數字化轉型能提高企業生存概率嗎？

一、引 言

企業數字化轉型是將新一代數字技術引人企業生產管理、組織運營和研發創新等環節（Ebertand Duarte，2018）。面對數字技術帶來的沖擊，越來越多的企業尤其是傳統制造業企業將數字技術引人到研發設計、計劃調度、生產作業、倉儲配送、質量管控、營銷管理、供應鏈管理等環節，實現生產運營與數字技術的深度融合。第五次全國經濟普查數據顯示，2023年 47% 的規模以上企業應用了云計算、物聯網、人工智能和工業互聯網等數字技術。應用數字技術實現產業轉型升級和生產效率提升，正在成為我國數字經濟發展的新亮點。如果適者生存的邏輯成立，那么面對數字技術沖擊，選擇數字化轉型能否有效提高企業的生存概率？對哪類企業效果更加明顯？數字化轉型快慢是否會

影響效果？存在怎樣的實現路徑與作用機制？

能否在市場上持續經營是每個企業需要解決的重要問題。企業生存概率與生命周期的各個階段緊密相關，相比于成熟期企業，處在成長期和衰退期的企業生存風險更高。前者受較高技術變化率的干擾，后者則面臨市場退化的風險（Agarwal andGort，2002）。只有在市場相對成熟和競爭力相對穩定的成熟階段，企業面臨的不確定性才更低，生存概率更高。從企業生命周期的理論能夠推斷，處在成長階段的企業不僅面臨難以逾越的增長陷阱，還有可能難以維系增長而迅速走向衰退（Adizes，2004）；而進入衰退期的企業一旦無法培育出新的增長點，生存也受到威脅。生存概率在不同階段的分布差異為分析企業面對技術沖擊時的生存績效提供了一個新的視角。

理論上，無論是維系增長，還是培育新的增長點，都和企業的技術創新、效率改進，以及拓展企業邊界分不開。在提高生存概率的創新路徑上，加大技術研發能夠提升產品競爭力，能夠幫助企業維系增長業績（Graetz and Michaels，2018）;改進與更新生產設備、加大員工技能培訓等舉措能夠提高企業的生產效率，通過控制投人與產出比例提升生產運營表現（陳佳貴，1995;DeGeus，1997）;通過延展產業鏈或產品集拓展企業邊界，不僅能夠開發新的業績增長點，也能幫助處在衰退期的企業重返成熟期（Atalay etal.，2019）。如果上述推斷成立，那么企業應對數字技術沖擊作出的轉變，既關系到企業能否平穩進人到相對安全的成熟期，也是考驗企業能否存活的關鍵。相關文獻揭示了企業選擇數字化轉型能夠提高企業的經濟收益（Greiner，1998;Henfridsson etal.，2014;李東紅等，2020）。從這些文獻可以推斷，企業應對數字技術沖擊作出的轉變對提高生存概率有積極作用。然而這種適者生存的邏輯存在怎樣的作用條件和路徑，對哪類企業效果更加明顯，以及轉型快慢是否干擾效果等問題，從已有文獻當中仍然得不到完全的解釋。

企業的生存概率并不是能否生存，或是否退出的二值問題，而是企業應對生存風險時的常態。本文根據2011至2020年滬深A股制造業上市企業的經驗數據，從企業生命周期的理論視角切入設置生存概率變化的興趣事件，進而利用CoxPH模型來檢驗數字化新業態何以提高企業生存概率，從而刻畫數字化轉型過程中企業適者生存的邏輯。和已有文獻相比，本文的邊際貢獻在于：第一，依據現有文獻，從企業不同生命周期階段生存概率的系統性差異切入來設計興趣事件，以此捕捉企業生存概率的系統性變化。如此處理的好處在于，能夠有效識別企業生命周期相對于同時期企業而言的動態變化，避免人為的階段劃分對研究結論帶來的干擾。第二，增加數字化轉型速度的效果識別。現有文獻多從轉型程度上刻畫數字新業態帶來的微觀影響，卻忽視企業應對數字技術沖擊時的反應速度如何發揮作用。本文在數字化轉型成效相關已有文獻的基礎上，額外增加一個維度來捕捉企業層面的反應速度如何發揮轉型效果，以補充數字化轉型文獻的分析視角。第三，按不同階段的特征差異動態捕捉企業生存受到的影響，將轉型經濟收益的文獻進一步延伸到企業生存風險的討論上。如此處理既能有效捕捉數字化轉型對企業長期績效的影響，又能為數字化新業態影響企業生存概率提供系統的量化證據，有效避免定性或案例分析在結論一般性上的不足。此外，在政策實踐層面，研究結論明晰了數字化提升企業生存概率的作用條件，能夠為提升我國企業實際生存績效提供政策啟示。

二、文獻回顧與研究假設

（一）文獻回顧

中國企業的生存狀況并不樂觀。按原國家工商總局企業注冊局、信息中心發布的《全國內資企業生存時間分析報告》，將近一半的企業生存時間不足5年，中小企業壽命更是遠遠低于該平均水平①。課題組根據全國工商企業注冊數據統計發現，2004至2023年間退出企業的平均壽命只有4.7年②，和歐美國家平均40年的企業壽命、日本平均30年的企業壽命有著巨大差距（許家云和毛其淋，2016；卞元超和白俊紅，2021）。如何提高生存概率成為中國企業持續經營的重大難題。

現有文獻中影響企業生存的因素主要包括內部因素和外部因素。就內部因素而言，學者們從企業能力（或資源）、企業自身行為等角度展開。企業能力（或資源）的積累與變化是影響企業持續生存的重要因素（肖興志等，2014）。Esteve-Perez and Manez-Castillejo（2008）考察了企業成立初期擁有的資源和能力對后期生存的影響，Baumohletal.（2019）、于嬌等（2015）分別從企業的創新行為、貿易決策等方面揭示了企業個體行為對生存風險存在顯著影響。Heand Yang（2016）利用中國企業的樣本發現生產效率越低、年齡越老的企業，維系生存面臨更高的風險。而影響效率的創新能力變低是企業退出風險變大的主要原因（Gorg and Spaliara，2007;Fermandes and Paunov，2015）。外部因素當中，包括行政壟斷、政府補貼、地方制度環境、官員個體特征等制度層面的因素是學者關注的重要方面。卞元超和白俊紅（2021）發現由行政區經濟導致的地區間市場分割加劇了中國企業的退出風險；Baumohl et al.（2019）、Zhang etal.（2019）分別利用15個歐洲新興市場的面板數據和中國工業企業微觀數據，發現國家治理水平和腐敗控制程度對提升企業生存概率有積極作用;許家云和毛其淋（2016）、康妮和陳林（2018）、Bessonova（2023）發現滿足一定條件的政府補貼、政策支持，以及稅收優惠，能夠幫助企業降低退出風險，延長壽命時長。胡佳胤等（2024）發現中國在推行企業破產改革之后，官員變更明顯提升當地企業破產數量。除了制度因素以外，鏈上企業的關聯互動、宏觀經濟波動，以及外生的自然災害，也會影響企業的生存概率（彭璧玉和張慧，2015;Cole etal.，2019）。

無論是內部因素還是外部因素，都和企業抵抗生存風險的能力有關。這種能力既受企業稟賦條件的影響，也和企業能否有效適應外部技術條件和市場環境的變化有關。如果稟賦和外部條件變化的相對速度給定，那么企業生存風險的高低只受企業選擇適應變化的適者生存戰略實施情況的影響（Agarwal and Gort，2002）。

數字技術變革不僅是生產技術的變革，同時也是市場環境的根本性改變（陳曉紅等，2022）。面對數字技術變化帶來的沖擊，現有研究揭示了企業選擇適者生存戰略獲得的經濟收益。一方面，數字技術的發展讓信息更容易捕捉和搜集，從而直接影響到企業的生產經營決策。因此，大量文獻揭示了企業選擇融入數字技術對企業生產效率、創新能力的積極作用（Prajogod and Olhager，2011;Rit-ter and Pedersen，2020;劉洋等，2020;吳非等，2021;倪克金和劉修巖，2021），并且選擇數字化轉型的適者生存戰略還能夠幫助企業提高市場與產品運營的敏捷性，通過弱化信息不對稱與聲譽擴散來提高競爭績效（Mikalef and Pateli，2017;劉誠等，2023; Henfridssonet al.，2014;Teece，2018;Johnson etal.，2017;陳劍等，2022;Wambaetal.，2017）。另一方面，也有不少文獻發現數字化轉型與企業獲得的經濟收益之間未必是簡單的線性聯系（Acemoglu and Restrepo，2018;劉淑春等，2021）。倪克金和劉修巖（2021）發現數字化轉型對 80% 分位點企業和 20% 分位點企業的作用效果并不完全相同。周瀟（2021）和劉誠等（2023）發現數字技術嵌人對企業重塑生產組織的作用并不完全一致。劉淑春等（2021）認為數字化管理存在動態波動的“陣痛期”，使得數字化投入與生產投入一產出效率之間呈現非線性關系。事實上，截至2021年我國僅 17% 的企業數字化轉型能夠帶來實際的經濟效益，大多數企業數字化轉型面臨諸多困境①。轉型收益的不確定性導致一部分處在成長期或衰退期的企業陷入“是否要進行轉型，以及如何轉型”的決策困境。此外，在核心技術上存在的“卡脖子\"難題也讓企業選擇向數字新業態轉型的決策變得不明朗（劉淑春，2019）。

如此一來，根據數字化轉型經濟收益相關文獻并不能得到企業數字化轉型對生存概率影響的一致結論，也無法得知選擇適者生存戰略的效果條件和轉型快慢、企業類別帶來的效果差異。當然，除了經濟收益的討論本身存在成本一收益的權衡而無法得到一致答案以外，無法推斷數字化轉型對企業生存績效的作用還有一個可能因素在于，數字化轉型經濟收益的文獻更多地聚焦在轉型戰略實施當年階段性特征的影響，并未長波段地關注這一戰略選擇對企業生存績效的作用，而選擇適者生存戰略之后能否在同業競爭中獲勝主要依賴于戰略選擇的長期影響，而非短期表現。長波段關注生存戰略的作用，有必要將企業生命周期的特征納入分析當中（Agarwal and Gort，2002）。雖然不少文獻從企業生命周期角度關注了企業的投資行為、并購活動、創新表現等，以及數字化轉型效果（Owenand Yawson，2010;劉詩源等，2020），但這類研究往往將企業所處的生命階段作為外生的解釋變量，且不關心不同生命周期的特征變化對企業生存帶來的影響。即便肖興志等（2014）將話題聚焦在企業的生命周期的影響上，卻也因忽視對數字化轉型這一新業態的關注而無法推斷企業數字化轉型與其生存概率之間的內在聯系。

（二）研究假設

雖然無法從現有文獻直接推斷適者生存戰略對企業生存概率的影響，但這類文獻卻間接地提供了數字技術影響企業能力與資源建設長期效果的三種可能路徑：創新能力提升、效率改進和企業邊界拓展。面對數字技術沖擊，一旦企業選擇適者生存戰略，三個路徑的長期效果便可能推動企業跨越增長陷阱或幫助企業重新獲得業績增長點，通過重返或維系成熟期來維持較高的生存概率。

根據生命周期理論，成熟期企業研發創新主要依賴于自身的研發投人，而成長期企業研發創新主要依賴于外部的研發投人（Acsetal.，1994）。當自助式研發投人成為推動創新的動力之后，企業隨之跳出成長陷阱而步人成熟期，或避免走向衰退。因此，能否提高存活概率，可以從自助式研發投入的變化進行判斷。理論上，企業一旦選擇適者生存戰略，通過將數字技術運用到研發與生產當中，有助于提高自助式研發投入。一方面，選擇嵌入數字技術能夠推進企業的數字市場建設，在更高效拓展市場的同時也產生海量消費、用戶數據，這些數據不僅強化了企業和消費者之間的信息交流，還能指導企業調整創新方向。另一方面，一旦選擇轉型的適者生存戰略，推動數字科技和研發活動深度融合，可以極大地提高研發活動所需的結構化和非結構化、文本和非文本，以及標準化和非標準化數據的收集一處理效率，提升數據信息的可利用度與正確率，從而提高創新行為的投入一產出效率（包彤，2023）。因此，企業選擇數字化轉型本質上是主動進行數字技術深度融人的行為，在創新投入、創新效率上都會帶來價值輸出，這些價值輸出有助于企業成功跨越增長陷阱或重獲成長活力，提高生存概率（霍春輝等，2023）。基于以上分析，提出如下假設：

H₁ ：面對數字技術沖擊，企業選擇數字化轉型的適者生存戰略能夠增強自身創新能力，進而提高生存概率。

面對數字技術帶來的沖擊，選擇數字化轉型的適者生存戰略要求企業全方位地實現生產要素同數字技術的深度融合，這種融合一定程度上能夠影響企業的生產、運營效率。一方面，新的數字化信息設備與計量過程運用能大幅度提升動力機械的運行效率，從而促進生產環節的效率提升（Creutziget al.，2022）。此外，面對數字技術沖擊選擇適者生存戰略，還能推動人工智能、機器人應用與生產環節的融合程度，實現“生產的轉型”，使企業在原有的資源邊界下達到更大的產出績效（Loebbeckeand Picot，2015）。Acemogluand Restrepo（2018）發現，配套智能應用、機器人應用的數字化轉型不僅提升了企業現有生產的投人一產出效率，還能為企業帶來新的機會與利潤增長點，推動企業成長。

當然，早在上世紀80年代經濟學家Solow發現，大量的信息技術投人對生產效率提升的作用甚微，由此提出“索洛悖論\"（Gordon，2016）。國內研究也發現，數字技術嵌入未必能夠存在正向的效率機制，除了數字化轉型存在滯后效果以外，數字鴻溝與技術鴻溝的存在、轉型收益的不確定性，以及關鍵技術的“卡脖子\"問題，都導致數字化轉型對于企業生產效率改進沒有實質性影響（劉淑春，2019；倪克金和劉修巖，2021；劉淑春等，2021）。

從上述文獻推斷，面對數字技術帶來的沖擊，企業選擇適者生存戰略能否通過效率機制提高生存概率，存在著正反兩方面的作用機制，最終的效果取決于兩種機制的凈效應。為此設計以下競爭性假設以備檢驗。

H_2a ：面對數字技術沖擊，選擇數字化轉型的適者生存戰略能夠提升企業生產效率，進而提高生存概率。

H_2b ：面對數字技術沖擊，選擇數字化轉型的適者生存戰略難以促進企業生產效率改進，對提高生存概率沒有效果。

理論上，企業通常會權衡外部交易成本和內部交易成本來確定企業邊界（Coase，1937;Atalay etal.，2019;Jafari-sadeghi etal.，2021）。當外部交易成本下降時，以“利潤最大化”為目標的企業會積極展開交易來謀求邊界擴張。Petersenet al.（2002）研究表明，數字技術的發展降低了企業向外部市場尋找新投資機會的成本，從而幫助企業不斷地擴展市場范圍。當眾多企業都選擇與數字技術的深度融合之后，龐大的數字市場能夠產生豐富的數字資源，不但節省了上下游企業之間獲取信息的費用，也加強了企業同市場、產業鏈上下游企業的交流互動，增強產業鏈的關聯水平（Liuetal.，2011;張虎等，2023）。這些交流無疑拓寬了企業交易選擇的范圍，為擴展企業邊界提供機遇。從中能夠推斷，企業一旦選擇適應數字技術帶來的沖擊，其交易成本得到節省，從而有利于通過邊界拓展來延緩壽命，提高存活概率。由此，本文提出如下假設。

H₃ ：面對數字技術沖擊，企業選擇數字化轉型的適者生存戰略能夠擴展邊界，進而提高生存概率。

三、研究設計

（一）CoxPH模型設計

企業生存過程中存在的風險問題一直是企業成長理論和生命周期理論的核心命題。參考 Agar-wal and Gort（2002）的研究，本文根據不同生命周期階段生存風險的差異設置興趣事件，利用事件史分析方法當中的CoxPH模型來分析企業生存概率的變化及其影響因素。具體的處理原理是，將生存興趣事件設定為企業在t時刻是否處在生存風險相對較低的成熟期，從中對企業生存戰略選擇與經歷成熟期之間的關系進行嚴密的事件史分析。之所以將企業是否處在成熟期作為識別企業生存概率的興趣事件，是由于企業生存概率與生命周期的各個階段緊密相關，處在成熟期的企業比其他企業生存概率更高。一方面，成熟期企業的產品與市場相對成熟，企業競爭力較為穩定，能相對容易地化解發展過程中面臨的負向沖擊（Agarwal and Gort，2002）;另一方面，和成熟期的企業相比，成長期、衰退期企業面臨更高的不確定性（Adizes，2004;Agarwal and Gort，2002），生存概率低于成熟期。對于成長期企業而言，不僅受到較高技術變化率帶來的不確定性的干擾，發展過程中還存在著難以逾越的增長陷阱;而衰退型企業需要不斷探索和培育新的增長點，若無法培育增長點生存也會受到威脅。一旦設置成熟期的興趣事件之后，利用 CoxPH 模型不僅能捕捉到不同階段企業生存概率的差異，還可以在此基礎上測度出樣本企業從其他階段步人到成熟期的概率。

Cox PH模型最早應用在醫學和生物學領域，常用來研究動物、植物和人類的生存事件發生的概率和速度（LinandWei，1989）。由于在處理截取數據和刪失數據中的優勢，該方法廣泛用在社會科學的研究當中（Adsera，2005;Deryugina et al.，2019）。除具備事件史分析法在處理數據歸并和將企業存活與風險概率相聯系的長處外，選擇 CoxPH 模型還包括以下幾點原因： （1）CoxPH 模型不但能夠如Probit、Logit等離散模型一樣檢驗事件發生的概率，還能夠有效估計處在其他階段的企業步入成熟期的概率。相比之下，離散模型僅僅捕捉是否處在成熟期的概率，無法觀察到其他階段企業能以多大概率進入到成熟期。 （2）CoxPH 模型當中加入了時間維度，從而比其他模型更能充分利用時間信息來考察個體在觀測期間事件發生的速度。相比之下，離散模型只能捕捉哪些因素影響企業是否處在成熟期，并不捕捉個體和時間變化趨勢的影響。 （3）CoxPH 模型屬于半參數模型，無需對基準風險的分布進行設定。因此，在實際參數模型未知的情況下， CoxPH 模型可以得到最接近正確參數模型的結果（Basuet al.，2004）。而離散模型要求數據遵循伯努利分布，條件更加嚴格。正是上述三個方面的原因，使得 CoxPH 模型更多地用在生存風險的分析中。

基準回歸的 CoxPH 模型設定如下：

式中，f（ （，X） 是企業i在t時刻關于風險因素X的風險函數，表示企業在t時刻興趣事件（進入成熟期則賦值為1，反之則賦值為0）發生的瞬時概率。f（t，X）數值越大表明興趣事件發生的概率越高，從而生存概率越大。理論上， f（t，X） 的高低與基準風險函數 f₀（t） 、企業戰略選擇 ΔSSF_i，t 和其他因素（ other_i，t） 有關，因而是基準風險函數 f₀（t） 和相應協變量函數 的乘積。其中，基準風險 f₀（t） 表示外部環境對企業存活概率的整體影響，其風險分布事先未知，可視為特定時期下的一種常態。結合企業數字化轉型存在程度大小與相對強度的差異，企業戰略選擇（ SSF_i，t ）的測度分別利用企業的數字化轉型程度 （digital_-p_i，t） ）和數字化轉型速度 （digital_-s_i，t） 來刻畫。其中數字化轉型程度用來刻畫企業面對數字技術沖擊選擇的轉變程度，而數字化轉型速度表示企業選擇適者生存戰略之后，與同行、全國樣本相比數字化轉型的快慢。 β₁ 是企業適者生存戰略選擇的風險系數，即對興趣事件（企業進入成熟期： life=2 ）的影響效應，其內在含義可由式（2）給出。 β 用來捕捉其他因素的作用大小。

從式（2）中可以看出，企業i選擇適者生存戰略，即 變化1單位， .f（t，X） 變為原來的 倍。當 ，即 β₁gt;0 時，企業進入成熟期的可能性隨企業選擇適者生存戰略而提高，生存概率上升;否則生存戰略選擇與進入成熟期概率為負相關關系，生存概率下降。回歸時將生存分析數據的開始考察時間設定為2011年，如果企業于2011年以后上市，則將其上市時間設為開始考察時間。參照大多數文獻的做法，其他因素（ other_i，t; 包括企業層面的個體特征、行業固定效應以及年份固定效應。

此外， CoxPH 模型分析時需要考慮多時點興趣事件的出現，即在樣本期內企業進人成熟期這一事件可能多次發生，從而同一家企業可能存在多個持續的生存時間段。對這一問題的處理方法是：一是在借鑒 Besedesand Prusa（2006）、陳勇兵等（2012）的研究結論，只考慮企業首次的持續生存時間段進行基準模型估計。他們的研究指出，將企業經歷的多個持續生存時間段視為相互獨立的持續生存時間段的方式，與將第一個持續生存時間段視為唯一持續生存時間段，按照生存函數得到的估計結果基本一致。其次，在穩健性部分重新設定企業生命周期，將其更換為離散變量進行測度，以此解決企業進人成熟期這一興趣事件可能多次發生的問題，同時也排除測度誤差帶來的內生性問題。

（二）樣本選擇

相比較于其他行業樣本，制造業面臨傳統技術生產與轉型的重重困境，面對數字技術沖擊選擇數字化轉型就更顯得更加重要。因此，本文將樣本鎖定在制造業企業，一共搜集整理了2011至2020年滬深A股所有制造業企業的經驗數據。之所以選擇2011年作為樣本考察的起始年份，一方面是因為智能和機器人應用從2010年開始才有明顯的上升趨勢;另一個原因是國家統計局在2011年對《國民經濟行業分類》做出了調整，以此為起始年份能夠剔除統計口徑不一致對結果的干擾。對樣本數據進行了以下的預處理：（1）剔除核心數據嚴重缺失的樣本;（2）剔除ST和ST*的企業;（3）對連續變量進行 1% 水平下縮尾處理。

由于 CoxPH 模型能夠很好地解決右刪失問題，因此由2020年之后樣本狀態未知產生的右刪失問題并不會對結果造成干擾。考慮到2011年之前樣本狀態同樣未知帶來的左刪失問題，如果直接將2011年以前上市的企業刪去會損失大量樣本，導致實證檢驗結果不準確。在此借鑒Peterson et al.

（2018）的研究，在穩健性檢驗中，將樣本考察時間區間擴展至2005至2020年，同時刪除2005年以前上市的樣本，以此緩解左刪失問題對估計結果的干擾。

（三）變量選擇

數字化轉型程度（digital ?_-p_i，t ）借鑒吳非等（2021）的做法進行測度，利用python軟件搜集制造業上市公司年報企業數字化轉型詞頻的數據。對人工智能技術、大數據技術、云計算技術、區塊鏈技術、數字技術應用五個維度76個數字化相關詞頻進行關鍵詞提取并統計加總（數字化轉型詞匯選擇依據參見圖1）。以數字化轉型總詞頻數來衡量企業數字化轉型程度。該數據來源于上市公司年報。

數字化轉型速度 則在數字化轉型程度（digital ?_-p_i，t ）測度的基礎上，利用行業數字化轉型進行賦權得到，計算公式如式（3）所示。其中分子代表t年企業i的數字化轉型程度與整個同行業j平均數字化轉型程度的比值，分母是行業j平均數字化轉型程度與全國所有行業平均數字化轉型程度的比值。數字化轉型速度衡量了與同一行業以及全國所有行業相比較，企業i應對數字技術沖擊選擇轉型的變化速度。該數值越大說明應對數字技術沖擊時能夠迅速轉變戰略，否則說明在選擇適者生存戰略時比同行和其他行業反應慢。

企業生命周期的劃分（life）。學界關于企業生命周期的劃分方法主要有現金流量法、綜合指標分析法和單一指標法，普遍認為單一指標法有較大缺陷。綜合指標分析法是劃分企業生命周期普遍運用的方法（Anthonyand Ramesh，1992;DeAngelo etal.，2006; Hribar and Yehuda，2015;Koh and Du-rand，2015）。在指標選擇上，李云鶴等（2011）基于中國上市公司的特征，指出用銷售收入增長率、資本支出率，以及留存收益率可以明顯反映企業生命周期特征。此外，考慮到企業年齡這一非財務指標與企業生命周期之間具有密切關系（He and Yang，2016），在測度時也將這一因素納入分析當中。這樣一來，最終根據銷售收入增長率得分、資本支出率得分、留存收益率得分、企業年齡得分四個指標來判別企業生命周期。判別方法如下：根據\"銷售收人增長率得分、資本支出率得分、留存收益率得分、企業年齡得分\"計算總得分，分行業對總得分進行排序，將總得分前1/3的企業劃分為成長期，總得分中間1/3劃分為成熟期，總得分后1/3的企業劃分為衰退期，記成長期為1、成熟期為2、衰退期為3。該綜合得分處理方法已用于諸多研究之中（梁上坤等，2019;劉詩源等，2020;陳紅等，2024）。

為了緩解遺漏變量所造成的內生性問題，提高分析結論的精確度，參考已有文獻綜合選取企業個體層面的控制變量，包括企業年齡（age）、企業規模（size）、企業價值（value）、投資機會（tobins）、股權集中度（top）、杠桿率（lev）、兩職合一（mega），各變量定義詳見表1。以上數據均來自CSMAR數據庫。

表2是描述性統計結果。數字化轉型程度的均值為3.573，標準差為9.588，說明不同企業在應對數字技術沖擊時選擇轉型的程度并不完全一致。數字化轉型速度的統計特征顯示，企業面對數字技術沖擊的反應速度上也存在差異。比較不難發現，個體間轉型快慢的懸殊要低于轉型程度的懸殊。

四、檢驗結果與分析

（一）基準回歸結果

1.等比例風險假設檢驗

使用CoxPH模型時必須滿足等比例風險的假設，一旦變量不滿足等比例風險假設，估計結果就可能存在偏誤。對變量風險比例進行了等比例檢驗的結果見表3。無論哪種情況，數字化轉型程度、數字化轉型速度的P值均大于0.1，不能拒絕等比例風險的原假設。并且模型整體的P值均大于0.1，多數控制變量的P值也大于0.1，說明多數變量的估計結果可信。

2.Cox PH模型回歸結果

表4匯報了基于式（1）的估計結果，其中列（1）、列（4）是不含控制變量的估計結果，回歸時僅控制了年份和行業固定效應，列（2）、列（5）控制了其他因素，同時放松行業固定效應的控制，數字化轉型程度、數字化轉型速度系數都在 1% 水平上顯著為正。列（3）列（6）是加入個體特征的控制變量的估計結果，數字化轉型程度系數在 5% 水平上顯著為正，數字化轉型速度系數在 1% 水平上顯著為正。上述結果均說明，面對數字技術沖擊，選擇適者生存戰略能夠提高企業從其他階段進入成熟期的可能性，進而提高生存概率。對比數字化轉型程度、數字化轉型速度的系數不難發現，數字化轉型速度能夠帶來更高的生存績效。轉型速度越快，企業步人成熟期的概率越高，抵抗生存風險的效果越明顯。

半參CoxPH模型需處理基準風險 f₀（t） 的變化，以及相互關聯事件對結果的干擾問題。第一個問題在模型設定時就已經排除。 f₀（t） 依賴于企業樣本期初的設定，如果在樣本期之前已經上市，則f₀（t） 按2011年進行設定，否則根據上市年份設定，從而確保樣本初期的分層處理來避免這一問題可能產生的估計偏差。相互關聯事件的干擾從表4的估計結果中能夠排除。一方面，引人和不引入控制變量時數字化轉型程度、數字化轉型速度系數符號一致且顯著，系數大小也并無太大差異，說明變量之間對生存概率的影響相對獨立;另一方面，幾乎所有變量的符號和預期一致，其中企業規模、企業價值、兩職合一、杠桿率的作用由于能夠被企業年齡、股權集中度吸收，導致這幾個變量一致不顯著，但在系數符號上保持一致，并且協變量系數符號、顯著性在是否控制年份、行業固定效應時也保持一致，從而排除了相互關聯事件干擾可能帶來的估計偏差。

（二）穩健性檢驗

1.更換模型設計

通過等比例風險假設證明了基準回歸中使用CoxPH模型的可信度，但仍然存在個別變量無法滿足等比例風險假設的情況，可能會對結果產生干擾。為此使用另一種生存分析方法——加速失效時間模型（AFT）來代替CoxPH模型進行穩健性檢驗。AFT模型同樣是有效且穩健的參數模型。當數字化轉型程度、數字化轉型速度系數顯著為正時，表明適者生存戰略會減緩企業進人成熟期的過程，即不利于提升企業存活概率;否則說明適者生存戰略能夠促進企業提升生存概率。表5中基于AFT模型的估計結果顯示，數字化轉型程度、數字化轉型速度系數均顯著為負，選擇轉向數字新業態的戰略更高概率地促進了企業進入成熟期，并且總體上數字化轉型速度的估計系數絕對值明顯大于數字化轉型程度，與 CoxPH 模型所得結論一致。

2.數據左刪失問題的解決

Cox PH模型化解了數據右刪失問題，但左刪失問題對結果的干擾仍然需要進一步排除。因此將生存分析數據的開始考察時間設定為2005年以來的企業上市時間，重新進行CoxPH模型估計，回歸結果見表6。列（1）至列（3）的結果顯示，數字化轉型程度、數字化轉型速度回歸系數均顯著為正，并且后者的效果明顯大于前者，與基準結論一致。

3.重塑企業數字化轉型指標

基準回歸中使用\"詞頻\"反映企業數字化轉型程度，這種方法可能存在以下問題：（1）詞頻數據具有典型的\"右偏性\"特征。（2）各個企業年報撰寫習慣不同、長度不一，導致詞頻數據統計具有較大的差異。因此有必要重建企業數字化轉型指標來解決以上問題。針對“右偏性\"問題，參考巫強和姚雨秀（2023）的做法對數字化轉型詞頻進行加1再對數化處理，然后替代數字化轉型程度進行估計。得到的估計結果見表7中的列（1）列（2），回歸系數仍顯著為正。針對第二個潛在問題則參照袁淳等（2021）的做法，采用企業數字化轉型詞頻總數除以年報MDamp;A語段總詞數來重建數字化轉型程度、數字化轉型速度指標。得到的回歸結果見表7列（3）至列（6）。回歸系數與基準回歸所得結論一致。

4.增加固定效應

基準回歸中控制了企業個體的特征變量、不可觀測的行業特征，以及時間趨勢，但仍有可能存在遺漏變量的問題。因此進一步分別增加省份固定效應和城市固定效應以捕捉不可觀測的地區特征和宏觀因素的干擾。回歸結果如表8所示，列（1）、列（2）是在基準估計基礎上分別增加了省份固定效應和城市固定效應的結果，數字化轉型程度的系數仍然在 5% 的水平上顯著為正。列（3）列（4）是對數字化轉型速度的回歸結果，系數仍然顯著為正，并且大于數字化轉型程度系數。基準估計結論并不受地區固定效應的干擾。

5.改變企業生命周期的劃分方法

基準回歸時根據總得分按照1：1：1的比例對企業生命周期進行劃分，以此來測度企業生存概率的系統性差異，然而這一周期的劃分標準也可能干擾估計結果。對此采取的處理是將各階段劃分的得分比例調整為2：1：1，即將總得分前1/2的企業劃分為成長期，總得分后1/4的企業劃分為衰退期，總得分中間1/4劃分為成熟期，然后重新構建 CoxPH 模型進行回歸。表9的估計結果表明，無論哪種情況，數字化轉型程度、數字化轉型速度的系數均顯著為正，且二者的系數大小也和基準估計一致，證明了基準結論的穩健性。

6.內生性問題和興趣事件多時點問題

企業面對數字技術沖擊選擇適者生存戰略可能存在潛在的雙向因果帶來的內生性問題，表現為擁有更高生存概率的企業傾向于選擇數字化轉型，而較低生存概率的企業則放棄選擇轉型。因此，需要選取合適的工具變量來解決這一問題。參考黃群慧等（2019）的研究，選擇企業所在城市1984年每百萬人郵局數量作為企業數字化轉型的歷史工具變量。考慮到該變量并不隨時間發生變化，借鑒Nunn andQian（2014）的做法，利用企業所在城市1984年每百萬人郵局數量和年份的交互項作為企業選擇適者生存戰略的工具變量。

除了可能的反向因果外，由變量測度造成的誤差也可能帶來內生性問題。在基準模型當中并未考慮興趣時點多時點問題也可能對結果造成干擾。對此采取對處理是，將生存概率大小按照不同階段設置成離散變量（ ，在存活概率高的成熟階段dv_life賦值1，成長階段賦值0，衰退階段賦值為-1，然后結合工具變量進行離散模型的IV-2SLS估計。估計結果見表10。

從結果上來看，Kleibergen-PaaprkLM檢驗統計量的P值均在 10% 水平上高于臨界值，拒絕弱工具變量的原假設。同時Cragg-DonaldWaldF統計量的值均在 10% 水平上分別顯著高于臨界值16.380和4.010，同樣拒絕原假設，說明工具變量選取合理。列（1）、列（3）是第一階段的檢驗結果，工具變量的系數均在 1% 的水平上顯著為正。列（2）列（4）是第二階段的估計結果，數字化轉型程度、數字化轉型速度系數仍然顯著為正，并且后者估計系數明顯大于前者。說明即便消除內生性問題和興趣事件多時點問題之后，企業面對數字技術沖擊選擇適者生存戰略仍然顯著提高了生存概率，基準估計結果穩健。

五、路徑與機制分析

（一）適者生存的作用路徑

雖然 CoxPH 模型證明了選擇適者生存戰略顯著提升企業的生存概率，但仍然無法判斷該戰略通過何種路徑發揮作用，以及這一戰略選擇究竟是幫助成長期企業跳出增長陷阱的作用更大，還是幫助衰退期企業重獲生命延續的作用更大。為此結合前文的路徑分析，分別構建式（4）至（6）的雙向固定效應模型來檢驗作用路徑，以驗證理論假設 H₁，H_2a，H_2b 和 H₃ 。

考慮到數字化轉型程度（digital_p）對提高生存概率的作用低于數字化轉型速度（digital_s），因此只需檢驗數字化轉型程度的效果路徑便能揭示適者生存戰略的效果路徑與機制。式（4）至（6）中，RP是企業研發人員占比，代理企業創新能力。TFP是企業全要素生產率，用來衡量企業生產效率，利用OP法進行測算。借鑒供應鏈多元化的測度辦法（巫強和姚雨秀，2023），利用供應鏈集中度（HHI）作為企業邊界的代理變量。當企業邊界擴展時，表現為企業發展新的業務領域和新的市場交易范圍，從而在新業務領域和市場產生供應商和客戶。供應鏈集中度越大表示鏈上企業多元化程度越低、業務領域較為集中，企業邊界越小，否則說明邊界得到拓展。Control是系列控制變量， γ_t 和 μ_i 分別表示年份和個體固定效應， ε_i，t 是隨機誤差項。為了提升估計結果的可靠性，均在企業層面進行穩健標準誤聚類。

1.創新能力路徑

表11呈現了生存戰略對企業創新能力的影響。列（1）中數字化轉型程度的回歸系數顯著為正，說明樣本期間企業選擇適者生存戰略能夠顯著提高創新能力，進而提高生存概率。列（2）、列（3）、列（4）分別是對成長期、成熟期和衰退期企業的估計結果，數字化轉型程度回歸系數均顯著為正，說明數字化轉型通過增強企業的創新能力來提高企業的生存概率， H₁ 得到驗證。

對比不同階段的估計系數可以發現，適者生存戰略對衰退期企業的正向效果遠大于成長期和成熟期。其中的可能原因在于：一則，相比于衰退期企業，成長期企業面臨更大的融資約束，選擇生存戰略時機會成本更高，從而可能將有限的資金投人到資本性支出而擠出創新所需的研發性支出（劉詩源等，2020）。此外，成長期企業對創新方向的把控不到位也更容易落入增長陷阱當中，因此即使選擇了進行數字化轉型的適者生存戰略，創新能力也不如其他兩類企業。其次，衰退期企業在平穩返回成熟期后，面臨被市場淘汰的壓力遠遠高于成長期企業，更迫切需要借助于數字化轉型來改變現狀（衛力等，2023）。

2.效率提升路徑

表12是基于模型（5）的估計結果。無論是對全樣本，還是對處在不同階段的子樣本估計，數字化轉型對生產效率的作用均不顯著。說明樣本期間，選擇數字化轉型并不能通過效率提升路徑助力企業提高生存概率，從而在統計學意義上排除了效率路徑的作用，即 H_2a 不成立，“索洛悖論\"在我國制造業企業中仍然存在①。

對這一結果可能解釋包括：一則，適者生存戰略的效果存在時滯性。制造業企業選擇數字化轉型起步較晚，經驗不足，轉型過程中存在\"陣痛期\"（劉淑春等，2021），因此樣本期間數字技術未能實現生產效率的提升。當然這一解釋并不能完全排除適者生存戰略作用于長期生產效率的推斷。其次，制造業企業主要通過產品制造來獲取收益，選擇數字化轉型的企業更傾向于在生產上進行數字化轉型，而忽略了組織運營、管理的數字化轉型，進而導致數字化運營、數字化管理能力與數字化生產能力不匹配，數字化轉型的效率提升效果因此削弱。

3.市場邊界拓展路徑

表13呈現了模型（6）的估計結果。列（1）是全樣本的估計結果，數字化轉型程度系數顯著為負，說明數字化轉型的適者生存戰略對供應鏈集中度起到抑制作用，從而促進了企業與上下游之間的交流，企業邊界隨之得到拓展。 H₃ 得到驗證。

列（2）列（3）列（4）是對不同階段企業的估計結果。可以發現，成長期、成熟期企業選擇數字化轉型對邊界拓展的效果顯著，而衰退期企業選擇數字化轉型對市場邊界拓展的效果不明顯。可以推斷，企業邊界拓展的路徑主要是通過影響成長期企業跨越成長陷阱，以及維系成熟期企業現處階段來實現。其中的可能解釋是，衰退期企業產品利潤空間相對較小，通過數字化轉型謀求更低交易成本的動機不大（衛力等，2023），因而邊界擴展難度比其他階段大。

（二）機制分析

前文驗證了企業面對數字技術沖擊選擇適者生存戰略可以增強創新能力和拓展成長期、成熟期企業的邊界，來提升生存概率。那么數字化轉型是通過何種機制來提升企業創新能力，以及擴展企業邊界？通過設置機制變量來替換模型（4）、（6）的被解釋變量來回答上述問題。

1.研發投入的增加

企業研發投入的增加有助于增強創新能力。將模型（4）的被解釋變量替換成研發投人強度（rd）之后的檢驗結果見表14的列（1）。其中研發強度利用研發投入金額占營業收入的比重來測度。結果顯示，數字化轉型程度系數在 5% 的水平上顯著為正。說明適者生存戰略通過增加企業研發投入來提升企業創新能力，以此提升生存概率。

2.外部交易成本的降低：“上游”還是“下游”

為檢驗數字化轉型的生存戰略能否通過降低企業外部交易成本，從中擴展自己的業務領域和市場范圍，分別將模型（6）中的被解釋變量替換成外部交易成本（cost）、供應商集中度（ 和客戶集中度（HHI_d）來進行機制檢驗。外部交易成本用企業的財務費用代理。交易成本的檢驗結果見表14的列（2），供應商、客戶企業集中度的估計結果見表14的列（3）列（4）。

從列（2）的結果能夠判斷，數字化轉型明顯降低了企業的外部交易成本，推動企業謀求外部交易來實現邊界擴展，生存戰略降低外部交易成本的機制得到驗證。上、下游供應鏈集中度的估計結果表明，數字化轉型程度對供應商集中度的估計系數不顯著，對客戶集中度的估計系數顯著為負。因此可以推斷，適者生存戰略形成的數字市場，主要幫助企業有效了解客戶和消費者的偏好，降低企業同\"下游\"銷售端進行交易的成本，從而實現企業邊界的延伸來提高生存概率，向供應端方向進行邊界延伸的作用不明顯。

六、作用條件的擴展性討論

前文從理論和實證兩個層面對數字化轉型的適者生存戰略提高企業生存概率進行了驗證，那么選擇適者生存戰略的效果是否適用于所有企業？只要轉型增加的投入成本能夠得以彌補，是否就意味著企業能成功跳出增長陷阱或重回成熟階段，生存概率也由此得到提升？因此有必要進一步討論數字化轉型成效的作用條件，來厘清上述問題的答案。

（一）政府補助的作用

理論上，政府給予企業一定的資金補助能夠緩解企業數字化轉型前期投入的資金壓力，從而促成企業發揮生存戰略的效果。為此在CoxPH模型中加入政府補助（ gov ）和數字化轉型變量的交互項進行估計，回歸結果見表15。

列（1）列（3）是未加控制變量的回歸結果，政府補助和交互項的系數均不顯著。列（2）、列（4）是在加入控制變量的估計結果，此時政府補助的系數顯著為正，但系數非常小，說明補助的作用極為有限。交互項不顯著說明政府補助不具有調節作用。結合以上結果能夠推斷，政府補助并不影響適者生存戰略對提升生存概率的積極作用。一個可能解釋是，受政府補助少的企業仍然可以通過其他融資渠道來獲得數字化轉型所需前期投入，補助僅僅起到錦上添花的效果。

（二）融資約束的作用

一旦企業難以獲得資本助力，數字化轉型的前期投入就難以得到維持，從而影響數字化轉型的作用效果。為此以WW指數作為企業融資約束的代理變量，同時構建數字化轉型程度、速度和WW指數的交互項加入CoxPH模型，回歸結果見表16。

無論是否加入控制變量，交互項系數均顯著為負，數字化轉型程度、速度的系數變負且不顯著，說明面對數字技術沖擊，選擇適者生存戰略對提升生存概率的積極作用很大程度上受到融資約束的影響。融資約束高的企業選擇適者生存戰略并不能延緩生命周期。

七、結論與啟示

面對數字技術帶來的沖擊，越來越多的企業選擇了數字化轉型的適者生存戰略。本文利用2011至2020年滬深A股制造業上市公司的經驗數據，根據生命周期不同階段生存概率存在的系統性差異設置興趣事件，利用CoxPH模型來識別數字化轉型如何影響企業的生存概率。研究發現，數字化轉型顯著提高了企業的生存概率，轉型越快提升效果越明顯，適者生存戰略的邏輯成立。在機制上，適者生存戰略主要通過增加研發投人來提升創新能力，以及降低外部交易成本來擴展企業邊界發揮作用，生產效率的作用路徑在樣本期間尚不明顯。當然，適者生存戰略的效果存在作用條件，對于面臨較高融資約束的企業而言，這一戰略難以成為救命稻草。政府補助雖然有助于提高企業的生存概率，但在數字化轉型的生存戰略影響上成效不顯著。

研究從微觀層面證實了數字化轉型過程中企業適者生存的邏輯，為數字新業態賦能企業活力提升提供系統性的證據。面對技術沖擊和同業競爭，研究結論能夠為提高企業生存概率提供幾點啟示：首先，對于處在成長期的企業而言，既要解決增長過程中的融資約束問題，也要減少生存戰略轉型失敗的可能性，因此將有限的資金花費到關鍵領域，降低生存戰略選擇的機會成本就更為關鍵。其次，企業在推進“生產數字化\"轉型的同時，也要注重\"運營和管理的數字化”，實現生產、運營與管理相配套的數字化轉型，避免運營、管理滯后而阻礙效率提升。最后，結合企業所處的階段和增長面臨的困境，政府可以針對地引導企業選擇數字化轉型的生存戰略，降低企業選擇生存戰略面臨的制度障礙。

參考文獻

包彤，2023，“數字技術賦能制造業結構雙重優化：效益提升與綠色轉型”，《南方經濟》，第12期，第83-106頁。

卞元超、白俊紅，2021，“市場分割與中國企業的生存困境”，《財貿經濟》，第1期，第120-135頁。

陳紅、郭彤梅、張玥，郭秋云，2024，“內部控制對制造業企業組織韌性的影響研究——基于企業生命周期視角”，《南開管理評論》，中國知網網絡首發，http：//kns.cnki.net/kcms/detail/12.1288.f.20240731.1647.003.html。

陳佳貴，1995，“關于企業生命周期與企業蛻變的探討”，《中國工業經濟》，第11期，第5-13頁。

陳劍、黃朔、劉運輝，2020，“從賦能到使能——數字化環境下的企業運營管理”，《管理世界》，第2期，第 117-128+222 頁。

陳曉紅、李楊揚、宋麗潔、汪陽潔，2022，“數字經濟理論體系與研究展望”，《管理世界》，第2期，第208-224+13-16頁。

陳勇兵、李燕、周世民，2012，“中國企業出口持續時間及其決定因素”，《經濟研究》，第7期，第48-61頁。

胡佳胤、黃北辰、向昊天、張英廣，2024，“政策導向、官員變更與企業破產——來自裁判文書的證據”，《經濟學（季刊）》，第1期，第101-118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。

霍春輝、呂夢曉、許曉娜，2023，“數字技術與制造企業全球價值鏈地位攀升——打開數字技術賦能的‘黑箱\"”，《南方經濟》，第3期，第11-28頁。

康妮、陳林，2018，“產業政策實施下的補貼、競爭與企業生存”，《當代經濟科學》，第2期，第 85-93+127 頁。

李東紅、烏日汗、陳東，2020，““競合'如何影響創新績效：中國制造業企業選擇本土競合與境外競合的追蹤研究”，《管理世界》，第2期，第 161-181+225 頁。

李云鶴、李湛、唐松蓮，2011，“企業生命周期、公司治理與公司資本配置效率”，《南開管理評論》，第3期，第110-121頁。

梁上坤、張宇、王彥超，2019，“內部薪酬差距與公司價值——基于生命周期理論的新探索”，《金融研究》，第4期，第188-206頁。

劉誠、王世強、葉光亮，2023，“平臺接入、線上聲譽與市場競爭格局”，《經濟研究》，第3期，第191-208頁。

劉詩源、林志帆、冷志鵬，2020，“稅收激勵提高企業創新水平了嗎？——基于企業生命周期理論的檢驗”，《經濟研究》，第6期，第105-121頁。

劉淑春，2019，“中國數字經濟高質量發展的靶向路徑與政策供給”，《經濟學家》，第6期，第52-61頁。

劉淑春、閆津臣、張思雪，林漢川，2021，“企業管理數字化變革能提升投人產出效率嗎”，《管理世界》，第5期，第170-190+13頁。

劉洋、董久鈺、魏江，2020，“數字創新管理：理論框架與未來研究”，《管理世界》，第7期，第198-217+219頁。

倪克金、劉修巖，2021，“數字化轉型與企業成長：理論邏輯與中國實踐”，《經濟管理》，第12期，第79-97頁。

彭璧玉、張慧，2015，“宏觀經濟波動對企業生存績效的影響：順周期效應考察”，《貴州財經大學學報》，第2期，第41-51頁。

衛力、張秀、趙振，2023，“數字化對商業模式創新的影響：基于企業生命周期視角”，《科技管理研究》，第1期，第181-190頁。

巫強、姚雨秀，2023，“企業數字化轉型與供應鏈配置：集中化還是多元化”，《中國工業經濟》，第8期，第99-117頁。

吳非、胡慧芷、林慧妍、任曉怡，2021，“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”，《管理世界》，第7期，第130-144+10頁。

肖興志、何文韜、郭曉丹，2014，“能力積累、擴張行為與企業持續生存時間——基于我國戰略性新興產業的企業生存研究”，《管理世界》，第2期，第77-89頁。

許家云、毛其淋，2016，“政府補貼、治理環境與中國企業生存”，《世界經濟》，第2期，第75-99頁。

于嬌、逐宇鐸、劉海洋，2015，“出口行為與企業生存概率：一個經驗研究”，《世界經濟》，第4期，第25-49頁。

袁淳、肖土盛、耿春曉、盛譽，2021，“數字化轉型與企業分工：專業化還是縱向一體化”，《中國工業經濟》，第9期，第137-155頁。

張虎、高子桓、韓愛華，2023，“企業數字化轉型賦能產業鏈關聯：理論與經驗證據”，《數量經濟技術經濟研究》，第5期，第46-67頁。

周瀟，2021，“數字平臺、行業重組與群體生計——以公路貨運市場車貨匹配模式的變遷為例”，《社會學研究》，第5期，第 47-69+ 227頁。

Acemoglu，D.andRestrepo，P.，218，“TheRacebetwenManandMacine：ImplicatiosofTchnologyforGrowth，FactorShares，andEm-ployment\"，American Economic Review，108（6）： 1488-1542.

Acs，Z.J.，AdehDBda，99“Ramp;lsdiie\"，evofoocsdis（2）336-340.

Adizes，I.，20O4，Managing Corporate Lifecycles， Los Angeles： The Adizes Institute Publishing.

Adsera，A，2o，“VishgCdren：FoHghUneploynttowFertilityDvelodCouries”，AmeicanEooicRevew95（2）： 189-193.

Agarwal，R.andGort，M.20o，“FimandProductLifeCyclesandFimSurvival\"，American EconomicReview，92（2）：84-190.

Anthony，J.Hdmesh，，Aocaeeenace easuresndockcesstoleeeHypothesis”，Journal of Accounting and economics，15（2-3）： 203-227.

Atalay，E.Hracsu，A.，Li，.JdSeson，C19“HowWideIsteFiBorder”，QuarterlyJualooois34（4）41882.

Basu，A.，Mag，W.G.ndul，JO4，“Coaringtetiveoels：LogsCoroportioalHad”，Healthoi，（8）： 749-765.

Baumohl，E.sakieaE19sisdeeatsfalioneigks”，olCorporate Finance，58： 431-453.

Besedes，T.andsaJ“odctreduraofUrtde，oualofteaoaE：339-358.

Bessonova，E“itsttc，oalial

Coase，R.H.，1937，“The Nature of TheFirm\"，Economica，4（16）： 386-405.

Cole，M.A.Eo，Jubodrbl，E9“alssdaleriig：rthdDeath of Manufacturing Plants\"，Journal of Economic Geography，19（2）： 373-40.

Creutzig，F.，cg，ds，ac，is，.klSs.evitD.，Renn，T.olcosol，Cu，D.bulerdoli，E.grF.ls，Zeadual“Digitalization and the Anthropocene\"，Annual Review of Environment and Resources，47（1）： 479-509.

DeAngelo，H.，DeAngelo，L.andSulz，R.M.，6，“DividendPolicyandtheEarned/ContributedCapitalMix：ATestofthLie-CycleTheory\"，Journal of Financial Economics，81（2）： 227-254.

DeGeus，A.，1997，The Living Company，Boston： Harvard Business School Press.

Deryugina，T.Heuel，G，lN.H，olioD.dReif，J9，“TeortalitdMedicalCsfroltioEvifroChanges in Wind Direction”，American Economic Review，109（12）： 4178-4219.

Ebert，C.and Duarte，C.H.C.，2018，“Digital Transformation\"，IEEE Software，35（4）：16-21.

Esteve-Perez，S.andeCastilJA.，“eResorcbedyfteadFurvival\"，alusissos，30： 231-249.

Ferandes，A.M.andunovC，15，“TheRisksofIovation：AreIovatingFisLessLikelytoDie”，TheReviewofEocsaStatistics， 97（3）： 638-653.

Gordon，R.J.，2O16，“PerspectivesontheRseandFallofAmericanGrowth\"，AmericanEconomicReview，06（5）：72-76.

Gorg，H.andSpaliara，M..，014，“Financial Health，ExportsandFirm Survival： EvidencefromUKandFrenchFis\"，Econoica，81（323）： 419-444.

Graetz，G.and Michaels，G.，2018，“Robots at Work\"，Review of Economics and Statistics，10o（5）：753-768.

Greiner，L.E.998，“EvolutionandRevoutionasOrganizationsGrow：LarryE.GreinerResponds\"，HrvardBusinessReview76（3）：178-179.

He，C.andYang，R.，2O16，“DeterminantsofFirmFailure：EmpiricalEvidencefromChina”，GrowthandChange，47（1）：72-92.

Henfridsson，O.Mathiasen，L.andSvahn，F.，2O14，“Managing TechnologicalChangeintheDigitalAge：TheRoleofArchitecturalFrames\"，Journal of Information Technology，29（1）： 27-43.

Hribar，P.andYuda，NO15，“TeispiingofCashFwsandAcralsatDierentLife-CycleStages”，ontmporarycoutingRe-search，32（3）：1053-1072.

Jafarisadeghi，V.G-pere，AandeloE.andCouurirJ1“ExloingthactofgialasfotioogEtrepreneurshipdchnologicalarketExpasio：TeRoleofcholoyReadiness，ExplorationndExploitation\"，Joualfi-nessResearch，124： 100-111.

Johnson，G.A.，Lewis，R.A.andReiley，D..2O17，“WhenLssIsMore：DataandPowerindvertisingExperiments”，aketigience，36（1）：43-53.

Koh，S.K.ura.i，5aaltrs：eedoatetci，Jalofenance，33：19-33.

Lin，D.Y.ndeiLJ98“TobstIereeforeooprialaddel，Jualfcaatisttion， 84（408）： 1074-1078.

Liu，D.Y.，Chen，S.W.ndCou，T.CO1\"ResourceFitinigitalTransforation：LesonsLeaedfromtheCBCBankGbalEbaningProject\"，Management Decision，49（10）：1728-1742.

Loebbecke，C.andPicot，Ol5，“RefletiosoSocalandusissModelTasforatiorisingfroDigitizationadgDataAna-lytics：A Research Agenda\"，The Journal of Strategic Information Systems，24（3）：149-157.

Mikalef，P.andatel，.17\"forationTeogEabledDamicCapabitisndheidirectEfetonompetiieefmance： Findings from PLS-SEMand fsQCA\"，Journal of BusinessResearch，7O（1）：1-16.

Nunn，N.andQian，N.，2014，“USFoodAidandCivilConflict”，American EconomicReview，104（6）：1630-1666.

Owen，S.andYawson，A.，2010，“CorporateLifeCycleandMamp;AActivity\"，JournalofBankingamp;Finance，34（2）：427-440.

Petersen，B.，WelchL.andLish，P.W2“TeIteetandForeignMarketExpasionbys”，agemeneiolReview，42（2）：207-221.

Peterson，E.B.，Gant，Jndudla，JO8，“urvivaloftExpouratondFluetUidStatehandVegetable Markets\"，AmericanJournal of Agricultural Economics，1OO（1）：23-45.

Prajogod，D.andOgJ2“upplyinegatioadefance：TesofelatiossfoainologyandSharing，andLogistics Integration\"，InternationalJournalof Production Economics，35（1）：514-522.

Riter，T.andde，C.L“DiziabiligiaafsissdelsissssstPresent，and Puture\"，Industrial Marketing Management， 86（3）： 180-190.

Teece，D.J，18，“PiigfrooationinitalooyEablngcoloiestadadndlcsingdelsieirlessWorld\"，ResearchPolicy，47（8）： 1367-1387.

Wamba，S.F.eaaneSn.JFbyddeS.J7igtaAadefof Dynamic Capabilities”，Journal of Business Research，7O（1）： 356-365.

Zhang，J.，QuanSndJ9，“Coupdivates'urilinasiioos：EdenefroCa，iEnomic Review，57：101339.

DoesDigital Transformation Increase the Survival Probability of Enterprises？ AnAnalysisofCox Proportional Hazards Survival Model from the Perspective of Life Cycle Theory

Feng Guoqiang Wang Jin

Abstract：Thelogicofsurvivalofthefitestlsoappliestoenterprises.Facedwiththeimpactofdigitaltechnology，theability to makechanges hasbecomeakeytestofacompany'ssurvival.UsingtheempiricaldataofdigitaltransformationofA-share manufacturinglistedcompaniesfrom2011to220，combinedwithCoxPHmodelbyseting interesting eventsaccordingto thesystematicdiferencesinsurvivalprobabilityatdiferentstagesof theenterpriselifecycle，thisarticleexamineshowdigital transformation improves the survival probability of enterprises.

Ourresults indicate thatchoosing digital transformationcan significantly increase the likelihoodof enterprises entering thematurestage，therebyincreasingtheirsurvivalprobabilityandthesurvivalofthfitestlogicattheenterpriselevelisestablished.Thefasteracompanyachievesdigitaltransformationcomparedtoitspeers，the higherthe likelihoodof entering a maturestage，andthemoresignificant theefectofdigital transformationonimprovingsurvivalprobability.Mechanismtestingfoundthatthesurvivalofthefiteststrategymainlyworks throughinovationpathsandpathsthatexpandtheboundaries of enterprises，andtheeffctofeficiencypathsduringthesampleperiod isnotyetsignificant.Ofcourse，thesurvivalpefor manceofdigital transformationisafectedbythedigital investmentcostsandfinancingcapabilitiesofenterprisesDigital transformation mainlyplaysapositiveroleinimproving thesurvivalprobabilityofenterprises withlowfinancingconstraints， whileitseffectislimited forenterpriseswith high financingconstraints.

Basedonthis findingabove，thearticleargues thatinordertoreducetheposibilityoffailure insurvival strategy transformation，itiscessryfornterprises tospendlimitedfundsonkeyeas inordertoducetheopportuitycostofsrival strategyselection;Thegovernmentcanguideenterprises tochoseadigital transformationsurvivalstrategy basedontheir stageand growth challenges，and reduce institutional barriers to their choices.

Keywords：DigitalTransformation;LifeCycleofthEnterprise;SurvivalProbability;SurvivaloftheFitestStrategyCoxPro portionalHazardsModel

（責任編輯：張瑞志）