数字创新对企业技术创新效率提升的影响研究

石金慧

（昆明理工大学管理经济学院，中国 昆明 650500）

一、问题的提出

数字经济已成为当今经济社会发展的主旋律和新引擎①， 世界主要工业化国家都将数字经济的发展上升为新的国策，在此基础上催生了一种新兴模式——数字创新。 数字创新是产业、特别是制造业产业升级的必由之路，数字技术、数字创新者、数字创新公民、数字创新文化及数字创新平台则在这个过程中起到了至关重要的作用②。 同时，技术创新效率也是制造企业高质量发展的重要途径。 发达国家如美国的“先进制造业伙伴计划”、日本的“制造业白皮书”、德国的“工业4.0”发展战略等均聚焦制造业创新发展，认为必须通过技术创新这一主要路径。 中国“十三五规划”纲要也明确指出，发展动力要转向创新驱动， 以创新驱动重构经济增长动力。作为经济重要支柱的制造业，技术创新效率的提升和发展动能的转换是中国建设经济体系的重要战略工作。 因此，企业在提高效率和促进创新上实现平衡，以获得长期的竞争优势，变得尤为重要④。 基于以上背景， 本文试图实证研究以下几个问题：数字创新与制造企业技术创新效率之间存在何种内在（或外在）关系？ 数字创新的基本要素对制造企业技术创新效率的作用是否相同或不同？ 如果不同的话有哪些不同？

现有关于制造企业数字创新及其基本要素与技术创新效率的研究主要集中在：一是数字创新及其基本要素对制造企业的影响研究。 主要探讨的是数字经济时代企业是否能够成功地进行数字化转型，进而实现业绩的提升，涉及自主创新、数字技术及人工智能等因素⑤。 二是技术创新效率对制造企业的影响研究。 这两者的研究较为成熟，从对技术创新效率的理论搭建到探究影响因素，再到对制造企业的关系探究⑥⑦，都揭示了技术创新效率不仅仅是制造企业良好效益的表现，也是促进提升的一大重要因素。 三是数字创新及其基本要素对技术创新效率的影响研究；聚焦于以数字创新的某个视角如数字、 创新角度下如何影响和提升技术创新效率上，具有代表性的是任娟、陈旭升等人基于创新视角探讨对技术创新效率的影响，结果表明数字创新相关元分析均对技术创新效率有促进作用⑧⑨。 现有研究探讨了数字创新及其基本要素、技术创新效率对制造企业的影响研究，但对三者的作用机理未进行进一步研究。 因此，数字创新及其基本要素在各领域中的理论和实践还有待进一步挖掘和应用。 本文将以2014—2020 年的制造业上市公司数据为基础，探索数字创新及其基本要素等问题。 这些研究将为制造企业如何提高技术创新效率，进一步扩大对数字创新的应用实践和发展提供一定的参考和依据。

二、研究设计

（一）研究假设

数字创新对制造企业技术创新效率的影响较为显著，具体体现在：（1）通过创新为传统制造业转型升级提供新动力；（2） 通过数字智能化替代传统生产方式，极大地增加市场价值和企业竞争力；（3）利用这些涌现出来的新业态和新模式，打造技术密集型产业， 进一步完善制造业协同创新体系⑩。 因此，提出假设H1。

H1：数字创新可以显著提升制造企业技术创新效率。

数字创新的基本要素中， 数字技术对支撑、赋能及提高数字创新绩效起关键性作用⑪， 数字创新结果的好坏会直接影响数字技术的发展和推广。 进言之，两者关系存在显著正向影响。 同样，作为数字创新的主体： 对数字创新者和数字创新公民而言，在一个数字创新环境和氛围好的企业，由于创新过程的无界性和灵活性等特点，数字创新者工作起来更能发挥个性和想象，与数字创新公民的互动性也更加紧密和强烈，参与过程更频繁，催生出如个性化定制、柔性化生产等创新模式⑫，进而促进了企业技术创新效率的提升。 鉴于数字创新与制造企业技术创新效率的正向关系，可以认为数字技术、数字创新者及数字创新公民在两者的关系中起到了促进作用。 基于上述分析，提出假设H2 和Ha、b、c。

H2：数字创新正向影响数字创新者、数字创新公民及数字技术；

H3a：数字创新者正向影响技术创新效率；

H3b:数字创新公民正向影响技术创新效率；

H3c：数字技术正向影响技术创新效率。

企业的迅猛发展得益于自身资源的价值优势，而价值创造的源泉来自数字创新平台⑬，如新型电商平台的涌现和智能化、 可视化操作平台的打造，为企业、消费者和供应商三者搭建桥梁， 真正实现价值创造互动的服务和内容的数字资源⑭。数字创新文化则发挥核心作用， 氛围的质量高低对技术创新的效率起着至关重要的作用。 它是信息技术发展在文化方面的延伸， 具有显著的数字技术特征⑮。换言之， 完善的数字创新平台构建和数字创新文化塑造能够在一定程度上促进数字创新与技术创新效率间的正相关关系， 并进一步促进用户与开发者的兴趣与热情， 从而催生出更多新技术与新产品， 也就是说数字创新平台和数字创新文化为数字创新和技术创新效率的提升提供了一个更广的舞台和发展沃土。 据此提出假设H4。

H4a:数字创新平台在数字技术的关系中起正向调节作用；

H4b：数字创新平台和数字创新文化在数字创新和技术创新效率中起正向调节作用。

（二）变量定义与度量

1.数字创新指标体系。 借鉴文献基于综合视角来对数字创新的评价指标体系进行全面准确的构建⑯，可将数字创新评价体系分为技术化、数字化、创新化等5 个一级指标。 分别凸显数字技术、数字经济、创新性和信息传播速度对于数字创新的重要程度，细化涵盖数字技术产出、数字经济规模、知识创新、电子商务营销额等14 项二级指标。 将层次分析法和熵值法相结合，并参照2020 版发布的《中国数字经济指数（DEDI）》和《中国数字经济发展白皮书》、2021 年发布的《国际科技创新中心指数》以及全球创新指数对指标赋予相应权重⑰， 具体如表1所示。

表1 数字创新指标体系构建

2.技术创新效率指标体系。 以此确定技术创新的投入和产出变量，参考相关文献的做法将研发人员和经费认作技术研发阶段资源投入的重要组成部分⑯⑱。充分考虑研发的基本要素，选取R&D 支出经费（X1）和R&D 人员全时当量（X2）作为技术研发阶段的投入变量。 专利作为技术研发活动的直接输出，是衡量创新产出的常用指标⑧，而专利授权量常常因为受到主观因素的影响故选取专利申请数（y1）作为研发阶段的产出变量。 技术转化阶段通常被看作是一个持续性的过程，技术多元化能够影响这个持续性的强度，从而产生一定的差异性和不确定性。 而整个研发产出过程又受多个复杂因素的影响， 不由某个单独的因素确定， 借鉴Manuel Bauer的做法，同时使用企业创新投入和产出数据，来对持续性投入（X3）和持续性产出（y2）做出测量⑲。

持续性投入（或持续性产出）的测度采用企业当期较上期的投入（或支出）的环比增长率乘以当期投入（或支出），表示如下：

图1 技术创新“两阶段”过程图

3.数字创新基本要素。 数字技术是数字创新中的关键因素，借鉴相关文献祁怀锦通过公司财务报告附注中披露的年末无形资产明细项中与数字化技术相关部分占无形资产总额的比例，来对企业数字技术进行衡量⑳。 数值越大，该企业的数字技术应用水平就越高。 数字创新公民作为创新过程的参与者与创新结果的检验者，通常用企业当年拥有的用户参与数字创新产品开发的人数来进行测度，以保证准确性㉑。 数字创新者一般被认为是企业的高层管理团队和数字技术研发人员⑭， 选取企业当年拥有的数字技术研发人员与高层管理团队的人员数之和作为替代变量。参考多数文献利用关键词查询,抓取企业年报或官网信息对数字创新平台系统完善度和数字创新文化质量高低进行一定的判断，以计算机操作查找为主，手工查找为辅⑮㉒。

（三）数据来源

本研究所选取的数据样本来自深沪交易所A股制造业上市公司，首先对样本进行初步的筛选剔掉同时含有A 股和B 股的公司， 只保留A 股上市公司；剔掉含有ST、ST*的公司。 其次是对数据进行搜集，主要源于国泰安数据库、东方财富网、企业官网和相关年报、《中国科技统计年鉴》《中国工业统计年鉴》等。 最后借助Stata 统计软件剔除数据中极端值及异常值的影响， 共得到991 个有效样本量。

（四）研究模型

借鉴Sims 等、 陈旭升和李云峰的研究思路㉓，构建VAR 模型。VAR1 式（3）是考察数字创新、数字创新者、数字创新公民、数字技术与技术创新效率之间的动态关系。VAR21 式（4）是考察数字创新、数字创新平台、数字创新文化与技术创新效率之间的动态关系，表示如下：

其中，Mediator 代表数字创新者、数字创新公民以及数字技术三个变量，Regulator 则代表的是数字创新平台和数字创新文化两个变量。

三、实证分析

（一）序列平稳性检验

VAR 模型是建立在平稳序列基础上的，因此需要对数据做单位根检验（ADF），看变量序列是否平稳。 为消除变量异方差的影响，对变量取自然对数，并定义新的变量lnX、lnY、lnZ1 和lnZ2 分别替代变量DI、TIF、Mediator 和Regulator。 运用Eviews10 进行检验，表2 为ADF 检验值输出值。表中可看出lnY原始数据检验不平稳， 进行一阶差分后新变量的ADF 统计量结果低于显著性水平5%下的临界值。在95%的置信水平下拒绝原假设，故四个变量lnX、DlnY、lnZ1 和lnZ2 均不存在单位根，序列平稳。

表2 ADF 单位根检验结果

（二）VAR 模型滞后阶数的选择

根据AIC 和SC 等信息准则， 选择每个变量的最优滞后期，其中* 表示最优滞后期，当* 出现次数最多时，则表明所在行数为最优滞后阶数。由表3可知当VAR1 和VAR2 的最优滞后阶数都为2 时，模型拟合度最好。

表3 VAR1 和VAR2 滞后阶数检验选择

（三）VAR 模型的参数估计

根据模型最优滞后阶数的选择数据可得到参数估计结果，VAR1 和VAR2 写成向量矩阵式形式表达为式（5）和（6）。

其中，VAR1中的数字创新指数、数字创新基本要素值和制造企业技术创新效率水平调整后的R2分别是0.948、0.879、0.893，VAR2中的数字创新指数、数字创新基本要素值和制造企业技术创新效率水平调整后的R2分别是0.949、0.895 和0.948，均大于0.85。 表明这两个模型的拟合程度都较好。

（四）模型稳定性检验

利用AR 根图形式对VAR 模型稳定性进行验证。 当AR 特征根倒数的模小于1，则表明模型是稳定的，对后续的脉冲响应分析是有效的。 由图2可知，这些点都在单位圆内，可以判定两个VAR 模型都是稳定的。

图2 VAR1 和VAR2 模型的稳定性检验

（五）协整检验分析

运用Johansen 协整检验来探究变量间长期存在着怎样的关系。 在5%的显著水平下，变量间均存在协整关系，检验结果见表4。 VAR1 的协整方程如（7）（8）：

表4 VAR1 和VAR2 协整检验结果

从式7 可看出，数字创新指数每上升1%，制造企业技术创新效率水平会提高0.0445%，验证假设H1；当数字技术、数字创新者及数字创新公民的联合变量每上升1%，制造企业技术创新效率水平会提高8.831%，验证假设H3。 式8 为数数字创新基本要素对制造企业技术创新效率的影响作用表达式，变量lnZ11、lnZ12、lnZ13分别表示数字技术、数字创新者及数字创新公民，三个变量都对技术创新效率产生正向影响，验证假设H3a、H3b、H3c。 VAR2 的协整方程如下：

由式9 表明lnY 与lnX、lnZ2具有长期正向均衡关系。 具体而言，数字创新指数每上升1%，制造企业技术创新效率水平会提高0.0387%， 再次验证假设H1。 当数字创新平台和数字创新文化联合要素每上升1%， 制造企业技术创新效率水平会提高5.7172%，验证假设H4b。式10 中lnZ21、lnZ22对制造企业技术创新效率的促进效果要大很多， 都对lnY产生正向影响，验证假设H4a。

（六）脉冲响应分析

探究数字创新及不同要素对技术创新效率的响应趋势如何，进而确定不同变量对技术创新效率的变化反应， 通过图4 (a)(b) 分别给出了VAR1 中lnX、lnZ1、lnY 的三者间脉冲响应过程。 从图4(a)可看出，lnZ1 受到lnX 的冲击之后，第1 期为负响应，从第2 期开始为正响应，反映出数字创新对数字技术、 数字创新者及数字创新公民的负性优先效应。第2—7 期数字创新对数字技术、 数字创新者及数字创新公民的冲击有明显波动，在第8 期后趋于平缓，并不断增加，表明短期内数字创新对数字技术、数字创新者及数字创新公民的影响效果不稳定，长期看来促进效果稳定，验证假设H2。

图3(b)中lnY 在受到lnZ1 的冲击后，第1 期为0 响应，说明数字技术、数字创新者及数字创新公民对制造企业技术创新效率的滞后性。 第2—14 期出现上下波动，振幅减小并趋于平缓。 第2 和3 期达到最大负向和正向效应，这可能是因为前期对数字技术引入、数字创新者培养及数字创新公民挖掘的投入过多，使得技术创新效率水平产出下降。 当前期探索有一定的成果后，就立刻促进了技术创新效率水平产出。 这是一个循环反复的“探索-应用”过程，当企业不再探索，那么原本拥有的数字技术、数字创新者及数字创新公民资源对技术创新效率的产出影响也会逐渐减弱。

图3 lnX、lnZ1、lnZ2 与lnY 的脉冲响应分析图

图3(c)(d)分别给出了VAR2 中lnX 和lnZ2 对lnY 的脉冲响应过程。图7(c)显示lnY 受到lnX 的冲击之后，第1 期就产生了强烈的影响作用，反映了数字创新对制造企业技术创新效率水平提升的时效性强，而第2—6 期出现反复的波动变化，震荡不断减弱但趋于正向稳定，表明数字创新对制造企业技术创新效率有一定的正向驱动效应。 但由于受到新时代下“技术”和“创新”的不断变革影响，当企业引入新的技术和做出一定创新后，这些技术和创新会随着时代的变化而对企业技术创新效率的影响程度有所下降。

图3(d)可看出lnY 受到lnZ2 的冲击后，第1 期为0 响应；从第2 期开始产生负响应，反映出数字创新平台和数字创新文化对制造企业技术创新效率水平提升的滞后性。 从第2 期开始出现上下波动，但均处于负响应。 只有当期数足够大时，冲击会逐渐向正响应转变，故将lnY 对lnZ2 的冲击期数调整到50，可明显看出逐渐上升的趋势。 这可能是因为制造企业在进行转型升级和数字化探索过程中，整个数字创新平台的搭建和数字创新文化的氛围塑造在前期是较难的，特别是对于现阶段整个行业的数字创新体系还未成熟和完善的情况下更是如此。 但总体来看，良好的数字创新平台和文化塑造能够带给企业长期的潜在利益，在期数足够大的情况下整体呈现一个倒U 型关系。

（七）预测误差与方差分解

方差分解可在一定程度上确定VAR 内生变化的贡献度， 由于滞后性和时效性等不确定因素，故选定期数为50 期， 长期的分析预测对结果有更全面的解释性。 由表5 可知，VAR1 方差分解表明，企业技术创新效率受到自身扰动影响在逐渐减少。 数字创新及其基本要素数字技术、数字创新者和数字创新公民的贡献度一直在稳定增加，总体来看数字创新对技术创新效率的影响作用大于其基本要素对技术创新效率的贡献度， 两者差距在50 期时达到了17.23%。 这也就再次解释假设H2 和H3，认为数字创新基本要素中的数字技术、数字创新者及数字创新公民在数字创新对技术创新效率的促进影响过程中起到了很好的驱动作用。

表5 制造企业技术创新效率方差分解

在VAR2 中，数字创新平台和数字创新文化对制造企业技术创新效率的贡献度逐渐增大，也正是由于整个企业数字化平台和文化的良好氛围，使得同期数字创新的解释率由2.03%增加到10.04%，得到很大增加。 由于企业前期数字创新平台搭建和数字创新文化氛围塑造需要一定的时间和资金，故对制造企业技术创新效率的贡献度一直低于整体的数字创新指数。 但从第15 期开始，贡献度超过1 并不断上升，与数字创新贡献相比，两者的贡献差距在不断增大，在第50 期达到7.79%。整体来看，数字创新和基本要素数字创新平台、数字创新文化对制造企业技术创新效率有长期明显的促进作用，数字创新平台和数字创新文化的加入使得数字创新对制造企业技术创新效率的贡献度极大增强。

四、研究结论与建议

（一）结论

本文通过对数字创新及其基本要素与制造企业技术创新效率间相互关系的假设验证，得到以下结论：

1.数字创新有利于制造企业技术创新效率的提升。 研究发现数字创新促进制造企业技术创新效率水平的提升。 数字创新平台和数字创新文化对数字创新促进制造企业技术创新效率水平的过程具有一定正向影响，但前期影响偏低。

2.数字创新及其基本要素对制造企业技术创新效率的“两阶段”过程均起显著促进作用。 协整检验表明，数字创新及其基本要素对技术创新效率水平的影响程度不同，其中数字创新平台和数字创新者的影响较小，数字技术的影响最大。 具体来说，技术创新“两阶段”中数字技术的促进效益最明显，数字创新平台和数字创新文化的促进作用则主要集中在第二阶段上。

3.数字创新及其基本要素对制造企业技术创新效率的响应趋势不同。 脉冲响应分析进一步明确了变量间的响应趋势，发现数字创新基本要素对制造企业技术创新效率的影响均具有滞后效应，而数字技术、数字创新者和数字创新公民对制造企业技术创新效率呈现正负效应交替的影响；数字创新平台和数字创新文化则呈现负向的上下波动影响。 不同因素间的作用规律不同，数字创新文化的影响作用稍大于数字创新平台的影响作用。

4.数字创新及其基本要素对制造企业技术创新效率水平发展的贡献度具有明显的差异。 通过方差分解结果可知，长期看数字创新及其基本要素对制造企业技术创新效率的发展都有正向影响。 但在数字创新对提升制造企业技术创新效率过程中，数字技术、数字创新者及数字创新公民的促进作用比数字创新平台和数字创新文化的调节作用影响更大。

（二）建议：

1.在技术创新过程中，应把关键点放在掌握核心技术上。 通过数字技术带动数字创新及其他数字创新基本要素的进一步发展， 构建起协同创新体系。 让提升企业技术创新效率的两条路径在体系内得以增强和循环，以实现制造企业经济效益的扩大和制造业产业结构优化。

2.调整前期投入，夯实创新要素基础。数字创新及其基本要素在促进制造企业技术创新效率发展方面呈现出协同效应。 企业应通过增加对数字创新平台和数字创新文化的投入形成强大的数字基础支撑， 以应对数字金融的快速发展导致的信息泄露、数字鸿沟等意外风险的发生。 通过形成合理的数字化布局构建知识体系， 减少由于技术短板、创新瓶颈等带来的贸易制裁风险。 同时现阶段用户对企业的集体数据获取渠道有限， 导致参与情况受限。 因此，企业应积极探索挖掘用户的方法和技巧，通过数字创新平台给用户提供更多信息，引导参与企业数字创新的举动和行为， 大力挖掘用户价值，从而推动企业在新一代创新浪潮中的变革。

3.大力融入市场，强化内外部资源整合。拥有数字技术优势能够通过完善数字创新平台来促进企业技术创新效率产出， 企业应积极融入市场变化，将触角伸到全球视角上，以市场开发来带动企业间的技术合作，将不同地区、不同国家的创新资源、技术资源和数字信息资源进行集成整合，进而带动自身效益的持续产出。