越多越好？大数据政策的非线性创新效应

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：The more the better? The nonlinear innovation effect of the big data policy

　　

大数据政策强度对企业创新绩效具有非线性影响。资源积累效应和效率效应驱动了创新曲线。组织冗余资源发挥着异质的调节作用。市场化增强了已吸收冗余资源的调节作用。

引言

随着大数据在数字经济时代成为新的竞争优势的关键来源，世界各国政府积极制定和实施大数据政策，以加速数据驱动的创新发展，并强化其在全球数据经济中的战略地位。尽管这些政策取得了一些预期效果，但许多政策未能达到预期目标。特别是在产业基础薄弱、经济发展水平相对较低的地区，大数据政策还可能加剧数字鸿沟扩大、政策执行碎片化以及创新成果不均衡等问题。因此，大数据政策在推动企业创新绩效方面的有效性，以及政策诱导的资源在何种条件下能够转化为创新成果，作为一种数字经济时代的政府干预形式，受到了学者们越来越多的关注。

大数据政策是指不同行政层级的政府为引导企业开发大数据技术和促进大数据产业发展而发布的一系列法规和政策举措。通过涵盖大数据、云计算和数字经济等领域，大数据政策可以作为一套政策工具，将创新活动引导至更加数据驱动的路径。先前基于资源基础观、信号传递和制度观点的研究认为，企业可以通过多种方式受益于这些政府政策，包括缓解创新资源约束、获得直接资源投入、缓解融资压力以及传递正面信号。这些机制有助于加速大数据在创新过程中的应用，增强商业分析能力，并最终提高创新绩效。例如，基础设施类政策工具和大数据税收优惠可以通过提供大数据资源和刺激数字技术投资来促进企业创新。相比之下，基于寻租或政府失灵视角的研究表明，政府政策不仅可能刺激企业融资，还可能扭曲资源分配、鼓励寻租行为并诱发短期或投机行为。因此，关于大数据政策与企业创新之间关系的实证研究结果仍不一致。

为调和这些不一致的研究发现，我们采用资源基础观和新制度理论相结合的综合视角，构建一个连贯的分析框架，以理解大数据政策如何转化为企业创新绩效。我们认为，大数据政策是否以及在多大程度上促进企业创新，取决于企业如何获取、分配和整合制度环境中嵌入的实质性资源和合法性资源，而这些资源对于长期生存和竞争优势至关重要。这一整合性理论框架为解释关于大数据政策有效性的不一致结论提供了两个关键见解：首先，为确保长期生存并建立竞争优势，企业必须系统性地适应不同政策体系的目标和内容，以持续获取实质性资源和合法性资源。因此，只有考虑政策具体内容所产生的潜在资源机制，才能厘清大数据政策的创新效果。其次，大数据政策对企业技术创新的影响不仅取决于大数据政策背后的资源机制，还取决于企业如何基于其内部资源结构和外部资源获取能力系统性地适应这些政策，这两者共同决定了企业如何实现大数据政策的"资源机制"。

在此意义上，这一综合视角揭示了一种深层耦合机制：大数据政策的有效性与其潜在资源机制的实现相关，而这取决于企业的内部资源结构和制度适应性。现有的资源基础和制度研究表明，外部政策激励不会机械地转化为企业层面的创新；相反，其效果取决于企业是否拥有足够的可用资源来吸收、缓冲和重新配置政策诱导的资源以应对制度变化。因此，组织冗余资源——定义为超出维持当前运营所需最低水平的资源池——不仅是作为资源禀赋重要，还在为企业提供应对外部制度变迁所需的战略缓冲和行动空间方面具有重要意义。不同类型的组织冗余资源可能因流动性和灵活性的不同而对大数据政策的有效性产生差异化影响。未吸收冗余资源较多的企业，其资源具有流动性强和易于重新配置的特点，更可能迅速将政策诱导的资源部署于创新活动中，而具有较多已吸收冗余资源的企业，其资源以特定资产和常规为主，可能面临更大的刚性限制，从而限制了其高效重新配置资源的能力。只有考虑未吸收冗余资源和已吸收冗余资源的差异化作用，我们才能更好地理解在何种内部条件下大数据政策最能促进创新绩效。此外，考虑到企业与政策的互动不能脱离外部环境而存在，必须考虑市场化的影响，因为它决定了资源重新配置的协调成本和外部资源获取能力，从而显著影响企业如何应对政策——通过促进资源获取、加剧竞争以及减少政策对企业资源分配的扭曲效应。然而，现有研究尚未充分解释大数据政策作为一种独特的政府干预形式如何影响企业创新绩效，也未充分考虑内部资源基础和外部市场环境的作用。因此，我们提出以下问题：大数据政策如何影响创新绩效，这种创新效果是否受到内部资源基础（即未吸收冗余资源和已吸收冗余资源）和外部市场环境（即市场化）的影响？

具体而言，本研究整合资源基础观和新制度理论，利用2013年至2022年中国A股上市制造企业的面板数据，考察了大数据政策强度与企业创新绩效之间的倒U型关系。此外，我们表明未吸收冗余资源和已吸收冗余资源分别通过平坦化和陡峭化该曲线来调节这种关系。最后，我们研究了市场化与组织冗余资源的共同调节效应，揭示了内部冗余结构如何与外部资源环境共同塑造大数据政策与企业创新绩效之间的关系。

本研究从三个方面贡献于现有文献。首先，我们超越了关于政策影响的线性、单一机制观点（如资源供给、信号传递或寻租），构建了一个解释大数据政策与企业创新绩效之间倒U型关系的整合性框架。该框架阐明了其潜在的资源机制，为政策与创新之间的联系提供了更为连贯的解释。其次，我们识别了未吸收冗余资源和已吸收冗余资源的异质性调节作用，突出了内部资源结构作为塑造企业对大数据政策响应的关键边界条件，从而推进了从资源异质性视角理解政策创新效应。第三，我们考察了市场化与组织冗余资源的共同调节效应，揭示了内部资源基础影响大数据政策与企业创新绩效关系的上下文条件，从而为未来研究政策与创新绩效之间联系的机制奠定了基础。

**片段节选**

大数据政策与创新：简要回顾

大数据政策对企业创新的影响是通过部署一系列政策工具来实现的，这些工具通过经济、信息和监管机制来动员、协调和监管资源。因此，系统分析这些工具的类型、功能和潜在资源逻辑，对于理解大数据政策如何驱动或制约创新至关重要。总体而言，大数据政策不仅体现了与

中国大数据政策：简要背景

大数据日益成为国家发展和国际竞争力的战略资源。为实现数据作为生产要素的价值并规范国内大数据产业，中国政府将大数据视为推动经济社会转型的新引擎。因此，它已将大数据提升为国家战略优先事项，并出台了一系列从顶层设计到地方实施的政策。

理论与假设

资源基础观侧重于识别战略价值资源，并解释企业通过从外部市场获取内部异质性能力和交易性资源来建立竞争优势。虽然资源基础观有效地识别了哪些资源重要，但它倾向于强调资源获取和部署的市场导向和企业特定条件，而对非市场、承载合法性的资源作用关注较少。

数据与样本

考虑到上市公司的数据可获取性，以及中国首次将"大数据"写入政府工作报告是在2014年，我们构建了2013年至2022年中国A股上市制造业企业的样本。在剔除数据不完整的公司、非连续专利申请的公司以及被标记为"ST"或"*ST"的公司后，我们获得了涵盖2696家上市制造企业的14220个观测值的综合面板数据集。此外，为控制

描述性统计与相关性

表2和表3分别呈现了各变量的描述性统计和相关性分析。结果表明，企业创新绩效在制造业企业间存在显著差异，反映了创新成果的高度异质性。同样，大数据政策强度在不同企业间也存在显著差异，表明企业对大数据政策的暴露程度存在异质性。企业在组织冗余资源方面也表现出显著差异。

讨论与结论

尽管大数据政策的创新价值已得到广泛认可，但关于其创新效应的实证研究结果仍不一致，这提出了一个关于政策有效性的重要理论问题。因此，我们整合资源基础观和新制度理论，探索大数据政策背后的资源机制。利用中国上市制造企业的面板数据，我们发现大数据政策强度与企业创新绩效之间存在倒U型关系。此外，

**作者贡献声明**

吴伟伟：文稿撰写——审阅与编辑，资源获取，资金筹措，数据整理，概念构思。肖瑞聪：文稿撰写——审阅与编辑，原始撰稿，方法论，调查，数据整理。尹德云：文稿撰写——审阅与编辑，指导，方法论，形式化分析。付佳鑫：软件，方法论，数据整理。于波：文稿撰写——审阅与编辑，指导。

**利益冲突声明**

无。

**致谢**

本研究得到了国家自然科学基金的资助[批准号72072047；72472039]；中央高校基本科研业务费[批准号HIT.HSS.ESD202310；HIT.HSS.202324]；研究生教育教学改革研究项目[批准号23MS011]；以及山东省自然科学基金[批准号ZR2023QG010]。

吴伟伟是哈尔滨工业大学商学院教授。他获得了中国哈尔滨工业大学管理学院企业管理学博士学位。2011年至2012年，他作为SPURS学者在美国麻省理工学院访问。自2016年以来，他一直担任管理学院战略与创新系教授。他已发表超过120篇论文，获得20多项资助，其中4项是

吴伟伟 | 肖瑞聪 | 尹德云 | 付佳鑫 | 于波