数字经济发展对企业创新的影响*——基于A 股上市公司的经验证据

申明浩，谭伟杰，陈钊泳

（1.广东外语外贸大学经济贸易学院，广东 广州 510006；2.广东外语外贸大学粤港澳大湾区研究院，广东 广州 510006）

一、引言与文献综述

进入21 世纪以来，以新兴信息技术和数字技术为基础的数字经济逐渐成为中国经济发展中最具活力和价值的领域之一，对经济高质量发展（赵涛等，2020）、创新创业（韩先锋等，2019）、投资与贸易（李坤望等，2015）产生了深远影响。联合国贸易与发展会议发布的《2021年数字经济报告》指出，中美两国占全球最大数字经济平台市值的90%左右，数据运用方面的突出优势领先世界，两国占全球人工智能初创公司筹措资金的94%、全球顶尖人工智能研究人员的70%。中国信息通信研究院发布的《中国数字经济发展白皮书（2021 年）》显示，2020 年我国数字经济增加值总规模达到39.2 万亿元，占GDP 比重为38.6%，在全球经济形势复杂严峻的背景下我国数字经济仍保持9.7%的高位增长，是同期GDP 名义增速的3 倍多。数字经济与社会经济诸多领域的深度融合已经逐渐成为国民经济的增长动能。2021 年《政府工作报告》指出，要协同推进数字经济与实体经济的深度融合，打造数字经济新优势，为企业搭建更多共性技术研发平台，促进产业链创新、企业创新与专业化。因此，如何有效释放数字经济对企业创新发展的助推力量，为实现经济高质量发展提供重要驱动力，近年来受到越来越多学者和政策制定者的关注。

以往相关文献主要基于宏观视角，重点研究互联网经济的网络效应和“梅特卡夫法则”对区域创新效率（韩先锋等，2019）、要素配置效率（肖旭与戚聿东，2019）的影响，以及数字经济的创新溢出效应对区域社会资本积累（周广肃和樊纲，2018）、促进产业结构升级（姚维翰和姚战琪，2021）、经济增长与高质量发展（赵涛等，2020）和包容性增长（张勋等，2019）的影响。然而探讨数字经济与企业创新关系的微观实证研究较为缺乏，部分文献探讨了“互联网+”战略对企业自主创新绩效的影响（沈国兵和袁征宇，2020；谢康等，2020）。党琳等（2021）研究发现，数字经济的发展主要通过改善区域创新环境促进外来投资、提升VC/PE 活跃度，进而提高制造业企业的合作创新水平。还有部分文献探讨企业对于数据信息的处理和管理能力与企业生产效率之间的关系（黄群慧等，2019），以及科技金融政策对企业数字化应用水平与强度的影响（陈振权等，2021）。

“十四五”规划明确提出，我国要坚持创新驱动发展，全面塑造发展新优势。在数字经济背景下，数字经济的发展对企业创新是否具有促进效应呢？如果答案是肯定的，数字经济更能促进企业内部创新还是合作创新呢？背后的影响机制和特征又是什么呢？回答这些问题有助于我们厘清数字经济与实体经济之间的关系，为支持数字经济发展和创新发展战略的政策制定和执行提供一定的启示。本文结合中国上市公司的现实背景，在相关理论的基础上，运用熵值法测度2011-2019 年全国30 个省域的数字经济综合发展指数，并将上市公司财务信息与专利数据进行匹配，实证检验数字经济发展对企业内部创新与合作创新的影响及其作用机制。此外，本文还以“宽带中国”政策作为外生冲击事件进行检验，帮助提高本文研究结果的稳健性。

本文可能的边际贡献在于三个方面：第一，参考现有文献的研究，从省级层面对地区数字经济发展水平进行了较为全面的测度，基于多维度的数字经济指标对于其真实发展水平具有一定程度的代表性，为准确评估区域数字经济发展水平及其经济效益提供了有益借鉴。第二，以往数字经济对企业创新能力的实证研究中，更多是关注区域创新水平和企业自主创新能力，本文则将分析视角拓展至数字经济对企业内部创新与合作创新的影响并进行比较分析，拓展和丰富了数字经济发展对企业微观主体的理解和分析视角。第三，本文探讨了数字经济通过高端人才集聚和环境不确定性发挥内外协同效应、进而影响企业创新绩效的理论机制，深化了已有研究的理论基础。

二、理论分析与研究假设

（一）数字经济与企业创新

数据作为一种新的生产要素，赋予了数字经济发展更大的活力，通过加快信息交互等途径强化了知识的外溢性，而创新主体提高创新效率的重要途径正是提升学习知识和经验的能力（Akcigit 等，2018）。数据要素为数字经济有效提升创新主体创新效率提供了可能：第一，数字技术的发展提供了便捷的信息交流平台，在降低企业外部信息搜寻成本（Malone 等，1987）的同时，也加速了知识在企业内部的传播，从而提升了企业将知识转化为创新成果的效率。第二，立足于互联网平台的数字经济通过激发消费者对于产品多样化的需求，推动了产品供需双方的双向交流（郭家堂和骆品亮，2016）。这为企业根据消费者需求及时变更产品方案以把握商机、提升研发效率都具有重要的推动作用。第三，以互联网、云计算、大数据等新兴技术为载体的数字经济的发展，激励着企业在生产环节更加高效地使用数字化的智能装备，同时还为市场上的信息匹配问题提供了优化路径（荆文君和孙宝文，2019），从而能够给企业带来更高的创新经济效益。第四，数字经济的社会互动效应和信息渠道效应为企业创新活动决策提供了信息交互的基础和来源，能够进一步推动区域内企业的创新创业活动，并对周边地区形成示范效应（周广肃和樊纲，2018），释放创新的外溢红利。

在数字经济时代，互联网思维要求企业不能仅限于内部创新，还应该运用创新精神联合外部的创新资源以实现效益最大化（李海舰等，2014），合作创新的趋势和重要性日益显现。合作创新牵涉到企业创新活动的全过程，需要合作方在前期研发、中期开发和后期成果转化过程中，实现创新资源共享、知识互补以及风险共担。数字经济发展破除了创新主体间展开合作创新的诸多障碍：第一，企业选择合作创新伙伴时，需要考虑合作方的综合实力和两者的协调兼容性（Baum 等，2010），数字经济为市场提供了高度透明化的信息，在此背景下，合作双方在合作过程中基于声誉威胁的考虑，违约概率也会降低（施炳展和李建桐，2020），从而进一步降低企业由于一些机会主义行为而导致的生产相关和监督等外部成本，使得双方的合作创新能够更加紧密和高效。第二，数字经济扫除了创新要素流动的地理障碍，促进了网络中各个节点和创新主体的交流、碰撞与合作，从而最大程度地释放合作创新的潜力。第三，信息技术的快速更迭为市场和企业带来更多的不确定性和虚拟风险性（陈剑等，2020），企业对创新能力提出了更高的要求，但仅凭借内部创新可能难以抵御外部竞争压力，因此，企业之间深化合作创新以提升自身竞争优势是未来发展的重要趋势。

数字经济时代信息的高速流动对企业保持核心竞争优势也提出了更高的要求：第一，内部创新意味着从技术开发、产品生产到市场营销的全过程都需要依靠企业自主完成，对企业自身的创新能力要求较高，但这个过程能够使企业逐步积累无形资产，独享创新成果并促进全要素生产率的提升（孙早和宋炜，2013），从而提升自身的核心竞争优势。第二，虽然数字经济发展降低了企业的外部合作成本，但是也由于信息获取的渠道增加和成本降低，有可能会恶化合作双方的信息不对称情形，从而引发逆向选择，增加合作过程中商业机密泄露或被盗窃的道德风险问题，最终降低企业开展合作创新的意愿。第三，在创新网络系统中，数字化情境使得企业之间的网络结构更趋于松散，彼此间的连接状态也趋于变弱，从而扩大了创新网络的异质性（鲁若愚等，2021），这对于企业之间合作开展创新活动造成了一定的障碍，企业间创新网络连接状态的松散和复杂创新生态系统的出现或许会倒逼企业进一步提高内部创新的广度与深度。第四，数字经济的发展在一定程度上提高了市场竞争的激烈程度，特别是外来投资和风险投资的大量涌入（党琳等，2021），对企业自身的创新能力提出了更高的要求。如果企业自身的创新吸收能力不强，会导致企业转化外部知识和技术的效率较低，对合作创新可能产生消极影响（Crescenzi 等，2018）。第五，从企业生命周期理论与竞争理论的视角来看，处于成熟阶段的上市公司更倾向于内部独立自主的创新模式而非合作创新（余谦和吴旭，2018）。目前数字产业仍然处于成长阶段，部分地区的数字信息基础设施和平台建设还不够完善，处于不同发展阶段的数字经济企业进行合作研发创新的成本仍然不低，难以形成规模效应并从合作创新中获取收益，这导致目前合作创新的溢出效应也相对有限。基于上述分析，提出本文的第一对竞争性研究假设：

假设1a：数字经济发展有利于提升企业的创新绩效，但对合作创新的促进作用更大。

假设1b：数字经济发展有利于提升企业的创新绩效，但对内部创新的促进作用更大。

（二）资源介入与外部环境的双重机制分析

下面从信号理论出发，探讨数字经济对企业创新绩效的影响。数字经济发展的信号作用不仅有利于企业积累创新资源，也有利于降低环境不确定性，进而提升企业创新绩效。位于数字经济发展水平较高地区的企业可以向社会传递积极信号，有利于缓解信息不对称的问题。对此，具体考虑影响企业创新活动的两个重要因素：市场资源（Li 等，2018）和环境因素。

1.人才资源集聚效应赋能企业创新

数字经济的发展正在不断弱化产业间经济活动的边界性，为创新要素（特别是人才资源）的区域流动创造良好的基础条件，有利于提升企业的创新活力以改善城市的创新环境，让更大范围内的创新主体享受数字经济发展的红利。数字经济的发展能够引发创新人才资源集聚效应。一方面，数字经济发展所释放的积极信号，推动了数字经济与实体经济的产业跨界融合（李晓华，2019），通过区域产业集聚而引发的人才集聚能够充分发挥知识和技术的溢出效应，而人才资源是企业提升核心竞争力的关键资源，能够有效保障企业可持续发展。特别是以中小企业为代表的相对弱势企业虽然面临诸多经营风险，但当地数字经济发展向其他区域人才释放的积极信号，能够为这些企业带来丰富的外部人才资源，帮助其克服“禀赋效应”的问题，从而更好地提升企业创新水平。

另一方面，数字经济的发展能为当地市场提供更加优质、便捷和高端的产品、网络和政企基础服务，对于创业活跃度的提升作用越来越明显（赵涛等，2020）。智慧交通和便捷物流平台的出现，进一步提高了区域交通基础设施运行和生产单位运营服务的效率，并且通过信息与通讯技术基础设施强化了数字信息技术向教育、医疗等公共服务领域的扩散效应，通过赋能城市公共服务升级的方式增强了对高素质创新人才的吸引作用。营造良好的营商环境是降低企业进入壁垒实现资源高效配置的重要途径（夏后学等，2019），数字政务的发展优化了区域营商环境，通过有效简化和缩短企业业务的审批流程和时间，制度性交易成本的大幅下降能够激励企业开展创新活动，进而改善区域的创新营商环境（党琳等，2021），从而形成吸引人才的积极信号。这些信号对于促进人力资源集聚、营造良好营商环境的积极作用日益凸显。随着数字经济引发的人才集聚效应蔓延，创新部门之间的联动边际成本不断下降，促进创新的良好氛围逐渐形成，从而进一步激发企业的创新动力。基于以上分析，本文提出第二个研究假设：

假设2：数字经济发展有利于企业创新人才集聚，进而提升创新绩效。

2.降低环境不确定性风险

数字经济的发展为产业发展创造了有利的基础设施条件，使得营商环境与创新环境得到优化，这些信号都能够有效降低企业面临的环境不确定风险和增强企业开展创新活动的信心。一方面，数字经济发展所营造的良好稳定营商环境能够吸引大量的投资，为产业集聚创造基础条件，而产业集聚通过集群效应、学习和竞争效应推动企业的内部创新与合作创新。同时，环境不确定性的降低能够提高企业管理者和其他创新主体继续加大研发投入的意愿，通过创新来保持企业的核心竞争优势（刘婧等，2019）。另一方面，数字经济的发展提高了信息的透明度，能够有效缓解企业在创新活动上由于信息不对称所带来的逆向选择和道德风险的问题，有助于降低整个投资市场的环境不确定性风险。从企业与供应商的角度来看，企业位于数字经济发展较好地区，通常意味着其可能具备了较高的发展潜力，这会向供应商传递“企业值得信任”的积极信号。

在数字化情境下，信号信息准确传递与接收的效率得到大幅提升，当企业供应商准确接收到这些信号的时候，能够提高供应商对于企业的债务偿还预期，这就有利于企业自身商业信用的提升。商业信用融资是中国企业开展技术创新与研发活动的重要融资渠道（姚星等，2019），而数字经济发展则是通过降低企业与供应商之间的信息不对称以改善企业生产过程面临的环境不确定性，从而提升企业的商业信用缓解资源约束，进而促进企业创新。数字化发展浪潮下，大数据等数字技术优势提高了企业内外部的信息透明度，缓解了环境不确定性对企业融资和研发创新的障碍。从投资者与产品需求方的角度来看，数字经济的发展帮助利益相关者更为全面而具体地搜集、识别、整理、分析与评估企业的真实经营数据信息和创新项目运行信息，规避投资风险；同时也有助于企业管理层选择风险较低而回报率较高的创新项目，从而进一步提高企业研发投入的质量。所以当企业与各利益相关者间的信息不对称程度得到有效降低时，环境不确定性问题也能得到缓解，这有利于企业在市场上获取更多的创新资源，进而提升企业的创新绩效。基于以上讨论分析，本文提出第三个研究假设：

假设3：数字经济发展有利于降低环境不确定性，进而提升企业创新绩效。

三、研究设计

（一）模型构建

为检验数字经济发展对企业创新绩效的影响，本文建构面板固定效应模型对直接传导机制进行分析检验，回归方程如下：

其中：被解释变量Inventi,t表示企业i在t年创新绩效，核心解释变量DIEi,t表示j省份在t年的数字经济发展水平，Controls表示一系列的控制变量集合，Year和Indus表示年份和行业固定效应，ui,t为随机扰动项。在分析数字经济发展对企业创新绩效直接影响的基础之上，本文进一步运用中介效应模型考察高端人才集聚与环境不确定性在数字经济发展中影响企业创新绩效的中介效应。在实证分析中，本文技术上进行了如下处理：第一，对所有被解释变量均进行滞后一期处理，缓解反向因果的内生性问题；第二，在实证分析中均采用企业层面聚类稳健标准误。

（二）变量选取

1.企业创新绩效

现有文献已经从多个测量维度对企业创新进行测量，如专利申请、专利获得和研发投入等作为企业创新绩效的衡量指标。本文从内部创新与合作创新两个维度去考察企业的实质性创新绩效并进行比较，使用上述指标测量企业创新有各自的不足：非发明专利（包括实用新型和外观设计）的申请数量不能够很好体现创新产出的质量（黎文靖和郑曼妮，2016）；而专利的获取数量也很有可能受到公司前期经营结果的影响，从而引发内生性问题；研发投入往往是企业在创新活动前期的资源投入，不能体现创新产出的最终质量。因此为了规避以上问题，本文借鉴 Zhou 等（2017）、Brockman 等（2018）的研究思路，分别采用发明专利申请数量（AG）、上市公司与其他经济实体的联合发明专利申请数量（COR）来衡量企业内部创新与合作创新。

2.数字经济发展水平

目前官方尚未披露省级层面的数字经济发展指数，以往文献针对数字经济具体测度的较少。基于数字经济的内涵，本文参考王军等（2021）的方法，从宏观层面选取数字经济发展载体、数字产业化、产业数字化作为数字经济的3 个一级指标，并进一步将其细化为9 个二级指标和25 个变量指标（见表1）。

表1 我国省域数字经济综合发展水平评价指标体系

注：互联网宽带接入端口数，通信设备、计算机及其他电子设备制造业主营业务收入，规模以上工业企业新产品销售收入占工业企业主营业务收入的比重，互联网上网人数在少数年份存在数据缺失情况，采取年均增长率予以推算。此外，部分指标的数据缺失通过与中国信息通信研究院、各省历年统计年鉴、《中国统计年鉴》《中国信息产业年鉴》所公布的数据进行比对补充。

采用客观赋权法中的熵值法对数字经济指数进行综合测度，能在一定程度上避免主观赋权法测度的偏误。具体步骤如下：

第一，需要对选取的正向与负向指标进行处理：

第二，计算上述涉及到的所有指标的客观权重，具体用Wij表示：

第三，计算不同指标的信息熵值sj，其中m是测度年限：

第四，计算信息熵冗余度yj：

根据信息熵冗余度可以求出各个指标的权重αj：

第五，通过多重线性函数的加权计算出数字经济综合发展指数DIE：

3.中介变量

高端人才聚集（Hightalent）。借鉴刘春林等（2021）的方法，采用企业员工中硕士及以上学位的人数对数来作为企业高端人才集聚的代理变量。数据来源于Wind 数据库与企业年报。

环境不确定性（EU）。借鉴申慧慧（2012）的方法，剔除企业销售收入中属于稳定成长的部分以更加准确地衡量环境不确定性，通过OLS 模型分别估计过去 5 年的非正常销售收入：

其中：Sale为企业销售收入，Year表示年份。模型（9）的残差表示企业非正常销售收入，进一步进行行业调整得到本文所需的环境不确定性变量。

4.控制变量

参考朱德胜和周晓珮（2016）的方法，模型包括企业微观层面的多个控制变量：企业规模（Size）、资产负债率 （Lev）、总资产回报率（ROA）、是否国有企业（Soe）、营业收入增长率（Growth）、固定资产增长率（Fix）、两职合一（Dual）、独立董事比例（Indep）、委员会个数（Cmote）。此外，还纳入省级层面的宏观变量：经济发展水平（GDP）用人均GDP 表示，产业结构（Ind）用第三产业与第二产业产值之比表示。

（三）数据来源与描述性统计

本文的研究样本为2011-2019 年中国A 股上市公司，最终获得公司年度观测值22000 个。为了克服极端值对回归结果的影响，对模型中所有连续型变量进行了双侧1%水平的缩尾处理。本文的研究数据均来自国家统计局、《中国统计年鉴》、CNRDS、CSMAR 等数据库。

表2 是主要变量的描述性统计结果。其中企业创新绩效变量（AG 和COR）的最大值和最小值相差较大，说明不同企业的创新倾向差异较大；数字经济发展指数（DIE）和经济发展水平（GDP）则表现出均值小、标准差大的特点；其他控制变量也存在着不同程度的差异。

表2 主要变量的描述性统计

四、实证分析

（一）基准回归分析

表3 的第（1）、（2）列列示了数字经济发展对企业创新绩效的基准回归结果，DIE 对企业内部创新和合作创新的影响系数分别为0.1331 和0.0542，并在1%显著性水平下显著为正，说明数字经济发展不仅有利于企业内部创新，同时还促进了企业的合作创新，但是对于企业内部创新的促进作用更大。即企业所在地的数字经济发展程度越高，相较于合作创新产出而言，其内部创新产出更高。假说1b 得到验证。

现有文献发现，当企业面临创新激励政策等有利的经济发展形势时，有可能表现出策略性创新的倾向，那么位于数字经济发展程度较高地区的企业是否也有策略性创新的倾向呢？本文借鉴刘春林等（2021）的做法，通过构造两个新的变量衡量企业的策略性创新倾向：非发明专利数量（NP）（实用新型专利申请数量与外观设计专利申请数量之和加一再取对数）、策略性创新倾向（StratTendency）（当年申请的非发明专利最终获批数目与当年申请的所有类型专利最终获批数目的比值）。表3 的第（3）列结果显示，DIE 与企业非发明专利数量之间的相关系数在1%显著性水平下显著为正，说明数字经济发展也促进了非发明专利的申请。第（4）列的结果显示，DIE 的系数为正，但不显著。这意味着数字经济的发展并未显著提高企业的策略性创新倾向。可能的原因在于：企业创新需要依托高端人才的引进和使用，数字经济发展提高了创新资源的空间流动性，企业将创新人才资源用于策略性创新的机会成本比较高。

表3 数字经济发展对企业创新的影响

注：“*”、“**”、“***”分别表示在10%、5%、1%显著性水平下显著，括号内的值为企业层面聚类稳健标准误。下同。

（二）影响机制分析

下面进一步验证人才聚集效应与环境不确定性两个作用机制，以期从企业内外不同角度去探讨数字经济发展对企业创新的协同提升效应。本文试图回答两个问题：①数字经济发展释放的信号能否降低环境不确定性和促进企业高端人才的集聚？②环境因素与人才集聚因素在数字经济发展与企业创新绩效中是否发挥了中介作用？针对上述问题，表4 给出了相应的实证分析结果。为了回答第一个问题，分别以环境不确定性EU 和高端人才集聚Hightalent 为被解释变量，对模型（1）进行回归，结果显示数字经济发展DIE 与环境不确定性EU 的偏相关系数在1%显著性水平下显著为负，数字经济发展DIE 与高端人才集聚Hightalent 的偏相关系数在5%显著性水平下显著为正，说明数字经济发展确实降低了环境不确定性，促进了企业高端人才的集聚。

下一步采用结构方程模型以环境因素与人才集聚因素的中介效应（间接效应）。由于中介效应的非线性分布特征，本文采用非参数 Bootstrapping 方法调整估计偏差（MacKinnon 等，2004）。表4 中Panel A 结果显示，以内部创新AG 作为企业创新绩效指标时，直接效应系数为0.1209，95%置信区间为[0.0978，0.1441]，不包含0，说明数字经济发展的直接效应显著。高端人才聚集的中介效应系数为0.0147，95%置信区间为[0.0105，0.0189]，不包含0，说明促进高端人才集聚是数字经济发展提升企业创新绩效的一种重要机制，假说2 得到支持。环境不确定性的中介效应系数为0.0041，95%置信区间为[0.0021，0.0061]，不包含0，说明降低环境不确定性是数字经济发展提升企业创新绩效的另一种重要机制，假说3 得到支持。Panel B 的检验结果显示，以合作创新COR 作为企业创新绩效指标时，中介效应检验仍然显著支持上述研究结论，说明结论是稳健的。

表4 中介效应检验结果

（三）稳健性检验

1.工具变量法

在前述实证分析中，有可能存在遗漏变量和反向因果的内生性问题。比如，不同地区由于资源禀赋以及发展阶段等的差异，影响数字经济的发展和当地企业经济活动的开展，而这些因素往往很难被度量。随着当地企业创新发展质量的提高，或许会引导互联网朝着更加便捷、更低成本、更低门槛与共享性更强的方向发展进步，从而促进当地的数字经济发展。针对以上问题，本文采用工具变量法来缓解内生性问题，有效且合理的工具变量需要满足两个关键条件：相关性与外生性。本文借鉴Num 和Qian（2014）的研究方法，构建如下基于工具变量法的计量模型：

本文借鉴黄群慧等（2019）的研究思路，采用各省份1984 年每百人固定电话数量和每百万人邮局的数量（与个体有关）分别与上一年全国互联网用户数（与时间有关）的交互项，作为地区数字经济发展指数的工具变量。在上式中，Intert×Phonei 是本文所选取的工具变量，其中Intert 是指第t 年的全国互联网用户数，Phonei 是指省份i 在1984 年每百人固定电话数量和每百万人邮局的数量。选择该工具变量主要是出于以下考虑：一方面，邮局数量和布局差异能够影响当地居民的互联网使用技术与习惯，进而影响互联网及其相关行业的发展，满足相关性要求。另一方面，就目前的发展趋势来看，历史上固定电话与邮局的数量难以影响地区企业的创新活动，满足排他性要求。考虑到本文样本为均衡面板数据，而所选取的工具变量原始数据是横截面的形式，直接使用会出现估计偏误的问题。因此，本文构建上述的交互项作为省际数字经济发展指数的工具变量。另外，本文选取交互项构建工具变量具有两个优点：一是具备随地区和时间变化的特征；二是其内含双重差分（DID）的思想，能够有效提高工具变量估计的准确性（Num 和Qian，2014）。

在进行工具变量回归之前，需要考察工具变量的有效性和适用性。表5 第（1）列列示了采用工具变量估计的第一阶段回归结果，显示数字经济指数与工具变量之间在1%显著性水平下显著正相关。同时，K-Prk LM 检验、C-D Wald 检验以及K-P rk Wald 检验得到的F 统计量均远大于10，可以排除弱工具变量问题。表4 第（2）、（3）列列示了第二阶段回归结果，即实证分析检验数字经济发展与企业内部创新和合作创新之间的关系。结果显示，DIE 的回归系数分别为0.6445 和0.0405，分别在1%和5%显著性水平下显著，表明数字经济发展能够显著激励企业创新，且对内部创新的激励效应更大。

表5 工具变量回归结果

2.其他稳健性检验

本文还进行了以下稳健性检验：①借鉴潘越等（2019）的思路，通过采用控制“行业×年度”的高阶联合固定效应模型考虑行业的年度趋势。②剔除直辖市的样本数据进行稳健性检验。③分别采用Tobit 模型、Logit 模型和Possion 模型进行稳健性检验。以上检验结果均表明数字经济发展在提升企业创新绩效的同时，更加显著地促进了企业内部创新。由于篇幅限制，检验结果不再列示。

五、异质性分析

（一）企业异质性分析

1.企业规模异质性

企业规模的大小会对创新资源的获取和利用使用形成约束。数字经济发展到底对什么样的企业具有更好的创新促进作用？表6 的第（1）-（4）列是根据企业规模划分为两组子样本①以企业规模均值为分组标准，企业规模大于均值的归为大企业，反之归为中小企业。的分析结果。核心解释变量DIE 的估计系数均显著为正，表明数字经济发展对于不同规模企业的创新活动都产生了显著的促进作用，同时激励了企业内部创新与合作创新。这意味着在数字经济发展的时代，中国市场体系中的“规模歧视”现象（罗来军等，2016）对中小企业带来的不利影响可能被弱化，数字经济发展通过降低企业融资门槛以及各类交易成本，能够降低不同规模企业获取外部创新资源的难度。

2.企业资产专用性异质性

数字经济依托的互联网平台促进企业实现跨区域的线上线下交流合作，使得外部资源的可获得性更高，进一步缓解了企业所面临的资产专用性约束问题（肖旭和戚聿东，2019）。因此，本文参考赵璨等（2020）的研究方法，用固定资产净额、在建工程、无形资产与长期待摊费用之和与资产总额的比值来衡量企业的资产专用性程度。同时，利用均值将样本划分为低资产专用性和高资产专用性两组子样本，以进一步考察数字经济的创新激励效应在不同企业资产专用性下的异同。由表6 第（7）、（8）列的结果可知，在高资产专用性企业中，数字经济发展指数与企业创新在1% 显著性水平下显著正相关。这就意味着数字经济发展能够激发高资产专用性企业采取创新行为，从而带来更高的创新绩效。而由第（5）和（6）列的估计结果可知，DIE 在低资产专用性企业中的估计系数虽然为正，但显著性水平较低，也就是说在低资产专用性企业中，数字经济发展发挥的创新激励效应并没有那么明显。

表6 企业异质性分析的回归结果

（二）行业异质性分析

1.竞争性行业与管制性行业的异质性

行业竞争程度可能会影响行业内上下游企业的外部交易成本（Acemoglu 等，2010），进而影响企业创新。那么数字经济发展对企业的创新激励效应是否会因为行业竞争度的不同而存在显著差异？基于此，本文参考Ke 等（2017）的做法，将全样本企业划分为竞争性和管制性行业企业②具体而言，将证监会2012 版行业分类下行业代码为B、C25、C31、C32、C36、C37、D、E48、G53、G54、G55、G56、I63、I64、K 以及R 的行业定义为管制性行业，其他行业则视为竞争性行业。。表7 的第（1）-（4）列是根据行业特征进行的分样本分析结果。由第（1）和（2）列的结果可知，在竞争性行业中，DIE 的估计系数均在1%显著性水平下显著为正，这说明数字经济发展在竞争性行业企业的创新活动中发挥了积极作用。然而，第（3）和（4）列的估计结果显示，在管制性行业中DIE 的估计系数在统计上并不显著，这就意味着数字经济发展对管制性行业中企业创新的激励效果不明显。可能的原因在于：相较于管制性行业，竞争性行业中的企业面临的外部交易成本较高，而数字经济发展对于交易成本的降低作用在竞争性行业中发挥的效果更为明显。

2.行业ICT 使用强度的异质性

数字经济时代，大数据等要素作为新型的生产要素，对于企业间供应链协同效应产生重要影响，而本质就在于行业的ICT（信息与通讯技术）基础。本文依据2018 年全国投入产出表对各行业的ICT 投入强度进行计算，利用均值划分样本进行异质性分析③根据各行业（基于产品属性，将全国投入产出表的产品归并至2012 年证监会行业分类标准下的行业）所消耗的计算机、通信设备、广播电视设备和雷达及配套设备、视听设备、电子元器件、其他电子设备、电信、广播电视及卫星传输服务、互联网和相关服务、软件服务、信息技术服务等中间投入占其总中间投入的比重计算得出。其中，高ICT 使用强度行业包括文教、工美、体育和娱乐用品制造业，汽车制造业，其他制造业，铁路、船舶、航空航天和其他运输设备制造业，专用设备制造业，通用设备制造业，电气机械和器材制造业，仪器仪表制造业，计算机、通信和其他电子设备制造业；其余为中低ICT 使用强度行业。。表7的第（5）-（8）列是根据ICT 投入强度数值大小将行业划分为两组子样本（高ICT 强度行业和低ICT 强度行业）的分析结果。由表7 的第（5）和（6）列的回归结果可知，低ICT强度组的DIE 回归系数均显著为正；由第（7）和（8）列的估计结果可知，在高ICT 强度行业中，数字经济发展对企业内部创新的促进作用更为明显，但只对内部创新绩效显著。

表7 行业异质性分析的回归结果

（三）区域异质性分析

企业地理位置也是影响数字经济发挥创新激励效应的关键因素。因此，本文借鉴现有研究的一般做法，根据企业注册省份划分为东部与中西部地区、沿海与非沿海地区，然后进行分组异质性分析。表8 列示了企业地理位置影响数字经济发展与企业创新绩效关系的回归结果。从中可以看出，数字经济发展对于东部地区和沿海地区企业的内部创新绩效提升效应更大。因此，在制定相关政策时，应关注区域发展不平衡不充分等发展差距问题，也应考虑不同地区的发展潜力和发展动力，从而形成区域发展合力，把握数字经济发展的重大机遇。

表8 区域异质性分析的回归结果

六、研究结论与政策启示

推动数字经济与实体经济的深度融合，是充分释放数字经济的创新红利并实现企业高质量发展的重要渠道。本文在构建2011-2019 年省级数字经济发展综合指数的基础上，运用面板固定效应模型和中介结构方程模型，实证研究了数字经济发展对上市公司内部创新与合作创新的影响、差异与作用机制问题，得出如下结论：第一，数字经济发展提升了企业的内部创新和合作创新的绩效，但对内部创新的促进作用更大。另外，数字经济的发展并未显著导致企业的策略性创新行为倾向。第二，从影响机制上看，数字经济的发展有利于引发高端人才集聚效应赋能企业创新，同时能够通过“信号驱动”降低环境不确定性，进而促进企业创新发挥内外协同提升效应。第三，在不同类型的企业、不同行业特征以及不同地区之间，数字经济发展对于企业内部创新与合作创新的影响呈现出异质性。

本研究为数字经济发展激励企业创新提供了有利证据，并基于前文的实证分析提出以下政策启示：第一，在数字经济成为推动企业技术创新的新动能的背景下，应该积极推动互联网和大数据等网络经济与实体经济相结合，推进数字中国和智慧社会的建设，特别是加大对5G 技术、人工智能等互联网领域的投资力度，充分释放数字经济的红利以打造“专精特新”的数字化企业。第二，对于高端人力资源供给不够丰富的区域，地方政府可以考虑通过发展数字经济、发挥数字经济的高端人才集聚效应，帮助地方企业破解人才不足的困境，增强企业和区域的创新能力。第三，由于内外部资源要素的差异，数字经济发展对企业创新绩效的影响存在异质性，因此应实施差异化、动态化的数字经济服务策略，同时也要规范数字经济发展，完善数字经济监管治理体系。