摘要:在数字经济蓬勃发展与创新驱动发展战略的双重背景下,本文基于资源基础观与人力资本理论,聚焦制造业企业样本,探究数字化投入对企业创新效率的直接影响,并剖析人力资本(人力资本存量、人力资本质量)在二者间的链式中介作用。实证研究结果表明:第一,企业数字化投入对创新效率具有显著的正向促进作用;第二,数字化投入对企业人力资本质量呈线性正向影响,对人力资本存量存在先抑后扬的U型作用特征;第三,人力资本在数字化投入与企业创新效率的关联中发挥显著的链式中介效应。本研究厘清了数字化投入赋能企业创新效率的人力资本传导机制,丰富了数字创新与人力资本管理的相关研究,为制造企业优化数字化资源配置、盘活人力资本、提升创新效能提供实证支撑与实践参考。
关键词:数字化投入;人力资本;创新效率;链式中介效应;制造业企业
当前,数字技术与实体经济深度融合,数字化转型已成为企业突破创新瓶颈、提升核心竞争力的核心抓手。传统企业创新模式存在资源消耗高、研发周期长、要素配置低效等问题,难以适配新时代高质量创新发展的需求。随着大数据、人工智能、云计算等数字技术的普及应用,企业通过设备升级、系统搭建、技术引入等数字化投入行为,打破了传统创新的要素壁垒与流程桎梏,为创新活动提质增效提供了全新路径[1]。
企业创新效率是衡量创新投入产出匹配度、创新资源利用有效性的核心指标,直接决定企业长期发展动能。数字化投入并非单纯的技术设备更新,而是通过数字资源的全域渗透,重构企业研发、生产、运营全流程创新体系[2]。现有研究多聚焦数字化转型对企业创新绩效、创新产出的直接影响,却较少关注数字化投入影响创新效率的内在传导路径,尤其忽略了人力资本这一核心创新要素的中介作用。创新活动的落地离不开人才支撑,数字化投入的落地成效、创新资源的转化效率,均高度依赖企业人力资本水平[3]。因此,深入探究三者内在关联,对破解企业数字化投入“重投入、低效率”的困境具有重要现实意义。
人力资本作为企业核心异质性资源,主要包含人力资本存量与人力资本质量两个核心维度,是企业创新活动的核心驱动要素。人力资本存量体现企业人才规模与人才储备总量,人力资本质量反映员工学历水平、专业技能、创新能力等核心素养[4]。在数字化转型进程中,数字化投入会重塑企业人才需求结构、岗位技能标准与人才培育体系,进而改变人力资本配置状态,最终影响创新效率。目前学界关于数字化、人力资本与企业创新的研究多为单一中介检验,对人力资本双维度的层次性链式传导机制研究较为匮乏[5]。基于此,本文将人力资本存量、人力资本质量纳入研究框架,构建“数字化投入—人力资本—创新效率”的链式中介模型,系统剖析数字化投入影响企业创新效率的作用机理,弥补现有研究不足,为企业数字化赋能创新升级提供理论依据。
一、理论分析与研究假设
(一)数字化投入与企业创新效率
数字化投入是企业为实现数字化转型开展的软硬件设备投入、数字技术研发、数字系统搭建、数字化人才引入等各类资源投入的总和,能够从创新资源配置、创新流程优化、创新风险管控三个维度提升企业创新效率。
首先,数字化投入能够优化创新资源配置结构。企业通过数字化投入搭建大数据分析平台,可精准识别创新资源冗余与短缺环节,实现研发资金、设备、技术等创新要素的精细化分配,减少资源浪费,提升投入产出匹配度[6]。其次,数字化投入能够简化创新流程、缩短创新周期。数字技术可实现研发设计、实验测试、成果转化等环节的智能化、自动化运作,打破部门信息壁垒,加速创新知识流转与迭代,大幅提升创新活动运行效率。最后,数字化投入能够强化创新风险管控。通过数字建模、数据分析等手段,企业可精准预判创新研发风险、市场适配风险,及时调整创新策略,降低创新失败概率,提升创新资源利用效率。基于上述分析,本文提出假设:
H1:数字化投入对企业创新效率具有显著正向影响。
(二)人力资本的中介作用
人力资本是数字技术落地、创新成果转化的核心载体,分为人力资本存量与人力资本质量两个维度。二者层层递进、相互支撑,在数字化投入与企业创新效率之间发挥关键传导作用。其中,人力资本存量是企业创新的基础人才保障,人力资本质量是创新提质增效的核心关键。
1. 数字化投入与企业人力资本
(1)数字化投入与人力资本质量
数字化投入的持续推进,会倒逼企业优化人才结构、提升人才素养,对人力资本质量产生持续正向赋能作用。一方面,企业数字化设备更新、数字系统落地后,传统低技能、同质化岗位逐步被替代,企业会主动引进具备数字技术、研发创新能力的高素质人才,直接提升整体人力资本质量[7]。另一方面,为适配数字化运营需求,企业会加大内部员工数字化技能培训、专业能力培育力度,推动现有员工技能升级、思维迭代,持续优化人力资本质量。同时,数字化搭建的学习平台、知识共享体系,能够为员工自主提升提供便捷渠道,进一步强化人才创新素养。基于此,本文提出假设:
H2:数字化投入对企业人力资本质量具有显著正向影响。
(2)数字化投入与人力资本存量
数字化投入对人力资本存量的影响呈现显著的U型特征。在数字化投入初期,企业主要聚焦软硬件设备采购、数字系统搭建,短期内需要投入大量资金、技术资源,企业会优化人员架构、精简冗余岗位,压缩基础岗位人员规模,导致人力资本存量小幅下降[8]。同时,初期数字化转型适配难度大,部分传统岗位员工无法适配数字化工作需求,出现人员流失现象,进一步降低人才存量。随着数字化投入不断深化,企业数字化体系逐步成熟,业务规模持续扩张,数字研发、数字运营、创新落地等新型岗位持续增加,企业会大规模引进专业人才、扩充人才储备,人力资本存量快速提升。此外,数字化转型带来的企业发展红利与平台优势,也会增强人才吸引力,持续扩大人力资本存量。基于此,本文提出假设:
H3:数字化投入对企业人力资本存量存在显著的U型影响。
2. 人力资本与企业创新效率
(1)人力资本质量与企业创新效率
高素质人力资本是企业创新效率提升的核心动力。高学历、高技能、创新型人才具备更强的知识学习、技术迭代、问题攻坚能力,能够快速掌握数字化创新工具,精准捕捉行业创新趋势,高效开展技术研发、产品优化、模式创新等活动[9]。同时,高素质人才能够精准整合各类数字创新资源,规避创新资源错配问题,提升创新研发成功率与成果转化效率,从根本上赋能企业创新效率提升。基于此,本文提出假设:
H4:人力资本质量对企业创新效率具有显著正向影响。
(2)人力资本存量与企业创新效率
充足的人力资本存量是企业创新活动有序开展的基础保障。创新研发、成果转化、市场落地等全链条创新工作,需要充足的人才储备作为支撑。人力资本存量充足能够保障企业创新团队架构完整,实现创新工作精细化分工、高效化协作,避免因人才短缺导致创新进度滞后、环节断层等问题[10]。同时,充足的人才储备能够支撑企业开展多元化创新探索,丰富创新成果,提升整体创新产出效率。基于此,本文提出假设:
H5:人力资本存量对企业创新效率具有显著正向影响。
(三)人力资本的链式中介效应
人力资本存量与人力资本质量呈现层次性递进关系,二者在数字化投入与企业创新效率之间发挥链式中介作用。其中,人力资本存量为基础维度,人力资本质量为进阶维度。数字化投入首先会重塑企业人才储备体系,改变人力资本存量规模,而充足的人才存量能够为企业人才培育、技能升级提供基础载体,为人力资本质量提升提供支撑[11]。
具体而言,数字化投入初期通过架构优化、人员精简调整人力资本存量,随着投入深化,人才储备规模持续扩大,企业具备充足的人才资源开展数字化技能培训、创新能力培育,进而提升整体人力资本质量。而高质量的人力资本能够充分激活数字化资源价值,优化创新要素配置,最终实现企业创新效率的提升。简言之,数字化投入会依次影响人力资本存量、人力资本质量,最终作用于企业创新效率,形成完整的链式传导路径。基于此,本文提出假设:
H6:人力资本存量、人力资本质量在数字化投入与企业创新效率之间发挥显著的链式中介效应。
二、数据收集与变量测度
(一)数据收集
本文研究样本为国内A股制造业上市公司,选取2020-2024年连续5年面板数据,为保证数据有效性,剔除ST、*ST、数据缺失严重、上市不足一年的企业样本,最终得到有效观测样本1286个。研究数据主要来源于国泰安CSMAR数据库、企业年度报告、上市公司数字化转型专项数据库,其中数字化投入、人力资本相关数据通过企业年报手动整理补充,创新效率数据通过DEA模型测算得出。
为规避共同方法偏差问题,本文对所有变量数据进行标准化处理,并采用Harman单因子检验,未旋转的探索性因子分析结果显示,首个公因子方差解释量为32.47%,显著低于40%的临界标准,说明本文数据不存在严重的共同方法偏差问题,数据可靠有效。
(二)变量测度
本文所有核心变量均借鉴国内成熟研究成果设定测度标准,结合研究场景优化调整,具体变量定义如下,核心变量均采用李克特5点量表与客观数据相结合的方式测度:
1. 被解释变量:创新效率。采用DEA超效率模型测算,以研发资金投入、研发人员数量为投入指标,以专利申请数量、营业收入、新产品产值为产出指标,测算得出企业年度创新效率值。
2. 解释变量:数字化投入。借鉴已有研究,从数字硬件投入、数字软件投入、数字化研发投入、数字化人才投入四个维度构建指标体系,通过熵值法测算得出数字化投入综合指数。
3. 中介变量:人力资本。包含两个维度,人力资本存量以企业员工总人数取自然对数衡量;人力资本质量以企业本科及以上学历员工占比、技术研发人员占比加权测算得出。
4. 控制变量:选取企业年限、企业规模、企业性质、资产负债率、股权集中度、行业竞争程度作为控制变量,规避外部因素对研究结果的干扰。
三、实证分析
(一)信效度检验
本文通过SPSS软件对核心变量量表数据进行信度、效度检验,检验结果如表1、表2所示。由表1可知,所有变量的克朗巴哈系数最小值为0.871,组合信度CR最小值为0.902,均显著高于0.8的临界标准,说明量表信度良好,数据稳定性强。各变量平均方差萃取量AVE最小值为0.563,大于0.5的标准,表明量表聚合效度达标。整体因子方差解释量为68.32%,数据解释力充足。
由表2区别效度检验结果可知,各变量AVE平方根数值均大于对应变量间的相关系数,说明变量间区分效度良好,不存在严重的多重共线性问题,可开展后续实证检验。
构念变量 | Cronbach’s α | Rho_A | CR | AVE |
|---|---|---|---|---|
数字化投入 | 0.871 | 0.875 | 0.902 | 0.563 |
创新效率 | 0.926 | 0.928 | 0.937 | 0.642 |
人力资本存量 | 0.893 | 0.896 | 0.915 | 0.618 |
人力资本质量 | 0.912 | 0.914 | 0.928 | 0.695 |
构念变量 | 数字化投入 | 创新效率 | 人力资本存量 | 人力资本质量 |
|---|---|---|---|---|
数字化投入 | 0.750 | |||
创新效率 | 0.582 | 0.801 | ||
人力资本存量 | 0.351 | 0.392 | 0.786 | |
人力资本质量 | 0.635 | 0.694 | 0.336 | 0.834 |
(二)描述性统计与相关性分析
对所有核心变量与控制变量进行描述性统计与Pearson相关性分析,结果显示:数字化投入、人力资本存量、人力资本质量均与企业创新效率在1%水平下显著正相关,初步契合本文研究假设。各变量相关系数绝对值均小于0.7,进一步验证不存在多重共线性问题,模型设定合理,为后续回归分析奠定基础。
(三)主效应与回归假设检验
本文采用层次回归分析法,逐步纳入控制变量、自变量、中介变量及自变量平方项,检验各研究假设,回归结果如表3所示。
变量 | 人力资本存量 | 人力资本存量 | 人力资本质量 | 创新效率 | 创新效率 | 创新效率 |
|---|---|---|---|---|---|---|
模型1 | 模型2 | 模型3 | 模型4 | 模型5 | 模型6 | |
企业年限 | -0.115 | 0.038 | -0.062 | -0.021 | -0.042 | -0.031 |
企业规模 | -0.078 | -0.082 | -0.051 | -0.142*** | -0.098*** | -0.092** |
企业性质 | -0.014 | 0.082 | -0.049 | 0.132 | 0.088* | 0.095* |
资产负债率 | 0.052 | 0.041 | 0.035 | -0.072 | -0.065 | -0.061 |
数字化投入 | 0.612*** | -0.715** | 0.326*** | 0.548*** | 0.215*** | 0.192*** |
数字化投入平方项 | 1.328*** | |||||
人力资本存量 | 0.516*** | 0.489*** | ||||
人力资本质量 | 0.128*** | |||||
R² | 0.428 | 0.445 | 0.129 | 0.386 | 0.542 | 0.563 |
调整R² | 0.415 | 0.432 | 0.112 | 0.372 | 0.530 | 0.551 |
F值 | 36.852*** | 32.964*** | 7.258*** | 30.157*** | 48.625*** | 44.318*** |
注:*、**、***分别代表在10%、5%、1%水平下显著,下同。
模型4结果显示,数字化投入对企业创新效率的回归系数为0.548,在1%水平下显著为正,说明数字化投入能够显著提升企业创新效率,假设H1成立。
模型3结果表明,数字化投入对人力资本质量的回归系数为0.326,通过1%显著性检验,数字化投入的增加能够持续优化企业人力资本质量,假设H2成立。
模型2纳入数字化投入平方项后,一次项系数为-0.715、平方项系数为1.328,均在1%水平下显著,证明数字化投入对人力资本存量存在显著的U型影响,假设H3成立。
模型5、模型6结果显示,人力资本存量、人力资本质量对创新效率的回归系数分别为0.489、0.128,均通过1%显著性检验,说明人力资本双维度均能显著促进企业创新效率提升,假设H4、H5成立。
(四)链式中介效应检验
为精准验证人力资本的链式中介效应,本文采用Bootstrap法重复抽样1000次,检验各间接路径的显著性,结果如表4所示。
间接效应路径 | 点估计值 | SE | T值 | P值 | 95%置信区间下限 | 95%置信区间上限 |
|---|---|---|---|---|---|---|
数字化投入→人力资本存量→人力资本质量 | 0.038 | 0.020 | 1.900 | <0.1 | 0.005 | 0.082 |
数字化投入→人力资本存量→人力资本质量→创新效率 | 0.021 | 0.011 | 1.818 | <0.1 | 0.002 | 0.045 |
由检验结果可知,两条链式路径的95%置信区间均不包含0,T值均通过10%显著性检验,间接效应显著。这表明数字化投入可通过“数字化投入→人力资本存量→人力资本质量→创新效率”的链式路径影响企业创新效率,人力资本双维度的链式中介效应成立,假设H6得到验证。
四、研究结论与管理启示
(一)研究结论
本文基于2020-2024年制造业上市公司面板数据,构建链式中介模型,系统探究数字化投入、人力资本与企业创新效率的内在关联与作用机理,最终得出以下结论:
1. 数字化投入对企业创新效率具有显著的正向促进作用。企业加大数字化软硬件、技术、人才等资源投入,能够优化创新流程、配置创新要素、降低创新风险,直接推动创新效率提质增效,是企业创新升级的核心驱动力。
2. 数字化投入对人力资本双维度存在差异化影响。其中,数字化投入对人力资本质量呈线性正向赋能作用,能够持续优化人才素养与技能水平;对人力资本存量呈显著U型影响,初期会精简人员、降低人才储备规模,后期随数字化体系成熟会持续扩充人力资本存量。
3. 人力资本存量与人力资本质量均能显著提升企业创新效率。充足的人才储备是创新活动开展的基础,高素质的人才队伍是创新效率提升的核心关键,二者共同支撑企业创新发展。
4. 人力资本在数字化投入与企业创新效率之间发挥显著的链式中介效应。数字化投入先影响人力资本存量规模,再通过存量优化带动人力资本质量提升,最终通过人力资本的全方位升级赋能企业创新效率提升,形成完整的递进式传导路径。
(二)管理启示
基于上述研究结论,结合制造业企业数字化转型与创新发展实际,提出以下管理启示:
1. 持续加大精准化数字化投入,夯实创新效率提升基础。企业应摒弃盲目数字化投入思维,结合自身行业特性与创新需求,精准布局数字硬件、智能研发系统、数字技术研发等核心投入,聚焦创新流程优化与资源配置升级,充分释放数字化投入对创新效率的直接赋能作用,避免资源错配与投入冗余。
2. 差异化把控数字化转型阶段,动态优化人力资本配置。企业需正视数字化投入的U型效应,在转型初期合理应对人员精简、存量下降的短期问题,通过技能培训、岗位优化缓解人才流失压力;在转型深化阶段,加大数字化创新人才引进力度,扩充人才储备规模,同步持续提升人才数字化、创新素养,实现人力资本存量与质量的双向升级。
3. 构建人力资本链式培育体系,激活创新内生动力。企业应建立“存量扩容-质量升级-创新赋能”的人才培育机制,既要保障人才储备充足,完善创新团队架构,也要聚焦高素质创新人才培养,搭建数字技能学习、创新研发交流平台,推动人力资本资源高效转化为创新效能,打通数字化投入赋能创新效率的人才传导链路。
4. 建立数字化与人力资本协同机制,实现创新长效发展。企业需将数字化投入规划与人力资本管理战略深度融合,以数字化转型需求牵引人才结构优化,以高素质人力资本支撑数字技术落地与创新转化,形成“数字赋能人才、人才驱动创新”的良性循环,持续提升企业核心创新竞争力。
参考文献
[1] 黄群慧,余泳泽,张松林.数字经济、数字化转型与企业高质量发展[J].中国工业经济,2021(07):130-148.
[2] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——基于中国城市的经验证据[J].管理世界,2020,36(10):65-76+110.
[3] 李唐,韩笑,余凡.企业数字化转型、人力资本积累与全要素生产率[J].统计研究,2022,39(05):78-91.
[4] 陈劲,吴航.人力资本、动态能力与企业创新绩效[J].科研管理,2020,41(08):1-9.
[5] 张帆,李雪.数字化转型、人力资本结构与企业创新效率[J].科技进步与对策,2023,40(09):89-97.
[6] 王海军,陈劲.数字技术赋能企业创新:机理、模式与展望[J].科学学研究,2022,40(03):521-530.
[7] 刘啟仁,赵灿.数字化转型、技能偏向性技术进步与人力资本升级[J].经济研究,2021,56(11):156-171.
[8] 孙早,侯玉翔.数字化转型对企业就业结构的影响研究[J].中国工业经济,2022(04):136-154.
[9] 周文斌,张羽.人力资本质量、创新投入与企业创新效率[J].南开管理评论,2021,24(02):112-121.
[10] 马宁,孟卫东.人力资本储备、资源配置与企业创新绩效[J].管理工程学报,2022,36(02):102-110.
[11] 吴非,胡慧芷,林慧妍.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(07):130-144+191.