數(shù)字化轉(zhuǎn)型對(duì)新能源汽車產(chǎn)業(yè)鏈企業(yè)技術(shù)進(jìn)步的影響

摘要：以數(shù)字化為代表的新一輪科技革命正在重塑全球產(chǎn)業(yè)技術(shù)創(chuàng)新生態(tài)，為新能源汽車產(chǎn)業(yè)鏈上企業(yè)技術(shù)進(jìn)步和新質(zhì)生產(chǎn)力的培育提供重要機(jī)會(huì)。采用專利信息和中國新能源汽車產(chǎn)業(yè)鏈相關(guān)A股上市公司數(shù)據(jù)，從專利的引用關(guān)系入手，使用PageRank和HITS算法，提出同時(shí)考察專利技術(shù)影響力和企業(yè)創(chuàng)新影響力的復(fù)合測(cè)度技術(shù)進(jìn)步的方法，科學(xué)構(gòu)建數(shù)字化轉(zhuǎn)型和技術(shù)進(jìn)步指標(biāo)，從企業(yè)的集聚效應(yīng)和知識(shí)溢出效應(yīng)角度探討數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的影響機(jī)制并進(jìn)行實(shí)證檢驗(yàn)。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型帶動(dòng)新能源汽車產(chǎn)業(yè)鏈技術(shù)進(jìn)步提升，正向提升效應(yīng)具有行業(yè)和企業(yè)異質(zhì)性。機(jī)制檢驗(yàn)發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型通過企業(yè)集聚效應(yīng)和知識(shí)溢出效應(yīng)推動(dòng)技術(shù)進(jìn)步，進(jìn)一步分析發(fā)現(xiàn)國家政策支持的促進(jìn)效果顯著。從完善數(shù)字基礎(chǔ)設(shè)施、構(gòu)建創(chuàng)新生態(tài)等角度為決策部門評(píng)價(jià)新能源汽車企業(yè)數(shù)字化轉(zhuǎn)型效果及中國專利國內(nèi)外布局提供可參考的政策建議。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；技術(shù)進(jìn)步；新能源汽車；新質(zhì)生產(chǎn)力

中圖分類號(hào)：F273.1；F426.471；G255.53 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-2101（2024）05-0073-15

一、引言與文獻(xiàn)綜述

當(dāng)今世界變亂交織，百年變局加速演進(jìn)，在國際政治紛爭(zhēng)和逆全球化沖擊下，世界經(jīng)濟(jì)增長動(dòng)能不足。新質(zhì)生產(chǎn)力作為生產(chǎn)力發(fā)展的質(zhì)變躍遷，是推動(dòng)實(shí)現(xiàn)高質(zhì)量發(fā)展的動(dòng)力之源。習(xí)近平總書記指出：“新質(zhì)生產(chǎn)力是創(chuàng)新起主導(dǎo)作用，擺脫傳統(tǒng)經(jīng)濟(jì)增長方式、生產(chǎn)力發(fā)展路徑，具有高科技、高效能、高質(zhì)量特征，符合新發(fā)展理念的先進(jìn)生產(chǎn)力質(zhì)態(tài)”[1]。新能源汽車產(chǎn)業(yè)融合傳統(tǒng)汽車產(chǎn)業(yè)和前沿核心技術(shù)，對(duì)技術(shù)創(chuàng)新要求高、數(shù)字技術(shù)依賴強(qiáng)。2023年，我國新能源汽車產(chǎn)銷量占全球比重超過60%、連續(xù)9年位居世界第一位，新能源汽車出口120.3萬輛、同比增長77.2%①，市場(chǎng)表現(xiàn)良好，為中國經(jīng)濟(jì)發(fā)展注入新動(dòng)能。推動(dòng)新能源汽車這一主導(dǎo)產(chǎn)業(yè)和支柱產(chǎn)業(yè)以科技創(chuàng)新助力技術(shù)革命性突破，實(shí)現(xiàn)技術(shù)進(jìn)步，是新質(zhì)生產(chǎn)力的重要推動(dòng)力量。

數(shù)字化轉(zhuǎn)型過程中，具有高創(chuàng)新性、強(qiáng)滲透性、廣覆蓋性等多維特征的數(shù)字技術(shù)促進(jìn)企業(yè)提升獲取外部資源和知識(shí)的效率，優(yōu)化資源與要素的配置路徑[2]，并通過信息追蹤和數(shù)字平臺(tái)增進(jìn)企業(yè)自身資源與產(chǎn)業(yè)鏈網(wǎng)絡(luò)中資源的匯集與聯(lián)系[3-4]，提升經(jīng)濟(jì)個(gè)體間信息獲取、傳輸和使用的便利性[5]，降低信息不對(duì)稱和創(chuàng)新風(fēng)險(xiǎn)，突破關(guān)鍵技術(shù)卡點(diǎn)、斷點(diǎn)問題；數(shù)字技術(shù)合作平臺(tái)的搭建與完善促進(jìn)企業(yè)間形成彼此信任、相互聯(lián)系的穩(wěn)定關(guān)系網(wǎng)絡(luò)[6]，加速大數(shù)據(jù)產(chǎn)業(yè)集聚和數(shù)字人才集聚，催動(dòng)數(shù)字知識(shí)溢出效應(yīng)[7]，社會(huì)關(guān)系網(wǎng)絡(luò)的協(xié)同性與信息交流高效性又促進(jìn)了市場(chǎng)效率和集聚效應(yīng)的有效發(fā)揮[8]，提升創(chuàng)新效率和成果產(chǎn)出效率，推動(dòng)企業(yè)與專利正反饋網(wǎng)絡(luò)的構(gòu)建，實(shí)現(xiàn)技術(shù)進(jìn)步。因此，在加快培育新質(zhì)生產(chǎn)力的目標(biāo)推動(dòng)之下，探尋實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型機(jī)遇下新能源汽車產(chǎn)業(yè)鏈基于專利顯性技術(shù)進(jìn)步的路徑與措施具有重要意義。

在具體的影響機(jī)制探討方面，當(dāng)前對(duì)企業(yè)數(shù)字化轉(zhuǎn)型和技術(shù)進(jìn)步研究的文獻(xiàn)主要側(cè)重于數(shù)字技術(shù)的低成本優(yōu)勢(shì)及提升創(chuàng)新能力方面[9-11]，并未關(guān)注技術(shù)進(jìn)步提升角度。企業(yè)數(shù)字化轉(zhuǎn)型強(qiáng)化企業(yè)間信息獲取能力，增強(qiáng)鏈上企業(yè)的關(guān)聯(lián)聯(lián)系[12]，促進(jìn)產(chǎn)業(yè)鏈上下游企業(yè)間通過投入產(chǎn)出關(guān)聯(lián)和技術(shù)外溢等集聚機(jī)制形成集聚效應(yīng)[13]，進(jìn)而提高企業(yè)技術(shù)研發(fā)與成果轉(zhuǎn)化效率。同時(shí)，知識(shí)溢出對(duì)突破性創(chuàng)新具有驅(qū)動(dòng)作用[14-15]，體現(xiàn)為以學(xué)術(shù)論文、專利等知識(shí)網(wǎng)絡(luò)為載體的公共知識(shí)溢出過程和以合作伙伴為載體的隱性知識(shí)溢出過程[16]。具有滲透性、跨時(shí)空性的數(shù)字技術(shù)重新界定企業(yè)的邊界，使產(chǎn)業(yè)鏈中企業(yè)主動(dòng)或被迫地獲取與新技術(shù)相關(guān)的知識(shí)，在產(chǎn)業(yè)鏈高度碎片化的基礎(chǔ)上建立知識(shí)與技術(shù)協(xié)同網(wǎng)絡(luò)，帶動(dòng)產(chǎn)業(yè)鏈上企業(yè)的創(chuàng)新研發(fā)與技術(shù)突破。因此，集聚效應(yīng)與知識(shí)溢出效應(yīng)在技術(shù)進(jìn)步過程中的機(jī)制作用值得探討。

技術(shù)進(jìn)步是不斷完善和更迭舊技術(shù)、突破關(guān)鍵核心技術(shù)的過程，在此過程中，企業(yè)數(shù)字化轉(zhuǎn)型聚焦要素與資源，緊密結(jié)合研發(fā)和生產(chǎn)環(huán)節(jié)，采用新技術(shù)、新工藝、新設(shè)備，打造專業(yè)技術(shù)與知識(shí)素養(yǎng)得以提升的人才隊(duì)伍，最終實(shí)現(xiàn)科技創(chuàng)新效率和成果轉(zhuǎn)化效率的提升。新質(zhì)生產(chǎn)力是以科技創(chuàng)新為主導(dǎo)，以突破關(guān)鍵性、顛覆性技術(shù)為目標(biāo)的生產(chǎn)力，是在互聯(lián)網(wǎng)、人工智能、智能制造、現(xiàn)代交通、新能源等戰(zhàn)略性新興產(chǎn)業(yè)推動(dòng)下形成的完善和更迭傳統(tǒng)生產(chǎn)力的生產(chǎn)力，是科技創(chuàng)新、技術(shù)突破的重要體現(xiàn)。新能源等新興產(chǎn)業(yè)實(shí)現(xiàn)技術(shù)進(jìn)步的過程中會(huì)催生、孕育新形態(tài)的新質(zhì)生產(chǎn)力，兩者是相輔相成、相得益彰的關(guān)系。因此本文聚焦企業(yè)技術(shù)創(chuàng)新的關(guān)鍵產(chǎn)出——核心專利分析，結(jié)合使用PageRank算法和HITS算法，構(gòu)建由新能源汽車產(chǎn)業(yè)鏈中企業(yè)間專利與專利的引用關(guān)系、專利與所屬企業(yè)的引用關(guān)系組成的復(fù)合網(wǎng)絡(luò)，由此衡量各企業(yè)的技術(shù)進(jìn)步得分，也是新能源產(chǎn)業(yè)新質(zhì)生產(chǎn)力的體現(xiàn)。

二、數(shù)據(jù)篩選與算法描述

（一）數(shù)據(jù)篩選

根據(jù)IPC專利分類號(hào)，筆者篩選與新能源汽車產(chǎn)業(yè)鏈相關(guān)聯(lián)的專利②，從美國專利及商標(biāo)局（USPTO）、歐洲專利局（EPO）、英國專利局（IPO）、日本專利特許廳（JPO）、韓國特許廳（KIPO）、中國國家知識(shí)產(chǎn)權(quán)局（CNIPA）網(wǎng)站下載專利信息，包括專利ID、專利名稱、專利申請(qǐng)公布號(hào)、申請(qǐng)公布日、專利申請(qǐng)日、專利權(quán)人、引用專利名稱、引用專利申請(qǐng)公布號(hào)、引用專利申請(qǐng)公布日等；然后，根據(jù)專利名稱和被引專利名稱篩選屬于新能源汽車產(chǎn)業(yè)鏈的專利，再與我國A股主板、中小板、創(chuàng)業(yè)板和科創(chuàng)板上市公司數(shù)據(jù)進(jìn)行匹配，得到2010—2021年新能源汽車產(chǎn)業(yè)鏈上市公司觀測(cè)樣本。并對(duì)樣本做如下處理：剔除ST、*ST公司樣本；剔除非上市的客戶樣本；剔除主要變量存在缺失的樣本。最終樣本包括9 833個(gè)公司—年度觀測(cè)值。本文數(shù)據(jù)主要來源于USPTO、EPO、IPO、JPO、KIPO、CNIP六大專利數(shù)據(jù)庫，CSMAR數(shù)據(jù)庫、Wind數(shù)據(jù)庫、中國統(tǒng)計(jì)年鑒和各省統(tǒng)計(jì)年鑒。缺失數(shù)據(jù)通過手工查閱相關(guān)企業(yè)年報(bào)進(jìn)行補(bǔ)充。

（二）企業(yè)技術(shù)進(jìn)步的測(cè)度

PageRank算法和HITS算法的結(jié)合使用可以展現(xiàn)企業(yè)對(duì)創(chuàng)新技術(shù)研發(fā)的資源傾向性，并科學(xué)地估計(jì)產(chǎn)業(yè)鏈中各企業(yè)技術(shù)溢出的傳遞效率，從而反映出從單一企業(yè)到整體產(chǎn)業(yè)鏈中企業(yè)的技術(shù)進(jìn)步情況。具體衡量步驟如下。

第一，考慮專利之間的引用網(wǎng)絡(luò)。PageRank得分向量由Brin和Page[17]首次引入，定義為沿網(wǎng)絡(luò)鏈接的隨機(jī)訪問通過不斷迭代、無論初始值如何，最終收斂于真實(shí)水平的過程。基于此，本文使用PageRank算法對(duì)專利引用網(wǎng)絡(luò)進(jìn)行分析，對(duì)每個(gè)專利的技術(shù)影響力進(jìn)行測(cè)度。在專利引用網(wǎng)絡(luò)中，專利間的引用關(guān)系分為被引專利和施引專利，專利間引用反映了彼此間的技術(shù)相關(guān)性以及認(rèn)可度，某一專利的重要性與被引用次數(shù)、施引專利的重要性、發(fā)布時(shí)間相關(guān)。本文參考Mariani等[18]關(guān)于PageRank算法對(duì)發(fā)布較早的文獻(xiàn)評(píng)分過高現(xiàn)象的調(diào)整，及Walker等[19]提出的CiteRank算法對(duì)舊節(jié)點(diǎn)權(quán)重進(jìn)行處理以盡可能消除偏差的做法，對(duì)PageRank算法的時(shí)效性進(jìn)行修正。在由N個(gè)節(jié)點(diǎn)組成的定向網(wǎng)絡(luò)中，PageRank權(quán)威得分值{pi}可以作為下面一組遞歸線性方程的平穩(wěn)解：

第二，考慮企業(yè)與其所開發(fā)專利之間的歸屬關(guān)系網(wǎng)絡(luò)的測(cè)度。因?yàn)槠髽I(yè)與所屬專利間存在“正反饋”關(guān)系，符合HITS算法中權(quán)威點(diǎn)與樞紐點(diǎn)間相互加強(qiáng)的關(guān)系[24]，因此，本文基于HITS算法，對(duì)專利歸屬網(wǎng)絡(luò)中的企業(yè)與專利進(jìn)行匹對(duì)，獲得企業(yè)層面的專利影響力數(shù)據(jù)。區(qū)別于傳統(tǒng)HITS算法中只有網(wǎng)站節(jié)點(diǎn)的做法，基于企業(yè)與其所開發(fā)專利之間的歸屬關(guān)系網(wǎng)絡(luò)的特殊性，本文進(jìn)行以下說明：為了保證可以快速并正確地達(dá)到收斂值，使用上述PageRank算法計(jì)算的專利影響得分值A(chǔ)score為初始值，嚴(yán)格將網(wǎng)站節(jié)點(diǎn)劃分為樞紐節(jié)點(diǎn)（企業(yè)）和權(quán)威節(jié)點(diǎn)（專利），并使用HITS算法迭代計(jì)算。

其中，通過迭代得到的Ascore值包含了PageRank算法及其改進(jìn)的計(jì)算過程，也包含了對(duì)HITS算法基于企業(yè)與專利所屬網(wǎng)絡(luò)的應(yīng)用過程，是專利間引用關(guān)系網(wǎng)絡(luò)及專利與企業(yè)從屬關(guān)系網(wǎng)絡(luò)的體現(xiàn)，表現(xiàn)為企業(yè)的技術(shù)進(jìn)步指標(biāo)。

三、理論分析和研究假設(shè)

為厘清新質(zhì)生產(chǎn)力培育下數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的影響機(jī)制，本部分參考Melitz[25]和閆強(qiáng)明等[26]的研究構(gòu)建理論模型，探討數(shù)字化轉(zhuǎn)型對(duì)產(chǎn)業(yè)鏈中企業(yè)技術(shù)進(jìn)步的影響效應(yīng)及作用機(jī)制。

（一）需求

（二）生產(chǎn)

（三）技術(shù)進(jìn)步

DPP體現(xiàn)為數(shù)字化轉(zhuǎn)型通過數(shù)字化平臺(tái)和數(shù)字貿(mào)易窗口發(fā)揮資源配置效應(yīng)，強(qiáng)化企業(yè)間信息獲取能力，降低企業(yè)吸收產(chǎn)業(yè)鏈上關(guān)聯(lián)企業(yè)知識(shí)資源的成本，提升產(chǎn)業(yè)鏈中企業(yè)的創(chuàng)新研發(fā)效率和成果轉(zhuǎn)化效率，突破關(guān)鍵核心卡脖子技術(shù)的研發(fā)，助力各企業(yè)專利引用網(wǎng)絡(luò)的快速形成；DPF體現(xiàn)為數(shù)字化轉(zhuǎn)型促進(jìn)數(shù)字技術(shù)與企業(yè)生產(chǎn)研發(fā)流程的緊密結(jié)合，帶來企業(yè)間知識(shí)資源的滲透和溢出，形成產(chǎn)業(yè)鏈上企業(yè)間彼此信任、相互聯(lián)系的穩(wěn)定關(guān)系網(wǎng)絡(luò)，依托網(wǎng)絡(luò)集聚效應(yīng)和知識(shí)溢出效應(yīng)發(fā)揮數(shù)字技術(shù)關(guān)聯(lián)優(yōu)勢(shì)促進(jìn)企業(yè)生產(chǎn)差異化產(chǎn)品，促進(jìn)專利與企業(yè)的匹配網(wǎng)絡(luò)的建立。根據(jù)以上分析提出假設(shè)1。

假設(shè)1：新質(zhì)生產(chǎn)力培育下的企業(yè)數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)間專利引用網(wǎng)絡(luò)的快速形成、專利與企業(yè)的匹配網(wǎng)絡(luò)的建立，正向影響企業(yè)技術(shù)進(jìn)步。

僅靠企業(yè)內(nèi)部的努力很難實(shí)現(xiàn)整體產(chǎn)業(yè)鏈的技術(shù)進(jìn)步，新質(zhì)生產(chǎn)力的培育依賴于新能源汽車產(chǎn)業(yè)的科技創(chuàng)新體系。在創(chuàng)新過程中，外部技術(shù)的流入對(duì)提高企業(yè)的創(chuàng)新能力起著重要作用[27]，企業(yè)通過集聚網(wǎng)絡(luò)實(shí)現(xiàn)有形和無形的合作，同時(shí)也形成良性競(jìng)爭(zhēng)優(yōu)勢(shì)[28]。一方面通過企業(yè)集聚網(wǎng)絡(luò)，研究人員將企業(yè)自身資源與網(wǎng)絡(luò)中資源匯集在一起產(chǎn)生有效新知識(shí)、得到創(chuàng)新新啟發(fā)，同時(shí)避免利用冗余知識(shí)，加速企業(yè)創(chuàng)新成果研發(fā)及轉(zhuǎn)化，拓展生產(chǎn)新邊界、催生生產(chǎn)新空間，夯實(shí)新質(zhì)生產(chǎn)力的發(fā)展基礎(chǔ)，形成自己的競(jìng)爭(zhēng)優(yōu)勢(shì)；另一方面，一條產(chǎn)業(yè)鏈上涉及多個(gè)行業(yè)、多個(gè)層次，企業(yè)構(gòu)建集聚網(wǎng)絡(luò)自愿交換研究伙伴，共享和再開發(fā)知識(shí)、技術(shù)或服務(wù)，促成在不同層次上的創(chuàng)新研究，以追求雙贏的研發(fā)目標(biāo)。企業(yè)的數(shù)字化轉(zhuǎn)型降低集聚網(wǎng)絡(luò)構(gòu)建的信息成本，為企業(yè)分擔(dān)風(fēng)險(xiǎn)、資源節(jié)約、獲得新能力提供更多機(jī)會(huì)，通過發(fā)揮集聚網(wǎng)絡(luò)效應(yīng)提升整體產(chǎn)業(yè)鏈的動(dòng)態(tài)技術(shù)進(jìn)步能力、新質(zhì)生產(chǎn)力孕育能力和探索性優(yōu)勢(shì)。為刻畫企業(yè)數(shù)字化轉(zhuǎn)型帶來的網(wǎng)絡(luò)集聚效應(yīng)，參考韓峰和姜竹青[12]的研究，本文構(gòu)建了以下企業(yè)集聚網(wǎng)絡(luò)指標(biāo)（eanφt）：

數(shù)字化轉(zhuǎn)型促使網(wǎng)絡(luò)化、智能化的數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)融合，加速技術(shù)、信息、知識(shí)等資源的轉(zhuǎn)移和擴(kuò)散，形成打破時(shí)空界限的知識(shí)溢出效應(yīng)，奠定新質(zhì)生產(chǎn)力和技術(shù)進(jìn)步的創(chuàng)新基礎(chǔ)。一方面，企業(yè)的創(chuàng)新水平既取決于自身技術(shù)創(chuàng)造的內(nèi)在能力，也取決于吸收外部知識(shí)的能力。申請(qǐng)專利是最好、最有效吸收溢出效應(yīng)的方式，申請(qǐng)的專利越多，就越可能從外部知識(shí)溢出效應(yīng)中獲益[29]。企業(yè)數(shù)字化轉(zhuǎn)型帶來數(shù)字基礎(chǔ)設(shè)施的完善、政策方案的鼓勵(lì)，吸引相關(guān)產(chǎn)業(yè)鏈企業(yè)的落地和人才流入，不僅有助于產(chǎn)業(yè)鏈上企業(yè)從相似企業(yè)引進(jìn)或?qū)W習(xí)先進(jìn)技術(shù)，也促使企業(yè)從上下游不同行業(yè)企業(yè)中得到啟發(fā)，改善企業(yè)內(nèi)部、產(chǎn)業(yè)鏈上人員的知識(shí)結(jié)構(gòu)，使企業(yè)能夠更好地將新研發(fā)技術(shù)與企業(yè)原有技術(shù)體系融合，有助于構(gòu)建企業(yè)間專利引用網(wǎng)絡(luò)。另一方面，研發(fā)人員的流動(dòng)在地理空間中的集聚是產(chǎn)生知識(shí)溢出的重要形式[30]。數(shù)字化轉(zhuǎn)型推動(dòng)產(chǎn)業(yè)鏈上企業(yè)間的人員流動(dòng)，縮短不同企業(yè)以及企業(yè)內(nèi)部員工之間的距離，降低信息交流成本，促進(jìn)知識(shí)和技術(shù)的流動(dòng)并產(chǎn)生知識(shí)溢出效應(yīng)。通過企業(yè)間人際互動(dòng)尋求和分享知識(shí)與技術(shù)，促進(jìn)產(chǎn)業(yè)關(guān)聯(lián)企業(yè)之間的合作，推動(dòng)企業(yè)合作搭建和共享數(shù)字化平臺(tái)，分散創(chuàng)新研發(fā)風(fēng)險(xiǎn)和成果轉(zhuǎn)化成本，構(gòu)建企業(yè)與創(chuàng)新專利之間的關(guān)系網(wǎng)絡(luò)。

四、模型設(shè)定和變量說明

（一）研究模型

結(jié)合數(shù)字化轉(zhuǎn)型影響新能源汽車產(chǎn)業(yè)鏈企業(yè)技術(shù)進(jìn)步的文獻(xiàn)及理論分析，為了考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的影響機(jī)制，本文構(gòu)建如下計(jì)量模型：

（二）變量說明與描述性統(tǒng)計(jì)

1.變量說明

（1）被解釋變量。由第二部分的模型測(cè)算得到企業(yè)技術(shù)進(jìn)步（scoreit），其中，scoreit值越大，表明企業(yè)的專利引用關(guān)系網(wǎng)絡(luò)越發(fā)達(dá)、企業(yè)所引用的專利越重要。

（2）核心解釋變量。本文的解釋變量為新能源汽車產(chǎn)業(yè)鏈相關(guān)企業(yè)數(shù)字化轉(zhuǎn)型程度（dig）。參考趙宸宇等[31]采用的文本分析法，使用Python結(jié)合自然語言處理與文本特征分析，對(duì)上市企業(yè)年報(bào)進(jìn)行關(guān)鍵詞提取，從數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造、現(xiàn)代信息系統(tǒng)四個(gè)維度對(duì)99個(gè)數(shù)字化相關(guān)關(guān)鍵詞進(jìn)行統(tǒng)計(jì)整理，并使用這些關(guān)鍵詞出現(xiàn)的頻次度量企業(yè)數(shù)字化發(fā)展程度?？紤]到年報(bào)文本長度的差異，在提取得到上市公司每年年報(bào)中各個(gè)關(guān)鍵詞的出現(xiàn)頻率后，本文采用企業(yè)數(shù)字化相關(guān)詞匯頻數(shù)總和除以年報(bào)的中英文文本總長度以衡量微觀企業(yè)數(shù)字化程度；為了與其他變量保持?jǐn)?shù)量級(jí)一致，本文將該指標(biāo)乘以1 000，得到最終的數(shù)字化轉(zhuǎn)型程度（dig）。

（3）機(jī)制變量的測(cè)算。本文主要檢驗(yàn)企業(yè)集聚網(wǎng)絡(luò)和知識(shí)溢出的影響機(jī)制的作用。上文第三部分已對(duì)企業(yè)集聚網(wǎng)絡(luò)進(jìn)行測(cè)度。對(duì)知識(shí)溢出的測(cè)度參考孫偉增和郭冬梅[32]的方法，計(jì)算各行業(yè)與數(shù)字行業(yè)的投入產(chǎn)出關(guān)系，用來反映其與數(shù)字行業(yè)之間的聯(lián)系，并參考孫偉增[4]的研究，使用上市公司與數(shù)字化領(lǐng)域企業(yè)合作申請(qǐng)專利的數(shù)據(jù)來衡量數(shù)字知識(shí)溢出效應(yīng)。

（4）控制變量。為控制其他可能影響產(chǎn)業(yè)鏈技術(shù)進(jìn)步的因素，參考楊金玉等[33]對(duì)數(shù)字化轉(zhuǎn)型影響供應(yīng)鏈決策和李云鶴等[34]對(duì)數(shù)字化轉(zhuǎn)型在供應(yīng)鏈中擴(kuò)散作用的研究，本文圍繞企業(yè)財(cái)務(wù)指標(biāo)與企業(yè)性質(zhì)選取了7個(gè)控制變量：企業(yè)規(guī)模（size），為企業(yè)就業(yè)人數(shù)的對(duì)數(shù)；總資產(chǎn)凈利潤率（roa），以企業(yè)利潤在總資產(chǎn)中的比重表示；股權(quán)集中度（top5），以企業(yè)前五大股東持股比例來表示；資產(chǎn)結(jié)構(gòu)（as），用固定資產(chǎn)凈額和存貨凈額之和與總資產(chǎn)的比值來衡量；流動(dòng)比率（cr），為流動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比率；營業(yè)成本率（oc），為營業(yè)成本與營業(yè)收入的比率；財(cái)務(wù)杠桿率（fl），為負(fù)債總額與資產(chǎn)總額的比率。

2.描述性統(tǒng)計(jì)

五、實(shí)證結(jié)果及分析

（一）基準(zhǔn)回歸結(jié)果

基于公式（18），表2匯報(bào)了新能源汽車產(chǎn)業(yè)鏈中企業(yè)數(shù)字化轉(zhuǎn)型與技術(shù)進(jìn)步關(guān)系的回歸結(jié)果，結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型（dig）與技術(shù)進(jìn)步（score）有顯著的正相關(guān)關(guān)系。第（2）（4）列引入了控制變量，第（3）（4）列在其他列的基礎(chǔ)上控制了企業(yè)固定效應(yīng)、省份固定效應(yīng)，結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型程度（dig）與產(chǎn)業(yè)鏈中企業(yè)技術(shù)進(jìn)步（score）有顯著的正相關(guān)關(guān)系，dig每增加1%，產(chǎn)業(yè)鏈中企業(yè)技術(shù)進(jìn)步提升0.238 0%。表2的固定效應(yīng)模型回歸結(jié)果初步驗(yàn)證了假設(shè)1，即數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)技術(shù)進(jìn)步的提升。可能的原因是，數(shù)字技術(shù)依托其滲透性、協(xié)同性和外部性優(yōu)勢(shì)，發(fā)揮資源配置效應(yīng)，提升獲取外部資源和信息的效率，促進(jìn)企業(yè)間形成更為穩(wěn)定的社會(huì)關(guān)系網(wǎng)絡(luò)，企業(yè)通過搭建數(shù)字技術(shù)合作平臺(tái)以發(fā)揮企業(yè)間的協(xié)同合作，加速大數(shù)據(jù)產(chǎn)業(yè)集聚和數(shù)字人才集聚，促使企業(yè)間專利引用關(guān)系網(wǎng)絡(luò)、企業(yè)與專利正反饋網(wǎng)絡(luò)的構(gòu)建，加速推動(dòng)新質(zhì)生產(chǎn)力的形成，帶來技術(shù)進(jìn)步。

（二）穩(wěn)健性檢驗(yàn)

為增強(qiáng)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)新能源汽車產(chǎn)業(yè)鏈企業(yè)技術(shù)進(jìn)步正向影響的基準(zhǔn)回歸結(jié)果的可信性，本文從變量重估、樣本選擇、負(fù)二項(xiàng)回歸和控制城市的時(shí)間趨勢(shì)差異等角度進(jìn)行穩(wěn)健性檢驗(yàn)。

第一，變量重估。分別對(duì)企業(yè)數(shù)字化轉(zhuǎn)型、技術(shù)進(jìn)步指標(biāo)度量的穩(wěn)健性進(jìn)行檢驗(yàn)。對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型度量的穩(wěn)健性，參考吳非等[35]的做法，對(duì)數(shù)字化轉(zhuǎn)型水平變量進(jìn)行重新評(píng)估，對(duì)上市公司年報(bào)中包括人工智能技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)、數(shù)字技術(shù)、區(qū)塊鏈技術(shù)的五個(gè)維度76個(gè)數(shù)字化相關(guān)詞頻進(jìn)行重新統(tǒng)計(jì)，以檢驗(yàn)實(shí)證結(jié)論的穩(wěn)健性，回歸結(jié)果見表3列（1）。對(duì)于技術(shù)進(jìn)步指標(biāo)度量的穩(wěn)健性，采用以下兩種方法：一是使用樣本企業(yè)各年度的專利申請(qǐng)數(shù)；二是參考Walker等[19]的研究，PageRank的性能行為在τ=1時(shí)也比較優(yōu)秀，因此使用參數(shù)：α=0.5和τ=1年，重新測(cè)度專利引用得分并作為技術(shù)進(jìn)步指標(biāo)?；貧w結(jié)果見表3列（2）—（3）。

第二，樣本選擇。一是截尾樣本選擇。表2是基于上市公司全樣本的回歸結(jié)果，為了解決可能存在極端值導(dǎo)致估計(jì)結(jié)果存在偏誤的問題，對(duì)樣本進(jìn)行截尾處理：剔除技術(shù)進(jìn)步指標(biāo)最大的前1%和最小的前1%，結(jié)果見表3列（4）。二是拓展樣本選擇。2016年10月8日，國家發(fā)展改革委、工業(yè)和信息化部、中央網(wǎng)信辦發(fā)函同意在京津冀等七個(gè)區(qū)域推進(jìn)國家大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)③。依托國家戰(zhàn)略政策，大數(shù)據(jù)試驗(yàn)區(qū)更加注重?cái)?shù)據(jù)要素流通、基礎(chǔ)設(shè)施完善和公共服務(wù)健全，資源整合效率更高，數(shù)字化轉(zhuǎn)型表現(xiàn)可能更好。因此，選擇2016—2021年的樣本進(jìn)行回歸，結(jié)果見表3列（5）。

第三，使用固定效應(yīng)負(fù)二項(xiàng)回歸。本文被解釋變量是關(guān)鍵詞出現(xiàn)次數(shù)，也可以使用計(jì)數(shù)模型來進(jìn)行估計(jì)。本文使用固定效應(yīng)負(fù)二項(xiàng)回歸模型進(jìn)行回歸，結(jié)果見表3列（6）。

第四，考慮到各個(gè)城市隨著時(shí)間變化的一些因素也可能對(duì)企業(yè)數(shù)字化水平產(chǎn)生影響，本文加入城市固定效應(yīng)與時(shí)間趨勢(shì)的交乘項(xiàng)以控制各個(gè)城市的時(shí)間趨勢(shì)差異，結(jié)果見表3列（7）。

通過以上穩(wěn)健性檢驗(yàn)，回歸結(jié)果與表2所顯示結(jié)果基本一致，表明本文的變量選擇、樣本選擇較為穩(wěn)健，可以認(rèn)為新能源汽車產(chǎn)業(yè)鏈中企業(yè)數(shù)字化轉(zhuǎn)型至少在10%水平下顯著提升了技術(shù)進(jìn)步，有效地驗(yàn)證了假設(shè)1。

（三）內(nèi)生性問題處理

本文采用以下四種方式緩解潛在的內(nèi)生性問題：第一，反向因果問題可能引起模型的內(nèi)生性問題，即較強(qiáng)技術(shù)進(jìn)步可能會(huì)反過來推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。為了解決這一問題，借鑒陳愛貞等[36]的做法，對(duì)核心解釋變量和控制變量進(jìn)行滯后一期處理，結(jié)果見表4列（1）。第二，GMM模型可以在一定程度上減少模型的內(nèi)生性，表4列（2）的回歸結(jié)果顯示，文章運(yùn)用差分GMM廣義矩估計(jì)所得變量符號(hào)及顯著性符合假設(shè)要求。第三，使用工具變量的兩階段最小二乘法（2SLS）。一是參考李治國和王杰[37]的研究，選擇各省域1984年郵局?jǐn)?shù)和固定電話數(shù)作為數(shù)字化轉(zhuǎn)型的工具變量，并借鑒黃群慧等[38]的思路，創(chuàng)建1984年各省市固定電話數(shù)、郵局?jǐn)?shù)乘以各省互聯(lián)網(wǎng)端口數(shù)分別為本文的工具變量iv1和iv2，將微觀上市公司數(shù)據(jù)以省市聚類，回歸結(jié)果見表4列（3）—（6）。二是參考韓峰等[12]的研究，建立各城市海拔乘以全國層面企業(yè)數(shù)字化轉(zhuǎn)型均值產(chǎn)生的交互項(xiàng)作為工具變量iv3進(jìn)行內(nèi)生性檢驗(yàn)，回歸結(jié)果見表4列（7）—（8）。Cragg-Donald Wald F統(tǒng)計(jì)量和Kleibergen-Paap rk Wald F統(tǒng)計(jì)量表明工具變量與潛在內(nèi)生變量具有相關(guān)性，且拒絕了識(shí)別不足的原假設(shè)，工具變量選取合理。第一階段的回歸結(jié)果驗(yàn)證了工具變量的相關(guān)性，第二階段所得結(jié)果與基準(zhǔn)回歸結(jié)果基本一致。在解決部分內(nèi)生性問題后，各回歸結(jié)果同樣驗(yàn)證了文章假設(shè)，即企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)進(jìn)步有提升作用，再次驗(yàn)證假設(shè)1。

（四）異質(zhì)性分析

企業(yè)數(shù)字化轉(zhuǎn)型在新能源汽車產(chǎn)業(yè)鏈技術(shù)進(jìn)步層面的影響效應(yīng)可能會(huì)受到行業(yè)特征、企業(yè)特征等方面的影響，下文分別展開討論。

1.區(qū)分行業(yè)特征

（1）不同行業(yè)的影響。不同行業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程、技術(shù)創(chuàng)新水平及企業(yè)間協(xié)同發(fā)展?fàn)顩r存在差異，新質(zhì)生產(chǎn)力的培育狀態(tài)也有所差異。因此篩選出新能源汽車產(chǎn)業(yè)鏈中558條④、行業(yè)代碼為I的579條及行業(yè)代碼為C的7 831條年份—企業(yè)數(shù)據(jù)分別為生產(chǎn)性服務(wù)業(yè)、信息技術(shù)業(yè)和制造業(yè)分組樣本，回歸結(jié)果見表5的行業(yè)分類部分，結(jié)果發(fā)現(xiàn)：生產(chǎn)性服務(wù)業(yè)的企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其技術(shù)進(jìn)步的影響不顯著但為正向，信息技術(shù)業(yè)的企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的提升作用最顯著。這可能是因?yàn)椋a(chǎn)性服務(wù)業(yè)深度融合制造業(yè)和服務(wù)業(yè)，一般處于產(chǎn)業(yè)鏈中高端核心環(huán)節(jié)，數(shù)字技術(shù)發(fā)展早、水平高，早已滲透入企業(yè)研發(fā)創(chuàng)新環(huán)節(jié)；而信息制造業(yè)對(duì)數(shù)字化轉(zhuǎn)型要求高，從產(chǎn)品設(shè)計(jì)到用戶需求信息共享都依賴于數(shù)字化的整合資源、協(xié)同企業(yè)關(guān)系等能力，因此數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)進(jìn)步的促進(jìn)作用尤為顯著。

（2）不同行業(yè)要素密集度的影響。不同行業(yè)由于要素配置、產(chǎn)業(yè)鏈模式等有所不同，其創(chuàng)新研發(fā)和成果轉(zhuǎn)化的模式及對(duì)數(shù)字技術(shù)的敏感度也存在較大差異。例如，機(jī)械、電子電池等以機(jī)器設(shè)備和生產(chǎn)技術(shù)作為核心生產(chǎn)力的行業(yè)，對(duì)于數(shù)字化轉(zhuǎn)型特別是高層次數(shù)字技術(shù)應(yīng)用的需求更為敏感；而紡織、家具、零部件制造等以勞動(dòng)要素投入為主的行業(yè)，對(duì)于數(shù)字化發(fā)展帶來的影響效應(yīng)不夠敏感。因此，根據(jù)中國證券監(jiān)督管理委員會(huì)公布的《2019年4季度上市公司行業(yè)分類結(jié)果》，將樣本企業(yè)分為勞動(dòng)密集型、技術(shù)密集型⑤和資本密集型⑥三組，回歸結(jié)果見表5的行業(yè)要素密集度部分?？梢钥闯?，數(shù)字化轉(zhuǎn)型對(duì)技術(shù)密集型和資本密集型行業(yè)的技術(shù)進(jìn)步都具有顯著的促進(jìn)作用，但對(duì)勞動(dòng)密集型行業(yè)的影響較小且在統(tǒng)計(jì)上不顯著。這可能是因?yàn)椋Y本和技術(shù)密集型行業(yè)由于技術(shù)水平較高，專利研發(fā)和引用關(guān)系更活躍，受數(shù)字技術(shù)的網(wǎng)絡(luò)集聚效益和知識(shí)溢出效應(yīng)影響更大，而勞動(dòng)密集型行業(yè)本身的研發(fā)需求低，數(shù)字化轉(zhuǎn)型程度與技術(shù)進(jìn)步關(guān)聯(lián)性差。

2.區(qū)分企業(yè)特征

考慮到企業(yè)數(shù)字化轉(zhuǎn)型會(huì)受到企業(yè)規(guī)模大小的影響[39]，本文參考孫偉增等[4]的研究，使用資產(chǎn)規(guī)模作為企業(yè)規(guī)模的度量指標(biāo)，并根據(jù)中位數(shù)將企業(yè)劃分為規(guī)模較大的企業(yè)和規(guī)模較小的企業(yè)兩組。從表6企業(yè)規(guī)模部分的結(jié)果看，數(shù)字化轉(zhuǎn)型更有利于促進(jìn)小規(guī)模企業(yè)的技術(shù)進(jìn)步，對(duì)大規(guī)模企業(yè)的技術(shù)進(jìn)步影響不顯著。這可能是因?yàn)?，較大規(guī)模企業(yè)在研發(fā)投入、人才和技術(shù)儲(chǔ)備方面擁有一定的優(yōu)勢(shì)，具備獨(dú)立自主提升數(shù)字化程度、打造一體化數(shù)字平臺(tái)的能力，因此，其研發(fā)和創(chuàng)新受數(shù)字化轉(zhuǎn)型發(fā)展影響相對(duì)較?。欢?guī)模較小企業(yè)的資源有限，其創(chuàng)新成果的研發(fā)與轉(zhuǎn)化更需要企業(yè)數(shù)字化轉(zhuǎn)型帶來的網(wǎng)絡(luò)集聚效益和知識(shí)溢出效應(yīng)。

專利中凝結(jié)著高價(jià)值的創(chuàng)新要素和知識(shí)產(chǎn)出，吸收能力不同的企業(yè)對(duì)蘊(yùn)含在專利中的新知識(shí)和新技術(shù)吸收、掌握、轉(zhuǎn)化和應(yīng)用的能力會(huì)有所差異。借鑒趙麗和胡植堯[40]的研究，本文用研發(fā)支出與營業(yè)收入的比重來衡量企業(yè)吸收能力，并依據(jù)中位數(shù)將樣本劃分為兩組。從表6企業(yè)吸收能力部分來看，高吸收能力企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步影響更為顯著。這可能是因?yàn)?，較強(qiáng)的吸收能力有助于企業(yè)學(xué)習(xí)新的知識(shí)和技術(shù)，并加速與現(xiàn)有知識(shí)、技術(shù)的同化與整合，最大限度地利用數(shù)字知識(shí)與技術(shù)開發(fā)新產(chǎn)品、申請(qǐng)新專利，更有利于形成企業(yè)間穩(wěn)定的關(guān)系網(wǎng)絡(luò)，提高企業(yè)創(chuàng)新效率和成果產(chǎn)出效率。

六、數(shù)字化轉(zhuǎn)型影響產(chǎn)業(yè)鏈企業(yè)技術(shù)進(jìn)步的機(jī)制檢驗(yàn)根據(jù)前文理論分析可知，網(wǎng)絡(luò)集聚和知識(shí)溢出在數(shù)字化轉(zhuǎn)型調(diào)節(jié)企業(yè)技術(shù)進(jìn)步過程中發(fā)揮機(jī)制作用，因此本部分進(jìn)一步通過實(shí)證檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)新能源汽車產(chǎn)業(yè)鏈中企業(yè)技術(shù)進(jìn)步的影響機(jī)制。

（一）網(wǎng)絡(luò)集聚效應(yīng)

結(jié)合文章第三部分的理論分析及測(cè)算步驟，在文章的基準(zhǔn)回歸模型中加入新能源汽車產(chǎn)業(yè)鏈中企業(yè)數(shù)據(jù)測(cè)算的集聚網(wǎng)絡(luò)變量及數(shù)字化轉(zhuǎn)型與集聚網(wǎng)絡(luò)交互項(xiàng)進(jìn)行回歸，回歸結(jié)果見表7。列（3）—（4）相比其他列加入了控制變量，結(jié)果表明企業(yè)集聚網(wǎng)絡(luò)及交互項(xiàng)的系數(shù)均顯著為正，說明數(shù)字化轉(zhuǎn)型通過形成企業(yè)間集聚網(wǎng)絡(luò)促進(jìn)企業(yè)實(shí)現(xiàn)有形和無形的合作，匯聚資源產(chǎn)生新知識(shí)，加速企業(yè)創(chuàng)新成果研發(fā)及轉(zhuǎn)化，促成產(chǎn)業(yè)鏈上涉及多個(gè)行業(yè)、多個(gè)層次上的創(chuàng)新協(xié)同研究，發(fā)揮集聚網(wǎng)絡(luò)效應(yīng)促進(jìn)專利間引用網(wǎng)絡(luò)的建立。以上結(jié)論驗(yàn)證了文章的假設(shè)2。

（二）知識(shí)溢出效應(yīng)

使用投入產(chǎn)出表計(jì)算產(chǎn)業(yè)鏈中各行業(yè)與數(shù)字行業(yè)的投入產(chǎn)出關(guān)系，可以反映數(shù)字知識(shí)的溢出聯(lián)系[32]。本文基于2012年全國投入產(chǎn)出表，利用新能源汽車產(chǎn)業(yè)鏈中的企業(yè)數(shù)據(jù)與行業(yè)代碼進(jìn)行匹配并構(gòu)造交互項(xiàng)來反映數(shù)字化知識(shí)溢出的影響。其中，數(shù)字行業(yè)來自行業(yè)i的投入品比例為投入關(guān)系（input），運(yùn)用于行業(yè)i的產(chǎn)品比例為產(chǎn)出關(guān)系（output），回歸結(jié)果見表8第（1）—（2）列，兩個(gè)交互項(xiàng)的系數(shù)均顯著為正。進(jìn)一步，企業(yè)間的合作增加是知識(shí)溢出的具體表現(xiàn)之一[41]。因此，本文使用上市公司與數(shù)字化領(lǐng)域企業(yè)合作申請(qǐng)專利的數(shù)據(jù)來檢驗(yàn)數(shù)字化轉(zhuǎn)型帶來的知識(shí)溢出效應(yīng)。從中國知識(shí)產(chǎn)權(quán)局中篩選出前文所述的新能源汽車產(chǎn)業(yè)鏈的企業(yè)，參考孫偉增等[4]的做法，根據(jù)新能源汽車產(chǎn)業(yè)鏈上企業(yè)的專利ID、專利名稱、專利權(quán)人相關(guān)信息，將包含有相關(guān)關(guān)鍵詞⑦的企業(yè)定義為數(shù)字化領(lǐng)域企業(yè)。構(gòu)建是否與數(shù)字化領(lǐng)域企業(yè)合作（if）、合作申請(qǐng)專利數(shù)量（co）、合作申請(qǐng)專利占總專利的比例（sc）三個(gè)指標(biāo)，并構(gòu)造交互項(xiàng)，來反映產(chǎn)業(yè)鏈上企業(yè)受到知識(shí)溢出效應(yīng)的影響情況，回歸結(jié)果見表8第（3）—（5）列，三個(gè)交互項(xiàng)的系數(shù)均顯著為正。以上分析證實(shí)了文章的假設(shè)3，即數(shù)字化轉(zhuǎn)型通過數(shù)字知識(shí)溢出效應(yīng)顯著促進(jìn)了各企業(yè)的技術(shù)進(jìn)步，助力了專利網(wǎng)絡(luò)的建立。

（三）進(jìn)一步分析

在大數(shù)據(jù)試驗(yàn)區(qū)政策支持下，數(shù)字化補(bǔ)貼范圍和補(bǔ)貼力度得以增加，改善了數(shù)字化基礎(chǔ)設(shè)施建設(shè)，數(shù)字化企業(yè)和人才得以更好地集聚。為了進(jìn)一步檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)進(jìn)步的影響，選擇推進(jìn)國家大數(shù)據(jù)綜合試驗(yàn)區(qū)的各城市作為實(shí)驗(yàn)組，未推進(jìn)的城市為對(duì)照組，使用雙重差分法檢驗(yàn)數(shù)字化轉(zhuǎn)型的影響。參考王小龍和許敬軒[42]、徐舒等[43]關(guān)于政策實(shí)施與否對(duì)研究對(duì)象影響的研究，使用雙重差分法對(duì)模型進(jìn)行估計(jì)[44]，構(gòu)建DID雙向固定效應(yīng)模型如下：

為了驗(yàn)證雙重差分模型的合理性，下面進(jìn)行穩(wěn)健性檢驗(yàn)。第一，進(jìn)行平行趨勢(shì)檢驗(yàn)。本文所使用雙重差分識(shí)別策略的前提假設(shè)是，在沒有國家大數(shù)據(jù)綜合試驗(yàn)區(qū)推行的情況下，入選城市與沒有入選城市在技術(shù)進(jìn)步方面有相同的變化趨勢(shì)，回歸結(jié)果見表11列（1）。第二，該政策的評(píng)選標(biāo)準(zhǔn)是國家選定、由城市的整體特征決定，并不受其中某個(gè)城市或某個(gè)企業(yè)的影響。本文加入了可以影響城市能否入選的指標(biāo)，來檢驗(yàn)是否因?yàn)橐恍o法觀測(cè)的因素影響了城市入選。因此，在模型中進(jìn)一步控制了網(wǎng)絡(luò)和移動(dòng)通信的普及率，參考王天堯等[44]的研究，用城市在2013年的互聯(lián)網(wǎng)寬帶用戶數(shù)來衡量網(wǎng)絡(luò)的普及率，并在回歸中加入其與時(shí)間趨勢(shì)的交互項(xiàng)，結(jié)果如表11列（2）。第三，為了檢驗(yàn)控制組和政策影響組的分組是隨機(jī)的，使用前文的工具變量來替代政策變量，解決因?yàn)榉纸M非隨機(jī)導(dǎo)致的內(nèi)生性問題，檢驗(yàn)結(jié)果如表11列（3）。由以上穩(wěn)健性檢驗(yàn)得知，本文的雙重差分模型回歸是穩(wěn)健的，假設(shè)1得到證實(shí)的事實(shí)是合理的。

七、結(jié)論與政策建議

在加快培育新質(zhì)生產(chǎn)力目標(biāo)下，本文把數(shù)字化轉(zhuǎn)型、技術(shù)進(jìn)步納入到統(tǒng)一理論分析框架下，綜合分析了數(shù)字化轉(zhuǎn)型在提升企業(yè)技術(shù)進(jìn)步中的集聚效應(yīng)和知識(shí)溢出效應(yīng)，并使用專利數(shù)據(jù)和中國新能源汽車產(chǎn)業(yè)鏈相關(guān)企業(yè)數(shù)據(jù)，構(gòu)造了微觀層面企業(yè)數(shù)字化轉(zhuǎn)型、技術(shù)進(jìn)步、機(jī)制變量測(cè)度指標(biāo)，進(jìn)一步實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的影響關(guān)系及其中的作用機(jī)制。研究表明：新能源汽車產(chǎn)業(yè)鏈中企業(yè)的數(shù)字化轉(zhuǎn)型可以促進(jìn)其技術(shù)進(jìn)步，且因行業(yè)、企業(yè)特征等方面的影響作用效果不同，尤其在信息技術(shù)業(yè)和制造業(yè)行業(yè)、技術(shù)密集型和資本密集型行業(yè)、小規(guī)模企業(yè)、高吸收能力企業(yè)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步的提升作用更大；基準(zhǔn)回歸檢驗(yàn)證實(shí)了文章理論分析，數(shù)字化轉(zhuǎn)型顯著正向促進(jìn)新能源汽車產(chǎn)業(yè)鏈中企業(yè)的技術(shù)進(jìn)步，穩(wěn)健性檢驗(yàn)證實(shí)了基準(zhǔn)回歸的可信性，內(nèi)生性處理保證了參數(shù)估計(jì)的一致性；構(gòu)建交互項(xiàng)證實(shí)企業(yè)集聚網(wǎng)絡(luò)和知識(shí)溢出的機(jī)制影響作用，且雙重差分結(jié)果顯示得到國家政策支持地區(qū)的企業(yè)數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步有顯著提升作用。

基于本文研究結(jié)論，提出以下政策建議：

第一，推進(jìn)數(shù)字化發(fā)展戰(zhàn)略，加快數(shù)字技術(shù)在企業(yè)生產(chǎn)、經(jīng)營等活動(dòng)中的融合和滲透，從而提升企業(yè)研發(fā)創(chuàng)新能力和成果轉(zhuǎn)化效率；完善數(shù)字基礎(chǔ)設(shè)施建設(shè)，打造有利于數(shù)字技術(shù)和知識(shí)溢出、企業(yè)間集聚網(wǎng)絡(luò)融合發(fā)展的外部環(huán)境，形成企業(yè)自身競(jìng)爭(zhēng)優(yōu)勢(shì)的同時(shí)，借助數(shù)字化平臺(tái)加快產(chǎn)業(yè)鏈上企業(yè)新技術(shù)產(chǎn)品投入上下游生產(chǎn)各環(huán)節(jié)，形成數(shù)字化轉(zhuǎn)型進(jìn)程下面向世界的新能源汽車產(chǎn)業(yè)鏈高技術(shù)集群。

第二，強(qiáng)化新質(zhì)生產(chǎn)力功能取向，以新能源汽車等戰(zhàn)略性新興產(chǎn)業(yè)為主要載體，扭住自主創(chuàng)新這個(gè)“牛鼻子”，推動(dòng)技術(shù)迭代升級(jí)。提高政府與市場(chǎng)創(chuàng)新協(xié)同能力，充分發(fā)揮產(chǎn)業(yè)鏈上企業(yè)的主力軍作用，以相關(guān)政策為打造創(chuàng)新生態(tài)系統(tǒng)、優(yōu)化科技創(chuàng)新體制機(jī)制注入新的活力。聚焦新能源汽車的綠色低碳技術(shù)及關(guān)鍵核心技術(shù)，以政府稅收政策、人才政策為基礎(chǔ)，構(gòu)建新能源汽車的綠色產(chǎn)業(yè)鏈、突破堵點(diǎn)卡點(diǎn)的技術(shù)體系，培育體現(xiàn)綠色發(fā)展理念、以創(chuàng)新為動(dòng)力的新質(zhì)生產(chǎn)力。

第三，強(qiáng)化國內(nèi)具有領(lǐng)跑地位的比亞迪、廣汽、長安、長城等新能源汽車產(chǎn)業(yè)鏈企業(yè)的技術(shù)領(lǐng)先地位，以政府及行業(yè)協(xié)會(huì)提供的相關(guān)政策支持與公共服務(wù)，輻射帶動(dòng)整條產(chǎn)業(yè)鏈上企業(yè)間技術(shù)創(chuàng)新的正反饋良性循環(huán)。重視電動(dòng)汽車、充電樁、電池的更新研發(fā)及電機(jī)、零部件的創(chuàng)新?lián)Q代，加大研發(fā)投入促進(jìn)技術(shù)成果轉(zhuǎn)換，有針對(duì)性地開拓國內(nèi)城市、農(nóng)村市場(chǎng)，更深入、廣闊地開拓國外市場(chǎng)，形成國內(nèi)新能源汽車的品牌效應(yīng)，提升各大經(jīng)濟(jì)體對(duì)華市場(chǎng)的依存度，穩(wěn)固我國新能源汽車在全球貿(mào)易中的競(jìng)爭(zhēng)優(yōu)勢(shì)。

第四，立足不同企業(yè)和行業(yè)數(shù)字化發(fā)展特征和差異化需求，制定有針對(duì)性的方針政策策略，穩(wěn)步推進(jìn)新能源汽車產(chǎn)業(yè)鏈上各行業(yè)企業(yè)的技術(shù)進(jìn)步。信息技術(shù)業(yè)和制造業(yè)、資本和技術(shù)密集型企業(yè)、規(guī)模較小企業(yè)以及高吸收能力企業(yè)的促進(jìn)作用更明顯，可加強(qiáng)對(duì)新能源汽車產(chǎn)業(yè)鏈關(guān)鍵行業(yè)技術(shù)研發(fā)的優(yōu)化布局，提升制造業(yè)與服務(wù)業(yè)的融合度并形成企業(yè)間協(xié)同創(chuàng)新研發(fā)團(tuán)隊(duì)，促進(jìn)技術(shù)及資本密集型企業(yè)與產(chǎn)業(yè)鏈中主體企業(yè)間知識(shí)、技術(shù)等創(chuàng)新資源的共享，形成產(chǎn)業(yè)鏈企業(yè)技術(shù)進(jìn)步新優(yōu)勢(shì)。

注釋：

①數(shù)據(jù)來源于國家發(fā)展改革委在國新辦新聞發(fā)布會(huì)上發(fā)布的數(shù)據(jù)，《國新辦舉行解讀宏觀經(jīng)濟(jì)形勢(shì)和政策新聞發(fā)布會(huì)》，http：//www.scio.gov.cn/live/2024/33213/tw/。

②新能源汽車產(chǎn)業(yè)鏈相關(guān)的IPC專利分類號(hào)包括：B01J2/22；B05D3/00；B07B7/00；B23K37/04；B29C45/14；B60；B62D21；C08J9/22；C10L5/40；C23G；H01M10/00；H02J；H04W72；H05K7/20；G01R31/00；G05B13/00；G08B13/02；E05D5/00；E21B36/00；F01K21/04；F03D9/11；F04B49/00；F16K15/20；F21V21/00；F24F5/00；F25B29/00等。

③選擇此次批復(fù)的京津冀、珠江三角洲、上海市、河南省、重慶市、沈陽市、內(nèi)蒙古七個(gè)區(qū)域和首個(gè)國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)貴州為國家大數(shù)據(jù)綜合試驗(yàn)區(qū)。

④根據(jù)國家統(tǒng)計(jì)局印發(fā)的《生產(chǎn)性服務(wù)業(yè)統(tǒng)計(jì)分類（2019）》，篩選出新能源汽車產(chǎn)業(yè)鏈中所涉及的生產(chǎn)性服務(wù)業(yè)行業(yè)代碼為B11、G54、G59、F51、L71、L72、M73、M74。

⑤技術(shù)密集型樣本包含C29（橡膠和塑料制品業(yè)）、C33（金屬制品業(yè)）、C35（專用設(shè)備制造業(yè)）、C36（汽車制造業(yè)）、C39（計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)）、C38（電氣機(jī)械及器材制造業(yè)）、I65（軟件和信息技術(shù)服務(wù)業(yè)）、M74（專業(yè)技術(shù)服務(wù)業(yè)）等共6 584條企業(yè)—年份數(shù)據(jù)。

⑥資產(chǎn)密集型樣本包含B11（開采輔助活動(dòng)）、C26（化學(xué)原料及化學(xué)制品制造業(yè)）、C28（化學(xué)纖維制造業(yè)）、C30（非金屬礦物制品業(yè)）、C31（黑色金屬冶煉及壓延加工業(yè)）、D44（電力、熱力生產(chǎn)和供應(yīng)業(yè)）、D45（燃?xì)馍a(chǎn)和供應(yīng)業(yè)）、R86（廣播、電視、電影和影視錄音制作業(yè)）共1 324條企業(yè)—年份數(shù)據(jù)。

⑦本文以企業(yè)名稱中包含軟件、信息、互聯(lián)網(wǎng)、電信、廣播、電視、衛(wèi)星、網(wǎng)絡(luò)、機(jī)器人、電子、數(shù)字化、數(shù)據(jù)、數(shù)字經(jīng)濟(jì)、云計(jì)算、人工智能、通訊、區(qū)塊鏈等關(guān)鍵詞的企業(yè)為數(shù)字化領(lǐng)域企業(yè)。

參考文獻(xiàn)：

[1]習(xí)近平在中共中央政治局第十一次集體學(xué)習(xí)時(shí)強(qiáng)調(diào) 加快發(fā)展新質(zhì)生產(chǎn)力 扎實(shí)推進(jìn)高質(zhì)量發(fā)展[N].人民日?qǐng)?bào)，2024-02-02.

[2]國務(wù)院發(fā)展研究中心市場(chǎng)經(jīng)濟(jì)研究所課題組.新一輪技術(shù)革命與中國城市化2020～2050——影響、前景與戰(zhàn)略[J].管理世界，2022（11）：12-28.

[3]GOLDFARB A，TUCKER C.Digital economics[J].Journal of Economic Literature，2019，57（1）：3-43.

[4]孫偉增，毛寧，蘭峰，等.政策賦能、數(shù)字生態(tài)與企業(yè)數(shù)字化轉(zhuǎn)型——基于國家大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].中國工業(yè)經(jīng)濟(jì)，2023（9）：117-135.

[5]FORMAN C，VAN ZEEBROECK N.Digital technology adoption and knowledge flows within firms：can the internet overcome geographic and technological distance？[J].Research Policy，2019，48（8）：103697.

[6]ECONOMIDES N，JEZIORSKI P.Mobile money in Tanzania[J].Marketing Science，2017，36（6）：815-837.

[7]江小涓，靳景.數(shù)字技術(shù)提升經(jīng)濟(jì)效率：服務(wù)分工、產(chǎn)業(yè)協(xié)同和數(shù)實(shí)孿生[J].管理世界，2022（12）：9-26.

[8]CAPELLO R.Regional economics[M].London： Routledge，2015： 378.

[9]LI J，XIA J，ZAJAC E Jl9xjzyMeVVC8w6U+vy93pEQjdmXYkwpBs6WLtve3X5A=.On the duality of political and economic stakeholder influence on firm innovation performance： theory and evidence from chinese firms[J].Strategic Management Journal，2018，39（1）：193-216.

[10]范合君，吳婷，何思錦.企業(yè)數(shù)字化的產(chǎn)業(yè)鏈聯(lián)動(dòng)效應(yīng)研究[J].中國工業(yè)經(jīng)濟(jì)，2023（3）：115-132.

[11]吳小龍，肖靜華，吳記.當(dāng)創(chuàng)意遇到智能：人與AI協(xié)同的產(chǎn)品創(chuàng)新案例研究[J].管理世界，2023（5）：112-126+144+127.

[12]韓峰，姜竹青.集聚網(wǎng)絡(luò)視角下企業(yè)數(shù)字化的生產(chǎn)率提升效應(yīng)研究[J].管理世界，2023EIHbyZA+S4pH8+BnZ1bIAwb6R7E4MwdGoTl2JE2XBVw=（11）：54-77.

[13]ROSENTHAL S S，STRANGE W C.How close is close？ the spatial reach of agglomeration economies[J].Journal of Economic Perspectives，2020，34（3）：27-49.

[14]WU J，HARRIGAN K R，ANG S H，et al.The impact of imitation strategy and R&D resources on incremental and radical innovation： evidence from Chinese manufacturing firms[J]．Journal of Technology Transfer，2019，44（1）：210-230．

[15]BYUN S K，JONG-MIN O，XIA H． Incremental vs．breakthrough innovation：the role of technology spillovers[J]．Management Science，2020，67（3）：1779-1802.

[16]XIANG X Y，CAI H，LAM S，et al.International knowledge spillover through co-inventors： an empirical study using chinese assignees' patent data[J]．Technological Forecasting and Social Change，2013，80 （1）： 161-174.

[17]BRIN S，PAGE L.The Anatomy of a large-scale hypersexual web search engine[J].Computer Networks and ISDN Systems，1998，30（1-7）：107-117.

[18]MARIANI M，MEDO M，ZHANG Y.Identification of milestone papers through time-balanced network centrality[J].Journal of Informetrics，2016，10（4）：1207-1223.

[19]WALKER D，XIE H，YAN K-K，et al.Ranking scientific publications using a model of network traffic[J].Journal of Statistical Mechanics： Theory and Experiment，2007（6）：1-11.

[20]WALTMAN L.A review of the literature on citation impact indicators[J].Journal of Informetrics，2016，10（2）：365-391.

[21]CHEN P，XIE H，MASLOV S，et al.Finding scientific gems with Google's PageRank algorithm[J].Journal of Informetries，2007，1（1）：8-15.

[22]BERKHIN P.A survey on PageRank computing[J].Internet Mathematics，2005，2（1）：73-120.

[23]MASLOV S，REDNER S.Promise and pitfalls of extending Google's PageRank algorithm to citation networks[J].The Journal of Neuroscience，2008，28（44）：11103-11105.

[24]安同良，姜舸，王大中.中國高技術(shù)制造業(yè)技術(shù)測(cè)度與趕超路徑——以鋰電池行業(yè)為例[J].經(jīng)濟(jì)研究，2023（1）：192-208.

[25]MELITZ M J.The impact of trade on intra-industry reallocations and aggregate industry productivity[J].Econometrica，2003，71（6）：1695-1725.

[26]閆強(qiáng)明，李寧靜.后發(fā)大國技術(shù)趕超如何影響經(jīng)濟(jì)增長——基于全球價(jià)值鏈的視角[J].上海對(duì)外經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2023（3）：19-35.

[27]YAN，ZHANG J J，GUAN J C.The dynamics of technological partners： a social network perspective[J].Technology Analysis & Strategic Management，2018，30（4）：405-420.

[28]DRAULANS J，VOLBERDA H W.Building alliance capability： management techniques for superior alliance performance[J].Long Range Planning，2003，36（2）：151-166.

[29]HUSSLER C． Culture and knowledge spillovers in europe： new perspectives for innovation and convergence policies？[J].Economics of Innovation and New Technology，2004，13（6）：523-541．

[30]GLAESSER E L，KALLAL H D，SCHEINKMAN J A，et al.Growth in cities[J].Journal of Political Economy，1992，100（6）：1126-1152.

[31]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021（7）：114-129.

[32]孫偉增，郭冬梅.信息基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)勞動(dòng)力需求的影響：需求規(guī)模、結(jié)構(gòu)變化及影響路徑[J].中國工業(yè)經(jīng)濟(jì)，2021（11）：78-96.

[33]楊金玉，彭秋萍，葛震霆.數(shù)字化轉(zhuǎn)型的客戶傳染效應(yīng)——供應(yīng)商創(chuàng)新視角[J].中國工業(yè)經(jīng)濟(jì)，2022（8）：156-174.

[34]李云鶴，藍(lán)齊芳，吳文鋒.客戶公司數(shù)字化轉(zhuǎn)型的供應(yīng)鏈擴(kuò)散機(jī)制研究[J].中國工業(yè)經(jīng)濟(jì)，2022（12）：146-165.

[35]吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界，2021（7）：130-144+10.

[36]陳愛貞，陳鳳蘭，何誠穎.產(chǎn)業(yè)鏈關(guān)聯(lián)與企業(yè)創(chuàng)新[J].中國工業(yè)經(jīng)濟(jì)，2021（9）：80-98.

[37]李治國，王杰.數(shù)字化轉(zhuǎn)型、數(shù)據(jù)要素配置與制造業(yè)生產(chǎn)率提升[J].經(jīng)濟(jì)學(xué)家，2021（10）：41-50.

[38]黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機(jī)制與中國經(jīng)驗(yàn)[J].中國工業(yè)經(jīng)濟(jì)，2019（8）：5-23.

[39]BRAUNERHJELM P，YLINENPA H，JOHANSSON J，et al.Barriers to information and communication technology adoption in small firms[R].Swedish Entrepreneurship Forum Working Paper，2013.

[40]趙麗，胡植堯.數(shù)據(jù)要素、動(dòng)態(tài)能力與企業(yè)全要素生產(chǎn)率——破解“數(shù)據(jù)生產(chǎn)率悖論”之謎[J].經(jīng)濟(jì)管理，2024（7）：55-72.

[41]李宇，陸艷紅，周曉雪.產(chǎn)業(yè)集群中的企業(yè)家導(dǎo)向、有意識(shí)的知識(shí)溢出與集群企業(yè)知識(shí)資本[J].中國軟科學(xué)，2017（12）：178-186.

[42]王小龍，許敬軒.財(cái)政“省直管縣”能夠約束基層公職人員在職消費(fèi)嗎[J].財(cái)貿(mào)經(jīng)濟(jì)，2017（6）：17-32.

[43]徐舒，張冰，王慧.社保降費(fèi)如何惠企利民：分擔(dān)機(jī)制與繳費(fèi)歸宿[J].世界經(jīng)濟(jì)，2023（7）：191-218.

[44]王天堯，楊曉維.寬帶、遠(yuǎn)程服務(wù)與企業(yè)分工[J].財(cái)經(jīng)研究，2023（8）：109-123.

責(zé)任編輯：韓曾麗The Influence of Digital Transformation on the Enterprise Technological

Progress of New Energy Vehicle Industry Chain

——Taking the "Second

Zhang Bing， Song Chaofan

（School of Economics， Nankai University，Tianjin 300071， China）

Abstract：The new wave of scientific and technological revolution， characterized by digitalization， is reshaping the global industrial technology innovation ecosystem， offering significant opportunities for enterprise technological advancement and the development of new quality productive forces within the new energy vehicle industry chain. By utilizing patent information and data from A-share listed companies associated with China's new energy vehicle industry chain， this study delves into the reference relationships among patents. It employs the PageRank and HITS algorithms to propose a composite measurement method for assessing technological progress， which considers both the influence of patent technology and enterprise innovation. This method scientifically constructs indicators for digital transformation and technological progress. The paper explores the impact of digital transformation on technological progress through the lenses of agglomeration effects and knowledge spillover effects. The findings reveal that enterprise digital transformation propels technological progress in the new energy vehicle industry chain， with a positive enhancement effect that varies across industries and companies. The mechanism test indicates that digital transformation enhances technological progress through enterprise agglomeration effects and knowledge spillover effects， with national policy support playing a crucial role. By focusing on enhancing digital infrastructure and fostering innovation ecosystems， this paper provides policy recommendations for decision-makers to evaluate the impact of digital transformation on new energy vehicle enterprises and the positioning of Chinese patents both domestically and internationally.

Key words：digital transformation; technological progress; new energy vehicles；new quality productive forces