任志成 趙梓衡

（南京審計(jì)大學(xué)經(jīng)濟(jì)學(xué)院，南京 211815）

引 言

自改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)取得了迅速發(fā)展。然而隨著經(jīng)濟(jì)體量不斷增大，制造業(yè)創(chuàng)新能力低下、核心競(jìng)爭(zhēng)力較弱、“大而不強(qiáng)”的問(wèn)題也充分暴露出來(lái)，已然掣肘于我國(guó)經(jīng)濟(jì)高質(zhì)量轉(zhuǎn)型發(fā)展。數(shù)字經(jīng)濟(jì)作為當(dāng)前經(jīng)濟(jì)發(fā)展中最為活躍和重要的組成部分，與經(jīng)濟(jì)社會(huì)各領(lǐng)域融合發(fā)展的深度和廣度不斷拓展，企業(yè)推廣數(shù)字化轉(zhuǎn)型發(fā)展也能夠提高生產(chǎn)和管理效率，重塑競(jìng)爭(zhēng)優(yōu)勢(shì)。然而，據(jù)國(guó)際數(shù)據(jù)公司（IDC）發(fā)布的 《2018中國(guó)企業(yè)數(shù)字化發(fā)展報(bào)告》顯示，我國(guó)超過(guò)50%的制造業(yè)企業(yè)數(shù)字化仍處于單點(diǎn)試驗(yàn)和局部推廣階段?；诋?dāng)前背景，《中國(guó)制造2025》計(jì)劃提出推動(dòng)新一代信息技術(shù)與制造技術(shù)融合發(fā)展，推動(dòng)制造業(yè)企業(yè)轉(zhuǎn)型升級(jí)。有鑒于此，在大力推進(jìn)傳統(tǒng)產(chǎn)業(yè)與數(shù)字經(jīng)濟(jì)融合的背景下，企業(yè)數(shù)字化轉(zhuǎn)型是否能成為經(jīng)濟(jì)增長(zhǎng)的新動(dòng)力？對(duì)于企業(yè)生產(chǎn)效率有怎樣的提升？相較于未轉(zhuǎn)型的企業(yè)，推進(jìn)數(shù)字化轉(zhuǎn)型又是否切實(shí)提升了企業(yè)全要素生產(chǎn)率？制造業(yè)如何借數(shù)字化轉(zhuǎn)型之力推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展，是當(dāng)前我國(guó)亟需面臨和解決的問(wèn)題。

所謂數(shù)字化轉(zhuǎn)型是指企業(yè)將數(shù)字信息技術(shù)運(yùn)用于傳統(tǒng)生產(chǎn)經(jīng)營(yíng)管理中，進(jìn)而改變傳統(tǒng)業(yè)務(wù)流程的過(guò)程［1，2］，企業(yè)數(shù)字化轉(zhuǎn)型是伴隨數(shù)字經(jīng)濟(jì)發(fā)展應(yīng)運(yùn)而生的?，F(xiàn)有文獻(xiàn)關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展的研究主要集中于單一角度，如數(shù)字普惠金融發(fā)展［3-5］，工業(yè)智能化［6，7］，互聯(lián)網(wǎng)發(fā)展［8］等方面探究數(shù)字化對(duì)經(jīng)濟(jì)、就業(yè)、創(chuàng)新等要素的影響。針對(duì)微觀企業(yè)而言，缺乏較為全面且范圍合適的指標(biāo)來(lái)綜合反映其數(shù)字化轉(zhuǎn)型程度。趙宸宇等 （2021）［9］提出上市公司的年度報(bào)告中所披露的企業(yè)相關(guān)業(yè)務(wù)經(jīng)營(yíng)信息和未來(lái)發(fā)展規(guī)劃，對(duì)于把握企業(yè)的戰(zhàn)略規(guī)劃和發(fā)展具有重要意義。因此，本文嘗試借助上市公司年報(bào)用以衡量企業(yè)數(shù)字化轉(zhuǎn)型。

有關(guān)企業(yè)數(shù)字化轉(zhuǎn)型所產(chǎn)生的經(jīng)濟(jì)效應(yīng)，其將數(shù)字技術(shù)與傳統(tǒng)生產(chǎn)經(jīng)營(yíng)流程相結(jié)合，能夠優(yōu)化企業(yè)績(jī)效表現(xiàn)［10］，降低管理成本，提高生產(chǎn)效率［11］；另外，數(shù)字化轉(zhuǎn)型也能夠降低貿(mào)易成本，擴(kuò)大出口規(guī)模［12］，促進(jìn)企業(yè)間技術(shù)交流，推動(dòng)知識(shí)溢出效應(yīng)，提升全要素生產(chǎn)率［13］。然而，當(dāng)前研究多數(shù)聚焦于企業(yè)自身數(shù)字化轉(zhuǎn)型所帶來(lái)的效應(yīng)，鮮有文獻(xiàn)考慮到相較于未進(jìn)行轉(zhuǎn)型企業(yè)，數(shù)字化轉(zhuǎn)型究竟帶來(lái)了怎樣的促進(jìn)作用。

基于上述背景，本文選取上市公司制造業(yè)企業(yè)作為研究樣本，通過(guò)軟件爬取企業(yè)年報(bào)中有關(guān)數(shù)字化轉(zhuǎn)型的關(guān)鍵字，以此衡量企業(yè)數(shù)字化轉(zhuǎn)型是否成功。另外，將數(shù)字化轉(zhuǎn)型視為準(zhǔn)自然實(shí)驗(yàn)，運(yùn)用雙重差分模型探究相較于未轉(zhuǎn)型企業(yè)，推行數(shù)字化是否為企業(yè)生產(chǎn)率提升提供了比較優(yōu)勢(shì)，并進(jìn)一步分析其作用機(jī)制。

1 機(jī)制分析與假說(shuō)

1.1 數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率

企業(yè)運(yùn)用數(shù)字化技術(shù)能夠豐富信息獲取渠道，提高信息獲取效率，緩解信息不對(duì)稱問(wèn)題，進(jìn)而降低交易成本［14］，數(shù)字化轉(zhuǎn)型所帶來(lái)的共享性也使企業(yè)間能相互交流學(xué)習(xí)，促進(jìn)了知識(shí)技術(shù)外溢，提升了企業(yè)生產(chǎn)率［15］。微觀層面來(lái)看，物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的使用顯著提高了企業(yè)資源配置效率，促進(jìn)生產(chǎn)更有效［8，16］。另外，趙宸宇等 （2021）［9］研究指出企業(yè)數(shù)字化轉(zhuǎn)型可以通過(guò)驅(qū)動(dòng)企業(yè)創(chuàng)新、優(yōu)化人力資本結(jié)構(gòu)、促進(jìn)兩業(yè)融合、提升運(yùn)營(yíng)水平來(lái)促進(jìn)全要素生產(chǎn)率提高。由此，本文提出假說(shuō)1。

假說(shuō)1：數(shù)字化轉(zhuǎn)型的實(shí)施能夠促進(jìn)轉(zhuǎn)型企業(yè)生產(chǎn)率提升。

1.2 數(shù)字化轉(zhuǎn)型、創(chuàng)新能力與全要素生產(chǎn)率

數(shù)字化轉(zhuǎn)型所帶來(lái)的共享性和外溢性降低了企業(yè)獲取信息的門(mén)檻，有助于企業(yè)整合內(nèi)外部信息，掌握市場(chǎng)需求并優(yōu)化創(chuàng)新戰(zhàn)略［17］，從需求端提高生產(chǎn)效率；大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的使用加速了企業(yè)信息化進(jìn)程，推動(dòng)生產(chǎn)經(jīng)營(yíng)管理智能化發(fā)展，提升了企業(yè)創(chuàng)新能力，進(jìn)而提高生產(chǎn)效率［18］。此外，數(shù)字化轉(zhuǎn)型企業(yè)具有良好的經(jīng)營(yíng)狀況與發(fā)展?jié)摿?，能夠吸引專業(yè)技術(shù)人才參與研發(fā)，提升整體創(chuàng)新能力，從供給端提高企業(yè)生產(chǎn)率［11］；數(shù)字技術(shù)與制造業(yè)深度融合催生網(wǎng)絡(luò)化協(xié)同制造新模式，能夠優(yōu)化企業(yè)內(nèi)部研發(fā)設(shè)計(jì)與生產(chǎn)協(xié)同管理，促進(jìn)要素在企業(yè)內(nèi)部合理配置，提升企業(yè)創(chuàng)新能力與全要素生產(chǎn)率［19］。由此，本文提出假說(shuō)2。

假說(shuō)2：數(shù)字化轉(zhuǎn)型企業(yè)的生產(chǎn)效率提升效應(yīng)來(lái)源于其創(chuàng)新能力的提升。

2 研究設(shè)計(jì)

2.1 計(jì)量模型設(shè)計(jì)

在本文的研究設(shè)計(jì)中，通過(guò)借鑒洪俊杰等（2022）［20］、吳非等（2021）［21］、趙宸宇等（2021）［9］的研究方法，運(yùn)用Python爬取企業(yè)年報(bào)中與數(shù)字化相關(guān)的詞頻，將樣本中企業(yè)各年度年報(bào)中數(shù)字化關(guān)鍵詞詞頻首次高于均值的年份視為其進(jìn)行數(shù)字化轉(zhuǎn)型的年份，并作為實(shí)驗(yàn)組；在觀測(cè)區(qū)間內(nèi)年報(bào)數(shù)字化詞頻從未超過(guò)均值的企業(yè)視為未進(jìn)行數(shù)字化轉(zhuǎn)型或數(shù)字化轉(zhuǎn)型失敗企業(yè)，并作為對(duì)照組。具體詞匯如表1所示。

表1 數(shù)字化轉(zhuǎn)型詞頻

鑒于數(shù)字化轉(zhuǎn)型是由企業(yè)自主決策，可能會(huì)出現(xiàn)自我選擇問(wèn)題，導(dǎo)致實(shí)驗(yàn)組與對(duì)照組的樣本沒(méi)有比較意義，因此本文采用傾向得分匹配法（PSM）將兩組企業(yè)進(jìn)一步匹配分組。接下來(lái)，通過(guò)借鑒Beck等 （2010）［22］的研究方法構(gòu)建如下雙重差分模型：

式中，下標(biāo)i表示企業(yè)，t表示年份。TFPit為企業(yè)全要素生產(chǎn)率，treati為政策分組變量（實(shí)驗(yàn)組取1，對(duì)照組取0），timet為政策時(shí)點(diǎn)變量（數(shù)字化轉(zhuǎn)型后取1，數(shù)字化轉(zhuǎn)型前取0），Xit為企業(yè)層面控制變量。

2.2 變量選取和說(shuō)明

（1）被解釋變量

企業(yè)全要素生產(chǎn)率（TFPit）：本文主要參考Levinsohn和Petrin（2003） 的方法（簡(jiǎn)稱LP法）測(cè)算全要素生產(chǎn)率TFP_lpit，并使用Olley和Pakes（1996）的方法（簡(jiǎn)稱OP法）測(cè)算全要素生產(chǎn)率TFP_opit以進(jìn)行后續(xù)的穩(wěn)健性檢驗(yàn)。

（2） 解釋變量

政策時(shí)點(diǎn)與實(shí)驗(yàn)交互項(xiàng)（treati×timet）：本文的核心解釋變量為treati和timet的交互項(xiàng)。treati變量用于劃分實(shí)驗(yàn)組和對(duì)照組，在觀測(cè)時(shí)間區(qū)間內(nèi)進(jìn)行了數(shù)字化轉(zhuǎn)型的企業(yè)treati取1，否則取0。timet變量用于劃分?jǐn)?shù)字化轉(zhuǎn)型沖擊的時(shí)點(diǎn)，本文將年報(bào)中數(shù)字化轉(zhuǎn)型詞頻數(shù)首次高于樣本平均值的企業(yè)年份設(shè)置為轉(zhuǎn)型沖擊點(diǎn)，在該年度之后取值都為1，之前則為0。

（3） 控制變量

資產(chǎn)負(fù)債率（levit）：企業(yè)年末總負(fù)債與年末總資產(chǎn)的比值；凈利率（profit）：企業(yè)年末凈利潤(rùn)額與總資產(chǎn)的比值；營(yíng)業(yè)收入增長(zhǎng)率（incomeit）：本年?duì)I業(yè)收入與上年?duì)I業(yè)收入的比值減去1；工資水平（wageit）：企業(yè)當(dāng)年的高管薪酬取對(duì)數(shù)；兩職合一（dualityit）：企業(yè)董事長(zhǎng)與總經(jīng)理是否為同一個(gè)人，是則取1，否則取0；政府補(bǔ)助（subit）：當(dāng)年政府補(bǔ)貼金額數(shù)加1并取對(duì)數(shù)。

2.3 數(shù)據(jù)來(lái)源及說(shuō)明

本文選取2009～2020年我國(guó)A股制造業(yè)上市公司作為研究樣本，其中數(shù)字化轉(zhuǎn)型相關(guān)數(shù)據(jù)主要通過(guò)Python軟件歸集整理企業(yè)年報(bào)中的相關(guān)關(guān)鍵詞，其余企業(yè)微觀數(shù)據(jù)主要來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）、銳思（RESSET）數(shù)據(jù)庫(kù)和萬(wàn)德數(shù)據(jù)庫(kù)（Wind）。考慮到2020年部分企業(yè)受新冠肺炎疫情影響，可能會(huì)出現(xiàn)異常值，本文在數(shù)據(jù)清理中對(duì)連續(xù)變量做了1%的縮尾處理，并在剔除部分缺失數(shù)據(jù)和不符合會(huì)計(jì)標(biāo)準(zhǔn)的數(shù)據(jù)后，最終得到2008家上市公司的18982條觀測(cè)值。各變量的描述性統(tǒng)計(jì)見(jiàn)表1。

表2 描述性統(tǒng)計(jì)

3 實(shí)證結(jié)果分析

在進(jìn)行雙重差分實(shí)證分析之前，通過(guò)繪制平行趨勢(shì)檢驗(yàn)圖以檢驗(yàn)實(shí)驗(yàn)組和對(duì)照組是否滿足平行趨勢(shì)假設(shè)。如圖1所示，政策實(shí)施相對(duì)時(shí)間為0表示企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的年份，年份由負(fù)到正分別表示企業(yè)數(shù)字化轉(zhuǎn)型前和轉(zhuǎn)型后的時(shí)間點(diǎn)?？梢钥闯觯趯?shí)行數(shù)字化轉(zhuǎn)型之前，政策效應(yīng)的回歸系數(shù)并不顯著異于0，表明實(shí)施數(shù)字化轉(zhuǎn)型前實(shí)驗(yàn)組和控制組企業(yè)生產(chǎn)率變化趨勢(shì)并無(wú)顯著差異。而在實(shí)行數(shù)字化轉(zhuǎn)型后政策系數(shù)范圍顯著大于0，表明平行趨勢(shì)假設(shè)成立。

圖1 平行趨勢(shì)檢驗(yàn)結(jié)果

3.1 基準(zhǔn)回歸檢驗(yàn)

為準(zhǔn)確識(shí)別企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型與否對(duì)其生產(chǎn)率的因果效應(yīng)，本部分在引入企業(yè)層面控制變量的基礎(chǔ)上，控制了個(gè)體和時(shí)間固定效應(yīng)，所得到的雙重差分模型結(jié)果如表3所示。

表3 基準(zhǔn)回歸結(jié)果

由回歸結(jié)果可見(jiàn)，在引入控制變量并控制時(shí)間、個(gè)體固定效應(yīng)后，影響系數(shù)為0.570且結(jié)果顯著，驗(yàn)證了前文所提出的假說(shuō)1，即實(shí)施數(shù)字化轉(zhuǎn)型能夠提升實(shí)驗(yàn)組企業(yè)全要素生產(chǎn)率。

3.2 穩(wěn)健性檢驗(yàn)

為進(jìn)一步驗(yàn)證前文基準(zhǔn)回歸結(jié)果的穩(wěn)健性，本部分選用安慰劑檢驗(yàn)進(jìn)行驗(yàn)證，即在所有樣本中隨機(jī)虛構(gòu)實(shí)行數(shù)字化轉(zhuǎn)型的企業(yè)和轉(zhuǎn)型日期，并重復(fù)抽樣500次進(jìn)行雙重差分回歸驗(yàn)證，其中轉(zhuǎn)型企業(yè)數(shù)與原樣本中實(shí)驗(yàn)組企業(yè)數(shù)保持一致。

如圖2，圓點(diǎn)所示為隨機(jī)抽取實(shí)驗(yàn)組樣本回歸所得的偽政策虛擬變量系數(shù)。可以看到在進(jìn)行了抽樣重復(fù)實(shí)驗(yàn)后，所得到的偽政策系數(shù)P值大多數(shù)大于0.1，表明所得到的回歸結(jié)果并不顯著，且系數(shù)分布與模型真實(shí)估計(jì)值存在明顯差異，排除了原模型中所得結(jié)果的偶然性，證明了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

圖2 安慰劑檢驗(yàn)結(jié)果

此外，本文還通過(guò)以下方式從實(shí)證層面檢驗(yàn)所得結(jié)果的穩(wěn)健性：（1）使用OP法計(jì)算樣本企業(yè)全要素生產(chǎn)率，通過(guò)平行趨勢(shì)檢驗(yàn)后替換原被解釋變量進(jìn)行雙重差分回歸；（2）對(duì)樣本全要素生產(chǎn)率值進(jìn)行2.5%縮尾處理，剔除極端值可能產(chǎn)生的影響，并進(jìn)行回歸①。在替換了原被解釋變量和進(jìn)行縮尾處理后，企業(yè)數(shù)字化轉(zhuǎn)型的促生產(chǎn)率效應(yīng)均顯著為正，依然支持前文的結(jié)果，可以證明本文所得到的結(jié)論是穩(wěn)健的。

4 異質(zhì)性分析與作用機(jī)制檢驗(yàn)

4.1 異質(zhì)性分析

為進(jìn)一步探究制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的促生產(chǎn)率效應(yīng)，本部分從以下幾方面對(duì)樣本分組進(jìn)行異質(zhì)性檢驗(yàn)分析：

（1）考慮到不同地區(qū)?。▍^(qū)、市）經(jīng)濟(jì)發(fā)展水平、資源稟賦、相關(guān)產(chǎn)業(yè)政策等方面均存在一定程度差異，本文按企業(yè)所在?。▍^(qū)、市）的地理區(qū)位不同劃分為東部省（區(qū)、市）企業(yè)、中部省（區(qū)、市）企業(yè)和西部?。▍^(qū)、市）企業(yè)進(jìn)行分組回歸；（2）考慮到企業(yè)所屬?。▍^(qū)、市）數(shù)字經(jīng)濟(jì)發(fā)展的水平存在差異，本文按企業(yè)所在?。▍^(qū)、市）的數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)排名將其劃分為數(shù)字經(jīng)濟(jì)發(fā)展較強(qiáng)?。▍^(qū)、市）、數(shù)字經(jīng)濟(jì)發(fā)展中等?。▍^(qū)、市）和數(shù)字經(jīng)濟(jì)發(fā)展較弱省（區(qū)、市）進(jìn)行分組回歸；（3）考慮到不同類型行業(yè)生產(chǎn)經(jīng)營(yíng)所依托的資源稟賦不同，本文按企業(yè)所在行業(yè)將其劃分為勞動(dòng)密集型企業(yè)、資本密集型企業(yè)和技術(shù)密集型企業(yè)進(jìn)行回歸；（4）考慮到企業(yè)所有制存在的差異，本文按企業(yè)所有制不同將其劃分為國(guó)有企業(yè)、民營(yíng)企業(yè)和外資企業(yè)進(jìn)行回歸。

所得異質(zhì)性回歸結(jié)果如下所示。

由表4和表5結(jié)果可以看出，無(wú)論企業(yè)所屬?。▍^(qū)、市）區(qū)位和數(shù)字經(jīng)濟(jì)發(fā)展水平如何，實(shí)施數(shù)字化轉(zhuǎn)型均顯著提升了企業(yè)全要素生產(chǎn)率，但其對(duì)于西部地區(qū)企業(yè)和數(shù)字經(jīng)濟(jì)發(fā)展水平較弱省（區(qū)、市）企業(yè)提升作用相對(duì)更大。數(shù)字經(jīng)濟(jì)發(fā)展較強(qiáng)?。▍^(qū)、市）大多經(jīng)濟(jì)發(fā)展水平較高，擁有較為完備的基礎(chǔ)設(shè)施建設(shè)、先進(jìn)的生產(chǎn)管理技術(shù)和豐裕的生產(chǎn)要素稟賦，在多方優(yōu)勢(shì)的共同影響下導(dǎo)致其所受到數(shù)字化轉(zhuǎn)型帶來(lái)的生產(chǎn)率提升效應(yīng)相對(duì)較低。而西部地區(qū)省（區(qū)、市）和數(shù)字經(jīng)濟(jì)發(fā)展水平較弱省（區(qū)、市）樣本重合度較高，他們的共同特征是發(fā)展相對(duì)落后，在推廣數(shù)字化發(fā)展方面存在很大的完善空間，因此企業(yè)數(shù)字化轉(zhuǎn)型所帶來(lái)的促進(jìn)效用也相對(duì)較大。

表4 區(qū)位異質(zhì)性

表5 數(shù)字經(jīng)濟(jì)發(fā)展水平

由表6結(jié)果可以看出，無(wú)論企業(yè)所屬行業(yè)情況如何，數(shù)字化轉(zhuǎn)型均顯著提高了企業(yè)全要素生產(chǎn)率，但對(duì)資本密集型企業(yè)的提升作用相對(duì)更大。企業(yè)推行數(shù)字化轉(zhuǎn)型需要研發(fā)學(xué)習(xí)新技術(shù)、投資智能設(shè)備和搭建數(shù)字化管理平臺(tái)等措施，對(duì)于成本投入要求較高。擁有較為豐富資本的企業(yè)能夠承擔(dān)數(shù)字化轉(zhuǎn)型所需要的成本及轉(zhuǎn)型失敗可能造成的損失，可以充分利用自身優(yōu)勢(shì)推行數(shù)字化改革，提高生產(chǎn)率。

表6 行業(yè)分類

由表7結(jié)果可以看出，無(wú)論是國(guó)有企業(yè)還是民營(yíng)企業(yè)，數(shù)字化轉(zhuǎn)型均顯著提升了企業(yè)全要素生產(chǎn)率水平，但對(duì)于民營(yíng)企業(yè)的提升作用相對(duì)更大，而外資企業(yè)所獲得的提升作用顯著性系數(shù)有所降低。民營(yíng)企業(yè)管理者對(duì)于市場(chǎng)動(dòng)向的把握能力相對(duì)較強(qiáng)，企業(yè)內(nèi)部決策自由度較高，運(yùn)行機(jī)制相對(duì)靈活，能夠充分分析數(shù)字化浪潮所帶來(lái)的利弊并及時(shí)做出決策，提升自身水平。這也充分證明國(guó)家大力支持民營(yíng)企業(yè)發(fā)展的正確性和重要性。

表7 企業(yè)所有制

4.2 作用機(jī)制檢驗(yàn)

本文參考石大千等（2018）［23］、Baron 和 Kenny（1986）［24］的方法將實(shí)證檢驗(yàn)步驟分為兩個(gè)階段，采用三步法驗(yàn)證數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)創(chuàng)新能力發(fā)展和以此促進(jìn)生產(chǎn)率提升的機(jī)制：（1）將交互項(xiàng)與企業(yè)全要素生產(chǎn)率進(jìn)行回歸，若交互項(xiàng)系數(shù)顯著，則表明數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)生產(chǎn)率提升；（2）將交互項(xiàng)與企業(yè)創(chuàng)新能力進(jìn)行回歸，若交互項(xiàng)系數(shù)顯著，則表明數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)創(chuàng)新能力提升；（3）將交互項(xiàng)和企業(yè)創(chuàng)新能力同時(shí)放入模型與全要素生產(chǎn)率進(jìn)行回歸，若交互項(xiàng)系數(shù)依然顯著，則證明數(shù)字化轉(zhuǎn)型通過(guò)影響企業(yè)創(chuàng)新能力進(jìn)而提升了企業(yè)生產(chǎn)率。本文選用企業(yè)研發(fā)投入占營(yíng)業(yè)收入比例、專利產(chǎn)出數(shù)和研發(fā)人員占比3項(xiàng)指標(biāo)，通過(guò)熵值法確定權(quán)重構(gòu)建rd1，另外按3項(xiàng)指標(biāo)賦相同權(quán)重構(gòu)建rd2，同時(shí)用于衡量企業(yè)創(chuàng)新能力。按上述檢驗(yàn)步驟，本文機(jī)制檢驗(yàn)?zāi)Ｐ驮O(shè)定如下：

驗(yàn)證數(shù)字轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響：

驗(yàn)證數(shù)字轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新能力的影響：

將交互項(xiàng)與創(chuàng)新能力同時(shí)放入回歸方程：

表8結(jié)果表明，第一步回歸結(jié)果中，制造業(yè)數(shù)字化轉(zhuǎn)型顯著提升了企業(yè)全要素生產(chǎn)率。第二步回歸結(jié)果顯示，通過(guò)賦值不同權(quán)重所計(jì)算出的企業(yè)創(chuàng)新能力均受到了數(shù)字化轉(zhuǎn)型所帶來(lái)的正向促進(jìn)作用。第三步檢驗(yàn)結(jié)果表明，將交互項(xiàng)和創(chuàng)新能力同時(shí)納入方程后，創(chuàng)新能力均顯著提升了全要素生產(chǎn)率，且數(shù)字化轉(zhuǎn)型對(duì)企業(yè)生產(chǎn)率的促進(jìn)作用依然顯著，但系數(shù)均有所降低。如前文所述，本部分結(jié)果證實(shí)了企業(yè)創(chuàng)新能力提升是實(shí)施數(shù)字化轉(zhuǎn)型促進(jìn)全要素生產(chǎn)率提升的傳導(dǎo)路徑之一。

表8 中介效應(yīng)檢驗(yàn)

5 結(jié)論與政策建議

本文通過(guò)收集2009～2020年我國(guó)A股制造業(yè)上市公司的面板數(shù)據(jù)，運(yùn)用雙重差分模型和PSMDID方法驗(yàn)證了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響。本文的研究結(jié)論表明，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能夠顯著提升全要素生產(chǎn)率，相較于未轉(zhuǎn)型企業(yè)，其提升效力在57%左右。機(jī)制檢驗(yàn)結(jié)果表明，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以通過(guò)提升創(chuàng)新能力來(lái)提高全要素生產(chǎn)率。異質(zhì)性研究結(jié)果表明，數(shù)字經(jīng)濟(jì)發(fā)展水平相對(duì)較低、經(jīng)濟(jì)發(fā)展相對(duì)較弱的西部?。▍^(qū)、市）企業(yè)受到數(shù)字化轉(zhuǎn)系所帶來(lái)的生產(chǎn)率提升效應(yīng)相對(duì)更強(qiáng)，同時(shí)資本密集型行業(yè)企業(yè)和民營(yíng)企業(yè)也能夠獲得更大的生產(chǎn)率提升效應(yīng)。

綜上結(jié)論，本文提出以下政策建議：

（1）政府應(yīng)制定相關(guān)政策措施，為企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型提供良好環(huán)境與保障。①大力支持民營(yíng)企業(yè)改革創(chuàng)新，鼓勵(lì)民營(yíng)企業(yè)數(shù)字化轉(zhuǎn)型并借助其轉(zhuǎn)型產(chǎn)生的外溢性帶動(dòng)其他所有制企業(yè)轉(zhuǎn)型改革；②對(duì)于數(shù)字經(jīng)濟(jì)發(fā)展較為完善的地區(qū)，在保住當(dāng)前已有優(yōu)勢(shì)的情況下積極探尋其余有效路徑，為不同地區(qū)數(shù)字化轉(zhuǎn)型發(fā)展制定差異化戰(zhàn)略，合理調(diào)度資源；③為小微企業(yè)和傳統(tǒng)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型提供相應(yīng)補(bǔ)貼和兜底措施，消除企業(yè)對(duì)轉(zhuǎn)型失敗的顧慮，積極推動(dòng)數(shù)字化轉(zhuǎn)型發(fā)展。

（2）企業(yè)應(yīng)重視數(shù)字化轉(zhuǎn)型對(duì)生產(chǎn)率的提升作用。①應(yīng)加大生產(chǎn)管理環(huán)節(jié)數(shù)字化融合力度，依托物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等數(shù)字化技術(shù)，搭建信息化管理平臺(tái)，充分激發(fā)數(shù)字經(jīng)濟(jì)潛力；②應(yīng)加大研發(fā)投入力度，積極構(gòu)建數(shù)字化、智能化生產(chǎn)線，重視人才、引進(jìn)人才，提高關(guān)鍵領(lǐng)域的自主研發(fā)領(lǐng)域，主動(dòng)探索空白領(lǐng)域研發(fā)進(jìn)展；③企業(yè)應(yīng)充分利用互聯(lián)網(wǎng)所消除的信息門(mén)檻，加強(qiáng)基礎(chǔ)信息設(shè)施建設(shè)，積極把握市場(chǎng)動(dòng)態(tài)，將互聯(lián)網(wǎng)思維與傳統(tǒng)經(jīng)營(yíng)模式相結(jié)合，迎合消費(fèi)者多元化需求，提高創(chuàng)新能力。

（3）在當(dāng)前我國(guó)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的關(guān)鍵階段，要充分認(rèn)識(shí)到創(chuàng)新作為驅(qū)動(dòng)力的重要作用。積極推動(dòng)構(gòu)建以高標(biāo)準(zhǔn)先進(jìn)制造業(yè)和數(shù)字信息技術(shù)融合、以新經(jīng)濟(jì)為引領(lǐng)的高質(zhì)量現(xiàn)代化產(chǎn)業(yè)體系，將創(chuàng)新作為動(dòng)力；還應(yīng)將互聯(lián)網(wǎng)思維融入現(xiàn)代企業(yè)管理體系，除了科研技術(shù)創(chuàng)新，也要推動(dòng)管理創(chuàng)新、體制改革創(chuàng)新，持續(xù)激發(fā)企業(yè)內(nèi)部創(chuàng)新活力。

注釋：

①由于篇幅限制，結(jié)果留存?zhèn)渌鳌?/p>