顏 莉，虎利森

（湖北經(jīng)濟(jì)學(xué)院 會(huì)計(jì)學(xué)院，武漢 430205）

一、前言

創(chuàng)新是一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展的核心要素，也是實(shí)體經(jīng)濟(jì)邁向高質(zhì)量發(fā)展的第一動(dòng)力[1]。醫(yī)藥制造業(yè)是集高附加值和社會(huì)效益于一體的高新技術(shù)產(chǎn)業(yè)，其發(fā)展水平不僅體現(xiàn)我國(guó)的科技創(chuàng)新水平，更關(guān)乎我國(guó)居民的身心健康和生命安全。醫(yī)藥制造企業(yè)的創(chuàng)新活動(dòng)易受到外部經(jīng)濟(jì)不確定性和國(guó)際環(huán)境等因素的影響。而現(xiàn)代企業(yè)競(jìng)爭(zhēng)力的核心是企業(yè)的自主創(chuàng)新能力，經(jīng)濟(jì)不確定性常視為阻礙企業(yè)創(chuàng)新的外部關(guān)鍵因素[2]。在面對(duì)持續(xù)不確定的經(jīng)濟(jì)環(huán)境時(shí)，醫(yī)藥制造企業(yè)的創(chuàng)新活動(dòng)將會(huì)變得更加復(fù)雜。

伴隨我國(guó)經(jīng)濟(jì)的持續(xù)發(fā)展、國(guó)民可支配收入的增加、國(guó)民醫(yī)療保健意識(shí)的不斷提高和人口老齡化的加速，我國(guó)居民對(duì)醫(yī)藥產(chǎn)品的需求逐步擴(kuò)大，作為國(guó)民經(jīng)濟(jì)的重要組成部分，醫(yī)藥制造業(yè)一直保持著平穩(wěn)的發(fā)展勢(shì)頭，但受經(jīng)濟(jì)不確定性的影響，我國(guó)醫(yī)藥制造企業(yè)面臨較大的經(jīng)營(yíng)發(fā)展壓力。在大數(shù)據(jù)時(shí)代背景下，企業(yè)可以通過(guò)各種數(shù)字化手段獲取臨床或其他終端數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù)的分析和挖掘要點(diǎn)為醫(yī)藥制造企業(yè)創(chuàng)新提供保障。十三屆全國(guó)人大四次會(huì)議表決通過(guò)的《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》第五篇明確表明要加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國(guó)。在驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的各種要素中，數(shù)字經(jīng)濟(jì)已經(jīng)成為第一大新動(dòng)力[3]。當(dāng)數(shù)字賦能與實(shí)體經(jīng)濟(jì)高度融合，必將會(huì)成為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的強(qiáng)大動(dòng)能。醫(yī)藥制造企業(yè)通過(guò)引入更多的數(shù)字技術(shù)，就有更多機(jī)會(huì)爭(zhēng)奪產(chǎn)品、技術(shù)和服務(wù)優(yōu)勢(shì)[4]。因此研究經(jīng)濟(jì)不確定性、數(shù)字賦能與醫(yī)藥制造企業(yè)創(chuàng)新之間的邏輯關(guān)系具有很強(qiáng)的理論和現(xiàn)實(shí)意義。

本文可能的邊際貢獻(xiàn)在于：第一，現(xiàn)有研究企業(yè)創(chuàng)新的文獻(xiàn)中，對(duì)企業(yè)創(chuàng)新的衡量大多采取單一的創(chuàng)新投入或創(chuàng)新產(chǎn)出作為度量指標(biāo)，忽略了創(chuàng)新投入和創(chuàng)新產(chǎn)出本身的能量差異，并且現(xiàn)有研究很少研究醫(yī)藥制造這一特殊行業(yè)的創(chuàng)新問(wèn)題；第二，以往文獻(xiàn)有關(guān)“數(shù)字賦能”對(duì)企業(yè)創(chuàng)新的研究多以案例等定性研究為主，缺少實(shí)證角度去分析有關(guān)數(shù)字賦能對(duì)企業(yè)創(chuàng)新的影響。因此本文考量了前述問(wèn)題并從微觀(guān)醫(yī)藥制造企業(yè)創(chuàng)新作為切入點(diǎn)，采用實(shí)證的研究方法在理論上闡述了經(jīng)濟(jì)不確定性、數(shù)字賦能與醫(yī)藥制造企業(yè)創(chuàng)新之間的邏輯鏈條，以期豐富企業(yè)創(chuàng)新系列研究。

二、理論分析與研究假設(shè)

（一）經(jīng)濟(jì)不確定性與醫(yī)藥制造企業(yè)創(chuàng)新

經(jīng)濟(jì)不確定性是一個(gè)難以準(zhǔn)確界定的概念，目前學(xué)術(shù)界尚未形成對(duì)經(jīng)濟(jì)不確定性的統(tǒng)一定義。但經(jīng)濟(jì)不確定性能夠影響宏觀(guān)經(jīng)濟(jì)運(yùn)行，并改變微觀(guān)市場(chǎng)主體行為，制約企業(yè)創(chuàng)新活動(dòng)等微觀(guān)層面的企業(yè)生產(chǎn)經(jīng)營(yíng)管理決策得到了學(xué)者的廣泛共識(shí)。

現(xiàn)有文獻(xiàn)就經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新之間的關(guān)系以房地產(chǎn)[5]、新能源[6]、農(nóng)業(yè)[7]等行業(yè)為背景進(jìn)行了一系列研究?，F(xiàn)有研究認(rèn)為當(dāng)經(jīng)濟(jì)不確定性上升時(shí)，理性企業(yè)為實(shí)現(xiàn)更好的長(zhǎng)期收益而選擇增加研發(fā)投入，但因經(jīng)濟(jì)不確定性所引起的創(chuàng)新投入增加是否也會(huì)同時(shí)提高企業(yè)創(chuàng)新成果的產(chǎn)出并不明確。例如席龍勝（2021）[8]和Zhang D（2020）[5]研究發(fā)現(xiàn)，經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入有積極影響。但是，韓慧霞和李靜（2020）發(fā)現(xiàn)經(jīng)濟(jì)不確定性上升即使會(huì)倒逼高技術(shù)產(chǎn)業(yè)增加創(chuàng)新投入，但同時(shí)會(huì)抑制企業(yè)的創(chuàng)新產(chǎn)出[9]。

通過(guò)對(duì)文獻(xiàn)的梳理發(fā)現(xiàn)，作為知識(shí)和技術(shù)密集型行業(yè)的醫(yī)藥制造企業(yè)創(chuàng)新活動(dòng)不同于其他行業(yè)。卜琳麟等（2021）使用DEA分析方法對(duì)醫(yī)藥制造企業(yè)的創(chuàng)新效率進(jìn)行了測(cè)算，發(fā)現(xiàn)醫(yī)藥制造企業(yè)本身具有很強(qiáng)的特殊性，其創(chuàng)新投入與創(chuàng)新產(chǎn)出之間并不平衡，存在較大偏差[10]。醫(yī)藥制造企業(yè)在藥品研發(fā)過(guò)程中會(huì)經(jīng)歷臨床前研究、臨床研究、中試與生產(chǎn)、科研成果產(chǎn)業(yè)化等一系列區(qū)別于其他行業(yè)的特殊開(kāi)發(fā)階段，在此階段中，醫(yī)藥制造企業(yè)首先需要大量人力物力投入和資金技術(shù)的支撐，其次更要精準(zhǔn)判斷產(chǎn)品需求和國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境。隨著經(jīng)濟(jì)不確定性的增加，醫(yī)藥制造企業(yè)為了保證研發(fā)過(guò)程的合理有效進(jìn)行，會(huì)進(jìn)一步加大創(chuàng)新投入，但藥品的轉(zhuǎn)化過(guò)程對(duì)醫(yī)藥制造企業(yè)的技術(shù)水平和生產(chǎn)工藝的要求極其苛刻。鑒于其具有的較高的資金需求和技術(shù)壁壘等不確定性因素的干擾，醫(yī)藥制造企業(yè)的創(chuàng)新產(chǎn)出易受到經(jīng)濟(jì)不確定性的消極影響。據(jù)此，本文提出以下研究假設(shè)：

H1：經(jīng)濟(jì)不確定性倒逼醫(yī)藥制造企業(yè)增加創(chuàng)新投入，但抑制創(chuàng)新產(chǎn)出。

（二）數(shù)字賦能與醫(yī)藥制造企業(yè)創(chuàng)新

數(shù)字賦能是指通過(guò)大數(shù)據(jù)、移動(dòng)互聯(lián)和人工智能等數(shù)字化工具對(duì)特定的人群進(jìn)行賦能，使他們獲得相應(yīng)的生活技能和生存能力[11]。相比于國(guó)外，國(guó)內(nèi)有關(guān)數(shù)字賦能的研究相對(duì)較少，隨著十四五規(guī)劃以及相關(guān)政策的出臺(tái)，數(shù)字賦能逐漸被我國(guó)學(xué)者所關(guān)注。2020年前我國(guó)有關(guān)數(shù)字賦能的研究主要是從定性的角度出發(fā)。如夏顯力等（2019）采用定性的方法構(gòu)建了市場(chǎng)需求與數(shù)字技術(shù)共同促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的分析框架[12]。之后我國(guó)學(xué)者開(kāi)始逐漸使用案例研究方法分析數(shù)字賦能有關(guān)問(wèn)題，但大多是以案例分析為主的理論研究。如張振剛等（2022）運(yùn)用案例研究方法探究了數(shù)字服務(wù)化的數(shù)字賦能價(jià)值創(chuàng)造內(nèi)在機(jī)理[13]。

隨著大數(shù)據(jù)、移動(dòng)互聯(lián)等數(shù)字技術(shù)的逐漸普及，數(shù)字技術(shù)與企業(yè)生產(chǎn)管理融合賦予了企業(yè)創(chuàng)新的創(chuàng)造活力。陳劍等（2020）認(rèn)為數(shù)字化技術(shù)可以從消費(fèi)端數(shù)據(jù)和產(chǎn)品創(chuàng)造過(guò)程本身兩個(gè)方面影響企業(yè)的產(chǎn)品創(chuàng)造過(guò)程[14]。也就是說(shuō)數(shù)字賦能企業(yè)在產(chǎn)品終端獲得信息的便利，使得企業(yè)創(chuàng)新目的更加明確，并且數(shù)字賦能企業(yè)在創(chuàng)新過(guò)程中獲得便捷和低成本，從而降低創(chuàng)新投入，增加創(chuàng)新產(chǎn)出。就數(shù)字賦能和企業(yè)創(chuàng)新關(guān)系而言，部分學(xué)者從互聯(lián)網(wǎng)、信息技術(shù)、大數(shù)據(jù)、人工智能等不同方面研究了數(shù)字技術(shù)對(duì)企業(yè)創(chuàng)新的影響。溫湖煒和王圣云（2022）認(rèn)為數(shù)字技術(shù)在制造業(yè)領(lǐng)域的應(yīng)用顯著地提高了企業(yè)創(chuàng)新，即數(shù)字技術(shù)推動(dòng)了企業(yè)創(chuàng)新[15]。也有部分學(xué)者從企業(yè)數(shù)字化轉(zhuǎn)型角度研究其對(duì)企業(yè)創(chuàng)新的影響。如侯光文和高晨曦（2022）研究發(fā)現(xiàn)，企業(yè)數(shù)字化對(duì)創(chuàng)新存在正向影響[16]。池毛毛等（2022）也認(rèn)為數(shù)字化轉(zhuǎn)型是企業(yè)創(chuàng)新的關(guān)鍵必要條件[17]。

綜上，學(xué)者們都認(rèn)為數(shù)字賦能能夠促進(jìn)企業(yè)創(chuàng)新。但是醫(yī)藥制造企業(yè)的研發(fā)創(chuàng)新具有復(fù)雜性高、耗時(shí)長(zhǎng)、風(fēng)險(xiǎn)高、成本大等特點(diǎn)，數(shù)字技術(shù)可以賦能醫(yī)藥制造企業(yè)搜集使用數(shù)字信息的能力和提高企業(yè)員工信息溝通的效率，也能實(shí)現(xiàn)對(duì)企業(yè)現(xiàn)有知識(shí)資源的深度挖掘，從而發(fā)揮知識(shí)重組的潛在價(jià)值[18]，還能支撐醫(yī)學(xué)理論研究和數(shù)字化醫(yī)療設(shè)備的研發(fā)與應(yīng)用[19]，這有利于企業(yè)降低創(chuàng)新活動(dòng)中的創(chuàng)新支出，促進(jìn)企業(yè)創(chuàng)新產(chǎn)出。據(jù)此，本文提出以下研究假設(shè)：

H2：數(shù)字賦能可節(jié)約醫(yī)藥制造企業(yè)創(chuàng)新投入，促進(jìn)企業(yè)創(chuàng)新產(chǎn)出。

（三）數(shù)字賦能在經(jīng)濟(jì)不確定性與醫(yī)藥制造企業(yè)創(chuàng)新之間的調(diào)節(jié)效應(yīng)

經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新的影響會(huì)受到數(shù)字賦能的調(diào)節(jié)，張國(guó)勝等（2021）認(rèn)為數(shù)字賦能的特點(diǎn)在于利用數(shù)字技術(shù)對(duì)現(xiàn)有資源進(jìn)行重構(gòu)和整合（包括對(duì)個(gè)人和組織，也包括生產(chǎn)、管理和銷(xiāo)售過(guò)程），提升現(xiàn)有能力和構(gòu)建全新能力所產(chǎn)生的正向驅(qū)動(dòng)效應(yīng)[20]。這也就意味著數(shù)字化建設(shè)程度較高的醫(yī)藥制造企業(yè)在人力資本、公司治理、企業(yè)管理、金融發(fā)展、產(chǎn)業(yè)升級(jí)、產(chǎn)品生產(chǎn)與銷(xiāo)售等諸多方面會(huì)比數(shù)字化建設(shè)程度較低的醫(yī)藥制造企業(yè)更具有優(yōu)勢(shì)。

當(dāng)醫(yī)藥制造企業(yè)受到來(lái)自外部經(jīng)濟(jì)不確定性的負(fù)面沖擊時(shí)，數(shù)字化建設(shè)程度較高的醫(yī)藥制造企業(yè)可以利用數(shù)字賦能優(yōu)勢(shì)從人力資本、金融發(fā)展、產(chǎn)業(yè)升級(jí)等多個(gè)內(nèi)部組合途徑緩解這種沖擊[21]，從而減少因經(jīng)濟(jì)不確定性上升倒逼企業(yè)增加額外的創(chuàng)新投入。在同等條件下，數(shù)字化建設(shè)賦能醫(yī)藥制造企業(yè)在研發(fā)創(chuàng)新過(guò)程中進(jìn)行知識(shí)重組，能發(fā)揮企業(yè)潛在的創(chuàng)新能力，減弱經(jīng)濟(jì)不確定性對(duì)創(chuàng)新效率的抑制，間接促進(jìn)創(chuàng)新產(chǎn)出的提升。據(jù)此，本文提出以下研究假設(shè)：

H3：經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新影響隨著數(shù)字賦能的增加而減弱。

三、研究設(shè)計(jì)

（一）基準(zhǔn)模型設(shè)定

為檢驗(yàn)假設(shè)H1、H2、H3，本文建立如下模型：

其中，經(jīng)濟(jì)不確定性EPUt的系數(shù)α1為待估參數(shù)。若研究假設(shè)H1成立，即經(jīng)濟(jì)不確定性促進(jìn)了企業(yè)創(chuàng)新投入，抑制了企業(yè)創(chuàng)新產(chǎn)出，則在模型（1）中α1顯著為正，在模型（2）中α1顯著為負(fù)。數(shù)字賦能DEt的系數(shù)α2為待估參數(shù)。若研究假設(shè)H2成立，即數(shù)字賦能抑制了企業(yè)創(chuàng)新投入，促進(jìn)了企業(yè)創(chuàng)新產(chǎn)出，則在模型（1）中α2顯著為負(fù)，在模型（2）中α2顯著為正。經(jīng)濟(jì)不確定性與數(shù)字賦能的交乘項(xiàng)EPU×DEt的系數(shù)α3為待估參數(shù)。若研究假設(shè)H3成立，即經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新投入的影響隨著數(shù)字賦能的增加而減少，經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新產(chǎn)出的影響同樣隨著數(shù)字賦能的增加而減弱，則在模型（1）中，α3與α1符號(hào)不一致，α3顯著為負(fù)，在模型（2）中，α3與α1符號(hào)一致，α3顯著為負(fù)。此外，在模型的下標(biāo)中，t表示年份。

（二）變量定義和解釋

1.被解釋變量

（1）企業(yè)創(chuàng)新投入（RDin）。該指標(biāo)本文采用郭田勇和孫光宇（2021）[22]的做法，使用研發(fā)投入占營(yíng)業(yè)收入的比重衡量企業(yè)的創(chuàng)新投入程度。（2）企業(yè)創(chuàng)新產(chǎn)出（RDop）。該指標(biāo)本文采用Levine等（2017）[23]的做法，采用企業(yè)每年度單獨(dú)申請(qǐng)的發(fā)明專(zhuān)利數(shù)量、實(shí)用新型專(zhuān)利數(shù)量、外觀(guān)設(shè)計(jì)專(zhuān)利數(shù)量加1取自然對(duì)數(shù)的方法作為衡量企業(yè)創(chuàng)新產(chǎn)出的指標(biāo)。

2.解釋變量

（1）經(jīng)濟(jì)政策不確定性（EPU）。Baker（2016）認(rèn)為，經(jīng)濟(jì)不確定性同時(shí)包括宏觀(guān)經(jīng)濟(jì)不確定性和經(jīng)濟(jì)政策不確定性，但是自2008年國(guó)際金融危機(jī)以來(lái)，經(jīng)濟(jì)政策不確定性占經(jīng)濟(jì)不確定性相當(dāng)高的份額[24]。對(duì)此，本文結(jié)合高蒙蒙和汪沖（2021）[25]的做法，采用經(jīng)濟(jì)政策不確定性指標(biāo)去衡量經(jīng)濟(jì)不確定性。同時(shí)采用謝喬昕和張宇（2022）[26]的做法，使用平均法將原始EPU月度指數(shù)調(diào)整為年度EPU指數(shù)。（2）數(shù)字賦能（DE）。本文采用上市公司數(shù)字化轉(zhuǎn)型程度，即人工智能技術(shù)使用次數(shù)、區(qū)塊鏈技術(shù)使用次數(shù)、云計(jì)算技術(shù)使用次數(shù)、大數(shù)據(jù)技術(shù)使用次數(shù)和數(shù)字技術(shù)應(yīng)用次數(shù)之和作為衡量數(shù)字賦能的指標(biāo)。

3.控制變量

企業(yè)的研發(fā)創(chuàng)新不僅受到經(jīng)濟(jì)不確定性和數(shù)字賦能的影響，還受到其他因素的影響。本文結(jié)合陳夢(mèng)濤和王維安（2020）[27]、熊正德和顧曉青（2022）[28]等學(xué)者有關(guān)企業(yè)研發(fā)創(chuàng)新研究，設(shè)置如下6個(gè)控制變量：（1）企業(yè)銷(xiāo)售業(yè)績(jī)（Sales），用企業(yè)營(yíng)業(yè)收入與總資產(chǎn)的比值衡量；（2）企業(yè)規(guī)模（Assets），用總資產(chǎn)的自然對(duì)數(shù)衡量；（3）企業(yè)年齡（Age），用企業(yè)上市年限的自然對(duì)數(shù)衡量；（4）企業(yè)價(jià)值（Q），用市場(chǎng)價(jià)值與總資產(chǎn)的比值衡量；（5）股權(quán)集中度（First），用第一大股東持股比例表示；（6）企業(yè)產(chǎn)權(quán)性質(zhì)（State），將國(guó)有企業(yè)賦值為0，非國(guó)有企業(yè)賦值為1。此外，為了剔除企業(yè)層面不可觀(guān)測(cè)變量與宏觀(guān)經(jīng)濟(jì)環(huán)境的影響，本文加入了年份虛擬變量（ηt）。具體變量定義與解釋見(jiàn)表1。

表1 變量定義與解釋

（三）樣本選擇

本文研究經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新的關(guān)系，以我國(guó)醫(yī)藥制造上市公司為研究對(duì)象，研究區(qū)間為2015-2020年。研究數(shù)據(jù)取自國(guó)泰安數(shù)據(jù)庫(kù)，中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)數(shù)據(jù)來(lái)自Economic Policy Uncertainty網(wǎng)站。同時(shí)，對(duì)所選樣本及相關(guān)數(shù)據(jù)作了如下處理：（1）剔除未報(bào)告創(chuàng)新投入的公司；（2）對(duì)公司財(cái)務(wù)變量數(shù)據(jù)在1%與99%分位數(shù)進(jìn)行縮尾（Winsorize）處理，以消除極端值對(duì)結(jié)果的影響；（3）為了方便各變量之間的比較，本文對(duì)所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)見(jiàn)表2。首先從被解釋變量來(lái)看，企業(yè)創(chuàng)新投入均值為-0.029599，中位數(shù)為-0.031428，最大值為0.012178，最小值為-0.035999，方差為0.006822，這說(shuō)明企業(yè)的創(chuàng)新投入差別不大。但是被解釋變量創(chuàng)新產(chǎn)出的均值為-0.036262，中位數(shù)為-0.24853，最大值為4.2839，最小值為-0.30314，方差為0.62938，說(shuō)明即使企業(yè)創(chuàng)新投入的差別不大，但是最終的產(chǎn)出成果差別很大。從解釋變量經(jīng)濟(jì)不確定性與數(shù)字賦能的描述性統(tǒng)計(jì)來(lái)看，經(jīng)濟(jì)不確定性的方差為1，最大值為1.2939，最小值為-1.5108，中位數(shù)為-0.2284，由此看來(lái)企業(yè)對(duì)經(jīng)濟(jì)不確定性的敏感程度不同；數(shù)字賦能的方差為0.97765，最大值為5.5196，最小值為-0.57294，中位數(shù)為-0.30805，表明各企業(yè)間數(shù)字賦能的水平參差不一。

表2 描述性統(tǒng)計(jì)

（二）單變量檢驗(yàn)

參考Brogaard等（2017）[29]的做法，表3所列示的是經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新關(guān)系的單變量檢測(cè)結(jié)果，在表3中，將經(jīng)濟(jì)不確定性數(shù)據(jù)由高到底分為三等分，觀(guān)察不同程度的經(jīng)濟(jì)不確定性下，企業(yè)創(chuàng)新的均值以及中位數(shù)是否存在差異。

表3 對(duì)經(jīng)濟(jì)不確定性分組

統(tǒng)計(jì)結(jié)果顯示，經(jīng)濟(jì)不確定性最高組中企業(yè)創(chuàng)新投入（RDin）的均值（-0.028）與經(jīng)濟(jì)不確定性最低組中企業(yè)創(chuàng)新投入（RDin）的均值（-0.031）在1%的統(tǒng)計(jì)水平下顯著。經(jīng)濟(jì)不確定性最高組中企業(yè)創(chuàng)新投入（RDin）的中位數(shù)（-0.135）與經(jīng)濟(jì)不確定性最低組中企業(yè)創(chuàng)新投入（RDin）的中位數(shù)（-0.279）也在1%的統(tǒng)計(jì)水平下顯著。經(jīng)濟(jì)不確定性最高組中企業(yè)創(chuàng)新產(chǎn)出（RDop）的均值（-0.189）和中位數(shù)（0.000）與經(jīng)濟(jì)不確定性最低組中企業(yè)創(chuàng)新產(chǎn)出（RDop）的均值（0.050）和中位數(shù)（0.000）分別在5%和1%的統(tǒng)計(jì)水平下顯著。通過(guò)單變量的初步檢驗(yàn)發(fā)現(xiàn)，經(jīng)濟(jì)不確定性促進(jìn)了企業(yè)加大創(chuàng)新投入，卻抑制了企業(yè)的創(chuàng)新產(chǎn)出，即經(jīng)濟(jì)不確定性抑制了企業(yè)創(chuàng)新效率。

與表3所列示的經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新關(guān)系的單變量檢測(cè)方法相似，表4所列示的是數(shù)字賦能與企業(yè)創(chuàng)新關(guān)系的單變量檢測(cè)結(jié)果。在表4中，將數(shù)字賦能變量數(shù)據(jù)由高到底分為三等分，觀(guān)察不同程度的數(shù)字賦能下，企業(yè)創(chuàng)新的均值以及中位數(shù)是否存在差異。

統(tǒng)計(jì)結(jié)果顯示，數(shù)字賦能最高組中企業(yè)創(chuàng)新投入（RDin）的均值（-0.223）與數(shù)字賦能最低組中企業(yè)創(chuàng)新投入（RDin）的均值（-0.068）在1%的統(tǒng)計(jì)水平下顯著。數(shù)字賦能最高組中企業(yè)創(chuàng)新投入（RDin）的中位數(shù)（-0.356）與數(shù)字賦能最低組中企業(yè)創(chuàng)新投入（RDin）的中位數(shù)（-0.165）也在1%的統(tǒng)計(jì)水平下顯著。數(shù)字賦能最高組中企業(yè)創(chuàng)新產(chǎn)出（RDop）的均值（0.438）和中位數(shù)（0.597）與數(shù)字賦能最低組中企業(yè)創(chuàng)新產(chǎn)出（RDop）的均值（-0.172）和中位數(shù)（-0.491）分別在1%和5%的統(tǒng)計(jì)水平下顯著。通過(guò)表4單變量的初步檢驗(yàn)發(fā)現(xiàn)，數(shù)字賦能減少了企業(yè)創(chuàng)新投入，促進(jìn)了企業(yè)創(chuàng)新產(chǎn)出。

表4 對(duì)數(shù)字賦能分組

由于其他因素也會(huì)影響企業(yè)的創(chuàng)新，為了進(jìn)一步確定經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新的關(guān)系，需要借助多元線(xiàn)性回歸分析去全面地認(rèn)識(shí)和了解。

（三）基準(zhǔn)模型回歸結(jié)果

1.經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新投入的多元線(xiàn)性回歸

為了研究經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新投入之間的具體關(guān)系，本文采用混合OLS進(jìn)行了多元線(xiàn)性回歸，結(jié)果如表5所示。

表5 企業(yè)創(chuàng)新投入的多元線(xiàn)性回歸

列（1）～列（4）均以企業(yè)創(chuàng)新投入（RDin）作為被解釋變量。不同之處在于列（1）只將經(jīng)濟(jì)不確定性（EPU）納入多元回歸方程，結(jié)果顯示經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入的促進(jìn)作用在1%的水平下顯著為正；列（2）只將數(shù)字賦能（DE）納入回歸方程，結(jié)果顯示數(shù)字賦能對(duì)企業(yè)創(chuàng)新投入的抑制作用在1%的水平下顯著為負(fù)；列（3）將經(jīng)濟(jì)不確定性和數(shù)字賦能同時(shí)納入回歸方程，結(jié)果顯示經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入的促進(jìn)作用在1%的水平下顯著為正，數(shù)字賦能對(duì)企業(yè)創(chuàng)新投入的抑制作用在1%的水平下顯著為負(fù)；列（4）將經(jīng)濟(jì)不確定性、數(shù)字賦能和二者的交乘項(xiàng)同時(shí)納入回歸方程，結(jié)果顯示經(jīng)濟(jì)不確定性與數(shù)字賦能的交乘項(xiàng)系數(shù)顯著為負(fù)，與列（1）中經(jīng)濟(jì)不確定性的系數(shù)符號(hào)不一致，說(shuō)明數(shù)字賦能削弱了經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入的促進(jìn)作用。

從表5的回歸模型結(jié)果來(lái)看，經(jīng)濟(jì)不確定性會(huì)促使企業(yè)增加創(chuàng)新投入，而數(shù)字賦能可以有效地降低企業(yè)創(chuàng)新投入，經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新投入的影響隨著數(shù)字賦能的增加而減少。

2.經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新產(chǎn)出的多元線(xiàn)性回歸

為了進(jìn)一步研究經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新產(chǎn)出之間的具體關(guān)系，按照表5做法對(duì)創(chuàng)新產(chǎn)出進(jìn)行了相同處理，采用混合OLS回歸得到表6所示的線(xiàn)性回歸結(jié)果。

表6 企業(yè)創(chuàng)新產(chǎn)出的多元線(xiàn)性回歸

列（1）～列（4）均以企業(yè)創(chuàng)新產(chǎn)出（RDop）作為被解釋變量。與表5的處理方式相同，在列（1）只將經(jīng)濟(jì)不確定性（EPU）納入多元回歸方程，結(jié)果顯示經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的抑制作用在1%的水平下顯著為負(fù)；列（2）只將數(shù)字賦能（DE）納入回歸方程，結(jié)果顯示數(shù)字賦能對(duì)企業(yè)創(chuàng)新產(chǎn)出的促進(jìn)作用在5%的水平下顯著為正；列（3）將經(jīng)濟(jì)不確定性和數(shù)字賦能同時(shí)納入回歸方程，結(jié)果顯示經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的抑制作用在1%的水平下顯著為負(fù)，數(shù)字賦能對(duì)企業(yè)創(chuàng)新產(chǎn)出的促進(jìn)作用依舊在5%的水平下顯著為正；列（4）將經(jīng)濟(jì)不確定性、數(shù)字賦能和二者的交乘項(xiàng)同時(shí)納入回歸方程，結(jié)果顯示列（4）中經(jīng)濟(jì)不確定性與數(shù)字賦能的交乘項(xiàng)系數(shù)在5%的水平下顯著為負(fù)，與列（1）中經(jīng)濟(jì)不確定性的系數(shù)符號(hào)一致，說(shuō)明數(shù)字賦能削弱了經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的抑制作用。

從表6的回歸模型結(jié)果來(lái)看，經(jīng)濟(jì)不確定性會(huì)抑制企業(yè)創(chuàng)新產(chǎn)出，而數(shù)字賦能能夠促進(jìn)企業(yè)創(chuàng)新產(chǎn)出，經(jīng)濟(jì)不確定性對(duì)醫(yī)藥制造企業(yè)創(chuàng)新產(chǎn)出的影響隨著數(shù)字賦能的增加而減弱。綜合表5和表6的回歸結(jié)果，有效地驗(yàn)證了假設(shè)H1、H2和H3。

（四）異質(zhì)性分析

為了檢驗(yàn)不同性質(zhì)的醫(yī)藥制造企業(yè)面對(duì)經(jīng)濟(jì)不確定性和數(shù)字賦能對(duì)企業(yè)創(chuàng)新的不同影響，本文將醫(yī)藥制造企業(yè)按照企業(yè)所有制分為國(guó)有企業(yè)和非國(guó)有企業(yè)兩類(lèi)，對(duì)表5模型（3）和表6模型（3）進(jìn)行分組回歸，結(jié)果如表7所示。表7中，列（1）和列（2）分別為國(guó)有企業(yè)與非國(guó)有企業(yè)經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新投入的回歸結(jié)果，結(jié)果與表5結(jié)果類(lèi)似，表現(xiàn)為經(jīng)濟(jì)不確定性促進(jìn)了企業(yè)創(chuàng)新投入，而數(shù)字賦能有效降低了企業(yè)的創(chuàng)新投入；列（3）和列（4）分別為國(guó)有企業(yè)與非國(guó)有企業(yè)經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新產(chǎn)出的回歸結(jié)果，結(jié)果與表6所示結(jié)果類(lèi)似。

表7 異質(zhì)性分析

為了進(jìn)一步分析經(jīng)濟(jì)不確定性和數(shù)字賦能對(duì)不同性質(zhì)醫(yī)藥制造企業(yè)的影響程度是否存在差異，可通過(guò)對(duì)比國(guó)有醫(yī)藥制造企業(yè)與非國(guó)有醫(yī)藥制造企業(yè)兩個(gè)子樣本組的系數(shù)是否存在差異分析，但直接比較國(guó)有企業(yè)與非國(guó)有企業(yè)組回歸系數(shù)的顯著性水平可能會(huì)存在偏差。因此，本文借鑒連玉君和廖俊平（2017）[30]的建議，采用似無(wú)相關(guān)模型（Seemingly Unrelated Regression）檢驗(yàn)組間差異，實(shí)證結(jié)果表明數(shù)字賦能對(duì)醫(yī)藥制造企業(yè)的創(chuàng)新投入和創(chuàng)新產(chǎn)出并不會(huì)因?yàn)槠淦髽I(yè)產(chǎn)權(quán)性質(zhì)而有所差異。但是經(jīng)濟(jì)不確定性在影響不同性質(zhì)企業(yè)之間的創(chuàng)新投入存在顯著性差異，可以很清晰地看出，相較于國(guó)有醫(yī)藥制造企業(yè)，非國(guó)有醫(yī)藥制造企業(yè)的創(chuàng)新投入受經(jīng)濟(jì)不確定性的影響遠(yuǎn)大于國(guó)有醫(yī)藥制造企業(yè)。

（五）控制模型的內(nèi)生性檢驗(yàn)

本文在研究經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新的關(guān)系研究中，不可避免地會(huì)因?yàn)槌鞘幸约捌髽I(yè)規(guī)模等不可觀(guān)測(cè)因素而出現(xiàn)遺漏變量所致的內(nèi)生性問(wèn)題。對(duì)此本文在基本回歸模型以及后續(xù)的穩(wěn)健性檢驗(yàn)中均對(duì)時(shí)間固定效應(yīng)進(jìn)行控制。但是，內(nèi)生性問(wèn)題不僅是遺漏變量所致，變量之間的逆向因果關(guān)系也會(huì)導(dǎo)致內(nèi)生性的產(chǎn)生。在本文中，經(jīng)濟(jì)不確定性可以看作是外生變量，與企業(yè)創(chuàng)新不存在互為因果的內(nèi)生性問(wèn)題。但是作為衡量企業(yè)數(shù)字化水平的變量數(shù)字賦能（DE）在影響企業(yè)創(chuàng)新（RDin、RDop）的同時(shí)，企業(yè)創(chuàng)新反過(guò)來(lái)也會(huì)影響數(shù)字賦能的效果。

為了解決數(shù)字賦能與企業(yè)創(chuàng)新之間互為因果關(guān)系造成的內(nèi)生性問(wèn)題，本文參考張國(guó)勝等（2021）[20]、蔣殿春和潘曉旺（2022）[31]的做法，采用工具變量法處理。首先，較為簡(jiǎn)單且有效的一種構(gòu)造工具變量的方法是采用滯后一期的核心變量數(shù)據(jù)作為工具變量。其次，由于變量之間的內(nèi)生性一般存在于企業(yè)個(gè)體層面，因此另外一種產(chǎn)生工具變量的方法是尋找一個(gè)比企業(yè)范圍更為宏觀(guān)的變量作為工具變量。本文采用企業(yè)所處同一地區(qū)的互聯(lián)網(wǎng)寬帶接入端口數(shù)（DEhat）作為工具變量。選取這一工具變量主要基于以下兩點(diǎn)考慮：一是企業(yè)所處同一地區(qū)的互聯(lián)網(wǎng)寬帶接入端口數(shù)與單個(gè)企業(yè)數(shù)字賦能高度相關(guān)；二是該指標(biāo)與企業(yè)是否會(huì)進(jìn)行創(chuàng)新無(wú)關(guān)。因此，這一工具變量滿(mǎn)足工具變量的相關(guān)性和外生性條件，適合作為數(shù)字賦能的工具變量。

檢驗(yàn)結(jié)果如表8所示，列（1）和列（2）是采用第一種構(gòu)建工具變量方法（核心變量的滯后一期）所構(gòu)建的數(shù)字賦能指標(biāo)工具變量的檢驗(yàn)結(jié)果。列（1）為第一階段工具變量（DEhat）的估計(jì)結(jié)果，在1%水平下顯著為正，表明工具變量與解釋變量數(shù)字賦能（DE）高度相關(guān)，并且第一階段F值為60.96，遠(yuǎn)遠(yuǎn)大于10；另外弱工具變量檢驗(yàn)結(jié)果也顯著，多項(xiàng)檢驗(yàn)均表明了工具變量的合理性。列（2）為第二階段的估計(jì)結(jié)果，結(jié)果顯示數(shù)字賦能的估計(jì)系數(shù)在1%水平下顯著為負(fù)，與表5列（2）的基準(zhǔn)模型結(jié)果相似。列（3）和列（4）是采用第二種構(gòu)建工具變量方法（尋找一個(gè)比企業(yè)范圍更為宏觀(guān)的變量）所構(gòu)建的數(shù)字賦能指標(biāo)工具變量的檢驗(yàn)結(jié)果。列（3）為第一階段工具變量（DEhat）的估計(jì)結(jié)果，在1%水平下顯著為正，表明工具變量與解釋變量數(shù)字賦能（DE）高度相關(guān)，并且第一階段F值為13.24，同樣大于10；另外弱工具變量檢驗(yàn)結(jié)果也同樣顯著。列（4）為第二階段的估計(jì)結(jié)果，結(jié)果顯示數(shù)字賦能的估計(jì)系數(shù)在10%水平下顯著為正，與表6列（2）的基準(zhǔn)模型估計(jì)結(jié)果一致。對(duì)此，在考慮了變量之間的逆向因果關(guān)系后，數(shù)字賦能對(duì)企業(yè)創(chuàng)新投入具有穩(wěn)健的抑制作用，對(duì)企業(yè)創(chuàng)新產(chǎn)出具有穩(wěn)健的促進(jìn)作用。

表8 控制模型內(nèi)生性的工具變量檢驗(yàn)：2SLS回歸結(jié)果

五、穩(wěn)健性檢驗(yàn)與進(jìn)一步分析

（一）穩(wěn)健性檢驗(yàn)

1.更換經(jīng)濟(jì)政策不確定性數(shù)據(jù)

本文前述經(jīng)濟(jì)不確定性的替代指標(biāo)——經(jīng)濟(jì)政策不確定性數(shù)據(jù)是基于Davis等（2019）[32]計(jì)算出的中國(guó)政策不確定性指數(shù)。除了上述變量數(shù)據(jù)，還有基于Baker等（2016）[24]所構(gòu)建的有關(guān)中國(guó)的經(jīng)濟(jì)政策不確定性指數(shù)，這里將其作為經(jīng)濟(jì)政策不確定性指標(biāo)數(shù)據(jù)的更換，結(jié)果如表9所示。表9中A部分的被解釋變量為企業(yè)創(chuàng)新投入，結(jié)果與表5相同，同樣表明經(jīng)濟(jì)不確定性會(huì)促進(jìn)企業(yè)創(chuàng)新投入，而數(shù)字賦能會(huì)隨著企業(yè)數(shù)字化程度的增大降低企業(yè)創(chuàng)新投入。表9中B部分的被解釋變量為企業(yè)創(chuàng)新產(chǎn)出，結(jié)果與表6相同，同樣表明經(jīng)濟(jì)不確定性會(huì)抑制企業(yè)創(chuàng)新產(chǎn)出，而數(shù)字賦能會(huì)隨著企業(yè)數(shù)字化程度的增大而提高企業(yè)創(chuàng)新產(chǎn)出。

表9 穩(wěn)健性分析：更換經(jīng)濟(jì)政策不確定性指標(biāo)數(shù)據(jù)

2.被解釋變量的重新定義

對(duì)于被解釋變量企業(yè)創(chuàng)新投入，本文參照陳寧等（2018）[33]的做法，將企業(yè)創(chuàng)新投入重新定義為研發(fā)投入占企業(yè)資產(chǎn)總額的比例。將重新定義的創(chuàng)新投入變量作為新的被解釋變量對(duì)本文前述假設(shè)H1進(jìn)行了重新檢驗(yàn)。結(jié)果如表10的A部分所示，重新定義的企業(yè)創(chuàng)新投入所得出的結(jié)果與前文結(jié)論基本一致，再一次驗(yàn)證了前述假設(shè)H1。

對(duì)于被解釋變量企業(yè)創(chuàng)新產(chǎn)出，本文借鑒杜江和劉詩(shī)園（2020）[34]的做法，將發(fā)明專(zhuān)利申請(qǐng)授權(quán)量作為新的指標(biāo)來(lái)衡量企業(yè)創(chuàng)新的程度。將重新定義的企業(yè)創(chuàng)新產(chǎn)出變量作為新的被解釋變量對(duì)本文前述假設(shè)H2進(jìn)行了重新檢驗(yàn)。結(jié)果如表10的B部分所示，重新定義的企業(yè)創(chuàng)新產(chǎn)出所得出的結(jié)果與前文結(jié)論基本一致，再一次驗(yàn)證了前述假設(shè)H2。

表10 穩(wěn)健性分析：重新定義被解釋變量

（二）進(jìn)一步分析

資源基礎(chǔ)觀(guān)認(rèn)為，企業(yè)創(chuàng)新差異取決于創(chuàng)新資源的無(wú)法替代，而企業(yè)創(chuàng)新產(chǎn)生差異的直接誘因是資源的分配不同。劉偉等（2020）研究發(fā)現(xiàn)，企業(yè)研發(fā)投入強(qiáng)度是企業(yè)對(duì)創(chuàng)新活動(dòng)重視程度的體現(xiàn)[35]。足量的研發(fā)投入，不僅有利于形成創(chuàng)新差異化，提高企業(yè)創(chuàng)新的抗風(fēng)險(xiǎn)能力，也有利于投資于研發(fā)人員和設(shè)備等基礎(chǔ)軟硬件，提升創(chuàng)新活動(dòng)的效率。唐華等（2021）在對(duì)我國(guó)高新技術(shù)企業(yè)研究中發(fā)現(xiàn)，研發(fā)投入確實(shí)能夠促進(jìn)企業(yè)創(chuàng)新[36]。熊凱軍（2021）研究經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新影響發(fā)現(xiàn)，我國(guó)經(jīng)濟(jì)不確定性能夠促進(jìn)制造業(yè)企業(yè)的創(chuàng)新投入[37]；儲(chǔ)節(jié)旺（2022）認(rèn)為數(shù)字賦能在創(chuàng)新生態(tài)系統(tǒng)中扮演著資源和工具的角色[38]。作為資源時(shí)，可通過(guò)資源編排節(jié)約其他創(chuàng)新投入；作為工具時(shí)，是生態(tài)系統(tǒng)開(kāi)放與演化的內(nèi)在條件和動(dòng)力，可引發(fā)傳統(tǒng)創(chuàng)新范式的變革，從而降低創(chuàng)新成本，減少創(chuàng)新投入。但是，學(xué)者們均未討論創(chuàng)新投入是否會(huì)發(fā)揮中介效應(yīng)對(duì)企業(yè)創(chuàng)新產(chǎn)生綜合影響。因此，綜合資源基礎(chǔ)觀(guān)和前文的實(shí)證回歸結(jié)果，本文驗(yàn)證經(jīng)濟(jì)不確定性激勵(lì)醫(yī)藥制造企業(yè)增加了創(chuàng)新投入，但是卻抑制了企業(yè)的創(chuàng)新產(chǎn)出；數(shù)字賦能可以有效地降低因經(jīng)濟(jì)不確定性倒逼企業(yè)所增加的創(chuàng)新投入，且能夠有效促進(jìn)企業(yè)創(chuàng)新產(chǎn)出。然而嚴(yán)格來(lái)說(shuō)，前文只探討了經(jīng)濟(jì)不確定性和數(shù)字賦能對(duì)企業(yè)的創(chuàng)新投入和創(chuàng)新產(chǎn)出的直接效應(yīng)，并未考慮創(chuàng)新投入是否會(huì)產(chǎn)生中介效應(yīng)。為此，本文做進(jìn)一步分析，設(shè)置創(chuàng)新投入與企業(yè)創(chuàng)新產(chǎn)出的估計(jì)模型。

運(yùn)行模型（3），結(jié)果如表11列（1）所示，研發(fā)投入的回歸系數(shù)為0.024（t=1.81），這意味著創(chuàng)新投入對(duì)企業(yè)創(chuàng)新產(chǎn)出的促進(jìn)作用在10%的水平下顯著為正。結(jié)合前文對(duì)經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新投入的關(guān)系研究，分別依次將經(jīng)濟(jì)不確定與數(shù)字賦能納入方程（3）去檢驗(yàn)企業(yè)創(chuàng)新投入的中介效應(yīng)，結(jié)果分別如表11列（2）和列（3）所示。

1.企業(yè)創(chuàng)新投入在經(jīng)濟(jì)不確定與企業(yè)創(chuàng)新之間發(fā)揮的中介效應(yīng)

第一步檢驗(yàn)是經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的直接效應(yīng)檢驗(yàn)，該檢驗(yàn)在本文基準(zhǔn)模型中已完成，檢驗(yàn)結(jié)果如表6列（1）所示，經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的估計(jì)系數(shù)在1%的水平上顯著為負(fù)；第二步檢驗(yàn)是經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入這一中介變量的直接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表5列（1）所示，經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入的估計(jì)系數(shù)在1%的水平上顯著為正；第三步檢驗(yàn)是企業(yè)創(chuàng)新投入對(duì)企業(yè)創(chuàng)新產(chǎn)出的間接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表11列（2）所示，企業(yè)創(chuàng)新投入對(duì)企業(yè)創(chuàng)新產(chǎn)出的估計(jì)系數(shù)在10%的水平上顯著為正。因此，通過(guò)中介效應(yīng)逐步法的檢驗(yàn)結(jié)果可以看出創(chuàng)新投入的中介效應(yīng)存在，并且經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入的正向作用所促進(jìn)的企業(yè)創(chuàng)新產(chǎn)出并不能抵消經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新產(chǎn)出的直接抑制效果。

表11 企業(yè)創(chuàng)新投入的中介效應(yīng)檢驗(yàn)

2.企業(yè)創(chuàng)新投入在數(shù)字賦能與企業(yè)創(chuàng)新之間發(fā)揮的中介效應(yīng)

采取上述研究企業(yè)創(chuàng)新投入在經(jīng)濟(jì)不確定與企業(yè)創(chuàng)新產(chǎn)出之間發(fā)揮的中介效應(yīng)的做法，第一步檢驗(yàn)數(shù)字賦能對(duì)企業(yè)創(chuàng)新產(chǎn)出的直接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表6列（2）所示，數(shù)字賦能對(duì)企業(yè)創(chuàng)新的估計(jì)系數(shù)在5%的水平上顯著為正；第二步檢驗(yàn)是數(shù)字賦能對(duì)企業(yè)創(chuàng)新投入這一中介變量的直接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表5列（2）所示，數(shù)字賦能對(duì)企業(yè)創(chuàng)新投入的估計(jì)系數(shù)在1%的水平上顯著為負(fù)；第三步檢驗(yàn)是企業(yè)創(chuàng)新投入對(duì)企業(yè)創(chuàng)新產(chǎn)出的間接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表11列（3）所示，企業(yè)創(chuàng)新投入對(duì)企業(yè)創(chuàng)新產(chǎn)出的估計(jì)系數(shù)為正值，但是并不顯著。因此，本文做了進(jìn)一步Bootstrap中介效應(yīng)檢驗(yàn)，結(jié)果如表12所示，創(chuàng)新投入的間接效應(yīng)并未通過(guò)檢驗(yàn)，但是直接效應(yīng)通過(guò)了檢驗(yàn)，系數(shù)為正，與第一階段檢驗(yàn)結(jié)果一致。

表12 企業(yè)創(chuàng)新投入的中介效應(yīng)：Bootstrap檢驗(yàn)

六、結(jié)論與建議

（一）研究結(jié)論以及局限性

本文基于醫(yī)藥制造企業(yè)2015-2020年上市公司的歷史數(shù)據(jù)，采用多元線(xiàn)性回歸實(shí)證分析了經(jīng)濟(jì)不確定性、數(shù)字賦能與企業(yè)創(chuàng)新產(chǎn)出之間的邏輯關(guān)系，探討了數(shù)字賦能對(duì)經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新關(guān)系的調(diào)節(jié)效應(yīng)，并進(jìn)一步完善了經(jīng)濟(jì)不確定性-企業(yè)創(chuàng)新投入-企業(yè)創(chuàng)新產(chǎn)出和數(shù)字賦能-企業(yè)創(chuàng)新投入-企業(yè)創(chuàng)新產(chǎn)出的研究機(jī)制鏈條。研究結(jié)果表明：（1）經(jīng)濟(jì)不確定性對(duì)企業(yè)創(chuàng)新投入有正向激勵(lì)作用，對(duì)企業(yè)創(chuàng)新產(chǎn)出有抑制作用，即經(jīng)濟(jì)不確定性上升會(huì)迫使企業(yè)增加創(chuàng)新投入，但這種迫使的投入是無(wú)效的或者是效能低下的，并不能發(fā)揮其作用。（2）數(shù)字賦能可以降低醫(yī)藥制造企業(yè)創(chuàng)新投入，對(duì)企業(yè)創(chuàng)新產(chǎn)出有顯著的促進(jìn)作用，即看似數(shù)字賦能減少了企業(yè)創(chuàng)新投入，可能會(huì)降低企業(yè)的創(chuàng)新能力，事實(shí)上數(shù)字賦能減少了企業(yè)在研發(fā)過(guò)程中的不必要支出，將實(shí)際的研發(fā)資金用在鋼刃上，反而促進(jìn)了企業(yè)創(chuàng)新產(chǎn)出。（3）數(shù)字賦能在經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新投入、經(jīng)濟(jì)不確定性與企業(yè)創(chuàng)新產(chǎn)出關(guān)系中均發(fā)揮了負(fù)向調(diào)節(jié)作用，即數(shù)字賦能可以緩解經(jīng)濟(jì)不確定性帶來(lái)的創(chuàng)新投入增加的壓力，并可以減弱經(jīng)濟(jì)不確定性產(chǎn)生的創(chuàng)新產(chǎn)出降低的可能。（4）數(shù)字賦能對(duì)醫(yī)藥制造企業(yè)的創(chuàng)新投入和創(chuàng)新產(chǎn)出不會(huì)因其企業(yè)產(chǎn)權(quán)性質(zhì)不同而有所差異。但經(jīng)濟(jì)不確定性在影響不同企業(yè)性質(zhì)之間的創(chuàng)新投入存在顯著性差異，相較于國(guó)有醫(yī)藥制造企業(yè)，非國(guó)有醫(yī)藥制造企業(yè)的創(chuàng)新投入受經(jīng)濟(jì)不確定性的影響遠(yuǎn)大于國(guó)有醫(yī)藥制造企業(yè)。（5）在進(jìn)一步探討了創(chuàng)新投入的中介效應(yīng)后發(fā)現(xiàn)，經(jīng)濟(jì)不確定性通過(guò)企業(yè)創(chuàng)新投入的中介效應(yīng)提高了企業(yè)創(chuàng)新產(chǎn)出，但是其中介效應(yīng)產(chǎn)生的促進(jìn)作用被直接效應(yīng)所抑制；創(chuàng)新投入在數(shù)字賦能與企業(yè)創(chuàng)新產(chǎn)出之間的中介效應(yīng)并不顯著。

顯然，本文仍然存在一定的局限性。首先，本文對(duì)經(jīng)濟(jì)不確定性的衡量只局限于經(jīng)濟(jì)政策不確定性，雖然經(jīng)濟(jì)政策不確定性占經(jīng)濟(jì)不確定性比重較大，但并不能完全忽略宏觀(guān)經(jīng)濟(jì)不確定性的存在，這是本文未來(lái)要考慮解決的問(wèn)題；其次，本文忽略了企業(yè)間研發(fā)協(xié)作、人力資本等數(shù)字賦能與企業(yè)研發(fā)創(chuàng)新的中介渠道，僅僅考慮了數(shù)字賦能通過(guò)降低企業(yè)研發(fā)成本促進(jìn)企業(yè)創(chuàng)新產(chǎn)出，這也是本文以后需要進(jìn)一步研究和探討的方向。

（二）管理啟示與建議

第一，宏觀(guān)制度層面。面對(duì)經(jīng)濟(jì)環(huán)境的高度不確定性，如何在宏觀(guān)制度層面驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展成為政策制定者必須面對(duì)的重大難題。在后疫情時(shí)代，即使企業(yè)面臨的經(jīng)濟(jì)不確定性能夠正向激勵(lì)企業(yè)促進(jìn)研發(fā)投入，但是這種激勵(lì)所產(chǎn)生投入的創(chuàng)新產(chǎn)出令人擔(dān)憂(yōu)。而數(shù)字賦能可以?xún)?yōu)化資源配置和提高勞動(dòng)力水平以降低企業(yè)研發(fā)成本，一方面，企業(yè)可以借助數(shù)字技術(shù)的數(shù)據(jù)集成與分析優(yōu)勢(shì)，減少資源錯(cuò)配；另一方面，數(shù)字技術(shù)能夠提高信息搜尋與分析的準(zhǔn)確度從而節(jié)約管理成本；此外，數(shù)字技術(shù)有利于幫助企業(yè)員工提高獲取、控制和管理資源方面的能力從而提高企業(yè)運(yùn)行效率，達(dá)到降低企業(yè)創(chuàng)新投入的效果。因此，有關(guān)部門(mén)應(yīng)制定相應(yīng)政策，進(jìn)一步加快數(shù)字技術(shù)基礎(chǔ)設(shè)施建設(shè)，提高后疫情時(shí)代我國(guó)數(shù)字化水平，促進(jìn)我國(guó)醫(yī)藥制造企業(yè)提高數(shù)字化轉(zhuǎn)型升級(jí)能力。

第二，微觀(guān)醫(yī)藥制造企業(yè)層面。一方面，在經(jīng)濟(jì)不確定性持續(xù)增加的當(dāng)下，醫(yī)藥制造企業(yè)管理者要制定正確的戰(zhàn)略決策，幫助企業(yè)在后疫情時(shí)代轉(zhuǎn)危為安并實(shí)現(xiàn)企業(yè)價(jià)值最大化，要抓住當(dāng)前數(shù)字賦能發(fā)展機(jī)遇，結(jié)合國(guó)家有關(guān)政策，加快企業(yè)的數(shù)字化建設(shè)，全面實(shí)施企業(yè)內(nèi)外數(shù)字化改造與轉(zhuǎn)變；另一方面，醫(yī)藥制造企業(yè)應(yīng)加大對(duì)創(chuàng)新藥物的研發(fā)，要充分利用好大數(shù)據(jù)時(shí)代的優(yōu)勢(shì)，將各種數(shù)字化手段運(yùn)用到藥物創(chuàng)新過(guò)程中，通過(guò)對(duì)藥物研發(fā)過(guò)程的數(shù)據(jù)實(shí)施分析和挖掘，搭建智能分析與決策系統(tǒng)，提升藥品研發(fā)創(chuàng)新的成功率，同時(shí)構(gòu)建數(shù)字化產(chǎn)業(yè)鏈，推動(dòng)企業(yè)藥物研發(fā)各環(huán)節(jié)的精準(zhǔn)把控；此外，因不同產(chǎn)權(quán)性質(zhì)的醫(yī)藥制造企業(yè)受到經(jīng)濟(jì)不確定性的影響不同，醫(yī)藥制造企業(yè)要基于自身定位，定制契合自身的研發(fā)創(chuàng)新戰(zhàn)略，引進(jìn)高水平人才，抓住國(guó)內(nèi)數(shù)字化建設(shè)機(jī)遇，提高企業(yè)創(chuàng)新效率。