企業數字化與全要素生產率提升

巫景飛 王澤昊 倪中新

摘 要：數字化已成為當下企業最重要的戰略，但數字化能否提升企業全要素生產率尚存爭議。基于上市公司及其一級控股子公司與數字化相關的無形資產投入、專利、軟件著作權數量和年報詞頻等數據，構建包含投入、成果、關注度三維度的數字化水平指標體系，并運用熵值法測度2010～2020年滬深A股上市公司的數字化水平。然后，檢驗企業數字化對全要素生產率的影響效果與機制。研究發現：中國上市公司總體數字化水平波動上升，呈現國有企業快于非國有企業，東部地區快于中西部地區，信息技術行業快于其他行業；數字化通過提升企業內部溝通效率、增強規模經濟效應、降低大客戶依賴以及提高供應鏈管理效率等四項機制促進全要素生產率的提升；對于非國有性質、強競爭行業以及東部地區的企業，數字化對全要素生產率的促進作用更為顯著。

關鍵詞：全要素生產率；數字化；熵值法；高質量發展

文章編號：2095-5960（2023）05-0041-11；中圖分類號：F061.1；文獻標識碼：A

一、引言

在新發展階段，我國面臨重大的要素條件和國際環境變化。現有經濟增長模式迫切需要從政府主導型的投資驅動向依靠全要素生產率提升的創新驅動轉變。［1］企業作為宏觀經濟的微觀構成，其全要素生產率不僅反映自身的投入產出效率，還是未來經濟發展的源泉。因此，如何提高企業全要素生產率進而推動經濟高質量發展成為當前政學業三界共同關注的熱點話題。中國信通院發布的《中國數字經濟發展報告（2022）》顯示：2021年我國數字經濟規模達到455萬億元，同比名義增長162%，占GDP比重達到398%，數字經濟作為國民經濟“穩定器”和“加速器”的作用更加凸顯。“十四五”發展規劃中也明確指出：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，催生新產業新業態新模式，壯大經濟發展新引擎。數字經濟作用企業存續最直觀的表現是數字化轉型，即企業通過識別市場機遇和環境變化，采用新的數字技術，實現重大業務改進，催生全新的價值創造和分配途徑，以期提升市場競爭力的一系列數據導向的活動集合。［2-4］在上述背景下，探究企業數字化能否提升全要素生產率及其背后的傳導機制具有重要的現實意義，這有助于破解制約全要素生產率提升的困境，培育經濟發展新動能。

然而，關于企業數字化能夠促進全要素生產率提升這一命題目前仍存在爭議，部分學者提出了質疑［5］ ，調研結果顯示企業因數字化轉型陷入困境似乎也支持了這種擔憂［6］。唐未兵等［7］認為數字技術的引進能否轉化為生產力的提升取決于企業消化吸收能力的好壞。Acemoglu & Restrepo［8］也認為要使數字技術發揮作用，需要與資本和勞動配合得當。以上研究結論一定程度上揭示了中國企業數字化轉型正處于較早期的發展階段。［9］但是，大數據應用水平不斷提高預示著中國企業正不斷推進數字化轉型［10］，極力破解“信息技術生產率悖論”。學界也存在較多支持數字化推動全要素生產率提升的研究成果：制造業企業實施數字化轉型可以通過提升創新水平、改善人力資源結構、促進兩業融合或削減成本來改善生產效率［9］，同時業務模式的數字化轉型和生產方式的優化也是改善制造業企業全要素生產率的路徑 ［11，12］。

綜合來看，關于數字化能否提升企業全要素生產率這一議題尚存爭議可能是以下不足造成：（1）企業數字化水平測度仍沒有統一標準。目前所使用的測度指標僅針對如制造業等特定行業抑或以企業某一類數字技術應用程度作為替代指標，均難以全面反映微觀企業數字化水平，導致理解的偏差。（2）有關數字化對企業全要素生產率的作用機理的研究還存在缺憾。目前研究主要圍繞企業內部特征展開，較少從產業鏈上下游合作的視角看待數字化的發展特征，忽視了從整體視角看待數字化的影響效應。

有鑒于此，本文嘗試在以下幾個方面作出邊際貢獻：第一，構建了測度企業數字化水平的綜合指標。并利用該指標對當前中國企業數字化轉型效果進行了評價。與以往的研究相比，本文對企業數字化水平的測度更為全面，且覆蓋了滬深兩市所有行業的公司樣本，可為后續研究提供扎實的數據基礎。第二，以更加多維的視角探討數字化轉型對企業全要素生產率的影響機制，豐富了數字化轉型微觀效應的理論。

二、機制分析與假說提出

（一）數字化與企業全要素生產率

企業是基于契約的合作載體，各類生產要素因此聚集。資源基礎理論認為企業擁有的資源和運用資源的能力是決定企業間競爭力的根本原因。一方面，鑒于數字技術具有促進顯性和隱性知識或技術共享的能力［13］，企業可借此打破信息孤島，擴展資源獲取渠道。另一方面，數字化能夠提升企業數據挖掘能力，企業通過持續掃描、捕捉、分析各類信息［14］，準確把握行業發展趨勢，為效率提升找準方向。進一步地，數字化將助力企業實現資源、技能和知識的動態協調、提升處理海量信息資源的能力［15］，進而改善企業全要素生產率。因此提出如下假說。

假說1：數字化能夠促進企業全要素生產率的提升。

（二）數字化影響企業生產率的間接作用機制

企業數字化轉型的實質是企業各類生產要素同數字技術深度融合的過程。［16］在人工智能、云計算、區塊鏈和物聯網等數字化技術的支持下，企業生產制造、運營管理、外部合作等多個環節隨著戰略轉型的深入不斷改進，并且包括供應商、分銷商和零售商在內的各產業鏈主體均可參與其中［17］，因而數字化對企業經營的影響是全方位、多層次的。基于此，本文將從內部管理效率、規模經濟效應、弱化大客戶依賴和供應鏈管理效率四個主要路徑探討數字化對企業全要素生產率的作用機制。

第一，數字化通過提高內部管理效率提升企業全要素生產率。企業微信、釘釘等數字化通信工具全面滲透企業組織，打破時間和空間限制，減少因信息不對稱導致的錯誤。同時，數字技術應用便利了管理者對員工行為的操縱性引導，可有效改變員工的行為選擇和觀念［18］，提高企業內部的協同性。再者，信息結構也由原來的串聯式、封閉式、機械式和科層式向網格化、平等化、扁平化和模塊化轉變，信息傳播呈現及時、連續、細化和完整的特征［19］，幫助員工及時獲取各類資源，減少培訓和開會次數，進而提升管理水平和生產效率。因此提出如下假說。

假說2：數字化便利了企業內部溝通協作，通過提高企業管理效率來促進全要素生產率的提升。

第二，數字化通過增強規模經濟效應來提升企業全要素生產率。人工智能與機器人等數字技術的大量應用使得數字智能逐步融入組織內部的互動關系中。［20］智能互聯的機器設備根據指令便可實現生產過程自動化與標準化，使得資本與高級勞動要素實現協同互補。得益于大規模的機器使用和深度學習算法，企業可根據實時的市場信息對生產要素投入和庫存管理進行規劃調整，降低邊際成本，實現最優配置。因此提出如下假說。

假說3：數字化提高了企業設備智能化水平，通過增強規模經濟效應來促進企業全要素生產率的提升。

第三，數字化增強了新客戶拓展能力，減少了單一客戶依賴風險，從而提升企業全要素生產率。在過去，企業花費大量成本獲取客源，極易形成大客戶依賴，導致缺乏議價能力，承受供應鏈脆弱等經營風險。當前，企業拓展接觸客戶的方式伴隨信息技術的普及特別是數字化營銷的廣泛使用，能夠迅速擴大客戶群體，減少客戶集中度，大量個性化、零散的需求得以被快速滿足。因此提出如下假說。

假說4：數字化擴大了企業客戶范圍，通過降低大客戶依賴促進全要素生產率的提升。

第四，數字化通過提高供應鏈上下游協同效率提升企業全要素生產率。隨著數字技術與供應鏈各環節深度融合，供應鏈內部群體間的相互協調性成為市場競爭成功的關鍵。［21］一方面，數字技術提高了供應鏈的信息共享度，有效擴大了前向和后向關聯效應，降低傳統供應鏈中的“牛鞭效應”，推進全鏈路供需精準匹配能力的提升。［22］另一方面，數字技術實現了企業對產品全生命周期的把控，各環節均能及時實現上下游聯動。因此提出如下假說。

假說5：數字化加強了企業與上下游伙伴的溝通協同，通過提升供應鏈管理效率促進全要素生產率的提升。

三、企業數字化水平測度與特征事實

（一）數字化水平測度

1.現有測度方法評述

企業數字化轉型是一項長期的系統性工程，如何全面而準確地度量轉型效果頗具挑戰性。受限于數據可得性和數字化形式的多樣性，過往文獻多采用替代性指標表征企業數字化水平。例如，部分研究通過調查、訪談等方法對企業數字化水平進行測度［23］，但因受限于研究樣本和被調查者主觀因素等問題，難以大規模使用。另一部分文獻使用IT投資、電子信息以及網絡等方面支出占總銷售收入的比重來表示［24］，該構建方法較為可靠，但可能會受到企業炫耀性投資的影響［25］。部分學者使用管理軟件投資作為企業數字化水平的測度依據［6］，但該類指標僅關注企業中某一種特定信息技術的應用，無法反映企業數字化轉型全景。此外，還有部分學者通過上市公司公布的年度報告中與數字化相關關鍵詞詞頻刻畫企業數字化轉型程度［16］，但年報中相當一部分信息折射的是企業未來的戰略規劃，無法體現當前實際投入。

為彌補上述單一替代指標存在的缺陷，本文通過構建綜合指標體系刻畫中國上市公司數字化水平，并為已有指標［26］提供更為嚴謹的理論分析與機制驗證。

2.企業數字化水平（D_Score）指標構建

在數字化水平的指標體系中，企業數字化水平是目標層，根據企業自身的投入、成果及關注度，基于科學性、層次性以及數據可獲得性等原則，構建如下指標體系。

（1）數字化投入。借鑒祁懷錦等［27］的構造思路，數字化投入以上市公司財務報告附注披露的年末無形資產明細項中與數字化相關的投入總額及其占無形資產的比例兩大指標進行表征。

（2）數字化成果。鑒于集團型企業有多個獨立法人主體，且在應對技術變革過程中創設大量數字科技子公司，本文以上市公司母公司與母公司參股不低于51%且公司名稱中包含“數字”“信息”“智能”“軟件”詞語的一級子公司數字化專利和軟件著作權當年擁有總量表征該集團型企業的數字化成果數量。本文基于天眼查官網知識產權欄的數據，手工整理收集了所有符合條件的樣本企業的軟件著作權和專利信息。數字化專利的識別則是基于專利信息篩選出發明與實用新型專利中處于實質審查、授權或者公開授權狀態，且專利內容摘要中包含人工智能技術、大數據技術、網絡安全技術、云計算技術、數字技術應用等詞匯的專利，截至2020年12月31日，在初始1293140個專利中共篩選出10820個符合規則的數字化專利。軟件著作權的總數為188462個。

（3）數字化關注度。以學界目前較為流行的上市公司年報中數字技術關鍵詞當年頻次進行表征。

為避免人為因素造成權重設置的過度主觀性，采用隸屬客觀賦權法的熵值法對所采取的指標進行賦權。借鑒王軍等[28]的思路，在進行無量綱化處理后計算每一指標的權重。最后，使用多重線性函數的加權方法求出企業i第t年數字化水平，用D_Scoreit表示：

其中，pj表示第j項指標的權重，x′itj表示企業i第t年第j項二級指標經無量綱處理后的數值。D_Scoreit越大，表示該企業在當年度數字化水平越高，數字化轉型效果越好，反之，則數字化水平越低。

3.數字化指數（D_Index）構建

為分析全體A股上市公司數字化轉型現狀以及不同類型的企業數字化轉型在不同時序和空間上的發展特征，本文采用市值加權法，以每年年末各企業的市值占同年背景樣本內所有企業市值的份額為權重，再將各家企業的數字化水平加權求和，得到數字化指數（D_Index），具體計算公式如下：

其中，D_Indext表示第t年背景樣本的數字化指數，wit表示第t年企業i年末市值占背景樣本內所有企業總市值的比重。

（二）上市公司數字化的基本特征事實

特征事實1：中國上市公司數字化指數波動上升，數字化轉型在曲折中前進。

圖1展示了全體A股上市公司數字化指數的時序變化情況，為使數據展示效果更佳，本文將2010年設置為基期，該年數字化指數設定為1，其余年份據此進行調整。在樣本期內，全體上市公司數字化指數呈現波動上升的態勢，10年復合增長率高達1583%，說明中國上市公司數字化程度在不斷加深，但數字化轉型過程并非一帆風順。與此同時，全體上市公司數字化指數于2019年達到峰值，該年同比增速也為歷年最快。

特征事實2：不同所有制企業數字化發展存在差異，國有上市公司數字化轉型快于非國有上市公司。

圖2比較了國有與非國有兩類上市公司的數字化指數，相應地，以2010年國有上市公司數字化指數為基準，賦值為1。可以發現，無論是國有還是非國有上市公司，數字化指數均呈波動上升的趨勢。除2010年外，國有上市公司數字化指數在其余樣本時間內均高于非國有上市公司。這說明，非國有上市公司對數字化的感知更為敏銳，但國有上市公司有實力針對投入數字化轉型，完成后發先至。

特征事實3：不同地區數字化發展存在差異，東部地區上市公司數字化轉型快于其他地區。

圖3比較了東中西三個地區的上市公司歷年數字化指數，以2010年西部地區上市公司數字化指數為基準，賦值為1。不難看出，東部與中部地區上市公司數字化指數均呈現波動上升的增長態勢，西部地區則維持在較低水準。相較于中部和西部地區，東部地區上市公司數字化指數一騎絕塵，說明東部地區數字化成效高。值得關注的是，2018年以后，東部地區與中西部地區上市公司數字化差距進一步擴大。

特征事實4：不同行業數字化發展存在差異，信息技術行業快于其他行業。

以證監會公告［2012］31號《上市公司行業分類指引》為分類依據，測繪出不同行業數字化指數的變化趨勢，以2010年教育行業數字化指數為基準，賦值為1，具體結果見圖4。從均值看，信息傳輸、軟件和信息技術服務業、金融業、采礦業及文化、體育和娛樂業等大多數現代服務業及制造業中的上市公司數字化轉型成效較高，而住宿和餐飲業、農、林、牧、漁業以及綜合等一些傳統行業的數字化轉型成效相對較低。另外，房地產業以及水利、環境和公共設施管理業是僅有的兩個數字化指數呈現波動下降的行業。

四、研究設計

（一）樣本選擇與數據來源

為反映數字化發展全貌以及減少金融危機對數據質量造成的潛在影響，本文以2010～2020年滬深兩市A股上市公司作為初始研究樣本，并按照如下原則對樣本進行處理：（1）剔除* ST、ST以及PT 的樣本；（2）剔除上年年末與本年年初資產數據不相符的樣本；（3）剔除銀行及非銀金融行業樣本；（4）剔除主要變量缺失的樣本。最終，本文共獲得包含3330家上市公司在內的22608個混合面板樣本。其中，上市公司專利數據與軟件著作權來源于天眼查，其余企業層面的微觀數據來自Wind數據庫和國泰安數據庫。此外，本文對所有連續變量進行1%的雙邊縮尾處理。

（二）變量定義與說明

1.被解釋變量：全要素生產率（TFP_LP）。本文采用當前主流的LP法測算企業的全要素生產率。［29］根據銷售收入、員工數目、固定資產和中間投入等指標，按照證監會（2012）二級行業劃分標準對上市公司分行業測算TFP。

2.核心解釋變量：企業數字化水平（D_Score）。測算方法見前文。

3.控制變量：為盡可能緩解遺漏變量引起的內生性問題，本文引入如下控制變量：企業規模（lnAssets）、企業年齡（lnAge）、股權集中度（First）、流動比率（Liquid）、資產收益率（Roa）、資本結構（Lev）、成長能力（Growth）。具體定義及其說明如表1所示。

（三）核心變量描述性統計

表2報告了主要變量的描述性統計結果。上市公司全要素生產率的均值與標準差分別為8930和1059，說明不同上市公司之間的全要素生產率存在較大差異。數字化水平的均值為0011，標準差為0020，且最小值和最大值分別為 0 和0103，表明樣本中各上市公司的數字化轉型行為差異較大。其余控制變量的分布特征與以往研究文獻基本相似。

（四）實證模型設定

基于上述理論分析，本文設定如下基準回歸模型：

TFP_LPit=α0+α1 D_Scoreit+βControlsit+μi+δt+εit（3）

其中，下標i，t分別表示企業和年份；TEP_LP表示企業全要素生產率；D_Score表示企業數字化水平；參數α1用以評估數字化對其全要素生產率的影響效應；Controls表示企業其他微觀層面的控制變量組；μi表示企業固定效應；δt表示年份固定效應；εit為隨機擾動項。最后，本文使用行業聚類穩健型標準誤。

五、實證分析

（一）基準回歸

本文依照模型（3）采用遞進式的回歸策略。表3列示了數字化對企業全要素生產率影響的總體檢驗結果。其中，列（1）列示了僅加入核心解釋變量和雙向固定效應的回歸結果，可以發現數字化水平在1%的水平下顯著提升了企業全要素生產率。在列（1）的基礎上，列（2）進一步加入控制變量組，可以發現數字化水平系數數值雖有所縮小但依舊在1%的水平下顯著為正。從控制變量的回歸系數來看，規模較大、流動性較好、營業收入增長較快、資產收益率較高的企業，其全要素生產率的表現相對較好。同時，企業全要素生產率增長過程中可能會使其受到區域經濟發展和產業結構升級等外部因素的影響，故列（3）控制了時間、行業以及省份固定效應，列（4）則控制了企業和時間與省份交互固定效應。兩列回歸結果均表明數字化水平在1%的水平下顯著提升了企業全要素生產率，由此，假說1得到了經驗支持。

（二）內生性檢驗

上文研究了數字化對企業全要素生產率的總效應，但利用上述回歸模型來識別因果關系可能存在反向因果關系導致的內生性問題，即全要素生產率高的企業，經營績效好，更有能力去嘗試使用數字化技術。本文通過構建工具變量緩解內生性問題。首先，鑒于數字化見效具有滯后性，本文參考趙宸宇等［9］的研究，將數字化水平的一階、二階滯后值作為工具變量（IV）進行兩階段最小二乘法（2SLS）估計，結果反映在表4第（1）列，可以發現數字化水平的系數估計量仍在1%的置信水平下顯著為正。其次，本文參考Ben-Nasr等［30］的研究，選取同一年度、同一行業內除本企業外的其他企業數字化水平的均值作為工具變量進行內生性檢驗，表4第（2）列結果顯示，結論沒有產生較大變化。最后，表4第（3）列以上市公司所在行業的數字技術詞頻的均值表征行業數字化技術強度作為企業數字化水平的工具變量進行檢驗，結論仍未發生較大變化。考慮內生性問題后，數字化水平對企業全要素生產率的回歸系數仍顯著為正，更好地印證了表3基準回歸結果的穩健性。

（三）穩健性檢驗

為進一步驗證估計結果的可靠性，本文采用如下多種方式進行穩健性檢驗。

1.更換企業全要素生產率的度量方式。采用當前另一種主流的OP方法［31］重新測算全要素生產率（TFP_OP），估計結果見表5第（1）列，數字化水平的顯著性和符號與預期保持一致，實證結果保持穩健。2.更換企業數字化水平的衡量指標。參考袁淳等［32］的研究方法，采用企業數字化相關詞匯頻數總和除以年報MD&A語段長度作為數字化水平的代理指標（Digital），估計結果見表5第（2）列，新指標顯著性及符號與基準回歸保持一致。3.更換研究樣本。相較于其他行業，處于信息傳輸、軟件和信息技術服務業內的上市公司有明顯的先發優勢，全要素生產率的提升更為明顯，因此剔除該類公司樣本。表5第（3）列的結果顯示，對于其他行業的公司樣本，數字化水平對企業全要素生產率的影響結果依然穩健。

六、進一步分析

（一）機制識別檢驗

在進行機制識別檢驗的過程中，被廣泛應用的中介效應檢驗可能存在內生性偏誤和部分渠道識別不清等問題。［33］因此，在前文機制分析部分對“內部管理效率”“規模經濟效應”“大客戶依賴”“供應鏈管理效率”四類渠道進行充分說明的基礎上，借鑒劉斌和甄洋的思路［34］，將機制變量作為被解釋變量，執行模型（3）的回歸，通過觀測核心解釋變量對機制變量的影響進行機制檢驗，其余控制變量與前文保持一致。

為了檢驗內部溝通效率提升的渠道是否有效，本文采用管理費用與營業收入的比率（AER）度量內部溝通效率。表6第（1）列的結果表明：D_Score的估計系數顯著為負，說明數字化能夠提升企業內部溝通效率。為了檢驗擴大規模經濟效應渠道是否有效，本文采用成本費用利潤率（CPM）作為規模經濟效應的代理變量，通過如下公式計算得到，即成本費用利潤率=利潤總額/（營業成本+銷售費用+管理費用+財務費用）。表6第（2）列的結果表明，企業實現規模經濟效應的擴大是企業數字化提升全要素生產率的重要渠道。為了檢驗大客戶依賴渠道是否有效，以前五大客戶銷售額占年度總銷售額比率（CC）表征大客戶依賴程度。表6第（3）列報告了增進客戶感知渠道的檢驗結果，也驗證了該渠道的有效性。最后，為了檢驗供應鏈溝通效率提升的有效性，采用固定資產周轉率的對數值（lnFATR）作為機制變量，通過如下公式計算得到，即固定資產周轉率=營業收入/固定資產平均凈額。表6第（4）列結果顯示，數字化水平在1%水平下顯著為正，表明供應鏈上下游溝通效率的提升是企業數字化提升全要素生產率的重要途徑。上述結果表明企業數字化促進全要素生產率提升的四條機制暢通，假說2～5分別得到了經驗支持。

（二）異質性分析

前文基于全樣本視角考察了數字化對企業全要素生產率的影響，并通過了多重穩健性檢驗的驗證。但由于不同類型公司實施數字化的方式、動機以及外部環境等不盡相同，可能對全要素生產率產生非對稱影響。本文根據企業注冊類型將樣本劃分為國有上市公司和非國有上市公司兩類，分別進行回歸分析，表7第（1）列和第（2）列報告了實證結果。在國有上市公司組別中，數字化水平對企業全要素生產率的回歸系數盡管為正值，但數值偏小且無法通過顯著性檢驗；在非國有上市公司組別中，回歸系數則通過了1%的顯著性檢驗。采用SUEST方法檢驗核心解釋變量的估計系數在不同分組間的差異，發現兩組樣本的系數差異在1%水平上顯著。這些結果均表明，較之于國有上市公司，數字化對企業全要素生產率的提升效果主要體現在非國有上市公司中。

數字化可能對壟斷性行業①①壟斷性行業的分類標準參考丁啟軍［35］的劃分標準，行業代碼為B06、B07、B08、B09、B10、B11、C16、C25、D44、D45、D46、G56、G53、G60、I63、J66的行業定義為壟斷性行業。其余行業代碼的行業定義為競爭性行業。企業的全要素生產率提升效果優于競爭性行業，原因在于不同行業競爭程度下，企業在轉型動機和外部交易成本等方面存在差異：一方面，高額壟斷利潤降低了壟斷性行業企業依靠數字化提高生產力的動機，競爭性行業企業在激烈的競爭中力求更多地利用信息技術類資產提高生產力，降低被逐出市場的風險。另一方面，相比于壟斷性行業，競爭性行業中 “敲竹杠”或惡意違約行為發生的概率更高，從而企業面臨較高的外部交易成本［32］，數字技術應用可有效降低外部交易成本，實現全要素生產率的增長。

為驗證上述推測，本文根據企業所在行業的代碼將樣本劃分為壟斷性行業與競爭性行業兩類。表7第（3）列和第（4）列報告了實證結果。在競爭行業中，D_Score的系數為1244，且在1%的顯著水平顯著。相反，在壟斷性行業中，D_Score的系數雖為正但并不顯著。采用SUEST方法檢驗核心解釋變量的估計系數在兩組樣本間的差異，發現系數差異在1%水平上顯著。上述結果均表明，數字化對競爭性行業上市公司的全要素生產率的提升效果優于壟斷性行業。

東部地區的企業可能更能從數字化轉型中實現全要素生產率的提升。當前東部地區在經濟發展水平、基礎設施建設和人才引進等方面都具有相對優勢，數字化進程快于其他地區。相比之下，中西部地區缺乏發展數字經濟的先決條件，紅利難以充分釋放。

為驗證上述推論，本文根據企業注冊所在地區將總樣本劃分為東部、中部和西部②②東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個省（市）; 中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個省; 西部地區包括四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古12個省（市、自治區）。三個子樣本，表7列（5）～（7）報告了實證結果。東部地區組別中的核心解釋變量系數大小與顯著性均超過其余組別，系數的組間差異也通過了SUEST方法檢驗③③第3組SUEST檢驗展示的是東部企業和西部企業兩組樣本之間的系數差異結果。，上述結果均表明，東部地區上市公司實施數字化轉型對全要素生產率的積極效應更強。

七、結論與建議

數字化是當前企業提升競爭優勢的重要戰略之一，但如何測度企業數字化水平以及能否提升全要素生產率仍存在爭議。基于上市公司及其一級控股子公司與數字化相關的無形資產投入、專利、軟件著作權數量和年報詞頻等數據，構建了包含投入、成果、關注度三維度的數字化水平指標體系，利用熵值法對中國上市公司數字化水平進行了測度，并檢驗了企業數字化對全要素生產率的影響效果與機制。

研究表明：第一，現階段中國上市公司總體數字化水平呈波動上升態勢，在時序上呈現國有上市公司高于非國有上市公司，東部地區高于中西部地區，信息技術行業高于其他行業之特征。第二，數字化顯著提升了全要素生產率，已成為企業高質量發展的重要推力。第三，提升企業內部溝通效率、增強規模經濟效應、降低大客戶依賴以及提高供應鏈管理效率是數字化提升全要素生產率的作用機制，數字化能有效改善企業內部管理與外部合作。第四，異質性結果表明，數字化對企業全要素生產率的提升效果在非國有上市公司、競爭性行業以及東部地區中更為顯著，機制傳導在不同環境下存在差異。本文結論對推進數字化轉型有如下建議。

首先，企業應積極開展數字化轉型提升全要素生產率。研究表明，數字化會促進企業全要素生產率提升，是增強企業競爭力的重要手段。但需指出，數字化轉型是一項系統工程，企業應根據自身實際情況分場景、分步驟加以開展。研究表明，數字化通過提升企業內部溝通效率、增強規模經濟效應、降低大客戶依賴以及提高供應鏈管理效率等四大機制來促進全要素生產率的提升。企業可以此為切入點，對內部管理工作、生產過程、市場營銷、供應鏈管理等環節進行數字化改造。其次，政府可構建公平營商環境助力企業數字化轉型。研究表明，數字化的促進作用在市場化程度更高的東部地區和競爭程度更高的行業更為顯著。在公平而充分的競爭環境下，企業自我驅動數字化轉型，對全要素生產率的提高效果最明顯。因此政府需要打破行業不必要的壟斷，引入公平競爭機制，擴大市場主體平等進入范圍，鼓勵良性競爭。同時暢通市場主體退出機制，淘汰落后過剩產能。充分發揮市場經濟主體的建設作用，促進企業數字化轉型，釋放數字化紅利。最后，充分發揮不同所有制企業優勢，共同助力經濟高質量發展。研究表明，國有上市公司數字化指數較高，但在全要素生產率提升作用上不如非國有上市公司。當前中國企業數字化變革尚處于初探階段，國有企業應肩負踐行國家數字化戰略的使命，發揮示范引領作用，通過大額數字化的投入，著重解決變革過程中的痛點與難點。占中國總企業數99%以上的非國有企業在改革初期面臨高門檻、高成本、高人力資源等困境，可發揮數字經濟后發優勢，吸納國有企業先進經驗，以更低的邊際成本實現更高質量的轉型，最大限度地發揮數字投入的效益，助力經濟高質量發展。

參考文獻：

［1］蔡昉.中國經濟增長如何轉向全要素生產率驅動型［J］.中國社會科學，2013（1）：56～71.

［2］Nambisan S， Lyytinen K， Majchrzak A， et al. Digital Innovation Management： Reinventing Innovation Management Research in a Digital World. ［J］. MIS Quarterly， 2017（1）：223～238.

［3］Vial G . Understanding Digital Transformation： A Review and a Research Agenda［J］. The Journal of Strategic Information Systems， 2019（2）：118～144.

［4］Warner K， M Wger. Building Dynamic Capabilities for Digital Transformation： An Ongoing Process of Strategic Renewal［J］. Long Range Planning， 2019（3）：53～82.

［5］Nwankpa J K， Datta P. Balancing Exploration and Exploitation of IT Resources： The Influence of Digital Business Intensity on Perceived Organizational Performance［J］. European Journal of Information Systems， 2017（5）： 469～488.

［6］劉淑春，閆津臣，張思雪，等.企業管理數字化變革能提升投入產出效率嗎［J］.管理世界，2021（5）：170～190.

［7］唐未兵，傅元海，王展祥. 技術創新、技術引進與經濟增長方式轉變［J］. 經濟研究，2014（7）：31～43.

［8］Acemoglu D，Restrepo P. The Race between Man and Machine：Implications of Technology for Growth，Factor Shares，and Employment ［J］.American Economic Review，2018（6）：1488～1542.

［9］趙宸宇，王文春，李雪松. 數字化轉型如何影響企業全要素生產率［J］. 財貿經濟，2021（7）：114～129.

［10］張葉青，陸瑤，李樂蕓.大數據應用對中國企業市場價值的影響——來自中國上市公司年報文本分析的證據［J］.經濟研究，2021（12）：42～59.

［11］劉飛.數字化轉型如何提升制造業生產率——基于數字化轉型的三重影響機制［J］.財經科學，2020（10）：93～107.

［12］陳慶江，王彥萌，萬茂豐.企業數字化轉型的同群效應及其影響因素研究［J］.管理學報，2021（5）：653～663.

［13］Grant， G.， Seager， T.， Massard， G.， & Nies， L. Information and Communication Technology for Industrial Symbiosis. Journal of Industrial Ecology， 2010（5）：740～753.

［14］Autio， E.， Nambisan， S.， Thomas， L.， & Wright， M. Digital Affordances， Spatial Affordances， and the Genesis of Entrepreneurial Ecosystems. Strategic Entrepreneurship Journal， 2018（1）：72～95.

［15］李琦，劉力鋼，邵劍兵.數字化轉型、供應鏈集成與企業績效——企業家精神的調節效應［J］.經濟管理，2021（10）：5～23.

［16］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］.管理世界，2021（7）：130～144.

［17］陳劍，黃朔，劉運輝. 從賦能到使能——數字化環境下的企業運營管理［J］. 管理世界，2020（2）：117～128.

［18］Gal， U.， Jensen， T.B. and Stein， M.K.， Breaking the Vicious Cycle of Algorithmic Management： A Virtue Ethics Approach to People Analytics， Information and Organization， 2020（2）： 1～15.

［19］肖靜華.企業跨體系數字化轉型與管理適應性變革［J］.改革，2020（4）：37～49.

［20］Beane， M. 2019， Shadow Learning： Building Robotic Surgical Skill When Approved Means Fail［J］. Administrative Science Quarterly， 2019（1）： 87～123.

［21］曲永義.數字創新的組織基礎與中國異質性［J］.管理世界，2022（10）：158～174.

［22］中國社會科學院工業經濟研究所課題組，張其仔. 提升產業鏈供應鏈現代化水平路徑研究［J］.中國工業經濟，2021（2）：80～97.

［23］王永進，匡霞，邵文波.信息化、企業柔性與產能利用率［J］.世界經濟，2017（1）：67～90.

［24］李坤望，邵文波，王永進.信息化密度、信息基礎設施與企業出口績效——基于企業異質性的理論與實證分析［J］.管理世界，2015（4）：52～65.

［25］ Triplett， J. E. The Solow Productivity Paradox： What Do Computers Do to Productivity. The Canadian Journal of Economics，1999（2）：309～334.

［26］巫景飛，王澤昊.數字化助力中國上市公司高質量發展［J］.上海國資，2023（3）：80～84.

［27］祁懷錦，曹修琴，劉艷霞.數字經濟對公司治理的影響——基于信息不對稱和管理者非理性行為視角［J］.改革，2020（4）：50～64.

［28］王軍，鄒廣平，石先進.制度變遷對中國經濟增長的影響——基于VAR模型的實證研究［J］.中國工業經濟，2013（6）：70～82.

［29］Levinsohn， P.， Petrin A. Estimating Production Functions Using Inputs to Control for Unobservables. The Review of Economic Studies， 2003（2）：317～341.

［30］Ben-Nasr， H.， Boubaker， S.， Rouatbi， W. Ownership Structure， Control Contestability， and Corporate Debt Maturity. Journal of Corporate Finance， 2015：265～285.

［31］Olley， G. S.， Pakes， A. The Dynamics of Productivity in the Telecommunications Equipment Industry. Econometrica， 1996（6）：1263～1297.

［32］袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化［J］.中國工業經濟，2021（9）：137～155.

［33］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100～120.

［34］劉斌，甄洋.數字貿易規則與研發要素跨境流動［J］.中國工業經濟，2022（7）：65～83.

［35］丁啟軍.行政壟斷行業的判定及改革［J］.財貿研究，2010（5）：77～83.

Corporate Digitalization and Total Factor Productivity Improvement- Evidence from Listed Companies in China

WU Jingfei，WANG Zehao，NI Zhongxin

（Shanghai University， Shanghai 200444， China）

Abstract：Digitalization has emerged as a paramount strategy for modern enterprises， however， a debatable aspect lingers over whether digitalization truly enhances the total factor productivity of enterprises. Based on the input of digitisation-related intangible assets， the number of patents and software copyrights， and the word frequency data of annual reports of listed companies and their first-tier holding subsidiaries， we constructed a digitisation level indicator system with three dimensions of input， achievement and attention， and measured the digitisation level of A-share listed companies in Shanghai and Shenzhen from 2010 to 2020 by using the entropy method. Then， the effect and mechanism of enterprise digitisation on total factor productivity were tested. The study finds that： the overall digitisation level of Chinese listed companies fluctuates and rises， showing that state-owned enterprises are faster than non-state-owned enterprises， the eastern part is faster than the central and western regions， and the information technology industry is faster than other industries; Digital transformation is conducive to improving total factor productivity and is achieved through four mechanisms： improving internal communication efficiency， enhancing economies of scale， reducing dependence on large customers and improving supply chain management efficiency; The impact of digital transformation on total factor productivity is particularly pronounced in non-state-listed companies， industries characterized by high levels of competition， and in the market-oriented eastern region.

Key words：total factor productivity;digitalization;entropy method;high-quality development