數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響研究

王旭輝 史瑞

摘 要：本文從企業(yè)層面研究數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響，并探究其中的影響機(jī)理。本文選取2014—2021年A股制造業(yè)上市企業(yè)為樣本，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對企業(yè)探索式創(chuàng)新和利用式創(chuàng)新的影響。結(jié)果表明：企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)自身的探索式創(chuàng)新和利用式創(chuàng)新，且對利用式創(chuàng)新的促進(jìn)作用更加顯著。研究發(fā)現(xiàn)：技術(shù)相似度所帶來的技術(shù)溢出是數(shù)字化轉(zhuǎn)型影響企業(yè)雙元創(chuàng)新的路徑之一，并且數(shù)字化轉(zhuǎn)型的促進(jìn)作用在國有企業(yè)中比非國有企業(yè)更為明顯。本文為企業(yè)數(shù)字化轉(zhuǎn)型提供了經(jīng)驗(yàn)支持，也為培育企業(yè)高質(zhì)量技術(shù)創(chuàng)新提供了新思路。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；探索式創(chuàng)新；利用式創(chuàng)新；技術(shù)相似度；企業(yè)雙元創(chuàng)新

本文索引：王旭輝，史瑞.<變量 2>[J].中國商論，2024（03）：-132.

中圖分類號：F273 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2024）02（a）--04

1 引言

近年來，我國高度重視科技創(chuàng)新，并且出臺了相關(guān)的政策來加強(qiáng)對創(chuàng)新的引領(lǐng)作用，強(qiáng)調(diào)必須堅(jiān)持創(chuàng)新是第一動力。對企業(yè)而言，探索式創(chuàng)新和利用式創(chuàng)新在所需的資源投入、所獲得的收益以及帶來的風(fēng)險(xiǎn)等方面均存在顯著差異[1]。盡管近年來企業(yè)的創(chuàng)新已經(jīng)取得了明顯的突破，我國的專利申請和授權(quán)數(shù)量在世界層面上都居于前列，但依舊存在“重?cái)?shù)量輕質(zhì)量”“關(guān)鍵技術(shù)卡脖子”等現(xiàn)象。在企業(yè)進(jìn)行創(chuàng)新方向和形式的選擇時(shí)，不可避免地會考慮諸如成本、利潤等現(xiàn)實(shí)因素，最理想的創(chuàng)新活動是能同時(shí)給企業(yè)帶來經(jīng)濟(jì)上的效益和生產(chǎn)流程的優(yōu)化，可以幫助企業(yè)抓住更多的市場機(jī)會，而失敗的創(chuàng)新活動則會給企業(yè)帶來經(jīng)濟(jì)和社會效益的雙重?fù)p失。因此，企業(yè)在面對創(chuàng)新方向和形式的選擇時(shí)，會趨利避害的選擇一旦失敗會給企業(yè)帶來更小損失的創(chuàng)新模式，創(chuàng)新的質(zhì)量便失去了保障。如何引導(dǎo)企業(yè)將資源正確分配給探索式創(chuàng)新和利用式創(chuàng)新，保證企業(yè)的創(chuàng)新活動高質(zhì)量的展開，是當(dāng)下亟待解決的問題。

數(shù)字化轉(zhuǎn)型是指企業(yè)在生產(chǎn)經(jīng)營活動的全過程中應(yīng)用數(shù)字技術(shù)來對原有的業(yè)務(wù)流程進(jìn)行改變和充足，以提高企業(yè)的經(jīng)營效率，擴(kuò)大企業(yè)利益。相對傳統(tǒng)企業(yè)的技術(shù)創(chuàng)新，數(shù)字化轉(zhuǎn)型所帶來的企業(yè)變革能夠帶來更顯著的促進(jìn)作用[2]。因此，確定數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響方式，明晰其中的路徑是重中之重，是可以提高企業(yè)創(chuàng)新質(zhì)量的直接手段。本研究創(chuàng)新性的用技術(shù)相似度視角來探究數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響，梳理出一條顯著作用路徑。

2 理論基礎(chǔ)與研究假設(shè)

2.1 數(shù)字化轉(zhuǎn)型和企業(yè)雙元創(chuàng)新

數(shù)字化已融入企業(yè)生產(chǎn)活動的方方面面，數(shù)字技術(shù)帶來的影響已經(jīng)不僅是對企業(yè)原有生產(chǎn)要素的優(yōu)化充足，還帶來了更為顯著的影響，產(chǎn)生了新的生產(chǎn)函數(shù)[3]，結(jié)合已有文獻(xiàn)的研究，數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響主要體現(xiàn)在以下幾個(gè)方面：

第一，從匯集各方資源的角度來看，數(shù)字技術(shù)同企業(yè)生產(chǎn)活動的深度融合增強(qiáng)了企業(yè)對創(chuàng)新資源的獲取和利用能力，使企業(yè)在配置創(chuàng)新資源的過程中獲得顯著優(yōu)勢[4]。第二，從企業(yè)成本角度來看，數(shù)字化轉(zhuǎn)型可以打破企業(yè)間的技術(shù)壁壘，使企業(yè)以更低的成本來從其他企業(yè)獲取新技術(shù)。第三，從員工知識素養(yǎng)角度來看，數(shù)字化轉(zhuǎn)型所帶來的技術(shù)流動可以擴(kuò)大企業(yè)員工獲取新知識的途徑，進(jìn)而使企業(yè)員工的知識素養(yǎng)得到提升[5]。第四，從實(shí)施創(chuàng)新的難易程度來看，數(shù)字化轉(zhuǎn)型優(yōu)化了企業(yè)生產(chǎn)管理的各個(gè)流程，使企業(yè)內(nèi)部的分工更加明確。

綜上所述，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型戰(zhàn)略，不僅可以顯著提升企業(yè)創(chuàng)新質(zhì)量，還可以讓企業(yè)的創(chuàng)新模式得到高效的提升，開辟更多的創(chuàng)新路徑，最終促進(jìn)企業(yè)的探索式創(chuàng)新和利用式創(chuàng)新。

2.2 數(shù)字化轉(zhuǎn)型、技術(shù)相似度和企業(yè)雙元創(chuàng)新

企業(yè)數(shù)字化轉(zhuǎn)型對技術(shù)相似度的提升作用主要體現(xiàn)在以下兩點(diǎn)：第一，數(shù)字化轉(zhuǎn)型加速了由企業(yè)之間的研發(fā)合作所產(chǎn)生的技術(shù)流動，進(jìn)而提升了企業(yè)間的技術(shù)相似度；第二，數(shù)字化轉(zhuǎn)型在一定程度上加速了科技文獻(xiàn)方面的知識溢出，使企業(yè)有更大的概率接觸到更廣泛的信息，進(jìn)而充分利用外部的資源實(shí)現(xiàn)企業(yè)的創(chuàng)新突破[6]，提升了行業(yè)內(nèi)企業(yè)之間的技術(shù)相似度。

企業(yè)間的技術(shù)相似度越高，所帶來的技術(shù)流動規(guī)模就越大，進(jìn)而可以對企業(yè)的創(chuàng)新活動產(chǎn)生更重要的影響。潘文卿等（2011）[7]利用中國投入產(chǎn)出比來對行業(yè)間技術(shù)溢出對勞動生產(chǎn)率所帶來的影響進(jìn)行了嚴(yán)密測算，測算結(jié)果顯示，行業(yè)間的技術(shù)相似度越高，技術(shù)相似度所帶來的技術(shù)溢出對企業(yè)創(chuàng)新活動的正向促進(jìn)作用就越明顯。劉志迎和單潔含（2013）[8]以中國高校和企業(yè)的聯(lián)合申請發(fā)明專利數(shù)據(jù)為樣本，對創(chuàng)新績效進(jìn)行測量，測量結(jié)果顯示，技術(shù)相似度對協(xié)同創(chuàng)新績效有顯著的正向促進(jìn)作用。

根據(jù)前文的分析，本研究構(gòu)建如下研究模型。

3 研究設(shè)計(jì)

3.1 樣本選擇與數(shù)據(jù)來源

制造型企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型所帶來的成果相對更易測度，因此本文選擇2014—2021年A股制造業(yè)上市企業(yè)為樣本，同時(shí)對樣本進(jìn)行初步的篩選和剔除。處理后共獲得2971家上市企業(yè)的14521個(gè)樣本觀測值。本文的數(shù)據(jù)來源于上市企業(yè)年報(bào)、CSMAR數(shù)據(jù)庫和CNRDS數(shù)據(jù)庫。

3.2 變量說明

3.2.1 解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（DT），本文解釋變量來自CSMR的企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)庫，選取其中的企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)統(tǒng)計(jì)表（年）中的數(shù)字化轉(zhuǎn)型指數(shù)指標(biāo)為本文的解釋變量。

3.2.2 被解釋變量

針對企業(yè)的雙元創(chuàng)新程度可以用專利分類號來衡量，具體的衡量方式為：選取該公司在某一年的專利申請與該公司前五年內(nèi)的專利申請進(jìn)行對比，并用對比的結(jié)果來判斷公司的探索式創(chuàng)新和利用式創(chuàng)新程度。

若該企業(yè)在第t+1年申請的專利中某個(gè)IPC代碼前四位并未出現(xiàn)在過去五年內(nèi)企業(yè)已布局的技術(shù)領(lǐng)域內(nèi)，則該專利被記為企業(yè)在第t年的新知識（new_RD），若某個(gè)IPC代碼前四位出現(xiàn)在過去五年內(nèi)企業(yè)已布局的技術(shù)領(lǐng)域內(nèi)，則該專利被記為企業(yè)在第t年的舊知識（old_RD）。

3.2.3 中介變量

技術(shù)相似度為本研究的中介變量，在對技術(shù)相似度進(jìn)行測度時(shí)，本研究借鑒Byun等（2021）[9]的方法，用兩家企業(yè)專利技術(shù)之間的重疊程度來衡量，計(jì)算公式如下：

其中，Xi，t=（Xi1，t，Xi2，t，…，Xiτ，t，…，Xj，t）是一個(gè)向量，表示企業(yè)i在相同的時(shí)間周期t內(nèi)技術(shù)分類為τ=1，2，…，t的專利比例，Xj，t是相同的定義方式。這種情況下techij，t衡量兩個(gè)公司在每個(gè)技術(shù)分類中的專利比例的相關(guān)性，相關(guān)性越高，兩個(gè)公司的技術(shù)領(lǐng)域就越緊密。

3.2.4 控制變量

本文選取企業(yè)規(guī)模（Size）、企業(yè)年齡（Age）、企業(yè)研發(fā)投入比例（RDP）、資產(chǎn)負(fù)債率（Leverage）、資產(chǎn)收益率（ROA）、企業(yè)股權(quán)性質(zhì)（SOE）為控制變量，為了控制行業(yè)和時(shí)間效應(yīng)對基準(zhǔn)回歸結(jié)果的影響，本研究加入行業(yè)（Industry）和年份（Year）虛擬變量。

企業(yè)規(guī)模（Size）借鑒簡兆權(quán)等（2020）的測算方法，分為0、0.33、0.67和1四種；企業(yè)年齡（Age）使用企業(yè)自成立以來的年數(shù)取對數(shù)來衡量；企業(yè)研發(fā)投入比例（RDP）用企業(yè)研發(fā)支出/企業(yè)收入來衡量；資產(chǎn)負(fù)債率（Leverage），用總負(fù)債/總資產(chǎn)來衡量；資產(chǎn)收益率（ROA）用凈利潤/總資產(chǎn)來衡量；企業(yè)股權(quán)性質(zhì)（SOE）將企業(yè)分為國有企業(yè)（取1）和非國有企業(yè)（取0）。

3.3 模型設(shè)定

本研究設(shè)定模型如下：

new_RD=β0+β1DT+β2Controls+Year_d+Industry_d+μ（1）

old_RD=β0+β1DT+β2Controls+Year_d+Industry_d+μ（2）

tech=β0+β1DT+β2Controls+Year_d+Industry_d+μ（3）

4 實(shí)證結(jié)果

4.1 描述性統(tǒng)計(jì)

從描述性統(tǒng)計(jì)結(jié)果來看，樣本企業(yè)的創(chuàng)新能力顯著不同，探索式創(chuàng)新的最大值為1936，最小值為0，利用式創(chuàng)新的最大值為10728，最小值為0。樣本企業(yè)的數(shù)字化轉(zhuǎn)型程度也存在一定的差距，數(shù)字化轉(zhuǎn)型程度的最大值為80.04，最小值為21.68；樣本企業(yè)的規(guī)模均值為0.894。其他變量的描述性統(tǒng)計(jì)結(jié)果也均在預(yù)期的合理范圍內(nèi)。

4.2 基準(zhǔn)回歸

4.2.1 數(shù)字化轉(zhuǎn)型與企業(yè)雙元創(chuàng)新

為驗(yàn)證數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響，本文采用基準(zhǔn)回歸的方法，根據(jù)上文構(gòu)建的模型（1）和（2）驗(yàn)證數(shù)字化轉(zhuǎn)型對企業(yè)雙元創(chuàng)新的影響，表1的第（1）（3）列驗(yàn)證了數(shù)字化轉(zhuǎn)型對企業(yè)探索式創(chuàng)新的顯著促進(jìn)關(guān)系，第（2）（4）列驗(yàn)證了數(shù)字化轉(zhuǎn)型對企業(yè)利用式創(chuàng)新的顯著促進(jìn)關(guān)系。

4.2.2 數(shù)字化轉(zhuǎn)型與企業(yè)間技術(shù)相似度

為驗(yàn)證數(shù)字化轉(zhuǎn)型對企業(yè)間技術(shù)相似度的影響，本文采用基準(zhǔn)回歸的方法，根據(jù)上文構(gòu)建的模型（3）來驗(yàn)證數(shù)字化轉(zhuǎn)型對企業(yè)間技術(shù)相似度的影響。控制時(shí)間和行業(yè)變量前后，數(shù)字化轉(zhuǎn)型對企業(yè)間技術(shù)相似度的回歸系數(shù)分別為0.694和0.547，且都在1%的水平上顯著。

4.3 中介效應(yīng)分析

本文基于技術(shù)相似度視角進(jìn)行中介效應(yīng)檢驗(yàn)。檢驗(yàn)發(fā)現(xiàn)，企業(yè)技術(shù)相似度對企業(yè)探索式創(chuàng)新和利用式創(chuàng)新的回歸系數(shù)分別為0.034和0.608，且都在1%的水平上顯著，說明企業(yè)技術(shù)相似度對企業(yè)雙元創(chuàng)新有顯著的促進(jìn)作用，且對利用式創(chuàng)新的促進(jìn)作用更為明顯，即技術(shù)相似度的中介效應(yīng)在此過程中存在。

4.4 基于企業(yè)股權(quán)性質(zhì)的異質(zhì)性分析

本文根據(jù)企業(yè)股權(quán)性質(zhì)將樣本劃分為國有企業(yè)和非國有企業(yè)進(jìn)行異質(zhì)性分析，結(jié)果如表3所示，數(shù)字化轉(zhuǎn)型在國有企業(yè)中的促進(jìn)作用更明顯。

4.5 內(nèi)生性檢驗(yàn)

考慮到創(chuàng)新投入水平高且已經(jīng)在創(chuàng)新中獲益的企業(yè)更愿意從事數(shù)字化轉(zhuǎn)型工作，為解決潛在的樣本自選擇偏差問題，本文參考姜英兵等（2022）的方法，使用Heckman兩階段法進(jìn)行內(nèi)生性檢驗(yàn)。因變量DITdum為構(gòu)建的衡量企業(yè)數(shù)字化轉(zhuǎn)型程度高或低虛擬變量，衡量標(biāo)準(zhǔn)為年度的數(shù)字化轉(zhuǎn)型程度中位數(shù)。結(jié)果表明，數(shù)字化轉(zhuǎn)型對企業(yè)探索式創(chuàng)新和利用式創(chuàng)新的促進(jìn)作用依然顯著。

4.6 穩(wěn)健性檢驗(yàn)

4.6.1 變更樣本區(qū)間

2015年，國家出臺了多項(xiàng)政策來鼓勵企業(yè)實(shí)施創(chuàng)新戰(zhàn)略，在政策方面引領(lǐng)企業(yè)創(chuàng)新戰(zhàn)略的實(shí)施對企業(yè)探索式創(chuàng)新和利用式創(chuàng)新有了更高要求，企業(yè)間的技術(shù)相似度可能會更強(qiáng)。將樣本區(qū)間設(shè)定為2016—2021年重新進(jìn)行回歸，變更樣本區(qū)間前后結(jié)果一致。

4.6.2 采用其他回歸模型

考慮到被解釋變量的探索型創(chuàng)新與利用式創(chuàng)新都是起始值為零的連續(xù)變量，并且具有多個(gè)零值，OLS結(jié)果可能出現(xiàn)誤差，因此使用Tobit模型重新進(jìn)行回歸，采用企業(yè)回歸模型前后結(jié)果一致。

4.6.3 替換被解釋變量

本研究借鑒胡山等（2022）[12]的做法，用當(dāng)年獲得授權(quán)的發(fā)明專利數(shù)量加一后取對數(shù)來衡量企業(yè)探索式創(chuàng)新；以非發(fā)明專利的授權(quán)量加一后取對數(shù)來評價(jià)企業(yè)利用式創(chuàng)新，替換被解釋變量衡量指標(biāo)后的回歸結(jié)果與基準(zhǔn)回歸結(jié)果一致。

5 結(jié)語

本文基于樣本數(shù)據(jù)，對企業(yè)數(shù)字化轉(zhuǎn)型對雙元創(chuàng)新的影響路徑進(jìn)行了驗(yàn)證。結(jié)果表明，數(shù)字化轉(zhuǎn)型可以顯著促進(jìn)企業(yè)的探索式創(chuàng)新和利用式創(chuàng)新，且對利用式創(chuàng)新的提升作用更大；企業(yè)數(shù)字化轉(zhuǎn)型通過促進(jìn)企業(yè)間的技術(shù)相似度來提升企業(yè)雙元創(chuàng)新水平，這種提升效果在國有企業(yè)中更為顯著。

隨著國家對實(shí)體經(jīng)濟(jì)愈發(fā)的重視，想要讓數(shù)字化轉(zhuǎn)型的成果最大化的惠及企業(yè)創(chuàng)新活動，就要清楚其中的作用路徑。根據(jù)本文研究結(jié)論，企業(yè)應(yīng)該加快數(shù)字化轉(zhuǎn)型的腳步，積極進(jìn)行管理體制改革以促進(jìn)企業(yè)間的技術(shù)流動，在相互借鑒中實(shí)現(xiàn)創(chuàng)新共贏。此外，本文研究顯示，成立時(shí)間越早的公司越側(cè)重于開展利用式創(chuàng)新，應(yīng)加大對此類企業(yè)的創(chuàng)新支持，減少其對創(chuàng)新成本和創(chuàng)新結(jié)果的顧慮，完善企業(yè)人才體系和激勵機(jī)制，培育數(shù)字型科技人才。

與此同時(shí)，本研究也存在一定局限。首先，在研究數(shù)字化轉(zhuǎn)型同企業(yè)雙元創(chuàng)新之間的關(guān)系中究竟哪一種衡量方式最為恰當(dāng)仍需論證；其次，本文僅對企業(yè)的股權(quán)性質(zhì)進(jìn)行了異質(zhì)性分析，諸如企業(yè)規(guī)模、行業(yè)競爭程度等因素并未考慮在內(nèi)，研究結(jié)論可能會因此產(chǎn)生不同的結(jié)果；最后，本文并未從人員的視角進(jìn)行分析，后續(xù)研究可以從企業(yè)高管比例和數(shù)字型人才占比的角度進(jìn)行進(jìn)一步的探討。

參考文獻(xiàn)

畢曉方，翟淑萍，姜寶強(qiáng).政府補(bǔ)貼、財(cái)務(wù)冗余對高新技術(shù)企業(yè)雙元創(chuàng)新的影響[J].會計(jì)研究，2017（1）：46-52+95.

陳劍，黃朔，劉運(yùn)輝.從賦能到使能：數(shù)字化環(huán)境下的企業(yè)運(yùn)營管理[J].管理世界，2020，36（2）：117-128+222.

張國勝，杜鵬飛，陳明明.數(shù)字賦能與企業(yè)技術(shù)創(chuàng)新：來自中國制造業(yè)的經(jīng)驗(yàn)證據(jù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2021，43（6）：65-76.

Ciriello R F， Richter A， Schwabe G. Digital innovation[J]. Business & Information Systems Engineering，2018，60（6）：563–569

韓先鋒，宋文飛，李勃昕. 互聯(lián)網(wǎng)能成為中國區(qū)域創(chuàng)新效率提升的新動能嗎[J]. 中國工業(yè)經(jīng)濟(jì)，2019（7）：119-136.

李海艦，田躍新，李文杰.互聯(lián)網(wǎng)思維與傳統(tǒng)企業(yè)再造[J].中國工業(yè)經(jīng)濟(jì)， 2014（10）：135-146

潘文卿，李子奈，劉強(qiáng).中國產(chǎn)業(yè)間的技術(shù)溢出效應(yīng)：基于35個(gè)工業(yè)部門的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)研究，2011，46（7）：18-29.

劉志迎，單潔含.技術(shù)距離、地理距離與大學(xué)-企業(yè)協(xié)同創(chuàng)新效應(yīng)：基于聯(lián)合專利數(shù)據(jù)的研究[J].科學(xué)學(xué)研究， 2013， 31（9）：1331-1337.

Byun K S，Oh J，Xia H. Incremental vs. Breakthrough Innovation： The Role of Technology Spillovers[J]. Management Science，2021，67（3）：1779-1802.

簡兆權(quán)，劉念，黃如意.動態(tài)能力、企業(yè)規(guī)模與雙元創(chuàng)新關(guān)系研究：基于fsQCA方法的實(shí)證分析[J].科技進(jìn)步與對策，2020，37（19）：77-86.

姜英兵，徐傳鑫，班旭.數(shù)字化轉(zhuǎn)型與企業(yè)雙元創(chuàng)新[J].經(jīng)濟(jì)體制改革，2022（3）：187-193.

胡山，余泳澤.數(shù)字經(jīng)濟(jì)與企業(yè)創(chuàng)新：突破性創(chuàng)新還是漸進(jìn)性創(chuàng)新？[J].財(cái)經(jīng)問題研究，2022（1）：42-51.