李壽喜 王袁晗

（上海大學(xué)管理學(xué)院，上海 200444）

引 言

數(shù)字經(jīng)濟(jì)的快速發(fā)展及其規(guī)模的不斷擴(kuò)大使其逐漸成為國民經(jīng)濟(jì)的主要增長極。 《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》指出，我國數(shù)字經(jīng)濟(jì)在2005～2019年實(shí)現(xiàn)跨越式增長，占GDP的比重由14.2%上升到36.2%，15年間增長近2倍。目前，我國數(shù)字經(jīng)濟(jì)已進(jìn)入 “四化”協(xié)同發(fā)展時(shí)期，其中數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化正經(jīng)歷與實(shí)體經(jīng)濟(jì)相融合的新階段，不斷產(chǎn)生新技術(shù)。隨著新一代信息技術(shù)的廣泛應(yīng)用，數(shù)字經(jīng)濟(jì)已經(jīng)席卷全球，中國在互聯(lián)網(wǎng)領(lǐng)域取得的成就向世界展示了數(shù)字技術(shù)的巨大潛力和魅力。

在數(shù)字化時(shí)代，大數(shù)據(jù)、人工智能等技術(shù)已逐步遍及經(jīng)濟(jì)和社會生活的各個(gè)方面，電子制造業(yè)進(jìn)入加速發(fā)展時(shí)期，呈現(xiàn)出加速創(chuàng)新、迭代創(chuàng)新和集體創(chuàng)新的新模式，成為中國經(jīng)濟(jì)轉(zhuǎn)型和現(xiàn)代化建設(shè)的新動(dòng)力。聯(lián)想等一大批優(yōu)秀的新興企業(yè)大量涌現(xiàn)，以互聯(lián)網(wǎng)等智能數(shù)字化平臺為載體，加速向數(shù)字化企業(yè)轉(zhuǎn)型，釋放創(chuàng)新活力。2020年突發(fā)的新冠肺炎疫情加快了數(shù)字化革命的步伐，工業(yè)企業(yè)擁抱數(shù)字技術(shù)已成為必然趨勢。在疫情期間，許多企業(yè)加速數(shù)字化轉(zhuǎn)型，以此提高自身創(chuàng)新意愿，利用大數(shù)據(jù)和數(shù)字化平臺的智能分析尋找商機(jī)，成功扭轉(zhuǎn)經(jīng)營局面，實(shí)現(xiàn)跨越式的增長。

1 理論分析與研究設(shè)計(jì)

1.1 企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

數(shù)據(jù)通過加速信息交互等方式［1］，推動(dòng)了企業(yè)數(shù)字化轉(zhuǎn)型。而數(shù)字化轉(zhuǎn)型又通過多種渠道的作用，有效提高企業(yè)創(chuàng)新的效率，主要表現(xiàn)如下：（1）企業(yè)通過數(shù)字化信息平臺尋求外部信息，降低了信息交換和獲取的成本，加快了信息和知識傳播速度，提高企業(yè)學(xué)習(xí)外界技術(shù)的效率［2］，并在現(xiàn)有技術(shù)的基礎(chǔ)上提煉新技術(shù)和創(chuàng)造新產(chǎn)品；（2）新一代信息技術(shù)的發(fā)展縮短了企業(yè)和客戶之間的距離，使客戶積極參與到產(chǎn)品生產(chǎn)和制造的過程中，提高了對企業(yè)產(chǎn)品和服務(wù)的預(yù)期，成為企業(yè)創(chuàng)新的動(dòng)力源泉；（3）隨著數(shù)字經(jīng)濟(jì)的發(fā)展，消費(fèi)者的消費(fèi)習(xí)慣發(fā)生顯著變化。通過智能平臺的互聯(lián)互通，企業(yè)數(shù)字化轉(zhuǎn)型后可快速獲得客戶行為數(shù)據(jù)，并借助數(shù)字分析技術(shù)挖掘數(shù)據(jù)潛力，進(jìn)一步把握客戶產(chǎn)品需求。為生產(chǎn)更多高價(jià)值產(chǎn)品，精準(zhǔn)服務(wù)客戶，企業(yè)會加大研發(fā)投入，促進(jìn)產(chǎn)品技術(shù)升級；（4）創(chuàng)新活動(dòng)具有高風(fēng)險(xiǎn)性，新興企業(yè)出于規(guī)避風(fēng)險(xiǎn)和降低成本的目的［3］，會減少研發(fā)投資。而企業(yè)數(shù)字化轉(zhuǎn)型可借助海量數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測［4］，減少研發(fā)活動(dòng)中的不確定性，提高企業(yè)創(chuàng)新動(dòng)力。綜上所述，提出以下假設(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型有助于促進(jìn)企業(yè)創(chuàng)新。

1.2 企業(yè)數(shù)字化轉(zhuǎn)型、產(chǎn)權(quán)性質(zhì)與企業(yè)創(chuàng)新

由于企業(yè)產(chǎn)權(quán)性質(zhì)存在差異，研發(fā)創(chuàng)新的投入和效率也會有所不同。國有企業(yè)所處經(jīng)營環(huán)境更加穩(wěn)定，更容易獲得政治支持和政策優(yōu)惠。因此，國有企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的動(dòng)力相對不足，不能充分發(fā)揮數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)作用；另外，相較于非國有企業(yè)，國有企業(yè)承擔(dān)較多政府多重目標(biāo)，更注重實(shí)現(xiàn)不同的社會目標(biāo)［3］，國企人員通過完成政府既定目標(biāo)來實(shí)現(xiàn)個(gè)人職位晉升。因此，與投資時(shí)間長、成本高的研發(fā)活動(dòng)相比，國有企業(yè)更傾向于穩(wěn)健的政治活動(dòng)，尋求更高的政治回報(bào)。綜上所述，提出以下假設(shè)：

H2：相對于國有企業(yè)，企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新的驅(qū)動(dòng)作用在非國有企業(yè)更顯著。

1.3 企業(yè)數(shù)字化轉(zhuǎn)型、環(huán)境不確定性與企業(yè)創(chuàng)新

在高度不確定性的環(huán)境中，企業(yè)間競爭加劇。如果企業(yè)能夠快速適應(yīng)環(huán)境變化，在復(fù)雜的環(huán)境中實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，反而能增強(qiáng)自身競爭力。根據(jù)增長期權(quán)理論，對于致力于數(shù)字化轉(zhuǎn)型的企業(yè)而言，高度不確定性的環(huán)境不僅不構(gòu)成企業(yè)發(fā)展過程中的外部威脅，反而能助力企業(yè)獲得一個(gè)提高自身競爭優(yōu)勢、縮小與同行差距的機(jī)會［5］。當(dāng)環(huán)境不確定性較高時(shí)，市場需求呈現(xiàn)多元化趨勢，從事數(shù)字化轉(zhuǎn)型的企業(yè)會增加對創(chuàng)新的投入，開發(fā)新一代產(chǎn)品以尋找潛在的市場機(jī)會；另外，在波動(dòng)較大的環(huán)境中，競爭者大量涌入市場，這降低了企業(yè)的市場份額和盈利能力。而創(chuàng)新是一項(xiàng)具有高不確定性和高回報(bào)的長期投資，為獲得高額收益，進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)將增加對創(chuàng)新的投資。因此，本文提出以下假設(shè)：

H3：環(huán)境不確定性越高，企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新的促進(jìn)作用越顯著。

2 數(shù)據(jù)來源與模型構(gòu)建

2.1 樣本選擇與數(shù)據(jù)收集

本文以電子制造業(yè)上市公司的數(shù)據(jù)為研究對象，企業(yè)層面和地區(qū)層面的數(shù)據(jù)全部來自于國泰安研究服務(wù)中心數(shù)據(jù)庫（CSMAR），時(shí)間跨度為2016～2020年。在最新行業(yè)分類標(biāo)準(zhǔn)的基礎(chǔ)上，本文首先剔除了發(fā)生ST、*ST或PT的企業(yè)，其次剔除了會計(jì)年度內(nèi)被暫停上市的企業(yè)，最終獲得475家電子制造業(yè)上市公司。在剔除缺失值和新冠肺炎疫情影響下的異常值后，本文共獲1714個(gè)有效觀測值。數(shù)據(jù)采用STATA16.0軟件進(jìn)行處理，為減小極端值的影響，對模型中使用的所有相關(guān)變量進(jìn)行了上下1%分位的縮尾處理。

2.2 變量設(shè)定

2.2.1 被解釋變量

企業(yè)創(chuàng)新（RD）。本文選取創(chuàng)新投入強(qiáng)度衡量企業(yè)創(chuàng)新水平。創(chuàng)新投入強(qiáng)度有兩個(gè)代理指標(biāo)，分別以上市公司研發(fā)人員數(shù)量／總?cè)藬?shù)和研發(fā)投入金額原值／總資產(chǎn)進(jìn)行衡量，記為RD1、RD2。

2.2.2 解釋變量

數(shù)字化轉(zhuǎn)型（Dig）。近幾年，數(shù)字化轉(zhuǎn)型在學(xué)術(shù)研究中引起廣泛關(guān)注，但它的定義、框架等仍存在模糊不清的地方［6］。 本文參考吳非等 （2021）［7］的做法，運(yùn)用Python軟件抓取企業(yè)年報(bào)中與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞，并計(jì)算詞匯出現(xiàn)的頻率。一般情況下，特定關(guān)鍵詞在上市企業(yè)公布的年度報(bào)告信息中出現(xiàn)越頻繁，越能反映企業(yè)的經(jīng)營理念和理念指導(dǎo)下的未來發(fā)展規(guī)劃。本文在吳非等提供的數(shù)據(jù)池的基礎(chǔ)上，對 “數(shù)字化轉(zhuǎn)型”相應(yīng)特征詞的詞頻進(jìn)行匹配和統(tǒng)計(jì)，然后對關(guān)鍵技術(shù)方向的詞頻進(jìn)行分類收集，并匯總處理，作為企業(yè)數(shù)字化轉(zhuǎn)型程度的代理變量。借助Python的文本識別功能排除非本公司的無效文本內(nèi)容，同時(shí)排除帶有否定詞匯前綴的關(guān)鍵詞表述。由于這類特征數(shù)據(jù) “右偏”性明顯，本文對最終匯總的詞頻加1后取對數(shù)處理，以獲得描述企業(yè)數(shù)字化轉(zhuǎn)型的總體指標(biāo)。

表1 2016～2020年企業(yè)數(shù)字化轉(zhuǎn)型各細(xì)分指標(biāo)平均詞頻

2.2.3 其他變量

環(huán)境不確定性（EU）。本文借鑒申慧慧等（2012）［8］的研究，利用企業(yè)前5年?duì)I業(yè)收入數(shù)據(jù)，采用OLS方法運(yùn)行模型 （6）以估算前5年非正常營業(yè)收入：

其中，若觀測值為前4年的，Year取1，前2年取3，以此類推，當(dāng)前年度取5，Revenue為營業(yè)收入。模型 （6）的殘差為非正常營業(yè)收入；計(jì)算企業(yè)前5年非正常營業(yè)收入的標(biāo)準(zhǔn)差和前5年?duì)I業(yè)收入的平均值，二者相除得到未經(jīng)行業(yè)調(diào)整的環(huán)境不確定性EU1；最后，以EU1除以同年同行業(yè)企業(yè)EU1的中位數(shù)，得到經(jīng)行業(yè)調(diào)整的環(huán)境不確定性EU2［9］。以EU2的25%分位數(shù)為界，建立環(huán)境不確定性的虛擬變量EU，若企業(yè)的EU2不小于25%分位數(shù)，則EU取1，否則取0。

2.2.4 控制變量

參照現(xiàn)有文獻(xiàn)的做法，本文選取以下變量作為控制變量。包括企業(yè)規(guī)模（Size）、財(cái)務(wù)杠桿（Lev）、成長性（Growth，企業(yè)當(dāng)年?duì)I業(yè)收入增加值與上年?duì)I業(yè)收入之比）、現(xiàn)金流量（Cash，凈經(jīng)營活動(dòng)現(xiàn)金流與總資產(chǎn)之比）、股權(quán)集中度（Sha，第一大股東集中度）、產(chǎn)權(quán)性質(zhì)（Soe）、企業(yè)年齡（Age）與兩職合一（Dual，董事長和總經(jīng)理兩職合一時(shí)取1，否則取0）。

2.3 模型構(gòu)建

構(gòu)建如下模型對基準(zhǔn)假設(shè)1進(jìn)行檢驗(yàn)：

其中，因變量RD為企業(yè)創(chuàng)新，自變量Dig為企業(yè)數(shù)字化轉(zhuǎn)型程度，Controls為一系列控制變量，同時(shí)對企業(yè)所在地區(qū)和年份加以控制，Area為企業(yè)所在地區(qū)虛擬變量，Year表示年度虛擬變量。若α1顯著為正，則假設(shè)H1得到驗(yàn)證。

3 實(shí)證結(jié)果分析

3.1 描述性統(tǒng)計(jì)分析

從表2可知，上市企業(yè)創(chuàng)新水平（RD1）均值為23.6%，最大值為78.2%，最小值為3.2%，RD2最大值為15%，最小值為3.3%，表明電子制造業(yè)各公司間創(chuàng)新水平存在較大差距。上市企業(yè)數(shù)字化轉(zhuǎn)型（Dig）均值為1.215，大于其標(biāo)準(zhǔn)差，表明各公司差異較大。

表2 不同變量間描述性統(tǒng)計(jì)分析

3.2 基準(zhǔn)回歸分析

表3采用遞進(jìn)式回歸方法，給出了 “企業(yè)數(shù)字轉(zhuǎn)型-企業(yè)創(chuàng)新”之間關(guān)系的主要結(jié)果。列 （1）和列 （3）僅對年份和地區(qū)加以控制，企業(yè)數(shù)字化轉(zhuǎn)型（Dig）對企業(yè)創(chuàng)新水平的回歸系數(shù)分別為0.033、 0.003（t值分別為5.66、 3.34， 顯著為正），且通過了1%的統(tǒng)計(jì)顯著性檢驗(yàn)；列 （2）和列（4）考慮了相關(guān)控制變量組，顯著性未發(fā)生變化（t值分別為5.35、3.01）。這說明在數(shù)字化轉(zhuǎn)型的影響下，企業(yè)創(chuàng)新水平得以顯著提高。由此，前文假設(shè)H1得以驗(yàn)證。

表3 數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

3.3 企業(yè)數(shù)字化轉(zhuǎn)型、環(huán)境不確定性與企業(yè)創(chuàng)新

從表4的列 （1）和列 （3）可以看出，在高不確定性的環(huán)境中，企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新的回歸系數(shù)分別為0.039和0.004，均在1%的水平上顯著為正。而在低不確定性的環(huán)境中，回歸系數(shù)均不顯著，甚至為負(fù)。上述結(jié)果表明環(huán)境不確定性越高，企業(yè)數(shù)字化轉(zhuǎn)型越能顯著促進(jìn)企業(yè)的創(chuàng)新，支持了假設(shè)H5。

表4 企業(yè)數(shù)字化轉(zhuǎn)型、環(huán)境不確定性及企業(yè)創(chuàng)新

3.4 穩(wěn)健性檢驗(yàn)

本文采用多種方法進(jìn)行穩(wěn)健性檢驗(yàn)：（1）采用PSM方法解決遺漏變量帶來的自選擇問題；（2）對企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)進(jìn)行結(jié)構(gòu)化分解，根據(jù)細(xì)分口徑重新進(jìn)行驗(yàn)證；（3）采用工具變量法進(jìn)行內(nèi)生性處理。

（1）PSM方法。為避免樣本自選擇問題，采用傾向得分匹配法（PSM）進(jìn)行檢驗(yàn)，根據(jù)企業(yè)數(shù)字化轉(zhuǎn)型水平將企業(yè)進(jìn)行排序，取前25%的樣本為數(shù)字化轉(zhuǎn)型水平較高的處理組，其余為控制組。建立虛擬變量Dig_dum，將處理組（高數(shù)字化轉(zhuǎn)型水平）取1，控制組（低數(shù)字化轉(zhuǎn)型水平）取0，同時(shí)選取前文所述控制變量進(jìn)行配對。本文采用最近鄰匹配法和半徑匹配法對企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新間的關(guān)系進(jìn)行回歸分析，結(jié)果表略。當(dāng)選取最近鄰匹配法時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新（RD1）間的顯著性水平最高，通過了5%水平上的顯著性檢驗(yàn)，進(jìn)一步驗(yàn)證了前文假設(shè)。

（2）變更計(jì)量口徑。本部分將整體數(shù)字化轉(zhuǎn)型分解為兩大層面：①技術(shù)層面；②應(yīng)用層面。在技術(shù)層面中，數(shù)字化轉(zhuǎn)型可細(xì)分為4個(gè)口徑，分別為人工智能、區(qū)塊鏈、云計(jì)算和大數(shù)據(jù)技術(shù)。在應(yīng)用層面中，以數(shù)字化技術(shù)應(yīng)用相關(guān)特征詞為依據(jù)。實(shí)證結(jié)果發(fā)現(xiàn)所有數(shù)字化轉(zhuǎn)型細(xì)分口徑的回歸系數(shù)均顯著為正，其中大數(shù)據(jù)技術(shù)通過了10%水平的統(tǒng)計(jì)檢驗(yàn)，其他列均通過了1%水平的統(tǒng)計(jì)檢驗(yàn)。上述結(jié)果驗(yàn)證了數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效應(yīng)是穩(wěn)健可靠的。

（3） 內(nèi)生性處理。借鑒張永珅等 （2021）［10］的研究，選取前置1期的數(shù)字化轉(zhuǎn)型程度作為工具變量進(jìn)行研究，回歸結(jié)果表略，企業(yè)數(shù)字化轉(zhuǎn)型（Dig）與其工具變量（Dig_forward）通過了1%的顯著性檢驗(yàn)，回歸結(jié)果同前文結(jié)論仍保持一致。在 “工具變量識別不足”的檢驗(yàn)中，K-Prk LM的p值均為0.000，在弱工具檢驗(yàn)中，K-Prk Wald檢驗(yàn)獲得的F值均遠(yuǎn)大于10%的臨界值16.38。因此，工具變量的選擇具有合理性。

4 異質(zhì)性檢驗(yàn)

4.1 企業(yè)層面

4.1.1 基于產(chǎn)權(quán)性質(zhì)的差異性

表5的分樣本實(shí)證結(jié)果顯示，在列 （2）和列 （4）的非國有企業(yè)中，數(shù)字化轉(zhuǎn)型水平對企業(yè)創(chuàng)新的回歸系數(shù)分別為0.037和0.003（t值分別為4.62和2.02，顯著為正）；而在列 （1）和列（3）的國有企業(yè)中，企業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效果較差。國有企業(yè)的經(jīng)營理念和業(yè)務(wù)模式比較固定，較少受市場影響，憑借自身特有優(yōu)勢即可在市場占有一定份額，缺乏自主創(chuàng)新能力。因此，數(shù)字化轉(zhuǎn)型對國有企業(yè)創(chuàng)新驅(qū)動(dòng)力不足。與之相比，非國有企業(yè)正處于一個(gè)激烈且不可預(yù)測的市場環(huán)境中，要保證自身的絕對競爭優(yōu)勢，必須順應(yīng)新時(shí)代數(shù)字信息技術(shù)的發(fā)展趨勢，有更強(qiáng)烈的創(chuàng)新意愿。此時(shí)，數(shù)字化轉(zhuǎn)型改革符合企業(yè)的創(chuàng)新需求，推動(dòng)企業(yè)加大對創(chuàng)新活動(dòng)的投入。

表5 異質(zhì)性分析一

4.1.2 基于高管教育水平的差異性

企業(yè)數(shù)字化轉(zhuǎn)型不僅要適應(yīng)外部環(huán)境的變化，還要受到內(nèi)部環(huán)境的驅(qū)動(dòng)。企業(yè)管理層由于數(shù)字化知識和戰(zhàn)略眼光存在明顯差異，對企業(yè)自身數(shù)字化轉(zhuǎn)型改革有著不同的規(guī)劃，進(jìn)而對企業(yè)創(chuàng)新行為產(chǎn)生不同的影響。具有本科或更高學(xué)歷的高級管理人員被定義為高學(xué)歷高管，否則為低學(xué)歷高管。本部分基于高管教育水平差異展開檢驗(yàn)，見表6，結(jié)果表明當(dāng)企業(yè)高管受過高等教育時(shí)，非國有企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的驅(qū)動(dòng)效果更好。這是因?yàn)槠髽I(yè)高管在接受高等素質(zhì)教育后，對企業(yè)所處的智能環(huán)境有了更深刻的認(rèn)知，戰(zhàn)略眼光更有前瞻性，能夠更早認(rèn)清企業(yè)長期發(fā)展需要向數(shù)字化和智能化方向轉(zhuǎn)型。受過高等教育的高管在企業(yè)中扮演著領(lǐng)導(dǎo)者的角色，憑借敏銳的嗅覺，他們可以快速意識到產(chǎn)品服務(wù)和數(shù)字化相結(jié)合的廣闊市場前景和新一代數(shù)字技術(shù)對企業(yè)競爭格局的影響，并且依靠豐富的數(shù)字化知識儲備幫助整個(gè)企業(yè)靈活高效地做出反應(yīng)，順利完成變革，進(jìn)而大力推動(dòng)企業(yè)投資創(chuàng)新活動(dòng)。

表6 異質(zhì)性分析二

4.1.3 基于生命周期的差異性

參考梁上坤等 （2019）［11］的研究，本文使用銷售收入增長率、公司年齡、留存收益率和資本支出率的綜合得分來劃分企業(yè)生命周期。綜合得分排行榜顯示，前25%為成長期企業(yè)，后25%為衰退期企業(yè)，中間50%為成熟期企業(yè)。表7中的分樣本回歸結(jié)果顯示，衰退期階段的非國有企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新的驅(qū)動(dòng)效果最顯著，通過了1%水平的統(tǒng)計(jì)性檢驗(yàn)。這是因?yàn)樗ネ似陔A段的企業(yè)在經(jīng)過長期大量資金和數(shù)字化資源積累后，為數(shù)字化轉(zhuǎn)型改革奠定了更堅(jiān)實(shí)的基礎(chǔ)。由于人們消費(fèi)觀念的轉(zhuǎn)變，企業(yè)產(chǎn)品的市場份額顯著下降。為維持自身生命力，延長企業(yè)生命周期，企業(yè)數(shù)字化創(chuàng)新的訴求更強(qiáng)烈。

表7 異質(zhì)性分析三

4.2 地區(qū)層面

根據(jù)王小魯?shù)?（2019）［12］測算的省份市場化指數(shù)，本文將企業(yè)注冊地所在?。▍^(qū)、市）劃分為高低市場化水平區(qū)域2個(gè)組別（以50%分位數(shù)作為分組界限），以探討區(qū)域市場化水平對企業(yè)數(shù)字化轉(zhuǎn)型創(chuàng)新驅(qū)動(dòng)效果產(chǎn)生的差異。表8給出了分組回歸測試的結(jié)果，研究發(fā)現(xiàn)在市場化水平較高的區(qū)域，數(shù)字化轉(zhuǎn)型在促進(jìn)企業(yè)創(chuàng)新方面發(fā)揮著更大的作用。市場化水平較高的區(qū)域傾向于充分利用數(shù)字化轉(zhuǎn)型的作用，通過更健全的市場機(jī)制、更完善的數(shù)字基礎(chǔ)設(shè)施和更高效的資源配置效率來促進(jìn)企業(yè)創(chuàng)新。而市場化水平較低的地區(qū)由于數(shù)字基礎(chǔ)設(shè)施相對落后，數(shù)字化轉(zhuǎn)型在推動(dòng)企業(yè)創(chuàng)新方面的作用并不明顯。因此，在建設(shè)數(shù)字中國的過程中，應(yīng)統(tǒng)籌推動(dòng)低市場化水平地區(qū)數(shù)據(jù)庫和數(shù)字化平臺的建設(shè)，縮小區(qū)域數(shù)字化差異，促進(jìn)區(qū)域共同進(jìn)步。

表8 地區(qū)異質(zhì)性分析

5 研究結(jié)論及相關(guān)建議

本文借助滬深兩市A股電子制造企業(yè)2016～2020年數(shù)據(jù)，得出以下結(jié)論：（1）企業(yè)數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)創(chuàng)新，在企業(yè)和地區(qū)層面具有非對稱影響，主要表現(xiàn)為高管受過高等教育或處于衰退期的非國有企業(yè)以及市場化程度較高地區(qū)的企業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新驅(qū)動(dòng)效果更顯著； （2）高度不確定性的環(huán)境下，企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新的推動(dòng)作用更強(qiáng)。

本文主要有以下政策啟示：（1）加快推動(dòng)基礎(chǔ)數(shù)字化建設(shè)，為新型數(shù)字技術(shù)的發(fā)展打下堅(jiān)實(shí)基礎(chǔ)，引導(dǎo)并助力企業(yè)進(jìn)行數(shù)字化變革，為企業(yè)創(chuàng)新拓展新的機(jī)會；（2）遵循差異化原則，根據(jù)轉(zhuǎn)型企業(yè)產(chǎn)權(quán)特性提供不同的政策支持，加大對企業(yè)數(shù)字化、智能化轉(zhuǎn)型的支持力度，從而賦能創(chuàng)新。