数字经济对企业创新的影响研究——基于双元创新视角

陈昆 等

（南京审计大学金融学院，江苏 南京 211815）

一、引言

新常态背景下，中国经济亟须从投资驱动的增长模式“换挡”到创新驱动发展模式，数字经济已成为促进中国经济高质量发展的关键，发展数字技术与数字经济一直是政府工作的重中之重。正如习近平总书记致信祝贺首届数字中国建设峰会开幕时强调，全面贯彻新发展理念，以信息化培育新动能，用新动能推动新发展，以新发展创造新辉煌。因此，如何有效释放数字经济对中国经济高质量发展的助推力量，成为近年来政府和社会各界广泛探讨的重要议题。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出，完善技术创新市场导向机制，强化企业创新主体地位，促进各类创新要素向企业集聚，形成以企业为主体、市场为导向、产学研用深度融合的技术创新体系。企业既是创新发展的推动力，又是实现经济高质量发展的关键和源泉。由于传统的企业创新方式比较单一化，难以满足企业跨越式发展的需求，双元创新应运而生。具体而言，企业双元创新包括小而微的利用式创新和创新幅度大、程度强的探索式创新。利用式创新对企业短期财务绩效和长期竞争优势会产生正向影响，探索式创新则有利于企业获取长期的竞争优势。

在新一轮的技术变革浪潮中，数字化转型成为企业构建新的竞争优势和实现可持续发展的核心策略，社会资源配置方式随着数字技术的应用产生了深刻变化，创新活动的各个环节都因其产生了深远的影响。那么数字经济是通过何种路径对企业的双元创新造成影响？数字经济起到促进作用还是抑制作用？如何利用数字经济更好地促进企业双元创新？本文对数字经济影响企业双元创新的路径机理进行研究，并结合2013—2021 年A 股上市公司的面板数据进行实证分析，试图补充和完善相关领域的研究。

二、文献综述

目前，国内学者主要从数字经济的内涵、影响因素、评价指标等方面进行研究。数字经济的相关研究在不断丰富，但关于数字经济的内涵尚未有定论。逄健和朱欣民（2013）提出，数字经济的主要组成部分是信息与通信技术，民众利用互联网等通信网络，以数字化的方式进行沟通与协作，从而推动经济社会的进步与发展。2016年，杭州G20峰会对数字经济赋予新的界定：数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。何文彬（2020）提出，数字经济是一种相互独立、相互融合的经济模式，其基于数字技术开展一系列经济活动。大部分学者认为数字经济能够发挥普惠效应、资源配置效应、技术创新效应，其在促进经济发展、提高经济发展质量的同时也存在异质性。Quinton et al（.2018）研究表明，数字技术的应用能够改变企业外部的组织和营销环境，因此数字经济能够促进中小企业组织效率和企业价值的提高。Agyapong（2021）建议金融机构将业务与必要的数字技术相结合，有助于降低运营成本。赵涛等（2020）研究发现数字经济通过促进创业进而促进经济高质量发展。姜松和周鑫悦（2021）的研究结果表明，数字普惠金融可以促进经济高质量发展，但结构性矛盾在一定程度上仍然存在。史丹和孙光林（2022）研究内在机制发现，数字经济发展可以提高金融效率并且缓解资本错配程度，进而提高经济发展质量。徐晓慧（2022）研究发现数字经济对经济高质量发展具有显著的积极作用，其中产业结构升级具有显著的中介作用。蒲晓晔和黄鑫（2021）在分析人工智能赋能经济高质量发展的需求动力结构和供给动力结构的基础上，提出从需求动力结构重塑与供给动力结构再造两个维度推动中国经济高质量发展。

目前国内外学者对于双元创新的内涵、双元创新与企业绩效、双元创新与实体经济发展有着一定的研究。由组织双元理论可知，企业的创新活动可以分为探索式创新和利用式创新两类。March（1991）指出，探索式创新是一种激进型创新活动，企业脱离原有技术轨迹，广泛检索新知识，拓展新业务领域；而后者是企业在现有知识和技术的基础上，持续性改善产品和业务流程的创新活动。陈庆江等（2021）也将企业创新划分为这两种类型，认为企业探索式创新的不确定因素多、风险大，但有助于企业长期绩效的提升；而利用式创新则相对保守，但有利于企业短期绩效的提升。朱磊等（2017）也有相同的看法。毕晓芳等（2017）则指出，在不断完善现有技术的基础上，利用式创新能够提高企业内部资源利用效率，从而减少新产品的研发风险，提高企业绩效。肖仁桥等（2021）研究结果表明双元创新能力在数字化水平和企业的新产品开发能力之间发挥一定的中介作用，并且与渐进式创新相比，企业突破式创新能力的提升对新产品开发的促进作用更加显著。李萌萌和郭晓川（2022）通过对资源型企业的研究发现，探索式创新与数字化应用具有显著的互补效应。阳镇等（2022）以中国制造企业微观数据为样本，研究结果表明双元创新在政策不确定性和企业的创新数字化之间起到中介作用，最终促进企业创新绩效。杨扬（2022）研究发现制造业公司客户集中度与双元创新的关系并非都是显著的正相关，制造业公司客户集中度与突破式创新呈现显著的倒“U”型关系。

已有文献在研究数字经济背景下的企业创新时，大多没有区分创新的类别，一些关于发明专利与非发明专利的对比研究，也仅仅是为了补充验证，并没有从理论层面进行更深层次的讨论，并且相关实证结果也不尽一致。余菲菲和王丽婷（2022）认为数字经济可以通过赋能创新主体、过程和结果，进而提升企业的技术创新水平。彭硕毅和张营营（2022）研究发现数字经济发展水平的提升不仅增加了企业技术创新的数量，还提升了企业技术创新的质量，在进一步的研究中还发现，数字经济能够有效提升不同主体间的创新协同程度，增强企业的技术吸收能力。吴庆田和朱映晓（2021）在实证研究中发现，数字普惠金融对企业技术创新具有重要的促进作用，其推动作用主要体现在数字普惠金融的使用深度而非覆盖广度。邱洋冬（2022）的研究结果表明，随着数字经济的发展，企业发明专利与非发明专利的申请（授权）数量均呈上升趋势，发明专利数的上升趋势更明显。郑雨稀和杨蓉（2022）也认为，数字经济对企业的发明专利（高质量创新）和非发明专利（低质量创新）都有增进作用，且对高质量创新的影响更大。蒋殿春和潘晓旺（2022）、胡山和余泳泽（2022）等的研究表明，数字经济能够显著提高企业的突破性创新（高质量创新），而对企业渐进性创新（低质量创新）则没有明显作用。

总而言之，目前学界对于数字经济与双元创新的内涵、影响因素、作用机制等方面的研究较为丰富，但是对于企业双元创新的理论研究与实证研究都相对有限，并且在分析数字经济通过促进企业创新来助力经济高质量发展的理论机制时，并未对企业的创新性质进行细致的划分。因此，本文创新性地研究数字经济对企业双元创新的作用机理，探究数字经济如何影响企业探索式创新与利用式创新。

三、理论分析与研究假设

（一）双元创新

根据双元创新理论，双元创新通常是指两种不同类型的、相互冲突的创新活动的组合和共存。一类是利用现有知识和资源进行的风险相对较小的渐进式创新活动，即利用式创新。此类创新活动的特点是企业用户反馈以及市场竞争机制对现有的产品和技术的完善、改造和延伸，此类创新活动的最终结果一般是提高现有产品的竞争力，对于企业短期的生存具有重要性。另一类是探索新的知识和资源进行的风险相对较大的突破式创新活动，即探索式创新。此类创新是企业对完全新鲜的事物进行尝试，开发新产品、新技术，探索之前没有涉及的新领域等，它对于企业的长远发展十分重要。在单一的创新模式下，企业往往通过更新固有知识来提升自身的能力，获取与之相关的收益，导致创新路径较为常规和单一。因此，发挥好企业的主观能动性具有至关重要的作用，许多企业都缺少对新技术进行开发的动力，这就造成企业内部存在严重的同质化现象，此时双元创新应运而生。根据资源基础理论，企业的决策受到环境、能力、资源的共同影响，因此，双元创新需要依据企业的内外部环境的变化规律，对企业的各项资源进行权衡和配置。综上所述，如果企业要强化可持续的竞争优势，在市场中占据一定的竞争地位，就需要同时具备上述两种类型的创新能力。

探索式创新与利用式创新存在既对立又互补的关系。一方面，企业的资源有限，进行创新活动需要长期的资金以及人力资源的投入，企业若想同时进行利用式创新和探索式创新，必然需要对双元创新进行取舍。另一方面，在面对不同的外部环境时，企业的利用式创新和探索式创新对其创新绩效的影响程度不同，从而影响企业对两种创新的侧重点。具体来说，利用式创新以企业已有知识、技术和流程为基础，风险较低，创新成果和收益具有可控性与可预测性，相应的其融资约束更小；而探索式创新以寻求新的发展机遇为目的，与既有技术存在一定差异，通过对新知识和新技术的开发，引领市场和客户的未来需求。探索式创新具有较高的风险和较长的投资回收周期，还会牵扯到更多的创新机密，信息不对称程度更高，融资约束更强。因此，探索式创新的外部融资约束更严重，更加依赖于内部资金，对现金流变化更为敏感，融资效率对探索式创新投资的催化作用也会更加突出。总而言之，利用式创新风险较小，有助于提升现有产品的竞争优势，短期内应用较多；探索式创新风险较大，但有助于企业开拓新市场和突破核心技术，有利于企业长期发展。现实中二者往往难以两全其美，因此企业需要在二者之间寻求侧重点。

（二）数字经济对双元创新的影响

基于数字经济的定义，任何一种直接或间接利用数据要素引导资源配置，推动资源发挥作用，进而促进经济增长的经济形态，都可以被列入数字经济的范畴。根据索罗模型，推动经济增长的路径是稳定的，技术进步是长期增长的来源。数据的应用作为一种新型技术进步，赋予经济增长巨大的活力，同时也为数字经济对企业创新的推动创造了可能。

大数据、云计算、区块链、人工智能等新兴技术的应用，为企业提供了便捷的信息交流平台，增强了企业的信息获取能力，使企业能够快速捕捉消费者对产品的需求，这对企业把握商机、提升研发效率具有重要作用。此外，数字经济边际成本递减且具有直接性，降低了传统中间商层次存在的必要性，从而显著降低企业成本，企业可以将更多的资源配置到新产品的研发，带来更高的创新效益。一方面，数字经济带来了新需求、新技术，并对现有企业创新体系进行改革，促进异质知识的交互与碰撞，从而促使企业寻找并运用新的创新资源开展探索式创新；另一方面，数字经济也能够更好地整合利用已有创新资源，提高企业开发式创新的绩效。基于上述分析，提出假设H1a、H1b：

假设H1a：数字经济发展能够促进企业利用式创新。

假设H1b：数字经济发展能够促进企业探索式创新。

大量的现有文献显示，数字经济既是新时代中国推动经济高质量发展的重要举措，也是一项中长期发展战略（沈宇锋和廖东声，2022；付剑茹和林彤，2023）。数字经济促进地区间创新要素的流动，提高市场竞争的激烈程度，不同地区的数字经济发展程度不同，在不同程度上提升企业的利用效率，促进当地金融业的发展，打通企业外部融资的渠道（杜敏哲和陈颖琪，2022）。企业的利用式创新所需资金更少，风险相对可控且预期回报相对稳定，也更利于管理层的绩效声誉，融资约束和代理冲突更缓和；而探索式创新运行周期更长、风险更高，回报难以预测，融资约束和代理问题更突出。因此，伴随着产品市场的高度竞争，在融资约束效应视角下，提高融资效率对探索式创新投资的价值更突出；在外部治理效应角度下，降低代理成本，促进融资效率正向效应的作用对探索式创新投资也更显著。

基于以上的分析，提出假设H2：

假设H2：相对于利用式创新，数字经济发展较快的地区对企业探索式创新的促进效果更显著。

四、研究设计

（一）模型构建

根据上述理论分析，本文设置的基准回归模型如下：

其中，i、j、t分别代表企业、地级市和年份。Innovation表示企业创新，包括利用式创新（Exploit）和探索式创新（Explore），Dedi代表中国数字经济发展水平综合指数，Control表示对企业创新有影响的控制变量的集合，Fecity表示城市的虚拟变量，Feyear表示时间的虚拟变量，ε表示随机误差项。

（二）变量选取

1.被解释变量。双元创新（Create）。选取企业双元创新作为一级指标，二级指标为利用式创新（Exploit）与探索式创新（Explore）。根据财政部发布的《企业会计准则第6号——无形资产》应用指南，企业的研发投入可以分为研究与开发两个阶段，其中，研究阶段的投入要求进行费用化处理，开发阶段的投入要求进行有条件的资本化处理。与开发阶段相比，研究阶段面临更高的风险和不确定性，更加偏向于探索式创新的支出。因此，借鉴毕晓方等（2017）的做法，以研发投入费用化水平度量探索式创新投入，以研发投入资本化水平度量利用式创新投入，并均按营业收入进行规模化处理。

2.解释变量。地级市数字经济发展水平（Dedi）：选取数字经济发展水平作为自变量，以往文献针对数字经济进行具体测度的较少，并且目前官方还未披露省级数字经济发展指数，因此本文基于数字经济的内涵，参考赵涛等（2020）的方法，从数字普惠金融和互联网发展两方面来测算样本城市的数字经济发展水平。采用北京大学数字金融研究中心和蚂蚁金服集团联合编制的市级层面的数字普惠金融指数来衡量数字普惠金融发展水平（郭峰等，2020）；参照黄群慧等（2019）的研究，采用“互联网普及率”“数字化人员基础”“互联网相关产出”“邮政业务”“数字产业应用基础”5个指标测算互联网发展水平。对以上指标数据进行同趋势化和标准化处理后，通过熵权法计算得到各样本城市各年度的数字经济发展指数。

3.控制变量。参考申明浩等（2022）的研究方法，本文选取企业层面和宏观层面的控制变量。企业层面主要有：企业规模（Size），资产负债率（Lev），资产回报率（ROA），企业性质（SOE，即是否为国有企业），企业年龄（Age），企业所得税税率（Tax），企业所处行业（Ind）。宏观层面主要有：经济发展水平（Pgdp），产业结构水平（Struc），经济开放程度（EO）。具体变量说明如表1所示。

表1 变量定义表

（三）数据来源

本文以2013—2021年A股4143家上市公司为样本，剔除特别处理（ST）公司、数据缺失较多的公司以及财务数据异常的公司，相关数据来源于国泰安数据库、各城市统计年鉴，对部分缺失数据利用线性插值进行补充。数字经济发展水平指数的数据来源于赵涛等（2020）对中国城市数字经济发展水平及演变的测度，根据年均增长率预测出2020—2021年的数据，经检验不影响回归结果。另外，为了排除极端值的影响，本文对所有连续变量在1%和99%分位数上进行缩尾处理。经过上述处理后，得到数据的个数为16393个。

五、实证分析

（一）变量的描述性统计

表2为主要变量的描述性统计，与利用式创新相比，企业探索式创新的标准差更大，说明不同企业倾向于不同的创新模式。数字经济发展水平综合指数最大值为0.911，最小值为-0.011，说明不同地区的数字经济发展水平相差较大。企业规模和产业结构水平的标准差较大，其他的控制变量也存在着不同程度的差异。

表2 描述性统计

（二）相关性分析

根据表3显示，企业的探索式创新和利用式创新呈现显著的负相关关系，验证上文分析结果。由于企业的资源有限，无法同时满足双元创新的需求，只能对其中某一创新有所侧重。数字经济发展水平指数与企业的利用式创新和探索式创新均在1%的水平下呈现显著的正相关关系，初步说明数字经济水平越高，企业的双元创新绩效水平越高。此外，企业的利用式创新、探索式创新、数字经济发展水平指数均与本文选取的大部分控制变量存在显著的相关关系，一定程度上验证了本文假设的合理性与可行性。

表3 变量的相关性分析

（三）基准回归结果及分析

基准回归结果如表4 所示。表4 列（2）是在引入行业固定效应以及年份固定效应后仅对数字经济指数进行回归的结果，结果表明，数字经济对企业探索式创新在1%的显著性水平下存在正向影响，列（4）和列（6）说明在引入企业层面和宏观层面的一系列控制变量后数字经济对探索式创新的正向影响仍然存在，且在1%的水平下显著，假设H1b得到支持。列（1）是企业利用式创新对解释变量数字经济进行回归的结果，结果并不显著，列（3）在引入企业层面的控制变量后结果仍然不显著。列（5）在列（3）的基础上引入宏观层面的控制变量进行回归，结果显示数字经济对企业利用式创新的影响在10%的水平下显著，假设H1a得到支持。

表4 基准回归结果

以上结果表明，相对于利用式创新，数字经济对探索式创新有更大的促进作用，在数字经济发展较快的地区，企业会更倾向于探索式创新，假设H2得到支持。经初步分析，本文得出以下结论。首先，数字经济发展水平的提高能够提升企业数字化技术的适用性，激发企业对新市场、新技术、新产品的追求，进而促进企业的探索式创新。其次，企业在有限资源的条件下，无法同时开展利用式创新和探索式创新，在面对激烈的市场竞争时，为保持长期优势，企业会更倾向于探索式创新。最后，数字经济提升了企业外部获取信息和内部处理信息的能力，在一定程度上降低了企业探索式创新的成本，这可能是数字经济发展较快地区的企业更倾向于探索式创新的原因。

（四）异质性分析

1.基于企业股权性质的异质性分析。本文将样本分为国有企业和非国有企业后进行异质性分析。表5的异质性分析结果表明，无论是国有企业还是非国有企业，数字经济对企业的探索式创新均为显著的正向影响，即股权性质方面数字经济对探索式创新的作用没有异质性。数字经济对国有企业的利用式创新的影响并不显著。原因可能在于，数字经济能够提高企业的积极性，企业组织高质量的技术创新研发活动以获取市场竞争优势，利用数字化的技术促进企业的探索式创新，从而削弱了利用式创新的效益。

表5 基于企业股权性质的异质性分析

2.基于企业规模的异质性分析。表6 是根据按照万得（Wind）数据库对企业规模的分类将样本分为小企业和大企业后进行异质性分析得到的结果。结果表明数字经济对小企业的利用式创新和探索式创新均有显著的正向影响，且对探索式创新的影响更大。原因可能在于，数字经济通过加快各方之间的信息交流，以实现降低小企业的外部融资成本以及内部运营成本的效果，进而减轻小企业的资源约束，使得小企业有更多的资源投入研发创新。数字经济对大企业的探索式创新也有显著的正向影响，原因可能在于，大企业的资源约束较小，且存续时间更长，能够积累更多的研发创新资源，利用这些资源进一步吸引更多创新型人才，从而提高企业的创新绩效。

表6 基于企业规模的异质性分析

3.基于企业所在行业的异质性分析。行业的竞争程度会影响企业的外部成本，本文参照申明浩等（2022）的做法，按照2012年证监会发布的《上市公司行业分类指引》将样本分为竞争性行业和管制性行业。表7 是基于企业所在行业特征的分样本回归结果，结果表明，在竞争性行业中，数字经济对企业探索式创新和利用式创新的影响都显著为正；而在管制性行业中，数字经济对企业探索式创新的影响在5%的水平下显著为正。可能的原因是数字经济降低了企业的外部成本，企业为增强短期、长期的竞争优势，在对现有产品进行升级改造的同时，也注重新产品、新市场的开发，从而增加企业的创新绩效。

表7 基于企业所在行业的异质性分析

4.基于企业所处地区的异质性分析。本文根据企业所在城市的区域，将样本企业分为“东部地区”和“中西部地区”两个子样本进行异质性分析（港澳台数据缺失，故未纳入统计），其中东部地区（含东北地区）包括北京、天津、河北、浙江、福建、山东、辽宁、吉林、黑龙江、上海、江苏、广东、海南，中西部地区包括山西、安徽、江西、河南、湖北、内蒙古、湖南、重庆、四川、贵州、广西、陕西、甘肃、宁夏、云南、西藏、青海、新疆。表8为回归结果，从中可以看出数字经济对东部地区和中西部地区探索式创新绩效都有显著的促进作用，对于经济发展较快的东部地区而言，数字经济对探索式创新的促进作用大于对利用式创新的促进作用。

表8 基于企业所处地区的异质性分析

（五）稳健性检验

1.替换企业双元创新衡量指标。为减少测量偏误带来的误差影响，保证回归结果的稳健性，本文使用企业申请发明专利数量加一的自然对数替代企业探索式创新指标，用企业实用新型专利和外观设计专利数量之和加一的自然对数替代企业利用式创新指标。替换后回归结果如表9 列（1）、列（2）所示，其与基准回归结果基本一致。

表9 替换被解释变量、调整样本期的回归结果

2.调整样本期。2015年以来，我国数字经济发展快速，本文通过缩短研究时间段，利用2016—2021年的数据再次进行回归。回归结果如表9列（3）、列（4）所示，其与基准回归结果基本一致。

3.替换解释变量。尽管已经对相关变量进行控制，但在实证分析的过程中仍然可能会存在数字经济和企业创新反向因果关系和遗漏变量的内生性问题，并且数字经济影响企业的探索式创新与利用式创新的进程中可能存在一定的时间误差，数字经济通过缓解融资约束效应，促进技术创新效应、人力资本效应，进而发挥利用式创新与探索式创新的效益，除了直接渠道的影响外，仍存在一定的间接渠道影响。因此，本文采用滞后一期的地级市数字经济发展水平指数进行再次回归，进行稳健性检验。结果显示，数字经济发展能够显著促进企业的探索式创新，与基准回归结果基本一致，表明基准回归结果是可靠的。

4.双重差分倾向得分匹配（PSM-DID）模型。尽管已经通过替换被解释变量、调整样本期等方式对基准回归模型进行稳健性分析，数字经济与企业双元创新之间的反向因果关系和遗漏变量的内生性问题仍然存在，为了进一步确保实证结果的稳健性，构建PSM-DID模型进行稳健性分析。PSM-DID模型结合了倾向得分匹配法（PSM）和双重差分法（DID），有效地解决处理组和对照组之间存在的可观测和不可观测的混杂因素。

我国数字经济政策布局可以大致分为以下几个阶段：第一个阶段为2013—2015年，在该阶段我国互联网使用具备广泛的基础；第二个阶段为2015—2017 年，针对数字经济的政策开始逐步转向信息通信技术与其他传统行业的融合应用，即推进产业数字化，一个重要的标志是《国务院关于积极推进“互联网+”行动的指导意见》的发布；第三阶段为2018年以来，针对数字经济和数据要素等在内的政策规划陆续出台，数字经济和数字中国的概念也频繁出现在每年的政府工作报告中，此外各省份也相继出台了针对具体产业的数字经济规划，数字经济政策逐步进入落地实施阶段。因此选取2018年作为政策实施前后的时间节点，构建以下模型。

其中，i、t分别代表企业和年份。Innovation表示企业双元创新水平，包括探索式创新与利用式创新，time为时间虚拟变量，2018 年之前为0，2018 年及以后为1；treated为企业虚拟变量，采用双元创新，即exploit和explore均不为0 的企业设置为1，其余为0，did为核心解释变量，即两虚拟变量的交互项，其系数为“政策效应”；Controls表示对企业创新有影响的控制变量的集合，δ表示随机扰动项。

PSM 法可以帮助解决DID 中处理组和控制组不完全具备共同趋势假设所带来的问题，在对处理组和控制组中的个体进行匹配时，需要度量个体间的距离，倾向得分匹配法不仅是一维变量，而且取值介于［0，1］之间，在度量距离时具有良好的特性。本文采用卡尺匹配的方法来确定权重，根据处理组变量与控制变量估计倾向得分，运用逻辑（Logit）回归来实现。在进行SPM-DID 估计之前，还需要进行模型有效性检验。首先，需要检验共同支撑假设，即匹配后各变量处理组和控制组是否变得平衡，如果不存在显著差异则支持使用PSM-DID方法。结果如图1所示，共同支撑假设检验结果证明，匹配后所有变量均不存在显著性差异。其次，需要进行平衡性检验，结果如图2所示，匹配后通过平衡性检验。最后，为进一步考察两组倾向得分值在匹配前后是否存在差异，使用核密度进行检验，结果如图3、图4 所示，匹配前两组间的核密度曲线偏差比较大，而匹配后核密度曲线比较接近，说明匹配效果好。

图1 共同支撑假设检验

图2 平衡性检验

图3 匹配前核密度图

图4 匹配后核密度图

基于匹配度优秀的数据，对式（2）进行基准回归与PSM-DID 模型回归，其中表10、表11的第（3）列为PSM-DID 的回归结果。结果显示，did系数符号一致为正，且与前文假设结果相符，表明实证结果稳健。

表10 探索式创新的基准回归及截面PSM-DID结果

表11 利用式创新的基准回归及截面PSM-DID结果

六、结论与启示

本文基于2013—2021 年A 股上市公司数据，从双元创新的角度研究数字经济对企业创新的影响，并结合地级市数字经济发展水平进行实证分析。研究结果表明：第一，数字经济对企业的探索式创新有显著的正向影响；在加入一系列控制变量后，利用式创新的促进效应也得到显现；第二，对于小企业来说，数字经济的发展有助于其发展双元创新；第三，在数字经济发展较快的地区，数字经济对促进企业探索式创新的作用更大；第四，分样本检验发现数字经济对探索式创新影响不存在显著的企业异质性和行业差异。本文丰富了数字经济对企业探索式创新与利用式创新的影响方面的文献，同时本文的研究结论对我国创新水平的增长也有重要的启示意义。

第一，在数字经济能够显著促进企业探索式创新的背景下，我国应大力发展数字经济。近几年我国企业数字化转型成果显著，但总体上来说，数字经济的增速有所放缓，企业在转型的过程中面临挑战。因此，企业要充分发挥数据要素的作用，政府要加快培育数据要素市场。企业掌握的数据要素越多，在市场上就越占优势。此外，核心技术是国之重器，要推动核心数字技术攻关，推动区块链、大数据、人工智能等数字技术与实体经济的融合。

第二，深入学习贯彻习近平新时代中国特色社会主义思想，关注区域发展不平衡不充分问题，全面提升全国各个区域的数字经济水平，缩小发展差距，同时也要抓住重点形成区域发展合力，把握发展机遇，突破核心技术，整体提升企业创新效率。此外，政府应适当关注企业探索式创新背后可能隐藏的风险，引导企业兼顾长短期发展，注重探索式创新和利用式创新的合理搭配，这对企业创新的可持续发展有重大意义。

第三，在金融领域，深化金融业市场化改革。企业应充分利用数字化技术提高获取和处理信息的能力，减轻企业和金融机构之间的信息不对称问题。拓宽企业的融资渠道，有效解决企业资源短缺的问题，为企业双元创新提供足够的资金和人力资源。另外，结合数字经济对企业创新的异质性影响，中小企业应该积极利用区块链、大数据等数字化技术，提高资源的配置效率，在长期中占据优势。对于大企业来说更应该充分利用数字技术争取早日实现技术突破，在激烈的市场竞争中取得长足发展。