开放科学(资源服务)标识码(OSID)：
This paper uses the data of A-share listed companies in Shanghai and Shenzhen from 2011 to 2021, and constructs an index system to measure the digital transformation of enterprises from five dimensions: goal orientation, technology drive, organizational empowerment, environmental support, and results and applications. It also examines the innovation effect of enterprises from the perspective of innovation input, output and efficiency. Then the innovation effect of enterprise digital transformation is empirically tested by the three-dimensional fixed effect model; with the investor's emotion as a moderating variable in the model, the moderating effect of investors' emotion is investigated. Furthermore, heterogeneity is analyzed from the perspectives of enterprise property rights and location factors. After clarifying the channels and sources of innovation efficiency loss caused by digital transformation of enterprises, this paper evaluates the improvement effect of digital industry policy on innovation efficiency.
The results show that during the sample inspection period, the digital transformation of enterprises has both incentive effects on innovation input and output and characteristics of innovation efficiency loss. This conclusion is still valid after selecting instrumental variables at the enterprise and city levels for endogenous processing and using substitution variables for robustness testing. As an irrational factor in the market, investor sentiment positively moderates the innovation incentive effect of enterprise digital transformation and negatively moderates the loss of innovation efficiency; the property right attribute and location of an enterprise are also important sources of its innovation efficiency loss; and digital industry policy can effectively improve the inhibition of enterprise digital transformation on innovation efficiency. Therefore, this paper holds that enterprises should explore the digital transformation path in line with their own development status and avoid the inefficiency of innovation caused by blind obedience; government policy orientation should further deepen the reform of state-owned enterprises, pay special attention to regional coordinated development, and explore the implementation of diversified digital industry policies.
This paper contributes to the study on enterprise digital transformation in several directions. Firstly, the innovation effect of enterprise digital transformation is comprehensively investigated by bringing it into the same analytical framework as the input, output and efficiency of enterprise innovation, and the characteristic facts of the loss of innovation efficiency in the initial stage of enterprise digital transformation in China are confirmed, and its sources and possible countermeasures are further analyzed. Secondly, a more complete evaluation system for enterprise digital transformation is constructed. Different from the previous practice that most literature measures the digital transformation of enterprises through a single index, it divides the digital transformation of enterprises into five dimensions and constructs a comprehensive evaluation system. The conclusions provide path support for the digital transformation of enterprises in the future and empirical evidence for promoting an innovation-driven development strategy based on the development of the digital economy from the perspective of enterprises.
开放科学(资源服务)标识码(OSID)：
数字经济背景下,数字产业化与产业数字化协同发展,数字经济成为推动企业创新的重要动力。一方面,数字经济发展直接推动企业创新[1];另一方面,数字经济发展服务于企业创新[2]。为此,有必要基于企业视角探讨数字经济发展带来的创新效应。部分研究表明,数字经济在区域和产业层面的发展能够促进企业创新[3-4],但其影响相对间接且包含较多混淆因素。因此,探究企业数字化转型的创新效应可为解决这一问题提供微观证据。
企业数字化转型需要依靠数字经济发展提供的外部环境、技术和基础设施等,其本质上是企业利用数字技术促进原有生产经营方式变革[5],因而对企业学习和吸收能力提出了更高的要求[6]。据中国信息通信研究院发布的《中国数字经济发展研究报告(2023)年》显示,2022年中国数字经济规模达到50.2万亿元,占GDP的比重达到41.5%,中国经济已迈入数字化转型发展深水区。同时,由于中小企业数量众多、资金技术缺乏等问题,我国企业数字化转型进程缓慢。但不可否认的是,数字化转型是我国企业未来发展趋势。
针对企业数字化转型与企业创新的关系,厘清其内在逻辑成为后续研究开展的前提。基于数据要素成为驱动企业数字化转型的关键因素这一论断[7],从供需两侧出发,相关研究发现,数据要素在赋能企业数字化转型过程中具有阶段性特征。由此证实,数据要素在企业数字化转型过程中发挥价值创造作用(刘启雷等,2022)。基于企业IT能力视角的相关研究发现,数字化转型成为促进企业创新绩效提升的必要条件(池毛毛等,2022)。进一步地,在以国内大循环为主体、国内国际双循环相互促进的新发展格局下,企业数字化转型在创新网络与创新能力间发挥正向调节作用(杨震宁等,2021)。也就是说,数字化转型对企业创新的赋能作用在多个维度及场景下得到充分论证。
在上述理论研究的基础上,相关研究提供了经验证据:企业创新行为异质性视角下,企业数字化转型能够同时促进激进式创新与渐进式创新[8]。“双碳”目标背景下,激发企业绿色创新潜力成为关键。数字化转型不仅能够增加企业绿色创新数量,而且可以有效提升企业绿色创新质量[9]。区别于传统创新行为,数字化转型能够促进企业商业模式创新[10]。由此可见,数字化转型对企业创新的促进作用体现在多个方面,而加快知识流动、缓解融资约束、优化人力资本结构成为企业数字化转型产生积极创新效应的重要渠道[9,11-12]。
尽管现有数字化转型与企业创新关系研究取得了一定成果,但鲜有考察数字化转型对企业创新投入、产出及效率的影响。现有研究存在如下不足:一是对创新效率的忽视;二是仅对单一产业数字化转型的创新效率进行探讨。此外,企业数字化转型评价指标维度具有单一性和相似性。
本文从目标导向、技术驱动、组织赋能、环境支撑以及成果与应用5个维度构建企业数字化转型评价体系,并将企业创新效应划分为创新投入、产出及效率,试图考察企业数字化转型的创新效应与来源。本文的边际贡献如下:第一,将企业数字化转型与企业创新投入、产出、效率纳入同一分析框架,全面考察企业数字化转型的创新效应,结果发现,我国企业数字化转型初期存在创新效率损失这一事实,并进一步分析其来源与应对之策。第二,区别于以往文献借助单一指标测度企业数字化转型,本文将企业数字化转型划分为5个维度,构建更为全面的评价体系,以期为企业数字化转型的创新效应研究提供更为丰富的经验证据,拓展基于微观视角的数字经济与创新发展理论边界。
目前,我国企业数字化转型处于初期阶段,经验证据有待补充,相关理论问题有待阐释。借鉴现有数字经济与企业发展研究,本文提出以下问题:企业数字化转型如何影响企业创新行为?基于我国企业发展现状与数字化转型进程,如何从效率视角对企业数字化转型的创新效应作进一步考察?
数字化转型初期,企业通过数字技术优化生产、销售等流程[13],从而实现流程创新。这一过程中,得益于数字经济发展,更多创新元素产生,而企业能够利用上述创新元素构建创新组合[14],完成数字化转型,进而形成竞争优势。由此可见,数字化转型初期,创新要素既是企业数字化转型的投入品,也是企业数字化转型的产出品。基于这一特性,数字化转型能够激励企业创新行为,发挥积极的创新效应。
企业数字化转型能够推动市场运行与行业发展,进而作为外部冲击激励企业创新。一方面,数字经济背景下,透明化市场、高速迭代的技术以及跨行业替代效应会倒逼企业进化[15],以往企业依靠单一产品垄断市场的竞争优势不复存在。只有不断推陈出新,企业才能在高度透明的市场中存活。另一方面,中观层面的同行业压力会对企业创新产生影响。数字经济背景下,同行业竞争和跨行业替代成为产业数字化发展趋势。企业要在同行业中维持竞争优势,不仅需要在原有技术领域实现纵向创新,而且需要跨领域开展横向探索。市场和行业变革导致投资者判断标准改变,故投资者压力成为企业开展创新活动的动力。投资者更为青睐开展数字化转型的企业,并通过“用脚投票”影响企业创新决策。基于以上分析,本文提出以下研究假设:
H1:数字化转型对企业创新发挥激励效应。
数字化转型能够通过降低研发成本与交易成本[16]、拓宽研发边界、促进知识溢出[17]等方式对企业创新效率产生积极影响。基于中国企业处于数字化转型初期的现状,以及中小企业数量众多、资金技术匮乏的事实,有必要全面考察数字化转型过程中企业面对外部冲击的脆弱性及其在产权性质上的特殊性。
(1)作为市场非理性因素,投资者情绪在数字化转型过程中会影响企业创新行为与创新效率。一方面,投资者对企业创新行为的追捧能够发挥激励效应。得益于高涨的投资者情绪以及由此带来的价格泡沫,企业面临较小的融资约束,可能为迎合投资者偏好而盲目加大创新投入[18],进而损害企业创新效率。另一方面,投资者情绪能够干扰管理者决策行为。投资者情绪带来的管理者过度自信可能导致企业过度投资[19],进而降低资源配置效率[20],最终在资源侧消弭数字化转型带来的创新效率提升效应。
(2)产权性质对企业创新效率的影响不容忽视。相较于民营企业,国有企业拥有更加丰富的人才、资金资源以及政策优势,能够实现大规模创新投入与产出[21]。但需要指出的是,特殊的组织形式将导致国有企业监督机制、激励机制对创新效率产生抑制作用[22]。相对集中的股权与冗余机构设置使得国有企业无法快速将创新资源转化为市场优势,进而导致效率损失。此外,相较于民营企业,国有企业承担着较多社会责任,其创新效率提升动机相对不足[23]。因此,在绝大多数行业,国有企业创新效率显著低于民营企业[24]。
(3)地区外部环境在企业数字化转型对创新效率影响过程中发挥重要作用。大数据、云计算、区块链等数字技术在赋能企业数字化转型的同时,也为企业创新“提质增效”提供技术支持。在企业数字化转型过程中,数字技术能够有效缓解信息不对称问题,有助于企业精准把握创新方向、优化创新过程,从而提升创新效率[25]。此外,作为企业数字化转型的重要支撑,地区数字基础设施能够通过加大研发投入对企业创新发挥显著促进作用[26]。因此,拥有丰富数字技术资源的东部地区能够为本地企业数字化转型提供良好的环境支持。据此,本文提出以下研究假设:
H2a:在企业数字化转型过程中,投资者情绪对企业创新产生激励效应的同时,也会加剧企业创新效率损失。
H2b:相较于非国有企业,国有企业数字化转型的创新效率损失更为严重;
H2c:相较于东部地区,中西部地区企业数字化转型的创新效率损失更为严重。
2.1.1 企业数字化转型
部分研究通过构建企业数字化转型词典,利用爬虫技术提取上市公司年报中关键词,以词频为依据测度企业数字化转型程度(吴非等,2021)。部分研究通过对企业进行追踪调查得到企业数字化管理程度相关数据(刘淑春等,2021)。例如,张永珅等[27]采用上市公司财务报告的无形资产中与数字化技术相关部分占无形资产总额的比值对企业数字化转型程度进行测度。由此可见,学者们对企业数字化转型的测度方式各异,但评价维度相对单一。在以往研究基础上,本文从目标导向、技术驱动、组织赋能、环境支撑以及成果与应用5个维度构建企业数字化转型(EDT)评价体系。
其中,目标导向维度能够展示企业管理层对数字化转型的引领作用。高层管理者是企业重要决策者,其数字化变革意愿、前瞻性思维以及变革导向对企业数字化转型至关重要[28]。技术驱动维度侧重对企业年报中与数字化转型相关词频进行统计,借助人工智能技术、区块链技术、大数据技术以及云计算技术得到企业数字技术发展程度。组织赋能维度侧重度量企业数字化投入程度,由于企业数字化转型离不开资金和人才支持,且数字基础设施是企业数字化转型的基石[29]。因此,需要考虑企业是否实施数字资源与人力投入计划,以及是否开展数字基础设施与科技创新基地建设。环境支撑维度主要考虑行业、地区等外部因素对企业数字化转型的影响。受发展惯性、资源约束等因素影响,不同行业企业数字化转型难易程度不同。由此,基于行业视角选取企业所在行业数字化技术、资本投入强度、发明专利数量及R&D活动等指标,考察行业状况对企业数字化转型的影响。出于同样的考虑,基于地区视角选取企业所在城市光缆密度、移动交换机容量和互联网宽带接入用户规模等指标,考察地区环境对企业数字化转型的影响。成果与应用维度能够基于产出视角衡量现阶段企业数字化转型产出情况。企业数字化转型成果方面,选取企业数字创新标准与资质、论文发表及专利等指标;企业数字化转型应用方面,选取企业技术创新、流程创新和业务创新等指标。具体评价指标及权重设置如表1所示。
表1 企业数字化转型评价体系
Table 1 Evaluation system of enterprise digital transformation
评价维度指标 权重目标导向管理层数字职务设立0.3472管理层数字创新导向前瞻性与持续性管理层数字创新导向广度与强度技术驱动人工智能技术0.162区块链技术云计算技术大数据技术组织赋能数字资源投入计划、数字人力投入计划0.097数字基础设施建设、科技创新基地建设环境支撑所在证监会行业数字化技术和资本投入强度0.034所在国民经济行业发明专利数量和R&D活动情况所在城市光缆密度、移动交换机容量和互联网宽带接入用户规模成果与应用数字创新标准与资质0.360数字创新论文与发明专利数字国家级奖项技术创新、流程创新和业务创新
2.1.2 企业创新投入、创新产出与创新效率
企业创新投入(II)与创新产出(IO)能够表征企业创新行为及成果。近年来,学者们主要从专利与新产品销售两个维度衡量企业创新产出,但新产品销售受市场等不可观测因素干扰,可靠性存疑。因此,本文以上市公司年专利累积申请量(Pantentit)作为企业创新产出的代理变量。
企业创新投入主要包括企业为研发活动购买设备、技术以及雇佣研发人员的成本支出,本文采用企业研发投入强度表示,即企业研发支出占总支出的比值。此外,在稳健性检验中,本文基于人力资本视角构造替代变量(II'),采用企业研发人员数量占员工总数之比表示。
此外,部分文献采用数据包络分析(DEA)方法测算产业创新效率[30],但上述方法具有前沿面的局限性,将其应用于面板数据的研究较少[31]。借鉴相关研究成果[32-33],本文基于投入产出视角构建企业创新效率指标(EIE),具体公式如下:
(1)
(2)
其中,EIE1表示企业在一定研发投入强度下的专利数量;EIE2表示企业当期专利申请数与当期、上一期研发投入总额之比。由于该数值较小,为便于观测分析,本文将其扩大107倍。
2.1.3 渠道变量
投资者情绪。借鉴翟淑萍等[34]的研究成果,本文对托宾Q指数(Tobin'Q)进行分解,得到企业层面的投资者情绪。具体如下:将企业年度托宾Q指数作为模型被解释变量,将描述公司基本面的一组变量(净资产收益率、主营业务收入增长率、资产负债率、企业规模等)作为自变量,并引入行业和年度层面的固定效应,如式(3)所示。
Tobin'Qjt=θ0+θ1ROEjt+θ2ROWjt+θ3LEVjt+θ4SIZEjt+∑Indj+∑Yeart+εjt
(3)
进一步求得模型中的残差项εjt,以此作为公司层面投资者情绪(Sentit)的代理变量。
2.1.4 控制变量
借鉴陈红等[35]、万源星等[36]的研究成果,本文选取企业规模(Size)、企业年龄(Age)、资产负债率(Lev)、资产收益率(Roa)、董事会规模(Board)、政府补助(Gov)、行业集中度(HHI)作为控制变量。其中,企业规模(Size)采用企业总资产的对数表示;企业年龄(Age)为研究年份减去企业登记注册年份的对数;资产负债率(Lev)为企业总负债与总资产之比;资产收益率(Roa)为净利润与平均资产总额之比;董事会规模(Board)采用董事会总人数的对数表示;政府补助(Gov)采用政府对企业当年补贴额的对数表示;行业集中度(HHI)为行业内每家公司主营业务收入与行业主营业务收入合计的比值平方之累加。
为进一步控制公司个体、行业、年份变化因素,以上市公司证券代码为依据,引入公司虚拟变量(∑Stkcdi);以证监会行业分类指引为依据,引入行业虚拟变量(∑Indj)及年份虚拟变量(∑Yeart)。
基于变量选取与设定,本文构建基准回归计量模型,以检验企业数字化转型的创新效应,具体设定形式如式(4)所示。
Innovateijt=α+β1EDTijt+β2Controlijt+∑Stkcdi+∑Indj+∑Yeart+εijt
(4)
其中,Innovateijt为表征样本企业创新效应的一组变量,包括创新投入、创新产出以及创新效率;EDTijt为企业数字化转型指数;Controlijt为控制变量组;∑Stkcdi、∑Indj、∑Yeart分别为公司、行业、年份虚拟变量。
本文以2011—2021年沪深A股上市公司面板数据为研究样本,相关专利数据来自中国研究数据服务平台(CNRDS)与国家专利网站,企业数字化转型相关数据以及企业财务数据来自国泰安(CSMAR)数据库、万德(Wind)数据库,部分指标来源于上市公司年度报告、上市公司财务报告。样本筛选及处理过程如下:第一,剔除ST类、*ST类、PT类样本;第二,剔除关键变量缺失严重样本;第三,采用线性插值法补齐剩余样本缺失值;第四,为消除极端值对实证结果的影响,本文对所有连续变量在1%水平上进行缩尾处理。由此得到2011—2021年涵盖84个行业3 591家上市公司的26 524个企业—年度观测值,以此作为基准回归使用的非平衡面板数据。
表2模型(1)—(2)展示了数字化转型对企业创新的激励效应。结果显示,在引入控制变量并控制企业个体、行业、年份三维固定效应后,数字化转型对企业创新投入与创新产出发挥不同程度的促进作用。其中,数字化转型对企业创新投入的促进作用系数较大,作用较强,而对企业创新产出的促进作用偏弱。原因如下:创新活动具有长期性、高投入特征,在数字化转型初期,企业创新投入转化为产出具有时滞性。此外,数字化转型初期,企业面临资金缺乏与经验不足等问题,导致创新投入与产出增长不同步。
表2 企业数字化转型的创新效应检验结果
Table 2 Test results of Innovation effect of digital transformation of enterprises
变量IIIOEIE1EIE2EDT0.022∗∗∗0.004∗∗∗-0.153∗∗∗-0.093∗∗∗(6.85)(5.03)(-3.31)(-4.47)Age-1.637∗∗∗0.753∗∗∗24.237∗∗∗8.624∗∗∗(-6.56)(12.90)(6.81)(5.20)Size0.0150.064∗∗∗-16.826∗∗∗-7.450∗∗∗(0.43)(8.03)(-32.73)(-32.52)Roa-7.841∗∗∗-0.208∗∗∗-23.109∗∗∗-1.838(-33.56)(-3.86)(-6.91)(-1.31)Gov0.140-0.120∗∗∗-5.320∗∗-2.745∗∗∗(0.85)(-3.15)(-2.27)(-2.72)Board0.319∗∗0.281∗∗∗-7.780∗∗∗-3.373∗∗∗(2.00)(7.57)(-3.43)(-3.42)Lev-2.826∗∗∗0.117∗∗∗1.0330.868(-20.53)(3.76)(0.52)(1.00)HHI-0.107-0.232∗∗∗-0.3530.578(-0.41)(-3.66)(-0.08)(0.30)观察值26 52426 52426 52421 967R20.8480.9300.7260.795个体固定效应YESYESYESYES行业固定效应YESYESYESYES时间固定效应YESYESYESYES
注：t-statistics in parentheses: ***p<0.01, **p<0.05, *p<0.1,下同
模型(3)—(4)展示了数字化转型对企业创新效率的影响。总体来看,数字化转型对以不同方式测度的创新效率具有负向影响,体现为数字化转型的创新效率损失效应。数字经济背景下,数字化转型过程中,企业盲目投入、创新转化率较低以及“数字化—创新”联结不紧密等问题是导致企业创新效率损失的重要原因。结合模型(1)—(4)可知,现阶段我国企业数字化转型的创新激励效应与创新效率损失并存。
3.2.1 内生性处理
一方面,数字化转型对企业创新产生影响,具体表现为创新激励与效率损失;另一方面,企业创新投入与创新产出增加能够促进数字技术进步,进而影响企业数字化转型。由此,反向因果问题未能在基准检验中得到处理。此外,企业创新影响因素较多,遗漏变量问题无法避免。因此,本文采用工具变量法缓解内生性问题。
参照傅秋子等[37]的做法,以样本企业办公地到杭州市的距离(IVcompany)作为企业层面的工具变量。一方面,杭州具有先进的数字技术、良好的数字环境以及丰富的数字发展经验,距离其越近,企业越容易借鉴其发展经验,从而实现数字化转型。另一方面,企业所在地到杭州的距离并不会对企业创新产生直接影响。本文使用2SLS进行检验,结果如表3所示。通过检验K-P LM统计量和Wald F统计量发现,工具变量不存在识别不足、过度识别和弱工具变量问题。相较于基准回归结果,引入工具变量后,企业数字化转型系数符号不变,但对企业创新的激励效应以及对创新效率的抑制作用均得到强化。
表3 企业层面工具变量检验结果
Table 3 Test results of instrumental variables at enterprise level
变量内生性检验IIIOEIE1EIE2工具变量外生性检验IIIOEIE1EIE2EDT0.397∗∗∗0.475∗∗∗-2.766∗∗∗-0.903∗∗∗0.023∗∗∗0.004∗∗∗-0.122∗∗∗-0.074∗∗∗(3.17)(3.62)(-3.85)(-3.02)(6.71)(4.59)(-2.69)(-3.48)IV_company0.0000.000-0.005-0.001(0.06)(1.25)(-0.33)(-0.92)控制变量控制控制控制控制控制控制控制控制观察值26 52426 52424 88221 51926 52426 52424 88221 519R20.5130.5170.5170.5310.8250.9190.6820.752K-P LM120.4291.0067.5766.76(0.000)(0.000)(0.000)(0.000)Wald F132.3498.6172.6172.31个体—行业—时间固定效应YESYESYESYESYESYESYESYES
进一步地,本文将工具变量与解释变量同时纳入模型。结果显示,将工具变量纳入基准回归模型后,解释变量显著性水平与系数并未出现明显变化,同时工具变量系数不显著且接近0。上述结果进一步证实,本文选择的工具变量具有外生性特征。
参考赵涛等[1]研究成果,本文采用地级市1984年每万人邮局数量(IVcity)作为城市层面的工具变量,将其与上一年互联网投资额相乘构建面板数据,以此与样本企业数据相匹配,回归结果如表4所示。一方面,城市通信基础设施会从技术、发展惯性、经济基础等方面对城市数字基础设施产生影响,进而影响当地企业数字化转型。另一方面,地区通信数据对当前企业创新无法产生直接且持久的影响。由结果可知,加入工具变量后的结果与基准结果基本一致,进一步证实城市层面工具变量具有外生性特征。
表4 城市层面工具变量检验结果
Table 4 Test results of instrumental variables at city level
变量内生性检验IIIOEIE1EIE2工具变量外生性检验IIIOEIE1EIE2EDT0.410∗∗∗0.049∗∗∗-1.789∗∗∗-0.751∗∗∗0.029∗∗∗0.003∗∗∗-0.075∗-0.056∗∗(23.21)(8.09)(-12.69)(-11.69)(7.62)(3.95)(-1.89)(-2.37)IV_city-0.0000.000∗∗-0.000-0.000(-0.21)(2.07)(-1.51)(-0.94)控制变量控制控制控制控制控制控制控制控制观察值26 52426 52424 88221 51926 52426 52424 88221 519R20.4920.8330.2100.2470.8180.9210.6840.756K-P LM686.44636.26641.65600.17(0.000)(0.000)(0.000)(0.000)Wald F743.14689.29696.85656.14个体—行业—时间固定效应YESYESYESYESYESYESYESYES
3.2.2 其它稳健性检验
替换被解释变量。对于企业创新投入,本文基于人力资本视角构造替代变量(II'),变量替换检验结果如表5模型(1)所示。结果显示,企业数字化转型对企业创新投入发挥促进作用,但其系数有所降低,说明数字化转型对企业创新投入的激励作用主要表现为激励资本投入。对于企业创新产出,本文基于专利类型采用企业专利申请量的分项指标表示,将其划分为发明专利申请量(IO1)和外观与实用新型专利申请量(IO2)。表5模型(2)—(3)表明,企业数字化转型对发明专利产出、外观与实用新型专利产出发挥激励效应,且对后者的激励效应更显著。钟昌标等[38]采用企业发明专利申请量作为企业突破式创新的代理变量,以外观与实用新型专利申请量作为企业渐进式创新的代理变量。基于此,本文发现,企业数字化转型对企业渐进式创新的影响更显著。
表5 替换关键变量的稳健性检验结果
Table 5 Robustness test results of substituting key variables
变量(1)(2)(3)(4)(5)(6)(7)(8)II'IO_1IO_2EIE3IIIOEIE1EIE2EDT0.008∗∗∗0.005∗∗∗0.007∗∗∗-0.079∗∗∗(9.12)(6.63)(5.62)(-5.55)DWF0.818∗∗∗0.013∗∗-3.326∗-0.545∗∗(2.77)(2.13)(-1.76)(-1.96)控制变量控制控制控制控制控制控制控制控制观察值26 52426 52426 52418 73226 52426 52426 52420 345R20.8810.9080.8640.8030.8180.9200.7740.753个体固定效应YESYESYESYESYESYESYESYES行业固定效应YESYESYESYESYESYESYESYES时间固定效应YESYESYESYESYESYESYESYES
进一步地,考虑企业历史研发投入对企业当期创新产出(专利申请量)的影响。借鉴姚立杰等[32]的研究成果,本文采用企业专利申请数量与当期及前两期研发投入总额之比作为企业创新效率的代理变量。为了便于分析同样将其扩大107倍,结果如表5模型(4)所示。结果显示,在考虑企业历史研发投入后,数字化转型仍对企业创新效率发挥抑制作用。由此可见,本文基准结果具有稳健性。
替换解释变量。借鉴张永珅等[27]的研究成果,本文将基于企业财务报告附注的无形资产明细项目中与数字技术相关部分占总资产的比值(DWF)作为企业数字化转型的代理变量,以此进行稳健性检验。表5模型(5)—(8)显示,采用无形资产相关指标衡量企业数字化转型后,创新激励与效率损失并存。
高维固定效应与交互固定效应。作为微观主体,企业发展会受到行业与地区等因素影响。为了排除上述因素干扰,在基准回归中,本文引入企业、行业和年份固定效应。此外,城市发展对企业数字化转型与企业创新的影响不容忽视,因而以样本企业实际经营所在地为依据,本文设定城市虚拟变量(∑Cityc),并将其纳入模型,检验结果如表6所示。表6模型(1)—(4)显示,在引入城市层面的固定效应后,解释变量显著性水平及符号均与基准结果保持一致。
表6 高维固定效应与交互固定效应稳健性检验结果
Table 6 Robustness test results of high-dimensional fixed effect and interactive fixed effect
变量(1)(2)(3)(4)(5)(6)(7)(8)IIIOEIE1EIE2IIIOEIE1EIE2EDT0.022∗∗∗0.004∗∗∗-0.157∗∗∗-0.075∗∗∗0.022∗∗∗0.003∗∗∗-0.108∗∗-0.105∗∗∗(6.74)(4.98)(-3.40)(-3.54)(6.59)(3.30)(-2.37)(-4.83)控制变量控制控制控制控制控制控制控制控制观察值26 52426 52425 85820 42826 52426 52425 85820 428R20.8270.9210.6870.7580.8240.9230.7080.758城市固定效应YESYESYESYESNONONONO个体固定效应YESYESYESYESYESYESYESYES行业固定效应YESYESYESYESNONONONO时间固定效应YESYESYESYESNONONONO行业—时间交互固定效应NONONONOYESYESYESYES
同时,在行业层面考虑更为严格的固定效应。本文引入行业与时间交互固定效应(∑Indj×∑Yeart),检验结果如表6模型(5)—(8)所示。由此证明,在控制行业—年份交互固定效应后,结果依然具有稳健性。因此,假设H1得证。
3.3.1 投资者情绪的调节效应分析
将投资者情绪(Sentit)及其与企业数字化转型指数的交互项纳入计量模型中,以验证投资者情绪的调节效应,结果如表7所示。本文重点关注投资者情绪与企业数字化转型的交互项(EDT×Sent)系数。模型(1)—(2)显示,投资者情绪对企业数字化转型的创新激励效应发挥正向调节作用。由此说明,在数字化转型过程中,企业存在受市场非理性因素诱导而盲目进行创新投入的情况。模型(3)—(4)结果显示,投资者情绪对企业数字化转型的创新效率损失效应发挥负向调节作用。由此说明,在投资者情绪的影响下,企业盲从行为会对自身创新效率产生损害。上述结果表明,数字化转型初期,面对市场非理性因素的诱惑,企业应精准研判,避免盲从。由此,假设H2a成立。
表7 投资者情绪的调节效应分析结果
Table 7 Analysis results of the moderating effect of investor sentiment
变量(1)(2)(3)(4)IIIOEIE1EIE2EDT0.022∗∗∗0.005∗∗∗-0.423∗∗∗-0.213∗∗∗(6.52)(6.98)(-8.90)(-9.93)Sent0.039-0.028∗∗∗0.991∗0.395∗(1.04)(-3.26)(1.86)(1.69)EDT×Sent0.004∗∗∗0.001∗∗-0.038∗∗-0.013∗∗(3.99)(2.56)(-2.56)(-2.10)控制变量控制控制控制控制观察值26 52426 52424 88221 519R20.8170.9190.8030.746个体固定效应YESYESYESYES行业固定效应YESYESYESYES时间固定效应YESYESYESYES
3.3.2 异质性分析
根据企业产权性质,本文将样本企业划分为国有企业与非国有企业,并剔除部分产权性质不明确的样本企业。基于理论分析,在异质性检验中,仅考察数字化转型对企业创新效率的影响。表8显示,数字化转型对国有企业创新效率与非国有企业创新效率均具有负向影响(创新效率损失),且国有企业创新效率损失更为严重。这一结果说明,在国有企业转型过程中,激励机制、监督机制缺失对创新效率发挥抑制作用。至此,假设H2b成立。
表8 异质性检验结果
Table 8 Heterogeneity test results
变量国有企业EIE1EIE2非国有企业EIE1EIE2中西部地区EIE1EIE2东部地区EIE1EIE2EDT-0.224∗∗-0.122∗∗∗-0.133∗∗∗-0.094∗∗-0.377∗∗-0.137∗∗∗-0.062-0.069∗∗(-2.11)(-5.09)(-2.59)(-2.00)(-3.50)(-2.74)(-1.33)(-3.24)控制变量控制控制控制控制控制控制控制控制观察值6 5895 83416 01413 7187 5356 52818 31015 424R20.6280.7050.7280.7980.6140.7020.7340.805个体固定效应YESYESYESYESYESYESYESYES行业固定效应YESYESYESYESYESYESYESYES时间固定效应YESYESYESYESYESYESYESYES
进一步地,考虑到宏观经济外部性冲击,本文以企业所在地为依据将样本企业划分为中西部地区企业与东部地区企业。结果表明,中西部地区企业数字化转型对创新效率的抑制作用更为显著,其系数分别为-0.377和-0.137,远大于东部地区企业。上述结果表明,良好的地区经济发展环境能够促进企业数字化转型过程中的创新效率提升。也就是说,坚实的经济基础、完善的基础设施以及先进的技术水平有助于促进企业数字化转型过程中的创新效率提升。至此,假设H2c成立。
以企业资产规模为依据,本文将样本企业资产规模位于前50%的样本企业设定为成熟型企业,后50%的样本企业设定为成长型企业。分样本回归结果表明,两种类型企业中,数字化转型造成的创新效率损失并无显著差异。以样本企业成立年限平均值为依据,本文将样本企业划分为成长型企业与成熟型企业。结果表明,相较于成长型企业,数字化转型对成熟型企业创新效率的抑制作用更显著。受限于篇幅,企业规模和企业年龄异质性检验结果未列示。
由数字化转型导致的企业创新效率损失在不同产权性质、区位、规模企业均有所体现,并且以投资者情绪为代表的市场非理性因素在其中发挥负向调节作用,加剧创新效率损失。近年来,我国政府出台一系列数字产业政策,尝试通过完善地区数字基础设施、营造良好的数字经济发展环境以及投入资金、技术支持企业顺利开展数字化转型。基于此,本文探讨数字产业政策能否对由数字化转型导致的企业创新效率损失发挥改善作用。
本文选取2013年开始的“智慧城市”建设试点、2014年遴选的“宽带中国”试点以及2015年开展的“国家级大数据试验区”建设试点。各试点政策分期开展,本文设定试点政策虚拟变量DIDct,当城市c第t年进入试点名单时,则将当年及之后年份的DIDct赋值为1,将t年之前的DIDct赋值为0。由此,得到3组数字产业政策实施“城市—年份”层面观测值。进一步地,将其匹配至企业层面并构建政策虚拟变量与解释变量的交乘项(DID×EDT),结果如表9所示。
表9 数字产业政策对企业创新效率损失的改善效应评估结果
Table 9 Evaluation results of the ameliorative effect of digital industrial policy on the loss of enterprise innovation efficiency
变量国家级大数据试验区EIE1EIE2宽带中国EIE1EIE2智慧城市EIE1EIE2EDT×DID-0.046∗∗∗-0.019∗∗-0.032∗-0.008-0.095∗∗∗-0.017(-2.60)(-2.44)(-1.69)(-0.95)(-3.22)(-0.97)控制变量控制控制控制控制控制控制观察值23 98620 42823 98620 42823 98620 428R20.6730.7490.6730.7490.6520.749个体固定效应YESYESYESYESYESYES行业固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYES
相较于基准回归结果,数字产业政策对试点地区企业数字化转型创新效率的积极作用更加显著。其中,当国家级大数据试验区政策实施后,试点地区企业创新效率的改善效应分别达到0.107、0.074;宽带中国和智慧城市试点政策实施对表征企业创新效率的EIE1具有一定的改善效应,而对于EIE2则未表现出显著的创新效率损失。上述结论证实,数字产业政策对企业数字化转型初期的创新效率损失发挥改善效应。
本文基于2011—2021年中国上市公司数据,将企业数字化转型与企业创新投入、产出与效率纳入同一分析框架,实证检验了企业数字化转型的创新效应,进一步揭示了数字产业政策对企业创新效率损失的改善作用,得到以下主要研究结论:
(1)样本考察期内,我国企业数字化转型的创新激励效应与创新效率损失并存,这一结论在经过内生性处理、稳健性检验后仍然成立。
(2)投资者情绪作为市场非理性因素正向调节企业数字化转型的创新激励效应,负向调节数字化转型的创新效率损失;企业产权性质与所处地区是导致企业创新效率损失的重要影响因素。
(3)数字产业政策能够缓解数字化转型对企业创新效率的抑制作用,是通过数字化转型推动企业创新提质增效的重要手段。
(1)企业应探寻符合自身发展现状的数字化转型路径,避免盲从导致创新效率低下。受投资者情绪等市场非理性因素干扰,数字化转型初期企业盲目进行创新投入,一方面会加大营运风险,另一方面造成创新效率损失,因而不利于企业可持续发展。
(2)政府应制定相关政策深化国企改革,进一步推动区域协调发展。对于国有企业而言,借助数字技术完善自身监督机制,构建基于市场导向的激励机制是重要手段。区域协调发展是数字时代的重要议题,数字技术能够推动经济基础较好、数字基础设施较为完善地区企业率先开展数字化转型,以此培育市场优势。因此,政府应充分利用数字技术完善中西部地区数字基础设施与数字平台建设,有效促进资源再分配,为中西部地区企业发展营造良好的数字环境。
(3)数字产业政策是推动区域数字经济发展与企业数字化转型的工具。政府可以借鉴成功经验,制定并实施具有针对性的政策。对于已试点的数字产业政策,政府应论证其推广的可行性并考虑区域的特殊性;对于试点初期数字产业政策,政府应充分总结试点经验、加大试点力度,从而加快数字经济产业布局。此外,面向数字经济发展前沿,制定具有创新性的数字产业试点政策是我国实现数字领域“弯道超车”的重要手段。
(1)企业创新行为与创新效率的衡量指标较为单一,专利仍是测度企业创新不可或缺的指标。尽管现有相关研究对专利类型的划分能够初步区分企业创新类型(渐进式与突破式),但上述划分方式仍较为粗糙。部分学者使用国际专利分类(IPC)作为专利技术划分依据,但囿于数据可得性,本文未对此类指标进行构建。因此,未来可以采用更为精确的方式度量企业创新,进一步探讨企业数字化转型的创新效应。
(2)本文仅探讨了投资者情绪、企业产权性质以及地区因素在企业数字化转型与创新效率间的作用。进一步地,企业自身特征也可能成为影响企业数字化转型与创新关系的中介变量。同时,用于区分企业异质性的关键财务指标也是值得探讨的内容,本来可对上述中介变量及关键指标作进一步分析。
[1] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.
[2] 张昕蔚.数字经济条件下的创新模式演化研究[J].经济学家,2019,31(7):32-39.
[3] 宋敬,陈良华,叶涛.数字经济能够提升企业创新质量吗——基于新熊彼特增长理论视角[J].科技进步与对策,2023,40(12):1-11.
[4] LI RUI,RAO JING,WAN LIANGYONG.The digital economy, enterprise digital transformation, and enterprise innovation[J].Managerial and Decision Economics,2022,43(7):2875-2886.
[5] ILONA ILVONEN, STEFAN THALMANN, MARKUS MANHART, et al. Reconciling digital transformation and knowledge protection: a research agenda[J].Knowledge Management Research &Practice,2018,16(2): 235-244.
[6] KOHLI R, MELVILLE N P. Digital innovation: a review and synthesis[J].Information Systems Journal,2019,29(1): 200-223.
[7] 谢康,胡杨颂,刘意,等.数据要素驱动企业高质量数字化转型——索菲亚智能制造纵向案例研究[J].管理评论,2023,35(2):328-339.
[8] LIU QIANRU, LIU JIANMEI, GONG CHENG. Digital transformation and corporate innovation: a factor input perspective[J].Managerial &Decision Economics,2023,44(4):2159-2174.
[9] 郭丰,杨上广,柴泽阳.企业数字化转型促进了绿色技术创新的“增量提质”吗——基于中国上市公司年报的文本分析[J].南方经济,2023,41(2):146-162.
[10] 张振刚,张君秋,叶宝升,等.企业数字化转型对商业模式创新的影响[J].科技进步与对策,2022,39(11):114-123.
[11] PENGYU CHEN,SANGKYUM KIM. The impact of digital transformation on innovation performance——the mediating role of innovation factors[J]. Heliyon,2023,9(3): e13916.
[12] 张泽南,钱欣钰,曹新伟.企业数字化转型的绿色创新效应研究:实质性创新还是策略性创新[J].产业经济研究,2023,22(1):86-100.
[13] PETER C VERHOEF, TAMMO H A,BIJMOLT. Marketing perspectives on digital business models: a framework and overview of the special issue[J].International Journal of Research in Marketing, 2019,36(3): 341-349.
[14] ZHENGYI ZHANG,JUN JIN, SHIJING LI,et al. Digital transformation of incumbent firms from the perspective of portfolios of innovation[J].Technology in Society,2022,72: 102149.
[15] JOHNSON JEFF S, FRIEND SCOTT B, LEE HANNAH S. Big data facilitation, utilization, and monetization: exploring the 3Vs in a new product development process[J].Journal of Product Innovation Management,2017,34(5):640-658.
[16] 殷群,田玉秀.数字化转型影响高技术产业创新效率的机制[J].中国科技论坛,2021,37(3):103-112.
[17] BYUN JEONGEUN,SUNG TAE-EUNG, PARK HYUN-WOO.Technological innovation strategy:how do technology life cycles change by technological area[J].Technology Analysis &Strategic Management,2018,30(1): 98-112.
[18] CHRISTOPHER POLK, PAOLA SAPIENZA. The stock market and corporate investment: a test of catering theory[J].The Review of Financial Studies,2009,22(1): 187-217.
[19] 余丽霞,王璐.投资者情绪、管理者过度自信与企业投资行为——基于中介效应检验[J].社会科学研究,2015,37(5):137-144.
[20] 花贵如,刘志远,许骞.投资者情绪、企业投资行为与资源配置效率[J].会计研究,2010,31(11):49-55.
[21] 刘和旺,郑世林,王宇锋.所有制类型、技术创新与企业绩效[J].中国软科学,2015,30(3):28-40.
[22] 吴延兵.国有企业双重效率损失研究[J].经济研究,2012,47(3):15-27.
[23] 钱丽,王文平,肖仁桥.产权性质、技术差距与高技术企业创新效率[J].科技进步与对策,2019,36(12):105-114.
[24] 董晓庆,赵坚,袁朋伟.国有企业创新效率损失研究[J].中国工业经济,2014,31(2):97-108.
[25] HOENING D, HENKEL J. Quality signals? the role of patents, alliances, and team experience in venture capital financing[J].Research Policy,2015,44(44):1049-1064.
[26] 张辉,王庭锡,孙咏.数字基础设施与制造业企业技术创新——基于企业生命周期的视角[J].上海经济研究,2022,41(8):79-93.
[27] 张永珅,李小波,邢铭强.企业数字化转型与审计定价[J].审计研究,2021,37(3):62-71.
[28] KANE GERALD C,PHILLIPS ANH NGUYEN,COPULSKY JONATHAN,et al. How digital leadership is(n't) different(article)[J].MIT Sloan Management Review,2019,60(3): 34-39.
[29] 陈畴镛,许敬涵.制造企业数字化转型能力评价体系及应用[J].科技管理研究,2020,40(11):46-51.
[30] 官建成,陈凯华.我国高技术产业技术创新效率的测度[J].数量经济技术经济研究,2009,26(10):19-33.
[31] GONG B, SICKLES ROBIN-C. Finite sample evidence on the performance of stochastic frontiers and data envelopment analysis using panel data[J].Journal of Econometrics,1992, 51(1): 259-284.
[32] 姚立杰,周颖.管理层能力、创新水平与创新效率[J].会计研究,2018,39(6):70-77.
[33] 乐菲菲,张金涛.政治关联断损、研发投入与企业创新效率[J].科技进步与对策,2019,36(1):90-96.
[34] 翟淑萍,黄宏斌,何琼枝.投资者情绪、研发投资及创新效率——基于理性迎合渠道的研究[J].华东经济管理,2017,31(12):44-52.
[35] 陈红,张玉,刘东霞.政府补助、税收优惠与企业创新绩效——不同生命周期阶段的实证研究[J].南开管理评论,2019,22(3):187-200.
[36] 万源星,许永斌.高新认定办法、研发操纵与企业技术创新效率[J].科研管理,2019,40(4):54-62.
[37] 傅秋子,黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究,2018,61(11):68-84.
[38] 钟昌标,黄远浙,刘伟.新兴经济体海外研发对母公司创新影响的研究——基于渐进式创新和颠覆式创新视角[J].南开经济研究,2014,30(6):91-104.