中國制造業數字化轉型的影響因素研究

童 雨

（南昌理工學院 工商管理學院，江西 南昌 330044）

一、引言和文獻綜述

隨著全球競爭的加劇、數字經濟的發展，企業數字化轉型已成為大勢所趨。除了新興數字化企業外，傳統產業的數字化轉型也已成為一個國家和企業保持并獲取競爭力的關鍵所在。世界各國紛紛出臺措施，重視并推動制造業的數字化轉型。美國從20世紀90年代開始，就非常重視信息技術的發展及其在制造業中的應用，特別是2008年以后美國的再工業化也圍繞制造業的數字化展開，先后發布了《聯邦大數據研發戰略計劃》《國家人工智能研究和發展戰略計劃》《智能制造振興計劃》和《先進制造業美國領導力戰略》等促進信息技術和制造業融合的相關政策。德國作為制造業強國，傳統制造業國際競爭力非常強，但是在數字經濟時代，逐漸落后于美國和中國，為促進傳統制造業發展，德國以“工業4.0”為核心，逐步完善數字化轉型計劃，推出了《數字化戰略2025》，還實施了“中小型企業數字化改造計劃”，通過對中小企業投資補助、建設數字化試點，為中小企業更好地了解和運用新一代信息技術提供多項服務。中國在《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中提出加快數字化發展，建設數字中國，促進制造業數字化轉型。但是，目前傳統制造業在發展過程存在信息化發展水平普遍較低、工業設備的網絡化程度不高、設備設施的數字化程度較弱等問題，尤其是中小企業轉型設備投入不足、數據收集不完善等。在企業設備的多樣化方面，缺乏互聯互通，企業信息安全與設備數據安全存在較大的隱患等，都導致中國傳統制造業數字化轉型不高。根據兩化融合平臺的數據，截至2021年第2季度，中國制造業量化融合水平為57.8%，智能制造率僅為10.5%，雖然較之前有所提升，但總體水平較低，并且中小企業的數字化程度更低。那么，是什么因素影響了傳統制造業的數字化轉型呢？

Morton(1991)認為在內部有效地實施數字技術必將引發企業根本性的轉變，數字技術對于組織變革的研究被看作數字化轉型研究的開端(Nadkarni&Reinhar，2020；Nambisan等，2017)。Coile(2000)基于數字技術的互聯網醫療商業模式的研究中提煉出“數字化轉型”這一概念，之后學者們開始針對數字化轉型的影響展開大量研究，包括組織創新(Smith&Bertta，2020；Caputo&Pizzi，2021)、建立競爭優勢(Amit&Zott，2012)等，此外研究還圍繞數字化轉型的推動力，包括基于數字技術構建平臺或商業生態系統(Seder等，2016)。數字經濟高速發展下企業遵循經濟發展規律所做出的主動性戰略抉擇，通過加大數字技術創新力度，并將此技術與企業其他生產要素深度耦合，進而優化生產要素結構，在不改變企業主要功能的情況下，驅動企業生產運營效率的大幅提升。特別是在當前中國經濟下行壓力較大、經濟動能轉換迫在眉睫的大背景下，這種以數字資源挖掘為核心要義的數字技術創新，由于其有助于企業突破傳統生產要素嚴峻的資源邊界約束，驅動企業運營績效提升，就被賦予了更高的政策期望。“要發展數字經濟，加快推動數字產業化”已成為社會上下的共識，應當說，“實體經濟+數字化”已然成為當前經濟深層次變革下實體企業加快轉型升級、提升核心競爭力的必由之路（李曉華，2016；劉洋等，2020）。可以看出，已有的研究都認為，數字化轉型有利于企業經營業績的提升。但是，就其提升的路徑措施學者們的看法不一：胡青(2020)發現，企業數字化變革通過“降成本”“提效率”“強創新”的渠道機制，進而有效提升了實體經濟運行質效。張驍等(2019)認為，企業與數字化技術的融合，能夠賦予企業更大的經濟活力，有力助推其打破行業壁壘，進而為企業跨界競爭奠定基礎。然而，必須承認的是，數字化轉型雖然為企業帶來運行效率和經濟效益提升等好處，但在實踐中也存在一定的困境。第一，企業的數字化轉型容易陷入概念囹圄。盡管數字化轉型對企業核心競爭力的重要性不言而喻，企業在實踐中也相對增加了投入力度，但應用效果總遜于預期。這主要是囿于企業組織制度與其數字化不適配所致（張成剛，2020）。戚聿東、蔡呈偉(2020)認為，上市企業的管理組織架構和能力與數字化轉型的技術先進性存在一定的匹配滯后，數字化轉型帶來的收益被其衍生管理成本所抵減，所形成的績效驅動效果相對有限。而深度的組織變革往往用時較久且耗費巨大，這就制約企業數字化轉型的順利推進。第二，數字化轉型同樣存在技術桎梏。盡管大數據、云計算等技術的廣泛應用，極大豐富了企業數字化的技術選擇。但是，這些技術大多是工具性創新的演進和疊加，并不足以革命性地“顛覆”傳統的模式（劉芬華等，2016）；加之部分小微企業囿于資源約束，雖然也在宣稱進行數字化轉型，但卻沒有實質性操作。數字化轉型要求企業以信息技術為依托，在生產、銷售、研發、物流等業務方面全面實現信息化和物聯網絡，以數據驅動企業業務開展，這對企業的數字化轉型提出了更高的要求，而不僅僅局限于信息技術設備和軟件的采用。不同的研究對制造業數字化轉型影響因素存在差異，不同行業也具有不同的特征，已有的成果主要基于案例研究，規范研究較多，實證研究較少，有必要基于企業層面對制造業數字化轉型的影響因素進行實證研究。

二、理論分析與研究假設

數字化轉型是指企業運用數字技術的創新過程，通過重塑企業愿景、戰略、組織結構、流程、能力和文化，以適應高度變化的數字環境(Amit Kumar&Bala Krishnamoorthy，2020)。因此，文章采用“技術(Technology)-組織(Organization)-環境(Environment)”(TOE)的分析框架來分析傳統制造業數字化轉型的影響因素。

圖1 TOE框架的數字化轉型影響因素

1.技術

對于傳統制造企業來說，一般屬于勞動密集型和資本密集型產業，技術要素所占的比例較低。但是，技術因素對于企業數字化轉型非常重要，很多研究認為技術投入和技術應用都是促進數字化轉型的重要因素。技術水平貫穿企業數字化轉型的始終，不僅包括數字化轉型中的硬件投入，也包括購置硬件后的應用。既需要企業投入大量的研發精力和經費，也需要企業加強對員工的培訓。由于傳統制造業的數字化轉型涉及到研發、生產、營銷等全鏈條，從事制造生產的時間比較長，生產設備陳舊老化，無法滿足數字化轉型的需求，企業需要投入巨大的資源來購買信息技術設備和自動化設備，對生產流程進行再造；沒有大量資金可以馬上對生產設備進行升級換代。而且受到人力、資金的約束，在目前的金融背景下傳統制造業獲取資金的難度較大。再加上，部分企業對于數字化轉型的成效還不確定，所以技術水平較低的制造業，其數字化轉型無論是在動力方面還是在資源層面都不具備實現條件。越是技術水平高的企業，數字化轉型的動力越大，其數字化轉型的程度也越高。

假設H1：制造企業技術水平越高，數字化轉型程度也就越大。

2.企業組織

組織因素是指組織管理因素對于技術的影響，其中包括公司的特征和資源、公司規模和公司高管人員的結構等。組織具有異質性，在企業內部包括高層管理人員特征、底層員工的結構特征，高層與底層的互動過程以及冗余資源的數量，都對公司的數字化轉型產生影響。其中，最典型的且可以量化的兩類指標為企業規模和高管人員特征。企業規模越大，企業的數字化轉型程度就會越低。因為企業規模越大，機構較為龐雜，企業數字化轉型的協調能力就較低。而且大企業內部不同層級之間積累形成多種設備，網絡應用環境非常復雜，設備之間互聯互通的成本較高。而中小規模的企業進行數字化轉型就相對容易。另外，企業高管的重視程度是一個非常重要的影響因素。數字化轉型不僅是技術問題，而是需要有符合數字化轉型的人才領導并推進才能取得成功。數字化轉型領導者與傳統領導者不同的特征，包括人際關系、團隊協作、管理沖突、團隊建設、溝通-說服-鼓舞和發展人才等各方面，他們不僅是技術專家，也是管理協調高手，積極推動企業組織的數字化改造。在中國企業當前的管理情景下，企業領導層的決策影響了某項業務的重視程度。公司高管重視數字化轉型，并且具備相應的技能，數字化轉型也較容易成功。

假設H2：企業規模與數字化轉型程度成反比，規模越大，數字化程度越低。

假設H3：公司高管與數字化程度成正比，公司高管的學歷越高，數字化轉型程度也越高。

3.環境因素

環境因素是企業面臨的外部環境，包括宏觀環境和市場環境等。對于宏觀環境來說，政府對于企業數字化轉型的支持是一項非常重要的因素，政府的支持包括財政金融支持，如減稅、財政補貼和貸款支持等。由于所有企業都面臨同樣的環境，因此在研究過程中并未單獨分析宏觀環境對制造企業數字化轉型的影響。基于全球史觀的視角，金融是驅動經濟發展的核心動力。而且新古典經濟學派也認為，金融是現代經濟學的核心。要想有效推動企業數字化進入快車道，離不開合理有效的金融支持。但是由于企業個體具有異質性差異，企業在獲得金融支持方面存在較大的差異性，文章主要從企業的融資支持展開分析。據此，研究得出如下假設：

假設H4：企業融資可獲得性越大，數字化轉型程度也就越高。

三、實證分析

1.模型構建

為研究企業數字化轉型的影響因素，設定模型進行分析：

其中，企業數字化轉型(DT)作為因變量，自變量包括研發投入(RD)、公司高管學歷(MG)、企業規模(SIZE)和金融支持(fin)變量。λ為聚類至微觀企業層面的隨機誤差項。為了盡可能地減弱互為因果的干擾，研究還將核心自變量進行滯后處理。此外，研究還控制了“時間—行業”雙向固定效應，以降低內生性的擾動。

需要補充說明的是，在進行模型的檢驗之前，研究進行了如下的技術處理工作：第一，數據中存在的奇異值會極大地干擾本項研究的回歸精度，對此本項研究對所有數據（虛擬變量除外）都進行了1%和99%分位數的Winsor平滑處理，并對所有非比值型變量進行了加1并做對數化處理，即ln(X+1)。第二，由于企業數字化轉型是一項長期的工作，企業的任何經營決策（包括但不限于金融化行為）想要影響到企業的數字化轉型，則必須要經過較長的一段時間方能實現，對變量滯后一期處理。另外，文章分別采用行業固定效應和時間固定效應，控制了相關的時間趨勢，二者合并即為“雙向固定效應模型”。此外，為了減輕異方差的干擾，研究在實證檢驗中都采用了聚類穩健標準誤的方式進行調整。

2.變量分析

數字化轉型(DT)。既有針對企業數字化轉型的研究，大多停留在定性分析的視角（陳春花等，2019；肖靜華、吳小龍，2021），鮮有文獻對企業數字化轉型進行定量測度。已有學者做了一些有益嘗試，何帆、劉紅霞(2019)采用“當年是否進行數字化轉型”的“0～1”虛擬變量來測度企業數字化轉型，但這種技術處理手法無法有效展現出企業數字化轉型的“強度”，也無法透視時序上的數字化轉型演變態勢，極有可能損失企業數字化轉型的大量細致信息。

客觀而言，單從公開的財務數據難以捕捉到企業數字化轉型的程度。不過通常來說，管理層會在年報中對其在“數字化轉型”方面的實施進程進行披露，這很大程度上代表企業高層對當前和未來發展的戰略定位，具有高度統領企業經營發展的效力。因此，研究從上市企業年報中歸集涉及“企業數字化轉型”的詞頻，從而刻畫其數字化轉型強度。選取和統計上市企業年度報告中有關“數字化轉型”的關鍵詞詞頻，作為企業數字化轉型的代理變量。因此，通過以下四個步驟獲取上述數據：首先，框定文本檢索詞庫。其次，運用Python爬蟲功能歸集整理了上海交易所、深圳交易所全部A股上市企業的年度報告，并通過Java PDFbox庫提取所有文本內容，匹配同企業“數字化轉型”有關的關鍵詞的詞頻數。再次，逐條閱讀“數字化轉型”關鍵詞相關語句，并進行數據清洗。最后，分類歸集這些關鍵詞詞頻并形成最終加總詞頻，從而構建企業數字化轉型的一個總括及四個維度的初始指標體系。由于這類數據具有典型的“右偏性”特征，研究將其進行了對數化處理，從而得到了刻畫企業數字化轉型的整體指標。

研發投入(RD)：代表企業的技術水平。按照前面的分析，研發投入越多，企業的數字化轉型程度也就越高。研發投入的相關數據來源于上市公司年度報告。

企業規模(SIZE)：基本上所有研究都認為企業規模采用銷售收入來代替，通過年度報告的營業收入來衡量。

高管學歷(MG)：學歷水平越高，越有利于企業的數字化轉型。通過上市公司高管介紹中“總經理學歷”信息來獲取數據。采用0～1的虛擬變量，本科以下為0，本科及以上為1。

融資的可獲得性(fin)。借鑒Denis&Sibilkov(2009)等采用企業金融資產在總資產中的占比的方式來刻畫企業融資的可獲得性，公式為：fin=(交易性融資資產+衍生性金融資產+發放貸款及墊款凈額+可供出售金融資產凈額+持有到期投資凈額+長期股權凈額)/總資產。

四、實證回歸結果

1.基準回歸結果

文章用Stata.14，通過對面板數據進行回歸，結果見表1。

表1 制造業數字化轉型影響因素的回歸結果

表1中，模型(1)～(4)分別加入了不同的解釋變量，控制了行業效應、時間效應的基準回歸測算結果。從回歸結果來看，技術創新對數字化轉型程度的影響為正，并且在1%的水平下顯著，說明研發投入越多，企業數字化轉型程度也就越高。添加其他因素后的回歸結果也顯示出積極的效應。列(2)在列(1)的基礎上添加了企業規模因素，從回歸結果來看，規模因素對數字化轉型的影響為負，但并不顯著，說明規模因素不是影響數字化轉型的主要因素。在中國上市公司中，大部分是中小規模企業，大型企業數量所占的比例較低，中型制造企業具有數字化轉型的機動性，所以，假設H2并沒有得到支持。第(3)列中添加了金融支持因素，從結果可以看出，金融支持對于數字化轉型非常重要，影響系數為0.2287，遠遠大于其他因素的影響，且系數為正。中國在進行數字化轉型的過程中，對資本市場的融資管制不斷放松，上市公司可以獲得較多的融資機會，進而促進制造企業的數字化轉型。

2.異質性檢驗

為確定是否存在行業異質性，文章將制造業行業按照不同的技術含量水平分為三大類：勞動密集型行業、資本密集型行業和技術密集型行業，進而分析這些行業制造業上市公司數字化轉型的影響因素差異，回歸結果見表2。

表2 不同制造業行業數字化轉型影響因素的回歸結果

研究發現，影響制造業數字化轉型的因素具有較大的異質性，對于不同的行業，不同因素的影響程度差別也較大。對于研發投入來說，在技術密集型行業的影響程度最大，由于技術密集型制造業本身具有較高的信息基礎投資，相對而言數字化轉型程度也越大。資本密集型行業研發投入的影響程度次之。技術密集型和資本密集型行業對數字化轉型的接受程度更高，尤其是流程化運作的工廠能夠通過建設工業互聯網平臺獲得更高的成效，所以加大技術密集型和資本密集型行業制造企業的研發投入，能夠更好地促進這些行業的數字化轉型。相對來說，勞動密集型行業研發投入的影響系數較低。

對于企業規模來說，按照中國工業統計的數據，大型企業所占比例較低，中小企業占比為94.1%；在上市制造企業中，中小企業占比也在90%以上。無論是勞動密集型、資本密集型制造業，還是技術密集型制造業，企業規模對數字化轉型的影響系數都為負，而且資本密集型行業在5%的水平下顯著。可以看出，企業規模越大，數字化轉型的程度最低。

金融支持的作用也呈現較強的異質性，不同行業對金融支持的需求不同，這就導致金融支持對數字化轉型的影響也不同。在三類行業中，影響程度從大到小可以排序為：資本密集型、技術密集型和勞動密集型。資本密集型行業呈現典型的“長鏈條、重資產、需求多樣”的行業特征，在數字化轉型中，投入規模最大，因而金融支持的需求最迫切。相反，技術密集型行業屬于輕資產行業，數字化轉型程度本身較高，金融支持的需求相對較低。

3.穩健性檢驗

由于研發投入本身也是數字化基礎設施投資的一部分，具有內生性。對于內生性的處理一般有6種方法：控制代理變量來解決遺漏變量，工具變量解決遺漏變量和雙向因果，固定效應解決穩定的遺漏變量，克曼法解決樣本選擇，差分法解決自選擇，斷點回歸解決遺漏變量和雙向因果，可以看出研發投入與數字化轉型的雙向因果關系需要采用工具變量的方法。而工具變量法可采用簡單回歸、弱工具變量、兩階段最小二乘法來處理。因此，采用兩階段最小二乘法(2SLS)。另外，在數字化轉型程度指標進行穩健性檢驗時，前文所用數字化轉型指標疊加了很多變量，在此采用簡單的ICT投入和軟件投入加總的數據代替數字化轉型指標。穩健性檢驗的回歸結果見表3。

由表3可以看到，無論是兩階段最小二乘法，還是替代后的數字化轉型指標，其實證結果都與基準回歸結果一致，擬合優度分別為0.657和0.7024，能夠較好地解釋數字化轉型的影響因素。

表3 穩健性檢驗回歸結果

五、研究結論與政策建議

《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，要促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級。制造業在國民經濟中具有舉足輕重的地位，也是全球競爭的關鍵，即使是發達國家也在從服務業為主轉向“再工業化”。但是傳統制造業如何在數字經濟時代生存并且獲得競爭優勢？這就需要傳統制造業進行數字化轉型，用數字經濟改造生產流程，數字要素取代傳統勞動力要素和資本要素成為最關鍵的要素。但是如何推動傳統制造業的數字化轉型？哪些因素影響了數字化轉型？文章基于上市公司數據，實證檢驗了制造業數字化轉型的影響因素。研究結果發現：一是研發投入、金融支持對數字化轉型的影響為正并且非常顯著，高管學歷和企業規模對數字化轉型有一定的影響；二是分行業類型的異質性檢驗結果表明，研發投入對勞動密集型行業的數字化轉型的影響最大，金融支持對資本密集型行業的數字化轉型的影響最大，高管學歷對勞動密集型行業數字化轉型的影響最大。文章的穩健性檢驗結果也驗證了這一結論。對策建議如下：

1.加大研發投入

無論是否需要數字化轉型，研發投入都是企業獲取競爭力的關鍵。在競爭激烈的全球市場，只有不斷加大研發投入，推動制造業數字化轉型，才能不斷提升產品附加值，取得競爭優勢。分行業的結果看，勞動密集型行業研發投入的數字化轉型效應最大，這說明對于勞動密集型行業需要進一步加大研發投入，逐漸以自動化和數據化代替勞動，以緩解用工荒并降低國際產業轉移帶來的沖擊，提升中國制造企業的國際競爭優勢。

2.加大金融支持力度

相對于依賴間接融資渠道的企業，上市公司具有較強的融資能力，可以通過增發新股、配股、可轉債等金融工具獲得金融支持，預期金融支持應該對數字化轉型的影響最大，但是可以看到金融支持的影響程度并沒有比研發投入等的差別更大。說明金融支持的力度還需要進一步加大，對于上市公司來說獲取更多的融資渠道；對于非上市制造企業來說，需要積極發展和完善支持制造強國建設的多元化金融組織體系，充分發揮各類銀行機構的差異化優勢，形成金融服務協同效應。

3.企業高層重視數字化轉型

企業高管是決定數字化轉型的關鍵。然而，從目前來看，高管對于數字化轉型的認識還存在差異。有一部分高管認為，數字化轉型是徒勞無功的，也有一部分高管表示在制定轉型策略時比較茫然。而且數字化轉型涉及到企業的各個層面，需要從頂層不斷向下推進，這就需要管理層不斷提高認識，重視數字化轉型，并能夠以極大的魄力推動數字化轉型，不論短期是否面臨挫折，都要堅持轉型。