劉 明

[云南大學(xué)，昆明 650091]

一、引 言

早在1980年，托夫勒在其著作《第三次浪潮》中首次提出了“大數(shù)據(jù)”一詞，并預(yù)言大數(shù)據(jù)將成為“第三次浪潮的華彩樂章”。2011年，麥肯錫正式定義了“大數(shù)據(jù)”一詞，認為“大數(shù)據(jù)”就是對超大數(shù)據(jù)的采集、存儲與分析的新技術(shù)。當前大數(shù)據(jù)應(yīng)用已成為我國實體經(jīng)濟現(xiàn)代化發(fā)展的新起點，數(shù)據(jù)驅(qū)動型經(jīng)濟體系和模式正在加速形成，數(shù)據(jù)資源成為實體經(jīng)濟創(chuàng)新發(fā)展的新要素。

從實踐成果看，大數(shù)據(jù)促進了互聯(lián)網(wǎng)與產(chǎn)業(yè)創(chuàng)新的融合，推動了傳統(tǒng)產(chǎn)業(yè)的升級和新興產(chǎn)業(yè)的出現(xiàn)。首先，農(nóng)業(yè)大數(shù)據(jù)的出現(xiàn)使農(nóng)業(yè)從傳統(tǒng)的農(nóng)場實踐轉(zhuǎn)變?yōu)楦叨茸詣踊蛿?shù)據(jù)密集型的行業(yè)。(1)謝康，易法敏，古飛婷：《大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新》，《農(nóng)業(yè)經(jīng)濟問題》2022年第5期。尖端技術(shù)的應(yīng)用促進了農(nóng)產(chǎn)品產(chǎn)量增加，成本降低，環(huán)境影響減少，以數(shù)據(jù)為驅(qū)動的生產(chǎn)模式正在以可持續(xù)和節(jié)約資源的方式釋放潛力。其次，大數(shù)據(jù)加快了傳統(tǒng)工業(yè)向智能工業(yè)轉(zhuǎn)型的步伐。智能工業(yè)的核心技術(shù)之一就是對各種數(shù)據(jù)進行分析和處理，高頻實時的數(shù)據(jù)流動為工業(yè)生產(chǎn)操作可視化提供新的視野。(2)傅榮校：《工業(yè)互聯(lián)網(wǎng)發(fā)展的多維度觀察——基于概念簇、戰(zhàn)略、政策工具視角》，《人民論壇·學(xué)術(shù)前沿》2020年第13期。最后，各大電商平臺無一例外地都借助大數(shù)據(jù)實現(xiàn)自身的飛速發(fā)展。如抖音通過數(shù)據(jù)分析會精確計算用戶喜好，使其一躍成為與Facebook、YouTube比肩的全球用戶活躍度Top5的應(yīng)用。(3)吳義爽，朱學(xué)才，袁海霞：《平臺市場后發(fā)上位的“根據(jù)地”戰(zhàn)略研究：抖音案例》，《中國工業(yè)經(jīng)濟》2022年第10期。

除對宏觀經(jīng)濟社會發(fā)展產(chǎn)生深遠影響外，大數(shù)據(jù)技術(shù)還對企業(yè)運營模式、資源整合能力、創(chuàng)新動力等帶來根本性變革。(4)馮檬瑩，陳海波，郭曉雪：《大數(shù)據(jù)能力、供應(yīng)鏈協(xié)同創(chuàng)新與制造企業(yè)運營績效的關(guān)系研究》，《管理工程學(xué)報》2023年第3期。企業(yè)通過大數(shù)據(jù)來獲得關(guān)鍵的信息正成為企業(yè)的必要技能，搶占數(shù)據(jù)資源并從已有數(shù)據(jù)中獲取獨特的商業(yè)價值是超越競爭對手的決定性因素。(5)焦豪，楊季楓，王培暖等：《數(shù)據(jù)驅(qū)動的企業(yè)動態(tài)能力作用機制研究——基于數(shù)據(jù)全生命周期管理的數(shù)字化轉(zhuǎn)型過程分析》，《中國工業(yè)經(jīng)濟》2021年第11期。一方面，從企業(yè)內(nèi)部功能來看，大數(shù)據(jù)使企業(yè)能夠快速適應(yīng)新環(huán)境，能對公司和供應(yīng)鏈層面的業(yè)務(wù)流程創(chuàng)新產(chǎn)生巨大的運營和戰(zhàn)略影響，(6)孫新波，錢雨，張明超等：《大數(shù)據(jù)驅(qū)動企業(yè)供應(yīng)鏈敏捷性的實現(xiàn)機理研究》，《管理世界》2019年第9期。并且通過構(gòu)建大數(shù)據(jù)驅(qū)動系統(tǒng)以滲透現(xiàn)有行業(yè)從而產(chǎn)生顛覆式創(chuàng)新。另一方面，通過利用會員制和社交媒體中可用的數(shù)據(jù)，并跟蹤信息流實時分析大量數(shù)據(jù)，企業(yè)可以更好地了解客戶的偏好和需求，并使用它來利用行為分析，使新產(chǎn)品開發(fā)速度更快，成本更低。

正是由于意識到從宏觀到微觀層面的巨大影響力，世界各國都非常重視大數(shù)據(jù)政策的制訂與施行。(7)陳云偉，曹玲靜，陶誠等：《科技強國面向未來的科技戰(zhàn)略布局特點分析》，《世界科技研究與發(fā)展》2020年第1期。例如，美國國際開發(fā)署發(fā)布了《數(shù)字戰(zhàn)略(2020—2024)》，試圖在全球范圍構(gòu)建以自身為主導(dǎo)的數(shù)字生態(tài)系統(tǒng)；2021年日本政府設(shè)立“數(shù)字廳”，旨在從提升行政機構(gòu)數(shù)字化問題入手推動社會的數(shù)字化轉(zhuǎn)型。同樣，我國也制定了一系列大數(shù)據(jù)政策，推動大數(shù)據(jù)產(chǎn)業(yè)發(fā)展。2014年，大數(shù)據(jù)首次被寫入中國政府工作報告；2015年8月，中國國務(wù)院發(fā)布《促進大數(shù)據(jù)發(fā)展的行動綱要》，明確“數(shù)據(jù)已成為國家基礎(chǔ)性戰(zhàn)略資源”，并于9月在貴州省設(shè)立首個大數(shù)據(jù)綜合實驗區(qū)(以下簡稱“大數(shù)據(jù)綜試區(qū)”)。陳加友(2017)認為，貴州省運用大數(shù)據(jù)推進了產(chǎn)業(yè)轉(zhuǎn)型升級，推動了工業(yè)轉(zhuǎn)型發(fā)展，蘋果、高通、華為、阿里巴巴等互聯(lián)網(wǎng)巨頭企業(yè)相繼落戶貴州，充分印證貴州省的先行先試取得相當?shù)慕ㄔO(shè)成果。(8)陳加友：《國家大數(shù)據(jù)(貴州)綜合試驗區(qū)發(fā)展研究》，《貴州社會科學(xué)》2017年第12期。截至2023年8月，我國已建立8個大數(shù)據(jù)綜試區(qū)，相關(guān)的研究也陸續(xù)展開。

已有文獻已從多個方面討論了建設(shè)大數(shù)據(jù)綜試區(qū)的影響，但仍然存在研究不足與空白。一些文獻使用PSM-DID評估大數(shù)據(jù)綜試區(qū)的政策效應(yīng)，通過主觀選擇參考組中的協(xié)變量來匹配實驗組，可能得出片面的實驗結(jié)果。除此之外，現(xiàn)有文獻主要評估了大數(shù)據(jù)綜試區(qū)對城市經(jīng)濟增長或者綠色轉(zhuǎn)型的影響，較少有研究關(guān)注對企業(yè)創(chuàng)新的影響?；谝陨喜蛔?，本文利用2007年至2021年我國1199個上市公司的面板數(shù)據(jù)，采用多期雙重差分法研究了大數(shù)據(jù)綜試區(qū)對企業(yè)創(chuàng)新的影響，并探討其中可能存在的調(diào)節(jié)作用機制，以期為大數(shù)據(jù)綜試區(qū)等相關(guān)政策的效果最大化提供參考借鑒，夯實我國以數(shù)字化驅(qū)動創(chuàng)新的發(fā)展道路。

二、理論與假設(shè)

(一)大數(shù)據(jù)綜試區(qū)對企業(yè)創(chuàng)新的直接影響

企業(yè)創(chuàng)新水平的提升主要取決于兩個方面，一是技術(shù)能力，(9)彭燦，楊玲：《技術(shù)能力、創(chuàng)新戰(zhàn)略與創(chuàng)新績效的關(guān)系研究》，《科研管理》2009年第2期。另一方面是資金投入。(10)王亞男，戴文濤：《內(nèi)部控制抑制還是促進企業(yè)創(chuàng)新？——中國的邏輯》，《審計與經(jīng)濟研究》2019年第6期。大數(shù)據(jù)綜試區(qū)的建設(shè)則為這兩個方面提供了有利條件。從技術(shù)能力的角度來看，數(shù)據(jù)資源現(xiàn)如今被視為企業(yè)發(fā)展所需的新石油，(11)Sivarajah U，Kamal M M，Irani Z，et al，“Critical Analysis of Big Data Challenges and Analytical Methods”，Journal of Business Research，2017，Vol.70.以大數(shù)據(jù)、云計算、區(qū)塊鏈和人工智能為代表的新技術(shù)基礎(chǔ)設(shè)施與以數(shù)據(jù)中心和智能計算中心為代表的計算基礎(chǔ)設(shè)施的不斷完善，能夠助力企業(yè)加強對數(shù)據(jù)資源的利用，(12)孫新波，蘇鐘海，錢雨等：《數(shù)據(jù)賦能研究現(xiàn)狀及未來展望》，《研究與發(fā)展管理》2020年第2期。以創(chuàng)新生產(chǎn)、銷售、運營或管理環(huán)節(jié)，并重新組裝物理組件以利用數(shù)字技術(shù)開發(fā)新價值或開拓新市場。

從資金投入的角度來看，大數(shù)據(jù)綜試區(qū)將為試驗區(qū)內(nèi)的企業(yè)提供財政資金支持，例如無償資助支持大數(shù)據(jù)的應(yīng)用創(chuàng)新項目、設(shè)立大數(shù)據(jù)產(chǎn)業(yè)基金、建立大數(shù)據(jù)中小企業(yè)融資風(fēng)險補償機制和政府直接購買相關(guān)公益性、公共性服務(wù)等。政府給企業(yè)的資金支持能夠緩解企業(yè)的財務(wù)約束，使企業(yè)有相對寬裕的資金開展創(chuàng)新研發(fā)活動。(13)羅雪婷：《政府補助對高技術(shù)企業(yè)技術(shù)創(chuàng)新效率的影響研究——基于東中西區(qū)域的門檻分析》，《調(diào)研世界》2020年第10期。同時，獲得財政資金支持的企業(yè)更容易得到同行認可以及社會信任，使企業(yè)獲取更多發(fā)展所需資源，可以幫助企業(yè)加速或擴大其研發(fā)活動?；诖耍疚奶岢龅谝粋€假設(shè)：

H1：大數(shù)據(jù)綜試區(qū)的設(shè)立能夠直接促進企業(yè)的創(chuàng)新水平提升。

(二)大數(shù)據(jù)綜試區(qū)對企業(yè)創(chuàng)新影響的調(diào)節(jié)因素

首先，為適應(yīng)大數(shù)據(jù)時代的發(fā)展要求，企業(yè)必須具備相匹配的數(shù)字化基礎(chǔ)與環(huán)境，因此企業(yè)自身數(shù)字化轉(zhuǎn)型意愿勢必會影響大數(shù)據(jù)綜試區(qū)政策對企業(yè)創(chuàng)新的促進程度。數(shù)字化轉(zhuǎn)型意愿高的企業(yè)會更加積極地完善數(shù)字化設(shè)備、提升數(shù)字技術(shù)應(yīng)用能力，借助支持政策完善數(shù)字化環(huán)境，進行適應(yīng)性改革和創(chuàng)新。同時，進行數(shù)字化轉(zhuǎn)型的企業(yè)通過技術(shù)創(chuàng)新可以構(gòu)建一個數(shù)字開放平臺，以平臺為支撐參與跨邊界多元主體生態(tài)共建、價值共創(chuàng)和雙贏合作，而平臺生態(tài)的兼容互補性和開放共生性反過來又可使企業(yè)能夠抵御技術(shù)進步和市場變化帶來的風(fēng)險，從而具有更快的響應(yīng)速度和更強的創(chuàng)新能力。因此本文提出假設(shè)：

H2a：企業(yè)數(shù)字化轉(zhuǎn)型意愿正向調(diào)節(jié)大數(shù)據(jù)綜試區(qū)與企業(yè)創(chuàng)新之間的關(guān)系。

其次，人力資本是企業(yè)打造競爭優(yōu)勢使最獨特與最具價值的資源，尤其是高技能人才已經(jīng)成為企業(yè)創(chuàng)新的首要資源。(14)張杰，劉志彪，鄭江淮：《中國制造業(yè)企業(yè)創(chuàng)新活動的關(guān)鍵影響因素研究——基于江蘇省制造業(yè)企業(yè)問卷的分析》，《管理世界》2007年第6期。Cohen和Levinthal(1990)認為，吸收新知識可使組織變得更具創(chuàng)新性和靈活性，并強調(diào)由個體積累的知識和經(jīng)驗決定的員工個人吸收能力是企業(yè)吸收能力的基礎(chǔ)。(15)Cohen W M，Levinthal D A，“Absorptive Capacity：A New Perspective on Learning and Innovation”，Administrative Science Quarterly，1990，Vol.35，No.1.此外，創(chuàng)新產(chǎn)出水平與人才分布存在高度的正向空間相關(guān)性這一觀點已被得到證實，(16)郭金花，郭淑芬：《創(chuàng)新人才集聚、空間外溢效應(yīng)與全要素生產(chǎn)率增長——兼論有效市場與有為政府的門檻效應(yīng)》，《軟科學(xué)》2020年第9期。高技能人才在空間上的集聚能夠促進知識的傳播、交流與共享，通過知識溢出改變原有的經(jīng)濟增長方式并促進企業(yè)創(chuàng)新活動的開展。因此本文提出假設(shè)：

H2b：企業(yè)高技能人才集聚水平正向調(diào)節(jié)大數(shù)據(jù)綜試區(qū)與企業(yè)創(chuàng)新之間的關(guān)系。

最后，企業(yè)所能享受到的直接紅利就是各種政策支持。政策支持可以分資金型支持與非資金型支持，資金型支持是直接降低企業(yè)研發(fā)成本的常用政策工具，主要包含稅收優(yōu)惠、直接財政補貼、放寬銀行貸款等，(17)Almus M，Czarnitzki D，“The Effects of Public R&D Subsidies on Firms' Innovation Activities：The Case of Eastern Germany”，Journal of Business &Economic Statistics，2003，Vol.21，No.2.可以為受資助企業(yè)提供資源和知識尋求方面的支持；(18)陳玲，楊文輝：《政府研發(fā)補貼會促進企業(yè)創(chuàng)新嗎？——來自中國上市公司的實證研究》，《科學(xué)學(xué)研究》2016年第3期。非資金型支持主要包括企業(yè)人才引進、創(chuàng)新技術(shù)支持、幫助企業(yè)獲取各種許可證、公共服務(wù)供給等，可以為企業(yè)創(chuàng)建良好的創(chuàng)新環(huán)境，(19)于明超，申俊喜：《區(qū)域異質(zhì)性與創(chuàng)新效率——基于隨機前沿模型的分析》，《中國軟科學(xué)》2010年第11期。整合企業(yè)創(chuàng)新所需科技資源。因此本文提出假設(shè)：

H2c：政策支持力度正向調(diào)節(jié)大數(shù)據(jù)綜試區(qū)與企業(yè)創(chuàng)新之間的關(guān)系。

三、研究設(shè)計

(一)模型構(gòu)建

1.基準模型。

根據(jù)上述分析，可將模型構(gòu)建為：

EIit=α+βTreati×Policyit+γXit+YearFE+FirmFE+εit

(1)

其中，EIit代表第i個企業(yè)在第t年的創(chuàng)新水平，虛擬變量Treati是對樣本企業(yè)的分組，Treati=1代表位于國家大數(shù)據(jù)綜試區(qū)的上市企業(yè)，即實驗組；Treati=0代表位于國家大數(shù)據(jù)綜試區(qū)之外的其他地區(qū)上市公司，即控制組，Policyit表示國家大數(shù)據(jù)綜試區(qū)政策的影響時間，政策提出當年以及之后年份取值為1，之前年份取值為0。Treati×Policyit是企業(yè)分組與時間分組的交互項。Xit代表控制變量，εit為隨機誤差項。此外，模型同時對個體固定效應(yīng)和年份固定效應(yīng)進行了控制，以消除不可預(yù)測的異質(zhì)性干擾。

2.平行趨勢檢驗。

雙重差分(DID)模型的一個基本前提是平行趨勢，其必須滿足實驗組和對照組兩者之間在政策實施之前沒有顯著差異，基于此，雙重差分模型的估計結(jié)果才可以被認為是無偏的。因此本文基于以下模型進行平行趨勢檢驗：

EIit=α1+∑δk[Treati×(t=k)]+γ1Xit+YearFE+FirmFE+εit

(2)

其中t=k代表大數(shù)據(jù)綜試區(qū)實施之后(或之前)的第k年，為避免多重共線性問題，本文以政策實施前一年作為基期進行平行趨勢檢驗。

3.機制檢驗。

為了進一步探究大數(shù)據(jù)綜試區(qū)設(shè)立對于企業(yè)創(chuàng)新的影響機制，在模型(1)的基礎(chǔ)上，本文通過企業(yè)數(shù)字化轉(zhuǎn)型意愿、高技能人才集聚、政策支持力度三個調(diào)節(jié)變量，構(gòu)建如下模型。

EIi=α1+β2Treati×Policyit+μTreati×Policyit×Medi+γ2Xit+YearFE+FirmFE+εit

(3)

Medi表示調(diào)節(jié)變量，μ表示政策變量與調(diào)節(jié)變量交乘項的回歸系數(shù)，若μ顯著，則表明在大數(shù)據(jù)綜試區(qū)設(shè)立推動企業(yè)創(chuàng)新過程中存在調(diào)節(jié)效應(yīng)。

(二)數(shù)據(jù)來源

本文選取了2007年至2021年為時間窗口，以中國上市公司作為研究對象，數(shù)據(jù)主要來自于CSMAR數(shù)據(jù)庫、中國國家知識產(chǎn)權(quán)局(CSIPO)以及上市公司的年度財務(wù)報表。并且按如下方式處理數(shù)據(jù)：(1)排除了被標記為特殊待遇(ST&*ST)的公司以及被暫?；蛲耸械墓緲颖?；(2)排除所有屬于金融、保險行業(yè)的公司；(3)排除所有缺少重要變量值的公司；(4)對連續(xù)型進行上下1%縮尾處理，去除極端值的影響，最后保留1199家公司作為樣本進行分析。

(三)變量選取

1.被解釋變量：企業(yè)創(chuàng)新(EI)。

現(xiàn)有研究主要根據(jù)創(chuàng)新投入與創(chuàng)新產(chǎn)出對企業(yè)創(chuàng)新水平衡量。根據(jù)陳華東(2016)、張棟(2021)(20)陳華東：《管理者任期、股權(quán)激勵與企業(yè)創(chuàng)新研究》，《中國軟科學(xué)》2016年第8期；張棟，胡文龍，毛新述：《研發(fā)背景高管權(quán)力與公司創(chuàng)新》，《中國工業(yè)經(jīng)濟》2021年第4期。等學(xué)者的研究，選取企業(yè)年度研發(fā)投入占銷售收入的比重來表示企業(yè)的創(chuàng)新投入水平(RD)，企業(yè)申請專利數(shù)可以作為企業(yè)創(chuàng)新產(chǎn)出水平的直接體現(xiàn)，因此本文選取企業(yè)申請專利數(shù)作為創(chuàng)新產(chǎn)出(PA)的代理變量。

2.核心解釋變量：政策變量(Treati×Policyit)。

政策變量為組合虛擬變量，其系數(shù)用以衡量大數(shù)據(jù)綜試區(qū)政策對企業(yè)創(chuàng)新的影響程度。根據(jù)國務(wù)院公布的國家級大數(shù)據(jù)綜試區(qū)試點名單，本文將位于貴州省的企業(yè)的政策沖擊時間設(shè)為2015年，位于其他試點地區(qū)的企業(yè)的政策沖擊時間為2016年，處于試點地區(qū)并且在政策沖擊當年或之后年份取值為1，否則賦值為0。

3.控制變量(Controls)。

為了更準確評估大數(shù)據(jù)綜試區(qū)對企業(yè)創(chuàng)新的影響效應(yīng)，本文控制了其他可能會對企業(yè)創(chuàng)新產(chǎn)生影響的因素。其中存續(xù)年齡(Age)用企業(yè)成立年份取對數(shù)表示；審計意見(Audit)為類別變量，如果出具標準無保留意見則取值為1，其余為0；資本結(jié)構(gòu)(CS)用總負債與總資產(chǎn)之比來表示；無形資產(chǎn)(Intang)用企業(yè)無形資產(chǎn)所占份額表示；賬面市值比(BM)用股東權(quán)益與公司市值的比值來衡量，市場價值(TuobingQ)用企業(yè)市場價值與資產(chǎn)重置成本的比值表示(如表1所示)。

表1 變量列表

四、實證研究

(一)描述性統(tǒng)計

為了更好地描述各變量特征，各變量的描述性統(tǒng)計結(jié)果如表2所示，對各主要變量的平均值、方差、最小值和最大值進行了統(tǒng)計。從中可以看出，創(chuàng)新投入的最大值為17.67，最小值為0，創(chuàng)新產(chǎn)出的最大值為7.4，最小值為0，說明在本文所選擇的樣本中企業(yè)創(chuàng)新水平存在較大差異。

表2 描述性統(tǒng)計

(二)基準回歸

為了驗證大數(shù)據(jù)綜試區(qū)設(shè)立是否存在政策效應(yīng)，按照模型(1)進行回歸，回歸結(jié)果如表3所示。從表3可以看出，無論是否加入控制變量以及是否對年份、企業(yè)進行固定，大數(shù)據(jù)綜試區(qū)設(shè)立對企業(yè)創(chuàng)新均產(chǎn)生顯著正向影響。進一步地從創(chuàng)新投入和創(chuàng)新產(chǎn)出兩個維度來看：對企業(yè)創(chuàng)新投入而言，政策沖擊虛擬變量的回歸系數(shù)為0.183，在1%的置信水平上顯著，表明大數(shù)據(jù)綜試區(qū)的設(shè)立能夠推動企業(yè)加大創(chuàng)新投入，提升企業(yè)對研發(fā)創(chuàng)新的重視程度；從企業(yè)創(chuàng)新產(chǎn)出來看，政策沖擊虛擬變量的回歸系數(shù)為0.02，在5%的置信水平上顯著，表明大數(shù)據(jù)綜試區(qū)的設(shè)立同樣能夠提升企業(yè)的創(chuàng)新產(chǎn)出水平。

表3 基準回歸

(三)平行趨勢檢驗

采用雙重差分(DID)模型的一個重要先決條件是滿足平行趨勢，即在政策實施前實驗組和對照組之間不存在顯著差異，因此本文采用兩種方式進行平行趨勢檢驗。

1.時間趨勢法。

第一種方法是通過直接觀察實驗組與對照組因變量的時間變化趨勢，據(jù)此判斷兩組是否符合平行趨勢，結(jié)果可見圖1。由圖1可知，不管是創(chuàng)新投入還是創(chuàng)新產(chǎn)出，在政策實施之前兩者都沒有表現(xiàn)出顯著差異，由此初步認為本文所選取的樣本是滿足平行趨勢要求的。

2.事件研究法。

直接觀察因變量的變化趨勢是一種比較粗略的檢驗方法，因此本文進一步采用事件研究法進行平行趨勢檢驗。根據(jù)模型(2)，生成政策實施前后各4年的虛擬變量與處理組虛擬變量的交互項，將這些變量作為解釋變量進行回歸，交互項系數(shù)反映的就是特定年份處理組與控制組之間的差異，結(jié)果如圖2所示，圖2(a)顯示了創(chuàng)新投入的平行趨勢檢驗結(jié)果，圖2(b)顯示了創(chuàng)新產(chǎn)出的平行趨勢檢驗結(jié)果。由圖2可以觀察到在政策實施之前，交互項(pre)系數(shù)均不顯著，而在政策實施之后的交互項(post)系數(shù)開始變得顯著，說明模型滿足平行趨勢并且存在一定的時滯效應(yīng)。

(四)安慰劑檢驗

為進一步排除其他不可觀測的潛在因素影響大數(shù)據(jù)綜試區(qū)建設(shè)對企業(yè)創(chuàng)新的估計結(jié)果，本文進行安慰劑檢驗，具體思路如下：隨機抽取與大數(shù)據(jù)綜試區(qū)相同數(shù)量的城市構(gòu)建虛擬試點政策變量，這些被抽取的城市構(gòu)成“偽處理組”，再為每一個“偽處理組”隨機抽取一個年份作為政策時點，最后將兩個變量進行交乘，生成“偽政策虛擬變量”交互項進行回歸，觀察偽政策虛擬變量的估計系數(shù)，并將該過程重復(fù)500次，得到偽政策虛擬變量的估計系數(shù)核密度分布圖(見圖3)，圖3(a)顯示了創(chuàng)新投入隨機抽樣的回歸結(jié)果，圖3(b)顯示了創(chuàng)新產(chǎn)出隨機抽樣的回歸結(jié)果。由圖3可以看出，不論是創(chuàng)新投入或是創(chuàng)新產(chǎn)出，隨機抽樣回歸的系數(shù)集中分布于零值附近，與真實回歸系數(shù)相差較大，且P值大部分位于0.1的水平線之上，證明隨機抽取的偽政策變量對于企業(yè)的創(chuàng)新水平并不能產(chǎn)生顯著影響。這表明政策效應(yīng)并沒有受到其他隨機因素的影響，本文的研究結(jié)論具有穩(wěn)健性。

(五)預(yù)期效應(yīng)檢驗

多期雙重差分模型的運用需要保證在該項政策實施之前尚未對研究對象形成有效預(yù)期，即需要保證大數(shù)據(jù)綜試區(qū)政策的外生性。因此在回歸方程中加入大數(shù)據(jù)試驗區(qū)設(shè)立之前一年的虛擬項didf1，回歸結(jié)果見表4所示，didf1并不顯著，可以認為不存在預(yù)期效應(yīng)。

圖1 時間趨勢法

(a) (b)

(a) (b)

表4 預(yù)期效應(yīng)檢驗

(六)其他穩(wěn)健性檢驗

1.更換被解釋變量。

為了避免由變量定性選擇導(dǎo)致估計結(jié)果存在偏誤，本文重新刻畫企業(yè)創(chuàng)新的衡量方式，現(xiàn)采用企業(yè)創(chuàng)新投入總額(rd)與企業(yè)發(fā)明專利申請數(shù)(Ipatent)作為替換變量，回歸結(jié)果見表5。由表5第(1)(2)列可知，將被解釋變量替換之后政策變量的回歸系數(shù)依舊顯著為正，表明前文的結(jié)果相對穩(wěn)健。

2.單期DID。

大數(shù)據(jù)綜試區(qū)的設(shè)立時間分別為2015年與2016年，但在2015年設(shè)立的僅有貴州省，其他試驗區(qū)均為2016年設(shè)立，因此借鑒邱子迅和周亞虹(2021)的做法，(21)邱子迅，周亞虹：《數(shù)字經(jīng)濟發(fā)展與地區(qū)全要素生產(chǎn)率——基于國家級大數(shù)據(jù)綜合試驗區(qū)的分析》，《財經(jīng)研究》2021年第7期。將2016年統(tǒng)一設(shè)定為政策起始時間，重新估計后結(jié)果如下。由表5(3)(4)列可知，將模型設(shè)置為單期DID之后回歸結(jié)果與基準回歸相近。

3.排除其他政策的影響。

在研究時間區(qū)間內(nèi)，企業(yè)創(chuàng)新可能還會受到其他政策的影響，而導(dǎo)致基準回歸結(jié)果產(chǎn)生系統(tǒng)性偏差。通過對政府在2015年前后的政策進行梳理，本文選擇“寬帶中國”政策(didkd)以及智慧城市試點(didzh)來做進一步分析，將這兩個政策的虛擬變量帶入模型，以評估大數(shù)據(jù)綜試區(qū)設(shè)立對企業(yè)創(chuàng)新的“凈效應(yīng)”，回歸結(jié)果見表5(5)(6)列。在將“寬帶中國”政策和智慧城市試點的虛擬變量納入模型之后，大數(shù)據(jù)綜試區(qū)設(shè)立對企業(yè)創(chuàng)新的影響仍然顯著為正，但系數(shù)有所減小，說明大數(shù)據(jù)綜試區(qū)的政策效應(yīng)有可能被高估，但其對企業(yè)創(chuàng)新的推動作用仍然顯著存在。

表5 穩(wěn)健性檢驗

(七)異質(zhì)性分析

在基準回歸中，本文驗證了全樣本下大數(shù)據(jù)綜試區(qū)對于企業(yè)創(chuàng)新的推動作用，但基于總體樣本的分析可能會掩蓋某些差異。因此，本文對此展開進一步分析。

1.公司治理能力異質(zhì)性。

本文以高管是否具有金融背景、是否具有海外背景、是否存在“兩職合一”作為區(qū)分指標，以此檢驗公司治理能力的差異性是否會導(dǎo)致不同的政策實施效果，回歸結(jié)果見表6。從表6可以看出，當高管具有金融背景與海外背景時，大數(shù)據(jù)綜試區(qū)對于企業(yè)創(chuàng)新的推動作用顯著。根據(jù)烙印理論，金融專業(yè)背景有助于高管更好地識別與管控風(fēng)險，(22)李卓松：《企業(yè)風(fēng)險承擔(dān)、高管金融背景與債券融資成本》，《金融評論》2018年第10期。使其更加了解銀行等金融機構(gòu)的信息需求，為企業(yè)帶來更豐富的金融資源以支持研發(fā)活動開展。海歸高管則會表現(xiàn)出更多個體主義傾向和較高風(fēng)險或不確定性容忍，(23)淦未宇，劉曼：《海歸高管與企業(yè)創(chuàng)新：基于文化趨同的視角》，《上海財經(jīng)大學(xué)學(xué)報》2022年第1期。因此海歸高管更敢于將風(fēng)險性創(chuàng)新活動納入企業(yè)決策范圍，驅(qū)動創(chuàng)新決策，企業(yè)更可能進行高風(fēng)險的創(chuàng)新活動。大數(shù)據(jù)綜試區(qū)的設(shè)立對“兩職分離”的企業(yè)具有顯著的創(chuàng)新推動作用，而“兩職合一”不利于企業(yè)創(chuàng)新。主要原因可能是“兩職合一”作為一種相對集權(quán)的領(lǐng)導(dǎo)權(quán)結(jié)構(gòu)，會弱化董事會對高管決策的監(jiān)督功能，在研發(fā)投資項目的風(fēng)險選擇、總量決策和結(jié)構(gòu)配置過程中，CEO可能不愿意將資源投向高風(fēng)險領(lǐng)域，從而導(dǎo)致為了自身利益最大化而導(dǎo)致的非效率研發(fā)投資。

表6 公司治理能力異質(zhì)性

2.行業(yè)異質(zhì)性。

參照彭薇和熊科(2018)的做法，(24)彭薇，熊科：《全球價值鏈嵌入下“一帶一路”沿線國家產(chǎn)業(yè)轉(zhuǎn)移研究——基于世界投入產(chǎn)出模型的測度》，《國際商務(wù)(對外經(jīng)濟貿(mào)易大學(xué)學(xué)報)》2018年第3期。根據(jù)勞動力、資本和技術(shù)三種生產(chǎn)要素在各產(chǎn)業(yè)中的相對密集度，將其分為資源密集型、勞動密集型、知識密集型以及資本密集型產(chǎn)業(yè)。本文依據(jù)上述產(chǎn)業(yè)劃分將所有企業(yè)分為四類進行異質(zhì)性檢驗，回歸結(jié)果見表7。由表7可知，大數(shù)據(jù)綜試區(qū)設(shè)立對知識密集型產(chǎn)業(yè)產(chǎn)生顯著的正向影響，對其他類型的產(chǎn)業(yè)并沒有產(chǎn)生顯著影響。知識密集型產(chǎn)業(yè)更多依賴智力成果，技術(shù)知識所占比重高，一般需要大量持續(xù)的資金投入，如果該產(chǎn)業(yè)能夠充分、便捷的享受稅收優(yōu)惠等政策支持，可有效減輕在研發(fā)創(chuàng)新活動中的成本壓力與風(fēng)險，從而激發(fā)創(chuàng)新活力，產(chǎn)出更多創(chuàng)新成果。

表7 行業(yè)異質(zhì)性

3.地區(qū)異質(zhì)性。

按照《關(guān)于明確東中西部地區(qū)劃分的意見》文件規(guī)定，本文將總體樣本劃分為東、中、西部地區(qū)三個子樣本分別進行回歸，以檢驗是否存在地區(qū)異質(zhì)性。由表8結(jié)果可知，大數(shù)據(jù)綜試區(qū)設(shè)立對東部地區(qū)的企業(yè)創(chuàng)新水平產(chǎn)生顯著影響，對中西部地區(qū)企業(yè)創(chuàng)新的推動作用并不顯著。從各個子樣本的樣本數(shù)可以看出，東部地區(qū)的樣本數(shù)為11490，占比為63.89%，東部地區(qū)是創(chuàng)新資源的主要集中地。上市公司更多地集聚在東部地區(qū)歸因于東部地區(qū)的區(qū)位優(yōu)勢與經(jīng)濟基礎(chǔ)，為上市企業(yè)的發(fā)展提供了良好的發(fā)展機會與平臺。在該區(qū)域，產(chǎn)業(yè)鏈上的企業(yè)以及平行企業(yè)之間可以進行更頻繁便捷的交流關(guān)聯(lián)，上下游企業(yè)基于長期合作建立的信任，可以推動企業(yè)之間進行共同研發(fā)，合作創(chuàng)新。

表8 地區(qū)異質(zhì)性

(八)機制檢驗

為檢驗前文推測，依照模型(3)，分別將企業(yè)數(shù)字化轉(zhuǎn)型意愿(Digitization)、企業(yè)高技能人才集聚水平(R&D personnel)、政策支持力度(Subsidy)與政策虛擬變量進行交乘，以探究是否存在調(diào)節(jié)機制。企業(yè)數(shù)字化轉(zhuǎn)型意愿的測度是通過Python爬取企業(yè)年報中大數(shù)據(jù)技術(shù)、人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計算技術(shù)以及細分指標的關(guān)鍵詞詞頻，此類關(guān)鍵詞頻數(shù)越高也就代表企業(yè)數(shù)字化轉(zhuǎn)型意愿越高；企業(yè)高技能人才集聚水平用企業(yè)研發(fā)人員占總?cè)藬?shù)的比值來表示；為了對政策持力度進行量化，選取企業(yè)財務(wù)報表中所披露的當期政府補助金額取對數(shù)來表示。調(diào)節(jié)效應(yīng)回歸結(jié)果見表9。

表9(1)(2)列表示企業(yè)數(shù)字化轉(zhuǎn)型意愿的調(diào)節(jié)作用檢驗結(jié)果，可以看出交乘項的系數(shù)均在1%的置信水平上顯著為正，假設(shè)H2a得到驗證。這表明企業(yè)自身數(shù)字化轉(zhuǎn)型意愿越強，大數(shù)據(jù)綜試區(qū)的設(shè)立對此類企業(yè)的創(chuàng)新推動作用更顯著。表9(3)(4)列表示企業(yè)高技能人才集聚水平的調(diào)節(jié)作用檢驗結(jié)果，交乘項的系數(shù)均顯著為正，假設(shè)H2b得到驗證。這表明當企業(yè)所擁有的研發(fā)人員越多時，企業(yè)的主觀能動性越強，為企業(yè)更好地抓住政策紅利提供了契機，能夠促進更多智力創(chuàng)新成果產(chǎn)出。表9(5)(6)列表示政策支持力度的調(diào)節(jié)作用檢驗結(jié)果，交乘項的系數(shù)均顯著為正，假設(shè)H2c得到驗證，表明政策支持能夠調(diào)節(jié)大數(shù)據(jù)綜試區(qū)設(shè)立對企業(yè)創(chuàng)新的推動作用，企業(yè)所獲得的政策支持力度越大，就有越充足的資金投向研發(fā)創(chuàng)新活動，從而促進企業(yè)的創(chuàng)新成果產(chǎn)出。

表9 調(diào)節(jié)效應(yīng)檢驗

結(jié) 論

本文利用2007年至2021年中國1199個上市公司的面板數(shù)據(jù)，采用多期雙重差分法(DID)研究了大數(shù)據(jù)綜試區(qū)建設(shè)對企業(yè)創(chuàng)新的影響，研究發(fā)現(xiàn)：首先，位于試驗區(qū)的企業(yè)比非試驗區(qū)的企業(yè)創(chuàng)新投入水平提高18.3%，創(chuàng)新產(chǎn)出水平提高2%，并且兩種促進效應(yīng)均存在一定的時滯性。在進行一系列穩(wěn)健性檢驗后研究結(jié)論依然成立。其次，通過機制檢驗表明，大數(shù)據(jù)綜試區(qū)對企業(yè)創(chuàng)新的促進效應(yīng)受到企業(yè)數(shù)字化轉(zhuǎn)型意愿、企業(yè)高技能人才集聚水平以及政策支持力度的正向調(diào)節(jié)作用。最后，這種特殊的政府引導(dǎo)行為與企業(yè)創(chuàng)新之間的關(guān)系存在顯著異質(zhì)性。從公司治理能力看，具有海外經(jīng)驗與金融背景的高管對企業(yè)的創(chuàng)新促進作用更為明顯，與“兩職合一”的企業(yè)相比，“兩職分離”的企業(yè)更能被激發(fā)創(chuàng)新活力；從企業(yè)所在的行業(yè)差異看，知識密集型企業(yè)在大數(shù)據(jù)綜試區(qū)政策沖擊之下的反應(yīng)更為明顯；從地理區(qū)位看，相較于中西部地區(qū)，東部地區(qū)的企業(yè)能夠更充分地享受大數(shù)據(jù)綜試區(qū)政策紅利，“創(chuàng)新引領(lǐng)率先實現(xiàn)東部地區(qū)優(yōu)化發(fā)展”的態(tài)勢正逐步形成，為建立區(qū)域協(xié)調(diào)發(fā)展新機制提供堅實基礎(chǔ)。

根據(jù)以上研究結(jié)論，本文提出了如下政策建議：

(1)我國應(yīng)進一步加快以大數(shù)據(jù)驅(qū)動數(shù)字經(jīng)濟發(fā)展步伐，特別是充分發(fā)揮大數(shù)據(jù)綜試區(qū)建設(shè)的引領(lǐng)和示范作用，總結(jié)和提煉建設(shè)過程中的經(jīng)驗規(guī)律，實現(xiàn)大數(shù)據(jù)綜試區(qū)實驗效果與其他數(shù)字化政策的疊加效應(yīng)。尤其是2019年國家發(fā)改委印發(fā)《國家數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)實施方案》，確立了河北省(雄安新區(qū))、浙江省、福建省、廣東省、重慶市、四川省6個國家數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)，這些新試點與大數(shù)據(jù)綜試區(qū)建設(shè)遙相呼應(yīng)，更應(yīng)相互借鑒、取長補短，以數(shù)字技術(shù)驅(qū)動區(qū)域創(chuàng)新、聯(lián)動發(fā)展。

(2)政策制定應(yīng)因地制宜，分類施策，量力而行。各試點政策的規(guī)范是在發(fā)展過程中不斷探索與完善的，在國家總體思路指導(dǎo)下，各地方政府應(yīng)因地制宜探索政策工具、實施方法等具體內(nèi)容，既要避免因資源的短缺而造成的發(fā)展動力不足，也要避免因過度投入所造成的資源積壓與浪費。更具體的來說，東部地區(qū)應(yīng)總結(jié)與推廣創(chuàng)新引領(lǐng)發(fā)展的先行經(jīng)驗，發(fā)揮創(chuàng)新要素集聚優(yōu)勢，帶動中西部地區(qū)創(chuàng)新步伐，加快形成區(qū)域協(xié)調(diào)發(fā)展新機制。

(3)加強對企業(yè)數(shù)字化轉(zhuǎn)型的鼓勵和引導(dǎo)。現(xiàn)階段，中小企業(yè)在進行數(shù)字化轉(zhuǎn)型時普遍具有主觀顧慮與客觀條件的兩大阻礙。為此，各級政府應(yīng)出臺一系列減稅降費、轉(zhuǎn)型補貼等惠企扶持政策，充分激發(fā)企業(yè)數(shù)字化轉(zhuǎn)型的意愿與活力。具體的，應(yīng)鼓勵有條件的地方按照規(guī)定通過專項資金、補貼政策等方式，為中小企業(yè)提供貼息和融資擔(dān)保。同時，探索建立多元化、多渠道的社會投入機制，鼓勵金融機構(gòu)提供中小企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的產(chǎn)品和服務(wù)，加強對中小企業(yè)數(shù)字化轉(zhuǎn)型的資金扶持。

(4)實行開放、包容、積極的人才政策，切實擴大企業(yè)對高技能勞動力的吸納能力。鼓勵企業(yè)根據(jù)自身需要采取靈活的辦法吸引各類人才，引進具有相關(guān)知識和專業(yè)背景的人才擔(dān)任企業(yè)高管，尤其是具有海外經(jīng)驗與金融背景的專業(yè)人才。同時，要搭建與人才發(fā)展相匹配的產(chǎn)業(yè)配套政策和工作平臺，解決好與個人發(fā)展相關(guān)的生活 、生產(chǎn)、科研等配套服務(wù)，做到“引得進、留得住”。更重要的是，政府要扮演好公共服務(wù)提供者角色，構(gòu)建人力資源信息庫，實現(xiàn)數(shù)據(jù)互聯(lián)互通、信息共享，促進就業(yè)崗位精準匹配。