李彥龍 彭 錦 羅天正

1（北京大學(xué)國(guó)家發(fā)展研究院/數(shù)字金融研究中心，北京 100871）

2（鄭州大學(xué)政治與公共管理學(xué)院，鄭州 450001）

3（北京建筑大學(xué)城市經(jīng)濟(jì)與管理學(xué)院，北京 102600）

引 言

改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)已經(jīng)經(jīng)歷了40多年的高速增長(zhǎng)，但這種以要素驅(qū)動(dòng)的發(fā)展模式，長(zhǎng)期以來(lái)存在投入高、效率低的特點(diǎn)［1］，我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。習(xí)近平總書(shū)記指出，“要建設(shè)網(wǎng)絡(luò)強(qiáng)國(guó)、數(shù)字中國(guó)、智慧社會(huì)，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合，發(fā)展數(shù)字經(jīng)濟(jì)、共享經(jīng)濟(jì)，培育新增長(zhǎng)點(diǎn)、形成新動(dòng)能”。對(duì)促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展和經(jīng)濟(jì)強(qiáng)國(guó)建設(shè)的要求，是在全球人工智能、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算等數(shù)字技術(shù)帶來(lái)深刻變革，我國(guó)也進(jìn)入新發(fā)展階段的背景下提出的。研究數(shù)字技術(shù)究竟對(duì)于推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展這一目標(biāo)提供哪些新機(jī)遇、又帶來(lái)哪些新挑戰(zhàn)，亟待研究。

對(duì)數(shù)字經(jīng)濟(jì)影響經(jīng)濟(jì)發(fā)展的問(wèn)題，現(xiàn)有文獻(xiàn)有從地區(qū)層面探索了數(shù)字化對(duì)經(jīng)濟(jì)全要素生產(chǎn)率的影響［2，3］，也有從企業(yè)層面考察了數(shù)字金融對(duì)全要素生產(chǎn)率的影響［4］。而本文旨在從微觀企業(yè)的數(shù)字化視角探索其對(duì)企業(yè)績(jī)效的影響，首次從行業(yè)、地區(qū)視角探索數(shù)字經(jīng)濟(jì)促進(jìn)企業(yè)績(jī)效的溢出效應(yīng)，從企業(yè)外部融資約束環(huán)境改善和內(nèi)部管理效率提升兩個(gè)方面探索數(shù)字經(jīng)濟(jì)促進(jìn)企業(yè)績(jī)效的影響機(jī)制，最后探索數(shù)字經(jīng)濟(jì)及其溢出效應(yīng)在企業(yè)間存在的異質(zhì)性。這主要從如下幾個(gè)方面展開(kāi)：（1）本文以數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次作為企業(yè)數(shù)字化轉(zhuǎn)型的代理變量，實(shí)證研究數(shù)字化對(duì)企業(yè)績(jī)效的影響； （2）以SA指數(shù)和資產(chǎn)周轉(zhuǎn)率作為影響機(jī)制變量，探索數(shù)字經(jīng)濟(jì)對(duì)企業(yè)績(jī)效的傳導(dǎo)機(jī)制，并實(shí)證檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)企業(yè)績(jī)效的異質(zhì)性；（3）通過(guò)計(jì)算上市公司所在城市和所處行業(yè)的數(shù)字經(jīng)濟(jì)發(fā)展水平均值，首次探索數(shù)字經(jīng)濟(jì)在地區(qū)內(nèi)和行業(yè)內(nèi)的溢出效應(yīng)。

本文的貢獻(xiàn)如下：（1）本文以數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次作為企業(yè)數(shù)字化的代理變量?，F(xiàn)有研究數(shù)字經(jīng)濟(jì)影響的相關(guān)文獻(xiàn)中，多數(shù)采用地區(qū)層面的數(shù)字普惠金融指數(shù)［5-7］、金融科技公司數(shù)量［4］以及根據(jù)主成分分析等方法和相關(guān)數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)測(cè)算出的數(shù)字化水平作為核心解釋變量進(jìn)行研究［2，8］，而本文則從數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次側(cè)面反映企業(yè)數(shù)字化；（2）通過(guò)計(jì)算上市公司所在城市和所處行業(yè)的數(shù)字經(jīng)濟(jì)發(fā)展水平均值，首次從行業(yè)、地區(qū)視角探索數(shù)字經(jīng)濟(jì)促進(jìn)企業(yè)績(jī)效的溢出效應(yīng)。從地區(qū)層面測(cè)算數(shù)字經(jīng)濟(jì)發(fā)展水平其實(shí)更多層次反映的是企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)環(huán)境，而本文基于企業(yè)層面的數(shù)字化發(fā)展水平，可從城市和行業(yè)層面估算企業(yè)的數(shù)字化水平，從行業(yè)、地區(qū)兩個(gè)層面探索數(shù)字經(jīng)濟(jì)的溢出效應(yīng)；（3）本文從企業(yè)外部融資約束環(huán)境改善和內(nèi)部管理效率提升兩個(gè)方面探索數(shù)字化及其溢出效應(yīng)促進(jìn)企業(yè)績(jī)效的影響機(jī)制，并從企業(yè)規(guī)模、所有制、地區(qū)、數(shù)字化水平差異等角度實(shí)證檢驗(yàn)數(shù)字化對(duì)企業(yè)績(jī)效的異質(zhì)影響。

1 文獻(xiàn)綜述

關(guān)于數(shù)字化對(duì)企業(yè)績(jī)效影響的相關(guān)文獻(xiàn)，早期數(shù)字經(jīng)濟(jì)概念尚未系統(tǒng)形成，前期與數(shù)字經(jīng)濟(jì)影響文獻(xiàn)比較相關(guān)的是基于互聯(lián)網(wǎng)或信息基礎(chǔ)設(shè)施角度進(jìn)行研究。如國(guó)外學(xué)者早期對(duì)信息基礎(chǔ)設(shè)施影響宏觀經(jīng)濟(jì)增長(zhǎng)的作用進(jìn)行了一系列研究［9-13］。國(guó)內(nèi)早期關(guān)于信息化的影響，多數(shù)是從行業(yè)或地區(qū)層面進(jìn)行考察。如徐瑾［14］從地區(qū)層面考察了信息化的影響，發(fā)現(xiàn)信息化對(duì)拉動(dòng)地區(qū)經(jīng)濟(jì)增長(zhǎng)有正向影響。孫琳琳等［15］基于行業(yè)面板數(shù)據(jù)分析了信息化對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)，發(fā)現(xiàn)信息化對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)主要體現(xiàn)于ICT資本深化的貢獻(xiàn)以及ICT制造業(yè)的全要素生產(chǎn)率改進(jìn)。韓先鋒等［16］基于2005～2011年中國(guó)行業(yè)面板數(shù)據(jù)考察信息化對(duì)工業(yè)部門(mén)技術(shù)創(chuàng)新效率的影響，發(fā)現(xiàn)信息化促進(jìn)了工業(yè)部門(mén)技術(shù)創(chuàng)新效率的提高。

由于數(shù)字技術(shù)在金融領(lǐng)域的使用以及北京大學(xué)數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)指標(biāo)豐富、涵蓋地區(qū)范圍廣，已有不少研究考察了數(shù)字金融對(duì)企業(yè)的影響。如謝絢麗等［5］研究發(fā)現(xiàn)，數(shù)字金融對(duì)城鎮(zhèn)化率較低的省份、注冊(cè)資本較少的微型企業(yè)有更強(qiáng)的鼓勵(lì)創(chuàng)業(yè)的作用。唐松等［7］基于2011～2017年的A股上市公司數(shù)據(jù)研究數(shù)字金融發(fā)展對(duì)企業(yè)技術(shù)創(chuàng)新的影響，發(fā)現(xiàn)數(shù)字金融促進(jìn)了企業(yè)技術(shù)創(chuàng)新。也有學(xué)者采用地區(qū)金融科技公司數(shù)量作為金融科技的發(fā)展水平。如宋敏等［4］使用金融科技公司數(shù)量構(gòu)建地區(qū)金融科技發(fā)展指標(biāo)，利用2011～2018年A股上市公司數(shù)據(jù)，考察了金融科技發(fā)展對(duì)企業(yè)全要素生產(chǎn)率的影響，發(fā)現(xiàn)金融科技能顯著促進(jìn)企業(yè)全要素生產(chǎn)率提高。

早期的信息化研究多數(shù)偏向的是互聯(lián)網(wǎng)化，與數(shù)字技術(shù)具有密切關(guān)系但又有較大區(qū)別。數(shù)字金融為數(shù)字技術(shù)在金融領(lǐng)域的滲透，然而企業(yè)的數(shù)字化轉(zhuǎn)型體現(xiàn)在各個(gè)領(lǐng)域，也有部分研究基于構(gòu)建的數(shù)字經(jīng)濟(jì)指數(shù)考察了數(shù)字經(jīng)濟(jì)的影響。如楊慧梅和江璐［2］從數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化兩個(gè)維度，采用主成分分析法構(gòu)建了數(shù)字經(jīng)濟(jì)發(fā)展水平的指標(biāo)體系，基于省際面板數(shù)據(jù)分析數(shù)字經(jīng)濟(jì)發(fā)展對(duì)全要素生產(chǎn)率的影響。研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)發(fā)展顯著促進(jìn)了全要素生產(chǎn)率的提升，并存在顯著的空間溢出效應(yīng)。趙宸宇等［8］基于中國(guó)A股制造業(yè)上市公司數(shù)據(jù)，構(gòu)建微觀層面的數(shù)字化轉(zhuǎn)型指數(shù)，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響，研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)全要素生產(chǎn)率。

總體來(lái)看，現(xiàn)有文獻(xiàn)已直接或間接考察了數(shù)字化對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響，但尚未從數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次側(cè)面反映企業(yè)數(shù)字化的相關(guān)研究。同時(shí)，由于數(shù)字技術(shù)往往可能存在溢出效應(yīng)，現(xiàn)有研究對(duì)數(shù)字技術(shù)在企業(yè)間的溢出效應(yīng)還未進(jìn)行考察，數(shù)字技術(shù)溢出效應(yīng)影響企業(yè)績(jī)效的傳導(dǎo)機(jī)制和企業(yè)異質(zhì)性尚待進(jìn)一步探索。本文旨在考察數(shù)字化對(duì)企業(yè)績(jī)效的影響及企業(yè)異質(zhì)性，從外部融資約束環(huán)境和內(nèi)部經(jīng)營(yíng)管理效率兩個(gè)角度檢驗(yàn)其影響機(jī)制，實(shí)證考察數(shù)字化在行業(yè)內(nèi)和城市內(nèi)對(duì)企業(yè)績(jī)效的溢出效應(yīng)。

2 研究策略

2.1 樣本選取與數(shù)據(jù)來(lái)源

本文主要采用的數(shù)據(jù)為我國(guó)A股上市公司數(shù)據(jù)，考慮到金融類(lèi)企業(yè)的特殊性，本文剔除了金融行業(yè)上市公司。除了A股上市公司數(shù)據(jù)，本文還采用了地級(jí)市層面的GDP指數(shù)和傳統(tǒng)金融發(fā)展水平數(shù)據(jù)。A股上市公司數(shù)據(jù)主要來(lái)源于Wind數(shù)據(jù)庫(kù)，上市公司數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR數(shù)據(jù)庫(kù)，地級(jí)市層面的宏觀數(shù)據(jù)來(lái)源于 《中國(guó)城市統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫(kù)。最終，本文所使用的數(shù)據(jù)為2007～2020年A股上市公司的非平衡面板數(shù)據(jù)，共13191個(gè)觀測(cè)值。

2.2 模型設(shè)定與變量

為檢驗(yàn)數(shù)字化對(duì)企業(yè)績(jī)效的影響，本文設(shè)定如下基準(zhǔn)回歸模型：

其中i表示企業(yè)，t表示年度，α為企業(yè)固定效應(yīng)，u表示隨機(jī)擾動(dòng)項(xiàng)。因變量y為企業(yè)的人均產(chǎn)出，用于度量企業(yè)的生產(chǎn)績(jī)效，采用企業(yè)的營(yíng)業(yè)收入與員工人數(shù)的比值度量。同時(shí)為了緩解可能存在的雙向因果導(dǎo)致的內(nèi)生性問(wèn)題，本文對(duì)除了勞動(dòng)投入規(guī)模外所有的解釋變量在年度上做滯后1期處理。

核心解釋變量index為上市公司的數(shù)字化水平，采用上市公司數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)測(cè)度①。數(shù)據(jù)庫(kù)中除了數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次外，還包括人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)的各細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次。但數(shù)字技術(shù)應(yīng)用強(qiáng)調(diào)的是數(shù)字技術(shù)與其他領(lǐng)域的結(jié)合，其他數(shù)字技術(shù)的細(xì)分指標(biāo)如數(shù)據(jù)挖掘等在報(bào)告中出現(xiàn)的頻次相對(duì)不高，數(shù)字技術(shù)應(yīng)用細(xì)分指標(biāo)出現(xiàn)的頻次占了更多的比重，超過(guò)了人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)的各細(xì)分指標(biāo)在報(bào)告中出現(xiàn)的頻次之和。本文將以數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)測(cè)度，同時(shí)在穩(wěn)健性檢驗(yàn)部分報(bào)告全部細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)作為數(shù)字化代理變量的估計(jì)結(jié)果。

本文選擇的控制變量X如下：（1）傳統(tǒng)金融發(fā)展水平，以上市公司所在城市的年末金融機(jī)構(gòu)存款與貸款余額占GDP的比重度量； （2）城市層面GDP指數(shù)； （3）企業(yè)勞動(dòng)投入規(guī)模，采用企業(yè)員工人數(shù)的自然對(duì)數(shù)度量； （4）企業(yè)規(guī)模，采用企業(yè)總資產(chǎn)的自然對(duì)數(shù)測(cè)度；（5）財(cái)務(wù)杠桿，采用上市公司的資產(chǎn)負(fù)債率度量；（6）現(xiàn)金流量，采用企業(yè)經(jīng)營(yíng)性活動(dòng)現(xiàn)金流凈額與總資產(chǎn)的比率度量。

3 數(shù)字化與企業(yè)績(jī)效的實(shí)證估計(jì)

3.1 數(shù)字化與企業(yè)績(jī)效

表1報(bào)告了基準(zhǔn)回歸模型 （1）的估計(jì)結(jié)果，其中列 （1）為不包含各控制變量的估計(jì)結(jié)果，列（2）包含了控制變量。表1的估計(jì)結(jié)果有如下主要發(fā)現(xiàn)：無(wú)論是否包含勞動(dòng)投入、企業(yè)規(guī)模、現(xiàn)金流、資產(chǎn)負(fù)債率、傳統(tǒng)金融發(fā)展和所在城市GDP增長(zhǎng)率等控制變量，均發(fā)現(xiàn)企業(yè)數(shù)字化變量的估計(jì)系數(shù)為正且在1%的水平下顯著，說(shuō)明數(shù)字化顯著促進(jìn)了企業(yè)績(jī)效的提高。根據(jù)列 （2）的估計(jì)系數(shù)可知，數(shù)字化轉(zhuǎn)型指數(shù)每提高1個(gè)標(biāo)準(zhǔn)差（1.089），企業(yè)的人均產(chǎn)出將會(huì)提高大約3.38%。

表1 數(shù)字化與企業(yè)績(jī)效：基準(zhǔn)估計(jì)結(jié)果

3.2 穩(wěn)健性檢驗(yàn)

3.2.1 內(nèi)生性問(wèn)題的處理：工具變量估計(jì)

模型 （1）中企業(yè)數(shù)字化變量可能會(huì)存在內(nèi)生性問(wèn)題，從而導(dǎo)致表1的基準(zhǔn)回歸結(jié)果出現(xiàn)偏誤。常用的工具變量包括互聯(lián)網(wǎng)普及率、移動(dòng)電話(huà)普及率、各省到杭州的距離等。其中各省到杭州的距離相對(duì)外生，但是其不隨時(shí)間變化，對(duì)于本文所估計(jì)的面板數(shù)據(jù)而言，無(wú)法采用工具變量估計(jì)。本文最終選擇企業(yè)所在省份的互聯(lián)網(wǎng)普及率和移動(dòng)電話(huà)普及率作為工具變量進(jìn)行估計(jì)，估計(jì)結(jié)果如表2所示②。其中列 （1）和 （2）為第一階段估計(jì)結(jié)果，列 （3）～（5）為分別以互聯(lián)網(wǎng)普及率、移動(dòng)電話(huà)普及率以及二者同時(shí)作為工具變量的估計(jì)結(jié)果。第一階段估計(jì)結(jié)果顯示，互聯(lián)網(wǎng)普及率和移動(dòng)電話(huà)普及率的估計(jì)系數(shù)均為正且在1%的水平下顯著，說(shuō)明互聯(lián)網(wǎng)普及率和移動(dòng)電話(huà)普及率的提高均有助于當(dāng)?shù)仄髽I(yè)數(shù)字化水平的提高，并且弱工具變量檢驗(yàn)也得以通過(guò)。列 （3）～（5）的估計(jì)結(jié)果仍然發(fā)現(xiàn)數(shù)字化可以顯著促進(jìn)企業(yè)績(jī)效的提升。此外，為了檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性，本文還嘗試選擇其他的變量作為工具變量進(jìn)行估計(jì)。如數(shù)字化水平的滯后1期、數(shù)字化水平的水平值（eindex），與基準(zhǔn)回歸的結(jié)論整體一致。

表2 數(shù)字化與企業(yè)績(jī)效：工具變量估計(jì)

3.2.2 替換核心解釋變量和樣本選擇

本文還采用了其他穩(wěn)健性檢驗(yàn)方法：（1）將前文的核心解釋變量取滯后2期處理，進(jìn)一步減弱企業(yè)績(jī)效與數(shù)字化可能存在的因果關(guān)系導(dǎo)致的內(nèi)生性問(wèn)題；（2）直轄市上市公司的數(shù)字化和績(jī)效水平更高，雙向因果關(guān)系可能更強(qiáng)，本文對(duì)直轄市樣本進(jìn)行剔除；（3）數(shù)字化對(duì)上市公司績(jī)效的影響可能是非線(xiàn)性的，本文在模型中引入數(shù)字化變量的平方項(xiàng)進(jìn)行估計(jì)；（4）將核心解釋變量由數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)替換為還包括人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)的各細(xì)分指標(biāo)在內(nèi)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)；（5）上市公司數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次的自然對(duì)數(shù)可能并不能完全反映上市公司的數(shù)字化水平，本文將核心解釋變量替換為北京大學(xué)數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)中的 “數(shù)字支持服務(wù)程度”進(jìn)行估計(jì)?？梢园l(fā)現(xiàn)，變更滯后期、刪除直轄市樣本、替換數(shù)字化的代理變量，仍然發(fā)現(xiàn)數(shù)字化可以顯著促進(jìn)企業(yè)績(jī)效的提高。此外，數(shù)字化平方項(xiàng)的系數(shù)為正且在1%的水平下顯著，數(shù)字化對(duì)企業(yè)績(jī)效的影響是非線(xiàn)性的，隨著數(shù)字化水平的提高，其對(duì)企業(yè)績(jī)效的影響也越來(lái)越大。

3.3 異質(zhì)性檢驗(yàn)

本文進(jìn)一步檢驗(yàn)了數(shù)字化影響企業(yè)績(jī)效的效果在不同類(lèi)別企業(yè)之間的異質(zhì)性，估計(jì)結(jié)果如表3所示。其中規(guī)模根據(jù)樣本中規(guī)模的中位數(shù)進(jìn)行分類(lèi)，行業(yè)數(shù)字化水平根據(jù)樣本中各行業(yè)上市公司數(shù)字化水平均值的中位數(shù)進(jìn)行分類(lèi)，南方和北方地區(qū)分類(lèi)方法參考清華大學(xué)中國(guó)平衡發(fā)展指數(shù)報(bào)告（2019年）。表3顯示，數(shù)字化對(duì)小規(guī)模企業(yè)和北方地區(qū)企業(yè)績(jī)效的促進(jìn)作用更大，說(shuō)明數(shù)字化有利于縮小南北差異和小企業(yè)與大規(guī)模企業(yè)的差異。然而，數(shù)字化對(duì)國(guó)有企業(yè)的促進(jìn)作用更大，并且由于數(shù)字化對(duì)企業(yè)績(jī)效的影響是邊際遞增的，數(shù)字化的影響在數(shù)字化水平高的行業(yè)體現(xiàn)的更為明顯。此外，通過(guò)比較各系數(shù)的大小差異可知，數(shù)字化促進(jìn)企業(yè)績(jī)效的差異在不同規(guī)模、不同數(shù)字化程度間表現(xiàn)的更為明顯，在國(guó)有與非國(guó)有企業(yè)、南方和北方地區(qū)之間的差異相對(duì)沒(méi)那么大。

表3 數(shù)字化與企業(yè)績(jī)效：異質(zhì)性

3.4 數(shù)字化促進(jìn)企業(yè)績(jī)效的傳導(dǎo)機(jī)制

接下來(lái)的一個(gè)關(guān)鍵問(wèn)題是：數(shù)字化為什么能夠促進(jìn)企業(yè)績(jī)效？本文認(rèn)為數(shù)字化能夠同時(shí)影響企業(yè)的外部環(huán)境和內(nèi)部經(jīng)營(yíng)管理來(lái)影響企業(yè)績(jī)效。（1）銀企之間的信息不對(duì)稱(chēng)會(huì)導(dǎo)致企業(yè)間的技術(shù)效率存在差異［17］，大數(shù)據(jù)、人工智能等數(shù)字技術(shù)的采用會(huì)使企業(yè)的財(cái)務(wù)信息更加透明化，降低銀企之間的信息不對(duì)稱(chēng)程度，從而緩解企業(yè)的外部融資約束環(huán)境； （2）以人工智能、大數(shù)據(jù)、5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)為代表的數(shù)字化技術(shù)應(yīng)用，將對(duì)企業(yè)產(chǎn)生積極影響，并通過(guò)智能制造、智慧供應(yīng)鏈管理等多種方式降本增效。中國(guó)電子信息產(chǎn)業(yè)發(fā)展研究院的統(tǒng)計(jì)數(shù)據(jù)表明，數(shù)字化轉(zhuǎn)型將使制造業(yè)企業(yè)成本降低17.6%、營(yíng)收增加22.6%。因此，數(shù)字化轉(zhuǎn)型能夠同時(shí)緩解企業(yè)的外部融資約束環(huán)境和提高企業(yè)內(nèi)部的經(jīng)營(yíng)管理效率。

本文以SA指數(shù)反映企業(yè)的融資約束。參考Hadlock 和 Piere［18］、 劉莉亞等［19］、 宋敏等［4］的做法，融資約束即SA指數(shù)通過(guò)公式-0.737×Scale+0.043×Scale2-0.04×Age計(jì)算得到③，該指數(shù)越大，說(shuō)明企業(yè)面臨的融資約束也越大。本文以總資產(chǎn)周轉(zhuǎn)率（營(yíng)業(yè)收入/總資產(chǎn)）反映企業(yè)的經(jīng)營(yíng)管理效率?？傎Y產(chǎn)周轉(zhuǎn)率是考察企業(yè)資產(chǎn)運(yùn)營(yíng)效率的一項(xiàng)重要指標(biāo)，體現(xiàn)了企業(yè)經(jīng)營(yíng)期間全部資產(chǎn)從投入到產(chǎn)出的流轉(zhuǎn)速度，反映了企業(yè)全部資產(chǎn)的管理質(zhì)量和利用效率。表4匯報(bào)了對(duì)SA指數(shù)和總資產(chǎn)周轉(zhuǎn)率進(jìn)行中介效應(yīng)檢驗(yàn)的結(jié)果。同時(shí)，為便于比較，本文在表4列 （3）同時(shí)匯報(bào)了本文的基準(zhǔn)回歸結(jié)果（即表1的列（2））。

表4 數(shù)字化與企業(yè)績(jī)效：中介效應(yīng)檢驗(yàn)

表4列 （1）的估計(jì)結(jié)果顯示，數(shù)字化變量的估計(jì)系數(shù)為負(fù)且在1%的水平下顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著緩解企業(yè)面臨的融資約束。列 （2）顯示，數(shù)字化變量的估計(jì)系數(shù)為正且在5%的水平下顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)的經(jīng)營(yíng)管理效率。列 （4）顯示，數(shù)字化變量的估計(jì)系數(shù)仍然為正且在1%的水平下顯著，但系數(shù)從0.031下降到了0.014，SA指數(shù)的估計(jì)系數(shù)為負(fù)且在1%的水平下顯著，說(shuō)明數(shù)字化通過(guò)緩解企業(yè)融資約束提高了企業(yè)的人均產(chǎn)出水平。列 （5）顯示，數(shù)字化變量的估計(jì)系數(shù)仍然為正且在1%的水平下顯著，影響系數(shù)從0.031下降到了0.025，資產(chǎn)周轉(zhuǎn)率變量的估計(jì)系數(shù)為正且在1%的水平下顯著，說(shuō)明數(shù)字化通過(guò)改善企業(yè)經(jīng)營(yíng)管理效率提高了企業(yè)的人均產(chǎn)出水平。列 （6）顯示，SA指數(shù)的估計(jì)系數(shù)為負(fù)且在1%的水平下顯著，資產(chǎn)周轉(zhuǎn)率變量的估計(jì)系數(shù)仍然為正且在1%的水平下顯著，與列 （4）、 （5）的表現(xiàn)類(lèi)似。但數(shù)字化變量的估計(jì)系數(shù)不再顯著，這也說(shuō)明緩解外部融資約束環(huán)境和提高經(jīng)營(yíng)管理效率是數(shù)字化促進(jìn)企業(yè)績(jī)效的兩個(gè)重要渠道。

4 數(shù)字化促進(jìn)企業(yè)績(jī)效的地區(qū)與行業(yè)溢出效應(yīng)

前文已經(jīng)研究了企業(yè)數(shù)字化對(duì)企業(yè)績(jī)效的影響，但并未考慮到數(shù)字化的溢出效應(yīng)。數(shù)字技術(shù)在同地區(qū)、同行業(yè)都可能會(huì)帶來(lái)溢出效應(yīng)，若僅考察企業(yè)自身數(shù)字化水平的影響，可能不足以完全認(rèn)識(shí)到數(shù)字化促進(jìn)企業(yè)績(jī)效的積極作用和傳導(dǎo)機(jī)制。

4.1 數(shù)字化促進(jìn)企業(yè)績(jī)效的溢出效應(yīng)檢驗(yàn)

本文通過(guò)引入上市公司所在城市和所在行業(yè)的上市公司數(shù)字化轉(zhuǎn)型水平的均值變量檢驗(yàn)數(shù)字化促進(jìn)企業(yè)績(jī)效的溢出效應(yīng)④。在控制了企業(yè)自身數(shù)字化水平后，其所在城市和行業(yè)的數(shù)字化轉(zhuǎn)型對(duì)其績(jī)效的影響可反映出數(shù)字化促進(jìn)企業(yè)績(jī)效的地區(qū)與行業(yè)溢出效應(yīng)。估計(jì)結(jié)果如表5所示。表5顯示，引入行業(yè)數(shù)字化和上市公司所在城市的數(shù)字化水平之后，數(shù)字化變量的估計(jì)系數(shù)仍然為正且在1%的水平下顯著，行業(yè)數(shù)字化和城市數(shù)字化水平變量系數(shù)均為正且均通過(guò)了5%水平下的顯著性檢驗(yàn)，說(shuō)明除了企業(yè)本身數(shù)字化水平的影響，所處行業(yè)和城市的數(shù)字化水平均會(huì)對(duì)其產(chǎn)生正向溢出效應(yīng)。

表5 數(shù)字化促進(jìn)企業(yè)績(jī)效的溢出效應(yīng)檢驗(yàn)

4.2 數(shù)字化促進(jìn)企業(yè)績(jī)效溢出效應(yīng)的企業(yè)異質(zhì)性

本文進(jìn)一步對(duì)數(shù)字化影響企業(yè)績(jī)效的溢出效應(yīng)在不同類(lèi)別企業(yè)之間存在的異質(zhì)性進(jìn)行研究，分類(lèi)方法同表3，估計(jì)結(jié)果如表6所示。表6顯示，在引入行業(yè)數(shù)字化和城市數(shù)字化水平后，企業(yè)本身數(shù)字化對(duì)績(jī)效的影響與表3表現(xiàn)出了類(lèi)似的差異。

表6 數(shù)字化促進(jìn)企業(yè)績(jī)效溢出效應(yīng)的企業(yè)異質(zhì)性

通過(guò)比較溢出效應(yīng)的系數(shù)大小可知，行業(yè)內(nèi)數(shù)字技術(shù)的溢出效應(yīng)在非國(guó)有企業(yè)、小規(guī)模企業(yè)、數(shù)字化程度高的行業(yè)和北方地區(qū)相對(duì)更大，所在城市數(shù)字技術(shù)的溢出效應(yīng)在國(guó)有企業(yè)、小規(guī)模企業(yè)、數(shù)字化程度高的行業(yè)和南方地區(qū)更大。綜合來(lái)看，無(wú)論是企業(yè)自身數(shù)字化水平還是行業(yè)和城市數(shù)字化的溢出效應(yīng)，均表現(xiàn)出小規(guī)模企業(yè)和數(shù)字化程度高的行業(yè)更大，但受限于所有制和地區(qū)經(jīng)濟(jì)環(huán)境不同，行業(yè)溢出效應(yīng)和城市溢出效應(yīng)在國(guó)有企業(yè)與非國(guó)有企業(yè)、南方與北方地區(qū)之間表現(xiàn)出的差異不同?？赡艿脑蛟谟冢m然數(shù)字技術(shù)對(duì)南方地區(qū)企業(yè)績(jī)效的促進(jìn)作用更大，但南方地區(qū)的市場(chǎng)化程度更高，城市內(nèi)部的數(shù)字技術(shù)溢出效應(yīng)更為明顯。國(guó)有上市公司往往集中在大城市，城市數(shù)字技術(shù)溢出效應(yīng)更大，但同時(shí)由于國(guó)有上市公司實(shí)力更強(qiáng)、規(guī)模更大，在行業(yè)內(nèi)數(shù)字技術(shù)溢出效應(yīng)小于非國(guó)有企業(yè)。

4.3 數(shù)字化及其溢出效應(yīng)促進(jìn)企業(yè)績(jī)效的傳導(dǎo)機(jī)制

前文發(fā)現(xiàn)，數(shù)字化能夠同時(shí)影響企業(yè)的外部環(huán)境和內(nèi)部經(jīng)營(yíng)管理來(lái)影響企業(yè)績(jī)效，那么行業(yè)數(shù)字化和城市數(shù)字化溢出效應(yīng)也可能通過(guò)這兩個(gè)渠道影響企業(yè)績(jī)效。本文選取與表4相同的中介變量進(jìn)行檢驗(yàn)，估計(jì)結(jié)果如表7所示。表7列（1）顯示，數(shù)字化、行業(yè)數(shù)字化和城市數(shù)字化變量的估計(jì)系數(shù)均為負(fù)且在1%的水平下顯著，說(shuō)明企業(yè)自身數(shù)字化、所處行業(yè)數(shù)字化和所處城市數(shù)字化水平的提高均會(huì)降低企業(yè)所面臨的融資約束，企業(yè)能夠從所處行業(yè)和地區(qū)的整體發(fā)展中受益。列 （2）顯示，只有企業(yè)自身數(shù)字化變量的估計(jì)系數(shù)通過(guò)了顯著性檢驗(yàn)，說(shuō)明所處行業(yè)數(shù)字化和所處城市數(shù)字化并不會(huì)直接影響到企業(yè)內(nèi)部的經(jīng)營(yíng)管理效率，主要是通過(guò)影響外部環(huán)境的融資約束。列 （3）～（6）顯示，SA指數(shù)的估計(jì)系數(shù)為負(fù)且在1%的水平下顯著，資產(chǎn)周轉(zhuǎn)率變量的估計(jì)系數(shù)為正且在1%的水平下顯著，說(shuō)明融資約束對(duì)企業(yè)績(jī)效產(chǎn)生了負(fù)向影響，資產(chǎn)周轉(zhuǎn)率的提高有助于企業(yè)人均產(chǎn)出的提高。加入中介變量后，數(shù)字化、行業(yè)數(shù)字化和城市數(shù)字化變量的估計(jì)系數(shù)均有了較大幅度的下降。綜上來(lái)看，企業(yè)自身數(shù)字化、行業(yè)和城市溢出效應(yīng)均會(huì)降低企業(yè)所面臨的融資約束從而促進(jìn)企業(yè)績(jī)效，而在內(nèi)部經(jīng)營(yíng)管理效率方面，只有企業(yè)自身數(shù)字化水平起到了顯著的促進(jìn)作用，行業(yè)和城市溢出效應(yīng)才不顯著。

表7 數(shù)字化及其溢出效應(yīng)促進(jìn)企業(yè)績(jī)效的傳導(dǎo)機(jī)制

5 結(jié)論與政策含義

本文基于2007～2020年A股上市公司的非平衡面板數(shù)據(jù)，考察數(shù)字化對(duì)企業(yè)績(jī)效的影響及企業(yè)異質(zhì)性，從企業(yè)外部融資約束環(huán)境和內(nèi)部經(jīng)營(yíng)管理效率兩個(gè)角度檢驗(yàn)數(shù)字化對(duì)企業(yè)績(jī)效的影響機(jī)制，最后實(shí)證考察數(shù)字化在行業(yè)內(nèi)和城市內(nèi)對(duì)企業(yè)績(jī)效的溢出效應(yīng)。本文基于企業(yè)層面的數(shù)字化發(fā)展水平，從城市和行業(yè)層面估算企業(yè)的數(shù)字化水平，從行業(yè)、地區(qū)兩個(gè)層面探索數(shù)字經(jīng)濟(jì)的溢出效應(yīng)，為探索數(shù)字化影響經(jīng)濟(jì)高質(zhì)量發(fā)展的效果提供了新的研究視角。

本文的主要發(fā)現(xiàn)如下：（1）數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)績(jī)效的提高，數(shù)字化轉(zhuǎn)型指數(shù)每提高1個(gè)標(biāo)準(zhǔn)差（1.089），企業(yè)的人均產(chǎn)出將會(huì)提高大約3.38%；（2）數(shù)字化對(duì)小企業(yè)和北方地區(qū)企業(yè)績(jī)效的促進(jìn)作用更大，說(shuō)明數(shù)字化有利于縮小南北差異和小企業(yè)與大企業(yè)的差異。然而，數(shù)字化對(duì)國(guó)有企業(yè)和數(shù)字化水平高的行業(yè)績(jī)效的促進(jìn)作用更大；（3）數(shù)字化能夠同時(shí)緩解企業(yè)的外部融資約束環(huán)境和提高企業(yè)內(nèi)部的經(jīng)營(yíng)管理效率；（4）除了企業(yè)本身數(shù)字化水平的影響，所處行業(yè)和城市的數(shù)字化水平均會(huì)對(duì)其績(jī)效產(chǎn)生正向溢出效應(yīng)，并且在不同類(lèi)別企業(yè)間也存在較大差異；（5）企業(yè)自身數(shù)字化、行業(yè)和城市溢出效應(yīng)均會(huì)降低企業(yè)所面臨的融資約束從而促進(jìn)企業(yè)績(jī)效，而在內(nèi)部經(jīng)營(yíng)管理效率方面，只有企業(yè)自身數(shù)字化水平起到了顯著的促進(jìn)作用，行業(yè)和城市溢出效應(yīng)不顯著。

上述發(fā)現(xiàn)有如下政策涵義：（1）數(shù)字化轉(zhuǎn)型顯著推動(dòng)了企業(yè)績(jī)效的提高，因此推動(dòng)我國(guó)企業(yè)的數(shù)字化轉(zhuǎn)型發(fā)展，是促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展的重要方向；（2）數(shù)字化對(duì)小規(guī)模企業(yè)和北方地區(qū)企業(yè)績(jī)效的促進(jìn)作用更大，推動(dòng)數(shù)字化轉(zhuǎn)型不僅可以促進(jìn)生產(chǎn)效率的提高，同時(shí)也有助于推動(dòng)中小企業(yè)發(fā)展，縮小南北經(jīng)濟(jì)差距，推動(dòng)區(qū)域經(jīng)濟(jì)均衡發(fā)展。數(shù)字化對(duì)國(guó)有企業(yè)和數(shù)字化水平高的行業(yè)促進(jìn)作用更大，因此推動(dòng)國(guó)有企業(yè)和數(shù)字化程度較高行業(yè)的數(shù)字化轉(zhuǎn)型可以更加有效的促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展，但同時(shí)也應(yīng)注意推動(dòng)非國(guó)有企業(yè)和數(shù)字化程度較低行業(yè)的數(shù)字化轉(zhuǎn)型；（3）所處行業(yè)和城市的數(shù)字化水平均會(huì)對(duì)企業(yè)績(jī)效產(chǎn)生正向溢出效應(yīng)，因此推動(dòng)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展，除了鼓勵(lì)微觀企業(yè)數(shù)字化轉(zhuǎn)型外，推動(dòng)數(shù)字化的相關(guān)產(chǎn)業(yè)和區(qū)域發(fā)展政策，推動(dòng)行業(yè)和區(qū)域數(shù)字化水平的提高，強(qiáng)化數(shù)字技術(shù)的溢出效應(yīng)，也是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要思路。

注釋?zhuān)?/p>

①其中數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)包括B2B、B2C、C2B、C2C、Fintech、NFC支付、O2O、互聯(lián)網(wǎng)醫(yī)療、互聯(lián)網(wǎng)金融、工業(yè)互聯(lián)網(wǎng)、開(kāi)放銀行、數(shù)字營(yíng)銷(xiāo)、數(shù)字金融、無(wú)人零售、智慧農(nóng)業(yè)、智慧交通、智能醫(yī)療、智能客服、智能家居、智能投顧、智能文旅、智能環(huán)保、智能電網(wǎng)、智能穿戴、智能能源、智能營(yíng)銷(xiāo)、電子商務(wù)、移動(dòng)互聯(lián)、移動(dòng)互聯(lián)網(wǎng)、移動(dòng)支付、第三方支付、網(wǎng)聯(lián)、量化金融、金融科技?？梢钥闯鰯?shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)更強(qiáng)調(diào)數(shù)字技術(shù)與其他領(lǐng)域的結(jié)合。

②控制變量包含了勞動(dòng)投入、企業(yè)規(guī)模、現(xiàn)金流、資產(chǎn)負(fù)債率、傳統(tǒng)金融發(fā)展、所在城市GDP增長(zhǎng)率以及企業(yè)固定效應(yīng)。表2及之后均包含了這些控制變量，下文不再說(shuō)明。

③Scale為前文中的變量企業(yè)規(guī)模，Age為企業(yè)上市年數(shù)。

④具體為上市公司所在城市和所在行業(yè)的上市公司數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在報(bào)告中出現(xiàn)頻次均值的自然對(duì)數(shù)。