今天是2024年12月2日，星期一，农历十一月初二，美好的一天从阅读《现代财经-早读早分享》开始！
每日晨语
不必跟自己过不去，不必纠结于他人的评说，照着自己舒服的感觉生活。幸福如人饮水，冷暖自知，你的幸福，不在他人眼里，而在自己内心！周一，早安！
以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3202期）。原创不易，敬请尊重。谢谢鼓励。
一、早读分享
1、以旧换新政策效能持续显现，明年将继续扩大支持范围。 11月27日至28日召开的全国市场运行和消费促进工作会议强调，要把促消费和惠民生结合起来，扎实推进消费品以旧换新，办好促消费活动，扩大服务消费，培育新型消费，创新消费场景，持续释放消费潜力。商务部最新数据显示，截至11月18日，全国汽车报废更新和置换更新补贴申请均突破200万份，合计超过400万份；截至11月11日，2160.8万名消费者购买8大类家电产品3271.9万台。当前，各地各部门紧抓年末消费旺季时间窗口，以旧换新政策不断扩围加力。（中经网） 蔡子微评： 以旧换新政策在促进消费方面发挥了显著作用。通过提供报废更新和置换更新的补贴，政策刺激了汽车、家电等大宗消费品的销售。未来，以旧换新政策应更加注重市场导向和消费者需求，推动政策从政府主导向市场主导转变。同时，还应加强财政政策 与其他经济政策的协调配合，形成政策合力，共同推动经济高质量发展。 话题关注：以旧换新政策促进消费增长的效能评估与未来扩围策略研究 2、通村畅乡的公路网络越织越密，农民群众“走得好”、农村物流“运得畅”。 11月29日国务院新闻办公室举行新闻发布会，发布《新时代的中国农村公路发展》白皮书。白皮书全面介绍了我国农村公路围绕着“建好、管好、护好、运营好”的发展实践与成就。以“建好”为基础，我国加快织密通村畅乡的农村公路网络。以“护好”为保障，我国加快健全适用多元的农村公路管养机制。坚持科学养护和全面养护相结合，以提升路况、保障安全、路域环境等为重点，不断提升养护效能。 （中国经济网） 蔡子微评： 乡村振兴背景下，农村公路建设取得显著成效。然而，农村公路建设目前还存在着路网通达深度不足与技术等级偏低等问题。对此，一方面要完善路网结构，继续加大 农村公路建设力度，全面消除县与县之间、乡镇之间、村与村之间的“断头路”；另一方面要提高技术等级，推进农村公路提档升级，提高农村公路通行能力。 话题关注：乡村振兴背景下农村公路网络对农村居民收入不平等的影响效应 3、工信部：前10月规模以上电子信息制造业增加值同比增长12.6%。 工信部公布的2024年1—10月电子信息制造业运行情况显示，1—10月 ，我国电子信息制造业生产增速较快，出口保持增长，效益稳步改善，投资增势突出，行业整体发展态势良好。1—10月 ，规模以上电子信息制造业增加值同比增长12.6%，增速分别比同期工业、高技术制造业高6.8个和3.5个百分点。10月份，规模以上电子信息制造业增加值同比增长10.5%。（中证网） 蔡子微评： 电子信息制造业在当前经济环境中保持了强劲的增长势头，其成绩的取得离不开消费升级、企业技术研发投入增加以及全球数字化转型等因素的共同推动。同时，这也反映出电子信息制造业在国家战略性新兴产业中的重要地位。然而，面对国际贸易环境的不确定性、原材料价格的波动等挑战，电子信息制造业仍需保持警惕，加强风险防控。 话题关注：我国省域电子信息制造业专业化集聚演变及影响因素分析 4、可再生能源加速发展，为低碳转型注入新动能。 近年来，氢能开发、智能电网等快速发展，我国能源转型加速推进，各地能源结构深度优化，绿色能源项目遍地开花，为经济发展注入了“绿”动力。此前印发的《关于大力实施可再生能源替代行动的指导意见》提出，要正确处理传统能源和新能源“破”与“立”的关系，源网荷储一体推进，全面提升可再生能源安全可靠供应能力。（人民网） 蔡子微评： 双碳目标下，新型能源体系建设是实现能源结构转型和应对气候变化的关键。通过发展风能、太阳能等清洁能源，可以有效减少温室气体排放，推动能源产业的绿色、低碳发展。新型能源体系的建设不仅有助于提高能源安全和供应稳定性，还能促进相关技术和产业的创新，为经济增长提供新动力。 话题关注：双碳目标下新型能源体系建设的内在逻辑与支撑体系研究 5、创新引领可信数据空间建设。 多种数据开发模式催生了可信数据空间，它是基于共识规则，联接多方主体，实现数据资源共享共用的一种数据流通利用基础设施，是数据要素价值共创的应用生态，是支撑构建全国一体化数据市场的重要载体。可信数据空间的应用需要数据提供方和数据使用方进行相应的功能升级，配备接入可信数据空间的专用网关，提供软件和应用程序的可信环境，跟踪数据来源，允许参与者加入使用策略并强制执行，需具有对重要数据加密管理能力包括采用同态加密密钥。（中国经济网） 蔡子微评： 可信数据空间是数据要素可信、安全流通共享的新型数字化基础设施。然而，可信数据空间在发展过程中还存在流通机制不畅、数据供给意愿不足等问题。对此，一方面需要提高数据空间资源交互能力，引导可信数据空间运营者提供数据标识、语义转换等技术服务，实现数据产品和服务的统一发布、高效查询、跨主体互认。另一方面，加快构建统一规范的技术标准，降低互联互通的技术门槛，促进各类数据空间的互联互通。 话题关注：可信数据空间：资源交互能力如何影响企业分布式创新？ 6、我国生成式人工智能产品用户规模达2.3亿人。 中国互联网络信息中心30日在第五届中国互联网基础资源大会上发布《生成式人工智能应用发展报告（2024）》。报告显示，截至 2024年6月，我国生成式人工智能产品的用户规模达2.3亿人。各行各业正在积极拥抱生成式人工智能带来的智能化升级浪潮。报告指出，我国生成式人工智能产业蓬勃发展，产业规模和产品数量迅速增加，并逐渐融入人们的日常生活。（中国经济网） 蔡子微评： 生成式人工智能是指一类能够生成新内容的人工智能技术，这些内容在某种程度上类似于或超越了人类创造的内容。然而，生成式人工智能目前还存在着可解释性不足与安全可控生成等问题。对此，一方面要提升可解释性，利用因果学习理论、网络层级可视化、利用对抗训练生成解释性更强的模型；另一方面要整合内容过滤系统、使用人工审核、引入安全奖励机制等方式，避免生成违法或有害内容。 话题关注：大数据时代下生成式人工智能的风险识别与治理模型研究 7、中外嘉宾齐聚浙江温州共商海丝城市发展。 11月30日，2024海上丝绸之路城市影响力市长交流大会在浙江温州举行。围绕“相知相近 合作共赢——创新，让城市更美好”主题，400余位国内外嘉宾共商合作发展。大会通过交流探讨，为海丝沿线城市发展注入新动力。与会领导嘉宾表示，将继续坚定推进高质量共建“一带一路”，坚定支持海上丝绸之路建设，为沿线城市的交流合作提供有力支持。（新华网） 蔡子微评： 通过搭建交流平台，促进了国内外城市间的合作与对话，为海丝沿线城市的发展注入了新的动力。这不仅有助于推动温州及沿线城市的经济发展，还能促进文化、教育、科技等领域的交流与合作。同时，这也体现了温州积极融入“一带一路”倡议，致力于构建开放型经济新体制的决心和行动。 话题关注：“一带一路”倡议对沿线城市经济联系的影响研究 8、天津津南：都市农业点亮乡村振兴。 11月29日，从天津市津南区召开的新闻发布会上获悉，天津津南区做强都市农业，完善农业产业链条。今年，津南区小站稻种植面积再创历史新高， 达到5.82万亩。津南区正围绕“种、管、收、运、储”等多个环节强链补链延链，持续做大做强小站稻产业链。（经济日报） 蔡子微评： 天津津南区在做强都市农业、完善小站稻产业链方面取得了显著成效。通过现代化种植、新品种试验、产业集群建设、品牌与乡村旅游融合、高校和科研机构的支持，以及农业产业多元化发展，津南区不仅提升了小站稻的产量和质量，还推动了农业与旅游、民宿等产业的融合发展，为乡村振兴和农业现代化作出了重要贡献。 话题关注：产业振兴视角下乡村经济产业链发展模式研究——以天津津南为例 9、黑龙江冰雪旅游风生水起。 几场大雪过后，黑龙江省各地已是银装素裹。地处我国最北端的黑龙江省冰雪季到来最早，从中央大街到“北极”漠河，从“滑雪胜地”亚布力到“童话王国”雪乡，游客已经开始涌入黑龙江省各个景区，赏冰玩雪，饱览北国冰雪风光。今冬，黑龙江省持续深化业态融合创新，积极推动冰雪旅游提质升级。（经济日报） 蔡子微评： 冰雪旅游是黑龙江省的重要名片，此次提质升级令人印象深刻。从多样化线路到智慧化服务，每一处细节都体现了以游客为中心的理念。冰雪旅游不仅是风景的呈现，更是文化与科技的结合。通过创新项目和提升服务质量，黑龙江不仅吸引了国内游客，还提升了国际吸引力。未来，进一步推动市场化与可持续发展，将使冰雪旅游持续焕发活力。 话题关注：冰雪旅游“消费升级”：产业链发展现状及优化路径研究 10、老字号需要新面孔。 近日，由宁夏回族自治区商务厅主办的“岁月沉香·风华新生”宁夏老字号创新加速器暨老字号企业品牌提升培训活动在银川举行。此次活动汇聚了宁夏本土老字号企业的核心骨干，多方人士助力宁夏老字号企业打造具有产业竞争力、行业影响力的知名品牌。近年来，在激烈的市场竞争中，一些老字号表现不佳，有的长期经营不善，甚至倒闭，令人遗憾。如何让老字号重焕光彩，成为一个紧迫课题。（经济日报） 蔡子微评： 老字号承载着民族记忆和文化精髓，但时代变化要求它们必须变革创新。通过此次活动，我们应当认识到守住传统消费 价值的同时，主动融入新消费趋势的重要性。尤其在数字化时代，互联网电商和直播带货为老字号开辟了广阔天地。未来，老字号只有在品质与性价比上持续优化，以科技和文创注入新动力，才能走得更远，为消费者创造更大价值。 话题关注：科技创新助力老字号企业转型升级的独特优势、面临挑战与推进路径 11、川渝九地联合引才，促进成渝地区双城经济圈人才交流。 30日，第二届明月山绿色发展示范带人才节在重庆市梁平区启幕。此次活动旨在促进成渝地区双城经济圈人才交流，推动人才一体化发展。此次活动以“才聚明月山，成就新未来”为主题，由重庆市梁平区联合万州区、长寿区、垫江县、忠县，以及四川省邻水县、达川区、大竹县、开江县等九地共同举办，通过搭建跨区域、高层次交流平台，深化区域合作，有力促进成渝地区双城经济圈人才交流。（中国新闻网） 蔡子微评： 创新驱动下，高层次人才引进对提升区域技术创新质量具有显著影响。这些人才带来先进的知识和技术，推动了关键领域的技术突破和产业升级，增强了区域创新能力和竞争力。他们的专业能力和创新思维有助于形成新的增长点，促进了科技成果的转化和应用。政策的支持和创新环境的优化将进一步吸引和留住高层次人才，为区域经济的高质量发展提供强有力的智力支持。 话题关注：创新驱动下高层次人才引进对区域技术创新质量的影响研究 12、山东安丘助企业开拓国际市场。 近年来，山东潍坊安丘市积极推动外贸新业态发展，与潍坊海关共同建立了国际贸易综合服务中心。该中心每年可为企业节省人工成本约220万元，有效解决了企业在订舱过程中遇到的难题，为外贸行业注入了新的活力。安丘是农业大市和农产品加工出口强市，年产大姜、大葱等优质农产品超460万吨，蔬菜出口货值常年占山东省的七分之一以上。成绩背后，离不开安丘市不断创新外贸业态、助力企业开拓国际市场的努力。（中国经济网） 蔡子微评： 山东安丘市通过创新外贸服务模式，尤其是在国际贸易综合服务中心的建设上，为地方经济提供了新动能。该中心通过减少企业的人工成本、优化外贸流程，有效解决了企业在国际贸易中的一些难题。安丘市作为农业大市，其农产品加工出口已成为地方经济的重要组成部分。通过推进现代化的外贸服务平台建设 ，安丘不仅提升了国际竞争力，也为地方产业的全球化发展提供了新的路径。 话题关注：外贸服务创新对传统农业出口转型升级的推动作用——基于山东安丘市的案例研究 数据要素应用如何影响企业分布式创新?——来自上市公司微观视角下的经验证据
作者：王宸威 钞小静 来源：《现代财经》2024年第11期 导读
摘要： 数字经济时代下，数据作为生产要素的重要性日益凸显。数据要素的应用深刻改变了传统以产业集聚与空间临近为主导的创新逻辑，形成了具有协同性、网络性、共享性等特征的分布式创新，带来了企业创新模式的重塑。基于此，本文以2013—2022年A股上市公司为样本，探究数据要素对企业分布式创新的影响及其作用机理。研究发现，数据要素应用能显著促进企业分布式创新水平的提升，在经过多种稳健性检验后，该结论依旧成立；机制检验表明，数据要素应用带来的信息溢出效应、网络重塑效应、供应链集中度下降效应均可以有效推动企业分布式创新；异质性检验表明，高技术行业企业、数据开放质量更高、智慧城市建设与数字基础设施建设更完善的城市数据要素应用对分布式创新的推动作用更显著。本研究不仅丰富了数据要素对企业行为影响领域的相关研究，还对进一步形成具有全球竞争力的开放式创新模式、建设创新型国家具有重要的启示意义。
关键词： 数据要素;分布式创新;信息溢出;网络重塑;供应链集中度;
引用格式： 王宸威,钞小静.数据要素应用如何影响企业分布式创新?——来自上市公司微观视角下的经验证据[J].现代财经(天津财经大学学报),2024,44(11):3-21.DOI:10.19559/j.cnki.12-1387.2024.11.001.
一、引言 随着新一轮科技革命和产业变革深入发展,数据作为关键生产要素的价值日益凸显,成为当今社会最重要的战略性资源之一[1] 。2021年12月12日国务院发布的《“十四五”数字经济发展规划》明确指出数据要素作为数字经济深化发展的核心引擎,其爆发增长、海量集聚蕴含大量价值,为智能化发展提供新的机遇。2022年12月9日中共中央发布的《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》指出:数据要素作为新型生产要素,是网络化、数字化与智能化的基础,已快速融入生产、分配、流通与消费等各个环节,深刻改变着生产方式、生活方式与社会治理方式。发挥中国海量数据规模与应用场景优势,激活数据要素潜能,有利于增强经济发展潜能,构筑国家创新发展新优势。数据要素通过与人工智能、云计算等新一代数字技术相结合,可以深度嵌入企业内部,不仅可以帮助企业提高预测精度与决策准确率,提升生产效率与盈利能力[1] ,对企业的研发创新行为也发挥着越来越重要的影响作用。
对于数据要素如何影响企业创新行为,不同学者从不同视角展开了较为丰富的研究。部分文献指出大数据分析技术会提升企业的信息处理能力,提升管理者对市场的洞察能力,由此推动创新行为的开展[2] ;陈晓红等(2022)[3] 认为大数据分析技术的应用可以帮助企业更快进行流程优化创新、降低成本,进而抢占市场;另一部分文献从资源配置优化[4] 、企业动态能力[5] 、研发竞争[6] 等视角考察数据要素对创新的影响机制。尽管这些文献从外部环境与内部因素等方面考察了数据要素应用对企业创新的影响,但其研究的落脚点基本上都集中于创新绩效与创新效率,忽略了对数字经济时代下企业创新模式——分布式创新的考察。分布式创新是企业突破企业边界与地域之间的束缚,将分散于企业内部与外部的各类创新资源有机结合,通过资源共享、互补的方式进行协同创新的创新模式。与强调在一个集中的环境或组织内部进行创新活动的集中式创新模式相比,分布式创新具有网络性、协同性、跨组织与地域性、共享性等特征,其既是核心企业主导之下的企业内部创新的分布式组织模式,又是企业与企业之间创新活动的分布式合作,可以帮助企业对内实现创新资源的整合与高效利用,对外扩展可用创新资源的获取边界,并通过合作实现多方共赢,有效提升资源利用效率。而数据要素相较于传统生产要素具有低成本复用、易传播、规模报酬递增等特性[7] ,可以在多元主体之间快速、无损耗流动,这在一定程度上与分布式创新模式相契合。基于此,本文试图探讨如下问题:数据要素应用能否有效推动企业分布式创新?数据要素应用推动企业分布式创新的作用机制是什么?数据要素对企业分布式创新具有哪些差异化影响?
本文可能存在的边际贡献主要体现在如下方面:第一,丰富了数据要素应用所产生的经济后果以及对微观经济个体行为影响的相关研究。已有文献大多从全要素生产率的提升、规模效应的发挥、创新成本的降低等视角考察数据要素对企业产生的影响,而对企业创新行为与模式的关注较为匮乏。本文深入探究数字经济时代下新型生产要素——数据要素对企业新型创新模式——分布式创新的影响,为数据要素应用相关领域的研究提供新的视角。第二,扩展了有关分布式创新领域的相关研究。现有关于分布式创新的研究大多集中于分布式创新的内涵、特征以及过程,仍停留在定性层面,而对分布式创新的定量分析以及其影响因素的研究尚不多见。本文从数据要素视角对影响分布式创新的影响因素进行了量化分析,是对分布式创新领域相关研究的有益补充与拓展。第三,揭示了数据要素应用影响企业分布式创新的作用机制。本文从信息溢出效应、网络重塑效应以及供应链效率集中度下降效应三个层面,多维考察数据要素推动企业分布式创新的作用机制,不仅有利于全面认识数据要素驱动企业分布式创新的理论逻辑,还可以为政府制定差异化政策,进一步释放数据要素新动能、形成具有全球竞争力的分布式创新模式与生态提供新的思路。
二、文献回顾和理论假设 (一)文献回顾 1.分布式创新相关研究
当前学术界对于分布式创新的讨论集中于分布式创新的内涵特征、组织管理与体系构建层面。在分布式创新的内涵以及特征方面,部分学者从企业组织的视角对分布式创新进行解读,即分布式创新是在整个组织内部或者组织供应链内部各个环节中形成的合作网络创新[8-9] ;此外,还有学者从地理分布以及多维技术互补等视角对分布式创新的内涵进行阐释,认为分布式创新是不同地理位置上的企业进行专业化分工合作形成的创新模式,其在一定程度上实现了对创新资源的整合与技术的互补[10] 。在分布式创新组织管理方面,部分研究认为分布式创新管理的重点内容是对创新源的预测以及创新共同体的控制,需要将分布式创新作为一个系统进行管理[11] 。在分布式创新体系构建方面,既有研究指出需要从“空间-网络-个体”多维度、跨层次构建分布式创新体系,通过数字技术赋能企业创新能力、创新环境与创新网络,实现区域创新与价值共创 [12] 。
2.数据要素相关研究
自数据被确定为新的生产要素之后,学术界围绕数据要素的内涵界定、定价核算、产权界定、市场化与价值化以及产生的经济效应展开了广泛的讨论。在其内涵界定方面,大多数学者从广义层面将数据要素定义为一种以数字化信息为核心内涵的非物质经济资源[13-14] ,而部分学者则从狭义视角指出数据要素为以二进制字符串形式被计算机设备进行存储和处理的信息[15] 。在其定价与核算方面,一些学者从如何将数据要素纳入国民经济核算体系以及个人数据产权如何统计界定的角度入手进行研究[16-17] ;在数据要素市场化培育方面,大部分研究均指出需确立数据产权制度[18] 、完善数据安全管理制度[19] 、健全数据流通交易制度[20] 等。此外,还有部分学者探讨了数据要素的经济效应,指出数据要素通过发挥规模效应[21] 、降低创新成本[22] 等方面影响企业生产效率。
综上所述,现有研究为理解数据要素与企业分布式创新之间的关系提供了重要的理论基础,但探讨数据要素与企业分布式创新之间可能存在的因果关系的研究仍较为缺乏,相关理论问题仍然有待现实证据检验。此外,分布式创新主体往往涉及多个主体,如子公司与母公司之间、产业链上下游企业之间、同产业不同企业之间等协同合作,进行知识交流与技术互惠,这在一定程度上对学术界如何准确合理把握、衡量企业分布式创新提出了挑战。借此契机,本文拟在深度剖析数据要素影响企业分布式创新的理论机理的基础上,实证验证数据要素对分布式创新的作用效果,以期丰富与拓展相关领域的研究,并为充分发挥数据要素新动能作用、推动企业创新模式转变提供经验支持。
(二)理论分析与研究假设 创新经济学相关理论指出,新生产要素的确立往往是技术革命的产物。伴随着以云计算、人工智能、物联网等为代表的新一代信息技术大规模商用进程的加快,以比特形式存在的数据资源的创造、收集、存储、处理与分析成本大大降低,促进了以平台经济、共享经济等新经济模式与业态的产生与发展,由此推动了新一轮科技革命与产业变革的加速演进,数据则在此次变革中成为关键性生产要素[23] 。借助各类数字技术、数字基础设施的广泛应用,多样化、个性化的数据深度渗透进入社会经济生产的各部门,通过数据的开发、利用、分析实现跨领域活动中资源的有效利用与生产经营活动中投入产出比的不断增加,由此实现生产效率与资源配置效率的全面提高。因此,本文进一步将数据要素定义为以提升生产效率与资源配置效率为目的,在经过各类数字化终端的处理、加工与分析后,可以有效嵌入生产活动的信息载体。
作为数字时代下新型生产要素,数据要素深入改变了企业创新的实验场景、创新主体间的协同关系以及创新要素的获取方式,颠覆了过往以产业集聚与空间临近为主导的传统创新模式与逻辑[24] ,由此带来分布式创新,其逻辑在于:一方面,数字化背景下数据要素应用加速了创新要素的关联重组,降低了创新主体间的协作成本与交易费用,便利了创新资源的搜寻以及企业间的合作[25] 。而区域间与企业间的大协作与大分工会进一步导致创新主体间的网络结构复杂性增加,带来市场不确定性提升,这在一定程度上会倒逼企业积极融入区域创新网络,跨越地理与组织边界实现知识、技术的交换,由此推动分布式创新的形成;另一方面,数据要素具有流动性高、时效性强、非竞争性与非排他性等特性[7] ,可以借助数字技术在不同数字化终端内实现实时、高效、低损耗传递。搭建以数字基础设施为技术支撑、以数据要素为桥梁与纽带的数字化创新体系,有利于整合创新要素并进一步扩展创新资源配置范围,带来多元创新主体间的协作与分工[26] 。而分布式创新模式本身就对创新要素的跨时空、低成本、高效率传输具有很高的要求,即数据要素应用与分布式创新模式的产生两者具有内在逻辑的一致性,数据要素所具有的特性完美契合了企业进行分布式创新所需要的条件,有效解决了以往企业在创新过程中存在的创新主体间知识与信息不对称、企业创新组织形态落后、供应链集中度过高的问题,有效推动企业分布式创新的开展。由此,本文提出如下假设。
H1 数据要素应用可以有效推动企业分布式创新。
1.信息溢出效应
数据是信息的原材料,而信息则是从海量数据中提炼出的精华[27] 。数据要素的应用改变了企业内外部信息传递与溢出的方式,由此深刻影响了企业的创新行为。传统的信息扩散往往受到时空的限制,而数字经济时代下数据要素作为信息的载体,可以通过在不同终端内实现实时、高效流动与共享,有效摆脱时空限制,产生“虚拟空间临近”效应,打破创新主体间的信息流动壁垒,降低市场与企业之间、企业与企业之间存在的信息不对称问题[5] 。数据要素在人-机-物间的交互能够实现各类联动、协作应用程序的开发与上线,推动产品价格、需求情况、努力水平等原有无法被有效观测的私人信息转变为共有信息[28] ,有效提升企业间的信息传递能力与共享水平,由此产生正向的信息溢出效应。进一步来看,分布式创新需要企业跨越固有行为边界,以互利共赢的思想将各类内外部创新资源与主体纳入自身创新系统,而数据要素所具有的信息溢出效应有利于增加企业间的沟通便利性与彼此间的信任度,提升创新主体间的知识转移效率[29] 。高效、无损耗的数据与信息流通有利于为企业及其合作伙伴构建无缝连接的信息互动平台,帮助双方充分共享彼此创新信息,赋能多样化知识转移。此外,数据要素的信息溢出效应有利于构筑实时信息交换与战略协同平台,增进企业与外界的交流与联系,推动企业与其合作伙伴根据市场环境与用户需求变化而不断调整分布式创新的战略决策[30] ,促进分布式创新的顺利进行。由此,本文提出如下假设。
H2 数据要素应用能发挥信息溢出效应,提升创新主体知识转移效率,构筑实时信息交换与战略协同平台,由此促进企业分布式创新。
2.网络重塑效应
受限于信息的不连续、不及时与不完整等因素,企业在传统的创新与研发体系下往往沿用单中心、科层级的纵向组织结构进行运作管理,在有限信息情况下保证决策的最优化与研发创新效率的最大化。而进入数字经济时代,数据要素所蕴含的海量信息在传感器、工业互联网等数据集成系统中的实时传递推动企业间创新组织形态由过去机械型的单中心、科层级化转向去中心、模块化、扁平化、平台化的横向网格结构,由此形成了高效率、多主体的创新组织网络[31] 。与传统部门间的创新组织模式不同,以数据要素流通为核心的创新组织网络实现了多元主体在数字空间内部的及时交流与沟通,推动超大规模的创新与分工协作体系的形成[13] 。一方面,创新组织网络的形成有利于为不同创新主体的创新行为提供多样化接口,实现网络内部海量异质性创新主体实现跨界协作与跨层次连接,推动各类创新主体的“去中心化”与“数字化共情”协同,进一步驱动创新机会的涌现与数字化创新的开发,实现创新参与者更主动、更有效地进行跨地区、跨组织的协同创新,由此提升分布式创新能力与创新效率[32] ;另一方面,数字化的创新组织网络本身具有自生长性,即对创新组织网络内部数据资源的应用与开发有利于创新生态系统内各主体围绕其核心业务发现、识别新需求,实现网络内部创新主体数量的增加,推动创新网络规模不断扩大,增加企业间关联性创新机会[33] ,由此带来分布式创新。由此,本文提出如下假设。
H3 数据要素应用会发挥网络重塑效应,推动形成多元主体创新组织网络,增加企业间关联性创新机会,由此促进企业分布式创新。
3.供应链集中度下降效应
数据要素在企业上下游之间的融合渗透加速了供应链数字化转型的步伐,通过赋予供应链大数据支持、智能化协同与网络化共享等特征,提高供应链各环节信息透明度,帮助企业精准判断上下游产品的供给与需求量,实现企业上下游供需关系的调整与优化[34] ,由此带来供应链集中度的下降,进而推动企业分布式创新。具体来看,数据要素带来的上下游企业间信息透明度会进一步提升供应链柔性[35] ,有利于建立供应链上下游企业信任机制,提升供应链中各类资源共享与信息交换的可靠性。而当市场环境以及供应链关系发生变化时,企业可以及时做出相应调整,有效规避企业过度依赖供应链条中其他单一企业的问题,提升企业的议价能力,降低供应商与客户对自身利润空间的压缩,有利于企业将更多资源投入创新生产领域[36] 。进一步地,供应链集中度的下降往往意味着企业供应链上多元创新合作伙伴的增加,有利于企业在与不同供应商以及客户进行商业往来的过程中实现知识与技术的互通互惠[37] ,推动多维度知识与技术创新平台的构建,形成多主体、跨时空、跨单元的知识搜寻、知识积累与知识整合的企业间“知识互助联盟”,实现企业与企业之间的协同创新。由此,本文提出如下假设。
H4 数据要素应用会推动企业上下游供需关系的调整与优化,有利于推动供应链集中度下降,由此促进企业分布式创新。
三、研究设计 (一)模型构建 为验证数据要素应用对企业分布式创新水平的影响,本文构建了计量模型式(1)用于基准回归检验。
DI i ,t α 0 +α 1 Data i ,t Controls i ,t Firm i +Year t +Industry h +City j +ε i ,t
(1)
其中,i 表示企业,t 表示年份,j 表示城市,DI i ,t i 在第t 年的分布式创新水平,Data i ,t i 在第t 年的数据要素应用水平,Controls 表示本文选取的控制变量的集合,Firm i 、Year t 、Industry h 、City j 分别表示公司、年份、行业与城市层面的固定效应,ε i ,t α 1 是本文重点关注的回归系数,其表征了数据要素应用对企业分布式创新的影响水平,若回归系数α 1 显著为正,则说明数据要素应用对企业分布式创新具有正向促进作用,符合本文理论预期。此外,本文对标准误进行了企业层面的聚类稳健处理。
(二)样本数据 本文选取2013—2022年A股上市公司作为初始研究样本。样本公司数据来源主要分为三类:第一,上市公司基本信息、财务指标以及公司治理的相关数据来自CSMAR数据库;第二,上市公司专利申请数据来源于CNRDS数据库;第三,上市公司企业年报文本信息来自Wingo财经文本数据平台。此外,本文进一步对初始样本数据做出如下处理:(1)剔除ST类公司样本;(2)剔除IPO未满一年的公司样本。经过数据处理后本文得到公司-年度的样本观测值24 056个。为减轻极端值对回归结果造成的影响,本文对连续变量进行了1%的缩尾处理。
(三)变量定义 1.数据要素应用
如何度量企业层面的数据要素应用水平是本研究的重点。现有研究多使用综合评价法,从多个维度对省级与地级市层面的数据要素应用水平进行测算度量[38] ,也有部分学者使用大数据试验区作为政策冲击,通过构建准自然实验的方法去考察数据要素应用带来的经济效应[39] ,鲜有学者从上市公司层面对数据要素应用水平进行衡量。文本分析法源于信息处理领域,其理论基础在于通过分析文本内词频变动与社会现象间的内在关联总结归纳出变量的某些特征与规律。使用文本分析法可以恰当、有效识别文本主题,借助略读、精读文本剖析市场主体的经营活动状态,因此,本文选取文本分析法,对上市公司年报中与数据要素相关的关键词进行提取,以此度量上市公司数据要素应用水平。其中,数据要素相关关键词的选取参考了中国通信院发布的《数据要素白皮书》《大数据白皮书(2022)》《2022中国大数据产业发展白皮书》以及相关学者研究[40] ,并结合上文对数据要素的定义,从数据要素应用涉及的相关大数据技术层面对关键词进行筛选。具体包括:“数据中心”“信息资产”“数据化”“数据传递”“数据采集”“传感设备”“运算设备”“边缘数据处理”“可视化”“并行计算”“终端”“移动终端”“一体机”“数据库”“批处理”“流处理”“读写”“大数据”“海量数据”“算力”“数据预处理”“数据分析”“数据挖掘”“数据化”“计算机”“可视化”“流式计算”“集中元式数据”“加密设备”“深度学习”“神经网络”“自然语言处理”“智能软件”“服务器”“计算机视觉”“知识图谱”“自动化生产”“远程控制”“分布式存储”“虚拟化”。基于上述情况,本文依据数据要素关键词对上市公司年报进行了文本分析,通过计算得到上市公司数据要素关键词词频数量,并将其加1取对数后用变量Data 表示。
2.分布式创新
从全面性与准确性角度来看,对创新最好的衡量方法是量化创新带来的经济效益[41] ,然而当前仅有少数研究基于企业微观调查数据采用这一方法衡量企业创新水平,而对于包含更丰富信息的企业面板数据则无法准确度量创新带来的经济效益。专利作为创新行为的产物,代表了创新的结果,是衡量创新能力与水平的重要方面。因此本文通过如下步骤对企业分布式创新进行识别:首先,本文对2012—2021年所有上市公司所具有的子公司、合营公司与关联公司的公司名称进行了手工收集与整理,并对重复数据进行了剔除与筛选,共得到181 374条有效数据;其次,本文在对从CNRDS数据库得到的专利申请数据进行整理的基础上,借助python技术,使用Jaccard相似度算法,依据公司名称对手工收集数据与企业专利申请数据进行模糊匹配,由此得到上市公司子公司、合营公司与联营公司独立申请专利数量;最后,本文在上述基础上构建如下指标来衡量上市公司分布式创新水平:(上市公司子公司、合营公司与联营公司独立申请专利数量+上市公司联合申请专利数量)/上市公司集团专利申请总量。其中,上市公司子公司、合营公司与联营公司独立申请专利数量占比衡量了上市公司内部子公司及相关联营公司的分布式创新情况,而上市公司联合申请专利数量占比则衡量了上市公司与行业内其他公司的分布式创新情况。本文使用变量DI来表示分布式创新水平。
本文在对分布式创新水平进行测算的基础上,进一步对样本期间内中国分布式创新的演进趋势进行了分析。具体结果如表1所示。由表1可以看出,中国存在分布式创新行为的企业以及上市公司总体分布式创新在2013—2022年均呈现持续上升态势,这表明中国上市公司分布式创新水平不断提升。
表1 2013—2022年中国上市公司分布式创新演进趋势
数据来源:由分布式创新水平数据计算整理得到。
3.控制变量
考虑到其他因素对实证结果稳健性带来的潜在影响,本文选取了一系列控制变量(Controls ),公司层面的控制变量包括:企业规模(年末资产的自然对数:Scale )、资产负债率(年末总负债与年末总资产之比:Lev )、账面市值(股东权益与公司总市值之比:Value )、总资产利润率(利润总额与资产平均总额之比:Profit )、现金流量(经营性净现金流与总资产之比:Crash )、独立董事比例(独立董事人数与董事会总人数之比乘以百分百:Manhold );股权集中度(前十大股东持股之比乘以百分百:Qten )。地级市层面的控制变量包括:教育支出(地区政府教育支出占政府总财政支出的比重:Education )、ICT产业从业人员(信息传输计算机服务和软件业从业人员占比:Software )、电信业务水平(人均电信业务总量:Telecommunication )、金融发展水平(金融机构存贷款余额占GDP的比重:finance )、人均GDP(人均GDP的自然对数:Gdp )、产业结构(第三产业产值与第二产业产值之比:Structure )。此外,考虑到上市公司可能存在公司所在地变更以及主营业务转变的情况,本文在对时间效应(Year )与企业效应(Firm )进行控制的基础上,进一步对行业效应(Industry )与城市效应(City )进行控制。
(四)描述性统计 本文实证分析所涉及的主要变量描述性统计结果如表2所示。描述性统计结果结果显示,企业分布式创新水平均值为0.47,尚未达到企业总创新水平的一半,表明中国分布式创新水平仍有待提高;数据要素应用水平均值为2.38,标准差为1.71,这表明企业间数据要素应用程度差异较大,可能存在大量企业数据要素应用程度较低;从控制变量结果来看,不同企业在企业规模、资产负债率、现金流量、账面市值比、总资产利润率等方面均存在显著差异。
表2 相关变量描述性统计结果
四、实证结果分析 (一)基准回归结果 本文的基准回归分析结果如表3所示。列(1)显示了未加入控制变量,且没有对年份、企业、行业与城市层面的固定效应进行控制时的回归结果,可以看出企业数据要素应用(Data )的回归系数为正,且通过了1%置信水平上的显著性检验;列(2)在原有回归基础上加入了控制变量,企业数据要素应用(Data )的回归系数依旧为正,并通过了1%置信水平上的显著性检验;列(3)-(6)在原有回归基础上依次对年份层面、企业层面、行业层面与城市层面的固定效应进行了控制,可以看出企业数据要素应用(Data )的回归系数为正,且通过了5%置信水平上的显著性检验,这表明数据要素应用可以显著推动企业分布式创新水平的提高,由此H1得到了经验证据的支持。
表3 基准回归结果
注:* 、**和***分别表示在10% 、5%和1%显著水平上显著; 括号内数值为聚类到企业层面的稳健标准误差。下同。
(二)稳健性检验 为进一步验证估计结果的可靠性,本文围绕内生性问题检验、核心变量的选取、估计方法的更换、样本区间的调整等维度进行稳健性检验。
1.内生性问题检验
数据要素应用与企业分布式创新可能存在潜在的内生性问题,具体来看主要体现在如下方面:一是样本选择偏误。考虑到数据要素应用程度较高的企业往往伴随着更高水平的数字技术使用,由此为分布式创新提供了良好的基础,这在一定程度上存在着样本的自选择问题。二是模型内部遗漏变量造成的回归结果偏误。尽管本文在借鉴已有研究的基础上控制了一系列不同维度的可能会影响企业分布式创新的重要因素,但仍不可避免地存在对某些无法观测的重要变量的忽略,进而对回归模型结果产生偏误,由此导致内生性问题。三是变量间的反向因果关系。分布式创新的进行依赖于企业间的沟通与联系,这离不开数据要素在各类终端间的传输与流动。因此,分布式创新水平越高的企业,数据要素应用程度可能也越高。为缓解上述问题,本文采用倾向得分匹配法与工具变量法进行回归。
(1)为缓解样本选择偏误可能产生的内生性问题,本文依据数据要素应用水平的中位数,将样本划分为处理组与对照组,在此基础上加入控制变量进行倾向得分匹配回归,并进一步考察数据要素应用影响企业分布式创新的平均处理效应。本文首先使用临近匹配来对样本的平衡性进行检验,回归结果如表4所示。可以看出,匹配后模型内各控制变量的标准化偏差均出现大幅度缩小,且各控制变量t检验结果显示在1%的显著性水平上无法拒绝匹配后处理组与对照组无系统性差异的原假设,这表明倾向得分匹配降低了样本的系统性差异,可运用其结果进行处理效应分析。表5显示了使用临近匹配、卡尺匹配、卡尺临近匹配、半径匹配以及核匹配的检验结果,可以看出使用不同的匹配方法,数据要素应用对企业分布式创新的平均处理效应均为正,且通过了1%水平上的显著性检验,表明数据要素应用水平更高的处理组的分布式创新水平明显高于对照组,由此进一步验证了数据要素应用对企业分布式创新的推动作用。
表4 样本临近匹配的平衡性检验结果
表5 平均处理效应检验结果
(2)为缓解模型遗漏变量以及变量间反向因果可能产生的内生性问题,本文选取地区雷暴天气占当年总天数的比重作为工具变量进行回归,理由如下:一方面,数据要素要实现其在不同创新主体间的高速、自由、无损耗流动有赖于地区间的通信基础设施的建设水平,如电网、光缆等基础设施的铺设。而地区气候,尤其是雷雨天气会显著影响地区光缆等设施的建设,例如雷雨天气较多的地区其光缆与电网的铺设难度往往相对较高,且更容易发生损耗,进一步影响当地通信水平,由此对数据要素的流通与应用产生影响[42] 。因此,雷暴天气占当年总天数的比重满足工具变量选取的相关性条件;另一方面,雷暴天气作为气候方面的指标,其在一定地域内具有高度随机、外生特性,与企业分布式创新并无直接关联,满足工具变量选取的外生性条件。基于此,本文使用地区雷暴天气占当年总天数的比重作为工具变量进行内生性检验。工具变量回归结果如表6列(1)、列(2)所示。
表6 工具变量回归检验结果
表6列(1)显示了第一阶段的回归结果,可以看出工具变量的估计结果在1%的置信区间下显著为正,在统计意义上满足相关性条件。此外,回归结果显示Kleibergen-Paap rk LM统计量p值为0,拒绝“工具变量识别不足”的假设,而在工具变量弱识别的检验中,Cragg-Donald Wald F 与Kleibergen-Paap rk Wald F统计量均大于Stock-Yogo弱识别检验10%水平上的临界值,拒绝“弱工具变量”的假设,这表明本文选取的工具变量是合理有效的。而表6列(2)回归结果显示数据要素应用Data 的回归系数为正,并通过了1%置信水平上的显著性检验,这表明在缓解了内生性问题之后数据要素对企业分布式创新的促进作用依旧显著,印证了本文核心结论的稳健性。
2.更换解释变量
本文使用文本分析法,通过对上市公司年报中数据要素相关关键词进行筛选,计算出数据要素关键词词频以表征数据要素应用水平。然而,一方面,这一做法可能会受到关键词主观性选择的影响,由此导致测量误差;另一方面,年份、不同公司财报的总字符数也可能存在差异,仅仅使用数据要素关键词词频去表征数据要素应用水平不够全面、准确。因此,本文对解释变量做出如下替换:一是选用企业主营业务中是否有数据类型业务来表示企业生产经营中是否使用数据要素,以此对解释变量进行替换。企业在其经营过程中会根据研发创新、外部环境等因素对主营业务进行更换,若其主营业务中出现了数据要素,则很大程度上表明其在研发以及经营过程中对数据要素进行了应用。二是选用“数据要素关键词词频/财报文本总量”来对解释变量进行替换。回归结果如表7列(1)、列(2)所示。可以看出,数据要素应用水平Data 的回归系数均为正,且分别通过了1%和10%置信水平上的显著性检验,与基准回归结果保持一致,印证了本文核心结论的稳健性。
表7 稳健性检验结果Ⅰ
3.更换被解释变量
综合考虑可行性与可靠性,本文采用赫芬达尔指数来构建上市公司层面的创新集中度指标,以此对分布式创新水平进行表征,其公式如下。
其中,HHI 为赫芬达尔指数,用以表征创新集中度;N 代表该公司控股的公司集合中第i 个公司,X 代表该公司的当年专利申请量。回归结果如表7列(3)所示。可以看出,数据要素应用水平Data 的回归系数均为正,且通过了5%水平上的置信性检验,与基准回归结果保持一致,印证了本文核心结论的稳健性。
4.更换回归方法
由于部分企业在部分年份没有进行分布式创新,样本数据中包含较多零值,由此导致样本残差不再服从正态分布,使用传统的最小二乘法进行估计可能导致回归偏误,为解决此问题,本文进一步使用伪泊松最大似然法(PPML)进行重新估计。回归结果如表7列(4)所示。此外,考虑到企业的分布式创新可能会存在时间序列相关问题,导致企业当年的分布式创新水平可能会受到以往年份分布式创新水平的影响,进而产生序列相关问题影响模型回归结果的准确性。为排除这一影响,本文通过采用系统矩估计模型(系统GMM)的方法进行重新回归。回归结果如表8列(1)所示。由表7列(4)可以看出数据要素应用水平Data 的回归系数为正,通过了10%置信水平上的显著性检验,与基准结果保持一致。由表8列(1)可以看出分布式创新的滞后一期的回归系数为正,通过了10%置信水平上的显著性检验,这表明分布式创新水平的变化很大程度上受到前期发展水平的影响,同时数据要素应用水平Data 的回归系数为正,且通过了5%置信水平上的显著性检验,表明在控制了分布式创新的前期值以及残差项的内生关联、排除被解释变量存在的时序自相关之后,数据要素应用对企业分布式创新的促进作用依旧显著,印证了本文核心结论的稳健性。
表8 稳健性检验结果Ⅱ
5.控制省份-年份固定效应
考虑到本文在基准回归中采用的时间、地区与个体的三重固定效应是现有研究较常见做法,对可能影响被解释变量的因素控制尚不够严格,仍可能存在部分不可观测的“漏网之鱼”未被纳入控制的情况。因此,本文在对年份、企业、行业与城市固定效应进行控制的基础上,进一步控制“省份-年份”固定效应。将省份效应与年份效应交乘一方面可以较为全面地涵盖无法观测的变量,另一方面相比分别加入固定效应会产生更强的控制力度。控制了“省份-年份”固定效应的回归结果如表8列(2)所示。可以看出,在控制了省份-年份固定效应后,数据要素应用Data 的回归系数为正,并通过了5%置信水平上的显著性检验,与基准回归结果保持一致,印证了本文核心结论的稳健性。
6.剔除直辖市特征
本文在稳健性检验中进一步将处于中国四大直辖市内的样本企业进行剔除,其原因在于中国直辖市在设立后其经济社会发展存在明显的政策偏向性,与其他城市相比往往会受到更完善的政策扶持,数字经济活力更强且数字基础设施更加完善,这有助于数据要素更加充分释放其具有的赋能效应。基于此,本文对来自北京市、上海市、天津市与重庆市的样本进行剔除后重新进行回归。回归结果如表8列(3)所示。可以看出,在剔除四大直辖市内企业的样本后数据要素应用Data 的回归系数为正,且通过了5%置信水平上的显著性检验,与基准回归结果保持一致,进一步印证了本文核心结论的稳健性。
7.排除宏观因素冲击
由于重大宏观性因素冲击往往会对微观个体的经济行为产生深远影响,本文进一步对样本期内存在的宏观因素进行排除,以更准确地识别数据要素应用与企业分布式创新之间的因果关系。考虑到2019年后中美贸易摩擦以及新冠肺炎疫情可能会对企业在数据要素应用以及创新行为选择上产生的不确定性影响,本文将样本年份缩减至2019年对基准模型进行重新回归。回归结果如表8列(4)所示。可以看出,在排除宏观因素冲击后数据要素应用Data 的回归系数为正,通过了1%置信水平上的显著性检验,与基准回归结果保持一致,由此印证了本文核心结论的稳健性。
五、进一步讨论 基于前文的理论分析,本文在这一部分重点对数据要素影响企业分布式创新的作用机制进行实证检验,并进一步对数据要素影响企业分布式创新的异质性作用进行分析,具体内容如下。
(一)机制检验 本文在参考江艇(2022)[43] 研究的基础上,构建计量模型式(2)进行机制检验。具体如下。
Mechanism i ,t β 0 +β 1 Data i ,t Controls i ,t Firm i +Year t +Industry h +City j +ε i ,t
(2)
其中,Mechanism i ,t Controls i ,t Firm i 、Year t 、Industry h 、City j 分别表示公司、年份、行业与城市层面的固定效应,ε i ,t
1.信息溢出效应检验
理论分析部分指出数据要素会通过促进企业间信息溢出降低信息不对称,进而促进企业分布式创新。本文使用以下指标对信息溢出进行衡量:一是借鉴李青原等(2023)[28] 的做法,采用牛鞭效应(Bullwhip )来表征信息溢出。牛鞭效应是指在企业供应链管理与企业间信息传递过程中,由于无法实现信息共享而产生的信息扭曲并逐级扩大效应,由此带来信息传递延迟、沟通不畅等问题。因此,使用牛鞭效应能很好地反映企业信息溢出程度。本文使用单个企业生产波动与需求波动的比值来度量牛鞭效应,该指标越小表明企业间信息溢出越明显;二是选择分析师关注度(Attention )作为信息溢出的衡量指标,其原因在于信息流通更为顺畅、信息溢出程度更高的企业往往容易得到分析师的关注,方便分析师对其信息进行整合。因此,本文使用牛鞭效应与分析师关注度作为信息溢出的衡量指标进行回归分析。回归结果如表9列(1)、列(2)所示,可以看出数据要素应用(Data )对牛鞭效应的回归系数为负,通过了1%置信水平上的显著性检验,而数据要素应用(Data )对分析师关注度的回归系数为正,通过了1%置信水平上的显著性检验,这表明数据要素应用会提升企业信息处理与分析能力,减少企业间信息不对称现象,改善企业间信息环境,对企业的资源配置决策以及生产行为产生影响,带来正向的信息溢出效应[29] ,不断提升创新主体之间的知识转移效率,促进分布式创新,由此H2得以证实。
表9 机制检验结果
2.网络重塑效应检验
理论分析部分指出,数据要素的应用实现了经济社会每个层级的实时、高度联通,创新行为也不再局限于某个单个主体,而是具有典型的扁平化、平台化的网络型特征[44] 。为此,本文借助机器学习中的PageRank算法,基于专利被引数据综合搭建上市公司间的创新网络,计算每个创新网络中的节点的Bonacich网络中心度,以此衡量每个企业在创新网络中所处的创新地位。与传统的点度中心度、中间中心度等网络中心度相比,Bonacich网络中心度不仅考虑了节点的直接连接,还考虑了节点间的间接连接。这种考虑方式能够更全面地评估节点在网络中的地位和影响力。其具体构造方式如下:第一,构造企业间的专利引用矩阵,矩阵中的各个节点借助专利之间的引用互相连接,连边表示某一专利m 被另外一专利n 所引用,且各个连边均具有明显的指向性,不同的节点间的连边共同组成了专利创新网络。本文使用W cited 表征企业间的专利引用矩阵,w mn 表征专利m 是否被专利n 所引用,若被引用赋值为1,否则为0。第二,使用以下公式对Bonacich中心度进行计算
(3)
其中,第i 步的Bonacich m (i )由上一步的Bonacich m (i -1)经过上述公式迭代而得,可以将初始Bonacich 中心度设置为1开始迭代,直到所有专利的Bonacich 中心度值不再变化时停止。N 为总专利数量,α 为固定参数,本文将其设置为0.85进行计算。本文使用计算得到的Bonacich中心度值(Bonacich )表征创新网络效应,并将其纳入回归进行分析检验。回归结果如表9列(3)所示,可以看出数据要素应用(Data )的回归系数为正,且通过了5%置信水平上的显著性检验,表明数据要素应用可以有效提升企业创新网络中心度,提高企业在创新网络内部的地位,推动网络内部多元创新主体数量的增加,促进企业间关联性创新机会的不断涌现[34] ,带来企业分布式创新,由此 H3得以证实。
3.供应链集中度下降效应检验
理论分析部分指出,数据要素应用可以带来供应链效率集中度的下降,由此推动分布式创新。本文在综合考虑企业与供应链上下游企业之间关系的基础上,选用供应商集中度(Concentration -Sup )与客户集中度(Concentration -Cus )共同表征供应链集中度,其中本文选用前五大供应商采购额占年度总采购额的比重衡量供应商集中度,选用企业前五大客户销售额占年度总销售额的比重衡量客户集中度。回归结果如表9列(4)、列(5)所示。可以看出,数据要素应用(Data )的回归系数均为负,且分别通过了5%与1%置信水平上的显著性检验,表明数据要素应用打破了供应链上合作伙伴信息不对称局面,减少核心供应商价格垄断现象,有效提升企业议价能力,降低企业供应商集中度与客户集中度[36] ,推动供应链条上多元合作伙伴的增加,实现多元知识、技术交流平台的构建,促进企业间的联合创新,推动企业分布式创新,由此H4得以证实。
(二)异质性检验 考虑到企业内外部存在的大量异质性特征会影响数据要素对分布式创新影响作用的发挥,本文进一步从企业所处行业、数据开放质量、地区数字基础设施以及智慧城市建设层面对异质性问题进行检验,具体如下。
1.高新技术行业异质性
企业所在行业的异质性可能会影响其数据要素对企业分布式创新的推动作用。相较于低技术行业,高新技术行业多为技术密集型行业,其对先进数字技术与设备的需求相对更高,而数据要素的应用又需要以工业互联网、电子计算机等硬件设备为载体,因此,处于高新技术行业的企业数据要素应用对分布式创新的推动作用可能更明显。基于此,本文依照国务院《高技术产业(制造业)分类(2017)》与《高技术产业(服务业)分类(2018)》,引入高新技术行业虚拟变量(High Tech )与数据要素应用(Data )的交乘项,其中将处于高新技术行业的企业赋值为1,将不处于高新技术行业的企业赋值为0。具体回归结果如表10列(1)所示,可以看出Data ×High Tech 的回归系数为正,且通过了10%置信水平上的显著性检验,这表明与非高新技术行业企业相比,数据要素对处于高新技术行业的企业的分布式创新推动作用更为显著。
表10 异质性检验结果
2.数据开放质量异质性
数据开放是数据传播流通的重要方式,各类公共数据开放平台的建设则进一步推动了数据开放质量的提升。事实上,不同地区公共数据开放平台建设时间与覆盖程度不同,其在数据开放质量上存在显著的异质性,而数据开放质量及其效率决定着数据要素中所蕴含信息的传递效果,由此会对企业分布式创新产生一定影响。基于此,本文基于复旦大学数字与移动治理实验室联合国家信息中心数字中国研究院共同发布的《中国地方公共数据开放利用报告——城市(2023年度)》中各城市数据开放平台上线时间,引入数据开放质量(Doq )与数据要素应用(Data )的交乘项,其中将处于具有公共数据开放平台城市的企业赋值为1,否则赋值为0。具体回归结果如表10列(2)所示,可以看出Data ×Doq 的回归系数为正,且通过了1%置信水平上的显著性检验,这表明与数据开放质量较低的地区相比,数据要素对数据开放质量较高的地区的企业分布式创新推动作用更显著。
3.数字基础设施建设异质性
宽带光纤网络的普及是推动数字基础设施建设的重要方面,而数字基础设施则是数据要素应用的重要基础,推动宽带光纤网络的建设与普及有利于更充分释放数据要素对分布式创新的推动作用。基于此,本文以2013年国务院发布的“宽带中国”战略为政策背景,引入宽带中国政策(Broadband )与数据要素应用(Data )的交乘项,其中根据“宽带中国”战略实施与否,将“宽带中国”试点城市内的上市公司赋值为1,将非试点城市内的上市公司赋值为0。值得指出的是,政策带来的经济效果往往具有时滞性,可能在政策实施当期无法被有效识别出来,因此本文将Data ×Broadband 的滞后一期纳入回归进行检验。具体回归结果如表10列(3)所示,可以看出Data ×Broadband 滞后一期的回归系数为正,且通过了5%置信水平上的显著性检验,这表明与未实施“宽带中国”战略的地区相比,数据要素对已实施“宽带中国”战略地区的企业分布式创新推动作用更显著。
4.智慧城市建设异质性
智慧城市建设是以信息技术为核心,利用云计算、物联网、大数据分析等技术,整合信息资源、统筹业务应用、加强整体规划的城市建设发展新模式。智慧城市会进一步加快城市公共数据平台、网络基础设施以及数据库等建设步伐,为数据要素的应用带来更好的外部环境与硬件基础,有利于更加充分地发挥数据要素对分布式创新的推动作用。基于此,本文以国家住房和城乡部与2012年、2013年与2014年分三批遴选出的99个城市作为智慧城市试点,引入智慧城市试点(Smart )与数据要素应用(Data )的交乘项,将处于智慧城市试点的上市公司赋值为1,将处于非智慧城市试点的上市公司赋值为0。与“宽带中国”政策相似,智慧城市试点带来的经济社会效果可能具有时滞性,因此本文将Data ×Smart 的滞后一期纳入回归进行检验。具体回归结果如表10列(4)所示,可以看出Data ×Smart 滞后一期的回归系数为正,且通过了5%置信水平上的显著性检验,这表明与未被选入智慧城市建设试点的城市相比,数据要素对已被选为智慧城市建设试点的城市的企业分布式创新推动作用更显著。
六、结论与启示 党的二十大报告指出,要坚持创新在中国现代化建设全局中的核心地位,健全新型举国体制,强化国家战略科技力量,提升国家创新体系整体效能,形成具有全球竞争力的开放创新生态。数据作为数字经济时代下新型生产要素,可以颠覆以往以空间、产业集聚为主导的传统创新模式,进一步改善创新主体间的协同合作关系并优化创新要素获取方式,形成更加多元、高效的开放、协同创新生态。基于此,本文以2013-2022年A股上市公司为研究样本,深入探究数据要素应用对企业分布式创新的影响,以及其中的作用机理与异质性影响因素。研究结果表明,数据要素应用有效提升了企业分布式创新水平,这一作用在考虑了内生性问题与诸多稳健性检验后依旧成立。机制检验结果表明,数据要素应用通过信息溢出效应、网络重塑效应、供应链效率集中度下降效应推动企业分布式创新水平提升。此外,高技术行业企业、数据开放质量更高、智慧城市建设与数字基础设施更完善的城市内的企业数据要素应用对分布式创新的推动作用更显著。本研究为探究数字经济时代下企业创新模式的选择提供了丰富的经验证据,为进一步释放数据要素新动能、形成具有全球竞争力的分布式创新模式与生态提供新的思路。
结合上述研究结论,本文提出如下政策启示。
第一,加强数据要素赋能创新的顶层规划,大力推动数据要素在企业分布式创新过程中的应用。数字经济背景下数据要素与其他要素的相互渗透有利于实现各类创新资源在虚拟网络空间的高效聚集,然而当前中国数据要素应用面临着技术规范不一致、企业间“数据孤岛”现象普遍存在、高密度有价值的数据集不多等问题,导致数据要素无法发挥其对分布式创新应有的作用。基于此,政府需要进一步制定相应的数据技术规范与标准,从数据主体标识、数据使用约束等层面入手,为数据持有主体创造数字环境下统一的语言规范,为企业数据要素应用提供技术标准与制度标准,为充分发挥数据要素对企业分布式创新的推动作用奠定基础。
第二,培育数据要素流通与交易服务生态,构建数字化创新要素交流平台,促进多元主体协同合作创新。首先,加快完善数据的流通共享机制,构建促进使用和流通、场内与场外相结合的交易制度体系,促进区域性数据交易场所和行业性数据交易平台与国家级数据交易场所互联互通,为发挥数据要素的信息溢出效应提供良好的制度基础,有效服务企业间分布式创新;其次,建设以数据要素为纽带的数字化协同创新平台,鼓励产业链内各类科技创新主体借助平台进行实时数据、信息知识的交互共享,以此发挥数据要素的网络重塑效应形成多元主体创新组织网络,推动分布式创新;最后,构建供应链内部信息与知识互助联盟,上下游企业之间信息机制的建立,以数据要素的充分流动促进供应链集中度的下降,促进企业分布式创新。
第三,统筹规划区域间数据要素资源的流动与分配,促进分布式创新的协调发展。不同地区资源禀赋不同、经济发展状况不同,数据要素的应用水平也会相应有所差距,应根据各地区主体功能定位,因地制宜、因需而变地促进地区数据要素应用水平提升,以此推动分布式创新。一方面,对于具有公共数据开放平台、智慧城市建设水平较高等数据要素应用水平较高的地区,应积极实现数据要素市场化配置先行示范,构建安全、高效的数据要素市场,形成特色鲜明的数据产业集群与生态,以此促进企业分布式创新;另一方面,对于数据要素应用水平较低的地区,在加快各类新型基础设施建设步伐的基础上,积极追赶超越,推动数据要素在创新生态建设中发挥重要作用。
参考文献
[1]谢康,夏正豪,肖静华.大数据成为现实生产要素的企业实现机制:产品创新视角[J].中国工业经济,2020(5):42-60.
[2]RERUP C,FELDMAN M S.Routines as a source of change in organization schemata:the role of trial-and-error learning [J].Academy of Management Journal,2011,54(3):577-610.
[3]陈晓红,李杨扬,宋丽洁,等.数字经济理论体系与研究展望[J].管理世界,2022,38(2):208-224.
[4]马淑琴,徐苗,张陈宇.数据要素应用与企业创新效应——来自中国A股上市公司的经验证据[J].商业经济与管理,2024(2):50-67.
[5]焦豪,杨季枫,王培暖,等.数据驱动的企业动态能力作用机制研究——基于数据全生命周期管理的数字化转型过程分析[J].中国工业经济,2021(11):174-192.
[6]徐翔,赵墨非,李涛,等.数据要素与企业创新:基于研发竞争的视角[J].经济研究,2023,58 (2):39-56.
[7]于立,王建林.生产要素理论新论——兼论数据要素的共性和特性[J].经济与管理研究,2020,41(4):62-73.
[8]ALISTAIR B.Knowledge for free:distributed innovation as a source of learning [J].Public Policy and Administration,2005,20(3):56-68.
[9]O’SULLIVAN D,LAWRENCE D.Managing within a distributed innovation network[J].International Journal of Innovation Management,2007,11(3):393-416.
[10]CHRIS K.Does distributed innovation fit with current innovation theory and policy [J].Technology,Regions,and Policy,2006(11):1-13.
[11]GERYBADZE A.Knowledge management,cognitive coherence and equivocality in distributed innovation processes in MNCs [J].Management International Review,2004,44 (3):103-128.
[12]宋波,吴佩.数字化背景下区域分布式创新体系构建与治理探索[J].经济体制改革,2023(3):43-52.
[13]费方域,闫自信,陈永伟,等.数字经济时代数据性质、产权和竞争[J].财经问题研究,2018(2):3-21.
[14]李海舰,赵丽.数据成为生产要素:特征、机制与价值形态演进[J].上海经济研究,2021(8):48-59.
[15]蔡跃洲,马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究,2021,38(3):64-83.
[16]李静萍.数据资产核算研究[J].统计研究,2020,37(11):3-14.
[17]熊巧琴,汤珂.数据要素的界权、交易和定价研究进展[J].经济学动态,2021(2):143-158.
[18]田杰棠,刘露瑶.交易模式、权利界定与数据要素市场培育[J].改革,2020(7):17-26.
[19]孔艳芳,刘建旭,赵忠秀.数据要素市场化配置研究:内涵解构、运行机理与实践路径[J].经济学家,2021(11):24-32.
[20]李珊,张文德,郑伟鑫.中国数据要素市场产权配置改革评价机制构建与实证研究[J].中国软科学,2024(1):151-163.
[21]李辉.大数据推动我国经济高质量发展的理论机理、实践基础与政策选择[J].经济学家,2019(3):52-59.
[22]徐翔,厉克奥博,田晓轩.数据生产要素研究进展[J].经济学动态,2021(4):142-158.
[23]钞小静.以数字经济与实体经济深度融合赋能新形势下经济高质量发展[J].财贸研究,2022,33(12):1-8.
[24]潘家栋,肖文,唐楠.数据要素赋能创新模式演进[J].社会科学战线,2024(3):51-58.
[25]李政,越婷婷,贾妍妍.地区大数据发展如何影响企业数字化转型?[J].现代财经(天津财经大学学报),2023,43(11):61-76.
[26]黄宏斌,梁慧丽,许晨辉.数字化转型驱动了企业协同创新吗?[J].现代财经(天津财经大学学报),2023,43(11):96-113.
[27]艳丽,王沁冉.数据概念的体系性建构[J].经济问题,2024(7):38-48.
[28]李青原,李昱,章尹赛楠,等.企业数字化转型的信息溢出效应——基于供应链视角的经验证据[J].中国工业经济,2023(7):142-159.
[29]钞小静,王宸威.数据要素对制造业高质量发展的影响——来自制造业上市公司微观视角的经验证据[J].浙江工商大学学报,2022(4):109-122.
[30]杨金玉,彭秋萍,葛震霆.数字化转型的客户传染效应——供应商创新视角[J].中国工业经济,2022(8):156-174.
[31]刘震,潘雨晨,陈志成.数字服务贸易空间网络嵌入与中国服务业全球价值链地位提升[J].现代财经(天津财经大学学报),2023,43(9):20-38.
[32]鲁若愚,周阳,丁奕文,等.企业创新网络:溯源、演化与研究展望[J].管理世界,2021,37(1):217-233.
[33]陈钰芬,王科平.多维邻近性视角下人工智能合作创新网络演化研究[J].管理学报,2023,20(7):1045-1055.
[34]钞小静,王宸威,薛志欣.数字经济发展水平的测度:基于国际比较的视角[J].西北工业大学学报(社会科学版),2023(3):98-111.
[35]李随成,李勃,张延涛.供应商创新性、网络能力对制造企业产品创新的影响——供应商网络结构的调节作用[J].科研管理,2013,34(11):103-113.
[36]陶锋,王欣然,徐扬,等.数字化转型、产业链供应链韧性与企业生产率[J].中国工业经济,2023(5):118-136.
[37]李万利,刘虎春,龙志能,等.企业数字化转型与供应链地理分布[J].数量经济技术经济研究,2023,40(8):90-110.
[38]易子榆,魏龙,蔡培民.数据要素如何重构全球价值链分工格局:区域化还是碎片化[J].国际贸易问题,2023(8):20-37.
[39]刘传明,陈梁,魏晓敏.数据要素集聚对科技创新的影响研究——基于大数据综合试验区的准自然实验[J].上海财经大学学报,2023,25(5):107-121.
[40]FARBOODI M,MIHET R,PHILIPPON T,et al.Big data and firm dynamics [J].AEA Papers and Proceedings,2019,109:38-42.
[41]胡增玺,马述忠.市场一体化对企业数字创新的影响——兼论数字创新衡量方法[J].经济研究,2023,58(6):155-172.
[42]喻理,柏培文,王海蕴,等.从窄带到宽带:信息摩擦与初次分配[J].世界经济,2023,46(9):82-107.
[43]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022(5):100-120.
[44]吕越,陈泳昌,张昊天,等.电商平台与制造业企业创新——兼论数字经济和实体经济深度融合的创新驱动路径[J].经济研究,2023,58(8):174-190.
基金项目： 教育部人文社会科学重点研究基地重大项目(22JJD790063);国家社会科学基金项目(21BJL002)。
作者简介： 王宸威,男,西北大学经济管理学院博士生,主要从事数据要素与高质量发展研究;钞小静,女,西北大学经济管理学院教授,博士,博士生导师,主要从事数字经济与高质量发展研究。
【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。
《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第 3202
期）
编辑整理： 蔡子团队
团队成员 ： 陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤
审核审校： 蔡双立 方菲 胡少龙
长按以下二维码，关注《现代财经》公众微信号（modern-finance)
欣赏和阅读《现代财经》2024年第11期，敬请点击以下 阅读原文
