數(shù)字化轉(zhuǎn)型、企業(yè)出口與地區(qū)外部性

鐘曉龍，劉 旺，邱立成，3

(1.南開大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300071；2.天津社會(huì)科學(xué)院 數(shù)字經(jīng)濟(jì)研究所，天津 300191；3.燕山大學(xué) 經(jīng)濟(jì)管理學(xué)院，河北 秦皇島 066004)

一、問題提出

近年來，中國出口企業(yè)面臨著原材料價(jià)格上漲、勞動(dòng)力用工成本上升、國際貨運(yùn)效率低且價(jià)格高、資源環(huán)境約束凸顯等諸多挑戰(zhàn)?！吨腥A人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》明確提出“迎接數(shù)字時(shí)代，激活數(shù)據(jù)要素潛能，推進(jìn)網(wǎng)絡(luò)強(qiáng)國建設(shè)，加快建設(shè)數(shù)字經(jīng)濟(jì)、數(shù)字社會(huì)、數(shù)字政府，以數(shù)字化轉(zhuǎn)型整體驅(qū)動(dòng)生產(chǎn)方式、生活方式和治理方式變革”。人工智能、區(qū)塊鏈、云計(jì)算和大數(shù)據(jù)等主要數(shù)字技術(shù)的廣泛應(yīng)用加速了與實(shí)體經(jīng)濟(jì)的融合，中國企業(yè)數(shù)字化轉(zhuǎn)型已然是大勢所趨。

新冠肺炎疫情對(duì)出口貿(mào)易產(chǎn)生較大沖擊，但有些中國企業(yè)通過數(shù)字化轉(zhuǎn)型轉(zhuǎn)危為安，其出口實(shí)現(xiàn)了逆勢增長。經(jīng)過疫情大考，中國企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程明顯加快，企業(yè)出口競爭力顯著加強(qiáng)。在當(dāng)前貿(mào)易摩擦加劇以及后疫情時(shí)代傳統(tǒng)貿(mào)易低迷的復(fù)雜國際環(huán)境下，數(shù)字化轉(zhuǎn)型對(duì)外貿(mào)行業(yè)及其競爭將產(chǎn)生怎樣的影響？數(shù)字化能否賦能企業(yè)出口的提升，其作用渠道如何，又會(huì)產(chǎn)生何種異質(zhì)性效果？對(duì)于上述問題的探討，有助于深刻剖析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口影響的深層次原因，尋求中國企業(yè)出口增長的強(qiáng)勁動(dòng)力，并為外貿(mào)行業(yè)的平穩(wěn)增長提供有益借鑒。本文利用2007—2020年中國滬深A(yù)股上市企業(yè)相關(guān)數(shù)據(jù)，精準(zhǔn)描繪企業(yè)數(shù)字化轉(zhuǎn)型的程度，系統(tǒng)檢驗(yàn)數(shù)字化轉(zhuǎn)型給企業(yè)出口帶來的影響效應(yīng)、機(jī)制渠道以及外部性影響。

本文可能的邊際貢獻(xiàn)體現(xiàn)如下：(1)通過梳理數(shù)字化轉(zhuǎn)型對(duì)生產(chǎn)、經(jīng)營和出口影響的相關(guān)文獻(xiàn)，構(gòu)建數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口影響的理論框架，從反向因果問題、遺漏變量問題和自選擇問題等多視角進(jìn)行內(nèi)生性檢驗(yàn)，從零貿(mào)易企業(yè)問題、替換數(shù)字化轉(zhuǎn)型指標(biāo)等視角進(jìn)行穩(wěn)健性檢驗(yàn)，并進(jìn)行全要素生產(chǎn)率(TFP)渠道的機(jī)制分析，對(duì)數(shù)字化轉(zhuǎn)型與出口的相關(guān)研究形成了有益補(bǔ)充；(2)克服以往研究中詞頻指數(shù)忽略的夸大信息披露的問題，將企業(yè)數(shù)字化的硬件投資數(shù)據(jù)、軟件投資數(shù)據(jù)以及數(shù)字化轉(zhuǎn)型詞頻數(shù)據(jù)結(jié)合，更加合理地衡量企業(yè)數(shù)字化轉(zhuǎn)型程度；(3)實(shí)證分析數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的正外部性影響，并進(jìn)一步分析知識(shí)產(chǎn)權(quán)保護(hù)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型外部性的影響，從而彌補(bǔ)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)及其外部性的理論與實(shí)證研究缺口。

二、文獻(xiàn)綜述

與本文主題相關(guān)的文獻(xiàn)主要分為三類，分別是數(shù)字技術(shù)對(duì)企業(yè)生產(chǎn)與經(jīng)營、對(duì)企業(yè)出口及其他出口相關(guān)指標(biāo)的影響研究。

第一類是數(shù)字技術(shù)對(duì)企業(yè)生產(chǎn)與經(jīng)營的影響研究。第一，數(shù)字技術(shù)的發(fā)展提升了信息的準(zhǔn)確性，并提高了企業(yè)處理信息的能力。數(shù)字技術(shù)使企業(yè)能夠更加有效地甄別企業(yè)主體需求[1]；大數(shù)據(jù)和云計(jì)算等技術(shù)能夠提供準(zhǔn)確、高效的信息，大幅提升企業(yè)信息處理效率[2]。第二，數(shù)字技術(shù)的發(fā)展可以顯著降低企業(yè)的各種成本。信息通信技術(shù)的發(fā)展可以降低搜索和匹配成本[3]、溝通成本[4]、推薦新產(chǎn)品及開拓新市場的成本[5]、生產(chǎn)成本等[6]。企業(yè)數(shù)字技術(shù)應(yīng)用拓寬了交易時(shí)間，加快了交易速度，減少了中間環(huán)節(jié)[7]。第三，數(shù)字技術(shù)的發(fā)展改善了企業(yè)管理與發(fā)展的模式。數(shù)字技術(shù)的發(fā)展加速了中小企業(yè)國際化進(jìn)程[8-10]，提升了管理人員、技術(shù)人員等個(gè)體能力，進(jìn)而為企業(yè)提供更好的適應(yīng)能力[11]。第四，數(shù)字技術(shù)帶來的各種經(jīng)濟(jì)效應(yīng)也可以顯著提升企業(yè)的生產(chǎn)效率。趙宸宇(2021)認(rèn)為，數(shù)字化轉(zhuǎn)型使企業(yè)創(chuàng)新模式發(fā)生轉(zhuǎn)變，技術(shù)創(chuàng)新進(jìn)程加速，繼而提升全要素生產(chǎn)率[12]?；?2022)的研究表明，數(shù)字化轉(zhuǎn)型通過緩解融資約束的方式提高企業(yè)的全要素生產(chǎn)率[13]。

第二類是數(shù)字技術(shù)對(duì)出口貿(mào)易的影響研究。移動(dòng)電話與互聯(lián)網(wǎng)的發(fā)展、信息基礎(chǔ)設(shè)施的提升與電子商務(wù)平臺(tái)的發(fā)展都對(duì)出口有顯著的促進(jìn)作用。弗洛因德和溫霍爾德(Freund & Weinhold，2004)的研究表明，虛擬主機(jī)數(shù)量10百分點(diǎn)的增長就會(huì)引起貿(mào)易超過1百分點(diǎn)的增長[14]。梅杰斯(Meijers，2014)的研究表明，人均接入互聯(lián)網(wǎng)頻率的提高顯著促進(jìn)了低收入國家出口規(guī)模的提升[15]。李坤望等(2015)的研究表明，信息基礎(chǔ)設(shè)施的提升會(huì)提高一國的出口水平[16]。施炳展(2016)的研究表明，互聯(lián)網(wǎng)的使用提高了企業(yè)出口的概率與持續(xù)出口時(shí)間[17]。阿貝連斯基和希爾伯特(Abeliansky & Hilbert，2017)的研究表明，移動(dòng)電話與互聯(lián)網(wǎng)的發(fā)展顯著促進(jìn)了該國的出口[18]。岳云嵩和李兵(2018)的研究表明，電子商務(wù)平臺(tái)的發(fā)展促進(jìn)了企業(yè)出口規(guī)模的擴(kuò)大[19]。

第三類是數(shù)字技術(shù)對(duì)其他出口指標(biāo)的影響研究。企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)中國制造業(yè)的出口技術(shù)復(fù)雜度、全球價(jià)值鏈競爭力和出口產(chǎn)品質(zhì)量都有顯著的促進(jìn)作用。李宏和喬越(2021)的研究表明，數(shù)字化轉(zhuǎn)型會(huì)顯著提高中國制造業(yè)的出口技術(shù)復(fù)雜度[20]。吳友群等(2022)的研究表明，制造業(yè)的數(shù)字化顯著促進(jìn)了中國制造業(yè)全球價(jià)值鏈競爭力的提升[21]。洪俊杰等(2022)的研究表明，數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)的出口產(chǎn)品質(zhì)量[22]。

現(xiàn)有文獻(xiàn)中，關(guān)于數(shù)字化轉(zhuǎn)型對(duì)出口的影響研究較少，但有兩篇文獻(xiàn)的研究主題與本文研究類似。埃利亞等(Elia et al.，2021)的研究基于公司競爭能力的資源視角分析數(shù)字出口的驅(qū)動(dòng)因素，研究結(jié)果表明擁有數(shù)字技術(shù)的公司更可能加強(qiáng)其數(shù)字出口[23]。該文用“0-1”變量來衡量數(shù)字出口：如果該公司能系統(tǒng)化、戰(zhàn)略性地使用電子商務(wù)的方式銷售產(chǎn)品，則該變量取1，否則取0。與本文不同的是，該文側(cè)重于對(duì)企業(yè)數(shù)字出口的影響，而不是對(duì)企業(yè)整體出口的影響；并且擁有數(shù)字技術(shù)與數(shù)字化轉(zhuǎn)型有較大差別。易靖韜和王悅昊(2021)使用2012年世界銀行調(diào)查問卷數(shù)據(jù)分析了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響[24]。與本文不同的是，該文使用的是2012年橫截面數(shù)據(jù)，且數(shù)據(jù)時(shí)效較短；同時(shí)，“是否使用互聯(lián)網(wǎng)、是否建設(shè)網(wǎng)站數(shù)據(jù)”與現(xiàn)代企業(yè)的數(shù)字化轉(zhuǎn)型的內(nèi)涵有一定的差別。

早期文獻(xiàn)多集中于數(shù)字技術(shù)對(duì)企業(yè)生產(chǎn)、經(jīng)營與出口的影響，而近期文獻(xiàn)開始側(cè)重于數(shù)字化轉(zhuǎn)型對(duì)貿(mào)易的影響。數(shù)字技術(shù)的發(fā)展包括移動(dòng)通信設(shè)備、信息技術(shù)與電子平臺(tái)的發(fā)展，是社會(huì)發(fā)展的整體趨勢。數(shù)字技術(shù)的發(fā)展有助于企業(yè)生產(chǎn)與經(jīng)營的改善，并促進(jìn)了企業(yè)出口。數(shù)字化轉(zhuǎn)型是數(shù)字技術(shù)高速發(fā)展下企業(yè)重要的必經(jīng)階段[1]。只有敢于數(shù)字化轉(zhuǎn)型的企業(yè)，才能在數(shù)字技術(shù)發(fā)展的浪潮中快速提高出口額、出口技術(shù)復(fù)雜度、全球價(jià)值鏈競爭力和出口產(chǎn)品質(zhì)量。

上述數(shù)字化轉(zhuǎn)型與出口的相關(guān)研究對(duì)本文提供了一定的理論依據(jù)，但仍有值得完善之處。以往的數(shù)字化轉(zhuǎn)型相關(guān)研究存在局限有兩方面原因：一方面，數(shù)字化轉(zhuǎn)型影響企業(yè)的作用機(jī)制較復(fù)雜，很難對(duì)其理論模型進(jìn)行準(zhǔn)確梳理與全面構(gòu)建；另一方面，企業(yè)數(shù)字化轉(zhuǎn)型的程度也很難測量，有關(guān)統(tǒng)計(jì)數(shù)據(jù)不容易獲取。本文將利用2007—2020年滬深A(yù)股上市企業(yè)數(shù)據(jù)，合理刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與出口的影響進(jìn)行深入分析，并進(jìn)行機(jī)制分析和外部性影響分析，以期為企業(yè)數(shù)字化轉(zhuǎn)型提供參考。

三、理論分析與研究假設(shè)

(一)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響

企業(yè)數(shù)字化轉(zhuǎn)型通過推廣數(shù)字技術(shù)大幅優(yōu)化經(jīng)營模式、提高溝通效率、提高企業(yè)資源利用率等方式促進(jìn)出口。一是企業(yè)數(shù)字化轉(zhuǎn)型利用數(shù)字技術(shù)對(duì)企業(yè)的戰(zhàn)略、治理、領(lǐng)導(dǎo)、文化、員工、技術(shù)等方面進(jìn)行了多方面的改造，重塑了企業(yè)的業(yè)務(wù)流程、管理模式、商業(yè)模式，進(jìn)而提高了出口。二是企業(yè)數(shù)字技術(shù)的運(yùn)用打破了時(shí)間和空間的限制。例如，線上會(huì)議等交流方式可以避免高成本的跨國面談，緩解了企業(yè)間的信息不對(duì)稱；網(wǎng)站主頁、電子郵件、電商平臺(tái)等方式提高溝通效率并減少企業(yè)出口風(fēng)險(xiǎn)，從而提高了出口。三是數(shù)字化轉(zhuǎn)型的企業(yè)通過跨國電子商務(wù)平臺(tái)、電子營銷手段等提高了企業(yè)知名度，使企業(yè)可以對(duì)外貿(mào)訂單進(jìn)行快速反應(yīng)，從而提高了資產(chǎn)周轉(zhuǎn)率，降低了企業(yè)產(chǎn)品庫存時(shí)間，提高了企業(yè)資源利用率，進(jìn)而提高了出口?；诖?，本文提出如下假設(shè)：

假設(shè)1：數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)出口。

(二)全要素生產(chǎn)率的中介效應(yīng)

得益于數(shù)字技術(shù)的普及，企業(yè)在數(shù)字化轉(zhuǎn)型的過程中能夠大幅度降低生產(chǎn)成本、提高創(chuàng)新能力、緩解融資約束，從而促進(jìn)全要素生產(chǎn)率的提升。一是數(shù)字化轉(zhuǎn)型通過提高自動(dòng)化程度、智能監(jiān)控生產(chǎn)過程和加速資源流動(dòng)等方式降低企業(yè)的勞動(dòng)力成本[25]、維修和時(shí)間成本[26]以及其他生產(chǎn)成本[27]，繼而提升企業(yè)全要素生產(chǎn)率。二是數(shù)字化轉(zhuǎn)型全面推動(dòng)企業(yè)協(xié)同創(chuàng)新[28]與銷售模式創(chuàng)新[29]，提高企業(yè)創(chuàng)新能力，促進(jìn)了全要素生產(chǎn)率的提升。三是數(shù)字化轉(zhuǎn)型減少了企業(yè)內(nèi)外的信息不對(duì)稱，提高了投資者的投資意愿，緩解了融資約束[12]，提高了全要素生產(chǎn)率[30]。

更高的全要素生產(chǎn)率有利于企業(yè)出口。市場渠道、交通成本、產(chǎn)品質(zhì)量和創(chuàng)新等方面有優(yōu)勢的企業(yè)才會(huì)出口，所以選擇出口企業(yè)的生產(chǎn)率一般高于內(nèi)銷企業(yè)[31]，這種機(jī)制即自選擇效應(yīng)(self-selection effect)。在自選擇效應(yīng)下，出口企業(yè)的平均全要素生產(chǎn)率要高于非出口企業(yè)[32-33]。對(duì)中國企業(yè)的研究也驗(yàn)證了該理論，即全要素生產(chǎn)率越高，企業(yè)越傾向于出口[34-35]。

基于此，本文提出如下假設(shè)：

假設(shè)2：數(shù)字化轉(zhuǎn)型會(huì)通過提高全要素生產(chǎn)率的方式促進(jìn)企業(yè)出口。

(三)數(shù)字化轉(zhuǎn)型對(duì)出口影響的外部性

企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)出口的影響存在一定的正外部性，即企業(yè)數(shù)字化轉(zhuǎn)型程度的提高對(duì)其他企業(yè)的出口有促進(jìn)作用。數(shù)字技術(shù)降低了知識(shí)傳播的時(shí)空障礙以及知識(shí)創(chuàng)造、共享、獲取等過程的成本，有效促進(jìn)了知識(shí)在地區(qū)和行業(yè)內(nèi)的擴(kuò)散。企業(yè)通過技術(shù)研發(fā)獲得技術(shù)性知識(shí)和信息的收益，但始終無法獨(dú)占該收益[36]。技術(shù)性知識(shí)和信息收益通過專利、交叉許可協(xié)議、研發(fā)人員流動(dòng)及技術(shù)購買等渠道傳播[37]。數(shù)字化轉(zhuǎn)型帶來的技術(shù)外溢使其他企業(yè)的全要素生產(chǎn)率得到提高[38]，也使其他企業(yè)出口得到促進(jìn)。因此，數(shù)字技術(shù)的正外部性賦予了數(shù)字化轉(zhuǎn)型更多的能量，使數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響具有了正外部性?；诖?，本文提出如下假設(shè)：

假設(shè)3：數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響具有正外部性。

四、研究設(shè)計(jì)

(一)核心變量分析

1.被解釋變量

被解釋變量為出口額(lnexport)。借鑒張?zhí)祉敽蛥谓鹎?2018)[39]、馬妍妍和俞毛毛(2021)[40]的方法，將企業(yè)出口額定義為國泰安(CSMAR)財(cái)務(wù)報(bào)表附注數(shù)據(jù)庫的損益項(xiàng)目科目下營業(yè)收入、營業(yè)成本的外銷出口收入?？紤]到出口轉(zhuǎn)內(nèi)銷的再出口問題，剔除含有“港澳臺(tái)、港澳、臺(tái)港澳、香港、港臺(tái)、澳門及臺(tái)灣”等字段的出口收入。因匯報(bào)出口收入表述不一，本文通過手工識(shí)別、軟件匯總等方式獲取全部上市企業(yè)公開發(fā)布中國境外(不包括港澳臺(tái))的出口額。由于企業(yè)存在出口額為0的情況，因此在具體實(shí)證回歸時(shí)使用出口額加1的自然對(duì)數(shù)表示。

2.核心解釋變量

核心解釋變量是數(shù)字化轉(zhuǎn)型程度(DT)。在已有文獻(xiàn)中，趙宸宇(2021)[13]和吳非等(2021)[1]使用上市企業(yè)年報(bào)中與數(shù)字化轉(zhuǎn)型相關(guān)的詞頻數(shù)量作為衡量企業(yè)數(shù)字化轉(zhuǎn)型的指標(biāo)。盡管年報(bào)文本數(shù)據(jù)可以反映上市企業(yè)對(duì)數(shù)字技術(shù)應(yīng)用的深度，但上市企業(yè)年報(bào)文本存在著較強(qiáng)的主觀性，尤其是在政府大力積極推進(jìn)數(shù)字化轉(zhuǎn)型的國家戰(zhàn)略背景下，企業(yè)管理層可能會(huì)出于資源獲取動(dòng)機(jī)、市值管理動(dòng)機(jī)等目的進(jìn)行概念炒作，從而導(dǎo)致信息披露存在夸大的情況[41]。為了避免遺漏企業(yè)數(shù)字化投資的相關(guān)數(shù)據(jù)、減少企業(yè)信息夸大的情況、有效衡量企業(yè)真實(shí)的數(shù)字化轉(zhuǎn)型程度，本文借鑒王宇等(2020)[42]、洪俊杰等(2022)[22]的方法，利用企業(yè)信息技術(shù)的數(shù)字化固定資產(chǎn)投資水平、數(shù)字化無形資產(chǎn)投資水平和數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞詞頻，通過主成分分析法得到一個(gè)綜合的數(shù)字化轉(zhuǎn)型指數(shù)，作為本文的核心解釋變量。

(1)數(shù)字化固定資產(chǎn)投資水平。第一步，對(duì)上市企業(yè)的固定資產(chǎn)明細(xì)項(xiàng)目進(jìn)行人工篩選，把與信息技術(shù)相關(guān)的“電子、計(jì)算機(jī)、通信設(shè)備、電腦、數(shù)據(jù)、通信和網(wǎng)絡(luò)設(shè)備”等字段的固定資產(chǎn)項(xiàng)目的期末余額按企業(yè)-年度進(jìn)行加總，得到企業(yè)年度信息技術(shù)的數(shù)字化硬件投資。第二步，把硬件投資除以總資產(chǎn)得到企業(yè)的數(shù)字化固定資產(chǎn)投資水平。

(2)數(shù)字化無形資產(chǎn)投資水平。第一步，對(duì)上市企業(yè)的無形資產(chǎn)明細(xì)項(xiàng)目進(jìn)行人工篩選，把與信息技術(shù)相關(guān)的“軟件、網(wǎng)絡(luò)、客戶端、系統(tǒng)、平臺(tái)、智能、數(shù)字化、信息技術(shù)和數(shù)據(jù)”等字段的無形資產(chǎn)項(xiàng)目的期末余額按企業(yè)-年度進(jìn)行加總，得到企業(yè)年度信息技術(shù)的數(shù)字化軟件投資。第二步，把軟件投資除以總資產(chǎn)得到企業(yè)的數(shù)字化無形資產(chǎn)投資水平。

(3)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞詞頻。借鑒吳非等(2021)[1]的研究方法，提取A股上市企業(yè)年度報(bào)告中的數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞，匯總得到詞匯頻數(shù)。數(shù)據(jù)來源于國泰安數(shù)字經(jīng)濟(jì)數(shù)據(jù)庫的上市公司數(shù)字化科目的上市公司數(shù)字化轉(zhuǎn)型程度。具體而言，其將關(guān)鍵詞分為底層技術(shù)運(yùn)用和技術(shù)實(shí)踐運(yùn)用兩大類，其中根據(jù)人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等“ABCD”技術(shù)[43]四類詞匯進(jìn)行底層技術(shù)運(yùn)用類詞匯搜索。由于這類數(shù)據(jù)具有典型的右偏性特征，以及企業(yè)存在詞頻統(tǒng)計(jì)數(shù)據(jù)為0的情況，本文對(duì)其加1再取自然對(duì)數(shù)。綜合來看，2007—2020年相關(guān)詞頻呈逐年上升趨勢(1)限于篇幅，省略三類數(shù)字化轉(zhuǎn)型詞頻的具體變化情況，備索。。

(4)綜合數(shù)字自然化轉(zhuǎn)型指數(shù)。把數(shù)字化固定資產(chǎn)投資水平、數(shù)字化無形資產(chǎn)投資水平和上市企業(yè)年報(bào)的數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞頻進(jìn)行主成分分析，保留特征大于1的因子，取自然對(duì)數(shù)時(shí)減去該數(shù)據(jù)集中的最小值并加1后再進(jìn)行對(duì)數(shù)轉(zhuǎn)化形成企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)。綜合來看，2007—2020年相關(guān)指標(biāo)呈逐年上升趨勢(2)限于篇幅，省略企業(yè)數(shù)字化轉(zhuǎn)型的具體變化情況，備索。。

(二)基準(zhǔn)模型設(shè)定

為研究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響，本文設(shè)定如下基準(zhǔn)計(jì)量模型：

lnexportft=α0+α1DTft+∑αXft+firmf+yeart+εft

(1)

其中，f、t分別表示企業(yè)和年份。模型的被解釋變量為出口額(lnexport)；核心解釋變量為數(shù)字化轉(zhuǎn)型程度(DT)。X為企業(yè)層面的控制變量，借鑒李兵和李柔(2017)[5]的做法，本文選取如下變量：(1)企業(yè)規(guī)模，用企業(yè)員工總數(shù)取自然對(duì)數(shù)表示。(2)企業(yè)年齡，使用企業(yè)觀測年度(當(dāng)前會(huì)計(jì)期間)減去企業(yè)成立時(shí)間計(jì)算。(3)產(chǎn)權(quán)性質(zhì)，根據(jù)實(shí)際控制情況將國有企業(yè)設(shè)為1，非國有企業(yè)設(shè)為0；將機(jī)關(guān)、國有企業(yè)、事業(yè)單位、中央機(jī)構(gòu)、地方機(jī)構(gòu)統(tǒng)稱為國有企業(yè)，其他為非國有企業(yè)；若有多個(gè)實(shí)際控制人，只要其中之一是國有企業(yè)，判斷為1。(4)勞動(dòng)生產(chǎn)率，使用企業(yè)營業(yè)總收入除以員工人數(shù)的自然對(duì)數(shù)表示。(5)薪酬水平，使用企業(yè)支付給職工以及為職工支付的現(xiàn)金除以員工人數(shù)的自然對(duì)數(shù)表示。(6)資產(chǎn)報(bào)酬率，使用利潤總額與財(cái)務(wù)費(fèi)用之和除以總資產(chǎn)表示。(7)資本密集度，使用企業(yè)固定資產(chǎn)除以員工人數(shù)的自然對(duì)數(shù)表示。(8)行業(yè)集中度，使用行業(yè)內(nèi)各企業(yè)的主營業(yè)務(wù)收入與行業(yè)主營業(yè)務(wù)收入之比的平方累加。此外，本文還控制企業(yè)固定效應(yīng)(firmf)和時(shí)間固定效應(yīng)(yeart)以吸收這些因素對(duì)模型結(jié)果的干擾，εft為隨機(jī)誤差項(xiàng)。

(三)數(shù)據(jù)來源說明

本文選取國泰安數(shù)據(jù)庫中2007—2020年滬深A(yù)股上市企業(yè)數(shù)據(jù)。為更準(zhǔn)確地構(gòu)建模型，對(duì)數(shù)據(jù)進(jìn)行如下處理：(1)剔除金融類企業(yè)；(2)剔除ST、*ST類上市企業(yè)；(3)只保留報(bào)表類型為合并報(bào)表的樣本，作為后期的樣本數(shù)據(jù)基礎(chǔ)；(4)只保留會(huì)計(jì)報(bào)表截止日期為12月31日的樣本；(5)剔除總資產(chǎn)小于0、凈資產(chǎn)小于0、資產(chǎn)負(fù)債率大于1、營業(yè)收入小于或等于0的樣本；(6)對(duì)所有連續(xù)變量進(jìn)行1%和99%的縮尾處理。行業(yè)代碼是根據(jù)中國證券監(jiān)督管理委員會(huì)《上市公司行業(yè)分類指引》(2012年修訂)設(shè)定，把上市企業(yè)經(jīng)濟(jì)活動(dòng)劃分為門類和大類兩個(gè)層次。表1匯報(bào)了主要變量的描述性統(tǒng)計(jì)結(jié)果，包含21個(gè)行業(yè)類別、344個(gè)城市、3 301家上市企業(yè)2007—2020年的數(shù)據(jù)。

表1 變量的描述性統(tǒng)計(jì)

五、實(shí)證分析

(一)基準(zhǔn)回歸結(jié)果

表2匯報(bào)了企業(yè)數(shù)字化轉(zhuǎn)型程度和出口額的基準(zhǔn)回歸結(jié)果。其中，列(1)—列(4)對(duì)行業(yè)、地區(qū)和年份固定效應(yīng)進(jìn)行了控制。結(jié)果顯示，列(1)、列(2)的數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)在1%的水平上均顯著為正，初步驗(yàn)證了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的促進(jìn)作用。考慮到經(jīng)濟(jì)發(fā)展較快城市的數(shù)字技術(shù)運(yùn)用范圍也更加廣泛，在企業(yè)數(shù)字化轉(zhuǎn)型方面具有先發(fā)優(yōu)勢，存在一定的內(nèi)生性，本文通過設(shè)置地區(qū)和年份的交互效應(yīng)、行業(yè)和年份的交互效應(yīng)初步解決內(nèi)生性問題。列(3)、列(4)的結(jié)果顯示，在考慮其他多維固定效應(yīng)后，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)均在1%的水平上顯著為正。考慮到企業(yè)出口還受到企業(yè)層面固定效應(yīng)的影響，本文還在列(5)、列(6)控制企業(yè)固定效應(yīng)和時(shí)間固定效應(yīng)。結(jié)果顯示，在控制企業(yè)層面固定效應(yīng)后，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)仍在1%的水平上顯著為正，表明數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)出口，從而驗(yàn)證了假設(shè)1。

表2 基準(zhǔn)回歸結(jié)果

(二)內(nèi)生性檢驗(yàn)

本文進(jìn)行以下內(nèi)生性檢驗(yàn)，具體結(jié)果見表3。

表3 內(nèi)生性處理

1.反向因果問題

為克服潛在的反向因果導(dǎo)致的內(nèi)生性，以及檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口可能存在的長期影響效能，本文延長企業(yè)數(shù)字化轉(zhuǎn)型的觀測周期，取數(shù)字化轉(zhuǎn)型程度滯后一期和兩期進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度滯后一期和兩期的估計(jì)系數(shù)均在5%的水平上顯著為正，表明數(shù)字化轉(zhuǎn)型會(huì)顯著促進(jìn)企業(yè)出口，并且這種促進(jìn)作用并沒有隨著時(shí)間延長而呈現(xiàn)出衰減，說明企業(yè)數(shù)字化轉(zhuǎn)型在一段時(shí)間周期中對(duì)出口具有顯著的疊加效果。

2.遺漏變量問題

為克服可能存在的遺漏變量問題，本文還試圖通過工具變量法識(shí)別數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響。本文借鑒黃群慧等(2019)[44]的研究方法，使用1984年各城市郵電數(shù)據(jù)作為企業(yè)數(shù)字化轉(zhuǎn)型程度的工具變量(IV)。企業(yè)對(duì)信息技術(shù)的應(yīng)用和接受程度會(huì)受到企業(yè)所在地以往發(fā)展過程中使用通信方式的技術(shù)水平和社會(huì)偏好等方面的影響，滿足相關(guān)性條件；同時(shí)，郵電作為社會(huì)基礎(chǔ)設(shè)施，主要為民眾提供通信服務(wù)，并不直接作用于企業(yè)數(shù)字化轉(zhuǎn)型程度，滿足外生性條件。考慮到各城市1984年郵電信息為截面數(shù)據(jù)，難以直接作為面板數(shù)據(jù)的工具變量，因此借鑒趙濤等(2020)[45]、袁淳等(2021)[46]的研究方法，本文使用滯后一期的全國互聯(lián)網(wǎng)上網(wǎng)人數(shù)(萬人)分別與1984年各地級(jí)市每萬人擁有電話機(jī)(部)數(shù)量構(gòu)造交互項(xiàng)，作為當(dāng)期企業(yè)數(shù)字化轉(zhuǎn)型的工具變量，以解決內(nèi)生性的問題，并在具體回歸時(shí)取自然對(duì)數(shù)(3)1984年各地級(jí)市每萬人擁有電話機(jī)(部)數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒—1985》，全國互聯(lián)網(wǎng)上網(wǎng)人數(shù)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒(2007—2020)》。。結(jié)果顯示，使用工具變量法解決內(nèi)生性問題后，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)在5%的水平上顯著為正，并拒絕了工具變量識(shí)別不足和弱工具變量的假設(shè)，從而驗(yàn)證了核心結(jié)論的穩(wěn)健性(4)此外，本文將樣本期內(nèi)主成分得分始終為負(fù)的企業(yè)設(shè)為對(duì)照組，將在某一年主成分得分為正且之后持續(xù)為正的企業(yè)設(shè)為處理組，并引入個(gè)體虛擬變量du和時(shí)期虛擬變量dt，使用多期雙重差分(DID)模型檢驗(yàn)遺漏變量問題，結(jié)果依然穩(wěn)健。。

3.自選擇問題

考慮到數(shù)字化轉(zhuǎn)型是企業(yè)自主選擇的，即出口企業(yè)可能會(huì)出于國際競爭的壓力，更傾向選擇進(jìn)行數(shù)字化轉(zhuǎn)型以提升出口額，可能存在自選擇問題，本文進(jìn)一步使用傾向得分匹配(PSM)為處理組企業(yè)尋找更合適的對(duì)照對(duì)象。首先，以前文所述的控制變量(企業(yè)規(guī)模、企業(yè)年齡、產(chǎn)權(quán)性質(zhì)、勞動(dòng)生產(chǎn)率、薪酬水平、資產(chǎn)報(bào)酬率、資本密集度和行業(yè)集中度)作為匹配變量；然后對(duì)樣本逐年采用PSM方法一對(duì)一最近鄰匹配，為處理組尋找特征相似的對(duì)照組。PSM的檢驗(yàn)結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度的平均處理效應(yīng)(ATT)為1.248，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型的企業(yè)出口額更多；且處理組和對(duì)照組匹配變量的標(biāo)準(zhǔn)化差距均小于10%，t檢驗(yàn)的結(jié)果基本不顯著，表明匹配的樣本是可信的。在此基礎(chǔ)上，本文將處理組和匹配好的對(duì)照組樣本進(jìn)行普通最小二乘(OLS)法回歸檢驗(yàn)。PSM-OLS結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)為正，并且通過了5%的顯著性檢驗(yàn)，該結(jié)果與基準(zhǔn)回歸結(jié)論一致。更進(jìn)一步，本文將處理組和匹配好的對(duì)照組樣本按照雙重差分方法進(jìn)行檢驗(yàn)，PSM-DID結(jié)果顯示，du×dt估計(jì)系數(shù)為正，并且通過了10%的顯著性檢驗(yàn)，表明在考慮樣本自選擇和遺漏變量等內(nèi)生性問題后，本文的核心結(jié)論沒有改變。除一對(duì)一最近鄰匹配方法之外，本文還通過核匹配和半徑卡尺匹配方法進(jìn)行驗(yàn)證，結(jié)論依然成立(5)限于篇幅，省略檢驗(yàn)結(jié)果，備索。。

(三)穩(wěn)健性檢驗(yàn)

1.替換企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量

本文使用三種方法對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度替代性度量進(jìn)行穩(wěn)健性檢驗(yàn)：(1)借鑒吳非等(2021)[1]的做法，利用企業(yè)年報(bào)中數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞數(shù)量測度企業(yè)數(shù)字化轉(zhuǎn)型程度，由于這類數(shù)據(jù)具有典型的右偏性特征，以及企業(yè)存在詞頻統(tǒng)計(jì)數(shù)據(jù)為0的情況，具體回歸時(shí)加1取自然對(duì)數(shù)，記為數(shù)字化轉(zhuǎn)型1；(2)使用經(jīng)行業(yè)均值調(diào)整的數(shù)字化轉(zhuǎn)型詞頻數(shù)量指標(biāo)衡量，考慮到行業(yè)差異，按照行業(yè)大類生成新指標(biāo)，保留所有行業(yè)代碼，記為數(shù)字化轉(zhuǎn)型2；(3)對(duì)數(shù)字化轉(zhuǎn)型相關(guān)詞匯細(xì)分的5個(gè)子指標(biāo)進(jìn)行主成分分析，保留特征值大于1的因子，由于在初始合成的數(shù)據(jù)中有負(fù)值，在取自然對(duì)數(shù)時(shí)減去該數(shù)據(jù)集中的最小值并加1后再進(jìn)行對(duì)數(shù)轉(zhuǎn)化形成新的數(shù)字化轉(zhuǎn)型指標(biāo)，記為數(shù)字化轉(zhuǎn)型3。

回歸結(jié)果見表4。在考慮不同數(shù)字化轉(zhuǎn)型的衡量方法后，相關(guān)估計(jì)系數(shù)均顯著為正，說明企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口依然存在積極的正向作用，進(jìn)一步驗(yàn)證了本文的核心結(jié)論。

表4 替換企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量

2.剔除部分年份和城市樣本

金融市場的重大沖擊與波動(dòng)，宏觀外部環(huán)境的惡化會(huì)影響到企業(yè)數(shù)字化轉(zhuǎn)型的升級(jí)規(guī)劃。若忽視此類環(huán)境沖擊，則可能造成估計(jì)結(jié)果偏誤。本文樣本期間存在數(shù)次值得注意的環(huán)境變化，如國際金融危機(jī)、股票市場劇烈波動(dòng)和新冠肺炎疫情等，但這類大規(guī)模環(huán)境沖擊所產(chǎn)生的經(jīng)濟(jì)效應(yīng)具有多維度的特點(diǎn)，并且很難被單一指標(biāo)所捕獲，因此本文在回歸中逐步剔除發(fā)生在2008年、2015年和2020年樣本。此外，考慮到中國直轄市有著較大的經(jīng)濟(jì)、政治特殊性，本文剔除直轄市樣本進(jìn)行回歸，并進(jìn)一步在此基礎(chǔ)上剔除2008年、2015年和2020年樣本重新進(jìn)行檢驗(yàn)。表5匯報(bào)了剔除部分年份和城市樣本的回歸結(jié)果。結(jié)果顯示，在剔除部分年份和城市樣本后，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)均顯著為正，說明本文的核心結(jié)論沒有改變。

表5 剔除部分年份和城市樣本

3.考慮企業(yè)貿(mào)易狀態(tài)

從出口額的角度分析數(shù)字化轉(zhuǎn)型對(duì)集約邊際(intensive margin)的影響之后，有必要以貿(mào)易狀態(tài)的角度分析數(shù)字化轉(zhuǎn)型對(duì)企業(yè)廣延邊際(extensive margin)的影響，進(jìn)而考察本文結(jié)論的穩(wěn)健性。考慮到存在遺漏變量和反向因果的內(nèi)生性問題，本文使用工具變量-概率單位(IV-Probit)模型對(duì)企業(yè)出口決策(6)此處使用企業(yè)是否出口的虛擬二元變量出口決策(exporter)為被解釋變量，企業(yè)出口賦值為1，否則為0。限于篇幅，省略具體推導(dǎo)過程及結(jié)果，備索。進(jìn)行再檢驗(yàn)。此外，因?yàn)镻robit模型無法得到個(gè)體異質(zhì)性的充分統(tǒng)計(jì)量，本文使用高維固定效應(yīng)模型，控制企業(yè)和時(shí)間固定效應(yīng)，且使用數(shù)字化轉(zhuǎn)型程度的滯后一期和兩期以及出口決策的滯后項(xiàng)，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與出口決策的影響進(jìn)行檢驗(yàn)。

回歸結(jié)果見表6。其中，IV-Probit模型結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)皆為正，并且分別通過了1%和5%的顯著性檢驗(yàn)，表明數(shù)字化轉(zhuǎn)型顯著提升了企業(yè)出口概率。OLS模型控制了企業(yè)固定效應(yīng)和時(shí)間固定效應(yīng)，結(jié)果顯示數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)在1%的水平上顯著為正。由數(shù)字化轉(zhuǎn)型程度滯后一期和滯后兩期對(duì)出口決策的影響結(jié)果可知，估計(jì)系數(shù)至少在10%的水平上顯著為正。綜上，單獨(dú)考慮企業(yè)數(shù)字化轉(zhuǎn)型對(duì)廣延邊際的影響，可以看出數(shù)字化轉(zhuǎn)型能夠有效提高企業(yè)的出口概率，說明本文的核心結(jié)論沒有改變(7)本文的IV-Probit模型通過了工具變量有效性檢驗(yàn)。此外，本文還采用系統(tǒng)廣義矩估計(jì)(SYS-GMM)模型和多期DID進(jìn)行檢驗(yàn)，研究結(jié)果依然穩(wěn)健。。

表6 企業(yè)貿(mào)易狀態(tài)

4.零貿(mào)易問題

數(shù)據(jù)中存在大量零貿(mào)易企業(yè)樣本， 即在各年中并不是所有數(shù)字化轉(zhuǎn)型企業(yè)都存在出口貿(mào)易行為。雖然基準(zhǔn)回歸結(jié)果顯示數(shù)字化轉(zhuǎn)型會(huì)顯著促進(jìn)企業(yè)出口， 但忽略零貿(mào)易的潛在影響就可能存在樣本選擇偏差問題。對(duì)此，本文使用托賓(Tobit)模型和赫克曼(Heckman)兩步法針對(duì)樣本中存在大量零貿(mào)易企業(yè)問題進(jìn)行再檢驗(yàn)。結(jié)果顯示，數(shù)字化轉(zhuǎn)型使企業(yè)更傾向于出口，說明本文結(jié)果依然穩(wěn)健。

(四)異質(zhì)性檢驗(yàn)

1.區(qū)域異質(zhì)性

由于資源稟賦和發(fā)展階段的不同，企業(yè)數(shù)字化轉(zhuǎn)型在區(qū)域分布存在著明顯的異質(zhì)性特點(diǎn)。本文根據(jù)企業(yè)經(jīng)營所在地的省份將全樣本分為東部、中部和西部地區(qū)樣本，并且借鑒趙濤等(2020)[45]的劃分，把企業(yè)經(jīng)營所在城市中的直轄市、省會(huì)城市和副省級(jí)城市劃分為中心城市，其他地級(jí)市劃分為外圍城市(8)東部地區(qū)：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區(qū)：重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內(nèi)蒙古、廣西。中心城市：各省份的省會(huì)城市、直轄市以及大連、青島、深圳、廈門、寧波等副省級(jí)城市。。表7匯報(bào)了區(qū)域異質(zhì)性的回歸結(jié)果。結(jié)果顯示，東部、中心城市數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)均顯著且為正，中部、西部和外圍城市并不顯著?？紤]到東部和中心城市企業(yè)數(shù)字化轉(zhuǎn)型程度更高，數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)顯著為正，而外圍城市企業(yè)卻并不顯著，這可能是因?yàn)闁|部和中心城市數(shù)字技術(shù)的應(yīng)用范圍更加廣泛、數(shù)字基礎(chǔ)設(shè)施更好、企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展更早、具有先發(fā)優(yōu)勢，更能充分釋放數(shù)字化轉(zhuǎn)型帶來的紅利。

表7 區(qū)域異質(zhì)性

2.基于企業(yè)微觀特征的異質(zhì)性檢驗(yàn)

不同企業(yè)屬性差異下，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響可能存在非對(duì)稱效果，而對(duì)不同情況進(jìn)行具體研究有助于形成差異化的政策導(dǎo)向。為此，本文從三方面對(duì)企業(yè)層面微觀特征進(jìn)行分樣本檢驗(yàn)。

(1)產(chǎn)權(quán)異質(zhì)性。在中國資本市場中，國有與非國有企業(yè)的資源稟賦與治理機(jī)制有較大差異，從而造成兩類企業(yè)的數(shù)字化轉(zhuǎn)型水平有一定的差別，其數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的影響也可能不同。國有企業(yè)作為國民經(jīng)濟(jì)發(fā)展的中堅(jiān)力量，是中國政府完成特定經(jīng)濟(jì)目標(biāo)的主要依托。表8產(chǎn)權(quán)異質(zhì)性的回歸結(jié)果顯示，國有和非國有企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)出口均存在顯著的正向影響作用，其中對(duì)國有企業(yè)的數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)為1.225，說明促進(jìn)作用更加顯著。這可能是因?yàn)閲衅髽I(yè)相比非國有企業(yè)擁有更為寬裕的資源、更強(qiáng)的技術(shù)能力、更好的治理水平以及更低的經(jīng)營風(fēng)險(xiǎn)，更加重視數(shù)字化轉(zhuǎn)型戰(zhàn)略，且在數(shù)字經(jīng)濟(jì)發(fā)展迅速的背景下，更能充分利用數(shù)字化轉(zhuǎn)型優(yōu)勢，從而促進(jìn)出口。

(2)生命周期異質(zhì)性。企業(yè)在不同的生命周期會(huì)表現(xiàn)出不同的特征[47]，也會(huì)面臨不同的融資約束與研發(fā)投入[48]，因此處于不同生命周期的企業(yè)，其數(shù)字化轉(zhuǎn)型對(duì)出口規(guī)模的影響可能并不一致。本文借鑒劉詩源等(2020)[48]的方法，采用現(xiàn)金流模式法劃分企業(yè)生命周期?，F(xiàn)金流模式法根據(jù)企業(yè)經(jīng)營、投資和籌資三類活動(dòng)現(xiàn)金流凈額的正負(fù)組合來反映不同生命周期的經(jīng)營風(fēng)險(xiǎn)、盈利能力和增長速度等特征，這既能夠規(guī)避行業(yè)固有差異的干擾，也能避免對(duì)生命周期樣本分布的主觀假設(shè)，具有較強(qiáng)的可操作性和客觀性。企業(yè)經(jīng)營、投資和籌資三類活動(dòng)現(xiàn)金流凈額數(shù)據(jù)來源于國泰安財(cái)務(wù)報(bào)表數(shù)據(jù)庫的現(xiàn)金流量表科目。

表8生命周期企業(yè)異質(zhì)性的回歸結(jié)果顯示，企業(yè)處于成長期和成熟期時(shí)數(shù)字化轉(zhuǎn)型會(huì)顯著促進(jìn)出口，其中對(duì)于在成長期的企業(yè)的促進(jìn)作用更加顯著，在1%的水平上顯著為正，而對(duì)于在衰退期的企業(yè)數(shù)字化轉(zhuǎn)型作用不顯著。這可能是因?yàn)閿?shù)字化轉(zhuǎn)型會(huì)降低企業(yè)的信息不對(duì)稱程度，提高了企業(yè)信息透明度，有利于緩解成長期企業(yè)的融資約束，進(jìn)而提高了企業(yè)出口；成熟期的企業(yè)組織結(jié)構(gòu)完善、經(jīng)營模式日趨成熟、融資約束較小，數(shù)字化轉(zhuǎn)型也顯著促進(jìn)了出口。但對(duì)處于衰退期的企業(yè)這種效果并不明顯，一般衰退期的企業(yè)處于缺乏新的利潤增長點(diǎn)、籌資困難、財(cái)務(wù)狀況惡化的困境，往往存在制度僵化、人員冗余、創(chuàng)新意識(shí)不足的問題，難以發(fā)揮出數(shù)字化轉(zhuǎn)型對(duì)出口的積極效應(yīng)。這也意味著企業(yè)首先需要強(qiáng)烈的發(fā)展動(dòng)機(jī)，立足市場爭取市場份額擴(kuò)大，并完善自身的經(jīng)營管理模式，避免陷入財(cái)務(wù)狀況惡化的困境，這樣實(shí)施數(shù)字化轉(zhuǎn)型戰(zhàn)略對(duì)企業(yè)出口才能發(fā)揮積極的正向作用。

(3)要素密集度異質(zhì)性。本文參考肖曙光和楊潔(2018)[49]的研究方法，將樣本根據(jù)要素密集度差異劃分為技術(shù)資本密集型、勞動(dòng)密集型。本文分別根據(jù)固定資產(chǎn)占總資產(chǎn)比重的中位數(shù)、技術(shù)人員占員工總數(shù)比重的中位數(shù)劃分樣本，固定資產(chǎn)占比高的企業(yè)劃分為資本密集型企業(yè)，技術(shù)人員占比高的企業(yè)劃分為技術(shù)密集型企業(yè)，既不是資本密集型也不是技術(shù)密集型企業(yè)劃分為勞動(dòng)密集型企業(yè)。表8企業(yè)要素密集度異質(zhì)性的回歸結(jié)果顯示，對(duì)于技術(shù)資本密集型企業(yè)數(shù)字化轉(zhuǎn)型會(huì)顯著促進(jìn)出口，對(duì)于勞動(dòng)密集型企業(yè)不存在顯著的促進(jìn)作用。由此可見，技術(shù)資本密集型企業(yè)相比勞動(dòng)密集型企業(yè)更能充分發(fā)揮數(shù)字化轉(zhuǎn)型優(yōu)勢，因?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型以數(shù)字技術(shù)為基礎(chǔ)，且具有高固定成本特征，更為寬裕的資金和更高的技術(shù)能力更有利于提高出口。這也意味著勞動(dòng)密集型企業(yè)需要向資本密集型和技術(shù)密集型轉(zhuǎn)變，改變企業(yè)資本和人員結(jié)構(gòu)，這樣才能有效發(fā)揮出數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的積極作用。

表8 基于企業(yè)微觀特征的異質(zhì)性檢驗(yàn)

六、影響機(jī)制檢驗(yàn)

上文已經(jīng)說明，數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)出口，但此促進(jìn)作用是通過何種渠道實(shí)現(xiàn)的？根據(jù)自選擇效應(yīng)，全要素生產(chǎn)率的提高對(duì)企業(yè)出口有促進(jìn)作用。而數(shù)字化轉(zhuǎn)型對(duì)企業(yè)的生產(chǎn)、銷售和創(chuàng)新模式的改變會(huì)有效提高企業(yè)的全要素生產(chǎn)率。因此，本文采用中介效應(yīng)模型進(jìn)行影響機(jī)制檢驗(yàn)，建立以下三個(gè)回歸模型：

lnexportft=α0+α1DTft+∑αXft+firmf+yeart+εft

(2)

Mft=β0+β1DTft+∑βXft+firmf+yeart+εft

(3)

lnexportft=γ0+γ1DTft+γ2Mft+∑γXft+firmf+yeart+εft

(4)

其中，模型(2)與模型(1)一致，M表示中介變量，這里主要指全要素生產(chǎn)率。目前測度企業(yè)全要素生產(chǎn)率常用方法有OLS法、固定效應(yīng)法、奧利-帕克斯(OP)法[50]和萊文索恩-彼得林(LP)法[51]等參數(shù)或半?yún)?shù)計(jì)量方法。其中，OLS法和固定效應(yīng)法不能有效解決存在的內(nèi)生性問題，存在損失有效信息量等問題；OP法可以較好地處理內(nèi)生性問題和樣本選擇偏差問題；LP法在OP法的基礎(chǔ)上，將中間品投入指標(biāo)取代投資額作為代理變量，可以較好地解決數(shù)據(jù)丟失問題，但在計(jì)算資本與勞動(dòng)的投入彈性時(shí)并不顯著優(yōu)于OP法。借鑒魯曉東和連玉君(2012)[52]的研究方法，本文采用LP法和OP法分別對(duì)企業(yè)全要素生產(chǎn)率進(jìn)行估算，得到2007—2020年上市企業(yè)TFP_LP均值為9.079，TFP_OP均值為6.640，與趙宸宇等(2021)[29]利用LP法計(jì)算得到2008—2017年中國A股制造業(yè)企業(yè)全要素生產(chǎn)率均值8.155相接近；而宋敏等(2021)利用LP法和OP法計(jì)算得到2011—2018年滬深A(yù)股上市企業(yè)全要素生產(chǎn)率均值分別為16.486和14.588[53]，比本文所得計(jì)算結(jié)果更大，而LP法比OP法所得全要素生產(chǎn)率更大，本文和其是一致的?？偟膩碚f，本文計(jì)算得到TFP_LP和TFP_OP的結(jié)果是可信的。

表9匯報(bào)了分別運(yùn)用LP法和OP法計(jì)算的全要素生產(chǎn)率的中介效應(yīng)檢驗(yàn)結(jié)果(9)索貝爾(Sobel)檢驗(yàn)的Stata命令為sgmediation，該命令目前無法控制穩(wěn)健標(biāo)準(zhǔn)誤且無法導(dǎo)出系數(shù)結(jié)果，控制企業(yè)固定效應(yīng)后導(dǎo)致Stata輸出結(jié)果界面過長，難以查看最初回歸結(jié)果，因此本文放松假定，索貝爾檢驗(yàn)時(shí)只控制行業(yè)、地區(qū)和時(shí)間固定效應(yīng)且取普通標(biāo)準(zhǔn)誤；此外，索貝爾檢驗(yàn)本質(zhì)上是中介效應(yīng)的逐步回歸法，本文再次通過逐步回歸法進(jìn)行中介效應(yīng)檢驗(yàn)，控制企業(yè)、時(shí)間固定效應(yīng)和穩(wěn)健標(biāo)準(zhǔn)誤，結(jié)論并無改變。。結(jié)果顯示，TFP_LP列和TFP_OP列中數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)均在1%的水平上為正，表明數(shù)字化轉(zhuǎn)型會(huì)顯著提高企業(yè)全要素生產(chǎn)率，且在聯(lián)合回歸中TFP_LP和TFP_OP的估計(jì)系數(shù)均在1%的水平上為正，初步表明全要素生產(chǎn)率會(huì)顯著促進(jìn)出口，全要素生產(chǎn)率在企業(yè)數(shù)字化轉(zhuǎn)型和出口之間發(fā)揮了中介效應(yīng)。索貝爾檢驗(yàn)結(jié)果顯示，TFP_LP和TFP_OP的Z值分別為6.758和8.494，在1%的水平上顯著，中介效應(yīng)占總效應(yīng)比重分別為20.76%和23.15%，兩者檢驗(yàn)結(jié)果相近，表明不論是使用LP法還是OP法計(jì)算全要素生產(chǎn)率，都顯示全要素生產(chǎn)率是一個(gè)有效的中介變量，在企業(yè)數(shù)字化轉(zhuǎn)型和出口中起到了中介作用，從而驗(yàn)證了假設(shè)2(10)考慮到企業(yè)全要素生產(chǎn)率既會(huì)影響企業(yè)數(shù)字化轉(zhuǎn)型，又會(huì)影響企業(yè)出口，存在內(nèi)生性問題，本文采用廣義結(jié)構(gòu)方程模型對(duì)中介效應(yīng)進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果仍具有穩(wěn)健性，限于篇幅，具體回歸結(jié)果省略，備索。。

表9 全要素生產(chǎn)率的中介效應(yīng)檢驗(yàn)

七、進(jìn)一步分析：數(shù)字化轉(zhuǎn)型外部性

(一)計(jì)量模型設(shè)定

上文已經(jīng)證明，數(shù)字化轉(zhuǎn)型通過提高生產(chǎn)率來提高企業(yè)出口。那么，某一企業(yè)的出口是否受其他企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用？具體而言，某一企業(yè)的出口是否受本地區(qū)本行業(yè)、本地區(qū)其他行業(yè)或其他地區(qū)其他行業(yè)數(shù)字化轉(zhuǎn)型的影響？對(duì)此，本文借鑒梁文泉和陸銘(2016)[54]、格萊澤和魯(Glaeser & Lu，2018)[55]對(duì)人力資本外部性識(shí)別的方法，以及陸蓉和常維(2018)[56]對(duì)上市企業(yè)違規(guī)行為的同群效應(yīng)的研究方法來識(shí)別外部性，設(shè)定如下計(jì)量模型：

lnexportfict=α0+α1DT1-f,i,ct+α2DTfict+∑αXfict+indi+cityc+yeart+εfict

(5)

lnexportfict=β0+β1DT2-f,-i,ct+β2DTfict+∑βXfict+indi+cityc+yeart+εfict

(6)

lnexportfict=γ0+γ1DT3-f,i,-c,t+γ2DTfict+∑γXfict+indi+cityc+yeart+εfict

(7)

其中，DT1-f，i,ct表示f企業(yè)本地區(qū)本行業(yè)的所有其他企業(yè)在t年的平均數(shù)字化轉(zhuǎn)型程度，DT2-f，-i，ct表示本地區(qū)其他行業(yè)的所有其他企業(yè)在t年的平均數(shù)字化轉(zhuǎn)型程度，DT3-f，i，-c，t表示本行業(yè)其他地區(qū)的所有其他企業(yè)在t年的平均數(shù)字化轉(zhuǎn)型程度；企業(yè)數(shù)字化轉(zhuǎn)型、企業(yè)層面控制變量、行業(yè)、地區(qū)和年份固定效應(yīng)與前文一致。在控制了個(gè)體企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口的影響后，系數(shù)α1、β1、γ1將反映企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口的外部性影響。

(二)實(shí)證結(jié)果分析

表10匯報(bào)了企業(yè)數(shù)字化轉(zhuǎn)型外部性檢驗(yàn)的回歸結(jié)果。結(jié)果顯示，在控制了個(gè)體企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口的影響后，DT1的估計(jì)系數(shù)顯著為正，表明本地區(qū)本行業(yè)其他企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)本企業(yè)出口存在著正外部性影響；DT2的估計(jì)系數(shù)顯著為正，表明本地區(qū)其他行業(yè)其他企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)本企業(yè)出口存在著正外部性影響；DT3的估計(jì)系數(shù)為正，但不顯著。這主要是因?yàn)樵诒镜貐^(qū)的技術(shù)人員流動(dòng)和交流更加便利，數(shù)字技術(shù)形成的數(shù)據(jù)資源具有高固定成本和低邊際成本特征，在本地區(qū)的企業(yè)具有得天獨(dú)厚的條件，更能獲得該數(shù)字技術(shù)和知識(shí)外溢，外部性效應(yīng)最為顯著；而同一行業(yè)的不同地區(qū)之間存在競爭，數(shù)字化轉(zhuǎn)型外溢不明顯。因此，假設(shè)3在本地區(qū)的條件下成立，即企業(yè)數(shù)字化轉(zhuǎn)型外部性對(duì)出口的影響主要體現(xiàn)在地區(qū)外部性。

表10 企業(yè)數(shù)字化轉(zhuǎn)型外部性

(三)知識(shí)產(chǎn)權(quán)保護(hù)的影響

知識(shí)產(chǎn)權(quán)保護(hù)是影響企業(yè)數(shù)字化轉(zhuǎn)型外部性的重要因素。數(shù)字技術(shù)對(duì)所有企業(yè)來說都是可獲得的，許多智能應(yīng)用程序很容易被復(fù)制或模仿。因此，數(shù)字化轉(zhuǎn)型企業(yè)通過研發(fā)獲得相關(guān)知識(shí)產(chǎn)權(quán)這一過程就存在著外部性問題，并且該外部性很可能受知識(shí)產(chǎn)權(quán)保護(hù)程度的影響。知識(shí)產(chǎn)權(quán)保護(hù)的加強(qiáng)降低了數(shù)字化轉(zhuǎn)型的外部性，因此既可以放大數(shù)字化轉(zhuǎn)型對(duì)出口的促進(jìn)作用，也可能抑制該作用。一方面，知識(shí)產(chǎn)權(quán)保護(hù)的強(qiáng)化減少了數(shù)字化轉(zhuǎn)型企業(yè)知識(shí)產(chǎn)權(quán)受侵害的風(fēng)險(xiǎn)，并增加了其研發(fā)投入預(yù)期收益，激勵(lì)了數(shù)字化轉(zhuǎn)型企業(yè)增加研發(fā)費(fèi)用投入并增強(qiáng)其創(chuàng)新能力，因此促進(jìn)了企業(yè)出口。另一方面，知識(shí)產(chǎn)權(quán)保護(hù)力度的加強(qiáng)則減少了數(shù)字化轉(zhuǎn)型的知識(shí)外溢，即企業(yè)將知識(shí)產(chǎn)權(quán)外部性內(nèi)部化，并且企業(yè)利用數(shù)字化轉(zhuǎn)型贏得競爭對(duì)手從而有可能形成行業(yè)壟斷，削弱了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口的正向作用。為此，本文進(jìn)一步分析不同知識(shí)產(chǎn)權(quán)保護(hù)力度在數(shù)字化轉(zhuǎn)型、外部性對(duì)企業(yè)出口的影響。

在現(xiàn)實(shí)中，中國知識(shí)產(chǎn)權(quán)保護(hù)的執(zhí)行體現(xiàn)出“強(qiáng)名義保護(hù)、弱實(shí)際保護(hù)”的特征[57]。由于中國區(qū)域經(jīng)濟(jì)發(fā)展存在明顯差異，即使知識(shí)產(chǎn)權(quán)保護(hù)在法律法規(guī)層面已經(jīng)達(dá)到較高標(biāo)準(zhǔn)，但實(shí)際執(zhí)行上卻存在著不均質(zhì)的知識(shí)產(chǎn)權(quán)保護(hù)力度，這將影響中國企業(yè)技術(shù)創(chuàng)新，并對(duì)企業(yè)的出口行為產(chǎn)生影響[58]。為有效平滑中國運(yùn)動(dòng)式執(zhí)法造成的實(shí)際知識(shí)產(chǎn)權(quán)水平的波動(dòng)，借鑒已有研究方法[58-59]，基于執(zhí)法水平構(gòu)建省級(jí)知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度指標(biāo)：

(8)

其中，adpatentkt為k省份t年專利授權(quán)數(shù)量，數(shù)據(jù)來源于國家知識(shí)產(chǎn)權(quán)局網(wǎng)站《國家知識(shí)產(chǎn)權(quán)局統(tǒng)計(jì)年報(bào)》；crimekt為k省份t年知識(shí)產(chǎn)權(quán)執(zhí)法案件數(shù)量，數(shù)據(jù)來源于各地區(qū)管理專利工作的部門專利執(zhí)法統(tǒng)計(jì)表上的結(jié)案數(shù)量。crimekt/adpatentkt代表k省份t年知識(shí)產(chǎn)權(quán)執(zhí)法案件數(shù)量占該地區(qū)當(dāng)年專利授權(quán)的比重，∑crimekt/∑adpatentkt代表全國t年知識(shí)產(chǎn)權(quán)執(zhí)法案件數(shù)量(包括侵權(quán)糾紛、冒充專利、假冒專利以及其他糾紛)占全國當(dāng)年專利授權(quán)的比重。將知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度(IPR)按中位數(shù)進(jìn)行劃分，將占比高的劃分為在強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)的企業(yè)，占比低的劃分為在弱知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)的企業(yè)。

表11匯報(bào)了在不同知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型外部性影響的回歸結(jié)果。其中，強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)企業(yè)的回歸結(jié)果顯示，該地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)均不顯著；弱知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)企業(yè)的回歸結(jié)果顯示，DT1和DT2估計(jì)系數(shù)均在1%的水平上為正，表明弱知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度的數(shù)字化轉(zhuǎn)型企業(yè)可以顯著受到地區(qū)外部性對(duì)出口的正向影響?？赡艿慕忉屖?，在強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)，企業(yè)對(duì)數(shù)字技術(shù)和信息進(jìn)行模仿和復(fù)制的可能性較低、成本較高，其他數(shù)字化轉(zhuǎn)型企業(yè)難以獲得這種外部性；而在弱知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度地區(qū)技術(shù)性知識(shí)和信息容易擴(kuò)散，使得企業(yè)能夠以較低成本代價(jià)進(jìn)行模仿和復(fù)制，給企業(yè)帶來收益，促進(jìn)出口。從結(jié)果可知，無論地區(qū)知識(shí)產(chǎn)權(quán)保護(hù)強(qiáng)度如何，并不影響企業(yè)個(gè)體的數(shù)字化轉(zhuǎn)型對(duì)出口的積極影響，且強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)地區(qū)企業(yè)個(gè)體數(shù)字化轉(zhuǎn)型程度估計(jì)系數(shù)更大，積極作用更大。然而，由于知識(shí)產(chǎn)權(quán)保護(hù)影響著企業(yè)數(shù)字化轉(zhuǎn)型外部性，知識(shí)產(chǎn)權(quán)保護(hù)的加強(qiáng)也使該地區(qū)數(shù)字化轉(zhuǎn)型企業(yè)未受到外部性正向影響；相反，弱知識(shí)產(chǎn)權(quán)保護(hù)地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型外部性顯著。這也意味著，知識(shí)產(chǎn)權(quán)保護(hù)可能存在“最適強(qiáng)度”，如果地區(qū)知識(shí)產(chǎn)權(quán)保護(hù)的實(shí)際力度與“最適強(qiáng)度”相一致，那么能使企業(yè)最大化地發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)出口的推動(dòng)作用。

表11 知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度

八、研究結(jié)論與政策建議

本文對(duì)數(shù)字化轉(zhuǎn)型與企業(yè)出口之間的關(guān)系進(jìn)行了理論分析并提出研究假設(shè)，然后利用2007—2020年滬深A(yù)股上市企業(yè)數(shù)據(jù)通過實(shí)證研究進(jìn)行驗(yàn)證?；鶞?zhǔn)回歸結(jié)果表明：數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)出口，且該結(jié)論通過了一系列穩(wěn)健性檢驗(yàn)；異質(zhì)性分析結(jié)果表明，位于東部地區(qū)、中心城市的企業(yè)數(shù)字化轉(zhuǎn)型顯著促進(jìn)了出口，國有企業(yè)與成長期和成熟期、技術(shù)資本密集型的企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口的積極效應(yīng)更加明顯；機(jī)制檢驗(yàn)結(jié)果表明，企業(yè)通過提高全要素生產(chǎn)率，進(jìn)而提升了企業(yè)出口；數(shù)字化轉(zhuǎn)型對(duì)企業(yè)出口有著正外部影響，在弱知識(shí)產(chǎn)權(quán)保護(hù)執(zhí)法力度區(qū)域的企業(yè)受到其他企業(yè)數(shù)字化轉(zhuǎn)型對(duì)出口的推動(dòng)作用更加顯著?；谝陨涎芯砍晒?，本文提出相關(guān)政策建議：

第一，積極引導(dǎo)出口企業(yè)數(shù)字化轉(zhuǎn)型。出臺(tái)扶持企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)政策，鼓勵(lì)企業(yè)對(duì)生產(chǎn)設(shè)備進(jìn)行智能化改造；鼓勵(lì)企業(yè)升級(jí)網(wǎng)絡(luò)通信設(shè)備，建立數(shù)字化平臺(tái)，促進(jìn)企業(yè)各部門協(xié)同創(chuàng)新；增加對(duì)成長期和成熟期數(shù)字化轉(zhuǎn)型企業(yè)支持，特別是對(duì)轉(zhuǎn)型需求更強(qiáng)烈的成長期企業(yè)的支持；引導(dǎo)衰退期企業(yè)進(jìn)行轉(zhuǎn)型變革，發(fā)揮出數(shù)字化轉(zhuǎn)型對(duì)出口的正向作用。

第二，積極引導(dǎo)數(shù)字化轉(zhuǎn)型的區(qū)域協(xié)調(diào)發(fā)展。一方面，持續(xù)加大對(duì)東部地區(qū)和中心城市企業(yè)的數(shù)字化轉(zhuǎn)型的支持，發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)出口的促進(jìn)作用。另一方面，加強(qiáng)對(duì)中西部地區(qū)、外圍城市的數(shù)字基礎(chǔ)設(shè)施建設(shè)，制定政策吸引數(shù)字人才，組織社會(huì)機(jī)構(gòu)培養(yǎng)數(shù)字技能，使企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)其出口的促進(jìn)作用得以充分發(fā)揮。

第三，充分發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)出口影響的外部性。充分協(xié)調(diào)數(shù)字經(jīng)濟(jì)發(fā)展與知識(shí)產(chǎn)權(quán)保護(hù)的關(guān)系，加強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)的同時(shí)，加大對(duì)企業(yè)的創(chuàng)新補(bǔ)助，探索實(shí)施知識(shí)產(chǎn)權(quán)保護(hù)的“最適強(qiáng)度”，強(qiáng)化知識(shí)產(chǎn)權(quán)保護(hù)對(duì)數(shù)字化轉(zhuǎn)型企業(yè)出口提升的外部性影響。