數字經濟、人力資本流動與企業自主創新

摘 要：本文選取2011—2014 年全國創新調查企業數據，基于人力資本流動視角，考察了數字經濟對制造業企業自主創新的影響。研究發現，數字經濟發展能夠有效推動企業自主創新。其中，數字經濟通過引發人力資本流動，提升了碩士及以上學歷員工、技術員工在企業內部的占比，是推動企業自主創新的重要途徑，但這種機制可能會強化中國“西低東高”的區域創新格局，并進一步拉大制造業內部創新差距，形成以“熊彼特效應”占優為主導的產業結構。此外，數字經濟發展對企業自主創新的影響在處于不同市場化水平和政務化水平的分位區間內表現出顯著差異性。

關鍵詞：數字經濟；技術創新；制造業；創新差距

DOI：10.19313/j.cnki.cn10-1223/f.20240906.003

一、引 言

大數據、人工智能、云計算等數字技術與實體經濟深度融合，為經濟高質量發展注入新動能的同時，也為傳統產業數字化變革提供新的契機。中國信息通信研究院發布的《數字經濟發展報告（2022）》顯示，2021 年中國數字經濟規模達到45.5 萬億元，名義增長16.2%，對國民經濟增長的貢獻率超過39.8%。數字經濟地位愈發穩固、支撐作用更加明顯，儼然成為推動經濟高質量發展的新引擎。制造業作為經濟高質量發展的重要壓艙石，對國內經濟健康有序發展、社會就業大局穩定起到支撐作用（焦勇，2020）。然而，與歐美日等世界制造強國相比，中國制造業自主創新能力較弱，受工藝、技術標準和知識產權保護等制約，制造業關鍵領域、核心材料對外技術依存度較高，成為產業發展的“卡脖子”瓶頸。數字經濟的核心是數字技術，數實融合的動力來源是數字技術的廣泛應用（史宇鵬和曹愛家，2023）。由此引出，那么發展數字經濟賦能制造企業自主創新能力提升，進而推動制造業高質量發展？

目前，互聯網等信息技術應用對創新活動的積極影響已被眾多研究所證實。互聯網形成的網絡連接效應能夠降低企業信息搜尋和復制成本，消除信息傳遞障礙，給知識創造和整合帶來了新機遇（Lyytinen et al.，2016）。數字經濟是互聯網與信息化的高級產物，較少有研究直接探討其對制造業自主創新的影響。與本文密切相關的文獻有三支：第一支文獻就數字經濟的概念和內涵進行廣泛討論。Tapscott（1996）在《數字經濟：網絡智能時代的機遇和挑戰》一書中提出“數字經濟”一詞，并將其描述為一個廣泛運用信息和通信技術（Information and Communications Technology，ICT）的新型經濟形態。Bukht and Heeks（2018）認為除ICT 應用外，數字經濟的范圍還應包括數字服務、平臺經濟帶來的新商業模式以及一切基于數字技術的廣義經濟活動。Bart van Ark（2016）提出“新數字經濟”概念，即除ICT 之外的移動技術、互聯網接入以及云端存儲、分析和開發應用，并發現“新數字經濟”時代，生產部門仍存在“生產率悖論”。國內部分學者將數字經濟范圍劃分為“數字產業化”和“產業數字化”兩部分（王開科等，2020；蔡躍洲和牛新星，2021），并測算了省際數字經濟增加值規模，發現中國數字經濟規模整體呈上升趨勢，但存在顯著的地區差異，東部和中部地區的數字經濟規模兩極分化最為明顯（蔡躍洲和牛新星，2021）。

第二支文獻重點考察數字經濟的創新效應。宏觀層面，基于“數字鴻溝”視角尚未取得一致結論，韓璐等（2021）認為數字經濟會拉大城市間創新差距，創新水平越高的城市，數字經濟的創新賦能作用越強。金環和于立宏（2021）卻發現，數字經濟發展對城市創新具有空間溢出效應，不僅能夠促進本地城市創新水平提升，對相鄰城市創新水平也會產生正向溢出影響，有利于縮小城市間創新差距、實現區域創新收斂。微觀層面，基于技術應用視角，數字經濟發展改變了傳統金融生態，降低市場信息不對稱，能夠有效解決企業融資難、融資貴問題，為企業研發創新提供充足的資金保障（唐松等，2020）。基于企業內外部資源視角，數字經濟通過提高人力資本等內部資源和擴展企業知識網絡等外部資源驅動企業創新能力提升（李健等，2022）。基于供需雙側視角，數字經濟通過緩解企業融資約束、促進產學研合作和提高專利回報率三條路徑推動企業突破性創新，但對漸進性創新的影響不顯著（胡山和余泳澤，2022），進一步拓展了數字經濟對企業創新模式選擇的影響的研究。

第三支文獻針對中國情境下企業創新行為進行研究。對于創新水平的度量，目前多數研究采用專利申請或授權量、R&D 經費支出、新產品產值或銷售收入作為代理變量（Mukherjee et al.，2017；孫文浩和張杰，2020），部分研究采用知識寬帶法、專利引用次數等指標刻畫企業創新質量（Dangand Motohashi，2015；諸竹君等，2024）。梳理上述研究發現，關于數字經濟創新效應的研究主要集中在宏觀層面，基于微觀視角考察數字經濟發展對企業自主創新的影響的研究仍不多見。由于缺少更加精細化的企業創新投入或產出指標，想要準確識別企業自主創新較為困難。此外，在考察數字經濟賦能企業創新的機制研究中，多數研究主要關注人力資本存量的作用，忽略了數字經濟發展引發的人力資本流動對企業創新的差異化影響。

區別于上述文獻，本文選取2011—2014 年全國創新調查企業數據，實證檢驗數字經濟發展對制造業企業自主創新的影響及其機制。本文可能的邊際貢獻在于：（1）拓展了數字經濟創新效應的研究。現有文獻主要從宏觀層面討論數字經濟對區域創新產出的影響（韓璐等，2021；金環和于立宏，2021），本文結合全國創新調查企業數據庫，將企業自主創新從全部創新活動中剝離出來，彌補了數字經濟在微觀創新領域的研究的不足；（2）深化數字經濟創新效應的理論機制。本文首次基于人力資本流動性視角檢驗數字經濟發展對制造業企業自主創新的作用機制，視角有一定創新性，為政府制定數字經濟政策引導高級勞動力要素流動、推動制造業高質量發展提供針對性的政策建議；（3）豐富了數字經濟、人力資本與企業自主創新的關系的研究內容。本文研究發現，數字經濟發展會進一步強化中國“西低東高”的區域創新格局，同時拉大制造業內部創新差距，形成以“熊彼特效應”占優為主導的產業結構。此外，在高市場化-高政務化的地區，數字經濟發展有利于促進企業自主創新；在低市場化-低政務化的地區，數字經濟發展不利于促進企業自主創新。本文為協調政府干預理論與自由市場理論之爭提供了經驗證據。

二、理論分析與研究假說

（一）數字經濟發展與企業自主創新

數字經濟在推動企業技術變革、促進自主創新方面發揮著重要作用。第一，數字經濟發展有利于降低企業成本，緩解融資約束，為企業自主創新提供充足的資金保障。與其他投融資活動不同，創新活動具有高成本、長周期、投資不可逆等特點（Holmstrom，1989），從而導致企業在創新決策時面臨較高的風險和不確定性。數字經濟發展改變了傳統的投融資方式，通過提高融資匹配效率，改善信貸市場資源錯配，為企業創新型融資提供技術支持（唐松等，2020）。除降低融資約束外，企業通過大數據和云計算等數字技術在虛擬空間中實現對現實物質世界的創新模擬，以“虛擬試錯”代替“現實試錯”，降低創新試錯成本，減少了創新收益的不確定性（戚聿東和肖旭，2020），激勵企業開展風險更高、突破性更大的前沿領域自主創新活動。

第二，數字經濟發展通過加快創新要素整合，促進企業自主創新。一方面，數字經濟通過跨時空信息傳播與知識共享，有助于提升企業創新網絡的連接效應，擴大創新資源獲取范圍，縮短企業技術認知距離（戚聿東和肖旭，2020）。借助互聯網和云服務等數字平臺，企業能夠以近乎零成本優勢獲取多元化的外部信息，有助于加快知識和技術溢出，提高前沿技術攻關效率。例如，小米、海爾等知名企業依托數字平臺，征求用戶創意，鼓勵用戶直接在平臺上參與產品和服務的個性化定制，真正實現萬眾創新。另一方面，數字經濟發展驅動的組織變革和商業模式創新，使企業組織形式由科層制向網格制轉變，扁平化的網絡組織形式增強了企業柔性，深化企業內部在供給側的資源獲取和需求側的信息共享，有利于形成共享開放的創新價值觀念，加強內部創新資源整合（謝康等，2020），而創新正是源于對現存碎片知識的重新結合（Arthur，2007）。

第三，數字經濟是以數據作為關鍵生產要素，其表現出的網絡化、智能化等特征對企業自主創新也會產生重要影響。有研究發現，當數據與生產資料分離時，單純的數據只是以比特形式存在的可能生產要素，要成為現實生產要素，數據必須與勞動、資本等傳統資料相結合（謝康等，2020）。數據作為一種新的生產要素，打破了固有的生產方式，其表現出的乘數效應有助于提升要素配置效率，促進企業自主創新。事實上，任何新要素的出現都會打破常規要素在生產函數中所占的份額，同時伴隨著生產率水平提升（Solow，1987）。在數字經濟推動下，大數據成為現實生產要素，有利于激發企業自主創新潛力。基于上述分析，本文提出如下研究假說：

H1：數字經濟發展能夠促進企業自主創新。

（二）人力資本流動的中介機制

數字經濟發展能夠引發人力資本流動，對企業自主創新表現出顯著差異性。首先，數字經濟發展能夠在地區和行業層面同時引發人力資本流動。從地區層面看，經濟發展水平越高的地區數字經濟發展也越快，數字經濟與實體經濟的融合催生出如智能制造、個性化定制等新產業、新業態與新商業模式，這些新興產業憑借較強的利潤創造能力吸引大量人力資本集聚（李宗顯和楊千帆，2021）。相反，欠發達地區受制于經濟發展水平及網絡設施條件，容易造成創新儲備人才流失，難以集聚高技能人才。從產業層面看，產業數字化程度越高，越能夠吸引高技能勞動者集聚，當信息技術投資與熟練勞動力的使用相結合時，這一互補性投資組合能夠產生超額生產率增長（Brynjolfsson andHitt，2003）。反之，當勞動力的知識和技能與產業數字化需求不匹配時，數字經濟發展可能會擠出低技能勞動力，導致信息技術投資對中低端勞動力產生替代效應（Acemoglu and Restrepo，2018），進而扭曲勞動要素價格，阻礙資源配置效率提升。其次，人力資本水平提升有助于促進企業自主創新。數字化培訓、網絡化學習加快了知識獲取、傳遞和吸收的速度，勞動者能夠以更加低廉的成本獲得無限豐富的學習資源，有利于提升人力資本（Chen et al.，2010）。而人是創新的主體，創新驅動的本質是企業內部人力資本進行知識學習和創造的過程（方曉暉等，2023）。更高水平的人力資本會加快企業對前沿技術成果的吸收和轉化，人力資本水平落后則會導致企業創新面臨較大的基礎知識與共性技術缺口，創新激勵也會受阻（金環和于立宏，2021）。此外，人力資本外部性理論認為，人力資本集聚存在正外部性，尤其是高級勞動力要素集聚，其正外部性更加突出（Che and Zhang，2018）。人才集聚程度高的地區或行業能夠增強科技人才間的交流與合作，共享知識溢出成果，加快對碎片知識的整合與利用，有利于促進企業自主創新。圖1 展示了數字經濟發展在地區和行業層面引發的人力資本流動對企業自主創新的影響。據此，本文提出如下研究假說：

H2a：數字經濟發展通過引發高級勞動力要素流動，促進企業自主創新。

H2b：數字經濟引發的高級勞動力要素流動對企業自主創新的影響，在地區和行業層面存在“數字鴻溝”。

（一）模型設定

為檢驗數字經濟發展對企業自主創新的影響，本文構建如下基準回歸模型：

Yict= α0+α1scorect+ X'ictη+ Z'itθ+ λi+ μt+ εict（1）

其中，Y表示企業自主創新；score表示城市數字經濟發展水平；X和Z分別代表城市和企業層面控制變量集合；下標i、c和t分別代表企業、城市和年份；λi和μt分別表示個體固定效應與時間固定效應；εict表示隨機擾動項。該模型設定一定程度上能夠弱化反向因果帶來的內生性問題，原因是城市數字經濟發展能夠直接影響該城市內部單個企業的創新行為，但企業創新行為難以直接影響宏觀數字經濟發展。

（二）變量選取

1. 被解釋變量：企業自主創新。借鑒張杰等（2020）的方法，使用兩種方式度量企業自主創新，一種是用企業當年人均科技活動經費支出（percapitard）來表示，即采用企業當年科技活動經費支出除以企業當年科技活動人員數。其中，企業當年的科技活動經費支出=當年企業內部用于科技活動的經費支出+委托外單位開展科技活動的經費支出。按照國家統計局的相關規定，企業當年的科技活動經費支出中不包括技術引進經費支出。

另一種是用企業當年人均私人性質的科技活動經費支出（percaprivaterd）表示，即采用企業當年私人性質的科技活動經費支出除以企業當年科技活動人員數。其中，企業私人性質的科技活動經費支出=企業當年科技活動經費支出-來自政府部門的科技活動資金。在國內，政府部門通常會采用財政補貼和稅收優惠等方式鼓勵本土企業開展研發創新活動。在剔除政府補貼、資助等產業扶持政策的影響后，企業私人性質的科技活動經費支出能更大程度上代表企業自主創新。上述各項精細化研發投入及研發人員指標均來源于全國創新調查企業數據庫。

2. 核心變量：數字經濟發展水平。參考趙濤等（2020）的指標選取思路，選擇信息技術服務（采用信息傳輸、計算機服務和軟件就業人員占比度量）、互聯網相關產出（采用人均電信業務量度量）、網絡基礎設施建設情況（采用每百人移動電話數、每百人互聯網寬帶接入用戶數度量）、數字金融（采用城市層面數字普惠金融指數度量）四個維度構建數字經濟發展的綜合指標，并采用熵值法賦權得到城市數字經濟發展水平綜合指數（score）。

3. 中介變量：包括高學歷勞動力和高技能勞動力兩類。其中，高學歷勞動力從兩方面衡量：一是本科學歷勞動力（企業本科人數占總員工人數的比例，bachelor）；二是研究生學歷勞動力（企業碩士及以上人數占總員工人數的比例，master）。高技能勞動力采用企業擁有的高、中級技術職稱人員占總員工人數的比重（Technician）表示。

4. 控制變量。參照張杰等（2020）、李健等（2022）的方法，本文分別從城市和企業兩個層面選取控制變量。其中，企業層面的控制變量包括固定資產規模（企業當年形成用于科技活動的固定資產取自然對數，fixasset）、企業成立年限（企業觀測年份減去成立日期加1，age）、行業競爭程度（按照二位碼行業中各企業科技活動人員數量計算的赫芬達爾-赫希曼指數，HHI）、企業出口（企業新產品出口額與新產品銷售收入的比值，export）、國有企業虛擬變量（以細化到三位碼的企業登記注冊類型作為識別條件，將代碼為110、141 和151 界定為國有企業，反之為非國有企業，soe）；城市層面的控制變量包括經濟發展水平（經價格指數平減的人均實際GDP 取自然對數，rgdp）、政府干預程度（地方一般公共預算支出與GDP 之比，budget）、金融發展水平（城市年末金融機構各項存貸款余額合計與GDP 之比，finance）、產業結構升級（第二產業增加值與GDP之比，structure）、人口密度（城市總人口與城市行政區劃面積之比，density）。最后，為消除極端值或異常值干擾，對所有連續變量進行上下1%縮尾處理。表1 為主要變量的描述性統計。

（三）數據來源

本文以中國規模以上制造業企業為研究對象，數據來源于國家統計局公布的2011—2014 年全國創新調查企業數據庫，該數據庫詳細提供了規模以上工業企業的科技創新活動指標，包括企業從事科技活動的人員數、企業擁有的本碩博及高中級技術職稱人員數、專利申請數、發明專利申請數、新產品產值、新產品銷售收入等詳細信息，是目前國內研究微觀企業創新活動最全面的數據庫之一（孫文浩和張杰，2020）。選取數據庫中的制造業企業（行業代碼為13-43）作為研究對象，并將其與地級市數據匹配。宏觀層面的數據來源于2012—2015 年《中國城市統計年鑒》、2011—2014 年北京大學數字金融研究中心和螞蟻金服集團共同編制的“數字普惠金融指數”。需要說明的是，城市數字普惠金融指數起始年份為2011 年，因此，本文選擇2011 年作為樣本起始年份。另外，2014年是目前能夠獲取到全國創新調查企業數據庫中數據的最新年份。

四、實證結果分析

（一）基準結果分析

表2 匯報了基準回歸檢驗結果。第（1）和（2）列分別采用企業當年人均科技活動經費支出與人均私人性質的科技活動經費支出作為被解釋變量。在控制個體固定效應、企業和城市特征之后，核心解釋變量（score）的估計系數均在1%水平上顯著為正，表明城市數字經濟發展顯著促進企業自主創新。第（3）和（4）列進一步加入時間固定效應，用于控制未被觀察到的外部宏觀因素沖擊。結果顯示，核心解釋變量（score）的系數明顯下降，但仍至少在10%水平上顯著促進企業自主創新。就經濟顯著性而言，以表2 第（4）列為例，城市數字經濟發展水平每增加一個標準差，將使企業人均私人性質的科技活動經費支出增長約0.32 個百分點（0.2394×0.07/5.22）。因此，假說H1得到驗證，即數字經濟發展能夠促進制造業企業自主創新。

（二）穩健性分析

1. 工具變量檢驗。雖然基準回歸通過加入固定效應與控制變量的方式緩解內生性，但仍可能存在未觀測到的遺漏變量對回歸結果造成干擾。本文選擇尋找歷史工具變量，并利用2SLS 估計進行穩健性檢驗。借鑒黃群慧等（2019）的做法，選擇1984 年各城市每百萬人郵局數量作為城市數字經濟發展的工具變量。一方面，在互聯網出現之前，人們信息溝通的方式主要是通過郵局系統接入，郵局數量較多的地區，網絡基礎設施也較發達，這為當地數字經濟發展奠定了網絡基礎，滿足工具變量相關性；另一方面，1984 年各城市郵局數量是典型的歷史數據，很難直接影響現代企業自主創新活動，滿足工具變量外生性。鑒于1984 年各城市每百萬人郵局數量只隨地區變化，如果直接加入到回歸方程中，將會被個體固定效應所吸收，從而造成不可識別的問題。為此，借鑒Nunnand Qian（2014）的思路，利用1984 年各城市每百萬人郵局數量與上一年信息傳輸、計算機服務與軟件行業從業人員占全社會年末從業人員比重的交互項構造工具變量。表3 回歸結果顯示，第一階段工具變量（iv）回歸系數在1%水平上顯著為正，表明歷史上郵局布局越密集的地區，如今數字經濟發展水平也越高。第二階段核心解釋變量（score）的系數均在5%水平上顯著為正，表明城市數字經濟發展能夠顯著促進該城市內部企業人均科技活動經費支出與人均私人性質的科技活動經費支出增加。

2. 更換城市數字經濟的測算方法。基準回歸選擇熵值法對數字經濟各項分指標進行賦權，參照趙濤等（2020）的做法，本文選擇主成分分析法對各項分指標賦權，重新測算城市數字經濟發展水平（index）。表4 第（1）和（2）列結果顯示，核心解釋變量（index）回歸系數均為正，且對企業人均科技活動經費支出的影響在10%水平上顯著，表明數字經濟發展一定程度上仍正向促進企業自主創新。

3. 替換被解釋變量。基準回歸中企業自主創新指標基于研發投入視角測算，參照李春濤等（2024）的做法，基于創新產出視角，采用企業發明專利申請量（企業當年申請的發明專利數量加1 取自然對數，inventpat）作為新的被解釋變量。表4 第（3）列結果顯示，數字經濟發展在10%水平上顯著促進企業發明專利申請量的增加。企業創新活動可能存在時間滯后性，第（4）列考慮將發明專利申請滯后兩期作為被解釋變量，結果顯示，核心解釋變量（score）的系數在1%水平上顯著為正，本文的回歸結果較為穩健。

4. 調整標準誤聚類層級。在利用計量回歸模型進行因果識別的過程中，核心解釋變量的回歸系數及顯著性水平往往會受到標準誤聚類層級的影響。為保證研究結論的穩健性，表4 第（5）和（6）列將標準誤聚類到城市層面，結果顯示，核心解釋變量（score）的系數仍至少在10%水平上顯著為正。

5. 剔除其他相關因素干擾。除數字經濟影響外，樣本期間內出現的其他政策可能也會影響企業自主創新。基于地區層面，本文剔除城市層面實施的兩類相關政策：一是國家創新型城市試點政策①；二是國家下一代互聯網示范城市試點政策②。基于行業層面，政府對數字產業化或產業數字化等政策支持可能也會影響企業自主創新，為有效剔除行業層面實施的數字產業政策，本文進一步控制行業隨時間變化的固定效應。表5 回歸結果顯示，在剔除其他行業政策或地區政策干擾后，核心解釋變量（score）的系數均顯著為正，數字經濟發展促進企業自主創新水平提升這一結論較為可靠。

（三）機制分析

為檢驗人力資本流動機制，即數字經濟發展能夠吸引更多高級勞動力要素流入，進而促進企業自主創新水平提升，本文直接考察城市數字經濟發展對企業內部高學歷員工占比及技術人員占比的影響。表6 第（1）和（3）列回歸結果顯示，數字經濟發展未能引發本科學歷的勞動力流入，但引發了更多研究生學歷的勞動力流入，該城市內部碩士及以上學歷員工占比顯著提高7.8 個百分點。第（2）和（4）列回歸結果顯示，增加的高學歷人才主要流向技術崗位，且數字經濟發展引發更多高技能勞動力流入。第（5）和（6）列進一步進行中介效應分析，結果顯示，高技能員工占比與企業人均科技活動經費支出、人均私人性質的科技活動經費支出均呈顯著正相關，這說明數字經濟發展引發的高級勞動力要素流入能夠產生人力資本集聚效應，進而促進企業自主創新。因此，假說H2a得到驗證，即數字經濟發展通過引發高級勞動力要素流動，促進企業自主創新。

五、進一步分析

理論分析認為，數字經濟發展能夠在地區和行業層面引發人力資本流動，進而對企業自主創新的影響呈現出顯著差異。上述機制分析只驗證了數字經濟發展能夠引發人力資本流動，但流向何處卻不得而知。本節進一步分析數字經濟引發人力資本流動對企業自主創新的影響在不同層面的差異化表現。

（一）區位異質性

中國地區間數字經濟發展水平差距懸殊，東部地區數字經濟發展水平遠高于中、西部地區和全國平均水平（王軍等，2021）。為考察區位異質性，本文將樣本城市劃分為東部、中部及西部三個地區，表7 中分組回歸結果顯示，數字經濟發展顯著促進了東部地區企業人均科技活動經費支出及人均私人性質科技活動經費支出的增加，但卻降低了中部地區企業人均科技活動經費支出及人均私人性質科技活動經費支出，對西部地區企業人均科技活動經費支出及人均私人性質科技活動經費支出的影響為負且不顯著。從人力資本流動性視角解釋，與中部和西部地區相比，東部地區數字經濟發展水平較高，數字經濟的高滲透性、高融合性特征，催生出眾多具有較高技術水平的新興智能產業，這些新興產業憑借較強的成長能力和利潤創造能力，吸引大量人力資本集聚，進而表現為數字經濟發展顯著促進東部地區企業自主創新水平提升。另一方面，數字經濟在吸引東部地區人力資本集聚的同時，對中、西部地區高級勞動力要素產生較為明顯的“虹吸效應”。尤其是與西部地區相比，中部地區高級勞動力要素流失更嚴重，當中部地區數字經濟發展水平與高級勞動力要素供給不匹配時，就會產生較大的基礎知識與共性技術缺口，企業自主創新激勵也會受阻，進而表現為數字經濟發展對中部地區企業自主創新的抑制作用要顯著高于西部地區。

為驗證上述理論預期，表8 分地區討論數字經濟發展引發人力資本流動機制是否是造成中國“西低東高”區域創新格局的重要原因之一。第（1）和（2）列回歸結果顯示，東部地區數字經濟發展能夠吸引更多高技能勞動力集聚。第（3）和（4）列回歸結果顯示，中部地區數字經濟發展未能吸引更多高技能勞動力集聚。第（5）和（6）列回歸結果顯示，西部地區數字經濟發展同樣未能吸引更多高技能勞動力集聚。因此，本文發現數字經濟發展通過吸引更多高級勞動力要素流向東部地區，并對中、西部地區產生明顯的“虹吸效應”，進而拉大地區間創新差距，形成中國“西低東高”的區域創新格局。

（二）行業異質性

在同一城市內部，對于初始創新稟賦不同的企業，數字經濟發展對企業自主創新的影響是否存在顯著差異，現有文獻研究不足。對此，本文構造同一城市制造業內部企業創新差距指標：

innovagapchit=leadinnovationcht-otherinnovationchit/leadinnovationcht（2）

其中，下標c、?、i、t分別代表城市、行業、企業和年份；innovagapchit表示同行業企業間創新差距，leadinnovationcht和otherinnovationchit分別表示c城市內行業?中在第t年企業私人性質的科技活動經費支出最多的企業以及其他企業私人性質的科技活動經費支出額。

本文按照企業創新差距innovagapchit中位數，將低于中位數的樣本設定為“NN”型行業，其特征是該行業內部多數企業與技術領先型企業創新差距較小，由于不存在絕對占優的創新能力，每個企業都具有通過創新來“逃離競爭”的動力激勵，進而表現為行業內部競爭較為激烈，Aghion etal.（2005）認為這類行業內部存在“逃離競爭效應”。相反，將高于中位數的樣本設定為“LL”型行業，其特征是該行業內部多數企業與行業技術領先型企業創新差距較大，通過自主創新趕超技術領先型企業的概率較小，導致多數企業缺乏創新激勵，進而表現為整個行業內部創新意愿較弱，Aghion et al.（2005）認為這種行業內部存在“熊彼特效應”。

表9 第（1）至（4）列回歸結果顯示，數字經濟發展顯著促進了NN 型行業人均科技活動經費支出及人均私人性質科技活動經費支出的增加，對LL 型行業人均科技活動經費支出及人均私人性質科技活動經費支出的影響不顯著。上述結果表明，數字經濟發展可能會縮小競爭程度較大行業的企業創新差距，但會進一步拉大競爭程度較小行業的企業創新差距。這意味著數字經濟發展將會在LL 型行業產生強者愈強、弱者愈弱的“馬太效應”，按照Aghion et al.（2005）的觀點，LL 型行業將會形成以“熊彼特效應”占優策略為主導的產業結構，長期來看，這種產業結構不利于制造業創新發展。

那么，LL 型行業創新差距進一步拉大，是否與數字經濟發展引發的人力資本流動有關聯？為解答這一疑問，本文仍選擇分行業進行機制檢驗。表10 第（1）和（2）列回歸結果顯示，NN 型行業數字經濟發展并未吸引更多高技能勞動力集聚。第（3）和（4）列回歸結果顯示，LL 型行業數字經濟發展吸引了更多高技能勞動力集聚，從而進一步拉大LL 型行業內部企業間創新差距，形成以“熊彼特效應”占優策略為主導的產業結構。綜上，假說H2b 得到驗證，即數字經濟發展引發高級勞動力要素集聚對企業自主創新的影響，在地區和行業層面均產生“數字鴻溝”而非普惠性的“數字紅利”。

（三）不同分位區間異質性

經濟發展是一個產業、技術、基礎設施和制度結構不斷變遷的過程，在這個過程中需要依托有效的市場和有為的政府去解決外部性問題（林毅夫，2017）。那么，在有效市場與有為政府的不同分位區間，數字經濟發展對企業自主創新的影響是否會產生差異，目前鮮有研究進行探討。

對于有效市場的度量，學界一致采用王小魯等（2017）測算的中國分省份市場化指數作為代理變量。對于有為政府的測度，卻未能形成統一。數字經濟時代，政府利用數字技術更能發揮有為政府“扶持之手”作用，結合數字政府的內涵，本文采用電子政務指數作為代理指標，數據來源于《聯合國電子政務調查報告》。在此基礎上，用各省份互聯網寬帶接入用戶數占全國互聯網用戶的比重作為權重乘以該指數，得到每個省份的電子政務發展水平。該指標由在線服務、電信基礎設施以及人力資本三個分維度指標綜合構成，分別代表政府與公民之間的信息共享、政府與公民之間的磋商以及公民參與決策過程，已成為全球電子政務領域最權威的指數報告。根據市場化指數與電子政務指數的中位數，本文將樣本分為高市場化-高政務化地區、高市場化-低政務化地區、低市場化-高政務化地區及低市場化-低政務化地區四個區間組合。表11 和表12 報告了不同地區的檢驗結果。

表11 第（1）和（2）列回歸結果顯示，數字經濟發展在10%水平上顯著促進了高市場化-高政務化地區的企業人均科技活動經費支出與人均私人性質科技活動經費支出增加，推動企業自主創新。第（3）和（4）列回歸結果顯示，數字經濟發展在5%水平上顯著降低了低市場化-低政務化地區企業人均科技活動經費支出，對人均私人性質科技活動經費支出的影響也顯示為負。表12 第（1）和（2）列回歸結果顯示，數字經濟發展對低市場化-高政務化地區企業人均科技活動經費支出及人均私人性質科技活動經費支出的影響雖為正但均不顯著。第（3）和（4）列回歸結果顯示，數字經濟發展在10%水平上顯著促進了高市場化-低政務化地區企業人均科技活動經費支出的增加，對人均私人性質科技活動經費支出的影響不顯著。上述回歸結果表明，數字經濟時代，有效市場和有為政府在實踐中可以共同發揮作用，且任何有效市場或有為政府不完善的地區，都有可能導致數字經濟賦能企業自主創新的效果“失靈”。

六、研究結論與啟示

（一）研究結論

2022 年，國務院出臺的“十四五”數字經濟發展規劃明確提出，要“協同推進數字產業化和產業數字化，賦能傳統產業轉型升級，培育新產業新業態新模式，不斷做強做優做大我國數字經濟”。發展數字經濟是保證經濟長效增長的新引擎，是推動制造業高質量發展的加速器。本文基于人力資本流動性視角，利用中國獨特的微觀企業創新調查數據，從理論和實證兩個方面探討了數字經濟發展對制造業企業自主創新的影響，主要得出如下結論：

第一，數字經濟發展顯著促進企業人均科技活動經費支出及人均私人性質科技活動經費支出的增加，推動企業自主創新。在替換解釋變量與被解釋變量、剔除其他因素干擾、選擇工具變量等系列穩健性檢驗后，上述結論依然成立嗎？第二，數字經濟發展通過引發高級勞動力要素流動有效推動了企業自主創新。第三，與中、西部地區及創新差距較大的LL 型行業相比，數字經濟發展對東部地區及創新差距較小的NN 型行業企業自主創新提升作用更明顯。這進一步強化了中國“西低東高”的區域創新格局，并拉大了LL 型行業內部企業間創新差距。第四，數字經濟的創新效應會因不同地區政務化水平與市場化水平表現出顯著差異，數字經濟發展對高市場化-高政務化地區的企業自主創新影響顯著為正，對低市場化-低政務化地區的企業自主創新影響顯著為負。

（二）政策啟示

基于上述結論，本文主要政策啟示如下：

第一，基于區域協同發展視角，要大力發展中西部地區數字經濟，謹防“數字紅利”變成“數字鴻溝”。一方面，政府應出臺更多優惠的人才引進政策，鼓勵高學歷、高技能勞動力扎根中西部地區，避免大量人力資本外流，導致中西部地區的人力資本與數字經濟發展不匹配。另一方面，政府要加大對中西部地區的5G、工業互聯網等數字基礎設施投資，為落后地區數字經濟發展提供硬件支持，縮小東部地區與中西部地區數字經濟規模差距。

第二，基于產業結構優化視角，大力推進產業數字化，加快數字經濟與制造業深度融合的步伐。理論上，數字經濟發展能夠增強企業競爭力，本文卻發現，數字經濟發展會縮小競爭程度較大的NN型行業創新差距，但會進一步拉大競爭程度較小的LL 型行業創新差距，形成以“熊彼特效應”占優為主導的產業結構。未來在推進產業數字化進程中，應借助大數據技術等數字應用手段合理分配高級勞動力要素流向，提升LL 型行業的要素配置效率，讓行業內部保持以“逃離競爭效應”占優為主導的競爭策略。

第三，基于要素稟賦結構視角，要繼續完善有為政府和有效市場的制度建設，政府要重點聚焦數字經濟核心產業發展，提升本土企業自主創新意識與能力，重點突破生產智能手機的芯片及生產芯片的光刻機、數控機床等被西方發達國家“卡脖子”的核心技術，通過發揮市場這只“看不見的手”和政府這只“看得見的手”的協同作用，培育一批擁有自主品牌、自主創造、自主研發的創新型企業。在增強產業鏈韌性、供應鏈穩定方面，要不遺余力為專精特新企業、小巨人企業、鏈主企業等自主創新能力強的企業提供完善的數字應用場景，通過不斷“試錯”和動態最優調整，鼓勵這類企業對風險更高、突破性更大的前沿性領域進行探索和挖掘，最終實現中國由“制造大國”向“制造強國”轉變。

（三）不足與展望

本文基于人力資本流動性視角，發現數字經濟引發的人力資本流動在地區和行業兩個層面均產生了“數字鴻溝”而非普惠性的“數字紅利”，且實踐中有為政府與有效市場能夠共同發揮作用，推動企業自主創新。然而，囿于數據限制，本研究仍存在以下三處不足需在未來進一步拓展和深化：

第一，在指標構建方面，城市層面構建的數字經濟綜合評價指標可能存在測量誤差，盡管參照國內權威文獻上的做法，但尋找的分維度指標更多集中在消費端，無法體現出數字經濟發展對生產端的技術應用。目前，也有少數學者利用上市公司數字企業加總數據賦值到城市，或從省級統計年鑒中增加寬帶接入端口、IPv4 地址、移動互聯網接入流量等與數字經濟有關的指標，并通過賦權的方式移動到城市層面，但上述做法仍有失偏頗。一方面，將上市公司中數字企業相關數據加總到城市層面會出現低估城市數字經濟發展的問題，因為上市公司在不同城市分布極不均勻，且城市內部除了上市公司進行數字化，還有大量非上市公司也在進行數字化，另一方面，用省級層面的指標賦權到城市，對權重選取尤為關鍵，如果沒有選對合適的權重，近似的賦權也會增加城市層面數字經濟的測量誤差。未來可以在兩個方向進行拓展：一是利用大數據分析或Python 等功能，構建出一個類似于北京大學數字金融研究中心發布的“數字普惠金融指數”，我們可以稱之為“普惠數字經濟指數”；二是基于2019 年10 月國務院批復在河北省（雄安新區）、浙江省、福建省、廣東省、重慶市、四川省等6 個省市（區）設立國家數字經濟創新發展試驗區，通過構建準自然實驗的方式考察數字經濟發展對制造業企業自主創新的影響。

第二，在數據追蹤方面，本文利用國家統計局公布的2011—2014 年全國創新調查企業數據進行實證檢驗，這對于考察數字經濟對企業創新的影響似乎有些陳舊，未來可以連續追蹤全國創新調查企業數據庫，如果能獲取到截至2018 年、2019 年的大型微觀數據，還可以利用該數據做雙重差分的相關研究，避免因構建綜合指標帶來的內生性干擾。

第三，在研究內容方面，本文考察數字經濟發展對企業自主創新的影響。事實上，關于數字經濟與技術創新關聯性的實證文獻已較為豐富，但關于數字經濟發展與企業創新效率的研究明顯偏少，也尚未有文獻揭示數字經濟對企業創新效率影響的“黑箱之謎”。未來可以結合中國工業企業數據庫和創新調查企業數據庫的匹配，利用半參數等嚴謹方法測算企業創新效率，考察城市層面數字經濟發展對微觀企業創新效率的影響及其機制。

參考文獻

[1] 蔡躍洲，牛新星. 中國數字經濟增加值規模測算及結構分析[J]. 中國社會科學，2021（11）：4-30.

[2] 方曉暉，耿偉棟，袁野. 知識產權保護、人力資本與企業創新[J]. 產業經濟評論，2023（5）：126-141.

[3] 韓璐，陳松，梁玲玲. 數字經濟、創新環境與城市創新能力[J]. 科研管理，2021，42（4）：35-45.

[4] 胡山，余泳澤. 數字經濟與企業創新：突破性創新還是漸進性創新？[J]. 財經問題研究，2022（1）：42-51.

[5] 黃群慧，余泳澤，張松林. 互聯網發展與制造業生產率提升：內在機制與中國經驗[J]. 中國工業經濟，2019，377（8）：5-23.

[6] 焦勇. 數字經濟賦能制造業轉型：從價值重塑到價值創造[J]. 經濟學家，2020（6）：87-94.

[7] 金環，于立宏. 數字經濟、城市創新與區域收斂[J]. 南方經濟，2021（12）：21-36.

[8] 李春濤，閆宇聰，李嘉琪. 營商環境與企業創新——來自工商注冊數據的證據[J]. 產業經濟評論，2024（1）：79-101.

[9] 李健，張金林，董小凡. 數字經濟如何影響企業創新能力：內在機制與經驗證據[J]. 經濟管理，2022，44（8）：5-22.

[10] 李宗顯，楊千帆. 數字經濟如何影響中國經濟高質量發展？[J]. 現代經濟探討，2021，475（7）：10-19.

[11] 林毅夫. 新結構經濟學的理論基礎和發展方向[J]. 經濟評論，2017（3）：4-16.

[12] 戚聿東，肖旭. 數字經濟時代的企業管理變革[J]. 管理世界，2020，36（6）：135-152.

[13] 史宇鵬，曹愛家. 數字經濟與實體經濟深度融合：趨勢、挑戰及對策[J]. 經濟學家，2023（6）：45-53.

[14] 孫文浩，張杰. 高鐵網絡能否推動制造業高質量創新[J]. 世界經濟，2020，43（12）：151-175.

[15] 唐松，伍旭川，祝佳. 數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異[J]. 管理世界，2020，36（5）：52-66.

[16] 王軍，朱杰，羅茜. 中國數字經濟發展水平及演變測度[J]. 數量經濟技術經濟研究，2021，38（7）：26-42.

[17] 王開科，吳國兵，章貴軍. 數字經濟發展改善了生產效率嗎[J]. 經濟學家，2020，262（10）：24-34.

[18] 王小魯，樊綱，余靜文. 中國分省份市場化指數報告（2016）[M]. 北京：社會科學文獻出版社，2017.

[19] 謝康，夏正豪，肖靜華. 大數據成為現實生產要素的企業實現機制：產品創新視角[J]. 中國工業經濟，2020，386（5）：42-60.

[20] 張杰，陳志遠，吳書鳳，孫文浩. 對外技術引進與中國本土企業自主創新[J]. 經濟研究，2020，55（7）：92-105.

[21] 趙濤，張智，梁上坤. 數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J]. 管理世界，2020，36（10）：65-76.

[22] 諸竹君，袁逸銘，許明，柴斌鋒. 數字金融、路徑突破與制造業高質量創新——兼論金融服務實體經濟的創新驅動路徑[J]. 數量經濟技術經濟研究，2024，41（4）：68-88.

[23] Acemoglu， D.， and P. Restrepo. The race between machine and man： implications of technology for growth， factorshares and employment[J]. American Economic Review， 2018， 108（6）：1488-1542.

[24] Aghion， P.， N. Bloom， and R. Blundell， et al. Competition and innovation： an inverted-U relationship[J]. The QuarterlyJournal of Economics， 2005， 120（2）： 701-728.

[25] Arthur， W. B. The structure of invention[J]. Research Policy， 2007， 36（2）：274-1287.

[26] Bart van Ark. The productivity paradox of the new digital economy[J]. International Productivity Monitor， 2016， 31：3-18.

[27] Brynjolfsson， E.， and L. M. Hitt. Computing productivity： firm-level evidence[J]. Review of Economics and Statistics，2003， 85（4）：793-808.

[28] Bukht， R.， and R. Heeks. Defining， conceptualising and measuring the digital economy[J]. International OrganisationsResearch Journal， 2018， 13（2）：143-172.

[29] Che， Y.， and L. Zhang. Human capital， technology adoption and firm performance： impacts of China's higher educationexpansion in the late 1990s[J]. The Economic Journal， 2018， 128（6）： 2282-2320.

[30] Chen， P.， A. D. Lambert.， and K. P. Guidry. Engaging online learners： the impact of web-based learning technology oncollege student engagement[J]. Computers & Education， 2010， 54（4）：1222-1232.

[31] Dang， J.， and K. Motohashi. Patent statistics： a good indicator for innovation in China？ patent subsidy program impactson patent quality [J]. China Economic Review， 2015， 35： 137-155.

[32] Holmstrom， B. Agency costs and innovation[J]. Journal of Economic Behavior and Organization， 1989， 12（3）：305-327.

[33] Lyytinen， K.， Y. Yoo， and J. R. Boland. Digital product innovation within four classes of innovation networks[J].Information Systems Journal， 2016， 26（1）：47-75.

[34] Mukherjee， A.， M. Singh， and A. Aldokas. Do corporate taxes hinder innovation[J]. Journal of Financial Economics，2017， 124： 195-221.

[35] Nunn， N.， and N. Qian. U.S. Food aid and civil conflict[J]. American Economic Review， 2014， 104（6）：1630-1666.

[36] Solow， R. We’d Better Watch Out[J]. New York Times Book Review， 1987， 1（7）：12-36.

[37] Tapscott， D. The digital economy： promise and peril in the age of networked intelligence [M]. New York： McGraw-Hill， 1996.

〔執行編輯：周冬〕

本文為國家社會科學基金重點項目“逆全球化時代中國戰略性新興產業供應鏈重塑研究”（批準號：21AZD110）、國家自然科學基金青年項目“數據價值化對企業數字技術創新的影響研究”（批準號：72403130）；江蘇高校哲學社會科學研究一般項目“數字經濟驅動新質生產力的機制與路徑研究”（批準號：2024SJYB0116）南京郵電大學人文社會科學基金項目“數字技術創新驅動企業高質量發展的影響機理與政策優化研究”（批準號：NYY223029）的階段性成果。文章在“全國首屆香樟數字經濟論壇”上報告。