[摘要]新質(zhì)生產(chǎn)力是實現(xiàn)中國式現(xiàn)代化和高質(zhì)量發(fā)展的重要基礎，全要素生產(chǎn)率大幅提升是新質(zhì)生產(chǎn)力發(fā)展水平的核心標志。為探討數(shù)字經(jīng)濟發(fā)展對我國企業(yè)全要素生產(chǎn)率的影響，基于員工層和管理層人力資本雙重視角，研究公司數(shù)字化轉型影響全要素生產(chǎn)率的作用效果和微觀渠道。在理論分析基礎上，構建面板數(shù)據(jù)模型和中介效應模型，引入工具變量（組合），并利用我國A股主板上市公司2011—2022年的觀測樣本進行檢驗。研究表明，公司數(shù)字化轉型有助于促進全要素生產(chǎn)率提升，控制了反向因果和變量遺漏的內(nèi)生性偏誤后實證結果依然如此。數(shù)字化轉型能夠通過提升員工技能和管理層能力改善公司全要素生產(chǎn)率。由此可知：一方面，在我國實體經(jīng)濟和數(shù)字經(jīng)濟深度融合發(fā)展背景下，公司數(shù)字化轉型對全要素生產(chǎn)率提升的確有著顯著改進作用；另一方面，人力資本是這種改善作用的重要中介作用渠道，其中包括普通員工層和公司管理層的人力資本提升。由此，不僅證實了公司數(shù)字化轉型對全要素生產(chǎn)率的改進作用，也揭示了人力資本視角下公司數(shù)字化轉型賦能的微觀作用機制，還對基于人力資本（勞動者）視角發(fā)展新質(zhì)生產(chǎn)力提供了新的經(jīng)驗證據(jù)。

[關鍵詞]數(shù)字化轉型；全要素生產(chǎn)率；人力資本；管理層能力

一、 引言

黨的二十大報告中指出，“高質(zhì)量發(fā)展是全面建設社會主義現(xiàn)代化國家的首要任務”1。作為推動高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點，新質(zhì)生產(chǎn)力發(fā)展以全要素生產(chǎn)率大幅提升為核心標志[1]。因此，加快推動三次產(chǎn)業(yè)數(shù)字化轉型、提高數(shù)字化發(fā)展水平，對提高全要素生產(chǎn)率、加快發(fā)展新質(zhì)生產(chǎn)力具有重要意義和戰(zhàn)略價值。2023年，全國數(shù)字經(jīng)濟核心產(chǎn)業(yè)增加值達到12萬億元以上2，數(shù)據(jù)生產(chǎn)總量達32.85ZB、同比增長22.44%，為利用數(shù)字經(jīng)濟全方位改造傳統(tǒng)產(chǎn)業(yè)、全鏈條賦能核心環(huán)節(jié)提供了技術支撐和數(shù)據(jù)保障。

圍繞數(shù)字化轉型對全要素生產(chǎn)率影響及其作用機制，已有文獻展開研究并形成了頗有價值的成果。隨著數(shù)字技術廣泛應用和大數(shù)據(jù)時代全面到來，數(shù)字經(jīng)濟與實體經(jīng)濟借助數(shù)字技術應用和數(shù)據(jù)要素賦能實現(xiàn)深度融合，促進產(chǎn)業(yè)結構優(yōu)化、增長動能轉換和經(jīng)濟高質(zhì)量發(fā)展[2-4]。在宏觀層面，互聯(lián)網(wǎng)發(fā)展、數(shù)字經(jīng)濟水平、人工智能等數(shù)字技術應用有助于改善地區(qū)全要素生產(chǎn)率[4-5]。在微觀層面，公司數(shù)字化轉型，（非數(shù)字經(jīng)濟核心產(chǎn)業(yè)）數(shù)字技術創(chuàng)新水平，大數(shù)據(jù)、智能制造等促進全要素生產(chǎn)率提升[6-8]。無論是宏觀經(jīng)濟還是微觀企業(yè)，數(shù)字化轉型促進全要素生產(chǎn)率改善已達成共識，其中內(nèi)在的作用機理主要有交易成本、創(chuàng)新活動、資源錯配、營運質(zhì)量、投資效率、人力資本、信息透明度等中介因素[9-11]。在此過程中，不少文獻都將勞動（人力資本）作為重要中介（機制）變量，但主要都是基于員工層（普通員工和技術研發(fā)人員，下同）角度用本科及以上學歷員工占比或科技人員占比來衡量。遺憾的是，該方法僅僅反映了員工層面的人力資本存量，難以刻畫承載公司重大決策和管理職能的高級管理人員人力資本水平。與員工（部門經(jīng)理）能力要求的專業(yè)性相比，管理層需具備的管理能力是一種綜合性、以實踐為基礎的、復雜的、稀缺的人力資本，且這種能力已經(jīng)得到更高薪酬和市場供不應求局面的旁證[12]。

有鑒于此，本文以2011—2022年滬深A股主板上市公司為觀測樣本，將公司管理層和員工同時作為人力資本中介變量，探討公司數(shù)字化轉型影響全要素生產(chǎn)率的作用效果和微觀渠道，以證實公司數(shù)字化轉型有助于促進全要素生產(chǎn)率提升，并基于人力資本視角揭示其中的微觀作用機制：公司數(shù)字化轉型能夠通過提升管理層能力和員工技能改善全要素生產(chǎn)率。綜合比較來看，本文可能在以下三個方面豐富既有研究文獻。一是引入新的工具變量組合緩解內(nèi)生性偏誤，有效緩解公司數(shù)字化轉型影響全要素生產(chǎn)率的因果效應。二是同時著眼管理層和員工層面雙重視角，揭示公司數(shù)字化轉型影響全要素生產(chǎn)率的人力資本新機制。三是基于高素質(zhì)勞動者（人力資本）視角，豐富提升全要素生產(chǎn)率、發(fā)展新質(zhì)生產(chǎn)力的相關文獻。

二、 研究假設

1. 數(shù)字化轉型及其測算研究文獻綜述

隨著數(shù)字技術的不斷滲透和存量數(shù)據(jù)的快速增長，數(shù)字經(jīng)濟范疇呈現(xiàn)“ICT產(chǎn)業(yè)→新型融合業(yè)態(tài)→全社會數(shù)字化發(fā)展”的演進態(tài)勢。作為數(shù)字經(jīng)濟的重要組成部分，產(chǎn)業(yè)數(shù)字化暨全要素數(shù)字化轉型在此過程中發(fā)揮了巨大作用[13]。一方面，宏觀經(jīng)濟測算視角的產(chǎn)業(yè)數(shù)字化是我國數(shù)字經(jīng)濟的重要組成部分，其指傳統(tǒng)產(chǎn)業(yè)通過引進數(shù)字技術、融入數(shù)據(jù)要素、提升人力資本等帶來增量價值。另一方面，產(chǎn)業(yè)數(shù)字化（轉型）過程是推動數(shù)字經(jīng)濟對工業(yè)、農(nóng)業(yè)和服務業(yè)進行全方位、全鏈條的改造，提高土地、勞動、技術、資本等其他要素的生產(chǎn)效率。其中，能夠對數(shù)字化轉型起到實質(zhì)作用的主要有數(shù)字技術、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才和數(shù)字新型基礎設施等[14-16]。

基于以上界定，本文基于微觀層面將企業(yè)數(shù)字化轉型界定為，綜合利用數(shù)字技術、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才和數(shù)字新型基礎設施對研發(fā)、生產(chǎn)、經(jīng)營、管理等進行全方位、全鏈條改造升級的活動[17-19]。與其他相關文獻側重數(shù)字技術應用（表述）相比，本文創(chuàng)新性地將數(shù)據(jù)要素、數(shù)字人才和數(shù)字新基建利用等納入數(shù)字化轉型范疇。圍繞企業(yè)數(shù)字化轉型發(fā)展測算，國內(nèi)文獻主要分為文本分析法和財務指標法。文本分析法主要利用數(shù)據(jù)分析技術對上市公司年度報告及相關文件進行數(shù)字化相關詞頻進行綜合分析，借此形成公司數(shù)字化轉型水平的測算結果[20]。財務指標法主要對財務報表及附注中涉及軟件、硬件、項目等數(shù)字化投入科目進行綜合測算，借此評價公司數(shù)字化轉型發(fā)展程度[21-22]。基于本文上述定義，我國企業(yè)數(shù)字化轉型覆蓋面廣、涉及指標多、定量測算復雜，難以用定量化的方法予以準確地衡量。與此同時，文本分析法以詞頻為核心分析指標，難以直接刻畫或間接推斷企業(yè)數(shù)字化轉型水平。故而，本文選擇財務指標法作為企業(yè)數(shù)字化轉型代理變量，反映企業(yè)綜合利用數(shù)字技術、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才等數(shù)字化轉型發(fā)展水平。

2. 數(shù)字化轉型影響公司全要素生產(chǎn)率作用機理

新質(zhì)生產(chǎn)力具有高科技、高效能、高質(zhì)量特征，其以全要素生產(chǎn)率大幅提升為核心標志1。其中，全要素生產(chǎn)率最早由美國經(jīng)濟學家羅伯特·索羅提出，代表了除資本要素和勞動要素增長之外的其他所有因素對產(chǎn)出增長（經(jīng)濟增長）的貢獻，反映在所有其他生產(chǎn)要素的投入量保持不變的條件下，來自技術進步、組織創(chuàng)新、管理改善、優(yōu)化配置等增加的生產(chǎn)效率[23]。因此，企業(yè)綜合利用數(shù)字技術、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才等，對研發(fā)、生產(chǎn)、經(jīng)營、管理等改造升級，有助于促進公司全要素生產(chǎn)率提升。

數(shù)字技術與生產(chǎn)部門融合發(fā)展能夠推動產(chǎn)業(yè)結構優(yōu)化調(diào)整，與金融部門深度融合能夠緩解高技術產(chǎn)業(yè)的融資約束且促進產(chǎn)業(yè)結構轉型升級[3]。隨著以物聯(lián)網(wǎng)、云計算、人工智能等為代表的數(shù)字技術的廣泛應用，數(shù)字化轉型不斷改造升級研發(fā)、生產(chǎn)、經(jīng)營、管理等環(huán)節(jié)，通過技術進步、組織創(chuàng)新、管理改善等渠道提升全要素生產(chǎn)率水平。在此過程中，數(shù)字化轉型有助于提高創(chuàng)新能力、優(yōu)化人力資本結構、緩解融資約束壓力等并促進全要素生產(chǎn)率改善，卻因企業(yè)個體特征和外部宏觀環(huán)境而存在異質(zhì)性影響[20，24-25]。與此同時，數(shù)字化轉型能夠通過提升產(chǎn)品競爭力、擴大市場布局、改善運營效率等，提升實業(yè)投資水平、抑制“脫實向虛”[26]。面對日趨復雜的交易流程和不斷上升的交易成本，數(shù)字化轉型能夠借助數(shù)字技術改善核心業(yè)務流程、促進專業(yè)化分工，繼而推動企業(yè)優(yōu)化資源配置效率、提升企業(yè)全要素生產(chǎn)率[27]。與此同時，數(shù)字技術與人力資本結構改善能夠促進企業(yè)全要素生產(chǎn)率提升，且主要通過技術創(chuàng)新渠道予以實現(xiàn)[28]。除了自身數(shù)字化轉型，來自政府部門智能制造政策干預也能夠通過提升信息化水平、優(yōu)化人力資本結構、緩解融資約束等，促進企業(yè)全要素生產(chǎn)率改善[8，29-30]。據(jù)此，本文提出如下研究假設：

H1：在其余變量不變的情況下，公司數(shù)字化轉型有助于推動全要素生產(chǎn)率改善。

推動企業(yè)數(shù)字化轉型有助于促進全要素生產(chǎn)率提升被不少文獻研究證實，其中涉及的作用渠道或傳導機制也從技術進步、融資便利、交易成本等向運營效率、組織創(chuàng)新、人力資本等拓展。人力資本（勞動者）在數(shù)字化轉型影響全要素生產(chǎn)率的作用機制中受到高度關注，但大多數(shù)文獻主要基于員工或研發(fā)人員視角進行研究，且主要用本科及以上學歷員工占比或技術研發(fā)人員比例衡量人力資本（高級化）水平[28-29]。遺憾的是，這種測算方法忽略了公司管理層人力資本的重要價值，難以準確刻畫數(shù)字化轉型通過全部人力資本影響全要素生產(chǎn)率的作用效果。與普通員工或技術研發(fā)人員相比，管理層能力（人力資本）通常需要長期管理實踐積累、工商管理通用性知識和崗位專業(yè)性知識相融合，是一種以實踐為基礎的、復雜的、稀缺的綜合性人力資本。因此，本文將管理層能力納入數(shù)字化轉型影響公司全要素生產(chǎn)率的人力資本作用機制過程。一方面，借助5G、物聯(lián)網(wǎng)、大數(shù)據(jù)等新一代信息技術，管理層能夠更加準確地掌握研發(fā)生產(chǎn)狀態(tài)和運營管理動態(tài)，及時高效地與各級管理人員和技術骨干高效溝通并提高決策效率。另一方面，依托大數(shù)據(jù)、云計算和人工智能等數(shù)字技術，管理層能夠充分假定多種情境、設想多種狀態(tài)對重大決策進行模擬、復盤，繼而全面提升重大決策質(zhì)量[31-32]。綜合所述，本文提出如下研究假設：

H2：在其余變量不變的情況下，公司數(shù)字化轉型能夠賦能管理層人力資本，實現(xiàn)全要素生產(chǎn)率提升。

H3：在其余變量不變的情況下，公司數(shù)字化轉型能夠賦能員工層人力資本，促進全要素生產(chǎn)率改善。

三、 研究設計

1. 主要變量說明（表1）

（1）被解釋變量

企業(yè)全要素生產(chǎn)率是指剔除勞動、資本、土地等要素投入增長貢獻之后的“余值”，直接表現(xiàn)為“產(chǎn)出增長率超出要素投入增長率的余值部分”。既有文獻表明，企業(yè)全要素生產(chǎn)率測算主要有最小二乘法（OLS法）、固定效應法（FE法）、廣義矩估計法（GMM法）等。最小二乘法和固定效應法具有內(nèi)生性問題[33]，廣義矩估計法具有較長樣本時間跨度難題[34]，而Olley-Pakes法（簡稱OP法）、Levinsohn-Petrin法（簡稱LP法）能夠借助半?yún)?shù)估計方法緩解以上難點[35-36]。故而，本文借鑒魯曉東等[34]的處理方法，選擇LP法測算公司全要素生產(chǎn)率水平。

（2）試驗變量

數(shù)字化轉型水平是衡量企業(yè)借助數(shù)字技術、數(shù)據(jù)要素及其人力資本等驅動，賦能研發(fā)設計、生產(chǎn)制造和經(jīng)營管理等全流程的程度，其中，主要有文本分析詞頻法[10，27]和財務數(shù)據(jù)測算法[22]用于測量?？紤]文本分析詞頻法的主觀性和不可驗證性，本文主要利用財務數(shù)據(jù)測算法衡量公司數(shù)字化轉型水平。

（3）中介機制變量

管理層能力。作為重要利益相關者之一，管理層能力高低直接決定公司全要素生產(chǎn)率水平。本文參考何威風等[37-38]的做法，利用數(shù)據(jù)包絡分析法（DEA）度量我國上市公司管理層能力。該方法本質(zhì)上是從公司全效率影響因素中分離出管理層對公司效率影響的剩余部分，用以衡量管理層能力。

員工專業(yè)技能。作為人力資本的重要組成部分，員工勞動技能高低同樣直接影響公司全要素生產(chǎn)率水平。鑒于難以通過量化指標測算員工勞動技能，本文主要利用學歷層次分布和高技能崗位結構間接推斷員工技能水平[39]。其中，利用本科及以上學歷員工占比來測算學歷層次分布、科技人員占比來測算崗位結構。

（4）主要控制變量

借鑒同類研究文獻，本文主要控制了如下變量：①公司規(guī)模，取主營業(yè)務收入自然對數(shù)；②經(jīng)營績效，用總資產(chǎn)收益率衡量；③財務杠桿，用總負債與總資產(chǎn)之比衡量；④成長性，用主營業(yè)務收入增長率衡量；⑤股權結構，取第一大股東持股比例；⑥治理結構，取董事會規(guī)模和獨立董事占比；⑦上市年限。此外，本文還控制了地區(qū)、年份和行業(yè)等因素影響。

2. 計量模型構建

（1）基準回歸模型

為檢驗公司數(shù)字化轉型對全要素生產(chǎn)率的影響，本文構建如下模型用于基準回歸檢驗。

[TFPi，t]=[α0]+[α1][Digitali，t]+[βn][Cvrsi，t]+[ηn][Year]+[εi，t] （1）

上式中，[TFPi，t]表示公司[i]第[t]年的全要素生產(chǎn)率，[Digitali，t]表示公司[i]第[t]年的數(shù)字化轉型發(fā)展水平；[Cvrsi，t]表示公司[i]第[t]年的連續(xù)型控制變量指標，比如[First]、[Roa]、[Growt?]、[Lev]等；[Dvrsi，t]表示公司[i]第[t]年的離散型控制變量指標，比如[Stat]、[Area]、[Industry]等；[Year]為年份固定效應控制變量；[εi，t]是回歸方程誤差項，下同。

（2）因果關系識別

本文基于面板數(shù)據(jù)構建基準回歸模型，能夠緩解僅隨個體或時間變化的遺漏變量帶來的內(nèi)生性偏誤，但難以克服來自反向因果所導致的內(nèi)生性問題。即公司數(shù)字化轉型在影響全要素生產(chǎn)率的同時，可能會同樣會受到全要素生產(chǎn)率變化引致的反向作用。為此，本文參考已有文獻[9]，分別引入公司所在地郵電設施發(fā)展水平和管理層信息技術背景設計工具變量，用以緩解來自反向因果引致的內(nèi)生性干擾。

利用公司所在地的郵電設施發(fā)展水平構造工具變量。一方面，公司所在地以固定電話為代表的郵電通信公共設施越完善，公司數(shù)字化轉型的邊際收益越大，越有助于促進公司數(shù)字化轉型水平提升，這正好滿足工具變量的相關性要求[27]。另一方面，隨著固定電話使用率日益降低，難以直接對公司全要素生產(chǎn)率產(chǎn)生影響，這較好地滿足了工具變量排他性要求[9]。故而，本文借鑒黃勃等[11]處理方法，將公司所在省份上年互聯(lián)網(wǎng)接入端口數(shù)量與公司所在城市1984年每萬人固定電話數(shù)量的自然對數(shù)交乘（項）作為工具變量（[Telep?one]）。

借助公司管理層信息技術（IT）背景設計工具變量。管理層信息技術背景能夠通過減少“短視”行為和增加數(shù)字技術專利，引導公司數(shù)字化轉型加快[40]。這表明，管理層信息技術背景對公司數(shù)字化轉型具有直接作用[41]，滿足工具變量的相關性要求。與此同時，全要生產(chǎn)率提升主要來源于技術進步、組織優(yōu)化和生產(chǎn)創(chuàng)新等方面，難以直接透過“管理層信息技術背景”發(fā)揮作用。由此可知，管理層信息技術背景難以直接影響公司全要素生產(chǎn)率，較為滿足工具變量的排他性要求。因此，本文選擇公司具有信息技術背景管理層占比（[ITbackgd]）作為工具變量。

（3）中介效應模型

基于前文理論分析可知，公司數(shù)字化轉型不僅能夠通過數(shù)字技術驅動，也可以利用數(shù)據(jù)要素賦能，還可能借助人力資本提升影響全要素生產(chǎn)率。為此，本文借鑒江艇[42]的方法構建中介效應模型，即式（2）和式（3）組成聯(lián)立方程組，用以檢驗數(shù)字化轉型借助人力資本提升渠道影響全要素生產(chǎn)率的作用機制和微觀機理。式（2）用于檢驗公司數(shù)字化轉型對中介變量的影響，式（3）用于檢驗中介變量在公司數(shù)字化轉型影響全要素生產(chǎn)率過程中的中介效應或作用機制。

[Medvari，t]=[α0]+[α1][Digitali，t]+[βn][Cvrsi，t]+[φn][Dvrsi，t]+[ηn][Year]+[εi，t] （2）

[TFPi，t]=[α0]+[α1][Digitali，t]+[α2][Medvari，t]+[βn][Cvrsi，t]+[φn][Dvrsi，t]+[ηn][Year]+[εi，t] （3）

上式中，[Medvari，t]表示公司[i]第[t]年的人力資本（管理層能力或員工勞動技能）水平，是中介變量；其中，管理層能力、員工勞動技能對應變量定義參見表1。其余變量定義如上所述。

3. 觀測樣本篩選

本文以滬深A股主板2011—2022年的上市公司為初始樣本，參照以下流程剔除歸屬金融行業(yè)、多地交易所上市、當年被ST和*ST，以及涉及關鍵財務指標顯著異常的觀測樣本。經(jīng)過以上篩選流程，本文共獲得橫跨12年，累計12022個的觀測樣本。其中，涉及上市公司數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫和萬得（Wind）金融資訊數(shù)據(jù)庫；上證主板不包括科創(chuàng)板，深證主板不包括中小企業(yè)板和創(chuàng)業(yè)板。與此同時，本文還對模型中的連續(xù)變量在1%和99%的水平上進行兩端縮尾處理，以便減少變量異常值對實證研究結果的干擾。

四、 實證檢驗

1. 統(tǒng)計分析

（1）樣本分布

在12022個觀測樣本中，國有控股上市公司樣本有7333個、占比達到61%，非國有控股上市公司樣本有4689個，占比接近39%。從地區(qū)分布看，歸屬東部地區(qū)上市公司樣本達到7454個，占比超過62%，歸屬中西部地區(qū)的則為4568個，占比接近38%。從國民經(jīng)濟行業(yè)門類分布看，來自制造業(yè)的上市公司樣本有6853個，占比超過57%，余下依次是批發(fā)零售業(yè)、房地產(chǎn)業(yè)、電熱氣水供應業(yè)、采礦業(yè)、交通運輸業(yè)等。

（2）統(tǒng)計描述

本文對篩選后得到的觀測樣本主要連續(xù)型變量進行統(tǒng)計分析，如表2所示。其中，企業(yè)全要素生產(chǎn)率均值為8.638、中位數(shù)為8.588、最大值為12.92，與同類文獻測算結果較為一致。公司數(shù)字化轉型均值為0.081、中位數(shù)為0.01、最大值為1，同樣與既有相關文獻較為接近。與此同時，其余變量經(jīng)過縮尾處理后，均處于合理分布區(qū)間，未出現(xiàn)較為明顯的異常值。

2. 因果效應

為檢驗公司數(shù)字化轉型對全要素生產(chǎn)率的影響，本文構建面板數(shù)據(jù)模型并引入工具變量，利用2011—2022年觀察樣本進行回歸估計，主要結果如表3所示。該表第1列為主要解釋變量和工具變量，第2列至第9列為主要變量回歸系數(shù)估計。其中，Ⅰ、Ⅱ對應混合截面數(shù)據(jù)最小二乘法（OLS）回歸結果，Ⅲ—Ⅴ對應面板數(shù)據(jù)模型回歸結果，Ⅵ、Ⅶ對應面板數(shù)據(jù)模型工具變量法回歸結果。

回歸結果Ⅰ顯示，公司數(shù)字化轉型（Digital）回歸系數(shù)估計為0.375，且在1%的水平上顯著。這表明，在控制其余變量不變的情況下，公司數(shù)字化轉型每提高1個單位，能促進全要素生產(chǎn)率上升0.375個單位。即公司數(shù)字化轉型能夠有效促進全要素生產(chǎn)率提升，從而證明了假設H1。即便是控制了行業(yè)效應和年度效應，該結論基本保持不變，具體參見回歸結果Ⅱ。

除了控制可觀測影響因素，本文通過構建面板數(shù)據(jù)模型（雙向）緩解因變量遺漏而引致的內(nèi)生性偏誤問題，利用觀測樣本進行回歸估計并得到相應的結果Ⅲ、Ⅳ。一方面，固定效應模型F-test檢驗和隨機效應模型BP檢驗顯示，面板數(shù)據(jù)模型固定效應和隨機效應均優(yōu)于截面數(shù)據(jù)模型。另一方面，Hausman檢驗（463.46）顯示，面板數(shù)據(jù)模型固定效應優(yōu)于隨機效應。故而，本文主要選擇面板數(shù)據(jù)雙向固定效應模型，利用觀測樣本進行估計并得到回歸結果Ⅴ。該結果顯示，公司數(shù)字化轉型回歸系數(shù)估計為0.1179，且在1%的水平上顯著。由此可知，即便是控制僅隨個體或僅隨時間變化的不可觀測因素，公司數(shù)字化轉型仍然能夠促進全要素生產(chǎn)率提升，再次證明了研究假設H1。

本文借助面板數(shù)據(jù)模型緩解了因變量遺漏引致的內(nèi)生性問題，卻難以克服來自反向因果導致的內(nèi)生性偏誤。為此，本文引入公司所在地郵電基礎設施發(fā)展水平和管理層信息技術背景作為公司數(shù)字轉型水平的工具變量，以緩解來自反向因果導致的內(nèi)生性偏誤，所得結果參見Ⅵ、Ⅶ。用于檢驗內(nèi)生性的Hausman結果（50.493）顯示，引入工具變量與不引入工具變量的回歸結果在1%的水平上存在顯著差異，繼而證實回歸方程存在內(nèi)生性問題。弱工具變量檢驗（Weak test）結果顯示，特征統(tǒng)計量為62.408、超過10%的臨界值19.93，證實了工具變量的相關性。其中，具體相關性程度可參見回歸結果Ⅵ。外生性檢驗（Sargan test）結果為1.439，對應P值超過0.1，即沒有證據(jù)表明存在過度識別問題?；貧w結果Ⅶ顯示，公司數(shù)字化轉型回歸系數(shù)估計為0.6714，且在5%的水平上顯著。由此推斷，即便是控制了由于反向因果關系所引致的潛在內(nèi)生性問題，公司數(shù)字化轉型依然促進全要素生產(chǎn)率改善，再次證明了假設H1。

3. 中介效應

在識別公司數(shù)字化轉型對全要素生產(chǎn)率因果效應的基礎上，本文構建中介效應模型以檢驗其中存在的作用機制，并利用2011—2022年觀察樣本進行回歸估計，主要結果如表4所示。該表第1列為主要解釋變量和工具變量，第2列至第9列為主要變量回歸系數(shù)估計。其中，Ⅰ—Ⅳ對應管理層能力作用機制的估計結果，Ⅴ—Ⅷ對應員工勞動技能作用機制的估計結果。

既有研究表明，公司數(shù)字化轉型促進全要素生產(chǎn)率提升可能有數(shù)字技術驅動、數(shù)據(jù)要素賦能和人力資本提升等三條路徑。在基準回歸模型（式（1））基礎上，本文構建中介效用模型（式（2）和式（3）），并利用觀測樣本進行實證分析，檢驗公司數(shù)字化轉型促進全要素生產(chǎn)率改善過程中管理層能力和員工勞動技能的作用機制。其中，人力資本可分為管理層能力和員工勞動技能，具體定義參見表1。

回歸結果Ⅰ顯示，公司數(shù)字化轉型回歸系數(shù)（Digital）估計為0.1051且在1%的水平上顯著為正，即在其余變量不變的情況下，公司數(shù)字化轉型每提高1個單位，管理層能力提升0.1051個單位。據(jù)此推斷，公司數(shù)字化轉型有助于增強管理層能力（Ability）?；貧w結果Ⅱ顯示，公司數(shù)字化轉型和管理層能力的回歸系數(shù)估計分別為0.1658和0.5651，且均在1%的水平上顯著。由此可知，公司數(shù)字化轉型和管理層能力均有助于促進全要素生產(chǎn)率的提升。綜合上述分析推斷，公司數(shù)字化轉型通過增強管理層能力（人力資本）促進全要素生產(chǎn)率改善，繼而證明了假設H2。與此同時，本文通過將管理層能力四等分構造新的衡量標準（Ability4）進行估計并得到回歸結果Ⅲ和Ⅳ。該結果同樣可推斷，公司數(shù)字化轉型通過增強管理層能力提升全要素生產(chǎn)率，再一次證明了假設H2。

公司數(shù)字化轉型除了優(yōu)化管理層能力，還可能改善員工勞動技能，繼而實現(xiàn)全要素生產(chǎn)率提升?；貧w結果Ⅴ顯示，公司數(shù)字化轉型回歸系數(shù)估計為11.67且在1%的水平上顯著為正。因而，公司數(shù)字化轉型有助于改善員工勞動技能（Skilledu）?；貧w結果Ⅵ顯示，公司數(shù)字化轉型和員工勞動技能的回歸系數(shù)估計分別為0.1922和0.0042，且均在1%的水平上顯著。故而，公司數(shù)字化轉型和管理層能力均有助于促進全要素生產(chǎn)率提升。這組結果表明，公司數(shù)字化轉型通過提高員工勞動技能（人力資本）促進全要素生產(chǎn)率改善，從而證明了假設H3。為檢驗該結果的穩(wěn)健性，本文利用研發(fā)人員占比（Stafframp;d）進行估計并得到回歸結果Ⅶ和Ⅷ。這組結果也表明，公司數(shù)字化轉型通過改善員工勞動技能促進全要素生產(chǎn)率提升，再一次證明了假設H3。

4. 穩(wěn)健性檢驗

為驗證上述結論可靠性和穩(wěn)健性，本文從三個維度對文中計量模型進行回歸估計和實證檢驗。其一，替換全要素生產(chǎn)率衡量指標。借鑒既有文獻，本文選擇OP法測算公司全要素生產(chǎn)率，更換被解釋變量進行回歸估計。其二，替換數(shù)字化轉型發(fā)展測算方法。參考同類研究，本文選擇文本詞頻法衡量數(shù)字化轉型發(fā)展水平，變更解釋變量進行回歸估計。其三，利用制造業(yè)觀測樣本進行回歸估計?？紤]到制造業(yè)占比超過60%，本文選擇全部制造業(yè)上市公司觀測樣本進行回歸估計。這三種方法回歸的結果顯示，除回歸系數(shù)的估值略有改變外，其余變量主要回歸結果基本不變。因篇幅所限，本文未報告詳細結果。

五、 政策建議

本文以2011—2022年滬深A股主板上市公司為觀測樣本，研究了公司數(shù)字化轉型對全要素生產(chǎn)率的影響及其人力資本視角的作用機制。研究表明，公司數(shù)字化轉型有助于促進全要素生產(chǎn)率提升，即使控制了反向因果和變量遺漏的內(nèi)生性問題依然如此。研究也表明，基于人力資本視角，公司數(shù)字化轉型能夠通過提升管理層能力和員工技能，實現(xiàn)全要素生產(chǎn)率的改善。這些結論不僅證實了公司數(shù)字化轉型對全要素生產(chǎn)率的改進作用，也揭示了人力資本視角下公司數(shù)字化轉型賦能的微觀作用機制，還對我國下一步利用數(shù)字化轉型改善公司全要素生產(chǎn)率提供如下政策啟示：

一是推動數(shù)字化轉型，提升公司全要素生產(chǎn)率。圍繞培育發(fā)展新質(zhì)生產(chǎn)力重大部署，貫徹落實《制造業(yè)數(shù)字化轉型行動方案》1，加快公司數(shù)字化轉型發(fā)展、進一步提升全要素生產(chǎn)率。一方面，支持行業(yè)龍頭進一步提升數(shù)字化智能化網(wǎng)絡化水平，重點帶動產(chǎn)業(yè)鏈/產(chǎn)業(yè)集群中小企業(yè)數(shù)字化轉型。另一方面，引導中小企業(yè)主動順應數(shù)實融合發(fā)展趨勢，以業(yè)務為紐帶主動對接行業(yè)龍頭，善用“上云用數(shù)賦智”政策、提升公司數(shù)字化發(fā)展水平。

二是強化管理能力培訓，放大數(shù)字化轉型正效應。一方面，推動管理層能力納入數(shù)字化轉型水平目標評價體系，引導董事、監(jiān)事和高級管理人員等管理層重視數(shù)字化轉型、加大數(shù)字化轉型投入。另一方面，推動公司定期組織管理層開展能力提升培訓和再教育，重點引導中小企業(yè)管理層學習和跟進同行業(yè)、同地區(qū)數(shù)字化轉型發(fā)展較為成功的典型業(yè)務、商業(yè)模式和示范案例，不斷提升數(shù)字化轉型意識、動力和決心。

三是加強數(shù)字素養(yǎng)教育，激活數(shù)字化發(fā)展新動能。推動企業(yè)圍繞研發(fā)、生產(chǎn)、人事、財務和營銷等核心流程，實施數(shù)字素養(yǎng)教育范圍立體化、人員全覆蓋。引導企業(yè)結合所處行業(yè)特征和自身發(fā)展需要，分層次、分階段將員工數(shù)字素養(yǎng)教育納入員工績效考核體系。支持企業(yè)主動對接行業(yè)龍頭和第三方專業(yè)機構，編制與自身業(yè)務發(fā)展相匹配的數(shù)字素養(yǎng)教育體系和績效考核評價標準，提升員工數(shù)字素養(yǎng)教育科學性和有效性。

參考文獻：

[1] 習近平.發(fā)展新質(zhì)生產(chǎn)力是推動高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點[J].中國新聞發(fā)布（實務版），2024（6）：3-5.

[2] 李忠海，劉永彪，后雨萌.我國數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的理論邏輯和關鍵路徑——基于內(nèi)生增長理論視角[J].金陵科技學院學報（社會科學版），2022，36（1）：1-8.

[3] 田秀娟，李睿.數(shù)字技術賦能實體經(jīng)濟轉型發(fā)展——基于熊彼特內(nèi)生增長理論的分析框架[J].管理世界，2022，38（5）：56-73.

[4] 楊慧梅，江璐.數(shù)字經(jīng)濟、空間效應與全要素生產(chǎn)率[J].統(tǒng)計研究，2021，38（4）：3-15.

[5] 程文.人工智能、索洛悖論與高質(zhì)量發(fā)展：通用目的技術擴散的視角[J].經(jīng)濟研究，2021，56（10）：22-38.

[6] 李萬利，劉虎春，龍志能，等.企業(yè)數(shù)字化轉型與供應鏈地理分布[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2023，40（8）：90-110.

[7] 張葉青，陸瑤，李樂蕓.大數(shù)據(jù)應用對中國企業(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，2021，56（12）：42-59.

[8] 尹洪英，李闖.智能制造賦能企業(yè)創(chuàng)新了嗎？——基于中國智能制造試點項目的準自然試驗[J].金融研究，2022（10）：98-116.

[9] 黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗[J].中國工業(yè)經(jīng)濟，2019（8）：5-23.

[10] 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（7）：130-144.

[11] 黃勃，李海彤，劉俊岐，等.數(shù)字技術創(chuàng)新與中國企業(yè)高質(zhì)量發(fā)展——來自企業(yè)數(shù)字專利的證據(jù)[J].經(jīng)濟研究，2023，58（3）：97-115.

[12] Frydman H.Estimation in the Mixture of Markov Chains Moving with Different Speeds[J].Journal of the American Statistical Association，2005，100（471）：1046-1053.

[13] 國家發(fā)展和改革委員會.《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》學習問答[M].北京：人民出版社，2022.

[14] 郭美晨，杜傳忠.ICT提升中國經(jīng)濟增長質(zhì)量的機理與效應分析[J].統(tǒng)計研究，2019，36（3）：3-16.

[15] 國家工業(yè)信息安全發(fā)展研究中心，北京大學光華管理學院，蘇州工業(yè)園區(qū)管理委員會.中國數(shù)據(jù)要素市場發(fā)展報告（2021—2022）[R].北京：國家工業(yè)信息安全發(fā)展研究中心，2022.

[16] 王冬梅，黃乾，方守林.數(shù)字經(jīng)濟對人力資本技能結構影響與作用機制的實證檢驗[J].統(tǒng)計與決策，2023，39（9）：23-28.

[17] 戚聿東，肖旭.數(shù)字經(jīng)濟時代的企業(yè)管理變革[J].管理世界，2020，36（6）：135-152.

[18] 鄭國強，萬孟澤.數(shù)字經(jīng)濟的生產(chǎn)率增長效應：紅利還是鴻溝[J].當代財經(jīng)，2023（12）：3-16.

[19] 江三良，李寧寧.數(shù)字經(jīng)濟發(fā)展何以提高企業(yè)全要素生產(chǎn)率？[J].南京審計大學學報，2023，20（2）：43-52.

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

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

[22] 龐瑞芝，劉東閣.數(shù)字化與創(chuàng)新之悖論：數(shù)字化是否促進了企業(yè)創(chuàng)新——基于開放式創(chuàng)新理論的解釋[J].南方經(jīng)濟，2022（9）：97-117.

[23] 樊綱，王小魯，馬光榮.中國市場化進程對經(jīng)濟增長的貢獻[J].經(jīng)濟研究，2011，46（4）：4-16.

[24] 孫雪嬌，范潤.數(shù)字經(jīng)濟對大中小企業(yè)全要素生產(chǎn)率影響的鴻溝效應[J].經(jīng)濟管理，2023，45（8）：45-64.

[25] 馬文聰，陳字理，許澤浩.企業(yè)數(shù)字化對全要素生產(chǎn)率的非對稱性影響——基于分位數(shù)回歸的實證檢驗[J/OL].軟科學，1-18[2024-06-29].http：//kns.cnki.net/kcms/detail/51.1268.G3.20240319.1502.

021.html.

[26] 李萬利，潘文東，袁凱彬.企業(yè)數(shù)字化轉型與中國實體經(jīng)濟發(fā)展[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2022，39（9）：5-25.

[27] 袁淳，肖土盛，耿春曉，等.數(shù)字化轉型與企業(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.

[28] 郭偉，郭童，耿曄強.數(shù)字經(jīng)濟、人力資本結構高級化與企業(yè)全要素生產(chǎn)率[J].經(jīng)濟問題，2023（11）：73-79.

[29] 沈坤榮，喬剛，林劍威.智能制造政策與中國企業(yè)高質(zhì)量發(fā)展[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2024，41（2）：5-25.

[30] 蔡曉陳，陳靜宇.數(shù)字經(jīng)濟產(chǎn)業(yè)政策提高了企業(yè)全要素生產(chǎn)率嗎？——基于研發(fā)投入與融資約束視角[J].產(chǎn)業(yè)經(jīng)濟研究，2023（3）：16-30.

[31] 錦囊專家，數(shù)字產(chǎn)業(yè)創(chuàng)新研究中心，首席數(shù)字官.中國數(shù)字化轉型與創(chuàng)新評選2018—2020三年對標洞察報告[R].北京：數(shù)字產(chǎn)業(yè)創(chuàng)新研究中心，2021.

[32] Jia N，Luo X M，F(xiàn)ang Z，et al.When and How Artificial Intelligence Augments Employee Creativity[J].Academy of Management Journal，2024，67（1）：5-31.

[33] 王桂軍，盧瀟瀟.“一帶一路”倡議與中國企業(yè)升級[J].中國工業(yè)經(jīng)濟，2019（3）：43-61.

[34] 魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999—2007[J].經(jīng)濟學（季刊），2012，11（2）：541-558.

[35] Olley G S，Pakes S. The Dynamics of Productivity in the Telecommunications Equipment Industry[J].Econometrica，1996，64（6）：1263-1297.

[36] Levinsohn J A，Petrin A.Estimating Production Functions Using Inputs to Control for Unobservables[J].Review of Economic Studies，2003，70（2）：317-341.

[37] 何威風，劉巍，黃凱莉.管理者能力與企業(yè)風險承擔[J].中國軟科學，2016（5）：107-118.

[38] Demerjian P R， Lev B. Mevay S.Quantifying Managerial Ability：A New Measure and Validity Tests[J].Management Science，2012，58（7）：1229-1248.

[39] 肖土盛，孫瑞琦，袁淳，等.企業(yè)數(shù)字化轉型、人力資本結構調(diào)整與勞動收入份額[J].管理世界，2022，38（12）：220-237.

[40] 吳育輝，張騰，秦利賓，等.高管信息技術背景與企業(yè)數(shù)字化轉型[J].經(jīng)濟管理，2022，44（12）：138-157.

[41] 趙玲，黃昊.不確定性沖擊、數(shù)字技術創(chuàng)新與供應鏈韌性[J].中南財經(jīng)政法大學學報，2024（4）：148-160.

[42] 江艇.因果推斷經(jīng)驗研究中的中介效應與調(diào)節(jié)效應[J].中國工業(yè)經(jīng)濟，2022（5）：100-120.

基金項目：國家社科基金重大項目“創(chuàng)新鏈與產(chǎn)業(yè)鏈耦合的關鍵核心技術實現(xiàn)機理與突破路徑研究”（項目編號：22amp;ZD093）、金陵科技學院高層次人才科研啟動項目（項目編號：jit-b-202022）、江蘇高校哲學社會科學研究一般項目“十四五時期江蘇制造業(yè)數(shù)字化轉型發(fā)展思路和對策研究”（項目編號：2021SJA0136）。

作者簡介：李忠海，男，博士，金陵科技學院商學院副教授，江蘇省數(shù)字技術與產(chǎn)業(yè)經(jīng)濟應用工程研究中心秘書長，江蘇數(shù)字化轉型發(fā)展研究基地秘書長，研究方向為數(shù)字經(jīng)濟、公司治理、實證公司金融；梅潔，女，南京大學博士后，南京林業(yè)大學經(jīng)濟管理學院講師，研究方向為公司治理；李澤洲，通訊作者，男，南京大學數(shù)字經(jīng)濟與管理學院數(shù)字經(jīng)濟專業(yè)學生，研究方向為數(shù)字經(jīng)濟。

（收稿日期：2024-07-30" 責任編輯：殷 ?。?/p>