袁勇志，諸葛凱，何會濤，張 勇

（1.蘇州大學(xué)a.政治與公共管理學(xué)院；b.商學(xué)院，江蘇蘇州 215021；2.中國計(jì)量大學(xué)經(jīng)濟(jì)與管理學(xué)院，杭州 310018）

0 引言

在新一輪科技革命的浪潮下，數(shù)字化轉(zhuǎn)型成為企業(yè)提升組織效率、降低制造成本，乃至生產(chǎn)要素重組的關(guān)鍵策略[1，2]。一方面，數(shù)字技術(shù)承載的知識價(jià)值不斷溢出，使數(shù)字科技與實(shí)體產(chǎn)業(yè)的融合愈發(fā)明顯，在一定程度上打破了研發(fā)生產(chǎn)的“孤島”模式；另一方面，數(shù)字化驅(qū)動(dòng)自有知識升級，通過迭代過程的持續(xù)累積使傳統(tǒng)產(chǎn)業(yè)步入數(shù)字化發(fā)展“快車道”。面臨市場高不確定性和用戶對知識生產(chǎn)的敏捷性、異質(zhì)性訴求，跨域知識要素的耦合逐漸成為企業(yè)重構(gòu)邊界和順應(yīng)需求的可能解決方案，數(shù)字化轉(zhuǎn)型下企業(yè)知識要素的耦合聯(lián)接具有代際銜接性和共享共生性，知識的動(dòng)態(tài)交互幫助企業(yè)將無序數(shù)據(jù)源進(jìn)行聯(lián)接耦合以改善碎片化與脫節(jié)化的信息流，加速了知識鏈的流通與整合。

現(xiàn)有關(guān)于數(shù)字化轉(zhuǎn)型與知識流動(dòng)的研究認(rèn)為，數(shù)字技術(shù)的迭代與發(fā)展一方面帶動(dòng)了產(chǎn)業(yè)的結(jié)構(gòu)性升級，尤其是以傳統(tǒng)制造業(yè)為代表的勞動(dòng)密集型產(chǎn)業(yè)的知識資源得以盤存活化，提高了企業(yè)的知識消化能力[3]；另一方面，數(shù)字技術(shù)強(qiáng)化了主體間的知識互動(dòng)與嫁接能力，以此實(shí)現(xiàn)企業(yè)從低位知識吸收向高位知識擴(kuò)散的轉(zhuǎn)型，使知識生產(chǎn)進(jìn)一步匹配于隱形消費(fèi)傾向[4]。王琳等（2024）[5]認(rèn)為數(shù)字化轉(zhuǎn)型賦予了企業(yè)知識耦合的靈活場域，使創(chuàng)新能夠以動(dòng)態(tài)多元的方式進(jìn)行產(chǎn)出升級。知識耦合是異質(zhì)性技術(shù)領(lǐng)域間知識的重新組合及其相互作用的過程[6]，通過數(shù)字化的技術(shù)鎖定，跨域知識元被進(jìn)一步關(guān)聯(lián)、調(diào)取以供給耦合研發(fā)，加快了知識模塊的擴(kuò)散，使企業(yè)知識基礎(chǔ)進(jìn)一步優(yōu)化。那么，數(shù)字化轉(zhuǎn)型能否促進(jìn)知識要素的流動(dòng)？以及數(shù)字化轉(zhuǎn)型是否能夠通過知識耦合機(jī)制激勵(lì)企業(yè)的知識效益遞增？這是本文重點(diǎn)關(guān)注的問題。

基于現(xiàn)有研究，本文以知識耦合的動(dòng)態(tài)屬性為切入點(diǎn)，從知識基礎(chǔ)觀和動(dòng)態(tài)能力理論出發(fā)，探究數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)的影響，以及知識耦合在其中的中介作用。首先，從微觀層面分析了數(shù)字化轉(zhuǎn)型與企業(yè)知識流動(dòng)的機(jī)制關(guān)系；然后，基于動(dòng)態(tài)性視角，將反映企業(yè)知識動(dòng)態(tài)延展的知識耦合引入數(shù)字化轉(zhuǎn)型的研究框架；最后，探討了兩種知識耦合對企業(yè)知識流動(dòng)的差異化影響，并從不同時(shí)間窗口進(jìn)行穩(wěn)健性檢驗(yàn)。

1 理論分析與研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)的影響

伴隨著數(shù)字技術(shù)的革新，技術(shù)環(huán)境的深刻變革已經(jīng)對企業(yè)的知識與創(chuàng)新生態(tài)產(chǎn)生了關(guān)鍵影響，呈現(xiàn)要素重構(gòu)、知識連接、跨域組合、生態(tài)創(chuàng)新等轉(zhuǎn)型特點(diǎn)[7]，尤其在部分技術(shù)密集型產(chǎn)業(yè)，企業(yè)利用數(shù)字技術(shù)不斷搜尋、吸收與轉(zhuǎn)化外部知識資源，將其擴(kuò)展為自有知識域[8]，這既是企業(yè)依據(jù)當(dāng)前知識發(fā)展風(fēng)向做出的主動(dòng)研判，也是借助數(shù)字化轉(zhuǎn)型促進(jìn)知識交流的必要手段。首先，數(shù)字化轉(zhuǎn)型對組織資源管理的開放性特征使知識能夠?qū)崿F(xiàn)對外的有效傳播與利用，弱化了閉環(huán)創(chuàng)新的“信息孤島”效應(yīng)；其次，數(shù)字化的自成長與融合性賦予了企業(yè)吸收要素、耦合要素的重組迭代能力；最后，數(shù)字化轉(zhuǎn)型使創(chuàng)新不再拘泥于傳統(tǒng)渠道，而是通過平衡的信息交換吸收外界智慧，形成知識平臺化[9]。

在數(shù)字技術(shù)的推動(dòng)下企業(yè)的知識挖掘、吸收與轉(zhuǎn)化產(chǎn)生了顯著變革，知識流通各環(huán)節(jié)的交流互動(dòng)促進(jìn)了知識價(jià)值和創(chuàng)新效益的獲取。企業(yè)數(shù)字化水平的提升是多維度的[10]。一方面，數(shù)字化轉(zhuǎn)型需要構(gòu)建包容多元的知識生態(tài)，既便于快捷高效的知識加工，又可降低競爭企業(yè)的知識對沖風(fēng)險(xiǎn)，數(shù)字技術(shù)與生產(chǎn)經(jīng)營的深度融合使企業(yè)知識創(chuàng)造過程虛擬化、可視化，有利于企業(yè)對多元知識的獲取，進(jìn)而推動(dòng)知識流通；另一方面，對用戶隱性知識需求的判斷不再依賴于傳統(tǒng)渠道，而是基于海量產(chǎn)品數(shù)據(jù)，運(yùn)用技術(shù)手段挖掘群體性特征，通過模擬用戶畫像開展創(chuàng)新決策，倒逼組織間知識流動(dòng)。運(yùn)用數(shù)字技術(shù)不僅能使企業(yè)提升知識元素的傳播效率，而且能實(shí)現(xiàn)遠(yuǎn)距離的“面對面”交流，促進(jìn)了知識的有效流動(dòng)。

數(shù)字化方案使企業(yè)能夠基于平臺模式和業(yè)務(wù)特征搭建敏感度更高的跨知識服務(wù)體系，第一階段運(yùn)用爬蟲、大數(shù)據(jù)等技術(shù)實(shí)現(xiàn)海量知識過濾，縮減跨域知識互動(dòng)成本，并進(jìn)一步降低組織信息不對稱性，緩解知識的低效協(xié)同[11]；第二階段則以云計(jì)算等技術(shù)為核心，“云端化”使企業(yè)具備了快捷存儲與調(diào)動(dòng)知識域參與耦合的動(dòng)能，促進(jìn)隱性知識顯性化。數(shù)字化通過加強(qiáng)企業(yè)的協(xié)同研發(fā)，推動(dòng)知識在組織間的流動(dòng)與共享，開放式創(chuàng)新與封閉式創(chuàng)新的邊界被進(jìn)一步打破，技術(shù)轉(zhuǎn)讓、項(xiàng)目委托、聯(lián)合研發(fā)、聯(lián)盟合作等創(chuàng)新方式多元化，加快了企業(yè)知識的流通性。因此，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型有利于提高內(nèi)外部知識的交流互動(dòng)水平，降低邊際成本，實(shí)現(xiàn)知識的循環(huán)流通。根據(jù)以上分析，本文提出假設(shè)1：企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)知識流動(dòng)。

1.2 知識耦合的中介作用

1.2.1 原有技術(shù)領(lǐng)域間的知識耦合

原有技術(shù)領(lǐng)域間的知識耦合是指企業(yè)在現(xiàn)有技術(shù)領(lǐng)域之間進(jìn)行知識耦合的行為過程，是對企業(yè)知識及其衍生業(yè)務(wù)的范圍劃定。企業(yè)的內(nèi)外部知識交流均離不開原有技術(shù)領(lǐng)域間知識耦合的基礎(chǔ)支撐，數(shù)字化轉(zhuǎn)型助推了企業(yè)對原有領(lǐng)域知識交互聯(lián)接機(jī)制的重構(gòu)[5]，在企業(yè)知識基礎(chǔ)上提高原有領(lǐng)域知識的反復(fù)篩選、組合和利用效率，能夠有效降低新知識獲取成本和研發(fā)風(fēng)險(xiǎn)。數(shù)字技術(shù)的組態(tài)特征使同質(zhì)性知識交互瓶頸被放開和平臺化，在強(qiáng)化了耦合動(dòng)能的同時(shí)也幫助企業(yè)建立起無形知識壁壘，加快原有領(lǐng)域的知識流動(dòng)率。

原有技術(shù)領(lǐng)域間的知識耦合代表了企業(yè)對原有領(lǐng)域知識的交互程度。一方面，在知識耦合初期，企業(yè)對傳統(tǒng)模式的路徑依賴性使其傾向于探索更熟悉的原有知識域[12]，將僅限的數(shù)字資源投入對原有知識域的耦合，使企業(yè)容易產(chǎn)生知識組合與重構(gòu)的行為慣性，導(dǎo)致知識耦合的單一化以及耦合路徑的鎖定，不利于知識組合的有效流通；企業(yè)對原有技術(shù)領(lǐng)域的知識耦合存在認(rèn)知上的偏誤，造成數(shù)字技術(shù)對原有知識域的知識組合效力配置不足[13]，催生研發(fā)人員的創(chuàng)新惰性，阻礙新技術(shù)領(lǐng)域的知識開發(fā)與協(xié)同；較低的知識耦合水平使企業(yè)難以突破耦合研發(fā)流程和技術(shù)領(lǐng)域屏障，知識基礎(chǔ)仍保持在“相對”流動(dòng)水平。另一方面，隨著原有技術(shù)領(lǐng)域間知識耦合的進(jìn)一步深化，原有領(lǐng)域的知識堆砌情況會有所轉(zhuǎn)變，首先在于企業(yè)對原有領(lǐng)域的知識組合與利用愈發(fā)飽和，存在一定程度上的知識耗竭，使企業(yè)不得不轉(zhuǎn)移到其他方向并拓展新的知識組合；其次，建立知識存量基礎(chǔ)后，研發(fā)團(tuán)隊(duì)跳出同質(zhì)性知識的核心圈，幫助企業(yè)規(guī)避“依賴陷阱”[14]，擴(kuò)大創(chuàng)新空間，推動(dòng)知識的正向交互；最后，較高的知識耦合水平表明企業(yè)具有較高的知識自由度，知識組合與重構(gòu)的跨越間距較遠(yuǎn)，提高了知識的流動(dòng)效率。根據(jù)以上分析，本文提出假設(shè)2：企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能夠促進(jìn)原有技術(shù)領(lǐng)域間的知識耦合，但原有技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)呈現(xiàn)“U”型關(guān)系。

1.2.2 新舊技術(shù)領(lǐng)域間的知識耦合

企業(yè)突破原有技術(shù)領(lǐng)域，進(jìn)入新興技術(shù)領(lǐng)域并將其與原有技術(shù)領(lǐng)域進(jìn)行知識耦合，稱為新舊技術(shù)領(lǐng)域間的知識耦合。基于知識基礎(chǔ)觀與創(chuàng)新擴(kuò)散的邊界性，技術(shù)門類的差異容易造成領(lǐng)域間的“知識鴻溝”，跨界創(chuàng)新往往不易于實(shí)現(xiàn)，因此企業(yè)所含知識的異質(zhì)性是競爭優(yōu)勢的重要來源，異質(zhì)性知識的獲取有助于企業(yè)填補(bǔ)知識空缺，定位技術(shù)發(fā)展的新趨勢。數(shù)字化進(jìn)程中，企業(yè)跨入新技術(shù)領(lǐng)域的知識互補(bǔ)性越強(qiáng)，越意味著企業(yè)知識多樣性和各異質(zhì)單元間交互水平的提升，則數(shù)字技術(shù)對新舊技術(shù)領(lǐng)域間知識耦合的驅(qū)動(dòng)作用越明顯[5]。數(shù)字技術(shù)在發(fā)揮并行耦合效力的同時(shí)，能夠擴(kuò)展異質(zhì)知識的調(diào)動(dòng)區(qū)間，提高企業(yè)跨域組合的效率，減少資源消耗，實(shí)現(xiàn)新舊領(lǐng)域間知識耦合的互補(bǔ)性。首先，新舊技術(shù)領(lǐng)域間的知識耦合過程其實(shí)是新領(lǐng)域知識與企業(yè)原有領(lǐng)域知識的碰撞與組合過程，由于新領(lǐng)域知識與原有領(lǐng)域知識的相對距離較遠(yuǎn)，因此耦合有助于優(yōu)化企業(yè)知識基礎(chǔ)[15]。知識基礎(chǔ)的廣泛性使企業(yè)擁有大量異質(zhì)性知識元，隱性知識經(jīng)過轉(zhuǎn)譯吸收為符合企業(yè)經(jīng)營邏輯的顯性知識，提高了知識流動(dòng)的容錯(cuò)率與綜合價(jià)值。其次，與新技術(shù)領(lǐng)域內(nèi)的知識耦合相比，新舊技術(shù)領(lǐng)域間的知識耦合具有更精準(zhǔn)的知識導(dǎo)向性，結(jié)合現(xiàn)有知識基礎(chǔ)對新技術(shù)領(lǐng)域的搜索，能夠依據(jù)現(xiàn)有經(jīng)驗(yàn)降低知識組合的不確定性，并且新舊領(lǐng)域間的知識耦合使知識搜索的有效性增加[16]，在很大程度上提高了企業(yè)獲得“意外成功”的概率，激發(fā)遠(yuǎn)距離知識的“面對面”交流。最后，新舊技術(shù)領(lǐng)域間的知識耦合具有更高的知識原創(chuàng)性，研發(fā)人員在新技術(shù)領(lǐng)域的引入過程中進(jìn)一步開拓創(chuàng)新智力，深化對原有領(lǐng)域知識的理解，以加強(qiáng)對新技術(shù)領(lǐng)域的勘探和對固有知識交流互動(dòng)秩序的沖擊。根據(jù)以上分析，本文提出假設(shè)3：企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能夠促進(jìn)新舊技術(shù)領(lǐng)域間的知識耦合，且新舊技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)具有正相關(guān)關(guān)系。

2 研究設(shè)計(jì)

2.1 變量選取

被解釋變量：知識流動(dòng)（Flow）。知識流動(dòng)反映了專利知識資源的流動(dòng)情況，即專利的引用信息，專利之間的相互引證關(guān)系可以構(gòu)建為知識流動(dòng)網(wǎng)絡(luò)。企業(yè)知識的主動(dòng)汲取和擴(kuò)散轉(zhuǎn)移均體現(xiàn)出知識的流動(dòng)特征，本文采用專利被引用數(shù)加1的對數(shù)測度企業(yè)的知識流出情況，表示企業(yè)專利被其他主體引用的總次數(shù)。

核心解釋變量：數(shù)字化轉(zhuǎn)型（Dig）。企業(yè)年報(bào)能夠體現(xiàn)企業(yè)的管理思維和戰(zhàn)略傾向，因此統(tǒng)計(jì)企業(yè)年報(bào)中涉及企業(yè)“數(shù)字化轉(zhuǎn)型”的詞頻以表征其轉(zhuǎn)型程度具有可行性。根據(jù)已有研究，將數(shù)字化轉(zhuǎn)型分為“底層技術(shù)”（Dig-Tech）和“實(shí)踐應(yīng)用”（DigApply）兩類，底層技術(shù)包含人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等技術(shù)，代表了企業(yè)技術(shù)驅(qū)動(dòng)轉(zhuǎn)型的前沿趨向，實(shí)踐應(yīng)用則側(cè)重?cái)?shù)字技術(shù)與其他領(lǐng)域結(jié)合的運(yùn)用表現(xiàn)，故采用底層技術(shù)類詞頻數(shù)加1的自然對數(shù)測度數(shù)字化轉(zhuǎn)型，實(shí)踐應(yīng)用類用于穩(wěn)健性檢驗(yàn)。

中介變量：知識耦合（Coup）。為充分反映知識耦合變量的動(dòng)態(tài)性能，本文借鑒文獻(xiàn)[16]，進(jìn)行如下測量：

第一步，每項(xiàng)專利在通過審查后都會被賦予至少一個(gè)IPC 分類號，因此通過IPC 分類的技術(shù)等級可以進(jìn)行知識耦合的度量。本文以專利的主IPC 小類（前四位）作為技術(shù)領(lǐng)域的劃分依據(jù)。為避免短期內(nèi)波動(dòng)，選擇3年作為一個(gè)動(dòng)態(tài)窗口使影響最小化，并設(shè)定兩個(gè)時(shí)間段T1、T2分別表示t-5年至t-3年、t-2年至t年的耦合期，假設(shè)企業(yè)的知識基礎(chǔ)或?qū)＠M合由其從t-5 年至t-3 年積累的專利組成，則企業(yè)i 在技術(shù)領(lǐng)域j 和k 之間的知識耦合度li，j-k，t-5to t-3可表示為：

其中，nj是企業(yè)i在技術(shù)領(lǐng)域j擁有的專利數(shù)，nk是企業(yè)i在技術(shù)領(lǐng)域k擁有的專利數(shù)，njk是企業(yè)同時(shí)在技術(shù)領(lǐng)域j和k擁有的專利數(shù)。所有兩兩技術(shù)領(lǐng)域間的知識耦合度li，j-k，t-5to t-3組成了企業(yè)i 的知識耦合矩陣L，即企業(yè)的知識基礎(chǔ)。njk的存在表明企業(yè)在技術(shù)領(lǐng)域j 和k 間具有知識的耦合性，但其無法反映非專利的知識類型。

第二步，計(jì)算企業(yè)i 知識在T1、T2 兩個(gè)時(shí)間段的耦合變化，耦合變化表示為兩個(gè)時(shí)間段之間耦合產(chǎn)生顯著變化的兩兩技術(shù)領(lǐng)域的總加權(quán)數(shù)，當(dāng)耦合矩陣某元素的加權(quán)值超過矩陣所有元素排序的第一四分位值時(shí)，表明該耦合元素是具有顯著變化的，如從T1 時(shí)期的第一四分位值變?yōu)門2時(shí)期的第三、四分位值等多種顯著增強(qiáng)或減弱情況，規(guī)避了耦合隨企業(yè)知識基礎(chǔ)大小而變化的影響。權(quán)重計(jì)算為(pj+pk)/2+(p’j+p’k)/2，其中，pj、pk和p’j、p’k分別表示在T1 和T2 時(shí)間段企業(yè)在技術(shù)領(lǐng)域j 和k 的專利數(shù)占當(dāng)期總專利數(shù)的百分比。

第三步，假設(shè)耦合矩陣L中有s個(gè)知識耦合具有顯著變化，故企業(yè)在T1、T2時(shí)間段知識耦合的動(dòng)態(tài)變化可表示為：

其中，un，T1和un，T2表示經(jīng)過T1和T2時(shí)間段，耦合矩陣L中產(chǎn)生顯著變化的知識耦合集合。原有技術(shù)領(lǐng)域間的知識耦合（CoupEx）測量為兩個(gè)時(shí)間段內(nèi)存在的領(lǐng)域之間的耦合變化，新舊技術(shù)領(lǐng)域間的知識耦合（CoupNew）測量為領(lǐng)域之間增加耦合所產(chǎn)生的變化。

為了增強(qiáng)模型的合理性，參照已有研究控制了一系列可能影響數(shù)字化轉(zhuǎn)型的企業(yè)特征變量，包括企業(yè)規(guī)模（Size）、人力資本（Huc）、研發(fā)投入（Inv）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)回報(bào)率（Roa）。各變量的計(jì)算方法及說明見表1。

表1 變量說明

2.2 模型構(gòu)建

為進(jìn)一步認(rèn)識數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)的影響，設(shè)定如下計(jì)量模型：

其中，Y 為企業(yè)知識流動(dòng)，Dig 為數(shù)字化轉(zhuǎn)型指數(shù)，Con 代表控制變量集，T 代表時(shí)間固定效應(yīng)以控制年度的影響，ε為隨機(jī)誤差項(xiàng)。依據(jù)理論假設(shè)，在公式（1）的基礎(chǔ)上設(shè)定中介效應(yīng)模型：

其中，Coup為知識耦合中介變量，若模型（2）中Dig對Coup 回歸結(jié)果顯著，且模型（3）的Coup 對Y 回歸結(jié)果顯著，則證明中介效應(yīng)存在。α1為數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)影響的總效應(yīng)，γ1為數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)的直接效應(yīng)，β1*γ2為數(shù)字化轉(zhuǎn)型激發(fā)企業(yè)知識耦合從而促進(jìn)知識流動(dòng)的間接效應(yīng)。

2.3 樣本選取與數(shù)據(jù)來源

本文以2014—2019 年我國滬深A(yù) 股上市的ICT 制造業(yè)企業(yè)為研究對象。ICT 制造業(yè)作為國內(nèi)產(chǎn)業(yè)數(shù)字化的首要矩陣，一方面，ICT制造業(yè)企業(yè)具有研發(fā)實(shí)力強(qiáng)、知識活性與累積性高的特點(diǎn)，專利代表性較好且數(shù)據(jù)易于收集；另一方面，企業(yè)數(shù)字化原生性較高，具有一定的轉(zhuǎn)型基礎(chǔ)。為提高實(shí)證分析質(zhì)量，對樣本企業(yè)進(jìn)行如下處理：（1）剔除ST、*ST、PT 標(biāo)記股以及退市的企業(yè)；（2）剔除企業(yè)首次公開募股的觀測值；（3）剔除在樣本期內(nèi)專利數(shù)為0 以及財(cái)務(wù)等關(guān)鍵指標(biāo)連續(xù)缺失或異常的樣本。企業(yè)的相關(guān)數(shù)據(jù)來自國泰安數(shù)據(jù)庫，數(shù)字化轉(zhuǎn)型指數(shù)根據(jù)上市企業(yè)年報(bào)測算而得，企業(yè)專利數(shù)據(jù)來自國家知識產(chǎn)權(quán)局專利檢索數(shù)據(jù)庫和Patsnap，以3 年為一個(gè)窗口期，并基于穩(wěn)健性檢驗(yàn)的考量收集2013—2020年的專利數(shù)據(jù)。對解釋變量進(jìn)行滯后1期處理。

3 實(shí)證分析

3.1 基準(zhǔn)回歸分析

表2 報(bào)告了數(shù)字化轉(zhuǎn)型影響企業(yè)知識流動(dòng)的基準(zhǔn)回歸結(jié)果，列（1）為將數(shù)字化轉(zhuǎn)型的底層技術(shù)指標(biāo)作為解釋變量且未加入控制變量的回歸結(jié)果，結(jié)果顯示，底層技術(shù)的系數(shù)在5%的水平上顯著，表明數(shù)字化轉(zhuǎn)型程度越高，企業(yè)的知識流動(dòng)性越好。列（2）進(jìn)一步納入控制變量，底層技術(shù)的系數(shù)仍保持在5%的水平上顯著。列（3）、列（4）運(yùn)用數(shù)字化轉(zhuǎn)型的實(shí)踐應(yīng)用指標(biāo)作為解釋變量進(jìn)行回歸，控制變量處理與前兩列相同，以檢驗(yàn)結(jié)論的穩(wěn)健性，結(jié)果顯示未產(chǎn)生實(shí)質(zhì)性差異。上述結(jié)果表明，控制變量的加入使相關(guān)不可控影響被吸收，優(yōu)化了回歸的擬合程度，同時(shí)也證實(shí)了數(shù)字化轉(zhuǎn)型與企業(yè)知識流動(dòng)之間的顯著正相關(guān)關(guān)系，即假設(shè)1得證，隨著數(shù)字化轉(zhuǎn)型程度的增加，企業(yè)知識管理的手段和理念不斷更新，系統(tǒng)性和協(xié)調(diào)性的增強(qiáng)使知識在橫縱向與內(nèi)外部的交流互動(dòng)愈發(fā)流暢便捷。列（5）、列（6）分別展示了數(shù)字化轉(zhuǎn)型對原有技術(shù)領(lǐng)域間的知識耦合與新舊技術(shù)領(lǐng)域間的知識耦合的回歸結(jié)果，結(jié)果顯示，數(shù)字化轉(zhuǎn)型與知識耦合存在顯著的正相關(guān)關(guān)系，在5%的水平上顯著。

表2 基準(zhǔn)回歸結(jié)果

3.2 知識耦合的中介效應(yīng)分析

以上分析表明，數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)知識流動(dòng)，同時(shí)也對原有技術(shù)領(lǐng)域間的知識耦合與新舊技術(shù)領(lǐng)域間的知識耦合具有正向作用。表3報(bào)告了數(shù)字化轉(zhuǎn)型、知識耦合對企業(yè)知識流動(dòng)的回歸結(jié)果，列（1）為只包含控制變量的空模型。列（2）將原有技術(shù)領(lǐng)域間的知識耦合及其平方項(xiàng)加入模型中，結(jié)果顯示平方項(xiàng)系數(shù)為正且在1%的水平上顯著，表現(xiàn)為“U”型影響，同時(shí)一次項(xiàng)系數(shù)為負(fù)且在1%的水平上顯著，表現(xiàn)為頂點(diǎn)x大于0，說明原有技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)之間具有“U”型關(guān)系，假設(shè)2得證。列（3）將新舊技術(shù)領(lǐng)域間的知識耦合加入模型中，結(jié)果顯示系數(shù)在1%的水平上顯著為正，說明新舊技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)具有正相關(guān)關(guān)系，假設(shè)3得證。

表3 知識耦合的中介效應(yīng)

列（4）中將數(shù)字化轉(zhuǎn)型與原有技術(shù)領(lǐng)域間的知識耦合加入回歸，其回歸系數(shù)顯著為正（β=0.049，P＜0.05；β=0.005，P＜0.01），原有技術(shù)領(lǐng)域間的知識耦合在數(shù)字化轉(zhuǎn)型與企業(yè)知識流動(dòng)之間具有部分中介作用。同樣，在列（5）中將數(shù)字化轉(zhuǎn)型與新舊技術(shù)領(lǐng)域間的知識耦合加入回歸，其回歸系數(shù)顯著為正（β=0.047，P＜0.05；β=0.302，P＜0.01），新舊技術(shù)領(lǐng)域間的知識耦合在數(shù)字化轉(zhuǎn)型與企業(yè)知識流動(dòng)之間具有部分中介作用。

4 穩(wěn)健性檢驗(yàn)

4.1 替換被解釋變量

在知識多樣化的環(huán)境下，企業(yè)合作交流不再局限于同質(zhì)化資源，而是通過加快企業(yè)知識資源的流入，將外部知識內(nèi)化為自身要素，因此為進(jìn)一步檢驗(yàn)企業(yè)的知識流入水平與創(chuàng)新合作效力，將專利引用數(shù)作為被解釋變量的替代變量，即企業(yè)引用其他主體專利總次數(shù)加1 的自然對數(shù)。如下頁表4 列（1）、列（2）所示，數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)具有顯著影響（β=0.042，P＜0.05；β=0.004，P＜0.1），表明企業(yè)在進(jìn)行數(shù)字化對外知識傳輸?shù)耐瑫r(shí)也使內(nèi)向知識通道得以擴(kuò)容，有利于要素的流入。

表4 穩(wěn)健性檢驗(yàn)：替換被解釋變量、調(diào)整時(shí)間窗口

4.2 調(diào)整時(shí)間窗口

知識耦合的指數(shù)測量在一定程度上會受時(shí)間窗口的影響，因此將時(shí)間窗口調(diào)整為4 年，即選取2013—2020 年的企業(yè)專利數(shù)據(jù)，以t-7 年至t-4 年和t-3 年至t 年為窗口劃分，得到新的知識耦合變量，并代入回歸方程。表4 列（3）、列（4）分別為原有技術(shù)領(lǐng)域間知識耦合與新舊技術(shù)領(lǐng)域間知識耦合對企業(yè)知識流動(dòng)的回歸結(jié)果，兩者系數(shù)均在10%的水平上顯著（β=0.001，P＜0.01；β=0.350，P＜0.01），說明知識耦合與企業(yè)知識流動(dòng)具有穩(wěn)定的相關(guān)關(guān)系，但相比3年期窗口，其顯著性水平明顯有所下降，表明3年的窗口期是較為合理的區(qū)間選擇。列（5）、列（6）分別為數(shù)字化轉(zhuǎn)型對原有技術(shù)領(lǐng)域間知識耦合與新舊技術(shù)領(lǐng)域間知識耦合的回歸結(jié)果，估計(jì)系數(shù)均不顯著，原因可能在于現(xiàn)階段樣本企業(yè)大多處于數(shù)字化初期，較長的時(shí)間窗口使企業(yè)知識基礎(chǔ)的變動(dòng)方向愈加復(fù)雜且難以預(yù)測，數(shù)字化驅(qū)動(dòng)力不足以支撐企業(yè)較大跨幅的知識耦合行為，致使二者的顯著關(guān)系弱化。

4.3 傾向得分匹配（PSM）

不同企業(yè)的數(shù)字基礎(chǔ)具有較大的差異性，且數(shù)字化水平會受到企業(yè)初始轉(zhuǎn)型能力、管理者轉(zhuǎn)型意愿等內(nèi)在行為影響，加劇了企業(yè)個(gè)體間的ICT 轉(zhuǎn)型差異，使數(shù)字化轉(zhuǎn)型程度高的企業(yè)無法與程度低的企業(yè)進(jìn)行控制比較，從而造成自選擇偏差等內(nèi)生性問題。為減小數(shù)字化轉(zhuǎn)型的變量內(nèi)在誤差，采用傾向得分匹配法，在小樣本的情況下為獲取更多的匹配樣本，以75%分位數(shù)為組別劃分，選擇人力資本、研發(fā)投入、資產(chǎn)負(fù)債率、資本回報(bào)率與企業(yè)規(guī)模為協(xié)變量，使用logit 回歸估計(jì)傾向得分，并在共同取值區(qū)間按照無放回的1∶3 近鄰匹配原則將數(shù)字化轉(zhuǎn)型程度較高的實(shí)驗(yàn)組與數(shù)字化轉(zhuǎn)型程度較低的控制組進(jìn)行相似度匹配，結(jié)果如表5 所示，匹配后各變量的標(biāo)準(zhǔn)化偏差絕對值均小于5%，且t 檢驗(yàn)結(jié)果表明不拒絕實(shí)驗(yàn)組與控制組無系統(tǒng)差異的原假設(shè)。將匹配后的樣本重新回歸，結(jié)果如表6 列（1）所示，數(shù)字化轉(zhuǎn)型對企業(yè)知識流動(dòng)的影響在5%的水平上顯著為正（β=0.055，P＜0.05），研究結(jié)論仍然成立。

表5 樣本匹配平衡性檢驗(yàn)

表6 穩(wěn)健性檢驗(yàn)：PSM回歸、Heckman兩步法

4.4 Heckman兩步法

從數(shù)字化轉(zhuǎn)型與知識流動(dòng)的互動(dòng)邏輯看，一方面，數(shù)字化轉(zhuǎn)型對后發(fā)企業(yè)往往有著相對嚴(yán)苛的限入條件，需要企業(yè)擁有持續(xù)的資金投入能力，并建立初步的知識基礎(chǔ)和壁壘優(yōu)勢；另一方面，數(shù)字化轉(zhuǎn)型程度高的企業(yè)更容易實(shí)現(xiàn)用戶聚焦與知識獲取，同樣，具有高試錯(cuò)能動(dòng)性和知識流動(dòng)性的企業(yè)通常也更有能力開展數(shù)字化建設(shè)，這種隱含的樣本選擇偏差問題容易導(dǎo)致強(qiáng)者恒強(qiáng)的“馬太效應(yīng)”。因此，本文采用Heckman 兩步法檢驗(yàn)內(nèi)生性，第一步采用Probit 估計(jì)數(shù)字化虛擬變量，引入企業(yè)上一期的數(shù)字化轉(zhuǎn)型指數(shù)和相關(guān)控制變量作為解釋變量，結(jié)果如表6 列（2）所示，逆米爾斯比率顯著（β=-0.050，P＜0.01），說明樣本選擇存在偏誤，第二步數(shù)字化轉(zhuǎn)型的系數(shù)顯著性與基準(zhǔn)結(jié)果一致（β=1.031，P＜0.01）。

5 結(jié)論與啟示

本文運(yùn)用2014—2019年的ICT制造業(yè)上市企業(yè)數(shù)據(jù)，探討了數(shù)字化轉(zhuǎn)型、知識耦合對企業(yè)知識流動(dòng)的效用機(jī)制。結(jié)果表明：（1）企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型對知識流動(dòng)具有顯著的促進(jìn)作用，經(jīng)過一系列穩(wěn)健性檢驗(yàn)后顯著效果依然存在。（2）知識耦合在數(shù)字化轉(zhuǎn)型與知識流動(dòng)的關(guān)系中具有傳導(dǎo)作用，原有技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)呈現(xiàn)“U”型關(guān)系，而新舊技術(shù)領(lǐng)域間的知識耦合與企業(yè)知識流動(dòng)具有正相關(guān)關(guān)系。（3）數(shù)字化轉(zhuǎn)型對兩種知識耦合均呈現(xiàn)顯著的正向影響，這種影響受到時(shí)間窗口的約束，在調(diào)整為4年窗口期之后，兩種知識耦合對企業(yè)知識流動(dòng)的影響依然顯著，但其顯著性水平有所下降，同時(shí)數(shù)字化轉(zhuǎn)型對知識耦合的影響不再顯著。

基于以上結(jié)論，本文得到以下啟示：（1）從短期視角來看，企業(yè)在原有技術(shù)領(lǐng)域的知識耦合過程中需要加強(qiáng)對已有知識的控制認(rèn)知，規(guī)避路徑依賴和“鎖定效應(yīng)”的形成；在新舊技術(shù)領(lǐng)域的知識耦合過程中既要從“量”的角度上加強(qiáng)跨界知識的挖掘與耦合，又要從“質(zhì)”的屬性上嘗試異質(zhì)性知識的吸收與轉(zhuǎn)化，勇于跳出行業(yè)競爭的知識同心圈，來降低跨界需求及傳導(dǎo)時(shí)滯性對企業(yè)知識導(dǎo)向選擇的風(fēng)險(xiǎn)影響。（2）從中長期視角來看，企業(yè)在科學(xué)制定中長期發(fā)展的戰(zhàn)略規(guī)劃時(shí)，應(yīng)在實(shí)際運(yùn)營場景中將數(shù)字化思維體現(xiàn)于企業(yè)各類管理文件中，加強(qiáng)轉(zhuǎn)型意識，不僅要達(dá)到企業(yè)業(yè)務(wù)的“上云”化，還要將數(shù)字技術(shù)應(yīng)用到財(cái)務(wù)行政、組織人事等非業(yè)務(wù)領(lǐng)域，提高數(shù)字驅(qū)動(dòng)力和知識原生化水平。（3）從內(nèi)部機(jī)制視角來看，企業(yè)在將核心觀念聚焦知識價(jià)值的同時(shí)，也應(yīng)當(dāng)順應(yīng)數(shù)字經(jīng)濟(jì)發(fā)展趨勢，注重?cái)?shù)字技術(shù)與自身優(yōu)勢業(yè)務(wù)的融合，通過“干中學(xué)”的方式強(qiáng)化企業(yè)在知識耦合過程中的轉(zhuǎn)型驅(qū)動(dòng)優(yōu)勢、知識組合優(yōu)勢。