企業數字化轉型對全要素生產率的影響

中圖分類號：F832.51；F270.7；F273 文獻標識碼：A文章編號：1007-5097（2025）03-0092-12

The Impact of Enterprise Digital Transformation on Total Factor Productivity： AChainMediationEffectModelBasedonFullInnovation

LIU Shengqianga?，YU Xinyueab，HU Xuanyub， ZHANG Yua，b （a. Institute for Chengdu-Chongqing Economic Zone Development; b.School of Accounting， Chongqing Technology and Business University，Chongqing 4Ooo67， China）

Abstract：Thisessay examines theimpactofdigital transformationontotal factorproductivitybyanalyzing ChineseAshare listed companies in Shanghai and Shenzhen spaningthe period from 2O13 to 2O22，employing a chain mediation effct model within the framework of a comprehensive innovation chain perspective for empirical analysis.Research findings：digital transformationexertsasignificant positiveimpactontotal factor productivity，asevidencedbythree distinctpathways：\"digital transformation—innovationinvestmenttotalfactorproductivity\"，\"digitaltransformation innovationperformance—total factorproductivity\"，and\"digital transformation—innovationinvestment—innovation performance—total factorproductivity\".Furtheranalysisreveals thatinternal controland specializationserveaspartial mediator in therelationship between digital transformationand innovationperformance within these pathways.Moreover， theimpactofdigitaltransformationontotalfactorproductivityexhibitsheterogeneityacrossvariablessuchasfirmsize， industrycharacteristics，andregional disparities.Theresearch findingsare crucial for enhancingcorporate innovation capabilities and fostering high-quality economic development.

Keywords：enterprise digital transformation; fullinnovation; total factor productivity; chain mediation

一、引言

當前，中國經濟已進入高質量發展階段。黨的二十大報告強調，要堅持以推動高質量發展為主題，加快建設現代化經濟體系，著力提高全要素生產率。數字技術憑借其共享性、開放性和邊際效益遞增的特性，對全要素生產率的提升起顯著的促進作用（楊慧梅和江璐，2021）[1。根據國家數據局發布的《數字中國發展報告（2023年）》，2023年中國數字經濟核心產業增加值超過12萬億元，占GDP比重約 10 % ，數字算力總規模居全球第二位，數字經濟已成為推動經濟復蘇的重要力量和促進經濟高質量發展的強勁引擎。在此背景下，數字化轉型也成為企業的核心戰略選擇。

學術界對企業數字化轉型與全要素生產率的關系尚未達成共識。“價值派\"認為數字化轉型能挖掘數據價值，通過多維度優化和創新提升全要素生產率（趙宸宇等，2021）2]；“風險派\"則受“索洛悖論\"影響①，認為高額轉型成本、技術復雜性和資源配置不當會阻礙全要素生產率的提升（劉新爭，2023）[3]。關于數字化轉型經濟效應研究的相關理論問題亟待進一步探討。

創新是引領發展的第一動力，在數字化轉型背景下，如何促進科技創新，實現經濟高質量發展，成為理論界與實踐界共同關注的重要議題。已有研究表明，創新對全要素生產率的提升有顯著作用（Boeing等，2016;任英華等，2023）[4-5]。然而，中國企業卻面臨研發投人難以顯著提升全要素生產率的新困境（田維斌等，2014;王昱等，2022）[6-7]。也有研究認為，數字化轉型能引導企業加大創新投入、提高創新績效，進而促進全要素生產率提升（Zhou和Chen，2023；董松柯等，2023）[8-9]。但現有文獻大多僅關注創新過程的某一環節，忽視了從創新投入到創新績效的完整創新鏈對數字化轉型與全要素生產率之間關系的影響。

本文基于2013—2022年滬深A股上市公司的數據，從完整創新鏈視角，采用鏈式中介效應模型，實證分析企業數字化轉型對全要素生產率的影響。本文的邊際貢獻在于： ① 整合現有研究思路，從微觀企業層面深入探索數字化轉型對全要素生產率的影響，為實施差異化的數字化轉型戰略提供方向和建議，豐富和深化了企業數字化轉型經濟后果的研究； ② 拓展數字化轉型影響全要素生產率的路徑研究，采用鏈式中介效應模型，從完整創新鏈視角揭示數字化轉型影響全要素生產率的機制和路徑；③ 深入挖掘關鍵路徑的作用機理，發現內部控制和專業化分工在關鍵路徑中的重要作用，為政府部門優化數字化轉型政策、企業破解創新困境、提升全要素生產率提供理論和現實依據。

二、理論分析與研究假設

（一）企業數字化轉型與全要素生產率企業數字化轉型將傳統生產發展與前沿數字科技深度融合，通過對組織架構、運行模式及管理思維的革新，系統性地推動企業全面進步，增強核心競爭力，創造并獲取新的價值（劉淑春等，2021；王開科等，2020）[10-I1]。數字化轉型是信息化時代發展的必然趨勢，已滲透企業生產和發展的各個層面（楊晶等，2020）[12]。數字化轉型的關鍵在于引導企業從傳統的要素驅動、投資驅動向創新驅動的戰略模式轉換，這是一個系統性、全局性和長期性的過程（上官緒明和葛斌華，2020;Merin-Rodriganez等，2024）[13-14]。在此過程中，數據要素與土地、勞動力、資本等傳統要素相融合，催生全新的生產力形態，進而推動企業全要素生產率的提升。

具體而言，數字化轉型的積極影響體現在以下幾個方面：

首先，數字化轉型重塑企業管理模式。通過摒棄陳舊的管理理念和企業文化，企業重塑文化內核，再造管理流程，提高管理效率，進而提升全要素生產率。數字化轉型是一個反復試錯的過程，構建寬松包容的企業文化與管理氛圍，有助于企業提高組織和員工的數字素養與能力，進而提升全要素生產率。此外，數字化轉型使企業的異質性資源能夠得到有效配置與動態調整，進一步提高企業的組織管理效率（李青原等，2023）[15]。

其次，數字化轉型增強企業競爭優勢。數字化轉型推動企業從傳統制造模式向現代智能制造模式轉型，開發更加個性化的高質量產品，為企業可持續發展注人強勁動力，進而提升全要素生產率。數字技術能夠精準捕捉并處理企業生產管理過程中的數據和信息，實現精細化、柔性化生產（戚聿東和肖旭，2020）[16]，準確識別產品缺陷并加以改進，提高產品質量，促進企業全要素生產率的提升。此外，數字技術的邊際效益遞增和可持續成長的特性，使企業能夠有持續的創新能力，保持長期競爭優勢。

最后，數字化轉型提高企業資源配置效率。通過建立反饋機制、實現流程透明化以及合理利用資源，數字化轉型可以顯著提高資源配置效率，促進全要素生產率的提升。利用數字技術，企業能夠收集并分析海量數據，形成快速的反饋機制，優化決策過程，提高決策的準確性和敏捷性（楊德明和劉泳文，2018）[17]。同時，透明的流程管理能夠完善監督機制，減少資源錯配現象，提高資源利用效率。

綜上所述，數字化轉型在企業管理、競爭優勢以及資源配置效率等方面均發揮作用，促進企業全要素生產率的提升。基于以上分析，本文提出假設1。

H1：控制其他條件后，數字化轉型能夠提升企業全要素生產率。

（二）企業數字化轉型、完整創新鏈與全要素生產率

創新在新一輪科技革命與產業變革中發揮重要作用，也是企業數字化轉型進程中的關鍵，對全面提升全要素生產率至關重要。企業的數字化轉型不僅可以直接對全要素生產率產生顯著影響，還通過構建和完善創新鏈，間接地促進全要素生產率的提升。創新鏈涵蓋從創意萌芽、創新資源投人、創新成果產出到商業化價值實現的動態過程（毛義華等，2021）[18]，在數字化轉型與全要素生產率之間起重要的中介作用。

企業數字化轉型通過賦能創新鏈提升全要素生產率體現在兩方面： ① 數字化轉型為企業創新鏈注入強大活力。首先，數字技術的深度應用使企業能夠更高效地搜集、處理海量信息，精準預測市場需求和技術前沿動態，為創新活動的源頭一一創意的萌發提供豐富準確的預測（黃先海等，2023）[19]其次，數字技術重塑信息環境，可以提高企業的研發效率，降低研發成本和風險，促進研發流程的協同與優化（Boland等，2007；陳曉紅等，2022）[20-21]。最后，數字化轉型打破要素壁壘，加速知識、技術和資源的流通與共享，推動創新鏈各環節的無縫對接和高效協同，加速創新成果向市場應用轉化。 ② 創新鏈的持續優化進一步促進企業全要素生產率的提升。在數字化時代，創新鏈的優化不僅有助于企業合理配置內部資源，降低運營成本和市場溝通成本，直接提升全要素生產率（施炳展和李建桐，2020;姚立杰等，2023）[22-23]，還能促進企業的專業化分工，加速生產和技術網絡的發展，優化創新主體間的協同機制與合作模式，為全要素生產率的提升注入新動力（李曉翔和張樹含，2023）[24]。

從公司財務視角來看，創新鏈的核心要素為創新投入和創新績效，兩者在數字化轉型與全要素生產率之間的聯動效應尤為顯著。一般而言，創新投入的增加往往伴隨著創新績效的提升。基于理性經濟人假設，企業會充分利用創新資源，力求以有限資源實現創新績效的最大化，催生新的發明創造。最終，創新績效的提升轉化為新技術、新模式和新業態，推動創新型產品的開發與市場調整，助力企業開辟新市場，增強品牌影響力，充分發揮數字化轉型通過強化創新鏈提升全要素生產率的作用。

基于以上分析，同時考慮創新投入與創新績效的特殊關系，本文提出假設2。

H2：數字化轉型通過促進企業創新提升全要素生產率。

H2a：數字化轉型通過加大企業創新投入提升全要素生產率；

H2b：數字化轉型通過提高企業創新績效提升全要素生產率；

H2 c ：創新投入和創新績效在企業數字化轉型與全要素生產率間起鏈式中介作用。

三、研究設計

（一）樣本與數據來源

本文選取2013—2022年中國滬深A股上市公司為研究對象，并進行以下處理： ① 考慮金融類上市公司治理結構與財務狀況的特殊性，剔除樣本中金融類企業; ② 剔除不具有代表性的ST、*ST與PT企業以及存在缺失值的企業樣本； ③ 為避免極端值影響，對樣本進行 5 % 和 9 5 % 的縮尾處理。最終獲得18885個樣本觀測值，研究數據來源于CSMAR數據庫、WIND數據庫和DIB內部控制數據庫。

（二）模型設定

本文構建模型（1）檢驗企業數字化轉型對全要素生產率的影響；為研究創新投人和創新績效在數字化轉型影響全要素生產率中的中介作用，參考溫忠麟和葉寶娟（2014）[25]的中介效應模型，構建模型（2）和模型（3）；參考劉家樹等（2022）[26的計量模型設計思路，借鑒知識生產函數，設定模型（4）和模型（5）構建鏈式中介效應模型。為了彌補模型可能存在的不足，本文采用Sobel和Bootstrap法檢驗創新投入和創新績效的中介效應。具體模型如下：

其中： i 和 分別代表企業和年份；TFP為全要素生產率；DCG為數字化轉型程度；RD和Patent分別代表企業創新投人和創新績效，需要說明的是，檢驗企業創新績效（Patent）的中介效應時，需對模型（2）模型（3）中的企業創新投入（RD）進行相應替換;Controls為控制變量； k 表示第 k 個變量；μ 為行業固定效應；8為時間固定效應； ε 表示隨機誤差項。

（三）變量定義

1.被解釋變量：全要素生產率（TFP）

參考魯曉東和連玉君 、宋敏等（2021）28的研究，OP法和LP法均屬于半參數估計方法，且能夠在一定程度上緩解同時性選擇偏差問題和樣本選擇偏差問題，是主檢驗普遍的測度方式。以OP法計算全要素生產率時，真實投資必須大于0，這可能會導致樣本的缺失，而LP法允許使用替代變量，解決了這一問題。因此，本文將使用LP法計算的全要素生產率作為主檢驗變量，使用OP法計算的全要素生產率作為穩健性檢驗變量，進行實證檢驗。

2.解釋變量：數字化轉型（DCG）

本文參考吳非等（2021）[29]的做法，對滬深A股上市公司企業年度報告中人工智能技術、大數據技術、區塊鏈技術、云計算技術以及數字技術運用的數字化相關詞頻進行統計分析，對特征詞詞庫和數據池進行搜索、匹配和詞頻計數，得出總詞頻數。為避免統計的詞頻數可能存在的右偏性問題，本文以總詞頻數加1的自然對數來衡量數字化轉型。

3.中介變量

（1）創新投入（RD）。以研發支出與總資產的比值進行度量。

（2）創新績效（Patent）。考察企業實質性創新的影響，需要排除企業實用新型專利和外觀設計專利中可能存在的策略性創新傾向。因此，本文參考李雪松等（2022）[30]的研究，選取發明專利申請數量加1的自然對數度量企業創新績效。

4.控制變量

借鑒吳非等（2021）[29]、董松柯等（2023）[9]的研究結果，本文選取如下控制變量：企業規模（Size）、總資產凈利潤率（ROA）、資產負債率（Lev）、營業收入增長率（Growth）、企業年齡（ListAge）、產權性質（SOE）、兩職合一（Dual）、前十大股東持股比例（Top10）、托賓 Q （ T o b i nQ ）。

變量定義見表1所列。

四、實證結果分析

（一）描述性統計

描述性統計結果見表2所列。全要素生產率（TFP）的均值為16.527，和宋敏等（2021）[28]的研究結果基本一致，說明樣本可比性強，不存在明顯偏態；創新投入（RD）的均值為2.184，說明企業創新投入的整體水平較低；創新績效（Patent）均值為2.237，最大值和最小值相差4.942，說明企業的實質性創新績效水平參差不齊且差距較大；數字化轉型（DCG）最小值為0，最大值為4.407，表明數字化轉型增勢迅猛，但也存在企業間數字化發展不平衡的問題，與吳非等（2021）[29]的研究結果基本一致。其余控制變量均值及分布均在合理范圍。

（二）實證回歸結果

1.基準回歸分析

數字化轉型與企業全要素生產率關系的檢驗結果見表3列（1）列（2）。回歸結果顯示，無論是否加入控制變量，企業數字化轉型回歸系數均在1 % 水平上顯著為正，表明數字化轉型能夠促進企業全要素生產率提升，H1得到驗證。

2.獨立中介效應檢驗

表3列（2）至列（6）報告了企業創新在數字化轉型與全要素生產率之間發揮作用的檢驗結果。列（3）、列（5）結果表明，創新投人和創新績效與數字化轉型呈正相關關系，均在 1 % 水平上顯著；列（4）、列（6結果表明，數字化轉型能夠對創新投入和創新績效起促進作用，從而提升全要素生產率，且均在 1 % 水平上顯著，說明創新投入和創新績效均存在部分中介效應， H2 a 和H2b得到驗證。

為了避免中介效應三步法檢驗的缺陷，本文進行Sobel和Bootstrap檢驗，結果見表3所列。Sobel檢驗中，創新投人和創新績效均在 1 % 水平上顯著；Bootstrap的1000次檢驗中，間接效應置信區間均不包含0，再次證明創新投入和創新績效存在部分中介效應，H2a和H2b得到驗證，即數字化轉型會對創新投人和創新績效起促進作用，進而提升全要素生產率。

3.鏈式中介效應檢驗

本文對\"數字化轉型—創新投人一創新績效—全要素生產率\"鏈式中介效應進行檢驗，回歸結果見表3列（3）、列（7）列（8）。可以看出，創新投入和創新績效均在 1 % 水平上顯著為正，H2c得到驗證，即創新投入和創新績效在數字化轉型與全要素生產率間起鏈式中介作用。

溫忠麟和葉寶娟（2014）[25]認為，當影響路徑存在多層中介時，Bootstrap法是檢驗多層中介效應的重要方法。本文使用SPSS插件PROCESS的模型6，以數字化轉型為解釋變量，以全要素生產率為被解釋變量，以創新投入和創新績效為鏈式中介變量，進行Bootstrap檢驗，選擇 9 5 % 置信水平，重復抽樣5000次，結果見表4所列。可以看出，數字化轉型對全要素生產率具有正向間接效應，且有三條路徑。對路徑一（DCG一RD—TFP）進行創新投入的中介效應檢驗， 9 5 % 置信區間不含 0 ， H2 a 得到進一步驗證；對路徑二（DCG—Patent—TFP）進行創新績效的中介效應檢驗， 9 5 % 置信間不含0，H2b得到進一步驗證；對路徑三（DCG—RD—Patent—TFP）進行創新投入和創新績效的鏈式中介效應檢驗， 9 5 % 置信區間不含0，說明數字化轉型通過促使企業加大創新投入，提高企業創新績效，從而提升全要素生產率，H2c得到進一步驗證。以前文的多元回歸模型和Bootstrap法對假設進行檢驗，數字化轉型通過促進企業創新提升全要素生產率得到驗證，H2成立。

從前文分析可以看出，數字化轉型對全要素生產率的總間接效應為0.0151，創新投入中介效應（0.0027占比為 1 7 . 8 8 % ，創新績效中介效應（0.0093）占比為 6 1 . 5 9 % ，創新投人和創新績效的鏈式中介效應（0.0031）占比為 2 0 . 5 3 % 。創新投入的中介效應占比較小，說明我國企業創新投入的價值創造能力較低，存在一定的創新困境，應注重提高創新效率，提升企業發展質量。創新績效中介效應占比超過5 0 % ，是數字化轉型影響全要素生產率的關鍵驅動因素，需要進一步挖掘其中的影響機制。完整的創新過程鏈式中介效應占比低于創新績效占比，說明在數字化轉型推動下，企業創新行為實現從投入到產出再到價值創造的能力還有待提高，需要進一步探索數字化轉型對創新績效的影響機制。

（三）穩健性檢驗

1.替換核心變量

參考魯曉東和連玉君（2012）[27]、宋敏等（2021）[28]的研究，本文采用修訂的OP法和GMM法測度全要素生產率并進行穩健性檢驗；參考盧福財等（2024）[31]的做法，選擇國泰安數據庫中的數字化轉型詞頻衡量數字化轉型程度并進行穩健性檢驗；將發明專利、實用新型專利和外觀設計專利按照3：2：1的權重計算總申請量加1的自然對數，進行創新績效的穩健性檢驗。表5分別報告了替換被解釋變量、解釋變量和改變創新績效度量方法后的回歸結果，可以看出，在改變核心變量的計算方法后，研究結果依然穩健。

2.延長觀測窗口

考慮數字化轉型取得成效可能需要一定的時間，本文對企業數字化轉型程度進行滯后一期處理，并重新回歸，結果見表6所列。可以看出，企業數字化轉型對全要素生產率的正向效應并未隨著窗口期的延長而顯著衰減，此外，創新投入和創新績效發揮的獨立中介效應和鏈式中介效應在較長時間內仍存在。

3.排除策略性行為影響

為了排除企業策略性炒作或蹭熱度等行為的影響（趙璨等，2020）[32]，本文對樣本進行如下篩選：① 剔除數字化轉型程度為0的企業。 ② 創業板上市公司多屬于高新技術企業，其有一定的數字技術水平，故剔除創業板上市企業。 ③ 剔除同時存在以上兩種情況的企業。回歸結果見表7所列，可以看出，在排除策略性行為影響后，相關回歸系數均在 1 % 水平上顯著，說明本文的研究結果是可靠的。

4.固定效應法

參考魯曉東和連玉君 、宋敏等（2021）[28]的研究，本文使用FE、OP和GMM三種方法計算全

要素生產率，并采用個體雙向固定效應模型進行穩健性檢驗，結果見表8所列。可以看出，數字化轉型系數均顯著為正，說明實證結果是可靠的。

5.工具變量法

參考黃群慧等（2019）[33]的研究，本文選擇1984年各城市郵電數據作為企業數字化轉型的工具變量。互聯網技術的應用水平和發展程度，很大程度受當地郵電系統分布、固定電話數量、技術應用水平以及社會固有偏好的影響，滿足相關性要求；郵電設施作為社會基礎設施，不直接作用于社會生產率的提升過程，滿足外生性要求。參考袁淳等（2021）[34的研究，本文采用1984年各省份每萬人固定電話數量與滯后一期的全國互聯網用戶數的交互項作為當期企業數字化轉型的工具變量，為使數據更加可靠、穩健，參照李旭超等（2024）35的做法，采用樣本期之前的互聯網數據即2003一2012年的各省份互聯網普及率作為工具變量。工具變量法的回歸結果見表9所列。

表9列（1）和列（3）的第一階段回歸結果顯示，數字化轉型對兩個工具變量的回歸系數均顯著為正，故工具變量滿足相關性要求。Kleibergen-PaaprkLM統計量在 1 % 的水平上顯著，拒絕工具變量識別不足的原假設。Cragg-DonaldWald F 統計量大于 弱工具變量識別 F 檢驗在10 % 顯著性水平上的臨界值，通過了弱工具變量檢驗。列（2）和列（4）的檢驗結果顯示，數字化轉型系數依舊顯著為正，說明基本結論是穩健可靠的。

五、異質性分析

（一）企業規模異質性分析

數字化轉型需要大量的軟硬件投入，不同規模的企業在這方面可能存在差異，因而全要素生產率水平也可能不同。本文以企業規模平均數為標準將樣本劃分為大企業組和中小企業組，分析企業規模異質性。

表10列（1）和列（2）結果顯示，企業數字化轉型回歸系數均顯著為正，但大企業組回歸系數為0.028，中小企業組回歸系數為0.012，表明數字化轉型對不同規模企業全要素生產率的影響存在差異。這可能是因為，相較于中小型企業，大型企業擁有的資源更多，抗風險能力更強，能夠在數字化轉型中取得更大的成效。

（二）行業特征異質性分析

企業所處行業不同，其資產結構、戰略選擇以及生產率水平等也會有明顯差異。本文參考趙宸宇等（2021）[2的研究，將樣本劃分為技術密集型行業和非技術密集型行業兩組。

表10列（3）和列（4的結果顯示，數字化轉型對非技術密集型行業全要素生產率的促進作用更強。原因在于： ① 技術基礎與人才稟賦的不均等性。技術密集型企業起點相對較高，數字化轉型效率的提升空間有限；非技術密集型企業則能實現顯著的技術創新和效率飛躍。 ② 資產結構與轉型機制的差異化影響。非技術密集型企業固定資產占比相對較高，數字化轉型能顯著降低企業運營成本，實現智能化生產，大幅提升全要素生產率。總體而言，企業在數字化轉型中的表現受其初始條件、資源分布及轉型策略影響，體現了數字化轉型在不同行業背景下的復雜性。

（三）地區異質性分析

中國各地區政策環境和經濟發展水平存在差異，數字化轉型的影響也可能不同。分析地區異質性有助于深人理解數字化轉型的區域特性，為政策制定者、企業決策者提供更加精準有效的策略建議，在全國范圍內實現均衡、高效的數字化轉型

本文將樣本劃分為東部、中部和西部地區三組分別進行回歸，結果見表10列（5）列（6）、列（7）。可以看出，東部地區數字化轉型系數在 1 % 水平上顯著為正，中部和西部地區數字化轉型系數為正，但不顯著。相較而言，東部地區數字化轉型成效明顯。這可能是因為，東部地區作為經濟引領者，有較強的技術設施和創新能力，為數字化轉型奠定了基礎，企業能快速應用云計算、大數據等技術，形成人才一技術一資金的有效循環，使企業數字化轉型不斷深化，全要素生產率提升明顯。中西部地區蘊含巨大的發展潛力，其數字經濟發展短板主要在基礎設施升級和人才資本匯集方面，數字化轉型還有較大的提升空間。

六、進一步機制分析

（一）內部控制機制

本文研究發現，“數字化轉型一創新績效一全要素生產率”（路徑二）是關鍵傳導路徑，在總體貢獻中占比高達 6 1 . 5 9 % ，對其作用機理進一步探討，可以驗證在采用鏈式中介模型檢驗過程中，考慮路徑三（數字化轉型一創新投入一創新績效一全要素生產率）以后，內部控制和專業化分工在路徑二中的中介作用是否仍然存在。

良好的內部控制能夠提高企業的適應能力和管理效率。面對數字化轉型伴隨的高風險，構建有效的內部控制體系顯得尤為重要。在進行機制檢驗時，使用DIB內部控制數據庫中的內部控制指數的對數衡量內部控制水平（IC），該指標越大表明企業的內部控制越有效。表11為內部控制機制檢驗結果，列（1）中數字化轉型對創新績效具有顯著的正向影響，列（2）中數字化轉型對內部控制水平有顯著的正向影響，列（3）中數字化轉型能通過提升內部控制水平對企業創新績效產生積極影響。

（二）專業化分工機制

隨著云計算、人工智能、物聯網等技術的應用，更多針對特定行業或職能的專業化工具和平臺相繼出現，使得企業可以更加專注于自身核心能力的提升。數字化轉型能提高企業協調能力，提升專業化分工水平（施炳展和李建桐，2020）[22]，促進創新資源整合，從而進一步提升企業創新績效。

根據交易成本理論，縱向一體化與專業化是相對應的概念。縱向一體化追求掌握和控制供應鏈的多個環節，專業化則強調深化知識技能，專注于某個產品、服務或生產過程。本文借鑒袁淳等（2021）[34的做法，測算專業化分工水平，考慮數據的可得性，采用修正的價值增值法（VAS）度量企業縱向一體化水平。具體計算過程如下：

增加值-稅后凈利潤 + 正常利潤VASAd主營業務收入-稅后凈利潤+正常利潤

其中：正常利潤 ∣ = 凈資產 × 平均凈資產收益率；增加值 銷售額-采購額。

鑒于專業化分工是縱向一體化的反向指標，本文將企業專業化分工水平（VSI）的計算公式設定為：VSI =1-VASAdj

為保證度量的有效性，本文剔除數據缺失嚴重的樣本，并參考袁淳等（2021）[34]的研究，剔除VSI偏離合理值域[0，1]的觀測值。

專業化分工機制的檢驗結果見表12所列，列（1）與基準回歸結果一致，列（2）的數字化轉型回歸系數在 5 % 水平上顯著為正，表明數字化轉型對專業化分工水平具有顯著的正向影響；列（3）的數字化轉型回歸系數在 1 % 水平上顯著為正，專業化分工水平的回歸系數在 5 % 水平上顯著為正，表明數字化轉型通過專業化分工對創新績效產生積極影響。

七、結論與建議

本文以2013—2022年中國滬深A股上市公司為研究對象，基于完整創新鏈視角，采用鏈式中介效應模型，實證考察數字化轉型對全要素生產率的影響。研究發現： ① 數字化轉型對全要素生產率具有顯著的正向效應，且存在“數字化轉型一創新投入一全要素生產率\"（路徑一）、“數字化轉型一創新績效一全要素生產率\"（路徑二）和\"數字化轉型—創新投入一創新績效一全要素生產率\"（路徑三）三條路徑。 ② 路徑二是一條關鍵傳導路徑，對其作用機理進一步探討發現，內部控制和專業化分工在數字化轉型與創新績效之間發揮了部分中介作用。這不僅與現有研究結論一致，也證明內部控制和專業化分工在路徑二中的中介作用并沒有因為路徑三的加入而消失。 ③ 從企業規模、行業特征及地區差異三個維度進行異質性分析。結果表明，大規模企業、非技術密集型行業和東部地區企業的數字化轉型對全要素生產率的影響更大。

基于上述研究結論，本文提出以下建議： ① 加快推進數字化轉型，賦能企業高質量發展。數字化轉型是影響全要素生產率的重要因素，政府部門應完善數字基礎設施，降低企業轉型成本，激發企業轉型動力。搭建靈活高效的數字治理框架，為數字化轉型營造良好的制度環境。同時，鼓勵數字平臺企業發展，培育行業龍頭，為各類市場主體提供高質量的數字化轉型方案和產品。 ② 關注完整創新過程，積極推動產學研深度融合。促進創新鏈各環節緊密結合，加快建立完整創新生態系統。創新投入是企業開展創新活動的基本保障，目前中國企業整體創新投入水平相對較低且創新效率不高，企業應充分利用數字技術高效、靈活的特點，結合自身發展戰略制定有效的創新投入產出策略，從實踐需求出發，打通創新鏈各環節，加速創新過程，提升創新效率。 ③ 針對中西部地區企業以及中小企業在數字化轉型中的需求，政府應制定差異化的扶持政策，如專項財政補貼、稅收減免等優惠政策，鼓勵企業積極啟動數字化轉型項目。政府應牽頭搭建數據共享平臺，降低偏遠地區企業及中小企業獲取市場信息和技術資源的成本，使數字經濟在全國范圍內均衡發展。 ④ 構建良好的內部控制體系，深化企業專業化分工。企業要意識到數字化轉型面臨的風險，建立合理有效的內部控制體系，確保組織架構清晰，權責分明。鼓勵企業利用數字技術和智能平臺，強化跨行業協作能力，專注優勢領域的發展，培養創新人才隊伍，提高專業化分工水平，為企業創新營造更優環境，實現全要素生產率的提升。

注釋：

（1）索洛悖論（ProductivityParadox），又稱“生產率悖論”。20世紀80年代末，美國學者查斯曼（Strassman）通過對292家企業的調查發現，企業的IT投資與投資回報率沒有明顯關系。新質生產力理論強調科技是第一生產力，并將其應用于具體的產業和產業鏈，以實現經濟增長。范子英教授在“從索洛悖論到新質生產力”的演講中提出，新質生產力超越了索洛悖論，可以實現從0到1，從1到N的創新。

（2）經濟學家熊彼特提出，創新投入會影響創新績效。索洛在其發表的《技術變化和總量生產函數》中提出了著名的索洛模型，并利用該模型定量測度了創新投入（技術進步）對創新績效（經濟增長）的貢獻，后來的學者對其進行了進一步的拓展，即創新投入會影響創新績效。

參考文獻：

[1]楊慧梅，江璐.數字經濟、空間效應與全要素生產率[J].統計研究，2021，38（4）：3-15.

[2]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.

[3]劉新爭.企業數字化轉型中的\"生產率悖論”—來自制造業上市公司的經驗證據[J].經濟學家，2023（11）：37-47.

[4]BOEINGP，MUELLERE，SANDNERP.China'sRamp;DExplosion：Analyzing Productivity Effects Across Owner-ship Types and Over Time[J].Research Policy，2016，45（1） ：159-176.

[5]任英華，劉宇釗，李海彤.人工智能技術創新與企業全要素生產率[J].經濟管理，2023，45（9）：50-67.

[6]田維斌，袁海峰，王占香.技術創新、技術引進與經濟增長方式轉變[J].經濟研究，2014，49（7）：31-43.

[7]王昱，黃真瑞，胡騰.政策迎合能否兼顧高質量發展？一制造業企業的研發操縱與生產率[J].科學學研究，2022，40（9）：1562-1573.

[8]ZHOU C F，CHEN J. Can Digital Transformation Over-comethe Enterprise Innovation Dilemma：Effect，Mecha-nismand Effective Boundary[J]. Technological Forecast-ingand Social Change，2023，190：122378.

[9]董松柯，劉希章，李娜.數字化轉型是否降低企業研發操縱？[J].數量經濟技術經濟研究，2023，40（4）：28-51.

[10]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.

[11]王開科，吳國兵，章貴軍.數字經濟發展改善了生產效率嗎[J].經濟學家，2020（10）：24-34.

[12]楊晶，李哲，康琪.數字化轉型對國家創新體系的影響與對策研究[J].研究與發展管理，2020，32（6）：26-38.

[13]上官緒明，葛斌華.科技創新、環境規制與經濟高質量發展——來自中國278個地級及以上城市的經驗證據[J].中國人口·資源與環境，2020，30（6）：95-104.

[14]MERIN-RODRIGANEZ J，DASI A，ALEGRE J. DigitalTransformation and Firm Performance in Innovative SMEs：The Mediating Role of Business Model Innovation[J].Technovation，2024，134：103027.

[15]李青原，李昱，章尹賽楠，等.企業數字化轉型的信息溢出效應——基于供應鏈視角的經驗證據[J].中國工業經濟，2023（7）：142-159.

[16]戚聿東，肖旭.數字經濟時代的企業管理變革[J].管理世界，2020，36（6）：135-152，250.

[17]楊德明，劉泳文.“互聯網+”為什么加出了業績[J].中國工業經濟，2018（5）：80-98.

[18]毛義華，康曉婷，方燕翎.創新氛圍與知識管理對創新績效的影響研究[J].科學學研究，2021，39（3）：519-529

[19]黃先海，王瀚迪，孫涌銘，等.數字技術與企業出口質量升級———來自專利文本機器學習的證據[J].數量經濟技術經濟研究，2023，40（12）：69-89.

[20]BOLANDRJ，LYYTINENK，YOOYJ.Wakes of Inno-vation in Project Networks：The Case of Digital 3-D Rep-resentations in Architecture，Engineering，and Construc-tion[J].Organization Science，2007，18（4）：631-647.

[21]陳曉紅，李楊揚，宋麗潔，等.數字經濟理論體系與研究展望[J].管理世界，2022，38（2）：208-224，13-16.

[22]施炳展，李建桐.互聯網是否促進了分工：來自中國制造業企業的證據[J].管理世界，2020，36（4）：130-149.

[23]姚立杰，朱孟杰，鄒婧鑫.內部控制總能促進企業創新嗎？——來自高新技術企業的證據[J].審計研究，2023（5） ：147-160.

[24]李曉翔，張樹含.數字化轉型如何影響企業融通創新？[J].經濟管理，2023，45（4）：41-63

[25]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

[26]劉家樹，石洪波，齊昕.創新鏈視角下高新技術企業認定效應與機制研究[J].科研管理，2022，43（6）：22-31.

[27]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（季刊），2012，11（2）：541-558.

[28]宋敏，周鵬，司海濤.金融科技與企業全要素生產率—“賦能”和信貸配給的視角[J].中國工業經濟，2021（4）：138-155.

[29]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）：130-144，10.

[30]李雪松，黨琳，趙宸宇.數字化轉型、融入全球創新網絡與創新績效[J].中國工業經濟，2022（10）：43-61.

[31]盧福財，王雨晨，徐遠彬.頭部企業在數字化轉型中的作用[J].數量經濟技術經濟研究，2024，41（5）：92-112.

[32]趙璨，陳仕華，曹偉.“互聯網 + ”信息披露：實質性陳述還是策略性炒作——基于股價崩盤風險的證據[J].中國工業經濟，2020（3）：174-192.

[33]黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019（8）：5-23.

[34]袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化[J].中國工業經濟，2021（9）：137-155.

[35]李旭超，張文怡，趙婧.企業數字化轉型、人力資本升級與高質量就業[J].北京工商大學學報（社會科學版），2024，39（3）：40-52.

[責任編輯：許燕]