數字技術采納策略、技術差距與企業高質量發展

摘 要：數字技術改變了企業競爭基礎，是企業高質量發展的核心驅動力。文章基于最優區分理論視角，識別了企業應對數字化趨勢的趨同性和差異性的數字技術采納策略，并鑒于技術階段作為企業最優區分的情境要素，以美國行業為技術標桿，基于2010—2021年A股上市公司面板數據，實證分析不同數字技術采納策略對企業高質量發展的影響效應及不同技術差距的作用機理。研究發現：（1）納入數據要素后，測算得到的我國企業TFP顯著提升，但多數行業的企業技術水平仍低于美國。（2）數字技術運用和數字技術創新均促進了企業高質量發展，且前者影響效應大于后者，二者對企業TFP的賦能效應在不同類型企業和行業中存在異質性。（3）數字技術運用縮小了企業與美國技術差距的同時促進了領先企業技術水平的進一步提升，而理論上認為的數字技術創新的作用效應尚未得到經驗數據支持。（4）正向和逆向技術差距分別削弱和強化了數字技術采納對企業高質量發展的賦能效應，而該效應在不同數字技術戰略中呈現差異性：相較于數字技術運用，削弱效應在數字技術創新中更強，而強化效應卻未能顯著。

關鍵詞：最優區分理論 數字技術采納策略 中美技術差距 高質量發展

DOI：10.19592/j.cnki.scje.411135

JEL分類號：D21， D24， O33 中圖分類號：F062.4， F273

文獻標識碼：A 文章編號：1000 - 6249（2025）01 - 141 - 18

基金項目：廣東省自然科學基金面上項目“上市公司實施雙重股權制度行為研究：動機、方式和企業績效”（2021A1515011729）；國家自然科學基金項目“制度理論視角下的社會創業：從誘發到實現”（71872074）。

一、引 言

企業高質量發展指的是企業追求高水平、高層次、高效率的經濟價值和社會價值創造，以及塑造卓越的企業持續成長和持續價值創造素質能力的目標狀態或發展范式（黃速建等，2018）。其能夠擴大市場，提高資源利用效率，引領和帶動其他產業的發展，是實現經濟可持續增長和轉型升級的關鍵。隨著數字技術的快速發展，越來越多的企業以不同方式對數字浪潮作出戰略性反應，數字技術的引入對企業高質量發展的賦能效應已達成普遍共識（趙宸宇等，2021；Xu and Guan，2022；謝謙和郭楊，2022；黃勃等，2023），但鮮有研究系統地關注和理解企業采納數字技術的復雜組織動機。

對于企業尤其是上市公司而言，可能為了順應合法性壓力而作出策略性的數字技術戰略行為（Liu et al.，2023）。若一家上市公司不對數字技術作出回應，在政府及相關利益者眼中，它可能被視為“陳舊的技術落后者”。那么，在這種情形下，企業如何做才能夠保持與其他企業趨同？一種常見的反應是在年報中披露有關數字技術的策略性線索和敘述（Van Knippenberg et al.，2015；Liu et al.，2023）。此外，企業還會通過數字技術創新來響應數字化趨勢以凸顯其差異化特色，并最終通過實質性地運用數字技術來提升運作效率（Forman and Van Zeebroeck，2019）。但數字技術創新是一種不確定性高和強調長期回報的創新活動，而企業通常傾向于投資短期回報的項目以降低風險（Schuster et al.，2020）。也就是說，企業數字技術創新戰略背后的“差異化”動機與數字技術策略性運用背后的“趨同性”動機往往是矛盾的，二者之間的張力被稱為“最優區分”問題（Zhao et al.，2017）。如何有效采用數字技術戰略，平衡差異性和趨同性之間的張力成為企業高質量發展的一個重要的戰略性問題。在最優區分理論中，情境分析尤為重要，但已有研究大多從中介效應視角探討數字技術對企業高質量發展的作用機制（李治國和王杰，2021；趙宸宇等，2021；Xu and Guan，2022）。而技術階段、行業發展狀態等作為企業最優區分的重要情境要素（買憶媛等，2023），技術水平尤其是企業技術差距如何作用于數字技術賦能企業高質量發展，尚未有研究涉及。進一步地，學者們在探討行業（企業）技術水平時，通常以國內行業企業作為“標桿”并以均值作為劃分依據（伏玉林和蘇暢，2013；徐建斌等，2023），這種做法往往難以有效識別企業不同技術態勢。

為此，本文基于最優區分理論視角，實證分析了企業數字技術采納（運用和創新）的兩種戰略行為對企業高質量發展的異質性賦能效應以及不同技術態勢的作用機理。就研究所及，本文邊際貢獻如下：（1）已有研究基于二元虛擬變量、文本挖掘、專利等方式刻畫數字技術，本文運用最優區分理論識別了企業不同數字技術戰略，厘清了既有數字技術測量指標存在內涵界定模糊且不一致的現象。（2）本文以技術階段作為企業最優區分的情境因素，將企業技術差距嵌入數字技術與高質量發展的研究框架，明晰不同技術態勢如何協調配置數字技術戰略。并以美國各行業為參照系，識別出不同類型技術態勢（逆向和正向技術差距）。（3）本文將數據要素納入企業全要素生產率測度，并予以對比，以便更準確地評估企業生產效率，幫助企業更好地把握數據的效益和潛力。

二、理論分析

（一）數字技術采納與企業高質量發展

數字經濟時代下，數據要素和數字技術對經濟高質量發展的促進作用已得到廣泛認可（謝謙和郭楊，2022；黃勃等，2023；劉國武等，2023）。在外部供應鏈方面，數字技術提升了企業數據處理能力，客戶服務質量和響應速度得到進一步提升，生產與服務水平之間的差距得以縮?。―oan et al.，2020），這有助于提升企業市場競爭力。與此同時，數字技術打破了傳統協同創新所面臨的時空約束，在網絡化協作模式下企業智力活動和新知識的產生將更為頻繁（Berger et al.，2021），為企業持續成長注入新動力。在內部經營方面，數字技術提升了生產過程的自動化和人力資源管理的智能化，進而優化企業內部資源配置效率（Goldfarb and Tucker，2019）。

基于最優區分理論思想，可將數字技術采納劃分為技術運用與技術創新兩類，二者對企業高質量發展的影響存在一定差異。一方面，數字技術運用集中體現在企業年報中披露的數字技術信息情況，披露的相關信息越多意味著企業將更多資源投入到數字技術運用上，進而構建了一個更加完善的數字化環境。同時，數字技術的運用倒逼企業開展人才培養和技能提升活動，提高組織運營效率（謝謙和郭楊，2022），進而提升企業全要素生產率。另一方面，數字技術創新強調企業為尋求差異化競爭優勢而進行實質性創新，包含技術的研發、采用和價值形成。通過數字技術創新，企業不僅可以開發出具有更強競爭力的新產品、新服務來提高市場占有率，而且可以使生產制造向生產自動化、高效化和智能化轉變（Doan et al.，2021），通過拓展產品的銷售渠道、交易方式和市場定位，催生新的商業模式（陶鋒等，2023），進而提升企業價值創造能力?？偟膩碚f，數字技術的運用和創新存在兩點顯著差異：一是關注的側重點不同，前者著重考察企業對數字技術的重視程度和資源投入情況，后者關注企業如何應用數字技術來推動創新，顯然后者更能提升企業創新能力。二是作用范圍和結果不同，前者為企業數字化發展提供支持和引領，作用于企業內部；后者目的是提升企業生產率和競爭力，作用于企業內外部。顯然數字技術創新對企業高質量發展的影響力度更強，范圍更廣。由此提出：

假設H1a：數字技術采納（運用和創新）會顯著促進企業高質量發展。

假設H1b：相比于數字技術運用，數字技術創新對企業高質量發展的賦能效應更強。

（二）數字技術采納、技術差距與高質量發展

數字技術采納會影響企業技術水平，進而作用于企業間技術差距。首先，依據熊彼特的技術創新理論，數字技術為企業提供了更多的創新工具和手段（王文娜等，2023）。例如，云計算和協作工具能夠幫助企業實現更高效的團隊合作和創新管理；大數據分析技術助力企業更好地了解市場需求和行業趨勢，從而有針對性地進行產品創新和技術優化。其次，根據開放式創新理論（Chesbrough，2006），數字平臺促進了行業間業務交叉、數據聯通和運營協同（洪銀興和任保平，2023），這為企業開展開放式創新提供了便利，有助于提升企業的技術水平。例如，微軟與通用電氣（GE）合作開發了Predix平臺，利用云計算和物聯網技術來提升工業生產效率和產品性能。最后，根據資源基礎理論觀點，技術能力是企業競爭優勢的重要來源（Nelson，1991）。數字技術能力作為企業構建差異化戰略的關鍵因素，有利于企業獲取、整合和利用信息與知識，助力企業在創新活動中獲得競爭優勢（何建篤和孫新波，2022）的同時，提高企業生產與管理效率，釋放更多資源用于研發投入，進而增強企業技術實力。

在現實中，企業技術水平參差不齊，不同企業對數字技術發展契機的捕捉能力也存在差異。本文以美國行業作為參照系，將企業技術水平區分為正向技術差距（落后美國）和逆向技術差距（領先美國）兩類。對于技術落后企業來說，數字技術采納助力其技術水平提升，表現在企業可運用數字技術縮小與美國的技術差距。對于技術先進的企業來說，數字技術采納無疑是“錦上添花”，其加速了企業產品更新迭代和技術改進，進而鞏固技術優勢。由此提出：

假設H2a：數字技術采納能夠助力落后企業縮小技術差距，即對正向技術差距影響顯著為負。

假設H2b：數字技術采納能夠進一步推動先進企業技術水平提升，即對逆向技術差距影響顯著為正。

企業數字技術采納策略的最優區分受技術階段、行業發展等情境因素影響，對此企業需要依據不同情境對趨同性和差異性策略進行協調配置（Zhao et al.，2017）。通常來說，隨著技術差距的擴大，企業獲得并應用先進數字技術的難度越來越高，更難以享受到數字技術紅利和技術溢出效應，進而阻礙企業高質量發展。也就是說，現有技術水平是影響企業有效應用數字技術的重要因素（Sorbe et al.，2019）。依據技術溢出理論，對于技術落后企業，其技術應用和創新能力相對較弱，普遍面臨先進技術與技術接受能力之間的矛盾，體現為技術差距削弱了數字技術采納對企業高質量發展的提升作用。對于技術領先企業，其擁有較強的吸收能力和創新能力，開發和利用數字技術是技術水平持續提升的催化劑，能有效地助推企業高質量發展。需要強調的是，技術創新相對于技術運用具有投入周期長、過程復雜、風險大等特點，其對于企業的技術接受能力要求更高。也就是說，企業若要通過數字技術創新來拓展技術邊界，則需要具備較高技術能力（王宏鳴等，2022）。相反地，通過對數字技術的引入與運用，企業可以在短期內快速改善業務流程、提高資源配置效率，且對企業技術能力要求較低。由此提出：

假設H3a：對于技術落后企業，正向技術差距削弱了數字技術采納對企業高質量發展的賦能效應，且相比于數字技術運用，其在數字技術創新與高質量發展關系中的削弱作用更強。

假設H3b：對于技術先進企業，逆向技術差距增強了數字技術采納對企業高質量發展的賦能效應。

三、研究設計

（一）模型設定

其中，Y 為銷售收入；K、L和D分別代表資本、勞動和數據要素，同以往研究一致，采用固定資產和員工人數分別表示資本和勞動。此外，考慮到企業運用數據要素主要包含底層數字技術架構和技術實踐應用兩個層面，前者包含人工智能、大數據、云計算和區塊鏈，后者涉及數字技術應用，借鑒趙宸宇等（2021）研究，采用上述關鍵詞的詞頻統計作為企業數據要素的投入。具體地，利用Python的Jieba分詞功能，從人工智能技術、區塊鏈技術、云計算技術、大數據技術和數字技術應用5個維度，進一步對每家上市公司的年報文本中的每一維度細分指標進行分詞，并依據分詞結果進行頻次統計，最后將對應年份加總即可得到上市公司數據要素的統計數據，表1列示了數據要素在各維度下的細分指標的分布情況①。M表示中間投入②，year、prov和ind分別表示年份、地區和行業的固定效應。需說明的是，銷售收入和固定資本存量分別采用工業品出廠價格指數和固定資產投資價格指數進行調整。此外，由于固定資產投資價格指數統計截止于2019年，因而2020和2021年的數據基于2010—2019年的年均增長率估算得出。所有以貨幣為單位的變量均是以2010年為基期的實際值。此外在穩健性檢驗部分，采用OP法進行估計，由于此方法的企業投資額數據缺失嚴重，采用以往文獻的通用做法，將中間投入代替投資額進行估計。

2.數字技術采納，包含數字技術運用和數字技術創新。依據最優區分理論，其分別反映了企業應對數字化趨勢作出的趨同性和差異性戰略。趨同性表示企業為了在數字經濟時代中順應合法性壓力，而傾向于在公司年報中披露有關數字化的相關線索和表述?？紤]到企業創新主要涵蓋流程創新、業務創新和技術創新三層面，借鑒谷均怡等（2023）的研究，在此采用企業年報中上述三類創新所涉及的數字技術相關詞匯的詞頻之和來量化企業數字技術運用。其中，流程創新包含智能制造、數字營銷、移動支付和無人零售等；業務創新涉及數字金融、金融科技、智能交通、智能醫療和智能家居等；技術創新包括工業互聯網、移動互聯網、數字技術和智能穿戴等。在數字技術創新層面，借鑒陶鋒等（2023）以數字發明專利表征企業數字技術創新成效，在此采用上市公司數字化轉型成果中數字發明專利授權量來刻畫企業數字技術創新。

3.技術差距。借鑒Aghion et al（.2009）、黃先海和宋學?。?017）研究，采用勞動生產率刻畫技術水平。首先，不同于現有研究以企業所屬國內行業或外資企業作為“標桿”來測度技術差距（Imbriani et al.，2014；尹俊雅和王海，2020），在此以美國作為高技術水平參照系。一是美國各細分行業數據相對完善；二是美國作為世界第一大經濟體，能夠更好地代表高技術水平（Aghion et al.，2009）。其次，借鑒孫浦陽等（2015）做法以及參考從美國國家經濟研究局（NBER）獲取的美國行業描述說明文件，將中美兩個標準下的產業分類的結果進行對比合并，且已刪除部分無法進行匹配的行業，得到36個行業匹配結果，具體見表2。由此獲取企業技術差距指標，即企業勞動生產率與美國對應行業的差值（tech_gap），該值越大，表明越接近美國技術水平，即技術差距越小。其中，上市公司勞動生產率以銷售額除以員工人數測量，美國行業勞動生產率以行業增加值除以就業人員表征。最后，由后續特征性事實分析可知，中國不同行業勞動生產率存在著高于或低于美國技術水平的現象。為分析企業數字技術采納策略對不同技術差距的異質性影響效應，借鑒鄭麗（2022）測量企業創新差距的研究思路，在此采用樣條函數將企業高于或低于美國技術水平的樣本加以區分。具體地，取技術差距為正的數據，為保留更多的觀測樣本信息，其余值設置為0，此時數值越大，表明企業技術水平越領先于美國同行業，本文將其稱之為逆向技術差距（lead_tg）。同理，保留技術差距為負值的數據，其他設置為0，便產生了正向技術差距（behind_tg），即企業技術水平落后于美國同行業。

4.控制變量。借鑒趙宸宇等（2021）、Xu and Guan（2022）研究，納入企業特征變量：企業規模、股權集中度、可持續增長率、凈資產收益率、董事長與總經理兼任情況；行業和城市層面分別采用產業集中度和移動交換機容量，以盡可能地控制其他因素對企業高質量發展的影響。各變量具體描述見表3。

（三）數據說明

鑒于我國數字技術應用與實踐以及數字經濟繁榮發展主要在2010年之后，在此基于2010—2021年A股上市公司數字經濟、專利及財務相關數據，探討在數字經濟時代下企業數字技術采納策略對高質量發展的賦能效應及作用機理。上市公司勞動生產率、財務數據、數字技術運用相關詞頻和數字發明專利授權量來源于CSMAR數據庫，并運用Wind數據庫對相應缺失值進行完善。其中，數字技術相關變量源于上市公司數字化轉型子庫；美國分行業數據來源于美國經濟分析局（BEA）；中美歷年匯率數據來源于《中國金融年鑒》；工業品出廠價格指數和固定資產投資價格指數來源于《中國統計年鑒》。此外，同現有研究一致，剔除了金融類、ST、SST及數據缺失嚴重的樣本。最后，為消除極端值帶來的估計偏誤，運用winsorize對連續型變量進行1%的縮尾處理。

（四）特征性事實

將數據要素納入傳統生產函數中，其非競爭性、高度可變性和可復制性等特質，對企業全要素生產率變化產生重要影響。為此，圖1（a）展示了運用LP和OP兩種方法下，納入數據要素前（lp1_tfp和op1_tfp）后（lp_tfp和op_tfp）企業全要素生產率年均值的變化情況，無論采用何種測算方法，納入數據要素下企業tfp數值均高于未考慮數據要素，且整體上隨時間推移呈不斷上升趨勢，這也說明了在數字時代下，考慮數據要素以更加客觀地反映企業全要素生產率水平的必要性。后文基于tfp的相關分析均為納入數據要素的情形。

圖1（b）反映了中（cn_labp）美（us_labp）兩國在2010—2021年間各行業勞動生產率均值的差距。可以發現，在研究樣本11類行業中，八類行業的勞動生產率均低于美國，即產生了正向技術差距，尤其是在信息傳輸、軟件和信息技術服務業差距最大，數值為-1.368，這也是我國應對全面爆發的科技戰和貿易戰的突破點。此外，我國在采礦業，房地產業以及電力、熱力、燃氣及水生產和供應業與美國還有較大程度的技術差距。最后，交通運輸、倉儲和郵政業等三類行業的技術水平均值高于美國，產生了逆向技術差距。明晰不同行業企業技術差距態勢，是數字經濟下企業差異化地實行數字技術戰略，有效推動企業高質量發展的重要前提。

四、數字技術采納對企業高質量發展影響的實證檢驗

（一）基準回歸

表4報告了式（1）估計結果，從模型（1）—（4）來看，加入控制變量前后，數字技術采納（運用和創新）的系數均為正且通過了不同程度的顯著性水平檢驗，假設H1a得以驗證。進一步地，為考察企業不同數字技術戰略對高質量發展的差異性影響，表4最后兩列報告了模型的標準化系數，可以發現，相比于數字技術運用，數字技術創新對全要素生產率的提升作用較弱（0.0160<0.0870），假設H1b未能得到支持。原因可能在于，我國各行業在數字技術能力的建設上，目前仍處于起步和探索階段，大多企業數字化轉型處于啟動或初期狀態①，因而深層次的數字技術創新對TFP的提升效應尚未充分釋放。

（二）穩健性檢驗

1.替換被解釋變量的測算方法

現有文獻通常采用OP法和LP法測量企業全要素生產率（劉莉亞等，2018；李治國和王杰，2021；趙宸宇等，2021）。OP法由Olley and Pakes于1996年提出，其假定企業投資與生產率為單調關系，但在實踐中，企業有時會增加投資，有時甚至并不會選擇投資，即其投資行為是非線性的，違背了單調性條件。為解決此問題，Levinsohn and Petrin（2003）則開發了一種新的TFP測算方法（LP法），即采取中間要素投入來代替OP法中的企業投資變量，以資本和中間投入的反函數來表征不可觀測的生產率沖擊。

為防止估計方法造成估計結果的偏誤，在此采用OP法測量企業TFP進行穩健性檢驗，相應估計結果見表5列（1）和（2）?？梢园l現，在更換因變量估計方法后，企業數字技術運用和創新對高質量發展的影響效應在不同顯著性水平上為正，與基準回歸結果保持一致。

2.樣本子區間

2017年3月，數字經濟首次正式寫入政府工作報告，此后相關政策①逐步出臺以支撐數字中國建設，極大地促進了數字經濟的繁榮與發展?？紤]到政策因素對數字技術發展的外部沖擊，在此剔除2017年及之后的觀測樣本，回歸結果見表5最后兩列。同樣地，企業不同數字技術戰略對高質量發展的影響系數均顯著為正，基礎回歸結論依然成立。

3.內生性問題

為緩解實證研究中存在的內生性問題，本文納入了一系列企業、行業和城市層面的控制變量，但由于企業高質量發展反過來也能促進企業數字技術能力的提高以及不可觀測因素導致的遺漏變量問題，同樣面臨內生性問題挑戰，在此采用區域和企業層面工具變量法以考察基準結果的穩健性。

區域層面，借鑒黃群慧等（2019）、趙星等（2023）的思路，在此初步采用1984年各城市郵局數量（post）作為數字技術的工具變量。一方面，數字技術以傳統通信技術為基礎，郵局所數量的分布在使用便利程度和技能水平上會影響一地區未來的數字經濟發展，符合工具變量遴選所要求的相關性；另一方面，郵電只是為公眾提供基礎的通信服務，并不會直接影響企業高質量發展，符合排他性要求。此外，由于本文為面板數據，而1984年各城市的郵局數量為截面，在此采用各地區互聯網普及率與之交乘項作為數字技術的工具變量。企業層面，借鑒陶鋒等（2023）的做法，以同行業同年份其他企業數字技術采納的均值作為工具變量，一方面企業數字技術利用能力容易受到同行業其他企業的數字技術水平的影響，而同行業其他企業的數字技術能力很難通過其他途徑影響企業高質量發展，故該工具變量符合相關性和排他性的要求，相應估計結果見表6列（1）—（4）所示。

兩種工具變量都在1%的顯著性水平上拒絕了Kleibergen-Paap rk LM統計量的工具變量不可識別的原假設。此外，Kleibergen-Paap rk Wald F統計量在10%水平上的Stock-Yogo弱識別檢驗中均大于16.38的閾值，拒絕了弱工具變量的原假設。因此，所選取的工具變量是可行的。回歸結果顯示，工具變量下數字技術運用和數字技術創新的系數均顯著為正，基礎回歸結論依然成立。

4.聯合固定效應

考慮公司注冊地所在省份的固有差異，在此控制“省份×年度”的聯合固定效應以考察基礎結果的穩健性，結果見表6最后兩列所示。在增加省份和年度聯合固定效應之后，企業不同數字技術采納策略對高質量發展的回歸系數依然顯著為正，表明基準結果保持穩健。

（三）異質性分析

1.數字技術創新賦能企業高質量發展的異質性分析

①是否為數字經濟上市公司。從CSMAR數字經濟數據庫中，依據其收錄的1041家數字經濟上市公司，識別出本研究樣本中的數字經濟企業與非數字經濟企業，以考察數字技術創新對企業高質量發展的賦能效應在這兩類企業中的異質性。引入是否為數字企業虛擬變量（數字經濟企業為1，否為0），結果見表7列（1）—（3），數字技術創新對數字經濟與非數字經濟上市公司的促進作用均顯著為正。進一步地，為考察兩組樣本的差異，引入數字技術創新與虛擬變量的交乘項，結果發現交互項系數在1%的水平上顯著為負，即與非數字企業相比，數字經濟上市公司的數字技術創新對全要素生產率的促進效應偏弱。原因可能是，數字經濟上市公司本身擁有平臺、技術和數據等優勢，具有較為完善的數字技術利用基礎和應用場景，因而數字技術創新對其高質量發展的邊際效應減弱。

②行業類型。企業高質量發展可能會因不同行業的發展基礎和企業構成的不同而產生異質性。在此借鑒OECD的技術密集型產業分類辦法，將樣本分為技術密集型和非技術密集型產業兩類①，以考察不同要素稟賦行業的企業數字技術創新對高質量發展的異質性，引入是否為技術密集型行業虛擬變量（技術密集型行業為1，否為0），結果見表7列（4）—（6）。技術密集與非技術密集型行業的dt_patent系數均顯著為正，即數字技術創新促進了該行業企業全要素生產率提升。進一步地，為考察兩組樣本的差異，引入數字技術創新與虛擬變量的交乘項，發現交乘項系數在1%的水平上顯著為負，即與非技術密集型行業相比，技術密集型行業企業的數字技術創新對全要素生產率的提升作用偏弱。該結論與陶鋒等（2023）認為數字技術創新對低技術傳統行業企業市場價值的提升效應更強的觀點類似。究其原因，可能在于，技術密集型產業以其高勞動者素質、高創新能力和高附加值等優勢，被我國列入重點扶持的行業，這些因素共同推動了該行業上市公司專業化水平的進一步提升（鐘業喜等，2018）。因而其數字技術創新促進TFP提升的邊際效應弱于產業配套設施不完善、技術壁壘偏低的非技術密集型的傳統產業，即技術存量較低的公司擁有更大的技術積累空間（Imbriani et al.，2014）。該結論一方面表明了當下非技術密集型企業抓住數字經濟發展契機，實行轉型升級的重要性。同時也是快時尚巨頭SHEIN迅速超越知名品牌ZARA、HM，并在2022年成為全球第一的電商領域獨角獸的現實印證。另一方面也反映了當前數字技術創新作為企業應對數字化趨勢的差異化競爭優勢戰略，其對初級的、一般的產業表現出較強的普惠性，而并未改變高技術水平行業的競爭力，其效能有待進一步釋放。

③企業規模。不同規模企業的數字技術創新對高質量發展的賦能效應可能會不同。Bessen and Righi（2019）認為，相比于小型企業，大企業由于其市場影響力和資源優勢，更有可能進行IT應用的投資，并在此基礎上推進數字技術的創新活動，從而增強其全要素生產率。為驗證數字技術創新在不同規模企業高質量發展賦能效應的異質性，引入企業規模虛擬變量（企業員工人數大于中位數為1，否為0），結果見表7列（7）—（9）。數字技術創新推動了大規模企業高質量發展的同時，在一定程度上抑制了小規模企業。進一步地，為考察兩組樣本的差異，引入數字技術創新與企業規模虛擬變量的交乘項，其在1%的水平上通過了顯著性檢驗且系數為正，這說明數字技術創新在大規模企業中的影響效應強于小型企業，與李治國和王杰（2021）、謝謙和郭楊（2022）的研究結論類似。

2.數字技術運用賦能企業高質量發展的異質性分析

同樣地，在此從上市公司類型、行業類型和企業規模層面，進一步考察數字技術運用賦能企業高質量發展的異質性。相關檢驗結果如表8所示。

基于列（1）—（3）可知，數字技術運用同樣對數字經濟與非數字經濟企業的高質量發展具有顯著的促進效應，與數字技術創新不同的是，其交互項系數未能通過顯著性檢驗，即數字技術運用對是否為數字經濟上市公司TFP的促進作用無顯著差異性。這一結果體現了數字技術的推廣和應用所帶來的普惠性，為深化發展數字經濟規模提供實踐支撐。

在行業類型上，數字技術運用與是否為技術密集型虛擬變量的交互項系數在1%水平上顯著為負，該結論同數字技術創新一致，即數字技術運用對非技術密集型企業全要素生產率的提升效應更強。不同的是，數字技術運用對TFP的影響效應在技術密集型的企業中系數不顯著。這說明，趨同戰略所反映的企業數字技術的表面推廣和應用無法促進技術密集型企業高質量發展，強調了深層次的數字技術創新的重要性。

在企業規模層面，與是否為數字經濟企業的結果一致，其交互項系數為正但未通過顯著性檢驗，即數字技術運用對TFP的賦能效應在不同規模企業中無顯著差異。該結果進一步說明了數字技術的廣泛應用對經濟社會發展的普惠推動作用。

（四）機制分析

1.數字技術采納策略與企業技術差距

數字技術為企業提升技術水平提供了新的創新工具和手段，當前我國仍面臨著價值鏈低端鎖定、關鍵核心技術被封鎖等突出問題。那么我國作為數字經濟第二大國，數字技術的采納能否助力企業技術水平的提升是值得進一步探討的實踐問題。企業數字技術采納策略對不同技術差距態勢（正向技術差距和逆向技術差距）的異質性影響的回歸結果見表9所示。

在企業技術差距整體樣本中，數字技術采納對技術差距的影響呈現出差異性。分樣本來看，在behind_tg回歸結果中，數字技術運用在1%水平下系數顯著為負，表明其可以縮小落后企業與美國技術水平的差距，但數字技術創新未能通過顯著性檢驗，假設H2a得到部分驗證。類似地，在lead_tg回歸結果中，數字技術運用的系數顯著為正，而數字技術創新同樣未能達到顯著性水平，這說明趨同性策略的數字技術運用可以正向促進領先企業技術水平的進一步提升，擴大逆向技術差距，而差異化策略的數字技術創新的作用效應在該層面未能得到證明，假設H2b得到部分支持。上述結論表明，當前數字技術創新未能顯著助力落后企業縮小技術差距和領先企業進一步提升技術水平。究其原因可能在于，一方面，創新活動所帶來的溢出效應并非一蹴而就，而是存在一定程度的滯后性，這就意味著即使企業在數字技術創新上進行了投資，但對企業當前階段的技術水平提升效應未能顯現。

另一方面，中國數字經濟規模位居全球第二，其廣泛的推廣和普及驅動經濟社會呈現出蓬勃發展的局面，但以數字技術為核心的相關應用尚處于初級階段，我國企業整體上數字技術創新水平偏低，對技術水平進一步提升的促進作用有限。該結論同時也表明了現有研究在籠統考察數字技術采納情況時，高估了其對經濟技術發展的賦能效應，證實了基于最優區分理論，從不同維度考察企業數字技術采納戰略的必要性。

2.不同技術差距在數字技術采納策略與高質量發展關系中的影響效應

領先企業與落后企業所處的技術水平態勢不同，其數字技術戰略的著力點也會存在差異，即不同類型技術差距可能調節著數字技術采納對企業高質量發展的促進效應。為進一步明晰技術差距的異質性作用機理，在此分別引入數字技術運用和數字技術創新與正向技術差距交互項、逆向技術差距交互項，式（3）和（4）回歸結果如表10所示。

在落后企業估計結果中，數字技術運用和創新與正向技術差距的交互項系數分別為-0.0662和-0.0176，且均在1%水平上顯著為負，表明正向技術差距削弱了數字技術采納對企業高質量發展的賦能效應。進一步地，為比較該削弱效應在不同數字技術戰略中的大小，模型（3）報告了標準化系數回歸結果，此時二者的交互項系數依然顯著為負，且數字技術創新影響力度大于數字技術運用（0.0187>0.0102），這表明了相比于數字技術運用，正向技術差距在數字技術創新與高質量發展關系中的負向調節效應更強，假設H3a得到驗證。即在一定技術差距下，落后企業更難以通過提高數字技術創新能力促進高質量發展，這也符合創新活動的周期長、高風險性和不確定性等因素引致的創新活動高門檻事實。

在領先企業估計結果中，數字技術運用與逆向技術差距的交互項系數在5%水平上顯著為正，而數字技術創新則未通過顯著性檢驗，表明逆向技術差距增強了領先企業通過數字技術運用促進高質量發展的能力，而在數字技術創新層面上的強化作用未得到證明，假設H3b部分得到支持。進一步地，標準化后的估計結果見最后兩列所示，交互項系數的方向和大小同標準化前幾乎一致。該結論表明，對于技術水平領先美國的企業，數字技術的推廣和運用能夠進一步提升企業TFP，而深層次的數字技術創新對企業TFP的賦能效應卻未得到經驗數據支持。造成該現象的原因可能在于，當前企業數字化應用特別是對數字技術的利用尚停留在內部組織結構調整、商業模式創新等初級階段，而數字技術成果轉化和產業化應用成效較低，真正推動企業高質量發展的高精尖技術有待進一步深入研發，這也是我國科技創新當前大而不強的根本原因。

五、結論與啟示

基于最優區分理論深入考察企業采納數字技術的復雜組織動機對高質量發展的影響效應及作用機理是本文探索的重點。主要研究結論如下：（1）特征性事實分析發現，一方面，將數據作為生產要素納入傳統生產函數后，企業TFP顯著提升；另一方面，我國大多行業企業勞動生產率低于對應的美國行業，尤其是在信息傳輸、軟件和信息技術服務業差距最大。（2）數字技術運用和創新均促進了企業高質量發展，在經過更換因變量刻畫方法、樣本子區間、考慮內生性以及聯合固定效應的一系列穩健性檢驗后，該結論依然成立。（3）數字技術運用對企業高質量發展的賦能效應在公司類型和企業規模中無顯著差異，而在非技術密集型行業中的影響效應更強。數字技術創新對企業高質量發展的賦能效應在非數字經濟上市公司、非技術密集型行業和大規模企業中更強。（4）數字技術采納策略對技術差距的影響效應表明，數字技術運用一方面顯著縮小了落后企業與美國技術水平的差距；另一方面又能夠促進領先企業技術水平的進一步提升，但數字技術創新的作用效應未能得到經驗數據支持。（5）正向技術差距在一定程度上削弱了落后企業數字技術采納對高質量發展的賦能效應，且相比于趨同性策略的數字技術運用，其在數字技術創新層面上的削弱作用更強。逆向技術差距增強了領先企業采納數字技術的紅利優勢，但該強化作用在數字技術創新與企業高質量發展關系中尚未得到經驗證據支持。

全球競爭環境日益動蕩復雜，亟須政府和企業借助數字經濟發展契機，加速高質量發展進程。本文研究結論同時還具有如下啟迪作用：

第一，促進數據要素的采集、存儲、處理和使用，建立和完善數據要素市場。政府應圍繞《數據安全法》，加快《數字經濟法》等相關法律法規體系建設，推動數據知識產權確權方案出臺，利用數據交易平臺，發揮市場在提高數據資源配置效率上的作用。在此基礎上，通過財政補貼或稅收優惠政策鼓勵企業向數據要素的管理和應用技術領域投入資金，重點聚焦于信息傳輸、軟件和信息技術服務業。進一步地，政府可通過建立數據平臺和信息系統，促進數據要素的集中、共享和聯通，以便數據的跨部門和跨行業應用。最后，加強數據人才的培養與技術普及，鼓勵高等院校開設數字經濟通識課程，提高全社會的數字技術治理能力及儲備水平，為釋放數據潛能提供一體化政策支撐，以充分發揮數據在經濟發展中的重要作用。

第二，加深對數字技術應用模式和經濟貢獻的理解，發揮其對企業高質量發展的賦能效應。一方面，企業應制定明確的數字化轉型戰略，確保數字技術的運用與企業的戰略目標息息相關。在此基礎上，培養員工數字化思維，在企業內部組建數字經濟業務部門，主管數字經濟相關工作，為企業快速跨越數字技術的初級應用階段，推進數字技術的實質性創新保駕護航。另一方面，企業應審視現有的業務流程，借助數字技術對其進行優化和改造的同時，加強內外部數字技術資源的整合與創新，避免只注重趨同性策略的數字技術的簡單運用，而忽視了能夠建立差異化競爭優勢策略的數字技術創新。

第三，依據行業、企業類型的異質性制定差異化的數字技術戰略，實現數字技術引入的分類施策和精準施策。對于一般的、普通型行業企業，在加強數字技術的普及和應用推動傳統產業轉型升級的基礎上，運用數字技術創新實現成熟產業的現代化。具體地，對員工數字技術的培訓，不僅涉及基本的數字技術知識和技能，還應包含與特定業務相關的數字化工具和平臺，以實現普惠性的發展。對于高水平、高競爭力的行業企業，應更加注重數字技術在技術創新各個環節的滲透。搭建數字化研發平臺，投資研發包含人工智能、大數據分析等高新技術，整合各類研發資源和技術工具，加速技術研發和創新，助力突破高精尖技術壁壘。

第四，依據技術差距的變化態勢對數字技術不同戰略維度的協調組合進行動態調整。對于技術水平落后的企業而言，可通過先引入數字技術實施小規?；臄底只椖康姆绞剑鸩椒e累經驗和成果，推動技術水平的提升，以更好地運用數字技術，形成螺旋上升式發展模式。對于領先企業，建立跨行業、跨區域的數字技術聯盟和技術轉移中心，加強成果共享和產業化，加快數字技術創新應用進程，推動中國科技創新由大向強轉變。

參考文獻

伏玉林、蘇暢，2013，“公共RD投資在制造業部門生產率差異——部門技術水平重新劃分的視角”，《科學學研究》，第9期，第1321-1330頁。

谷均怡、李青藍、班元浩，2023，“數字化轉型能否推動中國企業進口擴大——來自上市公司的經驗分析”，《南方經濟》，第11期，第123-141頁。

何建篤、孫新波，2022，“數字時代國際創業企業的技術實力對國際創業模式影響機理的多案例研究”，《研究與發展管理》，第2期，第164-178頁。

洪銀興、任保平，2023，“數字經濟與實體經濟深度融合的內涵和途徑”，《中國工業經濟》，第2期，第5-16頁。

黃勃、李海彤、劉俊岐、雷敬華，2023，“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”，《經濟研究》，第3期，第97-115頁。

黃群慧、余泳澤、張松林，2019，“互聯網發展與制造業生產率提升：內在機制與中國經驗”，《中國工業經濟》，第8期，第 5-23頁。

黃速建、肖紅軍、王欣，2018，“論國有企業高質量發展”，《中國工業經濟》，第10期，第19-41頁。

黃先海、宋學印，2017，“準前沿經濟體的技術進步路徑及動力轉換——從‘追趕導向’到‘競爭導向’”，《中國社會科學》，第6期，第60-79+206-207頁。

李治國、王杰，2021，“數字經濟發展、數據要素配置與制造業生產率提升”，《經濟學家》，第10期，第41-50頁。

劉國武、李君華、湯長安，2023，“數字經濟、服務業效率提升與中國經濟高質量發展”，《南方經濟》，第1期，第80-98頁

劉莉亞、金正軒、何彥林、朱小能、李明輝，2018，“生產效率驅動的并購——基于中國上市公司微觀層面數據的實證研究”，《經濟學（季刊）》，第4期，第1329-1360頁。

魯曉東、連玉君，2012，“中國工業企業全要素生產率估計：1999—2007”，《經濟學（季刊）》，第2期，第541-558頁。

買憶媛、古鈺、葉竹馨，2023，“最優區分視角下新手創業者設立CTO的影響因素研究”，《南開管理評論》，第2期，第166-176+187頁。

宋敏、周鵬、司海濤，2021，“金融科技與企業全要素生產率——‘賦能’和信貸配給的視角”，《中國工業經濟》，第4期，第138-155頁。

孫浦陽、蔣為、陳惟，2015，“外資自由化、技術距離與中國企業出口——基于上下游產業關聯視角”，《管理世界》，第11期，第53-69頁。

陶鋒、朱盼、邱楚芝、王欣然，2023，“數字技術創新對企業市場價值的影響研究”，《數量經濟技術經濟研究》，第5期，第68-91頁。

王宏鳴、孫鵬博、郭慧芳，2022，“數字金融如何賦能企業數字化轉型？——來自中國上市公司的經驗證據”，《財經論叢》，第10期，第3-13頁。

王文娜、陽鎮、梅亮、陳勁，2023，“價值鏈數字化能產生創新賦能效應嗎？——來自中國制造企業的微觀證據”，《科學學與科學技術管理》，第2期，第33-55頁。

王一鳴，2020，“百年大變局、高質量發展與構建新發展格局”，《管理世界》，第12期，第1-13頁。

謝謙、郭楊，2022，“數字技術、創新要素結構優化與企業全要素生產率”，《北京師范大學學報（社會科學版）》，第6期，第 134-144頁。

徐建斌、彭瑞娟、何凡，2023，“政府創新補貼提升數字經濟企業研發強度了嗎？”，《經濟管理》，第4期，第172-190頁。

尹俊雅、王海，2020，“高新區政策的技術追趕效應——基于內外資企業TFP差距的分析”，《經濟學動態》，第11期，第115-130頁。

趙宸宇、王文春、李雪松，2021，“數字化轉型如何影響企業全要素生產率”，《財貿經濟》，第7期，第114-129頁。

趙星、李若彤、賀慧圓，2023，“數字技術可以促進創新效率提升嗎？”，《科學學研究》，第4期，第732-743頁。

鄭麗，2022，“企業技術創新的趨同性——基于創新差距的視角”，《山西財經大學學報》，第10期，第85-97頁。

鐘業喜、傅鈺、郭衛東、邱靜，2018，“中國上市公司總部空間格局演變及其驅動因素研究”，《地理科學》，第4期，第485-494頁。

Aghion， P.， Blundell， R.， Griffith， R.， Howitt， P. and Prantl， S.， 2009， “The Effects of Entry on Incumbent Innovation and Productivity”， The Review of Economics and Statistics， 91（1）： 20-32.

Berger， E.S.C.， Von Briel， F.， Davidsson， P. and Kuckertz， A.， 2021“Digital or not-The Future of Entrepreneurship and Innovation”， Journal of Business Research， 125： 436-442.

Bessen， J. and Righi， C.， 2019，“Shocking Technology： What Happens When Firms Make Large IT Investments？”， Law and Economics Re？ search Paper Series， No.19-6.

Chesbrough， H.， 2006， “Open Business Models： How to Thrive in the New Innovation Landscape”， Boston：Harvard Business School Press.

Doan， K.， Carrino， S.， Ivanova， N.V. and Evtodieva， T.E.， 2021， “Digital Economy and Intelligent Supply Chain Management： International Experience”， Current Achievements， Challenges and Digital Chances of Knowledge Based Economy， 743-751.

Forman， C. and Van Zeebroeck， N.， 2019， “Digital Technology Adoption and Knowledge Flows Within Firms： Can the Internet Overcome Geo？ graphic and Technological Distance？”， Research Policy， 48（8）： 103697.

Goldfarb， A. and Tucker， C.， 2019， “Digital Economics”， Journal of Economic Literature， 57（1）： 3-43.

Imbriani， C.， Pittiglio， R.， Reganati， F. and Sica， E.， 2014， “How Much do Technological Gap， Firm Size， and Regional Characteristics Matter for the Absorptive Capacity of Italian Enterprises？”， International Advances in Economic Research， 20： 57-72.

Levinsohn， J. and Petrin， A.， 2003， “Estimating Production Functions Using Inputs to Control for Unobservables”， The Review of Economic Studies， 70（2）： 317-341.

Liu， Z.， Zhou， J. and Li， J.， 2023， “How do Family Firms Respond Strategically to the Digital Transformation Trend： Disclosing Symbolic Cues or Making Substantive Changes？”， Journal of Business Research， 155： 113395.

Nelson， R.R.， 1991， “Why do Firms Differ， and How does It Matter？”， Strategic Management Journal， 12（S2）， 61-74.

Schuster， C.L.， Nicolai， A.T. and Covin， J.G.， 2020， “Are Founder-led Firms Less Susceptible to Managerial Myopia？”， Entrepreneurship Theory and Practice， 44（3）： 391-421.

Sorbe， S.， Gal， P.， Nicoletti， G. and Timiliotis， C.， 2019， “Digital Dividend： Policies to Harness the Productivity Potential of Digital Technolo？ gies”， OECD Economic Policy Papers， No.26.

Van Knippenberg， D.， Dahlander， L.， Haas， M.R. and George， G.， 2015， “Information， Attention， and Decision Making”， Academy of Manage？ ment Journal， 58（3）： 649-657.

Xu， R. and Guan， E.， 2022， “Can Blockchain Innovation Promote Total Factor Productivity？ Evidence from Chinese-listed Firms”， Applied Economics， 55（6）： 653-670

Zhao， E.Y.， Fisher， G.， Lounsbury， M. and Miller， D.， 2017， “Optimal Distinctiveness： Broadening the Interface between Institutional Theory and Strategic Management”， Strategic Management Journal， 38（1）， 93-113.

Digital Technology Adoption Strategy， Technology Gap and High-quality Development of Enterprises： Perspective of the Optimal Distinctiveness Theory

Su Qilin Wu Jing Su Xiaohua

Abstract： Digital technology has changed the basis of enterprise competition and is the core driving force for high-quality de？ velopment of enterprises. Based on the optimal distinctiveness theory， this paper identifies the digital technology adoption strategies of enterprises to cope with the convergence and differentiation of digital trends. In view of the technology stage as the situational element of enterprises’ optimal differentiation， this article takes the US industry as the technology benchmark and based on the panel data of A-share listed companies from 2010 to 2021， and then empirically analyzes the effect of digi？ tal technology adoption strategies on the high-quality development of enterprises and the mechanism of different technology gaps.

The main conclusions of this paper are as follows： （1） After the inclusion of data factors， the TFP of Chinese enterprises has increased significantly， but the technical level of enterprises in most industries is still lower than that of the United States.（2） Both the application and innovation of digital technology promote the high-quality development of enterprises， and the ef？ fect of the former is greater than that of the latter， and the enabling effect of the two on enterprise TFP is heterogeneous in dif？ ferent types of enterprises and industries. （3） The application of digital technology has narrowed the technological gap be？ tween China and the US， and promoted the further improvement of leading technology level. However， the theoretical effect of digital technology innovation has not been supported by empirical data. （4） The forward and reverse technology gaps respec？ tively weaken and strengthen the enabling effect of enterprise digital technology utilization on high-quality development， and the impact effect is heterogeneous across different digital technology strategies： compared with digital technology application， the weakening effect is stronger in digital technology innovation， but the strengthening effect is not significant.

This paper offers valuable contributions in the two aspects. On one hand， this paper uses the optimal distinctiveness theory to identify the adoption strategies of different digital technologies in enterprises， and clarifies the phenomenon that the connotation of the existing digital technology measurement indicators is ambiguous and inconsistent. On the other hand， tech？ nology stage is taken as the best distinction of the enterprise， and enterprise technology gap is embedded in the research framework of digital technology and high-quality development， so as to clarify how to coordinate the configuration of digital technology strategies in different technological situations. At the same time， the conclusions of this paper provide practical guidance for enterprises to effectively adopt digital technology to narrow the technology gap， and provide policy implications for the government to formulate appropriate digital economy development strategy.

Keywords： Optimal Distinctiveness Theory； Digital Technology Adoption Strategy； Technology Gap between China and the US； High-quality Development

① 盡管廣東金融學院已發布中國上市企業數字化轉型指數與本文數據要素指標基本吻合，但其區間為2016—2020年，為研究數據前后的一致性，本文采用python編程對相關數據進行了詞頻統計與分析。

② 中間投入以總產出減去增加值表征，進一步地，增加值由“分配法”計算得到，即為固定資產折舊、勞動者報酬、生產稅凈額和營業盈余的四項之和（劉莉亞等，2018）。

① 騰訊研究院發布的《維度、力度和限度：中國數字經濟發展觀察報告（2021）》。

① 2018年“互聯網+”、人工智能創新發展和數字經濟試點重大工程的通知；2020年的《關于推進“上云用數賦智”行動 培育新經濟發展實施方案》；2021年“十四五”數字經濟發展規劃和《數字經濟對外投資合作工作指引》。

① 按照證監會2012版行業代碼分類，技術密集型產業包含C26-C28、C34-C40、I63-I65、M73和M74。

①為便于回歸結果的解讀，將正向技術差距的樣本（樣本值均為負或0）取絕對值。

（責任編輯：楊學儒）