邱洋冬

一、引言

當(dāng)前我國正面臨發(fā)達國家科技封鎖與新冠肺炎疫情的雙重沖擊，努力實現(xiàn)高水平科技自立自強具有空前的重要性與緊迫性，如何抓住數(shù)字經(jīng)濟發(fā)展機遇，充分發(fā)揮數(shù)字經(jīng)濟賦能科技自立自強，是我們當(dāng)前需要解答的重大課題。2022年全國兩會中“數(shù)字經(jīng)濟”成為代表委員熱議的重點話題，同時國務(wù)院總理李克強在政府工作報告中明確指出，“提升科技創(chuàng)新能力”與“促進數(shù)字經(jīng)濟發(fā)展”是2022年政府工作的重要內(nèi)容。根據(jù)《數(shù)字中國發(fā)展報告(2020年)》數(shù)據(jù)顯示，2020年中國數(shù)字經(jīng)濟核心產(chǎn)業(yè)增加值占GDP比重達到7.8%，成為推動經(jīng)濟高質(zhì)量發(fā)展的重要力量。但是其背后的作用機制是什么？知識來源在此過程中發(fā)揮了怎樣的作用？現(xiàn)有研究對此缺乏深入探討。為此，本文立足于當(dāng)下大力發(fā)展數(shù)字經(jīng)濟的特征事實，在測度企業(yè)創(chuàng)新績效與知識來源指標的基礎(chǔ)上，致力于檢驗數(shù)字化變革對企業(yè)創(chuàng)新績效的影響并識別其作用機制，從知識來源視角為數(shù)字經(jīng)濟推動經(jīng)濟高質(zhì)量發(fā)展提供理論解釋與經(jīng)驗支撐，以期打開數(shù)字經(jīng)濟影響企業(yè)創(chuàng)新績效的黑箱。

盡管近年來數(shù)字經(jīng)濟發(fā)展引起了學(xué)術(shù)界的廣泛關(guān)注，但是研究焦點主要集中在規(guī)模測算(1)許憲春、張美慧:《中國數(shù)字經(jīng)濟規(guī)模測算研究——基于國際比較的視角》，《中國工業(yè)經(jīng)濟》2020年第5期。、高質(zhì)量發(fā)展(2)趙濤、張智、梁上坤:《數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)》，《管理世界》2020年第10期。、產(chǎn)業(yè)轉(zhuǎn)移(3)孫早、侯玉琳:《工業(yè)智能化與產(chǎn)業(yè)梯度轉(zhuǎn)移:對“雁陣理論”的再檢驗》，《世界經(jīng)濟》2021年第7期。以及文化產(chǎn)業(yè)發(fā)展(4)江小涓:《數(shù)字時代的技術(shù)與文化》，《中國社會科學(xué)》2021年第8期。等方面，而有關(guān)數(shù)字經(jīng)濟與企業(yè)創(chuàng)新的研究則主要聚焦在作用效果評估上，對機制的識別研究較為匱乏，特別是忽略了知識來源這一重要作用機制。邱子迅和周亞虹(5)邱子迅、周亞虹:《數(shù)字經(jīng)濟發(fā)展與地區(qū)全要素生產(chǎn)率——基于國家級大數(shù)據(jù)綜合試驗區(qū)的分析》，《財經(jīng)研究》2021年第7期。的實證研究結(jié)果發(fā)現(xiàn)，數(shù)字經(jīng)濟發(fā)展有助于提升地區(qū)制造業(yè)企業(yè)的智能化意識和研發(fā)水平；王鋒正等(6)王鋒正、劉向龍、張蕾、程文超:《數(shù)字化促進了資源型企業(yè)綠色技術(shù)創(chuàng)新嗎?》，《科學(xué)學(xué)研究》2022年第2期。發(fā)現(xiàn)數(shù)字經(jīng)濟發(fā)展與資源型企業(yè)綠色技術(shù)創(chuàng)新之間存在倒U型關(guān)系，過高的數(shù)字經(jīng)濟發(fā)展水平，或者數(shù)字經(jīng)濟的盲目擴張可能弱化資源型企業(yè)綠色技術(shù)創(chuàng)新動力。胡山和余泳澤(7)胡山、余泳澤:《數(shù)字經(jīng)濟與企業(yè)創(chuàng)新：突破性創(chuàng)新還是漸進性創(chuàng)新?》，《財經(jīng)問題研究》2022年第1期。的實證研究結(jié)果發(fā)現(xiàn)，數(shù)字經(jīng)濟對企業(yè)創(chuàng)新的影響呈現(xiàn)出突破性創(chuàng)新顯著而漸進性創(chuàng)新不顯著的非對稱特征。少部分學(xué)者對數(shù)字經(jīng)濟影響企業(yè)創(chuàng)新的作用機制進行了識別，主要包括以下幾個方面：降低交易成本(8)Thompson P，Williams R，Thomas B.,“Are UK SMEs with Active Web Sites More Likely to Achieve Both Innovation and Growth?”，Journal of Small Business & Enterprise Development，2014，20(4)，pp.934-965.與協(xié)調(diào)成本(9)Clemons E K，Row M C.,“Information Technology and Industrial Cooperation: The Changing Economics of Coordination and Ownership”，Journal of Management Information Systems，1992，9(2)，pp.9-28.、減少資源錯配、吸納高端人才集聚、促進企業(yè)與高校科研院所的技術(shù)合作、降低環(huán)境不確定性(10)申明浩、譚偉杰、陳釗泳:《數(shù)字經(jīng)濟發(fā)展對企業(yè)創(chuàng)新的影響——基于A股上市公司的經(jīng)驗證據(jù)》，《南方金融》2022年第2期。等方面。然而，現(xiàn)有文獻對知識來源這一重要機制缺乏深入研究。知識獲取、轉(zhuǎn)換和利用的遞歸過程共同構(gòu)成了創(chuàng)新價值鏈，(11)Roper S，Du J，Love J H.,“Modelling the Innovation Value Chain”，Research Policy，2008，37(6-7)，pp.961-977.其中知識獲取是創(chuàng)新價值鏈首要環(huán)節(jié)。本文致力于從知識來源視角，剖析數(shù)字化變革影響企業(yè)創(chuàng)新績效的作用機制。

本文認為數(shù)字經(jīng)濟打破了知識獲取的傳統(tǒng)途徑，通過豐富企業(yè)知識來源的渠道影響了企業(yè)創(chuàng)新績效。與既有研究相比，本文的邊際貢獻可能體現(xiàn)在以下三個方面：第一，本文借助豐富的專利數(shù)據(jù)，綜合考慮專利數(shù)量與專利質(zhì)量，從知識寬度、專利引用、專利族等維度測算出企業(yè)創(chuàng)新績效指標，探索性地檢驗了數(shù)字化變革對企業(yè)創(chuàng)新績效的影響，不僅契合當(dāng)下高質(zhì)量發(fā)展導(dǎo)向的時代背景，而且有助于更全面科學(xué)地評估數(shù)字化變革的創(chuàng)新激勵效果。第二，區(qū)別于既有研究從降低交易成本與經(jīng)營成本、減少資源錯配、緩解企業(yè)融資約束、吸納高端人才集聚等方面探討數(shù)字經(jīng)濟影響企業(yè)創(chuàng)新的作用機制，本文從知識來源的視角，致力于識別數(shù)字化變革影響企業(yè)創(chuàng)新的作用機制，打開數(shù)字經(jīng)濟影響企業(yè)創(chuàng)新績效的黑箱，不僅拓展了數(shù)字經(jīng)濟與企業(yè)創(chuàng)新相關(guān)文獻的研究視角，而且有助于豐富社會各界對數(shù)字經(jīng)濟影響企業(yè)創(chuàng)新績效的機制認識。

二、理論基礎(chǔ)和研究假說

(一)知識資源與企業(yè)創(chuàng)新

傳統(tǒng)的資源基礎(chǔ)理論可以分為資源觀、能力觀與知識觀三種類型，其中資源觀認為企業(yè)是各種資源的集合體，不同企業(yè)之間的競爭力差異來源于其獲取資源的異質(zhì)性；(12)Barney J.,“Firm Resources and Sustained Competitive Advantage”，Journal of Management，1991，17(1)，pp.99-120.能力觀的核心觀點是，不同企業(yè)之間的競爭力差異來源于其自身能力(包括企業(yè)家、員工、機器設(shè)備等)的異質(zhì)性，自身能力越強的企業(yè)，越能夠在長期積累中保持獨特而持久的競爭優(yōu)勢。(13)夏清華:《從資源到能力:競爭優(yōu)勢戰(zhàn)略的一個理論綜述》，《管理世界》2002年第4期。而知識觀的核心觀點是，不同企業(yè)之間的競爭力差異來源于其自身擁有知識的異質(zhì)性，同時不同企業(yè)之間能力上的差異來源于其自身知識積累以及知識結(jié)構(gòu)的異質(zhì)性，擁有知識資源越豐富，企業(yè)越可能開發(fā)出新的知識與資源，從而通過不斷積累提升企業(yè)的能力，進而維持并提升其核心競爭力。然而，傳統(tǒng)的資源基礎(chǔ)理論過分強調(diào)企業(yè)自身資源對核心競爭力把控的重要性，而忽略了外部資源可能對企業(yè)維持核心競爭力的作用。資源依賴理論則更加強調(diào)外部環(huán)境與外部資源對企業(yè)的影響，研究外部環(huán)境與外部資源(社會政治因素、政策、制度環(huán)境等)對企業(yè)經(jīng)濟活動(14)Hillman A J，Zardkoohi A，Bierman L.,“Corporate Political Strategies and Firm Performance: Indications of Firm‐Specific Benefits from Personal Service in the US Government”，Strategic Management Journal，1999，20(1)，pp.67-81.與創(chuàng)新活動(15)Ozer M，L Markóczy.,“Complementary or Alternative? The Effects of Corporate Political Strategy on Innovation”，Journal of Strategy & Management，2010，81(3)，pp.441-466.的影響。

資源基礎(chǔ)與資源依賴理論很好地補充了創(chuàng)新理論，更好地解釋外部環(huán)境與外部資源對企業(yè)創(chuàng)新行為的影響。作為一種風(fēng)險性投資行為，企業(yè)創(chuàng)新活動對資源獲取具有極強的依賴性，并且資源獲取能力在很大程度上決定了企業(yè)未來的創(chuàng)新決策、創(chuàng)新動機以及創(chuàng)新績效。除金融資源之外，企業(yè)創(chuàng)新對知識資源也存在極強的依賴性。知識基礎(chǔ)理論(Knowledge-based View)認為，企業(yè)是實現(xiàn)知識整合的重要組織，能夠比市場更有效地整合專業(yè)知識。(16)Grant R M.,“Toward a Knowledge‐Based Theory of the Firm”，Strategic Management Journal，1996，17(2)，pp.109-122.大量理論研究與經(jīng)驗研究結(jié)果表明，知識資源是企業(yè)創(chuàng)新的關(guān)鍵生產(chǎn)要素，是提升企業(yè)核心競爭力、實現(xiàn)企業(yè)高質(zhì)量發(fā)展的重要因素，知識獲取的數(shù)量與質(zhì)量可能直接構(gòu)成企業(yè)的競爭優(yōu)勢。(17)Zahra S A，Nielsen A P.,“Sources of Capabilities, Integration and Technology Commercialization”，Strategic Management Journal，2002，23(5)，pp.377-398.知識獲取與知識學(xué)習(xí)不僅能夠加速企業(yè)知識資本積累，而且有助于在未來更好地實現(xiàn)內(nèi)外部知識整合，以產(chǎn)出新的產(chǎn)品與知識。特別是對于科創(chuàng)企業(yè)以及知識資源較為匱乏的初創(chuàng)企業(yè)而言，迫切需要更好地整合與利用外部知識進行技術(shù)創(chuàng)新，以適應(yīng)市場需求以及實現(xiàn)企業(yè)快速成長。(18)Friesl M.,“Knowledge Acquisition Strategies and Company Performance in Young High Technology Companies”，British Journal of Management，2012，23(3)，pp.325-343.

(二)數(shù)字經(jīng)濟、知識來源與企業(yè)創(chuàng)新

知識獲取、轉(zhuǎn)換和利用的遞歸過程共同構(gòu)成了創(chuàng)新價值鏈，(19)Roper S，Du J，Love J H.,“Modelling the Innovation Value Chain”，Research Policy，2008，37(6-7)，pp.961-977.其中知識獲取是創(chuàng)新價值鏈首要環(huán)節(jié)。在知識技術(shù)快速更迭以及全球化激烈競爭的時代背景下，提升企業(yè)獲取外部知識的能力顯得格外的重要。知識來源能夠較好地反映企業(yè)獲取知識資源的渠道與范圍，本文認為數(shù)字經(jīng)濟能夠通過豐富知識來源的方式促進企業(yè)創(chuàng)新績效的提升。具體地，本文關(guān)注知識來源的IPC廣度、科學(xué)關(guān)聯(lián)、地理范圍、跨國知識轉(zhuǎn)移以及合作研發(fā)五個維度。

第一，知識來源的IPC廣度。知識來源的IPC(International Patent Classification)廣度是指企業(yè)在專利創(chuàng)造中所引用專利的IPC個數(shù)，反映了企業(yè)對不同技術(shù)領(lǐng)域知識的學(xué)習(xí)與借鑒。通常專利所引用的IPC廣度越大，專利技術(shù)的知識來源越豐富，專利的原創(chuàng)性越高，(20)Gompers P，Lerner J，Scharfstein D.,“Entrepreneurial Spawning: Public Corporations and the Genesis of New Ventures，1986 to 1999”，The journal of Finance，2005，60(2)，pp.577-614.在未來更可能成為有價值的專利。數(shù)字經(jīng)濟具有連接性(connectivity)與融合性(convergence)特征，(21)Henfridsson O，Mathiassen L，Svahn F.,“Managing Technological Change in the Digital Age: the Role of Architectural Frames”，Journal of Information Technology，2014，29(1)，pp.27-43.不僅有助于提升企業(yè)對外部知識與技術(shù)的可獲性，有效促進企業(yè)對外部知識與技術(shù)的學(xué)習(xí)與運用，而且有助于實現(xiàn)創(chuàng)新資源的快速匹配與對接，豐富企業(yè)知識來源的廣度，進而提升企業(yè)創(chuàng)新績效。

第二，科學(xué)關(guān)聯(lián)?？茖W(xué)關(guān)聯(lián)度反映了技術(shù)發(fā)明與基礎(chǔ)科學(xué)之間的關(guān)聯(lián)程度，是企業(yè)學(xué)習(xí)與運用科學(xué)文獻的重要體現(xiàn)?，F(xiàn)有研究表明，引用更多科學(xué)文獻的專利，其專利價值可能也相對更高。(22)Harhoff D，Scherer F M，Vopel K.,“Citations, Family Size, Opposition and the Value of Patent Rights”，Research Policy，2003，32(8)，pp.1343-1363.特別是在新興領(lǐng)域開發(fā)新技術(shù)時，科學(xué)“鄰近性”至關(guān)重要。(23)Looy B V，Debackere K，Callaert J，et al.,“Scientific Capabilities and Technological Performance of National Innovation Systems: An Exploration of Emerging Industrial Relevant Research Domains”，Scientometrics，2006，66(2)，pp.295-310.數(shù)字經(jīng)濟時代，信息和通信技術(shù)(ICT)的運用為企業(yè)員工提供了便捷的信息獲取與共享平臺，(24)Hendriks P.,“Why Share Knowledge? The Influence of ICT on the Motivation for Knowledge Sharing”，Knowledge and Process Management，1999，6(2)，pp.91-100.從而增強企業(yè)與科學(xué)的“鄰近性”，促進企業(yè)創(chuàng)新績效的提升。

第三，地理范圍。過去大量文獻探討研發(fā)地理范圍以及創(chuàng)新區(qū)位選址對企業(yè)創(chuàng)新績效的影響，當(dāng)企業(yè)尋求創(chuàng)新時，企業(yè)必須決定研發(fā)活動的地理分布，而研發(fā)活動的適度分散化有助于企業(yè)獲得更加廣泛的外部知識，進而提升企業(yè)創(chuàng)新產(chǎn)出水平。(25)Lahiri N.,“Geographic Distribution of R&D Activity: How Does it Affect Innovation Quality?”，Academy of Management Journal，2010，53(5)，pp.1194-1209.事實上，過去企業(yè)選擇在不同地區(qū)進行創(chuàng)新區(qū)位布局，主要是因為地理鄰近在知識溢出過程中發(fā)揮了重要的作用，方便企業(yè)獲取更多的外部知識溢出。(26)Malmberg A，Maskell P.,“The Elusive Concept of Localization Economies: Towards a Knowledge-based Theory of Spatial Clustering”，Environment and Planning A: Economy and Space，2002，34(3)，pp.429-449.早期Jaffe等(27)Jaffe A B，Trajtenberg M，Henderson R.,“Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations”，Quarterly Journal of Economics，1993，108(3)，pp.577-598.通過美國專利引用數(shù)據(jù)發(fā)現(xiàn)，相比于其他地區(qū)專利，企業(yè)更傾向于引用本國甚至本地的專利。但是，隨著互聯(lián)網(wǎng)的迅速普及，企業(yè)獲取外部知識的地理范圍開始不斷擴大。特別是數(shù)字技術(shù)的可計算性與運算的高效性有助于減少信息摩擦，推進市場整合，這在一定程度上打破了地理空間對知識獲取的阻隔，(28)Gorodnichenko Y，Talavera O.,“Price Setting in Online Markets: Basic Facts, International Comparisons, and Cross-border Integration”，American Economic Review，2017，107(1)，pp.249-82.弱化了地理鄰近對知識溢出的作用，使得企業(yè)能夠獲取與學(xué)習(xí)更多其他地區(qū)的知識與技術(shù)，擴大企業(yè)知識來源的地理范圍，進而提升企業(yè)創(chuàng)新績效。

第四，跨國知識轉(zhuǎn)移。數(shù)字化技術(shù)的迅速推進，使得跨國技術(shù)創(chuàng)新網(wǎng)絡(luò)得到進一步發(fā)展。前沿技術(shù)逐步從單一國家研發(fā)模式轉(zhuǎn)變?yōu)槎鄧夜餐邪l(fā)模式，并且在這一過程中，中國在全球創(chuàng)新網(wǎng)絡(luò)的貢獻與地位不斷提升。(29)江小涓、靳景:《中國數(shù)字經(jīng)濟發(fā)展的回顧與展望》，《中共中央黨校(國家行政學(xué)院)學(xué)報》2022年第1期。企業(yè)可以在互聯(lián)網(wǎng)平臺實現(xiàn)跨國界的全球知識整合，較好地掌握國際前沿知識，特別是對于新興企業(yè)而言，掌握國際前沿能夠更好地彌補本土知識的缺失，從而對企業(yè)創(chuàng)新與新產(chǎn)品開發(fā)產(chǎn)生積極作用。(30)Naldi L，Davidsson P.,“Entrepreneurial Growth: The Role of International Knowledge Acquisition as Moderated by Firm Age”，Journal of Business Venturing，2014，29(5)，pp.687-703.

第五，合作研發(fā)。數(shù)字化技術(shù)已經(jīng)滲透到商業(yè)、制造、研發(fā)的各個環(huán)節(jié)，有助于加速企業(yè)的跨界融合，促進企業(yè)產(chǎn)品與技術(shù)的研發(fā)合作。(31)趙振:《“互聯(lián)網(wǎng)+”跨界經(jīng)營:創(chuàng)造性破壞視角》，《中國工業(yè)經(jīng)濟》2015年第10期?，F(xiàn)有研究普遍認為，合作研發(fā)是實現(xiàn)知識溢出、獲取外部知識來源的重要渠道。(32)Blomstrm M ，Kokko A.,“Multinational Corporations and Spillovers”，Journal of Economic Surveys，1998，12(3)，pp.247-277.不同研發(fā)主體的知識積累和技術(shù)水平不盡相同，合作研發(fā)能夠有效實現(xiàn)多主體之間的互補，豐富企業(yè)的知識來源。特別地，通過產(chǎn)學(xué)研合作能夠較好地實現(xiàn)基礎(chǔ)研究的成果轉(zhuǎn)化。大學(xué)與科研院所是知識創(chuàng)造的重要載體，企業(yè)與高校、科研院所的正式與非正式交流，有助于實現(xiàn)知識的跨組織轉(zhuǎn)移和學(xué)習(xí)，加速隱形知識與顯性知識的溢出，豐富企業(yè)的知識來源，(33)Kodama T.,“The Role of Intermediation and Absorptive Capacity in Facilitating University-Industry Linkages—An Empirical Study of TAMA in Japan”，Research Policy，2008，37(8)，pp.1224-1240.進而提升企業(yè)創(chuàng)新績效。

基于上述分析，本文提出以下研究假說：

假說H1：數(shù)字化變革有助于提升企業(yè)創(chuàng)新績效

假說H2：數(shù)字化變革通過豐富知識來源的方式促進企業(yè)創(chuàng)新績效的提升

三、研究設(shè)計

(一)基準模型構(gòu)建

為考察數(shù)字化變革對企業(yè)創(chuàng)新績效的影響，本文建立以下基準回歸模型：

Knowledgeit=β0+β1Digitizingit+φControlit+σj+γk+ηt+εit

(1)

其中，下標i、j、k和t分別對應(yīng)企業(yè)、省份、行業(yè)與年份，β0為截距項。Knowledge為被解釋變量企業(yè)創(chuàng)新績效。數(shù)字化變革水平(Digitizing)是本研究所關(guān)注的核心解釋變量，其系數(shù)估計值反映了數(shù)字化變革對企業(yè)創(chuàng)新績效的影響，如果系數(shù)估計值顯著為正，則研究假說1成立。Control為控制變量集，指標選取與具體測算方法如表1所示。此外，模型還加入了行業(yè)、省份和時間固定效應(yīng)，以緩解潛在的行業(yè)、省份特征與宏觀經(jīng)濟因素對估計結(jié)果的擾動。ε為隨機干擾項，用以刻畫其他非特異因素。

(二)變量定義

1.企業(yè)創(chuàng)新績效

現(xiàn)有研究對企業(yè)創(chuàng)新績效的測度方法主要包括：專利數(shù)量(34)黎文靖、鄭曼妮:《實質(zhì)性創(chuàng)新還是策略性創(chuàng)新?——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響》，《經(jīng)濟研究》2016年第4期。、R&D支出(35)解維敏、唐清泉、陸姍姍:《政府R&D資助，企業(yè)R&D支出與自主創(chuàng)新——來自中國上市公司的經(jīng)驗證據(jù)》，《金融研究》2009年第6期。以及新產(chǎn)品數(shù)量(36)Kochhar R，David P.,“Institutional Investors and Firm Innovation: A Test of Competing Hypotheses”，Strategic Management Journal，1996，17(1)，pp.73-84.。然而，R&D支出容易受到某種激勵而被高估或者低估，(37)Love J H，Ashcroft B，Dunlop S.,“Corporate Structure, Ownership and the Likelihood of Innovation”，Applied Economics，1996，28(6)，pp.737-746.而新產(chǎn)品數(shù)量的可比性較差。因此，專利數(shù)量在創(chuàng)新產(chǎn)出的度量中應(yīng)用較為廣泛，但是也有越來越多學(xué)者發(fā)現(xiàn)單純采用專利數(shù)量加總將忽視對專利質(zhì)量的考量。事實上，單純采用專利數(shù)量或者專利質(zhì)量均不能較好地反映企業(yè)真實創(chuàng)新水平，有鑒于此，本文借鑒邱洋冬和陶鋒(38)邱洋冬、陶鋒:《高新技術(shù)企業(yè)資質(zhì)認定政策的有效性評估》，《經(jīng)濟學(xué)動態(tài)》2021年第2期。的研究，選用知識寬度加權(quán)的發(fā)明專利數(shù)量來衡量企業(yè)創(chuàng)新績效，同時采用前向引用與專利族加權(quán)的發(fā)明專利數(shù)量來開展穩(wěn)健性檢驗。

2.數(shù)字化變革水平

現(xiàn)有研究主要采用綜合測度方法對數(shù)字經(jīng)濟進行測算，(39)趙濤、張智、梁上坤:《數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)》，《管理世界》2020年第10期。且測算的維度主要集中在省份與地區(qū)層面。盡管綜合指標法能夠較好地測算城市或者省份數(shù)字經(jīng)濟發(fā)展水平，但是數(shù)字經(jīng)濟發(fā)展的綜合指標難以表征企業(yè)在數(shù)字經(jīng)濟時代的數(shù)字變革水平，具體到微觀企業(yè)，數(shù)字經(jīng)濟發(fā)展更多體現(xiàn)在企業(yè)數(shù)字化轉(zhuǎn)型上。因此，本文探索性地采用企業(yè)數(shù)字化轉(zhuǎn)型指標來衡量數(shù)字化變革水平，具體測算參考吳非等(40)吳非、胡慧芷、林慧妍、任曉怡:《企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)》，《管理世界》2021年第7期。的思路，借助詞頻分析方法，以人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計算技術(shù)、大數(shù)據(jù)技術(shù)以及數(shù)字技術(shù)應(yīng)用五個維度的細分指標在上市公司年報出現(xiàn)頻次的對數(shù)值，衡量上市公司數(shù)字化轉(zhuǎn)型程度(Digitizing)，其中基礎(chǔ)數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。此外，基于穩(wěn)健性考慮，本文還借鑒趙濤等(41)趙濤、張智、梁上坤:《數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)》，《管理世界》2020年第10期。的方法，從互聯(lián)網(wǎng)發(fā)展和數(shù)字金融普惠兩個維度，采用主成分分析方法測算出每個地級市的數(shù)字經(jīng)濟發(fā)展水平(DigitalEco)。

3.控制變量

參考解維敏等(42)解維敏、唐清泉、陸姍姍:《政府R&D資助，企業(yè)R&D支出與自主創(chuàng)新——來自中國上市公司的經(jīng)驗證據(jù)》，《金融研究》2009年第6期。、黎文靖和鄭曼妮(43)黎文靖、鄭曼妮:《實質(zhì)性創(chuàng)新還是策略性創(chuàng)新?——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響》，《經(jīng)濟研究》2016年第4期。的研究，為更好地識別數(shù)字化變革對企業(yè)創(chuàng)新績效的影響，本文添加以下控制變量：企業(yè)規(guī)模(size)、財務(wù)杠桿(leverage)、盈利能力(ROA)、現(xiàn)金流水平(cash)、企業(yè)年齡(age)、董事長與總經(jīng)理是否兩職合一(dual)、董事會規(guī)模(board)。模型各變量定義如表1所示。

表1 主要變量定義及說明

(三)數(shù)據(jù)來源的描述性統(tǒng)計

本文選取2011-2018年中國滬深兩市A股上市公司數(shù)據(jù)作為基礎(chǔ)樣本，遵循研究慣例，剔除了ST與PT異常樣本、金融保險類樣本以及主要變量缺失的樣本。并且對連續(xù)變量進行1%和99%分位的極端縮尾處理。基礎(chǔ)數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫和incoPat專利數(shù)據(jù)庫，其中incoPat專利數(shù)據(jù)庫包含豐富的專利數(shù)據(jù)信息，為本文識別專利知識來源提供了較好的數(shù)據(jù)基礎(chǔ)。表2報告了主要變量的描述性統(tǒng)計結(jié)果，從表中可以發(fā)現(xiàn)，采用知識寬度加權(quán)發(fā)明專利數(shù)量衡量的企業(yè)創(chuàng)新績效(Knowledge)的均值為1.3162，數(shù)字化變革水平(Digitizing)的均值為0.9426，標準差為1.2722。

表2 主要變量的描述性統(tǒng)計結(jié)果

四、實證結(jié)果與分析

(一)數(shù)字化變革與企業(yè)創(chuàng)新績效

表3報告了數(shù)字化變革對企業(yè)創(chuàng)新績效的影響結(jié)果，每列回歸均控制了行業(yè)、省份和年度固定效應(yīng)，并且使用穩(wěn)健標準誤進行了修正。其中第(1)列報告了未添加控制變量的模型估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)系數(shù)估計值為正且在1%的顯著性水平下顯著；第(2)列為進一步控制企業(yè)規(guī)模與財務(wù)杠桿的模型估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值仍然顯著為正；第(3)列為進一步控制企業(yè)盈利能力和現(xiàn)金流水平等財務(wù)特征的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值仍然顯著為正；第(4)列為進一步控制企業(yè)年齡、董事會規(guī)模以及兩職合一等企業(yè)特征的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0870，且依然在1%的顯著性水平下顯著。上述結(jié)論揭示了，數(shù)字化變革對企業(yè)創(chuàng)新績效具有顯著的促進作用，支持研究假說1。經(jīng)濟意義上，數(shù)字化變革水平每提高1%，以知識寬度加權(quán)發(fā)明專利數(shù)量衡量的企業(yè)創(chuàng)新績效平均增加0.0870%。綜上說明，本研究所得基本結(jié)論不僅具有統(tǒng)計意義，也具有顯著的經(jīng)濟意義。

表3 數(shù)字化變革與企業(yè)創(chuàng)新績效的回歸結(jié)果

(二)穩(wěn)健性檢驗

1.遺漏變量處理

由于企業(yè)創(chuàng)新績效是復(fù)雜均衡的結(jié)果，因此分析數(shù)字化變革與企業(yè)創(chuàng)新績效的關(guān)系時，可能面臨遺漏不可觀測因素導(dǎo)致的內(nèi)生性問題。為此，本文采用以下方法以處理遺漏變量問題。第一，控制其他企業(yè)特征變量。借鑒楊洋等(44)楊洋、魏江、羅來軍:《誰在利用政府補貼進行創(chuàng)新?——所有制和要素市場扭曲的聯(lián)合調(diào)節(jié)效應(yīng)》，《管理世界》2015年第1期。的研究，進一步控制資本密集度、研發(fā)強度以及冗余資源對企業(yè)創(chuàng)新績效的影響，檢驗結(jié)果如表4第(1)列所示，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值仍然在1%的顯著性水平下顯著為正，說明在進一步控制這些企業(yè)特征因素干擾后，基準結(jié)論仍然保持穩(wěn)健。第二，控制隨時間變化的省份因素。一些隨時間變化的省份因素可能影響企業(yè)創(chuàng)新績效，因此本文采用控制高維固定效應(yīng)的方式對隨時間變化的省份特征因素進行控制，檢驗結(jié)果如表4

表4 遺漏變量處理結(jié)果

第(2)列所示，發(fā)現(xiàn)本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)仍然顯著為正。第三，控制隨時間變化的行業(yè)因素。一些隨時間變化的行業(yè)因素也可能影響企業(yè)創(chuàng)新績效，因此本文采用控制高維固定效應(yīng)的方式對隨時間變化的行業(yè)特征因素進行控制，檢驗結(jié)果如表4第(3)列所示，發(fā)現(xiàn)本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)仍然顯著為正。綜上說明，在進一步解決遺漏變量問題后，本文基準結(jié)論仍然保持穩(wěn)健。

2.工具變量法

本文進一步采用工具變量法解決內(nèi)生性問題，參考黃群慧等(45)黃群慧、余泳澤、張松林:《互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗》，《中國工業(yè)經(jīng)濟》2019年第8期。的思路，采用各城市1984年每百人固定電話數(shù)量與上一年全國移動互聯(lián)網(wǎng)用戶數(shù)的交互項作為數(shù)字化變革水平的工具變量。一方面，過去郵電基礎(chǔ)設(shè)施建設(shè)可能影響后續(xù)的互聯(lián)網(wǎng)布局，進而影響當(dāng)?shù)仄髽I(yè)數(shù)字化變革水平，即滿足工具變量的相關(guān)性要求；另一方面，郵電基礎(chǔ)設(shè)施對屬地企業(yè)創(chuàng)新的影響較為微弱，而1984年郵電基礎(chǔ)設(shè)施的影響則更加微乎其微，即滿足排他性要求。表5第(1)-(2)列報告了工具變量法第一階段回歸結(jié)果，可以發(fā)現(xiàn)無論是否添加控制變量，工具變量(IV)的系數(shù)估計值均至少在1%的顯著性水平下顯著為正，這說明郵電基礎(chǔ)設(shè)施建設(shè)與當(dāng)?shù)仄髽I(yè)數(shù)字化變革水平之間存在較強的正相關(guān)關(guān)系，滿足相關(guān)性要求。表5第(3)-(4)列報告了工具變量法第二階段回歸結(jié)果，可以發(fā)現(xiàn)無論是否添加控制變量，數(shù)字化變革(Digitizing)系數(shù)估計值均至少在1%的顯著性水平下顯著為正，這說明，在控制內(nèi)生性問題后，數(shù)字化變革有助于提升企業(yè)創(chuàng)新績效的基準結(jié)論仍然保持穩(wěn)健。

表5 工具變量估計結(jié)果

3.準自然實驗方法

除了工具變量法之外，本文還采用準自然實驗方法處理內(nèi)生性問題。具體地，根據(jù)上述計算的企業(yè)數(shù)字化變革水平變量，本文以數(shù)字化變革當(dāng)年作為政策實施年份，當(dāng)企業(yè)在第t期開始進行數(shù)字化變革，則t期之后政策變量Digitaltrans賦值為1，否則賦值為0，其系數(shù)估計值即為DID的平均處理效應(yīng)，旨在捕捉數(shù)字化變革對企業(yè)創(chuàng)新績效的實際影響。表6第(1)-(2)列為DID估計結(jié)果，無論是否添加控制變量，數(shù)字化變革Digitaltrans的系數(shù)估計值均至少在1%的顯著性水平下顯著為正，說明數(shù)字化變革有助于提升企業(yè)創(chuàng)新績效。經(jīng)濟意義上，第(2)列Digitaltrans的系數(shù)估計值為0.1543，說明相比于控制組企業(yè)，數(shù)字化變革使得實驗組企業(yè)的創(chuàng)新績效平均提升了15.43%，這揭示了數(shù)字化變革具有重要的經(jīng)濟意義。此外，本文還參考趙濤等(46)趙濤、張智、梁上坤:《數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)》，《管理世界》2020年第10期。的研究，借助“寬帶中國”試點這一外生政策沖擊，通過構(gòu)建多時點雙重差分模型檢驗數(shù)字化變革對企業(yè)創(chuàng)新績效的影響，結(jié)果如表6第(3)-(4)列所示。無論是否添加控制變量，“寬帶中國”試點政策變量Broadband的系數(shù)估計值均至少在5%的顯著性水平下顯著為正。綜上說明，數(shù)字化變革對企業(yè)創(chuàng)新績效具有顯著的促進作用，進一步支持研究假說1。

表6 準自然實驗估計結(jié)果

4.更換變量測度方法

首先，本文采用前向索引與專利族兩種方法對企業(yè)創(chuàng)新績效進行重新測度。與科學(xué)文獻引用類似，專利引用是衡量專利質(zhì)量的重要參考，專利的潛在價值與經(jīng)濟價值與隨后被引用率高度相關(guān)。(47)Trajtenberg M.,“A Penny for Your Quotes: Patent Citations and the Value of Innovations”，The Rand Journal of Economics，1990，pp.172-187.有鑒于此，本文借鑒邱洋冬和陶鋒(48)邱洋冬、陶鋒:《高新技術(shù)企業(yè)資質(zhì)認定政策的有效性評估》，《經(jīng)濟學(xué)動態(tài)》2021年第2期。的研究，以前向索引加權(quán)的發(fā)明專利數(shù)量衡量企業(yè)創(chuàng)新績效。類似地，本文還采用專利族加權(quán)的發(fā)明專利數(shù)量衡量企業(yè)創(chuàng)新績效。專利族大小是指申請人就同一個發(fā)明尋求專利保護的國家數(shù)量，即同一發(fā)明尋求專利保護的司法管轄區(qū)數(shù)量。(49)Lanjouw J O，Pakes A，Putnam J.,“How to Count Patents and Value Intellectual Property: The Uses of Patent Renewal and Application Data”，The Journal of Industrial Economics，1998，46(4)，pp.405-432.現(xiàn)有研究證實，專利族與專利價值高度相關(guān)，專利保護的地理范圍越大，其價值越高。(50)Harhoff D，Scherer F M，Vopel K.,“Citations, Family Size, Opposition and the Value of Patent Rights”，Research Policy，2003，32(8)，pp.1343-1363.更換被解釋變量測度方法的穩(wěn)健性檢驗結(jié)果如表7第(1)-(4)列所示，數(shù)字化變革Digitizing的系數(shù)估計值均至少在1%的顯著性水平下顯著為正，說明數(shù)字化變革有助于提升企業(yè)創(chuàng)新績效，支持研究假說1。其次，本文還借鑒趙濤等(51)趙濤、張智、梁上坤:《數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)》，《管理世界》2020年第10期。的方法測算出每個地級市的數(shù)字經(jīng)濟發(fā)展水平(DigitalEco)，以此替換原有的數(shù)字化變革變量，檢驗結(jié)果如表7第(5)-(6)列所示，無論是否添加控制變量，數(shù)字經(jīng)濟發(fā)展(DigitalEco)的系數(shù)估計值均至少在1%的顯著性水平下顯著為正，進一步支持研究假說1。綜上說明，本文基準結(jié)論不隨解釋變量與被解釋變量測度方法的改變而發(fā)生實質(zhì)性變化。

表7 穩(wěn)健性檢驗：更換變量測度方法

5.其他穩(wěn)健性檢驗

首先，聚類層級變換方面，不同聚類層級所隱含的對擾動項方差協(xié)方差結(jié)構(gòu)的假設(shè)不同，聚類層級越高，所隱含的假設(shè)越弱，標準誤估計越穩(wěn)健?；诜€(wěn)健性考慮，本文將基準回歸的聚類層級依次設(shè)定為省份—年份、行業(yè)—年份以及省份—行業(yè)。表8第(1)—(3)列報告了聚類層級變換的穩(wěn)健性檢驗結(jié)果，由結(jié)果可知，無論在省份—年份、行業(yè)—年份層面，還是在省份—行業(yè)層面進行聚類，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)顯著性雖有所降低，但仍然顯著為正，進一步驗證了假說1。其次，樣本重構(gòu)方面?？紤]到直轄市樣本可能與其他樣本存在較大差異，基于穩(wěn)健性考慮，本文剔除直轄市樣本后對基準模型進行重新估計，檢驗結(jié)果如表8第(4)列所示，與基準結(jié)果保持高度一致，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)大小與顯著性均未發(fā)生實質(zhì)性改變，基準結(jié)論穩(wěn)健。此外，考慮到樣本區(qū)間的設(shè)定問題，基于穩(wěn)健性考慮，本文進一步將樣本區(qū)間設(shè)置為2011-2016年，并基于新樣本對基準模型進行再估計，結(jié)果如表8第(5)列所示，與基準結(jié)果保持高度一致，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)大小與顯著性均未發(fā)生實質(zhì)性改變，進一步支持了假說1。

表8 其他穩(wěn)健性檢驗結(jié)果

(三)異質(zhì)性討論

上述理論與實證研究結(jié)果發(fā)現(xiàn)，數(shù)字化變革有助于促進企業(yè)創(chuàng)新績效的提升。但是，對于不同類型的企業(yè)而言，數(shù)字化變革發(fā)揮的創(chuàng)新激勵作用效果可能存在差異。進一步地，本文從知識存量、企業(yè)規(guī)模、融資約束以及行業(yè)競爭四個維度，考察數(shù)字化變革影響不同類型企業(yè)創(chuàng)新績效的異質(zhì)性效果。

1.基于知識存量的異質(zhì)性

知識存量反映了企業(yè)內(nèi)部知識資源的豐裕程度，相比于內(nèi)部知識資源較為貧乏的企業(yè)，內(nèi)部知識資源較豐富的企業(yè)具有更強的知識吸收與知識重組能力，能夠更好地吸收與融合外部知識，形成新的可應(yīng)用的知識，從而提升企業(yè)專利創(chuàng)造的可能性。(52)Podolny J M，Stuart T E，Hannan M T.,“Networks, Knowledge, and Niches: Competition in the Worldwide Semiconductor Industry, 1984-1991”，American Journal of Sociology，1996，102(3)，pp.659-689.通常外部資源需要與內(nèi)部資源有效結(jié)合才能更好地發(fā)揮外部資源的溢出效應(yīng)，因此，數(shù)字化變革對不同知識存量的企業(yè)可能產(chǎn)生差異化的創(chuàng)新激勵作用效果。為了驗證這一猜想，本文在基準模型中加入知識存量(stock)以及數(shù)字化變革與企業(yè)知識存量的交互項(Digitizing*stock)，并根據(jù)中位數(shù)進行分組，其中知識存量(stock)以企業(yè)過去五年申請的專利數(shù)量衡量。表9列(1)-(3)報告了數(shù)字化變革對不同知識存量企業(yè)創(chuàng)新績效的異質(zhì)性檢驗結(jié)果，在不同專利存量組中，核心解釋變量(Digitizing)的系數(shù)估計值均顯著為正，且在全樣本中交互項(Digitizing*stock)系數(shù)估計值顯著為正，這說明相比于知識存量較小企業(yè)，數(shù)字化變革對知識存量較大企業(yè)具有更強的創(chuàng)新激勵作用，這一結(jié)論驗證了上述猜想。因此，對于知識存量較少的企業(yè)而言，應(yīng)當(dāng)在數(shù)字化轉(zhuǎn)型過程中不斷實現(xiàn)知識的學(xué)習(xí)與積累，進而更好地吸收與融合外部知識。

2.基于企業(yè)規(guī)模的異質(zhì)性

不同規(guī)模的企業(yè)可能擁有差異化的資源稟賦，對外部資源的獲取與利用能力也可能存在差異。相比于規(guī)模較小的企業(yè)，大規(guī)模企業(yè)可能具有更加豐富的內(nèi)外部資源，在數(shù)字化變革的激勵下可能更具能力去獲取與利用知識資源進行技術(shù)創(chuàng)新。為了驗證這一猜想，本文在基準模型中加入數(shù)字化變革與企業(yè)規(guī)模的交互項(Digitizing*size)，并根據(jù)中位數(shù)將企業(yè)劃分為大規(guī)模企業(yè)組與小規(guī)模企業(yè)組。檢驗結(jié)果如表9列(4)-(6)所示，在不同規(guī)模企業(yè)組中，核心解釋變量(Digitizing)的系數(shù)估計值均顯著為正，這說明數(shù)字化變革對不同規(guī)模企業(yè)均具有重要的促進作用。但是，數(shù)字化變革與企業(yè)規(guī)模的交互項(Digitizing*size)系數(shù)在1%的顯著性水平下顯著為正，這說明相比于小規(guī)模企業(yè)，數(shù)字化變革對大規(guī)模企業(yè)具有更強的創(chuàng)新激勵作用，這一結(jié)論驗證了上述猜想。

表9 異質(zhì)性檢驗：知識存量與企業(yè)規(guī)模

3.基于企業(yè)融資約束的異質(zhì)性

外部融資是企業(yè)研發(fā)投入的重要資金來源，現(xiàn)有研究普遍認為融資約束是阻礙企業(yè)創(chuàng)新的關(guān)鍵桎梏。(53)Czarnitzki D，Hottenrott H.,“R&D Investment and Financing Constraints of Small and Medium-sized Firms”，Small Business Economics，2011，36(1)，pp.65-83.相比于高融資約束企業(yè)，低融資約束企業(yè)往往具有更高的風(fēng)險承擔(dān)水平，因此在數(shù)字化變革的沖擊下更可能借助多元化知識實現(xiàn)技術(shù)趕超。為了驗證這一猜想，本文在基準模型中加入數(shù)字化變革與企業(yè)融資約束的交互項(Digitizing*SA)，并根據(jù)中位數(shù)將企業(yè)劃分為高融資約束企業(yè)組與低融資約束企業(yè)組。檢驗結(jié)果如表10列(1)-(3)所示，其中融資約束的測算參考鞠曉生等(54)鞠曉生、盧荻、虞義華:《融資約束、營運資本管理與企業(yè)創(chuàng)新可持續(xù)性》，《經(jīng)濟研究》2013年第1期。的研究方法，并進行絕對值處理。在不同融資約束組中，核心解釋變量(Digitizing)的系數(shù)估計值均顯著為正，這說明數(shù)字化變革對不同融資約束的企業(yè)均具有重要的促進作用。但是，數(shù)字化變革與企業(yè)融資約束的交互項(Digitizing*SA)系數(shù)在1%的顯著性水平下顯著為負，這說明相比于高融資約束企業(yè)，數(shù)字化變革對低融資約束企業(yè)具有更強的創(chuàng)新激勵作用，驗證了上述猜想。因此，為企業(yè)提供更多的信貸支持、弱化企業(yè)融資約束，可能進一步提升數(shù)字化變革的創(chuàng)新激勵作用。各地區(qū)在大力發(fā)展數(shù)字經(jīng)濟的同時，也應(yīng)當(dāng)在融資方面給予企業(yè)更多的支持。

4.基于行業(yè)競爭的異質(zhì)性

不同行業(yè)競爭下的企業(yè)對市場壓力的敏感性可能存在差異，相比于低競爭行業(yè)企業(yè)，處于高競爭行業(yè)的企業(yè)對市場壓力更為敏感，具有更強的動機通過技術(shù)創(chuàng)新以維持競爭優(yōu)勢以及長期建立的市場地位。因此，相比于低競爭行業(yè)企業(yè)，數(shù)字化變革對高競爭行業(yè)企業(yè)可能具有更強的創(chuàng)新激勵作用。為了驗證這一猜想，本文在基準模型中加入市場競爭指數(shù)(HHI=1-主營業(yè)務(wù)收入的赫芬達爾指數(shù))，以及數(shù)字化變革與市場競爭指數(shù)的交互項(Digitizing*HHI)，并根據(jù)中位數(shù)將企業(yè)劃分為低競爭行業(yè)企業(yè)組與高競爭行業(yè)企業(yè)組。檢驗結(jié)果如表10列(4)-(6)所示，在高競爭行業(yè)企業(yè)組(HHImed)中，核心解釋變量(Digitizing)的系數(shù)估計值為0.1177，在低競爭行業(yè)企業(yè)組(HHI

表10 異質(zhì)性檢驗：融資約束與行業(yè)競爭

五、影響機制研究

接下來，本研究將重點分析數(shù)字化變革影響企業(yè)創(chuàng)新績效的潛在機制，以期打開兩者關(guān)系的“黑箱”，為進一步推動數(shù)字經(jīng)濟建設(shè)以及創(chuàng)新驅(qū)動發(fā)展提供更加深入的經(jīng)驗證據(jù)。具體地，本文通過構(gòu)建中介效應(yīng)模型，從知識來源的視角，重點探討數(shù)字化變革如何通過影響知識來源，進而影響企業(yè)創(chuàng)新績效。

(一)中介效應(yīng)模型構(gòu)建與變量測度

本研究采用中介效應(yīng)檢驗方法，考察知識來源這一作用路徑是否成立。需要說明的是，本文所探討知識來源包含五個維度：IPC廣度、地理范圍、跨國知識轉(zhuǎn)移、科學(xué)關(guān)聯(lián)以及合作研發(fā)。中介效應(yīng)模型設(shè)定如下：

Sourceit=α0+α1DigitalEcoit+φControlit+σj+γk+ηt+εit

(2)

Knowledgeit=χ0+χ1DigitalEcoit+χ2Sourceit+φControlit+σj+γk+ηt+εit

(3)

其中，下標i、j、k和t分別對應(yīng)企業(yè)、省份、行業(yè)與年份，β0為截距項。企業(yè)知識來源Source為中介變量，本文從IPC廣度、地理范圍、跨國知識轉(zhuǎn)移、科學(xué)關(guān)聯(lián)以及合作研發(fā)五個維度進行衡量。Control為控制變量集，指標選取與具體測算方法同式1。模型還加入了行業(yè)、省份和時間固定效應(yīng)，ε為隨機干擾項。具體地，根據(jù)中介效應(yīng)模型檢驗步驟，首先基準結(jié)果顯示，模型(1)中β1的系數(shù)估計值顯著為正，在這一前提下，使用模型(2)檢驗數(shù)字化變革(Digitizing)對知識來源(Source)的影響，若系數(shù)α1顯著，則用模型(3)同時加入數(shù)字化變革(Digitizing)與知識來源(Source)對企業(yè)創(chuàng)新績效(Knowledge)進行回歸分析，若系數(shù)χ1不顯著且χ2顯著，則為完全中介效應(yīng)，表明數(shù)字化變革對企業(yè)創(chuàng)新績效的影響僅依賴于知識來源渠道。但是，倘若系數(shù)χ1與χ2兩者均顯著，則為部分中介效應(yīng)，表明數(shù)字化變革對企業(yè)創(chuàng)新績效的影響通過知識來源發(fā)揮部分的中介作用。

知識來源的測算。本文所探討知識來源包含五個維度：IPC廣度、地理范圍、跨國知識轉(zhuǎn)移、科學(xué)關(guān)聯(lián)以及合作研發(fā)。第一，知識來源的IPC廣度。對不同領(lǐng)域技術(shù)的學(xué)習(xí)能夠提升企業(yè)專利申請的原創(chuàng)性以及知識的重組能力，原創(chuàng)性更高的專利在未來更可能成為有價值的專利。本文借鑒Gompers等(55)Gompers P，Lerner J，Scharfstein D.,“Entrepreneurial Spawning: Public Corporations and the Genesis of New Ventures，1986 to 1999”，The Journal of Finance，2005，60(2)，pp.577-614.的做法，基于專利間的直接引用關(guān)系，以專利的原創(chuàng)性指標(Originality)來刻畫知識來源的IPC廣度以及技術(shù)的跨領(lǐng)域特征，具體測算方法如式(4)所示。其中，p為目標專利，j為目標專利所引用專利的分類號，spj為目標專利p所引用專利中第j個國際分類號數(shù)量與國際分類號總數(shù)的比重。類似于赫芬達爾指數(shù)的測量方法，Originality越大，說明專利技術(shù)的知識來源越廣，專利的原創(chuàng)性越高。在計算出每個專利的原創(chuàng)性之后，本文采用均值加總的方法計算出每個企業(yè)在每個年度的知識來源IPC廣度面板數(shù)據(jù)。

(4)

第二，知識來源的地理范圍(Geography_distr/Geography_prov)。從地理范圍來講，企業(yè)獲取的知識可能來源于本地以及其他地區(qū)，這里將其他地區(qū)設(shè)定為其他地級市或其他省份兩個維度。具體地，本文借助專利引用數(shù)據(jù)，首先計算出每個專利引文涉及的地級市或省份數(shù)量，然后采用均值加總的方法計算出每個企業(yè)在每個年度的知識來源地理范圍面板數(shù)據(jù)。

第三，跨國知識轉(zhuǎn)移(Transfer)。從知識來源的國別角度來講，知識來源可劃分為本國知識與外國知識。本文借鑒Kotabe等(56)Kotabe M，Dunlap-Hinkler D，Parente R，et al.,“Determinants of Cross-national Knowledge Transfer and Its Effect on Firm Innovation”，Journal of International Business Studies，2007，38(2)，pp.259-282.的方法，利用專利引文的國別數(shù)量來衡量跨國知識轉(zhuǎn)移程度，以此刻畫企業(yè)在技術(shù)發(fā)明中對不同國家知識的學(xué)習(xí)與引用。

第四，科學(xué)關(guān)聯(lián)(Scientific)。本文利用科學(xué)關(guān)聯(lián)度指標來刻畫企業(yè)知識來源中基礎(chǔ)科學(xué)的作用，借助專利引用數(shù)據(jù)，首先計算出每個專利引文中科學(xué)文獻的數(shù)量，然后采用均值加總的方法計算出每個企業(yè)在每個年度的科學(xué)關(guān)聯(lián)度。

第五，合作研發(fā)(Coop)。技術(shù)發(fā)明包括合作發(fā)明與獨立發(fā)明兩種類型，具體地，本文借鑒根據(jù)合作創(chuàng)新的定義，以企業(yè)當(dāng)年申請專利中的合作申請發(fā)明專利占比來衡量合作創(chuàng)新變量。

(二)作用機制檢驗結(jié)果與分析

1.知識來源的IPC廣度

表11報告了基于知識來源IPC廣度的中介效應(yīng)估計結(jié)果，其中第(1)列為基準回歸結(jié)果，第(2)-(3)列為模型(2)的估計結(jié)果，第(4)-(5)列為模型(3)的估計結(jié)果?；鶞驶貧w結(jié)果顯示，數(shù)字化變革有助于提升企業(yè)創(chuàng)新績效。在此基礎(chǔ)上，觀察中介效應(yīng)模型第二階段估計結(jié)果，從第(2)-(3)列可以發(fā)現(xiàn)，無論是否添加控制變量，本研究所關(guān)心核心解釋變量(Digitizing)的系數(shù)均至少在1%的顯著性水平下顯著為正，這說明數(shù)字化變革有助于提升企業(yè)知識來源的IPC廣度，企業(yè)能夠在數(shù)字化變革過程中學(xué)習(xí)與吸取更多跨領(lǐng)域的知識與技術(shù)。進一步地，本文同時加入數(shù)字化變革(Digitizing)與知識來源IPC廣度(Originality)對企業(yè)創(chuàng)新績效(Knowledge)進行回歸分析，從第(4)-(5)列可以發(fā)現(xiàn)，無論是否添加控制變量，中介變量知識來源IPC廣度(Originality)的系數(shù)估計值均顯著為正，表明企業(yè)在專利創(chuàng)造中知識來源的技術(shù)范圍越廣，學(xué)習(xí)與吸收更多跨領(lǐng)域的知識與技術(shù)，將有助于提升企業(yè)創(chuàng)新績效。接下來本文比較第(1)列與第(5)列中核心解釋變量(Digitizing)的估計結(jié)果來識別知識來源的中介效應(yīng)。第(5)列中本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0780，低于第(1)列中(Digitizing)的系數(shù)估計值0.0870，且仍然在1%的顯著性水平下顯著為正，這說明拓寬知識來源的IPC廣度是數(shù)字化變革影響企業(yè)創(chuàng)新績效的一個重要渠道，驗證了研究假說2。

表11 傳導(dǎo)機制檢驗結(jié)果：知識來源的IPC廣度

2.知識來源的地理范圍

表12報告了基于知識來源地理范圍的中介效應(yīng)估計結(jié)果，觀察第(2)-(3)列估計結(jié)果可以發(fā)現(xiàn)，在中介效應(yīng)模型第二階段，無論被解釋變量為地級市維度的知識來源地理范圍(Geography_distr)，還是在省級維度的知識來源地理范圍(Geography_prov)，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)均至少在1%的顯著性水平下顯著為正，這說明數(shù)字化變革有助于提升企業(yè)知識來源的地理范圍，企業(yè)能夠在數(shù)字化變革過程中吸納不同城市與不同省份的知識與技術(shù)。進一步地，本文同時加入數(shù)字化變革與知識來源的地理范圍對企業(yè)創(chuàng)新績效進行回歸分析，從第(4)-(5)列可以發(fā)現(xiàn)，地級市維度的地理范圍(Geography_distr)與省級維度的地理范圍(Geography_prov)兩個中介變量的系數(shù)估計值均顯著為正，表明企業(yè)在專利創(chuàng)造中知識來源的地理范圍越廣，學(xué)習(xí)與吸收更多跨地理邊界的知識與技術(shù)，將有助于提升企業(yè)創(chuàng)新績效。接下來本文比較第(1)列與第(4)-(5)列中核心解釋變量(Digitizing)的估計結(jié)果來識別知識來源的中介效應(yīng)，第(4)-(5)列中解釋變量(Digitizing)的系數(shù)估計值分別為0.0706與0.0700，均低于第(1)列中(Digitizing)的系數(shù)估計值0.0870，且仍然在1%的顯著性水平下顯著為正，這說明拓寬知識來源地理范圍是數(shù)字化變革影響企業(yè)創(chuàng)新績效的一個重要渠道，驗證了研究假說2。

表12 傳導(dǎo)機制檢驗結(jié)果：知識來源的地理范圍

3.跨國知識轉(zhuǎn)移

表13報告了基于跨國知識轉(zhuǎn)移的中介效應(yīng)估計結(jié)果，觀察第(2)-(3)列估計結(jié)果可以發(fā)現(xiàn)，在中介效應(yīng)模型第二階段，無論是否添加控制變量，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)均至少在1%的顯著性水平下顯著為正，這說明數(shù)字化變革有助于提升企業(yè)對國際知識與技術(shù)的可獲性，使之更好地掌握國際前沿知識。進一步地，本文同時加入數(shù)字化變革(Digitizing)與跨國知識轉(zhuǎn)移(Transfer)對企業(yè)創(chuàng)新績效(Knowledge)進行回歸分析，從第(4)-(5)列可以發(fā)現(xiàn)，無論是否添加控制變量，中介變量跨國知識轉(zhuǎn)移(Transfer)的系數(shù)估計值顯著為正，表明跨國知識轉(zhuǎn)移有助于提升企業(yè)創(chuàng)新績效。這主要是因為全球知識探尋能夠加速知識積累并豐富企業(yè)知識多樣性，避免陷入“技術(shù)鎖定”，從而有助于增強企業(yè)創(chuàng)新能力。(57)Ahuja G，Katila R.,“Where Do Resources Come From? The Role of Idiosyncratic Situations”，Strategic Management Journal，2010，25(8)，pp.887-907.接下來本文比較第(1)列與第(5)列中核心解釋變量(Digitizing)的估計結(jié)果來識別知識來源的中介效應(yīng)。第(5)列中本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0801，低于第(1)列中(Digitizing)的系數(shù)估計值0.0870，且仍然在1%的顯著性水平下顯著為正，說明存在部分中介效應(yīng)，跨國知識轉(zhuǎn)移是數(shù)字化變革影響企業(yè)創(chuàng)新績效的一個重要渠道，驗證了研究假說2。

表13 傳導(dǎo)機制檢驗結(jié)果：跨國知識轉(zhuǎn)移

4.科學(xué)關(guān)聯(lián)

表14報告了基于知識來源中科學(xué)關(guān)聯(lián)的中介效應(yīng)估計結(jié)果，觀察第(2)-(3)列結(jié)果可以發(fā)現(xiàn)，在中介效應(yīng)模型第二階段，無論是否添加控制變量，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)均至少在5%的顯著性水平下顯著為正，這說明數(shù)字化變革有助于提升企業(yè)的科學(xué)關(guān)聯(lián)度。進一步地，本文同時加入數(shù)字化變革(Digitizing)與科學(xué)關(guān)聯(lián)度(Scientific)對企業(yè)創(chuàng)新績效(Knowledge)進行回歸分析，從第(4)-(5)列可以發(fā)現(xiàn)，無論是否添加控制變量，中介變量科學(xué)關(guān)聯(lián)度(Scientific)的系數(shù)估計值均顯著為正，表明企業(yè)在專利創(chuàng)造中，增強技術(shù)發(fā)明與基礎(chǔ)科學(xué)之間的關(guān)聯(lián)程度將有助于提升企業(yè)創(chuàng)新績效。這主要是因為對科學(xué)文獻的引用數(shù)量越高，其專利價值也可能相對較高。(58)Harhoff D，Scherer F M，Vopel K.,“Citations, Family Size, Opposition and the Value of Patent Rights”，Research Policy，2003，32(8)，pp.1343-1363.接下來本文比較第(1)列與第(5)列中核心解釋變量(Digitizing)的估計結(jié)果來識別知識來源的中介效應(yīng)。第(5)列中本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0838 ， 低于第(1)列

表14 傳導(dǎo)機制檢驗結(jié)果：科學(xué)關(guān)聯(lián)

中(Digitizing)的系數(shù)估計值0.0870，且仍然在1%的顯著性水平下顯著為正，這說明增強科學(xué)關(guān)聯(lián)度是數(shù)字化變革影響企業(yè)創(chuàng)新績效的一個重要渠道，驗證了研究假說2。

5.合作研發(fā)

表15報告了基于合作研發(fā)的中介效應(yīng)估計結(jié)果，觀察第(2)-(3)列估計結(jié)果可以發(fā)現(xiàn)，在中介效應(yīng)模型第二階段，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)均至少在1%的顯著性水平下顯著為正，這說明數(shù)字化變革有助于促進企業(yè)合作研發(fā)行為，企業(yè)能夠在數(shù)字化變革飛速發(fā)展過程中實現(xiàn)合作伙伴的高效精準匹配，促進企業(yè)與企業(yè)，企業(yè)與高校、科研院所的研發(fā)合作。進一步地，本文同時加入數(shù)字化變革(Digitizing)與合作研發(fā)(Coop)對企業(yè)創(chuàng)新績效(Knowledge)進行回歸分析，從第(4)-(5)列可以發(fā)現(xiàn)，中介變量合作研發(fā)(Coop)的系數(shù)估計值顯著為正，表明企業(yè)在專利創(chuàng)造中合作研發(fā)有助于提升企業(yè)創(chuàng)新績效，這主要是因為合作研發(fā)能夠集合不同創(chuàng)新主體的研發(fā)思維與研發(fā)資源，彌補單一主體的知識欠缺，同時產(chǎn)學(xué)研合作有助于實現(xiàn)企業(yè)與基礎(chǔ)科研的緊密對接，充分發(fā)揮知識技術(shù)在不同主體間的溢出效應(yīng)，進而促使企業(yè)從合作中實現(xiàn)內(nèi)部研發(fā)能力與企業(yè)整體創(chuàng)新水平的提升。接下來本文比較第(1)列與第(5)列中核心解釋變量(Digitizing)的估計結(jié)果來識別知識來源的中介效應(yīng)。第(5)列中核心解釋變量(Digitizing)的系數(shù)估計值為0.0848，低于第(1)列中(Digitizing)的系數(shù)估計值0.0870，且仍然在1%的顯著性水平下顯著為正，這說明合作研發(fā)是數(shù)字化變革影響企業(yè)創(chuàng)新績效的一個重要渠道，驗證了研究假說2。

表15 傳導(dǎo)機制檢驗結(jié)果：合作研發(fā)

(三)中介效應(yīng)聯(lián)合估計結(jié)果

進一步地，本文對數(shù)字化變革影響企業(yè)創(chuàng)新績效的知識來源作用機制進行聯(lián)合檢驗，結(jié)果如表16所示。其中第(1)列為基準回歸結(jié)果，第(2)列為加入知識來源IPC廣度中介變量的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0780，且在1%的顯著性水平下顯著為正；第(3)列為進一步加入跨國知識轉(zhuǎn)移中介變量的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0703，且在1%的顯著性水平下顯著為正；第(4)列為進一步加入科學(xué)關(guān)聯(lián)度中介變量的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0694，且在1%的顯著性水平下顯著為正；第(5)列為進一步知識來源地理范圍中介變量的估計結(jié)果，本研究所關(guān)心的核心解釋變量(Digitizing)的系數(shù)估計值為0.0637，且在1%的顯著性水平下顯著為正；第(6)列為進一步加入合作研發(fā)中介變量的估計結(jié)果，核心解釋變量(Digitizing)的系數(shù)估計值為0.0635，且在1%的顯著性水平下顯著為正。綜上說明，存在數(shù)字化變革—知識來源—企業(yè)創(chuàng)新績效的傳導(dǎo)機制，知識來源能夠較好地解釋數(shù)字化變革對企業(yè)創(chuàng)新績效的影響。

表16 中介效應(yīng)聯(lián)合檢驗結(jié)果

六、研究結(jié)論與政策啟示

在數(shù)字經(jīng)濟時代，搶占數(shù)字經(jīng)濟高地成為各國提升核心競爭力、實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要舉措。本文采用2011-2018年中國滬深兩市A股上市公司數(shù)據(jù)，基于現(xiàn)有經(jīng)濟理論與文獻，從知識來源的視角，致力于檢驗數(shù)字化變革影響企業(yè)創(chuàng)新績效的作用效果并識別其作用機制。實證結(jié)果表明：第一，數(shù)字化變革對企業(yè)創(chuàng)新績效具有顯著的促進作用，該結(jié)論在引入工具變量、準自然實驗等穩(wěn)健性檢驗后仍然成立。第二，數(shù)字化變革水平每提高1%，以知識寬度加權(quán)發(fā)明專利數(shù)量衡量的企業(yè)創(chuàng)新績效平均增加0.0870%。第三，知識來源是數(shù)字化變革影響企業(yè)創(chuàng)新績效的重要傳導(dǎo)機制，數(shù)字化變革能夠通過拓展知識來源IPC廣度與地理范圍、促進跨國知識轉(zhuǎn)移與研發(fā)合作、提升科學(xué)關(guān)聯(lián)度等方式，最終影響企業(yè)創(chuàng)新績效。第四，相比于其他類型企業(yè)，數(shù)字化變革對高知識存量、大規(guī)模、低融資約束以及高競爭行業(yè)企業(yè)具有更強的創(chuàng)新激勵效應(yīng)。本研究從知識來源視角，為數(shù)字化變革助力企業(yè)創(chuàng)新提供了有力的理論與經(jīng)驗支撐，并根據(jù)經(jīng)驗結(jié)論提出以下政策建議：

數(shù)字化變革能夠通過豐富知識來源的方式進而提升企業(yè)創(chuàng)新績效，這一結(jié)論對于我國實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展具有重要的啟示意義。第一，企業(yè)層面。企業(yè)應(yīng)當(dāng)順應(yīng)數(shù)字經(jīng)濟時代需求，在條件成熟的情況下主動實現(xiàn)數(shù)字化轉(zhuǎn)型，通過集聚更多的創(chuàng)新資源進行研發(fā)創(chuàng)新。特別是對于知識資源較為缺乏的新企業(yè)而言，加快實現(xiàn)數(shù)字化轉(zhuǎn)型是未來提升科技創(chuàng)新能力的重要引擎。第二，政府層面。根據(jù)本文實證結(jié)論推斷，不平衡的數(shù)字經(jīng)濟發(fā)展可能進一步拉大區(qū)域科技創(chuàng)新差距，如果后發(fā)地區(qū)政府能夠很好地服務(wù)于當(dāng)?shù)仄髽I(yè)數(shù)字化轉(zhuǎn)型，為企業(yè)數(shù)字化轉(zhuǎn)型提供良好的制度環(huán)境與政策支撐，那么未來可能在科技創(chuàng)新維度實現(xiàn)對發(fā)達地區(qū)的快速追趕甚至反超。因此，各級政府應(yīng)順應(yīng)數(shù)字經(jīng)濟發(fā)展新趨勢，將數(shù)字經(jīng)濟發(fā)展置于更為重要的地位，特別是對于后發(fā)地區(qū)而言，應(yīng)當(dāng)搶抓數(shù)字經(jīng)濟發(fā)展機遇，鼓勵企業(yè)進行數(shù)字化轉(zhuǎn)型，進而弱化知識匱乏對當(dāng)?shù)乜萍紕?chuàng)新的阻礙作用。第三，本文實證研究發(fā)現(xiàn)，數(shù)字化變革對低融資約束與高競爭行業(yè)企業(yè)具有更強的創(chuàng)新激勵效應(yīng)，因此各地區(qū)在大力發(fā)展數(shù)字經(jīng)濟的同時，也應(yīng)當(dāng)在融資方面給予企業(yè)更多的支持，同時積極完善市場競爭機制，為企業(yè)營造良好的市場競爭環(huán)境，進一步提升數(shù)字化變革的創(chuàng)新激勵作用。