数字经济对企业创新效率的影响机制研究——基于沪深A股上市公司的经验证据

周 宇,张林玉

1.西安财经大学经济学院,陕西西安710100;2.西北大学经济管理学院,陕西西安710127)

一、问题的提出

党中央、国务院高度重视数字经济与实体经济的融合问题,并将数字经济发展上升为国家战略,党的二十大报告在建设现代化产业体系部分明确指出“坚持把发展经济的着力点放在实体经济上”,要求“加快数字经济发展,促进数字经济与实体经济深度融合,打造具有国际竞争力的数字产业集群”。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》明确提出“坚持创新驱动发展,全面塑造发展新优势”,强调“强化企业创新主体地位,促进各类创新要素向企业集聚”。企业作为数字经济与实体经济融合发展的落脚点,既是推动经济发展的核心力量,也是我国创新驱动战略的主体,在促进产业结构更新、技术创新及产品升级等方面具有决定性作用。数据要素在加速向企业渗透的过程中所形成的数字生产力和数字生产关系可以带来新的生产活动和生产方式,[1]6进而重构企业的创新范式、企业创新生态系统和创新组织体系,为企业创新活动提供新的动力和机遇。

数字经济发展能否促进企业创新,以及如何促进企业创新呢?学者们对此进行了初步探索,概括而言,现有研究主要从创新管理、创新机制、创新模式等方面考察数字经济对企业创新能力、创新绩效和创新质量的影响,其实证设计主要从不同维度选取代表性指标构成评价体系来综合测算数字经济发展水平,并通过面板数据分析验证数字经济对企业创新的影响,且研究基本一致认为数字经济能够显著提升企业的创新能力和创新绩效,但对创新效率的研究却较少。其作用机制具体表现为:在创新管理上,企业以数字基础设施和数字平台及其生态系统作为创新支撑,通过制定数字战略、架构数字资源、提升数字创新能力以及构建数字创新导向的文化,开启数字创新过程。在这个过程中,企业需要持续变革组织架构并重新定义价值网络,在分布式创新与重组创新两种作用机制下,有效提升组织的运营效率与组织绩效;[2]201在创新机制上,现有文献多从供需两侧验证数字经济对企业创新的影响,在供给侧,数字经济可以通过缓解融资约束、降低供应链集中度、优化人力资本结构、加速知识扩散等途径促进企业创新,而在需求侧,企业则主要通过对用户异质性需求的满足来寻找新的创新机会以及在与用户价值共创的过程中吸纳来自外部的创新创意,进而提高自身的创新能力和创新效率;在创新模式上,开放式创新打破了组织边界的知识创新网络,[3]50数字模块化在降低复杂产品全球分工难度的同时,能借助高效的数字网络连接获取大量异质性资源,提升企业对于外部机会的敏感度以及对潜在合作伙伴与创新方向的洞察力。[4]48

受梅特卡夫法则影响,数字经济具有较强的网络外部性和规模效应,那么数字经济对企业创新的影响是否会因此存在非线性溢出效应呢?现有研究大部分肯定非线性效应的存在,但对于边际效应递增还是递减仍存在争议。一种观点认为,数字经济能通过降低成本、激发创新和强化集聚效应促进企业技术创新,且数字经济越发达这种促进作用越强,即具有“边际效应”非线性递增的特征。[5]62另一种观点认为,数字经济高度发展带来的数据垄断会形成相关平台的自身竞争优势,阻碍其他中小企业发展的同时也让企业自身很难有动力进行研发创新,进而导致企业创新效率的下降。此外,考虑数据要素的低扩散成本与高传播速度使数字经济具有较强的空间溢出性,能显著增强区域间经济活动关联的广度与深度。那么数字经济对企业创新的影响是否存在空间溢出效应呢?现有研究大部分认为数字经济发展和区域创新呈现显著的空间正相关特征,数字经济的共享性和渗透性能够驱动新产业、新业态和新模式的产生,期间涌现出的大量技术创新和知识创新可以通过溢出、示范、学习以及再创新效应,[6]51有效提升邻近地区的整体创新性能力,但对企业创新效率的影响尚未明确。

相较于已有文献,本文的边际贡献主要体现在三个方面:第一,在研究视角上,现有文献多从技术应用角度研究数字经济对企业创新效率的影响,考虑到数字经济已突破数字技术、金融科技的局限,本文尝试从系统层面构建更加完善的分析框架,研究数字经济的整体经济绩效。第二,在研究方法上,不仅利用面板数据分析数字经济对本地企业创新性效率的作用及其非线性效应,讨论其中可能的作用机制,还采用空间计量技术研究数字经济和企业创新效率的空间关联性。第三,在研究主体上,区别于已有文献从宏观层面研究数字经济与区域创新效率的关系,本文将研究主体聚焦至微,观企业,从研发投入和研发产出两方面测度企业创新效率,丰富微观效应的理论和实证研究。

二、理论分析及研究假设

(一)数字经济对企业创新效率的影响

数字经济打破和颠覆了传统经济背景下的企业经营理念,在激发微观主体创新活力上发挥着关键作用,本文认为数字经济主要从四个方面提升企业创新效率。第一,数字经济促进了创新主体的多元化。大数据、云计算、人工智能技术的应用进一步拓展了网络空间,实时在线可交流的信息流和数据流将创新主体从企业拓展至高校、政府、科研院所、个人开发者甚至用户,多元创新主体可以依靠其比较优势不同程度参与产品和技术研发,并以相对较低的交易成本进行协作和互动,进而提高企业创新效率和专业度。[7]34第二,数字经济促进了创新要素的流动。数字经济可以推动各类资源要素快捷流动、各类市场主体加速融合,网络空间和物理空间的融合极大拓展了企业创新资源的配置范围和流动速度,促使创新活动的组织方式向网络化、协同化、生态化的方向转变。第三,数字经济促进了创新工具的变革。数字化工具从根本上改变了企业产品研发、流程优化、设备运维的范式,通用性数字技术的广泛应用在一定程度上消除了经济系统内信息的不确定性,使生产和服务的供求信息更精细化。第四,数字经济促进了创新管理的优化。“数据+算法”构建出的全新智能决策模式替代了传统经验主义管理,通过降低管理层非理性决策概率实现更加高效、科学、精准的创新管理,从而为企业创新提供良好的制度条件。

作为数据流通的“信息高速”,数字基础设施是孕育创新、促进创新、培育发展新动能的土壤,[8]13可以为中国经济数字化转型提供底层支撑。因此,合理推测数字基础设施建设水平会影响数字经济对企业创新效率的作用效果。一方面,数字基础设施所具有的网络外部性可以减少市场分割的阻力,[9]20拓宽企业的创新边界,促进创新资源要素在企业间和地区间的流动与共享,其技术溢出效应能有效减少企业的研发时间和研发成本,进而强化数字经济对企业创新效率的提升作用。另一方面,过度建设的数字基础设施会带动大量资本、劳动力和技术向新基建领域涌入,这在造成产能过剩的同时会导致社会资源分配失衡,进而影响政府对企业创新的支持力度,抑制数字经济对企业创新效率的提升作用。

假说1:数字经济能显著提升企业创新效率,且存在数字基础设施建设的双门槛效应。

数字基础设施、数字技术、数据要素的联动使数字经济时代的企业创新活动具有显著的空间溢出效应,这主要体现在三个方面:第一,数字基础设施具有显著的区域外部性,数字基础设施能够有效打破信息交流的时空约束,促进知识资本等要素在不同地区及产业间转移与流动,增强地区间的研发合作和技术交流;[10]39第二,数字技术增加了技术空间溢出的可能性,如“上云用数赋智”加速了中小企业的上云过程,各研发主体依托数字平台构建起互联互通的创新网络,使得空间距离对技术传播和扩散的空间摩擦系数减小,有效促进数字技术在空间上的流动及其效应的跨区域联动;第三,数据的低扩散成本与高传播速度导致其具有天然的流动属性,在创新活动中,地理位置邻近的创新主体具有更多的交流合作机会,通过共享开放数据提升数据要素的利用率,可以增强区域创新绩效的空间溢出效应,增强集群创新能力。[11]38

假说2:数字经济对企业创新效率的提升作用存在空间溢出效应。

(二)数字经济提升企业创新效率的传导机制

1.数字经济、组织效能与企业创新效率

数字经济深刻改变了企业的价值创造方式和组织结构,有利于提高企业的生产研发效能和组织管理效率,能为企业创新创造良好的制度条件和提供强有力的技术支持。因此,组织效能提升是数字经济驱动企业创新效率提升的基础条件。

第一,数字经济能推进数字技术不断嵌入企业,重塑企业价值创造链条,催生新的商业模式和业务流程,有利于企业进行智慧生产和融合创新,提高生产研发效率。首先,数字技术的突出优势在于能系统、精准地捕捉企业生产管理过程中的一切数据和信息,通过数据运算和信息加工实现更加精细化、柔性化的生产,[12]174促进研发流程和资源配置不断优化,有效降低生产成本。其次,数字经济推动着供需结构的改变,带来的新生产要素和供需关系颠覆了企业的价值主张、价值创造和价值获取方式。开放式的数字研发管理系统使得企业从封闭的传统创新模式转向所有部门乃至整个产业链和全社会都参与的开放式创新模式,数字技术在融合创新的过程中,通过创建新的组织架构、成本机制、价值交换机制以及跨边界组织形式,成为推动商业模式创新的关键力量。[13]101最后,数字化转型会驱动企业进行智能改造,智慧生产可以缩短产品生产周期、提高产品质量,加快推动研发成果的转换落地。

第二,数字经济推进了企业“移动化”管理体系的构建,组织架构趋向扁平化,信息沟通、项目审批等流程变得灵活快捷,组织管理效率明显提升。首先,数字经济改变了传统生产服务模式下的消费环境与消费方式,消费观念和消费模式的转变驱动着企业组织结构变革。随着消费者对实时性体验的追求不断增强,企业的职能部门之间必须加强协同合作来及时响应市场需求变化,通过横向业务的跨界入局和纵向业务的贯通融会构建起网络化、扁平化的组织结构,[14]115从而为用户创造更多的附加价值。其次,新一代信息技术与实体经济的深度融合成为组织结构变革的主要推动力,“扁平化”和“网络化”是数据驱动的组织结构适应性创新的体现。[15]144扁平化的组织结构使得分散化管理的小团队能更广泛地联结与集合资源,加快资源整合速度;平台型组织结构所兼具的自制化和“去中心化”特征有利于在企业内部形成纵横联通的网络协同机制,进而大幅降低各职能部门间的沟通交流成本,有效提高企业管理效率。

假说3:数字经济可以通过组织效能提升来提高企业创新效率。

2.数字经济、资源配置与企业创新效率

数字经济时代,物联网技术与实物创新要素的融合使资源配置在一定程度上突破了物理空间的限制,为跨区域的生产和协同创新提供了技术条件。因此,资源优化配置是数字经济驱动企业创新效率提升的重要机制。

第一,数字经济提高了企业间资源配置效率。数字基础设施完善促使不同企业间通过互联网、物联网产业链平台聚合市场资源、生产资源,数字化网络平台的产生打破了地理空间的束缚,生产要素可以实现跨企业、跨行业、跨时间的自由流动,促使市场资源从低生产率企业向高生产率企业配置,减少市场资源扭曲的现象,进而大幅改善企业间资源配置效率。

第二,数字经济提高了企业内资源配置效率。数字经济建设使得企业采购、生产、销售等经营环节及内部管理数字化,智能化发展会优化企业员工结构,促使资源要素配比结构及资源利用效率得到改善,进而大幅提高创新要素的利用效率。

假说4:数字经济可以通过资源配置优化来提高企业创新效率。

3.数字经济、交易成本与企业创新效率

高昂的交易成本会大幅减少企业的经营利润,沉重的财务压力会迫使企业缩减研发资金,而数字经济能通过减小市场中信息不对称程度来降低单位交易成本,提高交易效率。因此,交易成本降低是数字经济驱动企业创新效率提升的有效路径。

第一,企业借助数字平台拓宽了资源及信息搜索的深度与广度,大幅降低企业对外部知识、信息搜集的市场性交易成本。数字平台是基于数字技术构建的汇聚数据、集成技术、赋能应用的综合性数字服务中枢,能利用数字技术、算法、算力突破时空限制,连接各类主体,发挥信息聚合、数据共享、资源调配的作用。随着组织内与组织间的边界概念变得越来越模糊,企业会选择使用外部合同而不是封闭的垂直整合来进行创新。因此,企业能够跨越组织边界共享到更多的数据和程序,有效降低信息搜索带来的市场性交易成本。

第二,数字经济推进了企业数字化转型,促使企业供产销环节模块化与集成部门层级网络化,有利于降低企业内部组织管理成本。一方面,数字技术的快速发展使得不同空间的个体能够实现时间上的同步和数字平台上的共享,各部分进程的同步可视化突破了地理时空因素对模块化分工的限制。数字经济可以将供应商、制造商以及服务商资源接入到共享平台,建立起整个供产销环节的虚拟数字映像,使得运营过程更加透明、链条运转更加高效,从而实现对全链路物流管理信息的可视化,降低资源的协调成本和组织管理成本。[16]51此外,在商业实践中,供产销环节模块化遵循的通用商业规则克服了地域文化、语言障碍、国别差异等现实问题,进而有效降低了各职能部门之间的沟通和协作成本。另一方面,模块化“明确的规则”使存在差异且互相依赖的流程模块可以打破传统职能性单元间的隔阂,[17]148模块间通过专业分工和互补合作形成的集群网络能促进大量异质性资源和信息的流动,基于标准化接口形成的松散耦合可以改变组织边界、增强系统柔性,显著提升企业的创新绩效。[18]48

第三,大数据、云计算等“互联网+”环境,以及数字金融的发展,有利于企业融资渠道拓宽和融资数量增加,能有效降低企业资本市场交易费用。基于数字平台创建的统一信用信息数据库能实现对客户信用信息的全面共享,帮助金融机构大幅削减市场风险识别成本,银行可以通过为优质企业提供更多信贷资金来支持高水平研发项目。此外,随着金融科技、数字普惠金融的发展,资金提供主体从传统金融机构逐渐拓展至金融科技企业,多渠道的融资途径切实解决了中小企业生产经营过程中面临的“融资难、融资贵”问题,极大缓解长尾客户的融资约束,为研发资金提供稳定来源。

假说5:数字经济可以通过降低交易成本来提高企业创新效率。

三、研究设计与变量说明

(一)模型构建

1.基准回归模型。基于前述理论分析,本文构建如下基准回归模型进行检验:

Effi,t=φ0+φ1Digm,t+∑φControlsi,t+ωi+θi+μj+εi,t

(1)

式(1)中被解释变量Effi,t代表公司i第t年的创新效率,解释变量Digm,t代表公司i所在省份m第t年的数字经济发展水平,Controlsi,t代表企业i在微观层面和宏观层面的控制变量。ωi代表个体固定效应,θi代表时间固定效应,μj代表行业固定效应,εi,t代表模型的随机误差项。核心解释变量Digm,t的系数φ1表示数字经济对企业创新效率的影响,根据前述研究分析,预期该系数显著为正。为保证回归结果的可靠性,采用在省份层面的cluster聚类稳健标准误调整t统计量来修正异方差和组内自相关问题,使用固定效应模型控制不可观测因素和选择偏差对系数估计的影响。

2.面板门槛模型。考虑数字经济对企业创新效率可能存在非线性溢出效应,这里采用Hansen[19]347的面板门槛模型做非线性机制考察,考虑到样本存在多个门槛值的可能性,在式(1)的基础上进一步构建如下模型:

Effi,t=α+β1Digi,t.I(DIi,t≤γ1)+β2Digi,t.I(γ2≥DIi,t>γ1)...βnDigi,t.I(DIi,t≤γn)+cZi,t+μi+εi,t

(2)

式(2)中DI为门槛变量数字基础设施建设水平,γ为待估的门槛值,I(·)为取值1或0的指示函数,满足括号内条件即为1,否则为0。其余变量与式(1)相同。

3.空间杜宾模型。由于创新活动间存在着空间相关性,这里将纳入地理因素构建空间杜宾模型进一步讨论:

(3)

其中,Xnit包括核心解释变量数字经济发展水平和其他控制变量;ρ为被解释变量的空间自相关系数;Wij为空间权重矩阵,考虑地理属性造成的空间效应差异,本文采用地理距离矩阵进行回归;ωj和τt分别表示地区效应和时间效应;εit为残差。

4.中介效应模型。本文将采用递归方程法对数字经济影响企业创新效率的渠道机制进行分析,并引入以下中介效应模型:

Effi,t=φ0+φ1Digm,t+∑φControlsi,t+ωi+θt+μj+εi,t

(4)

Medi,t=π0+π1Digm,t+∑πControlsi,t+ωi+θt+μj+εi,t

(5)

Effi,t=ρ0+ρ1Digm,t+ρ2Medi,t+∑ρControlsi,t+ωi+θt+μj+εi,t

(6)

Med代表中介变量,π1为数字经济对各中介变量的回归系数,ρ1和ρ2分别为数字经济和中介变量对企业创新效率的回归系数。根据温中麟[20]737提出的中介效应模型,需要依次检验π1和ρ2的显著性。若π1和ρ2均显著,则具有显著中介效应;若π1和ρ2中至少有一个不显著,则需进行Bootstrap检验,若检验通过则说明中介效应成立,反之则不成立。

(二)变量测量

1.被解释变量:创新效率(Eff)。由于研发过程具有时滞性,参考权小锋[21]134的方法,用i公司第t+1年申请的专利总数的自然对数LN(1+PATt+1)与公司i第t年研发投入的自然对数LN(1+RDt)之比衡量企业创新效率。

2.核心解释变量:数字经济发展水平(Dig)。参考惠宁、宁楠[22]24的研究过程,综合数字基础设施、数字产业化、产业数字化和创新驱动四个维度的指标数据,构建数字经济测度的指标体系(详见表1)。为避免人为因素带来的偏差,采用熵值法测量我国30个省份(1)西藏地区缺失数据过多,故对其进行剔除。的数字经济发展水平。

表1 数字经济发展水平指标体系

3.门槛变量:数字基础设施(DI)。选取移动电话基站个数、长途光缆线路长度、互联网宽带接入端口、域名个数四个维度的指标数据,运用熵值法综合测度数字基础设施的建设水平。

4.中介变量

(1)组织效能。①生产研发效率(Pef):生产研发效率越高的企业固定资产和流动资产的周转速度就越快,因此,采用总资产周转率即营业收入与年平均总资产之比作为衡量企业生产研发效率的代理变量;②管理效率(Mef):现有文献多从管理费用的角度衡量管理水平,参考孙浦阳[23]146的做法,采用控制企业规模(Li,t)、企业出口(Expi,t)和成本加成(Markupi,t)后的管理费用(LnManagementi,t)残差值衡量各个企业的管理效率。其计算公式如下:

(7)

(2)资源配置效率。参考王馗[24]86的研究,采用生产函数估计要素所得报酬与实际要素报酬的比值来衡量要素市场扭曲程度,反映企业资源配置是否得到优化。以C-D生产函数为例,资本价格扭曲指数、劳动价格扭曲指数、要素市场扭曲指数就可以表示为:

DistK=MPK/r

(8)

DistL=MPL/w

(9)

Dist=DistKα/α+βDistLβ/α+β

(10)

其中,K为历年固定资产投资价格指数调整后的企业固定资产投资净额,L为企业年末就业总人数,α和β分别表示资本产出弹性和劳动产出弹性,r表示资本价格即利率,w表示劳动力价格即工资。若要素价格扭曲指数大于1,则要素价格存在负向扭曲,即要素应得报酬大于实际所得;反之,则存在正向扭曲。要素市场扭曲指数(Dist)越大说明企业资源配置效率越低。

(3)交易成本。①市场性交易成本(Mtc):借鉴吴海民[25]125的研究思路,采用销售费用与营业收入的比值进行衡量;②管理性交易成本(Otc):部分学者利用管理费用衡量管理性交易成本,[26]152但管理性交易成本不仅来自管理费用,契约履行成本、沟通成本、监督成本等同样会对其产生影响。通常情况下,企业内部控制质量越高,经营管理过程就越规范,相应的经营管理成本就越低。[27]41因此,借鉴吴秋生[28]119的做法,用迪博内部控制指数除以100来衡量管理性交易成本,该指标越大代表着企业管理性交易成本越低。③资本性交易成本(Ctc):企业受到的融资约束越严重,所需花费的资本性交易成本就越高。因此,选取SA指数衡量企业的资本性交易成本,SA指数越大代表企业的资本性交易成本越高。

5.控制变量。企业层面变量(Age):企业年龄:企业成立时间与样本年份之差;企业规模(Size):企业总资产的自然对数;资产负债率(Lev):年末负债与年末资产的比值;企业成长性(Growth):企业期末资产和期初资产的差值与期初资产的比值;董事会独立性(Indep):独立董事人数占董事会总人数的比例;固定资产比率(Ppe):年末固定资产总额与年末总资产的比值;产权性质(Soe):第一大股东为国有的企业取1,否则取0。省份层面:地区生产总值(GDP):地区常驻单位在一定时期内生产的全部最终产品和服务价值的总和;城镇化率(Urb):城镇人口与总人口的比值。

(三)数据来源与描述性统计分析

本文采用2013—2020年沪深股上市公司的面板数据进行实证分析,数据主要来源为《中国统计年鉴》《中国科技统计年鉴》以及CSMAR数据库。为使样本更具代表性,本文对数据进行如下处理:①剔除银行、证券、保险等金融类上市公司的样本;②剔除主要变量存在缺失的样本;③对在样本期间存在ST退市以及新发IPO的企业进行剔除。变量具体含义及描述性统计结果详见表2。

表2 变量的描述性统计分析

四、实证分析

(一)基准回归模型检验

表3报告了数字经济对企业创新效率的基准回归结果。模型F(1)为不控制固定效应、未引入控制变量的结果,模型F(2)和模型F(3)分别为在F(1)的基础上引入控制变量并控制个体、时间、行业固定效应的结果。从回归结果看,无论采用哪种模型,数字经济的估计系数在1%水平上均显著为正,说明数字经济发展可以显著提升企业创新效率,但引入控制变量并控制固定效应能使模型的拟合优度大幅上升。以模型F(3)为例,在全样本层面上,数字经济发展水平每上升1%,其大约能够使企业创新效率提高0.028个单位,假设1得到初步验证。

表3 数字经济影响企业创新效率的基准回归结果

(二)门槛效应

为完全验证假设1,本文采用面板门槛模型进行实证研究。首先,对门槛存在性与否进行检验,确定门槛个数及门槛值,检验结果见表4。

表4 数字经济发展对企业创新效率影响的门槛模型检验

经过“自助法”(boorstrap)反复抽样500次后,结果显示数字经济发展水平与企业创新效率之间存在明显的数字基础设施双门槛约束,门槛值分别为21.067和26.023,门槛模型检验结果见表5。当数字基础设施建设水平未突破第一门槛值时,数字经济能有效提升企业创新效率,回归系数为0.087。当数字基础设施建设水平大于第一门槛值而小于第二门槛值时,提升作用得到进一步加强,回归系数为0.104,说明随着数字基础设施的完善,其规模效应和网络效应逐渐形成,创新要素和创新资源可通过纵横交错的数字网络打破地域限制,实现在地区间、产业间和企业间的自由流动,对企业创新产生积极影响。当数字基础设施建设水平突破第二门槛值时,数字经济对企业创新效率的回归系数下降为0.089,这说明过度超前建设的数字基础设施会对企业创新产生不利影响,抑制数字经济对企业创新效率的提升作用。综上所述,数字经济发展对企业创新效率的促进作用存在数字基础设施建设的双门槛效应,假说1得到验证。

表5 数字经济对企业创新率影响的门槛模型回归结果

(三)空间溢出效应回归结果

为验证假设2,本文采用空间计量模型进行实证研究。在进行参数估计前,利用Moran’s指数对数字经济发展水平与企业创新效率进行全局自相关检验,结果表明,两者的Moran’s指数均显著为正,说明中国数字经济发展和企业创新效率之间存在显著的空间正相关关系,因而有必要将空间因素引入数字经济对企业创新效率的影响研究中来。首先,LM检验结果显示LM(lag)和 LM(error) 均在 1% 的水平下显著,表明空间回归模型的适用性。其次,根据豪斯曼检验结果,固定效应要优于随机效应。最后,对空间杜宾固定效应模型(SDM)进行LR检验和Wald检验,结果均表明空间杜宾模型(SDM)不可以退化成空间滞后模型(SLM)与空间误差模型(SEM),故空间杜宾的固定效应模型是最优的选择。

表6汇报了SDM模型空间回归及空间效应分解结果。杜宾模型空间自回归系数ρ为0.719,且在1%的水平上显著,表明各省市之间的企业创新效率存在显著的正向溢出,进一步支撑了前面空间相关性分析的结论。同时,数字经济发展水平与空间权重矩阵的交乘项系数显著为正,表明相邻地区之间数字经济发展具有显著的空间溢出效应,对邻近地区的企业创新效率产生了较强的示范作用,假说2得到初步验证。空间交互项的回归系数不能直接用以讨论数字经济发展对企业创新效率的边际影响,故需要利用变量变化的偏微分解释,使用直接效应和间接效应来解释某地区自变量对本地区以及其他地区因变量的影响。从表6可以看出,数字经济直接效应系数为0.100,表明数字经济发展水平每提高1%,本地区的企业创新效率将提高0.100个单位;数字经济的间接效应系数为0.584,表明本地区数字经济发展水平每提高1%,邻近地区企业创新效率将提高0.584个单位,对比可见,数字经济的空间溢出效应贡献较大。从以上分析可知,数字经济发展对企业创新效率的影响存在本地邻近效应,假说2得到验证。

表6 SDM空间回归结果和空间效应分解

(四)内生性问题

本文的内生性问题可能来自:①双向因果关系:数字经济与实体产业融合会提升企业创新效率,而企业创新效率的提升又能催生新技术和新商业模式,反向推动数字经济发展;②遗漏变量:影响企业创新效率的因素较多,在模型设定过程中可能会遗漏变量。利用最小二乘法(OLS)和两阶段最小二乘法(2SLS)进行Hausman检验和Durbin-Wu-Hausman检验,结果均显示数字经济为内生变量,故利用工具变量法处理内生性问题。在省份层面,参考黄群慧[29]16的研究方法,以1984年各省份邮电总数与上一年全国互联网用户数构造交乘项作为衡量数字经济发展水平的工具变量;在企业层面,参考张勋[30]82的研究,以各公司所在城市与杭州的球面距离作为衡量数字经济发展水平的工具变量。

采用以上两个工具变量进行两阶段最小二乘回归。工具变量的有效性结果显示,K-P rk LM统计量为7079.787,P值为0.000,因而不存在不可识别的工具变量问题;弱工具变量的结果显示,K-P rk Wald F统计量为3549.579,远大于Stock-Yogo弱识别检验10%水平上的临界值19.93,因而不存在弱工具变量识别问题。综上,本文所选的工具变量具有良好的统计特征。表7报告了工具变量法两阶段最小二乘回归和稳健性检验的结果。模型F(5)的结果显示利用工具变量法解决内生性问题后,数字经济对企业创新效率的回归系数仍在1%水平上显著为正,说明数字经济发展可以显著提升企业创新效率的结论稳健成立。

表7 基于2SLS的工具变量法和稳健性检验结果

表8 数字经济对企业创新效率的内部影响机制检验

表9 数字经济对企业创新效率的内部影响机制检验

(五)稳健性检验

①替换核心解释变量:利用主成分分析法对数字经济发展水平进行重新测算并将其作为核心解释变量进行回归;②更换被解释变量:发明专利相对实用新型专利和外观设计专利更能体现企业的创新能力和创新水平,因此采用滞后一期的发明专利申请数与企业当年研发人员数量的比值衡量企业创新效率;③剔除直辖市:直辖市拥有较大的经济特殊性,为消除城市层级的差异性,借鉴唐松[31]58的做法,剔除直辖市样本后进行重新回归;④Tobit模型:利用现有数据库测算出的企业创新效率具有明显的左偏特征,并且在零值处截断,为消除数据分布对回归结果造成的影响,使用Tobit模型进行稳健性检验。

模型F(6)、模型F(7)、模型F(8)、模型F(9)分别汇报了替换解释变量、更换被解释变量、剔除直辖市、Tobit模型的回归结果,数字经济的系数、显著性与基准回归模型F(3)基本一致,说明数字经济能显著提升企业创新效率的研究结论仍然稳健成立,假说1得到进一步验证。

(六)机制分析

模型M(1)和模型M(2)揭示了数字经济通过生产研发效率对企业创新效率的作用路径。根据回归结果,生产研发效率对数字经济和企业创新效率均具有显著正向影响,说明数字经济可以有效提升企业的生产研发效率,重塑企业价值创造过程,对企业创新效率的提升产生积极影响。模型M(3)和模型M(4)揭示了数字经济通过管理效率对企业创新效率的作用路径。根据回归结果,管理效率与数字经济之间不存在统计上的显著正向相关性,说明数字经济虽能提升管理效率但作用并不显著,而管理效率对企业创新效率具有显著正向影响,且检验的置信区间为[0.000,0.001],因此根据中介效应模型检验的基本要求,管理效率对数字经济影响企业创新效率存在统计上的显著中介效应,说明数字经济能通过提高管理效率促进企业创新效率的提升。因此,组织效能提升是数字经济驱动企业创新效率提升的重要中介渠道,假说2得到验证。模型M(5)和模型M(6)揭示了数字经济通过资源配置对企业创新效率的作用路径。根据回归结果,资源配置优化对数字经济和企业创新效率均具有显著正向影响,说明数字经济可以通过优化企业间和企业内的资源配置,减少市场资源扭曲现象,提高创新效率,因此,资源优化配置是数字经济提升企业创新效率的有效途径,假说3得到验证。

模型M(7)和模型M(8)揭示了数字经济通过市场性交易成本对企业创新效率的作用路径。根据回归结果,数字经济与市场性交易成本间虽存在负向相关性但并不显著,说明数字经济虽能降低市场性交易成本但作用效果并不明显;而市场性交易成本对企业创新效率具有显著负向影响,且检验的置信区间为[0.004,0.006],根据中介效应模型的要求,市场性交易成本对数字经济影响企业创新效率存在统计上的显著中介效应,即数字经济可以通过降低市场性交易成本来提高企业创新效率。模型M(9)和模型M(10)揭示了数字经济通过管理性交易成本对企业创新效率的作用路径。根据回归结果,管理性交易成本对数字经济和企业创新效率均具有显著负向影响,说明数字经济可以优化企业管理流程,推动组织结构向模块化、网络化转变,从而大幅降低管理性交易成本以提高企业创新效率。模型M(11)和模型M(12)揭示了数字经济通过资本性交易成本对企业创新效率的作用路径。根据回归结果,资本性交易成本对数字经济和企业创新效率均具有显著负向影响,说明数字经济能通过拓宽企业的融资渠道和增加融资数量帮助其缓解融资约束,大幅降低企业的资本性交易成本,进而有效提高企业的创新效率。

五、结论与建议

本研究以2013—2020年沪深A股3622家上市公司为研究样本,通过构建固定效应模型、面板门槛模型、空间杜宾模型、中介效应模型多维度探讨数字经济对企业创新效率的影响,研究发现:第一,数字经济发展能显著提升企业创新效率,通过引入工具变量等稳健性检验,该结论仍然成立,且存在正向倒U型的数字基础设施建设双门槛约束;第二,数字经济对企业创新效率的影响存在本地邻近效应,可通过地理机制影响周边地区的企业创新效率;第三,数字经济主要借助组织效能提升、资源优化配置和交易成本降低来提高企业创新效率。基于研究结论,本文对数字经济发展及企业创新效率的提升提出以下几点建议:

第一,鼓励和引导企业积极进行数字化转型,推动数字经济与实体经济的深度融合。实证结果证明,数字经济发展能有效提升企业创新效率,因此,企业要顺应数字经济发展趋势,充分把握数字化转型的新机遇,提高生产、研发、管理等关键环节的智能化水平,充分释放企业创新的“数字红利”。在生产方面,要加快推进传统车间的智能化改造,借助智慧生产实现产品全生命周期的数字化管理,通过三维可视化立体空间实现安全生产和智慧运营。在研发方面,要加强数字化研发平台建设,打造开放式网络创新环境,提高企业对外部创新资源的整合能力,优化创新资源要素配置,减少信息搜寻、资源整合所带来的交易成本。在组织管理方面,要加快建设数字化敏捷组织,推动公司治理结构向扁平化、网络化发展,强化数据思维和数字文化,通过鼓励跨部门间的创新合作以适应快速变化的市场环境和碎片化的用户需求。

第二,适度超前部署数字基础设施,夯实数字经济发展基础,打通经济社会发展的信息“大动脉”。要优化数字基础设施建设的顶层设计,在充分考虑市场需求和未来发展趋势的情况下进行系统规划,适度超前布局前瞻性网络基础设施和算力基础设施,避免盲目扩大建设所带来的挤出效应。此外,要有序推进传统基础设施智能升级,提升现有基础设施数字化、智能化水平。

第三,完善区域协同的数字创新机制,合理推进创新要素的跨区域流动。数字经济对企业创新效率的正向空间溢出效应揭示,应推动区域间数字经济的协调发展。一方面,要深化地理位置邻近地区的创新合作意识,加强区域间数字技术创新链、产业链的融合,依托经济发达地区的技术优势和经济欠发达地区的资源优势,建立起产教融合平台和产业技术联盟,协同推进核心领域的技术突破。另一方面,要充分发挥和利用数字经济在推动创新要素跨区域流动方面的优势,通过创新数字技术扩大知识溢出边界,提升邻近地区的企业创新水平。