区域数字经济发展与企业技术创新
——来自A股上市公司的经验证据
2022-09-22彭硕毅张营营
一、引 言
党的十九届五中全会强调，要“坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑”。在创新驱动高质量发展的过程中，企业无疑扮演着重要角色。已有研究发现，企业技术创新活动是内生技术进步推动经济增长的关键环节
，对实现经济高质量内涵式发展具有重要影响。因此，如何有效提升企业技术创新水平成为学术界关注的焦点问题。值得注意的是，近年来伴随新一代数字技术的群体性突破，由其与实体经济融合形成的数字经济正在深刻改变企业的创新活动。数字经济的出现不但重塑了传统创新活动的资源配置方式和组织形式，而且对企业技术创新能力产生了多维度的影响
。由此产生的疑问是：作为当前数字经济发展程度位居全球前列的国家，我国数字经济是否明显推动了企业技术创新水平的提升？能否成为加快实现科技自立自强的新动力？如果答案是肯定的，那么数字经济促进企业技术创新的可能机制又是怎样的？对上述问题的解答，不仅能丰富对数字经济发展如何影响微观主体创新行为的认识，也为全面建设现代化背景下创新驱动发展战略的深入实施提供依据。
在现有数字经济与企业创新关系的研究中，学者们主要从数字技术应用和企业数字化转型的视角出发，探讨数字经济对企业创新过程及结果的影响，部分文献关注到数字技术应用对企业创新活动产生的积极作用。Lyytinen等(2016)指出数字技术应用不仅能提高创新网络的连通性，而且可通过重新分配控制及增加跨时间和空间知识协调需求扩展现有的创新网络，加速知识的创造和整合
。Tan和Zhan(2017)发现数字技术应用于企业创新过程使企业大幅缩短产品的上市时间，增加新产品的消费者认可度并减少研发成本
。肖静华等(2020)的研究显示，数字技术使消费者通过用户数据化参与到企业的研发活动中，有助于减少企业研发决策的主观性，促进企业研发创新
。与此同时，另一部分文献着重考察了企业数字化转型的创新效益。Ferreira等(2019)对938家企业的抽样调查分析显示，数字化转型有助于提升企业的创新水平，而管理者特征对企业数字化有着重要影响
。王文娜等(2020)研究发现制造业企业研发部门的互联网化转型显著提升了开放式创新对企业创新的促进作用
。沈国兵和袁征宇(2020)的研究也表明企业互联网转型有助于提升创新产出，且该创新促进效应具有“普惠式”特征
。总体来看，已有研究就具体数字技术应用对企业创新的影响进行了较多探索，但鲜有文献对区域数字经济发展在企业层面的创新激励效应展开研究。事实上，数字经济具有高度的渗透性、融合性及生成性，已影响到社会经济生活的各个方面，其对企业技术创新活动的影响也不只局限于具体数字技术的应用，需从更为宏观的层面出发才能对数字经济的企业创新促进效应有更为全面的认知。
鉴于此，本文在综合测度省级层面数字经济发展指数的基础上，结合A股上市公司的相关数据，深入考察和探究数字经济发展对企业技术创新的影响效应及机制。与既有文献相比，本文可能的贡献在于：第一，从企业创新数量和质量的双重维度出发，分析区域数字经济发展与企业技术创新之间的关系，为数字经济成为新时代背景下企业技术创新水平提升的新动力提供经验证据；第二，运用递归模型验证区域数字经济发展如何通过创新协同效应和技术吸收效应推动企业技术创新，从而加深对数字经济影响企业技术创新内在机理的认识；第三，进一步考察数字经济对不同产权属性、不同行业属性及不同技术属性企业技术创新活动的影响是否存在差异，为地方政府根据企业特征设计具有针对性的政策措施提供有益参考。
为了展示来自不同部位骨髓的白细胞的影响，赫利森和她的同事研发了一种新的方法。她说：“我们发明了一种专门研究胫骨骨髓和颅骨骨髓功能的技术。这有点像文身技术。”赫利森和她的团队选择患有中风或脑膜炎的小鼠，这些疾病会引发它们严重的炎症反应。他们在小鼠身上注射了一种荧光绿色追踪器，它会附在对腿部骨髓青睐的白细胞上，他们还在小鼠的颅骨骨髓中注射了一种荧光红色追踪器。结果，在脑膜中，颅骨骨髓里的红细胞数量比来自腿骨骨髓的要多。
(6)环境重建指标。环境重建指标是绿色矿山建设中不可忽略的评价指标，环境重建指标中要求企业在矿山开采过程中制定合理的环境管理方案，以防企业再走先污染后治理的老路。根据相关规定，环境重建指标所占的费用应占到矿山企业年销售额的2%以上。
二、理论分析与研究假设
(一)数字经济推动企业技术创新的直接效应
创新活动高投入、高风险、长周期、投资不可逆等特点使企业创新产出及潜在收益面临较高的成本和不确定性
，成为制约企业创新能力提升的关键因素。在数字经济中，通过对海量数据的转换和处理，数字技术在虚拟空间中实现了对现实物质世界的映射和再建构
，这使其可使用虚拟算法在数字空间中全方位改进现实世界的创新活动，进而有效降低创新成本，减少创新收益的不确定性，直接激励企业开展研发创新活动。
目前来看，我国再生资源回收利用主要品种回收率基本低于60%，与发达国家80%以上的回收率相比仍存在较大差距，再生资源产业产值提升空间较大。2017年再生资源回收量实现2.82亿吨，同比增长10.16%，回收总值达到7551亿元，同比增长27.91%，主要原因是国际期货市场钢铁、有色金属等原料价格持续上升，叠加供给侧改革和去产能等政策推动，再生资源回收实现量价齐升。随着再生资源回收增长缓慢趋势的持续改善，行业将逐步走出效益低迷态势。预测后十三五时期，再生资源回收体系制度将逐步完善，市场化程度也将逐步提高，行业有望延续景气度。
2
数字经济发展程度。目前，对数字经济的测度还缺乏统一标准，已有文献主要从两个视角测算数字经济发展程度：一是从数字经济发展基础和应用维度的测度；二是基于数字产业化和产业数字化维度的测度
。考虑到当前从数字经济发展基础和应用程度出发对数字经济进行的测度相对较多，且指标不同维度之间的边界也相对明晰，因而本文也基于该视角测算中国省级数字经济指数。
在机械手设计中，通常既要满足任务要求，保证轨迹的平滑，又要降低机械手的惯性力，即降低机构的加速度。为了综合权重机械手的完成任务能力和减小惯性力，该项目采用ASA自适应模拟退火算法对机械手构件尺寸进行优化，此算法具有优良的全局求解能力和计算效率，可有效找到合理的参数。
其次，数字经济发展提升了企业的需求感知并驱动其创新模式优化，有助于减少创新收益的不确定性。一方面，数字经济发展大幅拓展了企业信息获取能力，提升企业对消费者需求把握的精确度。企业利用大数据分析消费者的显性需求，也采用机器学习和数据挖掘等手段发现消费者的潜在需求。这有利于企业针对消费者的最终需求有效开展创新活动，从而降低由创新方向偏差带来的收益不确定性。另一方面，数字时代的消费者需求呈现高度易变特征，产品在时间维度的价值日益凸显，企业通常不会等到产品功能完美才推向市场，而是先推出具有基本功能的产品后再对其进行持续改进
。这使企业创新模式向迭代式转变，研发活动的成果能更为迅捷地转化为不同版本的产品，进而减少由于研发成果转化时滞带来的创新收益不确定性。基于上述分析，本文提出假说1：数字经济发展对企业技术创新水平提升具有直接促进效应。
(二)数字经济促进企业技术创新的间接效应
技术创新活动是对未知领域的探索，其实质是通过重构、整合、变革现有知识和要素的组合，以生成全新的、更为复杂的知识和要素组合的过程。在创新过程中，外部创新主体的异质性知识对企业创新活动至关重要。Akcigit等(2018)曾指出创新的质量很大程度上依赖于创新主体与外界交换知识及想法的效率
。数字经济不仅能直接优化企业创新过程，而且通过创新协同效应和技术吸收效应增强企业对外部异质性知识的获取和吸收，进而推动企业创新水平提升。
首先，数字经济对企业创新协同的促进作用有助于提高企业技术创新水平。创新生态系统观认为企业的技术创新依赖于其所处创新生态中异质性创新主体间的多边协作
。通过协同创新或合作研发，企业在获得创新所需的外部资源和知识、提升创新效率的同时
，也有效分担了创新活动的资源投入和风险，从而有利于创新活动的开展。而数字经济发展带来的创新资源配置和组织模式革新对企业的创新协同程度会产生重要影响。一方面，数字经济发展使互联网平台成为创新主体和资源进行匹配的重要场所，平台高度连通的特征加速了创新资源的虚拟集聚和自由流动
，打破时空和企业组织边界限制，改变企业创新资源的接入和组合形式，从而有助于企业构筑分布式的创新模式，通过隐性契约等形式与其他创新主体展开更为广泛的合作
。另一方面，数字经济发展降低了信息搜寻、复制、验证、追踪等方面的成本
，减缓创新协作过程中企业与其他创新主体间的信息不对称，同时也为企业提供了便捷的搜索工具和开源软件，可有效降低创新主体间的协作成本，提升不同主体的创新协作意愿，进而有利于内外部创新协同程度的提升。由此可见，数字经济的发展可能通过提升创新协同程度促进企业技术创新。
其次，数字经济对企业技术吸收能力的提升效应也可能提高企业技术创新水平。已有研究表明，企业利用外部异质性知识进行创新不仅需要多元创新主体的合作和协同，也有赖于企业自身的技术吸收能力
。而数字经济可能从两个方面影响和改变企业的技术吸收能力：一是数字经济发展有助于提升企业创新网络的连接规模和强度，扩大企业创新所需互补资源的获取范围，帮助企业积累隐性知识
，进而丰富自身的知识资源多样性，缩短技术认知距离，降低异质性知识的吸收阻力
，促进其技术吸收能力提高；二是数字经济驱动的商业模式变革使企业组织形式由科层制向网格制转变
，网格组织呈现扁平化的特点，组织柔性和适应性明显增强，不仅深化了企业内部在产品供给侧的分工，而且具有平等开放的组织文化氛围，有利于形成共享开放的创新价值观念，从而有助于外部知识的吸收转化。由此可推知，数字经济的发展也可能通过增强企业技术吸收能力推动其技术创新水平提高。基于上述分析，本文提出假说2a：数字经济通过创新协同效应间接推动企业技术创新水平提升；假说2b：数字经济通过技术吸收效应间接推动企业技术创新水平提升。
三、研究设计
(一)样本选择与数据来源
本文以2013—2019年沪深A股上市公司为初始样本，参照已有文献的普遍做法，现对初始样本做如下的处理：(1)剔除样本期内主要变量数据缺失的上市公司；(2)剔除样本期内IPO上市公司的当年观测值；(3)剔除金融类上市公司；(4)剔除样本期内被特殊处理和退市的上市公司；(5)对所有连续变量在1%和99%的水平上进行双侧缩尾处理。上市公司的数据来自CSMAR、WIND和CNRDS等数据库。省级数字经济发展程度指标测算的原始数据来自CNNIC的《中国互联网络发展状况统计报告》、国家统计局网站、《数字普惠金融指数》(由北京大学发布)及CNRDS数据库，由于西藏的数据缺失严重，本文对其进行剔除。
(二)实证模型
为考察地区数字经济与企业创新之间的关系，本文参考相关研究的做法并构建如下的实证模型
：
通过对比表2的(1)与(3)列、(2)与(4)列中
的系数发现，数字经济对国有企业和民营企业的创新推动效应具有差异性。数字经济发展程度上升时，国有企业的创新数量和质量均得到了更大幅度的提升。一方面，可能与国有企业在创新资源方面的优势有关。在我国的制度环境下，国有企业在经营稳健性、内外部资金充裕度、研发人员稳定性、产学研合作等方面相对于民营企业具有独到优势，总体上对创新风险的承受能力更强，因而更有条件和能力利用数字经济发展带来的创新机遇开展创新活动。另一方面，也可能与国有企业承担的政策性目标有关。近年来，国家大力推动数字经济发展，深入实施“数字中国”战略，地方配套政策也不断涌现，肩负政策性目标的国有企业可能更快地响应产业数字化转型的相关政策，因而更明显地受益于数字经济带来的创新促进效应。
(1)
其中，下标
、
、
分别表示省份、企业、年份；被解释变量
为企业技术创新水平，其代理指标包括数量和质量两个方面；核心解释变量
为各省份在样本期内的数字经济发展程度指数；
为控制变量集合，本文主要从企业和区域两个层面选取控制变量；
和
分别表示行业和时间层面的固定效应，
为服从i.i.d分布的随机扰动项。
(三)变量选择
1
企业创新数量和质量。本文借鉴权小锋等(2020)和诸竹君等(2020)的处理思路
，从创新产出的数量(
)和质量(
)两个维度来衡量企业技术创新水平。由于专利申请相对于专利授权能更为准确地反映创新产出的真实时间点，我们选取企业当年的专利申请数来衡量企业的创新数量，对其加1并取对数后纳入回归方程。同时，使用企业当年的专利被引数来衡量企业的创新质量。鉴于专利被引中存在专利自引和右侧时间截断等特征，我们剔除企业当年专利自引数并参照Hall等(2001)的方法
，采用企业专利他引数除以其所在行业平均专利他引数来调整时间截断误差，对其加1并取对数后作为创新质量的代理变量。
首先，数字经济发展加速了数字技术在创新活动中的渗透和应用，为企业创新提供更为高效的通用技术工具，有利于改进传统创新流程，降低创新成本。比如，数字仿真和数字孪生等技术不仅打破了物理空间对研发环境的限制，通过镜像建构和模拟极端场景扩大研发试错的潜在范围，帮助企业发现更优的研发设计方案，还以“虚拟试错”代替“现实试错”，有效降低创新过程中的试错择优成本。同时，物联网和人工智能等数字技术群簇的联合应用还会产生替代优化效应，以物与物之间的信息共享和协作代替研发人员的简单重复操作并智能规避不必要的试错过程
，从而使研发人员更为专注高维研发工作，形成更多的高质量研发产出。
1.稳健性检验。本文从四个方面展开稳健性检验。首先，使用企业当年专利授权数和发明专利申请占全部专利的比重替代原有指标来重新衡量企业创新的数量和质量，并将其作为被解释变量对基准回归结果进行再次验证(回归结果见表5的(1)和(2)列)。
具体而言，在发展基础方面，由于数字经济发展既需要网络和通信等数字基础设施支持，也需要信息传输、软件等数字经济赋能产业推动，二者共同构成了数字经济发展基础。本文综合省级数据的可得性并参照已有研究的做法，选取互联网接入端口数、IPV4地址数、移动电话交换机数量、光缆线路长度4项指标表征各省的网络和通信等支持数字经济发展的基础设施水平，信息传输和计算机服务及软件业固定资产投资、信息传输和软件及信息技术服务业就业人员、软件业务收入3项指标反映各省数字经济赋能产业发展水平。在数字经济应用程度方面，本文选取企业拥有网站数、有电子商务交易活动企业数、移动电话普及率和数字金融发展指数4项指标对企业和个人的数字经济应用水平予以表征。在测度方法上，本文使用全局主成分分析法(GPCA)对上述11项指标降维和合成。在对全部指标进行无量纲化处理后，样本观测数据的KMO检验值为0
8184，表明数据适于进行主成分分析。随后，以主成分累计方差贡献率大于80
选择因子个数，合成得到综合指数，参照吴赢和张翼(2021)的研究对综合指数进行对数化处理，进而得到本文使用的核心解释变量
。
3
控制变量。参考已有企业创新的相关研究，本文控制企业和区域两个层面可能影响企业创新的相关变量。在企业层面，主要包括：(1)企业规模(
)，采用企业员工数的对数值衡量；(2)企业年龄(
)，采用企业存续时间的对数值表示；(3)第一大股东持股比例(
1)，以企业第一大股东持股数量占比衡量；(4)现金持有量(
)，采用期末现金及等价物余额的对数值衡量；(5)净利润增长率(
)，使用企业本年净利润相对于上一年的增长幅度衡量；(6)资产负债率(
)，使用企业负债总额与资本总额的比重衡量。在区域层面，主要包括：(1)经济发展水平(
)，使用各省当年人均GDP的对数值衡量；(2)产业结构水平(
)，以各省第三产业与第二产业的产值之比衡量；(3)政府科技支持(
)，采用政府科技支出在一般预算支出中的比重衡量。
表3的结果表明，数字经济显著提升了制造业企业的创新数量和质量，对非制造业企业创新水平则未能产生显著影响。这可能与不同行业企业经营活动对技术创新的依赖度差异有关。前文的相关数据显示，样本期内A股上市的制造业企业不仅拥有明显高于其他行业的研发投入强度，而且贡献了超过七成的创新产出，表明制造业企业生产经营对创新活动具有更高的依赖性。随着行业数字经济渗透率的提升，新一代数字技术对企业生产、研发、营销和管理等环节的改造和提升为其带来更为明显的创新促进效应。
四、数字经济影响企业技术创新的实证分析
(一)基准回归结果
再次，鉴于作为因变量的专利数据具有明显的以零值为界限的左侧断尾特征，使用受限因变量的Tobit回归进行方法变换的稳健性检验(回归结果见表6的(1)和(2)列)。
(二)分样本异质性回归结果
1.产权属性。产权属性是影响企业创新行为的重要因素，不同所有制企业的经营目标和经营环境存在显著差异，使其创新活动呈现不同的特征。为考察其异质性，本文按照A股上市公司实际控制人的所有制属性，将样本中的国有企业和民营企业进行分组回归。
=
+
+
+
+
+
2.行业属性。不同行业企业的要素投入、产品特性和资本结构均存在显著差异，不仅会影响企业技术创新水平，也可能使数字经济的创新促进效应存在行业差别。本文按照中国证监会《上市公司行业分类指引(2012年版)》，将全样本划分为制造业和非制造业，以考察数字经济对不同行业企业创新的差异化影响。
2.1 一般资料及手术资料 术后1年内，357例患者中，7例患者失访，剩余350例患者纳入研究。350例患者中，男274例，女76例；年龄34-83岁，平均（63.5±2.7）岁；病程 8 个月-36 个月，平均（15.3±0.5）个月；行急诊经皮冠状动脉介入治疗108例，行择期治疗242例；植入支架类型：同心Partner血管内药物洗脱支架131例，爱立TIVOLI药物洗脱冠脉支架116例，Jirelird2冠脉雷帕霉素洗脱钴基合金支架103例。
工科院校科学规范、周密细致、合理可行的培训方案是新教师培训动机产生的直接诱因。工科院校的培训方案有必要向新教师广泛宣传，让新教师理解、认同、接纳，以增强这一直接诱因的强度。
3.技术属性。企业的技术属性也可能影响数字经济创新促进效应的大小。为考察该影响，本文参照彭红星和毛新述(2017)的做法
，将全样本划分为高技术企业和非高技术企业(回归结果见表4所示)。
表4显示，数字经济对不同技术属性企业的不同维度创新活动具有差异化的促进作用。数字经济在创新数量增长上对非高技术企业的积极影响更为明显，呈现一定的“技术追赶效应”，因而有助于缩小不同技术属性企业间的创新差距。与此同时，数字经济对高技术企业创新质量提升的影响则更为突出。产生这种差异的可能原因在于：一方面，高技术企业自身的技术水平较高，与所在领域技术前沿面的距离更近，其创新活动具有更强的原创性和探索性，创新成果产出的难度相对更大；另一方面，高技术企业的技术接受度更高，较早受数字经济发展的影响，数字经济带来的全面性创新红利可能已得到一定程度释放，现阶段数字经济对其创新促进作用更多地体现在创新结构的优化和质量提升上。
(三)稳健性检验与内生性讨论
施药后观察，防除禾本科杂草的乙酰辅酶A羧化酶抑制剂108 g/L高效氟吡甲禾灵乳油、5%精喹禾灵乳油和24%烯草酮乳油对紫花苜蓿安全，对紫花苜蓿正常生长无任何影响，株高和空白对照相近，株高抑制率在-1.68%～1.01%之间。另外，50%扑草净可湿性粉剂、48%灭草松水剂、5%嗪草酸甲酯乳油、80%唑嘧磺草胺水分散粒剂对紫花苜蓿也很安全，株高抑制率在-5.72%～0.67%之间(表1)。
其次，考虑企业创新活动可能存在的产出滞后性，对全部解释变量进行滞后一期处理，然后再进行回归分析(回归结果见表5的(3)和(4)列)。
由于Hausman检验在1%的水平上拒绝随机效应假设，故本文选择固定效应模型进行回归。表1汇报了数字经济对企业不同维度技术创新的基准回归结果，(1)和(2)列仅以数量和质量两个维度的创新指标对数字经济发展程度进行回归，发现数字经济对企业专利申请和被引均产生了正向影响且在1%的统计水平上显著。(3)和(4)列进一步纳入其他影响企业创新的控制变量后，上述结论依然保持不变，说明数字经济不仅推动企业创新数量增长，而且促进企业创新质量提升，因而假说1得到验证。
樱桃熟了，果粒红得发紫。给院子增添一道靓丽风景线，大楼里的人舍不得摘。这天，来了三个骑摩托车自称是种樱桃树的园林农工，理直气壮地进园就摘樱桃。门卫经警好言相劝，走时还是摘了半塑料袋樱桃。樱桃好吃树难栽，这里的樱桃树是她们栽的，果子理应她们吃。
最后，将基准模型的固定效应设置为时间和行业维度交互的高阶形式，同时控制省份层面的固定效应，改变原有模型设定进行稳健性检验(回归结果见表6的(3)和(4)列)。
通过观察以上不同方式的稳健性检验结果不难发现，本文的回归具有稳健性。
知堂老人十分推崇现代“雅致的俗语文”：“以口语为基本，再加上欧化语、古文、方言等分子，杂糅调和，适宜地或吝啬地安排起来，有知识与趣味的两重统制，才可以造出雅致的俗语文来。”
水土保持工程质量评定划分为单位工程、分部工程、单元工程三个等级。为了遵照水利和水土保持行业的规定，生态清洁小流域治理工程也划分为以上三级。
2.内生性讨论。尽管在前面的稳健性检验中，本文采取控制高阶交互固定效应等做法在一定程度上缓解了内生性问题，但不可否认的是，本文的研究仍可能面临数字经济同企业技术创新的反向因果关系等内生性问题。因此，为更准确把握数字经济与企业技术创新之间的关系，本文使用工具变量法处理可能存在的内生性问题。具体而言，我们借鉴Nunn和Qian(2014)、黄群慧等(2019)的研究
，使用1990年各省邮电局(所)数量作为数字经济的工具变量。由于该变量是一个截面值，为使其能与本文使用的面板数据进行匹配，我们进一步参考上述文献的做法，将其与样本期对应年份的互联网用户规模交互并进行对数化处理，以生成数字经济的工具变量(见表7所示)。基于2SLS的工具变量的回归结果显示，弱工具变量检验的RKF统计量数值为90.72，表明不存在弱工具变量问题。进一步观察
的系数发现，数字经济对企业创新数量和质量的回归系数仍在1%的水平上显著为正，表明在考虑内生性问题的条件下，本文的研究结论依然具有稳健性。
五、数字经济影响企业技术创新的传导机制分析
前文的理论分析表明，数字经济可能通过创新协同效应和技术吸收效应促进企业技术创新水平提升。为此，本文参照温忠麟和叶宝娟(2014)的研究
，构造如下的递归方程进行机制检验：
=
+
+
+
+
+
通过田间试验观察表明，该药剂对向日葵列当不具直接致死作用，而是通过诱导向日葵体内产生非永久性抗性，对向日葵列当的寄生和生长起到抑制作用，随着药效的减弱，向日葵列当仍然可以寄生或继续生长。因此，应根据品种抗性的差异，调整施药次数和药剂浓度，提高药效和延长持效期，最大程度地抑制列当的生长和减轻对向日葵的危害。
(2)
=
+
+
+
+
+
(3)
=
+
+
+
+
+
+
(4)
其中，
为中介变量，其他变量的含义和模型设定同回归方程(1)。在中介变量的选取上，参照白俊红等(2015)的研究
，选择区域内企业、高校和研究机构三大创新主体间的创新资金往来情况表征创新协同程度(
)，使用高校和研究机构R&D经费内部支出中企业资金额的占比予以衡量。同时，参照已有相关研究的普遍做法
，选择企业当年的研发投入表征技术吸收能力(
)，为消除企业规模的影响，使用研发投入与资产总额的比值来衡量。
(一)创新协同效应检验
数字经济发展可能通过促进不同主体间的创新协同推动企业技术创新水平提升。表8的(1)—(3)列汇报了创新协同对创新数量中介效应的检验结果。其中，(1)列为基准回归，(2)列检验数字经济是否对企业创新协同程度具有显著影响。结果表明，数字经济带来的深度连接、协作成本降低等方面的影响显著增强了创新主体间的协作程度。(3)列使用企业创新数量对数字经济和创新协同程度进行回归，发现创新协同对企业创新数量产生显著的正向影响，表明主体间创新协作程度的加深明显增加了企业的创新产出。同时，加入创新协同程度后，数字经济发展程度的估计系数出现下降，说明创新协同效应是数字经济促进企业技术创新水平提升的中介效应之一。进一步地，表8的(4)—(6)列就创新协同程度对创新质量的中介效应进行了检验，结果与创新数量相一致。由此，本文的假说2a得到验证。
(二)技术吸收效应检验
数字经济还可能通过增强企业的技术吸收能力促进企业创新。表9的(1)—(3)列汇报了技术吸收能力对企业创新数量的中介效应。其中，(1)列同样为基准回归，(2)列考察数字经济对企业技术吸收能力的影响。结果显示，数字经济发展给组织和个人带来的赋能效应显著增强了企业的技术获取、感知和内化的能力。(3)列在(1)列的基础上加入技术吸收中介变量，其估计系数说明企业技术吸收能力的增强明显推动了企业创新产出的增长。同时，数字经济发展程度的估计系数变得不再显著，数字经济的技术吸收效应得到验证。表9的(4)—(6)列进一步就技术吸收能力对企业创新质量的中介效应进行验证，结果表明该中介效应同样成立。由此，本文的假说2b得到支持。
六、研究结论与启示
本文利用2013—2019年宏观-微观匹配的面板数据，实证分析数字经济发展对企业技术创新的影响。研究结果显示，数字经济明显提高了企业专利申请数，有效促进企业专利被引数增加，具有数量和质量的双重促进效应，说明数字经济已成为新时代中国企业自主创新能力提升的新动力；进一步的机制分析表明，创新协同和技术吸收是数字经济促进企业技术创新的重要作用机制；数字经济的创新促进效应与企业特征具有一定程度的相关性，数字经济对国有企业、制造业企业和非高技术企业创新水平的提升程度更为明显。
本文的研究结论对全面建设社会主义现代化国家背景下如何提升中国企业自主创新能力、推动经济高质量发展具有重要的政策启示。首先，数字经济有助于提升中国企业自主创新能力，进而提高经济发展的质量效益和核心竞争力。因此，各级地方政府应积极出台政策推进“数字中国”建设，提升区域数字经济发展水平。一方面，着力构建数字经济的区域产业生态，加大数字经济同传统产业融合的深度和广度，加快推进数字技术在传统产业中的应用，实现传统产业组织形态、经营模式、生产方式的根本性变革，助力传统产业转型升级；另一方面，根据区域比较优势，围绕创新链、应用链和价值链打造数字经济的产业高地和创新高地，通过产业园、孵化器、众创基地等形式聚集数字技术资源，加速数字技术应用场景扩展和新兴产业形成。其次，数字经济的创新促进效应受企业特征的影响，在制定数字经济发展和促进企业自主创新的相关政策时，应根据企业类型设计差异化的政策措施，以提升政策的有效性和精准度。本文的异质性分析表明，当前数字经济在非制造业企业、非国有企业中的创新促进效应仍存在不足，未来政策措施应着重关注这些企业的数字化发展，以充分发挥数字经济的创新促进潜力。
[1]Aghion P., Howitt P. A Model of Growth through Creative Destruction[J]. Econometrica, 1992, (2): 323-351.
[2]柳卸林, 董彩婷, 丁雪辰. 数字创新时代：中国的机遇与挑战[J]. 科学学与科学技术管理, 2020, (6): 3-15.
[3]Lyytinen K., Yoo Y., Boland Jr., Richard J. Digital Product Innovation within Four Classes of Innovation Networks[J]. Information Systems Journal, 2016, 26(1): 47-75.
[4]Tan K. H., Zhan Y. Improving New Product Development Using Big Data: A Case Study of an Electronics Company[J]. R&D Management, 2017, 47(4): 570-582.
[5]肖静华, 胡杨颂, 吴瑶. 成长品：数据驱动的企业与用户互动创新案例研究[J]. 管理世界, 2020, (3): 183-205.
[6]Ferreira J. J. M., Fernandes C. I., Ferreira F. A. F. To Be or not to Be Digital, that is the Question: Firm Innovation and Performance[J]. Journal of Business Research, 2019, 101(8): 583-590.
[7]王文娜, 刘戒骄, 张祝恺. 研发互联网化、融资约束与制造业企业技术创新[J]. 经济管理, 2020, (9): 127-143.
[8]沈国兵, 袁征宇. 企业互联网化对中国企业创新及出口的影响[J]. 经济研究, 2020, (1): 33-48.
[9]Holmstrom B. Agency Costs and Innovation[J]. Journal of Economic Behavior & Organization, 1989, 12(3): 305-327.
[10]谢富胜, 吴越, 王生升. 平台经济全球化的政治经济学分析[J]. 中国社会科学, 2019, (12): 62-81.
[11]李海舰, 李燕. 对经济新形态的认识：微观经济的视角[J]. 中国工业经济, 2020, (12): 159-177.
[12]戚聿东, 肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020, (6): 135-152.
[13]Akcigit U., Caicedo S., Miguelez E., Stantcheva S., Sterzi V. Dancing with the Stars: Innovation through Interactions[Z]. NBER Working Paper, 2018, No. 24466.
[14]Anden R., Kapoor R. Value Creation in Innovation Ecosystems: How the Structure of Technological Interdependence Affects Firm Performance in New Technology Generations[J]. Strategic Management Journal, 2010, 31(3): 306-333.
[15]Porter M. E. Location, Competition, and Economic Development: Local Clusters in a Global Economy[J]. Economic Development Quarterly, 2000, 14(1): 15-34.
[16]江小涓. 高度联通社会中的资源重组与服务业增长[J]. 经济研究, 2017, (5): 4-17.
[17]Goldfarb A., Tucker C. Digital Economics[J]. Journal of Economic Literature, 2019, (1): 3-43.
[18]Cohen W. M., Levinthal D. A. Absorptive Capacity: A New Perspective on Learning and Innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-152.
[19]孙嘉悦, 郑素丽, 黄灿. 研发模式与外部技术吸收速度：基于中国高技术产业的实证研究[J]. 科学学研究, 2021, (8): 1373-1383.
[20]谢康, 吴瑶, 肖静华. 数据驱动的组织结构适应性创新——数字经济的创新逻辑(三)[J]. 北京交通大学学报(社会科学版), 2020, (3): 6-17.
[21]唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020, (5): 52-66.
[22]权小锋, 刘佳伟, 孙雅倩. 设立企业博士后工作站促进技术创新吗——基于中国上市公司的经验证据[J]. 中国工业经济, 2020, (9): 175-192.
[23]诸竹君, 黄先海, 王毅. 外资进入与中国式创新双低困境破解[J]. 经济研究, 2020, (5): 99-115.
[24]Hall B. H., Jaffe A. B., Trajtenberg M. The NBER Patent Citation Data File: Lesson, Insights and Methodological Tools[Z]. NBER Working Paper, 2001, No. 8498.
[25]许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020, (5): 23-41.
[26]杨慧梅, 江璐. 数字经济、空间效应与全要素生产率[J]. 统计研究, 2021, (4): 3-15.
[27]吴赢, 张翼. 数字经济与区域创新——基于融资和知识产权保护的角度[J]. 南方经济, 2021, (9): 36-51.
[28]彭红星, 毛新述. 政府创新补贴、公司高管背景与研发投入——来自我国高科技行业的经验证据[J]. 财贸经济, 2017, (3): 147-161.
[29]Nunn N., Qian N. U. S. Food Aid and Civil Conflict[J]. American Economic Review, 2014, 104(6): 1630-1666.
[30]黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升：内在机制与中国经验[J]. 中国工业经济, 2019, (8): 5-23.
[31]温忠麟, 叶宝娟. 中介效应分析：方法和模型发展[J]. 心理科学进展, 2014, (5): 731-745.
[32]白俊红, 蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究, 2015, (7): 174-187.
[33]曲如晓, 李雪. 外国在华专利、吸收能力与中国企业创新[J]. 经济学动态, 2020, (2): 14-29.
