数字化创新如何影响企业高质量发展—— 数字金融水平的调节作用

李小青，何玮萱，霍雨丹，周 建

(1.河北工业大学 经济管理学院，天津 300401；2.南开大学 商学院，天津 300071)

一、问题提出

党的十九届五中全会提出，“十四五”时期经济社会发展要以推动高质量发展为主题，坚持创新在现代化建设全局中的核心地位。战略性新兴产业由于对经济社会长远发展具有重大引领作用，其高质量发展成为经济高质量发展的重中之重。国务院先后出台《“十三五”国家战略性新兴产业发展规划》《促进大数据发展行动纲要》等政策文件，持续地推动战略性新兴产业的快速发展。数字化创新作为创新驱动战略的关键一环，是组织以云计算、大数据、人工智能等数字技术为组成或支撑部分，变革原有产品、流程或商业模式的过程[1]。通过整合数字化资源、拓展价值创造边界，数字化创新能够促进原有生产要素的优化重组，改善企业的产品服务结构及运营管理流程，成为战略性新兴产业高质量发展的动力之源。百度的无人驾驶汽车、康泰医学的智慧诊疗设备、海尔的互联网工厂等成功经验表明，中国企业依靠丰富的数字化创新实践为高质量发展构筑了坚实基础。

企业高质量发展指企业在经营发展过程中经济价值实现的高水平、高附加值和高效率，其中提升生产效率是现阶段企业高质量发展的重要特征[2]。由于企业是宏观经济发展的微观主体，是中观产业改革的基本组织，探究企业高质量发展的影响因素日益成为学者们关注的焦点。既往文献从外部和内部两个方面对企业高质量发展的影响因素进行了探析，取得了丰富成果。从外部因素来看，减税降费政策[3]、国有资产监管体制[4]有助于驱动企业的高质量发展，区域金融发展水平与企业高质量发展之间呈U型关系[5]。从内部因素来看，完善公司治理[4]、加强技术创新[6]和数字化转型[7]对企业发展质量有促进作用，研发操纵行为则会抑制企业的高质量发展[8]。其中，赵宸宇等(2021)指出，提升企业数字化水平可以通过提高创新能力、优化人力资本结构及降低成本等促进全要素生产率的提升，成为新常态下企业高质量发展的新动能[7]。

数字经济时代，数字化创新是企业探索新兴技术领域、加快推动产品服务高端化与高附加值化的必由之路[9]，绝大部分文献肯定了数字化建设对企业发展质量的正向作用。第一，从产品服务创新视角出发，福曼和范泽布鲁克(Forman & van Zeebroeck，2012)[10]、布兰施泰特等(Branstetter et al.，2019)[11]提出，基于互联网等数字技术的产品和服务创新比基于传统技术的产品和服务创新对企业绩效的影响更大。第二，从运营管理流程创新来看，布林约尔松和麦克尔赫兰(Brynjolfsson & McElheran，2016)基于美国制造业数据，研究指出融合信息技术(IT)进行数字化创新管理的企业能更快地提高生产力[12]；李唐等(2020)则运用中国企业-劳动力匹配调查数据，发现数据管理能力对于企业全要素生产率具有显著的促进效应[13]。第三，从商业模式创新来看，何帆和刘红霞(2019)研究得出数字化变革通过降低成本费用、提高资产使用效率显著提升了实体企业经济效益的结论[14]；赵宸宇(2021)发现数字化发展可以通过服务化转型改善企业绩效和实现价值增值，助推企业的高质量发展[15]。尽管国内外有关数字化创新经济效应的研究已经取得了部分值得借鉴的成果，但目前还未形成成熟的理论和实证分析框架，鲜有文献全面探讨数字化创新对企业高质量发展的影响及其边界条件。

根据新制度经济学的思想，任何企业都嵌入于特定制度环境之中。数字金融作为构建现代金融体系的发力点，能够通过直接效应、空间知识溢出效应激发本地及周边地区全要素生产率的增长[16]，是推动企业创新的重要制度支撑[17]。然而，数字金融过度发展可能会加剧企业的金融投机行为，侵蚀实体经济和产业资本并诱发系统性金融风险，从而挤占企业的创新资源、制约实体部门的要素生产进程[16]。通过文献梳理可以发现，虽然部分研究肯定了技术创新对企业高质量发展的作用，但是数字化创新究竟如何影响企业的高质量发展？二者之间的作用机制如何？数字金融对企业数字化创新与高质量发展间的关系会产生何种影响？这些问题亟待厘清。此外，驱动企业高质量发展是一项系统工程，具有不同组织特征的企业在数字化创新中的受益程度不同[18]，因而企业异质性对数字化创新促进高质量发展的动态效应仍有待进一步检验。因此，本文以2015—2019年战略性新兴产业领域新一代信息技术上市公司为样本，首先分析并检验数字化创新对企业高质量发展的影响，接下来探析数字金融水平对二者关系的调节作用，最后进一步考察公司特质对数字化创新和企业高质量发展关系的异质性影响。

本文的边际贡献在于：(1)运用软件Pycharm获取与数字化创新相关的专利，实证检验数字化创新对企业高质量发展的影响，为科学测度可专利化的数字化创新提供了潜在选择。(2)从降低成本费用与提升劳动效率两个维度明晰数字化创新对企业高质量发展的作用路径，为打开数字化创新与企业高质量发展关系的“黑箱”提供了一个可观察的窗口。(3)突破以往文献单独研究数字化创新和数字金融的局限，将数字化创新和数字金融纳入整合研究框架，考察不同程度的数字金融水平对数字化创新与企业高质量发展关系的调节作用，有助于深化对数字化创新与企业高质量发展边界条件的理解。(4)进一步识别出产权性质、企业存续年限和企业规模对数字化创新和企业高质量发展关系的异质性影响，有利于从公司特质角度加深对数字化创新作用效果的认识。

二、 理论分析与研究假设

(一) 数字化创新与企业高质量发展

根据熊彼特创新理论，“创新”是驱动经济系统不断变革转型的核心力量，指把一种从未有过的有关生产要素和生产条件的“新组合”引入生产体系。数字化创新能够整合用户数据、创新知识和数字组件[19]，降低价值共创中数据的搜集处理成本，提升企业获得竞争优势的动态能力。通过提高信息资源的使用效率，强化创新过程的可控性和运营流程的连通性，数字化创新有助于加速企业模式转变与结构升级，促进企业的高质量发展。

首先，从信息资源的使用效率来看，以数字技术支撑的“智能信息基础设施”可以将繁琐的数据转化成有用的交易信息，实现企业生产要素的精准匹配。数字经济情境下，信息的商品属性日渐凸显，经营主体的信息红利往往取决于能够支配的信息商品和信息服务[20]。数字化创新能够打破区域和空间的限制，对全流程的信息进行数字化追踪，并且能够完善企业的信息传播机制，最大限度地提高信息的利用效率、快速应对消费者需求[21]。此外，数字化创新有助于降低因信息不对称带来的搜寻成本和议价成本，为企业高质量发展营造良好的信息环境。

其次，从创新过程的可控性来看，数字技术驱动的产品、营销、组织管理及商业模式创新有助于降低成本费用，驱动企业的高质量发展。第一，数字仿真模拟及其孪生技术使得企业在产品创新过程中通过虚拟化场景减少了一些不必要的生产成本的浪费[22]；第二，提高营销与组织管理的数字化创新水平能够帮助企业利用大数据进行分析，在满足客户个性化定制或企业精细化管理等不同需求的同时降低营销与管理成本[21]；第三，在商业模式创新中，数字技术能够通过数字增强、数字扩展以及数字转型改善企业的商业运作模式[23]，优化企业的价值增长方式。

最后，从运营流程的连通性来看，数字化创新模糊了产业边界、部门边界以及产品边界[24]，促进了异质性参与者之间的合作协调，提高了企业的劳动生产率。数字化技术拥有连接性和融合性两大特征[19]，为企业形成数字化知识网络奠定了基础。有潜力的数字资源可以通过组合式创新同时成为多个价值路径的组成部分[25]，打破传统的价值创造体系，整合创建出如平台经济、共享经济等前所未有的、庞大的新价值链，驱动企业的高质量发展。基于以上分析，本文提出以下假设：

假设H1：数字化创新能够对企业的高质量发展带来积极的促进作用。

假设H1a：数字化创新通过节约成本费用促进企业的高质量发展。

假设H1b：数字化创新通过提升劳动效率促进企业的高质量发展。

(二) 数字化创新、数字金融水平与企业高质量发展

根据新制度理论，金融环境是企业运营嵌入的架构性情境。金融环境与企业创新成本及价值创造效率密切相关[6]，在转型经济中对组织行为具有重要影响[26]。数字金融结合数字技术与金融创新，具备放大或加速环境外部性的客观功能，有助于提升资本市场的资源配置效率。然而已有研究表明，数字金融是一把“双刃剑”，具有强化组织实践有效性或诱发企业经营风险的双重作用[17，27]。

从缓解融资约束的角度来看，与传统金融相比，数字金融是一种高效低价的普惠型金融支持方式，有助于减轻资本市场中的信息不对称和契约不完善问题[28]。一方面，发展数字金融能够改善借款结构，降低企业创新活动的融资成本，为企业高质量发展提供充足的资金支持。另一方面，从提高企业价值创造效率来看，数字金融改变了价值的交付方式，为企业产品服务及商业模式创新提供了技术基础，有利于企业降低运营风险，促进生产效率的提升[27]。此外，数字金融能够优化创新生态体系，提高区域创新效率。借助互联网的网络效应，数字金融能够通过空间知识溢出促进知识的跨区域流动，提高金融市场的资源配置能力，为前期的创新要素投入和后期的成果转化提供智能化、普惠化的平台支持[16]。

然而，数字金融发展过快会导致金融监管乏力并产生“挤出效应”，对企业通过数字化创新驱动高质量发展带来消极影响[29]。具体表现为：由于金融监管往往滞后于金融创新，数字金融过度发展容易出现对部分金融产品或金融业务监管的真空地带，使企业遭受数据流失、金融欺诈等风险，威胁市场秩序及企业健康发展[17]。另外，过高的数字金融水平使企业拥有了宽松的金融环境，会降低投资现金流的敏感性、弱化内部研发的创新动力，对核心业务产生“挤出效应”。如杜勇等(2017)指出，金融化会降低企业的创新产出和实物投资，对主业产生负面效应[29]。李佳霖等(2021)研究发现，金融过热会导致企业资源错配，使金融发展与企业高质量发展呈倒U型关系[5]。本文认为，适度的数字金融水平能够优化企业的外部资源条件，强化数字化创新对企业高质量发展的促进作用；当数字金融水平过高时，数字化创新对企业高质量发展的促进作用会被弱化。基于以上分析，本文提出以下假设：

假设H2：适度的数字金融水平能够强化数字化创新与企业高质量发展的正向关系，而数字金融水平过高会弱化数字化创新对企业高质量发展的积极影响。

根据以上研究假设，本文的概念模型如图1所示。另外，考虑不同性质的企业进行数字化创新可能出于不同的行为动机，而且企业在不同发展阶段对数字化资源的整合应用能力也有所差异，因此数字化创新对企业高质量发展的影响程度与产权性质、企业存续年限和企业规模等组织特征密切相关[30]。在进一步分析中，本文将重点关注企业异质性视角下数字化创新对企业高质量发展的动态差异，从公司特质角度深化对数字化创新作用效果的认识。

图1 概念模型

三、研究设计

(一) 样本选取与数据来源

本文主要研究数字化创新对企业高质量发展的影响。考虑到数字化创新主要活跃于知识技术含量高、与数字技术密切相关的行业，本文选择沪深A股2015—2019年战略性新兴产业中的新一代信息技术产业，即计算机、通信和其他电子设备制造业，软件和信息技术服务业，互联网和相关服务业，以及电信、广播电视和卫星传输服务这四个行业的上市公司为初始样本。之所以将研究的起点时间确定在2015年，原因主要是中国自2015年开始构建数字技术与产业相融合的模式，初步开启了中国数字经济的发展格局。

参考既有研究的做法，本文根据以下原则剔除了一些样本：(1)剔除了数字化创新专利数据缺失的公司；(2)剔除了关键变量缺失或其他变量严重缺失的公司；(3)剔除属于*ST和ST类上市公司的样本。经过以上样本处理过程，最后得到2 742个基础观测样本。数字化创新专利数据来自国家知识产权局、专利汇和德文特数据库，通过程序爬取和手工补充相结合的方式整理。另外，数字金融指数来自北京大学数字金融研究中心发布的《北京大学数字普惠金融指数》，企业高质量发展基础数据及其余变量均来源于国泰安(CSMAR)数据库。

(二)关键变量定义

(1)企业高质量发展(TFP)。企业高质量发展主要通过多指标综合评价法、基于中间变量的单指标法及全要素生产率(TFP)三种方法测度。其中，构建多指标法评估体系多基于评估者的主观分析，因而客观性和可比性难以保障，导致测算结果出现较大的差异性；基于中间变量的单指标法只能反映企业为提升发展质量在某个方面的局部努力，并不能表明企业能够实现全面持久的高质量发展。企业实现高质量发展需要超越以往仅依靠增加要素投入的粗放式发展范式，去追求经济价值实现的高水平、高附加值和高效率，因此，无论企业采用哪种策略升级产品和技术还是提升其在产业价值链上的位置， 最终都会在企业生产率上得到体现[31]。全要素生产率(TFP)是除去劳动、资本等有形要素投入之后的“余值”，是反映企业管理模式改进、企业结构升级的系统生产率，相比前两种方法更具综合性和信息量[32]。本文用莱文森和彼得林(Levinsohn & Petrin，2003)[33]提出的LP法(1)LP法以中间品投入指标作为代理变量，使得在计算时能够依据可获性来灵活选取指标，能够减少样本损失量。计算全要素生产率(TFP)，对企业高质量发展进行刻画，具体见式(1)：

lnyit=β0+β1lnlit+β2lnkit+β3lnmit+lnTFPit+εit

(1)

其中，i表示企业，t表示年份，yit表示企业的主营业务收入，lit表示企业员工人数，kit表示企业拥有的固定资产，mit则表示企业购入原材料和接受劳务支付的现金。

(2)数字化创新(lnDigino)。关于创新水平主要有研发投入与专利数量两种衡量方式[34]。由于目前中国企业并未详细披露专门用于数字化创新的研发投入，而数字化创新专利作为数字化创新成果的直观体现，能够精准地刻画企业数字化创新产出。数字化创新专利特指公司拥有的与数字化技术相关的专利，具体测度方法为：以“智能、区块链、大数据、机器学习、云计算、云端、互联网、物联网、信息化、数字化、远程、机器人、人脸识别、虚拟”作为关键词，运用软件Pycharm编写程序，从国家知识产权局网站获取样本公司与数字化创新相关的专利数据，对专利缺失的样本从专利汇和德文特数据库手工整理进行补充。依据可获性与准确性原则，本文借鉴已有研究[34-35]，采用数字化创新专利数量加1的自然对数进行度量。

(3)数字金融水平(DIF)。借鉴郭峰等(2020)[36]的研究，本文采用北京大学互联网金融研究中心编制的《北京大学数字普惠金融指数》衡量中国省级层面的数字金融水平。该指数由数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度3个维度的指标合成，能够科学全面、准确细致地刻画出各省份数字金融的发展程度。

(三) 计量模型设定

为了检验数字化创新对企业高质量发展的影响，本文设定如下基本计量模型：

TFPi，t=α0+α1lnDiginoi，t+α2Controlsi，t+∑year+εi，t

(2)

其中，lnDiginoi，t代表第i家样本公司第t年的数字化创新水平；TFPi，t代表第i家样本公司第t年的高质量发展水平。本文在模型(2)中引入一组可能影响企业全要素生产率的控制变量，包括总资产收益率(Roa)、资产负债率(Leverage)、公司成长性(Growth)、股权集中度(Top10)、托宾 Q(Tobinq)、公司规模(Fsize)。此外，本文加入了年份变量(year)来控制时间效应的影响。

为检验数字金融水平对数字化创新与企业高质量发展的调节作用，本文在模型(2)的基础上设定模型(3)如下：

TFPi，t=γ0+γ1lnDiginoi，t+γ2DIFi.t+γ3lnDiginoi，t×DIFi，t+γ4Controlsi，t+∑year+εi，t

(3)

其中，DIFi，t代表第i家样本公司所在省份第t年的数字金融水平，控制变量选取与模型(2)一致。

四、实证分析与检验

(一)描述性统计与相关性分析

表1汇报了主要变量的描述性统计结果。从表中可以看出，样本公司全要素生产率的均值为17.16，与同类文献[37-38]相比，本文该指标的数值偏高，说明新一代信息技术产业的发展质量相对较高；样本公司的数字化创新专利数量对数的均值为1.20，标准差为1.43，反映出样本公司的数字化创新水平存在一定差异；样本公司所处地区的数字金融指数均值为313.87，标准差为58.98，表明样本公司的数字金融环境存在比较明显的差异，波动范围较大。

表1 描述性统计结果

表2报告了本文主要变量的皮尔逊相关性(Pearson correlation)分析结果。相关性检验结果显示，变量之间相关系数的绝对值基本不超过 0.5，说明变量之间不存在严重的共线性问题。

表2 相关性分析结果

(二) 主效应基准模型回归结果

表3是数字化创新水平对企业高质量发展的固定效应的回归结果。其中，列(1)为企业高质量发展(TFP)对数字化创新(lnDigino)单独进行回归，可看出在不控制任何因素的情况下，数字化创新(lnDigino)的估计系数为正(估计系数为0.103)，并且在1%的水平下显著；列(2)在加入控制变量后，核心变量的系数仍在1%的水平下显著为正(估计系数为0.083)；列(3)为控制时间效应的回归结果，在逐步控制可能影响全要素生产率的其他因素之后，核心变量系数的方向和显著性不变(估计系数为0.051，P<0.01)。这与黄群慧等(2019)[39]、李唐等(2020)[13]的研究结论类似，表明样本企业加速智能化与数字化进程，提高数字化创新水平有利于促进其高质量发展，假设H1得到支持。

表3 主效应基准模型回归结果

(三)主效应稳健性检验

前文初步验证了数字化创新对企业高质量发展的正向影响。为确保实证检验可靠，本文做了一系列稳健性检验：倾向得分匹配、工具变量法、解释变量滞后一期、替换解释变量和被解释变量的衡量方式、变更回归模型。

(1)倾向得分匹配(PSM)

考虑到数字化创新水平不同的企业初始条件不一定相同，且是否采用数字战略提升发展质量也是企业自主选择的结果。为了弱化遗漏变量、样本自选择带来的偏误，本文采用倾向得分匹配(PSM)，将数字化创新专利的数量按照大小排序，前50%数字化创新水平较低的样本为控制组，后50%数字化创新水平较高的样本为实验组。将两组样本按照财务绩效(Roa)、资产负债率(Leverage)、成长性(Growth)、托宾Q(Tobinq)、公司年龄(Age)、公司规模(Growth)、研发投入(RD)进行1∶1的近邻匹配，使数字化创新水平较高和较低的样本在可观察到的公司特征上基本相同，进而使两组样本之间的差异仅体现为数字化创新水平的影响。判断PSM是否有效的一般做法是查看匹配变量的标准偏差绝对值，标准偏差绝对值越小，匹配效果越好。表4显示，匹配变量在PSM之后的标准偏差绝对值都在5%以内。同时，在查看T检验的相伴概率值后，发现t值不再显著，表明接受了匹配后匹配变量均值相等的原假设，即PSM有效。

表4 样本均衡性检验结果

为进一步检验PSM的质量，本文绘制了核密度函数图。图2显示了样本行业匹配前后的核密度分布，相比匹配之前，控制组与实验组的核密度分布偏离显著减小，表明匹配质量较好。

图2 核密度函数

PSM的回归结果如表5列(1)所示，列(1)的回归结果显示，数字化创新(lnDigino)对企业高质量发展(TFP)在1%的水平下有显著的正向影响(估计系数为0.068)。这一结果与前文没有明显差异，证明本文的主效应并不会受到样本自选择问题的影响。

(2)工具变量法

数字化创新与企业高质量发展之间可能具有潜在的反向因果关系，即企业高质量发展可能反过来作用于数字化创新水平，导致结果因存在内生性问题而出现偏差。为了缓解内生性问题对结果的干扰，本文采用工具变量法进行两阶段最小二乘法估计，使用公司所在省份的信息传输、软件和信息技术服务业从业人员的数量(Softinfr-IV)作为工具变量。原因在于，数字化创新离不开数字技术人员的支持，企业所在地区信息传输、软件和信息技术服务业的从业人员越多，数字化创新水平越高，但对企业全要素生产率不会产生直接影响，满足工具变量相关性与外生性要求[39]。

表5 倾向得分匹配(PSM)、两阶段最小二乘和滞后一期的回归结果

从实证结果来看，信息传输、软件和信息技术服务业的从业人员数量(Softinfr-IV)在弱工具变量检验中的F值为18.947 7，大于经验值10，拒绝了弱工具变量的原假设，说明此工具变量有效。以选定的工具变量对基准模型进行两阶段最小二乘回归，结果见表5的列(2)和列(3)，数字化创新(lnDigino)对企业高质量发展(TFP)在1%的水平下仍有显著的正向影响。说明使用工具变量控制模型的内生性问题后，关键结果未发生改变，前述发现获得充分支持。

(3)解释变量滞后一期

为了进一步弱化可能存在的反向因果问题，本文还采用了滞后一期的数字化创新专利数量作为解释变量，检验数字化创新水平对企业高质量发展的影响，回归结果见表5中列(4)。由列(4)可知，数字化创新(lnDigino)对企业高质量发展(TFP)在1%的水平下依然有显著的正向影响(估计系数为0.054)，进一步说明本文的结果不受反向因果问题的影响。

(4)变换模型

为检验模型变换后本文的研究结果是否具有稳健性，本文使用修正怀特异方差模型，弱化可能存在的异方差问题对回归结果的干扰，结果见表6列(1)。另外，本文利用拔靴(Boostrap)法、采取偏差校正的非参数百分位法对基准模型进行检验。具体步骤为，在原有样本的基础上随机重复抽样1 000次，获得1 000个理想的小样本后对基准模型进行回归，回归结果见表6列(2)。表6列(1)与列(2)显示，数字化创新(lnDigino)对企业高质量发展(TFP)在1%的水平下有显著的正向影响，证明主效应的回归结果非常稳健。

(5)替换解释变量与被解释变量

考虑遗漏变量与衡量偏误问题，本文替换了被解释变量与解释变量以验证结果的稳定性。首先选用营运指数(OPI)，即经营活动的现金净流量和经营应得的现金的比值，来衡量企业的运营情况与收益质量，替代原被解释变量全要素生产率(TFP)进行模型估计，结果见表6列(3)。可以看出，以营运指数(OPI)为替代指标后，数字化创新对企业高质量发展的影响并未发生显著改变。接下来，本文选用与数字化创新专利公开日同期的申请日专利数量(lnDigino_apply)作为替代变量，对数字化创新进行衡量。表6列(4)中的回归系数与基准模型结果基本一致，证明了本文的研究结论的回归结果比较稳健。

表6 更换模型及替换变量的回归结果

五、可能的机制检验

(一) 中介效应结果分析

前文结果表明，数字化创新水平对企业高质量发展具有显著的正向影响。根据之前的分析，数字化创新影响企业高质量发展的主要机制包括节约成本费用与提升劳动效率这两个可能的路径。一方面，提升数字化创新水平能够运用数字技术本身的监测、控制和自动化特征升级企业的管理及组织能力，通过大幅降低组织运营管理成本来提升企业的发展质量[22]。另一方面，数字化创新有助于打破各部门的价值创造边界、提升创新网络的连通性[24]，增强知识流动速率与跨部门协同能力，通过最大化发挥员工的创造力来提高劳动生产率以促进高质量发展。接下来，本文将分别从这两个方面来检验上述机制。

(1)成本费用节约路径：数字化创新→降低管理费用→高质量发展

本文首先检验企业通过数字化创新来降低管理费用，进而促进企业高质量发展这一路径。为检验这一机制，本文引入管理费用率(Manageratio)，即以管理费用与营业收入之比作为中介变量。本文参考巴伦和肯尼(Baron & Kenny，1986)[40]提出的逐步回归检验法，构建中介效应模型如下：

TFPi，t=α0+α1lnDiginoi，t+α2Controlsi，t+∑year+εi，t

(4)

Manageratioi，t=β0+β1lnDiginoi，t+β2Controlsi，t+∑year+εi，t

(5)

TFPi，t=φ0+φ1lnDiginoi，t+φ2Manageratioi，t+φ3Controlsi，t+∑year+εi，t

(6)

表7列(1)—列(3)报告了上述模型的结果。从列(1)可以看出，数字化创新(lnDigino)对企业高质量发展(TFP)具有显著的促进作用(估计系数为0.051，P<0.01)；列(2)中数字化创新(lnDigino)对管理费用(Manageratio)具有显著的负向影响(估计系数为-0.016，P<0.01)，说明数字化创新能够有效降低企业的管理费用；列(3)在控制了管理费用(Manageratio)对高质量发展的影响后，数字化创新对企业高质量发展依然具有显著的促进作用(估计系数为0.024，P<0.05)；且数字化创新(lnDigino)的系数与基准模型中的系数相比，在同等显著水平下由0.051下降至0.024，这意味着数字化创新通过降低企业的管理费用来推进其高质量发展，假设H1a得到验证。

(2)劳动效率提升路径：数字化创新→提升劳动效率→高质量发展

接下来本文检验企业通过数字化创新提高企业员工的生产效率来促进企业的高质量发展这一路径。为了检验这一机制，本文引入劳动生产率(lnLabra)，即把营业收入与员工人数之比取对数作为中介变量(2)导致劳动生产率(lnLabra)变化的除了技术进步和组织创新等升级因素外，还可能是企业为减轻劳动力成本上升的压力实施了资本替代劳动；而全要素生产率(TFP)在计算上是除去劳动、资本、土地等要素投入之后的“余值”，相比劳动生产率包含的信息更丰富。同时，全要素生产率(TFP)与劳动生产率(lnLabra)的相关系数小于0.7，建立与式(4)—式(6)类似的中介效应模型后，劳动生产率(lnLabra)在模型中的方差膨胀因子(VIF)为1.07，远小于临界值10，因而不存在严重的共线性问题。。回归结果见表7列(1)、列(4)、列(5)。

列(4)中，数字化创新(lnDigino)对劳动生产率(lnLabra)的回归系数显著为正(系数为0.035，P<0.01)，表明数字化创新有助于促进企业劳动生产率的提升；列(5)劳动生产率(lnLabra)对企业高质量发展的回归系数在1%的水平下显著为正，同时数字化创新(lnDigino)回归系数与基准模型中的系数相比，在同等显著水平下由0.051下降至0.022，说明劳动生产率(lnLabra)对数字化创新水平与高质量发展间的关系起到了部分中介作用，即数字化创新能够通过提高员工的劳动效率来驱动企业高质量发展，假设H1b得到支持。

表7 中介效应检验结果

(二) 调节效应的回归过程及结果分析

基于式(5)，检验数字金融水平对数字化创新与企业高质量发展关系的调节作用，结果见表8。

表8 数字金融水平对数字化创新与企业高质量发展关系的调节作用的回归结果

表8列(1)表明，在全样本中，数字化创新与企业高质量发展交互项的系数为-0.018(P<0.05)，表明数字金融负向调节了数字化创新与企业高质量发展间的正相关关系。考虑到不同数字金融水平可能导致的效果差异，本文根据数字金融水平的分位数进行分组回归，细化分析不同数字金融水平下数字化创新对企业高质量发展的影响。具体做法为，将全部样本按照数字金融水平(DIF)升序排列，前25%为低水平组、后75%为高水平组、25%～75%之间为适度水平组。从列(2)和列(4)可以发现，当数字金融水平(DIF)较低时，数字化创新(lnDigino)对企业高质量发展的回归系数为0.052，P<0.10；当数字金融水平(DIF)较高时，数字化创新(lnDigino)对企业高质量发展的影响不显著(系数为-0.01，P>0.10)。列(3)显示当数字金融水平(DIF)适度时，数字化创新(lnDigino)对企业高质量发展的回归系数显著为正(系数为0.045，P<0.01)。分组回归结果表明，在数字金融水平适度的情况下，数字化创新与企业高质量发展间的正相关关系最为显著。本文进一步印证了李佳霖等(2021)[5]、李苍舒和沈艳(2019)[17]关于数字金融“双刃剑”效应的理论推断，即数字金融过快发展容易导致企业对新金融业态风险的识别防控不足，引发资源配置扭曲，弱化数字化创新对企业高质量发展的促进作用，假设H2得到支持。为了直观地显示数字金融的调节作用，本文绘制了不同数字金融水平下数字化创新的平均边际效应图(见图3)，说明随着数字金融水平(DIF)的提升，数字化创新对企业高质量发展的边际效应递减；数字金融发展到较高水平时，数字化创新的促进作用逐渐在统计上变得不显著。

图3 数字化创新的平均边际效应

六、异质性分析

为从公司特质角度进一步探讨数字化创新(lnDigino)对企业高质量发展(TFP)的异质性影响，本文以样本企业产权性质、企业存续年限、企业规模为分组变量做分样本回归，得到三组分样本基准模型估计结果。

(一) 考察产权性质的异质性

由于国有企业和民营企业在资源基础、经营目标等方面有所差异，本文在基准模型的基础上将整体样本划分为国有企业和非国有企业两个子样本，考察数字化创新对于不同类型的企业高质量发展是否会产生异质性，估计结果如表9列(1)—列(2)所示。列(1)为国有企业子样本的回归结果，数字化创新(lnDigino)的回归系数为0.048，P<0.05；列(2)为非国有企业子样本的回归结果，数字化创新(lnDigino)的回归系数为0.052，P<0.01。该结果表明，与国有企业相比，数字化创新能够更加显著地促进非国有企业的高质量发展。可能的原因为，由于非国有企业具有运营灵活的特点，更容易在数字化浪潮中对外界环境的变化及时做出反应；同时，与国有企业相比，非国有企业具有先天的制度劣势，面临更大的绩效增长压力，无形之中拥有更充足的内在创新动力去寻求转型升级路径。另外，作为国民经济的重要支柱，国有企业负有特定的社会责任和义务，可能会因此挤占企业进行数字化创新所需的资源，从而弱化了数字化创新对企业高质量发展的积极影响。

(二)考察企业存续年限的异质性

根据生命周期理论，企业在生命周期的不同阶段具有不同的特点。本文按公司成立年限将样本分为高年限组和低年限组两个子样本，考察数字化创新对于不同存续年限的企业高质量发展是否会产生异质性，估计结果如表9列(3)—列(4)所示。可以看出，列(3)高年限组中数字化创新(lnDigino)的回归系数为正且在1%的水平下显著为正，列(4)低年限组中数字化创新(lnDigino)的系数为正但并不显著，说明与存续年限较低的企业相比，数字化创新对存续年限较长的企业高质量发展的促进作用更强。此结果与李唐等(2020)[13]的观点相似，即数字化能力对企业发展质量的提升效应在存续年限较长的企业分组相对偏高。随着存续年限的增长，企业经过知识技术的前期积累，能够构建起一定的技术优势；与年轻企业相比，成熟企业拥有更多的财力、物力以及高级人力资源，在资源获取和业务能力上更具实力，因而更容易在数字经济背景下抢占先机，加速自身的转型升级以实现高质量发展。但新设企业由于没有足够的客户积累和稳定的营销渠道，很难在短时间内建立起自身的商业网络，导致各类资源相对缺乏，因此，通过数字化创新实现高质量发展的步伐也相对缓慢。

表9 分组回归结果

(三) 考察企业规模的异质性

规模不同的企业，其组织结构、经营战略和资源禀赋存在差异，可能会影响数字化创新对企业高质量发展的作用效果。因此，本文按企业总资产将整体样本划分为大规模企业和小规模企业两组子样本来考察企业规模对数字化创新促进高质量发展的异质性影响。估计结果如表9列(5)与列(6)所示，列(5)为大规模企业的回归结果，数字化创新(lnDigino)对企业高质量发展的回归系数为0.040(P<0.05)；列(6)为小规模企业的回归结果，数字化创新(lnDigino)的回归系数为0.050(P<0.01)。这表明与大规模企业相比，数字化创新对小规模企业高质量发展的促进作用更强。出现上述结果的原因可能为，企业规模过大易产生组织惯性与数字化变革阻力，降低了数字化创新的效率及其对企业高质量发展的积极影响。此外，逃避竞争是企业在风险之下进行创新的主要动机，而大企业较强的市场控制力使其面临着较小的竞争压力，因此，与实力雄厚的大规模企业相比，小规模企业的创新动力更强，更倾向于通过数字化创新促进企业高质量发展。

七、研究结论、政策启示与研究展望

(一)研究结论

本文以沪深A股2015—2019年新一代信息技术上市公司为样本，系统检验了数字化创新对企业高质量发展的影响效应、作用机制以及数字金融水平对两者关系的调节作用。本文的主要结论有：(1)数字化创新对企业高质量发展具有显著的正向影响，在解决了内生性问题、变换模型与替换变量后，结果依然稳健。(2)在影响机制上，数字化创新能够通过节约成本费用与提升劳动效率这两个路径驱动企业高质量发展。(3)数字金融是一把“双刃剑”，适度的数字金融水平有利于强化数字化创新对企业高质量发展的驱动作用，然而数字金融水平过高会抑制数字化创新对企业高质量发展的影响。(4)与国有企业相比，民营企业数字化创新对高质量发展的促进作用更强；与存续年限较短的企业相比，存续年限较高的企业进行数字化创新更有利于其高质量发展；与大规模企业相比，数字化创新对小规模企业高质量发展的正向影响更加显著。

(二) 政策启示

基于以上研究结论，本文的政策启示在于：

(1)战略新兴企业应在产品服务、组织管理和商业模式等方面积极开展数字化创新活动，深度融合数字化创新与传统业务以降低运营管理的成本费用、提升劳动效率，促进企业高质量发展。同时，企业要主动融入数字化创新联盟网络，加快“上云用数赋智”行动，以数字化创新优化生产要素配置效率、精准对接日益多样的市场需求，提升企业发展质量。

(2)数字经济背景下，金融机构应适度发展数字金融业务，借助数字金融的普惠性优势给广大新兴企业提供低价、便捷的金融服务，为发挥数字化创新对企业高质量发展的驱动作用提供充足的资金支持。另外，金融部门要加强对数字金融风控体系的建设和监管力度，构建安全稳定的金融科技生态圈，给战略新兴企业依托数字化创新提升发展质量营造健康的金融环境。

(3)各地须完善战略性新兴产业数字化基础设施和产业链配套设施，培育与数字化创新有关的要素市场。对实力不足的新兴企业数字化改造提供技术资金援助，搭建可低成本接入的创新合作平台，激励企业融入数字经济新业态。对规模庞大、业务链长的国有企业，要渐进式破旧立新，逐步数字化业务链、优化产业链，以发挥国有企业在新一轮科技革命和数字化浪潮下的中流砥柱作用。

关于未来的研究，可展望如下：第一，本文主要针对战略性新兴产业领域数字化创新特征较为明显的四个行业的上市公司进行分析，为获得更加普适性的结论，未来研究样本可拓展到其他行业。第二，本文从降低成本与提升效率两个方面检验了数字化创新影响企业高质量发展的作用路径，但数字化创新是否通过其他渠道影响企业高质量发展，仍有待进一步挖掘。