工业互联网对企业数字创新的影响——基于倾向得分匹配的双重差分验证

王玉荣，段玉婷，卓苏凡

(对外经济贸易大学 国际商学院，北京 100029)

0 引言

数字化时代，信息技术与产业融合发展，数字创新被视为中国式创新的新机遇[1]。相较于国外，国内关于数字创新的研究处于起步阶段，仅少数学者如余江(2017)、刘洋(2020)等针对数字创新内涵、外延及未来管理理论框架进行探讨，而数字创新路径机制和影响因素等方面的研究仍处于空白。数字创新的核心是充分利用数字基础设施、平台及生态系统，深入挖掘组织内外价值链各环节的数据资源，通过整合外部技术、知识，提升组织运营效率和组织绩效[1,2]。2018年，国务院提出推广工业互联网网络，将加快工业互联网平台建设提升到国家战略高度。2018年6月，工信部发布的《工业互联网发展行动计划(2018—2020年)》，旨在指导我国工业企业完善工业互联网建设，促进行业应用，筑牢实体经济和数字经济发展基础。工业互联网以新一代信息技术为基础，能够促进资源优化配置，强化产业协作，进而促进组织环节配套对接，为数字创新提供可行路径。

近年来，中国工业互联网规模呈现复合增长，尽管具有广阔的市场前景，工业互联网仍面临核心技术不足、发展生态有待完善等问题，部分企业对工业互联网的认识不足导致工业互联网长远发展受到阻碍。面对工业互联网战略地位日益上升与发展受阻间的矛盾，需要重新思考国家工业互联网发展政策的实施效果。工业互联网能否在促进企业实现数字创新方面发挥作用？作用效果如何？在实施创新驱动发展战略，推动中国数字经济发展，实现产业转型升级的迫切需求下，对上述问题的探讨愈发重要。近年来，学者们围绕工业互联网展开了一系列研究，主要聚焦于工业互联网内涵特征和应用发展的定性描述，以及工业互联网平台评价和建设等方面[3,4]。目前，互联网技术与工业深入融合，已经成为促进数字创新的主要因素[5]。工业互联网应用对于企业通过数字创新实现转型升级具有重要作用，而既有研究未对这一途径提供有力的支撑。

鉴于此，为进一步完善现有文献，本文基于中国制造业A股上市公司数据，采用倾向得分匹配与双重差分(PSM-DID)相结合的方法，针对工业互联网如何影响企业数字创新活动进行实证研究，同时基于创新过程，分析工业互联网对企业数字创新影响的动态变化规律。另外，从产权性质及制度环境两个方面对工业互联网的影响进行异质性检验。本文理论贡献在于：系统性地实证研究工业互联网对企业数字创新的影响，从工业互联网角度为企业数字创新活动提供完整的理论分析框架，为中国企业利用工业互联网加快实现数字创新提供新思路。同时，为检验我国工业互联网政策实施效果提供科学的证据，基于异质性检验，深入分析当前工业互联网发展优势与不足，为政府政策制定提供重要的事实依据。

1 研究设计

1.1 理论基础与文献回顾

数字创新是数字时代企业创新发展的重要趋势，近年来，信息技术与产业融合发展进入数字化时代,数字技术向制造业扩散为企业创新创造了更多机会[6,7]。产品与服务形态、企业组织形式以及产业结构发生了较大变化，同时企业经营、合作、竞争模式也发生了深刻变化，有助于企业长期绩效提升[8]。因此，研究数字创新这一主题能够深入理解上述变化的关键特征和发展机制[1]。数字创新概念界定最初由国外学者给出，例如， Boland[9]基于创新过程角度认为，数字化创新是指企业使用新的数字化渠道、工具和相关方法改善企业运营效率,提升企业创新过程绩效； Yoo等[10]、Nylend[11]、Nambisan[12]从创新结果角度给出数字创新的定义，认为数字创新是指企业通过数字化技术在创新过程中的应用，进而产生不同形式的创新成果，包括新产品、新流程、新服务、新平台、新商业模式以及新客户体验等价值路径；Abrell等[13]从综合角度指出，数字创新是指在创新过程中通过使用数字技术生产产品和提供服务的过程,既包括创新过程绩效提升，也包括创新结果产生。基于对数字化创新过程和结果难以分离的认识，应从综合角度全面研究数字创新，但由于数字创新在我国尚未达到成熟阶段，更多的是组织、流程及商业模式的数字化赋能，且数字创新产品难以衡量。因此，本文关注数字技术应用对创新过程的影响。

在新一代信息技术与产业融合发展背景下，竞争和生存压力迫使企业投身于数字创新活动。本文认为，企业利用数字化技术以价值创造为目的的一切活动都是数字创新过程。那么，如何通过数字化技术实现一系列创新成果便成为亟待解决的问题。有学者指出，数字创新的首要条件是要有一个数字化工作场所[14]，可以通过数字技术和关键互补性资源、知识驱动已有创新资源重组[15]，改变企业营销模式、价值链和商业模式等[16]。但在竞争激烈的动态环境中，要想实现效率与成本双赢，闭门造车显然是不可取的。通过寻求外部合作，整合内外部资源，实现产业体系整体创新效率提升和运营成本降低是信息技术革命与产业升级换代引发的业态模式创新。在数字化生态圈建设不完善的情况下，工业互联网作为促进资源优化配置，强化产业协作配套对接的重要载体，为解决这一问题提供了可能。

工业互联网( Industrial Internet of Things,简称为IIOT) 的概念最早由通用电气于2012年提出，并随着美国5家行业龙头企业联手组建工业互联网联盟而得以推广。其涵义是基于物联网( Internet of Things,简称为 IOT)技术，与产业融合产生的新业态[17],本质是通过开放的全球化工业级网络平台，把设备、生产线、工厂、供应商、产品和客户紧密连接起来，高效共享工业经济中的各种要素资源，通过自动化、智能化生产方式，降低成本、提升效率，实现智能制造。开放式创新理论认为，企业可以通过对外界信息、技术、知识的有效选择和获取促进创新[18]，且工业互联网在企业中的应用形式主要表现为工业互联网平台[4]。平台理论认为，平台与参与主体间的相互作用能够实现跨界异质性资源整合[19,20]，深挖工业数据资源价值，构建以数据资源为核心的生产体系，充分发挥数据资源的价值作用[21,22]。习近平总书记在国家大数据战略第二次集体学习时强调，数据是数字经济发展的关键资源，要深入实施工业互联网创新发展战略,系统推进数据资源管理体系建设。因此，无论是国家政策层面还是企业发展层面，都表现出以工业互联网促进数字经济发展的战略需求。

工业互联网应用对企业数字创新发展的影响可以从以下3个层面进行分析：从创新模式层面看，随着移动通信行业兴起，行业内出现纵向和横向整合，能够提供更加复杂的服务形式[23]。例如，定制化服务结合数字化制造与系统集成能够切实推动我国制造业技术进步[24]。工业互联网的应用使经营管理、产品生产、质量保证和用户反馈等各系统间实时交互，实现生产流程数字化可控和柔性化生产，将企业价值创造模式由单纯的产品供给模式转化为“产品+服务”的数字化服务制造模式[3,25-27]，从而促进价值创造。从组织形态看，新古典企业理论认为，受环境影响，企业可以利用具有普遍优势的组织形态获取优势地位。工业时代下，作为市场经济核心主体的企业发生了明显的进化[28]，工业互联网发展可以突破时空束缚，使人与人、人与物、物与物之间的连接方式发生改变，价值链条分散化、价值创造碎片化，企业内部组织结构随之发生改变。组织形态由传统型向智慧型转变，更具开放性和无边界性，进而提升企业经营灵活性，实现企业与市场融合发展[29]。从企业行为层面看，工业互联网发展使企业间的创新合作形式由单链式向集群联盟式、网络式转变，生产方式逐渐碎片化、分散化[30]。通过利用丰富的信息与广泛的资源渠道改变企业创新行为及组织学习形式[31]，充分利用工业互联网平台获得的创新资源实现商业目标[32]，从而促进企业数字创新。

综上分析，工业互联网是帮助企业实现数字创新的有效路径，能够实现组织内部各系统间实时交互和组织间创新资源优化配置，帮助企业改变创新模式、优化组织形态和学习方式，从而促进企业数字创新。

1.2 研究方法

倾向得分匹配—双重差分(PSM-DID)模型设定。首先，为了检验工业互联网对企业数字创新的影响，可以通过比较企业应用工业互联网前后的简单差异(单差法)判断工业互联网对企业数字创新的影响。但在企业应用工业互联网前后，会有其它因素影响企业数字创新，这些因素可能对未应用工业互联网企业的数字创新活动产生影响，而采用单差法并不能将上述因素的影响考虑在内，因而会高估工业互联网应用对企业数字创新的影响。因此，本研究选用更为科学的双重差分方法对工业互联网的影响进行评估，避免其它因素的干扰。

本研究采用双重差分模型 (Difference-in-Differences Model，简称 DID)检验工业互联网应用对企业数字创新的影响。鉴于企业应用工业互联网的时间不同，借鉴刘瑞明、赵仁杰[33]、王康等(2019)的做法，构建双重差分模型如下：

DigitalInnoit=β0+β1IIoT_afterit+γXit+λi+εit

(1)

其中，DigitalInnoit表示被解释变量企业数字创新；IIoT_afterit为企业是否应用工业互联网的哑变量，是本研究的核心解释变量；β1是本文最关心的参数，表示工业互联网对企业数字创新的实际影响；β1>0表示工业互联网可以促进企业数字创新，反之则抑制企业数字创新；Xit代表企业规模、年龄、研发投入、是否为国有企业等控制变量；λi代表个体效应；εit代表随机扰动项。

运用DID方法需满足处理组和控制组具有共同趋势这一重要前提假设,即采用工业互联网战略的企业与未采用工业互联网战略的企业相比，在均未采用工业互联网战略的情况下，两者数字创新发展趋势随时间推移并不存在系统性差异。然而在现实中,受其它因素影响，这一假定条件往往无法满足。因此，本文采用基于反事实推断模型的倾向得分匹配双重差分法PSM-DID (Propensity Score Matching-Difference-in-Differences) 检验工业互联网战略的净效应,控制不可观测但不随时间变化的组间差异。借鉴Leuven&Sianesi[35]提出的最近邻匹配算法(本文匹配比例为1∶1)，降低企业间在工业互联网应用前的差异，通过合并各年匹配后的数据形成本文倾向得分匹配的基础数据集,再通过DID方法进行估计，得出的估计结果就是工业互联网对企业数字创新的净影响。

1.3 变量选取与测量

1.3.1 被解释变量

本研究的因变量为企业数字创新。对于企业数字创新活动的衡量，现有文献尚未给出统一度量方式，大多是对数字创新概念及内涵的定性描述，少部分学者采用量表方式从基于数字技术的产品、服务或解决方案等方面进行衡量[35]，但此种衡量方式更多涉及数字创新过程末端的绩效表征，且数据获取难度大，限制了新产品相关数据在科学研究中的运用。根据数字创新概念内涵，数字创新除表征数字技术对创新结果的影响外，还包含对创新过程的影响。根据中国实际情况，数字创新活动更多地反映在整个企业创新过程中。因此，本研究参考Zheng&Dong[36]基于情景理论的数字创新度量方式，通过衡量一定时期内企业数字创新情景构建程度，反映该时期内企业数字创新活动情况，具体测量方式如下：首先，确定体现企业场景数字化的关键词，包括数字化、信息化、平台化、制造服务、O2O、B2C、线上线下、数字化经济、数字革命、网络经济、工业互联网和大数据等；其次，使用软件Python3.7对年报进行文本处理，统计关键词出现频次，参照Muslu等[37]的研究成果，使用年报中数字化类相关关键词数占年报全文字数的比例衡量,同时使用关键词个数值进行稳健性检验。

为使研究结果更加稳健，同时进一步丰富研究内容，本文设置同样能够反映数字创新活动的两个指标，即研发投入强度和发明专利申请。研发投入和专利产出数据是衡量企业创新的常用指标，但由于数字技术赋能数字创新过程中具有难以剥离的性质，因而无法获取专项研发投入及产出数据。以往研究显示，研发投入是企业创新的重要基础前提，研发投入不足会直接影响数字经济创新发展[38]。同时有研究指出，企业数字化发展能够显著提高企业可持续创新绩效[36]。因此，研发投入与专利产出数据在一定程度上能够表征企业数字创新。本研究中，研发投入强度采用企业每年研发投入金额占营业收入的百分比表示；发明专利具有较高的技术含量和创新价值，采用企业每年申请的发明专利数取对数表示。不仅如此，选用上述两个指标可以将研发投入强度、数字创新情景构建、发明专利申请3个指标与创新投入产出的整个过程加以对应，能够从更广的视角揭示工业互联网对企业数字创新影响的演进规律。

1.3.2 解释变量

本研究主要解释变量为企业是否应用工业互联网的哑变量。参照汪芳等[39]的做法，对企业年报、社会责任报告中的关键词“工业互联网”“IIoT”“工业物联网”“工业4.0”进行搜索，再对提及该关键词的企业年报中工业互联网相关项目情况作进一步确认，判别其是否有实质性投资与改造，进而确认企业是否应用工业互联网，若企业应用工业互联网则取值为 1，未应用工业互联网则取值为0，包括企业应用工业互联网之前以及一直未应用工业互联网，均取值为0。

此外，为排除其它因素对研究结果的影响，根据企业创新理论并借鉴已有研究的做法，本研究设置以下控制变量，包括企业规模、年龄、研发投入、所有权性质以及制度环境。企业规模以当年年初总资产规模取对数表示；年龄以当年减去企业成立时间表示；研发投入以企业当年投入的平均研发支出的自然对数表示；所有权性质以国有企业、民营企业设置哑变量进行衡量，国有企业取值为1，民营企业取值为0。借鉴王小鲁[40]最新编制的《中国分省份市场化指数报告(2018)》，将制度环境设为虚拟变量,当企业本年度所在地区市场化指数大于所有地区市场化指数均值时取1,否则取0。该报告的数据时间截至2016年，由于各地区市场化指数随时间推移变化不大，故2017—2019年数据可以根据历史数据进行时间序列预算得出。

表1 部分变量定义Tab.1 Partial variable definitions

1.4 数据来源与样本

本文基础数据来源于中国制造业A股上市公司公开发布的年度报告，选择制造业的原因在于，制造业是创新最活跃、成果最丰富的领域，也是工业互联网应用的核心主体。同时，中国制造业能够利用工业互联网汇聚各地信息，实现需求精准匹配，从而有效提高生产效率。因此，选择中国制造业作为典型样本，可为工业互联网对企业数字创新的影响研究提供理想的环境。本研究收集2013—2019年数据，是由于在2013年之前中国工业互联网应用较少，2013年之后才进入全面爆发期。基于DID研究方法的应用条件，本研究剔除2013年及以前应用工业互联网的企业，选择2014—2019年应用工业互联网的企业，并剔除非营业状态企业，最终经过清洗和剔除后，共得到 2013—2019 年 10 346个企业样本(企业—年份观测)，包括 2 226个实施工业互联网战略的企业样本和8 120 个未实施工业互联网战略的企业样本。

通过倾向得分匹配，对各年进行平衡性检验，结果显示，实验组和控制组企业样本在各变量上不再具有显著差异，匹配效果较好。图1为匹配前后实验组和控制组的企业倾向得分分布情况(核密度曲线),横轴表示倾向得分值，纵轴表示概率密度。图1(a)表示匹配前两组企业倾向得分分布情况，可以看出，匹配前实验组和控制组企业倾向得分存在显著差异，说明对于全体样本企业而言，选择工业互联网并不是完全随机的，故对其进行倾向得分匹配是必要的；图1(b)为匹配后两组企业倾向得分分布情况，匹配后两组企业倾向得分分布曲线近乎重合，即两组企业得分高度接近，说明倾向得分匹配明显修正了两组得分偏差，匹配效果比较理想，可较好地解决样本自选择问题所导致的估计偏差问题。

图1 倾向得分概率分布Fig.1 Probability distribution of propensity score

2 实证研究结果

2.1 描述性统计及相关系数分析

表2为本研究主要变量描述性统计及相关性分析结果。企业数字创新均值为0.554 8，标准差为0.859 1，呈右偏分布特征，表明整体上中国制造企业数字创新情况较少，符合当前中国企业情景。工业互联网的均值为0.069，标准差为0.254，呈现右偏分布特征，表明当前中国制造企业工业互联网应用普遍度较低，与一般市场规律相符合。研发投入均值为17.191，标准差为3.983，呈现左偏分布，表明近年来中国制造业研发投入普遍提高，符合当前中国市场情景。同时，从相关系数可以看出，工业互联网、产权性质、企业研发投入与规模均与企业数字创新具有较强的相关关系，初步支持本文理论推断。另外，根据实验组与对照组数据，绘制企业数字创新核密度曲线图(见图2)。从图2可以看出，相对于未应用工业互联网的企业，应用工业互联网的企业会表现出更高的数字创新水平，从侧面支持本研究的理论判断。进一步地，通过回归分析控制其它相关变量以排除其它因素的影响，进而检验工业互联网对企业数字创新的作用。

表2 描述性统计及相关性分析结果Tab.2 Descriptive statistics and correlation analysis results

图2 应用与未应用工业互联网企业的数字创新核密度曲线Fig.2 Core density curve of digital innovation of enterprises applying and not applying industrial Internet

2.2 基准回归分析

因变量数字创新的衡量方法使其取值介于0～1之间，数据被限制在特定区间内,属于截断问题。因此，本文采用面板Tobit进行回归，结果如表3所示。模型1、3、5采用DID方法进行回归，模型2、4、6采用PSM-DID方法进行回归，模型1～2仅包括控制变量，模型3～4仅包括主效应，模型5～6包括主效应及控制变量。由模型1～2的回归结果可以看出，基本上控制变量均与因变量企业数字创新具有显著相关关系。从模型3～4主效应回归结果可以看出，工业互联网的DID回归系数为0.755 2，PSM-DID回归系数为0.737 0，均为正且在1%的水平上显著，表明在不控制其它因素的情况下，工业互联网对企业数字创新具有显著促进作用。模型5～6在控制一系列干扰因素的情况下，工业互联网的DID回归系数为0.540 8，PSM-DID回归系数为0.506 3，仍显著为正。因此，无论是采用DID方法还是 PSM-DID 方法，无论排除干扰因素与否，结果均表明，应用工业互联网的企业都表现出更高的数字创新水平，即工业互联网能够显著促进企业数字创新。

表3 基准回归结果Tab.3 Benchmark regression results

2.3 稳健性检验

除采用DID和PSM-DID两种方法外，本研究通过替代被解释变量进行稳健性检验。首先，直接采用企业年报中数字化相关关键词个数衡量数字创新，由于采用该方法会导致因变量取值为非负整数，故采用负二项回归方法进行检验，运行结果依然显著，如模型7～8所示。其次，除数字创新情景构建外，创新投入及产出也是企业数字创新活动的重要衡量指标。因此，可基于整个数字创新过程，分析工业互联网影响的动态变化。

(1)考察工业互联网对企业数字创新初始阶段投入活动的影响，采用企业研发投入强度，即研发投入金额占营业收入的百分比作为代理因变量进行回归分析，结果如表4中模型9～10所示。可以看出，DID和PSM-DID两种方法下工业互联网的系数(1.040 6、0.961 6)均在1%的水平上显著为正，说明工业互联网应用能够促进企业创新投入增加，可以为企业实现数字创新提供良好的基础。

(2)考察工业互联网对企业数字创新产出阶段的影响，采用发明专利作为代理因变量，由于专利的时滞性，本研究将发明专利分别滞后一年和两年，因专利数取值为非负整数，故采用负二项回归方法进行检验，回归结果如表4中模型11～14所示。从表4可以看出，无论是采用DID方法还是PSM-DID方法，无论是滞后一期还是两期，工业互联网的回归系数(0.162 4、0.156 6、0.268 2、0.303 0)均显著为正，说明工业互联网应用能够明显促进企业数字创新产出。

分析表3与表4发现，研发投入、数字创新情景构建、发明专利申请对应数字创新投入产出的整个过程。可以看出，工业互联网应用对企业数字创新过程具有显著促进作用。但对比各阶段系数发现，研发投入强度对应的系数大于数字创新情景构建程度对应的系数，也大于发明专利申请对应的系数，即工业互联网对于创新投入端的影响大于创新产出端。换句话说，随着创新过程推进，工业互联网的影响呈逐渐递减趋势。原因可能在于，工业互联网的作用是帮助企业整合资源，改变企业行为，进而促进企业创新模式转变，通过对企业一系列创新初始条件的培育以及创新过程的优化促进企业数字创新[3,26,41]，同时，随着企业数字创新过程推进，其影响因素越来越复杂，在一定程度上会弱化工业互联网的作用，因而使工业互联网对创新初始阶段的影响更显著。

表4 稳健性检验结果Tab.4 Robustness test results

2.4 异质性检验

2.4.1 所有制性质

研究表明，企业异质性特征往往会对企业创新活动产生重要影响。那么在企业异质性的影响下，工业互联网对企业数字创新的促进效应是否仍是简单的线性影响？任力[42]指出，相对于国有企业,民营企业特别是民营中小企业信息获取能力较差,在国内外竞争激烈的市场环境下,民营企业可以利用工业互联网促进自身生产能力与发展能力提升。根据企业所有制特征将企业分为国营企业与民营企业，分组检验结果如表5所示。无论是采用DID方法还是 PSM-DID 方法，国有企业与民营企业的工业互联网系数均在1%的水平上显著为正，且国有企业系数小于民营企业(DID方法：国有企业系数为0.532 6，民营企业系数为0.549 4；PSM-DID方法：国有企业系数为0.502 4，民营企业系数为0.510 8)。分别对两种方法的回归结果进行Chow检验，结果表明，两组系数存在显著性差异。这说明相对于国营企业，民营企业利用工业互联网更能促进自身数字创新水平提升。近年来有数据显示，虽然国有企业具有政策环境优势，但随着国有企业改革加快，其数量逐渐减少，在专利申请方面并没有表现出明显优势，而相对于国有企业，民营企业对创新的关注更多[43]。由于知识溢出，与相同规模的国有企业相比，民营企业研发效率更高，会表现出更强的技术创新能力[44]。因此，民营企业更能充分利用工业互联网提高自身数字创新能力。

表5 所有制性质检验结果Tab.5 Ownership property test results

2.4.2 制度环境

众多研究表明，企业所处的制度环境会对其创新活动产生重要影响。良好的制度环境能够为工业互联网作用的发挥提供保障，从而提升企业创新收益[45,46]。如前文所述,本研究借鉴王小鲁[40]最新编制的《中国分省份市场化指数报告(2018)》，以制度环境作为虚拟变量进行分组检验，结果如表6所示。无论是采用DID方法还是 PSM-DID 方法，无论所在地区制度环境是否完善，工业互联网的系数均在1%水平上显著为正，但制度环境完善地区企业的工业互联网系数要大于制度环境较差地区企业(DID方法：高制度环境系数为0.563 8，低制度环境系数为0.430 7；PSM-DID方法：高制度环境系数为0.519 1，低制度环境系数为0.411 8)。分别对采用两种方法的回归结果进行Chow检验，结果表明，两组系数存在显著性差异。这说明相对于制度环境较差地区企业，制度环境完善地区企业应用工业互联网更能促进自身数字创新水平。原因在于，完善的制度环境能够为企业创新活动及创新成果提供保护，同时政策制度支持可以激励企业进行各种创新活动。反之，制度环境较差，企业创新活动会受创新成本及风险的影响，从而降低企业开展创新活动的积极性和主观意愿(杨震宁、赵红，2020)。因此，制度环境完善地区更有利于企业通过工业互联网促进自身数字创新。

表6 制度环境检验结果Tab.6 Institutional environment test results

3 结语

3.1 结论

工业互联网是制造业转型的重要驱动力，其应用和推广是国家为了促进制造业体系与服务业体系再造而采取的重要举措。经过发展，工业互联网已初具规模，现阶段已深入贯彻至制造业数字创新过程中。如何准确认知和评价工业互联网对企业数字创新的作用是当前人们关注的重点问题。本文利用2013—2019年中国制造业A股上市公司面板数据，采用双重差分(DID)以及倾向得分匹配-双重差分法(PSM-DID)对工业互联网能否促进企业数字创新进行研究。

研究表明，无论是采用DID方法还是PSM-DID方法，工业互联网应用能够显著促进企业数字创新。同时，基于数字创新过程，采用研发投入强度、发明专利申请作为数字创新初始阶段和产出阶段的代理因变量，检验证实工业互联网的促进作用，但3个因变量对应系数间存在差异，而且工业互联网对创新投入端的影响大于创新产出端，即随着创新过程推进，工业互联网的影响逐渐降低。基于企业间异质性特征，按照所有权性质和制度环境进行分组检验，所有权性质检验结果表明，相对于国营企业，民营企业应用工业互联网后会表现出更高的数字创新水平；制度环境检验结果表明，相对于制度环境较差地区企业，制度环境完善地区企业应用工业互联网后表现出更高的数字创新水平。

3.2 启示

(1)企业实现数字创新过程需要一个数字化工作场所，除引进数字化技术外，还需要与外部环境和其它组织协调合作。企业可以将工业互联网作为实现数字创新的重要载体，因为在高强度竞争环境下，企业难以独立完成具有竞争力的价值创造，而以工业互联网为代表、以平台为核心的跨组织网络合作形式可以成为企业现实选择。

(2)工业互联网可以通过对企业创新初始条件的培育以及对创新过程的优化促进其实现数字创新，故管理者需要根据创新业务阶段，采取相应的战略和管理行为，发挥研发投入的正向影响，从而增加数字创新活动产出。

(3)除企业自身创新环境外，政府部门需要营造有利于企业创新活动的制度环境。完善的制度环境不仅能够增强企业创新的积极性和主观意愿，而且能够在一定程度上确保企业业务价值实现。

3.3 不足与展望

本研究存在以下局限性：首先，在数字创新变量测量上采用数字创新情景构建程度进行度量，侧重数字创新过程的中间阶段，而对于产出阶段，采用发明专利申请加以度量。相比之下，采用数字创新产品产值衡量更加准确客观。因此，未来可进一步收集数字创新产品相关数据进行检验。其次，仅探讨工业互联网应用与企业数字创新间的关系，虽证实工业互联网对企业数字创新具有促进作用，但未就这一过程的影响机制和路径进行深入分析。因此，未来可结合中国制造业数据作进一步探讨。最后，在异质性特征方面未对中国制造业样本进行行业区分。有研究表明，技术密集型制造业与劳动密集型制造业在创新能力和结构升级上存在差异[47]。因此，未来可针对技术密集型制造业和劳动密集型制造业，就工业互联网与企业数字创新之间的关系进行深入研究。