How Does the Digital Economy Release Innovation Dividends? The Theoretical Mechanism and Microscopic Evidences

Gao Houbin, Li Chenyang

(School of Business, Henan Normal University, Xinxiang 453007, China)

Abstract：The development of the digital economy has injected new momentum into the innovation-driven strategy, which raises the question of whether and how the digital economy will release innovation dividends. Most of the existing literature focuses on the macro perspective, and uses national or regional level data to explore the impact of digital economy development on innovation performance. However, these studies ignore the impact of digital economy development on micro enterprise innovation capability. As enterprises are the micro main body of innovation, it is particularly important to analyze how the digital economy development affects the innovation capability of enterprises.

In view of this, the paper focuses on the micro effects of the digital economy. Firstly, it theoretically analyzes the internal mechanism of the impact of digital economy development on enterprise innovation performance. Secondly, drawing on the data of prefecture-level cities in China and the micro-data of listed companies from 2011 to 2019, it empirically studies the innovation effect of digital economy development and its mechanism. Thirdly, it applies the stepwise regression method to test the mediating effects of financing constraints, operating costs and knowledge diffusion. Finally, this paper examines the effects of heterogeneous factors, such as the nature of the enterprise, the degree of digitization and the city location of the enterprise on the innovation dividends of the digital economy.

This paper has yielded some important results. First, the digital economy development can significantly promote the innovation performance of enterprises. Specifically, the digital economy development improves both the quantity and the quality of enterprise innovation,and the promotion effect is greater for innovation quantity than innovation quality. The instrumental variable method is used to carry out endogenous test, and the results show that the benchmark effects are still robust. Second, the mechanism test shows that the digital economy development can improve the quantity and quality of enterprise innovation by mitigating financial constraints, reducing operating costs and promoting knowledge diffusion. Third, the heterogeneity test shows that the relationship between digital economy development and enterprise innovation performance is influenced by the ownership, digitization degree and location of enterprises. More specifically, the promotion effect of digital economy development on innovation performance of state-owned enterprises is stronger than that of non-state-owned enterprises. The higher digitalization degree of enterprise is, the stronger the impact of digital economy development on innovation performance will be. The innovation dividends released by digital economy are greater for enterprises located in central cities than that in non-central cities.

This paper has important theoretical contributions. Firstly, while previous studies focused on macro scale, this paper analyzes the impact of digital economy development on the enterprise innovation from the micro level, thus enriching the literature on micro effects of digital economy and providing empirical evidence for innovation effects of digital economy development. Secondly, this paper breaks through the generalization discussion of the mechanism of digital economy development on enterprise innovation in previous studies, and constructs a theoretical framework including financial constraints, operating costs and knowledge diffusion, unfolding the “black box” between digital economy development and enterprise innovation. Finally, this paper analyzes the heterogeneity at two levels of enterprise and region, and clarifies the boundary of digital economy's influence on enterprise innovation and deepens the relationship between digital economy development and enterprise innovation.

The findings of this paper have certain practical implications. The government should further vigorously promote the development of the digital economy, deeply optimize the innovation environment of enterprises, and effectively relieve financial constraints, reduce operating costs, and promote knowledge diffusion, so as to fully tap the role of digital economy development in promoting micro enterprise innovation and consolidate the micro foundation of innovation driven strategy. At the same time, managers should recognize the importance of digital transformation, actively embrace digital technology, and constantly increase investment in digital transformation, so as to more effectively obtain the innovation bonus generated by the digital economy development. In addition, the innovation effect of the digital economy development has regional differences which suggests that the government should pay attention to the balanced development of central and non-central cities, especially accelerate the institutional reform of non-central cities, and effectively release the innovation dividend of the digital economy development.

Key Words：Digital Economy; Innovation Dividends; Enterprise Innovation; Theoretical Mechanism; Microscopic Evidences

DOI：10.6049/kjjbydc.2022060810

开放科学(资源服务)标识码(OSID)：

中图分类号：F49

文献标识码：A

文章编号：1001-7348(2023)14-0022-09

收稿日期：2022-06-29

修回日期：2022-09-26

基金项目：国家社会科学基金青年项目(22CGL005);河南省哲学社会科学规划项目(2019CJJ080);河南省高等学校哲学社会科学创新团队支持计划项目(2022-CXTD-03)

作者简介：高厚宾(1988—),男,河南平顶山人,博士,河南师范大学商学院讲师、硕士生导师,研究方向为数字经济与技术创新;李晨阳(1997—),女,河南禹州人,河南师范大学商学院硕士研究生,研究方向为企业数字化转型。

0 引言

当前,我国经济已由高速增长阶段转向高质量发展阶段,依靠资源、资本和劳动等传统要素驱动的经济发展模式已难以为继,深入实施创新驱动发展战略成为我国经济实现从“数量增长”迈向“质量增长”的必然选择。与此同时,我国不断加大数字经济投入,相继出台一系列重大规划和政策方针,持续“做大做强数字经济,拓展经济发展新空间”。中国信通院发布的《中国数字经济发展白皮书》(2021)显示,2020年中国数字经济增加值为39.2万亿元,占GDP的比重高达38.6%。数字经济已成为促进经济发展的新引擎,正在推动中国经济向更加创新、更加智慧的方向发展[1]。在此背景下,如何以数字经济发展为契机提升企业创新能力,充分释放数字经济红利,筑牢创新驱动发展战略的微观基础,成为数字经济时代值得研究的重要议题。

数字经济发展对创新的影响受到学界广泛关注,相关研究主要包括两类:一是将数字经济创新效应嵌入数字经济与经济高质量发展框架之中[2],认为创新能力对数字经济与高质量发展发挥中介作用,数字经济能够提高企业创新水平[3];二是探究数字经济与创新之间的关系,发现数字经济能够提高区域创新能力[4]。然而,现存文献多从宏观角度或采用区域层面数据展开研究,忽略了数字经济发展对企业创新的影响,缺乏深层次机制研究和实证检验。由此产生的问题是:数字经济能否提升微观企业创新绩效?如果是,这一效应的内在机制是什么?进一步,数字经济对企业创新的影响是否具有异质性?深入回答这些问题,对于中国抓住数字经济发展机遇、实施创新驱动发展战略、支撑经济高质量发展具有重要意义。

针对现有研究缺口,本文采用2011—2019年中国地级市数字经济数据和上市公司数据,探究数字经济如何释放创新红利,可能的边际贡献如下:①与以往研究着眼于宏观视角不同,本文从微观视角研究数字经济对企业创新绩效的影响,一定程度上能够弥补现有关于数字经济创新效应的不足;②突破以往研究对于数字经济影响企业创新作用机制的泛化讨论,构建融资约束、经营成本和知识扩散理论框架,揭示数字经济对企业创新的作用机制,以打开数字经济与企业创新之间的“黑箱”;③从企业和区域两个层面检验异质性因素的影响,厘清数字经济对企业创新绩效的作用边界。同时,本文从数字经济角度为激发企业创新活力提供有益的实践启示,能够为我国加强数字经济建设、实施创新驱动发展战略提供实证支撑,从而助力我国经济高质量发展。

1 理论机制与研究假设

1.1 数字经济与企业创新绩效

“数字经济”一词最早出现在《数字经济:网络智能时代的前景和危险》一书中,被定义为以数字方式呈现信息流的经济模式[5]。具体而言,数字经济是以大数据、人工智能和区块链等数字技术为核心驱动力量,以互联网平台为信息载体,将数字技术深度融入实体经济的新型经济发展形态[6]。数字经济对经济增长的影响是近年来学者研究的重要议题,创新则是数字经济驱动经济发展的重要引擎[7],这一逻辑表明数字经济能够释放创新红利。相关研究主要从宏观区域角度出发,认为数字经济凭借强大的“链接”能力重构区域创新生态、驱动创新范式变革,从而提升区域创新绩效[8]。

在微观层面,数字经济发展对企业创新的影响主要体现在资源效应上。资源基础理论认为企业是资源的集合体,任何经营活动都离不开相应资源的支撑。创新作为一种资本密集和知识密集型活动,高度依赖于资金、知识等资源投入。然而,这两类资源在要素市场上比较稀缺,企业获取这些资源的难度和成本较高。而数字经济发展为企业获取创新所需资金和知识等稀缺资源创造了适宜环境。一方面,数字经济发展能够丰富企业创新资金来源。从企业外部看,数字经济提供了较为宽松的融资环境,尤其是数字金融发展极大程度上拓展了企业融资渠道[9]。此外,数字技术应用能够缓解信息不对称,提高金融服务效率,同时降低企业融资成本。从企业内部看,数字经济发展驱动企业数字化变革,不仅有助于提高企业内部运营效率、降低经营成本(刘淑春等,2021),还能赋能企业新市场开拓,使企业将更多内部资金配置到创新活动上;另一方面,数字经济发展有利于获取丰富的知识资源。在数字经济背景下,通过数字技术将知识转化为数据形式进行存储和传播,能够极大程度上减少知识扩散时空障碍。企业可以借助数字平台共享知识资源,开展合作创新,从而提高企业创新绩效[10]。据此,本文提出如下假设:

H1:数字经济发展能够提高企业创新绩效。

1.2 数字经济影响机制

1.2.1 融资约束机制

企业创新是一种典型的长周期、高投入活动,通常情况下仅依靠企业内源资金难以满足持续创新需要,从外部获取融资成为企业开展创新的重要选择。然而,企业创新发展往往面临不同程度的融资约束。一方面,受金融体系制约,长期以来我国金融体系由银行主导,金融资源供给不足且结构失衡导致企业融资渠道狭窄,融资成本高昂[11];另一方面,鉴于创新活动本身的高风险性,金融机构在为企业提供资金前倾向于获取更多信息。但是,由于研发信息可能涉及商业机密,企业在披露研发信息时趋于保守,导致金融机构无法获取企业真实信息[12],企业难以获取所需金融资源,从而抑制创新发展[13]。

数字经济发展为企业创新融资开启了新“窗口”。随着P2P网络贷款、众筹融资等新型金融形态的不断涌现,“多、小、散”的投资者被吸纳到金融体系之中,充实了金融供给。作为数字经济的重要组成部分,数字金融以共享、便捷、低成本、低门槛等优势[14]为企业提供多样化融资渠道,同时倒逼传统金融机构提升服务质量。此外,数字经济发展还有助于缓解金融部门与企业之间的信息不对称,借助数字技术,金融机构可以较低成本获取海量数据[9],并通过大数据建模优化信贷决策[12],缓解企业尤其是“长尾群体”融资约束。因此,数字经济发展能够缓解企业融资约束,为企业创新发展提供必要的资金支持,从而提升企业创新绩效。据此,本文提出如下假设:

H2:数字经济通过降低融资约束提升企业创新绩效。

1.2.2 成本节约机制

充足的资金投入是企业创新活动开展的重要支撑,由于企业资金有限,导致企业研发创新与企业项目之间存在资源竞争。成本是企业资金占用的重要形式,如果企业成本结构不合理,尤其非生产性成本占比过高,势必挤占部分企业资源,导致企业创新投入不足。数字经济发展能够帮助企业节约成本,为企业创新投入提供更多可用资金。具体而言,数字经济能够从外部交易成本和内部运营成本两个方面发挥成本节约效应。一方面,数字政务发展能简化业务审批流程,减少企业寻租行为,降低企业制度性成本。数字经济连接性、去中介化等特征能够缓解信息不对称[15],使企业快速匹配到最佳交易对象,降低搜索成本。数字交互平台能够为企业与上下游企业、用户之间的交流提供便利,降低谈判成本。此外,数字经济发展使企业信誉等级、履约状况更加透明,能够降低企业违约风险[15]和交易成本。另一方面,数字经济的蓬勃发展能够驱动企业数字化转型,促进企业研发设计、生产制造、产品销售等环节互联互通,有利于企业即时、准确获取运营数据,并通过大数据、云计算技术对数据进行深度挖掘,使企业作出最优决策,从而实现对各环节成本的精准控制。因此,数字经济能够降低成本,使企业将更多资金用于创新研发。据此,本文提出如下假设:

H3:数字经济通过降低企业经营成本提升企业创新绩效。

1.2.3 知识扩散机制

数字经济发展能够加速知识扩散,促进创新主体合作,从而提高企业创新能力。一方面,就知识要素而言,受市场分割、地方保护主义等因素制约,我国不同地区间的知识流动并不顺畅[16]。数字经济发展为知识扩散赋予新方式,通过数字技术将知识转换为数据要素进行存储和传播,能够显著提高知识要素流动性,使知识扩散摆脱时空阻隔。不同知识要素在数字生态系统中形成丰富的创新知识库,数据流的去中介性特征能够显著降低知识传播成本。因此,企业可以较低成本获取丰富的创新要素(张永林等,2016)。另一方面,从创新主体合作看,数字经济为创新主体合作创造了良好条件,数字技术的超链接性能够重塑企业与合作伙伴、消费者之间的互联互通关系,推动知识要素在创新主体间流动(戚聿东等,2020)。创新主体可利用即时通讯工具,在不同时间、不同空间参与企业创新活动,极大程度上丰富企业知识来源,加速企业创新迭代。同时,数字化交互平台能够降低企业沟通成本,使各创新主体之间的知识交流更加频繁,促进产学研合作,从而对企业创新绩效产生积极影响。据此,本文提出如下假设:

H4:数字经济通过知识扩散机制促进技术创新能力提升。

2 研究设计

2.1 样本与数据

考虑到中国数字经济的迅速扩张是在2010年以后,因此结合数字经济相关指标,本文选取2011—2019年沪深A股上市公司作为初始研究样本,剔除金融类、带有ST和PT标志的上市公司,并保留连续5年不存在关键数据缺失的样本,最终得到1 441家上市公司的11 125个“公司—年份”观测值。企业层面财务数据主要来自Wind数据库,专利数据来自CNRDS数据库,数字经济相关原始数据来源于《中国城市统计年鉴》《北京大学数字普惠金融指数》。

2.2 变量度量

2.2.1 被解释变量

创新绩效。学界对创新绩效的度量主要包括投入指标和产出指标两种方式,前者通常以研发投入占营业收入的比重度量,后者普遍采用专利数据度量。本文更关注数字经济对企业创新产出的影响,因此采用专利申请数度量创新绩效。由于我国专利分类包括发明专利、实用新型专利和外观设计专利3种,其创新程度有所不同,因此本文区分创新数量(Ptotal)和创新质量(Pinov)。其中,创新数量采用3类专利申请总数表征,创新质量参考黎文靖和郑曼妮(2016)的做法,以企业发明专利申请数度量。

2.2.2 解释变量

数字经济。现有研究对数字经济进行量化时主要考虑省级、地级市两个层面,常从互联网发展水平和数字普惠金融两个维度构建数字经济发展综合指数。其中,互联网发展水平包括互联网宽带接入用户数、计算机和软件从业人员数、电信业务收入和移动电话普及率4个指标,相关数据从《中国城市年鉴》获取。数字普惠金融采用北京大学编制的“数字普惠金融指数”。参考已有研究(赵涛等,2020),采用主成分分析法提取数字经济综合指数。另外,为使数字经济取值为非负数,本文将主成分分析结果向右进行整体平移。

2.2.3 中介变量

(1)融资约束(KZ)。融资约束度量方式主要有SA、KZ和WW指数,由于SA指数包含企业年龄信息,而数字经济无法直接影响企业年龄,因此其不适合本文研究。同时,样本中WW指数缺失较多。因此,本文借鉴李超凡等[17]的研究,选择KZ指数度量融资约束。

(2)经营成本(Cost)。借鉴倪克金和刘修岩[18]的研究,采用企业总成本与总收入之比度量,该值越大,表明企业成本越高。

(3)知识扩散(Kflow)。本文借鉴薛成等[19]的研究,采用企业与其它创新主体联合申请的专利数量作为知识扩散的代理变量。

2.2.4 控制变量

本文设置如下控制变量:①企业规模(Size):以公司年末总资产的自然对数表征;②企业年龄(Age):采用观测年份与企业成立年份之差的自然对数表征;③企业所有制(Soe):国有企业取值为1,非国有企业取值为0;④研发投入(R&D):用研发投入金额占营业收入的百分比度量;⑤股权制衡(Balan):采用第二至五大股东持股数与第一大股东持股数之比度量;⑥两职合一(Dual):公司董事长兼总经理职位取值为1,否则取值为0;⑦大股东资金占用(Occu):以其它应收款占总资产的比重表征。

为降低异常值干扰,本文对连续变量在1%和99%分位上进行缩尾处理,表1为主要变量描述性统计结果。由表1可知,企业创新数量均值为89.80,标准差为208.7,创新质量均值为37.46,标准差为94.09,表明不同企业创新绩效存在较大差异。数字经济发展水平(Dige)最大值为7.02,最小值为0.839,均值为3.349,标准差为1.37,表明数字经济发展水平存在一定的区域非均衡性特征。

2.3 模型设定

本文中被解释变量专利数据为计数数据,取值为非负整数。从表1描述性统计结果可以看出,创新数量(Ptotal)、创新质量(Pinov)期望值明显小于各自方差,即存在过度分散特征,故适合采用负二项回归模型进行分析。因此,本文构建如下基准回归模型:

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

(1)

其中,E(Yit|Xit,β)即等式左边是企业创新数量或创新质量的条件期望,β0为常数项,β1为数字经济系数,controlit代表各控制变量,βj为各控制变量的系数,εit为模型随机误差项。另外,为检验数字经济对企业创新绩效的影响机制,需要在基准模型的基础上引入中介变量。

3 实证结果分析

3.1 基准回归

本文采用面板固定效应进行负二项回归分析,基准回归结果如表2所示。模型(1)和模型(2)中的被解释变量为创新数量,从模型(2)可以看出,在控制其它变量情况下,数字经济回归系数为0.044,且在1%水平上显著,表明数字经济发展能够增加企业创新数量。模型(3)和模型(4)中的被解释变量为创新质量,模型(4)结果表明,数字经济回归系数在5%水平上显著为正(β=0.022,p<0.05),说明数字经济发展能够提升企业创新质量。进一步,通过比较发现,数字经济发展对创新数量的促进作用大于创新质量。因此,假设H1得以验证。

3.2 内生性处理

由于可能存在遗漏变量及反向因果带来的内生性问题,因此本文借鉴黄群慧等[20]的研究设计工具变量。首先,搜集1998年城市层面每万人电话机数量,该指标为截面数据,不适合直接作为工具变量,需要进一步引入随时间变化的指标;其次,本文按照东部、中部和西部地区对各城市进行区域划分,通过均值计算得到区域层面数字经济指数;最后,将1998年每万人电话机数与区域数字经济指数一阶滞后项相乘得到工具变量(IV)。

考虑到被解释变量为非负整数,适合采用ivpoisson命令进行内生性检验。根据Wooldridge[21]的建议,采用控制函数法进行分析,结果见表3模型(1)～(3)。其中,模型(1)为工具变量对数字经济的回归结果,可以看出工具变量IV回归系数为1.03,在1%水平上显著,说明数字经济工具变量与数字经济发展具有较强相关性。模型(2)和模型(3)是第二阶段回归结果,可以看出两模型中数字经济回归系数为正,且在1%水平上显著。另外,为确保内生性检验的稳健性,本文运用ivpoisson-gmm进行检验,该命令不显示第一阶段,最终回归结果如表3中模型(4)和模型(5)所示,两模型中数字经济回归系数依然在1%水平上显著为正。表3分析结果表明,在考虑内生性问题后前文结论依然成立。

3.3 稳健性检验

(1)本文借鉴王馨和王营等(2021)的研究,对专利数据作对数处理,同时考虑到专利数据存在零值堆积和正值连续分布特征,本文采用Tobit模型进行面板数据回归,结果如表4所示。模型(1)和模型(2)中的被解释变量分别为专利申请总数的自然对数、发明专利申请量的自然对数,两模型中数字经济回归系数均为正值,且在1%水平上显著。同时,模型(1)中数字经济回归系数大于模型(2),这些结果与前文高度一致。

(2)考虑到信息技术行业数字化水平整体领先于其它行业,从而可能导致估计结果偏误,因此本文剔除信息技术行业样本重新进行回归,结果如表4模型(3)和模型(4)所示。可以看出,剔除信息技术行业样本后,数字经济回归系数依然显著为正,说明数字经济不仅能够提高创新数量,还能够提升创新质量,与基准回归结果保持一致。

(3)由于本文中城市层面数字经济指数包含直辖市数据,因此借鉴唐松等[6]的研究,删除企业所在地为直辖市的样本进行回归分析,结果如表4模型(5)和模型(6)所示。从中可见,剔除直辖市样本后,数字经济回归结果未发生实质性改变,数字经济发展有助于提升企业创新绩效的结论依然成立。

3.4 中介效应检验

(1)融资约束机制。本文借鉴温忠麟等[22]的中介效应检验步骤,采用逐步回归法检验融资约束的中介作用,结果如表5所示。模型(1)是以融资约束为因变量的回归结果,可见数字经济回归系数在5%水平上显著为负,说明数字经济能够降低企业融资约束。模型(2)、模型(3)中被解释变量分别为创新数量和创新质量,在模型中同时考虑数字经济和中介变量融资约束。模型(2)结果显示,数字经济回归系数为0.048且在1%水平上显著,融资约束系数为-0.014且在1%水平上显著,表明数字经济能够通过降低融资约束增加企业创新数量,融资约束发挥部分中介作用。模型(3)结果显示,数字经济在5%水平上显著为正(β=0.024),融资约束系数在5%水平上显著为负,说明融资约束在数字经济与企业创新质量之间发挥部分中介作用。另外,由于融资约束有多种测量方式,本文采用WW指数进行替换,结果与KZ指数一致。因此,假设H2得以验证。

(2)成本节约机制。本文采用逐步回归法对假设H3进行检验,回归结果如表6所示。模型(1)是以企业经营成本为因变量的回归结果,该模型中数字经济回归系数为-0.003,且在5%水平上显著,表明数字经济发展能够降低企业经营成本,与理论预期一致。模型(2)、模型(3)中被解释变量分别为创新数量和创新质量,在回归方程中同时加入核心解释变量和中介变量。模型(2)结果显示,数字经济回归系数为0.043,在1%水平上显著;同时,经营成本回归系数依然显著为负(β=-0.181,p<0.05),表明数字经济通过降低企业经营成本提高创新产出,且经营成本发挥部分中介作用。模型(3)结果显示,数字经济回归系数为0.023,在5%水平上显著,经营成本回归系数显著为负(β=-0.307,p<0.01),说明经营成本在数字经济与创新质量之间发挥部分中介作用。另外,本文选用交易成本(管理费用、销售费用、财务费用之和除以营业成本)进行稳健性检验,结果依然符合预期。因此,假设H3得以验证。

(3)知识扩散机制。表7为知识扩散中介效应检验结果。模型(1)中被解释变量为知识扩散,该模型中数字经济回归系数为0.042,且在1%水平上显著,表明数字经济发展能够促进企业知识扩散。模型(2)、模型(3)中被解释变量分别为创新数量和创新质量,回归方程中同时加入核心解释变量和中介变量。其中,模型(2)结果显示,数字经济(β=0.040)和知识扩散(β=0.004)均在1%水平上显著为正。在模型(3)中,数字经济在10%水平上显著为正(β=0.017),知识扩散在1%水平上显著为正(β=0.004),说明数字经济通过促进知识扩散提升企业创新绩效,且知识扩散仅发挥部分中介作用,假设H4得以验证。

3.5 异质性讨论

(1)现有研究普遍认为,国有企业与非国有企业创新存在显著差异。因此,本文进一步考察数字经济创新效应是否受企业所有权性质的影响,分组回归结果如表8所示。模型(1)、模型(2)分别是国有企业组和非国有企业组的回归结果,检验发现数字经济在两个模型中的回归系数均在1%水平上显著为正,说明数字经济既能增加国有企业创新数量,又能增加非国有企业创新数量。不同的是,国有企业组数字经济回归系数为0.047(大于非国有企业),表明数字经济对国有企业创新数量的促进作用更显著。模型(3)和模型(4)分别反映数字经济对国有企业、非国有企业创新质量的影响。在国有企业组,数字经济回归系数为0.038,且在5%水平上显著,而非国有企业组数字经济系数虽然为正,但不显著。由此可见,现阶段国有企业能够从数字经济发展中获取更大的创新红利。

(2)数字经济发展为企业创新活动开展创造了良好的外部条件,但企业能够多大程度上利用数字经济创新红利,取决于企业自身数字化水平。本文采用数字化无形资产占无形资产净额的比重衡量企业数字化程度,并按照均值将数字化水平划分为两组,回归结果如表9所示。模型(1)和模型(2)中被解释变量为创新数量,结果显示无论是数字化程度较高组还是数字化程度较低组,数字经济回归系数均显著。不同的是,高数字化水平组中数字经济回归系数(β=0.077)大于低数字化水平组(β=0.033)。模型(3)和模型(4)中被解释变量为创新质量,两个模型中数字经济回归系数的显著为正,且数字化程度较高组系数更大。由此可见,企业数字化程度越高,数字经济对创新绩效(数量和质量)的促进作用越大。

(3)除企业因素会影响数字经济创新效应外,宏观地域差异也有可能导致数字经济对企业创新绩效的影响有所不同。为此,本文将城市划分为中心城市和外围城市,其中中心城市包括直辖市、副省级城市、省会城市,其余为非中心城市。在此基础上,对两类城市进行分组回归,结果如表10所示。从模型(1)和模型(2)可以看出,数字经济对创新数量的促进作用在中心城市和外围城市均显著,但是中心城市创新效应(β=0.077)大于外围城市(β=0.035)。在模型(3)和模型(4)中,数字经济对创新质量的回归系数为0.042,在5%水平上显著,但在外围城市组该系数不显著,说明数字经济更能促进中心城市企业创新质量提升。这是因为,中心城市制度环境、创新氛围更好,从而使数字经济的积极作用得到充分释放。

4 结论与启示

4.1 研究结论

在数字经济快速发展和实施创新驱动发展战略双重背景下,数字经济能否以及如何释放创新红利成为一个亟待解答的关键问题。本文采用2011—2019年我国A股上市公司微观数据,检验数字经济对企业创新绩效的影响效应及作用机制。研究发现,数字经济发展能够提升企业创新绩效,但是现阶段数字经济对创新数量的促进作用强于创新质量,这一结论在考虑内生性和稳健性检验后依然成立。机制检验结果表明,数字经济通过融资约束、成本节约和知识扩散3个渠道释放创新红利。异质性检验结果显示,数字经济对国有企业创新绩效的促进作用优于非国有企业,企业数字化程度越高越能从数字经济发展中获取创新红利,中心城市数字经济发展对创新绩效的提升作用大于非中心城市。

4.2 政策启示

根据上述研究结论,本文提出如下政策启示:

(1)数字经济发展能够有效释放创新红利,显著促进微观企业创新绩效提升。因此,国家层面应进一步推进数字经济发展,依托数字经济发展深度优化企业创新环境,切实缓解融资约束、降低经营成本、促进知识扩散,充分挖掘数字经济创新效应,实现创新数量和创新质量双提升,为实施创新驱动发展战略奠定坚实基础。

(2)数字经济创新效应受企业层面相关因素的影响。一方面,非国有企业从数字经济中获取的创新红利弱于国有企业,这与非国有企业在资源获取、吸收能力等方面的劣势直接相关。因此,需要在创新政策上加大对非国有企业的支持力度,使之与数字经济的促进作用形成合力。另一方面,企业数字化程度越高,数字经济对企业创新绩效的提升作用越好。因此,企业需要顺应数字化发展趋势,加大数字化转型投入,同时政府也要为企业数字化转型提供政策支持,从而更加有效地获取数字经济带来的创新红利。

(3)数字经济创新效应存在地区差异,由于中心城市在市场化进程、知识产权保护等方面明显优于非中心城市,而这正是企业开展创新活动的重要保障。因此,政府应重视中心城市与非中心城市均衡发展,尤其要加快非中心城市体制机制改革,有效释放数字经济的创新红利。

参考文献：

[1] MA D, ZHU Q. Innovation in emerging economies: research on the digital economy driving high-quality green development[J]. Journal of Business Research, 2022, 145: 801-813.

[2] 荆文君,孙宝文.数字经济促进经济高质量发展:一个理论分析框架[J].经济学家,2019,31(2):66-73.

[3] LI J, CHEN L, CHEN Y, et al. Digital economy, technological innovation, and green economic efficiency—empirical evidence from 277 cities in China[J]. Managerial and Decision Economics, 2022, 43(3): 616-629.

[4] 温珺,阎志军,程愚.数字经济与区域创新能力的提升[J].经济问题探索,2019,40(11):112-124.

[5] TAPSCOTT D. The digital economy: promise and peril in the age of networked intelligence[M]. New York:McGraw-Hill,1996.

[6] 唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征,机制识别与金融监管下的效应差异[J].管理世界,2020,36(5):52-66.

[7] FERNANDEZ-PORTILLO A, ALMODOVAR-GONZALEZ M, HERNANDEZ-MOGOLLóN R. Impact of ICT development on economic growth. a study of OECD European Union Countries[J]. Technology in Society, 2020, 63: 101420.

[8] 徐辉,邱晨光.数字经济发展提升了区域创新能力吗——基于长江经济带的空间计量分析[J].科技进步与对策,2022,39(13):43-53.

[9] GOMBER P, KAUFFMAN R J, PARKER C, et al. On the fintech revolution: interpreting the forces of innovation, disruption, and transformation in financial services[J]. Journal of Management Information Systems, 2018, 35(1): 220-265.

[10] PAUNOV C, ROLLO V. Has the Internet fostered inclusive innovation in the developing world[J]. World Development, 2016, 78: 587-609.

[11] 胡善成,靳来群,刘慧宏．金融结构对技术创新的影响研究[J]．中国科技论坛,2019,35(10):33-42．

[12] 陈春华,曹伟,曹雅楠,等.数字金融发展与企业“脱虚向实”[J].财经研究,2021,47(9):78-92.

[13] 鞠晓生,卢荻,虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究,2013,48(1):4-16.

[14] LEE I, SHIN Y J. Fintech: ecosystem, business models, investment decisions, and challenges[J]. Business Horizons, 2018, 61(1): 35-46.

[15] 袁淳,肖土盛,耿春晓,等.数字化转型与企业分工:专业化还是纵向一体化[J].中国工业经济,2021,38(9):137-155.

[16] STORPER M, VENABLES A J. Buzz: face-to-face contact and the urban economy[J]. Journal of Economic Geography, 2004, 4(4): 351-370.

[17] 李超凡,孟庆玺,王生年.金融资产投资对创新投入的挤出效应研究[J].中国管理科学,2021,29(10):12-22.

[18] 倪克金,刘修岩.数字化转型与企业成长:理论逻辑与中国实践[J].经济管理,2021,43(12):79-97.

[19] 薛成,孟庆玺,何贤杰.网络基础设施建设与企业技术知识扩散——来自“宽带中国”战略的准自然实验[J].财经研究,2020,46(4):48-62.

[20] 黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与中国经验[J].中国工业经济,2019,39(8):5-23.

[21] WOOLDRIDGE J M. Control function methods in applied econometrics[J]. Journal of Human Resources, 2015, 50(2): 420-445.

[22] 温忠麟.张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004,49(5):614-620.

(责任编辑:王敬敏)