定錨致遠：耐心資本如何促進企業數字技術創新

【中圖分類號】F275 【文獻標識碼】A 【文章編號】1004-0994（2025）13-0031-8

一、引言

黨的二十屆三中全會明確提出了“加快構建數字經濟發展體制機制，完善數字產業化和產業數字化政策體系”的戰略部署，為數字經濟高質量發展指明了方向。在此背景下，以大數據、人工智能、移動互聯網、云計算和區塊鏈為代表的數字技術不斷創新發展，通過技術融合與擴散效應，有力推動了實體經濟轉型升級。《中國數字經濟發展研究報告（2024年）》中的數據顯示，2023年我國數字經濟規模已達53.9萬億元，占GDP的比重提升至42.8%_o 從理論層面看，數字經濟是一種以數據為核心生產要素、以數字技術為支撐、以數字平臺為交互媒介的新型經濟形態（許憲春和張美慧，2020；金環和于立宏，2021）。其中，數字技術構成了數字經濟發展的技術基礎（蔡躍洲和牛新星，2021）。按此邏輯，我國企業數字技術創新能力理應與數字經濟規模呈現“協同”增長態勢。然而，現實情況卻是，我國企業數字技術創新能力與數字經濟規模的增長之間存在顯著的“非對稱性”（金環和牛子恒，2025），即“數字經濟跑得快，技術創新跟不上”。因此，如何有效激發數字技術創新動力、破解“數字創新悖論\"便成為當前亟須解決的現實問題。

相較于傳統創新模式，數字技術創新是指依托新一代信息技術，在產品研發、商業模式重構和生產流程優化等方面力求深層次突破的創新范式（陶鋒等，2023）。數字技術創新的核心在于云計算、大數據等技術的集成應用，并天然具備新一代信息通信技術的特征，延續了其“規模效應\"與“技術鎖定效應\"（戚聿東和沈天洋，2023）。若企業能在數字技術創新領域實現“后來居上”，則有望在市場上形成“贏者通吃\"的優勢格局。而數字技術創新推進難度較大，企業在實踐中常面臨多重現實障礙。首先，數字技術創新具有高投入、高風險的特征，其研發過程依賴持續的資金支持、先進的硬件設施及高素質的人才儲備，且投資回報周期較長，短期內難以顯著提升企業經濟效益和生產效率（Brynjolfsson等，2021），從而加劇了企業決策的不確定性。其次，企業內部治理結構中的委托代理問題亦構成重要制約因素（McAfee和McMillan，1986）。出于聲譽維護與短期利潤最大化的考量，管理者往往傾向于選擇風險較低的傳統投資項目，進而削弱了對高風險、長周期數字技術創新的支持力度。

耐心資本為突破上述困境提供了新的契機。耐心資本作為一種全新的資本范疇，不同于格雷厄姆（Graham）提出的價值投資，也不同于歐美國家的風險投資、私募股權、社會責任投資（何文彬和宮銘烜，2025），本質上是一種秉持長期投資理念、容忍投資回報延遲、聚焦于推動企業創新能力提升與可持續發展、在風險與收益之間尋求獨特平衡的資本形態（吳旻佳等，2022），其獨特的資本屬性與企業數字技術創新密切相關。在理論邏輯上，企業擁有的耐心資本越多，越有利于其關系網絡的廣泛構建和發展資源的深度積累，從而為數字技術創新賦能（王聞萱和王丹，2024）。其一，耐心資本的投資者通常具有長期視角和戰略性投資眼光，能夠更敏銳地識別數字技術領域的創新機會。如前所述，數字技術創新因其高風險特性而面臨激勵機制不足的困境，管理者往往會因風險顧慮而猶豫不決，甚至傾向于將創新失敗歸咎于外部環境因素，而非內部管理決策。而耐心資本的較高容忍度能夠激勵企業更加積極地把握創新“窗口期”，進而增強自身數字技術創新實力。其二，耐心資本具有較強的風險承受能力和較高的回報期望，能夠為企業提供持續且穩定的資金支持，緩解企業融資難題（邱蓉等，2024），從而更有效地滿足企業在數字資產配置方面的資金需求。其三，擁有耐心資本的企業，可通過機構投資者持股和關系型融資，顯著提升企業治理水平、優化創新環境（李思飛和溫磊，2025），進而推動人力資本升級，為數字技術創新提供堅實的“智力支撐\"（張樹山和陳凱旋，2024），促進企業高質量發展（李季鵬和石甲番，2025）。然而，事實是否如此，尚需在實證層面進行檢驗。為此，本文以滬深A股上市公司為研究樣本，試圖在實證層面給予考量。

本文的邊際貢獻可能在于：首先，以數字技術創新為核心切入點，探究了耐心資本對企業技術創新的作用機制。盡管已有文獻對耐心資本和創新效率的關系進行了系統性分析（姜中裕和吳福象，2024），但在技術復雜度更高、變化更快且不確定性更大的數字技術創新領域，耐心資本能否持續發揮正向作用仍缺乏足夠的經驗證據。本文試圖揭示耐心資本對數字技術創新的獨特影響，從而擴展耐心資本在創新行為后果方面的研究視野。其次，豐富了企業數字技術創新影響因素的研究。現有文獻多聚焦于宏觀政策、公司治理和高管背景等因素（郭豐等，2025；田慧敏等，2025；馬震，2025），而從耐心資本角度探討其對數字技術創新作用的研究少見，本文無疑豐富了該領域的研究。最后，揭示了耐心資本促進企業數字技術創新的傳導機制，深化了對其作用路徑的理解。同時，結合分析師關注度、媒體關注度和知識產權保護力度等因素，探討了耐心資本對數字技術創新的異質性影響，從而為相關政策的制定提供了理論依據和實證支持。

二、理論分析與研究假設

按照前文的邏輯推理，本文認為，識別數字創新機會、提高數字資產配置水平和推動人力資本升級是耐心資本促進企業數字技術創新的重要路徑，這三條路徑可概括為機會識別機制、資源配置機制和能力升級機制。

（一）機會識別機制

數字創新機會的精準識別是企業開展數字技術創新的首要環節。企業對數字創新機會的感知靈敏度，直接影響其對外部數字生態變化的響應速度。

擁有耐心資本的企業，主要從外部風險應對和內部策略制定兩個維度，提升其對數字創新機會的識別能力。從外部風險應對維度來看，數字創新往往伴隨著高度不確定性與研發風險。現代公司金融理論指出，企業的資本結構與風險偏好會受資本穩定性和投資期限的影響（邱蓉等，2024）。耐心資本堅持長期投資理念，更加重視持續積累的長期回報，而非短期收益的波動。這一特性使得耐心資本的投資者能夠理性應對市場的短期波動，耐心等待投資價值的實現，從而與企業的長期創新需求高度契合。同時，耐心資本具有較強的風險承受能力（李思飛和溫磊，2025），能跨越經濟周期波動，在高度不確定的環境下保持投資的穩定性，進而提升企業及其利益相關方對創新風險的容忍度。從內部策略制定維度來看，數字創新機會的識別依賴于企業的戰略洞察力。耐心資本的投資者傾向于通過長期持有和深度參與項目發展，實現經濟與社會回報的雙重增長（何文彬和宮銘烜，2025）。這促使企業更加關注社會轉型趨勢，主動挖掘數字變革中的潛在機會。同時，培育長期資本既符合我國產業科技發展戰略方向（林毅夫和王燕，2017），也能向市場傳遞積極信號，幫助企業更敏銳地洞察數字創新機會，推動自身在數字技術創新領域的轉型升級。

（二）資源配置機制

強化數字資產的合理配置與企業內部數字化知識的流動，是推動數字技術創新的關鍵（Hanelt等，2021）。數字技術創新不僅涉及人工智能、區塊鏈、大數據等前沿技術領域，還包括算力基礎設施建設、數據資源管理等多維度資產布局。作為技術研發的重要載體，數字資產已成為推動數字技術創新的核心要素與戰略資源。耐心資本主要從戰略協同和資金支持兩個維度賦能企業數字資產配置。從戰略協同維度來看，耐心資本聚焦長期價值創造，其理念與企業數字資產的深度開發和有效治理目標高度契合（路征等，2023）。作為新型戰略資源和核心生產力，數字資產貫穿于企業的研發、運營、市場拓展與組織變革等全流程，重構了企業價值創造邏輯（李健等，2023；于翔等，2024）。在理念協同的驅動下，得到耐心資本支持的企業更傾向于加大數字資產投入，從而為長期發展打下堅實基礎。從資金支持維度來看，充足的資金是提升數字資產配置水平的必要條件，而融資約束往往成為企業數字化轉型的關鍵瓶頸。已有研究表明，耐心資本能有效緩解企業融資約束（吳旻佳等，2022；李思飛和溫磊，2025）。此外，耐心資本的持續投入能向市場傳遞企業發展前景良好的積極信號，吸引更多長期資本關注，形成“同群效應\"（唐亮和楊國玉，2025）。這種資本集聚效應能顯著增強企業的資源整合能力，使其能夠持續優化數字資產配置，推動企業數字技術創新向更高水平發展。

（三）能力升級機制

數字技術創新的實現，不僅依賴數字資產的有力支撐，更需要具備創新活力與專業素養的人力資本驅動（蘇二豆等，2023）。企業要想在數字技術浪潮中保持領先，打造高素質人才隊伍是關鍵。人力資本水平越高，企業對前沿數字技術的吸收轉化能力越強，實現“二次創新”的概率也就越大。擁有耐心資本的企業，可從權益屬性與債務屬性兩個維度系統性推動人力資本升級。從權益屬性的耐心資本來看，機構投資者的長期持股對企業創新具有顯著促進作用。已有研究表明，長期機構投資者通過優化企業治理結構、增強股權激勵效果、抑制管理費用非理性增長等方式（洪敏等，2018），能夠構建公平高效的創新生態（韋施威等，2022）。企業內部治理的優化有助于激發員工創新熱情，通過改善激勵機制和工作環境，推動人力資本質量持續提升。從債務屬性的耐心資本來看，關系型融資憑借“資金效應\"\"兜底效應\"和\"配套效應”（王滿四和王旭東，2020），為企業提供穩定的長期資金支持。這種持續性財務保障不僅能夠提升企業市場信譽、增強內部員工歸屬感，還能憑借穩定的發展預期吸引外部高端人才，通過人才儲備與團隊建設為企業數字技術創新夯實智力基礎，助力企業實現創新能力的跨越式提升。

綜上所述，本文提出如下假設：

H1：耐心資本能顯著促進企業數字技術創新。

三、研究設計

（一）樣本選取與數據來源

本研究以 2011～2023 年我國滬深A股上市公司為初始樣本，企業相關數據來源于CSMAR數據庫，數字專利數據則取自CNRDS數據庫。為保證數據質量和研究結果的可靠性，進行了如下篩選和處理： ① 剔除金融行業公司； ② 剔除研究期間被ST或 的公司； ③ 剔除異常值和缺失數據的無效樣本。數據整理及統計分析主要使用Excel和Stata17.0軟件完成。為減小極端值的干擾，對所有連續變量進行了 1% 和 99% 分位的Winsorize處理，最終得到24913個公司一年度觀測值。

（二）變量定義

1.被解釋變量：企業數字技術創新（Lndinv）。本文參考張樹山和陳凱旋（2024）的研究，以企業數字發明專利授權量加1取自然對數來衡量企業數字技術創新。具體篩選步驟如下：首先，依據《國際專利分類與國民經濟行業分類參照關系表（2018）》，將專利主分類號與對應行業進行匹配。其次，根據《數字經濟及其核心產業統計分類（2021）》，界定數字經濟核心產業，并將相關專利歸類為數字專利。最后，通過企業名稱與數字專利數據匹配，匯總上市公司數字專利的整體情況。此外，鑒于從研發投入到專利授權通常存在時間滯后效應，為更符合實際情況，本文對被解釋變量采用前一期數據。

2.解釋變量：耐心資本（PC）。本文將耐心資本分為穩定型股權與關系型債權，并用穩定型股權占比衡量穩定型股權（Invest），用關系型債權占比衡量關系型債權（Rdebt）。借鑒周紹妮等（2017）的研究方法，根據機構投資者的換手率進行分類，將換手率較低的機構投資者視為穩定型投資者，據此計算每只股票中穩定型股權的占比，得到穩定型股權占比。參照吳旻佳等（2022）的研究，以上市公司長期負債（如長期借款、應付債券、長期應付款等）除以負債總額，得到關系型債權占比。

3.控制變量。為了控制潛在影響因素對企業數字技術創新的影響，保證實證檢驗模型的合理性與可靠性，本文參考已有研究，從企業特征、財務特征以及治理結構層面選取如下控制變量：企業規模（Size）、上市年限（ListAge）、資產負債率（Lev）、總資產收益率（Roa）、企業成長性（Growth）、賬面市值比（ Bm 、兩職合一（Dual）、股權集中度（Top1）和董事人數（Board）。各變量定義見表1。

（三）模型構建

本文構建多元回歸模型（1），探究耐心資本對企業數字技術創新的影響。

Lndinv_i，t+1=B₀+B₁PC_i，t+B_jControls_i，t+Ind_i+Year_t+ε_i，t

其中，被解釋變量為企業技術數字創新 （Lndinv_i，t+1） ，核心解釋變量為耐心資本 （PC_i，t） ，Controls為全部控制變量的集合，i和t表示企業和年份， Ind_i 、Yeart和 ε_i，t 分別是行業固定效應、時間固定效應和隨機擾動項。當耐心資本的系數 β₁ 顯著為正時，說明耐心資本能夠促進企業數字技術創新。

四、實證分析

（一）描述性統計

描述性統計結果如表2所示。結果顯示：數字技術創新（Lndinv）的最大值為5.826，最小值為0，標準差為1.354，說明不同企業間的數字技術創新水平存在較大差異。穩定型股權（Invest）的最大值為0.837，最小值為0，均值為0.167；關系型債權（Rdebt）的最大值為0.740，最小值為0，均值為0.131。可見，不同企業的穩定型股權、關系型債權均存在一定差異。其余變量的描述性統計結果與已有研究基本一致。

（二）基準回歸

基準回歸結果見表3。通過列（1和列（3）可知，當未加人控制變量時，穩定型股權（Invest）和關系型債權（Rdebt）的系數分別為0.0820和0.2463，且均在 1% 的水平上顯著。由列（2）和列（4）可知，當加入控制變量后，穩定型股權（Invest）和關系型債權（Rdebt）的系數雖均有提高，但顯著性并未發生改變。這一結果表明，耐心資本能促進企業技術創新，即對企業數字技術創新具有“提振效應”，H1得以初步證實。

（三）穩健性檢驗

1.改變被解釋變量的衡量方式。本研究采用更換被解釋變量衡量指標的方式進行穩健性檢驗。參考徐輝等（2025）的研究，采用發明專利申請數量刻畫企業數字技術創新（Lndinv-1），并將其前置一期。通過表4列（1）和列（2）可知，穩定型股權（Invest）和關系型債權（Rdebt）的系數分別是0.1364和0.4078，且顯著方向與基準回歸結果一致。

2.替換回歸模型。在原有模型（1）僅對行業與年度因素進行控制的基礎上，本文進一步針對地區層面可能引入的遺漏變量問題進行處理，通過納入省份固定效應（Province），構建一個更為全面的多維固定效應模型重新進行回歸。通過表4列（3）和列（4）可知，檢驗結果與基準回歸結果基本一致。

3.工具變量法（IV）。耐心資本對企業數字技術創新的影響或許存在內生性問題。已有研究表明，耐心資本投資者通常具備較強的信息獲取能力，可能更傾向于投資于技術創新較為活躍的企業（邱蓉等，2025），從而引發耐心資本與企業技術創新之間的反向因果關系。為緩解這一擔憂，本研究進一步采用2SLS方法進行實證分析。在工具變量的選擇上，借鑒邱蓉等（2025）的研究，以企業到上海、深圳兩大金融中心的加權平均距離的倒數作為工具變量。這一選擇的合理性基于以下兩點：首先，耐心資本與企業的長期投資和創新活動密切相關，而這些活動往往依賴于金融資源的可獲得性，地理位置接近金融中心的企業通常更容易獲取相關金融服務；其次，企業的地理位置主要由自然條件決定，這種早期形成的空間特征不太可能對當前的數字技術創新產生直接影響。同時，考慮到加權距離屬于橫截面數據，借鑒Nunn和Qian（2014的做法，納入時間維度因素，構建面板數據工具變量。具體而言，將同地區其他企業的耐心資本（穩定型股權 + 關系型債權）均值與加權平均距離進行交互，得到工具變量（IV）。實證結果（見表5）顯示：列（1）和列（2）中F值分別為17.3237和81.6447，均顯著高于臨界值10，說明所選工具變量合理；列（3）和列（4）中，穩定型股權（In-vest）和關系型債權（Rdebt）的系數均顯著為正，結果與前文研究結論一致。

4.Heckman兩階段法。若研究僅關注已獲得耐心資本的企業，可能會忽略尚未獲得耐心資本但具有創新潛力的企業，進而導致估計結果存在樣本選擇偏差。本文引入Heckman兩階段法對潛在的樣本選擇偏差進行修正。在第一階段，設定二元虛擬變量（PC-UM）標識企業是否獲得耐心資本投資，并以控制變量以及上述工具變量（IV）為解釋變量，開展Probit回歸分析，進而計算逆米爾斯比率（Imr）。在第二階段，將所得到的 Imr 作為控制變量引人基準回歸模型中。表6中結果顯示， Imr 的系數分別為0.0522和0.0569，且均在 1% 的水平上顯著為正，表明樣本中確實存在顯著的選擇偏差。在對樣本選擇偏差進行有效控制之后，穩定型股權（Invest）和關系型債權（Rdebt）的系數仍顯著為正，與前文研究結論相符。

五、作用機制分析

為驗證理論分析中的三種作用機制，并有效避免傳統三步法中介效應分析中可能存在的內生性問題，本文遵循江艇（2022）提出的檢驗框架，構建作用機制檢驗模型如下：

M_i，t=α₀+α₁PC_i，t+α_jControls_i，t+Ind_i+Year_t+ε_i，t

其中， M_i，t 表示三種機制變量，即“機會識別機制”“資源配置機制\"和“能力升級機制”。其他變量含義與模型（1）相同。

本研究從冗余資源和管理層戰略感知雙重視角，對“機會識別機制\"（Dio）進行實證檢驗。已有研究指出，企業的資源儲備是識別和把握數字創新機會的重要基礎（王超發等，2023）。冗余資源越充足，企業在整合知識、信息與創新要素方面的能力越強，因此可將其視為衡量企業機會識別能力的關鍵指標。同時，管理層的戰略感知能力越強，越能通過供應商、客戶和競爭對手等多元化渠道感知外部數字環境中的潛在機會，亦可用以反映企業對數字創新機會的識別水平。對于冗余資源（Dio1，參照王超發等（2023）的研究，采用未吸收冗余（流動比率）和已吸收冗余（銷售期間費用率）的均值進行度量，該數值越高表明企業冗余資源越充足。對于管理層戰略感知（Dio2），則借鑒張樹山和陳凱旋（2024）的方法，采用年報文本中短視性詞匯的占比進行衡量，該占比越低，說明管理層的戰略感知能力越強。回歸結果見表7。列（1）和列（2）中穩定型股權和關系型債權的系數顯著為正，說明得到耐心資本支持的企業通常擁有更豐富的冗余資源儲備。列（3）和列（4）中穩定型股權和關系型債權的系數顯著為負，表明引入耐心資本有助于抑制管理層的短視行為，增強管理層的戰略感知能力。上述結果驗證了耐心資本通過提升企業數字創新機會識別能力促進數字技術創新的傳導機制。

本文從無形資產占比角度探討“資源配置機制”（Dat）。理論層面，數字資產作為數字技術研發的核心載體，已成為驅動數字技術創新的重要引擎（張樹山和陳凱旋，2024）。基于此，本文借鑒范合君和鄭錚（2024）的方法，以數字化相關無形資產在總無形資產中的占比衡量企業數字資產配置水平。表8列（1）和列（2）中，穩定型股權和關系型債權的系數顯著為正，表明耐心資本能夠顯著提升企業的數字資產配置水平，進而為數字技術創新提供有力支撐，由此驗證了“資源配置機制\"的有效性。

針對“能力升級機制” Π_Hcs） ，本研究從人力資本升級維度進行探討。參照劉啟仁和趙燦（2020）的分類標準，將技術員工歸為高技能勞動力，將生產、銷售、財務等其他崗位員工歸為低技能勞動力，通過計算高、低技能勞動力人數比例，量化企業人力資本升級程度。表8列（3）和列（4）中，穩定型股權和關系型債權的系數顯著為正，說明耐心資本能夠有效推動企業人力資本升級。作為數字技術創新的核心“軟性\"資源，人力資本水平的提升可為企業創新活動注人強勁動能。上述結果證實，耐心資本可通過促進人力資本升級，進一步促進企業數字技術創新，從而驗證了“能力升級機制”的有效性。

六、進一步分析

（一）異質性分析

1.分析師關注度。分析師關注度可能會影響耐心資本對企業數字技術創新的促進作用。本研究參考張瑞琛等（2023）的方法，以分析師關注人數加1后取自然對數衡量分析師對企業的關注度，并依據其中位數將樣本劃分為分析師關注度高、低兩組。

同時，借鑒唐亮和楊國玉（2025）的研究，將穩定型股權與關系型債權相加構建耐心資本（PC）變量，進行分組檢驗。表9列（1）和列（2）的結果顯示：在分析師關注度較高的樣本組中，耐心資本的系數顯著為正；而在分析師關注度較低的樣本組，耐心資本的系數未通過顯著性檢驗。該差異可從兩方面解釋：一方面，當企業開展數字技術創新時，分析師跟蹤有助于深度披露創新進展、研發投人強度、技術應用前景等關鍵信息（Huang等，2018），形成外部監督壓力，促使企業保持創新動力，避免創新投入的中途停滯；另一方面，當企業展現出較強的數字技術創新能力時，分析師的積極報道能夠放大企業的創新優勢（李思飛和溫磊，2025），向市場傳遞積極信號，吸引更多耐心資本流入，為企業創新活動提供更穩定的資金保障。

2.媒體關注度。耐心資本對企業數字技術創新的正向影響也可能會受到媒體關注度的影響。對此，參照溫磊（2024）的研究，基于CNRDS數據庫量化企業財經新聞報道標題數量（經加1取自然對數處理），并以其中位數為界將樣本劃分為媒體關注度高、低兩組進行分組檢驗。表9列（3）和列（4）顯示，僅在媒體關注度較高的樣本組中，耐心資本對數字技術創新的促進作用顯著為正，而在低媒體關注度組中則未達到顯著性水平。可能的原因在于：首先，媒體作為重要的市場信息樞紐，其報道行為構成有效的外部監督網絡。根據媒體有效監督理論（翟勝寶等，2022），頻繁的媒體曝光能夠抑制管理層的短視行為，推動企業將資源更多投人數字技術創新。其次，耐心資本的投資決策高度依賴信息透明度，而媒體關注度高的企業通常信息披露充分、商業運作透明，更契合耐心資本投資者的投資偏好，進而使其加大資金支持力度。最后，媒體曝光帶來的聲譽效應顯著改善了企業融資環境。相關研究表明，高媒體關注度企業普遍享有更低的融資成本和更順暢的資本獲取渠道（李思飛和溫磊，2025），這種優勢提升了企業在耐心資本投資決策中的競爭力，從而使耐心資本持續為數字技術創新注人動力。

3.知識產權保護力度。數字技術雖具有顯著的知識溢出特征，但由于其創新周期長、研發成本高，且面臨較大的知識產權侵權風險，若企業無法保障專利獨占權益，極易降低創新積極性。在知識產權保護力度較大的地區，政府通過完善司法體系、強化法律執行力，顯著提升數字技術創新成果的排他性，有效激勵企業加大創新投入。相比之下，在知識產權保護力度較小的地區，企業面臨的道德風險與契約不確定性顯著增加，導致其創新動力不足。本研究參考趙宸宇等（2021）的方法，以地區知識產權侵權糾紛案件結案率（結案數/總案件數）為依據，將樣本劃分為知識產權保護力度大、小兩組進行分組檢驗。表9列（5）和列（6）的結果顯示，耐心資本的系數存在顯著差異。列（6）中PC的系數顯著為正，表明在知識產權保護力度較大的地區耐心資本對企業數字技術創新的影響更為顯著。

（二）環境不確定性的調節作用

當前市場環境復雜多變，貿易摩擦等外部沖擊頻發，企業面臨的不確定性顯著增加，這一情境顯著影響了耐心資本與數字技術創新之間的關系。從企業內部視角來看，當環境不確定性增加時，生存壓力與經營風險同步加劇，企業往往將維持短期運營作為首要目標，導致耐心資本通過長期穩定投入推動創新的動力被削弱；從外部利益相關者來看，環境不確定性增加會使其投資決策更趨謹慎，傾向于采取觀望態度而非貿然注資，進而導致企業融資渠道收窄，直接制約其數字技術研發進程。尤其在數字技術領域，高投人、高風險的特征使得企業在不確定環境下更可能縮減對成功率較低研發項目的投入，以保障現金流穩定（張樹山和陳凱旋，2024）。基于此，本文認為環境不確定性會抑制耐心資本對企業數字技術創新的促進作用。

為此，本研究在基準回歸模型中引入環境不確定性（EU）與耐心資本（PC）的交互項 EU×PC 。若該交互項的系數為負，表明環境不確定性的增加會削弱耐心資本的“提振效應”。本文參考申慧慧等（2012）的方法，將EU設定為企業近5年銷售收人標準差經行業調整后的值，該值越大則環境不確定性越高。表10列（1）的檢驗結果顯示，EU×PC 的系數顯著為負，表明隨著環境不確定性的增加，耐心資本對企業數字技術創新的“提振效應”會有所減弱。

（三）數字技術創新的經濟后果檢驗

依據技術創新理論，數字技術創新被視為推動企業生產力提升的關鍵引擎。一方面，數字技術作為關鍵技術模塊嵌入業務系統，能夠實現研發、生產、存儲、流通等核心流程的透明化與實時監控，有效降低業務轉換中的效率損耗，推動資源配置優化；另一方面，數字技術通過拓寬信息獲取渠道、精準解析市場動態，助力企業挖掘新的投資機遇，以高效投資決策推動生產力質量升級。由此推斷，數字技術創新可顯著賦能企業新質生產力提升。本研究借鑒溫磊和李思飛（2024）的方法，采用熵權法測算企業新質生產力（Npro）并乘以100，同時以耐心資本中位數為界進行分組（低PC和高PC）檢驗。

表10列（2）顯示，企業數字技術創新（Lndinv）對新質生產力具有顯著正向影響；列（3）、（4）的結果表明，盡管數字技術創新在全樣本與低PC組中的系數均顯著為正，但在低PC組中的顯著性水平更高。這說明數字技術創新對新質生產力的賦能效應在耐心資本占比低的企業中更為突出。可能的原因在于，耐心資本與新質生產力存在正向關聯（溫磊和李思飛，2024），當企業耐心資本占比較低時，新質生產力發展水平相對滯后，此時通過數字技術創新提升生產力的空間更大。因此，數字技術創新對新質生產力的促進作用在耐心資本較低的企業中表現得更為顯著。

七、研究結論與啟示

（一）研究結論

本文以 2011～2023 年我國滬深A股上市公司為研究樣本，圍繞耐心資本對企業數字技術創新的影響及其作用機制展開研究，并進一步探究了環境不確定性的調節作用和數字技術創新帶來的“新質”異質效應，主要得到以下結論：第一，耐心資本對企業數字技術創新具有顯著的\"提振效應”，且該效應在分析師關注度高、媒體關注度高以及知識產權保護力度大的企業中更加明顯。第二，機制分析表明，耐心資本通過“機會識別機制”“資源配置機制”和“能力升級機制”賦能企業數字技術創新。第三，環境不確定性削弱了耐心資本對數字技術創新的促進作用。進一步地，數字技術創新雖能夠賦能企業新質生產力培育與壯大，但這種效果在耐心資本占比較低的企業中更明顯，具有\"新質\"異質效應。

（二）啟示

1.積極培育和壯大耐心資本，賦能企業數字技術創新。政府可著力引導耐心資本參與企業創新，構建“科技一產業一金融\"的良性互動生態，將重點轉向微笑曲線的兩端。一是推動戰略型股權投資者發展。政府可持續擴大機構投資者規模，優化資本市場投資者結構，提升資本市場的價值發現功能，促進“硬科技”與資本有效對接。同時，加強對機構投資者的引導和管理，鼓勵其參與長期價值投資，遏制概念炒作等短期行為。二是促進關系型債權投資者發展。政府可支持商業銀行和政策性銀行發揮治理作用，杜絕“先有關系、后有資金\"的尋租行為。此外，可推動多元化企業債務融資方式的發展，規范企業債券市場，并擴大融資租賃市場規模，為企業創新提供更多長期資金支持。

2.優化外部環境，為耐心資本賦能數字技術創新創造良好條件。首先，分析師和媒體應恪守客觀中立原則，全面披露企業信息以提升信息透明度，從而解決市場信息不對稱問題。同時，充分發揮其引導作用，通過普及數字技術知識、深入解讀行業趨勢等方式，引導資本流向有潛力的數字創新領域。此外，還需強化分析師和媒體的監督職能，借助輿論和市場反饋推動企業專注于符合時代需求的數字技術創新，切實提升創新質量。其次，政府層面可進一步完善知識產權保護體系，健全相關法律法規，為企業數字技術創新提供堅實的司法保障，降低創新風險，激發企業創新積極性，營造良好的創新生態。

3.關注環境不確定性對耐心資本的負面影響，并通過優化耐心資本配置提升數字技術創新效率。政府和企業可協同發力，通過政策支持和戰略調整，減少外部環境不確定性對創新活動的干擾。政府可通過宏觀經濟調控和產業政策引導，為企業營造穩定的創新環境；企業則應加強內部風險管理，提升應對環境變化的靈活性。同時，政府和企業可優化耐心資本配置，確保其更多地流向高成長性和創新潛力突出的領域，避免資源錯配，最大化創新價值，為經濟高質量發展注入新動能。

【主要參考文獻】

蔡躍洲，牛新星．中國數字經濟增加值規模測算及結構分析［ J］．中國社會科學，2021（11）：4 ～ 30+204．

郭豐，任毅，段云桂等．知識產權保護對企業數字技術創新的影響效應研究——來自中國上市公司的證據［ J/OL］．管理評論，1 ～ 16［2025-01-31］．https：//doi.org/10.14120/j.cnki.cn11-5057/f.20250124.003．

何文彬，宮銘烜．耐心資本能緩解產能過剩嗎——基于上市公司產能利用率視角［ J］．當代經濟研究，2025（1）：85 ～ 100．

洪敏，張濤，王廣凱．異質機構投資者與企業技術創新——基于不同期限機構投資者的實證檢驗［ J］．中國科技論壇，2018（5）：57 ～ 70．

江艇．因果推斷經驗研究中的中介效應與調節效應［ J］．中國工業經濟，2022（5）：100 ～ 120．

金環，牛子恒．政策賦能、結構變遷與企業數字創新［ J］．研究與發展管理，2025（1）：46 ～ 59．

金環，于立宏．數字經濟、城市創新與區域收斂［ J］．南方經濟，2021（12）：21 ～ 36．

李季鵬，石甲香．耐心資本與企業高質量發展［ J］．財會月刊，2025（7）：35 ～ 40．

李健，董小凡，張金林等．數據資產對企業創新投入的影響研究［ J］．外國經濟與管理，2023（12）：18 ～ 33．

李思飛，溫磊．耐心資本對企業ESG表現的影響研究［ J］．經濟問題，2025（1）：48 ～ 56．

劉啟仁，趙燦．稅收政策激勵與企業人力資本升級［ J］．經濟研究，2020（4）：70 ～ 85．

路征，周婷，王理等．數據資產與企業發展——來自中國上市公司的經驗證據［ J］．產業經濟研究，2023（4）：128 ～ 142．

馬震．企業ESG表現對數字技術創新影響的實證研究［ J］．統計與決策，2025（6）：172 ～ 177．

戚聿東，沈天洋．黨的十八大以來我國數字技術創新的成就、經驗與展望［ J］．學習與探索，2023（4）：76 ～ 87+2．

邱蓉，田子豪，買俊鵬等．耐心資本與企業全要素生產率提升［ J］．證券市場導報，2024（12）：3 ～ 12．

申慧慧，于鵬，吳聯生．國有股權、環境不確定性與投資效率［ J］．經濟研究，2012（7）：113 ～ 126．

蘇二豆，李晶晶，薛軍．海外投資數字產業如何影響中國企業數字創新？：來自上市企業數字專利的證據［ J］．世界經濟研究，2023（12）：42 ～ 57+133．

唐亮，楊國玉．耐心資本投資對企業ESG表現的影響［ J］．中國流通經濟，2025（2）：86 ～ 99．

陶鋒，朱盼，邱楚芝等．數字技術創新對企業市場價值的影響研究［ J］．數量經濟技術經濟研究，2023（5）：68 ～ 91．

田慧敏，李海林，周文浩等．人工智能應用程度對企業數字技術創新的影響研究［ J/OL］．當代財經，1 ～ 15［2025-01-31］．https：//doi.org/10.13676/j.cnki.cn36-1030/f.20241225.002．

王超發，李雨露，王林雪等．動態能力對智能制造企業數字創新質量的影響研究［ J］．管理學報，2023（12）：1818 ～ 1826．

王滿四，王旭東．關系型融資、關系治理與企業創新——來自滬深A股高科技上市公司的實證研究［ J］．中國軟科學，2020（5）：118 ～ 129．

王聞萱，王丹．耐心資本助推綠色低碳發展的內在關聯及實踐要求——學習貫徹黨的二十屆三中全會精神［ J］．技術經濟與管理研究，2024（9）：1 ～ 6．

溫磊，李思飛．耐心資本對企業新質生產力的影響［ J］．中國流通經濟，2024（10）：86 ～ 97．

吳旻佳，張普，趙增耀．耐心資本、創新投入對企業績效的影響——基于中小板上市企業的數據［ J］．科學決策，2022（9）：55 ～ 72．

徐輝，李藝，周孝華．傳統金融可得性對企業數字技術創新的影響研究［ J/OL］．科研管理，1 ～ 17［2025-02-05］．http：//kns.cnki.net/kcms/detail/11.1567.G3.20250102.1828.009.html．

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．

于翔，牛彪，苑澤明．數據資產、人力資本升級與企業價值［ J］．中南財經政法大學學報，2024（2）：109 ～ 122．

翟勝寶，程妍婷，許浩然等．媒體關注與企業ESG信息披露質量［ J］．會計研究，2022（8）：59 ～ 71．

張樹山，陳凱旋．企業ESG表現與數字技術創新［ J］．財經論叢，2024（9）：69 ～ 79．

趙宸宇，王文春，李雪松．數字化轉型如何影響企業全要素生產率［ J］．財貿經濟，2021（7）：114 ～ 129．

Brynjolfsson E.， Rock D.， Syverson C.. The productivity J-curve： How intangibles complement general purpose technologies［ J］．American Economic Journal： Macroeconomics，2021（1）：333 ～ 372．

Hanelt A.， Firk S.， Hildebrandt B.， et al.. Digital Mamp;A， digital innovation， and firm performance： An empirical investigation［ J］．European Journal of Information Systems，2021（1）： 3 ～ 26．

Huang A. H.， Lehavy R.， Zang A. Y.， et al.. Analyst information discovery and interpretation roles： A topic modeling approach［ J］．Management Science，2018（6）：2833 ～ 2855．

McAfee R. P.， McMillan J.. Bidding for contracts： A principal-agent analysis［ J］．The RAND Journal of Economics，1986（3）：326 ～ 338．

Nunn N.， Qian N.. US food aid and civil conflict［ J］．American Economic Review，2014（6）：1630 ～ 1666．

（責任編輯·校對： 羅萍" 李小艷）