引言

2022年2月，中央全面深化改革委员会强调要支持引导行业领军企业和掌握关键核心技术的专精特新企业深化改革、强化创新，加大培育力度。这一举措不仅有利于攻克中国产业链关键领域和关键核心技术“卡脖子”难关，而且符合国家实现产业链供应链安全稳定发展的重大战略安排。早在2011年工信部就提出“专精特新”概念，同年9月发布的《“十二五”中小企业成长规划》明确了中小企业“专精特新”的发展方向。随后，《工业强基工程实施指南(2016—2020年）》正式提出专精特新“小巨人”企业培育目标。自此，政府展开一系列关于专精特新企业梯度培育的行动部署，把引导企业向专精特新发展作为加快企业转型升级、推动新旧动能转换、优化经济结构的有力抓手。

在全球经济环境日益复杂多变与市场竞争愈发激烈的背景下，企业界正以前所未有的速度推进数字化转型的步伐。Dell最新发布的《2024数字化建设重点与趋势调研报告》明确指出，优化运营流程、降低成本、提升质量及效率已成为企业战略规划的核心议题。借助大数据分析、人工智能（AI）与机器学习等尖端技术，企业能够深度剖析运营数据，精准洞察潜在问题，并据此实现效率的飞跃式提升。在数字化浪潮的推动下，数据已跃升为企业决策过程中不可或缺的基石。通过构建先进的数字化创新管理系统，企业能够即时捕获、整合并深度分析各类数据资源，为决策者提供既精准又强有力的信息支撑，从而显著提升决策速度与质量。这一转型不仅实现了企业运营的智能化与自动化，还为企业带来了前所未有的创新与竞争优势。具体而言，AI技术的应用极大地加速了企业新产品的研发周期，有效缩短了实验与测试时间，使产品更快推向市场。而在市场营销领域，AI更是发挥了不可替代的作用，它能够帮助企业精准捕捉客户需求，制定并实施高度个性化的营销策略，从而在激烈的市场竞争中脱颖而出。

一、理论基础与研究假设

（一）专精特新企业数字化创新管理与企业绩效

目前学界关于数字化创新管理的研究主要集中在内涵特征、生成逻辑等方面。内涵特征方面，数字化创新管理的核心在于数据。通过数据的采集、存储、处理和分析，企业能够实现对运营过程的精细化管理。数据驱动不仅提高了决策的准确性和科学性，还为企业带来了更多的创新和优化机会。借助大数据分析和人工智能技术，数字化创新管理能够实现决策的智能化和科学化。通过对海量数据的深度挖掘和分析，企业可以发现隐藏的规律和趋势，为决策提供更加全面和精准的依据。智能化决策不仅提高了决策效率，还降低了决策风险。

已有学者围绕“专精特新”企业绩效问题展开了相关研究，如刘泽岩等认为提高我国隐形冠军企业专业化程度有助于提升其出口绩效；刘诚达以制造业单项冠军企业为研究样本，发现研发投入对企业绩效有促进作用并随着企业规模的增长呈逐渐增强趋势；葛宝山和赵丽仪研究发现隐形冠军企业的创业导向能够促进其技术创新、获取先发优势，进而显著提升其企业绩效。现有研究主要侧重于分析单一因素如何影响专精特新企业绩效，而数字化创新管理可以很好从数字创新角度研究对企业的影响。基于此，本文作出假设1：

H1:数字化创新管理发展对专精特新“小巨人”企业绩效有着显著促进作用

（二）数字化创新管理与企业绩效

数字化创新管理通过技术创新与进步提升管理效率。根据数字化创新管理的定义来看，数字化创新管理是指基于计算机、互联网、大数据等信息技术，通过数字化手段对企业的各个业务领域进行流程化、标准化、信息化改造，实现企业的智能化、高效化运营和快速响应市场变化的能力。这种管理方式旨在提高企业的运营效率、降低成本、提升竞争力。

企业研发费用的增加与其经营成果的提升之间存在正相关联系。Bamctt和Williom（1993）指出，企业若想在市场竞争中确立并维持领先地位，持续的技术创新是不可或缺的策略，它能有效驱动企业绩效的增长。Hit等人（1997）则深入探讨了企业技术创新的问题，并根据企业对技术创新的态度将其分为两类：一类积极拥抱创新，另一类则相对忽视。他们的研究揭示，重视技术创新的企业未来将获得更丰厚的利润回报，而忽视创新的企业其利润将逐渐缩减。通过创新，企业能够发掘并利用新的资源，提高资源使用效率，降低生产成本，同时提升产品和服务的质量。这种创新活动进一步成为推动企业绩效提升的强大动力。基于上述理论基础，本研究提出以下假设：

H2:数字化创新管理可能通过企业创新影响其绩效。

二、模型设计和变量说明

（一）样本选择与数据说明

本文的研究对象为专精特新企业。基于数据的可得性，分析样本包括非ST和*ST企业外所有A股专精特新板块上市企业。所有数据均来自Wind数据库。为排除异常值对本文研究的影响，我们对连续变量采用了1%-99%水平的Winsorize缩尾处理。

（二）模型设计

为了验证上述假设，借鉴Hayn等（2006）的研究，构建如下实证模型：

模型（1）中，是被解释变量，代表企业绩效；Npf是解释变量，代表企业数字化创新管理水平；SIZE、LEV和Growth是控制变量；INDIV和YEAR是固定效应，分别代表个体固定和年份固定；是随机扰动项。

（三）变量说明

1.被解释变量

本文选择了现有大多数文献所采用的主流指标——总资产收益率作为衡量专精特新企业绩效（ZSY）的指标

2.解释变量

本文借鉴宋佳等（2024）对A股上市企业数字化创新管理指标构建体系，采用熵值法衡量所选A股专精特新板块企业数字化创新管理。具体指标如下：

因素	自因素	指标	指标取值说明	权重
劳动力	活劳动	研发人员薪资占比	研发费用-工资薪酬/营业收入	26
		研发人员占比	研发人员数/员工人数	2
		高学历人员占比	本科以上人数/员工人数	3
	物化劳动（劳动对象）	固定资产占比	固定资产/资产总额	1
		制造费用占比	(经营活动现金流出小计+固定资产折旧+无形资产摊销+减值准备-购买商品接受劳务支付的现金-支付给职工以及为职工支付的工资)/(经营活动现金流出小计+固定资产折旧+无形资产摊销+减值准备)	1
生产工具	硬科技	研发折旧摊销占比	研发费用-折旧摊销/营业收入	24
		研发租赁费用占比	研发费用-租赁费/营业收入	13
		研发直接投入占比	研发费用-直接投入/营业收入	27
		无形资产占比	无形资产/资产总额	1
	软科技	总资产周转率	营业收入/平均资产总额	1
		权益乘数倒数	所有者权益/资产总额	1
数字化创新管理				100

3.控制变量

本文参考已有文献，分别使用企业规模（SIZE）、资产负债率（LEV）、营业增长率（Growth）作为本文的控制变量。企业规模使用企业资产的对数来衡量，资产负债率由负债总额除以资产总额来衡量，营业增长率则由（本期营业收入-上期营业收入）/上期营业收入来衡量。

4.中介变量

数字化创新管理带来效率上的提升，本文选用了常用的直接衡量企业创新成果的指标企业专利数作为中间变量。

变量类型	变量名称	符号	变量定义
被解释变量	企业绩效	ZSY	企业的总资产收益率
解释变量	数字化创新管理	Npf	综合熵值指数
中介变量	专利数	ZL	企业申请专利数量
控制变量	企业规模	SIZE	企业总资产的自然对数
	资产负债率	LEV	企业总负债与总资产的币制
	营业增长率	Growth	（本期营业收入-上期营业收入）/上期营业收入

三、实证检验结果

（一）回归结果分析

为了深入探究数字化创新管理对专精特新企业绩效的具体效应，本研究依据模型（1）开展了回归分析工作。在排除了企业规模、资产负债率及营业增长率等潜在干扰因素后，表三详细列出了回归分析结果。具体而言，初始分析仅纳入核心解释变量，如第（1）列所示；随后，在第（2）列中进一步引入了额外的控制变量以增强模型的严谨性。

分析结果显示，当仅控制年度与个体固定效应时，第（1）列中数字化创新管理指标Npf的回归系数显著为正，且该显著性达到了5%的统计水平。这一发现意味着，在其他条件保持恒定的情况下，企业数字化创新管理能力的提升直接关联于其绩效的增长。进一步地，在纳入企业层面的控制变量后，如第（2）列所示，数字化创新管理变量Nfp的系数依然保持正向且显著，同样达到了5%的显著性水平。此结果有力地证明了，无论企业特定的控制变量如何变化，加大数字化投入均能对企业绩效产生稳定且积极的促进作用，从而有力地支持了研究假设H1的有效性。

	（1）	（2）
	ZSY	ZSY
Npf	4.69*** (1.163)	2.29** (1.324)
SIZE		-2.04** (0.470)
LEV		-2.97*** (0.164)
Growth		6.36*** (0.001)
_cons	14.05*** (0.722)	2.91*** (9.949)
个体	Y	Y
年份	Y	Y
N	4 508	4 508

（二）稳健型检验

进一步检验回归结果的稳健型，本文选择用替代变量法和异质性分析法来进行稳健型检验。在研究企业绩效时，以总资产收益率作为被解释变量进行回归的模型中，通常以净资产收益率ROE作为替代变量。本文借鉴前人研究，同样选择净资产收益率作为衡量专精特新企业绩效的指标，在这里用符号JSY来表示，稳健性检验结果见下表第（1）列。其回归系数在5%水平上显著为证。同时，下表第（3）和第（4）列展现了以是否为国有企业的异质性检验结果，现实无论在国有企业还是在非国有企业中，专精特新企业的数字化管理水平Npf对其企业绩效的回归系数均显著为正。结果于前文一致，稳健性得证。

	（1）	（3）	（4）
	JSY	非国企	国企
		ZSY	ZSY
Npf	0.001** （0.092）	0.009** （0.067）	0.009** （0.086）
_cons	7.174*** （0.625）	7.668*** （0.463）	6.368*** （0.75）
个体	Y	Y	Y
年份	Y	Y	Y
N	4 508	3859	649

四、结论与政策建议

（一）研究结论

在研究中，我们发现数字化创新管理的发展对专精特新企业的绩效具有显著的促进作用。这是因为数字化创新管理不仅推动了企业的技术创新和产品升级，还提高了企业的竞争力和市场份额。专精特新企业在追求创新和技术领先地位的同时，积极应对市场需求变化，从而实现了稳健的业绩增长。同时，根据中介检验的结果可知，数字化创新管理通过创新为载体的外化表现对企业绩效起到了实实在在的正向作用。

（二）政策建言

一是专精特新企业应重视人才队伍建设，吸引和培养高素质的人才。这包括建立人才引进和培训机制，提供良好的工作环境和晋升机会，激发整体员工的创新活力。重点加强有限的资源能够更多、更好、更高效地投入到研发当中。应该不断加大对研发和创新的投入。这包括提高研发团队的素质和数量，积极开展技术创新和产品研发，不断提升企业的核心竞争力。专精特新企业是有国家政策和资金扶持的重点企业，这些企业要重视知识产权的保护和运用，建立健全的知识产权体系。这包括申请专利、商标和版权等知识产权，防止知识产权侵权，保护企业的创新成果和商业秘密。

二是政府部门应加强对创新生态系统的建设，为专精特新企业提供更加良好的创新环境和支持政策。这包括建立创新基地、科技园区和孵化器等创新载体，以及提供税收优惠和资金支持等政策措施，促进企业技术创新和研发投入。加强知识产权保护是保障专精特新企业创新动力的重要举措。政府部门应加强知识产权法律法规的制定和执行，建立健全的知识产权保护体系，有效打击知识产权侵权行为，保护企业的创新成果和技术秘密。政府应进一步优化创业创新环境，降低专精特新企业创业门槛和成本，提高创业成功率。这包括简化创业注册程序、优化税收政策、提供创业培训和咨询服务等措施，鼓励更多的人才投身创业创新领域。政府、企业和高校应加强产学研合作，促进科研成果转化和技术创新。通过建立产学研合作平台、设立科研项目和资助科技成果转化等方式，推动科技成果向市场转化，加快新技术、新产品的研发和应用。加强国际交流与合作，积极参与国际科技创新合作和项目交流，借鉴国外先进技术和经验，拓展市场空间和合作机会，提高企业的国际竞争力。

参考文献：

1. [1] 杨丹辉.世界大变局下的产业政策：演进动向与逻辑重构[J].改革,2023(11):2-14.
2. [2] 张夏恒,马妍.生成式人工智能技术赋能新质生产力涌现：价值意蕴、运行机理与实践路径[J].电子政务,2024(04):17-25.
3. [3] 杜传忠,李钰葳.强化科技创新能力加快形成新质生产力的机理研究[J].湖南科技大学学报(社会科学版),2024,27(01):100-109.
4. [4] 纪玉山,代栓平,杨秉瑜,等.发展新质生产力推动我国经济高质量发展[J].工业技术经济,2024,43(02):3-28.