数字化水平提升与企业创新——来自沪深A股上市公司的经验证据

doi:10.16716/j.cnki.65-1030/f.2024.06.006

摘要/Abstract

摘要：

实体企业进行数字化转型不仅能够释放企业内部的数字化生产力，推进产业数字化进程，还有助于整合创新资源，加速创新进程。文章基于2011—2020年我国沪深A股上市公司数据，实证检验了企业数字化水平提升对企业创新的影响。研究结果表明：企业数字化水平提升显著提高了企业的创新能力；企业数字化水平提升带来的创新产出存在滞后性；企业数字化水平提升对企业创新能力的促进效应在不同规模、不同产权、不同地区的企业之间存在异质性，大规模企业、非国有企业及东部地区企业在数字化进程中表现出了更为显著的创新增长。基于此，今后应进一步完善数字化政策，鼓励企业加速数字化进程，根据企业异质性制定差异化的激励扶持政策，完善政策外部环境和配套体系。

关键词: 数字经济, 企业创新, 产业升级, 数字化

Abstract:

The digital transformation of entity enterprises not only unleashes the digital productivity within the enterprise, advancing the digitalization of the industry, but also helps integrate innovative resources and accelerate the innovation process. Based on the data of A-share listed companies in Shanghai and Shenzhen from 2011 to 2020, this paper empirically tested the impact of the enhancement of enterprise digitalization level on enterprise innovation. The research results show that the enhancement of enterprise digitalization level significantly and positively affects enterprise innovation, and there is a lag in the increase of innovation output brought by the enhancement of digitalization level. And this promotion effect is heterogeneous among enterprises of different sizes, different property rights and different regions, with large-scale enterprises, non-state enterprises and enterprises in the eastern region showing more significant innovation growth in the digitization process. Based on this, it is of necissity to further promote the improvement of relevant digitization policies to encourage enterprises to accelerate the digitization process, formulate differentiated encouragement and support policies according to heterogeneous enterprises and enhance the establishment of relevant supporting policy systems.

Key words: digital economy, enterprise innovation, industrial upgrading, digitalization

中图分类号:

F273

高凌江, 高文文, 王汀丝. 数字化水平提升与企业创新——来自沪深A股上市公司的经验证据[J]. 新疆财经, 2024, 0(6): 57-67.

GAO Lingjiang, GAO Wenwen, WANG Tingsi. Digital Level Improvement and Enterprise Innovation—Empirical Evidence from A-Share Listed Companies in Shanghai and Shenzhen[J]. Finance & Economics of Xinjiang, 2024, 0(6): 57-67.

图/表 6

参考文献 30

[1]	申明浩, 谭伟杰, 陈钊泳. 数字经济发展对企业创新的影响:基于A股上市公司的经验证据[J]. 南方金融, 2022(2):30-44.
[2]	GORDON L. The industrial internet:a “total digital enterprise ”mindset[J]. Ed at a distance magazine, 2000(6):4-10.
[3]	ILONA I, STEFAN T, MARKUS M, et al. Reconciling digital transformation and knowledge protection:a research agenda[J]. Knowledge management research & practice, 2018(2):235-244.
[4]	徐蒙. 数字化转型与企业创新[J]. 企业经济, 2020(12):54-60.
[5]	王慧, 夏天添, 马勇, 等. 中小企业数字化转型如何提升创新效率?基于经验取样法的调查[J]. 科技管理研究, 2021(18):168-174.
[6]	黄节根, 吉祥熙, 李元旭. 数字化水平对企业创新绩效的影响研究:来自沪深A股上市公司的经验证据[J]. 江西社会科学, 2021(5):61-72+254-255.
[7]	侯世英, 宋良荣. 数字经济、市场整合与企业创新绩效[J]. 当代财经, 2021(6):78-88.
[8]	戚聿东, 肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020(6):135-152+250.
[9]	肖静华. 企业跨体系数字化转型与管理适应性变革[J]. 改革, 2020(4):37-49.
[10]	陈剑, 黄朔, 刘运辉. 从赋能到使能:数字化环境下的企业运营管理[J]. 管理世界, 2020(2):117-128+222.
[11]	赵建, 王静娴. 数字科技如何影响中国的信用体系:基于商业银行行为的理论模型和实证检验[J]. 济南大学学报(社会科学版), 2022(2):90-103.
[12]	刘启雷, 张媛, 雷雨嫣, 等. 数字化赋能企业创新的过程、逻辑及机制研究[J]. 科学学研究, 2022(1):150-159.
[13]	柏培文, 喻理. 数字经济发展与企业价格加成:理论机制与经验事实[J]. 中国工业经济, 2021(11):59-77.
[14]	TAN K H, ZHAN Y Z. Improving new product development using big data:a case study of an electronics company[J]. R&D management, 2017(4):570-582.
[15]	邓峰, 杨国歌, 任转转. R&D补贴与数字企业技术创新:基于数字经济产业的检验证据[J]. 产业经济研究, 2021(4):27-41.
[16]	戴亦舒, 晏梦灵, 董小英. 数字化创新中企业对政策关注与绩效关系研究[J]. 科学学研究, 2020(11):2068-2076.
[17]	李奉书, 徐莹婕, 杜鹏程, 等. 数字经济时代下联盟管理能力对企业颠覆性技术创新的影响:知识流动的中介作用与知识重构能力的调节作用[J]. 科技进步与对策, 2022(4):80-90.
[18]	彭硕毅, 张营营. 区域数字经济发展与企业技术创新:来自A股上市公司的经验证据[J]. 财经论丛, 2022(9): 3-13.
[19]	王才. 数字化转型对企业创新绩效的作用机制研究[J]. 当代经济管理, 2021(3):34-42.
[20]	余菲菲, 曹佳玉, 杜红艳. 数字化悖论:企业数字化对创新绩效的双刃剑效应[J]. 研究与发展管理, 2022(2):1-12.
[21]	祁怀锦, 曹修琴, 刘艳霞. 数字经济对公司治理的影响:基于信息不对称和管理者非理性行为视角[J]. 改革, 2020(4):50-64.
[22]	何帆, 刘红霞. 数字经济视角下实体企业数字化变革的业绩提升效应评估[J]. 改革, 2019(4):137-148.
[23]	袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工:专业化还是纵向一体化[J]. 中国工业经济, 2021(9):137-155.
[24]	苗文龙, 何德旭, 周潮. 企业创新行为差异与政府技术创新支出效应[J]. 经济研究, 2019(1):85-99.
[25]	倪鹏飞, 颜银根, 张安全. 城市化滞后之谜:基于国际贸易的解释[J]. 中国社会科学, 2014(7):107-124+206-207.
[26]	张兵, 李苹. 国际贸易网络与经济周期的协同性:来自二十国集团的经验证据[J]. 国际贸易问题, 2022(9):53-69.
[27]	WOOLDRIDGE J M. Econometric analysis of cross section and panel data[M]. Cambridge: MIT Press, 2001.
[28]	伍红, 郑家兴, 王乔. 固定资产加速折旧、厂商特征与企业创新投入:基于高端制造业A股上市公司的实证研究[J]. 税务研究, 2019(11):34-40.
[29]	赵昕, 单晓文, 王垒. 数字化转型与企业脱虚向实[J]. 管理科学, 2023(1):76-89.
[30]	王宗军, 周文斌, 后青松. 固定资产加速折旧所得税政策对企业研发创新的效应[J]. 税务研究, 2019(11):41-46.

变量	样本数	均值	标准差	最小值	最大值
lnpatent	16960	0.927	1.317	0.000	8.693
rd	10589	3.844	4.509	0.000	137.450
dig	16960	0.027%	0.060%	0.000%	0.373%
age	16960	17.823	5.857	1.000	45.000
lev	16960	0.454	0.265	0.008	10.082
roa	16960	0.036	0.209	-6.776	22.005
tobinq	16960	2.122	8.510	0.685	729.629
lncash	16960	20.152	1.463	10.292	26.465
hold	16960	5.607	11.771	0.000	67.630
eps	16960	0.391	0.934	-6.860	39.423
liquid	16960	2.378	4.057	0.022	190.869
mpg	16960	0.269	0.173	-1.083	1.154
en	16960	0.470	0.499	0.000	1.000

变量	样本数	均值	标准差	最小值	最大值
lnpatent	16960	0.927	1.317	0.000	8.693
rd	10589	3.844	4.509	0.000	137.450
dig	16960	0.027%	0.060%	0.000%	0.373%
age	16960	17.823	5.857	1.000	45.000
lev	16960	0.454	0.265	0.008	10.082
roa	16960	0.036	0.209	-6.776	22.005
tobinq	16960	2.122	8.510	0.685	729.629
lncash	16960	20.152	1.463	10.292	26.465
hold	16960	5.607	11.771	0.000	67.630
eps	16960	0.391	0.934	-6.860	39.423
liquid	16960	2.378	4.057	0.022	190.869
mpg	16960	0.269	0.173	-1.083	1.154
en	16960	0.470	0.499	0.000	1.000

变量	模型（1）			模型（2）
	lnpatent_dig_t			lnpatent_dig_t-1
	（a）	（b）	（c）	（d）	（e）	（f）
dig	0.452^** （2.348）	0.435^** （2.423）	0.463^*** （2.794）	0.418^*** （4.337）	0.40^*** （4.759）	0.440^*** （5.551）
age		-0.022^*** （-6.345）	-0.022^*** （-6.210）		-0.026^*** （-5.920）	-0.025^*** （-5.777）
lev		0.076 （1.217）	0.079 （1.262）		0.076 （1.137）	0.081 （1.221）
roa		0.027^*** （2.706）	0.028^*** （2.764）		0.026^** （2.146）	0.029^** （2.444）
tobinq		0.000 （0.150）	0.000 （0.256）		-0.000 （-0.041）	-0.000 （-0.099）
lncash		0.033 （1.618）	0.036^* （1.786）		0.032 （1.353）	0.036 （1.563）
hold		0.003^* （1.833）	0.003^* （1.834）		0.002 （1.101）	0.002 （1.113）
eps		0.019 （1.127）	0.024 （1.507）		0.021 （1.236）	0.025 （1.538）
liquid		-0.002 （-0.181）	0.002 （0.152）		-0.002^*** （-2.651）	-0.001^** （-2.361）
常数项	0.082^** （2.485）	-0.341 （-0.805）	-0.408 （-1.064）	0.069^* （1.770）	-0.273 （-0.569）	-0.369 （-0.859）
行业	控制	控制		控制	控制
年份	控制	控制		控制	控制
行业×年份			控制			控制
观测值	16960	16960	16960	15220	15220	15220
R²	0.023	0.023	0.032	0.022	0.022	0.031

变量	模型（1）			模型（2）
	lnpatent_dig_t			lnpatent_dig_t-1
	（a）	（b）	（c）	（d）	（e）	（f）
dig	0.452^** （2.348）	0.435^** （2.423）	0.463^*** （2.794）	0.418^*** （4.337）	0.40^*** （4.759）	0.440^*** （5.551）
age		-0.022^*** （-6.345）	-0.022^*** （-6.210）		-0.026^*** （-5.920）	-0.025^*** （-5.777）
lev		0.076 （1.217）	0.079 （1.262）		0.076 （1.137）	0.081 （1.221）
roa		0.027^*** （2.706）	0.028^*** （2.764）		0.026^** （2.146）	0.029^** （2.444）
tobinq		0.000 （0.150）	0.000 （0.256）		-0.000 （-0.041）	-0.000 （-0.099）
lncash		0.033 （1.618）	0.036^* （1.786）		0.032 （1.353）	0.036 （1.563）
hold		0.003^* （1.833）	0.003^* （1.834）		0.002 （1.101）	0.002 （1.113）
eps		0.019 （1.127）	0.024 （1.507）		0.021 （1.236）	0.025 （1.538）
liquid		-0.002 （-0.181）	0.002 （0.152）		-0.002^*** （-2.651）	-0.001^** （-2.361）
常数项	0.082^** （2.485）	-0.341 （-0.805）	-0.408 （-1.064）	0.069^* （1.770）	-0.273 （-0.569）	-0.369 （-0.859）
行业	控制	控制		控制	控制
年份	控制	控制		控制	控制
行业×年份			控制			控制
观测值	16960	16960	16960	15220	15220	15220
R²	0.023	0.023	0.032	0.022	0.022	0.031

变量	模型（3）			模型（4）
	lnpatent_dig_t-2			lnpatent_dig_t-3
	（a）	（b）	（c）	（d）	（e）	（f）
dig	0.241 （2.0824）	0.229 （2.1297）	0.225 （1.876）	0.266 （2.047）	0.259 （2.005）	0.282^** （1.997）
控制组		控制	控制		控制	控制
常数项	0.064 （1.274）	0.098 （0.265）	0.900^*** （3.474）	0.083^* （1.736）	0.382 （1.127）	0.277 （0.982）
行业	控制	控制		控制	控制
年份	控制	控制		控制	控制
行业×年份			控制			控制
观测值	12650	12650	12650	11610	11610	11610
R²	0.021	0.021	0.031	0.020	0.020	0.029