數字經濟對企業(yè)全要素生產率的影響
——基于不同價值鏈的視角

任燦燦

（山西師范大學 經濟與管理學院，太原 030031）

0 引言

數字技術為企業(yè)數字化、智能化發(fā)展和轉型升級提供技術支撐，并逐漸滲透于企業(yè)各個環(huán)節(jié)，成為突破傳統(tǒng)市場束縛、助力企業(yè)提質增效的重要生產要素。已有大量研究關注數字經濟所帶來的紅利，指出數字技術不僅能延續(xù)互聯(lián)網功能，扮演信息媒介的角色，緩解信息不對稱和融資約束[1,2]，改善公司治理水平[3,4]，而且能產生乘數效應，對數據信息進行互聯(lián)互通和綜合集成，使企業(yè)有更高的生產柔性和協(xié)同能力[5]，帶動企業(yè)研發(fā)和技術創(chuàng)新[6]，進而提升企業(yè)全要素生產率[7]，促進產業(yè)轉型升級和經濟高質量發(fā)展[8]。

對于數字經濟指標的衡量，國內學者主要采用兩種方法：一種是基于熵權法、主成分分析法等方法確定數字經濟相關指標的權重并賦值，計算綜合性指標[9,10]，另一種是以與數字經濟相關的典型事件作為替代變量，如“寬帶中國”等數字基礎設施建設[11]、兩化融合[12]等。雖然上述研究為本文提供了理論參考，但在指標衡量上存在一定的局限性：一方面，已有的衡量指標通常僅考慮基于大數據、信息化技術而形成的各類數字基礎設施、數字化服務及相關產出，如互聯(lián)網普及率、互聯(lián)網從業(yè)人數、數字普惠金融指數等，忽略了數字技術在實體經濟領域的應用，割裂了數字經濟與實體經濟的內在融合性；另一方面，在指標體系構建過程中忽略了數字經濟在不同價值鏈領域的發(fā)展差異以及相應的經濟效應差異。為彌補已有研究的不足，本文從業(yè)務鏈、管理鏈、服務鏈的價值鏈視角，構建數字經濟指標體系，并據此探究不同價值鏈數字經濟對實體企業(yè)的影響機理。

1 研究假設

隨著大數據、人工智能、區(qū)塊鏈等信息化和數字化技術與實體經濟不斷深入融合，數字技術在打破傳統(tǒng)經濟發(fā)展模式、促進信息互聯(lián)互通等方面的作用愈發(fā)重要，并逐漸成為賦能企業(yè)高質量發(fā)展的高級要素。具體而言：從業(yè)務鏈視角來看，數字經濟主要表現為實體經濟業(yè)務活動中涉及和使用的數字化技術，包括數字化平臺的使用、數字化技術或軟件合同的交易等?；谶@一視角，數字技術為企業(yè)提供了更便捷的交易渠道，拓寬了實體企業(yè)的需求市場，同時增加了因數字技術帶來的新型業(yè)務，豐富企業(yè)業(yè)務類型，進而提高業(yè)務多元化程度。業(yè)務多元化使企業(yè)現有資源得到更充分的利用，并分散因單一業(yè)務發(fā)展模式導致的經營風險，進而提高市場競爭力和全要素生產率。從管理鏈視角來看，數字經濟主要是指用于提升管理效率的數字技術和服務，如財務共享中心。企業(yè)財務共享中心的建設和使用有利于促進集團企業(yè)內部財務及非財務信息實現實時共享和集成，在降低財務成本的同時提高財務分析和決策效率，從而提高財務信息質量和決策有用性，助力企業(yè)轉型和高質量發(fā)展。從服務鏈視角來看，數字經濟主要表現為采用數字化、信息化技術和手段為實體經濟提供基礎設施建設、金融支持、政務服務等各類服務。服務鏈數字經濟發(fā)展程度越高，越能為企業(yè)發(fā)展提供融資、決策等環(huán)境保障，進而降低融資成本，緩解企業(yè)內部資源配置不當問題，提高全要素生產率。綜合以上分析，本文提出如下假設：

假設1：數字經濟與企業(yè)全要素生產率呈正相關關系。

假設2：業(yè)務鏈數字經濟有利于實現業(yè)務多元化，進而提升企業(yè)全要素生產率。

假設3：管理鏈數字經濟通過改善企業(yè)財務信息質量來提升企業(yè)全要素生產率。

假設4：服務鏈數字經濟能緩解企業(yè)融資約束，進而提升企業(yè)全要素生產率。

2 研究設計

2.1 模型設定

構建模型（1）檢驗數字經濟對企業(yè)全要素生產率的影響：

其中，TFP代表企業(yè)全要素生產率；Dig代表數字經濟水平；Controls代表其他控制變量。

數字經濟對企業(yè)全要素生產率的影響可能因企業(yè)異質性而存在差異。為此，構建模型（2）檢驗產權、地區(qū)、數字化轉型程度和行業(yè)異質性的調節(jié)效應：

2.2 變量選取

（1）被解釋變量：企業(yè)全要素生產率（TFP）。企業(yè)全要素生產率是指所有能帶來產出增加的因素中，剔除資本和勞動投入的貢獻后，其他因素所產生的貢獻總和，通常被用于解釋規(guī)模效應、技術進步、管理效率等的提升，是當前衡量企業(yè)高質量發(fā)展的關鍵變量。常用的衡量方法包括普通最小二乘法（OLS法）、固定效應法（FE法）、半參數LP法和OP法、最大似然估計GMM法?？紤]到企業(yè)層面的全要素生產率估計可能存在同時性偏差和樣本選擇偏誤，直接采用OLS法計算獲得的全要素生產率存在偏差，而采用半參數LP法時，投資額為0的企業(yè)樣本不能被估計，導致樣本損失。因此，本文采用半參數LP法估計被解釋變量，并以OLS法、OP法和GMM法重新測算后進行穩(wěn)健性檢驗。

（2）解釋變量：數字經濟指數（Dig）。為彌補已有數字經濟指標對不同價值鏈考慮不全的問題，本文基于價值鏈視角，從業(yè)務鏈、管理鏈、服務鏈三個層面構建數字經濟指標體系，最終形成數字經濟總指數（Dig）和業(yè)務鏈數字經濟（Dig_S1）、管理鏈數字經濟（Dig_S2）和服務鏈數字經濟（Dig_S3）三個一級指標。其中，業(yè)務鏈數字經濟指標包括數字平臺、數字交易、數字業(yè)務三個二級指標；管理鏈數字經濟細化為數字財務這個二級指標；服務鏈數字經濟指標包括數字設施和數字服務兩個二級指標。具體指標見表1。為便于比較，先對數據進行標準化處理，由此計算后獲得的各指標數據具有一致量綱，數值越大則表示指標的水平越高。在權重處理上，采用熵值法為指標賦權，計算數字經濟指數。

表1 數字經濟指標體系構建

（3）中介變量：風險承擔水平（Risk）。用企業(yè)在樣本期內的ROA 波動程度來度量企業(yè)風險承擔水平，盈余波動性越高，企業(yè)風險承擔水平越高[13]。財務信息質量（DA）。用應計盈余管理程度衡量財務信息質量。應計盈余管理越嚴重，即DA 的絕對值越大，企業(yè)財務信息質量越差[14]。融資約束（KZ）。構建KZ指數衡量企業(yè)融資約束水平。KZ指數為正向指標，該值越大，表明企業(yè)面臨的融資約束越嚴重[15]。

（4）控制變量：企業(yè)規(guī)模（Size），以企業(yè)期末總資產取對數衡量；資產負債率（Lev），以期末負債總額/期末總資產衡量；資產收益率（ROA），以當期凈利潤/期末總資產來衡量；企業(yè)價值（TQ），用托賓Q 值來表示；董事會規(guī)模（Board），以期末董事會人數的對數形式衡量；獨立董事占比（Indep），用期末獨立董事人數/董事會總人數來表證；產權屬性（SOE），若為國有企業(yè)，則SOE 取值為1，否則取值為0；企業(yè)年齡（Age），即ln（當年年份-公司成立年份+1）；股權集中度（Top1），第一大股東持股比例；股權制衡量（Balance），第二到第五大股東持股比例之和/第一大股東持股比例；審計質量（Big4），若企業(yè)年報的審計單位為四大審計事務所，則取值為1，否則為0；以及年度（Year）和行業(yè)（IND）虛擬變量。

2.3 樣本選取和數據處理

本文構建的數字經濟指標體系中，數字政府指標所涉及的數據評估工作最早從2015 年開始，截至目前共發(fā)布2015—2021 年的評估報告。其中2015—2020 年的報告中，公布了各省級政府網上政務服務能力總指數及具體指數的詳細數據，2021 年發(fā)布的評估報告中，僅以“好”“中”“差”進行滿意度評價，未體現具體指標大小?？紤]到數據的一致性，選取2015—2020 年滬深A 股非金融行業(yè)上市公司的年度-企業(yè)面板數據為研究樣本。具體數據來源說明如下：（1）數字財務指標中財務共享中心建設情況通過對上市公司年報進行文本分析和手工整理獲得。從上市公司年報中提取關鍵字段“共享服務”“財務共享”進行篩選，剔除非本公司的關鍵詞，以及關鍵詞前存在“沒”“無”“不”等否定詞語的表述，最終確定上市公司是否建立財務共享服務中心。（2）數字金融指標相關數據來源于北京大學發(fā)布的數字普惠金融指數，數字政府指標相關數據來源于《省級政府和重點城市網上政務服務能力調查評估報告》。其他數字經濟指標體系中涉及的數據主要來源于《中國統(tǒng)計年鑒》。

計算省份數字經濟指數后，將樣本企業(yè)所在省份與數字經濟指數相匹配，作為解釋變量的取值。上市公司財務數據主要來源于CSMAR 和Wind 數據庫。為剔除極端值的影響，本文對所有連續(xù)變量進行上下1%縮尾處理，最終獲得11648個有效樣本。

3 實證分析

3.1 描述性統(tǒng)計

表2展示了核心變量的描述性統(tǒng)計。其中，TFP均值為8.53，最小值和最大值分別為5.34 和13，可見樣本企業(yè)間全要素生產率存在顯著差距。解釋變量Dig 均值為0.41，最小值為0.05，最大值為0.78，標準差為0.22，表明我國上市公司所在省份的數字經濟水平差距較大。具體到一級指標，業(yè)務鏈數字經濟Dig_S1 均值為0.31，各省份間發(fā)展差距較大，而管理鏈數字經濟Dig_S2 和服務鏈數字經濟Dig_S3 均值為0.02，標準差較小，表明各省份發(fā)展水平整體偏低，且省份間差異較小。其他變量均在預期范圍內，限于篇幅，本文未列出，不再贅述。

表2 主要變量描述性統(tǒng)計結果

3.2 基準回歸結果

表3 為基準回歸結果。其中，列（1）以數字經濟總指數作為解釋變量，列（2）至列（4）以一級指標業(yè)務鏈數字經濟、管理鏈數字經濟和服務鏈數字經濟作為解釋變量。由列（1）可知，解釋變量Dig 的回歸系數為0.306，在1%的水平上顯著為正，表明從整體來看，數字經濟指數越高，企業(yè)全要素生產率也越高，數字經濟對于促進企業(yè)高質量發(fā)展具有顯著賦能效應，初步驗證了假設1。由列（2）至列（4）可知，業(yè)務鏈數字經濟Dig_S1和服務鏈數字經濟Dig_S3與企業(yè)全要素生產率TFP的回歸系數在1%的水平上顯著為正，業(yè)務鏈和服務鏈數字經濟的發(fā)展能有效賦能實體企業(yè)高質量發(fā)展，而管理鏈數字經濟Dig_S2的回歸系數不顯著，財務共享中心建設尚未對企業(yè)全要素生產率的提升產生積極效應。這表明假設2和假設4基本成立，而假設3不成立。

表3 基準回歸結果

3.3 分位數回歸結果

表3采用均值回歸方法，側重關注數字經濟與企業(yè)全要素生產率關系的集中趨勢，忽略了不同分位數的差異化影響。為此，對原模型分別進行25%、50%和75%分位數回歸，檢驗數字經濟賦能的整體表現，結果見表4。其中，數字經濟總指數Dig的回歸系數在三個分位數檢驗中均顯著，且不存在顯著性差異，說明從總指數來看，數字經濟對不同分位點企業(yè)全要素生產率的影響基本一致，數字經濟已成為助力企業(yè)發(fā)展的關鍵生產要素。業(yè)務鏈數字經濟Dig_S1和服務鏈數字經濟Dig_S3的回歸系數雖然均顯著為正，但三個分位的回歸系數在10%的水平上存在顯著差異。對比回歸系數發(fā)現，25%分位點均大于50%分位點，75%分位點的回歸系數最小，表明業(yè)務鏈數字經濟和服務鏈數字經濟對全要素生產率較低的企業(yè)影響更大，企業(yè)發(fā)展質量越高，數字經濟的邊際貢獻越小。受要素稟賦、市場化水平、議價能力等因素的影響，部分企業(yè)全要素生產率低于平均水平，有較大的提升潛力。數字經濟發(fā)展為企業(yè)提供了更公平透明的競爭市場，有利于改善企業(yè)融資能力，提高市場競爭力，為低全要素生產率企業(yè)突破發(fā)展瓶頸提供良好的環(huán)境，進而對發(fā)展質量較低的企業(yè)產生更大的邊際貢獻。此外，管理鏈數字經濟Dig_S2 在三個分位點處的回歸系數均不顯著，表明管理鏈數字經濟的賦能效應尚未得到充分體現，進一步驗證了假設1至假設4。

表4 分位數回歸結果

3.4 穩(wěn)健性檢驗

為確保實證結果穩(wěn)健，本文開展以下穩(wěn)健性檢驗：（1）改變關鍵變量衡量方法。對于解釋變量，參考已有文獻，分別采用文獻[8,9]的方法重新衡量，作為本文解釋變量重新進行回歸；對于被解釋變量，分別采用OLS 法、OP 法和GMM法測量企業(yè)全要素生產率后重新參與回歸。（2）多時點雙重差分檢驗。雖然數字經濟指數為宏觀層面變量，數字經濟水平受到單個企業(yè)的影響較小，但仍可能由于測量誤差、遺漏變量等原因導致內生性問題。為此，借助“寬帶中國”這一外生政策沖擊進行雙重差分檢驗。（3）以數字經濟一級指標Dig_S1、Dig_S2、Dig_S3 分別設定模型可能影響實證結果的可靠性。為此，將三個一級指標同時作為解釋變量，對比其回歸系數和顯著性。結果顯示，三個一級指標中，業(yè)務鏈數字經濟Dig_S1 和服務鏈數字經濟Dig_S3 在1%的水平上顯著為正，管理鏈數字經濟Dig_S2的回歸系數不顯著。對比回歸系數發(fā)現，服務鏈數字經濟Dig_S3 的回歸系數遠大于業(yè)務鏈數字經濟Dig_S1，表明從不同價值鏈視角，服務鏈數字經濟的賦能效應最佳，業(yè)務鏈數字經濟次之，而管理鏈數字經濟的作用不顯著，與正文結論一致。檢驗結果均與正文保持一致，限于篇幅，結果未列出。

4 進一步分析

4.1 中介效應檢驗

由于管理鏈數字經濟的正向效應未得到驗證，因此本文不再檢驗其影響機制，側重關注業(yè)務鏈數字經濟和服務鏈數字經濟的作用機理。表5 為中介效應檢驗結果。由列（1）可知，Dig_S1 與HHI 在5%的水平上顯著為負，表明業(yè)務鏈數字經濟能降低業(yè)務集中度，提高業(yè)務多元化水平；對比表5 列（2）與表4 列（1）的結果發(fā)現，原模型中加入業(yè)務多元化變量后，HHI的回歸系數顯著為負，業(yè)務多元化顯著提升了企業(yè)全要素生產率，而此時Dig_S1的回歸系數相較之前變小，表明業(yè)務多元化在其中發(fā)揮部分中介效應。由列（3）可知，Dig_S2 與KZ 在10%的水平上顯著為負，服務鏈數字經濟的發(fā)展能有效緩解企業(yè)融資約束；將表5列（4）與表4列（3）的結果對比發(fā)現，原模型中加入融資約束變量后，KZ的回歸系數顯著為負，表明融資約束是制約企業(yè)全要素生產率提升的關鍵因素，而此時Dig_S3的回歸系數相較之前變小，表明融資約束在其中發(fā)揮部分中介效應。

表5 中介效應檢驗結果

4.2 異質性檢驗

4.2.1 產權異質性

受政府扶持力度、金融資金傾斜等影響，相比國有企業(yè)，非國有企業(yè)面臨更嚴重的要素約束。數字經濟一方面為非國有企業(yè)提供新的數據要素，形成新的經濟發(fā)展驅動力，另一方面促進市場互聯(lián)互通，提高市場公平性和競爭性，實現傳統(tǒng)要素優(yōu)化配置。因此，數字經濟對非國有企業(yè)的賦能效應更為顯著。構建產權性質SOE和數字經濟Dig的交乘項后，對模型（2）進行檢驗。結果見下頁表6列（1）。可見，交乘項SOE×Dig的回歸系數在1%的水平上顯著為負，驗證了這一猜想。

表6 異質性檢驗結果

4.2.2 區(qū)域異質性

受地區(qū)資源稟賦、技術水平差異影響，東部地區(qū)市場化水平和資源配置效率普遍較高，資本、勞動等傳統(tǒng)要素對經濟增長的貢獻率也較高，因而數字經濟為東部地區(qū)企業(yè)高質量發(fā)展帶來的提升效應較小。反之，中西部地區(qū)的市場化水平遠低于東部地區(qū)，信息傳遞效率低下，其中中部地區(qū)次之，西部地區(qū)最差。數字經濟發(fā)展有利于建立信息溝通橋梁、緩解信息不對稱和優(yōu)化市場環(huán)境，能顯著改善和破除中西部地區(qū)經濟發(fā)展障礙，為市場化程度較低的中西部地區(qū)企業(yè)帶來更大的發(fā)展?jié)摿涂臻g。設置區(qū)域變量Area，若企業(yè)所在省份屬于東部地區(qū)，則Area 賦值為1；若屬于中部地區(qū)，則賦值為2；若屬于西部地區(qū)，則賦值為3。構建區(qū)域變量Area 和數字經濟Dig 的交乘項后，對模型（2）進行檢驗。結果見表6列（2）?？梢?，Area的回歸系數在1%的水平上顯著為負，市場化程度越高，企業(yè)全要素生產率水平也越高，而交乘項Area×Dig 的回歸系數在1%的水平上顯著為正，表明數字經濟的賦能效應在中西部地區(qū)顯著高于東部地區(qū)。

4.2.3 企業(yè)數字化轉型異質性

企業(yè)數字化轉型是數字經濟與實體企業(yè)深度融合在微觀層面的體現。企業(yè)數字化轉型程度越高，一方面越可能利用數字技術對海量信息進行挖掘、處理，并結合地區(qū)數字基礎設施建設進行數據綜合集成，提高企業(yè)決策科學性和智能性，改善資源配置效率，另一方面越可能構建以數據驅動為關鍵特征的新經濟形態(tài)，創(chuàng)新商業(yè)模式，以提升全要素生產率。此時，數字經濟對企業(yè)高質量發(fā)展的賦能效應越強。設置企業(yè)數字化轉型變量Dcg，以上市公司公布的年度報告中與人工智能技術、大數據技術、云計算技術和區(qū)塊鏈技術相關的關鍵詞詞頻的自然對數來衡量[16]，并構建數字化轉型變量Dcg 和數字經濟Dig 的交乘項，對模型（2）進行檢驗。結果見表6列（3）?？梢姡珼cg在1%的水平上顯著為正，企業(yè)數字化轉型能顯著提升企業(yè)全要素生產率，交乘項Dcg×Dig 的回歸系數在5%的水平上顯著為正，表明企業(yè)數字化轉型和省份數字經濟的同步發(fā)展能產生聯(lián)動效應，數字化轉型程度越高，越能提升數字經濟的積極效應。

4.2.4 行業(yè)異質性

不同行業(yè)對研發(fā)、技術創(chuàng)新的需求存在差異。數字經濟能有效改善企業(yè)融資約束和技術競爭環(huán)境，促進企業(yè)創(chuàng)新和全要素生產率提升，這一效果在更加重視研發(fā)創(chuàng)新的高新技術行業(yè)中更明顯。因此，數字經濟對高新技術行業(yè)企業(yè)的全要素生產率影響更顯著。設置高新技術行業(yè)變量HighTech，若其所在行業(yè)為化學藥品制造業(yè)、電子設備制造業(yè)、信息技術服務業(yè)、科學研究和技術服務業(yè)等高新技術行業(yè)，則HighTech 賦值為1，否則為0[17]。構建高新技術行業(yè)變量HighTech和數字經濟Dig的交乘項，對模型（2）進行檢驗。結果見表6列（4）。可見，HighTech×Dig的回歸系數在10%的水平上顯著為正，表明相比非高新技術行業(yè)，數字經濟對高新行業(yè)企業(yè)的全要素生產率影響更顯著。

5 結論及建議

本文基于不同價值鏈視角構建數字經濟指標體系，以2015—2020 年上市公司為研究樣本探究了數字經濟對企業(yè)全要素生產率的賦能效應。研究發(fā)現，數字經濟與企業(yè)全要素生產率顯著正相關，數字經濟發(fā)展能促進企業(yè)全要素生產率提升。不同價值鏈視角下的數字經濟產生的積極效應存在差異，業(yè)務鏈數字經濟和服務鏈數字經濟對企業(yè)全要素生產率的影響顯著為正，通過促進企業(yè)業(yè)務多元化、緩解融資約束提高企業(yè)全要素生產率水平。而管理鏈數字經濟的作用效果不顯著。此外，數字經濟對發(fā)展質量較低企業(yè)的邊際貢獻更大。上述積極效應在非國有企業(yè)、市場化程度較低的地區(qū)、數字化轉型程度較高的企業(yè)和高新技術行業(yè)更顯著。

為此，本文提出如下建議：（1）應進一步完善數字經濟發(fā)展的頂層設計和網絡、數據安全的制度保障；（2）更加注重區(qū)域協(xié)調發(fā)展，大力扶持中西部地區(qū)數字基礎設施建設，發(fā)揮數字經濟對落后地區(qū)的賦能效應，縮小數字鴻溝；（3）加快建設數字政府，提高電子政務服務能力；（4）靈活引進數智化人才，并建立健全人才考核機制，積極推進數字化科研成果投向業(yè)務領域；（5）應積極推進財務共享在集團企業(yè)的運用，并促進財務系統(tǒng)從傳統(tǒng)財務會計信息系統(tǒng)向現代管理會計決策支持系統(tǒng)的轉變。