数字经济、人力资本流动与企业自主创新

摘 要：本文选取2011—2014 年全国创新调查企业数据，基于人力资本流动视角，考察了数字经济对制造业企业自主创新的影响。研究发现，数字经济发展能够有效推动企业自主创新。其中，数字经济通过引发人力资本流动，提升了硕士及以上学历员工、技术员工在企业内部的占比，是推动企业自主创新的重要途径，但这种机制可能会强化中国“西低东高”的区域创新格局，并进一步拉大制造业内部创新差距，形成以“熊彼特效应”占优为主导的产业结构。此外，数字经济发展对企业自主创新的影响在处于不同市场化水平和政务化水平的分位区间内表现出显著差异性。

关键词：数字经济；技术创新；制造业；创新差距

DOI：10.19313/j.cnki.cn10-1223/f.20240906.003

一、引 言

大数据、人工智能、云计算等数字技术与实体经济深度融合，为经济高质量发展注入新动能的同时，也为传统产业数字化变革提供新的契机。中国信息通信研究院发布的《数字经济发展报告（2022）》显示，2021 年中国数字经济规模达到45.5 万亿元，名义增长16.2%，对国民经济增长的贡献率超过39.8%。数字经济地位愈发稳固、支撑作用更加明显，俨然成为推动经济高质量发展的新引擎。制造业作为经济高质量发展的重要压舱石，对国内经济健康有序发展、社会就业大局稳定起到支撑作用（焦勇，2020）。然而，与欧美日等世界制造强国相比，中国制造业自主创新能力较弱，受工艺、技术标准和知识产权保护等制约，制造业关键领域、核心材料对外技术依存度较高，成为产业发展的“卡脖子”瓶颈。数字经济的核心是数字技术，数实融合的动力来源是数字技术的广泛应用（史宇鹏和曹爱家，2023）。由此引出，那么发展数字经济赋能制造企业自主创新能力提升，进而推动制造业高质量发展？

目前，互联网等信息技术应用对创新活动的积极影响已被众多研究所证实。互联网形成的网络连接效应能够降低企业信息搜寻和复制成本，消除信息传递障碍，给知识创造和整合带来了新机遇（Lyytinen et al.，2016）。数字经济是互联网与信息化的高级产物，较少有研究直接探讨其对制造业自主创新的影响。与本文密切相关的文献有三支：第一支文献就数字经济的概念和内涵进行广泛讨论。Tapscott（1996）在《数字经济：网络智能时代的机遇和挑战》一书中提出“数字经济”一词，并将其描述为一个广泛运用信息和通信技术（Information and Communications Technology，ICT）的新型经济形态。Bukht and Heeks（2018）认为除ICT 应用外，数字经济的范围还应包括数字服务、平台经济带来的新商业模式以及一切基于数字技术的广义经济活动。Bart van Ark（2016）提出“新数字经济”概念，即除ICT 之外的移动技术、互联网接入以及云端存储、分析和开发应用，并发现“新数字经济”时代，生产部门仍存在“生产率悖论”。国内部分学者将数字经济范围划分为“数字产业化”和“产业数字化”两部分（王开科等，2020；蔡跃洲和牛新星，2021），并测算了省际数字经济增加值规模，发现中国数字经济规模整体呈上升趋势，但存在显著的地区差异，东部和中部地区的数字经济规模两极分化最为明显（蔡跃洲和牛新星，2021）。

第二支文献重点考察数字经济的创新效应。宏观层面，基于“数字鸿沟”视角尚未取得一致结论，韩璐等（2021）认为数字经济会拉大城市间创新差距，创新水平越高的城市，数字经济的创新赋能作用越强。金环和于立宏（2021）却发现，数字经济发展对城市创新具有空间溢出效应，不仅能够促进本地城市创新水平提升，对相邻城市创新水平也会产生正向溢出影响，有利于缩小城市间创新差距、实现区域创新收敛。微观层面，基于技术应用视角，数字经济发展改变了传统金融生态，降低市场信息不对称，能够有效解决企业融资难、融资贵问题，为企业研发创新提供充足的资金保障（唐松等，2020）。基于企业内外部资源视角，数字经济通过提高人力资本等内部资源和扩展企业知识网络等外部资源驱动企业创新能力提升（李健等，2022）。基于供需双侧视角，数字经济通过缓解企业融资约束、促进产学研合作和提高专利回报率三条路径推动企业突破性创新，但对渐进性创新的影响不显著（胡山和余泳泽，2022），进一步拓展了数字经济对企业创新模式选择的影响的研究。

第三支文献针对中国情境下企业创新行为进行研究。对于创新水平的度量，目前多数研究采用专利申请或授权量、R&D 经费支出、新产品产值或销售收入作为代理变量（Mukherjee et al.，2017；孙文浩和张杰，2020），部分研究采用知识宽带法、专利引用次数等指标刻画企业创新质量（Dangand Motohashi，2015；诸竹君等，2024）。梳理上述研究发现，关于数字经济创新效应的研究主要集中在宏观层面，基于微观视角考察数字经济发展对企业自主创新的影响的研究仍不多见。由于缺少更加精细化的企业创新投入或产出指标，想要准确识别企业自主创新较为困难。此外，在考察数字经济赋能企业创新的机制研究中，多数研究主要关注人力资本存量的作用，忽略了数字经济发展引发的人力资本流动对企业创新的差异化影响。

区别于上述文献，本文选取2011—2014 年全国创新调查企业数据，实证检验数字经济发展对制造业企业自主创新的影响及其机制。本文可能的边际贡献在于：（1）拓展了数字经济创新效应的研究。现有文献主要从宏观层面讨论数字经济对区域创新产出的影响（韩璐等，2021；金环和于立宏，2021），本文结合全国创新调查企业数据库，将企业自主创新从全部创新活动中剥离出来，弥补了数字经济在微观创新领域的研究的不足；（2）深化数字经济创新效应的理论机制。本文首次基于人力资本流动性视角检验数字经济发展对制造业企业自主创新的作用机制，视角有一定创新性，为政府制定数字经济政策引导高级劳动力要素流动、推动制造业高质量发展提供针对性的政策建议；（3）丰富了数字经济、人力资本与企业自主创新的关系的研究内容。本文研究发现，数字经济发展会进一步强化中国“西低东高”的区域创新格局，同时拉大制造业内部创新差距，形成以“熊彼特效应”占优为主导的产业结构。此外，在高市场化-高政务化的地区，数字经济发展有利于促进企业自主创新；在低市场化-低政务化的地区，数字经济发展不利于促进企业自主创新。本文为协调政府干预理论与自由市场理论之争提供了经验证据。

二、理论分析与研究假说

（一）数字经济发展与企业自主创新

数字经济在推动企业技术变革、促进自主创新方面发挥着重要作用。第一，数字经济发展有利于降低企业成本，缓解融资约束，为企业自主创新提供充足的资金保障。与其他投融资活动不同，创新活动具有高成本、长周期、投资不可逆等特点（Holmstrom，1989），从而导致企业在创新决策时面临较高的风险和不确定性。数字经济发展改变了传统的投融资方式，通过提高融资匹配效率，改善信贷市场资源错配，为企业创新型融资提供技术支持（唐松等，2020）。除降低融资约束外，企业通过大数据和云计算等数字技术在虚拟空间中实现对现实物质世界的创新模拟，以“虚拟试错”代替“现实试错”，降低创新试错成本，减少了创新收益的不确定性（戚聿东和肖旭，2020），激励企业开展风险更高、突破性更大的前沿领域自主创新活动。

第二，数字经济发展通过加快创新要素整合，促进企业自主创新。一方面，数字经济通过跨时空信息传播与知识共享，有助于提升企业创新网络的连接效应，扩大创新资源获取范围，缩短企业技术认知距离（戚聿东和肖旭，2020）。借助互联网和云服务等数字平台，企业能够以近乎零成本优势获取多元化的外部信息，有助于加快知识和技术溢出，提高前沿技术攻关效率。例如，小米、海尔等知名企业依托数字平台，征求用户创意，鼓励用户直接在平台上参与产品和服务的个性化定制，真正实现万众创新。另一方面，数字经济发展驱动的组织变革和商业模式创新，使企业组织形式由科层制向网格制转变，扁平化的网络组织形式增强了企业柔性，深化企业内部在供给侧的资源获取和需求侧的信息共享，有利于形成共享开放的创新价值观念，加强内部创新资源整合（谢康等，2020），而创新正是源于对现存碎片知识的重新结合（Arthur，2007）。

第三，数字经济是以数据作为关键生产要素，其表现出的网络化、智能化等特征对企业自主创新也会产生重要影响。有研究发现，当数据与生产资料分离时，单纯的数据只是以比特形式存在的可能生产要素，要成为现实生产要素，数据必须与劳动、资本等传统资料相结合（谢康等，2020）。数据作为一种新的生产要素，打破了固有的生产方式，其表现出的乘数效应有助于提升要素配置效率，促进企业自主创新。事实上，任何新要素的出现都会打破常规要素在生产函数中所占的份额，同时伴随着生产率水平提升（Solow，1987）。在数字经济推动下，大数据成为现实生产要素，有利于激发企业自主创新潜力。基于上述分析，本文提出如下研究假说：

H1：数字经济发展能够促进企业自主创新。

（二）人力资本流动的中介机制

数字经济发展能够引发人力资本流动，对企业自主创新表现出显著差异性。首先，数字经济发展能够在地区和行业层面同时引发人力资本流动。从地区层面看，经济发展水平越高的地区数字经济发展也越快，数字经济与实体经济的融合催生出如智能制造、个性化定制等新产业、新业态与新商业模式，这些新兴产业凭借较强的利润创造能力吸引大量人力资本集聚（李宗显和杨千帆，2021）。相反，欠发达地区受制于经济发展水平及网络设施条件，容易造成创新储备人才流失，难以集聚高技能人才。从产业层面看，产业数字化程度越高，越能够吸引高技能劳动者集聚，当信息技术投资与熟练劳动力的使用相结合时，这一互补性投资组合能够产生超额生产率增长（Brynjolfsson andHitt，2003）。反之，当劳动力的知识和技能与产业数字化需求不匹配时，数字经济发展可能会挤出低技能劳动力，导致信息技术投资对中低端劳动力产生替代效应（Acemoglu and Restrepo，2018），进而扭曲劳动要素价格，阻碍资源配置效率提升。其次，人力资本水平提升有助于促进企业自主创新。数字化培训、网络化学习加快了知识获取、传递和吸收的速度，劳动者能够以更加低廉的成本获得无限丰富的学习资源，有利于提升人力资本（Chen et al.，2010）。而人是创新的主体，创新驱动的本质是企业内部人力资本进行知识学习和创造的过程（方晓晖等，2023）。更高水平的人力资本会加快企业对前沿技术成果的吸收和转化，人力资本水平落后则会导致企业创新面临较大的基础知识与共性技术缺口，创新激励也会受阻（金环和于立宏，2021）。此外，人力资本外部性理论认为，人力资本集聚存在正外部性，尤其是高级劳动力要素集聚，其正外部性更加突出（Che and Zhang，2018）。人才集聚程度高的地区或行业能够增强科技人才间的交流与合作，共享知识溢出成果，加快对碎片知识的整合与利用，有利于促进企业自主创新。图1 展示了数字经济发展在地区和行业层面引发的人力资本流动对企业自主创新的影响。据此，本文提出如下研究假说：

H2a：数字经济发展通过引发高级劳动力要素流动，促进企业自主创新。

H2b：数字经济引发的高级劳动力要素流动对企业自主创新的影响，在地区和行业层面存在“数字鸿沟”。

（一）模型设定

为检验数字经济发展对企业自主创新的影响，本文构建如下基准回归模型：

Yict= α0+α1scorect+ X'ictη+ Z'itθ+ λi+ μt+ εict（1）

其中，Y表示企业自主创新；score表示城市数字经济发展水平；X和Z分别代表城市和企业层面控制变量集合；下标i、c和t分别代表企业、城市和年份；λi和μt分别表示个体固定效应与时间固定效应；εict表示随机扰动项。该模型设定一定程度上能够弱化反向因果带来的内生性问题，原因是城市数字经济发展能够直接影响该城市内部单个企业的创新行为，但企业创新行为难以直接影响宏观数字经济发展。

（二）变量选取

1. 被解释变量：企业自主创新。借鉴张杰等（2020）的方法，使用两种方式度量企业自主创新，一种是用企业当年人均科技活动经费支出（percapitard）来表示，即采用企业当年科技活动经费支出除以企业当年科技活动人员数。其中，企业当年的科技活动经费支出=当年企业内部用于科技活动的经费支出+委托外单位开展科技活动的经费支出。按照国家统计局的相关规定，企业当年的科技活动经费支出中不包括技术引进经费支出。

另一种是用企业当年人均私人性质的科技活动经费支出（percaprivaterd）表示，即采用企业当年私人性质的科技活动经费支出除以企业当年科技活动人员数。其中，企业私人性质的科技活动经费支出=企业当年科技活动经费支出-来自政府部门的科技活动资金。在国内，政府部门通常会采用财政补贴和税收优惠等方式鼓励本土企业开展研发创新活动。在剔除政府补贴、资助等产业扶持政策的影响后，企业私人性质的科技活动经费支出能更大程度上代表企业自主创新。上述各项精细化研发投入及研发人员指标均来源于全国创新调查企业数据库。

2. 核心变量：数字经济发展水平。参考赵涛等（2020）的指标选取思路，选择信息技术服务（采用信息传输、计算机服务和软件就业人员占比度量）、互联网相关产出（采用人均电信业务量度量）、网络基础设施建设情况（采用每百人移动电话数、每百人互联网宽带接入用户数度量）、数字金融（采用城市层面数字普惠金融指数度量）四个维度构建数字经济发展的综合指标，并采用熵值法赋权得到城市数字经济发展水平综合指数（score）。

3. 中介变量：包括高学历劳动力和高技能劳动力两类。其中，高学历劳动力从两方面衡量：一是本科学历劳动力（企业本科人数占总员工人数的比例，bachelor）；二是研究生学历劳动力（企业硕士及以上人数占总员工人数的比例，master）。高技能劳动力采用企业拥有的高、中级技术职称人员占总员工人数的比重（Technician）表示。

4. 控制变量。参照张杰等（2020）、李健等（2022）的方法，本文分别从城市和企业两个层面选取控制变量。其中，企业层面的控制变量包括固定资产规模（企业当年形成用于科技活动的固定资产取自然对数，fixasset）、企业成立年限（企业观测年份减去成立日期加1，age）、行业竞争程度（按照二位码行业中各企业科技活动人员数量计算的赫芬达尔-赫希曼指数，HHI）、企业出口（企业新产品出口额与新产品销售收入的比值，export）、国有企业虚拟变量（以细化到三位码的企业登记注册类型作为识别条件，将代码为110、141 和151 界定为国有企业，反之为非国有企业，soe）；城市层面的控制变量包括经济发展水平（经价格指数平减的人均实际GDP 取自然对数，rgdp）、政府干预程度（地方一般公共预算支出与GDP 之比，budget）、金融发展水平（城市年末金融机构各项存贷款余额合计与GDP 之比，finance）、产业结构升级（第二产业增加值与GDP之比，structure）、人口密度（城市总人口与城市行政区划面积之比，density）。最后，为消除极端值或异常值干扰，对所有连续变量进行上下1%缩尾处理。表1 为主要变量的描述性统计。

（三）数据来源

本文以中国规模以上制造业企业为研究对象，数据来源于国家统计局公布的2011—2014 年全国创新调查企业数据库，该数据库详细提供了规模以上工业企业的科技创新活动指标，包括企业从事科技活动的人员数、企业拥有的本硕博及高中级技术职称人员数、专利申请数、发明专利申请数、新产品产值、新产品销售收入等详细信息，是目前国内研究微观企业创新活动最全面的数据库之一（孙文浩和张杰，2020）。选取数据库中的制造业企业（行业代码为13-43）作为研究对象，并将其与地级市数据匹配。宏观层面的数据来源于2012—2015 年《中国城市统计年鉴》、2011—2014 年北京大学数字金融研究中心和蚂蚁金服集团共同编制的“数字普惠金融指数”。需要说明的是，城市数字普惠金融指数起始年份为2011 年，因此，本文选择2011 年作为样本起始年份。另外，2014年是目前能够获取到全国创新调查企业数据库中数据的最新年份。

四、实证结果分析

（一）基准结果分析

表2 汇报了基准回归检验结果。第（1）和（2）列分别采用企业当年人均科技活动经费支出与人均私人性质的科技活动经费支出作为被解释变量。在控制个体固定效应、企业和城市特征之后，核心解释变量（score）的估计系数均在1%水平上显著为正，表明城市数字经济发展显著促进企业自主创新。第（3）和（4）列进一步加入时间固定效应，用于控制未被观察到的外部宏观因素冲击。结果显示，核心解释变量（score）的系数明显下降，但仍至少在10%水平上显著促进企业自主创新。就经济显著性而言，以表2 第（4）列为例，城市数字经济发展水平每增加一个标准差，将使企业人均私人性质的科技活动经费支出增长约0.32 个百分点（0.2394×0.07/5.22）。因此，假说H1得到验证，即数字经济发展能够促进制造业企业自主创新。

（二）稳健性分析

1. 工具变量检验。虽然基准回归通过加入固定效应与控制变量的方式缓解内生性，但仍可能存在未观测到的遗漏变量对回归结果造成干扰。本文选择寻找历史工具变量，并利用2SLS 估计进行稳健性检验。借鉴黄群慧等（2019）的做法，选择1984 年各城市每百万人邮局数量作为城市数字经济发展的工具变量。一方面，在互联网出现之前，人们信息沟通的方式主要是通过邮局系统接入，邮局数量较多的地区，网络基础设施也较发达，这为当地数字经济发展奠定了网络基础，满足工具变量相关性；另一方面，1984 年各城市邮局数量是典型的历史数据，很难直接影响现代企业自主创新活动，满足工具变量外生性。鉴于1984 年各城市每百万人邮局数量只随地区变化，如果直接加入到回归方程中，将会被个体固定效应所吸收，从而造成不可识别的问题。为此，借鉴Nunnand Qian（2014）的思路，利用1984 年各城市每百万人邮局数量与上一年信息传输、计算机服务与软件行业从业人员占全社会年末从业人员比重的交互项构造工具变量。表3 回归结果显示，第一阶段工具变量（iv）回归系数在1%水平上显著为正，表明历史上邮局布局越密集的地区，如今数字经济发展水平也越高。第二阶段核心解释变量（score）的系数均在5%水平上显著为正，表明城市数字经济发展能够显著促进该城市内部企业人均科技活动经费支出与人均私人性质的科技活动经费支出增加。

2. 更换城市数字经济的测算方法。基准回归选择熵值法对数字经济各项分指标进行赋权，参照赵涛等（2020）的做法，本文选择主成分分析法对各项分指标赋权，重新测算城市数字经济发展水平（index）。表4 第（1）和（2）列结果显示，核心解释变量（index）回归系数均为正，且对企业人均科技活动经费支出的影响在10%水平上显著，表明数字经济发展一定程度上仍正向促进企业自主创新。

3. 替换被解释变量。基准回归中企业自主创新指标基于研发投入视角测算，参照李春涛等（2024）的做法，基于创新产出视角，采用企业发明专利申请量（企业当年申请的发明专利数量加1 取自然对数，inventpat）作为新的被解释变量。表4 第（3）列结果显示，数字经济发展在10%水平上显著促进企业发明专利申请量的增加。企业创新活动可能存在时间滞后性，第（4）列考虑将发明专利申请滞后两期作为被解释变量，结果显示，核心解释变量（score）的系数在1%水平上显著为正，本文的回归结果较为稳健。

4. 调整标准误聚类层级。在利用计量回归模型进行因果识别的过程中，核心解释变量的回归系数及显著性水平往往会受到标准误聚类层级的影响。为保证研究结论的稳健性，表4 第（5）和（6）列将标准误聚类到城市层面，结果显示，核心解释变量（score）的系数仍至少在10%水平上显著为正。

5. 剔除其他相关因素干扰。除数字经济影响外，样本期间内出现的其他政策可能也会影响企业自主创新。基于地区层面，本文剔除城市层面实施的两类相关政策：一是国家创新型城市试点政策①；二是国家下一代互联网示范城市试点政策②。基于行业层面，政府对数字产业化或产业数字化等政策支持可能也会影响企业自主创新，为有效剔除行业层面实施的数字产业政策，本文进一步控制行业随时间变化的固定效应。表5 回归结果显示，在剔除其他行业政策或地区政策干扰后，核心解释变量（score）的系数均显著为正，数字经济发展促进企业自主创新水平提升这一结论较为可靠。

（三）机制分析

为检验人力资本流动机制，即数字经济发展能够吸引更多高级劳动力要素流入，进而促进企业自主创新水平提升，本文直接考察城市数字经济发展对企业内部高学历员工占比及技术人员占比的影响。表6 第（1）和（3）列回归结果显示，数字经济发展未能引发本科学历的劳动力流入，但引发了更多研究生学历的劳动力流入，该城市内部硕士及以上学历员工占比显著提高7.8 个百分点。第（2）和（4）列回归结果显示，增加的高学历人才主要流向技术岗位，且数字经济发展引发更多高技能劳动力流入。第（5）和（6）列进一步进行中介效应分析，结果显示，高技能员工占比与企业人均科技活动经费支出、人均私人性质的科技活动经费支出均呈显著正相关，这说明数字经济发展引发的高级劳动力要素流入能够产生人力资本集聚效应，进而促进企业自主创新。因此，假说H2a得到验证，即数字经济发展通过引发高级劳动力要素流动，促进企业自主创新。

五、进一步分析

理论分析认为，数字经济发展能够在地区和行业层面引发人力资本流动，进而对企业自主创新的影响呈现出显著差异。上述机制分析只验证了数字经济发展能够引发人力资本流动，但流向何处却不得而知。本节进一步分析数字经济引发人力资本流动对企业自主创新的影响在不同层面的差异化表现。

（一）区位异质性

中国地区间数字经济发展水平差距悬殊，东部地区数字经济发展水平远高于中、西部地区和全国平均水平（王军等，2021）。为考察区位异质性，本文将样本城市划分为东部、中部及西部三个地区，表7 中分组回归结果显示，数字经济发展显著促进了东部地区企业人均科技活动经费支出及人均私人性质科技活动经费支出的增加，但却降低了中部地区企业人均科技活动经费支出及人均私人性质科技活动经费支出，对西部地区企业人均科技活动经费支出及人均私人性质科技活动经费支出的影响为负且不显著。从人力资本流动性视角解释，与中部和西部地区相比，东部地区数字经济发展水平较高，数字经济的高渗透性、高融合性特征，催生出众多具有较高技术水平的新兴智能产业，这些新兴产业凭借较强的成长能力和利润创造能力，吸引大量人力资本集聚，进而表现为数字经济发展显著促进东部地区企业自主创新水平提升。另一方面，数字经济在吸引东部地区人力资本集聚的同时，对中、西部地区高级劳动力要素产生较为明显的“虹吸效应”。尤其是与西部地区相比，中部地区高级劳动力要素流失更严重，当中部地区数字经济发展水平与高级劳动力要素供给不匹配时，就会产生较大的基础知识与共性技术缺口，企业自主创新激励也会受阻，进而表现为数字经济发展对中部地区企业自主创新的抑制作用要显著高于西部地区。

为验证上述理论预期，表8 分地区讨论数字经济发展引发人力资本流动机制是否是造成中国“西低东高”区域创新格局的重要原因之一。第（1）和（2）列回归结果显示，东部地区数字经济发展能够吸引更多高技能劳动力集聚。第（3）和（4）列回归结果显示，中部地区数字经济发展未能吸引更多高技能劳动力集聚。第（5）和（6）列回归结果显示，西部地区数字经济发展同样未能吸引更多高技能劳动力集聚。因此，本文发现数字经济发展通过吸引更多高级劳动力要素流向东部地区，并对中、西部地区产生明显的“虹吸效应”，进而拉大地区间创新差距，形成中国“西低东高”的区域创新格局。

（二）行业异质性

在同一城市内部，对于初始创新禀赋不同的企业，数字经济发展对企业自主创新的影响是否存在显著差异，现有文献研究不足。对此，本文构造同一城市制造业内部企业创新差距指标：

innovagapchit=leadinnovationcht-otherinnovationchit/leadinnovationcht（2）

其中，下标c、ℎ、i、t分别代表城市、行业、企业和年份；innovagapchit表示同行业企业间创新差距，leadinnovationcht和otherinnovationchit分别表示c城市内行业ℎ中在第t年企业私人性质的科技活动经费支出最多的企业以及其他企业私人性质的科技活动经费支出额。

本文按照企业创新差距innovagapchit中位数，将低于中位数的样本设定为“NN”型行业，其特征是该行业内部多数企业与技术领先型企业创新差距较小，由于不存在绝对占优的创新能力，每个企业都具有通过创新来“逃离竞争”的动力激励，进而表现为行业内部竞争较为激烈，Aghion etal.（2005）认为这类行业内部存在“逃离竞争效应”。相反，将高于中位数的样本设定为“LL”型行业，其特征是该行业内部多数企业与行业技术领先型企业创新差距较大，通过自主创新赶超技术领先型企业的概率较小，导致多数企业缺乏创新激励，进而表现为整个行业内部创新意愿较弱，Aghion et al.（2005）认为这种行业内部存在“熊彼特效应”。

表9 第（1）至（4）列回归结果显示，数字经济发展显著促进了NN 型行业人均科技活动经费支出及人均私人性质科技活动经费支出的增加，对LL 型行业人均科技活动经费支出及人均私人性质科技活动经费支出的影响不显著。上述结果表明，数字经济发展可能会缩小竞争程度较大行业的企业创新差距，但会进一步拉大竞争程度较小行业的企业创新差距。这意味着数字经济发展将会在LL 型行业产生强者愈强、弱者愈弱的“马太效应”，按照Aghion et al.（2005）的观点，LL 型行业将会形成以“熊彼特效应”占优策略为主导的产业结构，长期来看，这种产业结构不利于制造业创新发展。

那么，LL 型行业创新差距进一步拉大，是否与数字经济发展引发的人力资本流动有关联？为解答这一疑问，本文仍选择分行业进行机制检验。表10 第（1）和（2）列回归结果显示，NN 型行业数字经济发展并未吸引更多高技能劳动力集聚。第（3）和（4）列回归结果显示，LL 型行业数字经济发展吸引了更多高技能劳动力集聚，从而进一步拉大LL 型行业内部企业间创新差距，形成以“熊彼特效应”占优策略为主导的产业结构。综上，假说H2b 得到验证，即数字经济发展引发高级劳动力要素集聚对企业自主创新的影响，在地区和行业层面均产生“数字鸿沟”而非普惠性的“数字红利”。

（三）不同分位区间异质性

经济发展是一个产业、技术、基础设施和制度结构不断变迁的过程，在这个过程中需要依托有效的市场和有为的政府去解决外部性问题（林毅夫，2017）。那么，在有效市场与有为政府的不同分位区间，数字经济发展对企业自主创新的影响是否会产生差异，目前鲜有研究进行探讨。

对于有效市场的度量，学界一致采用王小鲁等（2017）测算的中国分省份市场化指数作为代理变量。对于有为政府的测度，却未能形成统一。数字经济时代，政府利用数字技术更能发挥有为政府“扶持之手”作用，结合数字政府的内涵，本文采用电子政务指数作为代理指标，数据来源于《联合国电子政务调查报告》。在此基础上，用各省份互联网宽带接入用户数占全国互联网用户的比重作为权重乘以该指数，得到每个省份的电子政务发展水平。该指标由在线服务、电信基础设施以及人力资本三个分维度指标综合构成，分别代表政府与公民之间的信息共享、政府与公民之间的磋商以及公民参与决策过程，已成为全球电子政务领域最权威的指数报告。根据市场化指数与电子政务指数的中位数，本文将样本分为高市场化-高政务化地区、高市场化-低政务化地区、低市场化-高政务化地区及低市场化-低政务化地区四个区间组合。表11 和表12 报告了不同地区的检验结果。

表11 第（1）和（2）列回归结果显示，数字经济发展在10%水平上显著促进了高市场化-高政务化地区的企业人均科技活动经费支出与人均私人性质科技活动经费支出增加，推动企业自主创新。第（3）和（4）列回归结果显示，数字经济发展在5%水平上显著降低了低市场化-低政务化地区企业人均科技活动经费支出，对人均私人性质科技活动经费支出的影响也显示为负。表12 第（1）和（2）列回归结果显示，数字经济发展对低市场化-高政务化地区企业人均科技活动经费支出及人均私人性质科技活动经费支出的影响虽为正但均不显著。第（3）和（4）列回归结果显示，数字经济发展在10%水平上显著促进了高市场化-低政务化地区企业人均科技活动经费支出的增加，对人均私人性质科技活动经费支出的影响不显著。上述回归结果表明，数字经济时代，有效市场和有为政府在实践中可以共同发挥作用，且任何有效市场或有为政府不完善的地区，都有可能导致数字经济赋能企业自主创新的效果“失灵”。

六、研究结论与启示

（一）研究结论

2022 年，国务院出台的“十四五”数字经济发展规划明确提出，要“协同推进数字产业化和产业数字化，赋能传统产业转型升级，培育新产业新业态新模式，不断做强做优做大我国数字经济”。发展数字经济是保证经济长效增长的新引擎，是推动制造业高质量发展的加速器。本文基于人力资本流动性视角，利用中国独特的微观企业创新调查数据，从理论和实证两个方面探讨了数字经济发展对制造业企业自主创新的影响，主要得出如下结论：

第一，数字经济发展显著促进企业人均科技活动经费支出及人均私人性质科技活动经费支出的增加，推动企业自主创新。在替换解释变量与被解释变量、剔除其他因素干扰、选择工具变量等系列稳健性检验后，上述结论依然成立吗？第二，数字经济发展通过引发高级劳动力要素流动有效推动了企业自主创新。第三，与中、西部地区及创新差距较大的LL 型行业相比，数字经济发展对东部地区及创新差距较小的NN 型行业企业自主创新提升作用更明显。这进一步强化了中国“西低东高”的区域创新格局，并拉大了LL 型行业内部企业间创新差距。第四，数字经济的创新效应会因不同地区政务化水平与市场化水平表现出显著差异，数字经济发展对高市场化-高政务化地区的企业自主创新影响显著为正，对低市场化-低政务化地区的企业自主创新影响显著为负。

（二）政策启示

基于上述结论，本文主要政策启示如下：

第一，基于区域协同发展视角，要大力发展中西部地区数字经济，谨防“数字红利”变成“数字鸿沟”。一方面，政府应出台更多优惠的人才引进政策，鼓励高学历、高技能劳动力扎根中西部地区，避免大量人力资本外流，导致中西部地区的人力资本与数字经济发展不匹配。另一方面，政府要加大对中西部地区的5G、工业互联网等数字基础设施投资，为落后地区数字经济发展提供硬件支持，缩小东部地区与中西部地区数字经济规模差距。

第二，基于产业结构优化视角，大力推进产业数字化，加快数字经济与制造业深度融合的步伐。理论上，数字经济发展能够增强企业竞争力，本文却发现，数字经济发展会缩小竞争程度较大的NN型行业创新差距，但会进一步拉大竞争程度较小的LL 型行业创新差距，形成以“熊彼特效应”占优为主导的产业结构。未来在推进产业数字化进程中，应借助大数据技术等数字应用手段合理分配高级劳动力要素流向，提升LL 型行业的要素配置效率，让行业内部保持以“逃离竞争效应”占优为主导的竞争策略。

第三，基于要素禀赋结构视角，要继续完善有为政府和有效市场的制度建设，政府要重点聚焦数字经济核心产业发展，提升本土企业自主创新意识与能力，重点突破生产智能手机的芯片及生产芯片的光刻机、数控机床等被西方发达国家“卡脖子”的核心技术，通过发挥市场这只“看不见的手”和政府这只“看得见的手”的协同作用，培育一批拥有自主品牌、自主创造、自主研发的创新型企业。在增强产业链韧性、供应链稳定方面，要不遗余力为专精特新企业、小巨人企业、链主企业等自主创新能力强的企业提供完善的数字应用场景，通过不断“试错”和动态最优调整，鼓励这类企业对风险更高、突破性更大的前沿性领域进行探索和挖掘，最终实现中国由“制造大国”向“制造强国”转变。

（三）不足与展望

本文基于人力资本流动性视角，发现数字经济引发的人力资本流动在地区和行业两个层面均产生了“数字鸿沟”而非普惠性的“数字红利”，且实践中有为政府与有效市场能够共同发挥作用，推动企业自主创新。然而，囿于数据限制，本研究仍存在以下三处不足需在未来进一步拓展和深化：

第一，在指标构建方面，城市层面构建的数字经济综合评价指标可能存在测量误差，尽管参照国内权威文献上的做法，但寻找的分维度指标更多集中在消费端，无法体现出数字经济发展对生产端的技术应用。目前，也有少数学者利用上市公司数字企业加总数据赋值到城市，或从省级统计年鉴中增加宽带接入端口、IPv4 地址、移动互联网接入流量等与数字经济有关的指标，并通过赋权的方式移动到城市层面，但上述做法仍有失偏颇。一方面，将上市公司中数字企业相关数据加总到城市层面会出现低估城市数字经济发展的问题，因为上市公司在不同城市分布极不均匀，且城市内部除了上市公司进行数字化，还有大量非上市公司也在进行数字化，另一方面，用省级层面的指标赋权到城市，对权重选取尤为关键，如果没有选对合适的权重，近似的赋权也会增加城市层面数字经济的测量误差。未来可以在两个方向进行拓展：一是利用大数据分析或Python 等功能，构建出一个类似于北京大学数字金融研究中心发布的“数字普惠金融指数”，我们可以称之为“普惠数字经济指数”；二是基于2019 年10 月国务院批复在河北省（雄安新区）、浙江省、福建省、广东省、重庆市、四川省等6 个省市（区）设立国家数字经济创新发展试验区，通过构建准自然实验的方式考察数字经济发展对制造业企业自主创新的影响。

第二，在数据追踪方面，本文利用国家统计局公布的2011—2014 年全国创新调查企业数据进行实证检验，这对于考察数字经济对企业创新的影响似乎有些陈旧，未来可以连续追踪全国创新调查企业数据库，如果能获取到截至2018 年、2019 年的大型微观数据，还可以利用该数据做双重差分的相关研究，避免因构建综合指标带来的内生性干扰。

第三，在研究内容方面，本文考察数字经济发展对企业自主创新的影响。事实上，关于数字经济与技术创新关联性的实证文献已较为丰富，但关于数字经济发展与企业创新效率的研究明显偏少，也尚未有文献揭示数字经济对企业创新效率影响的“黑箱之谜”。未来可以结合中国工业企业数据库和创新调查企业数据库的匹配，利用半参数等严谨方法测算企业创新效率，考察城市层面数字经济发展对微观企业创新效率的影响及其机制。

参考文献

[1] 蔡跃洲，牛新星. 中国数字经济增加值规模测算及结构分析[J]. 中国社会科学，2021（11）：4-30.

[2] 方晓晖，耿伟栋，袁野. 知识产权保护、人力资本与企业创新[J]. 产业经济评论，2023（5）：126-141.

[3] 韩璐，陈松，梁玲玲. 数字经济、创新环境与城市创新能力[J]. 科研管理，2021，42（4）：35-45.

[4] 胡山，余泳泽. 数字经济与企业创新：突破性创新还是渐进性创新？[J]. 财经问题研究，2022（1）：42-51.

[5] 黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升：内在机制与中国经验[J]. 中国工业经济，2019，377（8）：5-23.

[6] 焦勇. 数字经济赋能制造业转型：从价值重塑到价值创造[J]. 经济学家，2020（6）：87-94.

[7] 金环，于立宏. 数字经济、城市创新与区域收敛[J]. 南方经济，2021（12）：21-36.

[8] 李春涛，闫宇聪，李嘉琪. 营商环境与企业创新——来自工商注册数据的证据[J]. 产业经济评论，2024（1）：79-101.

[9] 李健，张金林，董小凡. 数字经济如何影响企业创新能力：内在机制与经验证据[J]. 经济管理，2022，44（8）：5-22.

[10] 李宗显，杨千帆. 数字经济如何影响中国经济高质量发展？[J]. 现代经济探讨，2021，475（7）：10-19.

[11] 林毅夫. 新结构经济学的理论基础和发展方向[J]. 经济评论，2017（3）：4-16.

[12] 戚聿东，肖旭. 数字经济时代的企业管理变革[J]. 管理世界，2020，36（6）：135-152.

[13] 史宇鹏，曹爱家. 数字经济与实体经济深度融合：趋势、挑战及对策[J]. 经济学家，2023（6）：45-53.

[14] 孙文浩，张杰. 高铁网络能否推动制造业高质量创新[J]. 世界经济，2020，43（12）：151-175.

[15] 唐松，伍旭川，祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界，2020，36（5）：52-66.

[16] 王军，朱杰，罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究，2021，38（7）：26-42.

[17] 王开科，吴国兵，章贵军. 数字经济发展改善了生产效率吗[J]. 经济学家，2020，262（10）：24-34.

[18] 王小鲁，樊纲，余静文. 中国分省份市场化指数报告（2016）[M]. 北京：社会科学文献出版社，2017.

[19] 谢康，夏正豪，肖静华. 大数据成为现实生产要素的企业实现机制：产品创新视角[J]. 中国工业经济，2020，386（5）：42-60.

[20] 张杰，陈志远，吴书凤，孙文浩. 对外技术引进与中国本土企业自主创新[J]. 经济研究，2020，55（7）：92-105.

[21] 赵涛，张智，梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界，2020，36（10）：65-76.

[22] 诸竹君，袁逸铭，许明，柴斌锋. 数字金融、路径突破与制造业高质量创新——兼论金融服务实体经济的创新驱动路径[J]. 数量经济技术经济研究，2024，41（4）：68-88.

[23] Acemoglu， D.， and P. Restrepo. The race between machine and man： implications of technology for growth， factorshares and employment[J]. American Economic Review， 2018， 108（6）：1488-1542.

[24] Aghion， P.， N. Bloom， and R. Blundell， et al. Competition and innovation： an inverted-U relationship[J]. The QuarterlyJournal of Economics， 2005， 120（2）： 701-728.

[25] Arthur， W. B. The structure of invention[J]. Research Policy， 2007， 36（2）：274-1287.

[26] Bart van Ark. The productivity paradox of the new digital economy[J]. International Productivity Monitor， 2016， 31：3-18.

[27] Brynjolfsson， E.， and L. M. Hitt. Computing productivity： firm-level evidence[J]. Review of Economics and Statistics，2003， 85（4）：793-808.

[28] Bukht， R.， and R. Heeks. Defining， conceptualising and measuring the digital economy[J]. International OrganisationsResearch Journal， 2018， 13（2）：143-172.

[29] Che， Y.， and L. Zhang. Human capital， technology adoption and firm performance： impacts of China's higher educationexpansion in the late 1990s[J]. The Economic Journal， 2018， 128（6）： 2282-2320.

[30] Chen， P.， A. D. Lambert.， and K. P. Guidry. Engaging online learners： the impact of web-based learning technology oncollege student engagement[J]. Computers & Education， 2010， 54（4）：1222-1232.

[31] Dang， J.， and K. Motohashi. Patent statistics： a good indicator for innovation in China？ patent subsidy program impactson patent quality [J]. China Economic Review， 2015， 35： 137-155.

[32] Holmstrom， B. Agency costs and innovation[J]. Journal of Economic Behavior and Organization， 1989， 12（3）：305-327.

[33] Lyytinen， K.， Y. Yoo， and J. R. Boland. Digital product innovation within four classes of innovation networks[J].Information Systems Journal， 2016， 26（1）：47-75.

[34] Mukherjee， A.， M. Singh， and A. Aldokas. Do corporate taxes hinder innovation[J]. Journal of Financial Economics，2017， 124： 195-221.

[35] Nunn， N.， and N. Qian. U.S. Food aid and civil conflict[J]. American Economic Review， 2014， 104（6）：1630-1666.

[36] Solow， R. We’d Better Watch Out[J]. New York Times Book Review， 1987， 1（7）：12-36.

[37] Tapscott， D. The digital economy： promise and peril in the age of networked intelligence [M]. New York： McGraw-Hill， 1996.

〔执行编辑：周冬〕

本文为国家社会科学基金重点项目“逆全球化时代中国战略性新兴产业供应链重塑研究”（批准号：21AZD110）、国家自然科学基金青年项目“数据价值化对企业数字技术创新的影响研究”（批准号：72403130）；江苏高校哲学社会科学研究一般项目“数字经济驱动新质生产力的机制与路径研究”（批准号：2024SJYB0116）南京邮电大学人文社会科学基金项目“数字技术创新驱动企业高质量发展的影响机理与政策优化研究”（批准号：NYY223029）的阶段性成果。文章在“全国首届香樟数字经济论坛”上报告。