<noframes id="jnvhh"><ins id="jnvhh"><strike id="jnvhh"></strike></ins>
<var id="jnvhh"></var>
<var id="jnvhh"></var><menuitem id="jnvhh"></menuitem>
<var id="jnvhh"></var>
<cite id="jnvhh"><strike id="jnvhh"></strike></cite>
<var id="jnvhh"></var>
<var id="jnvhh"></var>

企业数字化对技术创新能力的影响机制

2022-07-15 05:16刘树林李梦洁胡苏敏
现代管理科学 2022年3期

刘树林 李梦洁 胡苏敏

[摘要]在产业数字化浪潮下,微观企业必然受到影响,那么企业技术创新能力将在何种程度上受到影响,影响的具体机制何在,这些机制对不同特质的企业是否有差异?为回答这些问题,借助Python与文本分析法构建了企业数字化水平的测度指标,基于中国A股上市企业2008—2020年数据,實证检验了企业数字化对技术创新能力的影响程度、影响机制,以及机制的异质性。结果表明:企业数字化水平提升1%能够促进技术创新能力提升18.29%,且这一促进作用在企业数字化后的1至3年内均显著;机制分析发现,企业数字化能够通过促进内部资源协同、增强研发经费投入,以及优化劳动力素质提升技术创新能力;对机制的进一步研究发现,相比于国有企业,内部资源协同机制在非国有企业中更显著;相比于高技术产业企业,劳动力素质优化机制在非高技术产业企业中更显著。以上结论为企业建设内外部数字化信息平台、增强数字化人才积累等提供了理论依据。

[关键词]企业数字化;技术创新能力;文本分析法;中介机制

一、引言

在当前世界经济形势低迷、科技竞争形势严峻的背景下,增强我国综合实力与国际竞争力具有时代意义,尤其是技术创新能力的提升。2020年10月,《“十四五”规划及远景目标》提出要强化企业创新主体地位,提升企业技术创新能力,加快建设科技强国1。技术创新能力已成为新时代背景下国家经济社会前进的关键驱动力,但我国仍存在自主创新不足、关键核心技术被掣肘等问题。

发展数字经济已成为把握新一轮科技革命和产业变革新机遇的战略选择2。目前,对于数字化在企业层面的定义尚未达成共识,但其共性体现为各类数字技术在企业的应用与融合,这意味着数字技术的应用过程可宽泛地理解为企业数字化的过程。

近年来企业数字化受到学术界广泛关注,有关研究主要从管理变革[1]、组织授权[2]、商业模式[3]、企业成长[4]等视角展开,而鲜有关于企业数字化对技术创新影响的研究。企业借助数字技术实现经营管理、研发设计、生产制造等全链变革,能否带来技术创新能力的提升?能在多大程度上带来提升?以及如何提升等问题值得深入研究。本文以此为切入点,探索企业数字化对技术创新能力的贡献与机制。本文的边际贡献可能在于:(1)测算企业数字化对技术创新能力的影响程度,发现企业数字化水平提升1%能够促进技术创新能力提升18.29%,且这一促进作用在企业数字化后的1—3年内均显著,一定程度上填补了企业数字化对技术创新能力影响研究的空白;(2)识别出企业数字化影响技术创新能力的中介机制,为如何提升企业技术创新能力补充了路径参考;(3)进一步研究上述机制在异质企业中的适用性差异,为制定差异化政策提供有益参考。

二、 理论机制

1. 内部资源协同机制

企业数字化能够减少技术创新过程中的资源耦合损耗,缓解资源错配,提高内部协同性,降低创新成本,为企业技术创新能力的提升提供必要条件,具体体现在以下方面。

一是加快信息流通,缓解组织矛盾。由信息不对称、雇佣风险[5]、经济业绩风险[6]、资本市场压力[7]等因素引起的代理问题使得经理人更倾向于推行风险较低的常规项目,极大地影响了企业技术创新能力。数字技术能够实现企业活动透明化、数据反馈实时化,且本身具有监督和审计优势[8],使经理人失去信息垄断,可以加强股东对经理人的监管,防止其削减技术创新项目的资金投入,进而提升企业技术创新能力。

二是实时提供市场与技术信息,减少资源错配发生。有研究认为大数据时代的到来使得企业面临信息过载的问题,其将抬高企业创新决策门槛。数字技术可以帮助企业实时获取全面多维的数据,并从中提取信息点构建对市场及用户的多维动态模型,从而智能预测需求场景与技术创新方向,取代依赖经验式的分析决策,实现数据驱动科学研发。

三是摆脱物理实体限制,防止资源浪费。虚拟化是企业数字化的显著特点之一,一方面,企业可以通过数字孪生的方式,将物理实体的研发过程精准、全维度、实时动态地映射到虚拟空间中,建立虚拟的可交互技术空间,各个环节工程师可以在虚拟空间中协作完成高复杂性的技术研发与试验,摆脱物理实体与时空束缚,有效降低研发试错成本与固定资产投入;另一方面,通过AI平台进行智能分析预测,提前防范风险,还可以迅速精准定位故障位置,及时发现不利环节, 从而针对性地优化系统、削减成本。

2. 研发经费投入增强机制

由于技术创新具有投入高、周期长等特征,充足的经费支持对企业技术创新活动而言至关重要,并且研发投入增强能够提高技术创新活动的抗风险能力。企业数字化有助于保障并扩大企业研发经费投入规模,提高企业技术创新能力。

一方面,企业数字化能够增强企业内部现金流,保障技术创新投入。一是企业数字化通过敏捷研发、柔性生产、专业化分工协作等方式使得企业能够快速响应市场需求,提高其投入产出效率,获得更多经济效益。二是企业物资管理系统、财务系统的数字化能够使企业更加全面清晰地掌握自身资产与财务状况,强化对各类资产与账款的管理,避免流动性风险,保障现金流的稳健。三是在数字经济对国民经济产生巨大带动作用的背景下,政府出台了一系列政策如对智能制造行业减税降费等,缓解了企业经费压力,为企业加大科技创新力度提供动力与保障。

另一方面,企业数字化能够扩大企业外源融资规模,而外源融资规模较大的企业更有动力增强研发经费投入[9]。首先,数字技术能够通过改善信息不对称、提高决策智慧水平等方式,改进企业自身的经营管理效率,带来企业内在价值的切实提高与财务状况的改善。这将使企业获得更多市场投资者的青睐,进而扩大交易规模,为企业带来大量股权融资。其次,技术创新项目在寻求外部融资的过程中,由于信息不对称与“逆向选择”等问题,投资者难以准确判断项目质量,投资意愿弱,导致技术创新项目的融资水平较低,因此需要企业向外部投资者释放有效信号来获取更多融资。数字化方式能够给企业提供与外界实时交流、传递准确信息的工具,使企业信息的可利用度与透明度得到提高,改进资本市场的信息效率并降低投资者评估技术创新项目的门槛,从而帮助企业技术创新项目获得更多外部融资支持。

3. 劳动力素质提升机制

企业创新质量依赖高质量人力资本,劳动力素质与技术不匹配会在一定程度上阻碍新技术的开发与应用,并且降低潜在创新效率提高的可能性。企业数字化将通过学习效应与替补效应使劳动力素质向高处偏移,增强企业人力资本积累,进而提升企业技术创新能力。

首先是学习培养效应。在现有员工培养实践中存在着资源有限且不均衡、工学矛盾突出、培训成本高等瓶颈问题,需要通过数字化手段来解决。企业数字化可以提升企业外部资源搜寻的广度与深度,促进组织间的知识资源转移、扩散和溢出,降低培养资源获取成本、丰富各类知识要素,并加快企业内外部知识的流通融合,打破资源传播边界,进而改善培养资源有限且分配不均衡的问题。另外,数字化方式还将缓解工学矛盾,如直播授课、远程回放等方式可以使员工培训能够突破时间与空间的限制;同时也能大幅降低企业培训的边际成本,使企业扩大培训规模,培训覆盖全体员工,有利于形成学习型组织,增强全员创新意识。

其次是人才替换效应,数字化会减少企业对低素质劳动力的需求,并派生对高素质劳动力的需求。数字技术与劳动力在不同职责方面具有各自的比较优势,那么在数字技术更有优势的岗位上劳动力便会被替代,例如风控算法替代人工审核、大数据替代人工统计等。可以看出,这一“替代效应”具有偏向性,低素质劳动力对数字技术的替代弹性更大。高素质劳动力与数字技术间存在显著的“互补效应”,表现为高素质劳动力可以快速适应组织模式与研发方式变革[10],灵活使用新工具,更好地预判技术研发过程中的不确定性并及时做出调整,从而产生协同创新效应。因此企业数字化将派生对高素质劳动力的需求,增强企业人力资本积累,增强企业创新意识,提升研发质量。

三、 研究设计

1. 数据来源

相关原始数据均来源于Wind数据库及沪深交易所官方网站。本文选取沪深A股上市公司作为研究样本分析企业数字化对技术创新的影响。由于2008年后我国数字经济开始步入发展期,本文选取观测期间为 2008—2020年。本文对原始数据作了以下处理:第一,剔除ST、*ST类企业样本;第二,剔除金融类企业样本;第三,由于专利数为零代表着技术创新活动没有形成创新产出,因而观测值难以反映影响因素的作用,故剔除在观测期间连续5年专利数为零的企业样本。数据处理后得到3918个“企业-年度”观测值(341家上市企业)。此外,为减弱异常值的干扰,本文对所有变量进行了双边5%缩尾处理。

2. 变量设定

(1)被解释变量

新产品销售收入、专利数量等指标都可以用来衡量企业技术创新能力,然而对于新产品目前学者还没有形成统一的划分标准;虽然专利申请量能在一定程度上体现企业创新能力,但由于企业存在申请低质量专利的倾向性[11],从而难以准确衡量企业技术创新能力。相比之下,企业授权专利经过审核部门的严格检验,能够更好地体现企业真实技术创新能力,因此本文选取专利授权数衡量企业技术创新能力(TIC)。

(2)核心解释变量

既有关于企业数字化的定量研究多是利用截面的问卷调查数据进行研究,部分学者针对“企业是否数字化转型”设置虚拟变量进行检验[12]。对本文而言,这些处理方法无法体现企业数字化水平的差异,从而难以研究企业数字化对技术创新能力的影响程度,因此有必要从新的角度刻画企业数字化水平。

参考一系列相关研究[13-14],结合本文对“企业数字化”概念的界定,本文重新构建了企业数字化特征词词典;在此基础上采用大数据与文本分析法刻画企业数字化指数(DTI)。考虑企业年报章节间逻辑关系较弱的特点,本文选用词典法提取数据矩阵中的文本信息。具体技术实现如下:[①]将原始文本库转换为结构化数据矩阵。[②]构建企业数字化的特征词词典,本文基于政策文件、研究报告、企业实践与学术研究分别进行了归类讨论。首先,以政策文件与研究报告为蓝本,确定了关键技术方向与主要场景的名词;其次,参考了一系列前沿数字技术的学术研究与报告,如数字孪生[15-16]、云边协同[17]等,扩充了具体技术名词与应用场景;最后,结合现有的企业实践,如AWS、Azure、阿里云等服务商产品,进一步补充完善了各项数字技术在企业中的实际使用场景。最终形成了如图1所示的特征词词典。[③]基于前述形成的“企業-年份”原始词库与特征词词典进行检索匹配,剔除词组前存在的否定词语表述。最后统计出所有特征词披露次数并加总词频,对总词频进行对数化处理,构建企业数字化指数指标。

(3)控制变量

为规避因遗漏重要变量可能产生的计量检验偏误,参考冯福根等的研究[18],本文引入了一系列控制变量,包括企业规模(ASSET)、资产报酬率(ROA)、上市年龄(AGE)、流动比率(CURRENT)等,详细变量含义与数据结构如表1所示。

3. 模型设定

为研究企业数字化对技术创新能力的影响,本文构建了如下多元线性回归方程(1)加以检验:

其中,被解释变量TIC表示技术创新能力,核心解释变量DTI衡量企业数字化指数,参数α刻画DTI对企业技术创新能力的影响程度。CV为前述控制变量,包括企业规模(ASSET)、资产报酬率(ROA)、上市年龄(AGE)、流动比率(CURRENT)等。为了吸收地区、行业、时间层面不可观测因素对企业技术创新能力的影响,本文加入了省份([μP)]、行业([δI])和年份[(λY)]3个层面的固定效应,[εit]为残差项。

四、 实证结果及经济解释

1. 基准回归与稳健性检验

表2报告了企业数字化对技术创新能力影响的总体检验结果。模型(1)为只加入核心解释变量并控制了年份、行业与省份效应的回归结果,DTI的回归系数为0.1833,且在1%的水平上显著,说明数字化水平每提高1%,技术创新能力增强18.33%。模型(2)中加入了控制变量,DTI回归系数为0.1829,且仍在1%水平上显著。说明在控制其他变量后,数字化水平每提高1%,技术创新能力仍将提高18.29%。上述结果在经济意义与统计意义上均说明企业数字化程度的加深会显著提高其技术创新能力。

本文对基准回归进行了稳健性检验。一是考虑到四大一线城市(北上广深)在经济、地方政策等方面具有特殊性,本文剔除一线城市的企业样本后重新回归,结果如表2列(3)所示。二是考虑到金融环境作为重要外生环境变量,全球范围内的重大金融冲击将对企业数字化水平与技术创新造成较大影响,如数字化进程受阻滞等。为剔除国际金融危机(2008年)与国内股灾(2015年)的后效性影响,本文参考唐松等[19]的研究分别截取了2011—2014年与2017—2020年的样本进行回归检验,结果如表2列(4)、列(5)所示。三是为避免内生性问题对结果的干扰,本文延长了企业数字化对技术创新能力影响的考察期,分别将因变量(TIC)进行前置1至3期、自变量(DTI)进行滞后1至3期进行交叉比对。结果表明在两种处理下企业数字化对技术创新能力的影响均呈现出显著的正向促进作用,说明这种促进作用具有一定的持续性,未呈现出随时间推移而效果边际递减的特征。四是以产权属性和科技属性进行分样本检验。在产权属性组别中,本文将企业分为国有企业和非国有企业;在科技属性组别中,本文依据国家统计局发布的《高技术产业分类(2017)》将总样本划分为高技术产业企业与非高技术产业企业子样本1。以上检验结果均表明企业数字化能够对技术创新产生经济与统计意义上的显著促进效果,原结论稳健2。

2. 企业数字化对技术创新能力的影响机制检验

上文理论分析指出,企业数字化将促进内部资源协同、研发经费投入增加、劳动力素质优化,从而提高企业技术创新能力。本文采用中介模型进行检验。对于内部资源协同机制,企业内部资源的协同耦合也意味着企业调度成本的降低,即企业为组织和管理生产经营所发生的费用减少,故本文选取管理费用的对数值作为中介变量EXP。对于研发经费投入机制,本文以研发投入金额的对数作为中介变量RDS。对于劳动力素质机制,受教育程度是反映文化素质的重要标志,因此本文以受教育水平为标准,选取本科及以上学历人数的对数值作为中介变量EDU。具体模型为:

其中,MID表示中介变量,检验结果如表3所示。

数字化的一个重要结果即内部资源的协同与信息不对称的缓解。表3 Panel A的估计结果显示,企业数字化指数DTI对管理费用的回归系数为负值,且在1%水平上显著,表明数字化能够降低企业的管理费用,而且通过降低内部费用的方式提高了企业技术创新能力,存在部分中介效应。

表4 Panel B报告了研发经费投入机制的检验结果。可以看出,企业数字化带来了研发经费投入(RDS)的显著提升(回归系数为0.0781且在1%水平显著);进一步地,加入研发投入中介变量后,从表4中模型(3)可以看出,数字化对技术创新的贡献由0.1523下降至0.1104,且显著性水平也有所下降,而研发投入对技术创新的贡献达到了0.2371且在1%水平上显著,表明企业数字化能够通过增强研发经费投入进而提高企业技术创新能力,这一方面是由于企业数字化保障并带动了企业内部现金流的增加,另一方面是由于企业数字化带来了企业外源融资的增加,使其更有动力增强研发投入,推动技术创新能力的提高。

表5 Panel C为劳动力素质机制的估计结果。检验发现,DTI在模型(2)中的回归系数为0.077且高度显著,说明企业数字化在很大程度上能够提升其劳动力素质。进一步地,模型(3)表明加入中介变量劳动力素质后,企业数字化对技术创新能力依然是显著的正向影响,但回归系数下降,而EDU回归系数上升且显著,表明劳动力素质在数字化与技术创新能力之间发挥部分中介作用。由此形成了“企业数字化—劳动力素质优化—技术创新能力提升”的正向路径。

3. 进一步研究

在第二部分的检验中,本文基于全样本考察了企业数字化对技术创新能力的影响机制,但由于企业微观特征异质性,上述影响机制的适用性可能存在差异。因此本文以企业产权属性和科技属性对中介机制进行分样本检验,结果如表6—7所示。由于篇幅限制,此处仅展示并讨论分样本后异质性明显的中介机制,以助推差异化政策制定;其余机制在不同样本中均显著、无明显异质性,支持了本文理论假设,故在此不作更多探讨。

从表6的检验结果可以看出,“企业数字化—内部资源协同—技术创新能力提升”這一中介机制在非国有企业中更加明显,EXP回归系数为-0.4763且通过了1%水平的显著性检验,而该机制在国有企业中不显著。本文认为这是由于国有企业自身组织架构、业务发展均具有其先进性,与技术创新能力相适应,并且国有企业在资源调度方面具有明显优势,如设计、规划、管理等,故其数字化对内部资源协同的贡献度有限,且这一贡献对技术创新能力的提升影响不明显。相比之下,非国有企业大范围应用数字技术以优化组织架构与管理成本,可以更好地发挥其潜在技术创新能力。

从表7的检验结果可以看出,劳动力素质优化机制在非高技术产业企业中明显,在高技术产业企业中不显著。本文认为这一差异的原因可能在于:高技术产业企业的核心竞争力是技术创新,其本身高素质人才多,在技术创新能力方面具有优势,因此数字化带来的劳动力素质优化对其技术创新能力所发挥的提升作用不明显;而对于非高技术产业企业而言,劳动力素质级差更大,人力资本积累不足,阻碍技术创新能力的提升,因此企业数字化所带来的劳动力整体素质优化将对其技术创新能力的提升产生显著贡献。

五、 结论与启示

数字经济时代,企业数字化已成为各界的广泛共识与大势所趋。本文基于微观视角,利用2008—2020 年我国A股上市企业财报数据,考察了企业数字化对技术创新能力的影响。研究结果表明,企业数字化水平每提升1%,其技术创新能力将提升18.29%,表明企业数字化能够显著驱动技术创新能力的提升,且稳健性检验表明该驱动作用在1~3年内具有持续性。进一步识别机制发现,企业数字化能够通过促进内部资源协同、研发经费投入增加、劳动力素质优化影响技术创新能力。对机制的进一步异质性研究表明,由于企业本身基础条件差异,相比于国有企业,内部资源协同机制在非国有企业中更加显著;相比于高技术产业企业,劳动力素质优化机制在高技术产业企业中更加显著。

上述研究结论具有如下几点政策启示:一是坚定支持企业数字化,建设完善配套的基础软硬件设施,降低企业数字化门槛。积极搭建数字化信息平台;着力解决企业创新的融资难题,切实帮助企业缓解技术创新项目的经费约束,提高技术创新能力。二是国有企业作为国民经济发展的中坚力量,肩负着集中精锐力量攻克关键核心技术的重大历史使命。不仅要积极利用数字化机遇促进国有企业自身技术创新与高质量发展,加快攻克高端芯片、核心电子元器件等关键短板,在产品创新数字化、经营智能化、体系生态化等方面做出良好的标杆示范,还应认识到其社会责任,充分发挥国有企业新基建主力军的作用,提速建设新型数字基础设施。三是充分利用非国有企业的积极性与创新活力,支持其深化数字化发展,鼓励各类数字技术在非国有企业中的试点应用,借助数字化机遇改善现有组织管理水平、协调内部资源,进而提高其技术创新能力。四是鼓励有条件的高技术产业企业建设数字工厂、智能车间,使数字技术切实与研发生产相结合,突破数字化共性技术与数字孪生等前沿数字技术,赋能企业技术创新。支持非高技术产业企业与科研院所等单位交流合作,积极培养、引进数字化高素质人才,增强人才积累,促进技术创新能力提升。

参考文献:

[1] 戚聿东,肖旭.数字经济时代的企业管理变革[J].管理世界,2020,36(6):135-152.

[2] 刘政,姚雨秀,张国胜,等.企业数字化、专用知识与组织授权[J].中国工业经济,2020(9):156-174.

[3] 孟韬,赵非非,张冰超.企业数字化转型、动态能力与商业模式调适[J].经济与管理,2021,5(4):24-31.

[4] 倪克金,刘修岩.数字化转型与企业成长:理论逻辑与中国实践[J].经济管理,2021,43(12):79-97.

[5] 韩美妮,王福胜.信息披露质量、银行关系和技术创新[J].管理科学,2017,30(5):136-146.

[6] Cornaggia J, Mao Y F, Tian X, et al.Does Banking Competition Affect Innovation[J].Journal of Financial Economics,2015,115(1):189-209.

[7] 吴武清,揭晓小,苏子豪.信息不透明、深度跟踪分析师和市场反应[J].管理评论,2017,29(11):171-182.

[8] Lateef A, Omotayo F O.Information Audit as an Important Tool in Organizational Management: a Review of Literature[J].Business Information Review,2019,36(1):15-22.

[9] 李真,席菲菲,陈天明.企业融资渠道与创新研发投资[J].外国经济与管理,2020,42(8):123-138.

[10] Gregory V.Understanding Digital Transformation:A Review and A Research Agenda[J].Journal of Strategic Information Systems,2019,28(2):118-144.

[11] 黎文靖,郑曼妮.实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.

[12] 李琦,刘力钢,邵剑兵.数字化转型、供应链集成与企业绩效——企业家精神的调节效应[J].经济管理,2021,43(10):5-23.

[13] 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(7):114-129.

[14] 杨德明,刘泳文. “互联网+”为什么加出了业绩[J].中国工业经济,2018(5):80-98.

[15] 陶飞,刘蔚然,刘检华,等.数字孪生及其应用探索[J].计算机集成制造系统,2018,24(1):1-18.

[16] 葛世荣,张帆,王世博,等.数字孪生智采工作面技术架构研究[J].煤炭学报,2020,45(6):1925-1936.

[17] 张云翼,林佳瑞,张建平.BIM与云、大数据、物联网等技术的集成应用现状与未来[J].图学学报,2018,39(5):806-816.

[18] 冯根福,郑明波,温军,等.究竟哪些因素决定了中國企业的技术创新——基于九大中文经济学权威期刊和A股上市公司数据的再实证[J].中国工业经济,2021(1):17-35.

[19] 唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界,2020,36(5):52-66.

作者简介:刘树林(1964-),男,博士,武汉理工大学经济学院教授、博士生导师,研究方向为产业经济、技术创新;李梦洁(1997-),女,武汉理工大学经济学院硕士研究生,研究方向为企业数字化;胡苏敏(1993-),女,博士,苏州科技大学商学院讲师,研究方向为创新政策。

(收稿日期:2022-01-13? 责任编辑:殷 俊)

性天天视频