大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響

摘要：制造業(yè)企業(yè)應(yīng)用大數(shù)據(jù)技術(shù)可以改善創(chuàng)新決策、改進(jìn)創(chuàng)新模式、優(yōu)化創(chuàng)新流程、降低創(chuàng)新風(fēng)險(xiǎn)、提升創(chuàng)新效率，能夠提高創(chuàng)新資源獲取能力和創(chuàng)新要素配置效率，并有利于企業(yè)與外部主體之間以及內(nèi)部員工之間的知識(shí)共享，從而促進(jìn)技術(shù)創(chuàng)新?；凇凹夹g(shù)水平”和“技術(shù)應(yīng)用”兩個(gè)層面的關(guān)鍵詞詞典測(cè)度大數(shù)據(jù)技術(shù)應(yīng)用水平，采用滬深A(yù)股制造業(yè)上市公司2013—2022年數(shù)據(jù)分析發(fā)現(xiàn)：我國(guó)制造業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平持續(xù)提升，并存在東部較高、中部居中、西部較低的地區(qū)差異；大數(shù)據(jù)技術(shù)應(yīng)用顯著提升了制造業(yè)企業(yè)技術(shù)創(chuàng)新水平，其中存在優(yōu)化創(chuàng)新要素配置和強(qiáng)化知識(shí)共享兩條路徑；大數(shù)據(jù)技術(shù)應(yīng)用對(duì)非綠色技術(shù)創(chuàng)新的促進(jìn)效應(yīng)更大，對(duì)國(guó)有企業(yè)、非重污染行業(yè)企業(yè)的技術(shù)創(chuàng)新促進(jìn)效應(yīng)更大，對(duì)資本密集型行業(yè)企業(yè)的技術(shù)創(chuàng)新促進(jìn)效應(yīng)比技術(shù)密集型行業(yè)企業(yè)更大，但對(duì)勞動(dòng)密集型行業(yè)企業(yè)沒(méi)有顯著影響。因此，應(yīng)促進(jìn)各類(lèi)企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用，并充分發(fā)揮其要素配置優(yōu)化效應(yīng)和知識(shí)共享強(qiáng)化效應(yīng)，尤其要強(qiáng)化大數(shù)據(jù)技術(shù)應(yīng)用對(duì)綠色技術(shù)創(chuàng)新的促進(jìn)作用。

關(guān)鍵詞：大數(shù)據(jù)技術(shù)應(yīng)用；技術(shù)創(chuàng)新；創(chuàng)新要素配置；知識(shí)共享；制造業(yè)企業(yè)

中圖分類(lèi)號(hào)：F273.1；F42文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1674-8131（2024）06-0064-14

一、引言

實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展必須建設(shè)現(xiàn)代化產(chǎn)業(yè)體系，要把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，推動(dòng)制造業(yè)高端化、智能化、綠色化發(fā)展，也要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。技術(shù)創(chuàng)新能夠提升企業(yè)的經(jīng)濟(jì)績(jī)效和環(huán)境績(jī)效，助力經(jīng)濟(jì)高質(zhì)量發(fā)展（Wang et al.，2021）［1］。制造業(yè)企業(yè)作為實(shí)體經(jīng)濟(jì)的主體，同時(shí)也是技術(shù)創(chuàng)新的重要主體，其技術(shù)創(chuàng)新對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展和中國(guó)式現(xiàn)代化建設(shè)具有重要推動(dòng)作用。然而，研發(fā)活動(dòng)具有高投入、高風(fēng)險(xiǎn)、長(zhǎng)周期等特征，企業(yè)的技術(shù)創(chuàng)新會(huì)受到多方面因素的制約，如何有效促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新成為亟待解決的重大課題。隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)據(jù)要素成為新的關(guān)鍵性生產(chǎn)要素和創(chuàng)新要素，大數(shù)據(jù)的發(fā)展和應(yīng)用不僅能夠釋放數(shù)據(jù)要素潛能，還有利于勞動(dòng)力、資本、技術(shù)等其他要素的自由流動(dòng)，進(jìn)而優(yōu)化要素資源配置，推動(dòng)制造業(yè)生產(chǎn)方式和創(chuàng)新方式變革（李輝，2019）［2］。大數(shù)據(jù)的發(fā)展離不開(kāi)大數(shù)據(jù)技術(shù)的開(kāi)發(fā)和應(yīng)用，制造業(yè)企業(yè)對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用能夠有效促進(jìn)其技術(shù)創(chuàng)新。在此背景下，深入研究大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的機(jī)制，有助于充分發(fā)揮大數(shù)據(jù)的技術(shù)創(chuàng)新促進(jìn)效應(yīng)，進(jìn)而推動(dòng)制造業(yè)企業(yè)高質(zhì)量發(fā)展。

孫獻(xiàn)貞：大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響大數(shù)據(jù)通常是指在獲取、存儲(chǔ)、管理、分析等方面超出傳統(tǒng)數(shù)據(jù)庫(kù)工具處理能力的數(shù)據(jù)集（Wen et al.，2022）［3］，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類(lèi)型和價(jià)值密度低等特征。大數(shù)據(jù)不僅數(shù)據(jù)量大，數(shù)據(jù)價(jià)值也大（Farboodi et al.，2019）［4］，是海量、多元化、高價(jià)值、高增長(zhǎng)的信息資產(chǎn)，其價(jià)值的實(shí)現(xiàn)需要有新的處理模式。大數(shù)據(jù)的基本屬性是資源和技術(shù)，以數(shù)據(jù)挖掘和應(yīng)用為核心的大數(shù)據(jù)技術(shù)是大數(shù)據(jù)創(chuàng)造價(jià)值的關(guān)鍵（呂明元 等，2020）［5］。隨著大數(shù)據(jù)及大數(shù)據(jù)技術(shù)的發(fā)展和應(yīng)用，其產(chǎn)生的經(jīng)濟(jì)社會(huì)效應(yīng)逐漸受到學(xué)者們的關(guān)注，其中，對(duì)企業(yè)技術(shù)創(chuàng)新的影響是研究熱點(diǎn)之一。對(duì)于宏觀(guān)層面的大數(shù)據(jù)發(fā)展和應(yīng)用，已有實(shí)證研究大多通過(guò)準(zhǔn)自然實(shí)驗(yàn)來(lái)考察大數(shù)據(jù)發(fā)展政策和試點(diǎn)對(duì)企業(yè)技術(shù)創(chuàng)新的影響，比如：史丹和孫光林（2024）［6］以國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)為準(zhǔn)自然實(shí)驗(yàn)，研究發(fā)現(xiàn)數(shù)據(jù)要素能夠促進(jìn)企業(yè)創(chuàng)新，進(jìn)而提升企業(yè)的全要素生產(chǎn)率；任曉剛和謝賢君（2024）［7］以《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020年）》的實(shí)施為準(zhǔn)自然試驗(yàn)，分析表明大數(shù)據(jù)產(chǎn)業(yè)發(fā)展能夠通過(guò)增加研發(fā)投入、緩解融資約束、提高技術(shù)創(chuàng)新收益3個(gè)渠道來(lái)提升企業(yè)技術(shù)創(chuàng)新質(zhì)量；梁明偉（2024）［8］研究發(fā)現(xiàn)，國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立能夠通過(guò)推動(dòng)數(shù)字化轉(zhuǎn)型和優(yōu)化創(chuàng)新要素配置兩個(gè)渠道來(lái)促進(jìn)科技型新創(chuàng)企業(yè)高端顛覆性創(chuàng)新；戴艷娟等（2024）［9］分析表明，國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立對(duì)試驗(yàn)區(qū)內(nèi)企業(yè)產(chǎn)生了顯著的信息改善效應(yīng)、治理改進(jìn)效應(yīng)和資源獲取效應(yīng)，從而有效促進(jìn)了企業(yè)數(shù)字技術(shù)創(chuàng)新；史丹和孫光林（2022）［10］通過(guò)指數(shù)構(gòu)建法測(cè)度地區(qū)大數(shù)據(jù)發(fā)展水平，分析表明大數(shù)據(jù)發(fā)展可以通過(guò)促進(jìn)技術(shù)創(chuàng)新、優(yōu)化資本與勞動(dòng)要素配置效率以及數(shù)據(jù)賦能來(lái)提升制造業(yè)企業(yè)全要素生產(chǎn)率。對(duì)于微觀(guān)層面的大數(shù)據(jù)發(fā)展和應(yīng)用，Sivarajah等（2024）［11］基于356家企業(yè)的調(diào)研數(shù)據(jù)，采用CB-SEM模型分析發(fā)現(xiàn)，大數(shù)據(jù)應(yīng)用能夠有效促進(jìn)企業(yè)創(chuàng)新能力提升，Cadden等（2023）［12］對(duì)英國(guó)194家中小企業(yè)的研究也得到了相似的結(jié)論；胡蓉寧（2024）［13］以2007—2021年滬深A(yù)股上市公司為研究樣本分析表明，大數(shù)據(jù)應(yīng)用可以通過(guò)提升營(yíng)銷(xiāo)能力和降低企業(yè)成本兩個(gè)渠道來(lái)促進(jìn)企業(yè)技術(shù)創(chuàng)新；劉龍均等（2024）［14］基于我國(guó)173家企業(yè)數(shù)據(jù)分析發(fā)現(xiàn)，大數(shù)據(jù)采納、大數(shù)據(jù)常規(guī)化和大數(shù)據(jù)同化分別通過(guò)資源整合與內(nèi)部創(chuàng)業(yè)對(duì)企業(yè)創(chuàng)新產(chǎn)生積極影響；張振剛等（2023）［15］聚焦到制造業(yè)企業(yè)，利用311家制造企業(yè)問(wèn)卷調(diào)查數(shù)據(jù)，采用PLS-SEM工具研究發(fā)現(xiàn)，制造企業(yè)的大數(shù)據(jù)能力與其產(chǎn)品創(chuàng)新績(jī)效正相關(guān)。

綜上所述，已有研究從宏觀(guān)大數(shù)據(jù)相關(guān)政策以及微觀(guān)企業(yè)大數(shù)據(jù)應(yīng)用兩個(gè)層面考察了大數(shù)據(jù)對(duì)企業(yè)技術(shù)創(chuàng)新的影響，結(jié)果表明大數(shù)據(jù)及大數(shù)據(jù)技術(shù)的發(fā)展和應(yīng)用顯著促進(jìn)了企業(yè)技術(shù)創(chuàng)新。部分文獻(xiàn)聚焦制造業(yè)企業(yè)，分析了地區(qū)大數(shù)據(jù)發(fā)展對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新和制造業(yè)企業(yè)大數(shù)據(jù)能力對(duì)其產(chǎn)品創(chuàng)新的影響，得到了具有啟發(fā)性的發(fā)現(xiàn)。然而，目前從微觀(guān)視角分析大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的研究還較為缺乏，系統(tǒng)剖析大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的內(nèi)在作用機(jī)制的文獻(xiàn)更為少見(jiàn)。有鑒于此，本文在已有研究的基礎(chǔ)上，從創(chuàng)新資源配置和知識(shí)共享的角度探究大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的機(jī)制，并采用滬深A(yù)股制造業(yè)上市公司2013—2022年的數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。

相比已有研究，本文的邊際貢獻(xiàn)主要在于：第一，在研究視角上，從微觀(guān)視角分析大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響，拓展了大數(shù)據(jù)發(fā)展與技術(shù)創(chuàng)新之間的關(guān)系研究；第二，在研究方法上，基于“技術(shù)水平”和“技術(shù)應(yīng)用”兩個(gè)層面構(gòu)建大數(shù)據(jù)技術(shù)應(yīng)用關(guān)鍵詞詞典，采用詞頻分析法測(cè)度企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用水平，為相關(guān)研究提供了方法參考；第三，探討并驗(yàn)證了大數(shù)據(jù)技術(shù)應(yīng)用通過(guò)優(yōu)化創(chuàng)新要素配置和強(qiáng)化知識(shí)共享來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新的傳導(dǎo)機(jī)制，有助于深入認(rèn)識(shí)大數(shù)據(jù)技術(shù)應(yīng)用對(duì)企業(yè)高質(zhì)量發(fā)展的積極作用；第四，從技術(shù)創(chuàng)新類(lèi)型、企業(yè)產(chǎn)權(quán)性質(zhì)、行業(yè)污染屬性及行業(yè)要素密集度等方面考察了大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的異質(zhì)性，為充分發(fā)揮大數(shù)據(jù)技術(shù)應(yīng)用的技術(shù)創(chuàng)新促進(jìn)效應(yīng)提供了經(jīng)驗(yàn)借鑒和政策啟示。

二、理論分析與研究假說(shuō)

1.大數(shù)據(jù)技術(shù)應(yīng)用與制造業(yè)企業(yè)技術(shù)創(chuàng)新

大數(shù)據(jù)技術(shù)應(yīng)用是指企業(yè)通過(guò)先進(jìn)的大數(shù)據(jù)技術(shù)獲取、存儲(chǔ)、處理和分析大數(shù)據(jù)，以提高生產(chǎn)經(jīng)營(yíng)決策效率、創(chuàng)造更大價(jià)值和效益的能力（Farboodi et al.，2019）［4］。與云計(jì)算、人工智能等數(shù)字技術(shù)應(yīng)用相比，大數(shù)據(jù)技術(shù)應(yīng)用對(duì)企業(yè)技術(shù)創(chuàng)新的影響聚焦于數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)可視化等方面，注重在海量數(shù)據(jù)中發(fā)現(xiàn)隱藏的機(jī)會(huì)和挖掘潛在的價(jià)值。制造業(yè)企業(yè)應(yīng)用大數(shù)據(jù)技術(shù)可以顯著改善其數(shù)據(jù)收集和處理的方式（戴艷娟 等，2023）［9］，促進(jìn)數(shù)據(jù)資源的流動(dòng)和使用，進(jìn)而通過(guò)有效發(fā)揮數(shù)據(jù)要素的潛力促進(jìn)技術(shù)創(chuàng)新。第一，大數(shù)據(jù)技術(shù)應(yīng)用有助于制造業(yè)企業(yè)更有效地對(duì)數(shù)據(jù)進(jìn)行收集、存儲(chǔ)和整合，獲取更全面準(zhǔn)確的信息，并通過(guò)數(shù)據(jù)可視化工具將抽象復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀(guān)易于理解的圖表、圖形和儀表板等，有助于管理層快速掌握關(guān)鍵信息，做出更有前瞻性的創(chuàng)新戰(zhàn)略選擇，并提高技術(shù)創(chuàng)新意愿，從而開(kāi)展更多更高水平的技術(shù)創(chuàng)新活動(dòng)。第二，大數(shù)據(jù)技術(shù)應(yīng)用可以提高制造業(yè)企業(yè)利用信息、處理信息的能力，使得制造業(yè)企業(yè)可以通過(guò)整合海量市場(chǎng)信息對(duì)行業(yè)和市場(chǎng)的發(fā)展進(jìn)行更精準(zhǔn)的預(yù)測(cè)（白雪潔 等，2021）［16］，進(jìn)而更有針對(duì)性地開(kāi)展技術(shù)研發(fā)和轉(zhuǎn)化活動(dòng)，這將有效降低技術(shù)創(chuàng)新失敗風(fēng)險(xiǎn)、減少創(chuàng)新資源浪費(fèi)，激勵(lì)制造業(yè)企業(yè)積極提高技術(shù)創(chuàng)新水平。第三，大數(shù)據(jù)技術(shù)應(yīng)用有助于改進(jìn)制造業(yè)企業(yè)的技術(shù)創(chuàng)新路徑，可以通過(guò)對(duì)技術(shù)創(chuàng)新過(guò)程數(shù)據(jù)的實(shí)時(shí)監(jiān)測(cè)和分析及時(shí)調(diào)整創(chuàng)新方案和流程，并可以通過(guò)構(gòu)建大數(shù)據(jù)模型進(jìn)行模擬仿真和修正來(lái)提高技術(shù)創(chuàng)新效率、縮短技術(shù)創(chuàng)新周期，進(jìn)而促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新（Gao et al.，2023）［17］。第四，制造業(yè)企業(yè)還可以應(yīng)用大數(shù)據(jù)技術(shù)對(duì)自身的各種數(shù)據(jù)進(jìn)行采集、挖掘和處理，以充分釋放自身數(shù)據(jù)要素的潛能，形成數(shù)據(jù)驅(qū)動(dòng)、快速迭代式的技術(shù)創(chuàng)新模式，從而提升創(chuàng)新能力和創(chuàng)新水平。

總之，大數(shù)據(jù)技術(shù)應(yīng)用能夠有效提高制造業(yè)企業(yè)的信息采集和處理能力，有助于企業(yè)將各種信息轉(zhuǎn)化為可供計(jì)算分析的數(shù)據(jù)要素，并以此提高技術(shù)創(chuàng)新決策的效率和科學(xué)性；同時(shí)，企業(yè)可以應(yīng)用大數(shù)據(jù)技術(shù)對(duì)創(chuàng)新過(guò)程進(jìn)行數(shù)據(jù)建模、修正，從而改進(jìn)創(chuàng)新模式、優(yōu)化創(chuàng)新流程、降低創(chuàng)新風(fēng)險(xiǎn)、提升創(chuàng)新效率。由此，本文提出假說(shuō)H1：大數(shù)據(jù)技術(shù)應(yīng)用能夠顯著促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。

2.大數(shù)據(jù)技術(shù)應(yīng)用、創(chuàng)新要素配置與制造業(yè)企業(yè)技術(shù)創(chuàng)新

優(yōu)化創(chuàng)新要素配置是大數(shù)據(jù)技術(shù)應(yīng)用促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新的重要渠道。根據(jù)資源配置理論，大數(shù)據(jù)技術(shù)應(yīng)用可以拓寬制造業(yè)企業(yè)獲取資本、人才、知識(shí)、信息等創(chuàng)新要素的渠道，優(yōu)化創(chuàng)新要素配置，提高創(chuàng)新要素配置效率，從而提升制造業(yè)企業(yè)技術(shù)創(chuàng)新水平。大數(shù)據(jù)技術(shù)應(yīng)用能夠緩解信息交流障礙造成的要素流動(dòng)不暢問(wèn)題，以數(shù)據(jù)流帶動(dòng)資金流、人才流和技術(shù)流，促進(jìn)制造業(yè)企業(yè)與不同行業(yè)、不同部門(mén)經(jīng)濟(jì)主體之間的資源和信息置換（馮楠 等，2022；Hu et al.，2024）［18-19］，加快創(chuàng)新要素的有效配置或重組，使得制造業(yè)企業(yè)能夠獲得更多樣化更豐富的創(chuàng)新資源和產(chǎn)品，從而更有效率地進(jìn)行技術(shù)創(chuàng)新；大數(shù)據(jù)技術(shù)應(yīng)用有助于制造業(yè)企業(yè)通過(guò)對(duì)海量要素?cái)?shù)據(jù)的整合處理來(lái)實(shí)現(xiàn)創(chuàng)新要素的精準(zhǔn)匹配（任曙明 等，2024；Lyu et al.，2024）［20-21］，從而通過(guò)創(chuàng)新要素配置的優(yōu)化提高制造業(yè)企業(yè)創(chuàng)新能力和創(chuàng)新效率；大數(shù)據(jù)技術(shù)應(yīng)用有利于市場(chǎng)中供給端與消費(fèi)端的聯(lián)通，制造業(yè)企業(yè)可以應(yīng)用大數(shù)據(jù)技術(shù)更好地分析和預(yù)判市場(chǎng)需求，并針對(duì)消費(fèi)者需求的變化和趨勢(shì)進(jìn)行創(chuàng)新資源配置，提高創(chuàng)新要素配置的有效性，進(jìn)而提升制造業(yè)企業(yè)技術(shù)創(chuàng)新的市場(chǎng)價(jià)值和經(jīng)濟(jì)收益。

總之，大數(shù)據(jù)技術(shù)應(yīng)用有利于制造業(yè)企業(yè)獲取更多更高質(zhì)量的創(chuàng)新資源，并以數(shù)據(jù)要素帶動(dòng)人才、技術(shù)、資本等傳統(tǒng)創(chuàng)新要素加速流動(dòng)，提高制造業(yè)企業(yè)創(chuàng)新要素的配置效率，進(jìn)而促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新能力和水平的提升。由此，本文提出假說(shuō)H2：大數(shù)據(jù)技術(shù)應(yīng)用可以通過(guò)優(yōu)化創(chuàng)新要素配置的路徑來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。

3.大數(shù)據(jù)技術(shù)應(yīng)用、知識(shí)共享與制造業(yè)企業(yè)技術(shù)創(chuàng)新

在數(shù)字經(jīng)濟(jì)時(shí)代，強(qiáng)化知識(shí)共享成為大數(shù)據(jù)技術(shù)應(yīng)用促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新的另一重要渠道。數(shù)字化轉(zhuǎn)型和互聯(lián)網(wǎng)發(fā)展使得技術(shù)、專(zhuān)利和知識(shí)等不可避免地被擴(kuò)散，大數(shù)據(jù)技術(shù)應(yīng)用會(huì)加快知識(shí)在不同主體之間擴(kuò)散的速度，同時(shí)也為知識(shí)的擴(kuò)散創(chuàng)造了新的更加便捷的路徑（田穎 等，2021）［22］，而知識(shí)共享的強(qiáng)化有助于制造業(yè)企業(yè)更加有效地利用不同來(lái)源的知識(shí)來(lái)進(jìn)行技術(shù)創(chuàng)新和成果轉(zhuǎn)化，從而促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。一方面，大數(shù)據(jù)技術(shù)應(yīng)用可以降低溝通成本，提升知識(shí)的流轉(zhuǎn)效率，有助于制造業(yè)企業(yè)內(nèi)部員工的知識(shí)共享（劉宇 等，2019）［23］，促進(jìn)員工知識(shí)體系的進(jìn)化，提升員工的創(chuàng)新能力；另一方面，大數(shù)據(jù)技術(shù)應(yīng)用可以更好地發(fā)揮數(shù)據(jù)要素優(yōu)勢(shì)，加快信息傳播速度，提高知識(shí)傳播效率，促進(jìn)制造業(yè)企業(yè)與高校、科研院所、其他企業(yè)、政府部門(mén)等創(chuàng)新主體之間的知識(shí)共享，并顯著拓展制造業(yè)企業(yè)內(nèi)部的知識(shí)存量，而知識(shí)存量的增加又會(huì)進(jìn)一步促進(jìn)制造業(yè)企業(yè)的內(nèi)外部知識(shí)共享。因此，大數(shù)據(jù)技術(shù)應(yīng)用有助于強(qiáng)化制造業(yè)企業(yè)與其他經(jīng)濟(jì)主體和創(chuàng)新主體之間以及企業(yè)內(nèi)部的知識(shí)共享。知識(shí)是不斷進(jìn)化發(fā)展的，知識(shí)的共享與交流能夠促進(jìn)知識(shí)進(jìn)化，進(jìn)而帶來(lái)技術(shù)創(chuàng)新模式的變革；同時(shí)，充分的知識(shí)共享還可以提升創(chuàng)新績(jī)效（Berg et al.，2019；Upadhyay et al.，2020；童紅霞，2021）［24-26］，為制造業(yè)企業(yè)技術(shù)創(chuàng)新提供持續(xù)強(qiáng)勁的動(dòng)力。

總之，大數(shù)據(jù)技術(shù)應(yīng)用能夠促進(jìn)制造業(yè)企業(yè)的數(shù)據(jù)生產(chǎn)、積累和擴(kuò)散，有利于企業(yè)與外部主體之間進(jìn)行知識(shí)交換或知識(shí)共享，也有助于內(nèi)部員工之間進(jìn)行經(jīng)驗(yàn)沉淀和資源共享，從而促進(jìn)企業(yè)的知識(shí)積累和員工知識(shí)體系的進(jìn)化，提高企業(yè)的技術(shù)創(chuàng)新能力和水平。由此，本文提出假說(shuō)H3：大數(shù)據(jù)技術(shù)應(yīng)用可以通過(guò)強(qiáng)化知識(shí)共享的路徑來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。

三、實(shí)證檢驗(yàn)設(shè)計(jì)

1.基準(zhǔn)模型設(shè)定

為了檢驗(yàn)大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響，本文構(gòu)建如下雙向固定效應(yīng)模型：

Inno_it=β₀+β₁Data_it+∑_kβ_kCont_kit+μ_i+ξ_t+ε_it

其中，下標(biāo)i和t分別代表企業(yè)和年份，被解釋變量（Inno_it）“技術(shù)創(chuàng)新”為樣本企業(yè)i在t年的技術(shù)創(chuàng)新水平，核心解釋變量（Data_it）為樣本企業(yè)i在t年的大數(shù)據(jù)技術(shù)應(yīng)用水平，Cont表示控制變量（k為控制變量的數(shù)量），μ_i、ξ_t分別表示企業(yè)、年份固定效應(yīng)，ε_it為隨機(jī)誤差項(xiàng)。

（1）“技術(shù)創(chuàng)新”變量的測(cè)度。借鑒孫成等（2024）［27］的做法，采用專(zhuān)利申請(qǐng)量加1的自然對(duì)數(shù)值來(lái)衡量樣本企業(yè)的技術(shù)創(chuàng)新水平。

（2）“大數(shù)據(jù)技術(shù)應(yīng)用”變量的測(cè)度。借鑒張葉青等（2021）［28］的做法，采用企業(yè)年報(bào)中大數(shù)據(jù)技術(shù)應(yīng)用關(guān)鍵詞詞頻加1的自然對(duì)數(shù)值來(lái)衡量樣本企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用水平。大數(shù)據(jù)技術(shù)應(yīng)用實(shí)際上包含大數(shù)據(jù)技術(shù)的技術(shù)水平和技術(shù)應(yīng)用兩個(gè)維度，因而本文從“技術(shù)水平”和“技術(shù)應(yīng)用”兩個(gè)層面構(gòu)建大數(shù)據(jù)技術(shù)應(yīng)用關(guān)鍵詞詞典（見(jiàn)表1），并將詞匯擴(kuò)充到python的jieba庫(kù)，然后采用文本分析法獲取關(guān)鍵詞在樣本企業(yè)年報(bào)全文中的詞頻。

（3）控制變量的選取。參考孫獻(xiàn)貞（2023）［29］的研究，采用企業(yè)層面的以下變量作為控制變量：一是“企業(yè)規(guī)?！?，采用營(yíng)業(yè)收入的自然對(duì)數(shù)值來(lái)衡量；二是“上市年齡”，采用觀(guān)測(cè)年份與上市年份之差加1的自然對(duì)數(shù)值來(lái)衡量；三是“資產(chǎn)負(fù)債率”，采用總負(fù)債與總資產(chǎn)之比來(lái)衡量；四是“資產(chǎn)收益率”，采用稅后凈利潤(rùn)與總資產(chǎn)之比來(lái)衡量；五是“股權(quán)集中度”，采用第一大股東持股比例來(lái)衡量；六是“董事會(huì)規(guī)?！?，采用董事會(huì)人員總數(shù)的自然對(duì)數(shù)值來(lái)衡量。

2.機(jī)制檢驗(yàn)方法

創(chuàng)新要素配置的優(yōu)化能夠減少人力、資金等創(chuàng)新要素的浪費(fèi)，提升創(chuàng)新要素的使用效率，縮短研發(fā)周期，還可以釋放更多創(chuàng)新資源到關(guān)鍵創(chuàng)新領(lǐng)域，從而提升創(chuàng)新能力、創(chuàng)新效率和創(chuàng)新質(zhì)量（劉汶榮，2021；孫獻(xiàn)貞，2023）［30］［29］。知識(shí)共享有助于企業(yè)內(nèi)部各部門(mén)員工之間以及企業(yè)與外部創(chuàng)新主體之間共享智力資本，促進(jìn)知識(shí)整合，提升員工創(chuàng)新能力和企業(yè)創(chuàng)新效率，因而知識(shí)共享能夠?qū)ζ髽I(yè)技術(shù)創(chuàng)新發(fā)揮顯著的促進(jìn)作用（吳松強(qiáng) 等，2021；吳潔，2023）［31-32］。因此，本文采用江艇（2022）［33］提出的中介效應(yīng)檢驗(yàn)方法，構(gòu)建如下機(jī)制檢驗(yàn)?zāi)Ｐ停?/p>

Alloi_it=β₀+β₁Data_it+∑_kβ_kCont_kit+μ_i+ξ_t+ε_it

Share_it=β₀+β₁Data_it+∑_kβ_kCont_kit+μ_i+ξ_t+ε_it

其中，Alloi為檢驗(yàn)創(chuàng)新要素配置優(yōu)化效應(yīng)的機(jī)制變量，包括“研發(fā)人員配置”和“研發(fā)資本配置”兩個(gè)變量；Share為檢驗(yàn)知識(shí)共享強(qiáng)化效應(yīng)的機(jī)制變量，包括“知識(shí)合作”和“知識(shí)擴(kuò)散”兩個(gè)變量。借鑒史丹和孫光林（2022）［10］、呂承超和王志閣（2019）［34］的做法，采用樣本企業(yè)創(chuàng)新要素投入與同一年度、同一行業(yè)、同一產(chǎn)權(quán)性質(zhì)企業(yè)平均創(chuàng)新要素投入的偏離程度來(lái)反映創(chuàng)新要素配置情況 首先，計(jì)算不同行業(yè)、不同產(chǎn)權(quán)性質(zhì)、不同年度企業(yè)創(chuàng)新要素投入的均值，然后計(jì)算樣本企業(yè)創(chuàng)新要素投入與其所在組別創(chuàng)新要素投入均值的差值，差值越大，意味著該企業(yè)的創(chuàng)新要素投入相對(duì)越多。 ，其中，創(chuàng)新要素投入包括研發(fā)人員投入和研發(fā)資本投入，分別以研發(fā)人員數(shù)量占比和研發(fā)支出占比衡量，進(jìn)而計(jì)算得到“研發(fā)人員配置”和“研發(fā)資本配置”。知識(shí)共享既包括知識(shí)獲取，也包括知識(shí)擴(kuò)散，是知識(shí)和信息的交互與共享（吳松強(qiáng) 等，2021）［31］，基于此，本文參考劉斐然等（2023）［35］、任曙明和馬橙（2024）［20］的方法，分別采用“樣本企業(yè)與其他實(shí)體聯(lián)合申請(qǐng)的專(zhuān)利數(shù)量加1的自然對(duì)數(shù)值”和“樣本企業(yè)專(zhuān)利被引用數(shù)量加1的自然對(duì)數(shù)值”來(lái)衡量“知識(shí)合作”和“知識(shí)擴(kuò)散”。

3.樣本選擇與數(shù)據(jù)處理

本文以滬深A(yù)股制造業(yè)上市公司為研究對(duì)象，樣本期間為2013—2022年。企業(yè)年報(bào)文本來(lái)自巨潮資訊網(wǎng)，專(zhuān)利申請(qǐng)數(shù)據(jù)、機(jī)制變量測(cè)度數(shù)據(jù)均來(lái)自中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)（CNRDS），控制變量數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)。剔除核心數(shù)據(jù)缺失嚴(yán)重的樣本以及ST、*ST、PT和樣本期間退市的樣本，最終得到10 700個(gè)樣本數(shù)據(jù)。為避免變量異常值干擾實(shí)證結(jié)果，對(duì)所有連續(xù)變量進(jìn)行1%的縮尾處理，主要變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2?！凹夹g(shù)創(chuàng)新”的均值為3.404，標(biāo)準(zhǔn)差為1.593，最大值為8.875，最小值為0，說(shuō)明樣本企業(yè)的技術(shù)創(chuàng)新水平存在顯著差異；“大數(shù)據(jù)技術(shù)應(yīng)用”的均值為1.809，標(biāo)準(zhǔn)差為1.217，最大值為6.209，最小值為0，說(shuō)明樣本企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用水平也存在顯著差異。其余變量的分布特征與核心變量的分布特征基本類(lèi)似。進(jìn)一步分年度和地區(qū)計(jì)算樣本企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平的均值（見(jiàn)表3），可以發(fā)現(xiàn)：2013—2022年我國(guó)制造業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平呈不斷上升趨勢(shì)，且東部地區(qū)、中部地區(qū)和西部地區(qū)均呈現(xiàn)不斷上升趨勢(shì)；從地區(qū)差異來(lái)看，東部地區(qū)制造業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平最高，中部地區(qū)次之，西部地區(qū)最低，呈現(xiàn)出與數(shù)字經(jīng)濟(jì)發(fā)展相似的梯度分布特征。

四、實(shí)證結(jié)果分析

1.基準(zhǔn)回歸與內(nèi)生性處理

基準(zhǔn)回歸結(jié)果見(jiàn)表4。在逐步加入控制變量的過(guò)程中，“大數(shù)據(jù)技術(shù)應(yīng)用”的估計(jì)系數(shù)保持在1%的水平上顯著為正，表明制造業(yè)企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用水平對(duì)其技術(shù)創(chuàng)新水平具有顯著的正向影響，假說(shuō)H1得到驗(yàn)證?？紤]到基準(zhǔn)模型可能存在的反向因果關(guān)系、遺漏變量等內(nèi)生性問(wèn)題，采用工具變量法進(jìn)行內(nèi)生性處理。構(gòu)建以下兩個(gè)工具變量：一是借鑒張勛等（2020）［36］的做法，采用制造業(yè)企業(yè)所在地到杭州的距離作為“大數(shù)據(jù)技術(shù)應(yīng)用”的工具變量1；二是參考Lewbel（1997）［37］和李唐等（2020）［38］的處理方法，采用樣本企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平與其所在省份同行業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平均值之差的三次方作為“大數(shù)據(jù)技術(shù)應(yīng)用”的工具變量2。采用兩階段最小二乘法（2SLS）進(jìn)行檢驗(yàn)，第二階段的回歸結(jié)果見(jiàn)表5。兩個(gè)工具變量均不存在識(shí)別不足和弱工具變量的問(wèn)題，說(shuō)明工具變量的選擇是合適的；工具變量擬合的“大數(shù)據(jù)技術(shù)應(yīng)用”對(duì)“技術(shù)創(chuàng)新”的回歸系數(shù)仍在1%的水平上顯著為正，表明在緩解模型的內(nèi)生性問(wèn)題后，大數(shù)據(jù)技術(shù)應(yīng)用顯著促進(jìn)了制造業(yè)企業(yè)技術(shù)創(chuàng)新的結(jié)論依然成立。

2.穩(wěn)健性檢驗(yàn)

本文進(jìn)行以下穩(wěn)健性檢驗(yàn)：第一，改變固定效應(yīng)?？紤]到控制不同層面的固定效應(yīng)可能會(huì)影響回歸結(jié)果的穩(wěn)健性，采用不同的固定效應(yīng)控制方式進(jìn)行穩(wěn)健性檢驗(yàn)：一是控制行業(yè)、城市、年份3種固定效應(yīng)，二是控制企業(yè)固定效應(yīng)和行業(yè)年份聯(lián)合固定效應(yīng)（行業(yè)×年份），回歸結(jié)果見(jiàn)表6的列（1）和列（2）。第二，核心解釋變量滯后處理?？紤]到大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響可能存在一定的滯后性，對(duì)“大數(shù)據(jù)技術(shù)應(yīng)用”進(jìn)行滯后一期處理后重新進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表6的列（3）。第三，替換被解釋變量。專(zhuān)利包括發(fā)明專(zhuān)利、外觀(guān)設(shè)計(jì)專(zhuān)利和實(shí)用新型專(zhuān)利，考慮到發(fā)明專(zhuān)利更具創(chuàng)造性和技術(shù)含量，借鑒權(quán)小鋒等（2020）［39］的做法，采用發(fā)明專(zhuān)利申請(qǐng)量加1的自然對(duì)數(shù)值（“技術(shù)創(chuàng)新1”）作為被解釋變量重新進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表6的列（4）。第四，增加控制變量?？紤]到董事長(zhǎng)和總經(jīng)理兩職合一有利于企業(yè)快速做出決策以應(yīng)對(duì)市場(chǎng)變化，在基準(zhǔn)模型的基礎(chǔ)上增加“兩職合一”變量重新進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表6的列（5）。第五，剔除直轄市樣本?？紤]到直轄市在經(jīng)濟(jì)發(fā)展、地理區(qū)位以及資源獲取等方面具有顯著優(yōu)勢(shì)，將直轄市樣本剔除后重新進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表6的列（6）。以上穩(wěn)健性檢驗(yàn)結(jié)果均顯示，大數(shù)據(jù)技術(shù)應(yīng)用顯著促進(jìn)了制造業(yè)企業(yè)技術(shù)創(chuàng)新。

3.機(jī)制檢驗(yàn)

機(jī)制檢驗(yàn)結(jié)果見(jiàn)表7?！按髷?shù)據(jù)技術(shù)應(yīng)用”對(duì)4個(gè)機(jī)制變量的回歸系數(shù)均顯著為正，表明制造業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平的提高顯著優(yōu)化了其研發(fā)人員和研發(fā)資本的配置，并促進(jìn)了其知識(shí)合作和知識(shí)擴(kuò)散，進(jìn)而可以通過(guò)創(chuàng)新要素優(yōu)化效應(yīng)和知識(shí)共享強(qiáng)化效應(yīng)來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。由此，假說(shuō)H2和H3得到驗(yàn)證。為了進(jìn)一步檢驗(yàn)創(chuàng)新要素配置優(yōu)化和知識(shí)共享強(qiáng)化能否促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新，借鑒中介效應(yīng)檢驗(yàn)的思路（溫忠麟 等，2014）［40］，在基準(zhǔn)模型中加入機(jī)制變量，并采用Bootstrap法檢驗(yàn)中介效應(yīng)，回歸結(jié)果見(jiàn)表8。4個(gè)機(jī)制變量對(duì)“技術(shù)創(chuàng)新”的回歸系數(shù)均顯著為正，表明研發(fā)人員和研發(fā)資本的配置以及知識(shí)合作和知識(shí)擴(kuò)散對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新水平具有顯著的正向影響，即制造業(yè)企業(yè)創(chuàng)新要素配置的優(yōu)化和知識(shí)共享的強(qiáng)化顯著促進(jìn)了其技術(shù)創(chuàng)新。同時(shí)，Bootstrap檢驗(yàn)得到的偏差校正置信區(qū)間均不包含0，表明4個(gè)機(jī)制變量的中介效應(yīng)顯著，進(jìn)一步驗(yàn)證了大數(shù)據(jù)技術(shù)應(yīng)用能夠通過(guò)優(yōu)化創(chuàng)新要素配置和強(qiáng)化知識(shí)共享的路徑來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。

4.進(jìn)一步的討論：異質(zhì)性分析

（1）技術(shù)創(chuàng)新類(lèi)型異質(zhì)性。為了進(jìn)一步分析大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)不同類(lèi)型技術(shù)創(chuàng)新的影響，本文將技術(shù)創(chuàng)新分為綠色技術(shù)創(chuàng)新和非綠色技術(shù)創(chuàng)新兩類(lèi)。依據(jù)2010年世界知識(shí)產(chǎn)權(quán)組織（World Intellectual Property Office，WIPO）推出的《國(guó)際專(zhuān)利分類(lèi)綠色清單》對(duì)綠色專(zhuān)利進(jìn)行界定，除綠色專(zhuān)利以外的專(zhuān)利為非綠色專(zhuān)利，采用前述方法計(jì)算得到“綠色技術(shù)創(chuàng)新”和“非綠色技術(shù)創(chuàng)新”指標(biāo)，以其為被解釋變量分別進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表9。“大數(shù)據(jù)技術(shù)應(yīng)用”對(duì)“綠色技術(shù)創(chuàng)新”和“非綠色技術(shù)創(chuàng)新”的回歸系數(shù)均顯著為正，其中，對(duì)“非綠色技術(shù)創(chuàng)新”回歸系數(shù)的顯著性和絕對(duì)值更大，表明大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)非綠色技術(shù)創(chuàng)新的促進(jìn)作用更大。這可能是由于綠色技術(shù)創(chuàng)新比非綠色技術(shù)創(chuàng)新的創(chuàng)新周期更長(zhǎng)，需要的創(chuàng)新投入更多，創(chuàng)新風(fēng)險(xiǎn)也更大，而制造業(yè)企業(yè)往往更注重技術(shù)創(chuàng)新的短期效益和快速回報(bào)，導(dǎo)致其在綠色技術(shù)創(chuàng)新領(lǐng)域?qū)Υ髷?shù)據(jù)技術(shù)的應(yīng)用相對(duì)有限。

（2）企業(yè)產(chǎn)權(quán)性質(zhì)異質(zhì)性。將樣本劃分為“國(guó)有企業(yè)”和“非國(guó)有企業(yè)”兩組，并分別進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表10的列（1）和列（2）。兩組樣本中“大數(shù)據(jù)技術(shù)應(yīng)用”的回歸系數(shù)均在1%的水平上顯著為正，其中“國(guó)有企業(yè)”組的系數(shù)顯著大于“非國(guó)有企業(yè)”組，表明大數(shù)據(jù)技術(shù)應(yīng)用對(duì)國(guó)有制造業(yè)企業(yè)和非國(guó)有制造業(yè)企業(yè)的技術(shù)創(chuàng)新都具有顯著的促進(jìn)作用，且對(duì)國(guó)有制造業(yè)企業(yè)的促進(jìn)作用更大。這可能是因?yàn)閲?guó)有制造業(yè)企業(yè)比非國(guó)有制造業(yè)企業(yè)擁有的創(chuàng)新資源更多，技術(shù)創(chuàng)新的基礎(chǔ)更為雄厚，大數(shù)據(jù)技術(shù)應(yīng)用水平也更高，能夠更好地應(yīng)用大數(shù)據(jù)技術(shù)對(duì)創(chuàng)新流程和創(chuàng)新模式進(jìn)行改進(jìn)，從而產(chǎn)生了更強(qiáng)的技術(shù)創(chuàng)新促進(jìn)作用。

（3）行業(yè)污染屬性異質(zhì)性。參考李青原和肖澤華（2020）［41］、王永貴和李霞（2023）［42］對(duì)重污染行業(yè)的界定，結(jié)合中國(guó)證監(jiān)會(huì)2012版《上市公司行業(yè)分類(lèi)指引》，將樣本劃分為“重污染行業(yè)”和“非重污染行業(yè)”兩組，并分別進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表10的列（3）和列（4）。兩組樣本中“大數(shù)據(jù)技術(shù)應(yīng)用”的回歸系數(shù)均在1%的水平上顯著為正，其中“非重污染行業(yè)”組的系數(shù)顯著大于“重污染行業(yè)”組，表明大數(shù)據(jù)技術(shù)應(yīng)用對(duì)重污染行業(yè)企業(yè)和非重污染行業(yè)企業(yè)的技術(shù)創(chuàng)新都具有顯著的促進(jìn)作用，且對(duì)非重污染行業(yè)企業(yè)的促進(jìn)作用更大。這可能是由于，相比非重污染行業(yè)，重污染行業(yè)的企業(yè)具有高投入、高排放的特征，技術(shù)創(chuàng)新的難度較大，且創(chuàng)新路徑受到環(huán)境規(guī)制的約束較大，一定程度上制約了大數(shù)據(jù)技術(shù)應(yīng)用對(duì)技術(shù)創(chuàng)新促進(jìn)作用的發(fā)揮。

（4）行業(yè)要素密集度異質(zhì)性。參考唐紅濤等（2024）［43］的做法，按照行業(yè)要素密集程度的不同，將樣本劃分為“勞動(dòng)密集型”“資本密集型”“技術(shù)密集型”3組，分別進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表10的列（5）、列（6）和列（7）?！皠趧?dòng)密集型”組的“大數(shù)據(jù)技術(shù)應(yīng)用”回歸系數(shù)為正但不顯著，“資本密集型”組和“技術(shù)密集型”組的“大數(shù)據(jù)技術(shù)應(yīng)用”回歸系數(shù)均在1%的水平上顯著為正，其中“資本密集型”組的系數(shù)顯著大于“技術(shù)密集型”組，表明大數(shù)據(jù)技術(shù)應(yīng)用對(duì)勞動(dòng)密集型行業(yè)企業(yè)技術(shù)創(chuàng)新的影響不顯著，對(duì)資本密集型行業(yè)企業(yè)和技術(shù)密集型行業(yè)企業(yè)的技術(shù)創(chuàng)新都具有顯著的促進(jìn)作用，且對(duì)資本密集型行業(yè)企業(yè)的促進(jìn)作用更大。這可能是因?yàn)椋簞趧?dòng)密集型行業(yè)的企業(yè)對(duì)勞動(dòng)力的依賴(lài)性較強(qiáng)，生產(chǎn)工藝和生產(chǎn)設(shè)備相對(duì)落后，擁有的創(chuàng)新資源較少，大數(shù)據(jù)技術(shù)應(yīng)用水平也較低，導(dǎo)致大數(shù)據(jù)技術(shù)應(yīng)用對(duì)技術(shù)創(chuàng)新的促進(jìn)作用較難發(fā)揮；資本密集型行業(yè)的企業(yè)往往擁有較大的資金優(yōu)勢(shì)，大數(shù)據(jù)技術(shù)應(yīng)用可以顯著增加其對(duì)技術(shù)研發(fā)和成果轉(zhuǎn)化的資金投入，從而能夠?qū)夹g(shù)創(chuàng)新產(chǎn)生更大的促進(jìn)作用。

五、結(jié)論與啟示

制造業(yè)企業(yè)技術(shù)創(chuàng)新是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要內(nèi)驅(qū)力。本文從創(chuàng)新要素配置、知識(shí)共享角度闡釋了大數(shù)據(jù)技術(shù)應(yīng)用對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的作用機(jī)制，并以2013—2022年滬深A(yù)股制造業(yè)上市公司為樣本進(jìn)行實(shí)證檢驗(yàn)，研究發(fā)現(xiàn)：（1）我國(guó)制造業(yè)企業(yè)大數(shù)據(jù)技術(shù)應(yīng)用水平呈不斷上升趨勢(shì)，且表現(xiàn)出東部地區(qū)較高、中部地區(qū)居中、西部地區(qū)較低的地區(qū)差異。（2）大數(shù)據(jù)技術(shù)應(yīng)用顯著提升了制造業(yè)企業(yè)技術(shù)創(chuàng)新水平，該結(jié)論在經(jīng)過(guò)一系列內(nèi)生性處理和穩(wěn)健性檢驗(yàn)后依然成立。（3）創(chuàng)新要素配置和知識(shí)共享在大數(shù)據(jù)技術(shù)應(yīng)用影響制造業(yè)企業(yè)技術(shù)創(chuàng)新中發(fā)揮了顯著的中介作用，即大數(shù)據(jù)技術(shù)應(yīng)用通過(guò)優(yōu)化創(chuàng)新要素配置和強(qiáng)化知識(shí)共享兩條路徑來(lái)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。（4）大數(shù)據(jù)技術(shù)應(yīng)用顯著促進(jìn)了制造業(yè)企業(yè)的綠色技術(shù)創(chuàng)新和非綠色技術(shù)創(chuàng)新，且對(duì)非綠色技術(shù)創(chuàng)新的促進(jìn)效應(yīng)更大；大數(shù)據(jù)技術(shù)應(yīng)用顯著促進(jìn)了國(guó)有和非國(guó)有制造業(yè)企業(yè)的技術(shù)創(chuàng)新，且對(duì)國(guó)有制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)更大；大數(shù)據(jù)技術(shù)應(yīng)用顯著促進(jìn)了重污染行業(yè)和非重污染行業(yè)企業(yè)的技術(shù)創(chuàng)新，且對(duì)非重污染行業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)更大；大數(shù)據(jù)技術(shù)應(yīng)用對(duì)勞動(dòng)密集型行業(yè)企業(yè)技術(shù)創(chuàng)新的影響不顯著，顯著促進(jìn)了資本密集型行業(yè)和技術(shù)密集型行業(yè)企業(yè)的技術(shù)創(chuàng)新，且對(duì)資本密集型行業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)更大。

根據(jù)上述結(jié)論，本文得到以下啟示：首先，企業(yè)應(yīng)積極推進(jìn)大數(shù)據(jù)技術(shù)創(chuàng)新、引進(jìn)和應(yīng)用。企業(yè)要明確大數(shù)據(jù)發(fā)展的戰(zhàn)略地位與作用，制定相應(yīng)的大數(shù)據(jù)和大數(shù)據(jù)技術(shù)發(fā)展規(guī)劃。企業(yè)要建立健全大數(shù)據(jù)分析平臺(tái)，支持大數(shù)據(jù)快速集成與高效計(jì)算，并對(duì)大數(shù)據(jù)分析平臺(tái)算法以及大數(shù)據(jù)技術(shù)進(jìn)行優(yōu)化和迭代，促使大數(shù)據(jù)技術(shù)在企業(yè)高質(zhì)量發(fā)展中發(fā)揮更大作用。另外，企業(yè)要培育和引進(jìn)具有大數(shù)據(jù)技術(shù)和數(shù)據(jù)分析能力的高素質(zhì)專(zhuān)業(yè)化人才，推動(dòng)大數(shù)據(jù)技術(shù)的高效應(yīng)用。其次，充分發(fā)揮大數(shù)據(jù)技術(shù)應(yīng)用的要素配置優(yōu)化效應(yīng)和知識(shí)共享強(qiáng)化效應(yīng)。企業(yè)內(nèi)部決策和管理過(guò)程要重視大數(shù)據(jù)和大數(shù)據(jù)技術(shù)的使用，管理者應(yīng)借助大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)建模、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用，以數(shù)據(jù)支撐決策，實(shí)現(xiàn)智能化決策和科學(xué)化管理，提高決策效率和治理效率，不斷優(yōu)化企業(yè)要素配置。企業(yè)要加強(qiáng)與合作企業(yè)及其他創(chuàng)新主體的數(shù)據(jù)開(kāi)放與共享，構(gòu)建數(shù)據(jù)共享平臺(tái)，促進(jìn)信息交流與知識(shí)共享；同時(shí)，要建立知識(shí)管理系統(tǒng)，包括知識(shí)庫(kù)、協(xié)作平臺(tái)等，為員工提供便捷的知識(shí)獲取和分享渠道，并促進(jìn)不同部門(mén)之間的知識(shí)共享和交流。最后，完善制度體系，以差異化的政策組合鼓勵(lì)和支持不同類(lèi)型企業(yè)的大數(shù)據(jù)技術(shù)應(yīng)用，并充分發(fā)揮大數(shù)據(jù)技術(shù)應(yīng)用的積極作用。單一的政策往往難以發(fā)揮作用，要從鼓勵(lì)數(shù)據(jù)人才培育、完善數(shù)據(jù)交易和數(shù)據(jù)共享體系、鼓勵(lì)技術(shù)創(chuàng)新、促進(jìn)行業(yè)融合等方面構(gòu)建組合式的政策體系，激勵(lì)各類(lèi)企業(yè)積極應(yīng)用大數(shù)據(jù)技術(shù)和充分發(fā)揮大數(shù)據(jù)技術(shù)應(yīng)用的創(chuàng)新促進(jìn)作用。尤其要加大對(duì)綠色技術(shù)創(chuàng)新的支持力度以強(qiáng)化大數(shù)據(jù)技術(shù)應(yīng)用對(duì)綠色技術(shù)創(chuàng)新的促進(jìn)作用，并鼓勵(lì)非國(guó)有企業(yè)、重污染行業(yè)企業(yè)和勞動(dòng)密集型行業(yè)企業(yè)在技術(shù)創(chuàng)新過(guò)程中積極應(yīng)用大數(shù)據(jù)技術(shù)。

參考文獻(xiàn)：

［1］WANG M，LI Y，LI J，et al. Green process innovation，green product innovation and its economic performance improvement paths：a survey and structural model［J］. Journal of Environmental Management，2021，297：113282.

［2］李輝.大數(shù)據(jù)推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的理論機(jī)理、實(shí)踐基礎(chǔ)與政策選擇［J］.經(jīng)濟(jì)學(xué)家，2019（3）：52-59.

［3］WEN H，WEN C，LEE C C. Impact of digitalization and environmental regulation on total factor productivity［J］. Information Economics and Policy，2022，61：101007.

［4］FARBOODI M，MIHET R，PHILIPPON T，et al. Big data and firm dynamics［J］. AEA Papers and Proceedings，2019：38-42.

［5］呂明元，苗效東.大數(shù)據(jù)能促進(jìn)中國(guó)制造業(yè)結(jié)構(gòu)優(yōu)化嗎？［J］.云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，36（3）：31-42.

［6］史丹，孫光林.數(shù)據(jù)要素與新質(zhì)生產(chǎn)力：基于企業(yè)全要素生產(chǎn)率視角［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2024，44（4）：12-30.

［7］任曉剛，謝賢君.大數(shù)據(jù)產(chǎn)業(yè)發(fā)展如何影響技術(shù)創(chuàng)新質(zhì)量：基于《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016-2020年）》政策實(shí)施的準(zhǔn)自然試驗(yàn)［J］.科學(xué)管理研究，2024，42（1）：85-95.

［8］梁明偉.數(shù)字中國(guó)戰(zhàn)略對(duì)科技型新創(chuàng)企業(yè)高端顛覆性創(chuàng)新的影響研究——基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的分析［J］.西南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2024，45（4）：117-128.

［9］戴艷娟，沈偉鵬，譚偉杰.大數(shù)據(jù)發(fā)展對(duì)企業(yè)數(shù)字技術(shù)創(chuàng)新的影響研究——基于國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)［J］.西部論壇，2023，33（2）：16-28.

［10］史丹，孫光林.大數(shù)據(jù)發(fā)展對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響機(jī)理研究［J］.財(cái)貿(mào)經(jīng)濟(jì)，2022，43（9）：85-100.

［11］SIVARAJAH U，KUMAR S，KUMAR V，et al. A study on big data analytics and innovation：from technological and business cycle perspectives ［J］. Technological Forecasting and Social Change，2024，202：123328.

［12］CADDEN T，WEERAWARDENA J，CAO G，et al. Examining the role of big data and marketing analytics in SMEs innovation and competitive advantage：a knowledge integration perspective ［J］. Journal of Business Research，2023，168，114225.

［13］胡蓉寧.大數(shù)據(jù)應(yīng)用對(duì)企業(yè)技術(shù)創(chuàng)新的效應(yīng)研究［J］.現(xiàn)代經(jīng)濟(jì)探討，2024（3）：98-108.

［14］劉龍均，龍靜，柳汝泓，等.大數(shù)據(jù)能力如何驅(qū)動(dòng)企業(yè)創(chuàng)新：基于資源編排視角［J］.科技進(jìn)步與對(duì)策，2024，41（7）： 72-80.

［15］張振剛，葉寶升，戶(hù)安濤，等.制造企業(yè)如何形成大數(shù)據(jù)能力賦能產(chǎn)品創(chuàng)新績(jī)效？——CEO威脅認(rèn)知與數(shù)字化支持行為的視角［J］.研究與發(fā)展管理，2023，35（6）：19-31.

［16］白雪潔，孫獻(xiàn)貞.互聯(lián)網(wǎng)發(fā)展影響全要素碳生產(chǎn)率：成本、創(chuàng)新還是需求引致［J］.中國(guó)人口·資源與環(huán)境，2021，31（10）：105-117.

［17］GAO Q，CHENG C，SUN G. Big data application，factor allocation，and green innovation in Chinese manufacturing enterprises［J］. Technological Forecasting and Social Change，2023，192：122567.

［18］馮楠，任彬彬，黃梓宸，等.數(shù)字經(jīng)濟(jì)下工業(yè)互聯(lián)網(wǎng)平臺(tái)信息共享激勵(lì)機(jī)制研究［J］.北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，21（2）：1-13.

［19］HU X，JIANG Y，LI M. How does China's big data policy affect the digital economy of cities？ Evidence from national big data comprehensive pilot zones ［J］. Heliyon，2024，10（2）：e24638.

［20］任曙明，馬橙.大數(shù)據(jù)應(yīng)用與中國(guó)企業(yè)創(chuàng)新資源錯(cuò)配［J］.科學(xué)學(xué)研究，2024，42（1）：194-204.

［21］LYU Y，XIAO X，ZHANG J. Does the digital economy enhance green total factor productivity in China？ The evidence from a national big data comprehensive pilot zone［J］. Structural Change and Economic Dynamics，2024，69：183-196.

［22］田穎，常焙筌，田增瑞，等.是否知識(shí)共享？——基于開(kāi)源數(shù)字創(chuàng)新社區(qū)視角［J］.科學(xué)學(xué)研究，2021，39（8）：1474-1484.

［23］劉宇，邵云飛，康健.知識(shí)共享視角下聯(lián)盟組合構(gòu)型對(duì)企業(yè)創(chuàng)新績(jī)效的影響［J］.科技進(jìn)步與對(duì)策，2019，36（21）：134-140.

［24］BERG S，WUSTMANS M，BRRING S. Identifying first signals of emerging dominance in a technological innovation system：a novel approach based on patents［J］. Technological Forecasting and Social Change，2019，146：706-722.

［25］UPADHYAY P，KUMAR A. The intermediating role of organizational culture and internal analytical knowledge between the capability of big data analytics and a firm’s performance［J］. International Journal of Information Management，2020，52：102100.

［26］童紅霞.數(shù)字經(jīng)濟(jì)環(huán)境下知識(shí)共享、開(kāi)放式創(chuàng)新與創(chuàng)新績(jī)效——知識(shí)整合能力的中介效應(yīng)［J］.財(cái)經(jīng)問(wèn)題研究，2021（10）：49-61.

［27］孫成，崔維軍，吳杰，等.加入標(biāo)準(zhǔn)化技術(shù)委員會(huì)促進(jìn)了企業(yè)技術(shù)創(chuàng)新嗎？［J］.中國(guó)軟科學(xué)，2024（5）：58-69.

［28］張葉青，陸瑤，李樂(lè)蕓.大數(shù)據(jù)應(yīng)用對(duì)中國(guó)企業(yè)市場(chǎng)價(jià)值的影響——來(lái)自中國(guó)上市公司年報(bào)文本分析的證據(jù)［J］.經(jīng)濟(jì)研究，2021，56（12）：42-59.

［29］孫獻(xiàn)貞.數(shù)字化轉(zhuǎn)型、政府補(bǔ)助與企業(yè)技術(shù)創(chuàng)新——來(lái)自中國(guó)A股上市公司的經(jīng)驗(yàn)證據(jù)［J］.南方金融，2023（7）：3-15.

［30］劉汶榮.制造業(yè)高質(zhì)量發(fā)展中創(chuàng)新要素配置研究［J］.社會(huì)科學(xué)戰(zhàn)線(xiàn)，2021（12）：70-75.

［31］吳松強(qiáng)，黃盼盼，曹新雨.企業(yè)關(guān)系資本、知識(shí)共享與企業(yè)創(chuàng)新能力——基于先進(jìn)制造業(yè)產(chǎn)業(yè)技術(shù)聯(lián)盟的實(shí)證研究［J］.科學(xué)管理研究，2021，39（1）：123-131.

［32］吳潔.知識(shí)共享視角下云服務(wù)能力對(duì)零售企業(yè)創(chuàng)新績(jī)效影響實(shí)證分析［J］.商業(yè)經(jīng)濟(jì)研究，2023（18）：144-147.

［33］江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2022（5）：100-120.

［34］呂承超，王志閣.要素資源錯(cuò)配、時(shí)空效應(yīng)與技術(shù)創(chuàng)新——來(lái)自884家制造業(yè)上市公司的經(jīng)驗(yàn)分析［J］.經(jīng)濟(jì)體制改革，2019（6）：115-121.

［35］劉斐然，胡立君，范小群.產(chǎn)學(xué)研合作如何影響企業(yè)的市場(chǎng)績(jī)效？ ［J］.科研管理，2023，44（1）：155-163.

［36］張勛，楊桐，汪晨，等.數(shù)字金融發(fā)展與居民消費(fèi)增長(zhǎng)：理論與中國(guó)實(shí)踐［J］.管理世界，2020，36（11）：48-63.

［37］LEWBEL A. Constructing instruments for regressions with measurement error when no additional data are available，with an application to patents and Ramp;D［J］. Econometrica，1997，65（5）：1201-1213.

［38］李唐，李青，陳楚霞.數(shù)據(jù)管理能力對(duì)企業(yè)生產(chǎn)率的影響效應(yīng)——來(lái)自中國(guó)企業(yè)—?jiǎng)趧?dòng)力匹配調(diào)查的新發(fā)現(xiàn)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（6）：174-192.

［39］權(quán)小鋒，劉佳偉，孫雅倩.設(shè)立企業(yè)博士后工作站促進(jìn)技術(shù)創(chuàng)新嗎——基于中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（9）：175-192.

［40］溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展［J］.心理科學(xué)進(jìn)展，2014，22（5）：731-745.

［41］李青原，肖澤華.異質(zhì)性環(huán)境規(guī)制工具與企業(yè)綠色創(chuàng)新激勵(lì)——來(lái)自上市企業(yè)綠色專(zhuān)利的證據(jù)［J］.經(jīng)濟(jì)研究，2020，55（9）：192-208.

［42］王永貴，李霞.促進(jìn)還是抑制：政府研發(fā)補(bǔ)助對(duì)企業(yè)綠色創(chuàng)新績(jī)效的影響［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2023（2）：131-149.

［43］唐紅濤，薛雅文，陳捷.制造業(yè)數(shù)字化轉(zhuǎn)型與提升企業(yè)價(jià)值——核心機(jī)制、模式選擇與推進(jìn)路徑［J］.管理學(xué)刊，2024，37（2）：81-99.

The Impact of Big Data Technology Application on

Technological Innovation in Manufacturing EnterprisesSUN Xian-zhen

（School of Economics， Zhejiang University of Finance amp; Economics， Hangzhou 310018， Zhejiang， China）

Abstract： With the booming development of the digital economy and the maturity of digital technologies such as big data， the application of big data technology in manufacturing enterprises can optimize innovation factor allocation， promote knowledge sharing， empower innovation mode transformation， and enhance technological innovation level. However， there is a relative scarcity of studies focusing on the technological innovation effects of big data technology applications in manufacturing enterprises， and systematic analyses of their underlying mechanisms are even rarer.

This paper takes Chinese A-share listed manufacturing companies in Shanghai and Shenzhen from 2013 to 2022 as the research object and explores the impact and mechanism of big data technology application on the technological innovation of manufacturing enterprises from both theoretical and empirical perspectives. The research finds that the level of big data technology application in Chinese manufacturing enterprises shows an upward trend over time， and there are regional differences. The application of big data technology can significantly promote technological innovation in manufacturing enterprises. The application of big data technology promotes technological innovation in manufacturing enterprises by optimizing innovation factor allocation and facilitating knowledge sharing. The promotion effect of the big data technology application on non-green technology innovation in manufacturing enterprises is greater. The promotion effect of the big data technology application on technological innovation is greater in state-owned enterprises and non-heavy pollution enterprises. The promotion effect of big data technology application on technological innovation is more significant in capital-intensive and technology-intensive enterprises.

Compared with previous literature， the main marginal contributions of this paper are as follows. Firstly， from the research perspective， the paper analyzes the impact of big data technology applications on technological innovation in manufacturing enterprises from a micro perspective and expands the research on the application of big data technology and technological innovation in manufacturing enterprises. Secondly， from the perspective of theoretical mechanism construction， the paper innovatively explores the mechanism of big data technology application on technological innovation in manufacturing enterprises from two channels of optimizing innovation factors allocation effect and promoting knowledge sharing effect and enriches the theoretical mechanism research on the impact of big data on technological innovation in manufacturing enterprises. Thirdly， from an empirical analysis perspective， using text mining methods to construct enterprise-level big data evaluation indicators， this paper empirically examines the impact and mechanism of big data technology applications on technological innovation in manufacturing enterprises， and further explores the impact of big data technology applications on different types of technological innovation， as well as the heterogeneous effects of big data technology applications on technological innovation caused by differences in enterprise characteristics. This provides practical evidence for proposing corresponding policy recommendations to leverage the innovation promotion effect of big data technology applications in the future.

This paper helps clarify the impact mechanism of big data technology application on technological innovation in manufacturing enterprises and provides useful reference and guidance for government departments to formulate policies to leverage the promotion effect of big data technology application on technological innovation in manufacturing enterprises.

Key words： big data technology application; technological innovation; innovation factor allocation; knowledge sharing; manufacturing enterprises

CLC number：F273.1; F42Document code：AArticle ID：1674-8131（2024）06-0064-14

（編輯：劉仁芳）