企業(yè)數字化轉型會影響市場勢力嗎？

摘 要：數字化轉型是許多企業(yè)重塑市場勢力的重要選擇，那么數字化轉型對企業(yè)市場勢力多方面帶來的影響。本文以2012—2021 年中國滬深A 股上市公司為研究樣本，實證檢驗企業(yè)數字化轉型對市場勢力的影響和作用機制。研究發(fā)現，企業(yè)數字化轉型與市場勢力存在U 型關系，在數字化轉型初期，主要由于企業(yè)成本增加和數字化對創(chuàng)新暫時性的抑制作用，使得市場勢力下降；隨著數字化轉型的深入和成熟，企業(yè)的邊際成本下降、創(chuàng)新能力的提高，最終使得市場勢力提升。此外，企業(yè)自身的成本控制能力正向調節(jié)了數字化轉型對市場勢力的影響，這種作用主要體現在拐點之后，拐點之后企業(yè)成本控制能力越強，數字化轉型對市場勢力的影響越大。市場競爭程度也正向調節(jié)了數字化轉型對市場勢力的影響，但這種作用主要體現在拐點之前，拐點之前市場競爭程度越激烈，數字化轉型對市場勢力的影響越大。本文結論為如何利用數字化轉型提升企業(yè)市場勢力提供了理論支持和經驗證據。

關鍵詞：數字化轉型；市場勢力；成本效應；創(chuàng)新效應

DOI：10.19313/j.cnki.cn10-1223/f.20240906.004

一、引 言

近年來，我國數字技術和數字經濟蓬勃發(fā)展。習近平總書記在黨的二十大報告中指出：“堅持把發(fā)展經濟的著力點放在實體經濟上?！薄按龠M數字經濟和實體經濟深度融合?！痹谛畔⒒瘯r代，為了實現這一目標，必須努力促進數字經濟與實體經濟的深度整合中，加快企業(yè)數字化轉型。企業(yè)數字化轉型，涉及企業(yè)產品服務形態(tài)、組織結構、商業(yè)模式等領域的全方位變革。數字化帶來了企業(yè)技術范式的徹底革命，數字技術在具體生產過程中的應用也十分復雜，這不僅給企業(yè)帶來了機遇，也帶來了挑戰(zhàn)。數字化轉型給企業(yè)插上數字化的翅膀（劉九如，2023），企業(yè)可以生產出差異化和更高質量的產品，獲得更多的利潤，同時數字化技術的運用可以提高企業(yè)的生產效率、降低企業(yè)的邊際成本，這都將影響企業(yè)的市場勢力。但是，部分企業(yè)的數字化轉型僅僅限于部分環(huán)節(jié)的數字化轉型，而非生產經營整體的數字化轉型，導致轉型的部分環(huán)節(jié)難以有效融入產品或服務的價值創(chuàng)造過程，既影響企業(yè)整體運作效率又造成了資金的浪費，這必然有損企業(yè)的市場勢力。數字技術對于企業(yè)的生產方式等具有的顛覆性的影響（Nambisan et al.，2017），也會對市場勢力產生影響，從而需要充分考慮到企業(yè)數字化轉型對企業(yè)價格加成的影響，才能更好地推動企業(yè)運用數字技術，助力企業(yè)獲得市場勢力和發(fā)展。因此，數字化轉型如何影響企業(yè)的市場勢力是值得關注的問題。

當前，數字經濟、數字產業(yè)、數字化轉型已經成為炙手可熱的研究議題（許憲春等，2021）。已有研究在宏觀層面上，表明數字化轉型能夠緩解產業(yè)結構趨同程度（王淑英和張遠芳，2022），促進企業(yè)高質量發(fā)展（荊文君和孫寶文，2019）；在微觀層面一些學者對于企業(yè)數字化轉型對投入產出效率的影響（劉淑春等，2021）、企業(yè)創(chuàng)新（付劍茹和王可，2022）、企業(yè)社會責任（肖紅軍和商慧辰，2022）、企業(yè)ESG 表現（胡潔等，2023）和內部收入不平等（李樹和王雨，2023）等方面進行了研究。關于數字化影響企業(yè)競爭力的文獻表明，數字化與終端用戶的密切關系也能夠加強企業(yè)在數字經濟中的競爭地位（Mosch et al.，2021）。但是，由于數字化使得信息更加透明，導致現有企業(yè)的競爭優(yōu)勢難以維持（Hinings et al.，2018）。企業(yè)數字化轉型對企業(yè)市場競爭的影響的研究結論并不一致，也主要集中于市場競爭力并且也多是理論分析。市場勢力不同于市場競爭力，市場競爭力更多強調企業(yè)的優(yōu)勢，而市場勢力則是將價格提高到邊際成本以上的能力（Tamaschkeet al.，2005），是企業(yè)對產品價格的影響與控制所體現出的某種市場支配力量（張小蒂和朱勤，2007），主要取決于產品的價格和邊際成本。與本文較為接近的文獻中提及了信息通信技術（ICT）對市場勢力正向影響，但這種影響只能通過生產效率發(fā)揮作用（Rodríguez-Moreno and Rochina-Barrachina，2019）。數字化投入屬于企業(yè)對知識和生產力的投資，這會影響企業(yè)將價格設定在邊際成本之上的能力（Rodríguez-Moreno and Rochina-Barrachina，2019），特別在美國的大型企業(yè)中，對專用軟件的投資會提升其價格加成（Bessen and Righi，2019）。但是IT 的加速發(fā)展也會使得企業(yè)內部的加成下降，即使總體的加成上升（Aghion et al.，2019）。不僅如此，城市層面的數字經濟對加成率也會產生負面的影響（柏培文和喻理，2021）。由此可知，在現有的數字經濟與企業(yè)加成率的研究中，研究結果并不一致，且聚焦于信息通信技術（Aghion et al.，2019；Bessen and Righi，2019；Rodríguez-Moreno and Rochina-Barrachina，2019），即從數字經濟的某一個領域入手，不能展示數字化轉型的全貌。以中國為樣本進行的研究主要是采用2013 年以前的數據探討中國城市層面的數字經濟發(fā)展水平對中國工業(yè)企業(yè)的加成率的影響（柏培文和喻理，2021）、對于農業(yè)企業(yè)的加成率的影響（王菲等，2022）以及數字化轉型對加成率的線性影響（王榮基等，2022），但研究結論并不一致且均從線性的角度出發(fā)，不能很好地解釋現實中的現象。

近年來數字經濟的發(fā)展速度極快，數字技術不斷進步，考察企業(yè)數字化轉型對市場勢力的影響及其作用機制極為重要。因此，本文以2012—2021 年中國滬深A 股上市公司為研究樣本，借助企業(yè)數字化詞頻出現的程度測度中國上市企業(yè)數字化轉型，探究企業(yè)數字化轉型對企業(yè)市場勢力的影響及其機理。實證研究發(fā)現，數字化轉型與企業(yè)的市場勢力呈現非線性關系即U 型關系，體現了數字化轉型長周期、重投入、見效慢的特點。機制檢驗表明，成本效應和創(chuàng)新效應是數字化轉型影響市場勢力的兩個主要作用路徑。數字化轉型初期，成本的上升和創(chuàng)新的暫時性抑制作用使得市場勢力下降，隨著數字化轉型的深入與成熟，邊際成本逐漸下降和創(chuàng)新能力的提高帶來生產效率和產品質量上升，使得市場勢力提升。進一步分析表明，隨著數字化轉型的深入和成熟，企業(yè)成本控制的能力越強，市場勢力的提升會提早出現且高于和快于成本控制能力弱的企業(yè)；在市場競爭方面，競爭程度越強，會導致企業(yè)在數字化轉型初期市場勢力下降得越快，但是隨著數字化轉型的深入和成熟，會出現拐點，市場勢力最終會提升。

本文可能存在的邊際貢獻：①盡管現有研究已經關注到了數字經濟對市場勢力的影響，但少有研究關注到企業(yè)內部的數字化轉型對市場勢力的影響。本文基于De Loecker and Warzynski（2012）的方法計算企業(yè)的加成率，以衡量企業(yè)的市場勢力，檢驗出企業(yè)數字化轉型程度與市場勢力之間呈現U 型關系，并在穩(wěn)健性檢驗中運用多種度量企業(yè)勢力的指標增強了這一結果的穩(wěn)健性。這體現了企業(yè)數字化轉型長周期、重投入、見效慢的典型特點。數字化轉型前期，企業(yè)可能暫時還沒找到數字技術與業(yè)務場景融合的切入點，前期投入成本較高、生產率較低、市場競爭激烈，從而造成企業(yè)市場勢力的下降。但隨著數字技術與企業(yè)的經營業(yè)務深入融合，企業(yè)邊際成本下降，創(chuàng)新能力得以提高，使得企業(yè)的生產率提高和產品質量提高，最終提升了市場勢力。②本文從成本效應和創(chuàng)新效應兩個作用渠道深入揭示了企業(yè)數字化轉型影響市場勢力的機制，挖掘數字化轉型與市場勢力呈現U 型關系的原因。數字化轉型初期，成本的增加和數字化對創(chuàng)新的暫時性抑制作用會使得市場勢力下降，但數字化轉型后期超過拐點之后，邊際成本逐漸下降和創(chuàng)新能力逐漸提升，帶來市場勢力的提升。③通過分析成本控制能力和市場競爭在數字化轉型影響市場勢力中的調節(jié)作用，明確拐點之前和拐點之后，分別有什么因素會對數字化轉型與市場勢力之間的關系產生影響，以期為企業(yè)深入認識數字化轉型以及如何深入推進數字化轉型提供思路。

二、理論分析與研究假說

（一）企業(yè)數字化轉型與市場勢力

企業(yè)數字化轉型是漸進發(fā)展的長期過程，其積極效應的發(fā)揮需要一定的時間和一定的前提條件。在企業(yè)數字化轉型的初期，由于受到數字技術投資所處的歷史階段和背景、數字技術普及度和通用性等因素的影響，數字化轉型對市場勢力的提升作用可能比較有限（王開科等，2020）。首先，數字化轉型前期投入成本過高，投入產出存在不確定性。企業(yè)數字化轉型前期需要大量的資本投入和沉淀成本，這種投入不一定能帶來積極的正面影響，反而正是由于前期數字化投入成本的增多，產出效率呈現下降的趨勢（劉淑春等，2021），也會使得企業(yè)的市場勢力下降。同時，數字化技術對生產組織和要素體系的重構也需要進行適應性調整后才能產生正向收益（王開科等，2020）。數字化轉型初期，新興數字化技術與企業(yè)各個生產經營環(huán)節(jié)的融合性不高，與企業(yè)自身主業(yè)也還沒有深度融合，無法真正發(fā)揮出數字化技術應有的效用，這種轉換成本影響生產效率的提升，進而也影響了市場勢力的提升。因此，傳統(tǒng)產業(yè)企業(yè)的數字化轉型初始投入成本大、投資專用性強、轉換成本高，成本的增加會使得市場勢力下降。其次，數字化改變了企業(yè)傳統(tǒng)價值創(chuàng)造方式和競爭結構。數字化的擴散使得信息不對稱程度更低、市場透明度更高，這降低了市場進入壁壘，帶來更激烈的競爭，從而削弱在位企業(yè)的市場地位，并賦予新的進入者權力（Hinings et al.，2018），進而降低企業(yè)市場勢力（Saarikko et al.，2020；柏培文和喻理，2021）。新企業(yè)的進入也為原有的市場注入新的元素，重新定義現有市場并創(chuàng)建新市場，從而產生更多的組合創(chuàng)新，跨界數字化企業(yè)在新市場中有可能實現彎道超車，顛覆現有市場領先企業(yè)的模式（戚聿東和蔡呈偉，2019），顛覆強勢在位企業(yè)的市場地位（Saarikko et al.，2020），如蘋果擊敗諾基亞、滴滴打車擊敗傳統(tǒng)的出租車行業(yè)?？傊瑪底只D型初期會使得企業(yè)的市場勢力下降。

隨著數字化轉型的不斷推進，數據要素低邊際成本的優(yōu)勢逐漸體現出來，降低了企業(yè)生產成本，并且企業(yè)將數據要素與生產過程深度融合，提高了企業(yè)的生產效率和產品質量，使得企業(yè)有能力將產品價格設定在邊際成本之上，在產品市場上有更強的定價權，從而使得市場勢力更強。首先，數字化轉型重構了企業(yè)的生產方式，實現了企業(yè)生產效率的整體提升，進而提升了市場勢力。新一代信息技術引領生產方式由線性鏈式向協同并行轉變，驅動人、機、料、法、環(huán)等資源要素的泛在連接、匯聚整合和按需供給。這不僅通過資源的優(yōu)化配置引致生產效率的單點提升，如成本下降、質量改進等，還通過價值模型重塑極大拓展生產效率優(yōu)化的范圍，構建資源共享、業(yè)務協同、互利共贏的新型制造網絡，實現生產效率的整體提升（劉九如，2023），從而提升了市場勢力。其次，數字技術的運用提高了企業(yè)的產品質量和服務創(chuàng)新質量，進而提高了企業(yè)的市場勢力。企業(yè)能夠利用數字化技術使得客戶的需求預測和產品研發(fā)設計環(huán)節(jié)相輔相成，根據客戶的需求預測、客戶的偏好和行為設計產品，決定生產的產品種類和生產數量。同時利用產品市場上的銷售和反饋數據作為進一步改進產品的依據，進而實現企業(yè)生產的動態(tài)過程，這有助于加強用戶對生產活動的影響（戚聿東和肖旭，2020），為客戶提供高質量的差異化產品和服務，能夠使得企業(yè)具有更大的定價權（楊德明和劉泳文，2018）。企業(yè)內外數據的流動促使數字技術與企業(yè)的需求預測、產品研發(fā)設計、生產制造等環(huán)節(jié)緊密結合。這個過程不僅體現了把人類的創(chuàng)造性意識體現在產品服務中，創(chuàng)造出價值，也體現了計算機的數據分析對人類的創(chuàng)造力的補充（戚聿東和肖旭，2020）。因此，伴隨信息技術和大數據技術的廣泛應用，企業(yè)采用數字化技術、進行數字化轉型，有助于降低成本、提高產品質量從而提升企業(yè)的市場勢力。

由于數字經濟對市場勢力前期有負效應影響，后期有正效應影響，因此，數字化轉型與市場勢力之間可能不是簡單的線性關系，而是非線性的關系（林偉鵬和馮保藝，2022）。先前的研究也發(fā)現了互聯網與中國全要素生產率（郭家堂和駱品亮，2016）、數字化投入與效率（劉淑春等，2021）以及企業(yè)數字化轉型與內部收入不平等（李樹和王雨，2023）之間也都存在著非線性的關系，可見在企業(yè)管理實踐中需要重視非線性的效應。進一步地，騰訊研究院的調研報告①和我國的具體情況表明，傳統(tǒng)產業(yè)企業(yè)的數字化轉型初始投入大、投資專用性強、轉換成本高，回報周期和回報收益不明確，數字技術發(fā)揮作用可能時滯較長，勞動生產率提升效果不明，轉型風險不可預見等，使得數字化轉型投入與成效存在不確定性，增加費用投入與提高轉型成效并無明確的正相關性。這符合企業(yè)數字化轉型的典型特征：長周期、重投入、見效慢。并且目前我國傳統(tǒng)產業(yè)的數字化轉型能力和成效還不理想，生產率仍然偏低，創(chuàng)新能力依然無法適應經濟高質量的發(fā)展要求。這說明在企業(yè)數字化轉型初期，由于成本增加、生產率下降和信息透明度的提高，數字化轉型使得市場勢力呈現下降趨勢。但是隨著數字化轉型的深入和成熟，將數字技術融入企業(yè)業(yè)務流程，使得企業(yè)的生產經營全過程可追溯、可預測，實現邊際成本接近于零、企業(yè)產品質量與服務創(chuàng)新能力的提升，增強企業(yè)將價格定于成本之上的能力即提高了企業(yè)的市場勢力。

基于上述討論，提出本文的研究假說H1。

H1：企業(yè)數字化轉型與市場勢力之間呈現U 型關系，數字化轉型使得市場勢力先下降后上升。

（二）企業(yè)數字化轉型影響市場勢力的作用機制

數字經濟對于企業(yè)的直接影響是產品的生命周期大幅度縮短（戚聿東和蔡呈偉，2019），企業(yè)數字化轉型之后，企業(yè)的產品成本會得以下降、產品質量會得以上升。因此，本文主要從成本效應和創(chuàng)新效應的角度探討數字化轉型對企業(yè)市場勢力的影響。

1. 成本效應

企業(yè)數字化轉型前期固定成本較高，但是之后的產品的迭代成本卻很低，企業(yè)在產品市場上的競爭也主要圍繞著迭代產品（戚聿東和肖旭，2020）。因此，數字化轉型前期，成本的上升使得市場勢力下降，但隨著邊際成本的降低，最終提高了市場勢力。在數字化轉型前期，企業(yè)對于適用于生產環(huán)節(jié)的通用技術還不夠熟悉，與生產環(huán)節(jié)的融合度還不夠高，加之數字化轉型初始投入大、投資專用性強、轉換成本高，反而使得市場勢力下降。

隨著企業(yè)對生產環(huán)節(jié)通用技術的熟悉，企業(yè)可以有效地利用現代數字技術對生產經營的各個環(huán)節(jié)進行準確測量、分析和優(yōu)化，從而提高企業(yè)生產效率、降低產品成本和外部交易成本，最終能夠提升企業(yè)的市場勢力。首先，隨著數字化轉型逐步推進，數字技術與生產的智能化轉型融合度也逐漸提升，能夠更加系統(tǒng)、準確地捕捉企業(yè)生產管理過程中的所有數據和信息的優(yōu)勢，實現更加模塊化和柔性化的生產（戚聿東和肖旭，2020）。模塊化的生產使得企業(yè)生產過程更加標準化，柔性化生產使得企業(yè)精準依據消費者的多樣化需求和個性化定制，這都有利于降低企業(yè)的生產成本。如利用“無人車間”等數字技術實現的規(guī)模化、多品種、個性化等智能生產，將會大大提升企業(yè)的生產效率，進一步IlHHhfJqV6ncNZPLAYlllA==提高企業(yè)在產品市場上的勢力。其次，企業(yè)的搜索成本、運輸成本和違約成本等外部交易成本也極大地降低，并極大地提升生產的柔性化以及對生產風險的管控能力（Goldfarb andTucker，2019），同時大大提升企業(yè)的生產效率。因此，數字化轉型對產品成本的影響是產品成本先上升后下降，而產品成本越低市場勢力越高。因此，產品成本的影響會使得數字化轉型與市場勢力之間呈現U 型關系，即數字化轉型初期，由于成本增加降低了市場勢力，但隨著數字要素邊際成本的降低，市場勢力逐步提升。

基于以上分析，提出數字化轉型影響企業(yè)市場勢力作用機制的研究假說H2。

H2：數字化轉型能夠通過成本效應影響企業(yè)的市場勢力，即由于數字化轉型初期成本的增加使得市場勢力下降，但隨著邊際成本的降低，市場勢力逐步提升。

2. 創(chuàng)新效應

跨界競爭不停地對傳統(tǒng)企業(yè)發(fā)起挑戰(zhàn)，數字化給中國的經濟帶來的是一種“破壞性創(chuàng)新”（趙振，2015；郭家堂和駱品亮，2016），因此，熊彼特“創(chuàng)造性破壞”會使得數字化轉型初期市場勢力下降。熊彼特創(chuàng)造性破壞理論認為，經濟內部的突變和革命是不斷破壞舊結構、建立新結構的過程。但是，如果新結構只是舊結構的形式變化而沒有實現實質性的進步，那么各種形式的“循環(huán)”就不會帶來真正的經濟增長（趙振，2015）?；诩夹g進步的經濟增長的過程不是線性的，其中充斥著如新技術對舊技術的淘汰、建立在舊技術基礎上的生產設施不能適應新技術的生產力等沖突，這時企業(yè)不能很好地處理這些沖突，會致使企業(yè)的生產率下降以致市場勢力下降。因此，在企業(yè)數字化轉型初期，創(chuàng)造性破壞（“破壞”大于“創(chuàng)造”）使得數字化對市場勢力的抑制作用大于促進作用。

隨著數字技術與企業(yè)的生產經營深入融合，通過創(chuàng)造性破壞（“創(chuàng)造”大于“破壞”）提高了產品質量和生產效率，進而提升了市場勢力。在數字經濟時代，創(chuàng)意產生、產品開發(fā)、產品試制與制造以及物流和銷售等環(huán)節(jié)都可能被數字技術顛覆（Lyytinen et al.，2016）。生產企業(yè)也可以利用大數據、機器學習、云計算等技術更加精準地刻畫終端用戶的偏好和行為特征，進而精準預測用戶需求的變化（張峰和劉璐璐，2020），并依據精準預測的結果進行產品研發(fā)設計，這能夠平衡企業(yè)的供給和需求以及設計更加符合客戶需求的產品。由此，企業(yè)生產出的新產品也更具有差異化，而新產品的推出或產品質量的提升必然會使得產品銷售價格提升（蔣冠宏，2021），促使市場勢力提升。產品中有價值的數據和增值服務也使得產品本身的價值得以提高，更好的產品性能和客戶價值減少替代威脅（Porter and Heppelmann，2014）。即使產品被模仿，企業(yè)也可以在新產品被模仿出來之前，有能力在邊際成本上設定更高的加成率（劉啟仁和黃建忠，2016）。同時，企業(yè)研發(fā)成本也大大降低（Lyytinen et al.，2016），這是由于產品創(chuàng)新可以帶來生產率的提升使得邊際成本降低，從而提升市場勢力（劉啟仁和黃建忠，2016）。因此，企業(yè)將數字技術與自身主業(yè)相結合，精準預測客戶的需求及其變化進行產品創(chuàng)新，提高產品質量和生產效率，從而提升市場勢力。

基于以上分析，提出數字化轉型影響企業(yè)市場勢力作用機制的研究假說H3。

H3：數字化轉型能夠通過創(chuàng)新效應影響企業(yè)的市場勢力，即數字化轉型在初期對創(chuàng)新具有抑制作用，從而帶來市場勢力下降，后期數字化轉型可以促進創(chuàng)新，從而帶來市場勢力上升。

三、研究設計

（一）樣本選取與數據來源

本文選取2012—2021 年滬深A 股上市公司的數據作為初始研究樣本，并對數據按照以下標準進一步篩選：第一，剔除金融類企業(yè)；第二，剔除ST、ST*和其間退市以及新發(fā)IPO 企業(yè)的樣本；第三，剔除相關變量缺失的樣本；第四，為減少異常值影響，本文對所有微觀層面的連續(xù)變量進行1%和99%的縮尾處理。數據主要來自萬得數據庫（Wind）和國泰安數據庫（CSMAR），相關企業(yè)年報數據則來自深圳證券交易所、上海證券交易所官方網站。

（二）變量定義

1. 企業(yè)市場勢力

企業(yè)市場勢力指企業(yè)將價格定于邊際成本之上的能力。本文借鑒De Loecker and Warzynski（2012）的方法計算企業(yè)加成率，度量企業(yè)的市場勢力。由于這種方法可以不依賴于企業(yè)所面臨的市場結構和需求狀況，相較于其他模型具有明顯的優(yōu)勢，因此得到廣泛使用。在估計生產函數時，投入要素主要考慮資本投入、勞動力投入和中間投入①。其中，資本投入采用固定資產凈值，可從財務報表中獲??；勞動力投入采用員工人數（任曙明和孫飛，2014）。DLW 方法的核心是估計要素產出彈性，本文采用中間投入估計其產出彈性。由于中間投入的直接獲取難度，且采用的是上市公司的數據，因此需要專門核算。借鑒鄧忠奇等（2022）的方法，工業(yè)中間投入的具體計算過程：根據工業(yè)增加值核算的“生產法”，工業(yè)增加值=工業(yè)總產值－工業(yè)中間投入+本年應交增值稅，可以得出工業(yè)中間投入=工業(yè)總產值－工業(yè)增加值+本年應交增值稅。工業(yè)總產值的計算方法采用主營業(yè)務收入+庫存商品期末余額—庫存商品期初余額。工業(yè)增加值的計算，根據工業(yè)增加值核算的“收入法”，工業(yè)增加值=勞動者報酬+生產稅凈額+固定資產本年折舊+營業(yè)盈余。其中，營業(yè)盈余用營業(yè)利潤替代（任曙明和孫飛，2014）；勞動者報酬包括工資獎金津貼和補貼、職工福利費期末余額、住房公積金期末余額、基本養(yǎng)老保險期末余額、生育保險費期末余額、失業(yè)保險費期末余額、醫(yī)療保險費期末余額、工傷保險費期末余額；生產稅凈額等于生產稅減去生產補貼。此外，在采用兩步法估計市場勢力時，借鑒鄧忠奇等（2022）的方法，將工業(yè)總產值而非工業(yè)增加值視為產出價值量。本文計算企業(yè)市場勢力的數據均來自萬得數據庫（Wind），不足的數據經查閱年報獲得。

2. 企業(yè)數字化轉型程度

企業(yè)數字化轉型參考吳非等（2021）的做法，對企業(yè)數字化轉型的關鍵詞匯進行詞頻統(tǒng)計，利用詞頻數構建企業(yè)數字化轉型指數。詳細的關鍵詞見表1。具體的做法如下：第一步，利用Python爬取巨潮資訊網上市公司的年報，并根據年份和股票代碼等信息對文件進行重命名。第二步，數據清洗。將年報的pdf 格式轉換為txt，并對其進行分詞、停用詞的數據清洗。第三步，選取企業(yè)數字化轉型關鍵詞，并對關鍵詞進行提取。第四步，文本分析處理與詞頻統(tǒng)計。在獲取所有涉及數字化詞庫關鍵詞的詞頻后，考慮到不同年報文本長度的差異會產生一定的影響，采用企業(yè)數字化相關詞頻總和除以年報總詞頻（去除英文和數字）衡量微觀企業(yè)數字化程度（Digital）①，并對該指標乘以100。該指標數值越大，表示企業(yè)數字化程度越高。

3. 控制變量

結合現有文獻和影響企業(yè)勢力的因素，借鑒任曙明和張靜（2013）、劉啟仁和黃建忠（2016）的研究，選取公司規(guī)模（Size）、資產負債率（Lev）、經營現金流量占比（OCF）、人均工資（Lnwage）、企業(yè)成長性（Growth）、總資產收益率（ROA）、產權性質（SOE）、企業(yè)年齡（Age）和行業(yè)集中度（CR4）作為控制變量。具體的變量定義見表2。其中，公司規(guī)模（Size）采用企業(yè)資產總額的對數形式表示，通常規(guī)模越大的企業(yè)資產結構和人員安排更為合理，其投入材料的議價能力更強，成本控制能力更高，在一定程度上會影響企業(yè)的市場勢力。資產負債率（Lev）為總負債與總資產之比，企業(yè)成長性（Growth）采用當期和上一期營業(yè)收入之差與上期營業(yè)收入之比，二者分別代表企業(yè)的融資能力以及投資能力，投融資能力越強的企業(yè)越容易在激烈的市場競爭中脫穎而出（任曙明和張靜，2013）。人均工資（Lnwage）表示企業(yè)用工成本，勞動力成本會對企業(yè)的市場勢力產生一定的影響。經營現金流量占比（OCF）采用經營性現金流量凈額占總資產比值表示；總資產收益率（ROA）以凈利潤與總資產平均余額的比值表示；產權性質（SOE）以國有企業(yè)為1，否則為0 構造虛擬變量；企業(yè)年齡（Age）采用企業(yè)自成立以來的年限加1 后的自然對數計算；行業(yè)集中度（CR4），用于衡量市場集中度，以行業(yè)內最大的前4 家公司的主營業(yè)務收入占全行業(yè)主營業(yè)務收入的比例表示。

（三）模型設計

基于上述變量設計，構建如下回歸模型，以此考察數字化轉型對企業(yè)市場勢力的影響：

Markupi，t=α+α1Digital i，t+ α2Digitali，t2+∑Controls i，t+∑Year +∑Industry +εi，t（1）

其中，被解釋變量Markupi，t 表示i 企業(yè)t 年的企業(yè)市場勢力，解釋變量Digitali，t 表示i 企業(yè)t 年的企業(yè)數字化轉型程度；Controlsi，t 表示一系列控制變量；Year 為時間固定效應，Industry 為行業(yè)固定效應，ε i，t 為隨機擾動項。行業(yè)分類依據證監(jiān)會2012 行業(yè)分類標準，制造業(yè)取3 位代碼，其他行業(yè)取1 位代碼。

（四）描述性統(tǒng)計

表3 匯報了描述性統(tǒng)計的結果。Markup 的平均數為1.085 7，最大值為1.7940，標準差為0.172 4。Digital 的平均數為0.0483，最大值為0.6052，最小值為0，說明企業(yè)數字化轉型的程度具有較大的差別，部分企業(yè)尚未推進數字技術與企業(yè)經營業(yè)務的融合。其余控制變量的分布特征與以往研究文獻基本相似。對所有縮尾后的連續(xù)變量進行方差膨脹因子（VIF）檢驗，結果顯示平均VIF 為2.33，遠小于經驗閾值10，基本排除變量之間多重共線性問題。

四、實證結果與分析

（一）基準回歸結果

表4 報告了數字化轉型程度影響企業(yè)市場勢力的檢驗結果。第（1）列不加入控制變量和固定效應，數字化轉型的代理變量（Digital）一次項系數在1%的水平上顯著為負，其二次項系數在1%的水平上顯著為正，與理論預期一致。第（2）列加入控制變量，但未控制時間和行業(yè)固定效應，解釋變量一次項系數仍在1%的水平上顯著為負，二次項系數仍在1%的水平上顯著為正。第（3）列加入控制變量、時間和行業(yè)固定效應，結果顯示，數字化轉型的一次項系數在1%統(tǒng)計水平上顯著為負，其二次項系數在1%統(tǒng)計水平上顯著為正，說明企業(yè)數字化轉型在轉型初期效果不明顯，由于前期成本投入大等原因，在一定程度上會降低企業(yè)的市場勢力；但隨著轉型的深入和成熟，在一定程度上數字化深度融合主營業(yè)務和實現企業(yè)內外部協同互動、協作共享，企業(yè)的市場勢力最終會提高，驗證了研究假說H1。

為進一步檢驗U 型關系，借鑒Haans et al.（2016）的觀點與本文的研究內容，從以下三個方面進行考察。①企業(yè)數字化轉型（Digital）的一次項系數在1%的水平上顯著為負，二次項系數在1%的水平上顯著為正，且由表5 可知經Utest 檢驗回歸模型整體在5%的顯著性水平上呈現U 型關系。②檢驗回歸方程的斜率在數據兩端足夠陡峭。數字化轉型與市場勢力的回歸方程為Y = 0.4427X2 -0.3635X + 0.1314，對回歸方程求一階導數得到斜率方程 ?Y/?X=0.8854X- 0.3635，企業(yè)數字化轉型（Digital）的取值范圍為[0，0.6052]。當數字化轉型取左端最小值（0）時，斜率為-0.3635；當數字化轉型取右端最大值（0.6052）時，斜率為0.1723。符合數字化轉型較?。ù螅r，數字化轉型與市場勢力的斜率為負（正），說明數字化轉型的斜率在數據區(qū)間的兩端足夠陡峭。③檢驗拐點是否在取值范圍之內。令斜率方程0.8854X - 0.3635 = 0，求得拐點為 0.4105。拐點值處于企業(yè)數字化轉型取值范圍內，且其置信區(qū)間處在樣本區(qū)間范圍內。因此，認為數字化轉型與企業(yè)市場勢力之間為U 型關系。

企業(yè)數字化轉型與企業(yè)市場勢力呈現U 型關系的原因可能在于：①從數字化轉型階段進程看，中國企業(yè)數字化轉型仍處于初級階段。在國有企業(yè)中，60%處于初級階段（30%認為數字化轉型未對主營業(yè)務起作用，另外30%認為數字化已經發(fā)揮局部作用），僅有10.9%進入轉型的成熟期，29.1%進入轉型的深入期。在非國有企業(yè)中，38.16%的企業(yè)反映主營業(yè)務還未進行數字化轉型，76.97%的企業(yè)認為其數字化轉型仍然處于初步探索階段，1.54%的企業(yè)認為進入了成熟應用階段①。對于數字化轉型的成效，大多數企業(yè)均認為在轉型初期尚未取得明顯效果。從數字化轉型長周期、重投入、見效慢的典型特點來看，現階段數字化轉型處于初期，對市場勢力的影響主要是負面影響，但隨著數字化轉型的推進與成熟，數字化轉型最終能夠帶來市場勢力的提升。再結合圖1 中可知，在拐點之前數字化轉型呈現下降趨勢，拐點之后企業(yè)數字化轉型進入成熟階段，數字化轉型對市場勢力的影響便呈現上升趨勢。②從企業(yè)整體生產運營的角度來看，部分企業(yè)的數字化轉型僅僅限于部分環(huán)節(jié)的數字化轉型，而非生產經營整體的數字化轉型，導致數字化轉型部分難以有效融入產品或服務的價值創(chuàng)造過程，既影響企業(yè)整體運作效率又造成了資金的浪費，生產效率的下降和產品與服務質量尚未得到提升便會導致市場勢力的下降。因此，部分企業(yè)意識到轉型的問題后，及時進行調整，努力尋找突破，便可以利用數字化提升企業(yè)的市場勢力。

（二）穩(wěn)健性檢驗

為保證數字化轉型對企業(yè)市場勢力的影響具有穩(wěn)健性，采用改變被解釋變量和解釋變量的測度、排除企業(yè)策略性信息披露的影響和內生性問題進行穩(wěn)健性檢驗，結果依然支持了核心研究結論。

1. 改變被解釋變量的度量指標

主要從四個方面重新度量被解釋變量：①選取會計法計算的勒納指數，即（營業(yè)收入-營業(yè)成本-銷售費用-管理費用）/營業(yè)收入，該指標越大，企業(yè)的市場勢力越強?；貧w結果如表6 第（1）列所示，結果符合預期。②以使用最小二乘法計算的企業(yè)市場勢力（Markup_OLS）和使用柯布—道科拉斯生成函數計算的企業(yè)市場勢力（Markup_CD）作為企業(yè)市場勢力的替代指標①。結果如表6 第（2）列和第（3）列所示，核心解釋變量一次項系數顯著為負，二次項系數顯著為正，與基準回歸結果一致。③借鑒Hoberg and Phillips（2016）和劉亞輝等（2021）的研究，利用上市公司年報文本中對產品的描述，采用基于機器學習的文本分析法，測算產品相似程度，刻畫出每個公司在其圈定競爭對手群中所面臨的產品市場競爭程度，即產品相似越多的公司面臨的競爭越激烈。結果如表6 第（4）列所示，核心解釋變量Digital 一次項系數顯著為正，二次項系數顯著為負，說明企業(yè)在數字化轉型初期，與其競爭對手之間的產品相似度依然很高，可能是由于數字化還沒運用到核心生產過程中，但隨著轉型的深入和成熟，數字化轉型會使得企業(yè)生產的產品區(qū)別于其他企業(yè)，企業(yè)的市場勢力得以提高。表6 的結果顯示，改變了企業(yè)市場勢力的度量指標之后，結果依然穩(wěn)健。

2. 改變解釋變量的衡量

本文采用以下兩種方法重新構建數字化轉型程度指標：①由于企業(yè)整體的數字化轉型指標可以分解為“底層技術層面”（Digital2）和“實踐應用層面”（Digital3），因此將這兩個維度分別進行回歸。②數字技術關鍵詞庫中包括人工智能、區(qū)塊鏈、云計算以及大數據四個維度，由于四類技術涵蓋的詞匯數存在差異，這很可能賦予各類技術不同的權重進而影響對企業(yè)數字技術應用能力的捕捉。因此，根據人工智能（AI）、區(qū)塊鏈（BD）、云計算（CC）和大數據（DT）4 個子指標，借鑒袁淳等（2021）的研究，對這4 個細分指標進行分年度離差標準化處理以消除量綱，如AI_s=[AI-min（AI）]/[max（AI）-min（AI）]，然后分別進行回歸。表7 報告了檢驗結果。結果表明，企業(yè)數字化轉型程度一次項系數在1%的水平上顯著為負，二次項系數均在1%的水平上顯著為正，表明無論是底層技術還是應用技術，對企業(yè)市場勢力的影響均呈現先下降后上升的趨勢，進一步支持了本文的研究結論，增強了結果的穩(wěn)健性。

3. 排除企業(yè)策略性信息披露行為的影響

企業(yè)可能會在年報中夸大自身的數字化轉型程度，使得從年報中提取的數字化轉型詞頻可能會受到企業(yè)這種策略性信息披露行為的影響。因此，借鑒趙璨等（2020）和袁淳等（2021）的研究采取如下措施：①由于許多創(chuàng)業(yè)板上市公司屬于高新技術企業(yè)，可能利用互聯網進行概念炒作或蹭熱點，因此，本文剔除創(chuàng)業(yè)板和科創(chuàng)板上市公司樣本，結果如表8 第（1）列所示。②由于深圳證券交易所信息披露考評結果為優(yōu)秀或良好的上市公司樣本更少可能進行策略性信息披露，因此，僅僅對這類樣本進行回歸，結果如表8 第（2）列所示。③剔除數字化轉型為0 的樣本，結果如表8第（3）列所示。④企業(yè)信息披露不真實、操縱股價等原因會影響企業(yè)數字化轉型的測度，因此剔除樣本期間內因信息披露等問題受到過中國證券監(jiān)督管理委員會（簡稱證監(jiān)會）或證券交易所處罰的公司樣本，結果如表8 第（4）列所示。⑤由于2015 年股災對上市公司的股價造成了巨大的沖擊，企業(yè)可能會為了操縱股價而加大披露數字化轉型相關的詞頻。因此，借鑒劉慧和白聰（2022）的做法，剔除2015 年的樣本進行檢驗。結果如表8 第（5）列所示。⑥為了進一步有效排除管理層為了獲得政府補助、操縱股價等動機從而在年報中異常披露數字化相關的詞頻，將剔除企業(yè)數字化異常信息披露程度高于分年度分行業(yè)樣本中位數后的樣本重新進行回歸，回歸結果如表8 第（6）列所示。企業(yè)數字化相關的異常信息披露的測算借鑒Richardson（2006）和曹偉等（2022）的做法，被解釋變量為數字化詞頻加1 取自然對數，解釋變量為企業(yè)規(guī)模、同年度同行業(yè)其他企業(yè)的數字化轉型程度均值、年報篇幅、業(yè)務復雜度、信息披露質量、政府補助、是否受到證監(jiān)會處罰①，并控制時間、公司和省份固定效應。其中，回歸模型的殘差值為企業(yè)數字化相關的異常信息披露，借鑒Richardson（2006）的思路，異常部分可為正，也可為負，負（正）值對應于披露不足（過度）。在排除了企業(yè)的異常披露后，數字化轉型的一次項系數顯著為負，二次項系數顯著為正，因此可以有效地排除企業(yè)數字化相關的異常信息披露。綜上，表8 第（1）列至第（6）列的結果顯示，本文的核心結論不會受企業(yè)策略性信息披露的影響而發(fā)生改變。

4. 內生性問題

（1）遺漏變量問題

盡管基準檢驗納入了一系列控制變量，但是依然可能存在一些遺漏變量問題?？紤]到時間動態(tài)的調整，進一步控制時間—行業(yè)和時間—省份的交互固定效應，以有效控制隨時間變化的行業(yè)環(huán)境特征和公司所在省份隨時間變化的宏觀經濟環(huán)境。表9 第（1）列和第（2）列的回歸結果表明，在控制行業(yè)環(huán)境異質性以及省級層面隨時間變化的宏觀經濟環(huán)境之后，回歸結果依然穩(wěn)健。

（2）Heckman 兩階段法和傾向得分匹配

首先，采用Heckman 兩階段法緩解樣本自選擇問題帶來的內生性問題。在Heckman 第一階段，按照是否進行數字化轉型設置虛擬變量作為被解釋變量，并借鑒趙宸宇等（2021）和張澤南等（2023）的思路和做法，選取地區(qū)互聯網寬帶接入端口的自然對數（LnAccessPort）和移動電話普及率的自然對數（LnMobile）作為排他性約束變量，并加入企業(yè)規(guī)模（Size）、資產負債率（Lev）、經營現金流量占比（OCF）、公司成長性（Growth）、總資產收益率（ROA）、董事會規(guī)模（Board）、獨立董事比例（Indep）、是否兩職合一（Dual）、年度虛擬變量以及行業(yè)虛擬變量等影響企業(yè)數字化轉型的因素，從而進行Probit 回歸，預測企業(yè)進行數字化轉型的概率并計算出逆米爾斯比率（IMR）。選取地區(qū)互聯網寬帶接入端口和移動電話普及率作為排他性約束變量的原因在于：地區(qū)互聯網寬帶接入端口數和移動電話普及率會影響企業(yè)的數字化轉型，但是不會直接影響企業(yè)的市場勢力。在Heckman 第二階段，將第一階段所計算出的IMR 作為控制變量納入主要的回歸模型。此外，還需檢驗將IMR 放入第二階段的回歸模型的多重共線性問題，經過檢驗，Digital 的VIF 為9.11，Digital_2的VIF 為8.27，均小于10。Digital_2 和Digital 的VIF 值會偏大是由于Digital_2 是Digital 的平方項，但回歸模型的平均VIF 為2.53，可以說明回歸模型不存在嚴重的多重共線性問題。第一階段和第二階段的回歸結果分別展示在表9 第（3）列和第（4）列。表9 第（3）列中排他性約束變量LnAccessPort 和LnMobile 分別在10%和1%的水平上顯著，說明地區(qū)互聯網寬帶接入端口數和移動電話普及率會促使企業(yè)提高其數字化轉型的程度，符合排他性約束變量選擇的條件。表9 第（4）列中，Digital 和Digital_2 的回歸系數均在1%水平上顯著，增強了主要研究結論的穩(wěn)健性。

其次，為了減少影響市場勢力的潛在企業(yè)和行業(yè)特征差異所帶來的數字化轉型程度的差異，將U 型關系右側的樣本作為實驗組，將U 型關系左側的樣本作為控制組（李樹和王雨，2023），進行一對一的最近鄰匹配。然后通過Logit 模型將主回歸中所使用的全部控制變量作為協變量計算傾向得分，再根據傾向性得分值，進行一對一有放回近鄰匹配。同時檢驗了控制變量的平衡性，發(fā)現匹配后的實驗組和控制組之間沒有顯著差異，證明了平衡性假設條件滿足，確保了傾向得分匹配結果的可靠性。對匹配完成后的樣本重新進行回歸，結果如表9 第（5）列所示，核心解釋變量依然在1%的顯著性水平上顯著，說明在消除了拐點左右兩端的樣本由于其他因素干擾的影響之后，結果依然穩(wěn)健。

（3）工具變量法

為了進一步緩解內生性問題，本文還采用了工具變量法。本文借鑒肖紅軍等（2021）和侯德帥等（2023）的做法，采用按年度?省份?行業(yè)劃分的數字化轉型均值（Digital_mean）作為工具變量進行內生性檢驗。相關性上，相關城市的數字化基礎設施具有趨同性會對企業(yè)的數字化轉型產生影響，同行業(yè)的企業(yè)也會對企業(yè)的數字化轉型產生影響；排他性上，年度?地區(qū)?行業(yè)層面的數字化轉型不會直接對企業(yè)的市場勢力產生影響，但可以通過影響企業(yè)的數字化轉型從而間接地影響企業(yè)的市場勢力?；貧w結果如表9 第（6）列所示，Digital 和Digital_2 均在1%的水平上顯著為負和為正，核心研究結論依然穩(wěn)健。

工具變量的不可識別檢驗表明，Kleibergen-Paap rk 的LM 統(tǒng)計量為27.191，對應的p 值為0.0000，顯著拒絕“工具變量識別不足”的原假設，說明工具變量與解釋變量相關。弱工具變量檢驗表明，兩階段最小二乘法的第一階段的Digital 和Digital_2 的F 統(tǒng)計量大于經驗值10，且最小特征值統(tǒng)計量（Minimum eigenvalue statistic）為787.072，遠大于臨界值7.03；Kleibergen-Paap rk 的Wald F 統(tǒng)計量（52.432）大于Stock-Yogo 弱識別檢驗10%水平上的臨界值（7.03）。因此，可以從第一階段回歸中的Digital 和Digital_2 的F 統(tǒng)計量大于經驗值10、第一階段回歸中的最小特征值統(tǒng)計量大于Stock-Yogo 的臨界值以及Kleibergen-Paap rk Wald F 統(tǒng)計量大于Stock-Yogo 的臨界值，說明不存在弱工具變量問題?？傮w而言，以上檢驗說明了選取年度?省份?行業(yè)的數字化轉型均值作為企業(yè)數字化轉型工具變量的合理性和可靠性。

五、機制檢驗

基于前文的理論分析，成本效應和創(chuàng)新效應是數字化轉型影響市場勢力的主要作用機制，本部分將對成本效應和創(chuàng)新效應分別進行檢驗，以期明晰數字化轉型與市場勢力之間的傳導路徑。

（一）成本效應

數字化轉型對企業(yè)成本的影響是先上升后下降，企業(yè)成本對市場勢力的影響是先下降后上升，因此由于成本的影響，數字化轉型對市場勢力的影響是先下降后上升，即數字化轉型初期的成本增加使得市場勢力下降，隨著數字化轉型的深入和成熟，邊際成本逐漸下降，最終使得市場勢力逐步上升。本文采用企業(yè)成本和外部交易成本檢驗成本效應，其中企業(yè)成本由營業(yè)成本與銷售費用、管理費用、財務費用之和計算所得，依據企業(yè)成本分行業(yè)分年度的中位數為標準進行分組，大于中位數取值為1，表示高成本組（Cost_High），小于樣本中位數取值為0，表示低成本組（Cost_Low）。其次，對于企業(yè)的外部交易成本，采用廣告費用占營業(yè)收入的比重，依據該指標的分行業(yè)分年度的中位數為標準進行分組，大于中位數取值為1，表示高外部交易成本（Ad_High），小于中位數取值為0，表示低外部交易成本（Ad_Low）?；貧w結果如表10 第（1）列至第（4）列所示。在第（1）列和第（2）列中，數字化轉型的二次項Digital_2 的組間系數差異顯著，但一次項系數差異不顯著，這說明在數字化轉型前期需要成本的投入，但是隨著數字化的轉換成本、邊際成本降低，市場勢力逐漸提升。在第（3）列和第（4）列中，數字化轉型的一次項和二次項的組間系數差異顯著，外部交易成本低時，二次項系數顯著大于高外部交易成本的組，說明成本更低更有助于市場勢力的提升。這驗證了前文的研究假說H2。企業(yè)數字化轉型在轉型初期會增加企業(yè)的內部和外部成本，但隨著數字化轉型的深入，邊際成本逐漸降低，數字化轉型有助于企業(yè)產品成本的降低，使得企業(yè)能夠提供具有市場勢力的成本結構的獨特產品。

（二）創(chuàng)新效應

根據前文的理論分析，數字化轉型前期由于創(chuàng)新的暫時性的抑制作用使得市場勢力下降，但創(chuàng)新能夠從內部不停地革新經濟結構，推動經濟增長，因此隨著數字化轉型的深入和成熟，企業(yè)內部的創(chuàng)新能夠提高企業(yè)的產品質量以提升產品價格，提高生產效率以降低邊際成本，進而促進市場勢力的提升。本文以研發(fā)投入占營業(yè)收入比例（RD）和企業(yè)申請專利數量的對數（Inno）為標準進行分組，大于分行業(yè)分年度中位數的取值為1，表示創(chuàng)新效應高的組（RD_High 和Inno_High），小于分行業(yè)分年度中位數的取值為0，表示創(chuàng)新效應低的組（RD_Low 和Inno_Low）。回歸結果展示在表10 第（5）列至第（8）列中，數字化轉型的一次項系數均為負，說明數字化轉型初期，由于“創(chuàng)造性破壞”創(chuàng)新的抑制作用會使得市場勢力下降，而二次項系數在創(chuàng)新效應高的組均顯著大于創(chuàng)新效應低的組，表明企業(yè)數字化轉型的深入和成熟有助于企業(yè)創(chuàng)新，企業(yè)可以利用數字技術精準預測客戶的需求，并依據市場需求研發(fā)產品，提高產品的質量和生產效率，從而提高企業(yè)的市場勢力。

六、進一步分析

企業(yè)成本控制能力（企業(yè)自身能力）和市場競爭程度（外在環(huán)境）都會對數字化轉型與市場勢力之間的關系產生影響。①數字化轉型前期，企業(yè)需要承擔成本上漲的壓力，企業(yè)因要素再配置需要對成本結構進行優(yōu)化，因此企業(yè)自身的成本控制能力越強，在數字化轉型的過程中越有助于市場勢力的提升。②依據前文理論分析，數字經濟改變了現有市場，市場競爭程度越強，信息透明度更高，使得企業(yè)數字化轉型對市場勢力產生負面的影響。因此，為進一步檢驗成本控制能力和市場競爭程度對數字化轉型與市場勢力之間的關系的影響，構建如下的回歸模型：

Markupi，t=δ0+δ1 Digitali，t+δ2 Digital2i，t+δ3 Digitali，t Mi，t+δ4 Digital2i，t Mi，t+ δ5Mi，t+ΣControls+Σ Year +ΣIndustry+εi，t（2）

其中，M 為調節(jié)變量，包括成本控制能力和市場競爭程度，其他變量含義與模型（1）一致。選取成本費用利潤率度量成本控制能力，該指標等于利潤總額除以營業(yè)成本、銷售費用、管理費用、財務費用之和。該指標越高，表明企業(yè)為取得利潤而付出的代價越小，成本費用控制得越好，盈利能力越強，即該指標越高，企業(yè)成本控制能力越強。選取赫芬達爾—赫希曼指數（HHI）度量市場競爭程度，并基于赫芬達爾—赫希曼指數的中位數，將樣本分為兩組，將小于樣本中位數的取值為0，表示市場競爭程度較強；大于樣本中位數的取值為1，表示市場競爭程度較弱。

為判斷在調節(jié)作用下數字化轉型與市場勢力的曲線關系是否存在，對模型（2）進行簡化：Y=δ0+δ1X+δ2X2δ3XM +δ4X2 M+δ5M =δ0+δ5M + （δ1 +δ3M）X+ （δ 2 +δ 4M）X ， 其 中 ，δ0 +δ5 M 為截距項， δ1+δ 3 M 為斜率項， δ2+δ 4M 為曲率項。數字化轉型與市場勢力的非線性關系取決于曲率項，若曲率項顯著，無論斜率項是否顯著，都存在非線性關系；若曲率項不顯著，斜率項顯著，則存在線性關系。而曲率項，包含了調節(jié)變量，說明數字化轉型與市場勢力之間的曲線關系隨著調節(jié)變量的變化而變化。

其次，具體考察曲線如何隨著調節(jié)變量變化而變化。在模型（2）中， δ4 的系數是主要關注的變量，該系數是否顯著決定了調節(jié)作用是否存在。依據Haans et al.（2016）的研究，調節(jié)效應還需考察：拐點的變動（向左移動還是向右移動）；曲線形狀的變化（變平坦還是變陡峭）——對于U型關系，若δ4 大于0，曲線變得陡峭，若δ4 小于0，曲線變得平坦。

（一）成本控制能力

成本控制能力對數字化轉型影響市場勢力的調節(jié)效應顯著。回歸結果如表11 第（1）列所示。下面具體分析成本控制能力如何影響數字化轉型與市場勢力的曲線變化。

①數字化轉型的二次項與成本控制能力的交互項（Digital_2×RPCE）系數顯著為正（ δ4 =0.5316，p<0.1），成本控制能力的調節(jié)作用存在。②為了檢驗U 型關系拐點變動和曲線變動情況，將表11第（1）列的回歸系數值代入回歸模型（2）中，得到Y1=-0.3251X+ 0.3569X 2- 0.1730XM1 + 0.1381M 1+ 0.5316X2 M1 ，對X求導得 ?Y1/?X=- 0.3251 +0.7138X -0.1730M 1+1.0632XM1。為求拐點，令?Y1/?X=0，得到拐點X*=0.1730M1+ 0.3251/0.7138 1.0632 M1，可見，拐點的變動受到了調節(jié)變量M1 的影響。進一步地，為探究調節(jié)變量M 如何影響拐點的變動，即探究成本控制能力如何影響數字化轉型與市場勢力的關系，對X*求M1 的導數，得到?X*/?M1=-0.2222/（0.7138 +1.0632 M1）2，由于分母恒大于0，因此拐點的變動由分子決定，而分子恒小于0，則?X*/?M1＜0，拐點向左移動。因此，隨著調節(jié)變量的變動，拐點值也變小了，說明成本控制能力越強，數字化轉型促進市場勢力提升的拐點會提早出現，成本壓力對市場勢力的負面影響提早結束。③曲線形狀變化。由表11 的回歸結果可知，Digital_2×RPCE的回歸系數顯著為正，說明U 型曲線會變得陡峭，成本控制能力正向調節(jié)了數字化轉型與市場勢力之間的關系。此外，進一步結合圖2 成本控能力制調節(jié)效應圖，分別取調節(jié)變量M 均值的上下一個標準差，以展示曲線從低到高的變化。當成本控制能力較強時（即M1 均值+1 個標準差），拐點為0.3526，當成本控制能力較弱時（即M1 均值-1 個標準差），拐點為0.5283，均在數據范圍之內。當數字化轉型在拐點之前，兩條曲線接近于平行；超過拐點之后，成本控制能力較強的企業(yè)，市場勢力的提升明顯大于成本控制能力較弱的企業(yè)，說明成本控制能力的作用主要體現在拐點之后。

因此，成本控制能力正向調節(jié)了數字化轉型與市場勢力之間的關系。這是由于成本控制能力能夠帶來資源要素的合理配置和成本的降低，成本的降低可以提高市場勢力。而不同企業(yè)之間成本控制能力有所不同，這種能力對數字化轉型初期帶來的市場勢力的負面影響的減弱程度也會有所不同。柏培文和喻理（2021）利用全要素生產率作為成本節(jié)約能力的替代變量，考察了成本節(jié)約能力的異質性，研究結果表明，成本節(jié)約能力能夠弱化城市層面的數字經濟發(fā)展對市場勢力的負面影響。本文與柏培文和喻理（2021）的研究互相印證的同時，進一步發(fā)現成本控制能力亦能調節(jié)企業(yè)數字化轉型與市場勢力之間的關系，并隨著企業(yè)成本控制能力的加強，使得數字化轉型影響市場勢力的拐點提前出現，超過拐點之后市場勢力的提升幅度也遠大于成本控制能力弱的企業(yè)。

（二）市場競爭程度

依據前文理論分析，數字經濟下市場信息透明度更高，市場競爭程度更高，企業(yè)數字化轉型對市場勢力會帶來負面的影響。為進一步探尋市場競爭程度（外部環(huán)境）對數字化轉型與市場勢力的關系的影響，在主要的回歸模型中加入HHI、Digital×HHI、Digital_2×HHI，回歸結果如表11 第（2）列所示。結果表明，市場競爭對數字化轉型與市場勢力的調節(jié)效應顯著。具體而言：①由表11 第（2）列的回歸結果可知，曲率項（Digital_2 和Digital_2×HHI）的回歸系數均顯著，說明在市場競爭調節(jié)下數字化轉型與市場勢力的曲線關系依然存在。②數字化轉型的二次項與市場競爭程度的交互項（Digital_2×HHI）系數顯著為負（δ 4 =-0.3864，p<0.05），市場競爭程度的調節(jié)作用存在。③考察U型關系的拐點變動和曲線變動情況， Y2=-0.5070X + 0.5921X2+ 0.3274XM2- 0.0157M 2- 0.3867X2 M 2，對X 求導得?Y2/X=- 0.5070+ 1.1842X+ 0.3274M2- 0.7734XM2。為求得拐點，令?Y2/X=0得拐點X*=0.5070 -0.3274M2/1.1842- 0.7734M2。為判斷拐點的位移， 再對M 進行求導得?X*/?M2=0.0044/（1.1840-0.7734M2 ）2，知?X*/?M2＞ 0，拐點往右移動了。HHI 是一個反向指標，HHI 越大，市場競爭程度越小，當市場競爭程度較低時（M2=1），拐點為0.4372，當市場競爭程度較高時（M2=0），拐點為0.4281，這與基準回歸曲線的拐點相近，說明市場競爭程度對曲線拐點的移動影響很小。④進一步考察曲線的變化，由于δ4＜ 0說明市場競爭越弱，會使得曲線更加的平坦，市場競爭程度越強，會使得曲線更加的陡峭，市場競爭程度正向調節(jié)了數字化轉型與市場勢力之間的關系。如圖3 所示，在拐點之前，市場競爭程度高時市場勢力下降幅度明顯大于市場競爭程度低時的下降幅度，進一步驗證了在數字化轉型初期，市場競爭程度越激烈，市場勢力下降幅度越大。在拐點之后，盡管市場競爭程度較低時，市場勢力的上漲幅度較低，但在本文的樣本期內，市場競爭程度較低的企業(yè)的市場勢力依然大于市場競爭程度較高的企業(yè)的市場勢力。因此認為在樣本期內，市場競爭程度的影響主要體現在拐點之前。

七、結論和建議

近年來，隨著數字技術的不斷突破發(fā)展，將數字技術同企業(yè)傳統(tǒng)生產模式深度嵌入融合越來越成為企業(yè)數字化轉型提升企業(yè)市場勢力的重大戰(zhàn)略選擇。本文選取了2012—2021 年中國滬深A 股上市企業(yè)為研究樣本，實證檢驗了企業(yè)在數字經濟背景下進行數字化轉型對市場勢力的影響效應和作用機制。實證檢驗結果表明：①數字化轉型程度與企業(yè)市場勢力之間呈現非線性的關系，即U型關系。通過改變被解釋變量和解釋變量的測度、排除企業(yè)策略性信息披露行為影響的穩(wěn)健性檢驗，以及通過解決內生性問題如Heckman 兩階段法、傾向得分匹配和工具變量等，增強了這一結論的可靠性。②機制檢驗表明，成本效應和創(chuàng)新效應是數字化轉型影響市場勢力的主要作用路徑。③進一步分析發(fā)現，成本控制能力可以正向調節(jié)數字化轉型與市場勢力的U 型關系，成本控制能力越強，企業(yè)能夠越早且越快地提升市場勢力，因此，成本控制能力的調節(jié)作用主要體現在拐點之后；對于市場競爭程度的調節(jié)作用，在市場競爭程度高的情況下，數字化轉型對市場勢力的負面影響更大，且在樣本期間內，市場競爭程度的調節(jié)作用主要體現在拐點之前。

根據上述研究結果，本文提出如下建議：

①企業(yè)應當充分認識數字化轉型給市場勢力帶來的不同階段的影響。首先，數字化轉型前期會使得市場勢力下降，因此，企業(yè)應當充分認知企業(yè)數字化轉型及其可能面臨的風險，加強風險管理，提高整體戰(zhàn)略變革思維。企業(yè)需充分了解數字技術與實體經濟融合發(fā)展的規(guī)律和特點，數字化轉型需要結合內外部環(huán)境分析進行診斷對標，將數據驅動的理念、方法和機制根植于企業(yè)發(fā)展的總體戰(zhàn)略，并深度融合數字化轉型的具體問題與企業(yè)自身業(yè)務戰(zhàn)略和產品戰(zhàn)略，為數字化轉型的成功助力。其次，重視市場勢力的長期發(fā)展和可持續(xù)發(fā)展。對于數字化轉型的重投入、長周期、見效慢，數字化轉型初期市場勢力的降低只是一時的，企業(yè)需要有長跑的耐心和長期投入的信心，不過分追求短期財務業(yè)績，明晰實體經濟數字化是一場持久戰(zhàn)。明晰數字化轉型為企業(yè)提供的是可持續(xù)的優(yōu)勢，數字化轉型的成功可以降低企業(yè)的成本和改善產品質量，有助于最終提高市場勢力，使其能夠在激烈的市場競爭中保持領先地位。最后，企業(yè)可以通過保持長遠戰(zhàn)略、加快轉型進程、優(yōu)化產品和服務、強化創(chuàng)新能力等方式，實現數字化轉型對市場勢力的持續(xù)促進。

②重視和正確認識數字化轉型能夠通過成本效應和創(chuàng)新效應影響市場勢力的主要作用機制。首先，在數字化轉型前期，較大規(guī)模的初始投資等數字化轉型行為會帶來高成本的壓力，這會對市場勢力產生一定的負面影響。政府可以通過提供財政支持、補貼或稅收減免、促進數字化技術的普及以及降低數字化轉型的門檻等方式，幫助企業(yè)降低數字化轉型的成本，并提供公平競爭的市場環(huán)境，確保每一個企業(yè)都能夠平等獲得數字化支持。政府可以幫助企業(yè)深入推進數字化轉型，早日超過數字化轉型的拐點，使得企業(yè)降低生產成本和運營成本，提高成本效益，從而提高市場勢力。其次，要正確認識創(chuàng)新效應的機制作用。數字經濟時代，數字化轉型為企業(yè)提供了創(chuàng)新和破壞性技術的機會。破壞性技術會使得原有市場參與者的市場份額減小和市場勢力減弱，改變原有的市場格局，增強率先數字化轉型成功的企業(yè)的市場勢力。因此，企業(yè)自身應當把握數字經濟時代的機遇，努力提高自身的創(chuàng)新能力，提高產品質量，為獲取產品市場的定價權助力。同時政府也可以制定政策和措施鼓勵企業(yè)研發(fā)投資和保護知識產權，推動企業(yè)創(chuàng)新。

③政府和企業(yè)需要重視企業(yè)自身成本控制能力的提升和外部市場環(huán)境的影響。首先，企業(yè)可以通過定期成本評估、加強部門之間的溝通與合作、運用數據驅動的成本管理方式提高成本控制的效率和準確性，并及時調整適應市場變化和數字化轉型的業(yè)務和成本結構以保持靈活性和適應性，進而提高其自身的成本控制能力。企業(yè)自身的成本控制能力越強，越可以減少成本增加帶來的市場勢力的下降，并可以提升生產效率，越早地提升企業(yè)的市場勢力。因此，企業(yè)需要重視自身的成本控制能力。同時，政府可以建立信息和資源共享平臺，提供技術咨詢和培訓以及數字化轉型的成功實踐等支持，并鼓勵企業(yè)之間共享數字化資源，這有助于企業(yè)了解市場趨勢和成本控制策略，促進企業(yè)間的學習和經驗交流，幫助企業(yè)提高成本控制能力、降低成本、提高效率，實現更高效的數字化轉型。其次，企業(yè)要深入了解市場需求、加強創(chuàng)新和研發(fā)。深入了解市場需求的變化和競爭對手的動態(tài)，使得企業(yè)能夠根據市場需求進行研發(fā)并調整產品和服務，從而使得企業(yè)在數字化轉型的進程中較早地提高其市場勢力。同時，政府應當加強市場監(jiān)管防止不正當競爭，創(chuàng)造公平競爭的市場環(huán)境，以推動企業(yè)數字化轉型的成功和市場的可持續(xù)發(fā)展。政府也可以幫助企業(yè)了解市場需求和競爭情況，為企業(yè)提供市場的相關信息和支持并制定與企業(yè)相適應的戰(zhàn)略。

參考文獻

[1] 柏培文，喻理. 數字經濟發(fā)展與企業(yè)價格加成：理論機制與經驗事實[J]. 中國工業(yè)經濟，2021 年第11 期，第59-77 頁。

[2] 曹偉，趙璨，楊德明. 夸大其詞的“互聯網+”信息披露能夠影響銀行信貸決策嗎[J]. 財貿經濟，2022 年第2期，第83-97 頁。

[3] 鄧忠奇，龐瑞芝，陳甬軍. 從市場勢力到有效市場勢力——以中國化學藥品制劑制造業(yè)為例[J]. 管理世界，2022 年第01 期，第90-108 頁。

[4] 付劍茹，王可. 企業(yè)數字化發(fā)展何以促進創(chuàng)新[J]. 產業(yè)經濟評論，2022 年第05 期，第51-69 頁。

[5] 郭家堂，駱品亮. 互聯網對中國全要素生產率有促進作用嗎？[J]. 管理世界，2016 年第10 期，第34-49 頁。

[6] 侯德帥，王琪，張婷婷，董曼茹. 企業(yè)數字化轉型與客戶資源重構[J]. 財經研究，2023 年第2 期，第110-124頁。

[7] 胡潔，韓一鳴，鐘詠. 企業(yè)數字化轉型如何影響企業(yè)ESG 表現——來自中國上市公司的證據[J]. 產業(yè)經濟評論，2023 年第1 期，第105-123 頁。

[8] 蔣冠宏. 并購如何提升企業(yè)市場勢力——來自中國企業(yè)的證據[J]. 中國工業(yè)經濟，2021 年第05 期，第170-188 頁。

[9] 荊文君，孫寶文. 數字經濟促進經濟高質量發(fā)展：一個理論分析框架[J]. 經濟學家，2019 年第02 期，第66-73 頁。

[10] 李樹，王雨. 企業(yè)數字化轉型與內部收入不平等[J]. 產業(yè)經濟評論，2023 年第1 期，第81-104 頁。

[11] 林偉鵬，馮保藝. 管理學領域的曲線效應及統(tǒng)計檢驗方法[J]. 南開管理評論，2022 年第1 期，第155-166 頁。

[12] 劉慧，白聰. 數字化轉型促進中國企業(yè)節(jié)能減排了嗎？[J]. 上海財經大學學報，2022 年第05 期，第19-32 頁。

[13] 劉九如. 制造業(yè)數字化轉型的本質、路徑、存在誤區(qū)及政策建議[J]. 產業(yè)經濟評論，2023 年第1 期，第5-15 頁。

[14] 劉啟仁，黃建忠. 產品創(chuàng)新如何影響企業(yè)加成率[J]. 世界經濟，2016 年第11 期，第28-53 頁。

[15] 劉淑春，閆津臣，張思雪，林漢川. 企業(yè)管理數字化變革能提升投入產出效率嗎[J]. 管理世界，2021 年第05期，第170-190+13 頁。

[16] 劉亞輝，牟爽，尹玉剛. 產品市場競爭風險被定價了嗎？——來自中國A 股市場的證據與解釋[J]. 經濟學（季刊），2021 年第06 期，第2061-2082 頁。

[17] 戚聿東，蔡呈偉. 數字化企業(yè)的性質：經濟學解釋[J]. 財經問題研究，2019 年第05 期，第121-129 頁。

[18] 戚聿東，肖旭. 數字經濟時代的企業(yè)管理變革[J]. 管理世界，2020 年第06 期，第135-152+250 頁。

[19] 任曙明，孫飛. 需求規(guī)模、異質性研發(fā)與生產率——基于ACF 法的實證研究[J]. 財經研究，2014 年第08 期，第42-56 頁。

[20] 任曙明，張靜. 補貼、尋租成本與加成率——基于中國裝備制造企業(yè)的實證研究[J]. 管理世界，2013 年第10期，第118-129 頁。

[21] 王菲，劉天軍，宋經翔. 數字經濟發(fā)展能提高農業(yè)企業(yè)加成率嗎——基于全國53196 家農業(yè)企業(yè)的微觀證據[J].山西財經大學學報，2022 年第11 期，第15-27 頁。

[22] 王開科，吳國兵，章貴軍. 數字經濟發(fā)展改善了生產效率嗎[J]. 經濟學家，2020 年第10 期，第24-34 頁。

[23] 王榮基，王玨，白東北. 數字化轉型與企業(yè)市場勢力——理論機制與經驗識別[J]. 現代管理科學，2022 年第6 期，第157-166 頁。

[24] 王淑英，張遠芳. 數字化轉型能否緩解產業(yè)結構趨同程度[J]. 產業(yè)經濟評論，2022 年第06 期，第119-132 頁。

[25] 吳非，胡慧芷，林慧妍，任曉怡. 企業(yè)數字化轉型與資本市場表現——來自股票流動性的經驗證據[J]. 管理世界，2021 年第07 期，第130-144+10 頁。

[26] 肖紅軍，商慧辰. 數字企業(yè)社會責任：現狀、問題與對策[J]. 產業(yè)經濟評論，2022 年第06 期，第133-152 頁。

[27] 許憲春，張美慧，張鐘文. 數字化轉型與經濟社會統(tǒng)計的挑戰(zhàn)和創(chuàng)新[J]. 統(tǒng)計研究，2021 年第01 期，第15-26 頁。

[28] 楊德明，劉泳文.“互聯網+”為什么加出了業(yè)績[J]. 中國工業(yè)經濟，2018 年第5 期，第80-98 頁。

[29] 袁淳，肖土盛，耿春曉，盛譽. 數字化轉型與企業(yè)分工：專業(yè)化還是縱向一體化[J]. 中國工業(yè)經濟，2021 年第09 期，第137-155 頁。

[30] 張峰，劉璐璐. 數字經濟時代對數字化消費的辯證思考[J]. 經濟縱橫，2020 年第02 期，第45-54 頁。

[31] 張小蒂，朱勤. 論全球價值鏈中我國企業(yè)創(chuàng)新與市場勢力構建的良性互動[J]. 中國工業(yè)經濟，2007 年第5 期，第30-38 頁。

[32] 張澤南，錢欣鈺，曹新偉. 企業(yè)數字化轉型的綠色創(chuàng)新效應研究：實質性創(chuàng)新還是策略性創(chuàng)新？[J]. 產業(yè)經濟研究，2023 年第1 期，第86-100 頁。

[33] 趙璨，陳仕華，曹偉.“互聯網+”信息披露：實質性陳述還是策略性炒作——基于股價崩盤風險的證據[J]. 中國工業(yè)經濟，2020 年第03 期，第174-192 頁。

[34] 趙宸宇，王文春，李雪松. 數字化轉型如何影響企業(yè)全要素生產率[J]. 財貿經濟，2021 年第07 期，第114-129 頁。

[35] 趙振.“互聯網+”跨界經營：創(chuàng)造性破壞視角[J]. 中國工業(yè)經濟，2015 年第10 期，第146-160 頁。

[36] Aghion P.， A. Bergeaud， T. Boppart， P. J. Klenow， and H. Li， “A Theory of Falling Growth and Rising Rents”， NationalBureau of Economic Research， 2019.

[37] Bessen J.， and C. Righi， “Shocking Technology： What Happens When Firms Make Large IT Investments？ ”， BostonUniversity School of Law， Law and Economics Research Paper， 2019.

[38] De Loecker J， F Warzynski， “Markups and Firm-Level Export Status”， The American Economic Review， 2012， 102（6），2437-2471.

[39] Goldfarb A.， and C. Tucker， “Digital Economics”， Journal of Economic Literature， 2019， 57（1）， 3-43.

[40] Haans R. F. J.， C. Pieters， and Z.-L. He， “Thinking about U： Theorizing and testing U- and inverted U-shapedrelationships in strategy research”， Strategic Management Journal， 2016， 37（7）， 1177-1195.

[41] Hinings B.， T. Gegenhuber， and R. Greenwood， “Digital innovation and transformation： An institutional perspective”，Information and Organization， 2018， 28（1）， 52-61.

[42] Hoberg G.， and G. Phillips， “Text-Based Network Industries and Endogenous Product Differentiation”， Journal of political Economy， 2016， 124， 1423-1465.

[43] Lyytinen K.， Y. Yoo， and R. J. Boland Jr.， “Digital product innovation within four classes of innovation networks”，Information Systems Journal， 2016， 26（1）， 47-75.

[44] Mosch P.， S. Schweikl， and R. Obermaier， “Trapped in the supply chain？ Digital servitization strategies and powerrelations in the case of an industrial technology supplier”， International Journal of Production Economics， 2021， 236，108141.

[45] Nambisan S， K Lyytinen， A Majchrzak， M Song， “Digital Innovation Management： Reinventing InnovationManagement Research in a Digital World”， Mis Quarterly， 2017， 41（1）， 223-238.

[46] Porter M. E.， and J. E. Heppelmann， “How Smart， Connected Products Are Transforming Competition”， Harvardbusiness review， 2014， 92（11）， 66-88.

[47] Richardson S.， “Over-investment of free cash flow”， Review of Accounting Studies， 2006， 11（2-3）， 159-189.

[48] Rodríguez-Moreno J. A.， and M. E. Rochina-Barrachina， “ICT Use， Investments in R&D and Workers’ Training， Firms’Productivity and Markups： The Case of Ecuadorian Manufacturing”， The European Journal of Development Research，2019， 31（4）， 1063-1106.

[49] Saarikko T.， U. H. Westergren， and T. Blomquist， “Digital transformation： Five recommendations for the digitallyconscious firm”， Business Horizons， 2020， 63（6）， 825-839.

[50] Tamaschke R.， G. Docwra， and R. Stillman， “Measuring market power in electricity generation： A long-termperspective using a programming model”， Energy Economics， 2005， 27（2）， 317-335.

〔執(zhí)行編輯：應珊珊〕

本文為國家社科基金重大項目“我國制造業(yè)低碳化發(fā)展的理論體系、政策框架與實踐路徑研究”（批準號：22&ZD102）的階段性成果。