羅 佳，張蛟蛟，李 科

（1.上海海事大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306；2.上海財經(jīng)大學(xué) 金融學(xué)院，上海 200433）

一、引言

數(shù)字經(jīng)濟(jì)時代已經(jīng)到來。習(xí)近平主席曾多次提出，發(fā)展數(shù)字經(jīng)濟(jì)，要推動數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，用新動能推動新發(fā)展，用新技術(shù)改造傳統(tǒng)產(chǎn)業(yè)，提高全要素生產(chǎn)率，實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合。①習(xí)近平.在全國網(wǎng)絡(luò)安全和信息化工作會議上的講話[N].新華社，2018-04-21；習(xí)近平.在聽取浙江省委和省政府工作匯報時的講話[N].新民晚報，2020-04-01。2020 年11 月，數(shù)字經(jīng)濟(jì)發(fā)展更是上升到國家戰(zhàn)略層面。黨的十九屆五中全會審議通過《中華人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃綱要》，指出要“系統(tǒng)布局新型基礎(chǔ)設(shè)施，加快第五代移動通信、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)中心等建設(shè)”，“加快數(shù)字化發(fā)展”，“推動數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”?！吨袊鴶?shù)字經(jīng)濟(jì)發(fā)展白皮書（2021）》②數(shù)據(jù)來源：中國信息通信研究院《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書（2021）》。顯示，我國數(shù)字經(jīng)濟(jì)規(guī)模在2020 年達(dá)39.2 萬億元，占GDP的比重為38.6%。數(shù)字經(jīng)濟(jì)已成為我國國民經(jīng)濟(jì)的核心增長極之一，數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深度融合將成為推動我國經(jīng)濟(jì)高質(zhì)量發(fā)展的重要引擎。

根據(jù)2016 年G20 峰會通過的《G20 數(shù)字經(jīng)濟(jì)發(fā)展與合作倡議》，數(shù)字經(jīng)濟(jì)是以使用數(shù)字化的知識和信息作為關(guān)鍵生產(chǎn)要素、以現(xiàn)代信息網(wǎng)絡(luò)作為重要載體、以信息通信技術(shù)的有效使用作為效率提升和經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化的重要推動力的一系列經(jīng)濟(jì)活動。其中，人工智能、5G移動通信技術(shù)、區(qū)塊鏈、云計(jì)算、物聯(lián)網(wǎng)等新一代數(shù)字技術(shù)是新型基礎(chǔ)設(shè)施建設(shè)、數(shù)字經(jīng)濟(jì)發(fā)展的核心關(guān)鍵技術(shù)。而合理利用這些數(shù)字技術(shù)是實(shí)現(xiàn)制造業(yè)數(shù)字化轉(zhuǎn)型、數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合的關(guān)鍵步驟。那么，數(shù)字技術(shù)創(chuàng)新能否促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升？具體的作用機(jī)制又是什么？深入探究這些問題有利于準(zhǔn)確評估制造業(yè)數(shù)字化轉(zhuǎn)型政策的實(shí)施成效，推動數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合。

目前，數(shù)字經(jīng)濟(jì)發(fā)展水平（沈運(yùn)紅和黃桁，2020；焦帥濤和孫秋碧，2021）、數(shù)字化轉(zhuǎn)型（劉飛，2020；趙宸宇等，2021）以及新型基礎(chǔ)設(shè)施建設(shè)（郭金花等，2021）對制造業(yè)轉(zhuǎn)型升級的積極效應(yīng)已得到學(xué)術(shù)界的一致肯定。而這些積極效應(yīng)都取決于數(shù)字技術(shù)的發(fā)展水平，這從側(cè)面說明數(shù)字技術(shù)創(chuàng)新能促進(jìn)制造業(yè)企業(yè)生產(chǎn)率提升。但關(guān)于數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)生產(chǎn)率的具體影響，相關(guān)研究文獻(xiàn)卻較少。部分研究關(guān)注了數(shù)字技術(shù)對制造業(yè)全要素生產(chǎn)率的作用，但主要集中在行業(yè)層面（劉平峰和張旺，2021）和省份層面（李捷等，2017；昌忠澤和孟倩，2018），且大多采用綜合指標(biāo)、關(guān)鍵詞頻等間接指標(biāo)來衡量數(shù)字技術(shù)。

數(shù)字技術(shù)創(chuàng)新的衡量方法是現(xiàn)有研究最主要的局限性問題。比如，對于企業(yè)數(shù)字化程度的度量，學(xué)者主要采用與企業(yè)信息相關(guān)的要素規(guī)模，如企業(yè)電信支出、IT投資、信息技術(shù)人員占比等（李坤望等，2015；王永進(jìn)等，2017），或是互聯(lián)網(wǎng)等信息技術(shù)的應(yīng)用程度（楊德明和劉泳文，2018）。較新的衡量方法則應(yīng)用基于機(jī)器學(xué)習(xí)的文本分析法，以上市企業(yè)年報中數(shù)字化相關(guān)詞匯的詞頻來構(gòu)建數(shù)字化程度指標(biāo)（陳慶江等，2021；李大偉等，2021；袁淳等，2021；趙宸宇等，2021）。而這些度量方法只能間接反映企業(yè)對數(shù)字技術(shù)的關(guān)注程度或推廣應(yīng)用程度，并不能直接衡量數(shù)字技術(shù)創(chuàng)新水平或數(shù)字技術(shù)創(chuàng)新直接占用的企業(yè)資源等。因此，基于間接指標(biāo)研究數(shù)字技術(shù)創(chuàng)新的影響效應(yīng)，缺乏對企業(yè)生產(chǎn)率作用機(jī)制的深入研究。

本文使用2008-2019 年中國制造業(yè)滬深A(yù)股上市公司專利數(shù)據(jù)及財務(wù)數(shù)據(jù)，揭示了數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其機(jī)制。研究發(fā)現(xiàn)：第一，數(shù)字技術(shù)創(chuàng)新能夠促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升，而企業(yè)所處行業(yè)的數(shù)字化程度、所在區(qū)域以及所有制情況都會對數(shù)字技術(shù)創(chuàng)新效應(yīng)產(chǎn)生不同程度的影響。第二，數(shù)字技術(shù)創(chuàng)新在短期內(nèi)會導(dǎo)致企業(yè)運(yùn)營成本上升，從而降低企業(yè)全要素生產(chǎn)率。第三，促進(jìn)創(chuàng)新效率和資源配置效率提升也是數(shù)字技術(shù)創(chuàng)新促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升的兩個渠道。

本文的研究貢獻(xiàn)主要體現(xiàn)在：第一，與目前大多數(shù)研究采用文本分析法不同，本文利用數(shù)字技術(shù)專利數(shù)據(jù)來衡量企業(yè)數(shù)字技術(shù)創(chuàng)新，為實(shí)證分析提供了更加穩(wěn)健的研究基礎(chǔ)，也使本文的實(shí)證結(jié)果更具創(chuàng)新價值；第二，本文首次探究了數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)全要素生產(chǎn)率的影響，為未來相關(guān)研究提供了新的思路。

二、理論分析

工業(yè)經(jīng)濟(jì)時代，實(shí)體經(jīng)濟(jì)的主力軍-制造業(yè)是推進(jìn)快速工業(yè)化、實(shí)現(xiàn)國家經(jīng)濟(jì)快速增長的主要動力（沈坤榮和史夢昱，2021）。數(shù)字經(jīng)濟(jì)時代，數(shù)字化轉(zhuǎn)型驅(qū)動傳統(tǒng)制造業(yè)實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級和經(jīng)濟(jì)體系現(xiàn)代化發(fā)展。

數(shù)字技術(shù)在數(shù)字經(jīng)濟(jì)發(fā)展中具有根本性地位。數(shù)字技術(shù)有利于促進(jìn)生產(chǎn)要素與新興技術(shù)融合，突破有形生產(chǎn)要素的資源邊界，推動產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級（李大偉等，2021）。而數(shù)據(jù)作為新的生產(chǎn)要素已經(jīng)滲透到企業(yè)價值創(chuàng)造與價值獲取的各個環(huán)節(jié)中，企業(yè)對數(shù)據(jù)的精準(zhǔn)獲取與分析能力成為其做出正確決策并搶占先機(jī)的關(guān)鍵（呂鐵和李載馳，2021）。數(shù)字技術(shù)提升了計(jì)算能力，發(fā)展了數(shù)據(jù)挖掘、分析與儲存能力，使得數(shù)據(jù)的加速流動與海量信息的分析成為可能。這有助于企業(yè)緩解信息不對稱，優(yōu)化內(nèi)部流程，從而提高生產(chǎn)率（黃鵬和陳靚，2021；李大偉等，2021）。此外，協(xié)同效應(yīng)能夠加快數(shù)字化進(jìn)程，企業(yè)績效的提升勢必向產(chǎn)業(yè)層面溢出，最終推動產(chǎn)業(yè)升級（李大偉等，2021）。根據(jù)上述分析，本文提出以下假說：

假說1：數(shù)字技術(shù)創(chuàng)新能夠促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升。

數(shù)字技術(shù)創(chuàng)新可能通過一些渠道影響制造業(yè)企業(yè)全要素生產(chǎn)率。Acemoglu 和Restrepo（2018，2019）提出，在既定的資源約束下，人工智能等數(shù)字技術(shù)是外生的，基于對人力要素的替代效應(yīng)，能夠降低生產(chǎn)成本，提高生產(chǎn)效率，促進(jìn)企業(yè)升級。此外，制造業(yè)企業(yè)的要素驅(qū)動和創(chuàng)新驅(qū)動（如降低運(yùn)營成本、提高資源配置效率、提高技術(shù)創(chuàng)新水平，以及減少外部金融摩擦等）都能促進(jìn)企業(yè)全要素生產(chǎn)率提升（李小克和李小平，2022；林東杰等，2022）。因此，本文將從三個方面論述數(shù)字技術(shù)創(chuàng)新作用于企業(yè)全要素生產(chǎn)率的機(jī)制。

第一，運(yùn)營成本。成熟的數(shù)字技術(shù)在生產(chǎn)過程中將為企業(yè)提供更多的靈活性和更高的效率，也會為數(shù)據(jù)產(chǎn)生與資源消耗提供更高的透明度（Cagno 等，2021），從而實(shí)現(xiàn)企業(yè)成本節(jié)約。成熟的數(shù)字技術(shù)還將顛覆傳統(tǒng)制造業(yè)的組織與商業(yè)模式，促使企業(yè)改革原有業(yè)務(wù)流程與組織經(jīng)營架構(gòu)，有效減少企業(yè)內(nèi)外部運(yùn)營成本，甚至打破行業(yè)壁壘，降低企業(yè)跨界經(jīng)營成本（李大偉等，2021），幫助企業(yè)在市場上獲得成本優(yōu)勢。此外，互聯(lián)網(wǎng)等數(shù)字通信技術(shù)逐漸成為企業(yè)經(jīng)營銷售的主要渠道（黃鵬和陳靚，2021），線上平臺取代線下交易市場，顛覆了傳統(tǒng)商品交換方式，也為商品交換提供了更大的空間，極大提高了商品交換效率（Brynjolfsson 和Hitt，2000）。數(shù)字技術(shù)創(chuàng)新將重塑企業(yè)傳統(tǒng)生產(chǎn)運(yùn)營、產(chǎn)品交易和貨物運(yùn)輸?shù)?，促進(jìn)生產(chǎn)效率提升。

然而，數(shù)字技術(shù)創(chuàng)新在短期內(nèi)存在成本優(yōu)勢的抵消效應(yīng)。例如，企業(yè)的組織結(jié)構(gòu)與生產(chǎn)流程優(yōu)化是應(yīng)用成熟數(shù)字技術(shù)的長期成效；而在短期，數(shù)字技術(shù)會導(dǎo)致設(shè)備以及其他生產(chǎn)要素被替代，反而提高企業(yè)運(yùn)營成本。以企業(yè)薪酬支出為例，數(shù)字技術(shù)會對勞動要素產(chǎn)生替代效應(yīng)，通過減少原有勞動力的薪酬支出來降低企業(yè)運(yùn)營成本，但對更高級勞動力的需求以及生產(chǎn)流程變化、生產(chǎn)設(shè)備更新?lián)Q代等會大大抵消上述成本降低，導(dǎo)致短期的運(yùn)營成本上升（Acemoglu 和Restrepo，2018），從而阻礙企業(yè)生產(chǎn)效率上升。以往的研究大多關(guān)注數(shù)字技術(shù)創(chuàng)新的長期成本節(jié)約效應(yīng)，而其短期成本惡化效應(yīng)則是本文重點(diǎn)關(guān)注的內(nèi)容。

第二，創(chuàng)新效率。基于滲透性、替代性和協(xié)同性特征，數(shù)字技術(shù)創(chuàng)新能夠提高企業(yè)創(chuàng)新效率，從而提升生產(chǎn)率。在產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型目標(biāo)的驅(qū)動下，數(shù)字技術(shù)的市場需求增多。數(shù)字技術(shù)所帶來的經(jīng)濟(jì)增長前景使企業(yè)更愿意增加數(shù)字技術(shù)的創(chuàng)新投入和應(yīng)用程度；同時，數(shù)字技術(shù)發(fā)展會進(jìn)一步消除企業(yè)間的信息壁壘，加強(qiáng)企業(yè)間的聯(lián)合研發(fā)，提高企業(yè)創(chuàng)新效率并形成規(guī)模經(jīng)濟(jì)，從而拓展市場對數(shù)字技術(shù)創(chuàng)新的需求（武可棟和閻世平，2021；呂鐵和李載馳，2021）。除了產(chǎn)品技術(shù)創(chuàng)新外，數(shù)字技術(shù)還可以重塑企業(yè)的創(chuàng)新體系與模式，擴(kuò)大數(shù)據(jù)要素在企業(yè)內(nèi)部的流動，加強(qiáng)創(chuàng)新知識的傳播，從而提高企業(yè)創(chuàng)新效率，并實(shí)現(xiàn)內(nèi)部研發(fā)與供應(yīng)鏈管理的協(xié)同發(fā)展，促使傳統(tǒng)單打獨(dú)斗創(chuàng)新向產(chǎn)業(yè)協(xié)同創(chuàng)新轉(zhuǎn)變（趙宸宇等，2021），推動生產(chǎn)率提升。同時，增加數(shù)字技術(shù)研發(fā)支出不僅能提高數(shù)字技術(shù)方面的創(chuàng)新效率，還能提高整體的技術(shù)研發(fā)創(chuàng)新效率。由于數(shù)字技術(shù)的替代性特征，企業(yè)逐漸加快數(shù)字化轉(zhuǎn)型，數(shù)字技術(shù)創(chuàng)新能夠優(yōu)化其他非數(shù)字技術(shù)的研發(fā)程序，提高企業(yè)整體的研發(fā)規(guī)模和創(chuàng)新能力，從而促進(jìn)全要素生產(chǎn)率提升。

第三，資源配置效率。數(shù)字技術(shù)創(chuàng)新還能通過提高資源配置效率，促進(jìn)制造業(yè)企業(yè)生產(chǎn)率提升。數(shù)字技術(shù)具有強(qiáng)大的資源整合能力（朱勤等，2019），能夠結(jié)合傳統(tǒng)生產(chǎn)要素重構(gòu)生產(chǎn)要素體系，實(shí)現(xiàn)與傳統(tǒng)生產(chǎn)要素的相互賦能，并不斷迭代更新與優(yōu)化重組，從而提高要素配置效率（劉平峰和張旺，2021）。一方面，數(shù)字技術(shù)加速傳統(tǒng)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，為資本、勞動、技術(shù)等傳統(tǒng)生產(chǎn)要素提供更多的配置途徑，緩解要素之間的供需矛盾，提高要素配置效率，從而促進(jìn)企業(yè)生產(chǎn)效率提升（劉傳明和馬青山，2020）。例如，數(shù)字技術(shù)、智能設(shè)備等能夠降低資源利用門檻，整合生產(chǎn)資料，打破企業(yè)界限，從而有效提高要素配置效率（趙宸宇等，2021）。此外，Acemoglu 和Restrepo（2018）證實(shí)了數(shù)字技術(shù)的使用能夠減少企業(yè)員工的時空壁壘，增加在職員工與潛在員工的就業(yè)選擇，在一定程度上改善勞動要素配置效率。另一方面，隨著人工智能、區(qū)塊鏈等數(shù)字技術(shù)的運(yùn)用，價格和供求關(guān)系對企業(yè)資源配置的主導(dǎo)作用逐漸減弱。決定市場供求的消費(fèi)者偏好被數(shù)字平臺挖掘與分類，利用人工智能、云計(jì)算等數(shù)字技術(shù)進(jìn)行分析與匹配（何大安和任曉，2018），能夠幫助企業(yè)更加準(zhǔn)確、有效地配置資源。因此，數(shù)字技術(shù)創(chuàng)新能夠矯正資源錯配，提高企業(yè)的資源配置效率（楊汝岱，2015），最終促進(jìn)全要素生產(chǎn)率提升。

根據(jù)上述分析，本文提出以下假說：

假說2a：數(shù)字技術(shù)創(chuàng)新在短期內(nèi)可能導(dǎo)致企業(yè)運(yùn)營成本上升，從而阻礙全要素生產(chǎn)率提升。

假說2b：數(shù)字技術(shù)創(chuàng)新能夠通過提高企業(yè)創(chuàng)新效率，促進(jìn)全要素生產(chǎn)率提升。

假說2c：數(shù)字技術(shù)創(chuàng)新能夠通過改善企業(yè)資源配置，促進(jìn)全要素生產(chǎn)率提升。

三、研究設(shè)計(jì)

（一）變量定義

1.被解釋變量：企業(yè)全要素生產(chǎn)率

OP法（Olley 和Pakes，1996）和LP法（Levinsohn 和Petrin，2003）是估計(jì)微觀企業(yè)全要素生產(chǎn)率的經(jīng)典方法。本文使用LP法來估計(jì)企業(yè)全要素生產(chǎn)率。一方面，OP法需要使用投資作為代理變量，且代理變量（投資）與總產(chǎn)出之間始終保持單調(diào)的關(guān)系，這意味著樣本中投資額為零的企業(yè)全要素生產(chǎn)率無法被估計(jì)（魯曉東和連玉君，2012）。另一方面，OP法必須考慮企業(yè)進(jìn)入、退出情況來構(gòu)建退出變量，而本文使用的是非平衡面板數(shù)據(jù)，因此使用OP法可能會產(chǎn)生一定偏誤。LP法需要中間投入作為代理變量，中間投入數(shù)據(jù)對制造業(yè)企業(yè)來說更容易獲得。因此，本文借鑒Levinsohn 和Petrin（2003）以及魯曉東和連玉君（2012）的研究，使用LP法來估計(jì)企業(yè)全要素生產(chǎn)率。此外，本文使用Olley 和Pakes（1996）的OP法以及Wooldridge（2009）的GMM法所得到的企業(yè)全要素生產(chǎn)率進(jìn)行穩(wěn)健性檢驗(yàn)。①在估計(jì)全要素生產(chǎn)率時，本文以2008 年為基期，對收入類數(shù)據(jù)使用居民消費(fèi)價格指數(shù)進(jìn)行平減，對資產(chǎn)類數(shù)據(jù)使用固定資產(chǎn)投資價格指數(shù)進(jìn)行平減。

2.解釋變量：數(shù)字技術(shù)創(chuàng)新

本文以數(shù)字技術(shù)專利來衡量數(shù)字技術(shù)創(chuàng)新。專利能直接反映企業(yè)的技術(shù)創(chuàng)新成果，特別是本文使用獲得授權(quán)的專利，可直接投入下一階段應(yīng)用。因此，獲得批準(zhǔn)的數(shù)字技術(shù)專利能夠最直接代表企業(yè)的數(shù)字技術(shù)創(chuàng)新水平。德溫特創(chuàng)新平臺（Derwent Innovation）是科睿唯安（Clarivate Analytics）公司開發(fā)的專利檢索和分析工具，包含全球156 個國家或地區(qū)的高質(zhì)量專利信息。本文利用該平臺搜索數(shù)字技術(shù)關(guān)鍵詞，與企業(yè)每年所申請專利的國際專利IPC 分類號相匹配，識別該專利是否屬于對應(yīng)數(shù)字技術(shù)領(lǐng)域的專利，從而判斷企業(yè)是否進(jìn)行數(shù)字技術(shù)創(chuàng)新。為了加快推進(jìn)產(chǎn)業(yè)升級轉(zhuǎn)型，我國正處于積極布局新型基礎(chǔ)設(shè)施的階段，所以“新基建”所依賴的核心數(shù)字技術(shù)具有一定的代表性。因此，本文選取的數(shù)字技術(shù)關(guān)鍵詞是新型基礎(chǔ)設(shè)施所包含的五大核心技術(shù)，即人工智能、第五代移動通信技術(shù)、云計(jì)算、物聯(lián)網(wǎng)和區(qū)塊鏈（伍先福等，2020）。本文最終得到每年企業(yè)數(shù)字技術(shù)專利新增申請量和企業(yè)是否擁有數(shù)字技術(shù)專利虛擬變量，①本文使用的專利均在當(dāng)年申請且在之后年份獲得授權(quán)。前者取對數(shù)衡量企業(yè)的數(shù)字技術(shù)創(chuàng)新規(guī)模，后者衡量企業(yè)是否進(jìn)行數(shù)字技術(shù)創(chuàng)新。與通過文本分析來挖掘年報詞頻等方法相比，以專利所屬的技術(shù)領(lǐng)域來判斷數(shù)字技術(shù)創(chuàng)新水平更加直接有效。

3.機(jī)制變量

第一，資源配置效率。參考Hsieh 和Klenow（2009）以及張?zhí)烊A等（2019）的設(shè)定，假設(shè)企業(yè)僅使用勞動和資本兩種生產(chǎn)要素進(jìn)行生產(chǎn)，通過計(jì)算兩種要素投入的扭曲程度，估算最優(yōu)產(chǎn)出規(guī)模與實(shí)際產(chǎn)出規(guī)模的偏離程度，以此來衡量企業(yè)資源配置效率。根據(jù)張?zhí)烊A等（2019）的研究，企業(yè)的資本與勞動要素投入扭曲分別表示為：

其中，αs和βs分別表示行業(yè)的資本與勞動產(chǎn)出彈性，Ksi和Lsi分別表示企業(yè)的資本與勞動要素投入，σ表示產(chǎn)出替代彈性，Rsi表示資本的使用價格，ωsi表示勞動的使用價格。企業(yè)的最優(yōu)產(chǎn)出規(guī)模YEsi與實(shí)際產(chǎn)出規(guī)模Ysi的關(guān)系為：

利用要素投入扭曲所引起的實(shí)際產(chǎn)出規(guī)模與最優(yōu)產(chǎn)出規(guī)模的偏離程度，可以得到企業(yè)的資源錯配程度。

Misallocationsi的數(shù)值越大，企業(yè)要素投入扭曲越嚴(yán)重，資源配置效率越低。

現(xiàn)有研究中產(chǎn)出替代彈性的取值不一，本文參考Hsieh 和Klenow（2009）以及張?zhí)烊A等（2019）的設(shè)定，選取一個比較保守的數(shù)值，令σ=3。本文使用固定效應(yīng)法來測算行業(yè)的要素產(chǎn)出彈性。對于企業(yè)資本投入Ksi，本文使用固定資產(chǎn)凈額進(jìn)行衡量。令勞動要素價格ωsi=1，使用企業(yè)支付給職工以及為職工支付的現(xiàn)金來衡量企業(yè)勞動投入Lsi。對于實(shí)際產(chǎn)出規(guī)模Ysi，本文使用企業(yè)營業(yè)總收入進(jìn)行衡量。

對于資本與勞動要素扭曲的測算，本文使用企業(yè)增加值來衡量PsiYsi，參考韋莊禹（2022）的做法測算企業(yè)增加值。Rsi使用折舊率與利率之和，利率為企業(yè)利息支出與負(fù)債合計(jì)的比值，折舊率為當(dāng)年折舊與上一年固定資產(chǎn)原值的比值。本文樣本中利率測算值80%小于0.02。根據(jù)《中國統(tǒng)計(jì)年鑒》，1991 年以來我國金融機(jī)構(gòu)人民幣貸款基準(zhǔn)利率基本在0.05 以上，且定期存款基準(zhǔn)利率最小在0.02 左右。為了盡可能減少利率測算結(jié)果過低而與現(xiàn)實(shí)不符的情況，且鑒于不同所有制企業(yè)的利率存在一定差異，本文借鑒施炳展和冼國明（2012）的思路，若所測算利率高于0.05，則視為企業(yè)的真實(shí)利率；若低于0.05 或存在數(shù)據(jù)缺失，則以相同所有制的企業(yè)平均利率作為企業(yè)的利率。在測算過程中，本文以2008 年為基期，對營業(yè)總收入、各類費(fèi)用、支付給員工的現(xiàn)金等數(shù)據(jù)利用居民消費(fèi)價格指數(shù)進(jìn)行平減，固定資產(chǎn)凈額利用固定資產(chǎn)投資價格指數(shù)進(jìn)行平減。至此，本文可以分別測算出資本與勞動要素投入扭曲程度，進(jìn)而估算出企業(yè)資源配置效率。

第二，運(yùn)營成本。本文使用成本費(fèi)用利潤率來衡量企業(yè)運(yùn)營成本，成本費(fèi)用利潤率=利潤總額/（營業(yè)成本+期間費(fèi)用）×100%。成本費(fèi)用利潤率越高，企業(yè)運(yùn)營成本越低。

第三，創(chuàng)新效率。根據(jù)虞義華等（2018）的方法，本文利用研發(fā)投入的專利轉(zhuǎn)化情況來構(gòu)建企業(yè)創(chuàng)新效率指標(biāo)。

4.控制變量

本文選取企業(yè)規(guī)模、盈利能力、企業(yè)年齡、資本結(jié)構(gòu)、第一大股東持股比例、產(chǎn)權(quán)性質(zhì)以及行業(yè)市場集中度等變量，以期盡可能控制企業(yè)層面的因素（米晉宏等，2020；薛成等，2020；郭金花等，2021；趙海峰等，2022）。本文變量定義見表表1。

表1 變量定義

（二）模型設(shè)定與數(shù)據(jù)選擇

為了研究數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)全要素生產(chǎn)率的影響，本文借鑒謝謙等（2021）的研究，設(shè)定如下計(jì)量模型：

其中，lntfpit表示企業(yè)全要素生產(chǎn)率的自然對數(shù)；Digitit表示數(shù)字技術(shù)創(chuàng)新，分別采用企業(yè)數(shù)字技術(shù)創(chuàng)新規(guī)模（lndigit）和數(shù)字技術(shù)創(chuàng)新虛擬變量（digit_dummy）；Xit為控制變量，εit為隨機(jī)擾動項(xiàng)。同時，模型還控制了區(qū)域固定效應(yīng)（λi）、行業(yè)固定效應(yīng)（πi）和年份固定效應(yīng)（?t）。本文在估計(jì)時對標(biāo)準(zhǔn)誤進(jìn)行企業(yè)層面聚類處理。根據(jù)研究假說1，本文重點(diǎn)關(guān)注Digitit的系數(shù) γ1。若 γ1顯著大于0，則說明數(shù)字技術(shù)創(chuàng)新能夠促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升。

本文使用2008-2019 年滬深A(yù)股制造業(yè)上市公司專利數(shù)據(jù)及財務(wù)數(shù)據(jù)，研究數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其機(jī)制。企業(yè)財務(wù)數(shù)據(jù)與專利數(shù)據(jù)主要來自CSMAR 數(shù)據(jù)庫、Wind 數(shù)據(jù)庫以及國家知識產(chǎn)權(quán)局專利數(shù)據(jù)庫，價格指數(shù)類數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》。根據(jù)2012 年證監(jiān)會頒布的《上市公司行業(yè)分類指引》以及《國民經(jīng)濟(jì)行業(yè)分類》（GB/T 4754-2017），本文篩選出制造業(yè)行業(yè)的企業(yè)數(shù)據(jù)。此外，為了避免統(tǒng)計(jì)偏差所帶來的估計(jì)偏誤，本文剔除了員工數(shù)小于8 以及ST、*ST、S*ST和SST企業(yè)樣本，對全要素生產(chǎn)率、數(shù)字技術(shù)專利申請量、企業(yè)年齡、企業(yè)要素扭曲程度、總資產(chǎn)等變量取自然對數(shù)，并對盈利能力（ROA）、資本結(jié)構(gòu)（structure）等連續(xù)變量進(jìn)行了上下1%的winsorize縮尾處理。本文還剔除了西藏自治區(qū)及港澳臺地區(qū)數(shù)據(jù)。本文主要變量的描述性統(tǒng)計(jì)結(jié)果見表2。

表2 描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸分析

表3 報告了基準(zhǔn)回歸結(jié)果，其中列（1）和列（2）以企業(yè)數(shù)字技術(shù)創(chuàng)新規(guī)模（lndigit）作為解釋變量，列（3）和列（4）以企業(yè)數(shù)字技術(shù)創(chuàng)新虛擬變量（digit_dummy）作為解釋變量。從中可以看到，數(shù)字技術(shù)創(chuàng)新變量的估計(jì)系數(shù)在1%的水平上顯著為正，說明數(shù)字技術(shù)創(chuàng)新能夠促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升。就經(jīng)濟(jì)學(xué)意義而言，在控制行業(yè)、年份與地區(qū)固定效應(yīng)以及其他企業(yè)特征的情況下，列（4）結(jié)果顯示，開展數(shù)字技術(shù)創(chuàng)新的企業(yè)全要素生產(chǎn)率比沒有開展數(shù)字技術(shù)創(chuàng)新的企業(yè)要高0.06%；列（2）結(jié)果顯示，數(shù)字技術(shù)創(chuàng)新規(guī)模每增加1%，企業(yè)全要素生產(chǎn)率提升0.047%。無論在統(tǒng)計(jì)意義上還是經(jīng)濟(jì)學(xué)意義上，數(shù)字技術(shù)創(chuàng)新都能顯著促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升，這支持了本文的研究假說1。

表3 基準(zhǔn)回歸

（二）內(nèi)生性討論

為了緩解遺漏變量所導(dǎo)致的內(nèi)生性問題，本文在基準(zhǔn)回歸中控制了一系列變量，但仍可能面臨內(nèi)生性挑戰(zhàn)。生產(chǎn)率高的企業(yè)往往具有更大的規(guī)模、更多的產(chǎn)出，為了鞏固市場地位，其更有動機(jī)和能力進(jìn)行數(shù)字技術(shù)創(chuàng)新。這一逆向因果關(guān)系使基準(zhǔn)回歸結(jié)果可能存在內(nèi)生性問題。為了進(jìn)一步緩解這一內(nèi)生性問題，本文參考黃群慧等（2019）以及袁淳等（2021）的思路，使用1984 年全國各地級市每百萬人郵電業(yè)務(wù)總量和每百萬人電話機(jī)數(shù)作為企業(yè)數(shù)字技術(shù)創(chuàng)新的工具變量。但考慮到使用的是面板數(shù)據(jù)，本文將兩者分別與滯后一期的互聯(lián)網(wǎng)寬帶接入用戶數(shù)的自然對數(shù)相乘，得到IV_inte和IV_phon，以此作為數(shù)字技術(shù)創(chuàng)新的工具變量。一方面，1984 年郵電業(yè)務(wù)總量和電話機(jī)數(shù)反映我國改革開放初期各地的通信基礎(chǔ)設(shè)施情況，互聯(lián)網(wǎng)寬帶接入用戶數(shù)則反映各時期各城市的信息化發(fā)展水平，這些都能為企業(yè)數(shù)字技術(shù)創(chuàng)新提供外部支撐，因而滿足相關(guān)性要求。另一方面，1984 年郵電數(shù)據(jù)是歷史數(shù)據(jù)，且郵電和互聯(lián)網(wǎng)寬帶接入用戶數(shù)主要反映當(dāng)?shù)氐耐ㄐ呕A(chǔ)設(shè)施和信息化水平，并不直接作用于企業(yè)生產(chǎn)率，因而滿足外生性要求。

表4 中列（1）和列（2）報告了第二階段工具變量回歸結(jié)果。Kleibergen-Paap rk LM統(tǒng)計(jì)量和Cragg-Donald Wald F統(tǒng)計(jì)量分別拒絕了工具變量不可識別和弱工具變量的原假設(shè)，驗(yàn)證了本文所選工具變量的可靠性。在考慮內(nèi)生性問題之后，lndigit的系數(shù)仍顯著為正，說明基準(zhǔn)回歸結(jié)果具有一定穩(wěn)健性。

（三）穩(wěn)健性檢驗(yàn)

1.替換被解釋變量

本文將被解釋變量替換為由OP法和GMM法所估計(jì)的企業(yè)全要素生產(chǎn)率。回歸結(jié)果見表4中列（3）和列（4），數(shù)字技術(shù)創(chuàng)新變量的估計(jì)結(jié)果與基準(zhǔn)回歸一致，同樣說明數(shù)字技術(shù)創(chuàng)新能夠顯著促進(jìn)企業(yè)全要素生產(chǎn)率提升。在替換被解釋變量之后，研究假說1 依然成立。

表4 工具變量回歸與替換被解釋變量

2.控制企業(yè)固定效應(yīng)

鑒于本文樣本所跨時期較長，企業(yè)層面的數(shù)字技術(shù)創(chuàng)新變量可能存在一定的差異，僅控制行業(yè)固定效應(yīng)可能導(dǎo)致基準(zhǔn)回歸結(jié)果存在一定偏差。為了緩解這一問題，本文進(jìn)一步控制企業(yè)固定效應(yīng)，估計(jì)結(jié)果見表5 中列（1）。數(shù)字技術(shù)創(chuàng)新變量的估計(jì)系數(shù)與基準(zhǔn)回歸結(jié)果基本一致，說明基準(zhǔn)回歸結(jié)果具有一定穩(wěn)健性。

表5 穩(wěn)健性檢驗(yàn)

3.采用滯后解釋變量

企業(yè)數(shù)字技術(shù)創(chuàng)新需要一定的年限，且新技術(shù)的使用對企業(yè)生產(chǎn)率的影響可能存在滯后性。因此，本文采用數(shù)字技術(shù)創(chuàng)新變量的滯后一期重新進(jìn)行了估計(jì)，結(jié)果見表5 中列（2）。滯后一期的數(shù)字技術(shù)創(chuàng)新變量對企業(yè)全要素生產(chǎn)率的影響仍顯著為正，基準(zhǔn)回歸結(jié)果再次得到驗(yàn)證。

4.剔除外生沖擊

嚴(yán)峻的經(jīng)濟(jì)形勢會增加研發(fā)創(chuàng)新成本，阻礙企業(yè)發(fā)展。2008 年金融危機(jī)引起全球金融市場動蕩、實(shí)體經(jīng)濟(jì)下滑，多家國際知名企業(yè)宣布破產(chǎn)，國內(nèi)經(jīng)濟(jì)也深受影響。本文樣本期內(nèi)2008 年左右的數(shù)據(jù)可能存在極端值而造成估計(jì)結(jié)果有偏。為了解決這一問題，本文剔除2008-2010 年數(shù)據(jù)重新進(jìn)行了估計(jì)，結(jié)果見表5 中列（3）。在剔除外生沖擊之后，數(shù)字技術(shù)創(chuàng)新變量的估計(jì)系數(shù)仍顯著為正，再次驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

5.多期雙重差分

數(shù)字技術(shù)創(chuàng)新是一個連續(xù)的過程，但企業(yè)數(shù)字技術(shù)創(chuàng)新規(guī)模不同，且本文40%的樣本觀測值的數(shù)字技術(shù)專利申請量為0，因而可將企業(yè)數(shù)字技術(shù)創(chuàng)新作為一次沖擊，構(gòu)造多期雙重差分模型以加強(qiáng)因果識別。本文借鑒肖土盛等（2022）的方法來構(gòu)造多期雙重差分模型，具體過程如下：首先，按年份對企業(yè)數(shù)字技術(shù)專利申請量進(jìn)行排序，若企業(yè)數(shù)字技術(shù)專利申請量在某個年份進(jìn)入前10%，則歸為處理組（treat=1）。然后，為了保證處理組與對照組在未受到?jīng)_擊前具有相同的發(fā)展趨勢，本文使用傾向得分匹配（PSM）方法篩選對照組。根據(jù)研發(fā)支出、專利總數(shù)、總資產(chǎn)、資產(chǎn)負(fù)債率、產(chǎn)權(quán)性質(zhì)、研發(fā)強(qiáng)度、第一大股東持股比例、企業(yè)年齡、總資產(chǎn)收益率、行業(yè)集中度以及成本費(fèi)用利潤率等變量，使用1∶2 近鄰匹配，將與處理組具有共同支撐域的樣本視為對照組（treat=0）。最后，將企業(yè)數(shù)字技術(shù)專利申請量首次進(jìn)入前10%視為一次沖擊，當(dāng)年及之后年份post的取值為1，否則為0。具體模型如下：

回歸結(jié)果見表5 中列（4），交互項(xiàng)的系數(shù)顯著為正。這表明數(shù)字技術(shù)創(chuàng)新對企業(yè)全要素生產(chǎn)率有顯著的正向影響，與基準(zhǔn)回歸結(jié)果一致。

五、異質(zhì)性分析

上市公司所處行業(yè)數(shù)字化程度、所在區(qū)域以及所有制不同，可能導(dǎo)致數(shù)字技術(shù)創(chuàng)新對企業(yè)全要素生產(chǎn)率的影響存在差異。所處行業(yè)數(shù)字化程度越高，越有利于企業(yè)享受行業(yè)內(nèi)知識溢出，提高自身數(shù)字技術(shù)創(chuàng)新水平。此外，國有企業(yè)與非國有企業(yè)在創(chuàng)新方面存在差異，天然的政治關(guān)聯(lián)和資源稟賦使國有企業(yè)能夠開展更多的研發(fā)創(chuàng)新活動（李春濤和宋敏，2010；陳熠輝等，2022）。本文認(rèn)為，數(shù)字技術(shù)創(chuàng)新對企業(yè)全要素生產(chǎn)率的影響在國有企業(yè)與非國有企業(yè)之間存在差異。就區(qū)域而言，在市場化水平低的地區(qū)，制造業(yè)企業(yè)開展數(shù)字技術(shù)創(chuàng)新更容易彌補(bǔ)本地專用知識劣勢（劉政等，2020），破除要素流通市場限制，從而提高企業(yè)生產(chǎn)效率。為了檢驗(yàn)上述推測，本文利用調(diào)節(jié)效應(yīng)模型，從行業(yè)數(shù)字化程度、企業(yè)所有制以及區(qū)域特征三個方面進(jìn)行異質(zhì)性分析。

（一）行業(yè)數(shù)字化程度

為了探究數(shù)字技術(shù)創(chuàng)新的促進(jìn)效應(yīng)在數(shù)字化程度不同的行業(yè)中的差異，本文按照2021 年國家統(tǒng)計(jì)局公布的《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計(jì)分類（2021）》，將樣本中的行業(yè)劃分為數(shù)字產(chǎn)業(yè)化行業(yè)（dig_industry=1）與產(chǎn)業(yè)數(shù)字化行業(yè)（dig_industry=0），①結(jié)合《國民經(jīng)濟(jì)行業(yè)分類》（GB/T 4754-2017），樣本中的數(shù)字產(chǎn)業(yè)化行業(yè)是計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（C39）；產(chǎn)業(yè)數(shù)字化行業(yè)包括通用設(shè)備制造業(yè)（C34），專用設(shè)備制造業(yè)（C35），汽車制造業(yè)（C36），鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)（C37），電氣機(jī)械和器材制造業(yè)（C38），以及儀器儀表制造業(yè)（C40）。前者因其為產(chǎn)業(yè)數(shù)字化發(fā)展提供數(shù)字技術(shù)、產(chǎn)品、服務(wù)、基礎(chǔ)設(shè)施和解決方案，以及完全依賴于數(shù)字技術(shù)、數(shù)據(jù)要素而被規(guī)定為數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)，這也意味著數(shù)字產(chǎn)業(yè)化行業(yè)的數(shù)字化程度高于產(chǎn)業(yè)數(shù)字化行業(yè)。本文考察了數(shù)字技術(shù)創(chuàng)新效應(yīng)在這兩類行業(yè)中的差異，估計(jì)結(jié)果見表6 中列（1）。②dig_industry 的估計(jì)結(jié)果已被行業(yè)固定效應(yīng)所吸收。dig_industry與lndigit的交互項(xiàng)系數(shù)顯著為正，這表明行業(yè)數(shù)字化程度越高，數(shù)字技術(shù)創(chuàng)新越能促進(jìn)企業(yè)全要素生產(chǎn)率提升。

表6 異質(zhì)性分析

（二）企業(yè)所有制

除了行業(yè)數(shù)字化程度外，企業(yè)所有制也是影響數(shù)字技術(shù)創(chuàng)新促進(jìn)效應(yīng)的重要因素。與民營企業(yè)相比，國有企業(yè)的資源稟賦優(yōu)勢與政治優(yōu)勢使其擁有更多的資源與政策支持，從而更可能開展數(shù)字技術(shù)創(chuàng)新。這意味著數(shù)字技術(shù)創(chuàng)新可能更有利于促進(jìn)國有企業(yè)全要素生產(chǎn)率提升。表6中列（2）報告了基于企業(yè)所有制的異質(zhì)性分析結(jié)果，國有企業(yè)虛擬變量（state）與數(shù)字技術(shù)創(chuàng)新變量（lndigit）的交互項(xiàng)系數(shù)顯著為正，這說明數(shù)字技術(shù)創(chuàng)新更能促進(jìn)制造業(yè)國有企業(yè)生產(chǎn)率提升。

（三）區(qū)域特征

企業(yè)所在區(qū)域不同會影響數(shù)字技術(shù)創(chuàng)新對全要素生產(chǎn)率的促進(jìn)效應(yīng)。本文分別從市場化水平和地理位置兩個維度，考察不同地區(qū)制造業(yè)企業(yè)數(shù)字技術(shù)創(chuàng)新效應(yīng)的差異。第一，市場化水平。本文利用王小魯?shù)龋?019）公布的《中國分省份市場化指數(shù)報告》，根據(jù)每年各省份市場化指數(shù)的中位數(shù)，將樣本企業(yè)所在省份劃分為市場化水平較高地區(qū)（high_market=1）和市場化水平較低地區(qū)（high_market=0）?；貧w結(jié)果見表6 中列（3），high_market×lndigit的系數(shù)顯著為負(fù)。這說明在市場化水平較低的地區(qū)，數(shù)字技術(shù)創(chuàng)新更有利于企業(yè)破除當(dāng)?shù)匾亓魍ㄊ袌鱿拗?，?shí)現(xiàn)生產(chǎn)效率提升。第二，地理位置。西部地區(qū)比較偏遠(yuǎn)，經(jīng)濟(jì)相對落后，數(shù)字技術(shù)創(chuàng)新對西部地區(qū)企業(yè)全要素生產(chǎn)率的促進(jìn)效應(yīng)可能更加明顯。本文定義地區(qū)虛擬變量ea_cen_west。若企業(yè)注冊地在中部或東部地區(qū)，則ea_cen_west為1；若企業(yè)注冊地在西部地區(qū)，則ea_cen_west為0。表6 中列（4）列示了中東部地區(qū)與西部地區(qū)數(shù)字技術(shù)創(chuàng)新促進(jìn)效應(yīng)的差異。ea_cen_west×lndigit的系數(shù)顯著為負(fù)，表明數(shù)字技術(shù)創(chuàng)新對中東部地區(qū)企業(yè)全要素生產(chǎn)率的促進(jìn)效應(yīng)明顯小于西部地區(qū)企業(yè)。因此，市場化水平較低、經(jīng)濟(jì)相對落后地區(qū)的企業(yè)應(yīng)積極開展數(shù)字技術(shù)創(chuàng)新，盡快實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

六、作用機(jī)制分析

上文研究表明，數(shù)字技術(shù)創(chuàng)新能夠促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升。那么，數(shù)字技術(shù)創(chuàng)新促進(jìn)企業(yè)全要素生產(chǎn)率的具體機(jī)制是什么？上文從理論上闡述了數(shù)字技術(shù)創(chuàng)新如何通過影響運(yùn)營成本、創(chuàng)新效率和資源配置效率而對企業(yè)全要素生產(chǎn)率產(chǎn)生影響，下文將對此進(jìn)行實(shí)證檢驗(yàn)。由于中介效應(yīng)模型具有嚴(yán)重的內(nèi)生性，本文將通過重點(diǎn)考察核心解釋變量對機(jī)制變量的影響（江艇，2022），探究數(shù)字技術(shù)創(chuàng)新如何通過上述三個渠道影響企業(yè)全要素生產(chǎn)率。

（一）運(yùn)營成本

數(shù)字技術(shù)創(chuàng)新在短期內(nèi)會引致企業(yè)對更高級勞動力的需求，加之生產(chǎn)流程變化、生產(chǎn)設(shè)備更新?lián)Q代等，短期運(yùn)營成本會急劇上升，從而降低企業(yè)全要素生產(chǎn)率。表7 中列（1）報告了企業(yè)運(yùn)營成本對數(shù)字技術(shù)創(chuàng)新的回歸結(jié)果。lndigit的系數(shù)在1%的水平上顯著為負(fù)，說明數(shù)字技術(shù)創(chuàng)新在短期內(nèi)會導(dǎo)致企業(yè)運(yùn)營成本顯著上升，阻礙全要素生產(chǎn)率提升。本文的研究假說2a得到驗(yàn)證。

表7 作用機(jī)制分析

（二）創(chuàng)新效率

數(shù)字技術(shù)創(chuàng)新能夠提高企業(yè)創(chuàng)新效率，從而促進(jìn)全要素生產(chǎn)率提升。表7 中列（2）結(jié)果顯示，lndigit的系數(shù)在1%的水平上顯著為正，說明數(shù)字技術(shù)創(chuàng)新能夠通過提升企業(yè)創(chuàng)新效率而促進(jìn)全要素生產(chǎn)率提升。本文的研究假說2b得到驗(yàn)證。

（三）資源配置效率

新一代數(shù)字技術(shù)的興起將重構(gòu)傳統(tǒng)生產(chǎn)要素體系，改善企業(yè)要素配置，而資源配置效率的提升必然促進(jìn)企業(yè)全要素生產(chǎn)率提升。表7 中列（3）報告了數(shù)字技術(shù)創(chuàng)新與企業(yè)資源配置效率的實(shí)證結(jié)果，lndigit的系數(shù)在1%的水平上顯著為負(fù)，說明數(shù)字技術(shù)創(chuàng)新能夠顯著提高制造業(yè)企業(yè)的資源配置效率。Acemoglu 和Restrepo（2018）認(rèn)為，人工智能技術(shù)的過度使用會導(dǎo)致勞動和資本要素的配置不當(dāng)。本文猜測數(shù)字技術(shù)創(chuàng)新對不同要素扭曲的緩解作用可能存在差異。因此，本文進(jìn)一步從資本和勞動兩個方面來分解企業(yè)資源錯配程度，重新估計(jì)了表7 中列（3）的模型。列（4）和列（5）結(jié)果顯示，數(shù)字技術(shù)創(chuàng)新主要通過緩解勞動要素錯配而提升企業(yè)資源配置效率，但在一定程度上會加劇資本要素扭曲而導(dǎo)致企業(yè)資源配置效率下降（在統(tǒng)計(jì)上并不顯著）。正是因?yàn)榫徑獠煌嘏で淖饔么嬖诓町悾瑪?shù)字技術(shù)創(chuàng)新緩解整體資源錯配的作用有所下降，但效果依然顯著。上述結(jié)果表明，數(shù)字技術(shù)創(chuàng)新能夠通過改善資源配置，促進(jìn)企業(yè)全要素生產(chǎn)率提升（但對不同要素配置的影響存在差異）。本文的研究假說2c得到驗(yàn)證。

七、結(jié)論與政策建議

本文基于德溫特創(chuàng)新平臺對具體數(shù)字技術(shù)專利IPC 分類號進(jìn)行收集與匹配，獲得制造業(yè)企業(yè)的數(shù)字技術(shù)創(chuàng)新情況，利用面板固定效應(yīng)模型，研究了數(shù)字技術(shù)創(chuàng)新對制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其機(jī)制。研究發(fā)現(xiàn)，數(shù)字技術(shù)創(chuàng)新能夠顯著促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升，且經(jīng)過內(nèi)生性討論與穩(wěn)健性檢驗(yàn)后，這一結(jié)論依然成立。異質(zhì)性分析發(fā)現(xiàn)，行業(yè)數(shù)字化程度、企業(yè)所有制與所在區(qū)域特征的不同會造成數(shù)字技術(shù)創(chuàng)新對企業(yè)全要素生產(chǎn)率的影響存在差異。行業(yè)數(shù)字化程度越高，數(shù)字技術(shù)創(chuàng)新的促進(jìn)效應(yīng)越明顯；與非國有企業(yè)相比，數(shù)字技術(shù)創(chuàng)新對國有企業(yè)全要素生產(chǎn)率的促進(jìn)效應(yīng)更大；由于經(jīng)濟(jì)發(fā)展水平差異，數(shù)字技術(shù)創(chuàng)新對中東部地區(qū)企業(yè)全要素生產(chǎn)率的促進(jìn)效應(yīng)小于西部地區(qū)企業(yè)。機(jī)制分析發(fā)現(xiàn)，數(shù)字技術(shù)創(chuàng)新在短期內(nèi)會導(dǎo)致企業(yè)運(yùn)營成本上升，從而阻礙企業(yè)生產(chǎn)率提升；而數(shù)字技術(shù)創(chuàng)新能夠通過提高創(chuàng)新效率和改善資源配置，促進(jìn)企業(yè)全要素生產(chǎn)率提升。本文還發(fā)現(xiàn)，緩解勞動要素投入扭曲是數(shù)字技術(shù)創(chuàng)新通過提升企業(yè)資源配置效率發(fā)揮積極作用的主要渠道。根據(jù)上述研究結(jié)論，本文提出以下政策建議：

第一，加大對數(shù)字技術(shù)的研發(fā)投入，促進(jìn)制造業(yè)企業(yè)盡快實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。數(shù)字技術(shù)創(chuàng)新具有積極的正向溢出效應(yīng)，基于數(shù)字技術(shù)的滲透性、替代性和協(xié)同性特征，以及在運(yùn)營成本、創(chuàng)新效率和資源配置效率上的作用機(jī)制，發(fā)展數(shù)字技術(shù)能夠加速制造業(yè)企業(yè)轉(zhuǎn)型升級。企業(yè)要重視數(shù)字技術(shù)的研發(fā)投入，政府部門也要制定相關(guān)政策，鼓勵企業(yè)開展數(shù)字技術(shù)創(chuàng)新，盡快實(shí)現(xiàn)企業(yè)和產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型。同時，要關(guān)注區(qū)域間數(shù)字化發(fā)展的不均衡，加強(qiáng)經(jīng)濟(jì)相對落后地區(qū)的制造業(yè)企業(yè)對數(shù)字技術(shù)的創(chuàng)新與應(yīng)用，降低數(shù)字技術(shù)創(chuàng)新成本，充分利用數(shù)字技術(shù)的協(xié)同性特征，幫助經(jīng)濟(jì)相對落后地區(qū)的企業(yè)實(shí)現(xiàn)后發(fā)趕超。

第二，重視國有制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型。制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型對我國數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深度融合與實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展極為關(guān)鍵，而國有制造業(yè)企業(yè)大多處于關(guān)乎我國國民經(jīng)濟(jì)命脈與國家安全的重要領(lǐng)域與行業(yè)。因此，要重視國有制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型，加快實(shí)現(xiàn)國有制造業(yè)企業(yè)的智能化、數(shù)字化升級，努力使其成為我國制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的排頭兵，推動我國制造業(yè)企業(yè)升級進(jìn)程，早日實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合。

第三，推進(jìn)基礎(chǔ)設(shè)施體系的數(shù)字化轉(zhuǎn)型，縮小區(qū)域間數(shù)字化水平差距。僅依靠企業(yè)自身加大研發(fā)力度來提高數(shù)字技術(shù)水平遠(yuǎn)遠(yuǎn)不夠，這在短期內(nèi)反而會給企業(yè)帶來高昂的成本費(fèi)用?；谝詳?shù)字化、智能化為核心的新發(fā)展理念，在產(chǎn)業(yè)外部環(huán)境方面，要加大新型基礎(chǔ)設(shè)施的建設(shè)投資力度，盡快完成新型基礎(chǔ)設(shè)施的系統(tǒng)布局和基礎(chǔ)設(shè)施體系的數(shù)字化轉(zhuǎn)型，為企業(yè)數(shù)字化轉(zhuǎn)型提供更好的外部環(huán)境；同時，要促進(jìn)協(xié)同創(chuàng)新，為企業(yè)、產(chǎn)業(yè)鏈和產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型提供有力支撐，最終助力制造業(yè)企業(yè)升級。