汪小龍 張寶賢

(無(wú)錫太湖學(xué)院 會(huì)計(jì)學(xué)院，江蘇 無(wú)錫 214064)

0 引言

非接觸數(shù)字經(jīng)濟(jì)的核心內(nèi)涵是服務(wù)者通過(guò)非接觸的方式向客戶(hù)提供服務(wù)，包括互聯(lián)網(wǎng)無(wú)接觸配送、云旅游等,作為一種新型產(chǎn)業(yè)，非疫情下作為對(duì)現(xiàn)有服務(wù)模式的補(bǔ)充和完善的形式存在.但是，在疫情沖擊情況下，非接觸數(shù)字經(jīng)濟(jì)的增長(zhǎng)則成為國(guó)家經(jīng)濟(jì)發(fā)展的重要方式.特別地，廣泛服務(wù)于企業(yè)、學(xué)校，且與居民生活息息相關(guān)的阿里巴巴釘釘、騰訊微信等SaaS行業(yè)的發(fā)展，構(gòu)成影響中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要因素.根據(jù)2020年統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2000～2019年間中國(guó)非接觸數(shù)字經(jīng)濟(jì)總量從0.8萬(wàn)億元增加到43.7萬(wàn)億元，預(yù)計(jì)2020年增長(zhǎng)率超過(guò)30%，相當(dāng)于國(guó)民生產(chǎn)總值的18.1%.疫情沖擊下數(shù)字經(jīng)濟(jì)的快速增長(zhǎng)，對(duì)疫情國(guó)經(jīng)濟(jì)逆勢(shì)增長(zhǎng)產(chǎn)生重要推動(dòng)作用.研究疫情沖擊下的中國(guó)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)路徑具有現(xiàn)實(shí)性和緊迫性.比較非SaaS行業(yè)與SaaS行業(yè)，非疫情期與疫情期企業(yè)經(jīng)營(yíng)增長(zhǎng)狀況；研究疫情期內(nèi)非SaaS行業(yè)與SaaS行業(yè)的企業(yè)經(jīng)營(yíng)增長(zhǎng)路徑；探索SaaS行業(yè)企業(yè)之間，在疫情期、地理區(qū)域、控股背景和產(chǎn)品類(lèi)別的交互效應(yīng)；分析特定SaaS企業(yè)內(nèi)部研發(fā)支出、融資負(fù)債、營(yíng)銷(xiāo)支出和股票市場(chǎng)選擇等因素對(duì)營(yíng)業(yè)收入和所有者權(quán)益增長(zhǎng)的影響、改善路徑，將是未來(lái)一段時(shí)期內(nèi)國(guó)家經(jīng)濟(jì)可持續(xù)發(fā)展研究的重點(diǎn).

目前經(jīng)濟(jì)學(xué)界評(píng)估SaaS非接觸數(shù)字經(jīng)濟(jì)增長(zhǎng)的路徑多采取定性研究，抑或是定量研究中將地理區(qū)域、特定行業(yè)、在線調(diào)查特定群體等作為分樣本的劃分依據(jù).疫情指標(biāo)與企業(yè)內(nèi)部治理對(duì)SaaS非接觸數(shù)字經(jīng)濟(jì)增長(zhǎng)的作用是否具有異質(zhì)性，這在過(guò)去很長(zhǎng)一段時(shí)間內(nèi)的實(shí)證研究中并未達(dá)成共識(shí).圍繞疫情環(huán)境，部分學(xué)者從資本要素視角論證人力資本積累、農(nóng)民人均收入、國(guó)際貿(mào)易與國(guó)際投資對(duì)國(guó)家經(jīng)濟(jì)增長(zhǎng)的影響.也有學(xué)者從非資本要素進(jìn)行實(shí)證，例如生態(tài)環(huán)境建設(shè)、經(jīng)濟(jì)周期、醫(yī)療體系和公共事務(wù)治理等視角對(duì)國(guó)家經(jīng)濟(jì)增長(zhǎng)的影響.然而，影響國(guó)家經(jīng)濟(jì)增長(zhǎng)的宏觀指標(biāo)，不能用于解釋SaaS非接觸數(shù)字經(jīng)濟(jì)增長(zhǎng)路徑，況且，非接觸經(jīng)濟(jì)在疫情期相比大多數(shù)行業(yè)逆勢(shì)增長(zhǎng)，其行業(yè)本身具有特殊性.用宏觀經(jīng)濟(jì)發(fā)展理論指導(dǎo)微觀企業(yè)經(jīng)營(yíng)增長(zhǎng)的研究結(jié)果，可能存在偏差.

為克服疫情影響企業(yè)經(jīng)營(yíng)增長(zhǎng)定性研究,以及以一次疫情為觀測(cè)對(duì)象的不足，本文引入逐步回歸和差分檢驗(yàn)以避免樣本偏差和內(nèi)生性問(wèn)題.利用2000～2019年中國(guó)發(fā)生非典SARS和禽流感H7N9疫情作為準(zhǔn)自然實(shí)驗(yàn)，結(jié)合SaaS行業(yè)與非SaaS行業(yè)企業(yè)、研發(fā)支出、融資負(fù)債、營(yíng)銷(xiāo)支出和股票市場(chǎng)數(shù)據(jù)，以及疫情與否、地理區(qū)域、控股背景和產(chǎn)品類(lèi)別等虛擬類(lèi)別變量構(gòu)建統(tǒng)一分析框架，充分考察促進(jìn)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)的決定因素在不同的分組中扮演的角色關(guān)系，除傳統(tǒng)企業(yè)經(jīng)營(yíng)增長(zhǎng)路徑依賴(lài)外，還可以同時(shí)考察連續(xù)型變量和類(lèi)別變量的交互效用.同時(shí)，建立“SaaS-疫情”雙重差分檢驗(yàn)?zāi)Ｐ?，克服SaaS企業(yè)與非SaaS企業(yè)天然的經(jīng)營(yíng)增長(zhǎng)固定效應(yīng)問(wèn)題，比較分析SaaS疫情期與非疫情期經(jīng)營(yíng)增長(zhǎng)的路徑依賴(lài)問(wèn)題.“SaaS-疫情”結(jié)合類(lèi)別變量，進(jìn)行三重差分交互項(xiàng)檢驗(yàn)，分析不同類(lèi)型的SaaS行業(yè)企業(yè)在疫情沖擊下的最優(yōu)外部經(jīng)濟(jì)性.研究結(jié)果為處在新冠疫情沖擊下的當(dāng)前中國(guó)及國(guó)際社會(huì)，提供促進(jìn)國(guó)家經(jīng)濟(jì)增長(zhǎng)的理論支撐與實(shí)踐指導(dǎo).

1 文獻(xiàn)綜述與研究假設(shè)

全球疫情沖擊下的國(guó)家經(jīng)濟(jì)如何增長(zhǎng)，是當(dāng)前經(jīng)濟(jì)的重要研究課題.自2000年世界衛(wèi)生組織統(tǒng)計(jì)全球疫情數(shù)據(jù)以來(lái)，截至2019年12月份，在20個(gè)自然年度內(nèi)，中國(guó)共發(fā)生了3個(gè)種類(lèi)的大規(guī)模疫情，幾乎涉及中國(guó)大陸全境，見(jiàn)表1整理所示，除騰訊企業(yè)微信外，阿里巴巴釘釘經(jīng)歷了2016年疫情和2020年新冠疫情.一般而言，疫情通過(guò)影響供需結(jié)構(gòu)、出口貿(mào)易、投資信心等方式，對(duì)國(guó)家經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)面影響[1].

表1 2000年以來(lái)中國(guó)疫情爆發(fā)一覽表

非接觸經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)和SaaS經(jīng)濟(jì)具有推動(dòng)“疫情經(jīng)濟(jì)”逆勢(shì)增長(zhǎng)的正向替代性.以數(shù)字經(jīng)濟(jì)中SaaS經(jīng)濟(jì)為研究對(duì)象，具有一定的合理性，表現(xiàn)為：首先，SaaS在數(shù)字經(jīng)濟(jì)中表現(xiàn)最為穩(wěn)定，行業(yè)經(jīng)歷了前期云計(jì)算、移動(dòng)化后，進(jìn)入市場(chǎng)穩(wěn)定階段，商業(yè)概念和盈利模式較為清晰.根據(jù)2019中國(guó)SaaS產(chǎn)業(yè)研究報(bào)告顯示，2016年禽流感疫情爆發(fā)以來(lái)，市場(chǎng)規(guī)模保持了平均30%以上的增長(zhǎng)率；其次，SaaS經(jīng)濟(jì)面向中小企業(yè)和高校，具有較強(qiáng)的經(jīng)濟(jì)帶動(dòng)性和解決問(wèn)題的現(xiàn)實(shí)性，特別是以阿里巴巴釘釘、騰訊企業(yè)微信為代表的協(xié)同OA(Office Automation System)產(chǎn)品，NPS指數(shù)(Net Promoter Score，凈推薦值，又稱(chēng)凈促進(jìn)者得分，亦可稱(chēng)口碑，是一種計(jì)量某個(gè)客戶(hù)將會(huì)向其他人推薦某個(gè)企業(yè)或服務(wù)可能性的指數(shù)，是最流行的顧客忠誠(chéng)度分析指標(biāo))較高，具有良好的市場(chǎng)滲透度和普及度.

1.1 疫情期對(duì)SaaS行業(yè)企業(yè)的影響

自英國(guó)經(jīng)濟(jì)學(xué)家Bailey(1998)以黑死病為自變量，英國(guó)農(nóng)民人均收入為因變量研究疫情對(duì)英國(guó)經(jīng)濟(jì)的影響以來(lái)，世界經(jīng)濟(jì)學(xué)家、社會(huì)學(xué)家和地理學(xué)家均參與了對(duì)疫情影響經(jīng)濟(jì)的討論[2].Gallup等(2001)認(rèn)為全球疫情具有“正向的外部性”，可以促進(jìn)衛(wèi)生體系和政府效率的提高[3].最早支持疫情促進(jìn)國(guó)家經(jīng)濟(jì)增長(zhǎng)的學(xué)者認(rèn)為勞動(dòng)力供給水平大幅下降，但是因此提高了薪資待遇，增加了人均收入，帶動(dòng)了國(guó)家經(jīng)濟(jì)增長(zhǎng).隨后Gangemi等(2000)補(bǔ)充了全球疫情環(huán)境下經(jīng)濟(jì)周期理論對(duì)國(guó)家經(jīng)濟(jì)增長(zhǎng)的作用，依據(jù)1992～2002年經(jīng)濟(jì)增長(zhǎng)風(fēng)險(xiǎn)數(shù)據(jù)，建立反應(yīng)函數(shù)，認(rèn)為疫情下較高的經(jīng)濟(jì)波動(dòng)性帶來(lái)經(jīng)濟(jì)增長(zhǎng)水平的風(fēng)險(xiǎn)獎(jiǎng)勵(lì)[4].Bleakly(2007)從微觀學(xué)生家庭收入的層面，觀察鉤蟲(chóng)病疫情大幅提高了學(xué)生受到的教育福利補(bǔ)貼，這一點(diǎn)和中國(guó)新冠疫情下職工保險(xiǎn)補(bǔ)貼措施相類(lèi)似[5].同年，外國(guó)學(xué)者Powell等(2007)認(rèn)為政府在公共事務(wù)治理方面，發(fā)展規(guī)劃成為有效率的制度安排，提高了公共事務(wù)治理能力[6].中國(guó)學(xué)者傅瑜和楊永聰(2013)則從管理學(xué)的角度，利用2011年IMF數(shù)據(jù)庫(kù)對(duì)比分析組織扁平化架構(gòu)的變化程度，認(rèn)為疫情推動(dòng)了代理組織全球控制權(quán)的轉(zhuǎn)變[7].何建坤(2017)依據(jù)2005～2013年GDP數(shù)據(jù)，認(rèn)為疫情降低碳排放，引領(lǐng)經(jīng)濟(jì)發(fā)展方式向低碳綠色方向轉(zhuǎn)型[8].許光建和黎珍羽(2020)從行業(yè)增長(zhǎng)替代的角度出發(fā)，認(rèn)為口罩、非接觸科技類(lèi)產(chǎn)業(yè)，發(fā)揮疫情期間部分行業(yè)經(jīng)濟(jì)減退的正向替代作用[9].羅志恒(2020)從產(chǎn)業(yè)升級(jí)、供給側(cè)改革和數(shù)字經(jīng)濟(jì)角度，認(rèn)為通過(guò)產(chǎn)業(yè)升級(jí)、外貿(mào)替代和金融市場(chǎng)化提高經(jīng)濟(jì)增長(zhǎng)，以數(shù)字經(jīng)濟(jì)為核心的虛擬經(jīng)濟(jì)為國(guó)家經(jīng)濟(jì)發(fā)展產(chǎn)生促進(jìn)作用[10].

綜上，提出假設(shè)1：疫情期對(duì)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有正向促進(jìn)作用.

1.2 疫情期與SaaS行業(yè)企業(yè)經(jīng)營(yíng)要素的交互效應(yīng)

基于疫情社會(huì)對(duì)于非接觸式生活的需求，軟件遠(yuǎn)程服務(wù)SaaS行業(yè)企業(yè)的資金需求旺盛，研發(fā)投入迫切，相關(guān)的市場(chǎng)營(yíng)銷(xiāo)活動(dòng)增強(qiáng).企業(yè)經(jīng)營(yíng)要素作用于經(jīng)營(yíng)增長(zhǎng)的能力提升.Motheo等(2012)以SaaS采用率為因變量，南非的衛(wèi)生事件為自變量，依據(jù)南非銀行信貸調(diào)查和面板數(shù)據(jù)相結(jié)合，OLS回歸分析認(rèn)為衛(wèi)生事件與銀行信貸對(duì)于SaaS行業(yè)發(fā)展具有促進(jìn)作用[11].Hong-Kyu等(2013)以SaaS企業(yè)受益為因變量，科技水平和社會(huì)安全性為因變量，通過(guò)在線調(diào)查數(shù)據(jù)構(gòu)建VAM模型，分析指出，疫情通過(guò)影響社會(huì)安全性的方式，從提高社會(huì)安全性，企業(yè)研發(fā)投入迫切性的角度，解釋了疫情與經(jīng)營(yíng)要素交互影響SaaS行業(yè)企業(yè)的經(jīng)營(yíng)增長(zhǎng)[12].Sung等(2019)以企業(yè)市場(chǎng)營(yíng)銷(xiāo)活動(dòng)為自變量，政府支持為控制變量，研究作用于SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)關(guān)系，認(rèn)為政府支持力度與企業(yè)市場(chǎng)營(yíng)銷(xiāo)活動(dòng)對(duì)于促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有正向交互作用[13].梁權(quán)熙等(2019)基于2003～2014年2 476家上市公司數(shù)據(jù)，分析認(rèn)為政策不穩(wěn)定性對(duì)企業(yè)創(chuàng)新活動(dòng)具有正向促進(jìn)作用，疫情作為社會(huì)環(huán)境重大變化要素之一，帶來(lái)的政策不穩(wěn)定性當(dāng)然地與企業(yè)經(jīng)營(yíng)要素發(fā)生交互作用，共同促進(jìn)SaaS行業(yè)創(chuàng)新績(jī)效[14].苗文龍等(2019)依據(jù)中國(guó)2000～2015年WIND數(shù)據(jù)庫(kù)，從市場(chǎng)融資的角度解釋認(rèn)為，政府技術(shù)創(chuàng)新支出不僅可以提高社會(huì)的整體回報(bào)和報(bào)酬，而且對(duì)企業(yè)技術(shù)投入促進(jìn)顯著，這一結(jié)論普遍肯定了疫情環(huán)境下，企業(yè)通過(guò)政府支持提高融資負(fù)債率，進(jìn)而促進(jìn)經(jīng)營(yíng)增長(zhǎng)的作用[15].

綜上，提出假設(shè)2：疫情期與股票市場(chǎng)、研發(fā)費(fèi)用、營(yíng)銷(xiāo)費(fèi)用、融資負(fù)債和經(jīng)營(yíng)年限對(duì)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有正向交互作用.

1.3 疫情期作用于SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)的異質(zhì)性

疫情期間，不同企業(yè)的內(nèi)部要素對(duì)經(jīng)營(yíng)增長(zhǎng)的作用是否具有異質(zhì)性.關(guān)于異質(zhì)性實(shí)證的文獻(xiàn)主要有以下幾類(lèi)：首先，李韻和丁林峰(2020)根據(jù)中國(guó)移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)庫(kù)，利用經(jīng)濟(jì)評(píng)估方法，討論新冠疫情下，數(shù)字經(jīng)濟(jì)對(duì)國(guó)家經(jīng)濟(jì)增長(zhǎng)的影響[16].其次，朱育漩(2020)評(píng)估疫情對(duì)非接觸經(jīng)濟(jì)的影響，認(rèn)為非接觸經(jīng)濟(jì)在疫情期的發(fā)展屬于把握了機(jī)會(huì)窗口期，不同類(lèi)型的企業(yè)應(yīng)當(dāng)根據(jù)自身?xiàng)l件，分步驟、分重點(diǎn)的實(shí)施企業(yè)經(jīng)營(yíng)增長(zhǎng)[17].上述研究的價(jià)值在于，首次將疫情作為影響非接觸經(jīng)濟(jì)增長(zhǎng)的自變量之一，雖然并未實(shí)證計(jì)量對(duì)數(shù)字經(jīng)濟(jì)的增長(zhǎng)幅度，但是，為全球疫情下SaaS非接觸數(shù)字經(jīng)濟(jì)發(fā)展路徑研究提供了新的視角.

綜上，提出假設(shè)3：不同類(lèi)型的SaaS企業(yè)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用具有異質(zhì)性.

2 數(shù)據(jù)收集與實(shí)證方法

本文使用的數(shù)據(jù)來(lái)源于中國(guó)2000～2019年SaaS行業(yè)上市公司財(cái)務(wù)報(bào)表數(shù)據(jù).為避免數(shù)據(jù)選擇性偏差，本文數(shù)據(jù)集除年份、營(yíng)業(yè)收入、所有者權(quán)益、經(jīng)營(yíng)年限、研發(fā)支出、營(yíng)銷(xiāo)支出、融資負(fù)債和股票市場(chǎng)選擇等變量外，還包括是否SaaS行業(yè)、是否疫情期、是否東部區(qū)域、是否國(guó)有控股、以及是否遠(yuǎn)程辦公產(chǎn)品(OA)類(lèi)別等虛擬二值變量，本文所用的SaaS行業(yè)企業(yè)數(shù)據(jù)具有代表性和可信性，具體變量定義見(jiàn)表2所示.

截止2019年12月份數(shù)據(jù)，SaaS組相比其他組數(shù)據(jù)，在營(yíng)業(yè)收入、所有者權(quán)益、股票市場(chǎng)、研發(fā)支出、營(yíng)銷(xiāo)費(fèi)用和融資負(fù)債方面均具有優(yōu)勢(shì).在經(jīng)營(yíng)年限方面，平均少于非SaaS行業(yè)企業(yè)2.94年，具體如表3所示.

表2 變量指標(biāo)定義

表3 SaaS組與非SaaS組數(shù)據(jù)對(duì)比

相關(guān)變量描述性統(tǒng)計(jì)整理如表4所示，變量數(shù)據(jù)峰值普遍大于0，說(shuō)明總體數(shù)據(jù)分布與正態(tài)分布相比較為陡峭，為尖頂峰.變量數(shù)據(jù)的偏度普遍在0.35～1.93之間，說(shuō)明數(shù)據(jù)分布形態(tài)與正態(tài)分布的程度偏離不大.

表4 變量描述性統(tǒng)計(jì)

為克服內(nèi)生性問(wèn)題，本文使用逐步回歸和差分檢驗(yàn)方法，構(gòu)建最優(yōu)擬合模型：

首先，對(duì)于第一類(lèi)內(nèi)生性，即解釋變量與被解釋變量互為因果問(wèn)題.理論上，企業(yè)經(jīng)營(yíng)增長(zhǎng)的程度，對(duì)企業(yè)是否選擇成為SaaS行業(yè)關(guān)聯(lián)不大.是否成為SaaS企業(yè)與創(chuàng)業(yè)者原始資源積累有關(guān).因此，不存在第一類(lèi)的內(nèi)生性問(wèn)題.其次，對(duì)于第二類(lèi)內(nèi)生性即是否遺漏變量的問(wèn)題，企業(yè)經(jīng)營(yíng)增長(zhǎng)的結(jié)果受到經(jīng)濟(jì)周期、產(chǎn)品周期和稅收政策的影響.本文將是否疫情期外生給定變量與企業(yè)內(nèi)生變量研發(fā)支出、營(yíng)銷(xiāo)支出、融資負(fù)債和股票市場(chǎng)選擇指標(biāo)相結(jié)合作為交互變量，對(duì)不同SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)路徑進(jìn)行解析，采用逐步回歸方法擬定最優(yōu)模型.基于“節(jié)儉模型”的原則，使用一元一次模型作為基礎(chǔ)回歸方程，公式如(1)和(2)所示：

(Y)=E(y)+ε

(1)

E(y)=β0+β1SaaS

(2)

公式(1)和(2)中，(Y)表示因變量，E(y)表示因變量固定效應(yīng)，ε表示擾動(dòng)項(xiàng)，β0表示截距項(xiàng)，β1SaaS表示非接觸式經(jīng)濟(jì)的相關(guān)系數(shù).

表5整理了逐步回歸與后向多元二次回歸，顯示每一步驟檢驗(yàn)的T值和相應(yīng)的P值.

首先，模型(1)中加入是否SaaS行業(yè)虛擬二值變量，相關(guān)系數(shù)為238.13，且具有顯著性，說(shuō)明是否SaaS行業(yè)對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)狀況有正向促進(jìn)作用.其次，模型(2)中加入是否疫情期指標(biāo)，相關(guān)系數(shù)為122.51，具有顯著性.再次，模型(3)加入了營(yíng)銷(xiāo)費(fèi)用指標(biāo)，沒(méi)有顯著影響.但是，研發(fā)支出對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)系數(shù)為3.24，具有顯著性，調(diào)整后決定系數(shù)進(jìn)一步增加至0.39，進(jìn)一步考察營(yíng)銷(xiāo)費(fèi)用二次項(xiàng)與企業(yè)經(jīng)營(yíng)增長(zhǎng)的非線性關(guān)系,發(fā)現(xiàn)具有顯著性.接著，在模型(4)、(5)、(6)中，逐次加入所有者形式、經(jīng)營(yíng)年限和融資負(fù)債指標(biāo)，顯示系數(shù)分別為：3.22、-0.005和98.56，均具有顯著性，最終模型的F值和調(diào)整后R2均有所改善，達(dá)到104.66和0.63，表明模型擬合程度較高.

因此，逐步回歸建議在最終的建模中，包括SaaS、疫情、研發(fā)費(fèi)用、融資負(fù)債、營(yíng)銷(xiāo)費(fèi)用和股票市場(chǎng)，回歸方程如公式(3)所示：

E(y)=β0+β1SaaS+β2Epid+β3Rese

+β4Fina+β5Mark2+β6Stoc

(3)

公式3中，β2Epid表示是否疫情期相關(guān)系數(shù)，β3Rese表示研發(fā)費(fèi)用相關(guān)系數(shù)，β4Fina表示融資負(fù)債相關(guān)系數(shù)，β5Mark2表示營(yíng)銷(xiāo)費(fèi)用的曲率，β6Stoc表示股票市場(chǎng)的相關(guān)系數(shù).

進(jìn)一步檢驗(yàn)主效應(yīng)回歸方程(3)中各變量的Pearson相關(guān)系數(shù).結(jié)果顯示，主要變量的相關(guān)系數(shù)在0.3及以下，證明變量之間不存在明顯的多重共線性問(wèn)題，可以進(jìn)行回歸分析，結(jié)果如表6所示.

表5 逐步回歸建模

表6 變量的Pearson系數(shù)

3 結(jié)果分析與穩(wěn)健性檢驗(yàn)

基于SaaS-疫情雙重差分檢驗(yàn)，考察假設(shè)1提出的SaaS類(lèi)別變量促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng)的關(guān)系，實(shí)證計(jì)量非疫情期，SaaS企業(yè)與非SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)差異，以及疫情期，SaaS企業(yè)與非SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)差異，并指出各自變量的影響大小和顯著性.通過(guò)混合模型的分組數(shù)據(jù)，進(jìn)行三重差分檢驗(yàn)，考察假設(shè)2提出的疫情期與股票市場(chǎng)、研發(fā)支出、營(yíng)銷(xiāo)支出、融資負(fù)債和經(jīng)營(yíng)年限具有正向交互作用.再次，通過(guò)分組檢驗(yàn)各企業(yè)經(jīng)營(yíng)指標(biāo)作用于經(jīng)營(yíng)增長(zhǎng)的差異性，考察假設(shè)3提出的不同類(lèi)型的SaaS企業(yè)促進(jìn)經(jīng)營(yíng)增長(zhǎng)作用具有異質(zhì)性.最后，通過(guò)替代變量所有者權(quán)益的全樣本穩(wěn)健性檢驗(yàn)，檢驗(yàn)自變量、控制變量對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)影響的穩(wěn)健性.

3.1 全球疫情-SaaS行業(yè)企業(yè)雙重差分檢驗(yàn)

采取雙重差分方法對(duì)數(shù)據(jù)進(jìn)行分組處理.SaaS為處理組，非SaaS為對(duì)照組，在控制了企業(yè)固定效應(yīng)和年度固定效應(yīng)的情況下，以全球疫情的發(fā)生作為準(zhǔn)自然實(shí)驗(yàn)，考察變量對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)的影響.構(gòu)建雙重差分模型如表7所示，α1表示非疫情期間的非SaaS分組數(shù)據(jù)，α2表示疫情期間的非SaaS分組數(shù)據(jù)，d1是非SaaS企業(yè)，疫情期企業(yè)經(jīng)營(yíng)增長(zhǎng)平均值與非疫情期企業(yè)經(jīng)營(yíng)增長(zhǎng)平均值的差值情況.β1表示SaaS企業(yè)在非疫情期經(jīng)營(yíng)增長(zhǎng)情況，β2表示SaaS企業(yè)在疫情期經(jīng)營(yíng)增長(zhǎng)情況，d2是SaaS企業(yè)，疫情期經(jīng)濟(jì)增長(zhǎng)幅度相比非疫情期經(jīng)營(yíng)增長(zhǎng)平均值的差值情況.最終體現(xiàn)在did1的數(shù)據(jù)表示，在控制了企業(yè)固定效應(yīng)和年度效應(yīng)情況下，疫情發(fā)生與否對(duì)SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)的影響程度及顯著性.

表7 SaaS-疫情雙重差分模型

雙重差分方程列示如下

yα=βSaaS_Epidit+CVαγ+αe+φt+εα

(4)

SaaS_Epidit=SaaSit×Epidit

(5)

其中，yα為企業(yè)經(jīng)營(yíng)增長(zhǎng)數(shù)值，βSaaS_Epidit為SaaS二元數(shù)值變量與疫情期二元數(shù)值變量的交互項(xiàng)，CVα為控制變量指標(biāo)，αe為企業(yè)固定效應(yīng)，φt為年度固定效應(yīng)，εα表示隨機(jī)誤差項(xiàng).SaaSit為是否SaaS企業(yè)處理組虛擬變量，1表示SaaS企業(yè)，0表示非SaaS企業(yè).Epidit表示為疫情期處理組虛擬變量，1表示疫情期，0表示非疫情期.雙重差分關(guān)注核心因變量的系數(shù)β值，其經(jīng)濟(jì)含義可以解釋為全球疫情對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)的影響.式(4)為考慮了年度和企業(yè)固定效應(yīng)的雙重差分估計(jì)模型，式(5)表示交互項(xiàng)模型.

基本回歸結(jié)果如表8所示.首先，非SaaS企業(yè)，疫情期企業(yè)經(jīng)營(yíng)增長(zhǎng)平均值與非疫情期企業(yè)經(jīng)營(yíng)增長(zhǎng)平均值的差值為-5.93，表明疫情期的非SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)下降幅度增加，疫情對(duì)非SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)有顯著抑制作用.其次，SaaS企業(yè)，疫情期經(jīng)濟(jì)增長(zhǎng)幅度相比非疫情期經(jīng)營(yíng)增長(zhǎng)平均值的差值為312.91，表明疫情對(duì)SaaS企業(yè)的經(jīng)營(yíng)增長(zhǎng)促進(jìn)作用明顯，具有顯著的外部經(jīng)濟(jì)性.再次，在控制了SaaS企業(yè)與非SaaS企業(yè)的固有效應(yīng)的情況下，疫情發(fā)生與否，對(duì)SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)均值的差值顯著為正，表明SaaS-疫情交互效應(yīng)為正，顯著促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng).結(jié)論支持假設(shè)1：疫情期對(duì)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有正向促進(jìn)作用.

表8 SaaS-疫情雙重差分檢驗(yàn)

觀察SaaS企業(yè)在疫情環(huán)境下，相比其他企業(yè)和時(shí)期，研發(fā)費(fèi)用、融資負(fù)債、營(yíng)銷(xiāo)費(fèi)用和股票市場(chǎng)對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)影響的變化情況，見(jiàn)β2數(shù)值.非SaaS企業(yè)方面，疫情期研發(fā)費(fèi)用對(duì)經(jīng)營(yíng)增長(zhǎng)為負(fù)，并具有顯著性.表明在疫情情況下，應(yīng)謹(jǐn)慎增加研發(fā)支出.融資負(fù)債對(duì)經(jīng)營(yíng)增長(zhǎng)的正向促進(jìn)作用從0.56下降到0.22，并具有顯著性，表明在負(fù)債經(jīng)營(yíng)需要保持謹(jǐn)慎態(tài)度.營(yíng)銷(xiāo)費(fèi)用二次項(xiàng)系數(shù)為正，表明出現(xiàn)U性結(jié)構(gòu)，在凹點(diǎn)切點(diǎn)之前的投入效應(yīng)為負(fù).美股、港股市場(chǎng)的融資效應(yīng)為負(fù)，且具有顯著性.SaaS企業(yè)方面，研發(fā)費(fèi)用對(duì)經(jīng)營(yíng)增長(zhǎng)相關(guān)系數(shù)數(shù)值為2.96，表明疫情期增加研發(fā)投入對(duì)經(jīng)營(yíng)增長(zhǎng)作用效果明顯.融資負(fù)債程度對(duì)經(jīng)營(yíng)增長(zhǎng)的促進(jìn)作用為5.07，表明疫情期，SaaS擴(kuò)展型負(fù)債經(jīng)營(yíng)策略是可行的.營(yíng)銷(xiāo)費(fèi)用方面，呈現(xiàn)曲率為-0.01，開(kāi)口向下的倒U型結(jié)構(gòu)，但頂點(diǎn)切點(diǎn)數(shù)值較大，表明疫情期SaaS企業(yè)可以進(jìn)一步加大市場(chǎng)宣傳力度.股票市場(chǎng)選擇方面，美股上市、港股上市、上交所上市優(yōu)于深交所上市，對(duì)疫情下的經(jīng)營(yíng)增長(zhǎng)具有顯著正向作用.結(jié)論支持假設(shè)2：疫情期與股票市場(chǎng)、研發(fā)費(fèi)用、營(yíng)銷(xiāo)費(fèi)用、融資負(fù)債和經(jīng)營(yíng)年限對(duì)SaaS行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有正向交互作用.

3.2 SaaS、疫情與地理區(qū)域三重交互檢驗(yàn)

中國(guó)的地區(qū)經(jīng)濟(jì)差距引起了學(xué)者關(guān)注，伴隨地區(qū)經(jīng)濟(jì)差距擴(kuò)大，行業(yè)企業(yè)經(jīng)營(yíng)增長(zhǎng)在區(qū)域?qū)用嫔弦脖憩F(xiàn)出了明顯的差距.研究影響SaaS非接觸數(shù)字經(jīng)濟(jì)企業(yè)經(jīng)營(yíng)發(fā)展的因素，對(duì)于解釋和控制區(qū)域經(jīng)濟(jì)差距具有重要意義.傳統(tǒng)的地理經(jīng)濟(jì)學(xué)理論中，地區(qū)差異化的原因主要是由地區(qū)的地理位置(如距離港口的遠(yuǎn)近)、自然條件等因素決定的，但是并不能解釋一些地理位置不是很優(yōu)越的SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)狀況卻良好，且未能考察東部區(qū)域與非東部區(qū)域在諸如：研發(fā)支出、融資負(fù)債、營(yíng)銷(xiāo)支出和股票市場(chǎng)選擇對(duì)經(jīng)營(yíng)增長(zhǎng)作用的異質(zhì)性.

中國(guó)SaaS行業(yè)在地理區(qū)域發(fā)展上，總體呈現(xiàn)兩個(gè)特征：首先是市場(chǎng)總量上，中國(guó)東部地區(qū)包括廣東省、上海市、北京市、江蘇省和浙江省占據(jù)市場(chǎng)占有率前五的位置；其次是發(fā)展趨勢(shì)上，SaaS發(fā)展戰(zhàn)略從東部區(qū)域向非東部區(qū)域的四川、重慶、湖北、山西和陜西轉(zhuǎn)移，并呈現(xiàn)非東部區(qū)域快速發(fā)展態(tài)勢(shì).根據(jù)2019年中國(guó)SaaS產(chǎn)業(yè)研究報(bào)告顯示，2016～2019年SaaS復(fù)合增速指數(shù)前4名均為非東部區(qū)域，分別為內(nèi)蒙古65.9%、四川55.7%、河南23.5%，以及重慶13.9%.研究SaaS在不同地理區(qū)域的發(fā)展路徑依賴(lài)機(jī)制，可以有效解釋并指導(dǎo)企業(yè)投入與經(jīng)營(yíng)增長(zhǎng)問(wèn)題.

表9顯示了“SaaS-疫情-地理區(qū)域”三重交互檢驗(yàn)結(jié)果：研發(fā)費(fèi)用方面，非東部地區(qū)14.82，高于東部地區(qū)的2.89，且具有顯著性，表明非東部地區(qū)加大研發(fā)投入促進(jìn)營(yíng)業(yè)收入增長(zhǎng)的作用更大.融資負(fù)債方面，東部地區(qū)為正的4.89，且具有顯著性，表明東部地區(qū)的SaaS企業(yè)更適合負(fù)債經(jīng)營(yíng).營(yíng)銷(xiāo)費(fèi)用方面，東部地區(qū)倒U型結(jié)構(gòu)的頂點(diǎn)數(shù)字更大，曲率為-0.018，且具有顯著性，表明東部區(qū)域SaaS企業(yè)市場(chǎng)營(yíng)銷(xiāo)作用的空間較大.最后，股票市場(chǎng)效應(yīng)方面，東部區(qū)域SaaS企業(yè)具有選擇的正向效應(yīng)，且具有顯著性.上述檢驗(yàn)F值和調(diào)整后R2分別為52.02、0.83和4.47、0.56，具有較好的模型擬合度，結(jié)論支持假設(shè)3：不同地理區(qū)域的SaaS企業(yè)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用具有異質(zhì)性.

表9 SaaS-疫情-地理區(qū)域交互效應(yīng)檢驗(yàn)

3.3 SaaS、疫情與控股背景三重交互檢驗(yàn)

國(guó)有控股背景是指國(guó)有資本通過(guò)持有公司達(dá)到?jīng)Q定性表決權(quán)的股份，而對(duì)該公司進(jìn)行經(jīng)營(yíng)控制的情形.上市公司國(guó)有控股背景區(qū)別于傳統(tǒng)的國(guó)有企業(yè)，在管理職能、管理內(nèi)容、組織形式、和法律地位存在差異.但是相同點(diǎn)是，國(guó)有控股背景的上市公司，可能在行政審批、融資效率、土地使用權(quán)等資源獲取方面存在優(yōu)勢(shì).因此，SaaS非接觸數(shù)字經(jīng)濟(jì)發(fā)展路徑研究中，考察國(guó)有控股背景的經(jīng)營(yíng)要素如何影響企業(yè)經(jīng)營(yíng)增長(zhǎng)存在合理性.

如表10所示，“SaaS-疫情-控股背景”交互效應(yīng)發(fā)現(xiàn)：研發(fā)費(fèi)用方面，非國(guó)有控股SaaS上市公司研發(fā)支出促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng)的效率更高，為2.92比1.86，并具有顯著性.融資負(fù)債方面，非國(guó)有控股SaaS公司，負(fù)債經(jīng)營(yíng)對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)相關(guān)系數(shù)為正的4.92，高于國(guó)有控股背景企業(yè)的-0.10，并具有顯著性.說(shuō)明國(guó)有控股SaaS上市公司進(jìn)一步的負(fù)債經(jīng)營(yíng)對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有抑制作用.營(yíng)銷(xiāo)費(fèi)用方面，國(guó)有控股SaaS上市公司存在進(jìn)一步加大市場(chǎng)營(yíng)銷(xiāo)的空間.股票市場(chǎng)選擇方面，國(guó)有控股SaaS上市公司與非國(guó)有控股SaaS上市公司，選擇大相徑庭.前者適合深交所和上交所，而后者以美交所和港交所最優(yōu).國(guó)有控股與其他分類(lèi)回歸檢驗(yàn)F值為74.67和59.70，調(diào)整后的R2為0.97和0.82，檢驗(yàn)結(jié)果基本正確.結(jié)論支持假設(shè)3：不同控股背景的SaaS企業(yè)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用具有異質(zhì)性.

表10 SaaS-疫情-控股背景檢驗(yàn)

3.4 SaaS、疫情與產(chǎn)品類(lèi)型三重交互檢驗(yàn)

關(guān)于SaaS非接觸數(shù)字經(jīng)濟(jì)發(fā)展的研究，國(guó)內(nèi)外學(xué)者給予了一定關(guān)注，但是缺乏系統(tǒng)性.基于價(jià)值創(chuàng)造理論，用戶(hù)價(jià)值主導(dǎo)和SaaS規(guī)模經(jīng)濟(jì)價(jià)值的融合，是驅(qū)動(dòng)SaaS產(chǎn)業(yè)發(fā)展的重要因素.市場(chǎng)表現(xiàn)來(lái)看，阿里巴巴釘釘作為協(xié)同OA的代表，2019年至2020年6月，在線客戶(hù)從3 000萬(wàn)躍升到2億.根據(jù)2019年4月份“T數(shù)據(jù)”顯示，2017年～2019年，協(xié)同OA連續(xù)兩年應(yīng)用排行第一，市場(chǎng)占有率達(dá)到四分之一以上.所以，研究阿里巴巴釘釘?shù)葏f(xié)同OA類(lèi)產(chǎn)品與其他產(chǎn)品經(jīng)營(yíng)增長(zhǎng)的異質(zhì)性，對(duì)于促進(jìn)SaaS整體的發(fā)展是有利的.目前，國(guó)內(nèi)主流協(xié)同OA廠商為：金蝶云之家、阿里巴巴釘釘、企業(yè)微信、企明島、致遠(yuǎn)云產(chǎn)品和泛微Eteams等.

如表11所示，“SaaS-疫情-產(chǎn)品類(lèi)別”回歸檢驗(yàn)顯示：首先，研發(fā)費(fèi)用方面，協(xié)同OA的相關(guān)系數(shù)為2.5，高于其他產(chǎn)品的0.96，并具有顯著性.這表明，疫情期協(xié)同OA產(chǎn)品企業(yè)，增加研發(fā)支出對(duì)提升企業(yè)經(jīng)營(yíng)增長(zhǎng)作用明顯.其次，融資負(fù)債方面，疫情這一外部因素鼓勵(lì)協(xié)同OA產(chǎn)品企業(yè)增加負(fù)債經(jīng)營(yíng)，提升企業(yè)營(yíng)業(yè)收入3.47億元.相比其他產(chǎn)品類(lèi)別企業(yè)的0.49，具有正向顯著性.再次，市場(chǎng)營(yíng)銷(xiāo)費(fèi)用方面，協(xié)同OA產(chǎn)品企業(yè)，營(yíng)銷(xiāo)投入與營(yíng)業(yè)收入呈現(xiàn)倒U型結(jié)構(gòu).最后，美股市場(chǎng)和港股市場(chǎng)對(duì)協(xié)同OA企業(yè)經(jīng)營(yíng)增長(zhǎng)作用明顯，為847.74億元，并具有顯著性.整體擬合系數(shù)F值為5.43和40.14，具有顯著性.調(diào)整后的R2為0.60和0.77，回歸結(jié)果基本正確.結(jié)論支持假設(shè)3：不同產(chǎn)品類(lèi)型的SaaS企業(yè)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用具有異質(zhì)性.

表11 SaaS-疫情-產(chǎn)品類(lèi)別檢驗(yàn)

3.5 替代變量全樣本穩(wěn)健性檢驗(yàn)

為檢驗(yàn)結(jié)果的穩(wěn)健性和可信度，通過(guò)全樣本替代變量，檢驗(yàn)對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)影響的穩(wěn)定性，模型如公式(6)所示.

(Equi)=-345.19+74.31SaaS+79.79Epid

+3.44Rese+5.01Fina-0.008Mark2+175.53Stoc

+788.09Geog-712.64Stat+2931.57Prod+ε

(6)

回歸模型擬合度F=83.06，調(diào)整后決定系數(shù)R2=0.58.

如表12所示，從平均意義來(lái)看：首先SaaS行業(yè)企業(yè)所有者權(quán)益較其他非接觸數(shù)字經(jīng)濟(jì)企業(yè)高出74.31億元，且具有顯著性.疫情這一外部因素幫助整個(gè)非接觸經(jīng)濟(jì)增長(zhǎng)所有者權(quán)益79.79億元，并具有顯著性.其次，研發(fā)支出對(duì)所有非接觸經(jīng)濟(jì)企業(yè)均具有顯著正向促進(jìn)作用，相關(guān)系數(shù)為3.44.負(fù)債經(jīng)營(yíng)對(duì)非接觸經(jīng)濟(jì)企業(yè)來(lái)說(shuō)至關(guān)重要，相關(guān)系數(shù)為5.01，并具有顯著性.市場(chǎng)營(yíng)銷(xiāo)支出對(duì)于非接觸經(jīng)濟(jì)企業(yè)來(lái)說(shuō)，是非直線性關(guān)系，表現(xiàn)為倒U型結(jié)構(gòu)，曲率為-0.008，凹口向下.股票市場(chǎng)方面，非接觸經(jīng)濟(jì)企業(yè)選擇美交所、港交所和上交所上市，對(duì)于企業(yè)經(jīng)營(yíng)增長(zhǎng)有正向促進(jìn)作用.最后，虛擬二值變量中，東部企業(yè)、非國(guó)有控股背景企業(yè)和協(xié)同OA產(chǎn)品企業(yè)，對(duì)于非接觸經(jīng)濟(jì)增長(zhǎng)具有顯著促進(jìn)作用. 并具有F值=83.06，調(diào)整后R2=0.58的模型擬合程度.穩(wěn)健性檢驗(yàn)的結(jié)論支持假設(shè)1、假設(shè)2和假設(shè)3.

表12 替代變量全樣本穩(wěn)健性檢驗(yàn)

圖1 OLS回歸檢驗(yàn)結(jié)構(gòu)模型

4 結(jié)論與政策建議

在探討全球疫情對(duì)非接觸經(jīng)濟(jì)增長(zhǎng)影響時(shí)，如果忽略了內(nèi)生機(jī)制和外生給定的分組情況，可能很難識(shí)別全球疫情促進(jìn)非接觸經(jīng)濟(jì)增長(zhǎng)的變量要素和作用機(jī)制.并且，容易陷入平均效應(yīng)的認(rèn)識(shí)偏差.本文放開(kāi)了所有SaaS企業(yè)服從相同回歸函數(shù)的假定，對(duì)于疫情沖擊下影響非接觸經(jīng)濟(jì)增長(zhǎng)的控制變量進(jìn)行分類(lèi)別的探討最優(yōu)經(jīng)濟(jì)性，相關(guān)研究結(jié)果為當(dāng)前世界經(jīng)濟(jì)體應(yīng)對(duì)新冠肺炎疫情，尋找新的經(jīng)濟(jì)增長(zhǎng)路徑，提供了理論借鑒和實(shí)踐指導(dǎo).

4.1 結(jié)論

本文利用中國(guó)2000～2019年SaaS上市公司財(cái)務(wù)報(bào)表數(shù)據(jù)，采用逐步回歸和差分檢驗(yàn)，對(duì)SaaS、疫情期、地理區(qū)域、控股背景和產(chǎn)品類(lèi)別、以及研發(fā)費(fèi)用、融資負(fù)債、營(yíng)銷(xiāo)費(fèi)用、股票市場(chǎng)和經(jīng)營(yíng)年限等變量對(duì)企業(yè)營(yíng)業(yè)收入、所有者權(quán)益的促進(jìn)作用進(jìn)行了研究，結(jié)果表明，全球疫情自變量與類(lèi)別變量中，“SaaS-疫情因素”對(duì)企業(yè)經(jīng)營(yíng)增長(zhǎng)具有顯著促進(jìn)作用，其他類(lèi)別變量在促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng)方面具有異質(zhì)性.

首先，地理區(qū)域方面，東部地區(qū)SaaS企業(yè)應(yīng)加強(qiáng)融資負(fù)債、市場(chǎng)營(yíng)銷(xiāo)投入，而非東部地區(qū)SaaS企業(yè)則應(yīng)集中于產(chǎn)品技術(shù)研發(fā)促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng).且整體上，非東部地區(qū)SaaS經(jīng)營(yíng)增長(zhǎng)速度加快，容易形成趨勢(shì)效應(yīng).

其次，SaaS上市公司控股背景方面，現(xiàn)有國(guó)有控股上市公司工作重心應(yīng)放在技術(shù)研發(fā)與市場(chǎng)營(yíng)銷(xiāo)方面，融資負(fù)債效應(yīng)為負(fù)，說(shuō)明資金對(duì)促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng)不具有正向顯著性.非國(guó)有控股企業(yè)則應(yīng)在技術(shù)研發(fā)、融資負(fù)債繼續(xù)投入，以保持市場(chǎng)競(jìng)爭(zhēng)能力.

最后，在SaaS產(chǎn)品類(lèi)別中，協(xié)同OA企業(yè)在技術(shù)研發(fā)、融資負(fù)債、市場(chǎng)營(yíng)銷(xiāo)和股票市場(chǎng)效應(yīng)方面均優(yōu)于其他產(chǎn)品企業(yè).這一現(xiàn)象可能表明，在全球疫情環(huán)境下，面向企業(yè)運(yùn)營(yíng)和個(gè)體生產(chǎn)、學(xué)習(xí)用途的遠(yuǎn)程平臺(tái)產(chǎn)品滲透率和占有率正在快速增長(zhǎng)，可能成為“疫情經(jīng)濟(jì)”中的下一個(gè)“風(fēng)口經(jīng)濟(jì)”.

綜上，經(jīng)濟(jì)體在應(yīng)對(duì)全球疫情沖擊情況下，SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)的手段和路徑需要結(jié)合自身特點(diǎn)，分主次、分方向的實(shí)施，尋找最優(yōu)的發(fā)展路徑.

4.2 政策建議

本文討論了全球疫情在非接觸經(jīng)濟(jì)增長(zhǎng)作用的一般規(guī)律，據(jù)此對(duì)中國(guó)SaaS企業(yè)綜合提出以下政策建議：

首先，所有非接觸經(jīng)濟(jì)無(wú)論是否給定分類(lèi)，在研發(fā)投入促進(jìn)企業(yè)營(yíng)業(yè)收入、所有者權(quán)益增長(zhǎng)方面的作用是一致的，均會(huì)在全球疫情沖擊下促進(jìn)企業(yè)經(jīng)營(yíng)增長(zhǎng).

其次，地理區(qū)域和控股背景，對(duì)融資負(fù)債影響經(jīng)營(yíng)增長(zhǎng)方面具有異質(zhì)性，非東部地區(qū)企業(yè)和國(guó)有控股背景企業(yè)，負(fù)債經(jīng)營(yíng)抑制了經(jīng)濟(jì)增長(zhǎng)，非協(xié)同OA產(chǎn)品在疫情期的營(yíng)銷(xiāo)費(fèi)用也出現(xiàn)了負(fù)效用.

最后，中國(guó)企業(yè)應(yīng)當(dāng)確立非接觸數(shù)字經(jīng)濟(jì)轉(zhuǎn)型的意識(shí)和成功的預(yù)期，認(rèn)識(shí)到SaaS技術(shù)在解決了互聯(lián)網(wǎng)穩(wěn)定性、3C普及度和中國(guó)加深國(guó)際化和開(kāi)放度的情況下，憑借中國(guó)企業(yè)的龐大基數(shù)，SaaS經(jīng)濟(jì)的發(fā)展還將進(jìn)一步提升.

當(dāng)然，結(jié)合本文分析，SaaS經(jīng)濟(jì)的發(fā)展要注意三個(gè)問(wèn)題：

其一是研發(fā)費(fèi)用方向上，要避免在一個(gè)標(biāo)準(zhǔn)化的垂直研發(fā)，而應(yīng)該轉(zhuǎn)向深耕行業(yè)，挖掘場(chǎng)景開(kāi)發(fā)OA產(chǎn)品.

其二是融資負(fù)債上，應(yīng)當(dāng)注意到市場(chǎng)資金有聚攏的現(xiàn)象，SaaS市場(chǎng)資本開(kāi)始收縮，出現(xiàn)強(qiáng)者通吃的現(xiàn)象.

其三是市場(chǎng)營(yíng)銷(xiāo)上，智能營(yíng)銷(xiāo)將是SaaS的增長(zhǎng)率提升新動(dòng)能，以消費(fèi)者個(gè)性化、碎片化需求為中心，滿足動(dòng)態(tài)需求.建立工業(yè)4.0基礎(chǔ)上的移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)及云計(jì)算、柔性生產(chǎn)與數(shù)據(jù)供應(yīng)鏈全新市場(chǎng)營(yíng)銷(xiāo)模式.

雖然，本文建立了全球疫情沖擊下各分類(lèi)變量矩陣對(duì)SaaS非接觸數(shù)字經(jīng)濟(jì)增長(zhǎng)影響的模型，并計(jì)量了9個(gè)變量作用于企業(yè)經(jīng)營(yíng)增長(zhǎng)的程度和趨勢(shì)關(guān)系.但是，研究也存在一定的局限性，未來(lái)可整合非接觸經(jīng)濟(jì)中的貨幣金融非接觸經(jīng)濟(jì)、貨物物流非接觸經(jīng)濟(jì)等樣本數(shù)據(jù)，以進(jìn)一步拓展全球疫情對(duì)SaaS企業(yè)經(jīng)營(yíng)增長(zhǎng)的綜合分析.