創(chuàng)新質(zhì)量與數(shù)字化轉(zhuǎn)型：專利密集型制造業(yè)視角

[摘要]數(shù)字化轉(zhuǎn)型重構(gòu)創(chuàng)新范式，為專利密集型制造業(yè)創(chuàng)新質(zhì)量提升開辟了新途徑。基于2013—2023年滬深兩市A股652家專利密集型制造業(yè)企業(yè)數(shù)據(jù)，系統(tǒng)考察數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響效應(yīng)，并結(jié)合面板門檻模型揭示知識產(chǎn)權(quán)保護強度差異下的作用機制。研究發(fā)現(xiàn)：第一，數(shù)字化轉(zhuǎn)型促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升，該促進作用對中西部、大規(guī)模、非國有和復(fù)雜型企業(yè)更加顯著；第二，數(shù)字化轉(zhuǎn)型通過優(yōu)化人力資本結(jié)構(gòu)和提高網(wǎng)絡(luò)媒體關(guān)注提升專利密集型制造業(yè)創(chuàng)新質(zhì)量；第三，數(shù)字化轉(zhuǎn)型的賦能效應(yīng)存在基于知識產(chǎn)權(quán)保護的雙門檻特征，當知識產(chǎn)權(quán)保護達到一定閾值時，數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的促進作用才能有效發(fā)揮，且促進作用隨知識產(chǎn)權(quán)保護的提高而增強。研究結(jié)論為數(shù)字化轉(zhuǎn)型驅(qū)動創(chuàng)新質(zhì)量提升提供了理論借鑒和決策支持。

[關(guān)鍵詞]數(shù)字化轉(zhuǎn)型；專利密集型制造業(yè)；創(chuàng)新質(zhì)量；知識產(chǎn)權(quán)保護；門檻效應(yīng)

一、 引言

《數(shù)字中國建設(shè)整體布局規(guī)劃》提出“促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合”1，《2025年數(shù)字經(jīng)濟發(fā)展工作要點》強調(diào)要“深入實施數(shù)字化轉(zhuǎn)型工程”2，表明數(shù)字化轉(zhuǎn)型不再是產(chǎn)業(yè)發(fā)展的可選路徑，而是實體經(jīng)濟擁抱數(shù)字經(jīng)濟、實現(xiàn)創(chuàng)新范式變革的必由之路。實體經(jīng)濟是國民經(jīng)濟的根基，而制造業(yè)作為實體經(jīng)濟的核心支柱，其轉(zhuǎn)型發(fā)展直接關(guān)系到實體經(jīng)濟的活力與韌性[1]。其中，專利密集型制造業(yè)因其獨特的產(chǎn)業(yè)屬性，成為數(shù)字化轉(zhuǎn)型賦能創(chuàng)新的關(guān)鍵領(lǐng)域。國家知識產(chǎn)權(quán)局數(shù)據(jù)顯示，2023年專利密集型產(chǎn)業(yè)增加值達16.87萬億元，占GDP比重13.04%3，其中專利密集型制造業(yè)的貢獻尤為突出。作為專利密集型產(chǎn)業(yè)的關(guān)鍵構(gòu)成，專利密集型制造業(yè)憑借強大的技術(shù)外溢效應(yīng)和產(chǎn)業(yè)鏈整合能力，成為連接技術(shù)研發(fā)與市場應(yīng)用的核心樞紐，其創(chuàng)新質(zhì)量的提升對我國經(jīng)濟高質(zhì)量發(fā)展具有重要意義[2]。在數(shù)實融合的浪潮中，數(shù)字化轉(zhuǎn)型通過人工智能高效整合資源、大數(shù)據(jù)破除信息傳遞壁壘、區(qū)塊鏈實現(xiàn)跨域協(xié)同，破解專利密集型制造業(yè)創(chuàng)新中的資源錯配、信息孤島等難題，助力其在“數(shù)字技術(shù)+實體制造”的融合中加速提升創(chuàng)新質(zhì)量。《“十四五”國家知識產(chǎn)權(quán)保護和運用規(guī)劃》明確提出“培育專利密集型產(chǎn)業(yè)”4，推動其創(chuàng)新質(zhì)量突破，這既是實現(xiàn)關(guān)鍵技術(shù)自主可控的現(xiàn)實需求，更是搶占產(chǎn)業(yè)技術(shù)創(chuàng)新高地的必然選擇。

數(shù)字化轉(zhuǎn)型賦能企業(yè)創(chuàng)新質(zhì)量引發(fā)了眾多學者的討論，但研究結(jié)論尚未達成一致。有學者認為數(shù)字化轉(zhuǎn)型展現(xiàn)了顯著的提質(zhì)潛能[3]：數(shù)字化轉(zhuǎn)型可以精準識別研發(fā)瓶頸，通過壓縮交易成本與深化專業(yè)化分工[4]、借助研發(fā)協(xié)作網(wǎng)絡(luò)的智能升級[5]，激活企業(yè)內(nèi)部知識流動[6]，實現(xiàn)稀缺要素的精準配置，促進創(chuàng)新質(zhì)量的提升。但有學者指出數(shù)字化轉(zhuǎn)型可能負向作用于企業(yè)創(chuàng)新。數(shù)字技術(shù)改變了企業(yè)創(chuàng)新活動的底層邏輯，涉及觀念重設(shè)、管理更新、流程再造、架構(gòu)調(diào)整等系統(tǒng)性變革[7]，很有可能與既有資源能力之間出現(xiàn)不可逾越的鴻溝。在超出與創(chuàng)新需求適配的強度后，持續(xù)加大對數(shù)字化轉(zhuǎn)型的投入將對創(chuàng)新活動產(chǎn)生擠出效應(yīng)，過度數(shù)字化會引發(fā)資源錯配、邊際研發(fā)產(chǎn)出下降[8]。除了上述兩種觀點，還有研究認為數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響呈現(xiàn)非線性特征，當數(shù)字化轉(zhuǎn)型達到一定閾值時才能有效發(fā)揮賦能作用，而超過最優(yōu)閾值后，過度數(shù)字化可能導(dǎo)致組織復(fù)雜度上升或創(chuàng)新路徑固化，不利于創(chuàng)新質(zhì)量的提升。

綜上所述，現(xiàn)有數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新質(zhì)量的影響研究仍處于摸索階段，部分研究以專利密集型制造業(yè)為切入點展開探討，但數(shù)字化轉(zhuǎn)型對其創(chuàng)新質(zhì)量的影響機制尚未明晰，對外部情境變量的影響更是較少涉及。基于此背景，本文選取2013—2023年滬深兩市A股上市公司中652家專利密集型制造業(yè)企業(yè)，探究數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響效應(yīng)和作用機制。本文可能的邊際貢獻：第一，不同于以制造業(yè)或泛化企業(yè)為研究對象，本文聚焦技術(shù)復(fù)雜度高、知識資本密集的專利密集型制造業(yè)企業(yè)群體，揭示數(shù)字化轉(zhuǎn)型提高創(chuàng)新質(zhì)量的作用路徑，拓展研究視角。第二，從微觀視角探究數(shù)字化轉(zhuǎn)型通過優(yōu)化人力資本結(jié)構(gòu)和提高網(wǎng)絡(luò)媒體關(guān)注提升專利密集型制造業(yè)創(chuàng)新質(zhì)量，在此基礎(chǔ)上考察知識產(chǎn)權(quán)保護的門檻作用。第三，系統(tǒng)解析了區(qū)位、規(guī)模、產(chǎn)權(quán)、產(chǎn)業(yè)異質(zhì)性影響數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量賦能的效果，為精準制定差異化政策提供理論基礎(chǔ)。

二、 理論分析與研究假設(shè)

1. 數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響

數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的賦能效應(yīng)，因其產(chǎn)業(yè)屬性而呈現(xiàn)顯著異質(zhì)性。在信息利用維度，數(shù)字化轉(zhuǎn)型能有效破除專利密集型制造業(yè)中傳統(tǒng)信息傳遞的壁壘[9]。專利密集型制造業(yè)以專利數(shù)據(jù)、技術(shù)文獻等專業(yè)化信息為創(chuàng)新基礎(chǔ)，數(shù)字化轉(zhuǎn)型通過引入大數(shù)據(jù)、人工智能等先進技術(shù)，連接企業(yè)內(nèi)部不同環(huán)節(jié)以及企業(yè)與外部環(huán)境之間的“數(shù)據(jù)孤島”，實現(xiàn)信息的高效整合與共享，不僅降低了信息與知識的獲取成本，還提高了對創(chuàng)新要素和資源的配置效率。在知識整合維度，專利密集型制造業(yè)的競爭優(yōu)勢源于專利組合的協(xié)同效應(yīng)，數(shù)字化轉(zhuǎn)型展現(xiàn)差異化價值。區(qū)別于普通企業(yè)的一般性知識整合，該類企業(yè)需處理海量專利文獻中的隱性技術(shù)關(guān)聯(lián)，而數(shù)字技術(shù)的算法優(yōu)勢突破了人工分析的認知局限[10]，可精準識別專利集群的技術(shù)互補性，推動創(chuàng)新模式從單一專利優(yōu)化向系統(tǒng)性技術(shù)突破躍遷。在創(chuàng)新流程維度，專利密集型制造業(yè)研發(fā)周期長、實驗成本高的行業(yè)特性，使得數(shù)字化轉(zhuǎn)型對時空約束的突破具有重要意義。相較于普通企業(yè)的流程優(yōu)化，數(shù)字技術(shù)通過虛擬仿真、數(shù)字孿生等工具，顯著降低新材料、精密部件等領(lǐng)域的試錯成本，還通過持續(xù)反饋機制使得該類企業(yè)及時根據(jù)市場反饋和技術(shù)創(chuàng)新動態(tài)調(diào)整研發(fā)方向，持續(xù)改進技術(shù)解決方案，從而促進創(chuàng)新質(zhì)量提升。綜上，本文提出假設(shè)1：

H1：數(shù)字化轉(zhuǎn)型促進專利密集型企業(yè)創(chuàng)新質(zhì)量提升。

2. 數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響機制

（1）人力資本結(jié)構(gòu)的中介作用

人力資本是推動技術(shù)創(chuàng)新的核心力量，優(yōu)化人力資本結(jié)構(gòu)是提高創(chuàng)新質(zhì)量的靈感源泉[11]。一方面，數(shù)字化轉(zhuǎn)型會提高對高素質(zhì)研發(fā)人員的需求。在數(shù)字化轉(zhuǎn)型過程中，企業(yè)內(nèi)部往往面臨著內(nèi)部資源重新購置、勞動力和組織結(jié)構(gòu)重組等問題。企業(yè)為了提升創(chuàng)新質(zhì)量和效率，會進一步提高對高技能研發(fā)人員的需求。另一方面，數(shù)字化轉(zhuǎn)型的勞動替代效應(yīng)會擠出部分低技能勞動[12]。數(shù)字化轉(zhuǎn)型的逐步推進將不可避免地減少甚至替換一些常規(guī)性、重復(fù)性的工作崗位，降低研發(fā)環(huán)節(jié)對低技能勞動的需求，從而表現(xiàn)為企業(yè)的高素質(zhì)、高技能研發(fā)人員的比重上升，促進人力資本結(jié)構(gòu)優(yōu)化。人力資本結(jié)構(gòu)的不斷優(yōu)化豐富了技術(shù)和創(chuàng)新視角，促進形成多元化、協(xié)作性強的創(chuàng)新團隊，充分發(fā)揮不同領(lǐng)域知識的優(yōu)勢，將高質(zhì)量的想法、知識和技術(shù)應(yīng)用到創(chuàng)新活動中，實現(xiàn)知識和技術(shù)的有機融合，持續(xù)促進技術(shù)突破和專利創(chuàng)新，從而提高創(chuàng)新質(zhì)量。綜上，本文提出假設(shè)2：

H2：數(shù)字化轉(zhuǎn)型通過優(yōu)化人力資本結(jié)構(gòu)促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升。

（2）網(wǎng)絡(luò)媒體關(guān)注的中介作用

網(wǎng)絡(luò)媒體憑借信息聚合與傳播優(yōu)勢，已成為連接企業(yè)行為與社會反饋的重要紐帶，并通過降低信息不對稱、引導(dǎo)社會評價等機制深刻影響企業(yè)決策邏輯[13]。專利密集型制造業(yè)因具有獨特的產(chǎn)業(yè)屬性與戰(zhàn)略價值，其數(shù)字化轉(zhuǎn)型成效更易成為媒體聚焦的典型案例。當其在智能制造、數(shù)據(jù)驅(qū)動研發(fā)等領(lǐng)域取得突破時，網(wǎng)絡(luò)媒體的深度報道不僅是對轉(zhuǎn)型成果的傳播，更是對其技術(shù)創(chuàng)新能力的隱性背書。這種關(guān)注對該類企業(yè)創(chuàng)新質(zhì)量的賦能呈現(xiàn)顯著行業(yè)特性：一方面，網(wǎng)絡(luò)媒體聚焦能精準吸引創(chuàng)新生態(tài)關(guān)鍵主體。相較于普通企業(yè)，專利密集型企業(yè)對高端技術(shù)合作與專業(yè)化資本的需求更迫切，而媒體報道構(gòu)建的“技術(shù)可信度”信號，可高效匹配異質(zhì)性創(chuàng)新資源[14]，加速跨領(lǐng)域知識整合與專利組合優(yōu)化；另一方面，網(wǎng)絡(luò)媒體監(jiān)督形成更強約束。因?qū)＠芗推髽I(yè)創(chuàng)新成果直接關(guān)聯(lián)產(chǎn)業(yè)鏈安全與技術(shù)主權(quán)，公眾對其專利質(zhì)量、技術(shù)可靠性的期待更高，媒體輿論倒逼企業(yè)研發(fā)流程透明化，在專利布局、成果轉(zhuǎn)化等環(huán)節(jié)規(guī)避短視行為，推動創(chuàng)新質(zhì)量從“數(shù)量導(dǎo)向”向“價值導(dǎo)向”躍遷。綜上，本文提出假設(shè)3：

H3：數(shù)字化轉(zhuǎn)型通過提高網(wǎng)絡(luò)媒體關(guān)注促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升。

3. 知識產(chǎn)權(quán)保護的門檻效應(yīng)

數(shù)字化轉(zhuǎn)型的賦能過程并非線性遞進，其效能釋放顯著依賴制度環(huán)境對知識流動的規(guī)制與平衡[15]。知識產(chǎn)權(quán)保護作為制度環(huán)境的關(guān)鍵維度，構(gòu)成數(shù)字化轉(zhuǎn)型驅(qū)動創(chuàng)新質(zhì)量提升的“制度門檻”，唯有當其達到特定閾值時，數(shù)字化轉(zhuǎn)型重構(gòu)資源配置、加速知識重組的潛力才能被充分釋放。當知識產(chǎn)權(quán)制度不完善時，專利密集型制造業(yè)往往采取防御性創(chuàng)新策略，將數(shù)字資源投向短期技術(shù)改良而非原始創(chuàng)新，導(dǎo)致專利組合呈現(xiàn)“廣而淺”的特征。隨著數(shù)字化轉(zhuǎn)型深化，企業(yè)需持續(xù)提升創(chuàng)新質(zhì)量以維持競爭力。而企業(yè)為提高創(chuàng)新質(zhì)量而計劃投入大量數(shù)字化資源時，創(chuàng)新成果是否會被輕易復(fù)制或盜用是需要考慮的重要問題。低水平知識產(chǎn)權(quán)保護易引發(fā)“效率-安全”悖論：一方面，數(shù)字化轉(zhuǎn)型加速知識流動與協(xié)同創(chuàng)新；另一方面，技術(shù)泄露風險抑制企業(yè)對核心技術(shù)的深度投入，創(chuàng)新質(zhì)量提升受阻。而當知識產(chǎn)權(quán)保護跨越臨界閾值后，情況顯著改善：首先，風險管控強化顯著降低技術(shù)研發(fā)與成果轉(zhuǎn)化的不確定性，保障創(chuàng)新收益可預(yù)期[16]；其次，侵權(quán)成本上升有效遏制模仿行為，降低知識產(chǎn)權(quán)侵權(quán)行為的發(fā)生率[17]；最后，創(chuàng)新激勵重構(gòu)促使企業(yè)將資源從防御性改良轉(zhuǎn)向戰(zhàn)略性投入，推動原創(chuàng)性突破。這種制度支撐使數(shù)字化轉(zhuǎn)型突破淺層優(yōu)化，實現(xiàn)創(chuàng)新質(zhì)量躍遷。由此本文提出假設(shè)4：

H4：知識產(chǎn)權(quán)保護在數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響中存在門檻效應(yīng)。

三、 研究設(shè)計

1. 模型構(gòu)建

（1）基準回歸模型

為驗證數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的直接影響，本文構(gòu)建如下基準模型：

[IQit=a+bDEit+cControlit+Σyear+Σind+Σpro+εit] （1）

上式中，IQ為被解釋變量，指專利密集型制造業(yè)創(chuàng)新質(zhì)量；DE為核心解釋變量，指數(shù)字化轉(zhuǎn)型；Control指控制變量；i為個體，t為時間；year、ind和pro分別是指年份、行業(yè)和省份固定效應(yīng)；[εit]為隨機誤差項。

（2）中介效應(yīng)模型

為探究數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響機制，本文參考溫忠麟等[18]的研究，構(gòu)建如下中介效應(yīng)模型：

[Mit=a1+b1DEit+c1Controlit+Σyear+Σind+Σpro+εit] （2）

[IQit=a2+b2DEit+γMit+c2Controlit+Σyear+Σind+Σpro+εit] （3）

上式中，M為中介變量，指人力資本結(jié)構(gòu)（hc）和網(wǎng)絡(luò)媒體關(guān)注（me），式（1）至式（3）共同構(gòu)成中介效應(yīng)模型。

（3）面板門檻模型

為進一步探究知識產(chǎn)權(quán)保護在數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響中是否存在門檻條件，本文采用Hansen[19]提出的門檻回歸模型，借鑒Wang[20]發(fā)展的非動態(tài)面板門檻模型，構(gòu)建面板門檻模型如式（4）所示：

[IQit=a3+b3DEitI（IPP≤q）+b4DEitI（IPPgt;q）+c3Controlit+εit] （4）

上式中，IPP為門檻變量，指知識產(chǎn)權(quán)保護；I（）為示性函數(shù)；q為門檻值，b3為IPP ≤q時數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的影響系數(shù)；b4為IPP gt;q時數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的影響系數(shù)。當b3≠b4時，說明存在門檻效應(yīng)，否則不存在門檻效應(yīng)。

若存在兩個門檻，式（4）則擴展為：

[IQit=a4+b5DEitI（IPPlt;q1）+b6DEitI（q1≤IPPlt;q2）+b7DEitI（IPP≥q2）+c4Controlit+εit]" （5）

上式中，q1和q2分別為兩個門檻值，且滿足q1lt;q2，兩個門檻值將總樣本劃分為3個區(qū)間，b5、b6和b7分別是在3個不同區(qū)間內(nèi)數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響系數(shù)。

2. 變量定義

（1）被解釋變量

本文被解釋變量為專利密集型制造業(yè)創(chuàng)新質(zhì)量（IQ）。既有研究對其測度主要分為兩類：數(shù)量導(dǎo)向型（如專利總數(shù)、發(fā)明專利占比）與質(zhì)量導(dǎo)向型（如專利引用次數(shù)）。前者雖能反映創(chuàng)新產(chǎn)出規(guī)模，但難以捕捉技術(shù)復(fù)雜性與知識組合深度；后者雖關(guān)注技術(shù)影響力，卻受引用滯后性與領(lǐng)域異質(zhì)性干擾。本文參考張杰等[21]的研究，采用基于IPC分類號的發(fā)明專利知識寬度作為核心測度指標，該方法通過分析發(fā)明專利的國際專利分類號分布，從技術(shù)廣度與深度雙重維度量化創(chuàng)新質(zhì)量。相較于數(shù)量型方法，其優(yōu)勢體現(xiàn)在：一是IPC體系具有全球統(tǒng)一的分類標準，確保評估結(jié)果的可比性；二是跨技術(shù)領(lǐng)域整合能力反映企業(yè)突破性創(chuàng)新潛力；三是規(guī)避了專利授權(quán)周期與引用網(wǎng)絡(luò)的外部干擾。

（2）核心解釋變量

本文核心解釋變量為數(shù)字化轉(zhuǎn)型（DE），學術(shù)界對其測度尚未形成統(tǒng)一標準，大致可分為兩類：一是文本分析法，即利用python抓取上市公司年報等中的相關(guān)關(guān)鍵詞，測算詞頻數(shù)；二是利用企業(yè)數(shù)字化相關(guān)的硬件和軟件投入來衡量企業(yè)的數(shù)字化轉(zhuǎn)型。本文參考吳非等[22]的研究，使用python計算數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞頻數(shù)來測度數(shù)字化轉(zhuǎn)型。

（3）中介變量

人力資本結(jié)構(gòu)（hc）：數(shù)字化轉(zhuǎn)型會吸收高技能勞動并擠出低技能勞動進而推動企業(yè)創(chuàng)新質(zhì)量提升。本文參考肖土盛等[23]的研究，從職業(yè)類型角度選取專利密集型制造業(yè)中技術(shù)、財務(wù)和銷售員工數(shù)占員工總數(shù)的比重來衡量人力資本結(jié)構(gòu)。網(wǎng)絡(luò)媒體關(guān)注（me）：市場信息復(fù)雜多樣，而媒體是具有信息傳遞功能的重要中介，可以發(fā)揮監(jiān)督作用，彌補信息不對稱問題。本文借鑒陶云清等[24]的研究，統(tǒng)計企業(yè)在網(wǎng)絡(luò)新聞的標題和正文內(nèi)容中出現(xiàn)的次數(shù)，并取自然對數(shù)，由此表征企業(yè)的網(wǎng)絡(luò)媒體關(guān)注。

（4）門檻變量

知識產(chǎn)權(quán)保護（IPP）：既有研究對于知識產(chǎn)權(quán)保護的測度主要有GP指數(shù)、專利侵權(quán)糾紛結(jié)案率以及技術(shù)市場交易額與GDP的比值等。考慮到本文研究需要以及數(shù)據(jù)可得性等因素，參考李莉等[25]的研究，使用各省技術(shù)市場交易額與當年地區(qū)生產(chǎn)總值的比值來衡量各省的知識產(chǎn)權(quán)保護。

（5）控制變量

在閱讀并梳理相關(guān)文獻的基礎(chǔ)上，選定以下可能影響企業(yè)創(chuàng)新質(zhì)量的因素作為本文的控制變量：企業(yè)年齡（age），采用企業(yè)上市年限；企業(yè)規(guī)模（size），采用企業(yè)總資產(chǎn)的自然對數(shù)來衡量；資產(chǎn)負債率（loar），采用企業(yè)總負債比總資產(chǎn)來表示；流動比率（cur），采用流動資產(chǎn)比流動負債表示；現(xiàn)金比率（car），采用現(xiàn)金及現(xiàn)金等價物比流動負債表示；凈資產(chǎn)收益率（roe），采用企業(yè)凈利潤比平均凈資產(chǎn)來衡量；資本密集度（ci），采用企業(yè)固定資產(chǎn)凈值比員工總數(shù)并取自然對數(shù)來表示；企業(yè)價值（tob），采用市場價值比總資產(chǎn)表示。

3. 數(shù)據(jù)來源

2013年被稱為中國的大數(shù)據(jù)元年，故本文選取2013—2023年652家專利密集型制造業(yè)企業(yè)和31個省區(qū)市（不包含港澳臺地區(qū)）的面板數(shù)據(jù)，研究樣本經(jīng)過如下篩選：（1）剔除ST企業(yè)和*ST企業(yè)；（2）剔除各指標數(shù)據(jù)嚴重缺失的企業(yè)和省份。使用Excel和Stata18.0進行數(shù)據(jù)篩選、處理和分析，最終得到7172個企業(yè)-年度樣本觀測值。其中，企業(yè)數(shù)據(jù)來自CNRDS數(shù)據(jù)庫和CSMAR數(shù)據(jù)庫，省份數(shù)據(jù)來自《中國統(tǒng)計年鑒》。

四、 實證結(jié)果分析

1. 描述性統(tǒng)計

本文主要變量描述性統(tǒng)計結(jié)果如表1所示。由表1可知，專利密集型制造業(yè)創(chuàng)新質(zhì)量最大值為0.528，最小值為0，標準差為0.097，說明不同專利密集型制造業(yè)企業(yè)的創(chuàng)新質(zhì)量存在一定差異。數(shù)字化轉(zhuǎn)型的最大值為5.398，最小值為0，標準差為1.290，反映了不同的專利密集型制造業(yè)企業(yè)之間的數(shù)字化水平差距較大。

2. 基準結(jié)果分析

為探究數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響，本文采用逐步回歸法首先進行直接影響的回歸分析，結(jié)果如表2所示。由表2列（1）可知，在未納入其他變量時，數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響系數(shù)為正，且在1%的水平上顯著，假設(shè)1得到初步驗證。在此基礎(chǔ)上，逐步加入企業(yè)規(guī)模、企業(yè)年齡等控制變量，以排除其他因素對創(chuàng)新質(zhì)量的干擾；同時引入時間、行業(yè)和省份固定效應(yīng)，分別控制宏觀環(huán)境變化、行業(yè)異質(zhì)性特征以及區(qū)域發(fā)展差異的影響。結(jié)果顯示，核心解釋變量數(shù)字化轉(zhuǎn)型的回歸系數(shù)仍然在1%的水平上顯著為正，表明數(shù)字化轉(zhuǎn)型可以顯著提升專利密集型制造業(yè)創(chuàng)新質(zhì)量，假設(shè)1得到進一步驗證。

3. 穩(wěn)健性檢驗

為驗證上述結(jié)果的準確性，本文采取如下方法進行檢驗：

（1）更換被解釋變量

本文利用發(fā)明專利占比和專利申請總數(shù)替代發(fā)明專利知識寬度進行回歸分析，檢驗結(jié)果見表3列（1）、列（2）。

（2）更換解釋變量

本文采用基于機器學習的文本分析法和數(shù)字化相關(guān)的無形資產(chǎn)占比衡量數(shù)字化轉(zhuǎn)型，替換核心解釋變量進行回歸，回歸結(jié)果見表3列（3）、列（4）。

（3）更換模型

本文選取的被解釋變量為專利密集型制造業(yè)創(chuàng)新質(zhì)量，屬于零值和正值連續(xù)分布共存的截斷數(shù)據(jù)，而Tobit模型適用于被解釋變量存在較多零值的情況，故采用Tobit模型重新進行估計，結(jié)果見表3列（5）。

（4）剔除直轄市樣本

考慮到可能有政策傾斜因素的存在，比如相較于其他省份，直轄市在經(jīng)濟發(fā)展規(guī)劃中往往具有更加明顯的區(qū)位、政治和經(jīng)濟等優(yōu)勢，因此，本文從總樣本中剔除注冊地為四個直轄市的企業(yè)樣本再次進行回歸，結(jié)果如表3列（6）。

由表3可知，DE系數(shù)始終顯著為正，證明數(shù)字化轉(zhuǎn)型能夠促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升，基準結(jié)果具備穩(wěn)健性。

4. 內(nèi)生性檢驗

考慮到可能存在反向因果的內(nèi)生性問題，即專利密集型制造業(yè)創(chuàng)新質(zhì)量提升可能反過來推動企業(yè)加大數(shù)字化轉(zhuǎn)型投入，形成雙向影響關(guān)系。為此，本文使用以下兩種方法進行驗證：

（1）工具變量法

本文選取各省地形起伏度和年度企業(yè)數(shù)字資產(chǎn)的交互項（iv1）[26]、1984年每百人固定電話擁有量與上一年互聯(lián)網(wǎng)用戶數(shù)的交互項（iv2）[27]作為工具變量進行檢驗。對于前者，地形特征是脫離經(jīng)濟系統(tǒng)的外生變量，地形起伏度越平坦，越有利于信息傳輸、軟件業(yè)等基礎(chǔ)設(shè)施的建設(shè)，為數(shù)字化轉(zhuǎn)型營造良好的環(huán)境；對于后者，數(shù)字化轉(zhuǎn)型離不開區(qū)域數(shù)字經(jīng)濟發(fā)展的支撐，而固定電話的擁有量越多，說明區(qū)域內(nèi)的信息技術(shù)底層積淀越濃厚，對未來互聯(lián)網(wǎng)和數(shù)字技術(shù)發(fā)展的影響越深遠，因此iv1、iv2與DE存在明顯的相關(guān)性。檢驗結(jié)果見表4。列（1）顯示第一階段iv1、iv2與DE顯著相關(guān)，且F統(tǒng)計量為41.3800，大于經(jīng)驗法則的臨界值10，說明工具變量與核心解釋變量在統(tǒng)計上存在較強的相關(guān)性，且檢驗結(jié)果通過了弱工具變量檢驗、不可識別檢驗和過度識別檢驗。列（2）為第二階段結(jié)果，其中DE回歸系數(shù)的大小、正負性和顯著性與基準回歸結(jié)果無明顯差異，進一步驗證了基準回歸的結(jié)論，即數(shù)字化轉(zhuǎn)型可以提高專利密集型制造業(yè)創(chuàng)新質(zhì)量。

（2）滯后期

本文對核心解釋變量進行滯后處理，以緩解潛在的內(nèi)生性問題，回歸結(jié)果見表4。列（3）和列（4）分別是專利密集型制造業(yè)數(shù)字化轉(zhuǎn)型（DE）滯后一期和兩期的回歸結(jié)果，系數(shù)分別為0.0056和0.0058，均在5%的水平上顯著。這一結(jié)果不僅與基準回歸結(jié)論一致，更表明數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的正向影響具有持續(xù)性，進一步驗證了研究結(jié)論的可靠性與穩(wěn)健性，說明數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的驅(qū)動作用并非短期偶然，而是具備穩(wěn)定的長期效應(yīng)。

5. 異質(zhì)性分析

（1）區(qū)位異質(zhì)性

根據(jù)專利密集型制造業(yè)所在區(qū)域地理位置將樣本分為東部和中西部兩種類型，分別進行回歸分析，結(jié)果見表5列（1）、列（2）。結(jié)果表明，相較于東部地區(qū)，數(shù)字化轉(zhuǎn)型對中西部地區(qū)專利密集型制造業(yè)創(chuàng)新質(zhì)量的提高作用更為顯著。可能的原因：一是中西部地區(qū)近年獲國家數(shù)字化轉(zhuǎn)型政策重點扶持，數(shù)字基建投入力度大，為企業(yè)提供了良好的技術(shù)應(yīng)用環(huán)境，降低了轉(zhuǎn)型成本；二是中西部企業(yè)正處于轉(zhuǎn)型起步期，技術(shù)引進能快速彌補創(chuàng)新流程中的短板，產(chǎn)生“后發(fā)優(yōu)勢”。

（2）產(chǎn)權(quán)異質(zhì)性

根據(jù)專利密集型制造業(yè)產(chǎn)權(quán)屬性將樣本分為國企和非國企進行回歸分析，結(jié)果見表5列（3）、列（4）。相較于國有企業(yè)，數(shù)字化轉(zhuǎn)型對專利密集型非國有企業(yè)創(chuàng)新質(zhì)量的正向影響更加顯著。非國有企業(yè)通常具有更大的市場競爭壓力，迫使其更加注重技術(shù)創(chuàng)新和產(chǎn)品質(zhì)量的提升。在數(shù)字化轉(zhuǎn)型過程中，非國有企業(yè)能夠迅速適應(yīng)市場需求，通過數(shù)字化轉(zhuǎn)型提升研發(fā)效率、加強產(chǎn)品設(shè)計與測試，進而顯著提高創(chuàng)新質(zhì)量。

（3）規(guī)模異質(zhì)性

根據(jù)專利密集型制造業(yè)的總資產(chǎn)規(guī)模將樣本分為小規(guī)模企業(yè)和大規(guī)模企業(yè)兩類，回歸結(jié)果見表6列（1）、列（2）。數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的提升作用在大規(guī)模企業(yè)中更加有效。相較于大規(guī)模企業(yè)，小規(guī)模企業(yè)有限的總資產(chǎn)規(guī)模導(dǎo)致數(shù)字化投入分散且不足，難以有效地支撐數(shù)字化轉(zhuǎn)型的推進。且小規(guī)模企業(yè)跨部門數(shù)據(jù)整合效率一般低于行業(yè)均值，數(shù)字技術(shù)難以滲透至核心研發(fā)環(huán)節(jié)，故不能最大化呈現(xiàn)數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的促進作用。

（4）產(chǎn)業(yè)異質(zhì)性

基于產(chǎn)業(yè)異質(zhì)性，將專利密集型制造業(yè)分為“復(fù)雜型”和“離散型”[28]進行回歸，回歸結(jié)果見表6列（3）、列（4）。數(shù)字化轉(zhuǎn)型對復(fù)雜型企業(yè)創(chuàng)新質(zhì)量的促進作用更強。復(fù)雜型企業(yè)通常涉及高度集成的技術(shù)體系，創(chuàng)新過程復(fù)雜且依賴大量的技術(shù)積累與協(xié)同。復(fù)雜型企業(yè)在數(shù)字化轉(zhuǎn)型的過程中，數(shù)字化工具和平臺能夠促進技術(shù)協(xié)作、提高研發(fā)效率、加速新產(chǎn)品的迭代和應(yīng)用，同時也能在市場和客戶互動方面提供更精準的支持，從而顯著提高創(chuàng)新質(zhì)量。離散型企業(yè)創(chuàng)新過程往往具有獨立、非連續(xù)的特征，如醫(yī)藥制造業(yè)創(chuàng)新依賴長期的實驗研究和臨床試驗，數(shù)字化轉(zhuǎn)型對創(chuàng)新的直接促進作用相對較弱。

6. 中介機制檢驗

為驗證數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響機制，本文對前述中介效應(yīng)模型進行回歸分析，結(jié)果如表7所示。

（1）人力資本結(jié)構(gòu)機制

列（2）中DE的回歸系數(shù)為0.0222，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型可以優(yōu)化人力資本結(jié)構(gòu)。列（3）中DE和hc的系數(shù)分別為0.0046和0.0528，在1%和5%的顯著性水平上與創(chuàng)新質(zhì)量正相關(guān)，證明數(shù)字化轉(zhuǎn)型可以通過優(yōu)化人力資本結(jié)構(gòu)提高專利密集型制造業(yè)創(chuàng)新質(zhì)量。經(jīng)Sobel檢驗可知，中介效應(yīng)占比為20.39%，假設(shè)2得以驗證。

（2）網(wǎng)絡(luò)媒體關(guān)注機制

列（4）中me的回歸系數(shù)為0.0983，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型可以提高網(wǎng)絡(luò)媒體關(guān)注。列（5）中DE和me的系數(shù)分別為0.0047和0.0108，在5%和1%的顯著性水平上與創(chuàng)新質(zhì)量正相關(guān)，表明數(shù)字化轉(zhuǎn)型可以通過提高網(wǎng)絡(luò)媒體關(guān)注促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升。由Sobel檢驗可知，中介效應(yīng)占比為18.45%，假設(shè)3得以驗證。

為了進一步增強中介效應(yīng)檢驗結(jié)果的穩(wěn)健性，本文運用Bootstrap方法迭代1000次進行驗證。結(jié)果見表7，置信區(qū)間均不包括0，證明結(jié)果具備穩(wěn)健性。

7. 門檻效應(yīng)檢驗

本文以知識產(chǎn)權(quán)保護（IPP）為門檻變量，采用Bootstrap自助法進行檢驗。運用Stata18重復(fù)抽樣300次，依次進行單門檻、雙門檻和三門檻的檢驗。結(jié)果如表8所示。知識產(chǎn)權(quán)保護存在顯著的雙門檻效應(yīng)，且門檻值分別為0.0224和0.0416。

依據(jù)Hansen提出的估計法，門檻值是似然比統(tǒng)計量LR趨向于0時對應(yīng)的[γ]值，據(jù)此繪制相應(yīng)的門檻估計值在95%置信區(qū)間下的LR圖，如圖2所示。自上而下分別是第一門檻值（0.0224）和第二門檻值（0.0416）對應(yīng)的LR圖。LR統(tǒng)計量最低點對應(yīng)真實的門檻值，虛線以下是指LR小于5%顯著性水平下的臨界值7.35對應(yīng)的門檻區(qū)間。

表9為以IPP為門檻變量的回歸結(jié)果。當IPPlt;0.0224時，數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響為負且不顯著；當0.0224≤IPPlt;0.0416時，DE的系數(shù)為0.0069，在1%的顯著性水平上通過檢驗，說明數(shù)字化轉(zhuǎn)型顯著提高專利密集型制造業(yè)創(chuàng)新質(zhì)量；當IPP≥0.0416時，DE的系數(shù)為0.0167，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的促進作用隨知識產(chǎn)權(quán)保護的提高而增強，假設(shè)4得以驗證。進一步分析可見，低水平IPP下，制度保障不足導(dǎo)致技術(shù)要素流動陷入“制度性陷阱”，企業(yè)因技術(shù)溢出風險與產(chǎn)權(quán)收益不確定性，難以構(gòu)建數(shù)字化轉(zhuǎn)型所需的協(xié)作網(wǎng)絡(luò)，反而加劇創(chuàng)新資源耗散。當IPP突破第一門檻，明晰的產(chǎn)權(quán)邊界降低技術(shù)交易成本，適度知識溢出許可激活跨組織協(xié)同創(chuàng)新價值，數(shù)字化轉(zhuǎn)型通過數(shù)據(jù)驅(qū)動的知識重組優(yōu)化創(chuàng)新要素配置。而IPP跨越第二門檻后，強保護機制促進跨部門、跨企業(yè)合作及技術(shù)交易市場活躍，制度環(huán)境成熟度進一步強化數(shù)字化轉(zhuǎn)型的賦能效應(yīng)。

五、 結(jié)論與建議

數(shù)字經(jīng)濟正重塑全球創(chuàng)新版圖，專利密集型制造業(yè)作為國家戰(zhàn)略科技力量的核心載體，其創(chuàng)新質(zhì)量已成為促進經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵密鑰。本文基于2013—2023年滬深兩市A股上市公司中652家專利密集型制造業(yè)企業(yè)數(shù)據(jù)，探究了數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量影響效應(yīng)及作用機制。研究結(jié)果表明：第一，數(shù)字化轉(zhuǎn)型可以促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升，該促進作用對中西部地區(qū)、大規(guī)模、非國有和復(fù)雜型企業(yè)更加顯著；第二，數(shù)字化轉(zhuǎn)型可以通過優(yōu)化人力資本結(jié)構(gòu)和提高網(wǎng)絡(luò)媒體關(guān)注促進專利密集型制造業(yè)創(chuàng)新質(zhì)量提升；第三，知識產(chǎn)權(quán)保護在數(shù)字化轉(zhuǎn)型對專利密集型制造業(yè)創(chuàng)新質(zhì)量的影響中存在顯著的雙門檻效應(yīng)，當知識產(chǎn)權(quán)保護達到一定閾值時，數(shù)字化轉(zhuǎn)型對創(chuàng)新質(zhì)量的促進作用才能有效發(fā)揮，且促進作用隨知識產(chǎn)權(quán)保護的提高而增強。根據(jù)以上結(jié)論，提出如下建議：

構(gòu)建多維度支撐體系，強化數(shù)字化轉(zhuǎn)型的制度保障與精準施策。一是完善數(shù)字化轉(zhuǎn)型賦能框架，設(shè)立專項基金優(yōu)先支持數(shù)字基建，推動軟硬件系統(tǒng)適配性升級，夯實數(shù)字化轉(zhuǎn)型基礎(chǔ)；同步優(yōu)化知識產(chǎn)權(quán)保護，修訂法規(guī)并建立數(shù)字化轉(zhuǎn)型快速維權(quán)通道，縮短周期、降低成本，釋放制度-技術(shù)協(xié)同效能。二是實施分層分類引導(dǎo)策略，針對企業(yè)產(chǎn)權(quán)類型，推動國企借鑒非國企經(jīng)驗探索差異化轉(zhuǎn)型路徑；依據(jù)產(chǎn)業(yè)特性，制定離散型企業(yè)標準化改造、復(fù)雜型企業(yè)技術(shù)集成攻關(guān)等定向扶持政策，促進創(chuàng)新質(zhì)量全面提升。

聚焦內(nèi)生能力優(yōu)化與外部資源整合，激活數(shù)字化轉(zhuǎn)型驅(qū)動的創(chuàng)新質(zhì)量提升動能。一是強化核心要素配置，通過柔性人才機制吸引頂尖科研團隊，加大品牌運營投入以提升網(wǎng)絡(luò)媒體關(guān)注，擴大創(chuàng)新成果的市場輻射力與資源吸附力。二是構(gòu)建知識產(chǎn)權(quán)全周期管理體系，運用數(shù)字技術(shù)實現(xiàn)專利資產(chǎn)的動態(tài)監(jiān)控與價值挖掘，建立風險預(yù)警機制識別潛在侵權(quán)糾紛，保障創(chuàng)新收益。三是深度適配政策導(dǎo)向，依據(jù)自身產(chǎn)權(quán)屬性、技術(shù)復(fù)雜度及發(fā)展階段特性，選擇性接入數(shù)字創(chuàng)新平臺、調(diào)整技術(shù)應(yīng)用方案，實現(xiàn)數(shù)字化轉(zhuǎn)型與政策紅利的精準匹配。

參考文獻：

[1] 張洪昌，王偉梅，王越.企業(yè)數(shù)字化轉(zhuǎn)型與制造業(yè)韌性：基于同群效應(yīng)視角[J].現(xiàn)代管理科學，2025（2）：179-189.

[2] 吳群，韓天然，姜南.數(shù)字化與專利密集型產(chǎn)業(yè)技術(shù)創(chuàng)新協(xié)同研究[J].科研管理，2024，45（7）：101-109.

[3] 錢秋蘭，劉建江，羅雙成，等.大數(shù)據(jù)應(yīng)用能否促進企業(yè)創(chuàng)新的“增量提質(zhì)”？[J].科學決策，2025（4）：46-62.

[4] 馬瑞光，朱倍其，殷江濱.企業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新質(zhì)量提升：基于創(chuàng)新技術(shù)特征的視角[J].經(jīng)濟問題探索，2024（3）：65-82.

[5] 楊鵬，孫偉增.企業(yè)數(shù)字技術(shù)應(yīng)用對綠色創(chuàng)新質(zhì)量的影響研究[J].管理學報，2024，21（2）：232-239.

[6] 李云鶴，吳文鋒.數(shù)字化轉(zhuǎn)型能否助力我國制造業(yè)企業(yè)創(chuàng)新提質(zhì)增效？[J].社會科學，2023（9）：107-122.

[7] LI L，SU F，ZHANG W，et al.Digital Transformation by SME Entrepreneurs： A Capability Perspective[J]. Information Systems Journal，2018，28（6）：1129-1157.

[8] 王象路，羅瑾璉，耿新.企業(yè)數(shù)字化能否促進創(chuàng)新“提質(zhì)增量”？——基于動態(tài)能力視角[J].科學學與科學技術(shù)管理，2024，45（11）：104-117.

[9] VON BRIEL F，DAVIDSSON P，RECKER J.Digital Technologies as External Enablers of New Venture Creation in the IT Hardware Sector[J]. Entrepreneurship Theory and Practice，2018，42（1）：47-69.

[10] SKLYAR A， KOWALKOWSKI C， TRONVOLL B， et al. Organizing for Digital Servitization： A Service Ecosystem Perspective[J].Journal of Business Research， 2019，104：450-460.

[11] 宋敬，陳良華，葉濤.數(shù)字經(jīng)濟能夠提升企業(yè)創(chuàng)新質(zhì)量嗎——基于新熊彼特增長理論視角[J].科技進步與對策，2023（12）：1-11.

[12] ACEMOGLU D，RESTREPO P. Robots and Jobs：Evidence from US Labor Markets[J]. Journal of Political Economy，2020，128（6）：2188-2244.

[13] 劉暢，潘慧峰，李珮，等.數(shù)字化轉(zhuǎn)型對制造業(yè)企業(yè)綠色創(chuàng)新效率的影響和機制研究[J].中國軟科學，2023（4）：121-129.

[14] ALEXY O， WEST J， KLAPPER H， et al. Surrendering Control to Gain Advantage： Reconciling Openness and the Resource-Based View of the Firm[J]. Strategic Management Journal，2018，39（6）：1704-1727.

[15] 肖振紅，李炎.知識產(chǎn)權(quán)保護、Ramp;D投入與區(qū)域綠色創(chuàng)新績效[J].系統(tǒng)管理學報，2022（2）：374-383.

[16] HU X H，ZHANG Z C，LV C Y.The Impact of Technological Transformation on Basic Research Results： The Moderating Effect of Intellectual Property Protection[J]. Journal of Innovation amp; Knowledge，2023，8（4）：100443.

[17] 陳偉，鄧堯，李玉山，等.互聯(lián)網(wǎng)發(fā)展對技術(shù)創(chuàng)新的影響研究——基于知識產(chǎn)權(quán)保護的視角[J].科研管理，2024，45（3）：151-160.

[18] 溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學進展，2014，22（5）：731-745.

[19] HANSEN B E. Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference[J].Journal of Econometrics，1999，93（2）：345-368.

[20] WANG Q Y. Fixed-effect Panel Threshold Model Using Stata[J]. The Stata Journal：Promoting Communications on Statistics and Stata，2015，15（1）：121-134.

[21] 張杰，鄭文平.創(chuàng)新追趕戰(zhàn)略抑制了中國專利質(zhì)量么？[J].經(jīng)濟研究，2018（5）：28-41.

[22] 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（7）：130-144，10.

[23] 肖土盛，孫瑞琦，袁淳，等.企業(yè)數(shù)字化轉(zhuǎn)型、人力資本結(jié)構(gòu)調(diào)整與勞動收入份額[J].管理世界，2022，38（12）：220-237.

[24] 陶云清，侯婉玥，劉兆達，等.公眾環(huán)境關(guān)注如何提升企業(yè)ESG表現(xiàn)？——基于外部壓力與內(nèi)部關(guān)注的雙重視角[J].科學學與科學技術(shù)管理，2024（7）：88-109.

[25] 李莉，閆斌，顧春霞.知識產(chǎn)權(quán)保護、信息不對稱與高科技企業(yè)資本結(jié)構(gòu)[J].管理世界，2014，30（11）：1-9.

[26] 柏培文，張云.數(shù)字經(jīng)濟、人口紅利下降與中低技能勞動者權(quán)益[J].經(jīng)濟研究，2021（5）：91-108.

[27] 黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗[J].中國工業(yè)經(jīng)濟，2019（8）：5-23.

[28] 姜南，徐明.知識產(chǎn)權(quán)保護對產(chǎn)業(yè)影響作用的差異性分析[J].科研管理，2016，37（增刊1）：103-109.

基金項目：教育部人文社會科學研究規(guī)劃基金項目“新發(fā)展格局下在華跨國公司創(chuàng)新對中國本土企業(yè)創(chuàng)新效率的影響機理及路徑優(yōu)化研究”（項目編號：23YJA790005）。

作者簡介：陳會英，女，山東科技大學經(jīng)濟管理學院教授，博士生導(dǎo)師，研究方向為技術(shù)創(chuàng)新與知識管理；侯開豪，通訊作者，女，山東科技大學經(jīng)濟管理學院碩士研究生，研究方向為產(chǎn)業(yè)經(jīng)濟；周衍平，男，山東科技大學經(jīng)濟管理學院教授，博士生導(dǎo)師，研究方向為技術(shù)創(chuàng)新與知識管理、農(nóng)林經(jīng)濟管理。

（收稿日期：2025-05-07" 責任編輯：魯文雯）