杜傳忠 張遠

(1.南開大學經(jīng)濟與社會發(fā)展研究院，天津 300071；2.南開大學經(jīng)濟學院，天津 300071)

一、引言

近年來，隨著中國經(jīng)濟由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，高效率的生產(chǎn)方式成為構建現(xiàn)代化經(jīng)濟體系的重要支撐(高培勇等，2019)[19]。但中國長期依賴生產(chǎn)要素擴張的方式實現(xiàn)經(jīng)濟績效增長，企業(yè)生產(chǎn)率增長緩慢，尤其在當前新冠肺炎疫情沖擊、國際政治及貿(mào)易摩擦加劇的背景下，企業(yè)生產(chǎn)效率變革的外部環(huán)境進一步惡化。與此同時，伴隨著第四次工業(yè)革命的發(fā)展，物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等新一代信息技術與傳統(tǒng)產(chǎn)業(yè)的深度融合使經(jīng)濟社會發(fā)展朝著網(wǎng)絡化、數(shù)字化、智能化方向邁進，逐步形成了數(shù)字經(jīng)濟新形態(tài)(陳小輝等，2020)[17]。數(shù)字經(jīng)濟發(fā)展受到黨和國家的高度重視，黨的十九大報告明確提出“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”。2020年以來，國家提出大力推進以工業(yè)互聯(lián)網(wǎng)、5G等數(shù)字經(jīng)濟硬件設施為主體的新型基礎設施建設，以促進數(shù)字經(jīng)濟發(fā)展，數(shù)字經(jīng)濟儼然已成為驅(qū)動中國經(jīng)濟高質(zhì)量發(fā)展的重大戰(zhàn)略。在此背景下，數(shù)字經(jīng)濟發(fā)展能否在微觀上促進企業(yè)生產(chǎn)率提升？如果可以，這種影響產(chǎn)生的路徑和機制是什么？對于以上問題的探討不僅有利于豐富數(shù)字經(jīng)濟的理論體系，而且對于提升國家推進“新基建”戰(zhàn)略的精準性、促進經(jīng)濟效率變革、實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展具有重要意義。

根據(jù)2016年G20峰會《二十國集團數(shù)字經(jīng)濟發(fā)展與合作倡議》的定義，數(shù)字經(jīng)濟是指以使用數(shù)字化的知識和信息作為關鍵生產(chǎn)要素，以現(xiàn)代信息網(wǎng)絡作為重要載體，以信息通信技術的有效使用作為效率提升和經(jīng)濟結構優(yōu)化的重要推動力的一系列經(jīng)濟活動。數(shù)字經(jīng)濟對生產(chǎn)率的影響與信息技術的發(fā)展密切相關。在信息技術發(fā)展早期，Solow(1987)[12]根據(jù)“計算機無處不在，但并未反映在生產(chǎn)率上”這一現(xiàn)象提出了“信息技術生產(chǎn)率悖論”。一些學者(Erik and Lorin，1996；Lin and Shao，2006)[4][8]利用經(jīng)驗數(shù)據(jù)檢驗了這一悖論，認為信息技術對生產(chǎn)率沒有促進作用。但隨著信息技術的發(fā)展和互聯(lián)網(wǎng)的普及，學者普遍發(fā)現(xiàn)二者對企業(yè)生產(chǎn)率具有積極影響。Oliner et al.(2008)[10]利用美國的行業(yè)數(shù)據(jù)研究發(fā)現(xiàn)，信息技術在1995―2000年的經(jīng)濟復蘇中發(fā)揮著主要作用。郭家堂和駱品亮(2016)[20]利用2002―2014年中國省級數(shù)據(jù)驗證了互聯(lián)網(wǎng)對區(qū)域全要生產(chǎn)率的促進作用主要通過技術進步這一渠道。黃群慧等(2019)[25]發(fā)現(xiàn)互聯(lián)網(wǎng)通過降低交易成本、緩解資源錯配和提升創(chuàng)新水平促進企業(yè)生產(chǎn)率增長，城市互聯(lián)網(wǎng)發(fā)展水平每提高1%，制造業(yè)企業(yè)全要素生產(chǎn)率提升0.3%。隨著大數(shù)據(jù)、人工智能等新一代信息技術的發(fā)展和運用，企業(yè)生產(chǎn)逐漸顯現(xiàn)出數(shù)字化和智能化的特征。Graetz and Michaels(2018)[5]利用1993―2007年17個國家的工業(yè)機器人數(shù)據(jù)研究發(fā)現(xiàn)，工業(yè)機器人能促進企業(yè)勞動生產(chǎn)率和全要素生產(chǎn)率的提升。韓會朝和徐康寧(2020)[21]利用2013年中國工業(yè)企業(yè)數(shù)據(jù)庫匹配海關數(shù)據(jù)庫研究發(fā)現(xiàn)，工業(yè)企業(yè)的智能化改造有效激勵了企業(yè)生產(chǎn)率增長。

數(shù)字經(jīng)濟對生產(chǎn)率的影響主要表現(xiàn)為，新一代信息技術與傳統(tǒng)產(chǎn)業(yè)的深度融合推動產(chǎn)業(yè)網(wǎng)絡化、數(shù)字化、智能化發(fā)展，進而促進企業(yè)生產(chǎn)率增長。但上述文獻研究難以體現(xiàn)數(shù)字經(jīng)濟發(fā)展對企業(yè)生產(chǎn)率的影響，原因如下：第一，現(xiàn)有文獻主要停留在對信息化和互聯(lián)網(wǎng)帶來的網(wǎng)絡化特征研究階段，缺乏對大數(shù)據(jù)、云計算、人工智能等新一代信息技術的數(shù)字化和智能化特征對生產(chǎn)率影響的深入探討，而后者才是第四次工業(yè)革命背景下數(shù)字經(jīng)濟的典型特征。雖然有少數(shù)學者如Graetz and Michaels(2018)[5]、呂越等(2020)[31]研究了人工智能對生產(chǎn)率的影響，但實證研究中基本采用反映工業(yè)自動化能力的工業(yè)機器人作為人工智能的替代變量，而企業(yè)云是智能化的基礎，缺乏企業(yè)云使用量的指標難以有效反映數(shù)字經(jīng)濟的智能化特征。1第二，囿于數(shù)據(jù)可得性，現(xiàn)有研究主要集中在區(qū)域?qū)用?，基于微觀企業(yè)層面的研究較為欠缺。少量關于微觀企業(yè)的研究如黃群慧等(2019)[25]、韓會朝和徐康寧(2020)[21]基本采用2013年及以前的工業(yè)企業(yè)數(shù)據(jù)庫或問卷調(diào)查數(shù)據(jù)，而中國的數(shù)字金融、共享經(jīng)濟、智能制造等新型數(shù)字經(jīng)濟業(yè)態(tài)普遍誕生于2013年及以后，對企業(yè)生產(chǎn)率的影響則更為滯后。因此，現(xiàn)有文獻采用的數(shù)據(jù)難以精準評估數(shù)字經(jīng)濟的影響。第三，受限于數(shù)字技術發(fā)展的時代特征，現(xiàn)有文獻未將數(shù)據(jù)資源作為生產(chǎn)要素納入企業(yè)生產(chǎn)率的分析框架中，也缺乏從企業(yè)經(jīng)營環(huán)境變遷視角深入研究數(shù)字經(jīng)濟對生產(chǎn)率的影響。

鑒于此，本文可能的邊際貢獻為：第一，首次將數(shù)字經(jīng)濟與企業(yè)生產(chǎn)率納入同一分析框架，從數(shù)據(jù)驅(qū)動、新興技術賦能、企業(yè)經(jīng)營環(huán)境變遷等視角揭示數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響；第二，分別從直接影響和規(guī)模經(jīng)濟效應、范圍經(jīng)濟效應、技術創(chuàng)新效應、管理效率效應四個間接影響系統(tǒng)論述并驗證了數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的渠道路徑，打開數(shù)字經(jīng)濟發(fā)展影響企業(yè)生產(chǎn)率的“黑箱”；第三，采用2015―2018年騰訊研究院編制的包括企業(yè)用云量的城市數(shù)字經(jīng)濟指數(shù)與A股上市公司的匹配數(shù)據(jù)進行實證檢驗，克服了數(shù)字經(jīng)濟水平難以有效度量以及陳舊數(shù)據(jù)難以反映數(shù)字經(jīng)濟實際影響效應的 問題。

二、分析框架與研究假設

(一)數(shù)字經(jīng)濟與企業(yè)生產(chǎn)率

隨著經(jīng)濟社會由工業(yè)經(jīng)濟時代邁入數(shù)字經(jīng)濟時代，通過要素擴張實現(xiàn)績效增長的傳統(tǒng)方式難以滿足企業(yè)高質(zhì)量發(fā)展的需求。在此背景下，企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)生產(chǎn)和服務的自動化和智能化，減輕對勞動力的依賴，直接降低了生產(chǎn)成本，提高了生產(chǎn)效率。同時，企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生的數(shù)據(jù)資源不僅能夠與資本、勞動力等資源共同作為生產(chǎn)要素參與到生產(chǎn)過程中，直接驅(qū)動生產(chǎn)率增長，還可以改善資本、勞動等傳統(tǒng)生產(chǎn)要素的利用效率及配置效率，進而改善企業(yè)生產(chǎn)率。Oliner et al.(2008)[10]、郭家堂和駱品亮(2016)[20]、黃群慧等(2019)[25]運用區(qū)域?qū)用娴臄?shù)據(jù)驗證了互聯(lián)網(wǎng)發(fā)展有利于生產(chǎn)率提升。Graetz and Michaels(2018)[5]也發(fā)現(xiàn)工業(yè)機器人的使用對國家生產(chǎn)率具有促進效應。因此，本文認為數(shù)字經(jīng)濟發(fā)展能夠促進企業(yè)生產(chǎn)率增長。但數(shù)字經(jīng)濟的過度發(fā)展也可能會抑制企業(yè)生產(chǎn)率增長。首先，與資本、勞動力等要素相同，數(shù)據(jù)資源作為生產(chǎn)要素也存在最優(yōu)配置問題。在與資本、勞動力等要素及數(shù)據(jù)管理能力不匹配的情況下，數(shù)據(jù)要素快速積累引致的高存儲成本會擠占大量生產(chǎn)資源，造成企業(yè)資源錯配(Wamba et al.，2017)[14]；其次，隨著數(shù)字經(jīng)濟的深入發(fā)展，廣泛存在的網(wǎng)絡效應使網(wǎng)絡用戶逐漸集中于頭部數(shù)字化平臺，致使行業(yè)市場結構出現(xiàn)“贏者通吃”的寡頭壟斷或完全壟斷問題，從而降低企業(yè)生產(chǎn)率(郭家堂和駱品亮，2016)[20]。

(二)數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的間接作用機制

1.數(shù)字經(jīng)濟通過規(guī)模經(jīng)濟效應促進企業(yè)生產(chǎn)率增長

受限于空間的有界性和不可疊加性，傳統(tǒng)交易方式中時空同步的“剛性要求”使得消費者在購物時存在“搜索阻力”和“位置阻力”(Bell et al.，2012；劉向東等，2019)[2][30]，企業(yè)供給產(chǎn)品也面臨著空間距離帶來的自然性市場分割問題。因此，傳統(tǒng)企業(yè)進行規(guī)模擴張存在高昂的異地渠道建設成本和管理成本，容易陷入規(guī)模不經(jīng)濟的困境。數(shù)字經(jīng)濟則能有效緩解這一困境，主要體現(xiàn)在以下兩方面：一是電子商務平臺和移動支付工具的廣泛使用改變了傳統(tǒng)的交易方式，表現(xiàn)為交易行為由線下實體交易轉(zhuǎn)移到電子商務平臺等虛擬空間中，原本需要時間集合固定、連續(xù)和空間位置一致的交易過程被離散為間斷性的時間和地點，即實現(xiàn)了交易行為的時空異步(陳亞琦，2015)[18]。產(chǎn)品供給企業(yè)在有限的時空內(nèi)幾乎能與所有互聯(lián)網(wǎng)所觸及的用戶進行連接，并進行更加頻繁的交易，削弱了消費者的“位置阻力”，使企業(yè)產(chǎn)品銷售規(guī)模得以提升。二是內(nèi)嵌于電子商務平臺的搜索引擎有效提升了消費者對商品信息的搜索能力，降低了“搜索阻力”，進一步提高消費規(guī)模，促進企業(yè)銷售擴張。因此，數(shù)字經(jīng)濟能夠打破自然性市場分割，加強國內(nèi)乃至國際市場的整合，擴大企業(yè)產(chǎn)品銷售規(guī)模，進而實現(xiàn)規(guī)模經(jīng)濟。而規(guī)模經(jīng)濟的本質(zhì)是實現(xiàn)成本最小化，是提升企業(yè)生產(chǎn)率的有效路徑(王書斌，2018)[35]。

2.數(shù)字經(jīng)濟通過范圍經(jīng)濟效應促進企業(yè)生產(chǎn)率增長

數(shù)字化技術與傳統(tǒng)產(chǎn)業(yè)的深入融合不僅使產(chǎn)業(yè)邊界逐漸趨于模糊，而且數(shù)據(jù)資源在不同行業(yè)間的流動還有助于提升傳統(tǒng)行業(yè)企業(yè)的跨界經(jīng)營能力。基于這兩方面作用，企業(yè)通過跨界經(jīng)營能夠在不同行業(yè)中合理配置生產(chǎn)資源，緩解資產(chǎn)專用性約束，實現(xiàn)范圍經(jīng)濟。例如在制造業(yè)中，智能制造技術具有數(shù)據(jù)集成和自感知、自反饋功能，能夠自動采集客戶信息，精準識別客戶需求，并將這些數(shù)據(jù)自動傳輸?shù)缴a(chǎn)端，為客戶提供個性化定制服務，并進行自動化、柔性化生產(chǎn)，進一步為用戶提供增值服務，促使企業(yè)逐漸從產(chǎn)品加工制造轉(zhuǎn)向以用戶體驗為中心的服務型制造(Marjanovic et al.，2019)[9]；在服務業(yè)中，原本功能單一的服務平臺逐漸演化為具有綜合服務能力的平臺，如支付寶、微信、美團、滴滴出行等專業(yè)化服務平臺逐漸轉(zhuǎn)向金融、交通、醫(yī)療、公共服務等綜合數(shù)字化平臺，形成具有高度協(xié)同性、開放性的數(shù)字化生態(tài)系統(tǒng)。這種以某一產(chǎn)品和服務為載體獲取消費者數(shù)據(jù)資源，再通過人工智能、云計算等技術形成數(shù)據(jù)分析和資源分配能力，突破行業(yè)壁壘實現(xiàn)跨界經(jīng)營的發(fā)展模式，能夠使企業(yè)在所經(jīng)營的行業(yè)范圍內(nèi)降低平均成本，實現(xiàn)范圍經(jīng)濟，進而提高企業(yè)生產(chǎn)率，如Arnold et al.(2006)[1]基于微觀企業(yè)數(shù)據(jù)證實了制造業(yè)服務化對企業(yè)生產(chǎn)率存在正向影響。

3.數(shù)字經(jīng)濟通過技術創(chuàng)新效應促進企業(yè)生產(chǎn)率增長

數(shù)字經(jīng)濟的技術創(chuàng)新效應主要表現(xiàn)在緩解企業(yè)創(chuàng)新要素錯配、提升企業(yè)創(chuàng)新能力上。首先，在創(chuàng)新要素配置方面，數(shù)字經(jīng)濟改善了企業(yè)發(fā)展的外部融資環(huán)境。從金融機構與實體企業(yè)互動角度看，數(shù)字金融企業(yè)通過數(shù)字化信貸平臺獲取實體企業(yè)各種信息并加以處理和識別，直接向小微企業(yè)進行創(chuàng)新融資，可以有效緩解信息不對稱問題(汪亞楠等，2020)[34]；同時，數(shù)字金融形成的“鰱魚效應”加大了銀行等傳統(tǒng)金融機構的競爭壓力，減輕傳統(tǒng)金融機構資金投向的“領域錯配”“屬性錯配”和“階段錯配”問題，進一步緩解企業(yè)創(chuàng)新融資約束(唐松等，2020)[33]。從政府與企業(yè)互動視角看，政府能夠利用大數(shù)據(jù)技術構建企業(yè)用戶畫像，精準識別企業(yè)創(chuàng)新潛力，緩解創(chuàng)新補貼及稅收優(yōu)惠在企業(yè)間的錯配問題，提高政府財稅政策激勵創(chuàng)新的有效性(李春濤等，2020)[27]。

其次，數(shù)字化技術提高了企業(yè)的創(chuàng)新能力，而企業(yè)技術創(chuàng)新水平的提升是提高生產(chǎn)率的主要途徑之一。在研發(fā)模式上，開放式的數(shù)字化研發(fā)管理系統(tǒng)有助于企業(yè)從傳統(tǒng)封閉式的創(chuàng)新模式轉(zhuǎn)向所有部門乃至整個產(chǎn)業(yè)鏈和全社會都參與的開放式創(chuàng)新模式，使研發(fā)設計活動在點 線 面多維度的協(xié)同化網(wǎng)絡中進行，從而實現(xiàn)集成式、網(wǎng)絡化創(chuàng)新，提高企業(yè)創(chuàng)新能力；在研發(fā)流程上，數(shù)字孿生體、數(shù)字仿真等數(shù)字化設計工具能夠精準模擬物理實體的各種物理參數(shù)，并通過可視化的方式展示出來，在動態(tài)、不確定的環(huán)境下實現(xiàn)多種場景的研發(fā)創(chuàng)新，提高研發(fā)的精確性(陳劍等，2020)[16]；在驅(qū)動方式上，大數(shù)據(jù)、云計算等手段幫助企業(yè)基于消費數(shù)據(jù)構建消費者用戶畫像，精準識別用戶對產(chǎn)品的需求，實現(xiàn)產(chǎn)品研發(fā)由經(jīng)驗驅(qū)動到數(shù)據(jù)驅(qū)動(Johnson et al.，2017)[7]，降低技術創(chuàng)新的不確定性，促進企業(yè)創(chuàng)新。

4.數(shù)字經(jīng)濟通過管理效率效應促進企業(yè)生產(chǎn)率增長

數(shù)字經(jīng)濟的管理效率效應主要表現(xiàn)在以下三個方面：一是企業(yè)數(shù)字化轉(zhuǎn)型有利于降低企業(yè)內(nèi)部交流和信息獲取成本。在員工溝通上，微信、釘釘?shù)葦?shù)字化通訊工具的使用使企業(yè)上下級之間、員工之間的信息傳達和溝通交流更為便捷，提升了企業(yè)內(nèi)部各層級之間的協(xié)同性。在生產(chǎn)管理中，傳感器、工業(yè)互聯(lián)網(wǎng)等數(shù)據(jù)集成系統(tǒng)實現(xiàn)了企業(yè)物資的信息結構由傳統(tǒng)工業(yè)化時代的間斷性、分散性狀態(tài)向數(shù)字化時代的連續(xù)性、整體性轉(zhuǎn)變。這些都有利于實現(xiàn)組織機構的自我組織和調(diào)節(jié)，從機械式運作方式轉(zhuǎn)變?yōu)樯竭\作方式(肖靜華，2020)[39]，提高企業(yè)管理效率。二是數(shù)字經(jīng)濟能夠驅(qū)動企業(yè)組織變革。數(shù)字經(jīng)濟中終端用戶消費偏好的轉(zhuǎn)變需要企業(yè)以更加靈活的方式優(yōu)化資源配置，從而推動企業(yè)組織模式由傳統(tǒng)科層式的“垂直化”結構轉(zhuǎn)變?yōu)殚_放式的“扁平化”結構，帶來管理效率的提升(戚聿東和肖旭，2020)[32]。三是數(shù)字經(jīng)濟還能夠提升企業(yè)管理者的預測能力。如根據(jù)數(shù)字化平臺沉淀的產(chǎn)品交易、用戶評價等數(shù)據(jù)信息，企業(yè)管理者能夠精準預測消費者的消費傾向、企業(yè)經(jīng)營風險和未來發(fā)展方向等(He et al.，2019；李唐等，2020)[6][29]，提高管理效率。而管理效率的提升是促進企業(yè)生產(chǎn)率增長的重要因素，Bloom et al.(2016)[3]研究發(fā)現(xiàn)提高管理效率對企業(yè)生產(chǎn)率具有積極影響，管理效率的差異約占不同國家全要素生產(chǎn)率差異的30%。由此，本文提出：

假設1：數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響呈倒U型軌跡，適度的數(shù)字經(jīng)濟發(fā)展有利于提升企業(yè)生產(chǎn)率，數(shù)字經(jīng)濟發(fā)展過度會抑制企業(yè)生產(chǎn)率的增長。

假設2：規(guī)模經(jīng)濟效應、范圍經(jīng)濟效應、技術創(chuàng)新效應和管理效率效應是數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的有效路徑。

三、模型、變量與數(shù)據(jù)

(一)模型設定

為檢驗數(shù)字經(jīng)濟發(fā)展對企業(yè)生產(chǎn)率的影響，本文構建面板模型進行實證分析，模型設定如式(1)：

(二)變量度量

1.被解釋變量：企業(yè)生產(chǎn)率(Tfp)

現(xiàn)有研究中常用全要素生產(chǎn)率來衡量企業(yè)生產(chǎn)率，主要測算方法有三種，分別為OLS法、OP法、LP法。由于LP法不存在樣本丟失和內(nèi)生性問題，本文主要采用LP法來計算生產(chǎn)率，并將OP法和OLS法用于穩(wěn)健性檢驗。借鑒何光輝和楊咸月(2012)[23]的做法，采用主營業(yè)務收入表示總產(chǎn)出，固定資產(chǎn)凈額表示資本投入，支付給職工以及為職工支付的現(xiàn)金表示勞動投入；中間投入借鑒王文和牛澤東(2019)[36]的做法，采用營業(yè)成本+銷售費用+管理費用+財務費用－折舊攤銷－支付給職工以及為職工支付的現(xiàn)金來估計。最后，將所測得的值取自然對數(shù)即為Tfp。

2.核心解釋變量：數(shù)字經(jīng)濟指數(shù)(Index)

本文采用騰訊研究院發(fā)布的2015―2018年數(shù)字經(jīng)濟指數(shù)來衡量城市數(shù)字經(jīng)濟發(fā)展水平。該指數(shù)由騰訊研究院聯(lián)合京東、美團、滴滴、拼多多等企業(yè)，利用它們在各城市多項業(yè)務的海量高頻數(shù)據(jù)編制而成，基礎數(shù)據(jù)中不僅包括城市中企業(yè)的云消費量、cvm核數(shù)、IDC寬帶、cdb存儲、電子商務、企業(yè)微信和企業(yè)公眾號等與企業(yè)數(shù)據(jù)資源量、智能化水平和企業(yè)組織數(shù)字化水平高度相關的指標，也包括移動支付、網(wǎng)絡理財?shù)葦?shù)字金融相關指標，實現(xiàn)了對各城市實體企業(yè)數(shù)字化、智能化水平和數(shù)字金融發(fā)展水平的精準刻畫。數(shù)字經(jīng)濟指數(shù)的廣泛性使本文能夠從企業(yè)內(nèi)部數(shù)字化轉(zhuǎn)型、企業(yè)與金融機構、政府等外部組織互動的雙重視角來檢驗數(shù)字經(jīng)濟與企業(yè)生產(chǎn)率之間的關系。

3.控制變量及變量描述性統(tǒng)計

為減輕遺漏變量對估計結果的干擾，本文借鑒黃群慧等(2019)[25]和李蘭冰等(2019)[28]的研究，分別選取城市和企業(yè)兩個層面的控制變量。具體地，企業(yè)層面的控制變量有：企業(yè)規(guī)模(Size)，用企業(yè)總資產(chǎn)的自然對數(shù)來衡量；企業(yè)年齡(Age)，用考察年份與企業(yè)成立年份差值的自然對數(shù)來刻畫；固定資產(chǎn)占比(Ppe)，用固定資產(chǎn)凈值與總資產(chǎn)的比值來度量；資產(chǎn)負債率(Lev)，用總負債占總資產(chǎn)的比重來表征；股權集中度(Shrcr)，用第一大股東持股占比來衡量；董事會規(guī)模(Board)，用董事會人數(shù)加1后取自然對數(shù)來刻畫；企業(yè)所有制(Soe)，用企業(yè)所有權屬性來度量，國有企業(yè)則為1，否則為0。城市層面的控制變量有：經(jīng)濟發(fā)展水平(GDP)，用城市GDP的自然對數(shù)來表征；人口規(guī)模(Popu)，用城市人口數(shù)量的自然對數(shù)來刻畫。各變量的描述性統(tǒng)計結果見表1。

表1 變量的描述性統(tǒng)計結果

(三)數(shù)據(jù)來源及處理方法

本文的企業(yè)樣本為A股上市公司，數(shù)據(jù)來自國泰安(CSMAR)和Wind數(shù)據(jù)庫，城市數(shù)字經(jīng)濟指數(shù)數(shù)據(jù)來自騰訊研究院發(fā)布的年度《數(shù)字中國指數(shù)報告》。考慮到數(shù)字經(jīng)濟發(fā)展特征及數(shù)據(jù)的可得性，本文將樣本考察期設定為2015―2018年。同時，為精準評估數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響，本文刪除了樣本為ST、*ST、變量缺失嚴重、行業(yè)門類為金融類和信息傳輸、軟件和信息技術服務業(yè)的上市公司，并對所有的連續(xù)變量進行雙邊1%縮尾(winsorize)處理。

四、實證結果與分析

(一)基準回歸結果

表2列(1)單獨考察了數(shù)字經(jīng)濟發(fā)展與企業(yè)生產(chǎn)率之間的線性關系，結果顯示Index的系數(shù)在1%水平下顯著為正，表明數(shù)字經(jīng)濟發(fā)展能夠顯著促進企業(yè)生產(chǎn)率增長。列(2)加入了Index的平方項Index2，考察數(shù)字經(jīng)濟與企業(yè)生產(chǎn)率之間的非線性關系，結果顯示Index2的系數(shù)在1%水平下顯著為負，而Index的系數(shù)依然在1%水平下顯著為正，在逐步加入控制變量后結果依然不變，說明數(shù)字經(jīng)濟與企業(yè)生產(chǎn)率確實存在倒U型關系，驗證了假設1。

進一步，由列(5)結果可知，在控制了企業(yè)和城市層面的控制變量后，倒U型曲線的拐點為Index=12.652，落在解釋變量區(qū)間[6.67，12.56]的右側(cè)，在未添加控制變量和加入部分控制變量的列(2)～(4)估計結果中，解釋變量也基本未達到倒U型曲線的拐點，這說明在本文考察期內(nèi)，數(shù)字經(jīng)濟發(fā)展對企業(yè)生產(chǎn)率主要具有正向促進作用，不具有抑制作用。因此，本文主要采用不含Index2的線性模型進行估計。列(6)的線性估計結果表明，在控制了企業(yè)和城市層面控制變量情況下，數(shù)字經(jīng)濟發(fā)展對企業(yè)生產(chǎn)率依然具有正向促進作用，且城市數(shù)字經(jīng)濟發(fā)展水平每提高1%，城市中企業(yè)的生產(chǎn)率約提高0.07%。由此可見，經(jīng)濟發(fā)展的數(shù)字化轉(zhuǎn)型對微觀企業(yè)生產(chǎn)率提升具有積極意義，能夠成為經(jīng)濟高質(zhì)量發(fā)展的新動能。這一結論為中國當前大力推進“新基建”、加快經(jīng)濟數(shù)字化進程等戰(zhàn)略的實施提供了一定的理論支撐。

表2 數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的基準回歸結果

(二)穩(wěn)健性檢驗

1.內(nèi)生性分析

本文進一步采用工具變量法進行內(nèi)生性檢驗?？紤]到相同類別城市在行政權限、經(jīng)濟政策、人口密度、經(jīng)濟總量等方面相似，數(shù)字經(jīng)濟發(fā)展具有較強的相關性，借鑒蔡競和董艷(2016)[15]的做法，本文將樣本企業(yè)所在城市分為直轄市、副省級城市、除副省級城市外的同一省份城市三類，然后用相同類型城市(剔除樣本企業(yè)所在城市)的數(shù)字經(jīng)濟指數(shù)均值作為工具變量IV。表3的回歸結果顯示，第一階段IV的系數(shù)在1%水平下顯著為正，且F值大于10，說明不存在弱工具變量問題；第二階段Index的系數(shù)與基準模型估計結果基本一致，說明在考慮了內(nèi)生性問題后，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率依然具有顯著的促進作用，上述結論依然成立。

表3 內(nèi)生性分析

2.替換關鍵變量

第一，替換被解釋變量。為檢驗企業(yè)生產(chǎn)率度量方法的穩(wěn)健性，本文進一步采用OP法和OLS法對企業(yè)生產(chǎn)率進行度量，結果如表4所示。

第二，替換核心解釋變量。由于騰訊等公司的市場份額難以涵蓋全部中國市場，可能導致其測量的數(shù)字經(jīng)濟指數(shù)與城市實際數(shù)字化程度存在偏差。鑒于此，首先，使用智慧城市指數(shù)3Sc替換核心解釋變量Index。智慧城市指數(shù)由中國社科院信息化研究中心發(fā)布，其基礎數(shù)據(jù)涵蓋了互聯(lián)網(wǎng)基礎設施建設、信息資源共享協(xié)同、城市云平臺應用、信息產(chǎn)業(yè)發(fā)展、信息消費、政府數(shù)字化服務等多項指標，能夠有效度量城市數(shù)字經(jīng)濟發(fā)展水平。其次，借鑒何宗樾和宋旭光(2020)[24]的做法，采用城市數(shù)字金融指數(shù)Df替換核心解釋變量Index。該指數(shù)由北京大學數(shù)字金融研究中心聯(lián)合螞蟻金融公司利用支付寶的海量交易數(shù)據(jù)編制而成，包括數(shù)字金融服務使用廣度、使用深度和數(shù)字化程度三個維度。表4結果表明，替換被解釋變量和核心解釋變量后，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響依然呈倒U型，在本文的考察期內(nèi)則主要表現(xiàn)為促進作用，與基準模型回歸結果基本一致。

表4 替換關鍵變量

3.其他穩(wěn)健性分析

為確保結論穩(wěn)健性，本文進一步采用以下三種方法進行分析：

第一，更換估計模型。首先，基準模型的固定效應控制到個體企業(yè)層面可能過于嚴格，本文將固定效應控制在城市、二位碼行業(yè)和時間三個維度，并將穩(wěn)健標準誤聚類到企業(yè)層面，估計結果如表5列(1)所示。其次，基準回歸模型控制的年份和個體效應忽略了時間和行業(yè)的交叉因素，可能會引致估計結果偏誤，因此本文進一步控制了“行業(yè)-年份”高階聯(lián)合固定效應以控制不同年份不同行業(yè)所遭受的外部因素沖擊，估計結果如列(2)所示。

第二，本文對所有的連續(xù)變量進行雙邊2%和5%縮尾處理，以進一步緩解極端值對估計結果造成的影響，估計結果如列(3)、(4)所示。

表5 其他穩(wěn)健性分析

第三，增加控制變量。5G、工業(yè)互聯(lián)網(wǎng)等是數(shù)字經(jīng)濟發(fā)展的新型基礎設施，在加強市場整合、優(yōu)化要素配置等方面與傳統(tǒng)交通基礎設施有異曲同工之妙，二者在對企業(yè)生產(chǎn)率的影響作用上互為競爭性因素(李蘭冰等，2019)[28]。鑒于此，本文在模型的控制變量中加入?yún)^(qū)域交通基礎設施狀況，重新進行回歸。其中，交通基礎設施發(fā)展狀況分別用城市高鐵站點數(shù)Grail和省人均公路里程數(shù)Rail來度量，估計結果列(5)所示。表5結果表明，在進行多種穩(wěn)健性檢驗后，數(shù)字經(jīng)濟依然對企業(yè)生產(chǎn)率具有顯著的正向作用，證明了基準模型結果的穩(wěn)健性。

(三)異質(zhì)性分析

為深入探究數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響效應，本文分別從地理區(qū)域、行業(yè)性質(zhì)和企業(yè)特征三個層面進行異質(zhì)性分析：(1)基于企業(yè)所在省份，將樣本企業(yè)分為東、中、西三個子樣本；(2)基于行業(yè)性質(zhì)，依據(jù)國家統(tǒng)計局發(fā)布的GB/T 4754―2017行業(yè)分類目錄將樣本企業(yè)分為農(nóng)業(yè)、制造業(yè)和服務業(yè)；(3)基于企業(yè)特征，根據(jù)企業(yè)在考察期內(nèi)的平均資產(chǎn)規(guī)模將樣本企業(yè)分為大、中、小型企業(yè)。

1.基于區(qū)域的異質(zhì)性分析

表6回歸結果顯示，東部地區(qū)的Index系數(shù)在1%水平下顯著為正，而中西部地區(qū)的Index系數(shù)則并不顯著，表明數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響在東部地區(qū)最為明顯。可能的原因如下：一是東部地區(qū)的基礎設施、人力資本、金融資本等資源較中西部地區(qū)更為優(yōu)越，為數(shù)字經(jīng)濟功能的發(fā)揮提供了良好基礎；二是數(shù)字經(jīng)濟發(fā)展能夠降低區(qū)域間的交流成本，優(yōu)化區(qū)域間的資源配置，這可能會強化東部地區(qū)對中西部地區(qū)的“虹吸效應”，導致中西部地區(qū)人力資本流失加劇，企業(yè)生產(chǎn)率增長缺乏動力；三是經(jīng)濟發(fā)展事實表明，經(jīng)濟要素發(fā)展差距過大會產(chǎn)生“過疏”和“過密”進而抑制協(xié)調(diào)發(fā)展(韓先鋒等，2019)[22]，相對于東部地區(qū)，中西部地區(qū)內(nèi)部“數(shù)字鴻溝”明顯，導致數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響具有不均衡性。

2.基于行業(yè)的異質(zhì)性分析

表6估計結果表明，數(shù)字經(jīng)濟對服務業(yè)企業(yè)生產(chǎn)率的邊際效應最大，制造業(yè)次之，農(nóng)業(yè)最小且不顯著?？赡艿脑蚴牵菏紫?，服務業(yè)以生產(chǎn)和銷售無形產(chǎn)品為主，與數(shù)字化技術具有天然的適配性。與非服務業(yè)相比，數(shù)字化技術對服務業(yè)的滲透程度更深，二者的深度融合使部分服務具備了“可存儲”和“可貿(mào)易”的特點(江小涓和羅立彬，2019)[26]，涌現(xiàn)出數(shù)字醫(yī)療、在線教育等眾多新興業(yè)態(tài)，降低服務成本作用明顯。其次，傳統(tǒng)工業(yè)化社會時期，服務業(yè)被認為是勞力密集型產(chǎn)業(yè)，生產(chǎn)率長期低于非服務行業(yè)，即存在著名的“鮑莫爾成本病”4問題。因此，相對于非服務業(yè)企業(yè)，服務業(yè)企業(yè)通過數(shù)字化轉(zhuǎn)型提升生產(chǎn)率的需求更為迫切，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的邊際效應更為明顯。這一結論表明數(shù)字經(jīng)濟能夠解決服務業(yè)“鮑莫爾成本病”問題，也充分說明應加強數(shù)字化技術與農(nóng)業(yè)、制造業(yè)的深度融合，加快農(nóng)業(yè)和制造業(yè)的數(shù)字化轉(zhuǎn)型。

表6 數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的異質(zhì)性分析

3.基于企業(yè)的異質(zhì)性分析

表6結果表明，數(shù)字經(jīng)濟對大中型企業(yè)生產(chǎn)率具有顯著的正向影響，對小企業(yè)的影響并不顯著。這可能是由于盡管企業(yè)數(shù)字化轉(zhuǎn)型有助于提升企業(yè)生產(chǎn)率，但需要以一定的技術、勞動和資本等要素為前提(謝康等，2020)[40]。與大中型企業(yè)相比，小企業(yè)的技術基礎、人力資本、實物資本等生產(chǎn)資源較為匱乏，過于強調(diào)數(shù)字化轉(zhuǎn)型會導致企業(yè)的數(shù)字化技術水平、數(shù)據(jù)資源量與其他要素不匹配，導致生產(chǎn)率提升不明顯。這充分說明企業(yè)的數(shù)字化轉(zhuǎn)型應該“適度”，根據(jù)企業(yè)整體資源和要素水平來進行，盲目提高數(shù)字化水平對企業(yè)高質(zhì)量發(fā)展并無益處。

五、進一步分析：數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的作用機制

為進一步打開數(shù)字經(jīng)濟影響企業(yè)生產(chǎn)率的“黑箱”，探究這種影響是否通過規(guī)模經(jīng)濟效應、范圍經(jīng)濟效應、技術創(chuàng)新效應和管理效率效應四種作用機制加以實現(xiàn)，本文借鑒溫忠麟和葉寶娟(2014)[38]的研究，采用中介效應模型對上述機制進行檢驗，具體模型如下：

其中Mi,t為中介變量，分別為假設2中的規(guī)模經(jīng)濟、范圍經(jīng)濟、技術創(chuàng)新和管理效率，其他變量與式(1)相同。中介效應檢驗步驟如下：第一步，對式(2)進行回歸，考察在沒有控制中介變量的情況下數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響系數(shù)η1是否顯著。若η1不顯著，則說明數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率沒有影響或存在遮掩效應；若η1顯著，則檢驗繼續(xù)。第二步，對式(3)進行回歸，考察數(shù)字經(jīng)濟對中介變量的影響η2。第三步，對式(4)進行回歸，考察數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響系數(shù)η3和中介變量對企業(yè)生產(chǎn)率的影響系數(shù)δ。其中，η3為直接效應，η2×δ為中介效應。若η2和δ均顯著，則說明存在中介效應；若η2和δ中至少有一個不顯著，則采用Bootstrap法檢驗η2×δ在95%的置信區(qū)間中是否包括0，若不包括0，則說明η2×δ顯著，即存在中介效應，反之，則不存在中介效應(溫忠麟和葉寶娟，2014)[38]。

(一)規(guī)模經(jīng)濟效應

數(shù)字經(jīng)濟一方面實現(xiàn)了交易過程的時空異步，改變了企業(yè)規(guī)模擴張需要投入大量成本建立異地銷售渠道的事實；另一方面也降低了消費者的搜尋成本，提高其消費需求，從而降低企業(yè)規(guī)模擴張的成本，進而實現(xiàn)規(guī)模經(jīng)濟。為考察數(shù)字經(jīng)濟是否能夠通過企業(yè)的規(guī)模經(jīng)濟效應提升生產(chǎn)率，本文借鑒王書斌(2018)[35]的做法，采用企業(yè)銷售額的自然對數(shù)來表示企業(yè)的銷售規(guī)模Sale，作為規(guī)模經(jīng)濟效應的替代變量，并利用中介效應模型進行檢驗。表7列(1)估計結果顯示，數(shù)字經(jīng)濟Index的系數(shù)在1%水平下顯著為正，表明數(shù)字經(jīng)濟發(fā)展能夠提升企業(yè)銷售規(guī)模。進一步將生產(chǎn)率對數(shù)字經(jīng)濟和企業(yè)銷售規(guī)模進行回歸，列(2)結果顯示，數(shù)字經(jīng)濟和企業(yè)銷售規(guī)模的系數(shù)在1%水平下均顯著為正，且數(shù)字經(jīng)濟的系數(shù)絕對值小于列(1)相應結果，表明企業(yè)銷售規(guī)模擴張引致的規(guī)模經(jīng)濟效應是數(shù)字經(jīng)濟促進企業(yè)生產(chǎn)率增長的重要 途徑。

表7 機制分析：規(guī)模經(jīng)濟效應與范圍經(jīng)濟效應

(二)范圍經(jīng)濟效應

傳統(tǒng)工業(yè)時代，行業(yè)邊界清晰，資產(chǎn)專用性、信息不對稱等因素使企業(yè)跨界經(jīng)營需要投入大量的固定成本。數(shù)字化時代，傳統(tǒng)行業(yè)邊界隨著產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型逐漸趨于模糊，甚至衍生出眾多新興業(yè)態(tài)；而且數(shù)據(jù)在不同行業(yè)間的流動和數(shù)字化技術的廣泛應用使企業(yè)能夠跨界配置資源，實現(xiàn)范圍經(jīng)濟，進而提升企業(yè)生產(chǎn)率。參考Villalonga(2004)[13]的做法，本文利用企業(yè)主營業(yè)務所屬行業(yè)的赫芬達指數(shù)Dyh_hhi測度企業(yè)多元化程度，作為企業(yè)跨界經(jīng)營的替代變量，指數(shù)越大表明企業(yè)多元化程度越低，反之則越高。表7列(3)結果顯示，數(shù)字經(jīng)濟Index的系數(shù)在5%水平下顯著為負，說明數(shù)字經(jīng)濟發(fā)展有利于企業(yè)跨界經(jīng)營。進一步將生產(chǎn)率對數(shù)字經(jīng)濟指數(shù)和企業(yè)跨界經(jīng)營程度進行回歸，列(4)結果顯示，數(shù)字經(jīng)濟的系數(shù)在1%水平下顯著正，跨界經(jīng)營程度的系數(shù)在5%水平下顯著為負，說明企業(yè)跨界經(jīng)營導致的范圍經(jīng)濟效應是數(shù)字經(jīng)濟發(fā)展促進企業(yè)生產(chǎn)率增長的有效途徑。此外，多元化經(jīng)營虛擬變量(Dyh_dum)和收入熵指數(shù)(Dyh_entro)也常用于度量企業(yè)多元化的廣度和深度，本文進一步采用這兩種方式進行估計。具體地，多元化經(jīng)營虛擬變量用多元化啞變量表示，若企業(yè)涉足行業(yè)數(shù)大于1則取值為1，否則取值為0；收入熵指數(shù)計算方式為∑piln(1/pi)，其中pi為行業(yè)i的收入占總收入的比重，該指數(shù)越大，企業(yè)多元化程度越高(曾春華和楊興全，2012)[42]。表7列(5)～(8)結果顯示，更換企業(yè)多元化的度量方法后，上述結果依然成立。

(三)技術創(chuàng)新效應

創(chuàng)新資源匱乏和創(chuàng)新能力不足是制約企業(yè)創(chuàng)新的兩個重要因素。一方面，數(shù)字經(jīng)濟發(fā)展能夠改善企業(yè)創(chuàng)新環(huán)境，緩解創(chuàng)新資源錯配程度；另一方面，開放式研發(fā)系統(tǒng)和數(shù)字化研發(fā)工具在研發(fā)設計中的應用能夠提高企業(yè)技術創(chuàng)新能力。為檢驗技術創(chuàng)新的中介效應是否存在，本文采用企業(yè)申請專利總數(shù)(Patent)衡量企業(yè)創(chuàng)新水平。借鑒一般的做法，將企業(yè)申請專利數(shù)加1后取自然對數(shù)。表8列(1)和(2)結果表明，盡管專利數(shù)量表征的技術創(chuàng)新對企業(yè)生產(chǎn)率具有促進作用，但數(shù)字經(jīng)濟對專利數(shù)量的影響系數(shù)并不顯著，且Bootstrap法檢驗顯示間接效應的95%置信區(qū)間[-0.0019，0.0023]包括0，這說明技術創(chuàng)新可能不是數(shù)字經(jīng)濟促進企業(yè)生產(chǎn)率提升的有效路徑。但企業(yè)專利分為發(fā)明專利、實用新型專利和外觀專利三種類型，前者是高端的、實質(zhì)性的創(chuàng)新，更能體現(xiàn)企業(yè)的核心創(chuàng)新能力，后二者是較為低端的、數(shù)量型的創(chuàng)新(唐松等，2020)[33]。鑒于此，進一步將企業(yè)申請專利總數(shù)分為上述三種專利類型進行檢驗，列(3)～(8)結果顯示，數(shù)字經(jīng)濟Index對發(fā)明專利Patent1的影響系數(shù)在1%水平下顯著為正，對實用型專利Patent2和外觀專利Patent3的影響系數(shù)則不顯著。這表明技術創(chuàng)新效應確實是數(shù)字經(jīng)濟促進企業(yè)生產(chǎn)率提升的有效路徑，但主要是通過實質(zhì)性的核心技術創(chuàng)新。這一結論也說明，數(shù)字經(jīng)濟發(fā)展能夠減緩“創(chuàng)新泡沫”問題，促進技術創(chuàng)新由數(shù)量向質(zhì)量的轉(zhuǎn)變，成為中國“結構性”創(chuàng)新的新動能(唐松等，2020)[33]。

表8 機制分析：技術創(chuàng)新效應

表9 機制分析：管理效率效應

(四)管理效率效應

企業(yè)高效的管理是優(yōu)化技術進步和生產(chǎn)要素組合促進企業(yè)生產(chǎn)率增長的重要因素(Philippe and Peter，2006)[11]。數(shù)字經(jīng)濟能夠優(yōu)化企業(yè)溝通交流方式、推動企業(yè)組織變革和增強企業(yè)家的預測能力，從而促進企業(yè)管理效率提升。本文參考楊繼生和陽建輝(2015)[41]的做法，用(管理費用+銷售費用)與營業(yè)總收入的比值度量企業(yè)管理效率Manage，檢驗中介效應。Manage值越小，則管理效率高，反之則越低。表9列(1)結果顯示，數(shù)字經(jīng)濟Index對管理效率Manage的系數(shù)在10%水平下顯著為負，說明數(shù)字經(jīng)濟能夠提升企業(yè)管理效率；列(2)中，數(shù)字經(jīng)濟的系數(shù)在1%水平下顯著為正，管理效率的系數(shù)在5%水平下顯著為負，說明數(shù)字經(jīng)濟能夠通過提升管理效率對企業(yè)生產(chǎn)率產(chǎn)生正向影響。

六、主要結論和建議

本文厘清了數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響機制，利用2015―2018年城市數(shù)字經(jīng)濟指數(shù)與A股上市公司數(shù)據(jù)進行了實證檢驗。主要結論如下：數(shù)字經(jīng)濟發(fā)展對企業(yè)生產(chǎn)率的影響呈倒U型特征，但在本文考察期內(nèi)，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率主要是正向促進作用，且城市數(shù)字經(jīng)濟水平每提升1%，企業(yè)生產(chǎn)率提升約0.07%，經(jīng)過內(nèi)生性檢驗和穩(wěn)健性檢驗后，該結論依然成立；數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的影響呈現(xiàn)顯著的異質(zhì)性，在東部地區(qū)、非農(nóng)行業(yè)和大中型企業(yè)中，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)率的促進作用更為顯著；除直接效應外，數(shù)字經(jīng)濟還能通過規(guī)模經(jīng)濟效應、范圍經(jīng)濟效應、技術創(chuàng)新效應和管理效率效應四個間接機制促進企業(yè)生產(chǎn)率提升。

基于以上結論，本文建議：第一，大力推進新型基礎設施建設，發(fā)展數(shù)字經(jīng)濟，促進經(jīng)濟發(fā)展的效率變革。以工業(yè)互聯(lián)網(wǎng)、5G等數(shù)字經(jīng)濟硬件設施為主體的“新基建”是數(shù)字經(jīng)濟發(fā)展的基礎，政府一方面要利用財政資金，通過設立產(chǎn)業(yè)基金等形式推進5G、大數(shù)據(jù)中心等新型公共基礎設施建設，為企業(yè)數(shù)字化轉(zhuǎn)型提供良好的基礎環(huán)境；另一方面要通過財稅政策和典型企業(yè)的試點示范等方式，積極推進企業(yè)內(nèi)部數(shù)字化轉(zhuǎn)型。第二，加快推進制造業(yè)數(shù)字化轉(zhuǎn)型。制造業(yè)是我國經(jīng)濟發(fā)展的根基，應推進制造業(yè)企業(yè)構建包含產(chǎn)品全生命周期、全產(chǎn)業(yè)鏈的數(shù)字化管理系統(tǒng)，實現(xiàn)產(chǎn)品研發(fā)、設計、生產(chǎn)、銷售、售后服務等各個環(huán)節(jié)及流程的數(shù)字化，借助于新一代信息技術提升企業(yè)服務能力、技術創(chuàng)新能力和管理水平，提升企業(yè)生產(chǎn)效率。第三，進一步加強政府對數(shù)字經(jīng)濟發(fā)展的有效監(jiān)管，有效抑制行業(yè)壟斷行為，避免數(shù)字經(jīng)濟盲目發(fā)展造成的效率損失。此外，企業(yè)還需注重數(shù)據(jù)要素和資本、勞動等生產(chǎn)要素的合理配置，充分發(fā)揮資源的優(yōu)化配置對企業(yè)生產(chǎn)率的改善作用。

注釋

1. 企業(yè)云分為公有云、私有云和混合云。企業(yè)上云實質(zhì)上是將企業(yè)基礎設施、業(yè)務流程、管理流程等各類信息以數(shù)字化形式匯集和儲存，并進一步進行調(diào)取、分析、開發(fā)等的過程，是企業(yè)乃至行業(yè)內(nèi)構建數(shù)字化、智能化生態(tài)體系的基礎。

2. 0.2475/(0.00978×2)≈12.65，列(5)中Index和Index2的實際系數(shù)分別為0.2475和0.00978，由于保留三位小數(shù)，列表中Index和Index2的系數(shù)分別為0.248和0.010，倒U型曲線拐點根據(jù)實際系數(shù)計算得到。

3. 智慧城市指數(shù)來源于中國社科院信息化研究中心聯(lián)合國脈互聯(lián)有限公司發(fā)布的《2016中國智慧城市發(fā)展水平評估報告》。雖然該指數(shù)為年度報告，但不同年份的指數(shù)不具有可比性。鑒于2016年年度數(shù)據(jù)涵蓋的城市數(shù)量最多，本文采用2016年的智慧城市指數(shù)與2017年的企業(yè)數(shù)據(jù)相匹配，利用OLS進行截面回歸。

4. 鮑莫爾(W. J. Baumol)于1967年提出了著名的鮑莫爾成本病(Baumol’s cost diseas)概念，即技術進步會引致經(jīng)濟中的“進步部門”如制造業(yè)的生產(chǎn)率提升，勞動需求減少，服務業(yè)等嚴重依賴勞動力的行業(yè)則屬于“停滯部門”，生產(chǎn)成本高，生產(chǎn)率長期低于“進步部門”(王耀中和陳潔，2012)[37]。