企業數字技術創新對全要素生產率的影響

摘 要：企業進行數字技術創新，不僅能夠通過技術進步直接提高全要素生產率，而且可以通過賦能其他生產要素并改善要素配置來間接提高全要素生產率。采用滬深A股上市公司2011—2022年的數據分析發現：企業的數字專利增加對全要素生產率具有顯著的正向影響，表明企業進行技術創新能夠顯著提升其全要素生產率；數字技術創新能夠提高企業員工中高學歷人員和技術人員的比例以及技術資產占比，同時還能降低企業的信息不對稱程度、管理費用和代理成本，表明數字技術創新可以通過優化要素結構和提升管理效率來促進企業全要素生產率提升；數字技術創新對國有企業、大型企業、成長性較高企業、西部地區企業的全要素生產率具有更強的提升作用；企業數字技術創新的全要素生產率提升效應在技術密集型行業、資本密集型行業、勞動密集型行業中依次減弱。因此，應將數字技術創新作為提高企業全要素生產率的著力點，政府、企業與高校三方聯合共建數字技術人才高地，依托數字技術拓展企業的治理邊界，并將企業家精神融入公司治理及技術創新的全過程。

關鍵詞：數字技術創新；全要素生產率；勞動力結構；資本結構；信息不對稱；管理費用；代理成本

中圖分類號：F273.1；F270.3

文獻標志碼：A

引用格式：克甝，徐宗文.企業數字技術創新對全要素生產率的影響——基于要素結構優化和管理效率提升的雙路徑［J］.西部論壇，2024，34（5）：50-64.

KE Han， XU Zong-wen. Impact of enterprises digital technology innovation on total factor productivity： Based on two paths of factor structure optimization and management efficiency improvement［J］. West Forum， 2024， 34（5）： 50-64.

一、引言

熊彼特的創新與內生增長理論認為，通過創新活動形成的科技進步是促進經濟健康增長的重要的內生因素之一（田秀娟 等，2022）^［1］。在數字經濟時代，數字技術的快速發展和廣泛應用推動經濟社會發展方式持續轉變，不僅對宏觀經濟高質量發展（趙濤 等，2020）^［2］、產業結構升級（孫勇 等，2022）^［3］、社會分工（袁淳 等，2021）^［4］等產生了積極影響，也促進了微觀企業的價值提升（黃大禹 等，2021）^［5］和高質量發展（黃勃 等，2023）^［6］。同時，作為推動經濟社會發展的重要微觀經濟主體，企業又是數字技術創新的關鍵主體（戚聿東 等，2021）^［7］。越來越多的企業意識到數字技術對其自身發展的重要性，并積極開展數字技術創新活動。企業數字技術創新對其自身發展的影響是多方面的，從經濟層面看，最終體現為因全要素生產率提升而帶來的產出和利潤增長。然而，從企業數字技術創新到全要素生產率提升的過程中存在多維復雜的傳導機制，在具體的經濟實踐中還可能面臨諸多約束條件。因此，深入細致地探究企業數字技術創新促進全要素生產率提升的各種機制及異質性表現，有助于更充分更有效地發揮數字技術創新對企業全要素生產率的提升作用。

近年來，隨著數字經濟的發展繁榮，數字技術與企業全要素生產率之間的關系成為學術界探討的熱點之一。其中，關于數字技術影響企業全要素生產率的實證研究主要從以下兩個方面展開：一是數字技術應用對企業全要素生產率的影響。比如：李朝鮮（2022）^［8］研究發現，商貿流通企業從事數字技術業務活動能夠通過降本增效、業態創新和創新生態構建三個渠道提升全要素生產率，該作用在小微企業、民營企業、全要素生產率較高的企業中更強；謝謙和郭楊（2022）^［9］分析表明，企業應用數字技術能夠通過優化勞動力學歷結構和技能結構、增加產學研合作和自主型創新投入來提升全要素生產率，該影響在大型企業和服務業企業中更強；劉征馳等（2024）^［10］分析認為，企業的數字技術躍遷（自動化和智能化）能顯著提升全要素生產率，自動化主要通過替代效應和“干中學”效應，智能化主要通過替代效應、互補效應、“干中學”效應與“用中學”效應推動企業全要素生產率提高。二是數字技術創新（主要指數字技術專利）對企業全要素生產率的影響。比如：羅佳等（2023）^［11］研究發現，數字技術創新能夠通過提高創新效率和資源配置效率來促進制造業企業全要素生產率提升，行業數字化程度較高企業、國有企業、西部地區企業數字技術創新對全要素生產率的提升作用更加明顯；黃勃等（2023）^［6］分析表明，數字技術創新有助于降低內部管控成本、提高投資決策質量與資產營運效率、改善勞動力資源結構，從而推動企業全要素生產率增長，高新技術企業和勞動密集型企業數字技術創新的全要素生產率提升效應更為顯著；沈坤榮和閆佳敏（2024）^［10］研究發現，企業數字專利申請數量的增加能夠通過改善生產經營效率和增強產品競爭力來促進全要素生產率提升，該作用在大型企業和擁有技術型董事會的企業中更加顯著。

總體來看，盡管企業數字技術創新和應用的全要素生產率提升效應已得到相關研究的驗證，但其中的影響機制及情景差異還有待進一步地探究。有鑒于此，本文在已有研究的基礎上，基于數字技術賦能其他生產要素并改善要素配置的角度，探討數字技術創新通過優化要素結構和提高管理效率來提升企業全要素生產率的機制，并采用滬深A股上市公司2011—2022年的數據進行實證檢驗。相比已有文獻，本文的邊際貢獻主要在于：一是分析并驗證了要素結構和管理效率在數字技術創新影響企業全要素生產率中的中介作用，揭示了數字技術創新通過優化企業的勞動力和資本結構、降低企業的信息不對稱程度以及管理費用和代理成本來提升企業全要素生產率的傳導機制，拓展和深化了數字技術的微觀經濟效應研究，并有助于深入認識數字技術驅動經濟高質量發展的內在機制；二是從企業的產權性質、規模、成長性以及行業要素稟賦和所在區位等方面考察了數字技術創新影響企業全要素生產率的異質性，有助于全面把握不同情景下的數字技術創新效應，進而為不同企業充分發揮數字技術的積極作用提供借鑒和啟示。

二、理論分析與研究假說

1.企業數字技術創新對全要素生產率的影響

企業進行技術創新的目的主要可分為開發新產品、改進生產技術及流程、優化商業模式等三種，因而本文主要基于這三類數字技術創新就其對企業全要素生產率的影響進行探討。

第一，以新產品開發為主要目的的數字技術創新活動有助于推動企業的產品迭代與循環（Tee et al.，2009）^［13］，而在產品迭代與循環過程中，企業能夠通過淘汰舊產品和拓展新產品促進全要素生產率提升（魏浩 等，2022）^［14］。根據產品生命周期理論，產品在市場上的營銷生命要歷經引入市場、內生成長、緩慢成熟和逐漸衰退四個階段。企業通過數字技術創新生產的新產品一旦成功投入市場，將會成為某些與之相關產品的替代品，加速市場的產品迭代的進程；同時，新產品中蘊含的數字技術能夠更好地滿足消費者需求，增加用戶滿意度，擴大市場規模，從而通過規模效應促進企業的全要素生產率增長。此外，數字技術通常還具有可重新編程性（劉洋 等，2020）^［15］，能夠對生產運營過程中產生的問題迅速做出反應，及時對產品和服務進行更新迭代，并利用用戶反饋的多樣化信息拓展產品創新方向，增加產品靈活性，提升企業全要素生產率和市場價值。

其二，以改進生產技術和流程為主要目的的數字技術創新可以提高企業的生產效率、優化企業的生產流程，并使企業的內部管理更為精細化和智能化（黃群慧 等，2019）^［16］，進而提高企業全要素生產率。在數字經濟快速發展的背景下，數字技術與企業產品開發、試制、制造、物流及銷售各環節相結合（Lyytinen et al.，2016；Huang et al.，2017；Nylén et al.，2019）^［17-19］，能夠增加企業生產經營流程各環節的透明度，降低監管成本和效率損失（袁淳 等，2021）^［4］。同時，數字技術創新還能打破要素資源流動原有的時空約束，降低信息、勞動力、資本、技術等要素在企業間、企業內部各部門間流動的成本和時間，使企業在生產經營過程中可以更好地利用更多的資源，并進行更有效的資源整合，從而提高企業的全要素生產率。

其三，以優化商業模式為主要目的的數字技術創新可以通過數字化打破企業原有的商業模式（Nambisan et al.，2017）^［20］，拓寬企業的價值創造路徑（劉洋 等，2022）^［15］，進而促進企業的全要素生產率提升。數字技術創新能夠從數字自動化、數字擴展及數字化轉型3條路徑優化企業的商業模式（Li et al.，2017）^［21］，同時開發新的業務流程，并促使新的流程與新的商業模式相匹配。相比于傳統商業模式，數字化的商業模式能夠更好克服企業生產經營中的時空限制及技術約束（陶鋒 等，2023）^［22］，提高要素資源的配置和使用效率，從而促進企業全要素生產率提升。

綜上所述，本文提出假說1：企業數字技術創新能夠顯著提升企業的全要素生產率。

2.數字技術創新影響企業全要素生產率的機制

技術本身就是一種重要的生產要素，因而企業進行數字技術創新能夠通過技術進步直接提高全要素生產率。數字技術創新在提高企業技術水平的同時，還會賦能其他生產要素并改善要素配置（黃勃 等，2023）^［6］，進而間接地提高企業的全要素生產率，而要素提質集中體現在要素結構的優化上，要素配置則受到管理效率的影響。比如，勞動力素質的提高表現為人力資本結構的提升，資本質量的提高表現為優質資產及技術資產占比的增加，管理效率的提高會帶來要素資源配置的優化。基于此，本文進一步探討數字技術創新通過優化企業的要素結構和提高企業的管理效率來促進企業全要素生產率提升的機制。

第一，要素結構優化路徑。本文主要從勞動力要素結構和資本要素結構兩方面進行分析。一是數字技術創新具有勞動力結構優化效應。一方面，企業進行數字技術創新，會增加對高素質、高技術人才的需求（孫早 等，2019）^［23］。企業開展數字技術創新活動，需要有大量具備相關知識和技能的研發人員，這會導致企業在招聘過程中更加傾向于聘用高學歷、高技能的人才。另一方面，數字技術的應用也對企業員工的知識和技能提出了較高要求，這會促使企業加強對員工的技術培訓。同時，隨著人工智能的應用和發展，自動化技術取代了一些重復性的簡單勞動，使得企業從事簡單勞動的員工數量減少。二是數字技術創新具有技術資產增加效應。企業開展數字技術創新活動，其創新成果本身就會形成技術資產；同時，數字技術創新還會迫使企業鞏固和增強原有技術，并引進前沿技術，以不斷提高技術水平、優化技術結構，從而積累更多更有價值的技術資產。總之，企業數字技術創新能夠優化企業的要素結構，進而促進企業的全要素生產率提升。

基于所述分析，本文提出假說2：數字技術創新能夠優化企業的勞動力和資本結構，進而提升企業的全要素生產率。

第二，管理效率提升路徑。首先，數字技術創新可以改善企業的信息環境，降低企業的信息不對稱程度，提高企業內外部信息共享和溝通效率。數字化使得企業內部各部門間的信息溝通更加及時暢通，各環節的運營情況更加透明化，管理者可以更清晰地了解各流程的運作情況，從而及時發現問題并進行實時調整；數字化也增強了企業與利益相關者之間的信息透明度，使得企業能夠更好了解市場需求和風險，進而精準地調整產品設計和營銷策略。其次，數字技術創新可以促進企業生產經營過程的標準化，并實現生產經營流程的精細化和智能化管理，有助于降低企業的管理費用。在傳統的生產經營模式下，企業需要大量的人力物力來對業務流程進行監督和管理，而在數字化的商業模式下，企業的管理更加精細、智能。通過數字化的管理系統和數據分析工具，可以實時監控生產流程、庫存及銷售等情況，還可以實時獲取供應商的供貨情況、物流運輸狀態等信息，從而減少生產經營管理中的人力支出和時間消耗，有效降低企業的管理費用。最后，數字技術創新還可以約束大股東的私利行為，降低企業的代理成本。大股東為了自身利益的最大化，可能會采取不利于企業長遠發展的短視行為，比如利用自己的權力實現對企業資金的過多占用，這種行為不僅侵害了企業中小股東的利益，也增加了企業的代理成本。而數字化帶來的信息透明化使大股東的各種行為受到各利益相關者更為廣泛及時精準的監督，有效壓縮了大股東違規操控的空間，從而能夠顯著降低企業代理成本。總之，數字技術創新能夠有效降低企業的信息不對稱程度、管理費用和代理成本（袁淳 等，2021；陳德球 等，2022；黃勃 等，2023）^{［4］［24］［6］}，從而提高企業的管理效率，促進企業的全要素生產率增長。

基于所述分析，本文提出假說3：數字技術創新能夠降低企業的信息不對稱程度、管理費用和代理成本，進而提升企業的全要素生產率。

三、實證研究設計

1.基準模型構建

為了檢驗數字技術創新對企業全要素生產率的影響，本文借鑒黃勃等（2023）^［6］的研究，構建如下基準計量模型：

TFP_i，t=α₀+α₁Dig_i，t+αCon_i，t+μ_t+δ_I+γ_p+ε_i，t

其中，i和t分別代表企業和年份，被解釋變量（TFP_it）“全要素生產率”為企業i在t年的全要素生產率，核心解釋變量（Dig_i，t）“數字技術創新”為企業i在t年的和數字技術創新水平，Con_i，t表示一系列控制變量，μ_t、δ_I、γ_p分別表示年份、行業、省份固定效應，ε_i，t為隨機擾動項。

（1）被解釋變量“全要素生產率”的測算方法。由于半參數法能夠在很大程度上避免樣本選擇及內生性問題，相關研究更多地采用半參數法（簡稱OP法和LP法）來測度企業的全要素生產率（黃勃 等，2023；陶鋒 等，2023）^{［6］［22］}。與OP法相比，LP法以可觀測的中間投入作為代理變量，能夠緩解部分樣本損失的問題，因而本文在基準回歸中采用LP法度量樣本企業的全要素生產率，同時采用OP法進行輔助檢驗。

（2）核心解釋變量“數字技術創新”的測算方法。企業申請專利所蘊含的技術領域往往與其技術發展方向相吻合，能夠客觀反映企業在該領域的技術創新水平（孫勇 等，2022）^［3］。本文采用數字專利申請數量加1后的自然對數值來衡量樣本企業的數字技術創新水平。

（3）控制變量選取。借鑒黃勃等（2023）^［6］、陶鋒等（2023）^［22］的研究，本文選取以下企業層面的控制變量：一是“企業年齡”，采用企業成立年限加1后的自然對數值來衡量；二是“資產規模”，采用年末總資產的自然對數值來衡量；三是“員工規模”，采用員工總數的自然對數值來衡量；四是“托賓Q值”，采用流通市值與資產總額之比來衡量；五是“資產負債率”，采用總負債與總資產之比來衡量；六是“現金流比率”，采用現金流量與總資產之比來衡量；七是“盈利能力”，采用凈利潤與總資產之比來衡量；八是“研發強度”，采用研發投入與營業收入之比來衡量；九是“股權集中度”，采用前十大股東持股比例來衡量；十是“兩職合一”，若董事長兼任總經理賦值為1，否則賦值為0。

2.樣本選擇和數據處理

本文以滬深A股上市公司作為研究樣本，時間區間為2011—2022年。刪除金融行業的樣本、ST和*ST樣本、變量數據缺失較多的樣本，最終得到7508個觀測值。所用數據主要來自國泰安數據庫（CSMAR），其中，2022年的“資產負債率”“托賓Q值”等指標存在少量缺失，利用線性插補法補齊；數字專利申請的相關數據來自國家知識產權局（CNIPA）。為了消除極端值的干擾，并保留盡可能多的數據以提高模型檢驗的準確性和可靠性，對連續變量進行上下1%的縮尾處理，主要變量的描述性統計結果見表1。

四、實證結果分析

1.基準回歸

表2為基準模型的檢驗結果。（1）（2）列只加入核心解釋變量，（3）（4）列加入控制變量，（5）（6）列進一步控制年份、行業和省份固定效應。回歸結果顯示，無論是采用LP法還是OP法計算企業的全要素生產率，“數字技術創新”對“全要素生產率”的回歸系數均在1%的水平上顯著為正，表明企業數字專利申請量的增加對其全要素生產率具有顯著的正向影響，即數字技術創新能夠顯著提升企業的全要素生產率，本文提出的假說1得到驗證。

2.內生性處理

考慮到基準模型可能存在反向因果關系、遺漏變量等內生問題，本文采用工具變量法進行內生性處理。借鑒黃群慧等（2019）^［16］的思路，基于1984年地級市每萬人固定電話數量構建“數字技術創新”的工具變量。一方面，企業數字技術創新活動的開展對數字基礎設施有一定要求，而城市以前的通信條件會對數字基礎設施建設產生影響，從而對企業的數字技術創新產生影響，滿足相關性條件；另一方面，城市以前的郵電發展水平對企業當下的生產效率不會產生直接影響，滿足外生性條件。考慮到截面數據無法作為面板數據的工具變量，參考趙濤等（2020）^［2］的做法，采用上一年度企業所在省份互聯網接入端口數與1984年企業所在地級市每萬人固定電話數量交乘項的自然對數值作為“數字技術創新”的工具變量IV1。此外，參照陶鋒等（2023）^［22］的做法，采用同年同行業企業的“數字技術創新”均值（不包含樣本企業）作為工具變量IV2。運用2SLS方法的檢驗結果見表3。兩個工具變量均通過了識別不足和弱工具變量檢驗，表明選取的工具變量有效；第一階段的回歸結果顯示，工具變量與“數字技術創新”顯著正相關；第二階段的回歸結果顯示，工具變量擬合的“數字技術創新”對“全要素生產率”的回歸系數顯著為正。上述結果表明，在緩解模型內生性問題后，數字技術創新能夠顯著提高企業全要素生產率的結論依然成立。

3.穩健性檢驗

為進一步驗證基準模型分析結果的穩健可靠性，進行以下穩健性檢驗：

（1）替換被解釋變量。一是更換全要素生產率測算方法。采用參數法（普通最小二乘估計法和高斯混合模型法）測度樣本企業的全要素生產率，重新進行模型檢驗，回歸結果見表4的（1）（2）列。二是以“勞動生產率”作為“全要素生產率”的代理量。借鑒冼國明和明秀南（2018）^［25］的研究，采用企業營業收入與員工人數之比的自然對數值來衡量樣本企業的勞動生產率，以其為被解釋變量重新進行模型檢驗（為避免共線性影響，“員工規模”“資產規模”“研發強度”不作為控制變量納入模型），回歸結果見表4的（3）列。

（2）子樣本回歸。一是考慮到直轄市與其他城市的發展條件存在較大差異，剔除直轄市樣本后重新進行模型檢驗，回歸結果見表4的（4）列。二是考慮到2012年以后我國的數字經濟快速發展，采用2013—2022年的樣本數據重新進行模型檢驗，回歸結果見表4的（5）列。

（3）控制被解釋變量的前期影響。考慮到企業的發展往往具有延續性，當期全要素生產率會受到前期生產率的影響，借鑒陶鋒等（2023）^［22］的做法，在模型中加入“全要素生產率”的滯后一期項，回歸結果見表4的（6）列。

（4）增加控制變量。考慮到企業家精神是影響企業全要素生產率的重要因素（Baumol，1996；張莉 等，2021；高志剛 等，2023）^［26-28］，借鑒葉作義和吳文彬（2018）^［29］、張莉等（2021）^［27］的做法，采用熵權法測算樣本企業的企業家精神指數，并將其作為控制變量納入模型（“研發強度”和“兩職合一”不作為控制變量納入模型），重新進行回歸，結果見表4的（7）列。

（5）控制交互固定效應。參考陶鋒等（2023）^［22］的方法，進一步控制省份與年份的交互固定效應，回歸結果見表4的（8）列。

上述穩健性檢驗結果顯示，核心解釋變量的回歸系數均在1%的水平上顯著為正，表明本文基準模型的分析結果具有較好的穩健性。為進一步排除不可觀測因素的影響，本文借鑒Altonji等（2005）^［30］的研究，通過計算不同控制變量下核心解釋變量系數的比例值來判斷不可觀測因素導致的估計偏差是否顯著。具體做法是：用控制變量方程的回歸系數（記作：β^^F）比上受約束方程回歸系數（記為：β^_R）與控制變量方程回歸系數之差即β^^Fβ^^R－β^^F，比值越大，則不可觀測因素帶來的基準回歸估計結果偏誤越小。本文進行了以下5種處理：第一，將包含控制變量但未控制固定效應的模型作為受約束方程1，將包含控制變量和固定效應的模型作為控制變量方程1；第二，將包含控制變量和固定效應的模型作為受約束方程，再分別加入其他變量作為控制變量方程，具體包括：一是加入“國家智慧城市試點”的政策虛擬變量，作為控制變量方程2；二是加入“寬帶中國示范城市建設”的政策虛擬變量，作為控制變量方程3；三是加入“國家創新型城市試點”的政策虛擬變量，作為控制變量方程；四是加入“企業家精神”變量，作為控制變量方程5。具體計算結果見表5，所有比例值均大于1，最小值為17.5（均值達到228.4），這表明不可觀測因素對企業全要素生產率的影響至少達到已控制因素的17.5251倍時，才會導致基準回歸中“數字技術創新”的系數出現嚴重偏誤，但這種可能性幾乎不存在，進一步驗證了基準回歸的結果是穩健性的。

4.機制檢驗

對于數字技術創新影響企業全要素生產率的機制，本文遵循江艇（2022）^［31］提出的檢驗方法，主要考察數字技術創新對中介變量的影響。構建如下計量模型：

M_i，t=α₀+α₁Dig_i，t+αCon_i，t+μ_t+δ_i+γ_I+ε_i，t

其中，M表示中介變量。根據前文理論分析，選取以下中介變量：一是“勞動力結構”，參考叢昊和張春雨（2022）^［32］、袁淳等（2021）^［4］的研究，采用學歷為本科及以上員工比例（“勞動力結構1”）和技術人員【將企業員工分為生產、財務、銷售、技術、其他五大類后進行計算。】比例（“勞動力結構2”）兩個指標來衡量。二是“技術資產占比”，采用技術型無形資產占總資產的比重來衡量。三是選取“信息透明度”“管理費”“代理成本”3個指標作為企業管理效率的代理變量。借鑒徐京平等（2023）^［33］的方法，“信息透明度”采用企業信息披露質量（從高到低劃分為4個等級，分別賦值為1～4）來衡量，其值越高企業的信息透明度越高（信息不對稱程度越低）；“管理費用”采用管理費用與營業收入之比來衡量；借鑒羅勁博和李小榮（2021）^［34］的方法，“代理成本”采用大股東占用資金與總資產之比來衡量。

機制檢驗結果見表6。“數字技術創新”對“勞動力結構1”和“勞動力結構2”的回歸系數均顯著為正，表明數字技術創新能夠提高企業員工中高學歷人員和技術人員的比例，顯著優化了企業的勞動力結構；“數字技術創新”對“技術資產占比”的回歸系數顯著為正，表明數字技術創新能夠促進企業的技術資產積累，顯著優化了企業的資本結構。由此，本文提出的假說2得到驗證。“數字技術創新”對“信息透明度”的回歸系數顯著為正，表明數字技術創新能夠提高企業的信息透明度，即降低企業的信息不對稱程度，從而顯著提高企業的管理效率；“數字技術創新”對“管理費用”和“代理成本”的回歸系數均顯著為負，表明數字技術創新能夠降低企業的管理費用和代理成本，從而顯著提高企業的管理效率。由此，本文提出的假說3得到驗證。

五、拓展研究：異質性分析

在不同的情景下，不同類型企業的數字技術創新對全要素生產率的影響程度可能存在差異。對此，本文進一步從企業的產權性質、規模、成長性以及行業要素稟賦和所在區位等方面進行異質性分析。

一是企業產權性質異質性。將樣本劃分為“國有企業”和“非國有企業”兩組，分別進行檢驗，回歸結果見表7的（1）至（2）列。“數字技術創新”對“全要素生產率”的回歸系數在兩組樣本中均顯著為正，但“國有企業”組的顯著性和絕對值均大于“非國有企業”組（Chow Test檢驗結果顯示系數差異顯著），表明數字技術創新對全要素生產率的提升作用在國有企業中更為顯著。其原因可能在于，與非國有企業相比，國有企業的勞動力和資本結構相對穩定，且市場敏感性和管理靈活性相對較弱，因此，數字技術創新及其帶來的數字化轉型對國有企業要素結構的改善效應和管理效率的提升效應比非國有企業較強，從而會對國有企業全要素生產率增長產生更為顯著的促進作用。

二是企業規模異質性。借鑒張葉青等（2021）^［35］的方法，根據企業總資產的中位數將樣本劃分為“大型企業”和“中小企業”兩組，分別進行檢驗，回歸結果見表7的（3）至（4）列。“數字技術創新”對“全要素生產率”的回歸系數在兩組樣本中均在1%的水平上顯著為正，但“大型企業”組的絕對值大于“中小企業”組（Chow Test檢驗結果顯示系數差異顯著），表明數字技術創新對全要素生產率的提升作用在大型企業中更強。其原因可能在于，相比中小企業，大型企業的要素結構和生產經營流程更為復雜，進行數字技術創新對人才的需求更大，創新成果和數字化轉型帶來的結構改善和效率提升效應也更強，從而會產生更強的全要素生產率提升效應。

三是企業成長性異質性。本文采用營業收入增長率來衡量企業的成長性，并根據其中位數將企業劃分為“成長性低”和“成長性高”兩組，分別進行檢驗，回歸結果見表7的（5）至（6）列。“數字技術創新”對“全要素生產率”的回歸系數在兩組樣本中均在1%的水平上顯著為正，但“成長性高”組的絕對值大于“成長性低”組（Chow Test檢驗結果顯示系數差異顯著），表明數字技術創新對全要素生產率的提升作用在成長性較高的企業中更強。其原因可能在于，當企業的成長性較高時，進行數字技術創新的能力和積極性往往也較高，會將更多的資源投入數字技術創新，并充分利用技術創新成果推進數字化轉型，從而更有效地促進全要素生產率提升。

四是行業要素稟賦異質性。借鑒叢昊等（2022）^［32］的做法，結合證監會2012年行業分類標準劃分出勞動密集型行業、資本密集型行業和技術密集型行業，進而據此將樣本企業分為“勞動密集型行業”“資本密集型行業”“技術密集型行業”3組，分別進行檢驗，回歸結果見表8的（1）（2）（3）列。“數字技術創新”對“全要素生產率”的回歸系數，在“勞動密集型行業”組為正但不顯著，在“資本密集型行業”組在10%的水平上顯著為正，在“技術密集型行業”組在1%的水平上顯著為正，表明數字技術創新對企業全要素生產率的提升作用在技術密集型行業、資本密集型行業、勞動密集型行業中依次減弱。其原因可能在于：技術密集型行業企業的技術水平較高，在人才儲備和技術積累上具有顯著優勢（卿陶 等，2021）^［36］，進行數字技術創新的意愿較強，且創新的難度和前沿性較高，從而能夠產生更強的要素結構優化和管理效率提升效應；數字技術創新活動中無形資產（比如數據、技術等）發揮的作用大于有形資產發揮的作用（趙宸宇 等，2021）^［37］，而資本密集型行業的企業往往更為重視有形資產的積累，這可能使數字技術創新對企業全要素生產率的提升作用不能得到充分發揮；勞動密集型行業的企業大多技術相對固定，技術創新水平較低（卿陶 等，2021）^［36］，且行業屬性導致其數字化轉型的積極性不高，導致數字技術創新對其全要素生產率的提升作用不顯著。

五是區位異質性。根據企業所在區位，將樣本劃分為“東部地區”和“中西部地區”兩組，分別進行檢驗，回歸結果見表8的（4）至（5）列。“數字技術創新”對“全要素生產率”的回歸系數，在“東部地區”組中顯著為正，而在“中西部地區”組中為正但不顯著，表明數字技術創新對全要素生產率的提升作用在東部地區更為顯著。這可能是由于東部地區的數字基礎設施較為完善、數字技術水平較高，有助于企業的數字技術創新和數字化轉型；同時，東部地區的市場化程度較高，有利于企業通過市場機制來充分發揮數字技術創新的積極作用。而中西部地區的經濟發展水平和市場化程度較低、數字基礎設施不完善，一定程度上制約了企業數字技術創新的積極效應發揮。

六、結論與啟示

本文以2011—2022年滬深A股上市公司數據為研究樣本，檢驗企業數字技術創新對全要素生產率的影響及其作用機制，研究發現：（1）企業的數字專利增加對全要素生產率具有顯著的正向影響，該結論在經過內生性處理和一系列穩健性檢驗后仍然成立，表明企業進行數字技術創新能夠顯著提升其全要素生產率。（2）機制檢驗結果顯示，數字技術創新能夠提高企業員工中高學歷人員和技術人員的比例以及技術型無形資產占總資產的比重，同時還能提高企業的信息透明度、降低企業的管理費用和代理成本，表明數字技術創新可以通過優化要素結構和提升管理效率來促進企業全要素生產率增長。（3）異質性分析結果顯示，相比非國有企業、中小企業、成長性較低企業，數字技術創新對國有企業、大型企業、成長性較高企業的全要素生產率具有更強的提升作用；企業數字技術創新的全要素生產率提升效應，在技術密集型行業、資本密集型行業、勞動密集型行業中依次減弱，在東部地區企業中顯著，但在中西部企業中不顯著。基于上述研究結論，得到以下啟示：

第一，將數字技術創新作為提高企業全要素生產率的著力點，并以企業的實際發展狀況為依據，實施差異化的數字技術創新發展戰略。政府在制定數字技術創新相關政策時應充分考慮不同地區、不同企業的異質性，采取因地因企制宜的策略。例如，非國有企業、中小企業以及成長性不高的企業在人力資本和研發技術等方面處于劣勢地位，進行數字技術創新承擔的風險也相對較高，因此，政府應建立和完善多樣化的創新激勵體系，鼓勵和支持這些企業積極參與數字技術創新活動。企業也應根據自身情況選擇適宜的數字技術創新路徑和數字化轉型策略。例如，勞動密集型企業應該充分發揮其勞動力優勢，專注于數字技術和自動化技術的研發與推廣，以彌補其資金和技術的不足；資產密集型企業應重視無形資產的積累，并充分發揮數字技術、數據要素等無形資產的積極作用；技術密集型企業則應進一步發揮人才和技術優勢，致力于開發更先進的數字技術，增強自身在國際市場上的競爭力。

第二，政府、企業與高校三方聯合，共建數字技術人才培養、成長和發展高地。數字技術創新對數字技術人才提出了更高要求。作為人才培養與技術創新的重要結合點和策源地，高校擔負著培養創新型人才的重要使命，應牢牢抓住數字經濟發展的歷史機遇，激發學生原始創新能力。作為技術創新的關鍵主體和既得利益者，企業是將創新意識轉化為創新成果的主陣地，高校培養的創新型人才需要企業提供實踐機會。因此，應強化校企合作。例如，企業給高校提供資金支持，幫助高校培養數字技術人才和建設高端數字技術人才智庫，高校則將培養的數字技術人才源源不斷地輸入企業，形成良性循環。在這一循環過程中，政府應發揮“兜底”作用，為數字技術創新提供制度保障。比如，政府應加強對數字資產、專利等知識產權的保護，為企業和高校的數字技術創新提供政策支持和良好的創新環境。

第三，企業應依托數字技術采取線上線下相結合的治理方式，拓展治理邊界，并將企業家精神融入公司治理及技術創新的全過程。在企業內部，管理層應充分發揮管理效能，通過簡化非必要流程降低管理成本，提高管理效率。而在企業外部交易市場，制度環境是影響交易成本的根本性因素。因此，政府應高度重視市場交易的公平性，發揮監管效應，深化市場體制改革，優化制度環境，從根本上降低企業的外部交易成本。良好的企業家精神是促進企業全要素生產率提升的重要因素，面對復雜多變的國際國內市場環境，企業的發展不僅需要注重技術和資本的積累和提質，更應關注“人”的作用，注重培養優秀的企業家，并將企業家精神融入公司治理及技術創新的全過程。

參考文獻：

［1］ 田秀娟，李睿.數字技術賦能實體經濟轉型發展——基于熊彼特內生增長理論的分析框架［J］.管理世界，2022，38（5）：56-74.

［2］ 趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據［J］.管理世界，2020，36（10）：65-76.

［3］ 孫勇，張思慧，趙騰宇，等.數字技術創新對產業結構升級的影響及其空間效應——以長江經濟帶為例［J］.軟科學，2022，36（10）：9-16.

［4］ 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.

［5］ 黃大禹，謝獲寶，孟祥瑜，等.數字化轉型與企業價值——基于文本分析方法的經驗證據［J］.經濟學家，2021（12）：41-51.

［6］ 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據［J］.經濟研究，2023，58（3）：97-115.

［7］ 戚聿東，杜博，溫馨.國有企業數字化戰略變革：使命嵌入與模式選擇——基于3家中央企業數字化典型實踐的案例研究［J］.管理世界，2021，37（11）：137-158+10.

［8］ 李朝鮮.“雙循環”背景下數字技術如何賦能商貿流通企業高質量發展［J］.北京工商大學學報（社會科學版），2022，37（5）：59-70.

［9］ 謝謙，郭楊.數字技術、創新要素結構優化與企業全要素生產率［J］.北京師范大學學報（社會科學版），2022（6）：134-144.

［10］劉征馳，高翔宇，陳文武，等.數字技術躍遷與企業全要素生產率——從自動化到智能化的比較分析［J］.經濟評論，2024（4）：73-89.

［11］羅佳，張蛟蛟，李科.數字技術創新如何驅動制造業企業全要素生產率？——來自上市公司專利數據的證據［J］.財經研究，2023，49（2）：95-109+124.

［12］沈坤榮，閆佳敏.數字技術與企業全要素生產率：影響效應與作用機制［J/OL］.財經論叢，1-21（2024-06-28）. https：//doi.org/10.13762/j.cnki.cjlc.20240627.001.

［13］TEE R，GAWER A. Industry architecture as a determinant of successful platform strategies：a case study of the i-mode mobile internet service ［J］. European Management Review，2009，6（4）：217-232.

［14］魏浩，王超男.出口目的地不確定性、出口轉換與中國企業創新——基于市場轉換和產品轉換的對比分析［J］.中國人民大學學報，2022，36（2）：24-39.

［15］劉洋，董久鈺，魏江.數字創新管理：理論框架與未來研究［J］.管理世界，2020，36（7）：198-217+219.

［16］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.

［17］LYYTINEN K，YOO Y，JR R J B. Digital product innovation within four classes of innovation networks［J］. Information Systems Journal，2016，26（1）：47-75.

［18］HUANG J，HENFRIDSSON O，LIU M J，et al. Growing on steroids：rapidly scaling the user base of digital ventures through digital innovaton［J］. MIS Quarterly，2017，41（1）：301-314.

［19］NYLéN D，HOLMSTR?M J. Digital innovation in context：exploring serendipitous and unbounded digital innovation at the church of Sweden［J］. Information Technology and People，2019，32（3）：696-714.

［20］NAMBISAN S，LYYTINEN K，MAJCHRZAK A，et al. Digital innovation management：reinventing innovation management research in a digital world［J］， MIS Quarterly，2017，41（1）：223-238.

［21］LI F. The Digital transformation of business models in the creative industries：a holistic framework and emerging trends［J］. Technovation，2017，12（4）：1-10.

［22］陶鋒，王欣然，徐揚，等.數字化轉型、產業鏈供應鏈韌性與企業生產率［J］.中國工業經濟，2023（5）：118-136.

［23］孫早，侯玉琳.工業智能化如何重塑勞動力就業結構［J］.中國工業經濟，2019（5）：61-79.

［24］陳德球，胡晴.數字經濟時代下的公司治理研究：范式創新與實踐前沿［J］.管理世界，2022，38（6）：213-240.

［25］冼國明，明秀南.海外并購與企業創新［J］.金融研究，2018（8）：155-171.

［26］BAUMOL W J. Entrepreneurship：productive unproductive and destructive［J］. Journal of Business Venturing，1996，11（1）：3-22.

［27］張莉，耿素娟，章劉成.企業家精神、企業績效與區域經濟增長——基于新三板中小企業的微觀考察［J］.商業研究，2021（4）：39-47.

［28］高志剛，李明蕊，韓延玲.企業家精神對經濟高質量發展的影響研究——兼論數字普惠金融的調節作用［J］.管理學刊，2023，36（2）：25-43.

［29］葉作義，吳文彬.企業研發投入的驅動因素分析——基于中國上市公司企業家精神角度［J］.上海對外經貿大學學報，2018，25（2）：40-51+86.

［30］ALTONJI J G，ELDEY T E，TABER C R. Selection on observed and unobserved variables：assessing the effectiveness of Catholic schools［J］. Journal of Political Economy，2005，113（1）：151-184.

［31］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.

［32］叢昊，張春雨.數字技術與企業高質量創新［J］.中南財經政法大學學報，2022（4）：29-40.

［33］徐京平，張育瑄，樊越.公司透明度、內部控制審計與股價同步性［J］.科研管理，2023，44（10）：110-118.

［34］羅勁博，李小榮.政策不確定性與公司代理成本［J］.管理評論，2021，33（1）：201-214.

［35］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，2021，56（12）：42-59.

［36］卿陶，黃先海.國內市場分割、雙重市場激勵與企業創新［J］.中國工業經濟，2021（12）：88-106.

［37］趙宸宇.數字化發展與服務化轉型——來自制造業上市公司的經驗證據［J］.南開管理評論，2021，24（2）：149-163.

Impact of Enterprises Digital Technology Innovation on Total Factor Productivity： Based on Two Paths of Factor Structure Optimization and Management Efficiency Improvement

KE Han^{a， b}， XU Zong-wen^a

（a. School of Statistics and Data Science， b. Xinjiang Social Economic Statistics and Big data Application Research Center， Xinjiang University of Finance and Economics， Urumqi 830012， Xinjiang， China）

Abstract： Digital technology， as the technological support of the digital economy， combined with the deep integration of emerging technologies such as the internet and cloud computing， has an undeniable impact on high-quality economic development， corporate division of labor and market value， industrial structure upgrade， and digital transformation. Therefore， accurately understanding the economic consequences of digital technology innovation on enterprises and analyzing its impact on total factor productivity （TFP） not only helps the government design and formulate relevant policies but also provides strong support for enterprises to grasp future development directions.

Using the Guotai′an database and the National Intellectual Property Database， this paper takes the number of digital patent applications of A-share listed companies from 2011 to 2022 as the proxy variable of enterprise digital technology innovation to investigate the impact of digital technology innovation on the total factor productivity of enterprises. The empirical study finds that digital technology innovation significantly promotes the improvement of total factor productivity of enterprises， and the promotion effect still exists after considering the endogeneity problem， robustness test， and entrepreneurship. In terms of impact mechanism， digital technology innovation promotes total factor productivity by improving labor resources to optimize human capital structure， technology renewal to optimize technology capital structure， and cost reduction to optimize enterprise management efficiency. The results of heterogeneity analysis show that the effect of digital technology innovation on the improvement of total factor productivity of enterprises is more obvious in state-owned enterprises， large enterprises， enterprises in mature stage， and enterprises in regions with better economic development. Furthermore， compared with labor-intensive enterprises， technology- and capital-intensive enterprises benefit more from talent， technology， and capital reserves， making them more advantageous in conducting digital technology innovation.

Compared with the previous literature， this paper’s marginal contributions can be summarized in two aspects. First， it helps to provide new ideas for the government to encourage the development of digital technology innovation policies. Previous literature usually considers digital technology innovation as a component of the digital economy or digital transformation， focusing on its overall impact on productivity， while empirical studies considering the impact of digital technology innovation separately are relatively scarce. However， digital technology innovation is the technical support of the digital economy， and compared with other forms of digital investment， digital technology innovation investment should have a more important impact on the improvement of total factor productivity of micro-enterprises. In practice， this paper examines the economic consequences of enterprises’ digital technology innovation from a micro perspective， further reveals that digital technology innovation is an important engine for enterprises to improve productivity， and provides some enlightenment for enterprises to build an innovation-driven development pattern. Second， this paper discusses the impact of digital technology innovation on the total factor productivity of enterprises from the perspectives of capital structure optimization and internal and external management and operation. It not only studies the overall impact of digital technology innovation on total factor productivity， but also combs out the mechanism of capital structure optimization and management efficiency optimization， and conducts empirical research on this basis. The research on the economic effect of digital technology innovation at the micro-enterprise level is further enriched.

Key words： digital technology innovation; total factor productivity; labor structure; capital structure; information asymmetry; management cost; agency cost

CLC number：F273.1; F270.3

Document code：A

Article ID：1674-8131（2024）05-0050-15

（編輯：劉仁芳）