“數制”融合對制造業創新韌性的影響

摘要：“數制”融合憑借數字要素嵌入改變了傳統創新范式，為提升產業創新韌性并實現創新發展提供了新思路。本文基于系統韌性視角，利用我國2017—2022年制造業時序數據，采用熵權法、PCA法、耦合協調模型和多元回歸模型，探討了“數制”融合對創新韌性的影響機制、作用和情境條件。研究發現：“數制”融合對創新韌性效能具有顯著的驅動效應，而平臺數據壟斷與數據產權模糊均存在較強的負向調節作用；規制平臺壟斷和加強數據確權，是“數制”融合對創新韌性賦能作用的情境條件；經濟發展程度對創新韌性有積極作用，但過度對外開放對創新韌性有消極作用。

關鍵詞：“數制”融合；創新韌性；平臺數據壟斷；數據產權模糊

中圖分類號：F426;T01文獻標識碼：A文章編號：1001-148X（2024）02-0013-10

收稿日期：2023-05-07

作者簡介：朱建民（1974—），男，河南虞城人，教授，研究方向：技術創新管理；張慧妹（1996—），女，甘肅天水人，碩士研究生，研究方向：技術創新管理。

基金項目：天津市哲學社會科學規劃一般項目“新型舉國體制下“卡脖子”技術突破的動力機制和實施路徑研究”，項目編號：TJGL23-012；天津市研究生科研創新項目“碳值控制下產業環境、要素流動對中國制造業轉型升級的驅動效應研究”，項目編號：2021YJSS040。

2018年以來，美國對中國發動“關稅戰”與“技術戰”并持續升級加碼，以限制關鍵性技術出口和技術并購的方式打壓我國的技術升級，破壞了后者締造的創新運行秩序［1］。農業和工業時代，技術升級相對緩慢尚無法形成壟斷，但是信息時代企業憑借超高技術迭代和超大規模市場消費將規模效應發揮到極致，進一步加深了技術壟斷從而導致技術成為大國政治權力的核心來源。從技術威脅理論來看，我國自主創新步伐緩慢，長期依賴技術引進并形成創新路徑轉換惰性，導致創新系統在應對內外環境變化時反應遲鈍、被動接受甚至消極應對，即弱性創新韌性。在技術霸權等環境威脅下，弱性創新韌性會加劇趕超國的國際創新劣勢、增加技術趕超難度并延長趕超周期。同時，隨著數字技術的成熟催動了大數據產業的迅速崛起，對實體制造業的運行模式和創新體系邏輯造成極大顛覆。由于數據要素的虛擬共生性和自生長性，使得數據傳遞滲入制造業的產品研發、生產制造和組織管理等各個環節，逐漸催生出產業融合形態?！皵抵啤比诤贤ㄟ^數據信息對傳統要素的滲入融合，分解了大量流水線作業和組織僵化問題，重新定義產業規模效應使得“微笑曲線”變淺，而且利用數字技術對傳統產業的溢出聯動，促進了不同領域創新資源的互動整合，形成以異質創新資源為基礎的整合創新，為創新系統功能升級提供可能［2］。據此，“數制”融合可能是提升創新韌性的新型途徑，探索二者的內在聯系、作用機理以及賦能作用的條件，在豐富創新韌性理論研究和深化“數制”融合戰略實施方面具有重要意義。

一、文獻綜述

（一）“數制”融合的研究

“數制”融合是以數字產業與制造業的戰略聯合，形成技術滲透、業務交織和資源互補優勢，打破原有系統的線性關系的動態過程。多數學者圍繞產業融合創新和數字要素滲透作用展開了討論。（1）在產業融合視角上，“數制”融合分解和重構了產業鏈的生產模式和價值分配，減少了行業間壁壘并加強了企業競合關系，對原有產業產生替代和互補效應，進而創造出產業價值鏈增值部分。并且將產業鏈組織從傳統線性模式轉變為以核心企業為節點的網狀布局，呈現控制集中和球形分散的新型組織形態［3］。數字經濟所蘊含的技術創新和技術融合，是產業融合創新的兩大動力因素。數字技術創新滲透至實體產業的創新活動環節，使得創新主體之間原本穩定的邊界變得模糊，故創新活動呈現跨行業滲透融合、全產業鏈協同、線上線下互動、多元共生共享的融合發展態勢［4］。企業與供應商、競爭者、顧客之間實現了雙向的、實時的和連續的數據互動關系，打造了更加動態開放的經營環境，為更好地整合不同主體資源促進融合創新效益創造了可能性［5-6］。（2）在要素滲透視角上，“數制”融合加強了生產要素之間的聯結互通，有利于鑄造各類生產要素一體化的要素體系，形成緊密的要素協作關系并加強聯動能力，不斷發揮要素組合結構的乘數效應與網絡效應，充分釋放數據生產力［7］。其滲透作用主要源自數字要素的虛擬替代性和跨界融合性，作用方式表現為替代效應和互補效應。一方面，虛擬替代性的優勢讓數字技術和數據信息部分替代了土地、勞動、管理等傳統要素［8］。如“數字孿生”技術可將實體物理空間映射到虛擬空間進行產品虛擬生產并節約實體土地空間，形成了“去土地化”替代［9］；人工智能技術（傳感器、自動化和ICT）以自動任務創建或數據收集等優勢實現生產流程自動化代替部分重復性人工勞作，形成了“去人工化”替代［10］；人工智能技術通過機器學習和深度學習模擬人腦思維以此輔助或替代人腦實現云計算、云管理與云決策，形成了“去管理化”替代［11-12］。另一方面，跨界融合性的優勢改變了生產要素的傳統組合形態，形成要素優勢互補和融合效應非線性增長。如數據與勞動的融合形成了數據勞動，優化了企業用工結構并節省了勞動成本［13］；數據與資本的融合形成了數據驅動投資決策，優化資本投資流向并降低了投資風險，有效提升了傳統要素的效率［7，14］。

（二）創新韌性的研究

韌性概念最初發源于工程領域，指一個系統遭到外部沖擊后仍維持自身穩定并恢復原有狀態的能力，后來逐步被引入其他自然科學與社會科學領域，尤其在創新領域有關韌性研究已漸成體系，其概念內涵得到進一步豐富［15-16］。創新理論奠基人熊彼特最早提出創新，強調通過將生產要素與生產條件組合引入生產體系，構建一種新的生產函數，在創造性破壞后致使組織形成更具抵抗力、更具創新能力的新結構［17］。但是創新活動中不可避免會受到環境變動的干擾，擁有較強韌性的創新組織相對與較弱組織更能及時作出反應，抵御并維護創新系統穩定、適應恢復甚至進化為更高功能狀態。創新組織的創新韌性能力體現在化解環境不確定性引致的創新風險的抵抗力、恢復創新風險造成的負面影響的恢復力以及重新配置創新要素、優化創新管理流程或改善創新環境等實現自我突破的進化力三個維度［15］。作為創新組織的創新競爭力的關鍵要素，創新韌性在概念上經歷了系統均衡論到系統演化論的發展。均衡論以相對靜止的視角，探討了原來穩定的創新系統在遭受環境擾動后，依靠自身的抵抗性與適應性促使其從一個均衡進入另一個均衡狀態的恢復性作用。演化論從長期的、持續動態的視角，增加了系統的自適應、自調整和自學習機制假設，故在均衡論應激性恢復基礎上強調了創新系統的自發性進化過程。然而，創新活動的長期性和持續性決定了創新系統時常處于非均衡變化狀態，因此演化論視角下的韌性思想更適用于創新韌性的界定，即創新系統面臨內外部環境干擾后抵御沖擊保持系統穩定、適應恢復甚至進化為更高功能狀態的能力［18-19］。

綜上所述，現有關于“數制”融合與創新韌性的研究比較豐富，但均側重各自領域的初步探討，關于“數制”融合對創新韌性的影響機制和定量研究明顯不足。本文將我國整體制造業作為研究對象，以平臺數據壟斷和數據產權模糊兩大權變量分情境探究制造業數字化融合對創新韌性的影響作用，豐富創新韌性的領域研究。本文的邊際貢獻包括三點：（1）從產業層面提出創新韌性概念，基于系統韌性動態演化理論析出關鍵維度；（2）從“數制”融合視角討論創新韌性，揭開“數制”融合對創新韌性的“黑箱”機制；（3）解析“數制”融合與創新韌性關系中數據治理困境變量的調節作用，豐富創新韌性的前因研究，并拓展了“數制”融合與創新韌性關系的研究邊界。

二、理論分析與假設

（一）“數制”融合與創新韌性

由融合創新理論可知，“數制”融合下產業通過拓展基礎創新空間、調整創新模式和網絡關系布態激活融合創新機制，以促進創新系統運行機制狀態躍遷，從而提升對環境沖擊或威脅地化解效率，即創新韌性。創新韌性的功能維度包括應激抵抗力、適應恢復力和進化更新力。融合創新機制可大致歸結為三個方面：（1）創新要素層次。產業融合創新本質是異質構成要素在滲透交叉和重組整合中，逐漸形成共性技術與邊界模糊化，形成融合共創體系，強調把數字經濟產物嵌入制造業價值鏈體系，對原有技術范式和創新系統進行重塑優化［4］。在產品創新驅動下，數字要素與設備、管理和工人等傳統要素形成更多組合從而拓展要素組合空間，以便快速應對環境變化。同時虛擬交互技術使得創新主體打破地域、專業和主體的創新業務邊界，并靈活甄選虛擬、線下或組合手段進行創新內容互動從而拓展動態交互空間，以便及時捕捉環境信息和高效反饋。另外，共享平臺憑借虛擬社區的集聚引力吸引創新要素集聚，促進了數據組化和信息整合并增加發現創新價值高地的機會，從而拓展價值共創空間，提升環境應對和化解能力［20］。（2）創新路徑層次。傳統創新路徑多為技術引進消化再創新的模仿創新路徑，但技術依賴容易產生內生創新不足和創新惰性等問題，導致無法適應復雜環境變化?！皵抵啤比诤贤ㄟ^激活協同創新、迭代創新和顛覆創新三種機制促進創新模式升級，進而提升自主創新路徑轉化效率。在協同創新模式上通過搜索或開源軟件深化協同程度，形成資源能力互補優勢和更加開放包容的氛圍，進而激發創新意愿和資源的虛擬集聚，提升應對環境風險能力［21］。在迭代創新模式上把數據流通的衍生內容作為基礎力量，通過“創新-產品-需求”的動態螺旋兼顧創新效率和經濟效益，促使主體擺脫創新惰性并加快自主研發［22］。在顛覆創新模式上通過改變顛覆創新的邊界條件并為跨界技術方案提供更大探索空間［23］，有利于激發創新理念、豐富技術組合和提高原創度意識，自主創新機制激活。以創新模式升級為核心的自主創新路徑，在面臨技術霸權等情境時更具創新話語權，從而避免環境威脅并維護創新穩定。（3）創新關系層次。在物理空間集群網絡的基礎上，作為知識流動和資源活化動力的數字產品對創新主體模塊進行虛擬空間再鏈接，催生出“物理+虛擬”復雜集群創新網絡布態。通過集群的自組織自適應和淘汰自調節適應差的主體，進而維持其系統秩序以降低環境變動風險。集群網絡催生了集群模塊化和內部模型機制。集群模塊化改善了集群網絡節點松散耦合關系，利用隱形知識流動和利用效率產生復雜協同互動行為，加快了知識孵化和技術周期，進而形成知識涌現或創新躍遷并改善創新韌性效能［24］。內部模型機制是主體接受眾多信息后進行適應性調整改變內部結構的能力，當感知到環境變化后，內部主體會根據現有知識結構和經驗，對創新資源及活動進行重新分配與規劃，加強相互關聯和合作并發生黏著以應對環境變化、維持創新穩定甚至創新狀態升級［25］。因此，本文提出如下假設：

H1：“數制”融合對創新韌性具有顯著正向影響。

（二）平臺數據壟斷的調節效應

數據的“天然”壟斷、平臺載體的“隱性強制”以及行業規制滯后等原因，催生了諸如“算法合謀”“強制二選一”的壟斷勢頭，破壞了公平的要素配置和創新競爭秩序［26］。在以往產能不足的時代，制造業的社會分工長期聚焦物質生產和產品升級，以獲得市場和競爭優勢；然而，在產能過剩和需求升級的當代，制造業不得不借助來自外部平臺的數據力量，調整自身結構和創新行為，以應對市場變化和風險［27］。平臺權力的崛起促進多元共治的社會格局，但是壟斷勢頭更加劇了信息分野，使得“數制”系統多數企業面臨脆弱無奈地被支配狀態，由此降低產業融合質量并阻礙創新韌性，這是因為：（1）數據成本增加了產業融合壁壘。平臺經營者可能利用其壟斷地位提高數據價格，使得“數制”系統企業成員面臨高昂的數據成本，甚至利用技術手段實施運營權力，達到“自我優待”目的。這不但降低了企業之間業務合作的意愿，而且增加了創新活動的成本和風險，限制了原始創新活力、創新模式以及創新網絡優化，進而阻礙了創新韌性發展。（2）數據私有加劇了要素不平衡。超級平臺坐擁海量數據，利用排他合約或流量圍墻等遏制中小平臺，同時利用傾斜定價等吞噬制造業利潤空間。由此加劇了平臺與平臺、平臺與制造業之間的知識、信息等創新要素的不平衡布局，降低了“數制”企業之間協同的要素基礎，限制了基礎創新空間和自主創新能力，最終滯礙了創新韌性發展。（3）壟斷收益對創新活動的替代。平臺過度攫取壟斷利潤和鞏固地位，往往會降低“數制”系統原本用于研發活動的創新投入，因此影響創新產出質量和自主創新能力。同時平臺壟斷的收益具有低風險、高回報和長期性特征，使其更容易吸引各類社會投資，由此加大了創新活動的融資約束，限制了產業創新系統優化，最終滯礙了創新韌性發展［28］。因此提出假設：

H2：平臺數據壟斷弱化了“數制”融合與創新韌性之間的正向關系。

（三）數據產權模糊的調節效應

數據產權明晰是數據交易和“數制”融合的制度基礎。從現實來看，我國數據產權規制和運行存在諸多缺陷，制約了數據要素的資源配置、迭代價值和創新發現。如2020年我國大數據市場規模為545億元，而場內數據交易額僅占4%，企業們更加傾向于場外一對一和桌面下“利益勾兌”方式［29］?！皵抵啤比诤系年P鍵在于數據要素，其產權界定程度直接影響“數制”合作的風險感知、信任投入和協同質量，進而影響產業創新韌性。具體而言，當面臨數據產權模糊較高的情境時，會降低產業融合質量并阻礙創新韌性，原因在于：（1）產權缺陷降低合作意愿。產權不清晰使得“數制”企業展開數據合作時面臨風險擔憂，即將來可能因為權責糾紛造成麻煩或損失。站在理性人角度，企業對融合創新的投資動力和參與意愿降低，由此限制了基礎創新空間和自主創新能力，最終滯礙了創新韌性發展。（2）道德風險引致“信任危機”。權責不清的后果包括道德風險，即“數制”企業在數據產品交易中可能存在諸如數據倒賣、侵權等違約行為，且不必承擔法律責任。這種道德風險會破壞“數制”企業成員之間的信任關系，降低協同質量和創新合作空間，并阻礙創新模式升級，最終降低創新韌性水平。（3）逆向選擇引致數據質量隱患。權責不清的后果也包括逆向選擇，即“數制”企業利用雙方的信息不對稱，不斷交付質量更低的數據并形成惡性循環，導致數據產品的平均質量不斷下降。創新活動需要大量的數據支持，數據產品質量下降無疑會對企業研發活動造成誤導，并影響創新的效率和準確度，進而降低自主創新能力和創新關系質量，最終滯礙創新韌性發展［30］。因此，本文提出如下假設：

H3：數據產權模糊弱化了“數制”融合與創新韌性之間的正向關系。

圖1制造業數字化融合對創新韌性的影響機制

三、研究設計

（一）數據來源與處理

由于在公共統計網站中對2017年以前的產業數據和創新數據缺失較多，因此選取了2017—2022年相對完整的時序數據樣本進行實證研究。數據來自CEIC、EPS、政府和企業官方網站，對部分代理指標的單位進行調整，并進行簡單運算：專利授權數量以發明專利、實用新型專利和外觀設計專利的總和表示；創新主體的協同度指數依據耦合協調模型，對五類主體：大專院校、科研機構、企業、事業單位與個人的專利授權總量測算得到；數據侵權案件依據“不正當競爭侵權行為”“數據侵權行為”“數據侵權行為違法所得”案件的統計數量得到；民事案件依據“民事案件”案件的統計數量得到。

對既得數據的處理有：（1）缺失值處理：采用線性插值法或趨勢法進行插補；（2）累計值處理：由于累計值無法反映當月實際流量變化，因此將累計值轉化為當期值；（3）變量降維：采用熵權法降維合成。

（二）變量測度與說明

1.被解釋變量：創新韌性（IR）：產業創新系統能夠有效化解內外環境干擾、保持創新穩定甚至進化為更高創新水平的潛在能力?；谙到y韌性動態演化理論［31］，創新韌性體現為三個維度：（1）應激抵抗力：在逆境事件發生的初期階段，創新系統被動接受和吸收負面沖擊影響的能力。該階段主要對創新鏈下游的商業交易影響較大，故選取了創新研究交易規模、創新服務交易規模、技術市場交易程度和產業創新轉型程度。（2）適應恢復力：在逆境事件發生的中期階段，創新系統主動作出適應和調整，并恢復系統正常運行的能力。該階段主要在于系統以往積累的資源是否豐富，發展是否成熟，故選取創新研究發展規模、創新服務發展規模和政府創新重視程度反映。（3）進化更新力：在逆境事件發生的后期階段，創新系統通過自學習和自調整，形成了成熟的響應流程和機制，甚至實現系統優化和升級。該階段主要對創新鏈上游的基礎創新和源創新的影響較大，故選取了專利性創新行為、商標性創新行為、專利性創新質量和主體協同程度反映。

2.解釋變量：“數制”融合度（IC）：數字產業與制造產業的融合程度。（1）數字經濟水平：即狹義上數字經濟的產業化發展程度。參考程文先和錢學鋒［32］、許憲春和張美慧［33］，從數字設施、信息流量和電子商務交易三個方面，選取數字基礎設施、數字用戶規模、數字信息傳播和數字服務收入進行測量。（2）制造業水平：制造業的產業化發展程度。參考陽立高等［34］，從制造業發展規模、結構特征和生產效率等三個方面，選取企業規模、勞動力規模、產出能力和盈利能力進行測量。

3.調節變量：（1）平臺數據壟斷（PM）：平臺經濟模式中數據資源的過度集中后出現數據交易不平等的經濟現象。由于無法獲取所有平臺的數據，因此以數字產業代替平臺業務，采用數字產業壟斷度衡量，選擇市場集中度［35-36］進行測算;（2）數據產權模糊（DF）：法律體系和行業約束對數據市場行為的規范約束缺失或不足的社會現象。數據產權模糊的社會后果體現為數據產權糾紛事件的增加［37］，故采用數據產權糾紛強度反映。

4.控制變量：（1）經濟發展程度（C1）：采用經濟發展水平進行衡量;（2）對外開放程度（C2）：采用經濟開放水平衡量。具體指標體系和數據來源如表1所示。

（三）計量模型構建

1.測量模型

運用熵權耦合協調模型測算“數制”融合度。主要思路是先采用熵權法確定指標權重，得出一級指標的綜合數值，然后利用耦合協調模型計算融合度指數。首先，假設發展度函數遵循Cobb-Douglas形式［38］，得到總系統發展水平（公式1）；其次，構建耦合度模型（公式2）；最后，計算兩者的協調度（公式3）［39］。其中，T為系統發展度，U1、U2分別表示數字產業和制造業；λ為外生參量，待定系數α=β=05，表示兩系統同等重要；C為協調度，取值范圍為0-1；IC為融合度指數，并將其劃分為5個區間：［0，02）嚴重失調、［02，04）瀕臨失調、［04，06）初級協調、［06，08）中級協調、［08，10）高級協調。

T=λU1αU2β（1）

C=U1×U2/（U1+U22）212（2）

IC=C×T（3）

2.回歸模型

為了討論“數制”融合與創新韌性的關系，構建調節效應回歸模型并進行普通最小二乘估計?；貧w分為三步：首先，放入解釋變量與控制變量構建基準模型（公式4）；其次，加入調節變量構建主效應模型（公式5）；最后，加入調節變量交互項構建交互效應模型（公式6），并依次判斷第二步調節變量的顯著性以及第三步交互項的顯著性分析調節效應。同時，為避免多重共線性對系數估計的影響，對交互變量進行了中心化處理。其中：IRt為被解釋變量，表示第t月的創新韌性強度。ICt為解釋變量，表示第t月制造業的“數制”融合度。Mt為調節變量，代指PM或DF。（IC×M）t為交互項，Ct為控制變量；α、β為回歸系數，εt為隨機擾動項。

IRt=α0+α1·ICt+∑2j=1βj·Cjt+εt（4）

IRt=α0+α1·ICt+α2·Mt+∑2j=1βj·Cjt+εt（5）

IRt=α0+α1·ICt+α2·Mt+α3·（IC×M）t+∑2j=1βj·Cjt+εt（6）

四、實證結果分析

（一）模型檢驗

1.描述性統計與信效度分析

首先，利用Spss230進行了描述性統計與信效度分析，以檢驗創新韌性指標體系的可靠性和有效性，結果見表2和表3。描述性統計顯示，創新韌性（IC）的均值為0618，接近于最大值0893，說明在樣本研究時段的產業創新韌性水平整體較好；制造業“數制”融合度（IR）的均值為0369，接近于最小值0063，說明樣本研究時段的“數制”融合整體水平較低，可能處于初步融合的階段，與我國產業現實基本相符。其次，對被解釋變量進行了信度和效度的檢驗：創新韌性變量的Guttman系數為0929，三個維度的Guttman系數為0717-0951，表明了測量指標的內部一致性較好，評測結果的可信度較高。KMO值為0873，Bartlett球形度的顯著性都低于1%，表明創新韌性的測量指標共性較強，結構效度較高。因此認為本文的變量及數據性質良好，可以進一步實證研究。

2.單位根檢驗與多重共線性檢驗

為避免模型設定偏誤，本文進行了單位根檢驗與多重共線性檢驗。單位根檢驗是為了避免變量不平穩造成回歸模型的“偽回歸”問題，選用了AugmentedDickey-Fuller（ADF）進行變量平穩性檢驗，如表4所示。檢驗表明，在10%的顯著水平上，各個變量均拒絕了存在單位根的原假設，故認為待研究變量均為平穩的序列。多重共線性是為了避免解釋變量高度相關造成的估計結果非有效問題，檢驗方法采用了方差膨脹因子法（VIF）與容忍度法（1/VIF）。結果表明，無交互情形（基準模型）和有交互項情形（調節效應）的最大方差膨脹因子值為705，最小容忍度為014。根據經驗規則，其方差膨脹因子遠小于10，且容忍度均高于01，故各個解釋變量之間不存在多重共線性問題，因此認為模型有效控制了共線性的影響。

（二）結果分析

基于熵權法和耦合協調度模型得到制造業創新韌性指數，運用Stata160對基準模型和調節效應進行了實證檢驗，結果見表5。

1.基準回歸分析

模型1為考慮控制變量的基準模型，即不存在調節效應，只顯示各變量與創新韌性指數的回歸系數，以驗證解釋變量（包括控制變量）的影響作用，并用作對比分析。當未放入控制變量時，模型的擬合優度為0736，變量系數為1244。當加入控制變量后，模型的解釋力增加了8%（ΔR[TX-]2=816%-736%），系數為0605，且均通過了001的F檢驗與t檢驗。這表明“數制”融合對創新韌性指數有顯著的促進作用，當“數制”融合度每增加01，創新韌性指數上升約006。另外，觀察控制變量的分析結果，發現經濟發展（C1）無疑促進了創新韌性，即經濟發展程度每增加1萬億元，創新韌性指數提高約00375。主要因為經濟是創新發展的物質基礎，提高經濟發展能夠為創新活動提供充裕資金和創新人才培養條件以及吸引外部創新資源流入，以此優化創新系統從而提高創新韌性。然而，對外開放（C2）顯著抑制了創新韌性，表現為對外開放程度每增加1億美元，創新韌性指數下降約00007。可能原因在于：過度對外開放容易形成技術依賴、增加創新惰性以及削弱主體的創新動力，導致對創新韌性和創新發展呈現抑制效應。

2.平臺數據壟斷的調節效應分析

模型2和模型3主要主分析平臺數據壟斷的調節效應。在模型2中，將平臺數據壟斷（PM）加入“數制”融合對創新韌性的基準模型后，F檢驗依然顯著、模型解釋力增強了117%（ΔR[TX-]2=933%-816%），而且調節變量（PM）的系數顯著性低于005，初步滿足了調節效應檢驗對調節變量顯著性的要求。模型3在模型2的基礎上，將交互項：IC×PM納入模型，模型解釋力進一步增強了05%（ΔR[TX-]2=938%-933%），解釋變量、調節變量和交互項的回歸系數顯著性依然低于005，滿足了調節效應檢驗對交互項顯著性的要求。交互項系數為-21131，表明作用方向為負。至此，平臺數據壟斷存在負調節效應已經得到了驗證。

進一步對調節效應的大小進行分析：平臺數據壟斷度每增加01，創新韌性指數變化約為IR/PM=-0211×IC-0093。即在產業融合度增加01的情況下，平臺數據壟斷度每增加01，創新韌性指數降低約0114，調節作用約為0605×01+0114=0175。為直觀闡釋上述結論，繪制了調節效應圖（圖2）。當平臺數據壟斷度較低時，“數制”融合度的提高促進了創新韌性升級；但是當平臺數據壟斷度較高時，隨著“數制”融合度的提高，創新韌性水平呈下降趨勢。直線斜率的由正及負和截距的大幅下降，表明了平臺數據壟斷的負調節效應強度較大，甚至會導致“數制”融合無法促進創新韌性提高的可能性。因此，對超級平臺的數據壟斷行為進行有效治理，是實現“數制”融合對創新韌性積極作用的條件。

圖2平臺數據壟斷調節效應圖

3.數據產權模糊的調節效應分析

依照上述方法對數據產權模糊進行了調節效應檢驗，結果見模型4和模型5。在模型4中，將數據產權模糊（DF）加入“數制”融合對創新韌性的基準模型后，F檢驗依然顯著、模型解釋力增強了136%（ΔR[TX-]2=952%-816%），而且調節變量（DF）的系數顯著性低于005，滿足了對調節變量顯著性的要求。將交互項：IC×DF納入模型放入模型4后，F檢驗顯著但部分解釋變量未能通過t檢驗，且系數符號與預期不符，故用逐步回歸法尋找最佳模型。模型5顯示，交互項的回歸系數顯著性低于005，交互項系數為-42076，說明數據產權模糊存在顯著的負向調節作用。

進一步對調節效應的大小進行分析：數據產權模糊度每增加01，創新韌性指數變化約為IR/DF=-0421×IC。即在產業融合度增加01的情況下，數據產權模糊度每增加01，創新韌性指數降低約0042，調節作用約為0605×01+0042=0103。根據圖3，當數據產權模糊度較低時，“數制”融合度提高促進了創新韌性升級；但當數據產權模糊度較高時，制造業“數制”融合度的提高同樣降低了產業創新韌性水平，因此加強數據產權規制并形成有秩序的交易秩序，也是保證“數制”融合對創新韌性積極作用的條件。

圖3數據產權模糊調節效應圖

（三）穩健性檢驗

為確保結果的穩健性，避免異常值和非隨機值對結果造成有偏影響，本文對創新韌性的指標進行主成分降維處理，依據特征值大于1的經驗原則，得到了主成分綜合評價下的創新韌性指數，再次進行了基準回歸和調節回歸，結果見表6?；鶞誓Ｐ徒Y果顯示，解釋變量（包括控制變量）的顯著性及系數符號與前文保持一致，表明了“數制”融合對創新韌性依然表現為促進作用。調節效應結果顯示，僅交互項（數字化融合×平臺數據壟斷）的顯著性從005降至01，并且部分控制變量顯著性略有變化，其他重要變量的顯著性與符號依然與前文保持一致，表明本文結論具有穩健性。

五、結論與啟示

本文從制造業中觀層面出發，揭示了“數制”融合對創新韌性的影響作用以及平臺數據壟斷和數據產權模糊的調節效應，結論如下：

（1）“數制”融合是提高制造業創新韌性水平的有效途徑?！皵抵啤比诤洗龠M了制造業創新系統的基礎創新空間、自主創新路徑轉化和復雜集群創新網絡趨態，重塑加強了創新系統的韌性能力。這一結論揭示了“數制”融合對創新韌性的積極作用，拓展了產業融合創新機制的深入理解，為深化韌性研究提供了新的理論支撐。

（2）平臺數據壟斷在“數制”融合促進創新韌性中呈負向調節作用。平臺是數字經濟的重要商業模式，也是數據資源配置的重要方式。僅憑市場經濟力量會放任和加劇數據壟斷勢頭，增加“數制”融合壁壘、加深要素不平衡以及犧牲創新活動，從而弱化“數制”融合對創新韌性的賦能作用。這一結論在“數制”融合視角，為平臺行業規制實踐提供了新的見解，也在一定程度上說明加強平臺數據壟斷治理，是“數制”融合創新機制作用的情境要求和條件。

（3）數據產權模糊在“數制”融合促進創新韌性中呈負向調節作用。數據產權是數據市場化規范的內容體現。產權隸屬模糊會降低合作意愿，加重“信任”危機和數據質量擔憂，從而弱化“數制”融合對創新韌性的賦能作用。這一結論在“數制”融合視角，為數據產權立法和行業規制提供了新的見解，說明加強數據確權規范，是“數制”融合創新機制作用的另一情境條件。

（4）經濟發展對創新韌性提高表現出促進作用，而對外開放存在顯著的抑制影響。提高經濟發展能夠為創新活動提供充裕資金和創新人才培養條件以及吸引外部創新資源流入，以此優化創新系統從而提高創新韌性。然而，過度對外開放容易形成技術依賴、增加創新惰性以及削弱主體的創新動力，導致對創新韌性和創新發展呈現抑制效應。

在當前國際技術霸權情形下，本文結論對提高制造業創新韌性具有一定的啟示意義。

第一，加強“數制”融合機制建設，注重融合創新成果保護。通過充分研究數字業與制造業的可能結合點，構建“數制”融合政策體系并組建共性技術機構，形成跨界技術融合聯動布局。注重相互持股或收購兼并等資本層面合作，并對部分重點領域施行“領袖工廠計劃”，形成以領袖企業為核心的產業網絡，縱向提升“數制”融合深度。加強“數制”融合領域的知識產權立法和服務，為融合創新成果轉化提供保障。

第二，限制超級平臺的經營結構，完善行業競爭條例。用激進或溫和方式對數據平臺經營結構規制。激進方式采用拆分和剝離等手段對同時擁有平臺業務和自營業務的企業進行結構性分離，并限制能夠強化自身市場地位的并購行為，防止數據過度集中。溫和方式利用技術和法律手段實現平臺業務數據和自營業務數據的分離，如禁止平臺將用戶數據與其他應用數據以及第三方數據進行交叉使用，防止數據濫用。并加強反壟斷法對大數據行業和“數制”融合行業的競爭規制，形成壟斷競爭行為類別和細則條例，保證競爭的公平性。

第三，規范數據要素確權體系，加強數據市場監管力度。加強對數據分類和數據確權的立法，形成秩序化的數據管理、保護和共享的法制程序。堅持在數據權益主體認證、權益關系確權、權益流轉和權益司法服務等內容中灌注數據向善原則，誘導創新向善形成良性利用生態。在條件成熟時推進綜合數據立法，厘清數據管理和共享法規的聯系與邊界，形成有秩序的“數制”融合過程。

參考文獻：

［1］李巍，李玙譯.解析美國對華為的“戰爭”——跨國供應鏈的政治經濟學［J］.當代亞太，2021（1）：4-45+159.

［2］李騰，孫國強，崔格格.數字產業化與產業數字化：雙向聯動關系、產業網絡特征與數字經濟發展［J］.產業經濟研究，2021（5）：54-68.

［3］李春發，李冬冬，周馳.數字經濟驅動制造業轉型升級的作用機理——基于產業鏈視角的分析［J］.商業研究，2020（2）：73-82.

［4］楊毅，于倩.數字經濟能否成為中國制造業高質量發展的新動能？——基于技術創新與管理效率效應視角［J］．哈爾濱商業大學學報（社會科學版），2023（2）：3-18.

［5］余江，孟慶時，張越，等.數字創新：創新研究新視角的探索及啟示［J］.科學學研究，2017（7）：1103-1111.

［6］余菲菲，王麗婷.數字技術賦能我國制造企業技術創新路徑研究［J］.科研管理，2022（4）：11-19.

［7］洪銀興，任保平.數字經濟與實體經濟深度融合的內涵和途徑［J］.中國工業經濟，2023（2）：5-16.

［8］王謙，付曉東.數據要素賦能經濟增長機制探究［J］.上海經濟研究，2021（4）：55-66.

［9］QiQ，TaoF.DigitalTwinandBigDatatowardsSmartManufacturingandIndustry4.0：360DegreeComparison［J］.IeeeAccess，2018，6：3585-3593.

［10］CarusoL.DigitalInnovationandtheFourthIndustrialRevolution：EpochalSocialChanges？［J］.Aiamp;Society，2018，33（3）：379-392.

［11］OsterriederP，BuddeL，FriedliT.TheSmartFactoryasaKeyConstructofIndustry4.0：ASystematicLiteratureReview［J］.InternationalJournalofProductionEconomics，2020，221：107476.

［12］LadjA，WangZ，MeskiO，etal.AKnowledge-BasedDigitalShadowforMachiningIndustryinaDigitalTwinPerspective［J］.JournalofManufacturingSystems，2021，58：168-179.

［13］LeeJ，BerenteN.DigitalInnovationandtheDivisionofInnovativeLabor：DigitalControlsintheAutomotiveIndustry［J］.OrganizationScience，2012，23（5）：1428-1447.

［14］白永秀，李嘉雯，王澤潤.數據要素：特征、作用機理與高質量發展［J］.電子政務，2022（6）：23-36.

［15］范建紅，王冰，閆樂，等.數字普惠金融對高技術制造業創新韌性的影響——基于系統GMM與門檻效應的檢驗［J］.科技進步與對策，2022（17）：51-61.

［16］徐維祥，周建平，周夢瑤，等.長三角協同創新網絡韌性演化及驅動機制研究［J］.科技進步與對策，2022（3）：40-49.

［17］易蘭，楊歷，張治河.阿吉翁和豪伊特對熊彼特增長理論的貢獻——科睿維安“引文桂冠獎”得主學術貢獻評介［J］.經濟學動態，2018（2）：130-145.

［18］胡甲濱，俞立平.創新韌性對高技術產業創新的影響機制與特征研究［J］.科技進步與對策，2022（2）：49-59.

［19］楊偉，勞曉云，周青，等.區域數字創新生態系統韌性的治理利基組態［J］.科學學研究，2022（3）：534-544.

［20］FrankAG，MendesGHS，AyalaNF，etal.ServitizationandIndustry4.0ConvergenceintheDigitalTransformationofProductFirms：ABusinessModelInnovationPerspective［J］.TechnologicalForecastingandSocialChange，2019，141：341-351.

［21］WanY，GaoY，HuY.BlockchainApplicationandCollaborativeInnovationintheManufacturingIndustry：BasedonthePerspectiveofSocialTrust［J］.TechnologicalForecastingandSocialChange，2022，177：121540.

［22］羅瑾璉，李樹文，唐慧潔，等.數字化生產力工具的創新突破條件與迭代過程：容智信息科技的案例研究［J］．南開管理評論，2023（5）：27-38+83+39-40.

［23］張驍，吳琴，余欣.互聯網時代企業跨界顛覆式創新的邏輯［J］.中國工業經濟，2019（3）：156-174.

［24］蔡銳，宋健.裝備制造業集群網絡創新研究：基于模塊化創新體系視角［J］.科學管理研究，2009（2）：24-26+67.

［25］李潔，葛燕飛，高麗娜.我國生物醫藥產業創新集群演化動力機制研究——基于復雜適應系統理論［J］.科技管理研究，2022（3）：176-183.

［26］史丹.數字經濟條件下產業發展趨勢的演變［J］.中國工業經濟，2022（11）：26-42.

［27］馬平川.平臺數據權力的運行邏輯及法律規制［J］.法律科學（西北政法大學學報），2023，41（2）：98-110.

［28］程雪軍，侯姝琦.互聯網平臺數據壟斷的規制困境與治理機制［J］.電子政務，2023（3）：2-18.

［29］尚博文，郭靂.數據要素產權的復合性運行范式［J］.上海經濟研究，2023（3）：88-96.

［30］熊巧琴，湯珂.數據要素的界權、交易和定價研究進展［J］.經濟學動態，2021（2）：143-158.

［31］甄珍，王鳳彬．逆境事件沖擊下全球價值鏈系統韌性的動態演化———基于嵌入性多案例的縱向研究［J］．中國工業經濟，2022（10）：174-192.

［32］程文先，錢學鋒.數字經濟與中國工業綠色全要素生產率增長［J］.經濟問題探索，2021（8）：124-140.

［33］許憲春，張美慧.中國數字經濟規模測算研究——基于國際比較的視角［J］.中國工業經濟，2020（5）：23-41.

［34］陽立高，許調蓉，韓峰.中國數字經濟與制造業融合發展水平測度及其時空特征［J］.財經理論與實踐，2023（2）：81-87.

［35］KozákováM，BartekováMK.AnalysisofMarketConcentrationinCreativeIndustry［C］//SHSWebofConferences.EDPSciences，2020，83：01035.

［36］NaldiM，FlaminiM.TheCr4IndexandtheIntervalEstimationoftheHerfindahl-HirschmanIndex：AnEmpiricalComparison［J］.AvailableatSSRN2448656，2014.

［37］魏益華，楊璐維.數據要素市場化配置的產權制度之理論思考［J］.經濟體制改革，2022（3）：40-47.

［38］逯進，周惠民.中國省域人力資本與經濟增長耦合關系的實證分析［J］.數量經濟技術經濟研究，2013（9）：3-19+36.

［39］王裕瑾，李夢玉.中國數字經濟與高質量發展的耦合協調研究［J］.經濟與管理評論，2023（1）：104-118.

ResearchontheImpactoftheIndustrialIntegrationofDigitaland

ManufacturingonInnovationResilience

ZHUJianmin，ZHANGHuimei

（SchoolofEconomicandManagement，TianjinUniversityofScienceandTechnology，

Tianjin300457，China）

Abstract：Theintegrationofindustrialintegrationofdigitalandmanufacturinghaschangedthetraditionalinnovationparadigmbyembeddingdigitalelements，whichprovidesnewideastoenhanceindustrialinnovationresilienceandachieveinnovationdevelopment.Basedonthesystemicresilienceperspective，thispaperexplorestheimpactmechanism，roleandconditionsofindustrialintegrationoninnovationresiliencebyusingtheentropymethod，PCAmethod，coupledcoordinationmodelandmultipleregressionmodelfrom2017—2022manufacturingtimeseriesdatainChina.Thestudyfindsthat：theindustrialintegrationofdigitalandmanufacturinghasasignificantdrivingeffectontheeffectivenessofinnovationresilience，whilebothplatformdatamonopolyanddatapropertyrightsambiguityperformstrongnegativemoderatingeffectsrespectively;theregulationofplatformmonopolyandstrengtheningdatarightsaretheprerequisitesforthedrivingeffectoninnovationresilience.Besidesthat，thestudyalsoindicatesthattheeconomicdevelopmenthasapositiveeffectoninnovationresilience，butexcessiveopening-uphasanegativeeffectoninnovationresilience.Theresultsofthestudyrevealsthe“blackbox”oftheroleoftheimpactofindustrialintegrationofdigitalandmanufacturingoninnovationresilience，andprovidestheoreticalguidanceandempiricalexperienceformanufacturinginnovationsystemstocopewithenvironmentalthreats.

Keywords：industrialintegrationofdigitalandmanufacturing;innovativeresilience;platformdatamonopolies;ambiguousdatapropertyrights

（責任編輯：周正）