我國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型指數(shù)評(píng)估

龐瑞瑞 汪明艷

【摘要】依據(jù)2012 ～ 2021年我國(guó)31個(gè)省級(jí)行政區(qū)的面板數(shù)據(jù)， 對(duì)制造業(yè)數(shù)字化轉(zhuǎn)型指數(shù)進(jìn)行綜合評(píng)估， 并對(duì)其間制造業(yè)數(shù)字化轉(zhuǎn)型變化趨勢(shì)、 行業(yè)異質(zhì)性及省市異質(zhì)性特征進(jìn)行分析。結(jié)果表明： 我國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型水平十年來不斷提升， 且提升速度分成三個(gè)階段， 2012 ～ 2015年數(shù)字化轉(zhuǎn)型水平提升最快， 2015 ～ 2017年提升速度次之， 2017 ～ 2021年提升速度有所放緩； 31個(gè)省級(jí)行政區(qū)數(shù)字化轉(zhuǎn)型水平差異明顯， 東部地區(qū)的制造業(yè)數(shù)字化轉(zhuǎn)型水平明顯優(yōu)于中部地區(qū)， 西部地區(qū)制造業(yè)數(shù)字化轉(zhuǎn)型水平相對(duì)而言較低； 制造業(yè)各細(xì)分行業(yè)數(shù)字化轉(zhuǎn)型水平各不相同， 其中數(shù)字化轉(zhuǎn)型指數(shù)最高的三個(gè)行業(yè)分別為儀表儀器制造業(yè)， 計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)， 家具制造業(yè)。

【關(guān)鍵詞】制造業(yè)；數(shù)字化轉(zhuǎn)型；指數(shù)評(píng)估；數(shù)字化情緒；文本分析

【中圖分類號(hào)】F270? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2023）18-0116-8

一、 引言

制造業(yè)是國(guó)民經(jīng)濟(jì)長(zhǎng)期穩(wěn)定發(fā)展的動(dòng)力， 是我國(guó)早日實(shí)現(xiàn)現(xiàn)代化的基石。我國(guó)從2015年開始布局制造業(yè)的轉(zhuǎn)型升級(jí)， 并明確提出要促進(jìn)制造業(yè)的數(shù)字化、 網(wǎng)絡(luò)化、 智能化。但根據(jù)埃森哲在2022年10月發(fā)布的《2022中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》可知， 只有17%的企業(yè)有明顯的數(shù)字化轉(zhuǎn)型效果， 大多數(shù)制造業(yè)企業(yè)缺乏數(shù)字化轉(zhuǎn)型的基礎(chǔ)， 數(shù)字化技術(shù)的應(yīng)用力度不足， 企業(yè)間的數(shù)字化能力差異很大。而數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展和新一代數(shù)字技術(shù)提質(zhì)增效的作用發(fā)揮， 使數(shù)字智能化成為各國(guó)制造業(yè)發(fā)展的轉(zhuǎn)折點(diǎn)。近年來， 美國(guó)、 德國(guó)、 日本等主要工業(yè)國(guó)家提出了一系列促進(jìn)制造業(yè)數(shù)字化轉(zhuǎn)型的國(guó)家戰(zhàn)略， 旨在促進(jìn)傳統(tǒng)制造業(yè)轉(zhuǎn)型升級(jí)， 從而提高自身在國(guó)際環(huán)境中的競(jìng)爭(zhēng)力。在此背景下， 我國(guó)制造業(yè)亟待汲取其他發(fā)達(dá)國(guó)家經(jīng)驗(yàn)， 進(jìn)而實(shí)施數(shù)字化轉(zhuǎn)型升級(jí)（Zhang等，2016）。

評(píng)估中國(guó)制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)， 對(duì)于明確制造企業(yè)數(shù)字化現(xiàn)狀， 促進(jìn)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型， 提升其在全球市場(chǎng)的競(jìng)爭(zhēng)力具有重要意義。目前對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的評(píng)估并未形成統(tǒng)一標(biāo)準(zhǔn)， 且少有學(xué)者針對(duì)我國(guó)制造業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型指數(shù)的評(píng)估。鑒于此， 本文使用熵值法與文本分析法在計(jì)算制造企業(yè)數(shù)字化詞頻指數(shù)與數(shù)字化情緒指數(shù)的基礎(chǔ)上， 綜合測(cè)算2012 ～ 2021年我國(guó)31個(gè)省級(jí)行政區(qū)A股上市制造企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)。

二、 企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)測(cè)度方法綜述

企業(yè)數(shù)字化轉(zhuǎn)型也被學(xué)者稱為“企業(yè)數(shù)字化轉(zhuǎn)型成熟度”或“企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀”， 其內(nèi)涵主要是指通過計(jì)算技術(shù)、 信息技術(shù)、 通信技術(shù)、 連接技術(shù)的組合觸發(fā)實(shí)體屬性的重大變革（Vial，2019）。關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的測(cè)量， 學(xué)者們暫未形成統(tǒng)一意見。目前衡量數(shù)字化轉(zhuǎn)型指數(shù)的方法主要有兩種： 一種是基于構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)體系的方法， 另一種是基于機(jī)器學(xué)習(xí)的文本分析方法。前者主要從基礎(chǔ)設(shè)施、 技術(shù)應(yīng)用、 組織流程、 文化和人員等維度衡量數(shù)字化轉(zhuǎn)型指數(shù)， 后者則是通過構(gòu)建數(shù)字化轉(zhuǎn)型詞庫， 然后統(tǒng)計(jì)企業(yè)年報(bào)中出現(xiàn)的數(shù)字化轉(zhuǎn)型相關(guān)特征詞頻次來計(jì)算企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)。

（一）基于構(gòu)建數(shù)字化轉(zhuǎn)型評(píng)價(jià)體系評(píng)估的方法

目前存在多種指標(biāo)體系評(píng)估企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。知名咨詢公司Forrester于2016年發(fā)布了《數(shù)字化成熟度模型4.0》報(bào)告， 從文化、 組織、 技術(shù)、 洞察力等維度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型水平進(jìn)行了評(píng)估。Carolis等（2017）在此基礎(chǔ)上提出了新的組織框架， 主要從設(shè)計(jì)工程、 生產(chǎn)管理、 質(zhì)量管理、 維護(hù)管理等維度測(cè)量制造企業(yè)的數(shù)字化轉(zhuǎn)型水平。曾光偉（2019）從戰(zhàn)略管理、 組織文化、 技術(shù)應(yīng)用和業(yè)務(wù)流程這四個(gè)層面衡量了企業(yè)數(shù)字化轉(zhuǎn)型程度。劉政（2020）依據(jù)企業(yè)采用信息技術(shù)的內(nèi)容和過程構(gòu)建了數(shù)字化指標(biāo)， 并將軟硬件信息設(shè)備投資率、 電子信息和網(wǎng)絡(luò)支出率、 員工計(jì)算機(jī)使用率、 互聯(lián)網(wǎng)產(chǎn)品銷售率、 ERP使用率等作為企業(yè)數(shù)字化指標(biāo)的衡量要素。萬倫等（2020）從價(jià)值驅(qū)動(dòng)、 能力驅(qū)動(dòng)和要素驅(qū)動(dòng)三個(gè)方面構(gòu)建了制造業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)評(píng)估體系。殷群和田玉秀（2021）從數(shù)字化轉(zhuǎn)型的基礎(chǔ)能力、 核心能力、 保障能力構(gòu)建了區(qū)域數(shù)字化轉(zhuǎn)型指標(biāo)評(píng)估體系。范德成和王婭（2022）從業(yè)務(wù)流程和技術(shù)應(yīng)用兩個(gè)層面衡量上市汽車制造企業(yè)的數(shù)字化轉(zhuǎn)型程度。有學(xué)者認(rèn)為綠色發(fā)展應(yīng)被概括到制造企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程， 并從效益提升、 創(chuàng)新驅(qū)動(dòng)和綠色發(fā)展三個(gè)維度構(gòu)建了區(qū)域制造業(yè)數(shù)字化轉(zhuǎn)型指數(shù)評(píng)估體系（王和勇和姜觀尚，2022）。

（二）基于機(jī)器學(xué)習(xí)的文本分析法

基于機(jī)器學(xué)習(xí)的文本分析法已成為各行各業(yè)評(píng)估數(shù)字化轉(zhuǎn)型指數(shù)的主流方法。楊德明和劉泳文（2018）對(duì)企業(yè)年報(bào)進(jìn)行文本分析， 測(cè)算出單一技術(shù)“互聯(lián)網(wǎng)+”相關(guān)關(guān)鍵詞在企業(yè)年報(bào)中的出現(xiàn)頻次， 從而判斷該企業(yè)與互聯(lián)網(wǎng)的融合程度。戚聿東和蔡呈偉（2020）對(duì)我國(guó)非高新技術(shù)制造業(yè)上市公司年報(bào)信息進(jìn)行分詞， 并使用Gephi軟件根據(jù)相關(guān)性對(duì)關(guān)鍵詞進(jìn)行分類， 最終使用樣本企業(yè)年報(bào)中關(guān)鍵詞占當(dāng)年同行業(yè)全部企業(yè)同類關(guān)鍵詞出現(xiàn)總量的權(quán)重作為數(shù)字化轉(zhuǎn)型指數(shù)度量指標(biāo)。

吳非等（2021）認(rèn)為， 企業(yè)年報(bào)中的數(shù)字化轉(zhuǎn)型特征詞能夠反映企業(yè)的戰(zhàn)略特征和未來發(fā)展趨勢(shì)， 在一定程度上體現(xiàn)了企業(yè)的經(jīng)營(yíng)理念與未來發(fā)展路徑， 因此使用文本分析法通過統(tǒng)計(jì)數(shù)字化轉(zhuǎn)型特征詞在企業(yè)年報(bào)中的詞頻來刻畫企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。任碧云和郭猛（2021）使用無形資產(chǎn)明細(xì)內(nèi)容中與數(shù)字經(jīng)濟(jì)相關(guān)部分占無形資產(chǎn)總額的百分比， 同時(shí)結(jié)合文本分析法對(duì)企業(yè)數(shù)字化水平進(jìn)行測(cè)度。陳慶江（2021）認(rèn)為， 數(shù)字化轉(zhuǎn)型相關(guān)特征詞在上市公司年度報(bào)告等較正式的文件中出現(xiàn)的頻次越高， 代表著企業(yè)在這一特定方面投入的關(guān)注和資源越多， 因此使用文本分析方法， 通過計(jì)算企業(yè)年報(bào)數(shù)字化轉(zhuǎn)型特征詞的詞頻來評(píng)估企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。此外， 越來越多的學(xué)者傾向于對(duì)企業(yè)年報(bào)進(jìn)行文本詞頻分析以測(cè)算企業(yè)數(shù)字化轉(zhuǎn)型水平（黃逵友和霍春輝，2023）。

因此， 本文使用Python軟件在巨潮資訊網(wǎng)爬取2012 ～ 2021年A股制造業(yè)29個(gè)行業(yè)上市公司的年報(bào)信息， 利用基于機(jī)器學(xué)習(xí)的文本分析方法， 在構(gòu)建數(shù)字化轉(zhuǎn)型詞庫對(duì)企業(yè)年報(bào)進(jìn)行詞頻分析的基礎(chǔ)上， 對(duì)詞庫中五大主題使用熵值法進(jìn)行賦權(quán)從而計(jì)算企業(yè)數(shù)字化轉(zhuǎn)型詞頻指數(shù)。隨后增加了對(duì)企業(yè)年報(bào)信息的情感分析以計(jì)算企業(yè)年報(bào)所體現(xiàn)的數(shù)字化情緒。最終使用數(shù)字化詞頻指數(shù)與數(shù)字化情緒指數(shù)綜合測(cè)算制造企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。

三、 制造業(yè)數(shù)字化轉(zhuǎn)型指數(shù)評(píng)估流程

（一）數(shù)據(jù)來源

“數(shù)字化轉(zhuǎn)型”最早于2012年由國(guó)際商業(yè)機(jī)器公司（IBM）提出， 因此本文選擇2012 ～ 2021年我國(guó)A股上市制造企業(yè)的數(shù)據(jù)， 并對(duì)數(shù)據(jù)進(jìn)行以下處理： 剔除ST、 ?ST企業(yè)及已經(jīng)暫停上市和終止上市的企業(yè)； 剔除在2018年及之后才開始上市的企業(yè)； 僅保留至少連續(xù)三年不存在數(shù)據(jù)缺失、 數(shù)據(jù)異常的企業(yè)。最后共得到2022家樣本企業(yè)的數(shù)據(jù)， 樣本企業(yè)涵蓋了制造業(yè)的29個(gè)細(xì)分行業(yè)， 具體如表1所示， 共計(jì)16098個(gè)“企業(yè)—年度”樣本數(shù)據(jù)， 相關(guān)年報(bào)數(shù)據(jù)均借助Python軟件在巨潮資訊網(wǎng)中爬取得到。

（二）數(shù)字化轉(zhuǎn)型詞庫構(gòu)建

企業(yè)數(shù)字化轉(zhuǎn)型作為當(dāng)前各行各業(yè)的重大戰(zhàn)略， 與其相關(guān)的信息在具有總結(jié)性特征的企業(yè)年報(bào)中勢(shì)必有所展現(xiàn)， 因此通過企業(yè)年報(bào)中出現(xiàn)的與企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的特征詞頻次來評(píng)估該企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)具有科學(xué)性和可行性。目前， 學(xué)者們提出了不同的數(shù)字化轉(zhuǎn)型詞庫。例如： 潘紅波和高金輝（2022）、 張吉昌和龍靜（2022）使用了吳非等（2021）構(gòu)建的數(shù)字化轉(zhuǎn)型詞庫來計(jì)算企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)； 安同良和聞銳（2022）構(gòu)建了以大數(shù)據(jù)和云計(jì)算、 人工智能、 互聯(lián)網(wǎng)和信息系統(tǒng)、 其他為四大主題的數(shù)字化轉(zhuǎn)型詞庫； 李雷（2022）從數(shù)字化底層技術(shù)和數(shù)字化實(shí)踐應(yīng)用層面構(gòu)建了數(shù)字化轉(zhuǎn)型詞庫。

本文將以上述數(shù)字化轉(zhuǎn)型詞庫為基礎(chǔ)， 結(jié)合《國(guó)家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2021）》《國(guó)務(wù)院關(guān)于印發(fā)“十三五”國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃的通知》《國(guó)務(wù)院關(guān)于印發(fā)“十三五”國(guó)家信息化規(guī)劃的通知》《國(guó)務(wù)院關(guān)于印發(fā)“十三五”國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃的通知》《“十四五”信息化和工業(yè)化深度融合發(fā)展規(guī)劃》等政策文件， 進(jìn)一步擴(kuò)充并完善數(shù)字化轉(zhuǎn)型詞庫， 最終形成了圖1所示的數(shù)字化轉(zhuǎn)型詞庫。

（三）結(jié)合熵值法計(jì)算數(shù)字化詞頻指數(shù)

本文借鑒趙宸宇等（2021）及其他多位學(xué)者的方法（李雪松和黨琳，2022；梁琳娜和張國(guó)強(qiáng)，2022）， 結(jié)合熵值法構(gòu)建數(shù)字化詞頻指數(shù)。具體步驟如下： 使用Python軟件在巨潮資訊網(wǎng)爬取2012 ～ 2021年制造企業(yè)A股上市企業(yè)年報(bào)； 通過Python將收集到的年報(bào)文件轉(zhuǎn)化為文本格式； 將數(shù)字化轉(zhuǎn)型詞庫中的130個(gè)詞匯擴(kuò)充到Python 軟件包的“Jieba”中文分詞庫中； 基于機(jī)器學(xué)習(xí)的方法對(duì)企業(yè)年報(bào)進(jìn)行文本分析， 統(tǒng)計(jì)得到數(shù)字化轉(zhuǎn)型詞庫中130個(gè)數(shù)字化轉(zhuǎn)型特征詞在企業(yè)年報(bào)中出現(xiàn)的頻率； 對(duì)人工智能技術(shù)、 大數(shù)據(jù)技術(shù)、 云計(jì)算技術(shù)、 區(qū)塊鏈技術(shù)、 數(shù)字技術(shù)應(yīng)用五大主題分類別進(jìn)行詞頻統(tǒng)計(jì)。

首先， 分別統(tǒng)計(jì)獲取所有制造企業(yè)年報(bào)文本數(shù)字化轉(zhuǎn)型詞庫五大主題詞頻信息， 共計(jì)得到16098條數(shù)據(jù)。然后以該數(shù)據(jù)為數(shù)據(jù)源， 計(jì)算數(shù)字化轉(zhuǎn)型詞庫五大主題權(quán)重。最后， 根據(jù)各主題權(quán)重與年報(bào)中數(shù)字化轉(zhuǎn)型特征詞的詞頻計(jì)算數(shù)字化詞頻指數(shù)。具體步驟如下：

第一步： 五大主題詞頻統(tǒng)計(jì)。使用Python軟件將數(shù)字化轉(zhuǎn)型詞庫中的特征詞與爬取的企業(yè)年報(bào)進(jìn)行匹配， 統(tǒng)計(jì)各詞條頻次， 進(jìn)而歸類統(tǒng)計(jì)各主題頻次， 最終得到16098條包含各主題頻次的數(shù)據(jù)。

第二步： 對(duì)第一步得到的各主題頻次的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理， Xij'=（Xij-min｛X1j，X2j，…，Xnj｝）/（max｛X1，X2，…，Xn｝-min｛X1，X2，…，Xn｝）+0.000000001。其中， Xij為第i個(gè)企業(yè)的j項(xiàng)主題詞頻， Xij'為經(jīng)過標(biāo)準(zhǔn)化處理后的主題詞頻， 為避免出現(xiàn)空值而導(dǎo)致計(jì)算不出結(jié)果， 因此添加無窮小值0.000000001。

數(shù)字化轉(zhuǎn)型詞庫五大主題權(quán)重計(jì)算結(jié)果如表2所示。其中區(qū)塊鏈技術(shù)占比最大（權(quán)重為0.3078，排名第一）， 其次是云計(jì)算技術(shù)（權(quán)重為0.2204，排名第二）、 人工智能技術(shù)（權(quán)重為0.2033，排名第三）， 權(quán)重較小的有數(shù)字技術(shù)應(yīng)用（權(quán)重為0.1419，排名第四）及大數(shù)據(jù)技術(shù)（權(quán)重為0.1267，排名第五）。

（四）數(shù)字化情緒指數(shù)計(jì)算

對(duì)我國(guó)A股上市制造企業(yè)年報(bào)進(jìn)行數(shù)字化詞頻指數(shù)的計(jì)算之后， 本文主要借鑒Kriebel（2019）的做法計(jì)算企業(yè)年報(bào)中的數(shù)字化情緒指數(shù)， 即測(cè)度年報(bào)中存在的數(shù)字化轉(zhuǎn)型詞庫中的特征詞上下文的積極性， 這種做法仍被應(yīng)用于測(cè)度企業(yè)年報(bào)其他類型特征詞情緒及管理層語調(diào)中（Tetlock和Saar-Tsechansky，2008；Feldman和Govindaraj，2010）。這種方法的原理如下： 數(shù)字化轉(zhuǎn)型成功的企業(yè)在年度報(bào)告中對(duì)數(shù)字化轉(zhuǎn)型相關(guān)特征詞的評(píng)價(jià)會(huì)更積極， 而數(shù)字化轉(zhuǎn)型失敗的企業(yè)則不傾向于表現(xiàn)出積極情緒， 甚至表現(xiàn)出消極情緒， 因此企業(yè)年報(bào)中所體現(xiàn)的數(shù)字化情緒在一定程度上能夠反映出該企業(yè)的數(shù)字化轉(zhuǎn)型水平。

具體而言， 本文首先識(shí)別年報(bào)中所有存在于數(shù)字化轉(zhuǎn)型詞庫中的特征詞， 確定其所在位置后， 存儲(chǔ)該位置前后10個(gè)包括標(biāo)點(diǎn)符號(hào)在內(nèi)的所有字符， 使用Py

（五）數(shù)字化轉(zhuǎn)型指數(shù)計(jì)算

由上文可得到企業(yè)年報(bào)的數(shù)字化詞頻指數(shù)與數(shù)字化情緒指數(shù)。數(shù)字化詞頻指數(shù)顯示了年報(bào)中數(shù)字化轉(zhuǎn)型特征詞的數(shù)量， 反映了該企業(yè)對(duì)于數(shù)字化轉(zhuǎn)型的重視程度及相關(guān)戰(zhàn)略布局； 數(shù)字化情緒指數(shù)通過企業(yè)年報(bào)中數(shù)字化轉(zhuǎn)型特征詞的平均情感指數(shù)判斷該企業(yè)對(duì)于數(shù)字化轉(zhuǎn)型進(jìn)程的主觀評(píng)價(jià)。二者結(jié)合能夠更加全面地反映一家企業(yè)的數(shù)字化轉(zhuǎn)型水平， 因此本文賦予數(shù)字化詞頻指數(shù)與數(shù)字化情緒指數(shù)各50%的權(quán)重計(jì)算企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)， 具體公式如下： DTIi=0.5×Digital_WFIi+0.5×Digital_SIi。其中， DTIi為企業(yè)i的數(shù)字化轉(zhuǎn)型指數(shù)。

四、 制造業(yè)數(shù)字化轉(zhuǎn)型異質(zhì)性分析

（一）2012 ～ 2021年制造業(yè)數(shù)字化轉(zhuǎn)型趨勢(shì)變化

我國(guó)制造業(yè)2012 ～ 2021年數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)原始數(shù)值如表3所示。

由表3可知， 2012 ～ 2021年我國(guó)制造企業(yè)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)及數(shù)字化轉(zhuǎn)型指數(shù)皆呈現(xiàn)逐步上升的趨勢(shì)。將表3進(jìn)行可視化得到圖2， 可知我國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型升級(jí)呈現(xiàn)出三個(gè)增速不同的階段。第一階段為2012 ～ 2015年， 該階段為制造業(yè)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)增速最快的階段， “數(shù)字化轉(zhuǎn)型”在2012年被提出， 各行業(yè)初步了解數(shù)字化轉(zhuǎn)型并逐步有企業(yè)加入數(shù)字化轉(zhuǎn)型的隊(duì)伍中； 第二階段為2015 ～ 2017年， 此階段數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)增速有所下降， 增長(zhǎng)趨勢(shì)更加平緩； 第三階段為2017 ～ 2021年， 此階段數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)增長(zhǎng)速度進(jìn)一步下降， 增長(zhǎng)趨勢(shì)進(jìn)一步放緩?？傮w而言， 2012 ～ 2021年我國(guó)制造業(yè)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)皆為上升的狀態(tài)， 說明我國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型始終在向前推進(jìn)。

（二）制造業(yè)數(shù)字化轉(zhuǎn)型省市異質(zhì)性分析

由于各省市存在經(jīng)濟(jì)水平、 文化水平、 政府政策的差異， 企業(yè)發(fā)展不免受到環(huán)境的影響和制約， 因此企業(yè)數(shù)字化轉(zhuǎn)型可能存在省市異質(zhì)性。為了研究我國(guó)制造企業(yè)數(shù)字化轉(zhuǎn)型存在的省市異質(zhì)性， 本文計(jì)算了除我國(guó)香港、 臺(tái)灣、 澳門外的31個(gè)省級(jí)行政區(qū)的樣本企業(yè)的數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)， 從而進(jìn)行省市間的制造業(yè)數(shù)字化比較分析， 31個(gè)省級(jí)行政區(qū)的樣本企業(yè)數(shù)量、 數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)如表4所示。

由表4可知， 數(shù)字化詞頻指數(shù)最高前五個(gè)省市分別為廣東省（4.938）、 北京市（4.876）、 湖北?。?.760）、 上海市（4.605）、 福建?。?.572）； 最低的三個(gè)省市分別為西藏自治區(qū)（3.199）、 云南?。?.016）、 寧夏回族自治區(qū)（2.827）。數(shù)字化情緒指數(shù)最高的前五個(gè)省市為廣東?。?.584）、 北京市（5.490）、 上海市（5.409）、 浙江?。?.359）、 湖北?。?.230）； 最低的三個(gè)省市為山西?。?.468）、 寧夏回族自治區(qū)（4.349）、 云南?。?.818）。數(shù)字化轉(zhuǎn)型指數(shù)最高的前五個(gè)省市為廣東省（5.261）、 北京市（5.183）、 上海市（5.007）、 湖北?。?.995）、 浙江?。?.913）； 最低的三個(gè)省市為山西?。?.021）、 寧夏回族自治區(qū)（3.588）、 云南?。?.417）。我國(guó)31個(gè)省級(jí)行政區(qū)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)分布呈現(xiàn)如下特征： 我國(guó)東部地區(qū)省市制造業(yè)數(shù)字化轉(zhuǎn)型水平要高于我國(guó)中西部地區(qū)的制造業(yè)數(shù)字化轉(zhuǎn)型水平， 西部地區(qū)數(shù)字化轉(zhuǎn)型水平最低。

綜合來看， 通過統(tǒng)一的制造企業(yè)篩選標(biāo)準(zhǔn)篩選各省市樣本企業(yè)后， 廣東省樣本企業(yè)數(shù)量最多（樣本企業(yè)341個(gè)）， 數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)穩(wěn)居第一， 為我國(guó)制造業(yè)數(shù)字化發(fā)展最優(yōu)的省份。主要原因在于： 廣東省制造業(yè)歷史條件優(yōu)越、 政府部門屢屢強(qiáng)調(diào)“制造當(dāng)家”， 產(chǎn)業(yè)的集群發(fā)展也促進(jìn)了廣東省制造業(yè)的數(shù)字化轉(zhuǎn)型。另外， 北京市與上海市作為我國(guó)最發(fā)達(dá)的一線城市， 制造企業(yè)面臨更激烈的競(jìng)爭(zhēng)， 倒逼更多制造企業(yè)參與數(shù)字化轉(zhuǎn)型， 因此企業(yè)數(shù)字化相關(guān)指數(shù)較高。浙江省為高企業(yè)樣本量省份（樣本企業(yè)289個(gè)）， 主要是制造企業(yè)的集群發(fā)展促進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型， 其數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)皆位于所有省級(jí)行政區(qū)的前五位。湖北省在數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)排名中也較靠前， 該省份樣本數(shù)量為54， 非高樣本量的省份， 但湖北省31%的樣本企業(yè)為計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)， 見圖3， 該行業(yè)為29個(gè)行業(yè)中數(shù)字化轉(zhuǎn)型水平排名第二的行業(yè)， 促使湖北省能夠呈現(xiàn)較高的數(shù)字化相關(guān)指數(shù)。

如圖4所示， 福建省34%的制造業(yè)細(xì)分行業(yè)為數(shù)字化相關(guān)指數(shù)排名前五的行業(yè)， 因此數(shù)字化詞頻指數(shù)位于所有省級(jí)行政區(qū)的第五名， 但其省份制造企業(yè)年報(bào)數(shù)字化情緒指數(shù)并未呈現(xiàn)出較高水平， 即年報(bào)中未能較多呈現(xiàn)出對(duì)于數(shù)字化轉(zhuǎn)型結(jié)果良好表現(xiàn)的相關(guān)描述， 導(dǎo)致數(shù)字化轉(zhuǎn)型指數(shù)未能名列前茅。另外， 云南省與寧夏回族自治區(qū)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)及數(shù)字化轉(zhuǎn)型指數(shù)在31個(gè)省級(jí)行政區(qū)中排名最后。寧夏回族自治區(qū)樣本企業(yè)數(shù)量與其他省市相比最低（8個(gè)）， 說明該區(qū)域制造企業(yè)較少， 且該區(qū)域著重發(fā)展食品、 酒等產(chǎn)業(yè)， 故制造企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)較低； 而云南省主要專注于生物醫(yī)藥產(chǎn)業(yè)與旅游產(chǎn)業(yè)的發(fā)展， 相關(guān)政府部門未能給予制造產(chǎn)業(yè)足夠的支持與重視， 因此其制造企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)始終位于較低水平。

（三）制造業(yè)數(shù)字化轉(zhuǎn)型行業(yè)異質(zhì)性分析

本文根據(jù)中國(guó)證監(jiān)會(huì)2012年版《上市公司分類與代碼》對(duì)制造業(yè)行業(yè)進(jìn)行劃分， 各行業(yè)樣本企業(yè)數(shù)量如表5所示。其中： 樣本企業(yè)數(shù)量排名較高的行業(yè)有計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)（樣本企業(yè)數(shù)量為298）、 化學(xué)原料及化學(xué)制品制造業(yè)（樣本企業(yè)數(shù)量為210）、 醫(yī)藥制造業(yè)（樣本企業(yè)數(shù)量為206）； 樣本企業(yè)較少的制造業(yè)細(xì)分行業(yè)有儀器儀表制造業(yè)（樣本企業(yè)數(shù)量為39）、 其他制造業(yè)（樣本企業(yè)數(shù)量為9）、 廢棄資源綜合利用業(yè)（樣本企業(yè)數(shù)量為3）。樣本企業(yè)數(shù)量越多代表行業(yè)企業(yè)數(shù)目越多， 則該行業(yè)企業(yè)面臨的競(jìng)爭(zhēng)壓力越大， 企業(yè)為提升競(jìng)爭(zhēng)力、 順應(yīng)數(shù)字化時(shí)代發(fā)展進(jìn)行數(shù)字化轉(zhuǎn)型的可能性越大。而樣本企業(yè)數(shù)目較少仍保持較好數(shù)字化轉(zhuǎn)型水平則跟行業(yè)性質(zhì)有關(guān)， 如本身傾向于生產(chǎn)智能化、 自動(dòng)化產(chǎn)品的儀器儀表制造業(yè)。樣本企業(yè)數(shù)量越少的行業(yè)， 則說明該行業(yè)的企業(yè)總數(shù)量越少。

制造業(yè)29個(gè)細(xì)分行業(yè)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)如表6所示， 制造業(yè)各行業(yè)數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)、 數(shù)字化轉(zhuǎn)型指數(shù)所表現(xiàn)出的差異性由圖5可直觀得出。由表6及圖5可知： 數(shù)字化詞頻指數(shù)最高的三個(gè)行業(yè)為C40（儀器儀表制造業(yè)）、 C39（計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)）、 C21（家具制造業(yè)）； 最低的三個(gè)行業(yè)為C25（石油加工、 煉焦及核燃料加工業(yè)）、 C42（廢棄資源綜合利用業(yè)）、 C32（有色金屬冶煉及壓延加工業(yè)）。數(shù)字化情緒指數(shù)最高的三個(gè)行業(yè)為C40（儀器儀表制造業(yè)）、 C39（計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)）、 C24（文教、工美、 體育和娛樂用品制造業(yè)）； 最低的三個(gè)行業(yè)為C25（石油加工、煉焦及核燃料加工業(yè)）、 C42（廢棄資源綜合利用業(yè)）、 C22（造紙及紙制品業(yè)）。數(shù)字化轉(zhuǎn)型指數(shù)最高的三個(gè)行業(yè)與數(shù)字化詞頻指數(shù)最高的三個(gè)行業(yè)保持一致， 為C40（儀表儀器制造業(yè)）、 C39（計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)）與C21（家具制造業(yè)）； 數(shù)字化轉(zhuǎn)型水平最低的三個(gè)行業(yè)分別是C42（廢棄資源綜合利用業(yè)）、 C32（有色金屬冶煉及壓延加工業(yè)）、 C25（石油加工、 煉焦及核燃料加工業(yè)）。

五、 結(jié)論

本文通過簡(jiǎn)要回顧企業(yè)數(shù)字化轉(zhuǎn)型測(cè)度相關(guān)研究， 梳理了主流企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)測(cè)算方法， 使用文本分析中的詞頻分析和情感分析結(jié)合熵值法測(cè)算了2012 ～ 2021年十年間我國(guó)31個(gè)省級(jí)行政區(qū)制造業(yè)29個(gè)細(xì)分行業(yè)企業(yè)的數(shù)字化詞頻指數(shù)與數(shù)字化情緒指數(shù)， 最終綜合測(cè)算了制造企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。

主要結(jié)論如下： 其一， 2012 ～ 2021年中國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型水平不斷上升。數(shù)字化詞頻指數(shù)、 數(shù)字化情緒指數(shù)與數(shù)字化轉(zhuǎn)型指數(shù)同步穩(wěn)定上升， 呈現(xiàn)出階段性特征， 且提速漸緩。2012 ～ 2015年數(shù)字化轉(zhuǎn)型水平提升最快， 2015 ～ 2017年提升速度次之， 2017 ～ 2021年上升速度有所放緩。其二， 我國(guó)各省市制造業(yè)數(shù)字化轉(zhuǎn)型水平存在明顯差異。2012 ～ 2021年十年間， 制造業(yè)數(shù)字化詞頻指數(shù)最高前五個(gè)省市分別為廣東?。?.938）、 北京市（4.876）、 湖北?。?.760）、 上海市（4.605）、 福建?。?.572）； 數(shù)字化情緒指數(shù)最高前五個(gè)省市為廣東?。?.584）、 北京市（5.490）、 上海市（5.409）、 浙江?。?.359）、 湖北?。?.230）； 數(shù)字化轉(zhuǎn)型指數(shù)最高的前五個(gè)省市為廣東省（5.261）、 北京市（5.183）、 上海市（5.007）、 湖北?。?.995）、 浙江?。?.913）?？傮w來說， 我國(guó)東部地區(qū)省市制造業(yè)數(shù)字化轉(zhuǎn)型水平最優(yōu)， 其次是中部地區(qū)的制造業(yè)， 我國(guó)西部地區(qū)制造業(yè)數(shù)字化水平相對(duì)而言最差。其三， 我國(guó)制造業(yè)細(xì)分行業(yè)數(shù)字化轉(zhuǎn)型水平參差不齊。我國(guó)制造業(yè)中數(shù)字化詞頻指數(shù)最高的三個(gè)行業(yè)為儀器儀表制造業(yè)、 計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)、 家具制造業(yè)； 數(shù)字化情緒指數(shù)最高的三個(gè)行業(yè)為儀器儀表制造業(yè)、 計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)、 文教、 工美、 體育和娛樂用品制造業(yè)； 數(shù)字化轉(zhuǎn)型指數(shù)最高的三個(gè)行業(yè)與數(shù)字化詞頻指數(shù)最高的三個(gè)行業(yè)保持一致， 為儀表儀器制造業(yè)、 計(jì)算機(jī)、 通信和其他電子設(shè)備制造業(yè)與家具制造業(yè)。

【 主 要 參 考 文 獻(xiàn) 】

埃森哲．2022中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)［EB/OL］．https：//www.accenture.cn/cn-zh/about/newsroom/company-news-release-china-dti-2022，2022-10-28．

安同良，聞銳．中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新的影響機(jī)制及實(shí)證［ J］．現(xiàn)代經(jīng)濟(jì)探討，2022（5）：1 ～ 14．

陳慶江，王彥萌，萬茂豐．企業(yè)數(shù)字化轉(zhuǎn)型的同群效應(yīng)及其影響因素研究［ J］．管理學(xué)報(bào)，2021（5）：653 ～ 663．

范德成，王婭．傳統(tǒng)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其創(chuàng)新的影響研究——以汽車制造企業(yè)為例［ J］．軟科學(xué)，2022（6）：63 ～ 70．

黃逵友，李增福，潘南佩等．企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)收入份額［ J］．經(jīng)濟(jì)評(píng)論，2023（2）：15 ～ 30．

李雪松，黨琳，趙宸宇．?dāng)?shù)字化轉(zhuǎn)型、融入全球創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績(jī)效［ J］．中國(guó)工業(yè)經(jīng)濟(jì)，2022（10）：43 ～ 61．

梁琳娜，張國(guó)強(qiáng)，李浩等．企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效果研究——基于市場(chǎng)績(jī)效和財(cái)務(wù)績(jī)效的分析［ J］．現(xiàn)代管理科學(xué)，2022（5）：146 ～ 155．

劉政，姚雨秀，張國(guó)勝，匡慧妹．企業(yè)數(shù)字化、專用知識(shí)與組織授權(quán)［ J］．中國(guó)工業(yè)經(jīng)濟(jì)，2020（9）：156 ～ 174．

潘紅波，高金輝．?dāng)?shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新——基于中國(guó)上市公司年報(bào)的經(jīng)驗(yàn)證據(jù)［ J］．中南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022（5）：107 ～ 121．

戚聿東，蔡呈偉．?dāng)?shù)字化對(duì)制造業(yè)企業(yè)績(jī)效的多重影響及其機(jī)理研究［ J］．學(xué)習(xí)與探索，2020（7）：108 ～ 119．

任碧云，郭猛．基于文本挖掘的數(shù)字化水平與運(yùn)營(yíng)績(jī)效研究［ J］．統(tǒng)計(jì)與信息論壇，2021（6）：51 ～ 61．

萬倫，王順強(qiáng)，陳希等．制造業(yè)數(shù)字化轉(zhuǎn)型評(píng)價(jià)指標(biāo)體系構(gòu)建與應(yīng)用研究［ J］．科技管理研究，2020（13）：142 ～ 148．

王和勇，姜觀尚．我國(guó)區(qū)域制造業(yè)數(shù)字化轉(zhuǎn)型測(cè)度及其影響機(jī)制［ J］．科技管理研究，2022（2）：192 ～ 200．

吳非，胡慧芷，林慧妍等．企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［ J］．管理世界，2021（7）：130 ～ 144．

楊德明，劉泳文．“互聯(lián)網(wǎng)+”為什么加出了業(yè)績(jī)［ J］．中國(guó)工業(yè)經(jīng)濟(jì)，2018（5）：80 ～ 98．

殷群，田玉秀．?dāng)?shù)字化轉(zhuǎn)型影響高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的機(jī)制［ J］．中國(guó)科技論壇，2021（3）：103 ～ 112．

張吉昌，龍靜．?dāng)?shù)字化轉(zhuǎn)型、動(dòng)態(tài)能力與企業(yè)創(chuàng)新績(jī)效——來自高新技術(shù)上市企業(yè)的經(jīng)驗(yàn)證據(jù)［ J］．經(jīng)濟(jì)與管理，2022（3）：74 ～ 83．

趙宸宇，王文春，李雪松．?dāng)?shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［ J］．財(cái)貿(mào)經(jīng)濟(jì)，2021（7）：114 ～ 129．

Feldman R.， Govindaraj S.， Livnat J.， et al.. Management's tone change，post earnings announcement drift and accruals［ J］．Review of Accounting Studies，2010（15）：915 ～ 953．

Forrester. The digital maturity model 4.0-benchmarks： Digital business transformationplaybook［EB/OL］．https：//www.forrester.com/report/The+Digital+Maturity+Model+40/-/E.RES130881，2016-01-22．

Kriebel J. D. J.. The effect of digital transformation on bank performance［Z］．University of Munster，2019．

Tetlock P. C.， Saar-Tsechansky M.， Macskassy S.. More than words： Quantifying language to measure firms' fundamentals［ J］．The Journal of Finance，2008（3）：1437 ～ 1467．

Vial G.. Understanding digital transformation： A review and a research agenda［ J］．The Journal of Strategic Information Systems，2019（2）：118 ～ 144．

Zhang X.， Peek W. A.， Pikas B.， et al.. The transformation and upgrading of the Chinese manufacturing industry： Based on "German Industry 4.0"［ J］．Journal of Applied Business and Economics，2016（5）：97 ～ 105．