基于“VHSD-EM”模型的專精特新“小巨人”企業數字化成熟度評價

摘要：專精特新“小巨人”企業數字化升級能夠助力制造業強鏈補鏈，使其走上高質量發展快車道，對制造業強國建設具有重要意義。基于2016—2022年相關數據，運用“VHSD-EM”組合評價模型對“小巨人”企業數字化成熟度進行評價分析。結果表明：專精特新“小巨人”企業數字化成熟度可劃分為4個等級，各等級樣本企業在行業分布上呈現集聚趨勢；先進制造業與傳統制造業樣本企業數字化成熟度呈現兩極分化，基于空間維度的排序如下：中心城市＞東南沿海地區＞南部地區＞西部地區＞北部地區，且隨時間推移波動較大；政府補貼、財政科技支出、市場競爭強度和企業規模總體上對“小巨人”企業數字化成熟度具有顯著影響，但不同數字化成熟度等級樣本企業影響因素存在差異。結論可為“小巨人”企業數字化實踐提供參考。

關鍵詞：“小巨人”企業；數字化成熟度；“VHSD-EM”模型；投入—產出理論；影響因素

中圖分類號：F272.7-39

文獻標識碼：A

文章編號：1001-7348（2025）03-0141-11

0 引言

隨著信息化、數字化、智能化發展進程加快，制造業生產方式、業務流程、創新模式發生深度變革，由此助推一大批小而精的創新型企業發展壯大^[1]。需要指出的是，多數制造企業仍處于數字化轉型初級階段，特別是中小微制造企業。作為突破關鍵技術封鎖，建設制造強國的“排頭兵”，專精特新“小巨人”企業聚焦制造業短板，攻關《工業“四基”發展目錄》所列重點領域，即關鍵基礎材料、核心基礎零部件（元器件）、先進基礎工藝和產業技術基礎，借助數字技術實現創新，能夠一定程度上加速實現中國產業鏈及供應鏈系統自主安全可控。因此，國家高度重視“小巨人”企業培育工作。2021年，財政部、工業和信息化部聯合印發《關于支持“專精特新”中小企業高質量發展的通知》中指出，重點支持“小巨人”企業推進數字化、網絡化、智能化改造。2024年6月14日，工業和信息化部發布《關于進一步支持專精特新中小企業高質量發展的通知》，進一步支持專精特新中小企業高質量發展，為加快推進新型工業化、發展新質生產力、完善現代化產業體系提供有力支撐。經過數字化、綠色化改造的實體經濟在全球范圍內將更具競爭力，也更具韌性和可持續性。

“小巨人”企業認定標準不同于專精特新企業，根據《優質中小企業梯度培育管理暫行辦法》，“小巨人”企業需同時滿足“專、精、特、新、鏈、品”6個層面指標，這也成為“小巨人”企業的獨特優勢。實踐中，專精特新“小巨人”企業數字化升級面臨諸多困難，存在較大“數字鴻溝”^[2]。首先，數字化轉型需要大量資金投入，與大型制造企業相比，專精特新“小巨人”企業在技術、資金和人才等方面處于劣勢。其次，多數企業難以準確評估數字化轉型成本與收益。此外，區域發展不均衡導致數字化基礎參差不齊，這對中小企業數字化產生不利影響。因此，亟需構建中小制造企業數字化成熟度指標評價體系，厘清專精特新“小巨人”企業數字化成熟度現狀、差異、影響因素，以便為相關政策制定提供方向，從而助推中小企業數字化、智能化創新發展。數字技術賦能如何促使企業最大程度地發揮獨特優勢？據此，本文提出以下問題：如何構建“小巨人”企業數字化成熟度模型？不同行業和地區“小巨人”企業數字化成熟度分化情況如何？存在哪些關鍵因素對“小巨人”企業數字化成熟度產生影響？

本文基于“小巨人”企業6個評價標準構建以數字專業化管理、數字信息系統精細化、數字化特色經營、數字創新效率、產業鏈數字化和產品數字化為準則層的指標體系，采用2016—2022年相關數據，借助文本挖掘、隨機前沿法（SFA）、工具變量法等方法對指標進行測量，運用“VHSD-EM”組合評價模型對企業數字化成熟度進行測度及評價，從行業和空間維度進一步分析演化規律，并運用Tobit回歸模型探究“小巨人”企業數字化成熟度影響因素，以期豐富“小巨人”企業數字化成熟度評價研究，為“小巨人”企業政策制定與優化提供建議和參考。

1 文獻綜述

1.1 專精特新“小巨人”企業

自2019年專精特新“小巨人”企業遴選培育政策啟動以來，相關研究不斷涌現，具體如下：第一，政策實施效果研究。丁永健^[3]指出，“小巨人”企業培育相關政策可以通過提升技術水平顯著增強制造中小企業創新活力，且對于勞動密集型、技術密集型企業的影響更為顯著；張米爾^[4]研究表明，相關政策實施對發明專利申請具有顯著促進作用。第二，“小巨人”企業空間分布特征及影響因素研究。國家級“小巨人”企業整體上呈現“東密西疏、南多北少”的集聚型分布態勢^[5]，區域間城市群分布差異顯著，行業分布呈現“多點集聚”態勢。長三角地區呈現以省會城市及部分沿海沿江城市為極點的“兩核多極”集聚特征^[6]，以及以沿江、臨海都市圈為熱點區域的“一軸兩帶三圈”總體空間分布格局。此外，交通、土地利用及成本、外部支撐條件構成主要影響要素。第三，“小巨人”企業特色化研究。王瑤等^[7]發現，橋接科學家創始人通過技術知識搜索影響創新質量和數量，通過科學知識搜索影響技術創新質量。可見，現有“小巨人”企業研究主要關注政策實施效果、空間布局，數字技術與“小巨人”企業深度融合機制有待進一步挖掘。

1.2 數字化成熟度

測量數字化成熟度是數字化轉型量化研究的首要問題^[8]。國內外學者對數字化成熟度測量進行了探討，例如陸洋等^[8]將數字化轉型量化研究劃分為數字化轉型影響因素、數字化轉型水平測量和數字化轉型經濟績效3個方向，結果發現，數字化轉型水平測量具有全局性影響。作為評估和指導企業數字化轉型的工具，數字化成熟度模型具備描述性、規范性和基準設定3個主要特征^[9]。其中，描述性模型旨在促進企業數字化水平與成熟度相匹配；規范性目的在于定義成熟度級別，進而指明提升路徑與步驟；基準設定能夠幫助企業依據等級判斷基準實現跨界對標^[10]。國外數字化成熟度測度相關研究起步較早，而咨詢機構^[11]、工業和信息化部^[12]，以及華為等大型互聯網企業大多關注國內數字化成熟度相關研究。數字化成熟度研究視角可劃分為業務融合、技術驅動和能力基礎^[8]。

其中，國外基于業務融合視角的研究主要關注不同層級間的技術集成、產業鏈間的數字化集成以及端到端產品的運維集成^[12]。國內基于業務融合視角的研究強調數字產業化和產業數字化^[13]，遵循基礎建設、單項應用、綜合集成、協同創新邏輯，從局部到整體，適用于制造業評估。基于技術驅動視角的研究關注5G、智能軟件、管理信息系統、數據處理等技術演進對企業的驅動效應^[14]，強調數字化投入，注重戰略性但缺乏針對性。基于能力基礎視角的研究側重企業自身數字化條件^[15]，可為不同發展階段企業指明行動方向，具有較強的針對性，但缺乏完整的理論框架。王核成等^[16]開發的數字化成熟度模型（DMM）涵蓋各維度要素，但未提出具體模型定量測量方法。目前，數字化成熟度體系大多具有4～6個層級，蔣鑫等^[10]將其歸納如下：一是從無到有再到優，基于企業數字化應用和學習能力，強調經驗積累^[17]；二是基于企業與數字技術融合程度^[18]，采用二維縱橫交互度量模式進行等級劃分；三是基于數字信息運用能力進行層級劃分，如基于連接性、可見性、透明度、預測能力、適應性的等級劃分^[19]，強調數字化功能屬性的成熟度。現有模型測量方法主要分為指標法和核算法，指標法對數字化成熟度的評估較為全面，核算法是數字化成熟度的有效測量工具，兩者結合是較為理想的評價模式。以往相關研究大多采用文獻分析、專家訪談和實地調查等方法，缺乏定量數據支撐^[20]。

由此可見：第一，近年來專精特新“小巨人”企業相關研究不斷涌現，主要關注政策效果、空間布局等初步解構層面，并未涉及“小巨人”企業數字化成熟度；第二，數字化成熟度評價研究視角各有側重，構建邏輯存在較大差異，實證測度研究較少；第三，成熟度等級量化研究大多以專家打分和李克特五點量表等定性方法為主，數據精度不足，無法根據企業數字化發展進行動態更新。涉及數字化轉型程度，大多數相關研究采用詞頻統計和調查問卷進行測量^[21-23]，維度單一，一定程度上影響測量結果的精確度。本文從“小巨人”企業評定標準入手，整合多維度視角，將指標法和“投入—產出”核算法作為指標測度工具進行研究，可為特定類別企業數字化成熟度評價提供參考。

2 專精特新“小巨人”企業數字化成熟度評" 價機制

2.1 “小巨人”企業數字化成熟度指標體系構建

“小巨人”企業需要同時具備“專、精、特、新、鏈、品”6個層面的獨特優勢。其中，專業化強調對產業鏈某一環節或對某一產品進行深耕；精細化注重數字化、綠色化發展以及采用信息系統支撐業務；特色化強調主導產品的市場占有率及獨特優勢；創新能力側重知識產權和科技獎勵；產業鏈關注“補短板”“鍛長板”“填空白”的協同作用；主導產品側重產品細分市場，如制造業核心基礎零部件、元器件、關鍵軟件、先進基礎工藝、關鍵基礎材料和產業技術基礎。

通過梳理現有相關文獻，以工業和信息化部于2022年提出的《中小企業數字化水平評測指標》為框架，以數字化賦能“小巨人”企業“專、精、特、新、鏈、品”6個層面的具體表現作為準則層，兼顧指標選取的代表性、可操作性、可量化等原則，本文構建數字專業化管理、數字信息系統精細化、數字化特色經營、數字化創新效率、產業鏈數字化、產品數字化6個一級指標和13個二級指標。其中，企業數字化轉型是復雜且系統的過程^[24]，以往研究基于“投入—產出”理論進行數字化成熟度指標構建與測量^[20]，證實了其可行性。在此基礎上，本文將數字化基礎和數字化管理歸為企業數字化建設投入過程，將數字化經營和數字化成效歸為企業數字化建設產出過程，構建研究概念模型如圖1所示。

2.1.1 投入要素指標構念

（1）數字專業化管理。數字化轉型不僅是技術問題，而且是企業戰略問題與管理問題^[25-26]。對于“小巨人”企業而言，創始人或企業家作為主理人，在統籌戰略和管理的同時兼任多個角色。因此，本文認為，“小巨人”企業數字專業化管理不僅涵蓋技術、業務和流程，而且包括數字化戰略引領和數字化人才應用。以往研究將企業管理層是否設置首席信息官（CIO）與首席數據官（CDO）作為數字化戰略轉型測量維度^[1]。本文綜合考慮指標測算的全面性，加入管理層的數字創新導向進行加權測量，具體包括數字創新導向前瞻性、數字創新導向持續性、數字創新導向廣度和數字創新導向強度4個方面。

（2）數字信息系統精細化。數字化設備投入包括軟件、硬件、網絡及輔助設備購置與維護，是企業開展數字化轉型的基礎，能夠為自動化管理、高效生產運營、精準定制服務等提供有力支持^[27]。“小巨人”企業精細化管理強調數字化、綠色化以及采用信息系統支撐業務，因而數字化設備是“小巨人”企業實現精細化管理的基礎。以往研究將數字化投資分為硬件投資（固定資產中的計算機、電子設備等）和軟件投資（無形資產中的軟件資產）^[28]。借鑒以往研究思路，本文將數字化硬件投入與企業年報中的數字化設備投入、數字化在建工程等相關數據對應，將數字化軟件投入與數字化開發支出等相關數據對應，由此構建3個數字信息系統精細化的二級指標。

（3）產業鏈數字化。既有研究指出，焦點企業與產業鏈上下游企業數字化轉型水平正相關^[1]。數字技術能夠加快數據、信息和技術在各主體間擴散與傳播，打通中間環節，不斷優化營商環境，進而增加企業前向與后向關聯效益，最終形成產業鏈協同機制。范合軍等^[1]認為，產業鏈依賴度對企業上下游數字化協同發揮正向調節作用。因此，本文以產業鏈依賴度和焦點企業數字技術、業務流程數字化轉型程度加權作為產業鏈數字化聯動測量指標。

2.1.2 產出過程指標構念

（1）數字化特色經營。本文基于“投入—產出”視角，采用隨機前沿法對“小巨人”企業主營產品數字化經營效率進行測算，旨在揭示數字化賦能“小巨人”企業的獨特經營優勢。目前，主流效率測算方法有隨機前沿法（SFA）和數據包絡分析（DEA）^[20]。與DEA相比，SFA不僅可以將無效率項與隨機誤差項區分開來，確保測算效率的有效統一，而且考慮了隨機誤差項對個體的影響。由于研究樣本受政策、經濟等環境因素影響較大，本文采用SFA方法進行效率測量。本文將投入要素劃分為人力投入和資本投入，其中，人力投入以技術與研發人數的比值測量，資本投入以數字化設備投入、數字化在建工程、數字化開發支出總額測量。由此，產出要素以主營業務收入效率和主營業務成本效率進行測算。

（2）數字化創新效率。本文將數字化投入要素劃分為人力投入和資本投入，基于企業年報披露的數據特征，將數字化產出要素定義為專利新增、商標新增和軟件著作權新增。采用隨機前沿分析方法需要設定生產函數形式，現有常用生產函數形式為柯布道格拉斯函數（C-D）和超越對數函數（Trans-Log）。前者假定技術中性和產出彈性固定；后者能夠避免函數形式假設帶來的估計偏差。本文的研究目的在于探討企業數字化投入產出效率，故選擇C-D函數作為基準模型^[29]。

（3）產品數字化。由于無法采用統一維度對不同產品數字化程度進行系統評價，而“小巨人”企業主導產品涉及制造業核心基礎零部件、元器件、關鍵軟件、先進基礎工藝、關鍵基礎材料和產業技術基礎，具有技術先進性特征，與數字化密不可分。因此，本文將“小巨人”企業主導產品是否屬于先進制造業作為測量標準。以往研究將先進制造業定義為采用先進技術設備、現代化管理理念以及融入數字化生產方式的制造業^[30]，多數學者依據國家統計局發布的《高技術產業（制造業）分類（2017）》對先進制造業進行界定。本文遵循上述研究思路，將先進制造業定義為計算機、通信和其它電子設備制造業、醫藥制造業、汽車制造業、金屬制品業等行業，借助工具變量對指標進行賦值，得到產品數字化測量結果。各指標維度構建如表1所示。

2.2 “VHSD-EM”組合評價模型

目前，學者大多采用層次分析法、熵權Topsis等靜態方法對研究對象進行評價，上述方法的缺點在于無法對時序立體數據進行賦權。郭亞軍等^[31]的“VHSD”評價模型（縱橫向拉開檔次法）能夠突破以上靜態方法的局限，但可能忽略指標信息量問題。因此，本文基于熵值法（Entropy Method，簡稱EM）與“VHSD”模型進行綜合評價，在克服上述方法局限性的同時，能夠提高評價結果的可信度。

2.2.1 “VHSD”縱橫向拉開檔次法

針對n個被評價對象s1，s2…sn，取m個評價指標x1，x2…xm，按照時間順序t1，t2…tN獲得原始數據xij（tk），再將原始數據進行排列以構建時序立體數據表。由時序立體數據表支持的綜合評價問題被稱為動態綜合評價問題，如式（1）所示。

ytk=f（ω1tk，ω2tk，…，ωmtk;xi1tk，xi2tk，…，ximtk），k=1，2，…，N（1）

其中，yitk代表si在時刻tk處的綜合評價值，為消除指標量綱，本文對原始數據進行標準化處理。對于時刻tk（k=1，2…N），設定綜合評價函數如下：

yi（t）k）=∑mj=1ωjxij（tk），k=1，2，…，N;i=1，2，…，n（2）

為最大限度地體現各評價對象間的差異，本文采用tk的總離差平方和對權重系數ωj（j=1，2…m）進行刻畫（由于對原始數據已進行標準化處理，所以y-=0）。

σ2=∑Nk=1∑ni=1yitk－y-）2=∑Nk=1∑ni=1yitk2=∑Nk=1［ωTHkω］=ωT∑Nk=1［Hkω］=ωTHω（3）

其中，ω=（ω1，ω2，…，ωm）T，H=∑Nk=1Hk為m×m階對稱矩陣，Hk=ATkAk（k=1，2…N），且Ak計算如式（4）所示。

Ak=x11（tk）…x1m（tk）xn1（tk）…xnm（tk），k=1，2…N（4）

限定ωTω=1，當取ω為矩陣H最大特征值所對應的特征向量時，σ2取最大值。最后，將特征向量ω歸一化得到權重向量。

2.2.2 “EM”熵值法

首先，對原始數據進行標準化處理，計算變異系數如式（5）所示。

yij=x，ij∑mi=1x，ij（5）

由此可以構建數據比重矩陣Y=yijm×n。

其次，計算指標信息熵Ej，如式（6）所示。

Ej=－1ln （m）∑mi=1（yijln （yij））（6）

最后，計算差異性指數Dj以及指標權重ωj，其中差異性指數Dj=1－Ej，Dj與指標j包含的信息量成正比，權重計算如式（7）所示。

ωj=Dj∑nj=1Dj（7）

2.2.3 “VHSD-EM”縱橫向拉開檔次法與熵值法組合""" 評價模型

在指標評價方面，上述兩種方法具有互補性，分別能夠從靜態與動態兩個維度對指標進行刻畫，同時兼顧指標信息量。因此，本文取兩類指標權重的加權平均值作為“小巨人”企業數字化成熟度指標評價的最終權重，進而測算數字化成熟度最終得分。值得注意的是，為驗證評價方法的有效性，本文運用Matlab軟件對兩種方法的評價結果進行斯皮爾曼等級相關性檢驗。

2.2.4 時間維度上的加權處理

本文采用厚今薄古歸一化法對綜合得分進行時間維度上的加權處理，得到“小巨人”制造企業數字化成熟度最終得分。厚今薄古歸一化法處理數據的原理如下：時間維度上與當前時間距離越近權重越大，距離越遠權重越小。在時間區間[t1，tN]，時刻tk的時間權重如下：

wk=k/∑Nk=1k，k=1，2…N（8）

測度指標zi在[t1，tN]的綜合評價值如式（9）所示。

zi=∑Nk=1wkyi（tk），i=1，2，…，m（9）

3 實證分析

3.1 數據來源與處理

2019—2022年工業和信息化部累計培育4批專精特新“小巨人”企業，共8 997家，大部分屬于制造業。2015年《中國制造2025》提出“三步走”建設制造強國的戰略任務，傳統產業與新一代信息技術深度融合發展。因此，本文聚焦“小巨人”中的制造企業，考慮到政策實施效果具有時滯性以及數據的可比性，選取2016—2022年專精特新“小巨人”制造企業全部A股上市公司（共732家）作為初始樣本企業，剔除ST、*ST企業、年報缺失樣本企業，最終得到262家樣本。本文相關數據來源于WIND數據庫、CSMAR數據庫、上市公司官網。

在數字化相關詞頻統計方面，A1指標中，數字人才應用專業化以及管理層職務設立數據來自公司年報，管理層數字創新導向包括前瞻性、持續性、廣度和強度4個方面，統計范圍限定為年報中“管理層討論與分析”部分。其中，前瞻性選取第一次出現數字化轉型特征詞的年份與當前年份的差值，無相關詞記則為0；持續性選取截至當年年報出現數字化轉型特征詞的年份數量總數衡量；廣度以現數字化轉型特征詞的種類衡量；強度選取數字化轉型特征詞總字數（關鍵詞長度*詞頻）占“管理層的討論與分析”部分總字數的比值測量。A12指標采用剔除“管理層討論與分析”內容后，由數字化轉型帶來的技術、業務、流程轉變3個維度關鍵詞在年報中出現的總頻次測量。借鑒范合君^[1]的研究成果，A5指標中的產業鏈依賴度采用焦點企業與前五大供應商、前五大客戶交易金額占年度采購總額的比值衡量，該值越大表明產業鏈依賴度越高。其余數據來自上市公司年報。

3.2 “小巨人”企業數字化成熟度綜合評價結果

本文運用Matlab軟件對“VHSD-EM”組合評價模型進行測算，得出兩種方法下2016—2022年樣本企業各年度得分值，并對基于兩種評價方法的得分進行相關性檢驗。表2結果顯示，采用兩種方法測算的分值顯著正相關，因而本文選取的組合評價模型具有較好的穩定性。

本文通過運行Matlab軟件獲得考察期內每個年份的得分值，運用厚今薄古歸一化法進行二次加權，得到各樣本企業最終評價得分。限于篇幅，本文僅展示數字化成熟度排名前20與后20企業得分情況，見表3—表4。

通過對比分析可知，相比于空間分布，“小巨人”企業數字化成熟度的行業分化差異更為顯著。從所在省份看，“小巨人”企業數字化成熟度分布錯落有序，不存在較為顯著集聚趨勢；從行業分布看，“小巨人”企業數字化成熟度綜合分值排名前20的企業大部分屬于半導體、電子設備、儀器和元件、通信設備和化工等行業企業，排名后20的企業屬于機械、金屬、非金屬與采礦、專業服務和汽車零配件等傳統制造企業。本文以“小巨人”企業數字化成熟度的綜合分值為基準，采用四分位點法將其劃分為4個等級（高成熟度、較高成熟度、較低成熟度、低成熟度），綜合評分如表5所示。

3.3 異質性分析

為探究“小巨人”企業是否存在數字化轉型“數字鴻溝”問題^[2]，以及“小巨人”企業數字化成熟度演化規律，本文從行業維度、空間維度和影響因素3個層面對“小巨人”企業數字化成熟度測度結果作進一步分析。基于樣本代表性和測算結果客觀性，本文剔除企業樣本數量低于5的子類別，篩選后的子樣本涵蓋數字化成熟度4個等級，且在行業與省份維度上不低于樣本總量的90%，基于各年份“小巨人”企業數字化成熟度均值對演化規律進行分析。

3.3.1 行業維度上的“小巨人”企業數字化成熟度演""" 變分析

整體來看，“小巨人”企業數字化成熟度兩極分化情況較為嚴重，通信設備行業和電子設備、儀器、原件行業依托行業優勢率先引入5G、物聯網、人工智能等新技術推動數字化建設，具有較高的數字化成熟度水平；以機械和金屬、非金屬與采礦為代表的傳統行業技術集成難度較高，數字化成熟度水平較低，與其它行業存在顯著差距。

在時間維度上（見圖2），2020年通信設備行業數字化成熟度呈現較為明顯的波動，這與中國不斷推進企業數字化轉型以及5G技術商業應用密切相關。此外，2020年通信行業在行程大數據、遠程會議、遠程醫療、云直播等非接觸式服務方面發揮了巨大作用，促進了數字化成熟度提升，同時降低了其它領域企業數字化轉型成本。

對比考察期內其它行業，電子設備、儀器和元件行業作為數字技術使用載體具有較高的數字化成熟度。受智能制造、物聯網等數字技術的影響，電氣設備行業數字化成熟度提升幅度最大。2018年半導體產品與設備行業數字化成熟度呈現顯著下滑趨勢，可能與中美貿易關系的緊張局勢密切相關，企業致力于解決“卡脖子”技術問題而疏于數字化建設。機械行業數字化成熟度綜合評分基數較低，但整體呈現穩步上升趨勢，具有較大的增長潛力。金屬、非金屬、采礦行業數字化成熟度低于其它行業，主要由行業特性決定，其生產過程包括采礦、加工、冶煉等環節，涉及大規模機械設備和復雜工藝，因而需要借助數字技術并投入大量設備、軟件、資金對整個產業鏈進行升級。此外，上述行業企業生產過程對穩定性要求較高，而數字技術應用可能帶來風險。在時間維度上，航空航天與國防、生物科技、化工、汽車零配件和制藥行業數字化成熟度均值波動不顯著，存在一定提升空間。

3.3.2 空間維度上的“小巨人”企業數字化成熟度演""" 變分析

從空間維度看（見圖3），隨時間推移，各地區“小巨人”企業數字化成熟度變動幅度較大，且數字化成熟度存在較大的地區差異。以北京、上海為代表的中心城市，以及以廣東、福建為代表的東南沿海地區“小巨人”企業數字化成熟度普遍較高。考察期內，上海“小巨人”企業數字化成熟度得分均值呈現穩步提升趨勢，僅次于北京；山東、安徽、河南和遼寧“小巨人”企業數字化成熟度得分均值處于較低水平，這與以往研究結論高度一致^[2]。其中，山東和河南數字化成熟度評分均值呈現穩步提升趨勢，具有一定的增長潛力。整體上看，“小巨人”企業數字化成熟度評分均值增長幅度最大的省份為河北，這可能與“雄安新區”建設密切相關。分區域看，數字化成熟度排序依次為中心城市、東南沿海地區、南部地區、西部地區、北部地區。

3.4 “小巨人”企業數字化成熟度影響因素分析

當前，專精特新“小巨人”企業數字化轉型程度普遍較低。余澳等^[32]研究發現，企業規模、行業類別、生命周期與數字化轉型程度密切相關，相對于數字化生產要素和數字運營能力等內部因素，外部資金支持、產業數字平臺、政府政策及營商環境等外部因素更為關鍵；張新^[33]指出，受限于資源，中小企業難以與大型企業競爭，政府補貼等外部支持是前者數字化轉型成功的支撐。參考上述研究成果，本文探討關鍵外部要素對“小巨人”制造企業數字化成熟度的影響。結果發現，政府補貼不僅能夠為“小巨人”企業提供資金支持，而且具有政策導向性，可為企業數字資源獲取帶來便利。由此，加大財政科技支出有助于建立完整的數字經濟系統，進而增強中小企業數字化轉型動能。此外，“小巨人”企業主導產品擁有關鍵核心技術，精細化程度高、規模小且競爭激烈，因而本文將企業規模和市場競爭強度納入研究范圍，并對解釋變量進行對數化處理以確保數據的平穩性。由于被解釋變量存在左右側歸并，本文選取能夠較好處理此類數據的Tobit模型進行回歸分析^[20]，具體研究模型如式（10）所示。

Dit=α0+α1lnGit+α2lnPit+α3HHIit+α4lnSit+εit（10）

其中，Dit代表企業數字化得分，αi（i=1，2…）為解釋變量的系數，εit為擾動項，Git、Pit、Sit分別代表政府補助、地方財政科技支出和企業規模，HHI為采用赫芬達爾指數計算的市場競爭強度。此外，為探究以上因素對不同數字化成熟度樣本企業的影響，本文構建5個回歸模型，模型1代表總體樣本，模型2—模型5分別代表4個成熟度等級樣本企業，實證估計結果如表6所示。

由表6可知，市場競爭強度對“小巨人”企業數字化成熟度具有負向影響，而政府補貼、地方財政科技支出、企業規模均對“小巨人”企業數字化成熟度具有顯著正向影響，但不同數字化成熟度等級企業樣本間存在較大差距。高數字化成熟度企業依托行業優勢在市場中占據領先地位，此時政府補貼和地方財政扶持能夠為其數字化硬件和軟件建設提供資金，促進企業數字化成熟度進一步提升。受限于企業規模，高數字化成熟度樣本企業數字資源有限，此時擴大規模能夠加速數字技術運用與升級，在財政科技支出的扶持下企業能夠實現數字化成熟度躍遷。4個外部要素對低數字化成熟度樣本企業的影響均不顯著，可能原因是機械、化工、汽車零配件等行業對數字技術需求不高，企業內部缺乏數字生產要素，對數字化建設重視不足，且數字運營能力較差。因此，企業可以通過數字化改造促進自身數字化成熟度提升。低數字化成熟度企業大多屬于機械、金屬、采礦等傳統行業，其數字化成熟度受內外部因素影響（除數字技術需求、數字生產要素等內部要素外，還受到規模和市場競爭強度的影響），數字化成熟度提升存在一定難度。

4 結語

4.1 研究結論

本文依據《優質中小企業梯度培育管理暫行辦法》，基于工業和信息化部提出的《中小企業數字化水平評測指標》，以數字化賦能“小巨人”企業獨特優勢為抓手構建指標評價體系，采用“VHSD-EM”評價模型對2016—2022年262家專精特新“小巨人”企業數字化成熟度進行測度及評價，將各年度得分值進行二次加權后匯總得到綜合評分，并劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ共4個數字化成熟度等級，得出以下主要結論：

（1）依據“專、精、特、新、鏈、品”6個維度的數字化賦能程度，將“小巨人”企業劃分為4個成熟度等級，結果發現，在行業方面，各等級樣本具有顯著集聚趨勢。

（2）行業維度呈現斷裂式兩極分化態勢，其中，通信設備、電子設備、儀器和元件以及半導體行業占據絕對優勢，以機械、金屬、非金屬和采礦為代表的傳統制造行業數字化成熟度較低，存在提升空間。

（3）從空間維度看，考察期內各地區“小巨人”企業數字化成熟度波動幅度較大且存在顯著地區差異，數字化成熟度依次排序為中心城市、東南沿海地區、南部地區、西部地區、北部地區。其中，河北借力“雄安新區”成為數字化成熟度提升速度最快的地區，具有較大發展潛力。

（4）影響因素方面，政府補貼、財政科技支出、市場競爭強度、企業規模對“小巨人”企業數字化成熟度具有顯著影響。分樣本看，政府補貼、財政科技支出僅對高數字化成熟度的“小巨人”企業產生影響，不同數字化成熟度樣本企業受企業規模的影響顯著，市場競爭強度對低數字化成熟度“小巨人”企業具有顯著負向影響。

4.2 政策建議

（1）“小巨人”企業可以基于“專、精、特、新、鏈、品”6個評價標準度量各維度數字化水平，明確自身定位。以同行業中高數字化成熟度“小巨人”企業為標桿，了解數字化成熟度提升路徑及步驟，在掌握標桿企業數字化轉型策略、挑戰、持續性和演化動態的基礎上，促進業務升級、流程改造、全產業鏈協同，利用數字技術積極推動自身運營效率提升。

（2）基于不同行業在數字化賦能方面面臨的挑戰，政府可以提供針對性政策支持。尤其對于傳統制造業，政府應引導制造企業強化數字智能化價值取向，提供資源、培訓和資金支持，鼓勵企業結合自身需求進行跨行業數字化合作，打造數字化生態鏈，從而加快整個行業數字化進程。

（3）政府應加強數字經濟水平較低地區數字化建設，識別數字經濟不同維度的貢獻，基于區域數字建設需求制定數字化戰略，設立區域數字建設基金，增加數字基礎設施投入，以提高公共服務領域數字化和智能化水平。此外，需深化教育體制改革，推動產學研深度融合，培養數字化專業人才，促進“小巨人”制造企業數字化成熟度提升。

（4）對具有不同數字化成熟度的“小巨人”制造企業提供針對性政策支持。對于低數字化成熟度的“小巨人”企業而言，應著力推進內部數字化建設，樹立數字化轉型意識，引進和培養數字化專業人才，加強數字技術運用，加大硬件投入；對于高數字化成熟度的先進制造企業而言，應以財政補貼和金融政策為主，鼓勵其擴大企業規模，加快數字技術更新迭代，從而進一步促進企業數字化成熟度提升。

參考文獻：

[1] 范合君，吳婷，何思錦.企業數字化的產業鏈聯動效應研究[J].中國工業經濟，2023，41（3）：115-132.

[2] 董香書，王晉梅，肖翔.數字經濟如何影響制造業企業技術創新——基于“數字鴻溝”的視角[J].經濟學家，2022，34（11）：62-73.

[3] 丁永健，吳小萌.“小巨人”企業培育有助于提升制造業中小企業創新活力嗎——來自“專精特新”政策的證據[J].科技 進步與對策，2023，40（12）：108-116.

[4] 張米爾，任騰飛，黃思婷.專精特新小巨人遴選培育政策的專利效應研究[J].中國軟科學， 2023，38（5）：33-43，53.

[5] 丁建軍，劉賢，王淀坤，等.國家級專精特新“小巨人”企業空間分布及其影響因素[J].經濟地理，2022，42（10）：109-118.

[6] 丁建軍，王淀坤，劉賢.長三角地區專精特新“小巨人”企業空間分布及影響因素研究[J].地理研究，2023，42（4）：1009-1028.

[7] 王瑤，曾德明，李健，等.橋接科學家創始人與企業技術創新績效——基于專精特新“小巨人”企業的分析[J].科學學研究，2023，41（9）：1690-1701.

[8] 陸洋，王超賢.數字化轉型量化評估研究的比較分析與最新進展[J].科技進步與對策，2021，38（9）：152-160.

[9] RGLINGER M，PPPELBU J，BECKER J.Maturity models in business process management[J].Business Process Management Journal， 2012，18（2）：328-346.

[10] 蔣鑫，周軒.數字化成熟度模型：研究評述與展望[J].外國經濟與管理，2024，46（1）：71-91.

[11] 朱偉，尹麗波，周劍等.創新驅動， 高質發展——埃森哲中國企業數字化轉型指數[R].國家工業信息安全發展研究中心，兩化融合服務聯盟，埃森哲公司，2018.

[12] LEYH C， SCHFFER T， BLEY K， et al. SIMMI 4.0—— a maturity model for classifying the enterprise-wide it and software landscape focusing on Industry 4.0[C]. Federated Conference on Computer Science and Information Systems IEEE， 2016.

[13] 王瑞，董明，侯文皓.制造型企業數字化成熟度評價模型及方法研究[J].科技管理研究，2019，39（19）：57-64.

[14] SJDIN D R， PARIDA V， LEKSELL M， et al. Smart factory implementation and process innovation： a preliminary maturity model for leveraging digitalization in manufacturing moving to smart factories presents specific challenges that can be addressed through a structured approach focused on people， processes， and technologies[J]. Research-Technology Management， 2018，61（5）： 22-31.

[15] EILEEN D，TORSTEN E，DANIEL F， et al. A maturity model for assessing the digitalization of public health agencies[J].Business Information Systems Engineering，2023，65（5）：539-554.

[16] 王核成，王思惟，劉人懷.企業數字化成熟度模型研究[J].管理評論，2021，33（12）： 152-162.

[17] PIROLA F， CIMINI C， PINTO R. Digital readiness assessment of Italian SMEs： a case-study research[J]. Journal of Manufacturing Technology Management， 2020， 31（5）： 1045-1083.

[18] GOLLHARDT T， HALSBENNING S，HERMANN A，et al.Development of a digital transformation maturity model for it companies[C]//2020 IEEE 22nd Conference on Business Informatics （CBI）， 2020.

[19] SCHUH G， ANDERL R， GAUSEMEIER J， et al. Industrie 4.0 maturity index： managing the digital transformation of companies[M]. Munich： Herbert Utz Verlag， 2017.

[20] 唐孝文，繆應爽，孫悅，等.高端裝備制造企業數字化成熟度測度及影響因素研究[J].科研管理，2022，43（9）：10-19.

[21] 王羲，陳雪姣，曹晶，等.數字化轉型對企業高質量發展的影響——企業創新與風險承擔視角[J].科技進步與對策，2024，41（7）：1-10.

[22] 王昱，全捷，李良玉，等.制造企業數字化轉型能否助推研發投入跳躍——來自非參數分位數面板的實證研究[J].科技進步與對策，2024，41（8）：33-43.

[23] 李煜華，向子威，胡瑤瑛，等.路徑依賴視角下先進制造業數字化轉型組態路徑研究[J].科技進步與對策，2022，39（11）：74-83.

[24] 余艷，王雪瑩，郝金星，等.酒香還怕巷子深？制造企業數字化轉型信號與資本市場定價[J].南開管理評論，2024，27（8）：185-196.

[25] WARNER K S R， WAEGER M. Building dynamic capabilities for digital transformation： an ongoing process of strategic renewal[J]. Long Range Planning，2019，52（3）：326-349.

[26] MCAFEE A， BRYNJOLFSSON E， DAVENPORT T H， et al.Big data： the management revolution[J]. Harvard Business Review， 2012，90（10）：60-68.

[27] 張林剛，戴國慶，熊焰，等.中國制造業數字化轉型評價及影響因素——基于模糊集定性比較分析[J].科技管理研究，2022，42（7）：68-78.

[28] 劉飛.數字化轉型如何提升制造業生產率——基于數字化轉型的三重影響機制[J].財經科學， 2020，64（10）：93-107.

[29] 劉淑春，閆津臣，張思雪，等.企業管理數字化變革能提升投入產出效率嗎[J].管理世界，2021，37（5）：170-190，13

[30] 王曉川，孫秋雨.黃河流域產業匹配動態演變及其對經濟高質量發展的影響——以高端服務業與先進制造業為例[J].經濟問題，2023，45（6）：120-129.

[31] 郭亞軍.綜合評價理論、方法及拓展［M］.北京：科學出版社，2012： 40-41

[32] 余澳，張羽豐，劉勇.“專精特新”中小企業數字化轉型關鍵影響因素識別研究——基于1625家“專精特新”中小企業的調查[J].經濟縱橫，2023，39（4）：79-89.

[33] 張新，徐瑤玉，馬良.中小企業數字化轉型影響因素的組態效應研究[J].經濟與管理評論，2022，38（1）：92-102.

（責任編輯：張 悅）

Digital Maturity Evaluation of SRDI \"Little Giant\" Enterprises Based on \"VHSD-EM\" Model

Tang Xiaowen， Cao Xuerui， Chen Xin

（College of Economics and Management， Beijing University of Technology， Beijing 100124， China）

Abstract：The integration of digital technology and manufacturing offers substantial opportunities for industry development. SRDI （specialized， refinement， differential， innovative） \"little giant\" enterprises are the pioneers who overcome technological barriers and act as manufacturing powerhouses by addressing industry shortcomings. Empowering these little giants with digital technology is strategically vital and contributes to the independence， safety， and control of China's industrial and supply chain systems. The existing studies are mostly qualitative research that have explored factors influencing digital transformation， measurement of digital transformation levels， and economic performance resulting from digital transformation. Notably， there is a dearth of targeted evaluation research on the digital maturity of \"little giant\" enterprises.

To address these gaps， this study proposes six evaluation criteria for \"little giant\" enterprises. Utilizing annual report data from listed companies between 2016 and 2022， the study carries on the evaluation based on the four-level \"Evaluation Indicators for Digital Level of Small and Medium-sized Enterprises\" introduced by the Ministry of Industry and Information Technology in 2022. According to the \"input-output\" theory， input elements are categorized into digital management and digital foundation， while output processes are divided into digital operation and digital effect. The study extensively utilizes quantitative methods to establish six first-level indicators and thirteen second-level indicators for digital professional management， digital information system refinement， digital innovation efficiency， and product digitalization， etc. Regarding evaluation methods， static research approaches face challenges in assessing time-series three-dimensional data， while a singular \"VHSD\" evaluation model may overlook the wealth of indicator information. Thus， this study combines the entropy method （EM） and the \"VHSD\" model for a comprehensive evaluation. This approach overcomes the limitations of both methods， enhancing the credibility of the evaluation results. The study conducts a heterogeneity analysis based on the evaluation outcomes， considering industry and regional dimensions. Additionally， it identifies the primary influencing factors of SRDI \"little giant\" and performs empirical regression using the Tobit model.

The results unveil a stark polarization of digital maturity among SRDI \"little giant\" enterprises， highlighting substantial disparities between advanced and traditional manufacturing sectors. Geographically， this division extends across central cities， the southeast coast，the southern， western， and northern regions， exhibiting notable fluctuations over time. The study pinpoints government subsidies， financial technology spending， market competition intensity， and enterprise scale as pivotal factors influencing digital maturity， with varying impacts across samples with different maturity levels. Therefore， it is recommended to encourage \"little giant\" enterprises to increase digital investment， and apply the digital maturity evaluation system into scale matching， clear positioning;a longitudinal study on the digital transformation strategies of leading enterprises is expected for horizontal and vertical digital integration. On an industry level， the government and research institutions should explore the distinct challenges and opportunities that different industries encounter in their journey towards digital empowerment. Tailored policy support is crucial， especially for traditional manufacturing sectors. The government ought to guide businesses toward a focus of digital intelligence by offering resources， training， and financial assistance， encouraging collaborative， cross-industry digitization aligned with specific needs that can help build a digital ecosystem， enhancing efficiency， reducing costs， and propelling the entire industry towards comprehensive digitization. Regionally， measures such as talent introduction， increased capital investment， and enhancement of the digital level of social governance are proposed to achieve balanced development of digital maturity. Finally， the study proposes targeted policy support for \"little giant\" manufacturing enterprises at varying digital maturity levels. For traditional manufacturing industries with low digital maturity， they should focus on promoting internal digital construction and strengthening hardware investment;for advanced manufacturing industries with high digital maturity，financial subsidies and policy support are expected to facilitate scale expansion， promote digital technology updates， and effectively enhance overall digital maturity.

This study focuses on the distinctive strengths of \"little giant\" enterprises in evaluating digital maturity，enhances the existing research on the index evaluation model of digital maturity by employing text mining， the stochastic frontier method and annual report statistics. Moreover， it reveals substantial disparities in digital maturity between advanced and traditional manufacturing at the industry level， along with regional imbalances， and identifies crucial factors for SRDI ‘\"little giant\" enterprises at different levels of digital maturity， offering valuable insights for policy optimization.

Key Words：\"Little Giant\" Enterprises; Digital Maturity; \"VHSD-EM\" Model; Input-output Theory; Influencing Factors

基金項目：國家自然科學基金面上項目（71772009）；北京市社會科學基金規劃項目重點項目（22GLA007）

作者簡介：唐孝文（1980—），男，安徽蚌埠人，博士，北京工業大學經濟與管理學院副教授、博士生導師，研究方向為數字化轉型、組織變革、創新管理、產業轉型；曹雪瑞（1996—），女，河北保定人，北京工業大學經濟與管理學院碩士研究生，研究方向為企業數字化轉型、創新戰略；陳鑫（1990-），女，河北唐山人，博士，北京工業大學經濟與管理學院博士后， 研究方向為數字化轉型、企業社會責任、組織行為學、創新管理。本文通訊作者：陳鑫。