数据基础制度建设对制造业企业数字技术创新的影响研究
2024-12-08任英华刘宇钊罗涵
［摘 要］ 基于2008～2020年中国A股制造业上市公司数据，运用双重差分模型，考察数据基础制度建设对制造业企业数字技术创新的影响及作用机制。研究结果显示：数据基础制度建设通过战略赋能、人才赋能与管理赋能的机制促进制造业企业数字技术创新。进一步研究发现，企业所有制、地区知识产权保护强度和地方政府数据开放水平会对数据基础制度建设对制造业企业数字技术创新的作用造成差异性影响。
［关键词］ 数据基础制度建设；数字技术创新；制造业企业；实体经济
［中图分类号］ F49；F425 ［文献标识码］ Ａ ［文章编号］ 1008-1763（2024）06-0063-10
Research on the Impact of Data Infrastructure System Construction
on the Digital Technology Innovation of Manufacturing Enterprises
REN Yinghua， LIU Yuzhao， LUO Han
（School of Finance and Statistics， Hunan University， Changsha 410079， China）
Abstract：Based on the data of China’s A-share manufacturing listed companies from 2008 to 2020， the impact of data infrastructure system construction on the digital technology innovation of manufacturing enterprises and its mechanism were investigated， using the difference-in-differences model. The research results show that the construction of data infrastructure system promotes the digital technology innovation of manufacturing enterprises through the mechanism of talent empowerment， management empowerment and strategic empowerment. Further research finds that the digital technology innovation effect of data infrastructure system construction is more significant in the non-state-owned enterprises，the enterprises in areas with strong intellectual property protection， and those with high data opening level of local government.
Key words： data infrastructure system construction; digital technology innovation; manufacturing enterprise; entity economy
一 引 言
近年来，数字技术已成为推动经济发展的重要引擎。我国高度重视数字技术的发展，《“十四五”数字经济发展规划》指出，我国将以“坚持创新引领、融合发展”作为数字经济发展的首要原则，通过“增强关键技术创新能力”来“促进数字技术向社会经济生产的各领域深入渗透”，进而推动实体经济的现代化转型发展。作为构建现代化产业体系微观基础的制造业企业，也是进行数字技术创新活动的主体。提升制造业企业数字技术创新水平，推动数字经济与实体经济深度融合发展，增强制造业核心竞争优势，是实现高质量发展的根本路径。然而，数字技术创新的高门槛、高成本和易模仿等特点可能会抑制企业的创新动力[1]。因此，仅依靠市场力量推动制造业企业进行数字技术创新或将面临“协调失灵”等问题[2]，有必要深入探究能够影响制造业企业数字技术创新的政策手段及作用机制。
在数字经济时代，数据要素已成为实体经济中的核心生产要素。我国高度重视数据要素在经济发展中的作用，2022年12月出台的《关于构建数据基础制度更好发挥数据要素作用的意见》指出“加快构建数据基础制度，充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济”，为深化创新驱动发展提供了有力支撑。为了探索数据基础制度建设方式，2016年，国家发改委等部门批准在贵州等十个省（区、市）开展国家大数据综合试验区建设，以期推动数据要素成为促进经济转型发展的新动力。作为新型生产要素，数据是数字化、网络化、智能化的基础，正深刻变革社会治理、工业生产和人民生活方式。因此，数据基础制度建设事关国家现代化经济体系建设和数字化转型发展大局，是增强经济发展新动能，构筑国家竞争新优势的关键所在。
数字技术创新是构建我国现代化产业体系和创新驱动发展战略的重要引擎[1]，目前却鲜有文献探讨数据基础制度建设对制造业企业数字技术创新的影响。那么，数据基础制度建设是否提升了制造业企业数字技术创新水平？其影响机制是什么？本文将研究数据基础制度建设对制造业企业数字技术创新的影响，从而为我国拓展数字经济与实体经济深度融合发展新空间提供启示。
目前关于数字技术创新的研究主要分为宏观和微观两个层面。在宏观层面，现有文献主要讨论了数字技术创新对经济增长、产业结构转型和劳动力收入分配的影响。已有研究发现，创新的数字技术可以提高经济系统的生产效率，从而促进经济增长[3]。具体到产业部门中，数字技术可以加速生产要素在产业部门之间流动，使得产业结构发生改变[4]。在对劳动力的影响方面，数字技术主要通过生产率提升效应改变不同技能劳动力的收入分配[5-6]。在微观层面，已有文献大多关注企业数字技术创新对企业财务绩效、企业全要素生产率和企业价值的影响，认为数字技术创新有助于改善企业生产经营效率，从而提高企业财务绩效[7]、提升企业全要素生产率[1]和企业价值[2]。由上观之，现有文献关于数字技术创新的研究主要针对其经济效应，鲜有对数字技术创新的影响因素进行探讨[1]，关于数字技术创新影响因素的理论问题也尚待经验证据的检验。为此，本文以“国家大数据综合试验区”试点政策为准自然实验，基于2008～2020年中国A股制造业上市公司数据，使用双重差分模型，实证检验数据基础制度建设对制造业企业数字技术创新的影响。
与已有文献相比，本文的边际贡献主要在以下几方面：第一，现有文献大多侧重探讨数字技术创新的经济效应，鲜有文献从数字技术创新的影响因素这一视角展开讨论[1]。基于此，本文着重分析了数据基础制度建设对制造业企业数字技术创新的影响，丰富了关于企业数字技术创新影响因素的研究，为推动数字经济与实体经济深度融合发展提供了理论支撑。第二，数据要素是数字化转型发展的基础要素，构建数据基础制度可以有效激发数据要素潜能，增强经济发展新动能。然而，有关数据基础制度建设经济效应的实证研究仍然较为鲜见。基于此，本文将数据基础制度建设与微观制造业企业数字技术创新纳入同一理论框架，探究数据基础制度建设对制造业企业数字技术创新的影响，丰富了数据基础制度建设的经济效应研究。第三，本文探讨了数据基础制度建设影响制造业企业数字技术创新的作用机制，梳理出战略赋能、人才1d5bcb90ad0bfb0a7c44d8803d344742赋能和管理赋能等影响机制，并进一步探究了数据基础制度建设的数字技术创新效应在微观企业特征和宏观地区环境中的异质性影响，有利于深入认识数据基础制度建设促进数字技术创新的积极作用，也为政府精准施策提供了参考。
二 政策背景与研究假设
（一）政策背景
为探索数据基础制度建设方式，激活数据要素潜能，促使数据要素成为推动经济转型发展的新动力，国家发改委、工业和信息化部和中共中央网信办三部门联合批准开展了“国家大数据综合试验区”试点政策。2016年2月，三部门批准贵州省成为首个“国家大数据综合试验区”建设试点省（区、市）。2016年10月，三部门批准新增北京市、天津市、上海市、广东省等9个省（区、市）成为第二批“国家大数据综合试验区”建设试点省（区、市）。目前，三部委累计批准10个大数据试点省（区、市）。“国家大数据综合试验区”试点政策要求试点地区在数据制度创新、数据要素流通、数据产业聚集、数据中心整合、数据资源应用、数据资源管理和开放共享、大数据国际合作等方面进行制度建设探索，为我国数据基础制度的建设方式提供可复制、可推广的实践经验。2022年12月，中共中央、国务院出台的《关于构建数据基础制度更好发挥数据要素作用的意见》指出，数据基础制度建设需要充分实现数据要素价值，以数据产权制度、数据要素流通和交易制度、数据要素收益分配制度和数据要素治理制度为建设重点，构建以促进数据要素合规高效流通使用、赋能实体经济创新发展为主线的数据基础制度。因此，“国家大数据综合试验区”建设试点（以下简称大数据试点政策）可以为本文研究数据基础制度建设对制造业企业数字技术创新的影响提供一个良好的准自然实验。
（二）理论分析与研究假设
数据基础制度建设的主要目的在于促进地区数据基础设施、数据相关产业和数据要素市场的建设和发展。其一，数据基础制度建设会推动当地数据基础设施、数据要素流通和数据开放共享平台的建设与完善。试点地区数字宏观环境的优化会促使当地制造业企业提高对数字化发展战略的关注度，为企业数字化发展战略投入更多资源，从而更加积极主动地开展数字技术创新活动。其二，数据基础制度建设将使得数据要素、数字技术与当地制造业企业经营活动中的生产、营销、管理等核心环节深度融合，加大企业对数字化人才的需求程度[8]，促进企业人力资本水平提升，从而促进数字技术创新。其三，数据基础制度建设也有利于企业缓解内部管理中的信息不对称问题，实现企业内部管理环节的降本增效，进而促进数字技术创新。综上所述，数据基础制度建设可能会促进制造业企业数字技术创新。本文将从战略赋能、人才赋能和管理赋能三种机制分析数据基础制度建设对制造业企业数字技术创新的作用机理。
首先，从战略赋能角度而言，数据基础制度建设有助于提高企业管理层对数字化发展战略的关注度，进而促进制造业企业数字技术创新。一方面，数据基础制度建设将推动试点地区数据基础设施的建设和完善，完备的数据基础设施将为当地企业的数字化转型发展提供良好的外部环境基础，促使企业管理层提高对数字化发展战略的关注度。另一方面，数据基础制度建设也将推动数据要素交易平台等制度的建设与完善，实现数据要素在产业链、创新链之间的高效配置，提高数据要素的价值创造能力[9]，提升企业管理层对数据要素和数字化发展的重视程度。
其次，从人才赋能角度而言，数据基础制度建设有助于企业提升人力资本水平，从而促进制造业企业数字技术创新。数据基础制度建设将使得数据要素和数字技术深度融入制造业企业经营活动中的生产、营销、管理等核心环节，提高企业对数据资源和数字技术的应用程度，加大企业对相关数据人才的需求程度[10]。而企业创新活动产出的质量依赖于人力资本的水平[11]，随着制造业企业数据技术人才数量的增加，高水平人力资本所产生的知识外溢效应和技术创新效应也将融入企业的数字技术创新过程，提升制造业企业数字技术创新水平。
最后，从管理赋能角度而言，数据基础制度建设有助于降低企业内部管控成本，从而促进制造业企业数字技术创新。数据技术可以高效地处理和反馈工作过程中产生的大量数据，有效缓解制造业企业生产和研发过程中信息部门化、碎片化和信息不对称的问题[12]。企业内部信息数据的透明化有利于降低部门之间的沟通成本，强化研发部门与其他部门之间的协同合作，促使企业管理模式向扁平、高效的管理模式转变，这将有助于降低企业的内部管控成本。据此，本文提出如下假设：
假设1：数据基础制度建设能够促进制造业企业数字技术创新。
假设2：数据基础制度建设可以通过战略赋能、人才赋能和管理赋能三种机制促进制造业企业数字技术创新。
三 研究设计
（一）模型构建
为验证上述研究假设，本文使用双重差分模型评估数据基础制度建设对制造业企业数字技术创新的影响效应，基准模型设置如下：
DigiInnoit=β0+β1Policyit+ρControlsijt+Year+Firm+εit（1）
其中，i表示制造业企业，j代表省份，t为时间，被解释变量DigiInnoit表示制造业企业i在t年的数字技术创新水平；核心解释变量Policyi，t是指制造业企业i所在地区t年是否实施了大数据试点政策的虚拟政策变量；β1是核心解释变量Policyit的系数，该系数反映的是数据基础制度建设对试点地区制造业企业数字技术创新影响的净效应。Controls表示控制变量；Year和Firm分别表示时间、企业固定效应，ε为随机误差项。
（二）变量定义
1.被解释变量
本文的被解释变量为制造业企业数字技术创新。本文参考现有研究中提出的有关数字技术和数字技术应用的相关特征词[13-14]，利用关键词文本分析方法识别制造业企业的数字技术专利，据此计算制造业上市公司各年度内的数字技术专利申请数量，并加1取自然对数得到变量DigiInno，作为刻画制造业企业数字技术创新水平的核心指标。
此外，在后文的稳健性检验部分，本文也使用其他多种方法计算制造业企业数字技术创新水平，作为替代的被解释变量。
2.解释变量
本文选取大数据试点政策作为衡量数据基础设施建设的核心解释变量Policyit（Policy=Treat×Post），表示为试点区域虚拟变量（Treat）和时间虚拟变量（Post）两者的交乘项。试点区域虚拟变量Treat，如果制造业企业i所在的城市或省份实施大数据试点政策，则Treat取值为1，否则为0；时间虚拟变量Post，如果制造业企业i所在的城市或省份在第t年实施大数据试点政策，则取值为1，政策实施期前取值为0。国家发改委等三部门于2016年2月和10月分别批准了首批和第二批“国家大数据综合试验区”建设试点省（区、市），因此本文在实证过程中将大数据试点政策实施时间设定为2016年。
3.控制变量
为了控制其他因素对制造业企业数字技术创新的影响，参考相关文献的做法，在微观企业层面，本文选取以下控制变量：企业规模（Size）、企业年龄（Age）、资产负债率（Leverage）、总资产收益率（Roa）、流动比率（Nwc）、现金流比率（Cashflow）、管理层持股比例（TMThold）、两职合一（Dual）和企业所有制（Soe）。在宏观地区层面，本文选取了地区经济发展水平（Lgdp）和地区产业结构水平（Stru）作为控制变量。以上变量的详细信息见表1。
（三）数据来源与描述性统计
本文选取2008～2020年沪深A股制造业上市公司为研究样本，数据来源分为以下两部分：（1）测度制造业企业数字技术创新水平的专利信息，数据来自WinGo财经文本数据平台。（2）制造业企业特征数据及地区层面经济特征数据均来自国泰安数据库。在实证分析前，本文对数据进行了如下预处理：（1）剔除ST企业的样本；（2）剔除模型主要变量数据缺失的样本；（3）参考唐松等的研究，保留数据至少
连续5年的样本[15]；（4）对数据中所有连续变量进行1%的双边缩尾处理。本文最终得到14181个观测值。表2报告了上述模型中主要变量的描述性统计结果。
四 实证分析
（一）基准回归结果
基准模型的回归结果见表3。结果显示，在控制了其他因素的影响后，Policy的估计系数显著为正，说明数据基础制度建设显著提升了制造业企业数字技术创新水平，假设1得到验证。
（二）稳健性检验
1.平行趋势检验
本文参考任英华等的做法[10]，选取样本期第一年2008年为基期，对基准模型进行平行趋势检验。表4回归结果表明，大数据试点政策实施前，交乘项的估计系数均未通过10%的显著性水平检验，说明本文双重差分模型实验组和对照组的设置满足平行趋势假设。
2.PSM-DID
尽管DID方法分离出了大数据试点政策的平均处理效应，但由于大数据试点政策并非严格意义上的自然实验，所以仍可能在研究数据的观测方面存在选择性偏差问题[16]。因此，本文进一步使用PSM-DID方法进行稳健性检验。参考王修华等的做法，采用基准模型的控制变量作为匹配变量[17]，再分别使用最邻近匹配法、核匹配法和半径匹配法进行倾向得分匹配，最后利用双重差分方法对匹配后的数据进行回归。表5结果显示，不同匹配方法下大数据试点政策（Policy）的估计系数均在1%水平上显著为正，与基准回归的估计结果保持一致。
3.替换被解释变量
本文从三个方面替换被解释变量制造业企业数字技术创新的衡量指标，以检验基准回归结果的稳健性。其一，参考黄勃等的研究[1]，利用CNRDS数据库提供的数字经济专利的信息，得到制造业企业数字经济专利申请数量，构建替代的解释变量（DigiInno_Econ）。其二，参考徐佳等的做法[18]，采用制造业企业总专利申请数量中数字技术专利申请数量的占比（DigiInno_R）作为衡量制造业企业数字技术创新水平的指标。其三，参考杨国超和芮萌的做法[19]，使用制造业企业数字技术发明专利申请数量占制造业企业数字技术总专利申请数量之比（DigiInno_Inv_R）衡量制造业企业数字技术创新质量。表5列（4）～列（6）结果显示，被解释变量替换后的回归结果与前文一致。
4.排除其他政策的影响
在数据基础制度建设开展的同期，试点地区也可能受到其他政策的影响，例如2012年开展的国家创新型城市建设试点政策（Policy1）和智慧城市试点政策（Policy2）。为此，本文在基准模型中分别加入这两项政策作为控制变量后进行回归，表6列（1）、列（2）结果表明，数据基础制度建设显著促进了制造业企业数字技术创新，前文结果依旧稳健。
5.增加区域数字经济发展水平控制变量
区域数字经济发展水平可能对企业创新水平产生影响[10]。因此，参考现有文献的做法，本文在基准模型中分别加入地区每百人使用计算机数（取对数，Control1）[20]和各省份互联网宽带接入端口数（取对数，Control2）[10]作为控制变量后进行回归。表6列（3）、列（4）结果表明，Policy的估计系数仍均显著为正，前文结果依然稳健。
6.调整研究样本
本文从两个方面分别调整研究样本，以检验基准回归结果的稳健性。第一，参考张涛和李均超的研究[21]，本文在所有城市样本中剔除数据基础制度建设较好的四个直辖市，包括北京、上海、重庆及天津，再利用剩下的城市样本进行回归分析。第二，为排除与大数据试点政策实施年份相差较远的时间样本影响，本文进一步将时间样本限制在大数据试点政策发布年份的前后两年[21]，以2014～2018年的样本进行回归分析。表6列（5）、列（6）结果显示，基准回归结果不会因研究样本变化而发生明显改变。
7.安慰剂检验
为进一步控制其他不可观测因素对结果的影响，参考黎文靖等的研究[22]，本文使用如下安慰剂检验方法：根据实际试点企业数量，随机赋值大数据试点政策发生的时间和企业后进行同基准回归一致的双重差分估计，记录估计系数的t统计量，并重复1000次。图1检验结果显示，模拟回归的估计值基本服从均值为0的正态分布，说明基准回归结果与其他不可观测因素的因果关联较小。
（三）机制检验
基于前文研究假设，本文使用中介效应模型对数据基础制度建设影响制造业企业数字技术创新的机制进行检验，具体模型设定如下：
Mediatorit=α0+α1Policyit+ρControlsijt+Year+Firm+εit（2）
DigiInnoit=β0+β1Policyit+β2Mediatorit+ρControlsijt+Year+Firm+εit（3）
其中，Mediator为中介变量。模型中其他变量与参数说明同式（1）。模型中需重点关注的是系数ɑ1、β1和β2。如果系数ɑ1和β2均显著，则说明存在中介效应；如果β1也显著且与ɑ1和β2的乘积符号相同，则说明中介变量具有部分中介效应。
1.战略赋能机制
参考赵宸宇等的研究[13]，本文基于制造业上市公司年报，采用文本分析法构建了衡量企业管理层数字化发展战略关注度的代理变量（Dig_Str），其取值为制造业企业年报中数字化转型词汇词频与总词频的比值，再利用模型（2）至模型（3）对其进行机制检验。表7列（1）、列（2）结果表明，数据基础制度建设具有战略赋能的作用机制，即可以通过提高企业管理层对数字化发展战略的关注度的方式显著促进制造业企业数字技术创新。
2.人才赋能机制
参考肖土盛等的做法[23]，本文构建了企业劳动力资源结构变量（Empstr），取值为制造业上市公司中硕士以上学历员工与全部员工的比值，再利用中介效应模型进行作用机制检验。表7列（3）、列（4）结果表明，数据基础制度建设具有人才赋能的作用机制，数据基础制度建设可以通过提高企业人力资本水平的方式促进制造业企业数字技术创新水平提升。
3.管理赋能机制
参考黄勃等的做法[1]，本文使用企业管理费用率（Mgtfee）作为企业内部管控成本的衡量指标，取值为企业管理费用与营业收入之比，再利用中介效应模型进行作用机制检验。表7列（5）、列（6）结果表明，数据基础制度建设具有管理赋能的作用机制，数据基础制度建设可以通过降低制造业企业内部管控成本的方式促进制造业企业数字技术创新。
五 进一步研究
前述实证结果表明，数据基础制度建设能显著促进制造业企业数字技术创新。进一步地，本文分别从企业微观特征和地区宏观环境的异质性视角探讨数据基础制度建设对制造业企业数字技术创新的影响，主要回答以下问题：数据基础制度建设对制造业企业数字技术创新的影响是否因企业所有制、地区知识产权保护强度和地方政府数据开放水平的不同而存在明显差异？
（一）企业所有制异质性
数据基础制度建设对不同所有制企业可能存在异质性影响。国有企业由于体量较大、系统复杂等因素更容易存在路径依赖问题，追求数字创新变革的内生性需求并不强烈[24]。此外，国有企业相较于非国有企业具有更优越的外部经营环境，受外部环境和市场竞争的影响相对较弱，更注重社会和政治目标，而非国有企业则更加注重在激烈的市场竞争中利用创新获得经济效益[8]。因此，数据基础制度建设对非国有企业的促进作用可能更为显著。基于以上分析，本文将样本企业按照所有制分组后进行分组回归。表8列（1）、列（2）的回归结果与上述推论一致：数据基础制度建设对制造业企业数字技术创新的促进作用在非国有企业中更为显著。
（二）地区知识产权保护强度异质性
在知识产权保护强度不同的地区，数据基础制度建设对制造业企业数字技术创新的影响也可能存在差异。已有研究发现，数字经济背景下，信息的快速传播使得知识产权侵权具有速度快、难取证等特点，对于易模仿、易复制的数字技术创新而言，这些特征将增大企业知识产权被侵占的风险[13]，损害企业利益，打压企业进行数字技术创新的意愿。然而，高水平的知识产权保护可以保障企业技术创新产出的权益，有利于企业技术创新成果的转化与应用，这对于高成本、易模仿的数字技术创新尤为重要[1]。因此，在知识产权保护较强的地区，数据基础制度建设对制造业企业数字技术创新的促进作用可能更为明显。为验证上述分析，本文参考周泽将等的做法[25]，采用国家知识产权局发布的知识产权保护指数，并将其公布的各省每年的知识产权保护指数与年度中位数进行对比，将样本企业按照指数大小分为知识产权保护较强和知识产权保护较弱的两组地区企业后进行分组回归。表8列（3）、列（4）的回归结果与上述分析一致：数据基础制度建设对制造业企业数字技术创新的促进作用在知识产权保护较强的地区更显著。
（三）地方政府数据开放水平异质性
数据基础制度建设对制造业企业数字技术创新的影响也可能因地方政府数据开放水平不同而存在差异。数据是数字技术创新的基础，地方政府手中优质的数据资源是推动地区创新发展的重要因素，在地方政府数据开放水平高的地区，企业能获取的优质数据更多[10]，该地区企业可以更便捷地获取数字技术创新所需的知识信息资源，从而更高效地进行数字技术创新活动。因此，数据基础制度建设对制造业企业数字技术创新的促进作用在地方政府数据开放水平高的地区可能更加突出。为验证上述逻辑，本文根据复旦大学发布的“数林匹克”指数将样本企业按所在地分为两组后进行分组回归（前50%数据开放水平较高，后50%数据开放水平较低）。表8列（5）、列（6）的回归结果与前述推论一致：数据基础制度建设对制造业企业数字技术创新的促进作用在地方政府数据开放水平高的地区更为显著。
上述实证结果表明，数据基础制度建设通过战略赋能、人才赋能与管理赋能的机制显著促进了制造业企业数字技术创新。并且，企业所有制、地区知识产权保护强度和地方政府数据开放水平会对数据基础制度建设对制造业企业数字技术创新的作用造成差异性影响。以上结果有利于进一步理解数据基础制度建设对制造业企业数字技术创新的影响，也对推动数字经济与实体经济深度融合发展的实践具有借鉴意义。
六 结论与政策启示
本文基于2008～2020年中国A股制造业上市公司的数据，运用双重差分模型，实证考察了数据基础制度建设对制造业企业数字技术创新的影响及作用机制。研究发现：（1）数据基础制度建设显著促进了制造业企业数字技术创新。（2）机制检验表明，数据基础制度建设通过战略赋能、人才赋能和管理赋能三种机制促进制造业企业数字技术创新。（3）异质性检验表明，数据基础制度建设对制造业企业数字技术创新的促进作用在非国有企业、知识产权保护较强地区的企业和地方政府数据开放水平高的地区的企业中更为突出。
根据上述研究结论，为进一步完善数据基础制度建设，促进数字经济与实体经济深度融合发展，本文提出以下政策建议：
第一，政府应重视数据基础制度的建设工作，继续扩大试点城市范围，充分利用好数据要素新动能，借助数字技术创新推动经济高质量发展。当前，我国正处于转换经济发展方式的关键时期，数字技术作为新一轮产业变革的核心驱动力，推动制造业企业数字技术创新是构建中国式现代化产业体系的关键所在。本文研究发现，数据基础制度建设能显著促进制造业企业数字技术创新。因此，政府要在充分总结试点经验的基础上，不断完善数据基础制度，以此推动数据要素与实体经济现代化转型的深度融合发展。
第二，政府应制定科学有效的数字技术人才培养政策，为制造业企业数字技术创新搭建稳固的人才基础。本研究揭示了数据基础制度建设通过人才赋能影响制造业企业数字技术创新的作用机制，为推动数据要素与实体经济数字化转型深度融合发展提供了理论指导。因此，地方政府应当根据现代化产业体系的发展需求合理调整人才培养结构，加大数字化人才的培养力度，从而深入疏通数据基础制度建设创新效应发挥的作用渠道，通过制度保障更好地推动数据基础制度建设与实体经济现代化转型深度融合发展。
第三，政府要进一步细化数字技术创新激励政策，增强数据基础制度建设对不同地区企业的针对性。本文异质性分析发现，地区知识产权保护强度与地方政府数据开放水平等因素会影响数据基础制度建设对制造业企业数字技术创新的促进作用。因此，地方政府应当加快提升“软环境”的建设水平［26］，努力提高地区知识产权保护水平和数据开放水平，以此激励相关企业进行数字技术的创新研发活动，助力制造业企业数字化转型发展。
［参 考 文 献］
［1］ 黄勃，李海彤，刘俊岐，等.数字技术创新与中国企业高质量发展——来自企业数字专利的证据[J].经济研究，2023（3）：97-115.
[2] 陶锋，朱盼，邱楚芝，等.数字技术创新对企业市场价值的影响研究[J].数量经济技术经济研究，2023（5）：68-91.
[3] 陈彦斌，林晨，陈小亮.人工智能、老龄化与经济增长[J].经济研究，2019（7）：47-63.
[4] 郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019（7）：60-77.
[5] Acemoglu D， Restrepo P. Artificial intelligence， automation， and work[R]. NBER Working Paper， No.24196， 2018.
[6] Acemoglu D， Restrepo P. Automation and new tasks： how technology displaces and reinstates labor[J]. Journal of Economic Perspectives， 2019（2）： 3-30.
[7] Liu Y， Dong J Y， Mei L， et al. Digital innovation and performance of manufacturing firms： an affordance perspective[J]. Technovation， 2023， 119： 102458.
[8] 张叶青，陆瑶，李乐芸.大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J].经济研究，2021（12）：42-59.
[9] 张益豪，郭晓辉.大数据发展与企业全要素生产率——基于国家级大数据综合试验区的实证分析[J].产业经济研究，2023（2）：69-82.
[10]任英华，刘宇钊，胡宗义，等.大数据发展、知识产权保护对企业绿色技术创新的影响[J].中国人口·资源与环境，2023（7）：157-167.
[11]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.
[12]戴魁早，王思曼，黄姿.数据要素市场发展与生产率提升[J].经济管理，2023（6）：22-43.
[13]赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济，2021（7）：114-129.
[14]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（7）：130-144.
[15]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.
[16]白俊红，张艺璇，卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济，2022（6）：61-78.
[17]王修华，刘锦华，赵亚雄.绿色金融改革创新试验区的成效测度[J].数量经济技术经济研究，2021（10）：107-127.
[18]徐佳，崔静波.低碳城市和企业绿色技术创新[J].中国工业经济，2020（12）：178-196.
[19]杨国超，芮萌.高新技术企业税收减免政策的激励效应与迎合效应[J].经济研究，2020（9）：174-191.
[20]赵云辉，张哲，冯泰文，等.大数据发展、制度环境与政府治理效率[J].管理世界，2019（11）：119-132.
[21]张涛，李均超.网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断[J].数量经济技术经济研究，2023（4）：113-135.
[22]黎文靖，彭远怀，谭有超.知识产权司法保护与企业创新——兼论中国企业创新结构的变迁[J].经济研究，2021（5）：144-161.
[23]肖土盛，吴雨珊，亓文韬.数字化的翅膀能否助力企业高质量发展——来自企业创新的经验证据[J].经济管理，2022（5）：41-62.
[24]王海，闫卓毓，郭冠宇，等.数字基础设施政策与企业数字化转型——“赋能”还是“负能”？[J].数量经济技术经济研究，2023（5）：5-23.
[25]周泽将，汪顺，张悦.知识产权保护与企业创新信息困境[J].中国工业经济，2022（6）：136-154.
［26］阳立高，邬佩云，韩峰.数字产业与制造业协同集聚对企业绿色创新的影响研究［J］.财经理论与实践，2024（3）：131-138.