數實融合如何賦能企業新質生產力

摘 要：數字經濟時代，數實融合成為驅動企業高質量發展的重要引擎。為探究數實融合對企業新質生產力的影響，基于2011—2022年A股上市企業的微觀數據，運用雙重固定效應模型進行實證檢驗。研究表明：數實融合顯著促進了企業新質生產力發展；機制檢驗表明，數實融合通過提高創新效率、緩解融資約束促進企業新質生產力發展；異質性分析表明，數實融合對不同產權、不同行業的企業新質生產力發展均起到顯著促進作用，對國企和非制造業的促進作用更強，而從企業區域分布來看，數實融合對西部企業新質生產力促進作用更強。研究結論對推動企業數實融合，加快新質生產力發展具有一定的啟示。

關鍵詞：數實融合；新質生產力；創新效率；融資約束

一、引言

2023年9月，習近平總書記在黑龍江考察期間提出“新質生產力”一詞，并在2024年1月二十屆中央政治局第十一次集體學習時進一步強調發展新質生產力對于加快建設現代化經濟體系、推進高水平科技自立自強、加快構建新發展格局的重要意義。企業新質生產力作為新質生產力在微觀層面的具體體現，不僅是我國經濟高質量發展的關鍵主體［1］，也是扎實推進共同富裕的重要引擎［2］。因此，如何加快發展企業新質生產力成為中國特色社會主義新發展階段亟待研究和解決的重大命題。

企業新質生產力是由創新起主導作用，科技交叉融合突破所產生的根本性成果［3］，其發展不能脫離“創新”的大框架之中。數字技術與實體經濟之間的深度融合被稱為數實融合。伴隨著大數據、云計算等數字技術對于企業實體產業的不斷滲透，數字技術深刻地改變著傳統企業的研發模式［4］。企業在將數字技術廣泛嵌入實體產業的過程中，數字技術優化了原有的生產要素配置與結構，促進了不同技術間的融合交互，加速了創新成果更新迭代的過程，進而推動企業形成以創新為驅動的新產業生態，助力企業高質量發展［5］。可見，數實融合的發展路徑與企業新質生產力的形成條件具有高度一致性。討論數實融合與企業新質生產力之間的具體關系及影響機制具有重要理論意義。

為回應數實融合能否促進企業新質生產力發展及數實融合如何賦能企業新質生產力發展的問題，本研究基于2011—2022年A股上市企業的微觀數據，深入分析數實融合對企業新質生產力的影響及其作用機制，并討論數實融合對于不同產權性質、所在行業、所在區域的企業新質生產力的差異性影響，為數實融合促進企業新質生產力發展提供經驗證據。

本研究可能的邊際貢獻主要體現在三個方面：第一，拓寬了數實融合對于企業新質生產力的影響的研究。通過將數實融合與企業新質生產力納入同一框架，實證檢驗了數實融合對于企業新質生產力的影響，充實了數字經濟下企業新質生產力影響因素的研究文獻。第二，豐富了數實融合影響企業新質生產力發展的機制路徑。從提高創新效率和緩解融資約束兩個層面剖析了數實融合影響企業新質生產力的機制路徑，揭示了兩者間因果關系的黑箱。第三，探索了數實融合對于企業新質生產力發展的異質性影響。發現數實融合對于非制造業企業、國有企業、西部地區企業新質生產力起到更強的促進作用，有助于更加全面地理解數實融合與企業新質生產力之間的關系。

二、文獻綜述

（一）企業新質生產力的影響因素

新質生產力是由創新起主導作用，以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵的先進生產力質態［6］。現有研究基于新質生產力的概念和生產力構成要素角度對企業新質生產力指標進行構建［7-9］，并對企業新質生產力的影響因素進行了實證檢驗。從數字經濟發展角度來看，企業數字化轉型能夠推動管理創新和技術創新，驅動企業新質生產力發展［10］。政府數字化治理［1］、國家級大數據綜合試驗區［11］能夠通過促進企業數字化轉型進而推動企業新質生產力發展。從企業治理的角度來看，雙元創新能夠從技術和產業方面推動新質生產力發展［12］。ESG披露能夠通過改善企業同利益相關者的關系，獲取外部支持進而推動新質生產力發展［7］。從外界環境的角度來看，全要素系統沖擊能夠促進電子設備、通用設備和專用設備行業新質生產力發展［13］。營商環境有利于塑造新型生產關系，賦能企業新質生產力發展［14］。

（二）企業數實融合的經濟影響

數實融合指的是數字技術與實體經濟間的深度融合。從宏觀角度看，數實融合是數字經濟深化發展的新階段，從微觀企業來看，數實融合是以數字化轉型為基礎的動態發展過程［5］。相較于數字化轉型對企業治理體系的全面賦能，這一過程側重于技術融合與產業升級［15］。學者們主要通過分析數字業務相關的文本內容以及不同領域間專利的引用情況來衡量企業數實融合程度［16-18］。已有實證研究表明數實融合所帶來的柔性生產優勢能夠促進企業出口效率和出口多樣性的共同提升［16］;數實融合會刺激企業對于高素質人才的需求并通過“干中學”逐步形成高素質人才團隊［18］;數實融合會加快不同領域間技術的相互影響，進而推動新興技術的形成，提高企業生產效率［17］。

（三）數實融合對新質生產力的影響

數實融合作為現代化產業體系競爭力建設的新動能［19］，對新質生產力的發展起到重要的推動作用。有學者提出新質生產力具有廣泛的滲透性、顯著的融合性、明顯的動態性等特征［20］。也有學者提出新質生產力是在實現關鍵性技術、顛覆式技術突破時產生的生產力［21］，數實融合能夠通過數字技術在實體產業鏈上擴散，推動不同技術間的融合創新，突破實體產業技術研發的瓶頸，實現重大技術突破。因此，推進數實融合水平提升是發展新質生產力的必要舉措［17］。數實融合推動新質生產力發展在宏觀、中觀和微觀層次分別以推動數字基礎設施建設、引領產業鏈升級和優化資源配置為關鍵路徑［4］。

綜上，現有學者對于新質生產力的影響因素和數實融合的經濟效應在企業層面的實證研究結果日益豐富，但關于兩者之間的因果聯系仍以理論描述為主，數實融合對企業新質生產力的影響在大樣本實證檢驗和影響機制分析方面有待完善。

三、理論分析與研究假設

（一）數實融合與企業新質生產力

新質生產力是以勞動者、勞動資料、勞動對象及其優化組合的質變為基本內涵，符合高質量發展要求的生產力［21］。數實融合能夠通過優化人力資本結構、提升企業生產工具性能，拓寬生產要素邊界三個方面，推動企業由傳統生產力向新質生產力轉化。

數實融合可以促進企業人力資本結構優化。數字技術對企業實體產業的不斷滲透需要以高素質人才作為技術基礎。企業能夠通過內部培訓、鼓勵競爭等方式積累高素質人才，并以此加深數實融合程度。伴隨著數實融合程度不斷提高，企業經營的各項流程會逐漸向智能化、自動化轉型，對于低素質人才的需求將不斷遞減，從而達成人力資本結構優化［22］。高素質的人力資本結構能夠加速技術吸收與擴散［23］，助力企業新質生產力發展。

數實融合可以提升企業生產工具性能。大數據、深度學習、語音識別等數字技術的深入嵌入會賦能實體設備數字特征［24］，使其能夠對特定事物進行自動識別、提升對于外界輸入信息的分析深度，超越傳統物理生產工具的應用范疇，能夠獨立或半獨立地參與生產、科研、決策等企業活動［25］，從而優化企業的生產流程，使其具有信息化、智能化、自動化和高效化等特征，促進企業新質生產力發展。

數實融合可以拓寬企業生產要素邊界。數字技術對于實體生產、研發過程的滲透能夠推動生產要素由實物形態向虛擬形態進行轉變［26］，無論是生產研發過程中產生的數據痕跡還是企業利益相關者的行為數據都將成為企業加工利用的重要對象［27-28］。生產要素的虛擬化突破了企業常規生產經營流程的時空限制，提高企業開發生產要素的深度與廣度，推進企業產業深度轉型，促進新質生產力的發展。基于以上分析，提出如下假設：

H1：數實融合能夠促進企業新質生產力發展。

（二）數實融合、創新效率與企業新質生產力

新質生產力以全要素生產率大幅度提升為核心標志，技術創新理論認為創新能夠優化生產要素與生產條件間的組合，促進全要素生產率提高［29］。大量研究也進一步證明了創新是提升企業全要素生產率的重要方式［30-31］。因此，從全要素生產率角度來看，提升創新效率有助于企業新質生產力形成。

數實融合能夠顯著提高企業的創新效率。第一，數實融合令企業能夠在虛擬環境中映射實體產業的研發操作。這種模擬能夠預知研發過程中可能出現的問題，并通過信息反饋指導企業對研發方案進行調整，縮短研發試錯周期［32］。第二、數實融合使實體產業技術的研發活動不再受限于特定的地理位置［33］，便于人力資本的跨區域合作，加速知識資本向科技成果的轉化。第三，數實融合還能夠賦予實體產業技術更多元化的使用場景，通過智能算法、物聯網等技術不斷挖掘實體產業技術的發展潛力，激發實用性創新思路。

基于以上分析，提出如下假設：

H2：數實融合能夠通過提升創新效率促進企業新質生產力發展。

（三）數實融合、融資約束與企業新質生產力

技術革新性突破是區別新質生產力與傳統生產力的關鍵特征［21］。要實現技術革命性突破，推動傳統生產力向新質生產力轉變，需要解決企業融資約束難題。技術革命性突破相比于一般的技術創新研發周期更長，前期投入更大，技術難度更高，不確定性更強［34］。技術革命性突破的實現需要以持續大規模的資金支持為基礎。大多數企業囿于融資約束困境，不愿承受技術革命性突破的風險或難以支持技術革命性變革所需要的物質條件［35］。因此，要滿足新質生產力發展的技術突破條件，需要緩解企業融資約束難題。

數實融合能夠緩解制約技術革命性突破的融資約束難題。第一，企業數實融合與“數字中國”戰略規劃高度契合。推動數實融合的企業更容易得到政府部門的青睞［36］，從而獲取更多政策支持和資金補貼，有效緩解企業資金短缺問題。第二，企業數實融合所帶來的生產效率提升，創新成果涌現能夠向外界傳遞利好信號［37］，吸引來自資本市場的注意力，為企業帶來外部投資。第三，企業在推動數實融合的過程中，生產效率的提高也能夠幫助企業減少生產成本，提高企業的內源資金存量。綜上，數實融合能夠通過“開源節流”的方式緩解融資約束，促進新質生產力發展。基于以上分析，提出如下假設：

H3：數實融合能夠通過緩解融資約束促進企業新質生產力發展。

四、研究設計

（一）樣本選擇與數據來源

本研究以中國A股上市企業2011—2022年數據為基礎，檢驗數實融合對企業新質生產力的影響。為保證實證的可靠性，對樣本進行如下處理（1）剔除當年ST、*ST類，控制變量缺失的樣本；（2）剔除來自金融行業的樣本；（3）對所有連續變量進行winsor2（1%～99%）縮尾處理。最終得到10，098個企業樣本觀測值。本研究微觀層面的樣本數據來源于CSMAR數據庫和CNRDS數據庫，專利信息來自國家知識產權局的企業專利數據庫。

（二）變量選取

1. 被解釋變量

企業新質生產力（NPRO）。參考張秀娥等（2024）［8］的研究，基于新質勞動者、新質勞動對象和新質勞動資料三方面構建企業新質生產力評價指標，具體衡量方式如表1所示。

2. 解釋變量

數實融合（TechConv）。參考黃先海等［17］（2024）的研究，根據專利引用信息衡量數實融合程度。具體為：若某項專利IPC主分類屬于非數字產業技術，且其引用的專利中至少有一項專利分類為數字經濟領域，則定義該項專利為企業的一次數實融合行為。將數實融合行為次數匯總加1取自然對數后作為企業數實融合的衡量指標。

3. 中介變量

（1）創新效率（InnoEff）。參考既有研究［38］，以專利申請量加1后的自然對數與研發投入加1后的自然對數之比進行衡量。（2）融資約束（SA）：參考既有研究以SA指數作為衡量指標［39］，具體計算方式為[SAi，t]

[=0.043×SIZE22i，t-0.737×SIZEi，t-0.040×Agei，t。][SAi，t]值越大，表明企業的融資約束情況越嚴重。

4. 控制變量

本研究參考已有文獻［7-8］，選取資產負債率、上市年限、董事會規模、獨立董事占比、標準審計意見、股權集中度、凈資產收益率，企業規模為控制變量。模型中所涉及的各類相關變量的命名、取值方法和說明如表2所示。

（三）模型構建

本研究構建的基準計量模型如下：

[NPROi，t=φ0+φ1TechConvi，t+φ2Controlsi，t+μ+δ+εi，t] （1）

其中，[NPROi，t]表示企業新質生產力，[TechConvi，t]表示數實融合，[Controlsi，t]表示控制變量組，[μ]和[δ]分別表示年份固定效應和企業固定效應，[εi，t]為隨機誤差項。

五、實證結果與分析

（一）描述性統計

如表3所示，新質生產力（NPRO）最大值為0.425，最小值為0.0284，平均值為0.134，說明新質生產力在不同企業間的差距較大且大部分企業的新質生產力較低。數實融合（TechConv）的最大值為2.996，平均值為0.285，說明大部分企業的數實融合水平集中于較低層次。創新效率（InnoEff）的最大值為0.343，最小值為0，平均值為0.192，標準差為0.067，說明大部分企業間的創新效率差距較小。融資約束（SA）的最大值為-3.166，最小值為-4.398，平均值為-3.809，說明企業間普遍存在嚴重的融資約束問題。

（二）基準回歸結果分析

根據表4中模型（1）的回歸結果，未加入與加入時間與個體固定效應下的單變量回歸、未加入與加入時間與個體固定效應下的多變量回歸。由表4所示，回歸系數依次為0.0152、0.0039、0.0163、0.0036，均在1%上顯著，假設H1得到驗證。

（三）內生性處理

本研究為獲得更為準確的回歸結果，通過三種方法來處理可能存在的內生性問題：一是使用傾向得分匹配法，為避免單一匹配方式存在的缺陷，同時采用混合匹配和逐期匹配兩種匹配方式，通過1∶3臨近匹配和0.1卡尺匹配為實驗組匹配對照組，減少數實融合對企業新質生產力回歸中選擇偏誤導致的內生性問題。二是在原有雙重固定模型的基礎上添加行業-年份、省份-年份以及行業-省份交互固定效應，控制宏觀層面變化帶來的影響，減少遺漏變量所帶來的內生性。三是借鑒已有文獻［40］，使用企業數實融合與規模層級——年份企業數實融合平均數差值的三次方作為工具變量，緩解回歸中存在的互為因果問題。

由表5可知，混合匹配前提下的近鄰1∶3匹配和卡尺0.1匹配與逐期匹配前提下的近鄰1∶3匹配和卡尺0.1匹配，數實融合（TechConv）對新質生產力（NPRO）的回歸系數均在1%的水平上顯著為正。由表6可知，在分別添加以上三種交互固定效應后，數實融合（TechConv）對新質生產力（NPRO）的回歸系數均在1%的水平上顯著為正。此外，表6還顯示了工具變量法相關參數。工具變量法第一階段工具變量（IV）對數實融合（TechConv）的回歸系數以及第二階段數實融合（TechConv）對新質生產力（NPRO）的回歸系數分別在1%和5%的水平上顯著為正，Cragg-Donald Wald F大于10%臨界值。綜上，在進行內生性處理后，本研究的基準假設依舊成立。

（四）穩健性檢驗

本研究通過刪除特定年份和地理位置的樣本、替換解釋變量以及安慰劑檢驗等方式來對模型進行穩健性檢驗。首先，樣本觀測年限經歷了突發公共安全事件和營改增政策實施，在一定程度上影響了企業數實融合的進程。本研究通過分別刪除2019年后的樣本以及2012年前的樣本進行回歸，由表7可知，回歸結果在1%水平上顯著為正。其次，位于直轄市的企業的政策與經濟環境存在一定的特殊性，故將該部分企業樣本剔除后進行回歸，回歸結果在1%水平上顯著為正。再者，將解釋變量由數實融合（TechConv）替換為是否進行數實融合（TechConv2），再次進行回歸，回歸結果依舊在1%水平上顯著為正。最后，利用permute指令進行安慰劑檢驗，通過500次隨機抽取，得到安慰劑檢驗示意圖（圖1），由圖1可知抽樣系數以0為均值，總體接近正態分布，絕大多抽樣系數在［-0.002，0.002］區間內，得到基準回歸系數0.0036的抽樣結果為極小概率事件，且絕大多數p值大于0.10，排除回歸結果受偶然因素成立的情況。以上穩健性檢驗結果進一步支持了本文的基準假設。

六、進一步研究

（一）機制檢驗

由于傳統中介效應所使用的逐步回歸法存在內生性、共線性等爭議［41］。為保證機制檢驗的可靠性，此處參考近年來國內外權威研究成果［42-44］，采用中介效應兩步法與分組回歸法結合探究數實融合與企業新質生產力間的作用機制。具體做法如下：先檢驗解釋變量即數實融合（TechConv）對中介變量的回歸結果，接著以中介變量中位數將全樣本分為高中介變量組和低中介變量組，觀察數實融合（TechConv）是否僅對低或高中介變量組的樣本回歸顯著，若同時對兩組樣本均顯著，則需要對比兩組間的回歸系數絕對值。若數實融合（TechConv）對中介變量的回歸系數為顯著正向，且僅低中介變量組顯著為正或低中介變量組回歸系數較高，則說明數實融合（TechConv）（+）→中介變量（+）→新質生產力（+）路徑成立，表現為按順序依次促進。若數實融合（TechConv）對中介變量的回歸系數為顯著為負，且僅高中介變量組顯著為正或高中介變量組回歸系數更大，則說明數實融合（TechConv）（+）→中介變量（-）→新質生產力（+）路徑成立，即數實融合（TechConv）降低了中介變量對于新質生產力的抑制作用，從而促進新質生產力發展。

為初步檢驗數實融合對于中介變量的影響，構建以下模型：

[InnoEffi，t=λ0+λ1TechConvi，t+λ2Controlsi，t+μ+δ+εi，t] （1）

[SAi，t=α0+α1TechConvi，t+α2Controlsi，t+μ+δ+εi，t] （2）

其中，[InnoEffi，t]表示創新效率，[SAi，t]表示融資約束，[TechConvi，t]表示數實融合，[Controlsi，t]表示控制變量組，[μ]和[δ]分別表示年份固定效應和企業固定效應，[εi，t]為隨機誤差項。

1. 提高創新效率機制

數實融合通過提高企業創新效率推動企業新質生產力發展。機制檢驗結果如表8所示，數實融合（TechConv）顯著提高了企業的創新效率（InnoEff），初步支持了假設H2，進一步發現，數實融合（TechConv）僅對創新效率較低的企業樣本組回歸正向顯著，說明數實融合能夠通過提高企業創新效率、彌補企業創新效率不足的問題，促進企業新質生產力發展，假設H2得到驗證。

2. 緩解融資約束機制

數實融合通過緩解企業融資約束推動企業新質生產力發展。機制檢驗結果如表9所示，數實融合（TechConv）顯著緩解了企業的融資約束（SA），初步支持了假設H3，進一步發現，數實融合（TechConv）對融資約束較高的企業樣本回歸正向顯著，說明數實融合能夠通過緩解企業融資約束，克服融資約束過高的問題，促進企業新質生產力發展，假設H3得到驗證。

（二）異質性分析

由于不同企業產權性質、所在行業、所在區域等方面存在差異，企業數實融合對于新質生產力的影響也可能存在異質性。為進一步研究可能存在的異質性影響，本研究先按照企業屬性將企業樣本劃分為國企和非國企、制造業與非制造業。再以地理位置為依據，將企業劃分為東部企業，中部企業和西部企業。

表10的回歸結果表明，數實融合能夠對國企和非國企企業的新質生產力起到顯著促進作用，對于國企的促進作用更強。可能的原因是國企具有資源和政策優勢，使其能夠吸引到更多的企業人才和對數實融合項目投入更多的資金，推動傳統生產力向新質生產力的轉變。相較之下，民營企業由于所能借助的資源有限，數實融合的目的更多偏向于控制成本，數實融合的潛力挖掘相對不足。

表10的回歸結果表明，數實融合能夠對制造業和非制造業的新質生產力起到顯著促進作用，對于非制造業的促進作用更強。可能的原因是制造業的經營模式相對固定，而非制造業的經營模式更為復雜，所涉及的利益相關者更多，數實融合對于企業新質生產力的賦能更為全面。

表11的回歸結果表明，數實融合對于東部和西部企業起到顯著促進作用，但對于中部企業作用不明顯。可能的原因是東部地區經濟發展水平較高，企業在數字基礎設施和人才資源上具有優勢。西部地區在數字經濟方面享有更多的國家專項政策支持，企業在數實融合過程中更容易得到政府的政策扶持。而中部地區低端企業占據主導地位［45］，數實融合推進程度不高。

七、結論與啟示

（一）研究結論

以數實融合推動新質生產力發展是中國經濟由高速增長階段轉向高質量發展階段下，企業擺脫傳統發展路徑，實現轉型升級的必由之路。本研究基于2011—2022年A股上市企業面板數據為樣本，研究數實融合對企業新質生產力的影響及作用機制。研究結果表明，數實融合能夠促進企業新質生產力發展。進一步研究發現，數實融合能夠通過提高創新效率、環境融資約束助力企業新質生產力發展，同時，數實融合對于不同產權性質、不同行業及不同區域的新質生產力影響存在差異，具體而言，數實融合對國企、非制造業、西部地區企業的積極影響較強。

（二）對策建議

第一，基于本研究結論——數實融合可以促進企業新質生產力發展。從企業角度出發，企業要從思想上認識到數實融合對于企業取得競爭優勢，實現高質量發展的重要性。企業應先通過數字化轉型提高數據要素對于企業管理流程的滲透程度、明晰數字技術對于企業業務的適配度、數字技術投入帶來的收益成本比以及積累運用數字技術進行項目上攻堅克難的經驗。在思想和物質條件準備充足的情況下推動企業數實融合發展。從政府角度出發，政府應加強公共數據開放平臺，大數據綜合試驗區、數字基礎設施等項目建設，為廣大企業提供質量可靠、種類豐富的數據資源，降低企業使用數據要素的門檻，激活企業進行數實融合的動力。

第二，基于數實融合促進企業新質生產力發展的機制。短期內，政府應通過數字采購的方式為企業提供可觀的財政資金支持，同時提高企業對于數字技術的熟練程度，向資本市場傳遞積極信號，增強數實融合對于融資約束的緩解作用。長期而言，政府應深度調研并匯總企業在數實融合方面的成功經驗，并完善對于所在地產業發展的數實融合戰略規劃，使當地企業在進行數實融合提高創新效率的過程中有方向、有經驗參考，更好地促進新質生產力發展。

第三，基于數實融合對于企業新質生產力影響的異質性。從產權性質上看，政府應提高國有企業在數實融合方面的績效考核，倒逼國有企業進行數實融合以推動新質生產力發展，維護社會穩定。同時對取得數實融合杰出成果的民營企業給予公開表彰和財政支持，促進民營企業發展新質生產力，做大做強。從企業所在區域上看，西部地區政府應妥善利用東數西算等政策紅利，助力企業加快數實融合進度，引導新質生產力發展，縮小與東部和中部地區的發展鴻溝。

參考文獻：

［1］ 趙斌，汪克亮，劉家民.政府數字化治理與企業新質生產力——基于信息惠民國家試點政策的證據［J］.電子政務，2024，20（9）：38-49.

［2］ 燕連福，牛剛剛.新質生產力賦能共同富裕的內在邏輯與推進路徑［J］.馬克思主義理論學科研究，2024，10（2）：82-90.

［3］ 盛朝迅.新質生產力的形成條件與培育路徑［J］.經濟縱橫，2024（2）：31-40.

［4］ 盧鵬.數實融合驅動新質生產力涌現的邏輯與實踐進路［J］.電子政務，2024（9）：27-37.

［5］ 洪銀興，任保平.數字經濟與實體經濟深度融合的內涵和途徑［J］.中國工業經濟，2023（2）：5-16.

［6］ 任保平，豆淵博.新質生產力：文獻綜述與研究展望［J］.經濟與管理評論，2024，40（3）：5-16.

［7］ 宋佳，張金昌，潘藝.ESG發展對企業新質生產力影響的研究——來自中國A股上市企業的經驗證據［J］.當代經濟管理，2024，46（6）：1-11.

［8］ 張秀娥，王衛，于泳波.數智化轉型對企業新質生產力的影響研究［J/OL］.科學學研究，1-19［2024-11-14］.https：//doi.org/10.16192/j.cnki.1003-2053.20240518.003.

［9］ 肖有智，張曉蘭，劉欣.新質生產力與企業內部薪酬差距——基于共享發展視角［J］.經濟評論，2024（3）：75-91.

［10］ 張慧智，李犀堯.數字化轉型對企業新質生產力的影響［J］.工業技術經濟，2024，43（6）：12-19.

［11］ 劉家民，馬曉鈺.大數據發展能否催生出企業新質生產力——基于國家級大數據綜合試驗區的準自然實驗［J］.金融與經濟，2024（7）：1-13.

［12］ 曹潤民，陳海龍，李陽，張景艷.企業雙元創新是否推動中國新質生產力發展——基于宏微觀視角的實證分析［J］.金融與經濟，2024（10）：24-37.

［13］ 趙當如，杜然，方齊云，劉柯.全要素生產率沖擊與制造業行業新質生產力——基于結構粘性視角的分析［J］.城市問題，2024（5）：62-74.

［14］ 劉德宇，王珂凡.營商環境對企業新質生產力的影響機制研究［J］.金融與經濟，2024（8）：85-94.

［15］ 丁述磊，劉翠花，李建奇.數實融合的理論機制、模式選擇與推進方略［J］.改革，2024（1）51-68.

［16］ 蔣為，倪詩程，彭淼.數實融合與企業出口產品策略優化：基于柔性生產視角［J］.世界經濟，2024（5）：3-33.

［17］ 黃先海，高亞興.數實產業技術融合與企業全要素生產率——基于中國企業專利信息的研究［J］.中國工業經濟，2023（11）：118-136.

［18］ 徐玉德，程東，范亞辰.筑巢引鳳來：數實融合與人力資本結構升級［J］.財經論叢，2024（11）：3-12.

［19］ 夏杰長，蘇敏.以數實融合推動現代化產業體系建設［J］.改革，2024（5）：12-23.

［20］ 杜傳忠，疏爽，李澤浩.新質生產力促進經濟高質量發展的機制分析與實現路徑［J］.經濟縱橫，2023（12）：20-28.

［21］ 周文，許凌云.論新質生產力：內涵特征與重要著力點［J］.改革，2023（10）：1-13.

［22］ AGRAWAL A，GANS J S，GOLDFARB A.Artificial Intelligence：The Ambiguous Labor Market Impact of Automating Prediction［J］. Journal of Economic Perspectives，2019，33（2）：31-50.

［23］ 郭偉，郭童，耿曄強.數字經濟、人力資本結構高級化與企業全要素生產率［J］.經濟問題，2023（11）：73-79.

［24］ ZHANG Z，LI J.A Review of Artificial Intelligence in Embedded Systems［J］.Micromachines（Basel），2023，14（5）：897.

［25］ 陳國青，任明，衛強，郭迅華，易成.數智賦能：信息系統研究的新躍遷［J］.管理世界，2022，38（1）：180-196.

［26］ CHENG L，ZHANG S，LOU X，ET AL.The Penetration of New Generation Information Technology and Sustainable Development of Regional Economy in China—Moderation Effect of Institutional Environment［J］.Sustainability，2021，13（3）：1163.

［27］ CUI P，WANG J，LI Y.Data-driven Modelling，Analysis and Improvement of Multistage Production Systems with Predictive Maintenance and Product Quality［J］.International Journal of Production Research，2022，60（22）：6848-6865.

［28］ GAO Y，ZHU Z，YANG J.An Evolutionary Game Analysis of Stakeholders’ Decision-Making Behavior in Medical Data Sharing［J］. Mathematics，2023，11（13）：2921.

［29］ PAN W，XIE T，WANG Z，ET AL.Digital Economy：An Innovation Driver for Total Factor Productivity［J］.Journal of Business Research，2022（139）：303-311.

［30］ 儲德銀，程揚帆.稅收營商環境優化與企業全要素生產率——來自稅務系統“放管服”改革的經驗證據［J］.南開經濟研究，2024（4）：45-65.

［31］ 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，2021，42（7）：114-129.

［32］ BAILEY D E，LEONARDI P M，BARLEY S R.The Lure of the Virtual［J］.Organization Science （Providence，R.I.），2012，23（5）：1485-1504.

［33］ WU L，LOU B，HITT L.Data Analytics Supports Decentralized Innovation［J］.Management Science，2019，65（10）：4863-4877.

［34］ 張征，謝佳，李冉.企業突破性創新的組態路徑研究［J］.科研管理，2024，45（7）：21-28.

［35］ 黃雋，宋文欣.數字化轉型、企業生命周期與突破性創新——來自中國上市公司的經驗證據［J］.上海經濟研究，2023（1）：48-69.

［36］ 謝康，肖靜華.面向國家需求的數字經濟新問題、新特征與新規律［J］.改革，2022（1）：85-100.

［37］ 吳非，徐斯旸.人工智能技術應用與上市企業市場價值［J］.現代經濟探討，2022（11）：77-92.

［38］ 李健，丁皓，潘鎮.媒體關注會提升代際傳承階段家族企業的創新效率嗎？［J］.財經論叢（浙江財經學院學報），2024（2）：80-90.

［39］ 程新生，劉振華.金融開放、融資約束與企業創新投資［J］.南開經濟研究，2024（2）：64-82.

［40］ 白雪潔，程鈺嬌.數字化轉型、技術選擇與企業技術攀升［J］.產業經濟研究，2024（2）：30-44.

［41］ 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.

［42］ 鄭曼妮，黎文靖，譚有超.技術轉移與企業高質量創新［J］.世界經濟，2024，47（3）：66-93.

［43］ 鐘覃琳，陸正飛.資本市場開放能提高股價信息含量嗎？——基于“滬港通”效應的實證檢驗［J］.管理世界，2018，34（1）：169-179.

［44］ HUANG G，SHEN C H，WU Z.Firm-level Political Risk and Debt Choice［J］.Journal of Corporate Finance，2023（78）：102332.

［45］ 張瑾，龍強，江洪.以擴大高水平開放促進中部地區高質量發展［J］.宏觀經濟管理，2019（12）：42-47.