数字化转型对企业全要素生产率的影响研究

数字化转型对企业全要素生产率的影响研究作者：韩士专杨佳英杨礼华
来源：《现代管理科学》2024年第02期
[摘要]随着数字经济的不断发展，中小企业不断投入数字化转型的浪潮中，以此突破制约企业生产效率的“卡脖子”问题。

以2015—2022年A股上市公司企业数据为基础，深入考察企业数字化转型对企业全要素生产率的影响及内在机制。

结果发现：数字化转型能够显著促进企业全要素生产率的提高，经过更换被解释变量、修改模型设定的稳健性检验和内生性处理之后，结论依旧成立。

异质性分析表明：数字化转型对成长期和衰退期企业全要素生产率促进效果差异不大，但优于成熟期企业，另外企业数字化转型在制度环境较好和国有企业中更能发挥比较优势。

机制检验表明：优化企业人力资本和激发企业家精神是数字化转型助力企业全要素生产率提升的重要渠道。

[关键词]数字化转型；全要素生产率；企业人力资本；企业家精神
一、研究背景
提高全要素生产率是经济稳定增长的重要前提，也是我国加快推进供给侧结构性改革的关键目标，对加快实现经济高质量发展具有重要作用。

党的二十大报告指出要着力提高全要素生产率，并将其作为推动高质量发展这一重大主题内涵的任务之一，可见提高全要素生产率已逐步成为经济由高速增长向高质量发展的关键所在。

数字经济时代，企业依托大数据、云计算等数字技术降低信息收集和处理成本、改善企业绩效和优化生产模式，提高了企业生产效率。

企业通过实施数字化战略降低金融服务门槛、优化人力资本和提高融资效率，进而提升企业全要素生产率。

国家“十四五”规划也指出要以数字化转型整体驱动生产方式、生活方式和治理方式变革，进而促进企业全要素生产率的提升。

因此，本文在数字化的热潮下，从理论和实证角度探讨企业数字化转型与企业全要素生产率之间的关系，有助于企业优化和完善生产经营模式，提高企业“投入-产出”的转化效率。

大量学者对企业数字化转型的经济效益进行了丰富的研究，但多数聚焦于微观层面。

如在企业内部方面，数字化转型通过新型数字技术的应用提高了企业创新水平[1]，还使得企业通过降低代理成本来提升重污染企业投资效率[2]。

此外，企业数字化转型还可以增强企业韧性[3]、ESG表现[4]。

在企业外部方面，夏芸等[5]发现提升盈利水平和会计信息披露质量是数字化提升商业信用融资的重要渠道，同时，数字化战略还可以通过优化企业基本面的方式来降低股价崩盘风险[6]。

关于数字化与企业全要素生产率之间的关系，已有研究主要从宏观、中观和微观3个角度出发。

在宏观层面，孙鹏等[7]以大数据综合试验区为准自然实验，采用多期DID验证了数字经济可以优化企业全要素生产率。

王冬梅等[8]采用多元回归方法也得出这一结论。

在中观层面，王京滨等[9]认为数字化转型通过提升企业供应链运作效率和矫正过度投
资两种渠道作用于企业全要素生产率。

在微观层面，张永亮等[10]发现绿色金融政策可以对重污染企业的全要素生产率产生促进作用。

综上，国内外学者对数字化、企业全要素生产率开展了丰富的研究，为本文的研究奠定了研究基础。

但已有研究大多考察省级层面的数字经济或者数字金融对企业全要素生产率的影响，鲜有学者考虑数字化转型与微观层面企业全要素生产率的关系。

因此，本文以A股上市公司2015—2022年数据为基础，考察数字化转型与企业全要素生产率之间的关系及作用机制。

边际贡献主要包括：第一，机制探究方面，部分学者从融资约束、企业创新等层面研究数字化转型对企业全要素生产率的影响，忽视企业家精神的作用，因此本文以企业家精神为机制变量展开分析，丰富企业家精神的应用领域，为数字化转型影响企业全要素生产率提供新的经验证据。

第二，异质性方面，基于生命周期理论将样本分为成长期、成熟期和衰退期，探讨不同时期数字化转型的福利效应，弥补大多研究仅考虑企业和地区截面差异而忽视在时间维度上的潜在异质性的缺陷。

二、理论分析与假设提出
1. 数字化转型与企业全要素生产率
随着我国不断推动产业数字化转型，大数据、区块链等信息技术逐渐被应用到企业发展中，使得数字化已逐步成为提高企业创新和推动企业实现高质量发展的核心动力。

第一，数字化转型凭借自身开放、共享和跨时空等特征，缓解了企业的沟通障碍，促进了信息交流与合作，有助于完善企业内部信息和降低挖掘整合外部信息的成本[11]，为企业开展创新活动营造了良好環境，从而提高企业创新能力和“投入-产出”的总体转换效率[12]。

第二，数字化加强了企业各部门之间的协调性，通过将数据生产要素内部系统串联起来，保证生产、组织全过程的实时性和透明性，推动各部门由独立开发逐步转向协同合作[13]，有助于缓解“委托-代理”问题，从而提高生产管理效率，为企业全要素生产率的提高提供“催化剂”。

第三，数字化转型通过大数据、云计算等数字技术可以迅速准确地从庞大的数据中挑选出有价值的数据，降低信息收集和处理成本[14]，缓解信息不对称，提高数据要素的利用率，带来全要素生产率的提升。

因此，本文提出以下假设：
H1：企业数字化转型可以促进企业全要素生产率的提升。

2. 数字化转型、企业家精神与企业全要素生产率
以熊彼特为代表的“创新学派”认为创新作为资源要素的新组合，是由企业家执行的，企业家精神反映的一种冒险和创新精神。

企业实施数字化转型可以拓展企业的融资渠道，缓解融资约束，通过大数据、云计算等数字技术还可以精准地对研发项目进行分析，进而降低企业研发成本，促进企业家精神成长[15]。

在企业家创新精神的作用下，企业会积极地采用新型技术来加强与其他企业和政府的合作，以此突破企业生产中的瓶颈问题，从而促进企业全要素生产率
的提升。

在企业家冒险精神的作用下，企业可以超前地洞察时势的变化，精准地识别和抓住创新机遇，有助于企业技术进步，促进企业生产效率[16]。

旺盛的企业家精神可以帮助企业将新制度、新技术融入组织创新，优化企业生产模式和关联模式，逐步引导企业的生产创新行为实现由封闭性、排他性向共享性和包容性的转变，有助于企业在经营模式上实现创新，保证企业生产过程中的协同性，从而提高企业全要素生产率。

因此，本文提出以下假设：
H2：企业数字化转型可以通过激发企业家精神提升企业全要素生产率。

3. 数字化转型、人力资本与企业全要素生产率
本文总结文献发现，数字化转型主要通过“技术替代”和“技术互补”两条途径提升企业人力资本。

第一，数字技术和智能设备的广泛应用凭借智能化、低成本和规模经济等优势可以协助企业降低对低技能劳动力的需求，减少一些低技能岗位，从而相对增加企业高技能劳动力占比；第二，当数字技术被不断引入生产中，需要聘请高技术人员进行机器操作，增加了对高技术人才的需求，从而创造更多的高技能岗位[17]。

此外，企业实施数字化战略带来研发活动的增加会迫使企业引入更多的投资人员，优化企业人力资本，而企业人力资本的提升又有助于提升企业全要素生产率。

人力资本水平较高的企业技术吸收能力较强，可以轻松地将从其他地区或者企业引进的技术融入实际生产中，对企业全要素生产率的提升具有积极作用[18]，同时，人力资本的增加意味着企业可以更好地开展新产品和新技术的研发，有利于企业提高企业竞争力，带动企业生产效率的提升[19]。

因此，本文提出以下假设：
H3：企业数字化转型可以通过优化企业人力资本提升企业全要素生产率。

三、研究设计
1. 样本选择与数据来源
由于我国企业数字化转型起步较晚，在2013年后才得到广泛的推广和应用，且限于数据的可获得性，本文以我国沪深两市A股上市公司2015—2022年财务数据为初始研究样本，探讨企业数字化转型对企业全要素生产率的作用及影响渠道。

为了保证数据的可靠性和有效性，对数据进行以下处理：（1）剔除研究期间内处于特别处理状态和财务数据存在异常或严重缺失的样本；（2）剔除证券、保险等金融类样本；（3）对使用的连续变量进行上下1%的缩尾处理。

财务数据来自国泰安数据库、万得和企业年报。

2. 变量选取
（1）被解释变量：企业全要素生产率（TFP_LP）。

企业全要素生产率测算方式主要包括OP、LP和Gmm法等。

相较于其他方法，LP法由于可以较好地解决传统计量方法中的内生性
和样本选择问题，已经被大多数学者引用并且认可，具有一定的合理性和科学性。

因此，本文参考鲁晓东等[20]方法，采用LP法进行测度。

（2）核心解释变量：数字化转型（DCG）。

对于企业数字转型，学术界尚未形成一致的衡量指标，但大部分采用文本分析法构建指标，只是在关键词确定方面存在差别。

如Verhoef 等[21]认为企业数字化转型包括数字技术的应用、数码化和数字化转型3个方面。

刘飞[22]则从“电子商务”和“网络销售”来界定业务模式的转型。

本文参考吴非等[23]的做法，采用Python 对上市公司年报告中涉及的数字化转型信息进行挖掘整理，同时借鉴近年来与数字化有关的重要政策文件和研究报告来扩充关键词，如《中小企业数字化转型指南》《2020年数字化转型趋势报告》等；从“人工智能”“云计算”“大数据”“数字技术”4个方面选取关键词，将各年度报告中每个关键词频总数加一后取自然对数来衡量企业数字化转型，该数值越大企业数字化转型程度越高。

（3）控制变量：本文结合相关研究，选取了7个控制变量。

具体包括股权集中度
（TOP1）、托宾Q（TOBIN）、资产负债率（LEV）、现金流（CASH）、净资产收益率（ROE）、企业规模（SIZE）和企业年龄（AGE）。

（4）中介变量：人力资本（HC）和企业家精神（EB）。

本文参考肖土盛等[24]研究，从劳动者职业类型区分人力资本，将研发人员和技术人员视为高技能劳动力，以其占企业总劳动力的比重来衡量企业人力资本，比重越大说明企业人力资本水平越高。

对于企业家精神，本文参考张莉等[25]研究，以研发投入金额、人均固定资产、人均无形资产、人均营业收入和董事会独立性指标为基础，采用熵权法测算指标来反映企业家精神。

该指标越大企业家精神越旺盛。

3. 模型构建
为了识别企业数字化转型与企业全要素生产率之间的关系，本文构建如下双向固定效应模型：
[TFP_LPit=α0+α1DCGit+α2Controlsit+μi+γt+εi t] （1）
其中，i和t分别表示企业和年份，α0是截距项， TFP_LPit是企业全要素生产率水平，DCGit为企业数字化程度，α1是数字化对企业全要素生产率的影响效应。

Controlsit是控制变量。

[μi]和[γt]分别用于控制个体和时间固定效应，[εit]为随机误差项。

为了检验人力资本和企业家精神的机制作用，本文参考江艇[26]的方法，构建以下模型：
[Mit=β0+β1DCGit+β2Controlsit+μi+γt+εit] （2）
其中，Mit是中介变量，包括人力资本和企业家精神。

四、实证分析
1. 基准回归
表1汇报了数字化转型及其4个维度对企业全要素生产率影响的回归结果。

可以看出，第一，DCG的系数为0.0150，在1%的统计水平上显著，说明随着企业数字化转型水平的提升，企业全要素生产率会有所提高，两者表现为正相关关系。

可能原因是，一方面，数字化在生产方面的应用，实现了生产流程的自动化，减少了对劳动力的需求，降低了成本；另一方面，数字化有助于扩展服务业务，研制新产品，提高企业的竞争力，完善运营模式，从而促进企业全要素生产率[27]。

因此，假设H1得证。

第二，AI、CC和ADT的系数也显著为正，说明这些技术的应用对企业生产效率的提升也具有积极作用。

而DT的估计系数虽然为正，但没有通过显著性检验。

2. 稳健性检驗
（1）更换被解释变量
本文采用OP和Gmm法测算的结果来替代原被解释变量进行稳健性检验，结果见表2。

结果显示：DCG的系数依旧显著为正，与前文结论保持一致，说明通过稳健性检验。

H2：企业数字化转型可以通过激发企业家精神提升企业全要素生产率。

3. 数字化转型、人力资本与企业全要素生产率
本文总结文献发现，数字化转型主要通过“技术替代”和“技术互补”两条途径提升企业人力资本。

第一，数字技术和智能设备的广泛应用凭借智能化、低成本和规模经济等优势可以协助企业降低对低技能劳动力的需求，减少一些低技能岗位，从而相对增加企业高技能劳动力占比；第二，当数字技术被不断引入生产中，需要聘请高技术人员进行机器操作，增加了对高技术人才的需求，从而创造更多的高技能岗位[17]。

此外，企业实施数字化战略带来研发活动的增加会迫使企业引入更多的投资人员，优化企业人力资本，而企业人力资本的提升又有助于提升企业全要素生产率。

人力资本水平较高的企业技术吸收能力较强，可以轻松地将从其他地区或者企业引进的技术融入实际生产中，对企业全要素生产率的提升具有积极作用[18]，同时，人力资本的增加意味着企业可以更好地开展新产品和新技术的研发，有利于企业提高企业竞争力，带动企业生产效率的提升[19]。

因此，本文提出以下假设：
H3：企业数字化转型可以通过优化企业人力资本提升企业全要素生产率。

三、研究設计
1. 样本选择与数据来源
由于我国企业数字化转型起步较晚，在2013年后才得到广泛的推广和应用，且限于数据的可获得性，本文以我国沪深两市A股上市公司2015—2022年财务数据为初始研究样本，探讨企业数字化转型对企业全要素生产率的作用及影响渠道。

为了保证数据的可靠性和有效性，对数据进行以下处理：（1）剔除研究期间内处于特别处理状态和财务数据存在异常或严重缺失的样本；（2）剔除证券、保险等金融类样本；（3）对使用的连续变量进行上下1%的缩尾处理。

财务数据来自国泰安数据库、万得和企业年报。

2. 变量选取
（1）被解释变量：企业全要素生产率（TFP_LP）。

企业全要素生产率测算方式主要包括OP、LP和Gmm法等。

相较于其他方法，LP法由于可以较好地解决传统计量方法中的内生性和样本选择问题，已经被大多数学者引用并且认可，具有一定的合理性和科学性。

因此，本文参考鲁晓东等[20]方法，采用LP法进行测度。

（2）核心解释变量：数字化转型（DCG）。

对于企业数字转型，学术界尚未形成一致的衡量指标，但大部分采用文本分析法构建指标，只是在关键词确定方面存在差别。

如Verhoef 等[21]认为企业数字化转型包括数字技术的应用、数码化和数字化转型3个方面。

刘飞[22]则从“电子商务”和“网络销售”来界定业务模式的转型。

本文参考吴非等[23]的做法，采用Python 对上市公司年报告中涉及的数字化转型信息进行挖掘整理，同时借鉴近年来与数字化有关的重要政策文件和研究报告来扩充关键词，如《中小企业数字化转型指南》《2020年数字化转型趋势报告》等；从“人工智能”“云计算”“大数据”“数字技术”4个方面选取关键词，将各年度报告中每个关键词频总数加一后取自然对数来衡量企业数字化转型，该数值越大企业数字化转型程度越高。

（3）控制变量：本文结合相关研究，选取了7个控制变量。

具体包括股权集中度
（TOP1）、托宾Q（TOBIN）、资产负债率（LEV）、现金流（CASH）、净资产收益率（ROE）、企业规模（SIZE）和企业年龄（AGE）。

（4）中介变量：人力资本（HC）和企业家精神（EB）。

本文参考肖土盛等[24]研究，从劳动者职业类型区分人力资本，将研发人员和技术人员视为高技能劳动力，以其占企业总劳动力的比重来衡量企业人力资本，比重越大说明企业人力资本水平越高。

对于企业家精神，本文参考张莉等[25]研究，以研发投入金额、人均固定资产、人均无形资产、人均营业收入和董事会独立性指标为基础，采用熵权法测算指标来反映企业家精神。

该指标越大企业家精神越旺盛。

3. 模型构建
为了识别企业数字化转型与企业全要素生产率之间的关系，本文构建如下双向固定效应模型：
[TFP_LPit=α0+α1DCGit+α2Controlsit+μi+γt+εit] （1）
其中，i和t分别表示企业和年份，α0是截距项， TFP_LPit是企业全要素生产率水平，DCGit为企业数字化程度，α1是数字化对企业全要素生产率的影响效应。

Controlsit是控制变量。

[μi]和[γt]分别用于控制个体和时间固定效应，[εit]为随机误差项。

为了检验人力资本和企业家精神的机制作用，本文参考江艇[26]的方法，构建以下模型：
[Mit=β0+β1DCGit+β2Controlsit+μi+γt+εit] （2）
其中，Mit是中介变量，包括人力资本和企业家精神。

四、实证分析
1. 基准回归
表1汇报了数字化转型及其4个维度对企业全要素生产率影响的回归结果。

可以看出，第一，DCG的系数为0.0150，在1%的统计水平上显著，说明随着企业数字化转型水平的提升，企业全要素生产率会有所提高，两者表现为正相关关系。

可能原因是，一方面，数字化在生产方面的应用，实现了生产流程的自动化，减少了对劳动力的需求，降低了成本；另一方面，数字化有助于扩展服务业务，研制新产品，提高企业的竞争力，完善运营模式，从而促进企业全要素生产率[27]。

因此，假设H1得证。

第二，AI、CC和ADT的系数也显著为正，说明这些技术的应用对企业生产效率的提升也具有积极作用。

而DT的估计系数虽然为正，但没有通过显著性检验。

2. 稳健性检验
（1）更换被解释变量
本文采用OP和Gmm法测算的结果来替代原被解释变量进行稳健性检验，结果见表2。

结果显示：DCG的系数依旧显著为正，与前文结论保持一致，说明通过稳健性检验。

H2：企业数字化转型可以通过激发企业家精神提升企业全要素生产率。

3. 数字化转型、人力资本与企业全要素生产率
本文总结文献发现，数字化转型主要通过“技术替代”和“技术互补”两条途径提升企业人力资本。

第一，数字技术和智能设备的广泛应用凭借智能化、低成本和规模经济等优势可以协助企业降低对低技能劳动力的需求，减少一些低技能岗位，从而相对增加企业高技能劳动力占比；第二，当数字技术被不断引入生产中，需要聘请高技术人员进行机器操作，增加了对高技术人才的需求，从而创造更多的高技能岗位[17]。

此外，企业实施数字化战略带来研发活动的增加会迫使企业引入更多的投资人员，优化企业人力资本，而企业人力资本的提升又有助于提升企业全要素生产率。

人力资本水平较高的企业技术吸收能力较强，可以轻松地将从其他地区或者企业引进的技术融入实际生产中，对企业全要素生产率的提升具有积极作用[18]，同时，人力资本的增加意味着企业可以更好地开展新产品和新技术的研发，有利于企业提高企业竞争力，带动企业生产效率的提升[19]。

因此，本文提出以下假设：
H3：企业数字化转型可以通过优化企业人力资本提升企业全要素生产率。

三、研究设计
1. 样本选择与数据来源
由于我国企业数字化转型起步较晚，在2013年后才得到广泛的推广和应用，且限于数据的可获得性，本文以我国沪深两市A股上市公司2015—2022年财务数据为初始研究样本，探讨企业数字化转型对企业全要素生产率的作用及影响渠道。

为了保证数据的可靠性和有效性，对数据进行以下处理：（1）剔除研究期间内处于特别处理状态和财务数据存在异常或严重缺失的样本；（2）剔除证券、保险等金融類样本；（3）对使用的连续变量进行上下1%的缩尾处理。

财务数据来自国泰安数据库、万得和企业年报。

2. 变量选取
（1）被解释变量：企业全要素生产率（TFP_LP）。

企业全要素生产率测算方式主要包括OP、LP和Gmm法等。

相较于其他方法，LP法由于可以较好地解决传统计量方法中的内生性和样本选择问题，已经被大多数学者引用并且认可，具有一定的合理性和科学性。

因此，本文参考鲁晓东等[20]方法，采用LP法进行测度。

（2）核心解释变量：数字化转型（DCG）。

对于企业数字转型，学术界尚未形成一致的衡量指标，但大部分采用文本分析法构建指标，只是在关键词确定方面存在差别。

如Verhoef 等[21]认为企业数字化转型包括数字技术的应用、数码化和数字化转型3个方面。

刘飞[22]则从“电子商务”和“网络销售”来界定业务模式的转型。

本文参考吴非等[23]的做法，采用Python 对上市公司年报告中涉及的数字化转型信息进行挖掘整理，同时借鉴近年来与数字化有关的重要政策文件和研究报告来扩充关键词，如《中小企业数字化转型指南》《2020年数字化转型趋势报告》等；从“人工智能”“云计算”“大数据”“数字技术”4个方面选取关键词，将各年度报
告中每个关键词频总数加一后取自然对数来衡量企业数字化转型，该数值越大企业数字化转型程度越高。

（3）控制变量：本文结合相关研究，选取了7个控制变量。

具体包括股权集中度
（TOP1）、托宾Q（TOBIN）、资产负债率（LEV）、现金流（CASH）、净资产收益率（ROE）、企业规模（SIZE）和企业年龄（AGE）。

（4）中介变量：人力资本（HC）和企业家精神（EB）。

本文参考肖土盛等[24]研究，从劳动者职业类型区分人力资本，将研发人员和技术人员视为高技能劳动力，以其占企业总劳动力的比重来衡量企业人力资本，比重越大说明企业人力资本水平越高。

对于企业家精神，本文参考张莉等[25]研究，以研发投入金额、人均固定资产、人均无形资产、人均营业收入和董事会独立性指标为基础，采用熵权法测算指标来反映企业家精神。

该指标越大企业家精神越旺盛。

3. 模型构建
为了识别企业数字化转型与企业全要素生产率之间的关系，本文构建如下双向固定效应模型：
[TFP_LPit=α0+α1DCGit+α2Controlsit+μi+γt+εit] （1）
其中，i和t分别表示企业和年份，α0是截距项， TFP_LPit是企业全要素生产率水平，DCGit为企业数字化程度，α1是数字化对企业全要素生产率的影响效应。

Controlsit是控制变量。

[μi]和[γt]分别用于控制个体和时间固定效应，[εit]为随机误差项。

为了检验人力资本和企业家精神的机制作用，本文参考江艇[26]的方法，构建以下模型：
[Mit=β0+β1DCGit+β2Controlsit+μi+γt+εit] （2）
其中，Mit是中介变量，包括人力资本和企业家精神。

四、实证分析
1. 基准回归
表1汇报了数字化转型及其4个维度对企业全要素生产率影响的回归结果。

可以看出，第一，DCG的系数为0.0150，在1%的统计水平上显著，说明随着企业数字化转型水平的提升，企业全要素生产率会有所提高，两者表现为正相关关系。

可能原因是，一方面，数字化在生产方面的应用，实现了生产流程的自动化，减少了对劳动力的需求，降低了成本；另一方面，数字化有助于扩展服务业务，研制新产品，提高企业的竞争力，完善运营模式，从而促进企业全。