EN中文

Tropical Geography >

2023 , Vol. 43 >Issue 4: 769 - 782

DOI: https://doi.org/10.13284/j.cnki.rddl.003653

The Impact of Enterprise Internetization on Innovation Levels of Advanced Manufacturing Enterprises in Guangdong Province: Evidence from Computer, Communication, and other Electronic Equipment Manufacturing Companies

  • Yingjie Zhou ,
  • Lixun Li
Expand
  • School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275, China

Received date: 2022-06-09

  Revised date: 2022-08-20

  Online published: 2023-05-08

Fold

Highlights

Technological innovation is considered an important source of national economic development, but existing studies have found that there are few independent research and development (R&D) activities in Chinese enterprises, and the achievement transformation of R&D investment is still facing great difficulties. As a new technical means, Internetization is regarded as an important driving force for promoting enterprise innovation in the information technology era. However, few empirical studies have conducted detailed analyses of the relationship between Internetization and enterprise innovation, ignoring the fact that Internetization can quickly transfer information. Therefore, based on the invention patent data of listed enterprises in the computer, communication, and other electronic equipment manufacturing industries in Guangdong Province from 2012 to 2020, and dividing Internetization into two types: Information Internetization and Application Internetization, this study analyzes the basic characteristics of enterprise Internetization and its impact mechanism on enterprise innovation in Guangdong Province by using inverse distance weight interpolation, panel regression, intermediary effect, and test and panel quantile models. The results show that Guangzhou and Shenzhen are the main innovation centers in Guangdong Province, of which Shenzhen is the main core and Guangzhou is the sub-core, effectively improving innovation ability in the surrounding areas. Second, the Internetization level of enterprises in Guangdong is increasing annually. Enterprises with high Internetization levels are mainly distributed in the Pearl River Delta. Simultaneously, the information Internetization level of enterprises in Guangdong was generally higher than the application Internetization level. Next, increasing the degree of enterprise Internetization contributes to an increase in innovation output. At different innovation levels, the impact of Internetization on enterprise innovation output shows a "U" shape, and Internetization can improve the innovation level of enterprises by improving the scale and quality of R&D investment, as well as effectively reducing negative externalities. Finally, as a new technical means, the Internet can more effectively promote the optimization of enterprise management structure and improvement of internal communication efficiency, and promote the improvement of innovation efficiency by reducing negative externalities, compared with "informatization" and other means. Simultaneously, the innovation-driving effect of different types of Internetization forms shows different characteristics. The innovation impact of information Internetization is effective, inexpensive, and can improve R&D investment. The cost of Application Internetization is higher, making it more suitable for large enterprises.

Cite this article

Yingjie Zhou , Lixun Li . The Impact of Enterprise Internetization on Innovation Levels of Advanced Manufacturing Enterprises in Guangdong Province: Evidence from Computer, Communication, and other Electronic Equipment Manufacturing Companies[J]. Tropical Geography, 2023 , 43(4) : 769 -782 . DOI: 10.13284/j.cnki.rddl.003653

当前，中国经济发展正由高速增长阶段转向高质量发展阶段。技术创新水平已成为国家和区域经济发展的重要来源。创新替代资本、土地等生产要素，成为经济增长的主要推动力（吕拉昌 等，2021），也是经济高质量发展的主要驱动引擎。大量文献和实践经验表明，长期的经济增长来源于创新和技术能力的提高（Romer, 1986；王缉慈，1999；白俊红 等，2017）。已有研究指出，中国企业在提升创新水平方面面临挑战和难题。虽然中国研发投入和补贴不断加大，但由于中国要素市场扭曲、信息不对称等问题，中国企业的独立研发活动仍较少，研发投入的成果转换仍面临较大困难（安同良 等，2009；张杰 等，2011）。在信息技术时代，如何提升企业的创新水平成为当前中国企业面临的重要问题，影响企业创新的因素和机制更是成为创新地理学领域关注的重要问题。
现有关于创新的研究主要关注创新空间分布及其动态变化（何键芳 等，2013；Fang et al., 2014；陈清怡 等，2021）、城市创新能力及区域创新系统（吕拉昌 等，2010；方创琳 等，2014；叶雷 等，2019）、创新的影响因素和形成机制（Bathelt et al., 2002；何舜辉 等，2017；陈依曼 等，2020）、创新环境及创新政策（王缉慈，1999；陈强远 等，2020）等方面。近年来创新地理学持续关注企业创新的影响因素及机制（侯纯光 等，2016）。其中，“互联网化”被认为是推动企业创新的重要驱动力（沈国兵 等，2020a），互联网化指创新主体通过互联网同外界进行双向信息交流，以降低内部沟通和企业同外部沟通的信息交流成本，提升交流效率和学习外界知识和经验。传统创新模式难以解决交易费用和信息不对称等交易中的外部性（郭家堂 等，2016），而互联网化可以打破原有组织模式下的生产要素利用不充分、客户信息反馈受时空阻隔滞后，内部协作不同步、信息传导失真等问题（沈国兵 等，2020b），通过降低“摩擦力”从而实现创新突破。从互联网的视角研究企业创新水平问题对于创新活动持续有效进行具有重要意义。
在此基础上，部分学者开始关注互联网化和创新产出之间的联系，并取得一些成果。现有研究通常认为互联网化对企业创新的影响存在2种维度：1）信息维度，互联网化促使企业快速获取创新相关信息。在互联网化作用下，企业之间可能从原先地理空间集聚模式，变成以数据和信息实时交换为核心的网络虚拟集聚模式（张旭亮 等，2017；王如玉 等，2018），信息、技术等要素更加容易突破地理边界的限制（叶玉瑶 等，2022）。企业间能实时交换信息（王金杰 等，2018），提高信息交流效率（Abouzeedan et al., 2013），同时相互启发、激励以促进新的创新成果出现（程立茹，2013）。同时，企业可用较低的成本及时获取潜在客户和供应商的信息（沈国兵 等，2020c），帮助企业降低信息搜寻成本（Dewan et al., 2003）、复制成本等（Goldfarb et al., 2019），为了响应市场创新需要而进行个性化设计（李海舰 等，2014），降低研发风险和成本（汪芳 等，2020）。2）应用维度，企业通过应用互联网化技术提升创新主体自身的学习能力和管理效率。企业通过运用互联网化技术，如大数据技术，提升自身学习外界知识和经验的能力，改变以经验为主的组织学习方式（肖静华 等，2021），不仅能提升利用式学习的效率（Lusch et al., 2015），还能降低探索式学习的成本（Yoo et al., 2012），以更高效地处理所获取的创新信息，对市场需要、技术需求等做出准确判断。
近年来实证研究主要关注互联网化的应用维度，如汪芳等（2020）通过手工收集企业实施互联网化应用的指标数据来测度企业是否存在互联网化，发现企业互联网化对企业研发投入的影响在所处地区、产权性质和生产率3个维度上均存在异质性；王文娜等（2020）通过判断企业是否在研发活动中使用互联网技术测度互联网化程度，发现研发互联网化显著增加企业开放式创新的广度，且对中小企业有更显著的作用；赵宸宇等（2021）通过检索年报内容判断互联网化应用水平以测度企业互联网化转型程度，发现互联网化企业的研发费用投入和专利数量产出均显著高于非互联网化企业；Koellinger（2008）通过调查7 302家欧洲企业，分析发现互联网技术应用是企业创新的重要推动因素；Fernández-Mesa（2014）通过调查西班牙和意大利的186家企业分析发现，发现信息技术能力在内部学习能力和外部学习能力提升中起着关键作用；Hellmanzik等（2015）采用双边、双向网址链接数量来测度互联网化水平，发现互联网与国际贸易存在联系。也有少数研究关注互联网化的信息维度，如沈国兵等（2020a）以企业微博、主页等网络公开数据测度企业互联网化水平，证实了企业互联网化转型对创新有显著推动作用，且对于低生产率企业更为显著；佟家栋等（2019）以企业网站和邮箱作为互联网化的代理指标，发现互联网化对大规模、高效率、民营、出口、资本和技术密集型的东部企业的创新影响更为显著。
通过梳理国内外文献发现，现有研究主要存在以下不足：1）从对互联网化的概念界定看，现有文献忽视了互联网化存在不同维度，未将互联网化的信息特征和应用特征区分开，缺乏对不同维度的互联网化的特征分析；2）从研究内容的范围看，已有文献主要围绕互联网化对不同规模（沈国兵 等，2020a）、不同行业（王文娜 等，2020）的企业的作用分异展开讨论，忽视了互联网化在不同空间、不同技术水平对企业创新的影响可能存在差异；3）从研究尺度看，现有研究忽略了互联网化在空间上的影响差异性，尤其缺少对以城市为单元的分析。
鉴于此，本文以广东省为研究区域，以先进制造业上市企业为研究对象，考察不同维度的互联网化对企业创新的促进作用，重点探讨互联网化对创新的影响是否存在空间上和创新水平上的异质性，以期为先进制造业企业合理选择互联网化转型手段、高效率利用创新资源、降低创新过程中的负外部性提供建议。

1 研究对象、数据来源及方法

1.1　研究对象

选择广东省为研究区域，其原因有：1）广东省至2021年区域创新综合能力连续4年位居全国第一（中国科技发展战略研究小组 等，2022），是中国创新活动最活跃的省市之一；2）在全国省市中广东的数字经济发展、网络安全等领域均位列第一（中国互联网协会，2020），已具备完善的互联网化基础条件；3）《广东省科技创新“十四五”规划》（广东省人民政府，2021）提出要“建成更高水平的科技创新强省”，但广东仍存在知识原始创造能力短板、区域科技创新高度极化以及地区失衡等问题（沈肇章 等，2020）。因此，如何帮助广东实现高质量创新驱动发展，如何优化研发投入以提升创新效率是有待讨论的重要议题。
《“十三五”先进制造技术领域科技创新专项规划》（中华人民共和国科学技术部，2017）充分指明发展先进制造企业的战略。先进制造业创新作为产业创新的重要组成部分，近年来受到越来越多学者的关注（贾玉辉 等，2020）。本文以研发活动最密集、技术引进和新产品销售收入最高的先进制造业之一——计算机、通信及其他电子设备制造行业为代表行业，该行业的创新产出在各行业中位居首位（吴康敏 等，2022），对创新成果的需求较强，互联网化的创新影响更易在该类行业中体现。因此，本文研究对象为2012—2020年的广东省计算机、通信及其他电子设备制造业上市企业，剔除数据缺失的样本，共有169家上市企业，总样本量共有1 510个。

1.2　数据来源

专利是学术界最常用和广泛认可的创新测量指标（Polanyi, 1961; Jaffe, 1989；孙勇 等，2022）。因此参考前人研究（沈国兵 等，2020a；刘晔 等，2021），以企业每年的专利申请数（PAT）作为测度以创新水平的标准，数据来自国家知识产权局网站 1。
为了便于区分不同维度的互联网化，测度和分析不同维度的互联网化对企业创新水平提升的影响差异，本文基于现有研究，将2种维度的互联网化称为“信息互联网化”和“应用互联网化”并总结出互联网化影响企业创新的分析框架（图1）：1）信息互联网化主要是通过创新主体间交换信息，获取创新所需的市场信息和技术信息（王金杰 等，2018；沈国兵 等，2020c）；2）应用互联网化主要是通过提升创新主体的学习能力和学习成本（Yoo et al., 2012; Lusch et al., 2015；肖静华 等，2021），即企业能通过互联网化强化自身学习能力，高效吸收和处理市场和技术信息。3）信息互联网化和应用互联网化二者相互作用共同促进主体创新水平的提升。
图1 互联网化影响企业创新的分析框架

Fig.1 An analytical framework for the impact of Internetization on enterprise innovation

现有研究对于互联网化水平的测度指标既有单一指标也有多指标测度，主要包括互联网普及率（施炳展 等，2020）、互联网宽带接入人数（王金杰 等，2018）等，但上述指标只能测度区域互联网建设水平，近年来研究主要以企业社交媒体、邮箱、主页等衡量企业互联网化水平（沈国兵 等，2020a；王文娜 等，2020）。为了区分影响方式带来的结果，将互联网化分类为“信息互联网化”和“应用互联网化”，前者指通过互联网从客户和其他创新主体获得信息反馈实现创新突破，通过以下指标测度两类互联网化水平（表1）：1）信息互联网化，借鉴沈国兵等（2020a）的研究，以企业在当年是否使用新浪微博、微信公众号和当年年报中是否公示邮箱3个指标作为测度标准，“是”记为1分，“否”为0分，共3个二级指标，故“信息互联网化”指标的满分为3分。数据来源于企查查网站 及人工检索；2）应用互联网化，通过检索企业年报关键词判断企业在当年是否应用电子商务、大数据技术和数字技术作为测度方式，“是”记为1分，“否”为0分，共3个二级指标，故“应用互联网化”指标满分为3分，数据来源于国泰安数据库 2。
表1 互联网化水平评价体系

Table 1 The evaluation system of Internetization level

一级指标 二级指标 指标解释

信息

互联网化

企业是否使用新浪微博

企业是否使用微信公众号

企业是否公示邮箱

 评价企业当年对市场信息的重视程度，是否利于互联网获取潜在客户和其他创新主体的反馈信息从而提升创新能力。

应用

互联网化

企业是否使用电子商务

企业是否应用大数据技术

企业是否应用数字技术

 评价企业当年使用互联网平台关键应用和服务，处理所获信息的能力。企业在通过平台应用的过程中进行探索式学习，通过处理海量互联网信息以明确市场创新需求，以促进自身创新水平。
本文还控制了以下变量：1）企业年龄（Age），以每年年末日期减去企业开业日期得到数据；2）企业资本密集度（CAP），采用企业总资产与企业营业收入的比值得到，并加1取自然对数进入模型；3）企业的总资产增长率（Growth），以之测度企业的发展能力，采用资产总计本期期末值与资产总计本期期初值的比值得到，并取自然对数进入模型；4）所在城市的互联网宽带接入量（INT），以地级市互联网宽带接入量测度地区互联网基础设施水平，以明确区分企业互联网化和区域互联网水平的区别，该变量取自然对数进入模型，数据来源于CEIC数据库 3；5）所有制性质固定效应，按所有制分为国企、民营、外资和其他4种类型的企业，数据来源于国泰安数据库；6）时间固定效应和地区固定效应，时间跨度为2012—2020年，地区以地级市为划分依据。

1.3　研究方法

1.3.1　反距离权重插值法

为分析广东省先进制造业企业互联网化和创新水平的空间格局演化和集聚状况，采用反距离权重插值法（IDW）进行简单插值（汤国安 等，2012），其原理是通过对采样点进行线性加权预测未测量点的栅格值，加权值与距离成反比，采样点与输出栅格离得越近，其对输出栅格的影响越大；反之越小（李强，2012；李文慧 等，2018）。使用反距离权重插值法构建企业互联网化和企业创新水平的分布，计算公式为：
Z o = ∑ i = 1 n Z i / d i r ∑ i = 1 n 1 / d i r
式中： Z o为ｏ点的估计值； Z i为i点的z值； d i r为i点与o点间的欧式距离，r为指定的幂数；n为控制点的数目。

1.3.2　基准回归模型

构建面板回归模型估计企业互联网化与企业创新水平间的关系：
Y j t = a 1 X j t + a 2 δ j t + a 3 ε j t + a 4 δ j t + e 1
式中：j代表企业；t代表年份； Y j t指被解释变量； X j t为解释变量； ε j t为地区固定效应； δ j t为所有制固定效应； a 1~ a 4为回归系数， e 1为随机扰动项。同时，由于企业的创新过程存在时间上的滞后（沈国兵 等，2020a），为避免反向因果影响，将解释变量和控制变量均滞后两期纳入计量模型。

1.3.3　中介效应模型

互联网化能降低研发周期、提高研发投入效率（陈维涛 等，2019），并以新的资源配置方式放大企业内部创新投入对创新绩效的影响（王金杰 等，2018）。为验证企业互联网化通过提升研发投入效率进而影响企业最终创新水平这一假设，引入研发投入（R&D）作为中介变量（M），取对数进入模型（lnRD），进行中介效应检验。该中介渠道检验的模型设定为（温忠麟 等，2004）：
Y j t = a 1 X j t + a 2 δ j t + a 3 ε j t + e 1
M j t = β 1 X j t + β 2 δ j t + β 3 ε j t + e 2
Y j t = γ 1 X j t + γ 2 M j t + γ 3 δ j t + γ 4 ε j t +   e 3
式中： a 1 ~ a 3、 β 1 ~ β 3、 γ 1 ~ γ 4均为回归系数， e 1 ~ e 3为随机扰动项。为构建中介效应模型，第一步将基本自变量与因变量进行估计，检验直接效应；第二步，中介变量作为被解释变量，与基本自变量进行估计，中介变量为企业每年的研发投入额，取对数进入模型；第三步，中介变量取对数，与基本自变量作为解释变量共同加入模型，以估计基本自变量、中介变量对因变量的影响程度和显著性。若 a 1 、 β 1 、 γ 2显著时，则中介效应成立。
为进一步确认研发投入增加是否为企业互联网化影响企业创新的中介变量，有必要进行更加严格的检验。具体地，采用Sobel（1982）的方法进一步检验中介效应：
z = β 1 γ 2 β 1 2 s β 2 + γ 2 2 s γ 2
式中： s β和 s γ分别表示对应系数的标准差，根据sobel检验法，若z统计量的对应P值＜0.05，可认为中介效应显著。
另外，中介效应和总效应之比可用于衡量中介效应的相对大小（Mackinnon et al., 1995；温忠麟 等，2005），记为 M E '，其计算公式为：
M E ' = β 1 γ 2 β 1 γ 2 + γ 1

1.3.4　面板分位数模型

运用面板分位数回归模型，分析对于不同创新水平的企业而言，互联网化程度提升对企业创新水平的驱动作用是否有所不同。分位数回归模型不仅能提供企业互联网化提升对创新驱动作用条件分布的全面信息，其所生成的回归系数估计量也不易受极端值的影响，回归结果较为稳健。面板分位数回归的模型设定为：
Q u a n t τ Y j t | X j t = β τ X j t + μ τ + e j t
式中： τ为分位点； Q u a n t τ Y j t | X j t为被解释变量的条件分位数结果； β τ、 μ τ分别为解释变量在 τ分位数处的回归系数和个体效应。

2 广东省先进制造业企业互联网化和创新水平的时空特征

2.1　企业互联网化的时空特征

根据企业互联网化得分将互联网化水平从低到高分为6个等级，并利用反距离权重插值法绘制2012、2016和2020年广东互联网化水平的空间格局（图2）。总体上，广东企业的互联网化水平呈逐年上升的趋势：1）2012年，由于互联网化转型意识的不足和设备的缺失，广东省企业互联网化水平普遍较低，仅有极少数地区出现具有初步互联网化的企业；2）到2016年互联网化水平出现较大增幅，广州、深圳、惠州、中山等市的互联网化水平达到较高水准，意味着2012—2016年随着互联网意识的普及和基础设施的完善，多数企业已初步具备互联网化手段；3）至2020年，多数地区的企业已具备并能应用多种互联网化手段以实现转型，珠三角城市的企业互联网化水平高于其他地区。其中，广州、深圳、中山和惠州等市是高水平互联网化企业的主要集聚地，而粤西等地的企业互联网化水平较低，难以利用互联网社交平台和互联网应用技术。除了广州与深圳2个高互联网化水平城市外，由于惠州和中山市的头部企业更重视与客户的信息交流，所以使惠州和中山的互联网化水平呈现整体偏高的状态。
图2 2012（a）、2016（b）和2020（c）年广东省企业互联网化水平分布

注：该图基于广东省标准地图服务网站下载的审图号粤S（2019）073号的标准地图制作，底图无修改，图3、5同。

Fig.2 Distribution of Internetization level in Guangdong Provincein 2012(a), 2016(b) and 2020(c)

2.2　企业创新水平的时空特征

广东省的企业专利申请主要集中在广州、深圳2个超大城市，2020年广州、深圳的专利申请数占所有样本的16.4%和65.5%，均远超其他城市，是广东省的两大创新核心，其中深圳是主中心，广州是次中心。两大创新核心对周边地区的辐射能力显著，表现为周边地区创新水平的带动提升。在时间上企业的创新产出呈现先升后降的变化趋势（图3）：1）2012年广东省多数地区的创新水平较低，仅有广州、惠州、东莞和深圳等市的企业创新水平较高；2）2016年珠三角及粤北地区的创新水平大幅提升，广州、深圳、东莞、惠州和中山的企业创新水平最高，粤东地区的企业创新水平较低；3）2020年，相比2016年广东企业创新水平均呈现下降趋势，仅有极少数地区的专利申请量能达到较高水平，这可能是源自于在近几年严格规范专利申请行为导致的数据波动，2018年后专利申请数呈现下降趋势。其中，广州及深圳等市的创新水平一直保持在较高水平，惠州、东莞等市受两大创新核心辐射影响，创新产出总保持在广东省的第二梯队，相较之下江门梅州等广东偏远城市的创新能力始终较差。
图3 2012（a）、2016（b）和2020（c）年广东省企业专利申请量分布

Fig.3 Distribution of enterprise patent applications in 2012(a), 2016(b) and 2020(c)

3 企业互联网化对企业创新水平影响的实证分析

3.1　回归结果分析

表2展示了将解释变量和控制变量均滞后两期纳入计量模型（2）后，企业互联网化对企业创新的影响的回归结果。其中，模型1和3没有加入中介变量研发投入，模型2和4则加入中介变量；模型1~2考察不同类别的互联网化对企业创新的影响；模型3~4考察互联网化整体对企业创新的影响；模型5加入互联网化和研发投入的交互项，并对交互项做中心化处理，以弱化多重共线性问题，以考察互联网化是否调节研发投入以提升企业创新水平。
表2 企业互联网化对企业创新水平影响的面板固定效应模型估计结果

Table 2 The panel fixed effect estimation of enterprise Internetization on innovation level

解释变量 信息互联网化和应用互联网化 互联网化
模型1 模型2 模型3 模型4 模型5
信息互联网化 0.523***（8.40） 0.490***（5.93） — — —
应用互联网化 0.378***（5.14） 0.304***（3.82） — — —
互联网化 — — 0.462***（10.16） 0.394***（7.17） 0.371***（6.81）
互联网化×lnRD（交互项） — — 0.085***（3.90）
Age -0.022***（-2.67） -0.001（-0.07） -0.023***（-2.80） -0.002（-0.20） -0.006（-0.49）
lnCAP -0.436***（-3.86） -0.937***（-4.30） -0.487***（-4.54） -0.939***（-4.30） -0.855***（-3.95）
lnINT -0.258（-0.87） 0.172（0.39） -0.257（-0.87） 0.167（0.38） 0.222（0.51）
lnGrowth 0.682***（3.03） 0.563**（2.40） 0.693***（3.09） 0.588**（2.51） 0.606***（2.62）
lnRD — 0.191***（5.36） — 0.191***（5.36） 0.198***（5.63）
所有制固定效应 是 是 是 是 是
时间固定效应 是 是 是 是 是
地区固定效应 是 是 是 是 是
样本量 1 510 1 510 1 510 1 510 1 510
R² 0.21 0.30 0.20 0.29 0.31

注：数字为回归系数；括号内为t统计量；***、**、*分别表示在1%、5%和10%统计水平下显著，表3同。

模型1~2表明，信息互联网化和应用互联网化均对企业创新存在正向影响，并且从整体上看，信息互联网化对创新的影响胜过应用互联网化。具体而言，模型1表示信息互联网化每上升1%，则企业创新水平则提升0.523%，而应用互联网化每上升1%，企业创新水平则提升0.378%。模型3则表明，企业互联网化整体对企业创新存在正向影响，互联网化每上升1%，则企业创新水平提升0.462%。不同类别的企业互联网化与专利申请量存在显著的正相关关系，说明企业互联网化程度的加深有助于创新产出的增加。本文认为，应用互联网化的创新驱动力略低于信息互联网化可能是由于应用互联网化存在较高的技术门槛。应用互联网化要求企业拥有完备的互联网设施和高学历的互联网人才，当企业在缺乏相应设施和人才时，无法通过应用互联网化实现创新突破；而信息互联网化强调通过互联网平台与用户互动，技术门槛相较低，即使是缺乏技术支持的小微企业均能更容易地通过此种方式获得创新水平的提高。
模型5表明，互联网化和研发投资的交互效应为正，即互联网化投资能够加强研发投资对未来的企业创新的正向作用。具体表现为互联网化每提高1%，则研发投入对企业创新的贡献率会提高0.198%。这与董祺（2013）董祺（2013）的研究结果不同，后者发现信息化和研发投入的交互项对企业创新没有显著的影响，如果企业管理能力跟不上，企业投入越多的信息化资源，协调不同资源的难度反而增加，企业就越难以实现不同资源之间的协同效应。但互联网化与信息化不同，互联网化不仅是一种资源，也是一种手段，其通过强化企业的管理能力，提升企业调配创新资源的能力。因此，虽然同为信息技术时代下的企业创新手段，但相比信息化投入，互联网化更能与其他创新因子互动从而促进企业创新。

3.2　中介效应检验

通过因果逐步回归检验法，并引入研发投入，分析企业互联网化对企业创新的影响机制（表3）：1）当解释变量为信息互联网化时， a 1为0.523、 β 1为0.253、 γ 2为0.191，均在1%统计水平上显著，意味着信息互联网化和研发投入的中介效应成立；2）当解释变量为应用互联网化时， a 1为0.378、 β 1为0.189、 γ 2为0.191，均在1%统计水平上显著，意味着应用互联网化和研发投入的中介效应成立；3）当解释变量为互联网化， a 1为0.462、 β 1为0.219、 γ 2为0.191，均在1%统计水平上显著，意味着在整体上互联网化和研发投入对企业创新的中介效应也成立。
表3 以研发投入为中介变量的中介效应模型估计结果

Table 3 The regression results for the intermediary effect model with R&D as the intermediary variable

解释变量 信息和应用互联网化 互联网化
第一步 第二步 第三步 第一步 第二步 第三步
被解释变量 lnPAT lnRD lnPAT lnPAT lnRD lnPAT
信息互联网化 0.523***（8.40） 0.253***（3.41） 0.490***（5.93） — — —
应用互联网化 0.378***（5.14） 0.189***（2.69） 0.304***（3.82） — — —
互联网化 — — — 0.462***（10.16） 0.219***（4.59） 0.394***（7.17）
Age -0.022***（-2.67） 0.026***（2.57） -0.001（-0.07） -0.023***（-2.80） 0.026**（2.54） -0.002（-0.20）
lnCAP -0.436***（-3.86） -1.030***（-5.64） -0.937***（-4.30） -0.487***（-4.54） -1.026***（-5.62） -0.939***（-4.30）
lnINT -0.258（-0.87） 0.580*（1.67） 0.172（0.39） -0.257（-0.87） 0.578*（1.66） 0.168（0.38）
lnGrowth 0.682***（3.03） 0.188（0.93） 0.563**（2.40） 0.693***（3.09） 0.197（0.98） 0.588**（2.51）
lnRD — — 0.191***（5.36） — — 0.191***（5.36）
所有制固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
样本量 1 510 1 510 1 510 1 510 1 510 1 510
R² 0.21 0.20 0.30 0.20 0.18 0.25
为进一步确认研发投入增加是否为企业互联网化影响企业创新的中介变量，对上述结果进行sobel检验。根据sobel检验法，信息互联网化、应用互联网化和互联网化的z统计量的对应P值均＜0.05，可认为中介效应显著，具有统计学意义。这进一步验证中介效应模型的稳健性，说明研发投入是企业互联网化促进企业创新水平提升的重要作用渠道。通过互联网化，企业能接触更广泛的客户群体，因而每个客户平摊的研发成本会大幅降低，这会明显地激励企业加大研发投入从而促进创新水平提升（汪芳 等，2020）。
通过对相对中介效应大小的测算，得到信息互联网化的研发投入中介效应相对大小约为0.09，在应用互联网化对创新的影响过程的中介效应相对大小为0.11。即应用互联网化与研发投入对创新的中介效应大于信息互联网化。因此，假设可以得到验证，即互联网化可以通过改善研发投入的规模和质量进而提升先进制造业企业创新水平，企业互联网化能够减轻企业创新活动过程中来自外界的摩擦力，如客户信息反馈不及时、信息不对称、协作不同步等问题。其中，应用互联网化使企业更能高效处理创新信息，较强的学习判断能力和组织能力使企业能优化研发投入的质量，所以比信息互联网化更能有效优化研发投入对企业创新的驱动作用。

4 互联网化的创新驱动作用的异质性分析

4.1　创新水平异质性分析

进一步运用面板分位数回归模型，探究企业互联网化对企业创新的驱动作用在不同创新水平上的差异。参照Koenker（2004）的经典做法，将企业专利申请数以q25、q50、q75这3个分位数点划分等级。25%分位数模型、50%分位数模型和75%分位数模型分别估计低创新水平、中等创新水平和高创新水平企业的互联网化对其创新的驱动作用（表4）。
表4 企业互联网化对企业创新水平影响在不同创新水平上的差异

Table 4 The heterogeneity effect of enterprise internetization on innovation level

解释变量 q25 q50 q75 q25 q50 q75
信息互联网化 0.604***（6.88） 0.450***（6.11） 0.404***（4.65） — — —
应用互联网化 0.498***（4.19） 0.273***（2.85） 0.353***（2.66） — — —
互联网化 — — — 0.545***（8.11） 0.351***（5.70） 0.400***（5.13）
Age -0.039***（-2.81） -0.023*（-1.90） -0.017（-1.26） -0.038***（-3.21） -0.019*（0.057） -0.019（-1.38）
lnCAP -0.735***（-3.95） -0.385***（-2.60） -0.346*（-1.75） -0.756***（-4.05） -0.415***（-2.91） -0.385**（-2.34）
lnINT 0.033（0.08） -0.216（-0.67） -0.277（-0.68） -0.009（-0.02） -0.349（-0.93） -0.270（-0.69）
lnGrowth 0.810**（2.52） 0.797**（2.38） 0.827**（2.15） 0.690**（2.20） 0.873***（2.59） 0.853**（2.48）
所有制固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
地区固定效应 是 是 是 是 是 是
样本量 1 510 1 510 1 510 1 510 1 510 1 510
pseudo R² 0.15 0.12 0.11 0.15 0.12 0.11
在不同创新水平的企业中，互联网化均对先进制造业企业创新有显著的推动作用。具体地，不同类型的互联网化影响存在以下特征（图4）：1）在信息互联网化方面，随着企业创新水平的逐步提升，其影响逐渐下降；2）在应用互联网化方面，其对企业创新的影响呈“U”型，在低创新水平企业的影响最大，高创新水平企业次之，在中等创新水平企业的影响最小；3）互联网化整体对企业创新的影响呈近似“U”型，当企业创新水平较低时互联网化的影响最大，当企业创新产出处于中等水平时，互联网化对创新的影响最小。
图4 互联网化对广东省企业创新的驱动作用在不同分位数上的差异

图注：曲线代表分位数回归系数；虚线表示均值回归模型中各系数的估计值；阴影区域代表各回归系数的95%置信区间范围。

Fig.4 The differential regulatory effects in different quantile models of Internetization in Guangdong Province

与部分研究结论（李晓宇 等，2019；张骞 等，2019）一致，互联网化对先进制造业企业创新的影响是非线性的。互联网化对一些本身创新能力不足的小微企业影响最大，这些低创新水平的企业通过与客户的积极互动（信息互联网化）扩大信息资源和提升知识水平，同时通过互联网应用（应用互联网化）提升自身学习能力，使得创新水平在短时间内得到显著提升；而到了中等创新水平时，企业因管理能力不足，难以支配互联网资源，导致互联网化的影响逐步减弱，同时因应用互联网化存在较高的技术门槛，故并不能带来创新水平的明显提升；到高创新水平阶段，企业的管理能力已随互联网化而逐步完善，能充分调动互联网信息资源和应用资源为创新服务，因而互联网化的创新影响又实现新的跃升。

4.2　区域异质性分析

图5显示了在广东省不同城市企业互联网化对先进制造业企业创新的影响差异。相比其他城市，中山、深圳、东莞、肇庆的企业在信息互联网化对企业创新的驱动作用显著，每当信息互联网化程度上升1%，对企业创新就有0.5%以上的促进作用；而广州、肇庆企业的应用互联网化对企业创新的驱动作用较为显著，每当应用互联网化上升1%，企业创新水平则会提高0.5%以上；而在互联网化整体上，中山、肇庆的企业互联网化的创新促进作用最强，具体表现为每提高1%，企业创新水平则提升0.5%以上。不难发现，广佛肇经济圈互联网化来源主要是应用互联网化，而深莞惠经济圈的互联网化来源主要依赖于应用互联网化。因此，为验证互联网化对创新的影响是否存在区域异质性，进一步对广佛肇、深莞惠和其他城市进行分样本回归。
图5 广东省信息互联网化（a）、应用互联网化（b）、互联网化（c）的创新驱动作用分布

Fig.5 Distribution of innovation promoting function of information internetization (a), application internetization (b), and internetization(c) in Guangdong Province

将样本分区域分别进行回归分析（表5）。整体上看，深莞惠经济圈的整体互联网化创新促进作用略强于广佛肇经济圈，而其他城市并未表现出互联网化对创新的显著正向影响。同时，广佛肇企业的应用互联网化对其创新的影响大于信息互联网化，而深莞惠则存在相反的现象。这意味着广佛肇企业主要通过应用大数据技术、数字技术等手段达到创新突破，而深莞惠企业更倾向于与潜在客户进行信息交互，基于市场需要对产品进行定制化设计，从而逐步达到创新水平的提升。广佛肇企业的每年企业平均专利申请比深莞惠企业多15.7件，企业年龄大1.6年，结合上文对不同创新水平层次上互联网化的影响分析，认为广佛肇企业创新更依赖应用互联网化，而深莞惠企业创新更侧重于信息互联网化的原因是，广佛肇的先进制造业企业发展时间较长、创新水平较高，且企业技术水平较高，能运用更高级别的手段实现创新；而深莞惠的小微企业众多，且平均技术水平较低，更倾向于使用低成本的互联网化手段实现创新。
表5 广东省分地区回归结果

Table 5 The results of regional regression in Guangdong Province

解释变量 广佛肇 深莞惠 其他城市
信息互联网化 0.416**（2.29） — 0.539***（7.60） — 0.048（0.24） —
应用互联网化 0.514**（2.04） — 0.349***（4.18） — -0.016（-0.08） —
互联网化 — 0.449***（3.03） — 0.458***（8.87） — 0.017（0.11）
控制变量 是 是 是 是 是 是
所有制固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
地区固定效应 是 是 是 是 是 是
样本量 180 180 1 170 1 170 160 160
R² 0.45 0.45 0.15 0.15 0.71 0.71

5 结论与启示

基于2012—2020年广东省计算机、通信和其他电子设备制造业上市企业的互联网化和专利申请量的面板数据，运用面板回归模型、中介效应模型、面板分位数模型等方法，揭示了企业互联网化对先进制造业企业创新的影响机制及其区域和水平异质性。得到的主要结论为：
1）广东省先进制造业企业互联网化和创新水平大体均呈现珠三角地区较高、其他地区较低的分布格局，其中广州和深圳是广东省的两大创新极核，其中深圳是主核心，广州是次核心，对周边地区起辐射带动作用。2012年，广东省企业的互联网化水平均较低，大部分企业缺乏利用互联网化来提升企业创新的意识，但部分企业已通过其他方式为自身积累一定的创新成果，这些创新成果主要分布在广州、深圳、惠州等市；2016年，广东省企业的互联网化水平有较大提升，且创新产出得到较大提升，创新成果主要集中在珠三角城市；至2020年，广东的企业互联网化得到加深，大部分企业已至少能利用一种互联网化应用手段来提升自身创新水平。
2）互联网化对先进制造业企业创新水平的提升存在显著的正向影响，在不同创新水平和不同地区的影响存在差异，其中信息互联网化比应用互联网化的创新驱动力更显著。对不同创新水平的企业而言，互联网化对低创新水平的企业的促进作用会更强，对中等创新水平的企业的影响相对最弱。对不同的地区来说，广佛肇、深莞惠存在运用互联网化手段的差异，由于广佛肇的企业主要采用技术门槛高的应用互联网化手段来提升创新水平，而深莞惠的企业由于发展时间短、规模较小、创新水平较低，所以多利用见效快、技术门槛低的信息互联网化手段。
3）企业互联网化是通过影响企业的研发投入进而影响到企业的创新水平。这种影响存在2种机制，即同时存在调节效应和中介效应：第一，互联网化、创新投入、企业创新存在调节效应，即互联网化通过调节创新投入的规模和质量，使得企业创新投入更能促进企业创新水平的提升；第二，互联网化是通过影响研发投入进而影响企业创新的，当企业互联网化程度上升，随着每个客户平摊的研发成本大幅降低，则会激励企业加大研发投入，从而促进企业创新突破。互联网化作为一种新型的企业转型手段，与“信息化”“互联网+”等概念存在不同，后者无法有效提升企业的调配资源能力，企业互联网化在与客户密切交流的同时能有效促进企业管理结构优化、内部交流效率提升，因此在促进企业创新时，同时提升企业调配创新资源的能力，在调节企业研发投入时亦有显著的效果，进而使得企业研发投入对企业创新的影响有所提升。
互联网化作为信息时代的重要技术手段，是推动中国创新的重要驱动力。本文通过梳理已有研究，总结互联网化存在多维特征，并运用面板回归模型等方法在不同层面上对互联网化不同维度的创新影响进行对比分析，揭示了互联网化在不同维度、不同空间、不同创新水平上对企业创新的影响过程存在的差异。本文强调了互联网化的多维性，并分析不同维度的互联网化对创新的影响差异和特征，可为企业选择互联网化手段时提供借鉴。但由于互联网化的测度标准不统一，且相关数据获取存在困难，本文对互联网化的测度可能不甚完善，指标所反映的互联网化较为有限。未来需对互联网化的测度标准进一步完善，以探讨更清晰的互联网化的创新影响机制。

1 https://pss-system.cponline.cnipa.gov.cn/conventionalSearch

2 https://www.gtarsc.com/

3 https://www.ceicdata.com/zh-hans/china/internet-number-of-broadband-subscriber-prefecture-level-city

周颍洁：论文撰写和修改，数据资料收集与处理，绘图，分析数据处理结果并得出结论；

李立勋：指导论文选题，对论文进行审阅与修改。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Abouzeedan A, Klofsten M, and Hedner T. 2013. Internetization Management as A Facilitator for Managing Innovation in High-Technology Smaller Firms. Global Business Review, 14(1): 121-136.

安同良，周绍东，皮建才. 2009. R&D补贴对中国企业自主创新的激励效应. 经济研究，44（10）：87-98，120.

An Tongliang, Zhou Shaodong, and Pi Jiancai. 2009. The Stimulating Effects of R&D Subsidies on Independent Innovation of Chinese Enterprises. Economic Research Journal, 44(10): 87-98, 120.

白俊红，王钺，蒋伏心，李婧. 2017. 研发要素流动、空间知识溢出与经济增长. 经济研究，52（7）：109-123.

Bai Junhonga, Wang Yuea, Jiang Fuxin, and LI Jing. 2017. R＆D Element Flow, Spatial Knowledge Spillovers and Economic Growth. Economic Research Journal, 52(7): 109-123.

Bathelt H, Malmberg A, and Maskell P. 2002. Clusters and Knowledge: Local Buzz, Global Pipelines and the Process of Knowledge Creation. Progress in Human Geography, 28(1): 31-56.

陈强远，林思彤，张醒. 2020. 中国技术创新激励政策：激励了数量还是质量. 中国工业经济，（4）：79-96.

Chen Qiangyuan, Lin Sitong, and Zhang Xing. 2020. The Effect of China's Incentive Policies for Technological Innovation: Incentivizing Quantity or Quality. China Industrial Economics, (4): 79-96.

陈清怡，千庆兰，姚作林. 2021. 广东省城市创新发展水平及其网络结构演化. 经济地理，41（4）：38-47.

Chen Qingyi, Qian Qinlan, and Yao Zuolin. 2021. Urban Innovation Development Level and Network Structure Evolution in Guangdong Province. Economic Geography, 41(4): 38-47.

陈维涛，韩峰，张国峰. 2019. 互联网电子商务、企业研发与全要素生产率. 南开经济研究，（5）：41-59.

Chen Weitao, Han Feng, and Zhang Guofeng. 2019. E-Commerce, R&D, and Chinese Firm Productivity. Nankai Economic Studies, (5): 41-59.

陈依曼，李立勋，符天蓝. 2020. 中国城市创新能力及其影响因素的空间分异——基于GWR模型的实证. 热带地理，40（2）：323-334.

Chen Yiman, Li Lixun, and Fu Tianlan. 2020. Spatial Heterogeneity in Chinese Urban Innovation Capabilities and Its Determinants: Approach Based on the Geographically Weighted Regression Model. Tropical Geography, 40(2): 323-334.

程立茹. 2013. 互联网经济下企业价值网络创新研究. 中国工业经济，（9）：82-94.

Cheng Liru. 2013. A Study on Innovation Mechanism of Enterprise Value Network from the Perspective of the Internet Economy. China Industrial Economics, (9): 82-94.

Dewan R M, Jing B, and Seidmann A. 2003. Product Customization and Price Competition on the Internet. Management Science, 49(8): 1055-1070.

董祺. 2013. 中国企业信息化创新之路有多远?——基于电子信息企业面板数据的实证研究. 管理世界，（7）：123-129，171.

Dong Qi. 2013. How Far is the Road of Informatization Innovation for Chinese Enterprises: An Empirical Study Based on Panel Data of Electronic Information Enterprises. Journal of Management World, (7): 123-129, 171.

Fang C, Ma H, Wang Z, and Li G. 2014. The Sustainable Development of Innovative Cities in China: Comprehensive Assessment and Future Configuration. Journal of Geographical Sciences, 24(6): 1095-1114.

方创琳，马海涛，王振波，李广东. 2014. 中国创新型城市建设的综合评估与空间格局分异. 地理学报，69（4）：459-473.

Fang Chuanglin, Ma Haitao, Wang Zhenbo, and Li Guangdong. 2014. Comprehensive Assessment and Spatial Heterogeneity of the Construction of Innovative Cities in China. Acta Geographica Sinica, 69(4): 459-473.

Fernández-Mesa A, José Luis Ferreras-Méndez, Alegre J, and Chiva R. 2014. IT Competency and the Commercial Success of Innovation. Industrial Management & Data Systems, 114(4): 550-567.

Goldfarb A, and Tucker C. 2019. Digital Economics. Journal of Economic Literature, 57(1): 3-43.

广东省人民政府. 2021. 广东省科技创新“十四五”规划. （2021-09-22）[2023-02-10]. http://www.gd.gov.cn/zwgk/wngh/sswgh/content/post_3740174.html.

Guangdong Provincial People's Government.2021. Guangdong Province Science and Technology Innovation 14th Five-Year Plan. (2021-09-22) [2023-02-10]. http://www.gd.gov.cn/zwgk/wngh/sswgh/content/post_3740174.html.

郭家堂，骆品亮. 2016. 互联网对中国全要素生产率有促进作用吗?. 管理世界，（10）：34-49.

Guo Jiatang, and Luo Pinliang. 2016. Does the Internet Promote China's Total Factor Productivity?. Journal of Management World, (10): 34-49.

何键芳，张虹鸥，叶玉瑶，吴旗韬. 2013. 广东省区域创新产出的空间相关性研究. 经济地理，33（2）：117-121，140.

He Jianfang, Zhang Hong'ou, Ye Yuyao, and Wu Qitao. 2013. Research on Spatial Autocorrelation of Innovation Output in Guangdong Province. Economic Geography, 33(2): 117-121, 140.

何舜辉，杜德斌，焦美琪，林宇. 2017. 中国地级以上城市创新能力的时空格局演变及影响因素分析. 地理科学，37（7）：1014-1022.

He Shunhui, Du Debin, Jiao Meiqi, and Lin Yu. 2017. Spatial-Temporal Characteristics of Urban Innovation Capability and Impact Factors Analysis in China. Scientia Geographica Sinica, 37(7): 1014-1022.

Hellmanzik C, and Schmitz M. 2015. Virtual Proximity and Audiovisual Services Trade. European Economic Review, 77: 82-101.

侯纯光，程钰，任建兰，陈延斌. 2016. 中国创新能力时空格局演变及其影响因素. 地理科学进展，35（10）：1206-1217.

Hou Chunguang, Cheng Yu, Ren Jianlan, and Chen Yanbin. 2016. Spatiotemporal Changes and Influencing Factors of Innovation Capacity in China. Progress in Geography, 35(10): 1206-1217.

Jaffe A B. 1989. Characterizing the "Technological Position" of Firms, with Application to Quantifying Technological Opportunity and Research Spillovers. Research Policy, 18(2): 87-97.

贾玉辉，苑泽明，金宇. 2020. 高质量发展下先进制造企业IPO及其后绩效研究. 经济问题，（12）：60-67.

Jia Yuhui, Yuan Zeming, and Jin Yu. 2020. Research on Advanced Manufacturing Enterprises’ IPO and Their Post-IPO Performance under High-Quality Development. On Economic Problems, (12): 60-67.

Koellinger P. 2008. The Relationship between Technology, Innovation, and Firm Performance—Empirical Evidence from E-Business in Europe. Research Policy, 37(8): 1317-1328.

Koenker R. 2004. Quantile Regression for Longitudinal Data. Journal of Multivariate Analysis, 91(1): 74-89.

李海舰，田跃新，李文杰. 2014. 互联网思维与传统企业再造. 中国工业经济，（10）：135-146.

Li Haijian, Tian Yuexin, and Li Wenjie. 2014. Mobile Internet Thinking and Traditional Business Reengineering. China Industrial Economics, (10): 135-146.

李强. 2012. 基于地统计的区域气象要素空间插值与分布研究. 资源开发与市场，29（5）：393-395.

Li Qiang. 2012. Spatial Interpolation Method and Spatial Distribution Characteristics of Temperature and Precipitation in South Loess Plateau. Resource Development & Market, 29(5): 393-395.

李文慧，韩惠. 2018. 兰州市商品住宅价格的空间分异规律. 测绘科学，43（2）：45-50.

Li Wenhui, and Han Hui. 2018. Characteristics of Commercial Residential Price Spatial Differentiation in Lanzhou City. Science of Surveying and Mapping, 43(2): 45-50.

李晓宇，陈国卿. 2019. 信息技术投入、技术创新动态能力与企业绩效关系研究. 科技进步与对策，36（16）：100-107.

Li Xiaoyu, and Chen Guoqing. 2019. Research on the Relationship between Information Technology Input, Technological Innovation Dynamic Capabilities and Enterprise Performance. Science & Technology Progress and Policy, 36(16): 100-107.

刘晔，徐楦钫，马海涛. 2021.中国城市人力资本水平与人口集聚对创新产出的影响. 地理科学，41（6）：923-932.

Liu Ye, Xu Xuanfang, and Ma Haitao. 2021. Impact of Human Capital Stock and Population Concentration on Innovative Output in China. Scientia Geographica Sinica, 41(6): 923-932.

Lusch R F, and Nambisan S. 2015. Service Innovation: A Service-Dominant Logic Perspective. MIS Quarterly, 39(1): 155-175.

吕拉昌，李勇. 2010. 基于城市创新职能的中国创新城市空间体系. 地理学报，65（2）：177-190.

Lyu Lachang, and Li Yong. 2010. A Research on Chinese Renovation Urban System Based on Urban Renovation Function. Acta Geographica Sinica, 65(2): 177-190.

吕拉昌，赵彩云. 2021. 中国城市创新地理研究述评与展望. 经济地理，41（3）：16-27.

Lyu Lachang, and Zhao Caiyun. 2021. Review and Prospect of the Urban Innovation Geography of China. Economic Geography, 41(3): 16-27.

Mackinnon D P, Warsi G, and Dwyer J H. 1995. A Simulation Study of Mediated Effect Measures. Multivariate Behav. Res., 30(3): 41.

Polanyi M. 1961. Knowing and Being. Mind, 70(28): 458-470.

Romer P M. 1986. Increasing Returns and Long-Run Growth. Journal of Political Economy, 94(5): 1002-1037.

沈国兵，袁征宇. 2020a. 企业互联网化对中国企业创新及出口的影响. 经济研究，55（1）：33-48.

Shen Guobing, and Yuan Zhengyu. 2020a. The Effect of Enterprise Internetization on the Innovation and Export of Chinese Enterprises. Economic Research Journal, 55(1): 33-48.

沈国兵，袁征宇. 2020b. 互联网化，创新保护与中国企业出口产品质量提升. 世界经济，43（11）：25.

Shen Guobing, and Yuan Zhengyu. 2020b. Internetization, Innovation Protection and the Promotion of Chinese Enterprises' Export Quality. The Journal of World Economy, 43(11): 25.

沈国兵，袁征宇. 2020c. 互联网化对中国企业出口国内增加值提升的影响. 财贸经济，41（7）：130-146.

Shen Guobing, and Yuan Zhengyu. 2020c. The Impact of Internetization on the Increase of Chinese Domestic Value Added in Exports. Finance & Trade Economics, 41(7): 130-146.

沈肇章，陈酉晨. 2020. 财政科技投入、全要素生产率与经济发展不平衡：基于广东省21个地级市面板数据分析. 科技管理研究，40（6）：100-106.

Shen Zhaozhang, and Chen Youchen. 2020. Financial Input of Science and Technology, Total Factor Productivity and Unbalanced Economic Development: Panel Data Analysis Based on 21 Prefectural Cities in Guangdong Province. Science and Technology Management Research, 40(6): 100-106.

施炳展，李建桐. 2020. 互联网是否促进了分工：来自中国制造业企业的证据. 管理世界，36（4）：130-149.

Shi Bingzhan, and Li Jiantong. 2020. Does the Internet Promote Division of Labor? Evidences from Chinese Manufacturing Enterprises. Journal of Management World, 36(4): 130-149.

Sobel M. 1982. Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models. Sociological Methodology, 13(13): 290-312.

孙勇，樊杰，刘汉初，赵腾宇. 2022. 长三角地区数字技术创新时空格局及其影响因素. 经济地理，42（2）：124-133.

Sun Yong, Fan Jie, Liu Hanchu, and Zhao Tengyu. 2022. Spatial and Temporal Pattern of Digital Technology Innovation and Its Influencing Factors in the Yangtze River Delta. Economic Geography, 42(2): 124-133.

汤国安，杨昕. 2012. ArcGIS地理信息系统空间分析实验教程. 2版. 北京：科学出版社.

Tang Guo'an, and Yang Xin. 2012. ArcGIS Spatial Analysis Experiment Tutorial for Geographic Information System.2nd. Beijing: Science Press.

佟家栋，杨俊. 2019. 互联网对中国制造业进口企业创新的影响. 国际贸易问题，（11）：1-15.

Tong Jiadong, and Yang Jun. 2019. The Influence of Internet on Innovation of China's Manufacturing Importers. Journal of International Trade, (11): 1-15.

汪芳，石鑫，赵玉林. 2020. “互联网+”战略，企业异质性与研发投入. 研究与发展管理，32（4）：124-135.

Wang Fang, Shi Xin, and Zhao Yulin. 2020. "Internet+" Strategy, Firm Heterogeneity and R&D Input. R&D Management, 32(4): 124-135.

王缉慈. 1999. 知识创新和区域创新环境. 经济地理，19（1）：12-16.

Wang Jici. 1999. Knowledge-Based Economy and Innovative Milieu. Economic Geography, 19(1): 12-16.

王金杰，郭树龙，张龙鹏. 2018. 互联网对企业创新绩效的影响及其机制研究——基于开放式创新的解释. 南开经济研究，（6）：170-190.

Wang Jinjie, Guo Shulong, and Zhang Longpeng. 2018. The Impact of the Internet on the Performance and Mechanism of the Enterprise Innovation: An Explanation Based on Open Innovation. Nankai Economic Studies, (6): 170-190.

王如玉，梁琦，李广乾. 2018. 虚拟集聚：新一代信息技术与实体经济深度融合的空间组织新形态. 管理世界，34（2）：13-21.

Wang Ruyu, Liang Qi, and Li Guangqian. 2018. Virtual cluster: A New form of Spatial Organization with the Deep Integration of New Generation Information Technology and Real Economy. Journal of Management World, 34(2): 13-21.

王文娜，刘戒骄，张祝恺. 2020. 研发互联网化、融资约束与制造业企业技术创新. 经济管理，42（9）：127-143.

Wang Wenna, Liu Jiejiao, and Zhang Zhukai. 2020. R＆D Internetization, Financial Constraints and Technological Innovation of Manufacturing Enterprises. Business and Management Journal, 42(9): 127-143.

吴康敏，叶玉瑶，张虹鸥，何祖欣，王翔宇，郑志军. 2022. 粤港澳大湾区战略性产业技术创新的地理格局及其多样性特征. 热带地理，42（2）：183-194.

Wu Kangmin, Ye Yuyao, Zhang Hong'ou, He Zuxin, Wang Xiangyu, and Zheng Zhijun. 2022. The Geographical Pattern and Diversity of Strategic Industry Technological Innovation in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 42(2): 183-194.

温忠麟，张雷，侯杰泰，刘红云. 2004. 中介效应检验程序及其应用. 心理学报，36（5）：614-620.

Wen Zhonglin, Zhang Lei, Hou Jietai, and Liu Hongyun. 2004. Testing and Application of the Mediating Effects. Acta Psychologica Sinica, 36(5): 614-620.

温忠麟，侯杰泰，张雷. 2005. 调节效应与中介效应的比较和应用. 心理学报，（2）：268-274.

Wen Zhonglin, Hou Jietai, and Zhang Lei. 2005. A Comparison of Moderator and Mediator and Their Applications. Acta Psychologica Sinica, (2): 268-274.

肖静华，吴小龙，谢康，吴瑶. 2021. 信息技术驱动中国制造转型升级——美的智能制造跨越式战略变革纵向案例研究. 管理世界，37（3）：161-179，225，11.

Xiao Jinghua, Wu Xiaolong, Xie Kang, and Wu Yao. 2021. IT-Driven Transformation of Chinese Manufacturing: A Longitudinal Case Study on Leap-Forward Strategic Change of Midea Intelligent Manufacturing. Journal of Management World, 37(3): 161-179, 225, 11.

叶雷，曾刚，曹贤忠，周灿. 2019. 中国城市创新网络模式划分及效率比较. 长江流域资源与环境，28（7）：1511-1519.

Ye Lei, Zeng Gang, Cao Zhongxian, and Zhou Can. 2019. Taxonomy of Innovation Network Patterns and Comparison of Innovation Efficiencies of Chinese Cities. Resources and Environment in the Yangtze Basin, 28(7): 1511-1519.

叶玉瑶，王翔宇，许吉黎，张虹鸥，刘郑倩，孙嘉仪，卢秦. 2022. 新时期粤港澳大湾区协同发展的内涵与机制变化. 热带地理，42（2）：161-170.

Ye Yuyao, Wang Xiangyu, Xu Jili, Zhang Hong'ou, Liu Zhengqian, Sun Jiayi, and Lu Qin. 2022. The Connotation and Mechanism Changes of Coordinated Development of the Guangdong-Hong Kong-Macao Greater Bay Area in the New Period. Tropical Geography, 42(2): 161-170.

Yoo Y, Boland R J, Lyytinen K, and Majchrzak A. 2012. Organizing for Innovation in the Digitized World. Organization Science, 23(5): 1398-1408.

张杰，周晓艳，李勇. 2011. 要素市场扭曲抑制了中国企业R&D?. 经济研究，46（8）：78-91.

Zhang Jie, Zhou Xiaoyan and Li Yong. 2011. Does Factor Market Distortion Barrage Chinese Firms' R＆D?. Economic Research Journal, 46(8): 78-91.

张骞，李长英. 2019. 信息化对区域创新绩效的直接效应和间接效应——兼论人力资本非线性中介作用. 现代经济探讨，（2）：113-121.

Zhang Qian, and Li Changying. 2019. Direct and Indirect Effects of Information on Regional Innovation Performance: Also on the Nonlinear Intermediary Role of Human Capital. Modern Economic Research, (2): 113-121.

张旭亮，史晋川，李仙德，张海霞. 2017. 互联网对中国区域创新的作用机理与效应. 经济地理，37（12）：129-137.

Zhang Xuliang, Shi Jinchuan, Li Xiande, and Zhang Haixia. 2017. The Mechanism and Effect of the Internet on Regional Innovation in China. Economic Geography, 37(12): 129-137.

赵宸宇，王文春，李雪松. 2021. 数字化转型如何影响企业全要素生产率. 财贸经济，42（7）：114-129.

Zhao Chenyu, Wang Wenchun, and Li Xuesong. 2021. How Does Digital Transformation Affect the Total Factor Productivity of Enterprises?. Finance & Trade Economics, 42(7): 114-129.

中国互联网协会. 2020. 中国互联网发展报告（2020）. 北京：2020年中国互联网大会.[ Internet Society of China. 2020. China Internat Report 2020. Beijing: China Internet Conference 2020.]

中国科技发展战略研究小组，中国科学院大学中国创新创业管理研究中心. 2022. 中国区域创新能力评价报告2021. 北京：科学技术文献出版社.

The National Research Center of Science and Technology for Development and Chinese Academy of Sciences Research Center of Innovation and Entrepreneurship University. 2022. Report on China's Regional Innovation Capacity Assessment 2021. Beijing: Scientific and Technological Literature Publishing House.

中华人民共和国科学技术部. 2017. “十三五”先进制造技术领域科技创新专项规划. （2017-04-14）[2023-02-10]. http://www.gov.cn/xinwen/2017-05/02/content_5190479.htm.

Ministry of Science and Technology of the People´s Republic of China. 2017. 13th Five-Year Plan for Science and Technology Innovation in Advanced Manufacturing Technology Field. (2017-04-14) [2023-02-10]. http://www.gov.cn/xinwen/2017-05/02/content_5190479.htm.

Options
Outlines

/

〈 〉