王京濱 劉趙寧 劉新民

收稿日期：2022-10-08修回日期：2022-12-13

基金項(xiàng)目：天津市研究生科研創(chuàng)新項(xiàng)目（2021YJSB248）

作者簡(jiǎn)介：王京濱（1969-），男，山東臨沂人，博士，天津理工大學(xué)管理學(xué)院教授，研究方向?yàn)閿?shù)字經(jīng)濟(jì)與產(chǎn)業(yè)經(jīng)濟(jì)；劉趙寧（1998-），女，遼寧鐵嶺人，天津理工大學(xué)管理學(xué)院碩士研究生，研究方向?yàn)閿?shù)字經(jīng)濟(jì)與產(chǎn)業(yè)經(jīng)濟(jì)；劉新民（1975-），男，天津?qū)氎嫒?，博士，天津理工大學(xué)管理學(xué)院副研究員，研究方向?yàn)榧夹g(shù)經(jīng)濟(jì)與管理。本文通訊作者：劉新民。

摘 要：制造企業(yè)數(shù)字化轉(zhuǎn)型既是實(shí)現(xiàn)制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化的關(guān)鍵路徑，也是促進(jìn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的必然選擇。以2011—2020年中國(guó) A 股制造業(yè)上市公司為研究樣本，實(shí)證考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率（TFP）的影響及機(jī)制。結(jié)果表明：數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率；在作用機(jī)制方面，數(shù)字化轉(zhuǎn)型可以通過改善資源配置效率促進(jìn)企業(yè)全要素生產(chǎn)率提升。具體而言，數(shù)字化轉(zhuǎn)型通過提高企業(yè)供應(yīng)鏈運(yùn)作效率與矯正過度投資提升投資效率，進(jìn)而提升企業(yè)全要素生產(chǎn)率；進(jìn)一步分析發(fā)現(xiàn)，在高新技術(shù)企業(yè)以及東部地區(qū)和南方地區(qū)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的提升作用更加顯著。結(jié)論可為理解企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效應(yīng)提供新的經(jīng)驗(yàn)證據(jù)，從而為夯實(shí)經(jīng)濟(jì)高質(zhì)量發(fā)展必備的微觀基礎(chǔ)提供重要政策啟示。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；資源配置效率；供應(yīng)鏈運(yùn)作效率；投資效率；全要素生產(chǎn)率

DOI：10.6049/kjjbydc.2022100126

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：F272.5

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）03-0023-11

0 引言

制造業(yè)是立國(guó)之本、強(qiáng)國(guó)之基，從根本上決定著一個(gè)國(guó)家的綜合實(shí)力和國(guó)際競(jìng)爭(zhēng)力。隨著國(guó)際貿(mào)易保護(hù)主義不斷升溫、疫情重構(gòu)國(guó)內(nèi)外產(chǎn)業(yè)鏈、消費(fèi)結(jié)構(gòu)轉(zhuǎn)型升級(jí)及互聯(lián)網(wǎng)科技迅猛發(fā)展^[1-2]，我國(guó)制造業(yè)面臨的國(guó)內(nèi)外約束日益嚴(yán)重。與此同時(shí)，我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，推動(dòng)質(zhì)量變革、效率變革、動(dòng)力變革，是高質(zhì)量發(fā)展階段的必然要求。因此，如何提高制造業(yè)全要素生產(chǎn)率，進(jìn)而為我國(guó)經(jīng)濟(jì)行穩(wěn)致遠(yuǎn)注入新的活力成為亟需解決的問題。

近年來，我國(guó)大力發(fā)展新一代數(shù)字技術(shù)，加速推動(dòng)產(chǎn)業(yè)數(shù)字化變革，積極打造數(shù)字化轉(zhuǎn)型能力。數(shù)字技術(shù)應(yīng)用成功賦能我國(guó)制造企業(yè)全要素生產(chǎn)率提升（黃群慧等，2019；劉平峰，張旺，2021），有效助力我國(guó)全要素生產(chǎn)率提升^[3]。同時(shí)，數(shù)字技術(shù)通過對(duì)傳統(tǒng)行業(yè)的不斷滲透破除企業(yè)間、產(chǎn)業(yè)間、區(qū)域間的信息孤島，完成零散信息整合與互通，提高供需匹配效率，加快要素資源流動(dòng)，以此優(yōu)化資源配置^[3]，進(jìn)而促進(jìn)企業(yè)生產(chǎn)率內(nèi)生化增長(zhǎng)^[4]。從微觀層面看，企業(yè)數(shù)字化轉(zhuǎn)型是指將各類生產(chǎn)要素同數(shù)字技術(shù)有機(jī)結(jié)合的過程^[5]。由此，制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率（TFP）的經(jīng)濟(jì)效應(yīng)如何？制造企業(yè)數(shù)字化轉(zhuǎn)型能否通過提高資源配置效率，促進(jìn)企業(yè)全要素生產(chǎn)率提升？上述問題亟待深入研究。

現(xiàn)有相關(guān)研究?jī)H從企業(yè)創(chuàng)新能力、人力資本結(jié)構(gòu)轉(zhuǎn)變、兩業(yè)融合、成本削減^[6]及知識(shí)溢出角度^[7]進(jìn)行探討。總體來看，需要進(jìn)一步研究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響，在探討二者關(guān)系時(shí)，同時(shí)考慮資源配置效應(yīng)所發(fā)揮的作用。

鑒于此，本文以2011—2020年中國(guó) A 股制造業(yè)上市公司為研究樣本，基于公司年報(bào)文本中數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞的詞頻構(gòu)建數(shù)字化轉(zhuǎn)型指數(shù)，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響。結(jié)果表明，數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率，這一研究結(jié)論具有較強(qiáng)的穩(wěn)健性。機(jī)制分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠有效優(yōu)化資源配置，進(jìn)而提升企業(yè)全要素生產(chǎn)率。具體而言，數(shù)字化轉(zhuǎn)型通過加快企業(yè)供應(yīng)鏈資源運(yùn)轉(zhuǎn)速度并矯正過度投資促進(jìn)企業(yè)全要素生產(chǎn)率提升?；谄髽I(yè)特征、地域特征的異質(zhì)性分析表明，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的提升作用在高新技術(shù)企業(yè)以及東部和南方地區(qū)更顯著。據(jù)此，本文提出，政府應(yīng)積極為企業(yè)數(shù)字化轉(zhuǎn)型營(yíng)造良好的生態(tài)環(huán)境，企業(yè)應(yīng)意識(shí)到數(shù)字化轉(zhuǎn)型的重要性并加強(qiáng)人才引進(jìn)與培養(yǎng)。

本文可能的邊際貢獻(xiàn)如下：第一，已有文獻(xiàn)大多圍繞企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率^[6-7]、資源配置與全要素生產(chǎn)率等主題開展研究^[8-9]。本文創(chuàng)造性地將資源配置、數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率納入同一研究框架，采用供應(yīng)鏈運(yùn)作效率與投資效率刻畫企業(yè)資源配置效率，從優(yōu)化資源配置視角系統(tǒng)論述并驗(yàn)證數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的作用機(jī)制，有助于深化對(duì)數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率關(guān)系的理解，同時(shí)拓展數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合發(fā)展理論框架。第二，本文在確證數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的積極影響并深挖二者作用機(jī)制的基礎(chǔ)上，充分考慮不同橫截面特征下數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的差異化影響，有助于拓展數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率關(guān)系研究深度，以期為促進(jìn)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)的有效發(fā)揮提供科學(xué)的政策啟示。

1 文獻(xiàn)綜述

1.1 企業(yè)全要素生產(chǎn)率影響因素

企業(yè)全要素生產(chǎn)率（TFP）是指在生產(chǎn)過程中各種投入要素轉(zhuǎn)化為最終產(chǎn)出的總體效率。現(xiàn)有文獻(xiàn)主要從內(nèi)部因素、外部環(huán)境兩個(gè)方面，識(shí)別企業(yè)全要素生產(chǎn)率影響因素。首先，從企業(yè)內(nèi)部因素看，研發(fā)投入會(huì)對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生激勵(lì)作用，但只有適度的研發(fā)投入強(qiáng)度才能對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生最顯著的促進(jìn)作用^[10]。基于資源配置視角的研究發(fā)現(xiàn)，僵尸企業(yè)會(huì)搶占大量社會(huì)資源，扭曲資源配置，從而不利于企業(yè)生產(chǎn)效率提高^[11]。因此，改善企業(yè)資源錯(cuò)配以提高要素資源配置效率能夠有效促進(jìn)企業(yè)全要素生產(chǎn)率提升^[8-9]。此外，利用文本處理技術(shù)測(cè)算企業(yè)智能化發(fā)展水平的實(shí)證研究發(fā)現(xiàn)，智能化發(fā)展對(duì)我國(guó)制造企業(yè)全要素生產(chǎn)率具有顯著促進(jìn)作用^[12]。其次，從外部環(huán)境看，產(chǎn)業(yè)集聚形成的專業(yè)化經(jīng)濟(jì)能夠改善技術(shù)效率，促進(jìn)通信設(shè)備、計(jì)算機(jī)與其它電子設(shè)備業(yè)企業(yè)全要素生產(chǎn)率提升^[13]。以十大產(chǎn)業(yè)振興規(guī)劃出臺(tái)為自然實(shí)驗(yàn)，結(jié)果發(fā)現(xiàn)，產(chǎn)業(yè)政策可以改變企業(yè)資本配置效率，從而使得企業(yè)全要素生產(chǎn)率發(fā)生變化（錢雪松等，2018）。在數(shù)字化相關(guān)發(fā)展方面，互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用能夠通過溢出效應(yīng)促進(jìn)知識(shí)傳播，從而對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生積極影響^[14]。同時(shí)，數(shù)字經(jīng)濟(jì)對(duì)企業(yè)全要素生產(chǎn)率可持續(xù)增長(zhǎng)具有創(chuàng)新驅(qū)動(dòng)作用 ^[15-16]。

1.2 企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效應(yīng)

圍繞企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效應(yīng)，現(xiàn)有文獻(xiàn)主要基于宏觀、微觀兩個(gè)層面展開研究。一方面，已有文獻(xiàn)強(qiáng)調(diào)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)我國(guó)實(shí)體經(jīng)濟(jì)發(fā)展的顯著影響。研究表明，企業(yè)數(shù)字化轉(zhuǎn)型能夠助力中國(guó)出口穩(wěn)定增長(zhǎng)^[17]，推動(dòng)出口產(chǎn)品質(zhì)量升級(jí)^[18]，抑制我國(guó)經(jīng)濟(jì)發(fā)展“脫實(shí)向虛”^[19]。另一方面，大多數(shù)文獻(xiàn)圍繞企業(yè)數(shù)字化轉(zhuǎn)型的微觀經(jīng)濟(jì)效應(yīng)展開研究，證實(shí)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)相關(guān)表現(xiàn)具有積極作用。已有研究發(fā)現(xiàn)，從信息賦能和治理賦能兩條路徑出發(fā)，數(shù)字化轉(zhuǎn)型能夠有效改善企業(yè)投資效率^[5]。從價(jià)值提升角度看，企業(yè)數(shù)字化轉(zhuǎn)型既能通過提升技術(shù)創(chuàng)新能力、優(yōu)化要素配置直接促進(jìn)企業(yè)價(jià)值水平提升^[20]，也可通過提升企業(yè)現(xiàn)金持有水平助力企業(yè)價(jià)值實(shí)現(xiàn)^[21]。此外，數(shù)字化轉(zhuǎn)型不僅通過降低企業(yè)外部交易成本促進(jìn)專業(yè)化分工（袁淳等，2021），而且通過提升供應(yīng)鏈集成程度促進(jìn)企業(yè)績(jī)效提升^[22]。已有相關(guān)研究表明，數(shù)字化轉(zhuǎn)型不僅通過創(chuàng)新能力改善、人力資本結(jié)構(gòu)升級(jí)、兩業(yè)深化融合及成本削減促進(jìn)企業(yè)全要素生產(chǎn)率提升^[6]，而且通過加速知識(shí)溢出^[7]促進(jìn)企業(yè)全要素生產(chǎn)率提升。

綜上所述，現(xiàn)有關(guān)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率影響的研究較少，對(duì)二者作用機(jī)制的探究尚不充分。因此，本文聚焦制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響，從資源配置效率視角探究其內(nèi)在機(jī)理，從而豐富相關(guān)領(lǐng)域研究。

2 理論分析與研究假設(shè)

2.1 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率的影響

基于技術(shù)—經(jīng)濟(jì)范式理論，數(shù)字化轉(zhuǎn)型能夠推動(dòng)制造企業(yè)構(gòu)建泛在感知、智能決策、敏捷響應(yīng)、全局協(xié)同、動(dòng)態(tài)優(yōu)化的生產(chǎn)范式^[23]，即利用新一代信息技術(shù)與生產(chǎn)經(jīng)營(yíng)活動(dòng)深度融合，重構(gòu)企業(yè)生產(chǎn)力與生產(chǎn)關(guān)系，加速生產(chǎn)方式與企業(yè)形態(tài)變革，實(shí)現(xiàn)全要素、全產(chǎn)業(yè)鏈、全價(jià)值鏈高效連接，從而促進(jìn)企業(yè)全要素生產(chǎn)率提升。企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率的作用主要體現(xiàn)在以下方面：

（1）數(shù)字化轉(zhuǎn)型通過信息賦能促進(jìn)企業(yè)全要素生產(chǎn)率提升。具體而言，數(shù)字化能力可以打破企業(yè)內(nèi)部、企業(yè)上下游、企業(yè)與外界的信息傳播壁壘，通過提高信息資源集成度與共享度，有效緩解因信息搜集與運(yùn)用不充分導(dǎo)致的決策失誤^[24]，以及企業(yè)經(jīng)營(yíng)者與投資者間信息不對(duì)稱引發(fā)的逆向選擇與道德風(fēng)險(xiǎn)等問題^[25]，改善要素資源錯(cuò)配，從而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

（2）數(shù)字化轉(zhuǎn)型通過降本賦能促進(jìn)企業(yè)全要素生產(chǎn)率提升?；ヂ?lián)網(wǎng)、大數(shù)據(jù)、量子計(jì)算以及人工智能等數(shù)字技術(shù)具有廣泛的連接能力、交互能力、理解能力及融合能力，可以簡(jiǎn)化數(shù)據(jù)信息搜集、傳輸、分析流程，實(shí)現(xiàn)企業(yè)管理可視化與經(jīng)營(yíng)決策智能化，有效降低企業(yè)信息搜尋成本、監(jiān)管成本、交易成本等，從而促進(jìn)企業(yè)全要素生產(chǎn)率提升?；谝陨戏治?，本文提出如下假設(shè)：

H₁： 企業(yè)數(shù)字化轉(zhuǎn)型有助于其全要素生產(chǎn)率提升。

2.2 資源配置效率的中介作用

企業(yè)全要素生產(chǎn)率增長(zhǎng)不僅來源于技術(shù)進(jìn)步^[26]，而且受資源配置效率的影響^[8-9，27]。對(duì)于我國(guó)制造企業(yè)而言，短期內(nèi)技術(shù)進(jìn)步的作用是有限的，改善資源配置效率才是真正可持續(xù)的生產(chǎn)率內(nèi)生增長(zhǎng)模式^[4]。企業(yè)數(shù)字化轉(zhuǎn)型可以有效發(fā)揮資源配置效應(yīng)，不僅體現(xiàn)在加速供應(yīng)鏈運(yùn)轉(zhuǎn)、提高供應(yīng)鏈資源運(yùn)作效率方面，而且體現(xiàn)在提高企業(yè)投資效率、優(yōu)化資金資源配置方面。因此，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的具體作用機(jī)制分析如下：

企業(yè)經(jīng)濟(jì)決策有賴于對(duì)信息的掌握與處理，與傳統(tǒng)經(jīng)驗(yàn)決策相比，企業(yè)能夠通過數(shù)字化轉(zhuǎn)型對(duì)內(nèi)外部數(shù)據(jù)資源進(jìn)行整合與分析，利用數(shù)據(jù)生成決策所需的關(guān)鍵信息，降低決策失誤的可能性。在投資管理方面，數(shù)字化轉(zhuǎn)型有利于加強(qiáng)企業(yè)相關(guān)信息披露，幫助企業(yè)所有者與經(jīng)營(yíng)者利用信息資源對(duì)投資項(xiàng)目進(jìn)行風(fēng)險(xiǎn)識(shí)別，合理配置資金資源。另外，基于代理動(dòng)機(jī)理論可知，由于委托人與代理人目標(biāo)存在差異，代理人會(huì)為自身利益而作出有損委托人利益的行為^[28]。例如，代理人可能為實(shí)現(xiàn)自身利益最大化，利用公司自由現(xiàn)金流對(duì)凈現(xiàn)值為負(fù)的項(xiàng)目進(jìn)行投資^[29]。數(shù)字化轉(zhuǎn)型可以提高企業(yè)信息透明度，依托企業(yè)數(shù)字信息平臺(tái)的各利益主體高效獲取管理層經(jīng)營(yíng)決策信息，有效緩解由于管理層短視和自利行為引致的投資風(fēng)險(xiǎn)，抑制企業(yè)非效率投資，從而促進(jìn)企業(yè)全要素生產(chǎn)率提升。基于以上分析，本文提出如下假設(shè)：

H₂： 企業(yè)數(shù)字化轉(zhuǎn)型有助于投資效率改善，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

企業(yè)數(shù)字化轉(zhuǎn)型利用數(shù)字技術(shù)賦能打通產(chǎn)品制造全生命周期的數(shù)據(jù)流，實(shí)現(xiàn)供應(yīng)鏈上下游信息互聯(lián)互通，以及供需雙方精準(zhǔn)對(duì)接、高效匹配^[30]，可以避免“牛鞭效應(yīng)”造成的信息傳遞失真，進(jìn)而大幅度提升企業(yè)市場(chǎng)需求響應(yīng)速度，最終形成高效協(xié)同的供應(yīng)鏈資源配置機(jī)制。同時(shí)，數(shù)字化轉(zhuǎn)型能夠重塑企業(yè)供應(yīng)鏈庫(kù)存管理模式，企業(yè)可以依靠高效的信息反饋機(jī)制對(duì)供應(yīng)鏈供需情況進(jìn)行科學(xué)預(yù)測(cè)，并及時(shí)開展生產(chǎn)控制與生產(chǎn)計(jì)劃調(diào)整，以此降低企業(yè)呆滯庫(kù)存，防止呆滯物料產(chǎn)生，優(yōu)化供應(yīng)鏈庫(kù)存管理。此外，數(shù)字技術(shù)與供應(yīng)鏈業(yè)務(wù)深度融合，不僅有利于企業(yè)發(fā)現(xiàn)供應(yīng)商可能存在的生產(chǎn)能力不足與產(chǎn)品質(zhì)量低下問題，而且可以對(duì)供應(yīng)商違規(guī)行為進(jìn)行監(jiān)督管理與動(dòng)態(tài)預(yù)警，由此促進(jìn)供應(yīng)鏈資源運(yùn)作效率與企業(yè)全要素生產(chǎn)率提升。

H₃： 企業(yè)數(shù)字化轉(zhuǎn)型有助于供應(yīng)鏈資源運(yùn)作效率提高，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

綜上所述，本文構(gòu)建理論模型如圖1所示。

3 研究設(shè)計(jì)

3.1 樣本選擇與數(shù)據(jù)來源

本文選取2011—2020年中國(guó)A股制造業(yè)上市公司作為初始研究樣本，按照以下標(biāo)準(zhǔn)篩選：①剔除經(jīng)營(yíng)異常的ST&PT上市公司樣本；②剔除不符合基本會(huì)計(jì)原則的上市公司樣本（資產(chǎn)負(fù)債率不在0～1區(qū)間的上市公司）；③剔除核心研究變量缺失的上市公司樣本。此外，為避免極端值的影響，本文對(duì)連續(xù)變量在前后1%分位處進(jìn)行雙邊縮尾處理（Winsorize）。最終，獲得2 060家上市公司13 226個(gè)樣本觀測(cè)值。本文采用的企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)提取自制造業(yè)上市公司年報(bào)，其余上市公司數(shù)據(jù)來源于國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)，工具變量相關(guān)數(shù)據(jù)來自于《中國(guó)城市統(tǒng)計(jì)年鑒》。本文采用統(tǒng)計(jì)軟件Stata16.0對(duì)數(shù)據(jù)進(jìn)行處理。

本文選取2011—2020年作為研究樣本區(qū)間，是由于此區(qū)間具有較好的代表性。一方面，數(shù)字經(jīng)濟(jì)蓬勃發(fā)展標(biāo)志著數(shù)字基礎(chǔ)設(shè)施建設(shè)水平、數(shù)字技術(shù)創(chuàng)新水平以及數(shù)字產(chǎn)業(yè)發(fā)展水平顯著提升，這恰好是助力企業(yè)數(shù)字化轉(zhuǎn)型的有力支撐。根據(jù)中國(guó)信通院最新發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告（2022年）》可知，以2011年為分界點(diǎn)，2011年以前我國(guó)數(shù)字經(jīng)濟(jì)增速一直低于同期GDP平均增速，2011年之后我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模不斷壯大，數(shù)字經(jīng)濟(jì)年均增速顯著高于同期GDP平均增速，成為推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)力，故本文選擇2011年作為研究樣本起始年份。另一方面，基于工具變量相關(guān)數(shù)據(jù)可得性，本文選擇2020年作為研究樣本終止年份。

3.2 指標(biāo)選取與變量說明

3.2.1 被解釋變量

企業(yè)全要素生產(chǎn)率（TFP）。參照魯曉東等^[31]、Olley等^[32]的研究方法，本文采用當(dāng)前微觀領(lǐng)域?qū)嵶C研究最常用的LP方法和OP方法，借助柯布—道格拉斯生產(chǎn)函數(shù)對(duì)企業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算。本文將LP法用于主回歸模型，將OP法用于穩(wěn)健性檢驗(yàn)。其中，采用營(yíng)業(yè)收入代表總產(chǎn)出，采用固定資產(chǎn)凈額代表資本投入，采用員工人數(shù)代表勞動(dòng)力投入，采用企業(yè)營(yíng)業(yè)成本+銷售費(fèi)用+管理費(fèi)用+財(cái)務(wù)費(fèi)用-當(dāng)期計(jì)提的折舊與攤銷-支付給職工以及為職工支付的現(xiàn)金代表中間投入，若企業(yè)當(dāng)期計(jì)提的折舊與攤銷為缺失值，則以0值替代。

3.2.2 解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（DT）。借鑒黃大禹等^[20]的研究方法，本文采用文本分析法測(cè)算企業(yè)數(shù)字化轉(zhuǎn)型水平，具體處理如下：第一，基于Python軟件的爬蟲功能，對(duì)2011—2020年制造業(yè)上市公司年度財(cái)務(wù)報(bào)告進(jìn)行文本提取。第二，分別從數(shù)字化轉(zhuǎn)型底層基礎(chǔ)技術(shù)（人工智能技術(shù)、區(qū)塊鏈技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)）和上層技術(shù)應(yīng)用兩個(gè)維度選定文本篩選關(guān)鍵詞。第三，利用Python軟件的Jieba分詞功能和計(jì)數(shù)功能，統(tǒng)計(jì)已提取年報(bào)文本中的關(guān)鍵詞披露頻次。第四，將每個(gè)維度關(guān)鍵詞出現(xiàn)頻次加總后加1，再作對(duì)數(shù)處理，由此得到變量DT。

3.2.3 控制變量

參照以往研究，本文選取公司規(guī)模（Size）、財(cái)務(wù)杠桿率（Lev）、總資產(chǎn)收益率（Roa），董事會(huì)規(guī)模（Board）、公司成長(zhǎng)性（Growth）和研發(fā)費(fèi)用（Rd）作為控制變量，具體變量定義見表1。

3.3 基準(zhǔn)回歸方程

基于上述理論分析，為進(jìn)一步揭示企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率的影響，本文構(gòu)建以下回歸模型對(duì)假設(shè)進(jìn)行驗(yàn)證。

TFP_{LPi，t+1}=μ₀+μ₁DT_i，t+μ∑C_i，t+∑Firmfe+∑Yearfe+ε_i，t（1）

其中，i代表企業(yè)，t代表年份。被解釋變量TFP代表以LP法測(cè)算的企業(yè)全要素生產(chǎn)率，核心解釋變量DT代表企業(yè)數(shù)字化轉(zhuǎn)型，∑C為控制變量合集，∑Firmfe為企業(yè)固定效應(yīng)，∑Yearfe為年度固定效應(yīng)，ε代表隨機(jī)擾動(dòng)項(xiàng)。為緩解潛在內(nèi)生性問題對(duì)回歸結(jié)果的干擾，同時(shí)考慮到數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響具有一定的時(shí)滯性，本文采用解釋變量滯后一期值進(jìn)行回歸。在上述回歸方程中，主要關(guān)注數(shù)字化轉(zhuǎn)型（DT）的系數(shù)μ₁，由上文假設(shè)可知，預(yù)期其系數(shù)μ₁為正，即企業(yè)數(shù)字化轉(zhuǎn)型（DT）水平提高可以促進(jìn)企業(yè)全要素生產(chǎn)率提升。

4 實(shí)證結(jié)果

4.1 描述性統(tǒng)計(jì)分析

本文主要變量描述性統(tǒng)計(jì)結(jié)果如表2所示。由表2可知，企業(yè)全要素生產(chǎn)率（TFP）的中位數(shù)是8.970，平均值是9.065，標(biāo)準(zhǔn)差為0.999，說明企業(yè)全要素生產(chǎn)率不存在過度分散問題，且分布形態(tài)近似于正態(tài)分布。數(shù)字化轉(zhuǎn)型（DT）在25%分位處的值為0，中位數(shù)為0.693，最大值為4.454。由此可知，部分制造企業(yè)尚未開始實(shí)施數(shù)字化轉(zhuǎn)型，至少50%的樣本企業(yè)已實(shí)施數(shù)字化轉(zhuǎn)型，說明制造企業(yè)數(shù)字化轉(zhuǎn)型水平亟待提高。同時(shí)，變量DT的離散系數(shù)（標(biāo)準(zhǔn)差/平均值）大于1，說明不同樣本企業(yè)數(shù)字化轉(zhuǎn)型程度具有較大差異。研發(fā)費(fèi)用（Rd）在75%分位處的值為0，最大值為22.472，離散系數(shù)大于1，說明不同樣本企業(yè)研發(fā)費(fèi)投入兩極分化嚴(yán)重，且分布形態(tài)呈典型右偏。參考以往研究文獻(xiàn)可以發(fā)現(xiàn)，其余變量統(tǒng)計(jì)值分布均在合理范圍內(nèi)。

通過Pearson相關(guān)性系數(shù)檢驗(yàn)可知，企業(yè)數(shù)字化轉(zhuǎn)型（DT）與企業(yè)全要素生產(chǎn)（TFP）的相關(guān)性為0.115，且在10%水平上顯著相關(guān)。其它絕大多數(shù)變量間的相關(guān)系數(shù)小于0.3，說明變量間不存在顯著多重共線性問題。進(jìn)一步通過多重共線性檢驗(yàn)發(fā)現(xiàn)，所有解釋變量的方差膨脹因子均值為1.28，最大值為1.69，進(jìn)一步表明本文回歸模型不存在嚴(yán)重多重共線性問題。

4.2 基準(zhǔn)回歸分析

表3為數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率關(guān)系的基準(zhǔn)回歸結(jié)果。其中，列（1）為未添加控制變量的回歸結(jié)果，數(shù)字化轉(zhuǎn)型（DT）與全要素生產(chǎn)率（TFP）間的回歸系數(shù)為0.048，且在1%水平上顯著正相關(guān)。為提高回歸結(jié)果精度，列（2）～（4）在添加控制變量的基礎(chǔ)上，分別控制公司固定效應(yīng)、年份固定效應(yīng)和公司、年份雙固定效應(yīng)。由此可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型（DT）的回歸系數(shù)仍在1%水平上顯著，但系數(shù)降低至0.021，可能是由于控制變量與固定效應(yīng)在一定程度上緩解了部分干擾因素的影響。從經(jīng)濟(jì)意義上看，數(shù)字化轉(zhuǎn)型水平每提升一個(gè)單位，企業(yè)全要素生產(chǎn)率提升2.1%。由此可見，無論從統(tǒng)計(jì)意義和經(jīng)濟(jì)意義看，企業(yè)數(shù)字化轉(zhuǎn)型水平提高均有助于企業(yè)全要素生產(chǎn)率提升。由此，本文研究假設(shè)H₁得到支持。

從控制變量看，公司規(guī)模（Size）、總資產(chǎn)收益率（Roa）和公司成長(zhǎng)性（Growth）對(duì)企業(yè)全要素生產(chǎn)率具有顯著正向作用。這是由于資產(chǎn)規(guī)模較大的企業(yè)通常具有較高的技術(shù)創(chuàng)新水平、較強(qiáng)的融資能力和較完善的管理機(jī)制，盈利能力較強(qiáng)和成長(zhǎng)性較好的企業(yè)通常具有較高的風(fēng)險(xiǎn)承擔(dān)水平、較強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力，因而有利于企業(yè)全要素生產(chǎn)率提升，這與姚洋和章奇^[33]、趙宸宇等^[6]的研究結(jié)論一致。

4.3 穩(wěn)健性檢驗(yàn)

4.3.1 替換關(guān)鍵變量

（1）替換核心解釋變量。借鑒張勇珅等^[34]的研究成果，本文采用公司年度財(cái)務(wù)報(bào)告披露的無形資產(chǎn)和固定資產(chǎn)中數(shù)字化部分占無形資產(chǎn)和固定資產(chǎn)總額的比值（DT_rate）作為數(shù)字化轉(zhuǎn)型（DT）的代理變量，回歸結(jié)果如表4列（1）所示。

（2）替換被解釋變量。本文使用OP法測(cè)算全要素生產(chǎn)率，回歸結(jié)果如表4列（2）所示。由表4列（1）（2）可知，在替換關(guān)鍵變量之后，企業(yè)數(shù)字化轉(zhuǎn)型（DT）與全要素生產(chǎn)率（TFP_OP）仍在1%水平上顯著正相關(guān)，即數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率。同時(shí)，余下變量的系數(shù)方向與顯著性未發(fā)生實(shí)質(zhì)性改變。因此，基準(zhǔn)回歸結(jié)果具有穩(wěn)健性。

4.3.2 延長(zhǎng)窗口觀測(cè)期

數(shù)字技術(shù)與企業(yè)生產(chǎn)活動(dòng)、管理活動(dòng)及銷售活動(dòng)融合存在一定的時(shí)滯性^[21]。因此，本文對(duì)企業(yè)數(shù)字化轉(zhuǎn)型（DT）分別作滯后兩期（L2.DT）和3期（L3.DT）處理，回歸結(jié)果如表4列（3）（4）所示。由結(jié)果可知，企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)仍顯著為正，表明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的提升作用具有顯著動(dòng)態(tài)可疊加效果與長(zhǎng)期效果。由此，進(jìn)一步證明了回歸結(jié)果的穩(wěn)健性。

4.3.3 剔除特異樣本

將未實(shí)施數(shù)字化轉(zhuǎn)型活動(dòng)的企業(yè)樣本剔除后再次進(jìn)行回歸，結(jié)果如表4列（5）所示。由結(jié)果可知，數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率，說明基準(zhǔn)回歸結(jié)果穩(wěn)健可靠。

4.3.4 控制行業(yè)固定效應(yīng)

基準(zhǔn)回歸模型僅控制企業(yè)固定效應(yīng)和年份固定效應(yīng)，為避免年份和行業(yè)交叉因素導(dǎo)致估計(jì)有偏，在此基礎(chǔ)上加入“行業(yè)—年份”高階聯(lián)合固定效應(yīng)，回歸結(jié)果如表4列（6）所示。由結(jié)果可知，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率具有顯著促進(jìn)作用。

4.3.5 工具變量與Heckman兩階段最小二乘法

考慮到全要素生產(chǎn)率較高的企業(yè)往往是融資能力與盈利能力較強(qiáng)的企業(yè)，其數(shù)字化轉(zhuǎn)型活動(dòng)一般能夠順利開展，即全要素生產(chǎn)率提升與企業(yè)數(shù)字化轉(zhuǎn)型可能形成相互促進(jìn)或協(xié)同的局面。為了避免內(nèi)生性的影響，參考李琦等^[22]的研究成果，本文使用地方一般公共財(cái)政科學(xué)支出占全市公共財(cái)政支出的比值作為工具變量（IV），采用Heckman兩階段法對(duì)假設(shè)H₁再次進(jìn)行檢驗(yàn)。由表5列（1）可以看出，工具變量（IV）與企業(yè)數(shù)字化轉(zhuǎn)型（DT）在1%水平上正相關(guān)。然后，以逆米爾斯比率（IMR）作為控制變量代入主回歸方程，結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)仍在1%水平上顯著為正。上述結(jié)果說明，在解決一系列內(nèi)生性問題后，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率，與本文基準(zhǔn)回歸結(jié)果一致。

4.4 機(jī)制檢驗(yàn)

4.4.1 分樣本機(jī)制檢驗(yàn)

由上文分析可知，企業(yè)數(shù)字化轉(zhuǎn)型通過提高資源配置效率促進(jìn)企業(yè)全要素生產(chǎn)率提升。如果這一機(jī)制成立，當(dāng)企業(yè)資源配置效率較低時(shí)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的正向促進(jìn)作用會(huì)更加顯著。本文從企業(yè)供應(yīng)鏈運(yùn)作效率與投資效率兩個(gè)方面衡量企業(yè)資源配置效率，為揭示數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的作用機(jī)制提供佐證。

（1）基于供應(yīng)鏈運(yùn)作效率的分析。企業(yè)供應(yīng)鏈運(yùn)作效率越高，企業(yè)要素資源配置越高效，反之則企業(yè)資源配置效率低下。由此可見，當(dāng)企業(yè)供應(yīng)鏈運(yùn)轉(zhuǎn)效率處于較低水平時(shí)，企業(yè)資源配置效率較低，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用更加顯著。

參考趙玲和黃昊^[35]的研究成果，本文選取企業(yè)庫(kù)存周轉(zhuǎn)率（ITR）衡量供應(yīng)鏈運(yùn)作效率。首先，利用營(yíng)業(yè)成本/[（期初存貨余額+期末存貨余額）]/2計(jì)算得到企業(yè)庫(kù)存周轉(zhuǎn)率（ITR）。其次，將庫(kù)存周轉(zhuǎn)率（ITR）高于行業(yè)均值的樣本定義為高供應(yīng)鏈運(yùn)作效率企業(yè)樣本，并對(duì)分組樣本間差異進(jìn)行費(fèi)舍爾檢驗(yàn)，回歸結(jié)果見表6列（1）（2）。由結(jié)果可知，當(dāng)供應(yīng)鏈運(yùn)作效率較高時(shí)，數(shù)字化轉(zhuǎn)型（DT）的系數(shù)僅為0.001，且不顯著；當(dāng)供應(yīng)鏈運(yùn)作效率較低時(shí)，數(shù)字化轉(zhuǎn)型（DT）與全要素生產(chǎn)率（TFP）的回歸系數(shù)為0.026，且在1%水平上顯著正相關(guān)。此外，兩組樣本間差異通過了費(fèi)舍爾檢驗(yàn)。因此，上述回歸結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型通過提高供應(yīng)鏈運(yùn)轉(zhuǎn)效率，促進(jìn)企業(yè)全要素生產(chǎn)率提升。

（2）基于投資效率的分析。企業(yè)投資效率越高，其資金資源配置效率越高，反之亦然。因此，企業(yè)投資效率能夠反映企業(yè)資源配置效率^[36]。由此可知，當(dāng)投資效率較低時(shí)，企業(yè)資源配置效率較低，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用會(huì)更加顯著。

本文借鑒Richardson^[37]的研究模型測(cè)度企業(yè)投資效率，具體如式（2）所示。

Invest_i，t=δ₀+δ₁Size_{i，t－1}+δ₂Age_i，t－1+δ₃Lev_{i，t－1}+δ₄Cash_i，t－1+δ₅Return_i，t－1+δ₆Growth_{i，t－1}+δ₇Invest_i，t－1+∑Yearfe+∑Industryfe+ε_i，t（2）

其中，Invest代表該公司i第t期期末總投資水平，Invest=（購(gòu)建固定資產(chǎn)、無形資產(chǎn)及其它長(zhǎng)期資產(chǎn)的現(xiàn)金支出-處置固定資產(chǎn)、無形資產(chǎn)和其它長(zhǎng)期資產(chǎn)的現(xiàn)金收入）/公司i第t-1期期末總資產(chǎn)。Size代表公司規(guī)模，采用公司i第t-1期期末總資產(chǎn)的自然對(duì)數(shù)表示。Age代表公司年齡，采用公司i第t-1期期末與上市年份差值的自然對(duì)數(shù)表示。Lev代表財(cái)務(wù)杠桿率，采用公司i第t-1期期末總負(fù)債/總資產(chǎn)的比值表示。Cash代表現(xiàn)金持有水平，采用公司i第t-1期期末貨幣資金/總資產(chǎn)的比值表示。Return代表股票年回報(bào)率，考慮到現(xiàn)金紅利再投資的年個(gè)股回報(bào)率，采用公司i第t-1期5月至第t期4月（共12個(gè)月）買入并持有收益率進(jìn)行計(jì)算。Growth代表公司成長(zhǎng)性，采用公司i第t-1期期末營(yíng)業(yè)收入較上一期營(yíng)業(yè)收入的增長(zhǎng)率表示。Inv代表公司i第t-1期期末投資水平，∑Industryfe、∑Year分別為行業(yè)和年度固定效應(yīng)。對(duì)模型（2）進(jìn)行回歸，將所得殘差進(jìn)行絕對(duì)值運(yùn)算，得到公司非效率投資水平。該殘差的絕對(duì)值越大，則公司當(dāng)年非效率投資水平越高，投資效率越低。

本文按照投資效率中位數(shù)對(duì)研究樣本進(jìn)行分組，并對(duì)分組樣本間差異進(jìn)行費(fèi)舍爾檢驗(yàn)，回歸結(jié)果見表7列（1）（2）。由結(jié)果可知，當(dāng)企業(yè)投資效率較高時(shí)，數(shù)字化轉(zhuǎn)型（DT）的系數(shù)為0.009，且不顯著；當(dāng)企業(yè)投資效率較低時(shí)，數(shù)字化轉(zhuǎn)型（DT）與全要素生產(chǎn)率（TFP）的回歸系數(shù)為0.034，且在1%水平上顯著正相關(guān)。此外，兩組樣本間差異通過了費(fèi)舍爾檢驗(yàn)。因此，上述回歸結(jié)果表明，投資效率（Invest）較低的企業(yè)，其數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率，也證實(shí)企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提高投資效率促進(jìn)企業(yè)全要素生產(chǎn)率提升。

此外，本文進(jìn)一步探究企業(yè)數(shù)字化轉(zhuǎn)型究竟是通過抑制過度投資，還是通過緩解投資不足促進(jìn)全要素生產(chǎn)率提升這一問題。再次對(duì)模型（2）進(jìn)行回歸，若所得殘差項(xiàng)大于0，則定義為過度投資（Over_INV）。Over_INV值越大，說明該公司過度投資程度越高。若所得殘差項(xiàng)小于0，則定義為投資不足（Under_INV）。將Under_INV作絕對(duì)值處理，得到的Under_INV值越大，說明該公司投資不足程度越高。

回歸結(jié)果見表7列（3）、列（4）。由結(jié)果可知，當(dāng)企業(yè)過度投資程度較高時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型（DT）與全要素生產(chǎn)率（TFP）顯著正相關(guān)，兩者間相關(guān)系數(shù)為0.059，且在1%水平上顯著。另外，兩組樣本間差異同樣通過了費(fèi)舍爾檢驗(yàn)。由表7列（5）（6）可知，無論企業(yè)投資不足程度如何，數(shù)字化轉(zhuǎn)型（DT）與企業(yè)全要素生產(chǎn)率（TFP）均不相關(guān)。因此，上述回歸結(jié)果表明，在過度投資程度較高的企業(yè)中，數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)全要素生產(chǎn)率，進(jìn)一步證實(shí)企業(yè)數(shù)字化轉(zhuǎn)型可通過抑制企業(yè)過度投資提高投資效率，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

4.4.2 總樣本機(jī)制檢驗(yàn)

本文借鑒溫忠麟等^[38]的研究模型進(jìn)行驗(yàn)證，具體如式（3）～（5）所示。

TFP_LPi，t=μ₀+μ₁DT_{i，t－1}+μ₂∑C_i，t+∑Firmfe+∑Yearfe+ε_i，t（3）

Mediator_i，t=α₀+α₁DT_{i，t－1}+α₂∑C_i，t+∑Firmfe+∑Yearfe+ε_i，t（4）

TFP_LPi，t=δ₀+δ₁DT_{i，t－1}+δ₂Mediator_i，t+δ₃∑C_i，t+∑Firmfe+∑Yearfe+ε_i，t（5）

在上述模型中，Mediators為機(jī)制變量，包括供應(yīng)鏈運(yùn)作效率（ITR）與投資效率（Invest）。其中，投資效率又分為過度投資（Over_INV）與投資不足（Under_INV）。

回歸結(jié)果見表8，列（1）為本文基準(zhǔn)回歸結(jié)果。由列（2）可知，DT與ITR的回歸系數(shù)在5%水平上顯著為正，由列（4）可知，DT與Invest的回歸系數(shù)在1%水平上顯著為負(fù)。列（2）（4）表明，數(shù)字化轉(zhuǎn)型能夠提升企業(yè)供應(yīng)鏈運(yùn)作效率，并降低非效率投資水平，從而提升企業(yè)投資效率。列（3）（5）分別為引入變量ITR與變量Invest的回歸結(jié)果，由結(jié)果可知，與基準(zhǔn)回歸相比，DT估計(jì)系數(shù)的絕對(duì)值變小但依然在1%水平上顯著為正。同時(shí)，ITR的回歸系數(shù)顯著為正，Invest的回歸系數(shù)顯著為負(fù)。上述回歸結(jié)果表明，數(shù)字化轉(zhuǎn)型通過提高企業(yè)供應(yīng)鏈運(yùn)作效率與投資效率，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

由列（6）可知，DT與Over_INV的回歸系數(shù)在5%水平上顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型可以矯正企業(yè)過度投資。由列（7）可知，與基準(zhǔn)回歸相比，DT的估計(jì)系數(shù)絕對(duì)值變小但依然在1%水平上顯著為正。由列（8）（9）可知，DT與Under_INV的回歸系數(shù)并不顯著。因此，上述回歸結(jié)果表明，數(shù)字化轉(zhuǎn)型通過矯正過度投資提升企業(yè)投資效率，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升。

綜上，總樣本機(jī)制檢驗(yàn)證實(shí)數(shù)字化轉(zhuǎn)型通過提高企業(yè)供應(yīng)鏈運(yùn)作效率與矯正過度投資提升投資效率，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升?！皵?shù)字化轉(zhuǎn)型—資源配置效率—企業(yè)全要素生產(chǎn)率”的機(jī)制路徑得到再次印證。

5 進(jìn)一步分析

5.1 基于企業(yè)技術(shù)創(chuàng)新依賴的異質(zhì)性檢驗(yàn)

參照中國(guó)證監(jiān)會(huì)頒布的《上市公司行業(yè)分類指引》（2012年修訂版），根據(jù)企業(yè)對(duì)技術(shù)創(chuàng)新的依賴程度，本文將研究樣本劃分成高新技術(shù)企業(yè)與非高新技術(shù)企業(yè)。其中，將屬于醫(yī)藥制造業(yè)、儀器儀表制造業(yè)、鐵路、船舶、航空航天和其它運(yùn)輸設(shè)備制造業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)、化學(xué)纖維制造業(yè)、計(jì)算機(jī)、通信和其它電子設(shè)備制造業(yè)的企業(yè)界定為高新技術(shù)企業(yè)，其余則界定為非高新技術(shù)企業(yè)。

回歸結(jié)果如表9列（1）和列（2）所示。由結(jié)果可以發(fā)現(xiàn)，無論是在高新技術(shù)企業(yè)還是在非高新技術(shù)企業(yè)，數(shù)字化轉(zhuǎn)型（DT）均能夠顯著提升企業(yè)全要素生產(chǎn)率（TFP）。高新技術(shù)企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率間的相關(guān)系數(shù)為0.026，且在1%水平上顯著正相關(guān)。非高新技術(shù)企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率間的相關(guān)系數(shù)較小，且在10%水平上顯著正相關(guān)。

造成這一結(jié)果的原因可能在于：與非高新技術(shù)企業(yè)相比，高新技術(shù)企業(yè)擁有更好的創(chuàng)新資源基礎(chǔ)與更多的技術(shù)創(chuàng)新研發(fā)需求，后者能夠幫助高新技術(shù)企業(yè)充分發(fā)揮自身優(yōu)勢(shì)以實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，加速生產(chǎn)方式、企業(yè)形態(tài)、業(yè)務(wù)模式全方位變革，從而帶動(dòng)企業(yè)全要素生產(chǎn)率提升。

5.2 基于地理區(qū)域的異質(zhì)性檢驗(yàn)

參照王宏鳴等^[39]的研究成果，本文將研究樣本劃分為東部地區(qū)企業(yè)、中部地區(qū)企業(yè)和西部地區(qū)企業(yè)，回歸結(jié)果如表10列（1）～（3）所示。由結(jié)果可知，企業(yè)數(shù)字化轉(zhuǎn)型（DT）在1%水平上顯著提高東部地區(qū)企業(yè)全要素生產(chǎn)率，而對(duì)中部地區(qū)和西部地區(qū)企業(yè)全要素生產(chǎn)率的提升作用不顯著。產(chǎn)生這一結(jié)果的原因可能在于：與中西部地區(qū)相比，東部地區(qū)數(shù)字基礎(chǔ)設(shè)施水平、金融發(fā)展水平及人力資本存量水平較高，可為企業(yè)數(shù)字化轉(zhuǎn)型提供支撐。此外，企業(yè)數(shù)字化轉(zhuǎn)型需要大量創(chuàng)新型人才，由于互聯(lián)網(wǎng)普及率不斷提升，東部地區(qū)加快對(duì)中西部地區(qū)人才吸引，其人力資本結(jié)構(gòu)趨向高級(jí)化，由于馬太效應(yīng)的存在，導(dǎo)致中西部地區(qū)高級(jí)人力資本匱乏（劉和東，2013），進(jìn)而阻礙中西部地區(qū)企業(yè)全要素生產(chǎn)率提升。

本文進(jìn)一步將研究樣本劃分為南方地區(qū)和北方地區(qū)，回歸結(jié)果如表9列（4）～（5）所示。無論是在南方地區(qū)還是北方地區(qū)，企業(yè)數(shù)字化轉(zhuǎn)型（DT）均能顯著促進(jìn)其全要素生產(chǎn)率（TFP）提升，但從回歸系數(shù)與顯著性看，在南方地區(qū)，企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用更加顯著。一方面，可能是因?yàn)槟戏降貐^(qū)科技投入強(qiáng)度和轉(zhuǎn)化水平持續(xù)提升，而北方地區(qū)面臨科技創(chuàng)新停滯問題；另一方面，南方地區(qū)教育資源優(yōu)勢(shì)進(jìn)一步促使人力資本南移^[40]。因此，由于地區(qū)科技創(chuàng)新與人力資本水平存在差異，導(dǎo)致企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率具有非均衡性影響。

6 結(jié)語

6.1 結(jié)論

在數(shù)字化浪潮下，促進(jìn)企業(yè)全要素生產(chǎn)率提升，加快我國(guó)制造業(yè)發(fā)展模式由“鋪攤子”向“上臺(tái)階”轉(zhuǎn)變，是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的微觀基礎(chǔ)。本文考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響及機(jī)制，結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)全要素生產(chǎn)率提升。在機(jī)制檢驗(yàn)方面，本文選取企業(yè)投資效率與供應(yīng)鏈運(yùn)作效率作為資源配置效率衡量指標(biāo)，通過機(jī)制檢驗(yàn)證實(shí)當(dāng)資源配置效率較低時(shí)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用更加顯著。由此可見，資源配置效率是企業(yè)全要素生產(chǎn)率提升的內(nèi)生動(dòng)力。加快數(shù)字技術(shù)與企業(yè)各類要素資源融合無疑是提升企業(yè)資源配置效率與企業(yè)全要素生產(chǎn)率的重要路徑。進(jìn)一步研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)作用在高新技術(shù)企業(yè)以及東部地區(qū)和南方地區(qū)更加顯著。

6.2 建議

（1）政府應(yīng)緊抓數(shù)字經(jīng)濟(jì)發(fā)展機(jī)遇，加快推進(jìn)數(shù)字化發(fā)展戰(zhàn)略部署，為企業(yè)數(shù)字化轉(zhuǎn)型營(yíng)造良好的生態(tài)環(huán)境。首先，應(yīng)統(tǒng)籌規(guī)劃大數(shù)據(jù)平臺(tái)建設(shè)，根據(jù)市場(chǎng)需求對(duì)數(shù)據(jù)進(jìn)行價(jià)值化、資源化。同時(shí)，營(yíng)造有利于數(shù)據(jù)要素流通的市場(chǎng)環(huán)境，促進(jìn)數(shù)據(jù)價(jià)值提升，進(jìn)而為企業(yè)數(shù)字化轉(zhuǎn)型提供數(shù)據(jù)和算力支撐。其次，應(yīng)鼓勵(lì)龍頭企業(yè)實(shí)現(xiàn)數(shù)字信息技術(shù)與要素資源深度融合，提升企業(yè)數(shù)智化水平，驅(qū)動(dòng)更多企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。最后，應(yīng)加強(qiáng)我國(guó)新型數(shù)字基礎(chǔ)設(shè)施建設(shè)，重視區(qū)域數(shù)字基礎(chǔ)設(shè)施建設(shè)過程中存在的問題，加快落后地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)，以此降低區(qū)域間企業(yè)數(shù)字化轉(zhuǎn)型不平衡程度。

（2）企業(yè)應(yīng)意識(shí)到數(shù)字化轉(zhuǎn)型是提升其全要素生產(chǎn)率的新引擎。應(yīng)加快數(shù)字技術(shù)在研發(fā)創(chuàng)新、生產(chǎn)銷售、倉(cāng)儲(chǔ)物流、營(yíng)銷服務(wù)、管理決策等環(huán)節(jié)的廣泛應(yīng)用，促使技術(shù)創(chuàng)新和應(yīng)用創(chuàng)新相互促進(jìn)，形成良性循環(huán)。此外，傳統(tǒng)人才無法滿足企業(yè)數(shù)字化轉(zhuǎn)型需求，企業(yè)應(yīng)根據(jù)數(shù)字化轉(zhuǎn)型需求進(jìn)行人才引進(jìn)，加強(qiáng)企業(yè)人才隊(duì)伍建設(shè)與優(yōu)化，從而加速數(shù)字化轉(zhuǎn)型。

6.3 不足與展望

需要說明的是，本文采用企業(yè)投資效率與供應(yīng)鏈運(yùn)作效率作為資源配置效率的代理變量存在不足，繼續(xù)尋找合理的指標(biāo)衡量企業(yè)資源配置效率，進(jìn)一步深化作用機(jī)制分析，將是未來研究的方向。

參考文獻(xiàn)：

[1] 郭克莎.中國(guó)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)趨勢(shì)與“十四五”時(shí)期政策思路［J］.中國(guó)工業(yè)經(jīng)濟(jì)， 2019， 36（7）：24-41.

[2] 江小涓，孟麗君.內(nèi)循環(huán)為主、外循環(huán)賦能與更高水平雙循環(huán)——國(guó)際經(jīng)驗(yàn)與中國(guó)實(shí)踐［J］.管理世界，2021，37（1）：1-19.

[3] 荊文君，孫寶文.數(shù)字經(jīng)濟(jì)促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展：一個(gè)理論分析框架［J］.經(jīng)濟(jì)學(xué)家，2019， 31（2）：66-73.

[4] 楊汝岱.中國(guó)制造企業(yè)全要素生產(chǎn)率研究［J］.經(jīng)濟(jì)研究，2015，50（2）：61-74.

[5] 李雷，楊水利，陳娜.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響研究［J］.軟科學(xué)，2019，36 （11）：23-29.

[6] 趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］.財(cái)貿(mào)經(jīng)濟(jì)，2021， 42（7）：114-129.

[7] 涂心語，嚴(yán)曉玲.數(shù)字化轉(zhuǎn)型、知識(shí)溢出與企業(yè)全要素生產(chǎn)率——來自制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2022，21 （2）：43-56.

[8] 聶輝華，賈瑞雪.中國(guó)制造企業(yè)生產(chǎn)率與資源誤置［J］.世界經(jīng)濟(jì)，2011，34（7）：27-42.

[9] BRANDT L， BIESEBROECK J， ZHANG Y. Creative accounting or creative destruction？ firm-level productivity growth in Chinese manufacturing[J].Journal of Development Economics， 2012， 97（2）： 339-351.

[10] 毛德鳳，李靜，彭飛，等.研發(fā)投入與企業(yè)全要素生產(chǎn)率——基于PSM和GPS的檢驗(yàn)［J］.財(cái)經(jīng)研究，2013，39（4）：134-144.

[11] 張璇，王凱麗，司海濤.僵尸企業(yè)、資源錯(cuò)配與企業(yè)全要素生產(chǎn)率——來自中國(guó)工業(yè)企業(yè)的經(jīng)驗(yàn)證據(jù)［J］.財(cái)經(jīng)問題研究，2019， 41 （7）：57-66.

[12] 溫湖煒，鐘啟明.智能化發(fā)展對(duì)企業(yè)全要素生產(chǎn)率的影響——來自制造業(yè)上市公司的證據(jù)［J］.中國(guó)科技論壇，2021，37（1）：84-94.

[13] 范劍勇，馮猛，李方文.產(chǎn)業(yè)集聚與企業(yè)全要素生產(chǎn)率［J］.世界經(jīng)濟(jì)，2014，37（5）：51-73.

[14] PAUNOV C， ROLLO V. Has the internet fostered inclusive innovation in the developing world[J].World Development， 2016， 78： 587-609.

[15] STURGEON T J. Upgrading strategies for the digital economy ［J］. Global Strategy Journal， 2021， 11（1）： 34-57.

[16] PAN W R， XIE T， WANG Z W， et al. Digital economy： an innovation driver for total factor productivity[J].Journal of Business Research， 2021， 139： 303-311.

[17] 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(guó)上市公司的微觀證據(jù)［J］.世界經(jīng)濟(jì)研究，2022，41（9）：119-134，137.

[18] 杜明威，耿景珠，劉文革.企業(yè)數(shù)字化轉(zhuǎn)型與中國(guó)出口產(chǎn)品質(zhì)量升級(jí)：來自上市公司的微觀證據(jù)［J］.國(guó)際貿(mào)易問題，2022，41（6）：55-72.

[19] 李萬利，潘文東，袁凱彬.企業(yè)數(shù)字化轉(zhuǎn)型與中國(guó)實(shí)體經(jīng)濟(jì)發(fā)展［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（9）：5-25.

[20] 黃大禹，謝獲寶，孟祥瑜，等.數(shù)字化轉(zhuǎn)型與企業(yè)價(jià)值——基于文本分析方法的經(jīng)驗(yàn)證據(jù)［J］.經(jīng)濟(jì)學(xué)家，2021，33（12）：41-51.

[21] 譚志東，趙洵，潘俊，等.數(shù)字化轉(zhuǎn)型的價(jià)值：基于企業(yè)現(xiàn)金持有的視角［J］.財(cái)經(jīng)研究，2022， 48（3）：64-78.

[22] 李琦，劉力鋼，邵劍兵.數(shù)字化轉(zhuǎn)型、供應(yīng)鏈集成與企業(yè)績(jī)效——企業(yè)家精神的調(diào)節(jié)效應(yīng)［J］.經(jīng)濟(jì)管理，2021，43（10）：5-23.

[23] 何偉，張偉東，王超賢.面向數(shù)字化轉(zhuǎn)型的“互聯(lián)網(wǎng)+”戰(zhàn)略升級(jí)研究［J］.中國(guó)工程科學(xué)， 2020，22（4）：10-17.

[24] NARAYANAN M P. Debt versus equity under asymmetric information［J］.Journal of? Financial & Quantitative Analysis， 1988， 23（1）： 104-105.

[25] MYERS S C， MAJLUF N S. Corporate financing and investment decisions when firms have information that investors do not have［J］. Journal of Financial Economics，1984，13（2）： 187-221.

[26] COMIN D， HOBIJN B. An exploration of technology diffusion［J］. American Economic Review， 2010， 100 （5）： 2031-2059.

[27] HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India［J］. Quarterly Journal of Economics， 2009， 124（4）： 1403-1448.

[28] HARFORD J， MANSI S A， MAXWELL W F. Corporate governance and firm cash holdings in the US［J］. Journal of Financial Economics， 2008， 87（3）：535-555.

[29] JENSEN M C. Agency costs of free cash flow， corporate finance， and takeovers［J］. American Economic Review，1986，76（2）： 323-329.

[30] 張任之.數(shù)字技術(shù)與供應(yīng)鏈效率：理論機(jī)制與經(jīng)驗(yàn)證據(jù)［J］.經(jīng)濟(jì)與管理研究， 2022， 43（5）：60-76.

[31] 魯曉東，連玉君.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì)：1999—2007［J］.經(jīng)濟(jì)學(xué)（季刊）， 2012，11（2）： 541-558.

[32] OLLEY G S，PAKES A.The dynamics of productivity in the telecommunications equipment industry[J].Eonometrica，1996，64（6）：1263-1297.

[33] 姚洋，章奇.中國(guó)工業(yè)企業(yè)技術(shù)效率分析［J］.經(jīng)濟(jì)研究，2001，47（10）：13-19.

[34] 張永珅，李小波，邢銘強(qiáng).企業(yè)數(shù)字化轉(zhuǎn)型與審計(jì)定價(jià)［J］.審計(jì)研究，2021，37（3）：62-71.

[35] 趙玲，黃昊.企業(yè)數(shù)字化轉(zhuǎn)型、供應(yīng)鏈協(xié)同與成本粘性［J］.當(dāng)代財(cái)經(jīng)，2022，43（5）：124-136.

[36] STEIN J C. Agency， information and corporate investment[J].Handbook of the Economics of Finance，2003（1）：111-165.

[37] RICHARDSON S. Over-invest of free cash flow［J］. Review of Accounting Studies， 2006， 11（2）： 159-189.

[38] 溫忠麟，張雷，侯杰泰，等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用［J］.心理學(xué)報(bào)，2004，49（5）：614-620.

[39] 王宏鳴，孫鵬博，郭慧芳.數(shù)字金融如何賦能企業(yè)數(shù)字化轉(zhuǎn)型——來自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)［J］.財(cái)經(jīng)論叢，2022，39（10）：3-13.

[40] 楊明洪，巨棟，涂開均.“南北差距”：中國(guó)區(qū)域發(fā)展格局演化的事實(shí)、成因與政策響應(yīng)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2021，41（4）：97-112.

（責(zé)任編輯：張 悅）

Digital Transformation and Enterprise Total Factor Productivity：

A Mechanism Test Based on Resource Allocation Efficiency

Wang Jingbin，Liu Zhaoning，Liu Xinmin

（School of Management， Tianjin University of Technology， Tianjin 300384， China）

Abstract：As international trade protectionism continues to rise， and the pandemic has been restructuring domestic and foreign industrial chains，the Chinese manufacturing industry is facing increasing domestic and foreign constraints，and China's economy is moving into a period of "structural deceleration" from a period of "structural growth". It is essential to promote the quality， efficiency and motivation transformation of China's economic development. In recent years， China has vigorously promoted the development of new-generation digital technologies such as Internet+， big data， quantum computing and artificial intelligence， as well as the construction of digital infrastructure， so as to accelerate the implementation of the strategy of strengthening network power and seize new opportunities for the development of the digital economy. The development of a new generation of digital technology and the construction of digital infrastructure do not only involve an all-round， all-angle， full-chain dynamic transformation of enterprise R&D and design， production and sales， warehousing and logistics， and management decision-making， but also open up the information flow， business flow and capital flow between the industrial chain and the upstream and downstream of the supply chain， promoting the integration and coordinated development of the industrial chain and supply chain， and further play the role of digital technology and digital infrastructure in speeding up China's economic development. It is beyond dispute that the development of digital technology and digital economy has greatly promoted China's economic development. However， there are few relevant empirical studies on whether the digital transformation of manufacturing enterprises can promote their total factor productivity at the micro level. Further， the mechanism of action is not fully explored.

In this context， from the analytical perspective of resource allocation efficiency， this paper takes supply chain operational efficiency and investment efficiency as proxy variables of resource allocation efficiency to conduct an empirical study on the relationship between enterprise digital transformation and enterprise total factor productivity. The study firstly sorts out the relevant literature and related theories to analyze the mechanism of enterprise digital transformation on the enterprise total factor productivity and constructs the analysis framework of digital transformation of enterprises—resource allocation—total factor productivity. Secondly， it takes China's A-share listed manufacturing companies from 2011 to 2020 as? research samples and builds a digital transformation index based on the frequency of keywords related to digital transformation in the companies， annual reports. Thirdly， drawing on the panel fixed effect model， the study empirically tests the impact and mechanism of the digital transformation of enterprises on their total factor productivity. In addition， it conducts a heterogeneity analysis and associated economic consequences analysis based on firm characteristics and regional characteristics. Finally， relevant policy recommendations are put forward from the perspective of the government and enterprises.

The findings of this paper are as follows. First， the empirical research shows that the digital transformation of enterprises has significantly improved the total factor productivity of enterprises， and this empirical result is robust. Second， in terms of the mechanism， digital transformation of enterprises can promote the improvement of total factor productivity of enterprises by improving the efficiency of resource allocation. Specifically， digital transformation improves the total factor productivity of enterprises by improving the efficiency of enterprise supply chain operations and correcting excessive investment to improve investment efficiency. Third， for high-tech enterprises and the eastern and southern regions， the digital transformation of enterprises has a greater effect on improving the total factor productivity of enterprises.

The research conclusions of this paper advance the understanding of the relationship between digital transformation and total factor productivity of enterprises， and expand the theoretical analysis framework for the deep integration of digital technology and the real economy. Meanwhile， the research conclusions of this paper provide new empirical evidence for understanding the economic effects of enterprise digital transformation and provide important policy implications for consolidating the micro-foundation necessary for high-quality economic development.

Key Words：Digital Transformation；Resource Allocation Efficiency；Supply Chain Operation Efficiency；Investment Efficiency；Total Factor Productivity