峰度為負(fù)值（-0.1830），即數(shù)據(jù)分布接近標(biāo)準(zhǔn)正態(tài)分布，說明強(qiáng)數(shù)字賦能呈現(xiàn)向少數(shù)企業(yè)集中的特征。創(chuàng)新產(chǎn)出均值為632.1，標(biāo)準(zhǔn)差為10.06，偏度和峰度均為正，即創(chuàng)新產(chǎn)出基本呈現(xiàn)正態(tài)分布。

2.4 模型構(gòu)建

2.4.1 DEA-Malmquist模型

非參數(shù)的數(shù)據(jù)包絡(luò)分析（DEA）以投入和產(chǎn)出為測度指標(biāo)，可通過相對效率分析測度決策單元的綜合效率?？紤]所使用數(shù)據(jù)為動(dòng)態(tài)面板數(shù)據(jù)，因此將數(shù)據(jù)包絡(luò)分析與Malmquist 指數(shù)方法相結(jié)合，構(gòu)建DEA-Malmquist 模型測度制造業(yè)技術(shù)創(chuàng)新效率。

假設(shè)存在N個(gè)決策單元，各個(gè)決策單元有相同的投入x和產(chǎn)出y，構(gòu)成了投入和產(chǎn)出向量。假定決策單元技術(shù)創(chuàng)新的規(guī)模報(bào)酬不變，技術(shù)創(chuàng)新效率指數(shù)為：

其中，TEC為技術(shù)創(chuàng)新綜合指數(shù)，Et(xt+1，yt+1)表示t期觀測的t+1 期的技術(shù)創(chuàng)新效率水平，Et+1(xt+1，yt+1)表示t+1期的技術(shù)創(chuàng)新效率水平，Et(xt，yt)表示t期的技術(shù)創(chuàng)新效率水平，Et+1(xt，yt)表示t+1 期觀測的t期的技術(shù)創(chuàng)新效率水平。將技術(shù)創(chuàng)新效率分解為技術(shù)進(jìn)步效率（TF）指數(shù)（式（2））和純技術(shù)效率（TP）指數(shù)（見式（3））：

制造業(yè)技術(shù)創(chuàng)新綜合指數(shù)TEC=TF×TP。據(jù)此，可測度技術(shù)創(chuàng)新綜合指數(shù)，并通過技術(shù)進(jìn)步指數(shù)和純技術(shù)效率指數(shù)的分解揭示驅(qū)動(dòng)技術(shù)創(chuàng)新的關(guān)鍵因素。

2.4.2 廣義傾向得分匹配

基于反事實(shí)推斷的廣義傾向得分匹配法適用于企業(yè)層面數(shù)據(jù)處理并可對連續(xù)變量開展回歸分析，估計(jì)結(jié)果可反映數(shù)字賦能對產(chǎn)學(xué)研協(xié)同、技術(shù)創(chuàng)新效率影響效應(yīng)的動(dòng)態(tài)變化。對于廣義傾向得分匹配法，假設(shè)X為協(xié)變量，T為處理變量，Y為結(jié)果變量，T和Y滿足如式（4）所示的獨(dú)立性假設(shè)。

建立Logistic模型檢驗(yàn)數(shù)字賦能對產(chǎn)學(xué)研協(xié)同及技術(shù)創(chuàng)新效率的平均處理效應(yīng)（ATT），分為三個(gè)步驟：

第一步，估計(jì)處理變量條件分布并給出廣義傾向得分。

第二步，構(gòu)建處理變量T和廣義傾向得分之間的函數(shù)（見式（5）），并使用最小二乘法估計(jì)變量系數(shù)。

第三步，基于第一步的估計(jì)結(jié)果，估計(jì)處理變量T對結(jié)果變量的處理效應(yīng)（見式（6））：

其中，N表示在某區(qū)間內(nèi)的樣本數(shù)，由以上公式可得出相應(yīng)區(qū)間內(nèi)處理變量對結(jié)果變量的影響效應(yīng)。

2.4.3 聯(lián)立方程組模型

聯(lián)立方程組在處理并檢驗(yàn)系統(tǒng)內(nèi)部要素的微觀作用方面具有較強(qiáng)的適用性。構(gòu)建基于面板數(shù)據(jù)的聯(lián)立方程組如式（7）至式（10）所示。

其中，式（7）為數(shù)字賦能方程，式（8）為產(chǎn)學(xué)研協(xié)同方程，式（9）為技術(shù)創(chuàng)新效率方程，式（10）為創(chuàng)新產(chǎn)出方程。

3 實(shí)證結(jié)果與分析

3.1 效率測度及分析

運(yùn)用式（1）、式（2）和式（3）對2020—2022年制造業(yè)技術(shù)創(chuàng)新效率進(jìn)行測度并分解，可得到220家樣本企業(yè)技術(shù)創(chuàng)新平均效率及其各分解項(xiàng)（如下頁表3 所示）。表3 顯示，2020—2022 年制造業(yè)技術(shù)創(chuàng)新效率均值分別為0.8179、0.8860 和0.8613。2020—2021 年、2021—2022 年Malmquist指數(shù)分別為1.0312、1.0230，其中，2020—2021年技術(shù)進(jìn)步指數(shù)為1.1021、純技術(shù)效率指數(shù)為1.3150，2021—2022 年技術(shù)進(jìn)步指數(shù)為1.0375、純技術(shù)效率指數(shù)為1.2051。測度結(jié)果說明，三年間我國制造業(yè)技術(shù)創(chuàng)新效率穩(wěn)步提高，推動(dòng)企業(yè)技術(shù)進(jìn)步可優(yōu)化創(chuàng)新要素配置，提高投入產(chǎn)出效率。后文影響效應(yīng)和作用機(jī)理檢驗(yàn)中將經(jīng)測度得到的各樣本企業(yè)技術(shù)創(chuàng)新綜合效率（統(tǒng)稱為“技術(shù)創(chuàng)新效率”）納入相關(guān)模型。

表3 制造業(yè)技術(shù)創(chuàng)新效率及變化

3.2 數(shù)字賦能對技術(shù)創(chuàng)新效率影響的分析

依據(jù)式（1）至式（3）所刻畫的廣義傾向得分匹配步驟進(jìn)行匹配得分計(jì)算，估計(jì)各處理變量的處理效應(yīng)。表4為以產(chǎn)學(xué)研協(xié)同為結(jié)果變量的處理效應(yīng)和以技術(shù)創(chuàng)新效率為結(jié)果變量的處理效應(yīng)。借鑒王昀和孫曉華（2018）[15]的處理辦法，對這類變量進(jìn)行了區(qū)間劃分，進(jìn)而分析不同區(qū)間內(nèi)數(shù)字賦能對產(chǎn)學(xué)研協(xié)同與技術(shù)創(chuàng)新效率的處理效應(yīng)。

表4 數(shù)字賦能處理效應(yīng)檢驗(yàn)結(jié)果

（1）平衡性檢驗(yàn)。檢驗(yàn)結(jié)果表明，以產(chǎn)學(xué)研協(xié)同為結(jié)果變量，R&D 人員和知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境兩協(xié)變量標(biāo)準(zhǔn)差絕對值均變小，幅度分別為7.1%、8.9%，均通過顯著性檢驗(yàn)，說明匹配效果良好。以技術(shù)創(chuàng)新效率為結(jié)果變量，協(xié)變量的標(biāo)準(zhǔn)差絕對值也均變小，分別為3.2、0.8、3.2和4.4，故整體上可認(rèn)為廣義傾向得分匹配后變量在實(shí)驗(yàn)組與控制組是均衡的。采用相同協(xié)變量，以新產(chǎn)品銷售收入為結(jié)果變量，平衡性檢驗(yàn)也可得到相似結(jié)論。

（2）處理效應(yīng)分析。檢驗(yàn)結(jié)果表明，數(shù)字賦能對制造業(yè)技術(shù)創(chuàng)新效率存在顯著處理效應(yīng)，且其對制造業(yè)企業(yè)產(chǎn)學(xué)研協(xié)同處理效應(yīng)存在區(qū)間異質(zhì)性。在數(shù)字賦能水平低于0.5 的取值區(qū)間內(nèi)，其對產(chǎn)學(xué)研協(xié)同具有顯著的提升效應(yīng)，而當(dāng)其超過0.5時(shí)，對產(chǎn)學(xué)研協(xié)同強(qiáng)度的影響不再顯著，說明數(shù)字賦能效應(yīng)存在閾值；數(shù)字賦能各區(qū)間估計(jì)系數(shù)均為正，隨著數(shù)字賦能的不斷增強(qiáng)，系數(shù)估計(jì)值呈現(xiàn)整體提高的趨勢，其對技術(shù)創(chuàng)新效率的正向影響效應(yīng)也逐步增強(qiáng)。

3.3 數(shù)字賦能對技術(shù)創(chuàng)新效率影響的內(nèi)生性分析

3.3.1 檢驗(yàn)結(jié)果及分析

借助三階段最小二乘法（3SLS）估計(jì)方程結(jié)構(gòu)系數(shù)并進(jìn)行顯著性檢驗(yàn)，結(jié)果如表5和表6所示。

表5 結(jié)構(gòu)系數(shù)估計(jì)與檢驗(yàn)結(jié)果——OLS和2SLS估計(jì)

表6 結(jié)構(gòu)系數(shù)估計(jì)與檢驗(yàn)結(jié)果——GLS估計(jì)

對于數(shù)字賦能方程，第1 階段OLS 估計(jì)結(jié)果顯示，產(chǎn)學(xué)研協(xié)同和R&D 投入結(jié)構(gòu)系數(shù)估計(jì)值分別為0.0500、0.0170，均在10%的水平上通過顯著性檢驗(yàn)。第2 階段2SLS 估計(jì)結(jié)果顯示，產(chǎn)學(xué)研協(xié)同和R&D 投入結(jié)構(gòu)系數(shù)估計(jì)值分別為4.8384、0.4080，兩者分別在5%、10%的水平上通過顯著性檢驗(yàn)。第3階段GLS估計(jì)結(jié)果顯示，產(chǎn)學(xué)研協(xié)同結(jié)構(gòu)系數(shù)估計(jì)值為9.9324，在5%的水平上通過顯著性檢驗(yàn)；R&D投入結(jié)構(gòu)系數(shù)估計(jì)值為0.4360，并在1%的水平上通過顯著性檢驗(yàn)。這說明使用3SLS方法對數(shù)字賦能方程的估計(jì)可得到一致性結(jié)果，產(chǎn)學(xué)研協(xié)同和R&D 投入對數(shù)字賦能的影響顯著。

對于產(chǎn)學(xué)研協(xié)同方程，第1 階段OLS 結(jié)果顯示，數(shù)字賦能和知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境結(jié)構(gòu)系數(shù)估計(jì)值分別為0.1240、0.1038，分別在10%和5%的水平上通過了顯著性檢驗(yàn)。第2階段2SLS結(jié)果顯示，數(shù)字賦能和知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境的系數(shù)估計(jì)值分別為0.0838 和0.1012，均在5%的水平上通過顯著性檢驗(yàn)。第3階段GLS結(jié)果顯示，內(nèi)生變量的結(jié)構(gòu)系數(shù)估計(jì)值分別為0.1496 和0.2694，分別在10%和1%的水平上顯著，進(jìn)一步驗(yàn)證了數(shù)字賦能和知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境對于增強(qiáng)制造業(yè)企業(yè)與其他創(chuàng)新主體產(chǎn)學(xué)研協(xié)同強(qiáng)度的正向作用。

對于技術(shù)創(chuàng)新效率方程，第1 階段OLS 估計(jì)結(jié)果顯示，產(chǎn)學(xué)研協(xié)同、R&D投入和R&D人員的結(jié)構(gòu)系數(shù)分別為2.3050、0.1376和0.2715，除R&D人員外，其余變量均至少在5%的水平上通過顯著性檢驗(yàn)。第2階段2SLS估計(jì)結(jié)果顯示，除產(chǎn)學(xué)研協(xié)同的結(jié)構(gòu)系數(shù)顯著為正外，其余變量未通過顯著性檢驗(yàn)。另外，在第3階段GLS估計(jì)中產(chǎn)學(xué)研協(xié)同系數(shù)估計(jì)值也顯著為正；R&D 投入的系數(shù)估計(jì)值為0.3033，并通過10%水平上的顯著性檢驗(yàn)，說明其對制造業(yè)企業(yè)技術(shù)創(chuàng)新效率的貢獻(xiàn)顯著；R&D 人員的結(jié)構(gòu)系數(shù)未通過顯著性檢驗(yàn)，說明R&D 人員對技術(shù)創(chuàng)新效率并未產(chǎn)生顯著影響。

對于創(chuàng)新產(chǎn)出方程，三個(gè)階段的估計(jì)結(jié)果顯示，技術(shù)創(chuàng)新效率對制造業(yè)企業(yè)創(chuàng)新產(chǎn)出影響系數(shù)估計(jì)值分別為0.3920、0.8290和0.7182，該變量分別在5%、5%、1%的水平上通過了顯著性檢驗(yàn)。

3.3.2 進(jìn)一步討論與分析

依據(jù)上述實(shí)證檢驗(yàn)結(jié)果，對于數(shù)字賦能效應(yīng)及產(chǎn)生機(jī)理可進(jìn)一步闡釋為：（1）數(shù)字賦能與產(chǎn)學(xué)研協(xié)同強(qiáng)度有顯著內(nèi)生性，兩者相互影響、相互促進(jìn)。數(shù)字賦能增強(qiáng)了制造業(yè)企業(yè)與其他創(chuàng)新主體的產(chǎn)學(xué)研協(xié)同強(qiáng)度，反之，產(chǎn)學(xué)研協(xié)同可顯著提高數(shù)字賦能水平，且優(yōu)良的知識(shí)產(chǎn)權(quán)保護(hù)環(huán)境在促進(jìn)雙方產(chǎn)學(xué)研協(xié)同方面也發(fā)揮著重要作用。（2）數(shù)字賦能通過增強(qiáng)產(chǎn)學(xué)研協(xié)同強(qiáng)度提升技術(shù)創(chuàng)新效率。數(shù)據(jù)及數(shù)字技術(shù)通過提高產(chǎn)學(xué)研協(xié)同強(qiáng)度來獲取更具異質(zhì)性的創(chuàng)新資源，構(gòu)建新生產(chǎn)函數(shù)并將其引入生產(chǎn)過程，促使制造業(yè)企業(yè)合理化配置生產(chǎn)要素、優(yōu)化生產(chǎn)方式組合，進(jìn)而催生新的技術(shù)簇和新型產(chǎn)品；數(shù)字賦能還將助推制造業(yè)樹立共享開放的創(chuàng)新理念，即由市場競爭、技術(shù)擠占轉(zhuǎn)向協(xié)同共生，使產(chǎn)業(yè)內(nèi)企業(yè)可充分利用技術(shù)創(chuàng)新效率提升的外部效應(yīng)驅(qū)動(dòng)新技術(shù)、新產(chǎn)品涌現(xiàn)，實(shí)現(xiàn)高創(chuàng)新產(chǎn)出。

4 結(jié)論

本文結(jié)合廣義傾向得分匹配法和聯(lián)立方程組模型在效應(yīng)檢驗(yàn)及系統(tǒng)分析中的優(yōu)勢，基于產(chǎn)學(xué)研協(xié)同視角實(shí)證研究數(shù)字賦能對制造業(yè)技術(shù)創(chuàng)新效率的影響及作用機(jī)理。借助廣義傾向得分匹配法檢驗(yàn)數(shù)字賦能影響技術(shù)創(chuàng)新效率的處理效應(yīng)，并進(jìn)行平衡性檢驗(yàn)，結(jié)果表明，數(shù)字賦能對技術(shù)創(chuàng)新效率的處理效應(yīng)顯著，數(shù)字賦能推動(dòng)了生產(chǎn)變革和組織革新，提升了技術(shù)創(chuàng)新效率。研究還發(fā)現(xiàn)，數(shù)字賦能與產(chǎn)學(xué)研協(xié)同存在顯著內(nèi)生關(guān)系：一方面，數(shù)字賦能促進(jìn)制造業(yè)企業(yè)與其他創(chuàng)新主體的產(chǎn)學(xué)研協(xié)同，增加了其技術(shù)外溢和吸收本地優(yōu)質(zhì)智力資本的機(jī)會(huì)，有助于其進(jìn)行關(guān)鍵技術(shù)突破，擴(kuò)大溢出效應(yīng)并促進(jìn)產(chǎn)業(yè)提質(zhì)增效；另一方面，與高校、科研院所等相關(guān)創(chuàng)新主體建立穩(wěn)定的產(chǎn)學(xué)研協(xié)同關(guān)系對數(shù)字賦能具有反作用，借助產(chǎn)學(xué)研協(xié)同，制造業(yè)企業(yè)更有機(jī)會(huì)感知、整合數(shù)據(jù)要素資源，營造結(jié)構(gòu)性、多層次的數(shù)字技術(shù)應(yīng)用場景，進(jìn)而促進(jìn)數(shù)據(jù)作為新型要素、數(shù)字技術(shù)作為新生產(chǎn)工具嵌入產(chǎn)業(yè)創(chuàng)新系統(tǒng)。