摘 要：數(shù)字化作為制造業(yè)企業(yè)發(fā)展的新動能，對其高質(zhì)量專利的產(chǎn)出發(fā)揮了顯著的促進作用。選取2013-2022年中國制造業(yè)上市企業(yè)作為研究樣本，利用Stata 17.0軟件分析數(shù)字化如何對專利質(zhì)量產(chǎn)生影響，同時引入政府補助作為調(diào)節(jié)變量驗證其作用機制。研究結(jié)果表明：制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型顯著促進企業(yè)專利質(zhì)量的提升；政府補貼在制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型與專利質(zhì)量之間發(fā)揮了正向調(diào)節(jié)作用；國有企業(yè)比非國有企業(yè)對專利質(zhì)量的促進效果更明顯?；谘芯拷Y(jié)論，從完善數(shù)字基建、擴大數(shù)字補貼、健全管理制度等方面為政府提出政策建議，并從優(yōu)化數(shù)字戰(zhàn)略、打通數(shù)字化知識產(chǎn)權(quán)管理、培育數(shù)字人才等角度為企業(yè)明確發(fā)展方向。

關(guān)鍵詞：制造業(yè)數(shù)字化轉(zhuǎn)型；專利質(zhì)量；政府補貼

中圖分類號：F425；F401文獻(xiàn)標(biāo)識碼：A

doi：10.3969/j.issn.1672-2272.202405221

Exploring the Impact of Digital Transformation on Enterprise Patent Quality：Based on the Data of Listed Enterprises in Manufacturing Industry

Abstract：As a new driving force for the development of manufacturing enterprises， digitalization has played a significant role in promoting the output of high-quality patents. We analyze how digitalization affects patent quality by taking listed manufacturing enterprises from 2013 to 2022 as analysis samples， using stata17 software regression analysis， and at the same time introducing government subsidies as moderating variables to verify the mechanism of its process. The results show that the digital transformation of manufacturing enterprises can significantly promote the improvement of patent quality， government subsidies play a positive moderating role， and the promotion effect of state-owned enterprises is more obvious than that of non-state-owned enterprises. we put forward policy suggestions for the government in terms of improving digital infrastructure， expanding digital subsidies， and sound management system， and clear directions for enterprises in terms of optimizing digital strategy， opening up digital intellectual property management， and cultivating digital talents.

Key Words：Digital Transformation of Manufacturing Industry;Patent Quality;Government Subsidie

0 引言

隨著全球數(shù)字技術(shù)變革，我國數(shù)字經(jīng)濟快速發(fā)展。根據(jù)中國信息通信研究院發(fā)布的《全球數(shù)字經(jīng)濟發(fā)展白皮書（2023）》，我國數(shù)字經(jīng)濟規(guī)模位居全球第二。在數(shù)字經(jīng)濟浪潮背景下，能否充分利用數(shù)字化轉(zhuǎn)型帶來的機遇，促進企業(yè)持續(xù)發(fā)展，是傳統(tǒng)企業(yè)面臨的重大挑戰(zhàn)。對制造業(yè)企業(yè)而言，數(shù)字化轉(zhuǎn)型能夠幫助其促進技術(shù)創(chuàng)新與突破，有助于企業(yè)專利質(zhì)量提升。在市場環(huán)境日趨動蕩、競爭愈加激烈的情況下，推動制造業(yè)企業(yè)進行數(shù)字化轉(zhuǎn)型是必由之路。當(dāng)前，已有較多研究關(guān)注數(shù)字化轉(zhuǎn)型在制造業(yè)企業(yè)中的發(fā)展，較少研究數(shù)字化轉(zhuǎn)型在促進專利質(zhì)量提升方面的作用機制。為此，本文以2013-2022年中國制造業(yè)上市企業(yè)為研究對象，深度探析數(shù)字化轉(zhuǎn)型在促進專利質(zhì)量提升方面的具體效應(yīng)及作用機制。

1 文獻(xiàn)綜述

1.1 制造業(yè)企業(yè)數(shù)字化的影響效應(yīng)

數(shù)字化轉(zhuǎn)型對企業(yè)的影響效應(yīng)是當(dāng)前學(xué)術(shù)界關(guān)注的焦點，研究視角涵蓋了宏觀、中觀、微觀等多個層面。國外學(xué)者大多圍繞企業(yè)維度展開研究，如Ardito等[1]通過對北美369個中小型企業(yè)的調(diào)查問卷，分析了數(shù)字化轉(zhuǎn)型對企業(yè)專利產(chǎn)出的影響。國內(nèi)學(xué)者則主要從企業(yè)管理和創(chuàng)新兩個層面考察了數(shù)字化轉(zhuǎn)型的影響效應(yīng)，如何帆等[2]從技術(shù)、組織、管理創(chuàng)新 3個角度出發(fā)，對A股上市公司進行分析，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能顯著增強企業(yè)績效，并進一步探討了其實現(xiàn)路徑；王靖雯等[3]以九州通為例，發(fā)現(xiàn)企業(yè)數(shù)字化能夠促進財務(wù)績效的提高；林琳等[4]以酷特智能和海爾為案例，探討了數(shù)字化轉(zhuǎn)型如何影響制造業(yè)企業(yè)管理的變革；戚聿東和蔡呈偉[5]運用文本分析法，研究了數(shù)字化轉(zhuǎn)型對企業(yè)財務(wù)表現(xiàn)的多維影響及其內(nèi)在機制；余菲菲等[6]的研究揭示了企業(yè)數(shù)字化與創(chuàng)新績效間存在復(fù)雜的聯(lián)系，并引入了“雙刃劍”效應(yīng)，表明企業(yè)數(shù)字化既能促進創(chuàng)新績效又能阻礙創(chuàng)新績效。

1.2 制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型測度

企業(yè)數(shù)字化轉(zhuǎn)型是現(xiàn)代企業(yè)變革的重要趨勢，主要表現(xiàn)為企業(yè)運用現(xiàn)代信息技術(shù)手段取代傳統(tǒng)生產(chǎn)方式，以達(dá)到提高生產(chǎn)效率的目的。如何科學(xué)客觀地測度數(shù)字化轉(zhuǎn)型程度是學(xué)者們廣泛探索的課題。部分學(xué)者通過構(gòu)建綜合指標(biāo)來測度企業(yè)數(shù)字化水平，如黃群慧等[7]構(gòu)建了一個包含互聯(lián)網(wǎng)普及率、互聯(lián)網(wǎng)從業(yè)人員比例、互聯(lián)網(wǎng)產(chǎn)出與移動互聯(lián)網(wǎng)用戶數(shù)量等 4個維度的互聯(lián)網(wǎng)綜合發(fā)展指數(shù)。也有學(xué)者通過分析企業(yè)公開信息來構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)，如何帆和劉紅霞[8]通過分析大量的臨期和定時公告，引入數(shù)字化轉(zhuǎn)型指標(biāo)，即如果公司在當(dāng)年進行了數(shù)字化改造，該變量transformation被賦值為1，否則為0，并利用這個變量和企業(yè)信息化水平、企業(yè)特色、產(chǎn)權(quán)性質(zhì)、投資機會、治理特征等控制變量進行回歸分析。沈國兵和袁征宇[9]認(rèn)為企業(yè)是否擁有微博賬號、電子郵件以及主頁等可以定義企業(yè)的互聯(lián)網(wǎng)使用程度，并通過實證研究發(fā)現(xiàn)，互聯(lián)網(wǎng)技術(shù)能夠通過創(chuàng)新間接促進企業(yè)出口增長。吳非等[10]運用Python爬蟲技術(shù)收集上海和深圳證券交易所全部A股上市企業(yè)年報，并通過特征詞的搜索、匹配及計數(shù)來構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)。此外，張三峰和魏下海[11]基于2012年中國制造業(yè)企業(yè)調(diào)查問卷數(shù)據(jù)，采用企業(yè)信息與通信技術(shù)（ICT）在生產(chǎn)運營中的應(yīng)用程度作為數(shù)字化指標(biāo)。這些研究從不同角度驗證了企業(yè)數(shù)字化在提高生產(chǎn)效率、增強創(chuàng)新能力以及促進節(jié)能減排等方面具有顯著的積極效應(yīng)。

1.3 專利質(zhì)量評價測度

當(dāng)前，學(xué)術(shù)界對于專利質(zhì)量的定義尚未達(dá)成共識，導(dǎo)致專利評價指標(biāo)的選擇和評價體系呈現(xiàn)出多樣化。如常見的分類方法包括指標(biāo)、技術(shù)和經(jīng)濟的二維度指標(biāo)，以及技術(shù)、法律、經(jīng)濟的三維度指標(biāo)。此外，還存在基于專利的不同階段或環(huán)節(jié)，以及其他尚未統(tǒng)一的分類方法。大多學(xué)者認(rèn)為專利的維持期限與其質(zhì)量之間有著密切的聯(lián)系，并把專利維持年限視為評估專利質(zhì)量的關(guān)鍵指標(biāo)之一。如劉玉琴等[12]將專利質(zhì)量評估指標(biāo)分為兩大類：一類是依據(jù)專利的經(jīng)濟價值進行評估，另一類則重點考察專利的技術(shù)屬性。孫玉濤等[13]設(shè)計了一個包含“三階段——兩維度”的專利質(zhì)量評估模型。谷麗等[14]對這一分類法進行了擴展，提出了將專利質(zhì)量評價指標(biāo)分布在技術(shù)、法律以及商業(yè)3個不同的維度上。胡諜等[15]提出了專利質(zhì)量綜合評估方法，其選取了4個核心維度：技術(shù)特征、引證情況、專利范圍和專利維持時間，并通過計算各檢測維度的影響力來建立全面的專利質(zhì)量評價體系。目前，雖然理論上關(guān)于專利質(zhì)量的評估框架相對成熟，但其在實際中的應(yīng)用仍受限制，主要原因是理論研究更注重完整性，而忽視了在實際操作過程中，數(shù)據(jù)獲取對評估系統(tǒng)可行性的影響。因此，實踐中還需要進行進一步的實證研究，以提升評價指標(biāo)的應(yīng)用效率與準(zhǔn)確度。

2 理論分析與研究假設(shè)

2.1 數(shù)字化轉(zhuǎn)型對企業(yè)專利質(zhì)量的影響

企業(yè)數(shù)字化轉(zhuǎn)型助力企業(yè)數(shù)字資源與數(shù)據(jù)價值鏈顯著發(fā)揮效能。一方面，數(shù)字技術(shù)具有開放性、可編輯性和可擴展性等特征，不僅改善了信息流通的效率，還增強了企業(yè)對市場需求和技術(shù)趨勢的感應(yīng)能力，為高質(zhì)量專利的創(chuàng)造提供了更加精準(zhǔn)的指導(dǎo)。制造業(yè)企業(yè)通過整合和優(yōu)化其數(shù)字資源，以識別出多樣化的創(chuàng)新資源，并將這些創(chuàng)新資源運用至創(chuàng)新活動的各個環(huán)節(jié)，如信息技術(shù)基礎(chǔ)設(shè)施、數(shù)據(jù)資產(chǎn)以及人力資源與組織等，從而促進專利質(zhì)量的提高。另一方面，制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型強化了數(shù)據(jù)價值鏈，其中數(shù)據(jù)的深度分析和高效利用是專利質(zhì)量提升的關(guān)鍵驅(qū)動力。通過大數(shù)據(jù)分析和人工智能等技術(shù)，企業(yè)能夠從復(fù)雜的數(shù)據(jù)中提取出有價值的信息，企業(yè)利用數(shù)字技術(shù)將信息融入專利的設(shè)計研發(fā)過程，以及時調(diào)整資源配置[16]，有助于提升專利質(zhì)量。基于此，本文提出如下假設(shè)：

H1：制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型正向影響專利質(zhì)量的提升。

2.2 政府補貼的調(diào)節(jié)作用分析

政府作為一只“隱形的手”，在社會資源分配方面發(fā)揮著有效的調(diào)節(jié)作用，以緩解“市場失靈”的問題，并為特定的政治與經(jīng)濟目標(biāo)提供支持，成為市場經(jīng)濟體系中不可替代的角色。劉怡芳和吳國萍[17]的研究表明，政府補貼可以引導(dǎo)資金投入、為企業(yè)提供創(chuàng)新資金以及減小風(fēng)險等，以促進企業(yè)的技術(shù)創(chuàng)新。隨著數(shù)字經(jīng)濟成為經(jīng)濟高質(zhì)量發(fā)展的內(nèi)生動力，政府創(chuàng)新補助通過信號傳遞效應(yīng)，在數(shù)字化轉(zhuǎn)型過程中對企業(yè)產(chǎn)生積極的激勵作用。從資源補充角度看，政府創(chuàng)新補助可以通過激勵企業(yè)增加研發(fā)投入來促進數(shù)字化轉(zhuǎn)型和提高專利質(zhì)量，直接補充企業(yè)在創(chuàng)新資源上的不足。對于周期長、風(fēng)險高的數(shù)字化項目，政府創(chuàng)新補助不僅可以增強企業(yè)創(chuàng)新研發(fā)的信心，還為創(chuàng)新提供了資金保障[18]。在國家知識產(chǎn)權(quán)局發(fā)布的《推動知識產(chǎn)權(quán)高質(zhì)量發(fā)展年度工作指引（2023）》的推動下，各地政府出臺了大量關(guān)于高質(zhì)量專利的獎補政策，進一步推動了制造業(yè)企業(yè)專利質(zhì)量提升。基于此，本文提出如下假設(shè)：

H2：政府補貼能夠正向調(diào)節(jié)企業(yè)數(shù)字化轉(zhuǎn)型對專利質(zhì)量的作用。

3 研究設(shè)計

3.1 數(shù)據(jù)來源與樣本選擇

本研究選取2013-2022年中國A股制造業(yè)上市企業(yè)作為研究樣本，數(shù)據(jù)來源于國泰安（CSMAR）數(shù)據(jù)庫和Wind資訊數(shù)據(jù)庫。為保證數(shù)據(jù)質(zhì)量，本文剔除了所有ST和*ST標(biāo)記的樣本企業(yè)，并對所有連續(xù)性變量實施了1%和99%的縮尾處理，以減少極端值的影響。

3.1.1 被解釋變量

企業(yè)專利質(zhì)量（Patent）。專利的經(jīng)濟價值是制造業(yè)企業(yè)重要維度之一。通常情況下，專利權(quán)人更愿意為高質(zhì)量專利支付更多的專利權(quán)費用，以此維持專利權(quán)的有效性；而專利質(zhì)量越高，其法律穩(wěn)定性越好，可維持的年限也更長?？紤]到數(shù)據(jù)的可獲得性，以及專利維持年限能夠綜合反映專利的技術(shù)性、法律性和經(jīng)濟性，本文采用專利維持年限作為衡量專利質(zhì)量的指標(biāo)。根據(jù)國家知識產(chǎn)權(quán)局2013-2022年發(fā)布的《中國知識產(chǎn)權(quán)年度調(diào)研報告》《中國專利調(diào)查報告》等統(tǒng)計報告，確定我國各年份發(fā)明專利的平均維持年限（表1），并選取企業(yè)中超過平均維持年限的發(fā)明專利數(shù)量之和加一的對數(shù)來衡量企業(yè)專利質(zhì)量。

3.1.2 解釋變量

數(shù)字化轉(zhuǎn)型（Lndig）。由于直接相關(guān)指標(biāo)不易獲取，本文借鑒袁淳等[14]和吳非等[20]的研究，通過構(gòu)建數(shù)字化轉(zhuǎn)型詞庫來間接測度企業(yè)數(shù)字化轉(zhuǎn)型情況。首先收集國家政策文件，特別關(guān)注其中包含“數(shù)字經(jīng)濟”等相關(guān)概念的描述，借鑒詞頻分析方法等，提取了出現(xiàn)頻率不低于5次、符合“工業(yè)4.0”背景的企業(yè)數(shù)字化術(shù)語197個，詞庫如表2所示。其次，選取上市公司年報中“管理層討論與分析”（MD&A）等關(guān)鍵詞匯，并統(tǒng)計這些關(guān)鍵詞匯的出現(xiàn)頻次，以此作為衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的依據(jù)。

3.1.3 調(diào)節(jié)變量

政府補貼（Subsidy）。政府補貼是支持企業(yè)發(fā)展的重要手段，主要包括稅收優(yōu)惠、財政補貼、無償劃撥非貨幣性資產(chǎn)等形式。為了更直觀地分析政府補貼對企業(yè)創(chuàng)新的影響，本文選取上市公司年報和財務(wù)報表中直接報告的政府現(xiàn)金補貼額作為政府補貼的衡量指標(biāo)。

3.1.4 控制變量

為減少遺漏變量可能造成的估計偏差，本研究基于企業(yè)財務(wù)和公司治理兩個維度選取了 7個關(guān)鍵控制變量：企業(yè)規(guī)模（size），用總資產(chǎn)的自然對數(shù)表示；企業(yè)年齡（FirmAge），用觀察年份減去成立年份加一的對數(shù)表示；凈資產(chǎn)收益率（ROE），用凈利潤和所有者權(quán)益平均余額的比值表示；總資產(chǎn)增長率（AssetGrowth），用本年度總資產(chǎn)與上一年總資產(chǎn)減一的比值表示；托賓Q值（TobinQ）：用企業(yè)股票市值與其所代表資產(chǎn)重置成本的比值表示，重置成本用企業(yè)的凈資產(chǎn)代替；獨立董事比例（Indep）：獨立董事人數(shù)與董事會總?cè)藬?shù)的比值表示；股權(quán)集中度（Top10）：用前十大股東持股比例表示。各變量的定義和計算方法見表3。

3.2 模型構(gòu)建

3.2.1 基準(zhǔn)模型構(gòu)建

為檢驗數(shù)字化轉(zhuǎn)型對于企業(yè)專利質(zhì)量的影響，本研究構(gòu)建了模型（1）：

Patentit=α0+α1lndigit+∑α2Controlsit+Year+Industry+εit（1）

其中，i代表企業(yè)，t代表年份，α1為解釋變量與被解

釋變量的相關(guān)系數(shù)，控制變量Controlsit代表現(xiàn)金持有

等9個變量，Year代表時間固定效應(yīng)，Industry代表行業(yè)固定效應(yīng)，εit為隨機擾動項。

3.2.2 調(diào)節(jié)效應(yīng)模型

為檢驗政府補貼的調(diào)節(jié)效應(yīng)，本文構(gòu)建模型（2）：

Patentit=δ0+δ1lndigit+δ2subit+δ3lndigit×Subit+∑δ4controlsit+Year+Industry+λit（2）

本文將核心解釋變量和調(diào)節(jié)變量進行去中心化處理，以消除潛在的多重共線性問題，用以檢驗調(diào)節(jié)效應(yīng)

4 實證結(jié)果與分析

4.1 變量描述性分析

表4列示了各變量描述性統(tǒng)計結(jié)果。被解釋變量專利質(zhì)量（Patent）的均值為2.180，表明樣本企業(yè)平均專利質(zhì)量處于中等水平；最大值與最小值之間存在較大差異，說明不同企業(yè)間專利質(zhì)量水平存在顯著差距。解釋變量數(shù)字化轉(zhuǎn)型（lndig）的均值為1.466，表明整體而言，我國制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型仍處于初級階段；最大值與最小值之間存在較大差異，說明部分企業(yè)在數(shù)字化發(fā)展方面較為領(lǐng)先，而另一些企業(yè)則處于數(shù)字化轉(zhuǎn)型的起步階段。調(diào)節(jié)變量政府補貼（Sub）的最大值與最小值之間存在較大差異，說明企業(yè)接受的政府補貼程度不同?？刂谱兞康臉?biāo)準(zhǔn)差普遍較小，說明變量值分布較為集中，企業(yè)間的離散程度較低。

4.2 回歸分析

為檢驗假設(shè)H1，本研究采用固定效應(yīng)模型進行回歸分析，結(jié)果見表5。模型（1）控制了表 3 中列示的企業(yè)特征變量，數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.177，并在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型與企業(yè)專利質(zhì)量具有顯著的正相關(guān)關(guān)系。模型（2）進一步控制了時間和行業(yè)固定效應(yīng)，數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.138，并依然在1%的水平上顯著，表明考慮了時間和行業(yè)的潛在影響，數(shù)字化轉(zhuǎn)型仍對企業(yè)專利質(zhì)量產(chǎn)生顯著的促進作用，假設(shè)H1得到驗證。

4.3 政府補貼的調(diào)節(jié)作用檢驗

為檢驗假設(shè)H2，本文在基準(zhǔn)模型的基礎(chǔ)上加入數(shù)字化轉(zhuǎn)型與政府補貼的交互項，回歸結(jié)果如表 6 所示。交互項的系數(shù)為0.024，且在5%的水平上顯著，表明政府補貼在數(shù)字化轉(zhuǎn)型和企業(yè)專利質(zhì)量之間起著正向調(diào)節(jié)作用，假設(shè)H2得到驗證。

4.4 穩(wěn)健性檢驗

為保證研究結(jié)論的穩(wěn)健性，本文借鑒張杰等[21]與譚瑾等[22]的研究，采用專利引用頻次加1后取自然對數(shù)來替換被解釋變量后重新進行回歸分析。同時，為降低企業(yè)數(shù)字化轉(zhuǎn)型測度差異對研究的影響，本文參照相關(guān)研究方法[23]，采用新的數(shù)字化轉(zhuǎn)型詞匯，即根據(jù)數(shù)字技術(shù)運用、網(wǎng)絡(luò)商務(wù)模式、智能生產(chǎn)、現(xiàn)代化信息系統(tǒng)4個方面得到99個相關(guān)數(shù)字化詞匯的詞頻統(tǒng)計結(jié)果，并將詞頻總和加1后取對數(shù)，重新測度后進行回歸分析，結(jié)果如表7所示。數(shù)字化轉(zhuǎn)型系數(shù)在1%的水平上為正，表明研究結(jié)論可靠。

4.5 內(nèi)生性檢驗

數(shù)字化轉(zhuǎn)型與企業(yè)專利質(zhì)量之間可能存在反向因果的內(nèi)生性問題，即專利質(zhì)量水平越高的企業(yè)，擁有更強的創(chuàng)新能力和更多的資源，可能更有動力進行數(shù)字化轉(zhuǎn)型。因此，本研究利用工具變量兩階段最小二乘法，對可能存在的內(nèi)生性問題進行檢驗?？紤]到企業(yè)數(shù)字化轉(zhuǎn)型從“強鏈”和“延鏈”兩方面推動制造業(yè)價值鏈高質(zhì)量發(fā)展過程中可能存在的時滯性[24]，分別采取企業(yè)數(shù)字化轉(zhuǎn)型程度滯后一階和滯后二階作為工具變量進行回歸，結(jié)果如表8所示。數(shù)字化轉(zhuǎn)型依然在1%的水平上顯著性為正，表明在控制內(nèi)生性后，數(shù)字化轉(zhuǎn)型依舊對企業(yè)專利質(zhì)量有正向促進作用。此外，Kleibergen-Paap rk LM指標(biāo)的p值為0.000，否定了“工具變量識別不足”的假設(shè)。另考慮到Kleibergen-Paap rk Wald F 統(tǒng)計值（93.256）遠(yuǎn)超Stock-Yogo弱工具變量檢測的10%顯著性閾值，說明本研究工具變量選擇的有效性，并證明在考慮了內(nèi)生性問題后，研究結(jié)論依然可靠。

4.6 異質(zhì)性分析

在探討企業(yè)創(chuàng)新性活動時，不可忽視“所有制影響”[25]。為考察數(shù)字化轉(zhuǎn)型對企業(yè)專利質(zhì)量的影響是否存在所有制差異，本文根據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)將樣本企業(yè)劃分為國有企業(yè)和非國有企業(yè)，國有企業(yè)實證結(jié)果如表 9列（1）、（2）所示，非國有企業(yè)實證結(jié)果如列（3）、（4）所示。通過對比發(fā)現(xiàn)，國有企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)大于非國有企業(yè)，表明國有企業(yè)數(shù)字化轉(zhuǎn)型對專利質(zhì)量提升的促進作用更強。可能原因是國有企業(yè)通常擁有更雄厚的資金實力和更完善的數(shù)字基礎(chǔ)設(shè)施，因此能夠更好地利用數(shù)字化轉(zhuǎn)型提升專利質(zhì)量。

5 結(jié)論、啟示與展望

5.1 研究結(jié)論

第一，數(shù)字化轉(zhuǎn)型顯著促進制造業(yè)企業(yè)專利質(zhì)量的提升。數(shù)字化轉(zhuǎn)型有助于制造業(yè)企業(yè)通過整合企業(yè)內(nèi)外部信息資源，提高資源配置效率，增強創(chuàng)新能力，推動專利技術(shù)研發(fā)，并且有助于企業(yè)更準(zhǔn)確地把握市場和技術(shù)發(fā)展趨勢，從而產(chǎn)出更高質(zhì)量的專利，增強其市場競爭力。

第二，政府補貼正向調(diào)節(jié)數(shù)字化轉(zhuǎn)型對企業(yè)專利質(zhì)量的促進作用。政府補貼為企業(yè)數(shù)字化轉(zhuǎn)型提供資金支持，降低研發(fā)成本，增強企業(yè)數(shù)字化轉(zhuǎn)型的動力。通過政府補貼，政府可以引導(dǎo)企業(yè)的研發(fā)方向，促進企業(yè)專注于符合國家戰(zhàn)略需求的技術(shù)創(chuàng)新，提高專利的市場適應(yīng)性和社會價值。

第三，數(shù)字化轉(zhuǎn)型對國有企業(yè)和非國有企業(yè)專利質(zhì)量均有促進作用，但對國有企業(yè)的促進作用更強。這可能是因為國有企業(yè)通常擁有更雄厚的財政支持和更完善的數(shù)字基礎(chǔ)設(shè)施，這為其專利創(chuàng)新活動和數(shù)字化建設(shè)提供了堅實的基礎(chǔ)。

5.2 管理啟示

從政府角度來看，政府應(yīng)根據(jù)企業(yè)所有制性質(zhì)、企業(yè)規(guī)模以及行業(yè)特性制定差異化的財政補貼政策。一方面，加大對非國有制企業(yè)的支持力度，如對于創(chuàng)新研發(fā)投入較大的企業(yè)，可提供設(shè)備采購、系統(tǒng)升級等方面的直接補貼；對于深度參與數(shù)字化改造且成效顯著的企業(yè)，提供稅收減免、資金扶持等激勵措施。另一方面，優(yōu)化對國有企業(yè)的獎勵機制，如對數(shù)字化轉(zhuǎn)型成效顯著的企業(yè)，授予榮譽稱號，并在政策上給予更多支持，如增加研發(fā)投入補貼、提供政策咨詢和服務(wù)等。

從企業(yè)角度來看，企業(yè)應(yīng)充分認(rèn)識到數(shù)字化轉(zhuǎn)型對提升企業(yè)專利質(zhì)量的重要作用，并積極利用數(shù)字化工具提升專利管理水平。一方面，強化數(shù)字化工具分析處理專利信息的能力，如利用全球?qū)＠麛?shù)據(jù)庫、科技文獻(xiàn)和市場報告等，及時掌握技術(shù)發(fā)展趨勢、競爭對手的專利布局和潛在技術(shù)障礙，明確自身研發(fā)方向，避免研發(fā)資源浪費，確保專利具有較高的獨創(chuàng)性和技術(shù)價值。另一方面，構(gòu)建數(shù)字化研發(fā)平臺，實現(xiàn)專利數(shù)據(jù)的標(biāo)準(zhǔn)化、系統(tǒng)化管理，提高研發(fā)效率，快速響應(yīng)市場變化，為高質(zhì)量專利的產(chǎn)生提供有力支持。

5.3 研究局限與展望

本研究還存在一些不足：第一，本文采用五大類詞頻合計數(shù)作為數(shù)字化轉(zhuǎn)型衡量指標(biāo)，雖然能夠在一定程度上反映企業(yè)數(shù)字化轉(zhuǎn)型程度，但數(shù)字化轉(zhuǎn)型是一個多維度、復(fù)雜的過程，該衡量標(biāo)準(zhǔn)存在一定的局限性，未來研究可多個角度綜合評價企業(yè)的數(shù)字化轉(zhuǎn)型程度，如技術(shù)采納、數(shù)據(jù)利用能力、數(shù)字化管理水平等。第二，本文僅考察了政府補貼的調(diào)節(jié)效應(yīng)，未來研究可進一步考察其他因素，如組織內(nèi)部文化、創(chuàng)新生態(tài)系統(tǒng)、市場環(huán)境等如何在數(shù)字化轉(zhuǎn)型過程中發(fā)揮作用。

參考文獻(xiàn)參考文獻(xiàn)：

[1] ARDITO L， RABY S， ALBINO V， et al. The duality of digital and environmental orientations in the context of smes：implications for innovation performance[J]. Journal of Business Research， 2021， 123：44-56.

［2］ 何帆，秦愿.創(chuàng)新驅(qū)動下實體企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟后果研究[J].東北財經(jīng)大學(xué)學(xué)報，2019（5）：45-52.

［3］ 王靜雯，於流芳.醫(yī)藥流通企業(yè)數(shù)字化轉(zhuǎn)型與財務(wù)績效——以九州通為例[J].科技創(chuàng)業(yè)月刊，2023，36（12）：178-184.

［4］ 林琳，呂文棟.數(shù)字化轉(zhuǎn)型對制造業(yè)企業(yè)管理變革的影響——基于酷特智能與海爾的案例研究[J].科學(xué)決策，2019（1）：85-98.

［5］ 戚聿東，蔡呈偉.數(shù)字化對制造業(yè)企業(yè)績效的多重影響及其機理研究[J].學(xué)習(xí)與探索，2020（7）：108-119.

［6］ 余菲菲，曹佳玉，杜紅艷.數(shù)字化悖論：企業(yè)數(shù)字化對創(chuàng)新績效的雙刃劍效應(yīng)[J].研究與發(fā)展管理，2022，34（2）：1-12.

［7］ 黃群慧， 余泳澤， 張松林. 互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗[J]. 中國工業(yè)經(jīng)濟，2019（8）：5-23

［8］ 何帆，劉紅霞.數(shù)字經(jīng)濟視角下實體企業(yè)數(shù)字化變革的業(yè)績提升效應(yīng)評估[J].改革，2019（4）：137-148.

［9］ 沈國兵，袁征宇.企業(yè)互聯(lián)網(wǎng)化對中國企業(yè)創(chuàng)新及出口的影響[J].經(jīng)濟研究，2020，55（1）：33-48.

［10］ 吳非，胡慧芷， 林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J]. 管理世界， 2021， 37（7）：130-144，10.

［11］ 張三峰，魏下海.信息與通信技術(shù)是否降低了企業(yè)能源消耗——來自中國制造業(yè)企業(yè)調(diào)查數(shù)據(jù)的證據(jù)[J].中國工業(yè)經(jīng)濟，2019（2）：155-173.

［12］ 劉玉琴，汪雪鋒，雷孝平.基于文本挖掘技術(shù)的專利質(zhì)量評價與實證研究[J].計算機工程與應(yīng)用，2007（33）：12-14.

［13］ 孫玉濤，欒倩.專利質(zhì)量測度“三階段—兩維度”模型及實證研究——以C9聯(lián)盟高校為例[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2016，37（6）：23-32.

［14］ 谷麗，郝濤，任立強，等.專利質(zhì)量評價指標(biāo)相關(guān)研究綜述[J].科研管理，2017，38（S1）：27-33.

［15］ 胡諜，王元地.企業(yè)專利質(zhì)量綜合指數(shù)研究——以創(chuàng)業(yè)板上市公司為例[J].情報雜志，2015，34（1）：77-82.

［16］ 李曉靜，蔣靈多.數(shù)字化與企業(yè)創(chuàng)新[J].國際商務(wù)（對外經(jīng)濟貿(mào)易大學(xué)學(xué)報），2023（1）：139-156.

［17］ 劉怡芳，吳國萍.我國政府R&D補助對技術(shù)創(chuàng)新的影響[J].當(dāng)代經(jīng)濟研究，2016（12）：78-83.

［18］ 熊凱軍.研發(fā)補貼、非研發(fā)補貼如何影響企業(yè)創(chuàng)新投入[J].科學(xué)學(xué)研究，2023，41（1）：181-192.

［19］ 袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國工業(yè)經(jīng)濟，2021（9）：137-155．

［20］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（7）：130-144，10.

［21］ 張杰，孫超，翟東升，等.基于訴訟專利的專利質(zhì)量評價方法研究[J].科研管理，2018，39（5）：138-146.

［22］ 譚瑾，權(quán)小鋒，徐光偉，等.商譽減值影響了企業(yè)創(chuàng)新質(zhì)量嗎？[J].審計與經(jīng)濟研究，2023，38（2）：116-127.

［23］ 趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財貿(mào)經(jīng)濟，2021，42（7）：114-129.

［24］ 池毛毛，葉丁菱，王俊晶，等.我國中小制造企業(yè)如何提升新產(chǎn)品開發(fā)績效——基于數(shù)字化賦能的視角[J].南開管理評論，2020，23（3）：63-75.

［25］ 李旭超，羅德明，金祥榮.資源錯置與中國企業(yè)規(guī)模分布特征[J].中國社會科學(xué)，2017（2）：25-43，205-206.