王桂軍，李成明，張 輝

（1.北京理工大學(xué) 人文與社會(huì)科學(xué)學(xué)院,北京 100081；2.北京大學(xué) 經(jīng)濟(jì)研究所,北京 100871；3.中央民族大學(xué) 經(jīng)濟(jì)學(xué)院,北京 100081；4.北京大學(xué) 經(jīng)濟(jì)學(xué)院,北京 100871）

一、引 言

近年來(lái)，隨著5G時(shí)代的到來(lái)，5G、人工智能、區(qū)塊鏈、大數(shù)據(jù)和云計(jì)算等新技術(shù)、新業(yè)態(tài)及新模式迎來(lái)“井噴式”發(fā)展，世界各國(guó)紛紛開啟數(shù)字化革命，主動(dòng)迎接數(shù)字浪潮。截至2020 年，超過(guò)30 個(gè)OECD成員國(guó)制定了數(shù)字經(jīng)濟(jì)相關(guān)發(fā)展戰(zhàn)略。美國(guó)更是早在2011 年和2012 年便推出了“聯(lián)邦云計(jì)算戰(zhàn)略”和“大數(shù)據(jù)研究和發(fā)展倡議”。得益于完備的工業(yè)體系和雄厚的技術(shù)積累，中國(guó)成功抓住了數(shù)字化革命中的發(fā)展機(jī)遇?！吨袊?guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書（2021）》顯示，2020 年中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模擴(kuò)張至39.2 萬(wàn)億元，數(shù)字經(jīng)濟(jì)占GDP比重高達(dá)38.6%。

目前，中國(guó)經(jīng)濟(jì)發(fā)展已經(jīng)由高速增長(zhǎng)步入高質(zhì)量發(fā)展階段，突破國(guó)內(nèi)“卡脖子”技術(shù)成為中國(guó)經(jīng)濟(jì)發(fā)展亟待解決的關(guān)鍵問(wèn)題。發(fā)展數(shù)字經(jīng)濟(jì)已然成為中國(guó)突破技術(shù)難題，實(shí)現(xiàn)自主性創(chuàng)新的戰(zhàn)略選擇。數(shù)字經(jīng)濟(jì)的發(fā)展可分為兩個(gè)方向：一是數(shù)字產(chǎn)業(yè)化，具體是指電子信息制造業(yè)、電信業(yè)、軟件及信息技術(shù)服務(wù)業(yè)和互聯(lián)網(wǎng)行業(yè)等數(shù)字技術(shù)產(chǎn)業(yè)的發(fā)展與壯大；二是產(chǎn)業(yè)數(shù)字化，具體是指?jìng)鹘y(tǒng)農(nóng)業(yè)、工業(yè)和服務(wù)業(yè)對(duì)數(shù)字技術(shù)的引進(jìn)和使用。其中，產(chǎn)業(yè)數(shù)字化是數(shù)字經(jīng)濟(jì)發(fā)展的主陣地，成為數(shù)字經(jīng)濟(jì)賦能經(jīng)濟(jì)高質(zhì)量發(fā)展的重要抓手。那么，產(chǎn)業(yè)數(shù)字化是否會(huì)促進(jìn)企業(yè)創(chuàng)新？對(duì)于這一問(wèn)題的回答，目前只有少數(shù)學(xué)者從互聯(lián)網(wǎng)應(yīng)用、數(shù)字金融和智慧城市等數(shù)字經(jīng)濟(jì)相關(guān)領(lǐng)域或企業(yè)綠色創(chuàng)新視角進(jìn)行了相關(guān)探討（韓先鋒等，2019；唐松等，2020；溫湖煒和王圣云，2021；宋德勇等，2022）。總體來(lái)看，相關(guān)研究依然存在以下不足：一是，目前學(xué)者多從總體層面研究數(shù)字技術(shù)普及或數(shù)字化對(duì)技術(shù)創(chuàng)新的影響，忽略了數(shù)字技術(shù)產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)在數(shù)字化過(guò)程中的差異性問(wèn)題；二是，既有研究在一定程度上忽視了對(duì)數(shù)字化影響技術(shù)創(chuàng)新的內(nèi)在機(jī)制和經(jīng)濟(jì)后果的探討，特別是缺乏相關(guān)的數(shù)理分析；三是，關(guān)于企業(yè)數(shù)字化指數(shù)的測(cè)算，目前學(xué)界的主流做法是利用企業(yè)年報(bào)中的數(shù)字化詞頻解釋企業(yè)的數(shù)字化水平，但既有文獻(xiàn)多以“個(gè)性化”詞匯構(gòu)建數(shù)字化詞庫(kù)，沒(méi)有充分考慮數(shù)字化詞匯的“共性”特征。

有鑒于此，本文將研究聚焦于傳統(tǒng)產(chǎn)業(yè)數(shù)字化過(guò)程對(duì)企業(yè)創(chuàng)新的影響。一方面，本文將數(shù)字化過(guò)程和企業(yè)創(chuàng)新的選擇行為引入異質(zhì)性企業(yè)技術(shù)選擇模型，數(shù)理分析產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響效應(yīng)及作用機(jī)理；另一方面，依托機(jī)器學(xué)習(xí)和文本分析構(gòu)建起2008–2020 年中國(guó)傳統(tǒng)產(chǎn)業(yè)上市公司的數(shù)字化指數(shù)，并利用雙向固定效應(yīng)模型展開實(shí)證考察。研究發(fā)現(xiàn)，產(chǎn)業(yè)數(shù)字化顯著地促進(jìn)了企業(yè)的技術(shù)創(chuàng)新。機(jī)制檢驗(yàn)顯示，產(chǎn)業(yè)數(shù)字化提高了企業(yè)研發(fā)資金的供給效率和使用效率，這成為產(chǎn)業(yè)數(shù)字化促進(jìn)企業(yè)創(chuàng)新的重要路徑。為了進(jìn)一步強(qiáng)化理論機(jī)制，還從異質(zhì)性視角展開考察，發(fā)現(xiàn)產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的促進(jìn)效應(yīng)會(huì)受到外部環(huán)境和內(nèi)部因素的多重影響。一方面，企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平越高，產(chǎn)業(yè)數(shù)字化越能促進(jìn)企業(yè)創(chuàng)新；另一方面，相較于非資本密集型企業(yè)，產(chǎn)業(yè)數(shù)字化對(duì)資本密集型企業(yè)的創(chuàng)新效應(yīng)更強(qiáng)。最后，經(jīng)濟(jì)后果檢驗(yàn)表明，產(chǎn)業(yè)數(shù)字化可以通過(guò)促進(jìn)企業(yè)創(chuàng)新擴(kuò)大企業(yè)的內(nèi)需市場(chǎng)并提高企業(yè)的產(chǎn)品出口質(zhì)量，這為產(chǎn)業(yè)數(shù)字化依托技術(shù)創(chuàng)新推動(dòng)構(gòu)建“雙循環(huán)”新發(fā)展格局提供了證據(jù)。

本文的邊際貢獻(xiàn)主要體現(xiàn)在：①具體研究傳統(tǒng)產(chǎn)業(yè)數(shù)字化的創(chuàng)新效應(yīng)，將數(shù)字化過(guò)程和企業(yè)創(chuàng)新行為引入異質(zhì)性企業(yè)技術(shù)選擇模型，通過(guò)數(shù)理分析揭示了產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響效應(yīng)及作用機(jī)理，補(bǔ)充解釋了產(chǎn)業(yè)數(shù)字化影響企業(yè)創(chuàng)新的理論框架；②綜合既有研究的優(yōu)點(diǎn)和不足，從詞匯共性視角重新構(gòu)建了上市公司數(shù)字化詞庫(kù)，對(duì)企業(yè)數(shù)字化指標(biāo)體系的建設(shè)具有一定的補(bǔ)充貢獻(xiàn)；③從研發(fā)資金的供給效率和使用效率視角理清了產(chǎn)業(yè)數(shù)字化促進(jìn)企業(yè)創(chuàng)新的傳導(dǎo)路徑，揭開了數(shù)字化背景下企業(yè)資金配置及其影響企業(yè)創(chuàng)新的“黑箱”；④利用企業(yè)所在地區(qū)到數(shù)字技術(shù)起源地的距離作為工具變量解決了內(nèi)生性問(wèn)題，為后續(xù)研究提供了可行思路；⑤從企業(yè)內(nèi)需市場(chǎng)擴(kuò)增和產(chǎn)品出口質(zhì)量提升視角檢驗(yàn)了產(chǎn)業(yè)數(shù)字化促進(jìn)企業(yè)創(chuàng)新的經(jīng)濟(jì)后果，為產(chǎn)業(yè)數(shù)字化推動(dòng)構(gòu)建“雙循環(huán)”新發(fā)展格局提供了學(xué)理支持。

二、理論分析

產(chǎn)業(yè)數(shù)字化實(shí)則是傳統(tǒng)產(chǎn)業(yè)內(nèi)部的企業(yè)不斷引進(jìn)和運(yùn)用數(shù)字技術(shù)的過(guò)程。因此，研究產(chǎn)業(yè)數(shù)字化的問(wèn)題可以下沉至企業(yè)層面進(jìn)行探討?；诖?，本文沿用Bustos（2011）的異質(zhì)性企業(yè)技術(shù)選擇模型構(gòu)建產(chǎn)業(yè)數(shù)字化影響企業(yè)創(chuàng)新的理論模型，并作出如下改進(jìn)：（1）將數(shù)字化過(guò)程引入模型，并根據(jù)已有研究和既定事實(shí)做出如下假設(shè)：一方面數(shù)字化存在一定門檻，需要企業(yè)前期投入較高的資本和勞動(dòng)成本（固定成本）（荊文君和孫寶文，2019）；另一方面數(shù)字化可以從搜尋、復(fù)制、追蹤和驗(yàn)證等多個(gè)方面降低企業(yè)的邊際成本（Goldfarb 和Tucker，2019），從而提高企業(yè)的生產(chǎn)效率（Bloom 等，2012；Wang 和McElheran，2017）。（2）Bustos（2011）只考慮了企業(yè)技術(shù)選擇對(duì)生產(chǎn)效率的直接影響，沒(méi)有考慮間接影響機(jī)制。本文認(rèn)為，企業(yè)的數(shù)字技術(shù)選擇行為（即數(shù)字化過(guò)程）一方面可以直接改變企業(yè)的生產(chǎn)率水平，另一方面也可以通過(guò)改變企業(yè)的創(chuàng)新選擇行為而間接地對(duì)生產(chǎn)效率產(chǎn)生影響。因此，本文在Bustos（2011）的基礎(chǔ)上進(jìn)一步引入了企業(yè)的創(chuàng)新選擇行為，以探討數(shù)字化過(guò)程對(duì)企業(yè)創(chuàng)新的影響。

（一）消費(fèi)者。沿用Bustos（2011）的設(shè)置，假設(shè)消費(fèi)者對(duì)異質(zhì)性產(chǎn)品的需求偏好滿足不變替代彈性（CES）函數(shù)形式，替代彈性 σ=1/(1–ρ)>1。由此生成消費(fèi)者需求函數(shù)：

其中，q(ω)和p(ω)分別表示產(chǎn)品ω的消費(fèi)數(shù)量和價(jià)格；E表示消費(fèi)者總支出。P表示價(jià)格指數(shù)，具體為：

（二）廠商。本文簡(jiǎn)化了Bustos（2011）的市場(chǎng)設(shè)置，只考慮封閉經(jīng)濟(jì)情形下數(shù)字化對(duì)企業(yè)創(chuàng)新的影響。假設(shè)市場(chǎng)是壟斷競(jìng)爭(zhēng)的，每種異質(zhì)性產(chǎn)品對(duì)應(yīng)不同的異質(zhì)性企業(yè)，企業(yè)的總成本由一次性固定成本f和邊際成本組成。邊際成本的高低取決于生產(chǎn)效率?，姑且以1/?表示。企業(yè)可以自由選擇引進(jìn)數(shù)字技術(shù)的力度。這樣，在市場(chǎng)中會(huì)自然形成兩類企業(yè)：一類是數(shù)字化水平較高的企業(yè)，另一類是數(shù)字化水平較低或不進(jìn)行數(shù)字化的企業(yè)。為簡(jiǎn)化分析，假設(shè)市場(chǎng)上存在兩個(gè)異質(zhì)性企業(yè)：企業(yè)l處于低數(shù)字化水平，企業(yè)h處于高數(shù)字化水平。對(duì)于低數(shù)字化水平的企業(yè)l而言，其總成本可由以下函數(shù)表示：

對(duì)于高數(shù)字化水平的企業(yè)h而言，其固定成本雖然更高，但同時(shí)具有更高的生產(chǎn)效率。因此分別引入兩個(gè)影響因子η和γ，其總成本函數(shù)具體表示為：

式(3)和式(4)中，q表示企業(yè)產(chǎn)品產(chǎn)量；η為固定成本影響因子，γ為生產(chǎn)效率影響因子，η和γ均大于1。

在CES偏好下，企業(yè)為追求利潤(rùn)最大化而制定的產(chǎn)品價(jià)格是邊際成本之上的恒定價(jià)格。因此，參考Bustos（2011）的做法，將企業(yè)l和企業(yè)h的產(chǎn)品定價(jià)分別表示為pl=1/ρ?和ph=1/ργ?。結(jié)合式(1)至式(4)可得到企業(yè)l和企業(yè)h的利潤(rùn)函數(shù)：

（三）引入企業(yè)創(chuàng)新行為。假設(shè)成功的創(chuàng)新可以分別將企業(yè)l和企業(yè)h的生產(chǎn)效率提升至δl?和δh?（δl，δl>1），此時(shí)企業(yè)l和企業(yè)h的利潤(rùn)函數(shù)可表示為：

其中，Rl和Rh分別表示企業(yè)l和企業(yè)h的研發(fā)成本。不妨設(shè)δσ-1=θI，表示創(chuàng)新對(duì)企業(yè)利潤(rùn)的貢獻(xiàn)。其中，I表示企業(yè)的創(chuàng)新產(chǎn)出；θ表示外生給定的創(chuàng)新轉(zhuǎn)化效率，即每單位創(chuàng)新對(duì)生產(chǎn)效率的促進(jìn)幅度。此時(shí)，企業(yè)l和企業(yè)h的利潤(rùn)函數(shù)可進(jìn)一步表示為：

進(jìn)一步地，結(jié)合Rivera-Batiz 和Romer（1991）、Jones 和Williams（2000）及Akcigit 等（2018）的研究，設(shè)定企業(yè)的創(chuàng)新產(chǎn)出函數(shù)為：

其中，i∈{l,h}；I表示企業(yè)的創(chuàng)新產(chǎn)出；R表示企業(yè)的研發(fā)成本；L和A分別表示研發(fā)人員數(shù)量和創(chuàng)新知識(shí)存量，在這里假設(shè)外生恒定，均簡(jiǎn)化為1。由此可以得到企業(yè)的創(chuàng)新成本：Ri=(Ii/i)1/i。結(jié)合式(9)和式(10)可得引入創(chuàng)新行為之后的企業(yè)l和企業(yè)h的利潤(rùn)函數(shù)：

對(duì)簡(jiǎn)化后的式(11)兩邊取自然對(duì)數(shù)可得：

由式(14)可不失一般性地認(rèn)為，χ是對(duì)企業(yè)創(chuàng)新生產(chǎn)能力的綜合評(píng)價(jià)，可看作是企業(yè)研發(fā)資金的供給效率。也即，企業(yè)是否將有限的資金更多地配置給研發(fā)創(chuàng)新；κ是研發(fā)投入的彈性系數(shù)（0<κ<1），可以看作是研發(fā)資金的使用效率，也即研發(fā)投入轉(zhuǎn)化為創(chuàng)新產(chǎn)出的能力。

討論：企業(yè)創(chuàng)新不能脫離外部環(huán)境在真空中獨(dú)自運(yùn)行，同外界交換信息的頻率和學(xué)習(xí)外界知識(shí)與經(jīng)驗(yàn)的能力可以顯著影響企業(yè)的創(chuàng)新效率（Akcigit 等，2018）。因此，信息可得性被認(rèn)為是企業(yè)創(chuàng)新成功與否的決定性因素（Kong 等，2022）。在傳統(tǒng)工業(yè)經(jīng)濟(jì)時(shí)代，企業(yè)與外界的信息交換不僅受時(shí)間和空間的束縛，而且還會(huì)掣肘于信息搜集工具和交流手段的低效性，企業(yè)往往會(huì)因此付出高昂的信息搜尋和追蹤成本，這顯然會(huì)擠占研發(fā)資金投入，降低企業(yè)的研發(fā)資金供給效率。而在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字化使得企業(yè)與外界的信息交換可以依托5G技術(shù)、大數(shù)據(jù)、云計(jì)算等新模式和新技術(shù)進(jìn)行。這不僅可以顯著降低信息搜尋與學(xué)習(xí)的人工成本，而且可以依托數(shù)字技術(shù)高效精準(zhǔn)的信息匹配能力有效減少超額的信息搜尋和追蹤成本。由此可見，數(shù)字化可以有效降低企業(yè)研發(fā)創(chuàng)新的附加成本，使企業(yè)能將更多的盈余資金投向研發(fā)創(chuàng)新，從而提高企業(yè)的研發(fā)資金供給效率。此外，數(shù)字技術(shù)的運(yùn)用還會(huì)提高企業(yè)的研發(fā)資金使用效率。因?yàn)槿斯ぶ悄艿群诵臄?shù)字技術(shù)可以通過(guò)復(fù)雜技術(shù)代替人腦進(jìn)行甄別、預(yù)測(cè)和決策，彌補(bǔ)人類腦力的不足，從而可以重塑企業(yè)的創(chuàng)新模式和知識(shí)獲取方式，提高知識(shí)創(chuàng)造的效率和精準(zhǔn)度（Duan 等，2019），進(jìn)而提高企業(yè)的研發(fā)資金使用效率。基于上述分析可得命題1：數(shù)字化水平越高，企業(yè)研發(fā)資金的供給效率和使用效率也會(huì)越高。也即，χh>χl，且 κh>κl。

（四）利潤(rùn)最大化與企業(yè)創(chuàng)新決策。根據(jù)企業(yè)利潤(rùn)函數(shù)式(12)和式(13)，企業(yè)l和企業(yè)h的利潤(rùn)最大化形式可分別表示為：

企業(yè)要實(shí)現(xiàn)利潤(rùn)最大化，一階條件需滿足 ? πi/?Ii=0，由此可得企業(yè)l和企業(yè)h最優(yōu)創(chuàng)新產(chǎn)出：

綜上，企業(yè)l和企業(yè)h要想實(shí)現(xiàn)利潤(rùn)最大化，則需分別具備的創(chuàng)新產(chǎn)出。因此，要想考察產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響，只需比較即可。因?yàn)?σ >1，γ >1，χh>χl，且1>κh>κl>0，因此不難得出：。這意味著，為追求利潤(rùn)最大化，與數(shù)字化水平較低的企業(yè)l相比，高數(shù)字化水平的企業(yè)h需要更高的創(chuàng)新產(chǎn)出水平。由此可得命題2：產(chǎn)業(yè)數(shù)字化可以顯著地促進(jìn)企業(yè)創(chuàng)新。

三、研究設(shè)計(jì)

（一）數(shù)字化的測(cè)算。目前學(xué)界通常在構(gòu)建數(shù)字化詞庫(kù)的基礎(chǔ)上，利用Python技術(shù)對(duì)年報(bào)進(jìn)行文本分析以測(cè)算企業(yè)的數(shù)字化水平（吳非等，2021；趙宸宇等，2021；袁淳等，2021），這為本文企業(yè)數(shù)字化指數(shù)的測(cè)算提供了思路。然而，上述文獻(xiàn)均使用“個(gè)性化”詞匯構(gòu)建詞庫(kù)，沒(méi)有充分考慮數(shù)字化詞匯的“共性”特征?，F(xiàn)實(shí)中，某個(gè)數(shù)字技術(shù)的表達(dá)往往會(huì)有不同的名稱，特別是在行業(yè)之間會(huì)存在顯著差異。比如，人工智能在電力行業(yè)通常被表達(dá)為“智能電網(wǎng)”，而在交通行業(yè)則會(huì)被表達(dá)為“智能交通”，類似的還有“智能物流”“智能家居”等，這些個(gè)性化詞匯甚至?xí)谄髽I(yè)間出現(xiàn)表達(dá)上的差異，很難通過(guò)人工手段搜集完整。如果僅使用主觀上選擇的個(gè)性化詞匯構(gòu)建詞庫(kù)極有可能會(huì)造成企業(yè)數(shù)字化水平的低估。更重要的是，還有可能導(dǎo)致數(shù)字化指數(shù)在企業(yè)之間出現(xiàn)較為嚴(yán)重的橫向偏差。而如果充分考慮數(shù)字技術(shù)的共性詞匯，則可有效避免上述問(wèn)題。如使用人工智能的共性詞匯?“智能”，而不是“智能電網(wǎng)”“智能交通”等個(gè)性化詞匯。

有鑒于此，本文在既有詞庫(kù)構(gòu)建思路的基礎(chǔ)上，首先，從數(shù)字化詞匯的共性特征出發(fā)構(gòu)建數(shù)字化詞庫(kù)，然后利用Python技術(shù)爬取企業(yè)年報(bào)中的數(shù)字化共性詞，以此作為數(shù)字化指數(shù)的初始代理變量。但需要注意的是，使用共性詞匯對(duì)企業(yè)年報(bào)進(jìn)行詞頻抓取會(huì)將與數(shù)字化不太相關(guān)的詞匯一并納入其中。因此，要想使用數(shù)字技術(shù)共性詞匯精準(zhǔn)地測(cè)算企業(yè)的數(shù)字化指數(shù)，還需進(jìn)行降頻處理，將共性詞匯包含的非數(shù)字化信息剔除。對(duì)此，本文利用機(jī)器學(xué)習(xí)的方法，在抓取共性詞匯時(shí)，同時(shí)抓取共性詞匯的4 位詞進(jìn)行分析，以確定4 位詞中非數(shù)字化含義詞匯的詞頻，然后以共性詞匯詞頻和非數(shù)字化含義4 位詞詞頻的差值作為最后的數(shù)字化指數(shù)刻畫指標(biāo)（digital）。為了緩解可能存在的非正態(tài)分布問(wèn)題，本文在后續(xù)回歸中進(jìn)行了對(duì)數(shù)處理。①相關(guān)數(shù)字化指數(shù)的描述性事實(shí)詳見本文的工作論文版本。

（二）計(jì)量模型的選擇。具體構(gòu)建如下雙向固定效應(yīng)模型檢驗(yàn)產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響效應(yīng)：

其中，i表示企業(yè)；t表示年份。innov表示企業(yè)的創(chuàng)新產(chǎn)出，參考黎文靖和鄭曼妮（2016）的做法，具體以專利申請(qǐng)數(shù)量刻畫。需要指出的是，我國(guó)的專利法將專利分為發(fā)明、實(shí)用新型和外觀設(shè)計(jì)三種類型。相較于實(shí)用新型和外觀設(shè)計(jì)，發(fā)明型專利具有更強(qiáng)的創(chuàng)新性。因此，將創(chuàng)新性最強(qiáng)的發(fā)明專利申請(qǐng)數(shù)量視作企業(yè)的創(chuàng)新產(chǎn)出，并以三類專利申請(qǐng)之和用作穩(wěn)健性檢驗(yàn)，在具體回歸中本文對(duì)專利申請(qǐng)數(shù)量加1 并取自然對(duì)數(shù)以緩解可能存在的非正態(tài)分布問(wèn)題。digital表示企業(yè)的數(shù)字化指數(shù)，具體測(cè)算方法如上文所述。鑒于企業(yè)將數(shù)字技術(shù)融入生產(chǎn)和研發(fā)創(chuàng)新過(guò)程的滯后性問(wèn)題，同時(shí)考慮到逆向因果關(guān)系對(duì)估計(jì)結(jié)果造成的干擾，本文具體將數(shù)字化指數(shù)滯后一期納入計(jì)量模型。矩陣向量x表示可能影響企業(yè)創(chuàng)新的特征變量，具體包括企業(yè)規(guī)模（企業(yè)總資產(chǎn)的自然對(duì)數(shù)）、企業(yè)年齡（企業(yè)成立年限+1 的自然對(duì)數(shù)）、資本結(jié)構(gòu)（企業(yè)資產(chǎn)負(fù)債率）、董事會(huì)規(guī)模（企業(yè)董事會(huì)人數(shù)的自然對(duì)數(shù)）、政府補(bǔ)助（政府補(bǔ)貼與營(yíng)業(yè)收入之比）、行業(yè)競(jìng)爭(zhēng)程度（基于營(yíng)業(yè)收入與三位行業(yè)代碼計(jì)算的赫芬達(dá)爾–赫希曼指數(shù)）、前十大股東持股比例和機(jī)構(gòu)持股比例等。對(duì)于以上控制變量，本文同樣進(jìn)行滯后一期的處理。μi表示企業(yè)固定效應(yīng)；υt表示年份固定效應(yīng)；ε為隨機(jī)干擾項(xiàng)。

（三）樣本選擇與數(shù)據(jù)來(lái)源。依據(jù)主題，具體選取2008–2020 年傳統(tǒng)產(chǎn)業(yè)的滬深A(yù)股上市公司數(shù)據(jù)作為初始樣本。專利數(shù)據(jù)整理于國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索網(wǎng)；公司年報(bào)及其他財(cái)務(wù)數(shù)據(jù)均整理于萬(wàn)得（WIND）數(shù)據(jù)庫(kù)，個(gè)別缺失數(shù)據(jù)通過(guò)國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)補(bǔ)齊。參考多數(shù)文獻(xiàn)的做法，本文對(duì)數(shù)據(jù)樣本進(jìn)行如下處理：（1）剔除銀行、證券、保險(xiǎn)等金融行業(yè)上市公司，原因在于金融類企業(yè)的創(chuàng)新存在特殊性，不能以專利產(chǎn)出來(lái)衡量（Mukherjee 等，2017）；（2）剔除主要變量存在缺失的企業(yè)樣本；（3）對(duì)所有連續(xù)型變量進(jìn)行1%的雙端縮尾處理，以規(guī)避極端值對(duì)估計(jì)結(jié)果的干擾。最終，得到2008–2020 年間3 237 家上市公司的28 401 條觀測(cè)值。①限于篇幅，主要變量的描述性統(tǒng)計(jì)結(jié)果不再展示，詳見本文的工作論文版本。

四、實(shí)證結(jié)果分析與穩(wěn)健性檢驗(yàn)

（一）基準(zhǔn)結(jié)果。在利用模型(19) 回歸前，首先通過(guò)繪制數(shù)字化指數(shù)與企業(yè)創(chuàng)新的分倉(cāng)散點(diǎn)圖進(jìn)行非參數(shù)估計(jì)，如圖1 所示。從圖中可以看出，數(shù)字化指數(shù)與企業(yè)創(chuàng)新之間存在明顯的正向關(guān)系。這初步表明，產(chǎn)業(yè)數(shù)字化很有可能會(huì)促進(jìn)企業(yè)創(chuàng)新。然而，基于散點(diǎn)圖的非參數(shù)估計(jì)并不能從統(tǒng)計(jì)上驗(yàn)證這一正向關(guān)系的顯著性。因此，將利用更加嚴(yán)謹(jǐn)?shù)挠?jì)量方法加以證明。

圖1 數(shù)字化指數(shù)與企業(yè)創(chuàng)新的分倉(cāng)散點(diǎn)圖

表1 進(jìn)一步基于模型(19)匯報(bào)了產(chǎn)業(yè)數(shù)字化是否影響企業(yè)創(chuàng)新的估計(jì)結(jié)果。其中，列(1)是沒(méi)有加入其他特征變量的回歸結(jié)果，不難發(fā)現(xiàn)，在控制年份和企業(yè)固定效應(yīng)之后，數(shù)字化指數(shù)digital的系數(shù)為正，且在1%的水平上高度顯著。列(2)進(jìn)一步加入了可能影響企業(yè)創(chuàng)新的特征變量，可以看出，數(shù)字化指數(shù)digital的系數(shù)依然在1%的水平上高度顯著為正。上述結(jié)果表明，企業(yè)數(shù)字技術(shù)的引進(jìn)和運(yùn)用確實(shí)可以顯著地促進(jìn)企業(yè)創(chuàng)新。即，產(chǎn)業(yè)數(shù)字化可以有效地促進(jìn)企業(yè)創(chuàng)新，命題2 成立。

表1 基準(zhǔn)結(jié)果：產(chǎn)業(yè)數(shù)字化與企業(yè)創(chuàng)新

（二）內(nèi)生性問(wèn)題。根據(jù)固定效應(yīng)模型的估計(jì)原理，表1 結(jié)果的可信性取決于模型(19)中數(shù)字化指數(shù)digital的外生性。但這一情形很可能會(huì)因?yàn)橐韵聝煞N情況而無(wú)法滿足：一是“雙向因果”問(wèn)題，一方面數(shù)字化會(huì)促進(jìn)企業(yè)進(jìn)行創(chuàng)新，另一方面創(chuàng)新水平高的企業(yè)也可能會(huì)更容易實(shí)現(xiàn)數(shù)字化；二是“遺漏變量”問(wèn)題，雖然本文盡可能地控制了可能影響企業(yè)創(chuàng)新的其他因素，但這仍不能保證可以將所有影響企業(yè)創(chuàng)新的因素囊括其中?！半p向因果”和“遺漏變量”均會(huì)使解釋變量數(shù)字化指數(shù)digital出現(xiàn)內(nèi)生性問(wèn)題，從而對(duì)估計(jì)結(jié)果的一致無(wú)偏性造成干擾。對(duì)此，本文利用工具變量法進(jìn)行解決。

工具變量的選擇需滿足相關(guān)性和排他性約束兩個(gè)條件。數(shù)字經(jīng)濟(jì)的運(yùn)行雖然擺脫了空間上的束縛，但數(shù)字技術(shù)的擴(kuò)散仍然遵循通用目的技術(shù)的擴(kuò)散規(guī)律，在一定程度上會(huì)受地理位置的限制。比如，郭峰等（2017）的研究表明，地理空間因素是影響數(shù)字金融發(fā)展的關(guān)鍵變量，與杭州相距越遠(yuǎn)的地區(qū)，數(shù)字金融推廣難度越大?；谶@一事實(shí)，本文認(rèn)為，各地區(qū)到數(shù)字技術(shù)起源地的空間距離將是一個(gè)不錯(cuò)的工具變量。一方面，各地區(qū)到數(shù)字技術(shù)起源地的空間距離越近，該地區(qū)的企業(yè)將越容易引進(jìn)數(shù)字技術(shù)，從而可以實(shí)現(xiàn)更快的產(chǎn)業(yè)數(shù)字化進(jìn)程，滿足相關(guān)性要求；另一方面，空間距離是嚴(yán)格的外生變量，不會(huì)因時(shí)間的變化和經(jīng)濟(jì)的發(fā)展而改變，滿足排他性約束要求。接下來(lái)的問(wèn)題是如何確定中國(guó)的數(shù)字技術(shù)起源地。1998–2000 年期間，騰訊、搜狐、阿里巴巴和百度等數(shù)字型企業(yè)相繼在北京、深圳和杭州成立，這直接將中國(guó)的數(shù)字化推向了快速發(fā)展時(shí)期（張輝和石琳，2018）。此后，中國(guó)的數(shù)字產(chǎn)業(yè)蓬勃發(fā)展，中國(guó)數(shù)字經(jīng)濟(jì)也逐漸形成了北京、深圳和杭州等城市領(lǐng)跑全局的多極發(fā)展模式。因此，北京、深圳和杭州當(dāng)屬中國(guó)數(shù)字經(jīng)濟(jì)的起源地。但需要注意的是，北京作為中國(guó)的政治中心，很有可能會(huì)通過(guò)除數(shù)字化之外的其他途徑影響各地區(qū)企業(yè)的創(chuàng)新水平。因此，最終選擇企業(yè)所在地級(jí)市到深圳和杭州的距離作為數(shù)字化指數(shù)digital的工具變量（iv_sz和iv_hz）。另外，在工具變量較難尋找的情況下，部分學(xué)者習(xí)慣利用行業(yè)層面核心解釋變量的均值作為工具變量解決內(nèi)生性問(wèn)題（Heutel，2014；楊洋等，2015）。這種方法也存在其合理性，這是因?yàn)?，行業(yè)層面解釋變量的均值肯定會(huì)與企業(yè)層面的解釋變量存在相關(guān)性，同時(shí)，行業(yè)層面的指標(biāo)又不會(huì)對(duì)微觀層面的企業(yè)行為產(chǎn)生系統(tǒng)性影響?；诖?，本文利用行業(yè)層面數(shù)字化指數(shù)的均值構(gòu)建了第三個(gè)工具變量（iv_ind）。

表2 匯報(bào)了工具變量法的估計(jì)結(jié)果。因?yàn)榈缴钲诤秃贾莸木嚯x實(shí)則為企業(yè)不隨時(shí)間而改變的固有特征，在以工具變量iv_sz和iv_hz進(jìn)行回歸時(shí)，如果控制企業(yè)個(gè)體固定效應(yīng)，則會(huì)因?yàn)槎嘀毓簿€性問(wèn)題而無(wú)法得到內(nèi)生變量digital的估計(jì)系數(shù)。因此，在以空間距離（iv_sz和iv_hz）為工具變量的回歸中本文利用只控制年份固定效應(yīng)的兩階段最小二乘法估計(jì)（ivreg2），而在以行業(yè)層面均值為工具變量的回歸中本文利用雙向固定效應(yīng)的面板工具變量法進(jìn)行估計(jì)（xtivreg2）。

表2 內(nèi)生性問(wèn)題：工具變量法

首先，從三個(gè)工具變量的有效性來(lái)看，在第一階段回歸中工具變量iv_sz和iv_hz的系數(shù)均在1%的水平上顯著為負(fù)，這說(shuō)明，到深圳或杭州的距離越遠(yuǎn)，企業(yè)數(shù)字化難度越大，數(shù)字化水平相對(duì)更低。這一結(jié)果符合上文的理論預(yù)期。進(jìn)一步發(fā)現(xiàn)，工具變量iv_ind的系數(shù)在1%的水平上顯著為正，說(shuō)明行業(yè)層面的數(shù)字化水平與企業(yè)數(shù)字化指數(shù)高度正相關(guān)。綜上結(jié)果，再結(jié)合弱識(shí)別檢驗(yàn)的Cragg-Donald Wald F統(tǒng)計(jì)量均遠(yuǎn)大于10%顯著性水平上的臨界值16.38 可知，本文選擇的三個(gè)工具變量均不存在弱工具變量問(wèn)題。同時(shí)，由不可識(shí)別檢驗(yàn)的Anderson LM統(tǒng)計(jì)量均在1%的水平上顯著可知，工具變量也不存在不可識(shí)別問(wèn)題。以上結(jié)果充分說(shuō)明，本文選擇的工具變量是合理有效的。其次，從工具變量法第二階段的回歸結(jié)果來(lái)看，在列(1)和列(2)以空間距離為工具變量的回歸中，數(shù)字化指數(shù)digital的系數(shù)均在1%的水平上顯著為正，在列(3)以行業(yè)層面數(shù)字化均值為工具變量的回歸中，數(shù)字化指數(shù)digital的系數(shù)在5%的水平上顯著為正。這些結(jié)果充分說(shuō)明，即使利用工具變量法規(guī)避了可能存在的內(nèi)生性問(wèn)題，本文的結(jié)論依然成立。

（三）穩(wěn)健性檢驗(yàn)。①限于篇幅，穩(wěn)健性檢驗(yàn)結(jié)果不再展示，詳見本文的工作論文版本。為保證研究結(jié)論的嚴(yán)謹(jǐn)性，本文還從多個(gè)視角進(jìn)行了穩(wěn)健性檢驗(yàn)：①置換代理變量。企業(yè)創(chuàng)新層面，將發(fā)明型專利置換為三類專利之和；數(shù)字化指數(shù)層面，將本文測(cè)算的數(shù)字化指數(shù)置換為吳非等（2021）、趙宸宇等（2021）和袁淳等（2021）測(cè)算的數(shù)字化指數(shù)。②這里的“投資”是指企業(yè)搜尋、追蹤信息的支出和研發(fā)活動(dòng)支出。改變計(jì)量方法。鑒于專利申請(qǐng)數(shù)量的計(jì)數(shù)特征，改用泊松回歸（Poisson）、負(fù)二項(xiàng)回歸（Negative Binomial）和歸并回歸（Tobit）進(jìn)行估計(jì)。③規(guī)避企業(yè)的“策略性”行為。鑒于數(shù)字化指數(shù)的測(cè)算可能會(huì)受企業(yè)“策略性”信息披露行為的干擾，需進(jìn)一步規(guī)避企業(yè)的“策略性”行為進(jìn)行估計(jì)。上述穩(wěn)健性檢驗(yàn)結(jié)果均一致地表明，產(chǎn)業(yè)數(shù)字化可以顯著地促進(jìn)企業(yè)創(chuàng)新。

五、作用機(jī)制檢驗(yàn)與異質(zhì)性分析

（一）作用機(jī)制檢驗(yàn)。

1.理論機(jī)制的實(shí)證含義。在理論模型中，高數(shù)字化企業(yè)最優(yōu)創(chuàng)新產(chǎn)出大于低數(shù)字化企業(yè)最優(yōu)創(chuàng)新產(chǎn)出的條件在于，高數(shù)字化企業(yè)具有更高的研發(fā)資金供給效率和使用效率。由此來(lái)看，本文理論機(jī)制的實(shí)證含義在于以下兩個(gè)方面：一是要驗(yàn)證數(shù)字化是否可以顯著提高企業(yè)的研發(fā)資金供給效率；二是要考察數(shù)字化是否會(huì)顯著提高企業(yè)的研發(fā)資金使用效率。

對(duì)于實(shí)證含義的第一個(gè)方面，前文認(rèn)為數(shù)字化之所以能夠提高企業(yè)的研發(fā)資金供給效率，關(guān)鍵在于數(shù)字化可以節(jié)省創(chuàng)新過(guò)程中信息的搜尋和追蹤成本，從而使得更多的盈余資金流向研發(fā)創(chuàng)新。因此，檢驗(yàn)數(shù)字化是否會(huì)促進(jìn)企業(yè)的研發(fā)資金供給效率實(shí)則是考察企業(yè)盈余資金的配置和流向。對(duì)于企業(yè)而言，將獲得的盈余資金用于不同的“投資”項(xiàng)目②實(shí)則是該項(xiàng)目的資金投入水平是否與企業(yè)的資金獲得機(jī)會(huì)相匹配，可視為“投資”項(xiàng)目資金投入對(duì)企業(yè)資金獲得機(jī)會(huì)的敏感程度。因此，可以借鑒“投資?投資機(jī)會(huì)”敏感性模型進(jìn)行考察。參考靳慶魯?shù)龋?012）的做法，本文構(gòu)建如下敏感性模型考察數(shù)字化是否以及如何影響企業(yè)資金的配置和流向：

模型(20)旨在考察數(shù)字化轉(zhuǎn)型下企業(yè)盈余資金在信息搜尋、追蹤成本和研發(fā)活動(dòng)之間的配置，因此被解釋變量y具體表示企業(yè)信息搜尋、追蹤成本和研發(fā)支出。roa為企業(yè)的資產(chǎn)收益率，用以刻畫企業(yè)盈余資金的獲得機(jī)會(huì)。這里只選取企業(yè)內(nèi)源資金的獲得機(jī)會(huì)進(jìn)行回歸的原因在于：企業(yè)的創(chuàng)新行為是一個(gè)周期長(zhǎng)、風(fēng)險(xiǎn)大且收益極不確定的復(fù)雜過(guò)程，很難得到外源融資的支持（Aboody 和Lev，2000）。其他變量定義與模型(19) 相同。模型(20) 中，交乘項(xiàng)digital×roa的系數(shù)β1需重點(diǎn)關(guān)注。其反映了數(shù)字化對(duì)企業(yè)盈余資金配置去向的影響。根據(jù)理論預(yù)期，當(dāng)y表示信息搜尋、追蹤成本時(shí)，β1應(yīng)該顯著為負(fù)，表示數(shù)字化會(huì)降低企業(yè)信息搜尋、追蹤成本對(duì)盈余資金的敏感程度，也即數(shù)字化會(huì)抑制企業(yè)盈余資金向信息搜尋、追蹤成本的流動(dòng)，降低信息搜尋和追蹤成本的資金供給效率；當(dāng)y表示研發(fā)支出時(shí)，β1應(yīng)該顯著為正，表示數(shù)字化會(huì)提高企業(yè)研發(fā)支出對(duì)盈余資金的敏感程度，也即數(shù)字化將使得更多的盈余資金流向研發(fā)支出，提高企業(yè)的研發(fā)資金供給效率。需要注意的是，鑒于數(shù)字技術(shù)從引進(jìn)到運(yùn)用再到生產(chǎn)需要一定的時(shí)間，在模型(20)中本文同樣利用數(shù)字化指數(shù)滯后一期的數(shù)據(jù)進(jìn)行回歸，而資金的獲得與分配過(guò)程一般不存在太長(zhǎng)的滯后時(shí)間，因此利用刻畫盈余資金獲得機(jī)會(huì)的資產(chǎn)收益率當(dāng)期數(shù)據(jù)進(jìn)行回歸。

在企業(yè)信息搜尋追蹤成本和研發(fā)支出的刻畫上，參考既有文獻(xiàn)（張杰等，2015；虞義華等，2018）的做法，研發(fā)支出以企業(yè)研發(fā)投入與營(yíng)業(yè)收入的比值表示。由于上市公司年報(bào)中并不單獨(dú)披露信息搜尋和追蹤成本，因此只能間接進(jìn)行估計(jì)。通常，企業(yè)對(duì)外界信息的搜尋和追蹤是企業(yè)與外界“打交道”的過(guò)程，這類活動(dòng)產(chǎn)生的支出一般計(jì)入管理費(fèi)用，比如業(yè)務(wù)招待費(fèi)、差旅費(fèi)和咨詢費(fèi)等。但因?yàn)槠髽I(yè)的管理費(fèi)用中包含了大量的常規(guī)性支出，如果直接檢驗(yàn)數(shù)字化對(duì)管理費(fèi)用資金配置的影響有可能會(huì)造成估計(jì)偏誤。因此，本文通過(guò)考察企業(yè)超額管理費(fèi)用對(duì)盈余資金的敏感性來(lái)間接檢驗(yàn)數(shù)字化中企業(yè)的盈余資金與信息搜尋和追蹤成本的匹配程度。其中，超額管理費(fèi)用（emc）利用Richardson（2006）、申宇等（2015）提供的方法測(cè)算。

對(duì)于實(shí)證含義的第二個(gè)方面，企業(yè)研發(fā)資金的使用效率實(shí)則為單位研發(fā)投入對(duì)應(yīng)的創(chuàng)新產(chǎn)出。因此，本文具體利用發(fā)明型專利申請(qǐng)數(shù)量與滯后一期的研發(fā)投入比值刻畫企業(yè)的研發(fā)資金使用效率（rd_p），并利用模型(21)展開考察：

2.理論機(jī)制的檢驗(yàn)結(jié)果。表3 匯報(bào)了理論機(jī)制實(shí)證含義第一個(gè)方面的結(jié)果。所有回歸均同時(shí)控制了年份固定效應(yīng)、企業(yè)個(gè)體固定效應(yīng)和其他特征變量。列(1)展示了數(shù)字化是否影響企業(yè)研發(fā)支出對(duì)盈余資金的敏感性，交乘項(xiàng)digital×roa的系數(shù)為正且在1%的水平上高度顯著。這說(shuō)明，數(shù)字化顯著地提高了企業(yè)研發(fā)支出對(duì)盈余資金的敏感程度，使得更多的盈余資金流向了研發(fā)創(chuàng)新活動(dòng)。列(2)展示了數(shù)字化是否影響企業(yè)超額管理費(fèi)用對(duì)盈余資金的敏感性，交乘項(xiàng)digital×roa的系數(shù)在1%的水平上顯著為負(fù)。這意味著，數(shù)字化顯著降低了企業(yè)超額管理費(fèi)用對(duì)盈余資金的敏感程度，減少了盈余資金向超額管理費(fèi)用的流動(dòng)。這從側(cè)面表明，數(shù)字化使得企業(yè)減少了對(duì)信息搜尋和追蹤支出的資金供給。綜上可知，數(shù)字化顯著地改變了企業(yè)盈余資金的配置和流向，使得更多的盈余資金流向了研發(fā)創(chuàng)新活動(dòng)而非信息搜尋和追蹤支出，從而顯著地提高了企業(yè)的研發(fā)資金供給效率。

表3 機(jī)制檢驗(yàn)1：產(chǎn)業(yè)數(shù)字化與企業(yè)的研發(fā)資金供給效率

進(jìn)一步地，表4 匯報(bào)了理論機(jī)制實(shí)證含義第二個(gè)方面的回歸結(jié)果。所有回歸中均同時(shí)控制了年份固定效應(yīng)和企業(yè)個(gè)體固定效應(yīng)?？梢钥闯?，在沒(méi)有加入其他特征變量的回歸中，數(shù)字化指數(shù)digital的系數(shù)在1%的水平上顯著為正，當(dāng)加入其他特征變量之后，系數(shù)值雖然有所下降，但依然為正且在1%的水平上顯著。這說(shuō)明，數(shù)字化也顯著提高了企業(yè)的研發(fā)資金使用效率。

表4 機(jī)制檢驗(yàn)2：產(chǎn)業(yè)數(shù)字化與企業(yè)的研發(fā)資金使用效率

綜上，不管是實(shí)證含義第一方面數(shù)字化是否可以提高企業(yè)研發(fā)資金供給效率，還是實(shí)證含義第二方面數(shù)字化是否可以改善企業(yè)研發(fā)資金使用效率，均得到了充分的證明。因此，理論分析的命題1 成立。這意味著，產(chǎn)業(yè)數(shù)字化可以通過(guò)提高企業(yè)研發(fā)資金的供給效率和使用效率來(lái)促進(jìn)企業(yè)的技術(shù)創(chuàng)新。

（二）異質(zhì)性分析。上文的一系列檢驗(yàn)證實(shí)了產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的促進(jìn)效應(yīng)及其內(nèi)在的作用機(jī)制。值得注意的是，在不同的外部環(huán)境和企業(yè)屬性下，產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響效應(yīng)可能存在異質(zhì)性。江艇（2022）認(rèn)為，異質(zhì)性分析應(yīng)圍繞核心因果關(guān)系展開，目的在于強(qiáng)化因果關(guān)系及其內(nèi)在機(jī)制的論證高度。對(duì)于本文而言，核心的因果鏈條是產(chǎn)業(yè)數(shù)字化可以通過(guò)提高企業(yè)研發(fā)資金的供給效率和使用效率促進(jìn)企業(yè)創(chuàng)新，而這其中最本質(zhì)的機(jī)制在于兩個(gè)方面：一是產(chǎn)業(yè)數(shù)字化強(qiáng)化了企業(yè)與外界的信息交換效率；二是數(shù)字技術(shù)的使用提高了企業(yè)的知識(shí)創(chuàng)造效率。這兩個(gè)機(jī)制都有可能會(huì)受企業(yè)自身特征及其所處環(huán)境的影響。因此，十分有必要在基準(zhǔn)回歸和機(jī)制檢驗(yàn)之后進(jìn)一步進(jìn)行必要的異質(zhì)性分析，這不僅有利于強(qiáng)化本文的因果關(guān)系和內(nèi)在機(jī)制，而且可以為政府后續(xù)數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略的優(yōu)化與調(diào)整提供更加詳細(xì)的學(xué)理支持。

在識(shí)別方法上，本文利用調(diào)節(jié)效應(yīng)模型通過(guò)考察異質(zhì)性分類變量影響產(chǎn)業(yè)數(shù)字化促進(jìn)企業(yè)創(chuàng)新的幅度識(shí)別不同維度下產(chǎn)業(yè)數(shù)字化影響企業(yè)創(chuàng)新的異質(zhì)性。這與分組回歸的方法相比，可以利用同一個(gè)樣本更好地識(shí)別出組間差異。具體模型設(shè)計(jì)如下：

其中，hetero表示0?1 型異質(zhì)性分類變量，其他變量定義與模型(19)相同。

1.基于企業(yè)所在地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平的異質(zhì)性分析。企業(yè)創(chuàng)新并不能在真空中獨(dú)自進(jìn)行，創(chuàng)新的成功率依賴于企業(yè)與外界的信息交換效率。因此，有理由相信，企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平越高，產(chǎn)業(yè)數(shù)字化將越能促進(jìn)企業(yè)創(chuàng)新。這是因?yàn)?，更高的?shù)字經(jīng)濟(jì)發(fā)展水平匹配了更完善的數(shù)字基礎(chǔ)設(shè)施和更濃郁的數(shù)字生產(chǎn)氛圍。在這樣的環(huán)境中，企業(yè)與外界的信息交換以及對(duì)創(chuàng)新所需信息的搜尋和追蹤也將會(huì)更有效率。為了驗(yàn)證上述假設(shè)，本文定義異質(zhì)性分類變量area，area等于1 表示數(shù)字經(jīng)濟(jì)發(fā)展高水平地區(qū)，等于0 表示數(shù)字經(jīng)濟(jì)發(fā)展低水平地區(qū)。對(duì)于地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平的劃分，本文結(jié)合中國(guó)信通院公布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書（2020）》，將數(shù)字經(jīng)濟(jì)增加值占GDP比重超過(guò)40%的省份歸為數(shù)字經(jīng)濟(jì)發(fā)展高水平地區(qū)，其他省份歸為數(shù)字經(jīng)濟(jì)發(fā)展低水平地區(qū)。具體回歸結(jié)果如表5 列(1) 所示，可以看出，交乘項(xiàng)digital×area的系數(shù)在1%的水平上顯著為正。這說(shuō)明，企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平越高，產(chǎn)業(yè)數(shù)字化越能促進(jìn)企業(yè)創(chuàng)新，上述假設(shè)得以驗(yàn)證。

2.基于企業(yè)資本密集度的異質(zhì)性分析。除了與外界的信息交換，企業(yè)自身的資本存量、技術(shù)積淀和人力資本積累也是影響創(chuàng)新的重要因素。資本密集型企業(yè)不僅擁有雄厚的技術(shù)積累，而且具有更高的高技能勞動(dòng)力占比，從而可以更快地提高知識(shí)創(chuàng)造效率。更重要的是，資本密集型企業(yè)往往因?yàn)閾碛袕?qiáng)大的資金支持而更愿意進(jìn)行高水平的技術(shù)創(chuàng)新（Sahaym 等，2010）。因此，相較于非資本密集型企業(yè)，產(chǎn)業(yè)數(shù)字化可能更容易促進(jìn)資本密集型企業(yè)的技術(shù)創(chuàng)新。為了驗(yàn)證這一假設(shè)，本文定義異質(zhì)性分類變量kl，kl等于1 表示資本密集型企業(yè)，等于0 表示非資本密集型企業(yè)。對(duì)于企業(yè)資本密集度的劃分，本文采用兩種方法刻畫，一是參考張璇等（2017）的做法，將屬于醫(yī)藥制造業(yè)、塑料制造業(yè)、通用設(shè)備制造業(yè)和專用設(shè)備制造業(yè)等高端制造業(yè)的企業(yè)列為資本密集型企業(yè)，將其他企業(yè)列為非資本密集型企業(yè)；二是以企業(yè)總資產(chǎn)與員工人數(shù)的比值定義資本密集度，并以資本密集度的樣本均值為臨界點(diǎn)，大于等于均值的企業(yè)列為資本密集型企業(yè)，小于均值的企業(yè)列為非資本密集型企業(yè)。表5 列(2)和列(3)匯報(bào)了上述異質(zhì)性討論的結(jié)果，不難發(fā)現(xiàn)，不管如何衡量資本密集型企業(yè)的分組，交乘項(xiàng)digital×kl的系數(shù)均在1%的水平上顯著為正。這表明，產(chǎn)業(yè)數(shù)字化更能促進(jìn)資本密集型企業(yè)的技術(shù)創(chuàng)新，上述假設(shè)得以驗(yàn)證。

表5 異質(zhì)性分析結(jié)果

六、經(jīng)濟(jì)后果檢驗(yàn)：“雙循環(huán)”新發(fā)展格局視角

前文的理論分析和實(shí)證檢驗(yàn)充分驗(yàn)證了產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的促進(jìn)效應(yīng)，那么，產(chǎn)業(yè)數(shù)字化是否可以通過(guò)促進(jìn)企業(yè)創(chuàng)新進(jìn)一步地推動(dòng)構(gòu)建“雙循環(huán)”新發(fā)展格局？對(duì)這個(gè)問(wèn)題的回答，可以為數(shù)字經(jīng)濟(jì)通過(guò)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)的深度融合推動(dòng)構(gòu)建新發(fā)展格局提供學(xué)理上的支持。

暢通國(guó)內(nèi)大循環(huán)和實(shí)現(xiàn)更高水平的國(guó)際循環(huán)是構(gòu)建“雙循環(huán)”新發(fā)展格局的核心要義。暢通國(guó)內(nèi)大循環(huán)重在打通社會(huì)再生產(chǎn)的生產(chǎn)、分配、流通和消費(fèi)四個(gè)環(huán)節(jié)，充分激發(fā)內(nèi)需市場(chǎng)潛力，實(shí)現(xiàn)國(guó)內(nèi)生產(chǎn)端與消費(fèi)端的有效對(duì)接；而更高水平的國(guó)際循環(huán)則在于貿(mào)易質(zhì)量的不斷提升。因此，落實(shí)到實(shí)證層面是要重點(diǎn)考察產(chǎn)業(yè)數(shù)字化是否可以通過(guò)促進(jìn)企業(yè)創(chuàng)新進(jìn)一步地促進(jìn)企業(yè)內(nèi)需擴(kuò)增和產(chǎn)品出口質(zhì)量提升。

對(duì)于企業(yè)層面內(nèi)需擴(kuò)增的測(cè)算，借鑒Hummels 等（2014）和Berman 等（2017）的方法，利用公式(23)計(jì)算而得。

其中，i、j和p分別表示企業(yè)、行業(yè)和地區(qū)；t表示時(shí)間；wi,p,t0表示企業(yè)i期初（t0）在地區(qū)p的市場(chǎng)銷售份額，用以刻畫企業(yè)每期市場(chǎng)需求擴(kuò)增沖擊的暴露程度；salep,j,t表示企業(yè)所在行業(yè)j第t期在地區(qū)p的市場(chǎng)銷售份額；括號(hào)內(nèi)的表達(dá)式刻畫了國(guó)內(nèi)市場(chǎng)行業(yè)需求的兩期平均增長(zhǎng)率。計(jì)算所需的相關(guān)數(shù)據(jù)來(lái)自Wind金融數(shù)據(jù)庫(kù)和CAMAR數(shù)據(jù)庫(kù)。

對(duì)于企業(yè)產(chǎn)品出口質(zhì)量的測(cè)算，參考Khandelwal 等（2013）的做法，選擇被廣泛使用的需求信息推斷法。該方法將產(chǎn)品質(zhì)量定義為除價(jià)格之外其他任何可以提高消費(fèi)者需求的屬性。因此，消費(fèi)者在最大化自身效應(yīng)時(shí)，若兩種產(chǎn)品價(jià)格相等，則產(chǎn)品的需求量越大，產(chǎn)品質(zhì)量越高。關(guān)鍵公式如下所示：

其中，qi,c,g,t表示企業(yè)i在第t年出口到國(guó)家c的產(chǎn)品g的數(shù)量；pi,c,g,t表示產(chǎn)品的到岸價(jià)格；λi,c,g,t表示產(chǎn)品出口質(zhì)量；σ為產(chǎn)品的替代彈性，具體使用Broda 等（2017）給出的替代彈性；Ec,t表示出口目的國(guó)c在第t期的總支出，Pc,t為出口目的國(guó)c在第t年的價(jià)格指數(shù)。對(duì)式(24)兩邊取對(duì)數(shù)并進(jìn)行固定效應(yīng)回歸便可估算出企業(yè)的產(chǎn)品質(zhì)量。計(jì)算產(chǎn)品出口質(zhì)量所需數(shù)據(jù)來(lái)自中國(guó)海關(guān)數(shù)據(jù)庫(kù)、CSMAR數(shù)據(jù)庫(kù)和RESSET數(shù)據(jù)庫(kù)，計(jì)算獲得企業(yè)的產(chǎn)品出口質(zhì)量后，利用公司名稱與上市公司數(shù)據(jù)匹配，便可形成本文考察所需的研究樣本。①囿于中國(guó)海關(guān)數(shù)據(jù)的可得性，本部分的樣本區(qū)間為2008–2015 年。

參考多數(shù)文獻(xiàn)的做法（張璇等，2017；袁淳等，2021；靳衛(wèi)東等，2022），具體設(shè)計(jì)逐步法中介效應(yīng)模型進(jìn)行檢驗(yàn)。需注意的是，逐步法中介效應(yīng)模型雖然可以在理論上滿足識(shí)別經(jīng)濟(jì)機(jī)制的要求，但現(xiàn)實(shí)操作中會(huì)不可避免地出現(xiàn)內(nèi)生性問(wèn)題，從而造成估計(jì)偏誤（江艇，2022）。因此，在具體回歸中本文直接利用工具變量法進(jìn)行估計(jì)以規(guī)避上述內(nèi)生性問(wèn)題。②具體利用行業(yè)層面內(nèi)生變量的均值作為工具變量。模型設(shè)計(jì)如下：

其中，企業(yè)內(nèi)需擴(kuò)增變量為企業(yè)層面數(shù)據(jù)，因此在以企業(yè)內(nèi)需擴(kuò)增（demand）為被解釋變量的回歸中，本文對(duì)企業(yè)的個(gè)體固定效應(yīng)進(jìn)行了控制；企業(yè)產(chǎn)品出口質(zhì)量為“出口目的國(guó)?行業(yè)?企業(yè)”層面數(shù)據(jù)，因此在以企業(yè)產(chǎn)品出口質(zhì)量（quality）為被解釋變量的回歸中，本文對(duì)“出口目的國(guó)?行業(yè)?企業(yè)”的個(gè)體固定效應(yīng)進(jìn)行了控制。另外，在所有模型中均同時(shí)控制了年份固定效應(yīng)。與前文一致，考慮到數(shù)字技術(shù)和創(chuàng)新成果在運(yùn)用上的時(shí)滯性，將滯后一期的數(shù)字化指數(shù)和企業(yè)創(chuàng)新水平納入模型進(jìn)行回歸。模型(25)至(27)中，重點(diǎn)關(guān)注系數(shù)a1、b1、c1和c2的顯著性，以判斷產(chǎn)業(yè)數(shù)字化是否可以通過(guò)促進(jìn)企業(yè)創(chuàng)新進(jìn)一步提高企業(yè)產(chǎn)品的國(guó)內(nèi)市場(chǎng)需求和出口質(zhì)量。

表6 匯報(bào)了逐步法中介效應(yīng)模型的回歸結(jié)果。從工具變量的有效性來(lái)看，Cragg-Donald Wald F統(tǒng)計(jì)量均遠(yuǎn)大于10%顯著性水平上的臨界值16.38，且Anderson LM統(tǒng)計(jì)量均在1%的水平顯著。這說(shuō)明，本文選擇的工具變量不存在弱識(shí)別或不可識(shí)別問(wèn)題。進(jìn)一步地，從產(chǎn)業(yè)數(shù)字化是否可以通過(guò)促進(jìn)企業(yè)創(chuàng)新提高企業(yè)國(guó)內(nèi)市場(chǎng)需求的估計(jì)結(jié)果來(lái)看，列(1) 中數(shù)字化指數(shù)digital的系數(shù)在5%的水平上顯著為正，這表明，產(chǎn)業(yè)數(shù)字化顯著地促進(jìn)了國(guó)內(nèi)市場(chǎng)對(duì)企業(yè)產(chǎn)品的需求；列(2)與前文表2 列(3)的回歸結(jié)果一致，表明產(chǎn)業(yè)數(shù)字化可以顯著地促進(jìn)企業(yè)創(chuàng)新；列(3)中企業(yè)創(chuàng)新innov的系數(shù)在1%的水平上顯著為正，同時(shí)數(shù)字化指數(shù)digital的系數(shù)依然在5%的水平上顯著為正，但系數(shù)值明顯下降。這表明，企業(yè)創(chuàng)新在產(chǎn)業(yè)數(shù)字化促進(jìn)國(guó)內(nèi)市場(chǎng)對(duì)企業(yè)產(chǎn)品的需求中發(fā)揮了部分中介效應(yīng)。列(4)?列(6)關(guān)于產(chǎn)業(yè)數(shù)字化是否可以通過(guò)促進(jìn)企業(yè)創(chuàng)新提高企業(yè)產(chǎn)品出口質(zhì)量的估計(jì)結(jié)果也顯示，企業(yè)創(chuàng)新在產(chǎn)業(yè)數(shù)字化提高企業(yè)產(chǎn)品出口質(zhì)量中同樣發(fā)揮了部分中介效應(yīng)。綜上表明，產(chǎn)業(yè)數(shù)字化通過(guò)提高企業(yè)創(chuàng)新不僅顯著地促進(jìn)了國(guó)內(nèi)市場(chǎng)對(duì)企業(yè)產(chǎn)品的需求，而且顯著地提高了企業(yè)的產(chǎn)品出口質(zhì)量。這意味著，產(chǎn)業(yè)數(shù)字化依托促進(jìn)企業(yè)創(chuàng)新成為暢通國(guó)內(nèi)大循環(huán)和實(shí)現(xiàn)更高水平國(guó)際循環(huán)的重要推動(dòng)力量，這從實(shí)證層面驗(yàn)證了數(shù)字經(jīng)濟(jì)對(duì)構(gòu)建“雙循環(huán)”新發(fā)展格局的重要作用。

表6 經(jīng)濟(jì)后果檢驗(yàn)結(jié)果

七、結(jié) 論

數(shù)字技術(shù)賦能傳統(tǒng)產(chǎn)業(yè)升級(jí)已然成為新時(shí)代推動(dòng)構(gòu)建“雙循環(huán)”新發(fā)展格局，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要力量?！笆奈濉币?guī)劃著重強(qiáng)調(diào)要“加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國(guó)”，數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)的深度融合將是未來(lái)中長(zhǎng)期的重要戰(zhàn)略目標(biāo)之一。在此背景下，進(jìn)一步從學(xué)理上闡釋產(chǎn)業(yè)數(shù)字化的一系列經(jīng)濟(jì)效應(yīng)具有重大的理論意義和現(xiàn)實(shí)價(jià)值。鑒于此，本文從微觀企業(yè)層面出發(fā)，利用數(shù)理建模和實(shí)證考察相結(jié)合的方式系統(tǒng)考察了產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的影響效應(yīng)、作用機(jī)理及經(jīng)濟(jì)后果。研究發(fā)現(xiàn)，產(chǎn)業(yè)數(shù)字化可以有效地促進(jìn)企業(yè)創(chuàng)新，這其中的機(jī)制在于，產(chǎn)業(yè)數(shù)字化同時(shí)提高了企業(yè)研發(fā)資金的供給效率和使用效率。進(jìn)一步的異質(zhì)性分析表明，產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新的促進(jìn)效應(yīng)會(huì)受外部環(huán)境和內(nèi)部因素的多重影響。一方面，企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平越高，產(chǎn)業(yè)數(shù)字化越能促進(jìn)企業(yè)創(chuàng)新；另一方面，與非資本密集型企業(yè)相比，產(chǎn)業(yè)數(shù)字化對(duì)資本密集型企業(yè)的創(chuàng)新促進(jìn)效應(yīng)更強(qiáng)。最后的經(jīng)濟(jì)后果檢驗(yàn)發(fā)現(xiàn)，產(chǎn)業(yè)數(shù)字化可以通過(guò)促進(jìn)企業(yè)創(chuàng)新進(jìn)一步提高企業(yè)產(chǎn)品的國(guó)內(nèi)市場(chǎng)需求和產(chǎn)品出口質(zhì)量，對(duì)構(gòu)建“雙循環(huán)”新發(fā)展格局起到了顯著的推動(dòng)作用。

本文的一系列研究不僅豐富并補(bǔ)充了產(chǎn)業(yè)數(shù)字化影響企業(yè)創(chuàng)新的數(shù)理分析和實(shí)證研究。而且具有鮮明的政策含義，可為政府后續(xù)優(yōu)化與調(diào)整數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略提供必要的政策啟示：第一，本文充分證明了產(chǎn)業(yè)數(shù)字化對(duì)企業(yè)創(chuàng)新和構(gòu)建“雙循環(huán)”新發(fā)展格局的重要性，因此政府應(yīng)繼續(xù)大力推進(jìn)數(shù)字化基礎(chǔ)層和技術(shù)層的建設(shè)，聚焦高端芯片和操作系統(tǒng)的自主化研發(fā)，強(qiáng)化并保持移動(dòng)通信技術(shù)的國(guó)際領(lǐng)先地位，推進(jìn)人工智能、云計(jì)算、區(qū)塊鏈、大數(shù)據(jù)等新模式、新業(yè)態(tài)、新平臺(tái)的培育和搭建，打造數(shù)字化賦能研發(fā)創(chuàng)新，研發(fā)創(chuàng)新反哺數(shù)字化的良性循環(huán)。第二，區(qū)域發(fā)展不協(xié)調(diào)仍然是中國(guó)經(jīng)濟(jì)發(fā)展的長(zhǎng)期問(wèn)題，雖然數(shù)字經(jīng)濟(jì)可以依托新技術(shù)優(yōu)勢(shì)打破區(qū)域間的經(jīng)濟(jì)壁壘，但這要以區(qū)域之間數(shù)字經(jīng)濟(jì)發(fā)展水平為支撐。因此，后續(xù)國(guó)家數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略的制定與調(diào)整應(yīng)更加關(guān)注數(shù)字經(jīng)濟(jì)發(fā)展在區(qū)域間的協(xié)調(diào)與平衡。一方面，中央政府應(yīng)積極搭建貫通上下、分工明確的專門負(fù)責(zé)數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略制定與執(zhí)行的職能機(jī)關(guān)，在加快數(shù)字經(jīng)濟(jì)頂層發(fā)展戰(zhàn)略制定的同時(shí)，基于各地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展現(xiàn)狀，編制具有地區(qū)差異性的數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略實(shí)施方案，引導(dǎo)各地區(qū)錯(cuò)位競(jìng)爭(zhēng)、互補(bǔ)合作，營(yíng)造全國(guó)范圍內(nèi)數(shù)字經(jīng)濟(jì)協(xié)調(diào)發(fā)展的新熱潮。另一方面，地方政府也應(yīng)積極響應(yīng)中央政府關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展的戰(zhàn)略決策，在加強(qiáng)5G基站、大數(shù)據(jù)中心、工業(yè)互聯(lián)網(wǎng)等新型基礎(chǔ)設(shè)施建設(shè)的同時(shí)，依托區(qū)域內(nèi)的資源稟賦和比較優(yōu)勢(shì)有選擇性地打造個(gè)性化數(shù)字經(jīng)濟(jì)發(fā)展平臺(tái)，形成區(qū)域間的有效互補(bǔ)，以實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)共贏發(fā)展。