企业数字化程度促进双元创新了吗？

李玉花 李丹丹

摘 要：数字技术已成为一种新型生产要素，明确其在企业生产运营的应用与创新的关系具有重要理论价值和现实意义。本文以2007—2021年中国A股上市公司为研究样本，探讨企业数字化程度对渐进式创新和突破式创新的差异化影响。研究发现：企业数字化程度通过增强行业内知识多样性促进了渐进式创新，但对突破式创新的影响并不显著；企业员工教育水平和专业化分工程度均增强了企业数字化程度对渐进式创新的正向影响，但并不调节企业数字化程度和突破式创新之间的关系；高盈利能力企业和竞争性行业的企业数字化程度能够促进渐进式创新，但不影响突破式创新；管制性行业的企业数字化程度抑制了突破式创新，且对渐进式创新的影响不明显。

关键词：企业数字化程度；知识多样性；渐进式创新；突破式创新

中图分类号：F2707；F2731  文献标识码：A  文章编号：1001-148X（2024）03-0125-09

收稿日期：2023-11-12

作者简介：李玉花（1984—），女，山东曹县人，教授，博士生导师，研究方向：数字经济、技术创新、FDI与创新；李丹丹（1991—），女，河南周口人，博士研究生，研究方向为：数字经济、技术创新。

基金项目：国家社会科学青年基金项目“数字经济对中国企业出口升级的作用机理、效应及对策研究”，项目编号：21CJY020。

一、引 言

党的二十大报告指出，要加快实施创新驱动发展战略，集聚力量进行原创性引领性科技攻关，坚决打赢关键核心技术攻坚战，增强自主创新能力［1］。自主创新能力的提升不仅体现在对现有技术、现有产品和服务进行不断完善、改进，还体现在开发填补目前处于劣势甚至空白领域的新技术。企业是创新成果产出的第一主力军，研究如何提升企业渐进式创新（即在现有知识和技术基础上进行改进和优化）和突破式创新（即突破原有的知识组合模式研发出全新的技术），对我国自主创新能力提升具有重要意义。

近年来，信息技术快速发展，最为突出的数字技术目前已得到广泛应用，且成为推动经济发展的一种新型的、重要的生产要素。数字技术融入企业，不仅使知识和技术的流动更加便捷，重塑且扩大了企业知识边界［2］，而且内部的数字化有助于改进生产流程、业务模式、经营方式和运作思维等，同时为有创新意愿的企业提供了全新且颠覆性的市场机会［3］。然而，企业会利用数字技术所带来的这些机遇更多地进行某种创新吗？渐进式创新和突破式创新对企业员工受教育水平、企业专业化分工程度、研发投入的持续性以及风险的承受力具有不同的要求，那么企业数字化程度对渐进式创新和突破式创新是否存在影响，如果存在，是否不同？

目前，对数字化和企业创新关系的研究，主要集中在数字经济或数字技术对企业创新绩效［4］、企业创新效率［5］的研究，以及对企业具体创新内容的研究，如企业绿色创新［6］、技术创新［7］、模式创新［8］等。不同于已有研究，本文是就数字化程度对企业的不同创新模式进行探讨。企业创新按模式可划分为渐进式创新和突破式创新［9］，渐进式创新是为维持现有市场份额和满足现有客户需求，而对企业已有技术、产品和服务等进行改进和提升，具有投入少、见效快的特点；突破式创新是企业为扩大潜在市场份额和挖掘潜在客户，前期投入大量资金和研发资源，颠覆现有技术，开发出的全新技术、产品和服务［10］。基于企业未来生存和发展考虑，亟须研究企业数字化程度分别对渐进式创新和突破式创新的影响。

同时，也有学者探究了企业数字化影响企业创新的机制渠道，发现企业数字化通过适应能力、创新能力和吸收能力［11］、人力资源投入和财力资源投入［6］、国际化战略［12］等企业活动影响企业创新。不同于以往文献，本文从创新的本质出发来探索企业数字化影响创新的“黑箱”。创新的本质是知识元素的排列组合［13］，而渐进式创新偏向行业内多样化的知识元素组合，突破式创新偏向跨行业多样化知识元素的组合。基于此，本文将重点研究企业数字化程度如何通过影响知识元素的多样性，对渐进式创新和突破式创新产生的不同影响。

本文可能的边际贡献在于：一是研究对象的深入挖掘。对数字技术研究的现有文献尚未根据企业创新模式开展研究，本文根据创新模式将企业创新分为渐进式创新和突破式创新，探究了企业数字化程度对二者的差异化影响，拓展了对创新的认识，同时也丰富了企业数字技术应用的经济成果。二是机制研究视角的开拓。现有文献对数字化和企业创新机制的研究多为企业活动，鲜有就创新本身所需的知识结构进行分析。本文基于知识组合理论，从创新本质出发，全面探讨并验证了企业数字化程度通过影响行业内外知识多样性，进而对渐进式创新和突破式创新产生差异化作用的机制，有助于打开企业数字化程度分别影响渐进式创新和突破式创新的“黑箱”。三是创新性地将企业内部环境因素作为调节变量，分析其对企业数字化程度与渐进式创新和突破式创新关系的调节作用。本文为数字化程度促进企业创新提供了新的经验证据，为政府部门优化创新激励政策和企业自身优化创新环境提供了新的理论参考。

二、理论分析与研究假设

知识组合理论认为，创新的本质是对知识元素进行组合［13］，渐进式创新是对行业内已有或新知识元素进行组合，以升级现有产品、技能、流程和结构［14］，而突破式创新需要新知识或偏离现有知识对行业外的知识元素进行组合［15］。企业持续进行渐进式创新和突破式创新，需要不断地丰富自身的知识库，以增强知识的多样性。随着数字技术应用的不断深入，企业可以利用数字技术将分散在不同数据源中知识进行搜索、整理与分析、储存与共享，这样企业的知识库会快速地扩充，其知识元素也更加多样化，为企业高效地进行创新活动助力。作用于企业创新的数字技术功能主要分为三类：搜索、整理与分析、储存与共享。这三种功能之间相互衔接、相互传递，合力影响企业创新。本文将数字技术的这三类功能与知识组合理论相结合，揭示企业数字化程度对渐进式创新和突破式创新的差异化影响。

（一）数字技术、知识多样性、企业的渐进式创新和突破式创新

1 数字技术的搜索功能增强知识元素的流动性，提高多样化知识元素间的组合可能性。数据技术中的网络爬虫技术、数字挖掘技术、文本挖掘技术等均具有搜索功能，企业可以利用这些技术的搜索功能搜索分散在企业或个人网页具有市场信号的知识和技术，提升知识的丰裕度，便于企业更加高效地收集多样化的知识。同时企业也可以从企业外的数据库、文库中检索并提取到具有隐性和显性联系的知识元素和技术信息并将其收集。搜索技术既可以增强行业内外知识元素的流动性，又可以在扩大企业知识库的同时，增加多样化知识元素间的组合可能性。

2 数字技术的整理与分析功能促使多样性知识元素间关系的显现化，提升知识组合的准确度。数字技术中具有强大的整理和分析功能，使得在庞大知识库中无序且毫无关联知识元素间的潜在关系显现化，拥有该功能的数字技术有数据库技术、知识图谱技术、云计算技术等。整理功能中的标签和分类系统可以对知识进行结构化管理，提高知识分类细化、组织、检索的效率，且便于研发人员浏览和检索相关的知识，同时也会对庞大且组织混乱的知识元素集就其所属行业进行对比、归纳、分类；数字技术的分析功能可以利用图、表数据库及语义网络等，将行业内外的知识元素之间的关系建模为节点和边，帮助研发人员更明晰地理解和发现行业内外知识元素间的关联性，促进多样化知识元素的行业内和跨行业融合，同时也有助于研发人员预测有价值知识组合的准确度［16］。

3 数字技术的储存和共享功能有助于企业内外部交流，使得企业知识元素更加多样化。面对收集和获取的大量知识，需要数字技术的储存功能将其在软件或硬件中存储，便于进行整理、分析和共享。数字技术的储存功能有三种不同的类型：用于个人存储的公共云、用于企业控制数据的私有云、公共云和私有云相结合的混合云。私有云在公司内部可以高效保护数据安全，同时可以实现企业内各部门知识的共享；混合云则可以使公共云和私有云之间的知识流通和共享更加便利且安全，研发人员在云服务器上可以随时随地上传和下载知识及技术方法。而共享功能的运用主要分为三类：企业内部的知识元素共享、企业外行业内的知识元素共享和行业外的知识元素共享。企业内部的知识共享主要体现在企业各部门之间技术和知识沟通交流、知识元素的互换。行业内知识元素的共享则可以加深对企业所属行业知识的理解、补充企业的知识库，完善企业对所属行业知识范围的漏缺。因此，企业内部、企业外行业内部知识元素共享有助于增强行业内知识元素的多样性。行业外知识元素共享主要体现在不同行业的企业或机构之间进行的知识元素共享，即双方进行合作时，跨行业知识库的知识元素得以流通与共用，增强了行业外知识元素的多样性。

企业拥有多样化的行业内知识元素有助于促进渐进式创新。企业在行业内部知识共享时，研发人员与行业内的专业人士对知识元素进行密切的讨论，提升对同行业知识元素识别度和熟悉度，以便更易理解其优缺点［17］、运用原则等，更好地掌握本领域核心技术［18］。这有利于打破固有知识元素间的组合原则［19］，同时也可使用关联规则、知识图谱技术挖掘该行业创新成果知识元素组合的规律［20］，对涉及的知识元素的利用价值进行评估。这也更容易发现其与企业内部知识库中知识元素之间的潜在联系，便于在已有产品知识元素基础上对价值高的行业内知识元素加以利用，促进行业内新知识组合的产生，即产生渐进式创新活动的想法，进而促进渐进式创新［21］。

企业的行业外知识元素多样性对突破式创新具有促进作用［22］，主要体现在两个方面。一方面，企业的行业外知识元素多样性程度越高，其知识异质性就越强，也有助于增强企业知识整合的灵活性以及打破企业创新的固有思维，为企业提供不同的创新思路，有助于脱离现有技术模式的机会，增加突破式创新的可能性［18］。另一方面，多样化的行业外知识不但扩大了企业的知识边界，而且提高了企业对前沿技术及潜在市场信号的理解能力，这也极大地增加了企业为拓展新市场、掌握新技术，进而开展突破式创新活动的可能性［21］。基于以上分析，本文提出如下假设：

H1a：企业数字化程度通过增强行业内知识元素多样性促进企业的渐进式创新。

H1b：企业数字化程度通过增强行业外知识元素多样性促进企业的突破式创新。

（二）企业员工教育水平和专业化分工程度的调节作用

企业数字化程度对渐进式创新和突破式创新的影响均会受到企业内部环境的调节。企业内部环境因素主要包括研发资金投入、员工教育水平、企业专业化分工程度、管理者关注度等。结合知识组合理论，本文选取最能直接影响知识组合的两个因素：员工教育水平和企业专业化分工程度，并分析二者对企业数字化程度和两种创新关系的调节作用。

企业员工教育水平可能调节企业数字化程度对渐进式创新和突破式创新的影响。员工教育水平的程度体现了企业进行创新活动的潜力。高等教育往往是综合性较强的，这意味着，接受高等教育的员工具有多领域知识背景的潜质，其学习和接受能力普遍较强。因此，员工教育水平高的企业可以更快地熟悉数字化工具和平台的使用、掌握新的数字技术、适应数字化环境，利用它们的搜索功能得到更多行业内外的知识元素，借助数字技术的整理分析功能，并结合多领域知识背景，对搜索到的知识元素进行整理和分析，可以将不同行业的知识进行交叉应用、行业内的知识加以深化和拓展，高效快速地识别公司知识库知识元素之间的显性或隐性联系，使得新的知识组合的可能性增大，提高企业进行渐进式创新和突破式创新的可能。基于以上分析，本文提出如下假设：

H2a：员工教育水平增强了数字化程度对企业渐进式创新的促进作用。

H2b：员工教育水平增强了数字化程度对企业突破式创新的促进作用。

企业专业化分工程度可能调节数字化程度对渐进式创新和突破式创新的影响。专业化分工程度指企业内部工作任务的分工程度，较高的专业化分工程度意味着各企业在相关领域都有更深入的专业知识和技术，有更好的技术知识储备和积累。这样，企业的研发人员基于对行业内知识元素深入的了解和掌握，在进行知识元素组合时会更加得心应手，容易发现改善和提升现有产品知识组合的机会，进而有助于企业利用数字技术提升其渐进式创新。专业化分工程度高的企业，在借助数字技术的储存和共享功能实现与行业外企业的知识库共享，以及实现企业知识库的多样性提高的同时，结合得益于专业化分工的技能和知识的积累，可以更快实现多学科知识的融合，为其提供更广阔的视角和更丰富的创新思路，使得不同行业间的知识元素组合的可行性得以提高，便于开展突破式创新活动。基于以上分析，本文提出如下假设：

H3a：专业化分工程度增强了数字化程度对企业渐进式创新的促进作用。

H3b：专业化分工程度增强了数字化程度对企业突破式创新的促进作用。

三、研究设计

（一）样本选择与数据来源

自2007年1月起，上市公司开始启用新的会计准则，为使数据计算方法具有统一性和保证面板数据具有连贯性，本文采用2007—2021年的沪深A股上市公司作为研究对象。此外，考虑到金融及房地产行业的财务报表和其他行业差别明显，故作剔除处理，同时对ST、PT以及资不抵债的企业也作剔除处理。A股上市公司财务数据来自CSMAR数据库和Wind数据库，行业数据来自《中国统计年鉴》，地区层面数据来自《中国城市统计年鉴》，专利数据来源于经济金融研究（CCER）数据库。

（二）变量测度与说明

1 被解释变量：企业渐进式创新和突破式创新。使用专利数量来测度渐进式创新和突破式创新。中国采用的国际专利分类号，分为部、大类、小类、大组、小组等五个部分，部用一个字母表示，大类用两个数字表示，小类用一个字母表示，大组用一至三个数字表示，小组用二至四个数字表示。借鉴Wagner［23］对专利分类号的前四位进行对比，如若近5年内未出现重复的专利则记该专利为突破式创新专利；如若近5年内重复出现，则记该专利为渐进式创新专利。此外，鉴于部分样本企业的渐进式创新专利以及突破式创新专利数量为0，且呈右偏态分布，对以上专利数量加1后取自然对数处理，进而构建渐进式创新和突破式创新代理变量为Incrmt和Radical。

2 解释变量：数字化程度。本文借鉴吴非等［24］和袁淳等［25］的做法，首先，在其相关研究的基础上，结合《数字化程度报告2022》《关于数字经济发展情况的报告》《中国数字政府发展研究报告（2021）》《数字政府发展趋势与建设路径研究报告（2022年）》等与数字化相关的研究报告和重要政策文件，提取主要包括技术层面和数字化应用层面的相关数字化关键词。技术层面包括人工智能、大数据、区块链、云计算等四大类技术应用相关的词组。数字化应用层面主要包括电子商务、移动互联、数字金融和数字营销等因数字化而产生的新兴集成技术、企业流程升级和业态改变的相关词组。以上共218个关键词，构建数字化词库。其次，运用Python爬虫技术提取2007—2021年中国所有A股上市公司的年报，然后运用机器学习文本分析法统计出各层面关键词出现的频率，同时删除年报中的停用词。最后，将加总数字化相关词汇的频数，用总和与企业年报管理层讨论与分析（Managements Discussion and Analysis）语段长度的比值乘100 作为企业数字化程度的衡量指标［25］。

3 控制变量。本文的控制变量分为地区层面和企业层面。地区层面的控制变量是地区发展水平（Gdp），用所在城市GDP取自然对数来表示。参考唐要家等［4］的做法，公司层面的控制变量包括企业规模（Size），用企业总资产取自然对数；企业年龄（Age），用数据统计年份与成立年份的差值，并取自然对数表示；企业托宾Q值（Q），用企业的市值与总资产之比表示；资产负债率（Lev），用企业总负债与总资产的比值表示；企业资本密集度（Capt_intsy），用企业总资产与营业收入之比表示；总资产收益率（Roa），采用净利润与平均资产总额的比值；董事会规模（Bsize），用期末董事会人数的自然对数表示；独立董事比例（Bodi），用期末独立董事人数与董事会人数之比表示；经营现金流量比（Flows），用经营活动现金净流量与当期总资产之比表示。在此基础上加入企业和年度两个维度上的固定效应。

（三）模型构建与描述性统计

为检验企业数字化程度对渐进式创新和突破式创新的差异化影响，构建如下计量模型：

Innovationi，t=α0 + α1Digitali，t + α2RCj，t+α3FCi，t + γi+δt + εi，t（1）

其中，Innovation代表企业创新水平，包括变量Incrmt和Radical；Digital为企业数字化程度；γ是企业固定效应；δ是年度固定效应；ε是随机干扰项。RC是地区层面的控制变量，FC是企业层面的控制变量。其中，下标i、j、t分别表示企业、地区和年份。以上变量的描述性统计见表1。

四、实证结果分析

（一）基准回归

表2报告了企业数字化程度分别对渐进式创新和突破式创新影响的检验结果。在表2中列（1）和列（3）仅添加一些控制变量，而列（2）和列（4）在添加控制变量的基础上也控制了企业和年度固定效应。在列（1）中，企业数字化程度（Digital）对渐进式创新（Incrmt）影响的回归系数为0611，通过了1%的显著性检验。列（2）结果显示，由于控制了企业和年度固定效应会部分影响渐进式创新而吸收，致其回归系数缩小至0249，且通过5%的显著性检验。列（3）和列（4）的结果显示，企业数字化程度对突破式创新影响的回归结果均未通过统计显著性检验。以上结果说明，企业数字化程度促进了其渐进式创新，但对突破式创新的影响不明显。

（二）内生性检验

一方面，互联网的飞速发展、数字化的普及，企业层面数字技术应用越来越深入，大大提高企业的工作效率，进而促进创新水平的提升；另一方面，企业创新水平的提升也会推动企业数字化程度的提升。本文采用工具变量法尽可能解决这一反向因果关系，以及可能存在的遗漏变量和样本选择偏差引起的内生性问题。

参照Bartik工具变量的构建思想，借鉴方明月等［26］的做法，采用2006年同行业其他企业的数字化程度均值与企业所在省份外的其他省份互联网宽带接入端口数量的增长率相乘，构建企业数字化程度的工具变量D_bb。该方法构建的工具变量满足外生性要求，且企业数字技术应用的深度与行业性质相关，满足相关性要求。表3中列（1）结果表明，考虑内生性问题后，Digital系数通过了5%的显著性水平，且为正；列（2）结果不显著。与前文结果一致。

此外，本文还参考张勋等［27］的做法，采用企业所在城市与作为数字技术的发源地——杭州的英里数作为工具变量，距离越近，就越能享受到知识及技术溢出的红利，满足相关性的要求。且城市之间的距离不直接作用于企业创新，满足外生性要求。由于该变量为截面数据，本文将其分别与互联网用户数、互联网普及率相乘构成两个面板工具变量Dist_numb、Dist_rate。表3列（3）—（6）回归结果显示，工具变量Dist_numb、Dist_rate与前文检验结果一致，同样表明本文的主要结论依然成立。

（三）稳健性检验

1 删除金融危机时期和疫情时期样本数据。在经济全球化的今天，国内外的经济大波动均会影响到企业数字化程度以及企业创新。在样本数据的时间序列中，发生了三个重要的影响经济波动的事件：2008年国际金融危机；2015年中国股灾；2020年新冠肺炎疫情的爆发。本文借鉴吴非等［24］的处理方法，剔除国际金融危机爆发、中国股灾及新冠肺炎疫情前后两年的样本数据，保留2011—2014年和2017—2019年的样本数据，来考察模型的估计效果。如表4列（1）和列（2）所示，估计结果依然稳健。

2 企业数字化程度滞后一期。由于企业数字化程度可能对渐进式创新和突破式创新产生一定的滞后效应，故本文通过对滞后一年的数字化程度指数进行回归，并以此作对比。如表4列（3）和列（4）所示，结果均与基准回归结果一致，证明本文的核心研究假说成立。

3 替换被解释变量。在借鉴Wagner［23］做法的基础上，对专利分类号的前四位进行对比，如若近三年内未出现重复的专利则记该专利为突破式创新的专利；如若近三年内出现重复，则记该专利为渐进式创新专利。同样，对以上专利数量加1后取自然对数处理后进行回归，结果如表4列（5）和列（6）所示未发生显著变化，体现了结论的稳健性。

4替换估计方法。由于上市公司的年度专利申请数据为计数数据，且存在较多的零值，前文的回归结果可能存在一定程度的偏差，故采用适用于计数数据的负二项回归模型，以及对零值较多的样本具有较好适配性的Tobit模型进行重新估计。Tobit回归结果如表5列（1）和列（2）所示，其报告系数为平均边际效应；负二项回归结果如表5列（3）和列（4）所示。二者结果与基准回归结果一致。由此可见，经过多重稳健性检验，本文的核心研究结论依旧成立。

五、进一步分析

（一）机制检验

企业数字化程度对渐进式创新的影响是否由于行业内知识多样性所导致的，以及理论上企业数字化程度对突破式创新的影响是否由于行业外知识多样性所导致的，还需要对相关统计数据进行实证检验。基于Chatterjee和Blocher［28］的思想，知识的多样性是行业内知识多样性和行业外知识多样性的总和。由于企业的知识库是自成立以来不断积累知识的结果，且企业的创新结果是建立在以往知识的基础上产生的，因此，为更好体现企业知识多样性的变化轨迹，本文以五年为窗口期，对企业的发明专利和实用新型专利进行分析。借鉴吴伟伟等［22］的做法，用国际技术分类中的大类表示企业的知识元素种类，采用信息熵指数的方法来测算企业知识的多样性：

KD =∑Ni=0piln（1pi）（2）

其中，pi是i大类专利总数占所有专利总数的比例。

行业外知识多样性（UKD）表示为：

UKD=∑Mj=0pjln（1pj）（3）

其中，pj是j部专利总数占所有专利总数的比例。

行业内知识多样性（RKD）表示为：

RKD=KD-UKD（4）

机制检验的回归结果如表6所示，列（1）表明企业数字化程度的提高可以增强企业的行业内知识多样性，促进渐进式创新，验证了假设H1a。列（2）表明企业数字化程度的提升可以增强企业行业外知识多样性，但企业数字化程度提升对突破式创新的基准回归结果不显著，可能存在两个原因：一是企业利用数字技术更易于发现短期市场需求，为应对市场竞争，可能偏向将通过数字技术获得的多样化知识应用到渐进式创新活动中，而非需要高投入、高风险、产出周期长的突破式创新。二是同行业的企业数字化程度比较相近，相似的硬、软件设施便于行业内企业进行技术和知识的交流、合作与共享。而在行业外，企业间硬件和软件的基础设施大有不同，如知识储存系统的差异等，在技术和知识共享时存在一定的不便性，且行业内外知识元素的结构、排序规则等可能大相径庭，而研发人员可能存在专业思维受限等因素，需要花费大量的时间和精力寻找新颖的创新可能性，因而对突破式创新的影响不明显，拒绝假设H1b。

（二）企业员工教育水平和专业化分工程度的调节作用分析

本文进一步地分析了企业员工教育水平（Amt）以及专业化分工程度（VSI）对企业数字化程度和渐进式创新、突破式创新之间的关系的调节作用。企业员工教育水平（Amt），选用企业本科以上在职员工总人数加1，并取自然对数。企业专业化分工程度（VSI）和企业纵向一体化程度是一组相对的概念，二者存在此消彼长的关系。用最早由 Adelman提出的价值增值法（Value Added to Sales，VAS）来测度纵向一体化，并参照袁淳等［25］的做法，本文选用修正后的企业专业化分工程度VSI=1-VASAdj ，其合理值域为［0，1］，并删除偏离合理值域的观测值。

表7结果显示，企业数字化程度与员工教育水平交乘项（Digital*Amt）的系数和企业数字化程度与专业化分工程度的交乘项（Digital*VSI）系数在列（1）和列（3）均显著为正，但在列（2）和列（4）均不显著。说明企业员工教育水平和专业化分工程度均增强了数字化程度对渐进式创新的促进作用，且对企业数字化程度和突破式创新的关系的调节作用均不明显。该结论验证了假设H2a和H3a，且不支持假设H2b和H3b。

（三）异质性检验

1 企业盈利能力异质性。企业开展创新活动需要大量的资金投入，而其盈利能力是决定研发资金投入规模的重要因素。借鉴董香书等［29］的做法，企业盈利能力采用“企业净利润和营业总收入的比值”来衡量，并将其与企业所在行业的中位数作为参照分为高盈利能力企业和低盈利能力企业进行回归。表8结果显示，低盈利能力的企业，数字化程度提升对渐进式创新和突破式创新的影响均不显著；高盈利能力的企业，数字化程度的提升显著正向影响企业渐进式创新，而对突破式创新的影响则不显著。这表明，企业数字化程度对渐进式创新的促进作用主要体现在高盈利能力的企业。

2管制性行业与竞争性行业的异质性。行业的竞争程度可能对企业数字化程度和创新的关系产生影响。在竞争性行业，面对高竞争程度，企业会加大研发投入，进而促进企业创新。在管制性行业，由于受政策、高市场准入条件等因素的影响，企业创新可能会受到限制。为验证以上猜想，参照袁淳等［25］的做法，将样本分为管制性行业和竞争性行业两组 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。，进行回归检验。表9中列（1）和列（2）结果表明，在管制性行业，企业数字化程度不影响渐进式创新，却阻碍突破式创新。可能的原因是：管制性行业一般受到政府部门和相关法律法规的严格监管［30］，进行新技术、业务模式等创新活动本身就可能会带来未知风险，而数字技术的深入应用可能会提高某些未知风险发生的概率，尤其是信息安全方面的问题，由此可能会减少企业扩充知识库的机会，降低知识的多样性，抑制企业创新，特别是变革性强的突破式创新。表9中列（3）和列（4）结果表明，在竞争性行业中，企业数字化程度显著地促进渐进式创新，但对突破式创新不产生影响。

六、结论与启示

本文基于2007—2021年中国A股上市公司数据，结合知识组合理论，检验了企业数字化程度对渐进式创新和突破式创新的差异化影响，得出以下结论：（1）企业数字化程度通过增强企业行业内知识元素的多样性，促进了渐进式创新，但对突破式创新的影响并不显著。经过内生性检验和多种方法的稳健性检验后，这些影响依然成立。（2）员工教育水平和专业化分工程度增强了数字化程度对企业渐进式创新的促进作用，二者均不显著调节企业数字化程度和突破式创新的关系。（3）高盈利能力企业和竞争性行业的企业数字化程度促进了其渐进式创新，但对突破式创新的影响作用并不明显；管制性行业的企业数字化程度阻碍了突破式创新，但对渐进式创新的影响不明显。

根据研究结论得到如下启示：

在政府层面：一是为数字技术的深入使用提供环境支持，助力数字技术促进企业创新。加强数字化基础设施建设，提高数字化技术在企业中的普及率和应用水平，为企业提供更好的数字技术应用环境和支持。二是制定提高数字技术应用的激励政策，如提供税收优惠或财政补贴，以降低企业数字技术应用的成本，鼓励企业深度使用数字技术，以便企业效率和竞争力的提高。三是采用动态的行业监管政策，特别是数字技术应用的监督管理。根据行业特色、行业发展动态以及行业发展需要，及时调整行业监管政策，为企业深入使用数字技术、企业间的合作交流提供相适宜的便利。如管制性行业应对数字技术的使用进行针对性的重点监管，根据行业企业发展中的需要，制定不同强度的监管政策。

在企业层面：一是重视突破式创新。企业领导层应高度重视突破式创新活动的开展，设置专项研发小组，加大研发资金投入，提高其风险承受能力；高效利用数字技术挖掘市场和消费者需求，及其带来多样性的知识，发现全新知识组合的可能性，进而提升企业突破式创新，为日后高质量发展打造坚实基础。二是完善人才培养计划。加强人才引进措施，制定和完善科学合理的人才培养计划，提升企业员工整体教育素质和专业素养，为适应数字技术的应用，进而开展企业创新活动储备力量。三是提高企业专业化分工程度的同时，也要注重多领域合作研究。企业可利用数字技术来提高生产流程的效率和精度，从而实现更加精细的专业化分工，积累更多的行业内知识。同时建立联合实验室和技术共享平台，对外合作，共同开展研究项目，共享不同领域的技术、知识和经验等，以实现多领域合作研究，这就使得在提高企业的渐进式创新能力的同时也增强了突破式创新能力。

参考文献：

［1］ 习近平. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的讲话（2022年10月16日） ［N］．人民日报，2022-10-26（001）.

［2］ 王琳，陈志军，崔子钰. 数字化转型下知识耦合如何重构组织边界？——基于创业警觉的认知逻辑［J/OL］．南开管理评论，2022：1-17.

［3］ Kuester S，Konya-Baumbach E，Schuhmacher M C. Get the Show on the Road： Go-to-Market Strategies for e-Innovations of Start-Ups［J］．Journal of Business Research，2018，83（1）：65-81.

［4］ 唐要家，王钰，唐春晖. 数字经济、市场结构与创新绩效［J］．中国工业经济，2022，415（10）：62-80.

［5］ 杨水利，陈娜，李雷. 数字化转型与企业创新效率——来自中国制造业上市公司的经验证据［J］．运筹与管理，2022，31（5）：169-176.

［6］ 汪晓文，陈明月，陈南旭.数字经济、绿色技术创新与产业结构升级［J］．经济问题，2023（1）：19-28.

［7］ 杨毅，于倩.数字经济能否成为中国制造业高质量发展的新动能？——基于技术创新与管理效率效应视角［J］．哈尔滨商业大学学报（社会科学版），2023（2）：3-18.

［8］ 安家骥，狄鹤，刘国亮.组织变革视角下制造业企业数字化转型的典型模式及路径［J］．经济纵横，2022（2）：54-59.

［9］ Lavie D， Kang J， Rosenkopf L. Balance within and Across Domains： The Performance Implications of Exploration and Exploitation in Alliances［J］． Organization Science， 2011， 22（6）：1517-1538．

［10］钟昌标，黄远浙，刘伟. 新兴经济体海外研发对母公司创新影响的研究——基于渐进式创新和颠覆式创新视角［J］．南开经济研究，2014，180（6）：91-104.

［11］张吉昌，龙静. 数字化转型、动态能力与企业创新绩效——来自高新技术上市企业的经验证据［J］．经济与管理，2022，36（3）：74-83.

［12］王福胜，郑茜月，张东超. 数字化转型、国际化战略与企业创新［J］．运筹与管理，2023：1-9.

［13］Schumpeter J. Business Cycles： A Theoretical， Historical and Statistical Analysis of the Capitalist Process［M］．McGraw-Hill Book Company，1939.

［14］Jansen J J P， Van Den Bosch F A J， Volberda H W. Exploratory Innovation， Exploitative Innovation， and Performance： Effects of Organizational Antecedents and Environmental Moderators［J］． Management Science， 2006， 52（11）：1661-1674.

［15］Arthur W B. The Structure of Invention［J］． Research Policy， 2007，36（2）：274-287.

［16］Agrawal A， Gans J， Goldfarb A. Prediction Machines： The Simple Economics of Artificial Intelligence［M］．Harvard Business Press， 2018.

［17］Kaplan S， Vakili K. The Double-Edged Sword of Recombination in Breakthrough Innovation［J］． Strategic Management Journal， 2015，36（10）：1435-1457.

［18］Xu S C．Balancing the Two Knowledge Dimensions in Innovation Efforts： An Empirical Examination among Pharmaceutical Firms［J］． The Journal of Product Innovation Management， 2015，32（4）： 610-621．

［19］Taylor A， Greve H R. Superman or the Fantastic Four？ Knowledge Combination and Experience in Innovative Teams［J］． Academy of Management Journal， 2006， 49（4）：723-740.

［20］张振刚，罗泰晔. 基于知识组合理论的技术机会发现［J］．科研管理，2020，41（8）：220-228.

［21］Sternberg R J， OHara L A. Creativity and intelligence［M］．Cambridge University Press， 1999， 251-272.

［22］吴伟伟，张琦，梁州，等. 技术知识基础多元度对突破性技术创新行为的影响［J］．管理科学，2020，33（5）：72-85.

［23］Wagner M. To explore or to exploit？ An Empirical Investigationof Acquisitions by Large Incumbents［J］． Research Policy， 2011，40（9）：1217-1225.

［24］吴非，胡慧芷，林慧妍，等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］．管理世界，2021，37（7）：130-144+10.

［25］袁淳，肖土盛，耿春晓，等. 数字化转型与企业分工：专业化还是纵向一体化［J］．中国工业经济，2021，402（9）：137-155.

［26］方明月，林佳妮，聂辉华. 数字化转型是否促进了企业内共同富裕？——来自中国A股上市公司的证据［J］．数量经济技术经济研究，2022，39（11）：50-70.

［27］张勋，杨桐，汪晨，等.数字金融发展与居民消费增长：理论与中国实践［J］．管理世界，2020，36（11）：48-63.

［28］Chatterjee S， Blocher J D. Measurement ofFirm Diversification： Is It Robust？［J］． Academy of Management Journal， 1992，35（4）：874-888.

［29］董香书，王晋梅，肖翔. 数字经济如何影响制造业企业技术创新——基于“数字鸿沟”的视角［J］．经济学家，2022，287（11）：62-73.

［30］王俊豪，霍雨佳，金暄暄. 激励性管制对高耗能企业绿色技术创新的影响——来自“节能减排财政政策综合示范城市”的证据［J］．财经论丛，2023（11）：103-112.

Has Firm Digitization Promoted Dual Innovation？

——An Analysis based on the Knowledge Diversity Perspective

LI Yuhua， LI Dandan

（School of Economics， Zhejiang University of Finance and Economics，

Hangzhou 310018， China）

Abstract：Digital technology has become a new type of production factor， and the relationship between its application and innovation is of great theoretical value and practical significance. We explores the differential effects of firm digitization on incremental and radical innovations， using China A-share listed firms as a research sample from 2007 to 2021. We find that firm digitization promotes incremental innovation by enhancing knowledge diversity within industry rather than radical innovation; both employees education and specialization enhance the effect of digitization on incremental innovation， but do not moderate the relationship between digitization and radical innovation; and firm digitization in competitive industries promote incremental innovation but do not affect radical innovation， especially in highly profitable firm; however， firm digitization in regulated industries inhibits radical innovation， but does not affect incremental innovation.

Key words：firm digitization; knowledge diversity; incremental innovation; radical innovation

（责任编辑：赵春江）