政府創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響*
——基于A股上市公司的經(jīng)驗(yàn)證據(jù)

陳 和，黃依婷

（廣東外語(yǔ)外貿(mào)大學(xué)經(jīng)濟(jì)貿(mào)易學(xué)院，廣東 廣州 510006）

一、引言

隨著人工智能、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算等新興信息技術(shù)飛速發(fā)展，數(shù)字技術(shù)已成為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的強(qiáng)勁驅(qū)動(dòng)力。各級(jí)政府大力推進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)的深度融合，打造數(shù)字經(jīng)濟(jì)新優(yōu)勢(shì)，為企業(yè)搭建更多共性技術(shù)研發(fā)平臺(tái)，促進(jìn)產(chǎn)業(yè)鏈創(chuàng)新、企業(yè)創(chuàng)新與專業(yè)化（申明浩等，2022）。在數(shù)字經(jīng)濟(jì)高速發(fā)展的浪潮下，數(shù)字化轉(zhuǎn)型在宏觀層面是我國(guó)跨越中等收入陷阱、實(shí)現(xiàn)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型的重要引擎（戚聿東和褚席，2021），在中觀層面是產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的助推器（陳曉東和楊曉霞，2021)，在微觀層面是企業(yè)提升生產(chǎn)效率、重塑商業(yè)模式的重要手段（戚聿東等，2021）。數(shù)字化轉(zhuǎn)型是企業(yè)提質(zhì)增效的必由之路（何帆和劉紅霞，2019）。根據(jù)《埃森哲中國(guó)企業(yè)數(shù)字轉(zhuǎn)型指數(shù)研究（2021）》的數(shù)據(jù)，中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)平均得分已由2018年的37分躍升至2021年的54分，部分企業(yè)順應(yīng)數(shù)字化轉(zhuǎn)型的時(shí)代發(fā)展趨勢(shì)，加快搭建企業(yè)數(shù)字化架構(gòu)、實(shí)施數(shù)字化轉(zhuǎn)型（譚志東等，2022）。

促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，需要政府發(fā)揮其“有形之手”的作用（吳非等，2021），通過(guò)積極的財(cái)政政策為企業(yè)發(fā)展賦能。政府創(chuàng)新補(bǔ)貼作為激發(fā)企業(yè)創(chuàng)新活力的重要手段（陳林和朱衛(wèi)平，2008），能夠激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型。一方面，創(chuàng)新補(bǔ)貼能直接彌補(bǔ)企業(yè)創(chuàng)新資源的不足（楊曉妹等，2021），激勵(lì)其加快數(shù)字技術(shù)創(chuàng)新進(jìn)程。另一方面，創(chuàng)新補(bǔ)貼具有政府背書(shū)的間接信號(hào)傳遞作用，使得企業(yè)更受投資者和金融機(jī)構(gòu)的青睞，能夠幫助企業(yè)緩解外部融資約束、獲取創(chuàng)新資源，助力企業(yè)數(shù)字化轉(zhuǎn)型。但是，政府“看得見(jiàn)的手”并不是萬(wàn)能的，在篩選補(bǔ)貼對(duì)象時(shí)也會(huì)因企業(yè)釋放的虛假信號(hào)而出現(xiàn)決策失誤（李永友和葉倩雯，2017；安同良等，2009）。而且，企業(yè)也可能采取策略性創(chuàng)新行為以獲取創(chuàng)新補(bǔ)貼（毛其淋和許家云，2015）。

本文將深入探討政府創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型之間的邏輯關(guān)系、作用機(jī)制以及異質(zhì)性條件，為探索適配中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型的財(cái)政激勵(lì)政策提供參考與啟示。文章的邊際貢獻(xiàn)在于：第一，將政府創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型納入同一研究框架，為研究政府創(chuàng)新補(bǔ)貼助力企業(yè)數(shù)字化轉(zhuǎn)型提供了根植于中國(guó)的經(jīng)驗(yàn)證據(jù)；第二，從融資約束、研發(fā)投入與創(chuàng)新產(chǎn)出這三個(gè)機(jī)制變量深入研究政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的作用路徑，運(yùn)用結(jié)構(gòu)方程鏈?zhǔn)蕉嘀刂薪樾?yīng)模型打開(kāi)政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的渠道“黑箱”；第三，對(duì)政府創(chuàng)新補(bǔ)貼在不同所有制企業(yè)和不同要素密集度行業(yè)的數(shù)字化轉(zhuǎn)型激勵(lì)效應(yīng)進(jìn)行考察，闡述政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的異質(zhì)性。

二、理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)質(zhì)是以數(shù)據(jù)為核心，由工業(yè)化管理模式轉(zhuǎn)向數(shù)字化管理模式（劉淑春等，2021）。企業(yè)在生產(chǎn)流程、管理架構(gòu)和運(yùn)營(yíng)模式等方面引入人工智能、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)、大數(shù)據(jù)技術(shù)等底層技術(shù)和互聯(lián)網(wǎng)等數(shù)字技術(shù)應(yīng)用（Ebert和Duarte，2018；龔雅嫻，2022），改變傳統(tǒng)工業(yè)化管理模式的路徑依賴，進(jìn)而驅(qū)動(dòng)企業(yè)走向智能化、高效化（倪克金和劉修巖，2021），構(gòu)建業(yè)務(wù)新體系和發(fā)展新生態(tài)，帶來(lái)根本性變革。

根據(jù)《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(shū)（2020年）》，中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型比例僅約為25%，大多數(shù)企業(yè)對(duì)數(shù)字化轉(zhuǎn)型仍處在觀望或探索階段。這是因?yàn)椋环矫?，企業(yè)自身造血機(jī)能偏弱、外部輸血機(jī)制受約束（唐松等，2020），多數(shù)企業(yè)仍徘徊于技術(shù)的基本應(yīng)用配套階段；另一方面，進(jìn)行數(shù)字技術(shù)變革的周期長(zhǎng)、風(fēng)險(xiǎn)高（孔存玉和丁志帆，2021），而且進(jìn)行技術(shù)應(yīng)用和設(shè)備更新迭代將衍生出企業(yè)難以負(fù)荷的高昂成本（安家驥等，2022）。

政府創(chuàng)新補(bǔ)貼也許能夠在一定程度上緩解企業(yè)的上述困境。政府的創(chuàng)新補(bǔ)貼具有靶向性和信號(hào)傳遞作用，能夠直接彌補(bǔ)創(chuàng)新資源不足以及通過(guò)間接信號(hào)傳遞效應(yīng)緩解外部融資約束（王剛剛等，2017），進(jìn)而激勵(lì)企業(yè)進(jìn)行技術(shù)創(chuàng)新甚至數(shù)字化轉(zhuǎn)型（理論機(jī)制見(jiàn)圖1）。尤其是在數(shù)字經(jīng)濟(jì)成為經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)生動(dòng)力的背景下，政府將創(chuàng)新補(bǔ)貼適度地向數(shù)字化轉(zhuǎn)型方向傾斜，能有效激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型。

圖1 政府創(chuàng)新補(bǔ)貼促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的理論機(jī)制

首先，從直接資源補(bǔ)充角度上看，政府創(chuàng)新補(bǔ)貼能夠直接彌補(bǔ)企業(yè)的創(chuàng)新資源缺口（Tether，2002），激勵(lì)企業(yè)增加研發(fā)投入，從而促進(jìn)企業(yè)技術(shù)創(chuàng)新和數(shù)字化轉(zhuǎn)型。一方面，政府通過(guò)篩選符合條件的具有強(qiáng)勁發(fā)展?jié)摿Φ钠髽I(yè)，直接補(bǔ)充企業(yè)的創(chuàng)新資源，減少企業(yè)數(shù)字技術(shù)創(chuàng)新的試錯(cuò)機(jī)會(huì)，分擔(dān)了企業(yè)數(shù)字技術(shù)創(chuàng)新的風(fēng)險(xiǎn)（尚洪濤和房丹，2021），激勵(lì)企業(yè)加大研發(fā)力度，從而激活企業(yè)數(shù)字化轉(zhuǎn)型的活力。尤其是對(duì)于某些長(zhǎng)周期高風(fēng)險(xiǎn)的數(shù)字化轉(zhuǎn)型項(xiàng)目來(lái)說(shuō)，創(chuàng)新補(bǔ)貼更能為其提供基礎(chǔ)保障，加強(qiáng)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的信心。因此，政府的創(chuàng)新補(bǔ)貼能夠激勵(lì)企業(yè)加大研發(fā)投入來(lái)促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型（路徑1）。另一方面，政府發(fā)放創(chuàng)新補(bǔ)貼的目的在于激勵(lì)企業(yè)的研發(fā)行為，而企業(yè)獲取創(chuàng)新補(bǔ)貼能夠彌補(bǔ)自身創(chuàng)新資源的不足。因此，企業(yè)為獲取政府的創(chuàng)新補(bǔ)貼會(huì)不斷提升自身的創(chuàng)新產(chǎn)出水平。此外，創(chuàng)新補(bǔ)貼的后效性（政府后續(xù)會(huì)審查接受創(chuàng)新補(bǔ)貼企業(yè)的創(chuàng)新績(jī)效），有利于創(chuàng)新氛圍的形成，進(jìn)一步激發(fā)企業(yè)加大研發(fā)投入，促進(jìn)其創(chuàng)新產(chǎn)出。隨著創(chuàng)新活動(dòng)的深入，企業(yè)越發(fā)能敏銳地抓住新一代技術(shù)前沿的信息技術(shù)發(fā)展機(jī)遇，驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。因此，政府的創(chuàng)新補(bǔ)貼能激勵(lì)企業(yè)提高創(chuàng)新產(chǎn)出進(jìn)而助力企業(yè)數(shù)字化轉(zhuǎn)型（路徑2），而且創(chuàng)新補(bǔ)貼能通過(guò)激發(fā)企業(yè)加大研發(fā)投入來(lái)提升其創(chuàng)新產(chǎn)出，進(jìn)而驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型（路徑3）。

其次，從間接信號(hào)傳遞角度上看，政府創(chuàng)新補(bǔ)貼所具有的間接信號(hào)傳遞效應(yīng)能夠緩解企業(yè)外部融資約束（楊洋等，2015），激勵(lì)其加大研發(fā)投入，從而促進(jìn)創(chuàng)新產(chǎn)出和數(shù)字化轉(zhuǎn)型。理論上，受到政府創(chuàng)新補(bǔ)貼的企業(yè)在一定程度上有了政府的信用背書(shū)（Li等，2019），同時(shí)創(chuàng)新補(bǔ)貼發(fā)揮的間接信號(hào)傳遞作用，能夠降低外部利益相關(guān)者的甄別成本，減少外部利益相關(guān)者所面臨的道德風(fēng)險(xiǎn)與逆向選擇，緩解企業(yè)與外部利益相關(guān)者之間的信息不對(duì)稱問(wèn)題（Blind等，2017），從而有助于吸引外部投資者、降低銀行等金融機(jī)構(gòu)的信貸門(mén)檻，進(jìn)而放松企業(yè)的外部融資約束。第一，融資困境長(zhǎng)期以來(lái)制約了企業(yè)的數(shù)字化轉(zhuǎn)型，而創(chuàng)新補(bǔ)貼的間接信號(hào)傳遞效應(yīng)所帶來(lái)的外部資金可為企業(yè)數(shù)字化轉(zhuǎn)型的設(shè)備建設(shè)和技術(shù)平臺(tái)搭建提供支持。因此，創(chuàng)新補(bǔ)貼能通過(guò)緩解企業(yè)外部融資約束來(lái)助力企業(yè)數(shù)字化轉(zhuǎn)型（路徑4）。第二，外部融資約束是企業(yè)創(chuàng)新的桎梏，而創(chuàng)新補(bǔ)貼的間接信號(hào)傳遞效應(yīng)所帶來(lái)的外部資金可激發(fā)企業(yè)的研發(fā)創(chuàng)新。一方面，創(chuàng)新產(chǎn)出是實(shí)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的重要支柱，創(chuàng)新產(chǎn)出水平不足會(huì)致使企業(yè)數(shù)字化轉(zhuǎn)型缺乏技術(shù)基礎(chǔ)，而外部融資約束的緩解可以激發(fā)企業(yè)的研發(fā)創(chuàng)新，為企業(yè)加快數(shù)字化轉(zhuǎn)型提供動(dòng)力。因此，創(chuàng)新補(bǔ)貼可以通過(guò)緩解企業(yè)外部融資約束來(lái)激勵(lì)企業(yè)提升其創(chuàng)新產(chǎn)出水平，進(jìn)而助力企業(yè)數(shù)字化轉(zhuǎn)型（路徑5）。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型離不開(kāi)研發(fā)資源的投入，而外部融資約束的緩解能夠消弭企業(yè)自身創(chuàng)新意愿與創(chuàng)新資源間的鴻溝（周煒等，2021），激勵(lì)企業(yè)將外部資源轉(zhuǎn)化為研發(fā)資源，促進(jìn)其創(chuàng)新產(chǎn)出。而企業(yè)雄厚的創(chuàng)新實(shí)力又能為數(shù)字化轉(zhuǎn)型提供充足的硬件匹配基礎(chǔ)條件（吳非等，2021），隨著研發(fā)創(chuàng)新“投入—產(chǎn)出”體系的優(yōu)化，企業(yè)數(shù)字化高效轉(zhuǎn)型得以實(shí)現(xiàn)。因此，創(chuàng)新補(bǔ)貼可以通過(guò)緩解企業(yè)外部融資約束、激勵(lì)企業(yè)加大研發(fā)投入來(lái)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型（路徑6），而且創(chuàng)新補(bǔ)貼可以通過(guò)緩解企業(yè)外部融資約束來(lái)優(yōu)化研發(fā)創(chuàng)新“投入—產(chǎn)出”體系，進(jìn)而助力企業(yè)數(shù)字化轉(zhuǎn)型（路徑7）。

綜合上述分析，政府創(chuàng)新補(bǔ)貼可以通過(guò)以下路徑來(lái)激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型：創(chuàng)新補(bǔ)貼→研發(fā)投入→數(shù)字化轉(zhuǎn)型（路徑1）；創(chuàng)新補(bǔ)貼→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型（路徑2）；創(chuàng)新補(bǔ)貼→研發(fā)投入→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型（路徑3）；創(chuàng)新補(bǔ)貼→融資約束→數(shù)字化轉(zhuǎn)型（路徑4）；創(chuàng)新補(bǔ)貼→融資約束→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型（路徑5）；創(chuàng)新補(bǔ)貼→融資約束→研發(fā)投入→數(shù)字化轉(zhuǎn)型（路徑6）；創(chuàng)新補(bǔ)貼→融資約束→研發(fā)投入→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型（路徑7）。據(jù)此，本文提出以下兩個(gè)研究假設(shè)：

H1：政府創(chuàng)新補(bǔ)貼有助于驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。

H2：融資約束放松、研發(fā)投入增加與創(chuàng)新產(chǎn)出提升對(duì)政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型具有正向的鏈?zhǔn)蕉嘀刂薪樽饔谩?/p>

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源和樣本

文章以2011—2020年滬深A(yù)股上市公司數(shù)據(jù)進(jìn)行研究，原始數(shù)據(jù)均來(lái)自CSMAR經(jīng)濟(jì)金融研究數(shù)據(jù)庫(kù)和Wind數(shù)據(jù)庫(kù)。對(duì)上述數(shù)據(jù)做如下處理：①剔除金融類企業(yè)；②剔除ST、*ST、PT及終止上市的企業(yè)；③剔除關(guān)鍵財(cái)務(wù)數(shù)據(jù)嚴(yán)重缺失的企業(yè)。最后共得到3376個(gè)樣本企業(yè)。為降低異常值干擾，對(duì)所有連續(xù)變量進(jìn)行1%和99%的縮尾處理。

（二）變量設(shè)定

1.被解釋變量

數(shù)字化轉(zhuǎn)型（lnDT）。數(shù)字化轉(zhuǎn)型數(shù)據(jù)來(lái)自于廣東金融學(xué)院《中國(guó)上市企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)評(píng)價(jià)研究報(bào)告》。廣東金融學(xué)院研究團(tuán)隊(duì)利用Python爬取滬深A(yù)股上市公司的年度報(bào)告文本，并通過(guò)Java PDFbox庫(kù)提取數(shù)字化轉(zhuǎn)型的關(guān)鍵詞，將關(guān)鍵詞加總得到中國(guó)上市企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。其中，關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵詞的選取，廣東金融學(xué)院研究團(tuán)隊(duì)將企業(yè)數(shù)字化轉(zhuǎn)型按照底層技術(shù)和實(shí)踐應(yīng)用進(jìn)行分類（見(jiàn)圖2所示）。由于數(shù)據(jù)右偏性明顯，對(duì)其取對(duì)數(shù)化處理，同時(shí)為了減少內(nèi)生性問(wèn)題，對(duì)lnDT進(jìn)行滯后一期處理。

圖2 企業(yè)數(shù)字化轉(zhuǎn)型類型

圖3刻畫(huà)了不同行業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)的平均變化趨勢(shì)。可發(fā)現(xiàn)所有行業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程都在加快。信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)以及租賃和商務(wù)服務(wù)業(yè)等大多數(shù)現(xiàn)代服務(wù)業(yè)的數(shù)字化轉(zhuǎn)型程度較高，而采礦業(yè)以及電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)等傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型程度較低。

圖3 部分行業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的變化趨勢(shì)

2.解釋變量

本文借鑒郭玥（2018）和Chen等（2018）的做法，先從CSMAR 數(shù)據(jù)庫(kù)獲得企業(yè)財(cái)務(wù)報(bào)表附注“營(yíng)業(yè)外收入”中披露的政府補(bǔ)助信息，運(yùn)用關(guān)鍵詞檢索手工搜集企業(yè)創(chuàng)新補(bǔ)貼的項(xiàng)目，并通過(guò)人工篩選，確定最終創(chuàng)新補(bǔ)貼項(xiàng)目信息，最后將同一年份同一企業(yè)的創(chuàng)新補(bǔ)貼項(xiàng)目信息進(jìn)行合并，生成核心解釋變量GovIS，GovIS=（創(chuàng)新補(bǔ)貼/總資產(chǎn)）×100。其中，借鑒劉春林和田玲（2021）的研究，采用的關(guān)鍵詞有科技專項(xiàng)、創(chuàng)新項(xiàng)目、科技項(xiàng)目、研發(fā)、高新技術(shù)、研究開(kāi)發(fā)、專利、發(fā)明等。

3.機(jī)制變量

融資約束放松（RFC）。依據(jù)Hadlock和Pierce（2010）、鞠曉生等（2013）的研究，SA指數(shù)越大，企業(yè)融資約束程度越高。對(duì)SA指數(shù)進(jìn)行反向處理，以此作為融資約束放松（RFC）的表征變量。

研發(fā)投入（R&D）。采用研發(fā)投入占營(yíng)業(yè)收入比重來(lái)衡量企業(yè)的研發(fā)投入。

企業(yè)創(chuàng)新產(chǎn)出（lnpatent）。采用專利申請(qǐng)量的對(duì)數(shù)化指標(biāo)來(lái)衡量企業(yè)的技術(shù)創(chuàng)新水平。

為減少內(nèi)生性問(wèn)題，對(duì)所有機(jī)制變量進(jìn)行滯后一期處理。

4.控制變量

本文選取的一系列控制變量有：第一大股東持股比例（top1）、總資產(chǎn)收益率（ROA，息稅后凈利潤(rùn)/總資產(chǎn)×100）、資產(chǎn)負(fù)債率（Lev，總負(fù)債/總資產(chǎn)×100）、 企業(yè)資本密度比（SD，總資產(chǎn)與營(yíng)業(yè)收入的比值）、企業(yè)年齡（Age，當(dāng)年年份減企業(yè)成立年份加1再取自然對(duì)數(shù)）、現(xiàn)金凈流量（Cashflow，經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金凈流量/總資產(chǎn)）、高管團(tuán)隊(duì)是否擁有研發(fā)背景（TMTt）以及高管團(tuán)隊(duì)是否擁有政治關(guān)聯(lián)（TMTp）。

（三）模型設(shè)定

1.總體效應(yīng)檢驗(yàn)?zāi)Ｐ驮O(shè)定

為研究企業(yè)創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響，設(shè)定面板固定效應(yīng)模型（1）對(duì)二者的關(guān)系進(jìn)行檢驗(yàn)。

其中：被解釋變量lnDTt+1為領(lǐng)先一期的數(shù)字化轉(zhuǎn)型程度，GovIS為核心解釋變量。VCs是一系列控制變量，Year是年份固定效應(yīng)，Industry是行業(yè)固定效應(yīng)，Province是地區(qū)固定效應(yīng)，εit為隨機(jī)擾動(dòng)項(xiàng)。

2.鏈?zhǔn)蕉嘀刂薪樾?yīng)模型設(shè)定

為研究融資約束、研發(fā)投入和創(chuàng)新產(chǎn)出在創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型中的鏈?zhǔn)蕉嘀刂薪樽饔茫梃b柳士順和凌文輇（2009）的研究，設(shè)定如下面板固定效應(yīng)模型：

其中：RFCt+1、R&Dt+1、lnpatentt+1分別為領(lǐng)先一期的融資約束、研發(fā)投入和創(chuàng)新產(chǎn)出。模型（2）-（5）構(gòu)建了一個(gè)多方程系統(tǒng)：模型（2）檢驗(yàn)創(chuàng)新補(bǔ)貼對(duì)融資約束的影響；模型（3）在控制創(chuàng)新補(bǔ)貼情況下檢驗(yàn)融資約束對(duì)研發(fā)投入的影響；模型（4）在控制創(chuàng)新補(bǔ)貼與融資約束情況下檢驗(yàn)研發(fā)投入對(duì)創(chuàng)新產(chǎn)出的影響；模型（5）在控制創(chuàng)新補(bǔ)貼、融資約束與研發(fā)投入情況下檢驗(yàn)創(chuàng)新產(chǎn)出對(duì)數(shù)字化轉(zhuǎn)型的影響。鏈?zhǔn)街薪樾?yīng)模型分為獨(dú)立中介與鏈?zhǔn)街薪?。?dú)立中介路徑為：創(chuàng)新補(bǔ)貼→融資約束→數(shù)字化轉(zhuǎn)型、創(chuàng)新補(bǔ)貼→研發(fā)投入→數(shù)字化轉(zhuǎn)型與創(chuàng)新補(bǔ)貼→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型，鏈?zhǔn)街薪槁窂綖椋簞?chuàng)新補(bǔ)貼→融資約束→研發(fā)投入→數(shù)字化轉(zhuǎn)型、創(chuàng)新補(bǔ)貼→融資約束→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型、創(chuàng)新補(bǔ)貼→融資約束→研發(fā)投入→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型與創(chuàng)新補(bǔ)貼→研發(fā)投入→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型。

傳統(tǒng)的中介效應(yīng)研究主要運(yùn)用Baron等（1986）提出的逐步法進(jìn)行檢驗(yàn)，但近年來(lái)不少學(xué)者質(zhì)疑此方法（溫忠和葉寶娟，2014），主要爭(zhēng)議在于：如果中介效應(yīng)模型包含多個(gè)中介變量，那么逐步檢驗(yàn)回歸系數(shù)會(huì)提高第一類統(tǒng)計(jì)推斷錯(cuò)誤出現(xiàn)的概率，而且每個(gè)獨(dú)立方程忽略了方程之間的關(guān)聯(lián)，從而產(chǎn)生估計(jì)偏差。因此，為了保證研究結(jié)論的可靠性，本文在對(duì)模型（2）-（5）進(jìn)行回歸估計(jì)的基礎(chǔ)上，進(jìn)一步構(gòu)建了經(jīng)非參數(shù) Bootstrapping方法調(diào)整估計(jì)偏差的結(jié)構(gòu)方程鏈?zhǔn)蕉嘀刂薪樾?yīng)模型，研究融資約束、研發(fā)投入以及技術(shù)創(chuàng)新產(chǎn)出在政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中所發(fā)揮的鏈?zhǔn)蕉嘀刂薪樾?yīng)，從而進(jìn)一步剖析創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型之間的傳導(dǎo)機(jī)制。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

變量描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。可以看到，企業(yè)數(shù)字化轉(zhuǎn)型（lnDT）的均值為2.647、標(biāo)準(zhǔn)差為1.369，這揭示了企業(yè)間數(shù)字化轉(zhuǎn)型水平參差不齊。政府創(chuàng)新補(bǔ)貼強(qiáng)度的最小值為0，最大值為4.170，說(shuō)明政府創(chuàng)新補(bǔ)貼強(qiáng)度在企業(yè)間存在明顯差異。

表1 主要變量的描述性統(tǒng)計(jì)結(jié)果

（二）政府創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響

表2的列（1）、（2）是基準(zhǔn)回歸的實(shí)證檢驗(yàn)結(jié)果?？梢园l(fā)現(xiàn)，無(wú)論是否加入控制變量，GovIS的估計(jì)系數(shù)都在1%顯著性水平下顯著為正。這表明在保持其他因素不變的情況下，政府對(duì)企業(yè)的創(chuàng)新補(bǔ)貼強(qiáng)度越高，越能夠助力企業(yè)數(shù)字化轉(zhuǎn)型?？赡艿慕忉屖牵旱谝唬瑒?chuàng)新補(bǔ)貼作為一項(xiàng)創(chuàng)新激勵(lì)政策，具有較好的靶向作用，能夠直接彌補(bǔ)企業(yè)的創(chuàng)新資源不足，激勵(lì)企業(yè)加大研發(fā)投入，助力企業(yè)進(jìn)行科技創(chuàng)新，提升其數(shù)字化技術(shù)處理能力，從而驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。第二，創(chuàng)新補(bǔ)貼還可以通過(guò)間接的信號(hào)傳遞效應(yīng)降低企業(yè)與外部利益相關(guān)者之間的信息不對(duì)稱，同時(shí)提高企業(yè)的商業(yè)信用，緩解企業(yè)外部融資約束，為企業(yè)的研發(fā)創(chuàng)新與數(shù)字化轉(zhuǎn)型提供充足資金支持。假設(shè)H1得到驗(yàn)證。

表2 創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響

（三）穩(wěn)健性檢驗(yàn)

1.替換核心解釋變量

將核心解釋變量替換為lnIS，lnIS的賦值方法為創(chuàng)新補(bǔ)貼加1后取自然對(duì)數(shù)，重新進(jìn)行回歸的估計(jì)結(jié)果如表2的列（3）、（4）所示?？梢园l(fā)現(xiàn)在替換核心解釋變量后，基準(zhǔn)回歸的結(jié)論仍成立。

2.替換被解釋變量

將被解釋變量替換為T(mén)D，即（數(shù)字化轉(zhuǎn)型的總詞數(shù)/年報(bào)總詞數(shù)）×1000，為了減少內(nèi)生性問(wèn)題，將TD領(lǐng)先一期再代入模型（1），重新進(jìn)行回歸?；貧w結(jié)果如表2的列（5）、（6）所示。可以看到GovIS的回歸估計(jì)系數(shù)依然在1%顯著性水平下顯著為正，這表明基準(zhǔn)回歸的結(jié)果是穩(wěn)健的。

3.采用泊松偽極大似然估計(jì)方法

為了避免傳統(tǒng)面板估計(jì)法將剔除lnDTt+1的0值，同時(shí)為了盡可能減少估計(jì)偏差，采用泊松偽極大似然（PPML）固定效應(yīng)估計(jì)方法進(jìn)行穩(wěn)健性檢驗(yàn)。表3列（1）、（2）報(bào)告其回歸結(jié)果，可以發(fā)現(xiàn)不管是否加入控制變量，GovIS的估計(jì)系數(shù)沒(méi)有發(fā)生實(shí)質(zhì)性變化。這表明基準(zhǔn)回歸具有穩(wěn)健性。

4.內(nèi)生性檢驗(yàn)

采取以下兩種方法進(jìn)行內(nèi)生性檢驗(yàn)：①采用工具變量法。創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型之間可能存在雙向因果關(guān)系會(huì)導(dǎo)致內(nèi)生性問(wèn)題，遺漏重要變量也可能會(huì)引致內(nèi)生性問(wèn)題，因此文章運(yùn)用兩階段最小二乘估計(jì)方法進(jìn)行估計(jì)。②運(yùn)用Heckman兩步法構(gòu)建樣本選擇模型。將年報(bào)中披露其數(shù)字化轉(zhuǎn)型情況的企業(yè)全部視為進(jìn)行數(shù)字化轉(zhuǎn)型，反之則視為未進(jìn)行數(shù)字化轉(zhuǎn)型企業(yè)，這可能造成樣本選擇偏差，從而導(dǎo)致內(nèi)生性問(wèn)題，對(duì)此文章通過(guò)構(gòu)建樣本選擇模型對(duì)其進(jìn)行控制與檢驗(yàn)。

（1）工具變量法。運(yùn)用兩階段最小二乘估計(jì)方法（2SLS）進(jìn)行內(nèi)生性檢驗(yàn)。借鑒李政等（2019）的研究，選取上市公司注冊(cè)地所在城市當(dāng)年財(cái)政收入與企業(yè)上一年度是否接受創(chuàng)新補(bǔ)貼虛擬變量的交乘項(xiàng)（IV）作為工具變量。地方政府需要根據(jù)自身財(cái)政收入狀況來(lái)選擇對(duì)企業(yè)進(jìn)行創(chuàng)新補(bǔ)貼，因此創(chuàng)新補(bǔ)貼與當(dāng)?shù)刎?cái)政收入水平的相關(guān)性較大，同時(shí)一個(gè)城市財(cái)政收入水平與該城市內(nèi)某一企業(yè)的數(shù)字化轉(zhuǎn)型并無(wú)關(guān)聯(lián)，因此選擇此工具變量具有一定的合理性。檢驗(yàn)結(jié)果如表3的列（3）、（4）所示。首先，Durbin-Wu-Hausman檢驗(yàn)在1%顯著性水平下拒絕了“解釋變量與干擾項(xiàng)不相關(guān)”的原假設(shè)，這說(shuō)明核心解釋變量存在內(nèi)生性問(wèn)題，需要使用工具變量消除內(nèi)生性。其次，第二階段中創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的回歸估計(jì)系數(shù)在1%顯著性水平下顯著為正, 表明控制了模型的內(nèi)生性問(wèn)題后，創(chuàng)新補(bǔ)貼仍能顯著促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。同時(shí)，Anderson LM統(tǒng)計(jì)量p值為0，通過(guò)工具變量識(shí)別不足檢驗(yàn)。此外，Wald統(tǒng)計(jì)量大于10%顯著性水平下的臨界值，認(rèn)為不存在弱工具變量問(wèn)題，因此文章選取的工具變量是合理的。總之，以上分析支持了基準(zhǔn)回歸的研究結(jié)論。

（2）樣本選擇模型。運(yùn)用Heckman兩步法構(gòu)建樣本選擇模型的步驟是：第一步，設(shè)置虛擬變量lnDT_dummy（若企業(yè)在年報(bào)披露其數(shù)字化轉(zhuǎn)型情況，則lnDT_dummy賦值為1，否則賦值為0），將lnDT_dummy的領(lǐng)先一期（lnDT_dummyt+1）作為被解釋變量，解釋變量包括基準(zhǔn)回歸中的核心解釋變量和其控制變量，并引入外生變量——城市當(dāng)年財(cái)政收入與企業(yè)上一年度是否接受政府創(chuàng)新補(bǔ)貼虛擬變量的交乘項(xiàng)（IV），再進(jìn)行Probit估計(jì)，計(jì)算出逆米爾斯比率（imr）；第二步，將計(jì)算出來(lái)的imr作為控制變量引入基準(zhǔn)回歸模型進(jìn)行實(shí)證檢驗(yàn)。文章采用Heckman兩步法的回歸檢驗(yàn)結(jié)果如表3的列（5）、（6）所示，可以發(fā)現(xiàn)IV和imr的回歸估計(jì)系數(shù)均在1%顯著性水平下顯著，而且GovIS均顯著為正，這表明在控制選擇性偏差后的估計(jì)結(jié)果仍支持基準(zhǔn)回歸的結(jié)論。

表3 穩(wěn)健性檢驗(yàn)：泊松偽極大似然估計(jì)與內(nèi)生性檢驗(yàn)

5.處理效應(yīng)模型

文章所構(gòu)建的基準(zhǔn)回歸模型可能存在自選擇偏差，其原因在于：發(fā)展態(tài)勢(shì)良好的企業(yè)更有意愿申請(qǐng)政府的創(chuàng)新補(bǔ)貼，同時(shí)地方政府也往往選擇發(fā)展實(shí)力強(qiáng)勁的企業(yè)進(jìn)行補(bǔ)助（馬嘉楠等，2018）。因此文章通過(guò)構(gòu)建處理效應(yīng)模型來(lái)盡可能控制因樣本自選擇而產(chǎn)生的估計(jì)偏差。處理效應(yīng)模型分為兩步：第一步，以企業(yè)是否收到創(chuàng)新補(bǔ)貼IFIS（若有則賦值為1，否則賦值為0）為被解釋變量，加入一系列控制變量VCs以及引入外生變量IV進(jìn)行Probit估計(jì)，得到逆米爾斯比率（lambda）。第二步，將得到的lambda代入原回歸模型并將核心解釋變量替換為IFIS。表4的列（1）、（2）報(bào)告了使用Etragress命令估計(jì)得到的處理效應(yīng)模型的回歸結(jié)果。可以發(fā)現(xiàn)，lambda的估計(jì)系數(shù)是顯著的，這說(shuō)明確實(shí)存在樣本自選擇偏誤，同時(shí)可以發(fā)現(xiàn)在控制自選擇偏差后IFIS仍顯著為正，這表明基準(zhǔn)回歸結(jié)論具有穩(wěn)健性。

6.延長(zhǎng)預(yù)測(cè)窗口

文章通過(guò)考察創(chuàng)新補(bǔ)貼對(duì)t+2期、t+3期、t+4期企業(yè)數(shù)字化轉(zhuǎn)型的影響來(lái)檢驗(yàn)創(chuàng)新補(bǔ)貼的持續(xù)性。檢驗(yàn)結(jié)果如表4的列（3）-（5）所示，核心解釋變量GovIS的估計(jì)系數(shù)均顯著為正，表明創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的激勵(lì)效應(yīng)具有可持續(xù)性。

五、進(jìn)一步分析

（一）政府創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的鏈?zhǔn)蕉嘀刂薪闄C(jī)制分析

上文研究表明，政府創(chuàng)新補(bǔ)貼能夠激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型。下面將對(duì)圖1的理論機(jī)制分析進(jìn)行實(shí)證檢驗(yàn)，以期進(jìn)一步剖析創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型二者之間的內(nèi)在聯(lián)系。文章通過(guò)實(shí)證模型（2）-（5）以及構(gòu)建結(jié)構(gòu)方程鏈?zhǔn)蕉嘀刂薪樾?yīng)模型進(jìn)一步考察融資約束、研發(fā)投入與創(chuàng)新產(chǎn)出在創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型之間的鏈?zhǔn)蕉嘀刂薪樾?yīng)，其檢驗(yàn)結(jié)果如表5所示。

模型（2）-（5）的回歸結(jié)果如表5的Panel A所示：列（1）顯示創(chuàng)新補(bǔ)貼顯著緩解了企業(yè)的融資約束；列（2）表明創(chuàng)新補(bǔ)貼與融資約束放松能夠顯著激勵(lì)企業(yè)加大研發(fā)投入；列（3）顯示創(chuàng)新補(bǔ)貼、融資約束緩解與研發(fā)投入均在1%顯著性水平下顯著促進(jìn)了企業(yè)的創(chuàng)新產(chǎn)出；列（4）表明創(chuàng)新補(bǔ)貼、融資約束緩解、研發(fā)投入與創(chuàng)新產(chǎn)出均顯著激勵(lì)了企業(yè)數(shù)字化轉(zhuǎn)型。由此，不難發(fā)現(xiàn)融資約束緩解、研發(fā)投入與創(chuàng)新產(chǎn)出是創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的鏈?zhǔn)街薪榍馈?/p>

為更嚴(yán)格地驗(yàn)證復(fù)雜的中介路徑，本文采用了中介效應(yīng)（間接效應(yīng)）的結(jié)構(gòu)方程模型進(jìn)一步檢驗(yàn)創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的傳導(dǎo)路徑。由于中介效應(yīng)的非線性分布特征，文章采用非參數(shù) Bootstrapping方法調(diào)整估計(jì)偏差（MacKinnon等，2004）。對(duì)此，表5的Panel B給出了相應(yīng)的實(shí)證結(jié)果。第一，直接效應(yīng)系數(shù)為39.743 %，置信區(qū)間（BC interval 95%）為[24.817%，54.670%]，不包含0，說(shuō)明創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的直接效應(yīng)顯著；第二，七個(gè)中介效應(yīng)系數(shù)的置信區(qū)間均不包含0，說(shuō)明七個(gè)中介效應(yīng)都是政府創(chuàng)新補(bǔ)貼激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型的重要機(jī)制。通過(guò)上述分析，驗(yàn)證了緩解融資約束、加大研發(fā)投入與提升創(chuàng)新產(chǎn)出在創(chuàng)新補(bǔ)貼與企業(yè)數(shù)字化轉(zhuǎn)型之間發(fā)揮著正向的鏈?zhǔn)蕉嘀刂薪樾?yīng)。至此，假設(shè)H2得到驗(yàn)證。

表5 創(chuàng)新補(bǔ)貼影響企業(yè)數(shù)字化轉(zhuǎn)型的鏈?zhǔn)蕉嘀刂薪樾?yīng)檢驗(yàn)

Panel B：結(jié)構(gòu)方程鏈?zhǔn)蕉嘀刂薪樾?yīng)檢驗(yàn)項(xiàng)目 系數(shù) Bootstrap Std. Err BC interval 95%直接效應(yīng) 0.39743 0.07616 0.24817 0.54670中介效應(yīng)1 0.22444 0.04036 0.14533 0.30355中介效應(yīng)2 0.04382 0.00881 0.02655 0.06199中介效應(yīng)3 0.01018中介效應(yīng)4 0.00768中介效應(yīng)5 0.00404 0.00213 0.00600 0.01435 0.00261 0.00257 0.01279 0.00097 0.00214 0.00594中介效應(yīng)6 0.00343 0.00117 0.00113 0.00574中介效應(yīng)7 0.00016 0.00005 0.00005 0.00026總體中介效應(yīng) 0.29374 0.04110 0.21318 0.37430總效應(yīng) 0.69117 0.07735 0.53957 0.84278

總體來(lái)看，直接效應(yīng)的系數(shù)為39.743%，總體中介效應(yīng)的系數(shù)為29.374%，總效應(yīng)的系數(shù)為69.117%?？傮w中介效應(yīng)占總效應(yīng)的比例約為42.46%，與直接效應(yīng)之比約為73.910%。這說(shuō)明，人才政策支持對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響有42.46%是通過(guò)融資約束、研發(fā)投入和創(chuàng)新產(chǎn)出這三個(gè)中介變量起的作用，且中介效應(yīng)小于直接效應(yīng)。

進(jìn)一步比較中介渠道可以發(fā)現(xiàn)：首先，從獨(dú)立中介路徑看，“創(chuàng)新補(bǔ)貼→研發(fā)投入→數(shù)字化轉(zhuǎn)型”的中介效應(yīng)系數(shù)>“創(chuàng)新補(bǔ)貼→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型”的中介效應(yīng)系數(shù)>“創(chuàng)新補(bǔ)貼→融資約束→數(shù)字化轉(zhuǎn)型”的中介效應(yīng)系數(shù)；其次，從鏈?zhǔn)街薪槁窂娇?，“?chuàng)新補(bǔ)貼→研發(fā)投入→創(chuàng)新產(chǎn)出→數(shù)字化轉(zhuǎn)型”的中介效應(yīng)系數(shù)顯著大于其他鏈?zhǔn)街薪槁窂降闹薪樾?yīng)系數(shù)。以上分析表明，創(chuàng)新補(bǔ)貼更多是通過(guò)優(yōu)化研發(fā)創(chuàng)新“投入—產(chǎn)出”體系來(lái)驅(qū)動(dòng)企業(yè)數(shù)字化深度轉(zhuǎn)型，這說(shuō)明創(chuàng)新補(bǔ)貼具有高度靶向性，能夠直接激勵(lì)企業(yè)研發(fā)創(chuàng)新，優(yōu)化升級(jí)研發(fā)創(chuàng)新的“投入—產(chǎn)出”體系，為企業(yè)數(shù)字化轉(zhuǎn)型這一項(xiàng)系統(tǒng)工程夯實(shí)轉(zhuǎn)型基礎(chǔ)，使企業(yè)能更進(jìn)一步探索數(shù)字前沿技術(shù)。

（二）異質(zhì)性分析

下面本文通過(guò)異質(zhì)性研究來(lái)探討創(chuàng)新補(bǔ)貼政策的可能優(yōu)化方向，具體研究問(wèn)題是：創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的激勵(lì)作用是否因支持對(duì)象的不同而呈現(xiàn)差異化的效果？基于此，根據(jù)產(chǎn)權(quán)屬性和生產(chǎn)要素密集度屬性對(duì)樣本進(jìn)行劃分：根據(jù)產(chǎn)權(quán)屬性將樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)；根據(jù)生產(chǎn)要素密集度屬性，將樣本劃分為勞動(dòng)密集型行業(yè)、資本密集型行業(yè)和技術(shù)密集型行業(yè)（肖忠意和林琳，2019）。

表6報(bào)告了回歸結(jié)果。首先，從列（1）、（2）可以看出，創(chuàng)新補(bǔ)貼能夠顯著激勵(lì)國(guó)有企業(yè)與非國(guó)有企業(yè)的數(shù)字化轉(zhuǎn)型，但對(duì)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型的激勵(lì)作用要高于非國(guó)有企業(yè)。其原因可能在于：企業(yè)數(shù)字化轉(zhuǎn)型需要大規(guī)模地投資智能制造生態(tài)系統(tǒng)、搭建數(shù)字化平臺(tái)，雖然創(chuàng)新補(bǔ)貼分擔(dān)了非國(guó)有企業(yè)創(chuàng)新的風(fēng)險(xiǎn)并為其補(bǔ)充了創(chuàng)新資源，但在規(guī)模、科研及政策上國(guó)有企業(yè)相對(duì)更占優(yōu)勢(shì)地位，因此國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型程度要高于非國(guó)有企業(yè)。這與王宏鳴等（2021）和趙宸宇等（2021）的研究結(jié)論相一致。其次，從列（3）-（4）可以看出，創(chuàng)新補(bǔ)貼對(duì)勞動(dòng)密集型行業(yè)與資本密集型行業(yè)的數(shù)字化轉(zhuǎn)型無(wú)顯著影響，而對(duì)技術(shù)密集型行業(yè)的數(shù)字化轉(zhuǎn)型具有顯著的激勵(lì)作用。其原因可能在于：第一，勞動(dòng)密集型行業(yè)依賴于員工勞動(dòng)效率的提升，而進(jìn)行技術(shù)創(chuàng)新的意愿相對(duì)較弱（董屹宇和郭澤光，2021），因此創(chuàng)新補(bǔ)貼對(duì)其數(shù)字化轉(zhuǎn)型的激勵(lì)作用無(wú)法顯現(xiàn)；第二，無(wú)形資產(chǎn)在數(shù)字化轉(zhuǎn)型中具有強(qiáng)勁的支撐作用，而以傳統(tǒng)有形資產(chǎn)為主的資本密集型行業(yè)即使有政府的創(chuàng)新補(bǔ)貼支持，在短時(shí)間內(nèi)也難以形成軟實(shí)力；第三，技術(shù)密集型行業(yè)的人才資源、創(chuàng)新資源和技術(shù)積累與創(chuàng)新補(bǔ)貼直接或間接提供的創(chuàng)新資源協(xié)同耦合，助力數(shù)字化轉(zhuǎn)型進(jìn)一步深化。

表6 異質(zhì)性檢驗(yàn)

六、結(jié)論與建議

本文以2011—2020年滬深A(yù)股非金融類上市公司為樣本，實(shí)證分析創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響效應(yīng)及作用機(jī)制，得出以下研究結(jié)論：第一，創(chuàng)新補(bǔ)貼顯著激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型，在替換核心解釋變量與被解釋變量、處理內(nèi)生性問(wèn)題和自選擇問(wèn)題等一系列穩(wěn)健性檢驗(yàn)后，依然支持上述結(jié)論；第二，緩解融資約束、增加研發(fā)投入及提升創(chuàng)新產(chǎn)出在創(chuàng)新補(bǔ)貼激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型的過(guò)程中具有正向的鏈?zhǔn)蕉嘀刂薪樽饔?；第三，?chuàng)新補(bǔ)貼對(duì)國(guó)有企業(yè)和技術(shù)密集型行業(yè)的數(shù)字化轉(zhuǎn)型的激勵(lì)效應(yīng)更大，對(duì)勞動(dòng)密集型行業(yè)與資本密集型行業(yè)的數(shù)字化轉(zhuǎn)型的激勵(lì)效果尚未顯現(xiàn)。

以上研究結(jié)論為數(shù)字化背景下政府的創(chuàng)新補(bǔ)貼如何驅(qū)動(dòng)企業(yè)轉(zhuǎn)型提供以下啟示：第一，夯實(shí)數(shù)字化轉(zhuǎn)型基礎(chǔ)，助力企業(yè)提升核心競(jìng)爭(zhēng)力。各地政府應(yīng)當(dāng)順應(yīng)數(shù)字化發(fā)展趨勢(shì)，把握新一代技術(shù)前沿的信息技術(shù)發(fā)展機(jī)遇，完善數(shù)字基礎(chǔ)設(shè)施建設(shè)和市場(chǎng)機(jī)制，出臺(tái)以數(shù)字化轉(zhuǎn)型為導(dǎo)向的創(chuàng)新補(bǔ)貼政策，加大數(shù)字技術(shù)和數(shù)據(jù)資產(chǎn)的知識(shí)產(chǎn)權(quán)保護(hù)力度，為企業(yè)數(shù)字化轉(zhuǎn)型提供堅(jiān)實(shí)的保障。第二，實(shí)行差別化的創(chuàng)新補(bǔ)貼政策，提高政策靶向性效果，以提升創(chuàng)新補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的激勵(lì)作用。地方政府應(yīng)當(dāng)根據(jù)企業(yè)自身資源稟賦來(lái)制定精準(zhǔn)的創(chuàng)新補(bǔ)貼政策，優(yōu)先為技術(shù)密集型行業(yè)提供支持，使之緩解外部融資約束，激勵(lì)其加大研發(fā)投入，助力企業(yè)完成數(shù)字化和智能化改造。第三，引導(dǎo)企業(yè)抓住數(shù)字化發(fā)展的機(jī)遇，利用國(guó)家激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型的政策紅利，提高企業(yè)發(fā)展優(yōu)勢(shì)的“信息傳遞信號(hào)”，最大限度地進(jìn)行外部融資，加大研發(fā)投入與技術(shù)創(chuàng)新，深化數(shù)字化轉(zhuǎn)型。