【摘" 要】隨著數(shù)字經(jīng)濟的發(fā)展，數(shù)字化轉(zhuǎn)型已經(jīng)成為企業(yè)高質(zhì)量發(fā)展的必經(jīng)之路。論文以2010-2022年A股制造業(yè)上市公司為樣本，研究制造業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響，此外，還通過機制分析對影響途徑進行了分析。研究結(jié)果表明，制造業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率有提升作用；數(shù)字化轉(zhuǎn)型通過激勵創(chuàng)新產(chǎn)出的路徑來提升全要素生產(chǎn)率。最后，基于以上研究，論文提出相關(guān)建議。

【關(guān)鍵詞】數(shù)字化轉(zhuǎn)型；全要素生產(chǎn)率；制造業(yè)企業(yè)；影響機制

【中圖分類號】F49；F270.7；F273" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）09-0043-03

1 引言

在當今全球經(jīng)濟高速變化的環(huán)境中，數(shù)字化轉(zhuǎn)型已成為制造業(yè)企業(yè)保持競爭力的關(guān)鍵戰(zhàn)略。隨著信息技術(shù)的飛速發(fā)展和第四次工業(yè)革命的到來，數(shù)字化不僅改變了制造業(yè)的生產(chǎn)方式，還深刻影響了企業(yè)的管理模式、創(chuàng)新能力和市場拓展策略等。與此同時，全要素生產(chǎn)率作為衡量企業(yè)效率和技術(shù)進步的重要指標，能夠全面反映企業(yè)的綜合生產(chǎn)效率。因此，本文旨在探索制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率之間的關(guān)系，以及潛在的中介機制，為企業(yè)制定數(shù)字化戰(zhàn)略提供理論依據(jù)和實踐指導。

2 文獻回顧與研究假設(shè)

2.1 數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的直接影響

現(xiàn)有文獻大多認為制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率有促進作用。制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型是將數(shù)字技術(shù)與企業(yè)管理、生產(chǎn)和運營相結(jié)合，從根本上改變企業(yè)的生產(chǎn)運營模式，例如，引進機器人替代人工進行全自動生產(chǎn)，能夠優(yōu)化企業(yè)的資源配置效率，提升全要素生產(chǎn)率[1]。全要素生產(chǎn)率實際上反映的就是技術(shù)進步，數(shù)字化轉(zhuǎn)型能夠驅(qū)動企業(yè)創(chuàng)新，帶來全要素生產(chǎn)率的提升。并且數(shù)字化轉(zhuǎn)型在高技術(shù)制造業(yè)獲得的提升更為顯著，東部地區(qū)效果更佳。也有學者提出數(shù)字化轉(zhuǎn)型短期內(nèi)可能存在“生產(chǎn)率悖論”，即數(shù)字化轉(zhuǎn)型須達到一定程度才能顯著提升全要素生產(chǎn)率[2]?？傮w而言，制造業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的直接影響主要呈現(xiàn)正向效果。根據(jù)以上理論基礎(chǔ)，本文提出以下假設(shè)：

H1：制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型可以提升企業(yè)全要素生產(chǎn)率。

2.2 數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響機制

數(shù)字化轉(zhuǎn)型改變了企業(yè)技術(shù)創(chuàng)新的模式，企業(yè)通過構(gòu)建數(shù)字信息平臺，能夠?qū)崿F(xiàn)信息交換和技術(shù)溢出，數(shù)字技術(shù)的可編程性和拓展性使得企業(yè)能夠快速響應市場變化，增強產(chǎn)品創(chuàng)新能力，此外，數(shù)字化企業(yè)傾向于通過協(xié)同創(chuàng)新獲取資源，并利用知識產(chǎn)權(quán)保護制度獲得技術(shù)優(yōu)勢，因此數(shù)字化轉(zhuǎn)型可以激發(fā)企業(yè)創(chuàng)新產(chǎn)出。技術(shù)創(chuàng)新對提升制造業(yè)企業(yè)的全要素生產(chǎn)率至關(guān)重要。技術(shù)創(chuàng)新不僅增加了企業(yè)的技術(shù)知識和存量，還通過創(chuàng)新活動轉(zhuǎn)化投入，帶來新技術(shù)和新產(chǎn)品。這有助于企業(yè)開拓新市場、降低生產(chǎn)成本、提高利潤，并最終擴大企業(yè)規(guī)模，形成規(guī)模經(jīng)濟，從而提升全要素生產(chǎn)率[3，4]。基于此，本文提出以下假設(shè)：

H2：制造業(yè)數(shù)字化轉(zhuǎn)型通過激勵創(chuàng)新產(chǎn)出，進而提高全要素生產(chǎn)率。

3 研究設(shè)計

3.1 樣本選取及數(shù)據(jù)來源

本文依據(jù)證監(jiān)會2012版行業(yè)分類，選取2010-2022年A股制造業(yè)上市公司作為研究對象，利用Python爬蟲技術(shù)提取制造業(yè)上市公司年報文本，作為數(shù)字化轉(zhuǎn)型指標計算的樣本集，其余數(shù)據(jù)均來自國泰安數(shù)據(jù)庫和Wind數(shù)據(jù)庫。現(xiàn)對數(shù)據(jù)進行如下處理：①剔除ST、*ST、PT以及財務數(shù)據(jù)異常的公司樣本；②剔除關(guān)鍵數(shù)據(jù)嚴重缺失的樣本；③剔除觀測值僅存在一年的樣本；④對本文選取的所有連續(xù)變量進行1%和99%的縮尾處理。

3.2 變量說明

3.2.1 被解釋變量

全要素生產(chǎn)率（TFP）。本文參考已有研究，采用OP法測算制造業(yè)企業(yè)的全要素生產(chǎn)率，此外本文還通過LP法測算全要素生產(chǎn)率進行穩(wěn)健性檢驗。其中總產(chǎn)出為企業(yè)營業(yè)收入，勞動投入為企業(yè)員工總數(shù)，資本投入為固定資產(chǎn)凈值，中間投入為營業(yè)成本+銷售費用+管理費用+財務費用-折舊與攤銷-支付給員工的工資報酬。

3.2.2 核心解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（DT）。本文參考已有研究，從大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計算和數(shù)字技術(shù)應用5個層面構(gòu)造數(shù)字化轉(zhuǎn)型特征詞詞庫，利用Python爬蟲技術(shù)和jieba分詞庫，爬取上市公司年報信息，統(tǒng)計數(shù)字化轉(zhuǎn)型特征詞庫詞頻，最后對總詞頻進行加1取對數(shù)處理來衡量數(shù)字化轉(zhuǎn)型指數(shù)。

3.2.3 中介變量

創(chuàng)新產(chǎn)出（IO），專利數(shù)量往往能衡量公司的創(chuàng)新水平，本文以上市公司當年申請的專利數(shù)加1取對數(shù)來衡量創(chuàng)新產(chǎn)出。

3.2.4 控制變量

參考已有研究，本文選取以下控制變量，資產(chǎn)負債率（LEV）：總負債與總資產(chǎn)的比；公司年齡（AGE）：當年年份-公司成立年份+1取對數(shù)處理；公司規(guī)模（SIZE）：公司總?cè)藬?shù)取自然對數(shù)；資產(chǎn)收益率（ROA）：凈利潤與總資產(chǎn)的比；營業(yè)收入增長率（GR）：當年營業(yè)收入與上一年營業(yè)收入的比值-1。

3.3 模型構(gòu)建

3.3.1 基準回歸模型

在對模型進行選擇之前，本文做了豪斯曼檢驗，結(jié)果顯示p值小于0，說明適用固定效應模型。因此，本文構(gòu)建如下基準回歸模型：

TFPi，t=α0+α1DTi，t+α2Controlsi，t+μi+λt+εi，t" " "（1）

其中，TFP為被解釋變量全要素生產(chǎn)率；DT為核心解釋變量企業(yè)數(shù)字化轉(zhuǎn)型；Controls為控制變量；i和t分別表示公司和年份。μi表示個體固定效應，λt表示年份固定效應，εi，t為隨機擾動項。

3.3.2 中介效應模型

為檢驗創(chuàng)新產(chǎn)出的中介效應，本文構(gòu)建如下中介效應模型：

INTERi，t=β0+β1DTi，t+β2Controlsi，t+μi+λt+εi，t" " "（2）

TFPi，t=γ0+γ1DTi，t+γ2INTERi，t+γ3Controlsi，t+μi+λt+εi，t" " "（3）

其中，INTER為中介變量，表示創(chuàng)新產(chǎn)出。檢驗中介機制首先通過模型（1）檢驗數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率的關(guān)系，如果α1顯著并且為正，說明數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率有提升作用；在模型（2）中，如果β1顯著，說明數(shù)字化轉(zhuǎn)型對中介變量有影響；在模型（3）中，如果γ1與γ2顯著，則說明存在中介效應。

4 實證結(jié)果與分析

4.1 描述性統(tǒng)計結(jié)果

對數(shù)據(jù)進行處理后共得到11 874個觀測值，現(xiàn)對所有變量進行描述性統(tǒng)計，結(jié)果如表 1所示。被解釋變量全要素生產(chǎn)率使用OP法算的平均值為7.61，標準差為0.816，最小值為5.99，最大值為9.95；使用LP法測算的平均值為8.227，標準差為0.907，最小值為6.37，最大值為10.82，這意味著不同企業(yè)的全要素生產(chǎn)率存在不均衡性。解釋變量數(shù)字化轉(zhuǎn)型的平均值為2.233 1，標準差為1.348，最小值為0，最大值為5.44，這意味著不同企業(yè)的數(shù)字化轉(zhuǎn)型存在明顯差異，部分企業(yè)甚至還未開始進行數(shù)字化轉(zhuǎn)型。

4.2 基準回歸結(jié)果分析

表 2為控制個體和年份效應后的基準回歸結(jié)果。其中第（1）列未加入任何控制變量，此時，回歸結(jié)果在1%水平上顯著為正，且系數(shù)為0.043，說明制造業(yè)數(shù)字化轉(zhuǎn)型可顯著提升全要素生產(chǎn)率。第（2）列到（6）列逐步加入各個控制變量，回歸結(jié)果仍在1%水平上顯著為正，且最終系數(shù)為0.021，說明在加入一系列控制變量后，制造業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率有顯著提升作用，并且R2逐漸變大，說明隨著控制變量的加入，逐步提高了模型的擬合優(yōu)度，使得研究結(jié)果更加準確。綜上所述，假設(shè)H1得到驗證。

4.3 穩(wěn)健性檢驗

為了檢驗上述回歸結(jié)果是否存在偏差，本文通過替換被解釋變量的測算方法，即使用LP法測算企業(yè)全要素生產(chǎn)率，進行回歸，結(jié)果如表3第（1）列所示，在1%水平上顯著為正，且系數(shù)為0.22。考慮到企業(yè)實施數(shù)字化轉(zhuǎn)型可能存在時滯性，即當年的數(shù)字化轉(zhuǎn)型會對下一年全要素生產(chǎn)率產(chǎn)生影響，本文對數(shù)字化轉(zhuǎn)型進行滯后一期回歸處理，如表3第（2）列所示，結(jié)果在5%水平上顯著為正，且系數(shù)為0.012。此外，本文還考慮到由于數(shù)字化轉(zhuǎn)型是近幾年出現(xiàn)的新概念，之前年份年報中披露的數(shù)字化相關(guān)詞頻未必能真實反映企業(yè)的數(shù)字化轉(zhuǎn)型程度，因此本文通過縮短樣本期間來進行穩(wěn)健性檢驗，結(jié)果如表3第（3）列所示，在1%水平上顯著為正，且系數(shù)為0.03。通過上述方式，使得本文的回歸結(jié)果更加穩(wěn)健，進一步加強驗證了假設(shè)H1。

4.4 中介機制檢驗

中介機制檢驗結(jié)果如表 4所示，第（1）列到（3）列檢驗了創(chuàng)新產(chǎn)出（IO）的中介機制，其中第（1）列報告了DT對TFP的影響在1%水平上顯著為正，說明制造業(yè)數(shù)字化轉(zhuǎn)型可以提升全要素生產(chǎn)率；第（2）列報告了DT對IO的影響在1%水平上顯著為正，說明制造業(yè)數(shù)字化轉(zhuǎn)型可以提升企業(yè)創(chuàng)新產(chǎn)出，數(shù)字化具有創(chuàng)新激勵效應；第（3）列在基礎(chǔ)模型中加入了中介變量IO，并且在1%水平上顯著為正，說明企業(yè)創(chuàng)新產(chǎn)出越多，全要素生產(chǎn)率越大。同時第（3）列顯示DT與TFP在1%水平上顯著為正。綜上所述，制造業(yè)數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)新產(chǎn)出水平，企業(yè)創(chuàng)新產(chǎn)出水平的提升使企業(yè)生產(chǎn)效率變高，從而提升企業(yè)的全要素生產(chǎn)率，即制造業(yè)數(shù)字化轉(zhuǎn)型通過激勵創(chuàng)新產(chǎn)出，進而提高全要素生產(chǎn)率，驗證了假設(shè)H2。

5 結(jié)論與建議

本文以A股制造業(yè)2010-2022年上市公司為樣本，實證探究制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響，進一步探究其影響路徑。研究結(jié)果表明：制造業(yè)數(shù)字化轉(zhuǎn)型能顯著提升全要素生產(chǎn)率，并且通過激勵企業(yè)創(chuàng)新產(chǎn)出的作用機制來提升全要素生產(chǎn)率。

基于以上研究結(jié)論，本文提出以下建議：①制定全面的數(shù)字化戰(zhàn)略。將數(shù)字化戰(zhàn)略與企業(yè)整體發(fā)展戰(zhàn)略相結(jié)合，分階段實施計劃，確保轉(zhuǎn)型的可持續(xù)性。②培養(yǎng)數(shù)字化人才。加大對現(xiàn)有員工的數(shù)字技能培訓，引進高水平的數(shù)字化專業(yè)人才，建立鼓勵創(chuàng)新和持續(xù)學習的企業(yè)文化。③投資先進技術(shù)。根據(jù)企業(yè)的發(fā)展需要選擇適當?shù)臄?shù)字化技術(shù)，如人工智能、大數(shù)據(jù)分析等，建立或升級信息系統(tǒng)基礎(chǔ)設(shè)施。④政府應加大財政支持力度。設(shè)立專項資金支持數(shù)字化轉(zhuǎn)型，提供稅收優(yōu)惠政策，鼓勵企業(yè)數(shù)字化投資。

【參考文獻】

【1】戚聿東，蔡呈偉.數(shù)字化對制造業(yè)企業(yè)績效的多重影響及其機理研究[J].學習與探索，2020（07）：108-119.

【2】劉新爭.企業(yè)數(shù)字化轉(zhuǎn)型中的“生產(chǎn)率悖論”——來自制造業(yè)上市公司的經(jīng)驗證據(jù)[J].經(jīng)濟學家，2023（11）：37-47.

【3】冀云陽，周鑫，張謙.數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新——基于研發(fā)投入和研發(fā)效率視角的分析[J].金融研究，2023（04）：111-129.

【4】葉靜怡，林佳.創(chuàng)新與企業(yè)全要素生產(chǎn)率——來自中國制造業(yè)企業(yè)的證據(jù)[J].學習與探索，2016（05）：105-111+160.