企業數字化轉型的創新效應：創新激勵與效率損失

摘 要：新時代背景下，通過數字化轉型激發企業創新活力、提升企業創新績效能夠為中國經濟高質量發展注入活力。在闡釋企業數字化轉型創新效應的基礎上，利用2011—2021年中國上市公司數據，從目標導向、技術驅動、組織賦能、環境支撐以及成果與應用5個維度構建企業數字化轉型評價體系，并實證檢驗企業數字化轉型的創新效應及來源，進一步評估數字產業政策對創新效率損失的改善效應。結果發現：第一，企業數字化轉型對創新投入、創新產出發揮激勵效應，但也會導致創新效率損失。第二，投資者情緒在促進企業數字化轉型發揮創新激勵效應的同時，也會加劇創新效率損失；企業產權屬性與區位因素是導致企業數字化轉型產生創新效率損失的關鍵因素。第三，數字產業政策能夠有效緩解企業數字化轉型對創新效率的抑制作用。

關鍵詞：數字化轉型；企業創新；效率損失；創新激勵

中圖分類號：F272.7

文獻標識碼：A

文章編號：1001-7348（2024）18-0098-10

0 引言

數字經濟背景下，數字產業化與產業數字化協同發展，數字經濟成為推動企業創新的重要動力。一方面，數字經濟發展直接推動企業創新[1]；另一方面，數字經濟發展服務于企業創新[2]。為此，有必要基于企業視角探討數字經濟發展帶來的創新效應。部分研究表明，數字經濟在區域和產業層面的發展能夠促進企業創新[3-4]，但其影響相對間接且包含較多混淆因素。因此，探究企業數字化轉型的創新效應可為解決這一問題提供微觀證據。

企業數字化轉型需要依靠數字經濟發展提供的外部環境、技術和基礎設施等，其本質上是企業利用數字技術促進原有生產經營方式變革[5]，因而對企業學習和吸收能力提出了更高的要求[6]。據中國信息通信研究院發布的《中國數字經濟發展研究報告（2023）年》顯示，2022年中國數字經濟規模達到50.2萬億元，占GDP的比重達到41.5%，中國經濟已邁入數字化轉型發展深水區。同時，由于中小企業數量眾多、資金技術缺乏等問題，我國企業數字化轉型進程緩慢。但不可否認的是，數字化轉型是我國企業未來發展趨勢。

針對企業數字化轉型與企業創新的關系，厘清其內在邏輯成為后續研究開展的前提。基于數據要素成為驅動企業數字化轉型的關鍵因素這一論斷[7]，從供需兩側出發，相關研究發現，數據要素在賦能企業數字化轉型過程中具有階段性特征。由此證實，數據要素在企業數字化轉型過程中發揮價值創造作用（劉啟雷等，2022）。基于企業IT能力視角的相關研究發現，數字化轉型成為促進企業創新績效提升的必要條件（池毛毛等，2022）。進一步地，在以國內大循環為主體、國內國際雙循環相互促進的新發展格局下，企業數字化轉型在創新網絡與創新能力間發揮正向調節作用（楊震寧等，2021）。也就是說，數字化轉型對企業創新的賦能作用在多個維度及場景下得到充分論證。

在上述理論研究的基礎上，相關研究提供了經驗證據：企業創新行為異質性視角下，企業數字化轉型能夠同時促進激進式創新與漸進式創新[8]。“雙碳”目標背景下，激發企業綠色創新潛力成為關鍵。數字化轉型不僅能夠增加企業綠色創新數量，而且可以有效提升企業綠色創新質量[9]。區別于傳統創新行為，數字化轉型能夠促進企業商業模式創新[10]。由此可見，數字化轉型對企業創新的促進作用體現在多個方面，而加快知識流動、緩解融資約束、優化人力資本結構成為企業數字化轉型產生積極創新效應的重要渠道[9，11-12]。

盡管現有數字化轉型與企業創新關系研究取得了一定成果，但鮮有考察數字化轉型對企業創新投入、產出及效率的影響。現有研究存在如下不足：一是對創新效率的忽視；二是僅對單一產業數字化轉型的創新效率進行探討。此外，企業數字化轉型評價指標維度具有單一性和相似性。

本文從目標導向、技術驅動、組織賦能、環境支撐以及成果與應用5個維度構建企業數字化轉型評價體系，并將企業創新效應劃分為創新投入、產出及效率，試圖考察企業數字化轉型的創新效應與來源。本文的邊際貢獻如下：第一，將企業數字化轉型與企業創新投入、產出、效率納入同一分析框架，全面考察企業數字化轉型的創新效應，結果發現，我國企業數字化轉型初期存在創新效率損失這一事實，并進一步分析其來源與應對之策。第二，區別于以往文獻借助單一指標測度企業數字化轉型，本文將企業數字化轉型劃分為5個維度，構建更為全面的評價體系，以期為企業數字化轉型的創新效應研究提供更為豐富的經驗證據，拓展基于微觀視角的數字經濟與創新發展理論邊界。

1 理論分析

目前，我國企業數字化轉型處于初期階段，經驗證據有待補充，相關理論問題有待闡釋。借鑒現有數字經濟與企業發展研究，本文提出以下問題：企業數字化轉型如何影響企業創新行為？基于我國企業發展現狀與數字化轉型進程，如何從效率視角對企業數字化轉型的創新效應作進一步考察？

1.1 數字化轉型對企業創新的影響：內生動力與外部沖擊

數字化轉型初期，企業通過數字技術優化生產、銷售等流程[13]，從而實現流程創新。這一過程中，得益于數字經濟發展，更多創新元素產生，而企業能夠利用上述創新元素構建創新組合[14]，完成數字化轉型，進而形成競爭優勢。由此可見，數字化轉型初期，創新要素既是企業數字化轉型的投入品，也是企業數字化轉型的產出品。基于這一特性，數字化轉型能夠激勵企業創新行為，發揮積極的創新效應。

企業數字化轉型能夠推動市場運行與行業發展，進而作為外部沖擊激勵企業創新。一方面，數字經濟背景下，透明化市場、高速迭代的技術以及跨行業替代效應會倒逼企業進化[15]，以往企業依靠單一產品壟斷市場的競爭優勢不復存在。只有不斷推陳出新，企業才能在高度透明的市場中存活。另一方面，中觀層面的同行業壓力會對企業創新產生影響。數字經濟背景下，同行業競爭和跨行業替代成為產業數字化發展趨勢。企業要在同行業中維持競爭優勢，不僅需要在原有技術領域實現縱向創新，而且需要跨領域開展橫向探索。市場和行業變革導致投資者判斷標準改變，故投資者壓力成為企業開展創新活動的動力。投資者更為青睞開展數字化轉型的企業，并通過“用腳投票”影響企業創新決策。基于以上分析，本文提出以下研究假設：

H1：數字化轉型對企業創新發揮激勵效應。

1.2 效率視角下企業數字化轉型的創新效應再考察

數字化轉型能夠通過降低研發成本與交易成本[16]、拓寬研發邊界、促進知識溢出[17]等方式對企業創新效率產生積極影響。基于中國企業處于數字化轉型初期的現狀，以及中小企業數量眾多、資金技術匱乏的事實，有必要全面考察數字化轉型過程中企業面對外部沖擊的脆弱性及其在產權性質上的特殊性。

（1）作為市場非理性因素，投資者情緒在數字化轉型過程中會影響企業創新行為與創新效率。一方面，投資者對企業創新行為的追捧能夠發揮激勵效應。得益于高漲的投資者情緒以及由此帶來的價格泡沫，企業面臨較小的融資約束，可能為迎合投資者偏好而盲目加大創新投入[18]，進而損害企業創新效率。另一方面，投資者情緒能夠干擾管理者決策行為。投資者情緒帶來的管理者過度自信可能導致企業過度投資[19]，進而降低資源配置效率[20]，最終在資源側消弭數字化轉型帶來的創新效率提升效應。

（2）產權性質對企業創新效率的影響不容忽視。相較于民營企業，國有企業擁有更加豐富的人才、資金資源以及政策優勢，能夠實現大規模創新投入與產出[21]。但需要指出的是，特殊的組織形式將導致國有企業監督機制、激勵機制對創新效率產生抑制作用[22]。相對集中的股權與冗余機構設置使得國有企業無法快速將創新資源轉化為市場優勢，進而導致效率損失。此外，相較于民營企業，國有企業承擔著較多社會責任，其創新效率提升動機相對不足[23]。因此，在絕大多數行業，國有企業創新效率顯著低于民營企業[24]。

（3）地區外部環境在企業數字化轉型對創新效率影響過程中發揮重要作用。大數據、云計算、區塊鏈等數字技術在賦能企業數字化轉型的同時，也為企業創新“提質增效”提供技術支持。在企業數字化轉型過程中，數字技術能夠有效緩解信息不對稱問題，有助于企業精準把握創新方向、優化創新過程，從而提升創新效率[25]。此外，作為企業數字化轉型的重要支撐，地區數字基礎設施能夠通過加大研發投入對企業創新發揮顯著促進作用[26]。因此，擁有豐富數字技術資源的東部地區能夠為本地企業數字化轉型提供良好的環境支持。據此，本文提出以下研究假設：

H2a：在企業數字化轉型過程中，投資者情緒對企業創新產生激勵效應的同時，也會加劇企業創新效率損失。

H2b：相較于非國有企業，國有企業數字化轉型的創新效率損失更為嚴重；

H2c：相較于東部地區，中西部地區企業數字化轉型的創新效率損失更為嚴重。

2 研究設計

2.1 變量界定與測度

2.1.1 企業數字化轉型

部分研究通過構建企業數字化轉型詞典，利用爬蟲技術提取上市公司年報中關鍵詞，以詞頻為依據測度企業數字化轉型程度（吳非等，2021）。部分研究通過對企業進行追蹤調查得到企業數字化管理程度相關數據（劉淑春等，2021）。例如，張永珅等[27]采用上市公司財務報告的無形資產中與數字化技術相關部分占無形資產總額的比值對企業數字化轉型程度進行測度。由此可見，學者們對企業數字化轉型的測度方式各異，但評價維度相對單一。在以往研究基礎上，本文從目標導向、技術驅動、組織賦能、環境支撐以及成果與應用5個維度構建企業數字化轉型（EDT）評價體系。

其中，目標導向維度能夠展示企業管理層對數字化轉型的引領作用。高層管理者是企業重要決策者，其數字化變革意愿、前瞻性思維以及變革導向對企業數字化轉型至關重要[28]。技術驅動維度側重對企業年報中與數字化轉型相關詞頻進行統計，借助人工智能技術、區塊鏈技術、大數據技術以及云計算技術得到企業數字技術發展程度。組織賦能維度側重度量企業數字化投入程度，由于企業數字化轉型離不開資金和人才支持，且數字基礎設施是企業數字化轉型的基石[29]。因此，需要考慮企業是否實施數字資源與人力投入計劃，以及是否開展數字基礎設施與科技創新基地建設。環境支撐維度主要考慮行業、地區等外部因素對企業數字化轉型的影響。受發展慣性、資源約束等因素影響，不同行業企業數字化轉型難易程度不同。由此，基于行業視角選取企業所在行業數字化技術、資本投入強度、發明專利數量及Ramp;D活動等指標，考察行業狀況對企業數字化轉型的影響。出于同樣的考慮，基于地區視角選取企業所在城市光纜密度、移動交換機容量和互聯網寬帶接入用戶規模等指標，考察地區環境對企業數字化轉型的影響。成果與應用維度能夠基于產出視角衡量現階段企業數字化轉型產出情況。企業數字化轉型成果方面，選取企業數字創新標準與資質、論文發表及專利等指標；企業數字化轉型應用方面，選取企業技術創新、流程創新和業務創新等指標。具體評價指標及權重設置如表1所示。

2.1.2 企業創新投入、創新產出與創新效率

企業創新投入（II）與創新產出（IO）能夠表征企業創新行為及成果。近年來，學者們主要從專利與新產品銷售兩個維度衡量企業創新產出，但新產品銷售受市場等不可觀測因素干擾，可靠性存疑。因此，本文以上市公司年專利累積申請量（Pantentit）作為企業創新產出的代理變量。

企業創新投入主要包括企業為研發活動購買設備、技術以及雇傭研發人員的成本支出，本文采用企業研發投入強度表示，即企業研發支出占總支出的比值。此外，在穩健性檢驗中，本文基于人力資本視角構造替代變量（II'），采用企業研發人員數量占員工總數之比表示。

此外，部分文獻采用數據包絡分析（DEA）方法測算產業創新效率[30]，但上述方法具有前沿面的局限性，將其應用于面板數據的研究較少[31]。借鑒相關研究成果[32-33]，本文基于投入產出視角構建企業創新效率指標（EIE），具體公式如下：

EIE1it=PantentitRamp;Dintensityit （1）

EIE2it=PantentitRamp;Dit+Ramp;Di，t－1×107 （2）

其中，EIE1表示企業在一定研發投入強度下的專利數量；EIE2表示企業當期專利申請數與當期、上一期研發投入總額之比。由于該數值較小，為便于觀測分析，本文將其擴大107倍。

2.1.3 渠道變量

投資者情緒。借鑒翟淑萍等[34]的研究成果，本文對托賓Q指數（Tobin'Q）進行分解，得到企業層面的投資者情緒。具體如下：將企業年度托賓Q指數作為模型被解釋變量，將描述公司基本面的一組變量（凈資產收益率、主營業務收入增長率、資產負債率、企業規模等）作為自變量，并引入行業和年度層面的固定效應，如式（3）所示。

Tobin'Qjt=θ0+θ1ROEjt+θ2ROWjt+θ3LEVjt+θ4SIZEjt+∑Indj+∑Yeart+εjt （3）

進一步求得模型中的殘差項εjt，以此作為公司層面投資者情緒（Sentit）的代理變量。

2.1.4 控制變量

借鑒陳紅等[35]、萬源星等[36]的研究成果，本文選取企業規模（Size）、企業年齡（Age）、資產負債率（Lev）、資產收益率（Roa）、董事會規模（Board）、政府補助（Gov）、行業集中度（HHI）作為控制變量。其中，企業規模（Size）采用企業總資產的對數表示；企業年齡（Age）為研究年份減去企業登記注冊年份的對數；資產負債率（Lev）為企業總負債與總資產之比；資產收益率（Roa）為凈利潤與平均資產總額之比；董事會規模（Board）采用董事會總人數的對數表示；政府補助（Gov）采用政府對企業當年補貼額的對數表示；行業集中度（HHI）為行業內每家公司主營業務收入與行業主營業務收入合計的比值平方之累加。

為進一步控制公司個體、行業、年份變化因素，以上市公司證券代碼為依據，引入公司虛擬變量（∑Stkcdi）；以證監會行業分類指引為依據，引入行業虛擬變量（∑Indj）及年份虛擬變量（∑Yeart）。

2.2 計量模型設定

基于變量選取與設定，本文構建基準回歸計量模型，以檢驗企業數字化轉型的創新效應，具體設定形式如式（4）所示。

Innovateijt=α+β1EDTijt+β2Controlijt+∑Stkcdi+∑Indj+∑Yeart+εijt （4）

其中，Innovateijt為表征樣本企業創新效應的一組變量，包括創新投入、創新產出以及創新效率；EDTijt為企業數字化轉型指數；Controlijt為控制變量組；∑Stkcdi、∑Indj、∑Yeart分別為公司、行業、年份虛擬變量。

2.3 數據來源與說明

本文以2011—2021年滬深A股上市公司面板數據為研究樣本，相關專利數據來自中國研究數據服務平臺（CNRDS）與國家專利網站，企業數字化轉型相關數據以及企業財務數據來自國泰安（CSMAR）數據庫、萬德（Wind）數據庫，部分指標來源于上市公司年度報告、上市公司財務報告。樣本篩選及處理過程如下：第一，剔除ST類、*ST類、PT類樣本；第二，剔除關鍵變量缺失嚴重樣本；第三，采用線性插值法補齊剩余樣本缺失值；第四，為消除極端值對實證結果的影響，本文對所有連續變量在1%水平上進行縮尾處理。由此得到2011—2021年涵蓋84個行業3 591家上市公司的26 524個企業—年度觀測值，以此作為基準回歸使用的非平衡面板數據。

3 實證結果

3.1 企業數字化轉型的創新效應

表2模型（1）—（2）展示了數字化轉型對企業創新的激勵效應。結果顯示，在引入控制變量并控制企業個體、行業、年份三維固定效應后，數字化轉型對企業創新投入與創新產出發揮不同程度的促進作用。其中，數字化轉型對企業創新投入的促進作用系數較大，作用較強，而對企業創新產出的促進作用偏弱。原因如下：創新活動具有長期性、高投入特征，在數字化轉型初期，企業創新投入轉化為產出具有時滯性。此外，數字化轉型初期，企業面臨資金缺乏與經驗不足等問題，導致創新投入與產出增長不同步。

模型（3）—（4）展示了數字化轉型對企業創新效率的影響。總體來看，數字化轉型對以不同方式測度的創新效率具有負向影響，體現為數字化轉型的創新效率損失效應。數字經濟背景下，數字化轉型過程中，企業盲目投入、創新轉化率較低以及“數字化—創新”聯結不緊密等問題是導致企業創新效率損失的重要原因。結合模型（1）—（4）可知，現階段我國企業數字化轉型的創新激勵效應與創新效率損失并存。

3.2 基準結果穩健性檢驗

3.2.1 內生性處理

一方面，數字化轉型對企業創新產生影響，具體表現為創新激勵與效率損失；另一方面，企業創新投入與創新產出增加能夠促進數字技術進步，進而影響企業數字化轉型。由此，反向因果問題未能在基準檢驗中得到處理。此外，企業創新影響因素較多，遺漏變量問題無法避免。因此，本文采用工具變量法緩解內生性問題。

參照傅秋子等[37]的做法，以樣本企業辦公地到杭州市的距離（IVcompany）作為企業層面的工具變量。一方面，杭州具有先進的數字技術、良好的數字環境以及豐富的數字發展經驗，距離其越近，企業越容易借鑒其發展經驗，從而實現數字化轉型。另一方面，企業所在地到杭州的距離并不會對企業創新產生直接影響。本文使用2SLS進行檢驗，結果如表3所示。通過檢驗K-P LM統計量和Wald F統計量發現，工具變量不存在識別不足、過度識別和弱工具變量問題。相較于基準回歸結果，引入工具變量后，企業數字化轉型系數符號不變，但對企業創新的激勵效應以及對創新效率的抑制作用均得到強化。

進一步地，本文將工具變量與解釋變量同時納入模型。結果顯示，將工具變量納入基準回歸模型后，解釋變量顯著性水平與系數并未出現明顯變化，同時工具變量系數不顯著且接近0。上述結果進一步證實，本文選擇的工具變量具有外生性特征。

參考趙濤等[1]研究成果，本文采用地級市1984年每萬人郵局數量（IVcity）作為城市層面的工具變量，將其與上一年互聯網投資額相乘構建面板數據，以此與樣本企業數據相匹配，回歸結果如表4所示。一方面，城市通信基礎設施會從技術、發展慣性、經濟基礎等方面對城市數字基礎設施產生影響，進而影響當地企業數字化轉型。另一方面，地區通信數據對當前企業創新無法產生直接且持久的影響。由結果可知，加入工具變量后的結果與基準結果基本一致，進一步證實城市層面工具變量具有外生性特征。

3.2.2 其它穩健性檢驗

替換被解釋變量。對于企業創新投入，本文基于人力資本視角構造替代變量（II'），變量替換檢驗結果如表5模型（1）所示。結果顯示，企業數字化轉型對企業創新投入發揮促進作用，但其系數有所降低，說明數字化轉型對企業創新投入的激勵作用主要表現為激勵資本投入。對于企業創新產出，本文基于專利類型采用企業專利申請量的分項指標表示，將其劃分為發明專利申請量（IO1）和外觀與實用新型專利申請量（IO2）。表5模型（2）—（3）表明，企業數字化轉型對發明專利產出、外觀與實用新型專利產出發揮激勵效應，且對后者的激勵效應更顯著。鐘昌標等[38]采用企業發明專利申請量作為企業突破式創新的代理變量，以外觀與實用新型專利申請量作為企業漸進式創新的代理變量。基于此，本文發現，企業數字化轉型對企業漸進式創新的影響更顯著。

進一步地，考慮企業歷史研發投入對企業當期創新產出（專利申請量）的影響。借鑒姚立杰等[32]的研究成果，本文采用企業專利申請數量與當期及前兩期研發投入總額之比作為企業創新效率的代理變量。為了便于分析同樣將其擴大107倍，結果如表5模型（4）所示。結果顯示，在考慮企業歷史研發投入后，數字化轉型仍對企業創新效率發揮抑制作用。由此可見，本文基準結果具有穩健性。

替換解釋變量。借鑒張永珅等[27]的研究成果，本文將基于企業財務報告附注的無形資產明細項目中與數字技術相關部分占總資產的比值（DWF）作為企業數字化轉型的代理變量，以此進行穩健性檢驗。表5模型（5）—（8）顯示，采用無形資產相關指標衡量企業數字化轉型后，創新激勵與效率損失并存。

高維固定效應與交互固定效應。作為微觀主體，企業發展會受到行業與地區等因素影響。為了排除上述因素干擾，在基準回歸中，本文引入企業、行業和年份固定效應。此外，城市發展對企業數字化轉型與企業創新的影響不容忽視，因而以樣本企業實際經營所在地為依據，本文設定城市虛擬變量（∑Cityc），并將其納入模型，檢驗結果如表6所示。表6模型（1）—（4）顯示，在引入城市層面的固定效應后，解釋變量顯著性水平及符號均與基準結果保持一致。

同時，在行業層面考慮更為嚴格的固定效應。本文引入行業與時間交互固定效應（∑Indj×∑Yeart），檢驗結果如表6模型（5）—（8）所示。由此證明，在控制行業—年份交互固定效應后，結果依然具有穩健性。因此，假設H1得證。

3.3 企業創新效率損失來源考察

3.3.1 投資者情緒的調節效應分析

將投資者情緒（Sentit）及其與企業數字化轉型指數的交互項納入計量模型中，以驗證投資者情緒的調節效應，結果如表7所示。本文重點關注投資者情緒與企業數字化轉型的交互項（EDT×Sent）系數。模型（1）—（2）顯示，投資者情緒對企業數字化轉型的創新激勵效應發揮正向調節作用。由此說明，在數字化轉型過程中，企業存在受市場非理性因素誘導而盲目進行創新投入的情況。模型（3）—（4）結果顯示，投資者情緒對企業數字化轉型的創新效率損失效應發揮負向調節作用。由此說明，在投資者情緒的影響下，企業盲從行為會對自身創新效率產生損害。上述結果表明，數字化轉型初期，面對市場非理性因素的誘惑，企業應精準研判，避免盲從。由此，假設H2a成立。

3.3.2 異質性分析

根據企業產權性質，本文將樣本企業劃分為國有企業與非國有企業，并剔除部分產權性質不明確的樣本企業。基于理論分析，在異質性檢驗中，僅考察數字化轉型對企業創新效率的影響。表8顯示，數字化轉型對國有企業創新效率與非國有企業創新效率均具有負向影響（創新效率損失），且國有企業創新效率損失更為嚴重。這一結果說明，在國有企業轉型過程中，激勵機制、監督機制缺失對創新效率發揮抑制作用。至此，假設H2b成立。

進一步地，考慮到宏觀經濟外部性沖擊，本文以企業所在地為依據將樣本企業劃分為中西部地區企業與東部地區企業。結果表明，中西部地區企業數字化轉型對創新效率的抑制作用更為顯著，其系數分別為-0.377和-0.137，遠大于東部地區企業。上述結果表明，良好的地區經濟發展環境能夠促進企業數字化轉型過程中的創新效率提升。也就是說，堅實的經濟基礎、完善的基礎設施以及先進的技術水平有助于促進企業數字化轉型過程中的創新效率提升。至此，假設H2c成立。

以企業資產規模為依據，本文將樣本企業資產規模位于前50%的樣本企業設定為成熟型企業，后50%的樣本企業設定為成長型企業。分樣本回歸結果表明，兩種類型企業中，數字化轉型造成的創新效率損失并無顯著差異。以樣本企業成立年限平均值為依據，本文將樣本企業劃分為成長型企業與成熟型企業。結果表明，相較于成長型企業，數字化轉型對成熟型企業創新效率的抑制作用更顯著。受限于篇幅，企業規模和企業年齡異質性檢驗結果未列示。

3.4 進一步分析：數字產業政策對企業創新效率的改善作用

由數字化轉型導致的企業創新效率損失在不同產權性質、區位、規模企業均有所體現，并且以投資者情緒為代表的市場非理性因素在其中發揮負向調節作用，加劇創新效率損失。近年來，我國政府出臺一系列數字產業政策，嘗試通過完善地區數字基礎設施、營造良好的數字經濟發展環境以及投入資金、技術支持企業順利開展數字化轉型。基于此，本文探討數字產業政策能否對由數字化轉型導致的企業創新效率損失發揮改善作用。

本文選取2013年開始的“智慧城市”建設試點、2014年遴選的“寬帶中國”試點以及2015年開展的“國家級大數據試驗區”建設試點。各試點政策分期開展，本文設定試點政策虛擬變量DIDct，當城市c第t年進入試點名單時，則將當年及之后年份的DIDct賦值為1，將t年之前的DIDct賦值為0。由此，得到3組數字產業政策實施“城市—年份”層面觀測值。進一步地，將其匹配至企業層面并構建政策虛擬變量與解釋變量的交乘項（DID×EDT），結果如表9所示。

相較于基準回歸結果，數字產業政策對試點地區企業數字化轉型創新效率的積極作用更加顯著。其中，當國家級大數據試驗區政策實施后，試點地區企業創新效率的改善效應分別達到0.107、0.074；寬帶中國和智慧城市試點政策實施對表征企業創新效率的EIE1具有一定的改善效應，而對于EIE2則未表現出顯著的創新效率損失。上述結論證實，數字產業政策對企業數字化轉型初期的創新效率損失發揮改善效應。

4 結語

4.1 結論

本文基于2011—2021年中國上市公司數據，將企業數字化轉型與企業創新投入、產出與效率納入同一分析框架，實證檢驗了企業數字化轉型的創新效應，進一步揭示了數字產業政策對企業創新效率損失的改善作用，得到以下主要研究結論：

（1）樣本考察期內，我國企業數字化轉型的創新激勵效應與創新效率損失并存，這一結論在經過內生性處理、穩健性檢驗后仍然成立。

（2）投資者情緒作為市場非理性因素正向調節企業數字化轉型的創新激勵效應，負向調節數字化轉型的創新效率損失；企業產權性質與所處地區是導致企業創新效率損失的重要影響因素。

（3）數字產業政策能夠緩解數字化轉型對企業創新效率的抑制作用，是通過數字化轉型推動企業創新提質增效的重要手段。

4.2 政策建議

（1）企業應探尋符合自身發展現狀的數字化轉型路徑，避免盲從導致創新效率低下。受投資者情緒等市場非理性因素干擾，數字化轉型初期企業盲目進行創新投入，一方面會加大營運風險，另一方面造成創新效率損失，因而不利于企業可持續發展。

（2）政府應制定相關政策深化國企改革，進一步推動區域協調發展。對于國有企業而言，借助數字技術完善自身監督機制，構建基于市場導向的激勵機制是重要手段。區域協調發展是數字時代的重要議題，數字技術能夠推動經濟基礎較好、數字基礎設施較為完善地區企業率先開展數字化轉型，以此培育市場優勢。因此，政府應充分利用數字技術完善中西部地區數字基礎設施與數字平臺建設，有效促進資源再分配，為中西部地區企業發展營造良好的數字環境。

（3）數字產業政策是推動區域數字經濟發展與企業數字化轉型的工具。政府可以借鑒成功經驗，制定并實施具有針對性的政策。對于已試點的數字產業政策，政府應論證其推廣的可行性并考慮區域的特殊性；對于試點初期數字產業政策，政府應充分總結試點經驗、加大試點力度，從而加快數字經濟產業布局。此外，面向數字經濟發展前沿，制定具有創新性的數字產業試點政策是我國實現數字領域“彎道超車”的重要手段。

4.3 不足與展望

（1）企業創新行為與創新效率的衡量指標較為單一，專利仍是測度企業創新不可或缺的指標。盡管現有相關研究對專利類型的劃分能夠初步區分企業創新類型（漸進式與突破式），但上述劃分方式仍較為粗糙。部分學者使用國際專利分類（IPC）作為專利技術劃分依據，但囿于數據可得性，本文未對此類指標進行構建。因此，未來可以采用更為精確的方式度量企業創新，進一步探討企業數字化轉型的創新效應。

（2）本文僅探討了投資者情緒、企業產權性質以及地區因素在企業數字化轉型與創新效率間的作用。進一步地，企業自身特征也可能成為影響企業數字化轉型與創新關系的中介變量。同時，用于區分企業異質性的關鍵財務指標也是值得探討的內容，本來可對上述中介變量及關鍵指標作進一步分析。

參考文獻：

[1] 趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[2] 張昕蔚.數字經濟條件下的創新模式演化研究[J].經濟學家，2019，31（7）：32-39.

[3] 宋敬，陳良華，葉濤.數字經濟能夠提升企業創新質量嗎——基于新熊彼特增長理論視角[J].科技進步與對策，2023，40（12）：1-11.

[4] LI RUI，RAO JING，WAN LIANGYONG.The digital economy， enterprise digital transformation， and enterprise innovation[J].Managerial and Decision Economics，2022，43（7）：2875-2886.

[5] ILONA ILVONEN， STEFAN THALMANN， MARKUS MANHART， et al. Reconciling digital transformation and knowledge protection： a research agenda[J].Knowledge Management Research amp; Practice，2018，16（2）： 235-244.

[6] KOHLI R， MELVILLE N P. Digital innovation： a review and synthesis[J].Information Systems Journal，2019，29（1）： 200-223.

[7] 謝康，胡楊頌，劉意，等.數據要素驅動企業高質量數字化轉型——索菲亞智能制造縱向案例研究[J].管理評論，2023，35（2）：328-339.

[8] LIU QIANRU， LIU JIANMEI， GONG CHENG. Digital transformation and corporate innovation： a factor input perspective[J].Managerial amp; Decision Economics，2023，44（4）：2159-2174.

[9] 郭豐，楊上廣，柴澤陽.企業數字化轉型促進了綠色技術創新的“增量提質”嗎——基于中國上市公司年報的文本分析[J].南方經濟，2023，41（2）：146-162.

[10] 張振剛，張君秋，葉寶升，等.企業數字化轉型對商業模式創新的影響[J].科技進步與對策，2022，39（11）：114-123.

[11] PENGYU CHEN，SANGKYUM KIM. The impact of digital transformation on innovation performance——the mediating role of innovation factors[J]. Heliyon，2023，9（3）： e13916.

[12] 張澤南，錢欣鈺，曹新偉.企業數字化轉型的綠色創新效應研究：實質性創新還是策略性創新[J].產業經濟研究，2023，22（1）：86-100.

[13] PETER C VERHOEF， TAMMO H A，BIJMOLT. Marketing perspectives on digital business models： a framework and overview of the special issue[J].International Journal of Research in Marketing， 2019，36（3）： 341-349.

[14] ZHENGYI ZHANG，JUN JIN， SHIJING LI，et al. Digital transformation of incumbent firms from the perspective of portfolios of innovation[J].Technology in Society，2022，72： 102149.

[15] JOHNSON JEFF S， FRIEND SCOTT B， LEE HANNAH S. Big data facilitation， utilization， and monetization： exploring the 3Vs in a new product development process[J].Journal of Product Innovation Management，2017，34（5）：640-658.

[16] 殷群，田玉秀.數字化轉型影響高技術產業創新效率的機制[J].中國科技論壇，2021，37（3）：103-112.

[17] BYUN JEONGEUN，SUNG TAE-EUNG， PARK HYUN-WOO.Technological innovation strategy：how do technology life cycles change by technological area[J].Technology Analysis amp; Strategic Management，2018，30（1）： 98-112.

[18] CHRISTOPHER POLK， PAOLA SAPIENZA. The stock market and corporate investment： a test of catering theory[J].The Review of Financial Studies，2009，22（1）： 187-217.

[19] 余麗霞，王璐.投資者情緒、管理者過度自信與企業投資行為——基于中介效應檢驗[J].社會科學研究，2015，37（5）：137-144.

[20] 花貴如，劉志遠，許騫.投資者情緒、企業投資行為與資源配置效率[J].會計研究，2010，31（11）：49-55.

[21] 劉和旺，鄭世林，王宇鋒.所有制類型、技術創新與企業績效[J].中國軟科學，2015，30（3）：28-40.

[22] 吳延兵.國有企業雙重效率損失研究[J].經濟研究，2012，47（3）：15-27.

[23] 錢麗，王文平，肖仁橋.產權性質、技術差距與高技術企業創新效率[J].科技進步與對策，2019，36（12）：105-114.

[24] 董曉慶，趙堅，袁朋偉.國有企業創新效率損失研究[J].中國工業經濟，2014，31（2）：97-108.

[25] HOENING D， HENKEL J. Quality signals？ the role of patents， alliances， and team experience in venture capital financing[J].Research Policy，2015，44（44）：1049-1064.

[26] 張輝，王庭錫，孫詠.數字基礎設施與制造業企業技術創新——基于企業生命周期的視角[J].上海經濟研究，2022，41（8）：79-93.

[27] 張永珅，李小波，邢銘強.企業數字化轉型與審計定價[J].審計研究，2021，37（3）：62-71.

[28] KANE GERALD C，PHILLIPS ANH NGUYEN，COPULSKY JONATHAN，et al. How digital leadership is（n't） different（article）[J].MIT Sloan Management Review，2019，60（3）： 34-39.

[29] 陳疇鏞，許敬涵.制造企業數字化轉型能力評價體系及應用[J].科技管理研究，2020，40（11）：46-51.

[30] 官建成，陳凱華.我國高技術產業技術創新效率的測度[J].數量經濟技術經濟研究，2009，26（10）：19-33.

[31] GONG B， SICKLES ROBIN-C. Finite sample evidence on the performance of stochastic frontiers and data envelopment analysis using panel data[J].Journal of Econometrics，1992， 51（1）： 259-284.

[32] 姚立杰，周穎.管理層能力、創新水平與創新效率[J].會計研究，2018，39（6）：70-77.

[33] 樂菲菲，張金濤.政治關聯斷損、研發投入與企業創新效率[J].科技進步與對策，2019，36（1）：90-96.

[34] 翟淑萍，黃宏斌，何瓊枝.投資者情緒、研發投資及創新效率——基于理性迎合渠道的研究[J].華東經濟管理，2017，31（12）：44-52.

[35] 陳紅，張玉，劉東霞.政府補助、稅收優惠與企業創新績效——不同生命周期階段的實證研究[J].南開管理評論，2019，22（3）：187-200.

[36] 萬源星，許永斌.高新認定辦法、研發操縱與企業技術創新效率[J].科研管理，2019，40（4）：54-62.

[37] 傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據[J].金融研究，2018，61（11）：68-84.

[38] 鐘昌標，黃遠浙，劉偉.新興經濟體海外研發對母公司創新影響的研究——基于漸進式創新和顛覆式創新視角[J].南開經濟研究，2014，30（6）：91-104.

（責任編輯：張 悅）

Innovation Effect of Enterprise Digital Transformation： Innovation Incentive and Efficiency Loss

Li Zhiguo ， Kong Weijia ， Li Zhaozhe

（School of Economics and Management， China University of Petroleum （East China），Qingdao 266580， China）

Abstract：Under the guidance of the \"innovation-driven strategy\"， innovation has increasingly become an important support for empowering high-quality development. With the rapid development of the digital economy， digital industrialization and industrial digitalization are promoted together， and the rapid progress of digital-related technologies makes the digital economy an important driving force to promote innovation. Therefore， it is a key issue to peep at the innovation effect brought by the development of the digital economy from the perspective of enterprises as the micro-subject of innovation. However， it is worth noting that the development of the digital economy at the macro level has a relatively indirect impact on the innovation performance of micro-enterprises and contains many confusing factors， while the digital transformation of enterprises driven by the digital economy provides a sound framework for exploring the innovation effect of enterprises against the background of digital economy development. Therefore， this paper aims to analyze how the digital transformation of enterprises affects the innovation behavior of enterprises with the help of the related theories and literature of digital economy and enterprise development， and further investigate the innovation effect of the digital transformation of enterprises from the perspective of efficiency.

This paper uses the data of A-share listed companies in Shanghai and Shenzhen from 2011 to 2021， and constructs an index system to measure the digital transformation of enterprises from five dimensions： goal orientation， technology drive， organizational empowerment， environmental support， and results and applications. It also examines the innovation effect of enterprises from the perspective of innovation input， output and efficiency. Then the innovation effect of enterprise digital transformation is empirically tested by the three-dimensional fixed effect model; with the investor's emotion as a moderating variable in the model， the moderating effect of investors' emotion is investigated. Furthermore， heterogeneity is analyzed from the perspectives of enterprise property rights and location factors. After clarifying the channels and sources of innovation efficiency loss caused by digital transformation of enterprises， this paper evaluates the improvement effect of digital industry policy on innovation efficiency.

The results show that during the sample inspection period， the digital transformation of enterprises has both incentive effects on innovation input and output and characteristics of innovation efficiency loss. This conclusion is still valid after selecting instrumental variables at the enterprise and city levels for endogenous processing and using substitution variables for robustness testing. As an irrational factor in the market， investor sentiment positively moderates the innovation incentive effect of enterprise digital transformation and negatively moderates the loss of innovation efficiency; the property right attribute and location of an enterprise are also important sources of its innovation efficiency loss; and digital industry policy can effectively improve the inhibition of enterprise digital transformation on innovation efficiency. Therefore， this paper holds that enterprises should explore the digital transformation path in line with their own development status and avoid the inefficiency of innovation caused by blind obedience; government policy orientation should further deepen the reform of state-owned enterprises， pay special attention to regional coordinated development， and explore the implementation of diversified digital industry policies.

This paper contributes to the study on enterprise digital transformation in several directions. Firstly， the innovation effect of enterprise digital transformation is comprehensively investigated by bringing it into the same analytical framework as the input， output and efficiency of enterprise innovation， and the characteristic facts of the loss of innovation efficiency in the initial stage of enterprise digital transformation in China are confirmed， and its sources and possible countermeasures are further analyzed. Secondly， a more complete evaluation system for enterprise digital transformation is constructed. Different from the previous practice that most literature measures the digital transformation of enterprises through a single index， it divides the digital transformation of enterprises into five dimensions and constructs a comprehensive evaluation system. The conclusions provide path support for the digital transformation of enterprises in the future and empirical evidence for promoting an innovation-driven development strategy based on the development of the digital economy from the perspective of enterprises.

Key Words：Digital Transformation; Enterprise Innovation; Efficiency Loss; Innovation Incentive

基金項目：國家社會科學基金項目（22BJL056）

作者簡介：李治國（1977—），男，山東濰坊人，博士，中國石油大學（華東）經濟管理學院副教授、博士生導師，研究方向為能源經濟與區域發展；孔維嘉（2000—），男，河北邢臺人，中國石油大學（華東）經濟管理學院碩士研究生，研究方向為數字經濟與能源經濟；李兆哲（2000—），男，山東淄博人，中國石油大學（華東）經濟管理學院碩士研究生，研究方向為數字經濟與能源經濟。