数字经济创新发展、研发投入与企业投资效率

【摘要】当前，我国数字经济规模持续快速增长，成为国民经济的重要组成部分。鉴于此，文章基于2015—2022年我国A股上市企业的面板数据，以国家数字经济创新发展试验区为一项准自然实验，通过双重差分模型探究数字经济创新发展的微观影响。研究发现：首先，数字经济创新发展显著抑制了企业非效率投资，即提高了企业投资效率。经过安慰剂检验、PSM-DID检验、控制其他政策干扰等一系列稳健性检验之后，结论依然成立。其次，机制检验发现数字经济创新发展可以通过增加企业研发投入，进而提高企业投资效率。最后，异质性分析发现，相比于国有企业和大规模企业，数字经济创新发展对非国有企业和小规模企业投资效率的提高作用更显著。研究为进一步推动数字经济创新发展和企业高质量发展提出可行性建议。

【关键词】数字经济创新发展；研发投入；投资效率；双重差分模型

【中图分类号】F724

引言

近年来，数字经济蓬勃发展，规模持续增长。2012—2022年，中国数字经济规模从11万亿元增长到50.2万亿元，在互联网应用、网民数量、人工智能发展等多方面领跑全球。《数字中国发展报告（2023年）》显示，我国数字经济核心产业增加值占GDP比重达到10%左右，连续11年成为全球第一大网络零售市场。2024年7月，2024全球数字经济大会在北京开幕，大会发布了多项重要成果和报告，如《2024北京数字经济发展报告》蓝皮书等。自2015年起，我国出台一系列数字经济相关的政策，例如“宽带中国”战略、智慧城市建设。2019年，为了探索数字经济创新发展的新思路、新模式、新路径，进一步发挥示范引领和辐射带动作用，有力支撑现代化经济体系建设和经济高质量发展，我国启动国家数字经济创新发展试验区建设工作。

现有文献已经广泛研究了数字经济对企业的影响，主要集中于“宽带中国”战略、智慧城市建设和国家级大数据综合试验区等。首先，在“宽带中国”战略方面，现有研究一致表明其提高了企业创新水平。徐扬和刘育杰（2022）[ 1 ]、邱洋冬（2022）[ 2 ]运用多期双重差分模型，研究发现“宽带中国”战略显著提升了企业技术创新水平。童雨（2023）[3]研究发现“宽带中国”战略能够有效对企业创新活动进行赋能。进一步地，Ju（2023）[4]从企业和行业异质性的微观视角出发，研究发现“宽带中国”战略对企业的突破性创新和渐进性创新都产生了实质性的积极影响。其次，在智慧城市建设方面，已有研究成果证明其增强了企业绿色创新。韦琳和马梦茹（2022）[5]、Guo等（2024）[ 6 ]采用多期双重差分模型，研究发现智慧城市建设能够显著提升企业的绿色创新水平。进一步地，余得生和王姝婕（2024）[7]研究发现智慧城市试点政策显著提升了企业绿色创新数量和质量，具有增量提质的效果。最后，在国家级大数据综合试验区方面，已有研究成果显示其推动了企业数字化转型和技术创新。孙伟增等（2023）[ 8 ]、侯林岐等（2023）[9]、石玉堂和王晓丹（2024）[ 1 0 ]基于双重差分模型，研究发现试验区有效激发了企业的数字化转型。进一步，戴艳娟等（2023）[ 1 1 ]研究发现试验区显著促进了试验区内企业的数字技术创新水平。随着数字经济进一步创新发展，部分学者开始关注国家数字经济创新发展试验区。曾皓（2023）[ 1 2 ]基于双重差分法，研究发现国家数字经济创新发展试验区显著促进企业数字化转型。宋潞平和刘晓梅（2024）[13]和李君锐等（2024）[14]分别研究发现其显著促进了区域和企业的创新。

与此同时，企业投资效率代表资源配置效率，是高质量发展的追求目标及价值积累的源动力。高效率投资有利于资源的最优分配（雷光勇和杨娅，2015）[15]，企业投资效率对于企业的盈利能力、市场竞争力、可持续发展以及决策效率等方面都具有重要意义。因此，企业应高度重视投资效率问题，不断优化投资策略和管理机制，以实现长期稳健发展。本研究关注数字经济创新发展能否提高企业投资效率。基于此，本文以国家数字经济创新发展试验区作为一项准自然实验，基于2012—2022年我国A股上市企业的面板数据，构建双重差分模型探究其对企业投资效率的影响，以及其影响机制和边界条件。本研究基于委托代理视角，探究了国家数字经济创新发展试验区对企业研发投入和投资效率的影响，这为更好地理解数字经济创新发展如何产生政策效果提供了解释。最后，基于研究结论，本研究为进一步完善国家数字经济创新发展试验区和提高企业投资效率提出了建议。

二、政策背景与理论机制

（一）制度背景

中国的数字经济发展大致经历了三个阶段。第一阶段是1994—2004年，技术孕育阶段。这一时期，中国诞生了一系列互联网企业，形成了中国数字经济的基本格局。同时，政府对互联网基础设施的投入和支持为数字经济的孕育提供了重要保障。第二阶段是2005—2015年，爆发增长阶段。在此期间，互联网用户数量激增，数字基础设施快速发展，人工智能、大数据、云计算等技术为互联网平台的发展提供了支撑，平台经济出现爆发式增长。第三阶段是2016年至今，融合协同阶段。2016年9月，二十国集团首次提出《G20数字经济发展与合作倡议》，对数字经济的定义和构成进行了明确阐述。2021年12月，我国出台了《“十四五”数字经济发展规划》，从顶层设计上明确了我国数字经济发展的总体思路、发展目标、重点任务和重大举措。

然而，数字经济在快速发展中也面临一些挑战。企业层面，随着数字经济的发展，传统商业模式受到冲击，企业需要探索新的商业模式以适应市场需求。传统企业在数字化转型过程中，需要重构业务流程、升级信息系统、培养数字化人才等，研发资金需求大、周期长。由于数字化转型项目的复杂性和不确定性，金融机构在评估风险时可能会提高融资成本，使企业难以承受。区域层面，我国数字经济发展在区域间存在不平衡现象，东部地区发展较快，中西部地区相对滞后。产业层面，数字经济需要构建完善的产业生态体系，包括产业链上下游的协同、产业间的融合等。然而，当前产业生态构建过程中存在利益分配不均、合作机制不健全等问题。

2019年10月，国家数字经济创新发展试验区启动会召开，标志着试验区的建设工作正式启动。首批国家数字经济创新发展试验区包括河北省（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）。国家数字经济创新发展试验区在推动数字经济进程中，采取了多维度、系统性的策略：第一，创新驱动与模式创新。试验区强调技术创新和模式创新，支持平台经济、共享经济等新业态、新模式的发展，推动数字经济领域的深刻变革。同时，试验区鼓励金融机构探索适合数字化转型项目的融资模式，建立健全针对数字化转型项目的风险评估机制，以拓宽企业的融资渠道。第二，系统优化与高效配置。试验区注重系统优化与高效配置，优化数字经济各要素的流通机制。第三，政策协同与区域协同。试验区强化跨部门政策协同，确保各项政策措施的有效衔接和落地。第四，生态构建与治理提升。试验区致力于构建完善的数字经济生态体系，促进数字经济与实体经济深度融合。

目前，试验区在技术创新和模式创新方面取得了显著成效。2023年，以福建试验区为例，其数字经济规模已2.9万亿元，对GDP贡献率超50%。这表明试验区在推动数字经济发展方面取得了显著成效，贡献度不断提升。

（二）理论机制

企业投资效率问题始终是学术界关注的重要问题之一，在企业投资研究的发展过程中，先后出现了投资加速器理论、现代厂商投资理论、Q理论、MM理论、权衡理论，以及从信息不对称视角、委托代理视角、行为金融学视角和政府干预视角进行研究（许为宾和周建，2017）[ 1 6 ]。根据委托代理视角，由于企业所有权与控制权相分离，两者的利益目标不再一致，管理者除了具有获取私有收益的自利动机外还存在人力资本声誉和职业安全偏好等方面的个人动机（郝颖，2010）[17]。在企业投资决策时，管理层有可能从其自身的利益出发，选择有利于自己而非有益于股东的投资项目，出现过度投资行为。然而由于信息不对称等因素，管理层在进行投资时也可能放弃真正收益较高的项目，导致投资不足（姚立杰等，2020）[ 1 8 ]。以面对创新机会为例，管理者的风险规避偏好可能导致其对创新项目持保守态度，使其放弃具有潜在价值的创新机会，削弱企业的创新能力的同时造成非理性投资。只有当企业的投资水平没有出现过度或不足的情况，能够恰到好处地满足企业发展的需要时，才认为企业的投资效率是较高的。

国家数字经济创新发展试验区增加研发投入，进而提高企业投资效率。首先，随着数字经济的发展，需要更多的研发投入，极大地提高了企业对研发投入的需求。试验区响应企业需求，通过政策引导，鼓励和支持企业根据市场需求进行技术创新和产品研发。例如，设立专项奖励资金，对成功开发出符合市场需求新产品的企业进行奖励。其次，数字经济的发展加剧市场竞争，企业需要不断适应快速变化的市场环境并加大技术研发投入，以保持竞争力和可持续发展。试验区激发企业创新动力，通过制定技术创新和产业升级的规划和目标，引导企业加大在关键技术、核心领域和前沿技术方面的研发投入。最后，企业在创新过程中会面临多种不确定性，这些不确定性不仅增加了创新的难度，还可能给企业带来经济损失。试验区积极消除不确定因素，通过给予一定比例的资金补贴降低企业的研发成本，同时鼓励保险机构开展针对研发活动的保险产品，为企业提供研发风险保障。

研发投入增加有利于进一步提高企业投资效率。一方面，通过持续的研发投入，企业可以创造出具有技术含量的新产品、新技术或新工艺，最大限度地满足消费者需求，从技术层面不断提升企业的核心竞争力。这种核心竞争力的提升有助于企业在市场上获得更高的份额和更大的利润空间，进而提升企业的整体投资效率。另一方面，企业管理人员为实现战略目标，必须对与研发投入有关的资源进行协调与控制，在此过程中研发投入的效率也得到了提高，对整个企业投资效率的提高发挥巨大的作用（吴良海等，2015）[19]。

基于此，本文提出如下假设：

H1：数字经济创新发展显著提高企业投资效率。

H2：数字经济创新发展显著增加了企业研发投入，进而提高了投资效率。

三、研究设计

（一）模型设计

其中，i表示企业，t表示年份；efficiency为本文的被解释变量，表示企业投资效率；treat×time为通过双重差分模型构建的解释变量，表示国家数字经济创新发展试验区；controls为一系列可能影响企业投资效率的控制变量。模型中还控制了多维固定效应，δ表示企业维度的个体固定效应，μ表示年份维度的时间固定效应。ε表示干扰项。

（二）变量设计

1.被解释变量

其中，Invest、Growth、NEG分别表示企业实际投资总额、营业收入增长率以及营业收入是否增长的虚拟变量。对模型（2）分行业、分年度进行回归，所得残差取绝对值代表企业的非效率投资，以此反向度量efficiency，其越小说明投资效率越高。

2.解释变量

国家数字经济创新发展试验区（treat×time）：本文基于双重差分模型构建政策变量。其中，time是0-1变量，当年份在2019年之后取值为1，否则为0；treat是0-1变量，当企业注册地位于6个试点区域时取值为1，否则为0。

3.机制变量

研发投入（innovation）：参考马广奇等（2020）[ 2 1 ]的研究成果，本研究采用研发费用率，即研发费用与营业收入的比值衡量企业研发投入的水平。

4.控制变量

参考前期与企业投资效率相关的研究成果，本文选择一系列控制变量Controls。变量的定义与测度见表1。

（三）样本与数据来源

本文选取2015—2022年我国A股上市企业作为初始研究样本。同时，本文进行以下样本筛选工作：（1）剔除银行、保险行业的样本；（2）剔除资产负债率大于1即破产的样本；（3）剔除上市时间1年及以内和观测值仅有一期的样本。处理后，本文共获取3374个企业样本，共计20 492条观测值。

本文中企业财务数据和投资效率的测度数据均来自CSMAR数据库，区域经济数据来自《中国统计年鉴》等。

四、实证分析

（一）描述性统计

表2为主要变量的描述性统计结果。其中，企业投资效率（efficiency）均值为4.121，最大值为42.253，最小值为0，说明样本企业投资效率差距较大，企业投资能力参差不齐。研发费用率（innovation）均值为0.03，标准差为0.047，最大值为0.792，表明不同样本企业研发投入的强度存在明显差异，各企业对创新的重视程度不同。treat×time的均值为0.176，说明试点地区的企业在试点后的观测值占整体的17.6%，比较适合进行DID模型研究。其他相关变量的描述性统计结果不作赘述。

（二）回归分析

1.动态效应检验

其中，year为每一年设定的虚拟变量。如图绘制了以政策生效前一年（2019年）为基准期，在95%置信区间下回归系数的估计结果。

由图1可知，首先，在2020年之前的回归系数值不显著异于0，说明在政策实施之前实验组与控制组并无显著差异，满足平行趋势假设。其次，在2020年之后，回归系数值出现差异，说明政策效应开始显现。最后，政策效应显现存在滞后。可能原因是，企业投资战略调整需要一定的决策周期，因此导致企业的投资行为和研发活动在政策实施后出现滞后。

2.回归结果分析

本文检验了数字经济创新发展对企业投资效率的影响，回归结果如表3列（1）、列（2）所示。列（1）为仅控制时间和个体固定效应的回归结果，treat×time的系数在1%的水平上显著为负。列（2）为控制时间和个体固定效应以及控制变量的回归结果，treat×time的系数在5%的水平上显著为负。这说明数字经济创新发展能够抑制非效率投资，即提高投资效率。该结果验证了本文假设1。

研发投入的机制检验回归结果如列（3）、列（4）所示。列（3）中treat×time与innovation显著正相关，说明数字经济能够有效促进企业增加研发投入。列（4）在模型（1）中加入了机制变量innovation，结果显示innovation的系数显著为负，说明研发投入的增加能够抑制非效率投资。此外，在加入innovation机制变量后，treat×time的系数值有所降低（见列（1））。这说明数字经济创新发展可以通过增加企业研发投入，进而提高企业投资效率。该结果验证了本文假设2。

上述结果说明，国家数字经济创新发展试验区作为推动我国数字经济创新发展的重要举措，显著提高了企业的研发投入和投资效率。这表明数字经济创新发展已经成为助力我国企业高质量发展的关键要素，必须总结经验、继续推广，不断完善国家数字经济创新发展试验区的建设工作。

（三）稳健性检验

1.安慰剂检验

为了消除潜在的不可观测因素的干扰，本研究进行安慰剂检验。通过随机抽样抽取与实验组数量相同的样本，作为伪实验组treat’，并将其与time交互形成伪政策变量treat’×time进行回归。图2绘制了循环500次随机抽样的回归结果，横轴刻度了回归结果的估计系数，纵轴刻度了回归结果的核密度及其p值。

由图2可知，首先核密度曲线接近正态分布，说明检验基本满足随机抽样。其次，绝大多数随机抽样的回归系数值都在0值附近，且p值大于0.05，说明虚构的伪实验组并未取得显著效果。最后，以竖虚线表示实际估计系数（见表3列（2））明显异于随机抽样的大部分结果。因此，本文的检验结果比较稳健，基本不存在其他的替代解释。

2. PSM-DID检验

实验组被选择可能受到某些因素的驱动，为了保证稳健性，本文借鉴James（1997）[ 2 2 ]的研究成果，对研究样本进行倾向得分匹配（PSM），以消除这些因素的干扰。具体来说，本文以所有控制变量为协变量，并计算倾向匹配得分值，进行1：1最邻近匹配。

由表4中列（1）可知，PSM后仅剩4516条观测值。treat×time的系数显著为负，说明在消除了可能影响实验组被选择的因素干扰之后，研究结果依然稳健。

3.控制其他政策干扰

国家级大数据综合试验区对企业研发创新具有显著影响，因此可能对本研究的结论产生干扰。为此，本研究通过双重差分模型生成了国家级大数据综合试验区的政策变量bigdata，并作为控制变量加入基准回归模型。

如表4列（2）所示，bigdata的系数显著为负，说明大数据综合试验区确实对企业投资效率具有显著影响。但是，treat×time的系数依然显著为负，大数据综合试验区并未对研究结果产生显著的冲击。

4.替换测度

其中，Invest、Growth分别表示企业实际投资总额、营业收入增长率。如表4列（3）所示，treat×time的系数显著为负，说明核心变量的测度方式并不影响本研究的结论。

5.滞后效应

为了进一步缓解内生性问题，本研究将解释变量及所有控制变量滞后一期（郭梦和朱成成，2023）[24]，进行基准回归检验。如表4列（4）所示，treat×time的系数显著为负，研究结果是稳健的。

（四）异质性分析

1.产权性质

本文进一步研究在不同产权性质的企业中，数字经济创新发展对企业投资效率的影响。如表5所示，在非国企中treat×time的系数显著，而国企组中系数不显著。这说明相比于国有企业，数字经济创新发展对非国有企业投资效率的提高作用更显著。

可能的解释是，非国有企业相较于国有企业拥有更加灵活的经营机制和决策流程，这使得它们能够更快地响应市场变化，调整投资策略。面对市场竞争的压力，非国有企业能够充分利用这些资源和工具，推动产品和服务的创新，从而提高投资效率。

2.规模差异

本文将样本划分为小规模企业和大规模企业进行分组回归，进一步考察不同的企业规模下，数字经济创新发展对投资效率的影响。如表5所示，在小规模企业中treat×time的系数显著，而在大规模企业中系数不显著。这说明相较于大规模企业，数字经济创新发展对小规模企业投资效率的影响更大。

可能的解释是，大规模企业的经营部门众多、生产流程复杂，通常需要大量的资产投入，这导致其对投资预期的误差更难掌握，从而抑制了投资效率。小规模企业面临更大的市场压力，市场敏锐度使其能够更快地开发出符合市场需求的产品和服务，提高投资效率。

五、结论与建议

数字经济正在迎来新一轮的创新发展，已经成为推动中国经济高质量发展的关键要素。为此，本研究以国家数字经济创新发展试验区为一项准自然实验，通过双重差分模型探究数字经济创新发展的微观影响。研究发现：首先，数字经济创新发展显著提高了企业投资效率，即抑制了非效率投资。经过安慰剂检验、PSM-DID检验、控制其他政策干扰等一系列稳健性检验之后，结论依然成立。其次，机制检验发现数字经济创新发展可以通过增加企业研发投入，进而提高企业投资效率。最后，异质性分析发现，相比于国有企业和大规模企业，数字经济创新发展对非国有企业和小规模企业投资效率的提高作用更显著。

基于此，本研究提出以下政策建议。首先，政府应深化政策落实，确保各项措施精准落地，同时总结并推广试点经验，稳妥扩大试点范围，以全面推动数字经济创新发展。其次，政府应构建多元化、开放性的创新生态系统，通过专项基金支持研发项目、产学研合作促进知识共享、技术转移转化及优化创新环境等措施，激励企业研发创新。最后，政府应深入了解地方资源禀赋，引导企业发挥比较优势。针对企业不同发展阶段和规模，提供定制化服务与支持，如初创企业可获融资与孵化服务，成长型企业则加强市场拓展与技术创新支持。

与此同时，企业应明确自身在数字经济领域的定位与优势，优化研发管理并确保资源有效配置，合理评估研发项目的潜在风险与回报，以高效响应数字经济创新发展政策，实现可持续发展。

主要参考文献：

[1]徐扬，刘育杰.数字化基础设施建设与企业技术创新——基于“宽带中国”示范城市政策的经验证据[J].南京财经大学学报，2022（04）：77-87.

[2]邱洋冬.网络基础设施建设提升企业创新绩效的路径与异质性——来自“宽带中国”示范城市的经验证据[J].西部论坛，2022，32（04）：89-107.

[3]童雨.数字新基建赋能企业技术创新——基于“宽带中国”战略的准自然实验[J].技术经济与管理研究，2023（11）：50-54.

[4]Ju B. Network infrastructure construction and heterogeneous enterprise innovation quasinatural experiment based on “Broadband China”[J]. Information Economics and Policy， 2023，65：101066.

[5]韦琳，马梦茹.数字经济发展与企业绿色创新——基于“智慧城市”试点建设的准自然实验研究[J].现代财经（天津财经大学学报），2022，42（08）：24-40.

[6]Guo C， Wang Y，Hu Y，et al. Does smart city policy improve corporate green technology innovation Evidence from Chinese listed companies[J]. Journal of Environmental Planning and Management， 2024，67（6）：1182-1211.

[7]余得生，王姝婕.智慧城市建设对企业绿色创新的影响——基于准自然实验的实证研究[J].湖南师范大学自然科学学报，2024，47（03）：111-119.

[8]孙伟增，毛宁，兰峰，等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J].中国工业经济，2023（09）：117-135.

[9]侯林岐，程广斌，王雅莉.国家级大数据综合试验区如何赋能企业数字化转型[J].科技进步与对策，2023，40（21）：45-55.

[10]石玉堂，王晓丹.大数据综合试验区设立能否驱动企业数字化转型 ——基于准自然实验的实证研究[J].科学学研究，2024，42（07）：1482-1492.

[11]戴艳娟，沈伟鹏，谭伟杰.大数据发展对企业数字技术创新的影响研究——基于国家大数据综合试验区的准自然实验[J].西部论坛，2023，33（02）：16-28.

[12]曾皓.区位导向性政策促进企业数字化转型吗 ——基于国家数字经济创新发展试验区的准自然实验[J].财经论丛，2023（04）：3-13.

[13]宋潞平，刘晓梅.数字经济发展与区域创新产出——来自国家数字经济创新发展试验区的准自然实验[J].投资研究，2024，43（02）：75-86

[14]李君锐，买生，刘磊.国家数字经济创新发展试验区设立的创新效应：基于供给侧与需求侧双重视角[J].科技进步与对策，2024，41（13）：45-56.

[15]雷光勇，杨娅.企业管理层背景特征与投资效率研究——基于北京上市公司的经验证据[J].国际商务财会，2015（09）：14-21.

[16]许为宾，周建.企业投资效率研究综述[J].现代管理科学，2017（01）：12-14.

[17]郝颖.基于委托代理理论的企业投资研究综述[J].管理学报，2010，7（12）：1863-1872.

[18]姚立杰，陈雪颖，周颖，等.管理层能力与投资效率[J].会计研究，2020（04）：100-118.

[19]吴良海，张媛媛，章铁生.高管任期、RD支出与企业投资效率——来自中国A股资本市场的经验证据[J].南京审计学院学报，2015，12（05）：56-68+94.

[20]Chen F， Hope O K， Li Q， et al.Financial reporting quality and investment efficiency of private firms in emerging markets[J]. The accounting review， 2011，86（4）：1255-1288.

[21]马广奇，张保平，沈李欢.研发投资、舞弊风险与审计费用[J].南京审计大学学报，2020，17（03）：1-12.

[22]James A. Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980：109-131.

[23]Biddle G C， Hilary G， Verdi R S. How does financial reporting quality relate to investment efficiency [J].Journal of accounting and economics， 2009，48（2-3）：112-131.

[24]郭梦，朱成成.环保税征收、融资约束与重污染企业经营风险——基于“税负提标”的准自然实验[J].金融市场研究，2023（10）：107-119.

责编：杨雪