1. 引言
在2017年的党的十九大上，明确提出高质量发展是全面建设社会主义现代化国家的核心任务，而创新驱动战略则成为推动我国高质量发展的关键动力。《国家创新驱动发展战略纲要》强调了对引领产业变革的颠覆性创新技术的重视与发展，并前瞻性地布局了新兴产业技术的研发。以颠覆性创新为核心的高质量创新，已经成为提升我国科技实力、实现科技“弯道超车”的必然选择。尽管在后经济危机时期，中国取得了专利数量增长的显著成就，被誉为“中国奇迹”，但在专利质量上，仍普遍存在“低质低效”的问题。据IPRdaily中文网报道，我国每万人拥有的有效发明专利仅为8件，与发达国家相比，仍有较大差距。同时，数字经济飞速发展，数字技术不断渗透，跨界竞争加剧，数字化转型已然成为企业生存和发展的必然选择[1]，此外，数字化转型升级对于企业“降本、提质、增效”注入新的数字活力具有积极作用。因此，聚焦制造业这一我国实体经济的主体，探讨如何抓住数字化转型机遇推动其高质量创新发展，对于加速我国创新体系建设、促进经济高质量发展具有深远的现实意义。
数字化转型是利用数字技术从各个环节改造变革企业的过程[2]。目前，多数文献发现企业数字化转型在推动企业创新中扮演了积极的角色，它不仅提高了企业数据分析能力、资源配置效率，还帮助企业识别和利用外部机遇，在推动企业创新、组织结构变革等方面具有积极影响[3]，不仅如此，数字经济时代下，环境变化加剧，而数字化转型给企业带来了敏捷性和动态能力[4]，有助于企业适应复杂环境，进一步发现细分市场，同样利于企业创新。然而，也有研究指出，如果企业缺乏规划地盲目推进数字化转型，可能会引发负面后果，数字化转型可能作为一种超前的战略布局，与现有的组织结构和资源配置发生冲突，导致管理成本上升[5]，进而挤压创新投入，也有学者认为，数字化转型往往需要大量资金投入，并伴随着隐形成本，企业可能会在长期面临技术与资源的整合挑战，这也可能带来不利的影响[6]。
已有文献主要基于一般创新概念检验了数字化转型对创新投入、产出[7]和企业创新效率[8] [9]的激励效应。然而，这些研究往往忽视了对不同创新类型的深入探讨。尽管已有零星文献涉及数字化转型对开放式创新和绿色创新效率的促进作用[10]，但聚焦于制造业这一关键领域，探讨数字化转型与高质量创新关联的研究仍然鲜见。此外，有关数字化转型对创新影响的争论不仅表明二者关系机理的复杂性，也说明数字化转型影响创新的机制存在情境依赖。尽管已有研究通过纳入投资者情绪[7]、政府补助[11]等外部因素来扩展情境分析，但企业内部资源配置与匹配的重要性仍然是数字化转型成功的关键。因此，单纯从外部视角分析数字化转型显然不足。本文提出从战略导向的角度出发，特别关注创业导向这一内部情境变量，分析其如何影响数字化转型与高质量创新之间的关系。企业数字化转型从根本上讲不仅仅是技术转变，更是战略转型[12]，需要从战略层面高度规划数字化转型。战略选择理论认为创业导向能够适应和利用环境变化，并开展创业活动开发新领域，有利于促进资源基础和配置模式的升级，由此企业通过采取创业导向可以获得创新性和独特性的资源整合和利用方式，帮助企业获得创造性解决问题的能力[13]。创业导向作为战略导向的一种形式，为理解和推动企业数字化转型与创新提供了新的视角。
依托既有背景与理论基础，本研究采用2010至2020年间中国A股市场制造业上市公司的数据，对数字经济时代背景下数字化转型如何促进高质量创新进行了实证分析。鉴于数字化转型作为一种企业复杂变革，其进程易受多种情境因素的影响，本文进一步引入战略导向视角，旨在深入探讨创业导向在数字化转型与高质量创新关系中的调节效应。本研究的贡献主要体现在以下三个方面：首先，从战略层面剖析数字化转型，为企业数字化转型理论提供了新的深度；其次，探究数字化转型对高质量创新的影响，拓展了高质量创新理论的应用范围；最后，本研究呼应了当前理论界对制造业企业在数字经济时代如何实现高质量创新的迫切需求。
2. 研究假设
2.1. 数字化转型与高质量创新
随着中国制造业企业数字化进程的加速，数字化技术正在全面塑造制造业生产体系，对所有产业链和价值链的各个环节产生深远影响，因此，制造业企业的数字化转型不仅关系到生产效率，也将深刻作用于其创新过程。
数字化转型有助于积累创新资源。研究表明，在数字技术的加持下，企业间边界逐渐模糊，企业间知识交换更加便捷。信息扩散有利于异构知识的碰撞和融合[14]，形成知识资源积累。此外，开放环境更易于企业合作、共享，使企业能够以更低成本整合资源，并从中分析挖掘有价值的创新想法[15]。因此，从资源的角度来看，数字化转型能够为高质量创新提供知识资源和创新资源，从而推动其发展。此外，数字化转型能够有效提升企业内部运营效率，降低信息不对称程度，使股东更能观察到项目失败原因，避免不正当解雇，从而增强管理层对风险较高的高质量创新项目投资意愿[16]。
综上所述，数字化转型能够为企业提供必要的创新资源，并激发管理层的创新热情，进而推动高质量创新的实现，由此，本文提出假设1：
H1：数字化转型对推动企业高质量创新有积极促进作用。
2.2. 创业导向的调节作用
战略导向是一种组织方向，不同战略导向引导下，企业对待风险和创新的态度不同。创业导向是企业追求创新，勇于承担风险，采取超前行动的战略倾向[17]。创业导向为数字化转型提供了战略支持，创业导向指导下，企业呈现出较为积极的创新姿态，并且较高的风险承担性使得企业更容易接受具有较高风险的数字化转型行为，并对其进行长期支持，有利于更好推进数字化转型进程[18]。不仅如此，创业导向企业创新经验丰富，有一定的创新人才积累[19]，有利于满足企业高质量创新对于高端人才和先进技术的需求。综合以上分析，创业导向一定程度上弥补了我国企业数字化转型的战略缺位，有助于提升企业数字化转型意愿，从而推动企业数字化转型顺利进行，同时，创业导向企业的特征也会使得其更倾向于推进数字化转型向高质量创新成果的转化。由此，创业导向下，企业更能发挥数字化转型积极作用，推动企业高质量创新。由此，本文提出假设2：
H2：创业导向正向调节数字化转型与高质量创新的关系。
3. 研究设计
3.1. 样本选择与数据来源
由于2011年后中国数据技术高速发展，本文选取2011~2020年中国A股制造业上市公司数据，并对数据进行如下处理：第一，剔除ST、*ST和期间退市的样本；第二，剔除关键变量缺失样本，最终得到12264个样本数据。年报数据来自巨潮资讯网，创新数据来自国泰安(CSMAR)上市公司研发创新数据库，其余财务数据来源于国泰安数据库(CSMAR)。为避免极端值的影响，本文对所有连续变量进行了1%和99%的缩尾处理。
3.2. 变量定义与测量
高质量创新(HI)。借鉴徐宁等[20]的做法，以技术含量最高的发明专利申请数量衡量企业高质量创新水平，由于专利申请到授权存在时滞性，因此采用发明专利申请数量而不是授权数量衡量，具体做法为企业发明专利申请数量加1后取自然对数。
数字化转型(DIG)。借鉴吴非等[21]的做法，采用文本分析法，利用Python对A股上市公司制造业企业年报进行文本分析，通过对年报中数字化相关关键词词频统计作为数字化转型指标的测度。
创业导向(EO)。企业年报管理层讨论与分析部分文本信息能够反映管理层的战略倾向和态度。因此本文参考王业静等[22]的做法，采用年报中管理层讨论与分析部分文本数据，将管理层讨论与分析部分中反应创业导向相关词频数据与该文本总词频的比率用于确定创业导向，具体词频选取参考于晓宇等[23]开发的创业导向中文词表中创新性、先动性以及风险承担性这三种维度的词表内容。
控制变量。为降低遗漏变量对检验的影响，本文加入如下控制变量：企业规模(Size)、总资产净利润率(ROA)、资产负债率(Lev)、股权性质(SOE)、股权集中度(TOP10)、两职兼任(Dual)、独董占比(Indep)。此外，还加入行业虚拟变量和年度虚拟变量。具体变量如表1所示。
Table 1. Variable definition
表1. 变量定义
变量类型 |
变量名称 |
变量符号 |
变量定义 |
被解释变量 |
高质量创新 |
HI |
ln (1+发明专利申请数量) |
解释变量 |
数字化转型 |
DIG |
使用python对年报文本进行挖掘 |
调节变量 |
创业导向 |
EO |
使用python对年报文本进行挖掘 |
控制变量 |
企业规模 |
Employee |
企业员工人数的自然对数 |
股权性质 |
SOE |
国有控股取1；否则为0 |
总资产净利润率 |
ROA |
净利润/总资产平均余额 |
资产负债率 |
Lev |
负债合计/资产总计 |
股权集中度 |
TOP10 |
前十大股东持股比例之和 |
独董占比 |
Indep |
独立董事人数/董事会总人数 |
两职合一 |
Dual |
若CEO同时担任董事长赋值为1；否则为0 |
董事人数 |
Board |
董事会人数的自然对数 |
3.3. 模型构建
模型1验证数字化转型对高质量创新的影响：
(1)
由于数据为面板数据，模型中i,t表示企业和年份，
表示i企业在t年的高质量创新水平，
表示i企业在t年的数字化转型水平，为提升回归结果的稳健性，在回归模型中加入Industry和Year即行业固定效应和年份固定效应，Controls为控制变量集合，
为随机干扰项。
在模型(1)的基础上加入创业导向(EO)以及创业导向与数字化转型的交互项(DIG*EO)形成模型(2)，验证创业导向在数字化转型与高质量创新中的调节作用。
(2)
4. 实证分析
4.1. 描述性统计
表2报告了本文所涉及变量的描述性统计结果，由表2可知，数字化转型(DIG)标准差为1.26，样本中最小值与最大值之间相差6.14，说明现阶段制造业企业数字化转型程度参差不齐，各企业间具有较大的差异，并且数字化转型平均值相对较低，进一步说明制造业企业数字化转型仍处于较低水平与现有研究相一致。高质量创新(HI)均值为2.58，相较于最大值6.23处于较低位置，说明目前我国制造业企业创新质量总体水平较低，标准差为1.26，表明各企业间创新质量存在较大差异。根据创业导向(EO)描述性统计结果，样本企业创业导向均值为0.08，即在样本期间制造业企业采取创业导向的倾向并不高，多数企业在创业导向建设方面有很大发展空间。综合来看，现有制造业企业在战略导向上具有很大异质性，需要对企业所处情景进行分析。其他控制变量结果与已有研究类似，不再赘述。
4.2. 数字化转型与高质量创新回归结果
表3展示了数字化转型对高质量创新影响的回归结果，列(1)为自变量数字化转型(DIG)对因变量高质量创新(HI)单变量回归结果，在不受其他变量影响的情况下，数字化转型对高质量创新的影响系数在1%的水平下显著为正。列(2)在(1)回归基础上加入控制变量，R2显著升高，模型更为有效地解释高质量创新的变化，自变量DIG的回归系数为0.173，在1%的显著性水平下为正。上述回归结果说明,数字化转型显著推动企业高质量创新，支持了前文理论分析，验证了假设1。
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
观测值 |
平均值 |
标准差 |
最小值 |
最大值 |
HI |
12,088 |
2.58 |
1.26 |
0.69 |
6.23 |
DIG |
12,088 |
1.19 |
1.26 |
0.00 |
6.14 |
EO |
12,088 |
0.08 |
0.04 |
0.04 |
0.28 |
ROA |
12,088 |
0.05 |
0.06 |
−0.18 |
0.22 |
SOE |
12,088 |
0.30 |
0.46 |
0.00 |
1.00 |
Top10 |
12,088 |
58.67 |
14.46 |
12.72 |
101.16 |
Lev |
12,088 |
0.40 |
0.19 |
0.06 |
0.86 |
employee |
12,088 |
7.84 |
1.12 |
5.52 |
10.97 |
Dual |
12,088 |
0.30 |
0.46 |
0.00 |
1.00 |
Board |
12,088 |
2.27 |
0.24 |
1.61 |
2.89 |
Indep |
12,088 |
0.38 |
0.07 |
0.19 |
0.75 |
Table 3. The regression results of digital transformation and high-quality innovation
表3. 数字化转型对高质量创新的回归结果
|
(1) |
(2) |
变量 |
HI |
HI |
DIG |
0.214*** |
0.175*** |
(21.522) |
(20.556) |
ROA |
|
1.599*** |
|
(8.515) |
SOE |
|
0.230*** |
|
(9.617) |
Top10 |
|
0.000 |
|
(0.477) |
Lev |
|
0.168** |
|
(2.550) |
Employee |
|
0.493*** |
|
(43.817) |
Dual |
|
0.019 |
|
(0.913) |
Board |
|
0.056 |
|
(1.321) |
Indep |
|
0.276** |
|
(2.070) |
Constant |
2.327*** |
−1.960*** |
(152.923) |
(−14.465) |
N |
12,088 |
12,088 |
R2 |
0.125 |
0.354 |
Industry |
YES |
YES |
Year |
YES |
YES |
***p < 0.01，**p < 0.05，*p < 0.1。
4.3. 调节变量回归结果
表4报告了调节变量的回归结果。由于不同企业的创业导向的程度不同，为验证创业导向对数字化转型与高质量创新的关系的影响，将创业导向(EO)以及创业导向与数字化转型的交乘项(DIG × EO)纳入模型之中，回归结果如表4所示。结果显示，创业导向(EO)系数显著为正，交乘项系数为0.566，在5%的水平下显著，这表明创业导向本身有助于企业开展高质量创新，同时在创业导向引导下，数字化转型对于企业高质量创新的推动作用得到增强，验证了假设2。
Table 4. Regression results for moderator variables
表4. 调节变量回归结果
变量 |
HI |
DIG |
0.169*** |
(19.862) |
EO |
3.403*** |
(8.375) |
DIG × EO |
0.566** |
(2.228) |
Constant |
−4.400*** |
(−32.449) |
N |
12,088 |
R2 |
0.358 |
Controls |
YES |
Industry |
YES |
Year |
YES |
***p < 0.01，**p < 0.05，*p < 0.1。
4.4. 稳健性检验
为确保研究结论的稳健性，本文采取以下方法进行稳健性检验：
替换解释变量。同样，借鉴张永珅等[24]的研究，以制造业上市公司财务报表中披露的无形资产中与数字化转型相关无形资产占总无形资产的比例来衡量数字化转型(DCG)。回归结果如表5 (1)所示，替换后，数字化转型(DCG)系数仍显著为正，验证主效应回归结果的稳健性。
滞后一期。为控制可能存在的内生性问题，本文采取滞后一期对内生性进行控制。由表5 (2)可知，滞后一期数字化转型(L.DIG)在1%的水平上显著为正，验证前文假设。
Table 5. Robustness test
表5. 稳健性检验
|
(1) 替换解释变量 |
(2) 滞后一期 |
变量 |
HI |
HI |
DCG |
1.005*** |
|
(9.314) |
|
L.DIG |
|
0.165*** |
|
(16.86) |
Constant |
−1.995*** |
|
(−14.506) |
|
N |
12,088 |
12,088 |
R2 |
0.335 |
0.356 |
Controls |
YES |
YES |
Industry |
YES |
YES |
Year |
YES |
YES |
***p < 0.01，**p < 0.05，*p < 0.1。
5. 结论与建议
5.1. 研究结论
本文聚焦于中国制造业企业，采用2011~2020年A股制造业上市企业数据，对数字化转型和高质量创新之间的关系展开了实证分析，发现数字化转型能够显著推动制造业企业高质量创新。此外，本文还从环境角度，探究了战略导向在数字化转型与高质量创新关系中的调节作用，研究发现创业导向能够促进数字化转型作用的发挥，数字化转型对高质量创新的正向作用更显著。以上结论在进行稳健性检验后依然成立。
5.2. 研究启示
综合本文研究结论，可以得到如下启示：
第一，制造业企业应当针对高质量创新的特点，发挥企业数字化转型优势，突破企业高质量创新壁垒。首先，制造业企业在数字化转型过程中可以加强数字技术应用能力，利用如AI的技术，通过更智能的人机交互，深化用户洞察，准确把握市场用户心理，推动高质量创新想法的产生；其次，基于高质量创新资金需求大的特点，制造业企业可以通过工业互联网的应用，链接设备、产品、流程和人员，实现数据、信息、网络的深度融合，此时企业运营和生产成本大大降低，使得更多资源能够涌入创新项目，激活高质量创新活力；此外，高质量创新往往伴随着高风险性和不确定性，企业需要发挥数字化转型的积极作用，如今数字化转型不断发展，催生了工业APP的诞生，可以利用工业APP进行知识的交换与交流，加速知识的碰撞和积累，有助于帮助制造业企业把握行业先进知识动向，引导高质量创新在正确的方向上推进，从而降低不确定性。
第二，制造业企业应深化创业导向为战略引领的业务洞察，推动数字化转型顺利进行，以发挥其积极作用推动高质量创新。作为我国传统经济发展的主导力量，制造业数字化进程明显落后，其原因之一在于目前大多数制造业企业数字化转型采用的数字化软件、云计算等各种服务方案都是通用性的不能满足制造企业数字化转型的个性化需求，继续战略导向引领建立符合企业实际发展情况的数字化转型模式。作为战略导向的一种，制造业企业数字化转型需要创业导向的引领，通过创业导向的创新性和先动性等特征带动企业探寻达成未来战略目标的机会，并通过外部环境与资源能力的分析，从新兴数字化场景分析入手，分析关键成功因子与能力建设要点，构建符合企业实际情况的数字化转型模式。同时，企业应在创业导向的引领下加强企业创新氛围建设，积极搜寻数字化人才，才能以创新的战略姿态抓住数字化时代中的机遇。
第三，要发挥政府支持作用，积极引导企业确立创业导向，以增强其创新意愿和创新能力，使其在新时代能够更好抓住数字化发展机遇，为其长远发展添砖加瓦。此外，政府也应大力推动数字化基础设施建设，加强电子商务、数字普惠金融以及移动互联网等建设，缩小地区间数字化水平差异，为制造业企业数字技术应用落地、构建软硬件应用能力提供良好的外部资源基础。