摘"要：隨著數(shù)字經(jīng)濟快速發(fā)展，企業(yè)數(shù)字化轉(zhuǎn)型為企業(yè)發(fā)展帶來了新的發(fā)展?jié)撃埽@能否成為應(yīng)對“去工業(yè)化”的有效手段并對其導(dǎo)致的結(jié)構(gòu)性減速形成補償效應(yīng)，則有待考察。本文將企業(yè)數(shù)字化轉(zhuǎn)型和“去工業(yè)化”納入統(tǒng)一分析框架，基于2011—2019年中國滬深A(yù)股工業(yè)上市公司數(shù)據(jù)，實證檢驗工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響及作用機制，并考察結(jié)構(gòu)性減速補償效應(yīng)。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型顯著抑制了“去工業(yè)化”，并呈現(xiàn)一定的企業(yè)屬性和城市層級異質(zhì)性特征，企業(yè)數(shù)字化轉(zhuǎn)型主要通過降低企業(yè)營業(yè)成本和促進企業(yè)技術(shù)創(chuàng)新，發(fā)揮對“去工業(yè)化”的抑制效果。進一步研究發(fā)現(xiàn)，“去工業(yè)化”對經(jīng)濟增長呈現(xiàn)顯著的結(jié)構(gòu)性減速影響，企業(yè)數(shù)字化轉(zhuǎn)型則在這一影響中發(fā)揮結(jié)構(gòu)性減速補償效應(yīng)。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；“去工業(yè)化”；結(jié)構(gòu)性減速；補償效應(yīng)

中圖分類號：F06.5；F426文獻(xiàn)標(biāo)識碼：A文章編號：1001-148X（2024）04-0001-12

收稿日期：2023-12-31

作者簡介：王志閣（1992—），男，山東聊城人，博士研究生，研究方向：數(shù)字經(jīng)濟與高質(zhì)量發(fā)展；梁樹廣（1982—），男，山東聊城人，教授，研究方向：產(chǎn)業(yè)升級；魏緒石（1992—），本文通訊作者，男，山東聊城人，博士研究生，研究方向：企業(yè)管理、數(shù)字經(jīng)濟及創(chuàng)新。

基金項目：國家社會科學(xué)基金項目“新發(fā)展格局下制造業(yè)創(chuàng)新鏈產(chǎn)業(yè)鏈資金鏈耦合的機制與路徑研究”，項目編號：21BJY065。

①考慮到新冠疫情的影響，本文未將2020年及其之后年份的經(jīng)濟增長情況納入分析。

一、引"言

從“十三五”規(guī)劃提出“加快推動服務(wù)業(yè)優(yōu)質(zhì)高效發(fā)展”“服務(wù)業(yè)比重進一步提高”的發(fā)展目標(biāo)，到“十四五”規(guī)劃強調(diào)“保持制造業(yè)比重基本穩(wěn)定”，再到黨的二十大報告明確指出“堅持把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上”“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟與實體經(jīng)濟深度融合”，政策基調(diào)發(fā)生了明顯轉(zhuǎn)變。學(xué)界和理論界對此持有較大爭議，那么政策基調(diào)為何發(fā)生轉(zhuǎn)變，為何要轉(zhuǎn)向強調(diào)“保持制造業(yè)比重基本穩(wěn)定”？其與“促進數(shù)字經(jīng)濟與實體經(jīng)濟深度融合”之間又存在何種關(guān)聯(lián)？

配第-克拉克定律、庫茲涅茨事實以及錢納里“標(biāo)準(zhǔn)結(jié)構(gòu)”理論均表明，一國不可避免地會在工業(yè)化后期經(jīng)歷工業(yè)份額下降、服務(wù)業(yè)份額上升的“去工業(yè)化”過程。從圖1來看，中國第二產(chǎn)業(yè)增加值占比和就業(yè)人員占比分別于2011年和2012年前后達(dá)到峰值，進而轉(zhuǎn)入工業(yè)份額下降、服務(wù)業(yè)份額上升階段。但與發(fā)達(dá)國家相對徹底工業(yè)化基礎(chǔ)上的“典型去工業(yè)化”相比，我國面臨“過早去工業(yè)化”的風(fēng)險［1］。與此同時，“去工業(yè)化”的過程也伴隨GDP增速的下降，GDP增速由2010年的10.6%下降到2019年的6%①，因此有理由懷疑是否正是“去工業(yè)化”導(dǎo)致了我國經(jīng)濟增長的結(jié)構(gòu)性減速，從而促使我國面臨陷入像拉美國家所遭遇的“中等收入陷阱”風(fēng)險？在此過程中，據(jù)中國信息通信研究院公布的《中國數(shù)字經(jīng)濟發(fā)展白皮書》數(shù)據(jù)顯示，我國數(shù)字經(jīng)濟規(guī)模占GDP的比重由2011年的20.3%上升到2019年的36.2%，并逐步實現(xiàn)與實體經(jīng)濟的深度融合［2］。

因此，在政策基調(diào)轉(zhuǎn)變背景下，結(jié)合圖1所展現(xiàn)的“去工業(yè)化”、結(jié)構(gòu)性減速及數(shù)字經(jīng)濟規(guī)模的快速發(fā)展現(xiàn)狀，企業(yè)作為宏觀經(jīng)濟的微觀構(gòu)成和重要的市場主體，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”會產(chǎn)生何種影響？會否呈現(xiàn)企業(yè)屬性和城市層級等方面的異質(zhì)性？其產(chǎn)生作用的機制是怎樣的？“去工業(yè)化”是否導(dǎo)致了經(jīng)濟增長的結(jié)構(gòu)性減速以及企業(yè)數(shù)字化轉(zhuǎn)型能否會對此帶來補償效應(yīng)？對這些問題展開研究，對保持制造業(yè)比重基本穩(wěn)定、厘清工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型與“去工業(yè)化”的關(guān)系進而推動數(shù)字經(jīng)濟與實體經(jīng)濟走向深度融合，從而避免陷入并跨越“中等收入陷阱”、助力實現(xiàn)2035年經(jīng)濟增長遠(yuǎn)景目標(biāo)具有重要的理論意義和實踐價值。

圖1"中國“去工業(yè)化”經(jīng)濟增長與數(shù)字經(jīng)濟規(guī)模占比情況

Tapscott在其著作《數(shù)字經(jīng)濟：智力互聯(lián)時代的希望與風(fēng)險》首次提出了“數(shù)字經(jīng)濟”概念。近年來，隨著新一輪科技革命的興起，數(shù)字經(jīng)濟逐漸成為國家實施重大戰(zhàn)略、推動經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵支撐和重要動能，數(shù)字經(jīng)濟也成為學(xué)界研究的熱點。從宏觀層面來看，現(xiàn)有研究對數(shù)字化水平測度往往采用國民經(jīng)濟核算法［3］、構(gòu)建數(shù)字化指標(biāo)體系、騰訊數(shù)字研究院公布的數(shù)字經(jīng)濟指數(shù)及“北京大學(xué)數(shù)字普惠金融指數(shù)”等方法，進而實證檢驗數(shù)字化對經(jīng)濟增長［4］、區(qū)域創(chuàng)新等方面的影響。

從微觀層面來看，當(dāng)前關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的研究主要圍繞企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)涵界定、測度方法及經(jīng)濟后果展開。針對企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)涵界定，學(xué)者們普遍認(rèn)同，企業(yè)數(shù)字化轉(zhuǎn)型不僅僅是憑借數(shù)字技術(shù)在收集信息、處理數(shù)據(jù)及情況反饋等方面的優(yōu)勢，將其應(yīng)用于企業(yè)運營管理、生產(chǎn)、銷售、經(jīng)營及產(chǎn)品研發(fā)等各個階段，最終實現(xiàn)優(yōu)化企業(yè)資源配置、價值增值和增強競爭力的過程［5］，更重要的是依托數(shù)字技術(shù)應(yīng)用實現(xiàn)整個企業(yè)經(jīng)營理念、運作模式及管理方式等的全面變革［6］。而對企業(yè)數(shù)字化轉(zhuǎn)型的測度方法則大體經(jīng)歷了“0-1”虛擬變量法、單一指標(biāo)法及文本分析法［7-9］。而在文本分析法成為主流方法的基礎(chǔ)上，諸多學(xué)者圍繞其經(jīng)濟后果展開研究，認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型通過將數(shù)字技術(shù)應(yīng)用于企業(yè)生產(chǎn)、運營及管理等各個環(huán)節(jié)，實現(xiàn)企業(yè)向信息化、智能化方向轉(zhuǎn)型，促進企業(yè)信息共享、資源優(yōu)化配置及知識積累，推動股票流動性［7，10］、企業(yè)專業(yè)化分工［8］及創(chuàng)新效率［11］等，從而顛覆價值創(chuàng)造過程，并最終實現(xiàn)企業(yè)全要素生產(chǎn)率提升［9］及企業(yè)成長［5］；但同時企業(yè)數(shù)字化轉(zhuǎn)型也面臨隱性成本高昂、人才儲備不足和監(jiān)督與扶持力度乏力等問題，若忽視了與現(xiàn)有運營模式和管理組織結(jié)構(gòu)的適配度，依然存在績效提升效果有限、抑制企業(yè)全要素生產(chǎn)率的風(fēng)險［12］。

早期關(guān)于“去工業(yè)化”的研究也多集中于發(fā)達(dá)國家“去工業(yè)化”所造成的負(fù)面經(jīng)濟效果，進而帶來失業(yè)率上升、創(chuàng)新能力降低和收入差距擴大等問題。Rodrik進一步指出以拉美國家為代表的部分發(fā)展中國家存在較低人均收入水平上的“過早去工業(yè)化”問題，從而陷入“中等收入陷阱”［13］?；诖?，目前針對我國為代表的發(fā)展中國家“去工業(yè)化”的研究則主要集中于“去工業(yè)化”的原因、存在性爭議、影響因素及其經(jīng)濟效應(yīng)方面。原因方面，Rodrik指出開放發(fā)展中經(jīng)濟體“過早去工業(yè)化”的根本原因在于制造業(yè)生產(chǎn)率惡化或其慢于全球水平；后繼學(xué)者則進一步從技術(shù)、需求、貿(mào)易和全球價值鏈等方面對其原因展開分析［14］；王希元和楊先明則認(rèn)為“去工業(yè)化”的重要原因在于部門間生產(chǎn)率差距［15］。存在性爭議及經(jīng)濟后果方面，相當(dāng)一部分研究認(rèn)為我國已出現(xiàn)了“去工業(yè)化”現(xiàn)象且呈現(xiàn)過早趨勢，進而對我國經(jīng)濟的長期增長、收入不平等帶來嚴(yán)重的負(fù)面影響［16］；另有部分學(xué)者則否定了我國已經(jīng)進入“去工業(yè)化”階段［17］。影響因素方面，現(xiàn)有研究主要從對外直接投資［18］、環(huán)境規(guī)制［19］等角度檢驗對“去工業(yè)化”的影響。

綜合來看，現(xiàn)有文獻(xiàn)關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型和“去工業(yè)化”分別開展了較為充實的研究，但在研究視角、指標(biāo)測度等方面仍存在一些不足。為此，本文在將工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型和“去工業(yè)化”納入統(tǒng)一考察框架并分析其作用機制的基礎(chǔ)上，采用2011—2019年中國滬深A(yù)股工業(yè)上市公司數(shù)據(jù)，實證考察了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響，并檢驗了其作用機制，進一步考察了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的結(jié)構(gòu)性減速補償效應(yīng)。

本文的邊際貢獻(xiàn)體現(xiàn)在：第一，首次嘗試將“去工業(yè)化”問題納入當(dāng)下極為重要的數(shù)字經(jīng)濟背景，結(jié)合考察工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響，不僅豐富了企業(yè)數(shù)字化轉(zhuǎn)型和“去工業(yè)化”的文獻(xiàn)，而且有利于為應(yīng)對“去工業(yè)化”問題提供新的考量視角；第二，本文在對“去工業(yè)化”的考察中嘗試采用微觀企業(yè)個體的就業(yè)人數(shù)指標(biāo)進行，并進一步采用現(xiàn)有文獻(xiàn)較常用的第二產(chǎn)業(yè)增加值占GDP的比重和第二產(chǎn)業(yè)從業(yè)人員比重進行穩(wěn)健性檢驗和考察，不僅保證了實證結(jié)果的穩(wěn)健性和科學(xué)性，而且豐富了現(xiàn)有關(guān)于“去工業(yè)化”的考察指標(biāo)；第三，本文不僅詳細(xì)分析了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的作用機制，多角度檢驗了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響效果，而且補充考察了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的結(jié)構(gòu)性減速補償效應(yīng)，為從工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型角度應(yīng)對“去工業(yè)化”問題提供了有力支撐。

二、理論分析與研究假設(shè)

（一）工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的直接影響

依托數(shù)字技術(shù)的企業(yè)數(shù)字化轉(zhuǎn)型正逐步實現(xiàn)與實體經(jīng)濟的融合，將通過變革企業(yè)生產(chǎn)運營模式、提高資源配置效率及協(xié)同溢出效應(yīng)對“去工業(yè)化”起到抑制作用。首先，數(shù)字技術(shù)憑借在信息收集、數(shù)據(jù)處理等方面的優(yōu)勢，將滲透到企業(yè)生產(chǎn)、運營及管理的各個環(huán)節(jié)，實現(xiàn)與實體經(jīng)濟的深度融合，推進企業(yè)經(jīng)營理念和業(yè)務(wù)流程向信息化、數(shù)字化及數(shù)智化方向轉(zhuǎn)變［2］，提升企業(yè)經(jīng)營績效。其次，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型不僅會推進數(shù)字技術(shù)與傳統(tǒng)生產(chǎn)要素相融合，提高傳統(tǒng)生產(chǎn)要素的資源邊界和產(chǎn)出效率，而且數(shù)據(jù)已作為新的生產(chǎn)要素滲透到企業(yè)生產(chǎn)經(jīng)營管理的各個環(huán)節(jié)，數(shù)字技術(shù)的應(yīng)用可以大幅降低在信息獲取、數(shù)據(jù)處理及交易活動中的成本，緩解信息不對稱風(fēng)險，實現(xiàn)資源配置效率的大幅優(yōu)化和提高［20］。最后，以數(shù)字技術(shù)為代表的新一輪科技革命，必然會產(chǎn)生強烈的數(shù)字化轉(zhuǎn)型協(xié)同效應(yīng)，在全行業(yè)形成績效溢出，推動實體經(jīng)濟產(chǎn)業(yè)升級和生產(chǎn)效率提升。根據(jù)上述分析，提出以下假設(shè)：

H1："工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能顯著抑制“去工業(yè)化”。

（二）工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的作用機制

工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型主要通過“降低企業(yè)營業(yè)成本”和“促進企業(yè)技術(shù)創(chuàng)新”兩大機制作用于“去工業(yè)化”。

第一，降低企業(yè)營業(yè)成本。工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能夠降低工業(yè)企業(yè)管理成本、搜尋成本、交易成本及融資成本等，從而降低總體營業(yè)成本。傳統(tǒng)企業(yè)組織架構(gòu)往往是科層制、垂直化的“金字塔”式，往往會產(chǎn)生較高的信息溝通和管理成本，而數(shù)字技術(shù)的運用會催生企業(yè)組織結(jié)構(gòu)向扁平化、網(wǎng)絡(luò)化方向發(fā)展，極大提升企業(yè)組織運轉(zhuǎn)效率、降低企業(yè)管理成本和委托代理成本；數(shù)字技術(shù)會促進企業(yè)信息搜尋和處理能力的提升，降低企業(yè)信息不對稱帶來的資源獲取成本，提升企業(yè)資源配置效率；工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型不僅會幫助企業(yè)在精準(zhǔn)獲取市場需求的基礎(chǔ)上制定生產(chǎn)規(guī)劃、優(yōu)化生產(chǎn)流程，而且可以憑借線上平臺海量供求數(shù)據(jù)精準(zhǔn)識別交易對象，極大提升交易效率和交易規(guī)模，降低交易成本［21］；融資難、融資貴往往是制約企業(yè)經(jīng)營規(guī)模和績效的重要因素，數(shù)字技術(shù)的應(yīng)用不僅可以降低信貸市場上的信息不對稱，更好地促進資本供需匹配，而且數(shù)字金融可以互補傳統(tǒng)金融市場，降低企業(yè)融資成本。企業(yè)營業(yè)成本的降低無疑更有利于制造業(yè)企業(yè)提升經(jīng)營績效、擴大生產(chǎn)規(guī)模，從而抑制“去工業(yè)化”水平和進程。

第二，促進企業(yè)技術(shù)創(chuàng)新。工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型會通過促進制造業(yè)為主的工業(yè)企業(yè)高效融資、重塑創(chuàng)新模式及新知識新技術(shù)的外溢共享促進企業(yè)技術(shù)創(chuàng)新，進而抑制“去工業(yè)化”。制造業(yè)企業(yè)數(shù)字技術(shù)的應(yīng)用會增強績效預(yù)期，引發(fā)“投資者關(guān)注效應(yīng)”，促使投資者將更多的資金投入數(shù)字技術(shù)創(chuàng)新和應(yīng)用，數(shù)字金融也會為企業(yè)創(chuàng)新提供更加便捷的融資條件，為企業(yè)創(chuàng)新提供充裕資金［22］；工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新模式的重塑體現(xiàn)在研發(fā)與生產(chǎn)邊界的弱化、生產(chǎn)者與消費者的高效良性互動及企業(yè)之間日益高效的開放式協(xié)同創(chuàng)新等方面，這不僅大大增強數(shù)字技術(shù)方面的創(chuàng)新效率和產(chǎn)品研發(fā)效率，而且對非數(shù)字技術(shù)領(lǐng)域的傳統(tǒng)創(chuàng)新也會起到程序優(yōu)化的作用，從而總體提升企業(yè)創(chuàng)新效率和創(chuàng)新能力；數(shù)字時代的新知識和新技術(shù)具有更強的外溢性和共享性，更易突破時空障礙進行傳播和共享，后發(fā)企業(yè)可以借此立足全球和全行業(yè)學(xué)習(xí)先進企業(yè)在創(chuàng)新和管理方面的先進經(jīng)驗，提升自身創(chuàng)新和管理水平，從而對“去工業(yè)化”起到抑制作用。根據(jù)上述分析，提出以下假設(shè)：

H2a：工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能夠通過降低企業(yè)營業(yè)成本抑制“去工業(yè)化”。

H2b：工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能夠通過促進企業(yè)技術(shù)創(chuàng)新抑制“去工業(yè)化”。

三、研究設(shè)計

（一）樣本選擇和數(shù)據(jù)來源

本文初始樣本數(shù)據(jù)主要來自2011—2019年中國滬深A(yù)股工業(yè)上市公司，并進行了處理：（1）剔除了S、ST、*ST、S*ST、SST類企業(yè)；（2）剔除了金融類上市公司，最終得到1134家工業(yè)上市公司樣本。地級市層面的數(shù)據(jù)則主要基于2011—2019年中國地級市層面進行選取，并剔除數(shù)據(jù)缺失嚴(yán)重的樣本，最終得到2011—2019年289個地級市樣本數(shù)據(jù)。上市公司數(shù)據(jù)主要來自國泰安數(shù)據(jù)庫（CSMAR），企業(yè)專利數(shù)據(jù)來自中國研究數(shù)據(jù)服務(wù)平臺（CNRDS），上市公司年報數(shù)據(jù)來自深圳證券交易所和上海證券交易所官方網(wǎng)站；地級市層面數(shù)據(jù)來自EPS數(shù)據(jù)庫和《中國城市統(tǒng)計年鑒》。

（二）變量選取和定義

1.被解釋變量

“去工業(yè)化”（lndeinval）?，F(xiàn)有文獻(xiàn)鮮有從微觀企業(yè)層面對“去工業(yè)化”程度進行衡量，本文主要借鑒劉和旺等的研究［19］，采用工業(yè)企業(yè)就業(yè)人數(shù)（lndeinlcemp）從微觀層面對“去工業(yè)化”予以衡量。在穩(wěn)健性檢驗中則從地級市層面對“去工業(yè)化”進行衡量。

2.核心解釋變量

工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型（lnDIG）。在數(shù)字經(jīng)濟不斷向縱深發(fā)展的背景下，學(xué)界對數(shù)字經(jīng)濟的研究也逐步從宏觀區(qū)域?qū)用妗⒅杏^行業(yè)層面轉(zhuǎn)向微觀企業(yè)層面，即轉(zhuǎn)向?qū)ζ髽I(yè)數(shù)字化轉(zhuǎn)型（lnDIG）的研究。本文在吳非等方法基礎(chǔ)上［7］，并參考袁淳等、韓曉晨等的做法［8-9］，從人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈及數(shù)字技術(shù)應(yīng)用等五個維度整合并構(gòu)建新的數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞庫，進而借助Python開放源的“Jieba”分詞功能對年報中與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞進行分析統(tǒng)計，并剔除非本公司數(shù)字化轉(zhuǎn)型詞匯。鑒于統(tǒng)計后的詞頻具有“右偏性”特征并由于存在未進行數(shù)字化轉(zhuǎn)型的0值樣本，因此對其加1后取對數(shù)處理來刻畫工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型程度（lnDIG）。

3.控制變量

本文主要對以下企業(yè)層面因素進行控制：企業(yè)年齡（lnbusage）采用截至考察年份企業(yè)成立年限的自然對數(shù)表示；企業(yè)規(guī)模（lnensize）采用企業(yè)總資產(chǎn)的自然對數(shù)表示；第一大股東持股比例（larhrate）；資產(chǎn)負(fù)債率（Alr）采用總負(fù)債與總資產(chǎn)比值的自然對數(shù)表示；流動比率（Curatio）采用流動資產(chǎn)與流動負(fù)債的比值表示；資本密集度（capin）采用總資產(chǎn)與營業(yè)收入的比值表示；盈利能力（profitability）采用凈利潤與總資產(chǎn)的比值表示；行業(yè)市場集中度（HHI_A）采用赫芬達(dá)爾指數(shù)表示。主要變量的描述性統(tǒng)計如表1所示。

（三）計量模型設(shè)定

為檢驗工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響，借鑒袁淳等的模型構(gòu)建思路［8］并結(jié)合本文理論分析構(gòu)建如下計量模型：

lndeinlcempit=α0+β1lnDIGit+∑control+δi+γf+θc+τt+εifct（1）、

其中，下標(biāo)i、f、c、t分別表示企業(yè)、行業(yè)、城市和時間。lndeinlcempit為被解釋變量，表示i企業(yè)在t年的就業(yè)人數(shù)的自然對數(shù)，代指“去工業(yè)化”程度；lnDIGit為核心解釋變量，表示i企業(yè)在t年的數(shù)字化轉(zhuǎn)型程度；control表示一系列控制變量，具體的變量選取如前文所述。本文同時在模型中加入了企業(yè)固定效應(yīng)δi、行業(yè)固定效應(yīng)γf、城市固定效應(yīng)θc及時間固定效應(yīng)τt，εifct為隨機誤差項。

四、實證檢驗與結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

基于基準(zhǔn)模型式（1）并采用了遞進式回歸策略實證檢驗了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響，回歸結(jié)果如表2所示。列（1）僅對企業(yè)、行業(yè)、城市和時間效應(yīng)進行了控制；列（2）進一步納入諸多控制變量，結(jié)果表明，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)通過了1%的顯著性水平檢驗且為正，表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型有利于工業(yè)企業(yè)就業(yè)人數(shù)的增加，即會抑制“去工業(yè)化”程度的抬升，這基本驗證了黃賾琳等針對數(shù)字經(jīng)濟對制造業(yè)產(chǎn)生影響的結(jié)論［23］，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型通過將數(shù)據(jù)要素和數(shù)字技術(shù)應(yīng)用于工業(yè)企業(yè)，并逐步實現(xiàn)與實體經(jīng)濟的融合，進而變革企業(yè)生產(chǎn)運營模式、提高資源配置效率及發(fā)揮協(xié)同溢出效應(yīng)對“去工業(yè)化”起到抑制作用，這驗證了假設(shè)H1。

（二）內(nèi)生性問題處理

盡管在基準(zhǔn)回歸模型中已將盡可能多的控制變量納入模型以避免遺漏變量對回歸結(jié)果產(chǎn)生偏差；但工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型與“去工業(yè)化”之間仍可能存在反向因果關(guān)系，導(dǎo)致模型回歸結(jié)果產(chǎn)生偏誤，即出現(xiàn)內(nèi)生性問題。本文將考慮分別采用工具變量法、取核心解釋變量的滯后一期重新檢驗以及外生沖擊檢驗等方法來處理模型可能存在的內(nèi)生性問題。

1.工具變量法

參考張勛等的做法［4］，選取“各工業(yè)上市公司所在地級市與杭州市的球面距離（Dist）”作為第一類工具變量；參考杜勇等［24］的做法，選用“工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的年度行業(yè)均值（mean_lnDIG）”作為第二類工具變量，兩類工具變量均滿足相關(guān)性和排他性要求。采用兩階段最小二乘法（2SLS）工具變量的回歸結(jié)果如表3所示。第一階段回歸結(jié)果顯示，兩類工具變量均在1%的水平下分別顯著抑制和促進了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，滿足了相關(guān)性要求；第二階段的回歸結(jié)果顯示，識別不足檢驗Anderson-Rubin"Wald（F統(tǒng)計量）和不可識別檢驗Kleibergen-Paap"rk（LM統(tǒng)計量）均在1%或5%的水平下通過了顯著性檢驗，弱識別檢驗Kleibergen-Paap"rk"Wald（F統(tǒng)計量）也均遠(yuǎn)大于Stock-Yogo"弱識別檢驗統(tǒng)計量在10%水平下的臨界值，工具變量選取有效。結(jié)果顯示，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型均在5%水平下顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的提升，即對“去工業(yè)化”起到了抑制作用，表明基準(zhǔn)結(jié)論仍成立。

2.取核心解釋變量滯后期再檢驗

針對反向因果關(guān)系可能造成的內(nèi)生性問題，采用取核心解釋變量滯后一期的方式重新進行檢驗。結(jié)果如表4列（1）所示。具體地，核心解釋變量的滯后一期在1%的水平下顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的提升，抑制了“去工業(yè)化”水平，表明基準(zhǔn)回歸結(jié)果具有較強的穩(wěn)健性。

3.基于“寬帶中國”的外生沖擊檢驗

為實現(xiàn)對寬帶的進一步提速擴容，工業(yè)和信息化部、國家發(fā)改委分別于2014—2016年分批篩選出120個城市（群）作為“寬帶中國”試點，這一舉措為工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的“去工業(yè)化”效應(yīng)提供了理想的準(zhǔn)自然實驗。為此，借鑒趙濤等的做法［25］，以“寬帶中國”試點政策作為外生政策沖擊，構(gòu)建多期雙重差分模型（DID）來檢驗工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型是否抑制了“去工業(yè)化”，以進一步處理模型反向因果等原因帶來的內(nèi)生性問題。

為此，構(gòu)建多期雙重差分模型（2）：

lndeinlcempit=α0+β1BD_Chinact+∑control+δi+γf+θc+τt+εifct（2）

其中，BD_China表示c城市在t年是否被選入“寬帶中國”試點名單，若入選，則t年及其之后年份取值為1，其他年份及未入選名單則取值為0，其他變量含義同基準(zhǔn)模型式（1）。

平行趨勢假設(shè)是雙重差分模型的重要前提假設(shè)和必要條件，因此本文首先采用事件研究法進行了平行趨勢檢驗。具體來說，本文選取政策實施的前一年為基期，將其他年份的虛擬變量納入模型進行估計，結(jié)果如圖2所示?？梢?，在政策實施前，實驗組和控制組的“去工業(yè)化”程度不存在明顯差異；而在政策實施后，實驗組城市工業(yè)企業(yè)就業(yè)人數(shù)明顯提升且與控制組差異越來越大，說明通過了平行趨勢檢驗。進而，采用多期雙重差分模型的估計結(jié)果如表4列（2）所示，BD_China系數(shù)在5%的水平下顯著為正，表明“寬帶中國”試點政策顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的提升，即抑制了“去工業(yè)化”，印證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（三）穩(wěn)健性檢驗

1.替換核心解釋變量

借鑒袁淳等基于文本分析法對企業(yè)數(shù)字化轉(zhuǎn)型的測度方法［8］，將核心解釋變量進一步替換為數(shù)字化轉(zhuǎn)型詞頻總數(shù)除以年報總詞數(shù)×100（DIGw）重新進行實證檢驗，回歸結(jié)果如表5列（1）所示。替換核心解釋變量后，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型依然顯著抑制了“去工業(yè)化”，基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

2.地級市層面的實證檢驗

本部分將工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型水平歸集到其所在的地級市層面，并取其均值作為地級市層面的數(shù)字化轉(zhuǎn)型水平（mean_lnDIG），并分別采用各地級市第二產(chǎn)業(yè)增加值占GDP的比重（lndeinval）和第二產(chǎn)業(yè)從業(yè)人員比重（lndeinsemp）對“去工業(yè)化”進行衡量。城市層面控制變量主要參考薛軍和鄭毓銘的研究［18］進行選取限于篇幅，地級市層面控制變量未予列示。。地級市層面回歸結(jié)果如表5列（2）和列（3）所示。具體來看，企業(yè)數(shù)字化轉(zhuǎn)型分別在10%和1%的水平下顯著為正，表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”仍起到了顯著抑制作用，驗證了微觀層面基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

3.限定回歸樣本

參考吳曉暉等的研究［26］，進一步將回歸樣本區(qū)分為“制造業(yè)企業(yè)樣本”和“工業(yè)非制造業(yè)企業(yè)樣本”重新回歸并進行對比分析，結(jié)果如表5列（4）和列（5）所示。相比于工業(yè)非制造業(yè)上市公司，制造業(yè)上市公司的數(shù)字化轉(zhuǎn)型在1%的水平下顯著促進了其就業(yè)人數(shù)的增加，從而更利于抑制“去工業(yè)化”。

4.工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型分項指標(biāo)回歸檢驗

借鑒吳非等的研究［7］，將工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型進一步分解為“底層技術(shù)層面”（包括人工智能lnAI、區(qū)塊鏈lnBD、云計算lnCC和大數(shù)據(jù)lnDT）和“實踐應(yīng)用層面”（lnADT），進而考察各分項指標(biāo)對“去工業(yè)化”的結(jié)構(gòu)差異，回歸結(jié)果如表6所示。具體來看，除云計算（lnCC）外，其他底層技術(shù)系數(shù)均在1%的水平上顯著為正，但均沒有“實踐應(yīng)用層面”（lnADT）對“去工業(yè)化”的影響更大，這可能由于數(shù)字化轉(zhuǎn)型本身是多種數(shù)字技術(shù)綜合發(fā)展和逐步融合的結(jié)果，前期需要大量資本和人才投入，從而導(dǎo)致數(shù)字技術(shù)投入階段的“底層技術(shù)層面”對“去工業(yè)化”的抑制作用小于“實踐應(yīng)用層面”，甚至出現(xiàn)反作用情形。

5.限定非零值樣本

為排除企業(yè)策略性行為的影響，借鑒袁淳等的做法［8］，剔除企業(yè)數(shù)字化轉(zhuǎn)型水平為0的樣本重新進行回歸，結(jié)果如表7列（1）所示。工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍在1%的水平下顯著為正，表明排除企業(yè)策略性行為后，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型仍顯著促進了企業(yè)就業(yè)人數(shù)的增加，對“去工業(yè)化”呈現(xiàn)顯著的抑制作用，基準(zhǔn)回歸結(jié)果穩(wěn)健可靠。

6.縮短樣本期間

主要從以下兩個方面對樣本進行處理：其一，考慮到2013年，《國務(wù)院關(guān)于推進物聯(lián)網(wǎng)有序健康發(fā)展的指導(dǎo)意見》的發(fā)布，推動了我國大規(guī)模企業(yè)數(shù)字化轉(zhuǎn)型進程。因此將樣本縮短為2013—2019年重新進行回歸；其二，為消除2015年中國股災(zāi)的影響，將樣本縮短為2011—2015年重新進行檢驗，回歸結(jié)果如表7列（2）和列（3）所示?？s短樣本后，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型仍然顯著抑制了“去工業(yè)化”。

7."變量縮尾后檢驗

借鑒楊先明和王志閣的做法［27］，將所有變量進行了1%和99%分位的雙邊縮尾處理后重新進行回歸，結(jié)果如表7列（4）所示，去除異常值后回歸結(jié)果依然穩(wěn)健。

（四）異質(zhì)性檢驗

考慮到不同的企業(yè)屬性和企業(yè)所在地級市層級的不同可能使回歸結(jié)果產(chǎn)生異質(zhì)性，主要借鑒吳非等和趙濤等（2019）的做法［7，25］，從企業(yè)所有制屬性、企業(yè)科技屬性參考經(jīng)濟合作發(fā)展組織（OECD）對高新技術(shù)企業(yè)的劃分標(biāo)準(zhǔn)并主要依據(jù)《證監(jiān)會2012版行業(yè)分類指引》，將“醫(yī)藥制造業(yè)”“計算機、通信和其他電子設(shè)備制造業(yè)”“鐵路、船舶、航空航天和其他運輸設(shè)備制造業(yè)”“儀器儀表制造業(yè)”企業(yè)劃歸為高新技術(shù)企業(yè)，將其他行業(yè)企業(yè)劃歸為非高新技術(shù)企業(yè)。及企業(yè)所在地級市層級屬性將直轄市、副省級城市和省會城市劃歸為中心城市，其他地級市劃歸為外圍城市。進行分樣本檢驗，回歸結(jié)果如表8所示。

從表8列（1）和列（2）企業(yè)所有制屬性分樣本結(jié)果來看，非國有工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響系數(shù)在1%的水平下顯著促進了企業(yè)就業(yè)人數(shù)的增加，且系數(shù)大小和顯著性均大于國有工業(yè)企業(yè)，這表明非國有工業(yè)企業(yè)相較于國有工業(yè)企業(yè)，數(shù)字化轉(zhuǎn)型具有更強的“去工業(yè)化”效應(yīng)。這可能源于非國有工業(yè)企業(yè)本身處于競爭激烈的市場環(huán)境中，為了謀求生存、開拓市場份額或獲取超額利益，非國有工業(yè)企業(yè)具有更強烈的進行創(chuàng)新和數(shù)字化轉(zhuǎn)型的主觀意愿；而國有工業(yè)企業(yè)往往憑借自身特殊地位而在資源獲取、市場份額獲得等方面具有天然優(yōu)勢，從而缺乏進行主觀創(chuàng)新和數(shù)字化轉(zhuǎn)型的意愿。由此便導(dǎo)致相比于國有工業(yè)企業(yè)，非國有工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型具有更強的“去工業(yè)化”效果。

從表8列（3）和列（4）企業(yè)科技屬性分樣本結(jié)果來看，高新技術(shù)工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響系數(shù)大小和顯著性均大于非高新技術(shù)工業(yè)企業(yè)，這表明相比于非高新技術(shù)工業(yè)企業(yè)，高新技術(shù)工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型具有更強的“去工業(yè)化”效應(yīng)。這可能主要因為高新技術(shù)工業(yè)企業(yè)不僅以前沿科技創(chuàng)新為生產(chǎn)經(jīng)營導(dǎo)向，還具有較強的前沿數(shù)字技術(shù)捕捉能力，并且可以憑借自身較強的創(chuàng)新基礎(chǔ)及時有效地將數(shù)字技術(shù)融合于自身的生產(chǎn)經(jīng)營和管理中；而非高新技術(shù)工業(yè)企業(yè)自身不僅不以科技創(chuàng)新為導(dǎo)向，即使具有相應(yīng)的創(chuàng)新敏銳力，也不具備及時開展并利用前沿數(shù)字技術(shù)的能力和基礎(chǔ)。因此，非高新技術(shù)工業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型水平遠(yuǎn)不及高新技術(shù)工業(yè)企業(yè)，其“去工業(yè)化”效應(yīng)也相應(yīng)偏低。

從表8列（5）和列（6）企業(yè)所在地級市層級屬性分樣本結(jié)果來看，中心城市和外圍城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響系數(shù)均通過了1%的顯著性水平檢驗，但前者系數(shù)大于后者，這表明相比于外圍城市工業(yè)企業(yè)，中心城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的“去工業(yè)化”效應(yīng)更大。這主要考慮到相比于外圍城市，中心城市無論從地理區(qū)位、交通通達(dá)性，還是從發(fā)展階段和資源稟賦方面，都具有天然的不可比擬的優(yōu)勢，導(dǎo)致中心城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型起步時間、發(fā)展水平等都必然強于外圍城市工業(yè)企業(yè)。因此，中心城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的“去工業(yè)化”效應(yīng)強于外圍城市工業(yè)企業(yè)。

五、機制檢驗與分析

為打開工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”產(chǎn)生影響的機制黑箱，本部分將針對假設(shè)H2a和H2b所提出的“降低企業(yè)營業(yè)成本”和“促進企業(yè)技術(shù)創(chuàng)新”兩大渠道進行驗證。為此，首先借鑒溫忠麟等的研究［28］，采用逐步法構(gòu)建如下中介效應(yīng)檢驗?zāi)Ｐ停?/p>

lndeinlcempit=α0+α1lnDIGit+∑control+δi+γf+θc+τt+εifct（3）

Mit=β0+β1lnDIGit+∑control+δi+γf+θc+τt+εifct（4）

lndeinlcempit=γ0+γ1lnDIGit+γ2Mit+∑control+δi+γf+θc+τt+εifct（5）

其中，中介機制變量M包括企業(yè)營業(yè)成本（opercosts）和企業(yè)技術(shù)創(chuàng)新（lnpataut），分別采用企業(yè)營業(yè)成本和管理費用之和與營業(yè)收入的比值、企業(yè)專利授權(quán)數(shù)的自然對數(shù)表示。其他變量含義同基準(zhǔn)模型式（1）。根據(jù)經(jīng)驗思路，若α1顯著，且β1和γ2均顯著，則中介效應(yīng)顯著；若同時γ1不顯著，則為完全中介過程，否則為部分中介過程。

逐步法中介機制檢驗結(jié)果如表9所示。從列（1）和列（4）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)在1%的水平上顯著為正，表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的增加，對“去工業(yè)化”起到了明顯抑制作用，驗證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。從列（2）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)營業(yè)成本的影響系數(shù)在5%的水平上顯著為負(fù)，表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型可以顯著降低工業(yè)企業(yè)營業(yè)成本；從列（3）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型仍在1%的水平上顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的增加，對“去工業(yè)化”起到抑制作用，而企業(yè)營業(yè)成本則在1%的水平上顯著降低了工業(yè)企業(yè)就業(yè)人數(shù)的增加。綜合列（2）和列（3）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的確通過降低工業(yè)企業(yè)營業(yè)成本，進而對“去工業(yè)化”起到部分中介作用，這與假設(shè)H2a的預(yù)期一致。從列（5）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)技術(shù)創(chuàng)新的影響系數(shù)在5%的水平上顯著為正，表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型可以顯著提升工業(yè)企業(yè)的技術(shù)創(chuàng)新水平；從列（6）結(jié)果來看，工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型仍在1%的水平上顯著促進了工業(yè)企業(yè)就業(yè)人數(shù)的增加，對“去工業(yè)化”起到抑制作用，而企業(yè)技術(shù)創(chuàng)新則在10%的水平上顯著增加了工業(yè)企業(yè)就業(yè)人數(shù)。綜合列（5）和列（6）結(jié)果來看，企業(yè)技術(shù)創(chuàng)新在工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型抑制“去工業(yè)化”路徑中起到部分中介作用，這與假設(shè)H2b的預(yù)期一致。

鑒于逐步法的中介機制檢驗力較低，本部分進一步采用抽樣1000次的Bootstrap法直接檢驗系數(shù)乘積，結(jié)果如表10所示。具體來看，企業(yè)營業(yè)成本和企業(yè)技術(shù)創(chuàng)新兩大機制中，間接效應(yīng)和直接效應(yīng)的95%置信區(qū)間及偏差糾正95%置信區(qū)間均不包含0，且間接效應(yīng)和直接效應(yīng)的系數(shù)方向是一致的，這表明兩大機制均起到部分中介作用，從而說明了逐步法中介機制檢驗結(jié)果的穩(wěn)健性。

六、進一步研究：工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的結(jié)構(gòu)性減速補償效應(yīng)

現(xiàn)有研究針對我國是否進入了“結(jié)構(gòu)性減速”階段尚未達(dá)成一致意見，一方面，部分學(xué)者認(rèn)為“結(jié)構(gòu)性減速”的經(jīng)濟服務(wù)化條件并不具備［29］，經(jīng)濟增長率下降的根本原因在于工業(yè)與服務(wù)業(yè)同時出現(xiàn)的效率下降；但另一方面，“去工業(yè)化”與結(jié)構(gòu)性減速的關(guān)系逐漸成為學(xué)界關(guān)注的重要問題，逐漸形成如前文圖1所展現(xiàn)的“結(jié)構(gòu)性減速”論，部分學(xué)者也從實證角度對此進行驗證。另有學(xué)者嘗試從人工智能、知識化過程等角度探索應(yīng)對“去工業(yè)化”的結(jié)構(gòu)性減速效應(yīng)的路徑和手段。

鑒于此，并結(jié)合前文工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的抑制作用，進一步驗證“去工業(yè)化”的結(jié)構(gòu)性減速效應(yīng)是否存在？若存在，進而從工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型角度探索其對“去工業(yè)化”的結(jié)構(gòu)性減速影響是否存在補償效應(yīng)，從而深化本文的研究意義，并為當(dāng)前如何應(yīng)對“去工業(yè)化”和結(jié)構(gòu)性減速問題提供新的實證證據(jù)。

為探索上述問題，本文構(gòu)建如下模型：

lnYct=α0+α1lnddeinvalct+∑control+θc+τt+εct（6）

lnYct=α0+α1lnddeinvalct+α2lnddeinvalct×mean_lnDIGct+∑control+θc+τt+εct（7）

其中，c和t分別為城市和時間，lnYct表示c城市t年的經(jīng)濟增長水平，分別采用各城市歷年GDP的自然對數(shù)（lngdp）、各城市歷年人均GDP的自然對數(shù)（lnpcgdp）及各城市歷年GDP增長率的自然對數(shù)（lngdprate）來表示；lnddeinvalct表示各城市歷年的“去工業(yè)化”水平，為便于測度各城市“去工業(yè)化”對經(jīng)濟增長的影響，在此將采用1-第二產(chǎn)業(yè)增加值占GDP的比重表示實際的“去工業(yè)化”水平；lnddeinvalct×mean_lnDIGct表示各城市歷年“去工業(yè)化”與各城市歷年的企業(yè)數(shù)字化轉(zhuǎn)型水平的交乘項，其他變量含義同前文。

回歸結(jié)果如表11所示。列（1）、列（3）和列（5）分別為“去工業(yè)化”對三類指標(biāo)測度的各城市經(jīng)濟增長水平的影響結(jié)果，發(fā)現(xiàn)“去工業(yè)化”水平對經(jīng)濟增長的影響系數(shù)均在1%的水平上顯著為負(fù)，表明“去工業(yè)化”對經(jīng)濟增長呈現(xiàn)顯著的結(jié)構(gòu)性減速影響，這印證了學(xué)界的“結(jié)構(gòu)性減速”論。進而從對應(yīng)的列（2）、列（4）和列（6）的結(jié)果來看，除了列（6）不顯著外，列（2）和列（4）中各城市歷年“去工業(yè)化”與各城市歷年的企業(yè)數(shù)字化轉(zhuǎn)型水平的交乘項分別在1%和10%的水平上顯著為正，這表明工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型在“去工業(yè)化”的結(jié)構(gòu)性減速影響中呈現(xiàn)顯著的補償效應(yīng)。企業(yè)數(shù)字化轉(zhuǎn)型不僅會作為新的生產(chǎn)要素進入工業(yè)企業(yè)生產(chǎn)過程，也會通過數(shù)字技術(shù)與實體企業(yè)的融合加速工業(yè)企業(yè)經(jīng)營理念和業(yè)務(wù)流程向信息化、數(shù)字化及數(shù)智化方向發(fā)展［2］，促進生產(chǎn)效率大幅提升；企業(yè)數(shù)字化轉(zhuǎn)型還會通過新型數(shù)字技術(shù)的應(yīng)用并憑借數(shù)字信號的可存儲、可復(fù)制性等特征逐步增強傳統(tǒng)服務(wù)的可貿(mào)易化水平，提升服務(wù)業(yè)的規(guī)模效率和貿(mào)易效率［30］，從而呈現(xiàn)對“去工業(yè)化”的結(jié)構(gòu)性減速影響的補償效應(yīng)。

七、研究結(jié)論與政策啟示

在國家大力倡導(dǎo)加快發(fā)展數(shù)字經(jīng)濟和經(jīng)濟面臨結(jié)構(gòu)性減速的背景下，“實體企業(yè)+數(shù)字化”的企業(yè)數(shù)字化轉(zhuǎn)型成為“保持制造業(yè)比重基本穩(wěn)定”和實現(xiàn)“把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上”，進而避免陷入和跨越“中等收入陷阱”、助力實現(xiàn)2035年經(jīng)濟增長遠(yuǎn)景目標(biāo)的重要手段?；诖?，本文將工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型和“去工業(yè)化”納入統(tǒng)一考察框架并針對其作用機制展開分析，采用2011—2019年中國滬深A(yù)股工業(yè)上市公司數(shù)據(jù)，實證考察了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的影響，并對其內(nèi)生性問題、穩(wěn)健性和異質(zhì)性進行了處理和檢驗，進而驗證了其作用機制，進一步考察了工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的結(jié)構(gòu)性減速補償效應(yīng)。主要結(jié)論如下：（1）工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型顯著抑制了“去工業(yè)化”水平。在對內(nèi)生性問題處理并進行穩(wěn)健性檢驗后，該結(jié)論仍然成立；不同的企業(yè)屬性和企業(yè)所在地級市層級的不同會使回歸結(jié)果呈現(xiàn)顯著的異質(zhì)性：非國有工業(yè)企業(yè)、高新技術(shù)工業(yè)企業(yè)及中心城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對“去工業(yè)化”的抑制作用更強。（2）工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型主要通過降低企業(yè)營業(yè)成本和促進企業(yè)技術(shù)創(chuàng)新兩條渠道，發(fā)揮對“去工業(yè)化”的抑制效果。（3）當(dāng)前，我國“去工業(yè)化”對經(jīng)濟增長呈現(xiàn)顯著的結(jié)構(gòu)性減速影響；工業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型則在這一影響中表現(xiàn)出明顯的正向調(diào)節(jié)作用，即結(jié)構(gòu)性減速補償效應(yīng)。

本文所得結(jié)論具有重要的政策啟示。第一，正視當(dāng)前“去工業(yè)化”現(xiàn)狀和數(shù)字經(jīng)濟發(fā)展背景，將促進數(shù)字經(jīng)濟和“中國制造2025”等發(fā)展戰(zhàn)略有機結(jié)合，鼓勵并引導(dǎo)實體企業(yè)把握數(shù)字化轉(zhuǎn)型機遇，促進其經(jīng)營理念、業(yè)務(wù)流程及組織結(jié)構(gòu)與數(shù)字技術(shù)深度融合，以充分發(fā)揮制造業(yè)增長引擎作用，助力實現(xiàn)2035年經(jīng)濟增長遠(yuǎn)景目標(biāo)和中國經(jīng)濟高質(zhì)量發(fā)展。根據(jù)企業(yè)不同屬性特征引導(dǎo)企業(yè)制定數(shù)字化差異化發(fā)展策略，以充分發(fā)揮不同屬性企業(yè)的特定功能，尤其要著力引導(dǎo)非國有工業(yè)企業(yè)、高新技術(shù)工業(yè)企業(yè)和中心城市工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型優(yōu)勢，以充分發(fā)揮其“去工業(yè)化”抑制效應(yīng)。第二，不僅要充分挖掘企業(yè)數(shù)字化轉(zhuǎn)型過程中“數(shù)據(jù)”這一新要素的經(jīng)濟增長潛能，還要特別注重數(shù)字技術(shù)應(yīng)用過程中與傳統(tǒng)要素的結(jié)合，借助企業(yè)數(shù)字化轉(zhuǎn)型進一步降低企業(yè)營業(yè)成本、增強企業(yè)技術(shù)創(chuàng)新水平，以更有效地抑制“去工業(yè)化”水平。第三，雖然我國當(dāng)前的“去工業(yè)化”和增長減速一定程度上符合各國普遍存在的工業(yè)化后期的減速特征，但尤其要正視我國當(dāng)前階段“去工業(yè)化”的“非典型性”及其所帶來的結(jié)構(gòu)性減速后果，尤其是要防范其可能存在的“過早”和“過快”屬性，避免陷入像拉美國家式的“中等收入陷阱”；在當(dāng)前數(shù)字經(jīng)濟迅猛發(fā)展背景下，企業(yè)數(shù)字化轉(zhuǎn)型無疑是補償“去工業(yè)化”結(jié)構(gòu)性減速效應(yīng)的有效手段，也是助力實現(xiàn)2035年經(jīng)濟增長遠(yuǎn)景目標(biāo)的有力抓手。要進一步通過大國市場優(yōu)勢，創(chuàng)新數(shù)字化轉(zhuǎn)型多元生態(tài)場景，促進工業(yè)企業(yè)與數(shù)字技術(shù)更深度融合的同時，挖掘尤其對生產(chǎn)性服務(wù)業(yè)企業(yè)的轉(zhuǎn)型潛力，在助力提升制造業(yè)為主的工業(yè)企業(yè)發(fā)展效率的同時增強服務(wù)業(yè)的可貿(mào)易化水平，也是助力經(jīng)濟增長的另一有力視角。

參考文獻(xiàn)：

［1］"袁富華.長期增長過程的“結(jié)構(gòu)性加速”與“結(jié)構(gòu)性減速”：一種解釋［J］.經(jīng)濟研究，2012，47（3）：127-140.

［2］"劉慧，王曰影.“數(shù)實融合”驅(qū)動實體經(jīng)濟創(chuàng)新發(fā)展：分析框架與推進策略［J］.經(jīng)濟縱橫，2023（5）：59-67.

［3］"許憲春，張美慧，張鐘文.數(shù)字化轉(zhuǎn)型與經(jīng)濟社會統(tǒng)計的挑戰(zhàn)和創(chuàng)新［J］.統(tǒng)計研究，2021（1）：15-26.

［4］"張勛，萬廣華，張佳佳，等.數(shù)字經(jīng)濟、普惠金融與包容性增長［J］.經(jīng)濟研究，2019，54（8）：71-86.

［5］"倪克金，劉修巖.數(shù)字化轉(zhuǎn)型與企業(yè)成長：理論邏輯與中國實踐［J］.經(jīng)濟管理，2021，43（12）：79-97.

［6］"Verhoef"P"C，"Broekhuizen"T，"Bart"Y，"et"al."Digital"Transformation："A"Multidisciplinary"Reflection"and"Research"Agenda"［J］."Journal"of"Business"Research，"2021，122："889-901.

［7］"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）：10，"130-144.

［8］"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.

［9］"韓曉晨，陳風(fēng)帆.數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率——基于綠色創(chuàng)新的中介效應(yīng)分析［J］."哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2023（4）：71-87.

［10］葛永波，徐巳萍，孔曉冉.數(shù)字化轉(zhuǎn)型對股價特質(zhì)性波動的影響研究［J］.珞珈管理評論"，2022（6）：87-108.

［11］賀正楚，潘為華，潘紅玉，等.制造企業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新效率：制造過程與商業(yè)模式的異質(zhì)性分析［J］.中國軟科學(xué)，2023（3）：162-177.

［12］武常岐，張昆賢，周欣雨，等."數(shù)字化轉(zhuǎn)型、競爭戰(zhàn)略選擇與企業(yè)高質(zhì)量發(fā)展——基于機器學(xué)習(xí)與文本分析的證據(jù)［J］.經(jīng)濟管理，2022，44（4）：5-22.

［13］Rodrik"D."Premature"Deindustrialization［J］."Journal"of"Economic"Growth，2016，21（1）：1-33.

［14］江飛濤，雷澤坤，張鐘文.制造業(yè)增長中的結(jié)構(gòu)變遷與效率演變——對“去工業(yè)化”問題的再探討［J］.中國工業(yè)經(jīng)濟，2022（12）：71-88.

［15］王希元，楊先明.部門間生產(chǎn)率差距、勞動力去工業(yè)化與結(jié)構(gòu)性減速［J］.經(jīng)濟理論與經(jīng)濟管理，2022，42（10）：17-32.

［16］魏后凱，王頌吉.中國“過度去工業(yè)化”現(xiàn)象剖析與理論反思［J］.中國工業(yè)經(jīng)濟，2019（1）：5-22.

［17］聶飛，李磊.制造業(yè)企業(yè)對外直接投資、去工業(yè)化及其對全球價值鏈分工地位的影響［J］.國際貿(mào)易問題，2022（3）：160-174.

［18］薛軍，鄭毓銘.中國制造業(yè)對外直接投資的去工業(yè)化效應(yīng)研究［J］.云南財經(jīng)大學(xué)學(xué)報，2023，39（3）：24-39.

［19］劉和旺，張雙，鄭世林.環(huán)境規(guī)制加速了中國老工業(yè)城市“去工業(yè)化”嗎？［J］.中國軟科學(xué)，2023（2）：115-124.

［20］施炳展，李建桐.互聯(lián)網(wǎng)是否促進了分工：來自中國制造業(yè)企業(yè)的證據(jù)［J］.管理世界，2020，36（4）：130-149.

［21］于世海，許慧欣，孔令乾.數(shù)字經(jīng)濟水平對中國制造業(yè)資源配置效率的影響研究［J］.財貿(mào)研究，2022，33（12）：19-34.

［22］羅佳，張蛟蛟，李科.數(shù)字技術(shù)創(chuàng)新如何驅(qū)動制造業(yè)企業(yè)全要素生產(chǎn)率？——來自上市公司專利數(shù)據(jù)的證據(jù)［J］.財經(jīng)研究，2023，49（2）：95-109+124.

［23］黃賾琳，秦淑悅，張雨朦.數(shù)字經(jīng)濟如何驅(qū)動制造業(yè)升級［J］.經(jīng)濟管理，2022，44（4）：80-97.

［24］杜勇，謝瑾，陳建英.CEO金融背景與實體企業(yè)金融化［J］.中國工業(yè)經(jīng)濟，2019（5）：136-154.

［25］趙濤，張智，梁上坤.數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)［J］.管理世界，2020，36（10）：65-76.

［26］吳曉暉，秦利賓，薄文.企業(yè)數(shù)字化轉(zhuǎn)型與現(xiàn)金持有——基于經(jīng)營不確定性視角［J］.經(jīng)濟管理，2023，45（2）：151-169.

［27］楊先明，王志閣."人工智能、財政職能與中國經(jīng)濟發(fā)展質(zhì)量［J］.宏觀質(zhì)量研究，"2023，11（4）："49-66.

［28］溫忠麟.張雷，侯杰泰，等.中介效應(yīng)檢驗程序及其應(yīng)用［J］.心理學(xué)報，2004（5）：614-620.

［29］張月友，董啟昌，倪敏.中國經(jīng)濟進入“結(jié)構(gòu)性減速”階段了嗎［J］.經(jīng)濟學(xué)家，2017（5）：44-49.

［30］江小涓，靳景.數(shù)字技術(shù)提升經(jīng)濟效率：服務(wù)分工、產(chǎn)業(yè)協(xié)同和數(shù)實孿生［J］.管理世界，2022，38（12）：9-26.

Does"the"Digital"Transformation"of"Industrial"Enterprises"Suppress"

“Deindustrialization”？

——Also"on"its"Structural"Deceleration"Compensation"Effect

WANG"Zhige"1，"LIANG"Shuguang"2，"WEI"Xushi"3

（1.School"of"Economics，"Yunnan"University，"Kunming"650500，"China;"2."Business"School"of"Liaocheng

University，"Liaocheng"252000，"China;"3."School"of"Business"Administration"and"Accounting，"

University"of"Lhasa"Das"Marinas"Campus，"Philippines"4115）

Abstract："With"the"rapid"development"of"the"digital"economy，"the"digital"transformation"of"enterprises"has"brought"new"development"potential"to"their"development."Whether"this"can"become"an"effective"means"to"cope"with"deindustrialization"and"form"a"compensatory"effect"on"the"structural"slowdown"caused"by"it"remains"to"be"examined."This"article"integrates"the"digital"transformation"and"deindustrialization"of"enterprises"into"a"unified"analytical"framework."Based"on"the"data"of"industrial"listed"companies"in"the"Shanghai"and"Shenzhen"A-shares"of"China"from"2011"to"2019，"it"empirically"tests"the"impact"and"mechanism"of"digital"transformation"of"industrial"enterprises"on"deindustrialization，"and"examines"the"structural"deceleration"compensation"effect."Research"has"found"that"digital"transformation"of"enterprises"significantly"suppresses"deindustrialization"and"presents"certain"characteristics"of"enterprise"attributes"and"urban"heterogeneity."Digital"transformation"of"enterprises"mainly"exerts"its"inhibitory"effect"on"deindustrialization"by"reducing"operating"costs"and"promoting"technological"innovation."Further"research"has"found"that"deindustrialization"has"a"significant"structural"deceleration"effect"on"economic"growth，"and"digital"transformation"of"enterprises"plays"a"structural"deceleration"compensation"effect"in"this"impact.

Key"words：enterprise"digital"transformation;"deindustrialization;"structural"deceleration;"compensation"effect

（責(zé)任編輯：周正）