数字化赋能：A股上市公司数字化水平对创新质量的影响研究

数字化赋能：A股上市公司数字化水平对创新质量的影响研究一、引言1.1研究背景与动因随着信息技术的迅猛发展，数字经济已成为全球经济发展的重要驱动力。《“十四五”数字经济发展规划》明确指出，数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。近年来，我国数字经济规模持续快速增长，占GDP比重不断提升。2020年，我国数字经济规模达到39.2万亿元，占GDP比重为38.6%；到2023年，数字经济规模进一步增长至50.2万亿元，占GDP比重提升至41.5%，数字经济在国民经济中的地位愈发重要。在数字经济蓬勃发展的大背景下，企业数字化转型已成为不可逆转的趋势。数字化转型能够帮助企业利用数字技术优化其运营流程、产品和服务，提升企业的运营效率和创新能力。例如，通过大数据分析，企业可以更精准地了解市场需求和客户偏好，从而开发出更符合市场需求的产品和服务；借助云计算技术，企业能够降低运营成本，提高资源利用效率；利用人工智能技术，企业可以实现生产过程的自动化和智能化，提升生产效率和产品质量。数字化转型还为企业创新提供了更广阔的平台和更多的可能性，成为企业在激烈市场竞争中保持优势、实现持续发展的核心动力。创新是企业发展的灵魂，对于企业的生存和发展至关重要。在市场竞争日益激烈的今天，企业只有不断创新，才能满足消费者日益多样化的需求，提高市场竞争力，实现可持续发展。创新质量则是衡量企业创新成果的重要指标，高质量的创新能够为企业带来更高的经济效益和市场份额，增强企业的核心竞争力。A股上市公司作为我国经济发展的重要力量，在数字化转型和创新方面具有重要的引领作用。研究A股上市公司数字化水平与创新质量之间的关系，不仅有助于深入了解数字经济时代企业创新的内在机制，为企业数字化转型和创新发展提供理论支持和实践指导，还能为政府部门制定相关政策提供参考依据，具有重要的理论和现实意义。一方面，从理论角度来看，目前关于企业数字化与创新质量关系的研究尚存在一定的不足，尤其是在数字化水平的衡量指标以及影响机制的深入探讨方面。通过对A股上市公司的研究，可以进一步丰富和完善相关理论体系。另一方面，从实践角度出发，帮助企业更好地理解数字化转型对创新质量的影响，引导企业加大数字化投入，提升创新质量，对于推动我国经济高质量发展具有重要的现实意义。1.2研究价值与意义本研究在理论和实践层面均具有重要价值与意义，为数字化与企业创新领域的发展提供多维度的支持与指导。从理论层面来看，丰富了企业数字化转型与创新质量关系的研究。目前相关研究虽已取得一定成果，但在数字化水平衡量指标的精准性以及影响机制的深度剖析上仍有拓展空间。现有研究在衡量企业数字化水平时，指标选取较为单一或不够全面，难以准确反映企业数字化转型的全貌；在探讨影响机制时，多集中于某几个因素，缺乏系统性和综合性的分析。本研究将通过构建更全面、科学的数字化水平衡量指标体系，深入挖掘数字化转型对企业创新质量的多重影响机制，弥补现有研究的不足，进一步完善该领域的理论体系，为后续研究提供更坚实的理论基础和更广阔的研究视角，推动学术研究向纵深发展。在实践层面，为企业数字化转型与创新发展提供了有力的参考依据。对于企业管理者而言，明确数字化水平与创新质量之间的关系，有助于他们更清晰地认识到数字化转型对企业发展的重要性，从而制定更加科学合理的数字化战略。通过本研究的结论，企业管理者可以了解到数字化转型在哪些方面能够提升创新质量，进而有针对性地加大在相关领域的投入，优化资源配置，提高创新效率和质量。数字化转型可以通过优化创新流程、提高研发效率等方式提升创新质量，企业管理者就可以在这些方面进行重点改进，推动企业实现高质量发展。本研究还能为政府部门制定相关政策提供决策支持，助力营造良好的数字经济发展环境。政府可以依据研究结果，制定鼓励企业数字化转型的政策，加大对数字基础设施建设的投入，为企业提供更多的技术支持和资金扶持，引导企业积极参与数字化转型，提升创新能力。政府可以通过税收优惠、财政补贴等方式，鼓励企业加大数字化研发投入，推动企业创新发展；加强数字经济领域的人才培养和引进政策，为企业提供充足的数字化人才资源，促进数字经济与实体经济的深度融合，推动产业升级，实现经济的高质量发展。1.3研究设计与方法本研究以A股上市公司为样本，采用实证分析方法，深入探讨数字化水平与企业创新质量之间的关系。在研究过程中，充分结合理论研究与文献研究，确保研究的科学性和严谨性。数据主要来源于多个权威数据库，如Wind数据库、CSMAR数据库等，这些数据库涵盖了丰富的企业财务数据、经营数据以及市场数据等。通过对这些数据库中2013-2023年A股上市公司相关数据的收集，确保数据的全面性和准确性。为保证数据的可靠性和有效性，对收集到的数据进行了严格的筛选和预处理。剔除了ST、*ST公司的数据，因为这类公司通常面临财务困境或其他特殊情况，其数据可能会对研究结果产生干扰。去除了数据缺失严重的样本，以避免因数据不完整而导致的分析偏差。对连续变量进行了1%水平的双边缩尾处理，有效消除了异常值对研究结果的影响，提高了数据的质量和稳定性。在变量选择上，被解释变量为企业创新质量，采用发明专利申请量作为衡量指标。发明专利相较于其他专利类型，更能体现企业的核心技术创新能力和创新质量，其技术含量高、创新性强，对企业的长期发展具有重要意义。解释变量是企业数字化水平，参考现有研究并结合实际情况，构建了一套包含多个维度的数字化水平衡量指标体系，涵盖企业在数字技术应用、数字化基础设施建设、数据资源利用等方面的情况。例如，通过企业在信息技术方面的投入占比来衡量其数字技术应用程度；以企业是否建立了完善的云计算平台、大数据中心等数字化基础设施作为评估维度之一；从企业对客户数据、市场数据等的分析和运用能力来考量数据资源利用水平。通过这些多维度的指标，能够更全面、准确地反映企业的数字化水平。还选取了多个控制变量，以排除其他因素对企业创新质量的干扰。包括企业规模，用总资产的自然对数来衡量，企业规模越大，可能拥有更丰富的资源用于创新；资产负债率，反映企业的偿债能力和财务风险，财务状况会对企业的创新决策产生影响；营业收入增长率，体现企业的成长能力，成长型企业往往更有动力和资源进行创新；第一大股东持股比例，影响企业的股权结构和决策机制，进而对创新战略的制定和实施产生作用；独立董事占比，独立董事能够提供独立的监督和建议，有助于提升企业的治理水平，对创新活动也可能产生影响；两职合一情况，即董事长和总经理是否由同一人担任，这会影响企业的权力结构和决策效率，与企业创新存在关联。为了深入分析数字化水平对企业创新质量的影响，构建了多元线性回归模型：InnoQuality_{i,t}=\alpha_0+\alpha_1DigitalLevel_{i,t}+\sum_{j=1}^{n}\alpha_{1+j}Control_{j,i,t}+\epsilon_{i,t}其中，InnoQuality_{i,t}表示第i家企业在t时期的创新质量，DigitalLevel_{i,t}代表第i家企业在t时期的数字化水平，Control_{j,i,t}是第i家企业在t时期的第j个控制变量，\alpha_0为常数项，\alpha_1、\alpha_{1+j}为回归系数，\epsilon_{i,t}为随机误差项。运用Stata等统计分析软件对数据进行处理和分析。通过描述性统计，对主要变量的均值、标准差、最大值、最小值等进行计算，初步了解数据的分布特征。采用相关性分析，检验变量之间的线性相关关系，判断是否存在多重共线性问题。利用多元线性回归分析，估计回归模型的系数，检验数字化水平与企业创新质量之间的关系是否显著，并通过一系列稳健性检验，如替换变量、改变样本区间等，确保研究结果的可靠性和稳定性。二、理论基础与文献综述2.1相关理论基础2.1.1数字化转型理论数字化转型是企业顺应新一轮科技革命和产业变革趋势，利用数字技术对业务、流程以及组织进行重构的过程。其本质在于开发和利用数字化技术及支持能力，以新建一种商业模式为目标，实现企业的高层次转型。数字化转型建立在数字化转换、数字化升级的基础之上，进一步触及公司核心业务。在数字化转型过程中，企业广泛应用云计算、大数据、物联网、人工智能、区块链等新一代信息技术。云计算为企业提供了灵活的计算资源和存储能力，降低了企业的IT成本，使企业能够更加便捷地进行数据处理和应用开发。例如，亚马逊的云计算服务AWS，为众多企业提供了强大的计算和存储支持，帮助企业快速部署应用程序，提高业务响应速度。大数据技术则使企业能够收集、存储和分析海量数据，从中挖掘出有价值的信息，为企业的决策提供依据。通过对消费者购买行为数据的分析，企业可以精准地了解消费者需求，优化产品设计和营销策略。物联网实现了物与物、人与物之间的互联互通，使企业能够实时获取设备和产品的运行状态，实现智能化生产和管理。例如，在制造业中，通过物联网技术，企业可以对生产设备进行远程监控和故障预警，提高生产效率和产品质量。人工智能技术赋予机器模拟人类智能的能力，在图像识别、语音识别、自然语言处理等领域得到广泛应用，帮助企业实现自动化流程、智能客服、精准营销等功能。区块链技术具有去中心化、不可篡改、可追溯等特点，为企业提供了更加安全、可靠的信任机制，在供应链管理、金融交易等领域有着广阔的应用前景。数字化转型不仅涉及技术层面的变革，还包括业务模式的变革。企业通过数字化转型，能够打破传统的业务边界，拓展市场和客户群体。一些传统制造业企业通过数字化转型，实现了从单纯的产品制造向“产品+服务”模式的转变，为客户提供个性化的解决方案，提升了客户满意度和市场竞争力。数字化转型还促使企业对组织结构进行调整，以适应数字化时代的发展需求。传统的层级式组织结构逐渐向扁平化、网络化的组织结构转变，提高了企业的沟通效率和决策速度，增强了企业的创新能力和应变能力。2.1.2企业创新理论熊彼特在20世纪初提出的创新理论，为企业创新研究奠定了重要基础。他认为，创新是指“企业家对生产要素的新组合”，具体包括引进一种新的产品或提供一种产品的新质量、采用一种新的生产方法、开辟一个新的市场、获得一种原料或半成品的新的供应来源以及实行一种新的组织形式等五个方面。这一理论强调创新是生产过程中内生的，是一种“革命性”变化，同时意味着毁灭与创造新价值，创新的主体是“企业家”。随着时间的推移，企业创新理论不断发展和完善。创新的类型逐渐丰富，除了熊彼特提出的产品创新、技术创新、市场创新、资源配置创新和组织创新外，还包括商业模式创新、管理创新等。商业模式创新是指企业通过改变价值创造、传递和获取的方式，实现与竞争对手的差异化，创造新的市场需求和竞争优势。例如，互联网企业通过平台模式，连接供需双方，实现了价值的高效创造和传递。管理创新则侧重于企业管理理念、方法、制度等方面的创新，以提高企业的运营效率和管理水平。企业创新受到多种因素的影响。内部因素包括企业的资源投入，如研发资金、人才等，以及企业的创新文化、组织结构等。充足的研发资金能够支持企业开展创新活动，优秀的创新人才是企业创新的核心力量。创新文化能够营造鼓励创新、宽容失败的氛围，激发员工的创新积极性。合理的组织结构则有助于提高创新效率，促进创新资源的有效配置。外部因素如市场竞争、政策环境、技术发展等也对企业创新产生重要影响。激烈的市场竞争促使企业不断创新，以提高市场竞争力；政府出台的鼓励创新的政策，如税收优惠、财政补贴等，能够降低企业创新成本，激发企业创新动力；技术的快速发展为企业创新提供了新的机遇和手段。创新对于企业的发展具有至关重要的意义。创新能够帮助企业开发新产品、开拓新市场，满足消费者不断变化的需求，从而提高企业的市场份额和盈利能力。创新可以提升企业的核心竞争力，使企业在激烈的市场竞争中脱颖而出。持续的创新能力还能增强企业的抗风险能力，使企业在面对市场波动和经济危机时能够保持稳定发展。2.2文献综述2.2.1企业数字化水平的衡量与测度在衡量企业数字化水平时，数字化成熟度评估是一种常用的方法。企业可采用普华永道的数字化成熟度评估框架等工具，从战略、业务应用、技术能力、数据能力、组织能力等多个维度对自身数字化转型程度展开全面评估。通过该评估，企业能清晰了解自身在数字化转型过程中的优势与不足，从而明确转型重点和方向。在战略层面，评估企业是否制定了明确的数字化战略，以及该战略与企业整体发展战略的契合度；在业务应用方面，考察企业对数字技术在生产、销售、服务等业务环节的应用程度；技术能力维度关注企业的数字化基础设施建设、技术研发投入以及对新兴技术的掌握和应用能力；数据能力评估企业的数据收集、存储、分析和利用能力；组织能力则涉及企业组织结构是否适应数字化转型需求，以及员工的数字化技能和意识水平。这种评估方法具有全面性和系统性的优点，能为企业提供全方位的数字化转型指导，但也存在一定缺点，评估过程较为复杂，需要投入大量的时间和资源，且评估结果可能受到主观因素影响。关键指标分析也是一种常见的衡量方式。企业可以从数字化投资比例、数字化人才占比、数据整合程度、数字化服务比例等关键指标入手，对企业的数字化水平进行定量分析。通过对比行业平均水平和竞争对手的数字化水平，企业能更清晰地了解自身在数字化转型方面的地位。数字化投资比例反映了企业对数字化转型的重视程度和资源投入力度；数字化人才占比体现了企业在数字化领域的人力资源储备情况；数据整合程度展示了企业对各类数据的融合和利用能力；数字化服务比例则表明企业通过数字化手段为客户提供服务的程度。这种方法具有数据直观、易于获取和对比的优点，能够快速反映企业数字化水平的某些方面，但缺点是指标选取可能不够全面，无法涵盖企业数字化转型的所有方面，可能导致对企业数字化水平的评估不够准确。除上述方法外，还有用户反馈调查、内部员工调研和外部合作伙伴访谈等方式。用户反馈调查能让企业了解客户对数字化转型的认知和满意度，从而发现数字化转型在提升客户体验和满意度方面的效果，并找到改进方向和重点。内部员工调研有助于了解员工对数字化转型的认知和态度，分析员工反馈数据，企业可以发现数字化转型在提升员工工作体验和提高组织效率方面的效果。外部合作伙伴访谈能让企业了解合作伙伴对自身在数字化转型方面的评价和看法，通过访谈结果分析，发现数字化转型在提升合作伙伴关系和合作效果方面的作用。这些方法从不同利益相关者的角度提供了对企业数字化水平的评价，但也存在局限性，调查样本的选取可能存在偏差，导致结果不能完全代表整体情况，且反馈内容可能存在主观性，需要谨慎分析和判断。2.2.2企业创新质量的衡量与测度在衡量企业创新质量时，专利被引数量是一个重要指标。专利被引用次数越多，通常表明该专利在技术领域的影响力越大，其技术价值和创新性得到了更多认可。高被引专利往往是在相关领域具有突破性或引领性的成果，能够为后续的研究和创新提供重要的参考和基础。华为公司的一些通信技术专利，由于其在5G等领域的关键技术创新，被大量引用，充分体现了其创新的高质量和行业影响力。专利被引数量这一指标能够较为客观地反映专利的质量和价值，因为引用次数是由其他科研人员和企业在实际研究和生产中对该专利的认可和应用情况决定的，不受企业自身主观因素的影响。但该指标也存在一定局限性，专利被引需要一定时间的积累，对于一些新申请的专利，可能由于时间较短，被引数量还未充分体现其价值，从而导致对这些专利创新质量的低估。专利维持平均时间也是衡量企业创新质量的重要指标之一。专利维持平均时间长，意味着企业的专利在较长时间内都具有经济价值和技术价值，企业愿意持续投入资源维持专利的有效性。这反映出专利所代表的创新成果具有较强的稳定性和持续性，在市场上具有一定的竞争力。一些制药企业的专利，由于其研发的药物具有长期的市场需求和较高的技术壁垒，专利维持时间较长，体现了其创新成果的高质量和市场价值。该指标考虑了专利的时间维度和经济价值，能够更全面地反映专利的质量和企业创新的持续性。然而，专利维持时间可能受到多种因素影响，如企业的专利战略、市场竞争情况等。有些企业可能出于战略考虑，即使专利的技术价值不高，也会维持专利以保护市场份额；而在竞争激烈的市场环境下，一些高质量专利可能因竞争对手的技术突破而提前失效，影响对其创新质量的准确评估。除专利被引数量和专利维持平均时间外，还有新产品市场份额、创新投入产出比等指标也可用于衡量企业创新质量。新产品市场份额反映了企业创新产品在市场上的受欢迎程度和竞争力，市场份额越高，说明创新产品越能满足市场需求，创新质量得到市场认可。创新投入产出比则衡量了企业在创新过程中的资源利用效率，比值越高，表明企业在创新投入相同的情况下，获得的创新产出越多，创新质量越高。这些指标从不同角度对企业创新质量进行衡量，在实际应用中，需要综合考虑多个指标，以更全面、准确地评估企业创新质量。2.2.3数字化水平与企业创新质量的关系研究已有研究普遍认为，数字化水平对企业创新质量具有重要影响，但在具体影响机制和程度上存在不同观点。一些研究表明，数字化水平的提升能够显著促进企业创新质量的提高。企业通过数字化转型，利用数字技术如大数据、人工智能等，能够更精准地洞察市场需求和技术发展趋势，为创新提供更明确的方向。大数据分析可以帮助企业收集和分析海量的市场数据，了解消费者的偏好、需求和行为模式，从而开发出更符合市场需求的创新产品和服务。人工智能技术能够辅助企业进行研发创新，如在药物研发中，通过人工智能算法可以快速筛选和模拟药物分子，提高研发效率和成功率。数字化转型还能优化企业的创新流程，提高创新效率，降低创新成本，进而提升创新质量。通过数字化平台，企业可以实现研发、生产、销售等部门之间的信息共享和协同工作，减少沟通成本和时间成本，加快创新项目的推进速度。也有部分研究指出，数字化水平与企业创新质量之间的关系并非简单的线性关系，存在一定的门槛效应或非线性关系。当企业数字化水平较低时，数字化转型对创新质量的提升作用可能不明显；只有当数字化水平达到一定程度后，才会对创新质量产生显著的促进作用。这是因为在数字化转型初期，企业需要投入大量资源进行数字化基础设施建设、员工培训等，短期内可能无法看到明显的创新效果；而当数字化水平积累到一定阶段，企业能够充分利用数字技术的优势，实现创新能力的突破和创新质量的提升。数字化转型也可能带来一些负面影响，如数据安全风险、组织变革阻力等，这些因素可能会抑制企业创新质量的提升。如果企业在数字化转型过程中不能有效保障数据安全，可能会导致企业核心技术和商业机密泄露，影响企业创新积极性和创新质量。不同行业、不同规模的企业，数字化水平对创新质量的影响也存在差异。在技术密集型行业，数字化水平对创新质量的促进作用更为显著，因为这些行业本身对技术创新的依赖度较高，数字化技术能够更好地与行业特点相结合，推动创新发展。在信息技术、生物医药等行业，企业通过数字化技术进行研发创新，能够更快地推出新产品和新技术，提升创新质量。而对于劳动密集型行业，数字化转型对创新质量的影响相对较小，因为这些行业的创新更多依赖于劳动力和生产经验，数字化技术的应用场景相对有限。企业规模也会影响数字化水平与创新质量的关系，大型企业通常拥有更丰富的资源和更强的数字化能力，能够更好地利用数字化技术提升创新质量；而中小企业由于资源有限、数字化基础薄弱，在数字化转型过程中可能面临更多困难，数字化对创新质量的提升效果可能不如大型企业明显。2.2.4文献述评已有研究在企业数字化水平与创新质量关系方面取得了一定成果，但仍存在一些不足之处，为本研究提供了改进方向和创新点。在样本选取上，部分研究的样本存在局限性。一些研究仅选取特定行业或特定地区的企业作为样本，样本的代表性不足，可能导致研究结果无法推广到更广泛的企业群体。只研究某一地区的制造业企业，无法全面反映其他行业和地区企业的数字化水平与创新质量关系。未来研究应扩大样本范围，涵盖不同行业、不同地区、不同规模的企业，以提高研究结果的普遍性和可靠性。研究方法也相对单一。现有研究多采用实证分析方法，通过构建回归模型来验证数字化水平与创新质量之间的关系，缺乏多种研究方法的综合运用。实证分析虽然能够验证变量之间的相关性，但对于数字化转型影响企业创新质量的内在机制，难以进行深入剖析。后续研究可以结合案例分析、实地调研等方法，深入企业内部，了解数字化转型在企业创新过程中的具体实践和作用机制，从多个角度深入探究两者之间的关系。在数字化水平和创新质量的衡量指标上，还存在进一步完善的空间。目前的衡量指标可能无法全面、准确地反映企业数字化水平和创新质量的真实情况。在衡量数字化水平时，部分指标仅关注数字技术的应用，而忽视了企业数字化战略、数字化组织等方面的因素；在衡量创新质量时，部分指标主要依赖专利数据，而专利数据不能完全代表企业的创新质量，一些非专利创新成果如商业模式创新、管理创新等未得到充分体现。未来研究需要构建更全面、科学的指标体系，综合考虑多方面因素，以更准确地衡量企业数字化水平和创新质量。本研究将针对上述不足，在样本选取上力求全面，涵盖A股上市公司中不同行业、不同规模的企业；研究方法上采用多种方法相结合，在实证分析的基础上，引入案例分析，深入剖析典型企业数字化转型对创新质量的影响机制；在指标构建上，综合考虑企业数字化转型的多个维度以及创新质量的不同表现形式，构建更完善的衡量指标体系，以期更深入、准确地揭示数字化水平与企业创新质量之间的关系。三、A股上市公司数字化水平与创新质量现状分析3.1A股上市公司数字化水平现状3.1.1数字化转型整体态势根据中国上市公司协会于2021年8月组织开展的上市公司数字化转型现状调研，在回收反馈的726家上市公司中，约76%的上市公司已经开启数字化转型进程。这一数据表明，在数字经济蓬勃发展的时代背景下，大部分A股上市公司已敏锐地捕捉到数字化转型的重要性和紧迫性，积极投身于数字化变革浪潮。从行业分布来看，制造业企业在已推进数字化转型的公司中数量最多，达到358家。这与制造业的产业特性密切相关，制造业作为实体经济的重要支柱，生产环节复杂、产业链条长，数字化转型能够有效提升生产效率、优化供应链管理、提高产品质量，从而增强企业在全球市场的竞争力。在制造业细分行业中，基础化工、医药、机械、电力设备及新能源、计算机等行业排名前五，分别有53、51、45、38、30家公司已推进数字化转型。基础化工行业通过数字化技术实现生产过程的精准控制，降低能耗和生产成本；医药行业借助数字化手段优化研发流程、提高临床试验效率；机械行业利用数字化实现设备的智能化升级和远程运维；电力设备及新能源行业依靠数字化提升能源生产和分配的效率；计算机行业本身就处于数字技术的前沿，数字化转型更是其发展的必然趋势。信息传输、软件和信息技术服务业有45家公司推进数字化转型，该行业作为数字经济的核心产业，天然具备数字化基因，在数字化技术的研发、应用和创新方面具有领先优势，其数字化转型的进程也较为迅速。金融业有25家公司推进数字化转型，金融行业高度依赖信息技术，数字化转型有助于提升金融服务的效率和质量，增强风险防控能力，如移动支付、智能投顾等数字化金融服务的兴起，极大地改变了金融行业的服务模式和竞争格局。从企业规模来看，依据国家统计局《统计上大中小微型企业划分办法（2017）》划分，在已推进数字化转型的企业中，74%为大型企业，23%为中型企业，3%为小型企业。大中型企业凭借其雄厚的资金实力、丰富的人才资源和完善的技术基础设施，在数字化转型中占据主导地位，成为数字化转型的主力军。大型企业有足够的资源投入到数字化转型中，能够承担数字化技术研发、设备更新、人员培训等方面的成本，且在市场拓展、品牌影响力等方面具有优势，数字化转型能够进一步巩固其市场地位。中型企业也具备一定的资源和能力，在数字化转型中积极跟进，通过数字化提升自身竞争力，寻求突破和发展。小型企业由于资源与能力瓶颈，数字化转型面临诸多困难，“不会转”“不愿转”“不敢转”等问题较为突出，在数字化转型中往往处于滞后地位。小型企业资金有限，难以承担数字化转型所需的高额成本；人才匮乏，缺乏数字化技术相关的专业人才；市场风险承受能力弱，担心数字化转型失败带来的负面影响。从控股类型来看，民营控股企业有298家推进数字化转型，占比54%；地方国有控股企业有124家，占比23%；央企控股企业有71家，占比13%；其他类型控股企业有57家，占比10%。民营控股企业在数字化转型中表现较为活跃，这可能是由于民营企业面临更加激烈的市场竞争，数字化转型是其提升竞争力、实现可持续发展的重要途径。民营企业机制灵活，决策效率高，能够快速响应市场变化，积极探索数字化转型的新模式和新路径。地方国有控股企业和央企控股企业在数字化转型中也发挥着重要作用，国有企业拥有丰富的资源和政策支持，在数字化转型过程中能够引领行业发展方向，推动数字化技术在关键领域的应用和创新。国有企业在基础设施建设、公共服务等领域具有重要地位，数字化转型有助于提升这些领域的服务质量和效率，增强国有经济的竞争力和影响力。3.1.2数字化转型投入与资源配置在数字化转型投入方面，从动态视角来看，近年来A股上市公司数字技术支出力度基本保持稳定，已推进数字化转型的企业中，超半数企业的技术支出投入力度有所加大。在已开始数字化转型的样本公司中，最近三年数字技术支出占营收比例明显上升的企业占比超过半数，达50.55%；数字技术支出占营收比例基本持平的公司数量占比为47.64%，仅有1.82%的样本公司近三年数字技术支出占营收比明显下降。这表明大部分上市公司在数字化转型过程中，持续加大对数字技术的投入，以提升自身的数字化水平和竞争力。在已经推进数字化转型和考虑推进数字化转型的594家公司中，计划未来三年在数字化转型方面投入占营收在5%以下的公司占比为67.85%，计划投入在营收的5%-10%的公司占25.42%，计划投入10%-20%的公司占比为5.22%，计划投入在20%以上的公司占1.52%。分行业来看，计划未来三年在数字化转型方面投入营收占比在20%以上公司较多的行业分别为传媒、计算机、有色金属、电力设备及新能源。传媒行业随着新媒体的快速发展，对数字化技术的依赖程度越来越高，需要不断投入资金进行数字化内容创作、传播渠道拓展和用户数据分析，以满足用户日益多样化的需求；计算机行业作为数字技术的核心领域，持续的研发投入是保持技术领先和创新能力的关键；有色金属行业在数字化转型过程中，需要投入大量资金用于智能化生产设备的更新、供应链数字化管理和环保监测数字化等方面；电力设备及新能源行业随着能源革命的推进，数字化技术在能源生产、存储和分配等环节的应用越来越广泛，企业需要加大投入以提升自身在新能源领域的竞争力。在资源配置方面，上市公司在数字化转型中注重技术、人才和资金等资源的协同配置。在技术资源方面，积极引入大数据、云计算、工业互联网、物联网、人工智能等先进的数字技术。许多企业搭建了大数据分析平台，对海量的生产数据、市场数据和客户数据进行分析，挖掘数据价值，为企业决策提供支持；采用云计算技术，实现计算资源的弹性配置，降低企业的IT成本；利用工业互联网实现设备之间的互联互通和生产过程的智能化控制；借助物联网技术实时获取设备运行状态和产品质量信息，提高生产效率和产品质量；应用人工智能技术实现智能客服、智能营销和智能生产等功能。在人才资源方面，加大对数字化专业人才的引进和培养力度。一方面，通过高薪、优厚的福利待遇和良好的职业发展机会吸引外部数字化人才加入企业，充实企业的数字化人才队伍；另一方面，加强内部员工的数字化培训，提升员工的数字化技能和意识，使员工能够适应数字化转型的需求。一些企业与高校、科研机构合作，开展定制化的人才培养项目，为企业培养急需的数字化专业人才。在资金资源方面，除了企业自身的资金投入外，还积极寻求外部融资渠道。部分企业通过发行股票、债券等方式筹集资金，用于数字化转型项目的建设；一些企业获得了政府的专项资金支持和产业基金的投资，为数字化转型提供了资金保障。企业还合理分配资金，确保数字化转型项目在不同阶段都能得到充足的资金支持，避免因资金短缺导致项目进度受阻。3.1.3数字化技术应用与业务融合A股上市公司在数字化转型过程中，广泛应用大数据、云计算、工业互联网、物联网、人工智能等数字化技术，并积极推动这些技术与业务的融合。大数据技术在上市公司中的应用较为普遍。企业通过收集和分析海量的内外部数据，包括生产数据、销售数据、客户数据、市场数据等，实现精准营销、客户关系管理、风险预测等功能。通过对客户购买行为数据的分析，企业可以了解客户的偏好和需求，从而制定个性化的营销策略，提高营销效果；利用大数据进行风险预测，提前识别潜在的风险因素，采取相应的风险防范措施，降低企业的经营风险。云计算技术为企业提供了灵活的计算资源和存储能力，降低了企业的IT成本和运维难度。许多上市公司将部分业务系统迁移到云端，实现了业务的快速部署和扩展。一些企业利用云计算平台开展在线办公、协同研发等业务，提高了工作效率和协同能力；云计算还为企业的大数据分析和人工智能应用提供了强大的计算支持，促进了数字化技术在企业中的深入应用。工业互联网在制造业上市公司中得到了广泛应用。通过工业互联网平台，企业实现了设备之间的互联互通、生产过程的可视化管理和供应链的协同优化。企业可以实时监控生产设备的运行状态，及时发现设备故障并进行预警，提高设备的利用率和生产效率；利用工业互联网实现供应链上下游企业之间的信息共享和协同运作，优化供应链管理，降低库存成本和物流成本。物联网技术使企业能够实现对物理世界的实时感知和智能控制。在制造业中，物联网技术被应用于生产设备的智能化改造、产品质量追溯和智能仓储物流等方面。通过在生产设备上安装传感器，企业可以实时获取设备的运行参数和生产数据，实现设备的远程监控和智能控制；利用物联网技术对产品进行标识和追踪，实现产品质量的全程追溯，提高产品质量和消费者信任度；在仓储物流环节，物联网技术实现了货物的智能化管理和运输过程的实时监控，提高了物流效率和准确性。人工智能技术在上市公司中的应用也逐渐广泛，主要应用于智能客服、图像识别、语音识别、智能生产等领域。企业利用智能客服系统为客户提供24小时不间断的服务，提高客户满意度；在生产过程中，人工智能技术可以实现生产设备的自主优化和智能决策，提高生产效率和产品质量；图像识别和语音识别技术被应用于安防监控、身份验证、智能语音交互等场景，提升了企业的管理效率和用户体验。尽管上市公司在数字化技术应用与业务融合方面取得了一定进展，但仍存在一些问题。部分企业对数字化技术的应用停留在表面，未能充分挖掘数字化技术的潜力，实现业务的深度变革。一些企业虽然引入了大数据分析技术，但数据分析的深度和广度不够，未能为企业决策提供有效的支持；在业务融合方面，存在技术与业务脱节的现象，数字化技术未能很好地与企业的业务流程和管理模式相融合，导致数字化转型效果不佳。一些企业在进行数字化转型时，没有对业务流程进行重新设计和优化，只是简单地将传统业务搬到线上，无法充分发挥数字化技术的优势。数据安全和隐私保护也是数字化技术应用过程中面临的重要问题，随着企业数字化程度的提高，数据量不断增加，数据安全和隐私保护的难度也随之加大，一旦发生数据泄露事件，将给企业带来巨大的损失。3.2A股上市公司创新质量现状3.2.1创新投入与产出情况从研发投入来看，近年来A股上市公司的研发投入总体呈现上升趋势。根据相关数据统计，2013-2023年期间，A股上市公司的研发投入金额从2013年的5019.32亿元增长至2023年的13457.86亿元，年复合增长率达到10.34%。研发投入强度（研发投入/营业收入）也稳步提升，从2013年的2.07%提高到2023年的2.68%。不同行业的研发投入存在较大差异，一些技术密集型行业如医药生物、计算机、电子等行业的研发投入强度较高，2023年医药生物行业的研发投入强度达到5.73%，计算机行业为5.45%，电子行业为4.78%。这些行业面临激烈的市场竞争和快速的技术更新换代，需要不断投入研发资源来保持技术领先和创新能力，以开发出具有竞争力的新产品和新技术。而一些传统行业如建筑装饰、交通运输、商业贸易等行业的研发投入强度相对较低，2023年建筑装饰行业的研发投入强度仅为1.02%，交通运输行业为1.25%，商业贸易行业为1.37%。传统行业的生产经营模式相对成熟，对技术创新的依赖程度较低，且面临成本压力等因素，导致研发投入相对较少。在专利申请和授权数量方面，A股上市公司的表现也较为突出。2013-2023年期间，A股上市公司的专利申请总量从2013年的43.26万件增长至2023年的127.58万件，年复合增长率达到11.58%；专利授权总量从2013年的26.43万件增长至2023年的79.36万件，年复合增长率达到11.47%。其中，发明专利申请量和授权量也呈现出快速增长的态势，发明专利申请量从2013年的15.38万件增长至2023年的48.67万件，年复合增长率为12.18%；发明专利授权量从2013年的5.67万件增长至2023年的20.05万件，年复合增长率为13.37%。发明专利申请和授权数量的增长，表明上市公司在核心技术创新方面的能力不断提升。研发投入与专利申请、授权数量之间存在密切的正相关关系。通过对A股上市公司相关数据的相关性分析发现，研发投入金额与专利申请总量、专利授权总量、发明专利申请量、发明专利授权量之间的相关系数分别为0.87、0.85、0.89、0.91，均在1%的水平上显著正相关。这说明企业加大研发投入，能够为创新活动提供更多的资源和支持，从而促进专利的申请和授权，提高企业的创新产出。一些高科技企业如华为、中兴通讯等，持续加大研发投入，在5G通信技术等领域取得了大量的专利成果，提升了企业的核心竞争力。3.2.2创新成果的质量与影响力专利被引数量是衡量创新成果质量和影响力的重要指标之一。对A股上市公司专利被引数据的分析显示，2013-2023年期间，上市公司专利的平均被引次数从2013年的4.21次上升至2023年的6.38次，表明上市公司创新成果的质量和影响力在不断提升。不同行业的专利被引情况存在差异，信息技术、生物医药等技术密集型行业的专利被引次数相对较高。在信息技术行业，2023年专利平均被引次数达到8.54次，这是因为该行业技术更新换代快，创新成果之间的关联性强，一项新的技术创新往往需要借鉴和引用前人的研究成果，同时也会被后续的研究广泛引用。而一些传统行业如农林牧渔业、住宿餐饮业等行业的专利被引次数相对较低，2023年农林牧渔业专利平均被引次数仅为2.87次，住宿餐饮业为2.15次。这些行业的技术创新相对较少，专利的技术含量和应用范围有限，导致被引次数较低。专利维持平均时间也是评估创新成果质量的重要因素。一般来说，专利维持平均时间越长，说明专利所代表的创新成果具有更强的稳定性和持续性，在市场上具有一定的竞争力。对A股上市公司专利维持时间的统计分析表明，2013-2023年期间，上市公司专利的平均维持时间从2013年的4.63年延长至2023年的5.82年。在不同行业中，医药生物行业的专利平均维持时间较长，2023年达到7.15年。这是因为医药研发周期长、投入大，专利所保护的药品往往具有较长的市场生命周期和较高的经济价值，企业为了维护自身的市场利益，会持续投入资源维持专利的有效性。而一些竞争激烈、技术更新较快的行业，如电子行业，专利平均维持时间相对较短，2023年为5.12年。在电子行业，技术创新速度快，产品更新换代频繁，专利的经济价值可能会随着新技术的出现而迅速降低，导致企业对专利的维持意愿相对较低。除专利被引数量和专利维持平均时间外，新产品销售收入占比也是衡量创新成果质量和影响力的重要指标。新产品销售收入占比越高，说明企业的创新成果能够更好地转化为经济效益，得到市场的认可。2013-2023年期间，A股上市公司新产品销售收入占比从2013年的13.25%提升至2023年的18.67%，表明上市公司创新成果的市场转化能力不断增强。不同行业的新产品销售收入占比存在明显差异，高新技术行业如新能源汽车、半导体等行业的新产品销售收入占比相对较高，2023年新能源汽车行业新产品销售收入占比达到35.42%，半导体行业为30.18%。这些行业的企业通过持续创新，推出具有创新性和竞争力的新产品，满足了市场对新技术、新产品的需求，从而实现了较高的新产品销售收入占比。而一些传统制造业行业，如纺织服装、家具制造等行业的新产品销售收入占比相对较低，2023年纺织服装行业新产品销售收入占比为10.45%，家具制造行业为11.23%。这些行业产品同质化程度较高，创新难度较大，新产品的市场推广和接受度相对较低，导致新产品销售收入占比不高。3.2.3创新活动的行业差异不同行业的上市公司在创新质量方面存在显著差异。从研发投入强度、专利申请与授权数量、专利被引次数、专利维持平均时间以及新产品销售收入占比等多个维度的分析来看，技术密集型行业在创新质量方面表现突出，而传统行业相对较弱。技术密集型行业如医药生物、计算机、电子、通信等行业，由于其所处的技术环境快速变化，市场竞争激烈，对创新的需求极为迫切。这些行业的企业需要不断投入大量资源进行研发创新，以保持技术领先地位和市场竞争力。在研发投入强度方面，医药生物行业的研发投入强度在2023年高达5.73%，计算机行业为5.45%，电子行业为4.78%，通信行业为4.36%。高强度的研发投入使得这些行业的企业能够在技术创新方面取得显著成果。在专利申请和授权数量上，2023年电子行业的专利申请总量达到32.65万件，专利授权总量为20.03万件；计算机行业专利申请总量为18.76万件，专利授权总量为11.54万件；通信行业专利申请总量为12.38万件，专利授权总量为7.56万件。这些行业的专利被引次数和专利维持平均时间也相对较高，说明其创新成果具有较高的质量和较强的影响力。在新产品销售收入占比方面，医药生物行业2023年新产品销售收入占比达到25.68%，计算机行业为22.45%，电子行业为20.37%，表明这些行业的创新成果能够较好地转化为经济效益，得到市场的认可。传统行业如建筑装饰、交通运输、商业贸易、农林牧渔业等行业，创新质量相对较低。这些行业的生产经营模式相对成熟，技术更新速度较慢，对创新的依赖程度相对较低。在研发投入强度方面，2023年建筑装饰行业仅为1.02%，交通运输行业为1.25%，商业贸易行业为1.37%，农林牧渔业为1.48%。较低的研发投入导致这些行业的专利申请和授权数量相对较少，2023年建筑装饰行业专利申请总量为3.26万件，专利授权总量为2.01万件；交通运输行业专利申请总量为4.58万件，专利授权总量为2.86万件；商业贸易行业专利申请总量为1.57万件，专利授权总量为0.98万件。这些行业的专利被引次数和专利维持平均时间也较低，新产品销售收入占比相对不高，2023年建筑装饰行业新产品销售收入占比为7.65%，交通运输行业为8.23%，商业贸易行业为6.45%，农林牧渔业为9.12%。这表明传统行业的创新成果在质量、影响力和市场转化能力方面相对较弱。行业差异对创新活动的影响主要体现在技术创新需求、市场竞争压力、研发资源投入和创新成果转化等方面。技术密集型行业面临快速的技术更新换代和激烈的市场竞争，促使企业不断加大研发投入，提高创新质量，以满足市场对新技术、新产品的需求。而传统行业由于技术相对成熟，市场竞争相对缓和，对创新的动力不足，研发资源投入有限，导致创新质量不高。行业的特点还会影响创新成果的转化，技术密集型行业的创新成果更容易与市场需求相结合，实现商业化应用，而传统行业的创新成果在市场转化过程中可能面临更多的困难和挑战。3.3数字化水平与创新质量的初步关联分析3.3.1描述性统计分析对A股上市公司数字化水平和创新质量相关指标进行描述性统计，能够初步了解这些指标的分布特征，为后续深入分析两者关系奠定基础。本研究以2013-2023年期间的A股上市公司为样本，对数字化水平衡量指标（如数字技术支出占营收比例、数字化人才占比、数据整合程度等）和创新质量衡量指标（如发明专利申请量、专利被引数量、专利维持平均时间等）进行描述性统计分析。在数字化水平方面，数字技术支出占营收比例的均值为3.45%，表明样本公司在数字技术方面的平均投入水平相对较低，但标准差达到1.87%，说明不同公司之间在数字技术投入上存在较大差异。部分技术密集型行业的公司，如计算机、电子等行业，数字技术支出占营收比例较高，能够达到5%以上，而一些传统行业的公司，如建筑装饰、商业贸易等行业，该比例相对较低，可能不足2%。数字化人才占比的均值为12.63%，同样存在较大的标准差，为5.27%。这反映出不同公司在数字化人才储备方面存在明显差距，一些大型科技企业和创新型企业注重数字化人才的引进和培养，数字化人才占比可超过20%，而一些小型企业或传统行业企业由于资源有限，数字化人才占比可能低于10%。数据整合程度的均值为3.21（满分为5），说明样本公司整体的数据整合水平有待提高，不同公司之间的数据整合能力也存在差异，一些信息化程度较高的公司能够较好地整合内部和外部数据，数据整合程度可达到4以上，而部分公司在数据整合方面还面临诸多困难，数据整合程度仅为2左右。对于创新质量指标，发明专利申请量的均值为235.68件，中位数为156件，表明样本公司的发明专利申请量分布较为分散，存在一些申请量较高的公司拉高了均值。一些大型科技企业和高新技术企业，如华为、中兴通讯等，在技术研发方面投入巨大，发明专利申请量可达数千件，而许多中小企业的发明专利申请量相对较少，可能只有几十件。专利被引数量的均值为5.47次，标准差为2.89次，反映出不同公司专利的影响力存在差异。技术密集型行业的专利被引次数相对较高，如信息技术、生物医药等行业，一些关键技术专利的被引次数可达数十次，而传统行业的专利被引次数较低。专利维持平均时间的均值为5.23年，不同行业之间也存在明显差异，医药生物行业的专利维持平均时间较长，可达7年左右，而一些技术更新较快的行业，如电子行业，专利维持平均时间相对较短，可能只有4-5年。通过对这些指标的描述性统计分析，可以初步看出A股上市公司在数字化水平和创新质量方面存在较大的差异，不同行业、不同规模的公司表现各不相同。这种差异为进一步探究数字化水平与创新质量之间的关系提供了丰富的研究素材，也提示在后续研究中需要考虑行业、规模等因素对两者关系的影响。3.3.2相关性分析为深入探究数字化水平与创新质量之间的内在联系，本研究对相关指标进行了相关性分析。通过计算数字化水平衡量指标（数字技术支出占营收比例、数字化人才占比、数据整合程度等）与创新质量衡量指标（发明专利申请量、专利被引数量、专利维持平均时间等）之间的Pearson相关系数，初步揭示两者之间的线性相关关系，为后续构建回归模型进行深入研究做铺垫。从相关性分析结果来看，数字技术支出占营收比例与发明专利申请量之间呈现显著的正相关关系，相关系数为0.43，在1%的水平上显著。这表明，随着企业在数字技术方面投入的增加，其发明专利申请量也相应增加。企业加大对大数据分析技术的投入，能够更精准地洞察市场需求和技术发展趋势，从而为创新活动提供更明确的方向，促进发明专利的申请。数字技术支出占营收比例与专利被引数量之间也存在正相关关系，相关系数为0.31，在5%的水平上显著，说明数字技术投入的增加有助于提升专利的影响力，使专利在技术领域得到更多的关注和引用。数字化人才占比与发明专利申请量的相关系数为0.48，在1%的水平上显著正相关，表明数字化人才在企业创新过程中发挥着重要作用。数字化人才具备专业的技术知识和创新能力，能够为企业的创新活动提供智力支持，推动企业在数字化技术领域进行创新，从而增加发明专利申请量。数字化人才占比与专利维持平均时间的相关系数为0.35，在5%的水平上显著正相关，说明数字化人才的储备有助于企业维持专利的有效性，提升专利的市场价值和技术价值。数据整合程度与发明专利申请量、专利被引数量、专利维持平均时间均呈现正相关关系，相关系数分别为0.39、0.33、0.37，均在5%的水平上显著。这说明企业的数据整合能力越强，越能有效地利用内外部数据资源，为创新活动提供数据支持，促进发明专利的申请和专利质量的提升，同时也有助于延长专利的维持时间。通过整合市场数据和客户数据，企业可以开发出更具市场竞争力的创新产品，提高专利的质量和影响力，进而延长专利的有效期限。相关性分析结果初步表明，数字化水平与创新质量之间存在密切的正相关关系，企业数字化水平的提升能够促进创新质量的提高。但相关性分析只能揭示变量之间的线性相关关系，无法确定因果关系。为了进一步深入探究数字化水平对创新质量的影响机制和因果关系，还需要构建回归模型进行更严谨的实证分析。四、数字化水平对企业创新质量影响的实证研究设计4.1研究假设提出基于前文的理论分析和文献综述，提出以下研究假设：假设1：数字化水平对企业创新质量有正向影响在当今数字化时代，企业数字化水平的提升为创新活动提供了强大的支持。数字化转型使企业能够利用大数据、人工智能、云计算等先进数字技术，深入洞察市场需求和技术发展趋势，从而为创新活动提供更明确的方向。通过对海量市场数据的分析，企业可以精准把握消费者的需求变化和偏好，开发出更符合市场需求的创新产品和服务，提高创新质量。数字化转型还能优化企业的创新流程，打破部门之间的信息壁垒，实现研发、生产、销售等部门之间的高效协同，提高创新效率，降低创新成本，进而提升创新质量。基于以上分析，提出假设1：数字化水平对企业创新质量有正向影响。假设2：数字化水平通过优化创新资源配置，促进企业创新质量提升创新资源的有效配置是提高企业创新质量的关键。数字化水平的提升能够帮助企业更精准地识别创新需求，合理分配人力、物力和财力等创新资源。在人力资源配置方面，通过数字化人才管理系统，企业可以根据创新项目的需求，精准匹配具备相应技能和经验的人才，提高人才利用效率；在物力资源配置上，借助数字化供应链管理系统，企业能够实时掌握原材料和设备的库存情况，优化采购和调配流程，确保创新项目所需物资的及时供应；在财力资源配置上，数字化财务管理系统使企业能够更准确地评估创新项目的成本和收益，合理分配研发资金，提高资金使用效率。通过优化创新资源配置，企业能够提高创新活动的效率和效果，促进创新质量的提升。基于此，提出假设2：数字化水平通过优化创新资源配置，促进企业创新质量提升。假设3：数字化水平通过增强企业知识获取与整合能力，提升企业创新质量知识是企业创新的重要源泉，知识获取与整合能力是企业创新能力的重要组成部分。数字化技术的应用为企业获取和整合知识提供了更广阔的渠道和更高效的工具。企业可以利用互联网和大数据技术，快速获取国内外行业前沿知识、技术动态和市场信息，拓宽知识来源。利用知识管理系统，企业能够对获取的知识进行分类、存储和分析，实现知识的有效整合和共享，促进知识在企业内部的流动和应用。通过增强知识获取与整合能力，企业能够丰富创新知识储备，激发创新思维，提高创新的成功率和质量。因此，提出假设3：数字化水平通过增强企业知识获取与整合能力，提升企业创新质量。假设4：在不同行业中，数字化水平对企业创新质量的影响存在差异不同行业的技术特点、市场竞争环境和创新需求各不相同，数字化水平对企业创新质量的影响也会有所差异。在技术密集型行业，如信息技术、生物医药等行业，企业对技术创新的依赖程度较高，数字化技术的应用能够更好地与行业特点相结合，为创新提供强大的技术支持，数字化水平对创新质量的促进作用可能更为显著。而在传统制造业和服务业等行业，生产经营模式相对成熟，对数字化技术的应用程度和创新需求相对较低，数字化水平对创新质量的影响可能相对较小。基于此，提出假设4：在不同行业中，数字化水平对企业创新质量的影响存在差异。4.2变量选取与测度4.2.1被解释变量在衡量企业创新质量时，选用专利被引数量作为重要指标之一。专利被引数量能够直观地反映专利在技术领域的影响力，被引用次数越多，表明该专利所蕴含的技术创新价值越高，在行业内得到了更多的关注和应用。通过对A股上市公司专利被引数据的收集和分析，获取各公司专利的被引次数，以此来衡量企业创新质量。华为公司在通信技术领域的专利被引数量极高，其5G相关专利被大量引用，这充分体现了华为在该领域的创新成果具有重要的技术价值和行业影响力，对企业创新质量的提升起到了关键作用。专利维持平均时间也是衡量企业创新质量的关键指标。该指标反映了企业专利在市场上的经济价值和技术价值的持久性。专利维持平均时间越长，说明企业的专利在较长时间内都具有一定的竞争力，企业愿意持续投入资源来维持专利的有效性。通过统计A股上市公司专利从授权到终止的平均年限，得到专利维持平均时间。一些制药企业的专利，由于研发的药物具有长期的市场需求和较高的技术壁垒，专利维持时间较长，这表明这些企业的创新成果具有较高的质量和稳定性，能够在市场上保持持久的竞争力。新产品销售收入占比同样被用于衡量企业创新质量。新产品销售收入占比越高，意味着企业的创新成果能够更有效地转化为经济效益，得到市场的认可。通过计算企业新产品销售收入与总销售收入的比值，获取新产品销售收入占比。在新能源汽车行业，特斯拉公司凭借其在电池技术、自动驾驶技术等方面的创新，推出了一系列具有创新性的新能源汽车产品，新产品销售收入占比不断提高，这不仅体现了特斯拉在技术创新方面的成果，也反映出其创新质量得到了市场的高度认可，为企业带来了显著的经济效益。4.2.2解释变量为准确衡量企业数字化水平，选取数字化投资比例作为解释变量之一。数字化投资比例通过企业在数字技术研发、数字化设备购置、数字化系统建设等方面的投入金额与企业营业收入的比值来计算。该指标能够直观地反映企业对数字化转型的资源投入力度，投资比例越高，表明企业越重视数字化转型，在数字化领域的投入越大，数字化水平可能越高。一些科技企业如阿里巴巴，不断加大在云计算、大数据、人工智能等数字技术领域的投资，其数字化投资比例较高，推动了企业数字化水平的快速提升，为企业的创新发展提供了强大的技术支持。数字化人才占比也是衡量企业数字化水平的重要指标。数字化人才是企业数字化转型的关键因素，包括掌握大数据分析、人工智能、云计算等数字技术的专业人才。通过统计企业中数字化人才数量与企业总员工数量的比值，得到数字化人才占比。数字化人才占比越高，说明企业在数字化人才储备方面越充足，具备更强的数字化创新能力和应用能力，能够更好地推动企业数字化转型。以腾讯公司为例，其拥有大量的数字化人才，在互联网技术研发、游戏开发、数字内容创作等领域发挥着重要作用，较高的数字化人才占比为腾讯的数字化发展和创新提供了坚实的人才保障。还采用数字化技术应用广度作为解释变量。该指标通过统计企业应用的数字化技术种类数量来衡量，包括大数据、云计算、物联网、人工智能、区块链等技术。应用的数字化技术种类越多，说明企业在数字化技术应用方面的广度越大，数字化水平越高。一些大型制造业企业，如富士康，不仅应用了物联网技术实现生产设备的互联互通和智能化管理，还采用了大数据分析技术优化生产流程和供应链管理，同时运用人工智能技术进行质量检测和预测性维护，广泛的数字化技术应用提升了富士康的数字化水平和生产效率。4.2.3控制变量为排除其他因素对研究结果的干扰，选取多个控制变量。企业规模是重要的控制变量之一，用总资产的自然对数来衡量。企业规模越大，通常拥有更丰富的资源，包括资金、人力、技术等，这些资源能够为企业创新提供支持，可能对企业创新质量产生影响。大型企业如中国石油，拥有庞大的资产和雄厚的资金实力，能够投入大量资源进行研发创新，其创新质量相对较高。而小型企业由于资源有限，创新能力和创新质量可能受到一定限制。行业也是控制变量之一。不同行业的技术特点、市场竞争环境和创新需求存在差异，会对企业创新质量产生影响。技术密集型行业如信息技术、生物医药等行业，对技术创新的依赖程度较高，创新质量相对较高；而传统制造业和服务业等行业，创新质量可能相对较低。在信息技术行业，企业面临快速的技术更新换代和激烈的市场竞争，需要不断投入研发资源进行创新，以保持技术领先和市场竞争力，因此创新质量较高。而传统制造业行业，生产经营模式相对成熟，技术更新速度较慢，对创新的依赖程度相对较低，创新质量相对不高。研发投入同样作为控制变量，用研发投入金额的自然对数来衡量。研发投入是企业创新的重要投入要素，投入越多，企业可能拥有更多的资源用于开展创新活动，从而影响企业创新质量。华为公司每年在研发方面投入大量资金，2023年研发投入达到1615亿元，持续的高研发投入使得华为在通信技术、芯片技术等领域取得了众多创新成果，提升了企业创新质量。还控制了资产负债率、营业收入增长率、第一大股东持股比例、独立董事占比、两职合一情况等变量。资产负债率反映企业的偿债能力和财务风险，会对企业创新决策产生影响；营业收入增长率体现企业的成长能力，成长型企业往往更有动力和资源进行创新；第一大股东持股比例影响企业的股权结构和决策机制，进而对创新战略的制定和实施产生作用；独立董事占比反映企业的治理水平，独立董事能够提供独立的监督和建议，有助于提升企业的创新能力；两职合一情况即董事长和总经理是否由同一人担任，会影响企业的权力结构和决策效率，与企业创新存在关联。4.3模型构建为检验数字化水平对企业创新质量的影响，构建如下多元线性回归模型：InnoQuality_{i,t}=\alpha_0+\alpha_1DigitalLevel_{i,t}+\sum_{j=1}^{n}\alpha_{1+j}Control_{j,i,t}+\epsilon_{i,t}其中，InnoQuality_{i,t}为被解释变量，表示第i家企业在t时期的创新质量，分别用专利被引数量（Citation_{i,t}）、专利维持平均时间（Duration_{i,t}）和新产品销售收入占比（NewSaleRatio_{i,t}）来衡量。DigitalLevel_{i,t}是解释变量，代表第i家企业在t时期的数字化水平，分别通过数字化投资比例（DigInvestRatio_{i,t}）、数字化人才占比（DigTalentRatio_{i,t}）和数字化技术应用广度（DigTechScope_{i,t}）进行测度。Control_{j,i,t}为控制变量，包括企业规模（Size_{i,t}），用总资产的自然对数衡量；行业（Industry_{i,t}），根据证监会行业分类标准设置虚拟变量；研发投入（R&D_{i,t}），用研发投入金额的自然对数表示；资产负债率（Lev_{i,t}），即总负债与总资产的比值；营业收入增长率（Growth_{i,t}）；第一大股东持股比例（Top1_{i,t}）；独立董事占比（Indep_{i,t}）；两职合一情况（Dual_{i,t}），若董事长和总经理为同一人则取值为1，否则为0。\alpha_0为常数项，\alpha_1、\alpha_{1+j}为回归系数，\epsilon_{i,t}为随机误差项。在模型中，\alpha_1反映了数字化水平对企业创新质量的影响程度，若\alpha_1显著为正，则支持假设1，即数字化水平对企业创新质量有正向影响。通过控制其他可能影响企业创新质量的因素，能够更准确地揭示数字化水平与创新质量之间的关系。4.4数据来源与样本选择本研究的数据主要来源于Wind数据库、CSMAR数据库以及上市公司年报。Wind数据库提供了丰富的金融数据和市场信息，涵盖了A股上市公司的财务报表、股票交易数据等，为研究提供了全面的基础数据支持。CSMAR数据库则专注于中国资本市场研究，其数据在学术研究中具有较高的权威性和可靠性，为研究提供了企业治理、行业分类等关键数据。上市公司年报是企业信息披露的重要渠道，从中可以获取企业数字化转型相关的具体信息，如数字技术应用情况、研发投入明细等，这些信息有助于更准确地衡量企业数字化水平和创新质量。样本选择过程严格遵循既定标准，以确保研究结果的可靠性和有效性。以2013-2023年期间的A股上市公司为初始样本，这一时间跨度能够较好地反映企业在数字化转型和创新发展方面的长期趋势和动态变化。在初始样本的基础上，进行了多轮筛选。剔除了ST、*ST公司的数据，这类公司通常面临财务困境或其他特殊情况，其经营状况和财务数据可能异常，会对研究结果产生干扰，无法准确反映正常企业数字化水平与创新质量的关系。去除了数据缺失严重的样本，因为数据缺失会影响变量的计算和分析，降低研究结果的准确性。对连续变量进行了1%水平的双边缩尾处理，以消除异常值的影响，避免个别极端数据对回归结果产生过大的偏差，从而保证数据的稳健性和研究结果的可靠性。经过上述筛选过程，最终获得了[X]个有效样本，这些样本具有较好的代表性，能够为后续的实证研究提供坚实的数据基础。五、实证结果与分析5.1描述性统计结果对样本数据进行描述性统计，结果如表1所示。从表中可以看出，专利被引数量（Citation）的均值为6.243，表明样本企业专利平均被引用次数为6.243次，标准差为3.125，说明不同企业之间专利被引数量存在一定差异，部分企业专利的影响力较大，而部分企业相对较小。专利维持平均时间（Duration）均值为5.368年，标准差为1.257年，反映出企业专利维持时间在平均水平上下波动，不同企业的专利稳定性和市场价值存在差异。新产品销售收入占比（NewSaleRatio）均值为0.186，即样本企业新产品销售收入占总销售收入的平均比例为18.6%，标准差为0.084，说明企业在新产品市场转化能力方面存在一定的离散性。数字化投资比例（DigInvestRatio）均值为0.038，意味着样本企业在数字技术等方面的投入平均占营业收入的3.8%，标准差为0.015，显示不同企业在数字化投资力度上存在明显差异。数字化人才占比（DigTalentRatio）均值为0.135，即数字化人才平均占企业总员工数的13.5%，标准差为0.056，表明企业在数字化人才储备方面参差不齐。数字化技术应用广度（DigTechScope）均值为3.217，说明样本企业平均应用了3-4种数字化技术，标准差为1.024，体现出企业在数字化技术应用的丰富程度上存在较大差距。在控制变量中，企业规模（Size）均值为22.365，反映出样本企业平均总资产的自然对数处于一定水平，标准差为1.437，说明企业规模分布较为广泛。研发投入（R&D）均值为19.854，表明样本企业平均研发投入金额的自然对数处于相应数值，标准差为1.246，显示企业在研发投入上存在差异。资产负债率（Lev）均值为0.453，说明样本企业平均负债水平占总资产的45.3%，标准差为0.187，体现企业间财务杠杆存在不同。营业收入增长率（Growth）均值为0.126，反映样本企业营业收入平均增长速度为12.6%，标准差为0.213，表明企业成长速度差异较大。第一大股东持股比例（Top1）均值为0.325，即第一大股东平均持股比例为32.5%，标准差为0.104，显示企业股权集中度存在差异。独立董事占比（Indep）均值为0.372，说明独立董事平均占董事会成员的37.2%，标准差为0.056，体现企业在独立董事设置上存在一定波动。两职合一情况（Dual）均值为0.213，表明约21.3%的样本企业存在董事长和总经理两职合一的情况，标准差为0.409，说明两职合一情况在企业间分布不均。通过这些描述性统计分析，能够初步了解样本数据的基本特征和变量的分布情况，为后续的实证分析奠定基础。表1：描述性统计结果变量观测值均值标准差最小值最大值Citation12506.2433.1251.00018.500Duration12505.3681.2572.0009.000NewSaleRatio12500.1860.0840.0300.560DigInvestRatio12500.0380.0150.0100.080DigTalentRatio12500.1350.0560.0200.350DigTechScope12503.2171.0241.0006.000Size125022.3651.43719.56426.854R&D125019.8541.24616.34523.786Lev12500.4530.1870.1200.860Growth12500.1260.213-0.3500.860Top112500.3250.1040.1000.680Indep12500.3720.0560.3330.571Dual12500.2130.4090.0001.0005.2相关性分析结果对主要变量进行Pearson相关性分析，结果如表2所示。从表中可以看出，数字化投资比例（DigInvestRatio）与专利被引数量（Citation）、专利维持平均时间（Duration）和新产品销售收入占比（NewSaleRatio）均呈现显著的正相关关系，相关系数分别为0.362、0.327和0.345，且均在1%的水平上显著。这表明企业在数字化投资方面的力度越大，其创新质量越高，专利被引数量越多，专利维持时间越长，新产品销售收入占比也越高。当企业加大对数字技术研发的投入，开发出更先进的技术和产品，这些创新成果更容易得到行业内的认可和引用，从而提高专利被引数量；同时，高质量的创新成果也具有更强的市场竞争力，能够为企业带来更高的经济效益，延长专利的有效期限，增加新产品销售收入占比。数字化人才占比（DigTalentRatio）与专利被引数量、专利维持平均时间和新产品销售收入占比同样存在显著的正相关关系，相关系数分别为0.385、0.356和0.372，在1%的水平上显著。这说明数字化人才在企业创新过程中发挥着重要作用，企业拥有的数字化人才越多，越能利用数字化技术进行创新，提升创新质量。数字化人才具备专业的技术知识和创新能力，能够运用大数据、人工智能等数字技术，为企业的创新活动提供有力支持，开发出更具创新性和市场竞争力的产品和服务，进而提高专利的影响力和市场价值，增加新产品销售收入占比。数字化技术应用广度（DigTechScope）与专利被引数量、专利维持平均时间和新产品销售收入占比也呈显著正相关，相关系数分别为0.351、0.334和0.368，在1%的水平上显著。这意味着企业应用的数字化技术种类越多，其创新质量越高。广泛应用多种数字化技术，企业能够整合不同技术的优势，拓展创新的边界，提高创新的效率和效果。企业同时应用大数据分析技术和人工智能技术，能够更精准地洞察市场需求，优化产品设计和生产流程，提高产品质量和创新水平，从而提升专利的质量和影响力，促进新产品的市场推广和销售。在控制变量方面，企业规模（Size）与专利被引数量、专利维持平均时间和新产品销售收入占比均呈正相关关系，相关系数分别为0.286、0.264和0.278，在1%的水平上显著，表明企业规模越大，创新质量越高。这是因为大型企业通常拥有更丰富的资源和更强的研发能力，能够投入更多的资金和人力进行创新活动，从而提高创新质量。研发投入（R&D）与专利被引数量、专利维持平均时间和新产品销售收入占比也显著正相关，相关系数分别为0.321、0.305和0.