制造业企业数字化投资与创新绩效：人力资本的中介作用

楼润平，张昊，麦诗诗

（海南大学管理学院，海南 海口 570228）

全球经济正不断向以新一代信息技术产业为主导的数字经济转型。根据中国信通院的定义，数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态。实体经济是一国经济的立身之本，是国家强盛的重要支柱，而制造业则是实体经济的基础。中国是世界制造业第一大国，然而中国制造业存在“低端锁定”的问题。制造业转型升级的首要动力是技术创新[1]。近年来，5G、大数据、人工智能、移动互联网、云计算等为代表的新一代信息技术发展迅猛。企业如何借助新一代信息技术进行全方位的数字化转型和创新能力提升，成为了当前学界和业界关注的焦点。

近年来，国内外逐步开展了企业数字化与创新绩效关系的理论研究。邵云飞等（2018）研究发现，组织内部技术与市场、组织、文化等要素协同对企业创新绩效具有显著正向影响,并且IT能力对这种正向影响具有强化作用[2]。数字技术能降低知识和信息的获取成本，加速企业内部资源要素的流动，进而促进企业创新[3]。池毛毛等（2021）实证研究发现，数字化转型在IT能力与创新绩效之间存在中介作用[4]。刘平峰和张旺（2021）从理论和实证两个层面扩展了数字技术赋能理论[5]。然而，也有学者认为数字化对企业绩效并非具有正向促进作用，即可能存在“数字化悖论”。Kohtamäki等（2020）认为数字化与服务化之间需要有效的相互作用才能对企业绩效产生积极影响，他们实证研究发现，低水平数字化与高水平服务化之间的交互作用对公司绩效有着显著负面影响[6]。

以上研究从多个角度探讨了数字化对企业的影响。然而现有研究主要集中在理论探讨和案例研究，鲜有文献涉及制造业企业数字化与企业创新内在机制的实证研究，例如企业数字化能否通过中介变量影响创新绩效？而且，现有的实证研究大多基于问卷调查数据，采用客观数据的实证研究较少。数字技术可以分为软件技术、硬件技术和网络技术，具体包括人工智能、大数据、物联网等[7]。数字化通过硬件和软件提供技术支持，为企业创造价值[6]。由此产生的问题是，硬件和软件对企业创新的影响是否存在差异？大量实证研究发现，人力资本对企业创新绩效具有正向促进作用[8-10]，那么人力资本能否在两者之间起到中介作用呢？

针对上述问题，本文选取2014—2019年企业年报中披露了数字化投资信息的121家制造业上市公司共726个观察值，将数字化投资分为软件和硬件，探讨数字化投资对企业人力资本以及创新绩效的影响，研究数字化投资对企业创新的影响机制。本文可能的贡献有三点：一是采用客观数据，研究制造业企业数字化投资对企业创新绩效的影响，研究结论可为企业创新提供新的经验证据；
二是检验人力资本能否在硬件软件投资与企业创新绩效之间起到中介作用，进一步揭示数字化投资对企业创新的影响机制；
三是按要素密集度对制造业企业进行异质性研究，检验各类企业的软件硬件投资对企业创新绩效的影响差异，以及人力资本的中介作用。

（一）数字化投资与创新绩效

数字化投资产生于数字经济时代，是伴随着云计算、物联网、大数据、人工智能等新一代信息技术的发展而产生，是信息化的升级。因此，学术界关于数字化投资的研究相对较少。《2006—2020年国家信息化发展战略》指出，信息化是充分利用信息技术，开发利用信息资源，促进信息交流和知识共享，提高经济增长质量，推动经济社会发展转型的历史进程。在企业层面，企业信息化是指将企业日常生产经营数据通过企业信息系统（如PDM、ERP、SCM、CRM）等进行存储、管理和分析，以提高企业经营管理的效率和水平，进而提升企业的经济效益和竞争力。

与信息化相比较，数字化是数字经济时代的产物，是信息化发展的下一个阶段，是在企业信息化基础之上采用新一代信息技术对企业的进一步升级。数字化能通过新一代信息技术从根本上解决企业在信息化阶段面临的“信息烟囱”问题。戚聿东和蔡呈伟（2020）认为，数字技术包括信息技术、大数据、互联网等，信息技术是数字技术的一部分。因此，从技术范畴看，传统意义上的“信息化”是数字化的一部分[11]。所以，企业可以利用大数据和互联网实施创新，而数字化投资就是企业把资金投资于数字技术，以提高企业的管理水平、经营效益和竞争力。

关于企业数字化，以往文献多从技术赋能的视角出发。Fitzgerald等（2014）认为企业数字化是将移动互联网、嵌入式设备等数字技术和设备应用到企业业务之中[12]。戚聿东和蔡呈伟（2019）认为数字化企业的本质是收集数据、分析数据，并将数据应用于企业决策以及生产和销售[13]。也有学者认为企业数字化不仅是数字技术的应用，也是企业组织变革的过程[14]。而数字化投资是企业引进数字化软件硬件，为实现数字化目标所进行的直接投资，具体包括企业数字化改造的投资以及实施数字化管理所需的投资，以及维持企业日常运作的软硬件设备的投资等，企业相关人员的数字化培训费用也属于数字化投资。总体而言，数字化投资属于企业数字化的一部分。

关于数字化投资与创新绩效关系，在企业层面，Kleis等（2012）认为在给定的创新支出水平下，企业IT投入与创新产出有着密切的关联[15]。Frishammar（2005）发现信息技术对企业创新绩效存在着显著正向影响[16]。Joensuu-Salo等（2018）认为数字技术能够促进商业模式创新[17]。戚聿东和蔡呈伟（2019）认为数字化技术能整合企业活动，强化企业各部门和各环节的联系，增加交流机会进而促进创新[13]。参考已有文献关于信息化和数字化投资的划分方式[18-19]，本文将数字化投资分为软件和硬件两部分，提出如下假设：

H1：数字化投资总额能正向促进企业创新绩效。

H2：数字化软件投资能正向促进企业创新绩效。

H3：数字化硬件投资能正向促进企业创新绩效。

（二）数字化投资与企业人力资本的关系

关于数字化投资与企业人力资本的关系，学界尚无一致的结论。人力资本是指附着在劳动者身上具有经济价值的知识、技能和体力等的总和。有些学者认为数字化投资对企业人力资本具有正向促进作用，主要体现在增加人力资本存量以及提升人力资本质量两个方面，例如，Bresnahan（2002）认为信息技术投资会增加企业对劳动力的需求[20]。汪淼军等（2006）研究发现，企业信息化投资会间接导致企业对人力资本的需求增加[21]。刘跃和惠美宁（2012）对31个省份的截面数据进行实证分析，发现区域信息化发展水平和人力资本发展程度之间具有相互促进关系[22]。

数字技术的使用使得企业员工获取知识更加便捷，进一步提升人力资本质量。李楠和李录堂（2013）认为信息网络技术能方便员工分享知识，实现隐性知识的流动和共享，进而提升人力资本质量[23]。张骞和李长英（2019）认为得益于网络信息技术，人们可以随时随地进行学习和培训，而不必受限于固定的时间和场地，这极大地提升了员工获取知识的便捷性并降低了获取知识的成本，进而提升企业人力资本质量[24]。

然而，也有学者持相反的观点。比如许秀梅（2016）认为企业的技术水平与员工数量存在负向关系，技术替代普通员工的程度远高于机器设备的替代程度[25]。当技术进步过快时，员工学习知识的成本增加，会加速人力资本的折旧率，产生侵蚀效应进而降低企业人力资本[24,26-27]。综上理论分析和实证文献，结合本文作者的实践经验与实地调研，本文提出如下假设：

H4：制造业企业数字化投资会提升企业人力资本水平。

（三）人力资本的中介作用

企业通过实施数字化投资，能够提高企业人力资源的技能水平，进而提升企业的人力资本的存量和质量。例如，Tambe（2014）开展的实证研究发现，企业通过实施大数据项目，能够提升企业人力资源总体技能，而人力资源技能水平的提高则有助于提升创新能力[28]。因此，人力资本在数字化投资与企业创新绩效之间可能存在中间机制。

胡凤玲等（2014）发现，人力资本异质性能通过知识创造这个中介变量对企业创新绩效产生显著影响[29]。Sun等（2020）通过对中国制造业企业的数据进行实证研究，发现技术型人力资本对企业创新绩效有着显著正向影响[30]。裴政和罗守贵（2020）发现人力资本规模对创新绩效有正向影响，企业规模越大影响越显著，并且相对于服务业制造业人力资本对企业绩效的影响更显著[8]。综上，考虑到数字化投资会提升企业人力资本，而人力资本对企业创新绩效也具有正向促进作用，本文认为人力资本可能在企业数字化投资与创新绩效之间存在正向的中介作用，故提出如下假设：

H5：人力资本在数字化投资与企业创新产出之间起到正向的中介作用。

综上所述，本文的研究模型如下图1所示：

图1 企业数字化投资、人力资本与创新绩效之间的作用机制

（一）数据来源与样本选择

本文选取制造业上市公司数据作为研究对象，样本区间为2014年至2019年，选取标准为企业年报经营状况栏及未来发展战略栏中有披露数字化转型、云计算、大数据、人工智能、物联网等数字化投资信息的公司，并筛选剔除出现重大经营状况的公司，剔除金融行业公司，剔除ST类企业以及未在年报中列示硬件投资或软件投资的公司。

通过上述条件设置，本文收集到的企业主要涵盖计算机、通信和电子设备制造业、通信设备、白电行业、航空航天、医药制造业和仪器仪表制造业，总共得到121家企业6年的面板数据。在数据构成中，数字化投资数据来自企业年报，由手工整理获取。企业专利申请数来自国家专利统计局，其余数据均来自CSMAR数据库。为避免极端值对结果的干扰，本文对所有变量在99%和1%分位处进行缩尾（Winsorize）处理。

（二）变量选取

1.被解释变量

关于创新绩效,本文采用专利申请量的对数（Lnpatent）衡量。考虑到数据的可获得性以及企业数字化投资对创新绩效的滞后效应，参考Kleis等（2012）、黎文靖等（2016）的做法[15,31]，本文采取专利申请数量来衡量企业创新绩效，即采用企业当年发明专利、实用新型专利和外形设计专利这三种专利申请数量之和来衡量企业创新绩效。为避免异方差，并考虑到企业当年专利申请可能存在0的情况，对其加一后取自然对数，记为Lnpantentit，含义为第i个企业在第t年的专利申请总量。

2.解释变量

核心解释变量为企业数字化投资（Lndigital）。考虑上市公司数据可得性，将数字化投资分为数字化软件投资与数字化硬件投资这两部分。其中，软件投资来自企业年报无形资产中的软件或信息系统投资，硬件投资来自企业年报固定资产中电子设备及计算机类投资。考虑到异方差，本文对其取自然对数。由于企业数字化投资对企业创新绩效一般存在滞后效应，对其进行一阶滞后处理再纳入模型进行分析。

3.中介变量

本文拟考察人力资本（HC）在企业数字化投资与企业创新绩效之间的中介作用，人力资本本身难以衡量，因此需要寻找其代理变量。人力资本代理变量的测算方法较多，考虑到数据的可获得性，本文参考大多数学者如高素英等（2011）的方法，即以平均受教育年限法进行衡量[32]。考虑到规模越大的企业员工一般越多，简单以员工数量衡量人力资本可能存在误差，故选取本科及以上人员占总员工数的比例作为代理变量进行衡量，记为HCit。考虑到创新产出的滞后性，同样进行一阶滞后再纳入模型进行分析。

4.控制变量

企业研发投入（LnRD）。诸多学者如杨林等（2018）论证了企业研发投入对企业创新具有正向促进作用[33]。故以创新绩效作为因变量时，需要将研发投入作为控制变量纳入模型。考虑到研发投入对企业创新绩效的滞后作用，本文选取滞后一期的研发投入总额并取自然对数。本文还将企业规模（Lnsize）、总资产增长率（Growth）、资产负债率（Debt）、净资产收益率（ROE）等作为企业层面的控制变量，其中企业规模采用企业员工总数进行衡量。考虑到创新产出的滞后性，对所有控制变量进行一阶滞后再纳入模型。另外考虑可能存在某些时变影响因素，后续将检验是否存在时间效应。

综上所述，本文的变量类型、变量代码、变量含义及数据来源如表1所示。

表1 主要变量解释说明及来源

（三）模型设定

为避免双向因果造成的内生性问题，并考虑到企业创新绩效具有滞后性，本文对模型（1）、（2）、（4）中的所有解释变量以及控制变量进行滞后一阶处理。应用上述四个模型进行假设检验的处理过程如下：检验企业数字化软硬件投资对企业创新绩效的影响，对应模型（1）；
检验数字化投资总额对企业创新是否具有显著影响，对应模型（2）；
检验企业人力资本能否在数字化投资与企业创新绩效之间起到中介作用，对应模型（1）、（3）、（4）。

（四）描述统计分析

通过对表2进行分析可知，不同企业数字化投资总额、数字化软件投资、数字化硬件投资以及研发投入的差别很大，本文认为这主要与企业规模有关。因此，模型有必要纳入企业规模作为控制变量以保证结果的可靠性。关于企业绩效，从表2中可知，净资产收益率的均值为0.044，标准差为0.064，说明样本企业的盈利能力相差不大。资产负债率以及总资产增长率的均值分别为0.44、0.19，标准差分别为0.18、0.44，说明样本企业在负债水平以及企业成长能力这两方面相差不大。

表2 主要变量的描述统计

鉴于面板数据的回归方法有多种，本文综合使用OLS回归、固定效应模型、随机效应模型对模型1进行分析，以寻求最适合的回归方法，后续分析在此回归方法的基础上进行，回归分析结果如表3所示。

表3 企业数字化投资对创新绩效的影响

从表3可知，由于F检验和LM检验的原假设H0均为混合回归可以接受，即不存在个体异质性，但F检验在1%的显著性水平上拒绝原假设，即存在个体效应，同时LM检验也在1%的显著性水平上拒绝原假设，也说明了模型存在个体效应，因此采用OLS回归是不合理的，模型存在个体效应μi。进一步进行Hausman检验判断μi是否和某个解释变量相关，如果μi与某个解释变量相关，则模型为固定效应模型，反之则为随机效应模型，此检验的原假设为μi与所有解释变量均不相关，Hausman检验显示在1%的显著性水平上显著拒绝原假设，即μi与模型中的解释变量相关，同时检验了时间效应的联合显著性，该检验的原假设为不存在时间效应，分析结果显示不能拒绝原假设（p＞0.1），因此本文采用固定效应模型进行研究，即以表3的第③列的结果作为分析的基础。

（一）企业数字化投资与创新绩效

首先，研究数字化软硬件投资对企业创新绩效的影响，表3中第③列所示为使用FE模型对模型1的回归结果。结果表明，数字化软件投资对制造业上市公司企业创新有显著正面影响，β2为0.12（p＜0.05）。表明在控制其他变量时，当数字化软件投资增加时，制造业上市公司的创新绩效也会增加，即数字化软件投资每增加1%，企业创新绩效提高0.12%，说明制造业上市公司数字化软件投资正向促进企业创新绩效；
而数字化硬件投资对企业创新绩效没有显著影响（β1=0.17，p＞0.1）。造成两者差异的原因可能是数字化软件投资能在短时间内通过整合企业内外部资源、强化信息沟通以及提升整体运营效率来促进企业创新绩效；
而数字化硬件投资则投入更大且所需时间更长，短期内难以提升企业创新绩效。关于控制变量，净资产收益率在5%的显著性水平上对企业创新产出有着正向影响（β4=2.99，p＜0.05），说明在企业在当年盈利越多，在下一年的创新产出越多；
资产负债率也在5%的显著性水平上对企业创新有着显著影响（β5=-1.15，p＜0.05），但是符号为负，表明企业当年负债水平越高其下一年的创新产出越低。综上，H2成立，H3不成立。

其次，研究数字化投资总额对企业创新绩效的影响，即将数字化软件投资与数字化硬件投资加总记为LnDigital放入模型中进行分析，把回归结果与表3第四列（即FE③）一并列示，结果如表4所示。从表4可见，在5%的显著性水平上数字化投资总额对企业创新绩效有着显著的正向影响。故H1成立，数字化投资总额对于企业创新绩效产生显著的正向促进作用。

表4 模型（1）与模型（2）的比较结果

（二）人力资本的中介作用

关于人力资本的中介作用，根据模型1的分析可知，企业数字化硬件投资对企业创新产出不具有显著影响。故本文进一步研究企业人力资本是否在数字化软件投资与企业创新产出之间存在中介作用。

关于中介效应检验的方法众多，本文参考温忠麟等（2004）的三步法[34]：第一步，检验企业数字化软件投资能否显著提升企业创新绩效；
第二步，检验企业数字化软件投资能否显著提升企业人力资本；
第三步，检验企业数字化软件投资和企业人力资本同时放入回归方程时对企业创新绩效的影响。表6同时汇报了使用Stata中sgmediation命令进行中介效应的检验结果。

首先利用“第3.3节模型设定”之模型（3）来检验中介变量与解释变量的关系，即企业数字化投资能否对企业人力资本有显著影响。回归结果如表5所示。

表5 模型（3）回归结果

由表5可以看出，数字化软件投资对人力资本的影响系数η2为0.011（p＜0.01），数字化硬件投资对人力资本的影响系数η1为0.018（p＜0.01），说明数字化软件投资以及数字化硬件投资对企业人力资本的提升均有显著正向影响，即企业数字化投资越高，企业人力资本水平越高。本文认为，这主要是由于数字化投资提高了员工获取信息资源的能力及效率，同时降低了知识获取成本，进而提升自身技能水平，促进人力资本提升。H4成立。

第三步，利用“第3.3节模型设定”之模型（4）进行回归分析，把数字化软件硬件投资和企业人力资本一同作为解释变量，企业创新产出为被解释变量，并加入控制变量。回归结果如表6所示。

表6 模型（4）回归结果

从表6可知，企业数字化软件投资对企业创新产出的影响系数φ2为0.085（p＜0.1），φ2反映了控制中介变量后，数字化软件投资对企业创新绩效的直接效应，说明数字化软件投资对企业创新产出仍然有显著正向影响；
φ1=0.122（p＞0.1），数字化硬件投资对企业创新产出的影响依然不显著。人力资本对企业创新产出的影响φ3为3.063（p＜0.01），说明人力资本对企业创新产出有显著正向影响，符合研究假设。

中介效应η2φ3为0.034，中介效应在总效应中占比（η2φ3）/β2为28.15%，与Sobel检验汇报结果吻合，且η2φ3与φ2同号，说明人力资本在数字化软件投资与企业创新产出之间起着正向中介作用；
φ2=0.085（p＜0.1）依然显著，说明中介变量起到部分中介的作用，故H5部分成立。为避免多重共线性对结果的干扰，本文采用VIF（方差膨胀因子）对变量进行了多重共线性检验，结果发现max{VIF1，VIF2，……，VIFk}=2.63＜10，说明不存在多重共线性，回归分析结果可靠。

为保证结果的稳健性，本文采用Stata软件中sgmediation命令进行中介效应检验来验证结论。表6汇报了Sobel检验的结果，Sobel Z值均显著为正，证明部分中介的结果成立，即数字化软件投资能通过促进企业人力资本水平提升企业创新绩效，H5部分成立。

（三）内生性检验

为了克服内生性，保证结论的可靠性，本文采取了如下做法。首先，考虑遗漏变量，本文采用了面板数据并结合固定效应模型进行实证分析。面板数据能提供更多个体动态行为信息，能在一定程度上减少遗漏变量带来的误差，而固定效应模型能消除不随时间变化的因素导致的内生性问题。其次，逆向因果也可能造成内生性，鉴于数字化投资会提高企业创新绩效，而创新绩效的提高也会提升企业收益，导致企业有更多资金进行数字化投资，由此可能产生逆向因果关系；
数字化投资对企业创新绩效的影响可能存在滞后效应，因此本文将所有的解释变量进行滞后一阶处理，能在一定程度上克服双向因果关系的影响。

以上两种处理方式虽能在一定程度上克服内生性，但仍然可能存在内生问题。为保证结果的稳健性，本文进一步采用工具变量进行处理，参照范合君和吴婷（2021）的做法，将解释变量的一阶滞后项作为工具变量[35]。内生解释变量的一阶滞后项与内生解释变量有关而与扰动项无关，满足外生要求。考虑到如果存在异方差，GMM会比2SLS更有效率，本文同时采用2SLS和GMM进行内生性检验。

表7汇报了采用工具变量法的检验结果，在第三列的一阶段回归中，数字化投资与其一阶滞后项显著正相关，表明不存在弱工具变量的问题，故工具变量的选取符合要求。GMM和2SLS回归结果完全一致，数字化投资的回归系数在5%的水平上仍显著为正。综上所述，表明在解决内生性问题后，结论依然稳健。

表7 工具变量法检验结果

（四）异质性分析

有学者认为要素密集度会影响企业对技术创新的依赖程度，进而影响技术创新投入与产出[36]。因此数字化投资对不同类型制造业企业可能存在不同影响。依据要素禀赋理论，参考阳立高等（2018）的方法，按《中国统计年鉴》分类标准，本文按要素密集度把制造业企业进一步划分为劳动密集型、资本密集型和技术密集型[37]，具体如表8所示。依次按上述分析步骤，进行分组回归，表9-10和表11汇报了分组回归结果。

表8 制造业分类标准

表9 中介效应检验（劳动密集型）

表11 中介效应检验（技术密集型）

由表9可知，在劳动密集型制造业企业中，数字化投资总额能显著促进企业创新，数字化硬件投资对企业创新不具有显著影响，数字化软件投资能促进企业创新，这与前文分析结果一致。表9中，数字化软件投资对人力资本的影响不显著，即人力资本在数字化软件投资对企业创新的影响中不存在中介作用。同时，sobel检验的结果为0.18，无法通过显著性检验。本文认为：相对于资本密集型制造业技术密集型企制造业，劳动密集型制造业劳动力占员工总数的比重较大，员工的知识储备及技术操作要求不高,开展的技术创新活动相对较少[36],员工开展深度技术创新的知识和能力相对较弱。

由表10可知，在对资本密集型制造业企业的回归分析中，数字化投资总额、数字化硬件投资以及软件投资均能显著促进企业创新绩效，且人力资本在此影响中呈部分中介效应，中介效应占比为19.3%，sobel检验结果为0.039，在5%的水平上显著，印证了人力资本的中介效应。可能的解释是，资本密集型制造业在生产过程中，对机械设备较高的使用度带来了巨额的固定资产折旧费用，增加了单位产品成本。为保持竞争力，企业必须进行技术创新[36]。数字化设备能有效改进工艺流程，提升机器设备使用率，进而降低产品成本。

表10 中介效应检验（资本密集型）

由表11可知，对技术密集型制造业企业的回归分析中，在解释变量滞后一期的情况下，数字化软件及硬件投资均对企业创新绩效无显著影响。根据信息化投资滞后效应假说（信息化投资至少存在三年的滞后效应），考虑到本文选取的技术密集型企业大多分布在航空航天工业、半导体制造等高技术制造业，企业创新周期较长，故本文进一步对解释变量进行滞后处理。当解释变量滞后三期时，数字化投资总额及数字化软件投资对企业创新绩效有显著促进作用，且人力资本在两者间存在中介作用，sobel检验结果为0.025，在5%的水平上显著。实证结果表明，技术密集型制造企业数字化投资对创新绩效具有显著影响，但存在滞后效应。

（一）研究结论

本文利用2014—2019年沪深两市进行数字化投资的121家制造业企业的面板数据进行了实证研究，检验了企业数字化投资与企业创新绩效的直接效应，以及人力资本的中介效应，并针对不同类别的制造业企业进行了异质性分析。研究结果表明：

1.企业数字化投资总额对企业创新绩效具有统计上显著的正向促进作用，表明数字化投资能整合企业活动，提升信息流动效率并降低信息流通成本，加强企业各部门各环节的联系，促进企业创新。

2.数字化软件投资对企业创新绩效具有显著的正向促进作用，且人力资本在数字化软件投资与企业创新绩效之间起到正向的中介作用。

3.针对不同类别制造业企业的研究发现，在解释变量滞后一期的情况下，数字化软件投资对劳动密集型和资本密集型制造业企业的创新绩效均有显著促进作用，数字化硬件投资对资本密集型制造业企业的创新绩效具有显著促进作用，对劳动密集型制造业企业不具有显著影响。

（二）启示

根据研究结论，本文归纳了下述研究启示，以使制造业企业更好地利用数字化资源，促进企业创新绩效提升：

1.政府部门宜加快数字基础设施建设，为制造业企业提供关键的数字基础设施。

2.政府部门宜加大对制造业企业数字化支持力度，包括数字人才引进、员工数字化培训、数字化改造等方面给予政策和资金上的支持。

3.对于劳动密集型、资本密集型和技术密集型制造业企业，数字化投资均能在一定程度上促进企业创新，管理者应根据企业所处行业的要素密集度来制定相应政策，以提高企业创新绩效。

4.对于劳动密集型制造业企业而言，企业应采取措施提升员工人力资本水平，比如引进高技能员工，提高技能型员工比例，增加员工数字技术培训投入。

5.对于技术密集型制造业企业，应结合自身实际进行总体规划、分步骤分阶段实施数字化投资，并采取措施提高创新效率，因地制宜实施数字化转型。

（三）研究展望

鉴于企业数字化转型属于较新领域，本文基于人力资源视角，探究了数字化投资对企业创新绩效的影响机制，但这两者之间可能存在其他更复杂的机制，未来研究可以尝试从不同视角进一步探讨。其次，本文的样本主要集中在计算机、通信和电子设备制造业、通信设备、白电行业、航空航天等行业，未来可以扩大样本的行业范围，以扩展研究领域和内容。