李宏 梁寶琦 曹知修

［摘?要］ 隨著數(shù)字經(jīng)濟與傳統(tǒng)產(chǎn)業(yè)的深度融合，數(shù)字化轉(zhuǎn)型已成為企業(yè)面對當(dāng)前復(fù)雜多變市場環(huán)境的必然選擇。基于2007—2020年上市公司的年報數(shù)據(jù)構(gòu)建了企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)，并結(jié)合國泰安數(shù)據(jù)考察了數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響及作用機制。結(jié)果發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)成本加成率，該結(jié)果經(jīng)一系列穩(wěn)健性、內(nèi)生性檢驗后依然成立，其對于高生產(chǎn)率企業(yè)、非國有企業(yè)、高技術(shù)行業(yè)企業(yè)及高市場規(guī)模地區(qū)企業(yè)的影響更為顯著；企業(yè)數(shù)字化轉(zhuǎn)型通過資源配置效應(yīng)、成本節(jié)約效應(yīng)及研發(fā)創(chuàng)新效應(yīng)帶動企業(yè)成本加成率的提升。進(jìn)一步分析發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型所采用的數(shù)字技術(shù)中大數(shù)據(jù)技術(shù)、云計算技術(shù)及人工智能技術(shù)的影響更為顯著，數(shù)字化轉(zhuǎn)型主要通過降低邊際成本對企業(yè)成本加成率產(chǎn)生影響。

［關(guān)鍵詞］ 數(shù)字化轉(zhuǎn)型；企業(yè)；成本加成率；研發(fā)創(chuàng)新；數(shù)字技術(shù)

［中圖分類號］ ?F49；F279.2；F425?［文獻(xiàn)標(biāo)識碼］ Ａ???［文章編號］ 1008-1763（2023）04-0065-12

Research on the Impact of Digital Transformation on FirmsMarkup

LI Hong，LIANG Bao-qi，CAO Zhi-xiu

（School of Economics，Tianjin University of Finance and Economics，Tianjin?300222，China）

Abstract：With the deep integration of digital economy and traditional industries， digital transformation has become an inevitable choice for firms facing the current complex and changing market environment. Based on the annual report data of listed companies from 2007 to 2020， this paper constructs an indicator of digital transformation， and examines the impact of digital transformation on firmsmarkup and its mechanism in combination with Guotaian data. The results show that enterprise digital transformation can significantly improve firmsmarkup. This result is still valid after a series of robustness endogenous tests. Heterogeneity analysis shows that for high productivity enterprises The influence of high-tech industry enterprises and enterprises in high market scale areas is more significant. The mechanism analysis shows that the digital transformation of enterprises drives the increase of enterprise cost markup rate through the improvement of resource allocation effect， market matching effect and R&D innovation effect. Further analysis shows that big data technology， cloud computing technology and artificial intelligence technology are more significant in the digital transformation.The transformation of the digital economy has an impact on the cost plus rate of enterprises mainly by reducing marginal cost.

Key words： digital transformation; firm; mark up; R&D innovation;digital technology

數(shù)字經(jīng)濟領(lǐng)域的快速發(fā)展對經(jīng)濟和整個社會都產(chǎn)生了極其深遠(yuǎn)的影響，數(shù)字分析技術(shù)和機器學(xué)習(xí)等算法的不斷進(jìn)步使數(shù)字化轉(zhuǎn)型成為企業(yè)面對當(dāng)前復(fù)雜多變市場環(huán)境的必然選擇。黨的二十大明確提出要“加快發(fā)展數(shù)字經(jīng)濟，促進(jìn)數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”。在數(shù)字化轉(zhuǎn)型的實踐中，發(fā)現(xiàn)有部分非數(shù)字原生企業(yè)由于技術(shù)能力不足、缺少資金支持及缺乏長遠(yuǎn)戰(zhàn)略盲目推進(jìn)數(shù)字化等原因陷入轉(zhuǎn)型困境，“不想轉(zhuǎn)、不敢轉(zhuǎn)、不會轉(zhuǎn)”的問題較為顯著。數(shù)字化轉(zhuǎn)型究竟能否提升盈利水平已成為眾多企業(yè)關(guān)心的核心問題，而加成率能夠反映一家企業(yè)市場勢力的大小，同時能夠衡量一家企業(yè)盈利能力的高低。因此，在當(dāng)前數(shù)字經(jīng)濟蓬勃發(fā)展的大背景下，對于企業(yè)數(shù)字化轉(zhuǎn)型能否提高企業(yè)成本加成率及如何提高企業(yè)成本加成率的研究具有重要的理論與現(xiàn)實意義。

企業(yè)數(shù)字化轉(zhuǎn)型可以理解為企業(yè)利用數(shù)字技術(shù)與企業(yè)生產(chǎn)經(jīng)營與管理進(jìn)行深度融合，從而推動組織、運營、生產(chǎn)和技術(shù)等各方面的系統(tǒng)性轉(zhuǎn)變[1]。已有研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠優(yōu)化企業(yè)內(nèi)部組織結(jié)構(gòu)與決策流程[2]，加強企業(yè)與消費者及消費者之間的信息互通，促進(jìn)消費者剩余與企業(yè)收入的增加[3]。楊金玉等分析發(fā)現(xiàn)，客戶數(shù)字化轉(zhuǎn)型將通過倒逼效應(yīng)和資源效應(yīng)促進(jìn)供應(yīng)商創(chuàng)新[4]。然而，Syverson發(fā)現(xiàn)信息技術(shù)發(fā)展中存在生產(chǎn)率悖論問題[5]，自動化同時會降低增值中的勞動力份額，導(dǎo)致工資增長慢于生產(chǎn)率增長，造成就業(yè)和居民消費下降[6]。綜合以上文獻(xiàn)發(fā)現(xiàn)，學(xué)界當(dāng)前對于數(shù)字化轉(zhuǎn)型的影響效應(yīng)仍有疑問，對數(shù)字化轉(zhuǎn)型內(nèi)涵的解讀仍是一個“黑箱”，并沒有深入解構(gòu)數(shù)字化轉(zhuǎn)型可能存在的異質(zhì)性影響。本文嘗試從數(shù)字技術(shù)視角探討不同層次的數(shù)字技術(shù)應(yīng)用的影響，分析企業(yè)數(shù)字化轉(zhuǎn)型背后的影響機制及轉(zhuǎn)型路徑，探究數(shù)字技術(shù)應(yīng)用對企業(yè)發(fā)展是否如主流經(jīng)濟學(xué)所認(rèn)為的那樣具有通用性特征。

與本文相關(guān)的其他文獻(xiàn)是從不同角度探討對企業(yè)成本加成率的影響。既有文獻(xiàn)多從產(chǎn)業(yè)創(chuàng)新[7]、城市規(guī)模擴張[8]、中間品貿(mào)易自由[9]等不同角度分析對企業(yè)成本加成率的影響，從數(shù)字化轉(zhuǎn)型視角研究對企業(yè)成本加成率影響的文獻(xiàn)比較少，且對企業(yè)成本加成率的影響機制分析大多集中在促競爭效應(yīng)和成本節(jié)約效應(yīng)上。與本文關(guān)聯(lián)比較密切的是柏培文和喻理的研究，他們研究了數(shù)字經(jīng)濟對企業(yè)加成率的影響，發(fā)現(xiàn)數(shù)字經(jīng)濟發(fā)展會通過提高企業(yè)間競爭程度，造成企業(yè)成本壓力上升，進(jìn)而導(dǎo)致企業(yè)加成率下降[10]。本文嘗試從企業(yè)層面探討企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響機制，并進(jìn)一步分析數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率哪些方面會產(chǎn)生更多影響。

與現(xiàn)有文獻(xiàn)相比，本文的邊際貢獻(xiàn)主要有以下幾點：（1）本文在已有研究的基礎(chǔ)上進(jìn)一步從企業(yè)視角探究數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響，討論數(shù)字化轉(zhuǎn)型究竟能否促進(jìn)企業(yè)成本加成率的提升。（2）豐富了企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響機制，從資源配置效應(yīng)、成本節(jié)約效應(yīng)與研發(fā)創(chuàng)新效應(yīng)三方面解釋企業(yè)數(shù)字化轉(zhuǎn)型如何影響企業(yè)成本加成率，為企業(yè)數(shù)字化轉(zhuǎn)型提供一些新的思路。（3）本文嘗試從數(shù)字技術(shù)角度進(jìn)一步分析企業(yè)數(shù)字化轉(zhuǎn)型的層次遞進(jìn)特征，對“底層技術(shù)架構(gòu)”進(jìn)行分別探討，同時考慮數(shù)字化對加成率的影響，是更多的影響企業(yè)邊際成本還是價格，為后續(xù)進(jìn)一步研究奠定基礎(chǔ)。

一?理論機制和研究假設(shè)

企業(yè)加成率一般被定義為價格與邊際成本之比，其既能通過邊際成本反映企業(yè)生產(chǎn)率水平，也能通過價格反映企業(yè)產(chǎn)品質(zhì)量水平[11]。從邊際成本角度看，數(shù)字化轉(zhuǎn)型企業(yè)能夠更加便捷地獲取國際市場與潛在競爭對手的信息，有助于降低企業(yè)的信息成本與市場進(jìn)入成本。通過搜集與分析公司內(nèi)部海量數(shù)據(jù)信息能夠提高公司內(nèi)部員工和流程績效的清晰度，降低企業(yè)的管理成本。柏培文和喻理也發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠通過降低企業(yè)的工資壓力進(jìn)而緩解數(shù)字經(jīng)濟對企業(yè)加成率的負(fù)向影響[10]。從價格角度來看，數(shù)字化轉(zhuǎn)型改變了企業(yè)的生產(chǎn)方式。數(shù)字化轉(zhuǎn)型企業(yè)的柔性化、定制化生產(chǎn)模式實現(xiàn)了生產(chǎn)者與消費者價值共創(chuàng)[12]，滿足消費者的個性化需求，提高企業(yè)產(chǎn)品競爭力。同時，人工智能和機器學(xué)習(xí)算法通過挖掘大量數(shù)據(jù)進(jìn)行預(yù)測分析可以幫助市場和零售商更好地預(yù)測消費者需求[13]，從而可以對消費者進(jìn)行歧視性定價賺取超額利潤。綜上所述，本文提出如下假設(shè)：

假設(shè)1：企業(yè)數(shù)字化轉(zhuǎn)型能夠提升企業(yè)成本加成率。

企業(yè)數(shù)字化轉(zhuǎn)型能夠帶動企業(yè)資源配置效率提升。一方面，數(shù)字化轉(zhuǎn)型以后改進(jìn)了企業(yè)的決策方式，企業(yè)的數(shù)字驅(qū)動型決策模式在一定程度上緩解了個人決策中的有限理性問題，提升了企業(yè)的資源配置效率[14]。同時，運用機器學(xué)習(xí)方法可以基于歷史數(shù)據(jù)對未來進(jìn)行分析預(yù)測，幫助企業(yè)制定未來資源配置方案[15]，優(yōu)化公司資源配置。另一方面，數(shù)字化轉(zhuǎn)型能夠提升企業(yè)的供應(yīng)鏈管理能力。生產(chǎn)和市場之間的快速協(xié)作是企業(yè)供應(yīng)鏈管理的必要條件，大數(shù)據(jù)分析技術(shù)能夠快速、準(zhǔn)確地了解客戶和市場信息，預(yù)測企業(yè)可能面臨的各種問題，緩解供需信息不對稱的問題[16]。而資源配置效率提升意味著企業(yè)能夠更有效地利用其資源，從而提高生產(chǎn)效率，降低企業(yè)邊際成本。而企業(yè)也會將各種要素轉(zhuǎn)移到內(nèi)部高質(zhì)量產(chǎn)品部門進(jìn)而促進(jìn)企業(yè)產(chǎn)品質(zhì)量提升[17]。綜上所述，本文提出如下假設(shè)：

假設(shè)2：企業(yè)數(shù)字化轉(zhuǎn)型通過增強企業(yè)資源配置效應(yīng)進(jìn)而促進(jìn)企業(yè)成本加成率的提升。

隨著數(shù)字經(jīng)濟的興起，企業(yè)與企業(yè)之間以及企業(yè)與消費者之間的互動方式越來越多地通過在線平臺進(jìn)行，降低了與距離相關(guān)的信息摩擦對貿(mào)易的負(fù)面影響[18]。一方面，人工智能在語音識別、圖像識別和信用評分等領(lǐng)域的最新進(jìn)展也顯著提高了企業(yè)的搜索和預(yù)測能力[19]，促進(jìn)了企業(yè)收入與消費者剩余的上升。另一方面，人工智能和機器學(xué)習(xí)算法能夠在挖掘大量數(shù)據(jù)的基礎(chǔ)上對消費者行為特征進(jìn)行精準(zhǔn)把控，從而使企業(yè)能夠根據(jù)市場及時調(diào)整生產(chǎn)和銷售計劃，降低存儲成本[20]。考慮到消費者需求的巨大異質(zhì)性，企業(yè)通過采用人工智能技術(shù)能夠識別與預(yù)測消費者的許多特征，幫助市場或企業(yè)更好地將零散客戶分成群體，實現(xiàn)長尾效應(yīng)[21]。綜上所述，本文提出如下假設(shè)：

假設(shè)3：企業(yè)數(shù)字化轉(zhuǎn)型通過成本節(jié)約效應(yīng)促進(jìn)企業(yè)成本加成率的提升。

由于數(shù)字技術(shù)具有跨區(qū)域、跨行業(yè)應(yīng)用的特點，高水平企業(yè)數(shù)字化轉(zhuǎn)型會對非常廣泛的領(lǐng)域形成創(chuàng)新激勵，促進(jìn)跨領(lǐng)域的創(chuàng)新協(xié)同[22]。隨著數(shù)字技術(shù)和無數(shù)應(yīng)用部門之間的創(chuàng)新循環(huán)不斷加強，所有部門的創(chuàng)新效率也會進(jìn)一步提高。并且數(shù)字技術(shù)也進(jìn)一步改變了企業(yè)的創(chuàng)新研發(fā)過程，其實質(zhì)上是一種“創(chuàng)新方法的創(chuàng)新”。企業(yè)通過利用大型數(shù)據(jù)集和學(xué)習(xí)算法能夠?qū)討B(tài)的開發(fā)技術(shù)和行為現(xiàn)象進(jìn)行高精度預(yù)測[23]，這種新的預(yù)測方法的發(fā)展為開展科學(xué)和技術(shù)研究提供了新的思路。通過這種通用技術(shù)以及創(chuàng)新思維在許多應(yīng)用領(lǐng)域的共享與擴散所產(chǎn)生的知識溢出效應(yīng)能夠降低企業(yè)的研發(fā)成本，進(jìn)而降低企業(yè)的生產(chǎn)成本。另外，創(chuàng)新技術(shù)的爆炸式增長能夠提高企業(yè)產(chǎn)品質(zhì)量及促進(jìn)企業(yè)新產(chǎn)品創(chuàng)造，降低消費者對產(chǎn)品的需求彈性，進(jìn)而提高企業(yè)成本加成率[7]。

企業(yè)數(shù)字化轉(zhuǎn)型具有層次性特征，最復(fù)雜的技術(shù)通常只有在更基本的技術(shù)水平被廣泛應(yīng)用后才會產(chǎn)生。公司采用高水平數(shù)字化技術(shù)，需要大量的數(shù)字信息和足夠的計算能力[24]。大數(shù)據(jù)被認(rèn)為是使用更先進(jìn)的數(shù)字技術(shù)的必要投入，通過對消費者與供應(yīng)鏈上下游的信息收集與分析使研發(fā)創(chuàng)新更具針對性[25]。采用高水平數(shù)字技術(shù)的第二個必要因素是，要有足夠的計算能力來處理和利用大量的數(shù)字信息。云計算服務(wù)的出現(xiàn)使可擴展的計算資源可以按需使用，從根本上改變了IT使用的經(jīng)濟性，使主要IT功能的外包成為可能[26]。因此，在大數(shù)據(jù)時代，企業(yè)必須進(jìn)行高質(zhì)量技術(shù)創(chuàng)新提升自己的技術(shù)優(yōu)勢，才能保持自身的市場競爭力。綜上所述，本文提出如下假設(shè)：

假設(shè)4：企業(yè)數(shù)字化轉(zhuǎn)型通過研發(fā)創(chuàng)新效應(yīng)促進(jìn)企業(yè)成本加成率的提升。

假設(shè)5：實質(zhì)性研發(fā)創(chuàng)新更能促進(jìn)企業(yè)成本加成率的提升。

二?研究設(shè)計

（一）計量模型設(shè)定

為驗證本文的研究假說，本文選擇如下模型估計企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響：

其中，i、t分別表示企業(yè)和年份。mkpit為企業(yè)i在t年的成本加成率，digit表示企業(yè)i在t年的數(shù)字化轉(zhuǎn)型指數(shù)，controlit為一系列的控制變量，vi為企業(yè)個體固定效應(yīng)，μt為年份固定效應(yīng)，ηot為年份×城市固定效應(yīng)，χst為年份×行業(yè)固定效應(yīng)。

（二）變量測度

1．?dāng)?shù)字化轉(zhuǎn)型指數(shù)

結(jié)合吳非等[27]的數(shù)字化轉(zhuǎn)型特征詞圖譜及數(shù)字化轉(zhuǎn)型相關(guān)的經(jīng)典文獻(xiàn)與政策文件進(jìn)行篩選，得到共109個數(shù)字化轉(zhuǎn)型相關(guān)詞匯組成特征詞詞典。依據(jù)數(shù)字技術(shù)開發(fā)及數(shù)字化場景應(yīng)用將特征詞詞典劃分為底層技術(shù)架構(gòu)和數(shù)字技術(shù)應(yīng)用兩部分，把政策文件中所涉及的不同技術(shù)方向的詞頻進(jìn)行分類匯總，將底層技術(shù)架構(gòu)進(jìn)一步細(xì)分為四個方面，即人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)及區(qū)塊鏈技術(shù)，最終特征詞詞典如圖1所示。最后對上市公司年報“管理層討論與分析”部分進(jìn)行特征詞匹配，得到與企業(yè)數(shù)字化相關(guān)詞匯在年報中出現(xiàn)的頻數(shù)并分類加總。參照袁淳等[28]的方法，采用企業(yè)數(shù)字化相關(guān)詞匯頻數(shù)總和除以管理層討論與分析部分文本長度再乘100來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。對指標(biāo)按年份進(jìn)行對比分析發(fā)現(xiàn)，2014年以前未進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)比較少，2014年后數(shù)字化轉(zhuǎn)型成為企業(yè)戰(zhàn)略重心，基本所有上市企業(yè)都有在年報提及相關(guān)詞匯。

2．企業(yè)成本加成率

目前，衡量企業(yè)價格加成的方法主要有兩種：第一種是會計法。該方法根據(jù)會計準(zhǔn)則，利用企業(yè)的增加值、工資總額和中間投入對企業(yè)加成率進(jìn)行計算。參照盛丹和王永進(jìn)的方法[29]，在會計法下，企業(yè)的價格加成計算公式為

其中，valueaddit表示企業(yè)的工業(yè)增加值。由于上市公司數(shù)據(jù)中并不匯報工業(yè)增加值，因此參照覃家琦的做法估算增加值[30]，會計法計算成本加成率簡單易算，但存在如下不足：第一，利用會計法計算的價格加成易受到人為控制等因素的影響；第二，會計變量與經(jīng)濟變量存在差異，該指標(biāo)不能很好地代表經(jīng)濟學(xué)含義上的價格加成。

本文使用Loecker和Warzynski的生產(chǎn)函數(shù)法來估計企業(yè)成本加成率[31]，假設(shè)企業(yè)生產(chǎn)函數(shù)為Qit=Qit（X1it，…，XVit，Kit，ωit），其中V為要素投入，如勞動投入、中間品投入等，Kit為資本投入，ωit為全要素生產(chǎn)率。根據(jù)企業(yè)成本最小化條件構(gòu)建拉格朗日函數(shù)可得

其中，PXvit和rit分別為可變投入和資本投入的價格，根據(jù)一階條件得

對上式整理可得

其中，Pit為最終產(chǎn)品價格，根據(jù)包絡(luò)定理可知λit=mcit，由于企業(yè)成本加成率（mkpit）是產(chǎn)品價格與邊際成本之比，因此：

其中，θxit代表投入要素X的產(chǎn)出彈性，φxit代表要素X占總產(chǎn)出的比重。本文選取中間品投入作為投入要素，φmit可直接計算得到，θmit需用生產(chǎn)函數(shù)估計得到。為降低估計偏誤，本文假設(shè)企業(yè)生產(chǎn)函數(shù)為超越對數(shù)生產(chǎn)函數(shù)，參考ACF兩步法估算生產(chǎn)函數(shù)中的各個系數(shù)（βl，βk，βm，βll，βkk，βmm，βlk，βlm，βkm，βlkm），可得到中間品要素投入的產(chǎn)出彈性θmit=βmmit+βlmlit+βkmkit+βlmklitkit，進(jìn)而根據(jù)（6）式得到企業(yè)成本加成率，同時本文使用會計法下的企業(yè)成本加成率做穩(wěn)健性檢驗。

3．其他控制變量

參考杜明威等[32]、洪俊杰等[1]的做法，選取的控制變量主要包括：（1）公司規(guī)模（size），采用企業(yè)總資產(chǎn)取自然對數(shù)來衡量；（2）企業(yè)年齡（age），采用當(dāng)年年份減去企業(yè)建立時間加1取自然對數(shù)來衡量；（3）賬面價值比（bm），采用賬面價值與總市值之比的自然對數(shù)來衡量；（4）資產(chǎn)負(fù)債率（lev），采用企業(yè)負(fù)債總額與資產(chǎn)總額之比來衡量；（5）企業(yè)平均工資（wage），采用企業(yè)應(yīng)付職工薪酬與員工人數(shù)之比的自然對數(shù)來衡量。為進(jìn)一步降低遺漏變量所產(chǎn)生的估計誤差，本文加入年份與行業(yè)、年份與城市的交互項控制行業(yè)與城市層面隨時間變化的變量。

（三）數(shù)據(jù)說明

本文選用2007—2020年滬深A(yù)股上市公司為研究對象，數(shù)據(jù)主要來自國泰安數(shù)據(jù)庫、上市公司年報及《中國城市統(tǒng)計年鑒》，并對樣本進(jìn)行如下處理：剔除ABH股同時上市的企業(yè)；剔除在樣本期間內(nèi)的ST企業(yè)或*ST企業(yè)及金融類企業(yè)；剔除樣本期間內(nèi)企業(yè)年齡為負(fù)的樣本；剔除資不抵債的企業(yè)樣本；并對所有連續(xù)變量進(jìn)行1%水平的winsor縮尾處理，各變量的描述性統(tǒng)計如表1所示。

三?實證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

基準(zhǔn)回歸結(jié)果如表2所示：第（1）列為不加控制變量，僅控制年份、企業(yè)、年份固定效應(yīng)與行業(yè)交互固定效應(yīng)的結(jié)果；第（2）列為不加控制變量，控制所有固定效應(yīng)的結(jié)果；第（3）列為加入控制變量，控制年份、企業(yè)、年份固定效應(yīng)與行業(yè)交互固定效應(yīng)的結(jié)果；第（4）列為控制所有控制變量與固定效應(yīng)的結(jié)果。實證結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)成本加成率。

從控制變量來看，企業(yè)規(guī)模對企業(yè)成本加成率有顯著的正向影響，這是因為規(guī)模越大的企業(yè)一般會擁有更大的價格和成本優(yōu)勢；企業(yè)人均工資對企業(yè)成本加成率的影響顯著為負(fù)，原因是工資上漲導(dǎo)致企業(yè)邊際成本上升，進(jìn)而降低企業(yè)成本加成率；資產(chǎn)負(fù)債率的影響顯著為負(fù)，主要原因是企業(yè)資產(chǎn)負(fù)債率越高，企業(yè)財務(wù)風(fēng)險和融資成本也會提高，進(jìn)而導(dǎo)致企業(yè)市場競爭力下降；企業(yè)年齡的影響顯著為負(fù)，主要原因是企業(yè)年齡越大生產(chǎn)慣性越強，轉(zhuǎn)型所需成本會更大；賬面價值比的影響顯著為正，主要原因是賬面價值比越高的企業(yè)收益率就越高，企業(yè)收入與成本的比值就越大，企業(yè)成本加成率就越高。

（二）穩(wěn)健性檢驗

1．替代解釋變量指標(biāo)

選用企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)詞頻加1取對數(shù)衡量企業(yè)數(shù)字化轉(zhuǎn)型（ln dig1），并參考張永珅等的做法，根據(jù)財務(wù)報告附注披露的年末無形資產(chǎn)明細(xì)項選取其中關(guān)于計算機軟件、數(shù)字化、系統(tǒng)等項目的期末余額作為數(shù)字無形資產(chǎn)余額[33]，并用數(shù)字無形資產(chǎn)余額占資產(chǎn)總額的比例衡量企業(yè)數(shù)字化轉(zhuǎn)型（ln dig2）。結(jié)果如表3所示，在更換數(shù)字化轉(zhuǎn)型指標(biāo)后，其對企業(yè)成本加成率的影響依然顯著為正。

2．替代被解釋變量

為檢驗實證結(jié)果的穩(wěn)健性，采用會計法重新計算企業(yè)成本加成率（ln mkp_acc），計算方法如（2）式所示，最終回歸結(jié)果如表4所示。從第（1）列和第（2）列可以發(fā)現(xiàn)在更換被解釋變量衡量方式后數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響依然顯著為正。

3．解決樣本自選擇偏誤問題

本文的回歸結(jié)果表明數(shù)字化轉(zhuǎn)型程度越高，企業(yè)成本加成率就越高，但并非一定是數(shù)字化轉(zhuǎn)型提升了企業(yè)成本加成率，而是數(shù)字化轉(zhuǎn)型企業(yè)本身就是市場競爭力較強、技術(shù)水平較高的企業(yè)。因此，為解決可能存在的樣本自選擇偏誤，本文以每年各行業(yè)中企業(yè)數(shù)字化轉(zhuǎn)型的平均數(shù)為依據(jù)，將樣本劃分為實驗組與對照組，并采用PSM方法進(jìn)行有放回地1∶1鄰近逐年匹配。重新匹配后樣本均值偏差的P值在10%置信水平上均不顯著。重新用匹配后樣本進(jìn)行回歸，回歸結(jié)果如表5所示：第（1）列不加入控制變量僅控制企業(yè)、時間及年份×行業(yè)固定效應(yīng)，第（2）列不加入控制變量同時控制所有固定效應(yīng)，第（3）列加入控制變量后僅控制企業(yè)、時間及年份×行業(yè)固定效應(yīng)，第（4）列控制所有控制變量與固定效應(yīng)。實證結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率有顯著的正向影響，說明本文的回歸結(jié)果穩(wěn)健。

4．解決逆向因果問題

企業(yè)數(shù)字化轉(zhuǎn)型與成本加成率之間可能存在逆向因果關(guān)系，因為市場競爭力強的企業(yè)更有能力進(jìn)行數(shù)字化轉(zhuǎn)型。本文采用企業(yè)同行業(yè)中其他企業(yè)的平均數(shù)字化水平（iv1）作為工具變量，并借鑒楊金玉等的做法，采用數(shù)字化轉(zhuǎn)型指標(biāo)與按行業(yè)二級編碼和省份分類的數(shù)字化轉(zhuǎn)型指標(biāo)均值差額的三次方（iv2）作為工具變量[4]，結(jié)果如表6所示：其中第（1）（2）列分別使用iv1、iv2作為唯一工具變量，結(jié)果顯示第一階段工具變量對解釋變量企業(yè)數(shù)字化轉(zhuǎn)型的回歸結(jié)果顯著；第二階段對被解釋變量企業(yè)成本加成率的回歸結(jié)果顯著，最后弱工具變量檢驗與不可識別檢驗均顯著通過。第（3）列同時使用iv1、iv2作為聯(lián)合工具變量，結(jié)果依然顯著，觀察過度識別檢驗P值并不顯著，證明兩個工具變量均為外生變量。

（三）異質(zhì)性分析

1．區(qū)分高生產(chǎn)率與低生產(chǎn)率企業(yè)

不同生產(chǎn)率企業(yè)數(shù)字化轉(zhuǎn)型的難度和目標(biāo)也會有所不同。本文借鑒柏培文和喻理的做法，將企業(yè)按其TFP是否高于本行業(yè)TFP的平均數(shù)分為低TFP組企業(yè)和高TFP組企業(yè)[10]，回歸結(jié)果如表7所示。在高生產(chǎn)率企業(yè)組中，發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型對高生產(chǎn)率企業(yè)的成本加成率有顯著的正向影響，在低生產(chǎn)率企業(yè)組中企業(yè)數(shù)字化轉(zhuǎn)型對低生產(chǎn)率企業(yè)的成本加成率沒有顯著影響。主要原因在于低生產(chǎn)率企業(yè)由于技術(shù)水平和資金支持的不足，企業(yè)數(shù)字化轉(zhuǎn)型更多停留在對數(shù)字技術(shù)的簡單應(yīng)用上，轉(zhuǎn)型后所獲收益可能并不能彌補轉(zhuǎn)型成本；而高生產(chǎn)率企業(yè)能夠進(jìn)行更深層次的技術(shù)研發(fā)，促進(jìn)生產(chǎn)線的數(shù)字化與智能化，提高企業(yè)產(chǎn)品質(zhì)量，從而提高企業(yè)成本加成率。

2．區(qū)分企業(yè)所有制

不同所有制企業(yè)的盈利模式、創(chuàng)新激勵、戰(zhàn)略規(guī)劃等存在差異，因此數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響也會有差異。本文將企業(yè)分為國有企業(yè)和非國有企業(yè)考察數(shù)字化轉(zhuǎn)型對不同所有制企業(yè)的影響，從表7中第（3）列和第（4）列可以發(fā)現(xiàn)，國有企業(yè)的數(shù)字化轉(zhuǎn)型對成本加成率有促進(jìn)作用但并不顯著，而非國有企業(yè)有顯著的促進(jìn)作用。主要原因是國有企業(yè)享有更多國家政策優(yōu)待，企業(yè)面對的市場競爭壓力不高，數(shù)字化轉(zhuǎn)型動力不足，同時國有企業(yè)承擔(dān)著更多的社會責(zé)任，數(shù)字化轉(zhuǎn)型方向側(cè)重基礎(chǔ)民生而對企業(yè)成本加成率的提升作用不強。

3．區(qū)分高技術(shù)行業(yè)與非高技術(shù)行業(yè)

在數(shù)字技術(shù)和數(shù)據(jù)要素迅速滲透至各個行業(yè)的大背景下，不同行業(yè)技術(shù)水平的差異也會影響企業(yè)數(shù)字化轉(zhuǎn)型的難度和效果。因此本文根據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)分類（2012）（試行）》和經(jīng)濟合作與發(fā)展組織（OECD）相關(guān)文件，對照《上市公司行業(yè)分類指引（2012年修訂）》篩選出14個高技術(shù)行業(yè)

高技術(shù)行業(yè)代碼：C26～C28、C34～C36、C38～C40、I63、I64、I65、M73。，回歸結(jié)果如表8所示。在高技術(shù)行業(yè)組，數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)成本加成率；在非高技術(shù)行業(yè)組，數(shù)字化轉(zhuǎn)型對非高技術(shù)行業(yè)企業(yè)成本加成率的影響雖為正但并不顯著。其原因是企業(yè)數(shù)字化轉(zhuǎn)型本身就具有高技術(shù)密集度特征，高技術(shù)行業(yè)企業(yè)接觸和利用數(shù)字化技術(shù)產(chǎn)生的成本更低，因此高技術(shù)行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型不會對企業(yè)經(jīng)營產(chǎn)生較大負(fù)擔(dān)；而非高技術(shù)行業(yè)企業(yè)由于技術(shù)能力不足最終可能導(dǎo)致數(shù)字化轉(zhuǎn)型對改善企業(yè)經(jīng)營績效的效果不顯著。

4．區(qū)分高市場規(guī)模地區(qū)與低市場規(guī)模地區(qū)

企業(yè)所在地區(qū)的市場規(guī)模大小影響著企業(yè)數(shù)字化轉(zhuǎn)型程度與企業(yè)成本加成率之間的關(guān)系，企業(yè)所在地區(qū)的市場規(guī)模越大，越能吸引要素和相關(guān)基礎(chǔ)設(shè)施在當(dāng)?shù)丶坌纬梢?guī)模效應(yīng)，從而降低企業(yè)轉(zhuǎn)型成本，提高企業(yè)成本加成率；而所在地區(qū)的市場規(guī)模越小，企業(yè)轉(zhuǎn)型難度就越大，越容易陷入轉(zhuǎn)型困境?？紤]到當(dāng)前數(shù)字經(jīng)濟發(fā)展一定程度上加強了各地區(qū)間市場的關(guān)聯(lián)性，因此為準(zhǔn)確衡量各地區(qū)的市場規(guī)模大小，參考韓峰和莊宗武的做法，以歷年各省互聯(lián)網(wǎng)寬帶接入用戶數(shù)作權(quán)重對傳統(tǒng)市場潛力指數(shù)進(jìn)行調(diào)整[34]，計算各省經(jīng)調(diào)整后的市場潛力指數(shù)，不失一般性，按照是否高于各地區(qū)市場潛力指數(shù)的平均數(shù)將地區(qū)劃分成高市場規(guī)模地區(qū)與低市場規(guī)模地區(qū)，最終結(jié)果如表8所示。可以看出在高市場規(guī)模地區(qū)組中，數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)成本加成率的提升，而在低市場規(guī)模組中影響雖為正但并不顯著。

四?機制分析

結(jié)合前文的機制分析與假設(shè)，本文通過構(gòu)建中介效應(yīng)模型，從“資源配置效應(yīng)”“成本節(jié)約效應(yīng)”“研發(fā)創(chuàng)新效應(yīng)”三個方面來考察數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的作用機制，下文構(gòu)建模型同時考慮穩(wěn)健性對理論機制進(jìn)行檢驗。

其中，channelit為中介變量，檢驗過程如下：

（一）資源配置效應(yīng)的中介機制檢驗

為驗證假設(shè)2，本文參考覃家琦等的做法[35]，通過技術(shù)效率衡量企業(yè)資源配置效率，假設(shè)企業(yè)生產(chǎn)函數(shù)為

其中，Y是產(chǎn)出向量；x為要素投入向量；exp（v）為隨機沖擊，即因為隨機因素導(dǎo)致的企業(yè)偏離最大產(chǎn)出的程度。除了隨機因素的影響，企業(yè)自身的低效率行為也會導(dǎo)致無法實現(xiàn)最優(yōu)產(chǎn)出，exp（-u）代表效率水平，即實際產(chǎn)出與最優(yōu)產(chǎn)出之間的比值，通過對u進(jìn)行估計進(jìn)而得到技術(shù)效率水平（eca）。

本文主要采用超越對數(shù)生產(chǎn)函數(shù)進(jìn)行估計，要素投入主要包括勞動、資本、中間品投入，具體計算方法如前文所示。同時參考韋莊禹的做法構(gòu)建反向指標(biāo)資源錯配程度進(jìn)行穩(wěn)健性檢驗[36]，最終回歸結(jié)果如表9所示。由第（1）列和第（2）列可知數(shù)字化轉(zhuǎn)

型能夠通過促進(jìn)資源配置效率提升進(jìn)而提高企業(yè)成本加成率，第（3）列和第（4）列表明數(shù)字化轉(zhuǎn)型能夠降低企業(yè)資源錯配程度進(jìn)而提升企業(yè)成本加成率，因此假設(shè)2成立。

（二）成本節(jié)約效應(yīng)的中介機制檢驗

為驗證假設(shè)3，本文參考孟夏和董文婷的做法，從交易成本角度分別采用銷售費用占總資產(chǎn)比重（ln costs）以及管理費用占總資產(chǎn)比重（lncostm）來驗證成本節(jié)約效應(yīng)[37]。同時參考杜明威等的做法，從生產(chǎn)靈活性角度采用庫存持有成本（ln hold）來驗證成本節(jié)約效應(yīng)[38]，其中庫存持有成本為存貨期末余額除以總資產(chǎn)。最終回歸結(jié)果如表10所示。由第（1）列和第（2）列可以看出，數(shù)字化轉(zhuǎn)型通過降低企業(yè)銷售費用占比進(jìn)而提高企業(yè)成本加成率；第（3）列和第（4）列從管理費用占比角度顯示數(shù)字化轉(zhuǎn)型能夠提高成本節(jié)約效率從而顯著提升企業(yè)成本加成率；第（5）列和第（6）列表明，數(shù)字化轉(zhuǎn)型能夠降低庫存持有成本，提高企業(yè)生產(chǎn)靈活性進(jìn)而提高企業(yè)成本加成率。

（三）研發(fā)創(chuàng)新效應(yīng)的中介機制檢驗

為驗證假設(shè)4和假設(shè)5，本文參考黎文靖和鄭曼妮的做法，采用企業(yè)專利申請數(shù)來衡量企業(yè)創(chuàng)新水平（pt），并進(jìn)一步用發(fā)明專利申請數(shù)量衡量企業(yè)實質(zhì)性技術(shù)創(chuàng)新水平（pti），用非發(fā)明專利申請數(shù)量衡量企業(yè)策略性創(chuàng)新水平（ptud）[39]。最終回歸結(jié)果如表11所示。第（1）列和第（2）列顯示，數(shù)字化轉(zhuǎn)型能夠通過研發(fā)創(chuàng)新效應(yīng)提高企業(yè)成本加成率，即假設(shè)4成立。進(jìn)一步將研發(fā)創(chuàng)新分為實質(zhì)性創(chuàng)新與策略性創(chuàng)新發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠帶動企業(yè)實質(zhì)性創(chuàng)新，進(jìn)而促進(jìn)企業(yè)成本加成率的提升，但策略性創(chuàng)新對企業(yè)成本加成率的影響并不顯著，表明假設(shè)5成立。

五?進(jìn)一步分析

為進(jìn)一步分析數(shù)字化轉(zhuǎn)型中不同數(shù)字技術(shù)對企業(yè)成本加成率的影響，本文參考吳非等的做法[27]，將企業(yè)數(shù)字化轉(zhuǎn)型技術(shù)進(jìn)一步細(xì)分為人工智能技術(shù)（ai）、區(qū)塊鏈技術(shù)（bd）、云計算技術(shù)（cc）、大數(shù)據(jù)技術(shù)（dt）、數(shù)字技術(shù)應(yīng)用（adt），分別考察各類技術(shù)及其應(yīng)用對企業(yè)成本加成率的影響。回歸結(jié)果如表12所示，大數(shù)據(jù)技術(shù)、云計算技術(shù)及人工智能技術(shù)對企業(yè)成本加成率的影響較為顯著，與Zolas 等的結(jié)論基本一致[24]。相比之下，大數(shù)據(jù)技術(shù)與人工智能技術(shù)對企業(yè)成本加成率的影響較強，主要是因為大數(shù)據(jù)技術(shù)作為企業(yè)數(shù)字化轉(zhuǎn)型的一項必要投入能夠覆蓋企業(yè)產(chǎn)供銷各個環(huán)節(jié)，對企業(yè)成本加成率的提升作用更強；而人工智能技術(shù)被認(rèn)為是一種通用技術(shù)及新型創(chuàng)新方法，對企業(yè)形成一種全方位影響，不僅可以作用在企業(yè)的各個生產(chǎn)環(huán)節(jié)，同時還能改進(jìn)企業(yè)的創(chuàng)新思維與創(chuàng)新方法，對企業(yè)成本加成率的提升作用更大。此外，區(qū)塊鏈技術(shù)與數(shù)字技術(shù)應(yīng)用對企業(yè)成本加成率的影響雖為正但并不顯著，主要原因是不同企業(yè)的數(shù)字技術(shù)應(yīng)用具有較強的異質(zhì)性特征，它所產(chǎn)生的經(jīng)濟效益也并不一致，同時區(qū)塊鏈技術(shù)在應(yīng)用上并不廣泛，對企業(yè)成本加成率不能產(chǎn)生顯著影響。

企業(yè)成本加成率通常被定義為價格與邊際成本之比，由此產(chǎn)生的一個問題是數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響更多是來源于邊際成本角度還是價格角度？本文對該問題進(jìn)行進(jìn)一步探討。由于上市公司數(shù)據(jù)缺少企業(yè)產(chǎn)品價格和產(chǎn)品數(shù)量相關(guān)數(shù)據(jù)，因此本文參考祝樹金等[9]的做法，采用中間品投入成本作為企業(yè)邊際成本的代理變量，同時根據(jù)企業(yè)成本加成率的定義擬合出企業(yè)的價格指標(biāo)，最終回歸結(jié)果如表13所示。從第（1）列可以發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對企業(yè)中間品投入成本的影響顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型能夠降低企業(yè)邊際成本；從第（2）列可知數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)品價格的影響為負(fù)但并不顯著，其原因主要受兩方面的影響：一方面受成本-價格傳遞效應(yīng)的影響，另一方面是因為數(shù)字技術(shù)研發(fā)水平較低，無法通過數(shù)字賦能降低企業(yè)的產(chǎn)品替代彈性，造成數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)品價格的影響為負(fù)但并不顯著。通過比較數(shù)字化轉(zhuǎn)型對企業(yè)中間品投入成本和價格的影響系數(shù)可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型主要通過降低邊際成本對企業(yè)成本加成率產(chǎn)生影響。

六?結(jié)論與建議

本文基于2007—2020年上市公司年報數(shù)據(jù)構(gòu)建數(shù)字化轉(zhuǎn)型指數(shù)，從企業(yè)層面探討了數(shù)字化轉(zhuǎn)型與成本加成率之間的關(guān)系，實證結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型能顯著促進(jìn)企業(yè)成本加成率的提升。該結(jié)果經(jīng)一系列穩(wěn)健性與內(nèi)生性檢驗后同樣顯著，通過異質(zhì)性分析發(fā)現(xiàn)：（1）從企業(yè)視角來看，高生產(chǎn)率企業(yè)與非國有企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的影響更為顯著；（2）從行業(yè)視角出發(fā)，高技術(shù)行業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)成本加成率的提升作用更強；（3）從地域視角來看，處于市場規(guī)模更大地區(qū)的企業(yè)其數(shù)字化轉(zhuǎn)型更能提高企業(yè)成本加成率。機制分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠通過資源配置效應(yīng)、成本節(jié)約效應(yīng)及研發(fā)創(chuàng)新效應(yīng)對企業(yè)成本加成率產(chǎn)生影響，并且實質(zhì)性創(chuàng)新對企業(yè)成本加成率的影響更為顯著。進(jìn)一步研究發(fā)現(xiàn)，大數(shù)據(jù)技術(shù)、云計算技術(shù)及人工智能技術(shù)對企業(yè)成本加成率的影響更為顯著，并且數(shù)字化轉(zhuǎn)型主要通過降低邊際成本對企業(yè)成本加成率產(chǎn)生影響。

為此，本文就如何實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)而提升企業(yè)成本加成率提出如下建議：（1）企業(yè)數(shù)字化轉(zhuǎn)型應(yīng)該“量力而行”，走適合自己的轉(zhuǎn)型之路。本文驗證了數(shù)字化轉(zhuǎn)型能夠提升企業(yè)的盈利能力和市場競爭力，同時數(shù)字化轉(zhuǎn)型能夠降低企業(yè)邊際成本，對企業(yè)發(fā)展具有更大的普適性，企業(yè)應(yīng)主動進(jìn)行數(shù)字化轉(zhuǎn)型以適應(yīng)市場發(fā)展。但是數(shù)字化轉(zhuǎn)型應(yīng)“因企制宜”，企業(yè)數(shù)字化轉(zhuǎn)型沒有固定的道路，企業(yè)要結(jié)合自身優(yōu)勢和發(fā)展需求尋找合適的數(shù)字技術(shù)促進(jìn)企業(yè)轉(zhuǎn)型，避免陷入轉(zhuǎn)型困境。（2）企業(yè)數(shù)字化轉(zhuǎn)型并不會一蹴而就，政府要鼓勵企業(yè)進(jìn)行實質(zhì)性創(chuàng)新。企業(yè)數(shù)字化轉(zhuǎn)型具有層次性特征，高水平的數(shù)字化轉(zhuǎn)型需要有基礎(chǔ)數(shù)字技術(shù)做支撐，需要企業(yè)不斷創(chuàng)新以提升企業(yè)數(shù)字化水平，同時也要注意，企業(yè)只有進(jìn)行實質(zhì)性創(chuàng)新才能提高企業(yè)成本加成率。因此政府要鼓勵企業(yè)不斷提高創(chuàng)新質(zhì)量，激發(fā)創(chuàng)新活力，推動跨區(qū)域跨行業(yè)的創(chuàng)新循環(huán)不斷加強，形成更系統(tǒng)的經(jīng)濟轉(zhuǎn)型。（3）完善數(shù)字基礎(chǔ)設(shè)施，暢通國內(nèi)大循環(huán)。數(shù)字經(jīng)濟的發(fā)展在一定程度上緩解了各地區(qū)間的市場分割，促進(jìn)了區(qū)域間的資源流動。因此政府應(yīng)加強數(shù)字基礎(chǔ)設(shè)施建設(shè)，優(yōu)化市場管理體制與審批制度，加強市場監(jiān)督與地方合作，充分激發(fā)國內(nèi)大市場潛力，助力企業(yè)通過數(shù)字化轉(zhuǎn)型“走出去”。（4）結(jié)合不同技術(shù)特征，漸進(jìn)提高企業(yè)數(shù)字化水平。不同數(shù)字技術(shù)對于企業(yè)成本加成率的影響具有差異性，企業(yè)應(yīng)根據(jù)自身特點與發(fā)展階段采取不同數(shù)字技術(shù)提升企業(yè)數(shù)字化水平。同時企業(yè)應(yīng)注意技術(shù)應(yīng)用與技術(shù)投入之間的協(xié)調(diào)性，避免數(shù)字技術(shù)的過度應(yīng)用而忽視企業(yè)技術(shù)水平提升，陷入“低水平技術(shù)依賴”。

［參?考?文?獻(xiàn)］

［1］?洪俊杰，蔣慕超，張宸妍.數(shù)字化轉(zhuǎn)型、創(chuàng)新與企業(yè)出口質(zhì)量提升[J].國際貿(mào)易問題，2022（3）：1-15.

［2］?劉政，姚雨秀，張國勝，等.企業(yè)數(shù)字化、專用知識與組織授權(quán)[J].中國工業(yè)經(jīng)濟，2020（9）：156-174.

［3］?Reimers I， Waldfogel J. Digitization and pre-purchase information： the causal and welfare impacts of reviews and crowd ratings[J]. American Economic Review， 2021（6）： 1944-1971.

［4］?楊金玉，彭秋萍，葛震霆.數(shù)字化轉(zhuǎn)型的客戶傳染效應(yīng)——供應(yīng)商創(chuàng)新視角[J].中國工業(yè)經(jīng)濟，2022（8）：156-174.

［5］?Syverson C. Challenges to mismeasurement explanations for the US productivity slowdown[J]. Journal of Economic Perspectives， 2017（2）： 165-186.

［6］?Acemoglu D， Restrepo P. Automation and new tasks： how technology displaces and reinstates labor[J]. Journal of Economic Perspectives， 2019（2）： 3-30.

［7］?劉啟仁，黃建忠.產(chǎn)品創(chuàng)新如何影響企業(yè)加成率[J].世界經(jīng)濟，2016（11）：28-53.

［8］?趙瑞麗，尹翔碩，孫楚仁.大城市的低加成率之謎：集聚效應(yīng)和競爭效應(yīng)[J].世界經(jīng)濟，2019（4）：149-173.

［9］?祝樹金，鐘騰龍，李仁宇.中間品貿(mào)易自由化與多產(chǎn)品出口企業(yè)的產(chǎn)品加成率[J].中國工業(yè)經(jīng)濟，2018（1）：41-59.

［10］柏培文，喻理.數(shù)字經(jīng)濟發(fā)展與企業(yè)價格加成：理論機制與經(jīng)驗事實[J].中國工業(yè)經(jīng)濟，2021（11）：59-77.

［11］黃先海，金澤成，余林徽.出口、創(chuàng)新與企業(yè)加成率：基于要素密集度的考量[J].世界經(jīng)濟，2018（5）：125-146.

［12］馬述忠，房超，梁銀鋒.數(shù)字貿(mào)易及其時代價值與研究展望[J].國際貿(mào)易問題，2018（10）：16-30.

［13］Milgrom P R， Tadelis S. How artificial intelligence and machine learning can impact market design[R]. Boston：National Bureau of Economic Research， 2018.

［14］Brynjolfsson E， Mcelheran K. The rapid adoption of data-driven decision-making[J]. American Economic Review， 2016（5）： 133-139.

［15］Strand M， Syberfeldt A. Using external data in a BI solution to optimise waste management[J]. Journal of Decision Systems， 2020（1）： 53-68.

［16］Li L， Chi T T， Hao T， et al. Customer demand analysis of the electronic commerce supply chain using Big Data[J]. Annals of Operations Research， 2018（1）： 113-128.

［17］沙文兵，彭徐彬.低碳經(jīng)濟轉(zhuǎn)型與企業(yè)出口產(chǎn)品質(zhì)量：基于低碳城市試點的準(zhǔn)自然實驗[J].世界經(jīng)濟研究，2023（4）：103-118+136.

［18］Carballo J， Chatruc M R， Santa C S， et al. Online business platforms and international trade[J]. Journal of International Economics， 2022（137）：103599.

［19］Mullainathan S， Spiess J. Machine learning： an applied econometric approach[J]. Journal of Economic Perspectives， 2017（2）： 87-106.

［20］Bajari P， Chernozhukov V， Hortasu A， et al. The impact of big data on firm performance： an empirical investigation[J]. AEA Papers and Proceedings， 2019（109）：33-37.

［21］Yang K H. Selling consumer data for profit： optimal market-segmentation design and its consequences[J]. American Economic Review， 2022（4）： 1364-1393.

［22］Cockburn I M， Henderson R， Stern S. The impact of artificial intelligence on innovation[R]. Boston：National Bureau of Economic Research， 2018.

［23］Taddy M. The technological elements of artificial intelligence[M]//The Economics of Artificial Intelligence. Chicago：University of Chicago Press，2019：61-68.

［24］Zolas N， Kroff Z， Brynjolfsson E， et al. Advanced technologies adoption and use by US firms： evidence from the annual business survey[R]. Boston：National Bureau of Economic Research， 2021.

［25］張葉青，陸瑤，李樂蕓.大數(shù)據(jù)應(yīng)用對中國企業(yè)市場價值的影響——來自中國上市公司年報文本分析的證據(jù)[J].經(jīng)濟研究，2021（12）：42-59.

［26］Byrne D M， Corrado C， Sichel D E. The rise of cloud computing： minding your Ps， Qs and Ks[R]. Boston：National Bureau of Economic Research， 2018.

［27］吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021（7）：130-144+10.

［28］袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國工業(yè)經(jīng)濟，2021（9）：137-155.

［29］盛丹，王永進(jìn).中國企業(yè)低價出口之謎——基于企業(yè)加成率的視角[J].管理世界，2012（5）：8-23.

［30］覃家琦.戰(zhàn)略委員會與上市公司過度投資行為[J].金融研究，2010（6）：124-142.

［31］Loecker J D， Warzynski F. Markups and firm-level export status[J]. American Economic Review， 2012（6）： 2437-2471.

［32］杜明威，耿景珠，劉文革.企業(yè)數(shù)字化轉(zhuǎn)型與中國出口產(chǎn)品質(zhì)量升級：來自上市公司的微觀證據(jù)[J].國際貿(mào)易問題，2022（6）：55-72.

［33］張永珅，李小波，邢銘強.企業(yè)數(shù)字化轉(zhuǎn)型與審計定價[J].審計研究，2021（3）：62-71.

［34］韓峰，莊宗武.國內(nèi)大市場、人工智能應(yīng)用與制造業(yè)出口國內(nèi)附加值[J].世界經(jīng)濟研究，2022（5）：33-47+135.

［35］覃家琦，楊玉晨，王力軍，等.企業(yè)家控制權(quán)、創(chuàng)業(yè)資本與資本配置效率——來自中國民營上市公司的證據(jù)[J].經(jīng)濟研究，2021（3）：132-149.

［36］韋莊禹.數(shù)字經(jīng)濟發(fā)展對制造業(yè)企業(yè)資源配置效率的影響研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022（3）：66-85.

［37］孟夏，董文婷.企業(yè)數(shù)字化轉(zhuǎn)型與出口競爭力提升——來自中國上市公司的證據(jù)[J].國際貿(mào)易問題，2022（10）：73-89.

［38］杜明威，耿景珠，崔巖.企業(yè)數(shù)字化轉(zhuǎn)型與出口：來自中國上市公司的微觀證據(jù)[J].世界經(jīng)濟研究，2022（9）：119-134+137.

［39］黎文靖，鄭曼妮.實質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響[J].經(jīng)濟研究，2016（4）：60-73.