The Influence of Digital Economy Policy on Enterprise Digital Technology Innovation——Based on the Data of China's A-Share Listed Enterprises and the Text Data of Provincial Government Work Reports
-
摘要:
数字技术是数字经济的重要技术支撑，如何提升企业数字技术创新水平成为重要的研究课题。基于2009—2020年中国A股上市企业数据和省级政府工作报告文本数据，探究数字经济政策对企业数字技术创新的影响及其内在机理，发现数字经济政策能够助推企业数字技术创新水平的提升，并且主要推动数字技术创新数量的增加，而对数字技术创新质量的提升效果并未显现。机制分析表明，数字经济政策主要通过优化地区营商环境、降低企业融资约束促进企业数字技术创新。企业外部环境异质性检验表明，数字经济政策推动了东部和中部地区、省会城市以及数字金融发展水平较高地区的企业开展数字技术创新。企业内部特征异质性检验表明，非国有企业、规模较大企业和制造业企业的数字技术创新受政府的数字经济政策影响更大。未来政策制定和实施应注意数字经济政策对企业数字技术创新作用的多样性和复杂性，这有助于推动数字经济的长效发展。
Abstract:Digital technology is an important technical support for the digital economy. How to improve the level of enterprise digital technology innovation has become an important topic for all circles of society. Based on the data of China's A-share listed enterprises from 2009 to 2020 and the text data of provincial government work reports, this paper explores the impact of digital economy policies on enterprises' digital technology innovation and its internal mechanism. The research finds that, first, digital economy policies can promote the improvement of enterprises' digital technology innovation level, and mainly promote the increase of digital technology innovation quantity, but the improvement effect on the quality of digital technology innovation has not been shown. Second, mechanism analysis shows that digital economy policies promote enterprise digital technology innovation mainly by improving the regional business environment and reducing the financing constraints of enterprises. Third, the heterogeneity test of the external environment of enterprises shows that the digital economy policy promotes the digital technology innovation of enterprises in the eastern and central regions, provincial capitals and regions with high digital financial development level. The internal feature heterogeneity test shows that the digital technology innovation of non-state-owned enterprises, large-scale enterprises and manufacturing enterprises is more affected by the government's digital economy policy. This paper expands the depth and breadth of the study of digital economy policies on enterprise digital technology innovation, reveals the diversity and complexity of policy functions, provides useful experience and inspiration for future policy formulation and implementation, and helps promote the long-term development of digital economy.
-
一. 问题的提出
党的二十大报告明确提出“加快建设数字中国”，加快发展数字经济已成为国家重大战略。习近平总书记在第十九届中央政治局第三十四次集体学习时指出，“要牵住数字关键核心技术自主创新这个‘牛鼻子’”，“提高数字技术基础研发能力”，“把发展数字经济自主权牢牢掌握在自己手中”[1]。数字化浪潮席卷各行各业，数字技术创新正日益成为塑造经济和社会格局的关键动力，且在促进企业和产业发展中发挥着至关重要的作用。数字技术的崛起极大推动了数字经济的蓬勃发展，而数字经济发展的同时也会催生大量数字技术的涌现，如今数字技术已成为全球范围内不断竞相角逐的关键领域。《数字中国发展报告(2022年)》的数据显示，2022年我国数字经济核心产业发明专利授权量达33.5万件，数字技术创新已经成为稳增长、促转型的重要引擎[2]。Acemoglu和Restrepo的研究强调，数字技术作为一种提高生产效率的辅助工具，与传统生产要素形成了相互促进的体系，从而提升了企业对现有生产要素的利用效率[3]。以发明专利和实用新型专利为例，这些专利不仅代表了企业在技术创新上的独创性和价值，也是企业在数字化转型中的重要成果[4]。数字技术的创新和应用不仅对企业的组织结构、决策制定和公司治理产生影响[5]，还渗透到现代企业运营的各个方面，包括设计、管理和分析，有效提升了企业运营效率[6]。数字技术创新有助于缓解企业的信息不对称问题[7]，提升企业市场价值等[2]。数字技术创新加强了企业与市场之间的互动，使企业能够更准确地了解市场需求和趋势，从而在投资决策方面作出更合理的选择，提升整体资源整合能力[8]。
然而，尽管数字技术创新带来了巨大的潜力，但其实现并非易事，众多企业面临着高门槛、高成本和高风险的情况，导致“不愿创新” “不敢创新”的困境[9]。习近平总书记指出，要发挥数字技术对经济高质量发展的放大、叠加、倍增作用[1]。在数字化浪潮的驱动下，数字技术创新正成为企业保持核心竞争力的关键要素[2]，如何提升企业数字技术创新水平成为社会各界研究的重要课题。
已有文献往往局限于分析数字技术创新的作用效应，如探讨数字技术创新对企业市场价值[10]、企业绩效[11-12]、生产效率[4]、就业[13]、产业结构升级[14]等的影响, 而对于如何提升企业的数字技术创新水平则鲜有文献涉及。部分学者从企业内部视角切入，研究企业内部的人力资源[15]、首席数字官[16]、公司高管数字化意识[9]等因素如何影响企业开展数字技术创新。政府对数字技术创新的作用不可忽视，然而较少文献从地方政府行为的角度出发研究数字经济政策对企业数字技术创新的影响。与数字经济相关的政策致力于推动数字行业发展，加速数字行业技术创新，培育数字经济发展的新模式、新业态。如余长林等探讨了产业政策对数字行业技术创新的影响，发现数字产业政策存在积极的创新激励效应，这种创新效应主要基于政府补贴和行业准入制度两种机制实现[17]。而数字基础设施政策作为数字经济政策的一种，往往通过促进网络基础设施、综合性大数据中心、云计算中心等新型基础设施和大型数字平台建设，推动数字要素产品和服务更好支撑当地企业发展，并促使企业调整资源配置、数字化投资和人力资本结构，引致企业数字化转型[18-20]。毛丰付等认为，数字基础设施建设能够通过缓解融资约束、降低交易成本和税负以及强化市场竞争，有效激发企业技术创新[21]。石玉堂和王晓丹的研究表明，大数据综合试验区政策试点能够有效促进企业数字化转型，大数据平台建设能够诱发企业调整人力资本结构和技术创新，进而促进企业数字化转型[22]。也有部分研究探讨了数字经济相关的区位导向性政策对企业创新的影响。如“宽带中国”战略的实施能够促进企业创新和提升全要素生产率[23-24]。
鉴于较少有文献从地方政府行为的角度出发直接研究数字经济政策对企业数字技术创新数量和质量的影响，本文从地方政府行为入手，利用2009—2020年中国A股上市企业数据和省级政府工作报告文本数据，深入探究数字经济政策对企业数字技术创新数量和质量的影响及其机制，以期为政府政策制定和企业战略规划提供有益的参考。
本文可能的创新点在于：第一，对数字经济政策影响企业数字技术创新的作用效果进行了全面、深入的探讨，同时关注了数字技术创新的数量和质量，所得出的结论能为评估政府数字经济政策在数字技术创新过程中的实际效果提供经验证据；第二，从地区营商环境和企业融资约束两个视角揭示了数字经济政策影响企业数字技术创新的内在机理，有助于理解政策产生作用的途径，为政策制定者提供更加有价值的参考；第三，检验了数字经济政策在不同规模、不同产权属性和不同地区等企业内外部环境下的异质性效果，为政府更好地理解政策的有效性和可行性提供了理论支持。
二. 理论分析与研究假说
数字经济政策作为促进数字化转型和创新的重要手段，在推动企业数字技术创新方面发挥着重要作用。数字经济政策的推动通常伴随着政府的巨额投资和资源支持，地方政府通常会在数字经济战略中明确提出数字经济建设的目标，调动相关资源进行投资和支持，促进地区数字基础设施的建设与升级，包括扩展宽带网络、建设数据中心、提升物联网基础设施等，从而增强企业数字化创新的技术基础和条件[20]。而且，数字经济政策的推动可以通过政府补贴、税收优惠等方式部分缓解企业的融资问题，提供创新活动的资金保障，使得企业能够更有信心地投入数字技术创新领域。此外，数字经济政策可以激发企业和科研机构参与数字技术创新的热情和信心。政府的政策引导和资金支持可以鼓励企业投入数字技术领域的研发和创新，提高其技术水平和竞争力。数字经济政策还能促进国际合作与技术交流，提升地区数字技术创新的国际化水平。而企业也能共享政府提供的数字化技术平台，进行技术交流和资源共享，加速数字化创新的过程。据此提出本文的研究假说1：
H1 数字经济政策能够有效促进企业数字技术创新水平的提升。
数字经济政策的推行可以优化地区营商环境，尤其是有利于加强知识产权保护和营造公平竞争的市场环境，为企业开展数字技术创新提供了有利的外部环境[25]。数字经济政策作为推动数字经济创新发展的重要工具，为企业开展数字技术创新提供了完善的知识产权保护体系和配套机制，有效抑制了侵占数字创新成果的恶性竞争行为和市场扭曲行为，为企业数字技术创新提供了安全保障。因此，数字经济政策的推行可以优化法治环境，加强知识产权保护，有效降低企业研发溢出损失，提高企业推动数字技术创新的积极性[26]。此外，数字经济政策同样重视数据安全和个人隐私，引导企业和公众的数字化意识，促进数字技术的广泛应用和普及，推动数字经济的可持续发展。在数字经济政策的推动下，政府扮演着数字经济发展的引导角色，通过一系列政策举措来推动数字经济发展、促进企业开展数字技术创新。政府还致力于提升劳动力竞争力，以满足数字化时代的人力资本需求，从而为企业的数字创新水平提升营造良好的外部环境，有利于企业投入更多的数字资源和创新型人才用于研发数字技术、数字产品、数字专利及相关服务。据此提出本文的研究假说2：
H2 数字经济政策优化了地区营商环境，进而促进了企业数字技术创新。
数字经济政策作为政府引导市场的重要手段，通过弱化企业融资约束对企业数字技术创新产生积极影响。在数字化转型的阵痛期，企业在早期探索阶段往往花费了大量资金[27]，企业的数字技术创新很难得到资金的充分支持。数字经济政策可以通过政府的资金投入、补贴政策和数字金融环境的改善，为企业提供充足的资金和资源支持，从而助推企业数字技术创新水平的提升。一方面，政府的资金投入是数字经济政策的核心内容之一。政府在数字基础设施建设、技术研发、创新引导等方面投入大量资金，为企业提供了稳定的融资来源。这对于企业数字技术创新尤为关键，因为数字化转型和技术创新常常需要高额的研发资金。政府的资金投入填补了企业在创新过程中可能面临的资金缺口[28]，降低了企业融资的难度和风险，使得企业更加愿意投入数字技术研发，从而推动了数字技术创新的发展。另一方面，政府的补贴政策和数字金融发展进一步减轻了企业的融资压力。政府通过直接向企业提供资金补贴、减免税收等方式，减轻了企业的财务负担[29]。这种补贴政策特别有助于那些创新初期、融资能力有限的中小企业。例如，Gao等发现研发补贴对企业探索性创新有促进作用[30]；张志元和马永凡发现政府补贴正向影响企业的数字化水平[31]。此外，唐松等研究发现数字金融可以显著促进企业创新行为和数字化探索[32]。因此，数字经济政策的推行降低了企业的资金约束和融资成本，使得企业能够更加灵活地运用资金进行创新活动，提高了数字技术创新的积极性和效率。据此提出本文的研究假说3：
H3 数字经济政策降低了企业所受的融资约束，推动了企业的数字技术创新。
三. 实证研究设计
一 实证模型
结合现有文献[19, 31]和研究问题，本文的实证模型设定如下：
Digp,i,t=β0+β1DigtalPolicyp,t+β2Controlp,i,t−1+γt+δi+εi,t (Ⅰ) 其中，Digp, i, t表示p省的i企业在t年的数字技术创新指标，包含数字技术创新数量(lnDigNumi, t)和数字技术创新质量(DigQua1i, t)；DigtalPolicyp, t指数字经济政策，表示p省在t年的数字经济政策供给强度；Controlp, i, t-1为滞后一期的控制变量集，包含企业和地区层面的控制变量；γt为年份固定效应，δi为企业固定效应，εi, t为扰动项，采用聚类到企业层面的稳健标准误。
二 变量说明
1 被解释变量
企业数字技术创新，包含数字技术创新数量(lnDigNum)和数字技术创新质量(DigQua1)。本文关注的因变量是上市企业层面的数字技术创新数量(lnDigNum)和数字技术创新质量(DigQua1)。鉴于专利的国际专利分类(International Patent Classification, IPC)信息可以较好地刻画创新行为的技术领域特征[2]，同时考虑到相对于其他类型的专利，发明专利是对企业实质性技术创新活动的一种更好的测度[33]，本文使用申请发明专利文件中的IPC信息测度微观主体的数字技术创新数量和质量。
关于数字技术创新数量的测算。首先，基于国家统计局发布的《数字经济及其核心产业统计分类(2021)》建立数字核心产业和国民经济行业的对应关系；其次，基于《国际专利分类与国民经济行业分类参照关系表(2018)》建立国民经济行业和国际专利分类的对应关系；最后，基于发明专利申请文件中的IPC层面信息，在小组层面与数字技术创新所属的技术领域进行匹配，进而识别数字技术发明专利。在此基础上，将专利层面的数字创新信息按“上市代码—所处年份”两个维度进行加总，并将其加1后取对数，得到上市公司层面的数字技术创新数量。
关于数字技术创新质量的测算。数字技术可以在短期内进行多次迭代，从事数字技术创新的企业可以在短期内申请多个同族专利，数字技术专利数量持续上涨可能是因为企业的策略性数字技术创新行为[34]。但是，只有高质量的数字技术创新才能推动数字技术的快速发展，因此对于微观主体数字技术创新质量的关注尤为重要。然而，现有文献对数字技术创新质量的关注明显不足。本文在现有文献的基础上对数字技术创新质量的测量进行一些尝试。Aghion等[35]提出的知识宽度法得到了广泛应用。该方法是从每个专利信息中提取出其包含知识的复杂度和广泛程度，进而构造出专利质量指标，以更加全面地衡量企业创新活动[36]。借鉴上述思路，本文从知识宽度的视角构造上市公司数字技术创新质量的测度方法。
IPC分类号一般采取“部—大类—小类—大组—小组”的格式。以分类号“G01B13/00”为例，第一个位置的字母“G”表示部，第2、3个位置的数字“01”表示大类，第4个位置的字母“B”表示小类，第5、6个位置的数字“13”表示大组，符号“/”后面的数字“00”则表示小组。基于此，对数字技术发明申请专利的知识宽度进行测度，具体方法为：
Patent_knowedgei=1−∑in(αin)2 (Ⅱ) 其中，变量Patent_knowedgei代表数字技术发明申请专利i的知识宽度，αin代表专利i的IPC分类号中第n个大组的占比。IPC大组的差异越大，表示专利发明人在进行该项数字技术发明专利研发时所运用的知识越多，体现为专利知识宽度指标数值越大，即该数字技术发明专利的质量越高。计算出专利层面知识宽度后，再从“上市代码—所处年份”两个维度使用均值加总法进行加总，得到上市公司层面的数字技术创新质量指标。
2 核心解释变量
数字经济政策(DigtalPolicy)。为响应中央政府“加快数字化发展”的顶层设计，地方政府在贯彻中央部署的同时，争相抢占数字经济发展的先机。这一态势在各地政府工作报告中均有显现，这些报告强调了数字基础设施、数字经济增加值占比、平台经济、数据要素市场建设等方面的重要性。近年来，文本大数据分析在经济学和金融学中得到了广泛运用[37]，也有更多的学者采用地方政府工作报告的文本分析方法，以政府工作报告词频分布情况反映政府产业政策事实。如陈诗一和陈登科统计省级政府工作报告中环境相关词汇出现的频数及其比重，作为政府环境规制政策的代理变量[38]。本文结合吴非等[39]、陶长琪和丁煜[40]、王海等[20]的研究思路，通过挖掘省级政府年度工作报告中有关数字经济的关键词频率来衡量地方政府的数字经济政策供给强度。为了实现这一目标，本文参考了各类政策规划文件和文本挖掘原理，构建了包含新一代信息通信技术、云计算、大数据、5G、区块链、人工智能、物联网等核心领域的51个数字经济政策关键词，详见表 1。基于Python软件，本文识别和统计了各省政府工作报告文本中与数字经济相关的关键词频数，并将其取自然对数，以此来衡量地方政府数字经济政策供给的强度。
表 1 数字经济政策文本关键词①指标 关键词 数字经济政策 数字经济、数据安全、智慧化、智能经济、数据服务、信息经济、互联网、云平台、智能制造、物联网、数字化、数字产业、5G、信息技术、区块链、数字基础设施、大数据、数据治理、云计算、数字生活、智能化、人工智能、数据共享、机器人、工业互联网、数字技术等 3 控制变量
参照现有文献，本文控制了可能影响企业开展数字技术创新的因素。企业层面的控制变量包括：企业特征变量如公司成立年限(FirmAge)、公司规模(Size)、是否为国有企业(SOE)，企业运营情况如资产负债率(Lev，单位：%)、总资产净利润率(ROA，单位：%)、固定资产占比(FIXED，单位：%)、营业收入增长率(Growth，单位：%)、是否亏损(Loss)、托宾Q值(TobinQ)，公司治理结构如董事人数(Board)、第一大股东持股比例(Top1，单位：%)、机构投资者持股比例(INST，单位：%)、管理层持股比例(Mshare，单位：%)、大股东资金占用(Occupy)。地区层面的控制变量包括：产业结构(Structure)，用第三产业增加值与第二产业增加值的比值来衡量；经济发展水平(Pergdp)，用人均GDP的自然对数值来衡量；市场开放水平(Fdi，单位：%)，用外商投资占GDP比重来衡量；政府干预能力(Gov，单位：%)，用政府财政预算支出占GDP比重来衡量。
三 数据来源与处理
本研究的样本覆盖了2009—2020年在沪深A股上市的企业。有关样本企业的基本信息和财务数据均来自国泰安(CSMAR)和万得(Wind)数据库，专利数据则来自全球专利数据库incoPat。地区层面数据来源于《中国统计年鉴》《中国城市统计年鉴》。此外，本研究还收集了各省政府官网上的年度政府工作报告。在构建基础数据时，排除了样本期内退市、ST类、金融类(包括银行、证券和保险等)和上市不满一年的企业样本，同时还剔除了主要变量存在严重缺失的样本。对于所有连续变量，进行了首尾1%的缩尾处理，以提升数据的准确性和稳定性。由于控制变量采用滞后一期值，实际回归的数据样本期间为2010—2020年。主要变量的描述性统计结果详见表 2。
表 2 描述性统计变量名 Obs Mean SD Min Max lnDigNum 23 214 0.511 7 1.054 4 0.000 0 8.467 4 DigQua1 23 214 0.068 4 0.174 2 0.000 0 0.907 4 DigtalPolicy 23 214 2.857 0 0.755 4 0.000 0 4.290 5 Size 23 214 22.097 8 1.282 6 19.894 2 26.141 6 Lev 23 214 41.529 2 20.620 0 4.900 6 88.030 1 ROA 23 214 4.821 5 5.581 9 -20.168 7 21.907 1 FIXED 23 214 21.179 8 16.146 9 0.220 7 70.285 7 Growth 23 214 18.431 5 38.523 1 -53.496 2 237.795 9 Loss 23 214 0.071 1 0.257 0 0.000 0 1.000 0 Board 23 214 2.137 5 0.198 7 1.609 4 2.708 1 Top1 23 214 35.143 7 14.928 9 8.786 9 74.823 7 TobinQ 23 214 2.020 9 1.212 5 0.869 1 8.135 3 SOE 23 214 0.371 9 0.483 3 0.000 0 1.000 0 FirmAge 23 214 2.804 5 0.362 0 1.609 4 3.465 7 INST 23 214 37.766 1 23.958 0 0.023 0 87.958 3 Mshare 23 214 13.893 2 20.410 0 0.000 0 69.228 0 Occupy 23 214 1.497 6 2.151 6 0.015 2 13.335 6 Pergdp 23 214 2.125 5 0.541 0 0.649 5 3.013 0 Structure 23 214 1.480 4 0.967 4 0.422 8 5.168 3 Fdi 23 214 2.818 7 1.693 2 0.051 2 8.115 8 Gov 23 214 15.533 5 5.583 0 7.468 0 35.731 2 四. 实证结果与分析
一 基准回归结果
表 3是基准回归的结果。列(1)至列(3)探究了数字经济政策对企业数字技术发明专利数量(lnDigNum)的影响。其中，列(1)单独考察了数字经济政策的影响，控制了企业和年份固定效应，列(2)在列(1)的基础上加入了企业层面的控制变量，列(3)在列(2)的基础上加入了地区层面的控制变量。可以看到，核心解释变量的系数均在5%的水平上显著为正，表明数字经济政策可以显著促进企业数字技术创新的数量增加。列(4)至列(6)探究了数字经济政策对企业数字技术创新质量(DigQua1)的影响。其中，列(4)单独考察了数字经济政策的影响，控制了企业和年份固定效应，列(5)在列(4)的基础上加入了企业层面的控制变量，列(6)在列(5)的基础上加入了地区层面的控制变量。可以看到，核心解释变量的系数不显著，表明数字经济政策并不能显著促进企业数字技术创新质量的提升。因此，地方政府数字经济政策对企业数字技术创新有着积极而显著的影响，但仅限于专利的数量，对专利质量的提升影响并未显现。可能的原因在于，一方面，地方政府数字经济政策在制定时可能更加关注数字技术创新的广度而非深度，强调在短期内推动更多的创新产出，从而导致政策更关注专利数量的增加。政府可能希望促进产业快速发展，鼓励企业增加数字技术相关专利的申请，以展示数字经济的活跃度和成果。另一方面，政府出台的数字经济相关政策可能主要以财政补贴、税收优惠等方式支持企业的创新活动。这些政策措施通常更容易直接影响企业的创新投入，促使企业加大研发经费、扩大技术团队规模等，从而推动专利数量的增加。然而，政策可能较少涉及提升专利质量的具体措施，导致在这一方面的影响相对较弱。此外，政府数字经济政策的实施和初期成效评价往往在短期内进行，而专利的质量提升可能需要更长的时间来体现。政策的影响在专利数量方面能较快显现，但要促进专利质量提升可能需要更多的时间，包括创新成果的商业化、实际应用以及专利的长期影响等。
表 3 基准回归结果变量 lnDigNum DigQua1 (1) (2) (3) (4) (5) (6) Digtal Policy 0.028 1** 0.026 5** 0.027 1** -0.000 7 -0.001 1 -0.000 2 (0.011 9) (0.011 8) (0.011 5) (0.002 5) (0.002 5) (0.002 6) Size 0.097 1*** 0.096 9*** 0.000 3 0.000 4 (0.021 2) (0.021 2) (0.003 3) (0.003 3) Lev 0.001 1** 0.001 2** 0.000 2* 0.000 2* (0.000 6) (0.000 6) (0.000 1) (0.000 1) ROA 0.005 6*** 0.005 5*** 0.000 9** 0.000 9*** (0.001 5) (0.001 5) (0.000 3) (0.000 3) FIXED 0.001 0 0.001 0 0.000 1 0.000 1 (0.000 6) (0.000 6) (0.000 1) (0.000 1) Growth -0.000 2** -0.000 2** 0.000 0 0.000 0 (0.000 1) (0.000 1) (0.000 0) (0.000 0) Loss -0.003 4 -0.004 0 0.006 7 0.006 8 (0.018 3) (0.018 1) (0.004 9) (0.004 9) Board 0.031 3 0.030 7 -0.005 4 -0.005 2 (0.055 8) (0.055 6) (0.011 5) (0.011 4) Top1 -0.001 3 -0.001 4 -0.000 5*** -0.000 4*** (0.001 0) (0.001 0) (0.000 2) (0.000 2) TobinQ 0.011 0 0.011 1 -0.001 0 -0.000 9 (0.007 1) (0.007 1) (0.001 5) (0.001 5) SOE 0.127 0** 0.127 5** 0.011 8 0.012 0 (0.051 8) (0.051 7) (0.008 1) (0.008 1) FirmAge 0.302 1*** 0.297 1*** 0.026 8 0.026 0 (0.112 6) (0.112 6) (0.022 7) (0.022 6) INST -0.001 0*** -0.001 0*** -0.000 1 -0.000 1 (0.000 4) (0.000 4) (0.000 1) (0.000 1) Mshare 0.000 7 0.000 7 -0.000 1 -0.000 1 (0.000 8) (0.000 8) (0.000 2) (0.000 2) Occupy -0.003 2 -0.003 3 -0.001 7*** -0.001 7*** (0.003 1) (0.003 1) (0.000 5) (0.000 5) Pergdp 0.001 7 -0.004 7 (0.040 1) (0.008 9) Structure -0.021 2 0.003 5 (0.028 6) (0.005 5) Fdi 0.006 1 0.001 2 (0.005 6) (0.001 3) Gov -0.000 4 0.000 1 (0.003 2) (0.000 7) 常数项 0.431 3*** -2.702 8*** -2.666 4*** 0.070 5*** 0.005 6 0.003 2 (0.034 0) (0.565 3) (0.575 6) (0.007 1) (0.098 5) (0.102 0) 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 23 214 23 214 23 214 23 214 23 214 23 214 R2 0.796 4 0.798 7 0.798 7 0.403 6 0.404 5 0.404 5 注：括号内是聚类到企业层面的稳健标准误，其中*、**、***分别表示在10%、5%、1%的水平上显著。如无特别说明，下表同。 二 稳健性检验与内生性问题
1 稳健性检验
第一，表 4探究了更换被解释变量的稳健性检验。借鉴黄勃等[4]的方法，以“企业数字技术发明申请专利数量的本期值+前一期值+后一期值总和的自然对数(InDignum2)”作为企业数字技术创新数量指标进行稳健性检验。回归结果如表 4中第(1)列所示，数字经济政策对企业数字技术创新数量的影响依旧显著为正。用知识宽度法以均值(Digqua2_q)加总测度授权发明专利的质量，作为企业数字技术创新质量的指标进行稳健性检验。回归结果如表 4中第(2)列所示，核心解释变量的系数依旧不显著。
表 4 稳健性检验一变量 (1) (2) lnDigNum2 Digqua2_q DigtalPolicy 0.069 7** 0.002 0 (0.035 0) (0.002 0) Control Yes Yes 年份固定效应 Yes Yes 企业固定效应 Yes Yes N 5 632 23 214 R2 0.888 5 0.447 1 第二，表 5探究了在控制地区数字经济发展水平影响后，数字经济政策效果的稳健性。本文参考赵涛等[41]的研究，分别利用熵权法和主成分分析法对地区数字经济水平进行测算。列(1)和列(3)的回归模型加入了熵值法测度的地区数字经济发展水平指标，结果表明控制了地区数字经济发展水平后，数字经济政策对企业数字技术创新数量的影响依旧显著为正，而对企业数字技术创新质量的影响依旧不显著。列(2)和列(4)的回归模型加入了主成分分析法测度的地区数字经济发展水平指标，结果表明控制了地区数字经济发展水平后，数字经济政策对企业数字技术创新数量的影响依旧显著为正，而对企业数字技术创新质量的影响依旧不显著。综合表 5的回归结果可知，在控制地区数字经济发展水平影响后，基准回归结果是稳健的。
表 5 稳健性检验二变量 (1) (2) (3) (4) lnDigNum lnDigNum DigQua1 DigQua1 DigtalPolicy 0.024 3** 0.026 5** -0.002 2 -0.001 8 (0.011 6) (0.011 7) (0.002 9) (0.002 9) 数字经济水平_熵值法 0.045 1 -0.014 9 (0.117 6) (0.025 7) 数字经济水平_主成分 0.349 7 0.010 1 (0.287 7) (0.063 3) Control Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes N 18 602 18 602 18 602 18 602 R2 0.821 2 0.821 3 0.425 1 0.425 0 第三，表 6探究了考虑控制变量当期值、高维固定效应和数字技术发展浪潮的影响后，数字经济政策效果的稳健性。列(1)和列(2)表示考虑当期企业层面和地区层面控制变量的回归结果，可以看到数字经济政策对企业数字技术创新数量的影响依旧显著为正，而对数字技术创新质量的影响依旧不显著。列(3)和列(4)表示在基准回归模型的基础上加入地区和行业联合固定效应的回归结果，可以看到数字经济政策对企业数字技术创新数量的影响依旧显著为正，对企业数字技术创新质量的影响依旧不显著。列(5)和列(6)进一步考察2012年数字技术发展浪潮之后的样本，可以看到数字经济政策依旧促进了企业数字技术创新数量的增加，但是对数字技术创新质量的影响不显著。综合表 6的回归结果来看，本文的基准回归结果稳健可靠。
表 6 稳健性检验三变量 (1) (2) (3) (4) (5) (6) lnDigNum DigQua1 lnDigNum DigQua1 lnDigNum DigQua1 DigtalPolicy 0.032 6*** 0.000 4 0.030 6** 0.000 3 0.027 7* -0.001 5 (0.011 9) (0.002 6) (0.012 0) (0.002 8) (0.014 3) (0.004 1) Control Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 22 422 22 422 23 100 23 100 18 776 18 776 R2 0.800 5 0.407 5 0.809 2 0.416 2 0.825 5 0.425 5 2 内生性问题
考虑到可能存在的内生性问题，本文采取工具变量法来进行检验。借鉴柏培文和喻理[42]的研究，本文以企业所在省份1984年每百万人邮局数作为数字经济政策的工具变量。考虑到邮局数属于截面数据，而本文的数据结构属于面板数据，再考虑到相关性问题，本文计算了企业所在省份政府年度工作报告中数字经济政策词频率这一指标，并与1984年每百万人邮局数相乘取自然对数值作为数字经济政策供给强度的工具变量。第一，1984年企业所在省份每百万人邮局数被认为是外生的，因为它们与企业的数字技术创新水平在理论上不存在直接的因果关系。邮局数作为一个历史数据，不会直接影响企业的数字技术创新水平，满足外生性的要求。第二，企业所在省份政府年度工作报告中数字经济政策词频率与数字经济政策供给强度之间存在一定的相关性，并且1984年每百万人邮局数作为一个历史数据，可间接地反映出当时地区的通信基础设施情况，而基础设施具有延续性，可以影响地区历史发展脉络，进而间接影响地区政府的数字经济政策制定，总体来看满足相关性的要求。工具变量回归的结果如表 7所示。列(1)和列(3)是2SLS第一阶段回归的结果，表明工具变量与核心解释变量显著相关。列(2)和列(4)是2SLS第二阶段的回归结果，其中Kleibergen-Paap rk LM statistic在1%的水平上显著拒绝工具变量不可识别的原假设，Cragg-Donald Wald F statistic的F值大于Stock-Yogo检验10%水平的临界值16.38，说明不存在弱工具变量问题。此时，数字经济政策对企业数字技术创新数量的影响依旧显著为正，对数字技术创新质量的影响依旧不显著。表 7的回归结果表明，考虑内生性问题后基准回归结果是可靠的。
表 7 内生性检验变量 (1) (2) (3) (4) DigtalPolicy lnDigNum DigtalPolicy DigQua1 DigtalPolicy 0.029 9** -0.001 1 (0.014 7) (0.003 1) 工具变量 0.921 6*** 0.921 6*** (0.005 2) (0.005 2) Control Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes N 22 012 22 012 22 012 22 012 R2 0.011 4 0.001 4 Kleibergen-Paaprk LM statistic 1 451.050***
[0.000]1 451.050***
[0.000]Cragg-Donald Wald F statistic 1.7e+05 1.7e+05 注：[]内为统计量的P值, Kleibergen-Paap rk LM statistic用于工具变量不可识别检验，Cragg-Donald Wald F statistic用于弱工具变量检验。 由表 3至表 7的回归结果可知，数字经济政策对企业数字技术创新能够产生显著的促进效应，但这个作用效果主要体现在企业数字技术创新的数量上。在接下来的机制分析和异质性检验部分，本文主要针对数字经济政策对企业数字技术创新数量的促进效应进行分析和异质性检验。
五. 进一步分析
一 机制分析
前文理论分析表明，数字经济政策优化了地区营商环境，降低了企业融资约束，从而促进企业数字技术创新水平的不断提升。因此，本文从两个方面对促进机制进行分析。
1 营商环境机制
“中国省份营商环境研究报告2022”基于市场环境、政务环境、法律政策环境、人文环境四类一级指标16个二级指标和29项三级指标评估了中国2017—2020年31个省份(未含香港特别行政区、澳门特别行政区和台湾省)的营商环境指数，为本文进一步实证探究营商环境机理提供了数据支撑。②表 8中列(1)探究了数字经济政策对地区营商环境的直接影响，可以看到数字经济政策的系数显著为正，表明政府制定和实施数字经济政策可以通过优化地区营商环境助推企业数字技术创新。史宇鹏等在研究中发现，城市营商环境的改善能够有效提升企业参与数字化变革的概率和转型深度，企业数字技术创新也在改善的营商环境中受益[25]。政府制定和实施数字经济政策不仅仅是一项管理手段，更是为了优化地区的营商环境，为企业的数字技术创新创造有利条件。政府通过制定明确的数字经济政策，可以为数字化企业提供法律和政策框架，规范数字经济活动。此外，政府在基础设施建设上的投资，如宽带网络、云计算平台等，不仅提高了企业运营的效率，也为数字技术创新提供了必备的支持。总体来看，数字经济政策是一种全方位的支持体系，通过法规、基础设施、行政便利、金融支持、人才培育和创新合作等多个方面的营商环境相互协同，共同推动数字经济的繁荣和数字技术创新的蓬勃发展。因此，本文研究假说2得证。
表 8 机制分析变量 (1) (2) (3) 营商环境指数 数字金融发展指数 KZ指数 DigtalPolicy 3.223 5*** 0.003 8*** -0.058 4** (0.147 9) (0.001 1) (0.029 0) Control Yes Yes Yes 年份固定效应 Yes Yes Yes 企业固定效应 Yes Yes Yes N 10 717 22 029 22 775 R2 0.930 0 0.993 6 0.693 6 注：列(3)核心解释变量为滞后一期值，因为数字经济政策带来的诸多资源传导到企业并且开始起作用存在一定的时滞。 2 融资约束机制
本文从两方面来探究数字经济政策降低企业融资约束的内在机制。一方面，本文从外部融资环境出发，采用北京大学数字普惠金融指数的自然对数值来衡量企业面临的外部融资环境，回归结果如表 8中列(2)所示。可以看到，数字经济政策优化了企业面临的数字金融环境，通过改善外部融资环境，为企业数字技术创新提供资金支持。另一方面，本文借助国泰安数据库中的KZ指数来衡量企业面临的内部融资约束，回归结果如表 8中列(3)所示。可以看到，数字经济政策降低了企业面临的内部融资约束，加大了企业的资金支持。结合列(2)和列(3)的回归结果来看，数字经济政策可以降低企业面临的内外部融资约束，进而推动企业开展数字技术创新。众多学者的研究也发现降低企业融资约束是破解企业不敢参与数字化变革困境的重要途径，企业融资约束程度的降低将有效推动企业数字技术创新[29-32]。一方面，数字经济政策是政府为了推动数字经济发展而采取的一系列措施，包括资金投入、政策支持、技术培训等的增强。当政府加大对数字经济政策的支持和投入时，政策供给强度提升，表现为政策的规模、力度、引导程度变大变强。另一方面，许多企业在开展数字技术创新时面临融资困难，融资约束意味着企业难以获得足够的资金来支持创新活动，这可能限制企业的创新能力和规模。数字经济政策可以通过政府的补贴、优惠政策、创新基金等方式，帮助企业获得更多资金支持，减轻企业的融资难题。数字经济政策不仅缓解了融资约束，还为企业提供了更好的创新环境和更多的支持，使企业能够更有信心和能力进行数字技术创新。因此，本文研究假说3得证。
二 异质性检验
1 外部环境差异
第一，区位异质性。不同地区的企业发展资源存在差异，而数字经济政策在不同区位上对企业数字技术创新的影响也呈现出明显的差异。本文着眼于不同区域数字经济政策的效果差异，探究了东部、中部和西部地区企业在数字经济政策影响下的数字技术创新情况，结果如表 9中列(1)至列(3)所示。可以看到，在东部和中部地区数字经济政策变量的系数显著为正，而在西部地区数字经济政策的系数并不显著，表明数字经济政策显著促进了东部和中部地区企业的数字技术创新。一方面，东部和中部地区经济相对发达，具备更多的数字化基础设施和技术应用环境，政府数字经济政策在这些地区得到了更充分的实施，因而对企业的创新动力产生了明显的激发作用。另一方面，西部地区的经济相对落后、数字化基础相对薄弱，数字经济政策在这些地区可能尚未完全渗透到企业层面，因而对数字技术创新的促进作用显现尚不明显。
表 9 异质性检验一(不同外部环境差异)变量 lnDigNum (1) (2) (3) (4) (5) (6) (7) 东部 中部 西部 省会 非省会 低数字金融 高数字金融 DigtalPolicy 0.037 8** 0.044 0* -0.025 3 0.034 9** 0.017 7 0.011 3 0.043 1** (0.014 8) (0.025 2) (0.022 9) (0.017 3) (0.015 3) (0.015 8) (0.018 1) Control Yes Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes Yes N 16 461 3 745 2 990 11 474 11 714 10 931 10 851 R2 0.805 2 0.781 6 0.765 7 0.803 1 0.795 5 0.783 5 0.826 7 第二，行政等级差异。不同地区的发展现状和行政资源配置差异，使得数字经济政策对企业数字技术创新的影响呈现出多样性。为了更深入地理解这一差异，本文根据企业所在城市是否属于省会城市，将样本划分为省会城市和非省会城市两组，进一步检验数字经济政策对处于不同行政等级城市的企业的异质性影响，结果如表 9中列(4)和列(5)所示。可以看到，数字经济政策对省会城市企业的数字技术创新影响显著，而在非省会城市企业中政策效果并不显著。一方面，省会城市通常在政策制定和执行方面拥有更多资源和优势。政府在省会城市更可能集中投入数字经济政策资源，包括资金、人才、技术支持等，从而更有可能产生显著的影响。而在非省会城市，资源分配可能相对较少，政策的执行可能不够充分，导致政策效果不显著。另一方面，省会城市往往集聚了更多的高等院校、研究机构和科技企业，形成了更为发达的创新生态环境。这些城市可能拥有更多的创新资源和合作机会，使得数字经济政策的刺激效应更为显著。相比之下，非省会城市的创新生态环境可能较为有限，因此数字经济政策的影响可能受到限制。此外，省会城市往往具有更加多样化的产业结构，涵盖了更多的高科技和数字化产业。这些产业更容易得益于数字经济政策的刺激，从而在数字技术创新方面表现更为显著。相比之下，非省会城市的产业结构可能较为传统，数字经济政策对其产生的影响可能相对较弱。
第三，数字金融发展水平差异。数字金融已成为推动经济创新和发展的重要引擎。然而，数字金融的发展水平在不同地区呈现出显著的差异。为了深入了解政府数字经济政策在不同数字金融发展水平地区对企业数字技术创新影响的差异，本文根据北京大学数字金融发展指数的年度中位数，将样本划分为低数字金融水平地区和高数字金融发展水平地区两组，结果如表 9中列(6)和列(7)所示。回归结果显示，在数字金融发展水平较高的地区，政府数字经济政策的系数显著为正，这表明数字经济政策的推动和落实有利于提升企业数字技术创新水平。然而，在数字金融发展水平较低的地区，政府数字经济政策的影响系数不显著。可能的原因在于, 一方面，数字金融发展水平较高的地区通常拥有更为发达的金融体系和金融创新环境。在这些地区，企业可以更便利地获取创新所需的融资支持和资金流动，有利于推动数字技术创新的实施。政府的数字经济政策在这些地区可能进一步加强了金融支持，通过金融创新工具和机制，为企业提供更多创新投入的途径，从而推动了数字技术创新的发展。而且数字金融发展水平较高的地区往往具备更为完善的数字支付、互联网金融等基础设施。这些基础设施能够提供更便捷的金融服务和交易环境，有利于企业在数字技术创新过程中更加高效地进行资金管理和交易。政府的数字经济政策可能在这些地区加强了数字金融基础设施的建设和完善，进一步优化了企业数字技术创新的环境。另一方面，在数字金融发展水平较低的地区，金融体系相对不够发达，金融创新相对有限，企业可能面临融资难、资金管理不便等问题，限制了数字技术创新的动力和能力。虽然政府的数字经济政策在这些地区可能仍然提供了一定的支持，但相对于数字金融发展水平较高的地区，其影响可能相对较弱。
2 企业内部特征差异
第一，产权属性差异。进一步探究数字经济政策对不同产权属性企业数字技术创新效果的差异，结果如表 10列中(1)和列(2)所示。可以看到，数字经济政策对国有企业的数字技术创新影响并不显著，但对非国有企业的数字技术创新活动产生了显著影响。一方面，国有企业通常具有较为稳定的资金来源和政府背景支持，相对于非国有企业具备一定的资金和资源优势。在数字技术创新方面，国有企业可能更侧重于传统产业的升级和技术引入，而非国有企业则可能更具有创新活力，致力于在数字领域进行更为前沿的技术探索。因此，数字经济政策在激发创新方面在国有企业中的影响可能不如在非国有企业中显著。另一方面，非国有企业可能更加灵活、敏捷，更容易适应市场变化和技术进步，更具有创新的动力。数字经济政策可能在优化创新环境和增加创新支持方面对非国有企业能够更有针对性地发挥作用，从而对其数字技术创新产生显著影响。而国有企业可能受到体制机制和内部管理等因素的制约，创新动力相对较弱，因此政策的影响没有非国有企业显著。
表 10 异质性检验二(不同企业内部特征差异)变量 lnDigNum (1) (2) (3) (4) (5) (6) 国有 非国有 规模较小 规模较大 制造企业 非制造企业 Digtal Policy 0.017 6 0.036 0** 0.016 6 0.041 3** 0.027 3* 0.020 8 (0.016 3) (0.016 4) (0.011 5) (0.018 7) (0.015 8) (0.016 4) Control Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 8 611 14 534 11 202 11 658 13 469 9 674 R2 0.845 7 0.773 1 0.766 8 0.832 8 0.817 4 0.764 7 第二，企业规模差异。企业的规模大小往往影响其开展技术创新的深度和广度，特别是对于资金需求大和风险系数高的数字技术创新领域。因此，本文根据企业总资产的“年度—行业”维度中位数，将样本划分为规模较小和规模较大两组，进一步探究数字经济政策对不同规模的企业开展数字技术创新的影响差异。表 10中列(3)和列(4)的结果显示，数字经济政策能够显著推动较大规模企业开展数字技术创新，而对较小规模企业的影响不显著。规模较大的企业往往具有更多的资源，包括资金、人才、研发能力等，使得它们能够更容易应对数字技术创新的挑战。当数字经济政策提供支持时，这些企业能够更迅速地调动资源，投入更多的资金和人力，以开发新的数字技术解决方案、产品和服务。由于规模较大的企业有更多的资本和实力去承担风险，它们能够在数字技术创新方面迈出更大的步伐，并从政策引导中获益。然而，对于规模较小的企业来说，其资源较为有限，可能无法像大企业那样投入大量的资金和人力进行深入的数字技术创新。这使得它们在受到数字经济政策影响时，创新表现没有规模较大的企业那样显著。尽管政策对它们的影响可能是正面的，但由于资源的相对匮乏，其创新也会受到限制。
第三，行业差异。不容忽视的是，制造业数字化转型作为数字中国战略的重要落脚点，对于实体企业来说，加速数字技术创新以应对数字时代的变革和冲击已成为一项迫切的任务。本文进一步探究数字经济政策能否推动实体企业的数字技术创新。表 10中列(5)和列(6)的结果表明，数字经济政策对制造业企业的数字技术创新具有显著影响，而对非制造业企业影响不显著。制造业企业通常在生产过程中涉及更多的技术和工艺，因此数字技术在其生产流程和产品创新中具有重要作用。当数字经济政策出台时，这些制造业企业往往能够更积极地应对数字化转型，并将其应用于产品设计、生产流程优化和供应链管理等领域。
六. 研究结论与政策启示
一 研究结论
本文使用2009—2020年中国省级层面与上市公司的匹配数据，以地方政府工作报告中数字经济政策文本为切入点，分析了数字经济政策对企业数字技术创新的影响及其内在机理，扩展了数字经济相关研究的深度和广度，揭示了数字经济政策作用的多样性和复杂性。本文得到三点主要结论：第一，数字经济政策显著提高了企业数字技术创新的数量，但未对企业数字技术创新的质量产生显著影响；第二，根据异质性检验结果，政策创新效应在东部和中部地区、省会城市、数字金融发展程度高的地区更加显著，非国有企业、规模较大企业与制造业企业的数字技术创新水平受数字经济政策的影响更大；第三，机制检验表明，数字经济政策通过优化地区营商环境、降低企业融资约束促进企业开展数字技术创新。
二 政策启示
本文结论能够为政府提升企业数字技术创新能力提供重要的政策启示。
第一，强化数字技术创新质量的提升。本文研究发现，数字经济政策在增加企业数字技术创新数量方面表现出积极作用，但对数字技术创新质量的提升效果并不明显。因此，政府在制定数字经济政策时，应当强化提升创新质量，促使企业在技术研发过程中注重创新的深度和价值，以确保数字技术创新能够更好地服务于经济和社会的可持续发展。
第二，优化营商环境，缓解企业融资约束。政府需注重优化地区营商环境，为企业的数字技术创新创造有利条件。政府通过制定明确的数字经济政策，可以为企业提供法律和政策框架，规范数字经济活动。与此同时，政府应为企业提供多方面的融资支持，减少企业的融资成本，缓解企业的融资约束，使企业更有信心和能力进行数字技术创新。
第三，制定差异化的政策。本文的异质性分析结果表明，数字经济政策在不同外部环境和企业内部特征下对企业数字技术创新的影响存在差异。政府在制定数字经济政策时，应充分考虑不同地区、不同产业和不同企业的特点，制定差异化政策，以满足不同地区、行业和企业的创新需求。特别是对于发展滞后的地区、行业和企业，政府可以采取更加有针对性的政策举措，激发创新活力。
① 由于篇幅所限，表格内容有所省略，读者如有需要可向作者索要完整的关键词。
-
表 1 数字经济政策文本关键词①
指标 关键词 数字经济政策 数字经济、数据安全、智慧化、智能经济、数据服务、信息经济、互联网、云平台、智能制造、物联网、数字化、数字产业、5G、信息技术、区块链、数字基础设施、大数据、数据治理、云计算、数字生活、智能化、人工智能、数据共享、机器人、工业互联网、数字技术等 
下载: 导出CSV
表 2 描述性统计
变量名 Obs Mean SD Min Max lnDigNum 23 214 0.511 7 1.054 4 0.000 0 8.467 4 DigQua1 23 214 0.068 4 0.174 2 0.000 0 0.907 4 DigtalPolicy 23 214 2.857 0 0.755 4 0.000 0 4.290 5 Size 23 214 22.097 8 1.282 6 19.894 2 26.141 6 Lev 23 214 41.529 2 20.620 0 4.900 6 88.030 1 ROA 23 214 4.821 5 5.581 9 -20.168 7 21.907 1 FIXED 23 214 21.179 8 16.146 9 0.220 7 70.285 7 Growth 23 214 18.431 5 38.523 1 -53.496 2 237.795 9 Loss 23 214 0.071 1 0.257 0 0.000 0 1.000 0 Board 23 214 2.137 5 0.198 7 1.609 4 2.708 1 Top1 23 214 35.143 7 14.928 9 8.786 9 74.823 7 TobinQ 23 214 2.020 9 1.212 5 0.869 1 8.135 3 SOE 23 214 0.371 9 0.483 3 0.000 0 1.000 0 FirmAge 23 214 2.804 5 0.362 0 1.609 4 3.465 7 INST 23 214 37.766 1 23.958 0 0.023 0 87.958 3 Mshare 23 214 13.893 2 20.410 0 0.000 0 69.228 0 Occupy 23 214 1.497 6 2.151 6 0.015 2 13.335 6 Pergdp 23 214 2.125 5 0.541 0 0.649 5 3.013 0 Structure 23 214 1.480 4 0.967 4 0.422 8 5.168 3 Fdi 23 214 2.818 7 1.693 2 0.051 2 8.115 8 Gov 23 214 15.533 5 5.583 0 7.468 0 35.731 2
下载: 导出CSV
表 3 基准回归结果
变量 lnDigNum DigQua1 (1) (2) (3) (4) (5) (6) Digtal Policy 0.028 1** 0.026 5** 0.027 1** -0.000 7 -0.001 1 -0.000 2 (0.011 9) (0.011 8) (0.011 5) (0.002 5) (0.002 5) (0.002 6) Size 0.097 1*** 0.096 9*** 0.000 3 0.000 4 (0.021 2) (0.021 2) (0.003 3) (0.003 3) Lev 0.001 1** 0.001 2** 0.000 2* 0.000 2* (0.000 6) (0.000 6) (0.000 1) (0.000 1) ROA 0.005 6*** 0.005 5*** 0.000 9** 0.000 9*** (0.001 5) (0.001 5) (0.000 3) (0.000 3) FIXED 0.001 0 0.001 0 0.000 1 0.000 1 (0.000 6) (0.000 6) (0.000 1) (0.000 1) Growth -0.000 2** -0.000 2** 0.000 0 0.000 0 (0.000 1) (0.000 1) (0.000 0) (0.000 0) Loss -0.003 4 -0.004 0 0.006 7 0.006 8 (0.018 3) (0.018 1) (0.004 9) (0.004 9) Board 0.031 3 0.030 7 -0.005 4 -0.005 2 (0.055 8) (0.055 6) (0.011 5) (0.011 4) Top1 -0.001 3 -0.001 4 -0.000 5*** -0.000 4*** (0.001 0) (0.001 0) (0.000 2) (0.000 2) TobinQ 0.011 0 0.011 1 -0.001 0 -0.000 9 (0.007 1) (0.007 1) (0.001 5) (0.001 5) SOE 0.127 0** 0.127 5** 0.011 8 0.012 0 (0.051 8) (0.051 7) (0.008 1) (0.008 1) FirmAge 0.302 1*** 0.297 1*** 0.026 8 0.026 0 (0.112 6) (0.112 6) (0.022 7) (0.022 6) INST -0.001 0*** -0.001 0*** -0.000 1 -0.000 1 (0.000 4) (0.000 4) (0.000 1) (0.000 1) Mshare 0.000 7 0.000 7 -0.000 1 -0.000 1 (0.000 8) (0.000 8) (0.000 2) (0.000 2) Occupy -0.003 2 -0.003 3 -0.001 7*** -0.001 7*** (0.003 1) (0.003 1) (0.000 5) (0.000 5) Pergdp 0.001 7 -0.004 7 (0.040 1) (0.008 9) Structure -0.021 2 0.003 5 (0.028 6) (0.005 5) Fdi 0.006 1 0.001 2 (0.005 6) (0.001 3) Gov -0.000 4 0.000 1 (0.003 2) (0.000 7) 常数项 0.431 3*** -2.702 8*** -2.666 4*** 0.070 5*** 0.005 6 0.003 2 (0.034 0) (0.565 3) (0.575 6) (0.007 1) (0.098 5) (0.102 0) 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 23 214 23 214 23 214 23 214 23 214 23 214 R2 0.796 4 0.798 7 0.798 7 0.403 6 0.404 5 0.404 5 注：括号内是聚类到企业层面的稳健标准误，其中*、**、***分别表示在10%、5%、1%的水平上显著。如无特别说明，下表同。
下载: 导出CSV
表 4 稳健性检验一
变量 (1) (2) lnDigNum2 Digqua2_q DigtalPolicy 0.069 7** 0.002 0 (0.035 0) (0.002 0) Control Yes Yes 年份固定效应 Yes Yes 企业固定效应 Yes Yes N 5 632 23 214 R2 0.888 5 0.447 1
下载: 导出CSV
表 5 稳健性检验二
变量 (1) (2) (3) (4) lnDigNum lnDigNum DigQua1 DigQua1 DigtalPolicy 0.024 3** 0.026 5** -0.002 2 -0.001 8 (0.011 6) (0.011 7) (0.002 9) (0.002 9) 数字经济水平_熵值法 0.045 1 -0.014 9 (0.117 6) (0.025 7) 数字经济水平_主成分 0.349 7 0.010 1 (0.287 7) (0.063 3) Control Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes N 18 602 18 602 18 602 18 602 R2 0.821 2 0.821 3 0.425 1 0.425 0
下载: 导出CSV
表 6 稳健性检验三
变量 (1) (2) (3) (4) (5) (6) lnDigNum DigQua1 lnDigNum DigQua1 lnDigNum DigQua1 DigtalPolicy 0.032 6*** 0.000 4 0.030 6** 0.000 3 0.027 7* -0.001 5 (0.011 9) (0.002 6) (0.012 0) (0.002 8) (0.014 3) (0.004 1) Control Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 22 422 22 422 23 100 23 100 18 776 18 776 R2 0.800 5 0.407 5 0.809 2 0.416 2 0.825 5 0.425 5
下载: 导出CSV
表 7 内生性检验
变量 (1) (2) (3) (4) DigtalPolicy lnDigNum DigtalPolicy DigQua1 DigtalPolicy 0.029 9** -0.001 1 (0.014 7) (0.003 1) 工具变量 0.921 6*** 0.921 6*** (0.005 2) (0.005 2) Control Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes N 22 012 22 012 22 012 22 012 R2 0.011 4 0.001 4 Kleibergen-Paaprk LM statistic 1 451.050***
[0.000]1 451.050***
[0.000]Cragg-Donald Wald F statistic 1.7e+05 1.7e+05 注：[]内为统计量的P值, Kleibergen-Paap rk LM statistic用于工具变量不可识别检验，Cragg-Donald Wald F statistic用于弱工具变量检验。
下载: 导出CSV
表 8 机制分析
变量 (1) (2) (3) 营商环境指数 数字金融发展指数 KZ指数 DigtalPolicy 3.223 5*** 0.003 8*** -0.058 4** (0.147 9) (0.001 1) (0.029 0) Control Yes Yes Yes 年份固定效应 Yes Yes Yes 企业固定效应 Yes Yes Yes N 10 717 22 029 22 775 R2 0.930 0 0.993 6 0.693 6 注：列(3)核心解释变量为滞后一期值，因为数字经济政策带来的诸多资源传导到企业并且开始起作用存在一定的时滞。
下载: 导出CSV
表 9 异质性检验一(不同外部环境差异)
变量 lnDigNum (1) (2) (3) (4) (5) (6) (7) 东部 中部 西部 省会 非省会 低数字金融 高数字金融 DigtalPolicy 0.037 8** 0.044 0* -0.025 3 0.034 9** 0.017 7 0.011 3 0.043 1** (0.014 8) (0.025 2) (0.022 9) (0.017 3) (0.015 3) (0.015 8) (0.018 1) Control Yes Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes Yes N 16 461 3 745 2 990 11 474 11 714 10 931 10 851 R2 0.805 2 0.781 6 0.765 7 0.803 1 0.795 5 0.783 5 0.826 7
下载: 导出CSV
表 10 异质性检验二(不同企业内部特征差异)
变量 lnDigNum (1) (2) (3) (4) (5) (6) 国有 非国有 规模较小 规模较大 制造企业 非制造企业 Digtal Policy 0.017 6 0.036 0** 0.016 6 0.041 3** 0.027 3* 0.020 8 (0.016 3) (0.016 4) (0.011 5) (0.018 7) (0.015 8) (0.016 4) Control Yes Yes Yes Yes Yes Yes 年份固定效应 Yes Yes Yes Yes Yes Yes 企业固定效应 Yes Yes Yes Yes Yes Yes N 8 611 14 534 11 202 11 658 13 469 9 674 R2 0.845 7 0.773 1 0.766 8 0.832 8 0.817 4 0.764 7
下载: 导出CSV
-
[1] 习近平. 习近平在中共中央政治局第三十四次集体学习时强调 把握数字经济发展趋势和规律 推动我国数字经济健康发展[EB/OL]. [2021-10-19]. http://politics.people.com.cn/n1/2021/1019/c1024-32258249.html. [2] 陶锋, 朱盼, 邱楚芝, 等. 数字技术创新对企业市场价值的影响研究[J]. 数量经济技术经济研究, 2023, 40(5): 68-91. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202305004.htm [3] ACEMOGLU D, RESTREPO P. The race between man and machine: implications of technology for growth, factor shares, and employment[J]. American economic review, 2018, 108(6): 1488-1542. doi: 10.1257/aer.20160696
[4] 黄勃, 李海彤, 刘俊岐, 等. 数字技术创新与中国企业高质量发展——来自企业数字专利的证据[J]. 经济研究, 2023, 58(3): 97-115. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202303006.htm [5] 刘洋, 董久钰, 魏江. 数字创新管理: 理论框架与未来研究[J]. 管理世界, 2020, 36(7): 198-217. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202007016.htm [6] MENDLING J, PENTLAND B T, RECKER J. Building a complementary agenda for business process management and digital innovation[J]. European journal of information systems, 2020, 29(3): 208-219. doi: 10.1080/0960085X.2020.1755207
[7] SVAHN F, MATHIASSEN L, LINDGREN R. Embracing digital innovation in incumbent firms[J]. MIS quarterly, 2017, 41(1): 239-254. doi: 10.25300/MISQ/2017/41.1.12
[8] MANN K, PVTTMANN L. Benign effects of automation: new evidence from patent texts[J]. Review of economics and statistics, 2021, 105(3): 1-45.
[9] FIRK S, GEHRKE Y, HANELT A, et al. Top management team characteristics and digital innovation: exploring digital knowledge and TMT interfaces[J]. Long range planning, 2022, 55(3): 102166. doi: 10.1016/j.lrp.2021.102166
[10] 张叶青, 陆瑶, 李乐芸. 大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J]. 经济研究, 2021, 56(12): 42-59. doi: 10.3969/j.issn.1007-6964.2021.12.sjjjyj202112005 [11] LIU Y, DONG J, MEI L, et al. Digital innovation and performance of manufacturing firms: an affordance perspective[J]. Technovation, 2023, 119: 102458. doi: 10.1016/j.technovation.2022.102458
[12] TSOU H T, CHEN J S. How does digital technology usage benefit firm performance? Digital transformation strategy and organisational innovation as mediators[J]. Technology analysis & strategic management, 2023, 35(9): 1114-1127.
[13] YANG C H. How artificial intelligence technology affects productivity and employment: firm-level evidence from taiwan[J]. Research policy, 2022, 51(6): 104536. doi: 10.1016/j.respol.2022.104536
[14] 孙勇, 张思慧, 赵腾宇, 等. 数字技术创新对产业结构升级的影响及其空间效应——以长江经济带为例[J]. 软科学, 2022, 36(10): 9-16. doi: 10.3969/j.issn.1003-2800.2022.10.002 [15] CORVELLO V, BELAS J, GIGLIO C, et al. The impact of business owners' individual characteristics on patenting in the context of digital innovation[J]. Journal of business research, 2023, 155: 113397. doi: 10.1016/j.jbusres.2022.113397
[16] TUMBAS S, BERENTE N, VOM BROCKE J. Digital innovation and institutional entrepreneurship: chief digital officer perspectives of their emerging role[J]. Journal of information technology, 2018, 33: 188-202. doi: 10.1057/s41265-018-0055-0
[17] 余长林, 杨国歌, 杜明月. 产业政策与中国数字经济行业技术创新[J]. 统计研究, 2021, 38(1): 51-64. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ202101007.htm [18] 孙伟增, 郭冬梅. 信息基础设施建设对企业劳动力需求的影响: 需求规模、结构变化及影响路径[J]. 中国工业经济, 2021(11): 78-96. doi: 10.3969/j.issn.1006-480X.2021.11.005 [19] 沈坤荣, 林剑威, 傅元海. 网络基础设施建设、信息可得性与企业创新边界[J]. 中国工业经济, 2023(1): 57-75. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202301004.htm [20] 王海, 闫卓毓, 郭冠宇, 等. 数字基础设施政策与企业数字化转型: "赋能"还是"负能"?[J]. 数量经济技术经济研究, 2023, 40(5): 5-23. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202305001.htm [21] 毛丰付, 郑好青, 王海. 数字基础设施与企业技术创新——来自地方政府政策文本的新证据[J]. 浙江学刊, 2022(6): 104-114. https://www.cnki.com.cn/Article/CJFDTOTAL-ZJXK202206011.htm [22] 石玉堂, 王晓丹. 大数据综合试验区设立能否驱动企业数字化转型?——基于准自然实验的实证研究[J/OL]. 科学学研究, 2023: 1-18. [2023-09-09]. https://kns.cnki.net/KXReader/Detail?invoice=s6af1x%2F9CTrujRKrVwashvEf30BKnM4diMtJcOUEfFl1DqoYRdbzi6. DOI: 10.16192/j.cnki.1003-2053.20230615.008. [23] 谢文栋. "新基建"与城市创新——基于"宽带中国"战略的准自然实验[J]. 经济评论, 2022(5): 18-34. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL202205002.htm [24] 郑玉. 数字基础设施建设对企业创新影响机理探究——基于"宽带中国"战略试点准自然实验的实证检验[J]. 中央财经大学学报, 2023(4): 90-104. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYCY202304008.htm [25] 史宇鹏, 王阳, 张文韬. 我国企业数字化转型: 现状、问题与展望[J]. 经济学家, 2021 (12): 90-97. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ202112011.htm [26] 周洲, 吴馨童. 知识产权保护对企业数字化转型的影响——来自"三审合一"改革的经验证据[J]. 科学学与科学技术管理, 2022, 43(6): 89-109. https://www.cnki.com.cn/Article/CJFDTOTAL-KXXG202206005.htm [27] GURBAXANI V, DUNKLE D. Gearing up for successful digital transformation[J]. MIS quarterly executive, 2019, 18(3): 6.
[28] TIAN B, YU B, CHEN S, et al. Tax incentive, R&D investment and firm innovation: evidence from China[J]. Journal of Asian economics, 2020(71): 101245.
[29] 余典范, 孙好雨, 许锐翔. 去产能、生产率与中国式"僵尸企业"复活——基于中国工业企业的证据[J]. 财经研究, 2020, 46(7): 4-18. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ202007002.htm [30] GAO Y, HU Y, LIU X, et al. Can public R&D subsidy facilitate firms' exploratory innovation? The heterogeneous effects between central and local subsidy programs[J]. Research policy, 2021, 50(4): 104221.
[31] 张志元, 马永凡. 政府补助与企业数字化转型——基于信号传递的视角[J]. 经济与管理研究, 2023, 44(1): 111-128. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG202301007.htm [32] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020 (5): 52- 66. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202005006.htm [33] HE Z L, TONG T W, ZHANG Y, et al. Constructing a Chinese patent database of listed firms in China: descriptions, lessons, and insights[J]. Journal of economics & management strategy, 2018, 27 (3): 579-606.
[34] 张米尔, 李海鹏, 任腾飞. 数字创新的策略性专利行为及相互作用研究[J]. 科学学研究, 2022, 40(3): 545-554. https://www.cnki.com.cn/Article/CJFDTOTAL-KXYJ202203017.htm [35] AGHION P, AKCIGIT U, BERGEAUD A, et al. Innovation and top income inequality[DB/OL]. Nber Working Papers, 2015, No. w21247. [2024-02-18]. https://www.researchgate.net/profile/Antonin-Bergeaud/publication/299489842_Innovation_and_Top_Income_Inequality/links/57d006f008ae601b39a04b27/Innovation-and-Top-Income-Inequality.pdf.
[36] 张杰, 郑文平. 创新追赶战略抑制了中国专利质量么?[J]. 经济研究, 2018, 53(5): 28-41. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201805004.htm [37] 沈艳, 陈赟, 黄卓. 文本大数据分析在经济学和金融学中的应用: 一个文献综述[J]. 经济学(季刊), 2019, 18(4): 1153-1186. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201904001.htm [38] 陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018, 53(2): 20-34. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201802003.htm [39] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021, 37(7): 130-44. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202107013.htm [40] 陶长琪, 丁煜. 数字经济政策如何影响制造业企业创新——基于适宜性供给的视角[J]. 当代财经, 2022(3): 16-27. https://www.cnki.com.cn/Article/CJFDTOTAL-DDCJ202203002.htm [41] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10): 65-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202010009.htm [42] 柏培文, 喻理. 数字经济发展与企业价格加成: 理论机制与经验事实[J]. 中国工业经济, 2021 (11): 59-77. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202111004.htm -
期刊类型引用(6)
1. 李晓龙，张琼月. 科技金融政策何以赋能城市数字技术创新. 金融与经济. 2025(01): 64-76 . 
百度学术
2. 顾炜宇，闫伟峰，祝伟，马媛媛. 数字经济、技术创新与生态效率:来自我国30个省份面板数据的证据. 中国软科学. 2025(02): 181-195 . 百度学术
3. 刘家民，马晓钰. 数智化创新政策如何推动企业新质生产力发展. 西部论坛. 2024(04): 17-34 . 百度学术
4. 段钢，刘贤铤，闫伟男. 企业数字技术创新对其新质生产力发展的影响机制. 科技管理研究. 2024(15): 38-50 . 百度学术
5. 王悦颖，王兴民，刘彦妤，孙翊. 数字经济对城市绿色全要素生产率影响的机理分析. 科技促进发展. 2024(07): 592-601 . 百度学术
6. 蔡子阳，任燕燕，王文悦. 社会信用体系建设能否提升地区数字技术创新水平——来自中国社会信用体系示范区的准自然实验. 现代财经(天津财经大学学报). 2024(12): 3-18 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 90
- HTML全文浏览量: 17
- PDF下载量: 68
- 被引次数: 6
