數字技術集中度與企業創新：倒U型關系及轉變

凌士顯 凌鴻程 姬夢佳

收稿日期：2022-09-09? 修回日期：2022-11-08

基金項目：國家社會科學基金一般項目（21BJY146）

作者簡介：凌士顯（1979—），男，河南開封人，博士，山東大學商學院副教授、碩士生導師，研究方向為企業創新、數字經濟；凌鴻程（1990—），男，江西贛州人，博士，江西財經大學產業經濟研究院講師，研究方向為企業創新；姬夢佳（1999—），女，河南濮陽人，山東大學商學院碩士研究生，研究方向為公司金融。

摘? 要：數字化轉型可賦予企業創新巨大的新動能，但數字技術種類多、成本高，如何充分借助數字技術促進企業創新是企業關注的焦點。基于2007—2020年滬深A股上市公司數據，采用固定效應模型，考察數字技術集中度對企業創新的影響及作用機制。結果發現，數字技術集中度與企業創新呈顯著倒U型關系，表明適度的數字技術集中度能夠顯著促進企業創新，但過度的數字技術集中度會抑制企業創新。機制分析表明，人力資源整合能力和研發投入強度在數字技術集中度與企業創新間發揮調節效應。隨著調節變量增大，倒U型曲線拐點向左偏移，同時倒U型曲線逐漸變得平緩。在調節變量突破拐點臨界值后，倒U型曲線轉變為U型曲線。由此可見，調節變量增大能夠進一步促進企業創新。結論可為深入理解數字技術集中度對企業創新的非線性影響，進而利用調節機制促進企業創新提供經驗證據。

關鍵詞關鍵詞：企業數字化轉型；數字技術集中度；企業創新；人力資源整合能力；研發投入強度

DOI：10.6049/kjjbydc.2022090226

開放科學（資源服務）標識碼（OSID）????? 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F273.1

文獻標識碼：A

文章編號：1001-7348（2024）02-0079-11

0? 引言

《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》將“加快數字化發展，建設數字中國”單獨成篇，凸顯出國家對數字化建設的高度重視。企業作為社會經濟的微觀組織，其數字化轉型對國家數字化戰略實施具有舉足輕重的影響。數字化轉型已經成為企業發展方向，本文根據吳非等[1]構建的企業數字化特征詞庫，從人工智能技術、區塊鏈技術、云計算技術、大數據技術等底層技術和數字技術應用兩個層面，分別統計各特征詞在上市公司年報中出現的次數，2007年合計出現7 511次，2020年合計出現212 531次，后者是前者的28.30倍。由此可見，連年快速上升的數字技術詞頻標志著企業對數字化轉型的高度重視。

數字化轉型包括底層數字技術研發和數字技術應用兩個層面，而底層數字技術包括人工智能、區塊鏈、云計算和大數據等技術。無論是底層技術研發還是數字技術在實踐層面的應用，都需要投入大量人力資本和物質資本。數字化轉型是需要高額、長期投入且收益具有不確定性的企業技術創新活動。目前，關于企業數字化轉型，學者們主要從影響因素和經濟后果兩個方面開展研究，還存在眾多未知研究領域。已有研究通常采用各底層數字技術特征詞詞頻或該詞頻占年度報告總詞匯量的比率作為度量企業數字化轉型的代理變量[1-3]。上述方法能夠較為準確地從整體上度量企業數字化轉型，但不能度量數字技術集中度。雖然數字化轉型是企業發展的必然方向，但因數字化底層技術種類多、成本高、難度大，企業往往處于“不轉型等死，轉型找死”和“不愿轉、不敢轉、不會轉”的困境[4]。面對眾多種類的數字技術，企業應如何選擇？如何利用數字化轉型促進企業創新？如何重塑價值創造路徑？是面面俱到“普遍撒網”還是聚焦一域“重點突破”？這就需要研究數字技術集中度問題。基于此，本文嘗試從數字技術集中度視角研究其對企業創新的影響，以期為推進企業數字化轉型，進而促進企業創新提供理論支持。本研究對現階段中國企業數字化轉型具有重要理論意義和現實價值。

本文邊際貢獻主要體現如下：首先，首次采用數字技術集中度指標度量企業數字化轉型。已有文獻主要采用數字技術特征詞詞頻或比率[1-3]，或數字化無形資產占無形資產總額的比重（宋德勇等，2022），或調研數據作為數字化的替代變量[5]。鑒于數字技術種類多樣，而企業面臨資金、技術、人才因素制約，往往處于數字化轉型困境而無從選擇。因此，指導企業有效推進數字化轉型是本文初衷。本文以數字技術集中度作為企業數字化轉型的度量變量，借鑒赫芬達爾—赫希曼指數的思想，以企業年度報告中各底層技術與數字技術應用等特征詞詞頻占年報總詞數比率的平方和度量企業數字技術集中度，以彌補現有企業數字化度量指標的不足。其次，本文可為深入認識企業數字化轉型與企業創新的關系提供新視角，為企業數字化轉型提供數字技術數量選擇依據。企業在數字化轉型時，應重點關注少數領域的數字技術，集中精力重點突破，而不是普遍撒網。已有文獻證實，數字化轉型整體上能夠顯著促進企業創新[6]，但本文發現，如果過度關注某一技術領域，在企業數字化轉型初期有助于促進企業創新，但隨著研究深入，創新難度逐步加大，會出現邊際創新產出遞減現象，最終抑制企業創新。再次，為借助數字技術促進企業創新提供強有力的經驗證據。數字技術研發與應用及企業創新活動只有借助人力資源和資金支持，才能充分利用和發掘數字技術價值。本文分別從人力資源整合能力和研發投入強度兩個調節變量開展研究，人力資源整合能力和研發投入強度通過發揮調節效應將企業數字技術集中度與企業創新的倒U型關系轉變為U型關系。上述兩個調節變量在數字技術集中度與企業創新間發揮顯著調節效應，能夠進一步強化數字技術對企業創新的促進作用。

1? 文獻綜述與研究假設

1.1? 文獻綜述

數字技術是企業數字化轉型的基礎和企業創新的保證，能夠促進信息和資源流動，從而提升資源配置效率。人工智能、區塊鏈、云計算和大數據等數字技術可為企業創新注入新的動力。阮添舜等（2022）認為，數字技術通過協同創新重塑企業創新機制與路徑；束超慧等（2022）認為，人工智能技術通過拓展知識來源、加速知識傳播和資源流動構建網格化創新生態，并重塑企業創新模式。同時，人工智能能夠基于技術創新特征，為企業創新提供戰略指引，從而規避創新風險[7]。賈軍和薛春輝（2022）認為，區塊鏈技術能夠通過整合供應鏈資源促進創新投入，增加創新產出；宮奎和王貴和（2017）指出，云計算技術可為企業節省存儲等硬件設備購買和維護費用，因而企業可以將更多資金投入到創新活動中。大數據技術能夠提升企業信息整合能力，為企業創新提供更多有效信息[8]，并通過優化營商環境提升企業創新績效[9]。

企業數字化轉型是學術界和實務界共同關注的焦點。學者們主要從企業數字化轉型影響因素和經濟后果兩個方面開展研究。關于企業數字化轉型影響因素，現有研究主要關注金融科技（唐松等，2022）、稅收優惠（成瓊文和丁紅乙，2022）、政府補貼[10]、政治關聯（王雪冬等，2022）、知識產權保護（周洲，吳馨童，2022）等；關于企業數字化轉型經濟后果，現有研究主要關注企業數字化轉型對股價崩盤風險（林川，2022）、資本市場效率（雷光勇等，2022）、綠色技術創新（靳毓等，2022）、會計信息可比性（聶興凱等，2022）及創新生態系統[11]的影響。

企業數字化轉型目標是提升核心競爭力、改變價值創造路徑，進而實現價值增值（姚小濤等，2022），而創新是實現這一目標的根本路徑。關于數字化轉型對企業創新的影響，學術界主要存在以下兩種觀點：第一種觀點認為，企業數字化轉型與企業創新呈線性關系。上述觀點認為，數字技術通過拓展企業邊界幫助企業獲取外部資源，具有信息溢出效應，并可以幫助企業準確掌握客戶需求信息，激勵客戶參與創新，精準獲取創新需求信息[6]。同時，企業數字化轉型能夠顯著改善企業創新生態系統[11]，通過提升會計信息質量（聶興凱等，2022）與公司內控水平（肖紅軍等，2021）降低交易成本和代理成本[12]，并緩解信息不對稱問題、抑制盈余管理行為[13]，進而抑制管理層的風險規避行為，激發企業家精神[14]，提升創新效率并增加創新產出（肖土盛等，2022）。因此，數字化轉型能夠顯著促進企業創新。第二種觀點認為，企業數字化轉型與企業創新呈倒U型關系。王鋒正等（2022）認為，數字化能夠促進信息快速、低成本流動，提升資源配置效率，但當數字技術發展到更高層級時可能面臨治理效率低下、數據安全等問題，從而抑制企業創新。上述研究發現，企業數字化綜合水平、數字基礎、數字投入、數字經濟和數字應用等分項指標均與企業創新呈顯著倒U型關系。同樣，余菲菲等[5]認為，在數字化初期，數字技術能夠顯著提升公司績效和利潤，但過度使用數字技術可能會導致公司現有資源和能力無法與之匹配，進而削弱創新系統，即數字化水平與企業創新呈倒U型關系。如肖仁橋等[15]發現，二者呈倒U型關系。

現有文獻采用數字技術特征詞詞頻或比率或數字化無形資產占無形資產總額的比重度量企業數字化，上述測量方法能夠從整體上度量企業數字化水平，但不能度量數字技術集中度。因數字技術種類多，企業面臨數字化轉型困境。本文以數字技術集中度作為企業數字化轉型度量指標，既能夠為企業數字技術選擇提供經驗支持，又可以彌補已有文獻指標的不足。

1.2? 數字技術集中度對企業創新的影響

1.2.1? 企業數字技術集中度與企業創新

數字技術正成為驅動企業創新的主導力量。每項底層數字技術研發及應用都需要投入較多的人力和物質資本，具有投入大、期限長、風險高的特點。因此，很多企業因缺乏持續研發資金而不愿轉型，因轉型風險高而不敢轉型，因缺乏充足的人力資源而不會轉型。面對多種底層數字技術，企業應如何選擇？是普遍撒網，還是重點突破？現有數字技術集中度對企業創新影響的研究存在兩種觀點：一種觀點認為，不同數字技術間可以實現協同創新。上述觀點認為，數字技術創新具有外溢效應[16]，數字化借助規模經濟效應和網絡經濟效應可以降低企業創新信息獲取成本和邊際能耗[17]，從而降低企業創新研發成本。同時，開展多項底層數字技術及其應用研究既可以發揮技術間的互補功能，進而實現協同創新，又可以借助多樣化技術降低企業創新風險。由此可知，數字技術集中度越低，越有利于企業創新。另一觀點認為，數字技術領域越集中，越有利于企業創新。數字技術研發需要長期、大量資金和人力資源投入，如果同時開展多項技術研究可能面臨如下不利影響：首先，因難以將人力、物力和財力集中于單一領域，故不利于公司在某技術領域獲得核心競爭力；其次，可能面臨不同部門間因協調、溝通、融合與整合難度加大帶來的風險，導致成本增加，因而不利于企業創新[5]；再次，過多的數字技術會導致企業面臨信息超載問題，進而陷入“技術多元化陷阱”，造成決策失誤而不利于企業創新（周青等，2020）。因此，數字技術集中度提升能夠促使企業關注重點技術領域，集中精力開展深入研究，發揮學習效應，從而促進企業創新。

企業數字化轉型的現實困境并未顯著支持數字技術協同創新觀點。因數字技術種類越多，科研人員和研發經費投入就越多，在沒有充足人力資源和研發經費的情況下，同時開展多項技術研究將不利于企業創新。此外，同時研發多項數字技術對資源和能力的要求與企業現有資源及能力間的巨大差距導致企業無法有效運用多種技術[5]，這不但不能更好地服務于企業創新，反而可能抑制企業創新。如果將各種創新資源集中于某一數字技術領域不但可以促進企業創新，而且能夠較快提升企業核心競爭力，拓展企業邊界，幫助企業獲取更多外部資源，從而激勵企業創新。同時，數字技術是新生事物，具有廣闊的創新空間，集中精力開展某一領域技術研發能夠帶來豐富的創新產出。隨著某一領域數字技術研究不斷深入，顛覆性技術創新難度逐步加大。因此，在其它條件不變的情況下，如果數字技術集中度過高，則技術創新難度會逐步加大，從而不利于技術創新。基于上述分析，本文認為，數字技術集中度與企業創新呈先升后降的倒U型關系。基于此，本文提出以下假設：

H1：在其它條件不變的情況下，數字技術集中度與企業創新呈倒U型關系。

1.2.2? 人力資源整合能力的調節效應分析

數字技術及其應用能夠為企業創新提供技術基礎。數字技術可以實現信息資源快速低成本流動，降低信息獲取成本并優化資源配置，進而為企業創新提供信息和技術支持，但其對企業創新的影響則取決于公司人力資源整合能力。人力資源整合能力是指借助人力資源解決不同技術間的融合障礙，高效整合企業內外部底層數字技術資源和數字技術應用資源，并將上述資源投入到企業創新鏈中，在同等資源條件下促進企業創新的能力。人力資源整合能力直接決定企業環境響應能力、創新資源吸收運用能力和深度發掘能力，有助于優化企業資源配置，為部門間、技術間協同創新提供智力支持（王鋒正等，2022）。我國企業創新的主要障礙是缺乏高端技術人才，數字技術應用的結果是以機器設備替代低端勞動力。為了更好地借助數字技術促進企業創新，企業會增加對高端人力資源的需求（陳冬梅等，2022）。數字技術研發、應用及企業創新是高水平專業技術活動，企業創新在一定程度上取決于不同技術間的有效整合。同時研發多種數字技術會提升技術復雜程度，這就要求企業具有更高的技術應用與分析能力，因而對企業技術整合能力與人力資源整合能力提出較高的要求。人力資源整合能夠借助數字技術獲取更多有效創新信息和創新創意，并將其轉變為技術創新，因而有助于企業突破創新技術障礙。史宇鵬等（2021）認為，數字技術對具備技術素養、管理能力的復合型人才具有高度依賴。數字技術只有借助于高水平專業技術人員的知識儲備，實現技術和知識有效結合，以及技術資源與人力資源優化配置，才能產生互補效應與協同效應，從而更好地促進企業創新。就數字技術集中度與企業創新的關系而言，隨著研發不斷推進，企業數字技術集中度越高，所面臨的創新難度越大，對企業人力資源整合能力的要求越高。企業人力資源整合能力越強，越能在數字技術集中度較高且面臨創新困境的情境下為企業突破性技術創新提供人力資源。基于此，本文提出以下假設：

H2：人力資源整合能力能夠調節數字技術集中度對企業創新的影響。

1.2.3? 研發投入強度的調節效應分析

企業創新是高投入、高風險的企業生產活動。企業數字化本身是通訊科學與技術[4]，企業數字化轉型的實質是通過技術改造實現企業創新[10]，進而重塑企業價值創造的過程[13]。數字化轉型能夠為企業創新提供堅實的技術支撐，但無論是企業數字化轉型還是企業創新都需要大量的研發投入。因此，充足的研發費用投入是企業創新活動開展的前提與保證。研發投入不僅能夠促進企業創新，提升企業核心競爭力，也可以通過提升產品異質性增強產品市場競爭優勢。因此，研發投入能夠通過促進技術創新和產品創新提升企業競爭力，增加企業市場份額，為企業帶來更多利潤，從而進一步促進企業創新。借助數字技術賦能，企業在降低認知差異與研發成本及交易成本、優化資源配置和創新要素組合，以及促進技術創新等方面表現出極高的效率，但這都依賴于充足的研發投入。隨著技術研發不斷深入，企業數字集中度越高，創新難度越大，加大研發投入強度是解決這一問題的關鍵。因為集中于某一領域數字技術方向的研發投入能夠為企業解決資金困境，不僅可以購置技術研發設備，而且能夠吸引高端技術人才，進而提升技術整合能力，最大限度地促進企業創新。與此同時，能夠避免同時關注多項技術創新而造成資源分配失衡問題[5]，從而提升資源配置效率。因此，研發投入強度越大，越有利于為企業創新提供資金保障，從而為數字技術集中度較高企業實現突破性創新提供資金支持。基于此，本文提出以下假設：

H3：研發投入強度能夠調節數字技術集中度對企業創新的影響。

2? 研究方法與指標設計

2.1? 數據來源與樣本選擇

本文研究樣本為2007—2020年滬深A股上市公司數據，財務數據和企業創新數據來自國泰安（CSMAR）數據庫。在選擇樣本時，本文剔除金融行業樣本、處于ST狀態企業和退市企業樣本，以及研究數據缺失樣本。經過樣本選擇，最終得到3 846家上市公司35 669個年度樣本觀測值。本研究使用的年報數據來自滬深證券交易所官網。

2.2? 變量選擇

2.2.1? 被解釋變量

本文被解釋變量為企業創新。目前，學術界主要從投入和產出兩個角度衡量企業創新。以創新投入作為企業創新度量指標能夠在一定程度上反映企業創新意愿[18]，但因為企業戰略選擇以及會計準則變化等原因，準確的企業創新投入數據難以獲得[19]，導致該指標存在一定的不足。企業創新是資金、科研人員、技術支持、組織管理等資源投入的結果，而創新投入只是基于資金角度度量企業創新，因而不能全面反映其它創新資源投入。因此，創新投入并不是最合適的企業創新度量指標[20]。創新產出是企業各種創新投入與公司治理的最終結果，相較于創新投入，這一指標能夠更準確地度量企業創新[21]。企業創新產出形式包括專利等，專利可以從專利申請和專利授權兩個方面度量。黎文靖和鄭曼妮（2016）認為，相較于專利授權，專利申請從研發投入到專利申請耗費的時間較短，能夠更為準確地反映企業創新產出，從而較好地反映企業創新意愿和創新成果。因此，本文以專利申請數量加1的自然對數（Apply）作為企業創新度量指標。

2.2.2? 解釋變量

目前，企業數字化度量方法包括以下3種：第一，采用年報中數字化特征詞詞頻數量或占年報總詞量的比重進行度量[1-2]；第二，以無形資產中與數字經濟有關的資產金額占無形資產總金額的比重進行度量（宋德勇等，2022）；第三，通過問卷調研方法開發企業數字化量表[5]。上述方法能夠從總體上度量企業數字化程度，但不能反映企業數字技術集中度。為了指導企業在多種數字技術中進行選擇，本文采用數字技術集中度作為測量指標。在構建企業數字技術集中度指標時，借鑒赫芬達爾—赫希曼指數的思想，以企業年度報告中人工智能技術、區塊鏈技術、云計算技術、大數據技術及數字技術應用等技術特征詞詞頻占年度報告總詞數比率的平方和度量企業數字技術集中度（Dig），如式（1）所示。

Digit=（ArtiInitTotalit）2+（BlockChitTotalit）2+（CloudCoitTotalit）2+（BigDaitTotalit）2+（TechApitTotalit）2（1）

式（1）中，ArtiIn、BlockCh、CloudCo、BigDa、TechAp分別表示年報中有關人工智能、區塊鏈、云計算、大數據等底層數字技術及數字技術應用特征詞詞頻，Total表示年報總詞數，i表示公司，t表示年份。Dig數值越大，表明數字技術集中度越高，反之亦然。該指標能夠度量企業在多種數字技術間的選擇行為，實證檢驗其對企業創新的影響，為企業數字化轉型提供經驗證據。借鑒吳非等[1]的研究成果，從上市企業年報中涉及“企業數字技術及其應用”的詞頻統計角度反映企業數字化程度，即以上市企業年度報告中企業數字技術有關特征詞出現頻次表示企業在數字化轉型過程中對不同數字技術的重視程度。本文將公司年報中與數字技術及其運用相關詞匯納入數字技術特征詞匯范圍，各特征詞如表1所示。在此基礎上，通過Python軟件獲取上市公司年報，并通過Java PDFbox庫提取文本內容，再根據特征詞匯搜索、匹配并計算出詞頻數量，最后采用式（1）計算企業數字技術集中度（Dig）。

2.2.3? 調節變量

借鑒王文華（2021）、王鋒正等（2022）、闞玉月和劉海兵（2020）的研究成果，根據研究需要，本文使用以下兩個調節變量：人力資源整合能力（Employee）和研發投入強度（Rddensity）。其中，人力資源整合能力以公司員工中研發人員占比表示，該變量的值越大，表示公司研發技術人員越能整合各項技術，即人力資源整合能力越強；研發投入強度以公司研發投入占公司營業收入的比重表示，該變量的值越大，意味著公司研發投入強度越大。

2.2.4? 控制變量

借鑒安同良和聞悅[6]的研究成果，本文在回歸時控制以下變量：企業規模、財務杠桿、企業年齡、業務成長性、國有持股比例、股權集中度、管理層持股比例、固定資產占比、董事會規模、獨立董事比例、董事會領導權結構和盈利能力。同時，還控制年份和行業。上述變量定義見表2。

2.3? 模型設計

根據本文研究假設，借鑒王鋒正等（2022）、宋德勇等（2022）、余菲菲等[5]的做法，構建多元回歸固定效應模型，見模型（2）和模型（3）。

Applyit=α0+α1Digit+α2Controls+∑Year+∑Ind+εit（2）

Applyit=γ0+γ1Digit+γ2Dig2it+γ3Controls+∑Year+∑Ind+εit（3）

在模型（2）、模型（3）中，i表示上市公司，t表示年份，Controls為控制變量，ε為殘差項。模型（2）用以檢驗數字技術集中度對企業創新的影響，模型（3）加入數字技術集中度的二次項，如果γ2的回歸系數顯著為負，則證明二者存在顯著倒U型關系。倒U型關系的實質是兩個函數的組合[21-22]，數字技術集中度與企業創新的倒U型關系可以通過構建兩個潛在函數表示，即函數A和函數B。函數A即數字技術集中度與企業創新之間表現為正相關的線性函數，函數B即數字技術集中度與企業創新之間表現為負相關的線性函數。函數A表示隨著數字技術集中度提升，企業在本技術領域內能夠充分挖掘所掌握的信息與自身技術潛能。相對于關注較多的技術領域，關注單一領域目標明確，協調成本較低，能夠實現更多自身技術領域內的企業創新。函數B表示在其它條件不變的情況下，隨著對某一技術領域研究深入，本領域技術創新升級，導致技術創新難度和復雜性提升，因而企業創新受到抑制。數字技術集中度與企業創新通過函數A的技術創新增加減去函數B受到創新抑制而帶來的創新減少呈現倒U型關系[22]。

為了避免異常值對回歸結果的影響，本文在回歸時對連續變量進行1%的縮尾處理。本文使用的分析工具為Stata16.0，通過最小二乘法（OLS）進行回歸分析。

3? 實證研究

3.1? 變量描述性統計

表3為變量描述性統計分析結果。由表3可知，專利申請數量的最大值為5.840 6，最小值為0，均值為1.274 6，標準差為1.573 0，表明不同公司間創新產出存在顯著差異。數字技術集中度的最大值為0.614 9，最小值為0，均值為0.027 4，標準差為0.086 3，表明不同公司間數字技術集中度存在顯著差異。

3.2? 變量間相關關系分析

表4為主要變量間的Pearson相關關系分析結果。由表4可知，數字技術集中度與企業創新在1%水平上呈顯著正相關關系，表明較高的數字技術集中度有利于企業創新，但具體關系有待深入研究。變量間相關系數均小于0.51，表明變量間不存在嚴重多重共線性問題。同時，進行變量間方差膨脹因子（VIF）檢驗，結果顯示，VIF最大值為1.65，均值為1.37，進一步證實變量間不存在嚴重多重共線性問題。

3.3? 單變量T檢驗

數字技術集中度是基于企業年報中出現的企業數字化轉型特征詞計算出來的，如果數字技術集中度為0，則意味著企業未進行數字化轉型；如果數字技術集中度大于0，則意味著企業進行了數字化轉型。據此，本文將樣本分為數字化轉型組和未數字化轉型組并進行單變量檢驗。表5結果顯示，數字化轉型組專利申請的均值為1.343 8，而未數字化轉型組專利申請的均值為0.561 2。T檢驗結果顯示，前者顯著大于后者，說明數字化轉型有利于企業創新。

表5? 單變量T檢驗結果Table 5? Univariate T test results

樣本樣本量Apply均值T檢驗

數字化轉型企業（Dig>0）32 5131.343 8

未數字化轉型企業（Dig=0）3 1560.561 226.555 4***

3.4? 基準回歸

表6為數字技術集中度對企業創新影響的回歸結果。列（1）顯示，在控制年份和行業虛擬變量后，數字技術集中度與企業創新在1%水平上顯著正相關。列（2）為所有控制變量對企業創新影響的回歸檢驗結果。列（3）為控制所有控制變量后，數字技術集中度對企業創新影響的回歸檢驗結果。結果顯示，二者間回歸系數為1.357 8，且呈1%水平上顯著正相關。上述結果表明，企業數字技術集中度有利于企業技術創新。列（4）加入企業數字技術集中度的平方項，結果顯示，企業數字技術集中度一次項的回歸系數顯著為正，二次項的回歸系數顯著為負，表明數字技術集中度與企業創新呈顯著倒U型關系。上述結果表明，數字技術集中度提高有利于企業創新，但過高的數字技術集中度會抑制企業創新。由此，假設H1成立。

3.5? 穩健性檢驗與內生性處理

3.5.1? 替換被解釋變量

本文分別以發明專利申請量加1的自然對數（Iapply）、專利授權量加1的自然對數（Grant）和發明專利授權量加1的自然對數（Igrant）替代被解釋變量Apply進行穩健性檢驗，結果如表7所示。由表7可知，數字技術集中度與上述3個被解釋變量均呈顯著倒U型關系，證實本文回歸結果具有穩健性。

3.5.2? 改變樣本期間

為了避免2008年金融危機的影響，本文基于2011—2020年樣本進行穩健性檢驗，結果見表8列（1）。結果顯示，數字技術集中度與企業創新呈顯著倒U型關系，證實本文回歸結果具有穩健性。

3.5.3? 剔除高科技公司樣本

高科技公司研發投入大，其創新行為可能與一般公司存在差異。因此，本文在穩健性檢驗時剔除高科技公司樣本，結果見表8列（2）。由此，證實數字技術集中度與企業創新呈顯著倒U型關系，表明本文回歸結果具有穩健性。

3.5.4? 剔除創業板公司樣本

考慮到創業板公司規模和創新能力具有一定的特殊性，為了避免其對回歸結果的影響，本文在穩健性檢驗時剔除創業板公司樣本，結果見表8列（3）。結果再次表明，數字技術集中度與企業創新呈顯著倒U型關系。

3.5.5? 剔除未數字化轉型公司樣本

雖然數字化轉型是大勢所趨，但部分公司仍未進行數字化轉型。本文在穩健性檢驗時剔除未數字化轉型公司，結果見表8列（4）。結果表明，數字技術集中度與企業創新呈顯著倒U型關系，表明本文回歸結果具有穩健性。

3.5.6? 控制個體固定效應

為了避免可能因遺漏變量導致的內生性問題，借鑒吳武清和田雅倩（2022）的研究成果，本文在回歸時控制公司個體固定效應，結果見表9列（1）。

3.5.7? 采用聯合固定效應

本文樣本期較長，不同行業可能會經歷不同周期變化，產業政策也會發生變動，上述因素將對回歸結果產生影響。借鑒潘越等（2020）的研究成果，本文在基準回歸的基礎上進一步控制行業年度趨勢，即行業與年度交互項（Ind×Year）的固定效應。同時，本文在回歸時，采用是否同時控制Ind和Year兩種方法，結果見表9列（2）和列（3）。

3.5.8? Tobit回歸

本文被解釋變量中有較多0值，即被解釋變量存在左截尾現象。針對這一現象，本文采用Tobit回歸，結果見表9列（4）。

上述穩健性檢驗結果顯示，企業數字技術集中度與企業創新呈現顯著倒U型關系。在進行一系列穩健性檢驗和內生性處理后，本文回歸結果仍具有穩健性。

4? 機制檢驗與分析

為了檢驗調節變量對數字技術集中度與企業創新關系的影響，本文在模型（3）的基礎上增加調節變量（M）與數字技術集中度一次項的交互項和二次項的交互項，以此構建模型（4）。

Applyit=β0+β1Digit+β2Dig2it+β3M×Digit+β4M×Dig2it+β5M+β6Controls+∑Year+∑Ind+εit（4）

模型（4）中，M為調節變量，本文采用的調節變量M分別為人力資源整合強度（Employee）和企業研發投入強度（Rddensity），回歸結果見表10。

表10列（1）顯示，人力資源整合強度與數字技術集中度的一次項交互項回歸系數為負且在1%水平上顯著，人力資源整合強度與數字技術集中度的二次項交互項回歸系數為正且在1%水平上顯著。同時，數字技術集中度系數在1%水平上顯著為正，數字技術集中度的平方項系數在1%水平上顯著為負，人力資源整合強度系數在1%水平上顯著為正。因此，人力資源整合強度在數字技術集中度對企業創新的影響過程中發揮調節作用，說明本文研究假設H2成立。

表10列（2）顯示，企業研發投入強度與數字技術集中度的一次項交互項回歸系數為負且在1%水平上顯著，企業研發投入強度與數字技術集中度的二次項交互項回歸系數為正且在1%水平上顯著。同時，數字技術集中度系數在1%水平上顯著為正，數字技術集中度的平方項系數在1%水平上顯著為負，企業研發投入強度系數在1%水平上顯著為正。因此，企業研發投入在數字技術集中度對企業創新的影響過程中發揮調節作用，說明本文研究假設H3成立。

Hanns等[22]指出，對于倒U型曲線的調節效應，應關注以下3個方面：一是曲線拐點是否發生偏移；二是曲線陡度是否發生變化；三是曲線形狀是否發生改變。根據表10結果并結合二次函數性質分析發現，隨著調節變量M增大，數字技術集中度與企業創新的倒U型關系曲線拐點向左偏移。數字技術集中度與企業創新的倒U型關系曲線隨著調節變量M增大而變得平緩。當調節變量M到達倒U型關系變化的臨界點時，數字技術集中度與企業創新呈線性關系。當調節變量M越過臨界點并繼續增大時，數字技術集中度與企業創新呈現正U型關系。此時，數字技術集中度越高，越有利于企業技術創新。圖1直觀地展示了調節變量M如何調節數字技術集中度對企業創新的影響。

綜上所述，企業在數字化轉型時應結合自身技術優勢與戰略規劃有重點地進行，并將更多精力和資源配置在關鍵數字技術領域。企業可以借助數字技術優勢促進創新活動，但數字技術集中度對企業創新的影響呈顯著倒U型，即在倒U型曲線拐點左側呈現為企業創新產出邊際遞減，在拐點右側隨著數字技術集中度進一步提升而抑制企業創新。呈現倒U型關系的原因在于，在其它條件不變的情況下，隨著本領域數字技術研發不斷推進，低水平技術創新越來越少，技術創新難度逐漸增大，企業創新產出越來越少。此時，若進一步提升數字技術集中度則會抑制創新。根據機制分析結果，為了降低這一不利影響，企業可以借助人力資源整合能力和研發投入強度這兩個調節變量將數字技術集中度對企業創新的影響從倒U型曲線轉變為U型曲線，即在倒U型曲線拐點左側呈現倒U型曲線左半部分形狀，而在拐點右側呈現為U型曲線右半部分形狀。這意味著在調節變量的作用下，數字技術集中度越高對企業創新的促進作用越顯著。這一現象產生的根本原因在于，人力資源整合能力提升能夠促進企業環境響應能力、創新資源吸收運用能力和深度發掘能力提升。由此，企業能夠優化資源配置，促進部門間、技術間協同創新，進而突破創新技術障礙，實現技術和知識有效結合，從而發揮互補效應與協同效應。加大研發投入強度不僅能夠為重大技術創新解決資金困難，而且可以吸引高端技術人才，提升技術整合能力，最大限度地釋放數字技術的潛在價值，提升資源配置效率，進而進一步強化數字技術集中度對企業創新的促進作用，最終促進企業創新。

5? 結語

5.1? 結論

本文基于2007—2020年滬深A股上市公司數據，從數字技術集中度視角檢驗數字化轉型對企業創新的影響。結果發現，數字技術集中度與企業創新呈顯著倒U型關系，即隨著數字技術集中度提升，企業創新產出不斷增加，但呈現企業創新產出邊際遞減現象。當數字技術集中度過高時，企業面臨重大突破性創新障礙，會抑制技術創新。通過機制分析發現，人力資源整合能力和創新研發投入強度兩個變量在數字技術集中度對企業創新的影響過程中發揮調節效應，隨著調節變量增加，倒U型曲線轉變為U型曲線。本文深入探討企業數字化轉型與企業創新的關系，理順科技創新機制，以期為充分釋放科技創新潛能，以企業創新引領經濟高質量發展提供重要理論依據。

5.2? 理論與貢獻

本文構建了企業數字技術集中度指標，彌補了現有文獻中關于數字技術集中度度量指標的缺失，同時為企業數字化轉型提供了新的研究視角。與現有文獻的觀點不同，本文發現，數字技術集中度與企業創新之間并非簡單的線性關系，而是呈現先升后降的倒U型關系。這一結論深化了對企業數字化轉型與企業創新關系的認識。進一步分析企業數字技術集中度對企業創新的作用機制發現，人力資源整合能力和創新研發投入強度這兩個調節變量能夠將二者間的倒U型曲線拐點右側下降的部分轉變為U型曲線拐點右側的上升部分，從而為充分借助企業數字化轉型促進企業創新提供了全新的認識。

5.3? 政策建議

（1）適度的數字技術集中度有利于企業創新。因此，企業應結合自身優勢，選擇合適的數字技術促進自身數字化轉型。企業可以將精力集中于少量數字技術以便在重點領域發力，同時規避數字化轉型中面臨的人力和資金困境。

（2）企業應加強技術研發人員培養，重點培育高端科技人才，從而提升自身人力資源整合能力。人力資源整合能力的調節效應可以促使數字技術集中度與企業創新間的倒U型關系轉變為U型關系，這意味著大幅度提升企業人力資源整合能力有利于促進企業突破性創新，加速企業數字化轉型，提升企業核心競爭力。

（3）科技研發投入強度能夠強化數字技術集中度對企業創新的正向影響。因此，企業應進一步加大科技研發費用投入強度。數字技術及其應用研發需要長期、可持續的高額資金投入。由此，為獲得良好的數字化轉型效果，企業應進一步加大創新研發投入力度，為自身數字化轉型提供充足的資金保障。

（4）大力構建統一大市場和雙循環新發展格局。企業創新以市場需求為導向并能夠引領市場發展方向，因而要加快建設統一大市場，構建雙循環新發展格局，以期為企業創新提供更為廣闊的空間。

5.4? 不足與展望

本文首次采用數字技術集中度這一指標度量企業數字化轉型水平，主要基于人工智能、區塊鏈、云計算和大數據及應用技術等5項數字技術，但因數字技術維度較多，因而該變量度量維度不夠全面。隨著數字技術不斷發展，未來可以進一步細化數字技術度量維度，同時基于不同視角深入分析數字技術集中度的經濟后果，并進一步探索企業數字技術集中度的動因研究。

參考文獻：

[1]吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-144.

[2]趙宸宇.數字化發展與服務化轉型——來自制造業上市公司的經驗證據[J].南開管理評論，2021，24（2）149-161.

[3]袁淳，肖土盛，耿春曉.數字化轉型與企業分工：專業化還是縱向一體化[J].中國工業經濟，2021，39（9）：137-155.

[4]倪克金，劉修巖.數字化轉型與企業成長：理論邏輯與中國實踐[J].經濟管理， 2021，43（12）：79-97.

[5]余菲菲，曹佳玉，杜紅艷.數字化悖論：企業數字化對創新績效的雙刃劍效應[J].研究與發展管理，2022，34（2）：1-12.

[6]安同良，聞悅.中國企業數字化轉型對創新的影響機制及實證[J].現代經濟探討， 2022，41（5）：1-14.

[7]DUAN Y， EDWARDS J S， DWIVEDI Y K. Artificial intelligence for decision making in the era of big data evolution， challenges and research agenda[J]. International Journal of Information Management， 2019，64（48）：63-71.

[8]FRISK J E，BANNISTER F. Improving the use of analytics and big data by changing the decision making culture： a design approach[J]. Management Decision， 2017，55（1）：2074-2088.

[9]王欣亮，杜壯壯，劉飛.大數據發展、營商環境與區域創新績效[J].科研管理， 2022，43（4）：46-55.

[10]余典范，王超，陳磊.政府補貼、產業鏈協同與企業數字化[J].經濟管理，2022，44（5）：63-81.

[11]楊偉，吉梨霞，周青.企業數字化轉型對創新生態系統的影響：基于市場規模動態的多Agent模型[J].中國管理科學，2022，30（6）：223-232.

[12]SONG Y， ESCOBAR O， ARZUBIAGA U， DE MASSIS A.The digital transformation of a traditional market into an entrepreneurial ecosystem[J]. Review of Managerial Science， 2022，16（1）：65-88.

[13]羅進輝，巫奕龍.數字化運營水平與真實盈余管理[J].管理科學，2021，34（7）：3-18.

[14]GALINDO-MARTIN M A， CASATANO-MARTINEZ M S， MENDEZ-PICAZO M T. Digital transformation， digital dividends and entrepreneurship： a quantitative analysis[J]. Journal of Business Research， 2019，101（8）：522-527.

[15]肖仁橋，沈佳佳，錢麗.數字化水平對企業新產品開發績效的影響——雙元創新能力的中介作用[J].科技進步與對策，2021，38（24）：106-115.

[16]DOLOREUX D， PORTO GOMEZ I. A Review of （almost） 20 years of regional innovation systems research[J]. European Planning Studies，2016，25（11）：371-387.

[17]張龍鵬，湯志偉.企業信息技術應用對開放式創新的影響：交易成本視角[J].科技進步與對策，2018，35（20）：79-87.

[18]HE Z， WONTOKI M B. The cost of innovation： R&D and high cash holdings in US firms[J]. Journal of Corporate Finance，2016，41（4）：280-303.

[19]HE J J， TIAN X. The dark side of analyst coverage： the case of innovation[J]. Journal of Financial Economics，2013，109（3）：856-878.

[20]AGHION P， VAN REENEN J， ZINGALES L. Innovation and institutional ownership[J]. American Economic Review，2013，103（1）：277-304.

[21]JONES N. Competing after radical technological change： the significance of product line management strategy[J]. Strategic Management Journal，2003，24（13）：1265-1287.

[22]HANNS R F J， POETERS C， HE Z L. Thinking about U： theorizing and testing U and inverted U shaped relationships in strategy research[J]. Strategic Management Journal， 2015，37（7）：1177-1195.

責任編輯（責任編輯：張? 悅）

英文標題Digital Technology Concentration and Enterprise Innovation：The? Inverted U-shaped Relationship and the Transformation

英文作者Ling Shixian1，Ling Hongcheng2，Ji Mengjia1

英文作者單位（1.Business School， Shandong University， Weihai 264209， China; 2. Institute of Industrial Economics，Jiangxi University of Finance and Economics， Nanchang 330013，China）

英文摘要Abstract：The digital transformation of enterprises has given great new momentum to enterprise innovation. Digital transformation includes two aspects： the R&D of underlying digital technology and its application which includes various technologies such as artificial intelligence， cloud computing and big data， and they require huge human and capital investment. Faced with rich digital technologies， how should enterprises choose and promote enterprise innovation with digital transformation？ This requires a study of the concentration of digital technology. The paper attempts to study the impact of digital technology concentration on enterprise innovation to provide theoretical and empirical support for promoting the digital transformation of enterprises and promoting enterprise innovation.It is expected to provide empirical evidence for a deeper understanding of the non-linear impact of digital technology concentration on enterprise innovation and for making full use of the moderating mechanism to promote enterprise innovation.

The paper selects A-share companies from 2007 to 2020 as the research sample. After processing， 35 669 observations from 3 846 listed companies are obtained. Firstly， the annual reports of listed companies are obtained by Python and the text contents are extracted through Java PDFbox library， and the digital technology concentration is measured with Herfindahl-Hirschman index. Secondly，a multiple regression model is constructed to verify the nonlinear relationship between digital technology concentration and enterprise innovation. Thirdly，a mediating effect model is constructed? to test the mechanisms of digital technology concentration on enterprise innovation.

The results show that there is a significant inverted U-shaped relationship between digital technology concentration and enterprise innovation. That is， as digital technology concentration increases， enterprise innovation output increases continuously， but it presents a phenomenon of marginal decreasing of enterprise innovation output， and when digital technology concentration is too high， enterprises face major breakthrough innovation barriers which will inhibit technological innovation. The mechanism analysis shows that human resource integration ability and R&D investment intensity play the moderating roles. As the moderating variable increases， it can make the inflection point of the inverted U-shaped curve shift to the left， and gradually flatten the inverted U-shaped curve， and when the moderating variable breaks the threshold of the inflection point， it will make the inverted U-shaped curve transform into a U-shaped curve， and thus with the increase of the moderating variables，it can further promote enterprise innovation.

The contributions of this study are as follows. First， this study is the first to adopt the digital technology concentration to measure the digital transformation of enterprises. The previous literature has mainly used the frequency or ratio of digital technology words， or the proportion of intangible digital assets as a proxy variable of digital transformation. Given the variety of digital technologies and the constraints of capital and talent， enterprises are often in a digital transformation dilemma. This study takes digital technology concentration as the variable for digital transformation of enterprises，and? overcomes the shortage of existing variables. Second， this paper provides a new perspective on the in-depth understanding of the relationship between enterprise digital transformation and enterprise innovation， and provides reference for the selection of digital technology quantity for enterprise. In digital transformation， enterprises should focus on a few areas of digital technologies. Most of the literature has confirmed that digital transformation as a whole can significantly promote enterprise innovation， but this study finds that a focus on technology areas can help promote enterprise innovation in the early stage of digital transformation， but as the research progresses， the difficulty of innovation will gradually increase， and the marginal innovation output will distinguish and eventually inhibit enterprise innovation. Third， the empirical evidence of a strong moderating effect is provided for promoting enterprise innovation with digital technology. The two most important moderating variables， namely human resource integration capability and R&D investment intensity are analyzed respectively. The moderating effects of human capital integration ability and R&D investment intensity can change the inverted U-shaped curve to a U-shaped curve. These two moderating variables play significant moderating roles between digital technology concentration and enterprise innovation， and can further promote the role of digital technology in enterprise innovation.

英文關鍵詞Key Words：Enterprise Digital Transformation; Digital Technology Concentration; Enterprise Innovation; Human Capital Integration Ability; R&D Investment Intensity