基金項(xiàng)目：山西省統(tǒng)計(jì)科學(xué)研究項(xiàng)目“金融危機(jī)救助的貨幣政策溢出效應(yīng)與國(guó)際協(xié)調(diào)研究”（項(xiàng)目編號(hào)：2023LY021）

摘 要：隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)字化轉(zhuǎn)型已經(jīng)成為企業(yè)發(fā)展的必由之路。本文基于2009—2022年A股上市公司的數(shù)據(jù)，對(duì)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響進(jìn)行分析，并從信息的傳遞效應(yīng)和資源效應(yīng)視角識(shí)別了中介作用機(jī)制。實(shí)證結(jié)果表明，數(shù)字化轉(zhuǎn)型提高了企業(yè)全要素生產(chǎn)率，特別在東部地區(qū)、數(shù)字經(jīng)濟(jì)一線城市和技術(shù)、勞動(dòng)密集型企業(yè)中，這一提升作用更為明顯；機(jī)制研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型通過(guò)發(fā)揮信息的傳遞效應(yīng)和資源效應(yīng)促進(jìn)企業(yè)全要素生產(chǎn)率的提高。關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；全要素生產(chǎn)率；信息透明度

一、引言

隨著市場(chǎng)競(jìng)爭(zhēng)的日益激烈，企業(yè)競(jìng)爭(zhēng)力正逐漸從量的擴(kuò)張轉(zhuǎn)變?yōu)橘|(zhì)的提升。在這一過(guò)程中，提高全要素生產(chǎn)率成為關(guān)鍵所在。在數(shù)字經(jīng)濟(jì)高速發(fā)展的今天，企業(yè)數(shù)字化轉(zhuǎn)型已不可避免，但諸多企業(yè)出于對(duì)成本效益等因素的考量，一再延緩數(shù)字化轉(zhuǎn)型步伐。故深入探究數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率以及其傳導(dǎo)機(jī)制，對(duì)于企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型進(jìn)程、實(shí)現(xiàn)高質(zhì)量發(fā)展有重要意義。

二、理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)搭建智能平臺(tái)、云計(jì)算等，將企業(yè)各個(gè)部門的數(shù)據(jù)聯(lián)系起來(lái)，企業(yè)的信息得以共享，各部門的協(xié)作更加流暢，信息得以在企業(yè)內(nèi)部共享。數(shù)字化轉(zhuǎn)型有助于企業(yè)打破信息孤島，提升資源配置效率，從而提高企業(yè)各個(gè)要素的綜合生產(chǎn)率。同時(shí)，數(shù)字化轉(zhuǎn)型還能推動(dòng)新產(chǎn)品、新技術(shù)的研發(fā)與應(yīng)用，進(jìn)一步提升全要素生產(chǎn)率。

根據(jù)上述分析，本文提出假設(shè)H1：

H1：企業(yè)數(shù)字化轉(zhuǎn)型可以提高全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型使信息獲取成本變低，信息得以最大程度上的共享，獲取信息資源的便利性提高。這有助于各部門更加全面地了解彼此的工作進(jìn)展、資源需求和業(yè)務(wù)挑戰(zhàn)，從而提高生產(chǎn)效率，進(jìn)而提高全要素生產(chǎn)率。數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)與外部環(huán)境的信息交流，企業(yè)可以更好地把握市場(chǎng)動(dòng)態(tài)、客戶需求和競(jìng)爭(zhēng)態(tài)勢(shì)，從而更及時(shí)、精準(zhǔn)地做出市場(chǎng)反應(yīng)。這有助于企業(yè)發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)、開發(fā)新產(chǎn)品和服務(wù)，進(jìn)一步提高企業(yè)的全要素生產(chǎn)率。

數(shù)字化轉(zhuǎn)型可以幫助企業(yè)更加精準(zhǔn)地把握市場(chǎng)需求和當(dāng)前技術(shù)前沿，從而提高研發(fā)活動(dòng)的有效性。研發(fā)能力決定著企業(yè)的未來(lái)發(fā)展，關(guān)乎企業(yè)能否找到下一個(gè)發(fā)展著力點(diǎn)。數(shù)字化轉(zhuǎn)型打破了人為獲取知識(shí)的局限性，是企業(yè)提高創(chuàng)新能力的助推器。此外，數(shù)字化轉(zhuǎn)型使得企業(yè)各部門的信息交換成本變低，研發(fā)效率提升，推動(dòng)企業(yè)最大限度地利用已有的人財(cái)物創(chuàng)造更多的經(jīng)濟(jì)價(jià)值，進(jìn)而提高全要素生產(chǎn)率。

根據(jù)上述分析，本文提出假設(shè)H2和H3：

H2：數(shù)字化轉(zhuǎn)型通過(guò)信息傳遞效應(yīng)提高企業(yè)全要素生產(chǎn)率。

H3：數(shù)字化轉(zhuǎn)型通過(guò)信息資源效應(yīng)提高企業(yè)全要素生產(chǎn)率

三、研究設(shè)計(jì)

1.樣本選取

本文選取A股上市公司2009—2022年數(shù)據(jù)，剔出主要變量缺失、金融行業(yè)、ST的樣本，并進(jìn)行1%的縮尾處理，最終篩選出24628個(gè)有效樣本。數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。

2.變量設(shè)定

（1） 解釋變量與被解釋變量

參考張永坤等（2021）的做法，企業(yè)數(shù)字化轉(zhuǎn)型程度通過(guò)財(cái)務(wù)報(bào)表附注披露的年末無(wú)形資產(chǎn)明細(xì)項(xiàng)中與數(shù)字化轉(zhuǎn)型相關(guān)的無(wú)形資產(chǎn)總額的比例來(lái)衡量。將FE法計(jì)量得到的全要素生產(chǎn)率結(jié)果作為標(biāo)準(zhǔn)。

（2） 中介變量

參考劉艷霞等（2023）的做法，數(shù)字化轉(zhuǎn)型的信息傳遞效應(yīng)采用當(dāng)年分析師跟蹤人數(shù)加1的自然對(duì)數(shù)（analyst）來(lái)度量，信息資源效應(yīng)采用當(dāng)期年報(bào)中研發(fā)費(fèi)用金額加1后的自然對(duì)數(shù)（research）來(lái)度量。

（3） 控制變量

參考以往文獻(xiàn)，本文選取以下控制變量：企業(yè)規(guī)模（Size）、董事會(huì)規(guī)模（Board）、企業(yè)年齡（Age）、資產(chǎn)負(fù)債率（Level）、公司業(yè)績(jī)（ROA）、現(xiàn)金流比率（Cashflow）、第一大股東持股比例（Top1）、成長(zhǎng)性（Growth）、獨(dú)立董事比例（Indep）。

3.模型建立

為了驗(yàn)證假設(shè)H1，本文構(gòu)建以下基準(zhǔn)回歸模型：

TFPi，t=α0+α1Digitali，t+α2Controli，t+∑Year+∑Industry+εi，t（1）

其中，被解釋變量TFP為全要素生產(chǎn)率，解釋變量Digital為數(shù)字化轉(zhuǎn)型程度，Control為控制變量，ε是隨機(jī)擾動(dòng)項(xiàng)，同時(shí)，本文控制了年度和行業(yè)固定效應(yīng)。

借鑒溫忠麟等的中介效應(yīng)檢驗(yàn)研究方法，在模型（1） 的基礎(chǔ)上，構(gòu)建模型（2） 和模型（3） 進(jìn)行檢驗(yàn)。

Mediatingi，t=β0+β1Digitali，t+β2Controli，t+∑Year+

∑Industry+εi，t（2）

TFPi，t=α0+α1Digitali，t+α2Mediatingi，t+α3Controli，t+

∑Year+∑Industry+εi，t（3）

其中，Mediating為中介變量相關(guān)指標(biāo)。

四、實(shí)證分析

1.多元回歸分析

表1的列（1） 展示了基準(zhǔn)回歸結(jié)果，控制了年度和行業(yè)固定效應(yīng)后，數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率的相關(guān)系數(shù)為0.1025且在1%水平上顯著為正，說(shuō)明兩者之間存在正相關(guān)關(guān)系，數(shù)字化轉(zhuǎn)型能提高企業(yè)全要素生產(chǎn)率，初步驗(yàn)證了假設(shè)H1。

2.作用機(jī)制檢驗(yàn)

在模型（1） 的基礎(chǔ)上，本文構(gòu)建模型（2） 和模型（3） 來(lái)檢驗(yàn)信息在企業(yè)數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率之間所起到的中介作用，實(shí)證結(jié)果如表1的列（2） 到列（5） 所示。列（2） 中數(shù)字化轉(zhuǎn)型與分析師關(guān)注度的相關(guān)系數(shù)在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型可以通過(guò)提高信息透明度進(jìn)而獲得更多的外部關(guān)注。列（3） 加入中介變量后，TFP與數(shù)字化轉(zhuǎn)型及關(guān)注度的系數(shù)都在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型可以通過(guò)吸引更多的外部關(guān)注，以此來(lái)發(fā)揮信息傳遞效應(yīng)，進(jìn)而提高TFP，假設(shè)H2得到驗(yàn)證。列（4） 中數(shù)字化轉(zhuǎn)型與研發(fā)費(fèi)用的系數(shù)在5%的水平上顯著，說(shuō)明數(shù)字化轉(zhuǎn)型可以促使企業(yè)加大研發(fā)投入。列（5） 加入中介變量后，TFP與數(shù)字化轉(zhuǎn)型及研發(fā)投入的系數(shù)都在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)研發(fā)投入的增加，發(fā)揮信息的資源效應(yīng)，進(jìn)而提高TFP，假設(shè)H3得到驗(yàn)證。

3.穩(wěn)健性檢驗(yàn)

（1） 替換被解釋變量

采用OLS法、IP法、GMM法對(duì)全要素生產(chǎn)率進(jìn)行重新估算，進(jìn)行主回歸分析，估計(jì)結(jié)果如表2的列（1） 至列（3） 所示。從結(jié)果上來(lái)看，各解釋變量的系數(shù)符號(hào)為正，且均通過(guò)了顯著性檢驗(yàn)，與基準(zhǔn)回歸結(jié)果一致，說(shuō)明基準(zhǔn)回歸結(jié)果穩(wěn)健。

（2） PSM檢驗(yàn)

為進(jìn)一步解決內(nèi)生性問題，本文利用傾向得分匹配法重新對(duì)樣本進(jìn)行回歸。具體地，企業(yè)數(shù)字化轉(zhuǎn)型水平參差不齊，以年度行業(yè)均值劃分控制組和實(shí)驗(yàn)組，逐一進(jìn)行均值差異化檢驗(yàn)。結(jié)果如表2的列（4） 所示，假設(shè)H1得到進(jìn)一步驗(yàn)證。

（3） 解釋變量滯后一期

變量之間的影響可能存在滯后性。數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響可能不是立即見效，而是在一段時(shí)間后顯現(xiàn)。為了檢驗(yàn)這種效應(yīng)，本文將解釋變量滯后一期回歸，結(jié)果如表2列（5） 所示，滯后一期的Digital對(duì)TFP有顯著的正向影響。這表明，企業(yè)數(shù)字化轉(zhuǎn)型不僅會(huì)對(duì)當(dāng)期的全要素生產(chǎn)率產(chǎn)生影響，而且此種影響還會(huì)延續(xù)到下一期。

五、異質(zhì)性分析

1.地區(qū)異質(zhì)性

政府政策、創(chuàng)新氛圍和制度體制等因素會(huì)對(duì)企業(yè)全要素生產(chǎn)率的提升產(chǎn)生不利影響。相較于我國(guó)中西部地區(qū)，東部地區(qū)經(jīng)濟(jì)發(fā)展水平較高，配套資源較為齊全，營(yíng)商環(huán)境較好。本文將樣本企業(yè)所在地分為中西部與東部?jī)蓚€(gè)組別進(jìn)行回歸分析，來(lái)檢驗(yàn)地區(qū)異質(zhì)性，結(jié)果如表3所示。從中可以看出，相較于中西部地區(qū)，數(shù)字化轉(zhuǎn)型在東部地區(qū)更能發(fā)揮對(duì)全要素生產(chǎn)率的提升作用。

2.城市類型異質(zhì)性

信息基礎(chǔ)設(shè)施作為數(shù)字化轉(zhuǎn)型的基石，不僅關(guān)系到企業(yè)能否順利實(shí)現(xiàn)技術(shù)革新，更會(huì)影響數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的提升效果。中國(guó)信息通信研究院政策與經(jīng)濟(jì)研究所、中央廣播電視總臺(tái)上?？傉景l(fā)布的《中國(guó)城市數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告（2021年）》依據(jù)數(shù)字經(jīng)濟(jì)發(fā)展情況將全國(guó)城市分為綜合引領(lǐng)型、特色開創(chuàng)型、其他城市。本文以企業(yè)所在城市是否為綜合引領(lǐng)型或特色開創(chuàng)型城市為依據(jù)，將樣本劃分為兩組：數(shù)字經(jīng)濟(jì)一線城市和其他城市，檢驗(yàn)在不同城市數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的提升作用，結(jié)果如表3所示?？梢钥闯?，數(shù)字化轉(zhuǎn)型在數(shù)字經(jīng)濟(jì)發(fā)展水平高的城市才能發(fā)揮其提升作用。

3.企業(yè)類型異質(zhì)性

本文將企業(yè)分為勞動(dòng)密集型、技術(shù)密集型、資產(chǎn)密集型三大類，進(jìn)行分組回歸，結(jié)果如表3所示，可以看出，數(shù)字化轉(zhuǎn)型在資產(chǎn)密集型企業(yè)對(duì)全要素生產(chǎn)率幾乎無(wú)任何影響。原因可能是資產(chǎn)密集型企業(yè)通常擁有大量的固定資產(chǎn)，如設(shè)備、廠房等，這些資產(chǎn)在企業(yè)的運(yùn)營(yíng)中占據(jù)重要地位，數(shù)字化轉(zhuǎn)型雖然可以提高運(yùn)營(yíng)效率和管理水平，但對(duì)固定資產(chǎn)的利用率和產(chǎn)出效率的影響可能相對(duì)有限。相比之下，技術(shù)密集型和勞動(dòng)密集型企業(yè)更多依賴技術(shù)和人力資源，數(shù)字化轉(zhuǎn)型能夠更加直接地提升這些要素的生產(chǎn)效率，從而對(duì)企業(yè)的全要素生產(chǎn)率產(chǎn)生影響。

六、結(jié)語(yǔ)

隨著信息技術(shù)的迅猛發(fā)展，數(shù)字化轉(zhuǎn)型已成為企業(yè)提升競(jìng)爭(zhēng)力的關(guān)鍵途徑。本文基于信息的雙重識(shí)別效應(yīng)，探究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響。研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型可以提升企業(yè)全要素生產(chǎn)率，通過(guò)信息的傳遞效應(yīng)和資源效應(yīng)實(shí)現(xiàn)，并且通過(guò)了穩(wěn)健性檢驗(yàn)。進(jìn)一步異質(zhì)性分析發(fā)現(xiàn)，在東部企業(yè)、數(shù)字經(jīng)濟(jì)一線城市、技術(shù)與勞動(dòng)密集型企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響更顯著?；谘芯拷Y(jié)論，本文提出如下建議：企業(yè)應(yīng)加大數(shù)字化轉(zhuǎn)型力度，特別是東部、一線城市及技術(shù)與勞動(dòng)密集型企業(yè)，應(yīng)充分利用信息技術(shù)優(yōu)勢(shì)，提升信息處理和利用能力。同時(shí)，政府應(yīng)出臺(tái)相關(guān)政策，支持企業(yè)數(shù)字化轉(zhuǎn)型，提高市場(chǎng)資源配置效率，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展。

參考文獻(xiàn)：

[1]郭秀磊.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響研究[D].濟(jì)南：山東大學(xué)，2023.

[2]劉艷霞，陳樂，周昕格.數(shù)字化轉(zhuǎn)型與綠色創(chuàng)新：基于信息的雙重效應(yīng)識(shí)別[J].改革，2023（10）：30-45.

[3]張永珅，李小波，邢銘強(qiáng).企業(yè)數(shù)字化轉(zhuǎn)型與審計(jì)定價(jià)[J].審計(jì)研究，2021（03）：62-71.