郭慧芳 王宏鳴

內(nèi)容提要：隨著中國進(jìn)入服務(wù)經(jīng)濟(jì)時代，提升服務(wù)業(yè)生產(chǎn)率，緩解“成本病”已成為實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要路徑?；?008-2019年滬深A(yù)股服務(wù)業(yè)上市公司數(shù)據(jù)，在借助Python爬蟲技術(shù)和文本挖掘技術(shù)定量測度數(shù)字化轉(zhuǎn)型程度的基礎(chǔ)上，實證檢驗了數(shù)字化轉(zhuǎn)型對服務(wù)業(yè)全要素生產(chǎn)率的影響及其內(nèi)在機(jī)理。結(jié)果顯示，數(shù)字化轉(zhuǎn)型可以顯著提升服務(wù)業(yè)全要素生產(chǎn)率，并且對非國有企業(yè)、生產(chǎn)性服務(wù)業(yè)全要素生產(chǎn)率的提升作用更大。從地區(qū)異質(zhì)性來看，數(shù)字化轉(zhuǎn)型對中西部地區(qū)企業(yè)全要素生產(chǎn)率的提升作用大于東部地區(qū)。機(jī)制檢驗表明，數(shù)字化轉(zhuǎn)型能夠通過增加研發(fā)投入和優(yōu)化人力資本結(jié)構(gòu)兩個渠道促進(jìn)服務(wù)業(yè)全要素生產(chǎn)率提升。這一研究結(jié)論為供給側(cè)改革下推動服務(wù)業(yè)發(fā)展動能轉(zhuǎn)換、實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供了有益借鑒。

一、 引 言

改革開放以來，服務(wù)業(yè)在國民經(jīng)濟(jì)中所占比重持續(xù)上升。2012年服務(wù)業(yè)增加值占GDP的比重首次超過制造業(yè)；2015年服務(wù)業(yè)增加值占GDP的比重超過50%，成為中國經(jīng)濟(jì)發(fā)展的第一大產(chǎn)業(yè)。隨著經(jīng)濟(jì)增長的驅(qū)動力由制造業(yè)轉(zhuǎn)向服務(wù)業(yè)，中國已經(jīng)邁入服務(wù)經(jīng)濟(jì)時代(陳明和魏作磊，2018)。然而，服務(wù)業(yè)在效率尚未提升的同時，成本卻不斷增長，一些行業(yè)已經(jīng)較為明顯地出現(xiàn)了“成本病”特征，制約了總體經(jīng)濟(jì)的增長速度，給經(jīng)濟(jì)高質(zhì)量發(fā)展帶來了一定程度的負(fù)面效應(yīng)。因此，如何有效提升服務(wù)業(yè)生產(chǎn)率，從而打破“服務(wù)經(jīng)濟(jì)時代是低增長時代”的“魔咒”，已經(jīng)成為供給側(cè)結(jié)構(gòu)性改革視角下推動服務(wù)業(yè)高效優(yōu)質(zhì)發(fā)展以及實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的突破點(diǎn)和落腳點(diǎn)。

近年來隨著人工智能、大數(shù)據(jù)、區(qū)塊鏈、云計算等新興數(shù)字技術(shù)在社會各領(lǐng)域的全方位滲透，數(shù)字化轉(zhuǎn)型已經(jīng)成為實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要抓手(許憲春等，2021)，同時也為提升服務(wù)業(yè)生產(chǎn)率、克服“成本病”難題提供了一個可行的研究視角。數(shù)字技術(shù)的廣泛應(yīng)用使服務(wù)業(yè)在消費(fèi)、生產(chǎn)和流通等各個環(huán)節(jié)都產(chǎn)生了極為顯著的規(guī)模經(jīng)濟(jì)，在很大程度上正改變著服務(wù)業(yè)生產(chǎn)效率低這個基本特征，特別是對于可復(fù)制的文化類、信息類服務(wù)業(yè)尤其如此。在此現(xiàn)實背景下，本文從理論和實證層面對數(shù)字化轉(zhuǎn)型影響服務(wù)業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)制和路徑進(jìn)行的深入剖析，是回答數(shù)字化是否能夠幫助走向服務(wù)經(jīng)濟(jì)時代的中國經(jīng)濟(jì)打破低增長“魔咒”的關(guān)鍵，對以數(shù)字化賦能服務(wù)業(yè)實現(xiàn)中國經(jīng)濟(jì)的高質(zhì)量發(fā)展具有重要的理論及現(xiàn)實意義。

二、 文獻(xiàn)綜述與理論分析

1. 文獻(xiàn)綜述

關(guān)于服務(wù)業(yè)生產(chǎn)率的研究一直是國內(nèi)外相關(guān)領(lǐng)域?qū)W者關(guān)注的重點(diǎn)，自 Baumol(1967)提出服務(wù)業(yè)勞動生產(chǎn)率相對較低，存在“成本病”問題后，國內(nèi)外不少學(xué)者從不同角度對服務(wù)業(yè)勞動生產(chǎn)率進(jìn)行測算，驗證服務(wù)業(yè)是否真的存在“成本病”問題。Triplett和Bosworth(2003)從要素投入以及信息技術(shù)應(yīng)用的角度對美國服務(wù)業(yè)勞動生產(chǎn)率進(jìn)行了測算，認(rèn)為服務(wù)業(yè)的“成本病”已被治愈。陳夢根和侯園園(2021)測算了中國國民經(jīng)濟(jì)中各行業(yè)的勞動生產(chǎn)率，認(rèn)為雖然服務(wù)業(yè)部門的勞動投入持續(xù)增加，但是產(chǎn)出和勞動生產(chǎn)率卻增長緩慢。還有部分學(xué)者研究了創(chuàng)新(Peters等，2018)、新基建(尚文思，2020)在提升服務(wù)業(yè)勞動生產(chǎn)率方面的積極作用。服務(wù)業(yè)全要素生產(chǎn)率也是學(xué)者關(guān)注的重點(diǎn)，現(xiàn)有文獻(xiàn)研究了環(huán)境(龐瑞芝和鄧忠奇，2014)、城市化水平(趙爽和李春艷，2017)、FDI技術(shù)溢出(周文博等，2013)等因素對服務(wù)業(yè)全要素生產(chǎn)率的影響，以及服務(wù)業(yè)全要素生產(chǎn)率存在的行業(yè)和區(qū)域異質(zhì)性(夏杰長等，2019)，認(rèn)為總體上服務(wù)業(yè)全要素生產(chǎn)率有上升趨勢。

隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，學(xué)者開始關(guān)注互聯(lián)網(wǎng)、信息通信、自動化等數(shù)字技術(shù)對經(jīng)濟(jì)增長(Aghion等，2017)、生產(chǎn)率(Acemoglu和Restrepo，2018)以及工資差異(Acemoglu和Restrepo，2019)的影響及內(nèi)在機(jī)理。雖然不少國內(nèi)外文獻(xiàn)已經(jīng)關(guān)注到了數(shù)字技術(shù)的應(yīng)用給生產(chǎn)率帶來的影響，但是將研究對象聚焦于服務(wù)業(yè)的文獻(xiàn)相對較少。徐鑫和劉蘭娟(2014)的研究肯定了數(shù)字技術(shù)及數(shù)字化轉(zhuǎn)型在推動傳統(tǒng)服務(wù)業(yè)向現(xiàn)代服務(wù)業(yè)轉(zhuǎn)型過程中的積極作用，進(jìn)而幫助服務(wù)業(yè)克服“成本病”問題。此外，還有一些學(xué)者分析了數(shù)字化在優(yōu)化服務(wù)供需、提升資源配置效率(Peters等，2018)，改變服務(wù)業(yè)特征以及賦予服務(wù)業(yè)規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)以及長尾效應(yīng)的特征(江小涓和羅立彬，2019)等方面存在的優(yōu)勢。顯然，這些學(xué)者已經(jīng)認(rèn)識到了數(shù)字化在提升服務(wù)業(yè)生產(chǎn)率，緩解“成本病”方面的積極作用，但是這些研究多停留在定性分析上。雖然也有部分學(xué)者從定量角度來分析數(shù)字技術(shù)對服務(wù)業(yè)生產(chǎn)率的影響，但是這些研究多集中于信息通信技術(shù)的應(yīng)用在改變服務(wù)業(yè)特征、縮小服務(wù)業(yè)從業(yè)者的收入差距(張龍鵬和周笛，2020)，降低服務(wù)業(yè)的交易成本、推動服務(wù)業(yè)轉(zhuǎn)型(伏開寶和陳憲，2021)以及提升服務(wù)業(yè)生產(chǎn)率方面的優(yōu)勢與作用；還有一些文獻(xiàn)從信息通信技術(shù)帶來的規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)以及技術(shù)創(chuàng)新(陳劍等，2020)等視角分析信息技術(shù)的應(yīng)用在提升服務(wù)業(yè)全要素生產(chǎn)率方面發(fā)揮的積極作用。

通過梳理既有文獻(xiàn)發(fā)現(xiàn)，關(guān)于數(shù)字化轉(zhuǎn)型或數(shù)字經(jīng)濟(jì)對服務(wù)業(yè)生產(chǎn)率影響的文獻(xiàn)多為定性分析，定量分析相對較少，并且主要集中于分析信息通信技術(shù)的應(yīng)用對服務(wù)業(yè)生產(chǎn)率產(chǎn)生的影響，并未構(gòu)建一個全面的綜合性指標(biāo)來表征企業(yè)的數(shù)字化轉(zhuǎn)型程度。不僅如此，現(xiàn)有研究大多是基于行業(yè)或城市層面的數(shù)據(jù)進(jìn)行分析，鮮有文獻(xiàn)將研究視角下沉到微觀企業(yè)。對此，本文可能的邊際貢獻(xiàn)在于：第一，將數(shù)字化相關(guān)指標(biāo)引入企業(yè)的生產(chǎn)函數(shù)，通過建立理論模型來分析數(shù)字技術(shù)通過對資本和勞動的深化效應(yīng)進(jìn)而提升服務(wù)業(yè)生產(chǎn)率的內(nèi)在機(jī)理。第二，利用上市公司年報中披露的相關(guān)經(jīng)營戰(zhàn)略和決策構(gòu)建了衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的綜合指標(biāo)，為企業(yè)數(shù)字化轉(zhuǎn)型這一行為變量的定量測度難題提供了一個解決方案。第三，通過厘清數(shù)字化轉(zhuǎn)型對服務(wù)業(yè)企業(yè)生產(chǎn)率的影響機(jī)理，為數(shù)字化轉(zhuǎn)型緩解服務(wù)業(yè)“成本病”以及“經(jīng)濟(jì)結(jié)構(gòu)性減速”提供了微觀證據(jù)。

2. 理論分析

本文以Acemoglu和Restrepo(2020)構(gòu)建的模型為基礎(chǔ)，從數(shù)字化轉(zhuǎn)型對資本深化以及對勞動投入結(jié)構(gòu)兩方面的作用來分析數(shù)字化轉(zhuǎn)型影響服務(wù)業(yè)全要素生產(chǎn)率的傳導(dǎo)機(jī)制。在此基礎(chǔ)上本文構(gòu)建如下理論模型進(jìn)行分析。

假設(shè)：最終產(chǎn)品市場是完全競爭的，最終產(chǎn)品價格標(biāo)準(zhǔn)化為1，且最終產(chǎn)品的生產(chǎn)是由M個環(huán)節(jié)x組成的，令T表示環(huán)節(jié)x的集合，即x∈T。將最終服務(wù)業(yè)產(chǎn)品的生產(chǎn)函數(shù)設(shè)為關(guān)于不同環(huán)節(jié)的CES型函數(shù)：

(1)

其中，λ>0，表示不同環(huán)節(jié)之間的替代彈性。

每一環(huán)節(jié)都需要投入勞動(l)和資本(k)，本文將勞動分為高技能勞動lh(x)和低技能勞動ll(x)。假設(shè)每一環(huán)節(jié)的產(chǎn)出y(x)可寫為：

y(x)=ψl(x)ll(x)+ψh(x)lh(x)+ψk(x)k(x)

(2)

其中，ψj(x)≡Ajγj(x)表示環(huán)節(jié)x中每種投入(lh,ll,k)的生產(chǎn)率。

(3)

其中，

分別表示在產(chǎn)品的生產(chǎn)過程中高技能勞動和低技能勞動所占的比重。

將SBTC模型(1)在該模型中，技術(shù)變革表現(xiàn)為增加要素投入的形式，技術(shù)變革對高技能工人生產(chǎn)率的提升效用大于其對低技能工人生產(chǎn)率的提升效用。在最常見的版本中，技能需求的變化可以表示為：dln(wLl/wLh)=-(1/σ)dln(Lh/Ll)+((σ-1)/σ)dln(ALh/ALl)。的相關(guān)結(jié)論運(yùn)用到本文模型中，可得：

(4)

利用市場出清條件，可以分別計算出資本在總產(chǎn)出中所占的比例sK=K/Y，以及勞動在總產(chǎn)出中所占的比例sL=L/Y，其中L=Ll+Lh。

(5)

(6)

同時，勞動在總產(chǎn)出中所占的比例(sL)可分解為高技能勞動在總產(chǎn)出中所占的比例(sh)和低技能勞動在總產(chǎn)出中所占的比例(sl)，即：sL=sl+sh

(7)

(8)

假設(shè)最終產(chǎn)品市場是完全競爭市場且規(guī)模報酬不變，則：

Y=wLl·Ll+wLh·Lh+K

(9)

對(9)式兩邊取對數(shù)并進(jìn)行全微分可得：

(10)

由(10)式可知，數(shù)字化轉(zhuǎn)型帶來的勞動投入結(jié)構(gòu)以及資本投入的變化最終都會影響到企業(yè)的全要素生產(chǎn)率，并且數(shù)字化對勞動以及資本的正向影響也會對企業(yè)全要素生產(chǎn)率的提升產(chǎn)生正向的沖擊。本文還將進(jìn)一步具體分析數(shù)字化轉(zhuǎn)型帶來的資本深化效應(yīng)和勞動深化效應(yīng)對企業(yè)全要素生產(chǎn)率的內(nèi)在影響機(jī)制。

在完全競爭均衡中有?lnY/?lnK=sK，故(10)式可化簡為：

dlnTFP=sl·dlnwLl+sh·dlnwLh

(11)

(1) 數(shù)字化轉(zhuǎn)型對資本的深化作用。為了推進(jìn)數(shù)字化轉(zhuǎn)型，企業(yè)相應(yīng)地需要增加資本投入，一方面是用于建設(shè)信息通信技術(shù)、人工智能、自動化等數(shù)字基礎(chǔ)設(shè)施；另一方面是用于研發(fā)創(chuàng)新活動。基礎(chǔ)設(shè)施建設(shè)是一個“資本廣化”的過程，而研發(fā)創(chuàng)新則是一個“資本深化”的過程。換句話說，如果企業(yè)僅通過單一地引進(jìn)數(shù)字化設(shè)備、智能管理系統(tǒng)、自動化流水線等數(shù)字基礎(chǔ)設(shè)施，而不做相應(yīng)的勞動、資本、管理等配套設(shè)施調(diào)整，那么由此帶來的全要素生產(chǎn)率提升是有限的，而在數(shù)字基礎(chǔ)設(shè)施建設(shè)的基礎(chǔ)上加大研發(fā)創(chuàng)新活動可以更好地激發(fā)數(shù)字化在提升全要素生產(chǎn)率方面的潛能。企業(yè)通過研發(fā)創(chuàng)新活動可以不斷提升自身的研發(fā)能力以及企業(yè)勞動、資本等生產(chǎn)要素與數(shù)字化協(xié)同耦合的能力，進(jìn)而充分激發(fā)并釋放數(shù)字化轉(zhuǎn)型在提升企業(yè)全要素生產(chǎn)率方面的潛能。

假設(shè)企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)的資本投入產(chǎn)生一個正向的深化效應(yīng)A(既可以體現(xiàn)為企業(yè)資本總投入的增加，也可以體現(xiàn)為研發(fā)投入的增加，在本文的實證部分主要以研發(fā)投入為主進(jìn)行分析)，即ψk(x)>0。由此帶來的企業(yè)全要素生產(chǎn)率的變化可表示為：

(12)

(12)式是將(3)式至(8)式代入(11)式化簡求得。

此時，勞動份額sL會相應(yīng)地減少，即：

(13)

(12)式和(13)式表明由企業(yè)的數(shù)字化轉(zhuǎn)型帶來的資本深化效應(yīng)一方面對企業(yè)全要素生產(chǎn)率產(chǎn)生了一個正向沖擊，提高了全要素生產(chǎn)率；另一方面還會影響到企業(yè)的勞動投入，減少了勞動投入份額，改變要素投入之間的關(guān)系。

(2) 數(shù)字化轉(zhuǎn)型對勞動投入的影響。企業(yè)的數(shù)字化轉(zhuǎn)型使那些從事常規(guī)性、易于自動化工作的低技能勞動力面臨著被智能機(jī)器人、自動化流水線取代的風(fēng)險，減少了企業(yè)對低技能勞動力的需求。但同時數(shù)字化轉(zhuǎn)型也會創(chuàng)造出一系列高技術(shù)崗位，增加對具備一定科研能力的高技能勞動力的需求，如人工智能以及機(jī)器人的應(yīng)用要求企業(yè)配備相應(yīng)的管理和操作等高技能勞動力。一方面，高技能勞動力所具備的分析、協(xié)調(diào)能力可以充分挖掘并發(fā)揮數(shù)字化在提升全要素生產(chǎn)率方面的潛能；另一方面，數(shù)字化反過來又可以賦能勞動力，提升勞動力的工作效率，進(jìn)而提升全要素生產(chǎn)率。

服務(wù)業(yè)作為一種勞動密集型行業(yè)，勞動要素質(zhì)量與其生產(chǎn)率高低存在著密切聯(lián)系，相較于低技能勞動力，高技能勞動力在提升企業(yè)全要素生產(chǎn)率方面發(fā)揮著更大作用。數(shù)字化轉(zhuǎn)型通過增加企業(yè)對高技能勞動力投入進(jìn)而影響企業(yè)全要素生產(chǎn)率這一機(jī)制路徑可以通過如下公式表示。

假設(shè)企業(yè)在推行數(shù)字化轉(zhuǎn)型過程中對高技能勞動力的需求增加了Ν,則企業(yè)全要素生產(chǎn)率會發(fā)生如下變化：

(14)

勞動份額sL會相應(yīng)地增加：

(15)

(14)式和(15)式表明，隨著企業(yè)在數(shù)字化轉(zhuǎn)型過程中增加了對從事腦力勞動以及復(fù)雜工作的高技能勞動力的需求，企業(yè)的全要素生產(chǎn)率得到了提升。

綜上，本文提出以下研究假設(shè)：

假設(shè)H1：數(shù)字化轉(zhuǎn)型能夠提升企業(yè)全要素生產(chǎn)率。

假設(shè)H1a：企業(yè)通過數(shù)字化轉(zhuǎn)型對資本的深化效應(yīng)提升全要素生產(chǎn)率。

假設(shè)H1b：企業(yè)通過數(shù)字化轉(zhuǎn)型增加對高技能勞動力的投入進(jìn)而提升全要素生產(chǎn)率。

三、 研究設(shè)計

1. 模型設(shè)定

為了進(jìn)一步從實證角度探究數(shù)字化轉(zhuǎn)型對服務(wù)業(yè)企業(yè)全要素生產(chǎn)率的影響，本文建立如下面板模型：

Tfpit=α0+α1Digtit+α2Xit+μi+δj+λt+εit

(16)

其中，i表示企業(yè)，t表示時間；Tfpit為被解釋變量，即企業(yè)全要素生產(chǎn)率；Digtit為核心解釋變量，即數(shù)字化轉(zhuǎn)型程度；Xit為一系列其他控制變量；μi表示企業(yè)個體效應(yīng)，δj表示行業(yè)效應(yīng)，λt表示年份效應(yīng)，εit為隨機(jī)誤差項。

2. 變量測度與說明

(1) 被解釋變量：全要素生產(chǎn)率(Tfp)。參照魯曉東和連玉君(2012)、楊汝岱(2015)的做法，在服務(wù)業(yè)全要素生產(chǎn)率的測算方面，本文主要選擇Levinsohn和Petrin(2003)的方法(LP方法)來進(jìn)行測度，并在穩(wěn)健性檢驗部分使用OP方法和OLS方法測度。

(2) 核心解釋變量：數(shù)字化轉(zhuǎn)型程度(Digt)。企業(yè)對某一特定戰(zhàn)略導(dǎo)向的重視程度往往可以通過該戰(zhàn)略涉及的關(guān)鍵詞在年報中出現(xiàn)的頻率來反映(吳建祖和肖書鋒，2016)。對此，本文采用Python爬蟲技術(shù)爬取和整理滬深A(yù)股上市公司的年報文本，并通過Jieba功能提取數(shù)字化轉(zhuǎn)型的關(guān)鍵詞。在關(guān)鍵詞的選擇上，本文借鑒吳非等(2021)的研究(2)吳非等(2021)在借鑒經(jīng)典學(xué)術(shù)文獻(xiàn)、重要政策文件和研究報告的基礎(chǔ)上，進(jìn)一步擴(kuò)充了數(shù)字化轉(zhuǎn)型的特征詞庫。，將企業(yè)數(shù)字化轉(zhuǎn)型細(xì)分為底層技術(shù)與實踐應(yīng)用兩個維度(詳見表1)。在此基礎(chǔ)上，本文進(jìn)一步提取出相應(yīng)關(guān)鍵詞前后30個字，剔除關(guān)鍵詞前存在“沒”“無”“不”等否定詞語的表述，最后將兩類詞頻加總得到總詞頻，從而構(gòu)建刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度的指標(biāo)體系?？紤]到這類數(shù)據(jù)“右偏性”特征明顯，本文將其進(jìn)行對數(shù)化處理。

表1 企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞提取

(3) 控制變量。借鑒已有相關(guān)研究，本文主要選取以下變量來克服遺漏變量對估計結(jié)果產(chǎn)生的干擾：企業(yè)規(guī)模(Size)，企業(yè)人均資產(chǎn)的自然對數(shù)值；資本密集度(SD)，企業(yè)總資產(chǎn)與營業(yè)收入之比；企業(yè)年齡及其平方項(Age、Age2)，樣本年份與企業(yè)成立年份差值的自然對數(shù)；總資產(chǎn)收益率(Roa)，凈利潤占總資產(chǎn)的比重；凈資產(chǎn)收益率(Roe)，凈利潤占凈資產(chǎn)的比重；財務(wù)杠桿(Lev)，資產(chǎn)負(fù)債率，即總負(fù)債與總資產(chǎn)之比；流動比率(Liq)，流動資產(chǎn)占總資產(chǎn)比重；兩職合一(Merge)，董事長和總經(jīng)理兩職合一為1，否則為0；股權(quán)集中度(Stock)，第一大股東持股比例。

3. 數(shù)據(jù)來源與樣本處理

本文選取2008-2019年滬深A(yù)股服務(wù)業(yè)上市公司作為研究樣本，原始數(shù)據(jù)均來自國泰安(CSMAR)和Wind數(shù)據(jù)庫，上市公司年度財務(wù)報告文件來自于巨潮資訊網(wǎng)。為準(zhǔn)確分析數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的影響，本文對該數(shù)據(jù)進(jìn)行了如下處理：第一，剔除金融類企業(yè)；第二，剔除ST類和期間退市的樣本；第三，剔除相關(guān)財務(wù)數(shù)據(jù)嚴(yán)重缺失的樣本；第四，為降低異常值干擾，對所有企業(yè)層面的連續(xù)變量進(jìn)行雙邊1%的縮尾(Winsorize)處理。表2匯報了各變量的描述性統(tǒng)計結(jié)果。

表2 變量的描述性統(tǒng)計

四、 實證檢驗

1. 基準(zhǔn)回歸結(jié)果

表3匯報了數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率的總體檢驗結(jié)果。其中，列(1)、(2)為混合OLS估計結(jié)果，列(3)、(4)為面板固定效應(yīng)估計結(jié)果?？梢园l(fā)現(xiàn)，無論是否納入控制變量集，核心解釋變量數(shù)字化

表3 數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率的實證結(jié)果

轉(zhuǎn)型程度的系數(shù)均在1%水平上顯著為正，說明數(shù)字化轉(zhuǎn)型可以顯著提升企業(yè)全要素生產(chǎn)率，即本文的假設(shè)H1成立。企業(yè)在數(shù)字化轉(zhuǎn)型過程中，通過數(shù)字技術(shù)應(yīng)用一方面優(yōu)化了現(xiàn)有生產(chǎn)流程、提升了資源配置效率，提高了產(chǎn)出；另一方面增加了對具備操作、管理能力的高技能勞動力的需求，同時減少了對那些從事簡單性、重復(fù)性工作的低技能勞動力的需求，進(jìn)而提升了企業(yè)勞動生產(chǎn)率和全要素生產(chǎn)率。由此可見，企業(yè)數(shù)字化轉(zhuǎn)型在提升服務(wù)業(yè)全要素生產(chǎn)率、緩解“成本病”方面發(fā)揮了積極作用。

從控制變量看，規(guī)模較大、成立時間較長、總資產(chǎn)收益率較高、凈資產(chǎn)收益率較高、財務(wù)杠桿以及股權(quán)集中度較高的企業(yè)，其全要素生產(chǎn)率相對較高，這與現(xiàn)有研究認(rèn)為的企業(yè)數(shù)字化轉(zhuǎn)型需要相匹配的人力、物力及管理能力的結(jié)論相吻合。董事長和總經(jīng)理兩職合一的企業(yè)其全要素生產(chǎn)率相對較低；而流動資產(chǎn)占比對企業(yè)全要素生產(chǎn)率的提升效應(yīng)沒有通過顯著性檢驗。

2. 異質(zhì)性分析

(1) 企業(yè)異質(zhì)性。為了考察企業(yè)自身的微觀特征，如所有制屬性、行業(yè)屬性是否會對全要素生產(chǎn)率產(chǎn)生影響，本文將根據(jù)所有制屬性和行業(yè)屬性對樣本企業(yè)進(jìn)行分組回歸。首先，根據(jù)所有制屬性將樣本分為國有企業(yè)和非國有企業(yè)；其次，根據(jù)服務(wù)業(yè)的行業(yè)特性將樣本分為生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè)。

從表4列(1)、(2)可以看出，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用并未因為企業(yè)的所有制屬性而發(fā)生根本性轉(zhuǎn)變。分組回歸的結(jié)果表明，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的影響均顯著為正，但是數(shù)字化轉(zhuǎn)型對非國有企業(yè)全要素生產(chǎn)率的提升作用更甚。究其原因，可能是相對于國有企業(yè)，非國有企業(yè)的組織形式、管理模式更加靈活，更有利于激發(fā)數(shù)字化在提升服務(wù)業(yè)生產(chǎn)率方面的潛能。列(3)、(4)考察了生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè)全要素生產(chǎn)率受數(shù)字化影響程度的差異。研究發(fā)現(xiàn)，數(shù)字化對生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè)的全要素生產(chǎn)率都具有顯著的提升作用，但是相對于生活性服務(wù)業(yè)來說，生產(chǎn)性服務(wù)業(yè)全要素生產(chǎn)率對數(shù)字化轉(zhuǎn)型更敏感。造成這一結(jié)果的原因可能是，相對于生活性服務(wù)業(yè)，生產(chǎn)性服務(wù)業(yè)的生產(chǎn)過程更加規(guī)?；蜆?biāo)準(zhǔn)化，如交通運(yùn)輸、倉儲等行業(yè)更易于實現(xiàn)規(guī)模化和標(biāo)準(zhǔn)化生產(chǎn)，而這些特征對數(shù)字技術(shù)的應(yīng)用更有利，對激發(fā)數(shù)字技術(shù)在提升全要素生產(chǎn)率方面的潛能更有效。

(2) 地區(qū)異質(zhì)性。基于不同地區(qū)在地理位置以及資源稟賦方面的差異而導(dǎo)致的各地區(qū)在經(jīng)濟(jì)發(fā)展水平、數(shù)字化程度等方面的差距，進(jìn)而導(dǎo)致同一行業(yè)不同地區(qū)的企業(yè)對數(shù)字化轉(zhuǎn)型產(chǎn)生不同反應(yīng)，本文將總體樣本劃分為東部和中西部(3)東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個省市，其余省市為中西部地區(qū)。兩個子樣本，用以考察數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面存在的地區(qū)差異性，具體結(jié)果見表4列(5)和(6)。可以看出，雖然企業(yè)的區(qū)位因素并不會從根本上改變企業(yè)的數(shù)字化轉(zhuǎn)型對其全要素生產(chǎn)率有顯著的促進(jìn)作用這一事實，但是卻會影響到數(shù)字化對企業(yè)全要素生產(chǎn)率提升作用的大小。相較于東部地區(qū)，中西部地區(qū)更能激發(fā)數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面的潛能。原因可能在于，東部地區(qū)無論是在經(jīng)濟(jì)發(fā)展水平、基礎(chǔ)設(shè)施建設(shè)還是在技術(shù)投入方面都具有相對優(yōu)勢，并且東部地區(qū)的數(shù)字化進(jìn)程要遠(yuǎn)遠(yuǎn)快于中西部地區(qū)，使得數(shù)字化技術(shù)的廣泛應(yīng)用在東部地區(qū)帶來的邊際效用相對較小；而中西部地區(qū)經(jīng)濟(jì)發(fā)展水平相對落后，數(shù)字化進(jìn)程相對較慢，基礎(chǔ)設(shè)施以及資源配置效率都相對較低，故對于企業(yè)來說由于外部條件的限制，其生產(chǎn)潛能無法完全釋放，而隨著數(shù)字化推進(jìn)，數(shù)字技術(shù)得到廣泛應(yīng)用和普及，為企業(yè)發(fā)展提供了充足的信息資源，緩解了企業(yè)發(fā)展過程中存在的信息不對稱問題，降低了企業(yè)的交易成本，提升了勞動者的技能，這些都對企業(yè)全要素生產(chǎn)率的提升起到了極大的促進(jìn)作用，使得數(shù)字化在提升中西部企業(yè)全要素生產(chǎn)率方面處于邊際效用遞增階段。

表4 異質(zhì)性分析

3. 穩(wěn)健性檢驗

(1) 內(nèi)生性問題。企業(yè)全要素生產(chǎn)率與數(shù)字化轉(zhuǎn)型可能存在反向因果關(guān)系，即全要素生產(chǎn)率提升是數(shù)字化轉(zhuǎn)型的原因而非結(jié)果，從而導(dǎo)致模型中出現(xiàn)內(nèi)生性問題。對此，本文主要從以下兩方面入手來解決這一問題。第一，考慮到企業(yè)數(shù)字化轉(zhuǎn)型的影響可能存在時間滯后性(吳非等，2021)，本文將核心解釋變量分別滯后1期和滯后2期后重新進(jìn)行回歸，結(jié)果見表5列(1)和(2)，數(shù)字化轉(zhuǎn)型的系數(shù)均至少在10%水平上顯著為正。第二，選取適當(dāng)?shù)墓ぞ咦兞?，這是處理內(nèi)生性問題的常用策略，本文參考Benkmasr等(2015)的做法，選取同一年度、同一行業(yè)內(nèi)其他企業(yè)的數(shù)字化轉(zhuǎn)型程度的均值作為工具變量。根據(jù)Stock和Yogo(2002)關(guān)于弱工具變量的檢驗，列(3)顯示的第一階段回歸結(jié)果中的F值大于10%水平上的臨界值，且工具變量對數(shù)字化轉(zhuǎn)型的回歸系數(shù)均在1%的水平上顯著，較好地證明了不存在弱工具變量問題。另外，識別不足檢驗統(tǒng)計量Kleibergen-Paap rk LM的p值為0，拒絕原假設(shè)，即通過了工具變量識別不足的檢驗。列(4)是第二階段的回歸結(jié)果。結(jié)果顯示，考慮內(nèi)生性問題后，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的回歸系數(shù)仍顯著為正，這一結(jié)果更好地印證了表3

表5 內(nèi)生性檢驗

基準(zhǔn)回歸分析的結(jié)果，表明本文結(jié)論具有穩(wěn)健性。

(2) 更換關(guān)鍵變量。第一，更換被解釋變量。本文進(jìn)一步采用OP和OLS兩種方法對企業(yè)全要素生產(chǎn)率進(jìn)行重新測度，結(jié)果見表6列(1)和(2)?？梢园l(fā)現(xiàn)不論是用OP法還是OLS法計算得到的企業(yè)全要素生產(chǎn)率進(jìn)行估計，得到的結(jié)果均顯示，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用依然顯著，并且這兩種方法的實證結(jié)果差別不大。這表明，數(shù)字化對服務(wù)業(yè)全要素生產(chǎn)率的提升作用并不會因為全要素生產(chǎn)率測算方法的改變而發(fā)生根本性變化。第二，更換核心解釋變量。本文進(jìn)一步替換核心解釋變量來驗證數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面的作用。為了進(jìn)一步驗證數(shù)字化影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)理，本文用企業(yè)數(shù)字化轉(zhuǎn)型的5個子維度人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)、數(shù)字技術(shù)應(yīng)用分別對企業(yè)全要素生產(chǎn)率進(jìn)行回歸，結(jié)果見表6列(3)至列(7)。可以發(fā)現(xiàn)數(shù)字化各子維度依然對企業(yè)全要素生產(chǎn)率提升有顯著的促進(jìn)作用，結(jié)果并未發(fā)生根本性變化。

就表6的回歸結(jié)果來看，不論是更換被解釋變量還是更換核心解釋變量，結(jié)果都未發(fā)生根本性變化，進(jìn)一步佐證了本文的基本假設(shè)：數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率提升有顯著的促進(jìn)作用。

(3) 面板分位數(shù)回歸。上述模型估計結(jié)果均為數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率的條件均值，容易受到異常值影響。對此，本文建立面板分位數(shù)回歸模型對企業(yè)全要素生產(chǎn)率的不同分位點(diǎn)(0.1-0.9)進(jìn)行估計，結(jié)果見表7。數(shù)字化轉(zhuǎn)型的系數(shù)在各個分位點(diǎn)上均顯著為正，估計結(jié)果與前文基本一致，表明本文結(jié)論較為可靠。此外，通過對比各分位點(diǎn)的回歸系數(shù)發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率越高的企業(yè)提升作用越強(qiáng)。全要素生產(chǎn)率高的企業(yè)通常具有良好的勞動力和資本基礎(chǔ)，企業(yè)數(shù)字化轉(zhuǎn)型需要一定的經(jīng)濟(jì)基礎(chǔ)和相應(yīng)的勞動力基礎(chǔ)做支撐，高技能勞動力和良好的經(jīng)濟(jì)基礎(chǔ)可以充分激發(fā)數(shù)字化在提升全要素生產(chǎn)率方面的潛能。相較于全要素生產(chǎn)率低的企業(yè)，全要素生產(chǎn)率高的企業(yè)具有更好的數(shù)字操作和協(xié)調(diào)能力，企業(yè)的勞動力和資本可以更好地適應(yīng)數(shù)字化轉(zhuǎn)型，使得數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面發(fā)揮出更大的潛力。

表6 更換關(guān)鍵變量計算口徑

表7 面板分位數(shù)估計結(jié)果

4. 機(jī)制路徑檢驗

進(jìn)一步，為打開數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率的“黑箱”，分別從研發(fā)資本和人力資本兩方面進(jìn)行中介效應(yīng)檢驗。對研發(fā)資本的機(jī)制檢驗，借鑒張兆國等(2014)和虞義華等(2018)的研究，采用研發(fā)資本即企業(yè)當(dāng)年研發(fā)支出與營業(yè)收入之比作為中介變量。對人力資本的機(jī)制檢驗，參考趙宸宇等(2021)的做法，采用企業(yè)本科及以上學(xué)歷人員占比作為中介變量。本文所構(gòu)建的中介效應(yīng)模型如下：

Mit=β0+β1Digtit+β2Xit+μi+λt+εit

(17)

Tfpit=γ0+γ1Digtit+γ2Mit+γ3Xit+μi+λt+εit

(18)

其中，Mit為中介機(jī)制變量。依據(jù)溫忠麟等(2004)的檢驗步驟，進(jìn)行中介效應(yīng)檢驗的前提是式(16)中的系數(shù)α1顯著，即數(shù)字化轉(zhuǎn)型會對企業(yè)全要素生產(chǎn)率產(chǎn)生影響。在系數(shù)α1顯著的前提下，如果系數(shù)β1和γ2顯著，說明本文闡述的中介機(jī)制成立；但是如果β1和γ2至少有一個不顯著，則需針對中介效應(yīng)的估計值β1γ2進(jìn)行Sobel檢驗，若拒絕原假設(shè)，說明中介效應(yīng)存在，反之不存在。

(1) 研發(fā)資本(R&D)。對于企業(yè)來說，為了獲得數(shù)字化轉(zhuǎn)型所帶來的生產(chǎn)流程優(yōu)化、提升資源配置效率以及生產(chǎn)成本降低等“數(shù)字紅利”，企業(yè)必須進(jìn)行相應(yīng)的資本投資，除了基本的大數(shù)據(jù)、數(shù)字平臺等基礎(chǔ)設(shè)施建設(shè)，企業(yè)需要加大研發(fā)投入，強(qiáng)化研發(fā)創(chuàng)新能力。數(shù)字化轉(zhuǎn)型是一個相對緩慢的過程，在數(shù)字化轉(zhuǎn)型過程中，企業(yè)需要通過不斷的研發(fā)活動充分激發(fā)與釋放數(shù)字化轉(zhuǎn)型對企業(yè)生產(chǎn)要素的賦能作用，實現(xiàn)數(shù)字技術(shù)與企業(yè)原有生產(chǎn)要素、生產(chǎn)流程的協(xié)同耦合，通過數(shù)字技術(shù)與傳統(tǒng)生產(chǎn)要素之間的相互聯(lián)動作用實現(xiàn)全要素生產(chǎn)率的進(jìn)一步提升。此外，隨著數(shù)字技術(shù)的應(yīng)用和普及，以及數(shù)字經(jīng)濟(jì)的不斷深化，企業(yè)也將置于更加激烈的競爭環(huán)境中，為了在競爭中獲勝，企業(yè)需提升研發(fā)能力、掌握核心技術(shù)并提高生產(chǎn)率，這就要求企業(yè)有充足的研發(fā)投入作為保障，故本文以研發(fā)資本作為中介變量來驗證數(shù)字化通過影響企業(yè)研發(fā)投入進(jìn)而推動企業(yè)全要素生產(chǎn)率提升的機(jī)制，結(jié)果見表8列(1)和(2)?？芍?，隨著企業(yè)數(shù)字化程度提高，企業(yè)研發(fā)資本也顯著提升，而研發(fā)資本增加又可以顯著提升企業(yè)全要素生產(chǎn)率，本文的假設(shè)H1a得到驗證。

(2) 人力資本(Human)。根據(jù)Baumol(1967)的研究，服務(wù)業(yè)存在的“成本病”問題不僅意味其勞動生產(chǎn)率較低，而且伴隨著低勞動生產(chǎn)率其勞動投入還在不斷增加。相對于制造業(yè)，服務(wù)業(yè)通常被視為勞動密集型產(chǎn)業(yè)，且服務(wù)業(yè)部門從業(yè)者多為低技能勞動力，這些勞動力通常文化基礎(chǔ)薄弱，勞動生產(chǎn)率相對較低，同時適應(yīng)、學(xué)習(xí)并接受數(shù)字化的過程較慢。對于低技能勞動力來說，企業(yè)數(shù)字化轉(zhuǎn)型意味著他們有可能被智能機(jī)器人或者自動化流水線所取代，使得企業(yè)對低技能勞動力需求減少。同時，數(shù)字化轉(zhuǎn)型又會增加企業(yè)對具備操作和管理能力的高技能勞動力的需求，提升企業(yè)高技能勞動力占比。對于企業(yè)來說，低技能勞動力減少帶來勞動投入的下降或高技能勞動力增加帶來產(chǎn)出的增加都會提升勞動生產(chǎn)率，而勞動生產(chǎn)率提升又會進(jìn)一步推動全要素生產(chǎn)率上升。因此，本文以高技能勞動力占比為中介變量，來分析數(shù)字化通過人力資本來影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)制，結(jié)果見表8列(3)和(4)。列(3)的結(jié)果表明隨著企業(yè)數(shù)字化轉(zhuǎn)型程度不斷加深，高技能勞動力在企業(yè)整體勞動投入中占比不斷上升，也就是說，企業(yè)在數(shù)字化轉(zhuǎn)型過程中會不斷增加對高技能勞動力需求。列(4)的結(jié)果表明，高技能勞動力占比上升會顯著提升企業(yè)全要素生產(chǎn)率，即高技能勞動力在企業(yè)全要素生產(chǎn)率提升中發(fā)揮了重要作用。假設(shè)H1b得到驗證。

表8 機(jī)制路徑：研發(fā)資本與人力資本

五、 結(jié)論與政策建議

本文首先將數(shù)字化轉(zhuǎn)型影響服務(wù)業(yè)全要素生產(chǎn)率的機(jī)制分為兩類，一是數(shù)字化對資本的深化效應(yīng)，主要體現(xiàn)在企業(yè)研發(fā)資本的增加上；二是數(shù)字化對勞動投入的影響，主要表現(xiàn)為數(shù)字化轉(zhuǎn)型過程中增加了企業(yè)對高技能勞動力的需求。在此基礎(chǔ)上本文將數(shù)字化變量引入經(jīng)濟(jì)增長模型中，并進(jìn)一步構(gòu)建出數(shù)字化影響服務(wù)業(yè)全要素生產(chǎn)率的理論模型。其次，在理論模型的基礎(chǔ)上，本文采用服務(wù)業(yè)上市公司的數(shù)據(jù)進(jìn)行實證檢驗。結(jié)果表明：第一，隨著企業(yè)數(shù)字化轉(zhuǎn)型不斷推進(jìn)，其全要素生產(chǎn)率也得到了很大提升。第二，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率提升作用存在異質(zhì)性，從企業(yè)所有制屬性來看，非國有企業(yè)更能激發(fā)數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用；數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用更加偏向于生產(chǎn)性服務(wù)業(yè)；從區(qū)域上來看，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用在中西部地區(qū)更有成效。第三，數(shù)字化轉(zhuǎn)型在提升企業(yè)全要素生產(chǎn)率方面的潛力在擁有高研發(fā)投入和更多高技能勞動力的企業(yè)中更容易得到釋放。除了為數(shù)字化轉(zhuǎn)型在提升服務(wù)業(yè)全要素生產(chǎn)率、緩解“成本病”方面提供了一系列經(jīng)驗證據(jù)之外，本文的結(jié)論還具有以下政策啟示。

第一，在數(shù)字經(jīng)濟(jì)時代，企業(yè)數(shù)字化轉(zhuǎn)型推動了數(shù)字技術(shù)的應(yīng)用和普及，而數(shù)字技術(shù)與企業(yè)現(xiàn)有生產(chǎn)要素、生產(chǎn)流程的相互融合，可以幫助企業(yè)實現(xiàn)全要素生產(chǎn)率提升，在這一現(xiàn)實基礎(chǔ)上，應(yīng)該加大對數(shù)字基礎(chǔ)設(shè)施的投資建設(shè)，推動企業(yè)數(shù)字化進(jìn)程。一是提“存量”，對現(xiàn)有生產(chǎn)設(shè)備、流程進(jìn)行數(shù)字化改進(jìn)，提升現(xiàn)有生產(chǎn)要素的產(chǎn)出率；二是增“流量”，加快引入新技術(shù)、新模式、新流程，如：在現(xiàn)有生產(chǎn)要素的基礎(chǔ)上引進(jìn)智能機(jī)器人，取代一部分從事簡單化、重復(fù)性工作的低技能勞動力，實現(xiàn)生產(chǎn)過程的自動化以及規(guī)?；?。

第二，基于數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面所存在的異質(zhì)性，在實施數(shù)字化時應(yīng)當(dāng)采取差異化、動態(tài)化策略，做到因地制宜。一方面，鑒于企業(yè)所有制屬性在數(shù)字化轉(zhuǎn)型提升企業(yè)全要素生產(chǎn)率方面發(fā)揮的作用，要鼓勵企業(yè)采取靈活多樣的組織形式，為企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型提供組織基礎(chǔ)；另一方面，基于數(shù)字化轉(zhuǎn)型存在的地區(qū)差異性，在制定數(shù)字化策略時要統(tǒng)籌謀劃、精準(zhǔn)施策，加大對中西部地區(qū)數(shù)字基礎(chǔ)設(shè)施和必要的人力資本投入，提升資本、勞動力等傳統(tǒng)生產(chǎn)要素與數(shù)字技術(shù)的協(xié)調(diào)融合能力，進(jìn)而推動企業(yè)全要素生產(chǎn)率提升，但是也要警惕在推動數(shù)字化轉(zhuǎn)型提升服務(wù)業(yè)全要素生產(chǎn)率的同時擴(kuò)大區(qū)域間的“數(shù)字鴻溝”。

第三，數(shù)字化影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)制表明，一方面企業(yè)在推進(jìn)數(shù)字化進(jìn)程中要重視對員工的技能培訓(xùn)，提高員工學(xué)習(xí)、適應(yīng)以及應(yīng)用數(shù)字技術(shù)的能力；另一方面企業(yè)要重視研發(fā)活動，增加研發(fā)投入、提升研發(fā)能力。通過勞動技能和研發(fā)能力兩方面的提升來充分激發(fā)數(shù)字化在提升企業(yè)全要素生產(chǎn)率方面的潛力。