全球疫情下SaaS非接触数字经济发展路径研究

汪小龙 张宝贤

(无锡太湖学院 会计学院，江苏 无锡 214064)

0 引言

非接触数字经济的核心内涵是服务者通过非接触的方式向客户提供服务，包括互联网无接触配送、云旅游等,作为一种新型产业，非疫情下作为对现有服务模式的补充和完善的形式存在.但是，在疫情冲击情况下，非接触数字经济的增长则成为国家经济发展的重要方式.特别地，广泛服务于企业、学校，且与居民生活息息相关的阿里巴巴钉钉、腾讯微信等SaaS行业的发展，构成影响中国经济增长的重要因素.根据2020年统计局数据，2000～2019年间中国非接触数字经济总量从0.8万亿元增加到43.7万亿元，预计2020年增长率超过30%，相当于国民生产总值的18.1%.疫情冲击下数字经济的快速增长，对疫情国经济逆势增长产生重要推动作用.研究疫情冲击下的中国SaaS行业企业经营增长路径具有现实性和紧迫性.比较非SaaS行业与SaaS行业，非疫情期与疫情期企业经营增长状况；研究疫情期内非SaaS行业与SaaS行业的企业经营增长路径；探索SaaS行业企业之间，在疫情期、地理区域、控股背景和产品类别的交互效应；分析特定SaaS企业内部研发支出、融资负债、营销支出和股票市场选择等因素对营业收入和所有者权益增长的影响、改善路径，将是未来一段时期内国家经济可持续发展研究的重点.

目前经济学界评估SaaS非接触数字经济增长的路径多采取定性研究，抑或是定量研究中将地理区域、特定行业、在线调查特定群体等作为分样本的划分依据.疫情指标与企业内部治理对SaaS非接触数字经济增长的作用是否具有异质性，这在过去很长一段时间内的实证研究中并未达成共识.围绕疫情环境，部分学者从资本要素视角论证人力资本积累、农民人均收入、国际贸易与国际投资对国家经济增长的影响.也有学者从非资本要素进行实证，例如生态环境建设、经济周期、医疗体系和公共事务治理等视角对国家经济增长的影响.然而，影响国家经济增长的宏观指标，不能用于解释SaaS非接触数字经济增长路径，况且，非接触经济在疫情期相比大多数行业逆势增长，其行业本身具有特殊性.用宏观经济发展理论指导微观企业经营增长的研究结果，可能存在偏差.

为克服疫情影响企业经营增长定性研究,以及以一次疫情为观测对象的不足，本文引入逐步回归和差分检验以避免样本偏差和内生性问题.利用2000～2019年中国发生非典SARS和禽流感H7N9疫情作为准自然实验，结合SaaS行业与非SaaS行业企业、研发支出、融资负债、营销支出和股票市场数据，以及疫情与否、地理区域、控股背景和产品类别等虚拟类别变量构建统一分析框架，充分考察促进SaaS行业企业经营增长的决定因素在不同的分组中扮演的角色关系，除传统企业经营增长路径依赖外，还可以同时考察连续型变量和类别变量的交互效用.同时，建立“SaaS-疫情”双重差分检验模型，克服SaaS企业与非SaaS企业天然的经营增长固定效应问题，比较分析SaaS疫情期与非疫情期经营增长的路径依赖问题.“SaaS-疫情”结合类别变量，进行三重差分交互项检验，分析不同类型的SaaS行业企业在疫情冲击下的最优外部经济性.研究结果为处在新冠疫情冲击下的当前中国及国际社会，提供促进国家经济增长的理论支撑与实践指导.

1 文献综述与研究假设

全球疫情冲击下的国家经济如何增长，是当前经济的重要研究课题.自2000年世界卫生组织统计全球疫情数据以来，截至2019年12月份，在20个自然年度内，中国共发生了3个种类的大规模疫情，几乎涉及中国大陆全境，见表1整理所示，除腾讯企业微信外，阿里巴巴钉钉经历了2016年疫情和2020年新冠疫情.一般而言，疫情通过影响供需结构、出口贸易、投资信心等方式，对国家经济增长产生负面影响[1].

表1 2000年以来中国疫情爆发一览表

非接触经济、数字经济和SaaS经济具有推动“疫情经济”逆势增长的正向替代性.以数字经济中SaaS经济为研究对象，具有一定的合理性，表现为：首先，SaaS在数字经济中表现最为稳定，行业经历了前期云计算、移动化后，进入市场稳定阶段，商业概念和盈利模式较为清晰.根据2019中国SaaS产业研究报告显示，2016年禽流感疫情爆发以来，市场规模保持了平均30%以上的增长率；其次，SaaS经济面向中小企业和高校，具有较强的经济带动性和解决问题的现实性，特别是以阿里巴巴钉钉、腾讯企业微信为代表的协同OA(Office Automation System)产品，NPS指数(Net Promoter Score，净推荐值，又称净促进者得分，亦可称口碑，是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数，是最流行的顾客忠诚度分析指标)较高，具有良好的市场渗透度和普及度.

1.1 疫情期对SaaS行业企业的影响

自英国经济学家Bailey(1998)以黑死病为自变量，英国农民人均收入为因变量研究疫情对英国经济的影响以来，世界经济学家、社会学家和地理学家均参与了对疫情影响经济的讨论[2].Gallup等(2001)认为全球疫情具有“正向的外部性”，可以促进卫生体系和政府效率的提高[3].最早支持疫情促进国家经济增长的学者认为劳动力供给水平大幅下降，但是因此提高了薪资待遇，增加了人均收入，带动了国家经济增长.随后Gangemi等(2000)补充了全球疫情环境下经济周期理论对国家经济增长的作用，依据1992～2002年经济增长风险数据，建立反应函数，认为疫情下较高的经济波动性带来经济增长水平的风险奖励[4].Bleakly(2007)从微观学生家庭收入的层面，观察钩虫病疫情大幅提高了学生受到的教育福利补贴，这一点和中国新冠疫情下职工保险补贴措施相类似[5].同年，外国学者Powell等(2007)认为政府在公共事务治理方面，发展规划成为有效率的制度安排，提高了公共事务治理能力[6].中国学者傅瑜和杨永聪(2013)则从管理学的角度，利用2011年IMF数据库对比分析组织扁平化架构的变化程度，认为疫情推动了代理组织全球控制权的转变[7].何建坤(2017)依据2005～2013年GDP数据，认为疫情降低碳排放，引领经济发展方式向低碳绿色方向转型[8].许光建和黎珍羽(2020)从行业增长替代的角度出发，认为口罩、非接触科技类产业，发挥疫情期间部分行业经济减退的正向替代作用[9].罗志恒(2020)从产业升级、供给侧改革和数字经济角度，认为通过产业升级、外贸替代和金融市场化提高经济增长，以数字经济为核心的虚拟经济为国家经济发展产生促进作用[10].

综上，提出假设1：疫情期对SaaS行业企业经营增长具有正向促进作用.

1.2 疫情期与SaaS行业企业经营要素的交互效应

基于疫情社会对于非接触式生活的需求，软件远程服务SaaS行业企业的资金需求旺盛，研发投入迫切，相关的市场营销活动增强.企业经营要素作用于经营增长的能力提升.Motheo等(2012)以SaaS采用率为因变量，南非的卫生事件为自变量，依据南非银行信贷调查和面板数据相结合，OLS回归分析认为卫生事件与银行信贷对于SaaS行业发展具有促进作用[11].Hong-Kyu等(2013)以SaaS企业受益为因变量，科技水平和社会安全性为因变量，通过在线调查数据构建VAM模型，分析指出，疫情通过影响社会安全性的方式，从提高社会安全性，企业研发投入迫切性的角度，解释了疫情与经营要素交互影响SaaS行业企业的经营增长[12].Sung等(2019)以企业市场营销活动为自变量，政府支持为控制变量，研究作用于SaaS行业企业经营增长关系，认为政府支持力度与企业市场营销活动对于促进企业经营增长具有正向交互作用[13].梁权熙等(2019)基于2003～2014年2 476家上市公司数据，分析认为政策不稳定性对企业创新活动具有正向促进作用，疫情作为社会环境重大变化要素之一，带来的政策不稳定性当然地与企业经营要素发生交互作用，共同促进SaaS行业创新绩效[14].苗文龙等(2019)依据中国2000～2015年WIND数据库，从市场融资的角度解释认为，政府技术创新支出不仅可以提高社会的整体回报和报酬，而且对企业技术投入促进显著，这一结论普遍肯定了疫情环境下，企业通过政府支持提高融资负债率，进而促进经营增长的作用[15].

综上，提出假设2：疫情期与股票市场、研发费用、营销费用、融资负债和经营年限对SaaS行业企业经营增长具有正向交互作用.

1.3 疫情期作用于SaaS企业经营增长的异质性

疫情期间，不同企业的内部要素对经营增长的作用是否具有异质性.关于异质性实证的文献主要有以下几类：首先，李韵和丁林峰(2020)根据中国移动互联网数据库，利用经济评估方法，讨论新冠疫情下，数字经济对国家经济增长的影响[16].其次，朱育漩(2020)评估疫情对非接触经济的影响，认为非接触经济在疫情期的发展属于把握了机会窗口期，不同类型的企业应当根据自身条件，分步骤、分重点的实施企业经营增长[17].上述研究的价值在于，首次将疫情作为影响非接触经济增长的自变量之一，虽然并未实证计量对数字经济的增长幅度，但是，为全球疫情下SaaS非接触数字经济发展路径研究提供了新的视角.

综上，提出假设3：不同类型的SaaS企业促进经济增长的作用具有异质性.

2 数据收集与实证方法

本文使用的数据来源于中国2000～2019年SaaS行业上市公司财务报表数据.为避免数据选择性偏差，本文数据集除年份、营业收入、所有者权益、经营年限、研发支出、营销支出、融资负债和股票市场选择等变量外，还包括是否SaaS行业、是否疫情期、是否东部区域、是否国有控股、以及是否远程办公产品(OA)类别等虚拟二值变量，本文所用的SaaS行业企业数据具有代表性和可信性，具体变量定义见表2所示.

截止2019年12月份数据，SaaS组相比其他组数据，在营业收入、所有者权益、股票市场、研发支出、营销费用和融资负债方面均具有优势.在经营年限方面，平均少于非SaaS行业企业2.94年，具体如表3所示.

表2 变量指标定义

表3 SaaS组与非SaaS组数据对比

相关变量描述性统计整理如表4所示，变量数据峰值普遍大于0，说明总体数据分布与正态分布相比较为陡峭，为尖顶峰.变量数据的偏度普遍在0.35～1.93之间，说明数据分布形态与正态分布的程度偏离不大.

表4 变量描述性统计

为克服内生性问题，本文使用逐步回归和差分检验方法，构建最优拟合模型：

首先，对于第一类内生性，即解释变量与被解释变量互为因果问题.理论上，企业经营增长的程度，对企业是否选择成为SaaS行业关联不大.是否成为SaaS企业与创业者原始资源积累有关.因此，不存在第一类的内生性问题.其次，对于第二类内生性即是否遗漏变量的问题，企业经营增长的结果受到经济周期、产品周期和税收政策的影响.本文将是否疫情期外生给定变量与企业内生变量研发支出、营销支出、融资负债和股票市场选择指标相结合作为交互变量，对不同SaaS企业经营增长路径进行解析，采用逐步回归方法拟定最优模型.基于“节俭模型”的原则，使用一元一次模型作为基础回归方程，公式如(1)和(2)所示：

(Y)=E(y)+ε

(1)

E(y)=β0+β1SaaS

(2)

公式(1)和(2)中，(Y)表示因变量，E(y)表示因变量固定效应，ε表示扰动项，β0表示截距项，β1SaaS表示非接触式经济的相关系数.

表5整理了逐步回归与后向多元二次回归，显示每一步骤检验的T值和相应的P值.

首先，模型(1)中加入是否SaaS行业虚拟二值变量，相关系数为238.13，且具有显著性，说明是否SaaS行业对企业经营增长状况有正向促进作用.其次，模型(2)中加入是否疫情期指标，相关系数为122.51，具有显著性.再次，模型(3)加入了营销费用指标，没有显著影响.但是，研发支出对企业经营增长系数为3.24，具有显著性，调整后决定系数进一步增加至0.39，进一步考察营销费用二次项与企业经营增长的非线性关系,发现具有显著性.接着，在模型(4)、(5)、(6)中，逐次加入所有者形式、经营年限和融资负债指标，显示系数分别为：3.22、-0.005和98.56，均具有显著性，最终模型的F值和调整后R2均有所改善，达到104.66和0.63，表明模型拟合程度较高.

因此，逐步回归建议在最终的建模中，包括SaaS、疫情、研发费用、融资负债、营销费用和股票市场，回归方程如公式(3)所示：

E(y)=β0+β1SaaS+β2Epid+β3Rese

+β4Fina+β5Mark2+β6Stoc

(3)

公式3中，β2Epid表示是否疫情期相关系数，β3Rese表示研发费用相关系数，β4Fina表示融资负债相关系数，β5Mark2表示营销费用的曲率，β6Stoc表示股票市场的相关系数.

进一步检验主效应回归方程(3)中各变量的Pearson相关系数.结果显示，主要变量的相关系数在0.3及以下，证明变量之间不存在明显的多重共线性问题，可以进行回归分析，结果如表6所示.

表5 逐步回归建模

表6 变量的Pearson系数

3 结果分析与稳健性检验

基于SaaS-疫情双重差分检验，考察假设1提出的SaaS类别变量促进企业经营增长的关系，实证计量非疫情期，SaaS企业与非SaaS企业经营增长差异，以及疫情期，SaaS企业与非SaaS企业经营增长差异，并指出各自变量的影响大小和显著性.通过混合模型的分组数据，进行三重差分检验，考察假设2提出的疫情期与股票市场、研发支出、营销支出、融资负债和经营年限具有正向交互作用.再次，通过分组检验各企业经营指标作用于经营增长的差异性，考察假设3提出的不同类型的SaaS企业促进经营增长作用具有异质性.最后，通过替代变量所有者权益的全样本稳健性检验，检验自变量、控制变量对企业经营增长影响的稳健性.

3.1 全球疫情-SaaS行业企业双重差分检验

采取双重差分方法对数据进行分组处理.SaaS为处理组，非SaaS为对照组，在控制了企业固定效应和年度固定效应的情况下，以全球疫情的发生作为准自然实验，考察变量对企业经营增长的影响.构建双重差分模型如表7所示，α1表示非疫情期间的非SaaS分组数据，α2表示疫情期间的非SaaS分组数据，d1是非SaaS企业，疫情期企业经营增长平均值与非疫情期企业经营增长平均值的差值情况.β1表示SaaS企业在非疫情期经营增长情况，β2表示SaaS企业在疫情期经营增长情况，d2是SaaS企业，疫情期经济增长幅度相比非疫情期经营增长平均值的差值情况.最终体现在did1的数据表示，在控制了企业固定效应和年度效应情况下，疫情发生与否对SaaS企业经营增长的影响程度及显著性.

表7 SaaS-疫情双重差分模型

双重差分方程列示如下

yα=βSaaS_Epidit+CVαγ+αe+φt+εα

(4)

SaaS_Epidit=SaaSit×Epidit

(5)

其中，yα为企业经营增长数值，βSaaS_Epidit为SaaS二元数值变量与疫情期二元数值变量的交互项，CVα为控制变量指标，αe为企业固定效应，φt为年度固定效应，εα表示随机误差项.SaaSit为是否SaaS企业处理组虚拟变量，1表示SaaS企业，0表示非SaaS企业.Epidit表示为疫情期处理组虚拟变量，1表示疫情期，0表示非疫情期.双重差分关注核心因变量的系数β值，其经济含义可以解释为全球疫情对企业经营增长的影响.式(4)为考虑了年度和企业固定效应的双重差分估计模型，式(5)表示交互项模型.

基本回归结果如表8所示.首先，非SaaS企业，疫情期企业经营增长平均值与非疫情期企业经营增长平均值的差值为-5.93，表明疫情期的非SaaS企业经营增长下降幅度增加，疫情对非SaaS企业经营增长有显著抑制作用.其次，SaaS企业，疫情期经济增长幅度相比非疫情期经营增长平均值的差值为312.91，表明疫情对SaaS企业的经营增长促进作用明显，具有显著的外部经济性.再次，在控制了SaaS企业与非SaaS企业的固有效应的情况下，疫情发生与否，对SaaS企业经营增长均值的差值显著为正，表明SaaS-疫情交互效应为正，显著促进企业经营增长.结论支持假设1：疫情期对SaaS行业企业经营增长具有正向促进作用.

表8 SaaS-疫情双重差分检验

观察SaaS企业在疫情环境下，相比其他企业和时期，研发费用、融资负债、营销费用和股票市场对企业经营增长影响的变化情况，见β2数值.非SaaS企业方面，疫情期研发费用对经营增长为负，并具有显著性.表明在疫情情况下，应谨慎增加研发支出.融资负债对经营增长的正向促进作用从0.56下降到0.22，并具有显著性，表明在负债经营需要保持谨慎态度.营销费用二次项系数为正，表明出现U性结构，在凹点切点之前的投入效应为负.美股、港股市场的融资效应为负，且具有显著性.SaaS企业方面，研发费用对经营增长相关系数数值为2.96，表明疫情期增加研发投入对经营增长作用效果明显.融资负债程度对经营增长的促进作用为5.07，表明疫情期，SaaS扩展型负债经营策略是可行的.营销费用方面，呈现曲率为-0.01，开口向下的倒U型结构，但顶点切点数值较大，表明疫情期SaaS企业可以进一步加大市场宣传力度.股票市场选择方面，美股上市、港股上市、上交所上市优于深交所上市，对疫情下的经营增长具有显著正向作用.结论支持假设2：疫情期与股票市场、研发费用、营销费用、融资负债和经营年限对SaaS行业企业经营增长具有正向交互作用.

3.2 SaaS、疫情与地理区域三重交互检验

中国的地区经济差距引起了学者关注，伴随地区经济差距扩大，行业企业经营增长在区域层面上也表现出了明显的差距.研究影响SaaS非接触数字经济企业经营发展的因素，对于解释和控制区域经济差距具有重要意义.传统的地理经济学理论中，地区差异化的原因主要是由地区的地理位置(如距离港口的远近)、自然条件等因素决定的，但是并不能解释一些地理位置不是很优越的SaaS企业经营增长状况却良好，且未能考察东部区域与非东部区域在诸如：研发支出、融资负债、营销支出和股票市场选择对经营增长作用的异质性.

中国SaaS行业在地理区域发展上，总体呈现两个特征：首先是市场总量上，中国东部地区包括广东省、上海市、北京市、江苏省和浙江省占据市场占有率前五的位置；其次是发展趋势上，SaaS发展战略从东部区域向非东部区域的四川、重庆、湖北、山西和陕西转移，并呈现非东部区域快速发展态势.根据2019年中国SaaS产业研究报告显示，2016～2019年SaaS复合增速指数前4名均为非东部区域，分别为内蒙古65.9%、四川55.7%、河南23.5%，以及重庆13.9%.研究SaaS在不同地理区域的发展路径依赖机制，可以有效解释并指导企业投入与经营增长问题.

表9显示了“SaaS-疫情-地理区域”三重交互检验结果：研发费用方面，非东部地区14.82，高于东部地区的2.89，且具有显著性，表明非东部地区加大研发投入促进营业收入增长的作用更大.融资负债方面，东部地区为正的4.89，且具有显著性，表明东部地区的SaaS企业更适合负债经营.营销费用方面，东部地区倒U型结构的顶点数字更大，曲率为-0.018，且具有显著性，表明东部区域SaaS企业市场营销作用的空间较大.最后，股票市场效应方面，东部区域SaaS企业具有选择的正向效应，且具有显著性.上述检验F值和调整后R2分别为52.02、0.83和4.47、0.56，具有较好的模型拟合度，结论支持假设3：不同地理区域的SaaS企业促进经济增长的作用具有异质性.

表9 SaaS-疫情-地理区域交互效应检验

3.3 SaaS、疫情与控股背景三重交互检验

国有控股背景是指国有资本通过持有公司达到决定性表决权的股份，而对该公司进行经营控制的情形.上市公司国有控股背景区别于传统的国有企业，在管理职能、管理内容、组织形式、和法律地位存在差异.但是相同点是，国有控股背景的上市公司，可能在行政审批、融资效率、土地使用权等资源获取方面存在优势.因此，SaaS非接触数字经济发展路径研究中，考察国有控股背景的经营要素如何影响企业经营增长存在合理性.

如表10所示，“SaaS-疫情-控股背景”交互效应发现：研发费用方面，非国有控股SaaS上市公司研发支出促进企业经营增长的效率更高，为2.92比1.86，并具有显著性.融资负债方面，非国有控股SaaS公司，负债经营对企业经营增长相关系数为正的4.92，高于国有控股背景企业的-0.10，并具有显著性.说明国有控股SaaS上市公司进一步的负债经营对企业经营增长具有抑制作用.营销费用方面，国有控股SaaS上市公司存在进一步加大市场营销的空间.股票市场选择方面，国有控股SaaS上市公司与非国有控股SaaS上市公司，选择大相径庭.前者适合深交所和上交所，而后者以美交所和港交所最优.国有控股与其他分类回归检验F值为74.67和59.70，调整后的R2为0.97和0.82，检验结果基本正确.结论支持假设3：不同控股背景的SaaS企业促进经济增长的作用具有异质性.

表10 SaaS-疫情-控股背景检验

3.4 SaaS、疫情与产品类型三重交互检验

关于SaaS非接触数字经济发展的研究，国内外学者给予了一定关注，但是缺乏系统性.基于价值创造理论，用户价值主导和SaaS规模经济价值的融合，是驱动SaaS产业发展的重要因素.市场表现来看，阿里巴巴钉钉作为协同OA的代表，2019年至2020年6月，在线客户从3 000万跃升到2亿.根据2019年4月份“T数据”显示，2017年～2019年，协同OA连续两年应用排行第一，市场占有率达到四分之一以上.所以，研究阿里巴巴钉钉等协同OA类产品与其他产品经营增长的异质性，对于促进SaaS整体的发展是有利的.目前，国内主流协同OA厂商为：金蝶云之家、阿里巴巴钉钉、企业微信、企明岛、致远云产品和泛微Eteams等.

如表11所示，“SaaS-疫情-产品类别”回归检验显示：首先，研发费用方面，协同OA的相关系数为2.5，高于其他产品的0.96，并具有显著性.这表明，疫情期协同OA产品企业，增加研发支出对提升企业经营增长作用明显.其次，融资负债方面，疫情这一外部因素鼓励协同OA产品企业增加负债经营，提升企业营业收入3.47亿元.相比其他产品类别企业的0.49，具有正向显著性.再次，市场营销费用方面，协同OA产品企业，营销投入与营业收入呈现倒U型结构.最后，美股市场和港股市场对协同OA企业经营增长作用明显，为847.74亿元，并具有显著性.整体拟合系数F值为5.43和40.14，具有显著性.调整后的R2为0.60和0.77，回归结果基本正确.结论支持假设3：不同产品类型的SaaS企业促进经济增长的作用具有异质性.

表11 SaaS-疫情-产品类别检验

3.5 替代变量全样本稳健性检验

为检验结果的稳健性和可信度，通过全样本替代变量，检验对企业经营增长影响的稳定性，模型如公式(6)所示.

(Equi)=-345.19+74.31SaaS+79.79Epid

+3.44Rese+5.01Fina-0.008Mark2+175.53Stoc

+788.09Geog-712.64Stat+2931.57Prod+ε

(6)

回归模型拟合度F=83.06，调整后决定系数R2=0.58.

如表12所示，从平均意义来看：首先SaaS行业企业所有者权益较其他非接触数字经济企业高出74.31亿元，且具有显著性.疫情这一外部因素帮助整个非接触经济增长所有者权益79.79亿元，并具有显著性.其次，研发支出对所有非接触经济企业均具有显著正向促进作用，相关系数为3.44.负债经营对非接触经济企业来说至关重要，相关系数为5.01，并具有显著性.市场营销支出对于非接触经济企业来说，是非直线性关系，表现为倒U型结构，曲率为-0.008，凹口向下.股票市场方面，非接触经济企业选择美交所、港交所和上交所上市，对于企业经营增长有正向促进作用.最后，虚拟二值变量中，东部企业、非国有控股背景企业和协同OA产品企业，对于非接触经济增长具有显著促进作用. 并具有F值=83.06，调整后R2=0.58的模型拟合程度.稳健性检验的结论支持假设1、假设2和假设3.

表12 替代变量全样本稳健性检验

图1 OLS回归检验结构模型

4 结论与政策建议

在探讨全球疫情对非接触经济增长影响时，如果忽略了内生机制和外生给定的分组情况，可能很难识别全球疫情促进非接触经济增长的变量要素和作用机制.并且，容易陷入平均效应的认识偏差.本文放开了所有SaaS企业服从相同回归函数的假定，对于疫情冲击下影响非接触经济增长的控制变量进行分类别的探讨最优经济性，相关研究结果为当前世界经济体应对新冠肺炎疫情，寻找新的经济增长路径，提供了理论借鉴和实践指导.

4.1 结论

本文利用中国2000～2019年SaaS上市公司财务报表数据，采用逐步回归和差分检验，对SaaS、疫情期、地理区域、控股背景和产品类别、以及研发费用、融资负债、营销费用、股票市场和经营年限等变量对企业营业收入、所有者权益的促进作用进行了研究，结果表明，全球疫情自变量与类别变量中，“SaaS-疫情因素”对企业经营增长具有显著促进作用，其他类别变量在促进企业经营增长方面具有异质性.

首先，地理区域方面，东部地区SaaS企业应加强融资负债、市场营销投入，而非东部地区SaaS企业则应集中于产品技术研发促进企业经营增长.且整体上，非东部地区SaaS经营增长速度加快，容易形成趋势效应.

其次，SaaS上市公司控股背景方面，现有国有控股上市公司工作重心应放在技术研发与市场营销方面，融资负债效应为负，说明资金对促进企业经营增长不具有正向显著性.非国有控股企业则应在技术研发、融资负债继续投入，以保持市场竞争能力.

最后，在SaaS产品类别中，协同OA企业在技术研发、融资负债、市场营销和股票市场效应方面均优于其他产品企业.这一现象可能表明，在全球疫情环境下，面向企业运营和个体生产、学习用途的远程平台产品渗透率和占有率正在快速增长，可能成为“疫情经济”中的下一个“风口经济”.

综上，经济体在应对全球疫情冲击情况下，SaaS企业经营增长的手段和路径需要结合自身特点，分主次、分方向的实施，寻找最优的发展路径.

4.2 政策建议

本文讨论了全球疫情在非接触经济增长作用的一般规律，据此对中国SaaS企业综合提出以下政策建议：

首先，所有非接触经济无论是否给定分类，在研发投入促进企业营业收入、所有者权益增长方面的作用是一致的，均会在全球疫情冲击下促进企业经营增长.

其次，地理区域和控股背景，对融资负债影响经营增长方面具有异质性，非东部地区企业和国有控股背景企业，负债经营抑制了经济增长，非协同OA产品在疫情期的营销费用也出现了负效用.

最后，中国企业应当确立非接触数字经济转型的意识和成功的预期，认识到SaaS技术在解决了互联网稳定性、3C普及度和中国加深国际化和开放度的情况下，凭借中国企业的庞大基数，SaaS经济的发展还将进一步提升.

当然，结合本文分析，SaaS经济的发展要注意三个问题：

其一是研发费用方向上，要避免在一个标准化的垂直研发，而应该转向深耕行业，挖掘场景开发OA产品.

其二是融资负债上，应当注意到市场资金有聚拢的现象，SaaS市场资本开始收缩，出现强者通吃的现象.

其三是市场营销上，智能营销将是SaaS的增长率提升新动能，以消费者个性化、碎片化需求为中心，满足动态需求.建立工业4.0基础上的移动互联网、物联网、大数据及云计算、柔性生产与数据供应链全新市场营销模式.

虽然，本文建立了全球疫情冲击下各分类变量矩阵对SaaS非接触数字经济增长影响的模型，并计量了9个变量作用于企业经营增长的程度和趋势关系.但是，研究也存在一定的局限性，未来可整合非接触经济中的货币金融非接触经济、货物物流非接触经济等样本数据，以进一步拓展全球疫情对SaaS企业经营增长的综合分析.