大數(shù)據(jù)應用、融資約束和企業(yè)創(chuàng)新效率

孫潔 李杰

(天津財經(jīng)大學會計學院，天津 300222)

一、引言

隨著互聯(lián)網(wǎng)和信息技術(shù)的高速發(fā)展，數(shù)據(jù)作為一種新型的關(guān)鍵生產(chǎn)要素，越來越受到社會各界的廣泛關(guān)注：2014年“大數(shù)據(jù)”被首次寫入《政府工作報告》，2015年國務院發(fā)布的《促進大數(shù)據(jù)發(fā)展的行動綱要》將“大數(shù)據(jù)”上升至國家戰(zhàn)略，2017年“十七大”提出要推動“大數(shù)據(jù)”與實體經(jīng)濟的深度融合，2019年十九屆四中全會第一次將數(shù)據(jù)作為生產(chǎn)要素提出，2020年《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》正式將數(shù)據(jù)列為新型生產(chǎn)要素，2021年12月“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃指出數(shù)據(jù)要素是數(shù)字經(jīng)濟深化發(fā)展的核心引擎。數(shù)據(jù)爆發(fā)式增長，海量的數(shù)據(jù)中蘊含著巨大的價值，如何利用好數(shù)據(jù)要素協(xié)同推進企業(yè)技術(shù)創(chuàng)新，是實現(xiàn)數(shù)字經(jīng)濟發(fā)展的重要命題。實現(xiàn)數(shù)據(jù)技術(shù)與企業(yè)實體的深度融合，已成為我國經(jīng)濟由高速增長向高質(zhì)量發(fā)展轉(zhuǎn)變的重要方式。

2022年《政府工作報告》提出“深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”，明確“強化企業(yè)創(chuàng)新的主體地位，促進科技成果轉(zhuǎn)移轉(zhuǎn)化”。據(jù)中國國家統(tǒng)計局統(tǒng)計，我國2020年創(chuàng)新投入經(jīng)費達24393.1億元，較上年增長10.2%，已連續(xù)五年實現(xiàn)兩位數(shù)增長，創(chuàng)新投入總量穩(wěn)居世界第二。但是，一方面，我國企業(yè)的平均創(chuàng)新投入較低且不同企業(yè)間的投入差距較大(劉惠好和焦文妞，2021)[32]，多數(shù)企業(yè)在創(chuàng)新過程中仍面臨“融資難、融資貴”的現(xiàn)狀(鞠曉生等，2013；吳翌琳和黃實磊，2021)[27][42]；另一方面，我國的整體技術(shù)水平依然處于較為落后的地位，企業(yè)的技術(shù)創(chuàng)新效率仍然較低(肖文和林高榜，2014)[43]。大數(shù)據(jù)是我國經(jīng)濟轉(zhuǎn)型的重要支點(張葉青等，2021)[49]，明確其對微觀企業(yè)創(chuàng)新效率的影響及其作用機理，有助于為推進大數(shù)據(jù)與實體經(jīng)濟融合提供理論參考。

目前，一些學者對數(shù)字經(jīng)濟和企業(yè)創(chuàng)新的關(guān)系進行了探討與分析。Ghasemaghaei and Calic(2020)[9]、許芳等(2020)[45]通過調(diào)研形式構(gòu)建企業(yè)大數(shù)據(jù)特征和企業(yè)創(chuàng)新績效的代理指標，實證研究大數(shù)據(jù)與企業(yè)創(chuàng)新績效之間的關(guān)系。但是，采用問卷調(diào)查方式測量相應指標容易受到調(diào)查樣本選擇差異以及被調(diào)查企業(yè)主觀意見的影響，難以客觀地反映企業(yè)應用大數(shù)據(jù)的真實情況。之后，部分學者通過實證研究發(fā)現(xiàn)數(shù)字經(jīng)濟對企業(yè)創(chuàng)新績效(黃節(jié)根等，2021)[26]、創(chuàng)新投入(張葉青等，2021；Wen et al.，2022)[49][20]和創(chuàng)新效率(楊水利等，2022)[46]等方面存在顯著促進作用。然而，這些研究并未對數(shù)字經(jīng)濟如何影響企業(yè)創(chuàng)新活動的作用機理進行深入探討。近期，肖土盛等(2022)[44]通過實證研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠通過推動企業(yè)人力資本升級和改善公司治理來促進企業(yè)創(chuàng)新。此外，一些學者通過實證研究發(fā)現(xiàn)，區(qū)域數(shù)字金融的發(fā)展能夠通過緩解企業(yè)面臨的融資約束來提升企業(yè)的全要素生產(chǎn)率(王道平和劉琳琳，2021)[37]、整體創(chuàng)新能力(周振江等，2021；李健等，2022)[53][29]、綠色創(chuàng)新水平(Li et al.，2022；Liu et al.，2022)[13][14]和企業(yè)財務可持續(xù)性(李賓等，2022)[28]等。不同于上述研究，本文重點關(guān)注企業(yè)層面的大數(shù)據(jù)應用程度對企業(yè)創(chuàng)新效率的影響，并探討融資約束在兩者關(guān)系中起到的中介作用。

本文基于2007―2020年滬深A股上市公司樣本，使用年報中“大數(shù)據(jù)”相關(guān)的關(guān)鍵詞詞頻構(gòu)造大數(shù)據(jù)應用程度的代理指標，研究大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響。本文的分析結(jié)果表明：第一，大數(shù)據(jù)應用能夠顯著提高企業(yè)的創(chuàng)新效率，且該結(jié)果在更換大數(shù)據(jù)應用和創(chuàng)新效率衡量指標、更換研究樣本區(qū)間和解決內(nèi)生性問題等一系列測試后依然穩(wěn)?。坏诙?，機制分析表明，大數(shù)據(jù)應用能夠通過緩解企業(yè)面臨的融資約束，提高企業(yè)的創(chuàng)新效率；第三，異質(zhì)性分析表明，大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的提高作用在科技企業(yè)和行業(yè)競爭程度較為激烈的企業(yè)中更為顯著。

本文可能的貢獻有以下幾點：第一，在研究視角上，已有研究側(cè)重于從創(chuàng)新投入和創(chuàng)新績效等方面來研究數(shù)字化經(jīng)濟的影響，鮮有文獻關(guān)注企業(yè)大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響。本文以企業(yè)大數(shù)據(jù)應用水平為切入點，研究大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響，在一定程度上補充和完善了企業(yè)創(chuàng)新效率影響因素和大數(shù)據(jù)應用經(jīng)濟后果的相關(guān)文獻。第二，已有研究多從企業(yè)外部的角度衡量區(qū)域數(shù)字金融發(fā)展程度對融資約束的影響，鮮有文獻關(guān)注企業(yè)層面的數(shù)字技術(shù)應用水平對融資約束的影響。本文探索融資約束在企業(yè)大數(shù)據(jù)應用對創(chuàng)新效率影響中存在的中介作用，不僅有助于厘清大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的作用機制與路徑，為大數(shù)據(jù)應用與實體經(jīng)濟的深度融合提供經(jīng)驗證據(jù)，而且在一定程度上豐富了企業(yè)層面大數(shù)據(jù)技術(shù)應用對融資約束影響的相關(guān)文獻。第三，通過探索大數(shù)據(jù)對創(chuàng)新效率影響的異質(zhì)性，豐富了相關(guān)研究，為政府制定相關(guān)政策提供了參考。

二、理論分析與研究假設(shè)

(一)大數(shù)據(jù)應用與企業(yè)創(chuàng)新效率

企業(yè)創(chuàng)新活動具有周期長、不確定大、失敗率高但潛在收益巨大等特點(陳德球等，2021)[23]，提升創(chuàng)新效率是企業(yè)保持核心競爭力的重要途徑。大數(shù)據(jù)是數(shù)字經(jīng)濟發(fā)展的重要引擎，其核心是對海量數(shù)據(jù)的生產(chǎn)、采集、存儲、加工和分析等(張葉青等，2021)[49]。企業(yè)應用大數(shù)據(jù)可以提高企業(yè)的創(chuàng)新效率。在決定創(chuàng)新方向的決策階段，企業(yè)與消費者之間存在的信息不對稱以及對政府政策信息與最新技術(shù)信息的把握不及時嚴重阻礙了企業(yè)準確判定研發(fā)方向，如此可能降低企業(yè)的創(chuàng)新動機或者迫使企業(yè)做出偏離市場需求方向的研發(fā)決策，大幅增加企業(yè)創(chuàng)新活動的不確定性與風險。信息論創(chuàng)始人香農(nóng)認為，信息是一種降低不確定性的東西(Shannon，1948)[18]，在企業(yè)決策相關(guān)領(lǐng)域，拓寬獲取信息的渠道有助于企業(yè)做出有效的決策(Merendino et al.，2018)[15]。通過前端埋點、爬蟲等數(shù)據(jù)挖掘技術(shù)，企業(yè)在充分收集內(nèi)部相關(guān)信息的基礎(chǔ)之上，能夠以較低的成本通過多個渠道(如電子商務平臺、微博、知乎、政府網(wǎng)站、政務新媒體、新聞報道、中國開發(fā)者網(wǎng)絡(luò)等)快速取得市場信息、政府政策信息和技術(shù)信息等與企業(yè)創(chuàng)新決策相關(guān)的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)信息。通過吸收海量有效信息，企業(yè)可以精準把握市場的需求動向與企業(yè)內(nèi)部的現(xiàn)實情況，借助大數(shù)據(jù)相關(guān)的技術(shù)工具對創(chuàng)新活動的行進方向進行演進與推斷(Barton and Court，2012；唐松等，2020)[3][35]，最終做出更符合客戶需求的創(chuàng)新決策，從源頭降低企業(yè)創(chuàng)新活動失敗的風險。

在創(chuàng)新項目實施階段，對知識的管理能力是企業(yè)將創(chuàng)新行為持續(xù)下去的關(guān)鍵(Aboelmaged，2014)[1]，大數(shù)據(jù)應用可以通過提升企業(yè)的知識管理能力來助力創(chuàng)新項目的實施(Sumbal et al.，2017；曹平等，2021)[19][22]，從而提高企業(yè)創(chuàng)新活動的成功率。企業(yè)的知識管理是指獲取、分享和有效使用知識資源的過程(Davenport et al.，1998；Lee and Kim，2001)[6][11]。首先，企業(yè)通過數(shù)據(jù)清洗、分類、預測和聚類等大數(shù)據(jù)挖掘技術(shù)手段，能夠更好地利用海量數(shù)據(jù)揭示難以發(fā)現(xiàn)的規(guī)律，判斷數(shù)據(jù)間的聯(lián)系和邏輯，形成隱性知識，提升企業(yè)獲取知識資源的效率，為企業(yè)的創(chuàng)新活動打下良好基礎(chǔ)。其次，有效的知識共享不僅包含相關(guān)知識信息的傳遞，而且需要確保不同人員對知識含義的同步理解(Fisher et al.，1997)[8]。企業(yè)利用數(shù)據(jù)可視化等技術(shù)能夠?qū)碗s的知識通過圖表等簡單的方式進行詮釋(張瑞等，2018)[51]，從而實現(xiàn)知識在各部門中快速準確地傳輸與分享，加強創(chuàng)新人員之間的相互交流、學習與思想碰撞，激發(fā)創(chuàng)新思維，從而促進創(chuàng)新項目的成功實施。

在創(chuàng)新成果轉(zhuǎn)化階段，企業(yè)通過大數(shù)據(jù)可以更好地理解環(huán)境和客戶需求，助力創(chuàng)新成果成功轉(zhuǎn)化。通過運用數(shù)據(jù)管理方法，企業(yè)可以使用爬蟲、神經(jīng)網(wǎng)絡(luò)、支持向量機等大數(shù)據(jù)相關(guān)技術(shù)挖掘與分析消費者的基本信息、行為和交易數(shù)據(jù)來建設(shè)客戶畫像體系(Cinar et al.，2015；Nedjah et al.，2022)[5][17]，從而有助于企業(yè)快速鎖定企業(yè)創(chuàng)新成果轉(zhuǎn)化的目標與對象。通過針對精準定位的潛在消費群體采取適當?shù)臓I銷手段，企業(yè)能夠增加新產(chǎn)品相關(guān)的銷量與收入(Bao et al.，2022)[2]，實現(xiàn)創(chuàng)新成果的成功商業(yè)化，從而提升企業(yè)的創(chuàng)新效率。

基于以上分析，本文提出以下假設(shè)：

H1：企業(yè)的大數(shù)據(jù)應用程度越高，企業(yè)的創(chuàng)新效率越高，大數(shù)據(jù)應用可以顯著提高企業(yè)的創(chuàng)新效率。

(二)大數(shù)據(jù)應用、融資約束和企業(yè)創(chuàng)新效率

企業(yè)進行創(chuàng)新活動通常需要較長時間才可獲得創(chuàng)新產(chǎn)出，在此過程中企業(yè)需要持續(xù)的資金支持(周開國等，2017)[52]。一旦企業(yè)停止對創(chuàng)新活動的后續(xù)支出，之前的相關(guān)投資也將付諸東流(盧馨等，2013)[33]。已有研究表明，企業(yè)在進行創(chuàng)新活動時往往受到融資約束的限制(萬佳彧等，2020；Milani and Neumann，2022)[36][16]。企業(yè)在創(chuàng)新過程中面臨的融資約束主要有兩種，其一是“融資難”——由于創(chuàng)新活動風險過高，創(chuàng)新企業(yè)難以從外部獲取相應融資。此時企業(yè)只能夠使用內(nèi)部資金來支持創(chuàng)新活動，但企業(yè)內(nèi)部現(xiàn)金流更易受到經(jīng)營狀況和內(nèi)部管理等因素的影響(張傳奇等，2019)[50]，極有可能出現(xiàn)現(xiàn)金流不足而停止創(chuàng)新活動的情況(Li，2011；Beladi et al.，2021)[12][4]，創(chuàng)新投入的中斷影響企業(yè)的創(chuàng)新產(chǎn)出，降低企業(yè)創(chuàng)新效率。其二是“融資貴”——進行創(chuàng)新活動使企業(yè)經(jīng)營風險和未來收益的不確定性提高，因此創(chuàng)新企業(yè)在融資過程中往往面臨較高的融資成本(吳翌琳和黃實磊，2021)[42]。融資成本過高容易導致企業(yè)償還壓力大，進一步增加企業(yè)創(chuàng)新活動的風險，造成融資成本進一步增加的惡性循環(huán)。此時，企業(yè)為了維持正常的生產(chǎn)經(jīng)營不得不削減企業(yè)的創(chuàng)新活動(Xu，2020)[21]，最終導致創(chuàng)新效率低下的結(jié)果(王華等，2020)[38]。大數(shù)據(jù)應用能夠顯著緩解企業(yè)面臨的融資約束，解決創(chuàng)新活動中遇到的資金瓶頸問題，使企業(yè)有充足的資金流進行持續(xù)創(chuàng)新(鞠曉生等，2013)[27]，從而保障企業(yè)的創(chuàng)新產(chǎn)出順利落地，最終提高創(chuàng)新效率(唐松等，2020；王華等，2020)[35][38]。

具體地，大數(shù)據(jù)能夠從以下兩個角度緩解企業(yè)面臨的融資約束。第一，企業(yè)能夠通過大數(shù)據(jù)應用緩解企業(yè)面臨的“融資難”問題。一方面，“大數(shù)據(jù)”與實體經(jīng)濟融合是經(jīng)濟實現(xiàn)高質(zhì)量發(fā)展的重要途徑，企業(yè)應用大數(shù)據(jù)向外部投資者釋放了一種積極信號，使得企業(yè)能夠得到外部投資者的關(guān)注，從而在一定程度上緩解企業(yè)“融資難”的困境。另一方面，應用大數(shù)據(jù)能夠使企業(yè)使用較低的成本掌握資金供給方的海量信息；通過使用特定技術(shù)工具對數(shù)據(jù)進行篩選與分析，企業(yè)可以更針對性地披露資金供給方所需的信息，有利于提高企業(yè)信息披露的針對性，從而更好地滿足企業(yè)信息使用者的需求(Elliott et al.，2018)[7]，緩解資金供需雙方的信息不對稱，從而緩解企業(yè)“融資難”困境。第二，大數(shù)據(jù)應用能夠緩解企業(yè)面臨的“融資貴”問題。一方面，伴隨著國家大力發(fā)展“數(shù)字經(jīng)濟”的東風，企業(yè)應用大數(shù)據(jù)技術(shù)能夠享受到一系列的政策優(yōu)惠，從而增加企業(yè)以較低成本獲得融資的可能性。另一方面，大數(shù)據(jù)相關(guān)技術(shù)能夠有效提升企業(yè)內(nèi)部的信息分析能力(張嘉偉等，2022)[48]，使得企業(yè)能夠更加快速且透徹地分析企業(yè)內(nèi)部的相關(guān)情況，通過提高企業(yè)的信息披露質(zhì)量增強投資者對企業(yè)的信心，降低風險預期，從而降低企業(yè)的融資成本。

基于以上分析，本文提出以下假設(shè)：

H2：企業(yè)應用大數(shù)據(jù)能夠緩解面臨的融資約束，從而提高創(chuàng)新效率。

三、研究設(shè)計

(一)數(shù)據(jù)

本文以2007―2020年滬深A股上市公司作為研究樣本，為保證回歸分析的可靠性，對數(shù)據(jù)進行如下處理(如表1所示)：第一，剔除金融類上市公司；第二，剔除ST和*ST企業(yè)；第三，剔除變量存在缺失的企業(yè)。經(jīng)處理后共得到7742個企業(yè)-年度觀測值。企業(yè)的大數(shù)據(jù)應用指標是使用Python軟件爬取巨潮資訊網(wǎng)披露的年報并進行文本分析取得，相關(guān)申請和獲得專利數(shù)量來自中國研究數(shù)據(jù)服務平臺(CNRDS)數(shù)據(jù)庫，其他的相關(guān)數(shù)據(jù)均來自于國泰安(CSMAR)數(shù)據(jù)庫。為緩解異常值導致的結(jié)果偏差，本文在1%和99%的水平上對連續(xù)變量分別進行縮尾處理。

表1 樣本處理

(二)模型設(shè)計

為研究大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響，本文設(shè)定如下模型進行檢驗：

其中，創(chuàng)新效率Effi為被解釋變量，大數(shù)據(jù)應用Bdata為解釋變量，Ctrl為控制變量，Indcd和Year表示企業(yè)所屬的行業(yè)和年份固定效應，分別用來控制隨行業(yè)和時間變化而無法觀測的影響，ε為誤差項。本文重點關(guān)注系數(shù)α1的符號以及顯著水平，其經(jīng)濟含義是企業(yè)大數(shù)據(jù)應用對創(chuàng)新效率的影響。

(三)變量設(shè)定

1.被解釋變量

創(chuàng)新效率Effi是指企業(yè)資源投入轉(zhuǎn)化為創(chuàng)新產(chǎn)出的能力(Griffin et al.，2018)[10]。借鑒馮根福等(2017)[24]和陳德球等(2021)[23]的研究，本文采用企業(yè)取得授權(quán)的專利數(shù)量(創(chuàng)新產(chǎn)出)與研發(fā)投入絕對額的自然對數(shù)(創(chuàng)新投入)的比值來衡量企業(yè)的創(chuàng)新效率。此外，考慮到進行創(chuàng)新活動從投入創(chuàng)新資源到獲取專利成果存在一定的時滯，本文將專利數(shù)量滯后3期(t+3)來構(gòu)建企業(yè)的創(chuàng)新效率代理變量。

2.解釋變量

借鑒張葉青等(2021)[49]的研究，本文將企業(yè)年報中的“大數(shù)據(jù)”詞頻作為企業(yè)大數(shù)據(jù)應用Bdata的代理指標。具體而言，與大數(shù)據(jù)相關(guān)的詞匯包括“大數(shù)據(jù)、海量數(shù)據(jù)、數(shù)據(jù)中心、信息資產(chǎn)、數(shù)據(jù)化、算力”等，這些詞匯能夠有效衡量企業(yè)的大數(shù)據(jù)應用程度。借助Python爬蟲技術(shù)，本文歸集了滬深A股企業(yè)的全部年報并進行詞頻統(tǒng)計，獲得企業(yè)大數(shù)據(jù)應用的初始指標，之后對初始指標進行了對數(shù)化處理，最終取得了實證所需的大數(shù)據(jù)應用指標。

3.控制變量

參考以往文獻，本文的控制變量包括：企業(yè)規(guī)模(Size)、資產(chǎn)負債率(Lev)、盈利能力(Roa)、有形資產(chǎn)比(Fixas)、企業(yè)成長性(Growth)、企業(yè)年齡(Age)、董事會規(guī)模(Board)、獨立董事比例(Indep)、管理層持股比例(Manage)、股權(quán)集中度(Owner)、現(xiàn)金持有(Cash)、流動性(Liquid)、托賓Q(Tobinq)、兩權(quán)分離度(Sep)和企業(yè)性質(zhì)(Soe)。

變量定義如表2所示。

表2 變量定義

四、實證結(jié)果與分析

(一)變量描述性統(tǒng)計

表3報告了主要變量的描述性統(tǒng)計結(jié)果。其中，創(chuàng)新效率的均值為1.298，中位數(shù)為0.236，標準差為3.480，最小值為0，最大值為24.710，說明樣本企業(yè)的整體創(chuàng)新效率偏低，且公司之間的創(chuàng)新效率存在較大差距。大數(shù)據(jù)應用指標的均值為0.351，中位數(shù)為0，最小值為0，最大值為4.754，說明樣本中大部分企業(yè)并未意識到大數(shù)據(jù)對于自身發(fā)展的作用，大數(shù)據(jù)應用水平整體偏低；標準差為0.760，說明樣本企業(yè)的大數(shù)據(jù)應用程度存在較大差異。其他變量均處于正常范圍內(nèi)。

表3 主要變量的描述性統(tǒng)計結(jié)果

(二)基準回歸結(jié)果

表4報告了大數(shù)據(jù)應用-企業(yè)創(chuàng)新效率關(guān)系的核心回歸結(jié)果。在基準回歸中，本文采用遞進式的回歸方式。首先進行大數(shù)據(jù)應用和企業(yè)創(chuàng)新效率的單變量回歸，結(jié)果如第(1)列所示，大數(shù)據(jù)應用指標(Bdata)的系數(shù)為0.274且在1%水平下顯著；其次，在原有基礎(chǔ)上加入控制變量進行回歸，結(jié)果如第(2)列所示，Bdata的系數(shù)為0.271且在1%水平下顯著；最后，進一步控制行業(yè)和年份固定效應進行回歸，結(jié)果如第(3)列所示，Bdata的系數(shù)為0.372且在1%水平下顯著。這意味著，企業(yè)大數(shù)據(jù)應用程度越高，企業(yè)的創(chuàng)新效率越高，兩者之間呈現(xiàn)顯著的正相關(guān)關(guān)系。綜上，本文假設(shè)1得到了經(jīng)驗證據(jù)支持。

表4 大數(shù)據(jù)應用與企業(yè)創(chuàng)新效率

(三)穩(wěn)健性檢驗

1.更換核心變量的衡量指標

第一，更換大數(shù)據(jù)應用的衡量方式?？紤]到年報中的詞頻數(shù)據(jù)可能存在一定的噪音，本文借鑒張葉青等(2021)[49]的研究方法，構(gòu)建大數(shù)據(jù)應用的虛擬變量Bdata_dum進行驗證，企業(yè)當年年報中出現(xiàn)“大數(shù)據(jù)”相關(guān)詞匯時Bdata_dum值取1，否則為0。此外，本文選擇了更廣義的關(guān)鍵詞集合構(gòu)建大數(shù)據(jù)應用的代理指標Bdata_exp，除前文提及的大數(shù)據(jù)應用相關(guān)詞匯外，借鑒吳非等(2021)[41]的研究，加入大數(shù)據(jù)技術(shù)相關(guān)的關(guān)鍵詞來構(gòu)建企業(yè)大數(shù)據(jù)應用指標，這些關(guān)鍵詞包括：“大數(shù)據(jù)、數(shù)據(jù)挖掘、文本挖掘、數(shù)據(jù)可視化、異構(gòu)數(shù)據(jù)、征信、增強現(xiàn)實、混合現(xiàn)實、虛擬現(xiàn)實”。更換大數(shù)據(jù)應用指標的回歸結(jié)果如表5第(1)(2)列所示，Bdata_dum和Bdata_exp的系數(shù)分別為0.628和0.378，且均在1%水平下顯著，說明本文的主要結(jié)論是穩(wěn)健的。

第二，更換創(chuàng)新效率的衡量方式。首先，使用申請專利數(shù)量衡量企業(yè)的創(chuàng)新產(chǎn)出，重新構(gòu)建創(chuàng)新效率的代理變量Effi1進行驗證；其次，我國的專利分為發(fā)明專利、外觀設(shè)計專利和實用新型專利三種，其中發(fā)明專利的質(zhì)量最高，因此，本文以發(fā)明專利衡量企業(yè)的創(chuàng)新產(chǎn)出，構(gòu)建創(chuàng)新效率的代理指標Effi2進行驗證；最后，分別使用滯后1期、2期的企業(yè)取得授權(quán)專利數(shù)量與研發(fā)投入絕對額的自然對數(shù)的比值構(gòu)建創(chuàng)新效率的代理指標Effi3和Effi4進行驗證。更換創(chuàng)新效率衡量方式的回歸結(jié)果如表5第(3)～(6)列所示，Bdata的系數(shù)分別為0.725、0.262、0.428和0.272，且均在1%水平下顯著，說明本文的主要結(jié)論是穩(wěn)健的。

表5 穩(wěn)健性檢驗：更換核心變量、樣本區(qū)間和回歸模型

2.更換樣本區(qū)間

為避免企業(yè)由于追求熱點而在年報中夸大披露大數(shù)據(jù)應用的相關(guān)信息而導致回歸系數(shù)虛增，借鑒張葉青等(2021)[49]的研究，本文僅使用2014年及以前的大數(shù)據(jù)發(fā)展早期樣本進行驗證。結(jié)果如表5第(7)列所示，Bdata的系數(shù)為0.695，且在1%水平下顯著，說明本文的主要結(jié)論是穩(wěn)健的。

3.更換回歸模型

由于企業(yè)的創(chuàng)新效率可能存在動態(tài)效應，即前期創(chuàng)新效率可能會對后期創(chuàng)新效率產(chǎn)生沖擊，導致靜態(tài)面板模型的估計結(jié)果有偏，因此，本文基于動態(tài)面板回歸模型進行驗證。結(jié)果如表5第(8)列所示，Bdata的系數(shù)為0.187，且在1%水平下顯著，說明本文的主要結(jié)論是穩(wěn)健的。

4.內(nèi)生性處理

本文可能存在以下內(nèi)生性問題：第一，遺漏變量。可能有一些難以量化的因素同時與企業(yè)的大數(shù)據(jù)應用和創(chuàng)新效率相關(guān)，例如企業(yè)的大數(shù)據(jù)應用和創(chuàng)新效率可能同時受到地區(qū)政策的激勵，造成回歸系數(shù)被高估。第二，反向因果。創(chuàng)新效率比較高的企業(yè)對新技術(shù)的關(guān)注度更高，更有動機投入大數(shù)據(jù)應用相關(guān)建設(shè)，導致回歸系數(shù)被高估。第三，自選擇偏誤。大數(shù)據(jù)應用程度較高的企業(yè)可能本身各方面條件更優(yōu)越、表現(xiàn)更佳，因而能夠更有效率地開展創(chuàng)新活動，創(chuàng)新效率更高。

本文主要采取以下措施來緩解可能存在的內(nèi)生性問題：第一，在控制行業(yè)和年份固定效應的基礎(chǔ)上，通過分別進一步控制省份地區(qū)固定效應和城市地區(qū)固定效應來緩解可能存在的遺漏變量內(nèi)生性問題?；貧w結(jié)果如表6第(1)(2)列所示，可以看出Bdata的系數(shù)仍然顯著為正，本文的研究結(jié)論是穩(wěn)健的。第二，借鑒李唐等(2020)[30]和宋德勇等(2022)[34]的研究，本文為企業(yè)大數(shù)據(jù)應用水平構(gòu)造工具變量進行工具變量法回歸，以緩解可能存在的反向因果內(nèi)生性問題。具體而言，采用大數(shù)據(jù)應用水平與按行業(yè)和省份分類的大數(shù)據(jù)應用水平均值差額的三次方作為工具變量(Bdata_IV)。回歸結(jié)果如表6第(3)(4)列所示，在第一階段回歸中Bdata_IV的系數(shù)為0.143且在1%水平下顯著，且F統(tǒng)計量值(163.950)遠大于經(jīng)驗規(guī)則臨界值10，說明本文選取的工具變量不存在弱工具變量問題。在第二階段回歸中Bdata的系數(shù)為0.312且在1%水平下顯著。以上回歸結(jié)果說明本文的研究結(jié)論是穩(wěn)健的。第三，本文采用傾向得分匹配法(PSM)來減輕可能存在的自選擇偏誤。具體而言，以樣本企業(yè)是否應用大數(shù)據(jù)技術(shù)將其劃分為處理組和對照組，使用Stata軟件中的psestimate命令從控制變量中篩選出有效的協(xié)變量，按照1:1近鄰匹配法為處理組中的上市公司進行有放回的匹配。回歸結(jié)果如表6第(5)列所示，Bdata的系數(shù)為0.300且在1%水平下顯著，這進一步說明了本文的研究結(jié)論是穩(wěn)健的。

表6 穩(wěn)健性檢驗：內(nèi)生性處理

(四)機制檢驗

為檢驗融資約束是否是大數(shù)據(jù)應用影響企業(yè)創(chuàng)新效率的內(nèi)在機制，本文借鑒溫忠麟等(2004)[40]提出的中介效應檢驗程序進行機制檢驗，具體的檢驗模型如式(2)(3)和(4)所示。模型(2)反映大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的總效應；模型(3)中γ1反映了大數(shù)據(jù)應用對融資約束的影響；模型(4)中θ1反映了大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的直接效應；模型(3)中γ1和模型(4)中θ2的乘積γ1θ2反映了融資約束的中介效應。

借鑒魏志華等(2014)[39]和唐松等(2020)[35]的研究，模型(3)中融資約束變量Fc的計算方法如下：首先，按照年度對經(jīng)營性凈現(xiàn)金流比年初總資產(chǎn)、現(xiàn)金股利比年初總資產(chǎn)、現(xiàn)金持有比年初總資產(chǎn)、資產(chǎn)負債率和托賓Q等五個變量進行分類，分別根據(jù)變量對樣本進行升序排序后以中位數(shù)作為融資約束的分界點確定融資約束虛擬變量Fc_i，將5個變量的Fc_i加總后得到每個樣本的Fc_qu指數(shù)。其次，使用式(5)進行排序Logit回歸，其中，Cashdiv表示企業(yè)當年發(fā)放的現(xiàn)金股利，Cf表示企業(yè)的凈經(jīng)營性現(xiàn)金流，Ta表示企業(yè)的資產(chǎn)總額，其余變量的設(shè)定與前文一致。最終得到每個樣本企業(yè)在相應年份的融資約束代理變量Fc，F(xiàn)c的值越大代表企業(yè)面臨的融資約束程度越高。

中介檢驗的回歸結(jié)果如表7所示。第(1)列顯示，大數(shù)據(jù)應用能夠顯著提升企業(yè)創(chuàng)新效率；第(2)列顯示，大數(shù)據(jù)應用能夠顯著緩解企業(yè)面臨的融資約束；第(3)列顯示，融資約束的系數(shù)顯著為負，且大數(shù)據(jù)應用的系數(shù)絕對值相較第(1)列有所降低，說明大數(shù)據(jù)應用通過緩解融資約束，顯著提升企業(yè)的創(chuàng)新效率。因此，大數(shù)據(jù)應用―融資約束―創(chuàng)新效率的機制成立，且融資約束在大數(shù)據(jù)應用對創(chuàng)新效率的影響中起部分中介作用。由此，本文的假設(shè)2得到了經(jīng)驗證據(jù)支持。

表7 融資約束的中介機制檢驗

為進一步檢驗融資約束中介效應回歸結(jié)果的穩(wěn)健性，本文通過更換變量的度量方式進行驗證。首先，改變大數(shù)據(jù)應用和企業(yè)創(chuàng)新效率的度量方式，分別將模型中的Bdata和Effi替換為Bdata_exp和Effi1進行檢驗。檢驗結(jié)果如表8所示，融資約束的中介效應仍然成立。其次，改變?nèi)谫Y約束的度量方式，借鑒李文秀和唐榮(2021)[31]的研究，使用利息支出與流動負債之比衡量企業(yè)面臨的融資約束(Fc1)進行檢驗。檢驗結(jié)果如表9所示，再次表明融資約束的中介效應回歸結(jié)果是穩(wěn)健的。

表8 融資約束的中介機制穩(wěn)健性檢驗：更換解釋變量和被解釋變量

表9 融資約束的中介機制穩(wěn)健性檢驗：更換融資約束變量

(五)異質(zhì)性分析

大數(shù)據(jù)應用對不同科技屬性企業(yè)的創(chuàng)新效率會有不同的影響。科技企業(yè)作為技術(shù)創(chuàng)新活動的主力軍，是我國實現(xiàn)可持續(xù)發(fā)展、促進經(jīng)濟轉(zhuǎn)型的關(guān)鍵因素。一方面，相較于其他企業(yè)，科技企業(yè)通常面臨較為嚴峻的技術(shù)競爭環(huán)境，因此更有動機利用大數(shù)據(jù)技術(shù)提升創(chuàng)新產(chǎn)出和創(chuàng)新效率(翟淑萍等，2020)[47]。另一方面，科技企業(yè)擁有更多技術(shù)人才，使得其更能把握科學技術(shù)的發(fā)展前景，認識到大數(shù)據(jù)技術(shù)的發(fā)展方向，對大數(shù)據(jù)的應用能力與應用范圍處于領(lǐng)先地位?；谝陨戏治?，本文認為大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響將在科技企業(yè)中更加明顯。

按照企業(yè)是否屬于科技企業(yè)進行分組，回歸結(jié)果如表10第(1)(2)列所示?？萍计髽I(yè)組Bdata的系數(shù)為0.413且在1%水平下顯著，非科技企業(yè)組Bdata的系數(shù)為0.090但不顯著；并且，分組回歸結(jié)果的Suest檢驗p值為0.005，通過了組間系數(shù)差異檢驗。引入科技屬性(Tech)和Bdata交互項的回歸結(jié)果如表10第(3)列所示，交互項的估計系數(shù)為0.487且在1%水平下顯著，說明在科技企業(yè)中大數(shù)據(jù)應用對創(chuàng)新效率的促進作用更為顯著。

大數(shù)據(jù)應用對行業(yè)競爭程度不同的企業(yè)的創(chuàng)新效率會有不同影響。一方面，為了能更好地生存和發(fā)展，處于行業(yè)競爭激烈環(huán)境的企業(yè)更有動機利用大數(shù)據(jù)進行高效的創(chuàng)新活動(何玉潤等，2015)[25]，從而提升企業(yè)的核心競爭力。另一方面，競爭激烈的行業(yè)內(nèi)往往具有更多的外部信息，而大量的信息使得企業(yè)的創(chuàng)新決策更加精準，進而提升企業(yè)的創(chuàng)新產(chǎn)出，增加創(chuàng)新效率。因此，大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的提升作用將在行業(yè)競爭程度更高的企業(yè)中更為明顯。

本文使用赫芬達爾指數(shù)度量企業(yè)所在行業(yè)的競爭程度，把樣本按照是否大于中位數(shù)分為行業(yè)競爭高和行業(yè)競爭低兩組分別進行回歸。結(jié)果如表10第(4)(5)列所示，行業(yè)競爭程度高組Bdata的系數(shù)為0.413且在1%水平下顯著，行業(yè)競爭程度低組Bdata的系數(shù)為0.159但僅在10%水平下顯著；并且，分組回歸結(jié)果的Suest檢驗p值為0.054，通過了組間系數(shù)差異檢驗。引入行業(yè)競爭(Mcomp)和Bdata交互項的回歸結(jié)果如表10第(6)列所示，回歸結(jié)果顯示交互項的估計系數(shù)為0.424且在1%水平下顯著，說明在競爭行業(yè)中大數(shù)據(jù)應用對創(chuàng)新效率的提升作用更為顯著。

表10 異質(zhì)性分析：區(qū)分科技屬性和行業(yè)屬性

五、結(jié)論與啟示

本文通過爬蟲技術(shù)爬取滬深A股上市公司年報，構(gòu)建大數(shù)據(jù)應用相關(guān)指標，研究大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的影響，得到以下主要研究結(jié)論：首先，大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率具有顯著的提升作用，且該結(jié)論在更換核心變量衡量方式、改變樣本區(qū)間和處理內(nèi)生性問題后依然成立。其次，大數(shù)據(jù)應用能夠有效緩解企業(yè)面臨的融資約束問題，這有助于提高企業(yè)的創(chuàng)新動機與創(chuàng)新活動的可持續(xù)性，從而促進企業(yè)的創(chuàng)新效率。最后，異質(zhì)性檢驗結(jié)果表明，大數(shù)據(jù)應用對企業(yè)創(chuàng)新效率的提升效應在科技企業(yè)組和行業(yè)競爭程度高組中相對更明顯。

本文的研究具有以下政策啟示：第一，大數(shù)據(jù)技術(shù)應用能夠顯著提升企業(yè)創(chuàng)新效率，推動企業(yè)數(shù)字化應用對實現(xiàn)高質(zhì)量發(fā)展具有重要意義。一方面，企業(yè)應抓住數(shù)字經(jīng)濟的發(fā)展態(tài)勢，把握機遇，落實大數(shù)據(jù)分析技術(shù)在企業(yè)決策和管理等過程中的應用，構(gòu)建以大數(shù)據(jù)技術(shù)為基礎(chǔ)的高質(zhì)量創(chuàng)新驅(qū)動發(fā)展體系。另一方面，政府應加快數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，營造良好數(shù)據(jù)環(huán)境，提升數(shù)據(jù)質(zhì)量，助力大數(shù)據(jù)與實體經(jīng)濟的高效融合。第二，應借助大數(shù)據(jù)應用技術(shù)完善企業(yè)信息披露制度，提高企業(yè)信息披露質(zhì)量，從而強化企業(yè)與投資者之間的信息傳遞效率，降低企業(yè)內(nèi)外部信息不對稱程度，助力企業(yè)實現(xiàn)資金融通，緩解企業(yè)面臨的融資約束。第三，鑒于不同屬性的企業(yè)中大數(shù)據(jù)應用提高創(chuàng)新效率的差異，政府在制定相關(guān)政策時應當結(jié)合企業(yè)的科技屬性和所處行業(yè)等因素，針對不同企業(yè)特定情境制定因勢利導的政策體系。 ■