王玉喜

(湖南財(cái)政經(jīng)濟(jì)學(xué)院 經(jīng)濟(jì)學(xué)院,湖南 長沙 410205)

一、引言

黨的二十大報(bào)告指出,“高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國家的首要任務(wù)”。實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要可依賴路徑,是提升全要素生產(chǎn)率。但長期以來,我國全要素生產(chǎn)率增長非常緩慢,且增長速度在逐步下降,雖然2016年后“由降轉(zhuǎn)升”,但增幅較低。2021年10月,習(xí)近平總書記在十九屆中央政治局第三十四次集體學(xué)習(xí)時(shí)強(qiáng)調(diào),“要把握數(shù)字化、網(wǎng)絡(luò)化、智能化方向,推動(dòng)制造業(yè)、服務(wù)業(yè)、農(nóng)業(yè)等產(chǎn)業(yè)數(shù)字化,利用互聯(lián)網(wǎng)新技術(shù)對傳統(tǒng)產(chǎn)業(yè)進(jìn)行全方位、全鏈條的改造,提高全要素生產(chǎn)率,發(fā)揮數(shù)字技術(shù)對經(jīng)濟(jì)發(fā)展的放大、疊加、倍增作用”。[1]4-8因此,推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型是提高全要素生產(chǎn)率、促進(jìn)高質(zhì)量發(fā)展的必然選擇。在此背景下,研究企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響,具有十分重要的理論意義和現(xiàn)實(shí)意義。

本文的邊際貢獻(xiàn)包括:在理論層面,從“全過程”效率改善視角,厘清數(shù)字化轉(zhuǎn)型的作用機(jī)制,清晰闡明了數(shù)字化轉(zhuǎn)型助推企業(yè)“脫虛”“入實(shí)”“提質(zhì)”“升級”的基本邏輯,為理解企業(yè)數(shù)字化轉(zhuǎn)型的效率提升作用提供了新的、系統(tǒng)性的視角與思路;在方法層面,運(yùn)用Python 匹配篩選企業(yè)年報(bào)(1)本文所用“企業(yè)年報(bào)”均剔除了管理層討論與分析部分。中有關(guān)“數(shù)字化轉(zhuǎn)型”的詞匯,以字?jǐn)?shù)占比及均化調(diào)整后字?jǐn)?shù)占比測度企業(yè)數(shù)字化轉(zhuǎn)型程度,在克服現(xiàn)有文獻(xiàn)“詞頻占比”指標(biāo)低估數(shù)字化轉(zhuǎn)型程度的同時(shí),消除不同“詞匯”因字?jǐn)?shù)差異帶來的度量誤差,為科學(xué)精準(zhǔn)測度企業(yè)數(shù)字化轉(zhuǎn)型程度提供有益借鑒;在實(shí)踐層面,以微觀企業(yè)為研究起點(diǎn),考察數(shù)字化轉(zhuǎn)型的微觀機(jī)理與影響效果,為優(yōu)化產(chǎn)業(yè)數(shù)字化與數(shù)字經(jīng)濟(jì)發(fā)展的產(chǎn)業(yè)政策提供經(jīng)驗(yàn)支撐。

二、文獻(xiàn)回顧與研究假設(shè)

(一)文獻(xiàn)回顧

數(shù)字化轉(zhuǎn)型是依靠信息技術(shù)創(chuàng)新驅(qū)動(dòng),不斷催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式,用新動(dòng)能推動(dòng)新發(fā)展。[2]83-92因此,研究數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響,就是對信息技術(shù)應(yīng)用與全要素生產(chǎn)率關(guān)系研究的延伸。[3]66-73Jorgenson et al.認(rèn)為信息技術(shù)與互聯(lián)網(wǎng)發(fā)展會(huì)促進(jìn)全要素生產(chǎn)率增長。[4]3-24這種“增長”主要源于ICT產(chǎn)品的技術(shù)溢出效應(yīng)、信息技術(shù)應(yīng)用的資源配置優(yōu)化效應(yīng)、互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展的交易效率提升效應(yīng)等。[5]100-114,[6]130-149,[7]5-23有學(xué)者認(rèn)為,數(shù)字經(jīng)濟(jì)跨越信息技術(shù)與互聯(lián)網(wǎng)產(chǎn)業(yè),具有更強(qiáng)的技術(shù)溢出效應(yīng)、資源配置優(yōu)化效應(yīng)和交易效率提升效應(yīng)。[3]66-73也有學(xué)者認(rèn)為,數(shù)字經(jīng)濟(jì)雖然促進(jìn)了交易效率的提升,但并未促進(jìn)全要素生產(chǎn)率的提升,過度使用甚至?xí)?dǎo)致數(shù)字技術(shù)“空心化”,加劇資本與勞動(dòng)要素錯(cuò)配。[8]1488-1542還有學(xué)者認(rèn)為,數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響具有空間與產(chǎn)業(yè)異質(zhì)性。[9]394-399

(二)理論分析與研究假設(shè)

1.核心假設(shè)

現(xiàn)有研究表明,數(shù)字經(jīng)濟(jì)是以數(shù)據(jù)要素投入為增值源泉,以人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)為代表的ABCD數(shù)字技術(shù)為核心驅(qū)動(dòng)力,通過全方位數(shù)據(jù)收集、整理、綜合及提煉,高效整合企業(yè)內(nèi)、企業(yè)間和市場供求雙方的數(shù)據(jù)信息,將之與資本和勞動(dòng)等傳統(tǒng)要素投入緊密結(jié)合并優(yōu)化重組,以促進(jìn)企業(yè)內(nèi)組織結(jié)構(gòu)高效化、資源配置合理化,推動(dòng)企業(yè)市場交易成本節(jié)約化、產(chǎn)品競爭差異化,進(jìn)而促使生產(chǎn)與需求適配化。[10]13-27因此,企業(yè)數(shù)字化轉(zhuǎn)型就是通過數(shù)字技術(shù),將數(shù)據(jù)要素與勞動(dòng)、資本等傳統(tǒng)要素結(jié)合起來,使生產(chǎn)、管理、運(yùn)營、交易和流通等各環(huán)節(jié)信息暢通無阻,從而降低對傳統(tǒng)要素投入的依賴性,擺脫原有的粗放型生產(chǎn)方式和低質(zhì)量業(yè)態(tài)模式局限性,從而促進(jìn)企業(yè)集約化、高質(zhì)量發(fā)展。基于此,本文提出:

假設(shè)H1:數(shù)字化轉(zhuǎn)型有利于提升企業(yè)全要素生產(chǎn)率。

2.“脫虛強(qiáng)實(shí)”的機(jī)制分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型是利用互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等數(shù)字技術(shù)重塑現(xiàn)代化生產(chǎn)網(wǎng)絡(luò),變革原有生產(chǎn)方式、組織管理方式和經(jīng)營運(yùn)行方式,轉(zhuǎn)變原有投入-產(chǎn)出模式,逆轉(zhuǎn)其對要素投入的依賴性,在一定程度上緩解了傳統(tǒng)技術(shù)條件下,企業(yè)“投入成本高、循環(huán)周期長、利潤空間擠壓”的市場局限,是提高企業(yè)全要素生產(chǎn)率、推進(jìn)高質(zhì)量發(fā)展的重要手段。首先,企業(yè)數(shù)字化轉(zhuǎn)型能夠利用數(shù)字技術(shù),對各類市場投資進(jìn)行數(shù)據(jù)搜集、綜合與分析,有效降低實(shí)體投資收益率的不確定性,緩解市場投資盲目性和滯后性問題,減少無效融資與超額負(fù)債,降低財(cái)務(wù)杠桿、經(jīng)營杠桿和投資風(fēng)險(xiǎn),進(jìn)而減少金融風(fēng)險(xiǎn)對沖投資及金融投資利潤占比,使虛實(shí)資本投資回報(bào)率回歸市場正常狀態(tài)、趨于相同,逆轉(zhuǎn)企業(yè)空心化、虛擬化經(jīng)營趨勢,產(chǎn)生“脫虛效應(yīng)”?；诖?本文提出:

假設(shè)H2a:數(shù)字化轉(zhuǎn)型有利于降低經(jīng)營與財(cái)務(wù)風(fēng)險(xiǎn)、無效與過度融資、金融虛擬化依賴程度,產(chǎn)生“脫虛效應(yīng)”,提升企業(yè)全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型后,企業(yè)能夠運(yùn)用數(shù)字技術(shù)分析自身比較優(yōu)勢及市場競爭狀態(tài),順應(yīng)市場供求狀態(tài)及競爭態(tài)勢,加大要素稟賦優(yōu)勢領(lǐng)域的實(shí)體投資,使實(shí)體投資效率和效益得以提升,在長期利潤最大化和短期收益最大化的抉擇中,企業(yè)會(huì)逐漸由短期“錨定”長期,將有限的資源配置到與自身比較優(yōu)勢契合的、潛在收益率提升的實(shí)體項(xiàng)目,而非風(fēng)險(xiǎn)更大的金融項(xiàng)目。這就使得企業(yè)投資的資產(chǎn)成長性更強(qiáng),維持性資產(chǎn)投資之外的增長性投資占比提高,企業(yè)經(jīng)營業(yè)態(tài)韌性增強(qiáng),盈利能力、發(fā)展能力都得以提升,產(chǎn)生“入實(shí)效應(yīng)”?；诖?本文提出:

假設(shè)H2b:數(shù)字化轉(zhuǎn)型有利于提高企業(yè)資產(chǎn)投資成長性、非維持性投資增長性及主營業(yè)務(wù)競爭力,產(chǎn)生“入實(shí)效應(yīng)”,提升企業(yè)全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型中,企業(yè)需進(jìn)行系列適應(yīng)性資產(chǎn)、技術(shù)與人力資本投資,這會(huì)引發(fā)組織結(jié)構(gòu)以及職能管理的適應(yīng)化改造。因此,數(shù)字化轉(zhuǎn)型是一個(gè)系統(tǒng)工程,既包括對ABCD技術(shù)、資產(chǎn)與人才的投資,也包括對科技研發(fā)人才的引進(jìn),以及對配套管理設(shè)備、系統(tǒng)設(shè)施及組織模式的變革。這會(huì)增強(qiáng)企業(yè)高質(zhì)量發(fā)展的技術(shù)動(dòng)力、組織能力和人力資本支撐,使企業(yè)在“適應(yīng)”數(shù)字化的同時(shí)實(shí)現(xiàn)對“高端化”的追求,為企業(yè)“提質(zhì)”到“升級”夯實(shí)“量變”到“質(zhì)變”的基礎(chǔ),產(chǎn)生“提質(zhì)效應(yīng)”?；诖?本文提出:

假設(shè)H2c:數(shù)字化轉(zhuǎn)型有利于增強(qiáng)企業(yè)高質(zhì)量發(fā)展的技術(shù)動(dòng)力、組織能力和人力資本支撐,產(chǎn)生“提質(zhì)效應(yīng)”,提升企業(yè)全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型在增強(qiáng)企業(yè)實(shí)體領(lǐng)域發(fā)展能力的同時(shí),會(huì)積累大量專業(yè)化領(lǐng)域的資本、資產(chǎn)和知識(shí),并通過數(shù)字技術(shù)對這些知識(shí)進(jìn)行數(shù)字化積累、儲(chǔ)存、流通、融合以及技術(shù)性轉(zhuǎn)化與提升,助推企業(yè)通過科技研發(fā)實(shí)現(xiàn)動(dòng)力轉(zhuǎn)型,數(shù)字人才及科研人才的大量引入會(huì)強(qiáng)化勞動(dòng)者“話語權(quán)”,使企業(yè)管理制度更加扁平化、分配制度更加共享化,進(jìn)而推動(dòng)企業(yè)經(jīng)營戰(zhàn)略層面實(shí)現(xiàn)政策性優(yōu)化,促使企業(yè)在“高效化”基礎(chǔ)上,實(shí)現(xiàn)包括研發(fā)驅(qū)動(dòng)升級、管理制度升級以及經(jīng)營戰(zhàn)略升級的“高端化”經(jīng)營,產(chǎn)生“升級效應(yīng)”?；诖?本文提出:

假說H2d:數(shù)字化轉(zhuǎn)型有利于促進(jìn)企業(yè)驅(qū)動(dòng)升級、制度升級及戰(zhàn)略升級,產(chǎn)生“升級效應(yīng)”,提升企業(yè)全要素生產(chǎn)率。

三、研究設(shè)計(jì)與變量設(shè)定

(一)樣本選擇與數(shù)據(jù)處理

本文初始樣本為2011—2021年滬深A(yù)股上市公司,數(shù)據(jù)來源于國泰安數(shù)據(jù)庫(CSMAR)。樣本處理如下:(1)考慮到柯布-道格拉斯生產(chǎn)函數(shù)的適用性差異及全要素生產(chǎn)率測度方法的不同,只保留制造業(yè)企業(yè)樣本;(2)剔除了會(huì)計(jì)年度內(nèi)發(fā)生過或持續(xù)至統(tǒng)計(jì)截止日期依然ST或*ST或PT的企業(yè)樣本、上市不滿一年的企業(yè)樣本等;(3)剔除相關(guān)變量存在缺失情況的企業(yè)樣本;(4)對于連續(xù)變量上下1%的極值部分做縮尾處理。最終得到含有2 747家企業(yè)的17 106個(gè)觀測值。

(二)核心變量度量

對全要素生產(chǎn)率的度量,在基準(zhǔn)回歸中采用的是OP法,在穩(wěn)健性回歸中采用了LP法、GMM法和FE法測度指標(biāo)。對數(shù)字化轉(zhuǎn)型程度的度量,基準(zhǔn)回歸以企業(yè)年報(bào)中有關(guān)“數(shù)字化轉(zhuǎn)型”詞匯字?jǐn)?shù)加總量與年報(bào)文本字?jǐn)?shù)總量的比值表示數(shù)字化轉(zhuǎn)型程度,以避免現(xiàn)有研究以“詞匯頻次”與“文本字?jǐn)?shù)”量綱差異造成的數(shù)字化轉(zhuǎn)型程度低估問題,并根據(jù)國內(nèi)用語習(xí)慣進(jìn)一步采用4字詞語“均化”字?jǐn)?shù)的方式對因不同數(shù)字技術(shù)詞匯用語字?jǐn)?shù)差異帶來的度量誤差予以糾偏,穩(wěn)健性回歸中則根據(jù)實(shí)際數(shù)字技術(shù)用語采用詞匯較多的3字和5字作為“均化值”重新構(gòu)建數(shù)字化轉(zhuǎn)型程度指標(biāo),并按照吳非等和趙宸宇等從五維和四維篩選數(shù)字化相關(guān)詞匯構(gòu)建“詞頻占比”指標(biāo)。[11]130-144,[12]114-129

(三)模型設(shè)計(jì)

為檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響,本文構(gòu)建了如下固定效應(yīng)模型進(jìn)行實(shí)證分析:

TFPijrt=β0+β1Digijrt+θXijrt+Ii+Jj+Rr+Tt+εijpt

(1)

其中,TFP為全要素生產(chǎn)率,Dig為數(shù)字化轉(zhuǎn)型程度,X表示系列控制變量,i、j、r、t分別表示企業(yè)、行業(yè)(兩位數(shù)代碼)、地區(qū)(省份)、時(shí)間(年份),I、J、R、T則分別表示企業(yè)、行業(yè)、地區(qū)和時(shí)間層面的固定效應(yīng),ε為隨機(jī)擾動(dòng)項(xiàng)。其中,控制變量主要包括反映企業(yè)規(guī)模、生命周期、股權(quán)結(jié)構(gòu)、經(jīng)營能力、盈利能力、償債能力、相對價(jià)值潛力的資產(chǎn)總計(jì)、上市年限、獨(dú)立董事占比與第一大股東持股比率、資本密集度、凈資產(chǎn)收益率、資產(chǎn)負(fù)債率、托賓Q值。

(四)描述性統(tǒng)計(jì)

表1對主要變量進(jìn)行了描述性統(tǒng)計(jì)。數(shù)據(jù)顯示,全要素生產(chǎn)率標(biāo)準(zhǔn)差為0.591 2、均值大于中位數(shù),這表明不同企業(yè)差異較大且效率較低的企業(yè)數(shù)量更多。數(shù)字化轉(zhuǎn)型程度的25%、75%分位值差別較大、均值大于中位數(shù),這表明不同企業(yè)數(shù)字化轉(zhuǎn)型程度差別也比較大且有較多企業(yè)存在較大提升空間。此外,資產(chǎn)總計(jì)、上市年限等指標(biāo)等都符合理論設(shè)定。

表1 主要變量的描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸

基準(zhǔn)回歸主要驗(yàn)證的是數(shù)字化轉(zhuǎn)型程度對全要素生產(chǎn)率的影響。具體回歸中,第(1)(4)列沒有控制系列影響因素,第(2)(5)列控制了系列影響因素,第(3)(6)列進(jìn)一步考慮了行業(yè)聚類效應(yīng),且各列回歸均控制了個(gè)體、時(shí)間、行業(yè)和地區(qū)層面的固定效應(yīng)(2)如無特別說明,后文實(shí)證分析均與此同,內(nèi)生性檢驗(yàn)、穩(wěn)健性檢驗(yàn)與機(jī)制檢驗(yàn)在此基礎(chǔ)上進(jìn)一步控制了系列影響因素。。表1顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)均在1%水平顯著為正,這意味著數(shù)字化轉(zhuǎn)型程度越高,企業(yè)全要素生產(chǎn)率水平會(huì)越高,這驗(yàn)證了本文假設(shè)H1的正確性。

表2 基準(zhǔn)回歸結(jié)果

(二)內(nèi)生性檢驗(yàn)

為緩解反向因果等內(nèi)生性問題,本文采取工具變量法進(jìn)行檢驗(yàn)。為使工具變量滿足相關(guān)性和排他性的要求,本文一是選取1984 年各地級市每萬人固定電話數(shù)量作為當(dāng)?shù)仄髽I(yè)數(shù)字化轉(zhuǎn)型的工具變量,再以滯后一期的全國互聯(lián)網(wǎng)上網(wǎng)人數(shù)與之相乘增加“時(shí)間動(dòng)態(tài)效應(yīng)”,以構(gòu)建體現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型依托當(dāng)?shù)仉娦旁O(shè)施的IVⅠ。二是根據(jù)動(dòng)態(tài)回歸模型原理,以數(shù)字化轉(zhuǎn)型程度的滯后一期值作為IVⅡ。三是采用《中國上市公司數(shù)字化轉(zhuǎn)型研究數(shù)據(jù)庫》中根據(jù)企業(yè)戰(zhàn)略、技術(shù)、組織、環(huán)境等評估得分加權(quán)合成的數(shù)字化轉(zhuǎn)型指數(shù),作為反映數(shù)字化轉(zhuǎn)型對企業(yè)運(yùn)營各方因素綜合依賴的IVⅢ。表3顯示,各列回歸中,Anderson canon. corr. LM統(tǒng)計(jì)量均在1%水平顯著,Cragg-Donald Wald F統(tǒng)計(jì)量均大于 Stock-Yogo F 檢驗(yàn)在10%顯著性水平上的臨界值,Sargan統(tǒng)計(jì)量均在1%水平上顯著,表明三個(gè)工具變量均不存在識(shí)別不足問題、弱工具變量問題以及過度識(shí)別問題。各回歸中數(shù)字化轉(zhuǎn)型程度系數(shù)均至少在5%水平顯著為正,表明排除內(nèi)生性問題干擾后,基準(zhǔn)回歸結(jié)果仍然可信。

表3 工具變量法檢驗(yàn)結(jié)果

(三)穩(wěn)健性檢驗(yàn)

1.調(diào)整被解釋變量度量指標(biāo)

如前文所述,本文將以LP法、GMM法和FE法測算的全要素生產(chǎn)率作為被解釋變量,進(jìn)行穩(wěn)健性回歸。表4顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)均在1%水平顯著為正,意味著以LP法、GMM法和FE法重新測算企業(yè)全要素生產(chǎn)率,“數(shù)字化轉(zhuǎn)型程度越高,企業(yè)全要素生產(chǎn)率也就越高”的命題依然成立。

表4 調(diào)整被解釋變量度量指標(biāo)的檢驗(yàn)結(jié)果

2.調(diào)整解釋變量度量指標(biāo)

如前文所述,本文進(jìn)一步選用了詞匯字?jǐn)?shù)均化量為3和5的度量指標(biāo)以及五維與四維“詞頻占比”指標(biāo),作為解釋變量進(jìn)行穩(wěn)健性回歸。表5顯示,各列數(shù)字化轉(zhuǎn)型程度系數(shù)均在1%水平顯著為正,表明以不同指標(biāo)度量的“數(shù)字化轉(zhuǎn)型程度”越高,企業(yè)全要素生產(chǎn)率也越高。

表5 調(diào)整解釋變量度量指標(biāo)的檢驗(yàn)結(jié)果

五、機(jī)制檢驗(yàn)

(一)“脫虛效應(yīng)”的實(shí)證檢驗(yàn)

參照基準(zhǔn)回歸模型,分別選取衡量企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)與經(jīng)營風(fēng)險(xiǎn)、無效融資與超額負(fù)債、金融虛擬化依賴程度的綜合杠桿、過度負(fù)債程度、金融活動(dòng)利潤占比作為被解釋變量,以數(shù)字化轉(zhuǎn)型程度為解釋變量,驗(yàn)證“脫虛效應(yīng)”。表6顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)至少在5%水平顯著為負(fù),表明數(shù)字化轉(zhuǎn)型程度越高,企業(yè)經(jīng)營與財(cái)務(wù)風(fēng)險(xiǎn)、無效與過度融資、金融虛擬化依賴程度會(huì)越低,“脫虛效應(yīng)”確實(shí)存在。

表6 “脫虛效應(yīng)”檢驗(yàn)結(jié)果

(二)“入實(shí)效應(yīng)”的實(shí)證檢驗(yàn)

參照基準(zhǔn)回歸模型,分別選取衡量企業(yè)資產(chǎn)投資成長性、新增投資成長趨勢、經(jīng)營業(yè)態(tài)韌性的總資產(chǎn)增長率、非維持性投資比重、前后兩期營業(yè)收入之比作為被解釋變量,以數(shù)字化轉(zhuǎn)型程度為解釋變量,檢驗(yàn)“入實(shí)效應(yīng)”。表7顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)在1%水平顯著為正,表明數(shù)字化轉(zhuǎn)型程度越高,企業(yè)資產(chǎn)投資成長性、新增投資成長趨勢、經(jīng)營業(yè)態(tài)韌性都會(huì)越高,“入實(shí)效應(yīng)”確實(shí)存在。

表7 “入實(shí)效應(yīng)”檢驗(yàn)結(jié)果

(三)“提質(zhì)效應(yīng)”的實(shí)證檢驗(yàn)

參照基準(zhǔn)回歸模型,分別選取衡量企業(yè)數(shù)字技術(shù)引入及技術(shù)賦能、科技研發(fā)人才引進(jìn)、數(shù)字資本投入及組織變革的技術(shù)驅(qū)動(dòng)評分、研發(fā)人員數(shù)量占比、組織賦能評分作為被解釋變量,以數(shù)字化轉(zhuǎn)型程度為解釋變量,驗(yàn)證“提質(zhì)效應(yīng)”。表8顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)在1%水平顯著為正,表明數(shù)字化轉(zhuǎn)型程度越高,企業(yè)技術(shù)驅(qū)動(dòng)、人才質(zhì)量、組織賦能都會(huì)越強(qiáng),“提質(zhì)效應(yīng)”確實(shí)存在。

表8 “提質(zhì)效應(yīng)”檢驗(yàn)結(jié)果

(四)“升級效應(yīng)”的實(shí)證檢驗(yàn)

參照基準(zhǔn)回歸模型,分別選取衡量企業(yè)研發(fā)常態(tài)化核心投入、有效激勵(lì)與合理分配制度、承擔(dān)社會(huì)責(zé)任與貫徹高質(zhì)量發(fā)展政策的資本化研發(fā)投入支出占研發(fā)投入的比例、董事監(jiān)事及高管成員平均薪酬與其他員工平均薪酬之比、華證ESG評級作為被解釋變量,以數(shù)字化轉(zhuǎn)型程度為解釋變量,驗(yàn)證“升級效應(yīng)”。表9顯示,各列數(shù)字化轉(zhuǎn)型程度回歸系數(shù)符號(hào)均符合預(yù)期且至少在5%水平顯著,表明數(shù)字化轉(zhuǎn)型程度越高,企業(yè)研發(fā)動(dòng)力、管理制度、經(jīng)營戰(zhàn)略等的升級趨勢就會(huì)越強(qiáng),“升級效應(yīng)”確實(shí)存在。

表9 “升級效應(yīng)”檢驗(yàn)結(jié)果

六、進(jìn)一步分析:異質(zhì)性檢驗(yàn)

(一)企業(yè)層面異質(zhì)性分析

1.企業(yè)規(guī)模異質(zhì)性分析

數(shù)字化轉(zhuǎn)型的行為選擇會(huì)受到企業(yè)規(guī)模的影響,本文將通過分組回歸對其驗(yàn)證。表10顯示,大型企業(yè)與中小微型企業(yè)數(shù)字化轉(zhuǎn)型程度回歸系數(shù)分別在5%、1%水平顯著為正,且后者數(shù)值更大。這表明數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的正向影響會(huì)隨著規(guī)模擴(kuò)大而下降。這可能是因?yàn)?規(guī)模較小的企業(yè)更容易運(yùn)用數(shù)字技術(shù)分析各類項(xiàng)目投資效益,能夠做到“常駐”實(shí)體“不虛”、聚焦經(jīng)營“做精”、承接分工“做?！薄㈤_發(fā)挖掘“做優(yōu)”;而規(guī)模較大的企業(yè)運(yùn)用數(shù)字技術(shù)分析各類項(xiàng)目投資效益時(shí),更愿意規(guī)避風(fēng)險(xiǎn)虛實(shí)“對沖”、多方發(fā)展且主營多業(yè)、全產(chǎn)業(yè)鏈布局、謀求壟斷溢價(jià)和超額利潤等。

表10 企業(yè)規(guī)模異質(zhì)性檢驗(yàn)結(jié)果

2.企業(yè)產(chǎn)權(quán)性質(zhì)的異質(zhì)性分析

不同產(chǎn)權(quán)性質(zhì)企業(yè)的數(shù)字化程度存在差異,對全要素生產(chǎn)率的影響也不盡相同,本文仍采用分組回歸對其檢驗(yàn)。表11顯示,外資企業(yè)、國有企業(yè)、民營企業(yè)數(shù)字化轉(zhuǎn)型程度回歸系數(shù)均為正,但顯著性水平及系數(shù)值均不斷降低,表明數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的積極影響在三種企業(yè)中依次遞減。這可能是因?yàn)?數(shù)字化轉(zhuǎn)型中外資企業(yè)在技術(shù)與資金等方面更具比較優(yōu)勢,國有企業(yè)在政策與融資等方面具有一定優(yōu)勢,而民營企業(yè)在技術(shù)與融資等方面具有比較劣勢。

表11 企業(yè)產(chǎn)權(quán)性質(zhì)異質(zhì)性檢驗(yàn)結(jié)果

(二)行業(yè)層面異質(zhì)性分析

1.行業(yè)要素密集度異質(zhì)性分析

不同要素密集度的行業(yè)在接受、應(yīng)用數(shù)字技術(shù)的選擇上不同,對全要素生產(chǎn)率產(chǎn)生的作用效果也不同,本文將通過分組回歸對此予以驗(yàn)證。表12顯示,勞動(dòng)與資本密集型行業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型程度回歸系數(shù)分別在1%、10%水平顯著為正,且前者大于后者,表明勞動(dòng)密集型行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對效率的提升作用較資本密集型行業(yè)更大、更顯著。這可能與兩類行業(yè)數(shù)字技術(shù)應(yīng)用偏重不同有關(guān),勞動(dòng)要素密集型行業(yè)數(shù)字化轉(zhuǎn)型更多的是應(yīng)用大數(shù)據(jù)與智能化技術(shù),投資智能化設(shè)備與設(shè)施,實(shí)現(xiàn)“機(jī)器對人的替代”,生產(chǎn)效率提升更多;資本要素密集型行業(yè)數(shù)字化轉(zhuǎn)型更多的是應(yīng)用物聯(lián)網(wǎng)、區(qū)塊鏈與大數(shù)據(jù)技術(shù),投資人機(jī)互補(bǔ)設(shè)備,實(shí)現(xiàn)“人機(jī)匹配”,對生產(chǎn)效率的提升受人機(jī)協(xié)調(diào)互補(bǔ)程度的影響。

表12 行業(yè)要素密集度異質(zhì)性檢驗(yàn)結(jié)果

2.行業(yè)集中度異質(zhì)性分析

市場勢力不同,會(huì)影響企業(yè)對數(shù)字技術(shù)、數(shù)字技術(shù)設(shè)施的使用,進(jìn)而影響全要素生產(chǎn)率,本文將通過分組回歸檢驗(yàn)這一影響。表13顯示,低、高集中度行業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型程度回歸系數(shù)分別在1%、10%水平顯著為正,且前者大于后者,表明低集中度行業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響更大、更顯著。這可能是由于低集中度行業(yè)企業(yè)在推進(jìn)數(shù)字化轉(zhuǎn)型中更具“共享”意識(shí),且能夠更好利用數(shù)字經(jīng)濟(jì)與平臺(tái)經(jīng)濟(jì)在競爭中實(shí)現(xiàn)合作,而高集中度行業(yè)企業(yè)更偏好“單打獨(dú)斗”,需獨(dú)立進(jìn)行相應(yīng)基礎(chǔ)設(shè)施投資建設(shè),從而影響其數(shù)字化進(jìn)程。

表13 行業(yè)集中度的異質(zhì)性檢驗(yàn)結(jié)果

七、結(jié)論與啟示

數(shù)字化轉(zhuǎn)型使數(shù)字技術(shù)以新理念、新業(yè)態(tài)、新模式全面融入實(shí)體經(jīng)濟(jì)生產(chǎn)發(fā)展之中,對企業(yè)產(chǎn)生“脫虛效應(yīng)”“入實(shí)效應(yīng)”“提質(zhì)效應(yīng)”“升級效應(yīng)”,助推企業(yè)脫虛強(qiáng)實(shí),提高全要素生產(chǎn)率。本文以2011—2021年上市公司中制造業(yè)企業(yè)為樣本,以面板固定效應(yīng)模型對其進(jìn)行實(shí)證檢驗(yàn),發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型確實(shí)有利于提升企業(yè)全要素生產(chǎn)率,在多重內(nèi)生性檢驗(yàn)、穩(wěn)健性檢驗(yàn)之后,該結(jié)論依然成立。不過對于不同規(guī)模、不同產(chǎn)權(quán)性質(zhì)的企業(yè),以及不同要素密集度和市場集中度的行業(yè)而言,這種影響存在差異,但總體都是正向影響。

基于此,本文得到如下政策啟示。第一,數(shù)字化轉(zhuǎn)型是推動(dòng)企業(yè)脫虛強(qiáng)實(shí),提高全要素生產(chǎn)率,實(shí)現(xiàn)高質(zhì)量發(fā)展的重要手段,在大力發(fā)展數(shù)字經(jīng)濟(jì)的同時(shí)應(yīng)鼓勵(lì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型,但在具體制定產(chǎn)業(yè)政策時(shí)應(yīng)設(shè)定精確的數(shù)字化轉(zhuǎn)型程度測度指標(biāo),以精準(zhǔn)實(shí)施激勵(lì)與補(bǔ)貼措施,使產(chǎn)業(yè)政策有效發(fā)揮推動(dòng)經(jīng)濟(jì)發(fā)展的重要作用。第二,產(chǎn)業(yè)政策制定過程中,應(yīng)充分考慮數(shù)字化轉(zhuǎn)型的作用機(jī)制,重點(diǎn)鼓勵(lì)企業(yè)進(jìn)行數(shù)字化資產(chǎn)、人力資本和技術(shù)設(shè)施改造,并提供相應(yīng)的“環(huán)境”與“政策”支持,如配套開展地方性人才引進(jìn)策略,有序推進(jìn)數(shù)字基礎(chǔ)設(shè)施建設(shè),鼓勵(lì)企業(yè)制定對青年人才等初始人力資本更有效的分配制度等。第三,產(chǎn)業(yè)政策實(shí)施過程中,需考慮不同行業(yè)、企業(yè)異質(zhì)性影響,根據(jù)不同行業(yè)、企業(yè)特征制定分類推進(jìn)數(shù)字化轉(zhuǎn)型辦法,并對數(shù)字化轉(zhuǎn)型過程中企業(yè)投資方向轉(zhuǎn)變和投資效率調(diào)整予以量化評估,以此設(shè)定不同稅收優(yōu)惠和財(cái)政補(bǔ)貼,從而使“好鋼用在刀刃上”。