數字化對高技術產業創新投入的影響

摘要：在構建數字化影響研發投入理論框架的基礎上，選取2012—2021年高技術產業省級面板數據，實證檢驗數字化對不同類型創新投入的差異化影響，進一步探究政府和市場在其中的作用機制。研究發現：數字化對高技術產業研發創新投入和非研發創新投入均具有顯著促進作用，其中，對研發創新投入的邊際影響遠遠大于非研發創新投入；機制檢驗發現，數字化對不同類型創新投入的作用機制具有差異性，其中，數字化通過增加研發人員提高研發創新投入，通過促進產業集聚提高非研發創新投入。進一步分析發現，政府支持強度能夠強化數字化對研發創新投入的促進作用，但會弱化數字化對非研發創新投入的促進作用；市場化程度則顯著抑制數字化對研發創新投入的積極作用，但在數字化促進非研發創新投入的過程中作用微弱，出現市場失靈現象。

關鍵詞：數字化；高技術產業；研發創新投入；非研發創新投入

中圖分類號：F49

文獻標識碼：A

文章編號：1001-7348（2024）22-0080-09

1問題提出

隨著新一輪科技革命和產業變革深入推進，數字技術成為全球創新發展的新動能，各國將數字賦能作為促進企業技術創新的關鍵，力圖搶占全球競爭制高點。作為最具創新活力的高技術產業，其創新水平直接影響到國家科技實力和競爭力。在此背景下，如何利用數字化激發高技術產業創新活力，成為學術界廣泛關注的重要議題。已有研究普遍認為，數字化正向影響創新投入水平。如周振江等^[1]利用我國滬深A股上市企業面板數據，檢驗數字金融對企業創新投入的影響，發現數字金融通過緩解融資約束和信息約束促進企業創新投入增加；李健等^[2]通過實證研究發現，企業數字化水平提升顯著促進企業創新投入；騰明明和申明浩^[3]基于我國A股上市企業面板數據進行實證檢驗發現，數字化同群效應顯著提高企業創新投入，融資約束正向調節二者關系，企業管理能力負向調節二者關系。少數學者對創新投入進行了細分，探究數字化對不同類型創新投入的影響。如姜英兵等^[4]將創新投入分為探索式創新投入與開發式創新投入，研究數字化對兩種創新投入的異質性影響；張雨萱和邵穎紅^[5]則將創新投入分為利用式創新投入和探索式創新投入，發現相比利用式創新投入，數字化更能促進探索式創新投入增加。梳理文獻發現，關于數字化與創新投入的研究成果較豐富，但探究數字化對不同創新投入異質性影響的研究成果還十分缺乏。特別是不同類型創新活動的資源需求、知識基礎、風險與收益等存在顯著差異，因此有必要從異質性角度出發，探究數字化對不同創新投入的差異化影響。已有研究大多根據創新新穎性和知識基礎，將創新活動劃分為探索式創新和利用式創新。這兩種創新實質上都屬于研發創新，非研發創新的重要作用長期被忽視。近5年我國高技術產業非研發創新投入占比一直在16%以上，從一定程度上而言，非研發創新仍然發揮重要作用。本文借鑒侯健等^[6]的研究，將高技術產業創新投入區分為研發創新投入和非研發創新投入，進一步探究數字化對兩種創新投入的不同影響及作用機理。另外，在研究數字化對高技術產業創新投入的影響效應時，政府行為與市場作用不容忽視?；诖?，本文將分析政府支持強度和市場化水平在此過程中的調節作用。

與已有文獻相比，本文的邊際貢獻在于：第一，將創新投入劃分為研發創新投入與非研發創新投入，將二者納入同一分析框架進行對比研究，考察數字化對二者的差異化影響，彌補已有文獻過度關注研發創新投入而忽視非研發創新的不足，這對高技術產業正確選擇創新驅動發展路徑、實施多樣化創新策略具有重要價值；第二，從政府和市場雙重視角出發，探究二者在數字化影響高技術產業創新投入過程中的調節效應，為促進有為政府與有效市場結合、充分發揮政府和市場在創新活動中的作用提供理論依據。

2理論分析與研究假設

2.1數字化與高技術產業研發創新投入

高技術產品迭代周期短，更新速度快，研發創新對于高技術產業發展至關重要。研發創新強調自主性，實現從0到1的突破，有利于構建長期競爭優勢，但研發創新的復雜性、高風險性和研發資源的有限性，使得高技術產業對研發創新投入始終保持謹慎態度。數字化有利于降低研發創新復雜性和高風險性，助力決策者預見創新前景，從而有利于增加高技術產業研發創新投入。

此外，數字化有助于提升企業的非結構化、非標準化數據處理能力^[7]，促使信息傳遞更精準、順暢，有效抑制管理層短視行為，確保管理層從企業長遠利益出發，加大研發創新投入。具體為：數字化技術可以拓展企業探索未知領域的邊界，降低搜尋過程中的噪音干擾和資源損耗，確保新穎知識與技術資源的可利用性^[8]；數字技術的強滲透性有利于深化企業與其他創新主體合作，實時掌握技術發展新趨勢，捕捉技術機會，增強企業在全新領域的探索意愿；通過數字化，企業可運用數字仿真、數字孿生等技術，對異質性技術知識進行重組耦合的模擬實驗^[9]，降低試錯成本，減少研發創新風險和不確定性，增強企業研發創新信心，促進研發創新投入增加?；谝陨戏治觯疚奶岢鋈缦录僭O：

H1：數字化能夠顯著提升高技術產業研發創新投入。

2.2數字化與高技術產業非研發創新投入

與研發創新活動相比，非研發創新活動的成本和風險較低，增加投入對非研發創新的影響有限^[10]。由于非研發創新活動更依賴于企業外部的知識擴散^[11]，而知識擴散是不同企業主體知識資源相互作用的結果，因此企業吸收、整合與轉化外部知識的能力是影響企業非研發創新活動的關鍵。數字化能加快市場主體之間的知識傳播，促進企業吸收整合外部知識，激勵企業增加非研發創新投入。

隨著數字化技術的深入滲透，企業與外部交互的知識需求日益強烈，包括鏈上企業與用戶等。首先，數字化將傳統的線性產業鏈轉變為可多方參與的網絡狀。在合作網絡中，產業鏈上下游企業實現信息共享，積極響應用戶的產品或技術訴求^[12]，進而對產品、技術與流程進行創新，實現產品與技術的精益求精，獲得更大競爭優勢與市場份額。其次，數字化能夠幫助企業充分吸收獲取的外部知識，并與現有內部資源進行優化組合^[13]，深入挖掘知識的可利用價值并對現有技術進行改進。綜合以上分析，數字化能夠幫助企業引進、吸收、轉化外部知識，提高企業非研發創新效率，從而激勵企業增加非研發創新投入?；诖耍疚奶岢鲅芯考僭O：

H2：數字化能夠顯著提升高技術產業非研發創新投入。

2.3數字化、研發人員投入與研發創新投入

數字化促進創新投入的具體機制是學界密切關注的命題，已有文獻表明，數字化主要通過提高經營績效^[10]、緩解融資約束^[14-15]、促進行業競爭^[3，16]、降低交易成本^[17-18]、增強風險承擔能力^[19]等方式促進創新投入。理論上，資金和人才是高技術企業研發創新的關鍵投入要素，二者匹配度越高，企業研發創新效率就越高?，F實中，人才是第一資源，企業往往根據研發需要著力引培高端人才，進而匹配科研啟動資金等研發創新投入，屬于研發人才帶動研發資金投入模式，而數字化會正向強化該模式。由此，本文將研發人員投入作為數字化與高技術產業研發創新投入的中介變量開展研究。

高技術企業具有技術密集型和智力密集型特征，其成敗與擁有的研發創新人才密切相關^[20]，充足的研發人員是提高研發創新活動成功率的關鍵。企業實施數字化戰略有助于吸引更多高端技術人才，為企業研發創新提供必要的人才支持^[4]。具體而言，數字化帶來的新一輪技術進步能夠替代大部分重復性、低技能的手工勞動，降低企業對低素質勞動力的需求并派生對高素質勞動力的需求，助力企業儲備高端研發人才^[21]；數字化下的企業轉型向外界傳遞出企業發展前景廣闊、收益潛力巨大的積極信號，有利于吸引高端人才^[22]，同時，數據要素參與創新需要以“人”為載體，進行知識的交流與傳遞^[23]。數字技術應用顯著提高研發人員工作效率，加速知識流動與吸收，促進新知識發現，激發企業創新潛力，最終提高企業研發創新水平。綜上所述，數字化對企業研發人員集聚具有正向促進作用，而擁有充足研發人員的企業往往能展現出更多研發行為，也愿意增加研發投入，故本文將研發人員投入作為中介變量，認為其在企業數字化對研發創新投入的影響過程中發揮中介作用，并提出如下假設：

H3：數字化通過增加研發人員投入間接促進研發創新投入。

2.4數字化、產業集聚與非研發創新投入

理論上，諸多產業集聚會產生馬歇爾外部性、波特外部性和雅各布斯外部性等效應^[24]，促進相關知識技術交換與吸收，提升知識整合效率，從而有利于促進高技術企業非研發創新。我國高技術企業整體規模較小，2021年銷售收入在億元以上的高技術企業占比僅為12.48%，且單個企業研發創新能力弱。促進高技術產業集聚是提升企業非研發創新水平的重要舉措，而數字化有助于促進高技術產業集聚。因此，本文選擇產業集聚作為數字化影響高技術企業非研發創新投入的中介變量。

數字化有助于暢通交流渠道，驅動產業集聚水平提升^[25]。具體而言，一方面，數字化能夠提高企業交流頻率，促使區域企業聯系更緊密，降低區域交易成本，增進企業合作，為產業集聚營造良好環境；另一方面，在數字技術的支持下，企業能夠基于信息流打造上下游協調、聯動的網絡系統^[26]，提高產業鏈信息聯通度，促進信息與資源共享，幫助企業找到與自身匹配的合作伙伴，進而提升產業集聚水平與規模。集聚初期，企業間頻繁的知識互動、業務往來不僅有助于企業間交互式學習，還可以加速知識外溢與知識分享，在產業集聚經濟體內形成良好的創新氛圍，幫助企業內化和吸收技術知識^[27]。同時，擁有先進經驗的龍頭企業所產生的示范效應也會吸引其它企業學習、跟進和效仿，促進企業增加非研發創新投入^[25]。隨著集聚水平提升，同類型企業勢必會為了爭奪有限的市場份額而展開激烈的競爭^[28]，并通過創新不斷提高自身競爭力。由于地理位置鄰近，創新成功的企業很難阻擋其它企業對自身生產工藝和產品的模仿，這種“搭便車”行為會降低企業的創新回報，使得企業對于高投入、高風險性的研發創新保持謹慎態度，從而更愿意選擇投入較低且能帶來穩定績效的非研發創新^[10]。根據以上分析，本文提出如下研究假設：

H4：數字化能夠通過促進產業集聚間接提升非研發創新投入水平。

2.5政府支持強度的調節作用

研發活動具有投入高、風險大且難以在短期內獲得收益的特征，導致企業面臨巨大的資金流壓力。政府向企業提供研發補貼等財政支持，能夠在一定程度上緩解企業壓力，降低企業研發風險，增強企業創新意愿，促進企業創新投入^[29]。但是由于缺乏對研發補貼等資金的有效監管，導致研發資金易被企業挪作他用，降低研發資金使用效率^[30] 。通過數字化，政府能夠在數字平臺上實時、動態地獲取與披露項目進度以及資金使用情況，便于社會各界監督，激勵企業積極推進研發項目，同時，引導社會加大研發投入。

此外，為了獲得長期競爭優勢，企業必須進行創新^[31]。在政府支持下，大多數企業通常會選擇進行自主研發創新。由于研發資金的有限性，研發創新資金增加，則非研發創新資金就會減少?；谝陨戏治?，本文提出以下研究假設：

H5：政府支持強度在數字化與研發創新投入之間發揮正向調節作用；

H6：政府支持強度在數字化與非研發創新投入之間發揮負向調節作用。

2.6市場機制的調節作用

創新活動具有正外部性和公共產品屬性，會導致市場在資源配置上出現失靈，降低資源配置效率，削弱企業創新動力，進而減少創新投入^[32]?；诖耍疚奶岢鋈缦卵芯考僭O：

H7：市場化在數字化與研發創新投入之間發揮負向調節作用；

H8：市場化在數字化與非研發創新投入之間發揮負向調節作用。

綜上所述，本文構建理論模型如圖1所示。

3模型構建與變量說明

3.1模型構建

根據前文分析，本文構建如下基準回歸模型：

lnIR_it=α0+α1lnDIG_it+α2lnCONTROL_it+δi+μt+ε_it （1）

lnNR_it=α0+α1lnDIG_it+α2lnCONTROL_it+δi+μt+ε_it（2）

其中，IR表示高技術產業研發創新投入；NR表示高技術產業非研發創新投入；DIG表示數字化水平；CONTROL表示控制變量；i表示地區，t表示年份；α為待估計參數;δ表示地區固定效應；μ表示時間固定效應；ε為隨機擾動項。若系數α₁顯著為正，則說明數字化能夠激勵高技術產業增加研發創新投入或非研發創新投入。

為深入探究數字化對研發創新投入和非研發創新投入的作用機制，本文構建如下中介效應模型：

lnMEDIATOR_it=β0+β1lnDIG_it+β2CONTROL_it+δi+μt+ε_it（3）

lnIR_it=γ0+γ1lnDIG_it+γ2lnMEDIATOR_it+γ3lnCONTROL_it+δi+μt+ε_it（4）

lnNR_it=γ0+γ1lnDIG_it+γ2lnMEDIATOR_it+γ3lnCONTROL_it+δi+μt+ε_it（5）

其中，MEDIATOR表示中介變量，機制分析中分別以研發人員投入與產業集聚為代理變量。若模型（3）中β₁與模型（4）中γ2均顯著為正，則說明數字化能夠通過增加研發人力間接促進研發創新投入；若模型（3）中β₁與模型（5）中γ2均顯著為正，則說明數字化能夠通過促進產業集聚間接提升非研發創新投入?？紤]到變量間數量級的差距以及模型可能存在異方差問題，本文將除虛擬變量外的所有變量作對數化處理。

3.2變量選取

（1）被解釋變量：研發創新投入（IR）?？紤]到調節變量政府支持強度的獨立性，采用去除政府資金后的Ramp;D經費內部支出衡量高技術產業研發創新投入，由于Ramp;D經費支出不僅對當期產出產生影響，而且對以后的產出也會有影響。因此，本文參照吳延兵^[34]的做法，采用永續盤存法對資本存量進行估計。非研發創新投入（NR）：借鑒已有研究，本文使用技術引進、消化吸收、技術改造和購買境內技術費用之和衡量非研發創新投入，并以永續盤存法計算其存量。

（2）核心解釋變量：數字化水平（DIG）。為綜合反映各省份高技術產業數字化水平，借鑒楊文溥^[35]的研究，并考慮數據可得性，從數字化基礎、數字化應用、數字化創新以及數字化績效4個方面構建數字化水平評價指標體系（見表1），而后利用熵值法計算各指標權重，根據權重最終確定各地區高技術產業數字化水平。

（3）中介變量：研發人員投入（R）。一般而言，擁有充足研發人員的企業往往會開展更多的研發活動，也愿意增加研發投入。本文選擇各省份高技術產業Ramp;D人員數作為研發人員投入衡量指標。產業集聚（GA）：本文借鑒蘇丹妮等^[36]的研究方法，利用區位熵測算高技術產業集聚水平。具體計算公式如下：

GA_it=e_it/E_itet/Et （6）

式中，GA_it為i省t年高技術產業集聚水平，e_it為i省t年高技術產業從業人員數，E_it為i省t年就業人員數，e_t為t年全國高技術產業從業人員數，E_t為t年全國就業總人數。

（4）調節變量：政府支持強度（GOV），本文采用政府Ramp;D資金占高技術產業Ramp;D經費內部支出的比重衡量；市場化水平（SC），采用中國市場化指數數據庫中各省份市場化指數衡量，由于2019年后市場化指數計算的基期年份與之前不同，不可直接比較，本文借鑒解學梅和朱琪瑋^[37]的研究，采用歷年各省份市場化指數的平均增長幅度推算2020年與2021年的市場化指數。

（5）控制變量：出口強度（EXP），使用高技術產業新產品出口銷售收入與新產品銷售總收入的比值表示；產業規模（SIZE），使用高技術產業主營業務收入與企業數之比表示；人均GDP（PGDP），采用地區人均生產總值表示。

3.3樣本選取與數據來源

本文以高技術產業為研究對象，選取2012—2021年中國內地29個省市（青海、西藏由于數據缺失嚴重未納入統計）面板數據進行實證研究，變量數據來源于《中國統計年鑒》《中國高技術產業統計年鑒》、各省統計局網站以及中國市場化指數數據庫，個別缺失數據使用插值法補齊。此外，為避免異常值對結果的干擾，對所有變量進行上下1%的縮尾處理。各變量描述性統計結果如表2所示。

4實證分析

4.1基準回歸結果

回歸分析前，對自變量之間可能存在的多重共線性進行檢驗。通過測算發現，各變量的VIF值均小于5，均值為1.84，因此不存在嚴重的多重共線性問題。同時，為了緩解模型中可能存在的異方差問題，所有回歸均采用穩健標準誤修正。

表3為在不加入控制變量和加入控制變量情況下數字化影響高技術產業研發創新投入與非研發創新投入的基準回歸結果。其中，列（1）（3）為僅控制個體與年份固定效應的估計結果，數據顯示，數字化對高技術產業研發創新投入與非研發創新投入均具有促進作用，且在1%的統計水平下顯著，假設H1、H2得到證實。其中，數字化對研發創新投入的影響最大，回歸系數達到1.079，而對非研發創新投入的影響較弱，回歸系數僅為0.468，說明數字化對研發創新投入與非研發創新投入的影響存在明顯差異。在此基礎上，列（2）（4）均納入控制變量，結果顯示，在控制出口強度、產業規模、地區經濟發展水平后，數字化在1%的統計水平下顯著為正，即數字化促進研發創新投入和非研發創新投入的結論依然成立。此外，數字化水平每提高1%，研發創新投入則提高0.976%，非研發創新投入提高0.554%，相比于非研發創新投入，數字化對研發創新投入的促進效果更顯著。究其原因，與研發創新自身的固有屬性——高風險、高收益有關。雖然與研發創新相比，非研發創新的成本和風險更低，能夠給企業帶來更穩定的績效，但由于不能改變核心技術受制于人的現狀以及面臨的市場掣肘，不能持續有效地改善企業業績以及縮小與領先企業的差距，尤其是在企業競爭空前依賴技術突破的當下，沒有研發創新就不可能形成或保持企業競爭優勢。因此，企業為提升自身抗風險能力以及沉沒成本的承載能力， 加之研發創新帶來的超額收益和競爭優勢，會更主動地落實國家創新驅動發展戰略，加大研發創新投入。從數字化對創新投入的邊際效應來看，研發創新投入是非研發創新投入的1.76倍，從兩類創新投入規?？?，近5年高技術產業研發創新投入規模是非研發創新投入規模的約5倍。

4.2穩健性檢驗

為確?；貧w結果穩定可靠，本文從兩個方面進行穩健性檢驗。第一，替換被解釋變量。將研發創新投入衡量指標替換為新產品研發經費投入（IR2），將非研發創新投入衡量指標替換為技術改造費用（NR2）。第二，調整研究樣本?？紤]到各地區數字經濟發展水平的差異可能對回歸結果造成干擾，本文根據中國信息通信研究院《中國數字經濟發展報告（2022）》，將數字經濟發展水平位于全國前五位的廣東、江蘇、浙江、山東、上海剔除后，重新回歸。上述穩健性檢驗結果如表4所示，可以發現，數字化水平的影響效果雖然有所變化，但作用方向始終保持一致，驗證了本文基本結論的穩健性。

4.3中介效應檢驗

前文研究驗證了數字化對研發創新投入與非研發創新投入存在顯著促進作用，但基準模型回歸結果揭示的是數字化對研發創新投入和非研發創新投入的綜合影響效應，其中既包含直接效應也包含間接效應。為此，本文進一步采用中介效應模型檢驗數字化對研發創新投入和非研發創新投入的間接影響。

中介效應檢驗結果如表5所示。其中，列（1）（2）為研發人員投入在數字化與研發創新投入關系間發揮中介作用的實證檢驗結果。列（1）回歸結果顯示，數字化水平系數在1%的統計水平下顯著為正，說明數字化顯著提升研發人員投入；進一步加入中介變量研發人員投入后，從列（2）的回歸結果可以看出，數字化水平系數由0.976下降至0.804，研發人員投入系數為0.317，且在5%的水平下顯著，表明數字化對研發創新投入的促進作用有一部分是通過研發人員投入這一中介變量實現的，假設H3得到證實。

列（3）（4）為產業集聚在數字化與非研發創新投入關系間發揮中介作用的實證檢驗結果。列（3）結果顯示，數字化水平對產業集聚的回歸系數在1%的水平下顯著為正，表明數字化能夠促進產業集聚；列（4）為加入中介變量產業集聚后的回歸結果，可以看出，數字化水平的回歸系數由0.554下降至0.387，其顯著性水平也有所下降，而產業集聚的回歸系數顯著為正，表明產業集聚在數字化與非研發創新投入關系間發揮部分中介作用，假設H4得到證實。

5進一步討論

上述實證結果表明，數字化能夠激勵高技術產業增加創新投入，但其作用效果會受到外部環境影響。政府和市場作為企業重要的外部環境條件，深刻地影響企業創新投入決策。那么，政府和市場對高技術產業創新投入存在什么樣的影響？二者在數字化影響創新投入過程中是如何發揮調節作用的？這些關鍵問題尚未得到明確回答?；诖?，本文進一步在模型（1）（2）的基礎上分別引入政府支持強度和市場化水平及其與數字化水平的交互項，構建如下對應調節效應模型：

lnIR_it=α0+α1lnDIG_it+α2lnCONTROL_it+α3lnDIG_it×lnMODERATOR_it+α4lnMODERATOR_it+δi+μt+ε_it（7）

lnNR_it=α0+α1lnDIG_it+α2lnCONTROL_it+α3lnDIG_it×lnMODERATOR_it+α4lnMODERATOR_it+δi+μt+ε_it（8）

其中，MODERATOR代表調節變量，機制分析中以政府支持強度和市場化水平作為代理指標。此外，在驗證調節效應前，對交互項指標進行中心化處理。

5.1政府支持強度的調節效應

表6為以政府支持強度為調節變量的回歸結果。列（1）（2）分別檢驗政府支持強度在數字化影響研發創新投入與非研發創新投入過程中的調節作用。列（1）中政府支持強度系數在10%的水平上顯著為正，列（2）中政府支持強度系數雖然為正但不顯著，說明政府支持強度顯著促進高技術產業研發創新投入， 但其對非研發創新投入只具有微弱的正向影響，說明政府支持強度對研發創新投入與非研發創新投入的影響存在顯著差異。這可能是因為，與高投入高風險的研發創新活動不同，非研發創新活動的成本和風險較低，資金并不是影響企業進行非研發創新活動的決定性因素，因此政府補貼很難激勵企業增加非研發創新投入。從交互項系數來看，列（1）中數字化水平與政府支持強度的交互項系數為0.110，且在1%的統計水平上顯著，說明在政府支持強度提升的情況下，數字化對研發創新投入的正向影響效應增強，即政府支持強度正向調節數字化對研發創新投入的影響，假設H5得到驗證。列（2）中數字化水平與政府支持強度的交互項系數在10%的統計水平上顯著為負，說明政府支持強度抑制數字化對非研發創新投入的積極作用，假設H6得到驗證。綜合以上分析發現，政府對不同類型創新投入的調節機制存在顯著差異。究其原因，企業進行創新活動的動力源自利益。由于研發創新的風險與報酬高于非研發創新，當政府向企業提供資金資助時，有助于降低企業研發創新風險預期。出于利益考慮，企業會將更多資金投向研發創新，從而導致政府支持強度表現出抑制非研發創新投入的特征，進而削弱數字化對非研發創新的促進作用。這也側面說明政府能夠引導產業技術創新方向，體現建設有為政府的重要性。總體上看，政府創新補貼政策是有效的，但其對創新投入的促進效果還有待增強。

5.2市場機制的調節效應

表7為以市場化進程為調節變量的回歸結果。其中，列（1）檢驗市場化進程在數字化影響研發創新投入過程中的調節作用。結果顯示，數字化水平*市場化水平的交互項系數在1%的水平下顯著為負，說明推進市場化進程會削弱數字化對研發創新投入的積極影響，即市場化水平負向調節數字化與研發創新投入關系，這與前文分析一致；列（2）結果顯示，數字化水平與市場化水平交互項系數沒有通過顯著性檢驗，表明市場化進程并未起到調節作用，假設H8未被證實。綜合上述結果發現，在市場機制下，無論是研發創新活動還是非研發創新活動，創新資源均未得到優化配置，因而出現市場失靈現象。究其原因，我國正處于轉型升級階段，市場經濟還不成熟，產權保護制度也不夠完善，單純依靠市場力量很難起到引導企業創新的作用，因而無法有效促進高技術產業創新投入增加。

綜合以上實證分析發現，研究期內數字化對高技術產業研發與非研發創新投入的促進作用分別是以研發人力和產業集聚為中介載體進行傳導的，并且該過程受到政府支持強度和市場化進程的調節，具體作用路徑與最終檢驗結果如圖2所示。

6結論與啟示

6.1研究結論

本文構建了數字化影響研發投入的理論框架，利用2012-2021年高技術產業省級面板數據，實證檢驗數字化對不同類型創新投入的差異化影響，并進一步探究政府和市場在其中的作用機制。主要研究結論如下：

（1）數字化對高技術產業研發創新投入和非研發創新投入均具有顯著促進作用。數字化水平每提高1%，高技術產業研發創新投入平均提高0.981%，非研發創新投入則平均提高0.554%，說明數字化對高技術產業研發創新投入的邊際影響遠遠高于非研發創新投入。

（2）數字化對高技術產業研發創新投入和非研發創新投入的作用機制具有差異性，即數字化通過增加研發人員投入提高研發創新投入，通過促進產業集聚提高非研發創新投入。

（3）政府支持強度能夠強化數字化對研發創新投入的促進作用，但會弱化數字化對非研發創新投入的促進作用?？傮w來說，政府支持能有效促進高技術產業創新投入增加。

（4）市場化程度顯著抑制數字化對研發創新投入的積極作用，但對數字化與非研發創新投入關系的調節作用較弱，出現市場失靈現象。

6.2啟示

根據以上研究結論，本文的政策啟示在于：

第一， 高度重視數字化對高技術產業創新投入的積極作用。政府應加大對高技術企業數字化轉型的支持力度，引導企業樹立數字化轉型意識，鼓勵數字化融合創新；高技術企業也應抓住數字化帶來的重大機遇，全面實施數字化改造，充分釋放數字化的創新激勵效應。

第二， 注重數字化對不同類型創新投入的異質性影響。與非研發創新投入相比，數字化能夠顯著促進高技術產業研發創新投入增加，這有利于高技術產業提高創新效率，降低創新風險，夯實基礎研究，加強“卡脖子”技術攻關，擺脫對國外技術的依賴，實現核心技術自主可控。

第三， 在推進高技術產業數字化轉型的同時，要兼顧兩方面的配合。一是運用數字化優勢，吸引、搜尋高端技術人才，增加人才儲備，激勵高技術產業研發創新；二是利用數字化優勢，引導高技術產業集聚，強化集聚區內企業知識傳遞和交流，促進創新活動開展。

第四， 堅持有效市場與有為政府相結合。充分發揮政府在高技術產業創新中的突出作用，提高研發創新補貼力度，適當降低非研發創新補貼，促使政府資金更精準地發揮對高技術產業創新投入的引導和激勵作用。同時，政府應對補貼資金流向進行有效監管，確保補貼資金完全用于研發；明確市場在創新資源配置中的決定性作用，確保創新要素自由流動，充分激發市場主體活力。

本文對創新投入進行了細分，探究了數字化對不同創新投入的影響，具有一定理論價值，但仍存在一些局限。第一，本文采用高技術產業省級面板數據進行研究，未來研究可考慮使用微觀層面數據，從而得出更具體的結論；第二，本文選取研發人力投入和高技術產業集聚兩個變量研究數字化對高技術產業創新投入的影響機制。隨著數字化水平提升和高技術產業發展，影響機制可能更為復雜，有待進一步跟蹤研究。

參考文獻：

[1]周振江，鄭雨晴，李劍培.數字金融如何助力企業創新——基于融資約束和信息約束的視角[J].產經評論，2021，12（4）：49-65.

[2]李健，張金林，董小凡.數字經濟如何影響企業創新能力：內在機制與經驗證據[J].經濟管理，2022，44（8）：5-22.

[3]滕明明，申明浩.數字化同群效應如何影響企業創新投入——一個有調節的中介模型[J].科技進步與對策，2023，40（12）：23-31.

[4]姜英兵，徐傳鑫，班旭.數字化轉型與企業雙元創新[J].經濟體制改革，2022，40（3）：187-193.

[5]張雨萱，邵穎紅.企業數字化轉型對雙元創新決策的影響——基于公司治理的調節作用[J].管理科學與研究，2023，12（5）：105-112.

[6]侯建，陳恒，李麗，等.高技術產業研發創新與非研發創新的異質門檻效應研究[J].管理學報，2018，15（3）：392-398.

[7]曾德麟，蔡家瑋，歐陽桃花.數字化轉型研究：整合框架與未來展望[J].外國經濟與管理，2021， 43 （5）： 63-76.

[8]毛薦其，牛文祥，等.企業數字化轉型對雙元創新持續性的影響研究[J].科學決策，2023，30（4）：1-14.

[9]LYYTINEN K， YOO Y， BOLAND JR R J. Dig_ital product innovation w_ithin four classes of innovation networks[J]. Information Systems Journal， 2016， 26（1）： 47-75.

[10]謝琨，張正鑾.企業數字化、政府補貼與企業技術創新投入[J].哈爾濱商業大學學報（社會科學版），2022，43（3）：57-64.

[11]楊桂菊，李斌.獲得式學習、非研發創新行為與代工企業品牌升級——基于三星電子的探索性案例研究[J].軟科學，2015，29（8）：25-28，32.

[12]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，2022，43（4）：11-19.

[13]解學梅，王宏偉.網絡嵌入對企業創新績效的影響機理：一個基于非研發創新的有調節中介模型[J].管理工程學報，2020，34（6）：13-28.

[14]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020，41（1）：71-83.

[15]江映霞.地區數字化視角下普惠金融對企業創新的影響——基于融資效率和投資機會的分析[J].財會通訊，2023，44（7）：54-58，111.

[16]HUWEI WEN， QIMING ZHONG， CHIEN-CHIANG LEE. Dig_italization， compet_ition strategy and corporate innovation： Evidence from Chinese manufacturing listed companies[J]. International Review of Financial Analysis， 2022， 82：102166.

[17]范紅忠，王子悅，陶爽.數字化轉型與企業創新——基于文本分析方法的經驗證據[J].技術經濟，2022，41（10）：34-44.

[18]張國勝，杜鵬飛，陳明明.數字賦能與企業技術創新——來自中國制造業的經驗證據[J].當代經濟科學，2021，43（6）：65-76.

[19]MEIYU LIU， CHENGYOU LI， SHUO WANG， et al. Dig_ital transformation， risk-taking， and innovation： Evidence from data on listed enterprises in China[J]. Journal of Innovation amp; Knowledge， 2023，8（1）：100332.

[20]趙宇鳴，趙增耀.我國高技術產業中企業技術創新能力的區域比較及成因分析[J].人文雜志，2005，49（6）：73-77.

[21]GRAETZ G， MICHAELS G. Robots at work[J]. Review of Economics and Statistics， 2018， 100（5）：753-768.

[22]易露霞，吳非，徐斯旸.企業數字化轉型的業績驅動效應研究[J]. 證券市場導報， 2021， 31（8）：15-25.

[23]陶長琪，丁煜.數據要素何以成為創新紅利——源于人力資本匹配的證據[J].中國軟科學，2022，37（5）：45-56.

[24]唐曉華，李靜雯，邱國慶.高技術產業集聚與區域創新：線性抑或非線性 [J]. 安徽師范大學學報（人文社會科學版），2022，50（6）：130-141.

[25]丁亮.數字經濟、產業集聚與區域經濟韌性[J].現代管理科學，2023，42（3）：132-140.

[26]宋曉明，田澤，丁晨輝，等.數字經濟驅動中國高技術產業高質量發展——機制與路徑研究[J].技術經濟與管理研究，2022，45（6）：3-7.

[27]袁歌騁，潘敏，覃鳳琴.數字產業集聚與制造業企業技術創新[J].中南財經政法大學學報，2023，66（1）：146-160.

[28]胡彬，萬道俠.產業集聚如何影響制造業企業的技術創新模式——兼論企業“創新惰性”的形成原因[J].財經研究，2017，43（11）：30-43.

[29]吳波虹.財政補貼、稅收優惠與企業技術創新能力——基于盈利能力的視角[J].技術經濟與管理研究，2021，44（9）：12-17.

[30]童馨樂，楊璨，WANG，等.政府研發補貼與企業創新投入：數量激勵抑或質量導向 [J].宏觀質量研究，2022，10（1）：27-45.

[31]支燕，白雪潔.我國高技術產業創新績效提升路徑研究——自主創新還是技術外取 [J].南開經濟研究，2012，28 （5）：51-64.

[32]左晶晶，唐躍軍，季志成.政府干預、市場化改革與公司研發創新[J].研究與發展管理，2016，28（6）：80-90.

[33]唐清泉，高亮，李懿東.企業轉型升級與研發投入的外部環境研究——基于政治關系和市場化進程的視角[J].當代經濟管理，2011，33（6）：20-31.

[34]吳延兵. R＆D存量、知識函數與生產效率[J].經濟學，2006，5（4）：1129-1156.

[35]楊文溥.中國產業數字化轉型測度及區域收斂性研究[J].經濟體制改革，2022，40（1）：111-118.

[36]蘇丹妮，盛斌，邵朝對，等.全球價值鏈、本地化產業集聚與企業生產率的互動效應[J].經濟研究，2020，55（3）：100-115.

[37]解學梅，朱琪瑋.企業綠色創新實踐如何破解“和諧共生”難題[J].管理世界，2021，37（1）：128-149.

（責任編輯：胡俊健）

英文標題The Impact of Dig_italization on Innovation Investment in High-Tech Industries： A Comparison Based on Ramp;D Innovation and Non-Ramp;D Innovation

英文作者Hui Shupeng， Wang Zhuo

英文作者單位（School of Economics and Management， Lanzhou Univers_ity of Technology， Lanzhou 730050，China）

英文摘要Abstract：W_ith the vigorous rise of a new round of technological revolution and industrial transformation， dig_ital technology has become a new driving force for global innovation and development. As the most innovative and dynamic industry， the innovation capabil_ity of high-tech industries directly affects national technological strength and international compet_itiveness. In this context， how to use dig_itization to stimulate the innovation v_ital_ity of high-tech industries has become an important issue of widespread concern in the academic commun_ity.

Previous studies have revealed that dig_italization can pos_itively impact innovation and promote an increase in innovation investment. A few scholars have subdivided innovation investment and studied the impact of dig_itization on different types of innovation investment. But there is still a lack of research on the internal segmentation of innovation investment and the impact of dig_ital transformation on different types of innovation investment. Due to significant differences in resource requirements， knowledge base， risks， and benef_its among different types of innovation activ_ities， the impact of dig_italization on different types of innovation investment will also be different. It is necessary to explore the differential impact of dig_italization on different types of innovation investment from a heterogeneous perspective. Most existing studies have classified innovation into exploratory innovation and explo_itative innovation based on _its novelty and knowledge base. Both types of innovation essentially belong to Ramp;D innovation， and the important role of non-Ramp;D innovation has long been ignored. However， the innovation foundation of China's high-tech industry is weak， the innovation endowment has regional heterogene_ity， and non-Ramp;D innovation still plays an important role， and the proportion of non-Ramp;D innovation investment in China's high-tech industry has been more than 16% in the past five years. In the context of dig_italization， _it is necessary to distinguish innovation investment in high-tech industries into Ramp;D innovation investment and non-Ramp;D innovation investment， and further explore the mechanism of dig_italization affecting the two kinds of innovation investment. In add_ition， the government and market are important external driving forces for enterprise innovation， and the government's behavior and market role cannot be ignored. Thus， this study further explores the moderating roles of the intens_ity of government support and the level of marketization in this process.

W_ith China's high-tech industry as the research object， the study constructs a theoretical framework for the impact of dig_italization on heterogeneous Ramp;D investment. Using provincial panel data on high-tech industries from 2012 to 2021， _it empirically tests the differential impact of dig_italization on different types of innovation investment， and further explores the mechanisms of government and market. The results show that dig_italization has a significant promoting effect on both Ramp;D innovation investment and non-Ramp;D innovation investment in high-tech industries， and _its marginal impact on Ramp;D innovation investment is much higher than that of non-Ramp;D innovation investment. The mechanism test shows that dig_italization has different mechanisms for different types of innovation investment. Dig_italization increases Ramp;D innovation investment by increasing Ramp;D personnel， and increases non-Ramp;D innovation investment by promoting industrial agglomeration. Further analysis reveals that the intens_ity of government support can strengthen the promoting effect of dig_italization on Ramp;D innovation investment， but _it will weaken the promoting effect of dig_italization on non-Ramp;D innovation investment. The degree of marketization significantly suppresses the pos_itive effect of dig_italization on Ramp;D innovation investment， but has no significant moderating effect on the relationship between dig_italization and non-Ramp;D innovation investment， resulting in market failure.

Compared w_ith existing l_iterature， this study divides innovation investment into Ramp;D innovation investment and non-Ramp;D innovation investment， and includes the two types of innovation investment in the same analytical framework for comparative research， making up for the lim_itations of existing l_iterature's excessive emphasis on Ramp;D innovation and neglect of non-Ramp;D innovation. Then， from the dual perspectives of the government and the market， _it explores the differences in the moderating effects of the two in the process of dig_italization affecting high-tech industry innovation investment， provides a theoretical basis for promoting a better combination of a promising government and an effective market， and gives full play to the role of the government and the market in the field of innovation.

英文關鍵詞Key Words：Dig_italization; High-tech industry; Ramp;D Innovation Investment; Non-Ramp;D Innovation Investment

基金項目：甘肅省社科規劃重大項目（20ZD006）；甘肅省社科規劃項目（20YB051）

作者簡介：惠樹鵬（1971－），男，甘肅鎮原人，蘭州理工大學經濟管理學院教授、碩士生導師，研究方向為產業決策與管理；王卓（2000－），女，甘肅天水人，蘭州理工大學經濟管理學院碩士研究生，研究方向為管理決策理論、方法與應用。