數字化、市場化進程與資源型企業生產率

[摘 要：隨著數字經濟的發展，數字化已成為資源型企業應對技術及市場沖擊的重要手段。文章基于2014—2019年資源型上市企業數據，探討戰略規劃、運營管理和市場營銷數字化對資源型企業生產率的影響以及市場化進程的調節效應。結果表明：數字化對資源型企業生產率具有顯著正向影響，同時，戰略規劃、運營管理和市場營銷三個維度的數字化對資源型企業生產率均有顯著促進作用；在數字化與資源型企業生產率的關系中，市場化進程具有顯著正向調節效應；產權差異分析發現，數字化對國有資源型企業生產率的促進作用具有滯后性，對非國有資源型企業生產率的促進作用更顯著。

關鍵詞：數字化；資源型企業；全要素生產率；市場化進程；產權性質

中圖分類號：F273 " " " " 文獻標識碼：A " " " 文章編號：1007-5097（2023）08-0110-09 ]

Digitalization，MarketizationProcess，and Productivity of Resource-based Enterprises

LI Mengmeng1，2，GUO Xiaochuan3，WANG Fengzheng2

（1. School of Economics and Management，Hainan Normal University，Haikou 571127，China；

2. School of Economics and Management，Inner Mongolia University，Hohhot 010021，China；

3. School of Management，Shanghai University，Shanghai 200444，China）

Abstract：With the development of the digital economy，digitization has become an important means for resource-based enterprises to cope with technological and market shocks.Thispaper is based on the data of resource-based listed enterprises from 2014 to 2019，exploring the impact of strategic planning，operational management，and marketing digitization on the productivity of resource-based enterprises and the moderating effect of marketization process.The results indicate that digitalization has a significant positive impact on the productivity of resource-based enterprises，while digitalization in strategic planning，operational management，and marketing has a significant promoting effect on the productivity of resource-based enterprises；in the relationship between digitization and productivity of resource-based enterprises，the process of marketization has a significant positive moderating effect；the analysis of property rights differences has found that digitization has a lagging effect on promoting the productivity of state-owned resource-based enterprises，while the promoting effect on the productivity of non-state-owned resource-based enterprises is more significant.

Key words：digitalization；resource-based enterprise；total factor productivity；marketization；property rights

一、引 言

改革開放以來，資源型企業在我國經濟發展中發揮了重要作用，但隨著經濟進入新常態，以要素驅動的粗放式發展難以為繼，生產率低下成為制約資源型企業發展的重要因素之一。與此同時，互聯網、人工智能、大數據以及云計算等數字技術的快速發展，使中國的數字化進程正從消費互聯網轉向產業互聯網（戚聿東和肖旭，2020；杜慶昊，2021）［1-2］，這為傳統資源型企業帶來了新的發展契機?！吨袊鴶底纸洕l展白皮書2021》顯示，2020年我國產業數字化規模約31.7萬億元，占數字經濟比重80.9%，占GDP比重31.2%，數字技術帶動傳統產業效率提升的作用進一步強化。資源型企業生產率低的根源在于過度依賴資源、科技水平較低，要想突破生產率低的困境，須適應數字經濟的發展趨勢，從“以資源為基礎”的傳統發展模式變為“以數據為基礎”的數字化發展模式。因此，探討數字化與資源型企業生產率的關系具有重要意義。

數字化與企業生產率關系的研究是對“信息技術生產率悖論”問題的再討論（范曉男等，2020）［3］，即信息技術并不一定會帶來生產率的提高（Solow，1987）［4］。雖然已有關于數字化與企業生產率關系的研究取得了豐富的成果（Brynjolfsson和Hitt，1996；Gal等，2019；Brynjolfsson等，2020）［5-7］，但多數研究聚焦于制造業和服務業，且在不同行業具有一定的差異性（Garicano和Heaton，2010；孫早和劉李華，2018）［8-9］。不同于制造業和服務業，資源型企業數字化存在數據利用率低、線上參與度低等問題，因此，資源型企業數字化與企業生產率的關系仍需進一步檢驗。

現有研究大多從人力資本、技術創新和組織變革等企業內部視角研究數字化的生產率效應（Bloom等，2012；Reeson和Rudd，2016；何小鋼等，2019）［10-12］，較少涉及外部制度環境的影響。新制度經濟學理論認為，在影響人的行為決定、資源配置t 經濟績效的諸因素中，市場機制與制度都同等重要。隨著中國經濟步入新常態，市場與政府的關系對企業的影響日趨加深（Yao等，2015）［13］，資源型企業的生產率受到企業內部特征與外部市場環境的雙重影響（Syverson，2011）［14］，產品和要素市場、制度及法治等外部市場環境變化，決定了數字化的外部資金及技術條件，從而影響資源型企業數字化及其生產率效應。鑒于此，本文基于2014—2019年資源型企業上市公司數據，結合數字化在資源型企業的應用，研究戰略規劃、運營管理和市場營銷數字化對資源型企業生產率的影響以及市場化進程的調節效應，并進一步分析產權性質差異的影響。

二、文獻綜述

學者們從不同視角研究企業數字化，概括起來主要分為數據要素和技術應用兩個層面。在數據要素層面，已有研究認為，數據是將已有生產要素連接起來的連接型生產要素，但是企業不能僅僅關注數字技術及數據資源的投資，還需要注重數據分析能力的構建以及數據驅動決策的運用（Brynjolfsson和McElheran，2016；謝康等，2020；陳國青等，2020）［15-17］。在技術應用層面，主要研究焦點在于數字技術應用于企業的哪些方面。Kaplan和Haenlein（2019）［18］認為，數字化是數字技術用于解決傳統問題的新途徑，包括創造新的市場和價值網絡；施德?。?019）［19］認為，數字化不僅指數字技術在業務領域的應用，還包括在維持市場競爭力等方面的應用；陳劍和劉運輝（2021）［20］認為，數字技術使能運營管理變革，形成了共生共存的供應鏈生態系統。綜合以上觀點，本文認為企業數字化主要是指由數字技術所產生的數據要素投入，以及數字技術在傳統企業中的技術應用，包含企業戰略、生產過程、業務流程、管理模式和營銷模式等方面的應用。

目前，國內外學者對數字化和企業生產率的研究可以歸納為兩個方面：一方面，已有研究認為，數字化過程中所產生的數據是將已有生產要素連接起來的連接型生產要素（謝康等，2020）［16］，數字技術的應用能有效提高企業管理者的風險識別能力及戰略規劃能力（李唐等，2020）［21］，同時，能降低企業交易成本，提高交易效率，通過相對便宜的資本替代勞動力，減少資源錯配（黃群慧等，2019）［22］，從而直接提升企業生產率；另一方面，互補機制理論認為，數字化與企業內部的人力資本（何小鋼等，2019）［12］、技術創新（Astuti等，2020）［23］、管理實踐（Bloom等，2012）［10］等具有互補效應，通過提高要素之間的協同性，能夠放大要素及數字化對生產率的提升效果，從而間接提升企業生產率。

企業內部的技術創新、管理實踐等互補性投資能夠提高生產率效應（Bloom等，2012；Astuti等，2020）［10，23］，同樣，外部市場環境也會對數字技術的應用效果產生一定的影響。產品市場競爭方面的體制因素會影響生產力模式，特別是在通用技術迅速傳播時期（Bassanini和Scarpetta，2002）［24］，嚴格的監管可能會阻礙數字技術優勢作用的發揮（Timmer和Van Ark，2005）［25］。同時，數字化對制度變革提出新的要求，過時的制度不適應新的技術條件，市場化水平作為數字技術的互補性投資，能進一步釋放數字化的“創造性破壞”效應，從而增強數字技術的生產率效應（孫早和劉李華，2018）［9］。戴亦舒等（2020）［26］研究發現，政府在數字化創新方面的政策能推動企業資源集成能力的構建，從而幫助企業提質增效。

相較于已有研究，本文的邊際貢獻在于：第一，不同于以往學者從業務流程及數字化投資方面來研究企業數字化，本文從戰略規劃、運營管理和市場營銷三個維度分析數字化對資源型企業生產率的影響，具體豐富和補充生產率悖論的相關理論研究；第二，突破已有的企業內部研究框架，本文從外部市場環境視角出發，將數字化、市場化進程與企業生產率納入統一研究框架，補充了數字化與外部環境的相關理論，同時，對平衡資源型企業數字化轉型的地域差異具有一定的實踐指導意義。

三、理論分析與研究假設

（一）數字化與資源型企業生產率

結合數字化的含義及其在資源型企業中的應用，本文將數字化對資源型企業生產率的影響分為三個維度：

第一，戰略規劃維度。在數字經濟時代，數據成為新的生產要素，數據管理能力通過提高管理者的風險識別能力及戰略規劃能力等來促進企業生產率（李唐等，2020）［21］。資源型企業往往處于產業鏈的上游，通過終端消費者的數據分析，一方面，能為戰略規劃者提供精準的數據支撐及決策依據（Buffington等，2017）［27］，影響企業管理者的戰略決策認知，指導企業未來的發展方向（如實施哪些競爭戰略，如何利用數字技術改造產品及流程等）；另一方面，基于企業平臺戰略以及產業生態系統等的信息共享，能使整個資源型產業鏈取得利益共贏，為資源型企業建立持續競爭力提供重要依托。

第二，運營管理維度。運營智能化管理將產品設計、生產決策、物資管理、供應鏈管理等環節進行集成管理，形成扁平式的組織管理結構，實現生產經營管理一體化。資源型企業生產過程安全風險較大，通過采用大數據、人工智能等數字技術賦予企業新的生產決策模式，執行監測、控制、優化和自動等功能（Porter和 Heppelmann，2014）［28］，實現自動化、數字化和智能化生產，減少人員操作，促使企業運營管理從賦能向使能轉變（陳劍等，2020）［29］，提高了企業的運營效率、生產的柔性及安全性（Goldfarb和Tucker，2019）［30］。

第三，市場營銷維度。數字技術改變了資源型企業單純依靠資源型產品銷售的經營理念及盈利邏輯，營銷模式趨于精準化和精細化（戚聿東和肖旭，2020）［1］。資源型企業的產品附加價值低、市場服務意識較弱，通過數字技術可以實現產品和服務的精準營銷。比如，電子商務及云商平臺打破了傳統資源型企業的銷售方式，利用線上銷售、物流及融資平臺，重新整合現有資源，增加市場透明度，降低資源型企業的搜索成本、運輸成本、溯源成本及庫存成本等（Goldfarb和Tucker，2019）［30］。

綜上所述，戰略規劃數字化使戰略制定更加清晰，運營管理數字化能提升運營效率及生產的柔性和安全性，市場營銷數字化使營銷模式趨于精準化和精細化，三者共同提升資源型企業生產率。據此，本文提出假設1。

H1：數字化對資源型企業生產率具有顯著正向影響。

H1a：戰略規劃數字化程度越高，資源型企業生產率越高；

H1b：運營管理數字化程度越高，資源型企業生產率越高；

H1c：市場營銷數字化程度越高，資源型企業生產率越高。

（二）市場化進程的調節效應

市場化進程是一系列經濟、社會和法律制度的變革（樊綱等，2011）［31］，其調節效應主要體現在以下幾個方面：首先，資源型企業具有較高的壟斷性，市場化進程高的地區，產品和要素市場發育較完善，政府干預較少，有利于消除進入和退出壁壘（孫早和劉李華，2018）［9］，企業能夠根據市場需求進行數字技術創新（周雪峰等，2020）［32］，因而數字化程度較高；其次，資源型企業長期處于賣方市場地位，市場競爭意識薄弱，市場化進程高的地區，非國有資源型企業占比較高，競爭較為激烈，非國有企業能靈活地根據數字化程度進行組織變革，有利于發揮數字化的生產率效應；最后，資源型企業數字技術創新能力較弱，市場化進程高的地區，法制條件相對完善（李慧云和劉鏑，2016）［33］，資源型企業更愿意通過外部數字技術公司提供更專業的數字化服務，減少數字技術自主創新風險，從而加快企業數字化進程。此外，市場化進程越高的地區，數字技術應用成功的案例較多，戰略決策者具有較高的數字化認知水平，對數字技術的應用前景有敏銳的判斷，有利于企業對數字技術的應用，企業也更容易獲得高技能勞動者，從而有利于發揮數字技術的生產率效應（何小鋼等，2019）［12］。據此，本文提出假設2。

H2：市場化進程在數字化與資源型企業生產率的關系中起正向調節作用。

綜上，本文構建理論框架如圖1所示。

四、研究設計

（一）樣本與數據說明

2013年以來，我國資源型企業加速了數字化進程，并逐漸開始對企業生產率產生影響（馬化騰等，2015；楊劍鋒等，2021）［34-35］，因此本文選取的樣本時期為2014—2019年。參考王鋒正等（2015）［36］的做法，將資源型企業定義為對礦產和能源的開采及初加工，共12個行業。企業財務數據來自Wind數據庫，企業年報來自巨潮資訊網，與數字化相關的新聞數來自各上市企業官方網站。剔除ST和*ST相關數據缺失以及2014年后上市的企業，共得到1 308個樣本，并對連續變量進行1%和99%的縮尾處理。

（二）變量選擇

1.被解釋變量：企業生產率

本文采用全要素生產率來測度企業生產率，借鑒Pan等（2022）［37］、李衛兵和張凱霞（2019）［38］的做法，使用LP法進行估算、FE法進行穩健性檢驗。其中，工業增加值的計算采用劉小玄和李雙杰（2008）［39］的做法，工業增加值=產品銷售額?期初存貨+期末存貨?工業中間投入+增值稅；工業中間投入的計算采用陳林（2018）［40］的做法，工業中間投入=存貨?存貨中的產成品+主營業務成本?本年應付工資總額?本年應付福利費總額；資本投入的計算采用永續盤存法；勞動力采用企業當年的總就業人數。工業增加值、工業中間投入和資本投入以2014年為基期，分別采用工業生產者出廠價格指數、工業生產者購進價格指數和固定資產投資價格指數進行平減，價格指數來自《中國統計年鑒》。

2.核心解釋變量：數字化

采用李萌萌和郭曉川（2022）［41］的做法，將數字化分為戰略規劃、運營管理和市場營銷三個維度，主要通過Python軟件統計數字化相關詞匯數、數字化相關的新聞數、數字化營銷手段等，分指標采用文本分析法構建，并通過熵指數法合成數字化指標。

3.調節變量市場化進程

采用《中國分省份市場化指數報告（2018）》中各省份市場化指數來衡量市場化進程。因數據截至2016年，借鑒楊興全等（2014）［42］的做法進行估算，即2017年的指數等于2016年加上2014年、2015年、2016年這三年相對于前一年指數增加值的平均數，以此類推得到2018年、2019年指數。

4.控制變量

參考已有關于企業全要素生產率的文獻（李唐等，2020；任燦燦等，2021）［21，43］，本文選取控制變量包括公司規模（資產總值的自然對數）、產權性質（國有企業取1，非國有企業取0）、資產負債率（總負債/總資產）、出口狀況（海外業務收入/營業收入）。此外，還加入時間和行業虛擬變量。各變量定義見表1所列。

（三）模型與方法

為檢驗數字化對資源型企業生產率的影響以及市場化進程的調節效應，本文構建計量模型如下：

[lnTFPi，t=α0+α1lnDigitali，t+∑Controlsi，t+∑Year+∑Industry+εi，t] （1）

[lnTFPi，t=α0+α1lnDigital_Si，t+∑Controlsi，t+∑Year+∑Industry+εi，t] （2）

[lnTFPi，t=α0+α1lnDigital_Oi，t+∑Controlsi，t+∑Year+∑Industry+εi，t] （3）

[lnTFPi，t=α0+α1lnDigital_Mi，t+∑Controlsi，t+∑Year+∑Industry+εi，t] （4）

[lnTFPi，t=α0+α1lnDigitali，t+α2ln（Digitali，t×Marketi，t）+α3Marketi，t+∑Controlsi，t+∑Year+∑Industry+εi，t] （5）

其中：[TFPi，t]表示企業全要素生產率；[Digitali，t]表示數字化；[Digital_Si，t]表示戰略規劃數字化；[Digital_Oi，t]表示運營管理數字化；[Digital_Mi，t]表示市場營銷數字化；[Digitali，t×Marketi，t]表示數字化與市場化指數的交互項；[Marketi，t]表示市場化進程；[∑][Controlsi，t]表示控制變量；[∑Year]表示時間固定效應；[∑Industry]表示行業固定效應；[εi，t]表示隨機干擾項；[α1]表示數字化對資源型企業生產率的影響；[α2]表示市場化進程的調節效應。

五、結果與分析

（一）描述性統計

各主要變量的均值、標準差等見表2所列。數字化的均值為0.035，標準差為0.043，說明各企業之間的數字化具有明顯差異；戰略規劃、運營管理和市場營銷數字化的均值分別為0.011、0.010和0.016，說明目前資源型企業數字化主要集中于市場營銷方面；企業產權性質的均值為0.532，說明國有資源型企業的占比較高。所有變量的方差膨脹因子（VIF）最大值為1.48，小于10，可以排除多重共線性的影響。

（二）數字化與資源型企業生產率

表3匯報了式（1）—（4）的回歸結果。第（1）列結果顯示，數字化的回歸系數為0.921（plt;0.01），說明數字化對資源型企業生產率的影響顯著為正，數字化程度越高，其生產率越高，H1得到驗證。說明在資源型企業微觀層面上不支持“信息技術生產率悖論”，與何小鋼等（2019）［12］的研究結論基本一致。第（2）列戰略規劃數字化的系數為1.876（plt;0.05），第（3）列運營管理數字化的回歸系數為2.024（plt;0.01），第（4）列市場營銷數字化的回歸系數為2.029（plt;0.01），說明戰略規劃、運營管理及市場營銷三個維度的數字化對資源型企業生產率均有顯著促進作用，H1a、H1b和H1c得到驗證。通過生產運營及電子商務平臺的反饋數據分析，企業能根據自身情況調整戰略，進行低成本戰略或是差異化戰略、縱向一體化或是橫向一體化的選擇。數字化生產運營管理，減少了工作人員的危險操作，提高了企業的運營效率及生產的安全性。電子商務及云商平臺降低了企業的搜索成本、運輸成本、溯源成本及庫存成本等，從而提高資源型企業生產率。

由表3可知，在控制變量方面，與已有文獻基本一致。公司規模的系數為0.350（plt;0.01），說明資源型企業的規模越大，其全要素生產率也越高；產權性質的系數為-0.125（plt;0.05），說明國有資源型企業的全要素生產率比非國有資源型企業的全要素生產率低；資產負債率的系數為-0.836（plt;0.01），說明資源型企業資產負債率越高，其全要素生產率越低；企業出口狀況的系數不顯著，說明資源型企業暫時沒有證據支持“出口生產率悖論”。

（三）穩健性檢驗

1.內生性檢驗

數字化與企業生產率可能存在內生性問題：數字化可以提高企業生產率，同樣，生產率高的企業更有利于進行數字化，即存在反向因果關系。本文借鑒何小鋼等（2019）［12］的做法，采用按省份-行業分類的數字化均值作為工具變量（IV）。本文雖然是以資源型企業作為研究樣本，但是資源型企業包含對礦產和能源的開采及初加工，共12個行業，因而按照省份和二位碼行業分類的數字化均值變量不是一個常數值。企業數字化受到企業所在地區外部數字化環境的影響，并且具有行業差異性，因而單個企業的數字化與同一地區同一行業其他企業數字化正向相關。但是，除非多數企業采用聯合行動，否則企業數字化不太可能影響地區行業層面的數字化，由于樣本選擇的隨機性，這種聯合行動的可能性很小，因而工具變量符合“相關性”和“外生性”。

兩階段最小二乘法（2SLS）的回歸結果見表4所列。第（1）列工具變量（IV）的系數為0.835（plt;0.01），說明IV與內生變量顯著正相關。Kleibergen-Paap rk LM在1%水平上拒絕了“不可識別”的原假設；Kleibergen-Paap rk Wald F和Cragg-Donald Wald F均大于臨界值16.38，拒絕了“弱工具變量”的原假設；Anderson-Rubin Wald在1%水平上拒絕了“內生回歸系數之和為0”的原假設，說明IV與內生變量具有較強的相關性。表4第（2）列數字化的系數為2.887（plt;0.01），因此，內生性檢驗表明研究結論仍然成立。

2.其他穩健性檢驗

為進一步驗證結果的穩健性，本文進行了以下檢驗：首先，采用國家統計局、Wind數據庫等權威統計數據以及文本分析法對企業年報進行詞頻統計，盡可能避免主觀原因造成的測度誤差；其次，替換因變量進行估計，采用FE法代替LP法計算企業生產率，表5列（1）表明，核心解釋變量系數的正負及顯著性均沒有發生改變；再次，采用Brynjolfsson和McElheran（2016）［44］的方法，將自變量滯后一期（lnDig_lag1），進一步檢驗是否存在反向因果關系，由表5列（2）可知，lnDig_lag1的系數仍顯著為正，說明不存在反向因果關系；最后，替換估計方法，采用Tobit模型進行回歸，由表5列（3）可知，核心解釋變量系數的正負及顯著性均沒有發生改變。

（四）市場化進程的調節效應

表6檢驗了市場化進程的調節效應。第（1）列結果顯示，市場化進程的回歸系數為0.059（plt;0.01），說明市場化進程與資源型企業生產率呈顯著正相關，市場化進程越高的地區，資源型企業生產率越高。第（2）列數字化與市場化進程的交互項系數為0.049（plt;0.1），說明市場化進程在數字化與資源型企業生產率的關系中起正向調節作用。即市場化進程越高，數字化對資源型企業生產率的促進作用發揮得越充分，這與孫早和劉李華（2018）［9］在宏觀層面提出市場化水平作為信息技術的互補性投資的觀點一致。這主要是因為市場化進程高的地區產品和要素市場發育相對完善，資源型企業更容易獲得高技能勞動者，并能通過與外部數字技術公司合作創新來加快數字化進程，較少技術風險，從而有利于發揮數字化對生產率的促進作用。因此，H2得到驗證。

（五）產權性質差異分析

企業產權性質差異會導致不同的組織變革，組織變革的不同也會影響數字化的生產率效應。已有研究表明，企業組織變革與數字化具有互補效應，下放權力及減少報告次數等組織變革，導致企業無形資產的改進，服務效率的提高，因而實施組織變革企業的生產率高于未實施組織變革企業（Bresnahan等，2002）［45］。但是，實施組織變革也會帶來相應的調整成本，Tambe和Hitt（2012）［46］研究發現，規模大的企業調整成本較高，信息技術的投資回報需要較長時間；劉政等（2020）［47］認為，國有企業存在逐級上報批復等繁瑣決策程序，阻礙了企業組織授權變革，因而企業數字化在非國有企業更顯著。不同產權性質的企業具有不同的組織變革和調整成本，會給數字化的生產率效應帶來不同的影響，因此，本文考慮了產權性質差異的影響。

表7將樣本分為國企樣本組和非國企樣本組分別進行回歸，其中國有企業樣本為696家，非國有企業樣本為612家。表7第（1）列數字化的系數不顯著，說明數字化對國有資源型企業生產率的作用在當期不顯著。本文進一步將數字化滯后一期進行回歸，表7第（2）列數字化滯后一期的系數為0.975（plt;0.01），說明數字化對國有資源型企業生產率的促進作用具有一定的滯后性，這與劉政等（2020）［47］關于企業組織惰性差異的觀點一致。國有資源型企業往往規模較大，組織結構比較復雜，短期內對數字化的基礎設施等方面的資金投入較大，且國有資源型企業與政府關系較密切，企業決策流程繁瑣，組織結構及管理實踐在短期內不能進行與之相匹配的變革，因而數字化對國有資源型企業生產率的促進作用在當期很難體現出來，具有一定的滯后性。表7第（3）列數字化的系數為1.358（plt;0.01），說明數字化對非國有資源型企業生產率的影響更顯著。非國有資源型企業往往比國有資源型企業規模小，靈活性較強，對數字化的基礎設施等方面的資金投入相對較小，更容易對生產流程、組織結構、管理模式等方面進行調整，組織結構變革會對中小企業績效產生更顯著的正向影響，因而數字化對非國有資源型企業生產率的促進作用能夠較快顯現出來。

六、結論與啟示

從企業數字化的內部應用出發，本文探討了數字化對資源型企業生產率的影響，以及市場化進程的調節效應，并進一步分析產權性質差異的影響。研究發現：

第一，數字化對資源型企業生產率具有顯著促進作用，通過工具變量及其他穩健性檢驗證明，這一結果具有穩健性，即數字化程度越高，資源型企業的生產率也越高，這說明在樣本期間內，資源型企業微觀層面不存在“信息技術生產率悖論”。通過分指標回歸發現，戰略規劃、運營管理和市場營銷三個維度的數字化對資源型企業生產率均具有顯著促進作用。

第二，從市場化進程與數字化的交互項分析來看，市場化進程在數字化與資源型企業生產率的關系中起正向調節作用，即市場化進程越高，數字化對資源型企業生產率的促進作用越明顯。這與宏觀層面提出的市場化水平作為信息技術的互補性投資的觀點一致。

第三，產權性質差異分析發現，數字化對國有資源型企業生產率的促進作用在當期不顯著，而對非國有資源型企業生產率的促進作用在當期更顯著。進一步將數字化滯后一期進行回歸，發現數字化滯后一期對國有資源型企業生產率具有顯著的促進作用，這與企業的組織惰性有關，國有資源型企業的組織結構及管理實踐在短期內來不及進行相應的變革，因而數字化的生產率效應在當期很難體現出來。

基于上述研究結論，本文得到以下啟示：

第一，提高資源型企業的數字化程度。在戰略規劃方面，應基于運營管理及市場營銷反饋的海量數據分析、提升戰略決策者的決策質量，優化企業的發展目標；在運營管理方面，在產品設計、生產決策、物資管理、供應鏈管理等環節實現數字化智能化運作；在市場營銷方面，改變傳統的“賣方市場”思維，利用數字技術提升市場營銷的精細化和精準化。

第二，市場化進程低的地區應利用數字技術的快速發展，縮小與市場化進程高地區的差距。市場化進程低的地區政府應積極響應“互聯網+”行動計劃及產業互聯網發展規劃，為資源型企業創造良好的制度及法治環境，如加強數字基礎設施建設、建設產業互聯網發展平臺、鼓勵數字技術相關的創新創業及大數據安全體系建設等。資源型企業應抓住數字化轉型機遇，把握后發優勢，縮小與市場化進程高地區企業的差距。

第三，提高國有資源型企業數字化的生產率效應。國有資源型企業應適當精簡審批決策流程，增強組織柔性。一方面，根據數字化進程進行組織機構變革，調整國有企業管理理念、工作方式及組織文化等；另一方面，引進與數字技術相匹配的技術型人才，制定吸引高技能勞動力的激勵制度等。

參考文獻：

［1］戚聿東，肖旭.數字經濟時代的企業管理變革［J］.管理世界，2020，36（6）：135-152，250.

［2］杜慶昊.數字產業化和產業數字化的生成邏輯及主要路徑［J］.經濟體制改革，2021（5）：85-91.

［3］范曉男，孟繁琨，鮑曉娜，等.人工智能對制造企業是否存在“生產率悖論”［J］.科技進步與對策，2020，37（14）：125-134.

［4］SOLOW R M. We' d Better Watch Out［J］. New York Times Book Review，1987（7）：36.

［5］BRYNJOLFSSON E，HITT L. Paradox Lost？ Firm-level Evidence on the Returns to Information Systems Spending［J］. Management Science，1996，42（4）：541-558.

［6］GAL P，NICOIETTI G，RENAULT T，et al. Digitalization and Productivity：In Search of the Holy Grail-firm-level Empirical Evidence from European Countries［R］. Ottawa：OECD Economics Department Working Papers No. 1533，2019.

［7］BRYNJOLFSSON E，ROCK D，SYVERSON C. The Productivity J-Curve：How Intangibles Complement General Purpose Technologies［R］.Cambridge：NBER Working Paper No.w25148，2020.

［8］GARICANO L，HEATON P. Information Technology，Organization，and Productivity in the Public Sector：Evidence from Police Departments［J］. Journal of Labor Economics，2010，28（1）：167-201.

［9］孫早，劉李華.信息化提高了經濟的全要素生產率嗎——來自中國1979—2014年分行業面板數據的證據［J］.經濟理論與經濟管理，2018（5）：5-18.

［10］BLOOM N，SADUN R，REENEN J V. Americans Do IT Better：US Multinationals and the Productivity Miracle［J］. American Economic Review，2012，102（1）：167-201.

［11］REESON A，RUDD L. ICT Activity，Innovation and Productivity：An Analysis of Data from Australian Businesses［J］. Economic Papers：A Journal of Applied Economics and Policy，2016，35（3）：245-255.

［12］何小鋼，梁權熙，王善騮.信息技術、勞動力結構與企業生產率——破解“信息技術生產率悖論”之謎［J］.管理世界，2019，35（9）：65-80.

［13］YAO Q，XU M，JIANG W，et al. Do Marketing and Government Ramp;D Subsidy Support Technological Innovation？［J］. International Journal of Technology Policy and Management，2015，15（3）：213-225.

［14］SYVERSON C. What Determines Productivity？［J］. Journal of Economic Literature，2011，49（2）：326-365.

［15］BRYNJOLFSSON E，MCELHERAN K. The Rapid Adoption of Data-Driven Decision-Making［J］. The American Economic Review，2016，106（5）：133-139.

［16］謝康，夏正豪，肖靜華.大數據成為現實生產要素的企業實現機制：產品創新視角［J］.中國工業經濟，2020（5）：42-60.

［17］陳國青，曾大軍，衛強，等.大數據環境下的決策范式轉變與使能創新［J］.管理世界，2020，36（2）95-105.

［18］KAPLAN A，HAENLEIN M. Digital Transformation and Disruption：On Big Data，Blockchain，Artificial Intelligence，and Other Things［J］. Business Horizons，2019，62（6）：679-681.

［19］施德俊.式與能：數字化轉型升級的戰略五階段［J］.清華管理評論，2019（Z1）：104-115.

［20］陳劍，劉運輝.數智化使能運營管理變革：從供應鏈到供應鏈生態系統［J］.管理世界，2021，37（11）：227-240.

［21］李唐，李青，陳楚霞.數據管理能力對企業生產率的影響效應——來自中國企業—勞動力匹配調查的新發現［J］.中國工業經濟，2020（6）：174-192.

［22］黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗［J］.中國工業經濟，2019（8）：5-23.

［23］ASTUTI E S，SANAWIRI B，IQBAL M. Attributes of Innovation，Digital Technology and Their Impact on SME Performance in Indonesia［J］. International Journal of Entrepreneurship，2020，24（1）：1-14.

［24］BASSANINI A，SCARPETTA S. Growth，Technological Change，and ICT Diffusion：Recent Edvidence from OECD Countries［J］. Oxford Review of Economic Policy，2002，18（3）：324-344.

［25］TIMMER M P，VAN ARK B. Does Information and Communication Technology Drive EU-US Productivity Growth Differentials？［J］. Oxford Economic Papers，2005，57（4）：693-716.

［26］戴亦舒，晏夢靈，董小英.數字化創新中企業對政策關注與績效關系研究［J］.科學學研究，2020，38（11）：2068-2076.

［27］BUFFINGTON C，FOSTER L，JARMIN R，et al. The Management and Organizational Practices Survey （MOPS）：An Overview［J］. Journal of Economic and Social Measurement，2017，42（1）：1-26.

［28］PORTER M E，HEPPELMANN J E. How Smart，Connected Products Are Transforming Competition［J］. Harvard Business Review，2014，92（11）64.

［29］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，2020，36（2）：117-128.

［30］GOLDFARB A，TUCKER C. Digital Economics［J］. Journal of Economic Literature，2019，57（1）：3-43.

［31］樊綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻［J］.經濟研究，2011，46（9）：4-16.

［32］周雪峰，李珍珠，王衛.董事會網絡位置、市場化進程與企業雙元創新［J］.科技進步與對策，2020，37（20）：66-75.

［33］李慧云，劉鏑.市場化進程、自愿性信息披露和權益資本成本［J］.會計研究，2016（1）：71-78，96.

［34］馬化騰，張曉峰，杜軍.互聯網＋：國家戰略行動路線圖［M］.北京：中信出版社，2015.

［35］楊劍鋒，杜金虎，楊勇，等.油氣行業數字化轉型研究與實踐［J］.石油學報，2021，42（2）：248-258.

［36］王鋒正，郭曉川.環境規制強度對資源型產業綠色技術創新的影響——基于2003—2011年面板數據的實證檢驗［J］.中國人口·資源與環境，2015，25（S1）：143-146.

［37］PAN X F，PU C X，YUAN S，et al. Effect of Chinese Pilots Carbon Emission Trading Scheme on Enterprises' Total Factor Productivity：The Moderating Role of Government Participation and Carbon Trading Market Efficiency［J/OL］. Journal of Environmental Management，2022，316：115228［2022-03-13］. https：//doi.org/10.1016/j.jenvman.2022.115228.

［38］李衛兵，張凱霞.空氣污染對企業生產率的影響——來自中國工業企業的證據［J］.管理世界，2019，35（10）：95-112.

［39］劉小玄，李雙杰.制造業企業相對效率的度量和比較及其外生決定因素（2000—2004）［J］.經濟學（季刊），2008（3）：843-868.

［40］陳林.中國工業企業數據庫的使用問題再探［J］.經濟評論，2018（6）：140-153.

［41］李萌萌，郭曉川.數字化應用與資源型企業全要素生產率——基于雙元創新的互補效應［J］.技術經濟與管理研究，2022（4）：52-58.

［42］楊興全，張麗平，吳昊旻.市場化進程、管理層權力與公司現金持有［J］.南開管理評論，2014，17（2）：34-45.

［43］任燦燦，郭澤光，田智文.研發費用加計扣除與企業全要素生產率［J］.華東經濟管理，2021，35（5）：119-128.

［44］BRYNJOLFSSON E，MCELHERAN K. Data in Action：Data-Driven Decision Making in U.S. Manufacturing［R］.Washington：US Census Bureau Center for Economic Studies Paper No. CES-WP-16-06，2016.

［45］BRESNAHAN T F，BRYNJOLFSSON E，HITT L M. Information Technology，Workplace Organization，and the Demand for Skilled Labor：Firm-Level Evidence［J］. The Quarterly Journal of Economics，2002，117（1）：339-376.

［46］TAMBE P，HITT L M. The Productivity of Information Technology Investments：New Evidence from IT Labor Data［J］. Information Systems Research，2012，23（3-part-1）：599-617.

［47］劉政，姚雨秀，張國勝，等.企業數字化、專用知識與組織授權［J］.中國工業經濟，2020（9）：156-174.

［責任編輯：洪二麗］