數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的影響研究

摘要：以數(shù)據(jù)要素提升先進(jìn)制造業(yè)創(chuàng)新績(jī)效是推動(dòng)我國(guó)先進(jìn)制造業(yè)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)。基于2013—2022年中國(guó)先進(jìn)制造業(yè)上市公司的面板數(shù)據(jù)，運(yùn)用雙重差分法（DID），深入探究數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的促進(jìn)作用。研究結(jié)果表明：數(shù)據(jù)要素集聚顯著提升了先進(jìn)制造業(yè)的創(chuàng)新績(jī)效，該結(jié)論為先進(jìn)制造業(yè)實(shí)施數(shù)據(jù)要素集聚戰(zhàn)略提供了實(shí)證依據(jù)，并指明了提升創(chuàng)新績(jī)效的現(xiàn)實(shí)路徑。

關(guān)鍵詞：數(shù)據(jù)要素；先進(jìn)制造業(yè)；創(chuàng)新績(jī)效；雙重差分模型

引言

當(dāng)前學(xué)術(shù)界的研究重點(diǎn)主要集中在數(shù)據(jù)要素對(duì)制造業(yè)經(jīng)濟(jì)效用的影響上。例如，趙宸宇等學(xué)者通過(guò)構(gòu)建微觀層面的數(shù)字化轉(zhuǎn)型指數(shù)，實(shí)證分析了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的提升效應(yīng)[1]；戚聿東等研究者基于文本挖掘技術(shù)，運(yùn)用Python語(yǔ)言抓取關(guān)鍵詞以構(gòu)建數(shù)據(jù)相關(guān)指標(biāo)，深入探討了數(shù)字化對(duì)企業(yè)績(jī)效的影響機(jī)制，并指出中國(guó)非高新技術(shù)企業(yè)仍處于數(shù)字化的初級(jí)階段[2]。綜合以上研究文獻(xiàn)，可以得出數(shù)據(jù)要素對(duì)制造業(yè)經(jīng)濟(jì)效用具有顯著提升作用的結(jié)論。本文的邊際貢獻(xiàn)主要體現(xiàn)在以下兩方面：其一，在現(xiàn)有文獻(xiàn)基礎(chǔ)上，從數(shù)據(jù)要素集聚的視角出發(fā)，深入探究其對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的影響；其二，以先進(jìn)制造業(yè)上市公司為研究對(duì)象，從微觀層面剖析數(shù)據(jù)要素的創(chuàng)新效應(yīng)，旨在提高研究結(jié)果的可靠性與廣泛適用性，同時(shí)拓展相關(guān)研究在企業(yè)層面的應(yīng)用，以期為企業(yè)決策者應(yīng)用數(shù)據(jù)要素并制定創(chuàng)新戰(zhàn)略提供實(shí)證依據(jù)。

一、理論分析與研究假說(shuō)

先進(jìn)制造業(yè)的發(fā)展強(qiáng)調(diào)與數(shù)據(jù)要素的深度融合，并依托創(chuàng)新驅(qū)動(dòng)實(shí)現(xiàn)高質(zhì)量發(fā)展。數(shù)據(jù)要素集聚有助于先進(jìn)制造業(yè)整合創(chuàng)新資源、提升市場(chǎng)響應(yīng)能力、優(yōu)化資金配置效率，為先進(jìn)制造業(yè)的高質(zhì)量創(chuàng)新發(fā)展提供有力支撐。本文基于現(xiàn)有文獻(xiàn)，從數(shù)據(jù)要素集聚的視角出發(fā)，深入探討數(shù)據(jù)要素對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的影響機(jī)制。隨著大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立及數(shù)據(jù)要素政策支持力度的不斷加大，數(shù)據(jù)要素的整合匯聚已成為推動(dòng)先進(jìn)制造業(yè)高質(zhì)量創(chuàng)新的關(guān)鍵因素。然而，數(shù)據(jù)要素與先進(jìn)制造業(yè)的融合仍面臨諸多障礙。鑒于創(chuàng)新活動(dòng)固有的不確定性與風(fēng)險(xiǎn)特征，部分管理者可能受短期利益驅(qū)使，采取機(jī)會(huì)主義行為，阻礙數(shù)據(jù)資源的流通，形成“數(shù)據(jù)孤島”現(xiàn)象，進(jìn)而制約數(shù)據(jù)要素與先進(jìn)制造業(yè)的深度融合。國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立，通過(guò)開(kāi)放數(shù)據(jù)資源、促進(jìn)信息自由流通與資源共享，有效緩解了傳統(tǒng)模式下企業(yè)創(chuàng)新過(guò)程中的信息不對(duì)稱與資源短缺問(wèn)題，推動(dòng)了內(nèi)外部資源的深度整合，培育了新的創(chuàng)新增長(zhǎng)極?；谏鲜龇治?，本文提出相關(guān)假設(shè)。假設(shè)：數(shù)據(jù)要素集聚直接促進(jìn)先進(jìn)制造業(yè)創(chuàng)新績(jī)效提升。

二、研究設(shè)計(jì)

（一）模型構(gòu)建

為探究數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的影響。本文模型構(gòu)建借鑒邱子迅等的研究[3]。根據(jù)國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)名單選取北京、上海、沈陽(yáng)、重慶等共計(jì)67個(gè)城市為控制組，其余為對(duì)照組。同時(shí)，選取2015年與2016年兩個(gè)時(shí)間節(jié)點(diǎn)，其原因在于貴州省作為全國(guó)首個(gè)大數(shù)據(jù)綜合試驗(yàn)區(qū)早在2015年9月18日建設(shè)便正式啟動(dòng)，而2016年10月，國(guó)家發(fā)展和改革委員會(huì)、工業(yè)和信息化部以及中央網(wǎng)絡(luò)安全和信息化辦公室聯(lián)合簽發(fā)公文，又批準(zhǔn)第二批國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立。若將時(shí)間節(jié)點(diǎn)統(tǒng)一為2016年，可能會(huì)造成回歸結(jié)果出現(xiàn)誤差。因此，本文將貴州省時(shí)間節(jié)點(diǎn)設(shè)為2015年，其余大數(shù)據(jù)綜合試驗(yàn)區(qū)時(shí)間節(jié)點(diǎn)為2016年，構(gòu)建雙重差分模型（DID）。

（二）變量說(shuō)明與選擇

1.被解釋變量：創(chuàng)新績(jī)效。被解釋變量的選取借鑒Aghion等（2015），選取企業(yè)專利知識(shí)寬度為創(chuàng)新績(jī)效的代理變量。本文基于赫芬達(dá)爾指數(shù)計(jì)算方式，從國(guó)際專利分類號(hào)（IPC）的大組層面出發(fā)，加總計(jì)算出每個(gè)企業(yè)所含專利知識(shí)寬度，考慮到外觀設(shè)計(jì)專利分類體系與發(fā)明專利及實(shí)用新型專利分類體系存在顯著差異，因此僅針對(duì)實(shí)用新型專利與發(fā)明專利進(jìn)行企業(yè)創(chuàng)新績(jī)效的測(cè)算。

2.核心解釋變量：數(shù)據(jù)要素集聚。核心解釋變量采用國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)政策代表數(shù)據(jù)要素集聚水平，用treat×post表示，treat與post均為虛擬變量。若在所處城市被劃定為大數(shù)據(jù)試驗(yàn)區(qū)，賦值treat為1，反之treat為0；若所在城市為大數(shù)據(jù)試驗(yàn)區(qū)建立當(dāng)年及以后，賦值post=1，反之post取值為0。3.控制變量。為了盡可能避免遺漏變量的影響，本文參考相關(guān)研究，采用可能影響先進(jìn)制造業(yè)企業(yè)的微觀層面變量。具體變量如下：企業(yè)年齡（Age）、政府補(bǔ)助（Sub）、兩權(quán)分離率（SR）、資產(chǎn)負(fù)債率（Lev）、營(yíng)業(yè)收入增長(zhǎng)率（Grow）、總資產(chǎn)凈利潤(rùn)率（ROA）、企業(yè)規(guī)模（Size）。

（三）研究樣本與數(shù)據(jù)來(lái)源

本文選取了2013—2022年我國(guó)先進(jìn)制造業(yè)上市企業(yè)作為研究對(duì)象，結(jié)合《上市公司行業(yè)分類指引》（2012）確定研究樣本所在行業(yè)為化學(xué)原料和化學(xué)制造業(yè)，醫(yī)藥制造業(yè)，鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)、儀器儀表制造業(yè)。為確保數(shù)據(jù)的準(zhǔn)確性與可靠性，做如下處理：剔除觀測(cè)值明顯異常樣本；剔除數(shù)據(jù)缺失樣本；剔除被ST或PT的企業(yè)，經(jīng)處理后本文得到包含5147個(gè)樣本的非平衡面板數(shù)據(jù)。國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)名單來(lái)自國(guó)家發(fā)展和改革委員會(huì)官網(wǎng)，其余變量數(shù)據(jù)主要來(lái)源來(lái)自CSMAR數(shù)據(jù)庫(kù)與CNRDS數(shù)據(jù)庫(kù)。變量定義見(jiàn)表1。

三、實(shí)證結(jié)果分析

（一）基準(zhǔn)結(jié)果回歸分析

表2展示了數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)企業(yè)創(chuàng)新績(jī)效影響的基準(zhǔn)回歸結(jié)果。

本文基準(zhǔn)回歸采取遞進(jìn)式回歸，表2列（1）為僅加入核心解釋變量的回歸結(jié)果，回歸結(jié)果顯示數(shù)據(jù)要素集聚（DID）系數(shù)為0.075，在1%的水平上顯著，初步說(shuō)明數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)企業(yè)創(chuàng)新績(jī)效的提升存在正向影響。列（2）模型中納入微觀層面的控制變量，列（3）模型在上述基礎(chǔ)上額外考慮行業(yè)與時(shí)間固定效應(yīng)，結(jié)果顯示數(shù)據(jù)要素集聚（DID）系數(shù)仍顯著。綜上，數(shù)據(jù)要素集聚可以顯著提升先進(jìn)制造業(yè)創(chuàng)新績(jī)效，假設(shè)成立。

（二）穩(wěn)健性檢驗(yàn)

1.平行趨勢(shì)假定檢驗(yàn)。為了進(jìn)一步驗(yàn)證數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效提升的有效性，本文借鑒Serfling、Beck等的研究對(duì)實(shí)驗(yàn)組樣本（受國(guó)家大數(shù)據(jù)試驗(yàn)區(qū)影響的企業(yè)）和對(duì)照組樣本（未受國(guó)家大數(shù)據(jù)試驗(yàn)區(qū)影響的企業(yè)）進(jìn)行平行趨勢(shì)檢驗(yàn)，從圖1結(jié)果來(lái)看，國(guó)家大數(shù)據(jù)試驗(yàn)區(qū)政策實(shí)施之前的系數(shù)沒(méi)有通過(guò)顯著性水平檢驗(yàn)，而政策實(shí)施后所有年份的系數(shù)都通過(guò)了顯著性水平檢驗(yàn)，同時(shí)，隨著時(shí)間推移，國(guó)家大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立具有一定持續(xù)性，所以并無(wú)顯著變化。

2.安慰劑檢驗(yàn)。本文在基準(zhǔn)回歸部分雖已添加控制變量，但隨機(jī)因素可能對(duì)實(shí)驗(yàn)組與對(duì)照組產(chǎn)生數(shù)據(jù)要素集聚以外的不確定性影響，從而使模型的初始假設(shè)存在偏差。為排除本文采用雙重差分模型不存在未被觀測(cè)的隨機(jī)因素影響，本文進(jìn)一步采用如下安慰劑檢驗(yàn)：保持國(guó)家大數(shù)據(jù)試驗(yàn)區(qū)實(shí)施時(shí)間不變，對(duì)實(shí)驗(yàn)組和對(duì)照組進(jìn)行重新分配，使原本受政策沖擊的實(shí)驗(yàn)組為新的對(duì)照基準(zhǔn)。在此基礎(chǔ)上對(duì)模型進(jìn)行再估計(jì)，為提升安慰劑檢驗(yàn)可識(shí)別能力，本文將此過(guò)程重復(fù)1000次，結(jié)果如圖2所示。

由圖2可知，核密度估計(jì)曲線集中分布在回歸系數(shù)為0的附近，同時(shí)，大部分P值位于虛線上方且基本符合正態(tài)分布，表明大部分系數(shù)不顯著，意味著數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效的提升作用并不是由未被觀測(cè)的隨機(jī)因素引起的，這進(jìn)一步驗(yàn)證了基準(zhǔn)模型的結(jié)果是穩(wěn)健的。

四、結(jié)論與政策建議

（一）結(jié)論

鑒于數(shù)據(jù)要素在制造業(yè)創(chuàng)新發(fā)展中扮演著日益重要的角色，本文基于先進(jìn)制造業(yè)的獨(dú)特性，從創(chuàng)新績(jī)效維度切入，采用中國(guó)2013—2022年先進(jìn)制造業(yè)上市企業(yè)的數(shù)據(jù)，引入國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)政策實(shí)施情況與專利知識(shí)寬度分別作為數(shù)據(jù)要素集聚程度及先進(jìn)制造業(yè)企業(yè)創(chuàng)新績(jī)效的代理指標(biāo)。通過(guò)構(gòu)建雙重差分模型與高維固定效應(yīng)模型，深入探究數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效提升的內(nèi)在作用機(jī)制，得出如下研究結(jié)論：數(shù)據(jù)要素集聚對(duì)先進(jìn)制造業(yè)創(chuàng)新績(jī)效具有顯著提升作用，且此研究結(jié)果經(jīng)平行趨勢(shì)檢驗(yàn)、安慰劑檢驗(yàn)等穩(wěn)健性檢驗(yàn)后仍然成立。

（二）政策建議

數(shù)據(jù)要素作為影響先進(jìn)制造業(yè)企業(yè)創(chuàng)新績(jī)效提升的關(guān)鍵因素，政府部門應(yīng)積極推動(dòng)國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的深化建設(shè)，以促進(jìn)數(shù)據(jù)要素的有效集聚。一方面，政府需加大對(duì)數(shù)字基礎(chǔ)設(shè)施及數(shù)據(jù)要素創(chuàng)新的投資力度，加速推進(jìn)大數(shù)據(jù)中心、5G基站等關(guān)鍵基礎(chǔ)設(shè)施的建設(shè)，從而推動(dòng)數(shù)據(jù)要素的匯聚與整合，為先進(jìn)制造業(yè)的高質(zhì)量創(chuàng)新奠定堅(jiān)實(shí)的技術(shù)與物質(zhì)基礎(chǔ)。另一方面，企業(yè)應(yīng)充分把握數(shù)據(jù)要素集聚所帶來(lái)的機(jī)遇，實(shí)現(xiàn)企業(yè)內(nèi)部數(shù)據(jù)要素的有效積累與集聚。數(shù)據(jù)要素集聚是先進(jìn)制造企業(yè)實(shí)現(xiàn)高質(zhì)量創(chuàng)新的重要驅(qū)動(dòng)力，企業(yè)應(yīng)將數(shù)據(jù)要素廣泛應(yīng)用于市場(chǎng)潛在機(jī)遇與風(fēng)險(xiǎn)的識(shí)別、智能化生產(chǎn)模式的構(gòu)建以及戰(zhàn)略決策的制定等多個(gè)方面，積極順應(yīng)數(shù)字化發(fā)展趨勢(shì)，鞏固并提升先進(jìn)制造業(yè)的資金優(yōu)勢(shì)與技術(shù)優(yōu)勢(shì)，為企業(yè)創(chuàng)新活動(dòng)提供可持續(xù)的內(nèi)生動(dòng)力，助力企業(yè)實(shí)現(xiàn)高質(zhì)量創(chuàng)新。

參考文獻(xiàn)：

[1]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021，42（07）：114-129.

[2]戚聿東，蔡呈偉.數(shù)字化對(duì)制造業(yè)企業(yè)績(jī)效的多重影響及其機(jī)理研究[J].學(xué)習(xí)與探索，2020，（07）：108-119.

[3]邱子迅，周亞虹.數(shù)字經(jīng)濟(jì)發(fā)展與地區(qū)全要素生產(chǎn)率——基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的分析[J].財(cái)經(jīng)研究，2021，47（07）：4-17.

〔基金項(xiàng)目：山東省社會(huì)科學(xué)規(guī)劃課題（NO：21CCXJ13）〕

（作者簡(jiǎn)介：陳泉宇，山東農(nóng)業(yè)大學(xué)助理研究員；張志，山東農(nóng)業(yè)大學(xué)博士、副教授）