樓潤平，張昊，麥詩詩

（海南大學管理學院，海南 ?？?570228）

一、引言

全球經濟正不斷向以新一代信息技術產業(yè)為主導的數字經濟轉型。根據中國信通院的定義，數字經濟是以數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力，以現代信息網絡為重要載體，通過數字技術與實體經濟深度融合，不斷提高數字化、網絡化、智能化水平，加速重構經濟發(fā)展與治理模式的新型經濟形態(tài)。實體經濟是一國經濟的立身之本，是國家強盛的重要支柱，而制造業(yè)則是實體經濟的基礎。中國是世界制造業(yè)第一大國，然而中國制造業(yè)存在“低端鎖定”的問題。制造業(yè)轉型升級的首要動力是技術創(chuàng)新[1]。近年來，5G、大數據、人工智能、移動互聯網、云計算等為代表的新一代信息技術發(fā)展迅猛。企業(yè)如何借助新一代信息技術進行全方位的數字化轉型和創(chuàng)新能力提升，成為了當前學界和業(yè)界關注的焦點。

近年來，國內外逐步開展了企業(yè)數字化與創(chuàng)新績效關系的理論研究。邵云飛等（2018）研究發(fā)現，組織內部技術與市場、組織、文化等要素協同對企業(yè)創(chuàng)新績效具有顯著正向影響,并且IT能力對這種正向影響具有強化作用[2]。數字技術能降低知識和信息的獲取成本，加速企業(yè)內部資源要素的流動，進而促進企業(yè)創(chuàng)新[3]。池毛毛等（2021）實證研究發(fā)現，數字化轉型在IT能力與創(chuàng)新績效之間存在中介作用[4]。劉平峰和張旺（2021）從理論和實證兩個層面擴展了數字技術賦能理論[5]。然而，也有學者認為數字化對企業(yè)績效并非具有正向促進作用，即可能存在“數字化悖論”。Kohtam?ki等（2020）認為數字化與服務化之間需要有效的相互作用才能對企業(yè)績效產生積極影響，他們實證研究發(fā)現，低水平數字化與高水平服務化之間的交互作用對公司績效有著顯著負面影響[6]。

以上研究從多個角度探討了數字化對企業(yè)的影響。然而現有研究主要集中在理論探討和案例研究，鮮有文獻涉及制造業(yè)企業(yè)數字化與企業(yè)創(chuàng)新內在機制的實證研究，例如企業(yè)數字化能否通過中介變量影響創(chuàng)新績效？而且，現有的實證研究大多基于問卷調查數據，采用客觀數據的實證研究較少。數字技術可以分為軟件技術、硬件技術和網絡技術，具體包括人工智能、大數據、物聯網等[7]。數字化通過硬件和軟件提供技術支持，為企業(yè)創(chuàng)造價值[6]。由此產生的問題是，硬件和軟件對企業(yè)創(chuàng)新的影響是否存在差異？大量實證研究發(fā)現，人力資本對企業(yè)創(chuàng)新績效具有正向促進作用[8-10]，那么人力資本能否在兩者之間起到中介作用呢？

針對上述問題，本文選取2014—2019年企業(yè)年報中披露了數字化投資信息的121家制造業(yè)上市公司共726個觀察值，將數字化投資分為軟件和硬件，探討數字化投資對企業(yè)人力資本以及創(chuàng)新績效的影響，研究數字化投資對企業(yè)創(chuàng)新的影響機制。本文可能的貢獻有三點：一是采用客觀數據，研究制造業(yè)企業(yè)數字化投資對企業(yè)創(chuàng)新績效的影響，研究結論可為企業(yè)創(chuàng)新提供新的經驗證據；二是檢驗人力資本能否在硬件軟件投資與企業(yè)創(chuàng)新績效之間起到中介作用，進一步揭示數字化投資對企業(yè)創(chuàng)新的影響機制；三是按要素密集度對制造業(yè)企業(yè)進行異質性研究，檢驗各類企業(yè)的軟件硬件投資對企業(yè)創(chuàng)新績效的影響差異，以及人力資本的中介作用。

二、文獻綜述與研究假設

（一）數字化投資與創(chuàng)新績效

數字化投資產生于數字經濟時代，是伴隨著云計算、物聯網、大數據、人工智能等新一代信息技術的發(fā)展而產生，是信息化的升級。因此，學術界關于數字化投資的研究相對較少?！?006—2020年國家信息化發(fā)展戰(zhàn)略》指出，信息化是充分利用信息技術，開發(fā)利用信息資源，促進信息交流和知識共享，提高經濟增長質量，推動經濟社會發(fā)展轉型的歷史進程。在企業(yè)層面，企業(yè)信息化是指將企業(yè)日常生產經營數據通過企業(yè)信息系統（如PDM、ERP、SCM、CRM）等進行存儲、管理和分析，以提高企業(yè)經營管理的效率和水平，進而提升企業(yè)的經濟效益和競爭力。

與信息化相比較，數字化是數字經濟時代的產物，是信息化發(fā)展的下一個階段，是在企業(yè)信息化基礎之上采用新一代信息技術對企業(yè)的進一步升級。數字化能通過新一代信息技術從根本上解決企業(yè)在信息化階段面臨的“信息煙囪”問題。戚聿東和蔡呈偉（2020）認為，數字技術包括信息技術、大數據、互聯網等，信息技術是數字技術的一部分。因此，從技術范疇看，傳統意義上的“信息化”是數字化的一部分[11]。所以，企業(yè)可以利用大數據和互聯網實施創(chuàng)新，而數字化投資就是企業(yè)把資金投資于數字技術，以提高企業(yè)的管理水平、經營效益和競爭力。

關于企業(yè)數字化，以往文獻多從技術賦能的視角出發(fā)。Fitzgerald等（2014）認為企業(yè)數字化是將移動互聯網、嵌入式設備等數字技術和設備應用到企業(yè)業(yè)務之中[12]。戚聿東和蔡呈偉（2019）認為數字化企業(yè)的本質是收集數據、分析數據，并將數據應用于企業(yè)決策以及生產和銷售[13]。也有學者認為企業(yè)數字化不僅是數字技術的應用，也是企業(yè)組織變革的過程[14]。而數字化投資是企業(yè)引進數字化軟件硬件，為實現數字化目標所進行的直接投資，具體包括企業(yè)數字化改造的投資以及實施數字化管理所需的投資，以及維持企業(yè)日常運作的軟硬件設備的投資等，企業(yè)相關人員的數字化培訓費用也屬于數字化投資?？傮w而言，數字化投資屬于企業(yè)數字化的一部分。

關于數字化投資與創(chuàng)新績效關系，在企業(yè)層面，Kleis等（2012）認為在給定的創(chuàng)新支出水平下，企業(yè)IT投入與創(chuàng)新產出有著密切的關聯[15]。Frishammar（2005）發(fā)現信息技術對企業(yè)創(chuàng)新績效存在著顯著正向影響[16]。Joensuu-Salo等（2018）認為數字技術能夠促進商業(yè)模式創(chuàng)新[17]。戚聿東和蔡呈偉（2019）認為數字化技術能整合企業(yè)活動，強化企業(yè)各部門和各環(huán)節(jié)的聯系，增加交流機會進而促進創(chuàng)新[13]。參考已有文獻關于信息化和數字化投資的劃分方式[18-19]，本文將數字化投資分為軟件和硬件兩部分，提出如下假設：

H1：數字化投資總額能正向促進企業(yè)創(chuàng)新績效。

H2：數字化軟件投資能正向促進企業(yè)創(chuàng)新績效。

H3：數字化硬件投資能正向促進企業(yè)創(chuàng)新績效。

（二）數字化投資與企業(yè)人力資本的關系

關于數字化投資與企業(yè)人力資本的關系，學界尚無一致的結論。人力資本是指附著在勞動者身上具有經濟價值的知識、技能和體力等的總和。有些學者認為數字化投資對企業(yè)人力資本具有正向促進作用，主要體現在增加人力資本存量以及提升人力資本質量兩個方面，例如，Bresnahan（2002）認為信息技術投資會增加企業(yè)對勞動力的需求[20]。汪淼軍等（2006）研究發(fā)現，企業(yè)信息化投資會間接導致企業(yè)對人力資本的需求增加[21]。劉躍和惠美寧（2012）對31個省份的截面數據進行實證分析，發(fā)現區(qū)域信息化發(fā)展水平和人力資本發(fā)展程度之間具有相互促進關系[22]。

數字技術的使用使得企業(yè)員工獲取知識更加便捷，進一步提升人力資本質量。李楠和李錄堂（2013）認為信息網絡技術能方便員工分享知識，實現隱性知識的流動和共享，進而提升人力資本質量[23]。張騫和李長英（2019）認為得益于網絡信息技術，人們可以隨時隨地進行學習和培訓，而不必受限于固定的時間和場地，這極大地提升了員工獲取知識的便捷性并降低了獲取知識的成本，進而提升企業(yè)人力資本質量[24]。

然而，也有學者持相反的觀點。比如許秀梅（2016）認為企業(yè)的技術水平與員工數量存在負向關系，技術替代普通員工的程度遠高于機器設備的替代程度[25]。當技術進步過快時，員工學習知識的成本增加，會加速人力資本的折舊率，產生侵蝕效應進而降低企業(yè)人力資本[24,26-27]。綜上理論分析和實證文獻，結合本文作者的實踐經驗與實地調研，本文提出如下假設：

H4：制造業(yè)企業(yè)數字化投資會提升企業(yè)人力資本水平。

（三）人力資本的中介作用

企業(yè)通過實施數字化投資，能夠提高企業(yè)人力資源的技能水平，進而提升企業(yè)的人力資本的存量和質量。例如，Tambe（2014）開展的實證研究發(fā)現，企業(yè)通過實施大數據項目，能夠提升企業(yè)人力資源總體技能，而人力資源技能水平的提高則有助于提升創(chuàng)新能力[28]。因此，人力資本在數字化投資與企業(yè)創(chuàng)新績效之間可能存在中間機制。

胡鳳玲等（2014）發(fā)現，人力資本異質性能通過知識創(chuàng)造這個中介變量對企業(yè)創(chuàng)新績效產生顯著影響[29]。Sun等（2020）通過對中國制造業(yè)企業(yè)的數據進行實證研究，發(fā)現技術型人力資本對企業(yè)創(chuàng)新績效有著顯著正向影響[30]。裴政和羅守貴（2020）發(fā)現人力資本規(guī)模對創(chuàng)新績效有正向影響，企業(yè)規(guī)模越大影響越顯著，并且相對于服務業(yè)制造業(yè)人力資本對企業(yè)績效的影響更顯著[8]。綜上，考慮到數字化投資會提升企業(yè)人力資本，而人力資本對企業(yè)創(chuàng)新績效也具有正向促進作用，本文認為人力資本可能在企業(yè)數字化投資與創(chuàng)新績效之間存在正向的中介作用，故提出如下假設：

H5：人力資本在數字化投資與企業(yè)創(chuàng)新產出之間起到正向的中介作用。

綜上所述，本文的研究模型如下圖1所示：

圖1 企業(yè)數字化投資、人力資本與創(chuàng)新績效之間的作用機制

三、研究設計

（一）數據來源與樣本選擇

本文選取制造業(yè)上市公司數據作為研究對象，樣本區(qū)間為2014年至2019年，選取標準為企業(yè)年報經營狀況欄及未來發(fā)展戰(zhàn)略欄中有披露數字化轉型、云計算、大數據、人工智能、物聯網等數字化投資信息的公司，并篩選剔除出現重大經營狀況的公司，剔除金融行業(yè)公司，剔除ST類企業(yè)以及未在年報中列示硬件投資或軟件投資的公司。

通過上述條件設置，本文收集到的企業(yè)主要涵蓋計算機、通信和電子設備制造業(yè)、通信設備、白電行業(yè)、航空航天、醫(yī)藥制造業(yè)和儀器儀表制造業(yè)，總共得到121家企業(yè)6年的面板數據。在數據構成中，數字化投資數據來自企業(yè)年報，由手工整理獲取。企業(yè)專利申請數來自國家專利統計局，其余數據均來自CSMAR數據庫。為避免極端值對結果的干擾，本文對所有變量在99%和1%分位處進行縮尾（Winsorize）處理。

（二）變量選取

1.被解釋變量

關于創(chuàng)新績效,本文采用專利申請量的對數（Lnpatent）衡量?？紤]到數據的可獲得性以及企業(yè)數字化投資對創(chuàng)新績效的滯后效應，參考Kleis等（2012）、黎文靖等（2016）的做法[15,31]，本文采取專利申請數量來衡量企業(yè)創(chuàng)新績效，即采用企業(yè)當年發(fā)明專利、實用新型專利和外形設計專利這三種專利申請數量之和來衡量企業(yè)創(chuàng)新績效。為避免異方差，并考慮到企業(yè)當年專利申請可能存在0的情況，對其加一后取自然對數，記為Lnpantentit，含義為第i個企業(yè)在第t年的專利申請總量。

2.解釋變量

核心解釋變量為企業(yè)數字化投資（Lndigital）?？紤]上市公司數據可得性，將數字化投資分為數字化軟件投資與數字化硬件投資這兩部分。其中，軟件投資來自企業(yè)年報無形資產中的軟件或信息系統投資，硬件投資來自企業(yè)年報固定資產中電子設備及計算機類投資。考慮到異方差，本文對其取自然對數。由于企業(yè)數字化投資對企業(yè)創(chuàng)新績效一般存在滯后效應，對其進行一階滯后處理再納入模型進行分析。

3.中介變量

本文擬考察人力資本（HC）在企業(yè)數字化投資與企業(yè)創(chuàng)新績效之間的中介作用，人力資本本身難以衡量，因此需要尋找其代理變量。人力資本代理變量的測算方法較多，考慮到數據的可獲得性，本文參考大多數學者如高素英等（2011）的方法，即以平均受教育年限法進行衡量[32]?？紤]到規(guī)模越大的企業(yè)員工一般越多，簡單以員工數量衡量人力資本可能存在誤差，故選取本科及以上人員占總員工數的比例作為代理變量進行衡量，記為HCit?？紤]到創(chuàng)新產出的滯后性，同樣進行一階滯后再納入模型進行分析。

4.控制變量

企業(yè)研發(fā)投入（LnRD）。諸多學者如楊林等（2018）論證了企業(yè)研發(fā)投入對企業(yè)創(chuàng)新具有正向促進作用[33]。故以創(chuàng)新績效作為因變量時，需要將研發(fā)投入作為控制變量納入模型?？紤]到研發(fā)投入對企業(yè)創(chuàng)新績效的滯后作用，本文選取滯后一期的研發(fā)投入總額并取自然對數。本文還將企業(yè)規(guī)模（Lnsize）、總資產增長率（Growth）、資產負債率（Debt）、凈資產收益率（ROE）等作為企業(yè)層面的控制變量，其中企業(yè)規(guī)模采用企業(yè)員工總數進行衡量?？紤]到創(chuàng)新產出的滯后性，對所有控制變量進行一階滯后再納入模型。另外考慮可能存在某些時變影響因素，后續(xù)將檢驗是否存在時間效應。

綜上所述，本文的變量類型、變量代碼、變量含義及數據來源如表1所示。

表1 主要變量解釋說明及來源

（三）模型設定

為避免雙向因果造成的內生性問題，并考慮到企業(yè)創(chuàng)新績效具有滯后性，本文對模型（1）、（2）、（4）中的所有解釋變量以及控制變量進行滯后一階處理。應用上述四個模型進行假設檢驗的處理過程如下：檢驗企業(yè)數字化軟硬件投資對企業(yè)創(chuàng)新績效的影響，對應模型（1）；檢驗數字化投資總額對企業(yè)創(chuàng)新是否具有顯著影響，對應模型（2）；檢驗企業(yè)人力資本能否在數字化投資與企業(yè)創(chuàng)新績效之間起到中介作用，對應模型（1）、（3）、（4）。

（四）描述統計分析

通過對表2進行分析可知，不同企業(yè)數字化投資總額、數字化軟件投資、數字化硬件投資以及研發(fā)投入的差別很大，本文認為這主要與企業(yè)規(guī)模有關。因此，模型有必要納入企業(yè)規(guī)模作為控制變量以保證結果的可靠性。關于企業(yè)績效，從表2中可知，凈資產收益率的均值為0.044，標準差為0.064，說明樣本企業(yè)的盈利能力相差不大。資產負債率以及總資產增長率的均值分別為0.44、0.19，標準差分別為0.18、0.44，說明樣本企業(yè)在負債水平以及企業(yè)成長能力這兩方面相差不大。

表2 主要變量的描述統計

四、實證分析

鑒于面板數據的回歸方法有多種，本文綜合使用OLS回歸、固定效應模型、隨機效應模型對模型1進行分析，以尋求最適合的回歸方法，后續(xù)分析在此回歸方法的基礎上進行，回歸分析結果如表3所示。

表3 企業(yè)數字化投資對創(chuàng)新績效的影響

從表3可知，由于F檢驗和LM檢驗的原假設H0均為混合回歸可以接受，即不存在個體異質性，但F檢驗在1%的顯著性水平上拒絕原假設，即存在個體效應，同時LM檢驗也在1%的顯著性水平上拒絕原假設，也說明了模型存在個體效應，因此采用OLS回歸是不合理的，模型存在個體效應μi。進一步進行Hausman檢驗判斷μi是否和某個解釋變量相關，如果μi與某個解釋變量相關，則模型為固定效應模型，反之則為隨機效應模型，此檢驗的原假設為μi與所有解釋變量均不相關，Hausman檢驗顯示在1%的顯著性水平上顯著拒絕原假設，即μi與模型中的解釋變量相關，同時檢驗了時間效應的聯合顯著性，該檢驗的原假設為不存在時間效應，分析結果顯示不能拒絕原假設（p＞0.1），因此本文采用固定效應模型進行研究，即以表3的第③列的結果作為分析的基礎。

（一）企業(yè)數字化投資與創(chuàng)新績效

首先，研究數字化軟硬件投資對企業(yè)創(chuàng)新績效的影響，表3中第③列所示為使用FE模型對模型1的回歸結果。結果表明，數字化軟件投資對制造業(yè)上市公司企業(yè)創(chuàng)新有顯著正面影響，β2為0.12（p＜0.05）。表明在控制其他變量時，當數字化軟件投資增加時，制造業(yè)上市公司的創(chuàng)新績效也會增加，即數字化軟件投資每增加1%，企業(yè)創(chuàng)新績效提高0.12%，說明制造業(yè)上市公司數字化軟件投資正向促進企業(yè)創(chuàng)新績效；而數字化硬件投資對企業(yè)創(chuàng)新績效沒有顯著影響（β1=0.17，p＞0.1）。造成兩者差異的原因可能是數字化軟件投資能在短時間內通過整合企業(yè)內外部資源、強化信息溝通以及提升整體運營效率來促進企業(yè)創(chuàng)新績效；而數字化硬件投資則投入更大且所需時間更長，短期內難以提升企業(yè)創(chuàng)新績效。關于控制變量，凈資產收益率在5%的顯著性水平上對企業(yè)創(chuàng)新產出有著正向影響（β4=2.99，p＜0.05），說明在企業(yè)在當年盈利越多，在下一年的創(chuàng)新產出越多；資產負債率也在5%的顯著性水平上對企業(yè)創(chuàng)新有著顯著影響（β5=-1.15，p＜0.05），但是符號為負，表明企業(yè)當年負債水平越高其下一年的創(chuàng)新產出越低。綜上，H2成立，H3不成立。

其次，研究數字化投資總額對企業(yè)創(chuàng)新績效的影響，即將數字化軟件投資與數字化硬件投資加總記為LnDigital放入模型中進行分析，把回歸結果與表3第四列（即FE③）一并列示，結果如表4所示。從表4可見，在5%的顯著性水平上數字化投資總額對企業(yè)創(chuàng)新績效有著顯著的正向影響。故H1成立，數字化投資總額對于企業(yè)創(chuàng)新績效產生顯著的正向促進作用。

表4 模型（1）與模型（2）的比較結果

（二）人力資本的中介作用

關于人力資本的中介作用，根據模型1的分析可知，企業(yè)數字化硬件投資對企業(yè)創(chuàng)新產出不具有顯著影響。故本文進一步研究企業(yè)人力資本是否在數字化軟件投資與企業(yè)創(chuàng)新產出之間存在中介作用。

關于中介效應檢驗的方法眾多，本文參考溫忠麟等（2004）的三步法[34]：第一步，檢驗企業(yè)數字化軟件投資能否顯著提升企業(yè)創(chuàng)新績效；第二步，檢驗企業(yè)數字化軟件投資能否顯著提升企業(yè)人力資本；第三步，檢驗企業(yè)數字化軟件投資和企業(yè)人力資本同時放入回歸方程時對企業(yè)創(chuàng)新績效的影響。表6同時匯報了使用Stata中sgmediation命令進行中介效應的檢驗結果。

首先利用“第3.3節(jié)模型設定”之模型（3）來檢驗中介變量與解釋變量的關系，即企業(yè)數字化投資能否對企業(yè)人力資本有顯著影響?；貧w結果如表5所示。

表5 模型（3）回歸結果

由表5可以看出，數字化軟件投資對人力資本的影響系數η2為0.011（p＜0.01），數字化硬件投資對人力資本的影響系數η1為0.018（p＜0.01），說明數字化軟件投資以及數字化硬件投資對企業(yè)人力資本的提升均有顯著正向影響，即企業(yè)數字化投資越高，企業(yè)人力資本水平越高。本文認為，這主要是由于數字化投資提高了員工獲取信息資源的能力及效率，同時降低了知識獲取成本，進而提升自身技能水平，促進人力資本提升。H4成立。

第三步，利用“第3.3節(jié)模型設定”之模型（4）進行回歸分析，把數字化軟件硬件投資和企業(yè)人力資本一同作為解釋變量，企業(yè)創(chuàng)新產出為被解釋變量，并加入控制變量。回歸結果如表6所示。

表6 模型（4）回歸結果

從表6可知，企業(yè)數字化軟件投資對企業(yè)創(chuàng)新產出的影響系數φ2為0.085（p＜0.1），φ2反映了控制中介變量后，數字化軟件投資對企業(yè)創(chuàng)新績效的直接效應，說明數字化軟件投資對企業(yè)創(chuàng)新產出仍然有顯著正向影響；φ1=0.122（p＞0.1），數字化硬件投資對企業(yè)創(chuàng)新產出的影響依然不顯著。人力資本對企業(yè)創(chuàng)新產出的影響φ3為3.063（p＜0.01），說明人力資本對企業(yè)創(chuàng)新產出有顯著正向影響，符合研究假設。

中介效應η2φ3為0.034，中介效應在總效應中占比（η2φ3）/β2為28.15%，與Sobel檢驗匯報結果吻合，且η2φ3與φ2同號，說明人力資本在數字化軟件投資與企業(yè)創(chuàng)新產出之間起著正向中介作用；φ2=0.085（p＜0.1）依然顯著，說明中介變量起到部分中介的作用，故H5部分成立。為避免多重共線性對結果的干擾，本文采用VIF（方差膨脹因子）對變量進行了多重共線性檢驗，結果發(fā)現max{VIF1，VIF2，……，VIFk}=2.63＜10，說明不存在多重共線性，回歸分析結果可靠。

為保證結果的穩(wěn)健性，本文采用Stata軟件中sgmediation命令進行中介效應檢驗來驗證結論。表6匯報了Sobel檢驗的結果，Sobel Z值均顯著為正，證明部分中介的結果成立，即數字化軟件投資能通過促進企業(yè)人力資本水平提升企業(yè)創(chuàng)新績效，H5部分成立。

（三）內生性檢驗

為了克服內生性，保證結論的可靠性，本文采取了如下做法。首先，考慮遺漏變量，本文采用了面板數據并結合固定效應模型進行實證分析。面板數據能提供更多個體動態(tài)行為信息，能在一定程度上減少遺漏變量帶來的誤差，而固定效應模型能消除不隨時間變化的因素導致的內生性問題。其次，逆向因果也可能造成內生性，鑒于數字化投資會提高企業(yè)創(chuàng)新績效，而創(chuàng)新績效的提高也會提升企業(yè)收益，導致企業(yè)有更多資金進行數字化投資，由此可能產生逆向因果關系；數字化投資對企業(yè)創(chuàng)新績效的影響可能存在滯后效應，因此本文將所有的解釋變量進行滯后一階處理，能在一定程度上克服雙向因果關系的影響。

以上兩種處理方式雖能在一定程度上克服內生性，但仍然可能存在內生問題。為保證結果的穩(wěn)健性，本文進一步采用工具變量進行處理，參照范合君和吳婷（2021）的做法，將解釋變量的一階滯后項作為工具變量[35]。內生解釋變量的一階滯后項與內生解釋變量有關而與擾動項無關，滿足外生要求。考慮到如果存在異方差，GMM會比2SLS更有效率，本文同時采用2SLS和GMM進行內生性檢驗。

表7匯報了采用工具變量法的檢驗結果，在第三列的一階段回歸中，數字化投資與其一階滯后項顯著正相關，表明不存在弱工具變量的問題，故工具變量的選取符合要求。GMM和2SLS回歸結果完全一致，數字化投資的回歸系數在5%的水平上仍顯著為正。綜上所述，表明在解決內生性問題后，結論依然穩(wěn)健。

表7 工具變量法檢驗結果

（四）異質性分析

有學者認為要素密集度會影響企業(yè)對技術創(chuàng)新的依賴程度，進而影響技術創(chuàng)新投入與產出[36]。因此數字化投資對不同類型制造業(yè)企業(yè)可能存在不同影響。依據要素稟賦理論，參考陽立高等（2018）的方法，按《中國統計年鑒》分類標準，本文按要素密集度把制造業(yè)企業(yè)進一步劃分為勞動密集型、資本密集型和技術密集型[37]，具體如表8所示。依次按上述分析步驟，進行分組回歸，表9-10和表11匯報了分組回歸結果。

表8 制造業(yè)分類標準

表9 中介效應檢驗（勞動密集型）

表11 中介效應檢驗（技術密集型）

由表9可知，在勞動密集型制造業(yè)企業(yè)中，數字化投資總額能顯著促進企業(yè)創(chuàng)新，數字化硬件投資對企業(yè)創(chuàng)新不具有顯著影響，數字化軟件投資能促進企業(yè)創(chuàng)新，這與前文分析結果一致。表9中，數字化軟件投資對人力資本的影響不顯著，即人力資本在數字化軟件投資對企業(yè)創(chuàng)新的影響中不存在中介作用。同時，sobel檢驗的結果為0.18，無法通過顯著性檢驗。本文認為：相對于資本密集型制造業(yè)技術密集型企制造業(yè)，勞動密集型制造業(yè)勞動力占員工總數的比重較大，員工的知識儲備及技術操作要求不高,開展的技術創(chuàng)新活動相對較少[36],員工開展深度技術創(chuàng)新的知識和能力相對較弱。

由表10可知，在對資本密集型制造業(yè)企業(yè)的回歸分析中，數字化投資總額、數字化硬件投資以及軟件投資均能顯著促進企業(yè)創(chuàng)新績效，且人力資本在此影響中呈部分中介效應，中介效應占比為19.3%，sobel檢驗結果為0.039，在5%的水平上顯著，印證了人力資本的中介效應。可能的解釋是，資本密集型制造業(yè)在生產過程中，對機械設備較高的使用度帶來了巨額的固定資產折舊費用，增加了單位產品成本。為保持競爭力，企業(yè)必須進行技術創(chuàng)新[36]。數字化設備能有效改進工藝流程，提升機器設備使用率，進而降低產品成本。

表10 中介效應檢驗（資本密集型）

由表11可知，對技術密集型制造業(yè)企業(yè)的回歸分析中，在解釋變量滯后一期的情況下，數字化軟件及硬件投資均對企業(yè)創(chuàng)新績效無顯著影響。根據信息化投資滯后效應假說（信息化投資至少存在三年的滯后效應），考慮到本文選取的技術密集型企業(yè)大多分布在航空航天工業(yè)、半導體制造等高技術制造業(yè)，企業(yè)創(chuàng)新周期較長，故本文進一步對解釋變量進行滯后處理。當解釋變量滯后三期時，數字化投資總額及數字化軟件投資對企業(yè)創(chuàng)新績效有顯著促進作用，且人力資本在兩者間存在中介作用，sobel檢驗結果為0.025，在5%的水平上顯著。實證結果表明，技術密集型制造企業(yè)數字化投資對創(chuàng)新績效具有顯著影響，但存在滯后效應。

五、研究結論、啟示與展望

（一）研究結論

本文利用2014—2019年滬深兩市進行數字化投資的121家制造業(yè)企業(yè)的面板數據進行了實證研究，檢驗了企業(yè)數字化投資與企業(yè)創(chuàng)新績效的直接效應，以及人力資本的中介效應，并針對不同類別的制造業(yè)企業(yè)進行了異質性分析。研究結果表明：

1.企業(yè)數字化投資總額對企業(yè)創(chuàng)新績效具有統計上顯著的正向促進作用，表明數字化投資能整合企業(yè)活動，提升信息流動效率并降低信息流通成本，加強企業(yè)各部門各環(huán)節(jié)的聯系，促進企業(yè)創(chuàng)新。

2.數字化軟件投資對企業(yè)創(chuàng)新績效具有顯著的正向促進作用，且人力資本在數字化軟件投資與企業(yè)創(chuàng)新績效之間起到正向的中介作用。

3.針對不同類別制造業(yè)企業(yè)的研究發(fā)現，在解釋變量滯后一期的情況下，數字化軟件投資對勞動密集型和資本密集型制造業(yè)企業(yè)的創(chuàng)新績效均有顯著促進作用，數字化硬件投資對資本密集型制造業(yè)企業(yè)的創(chuàng)新績效具有顯著促進作用，對勞動密集型制造業(yè)企業(yè)不具有顯著影響。

（二）啟示

根據研究結論，本文歸納了下述研究啟示，以使制造業(yè)企業(yè)更好地利用數字化資源，促進企業(yè)創(chuàng)新績效提升：

1.政府部門宜加快數字基礎設施建設，為制造業(yè)企業(yè)提供關鍵的數字基礎設施。

2.政府部門宜加大對制造業(yè)企業(yè)數字化支持力度，包括數字人才引進、員工數字化培訓、數字化改造等方面給予政策和資金上的支持。

3.對于勞動密集型、資本密集型和技術密集型制造業(yè)企業(yè)，數字化投資均能在一定程度上促進企業(yè)創(chuàng)新，管理者應根據企業(yè)所處行業(yè)的要素密集度來制定相應政策，以提高企業(yè)創(chuàng)新績效。

4.對于勞動密集型制造業(yè)企業(yè)而言，企業(yè)應采取措施提升員工人力資本水平，比如引進高技能員工，提高技能型員工比例，增加員工數字技術培訓投入。

5.對于技術密集型制造業(yè)企業(yè)，應結合自身實際進行總體規(guī)劃、分步驟分階段實施數字化投資，并采取措施提高創(chuàng)新效率，因地制宜實施數字化轉型。

（三）研究展望

鑒于企業(yè)數字化轉型屬于較新領域，本文基于人力資源視角，探究了數字化投資對企業(yè)創(chuàng)新績效的影響機制，但這兩者之間可能存在其他更復雜的機制，未來研究可以嘗試從不同視角進一步探討。其次，本文的樣本主要集中在計算機、通信和電子設備制造業(yè)、通信設備、白電行業(yè)、航空航天等行業(yè)，未來可以擴大樣本的行業(yè)范圍，以擴展研究領域和內容。