互聯網+、城市智能化與中國企業技術創新
——來自騰訊研究院大數據與專利微觀數據的分析

林 峰 林淑佳 李宏兵

一、引言

中國經濟已由高速增長階段進入高質量發展階段，以數字化、網絡化和智能化為主要特征的第四次工業革命正孕育興起，“互聯網+”戰略加速了中國產業結構轉型升級與技術革新。2015年國務院發布的《關于積極推進“互聯網+”行動的指導意見》明確指出“要把互聯網的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”。隨著互聯網與各行業不斷深入融合，“互聯網+”對實體經濟、政務服務和民生保障的助推作用日益顯現。根據網信辦發布的2020年《數字中國發展報告》，中國數字經濟總量已躍居世界第二，數字經濟核心產業增加值占GDP的比重達到7.8%。與此同時，數字政務、數字生活和數字文化也快速滲透至公共服務與社會生活。移動政務、網約車、網購平臺等數字化舉措給中國居民帶來了工作和生活上的便捷，公眾號、朋友圈、新聞客戶端則成為分享信息和知識的重要渠道。“互聯網+”不僅為中國經濟發展提供了創新驅動引擎，也為中國企業數字化轉型奠定了技術基礎，形成了以互聯網為生產要素的創新發展新業態。自2011年開始，中國專利申請量和授權量穩居世界第一位，國家創新能力排名從2011年的第29位提升至2020年的第14位。2021年11月中國正式申請加入《數字經濟伙伴關系協定》(DEPA)，這也為企業數字化創新提供了重要契機。因此，在依靠“互聯網+”戰略來實現經濟新舊動能轉換的關鍵節點，檢驗與分析“互聯網+”對中國企業技術創新的作用效果，顯然具有重要的理論意義和實踐價值。

2015年李克強總理在政府工作報告中首次提出制定“互聯網+”行動計劃，并將“互聯網+”概念上升為國家戰略。其后，學術界和政策制定者對“互聯網+”的賦能作用進行了全面解讀、探索與實踐。現有研究不僅從理論上探討了以互聯網為代表的產業融合問題，也從經驗上佐證了互聯網引致的技術創新效應。在區域和產業創新層面，“互聯網+”模式的推廣促進了創新要素與有形生產要素的融合發展，有利于區域產業分工和創新融合。黃群慧等(2019)構建的超邊際一般均衡模型表明，互聯網發展顯著促進了城市整體生產率的提升，并以互聯網普及率、互聯網寬帶用戶數等作為互聯網發展的代理指標進行了經驗佐證。余泳澤等(2021)采用主成分方法構建了城市互聯網發展指數，從理論和實證的角度驗證了互聯網發展對技術創新產生的積極影響。蔣仁愛等(2021)基于地級市面板數據的分析表明，互聯網普及率的提高有利于城市創新效率提升。周宇等(2021)使用互聯網普及率和應用率的研究結果發現，“互聯網+”通過提高市場競爭程度促進了高技術產業自主創新。在企業創新層面，伴隨著資源共享平臺、數字化創新平臺的出現，小微企業和農村企業有機會參與到合作創新和自主創新的過程中，促進了互聯網經濟的包容性發展(湛泳、徐樂，2017)。王金杰等(2018)以城市互聯網寬帶接入數衡量互聯網發展水平，發現互聯網能夠顯著提高企業的創新績效。沈國兵、袁征宇(2020)基于城市互聯網普及率的分析表明，互聯網化活動能夠顯著促進企業技術創新。與此同時，伴隨著智慧時代的到來，人工智能技術為實體經濟與互聯網虛擬經濟深度融合創造了條件(何玉長、方坤，2018)。“互聯網+”與人工智能的結合將不同智能數據庫聯結成統一的集成生態，讓來自研發者、生產者、消費者等各個終端的數據能夠跨空間有效互動，促進開放式、分布式的創新發展(陳巖等，2020)。因此，在《關于積極推進“互聯網+”行動的指導意見》中，人工智能被列為“互聯網+”重點推進的領域之一。但目前僅有少數文獻涉及了數字化與智能化建設的交互作用。程虹、袁璐雯(2020)基于企業調查數據的分析表明，機器人使用會通過工藝創新促進企業質量改進。劉佳琪、孫浦陽(2021)的研究表明，在人工智能滲透率較高的行業中，數字進口對企業創新的激勵作用更為明顯，進而證實了人工智能和數字進口的協同創新作用。

盡管上述研究已經較為清晰地梳理了互聯網發展對企業技術創新的影響，但仍存在以下兩方面的局限性：第一，在研究指標方面，現有研究主要圍繞“互聯網化”展開經驗分析，不少學者采用互聯網普及率、互聯網用戶數等互聯網化指標來表征“互聯網+”(石喜愛等，2018；肖利平，2018)，但在經濟政策分析中，“互聯網化”不能等同于“互聯網+”。正如韓先鋒等(2020)指出的，“互聯網+”是一個較為復雜的系統工程，包括互聯網普及率在內的單一指標僅能反映“互聯網+”的局部事實，并不能揭示“互聯網+”的綜合特征。“互聯網+”的本質是要求實體企業與互聯網企業建立緊密聯盟來進行互聯網技術滲透，核心內涵體現在實體經濟與互聯網虛擬經濟深度融合的過程(趙振，2015)。因此，僅采用互聯網化指標顯然不能刻畫“互聯網+”微觀主體的深度融合效果；第二，在研究視角方面，現有文獻大多關注數字化建設對企業技術創新的影響，但未重視智能化建設引致的協同創新效應。考慮到智能化與數字化存在較強的交互性，例如數字技術的快速發展聯結起人與機器的“對話”，推動了新一輪信息革命浪潮(何大安，2018)。因此，從城市智能化與數字化的交互視角揭示中國企業技術創新的動能，顯然具有重要的研究價值。鑒于此，本文在構建數理模型的基礎上，從企業微觀層面檢驗“互聯網+”的技術創新效應和城市智能化的協同創新效應，這是對現有研究的有益補充。

與現有研究相比，本文可能在以下三個方面有所拓展：(1)將“互聯網+”嵌入企業創新數理模型中，構建了“互聯網+”對企業技術創新影響的理論基礎；(2)結合騰訊研究院大數據與中國專利微觀數據，將城市特征影響企業技術創新的研究樣本和數據擴展到新的層次。騰訊研究院通過匯總騰訊、京東、攜程、美團等多家互聯網公司的全樣本大數據，評估了全國351個城市在數字經濟、數字政務、數字文化、數字生活等維度的“互聯網+”水平，大數據分析有助于全面刻畫“互聯網+”微觀主體的融合效果。本文通過匹配2017年中國專利數據庫和245個城市的“互聯網+”指數，以31580家企業的專利申請數作為企業技術創新的代理指標，同時引入數字高程模型(Digital Elevation Model，DEM)計算的城市地形起伏度作為“互聯網+”的有效工具變量，從微觀層面揭示了城市“互聯網+”對企業技術創新的推動作用；(3)本文進一步考察了企業技術創新的調節機制，證明了城市智能化與“互聯網+”的協同創新作用，為推進城市智能化建設和數字化建設“雙建聯動”提供了新思路。

本文余下結構為：第二部分構建理論模型，并提出研究假說；第三部分介紹計量模型；第四部分呈現實證分析結果；第五部分是擴展性檢驗；最后是本文結論與政策含義。

二、理論模型

(一)“互聯網+”影響企業技術創新的均衡框架

本文首先理論推演“互聯網+”對企業技術創新的影響，并據此討論“互聯網+”與企業技術創新之間的邏輯關系。基于Bertschek(1995)的創新模型，本文構建一個寡頭市場的局部均衡模型。假設新企業可以自由進入本國市場，且企業生產有差異性的替代品，進而保證市場價格的差異化。pi表示企業i的價格，由企業的產品數量(qi和Q～i)和質量共同決定。qi表示企業i的產量，Q～i表示企業i以外的其他企業的總產量。產品質量由企業i的技術創新(innovation)來衡量。因此，企業i的價格可以表示為：

pi=pi(qi,Q～i,innovationi)

(1)

根據Bertschek(1995)，企業的創新活動可以分為產品創新和流程創新。通常而言，產品創新會提高企業的生產成本，而流程創新會降低企業的生產成本。由于本文關注的是產品創新效應，因而可以假定國內市場供應量(即qi和Q～i)的增加會降低pi，而產品質量的提高會增加pi，即存在?pi/?qi<0，?pi/?Q～i<0，?pi/?innovationi>0。

假定企業i生產的邊際成本ci由產品質量、要素投入價格和當地的“互聯網+”水平共同決定。在僅投入要素進行生產的情況下，邊際成本通常為正數。例如，出租汽車企業要想拓展更多用戶，就必須增加車輛購置的成本；制造型企業要擴大生產規模，就必須增加廠房改造的成本。因此，在僅考慮資本、勞動力等有形生產要素時，要素投入價格和產品質量的提高通常會增加企業的邊際成本(Lin and Lin，2010)，即滿足?ci/?wi>0，?ci/?innovationi>0。本文將“互聯網+”作為無形生產要素嵌入邊際成本的原因在于，“互聯網+”的大數據使得企業與消費者、企業與企業之間的關聯成本大大下降，從而加速了信息成本、溝通成本和生產成本的“零邊際成本”進程(Zhong and Jiang，2021)。例如，對于網約車企業，增加一輛車和一個司機的成本基本可以忽略不計；對于住宿服務企業，增加一間新出租屋的成本幾乎為零。數字化與產業鏈的“扁平化”也迅速降低了制造業企業的邊際成本(Zheng et al.，2021)。因此，企業可以借助“互聯網+”帶來的“零邊際成本”優勢實現范圍經濟分工。因此，本文將邊際成本函數設定為：

(2)

其中，wi表示要素投入價格，internet表示“互聯網+”水平，internet∈(0,+∞)。θ為常數。α和1-α分別表示要素價格和產品質量對邊際成本的彈性，0<α<1。此外，企業i在技術創新過程中還存在固定成本，表示為Ci。根據式(1)和式(2)，企業i的利潤可以表示為：

πi=pi(qi,Q～i,innovationi)qi-ci(wi,innovationi,internet)qi-Ci

(3)

對式(3)進行全微分處理，可以得到：

(4)

在利潤最大化的條件下(即dπi=0)，進一步將式(4)對internet求導，可以得到：

(5)

假定“互聯網+”不會直接影響企業產品數量(qi和Q～i)、要素價格和企業固定成本，即滿足dqi/dinternet=0，dQ～i/dinternet=0，dwi/dinternet=0，dCi/dinternet=0。主要是基于以下考慮：首先，作為無形生產要素的投入，“互聯網+”主要影響企業的產品質量，但不會直接影響企業生產數量；其次，由于突破性創新的不確定性較高，“互聯網+”通常不會引起要素投入組合和要素價格的即時變動；最后，倘若“互聯網+”不會引起財政政策、貨幣政策等外生沖擊，那么企業通常不會調整創新過程中的固定成本(Jaimovich and Floetotto，2008)。因此，根據式(5)和式(2)，可以得到如下關系式：

(6)

借鑒Bertschek(1995)的做法，假定提高產品質量的邊際收益要大于其邊際成本，即滿足?pi/?innovationi>?ci/?innovationi。這樣的假設顯然是合乎現實的，保證了企業即使在信息不對稱的情況下，也會有提高產品質量的創新激勵。從式(6)可以發現，dinnovationi/dinternet>0。本文據此提出第一個可供檢驗的假說：

假說1:“互聯網+”發展有利于企業技術創新水平的提升。

上述理論模型刻畫了城市“互聯網+”發展對企業技術創新的推動作用。在此基礎上，本文通過文獻梳理的方式進一步闡釋“互聯網+”可能的作用機制。第一，“互聯網+”降低了企業獲取創新要素和學習技術的成本。企業研發人員通過學術網頁、研發論壇等渠道，能夠快速學習前沿技術和知識，推動創新性思維碰撞，加速人力資本的積累。企業基于產業創新鏈構建了跨區域、跨部門的網絡協作虛擬平臺，也減少了企業間的合作障礙，降低了研發合作的成本(Wu et al.，2016；黃節根等,2021)。第二，“互聯網+”提高了企業創新要素的配置效率。在互聯網時代，通過維基百科、在線論壇等形式無償分享知識、解決技術難題的現象日益普遍(Levine and Prietula，2014)。企業對研發流程實行互聯網管理，有效整合了內外部資源，提高了創新要素的利用效率。第三，“互聯網+”為企業創新活動提供了資金保障。一方面，企業利用互聯網降低了生產、運營和交易成本，因而有更充足的資金投入到研發和創新領域(韓先鋒等，2019)；另一方面，“互聯網+”使得企業技術創新的融資渠道更加豐富，創新支持也更具靶向性(沈國兵、袁征宇，2020)。第四，“互聯網+”能夠優化企業創新流程，減少無效創新。移動用戶論壇、新版APP內測等市場分析模式已日益普遍，“互聯網+”大數據全面挖掘了用戶資源的研發價值。在需求分析階段，企業能更加精準地了解用戶的真實需求和體驗反饋，開發可行性高、市場應用前景好的創新產品。而在測試和控制階段，企業能夠及時獲取用戶反饋，并在研發階段修正創新路徑(Paunov and Rollo，2016)。

(二)“互聯網+”與城市智能化的協同創新作用

在大數據和智能化浪潮下，人工智能的快速發展顯著提高了信息化和數字化的效率，為企業創新提供了未來突破方向。在需求分析階段，人工智能使得企業能夠預見更廣闊的產品創新空間，通過“互聯網+”等數字化途徑獲取消費市場的最新信息和創新理念(Bresciani et al.，2021)；在研發控制階段，人工智能使得研發人員能夠更從容地面對“互聯網+”帶來的“數據大爆炸”，并且更精準地獲取全球前沿知識和技術；在成果轉化階段，人工智能使得企業基于“互聯網+”大數據打造的營銷管理、金融運轉、風險控制等數據庫能夠實現深度聯結，有利于培育更高效的創新生態(石大千等，2020)。

“互聯網+”與城市智能化的協同創新作用體現在：第一，以“互聯網+”為代表的數字化變革可以借助城市智能化打破“數據孤島”邊界，實現大數據的跨空間互聯，從而豐富企業的創新數據儲備(戚聿東、肖旭，2020)。同時，城市智能化賦予了消費者寬闊的選擇空間和計劃菜單，增強其對大數據驅動型智能產品的消費習慣，拓展了智能產品的創新模式和類型(王欣等，2021)；第二，“互聯網+”帶來的數字化發展主要以市場驅動為主，往往會產生應用創新較多、核心技術創新不足等問題(郭吉濤、梁爽，2021)。而城市智能化建設能引導資本流向核心高科技產業，提升企業核心技術創新能力。尤其是在擁有智慧物流、智慧社區和智慧金融的智能化城市中，企業可以更加精準地整合和處理市場信息，從而降低了交易成本和創新的不確定，為企業創新研發提供了所需資金(何大安，2018)；第三，城市交通網絡、醫療網絡和社區服務網絡的智能化建設不僅提高了居民生活的便利度，也吸引了更多創新人才匯聚，為企業技術創新儲備了更豐富的人力資本(Allam and Dhunny，2019)。與此同時，城市公共服務智能化會吸引更多創新型企業入駐，進而加速企業技術創新的進程(袁航、朱承亮，2020)；第四，城市智能化引導企業基于“互聯網+”進行公平競爭，充分發揮企業創新的正外部性。企業在創新過程中大規模地應用數字化技術，容易引發隱私侵權、數據濫用等問題。而城市智能化建設能夠推動企業、居民和政府共同參與創新研發，產生具有商業價值的、公平競爭的、不與社會公共利益相悖的創新訴求(Leite，2022)，激勵企業創造正外部性的創新收益。此外，城市智能化建設還能幫助小微企業解決工業物聯網融入的難題，降低數據壟斷的風險，充分調動小微企業的創新活力(Hansen and B?gh，2021)。基于上述分析，本文提出第二個可供檢驗的假說：

假說2：“互聯網+”與城市智能化具有協同創新作用。隨著城市智能化水平的提高，“互聯網+”對企業技術創新的推動作用會顯著增強。

三、計量模型設計

(一)計量模型與變量選取

為檢驗“互聯網+”對企業技術創新的影響，借鑒陳維濤等(2019)的設定，本文構建如下的計量模型：

lninnovationic=α0+α1lninternetc+δX+θj+εic

(7)

其中，i代表企業，c代表城市，innovationic代表c城市i企業的專利申請數，衡量企業的技術創新能力。internetc為“互聯網+”變量，反映c城市的“互聯網+”水平。X代表控制變量，不僅包括人均GDP、產業結構、研發人員數量、財政支出、外商直接投資等城市層面的控制變量，還包括國有企業虛擬變量、外資企業虛擬變量等企業層面的控制變量(1)由于中國專利數據庫尚未提供企業年齡、企業規模等信息，因此本文僅引入企業層面的虛擬變量。。為了控制其他難于觀測的因素，我們還加入了企業所在j行業(國民經濟行業分類2分位)的行業固定效應。εic為隨機誤差項。主要變量的選取依據和度量方法如下：

1.企業技術創新

本文以企業專利申請數作為技術創新的代理指標，主要是考慮到：一方面，專利申請數能夠即時反映企業當年的創新活動情況，與創新產出息息相關，是具備實際經濟價值的知識資產(陳愛貞、張鵬飛，2019)；另一方面，研發支出等創新投入無法反映企業人力資本、智慧網絡建設以及新知識的引進吸收等創新活動(Yu and Hong，2016)。為此，本文主要從創新產出層面考察企業技術創新的變化。借鑒諸竹君等(2018)，本文采用國家知識產權局專利數據庫中的企業發明專利、實用新型專利和外觀設計專利這三種專利的申請總數來反映企業的技術創新產出，對其加1后取對數得到技術創新指標(lninnovation)。

2.城市“互聯網+”水平

本文采用騰訊研究院大數據測算的“互聯網+”指數反映城市“互聯網+”的發展水平。與寬帶接入用戶數、互聯網普及率等指標相比，“互聯網+”指數更加強調互聯網在中國經濟、政務、文化、生活等方面的綜合應用情況，指標的統計范圍也更加系統全面。通過數據標準化、專家評分確定權重等方法，計算數字經濟、數字政務、數字文化和數字生活四個分指數，再對四個分指數進行加權平均得到如下的“互聯網+”指數(internet)：

internetc=ωeinternet_ec+ωpinternet_pc+ωcinternet_cc+ωlinternet_lc

(8)

上式中，數字經濟指數(internet_e)由10大細分行業的機構公眾號指標、支付和理財類指標、商品和服務交易類指標、用云量和企業微信類指標進行加權平均得到，以評估云計算、大數據、移動互聯網與各個經濟部門的融合發展狀況；數字政務指數(internet_p)是由服務質量星級、月活躍用戶數、重點行業豐富度等指標構成，反映了城市政府政務服務數字化的情況；數字文化指數(internet_c)是基于騰訊新聞客戶端、視頻、在線文字、娛樂等數字文化產品的使用數據，由新聞評論量、點擊量、視頻點擊量、娛樂時長等指標構成，反映了互聯網在文化精神領域的應用情況；數字生活指數(internet_l)由微信社交指數和社交支付兩類指標加權得到，涵蓋了微信好友數、群數、評論數、點贊數、紅包轉賬等指標，體現了互聯網與居民日常生活的交融程度。具體的指標體系設計如表1所示。各分指數是由原始值按百分比形式進行標準化后的數值，式(8)中的權重指標ωe、ωp、ωc和ωl采用專家背對背評分的方法得出。先由專家針對分指標的重要性給出1分(非常不重要)到5分(非常重要)，再將專家組成員的打分進行賦權，最終得到該指標的權重。本文對“互聯網+”指數進行對數化處理，“互聯網+”指數越高，代表城市“互聯網+”水平越高。

表1 “互聯網+”的指標體系設計

3.控制變量

借鑒現有文獻的做法，本文選取以下城市和企業層面的控制變量：(1)人均GDP(lngdpp)。經濟較發達的城市在吸引科研資源和科研人才方面更有優勢，這有利于企業技術創新。為此，本文以人均GDP的對數來衡量經濟發展水平；(2)產業結構(lnind)。技術創新與產業結構息息相關，企業創新模式的選擇受到產業結構的制約與引導(馮根福等，2021)。為此，本文選取第三產業從業人員與第二產業從業人員的比例，對其取對數來衡量產業結構；(3)研發人員數量(lnrdl)。科研人才是重要的創新投入要素，本文采用研發人員數占城鎮單位從業人員數的比重，對其取對數來衡量；(4)科學技術支出(lntec)。科研經費的大量投入會直接影響創新產出的水平，本文選取科學技術支出與工業企業數的比值，對其取對數來衡量；(5)外商直接投資(lnfdi)。引進外資先進技術并利用技術溢出效應促進本地消化吸收能力，是推動企業自主創新的重要途徑。為此，本文以實際利用外資額的對數來衡量外商直接投資；(6)財政支出(lngov)。財政支出較充裕的城市往往具備較完善的科研基礎設施和吸引人才的政策紅利，進而影響企業技術創新的動力(董直慶、王輝，2021)。為此，本文選取地方一般公共預算支出的對數來表示；(7)國有企業虛擬變量(state)和外資企業虛擬變量(foreign)。相對于國有企業，外資企業通常具有更強的技術創新能力和更完善的創新渠道(劉斌、王乃嘉，2016)。為此，本文引入國有企業和外資企業的虛擬變量作為企業層面的控制變量。其中，國有企業包括國有獨資企業和國有聯營企業，外資企業包括中外合資經營企業、外資獨資企業、外商投資股份有限公司、中外合作經營企業和其他外商投資企業。

(二)數據說明

騰訊研究院已發布2015年和2017年的中國“互聯網+”指數，但由于統計口徑和構造方法存在較大差異(2)例如2015年的“互聯網+”指數是由“互聯網+基礎”、“互聯網+產業”等四個分指數構成，而2017年的“互聯網+”指數則由數字經濟、數字政務等四個分指數構成。，本文并未將這兩年的指數進行綜合考察。考慮到2015年“互聯網+”戰略落地的時滯性，本文選取騰訊研究院編制的2017年中國“互聯網+”指數進行分析。結合微觀企業所在城市信息，本文最終選取245個地級市的“互聯網+”指數，數據來源于《中國“互聯網+”指數報告(2018)》。城市人均GDP、產業結構、研發人員數量、科學技術支出、財政支出和外商直接投資的數據均來源于《中國城市統計年鑒》。企業技術創新、國有企業和外資企業虛擬變量數據來源于國家知識產權局的中國專利數據庫，該數據庫收錄了自1985年《專利法》實施以來所有經國家專利局處理的專利申請情況和企業信息。表2顯示了主要變量的統計特征。

表2 主要變量的描述性統計

從表2可以看出，企業技術創新的均值為0.6343，表明企業平均專利申請數約為0.9項。245個城市的“互聯網+”水平存在較大差異，變異系數(標準差與均值之比)達到1.45。“互聯網+”總指數排名前四的城市依次是深圳(3.3474)、廣州(2.9608)、北京(2.7371)和上海(2.4357)，這四個一線城市的“互聯網+”指數遠遠高于中國城市“互聯網+”的平均值(0.7986)。為了直觀清晰地刻畫“互聯網+”與企業技術創新的聯動性，本文在圖1呈現了各城市的企業平均技術創新指標與“互聯網+”的線性擬合關系。可以看出，隨著城市“互聯網”水平的提高，平均技術創新能力呈現明顯提升趨勢，這也為本文的實證檢驗提供了基本的表征事實。

圖1 城市“互聯網+”與企業技術創新的擬合關系

四、實證結果分析

(一)基準回歸

表3呈現了“互聯網+”與企業技術創新關系的實證結果。為了消除模型可能存在的異方差，所有回歸均采用異方差穩健t統計量(3)本文也采用聚類穩健標準誤進行分析，結果依然穩健。。在依次加入城市和企業層面控制變量的情況下，列(1)和列(2)中“互聯網+”變量在1%的水平上均顯著為正，表明“互聯網+”顯著推動了中國企業的技術創新。“互聯網+”水平每提高1%，企業技術創新能力將會提升0.0481%。列(3)進一步控制了行業固定效應，“互聯網+”變量與企業技術創新仍然在1%的水平上顯著正相關，這與假說1的預期相一致，即“互聯網+”在促進企業技術創新方面發揮了顯著且積極的作用。

表3 基準回歸結果

在控制變量方面，人均GDP、研發人員數量、科學技術支出和外商直接投資變量均在1%的水平上顯著為正，表明企業創新產出依賴于城市的經濟基礎、科技投入和外資效益，這不僅體現了科技人才等創新要素是企業創新發展的動力源泉，也佐證了FDI是促進企業技術創新的重要渠道。產業結構變量的估計系數也顯著為正，表明產業高級化有利于企業技術創新。財政支出變量在1%的水平上顯著為負，表明財政支出擴張會抑制企業技術創新。這可能是因為，財政支出擴張加劇了地方政府的財政壓力和晉升壓力(曹春方等，2014)，導致地方企業產生掠奪創新資源的動機。國有企業和外資企業的虛擬變量均在1%的水平上顯著為正，表明國有企業和外資企業都具有顯著的技術創新效應。但是不難發現，國有企業的技術創新效應要明顯強于外資企業。可能的原因在于，國有企業的研發地和專利申請地主要在本國，更加熟悉專利申請的政策流程，且能積極響應國家提出的創新倡議。而外資企業主要將研發任務放在母公司(李兵等，2016)，在專利申請方面的技術創新能力會稍弱于國有企業。

(二)工具變量回歸

除了“互聯網+”影響企業技術創新的單向因果關系，還可能存在技術創新影響“互聯網+”的單向因果關系。通常而言，技術創新水平越高的企業，越傾向于使用互聯網推廣其創新成果(杜丹清，2017)，這有助于“互聯網+”在城市范圍內的應用和滲透。為解決潛在的內生性問題，本文引入企業所在城市的地形起伏度作為“互聯網+”的工具變量。工具變量必須滿足相關性和外生性這兩個基本條件。一方面，地形起伏度這類地理信息變量具備天然的外生屬性，并不會直接影響企業層面的技術創新，即容易滿足外生性條件；另一方面，地形起伏度不僅會影響互聯網服務端的運營成本，也會影響互聯網客戶端的使用體驗(Prieger，2003)，即滿足了相關性條件。相較于平原地帶，山地丘陵地帶的信號較差、網絡不穩定，互聯網信號覆蓋的范圍也較小，這會直接影響“互聯網+”的用云量和IDC帶寬。Baik and Liu(2019)指出，平原地帶微波多點分配技術的信號覆蓋范圍是100公里，但山地丘陵地區的信號覆蓋范圍會出現明顯下降。地形起伏度的計算源于地理空間數據云提供的數字高程模型(DEM)數據，并依據如下的計算公式：

(9)

其中，rdls表示每個柵格區的地形起伏度。首先，本文將全國地形圖劃分為5km×5km的柵格區(即a=25)，并利用ArcGIS軟件計算出每個柵格區內的最高海拔max(h)、最低海拔min(h)和平均海拔avg(h)；其次，提取出柵格區內的平原面積p(a)，即最大高差小于30km的區域面積；最后，依據上式計算每個柵格區的地形起伏度，各城市的地形起伏度為該城市覆蓋的所有柵格區的地形起伏度的平均值。為了確認工具變量的有效性，本文進行了弱識別檢驗和識別不足檢驗。從表4的檢驗結果可以看出，模型不僅拒絕了Kleibergen-Paap rk LM檢驗的“不可識別”原假設，還拒絕了Kleibergen-Paap rk Wald檢驗的“弱工具變量”原假設(F統計量遠大于Stock-Yogo弱識別檢驗的10%臨界值)。因此，檢驗結果表明，本文的工具變量滿足了相關性和外生性的基本要求，是合理的工具變量。

表4 工具變量回歸結果

表4呈現了工具變量兩階段最小二乘法(IV-2SLS)的估計結果。可以看出，在加入控制變量和行業固定效應后，列(1)至列(3)中“互聯網+”變量的系數符號和顯著性水平均未發生改變，仍然在1%的水平上顯著為正，表明“互聯網+”能夠顯著推動企業技術創新。在克服內生性問題后，“互聯網+”變量的系數值相比于OLS估計顯著增大。以列(3)為例，在控制行業固定效應的情況下，“互聯網+”水平每提高1%，企業技術創新將會提升0.1672%。這充分說明“互聯網+”的內生性使得OLS估計產生了向下偏倚，從而低估了“互聯網+”對企業技術創新的推動作用。除了人均GDP，其他控制變量的估計結果也與OLS回歸結果相一致，產業結構越高級、研發人員和科學技術支出越多、外商直接投資金額越高的城市，企業的技術創新能力就越強。國有企業的技術創新效應仍然要強于外資企業。因此，工具變量的回歸結果驗證了基準回歸模型的合理性，這也進一步支持了假說1的理論預期。

(三)穩健性檢驗

為進一步保證回歸結果的可靠性，本文在表5中進行了一系列穩健性檢驗。第一，為了更加謹慎地驗證基準回歸結果，本文重新選取其他指標作為工具變量進行穩健性檢驗。借鑒盧福財、徐遠彬(2019)、張勛等(2020)的思路，本文選取城市到省會城市的距離作為“互聯網+”的工具變量。一方面，“互聯網+”與互聯網基礎設施密切相關，而互聯網基礎設施往往是由省會城市向周邊城市覆蓋，因此各城市到省會城市的距離能夠較好地滿足相關性條件；另一方面，城市間距離具備天然的外生屬性，并不會直接影響企業技術創新，即滿足外生性條件。我們根據各城市質心經緯度，計算出各城市與城市所在省份的省會城市之間的球面距離，數據來源于高德地圖開放平臺。列(1)的估計結果顯示，工具變量通過了弱相關和外生性的識別檢驗，且“互聯網+”變量在1%的水平上顯著為正，表明“互聯網+”能夠顯著推動企業技術創新。

表5 穩健性檢驗結果

第二，考慮到深圳、廣州、北京和上海這四個一線城市的“互聯網+”水平遠高于其他城市，本文剔除了“北上廣深”的企業樣本，以觀察結果是否穩健。列(2)呈現了控制行業固定效應的結果，“互聯網+”變量的系數在1%的水平上顯著為正，表明“互聯網+”能夠顯著促進企業技術創新。在剔除一線城市樣本和控制行業固定效應的情況下，“互聯網+”水平每提高1%，企業技術創新能力將會提升0.062%，這進一步驗證了基準回歸結果的可靠性。

第三，本文進一步控制了基準模型中未能觀測的省份層面的影響因素。考慮到教育、知識產權和性別結構對企業技術創新的影響(吳超鵬、唐菂，2016；劉燦雷、高超，2021)，本文加入了教育投入、專利侵權和女性勞動力這三個省份層面的控制變量。其中，教育投入以各省教育經費占GDP的比重，對其取對數來衡量，數據來源于《中國統計年鑒》。專利侵權以各省專利侵權糾紛立案數占專利授予數的比重，對其取對數來測度，數據來源于國家知識產權局的《專利統計年報》。女性勞動力選取各省女性從業人員占從業總人口的比值，對其取對數來衡量，數據來源于《中國勞動統計年鑒》。列(3)的估計結果顯示，“互聯網+”變量與企業技術創新顯著正相關，這充分說明“互聯網+”在推動企業技術創新方面發揮了重要作用。教育投入變量在1%的水平上顯著為正，表明增加教育投入有利于企業技術創新。專利侵權變量顯著為負，意味著專利侵權現象顯著抑制了企業技術創新。女性勞動力的系數值為負，但顯著性水平較弱，說明性別結構對企業技術創新的影響并不明顯。

第四，考慮到企業專利申請數為非負整數，因此可以采用泊松(Poisson)計數模型進行估計。鑒于本文選取的專利申請數含有大量的零值(13837個，占全部樣本的43.8%)，有必要使用“零膨脹泊松(Zero-inflated Poisson，ZIP)”的最大似然估計。盡管泊松回歸模型要求泊松分布滿足期望和方差相等的“均等分散”，但無論泊松分布是否成立，使用零膨脹泊松估計并進行穩健標準誤修正依然可以得到參數和標準誤的一致估計(Wooldridge，2010)。列(4)呈現了“ZIP+穩健標準誤”的估計結果。可以看出，“互聯網+”變量仍然在1%的水平上顯著為正，這也進一步驗證了“互聯網+”對企業技術創新的助推作用。因此，以上穩健性檢驗結果也進一步支持了基準模型的經驗判斷。

五、擴展檢驗結果與分析

(一)“互聯網+”影響的異質性分析

1.基于“互聯網+”類型的異質性檢驗

本文選取的“互聯網+”指數不僅涵蓋了245個城市的總指標，還報告了數字經濟、數字政務、數字文化和數字生活這四類“互聯網+”分指數(4)與總指標不同的是，騰訊研究院僅報告了百強城市的分指數，但這百強城市已經覆蓋了本文絕大多數的企業樣本。，有助于探討“互聯網+”影響企業技術創新的異質性特征。檢驗結果如表6所示。

表6 基于“互聯網+”類型的異質性檢驗結果

表6的檢驗結果表明，數字經濟變量、數字文化變量和數字生活變量均顯著為正，表明互聯網在經濟、文化和生活領域的融合顯著推動了中國企業的技術創新。從“互聯網+”類型的估計系數來看，數字文化對企業技術創新的推動作用最為明顯，其次為數字生活和數字經濟。可能的原因在于：首先，數字文化促進了企業間文化交流，是消費者了解企業產品、企業了解消費特征的重要途徑(隋巖，2018)。數字文化使得企業獲取科技資訊的渠道變得更加豐富，科技創新成果推廣的便捷性與時效性也大大提升，有助于實現企業科技文化交流與跨行業互動。此外，科技前沿信息通過新聞或視頻客戶端能夠實現精準推送，有利于企業技術創新；其次，數字生活指數中以“微信”為平臺的社交互動能夠提高企業內部的溝通效率，微信紅包和轉賬等社交支付也大大縮短了企業小額訂單的周期，加快了企業技術創新的資金回流；最后，云計算、大數據等前沿技術為企業技術創新提供了數據和設備支撐，企業公眾號等數字化平臺也促進了企業創新信息的共享與整合，因此數字經濟有效提高了企業專利轉化率和成果利用率。值得注意的是，數字政務變量的估計系數最小，且在10%的水平上顯著為負，說明數字政務在促進企業技術創新方面尚未發揮積極帶動作用。這可能是因為，2017數字政務尚未進入全面提升階段，尤其是數字政務的發展存在典型的空間不均衡。數字政務排名前四位的城市均在廣東省，依次為廣州、深圳、佛山和東莞，這種數字政務建設所引致的政治關聯可能會導致企業技術創新缺乏動力(袁建國等，2015)。

2.基于企業所有制的異質性檢驗

本文根據企業所有制將樣本劃分為國有企業、私營企業與外資企業。其中，私營企業包括私營有限責任公司、私營股份有限公司、私營合伙企業和私營獨資企業，國有企業和外資企業的界定與前文一致。表7的分組回歸結果顯示，列(1)中“互聯網+”變量未通過顯著性檢驗，而列(2)和列(3)中的“互聯網+”變量均顯著為正，說明“互聯網+”顯著推動了外資企業與私營企業的技術創新，但對國有企業技術創新的影響并不顯著。這與沈國兵、袁征宇(2020)的結論相符。可能的原因在于，國有企業具有穩定的市場和融資環境，其生產和創新并不主要依賴于“互聯網+”來謀求市場。而私營企業和外資企業經營的目的是為了追逐利潤，在企業數字化轉型過程中，更注重利用“互聯網+”大數據進行企業內外部信息資源的傳遞與交互，進而能降低企業技術創新的成本和風險(楊德明、畢建琴，2019)。尤其是對于外資企業，“互聯網+”已成為其探索自主創新模式的關鍵渠道，因而更容易從“互聯網+”的技術溢出中獲益。

表7 基于企業所有制的異質性檢驗結果

3.基于企業密集型的異質性檢驗

為識別企業密集型的異質性特征，本文參照蘇丹妮等(2018)，根據國民經濟行業分類，將行業二分位代碼為13-20的企業歸類為勞動密集型企業，將代碼為21-26及28-23的企業歸類為資本密集型企業，將代碼為27及34-41的企業歸類為技術密集型企業。表8的分組回歸結果顯示，列(1)至列(3)中“互聯網+”變量均顯著為正，表明“互聯網+”對勞動密集型、資本密集型和技術密集型企業的技術創新都產生了顯著的促進作用，且對勞動密集型企業的促進效應更大。對此可能的解釋是，相對豐裕的資本保證了資本密集型企業和技術密集型企業的技術資源和生存時間，而勞動密集型企業往往存在融資成本較高、產品可替代性較強等問題，更容易產生退出市場的生存風險(徐瑩瑩、許家云，2020)。由于互聯網的深度應用可以顯著降低勞動密集型企業的生存風險(謝申祥等，2021)，因此“互聯網+”通過為勞動密集型企業提供創新性的招聘、生產和營銷模式，能夠倒逼其利用互聯網進行技術革新，降低自身的生存風險。從這個角度來看，“互聯網+”對勞動密集型企業的技術創新會產生更強的激勵作用。

表8 基于企業密集型的異質性檢驗結果

4.基于企業所在地區的異質性檢驗

與中西部地區相比，東部地區憑借優越的地理位置和政策紅利，往往在“互聯網+”戰略落地、互聯網人才集聚等方面都具有明顯優勢(肖利平，2018)。為考察企業所在地區的異質性，本文根據國家統計局的標準，將企業所在地區劃分為東部、中部和西部。表9的回歸結果顯示，列(1)中“互聯網+”變量在1%的水平上顯著為正，表明“互聯網+”顯著推動了東部地區企業的技術創新。列(2)和列(3)中的“互聯網+”變量均未通過顯著性檢驗，表明“互聯網+”對中西部地區企業的技術創新作用相對有限。可能的原因在于，東部地區企業的人力資本、開放程度和競爭力水平都要高于中西部地區企業，且對互聯網的敏感度更高，更容易從“互聯網+”獲得技術創新激勵(汪芳等，2020)。而對于中西部地區企業，盡管近年來互聯網經濟呈現快速發展態勢，但企業的技術吸收能力和學習能力相對較低，且資源依賴型企業仍然占據較大份額，因此現階段“互聯網+”對企業技術創新的推動作用尚不顯著。

表9 基于企業所在地區的異質性檢驗結果

(二)城市智能化的調節效應分析

為了驗證城市智能化與“互聯網+”的協同創新作用，本文在基準模型設定的基礎上，進一步引入城市智能化指標。借鑒Acemoglu and Restrepo(2020)的Bartik方法，本文構造了城市層面的人均工業機器人安裝量，以衡量城市的智能化水平。參考趙春明等(2020)的做法，我們采用制造業細分行業的工業機器人安裝量、城市16-64歲適齡勞動力人數和城市期初的產業就業結構進行加權平均，得到如下的城市智能化指標：

(10)

其中，j是國民經濟2位行業分類的制造業細分行業。robotj表示2017年中國j行業的工業機器人安裝量，數據來源于國際機器人聯合會(International Robot Federation，IRF)(5)由于IRF行業與國民經濟2位行業并非完全一致，本文將IRF行業與國民經濟行業匹配得到14個制造業的工業機器人數據，再將中國經濟普查數據、人口普查數據資料和專利數據庫中的城市代碼進行匹配，共得到244個城市樣本(僅畢節市缺少數據)。。empj,c,2008表示2008年c城市j行業的勞動力數量，數據來源于2008年中國經濟普查數據。laborc,2010表示2010年c城市16歲至64歲的適齡勞動力數量(萬人)，數據來自2010年全國人口普查數據。式(10)中的權重采用各行業在考察樣本之前的年份(2008年)占制造業行業勞動力總數的份額，主要是考慮到：首先，根據Bartik方法構造的robotpc指標一方面體現了不同制造業行業的差異性，另一方面反映出不同城市在考察期之前的產業就業結構差異；其次，以2008年的城市產業就業結構作為城市工業機器人的構建權重，也能緩解工業機器人與企業技術創新之間存在的反向因果關系，進而保證城市工業機器人的外生性。此外，本文采用各城市適齡勞動力數量進行了人均化處理，因此robotpc衡量了c城市每萬人中工業機器人的安裝量，進而反映城市智能化的發展水平。

本文引入城市智能化與“互聯網+”的交互項進行調節效應分析。考慮到潛在的內生性問題，我們采用前文的城市地形起伏度(rdls)作為“互聯網+”工具變量。同時，由于內生變量存在于基準回歸模型的交互項中，我們采用新交互項robotp×rdls作為原交互項robotp×lninternet的工具變量。表10呈現了城市智能化調節效應的IV-2SLS回歸結果。

表10 城市智能化調節效應的檢驗結果

表10的回歸結果顯示，工具變量通過了弱相關和外生性的識別檢驗。列(1)至列(3)分別呈現未加入企業控制變量、加入企業控制變量和控制行業固定效應的估計結果。可以看出，在克服內生性問題后，“互聯網+”變量的估計系數在1%的水平上仍然顯著為正，表明“互聯網+”顯著推動了中國企業的技術創新。而在引入城市智能化變量后，城市“互聯網+”與智能化的交互項系數顯著為正，表明隨著城市智能化水平的提高，“互聯網+”對企業技術創新的推動作用會顯著增強，因而驗證了假說2的理論預期。以列(3)為例，城市智能化每提高1個單位，“互聯網+”對企業技術創新的促進效應將會增強11%(0.012/0.109)，進而證明了城市智能化與“互聯網+”的協同創新作用。由此可見，城市智能化逐漸成為連接城市數字化和企業技術創新的調節通道，城市智能化建設與數字化建設的“雙建聯動”構筑了企業技術創新的強勁引擎。

六、結論與政策含義

本文在構建局部均衡理論模型的基礎上，采用騰訊研究院大數據測算的“互聯網+”指數與2017年國家知識產權局專利微觀數據，以31580家企業的專利申請數作為企業技術創新的代理指標，以企業所在城市的地形起伏度作為“互聯網+”的工具變量，實證考察了“互聯網+”對企業技術創新的影響。研究發現：(1)“互聯網+”顯著推動了中國企業的技術創新。在控制內生性問題以及多種穩健性檢驗之后，結果依然穩健；(2)異質性檢驗表明，數字文化、數字生活和數字經濟對企業技術創新的促進作用更為明顯；“互聯網+”對私營企業、勞動密集型企業和東部地區企業技術創新的推動作用更為顯著；(3)“互聯網+”與城市智能化具有協同創新作用。隨著城市智能化水平的提高，“互聯網+”對企業技術創新的推動作用會顯著增強。針對上述結論，本文的政策含義體現在：

首先，要推進“互聯網+”創新成果與經濟社會各領域的深度融合。在數字文化領域，鼓勵開發科技交流平臺，使用新興互聯網媒介創造良好的科研合作生態；在數字生活領域，借助社群的互動傳播功能，形成科技成果推廣的網絡效應，以小技術群落推動縱深式創新，以大技術群落推動跨界創新；在數字經濟領域，加快構建數字產業生態體系，釋放虛擬經濟對實體經濟的賦能作用，形成研發部門、供應部門、市場用戶等參與者的聯動創新；而在數字政務領域，要推進數字政務平臺的兼容性建設，逐步體現數字政務的創新賦能作用；在企業所有制方面，要積極發揮“互聯網+”對私營企業和外資企業的創新激勵作用，在制度上引導和規范企業的創新行為，讓制度建設跟上新業態的發展。同時，鼓勵國有企業運用“互聯網+”構建靈活的組織管理和生產運營的創新體系，全面提升創新成果的轉化率與核心競爭力；在企業密集度方面，要加快推動“互聯網+”與勞動密集型企業的深度融合，利用“互聯網+”倒逼勞動密集型企業進行數字化轉型升級，克服雇傭結構調整、勞動力成本上升等問題；在企業所在地方面，要推進“互聯網+”戰略在中西部地區的落地，加快區域技術交易市場和創新聯合體建設。2021年7月中共中央、國務院發布的《關于新時代推動中部地區高質量發展意見》明確指出，要將數字化、網絡化、智能化技術應用到技術研發和轉化的各領域。由此可見，建設具有區域特色的數字創新體系是縮小中西部地區技術創新差距、促進中西部地區高質量發展的重要途徑。

其次，要加快建立數字化導向的企業自主創新體系。第一，搭建數字化技術創新平臺，全面提升科技創新要素的整合力。利用“互聯網+”提高科技教育支出和科學技術支出的靶向性，推進“產學研”深度融合。同時，要完善多層次普惠金融體系，推動普惠金融向縱深發展，為企業自主創新營造良好的融資環境；第二，利用“互聯網+”擴大和優化創新人才池。以“互聯網+教育”的新模式培育技術人才，建立技術職稱數字化管理平臺，暢通企業技術人員參與職稱評審的渠道，為創新人才提供良好的職業發展環境；第三，構筑人工智能與“互聯網+”的協同機制。由于智能化與數字化存在較強的交互性，因此政府要保障城市智能化建設與數字化建設“雙建聯動”的運行機制，健全人工智能技術交易制度和機器人知識產權保護制度，推動創新鏈、創新網和創新生態升級。同時，企業要加快人工智能創新平臺的建設，培養人工智能技術經理人和專業團隊，促進技術成果的數字轉移和智能轉化。