環境不確定性下數字化促進新質生產力嗎？

張偉華 趙昕 張建華

摘 要：數字經濟發展如火如荼，數字化成為降本增效、推進新質生產力前行、實現中國式現代化的應有之義。當前正處于數字化的關鍵時期，宏觀環境不確定逐漸成為主旋律，在此情況下數字化如何促進新質生產力是全社會關注的重點論題。本文基于2000-2022年中國制造業上市企業數據，實證分析環境不確定性下數字化對新質生產力的影響。研究發現：（1）數字化顯著促進新質生產力的提升；（2）東、西部地區數字化對于新質生產力的提升效果最為強勁；（3）環境不確定性正向調節數字化促進新質生產力的程度。本研究從環境不確定性視角探索社會數字化、智能化發展的意義，及其對于“中國智造”的突破性引領，對我國制造業企業經營發展的策略制定提供實踐建議，為整體新質生產力的發展提供戰略支持。

關鍵詞：數字化；環境不確定性；新質生產力；中國制造業企業；實證研究

基金項目：國家自然科學基金項目（72002029）；黑龍江省哲學社會科學基金項目（Z2022009）；黑龍江省高校基本科研項目（2022TSZX-06）

作者簡介：張偉華（1983- ），女，黑龍江大慶人，東北石油大學副教授，碩士生導師，研究方向為企業管理、工程管理；趙昕（1997- ），女，蒙古族，黑龍江大慶人，東北石油大學碩士研究生，研究方向為企業管理；張建華（1980- ），女，黑龍江大慶人，東北石油大學教授，博士生導師，研究方向為工程管理。

一、引言

隨著新一代信息科技技術加速布局，大數據、云計算、區塊鏈、物聯網等智能化新興技術正在倒逼產業深刻變革，全球制造業發展格局面臨“洗牌”。制造業企業數字化已成為世界經濟強國的關注焦點。數字技術被廣泛用于促進產業跨界融合和創新發展，而數字經濟與產業融合發展，將持續催生新模式、新業態、新經濟，提高生產要素利用效率，減少資源浪費，促進新質生產力高速發展[1]。2024年全國兩會多次提到數字賦能“人工智能+”行動，加快重塑產業形態、推動產業升級、促進新質生產力形成，數字化已成為當前制造業乃至整體經濟高質量發展的動力引擎。

早在2023年7月習近平總書記就提出了“新質生產力”這一關鍵概念。新質生產力具有高科技、高效能、高質量等特征，是貫徹新發展理念、實現新發展格局的先進生產力質態。理解新質生產力可以從以下幾方面著手。一是包含的生產要素與傳統生產力一致但均呈現升級狀態；二是代表了我國經濟從量變到質變這一過程；三是以全要素生產率為核心；四是平衡供給與需求的關系；五是遵循“先破后立”原則。秉承顛覆性創新科技技術與組織架構變革，數字化成為新質生產力得以有效提升的底層前提，協助企業、行業、綜合經濟盤活現有資源，開展高效經營規劃、迅速響應既有需求，使組織更能靈活應對多變市場，進而提高績效，達到經濟螺旋式上升的發展目標。數字化能夠暢通制造業企業內外部溝通渠道，緩解資源錯配，提升研發創新水平，間接提高企業績效，是實現制造業企業新質生產力快速提升的核心動力（陳秀英等[2]，2024）。

環境不確定性是當前社會發展的顯著特征，地緣政治、貿易沖突、技術革命等以前所未有的方式影響著國民的前途命運和幸福福祉[3]。環境帶來的經濟政策不確定性、標準和規則不確定性、監管和治理體系不確定性等愈加明顯，新興科技技術在此情況下能否有效地促進新質生產力提升值得關注。因此，當前環境不確定性如何影響數字化對新質生產力的促進作用？能否有效淡化“索羅悖論”？這些都是亟需探討的實踐和理論問題。

本文基于2000-2022年A股制造業上市企業的相關數據，探究在環境不確定性條件下數字化對新質生產力的影響。研究結論認為：數字化可以有效促進制造業企業新質生產力的提升。而基于區域異質性視角，認為對于位于東、西部地區的制造業企業，數字化更能促進新質生產力提升。同時，環境不確定性能夠正向調節數字化對新質生產力的效果。本文的邊際貢獻在于拓展了制造業企業層面數字化對新質生產力的影響研究，分析了不同區域兩者間的影響差異；擴展了環境不確定性如何調節數字化對新質生產力影響方面的研究，為新質生產力的后續研究做好基礎理論工作。

二、理論分析與研究假設

（一）數字化對新質生產力的影響

數字經濟時代，數字科技技術加速了生產要素的運轉[4]。在賦能要素融合的同時，可以突破時空限制，傳輸、流通、使用更加便捷，加速實現新質生產力升級[5]。在制造業企業中，數字要素可以由多主體共享，隨著加入主體的增多，數據資源的價值不降反升，發揮范圍經濟新優勢。但需要注意的是，部分數據要素的價值具有一定的時效性，戰略布局、謀篇劃策、前瞻思考都需要依賴最新數據。新質生產力的提升不是空中樓閣，不僅需要依靠傳統產業轉型升級，形成數實融合、優勢互補，還需要培育壯大新興產業，提升產業體系現代化水平。“點線面”三方發力可以使產業攻關再上新臺階。一是聚力于“點”，精準識別關鍵核心技術，利用產業、內需、人員等綜合優勢，打破薄弱環節的桎梏。二是強化于“鏈”，數據要素可以打破行業壁壘加強互聯互通，及時提供上下游需求及供給，協同聯合大中小領域融通做到強鏈補鏈，驅動精準決策，進而優化要素配置效率，優化生產流程，促進產業升級、經濟循環暢通[6]。三是提升于“面”，立足于資源稟賦、優勢地位，注重整體統籌協調，從戰略角度做好頂層設計，鋪好數字化發展“網”，擴大應用場景，實現全生命周期數字化。建設現代化產業體系，發展新質生產力，關鍵在于振興制造業重點產業。數字化是實現制造業企業高端化、智能化的必由之路。由此提出假設：

H1：數字化促進制造業新質生產力提升。

（二）區域的異質性作用

基于制造業企業區域差異，不同區域數字化對于新質生產力的作用效果不同[7]。由于我國東部區域具有豐厚的資源和人才儲備，完備的數字化基礎設施，政策鼓勵、宣傳、解讀到位，加速了數字創新技術的迭代發展[8]。相較而言，中部地區數字化相對滯緩，存在資本分配不均及勞動力配置過少的問題，創新意識欠佳且研發能力不足，缺乏足夠的資本與技術支撐，引起生產性投資擠壓，削弱了企業的數字化改革動力，影響生產率的提升。對于西部地區而言數字化改造尚未成熟，受資本過剩、勞動力短缺、資源匱乏、經濟發展滯后及生產基礎弱等制約，但地方政府投資和生產要素驅動升級支持力度大，加之資源輸入和招商引資，強化了創新政策對于企業數字化發展的支持效果，使數字化對新質生產力的貢獻較為明顯。而東北地區數字基礎設施相對薄弱，未能有效發展數字產業，信息技術創新能力有待提升，數字鴻溝亟待彌補。由此提出假設：

H2：位于東、西部地區的制造業企業，數字化更能促進新質生產力提升。

（三）環境不確定性的調節作用

企業經營發展受內外部環境的影響，處于宏觀環境不斷變化的當下，環境不確定性有助于衡量企業的狀態及盈利能力（Jansen et al[9]，2005）。通常來講，企業生產經營、戰略決策必須基于對內外部環境的評估，因為作為盈利性主體，制造業企業經營管理者都屬于理性人，只有順勢而為，充分利用環境不確定帶來的有限信息，考慮決策的優劣勢，才能得到更有利的經濟回報。基于微觀層面的研究認為環境不確定對制造業企業生產經營的影響是不確定的（Baum et al[10]，2010）。首先，削弱預測有效信息的精確度，投資、生產、經營等企業活動變得更謹慎（Bloom et al[11]，2007），選擇的數字化發展方向將不會過度放在提升生產力水平上，弱化對新質生產力的調節作用；其次，無法根據不確定信息準確預測，雖無法制定更明晰的戰略，但增加了管理者風險投資的概率，所謂風險越大收益越大，環境不確定性反而在一定程度上促進新質生產力的提升。因此，本研究認為數字化促進新質生產力受到環境不確定的正向調節作用，據此提出假設：

H3：制造業企業中，環境不確定性正向調節數字化對新質生產力的促進作用。

三、研究設計

（一）變量選取

1. 被解釋變量。新質生產力（Nycives）。2023年12月17日，中央財經委員會辦公室受新華社采訪時詳解中央經濟工作會議精神，指出新質生產力是由勞動者、勞動資料、勞動對象等要素配置優化組合而形成，核心是全要素生產率[12]。因此，本研究的新質生產力選用全要素生產率衡量。鑒于研究對象選取了微觀企業視角，且研究時間線較長，因此分別采用半參數法中的LP法、GMM法核算。

2. 解釋變量。數字化（Digital）。本文選用最為直截了當的文本分析法衡量測算數字化，借鑒祁懷瑾[13]采用企業財報附注部分，無形資產明細項中與數字化相關部分占總額的比例衡量數字化程度。通過“詞頻法”進行測度，按照年份及企業進行標記、加和處理，最后計算加和值占當年總值的比例，代表數字化指標。變量定義如表1所示。

3. 調節變量。環境不確定性（EU）。本文借鑒申慧慧等[14]（2012）用5年內異常收入標準差除以總銷售收入平均值測算得到未調整的環境不確定性（EUA）；考慮行業異質性帶來的影響，用每年各行業EUA的中位數代表行業環境不確定性（IEU），EUA與IEU的比值即為已調整的環境不確定性（EU）作為代理變量。

4. 控制變量。借鑒杜勇等[15]（2023）的研究，選用現有規模（Size）、資產負債率（Lev）、總資產凈利率（ROA）、財務杠桿（FL）、流動比率（CR）、兩權分離率（Dual）作為本研究的控制變量。

（二）樣本選擇與數據來源

本文選用的研究樣本是2000-2022年中國制造業上市企業數據，選自中國統計年鑒、Economic Policy Uncertainty、國泰安數據庫、巨潮資訊網等。由于缺失數據小于2%，選擇線性插補法進行插補。剔除ST、*ST、IPO企業，選擇Winsorize（1%-99%）縮尾處理，在回歸分析中對標準誤進行 業面的聚類調整。經篩選，得到2149家A股上市企業共22434個觀測值。具體描述性統計見表2。

（三）模型構建

由于本文數字化選用文本分析法衡量，最小只能以0為截堵，屬于歸并數據中的左歸并。認為普通模型無法反應此特性，為研究數字化對新質生產力的影響，構建如下Tobit模型：

[Nycivesit=α0+α1i=1nDigitalit-1+CVit+yeart+indit+μit] （1）

[μit～N（0，σ2），i=1，2，...，n；t=1，2，...，l] （2）

上式中，[Nycivesit]代表了企業[i]在[t]年的新質生產力水平。由于數字化對于生產經營各環節新質生產力的提升在后一期體現得更為強烈，因此選擇[Digitalit-1]代表了企業[i]在[t-1]年即滯后一期的數字化程度，[yit]代表了潛變量，[CVit]代表了控制變量，[yearit]代表了年份固定效應，[indit]代表了行業固定效應，[α]代表了估計參數，[μit]為隨機擾動項。

四、實證分析

（一）基準回歸

基準回歸結果如表3所示，本文數字化數據采用了對數值衡量，選用Tobit模型測算數字化對新質生產力的影響。為更好地反映兩者間的影響情況，采用了LP法和GMM法兩種方法衡量新質生產力。

列（1）（3）是只控制了行業、年份固定效應時自變量Digital對Nycives的影響，可以發現在1%的水平上顯著為正，說明數字化促進新質生產力提升。而列（2）（4）加入了規模等可能影響研究結果的控制變量，發現即使替換被解釋變量的衡量方法，數字化促進新質生產力的結果依舊存在且顯著，驗證假設H1。

（二）內生性檢驗

本文基準回歸可能存在互為因果的內生性問題，即可能不是數字化推動生產經營、管理決策智能化，以提高生產、服務、技術等帶來的新質生產力水平的提升，而是更具新質生產力的企業更傾向于提升數字化程度，以滿足紛繁復雜的需求，進而表現出制造業企業數字化對新質生產力的促進作用。為排除上述可能，以自變量滯后一期L.Digital作為工具變量，易知其與解釋變量高度相關，但對新質生產力幾乎不存在直接影響。因此采用L.Digital作為工具變量，使用兩階段最小二乘法（2SLS）進行檢驗。如表4所示。

結果顯示，工具變量為外生。如表4所示第一階段回歸結果中，工具變量顯著為正，F大于10，說明L.Digital顯著影響新質生產力。第二階段估計系數依舊顯著為正，表明緩解潛在內生性問題后，基準回歸結果依然成立。不可識別檢驗顯著拒絕“工具變量識別不足”的原假設；弱工具變量檢驗中工具變量與內生解釋變量的相關性強，表明不存在未識別和弱工具變量問題；過度識別檢驗未通過，表明不存在過度識別問題。故L.Digital是有效工具變量，排除內生性問題干擾后假設H1依然成立。

（三）穩定性檢驗

為確保研究結論的穩健性，本文通過替換核心解釋變量和更換衡量模型等方法，對于LP法與GMM法測量得到的新質生產力代理變量分別進行穩健性檢驗。

1. 替換核心解釋變量。變量測度偏誤會扭曲結果真實性，本文替換核心解釋變量后重新檢驗回歸結果是否穩健。將自變量Digital的衡量方法更換為吳非等[16]（2021）的方法，以DT代表此變量重新進行回歸，緩解估計方法選擇偏誤。回歸結果如表5列（1）（2）所示。系數在1%水平上顯著為正分別為0.022和0.028，與表3回歸結果保持一致，驗證了假設H1。

2.更換衡量模型。經過Hausman檢驗可以發現，本研究同樣適合使用雙向固定效應模型進行檢驗分析，進一步驗證在選擇不同模型時的回歸結果是否符合研究假設。回歸結果如表5列（3）、（4）所示。加入控制變量調節后，回歸系數依然在1%的水平上顯著為正，證明在解釋變量衡量方式不同及更換模型后，數字化有效促進新質生產力提升的結果未改變，再次驗證假設H1。

（四）異質性檢驗

企業微觀區域特征差異較為明顯，表6的回歸結果揭示不同區域數字化對新質生產力的影響有所差異。列（1）顯示東部地區回歸系數顯著為正，此現象可能源于東部地區普遍資源、人才、基礎設施、政策落實等優勢明顯，為當地企業的數字化進程創造了廣闊空間與持續活力，使得企業的生產率水平得到大幅提升，進而促進新質生產力發展。

相較而言，西部地區數字化成效也尤為顯著，正如列（2）所示，西部改造尚處于不斷發展階段，雖然受多要素制約，但得益于政府政策傾斜和要素驅動，制造業行業企業對于數字化改造的勁頭尤為迅猛，創新能力大幅提升，數字化對新質生產力的貢獻勢頭正足。而中部地區和東北地區數字化未能實現類似上述兩個區域的顯著提升，但仍有一定程度的促進作用。如列（3）、（4）所示，中部地區及東北地區制造業企業數字化進程相對滯緩，新質生產力水平尚處于較為普通狀態。勞動力配置等問題阻礙數字化帶動新質生產力發展，傳統制造業企業創新意識不足，傾向于選擇非獨立創新或對常規生產經營體系開展數字化轉型，削弱了企業的數字化改革動力，影響新質生產力發展。驗證假設H2。

五、進一步分析：數字化、環境不確定與新質生產力

新質生產力隨著制造業企業環境不確定性的不同，呈現出截然不同的特征。數字化對新質生產力的影響會因環境不確定而如何變化呢？是否還能起到相應的促進作用呢？為檢驗數字化對新質生產力的影響是否受環境不確定的調節，本研究建立下述模型，使用經行業調整的變量（EU）分三步檢驗。

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+CVit+yeart+indit+μit] （3）

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+β3D*E+CVit+yeart+indit+μit] （4）

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+β4D*E_c+CVit+yeart+indit+μit] （5）

首先，加入變量環境不確定性EU，檢驗在無交互項的情況下，其如何影響數字化對新質生產力的促進作用，根據表7列（1）結果可知環境不確定性此時對其為正向作用。其次，將數字化Digital與環境不確定性EU的交互項放入模型中進行檢驗，根據列（2）結果可知交互項D*E的系數顯著為正，說明EU作為調節變量對數字化促進新質生產力這一關系具有正向調節效應。然而，原本顯著的EU在加入交互項D*E后反而不顯著。這是由于交互項與數字化和環境不確定性間存在共線性偏差，采用中心化修正得到D*E_c，如列（3）所示。結果顯示交互項的系數依然顯著為正，意味著環境不確定性在數字化促進新質生產力的作用中具備正向調節作用，驗證假設H3。

六、結論與建議

（一）結論

本文以我國A股制造業上市企業2000-2022年數據作為研究樣本，研究數字化對新質生產力的影響及區域異質性，并探討了環境不確定性對兩者的調節作用。研究顯示，數字化會促進新質生產力的提升，經過一系列內生性、穩健型檢驗后依然存在；相對其他區域，東、西部地區的新質生產力水平受數字化的正向作用更明顯；環境不確定性在數字化對新質生產力的微觀影響中整體起到正向調節作用。

（二）建議

在數字經濟時代，數實融合推動新質生產力發展是需要長期堅持、系統協作的難題，需要社會各界優勢相加、短板互補形成合力。政府要加強政策支持引導，企業要注重崗位設置形成人崗匹配，社會要推動技術創新以促進產業升級，各方密切配合，才能有效促進新質生產力的形成、提升，推動市場經濟高質量發展。

1. 政策支持引導。為提升新質生產力水平，加快數字化發展，應對環境不確定等因素，應加強政策支持引導。首先，政府應加強頂層設計。出臺相關政策吸引制造業企業加強數字創新投入、數字利用水平等，加快產業數字化進程；其次，應加強政策協同。厘清各相關部門權責清單及政策目標，確保一致形成合力；最后，應加強宣傳引導。提升政策知曉的廣度，利用多種渠道廣泛傳播，避免使用過于專業、復雜的語言以保證簡單明了，注重針對性政策解讀、扶持，幫助各方更好地發展數字化，推動經濟健康、有序增長。

2. 加強人崗匹配。面對數字化難題，針對性設置崗位，實現人崗匹配是關鍵。數字化經過長期發展，不再屬于新概念范疇。社會尤其是高校的數字領域人才層出不窮，理論知識較為豐富，熟練掌握數據要素的應用，但普遍面臨著數字化轉型實踐項目缺失、系統性思維匱乏的情況。加強產學研合作只是從一個角度推動企業成果轉化，若想持續提升企業數字化能力，那么針對性開設相關崗位以匹配專業人才，形成長期數字精細化發展是至關重要的，需要引起各類企業，尤其是小微企業的重視。

3. 產業協同升級。新質生產力有效形成和提升需要全社會的支持。數據要素的特征就注定了企業數字化發展是“1+1>2”的過程。單單在一個企業的數字化水平上加大投入，對于新質生產力的提升是有限的，因為作為企業不能是“孤島”，企業生存需要要素交換。因此，全社會實現數字化是必然趨勢。產業鏈上下游要加強信息聯合，優化資源配置效率；消費者與供給者暢通需求溝通渠道，針對性提升產業附加值，以形成具備優勢的市場競爭力；加大新興產業、未來產業的培育，加速產業數字化和數字產業化的落地，推動整體經濟架構升級。在各方支持下，實現新質生產力的提升。

參考文獻：

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

[2] 陳秀英，劉勝，沈鴻.以數字化轉型賦能提升新質生產力[J].新疆社會科學，2024：1-7.

[3] 張公一，張暢，劉思雯.環境不確定情境下組織韌性影響路徑、作用機制與應對策略研究[J].科技進步與對策，2023，40（2）：20-29.

[4] KRAUS S，DURST S，FERREIRA J，et al.Digital Transformation in Business and Management Research： An Overview of the Current Status Quo[J].International Journal of Information Management，2022（63）：102466.

[5] 徐政，張姣玉.新質生產力促進制造業轉型升級：價值旨向、邏輯機理與重要舉措[J].湖南師范大學社會科學學報，2024（2）：104-113.

[6] 林春，文小鷗.資本市場賦能新質生產力形成：理論邏輯、現實問題與升級路徑[J].深圳大學學報（人文社會科學版），2024，41（2）：66-75.

[7] 羅爽，肖韻.數字經濟核心產業集聚賦能新質生產力發展：理論機制與實證檢驗[J].新疆社會科學，2024（2）：29-40+148.

[8] 尹希果，魏苗苗.數字經濟發展與區域經濟收斂——基于動態空間面板模型的實證研究[J].經濟與管理評論，2024，40（2）：29-42.

[9] JANSEN，J.J.P.，VAN DEN BOSCH，F.A.J.，VOLBERDA，H.W.Exploratory Innovation，Exploitative Innovation，and Ambidexterity： the Impact of Environmental and Organizational Antecedents[J].Schmalenbach Business Review，2005，57（4）：351-363.

[10] BAUM，C.F.，CAGLAYAN M，TALAVERA O.On the Sensitivity of Firms Investment to Cash Flow and Uncertainty[J].Oxford Economic Papers，2010，62（2）：286-306.

[11] BLOOM N，BOND S，REENEN J.V.Uncertainty and Investment Dynamics[J].Review of Economics Studies，2007，74（2）：391-415.

[12] 新華社記者.詳解2023年中央經濟工作會議精神[N].人民日報，2023-12-18（004）.

[13] 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.

[14] 申慧慧，于鵬，吳聯生.國有股權、環境不確定性與投資效率[J].經濟研究，2012，47（7）：113-126.

[15] 杜勇，婁靖，胡紅燕.供應鏈共同股權網絡下企業數字化轉型同群效應研究[J].中國工業經濟，2023（4）：136-155.

[16] 吳非，胡慧芷，林慧妍，任曉怡.企業數字化轉型與資本市場表現一來自股票流動性的經驗證據[J].管理世界，2021（7）：130-144.