“互聯網+”戰略、金融資產配置與企業創新投資
——來自數字化企業的準自然實驗

周雪峰，韓永飛

(鄭州航空工業管理學院 商學院，河南 鄭州 450046)

0 引言

創新是引領發展的第一驅動力，國家相繼出臺多項政策提升創新水平，而創新依賴微觀企業主體的創新活力。隨著數字經濟發展，互聯網對企業創新的重要性日益凸顯。為此，國家于2015年提出“互聯網+”概念，并于同年發布《國務院關于積極推進“互聯網+”行動的指導意見》，合理引導實體企業與互聯網經濟相結合，推動實體企業以互聯網為依托優化自身創新投資行為，進而為國家創新提供內生源動力。當前，中國數字化企業出于蓄水池動機和替代動機，會更多地進行金融資產配置[1]，進而對創新投資產生擠出效應[2]。長遠來看，不利于實體企業與互聯網經濟高質量融合。數字化企業作為“互聯網+”戰略實施的“排頭兵”，需要降低金融資產配置水平，更多地進行創新投資，并與互聯網經濟高質量融合，為實體經濟發展提供動力，從而推動經濟持續健康發展。

現有文獻發現，互聯網能夠促進企業創新投資[3, 4]，提升其技術創新水平并降低金融資產配置水平[1,5]。互聯網時代下，數字化企業金融資產配置對創新投資存在擠出效應[2]，但鮮有文獻將互聯網、金融資產配置和企業創新投資納入同一研究框架，探析“互聯網+”戰略通過數字化企業金融資產配置對創新投資的影響機制及路徑。本文以2015年“互聯網+”戰略實施作為準自然實驗，檢驗其對數字化企業金融資產配置和創新投資的影響，存在以下邊際貢獻：首先，以“互聯網+”戰略實施為準自然實驗，檢驗“互聯網+”戰略、數字化企業金融資產配置與創新投資間的關系及路徑機理，能夠豐富互聯網與企業創新投資關系研究；其次，將創新投資進一步細分為探索式創新投資和利用式創新投資，考察“互聯網+”戰略和金融資產配置對數字化企業創新投資的影響，進一步豐富“互聯網+”戰略實施的經濟后果研究；最后，通過比較“互聯網+”戰略、數字化企業金融資產配置和創新投資三者間關系在高營業收入組與低營業收入組，以及高融資約束組和低融資約束組間的差異，檢驗“互聯網+”戰略對數字化企業蓄水池動機和替代動機的影響，為國家合理配置數字化企業金融資產，進而提升創新投資水平提供相應的理論指導和政策建議。

1 文獻綜述

互聯網作為重要信息技術，具有收益性與風險性雙重特性，這一雙重特性被用于揭示企業在運用技術過程中的關系和運用后的反應[6]。現有針對互聯網與企業創新之間關系的研究，主要包括互聯網發展[5]、互聯網化管理方式[7]、“互聯網+”行動[8]和互聯網資本[9]。首先，互聯網發展會顯著提升企業所擁有專利的折舊速度，使得企業面臨較大的競爭壓力，進而加快創新知識更新速度，促進技術創新。同時，互聯網技術發展使企業信息在資本市場上傳播，促進企業間創新知識溢出，并通過供應鏈管理獲取上下游企業創新知識[5]。企業通過對信息渠道溢出的創新知識進行吸收和轉化實現二次創新(余永澤等，2021)，加強創新保護，進而提高出口產品質量[10]。其次，互聯網化管理模式能夠幫助企業針對市場需求作出靈活反應[7]。與傳統本地化和網絡化管理方法相比，互聯網化管理模式使中小企業能夠更好地應對開放創新系統背景下的創新要求[11]。再次，“互聯網+”與工業互聯網生態系統建設能夠助力制造企業高質量發展[12]，而融資約束對制造企業高質量發展具有顯著抑制效應，并負向調節研發互聯網化對技術創新的促進效應[8]。最后，隨著互聯網技術發展，資本與互聯網相結合，互聯網資本受到越來越多的企業重視，主要原因如下：互聯網資本通過改變企業組織模式、信息結構[13]、融資狀況和創新模式，緩解民營企業創新組織惰性和融資約束，并在一定程度上為民營企業提供豐富的創新信息渠道，促進民營企業與外界合作創新。另外，互聯網資本能夠促進企業獨立創新、合作創新和模仿創新，進而推動民營企業創新強度提升[9]。從全球范圍看，互聯網為企業帶來全球化創新資源配置方式[13]、扁平化治理模式以及互聯網思維，這一深刻變化導致創新資源發生跨界重組、聚合，形成全面開放式創新框架，進而增強企業吸收、整合、協同創新能力[14]以及開放式創新匹配響應能力，最終提升企業績效[15]。

基于上述文獻可以發現，“互聯網”主要通過知識溢出、二次創新、提高企業靈活度、推進企業高質量發展以及緩解企業惰性和融資約束等方式影響企業創新。本文以“互聯網+”戰略實施作為準自然實驗，檢驗數字化企業金融資產配置在“互聯網+”戰略與企業創新投資間的中介效應，為國家更好地發展互聯網經濟，合理配置數字化企業金融資產，進而提升創新投資水平提供相應的政策建議。

2 研究假設

2.1 “互聯網+”戰略與數字化企業創新投資

“互聯網+”是將互聯網創新成果與經濟社會各領域深度融合，推動技術進步、效率提升和組織變革，提升實體經濟創新力和生產力，形成更廣泛的以互聯網為基礎設施和創新要素的經濟社會發展新形態。隨著國家“互聯網+”相關政策實施，各省相繼推出 “互聯網+”發展相關政策，助推互聯網與實體經濟融合。作為“互聯網+”前沿陣地的數字化企業，在受政府大力扶持的同時，應加大創新投資以順應互聯網發展形勢。

“互聯網+”戰略促進數字化企業創新投資原因如下：一方面，“互聯網+”戰略能夠為企業提供資源支持[13]。隨著“互聯網+”戰略實施，中央及地方政府加大支持力度，主要包括政府補貼、稅收優惠等相關財稅政策(劉蘭劍等，2021)。同時，“互聯網+”戰略能夠促使市場投資者向數字化企業投入更多資金，上述兩個方面因素共同作用，極大地豐富數字化企業資源，促使資源由傳統企業向數字化企業傾斜，從而緩解融資約束[8]。另一方面，“互聯網+”戰略實施能夠為數字化企業提供更多信息渠道。“互聯網+”戰略引導企業將資金更多地投向數字化建設，同時地方政府會加強地區互聯網建設，而數字化企業由于數字優勢會逐步靠近數字化建設中心，根據社會網絡理論，這一中心地位可以拓展企業信息獲取渠道，幫助企業合理判別未來收益與風險[16]，促進創新投資增加[16]。據此，本文提出以下假設：

H1：“互聯網+”戰略能夠促進數字化企業創新投資。

2.2 “互聯網+”戰略與數字化企業金融資產配置

根據優序融資理論，在完美資本市場中，企業內源融資成本最低，其次是債務融資，最后是權益融資[17]。因此，企業在進行融資時會更多地選擇內源融資，即持有更多金融資產。現有研究發現，企業出于蓄水池動機和替代動機，會更多地持有金融資產[1]，尤其是數字化企業，其金融資產配置水平遠高于其它企業。“互聯網+”戰略能夠降低權益融資成本，在一定程度優化企業外部融資環境，進而對企業金融資產配置產生影響。一方面，“互聯網+”戰略可以為企業提供除金融資產外的其它資源，降低數字化企業對金融資產的依賴程度；另一方面，“互聯網+”戰略能夠優化企業外部融資環境[13]，減少市場投資者、銀行等金融機構與數字化企業間的信息不對稱[16]，降低交易成本。同時，“互聯網+”戰略背景下，數字化企業擁有政策優勢，能夠較為便捷地進行權益融資和債務融資，降低內源融資依賴程度，對企業金融資產配置具有抑制作用。據此，本文提出以下假設：

H2：“互聯網+”戰略能夠降低數字化企業金融資產配置水平。

2.3 數字化企業金融資產配置的中介效應

企業在短時間內持有資源的總量是固定的，金融資產配置水平提升能夠給企業帶來更多營業收入，激發管理層的短視行為，即管理層更加愿意持有金融資產，從而降低企業創新投資水平[18]。同時，企業在前期通過持有金融資產獲得更高收益，后期如果貿然進行創新投資，所產生的收益不能當期折現，那么短時間內企業營業收入會出現明顯下降，引起市場的負面反應。企業在持有金融資產后會持續持有[19]，甚至出現增加的可能，即路徑依賴。因此，數字化企業金融資產過度持有會對創新投資產生擠出效應[2]。“互聯網+”戰略能夠在一定程度上緩解數字化企業的蓄水池動機和替代動機[1]，使其擁有更多資源進行創新投資。由此可見，“互聯網+”戰略能夠通過降低數字化企業金融資產配置水平促進創新投資。基于此，本文提出以下假設：

H3：“互聯網+”戰略能夠通過降低數字化企業金融資產配置水平促進創新投資，即金融資產配置在“互聯網+”戰略與數字化企業創新投資間發揮中介效應。

3 研究設計

3.1 數據來源與樣本選擇

“互聯網+”戰略實施元年是2015年，最新可得數據為2020年相關數據。同時，本文采用雙重差分方法(DID)，為減少偏差，選擇樣本時間跨度為2010—2020年。本文金融資產配置數據、創新投資以及其它財務數據來自于中國經濟金融研究庫(CSMAR)，并利用中國研究數據服務平臺(CNRDS)和RESSET數據庫進行補充。本文根據以下條件對樣本進行篩選：①由于金融企業的特殊性，剔除金融行業樣本；②剔除當年度資產負債率大于1的樣本；③剔除數據嚴重缺失樣本，得到3 171家公司 20 973個樣本，其中數字化企業為714家，樣本量為4 637。根據《數字經濟及其核心產業統計分類(2021)》對數字化企業的界定，與證監會發布的《上市公司行業分類指引(2012年修訂)》對樣本數據進行分類。為了降低極端值對回歸結果的影響，對數據進行上下1%的縮尾處理，采用Stata15.0進行計量分析。

3.2 變量界定

(1)被解釋變量：創新投資(R&D)。現有研究主要通過以下3種方式對企業創新投資加以衡量：①企業研發投入總量除以總資產[20]；②企業研發投入總量除以營業收入；③企業研發投入的自然對數。本文主要采用第一種方法進行衡量，采用第二種方法進行穩健性檢驗。

(2)解釋變量：“互聯網+”戰略實施(Post)。2015年國務院印發《國務院關于積極推進“互聯網+”行動的指導意見》，因而本文采用虛擬變量對“互聯網+”戰略實施(Post)進行定義，具體如下：若樣本年份在2015年及之后則Post=1，否則Post=0；如果數字化企業(Treat)屬于數字經濟產業則取1，否則取0。

(3)中介變量：金融資產配置(Fin)。本文依照趙勐等(2021)的衡量方式，采用持有至到期投資、衍生金融資產、交易性金融資產、可供出售金融資產、長期股權投資、投資性房地產及應收股利等金融資產占總資產比重構建企業金融資產配置水平指標[1]。同時，由于金融資產在行業間表現出顯著異質性，為了降低異質性對回歸結果的影響，本文對其進行中心化處理，即企業當年金融資產配置減去同行業同一年份的均值。

(4)控制變量。為了保證結果穩健，本文選取如下控制變量：企業績效(ROA)，采用資產回報率衡量(息稅前利潤/平均總資產)；企業規模(Size)，采用企業當年度總資產的自然對數進行衡量；企業財務杠桿(Lev)，采用資產負債率(總負債/總資產)衡量；企業年齡(Age)，采用企業樣本年份減去成立年份衡量；所有權性質(Soe)，采用虛擬變量衡量，具體來說，如果企業是國有企業取1，否則取0；企業價值(Tobinq)，采用托賓Q值(企業市價/重置成本)衡量；企業成長性(Grow)，采用營業收入增長率衡量。同時，本文控制行業虛擬變量和年份虛擬變量。具體界定見表1。

表1 變量界定Tab.1 Variables defined

3.3 模型設計

本文采用DID方法檢驗“互聯網+”戰略實施對數字化企業金融資產配置水平和創新投資的影響，并借鑒現有中介效應常用檢驗方法——依次檢驗法，對金融資產配置在“互聯網+”戰略和數字化企業創新投資間的中介效應進行檢驗。具體模型如下：

R&Di,t=α0+α1Treati,t+α2Posti,t+α3Treati,t×Posti,t+∑Controlsi,t+θi,t

(1)

Fini,t=β0+β1Treati,t+β2Posti,t+β3Treati,t×Posti,t+∑Controlsi,t+σi,t

(2)

R&Di,t=γ0+γ1Treati,t+γ2Posti,t+γ3Treati,t×Posti,t+γ4Fini,t+∑Controlsi,t+τi,t

(3)

模型(1)—(3)中，α0、β0、γ0代表模型截距項，θ、σ和τ代表模型隨機擾動項。根據溫忠麟和葉寶娟[21]的研究成果，在α3顯著的情況下，如果β3和γ4顯著且乘積符號與γ3符號相同，則說明金融資產配置在“互聯網+”戰略與數字化創新投資間發揮中介效應。此時，如果γ3顯著，則說明企業金融資產配置發揮部分中介效應；如果r3不顯著，則說明企業金融資產配置發揮完全中介效應。如果β3和γ4顯著且乘積符號與γ3符號相反，則說明金融資產配置在“互聯網+”戰略與數字化創新投資之間發揮遮掩效應。

4 研究結果

4.1 描述性統計

表2為本文描述性統計結果。如表2所示，創新投資的平均值與中位數均保持在0.020左右，但最大值為0.110，說明少部分企業創新投資較大。金融資產配置經中心化處理后的平均值為0.000，中位數為-0.025，說明部分企業金融資產配置水平較高。Treat項的中位數和平均值均小于0.050，說明相對于非數字化企業樣本，數字化企業樣本數量較少。Post項的中位數和平均值均大于0.050，說明2015年及以后的企業數量較多。

表2 描述性統計結果Tab.2 Descriptive statistics results

4.2 傾向得分匹配

本文主要研究對象為數字化企業，其易受國家“互聯網+”戰略的影響，如果直接采用DID回歸可能會導致比較嚴重的自選擇問題。為了緩解自選擇問題，本文在回歸前采用PSM進行1∶1近鄰匹配，選擇企業年齡(Age)、企業規模(Size)、財務杠桿(Lev)、企業成長性(Grow)和企業績效(ROA)等連續型變量作為PSM的協變量。本文中企業價值采用托賓Q值衡量，而托賓Q值在計算過程中的市價由市場決定，并非完全由企業本身決定，因而本文并未將其作為協變量。本文通過平衡性檢驗表(見表3)、核密度圖(見圖1、圖2)檢驗匹配效果。

表3 PSM平衡性檢驗結果Tab.3 PSM balance test results

從平衡性檢驗表可以看出，匹配前處理組和控制組存在較大偏差，其標準偏差均在5%以上，匹配后處理組和控制組偏差明顯降低，其標準偏差在2.5%以上。其中，企業年齡的標準偏差下降89.00%，企業規模下降96.00%，資產負債率下降99.60%，企業成長性下降94.70%，企業業績下降93.10%，圖1和圖2展示出相同的結果，說明PSM能夠有效減少自選擇問題。

圖1 匹配前核密度 圖2 匹配后核密度Fig.1 Post-match nuclear density Fig.2 Pre-match nuclear density

4.3 回歸結果

表4為PSM匹配后回歸結果。匹配后模型1中“互聯網+”戰略(Treat╳Post)與企業創新投資在1%水平上顯著為正(0.004 2)，說明“互聯網+”戰略有助于促進數字化企業創新投資水平提高，驗證假設H1；匹配后模型2中“互聯網+”戰略(Treat╳Post)與企業金融資產配置在1%水平上顯著為負(-0.012 9)，說明“互聯網+”戰略有助于降低數字化企業金融資產配置水平，驗證假設H2；匹配后模型3中“互聯網+”戰略(Treat╳Post)與企業創新投資在1%水平上顯著為正(0.004 0)，說明“互聯網+”戰略有助于促進數字企業創新投資水平提升，再次驗證假設H1，同時金融資產配置與企業創新投資在1%水平上顯著為負(-0.016 5)，說明金融資產配置水平提升會抑制數字化企業創新投資。據此，可以認為“互聯網+”戰略不僅能夠直接促進數字化企業創新投資，而且可以通過降低企業金融資產配置水平促進創新投資，即金融資產配置在“互聯網+”戰略與數字化企業創新投資間發揮部分中介效應，驗證假設H3，其中匹配后直接效應占總效應的比例為94.95% ，中介效應占總效應的比例為5.05%。此外，模型1和模型3中，Treat項分別與企業創新投資和金融資產配置在1%水平上顯著，說明相較于非數字化企業，數字化企業創新投資水平和金融資產配置水平較高。

表4 “互聯網+”戰略、數字化企業金融資產配置與創新投資關系回歸結果Tab.4 Regression results among“Internet +” strategy, financial asset allocation and enterprise innovation investment

4.4 穩健性檢驗

4.4.1 加入地區控制變量

自2015年《國務院關于積極推進“互聯網+”行動的指導意見》印發以來，各地區政府相繼出臺相關文件并取得了較大成效，但各地區情況并不相同，地區互聯網發展也存在一定差別。尤其是東部發達地區，其互聯網發展水平較高，資金較多，“互聯網+”戰略對該地區數字化企業的影響與中西部地區有所不同。為了減少地區因素對回歸結果的影響，本文進行穩健性檢驗，具體結果見表5。由表5可以看出，在控制地區變量后，回歸結果及其顯著性水平并未發生較大變化，說明本文回歸結果是穩健的。

表5 加入地區虛擬變量的穩健性檢驗結果Tab.5 Robustness test results of adding regional dummy variables

4.4.2 更換被解釋變量

為了排除被解釋變量指標選擇對回歸結果的影響，本文將創新投資衡量指標由研發投入與總資產的比值更換為研發投入與營業收入比值，檢驗結果如表6所示。由表6可以看出，在更換被解釋變量后，結果并未發生顯著變化，說明本文回歸結果具有穩健性。

表6 更換被解釋變量與t+1期創新投資穩健性檢驗結果Tab.6 Robustness test results of the replacement of explained variables and t+1 innovation investment

4.4.3 t+1期創新投資

由于金融資產配置水平與企業創新投資可能存在互為因果的內生性問題，為了緩解內生性問題對回歸結果的影響，本文將t期創新投資更換為t+1期創新投資進行回歸，結果如表6所示。由表6可以看出，t+1期創新投資與“互聯網+”戰略回歸結果顯著為正，與金融資產配置水平回歸結果顯著為負，與主回歸結果一致，說明本文回歸結果具有穩健性。

5 進一步研究

5.1 創新投資分類

自March[22]提出雙元學習概念后，這一概念被運用于創新研究，衍生出雙元創新概念，而雙元創新要求企業平衡利用相關資源，提高資源利用率。現有研究將雙元創新投資分為探索式創新投資和利用式創新投資，發現相較于利用式創新投資，政府補貼和財務冗余對企業探索式創新投資具有更顯著的促進作用，而且政府補貼和財務冗余對企業探索式創新投資的促進作用存在互補效應[23]。高鐵通車能夠顯著促進企業探索式創新投資，對企業開發式創新投資無顯著促進作用，而且高鐵通車對企業探索式創新投資的促進作用具有一定持續性[20]。為了揭示“互聯網+”戰略對數字化企業雙元創新投資的影響，本文將主回歸中創新投資替換為探索式創新投資和利用式創新投資，其中探索式創新投資(R&Dexpense)采用研發投入的費用化支出與企業總資產之比衡量，利用式創新投資(R&Dinvest)采用研發投入的資本化支出與企業總資產之比衡量[24]，具體結果見表7。

表7模型1和模型3中， “互聯網+”戰略(Treat╳Post)與探索式創新投資在1%水平上顯著為正，說明“互聯網+”戰略能夠促進數字化企業探索式創新投資；“互聯網+”戰略(Treat╳Post)與利用式創新投資在1%水平上顯著為負，說明“互聯網+”戰略能夠抑制數字化企業利用式創新投資。同時模型3中，金融資產配置與企業探索式創新投資回歸結果并不顯著，與企業利用式創新投資在1%水平上顯著為負，說明金融資產配置對企業探索式創新投資無顯著影響，但能夠抑制企業利用式創新投資。由此可以認為，金融資產配置水平無法在“互聯網+”戰略與企業探索式創新投資間發揮中介效應，在“互聯網+”戰略與企業利用式創新投資間發揮遮掩效應，其中直接效應占比為91.71%，遮掩效應占比為3.29%。

表7 “互聯網+”戰略、數字化企業金融資產配置與創新投資類型關系回歸結果Tab.7 Regression results among“Internet +” strategy, financial asset allocation and enterprise innovation investment types

“互聯網+”戰略背景下，互聯網與傳統產業相結合，以融合促創新，從而最大程度地聚集各類市場要素。數字化企業充分發揮引領作用，同時政府會對數字化企業給予更多支持，因而“互聯網+”戰略對企業探索式創新投資具有顯著促進作用。相對于其它企業，數字化企業創新水平較高，在得到政府支持后會將更多資源投入探索式創新，擠占利用式創新投資，因而“互聯網+”戰略實施對企業利用式創新投資具有顯著抑制作用。同時可以發現，金融資產配置對企業探索式創新投資無顯著影響，但對企業利用式創新投資具有負向影響。這是因為數字化企業為了發展會更多地進行探索式創新投資，金融資產投資從利用式創新投資中提取，故表現出金融資產配置對利用式創新投資的擠占效應[2]。

為了檢驗企業探索式創新投資和利用式創新投資間是否存在擠出效應，以及擠出效應能否對結果產生影響，本文將探索式創新投資和利用式創新投資作為控制變量加入模型1、模型3進行回歸，檢驗結果見表8。由表8可以看出，在加入探索式創新投資和利用式創新投資后，整體回歸結果及其顯著性水平并沒有發生較大變化，同時探索式創新投資和利用式創新投資的關系顯著為負，說明探索式創新投資和利用式創新投資存在資源爭奪，即二者間存在擠出效應。

表8 探索式創新投資與利用式創新投資擠出效應回歸結果Tab.8 Regression results of crowding-out effect of exploratory innovation investment and exploitative innovation investment

5.2 蓄水池動機與替代動機

為了檢驗數字化企業金融資產配置的蓄水池動機，以及“互聯網+”戰略對上述動機的緩解作用，本文根據數字化企業同一年度所在行業融資約束程度的均值將樣本分為高融資約束組和低融資約束組進行檢驗，低于均值視為高融資約束組，高于均值視為低融資約束組。其中，融資約束程度采用SA指數衡量，檢驗結果見表9，具體計算公式如式(1)所示。

SA=-0.737×Size+0.043×Size2-0.040×Age

(1)

如表9所示，在高融資約束組和低融資約束組的模型1、模型3中，“互聯網+”戰略(Treat×Post)與創新投資正相關，且經過鄒檢驗(模型1中chi=1.20，p=0.274 0；模型3為0.66，p=0.415 2)發現，兩者間系數不存在顯著差別，說明數字化企業融資約束無法對“互聯網+”戰略與創新投資的正向關系產生影響；高融資約束組和低融資約束組的模型2中，“互聯網+”戰略(Treat×Post)與金融資產配置負相關，且經過鄒檢驗(chi=7.90，p=0.004 9)發現，兩者間系數存在顯著差異，說明數字化企業融資約束能夠對“互聯網+”戰略與金融資產配置的負向關系產生影響，即高融資約束時“互聯網+”戰略對數字化企業金融資產配置水平的抑制作用更加顯著。模型3中，低融資約束時金融資產配置水平與數字化企業創新投資不相關，高融資約束時金融資產配置與數字化企業創新投資在1%水平上顯著負相關，說明高融資約束時金融資產配置對創新投資存在擠出效應。同時，結合模型2回歸結果可知，“互聯網+”戰略確實在一定程度上能夠削弱數字化企業的蓄水池動機。高融資約束組中，直接效應占總效應的比例為90.51%，中介效應占比為9.49%。

表9 蓄水池動機回歸結果Tab.9 Regression results of reservoir motivation

為了檢驗數字化企業金融資產配置的替代動機，以及“互聯網+”戰略對替代動機的緩解作用，本文根據數字化企業同一年度所在行業營業收入的均值將樣本分為高營業收入組和低營業收入組進行檢驗，高于均值視為高營業收入組，低于均值視為低營業收入組。其中，營業收入采用企業當年營業收入與總資產的比值衡量，檢驗結果見表10。

如表10所示，在高營業收入組和低營業收入組的模型1、模型3中，“互聯網+”戰略(Treat╳Post)與創新投資正相關，且經過鄒檢驗(模型1中chi=3.75，p=0.052 9；模型3中chi=3.67，p=0.055 4)發現，兩者間系數存在顯著差別，說明數字化企業營業收入對“互聯網+”戰略與創新投資的正向關系具有顯著影響，即高營業收入時“互聯網+”戰略對數字化企業創新投資的促進作用更加顯著。在高營業收入組和低營業收入組的模型2中，“互聯網+”戰略(Treat╳Post)與金融資產配置負相關，且經過鄒檢驗(chi=0.48，p=0.487 9)發現，兩者間系數不存在顯著差別，說明數字化企業營業收入無法對“互聯網+”戰略與金融資產配置的負向關系產生影響；模型3中，高營業收入時金融資產配置與數字化企業創新投資不相關，低營業收入時金融資產配置與數字化企業創新投資在1%水平上顯著負相關，說明低營業收入時金融資產配置對創新投資存在擠出，即替代效應。結合模型2可以認為，“互聯網+”戰略未能削弱數字化企業的替代動機。這是因為數字化企業在發展過程中依賴于自身金融資產。低營業收入組中，直接效應占總效應的比例為95.14%，中介效應占比為4.86%。

表10 替代動機回歸結果Tab.10 Regression results of substitute motivation

6 結語

6.1 研究結論

本文基于2010—2020年滬深A股上市公司數據，采用PSM-DID檢驗“互聯網+”戰略、數字化企業金融資產配置水平與創新投資間的關系，結果發現，“互聯網+”戰略有助于促進數字化企業創新投資，而且能夠通過降低金融資產配置水平促進企業創新投資，即金融資產配置在“互聯網+”戰略與數字化企業創新投資間發揮部分中介效應。

(1)“互聯網+”戰略能夠促進數字化企業探索式創新投資，抑制利用式創新投資，同時金融資產配置僅對企業利用式創新投資具有抑制作用，無法影響企業探索式創新投資。因此，金融資產配置無法在“互聯網+”戰略和探索式創新投資間發揮中介效應，但能夠在“互聯網+”戰略和利用式創新投資間發揮遮掩效應。

(2)低融資約束組中“互聯網+”戰略對金融資產配置的抑制作用大于高融資約束組，低融資約束組中金融資產配置對創新投資無顯著影響。在高營業收入組和低營業收入組，“互聯網+”戰略對金融資產配置的抑制作用無顯著差異，高營業收入組中金融資產配置對創新投資無顯著影響。

(3)數字化企業金融資產配置存在蓄水池效應和替代效應，而“互聯網+”戰略有助于抑制數字化企業金融資產配置的蓄水池效應，但無法抑制替代效應。

6.2 政策建議

(1)國家和地方政府應大力推進“互聯網+”戰略實施，通過“互聯網+”戰略促進數字化企業創新投資，并給予數字化企業其它政策性支持，從而抑制其金融資產持有水平。同時，“互聯網+”戰略能夠有效引導數字化企業積極參與國家數字經濟建設，充分發揮數字化企業與其它企業的戰略互補作用，引導經濟穩中向好發展。

(2)國家應支持數字化企業大力進行探索式創新投資，通過增加企業探索式創新投資抑制金融資產配置對創新投資的擠出效應。同時，數字化企業應合理分配探索式創新投資資金和利用式創新投資資金，規避兩種創新投資對資源的爭奪。

(3)鼓勵并支持互聯網與實體企業相結合，發揮數字化企業對創新投資的引領作用，避免企業過度使用金融資產，進而抑制數字化企業在金融資產配置方面的蓄水池動機和替代動機。