摘 要： 數(shù)字生產(chǎn)力逐漸展現(xiàn)出強大的驅(qū)動力，數(shù)字化轉(zhuǎn)型成為主導趨勢，這能否提升中國制造企業(yè)全要素生產(chǎn)率？文章基于2007—2019年A股上市公司數(shù)據(jù)，通過機器學習文本分析方法構(gòu)建企業(yè)層面數(shù)字化轉(zhuǎn)型指標，實證檢驗了數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響及其渠道機制。結(jié)果顯示，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率具有促進作用，且這種作用是非線性的，具有人力資本水平、數(shù)字基礎(chǔ)設(shè)施建設(shè)的單門檻特征和企業(yè)創(chuàng)新能力的雙門檻特征。企業(yè)數(shù)字化轉(zhuǎn)型通過降低供應鏈集中度和經(jīng)濟政策不確定性感知度對全要素生產(chǎn)率產(chǎn)生影響。研究結(jié)果從微觀層面為企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響提供了直接證據(jù)，為實體經(jīng)濟企業(yè)高質(zhì)量發(fā)展提供了政策見解。

關(guān)鍵詞： 數(shù)字化轉(zhuǎn)型； 全要素生產(chǎn)率； 機器學習； 門檻效應

中圖分類號： F 279.2

文獻標志碼： A

The Impact of Digital Transformation on Total Factor Productivity inManufacturing： Evidence from Publicly Listed Companies in China

Abstract： Digital productivity is gradually showing a strong driving force， and digital transformation has become the dominant trend. Can this improve the total factor productivity of Chinese manufacturing enterprises？ Based on the data of listed companies from 2007 to 2019， this paper constructs enterprise-level digital transformation indicators through machine learning text analysis method， and empirically tests the impact of digital transformation on total factor productivity and its channel mechanism. The results show that digital transformation can promote the total factor productivity of enterprises， and this effect is non-linear， with human capital level， digital infrastructure construction single threshold characteristics and enterprise innovation ability double threshold characteristics. Enterprise digital transformation has an impact on total factor productivity by reducing the concentration of supply chain and the perceived uncertainty of economic policy. The research results provide direct evidence for the impact of enterprise digital transformation on total factor productivity from the micro level， and provide policy insights for the high-quality development of real economy enterprises.

Key words： digital transformation; total factor productivity; machine learning; threshold effect

0 引言

隨著云技術(shù)、人工智能和 5G 等數(shù)字技術(shù)席卷全球，數(shù)字經(jīng)濟已經(jīng)成為國民經(jīng)濟的重要組成部分。中國信息通信研究院出版的《中國數(shù)字經(jīng)濟發(fā)展研究報告（2023年）》統(tǒng)計顯示，2022年中國數(shù)字經(jīng)濟規(guī)模達到50.2萬億元，同比名義增長10.3%，已連續(xù)11年顯著高于同期GDP名義增速，并且，數(shù)字經(jīng)濟全要素生產(chǎn)率從2012年的1.66上升至2022年的1.75，數(shù)字經(jīng)濟生產(chǎn)率水平和同比增幅都顯著高于整體國民經(jīng)濟生產(chǎn)效率。數(shù)字經(jīng)濟已經(jīng)成為驅(qū)動我國經(jīng)濟增長的關(guān)鍵力量，也是推動中國經(jīng)濟發(fā)展模式由要素投入驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變的重要因素。

改革開放 40 多年來，中國制造業(yè)取得了長足的發(fā)展，但是仍然存在“大而不強”的突出問題，雖然經(jīng)濟體量龐大，但自主創(chuàng)新能力較弱，產(chǎn)品供給質(zhì)量不高，生產(chǎn)管理效率低下（趙宸宇等，2021）。加之中美貿(mào)易戰(zhàn)、新冠疫情、俄烏沖突等全世界范圍的宏觀環(huán)境的不確定性給企業(yè)帶來巨大挑戰(zhàn)，數(shù)字化轉(zhuǎn)型已經(jīng)成為企業(yè)未來發(fā)展的現(xiàn)實需求。在此背景下，我們不禁思考，數(shù)字化轉(zhuǎn)型能否成為制造業(yè)企業(yè)高質(zhì)量發(fā)展的新動能？ 能否提升企業(yè)全要素生產(chǎn)率？ 其作用機制是什么？ 本文對上述問題的回答有助于深刻理解數(shù)字化轉(zhuǎn)型對制造業(yè)企業(yè)高質(zhì)量發(fā)展的驅(qū)動作用，為發(fā)展中國家相關(guān)政策制定提供經(jīng)驗證據(jù)。

我們的邊際貢獻如下：第一，指標構(gòu)建方面，許多研究關(guān)注的是企業(yè)采用單一數(shù)字技術(shù)的影響或者地區(qū)和行業(yè)層面的指標，這些指標可能無法充分體現(xiàn)出企業(yè)的個體差異，特定的數(shù)字技術(shù)應用程度也可能無法全面反映企業(yè)在各個生產(chǎn)和經(jīng)營環(huán)節(jié)中的數(shù)字化轉(zhuǎn)型情況，而我們的研究為企業(yè)數(shù)字化的總體程度及其對企業(yè)生產(chǎn)率的影響提供了強有力的證據(jù)。第二，實證檢驗方面，我們創(chuàng)新性地識別了數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率的機制渠道：供應鏈集中度和經(jīng)濟政策不確定性，并檢測出數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的影響是非線性的。

1 文獻回顧與研究假說

本文聚焦于數(shù)字化轉(zhuǎn)型對制造業(yè)全要素生產(chǎn)率的影響。全要素生產(chǎn)率是指除資本和勞動力等投入要素以外其他影響產(chǎn)出的因素。根據(jù)既有研究對全要素生產(chǎn)率的探討，可按其影響產(chǎn)出的方式分為3種類型：（1）勞動增進型；（2）資本增進型；（3）?？怂怪行孕停▍卧降龋?017）。因此，傳統(tǒng)的科布·道格拉斯生產(chǎn)函數(shù)可擴展為如下形式：

Yi=ANi·（AKiKi）α·（ALiLi）1-α（1）

其中，Yi、Ki和Li分別表示企業(yè)i的產(chǎn)出、資產(chǎn)和勞動力；α和（1-α）分別體現(xiàn)了資本產(chǎn)出的彈性系數(shù)和勞動力產(chǎn)出的彈性系數(shù)；ANi、AKi、ALi分別體現(xiàn)了企業(yè)i的希克斯中性生產(chǎn)效率、資本增進型生產(chǎn)效率和勞動力增加型生產(chǎn)效率。進一步地，可推出全要素生產(chǎn)率Ai的表達式：

Ai=ANi·AαKi·A1-αLi（2）

這意味著任何因素如果對企業(yè)全要素生產(chǎn)率產(chǎn)生影響，必然通過ANi、AKi、ALi產(chǎn)生。通過文獻調(diào)查發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型會顯著降低企業(yè)的貿(mào)易成本，而成本降低一方面會直接帶來企業(yè)勞動效率和資本效率的提高，同時也會促進企業(yè)對優(yōu)質(zhì)高技術(shù)中間品的獲取，進而提升企業(yè)的生產(chǎn)效率；另一方面，成本的降低也會促進企業(yè)進行自主創(chuàng)新或加強干中學效應的溢出，從而提高自身的勞動效率、資本效率和技術(shù)生產(chǎn)效率。由此，我們提出假設(shè)1：

假設(shè)1 數(shù)字化轉(zhuǎn)型能夠提升企業(yè)的全要素生產(chǎn)率。

近年來，中美貿(mào)易摩擦、制造業(yè)回流、新冠肺炎疫情等事件，使得企業(yè)面臨的外部環(huán)境不確定性持續(xù)上升。當經(jīng)濟政策不確定性上升時，信貸市場的信息不對稱進一步加劇，銀行可能會通過提高利率或延長企業(yè)獲得貸款的時間來篩選企業(yè)（王朝陽等， 2018）。由于投資回報的不確定性，其他投資者也會進行保守投資，這增加了企業(yè)的融資成本，扭曲了企業(yè)的資源配置，降低了企業(yè)的全要素生產(chǎn)率。此外，獲取相關(guān)信息的成本會增加，決策的成本和風險也會增加，信心也會受到影響。當面臨好的機會時，企業(yè)會變得更加保守，偏離最優(yōu)選擇，從而降低企業(yè)的全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型很好地解決了這些經(jīng)濟政策不確定性帶來的問題。從信號機制來看，企業(yè)數(shù)字化轉(zhuǎn)型響應“數(shù)字中國”戰(zhàn)略，更容易獲得政府的幫助和支持。企業(yè)也會利用數(shù)字技術(shù)增加信息披露，從而減少信息不對稱，緩解可能面臨的融資約束。此外，企業(yè)可以利用數(shù)字技術(shù)深度挖掘市場信息，幫助管理者減少非理性決策行為，并提供實時反饋，及時調(diào)整決策行為（方明月等， 2023）。數(shù)字化轉(zhuǎn)型通過數(shù)據(jù)的高效流動改善了企業(yè)資源的配置，減少了外部不確定性對企業(yè)的影響。由此，我們提出以下假設(shè)2：

假設(shè)2 數(shù)字化轉(zhuǎn)型可以降低企業(yè)感知到的經(jīng)濟政策不確定性，從而有助于提高企業(yè)的全要素生產(chǎn)率。

同樣，在面對外部環(huán)境不確定性的影響時，供應鏈安全和供應鏈彈性對企業(yè)生產(chǎn)力的影響也顯得尤為重要。在數(shù)字化轉(zhuǎn)型的推動下，供應鏈已經(jīng)從傳統(tǒng)的線性模型轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)化的生態(tài)模型，以適應市場需求的可變性（陳劍和劉運輝， 2021）。企業(yè)可以利用云平臺、大數(shù)據(jù)分析等手段擴大供應商范圍，降低供應鏈的集中度。豐富的供應商選擇增加了企業(yè)的議價能力和靈活性，有助于降低成本和風險，提升生產(chǎn)效率。多供應商關(guān)系加強了供應鏈上游企業(yè)之間的競爭力度，這促使供應商企業(yè)為了在競爭中保持優(yōu)勢，提升自身產(chǎn)品和服務的質(zhì)量（Petersen et al.， 2005）。從供應鏈協(xié)同的視角，上游供應商提供質(zhì)量更優(yōu)異的中間產(chǎn)品，有助于提升下游企業(yè)的全要素生產(chǎn)率（Yu，2015）。因此，我們提出假設(shè)3：

假設(shè)3 數(shù)字化轉(zhuǎn)型可以降低供應鏈集中度，從而有助于提高企業(yè)的全要素生產(chǎn)率。

2 數(shù)據(jù)來源與變量測度

2.1 數(shù)據(jù)來源

本文使用的企業(yè)數(shù)據(jù)主要來自于CSMAR數(shù)據(jù)庫和中國企業(yè)專利數(shù)據(jù)庫。基于數(shù)據(jù)可靠度的考慮，本文去掉全部 ST 類和 PT 類上市公司。 最終樣本為1997家制造型企業(yè)13個年度的非平衡面板數(shù)據(jù)，數(shù)字化轉(zhuǎn)型相關(guān)數(shù)據(jù)來源于企業(yè)年報，并用Python和Stata進行相關(guān)數(shù)據(jù)處理。

2.2 變量測度與指標構(gòu)建

被解釋變量方面，本文主要參考 Levinsohn和Petrin（2003）的方法（簡稱LP方法）對企業(yè)全要素生產(chǎn)率進行測算。核心解釋變量構(gòu)建方面，本文參考張葉青等（2021）、趙宸宇等（2021）、袁淳等（2021）的研究，采用基于機器學習的文本分析法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標。本文還選取了以下變量作為控制變量：①流動負債比率（liquidratioit）；②企業(yè)年齡（ageit），使用企業(yè)成立年限衡量；③企業(yè)成長性（growthit），采用總資產(chǎn)增長率衡量；④薪酬激勵（lnsalaryit），采用董事、監(jiān)視和高管薪酬總額對數(shù)值衡量；⑤資產(chǎn)負債率（leverageit），采用企業(yè)總負債占總資產(chǎn)的比重衡量；⑥資產(chǎn)收益率（roait），采用企業(yè)凈利潤與總資產(chǎn)之比衡量；⑦股權(quán)集中度（shareit），采用前五大股東持股比例衡量；變量描述性統(tǒng)計如表1所示。

3 計量模型與實證結(jié)果

3.1 計量模型設(shè)定

為檢驗本文提出的假設(shè)，回歸模型設(shè)定如下：

TFPit=α+β1lnDgitalit+γiContit+Firmi+Yeart+εit（3）

下標i、t 分別表示企業(yè)和年份，被解釋變量TFPit為企業(yè)全要素生產(chǎn)率，核心解釋變量lnDigitalit用以衡量制造型企業(yè)數(shù)字化轉(zhuǎn)型程度變量。Contit為上文所述的企業(yè)層面一系列控制變量，F(xiàn)irmi 、Yeart分別表示企業(yè)和時間固定效應。

3.2 基準結(jié)果分析

表2展示了基準回歸分析的結(jié)果，在第（1）列中，僅引入了核心解釋變量，結(jié)果顯示，lnDigital的回歸系數(shù)顯著為正，通過逐步增加控制變量，我們可以觀察到lnDigital的估計系數(shù)的顯著性和符號沒有發(fā)生根本性的變化，這表明估計結(jié)果具有較強的穩(wěn)健性，數(shù)字化轉(zhuǎn)型能夠有效提升企業(yè)全要素生產(chǎn)率，從而驗證了假設(shè)1。

3.3 穩(wěn)健性檢驗

3.3.1 更換解釋變量

考慮到全要素生產(chǎn)率測算方法的選擇可能會影響到回歸結(jié)果的穩(wěn)定性，我們進一步使用了OP方法和GMM方法來進行全要素生產(chǎn)率的測算，以檢驗我們的基準結(jié)果的穩(wěn)健性，結(jié)果具有穩(wěn)健性。

3.3.2 更換被解釋變量

考慮到年報MD&A部分文本長度的差異，本文進一步對年報中“管理層討論與分析”文本進行詞頻統(tǒng)計，得到MD&A語段中英文部分的文本長度（MDA_textit），然后采用企業(yè)數(shù)字化相關(guān)詞匯詞頻總次數(shù)占年報MD&A文本的比重（Digital_numit/MDA_textit*100），作為反映企業(yè)數(shù)字化轉(zhuǎn)型程度的指標進行穩(wěn)健性檢驗。結(jié)果如表3所示，研究結(jié)果依然穩(wěn)健。

3.3.3 對樣本進行前后1%的縮尾處理

為消除偶然、極端因素的影響，本文將基準回歸所使用的樣本在進行了前后1%的截尾處理（winsorize）后再次回歸。估計結(jié)果如表3所示，上述回歸結(jié)果具有穩(wěn)健性。

3.3.4 內(nèi)生性處理

數(shù)字化轉(zhuǎn)型和企業(yè)全要素生產(chǎn)率之間存在著雙向因果關(guān)系，為了盡可能地緩解反向因果導致回歸參數(shù)不一致的問題，本文借鑒黃群慧等（2019）、趙濤等（2020）、袁淳等（2021）的研究，初步選取1984年各地級市每萬人固定電話數(shù)量與滯后一期的全國互聯(lián)網(wǎng)上網(wǎng)人數(shù)的交互項作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量進行估計。進一步地，我們借鑒Lewbel（1999）、李雪松等人（2022）的研究方法，使用份額移動工具變量法（Shift-Share IV）構(gòu)建了數(shù)字化轉(zhuǎn)型的工具變量。估計結(jié)果如表4所示，核心變量估計系數(shù)在1%的水平下均顯著為正，意味著數(shù)字化轉(zhuǎn)型提升企業(yè)全要素生產(chǎn)率的假設(shè)仍舊成立。

4 機制檢驗與門檻特征分析

4.1 機制檢驗

為深入揭示數(shù)字化轉(zhuǎn)型提升企業(yè)全要素生產(chǎn)率的作用機理，我們參考李雪松等（2022）選取上市公司向前5大供應商采購比例與向前5大客戶銷售比例的均值度量企業(yè)的供應鏈集中度，以及參考方明月等（2023）構(gòu)建企業(yè)的經(jīng)濟政策不確定性感知指標。由表5 Panel A中的估計結(jié)果表明，Digital估計系數(shù)顯著為負，意味著數(shù)字化轉(zhuǎn)型可以顯著降低經(jīng)濟政策不確定性感知度和供應鏈集中度。 PanelB中展示了經(jīng)濟政策不確定性感知度和供應鏈集中度對企業(yè)全要素生產(chǎn)率的影響為負，即經(jīng)濟政策不確定感知越低、供應鏈集中度越低，企業(yè)的TFP就越高，假說2和假說3成立。

4.2 數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的門檻特征分析

4.2.1 模型設(shè)定

本文的模型基于 Hansen（1999）的面板數(shù)據(jù)門檻模型，其給出的基本方程為：

yit=μit+β'1xitI（qit<γ）+β'12xitI（qit>γ）+eit（4）

其中，i表示企業(yè)，t表示年份，qit為門檻變量，γ為未知門檻。

4.2.2 面板門檻模型的回歸結(jié)果

（1）人力資本結(jié)構(gòu)水平

本文參考趙宸宇等（2021）的研究，采用企業(yè)本科及以上學歷人員占比作為人力資本結(jié)構(gòu)代理變量。數(shù)字化轉(zhuǎn)型通常被資本密集型和技術(shù)密集型行業(yè)所采，并且企業(yè)數(shù)字化轉(zhuǎn)型需要大量熟練或受過專業(yè)教育的工人和人才，因此人力資本水平可能限制企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的作用。結(jié)果由表6的第（1）列可知，當企業(yè)的人力資本結(jié)構(gòu)水平高于于門檻值時，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的作用系數(shù)為0.043，明顯要高于人力資本結(jié)構(gòu)水平低的企業(yè)，高人力資本水平有助于數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升效應。

（2）數(shù)字基礎(chǔ)設(shè)施建設(shè)

數(shù)字基礎(chǔ)設(shè)施的建設(shè)為企業(yè)數(shù)字化轉(zhuǎn)型筑牢技術(shù)底座，降低了企業(yè)數(shù)字化轉(zhuǎn)型的門檻，為企業(yè)數(shù)字化轉(zhuǎn)型提供了便利的環(huán)境和可能的方向。因此在數(shù)字基礎(chǔ)設(shè)施建設(shè)更好的地方，區(qū)域間的知識溢出、信息流動和技術(shù)轉(zhuǎn)移等效率較高，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的促進效應要更好。本文參考王海等（2023）的研究，以各省份的人民政府網(wǎng)站以及北大法寶法律數(shù)據(jù)庫等發(fā)布的各省份數(shù)字基礎(chǔ)設(shè)施政策作為各省份數(shù)字基礎(chǔ)設(shè)施的代理變量。結(jié)果由表6第（2）列可知，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的影響具有數(shù)字基礎(chǔ)設(shè)施建設(shè)的門檻效應，數(shù)字基礎(chǔ)設(shè)施建設(shè)越完善的地區(qū)，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升效應越好。

（3）創(chuàng)新能力

索洛增長模型認為技術(shù)創(chuàng)新是提高全要素生產(chǎn)率的關(guān)鍵渠道。創(chuàng)新能力較強的企業(yè)，本身的管理方法和理念的引入以及生產(chǎn)組織和管理制度都要更靈活璨具有彈性，這樣的企業(yè)在面對數(shù)字化轉(zhuǎn)型的時候具有更好的適應能力，創(chuàng)新能力的好壞可能會影響企業(yè)對于數(shù)字化轉(zhuǎn)型紅利的吸收，進而影響企業(yè)生產(chǎn)力的釋放。本文選取專利申請數(shù)的對數(shù)值來度量一個企業(yè)的創(chuàng)新能力。由表6第（3）列可知，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率具有雙重創(chuàng)新門檻效應，企業(yè)的創(chuàng)新能力越強，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升效應越好。

5 結(jié)論與政策建議

本研究基于2007—2019年中國A股制造業(yè)上市公司數(shù)據(jù)，通過采用機器學習文本分析法構(gòu)建企業(yè)層面的數(shù)字化轉(zhuǎn)型指標，證實了數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升作用，為企業(yè)高質(zhì)量發(fā)展提供新的思路。數(shù)字化轉(zhuǎn)型可以通過降低供應集中度和降低企業(yè)經(jīng)濟政策不確定性感知的路徑來提高企業(yè)全要素生產(chǎn)率?；诋愘|(zhì)性研究發(fā)現(xiàn)，人力資本水平越高、數(shù)字基礎(chǔ)設(shè)施建設(shè)越完善、企業(yè)創(chuàng)新能力越強，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的提升效應更好。

基于以上結(jié)論，本文提出以下幾點政策建議：（1）企業(yè)應逐步將數(shù)字化技術(shù)引入生產(chǎn)經(jīng)營過程，推動供應鏈數(shù)字化轉(zhuǎn)型。加快開放供應鏈上下游企業(yè)的數(shù)據(jù)通道，以數(shù)據(jù)流引領(lǐng)人才、技術(shù)、資金的流動，提高全鏈供需匹配的準確性，降低外部協(xié)調(diào)和交易成本，實現(xiàn)產(chǎn)供銷一體化，全面提升供應鏈效率。（2）加快數(shù)字基礎(chǔ)設(shè)施建設(shè)，支撐制造強國和數(shù)字中國網(wǎng)絡(luò)強國發(fā)展，夯實發(fā)展基礎(chǔ)，加快5G等數(shù)字基礎(chǔ)設(shè)施建設(shè)，強化數(shù)字技術(shù)對關(guān)鍵共性技術(shù)和前沿領(lǐng)先技術(shù)的支撐作用。（3）政府經(jīng)濟政策需保持連貫性和統(tǒng)一性，降低經(jīng)濟政策的不確定性，大力發(fā)展數(shù)字經(jīng)濟，促進實體經(jīng)濟與數(shù)字經(jīng)濟的融合。政府可以建立信息平臺，及時向外界披露信息以及制定適當?shù)募詈脱a貼政策，減輕企業(yè)數(shù)字化轉(zhuǎn)型的負擔。

參考文獻：

［1］ 趙宸宇，王文春，李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］. 財貿(mào)經(jīng)濟，2021，42（7）：114-129.

［2］ 呂越，黃艷希，陳勇兵. 全球價值鏈嵌入的生產(chǎn)率效應：影響與機制分析［J］. 世界經(jīng)濟，2017，40（7）：28-51.

［3］ 王朝陽，張雪蘭，包慧娜. 經(jīng)濟政策不確定性與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整及穩(wěn)杠桿［J］. 中國工業(yè)經(jīng)濟，2018（12）：134-151.

［4］ 方明月，聶輝華，阮睿，等. 企業(yè)數(shù)字化轉(zhuǎn)型與經(jīng)濟政策不確定性感知［J］. 金融研究，2023（2）：21-39.

［5］ 陳劍，劉運輝. 數(shù)智化使能運營管理變革：從供應鏈到供應鏈生態(tài)系統(tǒng)［J］. 管理世界，2021，37（11）：227-240，14.

［6］ PETYx+hS3YfyoHJ2gfqHK7GtsgB2PwhIQHFat5D1Bix5dU=ERSEN K J， HANDFIELD R B， RAGATZ G L. Supplier integration into new product development： coordinating product， process and supply chain design［J］. Journal of Operations Management， 2005， 23（3-4）： 371-388.

［7］ YU MJ. Processing trade， tariff reductions and firm productivity： Evidence from Chinese Firms［J］. Econ J， 2015，125（585）：943-988.

［8］ 張葉青，陸瑤，李樂蕓. 大數(shù)據(jù)應用對中國企業(yè)市場價值的影響——來自中國上市公司年報文本分析的證據(jù)［J］. 經(jīng)濟研究，2021，56（12）：42-59.

［9］ 袁淳，肖土盛，耿春曉，等. 數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］. 中國工業(yè)經(jīng)濟，2021（9）：137-155.

［10］ 黃群慧，余泳澤，張松林. 互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗［J］. 中國工業(yè)經(jīng)濟，2019（8）：5-23.

［11］ 趙濤，張智，梁上坤. 數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)［J］. 管理世界，2020，36（10）：65-76.

［12］ 李雪松，黨琳，趙宸宇. 數(shù)字化轉(zhuǎn)型、融入全球創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績效［J］. 中國工業(yè)經(jīng)濟，2022（10）：43-61.

［13］ 王海，閆卓毓，郭冠宇，等. 數(shù)字基礎(chǔ)設(shè)施政策與企業(yè)數(shù)字化轉(zhuǎn)型：“賦能”還是“負能”？［J］. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2023，40（5）：5-23.