摘要：專精特新“小巨人”企業(yè)數(shù)字化升級(jí)能夠助力制造業(yè)強(qiáng)鏈補(bǔ)鏈，使其走上高質(zhì)量發(fā)展快車道，對(duì)制造業(yè)強(qiáng)國(guó)建設(shè)具有重要意義?；?016—2022年相關(guān)數(shù)據(jù)，運(yùn)用“VHSD-EM”組合評(píng)價(jià)模型對(duì)“小巨人”企業(yè)數(shù)字化成熟度進(jìn)行評(píng)價(jià)分析。結(jié)果表明：專精特新“小巨人”企業(yè)數(shù)字化成熟度可劃分為4個(gè)等級(jí)，各等級(jí)樣本企業(yè)在行業(yè)分布上呈現(xiàn)集聚趨勢(shì)；先進(jìn)制造業(yè)與傳統(tǒng)制造業(yè)樣本企業(yè)數(shù)字化成熟度呈現(xiàn)兩極分化，基于空間維度的排序如下：中心城市＞東南沿海地區(qū)＞南部地區(qū)＞西部地區(qū)＞北部地區(qū)，且隨時(shí)間推移波動(dòng)較大；政府補(bǔ)貼、財(cái)政科技支出、市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度和企業(yè)規(guī)?？傮w上對(duì)“小巨人”企業(yè)數(shù)字化成熟度具有顯著影響，但不同數(shù)字化成熟度等級(jí)樣本企業(yè)影響因素存在差異。結(jié)論可為“小巨人”企業(yè)數(shù)字化實(shí)踐提供參考。

關(guān)鍵詞：“小巨人”企業(yè)；數(shù)字化成熟度；“VHSD-EM”模型；投入—產(chǎn)出理論；影響因素

中圖分類號(hào)：F272.7-39

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2025）03-0141-11

0 引言

隨著信息化、數(shù)字化、智能化發(fā)展進(jìn)程加快，制造業(yè)生產(chǎn)方式、業(yè)務(wù)流程、創(chuàng)新模式發(fā)生深度變革，由此助推一大批小而精的創(chuàng)新型企業(yè)發(fā)展壯大^[1]。需要指出的是，多數(shù)制造企業(yè)仍處于數(shù)字化轉(zhuǎn)型初級(jí)階段，特別是中小微制造企業(yè)。作為突破關(guān)鍵技術(shù)封鎖，建設(shè)制造強(qiáng)國(guó)的“排頭兵”，專精特新“小巨人”企業(yè)聚焦制造業(yè)短板，攻關(guān)《工業(yè)“四基”發(fā)展目錄》所列重點(diǎn)領(lǐng)域，即關(guān)鍵基礎(chǔ)材料、核心基礎(chǔ)零部件（元器件）、先進(jìn)基礎(chǔ)工藝和產(chǎn)業(yè)技術(shù)基礎(chǔ)，借助數(shù)字技術(shù)實(shí)現(xiàn)創(chuàng)新，能夠一定程度上加速實(shí)現(xiàn)中國(guó)產(chǎn)業(yè)鏈及供應(yīng)鏈系統(tǒng)自主安全可控。因此，國(guó)家高度重視“小巨人”企業(yè)培育工作。2021年，財(cái)政部、工業(yè)和信息化部聯(lián)合印發(fā)《關(guān)于支持“專精特新”中小企業(yè)高質(zhì)量發(fā)展的通知》中指出，重點(diǎn)支持“小巨人”企業(yè)推進(jìn)數(shù)字化、網(wǎng)絡(luò)化、智能化改造。2024年6月14日，工業(yè)和信息化部發(fā)布《關(guān)于進(jìn)一步支持專精特新中小企業(yè)高質(zhì)量發(fā)展的通知》，進(jìn)一步支持專精特新中小企業(yè)高質(zhì)量發(fā)展，為加快推進(jìn)新型工業(yè)化、發(fā)展新質(zhì)生產(chǎn)力、完善現(xiàn)代化產(chǎn)業(yè)體系提供有力支撐。經(jīng)過數(shù)字化、綠色化改造的實(shí)體經(jīng)濟(jì)在全球范圍內(nèi)將更具競(jìng)爭(zhēng)力，也更具韌性和可持續(xù)性。

“小巨人”企業(yè)認(rèn)定標(biāo)準(zhǔn)不同于專精特新企業(yè)，根據(jù)《優(yōu)質(zhì)中小企業(yè)梯度培育管理暫行辦法》，“小巨人”企業(yè)需同時(shí)滿足“專、精、特、新、鏈、品”6個(gè)層面指標(biāo)，這也成為“小巨人”企業(yè)的獨(dú)特優(yōu)勢(shì)。實(shí)踐中，專精特新“小巨人”企業(yè)數(shù)字化升級(jí)面臨諸多困難，存在較大“數(shù)字鴻溝”^[2]。首先，數(shù)字化轉(zhuǎn)型需要大量資金投入，與大型制造企業(yè)相比，專精特新“小巨人”企業(yè)在技術(shù)、資金和人才等方面處于劣勢(shì)。其次，多數(shù)企業(yè)難以準(zhǔn)確評(píng)估數(shù)字化轉(zhuǎn)型成本與收益。此外，區(qū)域發(fā)展不均衡導(dǎo)致數(shù)字化基礎(chǔ)參差不齊，這對(duì)中小企業(yè)數(shù)字化產(chǎn)生不利影響。因此，亟需構(gòu)建中小制造企業(yè)數(shù)字化成熟度指標(biāo)評(píng)價(jià)體系，厘清專精特新“小巨人”企業(yè)數(shù)字化成熟度現(xiàn)狀、差異、影響因素，以便為相關(guān)政策制定提供方向，從而助推中小企業(yè)數(shù)字化、智能化創(chuàng)新發(fā)展。數(shù)字技術(shù)賦能如何促使企業(yè)最大程度地發(fā)揮獨(dú)特優(yōu)勢(shì)？據(jù)此，本文提出以下問題：如何構(gòu)建“小巨人”企業(yè)數(shù)字化成熟度模型？不同行業(yè)和地區(qū)“小巨人”企業(yè)數(shù)字化成熟度分化情況如何？存在哪些關(guān)鍵因素對(duì)“小巨人”企業(yè)數(shù)字化成熟度產(chǎn)生影響？

本文基于“小巨人”企業(yè)6個(gè)評(píng)價(jià)標(biāo)準(zhǔn)構(gòu)建以數(shù)字專業(yè)化管理、數(shù)字信息系統(tǒng)精細(xì)化、數(shù)字化特色經(jīng)營(yíng)、數(shù)字創(chuàng)新效率、產(chǎn)業(yè)鏈數(shù)字化和產(chǎn)品數(shù)字化為準(zhǔn)則層的指標(biāo)體系，采用2016—2022年相關(guān)數(shù)據(jù)，借助文本挖掘、隨機(jī)前沿法（SFA）、工具變量法等方法對(duì)指標(biāo)進(jìn)行測(cè)量，運(yùn)用“VHSD-EM”組合評(píng)價(jià)模型對(duì)企業(yè)數(shù)字化成熟度進(jìn)行測(cè)度及評(píng)價(jià)，從行業(yè)和空間維度進(jìn)一步分析演化規(guī)律，并運(yùn)用Tobit回歸模型探究“小巨人”企業(yè)數(shù)字化成熟度影響因素，以期豐富“小巨人”企業(yè)數(shù)字化成熟度評(píng)價(jià)研究，為“小巨人”企業(yè)政策制定與優(yōu)化提供建議和參考。

1 文獻(xiàn)綜述

1.1 專精特新“小巨人”企業(yè)

自2019年專精特新“小巨人”企業(yè)遴選培育政策啟動(dòng)以來，相關(guān)研究不斷涌現(xiàn)，具體如下：第一，政策實(shí)施效果研究。丁永健^[3]指出，“小巨人”企業(yè)培育相關(guān)政策可以通過提升技術(shù)水平顯著增強(qiáng)制造中小企業(yè)創(chuàng)新活力，且對(duì)于勞動(dòng)密集型、技術(shù)密集型企業(yè)的影響更為顯著；張米爾^[4]研究表明，相關(guān)政策實(shí)施對(duì)發(fā)明專利申請(qǐng)具有顯著促進(jìn)作用。第二，“小巨人”企業(yè)空間分布特征及影響因素研究。國(guó)家級(jí)“小巨人”企業(yè)整體上呈現(xiàn)“東密西疏、南多北少”的集聚型分布態(tài)勢(shì)^[5]，區(qū)域間城市群分布差異顯著，行業(yè)分布呈現(xiàn)“多點(diǎn)集聚”態(tài)勢(shì)。長(zhǎng)三角地區(qū)呈現(xiàn)以省會(huì)城市及部分沿海沿江城市為極點(diǎn)的“兩核多極”集聚特征^[6]，以及以沿江、臨海都市圈為熱點(diǎn)區(qū)域的“一軸兩帶三圈”總體空間分布格局。此外，交通、土地利用及成本、外部支撐條件構(gòu)成主要影響要素。第三，“小巨人”企業(yè)特色化研究。王瑤等^[7]發(fā)現(xiàn)，橋接科學(xué)家創(chuàng)始人通過技術(shù)知識(shí)搜索影響創(chuàng)新質(zhì)量和數(shù)量，通過科學(xué)知識(shí)搜索影響技術(shù)創(chuàng)新質(zhì)量?？梢?，現(xiàn)有“小巨人”企業(yè)研究主要關(guān)注政策實(shí)施效果、空間布局，數(shù)字技術(shù)與“小巨人”企業(yè)深度融合機(jī)制有待進(jìn)一步挖掘。

1.2 數(shù)字化成熟度

測(cè)量數(shù)字化成熟度是數(shù)字化轉(zhuǎn)型量化研究的首要問題^[8]。國(guó)內(nèi)外學(xué)者對(duì)數(shù)字化成熟度測(cè)量進(jìn)行了探討，例如陸洋等^[8]將數(shù)字化轉(zhuǎn)型量化研究劃分為數(shù)字化轉(zhuǎn)型影響因素、數(shù)字化轉(zhuǎn)型水平測(cè)量和數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)績(jī)效3個(gè)方向，結(jié)果發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型水平測(cè)量具有全局性影響。作為評(píng)估和指導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型的工具，數(shù)字化成熟度模型具備描述性、規(guī)范性和基準(zhǔn)設(shè)定3個(gè)主要特征^[9]。其中，描述性模型旨在促進(jìn)企業(yè)數(shù)字化水平與成熟度相匹配；規(guī)范性目的在于定義成熟度級(jí)別，進(jìn)而指明提升路徑與步驟；基準(zhǔn)設(shè)定能夠幫助企業(yè)依據(jù)等級(jí)判斷基準(zhǔn)實(shí)現(xiàn)跨界對(duì)標(biāo)^[10]。國(guó)外數(shù)字化成熟度測(cè)度相關(guān)研究起步較早，而咨詢機(jī)構(gòu)^[11]、工業(yè)和信息化部^[12]，以及華為等大型互聯(lián)網(wǎng)企業(yè)大多關(guān)注國(guó)內(nèi)數(shù)字化成熟度相關(guān)研究。數(shù)字化成熟度研究視角可劃分為業(yè)務(wù)融合、技術(shù)驅(qū)動(dòng)和能力基礎(chǔ)^[8]。

其中，國(guó)外基于業(yè)務(wù)融合視角的研究主要關(guān)注不同層級(jí)間的技術(shù)集成、產(chǎn)業(yè)鏈間的數(shù)字化集成以及端到端產(chǎn)品的運(yùn)維集成^[12]。國(guó)內(nèi)基于業(yè)務(wù)融合視角的研究強(qiáng)調(diào)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化^[13]，遵循基礎(chǔ)建設(shè)、單項(xiàng)應(yīng)用、綜合集成、協(xié)同創(chuàng)新邏輯，從局部到整體，適用于制造業(yè)評(píng)估?；诩夹g(shù)驅(qū)動(dòng)視角的研究關(guān)注5G、智能軟件、管理信息系統(tǒng)、數(shù)據(jù)處理等技術(shù)演進(jìn)對(duì)企業(yè)的驅(qū)動(dòng)效應(yīng)^[14]，強(qiáng)調(diào)數(shù)字化投入，注重戰(zhàn)略性但缺乏針對(duì)性。基于能力基礎(chǔ)視角的研究側(cè)重企業(yè)自身數(shù)字化條件^[15]，可為不同發(fā)展階段企業(yè)指明行動(dòng)方向，具有較強(qiáng)的針對(duì)性，但缺乏完整的理論框架。王核成等^[16]開發(fā)的數(shù)字化成熟度模型（DMM）涵蓋各維度要素，但未提出具體模型定量測(cè)量方法。目前，數(shù)字化成熟度體系大多具有4～6個(gè)層級(jí)，蔣鑫等^[10]將其歸納如下：一是從無到有再到優(yōu)，基于企業(yè)數(shù)字化應(yīng)用和學(xué)習(xí)能力，強(qiáng)調(diào)經(jīng)驗(yàn)積累^[17]；二是基于企業(yè)與數(shù)字技術(shù)融合程度^[18]，采用二維縱橫交互度量模式進(jìn)行等級(jí)劃分；三是基于數(shù)字信息運(yùn)用能力進(jìn)行層級(jí)劃分，如基于連接性、可見性、透明度、預(yù)測(cè)能力、適應(yīng)性的等級(jí)劃分^[19]，強(qiáng)調(diào)數(shù)字化功能屬性的成熟度?，F(xiàn)有模型測(cè)量方法主要分為指標(biāo)法和核算法，指標(biāo)法對(duì)數(shù)字化成熟度的評(píng)估較為全面，核算法是數(shù)字化成熟度的有效測(cè)量工具，兩者結(jié)合是較為理想的評(píng)價(jià)模式。以往相關(guān)研究大多采用文獻(xiàn)分析、專家訪談和實(shí)地調(diào)查等方法，缺乏定量數(shù)據(jù)支撐^[20]。

由此可見：第一，近年來專精特新“小巨人”企業(yè)相關(guān)研究不斷涌現(xiàn)，主要關(guān)注政策效果、空間布局等初步解構(gòu)層面，并未涉及“小巨人”企業(yè)數(shù)字化成熟度；第二，數(shù)字化成熟度評(píng)價(jià)研究視角各有側(cè)重，構(gòu)建邏輯存在較大差異，實(shí)證測(cè)度研究較少；第三，成熟度等級(jí)量化研究大多以專家打分和李克特五點(diǎn)量表等定性方法為主，數(shù)據(jù)精度不足，無法根據(jù)企業(yè)數(shù)字化發(fā)展進(jìn)行動(dòng)態(tài)更新。涉及數(shù)字化轉(zhuǎn)型程度，大多數(shù)相關(guān)研究采用詞頻統(tǒng)計(jì)和調(diào)查問卷進(jìn)行測(cè)量^[21-23]，維度單一，一定程度上影響測(cè)量結(jié)果的精確度。本文從“小巨人”企業(yè)評(píng)定標(biāo)準(zhǔn)入手，整合多維度視角，將指標(biāo)法和“投入—產(chǎn)出”核算法作為指標(biāo)測(cè)度工具進(jìn)行研究，可為特定類別企業(yè)數(shù)字化成熟度評(píng)價(jià)提供參考。

2 專精特新“小巨人”企業(yè)數(shù)字化成熟度評(píng)" 價(jià)機(jī)制

2.1 “小巨人”企業(yè)數(shù)字化成熟度指標(biāo)體系構(gòu)建

“小巨人”企業(yè)需要同時(shí)具備“專、精、特、新、鏈、品”6個(gè)層面的獨(dú)特優(yōu)勢(shì)。其中，專業(yè)化強(qiáng)調(diào)對(duì)產(chǎn)業(yè)鏈某一環(huán)節(jié)或?qū)δ骋划a(chǎn)品進(jìn)行深耕；精細(xì)化注重?cái)?shù)字化、綠色化發(fā)展以及采用信息系統(tǒng)支撐業(yè)務(wù)；特色化強(qiáng)調(diào)主導(dǎo)產(chǎn)品的市場(chǎng)占有率及獨(dú)特優(yōu)勢(shì)；創(chuàng)新能力側(cè)重知識(shí)產(chǎn)權(quán)和科技獎(jiǎng)勵(lì)；產(chǎn)業(yè)鏈關(guān)注“補(bǔ)短板”“鍛長(zhǎng)板”“填空白”的協(xié)同作用；主導(dǎo)產(chǎn)品側(cè)重產(chǎn)品細(xì)分市場(chǎng)，如制造業(yè)核心基礎(chǔ)零部件、元器件、關(guān)鍵軟件、先進(jìn)基礎(chǔ)工藝、關(guān)鍵基礎(chǔ)材料和產(chǎn)業(yè)技術(shù)基礎(chǔ)。

通過梳理現(xiàn)有相關(guān)文獻(xiàn)，以工業(yè)和信息化部于2022年提出的《中小企業(yè)數(shù)字化水平評(píng)測(cè)指標(biāo)》為框架，以數(shù)字化賦能“小巨人”企業(yè)“專、精、特、新、鏈、品”6個(gè)層面的具體表現(xiàn)作為準(zhǔn)則層，兼顧指標(biāo)選取的代表性、可操作性、可量化等原則，本文構(gòu)建數(shù)字專業(yè)化管理、數(shù)字信息系統(tǒng)精細(xì)化、數(shù)字化特色經(jīng)營(yíng)、數(shù)字化創(chuàng)新效率、產(chǎn)業(yè)鏈數(shù)字化、產(chǎn)品數(shù)字化6個(gè)一級(jí)指標(biāo)和13個(gè)二級(jí)指標(biāo)。其中，企業(yè)數(shù)字化轉(zhuǎn)型是復(fù)雜且系統(tǒng)的過程^[24]，以往研究基于“投入—產(chǎn)出”理論進(jìn)行數(shù)字化成熟度指標(biāo)構(gòu)建與測(cè)量^[20]，證實(shí)了其可行性。在此基礎(chǔ)上，本文將數(shù)字化基礎(chǔ)和數(shù)字化管理歸為企業(yè)數(shù)字化建設(shè)投入過程，將數(shù)字化經(jīng)營(yíng)和數(shù)字化成效歸為企業(yè)數(shù)字化建設(shè)產(chǎn)出過程，構(gòu)建研究概念模型如圖1所示。

2.1.1 投入要素指標(biāo)構(gòu)念

（1）數(shù)字專業(yè)化管理。數(shù)字化轉(zhuǎn)型不僅是技術(shù)問題，而且是企業(yè)戰(zhàn)略問題與管理問題^[25-26]。對(duì)于“小巨人”企業(yè)而言，創(chuàng)始人或企業(yè)家作為主理人，在統(tǒng)籌戰(zhàn)略和管理的同時(shí)兼任多個(gè)角色。因此，本文認(rèn)為，“小巨人”企業(yè)數(shù)字專業(yè)化管理不僅涵蓋技術(shù)、業(yè)務(wù)和流程，而且包括數(shù)字化戰(zhàn)略引領(lǐng)和數(shù)字化人才應(yīng)用。以往研究將企業(yè)管理層是否設(shè)置首席信息官（CIO）與首席數(shù)據(jù)官（CDO）作為數(shù)字化戰(zhàn)略轉(zhuǎn)型測(cè)量維度^[1]。本文綜合考慮指標(biāo)測(cè)算的全面性，加入管理層的數(shù)字創(chuàng)新導(dǎo)向進(jìn)行加權(quán)測(cè)量，具體包括數(shù)字創(chuàng)新導(dǎo)向前瞻性、數(shù)字創(chuàng)新導(dǎo)向持續(xù)性、數(shù)字創(chuàng)新導(dǎo)向廣度和數(shù)字創(chuàng)新導(dǎo)向強(qiáng)度4個(gè)方面。

（2）數(shù)字信息系統(tǒng)精細(xì)化。數(shù)字化設(shè)備投入包括軟件、硬件、網(wǎng)絡(luò)及輔助設(shè)備購置與維護(hù)，是企業(yè)開展數(shù)字化轉(zhuǎn)型的基礎(chǔ)，能夠?yàn)樽詣?dòng)化管理、高效生產(chǎn)運(yùn)營(yíng)、精準(zhǔn)定制服務(wù)等提供有力支持^[27]?！靶【奕恕逼髽I(yè)精細(xì)化管理強(qiáng)調(diào)數(shù)字化、綠色化以及采用信息系統(tǒng)支撐業(yè)務(wù)，因而數(shù)字化設(shè)備是“小巨人”企業(yè)實(shí)現(xiàn)精細(xì)化管理的基礎(chǔ)。以往研究將數(shù)字化投資分為硬件投資（固定資產(chǎn)中的計(jì)算機(jī)、電子設(shè)備等）和軟件投資（無形資產(chǎn)中的軟件資產(chǎn)）^[28]。借鑒以往研究思路，本文將數(shù)字化硬件投入與企業(yè)年報(bào)中的數(shù)字化設(shè)備投入、數(shù)字化在建工程等相關(guān)數(shù)據(jù)對(duì)應(yīng)，將數(shù)字化軟件投入與數(shù)字化開發(fā)支出等相關(guān)數(shù)據(jù)對(duì)應(yīng)，由此構(gòu)建3個(gè)數(shù)字信息系統(tǒng)精細(xì)化的二級(jí)指標(biāo)。

（3）產(chǎn)業(yè)鏈數(shù)字化。既有研究指出，焦點(diǎn)企業(yè)與產(chǎn)業(yè)鏈上下游企業(yè)數(shù)字化轉(zhuǎn)型水平正相關(guān)^[1]。數(shù)字技術(shù)能夠加快數(shù)據(jù)、信息和技術(shù)在各主體間擴(kuò)散與傳播，打通中間環(huán)節(jié)，不斷優(yōu)化營(yíng)商環(huán)境，進(jìn)而增加企業(yè)前向與后向關(guān)聯(lián)效益，最終形成產(chǎn)業(yè)鏈協(xié)同機(jī)制。范合軍等^[1]認(rèn)為，產(chǎn)業(yè)鏈依賴度對(duì)企業(yè)上下游數(shù)字化協(xié)同發(fā)揮正向調(diào)節(jié)作用。因此，本文以產(chǎn)業(yè)鏈依賴度和焦點(diǎn)企業(yè)數(shù)字技術(shù)、業(yè)務(wù)流程數(shù)字化轉(zhuǎn)型程度加權(quán)作為產(chǎn)業(yè)鏈數(shù)字化聯(lián)動(dòng)測(cè)量指標(biāo)。

2.1.2 產(chǎn)出過程指標(biāo)構(gòu)念

（1）數(shù)字化特色經(jīng)營(yíng)。本文基于“投入—產(chǎn)出”視角，采用隨機(jī)前沿法對(duì)“小巨人”企業(yè)主營(yíng)產(chǎn)品數(shù)字化經(jīng)營(yíng)效率進(jìn)行測(cè)算，旨在揭示數(shù)字化賦能“小巨人”企業(yè)的獨(dú)特經(jīng)營(yíng)優(yōu)勢(shì)。目前，主流效率測(cè)算方法有隨機(jī)前沿法（SFA）和數(shù)據(jù)包絡(luò)分析（DEA）^[20]。與DEA相比，SFA不僅可以將無效率項(xiàng)與隨機(jī)誤差項(xiàng)區(qū)分開來，確保測(cè)算效率的有效統(tǒng)一，而且考慮了隨機(jī)誤差項(xiàng)對(duì)個(gè)體的影響。由于研究樣本受政策、經(jīng)濟(jì)等環(huán)境因素影響較大，本文采用SFA方法進(jìn)行效率測(cè)量。本文將投入要素劃分為人力投入和資本投入，其中，人力投入以技術(shù)與研發(fā)人數(shù)的比值測(cè)量，資本投入以數(shù)字化設(shè)備投入、數(shù)字化在建工程、數(shù)字化開發(fā)支出總額測(cè)量。由此，產(chǎn)出要素以主營(yíng)業(yè)務(wù)收入效率和主營(yíng)業(yè)務(wù)成本效率進(jìn)行測(cè)算。

（2）數(shù)字化創(chuàng)新效率。本文將數(shù)字化投入要素劃分為人力投入和資本投入，基于企業(yè)年報(bào)披露的數(shù)據(jù)特征，將數(shù)字化產(chǎn)出要素定義為專利新增、商標(biāo)新增和軟件著作權(quán)新增。采用隨機(jī)前沿分析方法需要設(shè)定生產(chǎn)函數(shù)形式，現(xiàn)有常用生產(chǎn)函數(shù)形式為柯布道格拉斯函數(shù)（C-D）和超越對(duì)數(shù)函數(shù)（Trans-Log）。前者假定技術(shù)中性和產(chǎn)出彈性固定；后者能夠避免函數(shù)形式假設(shè)帶來的估計(jì)偏差。本文的研究目的在于探討企業(yè)數(shù)字化投入產(chǎn)出效率，故選擇C-D函數(shù)作為基準(zhǔn)模型^[29]。

（3）產(chǎn)品數(shù)字化。由于無法采用統(tǒng)一維度對(duì)不同產(chǎn)品數(shù)字化程度進(jìn)行系統(tǒng)評(píng)價(jià)，而“小巨人”企業(yè)主導(dǎo)產(chǎn)品涉及制造業(yè)核心基礎(chǔ)零部件、元器件、關(guān)鍵軟件、先進(jìn)基礎(chǔ)工藝、關(guān)鍵基礎(chǔ)材料和產(chǎn)業(yè)技術(shù)基礎(chǔ)，具有技術(shù)先進(jìn)性特征，與數(shù)字化密不可分。因此，本文將“小巨人”企業(yè)主導(dǎo)產(chǎn)品是否屬于先進(jìn)制造業(yè)作為測(cè)量標(biāo)準(zhǔn)。以往研究將先進(jìn)制造業(yè)定義為采用先進(jìn)技術(shù)設(shè)備、現(xiàn)代化管理理念以及融入數(shù)字化生產(chǎn)方式的制造業(yè)^[30]，多數(shù)學(xué)者依據(jù)國(guó)家統(tǒng)計(jì)局發(fā)布的《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類（2017）》對(duì)先進(jìn)制造業(yè)進(jìn)行界定。本文遵循上述研究思路，將先進(jìn)制造業(yè)定義為計(jì)算機(jī)、通信和其它電子設(shè)備制造業(yè)、醫(yī)藥制造業(yè)、汽車制造業(yè)、金屬制品業(yè)等行業(yè)，借助工具變量對(duì)指標(biāo)進(jìn)行賦值，得到產(chǎn)品數(shù)字化測(cè)量結(jié)果。各指標(biāo)維度構(gòu)建如表1所示。

2.2 “VHSD-EM”組合評(píng)價(jià)模型

目前，學(xué)者大多采用層次分析法、熵權(quán)Topsis等靜態(tài)方法對(duì)研究對(duì)象進(jìn)行評(píng)價(jià)，上述方法的缺點(diǎn)在于無法對(duì)時(shí)序立體數(shù)據(jù)進(jìn)行賦權(quán)。郭亞軍等^[31]的“VHSD”評(píng)價(jià)模型（縱橫向拉開檔次法）能夠突破以上靜態(tài)方法的局限，但可能忽略指標(biāo)信息量問題。因此，本文基于熵值法（Entropy Method，簡(jiǎn)稱EM）與“VHSD”模型進(jìn)行綜合評(píng)價(jià)，在克服上述方法局限性的同時(shí)，能夠提高評(píng)價(jià)結(jié)果的可信度。

2.2.1 “VHSD”縱橫向拉開檔次法

針對(duì)n個(gè)被評(píng)價(jià)對(duì)象s1，s2…sn，取m個(gè)評(píng)價(jià)指標(biāo)x1，x2…xm，按照時(shí)間順序t1，t2…tN獲得原始數(shù)據(jù)xij（tk），再將原始數(shù)據(jù)進(jìn)行排列以構(gòu)建時(shí)序立體數(shù)據(jù)表。由時(shí)序立體數(shù)據(jù)表支持的綜合評(píng)價(jià)問題被稱為動(dòng)態(tài)綜合評(píng)價(jià)問題，如式（1）所示。

ytk=f（ω1tk，ω2tk，…，ωmtk;xi1tk，xi2tk，…，ximtk），k=1，2，…，N（1）

其中，yitk代表si在時(shí)刻tk處的綜合評(píng)價(jià)值，為消除指標(biāo)量綱，本文對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。對(duì)于時(shí)刻tk（k=1，2…N），設(shè)定綜合評(píng)價(jià)函數(shù)如下：

yi（t）k）=∑mj=1ωjxij（tk），k=1，2，…，N;i=1，2，…，n（2）

為最大限度地體現(xiàn)各評(píng)價(jià)對(duì)象間的差異，本文采用tk的總離差平方和對(duì)權(quán)重系數(shù)ωj（j=1，2…m）進(jìn)行刻畫（由于對(duì)原始數(shù)據(jù)已進(jìn)行標(biāo)準(zhǔn)化處理，所以y-=0）。

σ2=∑Nk=1∑ni=1yitk－y-）2=∑Nk=1∑ni=1yitk2=∑Nk=1［ωTHkω］=ωT∑Nk=1［Hkω］=ωTHω（3）

其中，ω=（ω1，ω2，…，ωm）T，H=∑Nk=1Hk為m×m階對(duì)稱矩陣，Hk=ATkAk（k=1，2…N），且Ak計(jì)算如式（4）所示。

Ak=x11（tk）…x1m（tk）xn1（tk）…xnm（tk），k=1，2…N（4）

限定ωTω=1，當(dāng)取ω為矩陣H最大特征值所對(duì)應(yīng)的特征向量時(shí)，σ2取最大值。最后，將特征向量ω歸一化得到權(quán)重向量。

2.2.2 “EM”熵值法

首先，對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算變異系數(shù)如式（5）所示。

yij=x，ij∑mi=1x，ij（5）

由此可以構(gòu)建數(shù)據(jù)比重矩陣Y=yijm×n。

其次，計(jì)算指標(biāo)信息熵Ej，如式（6）所示。

Ej=－1ln （m）∑mi=1（yijln （yij））（6）

最后，計(jì)算差異性指數(shù)Dj以及指標(biāo)權(quán)重ωj，其中差異性指數(shù)Dj=1－Ej，Dj與指標(biāo)j包含的信息量成正比，權(quán)重計(jì)算如式（7）所示。

ωj=Dj∑nj=1Dj（7）

2.2.3 “VHSD-EM”縱橫向拉開檔次法與熵值法組合""" 評(píng)價(jià)模型

在指標(biāo)評(píng)價(jià)方面，上述兩種方法具有互補(bǔ)性，分別能夠從靜態(tài)與動(dòng)態(tài)兩個(gè)維度對(duì)指標(biāo)進(jìn)行刻畫，同時(shí)兼顧指標(biāo)信息量。因此，本文取兩類指標(biāo)權(quán)重的加權(quán)平均值作為“小巨人”企業(yè)數(shù)字化成熟度指標(biāo)評(píng)價(jià)的最終權(quán)重，進(jìn)而測(cè)算數(shù)字化成熟度最終得分。值得注意的是，為驗(yàn)證評(píng)價(jià)方法的有效性，本文運(yùn)用Matlab軟件對(duì)兩種方法的評(píng)價(jià)結(jié)果進(jìn)行斯皮爾曼等級(jí)相關(guān)性檢驗(yàn)。

2.2.4 時(shí)間維度上的加權(quán)處理

本文采用厚今薄古歸一化法對(duì)綜合得分進(jìn)行時(shí)間維度上的加權(quán)處理，得到“小巨人”制造企業(yè)數(shù)字化成熟度最終得分。厚今薄古歸一化法處理數(shù)據(jù)的原理如下：時(shí)間維度上與當(dāng)前時(shí)間距離越近權(quán)重越大，距離越遠(yuǎn)權(quán)重越小。在時(shí)間區(qū)間[t1，tN]，時(shí)刻tk的時(shí)間權(quán)重如下：

wk=k/∑Nk=1k，k=1，2…N（8）

測(cè)度指標(biāo)zi在[t1，tN]的綜合評(píng)價(jià)值如式（9）所示。

zi=∑Nk=1wkyi（tk），i=1，2，…，m（9）

3 實(shí)證分析

3.1 數(shù)據(jù)來源與處理

2019—2022年工業(yè)和信息化部累計(jì)培育4批專精特新“小巨人”企業(yè)，共8 997家，大部分屬于制造業(yè)。2015年《中國(guó)制造2025》提出“三步走”建設(shè)制造強(qiáng)國(guó)的戰(zhàn)略任務(wù)，傳統(tǒng)產(chǎn)業(yè)與新一代信息技術(shù)深度融合發(fā)展。因此，本文聚焦“小巨人”中的制造企業(yè)，考慮到政策實(shí)施效果具有時(shí)滯性以及數(shù)據(jù)的可比性，選取2016—2022年專精特新“小巨人”制造企業(yè)全部A股上市公司（共732家）作為初始樣本企業(yè)，剔除ST、*ST企業(yè)、年報(bào)缺失樣本企業(yè)，最終得到262家樣本。本文相關(guān)數(shù)據(jù)來源于WIND數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫、上市公司官網(wǎng)。

在數(shù)字化相關(guān)詞頻統(tǒng)計(jì)方面，A1指標(biāo)中，數(shù)字人才應(yīng)用專業(yè)化以及管理層職務(wù)設(shè)立數(shù)據(jù)來自公司年報(bào)，管理層數(shù)字創(chuàng)新導(dǎo)向包括前瞻性、持續(xù)性、廣度和強(qiáng)度4個(gè)方面，統(tǒng)計(jì)范圍限定為年報(bào)中“管理層討論與分析”部分。其中，前瞻性選取第一次出現(xiàn)數(shù)字化轉(zhuǎn)型特征詞的年份與當(dāng)前年份的差值，無相關(guān)詞記則為0；持續(xù)性選取截至當(dāng)年年報(bào)出現(xiàn)數(shù)字化轉(zhuǎn)型特征詞的年份數(shù)量總數(shù)衡量；廣度以現(xiàn)數(shù)字化轉(zhuǎn)型特征詞的種類衡量；強(qiáng)度選取數(shù)字化轉(zhuǎn)型特征詞總字?jǐn)?shù)（關(guān)鍵詞長(zhǎng)度*詞頻）占“管理層的討論與分析”部分總字?jǐn)?shù)的比值測(cè)量。A12指標(biāo)采用剔除“管理層討論與分析”內(nèi)容后，由數(shù)字化轉(zhuǎn)型帶來的技術(shù)、業(yè)務(wù)、流程轉(zhuǎn)變3個(gè)維度關(guān)鍵詞在年報(bào)中出現(xiàn)的總頻次測(cè)量。借鑒范合君^[1]的研究成果，A5指標(biāo)中的產(chǎn)業(yè)鏈依賴度采用焦點(diǎn)企業(yè)與前五大供應(yīng)商、前五大客戶交易金額占年度采購總額的比值衡量，該值越大表明產(chǎn)業(yè)鏈依賴度越高。其余數(shù)據(jù)來自上市公司年報(bào)。

3.2 “小巨人”企業(yè)數(shù)字化成熟度綜合評(píng)價(jià)結(jié)果

本文運(yùn)用Matlab軟件對(duì)“VHSD-EM”組合評(píng)價(jià)模型進(jìn)行測(cè)算，得出兩種方法下2016—2022年樣本企業(yè)各年度得分值，并對(duì)基于兩種評(píng)價(jià)方法的得分進(jìn)行相關(guān)性檢驗(yàn)。表2結(jié)果顯示，采用兩種方法測(cè)算的分值顯著正相關(guān)，因而本文選取的組合評(píng)價(jià)模型具有較好的穩(wěn)定性。

本文通過運(yùn)行Matlab軟件獲得考察期內(nèi)每個(gè)年份的得分值，運(yùn)用厚今薄古歸一化法進(jìn)行二次加權(quán)，得到各樣本企業(yè)最終評(píng)價(jià)得分。限于篇幅，本文僅展示數(shù)字化成熟度排名前20與后20企業(yè)得分情況，見表3—表4。

通過對(duì)比分析可知，相比于空間分布，“小巨人”企業(yè)數(shù)字化成熟度的行業(yè)分化差異更為顯著。從所在省份看，“小巨人”企業(yè)數(shù)字化成熟度分布錯(cuò)落有序，不存在較為顯著集聚趨勢(shì)；從行業(yè)分布看，“小巨人”企業(yè)數(shù)字化成熟度綜合分值排名前20的企業(yè)大部分屬于半導(dǎo)體、電子設(shè)備、儀器和元件、通信設(shè)備和化工等行業(yè)企業(yè)，排名后20的企業(yè)屬于機(jī)械、金屬、非金屬與采礦、專業(yè)服務(wù)和汽車零配件等傳統(tǒng)制造企業(yè)。本文以“小巨人”企業(yè)數(shù)字化成熟度的綜合分值為基準(zhǔn)，采用四分位點(diǎn)法將其劃分為4個(gè)等級(jí)（高成熟度、較高成熟度、較低成熟度、低成熟度），綜合評(píng)分如表5所示。

3.3 異質(zhì)性分析

為探究“小巨人”企業(yè)是否存在數(shù)字化轉(zhuǎn)型“數(shù)字鴻溝”問題^[2]，以及“小巨人”企業(yè)數(shù)字化成熟度演化規(guī)律，本文從行業(yè)維度、空間維度和影響因素3個(gè)層面對(duì)“小巨人”企業(yè)數(shù)字化成熟度測(cè)度結(jié)果作進(jìn)一步分析?；跇颖敬硇院蜏y(cè)算結(jié)果客觀性，本文剔除企業(yè)樣本數(shù)量低于5的子類別，篩選后的子樣本涵蓋數(shù)字化成熟度4個(gè)等級(jí)，且在行業(yè)與省份維度上不低于樣本總量的90%，基于各年份“小巨人”企業(yè)數(shù)字化成熟度均值對(duì)演化規(guī)律進(jìn)行分析。

3.3.1 行業(yè)維度上的“小巨人”企業(yè)數(shù)字化成熟度演""" 變分析

整體來看，“小巨人”企業(yè)數(shù)字化成熟度兩極分化情況較為嚴(yán)重，通信設(shè)備行業(yè)和電子設(shè)備、儀器、原件行業(yè)依托行業(yè)優(yōu)勢(shì)率先引入5G、物聯(lián)網(wǎng)、人工智能等新技術(shù)推動(dòng)數(shù)字化建設(shè)，具有較高的數(shù)字化成熟度水平；以機(jī)械和金屬、非金屬與采礦為代表的傳統(tǒng)行業(yè)技術(shù)集成難度較高，數(shù)字化成熟度水平較低，與其它行業(yè)存在顯著差距。

在時(shí)間維度上（見圖2），2020年通信設(shè)備行業(yè)數(shù)字化成熟度呈現(xiàn)較為明顯的波動(dòng)，這與中國(guó)不斷推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型以及5G技術(shù)商業(yè)應(yīng)用密切相關(guān)。此外，2020年通信行業(yè)在行程大數(shù)據(jù)、遠(yuǎn)程會(huì)議、遠(yuǎn)程醫(yī)療、云直播等非接觸式服務(wù)方面發(fā)揮了巨大作用，促進(jìn)了數(shù)字化成熟度提升，同時(shí)降低了其它領(lǐng)域企業(yè)數(shù)字化轉(zhuǎn)型成本。

對(duì)比考察期內(nèi)其它行業(yè)，電子設(shè)備、儀器和元件行業(yè)作為數(shù)字技術(shù)使用載體具有較高的數(shù)字化成熟度。受智能制造、物聯(lián)網(wǎng)等數(shù)字技術(shù)的影響，電氣設(shè)備行業(yè)數(shù)字化成熟度提升幅度最大。2018年半導(dǎo)體產(chǎn)品與設(shè)備行業(yè)數(shù)字化成熟度呈現(xiàn)顯著下滑趨勢(shì)，可能與中美貿(mào)易關(guān)系的緊張局勢(shì)密切相關(guān)，企業(yè)致力于解決“卡脖子”技術(shù)問題而疏于數(shù)字化建設(shè)。機(jī)械行業(yè)數(shù)字化成熟度綜合評(píng)分基數(shù)較低，但整體呈現(xiàn)穩(wěn)步上升趨勢(shì)，具有較大的增長(zhǎng)潛力。金屬、非金屬、采礦行業(yè)數(shù)字化成熟度低于其它行業(yè)，主要由行業(yè)特性決定，其生產(chǎn)過程包括采礦、加工、冶煉等環(huán)節(jié)，涉及大規(guī)模機(jī)械設(shè)備和復(fù)雜工藝，因而需要借助數(shù)字技術(shù)并投入大量設(shè)備、軟件、資金對(duì)整個(gè)產(chǎn)業(yè)鏈進(jìn)行升級(jí)。此外，上述行業(yè)企業(yè)生產(chǎn)過程對(duì)穩(wěn)定性要求較高，而數(shù)字技術(shù)應(yīng)用可能帶來風(fēng)險(xiǎn)。在時(shí)間維度上，航空航天與國(guó)防、生物科技、化工、汽車零配件和制藥行業(yè)數(shù)字化成熟度均值波動(dòng)不顯著，存在一定提升空間。

3.3.2 空間維度上的“小巨人”企業(yè)數(shù)字化成熟度演""" 變分析

從空間維度看（見圖3），隨時(shí)間推移，各地區(qū)“小巨人”企業(yè)數(shù)字化成熟度變動(dòng)幅度較大，且數(shù)字化成熟度存在較大的地區(qū)差異。以北京、上海為代表的中心城市，以及以廣東、福建為代表的東南沿海地區(qū)“小巨人”企業(yè)數(shù)字化成熟度普遍較高。考察期內(nèi)，上海“小巨人”企業(yè)數(shù)字化成熟度得分均值呈現(xiàn)穩(wěn)步提升趨勢(shì)，僅次于北京；山東、安徽、河南和遼寧“小巨人”企業(yè)數(shù)字化成熟度得分均值處于較低水平，這與以往研究結(jié)論高度一致^[2]。其中，山東和河南數(shù)字化成熟度評(píng)分均值呈現(xiàn)穩(wěn)步提升趨勢(shì)，具有一定的增長(zhǎng)潛力。整體上看，“小巨人”企業(yè)數(shù)字化成熟度評(píng)分均值增長(zhǎng)幅度最大的省份為河北，這可能與“雄安新區(qū)”建設(shè)密切相關(guān)。分區(qū)域看，數(shù)字化成熟度排序依次為中心城市、東南沿海地區(qū)、南部地區(qū)、西部地區(qū)、北部地區(qū)。

3.4 “小巨人”企業(yè)數(shù)字化成熟度影響因素分析

當(dāng)前，專精特新“小巨人”企業(yè)數(shù)字化轉(zhuǎn)型程度普遍較低。余澳等^[32]研究發(fā)現(xiàn)，企業(yè)規(guī)模、行業(yè)類別、生命周期與數(shù)字化轉(zhuǎn)型程度密切相關(guān)，相對(duì)于數(shù)字化生產(chǎn)要素和數(shù)字運(yùn)營(yíng)能力等內(nèi)部因素，外部資金支持、產(chǎn)業(yè)數(shù)字平臺(tái)、政府政策及營(yíng)商環(huán)境等外部因素更為關(guān)鍵；張新^[33]指出，受限于資源，中小企業(yè)難以與大型企業(yè)競(jìng)爭(zhēng)，政府補(bǔ)貼等外部支持是前者數(shù)字化轉(zhuǎn)型成功的支撐。參考上述研究成果，本文探討關(guān)鍵外部要素對(duì)“小巨人”制造企業(yè)數(shù)字化成熟度的影響。結(jié)果發(fā)現(xiàn)，政府補(bǔ)貼不僅能夠?yàn)椤靶【奕恕逼髽I(yè)提供資金支持，而且具有政策導(dǎo)向性，可為企業(yè)數(shù)字資源獲取帶來便利。由此，加大財(cái)政科技支出有助于建立完整的數(shù)字經(jīng)濟(jì)系統(tǒng)，進(jìn)而增強(qiáng)中小企業(yè)數(shù)字化轉(zhuǎn)型動(dòng)能。此外，“小巨人”企業(yè)主導(dǎo)產(chǎn)品擁有關(guān)鍵核心技術(shù)，精細(xì)化程度高、規(guī)模小且競(jìng)爭(zhēng)激烈，因而本文將企業(yè)規(guī)模和市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度納入研究范圍，并對(duì)解釋變量進(jìn)行對(duì)數(shù)化處理以確保數(shù)據(jù)的平穩(wěn)性。由于被解釋變量存在左右側(cè)歸并，本文選取能夠較好處理此類數(shù)據(jù)的Tobit模型進(jìn)行回歸分析^[20]，具體研究模型如式（10）所示。

Dit=α0+α1lnGit+α2lnPit+α3HHIit+α4lnSit+εit（10）

其中，Dit代表企業(yè)數(shù)字化得分，αi（i=1，2…）為解釋變量的系數(shù)，εit為擾動(dòng)項(xiàng)，Git、Pit、Sit分別代表政府補(bǔ)助、地方財(cái)政科技支出和企業(yè)規(guī)模，HHI為采用赫芬達(dá)爾指數(shù)計(jì)算的市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度。此外，為探究以上因素對(duì)不同數(shù)字化成熟度樣本企業(yè)的影響，本文構(gòu)建5個(gè)回歸模型，模型1代表總體樣本，模型2—模型5分別代表4個(gè)成熟度等級(jí)樣本企業(yè)，實(shí)證估計(jì)結(jié)果如表6所示。

由表6可知，市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度對(duì)“小巨人”企業(yè)數(shù)字化成熟度具有負(fù)向影響，而政府補(bǔ)貼、地方財(cái)政科技支出、企業(yè)規(guī)模均對(duì)“小巨人”企業(yè)數(shù)字化成熟度具有顯著正向影響，但不同數(shù)字化成熟度等級(jí)企業(yè)樣本間存在較大差距。高數(shù)字化成熟度企業(yè)依托行業(yè)優(yōu)勢(shì)在市場(chǎng)中占據(jù)領(lǐng)先地位，此時(shí)政府補(bǔ)貼和地方財(cái)政扶持能夠?yàn)槠鋽?shù)字化硬件和軟件建設(shè)提供資金，促進(jìn)企業(yè)數(shù)字化成熟度進(jìn)一步提升。受限于企業(yè)規(guī)模，高數(shù)字化成熟度樣本企業(yè)數(shù)字資源有限，此時(shí)擴(kuò)大規(guī)模能夠加速數(shù)字技術(shù)運(yùn)用與升級(jí)，在財(cái)政科技支出的扶持下企業(yè)能夠?qū)崿F(xiàn)數(shù)字化成熟度躍遷。4個(gè)外部要素對(duì)低數(shù)字化成熟度樣本企業(yè)的影響均不顯著，可能原因是機(jī)械、化工、汽車零配件等行業(yè)對(duì)數(shù)字技術(shù)需求不高，企業(yè)內(nèi)部缺乏數(shù)字生產(chǎn)要素，對(duì)數(shù)字化建設(shè)重視不足，且數(shù)字運(yùn)營(yíng)能力較差。因此，企業(yè)可以通過數(shù)字化改造促進(jìn)自身數(shù)字化成熟度提升。低數(shù)字化成熟度企業(yè)大多屬于機(jī)械、金屬、采礦等傳統(tǒng)行業(yè)，其數(shù)字化成熟度受內(nèi)外部因素影響（除數(shù)字技術(shù)需求、數(shù)字生產(chǎn)要素等內(nèi)部要素外，還受到規(guī)模和市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度的影響），數(shù)字化成熟度提升存在一定難度。

4 結(jié)語

4.1 研究結(jié)論

本文依據(jù)《優(yōu)質(zhì)中小企業(yè)梯度培育管理暫行辦法》，基于工業(yè)和信息化部提出的《中小企業(yè)數(shù)字化水平評(píng)測(cè)指標(biāo)》，以數(shù)字化賦能“小巨人”企業(yè)獨(dú)特優(yōu)勢(shì)為抓手構(gòu)建指標(biāo)評(píng)價(jià)體系，采用“VHSD-EM”評(píng)價(jià)模型對(duì)2016—2022年262家專精特新“小巨人”企業(yè)數(shù)字化成熟度進(jìn)行測(cè)度及評(píng)價(jià)，將各年度得分值進(jìn)行二次加權(quán)后匯總得到綜合評(píng)分，并劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ共4個(gè)數(shù)字化成熟度等級(jí)，得出以下主要結(jié)論：

（1）依據(jù)“專、精、特、新、鏈、品”6個(gè)維度的數(shù)字化賦能程度，將“小巨人”企業(yè)劃分為4個(gè)成熟度等級(jí)，結(jié)果發(fā)現(xiàn)，在行業(yè)方面，各等級(jí)樣本具有顯著集聚趨勢(shì)。

（2）行業(yè)維度呈現(xiàn)斷裂式兩極分化態(tài)勢(shì)，其中，通信設(shè)備、電子設(shè)備、儀器和元件以及半導(dǎo)體行業(yè)占據(jù)絕對(duì)優(yōu)勢(shì)，以機(jī)械、金屬、非金屬和采礦為代表的傳統(tǒng)制造行業(yè)數(shù)字化成熟度較低，存在提升空間。

（3）從空間維度看，考察期內(nèi)各地區(qū)“小巨人”企業(yè)數(shù)字化成熟度波動(dòng)幅度較大且存在顯著地區(qū)差異，數(shù)字化成熟度依次排序?yàn)橹行某鞘小|南沿海地區(qū)、南部地區(qū)、西部地區(qū)、北部地區(qū)。其中，河北借力“雄安新區(qū)”成為數(shù)字化成熟度提升速度最快的地區(qū)，具有較大發(fā)展?jié)摿Α?/p>

（4）影響因素方面，政府補(bǔ)貼、財(cái)政科技支出、市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度、企業(yè)規(guī)模對(duì)“小巨人”企業(yè)數(shù)字化成熟度具有顯著影響。分樣本看，政府補(bǔ)貼、財(cái)政科技支出僅對(duì)高數(shù)字化成熟度的“小巨人”企業(yè)產(chǎn)生影響，不同數(shù)字化成熟度樣本企業(yè)受企業(yè)規(guī)模的影響顯著，市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度對(duì)低數(shù)字化成熟度“小巨人”企業(yè)具有顯著負(fù)向影響。

4.2 政策建議

（1）“小巨人”企業(yè)可以基于“專、精、特、新、鏈、品”6個(gè)評(píng)價(jià)標(biāo)準(zhǔn)度量各維度數(shù)字化水平，明確自身定位。以同行業(yè)中高數(shù)字化成熟度“小巨人”企業(yè)為標(biāo)桿，了解數(shù)字化成熟度提升路徑及步驟，在掌握標(biāo)桿企業(yè)數(shù)字化轉(zhuǎn)型策略、挑戰(zhàn)、持續(xù)性和演化動(dòng)態(tài)的基礎(chǔ)上，促進(jìn)業(yè)務(wù)升級(jí)、流程改造、全產(chǎn)業(yè)鏈協(xié)同，利用數(shù)字技術(shù)積極推動(dòng)自身運(yùn)營(yíng)效率提升。

（2）基于不同行業(yè)在數(shù)字化賦能方面面臨的挑戰(zhàn)，政府可以提供針對(duì)性政策支持。尤其對(duì)于傳統(tǒng)制造業(yè)，政府應(yīng)引導(dǎo)制造企業(yè)強(qiáng)化數(shù)字智能化價(jià)值取向，提供資源、培訓(xùn)和資金支持，鼓勵(lì)企業(yè)結(jié)合自身需求進(jìn)行跨行業(yè)數(shù)字化合作，打造數(shù)字化生態(tài)鏈，從而加快整個(gè)行業(yè)數(shù)字化進(jìn)程。

（3）政府應(yīng)加強(qiáng)數(shù)字經(jīng)濟(jì)水平較低地區(qū)數(shù)字化建設(shè)，識(shí)別數(shù)字經(jīng)濟(jì)不同維度的貢獻(xiàn)，基于區(qū)域數(shù)字建設(shè)需求制定數(shù)字化戰(zhàn)略，設(shè)立區(qū)域數(shù)字建設(shè)基金，增加數(shù)字基礎(chǔ)設(shè)施投入，以提高公共服務(wù)領(lǐng)域數(shù)字化和智能化水平。此外，需深化教育體制改革，推動(dòng)產(chǎn)學(xué)研深度融合，培養(yǎng)數(shù)字化專業(yè)人才，促進(jìn)“小巨人”制造企業(yè)數(shù)字化成熟度提升。

（4）對(duì)具有不同數(shù)字化成熟度的“小巨人”制造企業(yè)提供針對(duì)性政策支持。對(duì)于低數(shù)字化成熟度的“小巨人”企業(yè)而言，應(yīng)著力推進(jìn)內(nèi)部數(shù)字化建設(shè)，樹立數(shù)字化轉(zhuǎn)型意識(shí)，引進(jìn)和培養(yǎng)數(shù)字化專業(yè)人才，加強(qiáng)數(shù)字技術(shù)運(yùn)用，加大硬件投入；對(duì)于高數(shù)字化成熟度的先進(jìn)制造企業(yè)而言，應(yīng)以財(cái)政補(bǔ)貼和金融政策為主，鼓勵(lì)其擴(kuò)大企業(yè)規(guī)模，加快數(shù)字技術(shù)更新迭代，從而進(jìn)一步促進(jìn)企業(yè)數(shù)字化成熟度提升。

參考文獻(xiàn)：

[1] 范合君，吳婷，何思錦.企業(yè)數(shù)字化的產(chǎn)業(yè)鏈聯(lián)動(dòng)效應(yīng)研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2023，41（3）：115-132.

[2] 董香書，王晉梅，肖翔.數(shù)字經(jīng)濟(jì)如何影響制造業(yè)企業(yè)技術(shù)創(chuàng)新——基于“數(shù)字鴻溝”的視角[J].經(jīng)濟(jì)學(xué)家，2022，34（11）：62-73.

[3] 丁永健，吳小萌.“小巨人”企業(yè)培育有助于提升制造業(yè)中小企業(yè)創(chuàng)新活力嗎——來自“專精特新”政策的證據(jù)[J].科技 進(jìn)步與對(duì)策，2023，40（12）：108-116.

[4] 張米爾，任騰飛，黃思婷.專精特新小巨人遴選培育政策的專利效應(yīng)研究[J].中國(guó)軟科學(xué)， 2023，38（5）：33-43，53.

[5] 丁建軍，劉賢，王淀坤，等.國(guó)家級(jí)專精特新“小巨人”企業(yè)空間分布及其影響因素[J].經(jīng)濟(jì)地理，2022，42（10）：109-118.

[6] 丁建軍，王淀坤，劉賢.長(zhǎng)三角地區(qū)專精特新“小巨人”企業(yè)空間分布及影響因素研究[J].地理研究，2023，42（4）：1009-1028.

[7] 王瑤，曾德明，李健，等.橋接科學(xué)家創(chuàng)始人與企業(yè)技術(shù)創(chuàng)新績(jī)效——基于專精特新“小巨人”企業(yè)的分析[J].科學(xué)學(xué)研究，2023，41（9）：1690-1701.

[8] 陸洋，王超賢.數(shù)字化轉(zhuǎn)型量化評(píng)估研究的比較分析與最新進(jìn)展[J].科技進(jìn)步與對(duì)策，2021，38（9）：152-160.

[9] RGLINGER M，PPPELBU J，BECKER J.Maturity models in business process management[J].Business Process Management Journal， 2012，18（2）：328-346.

[10] 蔣鑫，周軒.數(shù)字化成熟度模型：研究評(píng)述與展望[J].外國(guó)經(jīng)濟(jì)與管理，2024，46（1）：71-91.

[11] 朱偉，尹麗波，周劍等.創(chuàng)新驅(qū)動(dòng)， 高質(zhì)發(fā)展——埃森哲中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)[R].國(guó)家工業(yè)信息安全發(fā)展研究中心，兩化融合服務(wù)聯(lián)盟，埃森哲公司，2018.

[12] LEYH C， SCHFFER T， BLEY K， et al. SIMMI 4.0—— a maturity model for classifying the enterprise-wide it and software landscape focusing on Industry 4.0[C]. Federated Conference on Computer Science and Information Systems IEEE， 2016.

[13] 王瑞，董明，侯文皓.制造型企業(yè)數(shù)字化成熟度評(píng)價(jià)模型及方法研究[J].科技管理研究，2019，39（19）：57-64.

[14] SJDIN D R， PARIDA V， LEKSELL M， et al. Smart factory implementation and process innovation： a preliminary maturity model for leveraging digitalization in manufacturing moving to smart factories presents specific challenges that can be addressed through a structured approach focused on people， processes， and technologies[J]. Research-Technology Management， 2018，61（5）： 22-31.

[15] EILEEN D，TORSTEN E，DANIEL F， et al. A maturity model for assessing the digitalization of public health agencies[J].Business Information Systems Engineering，2023，65（5）：539-554.

[16] 王核成，王思惟，劉人懷.企業(yè)數(shù)字化成熟度模型研究[J].管理評(píng)論，2021，33（12）： 152-162.

[17] PIROLA F， CIMINI C， PINTO R. Digital readiness assessment of Italian SMEs： a case-study research[J]. Journal of Manufacturing Technology Management， 2020， 31（5）： 1045-1083.

[18] GOLLHARDT T， HALSBENNING S，HERMANN A，et al.Development of a digital transformation maturity model for it companies[C]//2020 IEEE 22nd Conference on Business Informatics （CBI）， 2020.

[19] SCHUH G， ANDERL R， GAUSEMEIER J， et al. Industrie 4.0 maturity index： managing the digital transformation of companies[M]. Munich： Herbert Utz Verlag， 2017.

[20] 唐孝文，繆應(yīng)爽，孫悅，等.高端裝備制造企業(yè)數(shù)字化成熟度測(cè)度及影響因素研究[J].科研管理，2022，43（9）：10-19.

[21] 王羲，陳雪姣，曹晶，等.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)高質(zhì)量發(fā)展的影響——企業(yè)創(chuàng)新與風(fēng)險(xiǎn)承擔(dān)視角[J].科技進(jìn)步與對(duì)策，2024，41（7）：1-10.

[22] 王昱，全捷，李良玉，等.制造企業(yè)數(shù)字化轉(zhuǎn)型能否助推研發(fā)投入跳躍——來自非參數(shù)分位數(shù)面板的實(shí)證研究[J].科技進(jìn)步與對(duì)策，2024，41（8）：33-43.

[23] 李煜華，向子威，胡瑤瑛，等.路徑依賴視角下先進(jìn)制造業(yè)數(shù)字化轉(zhuǎn)型組態(tài)路徑研究[J].科技進(jìn)步與對(duì)策，2022，39（11）：74-83.

[24] 余艷，王雪瑩，郝金星，等.酒香還怕巷子深？制造企業(yè)數(shù)字化轉(zhuǎn)型信號(hào)與資本市場(chǎng)定價(jià)[J].南開管理評(píng)論，2024，27（8）：185-196.

[25] WARNER K S R， WAEGER M. Building dynamic capabilities for digital transformation： an ongoing process of strategic renewal[J]. Long Range Planning，2019，52（3）：326-349.

[26] MCAFEE A， BRYNJOLFSSON E， DAVENPORT T H， et al.Big data： the management revolution[J]. Harvard Business Review， 2012，90（10）：60-68.

[27] 張林剛，戴國(guó)慶，熊焰，等.中國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型評(píng)價(jià)及影響因素——基于模糊集定性比較分析[J].科技管理研究，2022，42（7）：68-78.

[28] 劉飛.數(shù)字化轉(zhuǎn)型如何提升制造業(yè)生產(chǎn)率——基于數(shù)字化轉(zhuǎn)型的三重影響機(jī)制[J].財(cái)經(jīng)科學(xué)， 2020，64（10）：93-107.

[29] 劉淑春，閆津臣，張思雪，等.企業(yè)管理數(shù)字化變革能提升投入產(chǎn)出效率嗎[J].管理世界，2021，37（5）：170-190，13

[30] 王曉川，孫秋雨.黃河流域產(chǎn)業(yè)匹配動(dòng)態(tài)演變及其對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響——以高端服務(wù)業(yè)與先進(jìn)制造業(yè)為例[J].經(jīng)濟(jì)問題，2023，45（6）：120-129.

[31] 郭亞軍.綜合評(píng)價(jià)理論、方法及拓展［M］.北京：科學(xué)出版社，2012： 40-41

[32] 余澳，張羽豐，劉勇.“專精特新”中小企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵影響因素識(shí)別研究——基于1625家“專精特新”中小企業(yè)的調(diào)查[J].經(jīng)濟(jì)縱橫，2023，39（4）：79-89.

[33] 張新，徐瑤玉，馬良.中小企業(yè)數(shù)字化轉(zhuǎn)型影響因素的組態(tài)效應(yīng)研究[J].經(jīng)濟(jì)與管理評(píng)論，2022，38（1）：92-102.

（責(zé)任編輯：張 悅）

Digital Maturity Evaluation of SRDI \"Little Giant\" Enterprises Based on \"VHSD-EM\" Model

Tang Xiaowen， Cao Xuerui， Chen Xin

（College of Economics and Management， Beijing University of Technology， Beijing 100124， China）

Abstract：The integration of digital technology and manufacturing offers substantial opportunities for industry development. SRDI （specialized， refinement， differential， innovative） \"little giant\" enterprises are the pioneers who overcome technological barriers and act as manufacturing powerhouses by addressing industry shortcomings. Empowering these little giants with digital technology is strategically vital and contributes to the independence， safety， and control of China's industrial and supply chain systems. The existing studies are mostly qualitative research that have explored factors influencing digital transformation， measurement of digital transformation levels， and economic performance resulting from digital transformation. Notably， there is a dearth of targeted evaluation research on the digital maturity of \"little giant\" enterprises.

To address these gaps， this study proposes six evaluation criteria for \"little giant\" enterprises. Utilizing annual report data from listed companies between 2016 and 2022， the study carries on the evaluation based on the four-level \"Evaluation Indicators for Digital Level of Small and Medium-sized Enterprises\" introduced by the Ministry of Industry and Information Technology in 2022. According to the \"input-output\" theory， input elements are categorized into digital management and digital foundation， while output processes are divided into digital operation and digital effect. The study extensively utilizes quantitative methods to establish six first-level indicators and thirteen second-level indicators for digital professional management， digital information system refinement， digital innovation efficiency， and product digitalization， etc. Regarding evaluation methods， static research approaches face challenges in assessing time-series three-dimensional data， while a singular \"VHSD\" evaluation model may overlook the wealth of indicator information. Thus， this study combines the entropy method （EM） and the \"VHSD\" model for a comprehensive evaluation. This approach overcomes the limitations of both methods， enhancing the credibility of the evaluation results. The study conducts a heterogeneity analysis based on the evaluation outcomes， considering industry and regional dimensions. Additionally， it identifies the primary influencing factors of SRDI \"little giant\" and performs empirical regression using the Tobit model.

The results unveil a stark polarization of digital maturity among SRDI \"little giant\" enterprises， highlighting substantial disparities between advanced and traditional manufacturing sectors. Geographically， this division extends across central cities， the southeast coast，the southern， western， and northern regions， exhibiting notable fluctuations over time. The study pinpoints government subsidies， financial technology spending， market competition intensity， and enterprise scale as pivotal factors influencing digital maturity， with varying impacts across samples with different maturity levels. Therefore， it is recommended to encourage \"little giant\" enterprises to increase digital investment， and apply the digital maturity evaluation system into scale matching， clear positioning;a longitudinal study on the digital transformation strategies of leading enterprises is expected for horizontal and vertical digital integration. On an industry level， the government and research institutions should explore the distinct challenges and opportunities that different industries encounter in their journey towards digital empowerment. Tailored policy support is crucial， especially for traditional manufacturing sectors. The government ought to guide businesses toward a focus of digital intelligence by offering resources， training， and financial assistance， encouraging collaborative， cross-industry digitization aligned with specific needs that can help build a digital ecosystem， enhancing efficiency， reducing costs， and propelling the entire industry towards comprehensive digitization. Regionally， measures such as talent introduction， increased capital investment， and enhancement of the digital level of social governance are proposed to achieve balanced development of digital maturity. Finally， the study proposes targeted policy support for \"little giant\" manufacturing enterprises at varying digital maturity levels. For traditional manufacturing industries with low digital maturity， they should focus on promoting internal digital construction and strengthening hardware investment;for advanced manufacturing industries with high digital maturity，financial subsidies and policy support are expected to facilitate scale expansion， promote digital technology updates， and effectively enhance overall digital maturity.

This study focuses on the distinctive strengths of \"little giant\" enterprises in evaluating digital maturity，enhances the existing research on the index evaluation model of digital maturity by employing text mining， the stochastic frontier method and annual report statistics. Moreover， it reveals substantial disparities in digital maturity between advanced and traditional manufacturing at the industry level， along with regional imbalances， and identifies crucial factors for SRDI ‘\"little giant\" enterprises at different levels of digital maturity， offering valuable insights for policy optimization.

Key Words：\"Little Giant\" Enterprises; Digital Maturity; \"VHSD-EM\" Model; Input-output Theory; Influencing Factors

基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（71772009）；北京市社會(huì)科學(xué)基金規(guī)劃項(xiàng)目重點(diǎn)項(xiàng)目（22GLA007）

作者簡(jiǎn)介：唐孝文（1980—），男，安徽蚌埠人，博士，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授、博士生導(dǎo)師，研究方向?yàn)閿?shù)字化轉(zhuǎn)型、組織變革、創(chuàng)新管理、產(chǎn)業(yè)轉(zhuǎn)型；曹雪瑞（1996—），女，河北保定人，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型、創(chuàng)新戰(zhàn)略；陳鑫（1990-），女，河北唐山人，博士，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院博士后， 研究方向?yàn)閿?shù)字化轉(zhuǎn)型、企業(yè)社會(huì)責(zé)任、組織行為學(xué)、創(chuàng)新管理。本文通訊作者：陳鑫。