摘 要：以人工智能和大數(shù)據(jù)等為核心的數(shù)字技術能促進企業(yè)新舊動能轉(zhuǎn)換和效率變革，作為市場經(jīng)濟與微觀創(chuàng)新的主體，企業(yè)正逐步卷入數(shù)字化轉(zhuǎn)型浪潮中，這對中國宏觀經(jīng)濟產(chǎn)生重要影響，然而數(shù)字化轉(zhuǎn)型能否賦能企業(yè)創(chuàng)新的機制路徑，仍有待進一步探索。以A股上市企業(yè)2013—2022年數(shù)據(jù)為研究樣本，實證檢驗數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的直接影響其的機制路徑。研究表明：數(shù)字化轉(zhuǎn)型不僅能夠顯著促進企業(yè)創(chuàng)新，并且是通過提高企業(yè)研發(fā)投入來緩解企業(yè)融資約束，進一步提升企業(yè)的創(chuàng)新水平；異質(zhì)性研究發(fā)現(xiàn)，在低成長性以及高規(guī)模企業(yè)中，數(shù)字化轉(zhuǎn)型的促進效果更為明顯。

關鍵詞：數(shù)字化轉(zhuǎn)型；研發(fā)投入；融資約束；企業(yè)創(chuàng)新；成長性；異質(zhì)性

中圖分類號：F49；F279.24 文獻標識碼：A

0" " 引言

創(chuàng)新是引領經(jīng)濟蓬勃發(fā)展的第一動力，企業(yè)創(chuàng)新對中國市場經(jīng)濟可持續(xù)發(fā)展具有重要意義。在創(chuàng)新發(fā)展戰(zhàn)略的驅(qū)動下，以數(shù)字化轉(zhuǎn)型賦能企業(yè)創(chuàng)新發(fā)展，是企業(yè)在數(shù)字經(jīng)濟浪潮中實現(xiàn)可持續(xù)發(fā)展的重要途徑，是突破發(fā)展瓶頸和拓展創(chuàng)新空間的必由之路。當前，世界經(jīng)濟發(fā)展形勢嚴峻，中國人口紅利及資本報酬都處于下降的狀態(tài)，作為市場經(jīng)濟與微觀創(chuàng)新的主體，企業(yè)的發(fā)展狀況對宏觀經(jīng)濟發(fā)展趨勢具有重要的影響［1］。因此，在數(shù)字經(jīng)濟背景下，企業(yè)如何有效運用數(shù)字技術激發(fā)創(chuàng)新活力與提升創(chuàng)新水平，成為其在嚴峻環(huán)境中獲得競爭優(yōu)勢的關鍵要素。

通過梳理已有文獻發(fā)現(xiàn)，絕大多數(shù)學者對企業(yè)數(shù)字化轉(zhuǎn)型持正面態(tài)度，認為企業(yè)進行數(shù)字化轉(zhuǎn)型有助于組織流程優(yōu)化與敏捷實現(xiàn)、員工自組織與自管理、組織結(jié)構(gòu)變革與創(chuàng)新活動開展，激發(fā)企業(yè)創(chuàng)新活力，重構(gòu)企業(yè)價值創(chuàng)造體系［2］，進而提升運營效率和組織績效，增強企業(yè)自主創(chuàng)新能力。并且數(shù)字化轉(zhuǎn)型還提升了企業(yè)對前瞻性技術的靈敏度，減少企業(yè)短視行為并提高內(nèi)外部信息的整合度，充分提高資源配置效率，降低創(chuàng)新風險，有助于企業(yè)降低運營成本，提高生產(chǎn)力水平，從而帶來經(jīng)濟效益的提升。而另一部分學者認為，數(shù)字化轉(zhuǎn)型對流通企業(yè)投資績效的影響呈先下降后上升的“U”路徑，即當數(shù)字化轉(zhuǎn)型位于拐點左側(cè)時有正向作用，位于拐點右側(cè)時呈負面影響；同時還存在企業(yè)原有的組織架構(gòu)發(fā)展遲滯與數(shù)字化錯配的現(xiàn)象，導致企業(yè)雖然通過推進數(shù)字化轉(zhuǎn)型帶來了一定的收益，但被推進過程中產(chǎn)生的額外成本所抵消，使得相當一部分企業(yè)進行了數(shù)字化轉(zhuǎn)型卻沒有取得實質(zhì)性的成果。那么，在深入推進數(shù)字化轉(zhuǎn)型的同時，是否會促進企業(yè)創(chuàng)新水平的提升，其作用路徑又是什么？

不少學者對數(shù)字化轉(zhuǎn)型和企業(yè)創(chuàng)新的關系研究取得了一些值得借鑒的研究成果，但是有關研發(fā)投入與融資約束在這兩者之間發(fā)揮作用的量化研究仍有待進一步分析。鑒于此，本研究以A股上市企業(yè)2013—2022年數(shù)據(jù)為樣本，引入企業(yè)研發(fā)投入（ZRD）和融資約束（ZSA）2個中介變量，對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新的內(nèi)部關系展開探究。本研究可能存在的邊緣性貢獻有以下3點：1）實證檢驗了數(shù)字化轉(zhuǎn)型賦能企業(yè)創(chuàng)新水平的直接影響；2）通過引入研發(fā)投入和融資約束2個中介變量，深入分析兩者之間的作用路徑；3）基于成長異質(zhì)性與規(guī)模異質(zhì)性的角度，進一步探討不同性質(zhì)企業(yè)在推進數(shù)字化轉(zhuǎn)型過程中帶來的差異性影響。

1" " 理論分析與研究假設

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

從內(nèi)部治理的角度來看，企業(yè)進行數(shù)字化轉(zhuǎn)型有助于組織流程優(yōu)化與敏捷實現(xiàn)、員工自組織與自管理及組織結(jié)構(gòu)變革，促進企業(yè)追求長遠利益。主要體現(xiàn)在以下3個方面：1） 數(shù)字化轉(zhuǎn)型能夠提高企業(yè)在采購、生產(chǎn)、運營、管理、研發(fā)和財務控制等各環(huán)節(jié)的透明度，加大管理者監(jiān)察力度，有效減少盈余管理等一系列財務短視行為，推動管理層將其業(yè)務焦點轉(zhuǎn)向企業(yè)的可持續(xù)發(fā)展戰(zhàn)略，有利于企業(yè)管理者作出提高創(chuàng)新投入的決策。2） 數(shù)字化轉(zhuǎn)型能夠幫助企業(yè)提升運營效率、降低運營成本，數(shù)字化轉(zhuǎn)型作為處理大量非結(jié)構(gòu)化和非標準化數(shù)據(jù)的有效手段，極大優(yōu)化了生產(chǎn)流程，并實現(xiàn)了內(nèi)部生產(chǎn)力與外部市場的有機統(tǒng)一，進而幫助企業(yè)實現(xiàn)了更高的創(chuàng)新產(chǎn)出［3］。3） 企業(yè)通過數(shù)字化轉(zhuǎn)型，有效提高了員工在信息、機會和資源等方面的獲取能力，增強了員工自我組織、自我管理、自我效能感并激發(fā)工作潛力，從而實現(xiàn)對組織的數(shù)字化賦能［4］。

從外部環(huán)境的角度來看，數(shù)字化轉(zhuǎn)型有助于企業(yè)獲得更多的投資青睞，并吸引高端人才，提升企業(yè)人力資本儲備。一方面，數(shù)字化轉(zhuǎn)型是當下投資熱門之一并且受到了政策激勵，開展數(shù)字化轉(zhuǎn)型的企業(yè)其股票流動性更強，在資本市場的活躍度更高。數(shù)字化轉(zhuǎn)型能夠大幅提升企業(yè)內(nèi)外部信息傳遞效率，使得企業(yè)與金融機構(gòu)之間的信息不匹配情況減少［5］，融資成本得以降低。另一方面，企業(yè)實施數(shù)字化轉(zhuǎn)型戰(zhàn)略能吸引大量的高素質(zhì)人才，有利于企業(yè)儲備高端人才，優(yōu)化人力資源，增強創(chuàng)新方面的人力資本優(yōu)勢，增強企業(yè)加大創(chuàng)新投入的意愿，企業(yè)創(chuàng)新水平隨之穩(wěn)步發(fā)展。因此，提出假設：

H1：數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的創(chuàng)新水平。

1.2" "研發(fā)投入的中介作用

研發(fā)投入在驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型技術層面扮演了重要角色，研發(fā)投入的增加不僅能夠提高企業(yè)生產(chǎn)效率，還能促進企業(yè)技術創(chuàng)新［6］。企業(yè)在進入新的市場時往往會面臨激烈的市場競爭，而數(shù)字化轉(zhuǎn)型有助于企業(yè)打破瓶頸，改變固有的商業(yè)和思維模式。企業(yè)的數(shù)字技術發(fā)展與創(chuàng)新產(chǎn)出提升離不開資金、技術和人才等資源的持續(xù)性投入，企業(yè)提高研發(fā)投入強度，能為突破式創(chuàng)新注入澎湃活力，同時使得企業(yè)制造和銷售等過程得到革新，資源配置能力得以提升［7］，并且拓寬了潛在市場，提高創(chuàng)新的未來價值效應進而提升企業(yè)創(chuàng)新意愿，使得企業(yè)能夠在激烈的市場競爭中建立優(yōu)勢，帶來更多的創(chuàng)新資源和管理支持，從而顯著提升企業(yè)的創(chuàng)新水平。因此，提出假設：

H2：數(shù)字化轉(zhuǎn)型通過增強企業(yè)的研發(fā)投入，進而顯著提升企業(yè)的創(chuàng)新水平。

1.3" "融資約束的中介作用

企業(yè)進行創(chuàng)新活動往往需要投入規(guī)模巨大的資金，并且面臨高度的回收風險，因此企業(yè)對資金流動比率要求較高，容易受到融資約束的影響［8］，而數(shù)字化轉(zhuǎn)型能夠增加企業(yè)外部融資機會，降低融資成本。一方面，企業(yè)融資出現(xiàn)困境的根本原因在于企業(yè)內(nèi)外部融資信息難以匹配，而數(shù)字化轉(zhuǎn)型技術通過高效的信息匹配來減少資源浪費，并且能夠幫助企業(yè)精準識別融資風險，從而有利于管理層開展創(chuàng)新融資決策，為企業(yè)研發(fā)創(chuàng)新活動有序開展提供合理依據(jù)；另一方面，數(shù)字化轉(zhuǎn)型能促進融資信用體系中網(wǎng)絡安全的完善，利用信息共享塑造良好的企業(yè)形象，使企業(yè)能夠獲得更多金融機構(gòu)的關注，從而實現(xiàn)與金融機構(gòu)的高效聯(lián)結(jié)，企業(yè)因此更容易獲得研發(fā)投入所需要的資金，有效解決了企業(yè)因地理位置差異所造成的融資困難和融資約束等難題，進而使企業(yè)更好地開展創(chuàng)新活動，提升創(chuàng)新水平。因此，提出假設。

H3：數(shù)字化轉(zhuǎn)型通過緩解企業(yè)的融資約束，進而顯著提升企業(yè)的創(chuàng)新水平。

2" " 研究設計

2.1" "數(shù)據(jù)選取及來源

本研究以A股2013—2022年除金融業(yè)以外的上市企業(yè)為研究對象，借鑒覃志剛等［9］的研究，剔除ST以及* ST類上市公司，為解決極端值對回歸結(jié)果帶來的影響，將企業(yè)數(shù)據(jù)中的異常值去除并對所有變量進行上下1%的縮尾處理，最終得到25 630個有效樣本觀測值，探究數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新水平的直接影響和作用路徑。本研究所選取的企業(yè)和財務數(shù)據(jù)均來源于CSMAR數(shù)據(jù)庫和Wind數(shù)據(jù)庫，數(shù)據(jù)處理軟件為STATA 17。

2.2" "主要變量說明

2.2.1" "被解釋變量：企業(yè)創(chuàng)新水平

考慮到專利申請數(shù)量比專利獲得數(shù)量更具有時效性，更能真實體現(xiàn)企業(yè)的創(chuàng)新水平。因此，借鑒黎文靖等［10］的做法，采用企業(yè)當年期獨立申請的專利總數(shù)作為衡量企業(yè)創(chuàng)新水平的代理變量，記為CIV-1。作為對比采用企業(yè)當年期與其他實體聯(lián)合申請的專利總數(shù)作為另一衡量指標，記為CIV-2。鑒于專利數(shù)據(jù)往往因具有右偏性特征而使實證結(jié)果產(chǎn)生偏差，因此本研究對專利總數(shù)加1并取自然對數(shù)。

2.2.2" "解釋變量：數(shù)字化轉(zhuǎn)型

構(gòu)建數(shù)字化轉(zhuǎn)型指數(shù)的測度主要分為以下3步：1） 根據(jù)吳非等［11］所提供的相關詞根，如圖1所示，并進行一定的擴充，確定相應的詞根篩選目標；2） 利用爬蟲從滬深交易所官網(wǎng)爬取2013—2022年度全部財務報表，用爬蟲文本提取功能剔除包含公司的股東、客戶、供應商和公司高管簡介等不相關內(nèi)容；3） 借助爬蟲挖掘功能進行詞根識別與分類計數(shù)，并且剔除一系列如“不存在”“不具備”“無法”“無”“非”等否定詞前綴的表述句式，對所有的詞頻進行了累計求和（SDIG），并采用加1取自然對數(shù)的方法，確定衡量企業(yè)數(shù)字化轉(zhuǎn)型水平的指標ln（SDIG+1）。

2.2.3" "中介變量：研發(fā)投入（ZRD）、融資約束（ZSA）

以往學者通常采用企業(yè)研發(fā)投入的對數(shù)或采用企業(yè)研發(fā)投入除以企業(yè)總資產(chǎn)等方式來衡量企業(yè)的研發(fā)投入強度。借鑒范建紅［12］的做法，本研究以企業(yè)研發(fā)投入占總營業(yè)收入比例來衡量企業(yè)的研發(fā)投入。

企業(yè)所面臨的融資約束沒有固定的財務指標且難以從觀察數(shù)據(jù)中直觀獲取，而ZKZ指數(shù)與ZWW指數(shù)皆具有內(nèi)生性偏差，因此參考戚聿東等［13］的做法，采用ZSA指數(shù)測度企業(yè)的融資約束，其因較強的外生性目前被金融領域廣泛應用，具體計算方式為：ZSA=-0.737×ln（GSize）＋0.043×[ln（GSize）]2-0.04×ln（NAge）。其中，ln（GSize）為企業(yè)規(guī)模，ln（NAge）為企業(yè)年齡。其他主要變量的說明如表1所示。

2.3" "實證模型設定

2.3.1" "基準回歸模型

為檢驗數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新水平的影響，筆者構(gòu)建如下模型：

[ln（CIV， it+1）=α0+α1ln（SDIG， it+1）+α2KControls，it+∑NYear +εit]。" " " " " " " " " " " " " " " " " "（1）

模型（1）為基準回歸，可以檢驗解釋變量數(shù)字化轉(zhuǎn)型ln（SDIG+1）對被解釋變量企業(yè)創(chuàng)新水平ln（CIV+1）的總效應。其中，[ln（CIV， it+1）]表示企業(yè)i在第t期的創(chuàng)新水平，ln（[SDIG， it]+1）表示企業(yè)i在第t期的數(shù)字化轉(zhuǎn)型程度，[KControls，it]為控制變量，[∑NYear]表示年份固定效應，[εit]表示殘差。

2.3.2" "中介效應模型

為檢驗研發(fā)投入和融資約束對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間關系的影響，筆者構(gòu)建如下模型：

[ZMediator，it=β0+β1ln（SDIG，it+1）+β2KControls，it+∑NYear +εit]，" " " " " " " " " " " " " "（2）

[ln（CIV，it+1）=γ0+γ1ln（SDIG，it+1）+γ2ZMediator，itln（SDIG，it+1）+γ3KControls，it+∑NYear+εit。]" " " "（3）

模型（2）用于數(shù)字化轉(zhuǎn)型ln（SDIG+1）與中介變量研發(fā)投入（ZRD）和融資約束（ZSA）之間的相關性，模型（3）將數(shù)字化轉(zhuǎn)型與中介變量同時放入方程，在檢驗中介變量對被解釋變量影響的基礎上，進一步檢驗數(shù)字化轉(zhuǎn)型通過中介變量對企業(yè)創(chuàng)新水平ln（[CIV]+1）的影響。其中， [ZMediator，it] 表示中介變量（ZRD和ZSA），β0 和γ0為截距項， β1和γ1等分別為對應項系數(shù)。

3" " 實證檢驗結(jié)果

3.1" "描述性統(tǒng)計結(jié)果

主要變量的描述性統(tǒng)計結(jié)果如表2所示，企業(yè)創(chuàng)新水平ln（CIV-1+1）和ln（CIV-2+1）的均值分別為3.041和0.921，標準差分別為1.619和1.375，這表明所選樣本企業(yè)的創(chuàng)新水平差異明顯；而數(shù)字化轉(zhuǎn)型ln（SDIG+1）的最大值與最小值分別為6.301和0，均值和標準差為1.627和1.441，說明不同企業(yè)的數(shù)字化轉(zhuǎn)型程度參差不齊；研發(fā)投入（ZRD）與融資約束（ZSA）也同樣存在明顯差異。此外，本研究對各解釋變量在基準回歸前進行多重共線性檢驗，其VIF 值均不超過3且遠小于10，因此各變量之間不存在多重共線性。

表3報告了單變量檢驗結(jié)果，將ln（CIV-1+1）與ln（CIV-2+1）根據(jù)數(shù)字化轉(zhuǎn)型存在與否分組并檢驗，不難看出組間均值差異明顯，說明存在數(shù)字化轉(zhuǎn)型的企業(yè)創(chuàng)新水平明顯高于不存在數(shù)字化轉(zhuǎn)型的企業(yè)，假設H1得到初步支持。

3.2" "基準回歸分析

表4報告了數(shù)字化轉(zhuǎn)型ln（SDIG+1）影響企業(yè)創(chuàng)新水平ln（CIV-1+1）和ln（CIV-2+1）的基準回歸結(jié)果。其中，未加入控制變量時的回歸結(jié)果如列（1）和列（3）所示，數(shù)字化轉(zhuǎn)型ln（SDIG+1）的回歸系數(shù)分別為0.078和0.051，在1%的水平上顯著為正，說明在沒有其他控制變量的影響下，數(shù)字化轉(zhuǎn)型能顯著提升企業(yè)的創(chuàng)新水平，與前文預期一致；列（2）和列（4）報告在加入了相關控制變量后的回歸結(jié)果，數(shù)字化轉(zhuǎn)型ln（SDIG+1）的回歸系數(shù)分別為0.038和0.029，相比于前者回歸系數(shù)略微降低但顯著性并未發(fā)生實質(zhì)性變化。以上結(jié)果均說明數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新水平呈現(xiàn)顯著的正向作用，即數(shù)字化轉(zhuǎn)型促進了企業(yè)創(chuàng)新，假設H1得到檢驗。

3.3" "穩(wěn)健性檢驗

3.3.1" "工具變量法

不排除具有更高創(chuàng)新水平的企業(yè)更有能力進行數(shù)字化轉(zhuǎn)型，為緩解這兩者之間可能存在因果倒置的內(nèi)生性問題，本研究選用工具變量法進一步檢驗基準回歸結(jié)果的穩(wěn)健性。借鑒靳毓［14］的研究，選取企業(yè)同群數(shù)字化轉(zhuǎn)型水平均值（SDIG-Ⅲ）為工具變量，SDIG-Ⅲ會影響企業(yè)數(shù)字化轉(zhuǎn)型進程，但并不會對企業(yè)自身的創(chuàng)新水平產(chǎn)生直接影響，因此SDIG-Ⅲ同時滿足了工具變量的相關性及外生性要求，具有較好的解釋力。工具變量法兩階段的回歸結(jié)果如表5所示，其中Kleibergen-Paap rk LM統(tǒng)計值為853.219，通過了不可識別檢驗；Kleibergen-Paap rk Wald F統(tǒng)計值與Cragg-Donald Wald F統(tǒng)計值分別為907.836、1 052.257，兩者均大于Stock-Yogo弱識別檢驗在10%水平上的臨界值，弱工具變量的原假設得以排除，而解釋變量和工具變量數(shù)量相同，因此不存在過度識別的問題。列（1）中SDIG-Ⅲ的回歸系數(shù)為0.040并在1%的水平上顯著為正，說明工具變量合理可行；列（2）和列（3）中l(wèi)n（SDIG+1）的回歸系數(shù)分別為0.214、0.330，均在1%的水平上顯著為正，這表明在排除了因果倒置的可能性后，數(shù)字化轉(zhuǎn)型仍能顯著地提升企業(yè)的創(chuàng)新水平，進一步驗證了前文基準回歸結(jié)果的穩(wěn)健性。

3.3.2" "更換被解釋變量

前文衡量企業(yè)創(chuàng)新水平的指標為企業(yè)當年期獨立申請以及與其他實體聯(lián)合申請的專利總量，本研究在此將其替換為企業(yè)當年期獨立獲得及與其他實體聯(lián)合獲得的專利總量重新進行檢驗。具體為將企業(yè)當年期獨立獲得的專利總量ln（CIV-3）以及企業(yè)當年期聯(lián)合獲得的專利總量ln（CIV-4）作為被解釋變量。表6列（1）、（2）報告了更換被解釋變量后的回歸結(jié)果，ln（SDIG+1）的回歸系數(shù)分別為0.031和0.022，并且至少在5%的水平上顯著為正。以上結(jié)果說明，更換核心被解釋變量并不會削弱數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新水平所帶來的正向影響。

3.3.3" "被解釋變量滯后一期

參考靳毓［14］的做法，考慮到創(chuàng)新水平的結(jié)果產(chǎn)出存在一定的滯后性，因此將被解釋變量替換成滯后一期重新進行檢驗，其中L.ln（CIV-1+1）代表了企業(yè)滯后一期獨立申請的專利總量，L.ln（CIV-2+1）代表了企業(yè)滯后一期與其他實體聯(lián)合申請的專利總量?；貧w結(jié)果如表6列（3）和列（4）所示，ln（SDIG+1）的回歸系數(shù)分別為0.022和0.039，且均至少在10%的水平上顯著為正，這表明企業(yè)進行數(shù)字化轉(zhuǎn)型能夠?qū)ξ磥淼膭?chuàng)新水平產(chǎn)生顯著的正向作用，研究結(jié)論與前文保持一致。

3.3.4" "控制行業(yè)固定效應

借鑒李勝旗等［15］的研究，由于不同行業(yè)的數(shù)字化轉(zhuǎn)型推進過程中可能存在差異，為緩解因遺漏變量所帶來的內(nèi)生性問題，本研究在控制了年份固定效應的基礎上，進一步加入行業(yè)固定效應重新進行回歸，表7的列（1）和列（2）報告了回歸結(jié)果，ln（SDIG+1）的回歸系數(shù)分別為0.041和0.032，且均在1%的水平上顯著為正，這說明在加入了行業(yè)固定效應后，所得結(jié)論仍然與前文無明顯差異。

3.3.5" "調(diào)整樣本數(shù)據(jù)

考慮到部分企業(yè)剛創(chuàng)立時不具備開展創(chuàng)新活動的能力，容易會對實證結(jié)果產(chǎn)生影響，因此本研究將連續(xù)3年專利申請總量為0的企業(yè)排除后，對樣本重新進行了檢驗，表7的列（3）和列（4）報告了回歸結(jié)果。能夠看出，ln（SDIG+1）的回歸系數(shù)仍在5%的水平上顯著為正，與前文檢驗結(jié)果基本無明顯差異。

4" " 中介機制檢驗

4.1" "研發(fā)投入的中介效應分析

根據(jù)前文的理論分析，數(shù)字化轉(zhuǎn)型有助于企業(yè)研發(fā)投入的增加，進而提升企業(yè)的創(chuàng)新水平。表8報告了研發(fā)投入的中介效應檢驗結(jié)果，模型（2）回歸結(jié)果如列（1）所示，數(shù)字化轉(zhuǎn)型ln（SDIG+1）對研發(fā)投入（ZRD）的回歸系數(shù)為0.001顯著為正，說明數(shù)字化轉(zhuǎn)型促進了企業(yè)研發(fā)投入；模型（3）的回歸結(jié)果如列（3）和列（5）所示，研發(fā)投入（ZRD）對企業(yè)創(chuàng)新ln（CIV-1+1）和ln（CIV-2+1）的回歸系數(shù)分別為9.453和5.210，且均在1%的水平上顯著為正。以上結(jié)果均表明，研發(fā)投入在企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新水平的影響之間起到了中介效應，即數(shù)字化轉(zhuǎn)型能幫助企業(yè)實現(xiàn)對研發(fā)過程的優(yōu)化，降低企業(yè)研發(fā)成本及周期，提高企業(yè)的研發(fā)投入，從而提升企業(yè)的創(chuàng)新水平，假設H2得到檢驗。

4.2" "融資約束的中介效應分析

根據(jù)前文的理論分析，數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)的融資約束，幫助企業(yè)突破資源壁壘。因此，對融資約束的傳導路徑進行回歸分析，檢驗結(jié)果如表9所示。模型（2）的結(jié)果如列（1）所示，其中數(shù)字化轉(zhuǎn)型ln（SDIG+1）對融資約束（ZSA）的回歸系數(shù)為-0.002顯著為負，說明數(shù)字化轉(zhuǎn)型能夠有效緩解企業(yè)面臨的融資困境，降低融資成本并提升融資水平，符合理論預期；模型（3）的回歸結(jié)果如列（3）和列（5）所示，融資約束（ZSA）對企業(yè)創(chuàng)新ln（CIV-1+1）和ln（CIV-2+1）回歸系數(shù)分別為-1.735和-0.544，且均在1%的水平上顯著為負，以上結(jié)果表明融資約束在數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響中起到了中介效應，即企業(yè)通過數(shù)字化轉(zhuǎn)型向外界傳遞了良好信息，降低了企業(yè)內(nèi)部與外部投資者之間的信息錯配，獲得更多投資機會并緩解融資約束壓力，從而提高了企業(yè)創(chuàng)新水平，實證結(jié)果驗證了假設H3。

5" " 異質(zhì)性分析

5.1" "企業(yè)成長性的異質(zhì)性分析

成長性較低意味著企業(yè)將面臨更多的經(jīng)營困境，本研究認為，數(shù)字化轉(zhuǎn)型是低成長性企業(yè)打破這一壁壘，尋求新發(fā)展機遇的有效方式。參考邢斌等的做法［16］，選取CTobinQ作為衡量企業(yè)成長性（投資機會）的代理變量，按照CTobinQ的均值2.112將企業(yè)分為低成長性與高成長性兩組進行回歸，結(jié)果如表10所示。通過列（1）和列（3）與列（2）和列（4）比較發(fā)現(xiàn)，低成長性企業(yè)的ln（SDIG+1）回歸系數(shù)分別為0.045和0.030，且至少在5%的水平上顯著為正，而高成長性企業(yè)的ln（SDIG+1）回歸系數(shù)則并不顯著。以上結(jié)果表明，當企業(yè)的成長性較低時，數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的正向作用更加顯著，這可能是因為低成長性企業(yè)的現(xiàn)金流不夠充分，獲得投資者的青睞較少，有著更大的融資約束，但企業(yè)迫于生存壓力，不得不通過數(shù)字化轉(zhuǎn)型來擺脫經(jīng)營困境，以此來提高企業(yè)的創(chuàng)新產(chǎn)出。

5.2" "企業(yè)規(guī)模的異質(zhì)性分析

高規(guī)模公司由于市值較大，現(xiàn)金流充足，通常容易獲得政策激勵，相較于低規(guī)模企業(yè)，兩者數(shù)字化轉(zhuǎn)型對創(chuàng)新水平的影響往往存在差距。本研究認為，在高規(guī)模企業(yè)中，數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的促進效果更為明顯。因此，按照企業(yè)規(guī)模ln（GSize）的均值22.27分組后進行回歸，結(jié)果如表11所示。不難看出，列（2）和列（4）中l(wèi)n（SDIG+1）的回歸系數(shù)分別為0.053和0.048，且均在1%的水平上顯著為正，而在列（1）和列（3）中，ln（SDIG+1）的回歸系數(shù)則并不顯著，這充分說明，數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的促進效果與企業(yè)規(guī)模成正比，可能的原因是高規(guī)模企業(yè)通過推進數(shù)字化轉(zhuǎn)型塑造更佳的企業(yè)形象，更容易獲得投資者的關注，增強了企業(yè)的研發(fā)投入，進而顯著提升企業(yè)的創(chuàng)新水平。

6" "結(jié)論與啟示

以A股上市企業(yè)2013—2022年數(shù)據(jù)為樣本，對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新水平之間的關系展開研究，并基于企業(yè)研發(fā)投入和融資約束2個視角分析了具體作用路徑。通過實證研究得到以下結(jié)論。

第一，數(shù)字化轉(zhuǎn)型能有效助推企業(yè)提升創(chuàng)新水平。研究結(jié)果表明，數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間呈顯著正相關，中國上市企業(yè)能夠通過推進數(shù)字化轉(zhuǎn)型賦能自身創(chuàng)新水平的提高，以獲得競爭優(yōu)勢，實現(xiàn)企業(yè)的可持續(xù)發(fā)展。

第二，研發(fā)投入和融資約束是數(shù)字化轉(zhuǎn)型促進企業(yè)提升創(chuàng)新水平過程中的機制路徑。研究結(jié)果表明，研發(fā)投入和融資約束在數(shù)字化轉(zhuǎn)型及企業(yè)創(chuàng)新水平之間的中介效應明顯，即數(shù)字化轉(zhuǎn)型不僅使得企業(yè)研發(fā)過程得以優(yōu)化，減少研發(fā)成本及周期，有效提高研發(fā)投入，而且有效減少企業(yè)內(nèi)外部投資信息錯配問題，極大程度上幫助企業(yè)突破資源壁壘，減輕企業(yè)融資約束壓力，進而助推企業(yè)提高創(chuàng)新水平。

第三，數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新水平的影響存在成長性及規(guī)模異質(zhì)性。研究結(jié)果表明，僅成長性較低或規(guī)模較高的企業(yè)推進數(shù)字化轉(zhuǎn)型時能獲得顯著效果，這意味著數(shù)字化轉(zhuǎn)型所帶來的創(chuàng)新增益并不適用于全部類型企業(yè)，企業(yè)在推進數(shù)字化轉(zhuǎn)型時應統(tǒng)籌全局，斟酌而為之。

基于以上3點結(jié)論，本研究得到以下啟示。

第一，借助數(shù)字化轉(zhuǎn)型提高創(chuàng)新水平是企業(yè)在數(shù)字經(jīng)濟浪潮中實現(xiàn)可持續(xù)發(fā)展和價值增值的根本途徑。企業(yè)應當優(yōu)先把握數(shù)字時代紅利，抓住數(shù)字化轉(zhuǎn)型機遇，重視并思考如何完善數(shù)字技術軟硬件設施。企業(yè)在深入推進數(shù)字化轉(zhuǎn)型的同時，應貫徹數(shù)字化轉(zhuǎn)型理念，全方位引入大數(shù)據(jù)、人工智能和云計算等數(shù)字應用技術；完善采購、生產(chǎn)、運營、管理、研發(fā)和財務控制等各環(huán)節(jié)的數(shù)據(jù)豐富、實時共享和傳輸?shù)?，及時挖掘數(shù)據(jù)潛能，以獲得創(chuàng)新需求；優(yōu)化企業(yè)創(chuàng)新配置，從而實現(xiàn)企業(yè)決策科學化，以期提高創(chuàng)新產(chǎn)出和效率。

第二，企業(yè)在推進數(shù)字化轉(zhuǎn)型時離不開大量資金的支持。研發(fā)投入不僅僅是為了滿足企業(yè)數(shù)字化轉(zhuǎn)型的需求，同時也是其提高創(chuàng)新水平的重要方式，企業(yè)想要獲得更多的自主知識產(chǎn)權及核心技術，突破技術瓶頸，就必須提高人才、技術和資金的支持并建立完善的研發(fā)體系，實現(xiàn)創(chuàng)新能力和核心競爭力的提高；然而，大量的研發(fā)投入往往會帶來融資壓力，因此企業(yè)在做好研發(fā)與創(chuàng)新的同時，也應完善自身金融和信用體系的建立，降低內(nèi)外部融資市場信息的不對稱性，以期為投資者塑造良好的企業(yè)投資形象，從而獲得更大的收益，實現(xiàn)融資—數(shù)字化轉(zhuǎn)型—研發(fā)—創(chuàng)新—再融資的完美閉環(huán)。

第三，企業(yè)在推行數(shù)字化轉(zhuǎn)型戰(zhàn)略時應科學評估市場環(huán)境，時刻關注自身定位。成長性高、規(guī)模低的企業(yè)往往多處于創(chuàng)立初期，此時盲目推進數(shù)字化轉(zhuǎn)型并不會帶來明顯收益，此類企業(yè)應將資源更多地注入其他基礎配置方面，厚積薄發(fā)以實現(xiàn)產(chǎn)業(yè)增值，而政府部門則可以根據(jù)企業(yè)性質(zhì)對推進數(shù)字化轉(zhuǎn)型的企業(yè)實行差異化扶持。對于承擔技術創(chuàng)新責任的企業(yè)，政府可以分配更多的資源，將此類企業(yè)打造成行業(yè)標桿并助力推廣，以期帶動其他企業(yè)加快數(shù)字化轉(zhuǎn)型。對于剛剛起步且競爭性較弱的企業(yè)，政府可以加大對行業(yè)內(nèi)不正當競爭與反壟斷的執(zhí)法力度，完善相應法規(guī)。同時，政府還可以加大信貸的優(yōu)惠力度及稅收減免，加大政策激勵，更好地發(fā)揮數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的正向效應，營造良好的市場經(jīng)營環(huán)境。

參考文獻：

［1］ 花俊國，劉暢，朱迪.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)全要素生產(chǎn)率［J］.南方金融，2022（7）：54-65.

［2］ 宋加山，涂瀚勻，趙銳锃.數(shù)字化轉(zhuǎn)型如何促進企業(yè)創(chuàng)新效率提升：來自金融資產(chǎn)配置視角的再審視［J］.科技進步與對策，2024，41（14）：62-71.

［3］ LIU D Y，CHEN S W，CHOU T C. Resource fit in digital transformation：Lessons learned from the CBC Bank global-banking project［J］.Management decision，2011，49（9/10）：1728?1742.

［4］ 徐向龍.數(shù)字化轉(zhuǎn)型與制造企業(yè)技術創(chuàng)新［J］.工業(yè)技術經(jīng)濟，2022，41（6）：18-25.

［5］ 李春濤，閆續(xù)文，宋敏，等.金融科技與企業(yè)創(chuàng)新：新三板上市公司的證據(jù)［J］.中國工業(yè)經(jīng)濟，2020（1）：81?98.

［6］ 解學梅，王宏偉，唐海燕.創(chuàng)新生態(tài)戰(zhàn)略與創(chuàng)新效率關系：基于創(chuàng)新生態(tài)網(wǎng)絡視角［J］.系統(tǒng)管理學報，2020，29（6）：1065-1077.

［7］ 郭園園，成力為.外部融資渠道與企業(yè)異質(zhì)性Ramp;D投資［J］.科學學研究，2016，34（6）：887-895.

［8］ 郎香香，張朦朦，王佳寧.數(shù)字普惠金融、融資約束與中小企業(yè)創(chuàng)新：基于新三板企業(yè)數(shù)據(jù)的研究［J］.南方金融，2021（11）：13-25.

［9］ 覃志剛，陳茂南.供應商集中、公司治理與企業(yè)價值：基于我國A股制造業(yè)上市公司數(shù)據(jù)［J］.技術經(jīng)濟，2020，39（5）：163-171.

［10］ 黎文靖，鄭曼妮.實質(zhì)性創(chuàng)新還是策略性創(chuàng)新？：宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響［J］.經(jīng)濟研究，2016，51（4）：60-73.

［11］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)：來自股票流動性的經(jīng)驗證據(jù)［J］.管理世界，2021，37（7）：130-144.

［12］ 范建紅，陳懷超.董事會社會資本對企業(yè)研發(fā)投入的影響研究：董事會權力的調(diào)節(jié)效應［J］.研究與發(fā)展管理，2015，27（5）：22-33.

［13］ 戚聿東，張任之.金融資產(chǎn)配置對企業(yè)價值影響的實證研究［J］.財貿(mào)經(jīng)濟，2018，39（5）：38-52.

［14］ 靳毓，文雯，何茵.數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響：基于中國制造業(yè)上市公司的經(jīng)驗證據(jù)［J］.財貿(mào)研究，2022，33（7）：69-83.

［15］ 李勝旗，毛其淋.制造業(yè)上游壟斷與企業(yè)出口國內(nèi)附加值：來自中國的經(jīng)驗證據(jù)［J］.中國工業(yè)經(jīng)濟，2017（3）：101-119.

［16］ 邢斌，徐龍炳.超募、投資機會與公司價值［J］.財經(jīng)研究，2015，41（9）：65-78.