數字技術發展、產學研合作與企業創新能力
——基于國家級大數據綜合試驗區的分析

王曉紅，李 娜

（哈爾濱工業大學經濟與管理學院,黑龍江哈爾濱 151001）

當前，中國經濟發展亟須從要素驅動向創新驅動轉變，科技創新已成為提升綜合國力的重要戰略支撐。近年來，中國在航空航天、人工智能等領域取得了巨大突破，但是在以歐美日為主導的全球創新科技體系中，中國在關鍵技術領域的自主研發水平與發達國家相比仍有不小差距，整體創新體系缺乏有效性仍是我國面臨的主要問題。國家“十四五”，要加強國家戰略科技力量，提高創新鏈的整體效能，著力提升企業創新能力。在此背景下，企業作為重要的創新主體，無疑是中國實現高質量發展目標的重要支撐，因此如何增強區域企業創新能力一直以來也受到了社會和學術界的廣泛關注。企業創新能力的發展離不開科技的進步。近年來以“大智移云網”為代表的新一代信息技術得到了迅猛發展，數字化浪潮下涌現出各種新模式、新服務、新業態，顯然被網絡賦能的企業，其創新環境已然發生深刻變化［1-2］。Wamba 等［3］也強調，數字化基礎設施以及多種數據來源使企業能夠以客戶需求為導向進行創新并尋求新的市場機會。顯然，如今借助數字化工具或平臺推動組織變革已經成為大多數企業謀求競爭優勢的戰略選擇［4］，近年來為推動數字技術發展，全球各主要工業化國家相繼推出大數據發展政策，如美國在2011 年出臺《大數據研究與發展計劃》；澳大利亞在2013 年推出《公共服務大數據戰略》；中國國務院在2015 年印發了《促進大數據發展行動綱要》（以下簡稱《綱要》），同年9 月，首個國家級大數據試驗區（以下簡稱“大數據試驗區”）落地貴州，2016 年又另外獲批北京、天津、河北等9 個試驗區。不可否認從理論上講，建立大數據試驗區有助于深化創新應用并加快當地關鍵技術的研發進程，為當地企業提供了“彎道超車”的機遇。然而從實際角度出發，該試點政策畢竟起步較晚，政策效果究竟如何還需要科學評估，只有這樣才能正確把握《綱要》的政策實施效果，發揮大數據試驗區的政策紅利，推動數字技術發展具有重要現實意義。數字技術的快速發展同樣引發了學術界的廣泛關注，多數文獻認同數字技術對企業創新的促進作用，如有學者認為隨著智能技術在制造業的深度融合，數字化轉型改變了傳統的生產和運營管理方式，為產品開發、生產效率和客戶服務的改善提供了潛力［5］；或有研究發現數字技術通過改變價值創造和價值獲取機制，為創新和創業創造了機會［6］。而另一部分學者認為新興技術可能會進一步增加商業環境中的競爭動態，并給企業帶來財務和創新負擔［7］；數字技術的使用可能會耗盡企業的關系資本和人力資本，從而不利于企業創新發展，甚至對學習創造力方面產生負向影響［8］。可見關于數字技術對企業創新能力的影響在學術界仍存在爭議。通過上述文獻總結發現，相關研究為本文提供了良好的思路，但關于此方面研究仍有改進的空間：首先，盡管學者們致力于將數字技術與企業創新建立聯系，但從數字技術的相關政策視角出發，實證檢驗二者關系的文獻并不豐富，大數據綜合試驗區的建立如何影響企業創新能力仍未得到充分調查，且面對學術界關于數字技術對企業創新能力影響的爭議需要提供來自中國層面的證據；其次，現有研究缺少了全面性分析，特別是從整體空間視角探討如建立大數據試驗區的數字技術發展對企業創新能力的影響機制，這也為本文研究提供了空間；此外，我國為推動數字經濟發展出臺了相關產業政策，這種政策作用需要分析。綜上，本文將從數字技術相關政策視角出發，基于大數據綜合試驗區這一難得的準自然試驗，引入雙重差分空間計量模型考察數字技術的發展對企業創新能力的影響機制。與既有研究相比，本文的邊際貢獻在于：第一，目前國內關于大數據試驗區政策效應的研究并不多見，個別學者研究停留在大數據試驗區對全要素生產率的影響［9］，而關于大數據試驗區如何影響企業創新能力層面的討論較少；本文研究發現了大數據試驗區的建立能夠有效提升企業創新能力，對現有文獻做了補充，同時基于政策視角展開的研究，也有助于調和以往關于數字技術對企業創新能力看似矛盾的觀點。第二，本文將大數據試驗區、產學研合作、企業創新能力納入同一分析框架，研究發現了產學研合作在大數據試驗區賦能企業創新能力的過程中發揮部分中介作用，進一步拓展了大數據試驗區影響企業創新能力的路徑研究。第三，鑒于大數據近乎“零成本”的傳播屬性會消弭創新資源要素等存在的地理距離和空間分布的影響，以及地區之間產學研間不同創新主體存在空間區位下的資源競爭和創新合作現象，尤其是位于相鄰地區主體更容易產生競合關系，因此本文采用雙重差分空間計量模型評估分析大數據試驗區對企業創新能力的政策效應和影響機制，進一步豐富了該領域研究的考察維度。

1 文獻綜述

數字技術會增強企業信息處理能力［10］。如互聯網通過模塊化分工變革了組織關系結構，促進了生產組織實現分工和合作極致化不斷創新［11］。云計算、物聯網等幫助了企業充分共享和配置優化所需信息［12］，提高了組織創新效率。促進數據資源的運用和共享開放是建立大數據試驗區的首要任務［9］。由此一來，試驗區內加快了生產要素數字化進程，允許企業關于產品、服務、用戶體驗或其他資源的高效交流［13］。企業可以通過大數據技術對外部有價值的市場和產品信息進行提取和識別［14］，實現產品優化和需求預測，以及供需精準對接以快速響應客戶需求，激發組織內部創新熱情［15］，同時大數據分析可為消費者提供更加精準的個性化服務，反過來企業將原本單方向產品供給輸出方實現產品供需雙向交流互動［16］，將積累的大量數據資源轉化成有用的交易信息，降低了企業與用戶間的供需缺口，用戶無形中通過虛擬客戶環境參與到了包括產品構思、產品設計和開發產品測試、產品營銷傳播等價值創造活動［17］，有利于企業及時了解用戶偏好和市場需求，從而探索新的創新機會［18］。此外，大數據試驗區加快了當地信息技術在各行業的滲透，市場競爭越來越加劇，倒逼企業為存續和發展進行持續創新［19］，也就是說，大數據試驗區的建立對企業創新能力理論上存在積極影響。

與此同時，大數據試驗區的建立也為產學研合作提供了豐富的信息資源。產學研合作是指企業、高校和科研院所間的合作，是三大創新主體共享知識和技術、資源互補的重要途徑。從理論角度出發，大數據試驗區的建立提升了各創新主體捕捉信息的能力，為產學研合作過程中的內部知識儲備起到擴充的效果，并在信息傳遞和增值過程中，簡化了產學研創新主體間的知識轉移流程，重塑了創新主體間的價值共創方式［20］，提高了知識和技術創新的即時性以及創新要素在三大創新主體間的分配效率［21-22］，推動了產學研合作中的知識創造、共享與融合以及企業、高校、科研院所的直接對接［9］。同時大數據跨時空信息傳播和創造共享數據的自然屬性大大降低了交易成本［23］，基于此先天優勢能夠有效破除產學研協同間的要素供需矛盾、經濟活動空間限制等問題，且創新主體可以利用互聯網等線上平臺的網絡連接倍增效應，短時間內從廣度和深度上實現創新要素的有效整合［11］。從實際角度出發，大數據試驗區作為一個國家級的杠桿平臺，有力推動了當地的產業集聚。例如貴州被選定為大數據試驗區后，積極地面向前沿研發機構或優質企業開展引資引智活動，推進企業、高校、科研院所開展技術交流合作。

在產學研合作過程中，高校和科研院所以基礎研究為重點，企業以產品開發為重點，這之間的知識具有較強的互補性和異質性，企業可以通過產學研合作接觸到前沿科學發明和技術［24］，如通過企業下屬研發機構同高校和科研院所間的聯合項目，校企間的戰略性合作等，在此過程中企業R&D 人員與高校和科研院所R&D 人員可在不同層面上進行交流合作，高校、科研院和企業分別作為知識的輸出端和輸入端，通過知識流動過程將知識有效應用于企業界創新活動的各個環節［25］。同時產學研合作有助于集聚和整合如科研設備、實驗室和科研人才等組織間資源，能夠有效分散和降低企業研發成本，形成創新合力［26］，高校和科研機構可為企業提供技術專業性指導，不僅幫助企業解決技術難題，加快研發速度，也提升了企業關于破解諸類問題的能力從而助力企業創新［27］。此外，隨著產學研合作的推進，企業可以從外部合作伙伴方獲得前瞻性的思想和創意與企業內部知識要素進行整合重組，這有利于企業突破長久以來的思維定式［28］，實現技術突破，并且企業可以借助高校和科研院所的外部資源優勢，實現其商業價值從而提升企業內部創新能力［29］。可見，大數據試驗區的建立很可能通過增進產學研合作水平，增強企業的創新能力，即產學研合作在大數據試驗區賦能企業創新能力過程中承擔中介傳導作用。

綜上所述，本研究首先通過構建產學研協調度模型測度區域產學研合作水平；其次，基于雙重差分廣義空間模型分析大數據試驗區的建立對企業創新能力的影響效應以及產學研合作的中介效應；最后，結合研究結論，為數字技術發展與企業創新能力建設決策借鑒。

2 實驗設計

本文研究目的是探究以大數據產業為核心的數字技術發展能否促進企業創新能力的提升，以及驗證產學研合作是否在其中發揮中介作用。本文根據我國省份是否被選定列入建立大數據試驗區名單，將樣本劃分為處理組和對照組探究大數據試驗區對企業創新能力的影響。

2.1 模型設定

考慮到傳統回歸模型難以解決由于遺漏變量等原因所導致的內生性問題，因此為有效反映大數據試驗區對企業創新能力的空間政策效應，本文引入空間計量模型進行實證分析。同時為驗證上文中提到的產學研合作在大數據試驗區對企業創新能力影響機制中可能存在的中介傳導作用，本文引入中介模型進行分析驗證，考慮到廣義空間模型SAC 具有同時包含空間誤差項依賴性和空間因變量的優勢，因此本文選擇雙重差分廣義空間模型對上述分析加以驗證，模型設定如下：

2.2 變量選取

（1）被解釋變量：EIit表示企業創新能力水平。學者們通常以創新產出衡量企業的創新能力，因此本文參考吳延兵［30］的做法，選取規模以上工業企業新產品開發項目數作為企業創新能力的衡量指標，考慮到樣本間數據差異較大，對該值取對數處理。i代表省份；t代表大數據試驗區設立的時間階段。

（2）解釋變量：DIDit為組合虛擬變量，也是本文需要估計的大數據試驗區政策效應參數，該參數主要由數據組別和大數據試驗區試點獲批情況的虛擬變量乘積構成。ρ表示空間計量模型的空間相關系數，λ為空間自回歸系數，εit表示隨機誤差項。其中，W為空間權重矩陣，設定原則是若兩地區在空間區位上相鄰則矩陣元素為1，否則為0。

（3）控制變量：Cit和αi+1表示控制變量，為了全面分析大數據試驗區的建立對產學研合作以及企業創新能力影響，在參考以往學者研究基礎上，另外對各地區的外商直接投資（Fdi）、規模以上工業企業數量（Fir）、政府制度支持（Sub）、R&D投入（RD）和經濟發展水平（Gdp）進行控制。

（4）UIRCit表示產學研合作這一中介變量。區域內產學研合作涉及到企業、高校和科研院所三大創新主體間的互動，以及人員、資金等創新要素在三大創新子系統間的傳遞流動。為準確評價區域內產學研合作的水平，需建立一個既能反映不同創新主體的特點又能全面地反映各創新子系統的創新發展水平，因此本文在參考王曉紅等［31］的研究基礎上，從創新投入、創新活動和創新產出3 個維度中選取了28 個具有代表性的指標構建了產學研耦合指標評價體系，而后利用熵權法確定各指標權重，最后利用產學研耦合協調度模型測算各地區產學研合作程度，具體測量方法如下：

首先采用熵值法計算區域產學研合作指標評價體系中各項指標的權重。

（1）對數據進行標準化。為排除不同量綱的影響，首先對數據目標矩陣X=（xij）m×n進行標準化處理。由于本文對于區域產學研合作指標體系各指標均為正向指標，因此標準化公式為：

最終確定區域產學研合作指標評價體系各指標權重如表1 所示。

表1 區域產學研合作評價體系指標權重

對區域產學研合作指標評價體系中各指標確定權重后，為更好地分析三者間的耦合協調發展關系，本文參考遲景明等［32］的研究，首先建立三大創新主體間的耦合函數，其公式為：。其中，f(x)，g(y)，h(z)分別代表企業、高校和科研院所的創新發展水平。其次，在此基礎上引入耦合協調度模型，公式如下：。其中T表示企業、高校和科研院所的綜合協調指數，α、β、γ分別為企業、高校和科研院所在區域創新系統中的重要程度。考慮到區域創新系統中，企業發揮著真正的主力軍作用，而高校和科研院主要承擔知識生產和整合功能，在區域中發揮作用基本一致，因此將α設定為0.40，β和γ設定為0.30。D表示最終的區域內產學研創新系統耦合協調度。各變量含義及描述性統計如表2 所示。

表2 變量的描述性統計

2.3 數據來源

數據主要來源于2013—2020 年的《中國統計年鑒》《中國科技統計年鑒》《高等學校科技統計資料匯編》和《中國人口與就業統計年鑒》。考慮到數據的完整性，本文剔除了缺失樣本，最終覆蓋了27 個省份的數據。

3 實證結果分析

3.1 多重共線性檢驗

本文在進行回歸分析前對數據進行了多重共線性檢驗，檢驗結果如表3 所示。各解釋變量間的方差膨脹因子均小于5，表明樣本不存在嚴重的多重共線性問題。

表3 解釋變量的VIF 值

3.2 平行趨勢檢驗分析

平行趨勢檢驗是雙重差分空間計量模型在準自然實驗之前的重要前提，即需要處理組和對照組必須具備一致的發展趨勢，同時這種一致性趨勢不隨時間發生明顯改變［25］。因此為檢驗企業創新能力和產學研合作是否通過平行趨勢試驗，本文采用以下方法加以驗證。

首先，鑒于建設大數據試驗區推廣的峰值是在2016 年，雖然貴州在2015 年作為首個獲批大數據試驗區的省份，但于9 月才啟動建設，因此考慮到政策效應的實際沖擊效果，本文參照邱子迅等［9］的做法，不考慮貴州的極端時間，將2016 年設定為政策沖擊年份，根據2016 年前后年份分別設定一系列虛擬變量，分別用BeforeX和AfterX表示，而后通過回歸法進行平行趨勢檢驗，若在政策沖擊前的BeforeX不顯著為正，則證明大數據試驗區設立前后被解釋變量的變化趨勢不存在顯著差異，即平行趨勢檢驗通過。檢驗結果如表4 所示，結果顯示以企業創新能力和產學研合作為被解釋變量的回歸檢驗中，Before1-4 的系數均不顯著為正，After1-3 的系數均顯著為正，說明處理組和對照組在大數據試驗區設立前滿足了平行趨勢假設。

表4 平行趨勢檢驗回歸結果

其次，本文參照張軍等［33］、王曉紅等［25］的研究，采用繪圖法對企業創新能力和產學研合作水平在2016 年之前的平均值演變趨勢進行判斷。結果如圖1，圖2 所示，盡管處理組和對照組的企業創新能力和產學研合作水平均值存在差異，但是樣本組別間的差異保持相對穩定，即呈現出了相同的演變趨勢。因此，可以認定在獲批建立大數據試驗區之前，處理組和對照組的企業創新能力和產學研合作水平通過了平行趨勢檢驗，也說明了本研究有較高的可信度。

圖1 樣本企業創新能力均值

圖2 樣本企業產學研合作水平均值

3.3 基準回歸結果

如表5 基準回歸結果所示，模型1 和模型3 的被解釋變量是企業創新能力，模型2 的被解釋變量是產學研合作水平。首先，觀察模型1 結果可以發現，大數據試驗區試點政策效應參數DID 對企業創新能力在5%水平下顯著為正，表明大數據試驗區的建立對企業創新能力確有促進作用。模型2 中，大數據試驗區試點政策效應參數DID 在1%水平下顯著為正，表明大數據試驗區的建立能夠拉動當地的產學研合作水平。在模型3 中，大數據試驗區試點的政策效應參數DID 在5%水平下顯著為正，且回歸系數（0.064 3）小于模型1 中的系數（0.066 4），且產學研合作UIRC 的回歸系數在5%水平下顯著為正，綜合上述結果，表明產學研合作在大數據試驗區試點政策對企業創新的影響機制中存在部分中介效應，即大數據試驗區的建立有利于增進區域內產學研合作水平，進而促進企業創新能力的提升。此外，從表5 的空間溢出效果中可以看出，各模型的空間相關系數ρ顯著為正，表明大數據試驗區的建立具有輻射效應，加快了相鄰地區間的要素流動，使得相鄰地區能夠借助大數據試驗區的政策紅利，實現雙向流動，從而形成了正向溢出效應，凸顯了大數據試驗區的示范引領作用正在逐步擴大。

表5 基準回歸結果

3.4 穩健性檢驗

（1）替換被解釋變量。上文中，本文采用新產品項目數衡量企業的技術創新能力，在穩健性檢驗中，本文將企業創新能力的衡量變量替換為有效發明專利與R&D 經費的比值（Pat）重新進行回歸分析，估計結果如表6 中列（1）至列（3）所示，結論與前文保持一致，限于篇幅結果不再次贅述。

（2）政策干預時間的安慰劑試驗。本文借鑒張軍［33］的做法，將大數據試驗區的政策沖擊時間提前兩年進行反事實試驗，若檢驗檢驗結論與上文一致，則表明大數據試驗區的建立對企業創新能力的影響是受到其他因素的影響，并非設立大數據試驗區所致。檢驗結果如表6 中列（4）所示，企業創新能力對應的DID2014 系數為0.004 4 且不顯著，與上文結論相悖，說明企業創新能力提升的原因是來自大數據試驗區的設立而非其他因素，證明了前文結論的穩健性。

（3）處理組變換的安慰劑檢驗。本文另進行處理組變換的安慰劑檢驗：即考慮并沒有受政策影響地方假設其受到政策影響，由于事實上這些地區并未設立大數據試驗區，因此理論上這些地區企業創新能力不應該受到虛假設立大數據試驗區的正向沖擊，為了對此進行驗證，本文隨機假設黑龍江、吉林、江蘇、山西設立了大數據試驗區，同樣采用雙重差分廣義空間模型進行估計，結果如表6 中列（5）中所示，企業創新能力對應的DIDH 系數分別為0.011 2 且不顯著，與上文結論相悖，證明了前文結論的穩健性。

表6 穩健性檢驗回歸結果

4 結論與建議

本文基于2012—2019 年省級面板數據，從數字技術相關政策視角出發，采用雙重差分廣義空間模型研究了大數據試驗區的建立對企業創新能力的影響機制，得出主要結論如下：第一，大數據試驗區的建立能夠發揮政策紅利，顯著提升企業的創新能力。第二，大數據試驗區的建立能夠提升區域內產學研合作水平，并且產學研合作在大數據試驗區對企業創新能力的賦能效應中起到部分中介作用。第三，大數據試驗區的建立具有顯著正向空間溢出效應，表明大數據試驗區不僅在本地能夠發揮政策紅利，并且具有較強的示范引領作用，對周邊地區存在輻射效應。

根據研究結論，本文提出以下政策啟示：第一，以大數據試驗區實踐為基礎大力發展數字技術，推進如互聯網，大數據等數字技術的普及應用，完善數字平臺的信息基礎設施建設，鼓勵企業積極開展創新活動，期間了解企業實際訴求，適當對企業創新提供惠企政策，如提供研發補貼降低創新風險，繼續發揮數據試驗區對企業創新能力的賦能效應。此外，抓住數字經濟發展機遇，打造專業人才隊伍，注重數字經濟人才培養和引進，提高區域數字素養。第二，企業要根據自身特點完成傳統制造向智能制造的適時調整，從當前創新需求出發，評估企業自身需要提高的方向和程度，合理利用大數據分析、物聯網、云計算等前端技術提高組織內部創新能力，如將數字技術的使用擴展到供應鏈流程中，及時了解生產模式、客戶需求和政府法規的頻繁變化，力求在高度動態的環境中獲取競爭優勢。第三，注重加強地區產學研聯盟的建設，構建以企業為主體的產學研深度耦合創新生態體系，緩解企業面臨獨立創新難的問題。期間要注重健全高校和科研院所的科研工作機制，支持各類科研組織結合自身優勢資助選擇科研項目，加強產學研創新主體的交流合作和相關配套機制建設，構建產學研協同創新的長效機制，助力企業創新發展。