制造業投入數字化與企業創新

叢鈺涵 王珊珊

摘要：投入數字化已經成為企業提升創新水平的重要動力。本文基于工業企業數據和國家知識產權局專利數據，探究制造業投入數字化的“量”與“質”對企業創新的影響及其作用機制。研究發現：制造業投入數字化會顯著促進企業創新；機制分析表明，投入數字化會通過降低企業成本的渠道提升企業創新水平；企業規模大小差異、數字要素投入來源差異及制造業行業的要素密集度差異會對企業創新產生差異化影響。調節效應分析顯示，經濟政策不確定性會對投入數字化與企業創新之間的正效應產生明顯的負向調節；進一步分析發現，數字要素的投入質量會顯著促進企業創新。

關鍵詞：投入數字化；企業創新；投入質量；經濟政策不確定性

中圖分類號：F424文獻標識碼：A文章編號：1001-148X（2023）03-0013-09

收稿日期：2022-12-29

作者簡介：叢鈺涵（1995-），女，山東威海人，博士研究生，研究方向：數字經濟、區域經濟學；王珊珊（1992-），女，黑龍江齊齊哈爾人，助理研究員，研究方向：數字經濟、區域經濟學。

基金項目：南開大學文科發展基金科學研究類一般項目“海峽兩岸經濟融合發展指數構建及影響因素研究”，項目編號：ZB22BZ0209；亞洲研究中心資助項目“新格局下兩岸產業融合高質量發展研究”，項目編號：AS2222。

①數據來源：《中國數字經濟發展白皮書2021》。

創新是推動經濟增長的關鍵因素，對實現經濟高質量內涵式發展具有重要影響［1-2］。隨著數字經濟到來，發達經濟體率先將數字化、網絡化作為制造業未來發展的方向，力圖保持和加強制造業的“高位鎖定”［3］。我國作為制造業大國，也提出了促進數字技術與實體經濟深度融合，提高企業創新能力的舉措。2020年我國產業數字化規模達到了317萬億元，占數字經濟的809%①。兩者的融合也深刻改變著企業的創新活動，一方面企業的生產、運營和銷售等環節結合數字技術能夠有效降低成本、改善效率、優化協作和提高人力資本等對創新能力產生多維度影響；另一方面也會促進企業的組織變革，提高企業韌性［4］。

一、理論機制與研究假說

（一）投入數字化與企業創新

第一，投入數字化可以通過降低企業成本來提高企業創新水平。Goldfarb等（2019）［5］指出數字技術可以降低企業的五類成本，而企業成本的降低有利于其進行新產品的研發創新［6］。首先，投入數字化有助于企業內部各個環節的信息收集和分析并提高生產工具的使用效率，實現產品生產和管理的完整化和精細化，這樣可以降低采購、制造以及銷售過程中的生產成本和運輸成本等，進而提高企業的生產效率［7］；其次，企業之間信息匹配的效率以及上下游產業鏈之間的信息溝通和組織效率會隨著數字技術的應用明顯提高；同時，數字化投入能夠有效緩解信息不對稱問題［8］，極大地降低了企業的信息搜尋成本、追蹤成本和驗證成本等，有助于企業優化資源配置；此外，投入數字化能提高知識或經驗公共品的供給，降低企業的技術引進門檻，企業間通過共享技術、設備等學習效應形成共享經濟的新業態，從而降低企業的復制成本，增強企業對生產資料使用的有效性。據此，本文提出如下假說：

H1：制造業投入數字化會降低企業的各項經營成本，提高資源配置效率，促進企業創新。

（二）經濟政策不確定性的調節作用

經濟政策不確定性被認為是經濟主體不能正確預知政府制定政策的行為［9］。近年來我國經濟政策不確定性持續增大，宏觀經濟的頻繁動蕩勢必會影響微觀主體的戰略選擇和管理活動［10-11］。具體而言，經濟不確定性上升可能會對企業產生“激勵效應”，即企業傾向于增加創新來提升長期收益［12］，此時經濟政策的不確定性會正向調節投入數字化與企業創新間的正效應；而另有觀點認為動態能力是企業應對不確定性時集合自身資源和聯合外部資源的能力［13］，是企業進行創新的關鍵表現［14］，而數字化轉型會提升動態能力促進企業創新［15］。但由于企業創新具有高投入、高風險和長周期的屬性［16］，致使企業更傾向于在前景可預測、外部環境穩定可控的前提下進行創新活動。因此，投入數字化被認為是提升企業的動態能力以應對經濟政策不確定性加劇的一種手段，此時經濟政策的不確定性會對投入數字化與企業創新間的正效應發揮負向作用，據此，本文提出如下假說：

H2：經濟政策不確定性會減弱投入數字化對企業創新的正效應。

H3：經濟政策不確定性會提升投入數字化對企業創新的正效應。

二、模型設定、指標構建和數據說明

（一）模型設定

Innovikt=β0+β1Digitizationkt+βControls+λt+ηi+γk+εikt（1）

其中，?Innovikt代表企業創新水平，?Digitizationkt代表制造業行業投入數字化程度，Controls代表一系列控制變量如下：企業規模（scale）：利用職工人數的對數表征。企業勞動生產率（labour）：利用營業收入與職工人數比值的對數表征。政府補貼（zfbt）：根據企業是否獲得政府補貼，若獲得政府補貼則取值為1，否則為0。營業利潤率（yylrl）：等于營業利潤與營業收入的比值取對數。?λt、?ηi和?γk分別代表時間、企業和行業固定效應；?εikt為隨機擾動項。為保證回歸結果的穩健性，本文將標準誤差聚類到企業層面。

（二）指標構建

1被解釋變量

創新水平。一般而言，企業創新活動分為投入和產出，其中創新投入包括企業研發支出、人數及密度等，但一方面由于企業的各種研發支出無法完全轉化為創新產出，另一方面工企數據庫中研發支出數據存在斷層，因此選用創新投入指標衡量有失偏頗［17］；而創新產出指標較為多樣，主要有全要素生產率（TFP）、新產品產值以及專利數據等，其中TFP衡量處于完全競爭市場中企業的創新水平較為準確［18］，新產品產值不僅包括企業的自主研發所帶來的產品升級、功能升級以及鏈條升級，還包括單純的流程升級，因此不能準確衡量企業創新，而專利數據最能夠直接反映企業的研發成果，為此本文最終選用企業當年新增專利申請數來代理，并選擇發明專利申請數量作為穩健性檢驗。

2核心解釋變量

制造業投入數字化。界定數字經濟行業的范圍是構建投入數字化指標的基礎，借鑒許憲春等（2020）［19］對數字經濟范圍的界定，為匹配WIOD?2016的投入產出數據，本文以國際標準分類（ISIC?Rev40）為基準，篩選數字要素依托的行業如表1數字要素依托的行業中，存在“不完全數字化”的細分行業，從這類行業中剝離出數字化成分的數據尚待完善，因此本文只選取“完全數字化”的行業進行分析；此外許憲春等認為幾乎所有產品在數字經濟的背景下均可以進行數字化交易，而數字化產品本身的生產行業幾乎與基礎設施行業重合，由于本文單純考慮數字化產品，因此剔除數字化交易要素。。

本文利用投入產出法對制造業投入數字化水平進行測度。投入產出法包括直接消耗系數法和完全消耗系數法，其中直接消耗系數是指制造業對數字要素依托行業的直接消耗；完全消耗系數還包括制造業通過其他行業對數字要素行業的間接消耗，因此能夠更全面地反映生產部門間的中間品使用情況，因此本文的核心解釋變量選擇完全消耗系數對制造業投入數字化進行測度，選擇直接消耗系數作為穩健性檢驗，計算公式為：

Digitizationcompleteij=aij+∑nk=1aikakj+∑ns=1∑nk=1aisaskakj+…（2）

B=A+A2+A3+…+An=I-A-1-I（3）

其中，??Digitizationcompleteij?為制造業j部門對數字要素依托部門i的完全消耗，右邊第一項代表j部門i部門的直接消耗，第二項之后為j部門對i部門的間接消耗之和；B為完全消耗系數，A為直接消耗系數。

3數據說明

本文主要采用了三套數據，分別為WIOD2016數據庫、中國工業企業數據庫以及國家知識產權局專利數據庫。其中測度投入數字化水平而計算的完全消耗系數、直接消耗系數數據來自WIOD2016，時間窗口為2000-2014年；企業層面相關控制變量均來自工業企業數據庫，時間窗口為1998-2014年；專利數據主要來自國家知識產權局專利數據庫，時間窗口為1985-2015年。在分析之前，需要進行三套數據的匹配工作。首先是對工企數據庫進行如下處理：參考聶輝華等（2012）［20］的做法，剔除指標異常值（銷售額、總資產或固定資產凈值缺失；職工人數少于8人；違反會計準則等）以及將企業所在行業統一為2002版《國民經濟行業分類標準》（GB?T4754-2002），并將各年份核心指標的名稱進行統一；其次參照Brandt等（2012）［21］將工企數據庫和專利數據庫依次按照企業代碼和企業名稱進行兩組匹配后合并，并剔除重復值得到各年份申請人對應的專利數量；最后是對WIOD2016和工企數據庫進行匹配。由于WIOD2016的行業劃分依據國際行業分類標準（ISIC?Rev40），而工業企業數據庫是按照國民經濟行業分類（GB/T4754-2002）進行劃分，通過行業對照代碼最終整合出2000-2013年的15個（剔除2010年及數字要素依托行業C26）制造業C10-C12（食品、飲料和煙草制品的制造）、C13-C15（紡織品、服裝、皮革和相關產品的制造）、C16（木材、木材制品及軟木制品的制造、草編制品及編織材料物品的制造）、C17（紙和紙制品的制造）、C18（記錄媒介物的印制及復制）、C19（焦炭和精煉石油產品的制造）、C20（化學品、化學制品的制造）、C21（基本醫藥產品和醫藥制劑的制造）、C22（橡膠和塑料制品的制造）、C23（其他非金屬礦物制品的制造）、C24（基本金屬的制造）、C25（金屬制品的制造）、C27（電力設備的制造）、C28（未另分類的機械和設備的制造）、C29（汽車、掛車和半掛車的制造）。

三、回歸結果分析

（一）基準回歸結果

本文采用企業層面的聚類穩健標準誤進行估計以避免同一企業在不同時期可能存在的擾動項自相關問題。表2中第（1）列為僅引入核心解釋變量，在控制了時間、行業以及企業固定效應的情況下，結果顯示制造業投入數字化會對企業創新水平產生顯著正效應。（2）至（5）列為逐步加入控制變量的結果，投入數字化水平的系數仍然為正且穩健，與預期相符，表明制造業企業所處行業的投入數字化發展有利于提高企業的創新水平。

從控制變量上看，企業規模會顯著促進企業創新，可能是由于大規模企業往往資金、人力資本充裕，研發能力較強，同時同其他企業技術關聯較為緊密，更易受到技術溢出的影響［22］，從而有助于企業創新；企業勞動生產率能夠反映企業高素質人才的比重，其在一定程度上能夠增加企業的創新活力；政府補貼系數為正，說明其能夠明顯改善融資約束等問題，進而增加用于創新活動的資源［23］；營業利潤率越高的企業，其創新水平也越高，可能是由于這意味著企業的生產成本較低，銷售渠道廣泛，產品擁有核心技術，因此其創新水平較強。

（二）穩健性檢驗

1替換核心變量

將投入數字化和企業創新變量分別選擇直接消耗系數、企業發明專利申請數量以及二者同時替換。表3中（1）至（3）列顯示通過替換投入數字化、企業創新指標后所得到的回歸系數依然顯著，再次驗證了本文的核心結論，即投入數字化水平會促進企業創新。進一步地，又通過引入行業和企業的交叉固定效應進行回歸，結果依然穩健。

2模型替換

前文采用專利申請數量來衡量企業創新水平，而專利數據（考慮原始的計數形式非對數形式）屬于計數數據且存在“過度”分散，即方差（465169）明顯大于期望（1562），通常可用負二項回歸模型進行處理，因此我們采用面板負二項模型再次進行檢驗，表3中（5）列的回歸結果顯示依然穩健，alpha的95%置信區間為（10744，11208），意味著在5%的顯著性水平上拒絕泊松回歸的原假設。

3樣本選擇偏誤

考慮到上文沒有將專利申請數量為0的企業納入在內，這可能導致樣本選擇偏誤，因此這里選用Heckman兩步法進行穩健性檢驗。兩步法要求第一步決策方程的被解釋變量為“企業是否進行創新”，該部分需要引入排他性變量，本文通過在基礎回歸中引入實收資本與流動資產合計兩個變量發現，其對企業創新水平影響并不顯著，而在Heckman兩步法的第一步回歸中顯示二者均會顯著影響企業創新決策，因此符合排他性要求；第二步在結果方程的解釋變量中引入逆米爾斯比率，回歸系數顯著不為零，證明樣本選擇偏差存在。在采用兩步法糾正了樣本選擇偏誤之后，結果顯示投入數字化仍會顯著促進企業創新，進一步強化了本文結論的合理性。

4內生性問題

本文的核心解釋變量為行業層面數據，被解釋變量為企業層面數據，由反向因果引發內生性問題的可能性不大，但控制變量可能會導致由于反向因果或者遺漏變產生的內生性問題［24］。因此這里選擇將投入數字化變量滯后一期，理論上當期的企業創新不會影響上一期的數字化投入，進行兩階段最小二乘法（2SLS）。表4第（3）列結果顯示，異方差穩健的Durbin（Score）chi2、Wu-Hausman?F統計量p值均小于001，說明在1%的顯著性水平下認為存在內生變量；Kleibergen-Paap?rk?LM統計量顯示不可識別檢驗通過；弱工具變量檢驗Cragg-Donald?Wald?F統計量和Kleibergen?Paap?Wald?rk?F統計量均大于10%水平的Stock-Yogo?values臨界值（1638），以上一系列檢驗均說明工具變量的選取合理，在考慮潛在內生性后基本結論依然穩健。

（三）異質性分析

1基于企業規模的異質性分析

企業規模的大小往往會對創新資源的獲取和利用形成一定的約束，因此本文將企業規模中位數作為界限，將企業分為大型企業和中小型企業進行分組檢驗。

由于本文控制變量中選取了企業規模，這里控制變量將不再納入該變量?；貧w結果表明，投入數字化對大規模企業和中小規模企業的創新水平均具有顯著的促進作用，且對于中小企業的促進效果更明顯，究其原因可能是由于中小企業自身創新能力較弱、融資等各類交易成本較高，在存量上處于相對劣勢，因此相較大規模企業來說投入數字化能夠更明顯地通過降低各類門檻來提升專利研發，同時系數顯著為正也說明了我國市場體系中的“規模歧視”現象對中小企業的不利影響在逐漸弱化［25］。

2基于投入來源地的異質性分析

按照制造業投入數字化投入來源的不同，將其分為國內投入數字化和國外投入數字化。前者反映制造業投入數字化的“本土化”，而后者則反映了投入數字化的“國際化”。根據完全消耗系數計算的投入數字化指標從描述性統計來看，國內投入數字化水平的均值為00502，國外的均值為00007，表明目前制造業數字投入仍以我國本土數字要素為主?；貧w結果顯示，國內投入數字化會顯著促進企業創新，而國外投入數字化會顯著抑制企業創新，這與張晴等（2021）［26］的觀點一致，即來自國內的數字投入會為企業提供廣闊的創新空間，包括產品上的技術創新和組織流程上的模式創新；相反來自國外的數字投入由于存在過高的數字貿易壁壘，過分依賴于此會使企業陷入創新困境。此外，就系數絕對值來說，國內數字投入的系數更大，這說明了越多來自國內的數字要素投入使得本土企業與國外的投入產出關聯減弱，而國內的投入產出鏈條運轉更加活躍，更有助于處于產業鏈中的企業實現自主研發創新；這一結果也意味著在國際經濟的衰退和貿易保護主義的盛行之時，更應該發揮國內大循環為主體、國內國際雙循環相互促進的發展格局［27］。

3基于行業要素密集度的異質性分析

參考許和連等（2017）［28］按照企業所在行業要素密集度特征具體行業類別如下：勞動密集型行業為：C10-C12（食品、飲料和煙草制品的制造）、C13-C15（紡織品、服裝、皮革和相關產品的制造）、C16（木材、木材制品及軟木制品的制造、草編制品及編織材料物品的制造）；資本密集型行業為：C17（紙和紙制品的制造）、C18（記錄媒介物的印制及復制）、C19（焦炭和精煉石油產品的制造）、C20（化學品、化學制品的制造）、C22（橡膠和塑料制品的制造）、C23（其他非金屬礦物制品的制造）、C24（基本金屬的制造）；技術密集型為：C21（基本醫藥產品和醫藥制劑的制造）、C25（金屬制品的制造）、C27（電力設備的制造）、C28（未另分類的機械和設備的制造）、C29（汽車、掛車和半掛車的制造）。進行劃分。結果顯示，投入數字化對技術密集型行業的企業創新正向影響最大，對資本密集型行業的企業創新水平影響居中，而對勞動密集型行業的企業創新影響最弱?？赡艿脑蚴牵杭夹g密集型的核心優勢取決于生產過程中的技術含量，因而數字要素投入的增加會直接提高該行業內企業的生產投入從而提升企業技術的垂直增值空間，促進研發和創新；而資本密集型和勞動密集型行業的主要生產投入分別為資本和勞動要素，數字要素的投入會更傾向于產生“資本-互補”效應從而帶來“資本偏向型技術進步”。

（四）機制分析

由前文實證結果得到的核心結論是：制造業投入數字化水平的提升會顯著促進企業創新。根據前文文獻梳理和分析，企業的各項經營成本與投入數字化密切相關，投入數字化水平的提升會使成本降低，進而促進企業提高資源利用效率實現最優配置進而提高企業的創新水平。因此，本文選取成本費用率作為中介變量，進一步驗證投入數字化是否會通過降低成本而影響企業創新水平，并構建如下模型：

Innovikt=β0+β1Digitizationkt+βControls+λt+ηi+γk+ε0ikt（4）

Costikt=φ0+φ1Digitizationkt+φControls+λt+ηi+γk+ε1ikt?（5）

Innovikt=μ0+μ1Digitizationkt+μ2Costikt+μControls+λt+ηi+γk+ε2ikt??（6）

其中，企業的成本費用率（cbfyl）為中介變量，計算公式為：成本費用率=（主營業務成本+管理費用）/主營業務收入，數據均來自工業企業數據庫。

回歸結果如表6所示，（2）列中投入數字化系數顯著為負，表明投入數字化水平的提升會顯著降低企業的成本費用率，（3）列中成本費用率系數顯著為負，同時投入數字化系數為01215小于（1）列基準回歸的系數01559，這意味著通過降低成本費率的機制渠道存在，且中介效應占總效應的比重為（00071×05459）/01559=00249，表明投入數字化不僅會直接影響企業創新，還會通過降低企業的成本費率對企業創新產生間接影響，假說H1成立。

（五）基于經濟政策不確定性的調節效應

前文的分析表明投入數字化水平會提升企業創新，然而隨著我國面臨的經濟政策不確定性加劇，會增加制造業企業所處的外部環境壓力，但現有研究尚未得出一致結論，經濟政策不確定性究竟是會對企業產生“激勵效應”從而增強投入數字化對創新水平的正效應還是會使企業傾向于持保守觀望態度從而抑制這一效應？為此我們在基準模型中引入投入數字化與經濟政策不確定性的交互項，具體模型如下：

Innovikt=β0+β1Digitizationkt+β2EPUt+β3Digitizationkt×EPUt+βControls+λt+ηi+γk+εikt?（7）

其中，EPUt為經濟政策不確定性指數，本文采用Baker等（2016）［29］編制的“中國經濟政策不確定月度指數”，再利用算術平均法計算出我國年度經濟政策不確定性指數?；貧w結果見表6，經濟政策不確定性的回歸系數顯著為負，表明不確定性會抑制企業創新，從而規避較大政策波動及不明朗政策預期所帶來的創新風險，這與張峰等（2019）的研究結論一致。另外，交互項系數顯著為負，這意味著經濟政策不確定性會減弱投入數字化與企業創新間的關系，假說H2成立。

四、拓展分析：投入數字化的質量測度

通過上述分析，本文嘗試進一步測算投入數字化的投入質量，并探究其與企業創新水平的關系。借鑒劉維剛等（2020）［30］測算生產投入服務質量的框架，我們首先測算出數字經濟行業的全要素生產率，再利用前文計算的制造業各行業生產投入中的數字要素完全消耗系數和直接消耗系數作為權重，分別計算出完全使用的數字要素投入質量和直接使用的數字要素投入質量。

（1）首先測算數字經濟行業的全要素生產率。本文利用曼奎斯特生產率指數（Malmquist?Productivity?Index）對數字經濟行業s的全要素生產率?Ts進行測度。Malmquist生產率指數表示為：

Mti=Dtixt，yt/Dtixt+1，yt+1（8）

其中，?xti，yti為生產點。本文選取各行業實際產出、實際資本存量及勞動投入作為產出-投入指標，原始數據均來自WIOD社會經濟賬戶數據庫，實際產出由名義產出除以產出價格指數得到；勞動投入選用各行業勞動力雇傭人數來衡量；實際固定資本存量利用永續盤存法測算，將折舊率定為5%。利用Deap21軟件進行計算。

（2）利用直接消耗系數和完全消耗系數作為權重對全要素生產率進行加權，計算投入質量。具體計算公式如下：

qualitycompletert=∑s∈SDigitizationcompletesrt×Tst?（9）

qualitydirectrt=∑s∈SDigitizationdirectsrt×Tst（10）

其中，?qualitycompletert、?qualitydirectrt分別為制造業r在t時期的完全投入質量和直接投入質量，S為全部數字經濟行業。

數字化投入質量與企業創新的回歸結果見表7，結果顯示完全投入質量與直接投入質量對企業創新的估計系數均為正，分別為02562和01469，并通過了1%的顯著性水平檢驗，表明投入數字化不僅在數量上可以提高企業創新能力，其投入質量也會對企業的創新活動產生正向影響。同時對比系數發現，完全投入質量的回歸系數會大于前文完全投入數量的系數，一定程度上表明投入質量的“好壞”更是決定企業創新水平提升的關鍵，因此在利用數字經濟與制造業融合并實現對傳統產業賦能的過程中，除了注重產業鏈各環節對數字要素的運用廣度外，還應兼顧數字要素的應用深度，從“質”與“量”兩方面共同發揮數字技術的引領作用。

五、結論及政策建議

本文運用WIOD?2016的投入產出數據、2000-2013年中國工業企業數據以及國家知識產權局專利數據三套數據進行匹配，測算中國各制造業行業的投入數字化水平，并分別運用多維面板固定效應分析投入數字化對企業創新水平的影響，由此考察投入數字化對企業不同規模、數字要素投入來源以及行業要素密集度的異質性作用效果；在此基礎上，基于中介效應模型檢驗投入數字化水平對企業創新的作用機制；接著考察經濟政策不確定性對本文核心結論的調節效應；并在拓展分析中測算中國制造業行業數字化的投入質量探究其與企業創新的關系。主要結論如下：（1）制造業投入數字化水平提升能夠顯著促進企業創新；（2）投入數字化對中小規模企業創新水平的提升作用優于大規模企業，國內投入數字化有助于企業自主創新，而國外投入數字化呈現顯著抑制作用，同時對于技術密集型企業創新提升明顯高于資本密集型和勞動密集型企業；（3）投入數字化會通過降低企業成本費率的渠道優化企業資源配置進而促進企業創新；（4）隨著企業面臨的經濟政策不確定性加劇時，會對應用數字投入帶來的企業創新產生明顯的負向調節；（5）投入數字化的投入質量會對企業創新產生明顯正效應，且相比投入數量來說，投入質量對企業創新的促進效應更強。

基于以上結論，本文提出如下政策建議：第一，要把握住當前數字化發展的契機，推動數字技術與傳統制造業的融合發展不僅要推廣數字技術的普及與應用，更應重視數字要素的投入質量，這樣才有助于實現制造業與數字要素的高質量融合，并進一步賦能傳統產業轉型升級和促進微觀主體的創新活動；第二，要充分重視新一代數字技術的引領作用，在引進國外數字投入時加強自身技術吸收能力、推進關鍵核心技術攻關占領數字技術高地，提升自主創新的能力；第三，面對全球不斷加劇的經濟政策不確定性，發揮投入數字化提升企業的動態能力，更好地應對新冠疫情等因素對制造業產業鏈及供應鏈造成的沖擊，重拾制造業企業的活力。

參考文獻：

［1］賀靈，付麗娜.創新要素協同、市場化改革與制造業高質量發展［J］．財經理論與實踐，2021，42（6）：126-131.

［2］郭吉濤，朱義欣.數字經濟、區域創新效率與地區創業活力［J］．哈爾濱商業大學學報（社會科學版），2022，182（1）：98-111.

［3］王文娜，劉戒驕，張祝愷.?研發互聯網化、融資約束與制造業企業技術創新［J］.?經濟管理，2020，42（9）：127-143.

［4］潘冬.數字經濟賦能戰略性新興產業創新發展研究［J］．理論探討，2022，228（5）：168-172.

［5］Avi?Goldfarb，Catherine?Tucker.?Digital?Economics［D］.?Journal?of?Economic?Literature，2019.

［6］James?D.?Dana，JR.，Eugene-Orlov.?Internet?Penetration?and?Capacity?Utilization?in?the?US?Airline?Industry［J］.?American?Economic?Journal：?Microconomics，2014，6（4）：106-137.

［7］劉鳳環.數字化賦能、企業類型與投資效率［J］．經濟問題，2022，519（11）：67-75.

［8］裴長洪，倪江飛，李越.?數字經濟的政治經濟學分析［J］.?財貿經濟，2018，39（9）：5-22.

［9］Huseyin?Gulen，Mihai?Ion.?Policy?Uncertainty?and?Corporate?Investment［J］.?The?Review?of?Financial?Studies，2016，29（3）：?523-564.

［10］張峰，劉曦苑，武立東，等.?產品創新還是服務轉型：經濟政策不確定性與制造業創新選擇［J］.?中國工業經濟，2019（7）：?101-118.

［11］李青原，張玲.經濟政策不確定性能否提高會計穩健性？［J］．珞珈管理評論，2022（3）：46-64.

［12］顧夏銘，陳勇民，潘士遠.?經濟政策不確定性與創新——基于我國上市公司的實證分析［J］.?經濟研究，2018，53（2）：109-123.

［13］David?J.?Teece，Gary?Pisano，Amy?Shuen.?Dynamic?Capabilities?and?Strategic?Management［J］.?Strategic?Management?Journal，1997，18（7）：509-533.

［14］Marcel?Bogers，Henry?Chesbrough，Sohvi?Heaton，et?al.?Strategic?Management?of?Open?Innovation：?A?Dynamic?Capabilities?Perspective［J］.?California?Management?Review，2019，62（1）：?77-94.

［15］張吉昌，龍靜.?數字化轉型、動態能力與企業創新績效——來自高新技術上市企業的經驗證據［J］.?經濟與管理，2022，36（3）：74-83.

［16］黃節根，吉祥熙，李元旭.數字化水平對企業創新績效的影響研究——來自滬深A股上市公司的經驗證據［J］．江西社會科學，2021，41（5）：61-72.

［17］陳愛貞，陳鳳蘭，何誠穎.?產業鏈關聯與企業創新［J］.?中國工業經濟，2021（9）：?80-98.

［18］Tor?Jakob?Klette，Zvi?Griliches.?The?Inconsistency?of?Common?Scale?Estimators?When?Output?Prices?are?Unobserved?and?Endogenous［J］.?Journal?of?Applied?Econometrics，1996，11（4）：?343-361.

［19］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.

［20］聶輝華，江艇，楊汝岱.?中國工業企業數據庫的使用現狀和潛在問題［J］.?世界經濟，2012，35（5）：142-158.

［21］Brandt?Loren，Biesebroeck?Johannes?Van，Zhang?Yifan.?Creative?Accounting?or?Creative?Destruction?Firm?Level?Productivity?Growth?in［J］.?Journal?of?Development?Economics，2012（97）：?339-351.

［22］楊洋，魏江，羅來軍.?誰在利用政府補貼進行創新？——所有制和要素市場扭曲的聯合調節效應［J］.?管理世界，2015（1）：75-86，98，188.

［23］郭玥.?政府創新補助的信號傳遞機制與企業創新［J］.?中國工業經濟，2018（9）：?98-116.

［24］張晴，于津平.?投入數字化與全球價值鏈高端攀升——來自中國制造業企業的微觀證據［J］．經濟評論，?2020（6）：?72-89.

［25］羅來軍，蔣承，王亞章.?融資歧視、市場扭曲與利潤迷失——兼議虛擬經濟對實體經濟的影響［J］.?經濟研究，2016，51（4）：?74-88.

［26］張晴，于津平.?制造業投入數字化與全球價值鏈中高端躍升——基于投入來源差異的再檢驗［J］.?財經研究，2021，47（9）：?93-107.

［27］李跟強，宗志剛.?制造業投入服務化、服務貿易開放與經濟周期聯動：基于全球價值鏈的視角［J］.?世界經濟研究，2021（10）：?69-86，135.

［28］許和連，成麗紅，孫天陽.?制造業投入服務化對企業出口國內增加值的提升效應——基于中國制造業微觀企業的經驗研究［J］.?中國工業經濟，2017（10）：?62-80.

［29］Scott?R.?Baker，Nicholas?Bloom，Steven?J.?Davis.?Measuring?Economic?Policy?Uncertainty［J］.?The?Quarterly?Journal?of?Economics，2016，131（4）：?1593-1636.

［30］劉維剛，周凌云，李靜.?生產投入的服務質量與企業創新——基于生產外包模型的分析［J］.?中國工業經濟，2020（8）：?61-79.

Digitalization?of?Manufacturing?Input?and?Enterprise?Innovation

CONG?Yu-han，WANG?Shan-shan

（School?of?Economics，Nankai?University，Tianjin?300071，China）

Abstract：?Digitalization?of?manufacturing?input?has?become?an?important?driving?force?for?enterprises?to?improve?the?level?of?innovation.?Based?on?the?data?of?industrial?enterprises?and?the?patent?data?of?the?State?Intellectual?Property?Office，?this?paper?explores?the?influence?and?mechanism?of?the?“quantity”?and?“quality”?of?the?digitalization?of?manufacturing?input?on?enterprise?innovation.?The?studies?demonstrate?that?the?digitization?of?manufacturing?input?will?significantly?promote?enterprise?innovation;?the?mechanism?analysis?shows?that?the?digitization?of?manufacturing?input?will?improve?the?level?of?enterprise?innovation?by?reducing?the?cost?of?enterprises;?the?difference?in?enterprise?scale，?the?difference?in?digital?factor?input?source?and?the?difference?in?factor?intensity?of?manufacturing?industry?will?have?a?differentiated?impact?on?enterprise?innovation.?The?adjustment?effect?analysis?shows?that?economic?policy?uncertainty?will?have?a?significant?negative?adjustment?to?the?positive?effect?between?digitization?of?manufacturing?input?and?enterprise?innovation;?further?analysis?finds?that?the?input?quality?of?digital?elements?will?significantly?promote?the?innovation?of?enterprises.

Key?words：?digitization?of?manufacturing?input;?enterprise?innovation;?input?quality;?economic?policy?uncertainty

（責任編輯：周正）