数字经济发展、创新资源投入与制造业创新质量提升

摘 要：创新和质量是制造业高质量发展的双重驱动力，数字经济的快速发展为我国制造业创新质量的提升注入了新的动力源泉。基于“结构—行为—绩效”范式和资源基础理论，以2016—2020年201家A股制造业上市企业数据为样本，实证分析了数字经济发展这一重要宏观因素对我国制造业企业创新质量提升的影响。研究发现，数字经济发展能够显著提升制造业企业创新质量。机制检验表明，创新人力资源、创新财力资源以及创新基础设施投入是促进企业创新质量提升的重要途径。异质性检验发现，相对于非国有、低创新开放度、成熟期以及东部地区的企业而言，数字经济发展对国有企业、高创新开放度、初创期与成长期以及中西部地区企业的创新“提质”效果更加明显。

关键词：数字经济发展；创新资源；创新质量；制造企业

一、引言

在国家“坚持创新驱动发展”战略布局下，中国的创新潜能迅速释放。根据世界知识产权组织公布的数据，2021年中国的专利申请数量超过159万件，占全球总量的46.6%，已经连续11年位居世界首位。我国创新数量取得长足发展，但创新质量提升任重道远，所面临的“数量长足、质量跛脚”的创新困境日益严峻（杨骞等，2021）。

制造业是创新活动最活跃、创新成果最丰富、创新应用最集中的主战场。从大势来看，我国先进制造业面临“持续打压，断链脱钩”的复杂国际环境；从内部来看，制造业处于全球价值链中低端，部分核心技术受制于人的困境。无论是抢占全球产业发展制高点，还是解决“卡脖子”技术问题，制造业企业都亟需创造实质性创新成果以破解创新困境。如何提高制造业企业创新质量，既是振兴实体经济的必由之路，也是贯彻实施创新驱动发展战略的内在要求。

数字经济作为引领新一轮全球科技革命与产业革命的核心力量，已然成为国家创新变革的关键动能（王珏和吕德胜，2022）。研究表明数字经济发展能够充分赋能企业创新活动（唐要家等，2022），数字经济通过与实体经济深度融合，推动制造业的智能化、网络化、平台化发展，为企业实现创新的“提质增效”提供全新解决方案。现有学者在探讨数字经济与企业创新二者之间的关系时并未达成一致结论。主要有以“促进论”为代表的线性关系（Rachinger等，2019；徐星等，2023）和“抑制论”为代表的非线性关系（唐要家等，2022；陈金丹和王晶晶，2022）两种不同的观点。主张“促进论”的学者们认为，数字经济通过优化创新资源分配和创新模式变革，推动了多元创新主体跨区域、跨领域协同创新（张昕蔚等，2019）；数字经济降低企业交易成本（Pesch，2019），提升企业盈利能力与创新能力，驱动企业实现突破式创新（张吉昌和龙静，2022）。而主张“抑制论”的学者们则认为，数字经济发展衍生的数字技术对企业创新存在消极效应或不存在显著相关性（Hajli，2015），数字经济对创新绩效的影响存在明显的动态非线性特征（唐要家等，2022）。无论是“促进论”还是“抑制论”的研究，都只停留在数字经济对企业创新绩效和创新能力影响的层面上，鲜有研究探讨数字经济发展在创新质量方面的推动作用。相对于创新绩效和创新能力而言，创新质量是对创新总体水平的高度凝练（蔡绍洪和俞立平，2017），尤其是在中国存在高研发投入与低生产率的情况下（戴小勇，2021），厘清数字经济与创新质量的关系对于实施创新驱动发展战略具有重要的现实意义。

本研究基于测算的2016—2020年数字经济发展指数与制造业企业上市公司数据匹配，从资源投入视角探讨数字经济发展对制造业企业创新质量提升的实际影响及其机制检验。本研究的边际贡献在于：首先，从宏观省域数字经济发展的视角出发，以微观企业为切入点，探讨数字经济对企业创新质量提升的作用机理，丰富了数字经济微观效应的实证研究；其次，基于“结构—行为—绩效”范式和资源基础理论，揭示创新资源投入在数字经济发展与制造业企业创新质量之间的传导机制，尝试打开数字经济赋能企业创新质量过程的“黑箱”；最后，从企业产权属性、创新开放度、区域地理位置和生命周期四个方面分析数字经济发展对创新质量提升的异质性。

二、理论分析与研究假设

（一）数字经济发展与制造业企业创新质量

企业创新质量是指企业各利益方对创新活动成果的满意程度（Duan等，2021），是企业创新能力、创新效率、创新价值和创新绩效的综合体现。从企业内外部获取显性知识和隐性知识（王建平和吴晓云，2017）以及资源积累和引进外部资源，是制造企业创新质量提升的两条关键路径。一方面，创新扩散理论认为新观念、新事物、新产品向社会推广和扩散的过程中，信息技术能够有效地提供相关的知识和信息（Rogers，1995）。数字经济发展促进了技术扩散和知识扩散，从而能够增加企业内部知识存量、提高内部知识应用效率和增强外部知识搜寻强度，为企业创新提供智力支持。另一方面，资源基础理论认为对现有资源和能力进行有效的管理和利用是企业获得竞争优势的关键（Barney，1991）。数字经济凭借其强大的网络效应和低边际成本特性，能够优化资源配置和倒逼企业加大资源投入力度（Vial，2019），为企业创新提供资源和技术支持。

由于数字经济与传统工业经济的要素和载体存在明显不同，其影响企业创新的机理也会存在显著差异。根据创新扩散理论，在创新要素方面，数字经济通过数字化手段拓宽企业信息获取渠道、提高信息搜集与应用效率（Briel等，2018）、从而激发企业挖掘创新资源活力，实现既有专利成果再突破，促进企业创新质量提升。在创新过程方面，大数据、人工智能、工业互联网等新兴技术通过连接信息传感设备达到人、机、物的互联互通，形成相互协作与资源共享的数字化生态平台，各创新主体通过平台形成创新合力，从而提高企业创新产出质量（邓悦和蒋琬仪，2022）。在创新结果方面，数字经济改变了供需双侧的互动方式，大数据、云计算、人工智能等数字技术能够对数据交易进行深度挖掘和科学分析，利用提取信息研发出更具有针对性的个性化产品和服务，提升知识向创新成果转化的效率。数字经济所带来的赋能反应，通过激发创新要素活力、凝聚创新平台合力、增强创新成果转换动力等路径显著促进企业创新质量提升。结合上述分析，提出如下假设：

H1：数字经济发展能够提升制造业企业创新质量。

（二）数字经济发展与创新质量提升的中介机制

根据产业组织理论的“结构—行为—绩效”范式（SCP范式），本文把中国各省的数字经济发展视为各省数字经济产业结构变革，结构变革引发企业行为改变，企业行为变化则进一步引发绩效改变。根据上述理论逻辑，中国中央政府和各省级政府大力发展数字经济，并以政策、规划等方式贯彻落实，由此促使企业积极投入人力、物力、财力等资源于数字技术和数字系统；根据资源基础理论，企业投入资源一般会带来产出增长，因此企业投入创新资源，则带来创新产出增长。

1.创新人力资源投入的中介效应

数字经济发展对制造业人才市场具有深远影响。一方面，数字经济发展在加速企业智能化发展的同时，也出现了智能设备对低技能劳动者的替代（孙早和侯玉琳，2019），形成了对创新人才的刚性需求；另一方面，数字经济发展衍生出“制造业+服务”的新形势，新兴行业的产生会引发企业对于高端劳动力和复合型人才的需求，促使企业投入大量的创新人力资源以保证创新活动的顺利开展。此外，数据要素是创新活动中必不可少的环节，但由于隐性知识限制，通过技术设备传递、吸收和使用后的数据价值得不到充分发挥。此时需要将人力资本作为隐性知识传递、交流、吸收的载体，经过“人”对数据思考、创意产生进行加工并共享传递，增加了企业内部新知识储备。数字经济发展过程中所面临的多元和复杂知识结构一旦有了“人”的作用发挥，会启发新创新灵感，降低研发风险并提升企业创新质量。

已有学者对人力资本与创新质量的关系进行了实证研究。杨佩卿（2020）认为，建立数字经济人才库、优化数字人才引进模式、强化数字人才培养和发现人力资本是企业顺利开展技术创新的保证。创新知识和技术以员工为载体被灵活运用到企业生产经营中，进而转化为新发明、新产品等形式，实现企业创新质量提升。创新人才作为高端生产要素，与数字技术相结合具有放大、倍增的作用。一方面，创新人才有利于积累外部知识和获取服务经验，制造业生产经营逐步向服务导向模式转变，数据要素与人力资本匹配为制造业企业服务化转型提供能力支撑，形成具有竞争优势的创新型产品；另一方面，创新人才更有利于创新知识管理和创新平台建设，员工在交流与互动中会进一步产生知识外溢效应，利用知识信息制定更有效的创新战略，进而转化为高质量的创新成果。综合上述分析，本文提出以下假设：

H2：数字经济发展对创新人力资源投入具有显著正向影响。

H3：数字经济发展通过创新人力资源投入促进创新质量提升。

2.创新财力资源投入的中介效应

创新活动重要的不仅是人力资源投入规模，更重要的是创新资金投入效率（贺俊等，2006），创新资金投入不足会极大地抑制企业开展技术创新的积极性和决心，成为困扰企业创新道路上的瓶颈。数字经济快速发展的背景下，企业进行数字化转型是保持竞争优势和适应外部环境必须作出的战略调整（唐浩丹和蒋殿春，2021）。一方面，数字技术、数字化平台和企业生产运营的融合过程会极大地提高企业对创新资金投入的需求。另一方面，企业的生产和经营效率随着“数字经济+制造业”的深度推进得到大幅提升（李磊和徐大策，2020），企业在原先的创新资源投入下能够获得更优的产出水平（Loebbecke，2015），且能够以更低的边际成本和更小的风险进行产品创新。此时企业会更加主动地持续扩大创新财力资源的投入。市场竞争加剧，研发创新风险下降、创新效率提升都会激励企业扩大研发资金投入力度，以助力企业进行多元化、高水平和动态化的研发活动（韩先锋等，2019）。

企业的研发投入是其创新产出的直接来源。首先，创新财力资源投入能够拓宽企业的创新边界。企业在既有领域中具有广泛且深入的专业知识，并且积累了一定的研究和开发能力，数字技术的应用有助于企业进一步挖掘现有资源的潜在创新价值，突破原有技术的局限性，在该领域实现现有创新成果再优化以及新领域的空缺技术突破，实现高质量创新。其次，创新财力资源投入能够激励企业开发新领域。大数据、互联网、云计算等数字技术的应用能帮助企业迅速了解新领域的潜在创新机会，有助于企业围绕主业进行同心多元化扩张，在新领域中实现技术突破并获得相应的创新成果，实现高质量创新。综合上述分析，本文提出以下假设：

H4：数字经济发展对创新财力资源投入具有显著正向影响。

H5：数字经济发展通过创新财力资源投入促进创新质量提升。

3.创新基础设施投入的中介效应

2018年中央经济会议首次提出“新型基础设施”概念，此后国务院常务会议指出“以信息网络为基础，技术创新为驱动”进一步明确了新型基础设施建设面向数字经济发展这一领域。创新基础设施分为硬件系统和软件系统，两者有效结合能够为数字技术实现数据价值提供支撑和保障，满足数字平台日益增长的算力需求（张辉等，2022）。在需求驱动方面，随着数字经济与制造业融合发展深度推进，对供应链柔性、敏捷性、灵活性提出了更高层次的要求，应着重加强提高数据实时采集、存储以及大数据分析挖掘能力的相关基础设施建设。在技术驱动方面，智能化基础设施建设对于新一代数字技术赋能创新功能的发挥及制造业数字化、服务化转型起着基础支撑作用，是协助打造多层次工业互联网平台、促进融通创新和数字经济发展的关键力量。

尹西明等（2022）提出创新基础设施投入及其建设总体水平影响创新质量。首先，创新基础设施的投入能够提高企业创新效率。知识和技术有赖于创新基础设施在企业间共享和沉淀，使得企业能够在短时间内实现技术改良和升级。既可以缩短创新周期提高创新成果更新速率，也可以消除企业间的技术和知识壁垒，促进企业创新效率提升。其次，创新基础设施的投入能够促进资源合理配置。创新基础设施处于创新链的前端，是促进技术创新、拓展认知疆域的重要工具。创新基础设施使得企业在研发和生产前可以得到更加精准和全面的市场信息，从而提升资源配置效率。最后，创新基础设施投入能够吸引创新要素集聚。创新基础设施完善会吸引大量企业进入，创造高开放性、高密度、合作共赢的创新环境，有利于创新活动的发生，从而催生产业聚集。创新基础设施投入带来创新效率的提升以及创新要素的集聚，共同促进了企业的创新意愿，进而实现企业创新质量的提升。因此，本文提出以下假设：

H6：数字经济发展对创新基础设施投入具有显著正向影响。

H7：数字经济发展通过创新基础设施投入促进创新质量提升。

（三）本文的研究框架

综上所述， 本文构建了数字经济发展促进制造业企业创新质量提升的理论模型。如图1所示。

三、研究设计

（一）数据来源与处理

本文通过测度2016—2020年省份数字经济发展水平，并匹配中国A股制造业上市公司数据为研究样本（李治国和王杰，2021）。在确定总样本的过程中，剔除了在观察年度曾有S、ST、*ST或退市情况的样本以及存在相关数据缺失的样本，最终取得24个制造业细分行业201家上市制造业企业的观测数据，共计1005条。上市公司财务和年报数据来自国泰安数据库（CSMAR）和东方财经官方网站。为消除极端异常值对模型检验结果的影响，本文对所有连续型变量进行了上下1%和99%的缩尾处理，数据的处理和分析通过Stata 17.0软件完成。

（二）模型设定与变量设计

根据以上理论分析，本文设定如下基准回归模型：

MIQit=β0+β1DEit+∑Controlsit+∑Industryit+∑Yeari +εit（1）

在式（1）中，被解释变量MIQ代表制造业创新质量，解释变量DEit代表企业i所在省份t年的数字经济发展指数，控制变量Controls为企业和省份层面可能影响到制造业企业创新质量的变量，i表示企业个体，t表示年份，ε为误差项。为了控制时间趋势和行业特征可能带来的影响，本文在方程中加入了年份固定效应（Year）和行业固定效应（I4048d1cfbb2fade17084bee7fbcc892149dd1c044d00421c24b3d4c619d44eabndustry）。

1.被解释变量

制造业企业创新质量（MIQ）：现有研究对于企业创新质量有众多度量方法，张古鹏等（2011）将企业专利授权率以及专利长度作为创新质量的体现；杨幽红（2013）认为创新质量是顾客对于企业提供的产品或服务满意度的表现，故采用为企业带来经济效益的新产品销售收入来测度（袁航等，2019）。Hsu 等（2014）认为企业创新质量表现为专利被引用次数；本文认为企业所申请的发明、实用新型和外观设计三种专利类型中，发明专利的含金量最高，包含的创新信息也更复杂。因此，本文借鉴黎文靖和郑曼妮（2016）对创新质量的度量方法，采用发明专利申请数的自然对数进行衡量。此外，本文将在稳健性分析中采用专利授予数衡量创新质量进行稳健性检验。

2.解释变量

数字经济发展（DE）：《二十国集团数字经济发展与合作倡议》给出了数字经济的定义：“数字经济是指以数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。因此，本文参考上述定义，并借鉴刘军等（2020）对数字经济测度的做法，从信息化发展、互联网发展和数字交易三个维度选取8个二级指标和14个三级指标，构建我国省级层面数字经济发展水平综合评价指标体系，指标体系中各细分指标的指标测度和权重如表1所示。

3.中介变量

本文根据产业组织理论的“结构—行为—绩效”范式（SCP范式），把创新人力资源投入、创新财力资源投入以及创新基础设施投入作为中介变量。其中，创新人力资源（HRs）是指具有一定创新意识和创新能力，帮助企业实现其创新战略的高素质人才。本文在借鉴王玉燕等（2020）的研究基础上，采用从事科技活动的研发人员占企业总员工的比例来衡量，其创新基础和创新潜力高于一般的从业者。创新财力资源（FRs）选用企业的研发投入与企业营业收入的比值来衡量。创新基础设施投入（IRs）采用样本上市公司软件项目期末投资额与硬件项目期末投资额金额之和的自然对数作为衡量创新基础设施投入的指标。本文借鉴楼润平等（2022）的做法，软件技术投入来自企业年报无形资产中的软件或信息系统投入，硬件技术投入来自企业年报固定资产中电子设备及计算机类投入。

4.控制变量

制造企业创新质量会受到诸多因素的影响，本文选取以下控制变量：①企业规模（SCALE），采用企业营业收入的自然对数来度量。②企业年龄（AGE），自企业成立时起至今年数加1的自然对数。③总资产回报率（ROA），采用企业净利润/总资产衡量企业财务绩效情况。④财务杠杆（LEV），使用资产负债率即总负债/总资产进行衡量。⑤流动资产周转率（LIQ），采用主营业务收入净额/平均流动资产总额，用来控制企业的运营能力对创新质量的影响。⑥产权性质（Ownership），即样本上市公司是否为国有控股企业的情况，是则赋值为1，否则赋值为0。⑦省内生产总值（PGDP），采用省份生产总值的自然对数来表示。各变量衡量指标及描述性统计分析见表2和表3。

四、实证结果

（一）基准回归

为识别控制变量之间的相关性是否会对关键解释变量的估计结果产生影响，本研究采取逐步回归法（周洲和吴馨童，2022）。由表4的第（1）列可知数字经济发展在1%水平上显著促进制造业企业创新质量提升，初步验证假设H1成立。第（2）列和第（3）列在依次加入控制变量以及行业和时间固定效应后，解释变量DE的回归系数和显著性水平没有发生实质性改变，仍在1%水平上显著为正，表明数字经济发展对制造业企业创新质量提升具有显著的正向作用，假设H1成立。

（二）稳健性与内生性检验

1.内生性检验

数字经济发展对制造业企业创新质量的影响可能存在内生性问题：一是由于数字经济发展水平高的省份创新资源也相对活跃，从而创新质量也较高。二是发明专利的积累有利于数字技术的研发与升级，此类企业也更有能力推动当地数字经济发展。因此企业创新质量可能与数字经济发展水平存在反向因果关系。借鉴邓达等（2021）、Nunn和Qian （2014）的研究，采用互联网宽带接入端口数（IV1）和1984年每万人固定电话数量与对应样本该年的全国互联网用户数交互项（IV2）作为数字经济发展指数的工具变量以检验模型的内生性问题。一方面，完善的互联网基础设施会带动当地数字经济发展，满足相关性要求。另一方面，创新质量主要受企业研发能力的影响，但互联网宽带接入端口数变化主要是电信运营商根据市场需求变化做出的调整，对企业创新质量几乎没有影响，满足外生性要求。

本文采用2SLS估计方法进行检验，工具变量估计结果由表5所示，Cragg-Donald Wald F统计量为255.935，大于Stock-Yogo（2005）弱工具变量识别检验10%水平上的临界值19.93，表明不存在弱工具变量问题；Kleibergen-Paap rk LM统计量在1%水平上显著，拒绝工具变量识别不足的原假设；同时Hansen J检验的统计量（P=0.1888>0.1）通过过度识别检验，证实了工具变量满足外生性要求，说明本文选取的工具变量较为合理。第（2）列和第（4）列二阶段回归结果表明，数字经济发展的回归系数在1%的水平上显著为正，说明在考虑内生性问题后，数字经济发展仍然可以显著提高制造业企业创新质量。

2.稳健性检验

（1）替换估计模型。本文被解释变量制造业企业创新质量（MIQ）的原始数据取值均为[0，+∞），在对原始数据加1取对数后依然属于零值与正值连续分布共存的截断数据，故采用Tobit模型重新估计。具体而言，Tobit模型适用于因变量存在较多零值的情况，例如企业发明专利、个人酗酒。在发明专利申请的企业样本中，有一部分企业的发明专利申请量为0。在个人酗酒的样本中，有一部分人不酗酒即喝酒量为0。检验结果见表6第（1）列所示，数字经济发展对制造业企业创新质量的回归系数为1.831（P<0.01），结果具有良好的稳健性。

（2）调整样本期。2018年国家知识产权局进行专利申请便利化改革以及实施专利费用减免政策，在此之后专利数量快速增长。因此2018年成为创新质量提升的重要节点年份，表6第（2）列～（3）列对2018年之前的样本和2018年及其之后的样本分别进行检验，证实了数字经济发展对制造业创新质量提升作用的稳健性。

（3）其他稳健性检验。①随机效应和固定效应检验。如表6第（4）列～（5）列结果显示，DE的估计系数在5%的水平下显著为正，说明结论具有良好的稳健性。②替换被解释变量，表6第（6）列汇报了专利授权数量替换专利申请数量后的结果。以上稳健性检验均支持“数字经济发展能够促进制造业企业创新质量提升”这一结论。

五、中介机制检验

（一）研究方法

本节将基于理论机制分析，考察数字经济发展影响制造企业创新质量提升的中介效应。参照Baron和Kenny（1986）的中介效应检验方法（简称BK1986检验法），设定计量模型如下：

MIQit=α0+α1DEit+∑Controlsit+∑Industryit+∑Yeari +εit

（2）

MIQit= b0+ b1DEit + b2Mi，t +∑Controlsit+∑Industryit+∑Yeari +εit

（3）

Mi，t=c0+c1 DEit+∑Controlsit+∑Industryit+∑Yeari +εit（4）

式中Mi，t为中介变量，指代创新人力资源投入、创新财力资源投入、创新基础设施投入，其他变量与式（1）相同。

（二）中介效应分析与比较

中介机制检验见表7。①创新人力资源投入。由表7第（3）列的估计结果显示，数字经济发展显著提升了制造业企业创新人力资源投入水平；第（2）列的估计结果表明伴随创新人力资源投入水平的提高，制造业企业创新质量显著提升。这意味着，数字经济发展通过提升创新人力资源投入促进企业创新质量的提升，假设H2和假设H3成立。根据表7第（2）列～（3）列的逐步因果回归结果，由此计算出创新人力资源投入的中介效应占比为20.81%（b2* c1/α1）。②创新财力资源投入。表7第（5）列中，创新财力资源投入的回归系数在1%的水平下显著为正，而数字经济通过提升财力资源投入水平促进企业创新质量的中介效应占总效应的比重为15.46%，说明在数字经济发展对制造业企业创新质量的影响中，创新财力资源存在较强的部分中介作用，假设H4和假设H5成立。③创新基础设施投入。从表7第（7）列可以看出创新基础设施投入的回归系数在5%的水平下显著为正，创新基础设施投入的中介效应占总效应的比重为2.95%，说明数字经济发展能够强化创新基础设施投入效果，从而促进制造业企业创新质量提升，假设H6和假设H7成立。

为了进一步检验中介效应结果的稳健性，本文运用Bootstrap方法迭代500次进行中介效应检验。检验结果如表7所示，Boot CI的上下限区间不包括0，说明中介效应检验通过，与因果逐步回归的中介效应占比结果一致。

六、异质性检验

由于企业资源、创新网络、成长阶段以及地理位置等因素的不同，数字经济对企业创新活动的影响也有所差异，最终导致企业创新产出成果的质量也存在差别。为进一步考察数字经济发展在提升制造企业创新质量方面所发挥的作用，本研究分别从企业产权性质、创新开放程度、区域地理位置和企业生命周期四个方面对样本进行异质性检验。

（一）企业产权性质

根据企业产权属性将样本分为国有企业和非国有企业。表8第（1）列和第（2）列报告两种产权性质企业的结果显示，数字经济发展对国有企业和非国有企业创新质量均具有显著提升作用。与非国有企业相比，数字经济发展对国有企业创新质量提升效果更强。由于国有企业在创新资源配置、政策信息获取等方面具有较强的优势（谢红军等，2021），对于高风险、长周期的创新活动也具有更持久的投入能力。而非国有企业通常出于策略性考虑，会更加青睐回报更高、难度更小的创新活动。

（二）创新开放度

根据企业是否有与其他创新主体联合发明专利申请情况来衡量企业创新开放度，有即赋值为1，无则赋值为0。表8第（3）列和第（4）列的数据结果表明，相对于创新开放度低的企业，数字经济对创新开放度高的企业创新质量影响更大。这是由于创新开放度高的企业在数字经济的影响下，更容易接受新知识和新技术，更富有创新活力和创新意识，有利于发现更多的创新机会从而更容易实现创新质量提升。

（三）区域地理位置

根据企业所在区域地理位置将样本分为东部和中西部地区两种类型。表8第（5）列和第（6）列的回归结果表明，数字经济发展对不同地理区位的制造业企业创新质量均存在推动作用；相对于东部地区而言，中西部地区数字经济发展对制造业企业创新质量提升效果更强。可能的原因如下：一是数字经济发展给中西部地区企业提供了更大的知识与技术学习便利，有力地消除了“数字鸿沟”差异，因而产生更大的带动作用；二是随着我国产业空间分布变化，中西部地区制造业的比重日益增大，产业梯度转移的趋势致使中西部地区制造企业的创新质量提升获得了更强的效果。

（四）企业生命周期

根据企业年龄将样本分为初创期企业、成长期企业和成熟期企业3个分组进行检验。表8第（7）列～（9）列显示，随着企业发展阶段的不同，数字经济对企业创新质量的提升效果逐渐减弱。初创期企业受到数字经济的影响最大，成长期企业次之，成熟期企业再次之。数字经济时代，得益于云计算和互联网的快速发展，其按需付费特性大大降低了初创企业创新的成本，也拉平了初创企业和大企业的技术起跑线，此时初创企业更有活力开拓新领域，实现创新质量提升。当企业步入成长期，首要任务是扩大市场规模，此时企业更有魄力率先应用新型数字技术，增强企业能力，力求形成基于数字技术的核心竞争力，进而在创新赛道上实现“弯道超车”、“变道超车”。成熟期企业的首要任务是“稳增长”，由于管理层级多、组织结构复杂，组织变革阻力大，故在采纳数字技术方面往往滞后半拍，这在很大程度上影响了企业创新，影响了数字经济“降本增效”。

七、研究结论与管理启示

（一）研究结论

本文通过A股制造业上市公司2016-2020年1005个样本观察值，实证研究了数字经济发展对制造业企业创新质量的影响，得出如下结论：第一，数字经济发展对制造业企业创新质量提升具有显著正面影响。第二，中介机制检验发现，数字经济发展能够增加企业创新人力资源投入、创新财力资源投入以及创新基础设施投入，进而对创新质量产生积极作用，创新人力资源、创新财力资源以及创新基础设施是培育制造企业创新质量的重要途径。第三，异质性检验发现，数字经济发展对国有企业和高创新开放度企业的创新质量激励效果更明显；相对于东部地区，中西部地区数字经济发展促进企业创新质量提升的效果更为明显；初创期企业、成长期企业和成熟期企业都能在数字经济中获得积极的发展动力，但对创新质量提升的作用程度依次递减。

（二）管理启示

从本文的研究结论可以获得以下管理启示：首先，数字经济发展能够显著促进制造业企业创新质量提升。因此，应充分重视数字经济发展带来的重大变革作用，引导企业积极进行数字化投资，加快数字化转型步伐，充分利用数字经济发展红利增强企业创新产出的能力和实力。其次，数字经济发展能够通过创新人力资源、财力资源以及基础设施投入促进企业创新质量提升。因此，企业在实践过程中有必要协调各类资源适度投入，加强企业数字化人才“软件”建设与数字化基础设施“硬件”建设的协同发展，使企业在发展过程中保持人、财、物的“数字化和谐”（齐晓梅等，2019）。最后，异质性分析表明，不同创新开放度的企业创新质量存在较大差异，说明在数字经济时代，企业之间需要加强合作，坚持开放创新，顺应“合作共赢”的时代主题。此外，相对于东部地区企业而言，中西部地区数字经济发展对企业创新 “提质”效果更为明显；因此数字经济发展为中西部地区科技创新与经济发展提供了新的机会，在缓解区域发展不平衡不充分、促进共同富裕等方面发挥着重要作用。

参考文献：

[1] 蔡绍洪、俞立平，2017：《创新数量、创新质量与企业效益——来自高技术产业的实证》，《中国软科学》第5期。

[2] 陈金丹、王晶晶，2022：《数字化投入与制造业创新效率》，《经济经纬》第3期。

[3] 戴小勇，2021：《中国高创新投入与低生产率之谜：资源错配视角的解释》，《世界经济》第3期。

[4] 邓悦、蒋琬仪，2022：《工业机器人、管理能力与企业技术创新》，《中国软科学》第11期。

[5] 邓悦、蒋琬仪，2022：《智能化转型何以激发企业创新？——基于制造业劳动力多样性的解释》，《改革》第9期。

[6] 邓达、潘光曦、林晓乐，2021：《我国数字经济发展对地方财政可持续性的影响》，《当代财经》第9期。

[7] 韩先锋、宋文飞、李勃昕，2019：《互联网能成为中国区域创新效率提升的新动能吗》，《中国工业经济》第7期。

[8] 贺俊、陈华平、毕功兵，2006：《一个基于产品水平创新和人力资本的内生增长模型》，《数量经济技术经济研究》第9期。

[9] 黎文靖、郑曼妮，2016：《实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响》，《经济研究》第4期。

[10] 李治国、王杰，2021：《数字经济发展、数据要素配置与制造业生产率提升》，《经济学家》第10期。

[11] 李磊、徐大策，2020：《机器人能否提升企业劳动生产率？——机制与事实》，《产业经济研究》第3期。

[12] 刘军、杨渊鋆、张三峰，2020：《中国数字经济测度与驱动因素研究》，《上海经济研究》第6期。

[13] 楼润平、张昊、麦诗诗，2022：《制造业企业数字化投资与创新绩效：人力资本的中介作用》，《海南大学学报（人文社会科学版）》第6期。

[14] 齐晓梅、楼润平、成俊会，2019：《IT能力构建及其对企业和谐信息化的影响研究》，《科研管理》第5期。

[15] 孙早、侯玉琳，2019：《工业智能化如何重塑劳动力就业结构》，《中国工业经济》第5期。

[16] 唐浩丹、蒋殿春，2021：《数字并购与企业数字化转型：内涵、事实与经验》，《经济学家》第4期。

[17] 唐要家、王钰、唐春晖，2022：《数字经济、市场结构与创新绩效》，《中国工业经济》第10期。

[18] 王建平、吴晓云，2017：《制造企业知识搜寻对渐进式和突破式创新的作用机制》，《经济管理》第12期。

[19] 王珏、吕德胜，2022：《数字经济能否促进黄河流域高质量发展：基于产业结构升级视角》，《西北大学学报（哲学社会科学版）》第6期。

[20] 王玉燕、王婉，2020：《GVC嵌入、创新型人力资本与制造业高质量发展——基于“新发展理念”的影响机制分析与效应检验》，《商业研究》第5期。

[21] 谢红军、张禹、洪俊杰，2021：《鼓励关键设备进口的创新效应——兼议中国企业的创新路径选择》，《中国工业经济》第4期。

[22] 徐星、惠宁、崔若冰，2023：《数字经济驱动制造业高质量发展的影响效应研究——以技术创新效率提升与技术创新地理溢出的双重视角》，《经济问题探索》第2期。

[23] 杨佩卿，2020：《数字经济的价值、发展重点及政策供给》，《西安交通大学学报（社会科学版）》第2期。

[24] 杨骞、刘鑫鹏、孙淑惠，2021：《中国科技创新效率的时空格局及收敛性检验》，《数量经济技术经济研究》第12期。

[25] 杨幽红，2013：《创新质量理论框架：概念、内涵和特点》，《科研管理》第S1期。

[26] 尹西明、陈劲、林镇阳、聂耀昱，2022：《数字基础设施赋能区域创新发展的过程机制研究——基于城市数据湖的案例研究》，《科学学与科学技术管理》第9期。

[27] 袁航、茶洪旺、郑婷婷，2019：《创新数量、创新质量与中国产业结构转型互动关系研究——基于PVAR模型的实证分析》，《经济与管理》第2期。

[28] 张古鹏、陈向东，2011：《基于专利的中外新兴产业创新质量差异研究》，《科学学研究》第12期。

[29] 张辉、王庭锡、孙咏，2022：《数字基础设施与制造业企业技术创新——基于企业生命周期的视角》，《上海经济研究》第8期。

[30] 张吉昌、龙静，2022：《数字技术应用如何驱动企业突破式创新》，《山西财经大学学报》第1期。

[31] 张昕蔚，2019：《数字经济条件下的创新模式演化研究》，《经济学家》第7期。

[32] 周洲、吴馨童，2022：《数字技术应用对企业产品成本优势bPXC6moNboaYTZQv64YkrqkoYbDIPRBaGPRcmurGap4=的影响》，《管理学报》第6期。

[33] Barney， J.，1991，Firm Resources and Sustained Competitive Advantage，Journal of Management，17（1）： 99-120.

[34] Baron， R. M. and Kenny， D. A.，1986，The Moderator-mediator Variable Distinction in Social Psychological Research： Conceptual， Strategic， and Statistical Considerations，Journal of Personality and Social Psychology， 51：1173-1182.

[35] Briel， F. V.，Davidsson， P. and Recker， J.，2018，Digital Technologies as External Enablers of New Venture Creation in the IT Hardware Sector，Entrepreneurship Theory and Practice，42（1）：47-69.

[36] Capito， F.，Cillo， V. and Candelo， E.，2019，Innovating Through Digital Revolution： The Role of Soft Skills and Big Data in Increasing Firm Performance，Management Decision，57（8）：2032-2051.

[37] Duan， Y.，Huang， L. and Luo， X.，2021，The Moderating Effect of Absorptive Capacity on the Technology Search and Innovation Quality Relationship in High-tech Manufacturing Firms，Journal of Engineering and Technology Management，62：101656.

[38] Hajli， M.，Sims， J. M. and Ibragimoy， V.，2015，Information Technology Productivity Paradox in the 21st Century，International Journal of Productivity and Performance Management，64（4）：457-478.

[39] Hsu， P. H.，Tian， X. and Xu， Y.，2014，Financial Development and Innovation： Cross-country Evidence，Journal of Financial Economics，112（1）：116-135．

[40] Loebbecke， C. and Picot， A.，2015，Reflections on Societal and Business Model Transformation Arising from Digitization and Big Data Analytics，Journal of Strategic Information Systems，24：149-157.

[41] Nunn， N. and Qian， N.，2014，U.S.Food Aid and Civil Conflict，American Economic Review，104 （6） ：1630-1666.

[42] Pesch， U. and Ishmaev， G.，2019，Fictions and Frictions： Promises，Transaction Costs and the Innovation of Net work Technologies，Social Studies of Science，49（2）：264-277.

[43] Rachinger， M.，Rauter， R. and Muller， C.，2019，Digitalization and Its Influence on Business Model Innovation，Journal of Manufacturing Technology Management，30（8）：1143-1160.

[44] Rogers， E. M.，1995，Diffusion of Innovations： Modifications of a Model for Telecommunications，Die Diffusion Von Innovationen in Der Telekommunikation，6（4）：25-38.

[45] Stock， J. H. and Yogo， M.，2005，Testing for Weak Instruments in Linear IV Regression，New York：Cambridge University Press.

[46] Vial， G.，2019，Understanding Digital Transformation： A Review and A Research Agenda，The Journal of Strategic Information Systems，28（2）：118-144.

Development of Digital Economy、Investment of Innovation Resources and

Improvement of Innovation Quality of Manufacturing Industry

Lou Runping， Pan Yifei and Wang Tao

（International Business School，Hainan University）

Abstract：Innovation and quality are the dual driving forces of the high quality development of manufacturing industry. The rapid development of digital economy provides a new source of power for the improvement of innovation quality of Chinese manufacturing industry. Based on the “structure-behavior-performance” paradigm and resource-based theory， this paper takes the data of 201 A-share manufacturing listed enterprises from 2016 to 2020 as samples，and empirically analyzes the impact of the development of digital economy， an important macro factor， on the improvement of innovation quality of Chinese manufacturing enterprises. It is found that the development of digital economy can significantly improve the innovation quality of manufacturing enterprises. The mechanism test shows that the innovation of human resources， financial resources and infrastructure investment is an important way to improve the quality of enterprise innovation. Heterogeneity test shows that compared with non-state-owned enterprises， enterprises with low innovation openness， enterprises in mature stage and eastern region， the digital economy development has more obvious effect on the innovation “quality improvement” of state-owned enterprises， enterprises with high innovation openness， enterprises in initial and growth stage and enterprises in central and western region.

Key Words：digital economy development;innovation resources;innovation quality;manufacturing enterprise

■责任编辑 王 毅