趙樹寬，范雪媛，王 瀧，邵 東，張鉑晨

（1.吉林大學(xué)商學(xué)與管理學(xué)院，吉林長春 130022；2.東北師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，吉林長春 130117）

1 研究背景

當(dāng)前中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。經(jīng)濟(jì)學(xué)家曾提出全要素生產(chǎn)率（total factor productivity，TFP）是經(jīng)濟(jì)發(fā)展過程中的一個(gè)關(guān)鍵因素［1］，黨的十九大報(bào)告也明確提出提高全要素生產(chǎn)率這一緊迫要求，這都說明全要素生產(chǎn)率的提高是經(jīng)濟(jì)增長從高速度轉(zhuǎn)向高質(zhì)量的關(guān)鍵［2］。隨著第四次工業(yè)革命（工業(yè)4.0）的到來以及人工智能（artificial intelligence）、區(qū)塊鏈（blockchain）、云計(jì)算（cloud computing）、大數(shù)據(jù)（big data）等“ABCD”技術(shù)的不斷涌現(xiàn)，數(shù)字化正逐步成為經(jīng)濟(jì)復(fù)蘇和增長的新動(dòng)能［3］。國家“十四五”規(guī)劃將數(shù)字化提升到國家戰(zhàn)略的高度，提出以數(shù)字化轉(zhuǎn)型整體驅(qū)動(dòng)生產(chǎn)方式、生活方式和治理方式變革，促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，反映出以數(shù)字技術(shù)為核心驅(qū)動(dòng)力的數(shù)字經(jīng)濟(jì)是加速重構(gòu)生產(chǎn)要素體系、推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型和高質(zhì)量發(fā)展的新引擎［4］。因此，研究數(shù)字化對(duì)全要素生產(chǎn)率的影響具有重要的理論和現(xiàn)實(shí)意義。

基于上述背景，數(shù)字化與全要素生產(chǎn)率的關(guān)系受到國內(nèi)外學(xué)者的廣泛關(guān)注?，F(xiàn)有文獻(xiàn)從多個(gè)層面對(duì)上述關(guān)系進(jìn)行了探討。一是在宏觀層面，如郭吉濤等［5］、Pan 等［6］認(rèn)為數(shù)字經(jīng)濟(jì)的發(fā)展顯著提升了全要素生產(chǎn)率水平。二是在中觀層面，如劉平峰等［4］認(rèn)為數(shù)字化轉(zhuǎn)型通過資本賦能型技術(shù)和勞動(dòng)賦能型技術(shù)兩種途徑提高制造業(yè)的全要素生產(chǎn)率；宋煒等［7］認(rèn)為數(shù)據(jù)要素對(duì)工業(yè)全要素生產(chǎn)率具有顯著改善作用。三是在微觀層面，劃分為企業(yè)外部因素和內(nèi)部因素兩個(gè)角度：在外部因素上，數(shù)字金融發(fā)展、智能制造政策能夠有效提升全要素生產(chǎn)率［8-9］；在內(nèi)部因素上，如趙宸宇等［10］探討了制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響。雖然學(xué)者們從不同層面對(duì)數(shù)字化與全要素生產(chǎn)率的關(guān)系進(jìn)行了探討，總體來說仍有不足之處：（1）企業(yè)不僅是市場經(jīng)濟(jì)的主體，也是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的主體，全要素生產(chǎn)率是企業(yè)生產(chǎn)效率的重要指標(biāo)和企業(yè)價(jià)值的關(guān)鍵決定因素，因此，如何利用數(shù)字經(jīng)濟(jì)的發(fā)展機(jī)遇提升企業(yè)的全要素生產(chǎn)率成為當(dāng)務(wù)之急。以往研究更多從企業(yè)外部環(huán)境視角探討數(shù)字化對(duì)全要素生產(chǎn)率的影響研究，鮮有研究從實(shí)證角度分析全行業(yè)微觀層面的數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響。（2）數(shù)字化轉(zhuǎn)型作為企業(yè)在數(shù)字經(jīng)濟(jì)下的變革趨勢(shì)，與企業(yè)經(jīng)營績效息息相關(guān)。現(xiàn)有研究表明企業(yè)數(shù)字化轉(zhuǎn)型在股票流動(dòng)性、投入產(chǎn)出效率上均有積極作用［11-12］，但也有研究認(rèn)為企業(yè)推進(jìn)數(shù)字化會(huì)導(dǎo)致研發(fā)效率低下等問題［13］。除此之外，有學(xué)者發(fā)現(xiàn)數(shù)字化對(duì)企業(yè)的影響存在“過猶不及”效應(yīng)，企業(yè)過度投入數(shù)字化可能收效甚微，甚至造成企業(yè)經(jīng)營業(yè)績下降［14］。由此可知，學(xué)術(shù)界對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的影響結(jié)果褒貶不一，值得進(jìn)一步討論。

鑒于此，本文以2008—2020 年中國滬深A(yù) 股上市公司為研究樣本，基于資源基礎(chǔ)理論，探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響以及傳導(dǎo)路徑。本文可能的邊際貢獻(xiàn)包括：（1）在研究立意上，基于企業(yè)內(nèi)部管理角度，揭示了企業(yè)自身數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響，對(duì)于進(jìn)一步豐富微觀層面的數(shù)字化研究具有重要理論意義和現(xiàn)實(shí)價(jià)值；（2）在研究范式上，引入創(chuàng)新績效為中介變量，將其分為創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量兩個(gè)維度，解析創(chuàng)新績效在企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率之間的中介作用，有助于打開企業(yè)數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的機(jī)制“黑箱”；（3）在研究內(nèi)容上，考慮所有權(quán)性質(zhì)的特點(diǎn)，檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)全要素生產(chǎn)率提升的異質(zhì)性，對(duì)企業(yè)以數(shù)字經(jīng)濟(jì)推動(dòng)高質(zhì)量發(fā)展提供實(shí)踐啟示。

2 理論分析與研究假設(shè)

2.1 數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率

Wernerfelt［15］提出的資源基礎(chǔ)理論認(rèn)為企業(yè)的異質(zhì)性資源是企業(yè)高額利潤的來源。在此基礎(chǔ)上，Barney［16］提出具備價(jià)值性、稀缺性、不可模仿性和不可替代性的資源是企業(yè)獲取競爭優(yōu)勢(shì)的關(guān)鍵，這類資源包括信息，知識(shí)，能力等。數(shù)字化轉(zhuǎn)型是企業(yè)將數(shù)字技術(shù)引入其管理架構(gòu)之中并實(shí)現(xiàn)全方位要素的深度融合［11］，構(gòu)建以數(shù)據(jù)為核心驅(qū)動(dòng)因素的價(jià)值創(chuàng)造體系，最終實(shí)現(xiàn)商業(yè)模式轉(zhuǎn)型的過程［17］，其實(shí)質(zhì)是企業(yè)從傳統(tǒng)工業(yè)化管理模式向數(shù)字化管理模式的變革與轉(zhuǎn)型［12］。根據(jù)資源基礎(chǔ)理論，企業(yè)的數(shù)字技術(shù)能力屬于難以模仿，無法替代的核心無形資源［18］。已有研究表明，企業(yè)的數(shù)字化轉(zhuǎn)型可以帶來價(jià)值水平的提升［11］。全要素生產(chǎn)率作為企業(yè)價(jià)值的重要指標(biāo)［19］，因此會(huì)在一定程度上受到數(shù)字化轉(zhuǎn)型的影響。

從企業(yè)內(nèi)部運(yùn)營管理來看，數(shù)字化轉(zhuǎn)型可以提高管理效率、降低管理成本，從而提高企業(yè)的全要素生產(chǎn)率。首先，生產(chǎn)制造執(zhí)行系統(tǒng)（MES）、集散控制系統(tǒng)（DCS）等數(shù)字管理系統(tǒng)在企業(yè)生產(chǎn)運(yùn)營的各個(gè)環(huán)節(jié)中的嵌入可以管理、監(jiān)控生產(chǎn)過程［20］，降低自動(dòng)化生產(chǎn)商成本［21］，彌補(bǔ)人力勞動(dòng)的不足［22］，實(shí)現(xiàn)生產(chǎn)過程的智能化、精細(xì)化、柔性化［23］，顯著縮短產(chǎn)品生產(chǎn)周期，降低產(chǎn)品錯(cuò)誤率，提高企業(yè)的運(yùn)作效率［12］，從而提升全要素生產(chǎn)率。其次，數(shù)字化轉(zhuǎn)型可以影響甚至改變企業(yè)整個(gè)管理流程，打破企業(yè)內(nèi)部不同部門之間的邊界，在組織管理和生產(chǎn)管理等方面做到管理全過程的實(shí)時(shí)化和透明化［3］,可以提升自身信息傳遞和處理效率［12］，降低企業(yè)管理成本、運(yùn)輸成本和傳遞成本等［11］，實(shí)現(xiàn)高效的生產(chǎn)管理［24］，從而提升全要素生產(chǎn)率，比如企業(yè)資源計(jì)劃系統(tǒng)（ERP）可以實(shí)現(xiàn)從訂單管理到交付的全過程集成，降低人工成本和物流能耗。除此之外，數(shù)字化轉(zhuǎn)型還能通過促進(jìn)企業(yè)內(nèi)部的專業(yè)化分工來提升全要素生產(chǎn)率［25］。從企業(yè)外部交易來看，數(shù)字化轉(zhuǎn)型可以使企業(yè)借助數(shù)字技術(shù)更快地處理內(nèi)外部的海量數(shù)據(jù)并且從中挑選出對(duì)企業(yè)有價(jià)值的數(shù)據(jù)，提升數(shù)據(jù)利用度，使企業(yè)更快速地了解客戶和市場的需求變化并及時(shí)做出響應(yīng)，降低企業(yè)的交易費(fèi)用和搜尋成本［26］，實(shí)現(xiàn)高效的生產(chǎn)管理和資源的最優(yōu)配置［27］，帶來全要素生產(chǎn)率的提升。基于此，本文提出以下假設(shè)：

H1：企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率具有正向影響。

2.2 數(shù)字化轉(zhuǎn)型與創(chuàng)新績效

創(chuàng)新是企業(yè)增強(qiáng)競爭優(yōu)勢(shì)、實(shí)現(xiàn)可持續(xù)發(fā)展的重要途徑［28］?，F(xiàn)有研究認(rèn)為數(shù)字化轉(zhuǎn)型作為前沿的轉(zhuǎn)型模式，最先作用于企業(yè)的創(chuàng)新活動(dòng)［29］，也是推動(dòng)企業(yè)創(chuàng)新的核心力量［30］。Nwankpa 等［31］研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新有積極的影響。首先，數(shù)字化轉(zhuǎn)型可以大幅度提升資源整合、信息獲取與分析等企業(yè)技術(shù)創(chuàng)新能力［32］，極大地提升企業(yè)的運(yùn)作效率，從而在相同的創(chuàng)新資源邊界下達(dá)到更多的創(chuàng)新績效［11］。其次，企業(yè)為了更好地實(shí)現(xiàn)在數(shù)字經(jīng)濟(jì)時(shí)代高質(zhì)量發(fā)展的戰(zhàn)略目的，會(huì)在采用數(shù)字技術(shù)的同時(shí)加大研發(fā)投入［11］，從而提升創(chuàng)新績效。除此之外，在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)要素的開放與共享是競爭戰(zhàn)略的核心。數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)的深度融合會(huì)催生出協(xié)同創(chuàng)新的新模式，即創(chuàng)新共同體，客戶與供應(yīng)商可以參與企業(yè)產(chǎn)品設(shè)計(jì)到生產(chǎn)的全過程中及時(shí)進(jìn)行反饋，從而改變企業(yè)的傳統(tǒng)的以自身為主的創(chuàng)新模式［10］，企業(yè)可以獲取價(jià)值共創(chuàng)的機(jī)會(huì)。基于價(jià)值共創(chuàng)的角度，協(xié)同創(chuàng)新模式一方面能夠增加企業(yè)對(duì)市場變化的了解［33］，并有效地協(xié)調(diào)和融合以獲取各類資源［34］，加快了企業(yè)對(duì)市場需求的響應(yīng)速度，從而提升產(chǎn)品和技術(shù)改進(jìn)的速度，進(jìn)而提升創(chuàng)新績效。另一方面可以拉近企業(yè)與供應(yīng)鏈上下游之間的距離，豐富了企業(yè)與利益相關(guān)者的互動(dòng)方式、溝通模式和聯(lián)系渠道，降低了企業(yè)的信息不對(duì)稱程度［11］，從而能夠識(shí)別出創(chuàng)新機(jī)會(huì)，甚至實(shí)現(xiàn)大規(guī)模、個(gè)性化定制［35］，實(shí)現(xiàn)創(chuàng)新績效的提升。基于此，本文提出以下研究假設(shè)：

H2a：企業(yè)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新數(shù)量具有正向影響；

H2b：企業(yè)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新質(zhì)量具有正向影響。

2.3 數(shù)字化轉(zhuǎn)型、創(chuàng)新績效與全要素生產(chǎn)率

新增長理論認(rèn)為內(nèi)生的技術(shù)進(jìn)步是經(jīng)濟(jì)實(shí)現(xiàn)持續(xù)增長的決定因素［36］。全要素生產(chǎn)率是除資本、勞動(dòng)等要素投入之外的技術(shù)進(jìn)步和能力實(shí)現(xiàn)等導(dǎo)致的產(chǎn)出增加，是剔除要素投入貢獻(xiàn)后所得到的殘差［37］。其中，技術(shù)進(jìn)步包括技術(shù)創(chuàng)新和技術(shù)效率兩個(gè)因素，而技術(shù)創(chuàng)新對(duì)技術(shù)進(jìn)步的影響明顯高于技術(shù)效率［38］?，F(xiàn)有研究從創(chuàng)新投入的角度出發(fā)，認(rèn)為創(chuàng)新投入的增加可以減少對(duì)資本和勞動(dòng)的依賴［39］，從而直接或間接推動(dòng)企業(yè)全要素生產(chǎn)率的增長［40］。有關(guān)研發(fā)活動(dòng)創(chuàng)新產(chǎn)出的數(shù)據(jù)越來越多，越來越多的學(xué)者研究創(chuàng)新績效與全要素生產(chǎn)率之間的關(guān)系［41］。

企業(yè)創(chuàng)新能力的提升可以提升企業(yè)生產(chǎn)效率［42］。一方面技術(shù)創(chuàng)新可以促進(jìn)數(shù)字技術(shù)的外溢、減少企業(yè)對(duì)勞動(dòng)、資本等生產(chǎn)要素的依賴而改善企業(yè)的全要素生產(chǎn)率［43］，另一方面創(chuàng)新專利的保護(hù)可以賦予企業(yè)特殊的優(yōu)勢(shì)，企業(yè)可以借此提升自身產(chǎn)品的價(jià)值與產(chǎn)值，從而擴(kuò)大市場份額，實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)以降低生產(chǎn)成本而改善技術(shù)效率［44］，更好地提升全要素生產(chǎn)率。綜上可知，企業(yè)數(shù)字化轉(zhuǎn)型可以通過提高創(chuàng)新績效，進(jìn)而提升全要素生產(chǎn)率。在數(shù)字經(jīng)濟(jì)時(shí)代的背景下，數(shù)字化轉(zhuǎn)型通過影響企業(yè)戰(zhàn)略最終影響企業(yè)的績效［45］，依靠技術(shù)轉(zhuǎn)型升級(jí)提升創(chuàng)新能力是轉(zhuǎn)變經(jīng)濟(jì)增長方式的有效途徑［46］。基于上述分析，本文提出以下假設(shè)：

H3a：企業(yè)數(shù)字化轉(zhuǎn)型通過提高企業(yè)創(chuàng)新數(shù)量進(jìn)而提升全要素生產(chǎn)率；

H3b：企業(yè)數(shù)字化轉(zhuǎn)型通過提高企業(yè)創(chuàng)新質(zhì)量進(jìn)而提升全要素生產(chǎn)率。

本文的研究框架如圖1 所示。

圖1 研究框架

3 研究設(shè)計(jì)

3.1 樣本選擇與數(shù)據(jù)處理

本文選取2008—2020 年中國滬深A(yù) 股上市公司為研究樣本。專利數(shù)據(jù)來自Wind 數(shù)據(jù)庫，其他數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫，上市公司的行業(yè)類型根據(jù)中國證監(jiān)會(huì)《上市公司行業(yè)分類指引（2012 年修訂）》規(guī)定的行業(yè)代碼和行業(yè)門類代碼確定。在樣本搜集與處理過程中，借鑒已有的研究做法，按照如下方式對(duì)樣本進(jìn)行篩選：（1）剔除被ST 或*ST 的樣本；（2）剔除金融保險(xiǎn)行業(yè)的樣本；（3）剔除關(guān)鍵變量缺失的樣本。根據(jù)上述標(biāo)準(zhǔn)，最終得到3 110 家上市公司共計(jì)14 050 個(gè)樣本觀測值的非平衡面板數(shù)據(jù)。為了避免極端值的影響，對(duì)所有連續(xù)變量進(jìn)行1%水平的雙邊縮尾處理。

3.2 變量設(shè)定與計(jì)量

（1）被解釋變量。全要素生產(chǎn)率（TFP）。估算企業(yè)全要素生產(chǎn)率常用的方法有OLS、OP 和LP方法。本文借鑒魯曉東等［49］的計(jì)算方法，采用OP法（TFP-OP）計(jì)算企業(yè)全要素生產(chǎn)率，并將OLS 法（TFP-OLS）測算的全要素生產(chǎn)率結(jié)果用于穩(wěn)健性檢驗(yàn)。

（2）解釋變量。企業(yè)數(shù)字化轉(zhuǎn)型（DCG）。本文借鑒吳非等［11］的方法，以上市公司年報(bào)中涉及人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)及數(shù)字技術(shù)應(yīng)用共計(jì)五類76 個(gè)關(guān)鍵特征詞作為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵詞，并用每個(gè)關(guān)鍵詞的頻度形成最終加總詞頻作為企業(yè)數(shù)字化轉(zhuǎn)型的代理指標(biāo)，具體關(guān)鍵詞如表1 所示?？紤]到這類數(shù)據(jù)的右偏問題，本文將最終加總詞頻加1 之后取自然對(duì)數(shù)。DCG 越高，企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

表1 企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞［11］

（3）中介變量。借鑒現(xiàn)有文獻(xiàn)，本文以創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量二個(gè)維度來衡量企業(yè)創(chuàng)新績效。一是創(chuàng)新數(shù)量，本文參考黎文靖等［50］的研究，以發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利3 類專利申請(qǐng)總量衡量創(chuàng)新數(shù)量。二是創(chuàng)新質(zhì)量，相對(duì)于專利申請(qǐng)，專利授權(quán)更準(zhǔn)確地反映企業(yè)創(chuàng)新產(chǎn)出的有效性，因此本文借鑒易靖韜等［51］的做法，以發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利3 類專利授權(quán)數(shù)量衡量創(chuàng)新質(zhì)量。有學(xué)者認(rèn)為發(fā)明專利含有較高的創(chuàng)新成分［52］，是企業(yè)基礎(chǔ)創(chuàng)新活動(dòng)最重要的成果之一。因此，本文進(jìn)一步用發(fā)明專利的申請(qǐng)量和授權(quán)量分別作為衡量創(chuàng)新數(shù)量及創(chuàng)新質(zhì)量的代理變量。此外，考慮到專利數(shù)據(jù)的右偏問題，本文將所有專利相關(guān)數(shù)字加1 之后取自然對(duì)數(shù)。

（4）控制變量。為提高研究精度，參考以往對(duì)企業(yè)全要素生產(chǎn)率的相關(guān)研究，本文選取了一系列控制變量。包括企業(yè)年齡（Age）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)收益率（ROA）、總資產(chǎn)周轉(zhuǎn)率（ATO）、營業(yè)收入增長率（Growth）、董事會(huì)規(guī)模（Board）、獨(dú)立董事比例（Indep）、第一大股東持股比例（TOP1）和董事長與總經(jīng)理兩職合一（Dual）。變量的具體定義見表2 所示。

表2 樣本變量說明

3.3 模型構(gòu)建

本文為檢驗(yàn)所有假設(shè)，借鑒Baron 等［47］和溫忠麟等［48］提出的中介效應(yīng)檢驗(yàn)方法，分別構(gòu)建了模型（1）～（3）分別如式（1）～（3）進(jìn)行回歸分析。其中，模型（1）主要是檢驗(yàn)假設(shè)H1，即被解釋變量為企業(yè)全要素生產(chǎn)率（TFP），解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型（DCG）；模型（2）被解釋變量為企業(yè)創(chuàng)新績效（Patent），解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型；模型（3）探究企業(yè)創(chuàng)新績效的中介效應(yīng)，被解釋變量是企業(yè)全要素生產(chǎn)率，解釋變量是企業(yè)數(shù)字化轉(zhuǎn)型，中介變量是企業(yè)創(chuàng)新績效；Control 為本文選取的控制變量；ε為模型隨機(jī)誤差項(xiàng)。檢驗(yàn)程序如圖2 所示。

圖2 樣本中介效應(yīng)檢驗(yàn)程序

式（1）～（3）中：Control 為控制變量；ε為隨機(jī)誤差項(xiàng)；α0,β0,γ0分別為截距項(xiàng)；αn,βn,γn分別為因素估計(jì)系數(shù)；i為企業(yè)；t為年份。

4 實(shí)證檢驗(yàn)與結(jié)果分析

4.1 描述性統(tǒng)計(jì)

對(duì)研究樣本的主要變量進(jìn)行了描述性統(tǒng)計(jì)分析，具體結(jié)果如表3 所示。本文主要被解釋變量TFP-OP的均值為6.705，標(biāo)準(zhǔn)差為0.870，最小值為5.016，最大值為9.119，表明不同企業(yè)的全要素生產(chǎn)率水平存在一定差距。核心解釋變量DCG的平均值為1.813，標(biāo)準(zhǔn)差為1.350，表明數(shù)字化轉(zhuǎn)型行為在樣本個(gè)體間存在明顯的差異。創(chuàng)新績效的各個(gè)測量維度的最小值均為0，標(biāo)準(zhǔn)差均大于1，說明企業(yè)創(chuàng)新績效存在顯著差異，整體創(chuàng)新水平較低。

表3 樣本變量的描述性統(tǒng)計(jì)結(jié)果

4.2 相關(guān)性分析

對(duì)主要變量進(jìn)行Pearson 相關(guān)性檢驗(yàn)的結(jié)果如表4 所示。數(shù)字化轉(zhuǎn)型與創(chuàng)新績效、全要素生產(chǎn)率均呈顯著正相關(guān)關(guān)系，說明企業(yè)數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)創(chuàng)新績效和全要素生產(chǎn)率水平的提升，初步驗(yàn)證本文的假設(shè)。除此之外，絕大部分變量的相關(guān)系數(shù)在0.7 以下，僅專利申請(qǐng)數(shù)量與專利授權(quán)數(shù)量的相關(guān)系數(shù)比較高，這是專利指標(biāo)自身的特性所決定的，因?yàn)榘l(fā)明專利申請(qǐng)數(shù)量越多，3種專利申請(qǐng)總量越多，專利授權(quán)數(shù)量也會(huì)越多，因此表現(xiàn)出比較高的相關(guān)性，總體看來結(jié)果是可接受的?；诖?，本文進(jìn)一步采用方差膨脹因子VIF 分析來檢驗(yàn)?zāi)Ｐ椭兴凶兞康墓簿€性，VIF 值均小于10，說明各變量之間不存在嚴(yán)重的多重共線性。

表4 樣本變量的相關(guān)性分析

表4（續(xù)）

4.3 回歸分析

本文運(yùn)用Stata16.0 統(tǒng)計(jì)分析軟件對(duì)模型進(jìn)行回歸分析。為了選擇恰當(dāng)?shù)幕貧w方法，對(duì)所有模型進(jìn)行了F檢驗(yàn)和Hausman 檢驗(yàn)，檢驗(yàn)結(jié)果表明固定效應(yīng)模型更為合適。同時(shí)，在回歸中進(jìn)一步控制了行業(yè)（Industry）和時(shí)間（Year）效應(yīng)以盡可能地吸收固定效應(yīng)。

實(shí)證模型的回歸結(jié)果見表5 所示。首先，將控制變量和解釋變量同時(shí)納入回歸模型中以驗(yàn)證企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響，如模型1 所示。結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響系數(shù)顯著為正（β=0.023，P＜0.01），假設(shè)H1得到了支持，即企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率有明顯的激勵(lì)作用。其次，檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新績效的影響，如模型2～模型5 所示。模型2 和模型3 表明，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利申請(qǐng)量及發(fā)明專利申請(qǐng)量的影響均在1%水平下顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型可以顯著提升企業(yè)創(chuàng)新數(shù)量，假設(shè)H2a得到了驗(yàn)證。模型4 和模型5 表明，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利授權(quán)量、發(fā)明專利授權(quán)量的影響均在1%的水平下顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型可以顯著提升企業(yè)創(chuàng)新質(zhì)量，假設(shè)H2b得到了驗(yàn)證。第三步將企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新績效納入回歸模型，如模型6-模型9 所示。模型6 和模型7 結(jié)果表明數(shù)字化轉(zhuǎn)型和創(chuàng)新數(shù)量的系數(shù)均在1%的水平下顯著為正，且數(shù)字化轉(zhuǎn)型的回歸系數(shù)均小于模型1 中數(shù)字化轉(zhuǎn)型的系數(shù)，驗(yàn)證了假設(shè)H3a，表明創(chuàng)新數(shù)量在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的作用機(jī)制中發(fā)揮中介作用。模型8 和模型9 結(jié)果表明數(shù)字化轉(zhuǎn)型和創(chuàng)新質(zhì)量的回歸系數(shù)均在1%的水平下顯著為正，且數(shù)字化轉(zhuǎn)型的回歸系數(shù)小于模型1 中數(shù)字化轉(zhuǎn)型的系數(shù)，驗(yàn)證了假設(shè)H3b，表明創(chuàng)新質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的作用機(jī)制中發(fā)揮中介作用。這說明企業(yè)數(shù)字化轉(zhuǎn)型一方面能夠直接提升全要素生產(chǎn)率，另一方面通過推動(dòng)創(chuàng)新績效的提升，進(jìn)而提高全要素生產(chǎn)率。

表5 樣本變量的中介效應(yīng)檢驗(yàn)結(jié)果

表5（續(xù)）

4.4 穩(wěn)健性檢驗(yàn)

為檢驗(yàn)實(shí)證結(jié)果的可靠性，本文主要采用變量替換、模型檢驗(yàn)方法替換和滯后回歸共3 種方式進(jìn)行穩(wěn)健性檢驗(yàn)，得到的結(jié)果仍與預(yù)期一致，說明本文具有良好的穩(wěn)健性。

（1）變量替換。首先，本文采取了替換被解釋變量衡量方法的方式，使用魯曉東等［49］衡量全要素生產(chǎn)率的另一種方法——OLS 方法，代入原模型并重新進(jìn)行了檢驗(yàn)。具體的回歸結(jié)果如表6 中模型1～模型5 所示，結(jié)果表明在改變?nèi)厣a(chǎn)率的衡量方法后，本文的研究結(jié)果保持穩(wěn)健。

（2）模型檢驗(yàn)方法替換。為了增強(qiáng)結(jié)果的穩(wěn)健性，本文還對(duì)中介效應(yīng)進(jìn)行了Sobel 檢驗(yàn)。檢驗(yàn)的結(jié)果如表6 中模型6～模型9 所示。結(jié)果顯示，中介效應(yīng)Sobel 檢驗(yàn)的Z值均在1%的水平上顯著為正，證明創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率過程中的中介效應(yīng)存在。

表6 樣本替換變量及計(jì)量模型的中介效應(yīng)檢驗(yàn)結(jié)果

表6（續(xù)）

（3）滯后回歸。由于企業(yè)的數(shù)字化轉(zhuǎn)型從投入到價(jià)值輸出需要經(jīng)歷一定的時(shí)間，經(jīng)過不斷調(diào)試才能實(shí)現(xiàn)數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)的耦合乃至融合，因此數(shù)字化轉(zhuǎn)型對(duì)企業(yè)效率的影響可能存在時(shí)滯性。同時(shí)，創(chuàng)新活動(dòng)是長期的戰(zhàn)略行為，其產(chǎn)出具有一定的滯后性。因此，本文將創(chuàng)新績效與全要素生產(chǎn)率同時(shí)滯后一期進(jìn)行回歸，同時(shí)也能減輕反向因果的內(nèi)生性干擾問題，樣本滯后變量中介效應(yīng)檢驗(yàn)結(jié)果見表7 所示。根據(jù)表7 所示結(jié)果，研究結(jié)果基本保持穩(wěn)健。

表7 樣本滯后變量中介效應(yīng)檢驗(yàn)結(jié)果

4.5 內(nèi)生性檢驗(yàn)

Heckman 兩階段模型。雖然固定效應(yīng)能夠解決遺漏不隨時(shí)間改變的固定因素問題，但是由樣本選擇偏差造成的內(nèi)生性問題仍然有存在的可能性，因此本文進(jìn)一步基于Heckman 兩步法對(duì)內(nèi)生性問題予以緩解。將第一階段Probit 回歸中估計(jì)出的逆米爾斯比率（inverse mills ratio，IMR）加入到第二階段的回歸中作為控制變量進(jìn)行回歸分析，表8 給出了第二階段回歸的結(jié)果。結(jié)果表明，雖然IMR 不顯著或者顯著為正，但數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率和創(chuàng)新績效在1%的水平下具有顯著正向影響，且中介效應(yīng)依然存在。因此，在控制內(nèi)生性的影響后，本文的研究假設(shè)依然穩(wěn)健。

表8 樣本中介效應(yīng)Heckman 兩階段模型檢驗(yàn)結(jié)果

4.6 異質(zhì)性分析

2020 年8 月，國務(wù)院國資委正式印發(fā)《關(guān)于加快推進(jìn)國有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》以積極引導(dǎo)國有企業(yè)數(shù)字化轉(zhuǎn)型、培養(yǎng)發(fā)展新動(dòng)能。在政策的推動(dòng)下，數(shù)字化轉(zhuǎn)型的實(shí)踐效果會(huì)因所有權(quán)性質(zhì)的不同而有所差異。因此，本文進(jìn)一步探討不同所有權(quán)性質(zhì)下企業(yè)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新績效和全要素生產(chǎn)率的影響效果的差異，按照所有權(quán)性質(zhì)分組進(jìn)行回歸?；貧w得到的估計(jì)結(jié)果如表9 和表10 所示，在國有企業(yè)和非國有企業(yè)中，本文所有假設(shè)均成立，但數(shù)字化轉(zhuǎn)型對(duì)非國有企業(yè)全要素生產(chǎn)率的激勵(lì)作用要優(yōu)于國有企業(yè)。這種異質(zhì)性結(jié)果表明政策的頒布不是企業(yè)數(shù)字化轉(zhuǎn)型的根本動(dòng)力，而是企業(yè)的內(nèi)生需求。與國有企業(yè)相比，非國有企業(yè)以利益最大化為主要目標(biāo)，從而更有動(dòng)力進(jìn)行利于企業(yè)可持續(xù)發(fā)展的戰(zhàn)略性變革。

表9 國有企業(yè)樣本中介效應(yīng)檢驗(yàn)結(jié)果

表10（續(xù)）

5 研究結(jié)果與討論

5.1 研究結(jié)論

本文基于資源基礎(chǔ)理論，利用中國滬深A(yù) 股2008—2020 年上市公司的非平衡面板數(shù)據(jù)，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響，并剖析了創(chuàng)新績效在其中的中介傳導(dǎo)機(jī)制。研究得出以下結(jié)論：（1）企業(yè)數(shù)字化轉(zhuǎn)型有助于提升全要素生產(chǎn)率。數(shù)字化轉(zhuǎn)型是在數(shù)字經(jīng)濟(jì)時(shí)代企業(yè)面對(duì)較高的市場競爭和環(huán)境不確定性時(shí)戰(zhàn)略轉(zhuǎn)型的核心。當(dāng)數(shù)字化轉(zhuǎn)型程度較高時(shí)，企業(yè)能夠更好地提高管理效率，降低管理成本，實(shí)現(xiàn)資源的最優(yōu)配置，從而有效提升企業(yè)全要素生產(chǎn)率水平。（2）企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新績效有顯著的正向影響。數(shù)字化轉(zhuǎn)型不僅可以提升創(chuàng)新能力，還能改變創(chuàng)新模式，從而提高創(chuàng)新績效。（3）創(chuàng)新績效在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的作用機(jī)制中發(fā)揮中介作用。根據(jù)新經(jīng)濟(jì)增長理論，數(shù)字化轉(zhuǎn)型推動(dòng)創(chuàng)新實(shí)現(xiàn)的技術(shù)進(jìn)步是提升全要素生產(chǎn)率的重要途徑。（4）企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率的關(guān)系在不同所有權(quán)性質(zhì)的企業(yè)中存在差異。相對(duì)于國有企業(yè)，非國有企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的提升效果更明顯。

5.2 管理啟示

（1）隨著數(shù)字經(jīng)濟(jì)逐漸成為改變?nèi)蚋偁幐窬值年P(guān)鍵力量，企業(yè)的高質(zhì)量發(fā)展也離不開數(shù)字化的貢獻(xiàn)。企業(yè)應(yīng)充分把握數(shù)字經(jīng)濟(jì)時(shí)代的新機(jī)遇，積極推進(jìn)自身的數(shù)字化轉(zhuǎn)型并加強(qiáng)數(shù)字技術(shù)與企業(yè)實(shí)體經(jīng)濟(jì)的深度融合，實(shí)現(xiàn)全要素生產(chǎn)率的提升。

（2）根據(jù)新發(fā)展理念，創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力。企業(yè)應(yīng)重視創(chuàng)新能力的重要性，借數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新能力的積極作用來激發(fā)企業(yè)的創(chuàng)新動(dòng)能，加快推動(dòng)新舊動(dòng)能轉(zhuǎn)換，達(dá)到提質(zhì)增效的目標(biāo)，用創(chuàng)新驅(qū)動(dòng)高質(zhì)量發(fā)展的過程。

（3）政府應(yīng)進(jìn)一步完善對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的政策支持體系。一方面不斷加快數(shù)字基礎(chǔ)設(shè)施建設(shè)，引導(dǎo)企業(yè)強(qiáng)化數(shù)字化思維，推進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型；另一方面，在鼓勵(lì)國有企業(yè)數(shù)字化轉(zhuǎn)型之余，加大對(duì)非國有企業(yè)轉(zhuǎn)型的支持力度，并根據(jù)企業(yè)規(guī)模等性質(zhì)實(shí)施差異化的支持政策。

5.3 研究不足

本文尚存在以下研究局限與不足之處：（1）本文雖然分析了創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率之間的中介作用，但沒有考慮其他變量在企業(yè)數(shù)字化轉(zhuǎn)型和全要素生產(chǎn)率之間可能發(fā)揮的中介作用，比如創(chuàng)新效率也是實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的關(guān)鍵，因此企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響路徑需要進(jìn)一步研究。（2）本文在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率影響的異質(zhì)性方面的研究比較片面，僅考慮了所有權(quán)的異質(zhì)性，忽略了企業(yè)其他性質(zhì)的異質(zhì)性影響，尤其是行業(yè)特質(zhì)方面，制造業(yè)是我國國民經(jīng)濟(jì)的主要產(chǎn)業(yè)與技術(shù)創(chuàng)新的重要主體，提高制造業(yè)的發(fā)展質(zhì)量，實(shí)現(xiàn)“智能制造”是實(shí)現(xiàn)高質(zhì)量發(fā)展的支撐，未來可以充分探討企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響的異質(zhì)性，以增加結(jié)論的普適性。（3）本文沒有分析在何種情境下數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響作用會(huì)被強(qiáng)化或者削弱，未來可繼續(xù)關(guān)注公司治理機(jī)制等變量對(duì)數(shù)字化轉(zhuǎn)型和全要素生產(chǎn)率關(guān)系的調(diào)節(jié)作用。