城市數字經濟發展對實體企業技術創新的影響研究：來自上市公司的證據

馮 苑 聶長飛

（1. 江西師范大學城市建設學院 江西南昌 330022；2. 南昌大學經濟管理學院 江西南昌 330031）

一、引言

實體經濟發展水平高不高、質量優不優對中國推進經濟高質量發展有重要影響。對此，黨的十九屆五中全會明確提出，“堅持把發展經濟著力點放在實體經濟上”。做實做強做優實體經濟，從微觀上講，歸根到底要靠一家家實體企業的高質量發展來支撐。然而，中國實體企業長期以來創新意愿不高、創新投入不足、創新能力總體偏低，制約了實體經濟由要素驅動向創新驅動轉變。

與此同時，在新一輪科技革命浪潮的推動下，中國數字經濟蓬勃發展，逐步成為經濟高質量發展的新引擎。《中國數字經濟發展白皮書（2020年）》顯示，2015—2019年，中國數字經濟規模由18.6萬億元提升至35.8萬億元，數字經濟規模占GDP比重由27.5%上漲至36.2%，年均增長率分別高達17.3%和6.8%。中國數字經濟的快速發展與黨和政府的高度重視密切相關。可以預期，在當前新型基礎設施建設進程加快，網絡強國戰略、數字中國戰略等深入實施的背景下，中國數字經濟的發展將邁上一個嶄新的臺階。

在此背景下，有必要厘清快速發展的數字經濟對實體企業創新究竟產生了怎樣的影響，這也是本文關注的重點。具體而言，本文嘗試探討以下幾個重要但尚未得到很好回答的問題：數字經濟的發展能否有效提升實體企業創新能力、助力培育實體企業內生發展新動能？其內在作用機制是什么？更進一步地，數字經濟對不同數字化發展階段、不同規模的實體企業創新的影響有何異質性？

然而，對上述問題的科學回答面臨著諸多挑戰。第一個挑戰便是數字經濟發展水平的衡量問題。從已有文獻看，數字經濟的衡量方式主要有兩種：一是通過數字衛星賬戶等統計方法對數字經濟規模進行核算，如許憲春和張美慧[1]運用該方法測度了中國數字經濟增加值，并進行了國際比較；二是通過構建數字經濟指數的方式對數字經濟發展狀況加以衡量。相比之下，前者需要以投入產出表為基礎，而投入產出表每五年編制一次，在客觀上限制了數字經濟核算和比較，因而目前學術界普遍采用第二種衡量方式。

在運用綜合指數方式衡量數字經濟發展水平的研究中，一些文獻將數字經濟片面地等同于“數字金融”或“互聯網+數字金融”，采用北京大學發布的數字普惠金融指數[2]或數字普惠金融指數與互聯網發展相關指標合成的綜合指數[3]作為地區數字經濟發展水平的代理變量。但是，數字經濟與數字金融是兩個不同的概念，二者是包含與被包含的關系，“數字金融+互聯網”顯然不能與數字經濟等同，這類衡量方式實質上是對數字經濟概念的片面化、局限化，難以準確反映數字經濟的真實發展狀況。另一些文獻基于對數字經濟內涵的解讀構建數字經濟指標體系并測度數字經濟指數，但受限于城市層面相關數據的缺失，這些研究大多將研究對象限定在省級層面。例如，柏亮和陳小輝[4]從數字經濟基礎、用戶數字化、交易數字化、企業數字化、數字經濟資本化及數字技術創新六個維度構建指標體系，并測度了中國2012—2018年31個省份的數字經濟指數；劉軍等[5]從信息化、互聯網和數字交易三個維度構建指標體系，并據此評價中國2015—2018年30個省份數字經濟發展狀況。總的來說，雖然這類研究在很大程度上推動了數字經濟的相關研究，但省級層面的數據無法體現不同城市之間數字經濟發展差異，而中國同一省份的不同城市數字經濟發展不平衡狀況普遍存在，因而可能在一定程度上引起實證結果的偏誤。還有文獻采用相關研究機構發布的綜合指數對數字經濟加以刻畫，其中有代表性的文獻是姜松和孫玉鑫[6]的研究。該文獻基于騰訊研究院發布的《中國“互聯網+”數字經濟指數（2017）》，運用中國290個城市的截面數據，考察了數字經濟對宏觀實體經濟發展的影響。

根據本文整理的資料可以知道，近年來騰訊研究院、中國信息通信研究院、財新智庫、新華三集團等國內有影響力的機構都發布了數字經濟指數。其中，中國信息通信研究院和財新智庫所發布的數字經濟指數均為省級層面數據；騰訊研究院發布的數字經濟指數雖然為城市層面數據，但不同年份采用的指標存在較大的差異，不具備跨期可比性，如《中國“互聯網+”數字經濟指數（2017）》主要從基礎、產業、創新創業、智慧民生四個維度構建指標體系，而《中國“互聯網+”指數報告（2018）》則是從數字經濟、數字政務、數字生活、數字文化四個維度構建指標體系。新華三集團2017—2020年連續4年發布《中國城市數字經濟指數白皮書》，從數據及信息化基礎設施、城市服務、城市治理、產業融合四個維度對中國2016—2019年城市數字經濟發展狀況進行評價。其基礎指標并不僅局限于階段性熱點技術，而是與城市發展和政策緊密結合起來，不僅包含數字經濟基礎設施、數字產業化、產業數字化等與數字經濟發展直接相關的方面，還刻畫了數字技術在城市服務和治理中的融合應用情況，這為本文考察數字經濟對實體企業創新的影響提供了寶貴的數據資源。

本文面臨的另外一大挑戰來自計量模型識別過程中可能存在的內生性問題，具體而言就是數字經濟發展與實體企業創新之間可能存在反向因果關系，即隨著實體企業創新水平的提高，企業所在城市的數字經濟發展水平可能也會相應提高。此外，在實證分析過程中還可能因為遺漏變量等問題的存在，產生估計結果偏誤問題。對此，本文在滿足相關性的前提條件下，兼顧歷史變量的外生性優勢，創新性地選取“滯后30年的城市每百人固定電話數量”作為城市數字經濟發展的工具變量，從而有效地解決了上述難題。

與本文直接相關的文獻有一部分主要考察數字經濟發展的社會經濟效應。總體而言，這類研究可以分為三類：第一類，側重于理論研究。例如，許恒等[7]探討了數字經濟對傳統經濟的技術溢出和沖擊效應等。第二類，側重于考察數字經濟對宏觀經濟的影響。例如，趙濤等[3]、姜松和孫玉鑫[6]、周青等[8]、陳小輝等[9]、閻世平等[10]采用實證分析方法分別考察了數字經濟發展對經濟高質量發展、實體經濟發展、區域創新績效、產業結構、勞動力結構等的影響。第三類，從微觀的企業層面出發，實證檢驗在數字經濟發展浪潮下，企業數字化轉型對企業整體經濟效益[11]、公司治理水平[12]、組織授權[13]等的影響。與本文相關的另一部分文獻主要考察企業創新影響因素，這部分文獻分別從創新激勵政策[14]、勞動保護[15]、知識產權保護[16]、營商環境[17]、非正式制度[18]、技術引進[19]、數字金融發展[20]等多個方面考察企業創新影響因素。

上述研究為本文探究數字經濟發展對實體企業創新的影響奠定了重要的基礎，但從本文搜集的文獻看，目前尚未有研究專門考察數字經濟發展對企業創新的影響。鑒于此，本文結合新華三集團發布的2016—2019年城市數字經濟指數和滬深A股實體上市公司的數據，綜合運用固定效應模型、工具變量估計以及中介效應模型等多種計量方法，考察城市數字經濟發展對實體企業創新的影響效應、作用機制及其異質性。

本文可能的邊際貢獻在于：第一，在研究視角上，本文首次考察了數字經濟發展對實體企業創新的影響，不僅從理論層面豐富了數字經濟影響效應以及企業創新影響因素兩個方面的研究，而且在很大程度上契合了我國“推動數字經濟與實體經濟深度融合”的戰略目標，對中國進一步推動數字經濟發展和實體經濟升級具有一定的啟示意義。第二，在識別策略上，本文采用新華三集團發布的城市數字經濟指數衡量城市數字經濟發展水平，彌補了現有實證研究在數字經濟衡量方式上的不足；同時，本文通過選取“滯后30年的城市每百人固定電話數量”這一歷史工具變量，較好地解決了計量模型的內生性問題，使得本文的估計結果更加穩健可靠。第三，在實踐意義上，本文緊密結合政府當前密切關注的政策規劃重點問題，從企業數字化轉型、企業規模兩個方面考察了數字經濟發展對不同實體企業創新影響的異質性，研究成果能夠為企業加快實施數字化轉型戰略、中小企業快速轉型升級提供新的經驗證據。

二、理論分析與研究假說

（一） 數字經濟促進實體企業創新的機理

基于對現有相關文獻的梳理，本文認為，數字經濟可以通過提升企業吸收能力和緩解企業融資約束兩條渠道來影響實體企業創新（見圖1）。

圖1 數字經濟促進實體企業創新的機理

一方面，實體企業創新不能僅僅依靠內部資源，還需要借助外部的知識[21]，搜尋和內化知識是實體企業創新過程中的關鍵流程[22]。在這一流程中，實體企業的吸收能力極為重要。具體而言，吸收能力指的是“企業識別外部新信息的價值，吸收并將它應用于商業目的的能力”，表現在知識獲取能力、知識吸收能力以及知識應用能力三個方面[23]。已有研究表明，吸收能力對提升企業創新績效具有積極且顯著的影響[24]。數字經濟發展可以提升實體企業吸收能力，進而促進實體企業創新的主要原因在于：首先，在人工智能、大數據、云計算、區塊鏈等新一代信息技術快速發展的數字經濟時代，實體企業能利用的信息資源非常豐富[25]，許多產品和服務競爭出現跨界融合與平臺化的趨勢，實體企業有機會接觸和獲得來源于不同行業的信息，實體企業創新中的知識來源也不再僅僅局限于傳統意義上的單一行業。與此同時，不同企業創新模式之間也能夠通過知識共享平臺等方式形成鏈接[26]，從而有利于實體企業實現跨界創新、開放式創新。其次，數字技術的發展有效地解決了信息發現和共享難題，使得知識和信息的傳播速度大幅增加，交流和搜尋成本大幅降低[22]，實體企業能夠借助數字技術有效整合外部知識，將內外部信息鏈接起來，進而提升對外部知識的吸收能力[27]。最后，在數字經濟時代，數據已成為全新的、關鍵的生產要素，數據挖掘和分析、云計算等技術的發展有效地提升了企業的數據管理和應用能力。在此背景下，實體企業能夠有效地記錄并分析從外部獲取的數據知識，從而實現對外部知識的高效智能化應用，加速創新進程[28]。

另一方面，除了需要借助外部知識外，實體企業創新活動還具有兩個關鍵特征：其一，實體企業創新活動的調整成本較高[29]，這使得實體企業創新活動必須保持一定的連續性，需要大量持續且穩定的資金支持[30]。其二，實體企業與外部投資者的信息不對稱是導致實體企業面臨融資約束的重要原因[31]，而實體企業創新活動產出的高不確定性使得實體企業創新過程的信息不對稱程度更為嚴重，導致實體企業創新面臨嚴重的外部融資約束[32]。也就是說，實體企業創新活動離不開資金的支持，而創新活動中嚴重的信息不對稱問題使得實體企業創新面臨較強的融資約束，進而導致實體企業創新受到抑制。數字經濟發展則有利于緩解信息不對稱問題，增強市場參與主體之間的信用[33]。具體而言，在數字經濟時代，可以通過依托互聯網、大數據分析等信息技術，憑借其可以實時記錄和查詢、低成本等優勢實現對不同企業數據信息的抓取，為實體企業構建數字信用的方式來緩解外部投資者和實體企業之間的信息不對稱問題，使實體企業更方便快捷地獲得金融借貸服務，獲取創新活動所需資金[20]。不僅如此，現有研究表明，數字金融發展有利于打破傳統金融服務的邊界，拓寬金融服務的觸達范圍，改善信貸資源錯配狀況，緩解實體企業融資約束[34]。數字金融作為數字經濟的重要組成部分，是數字經濟與金融業融合發展的體現，可以為數字經濟的發展提供重要的支撐力量[35]，所以，從這個角度看，數字經濟能夠通過數字金融的繁榮發展緩解實體企業融資約束，進而促進實體企業創新。基于以上分析，本文提出以下兩個假設：

假設1：數字經濟發展能顯著促進實體企業創新。

假設2：數字經濟發展能通過提升吸收能力和緩解融資約束兩條渠道來促進實體企業創新。

（二） 數字經濟促進實體企業創新的異質性

數字經濟發展對實體企業創新的影響可能因企業自身是否實現數字化轉型而有所不同。企業數字化是推動數字經濟與實體經濟融合發展的關鍵要素。順應數字經濟時代發展浪潮，推進數字化變革成為實體企業的新使命和新機遇[11]。企業數字化的核心是利用互聯網、人工智能、數據挖掘和分析、物聯網、云計算等新興數字技術輔助企業決策，提高數字經濟占企業產出的比重，加速企業創新進程[12,28]。已有研究表明，企業數字化轉型有利于提升企業創新績效[36]。因此，相較于尚未實現數字化轉型的實體企業，已實現數字化轉型的實體企業能夠更好地實現與數字經濟的融合發展，加快創新進程，提升創新能力。基于以上分析，本文提出以下假設：

假設3：相較于尚未實現數字化轉型的實體企業，數字經濟發展對已實現數字化轉型的實體企業創新的促進作用更為明顯。

數字經濟發展對實體企業創新的影響還可能因企業規模不同而存在差異。在數字經濟時代，如何實現數字化轉型，革新管理、生產以及銷售模式，加速創新進程，成為中小企業面臨的關鍵問題。然而，在實際發展過程中，大型實體企業往往能夠利用自身優勢發揮規模效益，提高數字化轉型效率，而中小型實體企業在資金、人才、技術等多方面都相對落后，在數字化轉型過程中面臨的阻礙更多，轉型難度更大，進展相對緩慢。企業數字化轉型情況在一定程度上能夠反映企業與數字經濟融合發展情況，從這一層面來說，相較于大型實體企業，中小型實體企業與數字經濟融合發展的難度更大，導致其創新過程受數字經濟發展的正向促進作用較弱。基于以上分析，本文提出以下假設：

假設4：相較于規模較大的實體企業，數字經濟發展對規模較小的實體企業創新的促進作用較小。

三、研究設計

（一） 計量模型構建

為探究數字經濟發展對實體企業創新的影響，本文構建如下基準回歸模型：

其中，因變量Innovationit表示企業i在 第t年的創新產出水平，分別采用企業專利申請總數、發明專利申請數量以及非發明專利申請數量進行衡量；解釋變量Dig_ecoit表示企業i所 在城市第t年的數字經濟發展水平，采用城市數字經濟發展指數衡量；Controlit表 示一系列控制變量合集；Year、Ind、Area分別表示年份、行業、地區虛擬變量；εit為誤差項。

為進一步考察數字經濟發展影響實體企業創新的渠道，本文在模型（1）的基礎上，構建如下中介效應模型：

其中，Mediation為中介變量，分別表示企業吸收能力（Absob_cap）和融資約束（Fin_con），其余變量含義同模型（1）。中介效應檢驗分為如下三個步驟：首先，估計模型（1）中的系數α1，檢驗城市數字經濟對實體企業創新的總效應。若α1顯著為正，則表明城市數字經濟發展能顯著提升實體企業創新水平。其次，分別估計模型（2）和（3）中的系數β1和 γ2， 若二者均顯著，則表明存在中介效應。在此基礎上，若γ1顯 著為正且小于α1，則表明中介變量發揮了部分中介作用。最后，若系數β1和 γ2至少有一個不顯著，則通過S obel檢驗判斷是否存在中介效應。

（二） 數據來源與樣本篩選

本文以2016—2019年滬深A股實體上市公司數據為研究樣本，考察城市數字經濟發展對實體企業創新的影響。其中，數字經濟指數來源于新華三集團2017—2020年發布的《中國城市數字經濟指數白皮書》。上市公司專利數據來源于中國研究數據服務平臺（CNRDS）的創新專利研究數據庫，其余指標的數據來源于CSMAR數據庫。

在此基礎上，本文對上市公司樣本依次進行如下處理：（1）僅保留A股上市公司；（2）借鑒黃群慧[37]對實體經濟的定義，剔除金融業和房地產業上市公司，將研究范圍限定為實體上市公司；（3）剔除資產負債率大于1的公司；（4）剔除研究期間內已退市的公司；（5）剔除ST、*ST及PT企業。最終，本文得到2016—2019年12183個樣本。為消除極端值對實證結果的影響，參考現有研究的普遍做法，本文對所有連續性變量進行了上下1%的縮尾處理。

（三） 變量選取

第一，因變量：企業創新（Innovation）。專利是衡量企業創新時使用最廣泛的指標，包括專利申請數和專利授權數兩種。本文采用專利申請數作為企業創新的代理變量，主要是因為專利授權與專利申請之間存在較長的時滯，因而專利授權數難以及時全面地反映企業的創新水平。具體而言，本文分別采用企業專利申請總數（Inno_total）、反映企業實質性創新的發明專利申請數量（Inno_inv）以及代表企業策略性創新的非發明專利申請數量（Inno_stra）作為因變量[38]。同時，由于專利申請數存在較多零值，分布存在明顯的厚尾現象，因此，對以上三類專利申請數量均進行“加1取自然對數”處理。

第二，核心解釋變量：數字經濟（Dig_eco）。如前所述，本文采用新華三集團發布的城市數字經濟指數衡量數字經濟發展狀況。表1列出了2016—2019年數字經濟發展排名前10位的城市。可以發現，數字經濟發展靠前的城市主要是一線城市或長三角城市。在實證研究中，為避免異方差對估計結果的干擾，本文對數字經濟指數統一進行對數化處理。

表1 2016—2019年數字經濟發展排名前10位的城市

第三，中介變量（Mediation）。本文的中介變量有2個：①吸收能力（Absob_cap）。企業吸收能力與研發投入密切相關[23]，研發投入強度是最常用的企業吸收能力衡量指標，因此，本文參考Schildt等[39]的研究，采用“研發投入占營業收入的比重”衡量企業吸收能力，比重越大，表明企業吸收能力越強。②融資約束（Fin_con）。有代表性的企業融資約束衡量指標包括KZ指數、WW指數以及SA指數等。其中，KZ指數和WW指數的計算過程包含了許多具有內生性的融資變量，如企業現金流、股利等[32]，而SA指數的計算僅需使用企業規模和年齡兩個變量，外生性更強[40]，因此，本文采用SA指數計算融資約束，具體公式為(?0.737×S ize)+(0.043×S ize2)?(0.04×Age) ， 其中，Size和Age分別表示企業規模和企業年齡。根據公式計算獲得的SA指數為負值，其絕對值越大，表明企業受到的融資約束越嚴重。為便于后文實證結果解釋，本文對SA指數取絕對值，得到企業融資約束變量Fin_con。Fin_con取值越大，表明企業面臨的融資約束越嚴重。

第四，控制變量。借鑒已有研究[18，20]，本文選取如下控制變量：①企業規模（Size），用公司總資產對數予以衡量；②資產負債率（Lev），通過“總負債/總資產”計算獲得；③企業年齡（Age），根據“獲得觀測值的年份減去企業成立年份”計算得出；④流動比率（Liquidity），依據“流動資產/流動負債”計算獲得；⑤總資產凈利潤率（Roa） ，以“凈利潤/總資產”衡量；⑥股權集中度（Shrcr），用“公司第一大股東持股比例”衡量。變量的描述性統計見表2。

表 2 (續)

表2 變量的描述性統計

四、實證結果及分析

（一） 基準回歸結果分析

表3報告了基準回歸結果。可以看出，無論是以企業專利申請總數、發明專利申請數量還是非發明專利申請數量作為因變量，核心解釋變量Dig_eco的系數均在1%顯著性水平下顯著為正，表明城市數字經濟發展對實體企業創新具有顯著的促進作用，初步支持了假設1。更進一步地，數字經濟指數對企業發明專利申請數量的估計系數為0.662，顯著高于非發明專利申請數量的估計系數0.433，說明數字經濟發展對企業實質性創新的促進作用更大。之所以如此，可能是因為數字經濟的快速發展加劇了企業之間的競爭，單純依靠低質量的創新難以讓企業在競爭越發激烈的數字經濟時代樹立核心競爭優勢，企業不得不開展更高質量的創新活動。這一結果意味著加快推動數字經濟發展能夠在很大程度上緩解中國目前存在的創新資源錯配問題，改善創新資源配置效率，提高創新質量。

表3 基準回歸結果

（二） 作用機制檢驗

按照中介效應模型的估計方法，本文分別對吸收能力和融資約束機制進行檢驗。表4（1）列的數據顯示，Dig_eco的估計系數為0.035，且在1%顯著性水平下顯著，說明數字經濟發展能夠顯著提升實體企業的吸收能力。表4（2）、（3）、（4）列的數據顯示，吸收能力的提高能夠在1%顯著性水平下促進實體企業專利申請總數、發明專利申請數量以及非發明專利申請數量增加。同時，表4（2）、（3）、（4）列Dig_eco的系數分別小于基準回歸中對應的Dig_eco的系數，說明吸收能力在數字經濟促進實體企業創新過程中發揮了部分中介作用，即數字經濟發展可以通過提升實體企業吸收能力來促進企業創新績效提高。

表4 作用機制檢驗

與之類似的是，表4（5）列的數據顯示，Dig_eco的估計系數在5%顯著性水平下顯著為負，意味著數字經濟發展能夠有效緩解實體企業面臨的融資約束。表4（6）、（7）、（8）列的數據顯示，融資約束對實體企業專利申請總數、發明專利申請數量以及非發明專利申請數量均具有顯著的抑制作用。同時，表4（6）、（7）、（8）列Dig_eco的 系數分別小于基準回歸中對應的Dig_eco的系數，說明融資約束在數字經濟促進實體企業創新過程中發揮了部分中介作用，即數字經濟發展可以通過緩解實體企業面臨的融資約束來促進企業創新績效提高。至此，假設2得到驗證。

（三） 異質性分析

1. 企業數字化轉型異質性

本文借鑒祁懷錦等[12]對企業數字經濟化的定義來界定企業是否實現數字化轉型。具體而言，本文利用來自CSMAR的上市公司財務報表附注數據庫，借助正則表達式，對企業的數字化轉型進行考察。如果企業年末無形資產項目包含“軟件”“網絡”“客戶端”“管理系統”“智能平臺”等與數字技術有關的詞語，則認定企業在當年已經實現數字化轉型，否則認定企業尚未實現數字化轉型。表5為企業數字化轉型異質性的估計結果。可以看出，對尚未實現數字化轉型的企業而言，數字經濟發展對實體企業專利申請總數和非發明專利申請數量的影響均不顯著，僅對實體企業發明專利申請數量在5%顯著性水平下有顯著影響；對已經實現數字化轉型的企業而言，數字經濟發展對不同因變量的影響均在1%顯著性水平下顯著為正，且各模型Dig_eco的估計系數的大小均明顯大于尚未實現數字化轉型的企業。由此可見，相較于尚未實現數字化轉型的企業，數字經濟發展對實體企業創新的促進作用在已實現數字化轉型的企業中更大。這一研究結果支持了假設3。

表 5 (續)

表5 企業數字化轉型異質性估計結果

2. 企業規模異質性

按照樣本企業規模的中位數，將樣本劃分為規模較小的企業和規模較大的企業兩組，進行企業規模異質性分析，估計結果見表6。表6顯示，對兩組企業而言，所有模型的Dig_eco的估計系數均為正，且至少通過了10%顯著性水平的顯著性檢驗，說明數字經濟對不同規模實體企業的創新績效均具有顯著的促進作用。更進一步地，比較兩組企業估計系數可以發現，無論是以專利申請總數、發明專利申請數量還是以非發明專利申請數量作為因變量，規模較大的企業Dig_eco估計系數均大于規模較小的企業，表明相較于規模較小的企業，數字經濟發展對實體企業創新的促進作用在規模較大的企業中更大，假設4成立。

表6 企業規模異質性估計結果

（四） 穩健性檢驗與內生性討論

1. 穩健性檢驗

為保證前文估計結果的穩健性，本文從四個方面對基準回歸進行穩健性檢驗：第一，變換估計模型。考慮到本文中衡量企業創新的專利申請對數值包含較多為0的觀測值（其他為正值），故采用Tobit模型進行穩健性檢驗。第二，所有解釋變量滯后一期。考慮到數字經濟發展對企業創新的影響可能存在時滯，同時為緩解數字經濟與企業創新之間可能存在的反向因果問題，本文將所有解釋變量滯后一期重新進行估計。第三，所有變量取平均值。為避免因外界沖擊導致的變量“短期偽相關”問題，本文對所有變量在研究期內取平均值后重新進行估計。第四，剔除直轄市樣本。考慮到直轄市與其他城市在經濟等方面的差異，本文將直轄市樣本剔除后重新進行估計。穩健性檢驗結果見表7。從表7可以看出，在不同情形下，Dig_eco的估計系數均在1%顯著性水平下顯著為正，且數字經濟指數對發明專利申請數量的估計系數均高于對非發明專利申請數量的估計系數，估計結果與基準回歸一致，表明本文的估計結果是穩健的。

表7 穩健性檢驗結果

2. 內生性討論

雖然基準回歸和一系列穩健性檢驗得到了一致的研究結論，但內生性問題依然可能對本文的研究結果產生威脅。前文采用滯后一期的解釋變量進行穩健性檢驗，在一定程度上緩解了模型可能存在的反向因果關系問題，但依然難以從根本上消除反向因果關系的影響。不僅如此，在實證分析中還可能因為遺漏變量等問題導致估計結果偏誤。為此，本文試圖尋找城市數字經濟發展的工具變量來解決可能存在的內生性問題。

從歷史角度選取工具變量是經濟學研究采用的一個普遍做法，因為歷史變量與現在相距甚遠，所以其通常難以影響因變量，滿足工具變量的外生性條件。例如，Li等[41]采用滯后30年的國有企業就業比率和人均播種面積作為創業的工具變量，識別了創業與中國經濟增長之間的因果關系。按照這個思路，本文最終選取“滯后30年（即1986—1989年）的城市每百人固定電話數量”（Per_fixpho）作為城市數字經濟發展的工具變量進行估計。這是因為互聯網是最重要的數字基礎設施之一，互聯網發展是推進城市數字經濟發展的核心基礎，其完善程度在一定程度上決定了物聯網、大數據挖掘、5G等信息技術的發展進程，同時，互聯網的發展始于固定電話普及，歷史上固定電話普及率較高的城市的互聯網普及率可能也較高[42]，將滯后30年的城市每百人固定電話數量作為工具變量滿足工具變量的相關性條件。在實際估計中，本文對每百人固定電話數量進行對數化處理，工具變量的估計結果見表8。

表8 工具變量估計結果

表8（1）列的數據顯示，Per_fixpho的估計系數為0.108，且在1%顯著性水平下顯著，滿足工具變量的相關性條件。同時，一階段F值為186.441，說明不存在弱工具變量問題。（2）、（3）、（4）列的數據顯示，Dig_eco的估計系數均在1%顯著性水平下顯著為正，且對企業實質性創新的估計系數（0.849）大于對策略性創新的估計系數（0.641），表明在考慮內生性問題后，基準回歸的研究結論依然不變。

五、結論與對策建議

數字經濟能否為實體企業有效“賦能”，促進實體企業轉型升級，進而推動中國實體經濟發展質量和水平的提升，是一個亟待檢驗、具有現實意義的重大問題。為此，本文結合新華三集團發布的2016—2019年城市數字經濟指數和滬深A股實體上市公司數據，綜合運用多種計量方法，考察城市數字經濟發展對實體企業創新的影響效應、作用機制及其異質性。本文的主要研究結論有三點：第一，數字經濟發展有利于促進實體企業創新，且對企業實質性創新的促進作用大于對策略性創新的促進作用，穩健性檢驗結果和采用“滯后30年的城市每百人固定電話數量”作為工具變量的估計結果均支持這一結論。第二，中介效應估計結果表明，提升企業吸收能力和緩解企業融資約束是數字經濟發展促進實體企業創新的兩條渠道。第三，數字經濟發展對不同類型實體企業的創新績效存在差異化影響。總體而言，數字經濟發展對已經實現數字化轉型的實體企業和規模較大的實體企業的創新驅動效應更大。

本文的研究結論具有重要的啟示意義。首先，要在確保各類風險可控的前提下，打好數字經濟高質量發展“組合拳”，通過增加新型基礎設施建設投資、推進數字產業化和產業數字化、培養和引進數字化人才等政策措施不斷提升城市數字經濟發展水平，充分激發數據要素的價值。其次，要營造良好的政策環境和利于數字經濟與實體企業深度融合發展的營商環境，穩步推進金融數字化轉型，著力提升實體企業吸收能力，緩解實體企業“融資難融資貴”的問題，充分釋放數智化時代數字經濟發展對實體企業創新的正外部性。最后，順應數字經濟發展浪潮，加快實體企業數字化轉型。一方面，對缺乏資金和人才優勢或者尚未實現數字化轉型的實體企業而言，應聚焦長遠發展目標，結合自身發展特點提前合理布局，找到適合自身數字化轉型的路徑，努力抓住數字化紅利和機遇。另一方面，地方政府應充分重視尚未實現數字化轉型的實體企業在數字化轉型方面面臨的困難和阻礙，提供相應的扶持政策，降低這類企業數字化轉型過程中的盲目性、過度性、不匹配性，力爭實現數字經濟普惠式發展。