数字化转型、实物资本投资水平与企业创新效率

唐 玮 秦 艺

（ 安徽财经大学会计学院，安徽 蚌埠 233030）

一、引言

近年来，党中央高度重视我国数字经济的发展，数字化转型逐渐成为微观经济主体的重要战略选择。 中国信息通信研究院在《中国数字经济发展研究报告 （2023 年）》 中指出：2022 年我国数字经济占GDP 的比重达到41.5%， 其中产业数字化规模占数字经济的81.7%。过去三年的新冠疫情中数字经济与实体经济相结合的实践应用更使企业清晰认识到数字化转型能够突破空间限制，打破组织壁垒，驱动企业协调整合资源并开发新资源， 深入应用数字技术使其与传统生产模式组合重建商业模式。 在此背景下， 研究微观经济主体数字化转型的经济后果具有一定的现实意义。

无论是政策支持还是实践导向， 数字化转型为我国企业改革创新提供了新思路， 已然成为当代企业求生存、 谋发展的必经之路。 国家统计局发布的《中华人民共和国2022 年国民经济和社会发展统计公报》指出，近几年研究与试验发展经费支出逐年增加，但增长速度明显下降。 从产出来看，2022 年专利授权数比2021 年下降6%，综合来看，微观经济主体整体的创新效率有待提高。 增强国家制造业创新能力是我国实现制造强国战略的重点任务， 制造业作为国民经济的命脉和支柱，是科技创新的主战场，然而创新活动具有高度不确定性，风险高，耗时长，加之制造业规模大、 价值链长等行业特征导致制造业一直存在核心技术创新力不足的问题。 因此，制造企业提升创新效率是提升核心竞争力的关键。 现有研究表明，数字化转型能够促进商业模式创新，改善公司治理水平，缓解融资约束，增加投资机会，优化人力资本结构，提升劳动力水平等，这为企业创新活动创造了良好的条件[1-4]。 我国制造业正处于转型升级的关键时期， 而数字化转型能否在这关键时期提高创新效率？提高程度如何？从何种渠道提高企业创新效率？受何种因素影响？这些问题引起了企业与学术界的广泛关注。

为厘清数字化转型对企业创新效率的影响路径，本文选择2010—2021 年内的沪、深A 股制造业上市公司为研究样本进行实证检验考察。 实证结果表明， 数字化转型显著提升企业创新效率并通过了稳健性检验。 同时，机制分析表明数字化转型能够通过提升实物资本投资水平进而提升企业创新效率。最后， 在进一步讨论中发现数字化转型对企业创新效率的提升作用主要存在于低供应商集中度以及与低信息不对称程度的企业中。 本文研究贡献在于：（1） 深入研究数字化转型对企业创新效率的影响路径，选取实物资本投资水平作为两者内在机制，进一步研究数字化转型如何影响制造企业的创新效率，为制造企业的数字化转型与创新战略决策提供一定的参考；（2）进一步讨论供应商集中度和信息不对称程度如何影响数字化转型对企业创新效率的作用，为制造业数字化转型推动企业创新， 促进企业高质量发展提供参考。

二、文献综述与研究假设

（一）数字化转型的经济后果研究

宏观上， 数字经济通过改变传统生产方式，加速经济动态循环，推动各行各业升级转型，同时加速产业结构转型升级， 促进就业环境持续改善、就业能力不断增强，缩小城乡、区域等贫富差距，助力均衡发展，推进共同富裕，促进中国经济高质量发展[5-10]。 由此可见，数字经济已经成为中国经济发展的新动能。

微观上，企业的数字化转型本质上是组织为改进重大业务、提升企业效益，利用数字技术改变价值创造的持续性战略更新过程。 从企业内部运作视角出发，数字化转型能够减少企业生产经营过程中的生产成本与费用粘性， 减少股东与管理者之间的代理成本，缓解融资约束，提升企业的信息整合能力与专业化分工水平，增加企业创新产出，提高企业全要素生产率[11-17]。 从企业与外部的联系来看，数字化转型能够扩大市场份额、 改善企业与市场之间的信息不对称，提升股票流动性与企业出口质量[18-19]。上述文献对数字化转型的特征及其经济后果进行了非常丰富的阐述，这对接下来的研究提供了实质性参考。

（二）企业创新效率的影响因素研究

现有文献中关于企业创新效率的影响因素研究已经非常成熟。 从企业外部环境出发，学者们认为国际化程度、营商环境优化、政府补助等因素对企业创新效率具有一定程度上的影响[20-23]；从企业自身表现来看，企业的创新行为贯穿了经营运作全过程，无论是所有权性质和网络结构，还是公司内外部治理，这些因素对企业创新效率均具有显著影响[24-28]。 上述文献为理解企业创新效率的影响因素和内在机理打下了坚实基础。

（三）数字化转型与企业创新效率

早在2000 年，数据被认为可以用来生产商品或服务，提高企业的经济效益，为企业创造价值。 如今，数据已经成为新兴生产要素并因其成本低、 效率高的优点已渗透到各行各业中， 这从自然属性的角度支持了数字资本的存在。 由动态能力理论可知，数字化转型模糊市场壁垒，减少信息流通转换流程，降低企业内外部信息不对称程度， 提高企业内部信息透明度，使企业更快、更准确的感知并提炼出有效信息来捕捉环境的动态变化，识别创新机会[29]。 企业对此调动内部资源，为组织、产品、内部流程、商业模式等设计有敏捷性的新行动并承诺实施以应对未来不可控的需求变化[30]。 基于资源基础理论，企业是各种资源的集合体。 不同的企业拥有不同的资源，这种资源异质性决定了企业竞争力的差异。 数字化转型利用数字技术不仅转化并高度整合积累的信息与行动，提炼出新的信息、知识与创新，而且在价值创造过程中能够促进组织间的交流沟通， 加大组织间内部资源使用的灵活性， 增强企业获取有利信息与开发新产品的能力，进一步提高异质信息之间的互补性，扩大独特的竞争优势，进而提升企业创新效率[30-31]。 基于以上分析提出假设：

H1：在其他条件不变的情况下，企业进行数字化转型能够显著提升企业创新效率。

三、研究设计

（一） 数据来源

选取2010—2021 年沪深A 股制造业上市公司的数据为初始研究样本。 为保证数据的准确性，初始数据做了如下处理：（1）剔除ST 和期间退市的样本；（2）剔除金融、保险等金融类上市公司；（3）为保证企业的创新效率评价的一致性， 删除主要变量的数据缺失的样本公司；（4）对所有微观层面的连续变量进行了双侧1%的Winsorize 缩尾处理， 以降低异常值影响；最终得到19 731 个观测值。原始数据来自国泰安（CSMAR）数据库，相关企业年报数据来自各大证券交易所官方网站。

（二） 变量选取与模型设定

1. 被解释变量

企业创新效率（Ie）。 目前学术界主要采用DEA、SFA 等模型衡量企业创新效率[32]。 DEA 模型能够测算多投入多产出，且不用设立生产函数，因此被广泛运用于效率测算， 但该模型存在一定的局限性：（1）该模型测算的数据不可以包含0，而现实中很多企业的专利数量为0；（2）存在的随机误差可能会导致结果偏差；（3）难以检验回归结果总体的显著性。 SFA模型相较于DEA 模型考虑了随机误差的存在对结果产生的影响，但也存在一些限制条件：（1）该模型需要提前确定生产函数；（2）测量数据中只能用1 个输出值来衡量企业的创新产出。

考虑到时滞性和数字化转型与其之间的反向因果的内生性问题， 创新效率采用专利申请数与当期及上一期的研发投入之和的均值之比来衡量。 若干样本公司的专利申请数或研发投入为0，且总体数值较小，因此两者分别加1 再取自然对数，相除后再乘以100 以方便数据分析，公式如下：

2. 解释变量

数字化转型（Dt）。 数字化转型程度的现有衡量方式主要有问卷调查、文本挖掘与综合评价法。 本文参考了吴非等学者的方法[18]，该数据来源于国泰安（CSMAR）数据库。

3. 控制变量

参考现有数字化转型和企业创新效率的研究，控制变量如下：企业规模（Size）、企业年龄（Age）、固定资产比（PPE）、资产负债率（Lev）、总资产收益率（ROA）、流动性（Liquid）、独立性（Indep）、两职合一（Dual）、股权集中度（Share）。除此之外还加入了年份（Year）和行业（Industry）的虚拟变量。 具体指标内容详见下表1。

表1 变量定义与主要变量描述性统计

4. 模型设定

为研究数字化转型对企业创新效率的影响，构建以下回归模型：

其中，被解释变量Ie 为企业创新效率，衡量方法详见公式（1）；核心解释变量Dt 是数字化转型程度，其系数α1表示数字化转型对企业创新效率的影响，根据理论假设，预期内该系数应显著为正； Controls 表示企业个体特征的控制变量，ε 是模型的随机误差项。

四、实证结果及分析

（一）描述性统计

表1 为变量定义及主要变量描述性统计，从表1中可以看出，被解释变量创新效率（Ie）乘以100 后的平均值为15.85，标准差为10.669，最小值为0，最大值为40.651， 说明样本制造业上市公司的创新效率整体较低，且不同企业之间存在较大差异；解释变量数字化转型（Dt）的平均值为1.129，标准差为1.242，最小值为0，最大值为6.140，说明样本制造业上市公司整体的数字化转型程度较低且不同企业之间存在较大差异。

（二）基准回归

表2 列示了数字化转型与企业创新效率的假设检验结果。 第（1）列仅控制了年份和行业虚拟变量，第（2）列进一步增加了企业基本特征层面、公司治理层面的控制变量，结果显示，数字化转型（Dt）的回归系数分别为0.122 与0.124， 均在1%水平下显著为正， 说明了企业进行数字化转型确实能够提升企业创新效率。 假设H1 得到验证。

表2 基准回归

（三）内生性处理与稳健性检验

1. 内生性处理：Heckman 两阶段法

在前文的描述性统计中可以观察到，部分企业并未进行数字化转型。 企业是否进行数字化转型会受到诸多因素的影响，因此样本可能存在选择偏差问题， 采用Heckman 两阶段法进行检验， 并增加了外生变量企业价值（Tobinq）。 从相关性角度看，企业进行数字化转型需要有坚实的物质基础与综合实力，因此会参考企业价值来决定数字化转型程度。 从外生性来看， 企业价值并不会直接影响到企业创新效率，因此可以作为外生变量。

表3 第（1）（2）列为Heckman 两阶段的回归结果。 第一阶段的回归结果显示，外生变量企业价值（Tobinq）的回归系数在1%水平下显著为正，表明企业价值越大， 企业进行数字化转型的可能性越高，外生变量符合相关性的要求。 第二阶段的回归结果显示，IMR 在1%水平下显著， 由此说明样本选择偏差问题不可忽略， 有必要控制样本选择偏差问题。 控制后，数字化转型（Dt）的回归系数在1%的水平下显著为正， 说明前文主要研究结果是稳健的。

表3 内生性处理与稳健性检验

2. 稳健性检验

（1）替换被解释变量指标。 在被解释变量原指标的基础上将其中的专利申请数更换成发明专利申请数，再将新的被解释变量（Ie2）重新带入模型计算。回归结果如表3 第（3）列所示。

（2）剔除未申请专利的样本企业。 制造业下的经营范围分布较广， 部分样本企业一定期间内由于经营范围或主营业务性质等未申请过专利， 因此将专利申请量为0 的公司剔除， 进一步增强结果的可信度。 回归结果如表3 第（4）列所示。

（3）更换样本区间。 中国数字经济在2015 年后迅速发展的更为明显，因此使用2015—2021 年的样本数据重新进行模型计算。 回归结果如表3 第（5）列所示。

如表3 所示， 三个模型对应的回归结果至少在5%的水平下显著正相关，与预期结果相符合，表明研究结果具有稳健性。

五、进一步分析

（一）机制检验：实物资本投资水平

企业的资源总是有限的。 根据资源配置理论，企业不同的资源分配方案会造成不同的经济后果。 在资源有限的情况下， 企业往往会在短期资本投资和长期创新投资之间进行权衡[33]。 现有研究表明，企业在研发创新领域以外的过度投资对企业创新会造成突出的挤出效应[34]。本文借鉴郝凤霞、杨鸣的研究，用存货净额、固定资产净额、在建工程净额和工程物资的总和与总资产的比值来衡量企业的实物资本投资水平（Invest），考察资源配置在数字化转型对企业创新效率的影响过程中发挥的机制作用[35]。结果如下页表4 所示，第（1）列反映了数字化转型（Dt）对企业实物资本投资水平（Invest）在1%下显著为负，说明数字化转型能够挤出内部资金用于企业其他方面的投资；第（2）列反映了企业实物资本投资水平（Invest）的回归系数在5%的水平下显著为负，同时解释变量数字化转型（Dt）的回归系数在1%的水平下显著为正， 反映了企业内部实物资本投资水平确实在数字化转型影响企业创新效率过程中起到了中介作用，且结果具有稳健性。 可能的原因是：数字化转型能够通过数字技术使企业资源去向透明化， 明晰资源管理脉络，帮助决策者做出合理决策，引导企业提高资源配置水平， 降低短期资本投资风险的同时又能保障企业长期的创新资金需求，提升企业创新效率。

表4 机制检验与调节效应检验

（二）调节效应检验

1. 供应商集中度

基于资源依赖理论， 无论是数字化转型还是研发创新行为，企业都需要坚实的物质基础，资源获取能力至关重要。 在外部环境不可控的情况下，企业需充分利用供应链关系缓解不确定性因素带来的负面影响。 考虑到数字化转型作用于企业创新效率是企业内部活动，因此将供应商集中度（Scon）与数字化转型（Dt）的交乘项加入回归模型中，聚焦考察供应商集中度在数字化转型对企业创新效率影响中的调节作用。回归结果如表4 列（3）所示，交乘项Scon×Dt的回归系数在1%水平下显著为负，表明供应商集中度越低，数字化转型更提升企业创新效率。 可能的原因是： 企业有较高的供应商集中度意味着其获取信息、原材料等资源的渠道较少，资源配置较为集中，且高度依赖主要供应商， 这会使企业在交易中处于被动地位，同时会加大供应链中断风险。 反之，若供应商集中度较低，则企业获取资源的渠道较多，对供应商的依赖程度较低，能主观能动地配置内部资源，因此企业在拥有相对较为宽松的资源配置条件下实施数字化转型，进行创新活动更容易产生成果。

2. 信息不对称程度

从公司治理角度出发， 数字化转型在对企业创新效率作用的过程中需要大量的信息，因此，企业与外部的信息不对称程度理应会影响数字化转型对企业创新效率的提升作用。 用被分析师关注度来衡量企业与外部的信息不对称程度（Ana），即企业被分析师关注的越多，企业与外界的信息不对称程度越低。表4 第（4）列的回归结果显示，信息不对称程度与数字化转型的交乘项Ana×Dt 的回归系数在1%水平下显著为正， 表明企业与外界的信息不对称程度会影响数字化转型对企业创新效率的提升作用， 信息不对称程度越低，提升作用越大。 可能的原因是：若企业与外界的信息不对称程度低，一方面，企业则可以获得更多行业、市场等信息，促使企业在动态的数字化转型过程中及时调整发展战略， 有利于企业创新方向更加合理科学，降低了创新行为的成本与风险。另一方面， 企业愿意主动向外界披露信息从而降低与外界的信息不对称程度， 表明企业的经济活动不存在严重问题，数字化转型战略是可行的。 同时，外界也会因其披露信息多、 评估难度小而更加关注企业，更愿意对其进行评估，从而会产生评论和评估结果。 企业从这些外界的反馈中可以明确自身发展的优势和不足，积极改善和更新，这有利于企业提升核心竞争力，促进高质量发展。

六、结论与启示

选择2010—2021 年沪深A 股上市公司为研究对象， 实证分析数字化转型是否以及如何影响企业的创新效率。 实证结果表明：（1）数字化转型显著提升了企业的创新效率；（2）数字化转型能够通过提升实物资本投资水平来优化资源配置， 为企业创新增添新动力，提升创新效率；（3）进一步讨论结果表明了数字化转型对企业创新效率的提升作用在供应商集中度低、信息不对称程度低的企业中更为显著。 研究结果为数字经济与实体经济的结合提供了一些经验启示。

面对日益激烈的国际竞争，我国应当加快推进数字化转型。 制造企业应当积极响应国家号召，抓住时代机遇，加入数字化转型阵列，充分将数字技术与实际业务深度融合，挖掘信息潜在价值，加强创新力度，落实创新驱动发展战略，实现制造业高质量发展。 同时，企业应当识别合理的转型路径，不可急于求成。企业应开源节流，积极调动企业内部资源，提升其流动性，为企业创新活动续航。 同时也应立足于行业与企业的特征差异，充分挖掘数字技术价值，深入应用、落实业务，明晰自身的核心竞争力，不同行业、不同性质、不同规模的企业采用合适的、特色的转型路径，提升资源优化配置水平，提高企业创新效率，扩大企业的核心优势，实现企业高质量稳定发展。