企業數字化對全要素生產率的影響研究

摘"要：文章利用2012—2019年上市公司的面板數據，以技術創新理論為基礎，探討了企業數字化如何影響全要素生產率，并分析了綠色技術創新的中介作用。研究結果表明：企業數字化對企業全要素生產率具有促進作用，這一結論在穩健性檢驗后仍然有效。從作用機制看，企業數字化助力綠色技術創新，降低了能源消耗和單位成本，從而推動企業全要素生產率的增長。深入分析發現，對于非國有企業數字化的生產率效應更為顯著，同時中西部地區企業數字化帶來的生產率效應也優于東部。文章解釋了關于企業數字化與全要素生產率關系現有研究中的不一致性，并通過研究綠色技術創新的中介作用，為企業數字化的實證研究提供了新的視角。

關鍵詞：數字化；全要素生產率；綠色技術創新

中圖分類號：F49文獻標識碼：A文章編號：1005-6432（2025）"05-0074-05

DOI：10.13939/j.cnki.zgsc.2025.05.019

1"引言

2021年12月國務院印發的《“十四五”數字經濟發展規劃》指出，我國以“數字技術與實體經濟深度融合”為主線，促進數字技術與各產業融合發展，并進一步“加快企業數字化轉型升級”，最終實現“數字化創新引領發展”的目標。然而，大多數企業尚未進行或處在數字化初級階段。在數字技術高度繁榮和企業追求高生產率的背景下，研究企業數字化對全要素生產率的影響及其原理至關重要。

綠色技術創新已成為企業進行綠色生產和可持續發展的關鍵途徑，有利于提高全要素生產率。同時，企業數字化可以提高團隊成員培訓質量和員工能力，促進數字技術轉化為生產技術，產生生產率效益。因此，文章采用實證研究方法，將綠色技術創新作為中介因素，深入探討企業數字化與全要素生產率之間的聯系及其作用路徑。文章的主要工作包括兩個方面。首先，從熊彼特技術創新理論視角出發，使用中國上市公司作為樣本，探究企業數字化如何影響全要素生產率。其次，分析企業數字化對全要素生產率的傳遞路徑，明確企業數字化對企業創新，特別是綠色技術創新的加持作用，深入理解其影響機制。總之，文章的主要貢獻包括：首先，擴展了有關企業數字化與全要素生產率的學術研究，提供了實證支持。其次，從企業數字化助力創新的角度深入研究了對全要素生產率的影響路徑，為企業數字化與綠色技術創新提供了新的視角和內容，也為企業技術創新提供了有益參考。

2"文獻綜述與研究假設

2.1"企業數字化與全要素生產率

技術創新理論主張技術進步和創新對經濟增長、企業競爭力和社會發展的決定作用，強調技術創新的重要性，認為技術創新是推動經濟增長、提高生產效率和增強企業競爭力的關鍵因素。企業數字化賦能了公司治理、投資融資等渠道。首先，數字化技術的發展使得公司創始人控制權得到了保障，可以根據大數據資源做出最優決策，從而降低內部治理成本，提高企業生產率（陳德球和胡晴，2022）[1]。其次，投資作為拉動企業發展的“三駕馬車”之一，不僅是企業獲得競爭優勢的關鍵因素，更是企業提高生產率的重要引擎（姜浩等，2023）[2]。因此，企業數字化賦能公司治理、投資效果，從而實現企業穩定持續經營發展，提高全要素生產率，文章做出假設H1。

H1：企業數字化可以促進企業全要素生產率的提高。

2.2"綠色技術創新的中介效應

從企業數字化賦能技術創新角度分析，張玉等（2023）通過研究發現，數字化轉型有助于企業吸收能力提高，從而促使企業創新水平提升[3]。劉翔宇等（2023）通過研究發現，數字技術可以通過促進人力資源優化配置、優化企業財務經營問題，加強內部控制，降低各項費用，給企業綠色技術的發展提供物質基礎[4]。由此，文章做出假設H2a；同時，在當前環境保護和可持續發展的大背景下，綠色技術創新可以幫助企業提升其所占有的市場份額并改善企業形象，從而增強企業的競爭力（武力超等，2021）[5]。因此，文章做出假設H2b。

H2a：企業數字化正向影響企業綠色技術創新。

H2b：企業數字化可以通過促進綠色技術創新進而促進全要素生產率的提高。

2.3"全要素生產率與企業數字化的進一步分析

由于各地區技術環境、政策條件、發展水平、數字基礎設施建設都存在差異，因此各地企業數字化存在異質性。就中國現實情況而言，各地數字基礎設施建設以及國家政策是有差別的。為了推動中西部企業數字化，國家發布了“西部大開發”“數字經濟示范區”等一系列有利于中西部企業數字化的政策。研究表明，政府政策是激勵企業數字化轉型的重要推動力（蔡宏波等，2023）[6]。然而對于東部地區而言，受益于沿海地區高度經濟發展水平以及完備的技術條件，企業數字化總體水平高于中西部。由此，文章做出假設H3a。

H3a：地理位置對全要素生產率與企業數字化關系具有異質性影響。

由于產權性質不同，國有企業與非國有企業在政策條件、財務環境、經營目的方面均存在差異。國有企業通常在國家政策、財政撥款、技術支持方面具有相應的優勢，從而使得企業有更多的自主權和可能性去研究更多的數字化技術；而對于非國有企業而言，經營的目的是獲得更多的收益，并且非國有企業面臨更高的成本和競爭壓力，企業數字化意愿強。因此，文章做出假設H3b。

H3b：產權性質對全要素生產率與企業數字化關系具有異質性影響。

3"研究設計

3.1"樣本選取

文章以2012—2021年在滬深交易所上市的公司為研究對象。為確保數據的準確性并減少特定行業和異常數據的偏差，對樣本進行了如下篩選：排除了金融和保險行業的數據；移除了當年被ST標記的公司數據；篩除了缺失數據或數據異常的公司。經過篩選，最終得到了20284個有效觀測數據點。

3.2"數據收集

文章中的企業數據取自于"CSMAR數據庫和馬克數據庫。而行業和區域的數據則來源于《中國環境統計年鑒》《中國科技統計年鑒》《中國工業統計年鑒》和《中國統計年鑒》等出版物。所有數據的統計和分析均通過Stata17軟件和Excel軟件來完成。

3.3"變量說明

3.3.1"被解釋變量

被解釋變量為企業全要素生產率（TFP）。文章采用魯曉東和連玉君的做法（2012）選用固定效應的面板數據方法估計全要素生產率[7]。假設生產函數為C-D生產函數：

Yi，t=α0+αli，t+βki，t+γmi，t+ωi，t+εi，t（1）

其中，Yi，t為企業i在t時期產出的對數；li，t、ki，t、mi，t分別為勞動投入、資本投入、中間投入；ωi，t為企業全要素生產率；εi，t為隨機誤差。

其中，勞動投入使用員工人數取對數進行衡量。資本投入使用固定資產凈額取對數進行衡量。中間投入則使用營業成本、銷售費用、管理費用、財務費用的總和減去折舊攤銷和支付給職工的現金后的數額取對數進行衡量。最后使用Stata軟件利用LP法衡量全要素生產率。

3.3.2"解釋變量

解釋變量為企業數字化程度（Dia）。文章借鑒吳非等（2021）的做法，利用CSMAR數據庫數據，從上市公司年報中提取人工智能、區塊鏈、云計算、大數據、數字技術應用等有關的關鍵詞，在剔除掉含有否定字眼的關鍵詞，對詞頻進行計數后，加一取對數，以衡量企業的數字化水平[8]。

3.3.3"中介變量

中介變量為企業綠色技術創新（lnGre）。用企業當年申請的綠色專利數量衡量綠色創新，綠色專利申請數量可以最直觀有效地展現出企業為綠色技術創新做出的努力，文章將其統計并加一后取對數進行度量（馬永強等，2021）[9]。

3.3.4"控制變量

考慮到其他因素對實證結果帶來的影響，文章參考以往的研究選取：①企業資產負債率：年末總負債/年末總資產；②凈資產收益率：凈利潤/股東權益平均余額；③現金流比率：經營活動產生的現金流量凈額除以總資產；④股權制衡度：第二大股東持股比例除以第一大股東持股比例；⑤托賓Q指數：（流通市值+非流通股數量×每股凈資產+負債的賬面值）/總資產。此外，考慮到企業特性和時間趨勢可能造成的偏差，文章在回歸分析時加入了企業效應（Firm）和年度效應（Year）作為控制變量。

3.4"研究模型設定

為驗證H1，文章設置了如下模型：

TFPi，t=α0+α1Diai，t+∑Controls+∑Firm+∑Year+εi，t"（2）

其中，i的含義為第i個企業，t代表年份為t年度，TEP為i企業在第t年的全要素生產率；Dia表示i企業在t年的數字化程度；Controls代表控制變量的合集，Firm和Year分別表示公司以及年度的固定效應。

4"實證結果與分析

4.1"描述性統計

根據各主要變量的描述性統計分析結果，處理后觀測值共20284個，包含了2012—2021年的大多數上市公司，企業全要素生產率的平均值為8.385，波動范圍為4.496～13.00，標準差為1.078，顯示企業的全要素生產率分布相對集中。數字化水平的平均值為1.416，最小值為0，最大值為6.306，其標準差為1.444，表明企業數字化水平存在差異性。此外，模型中其他變量的各項數據均處在合理區間。

4.2"相關性分析

表1為相關性分析，表示各變量的相關系數，由于變量選取樣本以及數量等因素，變量間相關系數顯著性會受到影響，但文章中各主要變量的相關系數均在1%水平下顯著，相關性可以得到保障。另外，相關系數若大于0.7可能會有多重共線性的風險，但由表1可知，并不存在大于0.7的相關系數，可以認為不存在多重共線性。結合相關性分析以及方差膨脹因子分析，可以認為文章各主要變量之間存在明顯相關性，且沒有多重共線性。

4.3"回歸分析

豪斯曼檢驗通過檢驗固定效應與其他解釋變量是否相關，在固定效應模型和隨機效應模型之間進行選擇。文章根據豪斯曼檢驗，設定原價為文章應采用隨機效應模型；經過檢驗發現p值為0.0000，強烈拒絕原假設，故不應使用隨機效應模型，而應采用固定效應模型進行回歸分析。

4.3.1"基準回歸

表2中，第（1）列為單一變量測試，結果顯示TFP與Dia的回歸系數為0.181且結果顯著。第（2）列為加入控制變量與固定年份效應后的結果，企業數字化與企業全要素生產率的回歸系數為正且結果顯著。根據第（3）列數據，二者之間的關系在同時固定行業與年份效應的情況下，變量（Dia）的回歸系數達到0.074并且仍在1%的水平上顯著。上述結果意味著企業數字化提升了企業全要素生產率，H1得到驗證。

4.3.2"作用機制分析

前文的理論分析認為，企業數字化可以賦能綠色技術創新為企業帶來生產率效應。為此，文章采用中介效應檢測的方法，探索企業數字化影響綠色技術創新的作用機制。中介效應研究方法主要有兩種：逐步回歸法以及Sobel檢驗法。在作用機制分析中，文章采用Sobel檢驗法；在穩健性檢驗中調整回歸方法，采用三步回歸法進行穩健性檢驗。

依據Sobel檢驗結果，中介效應的統計值為0.0192，并在0.01的顯著性水平上表現顯著。這意味著綠色技術創新水平在企業數字化與企業全要素生產率之間起到了顯著的中介作用，有約"13.73%的效應是通過綠色技術創新水平這一中介變量實現的。這些結果證實了綠色技術創新水平在企業數字化與企業全要素生產率之間存在橋梁作用。企業數字化不僅直接提高了企業的全要素生產率，還通過促進綠色技術創新水平間接地提高了生產率。這為企業提供了一個新的視角，即通過加強數字化轉型和綠色技術創新，可以更有效地提高生產效率，即H2a、H2b成立。

4.3.3"穩健性檢驗

為了檢驗基準回歸結果受被解釋變量度量方法的影響，使研究結果更具有穩定性，文章選擇調整全要素生產率的度量方法為OP法進行基準回歸檢驗。檢驗結果表明：企業數字化對全要素生產率影響與前文一致，假設H1仍然成立。

4.3.4"異質性分析

文章根據王宏鳴等（2022）的地域劃分，進一步分析我國不同地域數字化轉型的效果[10]。表3為地域異質性檢驗結果，與東部地區相比，中部和西部企業數字化水平更顯著地促進了企業全要素生產率的提升。文章認為，企業數字化水平對企業全要素生產率的提升具有邊際效應，即企業數字化水平到達邊際時對企業全要素生產率的提升作用降低；另一個可能的原因是東部地區企業在數字化轉型方面的早期起步以及市場中企業數字化高度飽和，使得企業數字化差異性降低，難以獲得競爭優勢。反觀中西部地區，由于其數字化基建的相對滯后起步，為企業提供了巨大的數字化潛能，從而更為有效地促進了生產率的提升。

此外，文章進一步細分企業為國有與非國有兩大類別，旨在探索不同產權性質的企業在數字化轉型中如何影響其全要素生產率。在表3中展示了異質性分析的結果，國有企業與非國有企業全要素生產率都會受到綠色技術創新的影響。值得注意的是，非國有企業數字技術的進步更容易促進全要素生產率的提高，原因是非國有企業為追求更好經濟效益和更強市場競爭力，因此更傾向于進行數字化變革，以進一步發展數字技術，從而優化生產并提升效率。然而，國有企業由于轉型變革阻力較大，不能靈活地針對技術與市場進行組織優化和轉型，導致企業數字化技術應用水平低，鉗制了企業全要素生產率的提高。

5"結論

（1）在回歸模型中，企業數字化與全要素生產率的系數均為正且在1%的統計水平上顯著，說明企業數字化與生產率之間存在正向關系。

（2）當納入綠色技術創新的中介因素后，企業數字化與全要素生產率之間的聯系變得更為顯著，表明綠色技術創新在這一過程中起到了中介作用。

（3）企業數字化轉型水平存在地域異質性，中部和西部企業數字化水平的提高為企業生產率提升貢獻更大，而東部效果則弱于中西部地區，文章認為是由于東部地區的數字化飽和度和中西部地區的數字化潛能。

（4）國有企業與非國有企業的全要素生產率都會受到數字化水平提高的影響，產生正面效應，但非國有企業數字化轉型對全要素生產率的提高更顯著，可能與非國有企業在數字化轉型中的靈活性和創新能力有關。

參考文獻：

[1]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.

[2]姜浩，吾買爾江·艾山，鄧峰.高管團隊薪酬差距、投資效率與企業全要素生產率[J].技術經濟與管理研究，2023，44（6）：49-54.

[3]張玉，馬光旭，徐功文.數字化轉型對企業創新的影響研究——基于公司內部視角[J].經營與管理，2024（2）：24-31.

[4]劉翔宇，李文韜，娜比拉·海薩爾.數字化轉型與企業綠色技術創新——兼論環境信息披露的調節作用[J].工業技術經濟，2023，44（8）：59-69.

[5]武力超，陳韋亨，林瀾，等.創新及綠色技術創新對企業全要素生產率的影響研究[J].數理統計與管理，2021，40（2）：319-333.

[6]蔡宏波，湯城建，韓金镕.減稅激勵、供應鏈溢出與數字化轉型[J].經濟研究，2023，69（7）：156-173.

[7]魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007[J].經濟學，2012，11（2）：541-558.

[8]吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-145.

[9]馬永強，趙良凱，楊華悅，等.空氣污染與企業綠色創新——基于我國重污染行業A股上市公司的經驗證據[J].產業經濟研究，2021，20（6）：116-128.

[10]王宏鳴，孫鵬博，郭慧芳.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[J].財經論叢，2022，38（10）：3-13.