网络关注度对企业创新激励效应的影响机制研究——基于中国A股上市公司数据的实证分析

邓向荣 冯学良 李仲武

一、引言

《中国互联网发展报告2019》显示，截至2019年6月，中国网民规模为8.54亿人，互联网普及率达61.2%，网站数量518万个。互联网的普及和网络接入便利化，降低了信息搜集和传播的门槛。随着移动互联网的兴起，许多新业态、新模式、新技术应运而生，企业创新的步伐也在不断加快。从创新产出看，中国专利数量连续8年居全球第一，而互联网技术快速更新是推动专利申请量迅速增长的重要因素。(1)资料来源：《中国互联网云技术专利分析报告》，知识版权出版社有限责任公司i智库，2020年1月10日，http://www.cbdio.com/image/site2/20200109/f42853157e261f81125a2c.pdf。可见，互联网技术应用在很大程度上影响甚至改变着企业的创新活动(Lichtenthaler和Ernst,2010[1];戴美虹,2019[2])。尽管创新产出数量可观，但创新质量不高的局面并没有彻底改变，例如，在2019年全球创新指数排名中，中国只位居第14名(2)“2019年全球创新指数排名发布：中国排名升至第14位”，新华网，2019年7月24日，http://www.xinhuanet.com/video/2019-07/24/c_1210212590.htm。，以致于许多核心技术依然受制于人。核心技术创新水平的提高，有赖于长期性的研发投入，这往往与上市企业短期性的市场业绩目标并不一致，因而企业的投资行为存在一定的偏向性。为解释这一现象，有学者基于委托-代理理论，探讨了高管股权激励(邵剑兵等,2019[3])及薪酬激励(黄庆华等,2019[4])对企业研发投入的影响机制问题；也有学者从产业政策的视角，研究了政府创新补贴(崔百胜和朱麟,2019[5])、税收优惠(刘行和赵健宇,2019[6])对企业创新激励的影响状况。

近年来，互联网进入了“流量为王”的时代，企业一旦进入公众视野成为投资者甚至普通民众关注的对象，那么网络关注度会逐渐影响企业的投资决策，企业创新的激励模式也开始呈现出新的特征。所谓网络关注度是指互联网用户以网络为载体而形成的对个体、产品、组织或事件的群体性关注，它与媒体报道所不同的是，网络关注度以互联网流量为基础而具有分散性、普遍性与自发性的特点。在现有文献中，有学者考察了网络媒体关注对企业非效率投资和企业研发强度的影响(韩少真等,2018[7];汪丽等,2014[8])，还有学者从媒体关注对企业创新绩效的研究(蔡海静和许慧,2016[9];Ghio,2017[10])中发现网络媒体关注在一定程度上影响了企业的行为和决策，等等。但是，随着中国互联网产业的快速发展，已逐渐成为一种流量资源的网络关注度，在企业的创新投资过程中是否具有激励效应且因而强化了企业的创新动机，倒逼企业加快技术迭代，提升了企业核心技术创新能力？对于这一问题，目前尚无文献涉及。基于此，笔者在厘清网络关注度影响企业创新激励效应的内在逻辑的基础上，使用基于百度指数计算得到的网络搜索指数，测度网络关注度，并将其与2011—2018年中国A股上市公司数据进行匹配，实证分析网络关注度对企业创新激励效应的影响机制。

二、文献综述与理论假说

(一)网络关注度上升对企业创新激励的影响

企业创新的激励问题，一直备受学术界的关注。尽管创新投资带来的长期收益具有明显的外部溢出效应和知识累积效应，但由于创新的不确定性，以及企业的研发投资具有高风险、高投入、长周期的特点，与企业的短期收益目标并不一致，因而企业的管理层或职业经理人处在短期市场业绩压力下，往往倾向于回报快、收益可见的短期确定性投资，放弃具有不确定性的创新研发投资(Hsu等,2014[11])。因此，当创新研发投入的短期收益无法弥补短期支出时，理性的企业管理层不会追加创新研发投资，若企业存在财务或融资约束，则更容易避免长期性的研发投资。不仅如此，从创新的层次和阶段来看，在已有技术的基础上开展应用型创新和直接进行基础性的原始创新，二者在研发难度和创新的投入门槛上，均存在巨大差别。这也导致了创新的激励作用往往只针对应用型创新是有效的，而基础研发创新活动却需要依赖更强的激励措施，或者仅能由极少数(寡头)企业来完成。那么，何种激励方式或措施能真正提升企业的创新水平呢？目前，围绕企业创新激励问题的研究，大致可以分为内部激励和外部激励两类。

从企业创新激励的内部因素来看，高管薪酬或股权激励是影响企业创新选择的重要指标(邵剑兵等,2019[3];黄庆华等,2019[4];王靖宇和刘红霞,2020[12])，更高的薪酬或者股权激励有助于公司高管增强企业长远发展的信心，同时可释放部分短期业绩压力而增加研发投入，提高创新产出水平。也有部分学者从企业内部文化的角度进行探讨，发现若失败容忍度越高，对企业的创新激励作用越强(邸俊鹏和王浩宇,2018[13])。当然，也有学者发现高管经历等个人因素对企业创新研发投入有着明显影响(Gal,2017[14])。从企业创新激励的外部因素看，政府研发补贴和税收优惠在一定程度上能对企业创新形成激励作用，但对创新水平的提升效果并未得到一致的结论。有学者发现政府研发补贴对企业创新的激励作用是暂时的或短期的(Söderblom等,2015[15])，甚至对企业创新投入存在“挤出效应”，特别是企业大量存在的“骗补贴”等虚假创新行为，不仅与创新激励的初衷背道而驰，而且会加剧资源错配。同时，来自媒体的压力和外部关注度也是影响企业创新激励的外部因素，这是因为媒体能发挥公司治理功能，而它所产生的市场压力会导致经理人更加短视(杨道广等,2017[16])，因而媒体关注会降低研发投入(刘萌等,2019[17])。

综上，大量文献从影响企业创新激励效应的内外部因素进行了研究，不仅涵盖企业内部高管薪酬、股权激励及高管经历等个人特征对企业创新行为的影响，也揭示了不同类型的政府政策(如政府补贴、税收优惠等)影响企业创新的作用过程，从中得出很多重要结论和启示。然而，互联网等新型基础设施的普及与发展，特别是移动互联网的兴起，重塑了新的产业形态与创新模式。例如，互联网可以建立用户-企业、企业-企业以及区域技术创新的关联(Hou等,2010[18])。在开放式创新环境中，互联网市场能克服技术市场中信息不完善的缺点，提高技术交易的效率(Lichtenthaler和Ernst,2010[1])。在互联网的风口下，许多企业会自动调整投资行为，适应互联网“平台经济”发展的新趋势。借助互联网的便捷、低成本信息传播的溢出效应，获取技术升级的红利。因此，在网络关注度上升的影响下，企业创新激励效应问题呈现出多元化特征。

具体而言，网络关注度在一定程度上发挥了媒体报道与宣传的作用，对单一企业而言，网络关注度的上升，增加了企业的曝光度和知名度，有助于扩大产品的市场份额。Lou(2014)[19]提供的证据表明，管理者调整公司广告，部分原因是为了吸引投资者的注意力并影响短期市场收益。就全社会而言，随着信息门槛的降低和传播媒介的便利化，网络关注度的普遍提高，增加了信息的公开透明度，减少了信息不对称发生的几率，产品需求方有了更大的选择空间。这在一定程度上加剧了产品供给方的竞争压力，促使企业必须加快产品创新和技术迭代，从而为其顾客提供更优质的产品和服务。例如，“饥饿营销”和“网络直播带货”等销售策略正是借助网络关注度，进而引发顾客对新产品的大幅需求。但是，这一策略得以持续性使用的前提是，企业需具备不间断的新技术和新产品供应能力。基于此，本文提出假说1。

H1：网络关注度上升对企业创新具有促进作用。

尽管移动互联网的兴起带动了新业态、新产品与新技术的层出不穷，互联网流量资源也成为激发企业创新投资的重要力量。事实上，企业创新激励包括创新数量和创新质量两个层面，以互联网流量为基础的网络关注度促进了新产品的出现，专利申请数量得以大幅增长。但是，企业的创新投资是对未知领域的探索，越是引起重大技术变革的科技创新行为，越需要在一个容忍失败的环境中进行不确定性的研究试验(Tian和Wang,2014[20])，通过较长周期的探索和持续不断的研发投入，以获得重大技术的突破。然而，网络关注度以及投资者关注会增大企业管理层短期业绩压力和财务绩效压力，加剧管理层短视的行为，甚至通过弄虚作假、夸大宣传、注重外观包装等急功近利的行为参与互联网流量之争，以迎合网络关注度的上升。这不仅背离了创新的初衷，而且即便开展了创新活动，也会趋向以获得短期市场收益为主的应用型创新，偏离了蕴含更高技术含量的原始创新目标。因此，当网络关注度逐渐成为激励企业创新活动的重要外部因素时，企业可能调整投资策略，适应网络关注度对短期市场收益的影响。当不断推出的新产品仅停留在低水平技术迭代的基础上时，尽管可能使创新数量呈现大幅上升态势，但会在一定程度上降低创新的质量。基于此，本文提出假说2。

H2：网络关注度上升并不会激励企业改进创新质量。

(二)网络关注度上升对不同行业创新激励的异质性影响

企业的创新行为明显受到所属行业特征的影响(尹美群等,2018[21];Hall等,2015[22])，外部因素对企业创新的激励效应并非是“一刀切”式的绝对影响，而存在明显的行业异质性。例如，李万福(2017)[23]研究发现，创新补助对企业自主投资的激励效应受企业行业属性、内部控制水平和外部环境的影响，对高科技企业而言，创新补助能较好地发挥激励效应。在互联网影响企业创新的相关研究中，王金杰等(2018)[24]发现在资本密集型行业和技术密集型行业中互联网对企业创新的影响更为积极。互联网发展可以降低信息传播门槛，减少信息不对称的发生，加强信息的时效性，而随着互联网流量作为新资源的社会影响力逐渐攀升，网络关注度的类型和层次也出现了较为明显的分化。其中，投资者关注度和全网络关注度就是两种不同的类型。相比于全网络关注度，投资者关注度会对一定行业和企业产生更为直接的影响，其对特定企业的创新激励效应也呈现出更强的波动性。

与此同时，随着网络关注度的提升，不同行业企业的调整策略具有一定的差异。对于高新技术企业而言，R&D投资在企业的投资活动中占有较大比重，且创新研发、技术升级是高新技术企业经营活动中的重要一环，因而该类企业在网络化竞争日趋激烈的情况下会加快产品迭代和创新的速度，推陈出新多样化、个性化产品以获得更大的市场份额。同时，高新技术行业由于高收益性和高风险性并存的特点，使其更容易受到投资者关注度的影响。因此，对高新技术企业而言，投资者关注度对其创新激励效应的影响更加明显。而对于非高新技术企业而言，R&D投资在所有投资活动中占比较低，面对网络关注度的提升，该类企业更可能通过改进产品质量，提高售后服务，推行诚信理念等举措，通过提升产品竞争优势参与广泛化的市场份额之争，因而全网络关注度上升对该类企业创新激励效应的影响更为明显。也就是说，网络关注度上升对企业创新活动的激励效应，存在一定的条件性。基于此，本文提出假说3。

H3：网络关注度上升对企业创新的激励的影响存在行业异质性。

三、研究设计

(一)计量模型

网络关注度对企业创新激励效应的检验，是通过考察网络关注度对企业产出(数量)和创新质量的影响，以此反映网络关注度的上升是否有利于提升企业创新水平。本文基于2011—2018年中国A股上市公司数据，使用如下双向固定效应模型：

+zi+rt+εi,t

(1)

其中：i表示企业，t表示年份；Innovation表示企业创新，包括创新产出(数量)和创新质量；Attention表示网络关注度，可分为全部网络关注度和投资者关注度；X表示控制变量；zi表示企业固定效应；rt表示年份固定效应；εi,t为随机误差项。

为了探究网络关注度对企业创新产出数量和创新质量激励效应差异的可能原因，并对这一差异进行解释，本文进一步建立如下计量模型：

(2)

其中，RD表示企业研发投入，其他变量及符号解释与式(1)相同。

(二)变量选取

1.被解释变量。

本文的被解释变量包括创新数量(patent)和创新质量(cite)，分别使用中国A股上市公司创新专利数量和专利引用率进行衡量。按照大部分文献的做法(顾夏铭等,2018[25])，本文对专利原始数据加1后，取对数值。考虑到专利取得的时滞性，本文中专利申请量和专利引用率均采用滞后1期值。

2.核心解释变量。

网络关注度(attention)，使用网络搜索指数进行衡量。该指数是以百度平台上各种网络搜索数据为基础，综合新闻舆情等信息计算得到的综合搜索指数，可以反映网民情绪、公司搜索热度等行为，是衡量上市公司关注度及其变化情况的关键指标。该指数来自CNRDS数据库中的网络搜索指数数据库(WSVI)，WSVI数据库提供了2011年以来以我国上市公司的网络搜索指数数据。因此，使用以股票代码、公司简称、公司全称为关键字(综合法)计算的搜索指数作为全网络关注度的量化指标。此外，本文根据该数据库提供的以股票代码为关键字(单一法)计算的搜索指数作为投资者关注度的量化指标，区分于全网络关注度。

3.控制变量。

参考Winne和Sels(2010)[26]、 张俊民和宋婕(2019)[27]等的研究，本文选择如下控制变量：

企业规模(scale)，用企业固定资产对数表示；企业杠杆率(lever)，用企业总负债占总资产的比重表示；净资产收益率(roe)，用于衡量企业获取资金扩大经营的能力；主营业务比率(maibusrt)，用于衡量企业的业务多元化程度；净营业周期(netopcycle),用于衡量企业资产的运营效率；成本费用利润率(cstexppm)，用于衡量企业的经营效率；第一大股东持股比例(shrholder)，用于衡量股权集中情况。

(三)数据来源与描述性统计

本文使用的上市公司原始数据来自于国泰安数据库、WIND数据库，上市公司网络搜索指数来自CNRDS数据库，依据上市公司代码将不同数据库匹配成2011—2018年的面板数据。考虑到数据的可得性与数据质量对估计结果的影响，本文对数据进行了一定处理：剔除了观测期内被强制退市的企业；剔除了在观测期内被ST或*ST特殊处理的企业；剔除了银行、保险等金融类企业；剔除了被停牌的企业。本文对企业变量数据做了1%的缩尾处理。表1是本文主要变量的描述性统计分析，包括观察值、均值、标准差、最小值和最大值。

表1 变量的描述性统计

四、实证结果分析

(一)网络关注度对企业创新激励的影响结果

本部分将2011—2018年中国A股上市公司数据与网络搜索指数相匹配，实证检验网络关注度对企业创新的影响。本文将创新专利作为被解释变量，网络搜索指数作为核心解释变量，加入企业杠杆率、企业规模、净资产收益率、净营业周期、主营业务比率、第一大股东持股比例等控制变量，使用双向固定效应进行回归，并在实证中进一步区分了当网络关注度仅为投资者关注度时，其对企业创新的影响。估计结果如表2所示，模型1～模型4为仅投资者关注度影响对企业创新的估计结果，模型5～模型8为全网络关注度上升影响企业创新的估计结果。结果显示，无论投资者关注度还是全网络关注度，均能显著促进企业创新数量的上升，且通过了5%的显著性水平检验。假说1得到验证。

表2 网络关注度影响企业创新的基准估计结果

表2模型1和模型5的估计结果表明，无论是投资者关注度，还是全网络关注度，关注度上升均能显著提升企业的创新水平。但进一步分析专利类型可以看出，网络关注度上升对实用新型专利和外观设计专利数量的促进作用明显大于发明专利数量。考虑到发明专利无论从研发周期还是研发难度均高于实用新型专利和外观设计专利，这就隐含了网络关注度在一定意义上对低水平创新的促进作用更加明显，而诱使企业的创新活动偏离更高水平的创新。

表2的实证结果表明，网络关注度上升能激励企业开展创新活动，提升企业的创新专利数量。不过，网络关注度是否也提升了创新质量，从而呈现出创新的激励效应呢？下面将进一步进行实证检验。使用专利引用率作为被解释变量，用以衡量创新质量，如表3的估计结果所示，模型1为投资者关注度上升对创新质量的影响，模型2为全网络关注度上升对创新质量的影响。无论是投资者关注度上升还是全网络关注度上升，二者均不利于企业创新质量的提升。当进一步剔除专利自引的情况(模型3和模型4)，探究网络关注度对企业创新质量的影响时，估计系数略有下降，但依然显著为负，表明网络关注度抑制了创新质量的提升。假说2得到验证。

表3 网络关注度影响企业创新质量的估计结果

(二)基于行业异质性的分析

上文的实证结果表明，网络关注度上升(无论来自投资者关注度还是全网络关注度)能够激励企业加大创新活动，提高创新数量，但是并不能对创新质量的改善起到激励作用。考虑到企业的创新活动受企业属性及所属行业影响，且具有明显的行业聚集特征，本部分实证检验网络关注度对企业创新的激励作用是否存在行业异质性，具体而言，通过区分高新技术企业和非高新技术企业，考察网络关注度上升对不同行业类型企业创新激励的影响，估计结果如表4所示。模型1和模型2分别为投资者关注度对高新技术企业和非高新技术企业创新产出的影响，估计系数均显著为正，表明无论是否属于高新技术企业，投资者关注度上升能显著增加创新专利数量。模型3和模型4分别为全网络关注度上升对高新技术企业和非高新技术创新活动的影响，估计系数表明，全网络关注度上升能显著提升非高新技术企业的创新活动，而对高新技术企业的激励作用并未通过5%的显著性水平检验。对比模型1和模型2可反映出，高新技术企业的创新活动来自投资者的激励作用更为明显，这可能是因为高新技术企业的创新研发投资在总投资中占比较高，而创新研发的长周期性、收益的不确定性以及投资的高风险性增强了投资者的敏感性，随着投资者关注度的上升，许多具有潜力的创新项目容易获得投资者的青睐，进而在一定程度上激励其开展创新活动，提高了创新产出。

表4 基于行业异质性的分样本估计结果

为了进一步检验这一结果的合理性，即高新技术企业的创新活动主要受投资者关注度的影响，而全网络关注度对其影响作用较小，本文进一步从全网络关注度中剔除投资者关注度，重新计算出不包含投资者关注度的部分网络关注度(svi_d)上升对企业创新活动的影响，估计结果如表4模型5和模型6 所示，剔除投资者关注度后，网络关注度上升仅显著激励了非高新技术企业的创新活动，对高新技术企业创新行为的激励作用并不显著。因此，网络关注度对企业创新的激励效应存在明显的行业异质性，不可一概而论。假说3得到验证。

(三)稳健性检验与内生性讨论

为了保证上文实证结果的可靠性，本部分采用更换核心解释变量的方法进行稳健性检验。本部分使用不包含股票代码计算得到的网络搜索指数作为核心解释变量，重新进行回归。估计结果如表5所示，无论从总效应还是分专利类型看，网络关注度上升能够促进企业的创新产出，但是却在一定程度上抑制了创新质量的提升，所有估计系数均通过了1%的显著性水平检验。这一估计结果与上文保持一致，证明了结论的稳健性。

表5 基于新的网络搜索指数的估计结果

考虑到企业当期的创新活动不仅取决于当期内、外部因素的影响，还有可能受前期活动及累积因素的影响，如果忽略了这一影响可能出现由遗漏重要解释变量造成的内生性。前文的实证结果表明，网络关注度会影响企业创新，但并未考虑企业的创新行为也会反过来影响网络关注度，即上述回归结果中可能存在由逆向因果导致的内生性问题。为了得到无偏一致的系数估计结果，本文采用Bond(1991)[28]提出的系统GMM方法进行参数估计，将变量滞后项作为工具变量，可有效解决面板数据的内生性问题。因此，本部分使用系统GMM法进行估计，结果见表6。

表6 基于系统GMM的估计结果

如表6所示，模型1～模型3为将专利数据的滞后项作为解释变量加入到模型，使用系统GMM估计的结果，模型4～模型6为将专利引用率的滞后项作为解释变量加入模型，使用系统GMM的估计结果。二阶序列相关检验AR(2)无法拒绝“不存在序列相关”的原假设。Hansen检验的结果表明，上述模型均不存在过度识别的问题，工具变量选择合适。模型中各变量前的系数与前文中主要结论相吻合，排除了模型因存在内生性导致估计结果有偏的可能性。

五、影响机制分析

上文已经实证了网络关注度对企业创新的激励效应表现在网络关注度上升能够提升企业的创新数量，但并不能提升企业的创新质量，且不同行业企业受不同的关注度类型的影响。而一个不可忽视的问题是，网络关注度上升促进了企业创新专利数量的增加，但为什么对创新质量的改善作用有限呢，本部分将进一步探讨。企业的R&D投入是影响企业创新水平的重要指标，例如，专利申请数量世界第一的华为公司每年将销售收入的10%用于研发，2018年华为投入研发的费用为1 050亿元人民币，数额十分可观(3)资料来源：“华为公布2018年年报：2018年研发投入超近十年总和1/5”，腾讯网，2019年4月1日，https://new.qq.com/omn/20190401/20190401A01GHB.html。。那么随着网络关注度的上升，企业是否愿意增大R&D投入以开展创新活动？本部分使用企业R&D费用支出占销售收入的比重作为被解释变量来衡量研发投入情况；以网络关注度为核心解释变量进行双向固定效应回归。估计结果见表7，其中，模型1和模型2是投资者关注度对企业R&D投入的影响，估计系数为负，表明投资者关注度上升抑制了企业研发投入；模型3和模型4为全网络关注度对企业R&D投入的影响，系数并不显著，即全网络关注度的上升并不能促进企业增加研发投入。这一结果在一定程度上解释了网络关注度上升但企业创新质量未能得到有效提升的原因在于网络关注度上升并没有带来R&D投入的增加。相反地，投资者关注度的上升反而增加了企业决策层的业绩压力，更多地将资金配置于短期固定资产投资而非需要较长回报周期的R&D投入。

表7 网络关注度对企业R&D投入的影响

下面进一步探究以互联网流量为基础的网络关注度上升对企业投资决策行为的影响，以及这些行为与创新活动的关联效应。如前文所述，网络关注度上升能够激励企业创新，而这很大程度上是为了在互联网平台化竞争中获取更大的市场份额。那么，提升产品的竞争优势就成为网络关注度影响企业创新的重要中介变量。因此，本文需要检验网络关注度与企业提升产品竞争优势的影响关系。参考彭雪蓉和刘洋(2015)[29]关于竞争优势的相关论述，本文选用“客户满意度”“质量荣誉”和“战略共享”三个指标衡量产品竞争优势。上述三个指标均为0-1二元变量，其中：“客户满意度调查”是指企业就产品问题进行了客户满意度调查，有为1，否则为0 。“质量荣誉”是指企业在产品质量方面获得了认证和荣誉，有为1，否则为0 ；“战略共享”是指企业与商业伙伴是否建立了战略共享机制与平台，包括长期的战略合作协议、共享的实验基地、共享的数据库以及稳定的沟通交流平台等，有为1，否则为0。上述指标均可从中国研究数据库服务平台(CNRDS)获得，并将该数据与2011—2018年的上市公司网络搜索指数数据进行匹配，分别作为被解释变量与解释变量，实证网络关注对企业产品竞争优势的影响。鉴于被解释变量为0-1二元变量，因此本文使用面板Probit模型进行估计，估计结果见表8。

表8 网络关注度影响企业产品竞争优势的估计结果

表8同时报告了面板Probit模型估计的系数和平均边际效应(AME)的计算结果，二者均显著为正，表明网络关注度上升能够激励企业提高客户满意度，增加产品质量荣誉以及构建企业联盟平台，进而提升产品竞争优势。也就是说，以互联网流量为基础的网络关注度尽管能够激励企业的创新活动，但是在很大程度上提升产品竞争优势、获取更大的产品市场份额是网络关注度影响企业创新的重要动力。因此，在网络关注度的影响下，企业可能更多地选择加强品牌建设，提升企业竞争优势，而非加大较长周期的研发投入。

六、研究结论与展望

(一)研究结论

本文使用2011—2018年中国A股上市公司数据实证检验了网络关注度对企业创新的激励效应，得到如下研究结论。

第一，网络关注度上升能显著提高企业创新产出数量，但在一定程度上抑制了创新质量提升。通过分专利类型的研究表明，网络关注度上升对实用新型专利和外观设计专利产出的激励效应明显大于对发明专利产出的激励效应。考虑到发明专利的研发周期、授权和保护周期明显大于另外两类专利，从而反映出网络关注度对创新激励存在一定的短期化效应，且过于重视创新专利数量，而忽视了创新质量。这也从侧面解释了我国专利数量连续多年居于全球第一，但2019年创新指数排在全球十名之外的原因。

第二，网络关注度对企业创新的激励效应明显受到行业的特征影响。其中，投资者关注度可以显著提升高新技术行业的技术创新，而全网络关注度对非高新技术行业创新的激励效应更明显。高新技术行业投资具有高风险、高收益的特点，对风险投资、私募股权投资有更大的需求，因而相比于全网络关注度，投资者关注度对高新技术行业企业的创新激励效应更明显。

第三，网络关注度上升抑制了企业R&D投资行为，是网络关注度上升难以激励企业提升创新质量的重要原因。企业创新激励效应包含创新数量和创新质量两个层次，以互联网流量为基础的网络关注度可以促进新产品出现，带动创新专利数量的增长，但是忽视了长期性的R&D投入，因而无法激励创新质量的提升。当然，面对网络关注度的上升，企业也会做出积极的反应，例如，企业会注重提高客户满意度、增加产品质量荣誉、建立战略共享机制与平台等，进而提升产品竞争优势，适应网络关注度的上升。这说明了网络关注度的短期化激励效应十分明显，而核心技术创新能力却依赖于长期的大规模的研发投入，因而网络关注度等短期效应明显不适应创新质量的提升。

(二)管理启示

我们从上述研究结论中不难得出以下几点管理启示。

第一，企业在未来的发展中应积极利用互联网的流量效应，主动融入新一轮互联网风口孕育的商业模式中。随着信息传播门槛的逐渐降低和网络关注度的逐步提升，企业管理层应当积极融入基于互联网的新模式和新业态中，依靠互联网流量拓展销售渠道，扩大产品的市场份额，将网络关注度上升的压力转化为提升产品质量、打造品牌优势的动力。利用网络关注度的外部效应，不断地推出新产品、提升用户体验和客户满意度，提高产品竞争优势。

第二，基础研发性企业应持续加大在原始技术创新上的投入力度。核心技术创新能力的提升依赖于长期的R&D投入，高新技术企业应当避免受外部关注度的影响而出现短视化行为，杜绝“短、平、快”式的数量型竞争，持续地加大R&D投入比重，在一个容忍失败的创新环境中反复试错，真正提升产品的创新质量而非创新数量，提高核心技术的自主创新能力，实现长远的发展目标。

第三，政府应精准扶持基础研发性企业。由于高新技术企业研发收益的不确定性，该类企业在发展壮大的过程中离不开政府的扶持，因此，应当精准施策，细化对高新技术企业的补贴标准，甄别出真正推动核心技术创新的企业，并加大扶持力度，取消或减少“以高新技术企业之名，而未行创新活动之实”的企业补贴；改变唯专利数量论的现状，更加注重专利引用的重要性，引导创新质量的提升，避免虚假创新的行为。

(三)局限与展望

有关企业创新激励效应问题是一个长期存在且不断变化的复杂问题，本文从互联网流量生成新资源的角度，实证分析了网络关注度对企业创新激励效应的影响机制问题，研究局限与展望可以反映在以下方面。第一，本文从创新数量和创新质量两个维度对企业创新激励问题进行量化，随着研究的深入以及数据的可得性，未来可以使用创新投入结构测度企业创新激励效应，分析由创新投入结构性问题导致的高水平创新能力不足的深层次原因，这也将呼应中国R&D研发投入规模巨大，但基础性研发投入相对不足的现状。第二，本文从R&D投入不足、注重产品竞争优势的角度，分析了网络关注度仅激励了企业创新数量而未能激励企业创新质量的原因，未来还可以探究企业在创新过程中为了适应互联网流量效应下的冲击是如何调整和改变投资行为和投资战略的，从而对造成企业创新质量激励不足的现状作进一步解释。