供應鏈數字化對企業全要素生產率的影響效應研究
——基于準自然實驗和雙重差分模型

李江濤

(對外經濟貿易大學國際商學院 北京 100000)

近年來，數字技術發展日新月異，特別是ChatGPT的橫空出世，引發AI熱潮，甚至被認為人工智能可能迎來了“iPhone”時刻，這深刻反映了數字時代正在加快向縱深發展。供應鏈數字化不僅能保證企業日常運營的穩定性，更能減少突發情況對企業收益的影響。新一輪科技革命和產業變革的加速演進也為企業“補鏈、延鏈和強鏈”提供了新的機遇。如何更好地把握這一重要機遇，探討供應鏈數字化如何促進企業全要素生產率，是當下企業高質量發展的必要一環。

從現有文獻來看，已有部分學者分別從供應鏈和數字化層面對企業全要素生產率的影響進行了探究，從供應鏈層面來看，李月婕探討了供應鏈協同對流通企業創新效率、靈活性和可追溯性的積極影響，并分析發現數字化技術在減少庫存成本、加速交付和優化供應鏈流程方面具有顯著性作用[1]。潘璐璐認為，供應鏈網絡優化可以加大營銷策略的應用，通過利用大數據分析和人工智能算法進行需求預測、運輸路線規劃和庫存優化，進一步提升對企業戰略決策和合作伙伴關系的影響[2]；從數字化層面來看，劉海建等人研究了數字化轉型對企業創新過程和能力的影響，并提出通過數字技術推動產品創新、服務創新和業務模式創新，其認為供應鏈數字化可以進一步加快企業組織結構變革和企業績效提升[3]；陳曉麗認為，供應鏈數字化可以改善企業與消費者互動、個性化定位和市場洞察力，為商貿流通業的發展帶來顯著的促進作用，同時也探討了數字化技術引入所面臨的隱私和安全挑戰[4]?？傮w來看，供應鏈對企業的影響研究較為豐富，但對于企業全要素生產率層面的研究較為鮮有?；诖耍疚囊浴肮渼撔屡c應用試點城市和企業”為準自然實驗，采用雙重差分分析法著重探討供應鏈數字化對企業全要素生產率的影響效應，旨在為我國企業高質量發展及差異化政策制定提供理論支撐。

1 計量模型與說明

1.1 計量模型設定

為檢驗供應鏈數字化能夠改善企業全要素生產率，本文選取“供應鏈創新與應用試點城市和企業”作為一項準自然實驗，并以2017年前作為對照組及2017年后作為處理組，基于我國286個地級市及微觀企業數據構建雙重差分模型：

式(1)中：i表示研究公司，j表示研究對象所在城市，t表示研究時期，TFP表示被解釋變量即企業全要素生產率，did為解釋變量供應鏈數字化的虛擬變量，α表示相關變量系數，1α表示供應鏈數字化對企業全要素生產率的邊際效應，control表示相關控制變量，δ λ、 分別表示研究對象固定效應和研究時期固定效應，ε表示隨機誤差干擾項。

1.2 相關變量選取

1.2.1 被解釋變量

本文選取企業全要素生產率(TFP)作為被解釋變量，現有文獻中關于宏觀層面的全要素生產率多以經濟投入產出效率作為測度，而研究樣本以企業為主，因此本文參考潘穎的研究方法，并借助Levinsohn-Petrin(LP)法為代表的半參數方法對樣本企業進行全要素生產率計算[5]。

1.2.2 解釋變量

本文選取供應鏈數字化(did)作為核心解釋變量，并按照前文對“供應鏈創新與應用試點城市和企業”作為一項準自然實驗的設定，通過構造Treat和Post兩個虛擬變量分別表示供應鏈試點示范企業及試點時間，將Treat賦值為1時，表示該研究企業屬于示范企業，當Treat賦值為0時，表示該研究企業不屬于示范企業，Post同理可得。同時，將Treat和Post兩個虛擬變量(Treat×Post)作為核心解釋變量did的表征變量，以此刻畫供應鏈數字化給不同企業全要素生產率帶來的差異。

1.2.3 控制變量

為保障回歸結果的有效性，本文參考相關文獻選取以下控制變量：企業規模(Size)采用企業年末資產總額取對數值進行衡量；企業盈利能力(prof it)采用企業稅前利潤與資產總額比值進行衡量；企業資本結構(structure)采用企業期末負債總額與資產總額比值進行衡量；企業流動性(flow)采用企業流動資產總額與資產總額比值進行衡量；企業股權集中度(share)采用前三大股東持股比例進行衡量。

1.3 數據來源說明

本文主要選取2011—2021年我國上市公司作為研究樣本，相關財務指標數據和控制變量數據均來自國泰安數據庫(CSMAR)，主要解釋變量的公布名單來自商務部、工業和信息化部、生態環境部、銀保監會和中國物流采購聯合會官網發布的信息。同時，對所選取的樣本進行預處理，一是剔除ST相關狀態企業；二是剔除相關財務指標缺失企業，最終根據公布的“供應鏈創新與應用示范企業”名單進行匹配。

2 供應鏈數字化對企業全要素生產率實證分析結果

2.1 基準回歸結果

在基準回歸檢驗中，首先對“供應鏈數字化與企業全要素生產率”的核心關系展開識別，具體結果如表1列(2)所示，回歸結果顯示，在研究企業和時期固定效應基礎上僅考慮供應鏈數字化政策變量(Treat×Post)則回歸系數為0.042，t值為3.168且在1%的水平下顯著。進一步納入相關控制變量后，回歸結果顯示，供應鏈數字化的回歸系數為0.036，t值為3.133且在1%水平下顯著，表明供應鏈數字化有助于企業全要素生產率的提升。

表1 基準回歸：供應鏈數字化對企業全要素生產率的影響

從經濟學角度分析來看，供應鏈數字化對企業全要素生產率提升可能體現在以下三個方面：一是資源整合優化。通過數字化技術，企業能夠更準確地預測市場需求、協調供應與銷售、管理庫存，并與供應商、分銷商和零售商實現高效的信息共享，有助于減少資源浪費、提高資源利用率，從而促進全要素生產率的提升；二是流程優化與效率提升。供應鏈數字化可以改善業務流程并提高效率，如訂單處理、庫存跟蹤和物流管理等；三是協同合作與創新推動。數字化平臺使不同參與者之間的溝通更加便捷，并提供了實時數據和信息共享機制，有助于提高供應鏈的靈活性、快速響應市場變化，并激發創新的想法和合作機遇。通過協同工作，企業能夠更好地在資源利用和市場機會方面獲得一定優勢，從而提升全要素生產率。總之，供應鏈數字化主要通過資源整合與優化、流程優化與效率提升及協同合作與創新推動等方式，對企業的全要素生產率產生顯著影響。可以看出，供應鏈數字化是促進企業全要素生產率提升的重要途徑。

從控制變量來看，首先，企業盈利能力對企業全要素生產率具有顯著促進作用。盈利能力反映了企業創造利潤的能力，這直接關系到企業的生產效率和資源配置能力。盈利能力強的企業通常能夠更好地進行創新投資、拓展市場份額和吸引人才，從而提高生產率。高盈利能力還能為企業提供更多的資金來源，支持其擴大規模和改善生產技術，進一步提升生產效率；其次，企業資本結構也對企業全要素生產率發揮著重要作用。合理的資本結構可以幫助企業優化資金運作，降低財務風險，并提供更多的融資渠道，降低企業的財務成本，使得企業能夠以更低的資金成本進行投資和經營活動，從而提高全要素生產率；最后，企業流動性也對企業全要素生產率具有重要影響。當企業面臨機遇時，良好的流動性可以幫助企業快速獲取所需資源并迅速投入生產從而提高生產率，以提高企業應對市場變化和經濟環境波動的能力。此外，在經濟衰退或不確定性增加時，流動性可以保障企業正常運營，以降低債務違約和資金短缺的風險，維持生產活動的穩定性。

2.2 穩健性檢驗

2.2.1 平行趨勢檢驗

為獲得較為準確的因果關系結果，本文進一步排除事前對回歸結果的替代解釋，進而設定平行趨勢檢驗模型如下所示：

式(2)中：將“供應鏈創新與應用示范企業”的前一年設定為基期，nβ表示第n年供應鏈數字化試點企業與對照組企業的績效差異，進行平穩趨勢檢驗(見圖1)。從結果來看，在“供應鏈創新與應用示范企業”試點前，供應鏈數字化的影響系數在95%置信區間與零值差異不顯著，由此驗證了平穩性趨勢假設。

圖1 平行趨勢檢驗

2.2.2 安慰劑檢驗

對于本文結論的可靠性是否還存在選擇性偏誤，而且由于“供應鏈創新與應用示范企業”的實施年份不同，需對選取的虛擬對照組進行安慰劑檢驗。因此，本文借鑒孫鵬等人的研究方法，選取286個地級市中的60個城市企業(按供應鏈試點企業名單與非試點企業各50%隨機抽取)作為處理組進行500次重復回歸[6]，并對500次回歸P值做統計整理，以此檢驗供應鏈數字化對企業全要素生產率是否顯著受到除“供應鏈創新與應用示范企業”之外的因素影響。從檢驗結果來看，大部分估計系數值均分布在零值附近，說明回歸估計結果排除非偶然性，即供應鏈數字化對企業全要素生產率促進作用具有穩健性。

2.2.3 傾向匹配雙重得分檢驗

利用傾向匹配雙重得分(PSM-DID)方法評價供應鏈數字化的政策效果，既能消除樣本偏差問題，又能避免遺漏變量產生的內生性問題。因此，本文利用研究時期內設立的“供應鏈創新與應用示范企業”為處理組，借鑒PSM方法按照鄰近匹配1:1有效樣本進行抽樣，進而再次進行回歸檢驗，檢驗結果如表2所示。檢驗發現，供應鏈數字化對企業全要素生產率的影響系數為0.040且在10%水平下顯著，進一步驗證了本文結論的可靠性。

表2 PSM-DID穩健性檢驗

2.3 企業層面異質性檢驗

由于不同企業存在規模大小、資源差異及成長性區別，因此，需進一步探究供應鏈數字化對不同類型企業全要素生產率的異質性影響。

首先，本文以研究企業樣本性質為劃分依據，分為國有企業和民營企業進行分析，檢驗結果如表3列(1)～(2)所示，從結果來看，供應鏈數字化對國有企業回歸系數為0.017但未通過顯著性檢驗，而其對民營企業的影響系數為0.046且通過了5%水平下檢驗，表明供應鏈數字化對民營企業全要素生產率的促進作用顯著，而對國有企業的影響效果并不顯著。

表3 不同企業層面的異質性分析

其次，本文以研究企業樣本的創新特征為劃分依據，分為高科技企業和非高科技企業進行分析，檢驗結果如表3列(3)～(4)所示。從結果來看，供應鏈數字化對高科技企業回歸系數為0.017且通過5%水平下顯著性檢驗，而其對非高科技企業影響系數為0.009且未通過顯著性檢驗，結果表明，供應鏈數字化對高科技企業全要素生產率的促進作用顯著，而對非高科技企業的影響效果并不顯著。

最后，本文對研究企業樣本的生命周期展開識別檢驗，劃分為成長期、成熟期和衰退期三個類別進行分析，檢驗結果如表3列(5)～(6)所示。從結果來看，供應鏈數字化對成長期和成熟期企業回歸系數分別為0.013和0.044且均通過5%水平以下的顯著性檢驗，而供應鏈數字化對衰退期企業全要素生產率的影響系數為-0.008，結果表明供應鏈數字化對成長期和成熟期企業全要素生產率的提升具有顯著作用，對于成熟期企業全要素生產率效果更為顯著，而對衰退期企業全要素生產率影響存在抑制性并不顯著。

3 研究結論與政策建議

為進一步推動企業數字化轉型及全要素生產率提升，本文結合相關研究內容提出以下對策建議：

一是制定完善的政策框架。相關部門應盡快制定完善的政策框架，優化企業數字化轉型支撐措施，特別是針對民營企業和高科技企業，應加大資金支持、稅收優惠、減免行政審批。此外，還應建立相關部門與企業的對話機制，深入了解企業在數字化轉型方面的需求和痛點，及時調整政策以適應不斷變化的市場環境。

二是加強信息共享與合作。相關部門應推動建立供應鏈數字化的信息共享與合作平臺建設，主導建立行業間的合作平臺和伙伴關系，促進供應鏈數字化在整個產業鏈的應用，并分享最佳實踐、技術創新和經驗教訓，供企業之間互相學習和借鑒，促進行業內的合作與協同，提高整體效能和生產力。同時，也可提供專業的咨詢服務，幫助企業選擇合適的數字化解決方案。

三是提供培訓和技術服務。相關部門應設立專門的培訓和技術服務，為企業提供數字化轉型技術指導，包括組織相關培訓課程、研討會和工作坊等，向企業傳授數字化轉型的必要性技能和知識。

四是推進政府與企業的合作與示范項目。相關部門可與一些先進的企業進行合作，共同推出供應鏈數字化轉型優秀示范項目。通過此類示范項目可為其他企業樹立榜樣，促進更多企業加入供應鏈數字化轉型行列。

五是鼓勵企業加大創新與研發投入力度。相關部門應大力鼓勵企業自身加大對科研和創新的投入力度，通過設立專項資金、技術扶持和知識產權保護等措施激勵企業加大研發力度，從而推動供應鏈數字化的創新和應用。