企业数字技术创新与新质生产力：理论逻辑与经验证据

doi:10.15936/j.cnki.1008-3758.2026.01.005

摘要/Abstract

摘要：

推动经济高质量发展与双循环格局构建需要着力培育新质生产力，而数字技术创新为加快新质生产力发展提供了新动能。基于2012—2023年A股上市企业微观面板数据，在测度企业数字技术创新能力与新质生产力发展水平的基础上，实证检验了企业数字技术创新对新质生产力的影响效果及其作用机制。研究发现：数字技术创新对新质生产力发展具有正向影响，且该影响主要通过提升数据驱动能力、市场价值创造能力与组织管理能力三条传导机制实现。异质性分析显示，当地区知识产权保护水平更高、行业技术活跃性更强及企业融资约束更低时，数字技术创新的赋能效果更为显著。拓展分析表明，新质生产力对企业高质量发展具有促进作用。

关键词: 数字技术创新, 数据驱动能力, 市场价值创造能力, 组织管理能力, 新质生产力

Abstract:

Promoting high-quality economic development and shaping the dual circulation pattern requires focused efforts on cultivating new quality productive forces. Digital technology innovation provides new momentum for accelerating the development of these new quality productive forces. Based on micro-panel data from A-share listed enterprises from 2012 to 2023， and after measuring corporate digital technology innovation capability and the development level of new quality productive forces， this study empirically examines the impact effect of corporate digital technology innovation on new quality productive forces and its mechanism of action. The research results indicate that digital technology innovation has a positive impact on the development of new quality productive forces， and this positive effect is primarily achieved through three transmission mechanisms： enhancing data-driven capability， market value creation capability， and organizational management capability. Heterogeneity analysis shows that digital technology innovation exhibits stronger empowering effects in regions with higher levels of intellectual property protection， industries with greater technological activity， and enterprises facing lower financing constraints. Extended analysis further indicates that new quality productive forces has a certain empowering effect on the high-quality development of enterprises.

Key words: digital technology innovation, data-driven capability, market value creation capability, organizational management capability, new quality productive forces

中图分类号:

F 273

汤吉军, 王淑瑶, 刘达. 企业数字技术创新与新质生产力：理论逻辑与经验证据[J]. 东北大学学报（社会科学版）, 2026, 28(1): 38-49.

Jijun TANG, Shuyao WANG, Da LIU. Enterprise Digital Technology Innovation and New Quality Productive Forces: Theoretical Logic and Empirical Evidence[J]. Journal of Northeastern University(Social Science), 2026, 28(1): 38-49.

图/表 8

表1 主要变量描述性统计

变量	样本量	均值	标准差	最小值	最大值
NQP	37 894	0.248	0.125	0.033	0.908
DTI	37 894	0.946	1.358	0.000	8.385
SIZE	37 894	22.105	1.331	15.577	28.697
AGE	37 894	2.270	0.538	1.792	3.497
CASH	37 894	0.214	0.153	0.000	0.993
LEV	37 894	0.343	0.154	0.018	0.992
BOARD	37 894	2.178	0.217	1.792	2.773
INDPE	37 894	0.361	0.0165	0.333	0.571
TOP1	37 894	0.343	0.067	0.071	0.770
BOTH	37 894	0.299	0.458	0.000	1.000

表 2 基准回归结果

变量	(1)	(2)	(3)	(4)
DTI	0.011^***	0.004^***	0.019^***	0.004^***
DTI	(9.12)	(4.62)	(12.42)	(4.18)
SIZE			0.010^***	0.011^***
SIZE			(6.18)	(4.68)
AGE			-0.011^***	0.008
AGE			(-3.20)	(1.14)
CASH			-0.076^***	-0.140^***
CASH			(-6.62)	(-17.65)
LEV			-0.135^***	-0.019
LEV			(-9.64)	(-1.56)
BOARD			0.038^***	-0.016^*
BOARD			(3.38)	(-1.86)
INDPE			0.277^**	-0.113
INDPE			(2.09)	(-1.31)
TOP1			-0.198^***	-0.069
TOP1			(-5.02)	(-1.45)
BOTH			-0.002	-0.001
BOTH			(-0.68)	(-0.07)
常数项	0.238^***	0.250^***	-0.016	0.134^*
	(129.42)	(326.79)	(-0.23)	(1.79)
企业固定效应	否	是	否	是
年份固定效应	否	是	否	是
N	37 894	37 220	37 894	37 220
调整后 $R 2$	0.014	0.747	0.065	0.811

表 2 基准回归结果

变量	(1)	(2)	(3)	(4)
DTI	0.011^***	0.004^***	0.019^***	0.004^***
DTI	(9.12)	(4.62)	(12.42)	(4.18)
SIZE			0.010^***	0.011^***
SIZE			(6.18)	(4.68)
AGE			-0.011^***	0.008
AGE			(-3.20)	(1.14)
CASH			-0.076^***	-0.140^***
CASH			(-6.62)	(-17.65)
LEV			-0.135^***	-0.019
LEV			(-9.64)	(-1.56)
BOARD			0.038^***	-0.016^*
BOARD			(3.38)	(-1.86)
INDPE			0.277^**	-0.113
INDPE			(2.09)	(-1.31)
TOP1			-0.198^***	-0.069
TOP1			(-5.02)	(-1.45)
BOTH			-0.002	-0.001
BOTH			(-0.68)	(-0.07)
常数项	0.238^***	0.250^***	-0.016	0.134^*
	(129.42)	(326.79)	(-0.23)	(1.79)
企业固定效应	否	是	否	是
年份固定效应	否	是	否	是
N	37 894	37 220	37 894	37 220
调整后 $R 2$	0.014	0.747	0.065	0.811

表 3 稳健性检验：更换核心变量测度方法

变量	更换解释变量测度方法	更换被解释变量测度方法
变量	NQP （1）	TFP_OLS （2）
PC	0.004^**
PC	（2.16）
DTI		0.006^***
DTI		（4.50）
控制变量	是	是
企业固定效应	是	是
年份固定效应	是	是
N	37 220	37 220
调整后 $R 2$	0.811	0.760

表 3 稳健性检验：更换核心变量测度方法

变量	更换解释变量测度方法	更换被解释变量测度方法
变量	NQP （1）	TFP_OLS （2）
PC	0.004^**
PC	（2.16）
DTI		0.006^***
DTI		（4.50）
控制变量	是	是
企业固定效应	是	是
年份固定效应	是	是
N	37 220	37 220
调整后 $R 2$	0.811	0.760

表 4 稳健性检验：更换样本容量

变量	剔除2015年	剔除2020年	缩小至2015-2023年	剔除信息技术类行业	剔除数字技术创新为0
变量	（1）	（2）	（3）	（4）	（5）
DTI	0.004^***	0.004^***	0.002^***	0.003^***	0.003^**
DTI	（4.01）	（4.04）	（3.00）	（2.98）	（2.42）
控制变量	是	是	是	是	是
企业固定效应	是	是	是	是	是
年份固定效应	是	是	是	是	是
N	34 404	33 031	26 152	34 583	14 360
调整后 $R 2$	0.817	0.802	0.849	0.810	0.863

表 4 稳健性检验：更换样本容量

变量	剔除2015年	剔除2020年	缩小至2015-2023年	剔除信息技术类行业	剔除数字技术创新为0
变量	（1）	（2）	（3）	（4）	（5）
DTI	0.004^***	0.004^***	0.002^***	0.003^***	0.003^**
DTI	（4.01）	（4.04）	（3.00）	（2.98）	（2.42）
控制变量	是	是	是	是	是
企业固定效应	是	是	是	是	是
年份固定效应	是	是	是	是	是
N	34 404	33 031	26 152	34 583	14 360
调整后 $R 2$	0.817	0.802	0.849	0.810	0.863

表5 稳健性检验：排除重大政策干扰、调整固定效应类型和工具变量法

变量	排除重大政策干扰	更强的固定效应	工具变量法
变量	NQP （1）	NQP （2）	DTI （3）	NQP （4）
DTI	0.004^***	0.004^***		0.839^**
DTI	（4.20）	(4.30)		（2.57）
IV			0.002^*
IV			（1.77）
政策干扰	是	否	否	否
控制变量	是	是	是	是
企业固定效应	是	是	是	是
年份固定效应	是	年份 ×省份	是	是
N	37 220	37 220	37 220	37 220
调整后 $R 2$	0.811	0.815	0.163	0.435

表5 稳健性检验：排除重大政策干扰、调整固定效应类型和工具变量法

变量	排除重大政策干扰	更强的固定效应	工具变量法
变量	NQP （1）	NQP （2）	DTI （3）	NQP （4）
DTI	0.004^***	0.004^***		0.839^**
DTI	（4.20）	(4.30)		（2.57）
IV			0.002^*
IV			（1.77）
政策干扰	是	否	否	否
控制变量	是	是	是	是
企业固定效应	是	是	是	是
年份固定效应	是	年份 ×省份	是	是
N	37 220	37 220	37 220	37 220
调整后 $R 2$	0.811	0.815	0.163	0.435

表6 机制检验回归结果

变量	数据驱动能力		市场价值创造能力		组织管理能力
变量	DT_1 （1）	DT_2 （2）	CB_1 （3）	CB_2 （4）	MPO_1 （5）	MPO_2 （6）
DTI	0.961^***	2.339^***	0.165^***	0.070^***	-0.001^**	2.880^***
DTI	（3.62）	（4.54）	（4.93）	（6.87）	（-2.18）	（2.84）
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	37 220	37 220	37 220	37 220	37 220	37 220
调整后 $R 2$	0.835	0.879	0.665	0.251	0.697	0.645

表6 机制检验回归结果

变量	数据驱动能力		市场价值创造能力		组织管理能力
变量	DT_1 （1）	DT_2 （2）	CB_1 （3）	CB_2 （4）	MPO_1 （5）	MPO_2 （6）
DTI	0.961^***	2.339^***	0.165^***	0.070^***	-0.001^**	2.880^***
DTI	（3.62）	（4.54）	（4.93）	（6.87）	（-2.18）	（2.84）
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	37 220	37 220	37 220	37 220	37 220	37 220
调整后 $R 2$	0.835	0.879	0.665	0.251	0.697	0.645

表 7 异质性分析回归结果

变量	地区知识产权保护水平		行业技术活跃性		企业融资约束
变量	产权保护水平较高（1）	产权保护水平较低（2）	高技术行业（3）	低技术行业（4）	融资约束较高（5）	融资约束较低（6）
组间检验P值	0.000		0.000		0.040
DTI	0.005^***	0.000	0.005^***	0.002	0.003	0.003^***
DTI	（4.27）	（0.04）	（3.76）	（1.63）	（1.60）	（3.37）
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	28 570	8 650	10 853	26 366	8 294	28 925
调整后 $R 2$	0.832	0.804	0.805	0.852	0.805	0.838

表 7 异质性分析回归结果

变量	地区知识产权保护水平		行业技术活跃性		企业融资约束
变量	产权保护水平较高（1）	产权保护水平较低（2）	高技术行业（3）	低技术行业（4）	融资约束较高（5）	融资约束较低（6）
组间检验P值	0.000		0.000		0.040
DTI	0.005^***	0.000	0.005^***	0.002	0.003	0.003^***
DTI	（4.27）	（0.04）	（3.76）	（1.63）	（1.60）	（3.37）
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	28 570	8 650	10 853	26 366	8 294	28 925
调整后 $R 2$	0.832	0.804	0.805	0.852	0.805	0.838

表8 拓展分析回归结果

变量	TFP_OLS	TFP_FE	TFP_OP
变量	（1）	（2）	（3）
NQP	0.266^**	0.344^***	0.221^**
NQP	（2.44）	（3.04）	（2.33）
控制变量	是	是	是
企业固定效应	是	是	是
年份固定效应	是	是	是
N	37 220	37 220	37 220
调整后 $R 2$	0.894	0.898	0.864

表8 拓展分析回归结果

变量	TFP_OLS	TFP_FE	TFP_OP
变量	（1）	（2）	（3）
NQP	0.266^**	0.344^***	0.221^**
NQP	（2.44）	（3.04）	（2.33）
控制变量	是	是	是
企业固定效应	是	是	是
年份固定效应	是	是	是
N	37 220	37 220	37 220
调整后 $R 2$	0.894	0.898	0.864

参考文献 39

[1]	习近平在黑龙江考察时强调牢牢把握在国家发展大局中的战略定位奋力开创黑龙江高质量发展新局面［N］.人民日报，2023-09-09（1）.
[2]	王珏.新质生产力：一个理论框架与指标体系［J］.西北大学学报（哲学社会科学版），2024，54（1）：35-44.
[3]	冯永琦，林凰锋.数据要素赋能新质生产力：理论逻辑与实践路径［J］.经济学家，2024（5）：15-24.
[4]	张夏恒，肖林.数字化转型赋能新质生产力涌现：逻辑框架、现存问题与优化策略［J］.学术界，2024（1）：73-85.
[5]	卢江，王煜萍，郭子昂.数字基础设施建设对新质生产力发展的影响［J］.上海经济研究，2024（12）：16-29.
[6]	赵鹏，朱叶楠，赵丽.国家级大数据综合试验区与新质生产力——基于230个城市的经验证据［J］.重庆大学学报（社会科学版），2024，30（4）：62-78.
[7]	宋建，王怡静.企业数字化转型是就业机遇还是替代危机：来自中国上市公司文本分析的证据［J］.中国软科学，2024（4）：131-143.
[8]	Han D， Li M， Lu K. Digital platforms enabling carbon neutral technology innovation： based on market incentives and government constraints［J］. Humanities and Social Sciences Communications， 2025， 12（1）： 1-17.
[9]	Cao G， Duan Y， Edwards J S. Organizational culture， digital transformation， and product innovation［J］. Information & Management， 2025， 62（4）： 104135.
[10]	李静，傅明宸.企业数字化助推劳动配置效率：机制和异质性［J］.西安财经大学学报，2024，37（5）：40-54.
[11]	周鹏，王卓，谭常春，等.数字技术创新的价值——基于并购视角和机器学习方法的分析［J］.中国工业经济，2024（2）：137-154.
[12]	Piccoli G， Rodriguez J， Grover V. Digital strategic initiatives and digital resources： construct definition and future research directions［J］. MIS Quarterly， 2022， 46（4）： 2289-2316.
[13]	Melville N， Kraemer K， Gurbaxani V. Information technology and organizational performance： an integrative model of IT business value［J］. MIS Quarterly， 2004： 283-322.
[14]	陈晓，张鑫奥，王育宝.数字技术创新赋能城市低碳转型路径机制研究［J］.科技进步与对策，2024，41（23）：41-51.
[15]	Ma Z， Wu F. Smart city， digitalization and CO₂ emissions： evidence from 353 cities in China［J］. Sustainability， 2022， 15（1）：1-21.
[16]	杨仁发，杨静.数字技术创新对企业ESG表现影响研究［J］.统计与信息论坛，2024，39（11）：93-104.
[17]	陶锋，朱盼，邱楚芝，等.数字技术创新对企业市场价值的影响研究［J］.数量经济技术经济研究，2023，40（5）：68-91.
[18]	Zhu S， Lv K， Cheng Y. The impact of digital technology innovation on firm performance： based on the corporate digital responsibility perspective［J］. Business Ethics， the Environment & Responsibility， 2025.
[19]	任阳军，田泽，刘超，等.数字化转型如何影响民营能源企业绩效？——来自中国上市企业年报文本识别的经验证据［J］.技术经济，2024，43（1）：41-54.
[20]	刘璐璐.数字经济时代的数字劳动与数据资本化——以马克思的资本逻辑为线索［J］.东北大学学报（社会科学版），2019，21（4）：404-411.
[21]	石虹，余少龙.数据要素集聚如何驱动企业新质生产力发展？［J］.技术经济，2024，43（12）：35-46.
[22]	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.
[23]	王稳华，陆岷峰，朱震.企业数字化转型的外部驱动机制研究：基于战略联盟视角［J］.现代财经（天津财经大学学报），2024，44（3）：69-88.
[24]	张秀娥，王卫，于泳波.数智化转型对企业新质生产力的影响研究［J］.科学学研究，2025，43（5）：943-954.
[25]	杨鹏，刘航，张柳钦，等.税收激励与企业数字技术创新——来自固定资产加速折旧政策的经验证据［J］.财政研究，2023（9）：86-102.
[26]	黄勃，李海彤，刘俊岐，等.数字技术创新与中国企业高质量发展——来自企业数字专利的证据［J］.经济研究，2023，58（3）：97-115.
[27]	赵国庆，李俊廷.企业数字化转型是否赋能企业新质生产力发展——基于中国上市企业的微观证据［J］.产业经济评论，2024（4）：23-34.
[28]	吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）：130-144.
[29]	赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率［J］.财贸经济，2021，42（7）：114-129.
[30]	杨道广，陈汉文，刘启亮.媒体压力与企业创新［J］.经济研究，2017，52（8）：125-139.
[31]	杨国超，张李娜.产业政策何以更有效？——基于海量媒体报道数据与研发操纵现象的证据［J］.经济学（季刊），2021，21（6）：2173-2194.
[32]	Mezzanotti F， Simcoe T. Innovation and appropriability： revisiting the role of intellectual property［R］.Cambridge ：National Bureau of Economic Research， 2023.
[33]	甄红线，王玺，方红星.知识产权行政保护与企业数字化转型［J］.经济研究，2023，58（11）：62-79.
[34]	梁冉，文学国，朱四伟，等.知识产权保护促进了企业创新质量的提升吗？——来自国家知识产权示范城市的准自然实验［J］.科学学与科学技术管理，2024，45（3）：3-20.
[35]	吴超鹏，唐菂.知识产权保护执法力度、技术创新与企业绩效——来自中国上市公司的证据［J］.经济研究，2016，51（11）：125-139.
[36]	苏美丽，刘凤芹.基础研究投入与企业生产率差异：创新与选择效应［J］.经济管理，2022，44（10）：5-21.
[37]	黎文靖，郑曼妮.实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响［J］.经济研究，2016，51（4）：60-73.
[38]	Hottenrott H， Peters B. Innovative capability and financing constraints for innovation： more money， more innovation？［J］. Review of Economics and Statistics， 2012， 94（4）： 1126-1142.
[39]	靳小翠，张素各，程晨.异地研发中心设立对企业创新的影响［J］.中国软科学，2024（2）：134-144.