孫 鵬， 柳力群， 周可憧

（海南大學(xué) 經(jīng)濟(jì)學(xué)院，海南 ?？?570228）

一、問(wèn)題的提出

企業(yè)的高質(zhì)量發(fā)展是中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的微觀基礎(chǔ)，企業(yè)作為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的主體，需要不斷改善自身環(huán)境，找到新的制高點(diǎn)從而發(fā)揮出促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展基石的作用。2020年3月正式發(fā)布的《中共中央、國(guó)務(wù)院關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》中，首次將數(shù)據(jù)與土地、勞動(dòng)力、資本、技術(shù)等傳統(tǒng)要素相并列。以大數(shù)據(jù)分析、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、5G等新一代信息技術(shù)為代表的數(shù)字經(jīng)濟(jì)加速融入經(jīng)濟(jì)社會(huì)的各個(gè)領(lǐng)域，拓展經(jīng)濟(jì)發(fā)展的新空間，如何利用新要素手段不斷提高自身發(fā)展水平，發(fā)揮促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展基石的作用是擺在企業(yè)面前的現(xiàn)實(shí)問(wèn)題。習(xí)近平同志在2017年強(qiáng)調(diào)，大數(shù)據(jù)中心是促進(jìn)數(shù)據(jù)有效發(fā)揮作用的“新基建”。在中國(guó)高速發(fā)展的幾十年里，大數(shù)據(jù)環(huán)境獲得了很大的進(jìn)步，但尚存在數(shù)據(jù)“多而不強(qiáng)”“多而不優(yōu)”的問(wèn)題。想要從數(shù)據(jù)大國(guó)轉(zhuǎn)向數(shù)字強(qiáng)國(guó)、網(wǎng)絡(luò)強(qiáng)國(guó)還面臨著不小的挑戰(zhàn)。在這一大背景下，國(guó)家發(fā)改委及工信部等部門(mén)2016年開(kāi)始啟動(dòng)大數(shù)據(jù)發(fā)展綜合試點(diǎn)，于2016年2月、2016年10月分兩批共批復(fù)同意67個(gè)城市作為國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)示范城市。國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)政策是為了建設(shè)數(shù)據(jù)強(qiáng)國(guó)而提出的城市層面發(fā)展政策，具有很強(qiáng)的示范帶頭作用。其目的是通過(guò)一系列的探索實(shí)踐，在大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)、大數(shù)據(jù)產(chǎn)業(yè)聚集、大數(shù)據(jù)創(chuàng)新發(fā)展等方面先試先行，打破數(shù)字資源壁壘，深挖數(shù)據(jù)資源價(jià)值，推進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，促進(jìn)區(qū)域協(xié)同發(fā)展，實(shí)現(xiàn)經(jīng)濟(jì)提質(zhì)增效。

趕上數(shù)字經(jīng)濟(jì)的浪潮，應(yīng)用大數(shù)據(jù)技術(shù)提升企業(yè)的生產(chǎn)率，成為企業(yè)面臨的新機(jī)遇與新挑戰(zhàn)。企業(yè)全要素生產(chǎn)率的提高是經(jīng)濟(jì)高質(zhì)量發(fā)展的微觀基礎(chǔ)和前提，那么，以大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)為標(biāo)志的數(shù)字化變革是否有利于企業(yè)全要素生產(chǎn)率的提升？若有，其具體的作用路徑是怎樣的？進(jìn)一步剖析這些問(wèn)題對(duì)實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展以及推進(jìn)企業(yè)轉(zhuǎn)型有重要的意義。因此，這就需要對(duì)國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策進(jìn)行效果評(píng)估，以期為推動(dòng)數(shù)據(jù)強(qiáng)國(guó)、數(shù)字強(qiáng)國(guó)、網(wǎng)路強(qiáng)國(guó)建設(shè)提供制度保障。

現(xiàn)有研究大多從傳統(tǒng)要素的配給角度探討企業(yè)全要素生產(chǎn)率的影響因素。對(duì)于勞動(dòng)力要素，有學(xué)者從宏觀層面分析勞動(dòng)力對(duì)企業(yè)全要素生產(chǎn)率有正向影響[1]，通過(guò)細(xì)分人力資本的類型，發(fā)現(xiàn)不同人力資本水平對(duì)全要素生產(chǎn)率的提升效果不盡相同，不同層次人力資本的管理水平也會(huì)有一定的差別，管理效率可以通過(guò)促進(jìn)質(zhì)量能力提升進(jìn)一步提高企業(yè)全要素生產(chǎn)率[2]。知識(shí)資本和研發(fā)資本作為傳統(tǒng)的資本生產(chǎn)要素，在促進(jìn)創(chuàng)新、提高全要素生產(chǎn)率方面發(fā)揮著積極而重要的作用[3-4]。技術(shù)創(chuàng)新作為促進(jìn)企業(yè)全要素生產(chǎn)率提升的重要因素，學(xué)者運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)分解發(fā)現(xiàn)全要素生產(chǎn)率增長(zhǎng)的核心動(dòng)力轉(zhuǎn)變?yōu)榍把丶夹g(shù)進(jìn)步[5]。

數(shù)據(jù)已經(jīng)成為新的要素影響經(jīng)濟(jì)活動(dòng)，大數(shù)據(jù)發(fā)展對(duì)企業(yè)全要素生產(chǎn)率的效應(yīng)是當(dāng)下的重要議題。Tatarinov 研究了OECD 提出的數(shù)字經(jīng)濟(jì)衛(wèi)星賬戶（DESA）作為衡量數(shù)字化進(jìn)程的復(fù)雜工具的問(wèn)題和結(jié)構(gòu)，并討論了宏觀經(jīng)濟(jì)計(jì)算中數(shù)字經(jīng)濟(jì)統(tǒng)計(jì)評(píng)估的方法[6]。由于測(cè)算方法的復(fù)雜多樣，數(shù)字經(jīng)濟(jì)尚未形成統(tǒng)一的數(shù)據(jù)，結(jié)合前人研究方法的優(yōu)缺點(diǎn)，許憲春等通過(guò)重新界定數(shù)字經(jīng)濟(jì)的內(nèi)涵與范圍，對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)品以及行業(yè)進(jìn)行篩選，建立了數(shù)字經(jīng)濟(jì)規(guī)模核算框架[7]。數(shù)字經(jīng)濟(jì)的發(fā)展為企業(yè)提供了轉(zhuǎn)型的動(dòng)力，近些年來(lái)實(shí)體企業(yè)面臨著巨大的挑戰(zhàn)，何帆等人利用A股2012—2017年數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)數(shù)字化變革顯著提升了實(shí)體企業(yè)經(jīng)濟(jì)效益[8]。趙宸宇等基于A 股上市公司制造業(yè)數(shù)據(jù)實(shí)證檢驗(yàn)發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型通過(guò)提高創(chuàng)新能力、優(yōu)化人力資本結(jié)構(gòu)、推動(dòng)兩業(yè)融合發(fā)展以及降低成本幾個(gè)方面對(duì)全要素生產(chǎn)率起到促進(jìn)作用[9]。郭金花等以寬帶中國(guó)為準(zhǔn)自然實(shí)驗(yàn)，研究發(fā)現(xiàn)數(shù)字基礎(chǔ)設(shè)施建設(shè)可以提升企業(yè)全要素生產(chǎn)率[10]。石大千以智慧城市建設(shè)作為準(zhǔn)自然實(shí)驗(yàn)，基于地級(jí)市與企業(yè)的匹配數(shù)據(jù)與雙重差分模型進(jìn)行實(shí)證分析，實(shí)證結(jié)果表明信息化沖擊可以顯著促進(jìn)企業(yè)全要素生產(chǎn)率的提高[11]。

基于以上討論，本文以國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)帶來(lái)的大數(shù)據(jù)沖擊為準(zhǔn)自然實(shí)驗(yàn)，研究大數(shù)據(jù)對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)理，有效識(shí)別出國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)帶來(lái)的大數(shù)據(jù)沖擊如何影響企業(yè)全要素生產(chǎn)率。本文主要有以下兩方面的邊際貢獻(xiàn)。第一，以國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)為準(zhǔn)自然實(shí)驗(yàn)，實(shí)證檢驗(yàn)了國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)于企業(yè)全要素生產(chǎn)率的影響效果，豐富了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)于微觀層面實(shí)體影響的相關(guān)研究。第二，提出了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)企業(yè)生產(chǎn)效率的作用機(jī)理，并從企業(yè)數(shù)字化轉(zhuǎn)型、融資約束水平等方面實(shí)證分析了數(shù)字經(jīng)濟(jì)建設(shè)對(duì)企業(yè)全要素生產(chǎn)率的作用路徑。

二、理論分析與研究假說(shuō)

建立完整的數(shù)據(jù)生態(tài)試驗(yàn)區(qū)是數(shù)據(jù)資源配置效率最大化的基礎(chǔ)，完善的數(shù)據(jù)市場(chǎng)環(huán)境可以激發(fā)數(shù)字產(chǎn)業(yè)發(fā)展良性循環(huán)，為當(dāng)?shù)氐臄?shù)字經(jīng)濟(jì)發(fā)展注入活力。完善的數(shù)據(jù)市場(chǎng)環(huán)境能夠促進(jìn)企業(yè)商業(yè)模式進(jìn)行創(chuàng)新，企業(yè)若不適應(yīng)市場(chǎng)的多元化需求以及技術(shù)進(jìn)步，會(huì)直接影響該企業(yè)的發(fā)展水平和發(fā)展速度。大數(shù)據(jù)的應(yīng)用促進(jìn)了企業(yè)全面升級(jí);在管理模式方面，信息不對(duì)稱的問(wèn)題基本解決，依靠少數(shù)人經(jīng)驗(yàn)的決策可以轉(zhuǎn)變?yōu)榉治稣w數(shù)據(jù)后的決策，建立完善的數(shù)據(jù)整合平臺(tái)將是企業(yè)未來(lái)的核心競(jìng)爭(zhēng)力；在經(jīng)營(yíng)模式方面，企業(yè)不斷向智能化方向擴(kuò)展，通過(guò)營(yíng)業(yè)效率的提升以及大量信息的搜集，企業(yè)可以不局限于一個(gè)領(lǐng)域，拓寬企業(yè)營(yíng)業(yè)面。大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)有利于打破數(shù)字資源壁壘，推動(dòng)大數(shù)據(jù)在產(chǎn)業(yè)鏈各流程中應(yīng)用，加大數(shù)據(jù)資源整合力度，推動(dòng)企業(yè)高質(zhì)量發(fā)展?；谝陨嫌懻?，本文提出假設(shè)：

假設(shè)1：國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)有利于提升企業(yè)全要素生產(chǎn)率。

大數(shù)據(jù)綜合試驗(yàn)區(qū)提升企業(yè)全要素生產(chǎn)率的作用機(jī)制是什么？第一，大數(shù)據(jù)綜合試驗(yàn)區(qū)推動(dòng)了試點(diǎn)城市企業(yè)數(shù)字化轉(zhuǎn)型。作為大數(shù)據(jù)綜合試驗(yàn)區(qū)，為企業(yè)提供優(yōu)質(zhì)的數(shù)據(jù)環(huán)境是基礎(chǔ)。大數(shù)據(jù)技術(shù)的提升對(duì)企業(yè)數(shù)字化轉(zhuǎn)型有顯著的推動(dòng)作用，企業(yè)將不斷利用大數(shù)據(jù)技術(shù)改造傳統(tǒng)產(chǎn)業(yè)。隨著大數(shù)據(jù)技術(shù)的發(fā)展，企業(yè)的生產(chǎn)不可避免地產(chǎn)生數(shù)字足跡。數(shù)據(jù)大量產(chǎn)生，提升將數(shù)據(jù)轉(zhuǎn)換為生產(chǎn)力的能力，體現(xiàn)了大數(shù)據(jù)在促進(jìn)企業(yè)轉(zhuǎn)型發(fā)展中的引領(lǐng)能力。企業(yè)之間信息不共享在一定程度上影響了企業(yè)共同發(fā)展，共建區(qū)域大數(shù)據(jù)產(chǎn)業(yè)發(fā)展生態(tài)，企業(yè)間“數(shù)據(jù)孤島”的問(wèn)題將得以解決。一方面大數(shù)據(jù)的發(fā)展可以讓企業(yè)優(yōu)化勞動(dòng)力配置效率，通過(guò)提升勞動(dòng)者水平、優(yōu)化人力資源的配置進(jìn)行勞動(dòng)要素的融合。另一方面，大數(shù)據(jù)為企業(yè)轉(zhuǎn)型積累了豐富的信息，提高了企業(yè)轉(zhuǎn)型效率。企業(yè)轉(zhuǎn)型不是一個(gè)短期的過(guò)程，很多企業(yè)為了規(guī)避轉(zhuǎn)型風(fēng)險(xiǎn)從而減緩轉(zhuǎn)型速度。由于大數(shù)據(jù)的出現(xiàn)，海量數(shù)據(jù)的分析和搜集能夠提高預(yù)測(cè)能力，從而促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型效率。

第二，大數(shù)據(jù)綜合試驗(yàn)區(qū)的建立有助于降低企業(yè)融資約束水平。首先，大數(shù)據(jù)的普及加大了信貸機(jī)構(gòu)之間的競(jìng)爭(zhēng)。未來(lái)金融機(jī)構(gòu)之間競(jìng)爭(zhēng)的本質(zhì)是數(shù)據(jù)的競(jìng)爭(zhēng)，各種線上信貸工具日漸繁盛，互聯(lián)網(wǎng)公司以及各種網(wǎng)絡(luò)貸款平臺(tái)百花齊放，傳統(tǒng)金融行業(yè)發(fā)展賽道迎來(lái)轉(zhuǎn)變。不論是傳統(tǒng)金融機(jī)構(gòu)還是大數(shù)據(jù)時(shí)代產(chǎn)生的金融機(jī)構(gòu)，在信貸過(guò)程中很容易產(chǎn)生同質(zhì)化競(jìng)爭(zhēng)。在激烈的競(jìng)爭(zhēng)中，依靠大數(shù)據(jù)的發(fā)展各金融機(jī)構(gòu)已經(jīng)探索出了不少有價(jià)值的信貸模式。其次，大數(shù)據(jù)技術(shù)的應(yīng)用降低了融資成本。傳統(tǒng)的金融機(jī)構(gòu)由于信息搜集與處理成本過(guò)高，對(duì)于偏遠(yuǎn)地區(qū)的企業(yè)提供的服務(wù)較少，但是大數(shù)據(jù)技術(shù)可以突破地域限制，極大提升交易的高效性，給這些企業(yè)提供便捷的金融服務(wù)。大數(shù)據(jù)降低了行業(yè)門(mén)檻，相比于傳統(tǒng)金融機(jī)構(gòu)為企業(yè)提供信貸的過(guò)程，依靠大數(shù)據(jù)技術(shù)可以根據(jù)各企業(yè)的不同特點(diǎn)快速篩選適合該企業(yè)的金融產(chǎn)品。經(jīng)過(guò)大數(shù)據(jù)分析了解企業(yè)的發(fā)展前景，使投資不局限于看得見(jiàn)的現(xiàn)在，同時(shí)采集行業(yè)相關(guān)數(shù)據(jù)，對(duì)信貸風(fēng)險(xiǎn)進(jìn)行全局管控，發(fā)揮金融科技緩解融資難、融資貴的作用。企業(yè)全要素生產(chǎn)率提高的關(guān)鍵途徑是創(chuàng)新和研發(fā)投入，只有企業(yè)擁有足夠的資金，企業(yè)才會(huì)考慮投入研發(fā)費(fèi)用進(jìn)行創(chuàng)新。企業(yè)融資情況的改善能夠緩解企業(yè)研發(fā)過(guò)程中的資金籌集問(wèn)題，進(jìn)而促使企業(yè)研發(fā)投入和創(chuàng)新水平提高，從而提升企業(yè)全要素生產(chǎn)率。因此，本文提出研究假設(shè)：

假設(shè)2：大數(shù)據(jù)綜合試驗(yàn)區(qū)可以促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)而提升企業(yè)全要素生產(chǎn)率。

假設(shè)3：大數(shù)據(jù)綜合試驗(yàn)區(qū)可以降低企業(yè)融資約束進(jìn)而提升企業(yè)全要素生產(chǎn)率。

三、研究設(shè)計(jì)

（一）模型構(gòu)建

為了檢驗(yàn)數(shù)字經(jīng)濟(jì)發(fā)展能否改善企業(yè)全要素生產(chǎn)率，本文選取“國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)”為準(zhǔn)自然實(shí)驗(yàn)，基于我國(guó)283 個(gè)地級(jí)市及以上城市的微觀企業(yè)數(shù)據(jù)，采用雙重差分模型進(jìn)行檢驗(yàn)。根據(jù)國(guó)家發(fā)展改革委、工業(yè)和信息化部、中央網(wǎng)信辦發(fā)函批復(fù)建設(shè)國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)名單，將處于67 個(gè)政策試點(diǎn)地區(qū)的企業(yè)作為控制組，處于其余216個(gè)非試點(diǎn)城市的企業(yè)為控制組。分別選取2015年及2016年為政策時(shí)點(diǎn)，原因在于貴州省試驗(yàn)區(qū)在2016年2月得到發(fā)函批復(fù)同意建設(shè)，10月才同意第二批試驗(yàn)區(qū)的建設(shè)，兩批試點(diǎn)地區(qū)批復(fù)時(shí)間相差較大，且在2015年9月，貴州已經(jīng)提前啟動(dòng)全國(guó)首個(gè)大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)工作。為了減少偏誤，將貴州省的政策時(shí)點(diǎn)設(shè)為2015年，其他試點(diǎn)地區(qū)設(shè)為2016年，構(gòu)建以下多期雙重差分實(shí)證模型進(jìn)行檢驗(yàn)：

式（1）中，i、c、t分別表示公司、公司所屬地級(jí)市以及時(shí)間年份，tfp表示企業(yè)全要素生產(chǎn)率，did為設(shè)立試驗(yàn)區(qū)的虛擬變量（位于試點(diǎn)地區(qū)城市的公司為1, 位于非試點(diǎn)地區(qū)城市的公司為0)，系數(shù)β1為試點(diǎn)政策對(duì)企業(yè)全要素生產(chǎn)率的邊際效應(yīng)，X、W分別表示企業(yè)層面與城市層面的控制變量，αi表示個(gè)體固定效應(yīng)，δt表示年度固定效應(yīng)，εict為隨機(jī)擾動(dòng)項(xiàng)。

（二）相關(guān)變量與數(shù)據(jù)說(shuō)明

1.被解釋變量

企業(yè)全要素生產(chǎn)率（tfp）的測(cè)算。企業(yè)全要素生產(chǎn)率的眾多計(jì)算方法中， Olley and Pakes 與 Levinsohn and Petrin 創(chuàng)建的半?yún)?shù)法應(yīng)用最為廣泛，本文選用LP方法計(jì)算企業(yè)的全要素生產(chǎn)率，選擇OP方法作為穩(wěn)健性檢驗(yàn)。

2.解釋變量

對(duì)于數(shù)字化建設(shè)變量（did）的衡量，本文根據(jù)“國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)”是否設(shè)立進(jìn)行衡量。該變量為虛擬變量,即該城市或該城市所屬省份如若設(shè)立國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)，則該城市或該城市所屬省份當(dāng)年及以后的年份取值1,否則取值0。

3.控制變量

本文參考現(xiàn)有相關(guān)研究選取企業(yè)層面的控制因素主要包括公司成本費(fèi)用率（cpr）、公司股權(quán)集中度（first）、公司獨(dú)立董事占比（ind）、公司成長(zhǎng)性（growth）、公司資產(chǎn)收益率（roa）以及公司年齡（lnage），主要控制城市層面的因素包括地區(qū)經(jīng)濟(jì)發(fā)展水平（lngdp）、地區(qū)產(chǎn)業(yè)結(jié)構(gòu)（indu）、地區(qū)金融發(fā)展水平（fin）、地區(qū)政府干預(yù)程度（gov）以及地區(qū)外商直接投資水平（fdi），變量具體計(jì)算方法見(jiàn)表1。

表1 變量定義及說(shuō)明

表2 主要變量描述性統(tǒng)計(jì)

4.機(jī)制變量

數(shù)字化轉(zhuǎn)型程度（dig）：參考吳非等[12]研究的變量設(shè)定，采用上市公司年報(bào)中所涉及“企業(yè)數(shù)字化轉(zhuǎn)型”的詞頻來(lái)衡量。融資約束水平（sa）采用 Hadlock 和 Pierce[13]構(gòu)建的SA指數(shù)衡量。

（三）樣本選取與數(shù)據(jù)來(lái)源

本文選取我國(guó)2010—2019年滬深A(yù)股上市公司作為研究樣本，數(shù)據(jù)主要來(lái)源于萬(wàn)德數(shù)據(jù)庫(kù)、國(guó)泰安數(shù)據(jù)庫(kù)、中國(guó)城市統(tǒng)計(jì)年鑒等。本文根據(jù)上市公司注冊(cè)地信息與“國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)”試點(diǎn)的地級(jí)市企業(yè)樣本數(shù)據(jù)進(jìn)行匹配，同時(shí)剔除了金融類企業(yè)以及ST 和期間退市的企業(yè)樣本。

四、實(shí)證結(jié)果與分析

（一）基準(zhǔn)回歸

表3顯示了基準(zhǔn)回歸結(jié)果。第（1）列結(jié)果中，did的回歸系數(shù)在10%水平上顯著為正，表明設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)可以顯著提升企業(yè)全要素生產(chǎn)率水平，支持了假說(shuō)1。第（2）列進(jìn)一步引入企業(yè)層面和城市層面的控制因素進(jìn)行回歸，其中控制變量結(jié)果基本符合預(yù)期。第（2）列顯示，大數(shù)據(jù)綜合試驗(yàn)區(qū)政策實(shí)施后會(huì)導(dǎo)致所在城市的企業(yè)的全要素生產(chǎn)率提高約5.6個(gè)百分點(diǎn)。

表3 基準(zhǔn)回歸結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.平行趨勢(shì)檢驗(yàn)

文章采取事件分析法進(jìn)行檢驗(yàn)，選取政策前一年為基準(zhǔn)年份，從圖1 中可以看出政策實(shí)施前系數(shù)不顯著異于零，這不僅反應(yīng)了在政策實(shí)施前平行趨勢(shì)假定成立，而且也表明了國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)政策實(shí)施后對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生了正向影響。

圖1 平行趨勢(shì)檢驗(yàn)

2.變換因變量估計(jì)方法

本文利用OP 法計(jì)算企業(yè)全要素生產(chǎn)率進(jìn)行變量替換，回歸結(jié)果如表4。在更換企業(yè)全要素生產(chǎn)率算法后，回歸結(jié)果依舊穩(wěn)健。

表4 變換因變量后的回歸結(jié)果

3.安慰劑檢驗(yàn)

對(duì)于本文結(jié)論的可靠性還存在另一種質(zhì)疑，大數(shù)據(jù)綜合試驗(yàn)區(qū)的選址或者實(shí)施時(shí)間是否有選擇性偏誤，因此得出了統(tǒng)計(jì)顯著的結(jié)論。由于大數(shù)據(jù)綜合試驗(yàn)區(qū)實(shí)施年份不同，所以選取虛擬處理組來(lái)做安慰劑檢驗(yàn)，本文借鑒現(xiàn)有學(xué)者的相關(guān)處理方法來(lái)進(jìn)行安慰劑檢驗(yàn)。隨機(jī)選取283 個(gè)城市中的67 個(gè)城市的企業(yè)作為處理組并重復(fù)進(jìn)行了500次回歸，將500次回歸的p值統(tǒng)計(jì)，以此來(lái)檢驗(yàn)企業(yè)全要素生產(chǎn)率是否顯著受到除了國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)之外的因素干擾。從圖2中可以看出大部分估計(jì)系數(shù)集中在0點(diǎn)附近，可以說(shuō)明最終的估計(jì)結(jié)果不是偶然所得，不太可能受到其他政策隨機(jī)性因素的影響，再次證明大數(shù)據(jù)綜合試驗(yàn)區(qū)政策對(duì)企業(yè)全要素生產(chǎn)率作用的穩(wěn)健性。

圖2 安慰劑檢驗(yàn)

4.傾向匹配得分雙重差分法

本文利用PSM-DID方法修正樣本選擇性偏誤，同時(shí)采用PSM和DID法評(píng)價(jià)政策效果，既能解決樣本偏差問(wèn)題，又能避免由于因變量遺漏而產(chǎn)生的內(nèi)生性問(wèn)題。本文利用樣本期內(nèi)設(shè)立過(guò)大數(shù)據(jù)綜合試驗(yàn)區(qū)城市的企業(yè)作為處理組，利用PSM 方法，按照1∶1近鄰匹配有放回抽樣的方法，對(duì)處理組進(jìn)行逐年匹配，基于PSM 方法匹配后新樣本的回歸結(jié)果如表5 所示，大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)企業(yè)全要素生產(chǎn)率提升的系數(shù)為0.043，且在10%的水平上仍然是統(tǒng)計(jì)顯著的，進(jìn)一步驗(yàn)證了結(jié)論的穩(wěn)健性。

表5 PSM-DID檢驗(yàn)

（三）企業(yè)異質(zhì)性分析

由于不同企業(yè)之間存在產(chǎn)權(quán)性質(zhì)、規(guī)模大小以及成長(zhǎng)性的差異，本文進(jìn)一步討論國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)不同類型企業(yè)全要素生產(chǎn)率影響的異質(zhì)性。

大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立對(duì)于國(guó)有與非國(guó)有企業(yè)的影響可能存在差異，因此以企業(yè)的產(chǎn)權(quán)性質(zhì)作為劃分依據(jù)。由表6 可以看出，設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)提升非國(guó)有企業(yè)的全要素生產(chǎn)率作用更為顯著，對(duì)國(guó)有企業(yè)全要素生產(chǎn)率提升效果并不明顯。非國(guó)有企業(yè)相比于國(guó)有企業(yè)所面臨的市場(chǎng)競(jìng)爭(zhēng)環(huán)境更激烈，對(duì)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策的反應(yīng)比國(guó)有企業(yè)更加敏感和迅速，但是國(guó)有企業(yè)更容易獲得國(guó)家財(cái)政支持，對(duì)于發(fā)掘大數(shù)據(jù)經(jīng)濟(jì)價(jià)值驅(qū)動(dòng)力較低。同時(shí)在經(jīng)營(yíng)目標(biāo)方面也有一定的差異，國(guó)有企業(yè)承擔(dān)著更大的社會(huì)責(zé)任，非國(guó)有企業(yè)則更多以盈利水平作為目標(biāo)，而大數(shù)據(jù)環(huán)境的改善對(duì)于企業(yè)全要素生產(chǎn)率的提升起到顯著作用，因此非國(guó)有企業(yè)會(huì)更注重于大數(shù)據(jù)的使用。

企業(yè)規(guī)模方面，相比于大規(guī)模企業(yè)，大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)提升中小規(guī)模企業(yè)的全要素生產(chǎn)率效果較為顯著。思考其可能原因，中小微型企業(yè)一直面臨著融資難的問(wèn)題，大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立有效地緩解了企業(yè)融資約束，這對(duì)企業(yè)的研發(fā)投入至關(guān)重要，而研發(fā)投入和創(chuàng)新又是提升企業(yè)全要素生產(chǎn)率的核心。同時(shí)，大企業(yè)由于本身?yè)碛写罅康臄?shù)據(jù)流量以及較強(qiáng)的數(shù)據(jù)處理能力，對(duì)政策的實(shí)施可能沒(méi)有中小規(guī)模的企業(yè)敏感。而且中小企業(yè)的信息不透明程度更為嚴(yán)重，所以大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立對(duì)于中小企業(yè)可以獲得更多的數(shù)據(jù)進(jìn)而提高企業(yè)全要素生產(chǎn)率的意義更大。

由表6 第（5）-（7）列可知，企業(yè)成長(zhǎng)異質(zhì)性方面，不論是高中低成長(zhǎng)性的企業(yè)，大數(shù)據(jù)綜合試驗(yàn)區(qū)設(shè)立都對(duì)其全要素生產(chǎn)率有顯著的促進(jìn)作用，同時(shí)隨著企業(yè)成長(zhǎng)性的增加，對(duì)企業(yè)全要素生產(chǎn)率的提升效果越來(lái)越明顯。思考其可能原因，成長(zhǎng)性好的企業(yè)愿意接受市場(chǎng)環(huán)境的改變，企業(yè)想要保持持久競(jìng)爭(zhēng)力，對(duì)市場(chǎng)變化更加敏感。而成長(zhǎng)性越弱的企業(yè)大多處于成熟期，企業(yè)內(nèi)部長(zhǎng)期穩(wěn)定，想要做出改變需要一定的時(shí)效，因而其企業(yè)全要素生產(chǎn)率的促進(jìn)作用相較于高成長(zhǎng)性的企業(yè)更低。

企業(yè)治理水平異質(zhì)性方面，大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)企業(yè)全要素生產(chǎn)率都產(chǎn)生了正向的影響，但第（9）列顯示：對(duì)高治理水平企業(yè)的回歸系數(shù)為0.131且在1%的水平上顯著。思考其可能原因，高治理水平企業(yè)擁有更完善的組織架構(gòu)，企業(yè)的管理層更愿意將經(jīng)營(yíng)目標(biāo)放在長(zhǎng)期利益上，更能適應(yīng)數(shù)字經(jīng)濟(jì)發(fā)展的新方向。而低治理水平的企業(yè)管理層面相對(duì)薄弱，數(shù)字經(jīng)濟(jì)發(fā)展對(duì)其企業(yè)是機(jī)遇也是挑戰(zhàn)，因此大數(shù)據(jù)綜合試驗(yàn)區(qū)對(duì)其全要素生產(chǎn)率有促進(jìn)作用但不顯著。

企業(yè)要素密集度異質(zhì)性方面，大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立對(duì)不同要素密集度的企業(yè)全要素生產(chǎn)率均有正向效果，其中第（11）、（12）列顯示：對(duì)于資本密集型企業(yè)以及技術(shù)密集型企業(yè)的邊際效果為0.099、0.058，并且分別在5%和10%的水平上顯著。思考其可能原因，資本密集型和技術(shù)密集型企業(yè)相較于勞動(dòng)密集型企業(yè)，其標(biāo)準(zhǔn)化程度和效率水平更高，因此能夠有效地降低成本，同時(shí)能夠及時(shí)地跟上市場(chǎng)的腳步，接納數(shù)字經(jīng)濟(jì)的發(fā)展，而技術(shù)和資本又是提升企業(yè)全要素生產(chǎn)率不可或缺的要素。

（四）機(jī)制檢驗(yàn)

為了進(jìn)一步研究大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)的影響機(jī)制，參考聶長(zhǎng)飛等[14]的研究方法，在模型（1）的基礎(chǔ)上構(gòu)建中介效應(yīng)模型：

其中，media為機(jī)制變量，其他變量含義與前文一致，模型(2)為大數(shù)據(jù)綜合試驗(yàn)區(qū)虛擬變量對(duì)機(jī)制變量的回歸方程，模型(3)為大數(shù)據(jù)綜合試驗(yàn)區(qū)虛擬變量與機(jī)制變量共同對(duì)企業(yè)全要素生產(chǎn)率的回歸方程?？梢灶A(yù)見(jiàn)的是,基礎(chǔ)回歸中,在β1顯著的情況下,若α1、γ1與γ2均顯著,則說(shuō)明media在大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)的企業(yè)全要素生產(chǎn)率效應(yīng)中承擔(dān)部分中介作用。

表7第（1）列回歸結(jié)果顯示did的回歸系數(shù)為2.646，在1%的水平下顯著，說(shuō)明設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)有利于企業(yè)數(shù)字化轉(zhuǎn)型；第（2）列同時(shí)加入did、企業(yè)數(shù)字化轉(zhuǎn)型變量后，did與企業(yè)數(shù)字化的回歸系數(shù)分別為0.033和0.002，均至少在10%水平下顯著，說(shuō)明設(shè)立大數(shù)據(jù)試驗(yàn)區(qū)可以通過(guò)促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)而提升企業(yè)全要素生產(chǎn)率。這可能是由于大數(shù)據(jù)綜合試驗(yàn)區(qū)的建立可以促進(jìn)企業(yè)內(nèi)部經(jīng)營(yíng)、管理模式以及生產(chǎn)過(guò)程向數(shù)字化發(fā)展，進(jìn)而達(dá)到增質(zhì)提量的效果，從而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

表7 作用機(jī)制分析

第（3）列中did的回歸系數(shù)為-0.044，在5%的水平下顯著，說(shuō)明設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)可以緩解企業(yè)融資約束情況；第（4）列中同時(shí)加did、融資約束變量后，did與融資約束變量的回歸系數(shù)為0.024 與-0.441，均至少在5%水平下顯著，表明緩解企業(yè)融資約束也是大數(shù)據(jù)綜合試驗(yàn)區(qū)提升企業(yè)全要素生產(chǎn)率的中介路徑之一。這可能是，大數(shù)據(jù)綜合試驗(yàn)區(qū)的建立讓整體信息化得到良好提升，對(duì)于金融機(jī)構(gòu)來(lái)說(shuō)能夠通過(guò)大數(shù)據(jù)分析降低信貸風(fēng)險(xiǎn)，而企業(yè)融資約束水平降低能夠加大企業(yè)的研發(fā)和創(chuàng)新支出，研發(fā)和創(chuàng)新是全要素生產(chǎn)率提升的核心指標(biāo)，進(jìn)而推動(dòng)了企業(yè)全要素生產(chǎn)率的提升。

五、結(jié)論與建議

（一）主要結(jié)論

本文采用國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)為準(zhǔn)自然實(shí)驗(yàn)，以2010—2019年滬深A(yù)股上市公司為研究對(duì)象，用雙重差分實(shí)證模型檢驗(yàn)了大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)城市企業(yè)高質(zhì)量發(fā)展的效果及其作用機(jī)制。研究結(jié)果表明，首先，與非試點(diǎn)地區(qū)的企業(yè)相比，設(shè)立大數(shù)據(jù)試點(diǎn)政策地區(qū)中的企業(yè)全要素生產(chǎn)率明顯提升。其次，通過(guò)變量替換、安慰劑檢驗(yàn)以及PSM-DID等方法進(jìn)行穩(wěn)健性檢驗(yàn)后，本文的結(jié)論依舊可靠。但政策效果在企業(yè)產(chǎn)權(quán)性質(zhì)、企業(yè)規(guī)模以及企業(yè)不同成長(zhǎng)性階段存在顯著差異。具體表現(xiàn)為非國(guó)有企業(yè)、中小規(guī)模企業(yè)、成長(zhǎng)性越高、高治理水平以及資本密集型和技術(shù)密集型的企業(yè)在政策實(shí)施時(shí)更顯著的提升其全要素生產(chǎn)率。最后，從作用機(jī)制來(lái)看，本文通過(guò)構(gòu)建中介效應(yīng)模型，發(fā)現(xiàn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型、緩解融資約束是大數(shù)據(jù)綜合試驗(yàn)區(qū)政策促進(jìn)企業(yè)全要素生產(chǎn)率提升的兩大重要途徑。

（二）政策建議

基于以上結(jié)論，本文提出以下政策建議:第一，中國(guó)政府應(yīng)持續(xù)推進(jìn)大數(shù)據(jù)綜合試驗(yàn)區(qū)的建設(shè)。大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立對(duì)于企業(yè)全要素生產(chǎn)率水平的提升發(fā)揮了十分顯著的作用，應(yīng)當(dāng)總結(jié)大數(shù)據(jù)綜合試驗(yàn)區(qū)的建設(shè)經(jīng)驗(yàn)，充分發(fā)揮試驗(yàn)區(qū)的示范作用，進(jìn)一步深化大數(shù)據(jù)發(fā)展戰(zhàn)略，以大數(shù)據(jù)推動(dòng)國(guó)家經(jīng)濟(jì)轉(zhuǎn)型升級(jí)勢(shì)在必行，為國(guó)家數(shù)字強(qiáng)國(guó)戰(zhàn)略提供支撐。第二，充分發(fā)揮企業(yè)數(shù)字化轉(zhuǎn)型與緩解融資約束是企業(yè)立足于大數(shù)據(jù)綜合試驗(yàn)區(qū)高效發(fā)展的重要途徑。如何推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型以及幫助企業(yè)緩解融資約束問(wèn)題是政策要關(guān)心的重點(diǎn)問(wèn)題。數(shù)字化轉(zhuǎn)型以及緩解融資約束需要企業(yè)內(nèi)部管理模式的轉(zhuǎn)變以及基礎(chǔ)設(shè)施的升級(jí)，現(xiàn)有數(shù)字人才較為缺乏，因此政府應(yīng)當(dāng)注重?cái)?shù)字經(jīng)濟(jì)人才的培養(yǎng)與引進(jìn)，在技術(shù)研發(fā)、人才培養(yǎng)、市場(chǎng)競(jìng)爭(zhēng)、環(huán)境營(yíng)造等方面給予企業(yè)一定的政策支持，加快大數(shù)據(jù)相關(guān)人才培養(yǎng)以及數(shù)字基礎(chǔ)設(shè)施建設(shè)。第三，大數(shù)據(jù)綜合試驗(yàn)區(qū)的建設(shè)應(yīng)該根據(jù)不同的企業(yè)制定發(fā)展戰(zhàn)略，結(jié)合不同類型企業(yè)自身資源稟賦，屬性特征，分類精準(zhǔn)實(shí)施政策,有計(jì)劃、有次序地引導(dǎo)和支持各類企業(yè)開(kāi)展數(shù)字化轉(zhuǎn)型,鼓勵(lì)企業(yè)探索具有特色的數(shù)字化轉(zhuǎn)型路徑，以期讓更多的企業(yè)趕上并融入大數(shù)據(jù)的浪潮。