数字经济、劳动力流动与企业创新.pdf

科学与管理SCIENCE AND MANAGEMENT2023 年 8 月Aug.2023第 43 卷 第 4 期Vol.43 No.4数字经济、劳动力流动与企业创新朱冰洁，陈进（上海理工大学管理学院，上海200093）摘要：将数字经济、劳动力流动与企业创新纳入同一框架，利用20152019年沪深A股上市公司的相关数据，建立相关实证模型检验了数字经济和劳动力流动对企业创新的影响效果及路径。研究结果表明：数字经济和劳动力流动都有助于提升企业创新能力，并且数字经济与劳动力流动交互同时激励着企业创新，在一系列稳健性检验后这一结论仍然成立。根据中介效应结果表明：劳动力流动推动企业创新主要通过影响知识网络的流动的方式，对研发投入路径的影响效应不显著；而数字经济则是通过影响研发投入来影响企业创新。此外，当企业在不同的生命周期内时，数字经济和劳动力流动的创新效应不尽相同，其中处于初创期和成熟期的企业受到数字经济和劳动力流动的边际效应更强。关键词：数字经济；劳动力流动；企业创新；影响机制中图分类号：F241；F273；F49文献标识码：ADOI：10.3969/j.issn.1003-8256.2023.04.0030引言数字经济是以数字化信息作为关键要素、以数字驱动作为基础特征、数字技术作为内部核心，得以重构形成的新型经济形态。如今，以大数据、云计算、区块链、物联网等为代表的新兴数字信息技术持续旺盛的发展，依据中国信息通信研究院发布的历年 中国数字经济发展白皮书 报告显示，2012年中国数字经济规模仅为11万亿元，而2020年数字经济的发展规模达到了39.2万亿元，占GDP比重的38.6%，通过上述数据可以看出我国近几年数字经济发展迅速，并且正成为推动经济发展变革的核心推动力。在数字经济的不断影响下，我国劳动力市场也随之发展起来，一些城市凭借着相关产业，积极利用数字经济所具有的开放、灵活、自由等特征，成为劳动力流动的新方向1。在数字经济的时代背景下，新型经济形态所创造出来的新兴就业领域与就业形势，为改善劳动力流动运行环境、促进经济交融与助力打造新发展格局提供了新方向与新动力。随着我国逐步放开限制人口流动政策，跨区域、跨行业流动的农村劳动力推动了经济社会的快速发展，农村居民收人提高、城乡差距缩小2。众多研究结果指出，劳动力的流动在城镇化过程中起重要的推动作用3。然而，由于我国的户籍制度使我国劳动力无法自由流动，严重影响了中国城镇化进程4。此外，2018年以来，各地出台相关的政策为吸引和留住人才提供方案；国务院在2020年3月发布了 关于构建更加完善的要素市场化配置体制机制的意见，尤其关注了生产要素中的劳动力要素，提出要引导劳动力要素合理畅通有序地进行流动。上述国家级重要文件为中国经济在未来一段时期内如何走好高质量发展之路指明了方向与提供了道路，其中一条重要的方式就是要以完善要素市场化配置机制为基础方式，为激励企业提升技术创新水平提供稳固的支柱，从而实现经济的高质量发展5。现如今，处于鼓励实体公司创新的背景下，数字经济的发展促进了数字信息技术在实体公司与市场中的应用，数字信息技术平台聚集了各种要素的信息，不仅优化了创新程序，而且拓宽了要素流动的渠道，减少了信息不对称，减少了劳动力要素流动的成本，促进了劳动力的流动。基于此背景，本文利用搜集到的企业与年份数据，集中分析了数字经济对企业创新发展的影响，深入探究数字经济的影响机制及最终成效。并创新性地考虑劳动力流动在数字经济影响企业创新路径中的具体作用，利用中介效应模型，进一步对数字经济和劳动力流动影响企业创新的途径及效果进行了分析。本文的研究贡献主要有以下三个方面：第一，从研究视角来说，现有文章从财政分权、市场整合、数字金融基金项目：2020年上海市哲学与社会科学一般项目（2020JG016-BJB560）作者简介：朱冰洁（1999），女，江苏扬州人，硕士研究生，研究方向：劳动经济学；陈进（1967），女，江西赣州人，博士，副教授，研究方向：企业管理，劳动经济学。第 4 期等角度对数字经济促进企业创新进行了研究，本文创新性地引入劳动力流动，对数字经济领域和劳动力流动激励企业创新研究的学术文献进行了补充。第二，从研究方法来说，引入了交乘项方法与中介效应，通过研发投入和知识资本两个变量，深入研究了影响机制，为促进数字经济与劳动力市场的融合提供了实证依据。第三，从研究意义来说，研究结论不仅有助于理解数字经济的运行机制，也为构建促进国内国际双循环提供了可实行路径。1文献综述1.1数字经济与企业创新随着数字信息技术的进步，数字技术正以新理念、新模式、新业态全面融入人类经济、政治、社会等各建设领域，不仅打破了内外部的信息隔膜，而且优化了企业资源的配置，从而引导数字要素流动。以物联网、大数据等数字信息技术为代表的数字经济促进了新技术产品的产生与新经营模式的诞生，数字经济的不断发展持续深入助力企业提高了创新水平进而带动了经济发展6。数字经济凭借去中心化的网络效应特点，不仅通过整合数据信息资源创造了新型在线网络市场，信息化了市场的运行方式，还突破了传统市场的地域限制、拓宽了要素市场的现有边界，进而为要素流动、生产方式优化等提供支持，为资源的相互结合提供了优化空间7。数字经济发展影响企业创新的作用机制表现在：其一，通过外部环境施压。其二，平台效应机制。其三，技术溢出效应机制与要素驱动效应机制8。许多公共创新信息平台为企业提供特定的资源来解决受业务规模和生产要素等因素限制的业务需求，并利用平台提供的方式来降低公司创新的风险9。数字技术的应用，降低了企业与市场间的信息不对称与信息摩擦，更具靶向性地支持企业技术创新活动，有效驱动企业去杠杆和提升财务稳定性，提高了企业创新决策的科学性和适用性10。数字经济提高要素的市场流动性主要是通过将生产要素数字化处理，基于互联网与大数据技术实现精准化、差异化渠道管理来降低市场的竞争性，提高了要素配置效率，减少了创新成本，从而促进企业创新11。数字经济还具有跨界融合的特征，促进企业创新与产研学相结合以推动创新的研发与深入探究合作，减少了信息不对称，提高了市场的信息共享度12。另一方面，众多信息技术企业基于资源共享，开始尝试跨界经营，从而促进了企业创新13。1.2数字经济与劳动力流动根据人口迁移定律，长途迁移的主要目的是改善他们的生活环境和经济状况14。新经济地理模型指出，劳动力的流动总是指向具有更高工资和更多就业机会等特征的地区。数字经济能够推进创新创业水平的提高，从而增加流动人口的就业机会和提高收入水平，提升个人发展空间和生活水平，进而促进劳动力流入。以数字技术为代表的数字经济突破了固化的劳动抉择，给劳动者更多的就业选择，并且提高了资源配置效率15。劳动力更倾向于选择可以有助于带来更大前景和更高薪水的工作。伴随着数字经济的深入，劳动力市场产生的溢出效应不仅创造出了适合低技能劳动力的工作岗位，并且推动提高他们的收入16。一方面，以技术创新为基础的数字经济有助于劳动力提升生产力，从而增加他们的工资收入17；另一方面，以信息技术为特征的数字经济激发了创业积极性，从而创造了更多的就业机会18。提高城市的创新创业水平也将有助于提高城市对劳动力的吸引力，从而促进区域的创业水平19。数字经济通过信息共享，了解大众对产品的多样化需求，帮助创业者获取相关信息以改进产品，从优化产品信息的匹配和跟进产品升级的需求等方面，提高了城市创业活跃度20，从而为流动人口带来更多的就业机会以吸引劳动力流入。1.3劳动力流动与企业创新劳动力流动是劳动者工作地点和工作类型发生变化的过程21-22。知识人才型劳动力的流动不仅加快知识传播的速率，同时也在进一步创造新的知识，进而导致知识网络的重新融合23。地区间的知识转移还会因企业间的研发人员的流动而发生，从而引起知识网络的进一步改变，并且此类知识转移依赖当地劳动力在企业间的人际关系网络24。有学者基于瑞典数据，研究发现劳动力的流动还会造成原有知识网络的变化。具体表现为劳动力流动性的增大，增加了现有知识储备25。作为企业得以正常运营的重要组成部分之一，企业创新活动不可避免地受到劳动力要素流动的影响。有研究利用内生增长模型和知识生产函数进行研究，进而发现劳动力要素成本的上升会使得企业为了改善运营条件与环境从而依赖于加强发明创造26。有学者研究发现跨区域的劳动力流动比区域内的劳动力网络变化对企业创新的影响更加重要27，这意味着劳动力流动性越强，劳动力自身的知识资本也伴随着流动，进而越能促进知识资本的扩散，促使企业提升创新水平。随着限制劳动力流动政策的改变，地区间的发展差距拉大，由中西部地区劳动力向东部地区的流动引起28。然而，由于地方政府通过行政手段限制了资源的自由流入与流出，导致了要素的流动性差以及创新带来的经济效益低，经济创造价值与创造成本不匹配，打击了企业的创新积极性29。但是劳动力流动对重新配置区域间资源数字经济、劳动力流动与企业创新21科学与管理2023 年及提升区域的创新能力具有显著作用，并给周边地区带来虹吸效应与溢出效应30。综上，关于数字经济、劳动力流动与企业创新的既有研究在一定程度上保留在两者间的理论分析和定性研究的层面，劳动力流动是否在数字经济背景下激励企业创新的影响作用尚未有学者进行深入探讨，本文基于此选择了全新的研究方式，通过从劳动力流动的视角切入进而展开相关研究，具体分析数字经济如何对企业创新产生影响。2研究设计2.1模型设定首先，为考察数字经济对企业创新具体影响与效应，构建如下模型：Iteit=0+1Dept+2CVsit+3Year+it（1）其中，Iteit为企业创新变量，Dept为数字经济发展变量，CVsit为控制变量，具体变量定义见下文叙述；Year为年份控制变量，it为随机误差项，i、t和p分别表示企业、年份与省份。其次，为进一步考察劳动力流动是否在数字经济背景下激励了企业创新，在模型（1）中引入交互变量DeptLmpt，据此考察数字经济与劳动力流动交互作用于企业创新的效果，以明确劳动力流动是否影响了数字经济激励企业创新，具体模型为：Iteit=0+1Dept+2Lmpt+3Dept Lmpt+4CVsit+5Year+it（2）其中，Lmpt为劳动力流动指标，其余变量定义同模型（1）一致。另外，考虑到个体效应等影响因素，并将年份控制变量调整在时间效应内，最终，得出本文基本模型：Iteit=0+1Dept+2Lmpt+3Dept Lmpt+4CVsit+it+it+it（3）在式（3）中，和分别表示个体效应和时间效应。为考察数字经济和劳动力流动分别对企业创新的具体影响机制，引入中介变量Mev，构建模型（4）和模型（5）中介模型考察两者与企业创新间的具体传导路径，进行中介效应检验。Mevit=0+1Dept+2Lmpt+3CVsit+it+it+it（4）Iteit=0+1Dept+2Lmpt+3Mevit+4CVsit+it+it+it（5）2.2数据来源本文基于20152019年中国31个省、自治区、直辖市（不含港澳台）的面板数据展开实证研究，选取中国沪深A股上市企业年度数据作为研究基础，并且为提升数据可行性，保证样本数据的完整性，剔除上述样本数据中被ST、*ST、PT标记及退市的企业以及主要变量缺失的企业，并且对连续变量进行1%和99%分位的极端缩尾处理。企业创新、数字经济和劳动力流动等部分区域性数据来源于CSMAR数据库和WIND数据库、企业年报、国家统计局以及相关统计年鉴，经过处理后，最终样本为1 679家企业，共7 464个平衡面板观测值。2.3变量定义2.3.1被解释变量企业创新（Ite），对于企业创新指标的衡量依据中国统计年鉴中的专利申请数据，主要基于以下考虑：数据完整性更好，如果采用中国工业企业数据库中的专利数据来衡量企业创新，样本量将大量减少；数据可靠性更高，专利数据是对企业创新行为的准确考量，而“新产品产值”之类的数据，主要来源于企业的自主汇报，存在高估的可能，因此数据可靠性更强。并且考虑到专利授权可能存在一定的时滞性，因此主要采用专利申请信息来衡量企业创新指标。此外，本文将获得的相关企业的专利申请数据加1并取对数处理以此来消除异方差扰动带来的相关问题。2.3.2解释变量数字经济（De）是第一个核心解释变量，借鉴黄群慧等31和赵涛等20的做法，从互联网普及率、相关从业人员情况、相关产出情况、移动电话普及率和数字普惠金融指数五个指标入手，数字普惠金融指数来源于北京大学数字普惠金融指数，并且使用主成分分析的方法，将以上五个指标的数据标准化后进行降维处理，根据指标权重，最终综合算出我国各省区市的数字经济指标。劳动力流动（Lm）是第二个核心解释变量。考虑到数据的可得性，参考Hu32、赵德昭等33、曾龙等34和刘军35的做法，采取（年末总人口-前一年末总人口-前一年末总人口人口的自然增长率）/年末总人口来反映劳动力转移率。2.3.3控制变量为控制其他变量对主要解释变量的影响，从企业和宏观地区层面加入可能影响企业创新的控制变量。选取企业自身特征和各地区经济发展水平作为控制变量。具体包括：企业年龄（Age），用企业成立年份与样本年份之差的对数来衡量；企业规模（Size），采用企业年总资产数据，对其取自然对数来衡量；企业资产负债率（Lev），用年末总负债与年末总资产的比值来表示；总资产净利润率（Roa），用净利润与总资产的平均余额的比值来表示；现金流比率（Cashflow），用经营活动产生的现金流量净额与总资产的比值来表示；托宾Q值（Tobin Q），用流通股市值、非流通股股份数与每股净资产的乘积和负债账面值的总和与总资产的比值计算。经济发展水平22第 4 期（Regdp），用区域年度人均GDP取对数表示。2.3.4中介变量一是研究投入（Rd）。数字技术的应用，降低了企业与市场间的信息不对称与信息摩擦，减少了由于信息不匹配而产生的额外支出，更具靶向性地支持企业技术创新活动，从而使企业得以增加研究投入。借鉴杨艳萍和王林鑫36的研究，研发投入使用企业的研发投入与营业收入的比值衡量，并且此指标计算出的值越大，表示企业的研发投入越多，反之则研发投入越少。二是知识资本（Kc）。劳动力的流动不仅加快知识传播的速率，同时也在进一步创造新的知识，地区间的知识转移会因企业间的研发人员的流动而发生，因此劳动力流动带动了知识网络的流动，为企业奠定了一定的创新知识基础。借鉴Fischer37和汪辉平等38的研究方法，知识资本使用人均专利申请数来表示，即用当地专利申请的总数除以当地总人数对各省区市知识资本进行衡量，知识资本计算出的值越大，表示当地劳动力的知识资本越多，反之则知识资本越少。表1为主要变量的描述性统计结果，从企业创新指标数据上看，企业创新指标值最大值为13.6，最小值为8.907，均值为11.86，表明不同企业的创新指标间存在均较大差距。数字经济变量的负值表示该地区的数字经济水平低于平均水平，并且劳动力流动变量的负值表示劳动力主要是从此地流出，而正值表示了劳动力的流入。最后，为了避免数据出现多重共线性问题，对上述变量的数据进行了方差膨胀因子（VIF）检验，检验的结果显示基础变量数据的方差膨胀因子（VIF）皆小于10，说明研究数据不存在严重的多重共线性问题。并且由于本文所建立的模型为面板数据模型，所以在进行实证分析前，需要对采用的分析方法进行判断。为了辨明所需使用的分析方法是随机效应模型还是固定效应模型，故而对数据进行了豪斯曼检验，结果显示选取固定效应模型进行回归分析更为合适。3实证分析3.1基准回归结果分析表 2 报告了数字经济对企业创新影响、劳动力流动对企业创新的影响以及数字经济与劳动力流动交互对企业创新的影响的模型实证检验结果。具体来说，列（）显示的是数字经济对企业创新的影响，列（）显示的是劳动力流动对企业创新的影响，列（）为交互项数字经济和劳动力流动对企业创新的影响。依据表2报告的结果可以得出，列（）中，数字经济的系数为0.060，并且在1%的水平下显著，表明数字经济对企业创新有正向的激励效应。列（）中，劳动力流动的系数表1描述性统计变量IteDeLmAgeSizeLevRoaCashTobin QRegdpKcRdN7 4647 4647 4647 4647 4647 4647 4647 4647 4647 4647 4647 464Mean11.861.9240.001 703.02022.810.4770.040 50.048 61.95311.230.000 9193.335334std1.1591.4920.005 580.2731.6650.2160.05780.07261.6100.4370.000 6563.445859min8.097-0.067 9-0.010 62.19719.650.066 9-0.192-0.1950.83310.300.000 051 80.01max13.606.6140.025 33.52628.550.9410.2110.24811.8512.010.002 3721.29表2数字经济、劳动力流动对企业创新的影响DeLmDeLmConstant样本量R2Year控制变量F 统计量（）Ite0.060*（4.32）13.808*（23.61）74640.711YES控制582.8（）Ite2.646*（6.00）13.224*（24.28）74640.714YES控制524.8（）Ite0.052*（3.85）2.630*（4.18）0.414*（2.34）13.609*（23.74）74640.715YES控制630注：括号内为 t值；*、*、*分别表示 1%、5%、10%的显著性水平，下同。为2.646，并且在1%的水平下显著，表明劳动力流动对企业创新的提升具有积极作用。同时，列（）中显示，数字经济和劳动力流动交叉项系数均显著为正，数字经济与劳动力流动的交互变量系数为0.414，并且也在1%的水平下显著。这个结果表明了数字经济与劳动力流动两者间的交互项同时也激励了企业创新。并且从两者融合的现实意义来看，劳动力流动在数字经济发展中不断的贯穿，促进企业技术创新。劳动力流入越强的地区，越有助于发挥数字经济激励企业的创新效应。数字经济、劳动力流动与企业创新23科学与管理2023 年3.2中介效应分析前面研究表明，数字经济与劳动力流动促进提高了企业创新水平，但对于促进企业创新的内部传导机制与路径仍然比较模糊，因此为了进一步明确劳动力流动与数字经济促进企业创新的影响途径，本文借鉴侯世英等6的中介效应分析流程，把研发投入和知识资本作为中介变量进行中介效应检验。表3为劳动力流动对企业创新影响的传导机制检验结果，表4为数字经济对企业创新影响的传导机制检验成果。表3劳动力流动对企业创新影响的传导机制LmKcRdYear控制变量样本量R2（）Ite2.646*（6.00）YES控制7 4640.714（）Kc0.008*（21.71）YES控制7 4640.527（）Ite0.843*（1.80）216.814*（13.65）YES控制7 4640.750（）Rd0.739（0.16）YES控制7 4640.079（）Ite2.630*（5.89）0.004*（1.98）YES控制7 4640.727表3报告了劳动力流动对企业创新影响的传导机制模型实证结果，列（）至列（）的实证结果分别表示了知识资本中介效应的检验结果，依照中介效应的实证检验步骤，首先，需要检验解释变量劳动力流动对被解释变量企业创新的系数是否显著，然后，需要检验解释变量劳动力流动对中介变量知识资本的系数是否显著，若两者检验结果都显著则继续，反之则停止。检验结果报告展示于表3列（）和表3列（），可见劳动力的流动对企业创新影响的系数在1%的显著性水平上显著；并且劳动力流动对知识资本的影响也在1%的显著性水平上显著。最后，进一步检验解释变量劳动力流动和中介变量知识资本对被解释变量企业创新的系数是否显著。检验结果见表3列（），可见劳动力流动和知识资本变量的系数都显著，且列（）的劳动力流动系数小于列（），说明劳动力流动对企业创新直接影响之外，部分的影响结果是通过中介变量知识资本的中介效应表现出来的。由于列（）中劳动力流动并未对中介变量研究投入展现显著作用，说明在劳动力流动的创新影响中，研发投入的中介效应并不显著，而是主要通过影响知识资本的流动进而影响企业创新。这是因为劳动力的流动与企业的研发投入并未有直接影响关系，而劳动力的流动则是直接带动了知识资本的流动并作用于激励企业创新。表4数字经济对企业创新的影响机制DeRdKcYear控制变量样本量R2（）Ite0.060*（4.32）YES控制7 4640.711（）Rd0.327*（9.05）YES控制7 4640.037（）Ite0.050*（2.99）0.004*（1.97）YES控制7 4640.725（）Kc0.0003*（12.42）YES控制7 4640.541（）Ite-0.025*（-1.66）227.254*（14.27）YES控制7 4640.750表4报告了数字经济对企业创新影响的传导机制模型实证结果，列（）至列（）的实证结果分别表示了研发投入的中介效应的检验结果，其中数字经济和研发投入变量的系数在三个阶段都在1%的显著水平上显著，通过了显著性检验，并且列（）中数字经济变量系数小于列（），表明研发投入在数字经济对企业创新指标的影响中具有部分中介效应。同理，列（）和列（）展示了知识资本的中介效应检验结果，其中数字经济和知识资本各阶段都具有显著性，并且列（）中数字经济变量的系数小于列（），但是列（）的数字经济系数小于0，表明知识资本在数字经济影响企业创新的效果中并为呈现增强的效果，即是知识资本阻碍了数字经济促进企业创新的进程。这是因为知识资本越高的劳动力，越不被制约于数字经济，数字经济则主要是通过企业与经营环境层面的特征来激励企业创新，因而数字经济并未通过影响知识资本的途径促进企业创新。据此可以推断出数字经济对企业的创新激励效应主要是通过促使企业增加研发投入以实现的。3.3进一步研究前文主要分析了数字经济、劳动力流动对企业创新的影响，企业的生命周期特征是企业创新水平的关键要素之一，考虑到处于不同生命周期的企业对创新的投入与依赖性存在较大差异，据此，为了进一步准确地分析企业的数字经济与劳动力流动的激励创新效应是否受到企业自身发展特征的异质性影响，根据企业生命周期理论，选取企业经营相关的现金流：经营投入净额、投资投入净额、筹资投入净额三类现金流净额数据，并利用符号模式法来划分企业生命周期：将三组现金流净额的24第 4 期正负符号相组合，用以划分7 464个企业生命周期分别处于初创期、成熟期、衰退期和淘汰期四个阶段。数字经济和劳动力流动是否对处于不同生命周期内的企业创新激励效应存在显著差异，结果见表5。表5基于企业周期理论的异质性检验DeLmDeLmYear控制变量样本量R2（）Ite0.052*（0.012）1.921*（0.001）0.986*（0.001）YES控制3 5710.720（）Ite0.072*（0.007）3.239*（0.000）0.936*（0.009）YES控制2 3590.734（）Ite0.093*（0.071）5.397*（0.000）-0.379（0.539）YES控制9470.667（）Ite-0.082（0.101）7.021*（0.000）-0.894（0.128）YES控制5870.701表5表明，在企业生命周期的影响下，数字经济和劳动力流动对处于不同阶段的企业创新产生了不同的影响。具体看来，在列（）至列（）的分组对比中，对于处于初创期和成熟期的企业来说，数字经济和劳动力流动对企业创新激励效果表现的更加强烈，主要是因为处于初创期和成熟期的企业具备了较强的创新意识与创新能力和能够化险为夷的实力，并且数字经济和劳动力流动为企业提供了资源匹配供给与创新资源环境，这不仅为企业创新降低了创新成本，还为企业补充了基本资源供给，新增了知识资本的来源，为企业提供新鲜血液，从而促进了企业创新。而当企业处于衰退期和淘汰期时，企业自身在不断竞争的市场中不再具备发展潜力与竞争优势，数字经济和劳动力流动更是加重了企业创新资本与劳动力的流失情况，这些境况在一定程度上使得处于衰退期和淘汰期企业的经营状态不断严峻，进而减少创新投入与人员成本以采取保守型管理制度。此外，由数字经济与劳动力流动的交互变量的系数可以看出，数字经济与劳动力流动对企业创新的激励效应在初创期和成熟期更加显著，表明数字经济进一步优化了劳动力要素市场的流动，助力了初创期和成熟期企业创新能力的提升。3.4稳健性检验本文利用替换解释变量和替换研究方法的方式进行稳健性检验。具体如下：首先替换解释变量：对互联网普及率、相关从业人员情况、相关产出情况、移动电话普及率和数字普惠金融指数等数据采用熵权法构建数字经济综合指数，利用熵权法得出的数字经济综合指数对基准模型进行再检验，检验结果如表6列（）所示，实证分析显示各变量的系数都显著为正，表明基准实证结果仍然稳健。其次替换研究方法：使用混合OLS模型对基础模型进行回归分析，回归结果见表6的列（），结果显示各重要变量的系数依旧显著为正，表明基准实证结果仍然稳健。综上说明，本文的结论不随解释变量测度方法的改变和研究方法的替换而发生实质性变化，在更换解释变量测度方法和研究方法后，“数字经济与劳动力流动激励了企业创新”的基准研究结论仍然保持稳健。表6稳健性检验回归结果DeLmDeLmYear控制变量样本量R2（）Ite0.229*（1.82）2.763*（4.45）0.361*（2.05）YES控制7 4640.715（）Ite0.056*（5.90）2.405*（4.77）0.455*（3.39）YES控制7 4640.9924研究结论与启示4.1研究结论本文以20152019年中国沪深A股上市企业为研究样本采集年度数据，实证检验分析了数字经济、劳动力流动与企业创新之间的影响路径及机制。实证结果表明：（1）数字经济的发展能有效促进企业创新，有助于企业创新水平的提升。（2）数字经济和劳动力流动有利于促进企业创新水平的提升，并且数字经济正向促进了劳动力流动的创新激励。在更换解释变量测度方法、研究方法等进行稳健性检验后，以上结论依然成立。（3）根据中介效应结果表明，数字经济和劳动力流动对企业创新的影响路径存在差异，数字经济通过影响企业研发投入而促进企业创新；而劳动力流动则是通过促进知识资本的流动以促进企业创新。（4）企业的生命周期差异对数字经济和劳动力流动的企业创新效应在初创期和成熟期的边际效应更强，而在衰退期和淘汰期的创新激励数字经济、劳动力流动与企业创新25科学与管理2023 年效应并不明显。4.2对策建议基于上述的实证研究结论，提出以下相关的政策建议：第一，劳动力要素市场应多方面顺应数字经济的发展，与数字经济相融合，构建新型的数字经济与劳动力流动的联合运营的市场机制。一方面利用数字信息技术，加强企业间信息交流，利用数字信息化的技术积极探索企业创新发展的新型模式，利用劳动力流动带来的知识网络的流动，推动劳动力之间的知识融合，进而促进企业创新发展的进程；另一方面，发挥数字信息匹配技术指引要素流动，深入连接技术创新与劳动力之间的关系，进而更好地将劳动力匹配以提升企业创新绩效，为企业创新指标的提升提供持久动力。第二，企业方面要主动营造公司内创新氛围与员工激励制度，加强员工的数字化意识，强调技术创新在企业不同生命周期内的作用，增强企业的核心竞争力，不断推动企业向现代化经营模式转化。第三，政府方面应从多方面支持数字经济的发展，提高我国数字经济治理体系和治理能力现代化水平；优化市场创新环境，并且减少对劳动力流动的限制，降低劳动力流动的门槛，并且分别针对企业创新需求较低和企业创新需求较高的地区，适当的放宽流动政策，从而促进劳动力要素的自由流动，同时出台激励当地企业创新的相关规定，以促进当地公司创新绩效的提升。4.3研究不足与展望虽然本文在理论方面存在一定的贡献，但是仍存在一定的局限。在企业创新水平的测量方面，采用专利申请数量作为基础数据生成企业创新基础变量，虽然能够在一定程度上反映企业创新水平，但是由于创新活动具有复杂性和多样性，并不能完全将企业创新水平反映出来；在劳动力流动的测度方面，由于数据限制，户籍转移法受限于现有统计年鉴的数据，无法测算出全国31个省区市的劳动力流动的数据。因此希望在未来的研究中，能够从投入产出指标等方面，探索创新绩效与劳动力流动的测量方法，并开展相关实证研究。参考文献：1 马述忠，胡增玺.数字金融是否影响劳动力流动？基于中国流动人口的微观视角 J.经济学（季刊），2022，22（1）：303-322.2 汪三贵，孙俊娜.互助资金政策对贫困村劳动力流动的影响：基于5省10县准实验研究的DID分析 J.中国人口 资源与环境，2021，31（2）：140-152.3 胡鞍钢.城市化是今后中国经济发展的主要推动力 J.中国人口科学，2003（6）：5-12.4 梁琦，陈强远，王如玉.户籍改革、劳动力流动与城市层级体系优化 J.中国社会科学，2013（12）：36-59，205.5 张曦，郭淑芬.中国工业技术创新效率的时空特征与动态演进J.统计学报，2021，2（1）：61-70.6 侯世英，宋良荣.数字经济、市场整合与企业创新绩效 J.当代财经，2021（6）：78-88.7 张鹏.数字经济的本质及其发展逻辑 J.经济学家，2019（2）：23-25.8 邱洋冬.数字经济发展如何影响企业创新 J.云南财经大学学报，2022，38（8）：61-81.9 何玉梅.面向数字化转型的科技型中小企业创新激励政策探讨J.中国科技论坛，2021（6）：4-6.10唐松，伍旭川，祝佳.数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异J.管理世界，2020，（5）：52-66，9.11谢莉娟，严玉珊，张昊.互联网与国内区域市场整合：促进还是阻碍？基于空间计量的实证检验 J.产业经济评论（山东大学），2018，17（4）：19-45.12ELLISON G，ELLISON S F.Match quality，search，and the internetmarket for used books R.NBER Working Paper，2018.13赵振.“互联网+”跨界经营：创造性破坏视角 J.中国工业经济，2015（10）：146-160.14RAVENSTEIN E G.The laws of migration J.Journal of the RoyalStatistical Society，1889，52（2）：241-301.15ACEMOGLU D，RESTREPO P.The race between machine andman：implications of technology for growth，factor shares andemployment R.NBER Working Papers，2016.16阎世平，武可栋，韦庄禹.数字经济发展与中国劳动力结构演化J.经济纵横，2020（10）：96-105.17GREENWOOD M J，HUNT G L.Jobs versus amenities in theanalysis of metropolitan migration J.Journal of Urban Economics，1989，25（1）：1-16.18HU F，XU Z Y，CHEN Y Y.Circular migration，or permanent stay?evidence from Chinas rural-urban migrationJ.China EconomicReview，2011，22（1）：64-74.19AUDRETSCH D B，HEGER D，VEITH T.Infrastructure andentrepreneurshipJ.Small Business Economics，2015，44（2）：219-230.20赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展：来自中国城市的经验证据 J.管理世界，2020，36（10）：65-76.21LONG J，FERRIE J.Labour mobilityM.New York：OxfordUniversity Press，2003.22赵峰，星晓川，李惠璇.城乡劳动力流动研究综述：理论与中国实证 J.中国人口 资源与环境，2015（4）：163-170.23赵勇，白永秀.知识溢出：一个文献综述 J.经济研究，2009，44（1）：144-156.24ALMEIDA P，KOGUT B.Localization of knowledge and the mobilityof engineers in regional networks J.Management Science，1999，45（7）：905-917.25FOSTER-MCGREGORN，PSCHLJ.Productivity effects ofknowledgetransfersthroughLabourmobility J.JournalofProductivity Analysis，2016，46（2）：169-184.26林炜.企业创新激励：来自中国劳动力成本上升的解释 J.管理26第 4 期世界，2013（10）：95-105.27BRAUNERHJELM P，DING D，THULIN P.Does labour mobilityfoster innovation？evidence from Sweden C.Proceedings of 15thInternational Conference of the International，2015.28彭国华.技术能力匹配、劳动力流动与中国地区差距 J.经济研究，2015，50（1）：99-110.29黄赜琳，姚婷婷.市场分割与地区生产率：作用机制与经验证据J.财经研究，2020，46（1）：96-110.30虎琳，侯冠宇.劳动力流动对区域创新能力的影响研究 J.中国劳动，2022，445（1）：15-31.31黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验 J.中国工业经济，2019（8）：5-23.32HU J B.Intersectoral migration of agricultural labor force andbusiness cycles in the developing countries Z.Stanford Center forInternational Development Working Paper，2009.33赵德昭，许和连.外商直接投资、适度财政分权与农村剩余劳动力转移：基于经济因素和体制变革的双重合力视角 J.金融研究，2013（5）：194-206.34曾龙，杨建坤.城市扩张、土地财政与农村剩余劳动力转移：来自中国 281 个地级市的经验证据 J.经济与管理研究，2020，41（5）：14-32.35刘军.数字经济对城乡收入差距的影响：“红利”还是“鸿沟”：基于劳动力流动的分析视角 J.河北农业大学学报（社会科学版），2021，23（4）：1-10.36杨艳萍，王林鑫.研发投入对创业板IPO抑价的影响研究 J.管理评论，2021（6）：85-97.37FISCHER M M，SCHERNGELL T，REISMANN M.Knowledgespillovers and total factor productivity：evidence using a spatialpanel data model J.Geographical Analysis，2009，41（2）：204-220.38汪辉平，王增涛，王美霞.知识资本、空间溢出与中国工业全要素生产率 J.山西财经大