智能化转型、经济政策不确定性与制造业创新——基于创新动机视角

刘伟; 卢泓方; 于龙振; 姜禹辰

智能化转型、经济政策不确定性与制造业创新——基于创新动机视角

青岛科技大学经济与管理学院，山东青岛 266061

基金项目:

国家社会科学基金一般项目 22BJY040

青岛市社会科学规划研究项目 ODSKL2301157

详细信息

作者简介:
刘伟(1974-)，男，山东莱州人，青岛科技大学经济与管理学院副教授，博士

卢泓方(2000-)，女，山东临沂人，青岛科技大学经济与管理学院研究生

于龙振(1981-)，男，山东莒县人，青岛科技大学经济与管理学院副教授，博士

姜禹辰(1999-)，男，吉林白山人，青岛科技大学经济与管理学院研究生

中图分类号: F016;F27;F425
计量
- 文章访问数: 109
- HTML全文浏览量: 153
- PDF下载量: 22
- 被引次数: 0
出版历程
- 收稿日期: 2024-02-04
- 网络出版日期: 2024-06-15
- 刊出日期: 2024-05-28

Intelligent Transformation, Economic Policy Uncertainty and Manufacturing Innovation: From the Perspective of Innovation Motivation

School of Economics and Management, Qingdao University of Science and Technology, Qingdao 266061, China

摘要

摘要: 智能化转型是推动数实融合、加速制造业创新发展的关键驱动力。采用2015—2022年沪深A股制造业上市企业数据，通过理论分析与实证检验，从创新动机视角出发，考察智能化转型对制造业创新的直接影响效果、经济政策不确定性的间接调节机制及多维度异质性特征。研究结果表明，智能化转型能促进企业创新，且对实质性创新的促进作用更强，该结论经过一系列稳健性处理后保持不变。进一步将智能化转型分为智能化转型广度和智能化转型深度进行分析，发现前者具有促进效应而后者具有抑制效应。机制分析表明，经济政策不确定性在智能化转型和企业创新之间具有调节作用，总体上会弱化智能化转型对企业创新的促进作用，但对谋求长期竞争优势的企业而言，反而能增强智能化转型对实质性创新的促进效果。异质性分析显示，处于生命周期衰退期阶段、高人力资本结构及国有股权性质的样本企业，其智能化转型对创新的促进作用更为显著。因而企业应着眼未来，以实质性创新打造长期竞争优势；政府应稳定政策预期，为企业创新营造良好环境。政企双向奔赴，方能推动制造业的智能化转型向纵深发展。
- 智能化转型 /
- 经济政策不确定性 /
- 企业创新 /
- 制造业 /
- 高质量发展
Abstract: Intelligent transformation is the key driving force to promote the digital-real integration and accelerate the development of manufacturing innovation. Based on the data of listed manufacturing enterprises in Shanghai and Shenzhen A-share markets from 2015 to 2022, this paper investigates the direct impact of intelligent transformation on manufacturing innovation, the indirect regulation mechanism of economic policy uncertainty and the multi-dimensional heterogeneity from the perspective of innovation motivation through theoretical analysis and empirical testing. The findings indicate that intelligent transformation promotes corporate innovation and has a stronger role in fostering substantive innovation. This conclusion is maintained after a series of robustness tests. Intelligent transformation is further analyzed by dividing it into the breadth and the depth of intelligent transformation. In addition, it is found that the former has a facilitating effect while the latter has an inhibiting effect. The mechanism analysis reveals that economic policy uncertainty has a moderating effect between intelligent transformation and enterprise innovation, weakening the facilitating effect of intelligent transformation on enterprise innovation in general; however, it enhances the facilitating effect of intelligent transformation on substantive innovation for enterprises seeking long-term competitive advantage instead. The heterogeneity analysis shows that the promoting effect of intelligent transformation on innovation is more significant for sample enterprises with high-level human capital structure and state-owned equity structure in the decline stage of the life cycle. In conclusion, enterprises should focus on the future and create long-term competitive advantages with substantive innovation. The government should stabilize policy expectations and create a good environment for enterprise innovation. At the same time, both government and enterprises should reach out to each other, to promote in-depth development of intelligent transformation in manufacturing.
- intelligent transformation /
- economic policy uncertainty /
- enterprise innovation /
- manufacturing /
- high-quality development

HTML全文

表 1 变量与测量方式

变量类型	具体变量	变量符号	变量测量
被解释变量	企业创新	inva_total	ln(企业专利申请数量+1)
	实质性创新	inva_subst	ln(企业发明专利申请数量+1)
	策略性创新	inva_strat	ln(企业非发明专利申请数量+1)
解释变量	企业智能化转型	int	ln (年报所含关键词词频总数+1)
控制变量	企业规模	scale	ln(企业资产总额)
	政府补助	sub	ln(政府补助金额)
	企业年龄	age	ln(企业成立年龄+1)
	托宾Q值	tq	市值/净资产
	资产负债率	lev	负债总额/资产总额
	研发投入	invest	ln(企业研发投入金额)
	现金流量水平	cash	经营性现金净流量/营业总收入
	资产收益率	roa	净利润/总资产

下载: 导出CSV

表 2 主要变量的统计特征

变量	均值	标准差	最小值	最大值
inva_total	3.512 8	1.497 3	0	9.405 6
inva_subst	2.514 5	1.509 4	0	8.839 0
inva_strat	2.949 1	1.525 4	0	8.567 7
int	2.738 3	1.082 7	0.693 1	6.349 1
scale	22.220 1	1.212 0	19.612 3	27.621 1
sub	16.842 4	1.419 1	7.600 9	22.425 7
age	2.968 0	0.291 3	1.386 3	4.174 4
tq	2.291 3	1.531 4	0.724 7	23.394 5
lev	0.395 1	0.183 2	0.014 3	1.364 6
invest	18.348 3	1.393 0	7.719 7	23.761 4
cash	0.095 2	0.172 3	-2.506 7	11.386 0
roa	0.048 0	0.075 2	-0.742 6	1.284 8

下载: 导出CSV

表 3 基准回归结果

变量	(1)	(2)	(3)
变量	inva_total	inva_subst	inva_strat
int	0.067 9^***(0.014 1)	0.062 5^***(0.014 3)	0.058 8^***(0.015 1)
scale	0.324^***(0.029 6)	0.335^***(0.030 0)	0.321^***(0.031 9)
sub	0.049 7^***(0.010 0)	0.064 1^***(0.010 1)	0.046 3^***(0.010 8)
age	-0.534^***(0.204)	-0.457^**(0.207)	-0.208(0.220)
tq	0.011 6^*(0.0066 8)	0.012 4^*(0.0067 6)	0.016 2^**(0.0071 8)
lev	-0.102(0.088 9)	-0.189^**(0.090 0)	-0.070 7(0.095 5)
invest	0.235^***(0.017 6)	0.216^***(0.017 8)	0.200^***(0.018 9)
cash	-0.098 6^**(0.044 7)	0.005 86(0.045 2)	-0.126^***(0.048 0)
roa	-0.267^**(0.125)	-0.265^**(0.126)	-0.272^**(0.134)
_cons	-7.370^***(0.844)	-8.753^***(0.854)	-8.080^***(0.906)
N	13 294	13 294	13 294
R²	0.815	0.810	0.797
adj. R²	0.778	0.773	0.756
Firm	是	是	是
Year	是	是	是
注: *、、*分别表示变量系数通过1%、5%、10%的显著性检验。下表同。

下载: 导出CSV

表 4 工具变量法

变量	第一阶段	第二阶段
	(1)	(2)	(3)	(4)
	int	inva_total	inva_subst	inva_strat
slope×year	-0.000 093 1^**(0.000 039 4)
int		1.868^**(0.875)	2.296^**(1.017)	1.695^**(0.849)
_cons	-3.496^***(0.610)	-1.142(3.421)	-0.581(3.977)	-2.622(3.320)
N	13 880	13 880	13 880	13 880
R²	0.823	0.484	0.298	0.535
adj. R²	0.789	0.385	0.164	0.446
控制变量	是	是	是	是
Firm	是	是	是	是
Year	是	是	是	是

下载: 导出CSV

表 5 Heckman两阶段法回归结果

变量	第一阶段	第二阶段
	(1)	(2)	(3)	(4)
	int_dum	inva_total	inva_subst	inva_strat
PLP	4.707 8^***(12.526 8)
int		0.058 0^**(2.507 5)	0.114 0^***(4.615 5)	0.022 5(0.913 2)
IMR		-0.010 0(-0.246 1)	0.046 6(1.076 9)	-0.092 2^**(-2.141 6)
_cons	-0.923 0(-1.121 2)	-8.606 2^***(-8.441 1)	-9.069 9^***(-8.332 4)	-9.050 6^***(-8.336 0)
N	13 294	13 294	13 294	13 294
控制变量	是	是	是	是
Firm	是	是	是	是
Year	是	是	是	是

下载: 导出CSV

表 6 稳健性检验结果

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
变量	inva_total	inva_subst	inva_strat	inva_total	inva_subst	inva_strat	inva_total	inva_subst	inva_strat
int	0.066 3^***	0.062 3^***	0.057 4^***				0.038 6^**	0.043 3^***	0.025 4
	(0.014 1)	(0.014 2)	(0.015 1)				(0.017 3)	(0.016 6)	(0.018 8)
other				0.044 0^***	0.062 9^***	0.027 8^*
int				(0.013 7)	(0.013 8)	(0.014 7)
_cons	-7.105^***	-8.487^***	-7.859^***	-7.275^***	-8.600^***	-8.029^***	-8.992^***	-10.45^***	-9.604^***
	(0.864)	(0.872)	(0.930)	(0.863)	(0.871)	(0.929)	(1.437)	(1.384)	(1.564)
N	13 294	13 294	13 294	13 294	13 294	13 294	7 629	7 629	7 629
R²	0.812	0.806	0.797	0.812	0.806	0.797	0.848	0.854	0.829
adj. R²	0.775	0.767	0.757	0.774	0.767	0.757	0.798	0.806	0.773
控制变量	是	是	是	是	是	是	是	是	是
Firm	是	是	是	是	是	是	是	是	是
Year	是	是	是	是	是	是	是	是	是

下载: 导出CSV

表 7 智能化转型深度和智能化转型广度的回归结果

变量	inva_total		inva_subst		inva_strat
	(1)	(2)	(3)	(4)	(5)	(6)
	智能化深度	智能化广度	智能化深度	智能化广度	智能化深度	智能化广度
depth	-0.090 9^**		-0.044 1		-0.151^***
	(0.040 2)		(0.040 6)		(0.043 2)
width		0.070 7^***		0.054 9^***		0.078 7^***
		(0.016 7)		(0.016 9)		(0.018 0)
scale	0.287^***	0.280^***	0.308^***	0.302^***	0.290^***	0.283^***
	(0.030 1)	(0.030 1)	(0.030 4)	(0.030 4)	(0.032 3)	(0.032 4)
sub	0.054 0^***	0.053 0^***	0.067 6^***	0.066 6^***	0.051 6^***	0.051 0^***
	(0.010 8)	(0.010 8)	(0.010 9)	(0.010 9)	(0.011 6)	(0.011 6)
age	-0.574^***	-0.580^***	-0.497^**	-0.502^**	-0.278	-0.283
	(0.211)	(0.210)	(0.213)	(0.213)	(0.226)	(0.226)
tq	0.006 58	0.006 38	0.008 33	0.008 10	0.014 4^*	0.014 3^*
	(0.007 87)	(0.007 87)	(0.007 95)	(0.007 95)	(0.008 47)	(0.008 47)
lev	-0.077 7	-0.073 2	-0.153^*	-0.149	-0.040 9	-0.037 2
	(0.091 6)	(0.091 6)	(0.092 6)	(0.092 5)	(0.098 6)	(0.098 5)
invest	0.289^***	0.288^***	0.259^***	0.257^***	0.246^***	0.245^***
	(0.019 4)	(0.019 4)	(0.019 6)	(0.019 6)	(0.020 9)	(0.020 9)
cash	-0.195^***	-0.190^***	-0.031 7	-0.0268	-0.282^***	-0.279^***
	(0.069 5)	(0.069 5)	(0.070 2)	(0.070 2)	(0.074 7)	(0.074 7)
roa	-0.299^*	-0.295^*	-0.300^*	-0.297^*	-0.300^*	-0.296^*
	(0.155)	(0.155)	(0.157)	(0.157)	(0.167)	(0.167)
_cons	-7.248^***	-7.173^***	-8.677^***	-8.583^***	-7.885^***	-7.869^***
	(0.864)	(0.863)	(0.873)	(0.872)	(0.930)	(0.929)
N	13 294	13 294	13 294	13 294	13 294	13 294
R²	0.812	0.812	0.806	0.806	0.797	0.797
adj. R²	0.774	0.775	0.767	0.767	0.757	0.757
Firm	是	是	是	是	是	是
Year	是	是	是	是	是	是

下载: 导出CSV

表 8 调节效应检验

变量	(1)	(2)	(3)
变量	inva_total	inva_subst	inva_strat
int	0.065 3^***(0.014 1)	0.064 7^***(0.014 3)	0.052 7^***(0.015 2)
epu	-0.168^***(0.037 5)	-0.149^***(0.038 0)	-0.207^***(0.040 3)
int×epu	-0.017 4^**(0.007 21)	0.014 7^**(0.007 29)	-0.040 4^***(0.007 73)
scale	0.324^***(0.029 6)	0.334^***(0.030 0)	0.321^***(0.031 8)
sub	0.049 6^***(0.010 0)	0.064 2^***(0.010 1)	0.046 0^***(0.010 8)
age	-0.509^**(0.205)	-0.479^**(0.207)	-0.148(0.220)
tq	0.011 0(0.006 68)	0.013 0^*(0.006 76)	0.014 7^**(0.007 17)
lev	-0.094 5(0.088 9)	-0.195^**(0.090 0)	-0.053 3(0.095 4)
invest	0.236^***(0.017 6)	0.215^***(0.017 8)	0.202^***(0.018 8)
cash	-0.096 0^**(0.044 7)	0.003 63(0.045 2)	-0.120^**(0.048 0)
roa	-0.275^**(0.125)	-0.258^**(0.126)	-0.291^**(0.134)
_cons	-7.289^***(0.819)	-8.553^***(0.829)	-8.062^***(0.879)
N	13 294	13 294	13 294
R²	0.815	0.810	0.797
adj. R²	0.779	0.773	0.757
Firm	是	是	是
Year	是	是	是

下载: 导出CSV

表 9 按企业生命周期分组回归

变量	inva_total			inva_subst			inva_strat
	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
	成长期	成熟期	衰退期	成长期	成熟期	衰退期	成长期	成熟期	衰退期
int	0.067 4^***	0.058 9^**	0.102^**	0.060 6^***	0.056 5^**	0.0706^*	0.058 9^***	0.043 3	0.078 9^*
	(0.019 9)	(0.024 7)	(0.040 4)	(0.020 8)	(0.024 4)	(0.040 0)	(0.021 4)	(0.027 0)	(0.041 5)
scale	0.358^***	0.266^***	0.245^**	0.330^***	0.289^***	0.274^**	0.363^***	0.276^***	0.352^***
	(0.045 2)	(0.064 1)	(0.108)	(0.047 2)	(0.063 2)	(0.107)	(0.048 7)	(0.070 0)	(0.111)
sub	0.050 0^***	0.054 7^***	0.066 4^**	0.082 3^***	0.062 0^***	0.052 3^*	0.032 1^*	0.048 8^**	0.054 6^*
	(0.016 1)	(0.019 7)	(0.028 0)	(0.016 8)	(0.019 4)	(0.027 7)	(0.017 4)	(0.021 5)	(0.028 8)
age	-0.200	-0.714^*	-0.651	-0.347	-0.767^*	-0.886	0.337	-0.315	-0.341
	(0.309)	(0.433)	(0.727)	(0.322)	(0.427)	(0.720)	(0.333)	(0.472)	(0.747)
tq	0.010 6	0.022 7^**	-0.003 49	0.014 4	0.019 0^*	0.024 5	0.011 7	0.030 1^**	0.008 59
	(0.011 8)	(0.011 3)	(0.022 2)	(0.012 4)	(0.011 1)	(0.022 0)	(0.012 8)	(0.012 3)	(0.022 8)
lev	-0.147	-0.388^**	0.460^*	-0.188	-0.362^*	0.326	-0.0811	-0.373^*	0.391
	(0.133)	(0.198)	(0.278)	(0.139)	(0.195)	(0.275)	(0.144)	(0.216)	(0.286)
invest	0.229^***	0.185^***	0.229^***	0.254^***	0.128^***	0.187^***	0.186^***	0.157^***	0.208^***
	(0.029 5)	(0.030 7)	(0.051 0)	(0.030 7)	(0.030 3)	(0.050 4)	(0.031 8)	(0.033 5)	(0.052 3)
cash	-0.124^**	0.112	-0.353^**	-0.018 7	0.0157	-0.201	-0.112^*	-0.080 5	-0.413^***
	(0.056 9)	(0.171)	(0.155)	(0.059 4)	(0.168)	(0.154)	(0.061 4)	(0.186)	(0.159)
roa	-0.577^***	-0.396	0.336	-0.497^**	-0.085 6	0.014 9	-0.502^**	-0.556^*	0.178
	(0.216)	(0.262)	(0.315)	(0.225)	(0.258)	(0.312)	(0.233)	(0.286)	(0.323)
_cons	-9.100^***	-4.047^**	-6.656^**	-10.12^***	-4.320^**	-6.318^*	-10.27^***	-5.403^***	-9.912^***
	(1.226)	(1.849)	(3.275)	(1.279)	(1.823)	(3.240)	(1.322)	(2.019)	(3.363)
N	6 332	4 958	2 561	6 332	4 958	2 561	6 332	4 958	2 561
R²	0.853	0.870	0.888	0.843	0.869	0.887	0.838	0.853	0.884
adj. R²	0.780	0.794	0.770	0.766	0.793	0.768	0.758	0.767	0.760
Firm	是	是	是	是	是	是	是	是	是
Year	是	是	是	是	是	是	是	是	是
AME系数组间差异检验^①	-0.057 5^*	0.109 2^**		0.015 8^***	-0.059 5^*		-0.037 9^*	0.093 2^***
AME系数组间差异检验^①	(0.031 2)	(0.043 1)		(0.000 9)	(0.034 0)		(0.021 2)	(0.034 6)
费舍尔组合检验	-0.007	0.004		0.055^**	-0.019		-0.072^***	0.034
费舍尔组合检验	p=0.439	p=0.450		p=0.022	p=0.260		p=0.007	p=0.148

下载: 导出CSV

表 10 按企业人力资本结构分组回归

变量	inva_total		inva_subst		inva_strat
	(1)	(2)	(3)	(4)	(5)	(6)
	高人力资本	低人力资本	高人力资本	低人力资本	高人力资本	低人力资本
int	0.092 3^***	0.055 7^***	0.088 0^***	0.047 2^**	0.075 2^***	0.050 0^**
	(0.020 3)	(0.021 2)	(0.021 0)	(0.021 2)	(0.022 3)	(0.022 6)
scale	0.360^***	0.213^***	0.338^***	0.259^***	0.363^***	0.213^***
	(0.043 7)	(0.046 9)	(0.045 1)	(0.046 8)	(0.047 9)	(0.049 9)
sub	0.064 3^***	0.025 0	0.073 0^***	0.043 9^***	0.056 1^***	0.032 1^*
	(0.015 7)	(0.015 6)	(0.016 2)	(0.015 6)	(0.017 2)	(0.016 6)
age	-0.487	-0.673^**	-0.779^**	-0.140	0.025 4	-0.522
	(0.298)	(0.336)	(0.307)	(0.336)	(0.326)	(0.358)
tq	-0.003 30	0.015 6	0.010 1	0.005 99	0.005 94	0.019 5
	(0.010 3)	(0.013 2)	(0.010 6)	(0.013 2)	(0.011 3)	(0.014 0)
lev	-0.186	0.029 9	-0.195	-0.091 8	-0.087 5	-0.011 3
	(0.128)	(0.143)	(0.132)	(0.143)	(0.141)	(0.152)
invest	0.269^***	0.273^***	0.259^***	0.216^***	0.237^***	0.234^***
	(0.030 4)	(0.027 1)	(0.031 3)	(0.027 1)	(0.033 3)	(0.028 9)
cash	-0.213^**	-0.141	-0.030 6	-0.090 1	-0.281^***	-0.236^*
	(0.088 9)	(0.117)	(0.0917)	(0.117)	(0.097 4)	(0.124)
roa	-0.348	-0.548^**	-0.428^*	-0.289	-0.254	-0.593^**
	(0.213)	(0.242)	(0.220)	(0.241)	(0.234)	(0.257)
_cons	-9.201^***	-4.195^***	-8.799^***	-7.487^***	-10.67^***	-4.416^***
	(1.173)	(1.434)	(1.211)	(1.433)	(1.286)	(1.527)
N	6 898	6 396	6 898	6 396	6 898	6 396
R²	0.836	0.820	0.827	0.804	0.820	0.810
adj. R²	0.792	0.767	0.781	0.746	0.772	0.753
Firm	是	是	是	是	是	是
Year	是	是	是	是	是	是
AME系数组间差异检验	0.048 6^***		0.061 0^**		0.025 9
AME系数组间差异检验	(0.013 1)		(0.028 4)		(0.027 0)
费舍尔组合检验	0.051^***		0.040^**		0.057^***
费舍尔组合检验	p=0.003		p=0.017		p=0.008

下载: 导出CSV

表 11 按企业产权性质分组回归

变量	inva_total		inva_subst		inva_strat
	(1)	(2)	(3)	(4)	(5)	(6)
	国有	非国有	国有	非国有	国有	非国有
int	0.103^***	0.060 2^***	0.122^***	0.048 9^***	0.082 0^**	0.053 9^***
	(0.029 1)	(0.016 2)	(0.029 4)	(0.016 3)	(0.031 9)	(0.017 3)
scale	0.467^***	0.208^***	0.488^***	0.234^***	0.456^***	0.222^***
	(0.060 6)	(0.036 1)	(0.061 1)	(0.036 5)	(0.066 3)	(0.038 8)
sub	0.073 8^***	0.046 1^***	0.070 5^***	0.068 5^***	0.091 0^***	0.035 6^**
	(0.018 0)	(0.013 4)	(0.018 2)	(0.013 6)	(0.019 7)	(0.014 4)
age	0.345	-0.507^**	0.337	-0.265	0.809	-0.373
	(0.476)	(0.250)	(0.481)	(0.253)	(0.522)	(0.268)
tq	-0.008 51	0.010 3	-0.006 69	0.012 4	-0.001 82	0.020 6^**
	(0.017 0)	(0.009 00)	(0.017 2)	(0.009 09)	(0.018 7)	(0.009 66)
lev	0.070 9	-0.076 8	0.031 3	-0.122	0.065 2	-0.051 9
	(0.203)	(0.106)	(0.205)	(0.107)	(0.222)	(0.113)
invest	0.115^***	0.366^***	0.111^***	0.317^***	0.105^***	0.310^***
	(0.031 5)	(0.024 8)	(0.031 7)	(0.025 1)	(0.034 4)	(0.026 6)
cash	-0.011 1	-0.277^***	-0.017 3	-0.071 6	-0.059 0	-0.382^***
	(0.138)	(0.080 8)	(0.139)	(0.081 6)	(0.151)	(0.086 7)
roa	-0.021 5	-0.465^***	0.091 6	-0.474^***	-0.073 5	-0.430^**
	(0.361)	(0.175)	(0.364)	(0.177)	(0.395)	(0.188)
_cons	-11.97^***	-6.596^***	-13.33^***	-8.754^***	-13.72^***	-6.457^***
	(1.924)	(1.213)	(1.941)	(1.226)	(2.107)	(1.302)
N	3 232	10 062	3 232	10 062	3 232	10 062
R²	0.851	0.795	0.860	0.776	0.822	0.789
adj. R²	0.820	0.751	0.832	0.728	0.785	0.743
Firm	是	是	是	是	是	是
Year	是	是	是	是	是	是
AME系数组间差异检验	0.054 9^***		0.096 4^**		0.036 1
	(0.005 6)		(0.040 2)		(0.036 7)
费舍尔组合检验	0.053^**		0.001		0.114^***
	p=0.009		p=0.480		p=0.000

下载: 导出CSV

参考文献(47)

[1]	齐红倩, 张佳馨, 陈苗. 数字普惠金融促进中小企业创新效率研究——基于创新价值链视角[J]. 宏观经济研究, 2023(10): 23-40. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGA202310002.htm
[2]	ACEMOGLU D, PASCUAL R. Robots and jobs: evidence from US labor markets[J]. Journal Of Political Economy, 2020, 128(6): 2188-2244. doi: 10.1086/705716
[3]	刘洋, 韩永辉, 王贤彬. 工业智能化能兼顾促增长和保民生吗?[J]. 数量经济技术经济研究, 2023(6): 69-90. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202306004.htm
[4]	黄志, 程翔. 人工智能对劳动收入水平和收入差距的影响——理论解读与实证检验[J]. 经济理论与经济管理, 2023(1): 78-95. https://www.cnki.com.cn/Article/CJFDTOTAL-JJLL202301006.htm
[5]	林熙, 刘啟仁, 冯桂媚. 智能制造与绿色发展: 基于工业机器人进口视角[J]. 世界经济, 2023(8): 3-31. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202308002.htm
[6]	沈坤荣, 乔刚, 林剑威. 智能制造政策与中国企业高质量发展[J]. 数量经济技术经济研究, 2024(2): 5-25. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202402001.htm
[7]	岳宇君, 顾萌. 制造业企业智能化转型影响企业业绩实证研究[J]. 中央财经大学学报, 2023(2): 114-128. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYCY202302010.htm
[8]	祝树金, 谈晓静, 李丹. 劳动力需求视角下智能化影响制造业价值链攀升的实证研究[J]. 国际贸易问题, 2022(5): 51-68. https://www.cnki.com.cn/Article/CJFDTOTAL-GJMW202205004.htm
[9]	屈小博, 吕佳宁. 机器人应用对企业生产率和创新的效应[J]. 学术探索, 2022(8): 90-99. https://www.cnki.com.cn/Article/CJFDTOTAL-YXST202208011.htm
[10]	睢博, 雷宏振. 工业智能化能促进企业技术创新吗?——基于中国2010—2019年上市公司数据的分析[J]. 陕西师范大学学报(哲学社会科学版), 2021(3): 130-140. https://www.cnki.com.cn/Article/CJFDTOTAL-SXSS202103011.htm
[11]	孟凡生, 徐野, 赵刚. "智能+"对制造企业创新绩效的影响机制研究[J]. 科研管理, 2022(9): 109-118. https://www.cnki.com.cn/Article/CJFDTOTAL-KYGL202209013.htm
[12]	HAUG A, WICKSTRM K A, STENTOFT J, et al. The impact of information technology on product innovation in SMEs: the role of technological orientation[J]. Journal of Small Business Management, 2020(7): 1-27.
[13]	尹洪英, 李闯. 智能制造赋能企业创新了吗?——基于中国智能制造试点项目的准自然试验[J]. 金融研究, 2022(10): 98-116. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202210006.htm
[14]	王磊, 肖倩, 邓芳芳. 人工智能对中国制造业创新的影响研究——来自工业机器人应用的证据[J]. 财经论丛, 2023(9): 14-24. https://www.cnki.com.cn/Article/CJFDTOTAL-CJLC202309002.htm
[15]	邓悦, 蒋琬仪. 智能化转型何以激发企业创新?——基于制造业劳动力多样性的解释[J]. 改革, 2022(9): 108-122. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO202209009.htm
[16]	丁焕峰, 张蕊, 周锐波. 制造业企业智能化转型及其创新效应研究——基于企业生命周期理论的视角[J]. 产业经济研究, 2023(2): 83-96. https://www.cnki.com.cn/Article/CJFDTOTAL-CYJJ202302006.htm
[17]	李逸飞, 苏盖美, 牛芮等. 智能化与制造业企业创新[J]. 经济与管理研究, 2023(8): 3-16. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG202308001.htm
[18]	孟凡生, 赵刚. 中国制造企业创新柔性与智能化转型关系的实证研究——基于商业模式创新和环境动态性的中介调节效应[J]. 预测, 2018(6): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-YUCE201806001.htm
[19]	HAEFNER N, WINCENT J, PARIDA V, GASSMANN O. Artificial intelligence and innovation management: a review, framework, and research agenda[J]. Technological Forecasting and Social Change, 2021, 162: 120392.
[20]	PIETRONUDO M C, SCHIAVONE F, PHILLIPS F. A solution looking for problems? a systematic literature review of the rationalizing influence of artificial intelligence on decision-making in innovation management[J]. Technological Forecasting and Social Change, 2022, 182: 121828.
[21]	董明放, 王郭. 工业智能化如何提升制造企业创新意愿[J/OL]. 科技进步与对策, (2024-01-23) [2024-05-05]. http://kns.cnki.net/kcms/detail/42.1224.G3.20240123.0936.002.html.
[22]	杜善重, 李卓, 马连福. 机器人应用如何影响企业技术创新——来自中国制造业上市公司的经验证据[J]. 系统工程理论与实践, 2024(2): 485-502. https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202402005.htm
[23]	黄先海, 虞柳明, 袁逸铭. 工业机器人与企业创新——基于人力资本视角[J]. 科学学研究, 2023(2): 356-368. https://www.cnki.com.cn/Article/CJFDTOTAL-KXYJ202302017.htm
[24]	师博. 人工智能助推经济高质量发展的机理诠释[J]. 改革, 2020(1): 30-38. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO202001002.htm
[25]	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(4): 60-73. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201604005.htm
[26]	张泽南, 钱欣钰, 曹新伟. 企业数字化转型的绿色创新效应研究: 实质性创新还是策略性创新?[J]. 产业经济研究, 2023(1): 86-100. https://www.cnki.com.cn/Article/CJFDTOTAL-CYJJ202301007.htm
[27]	林志帆, 杜金岷, 龙晓旋. 股票流动性与中国企业创新策略: 流水不腐还是洪水猛兽?[J]. 金融研究, 2021(3): 188-206. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202103011.htm
[28]	刘博, 刘超, 刘新梅. 组织创造力与创新绩效: 长期导向与战略柔性的联合调节作用[J]. 当代经济科学, 2024(1): 131-140. https://www.cnki.com.cn/Article/CJFDTOTAL-DJKX202401010.htm
[29]	GULEN, HUSEYIN, MIHAI ION. Policy uncertainty and corporate investment[J]. The Review of Financial Studies, 2016, 29(3): 523-564.
[30]	康丽群, 刘汉民, 钱晶晶. 高管长期导向对企业绿色创新的影响研究: 环境动态性的调节作用与战略学习能力的中介效应[J]. 商业经济与管理, 2021(10): 34-48. https://www.cnki.com.cn/Article/CJFDTOTAL-SYJG202110003.htm
[31]	辛大楞. 经济政策不确定性与工业企业就业[J]. 产业经济研究, 2018(5): 89-100. https://www.cnki.com.cn/Article/CJFDTOTAL-CYJJ201805008.htm
[32]	弋亚群, 牛方妍, 张雪丹. 资源整合与新产品开发绩效——管理者威胁解释和环境动态性的调节作用[J]. 研究与发展管理, 2023(6): 125-137. https://www.cnki.com.cn/Article/CJFDTOTAL-YJYF202306010.htm
[33]	王新成, 李垣, 马凤连, 等. 环境动态性与创新战略选择——企业创业导向和技术能力的调节作用[J]. 研究与发展管理, 2021(4): 111-120. https://www.cnki.com.cn/Article/CJFDTOTAL-YJYF202104010.htm
[34]	崔也光, 王肇, 鹿瑶. 创新动机会影响品牌成长吗?——基于经济政策不确定性调节作用的实证研究[J]. 经济与管理研究, 2021(4): 133-144. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG202104010.htm
[35]	张吉昌, 龙静, 王泽民. 智能化转型如何赋能制造企业高质量发展?[J]. 经济与管理研究, 2023(4): 3-20. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG202304001.htm
[36]	张树山, 董旭达. 智能化转型、组织韧性与制造业企业高质量发展[J]. 中国流通经济, 2024(1): 104-114. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGLT202401010.htm
[37]	刘进, 万志强. 智能化转型与劳动力成本粘性——来自制造业上市公司的经验证据[J]. 安徽大学学报(哲学社会科学版), 2023(3): 133-144. https://www.cnki.com.cn/Article/CJFDTOTAL-ADZS202303015.htm
[38]	车帅, 王军. 数字赋能是"生产导向"还是"环境友好"——来自企业数字化转型的微观证据[J]. 广东财经大学学报, 2023(3): 82-97. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG202303006.htm
[39]	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(7): 130-144. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202107013.htm
[40]	蒋殿春, 鲁大宇. 供应链关系变动、融资约束与企业创新[J]. 经济管理, 2022(10): 56-74. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202210004.htm
[41]	段华友, 杨兴柳, 董峰. 数字化转型、融资约束与企业创新[J]. 统计与决策, 2023(5): 164-168. https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC202305030.htm
[42]	史湘宁, 房超, 李辉, 等. 我国人工智能关键技术体系演化路径及发展研究——基于科学计量视角[J]. 科学管理研究, 2022(3): 2-11. https://www.cnki.com.cn/Article/CJFDTOTAL-KXGY202203001.htm
[43]	郑浩天, 靳卫东. 数字经济发展与劳动收入份额变动——兼论数字技术进步的"生产率悖论"[J]. 经济评论, 2024(1): 90-104. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL202401006.htm
[44]	韩峰, 姜竹青. 集聚网络视角下企业数字化的生产率提升效应研究[J]. 管理世界, 2023(11): 54-77. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202311004.htm
[45]	余艳, 王雪莹, 郝金星, 等. 酒香还怕巷子深?制造企业数字化转型信号与资本市场定价[J/OL]. 南开管理评论, (2023-08-01) [2024-05-05]. http://kns.cnki.net/kcms/detail/12.1288.f.20230801.1031.002.html.
[46]	巫强, 姚雨秀. 企业数字化转型与供应链配置: 集中化还是多元化[J]. 中国工业经济, 2023(8): 99-117. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202308006.htm
[47]	王超, 余典范, 龙睿. 经济政策不确定性与企业数字化——垫脚石还是绊脚石?[J]. 经济管理, 2023(6): 79-100. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202306005.htm