中國企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域差異及收斂性研究

中圖分類號：F062.5；F061.5 文獻標識碼：A 文章編號：1009-3060（2025）02-0104-15

一、引 言

隨著我國新舊動能轉(zhuǎn)換工程的實施，數(shù)字經(jīng)濟發(fā)揮引領創(chuàng)新發(fā)展的引擎作用，成為推動高質(zhì)量發(fā)展的新動能。國家高度重視數(shù)字經(jīng)濟的發(fā)展，黨的十八大以來，黨中央不斷出臺新政策為數(shù)字經(jīng)濟發(fā)展助力。《中國數(shù)字經(jīng)濟發(fā)展白皮書2021》指出，2020年我國數(shù)字經(jīng)濟規(guī)模高達39.2萬億元，對GDP增長率貢獻度為 3 8 . 6 % ，成為實現(xiàn)國家創(chuàng)新驅(qū)動發(fā)展的重要途徑[1]。作為經(jīng)濟發(fā)展的微觀主體，企業(yè)推動數(shù)字化轉(zhuǎn)型是深化新舊動能轉(zhuǎn)換的科學舉措，為數(shù)字經(jīng)濟發(fā)展提質(zhì)增效提供有力支撐。同時，云計算、區(qū)塊鏈等新技術(shù)帶來了機遇和挑戰(zhàn)，企業(yè)數(shù)字化轉(zhuǎn)型也成為適應國內(nèi)外環(huán)境變化、帶動經(jīng)濟升級和轉(zhuǎn)型、暢通雙循環(huán)的重要途徑[2]。

作為經(jīng)濟發(fā)展的新動能，數(shù)字經(jīng)濟成為企業(yè)進行數(shù)字化轉(zhuǎn)型革新的強大動力[3]。對于中國企業(yè)而言，面對新的發(fā)展形勢，需要通過踏上數(shù)字化轉(zhuǎn)型之路來擁抱數(shù)字化世界?！?021埃森哲中國企業(yè)數(shù)字轉(zhuǎn)型指數(shù)》提到，近年來中國企業(yè)數(shù)字化轉(zhuǎn)型進展迅猛，中國企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)2018年僅為37分，2021年已上升至54分。然而，中國企業(yè)數(shù)字化轉(zhuǎn)型的進程并不順利，人才、技術(shù)以及成本方面仍需要克服發(fā)展瓶頸[4]。那么，中國企業(yè)數(shù)字化轉(zhuǎn)型水平究竟如何變遷？企業(yè)數(shù)字化是否得到明顯改善與提升？區(qū)域差異是否顯著？差異又來源于哪些方面？這是本文旨在研究的關鍵問題。對于上述問題的探究，有助于全面客觀地了解中國企業(yè)數(shù)字化轉(zhuǎn)型的變遷歷程，厘清中國企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域差異來源，為助推中國企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展提供一定的參考依據(jù)和智力支持。

近年來，中國企業(yè)數(shù)字化轉(zhuǎn)型已經(jīng)成為學術(shù)界關注的熱點話題，現(xiàn)有研究主要從影響因素和影響作用兩個方面展開。其中，中國企業(yè)數(shù)字化轉(zhuǎn)型的影響因素分析大致可以劃分為內(nèi)部因素和外部因素兩種視角。內(nèi)部因素主要聚焦管理者復合職能背景[5]、管理者短視行為[6]以及職業(yè)經(jīng)理人[等對企業(yè)數(shù)字化轉(zhuǎn)型的影響作用。外部因素主要聚焦政策沖擊[8-10]、金融發(fā)展[11-12]以及經(jīng)濟戰(zhàn)略管理[13-14]對企業(yè)數(shù)字化轉(zhuǎn)型的影響作用。此外，現(xiàn)有研究對數(shù)字化轉(zhuǎn)型的時間演進、區(qū)域差異及其在企業(yè)間的互聯(lián)互動方面也有所關注。一是關于中國企業(yè)數(shù)字化轉(zhuǎn)型的時間演進和區(qū)域差異分析。總體而言，中國企業(yè)數(shù)字化轉(zhuǎn)型尚在起步階段，處于持續(xù)穩(wěn)步發(fā)展中[15]，并經(jīng)歷了從宏觀制度導向到中觀產(chǎn)業(yè)推動，再到微觀企業(yè)內(nèi)驅(qū)的下沉過程，并且中西部和東北地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的步伐明顯落后于東部地區(qū)[4]，但總體差異呈現(xiàn)減小趨勢[16]。聚焦制造業(yè)企業(yè)的研究也得到了相似的結(jié)論[17-19]。二是關于中國企業(yè)數(shù)字化轉(zhuǎn)型在企業(yè)間的互聯(lián)互動分析?，F(xiàn)有文獻大致可以劃分為同群效應研究和聯(lián)動擴散效應研究：就同群效應而言，現(xiàn)有研究先后證實了數(shù)字化轉(zhuǎn)型在同行業(yè)或同地區(qū)[20-22]、分析師跟蹤網(wǎng)絡[23]、供應鏈網(wǎng)絡[24]、供應鏈共同股權(quán)網(wǎng)絡[25]以及共享審計師網(wǎng)絡[26]等方面存在顯著的同群效應；對于聯(lián)動擴散效應，李云鶴等[27]以及張濤和李雷[28]相繼發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型在供應鏈上存在擴散效應，即企業(yè)數(shù)字化轉(zhuǎn)型程度越高，上游供應商與下游客戶數(shù)字化轉(zhuǎn)型程度越高。范合君等[29]以及劉玉斌和能龍閣[30在產(chǎn)業(yè)鏈上也發(fā)現(xiàn)了顯著的上下游聯(lián)動效應，且焦點企業(yè)的數(shù)字化轉(zhuǎn)型多是主動學習而非被動模仿。

現(xiàn)有研究為考察和推進中國企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展奠定了良好基礎，但仍存在進一步拓展的空間。例如，現(xiàn)有研究大多在企業(yè)層面展開微觀分析，而從省份層面和區(qū)域?qū)用娴暮暧^視角考察企業(yè)數(shù)字化轉(zhuǎn)型變遷規(guī)律的研究則十分匱乏，該領域的空白有待于進一步填補。并且，目前尚未有文獻基于微觀企業(yè)數(shù)據(jù)對中國企業(yè)數(shù)字化轉(zhuǎn)型的動態(tài)演進、空間差異和收斂特征展開深人研究?；诖?，本文的邊際貢獻主要體現(xiàn)在以下三個維度：（1）研究樣本方面，本文基于2007—2020年A股上市公司的企業(yè)年報數(shù)據(jù)，在構(gòu)建指標評價體系的基礎上測算了中國31個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平，以此為樣本展開深入分析。（2）研究視角方面，本文在全國和區(qū)域兩個層面對中國企業(yè)數(shù)字化轉(zhuǎn)型水平的動態(tài)演進、空間差異和收斂特征進行深人分析，為提高企業(yè)數(shù)字化轉(zhuǎn)型水平、縮小發(fā)展差異提供了參考依據(jù)。（3）研究方法方面，本文利用熵值法測算中國企業(yè)數(shù)字化轉(zhuǎn)型水平，采用Kernel密度估計刻畫其分布動態(tài)及演進趨勢，運用Dagum基尼系數(shù)和方差分解考察其空間差異來源，并應用 σ 收斂檢驗和 β 收斂檢驗考察其空間收斂特征。

二、方法介紹與數(shù)據(jù)說明

（一）方法介紹

1．熵值法

熵值法是通過數(shù)據(jù)本身的離散程度來確定該指標的權(quán)重大小，屬于客觀賦權(quán)法。當數(shù)據(jù)離散程度越大時，代表該指標蘊含的信息量越大，對該指標賦予的權(quán)重也應該越大。反之，對該指標賦予的權(quán)重就應該越小。鑒于熵值法具有避免主觀賦權(quán)法隨機性的缺陷以及有效克服多個指標間的信息重疊現(xiàn)象[31]特點，本文采用熵值法來測算企業(yè)數(shù)字化轉(zhuǎn)型水平，過程如下。

第一，根據(jù)指標性質(zhì)確定評價企業(yè)數(shù)字化轉(zhuǎn)型水平時的處理方向，數(shù)值越大，代表企業(yè)數(shù)字化轉(zhuǎn)型水平越高的為正向指標，相反則為負向指標。同時，進行無量綱化的數(shù)據(jù)處理，如式（1）、式（2）所示。

正向指標：

負向指標：

其中， i 表示省份， j 表示測度指標；Xij 和

分別表示原始的和標準化后的企業(yè)數(shù)字化轉(zhuǎn)型水平測度指標值， 和 分別表示 的最大值和最小值。

第二，對各指標進行同度量化的處理，測度每年省份 i 企業(yè)數(shù)字化轉(zhuǎn)型第 j 項指標的比重 ，構(gòu)建規(guī)范化矩陣如式（3）所示：

第三，計算第 j 項指標的熵值 ，數(shù)值越大表示企業(yè)數(shù)字化轉(zhuǎn)型的這一指標數(shù)值間的差異越小，指標重要性越低，反之重要性越高，如式（4）所示：

第四，測度信息熵冗余度，即企業(yè)數(shù)字化轉(zhuǎn)型第 j 項指標的差異性系數(shù) ，如式（5）所示：

第五，測度該指標在所有維度中的比重，即企業(yè)數(shù)字化轉(zhuǎn)型第 j 項指標的比重 ，如式（6）所示：

第六，將所有指標的標準化值 乘以對應的權(quán)重 ，就得到企業(yè)數(shù)字化轉(zhuǎn)型水平 ，如式（7）所示：

2.Kernel密度估計

本文使用Kernel密度估計對中國企業(yè)數(shù)字化轉(zhuǎn)型水平的絕對差異進行探究。Kernel密度估計不用設定具體的函數(shù)分布形式，屬于非參數(shù)方法的一種[32-33]。憑借模型依賴性弱、穩(wěn)健性強等優(yōu)點[34]，Kernel密度估計已成為區(qū)域差異分析的常用工具。

假設隨機變量 X 的密度函數(shù)是進行Kernel密度估計的前提，具體見式（8）。其中， N 是觀測值數(shù)量的符號， h 是帶寬的符號， K 用來表示核密度， 是獨立同分布的第 i 個觀測值的符號， x 衡量平均值。Kernel密度估計需要滿足如下條件，見式（9）。

參照陳景華等[35]、張龍耀和邢朝輝[36]以及陳子曦和青梅[37的做法，本文選擇高斯核密度對中國企業(yè)數(shù)字化轉(zhuǎn)型水平的動態(tài)演進進行估計分析。

3.Dagum基尼系數(shù)及其分解

本文采用 提出的基尼系數(shù)及其分析方法對中國企業(yè)數(shù)字化轉(zhuǎn)型水平的相對差異進行刻畫，基尼系數(shù) G 的定義如式（10）所示。其中， 表示第 j （ h ） 個區(qū)域任意省份的企業(yè)數(shù)字化轉(zhuǎn)型水平， n 表示省份的數(shù)量， μ 表示全國企業(yè)數(shù)字化轉(zhuǎn)型水平的均值，k表示區(qū)域的數(shù)量，從而得到我國企業(yè)數(shù)字化轉(zhuǎn)型水平的總體差異?；嵯禂?shù) G 由超變密度貢獻 、區(qū)域內(nèi)差異貢獻 、區(qū)域間差異貢獻 三部分構(gòu)成，分別代表地區(qū)間的交叉重疊效應、地區(qū)內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型水平差異的來源、地區(qū)間企業(yè)數(shù)字化轉(zhuǎn)型水平差異的來源[39]

相關計算公式具體如下：區(qū)域內(nèi)差異貢獻 根據(jù)式（11）得到，其中的 是指區(qū)域內(nèi)基尼系數(shù)，具體見式（12）。 ，其中 表示第 j 個區(qū)域內(nèi)部省份的數(shù)量， 代表第j 個區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的均值；區(qū)域間差異貢獻 根據(jù)式（13）得到，其中 代表區(qū)域間基尼系數(shù)，具體見式（14）。 ， ，其中的 指第 h 個區(qū)域內(nèi)部省份的數(shù)量， 表示第 h 個區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的均值， 指第 j ? h 個區(qū)域間企業(yè)數(shù)字化轉(zhuǎn)型水平的相對影響。 表示區(qū)域間企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的差值，在 時， 表示 條件下的所有企業(yè)數(shù)字化轉(zhuǎn)型水平差異 的加權(quán)平均數(shù)。 為超變一階矩，在 時， 是在 條件下所有 （2的加權(quán)平均數(shù)。超變密度貢獻 可以根據(jù)式（15）計算得到。

4. 收斂和 收斂

收斂分析。 σ 收斂是指隨著時間推移，企業(yè)數(shù)字化轉(zhuǎn)型水平的離散程度呈現(xiàn)不斷降低的態(tài)勢。參照Rezitis[40]、鄧宗兵等[41]以及張卓群等[42]的做法，本文通過變異系數(shù)（Coefficient ofVariation，CV來刻畫 σ 收斂。計算公式如式（16）所示：

其中， 表示 j 區(qū)域內(nèi) i 省份的企業(yè)數(shù)字化轉(zhuǎn)型水平； 表示 j 區(qū)域內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型水平均值， 指區(qū)域 j 內(nèi)省份的數(shù)量。

（ 2 ） β 收斂分析。 β 收斂是指企業(yè)數(shù)字化轉(zhuǎn)型水平落后地區(qū)隨著時間的變遷憑借其更高的增長率，會逐步縮小與發(fā)達地區(qū)的差距，最終趨于一致。依據(jù)應用前提條件和穩(wěn)態(tài)水平， β 收斂可分為 β 絕對收斂與 β 條件收斂。 β 絕對收斂是指不考慮其他因素，各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平伴隨時間的變遷會收斂于同一水平。 β 絕對收斂的計量模型如式（17）所示：

其中， 為第 i 個省份在 t + 1 期的企業(yè)數(shù)字化轉(zhuǎn)型水平， 為第 i 個省份在 期的企業(yè)數(shù)字化轉(zhuǎn)型水平， 表示第 i 個城市在t + 1 期的增長率， 和 分別為地區(qū)效應與時間效應， 為隨機擾動項， β 為待估參數(shù)。若 β 小于0，說明企業(yè)數(shù)字化轉(zhuǎn)型水平存在收斂趨勢；若 β 大于0，說明企業(yè)數(shù)字化轉(zhuǎn)型水平存在發(fā)散趨勢。

β 條件收斂是指在 β 絕對收斂的基礎上，考慮區(qū)域間存在的互聯(lián)網(wǎng)發(fā)展程度、創(chuàng)新能力、經(jīng)濟水平、區(qū)域開放程度、財政支持力度、產(chǎn)業(yè)結(jié)構(gòu)、勞動力成本等一系列因素的影響后，各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平會隨著時間的推移收斂于自身穩(wěn)態(tài)。在 β 絕對收斂的計量模型中加人這些控制變量，構(gòu)建 β 條件收斂模型如式（18）所示：

其中， λ 代表控制變量待估參數(shù)， 為一系列控制變量，包括各省份互聯(lián)網(wǎng)接入端口數(shù)（Internet）、專利授權(quán)數(shù)（Innovation）、人均GDP（ P g d p ）、貿(mào)易開放度（Trade）、財政收入占GDP的比重（Reuenue）、財政支出占GDP的比重 penditure）產(chǎn)業(yè)結(jié)構(gòu)（Industry）和就業(yè)人員平均工資 （ W a g e ） ，其他變量含義與式（17）相同。

借鑒已有研究[43-44]，本文將空間因素考慮在內(nèi)，通過空間杜賓模型（SDM設計企業(yè)數(shù)字化轉(zhuǎn)型的空間 β 絕對收斂模型（見式19）和空間 β 條件收斂模型（見式20）。其中， 表示空間權(quán)重矩陣w 的 （ i ， j ） 元素，本文采用基于經(jīng)濟權(quán)重矩陣的空間 β 收斂模型對企業(yè)數(shù)字化轉(zhuǎn)型的收斂性進行檢驗。參照林光平等[45]以及聶長飛和簡新華[46]的做法，本文采用各省份間2007—2020年人均GDP均值的絕對差值的倒數(shù)來衡量經(jīng)濟權(quán)重矩陣。

（二）數(shù)據(jù)說明

本文將觀察期定于2007—2020年，基于滬深A股上市公司的企業(yè)年報數(shù)據(jù)計算各企業(yè)年報數(shù)據(jù)中數(shù)字化轉(zhuǎn)型的詞頻數(shù)，進而測度中國31個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平①。上市公司的企業(yè)年報數(shù)據(jù)來自深圳證券交易所和上海證券交易所的官方網(wǎng)站。同時，本文也從國泰安數(shù)據(jù)庫（CSMAR），獲取了2007—2020年滬深A股上市公司的證券代碼和注冊地等基本情況數(shù)據(jù)，并依據(jù)證券代碼將基本情況數(shù)據(jù)與企業(yè)年報數(shù)據(jù)進行匹配。收斂性分析中所用到的控制變量數(shù)據(jù)經(jīng)由中經(jīng)網(wǎng)、國家統(tǒng)計局和各省份統(tǒng)計年鑒獲得

三、中國企業(yè)數(shù)字化轉(zhuǎn)型水平的測度分析

通過構(gòu)建的中國企業(yè)數(shù)字化轉(zhuǎn)型水平的指標評價體系，本文測算了2007—2020年中國31個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平，并從全國、區(qū)域以及省際這3個不同的層面把握其變化情況與演變趨勢。

（一）中國企業(yè)數(shù)字化轉(zhuǎn)型水平的指標評價體系

順應數(shù)字經(jīng)濟時代召喚，更好推動數(shù)字化變革成為企業(yè)肩上的新使命與面臨的新機遇。從概念上講，企業(yè)數(shù)字化轉(zhuǎn)型并非簡單的企業(yè)資料數(shù)據(jù)數(shù)字化，而是借助前沿數(shù)字科技技術(shù)與硬件系統(tǒng)來推動企業(yè)生產(chǎn)資料與生產(chǎn)過程的數(shù)字化，從而達到提質(zhì)增效的重要目標導向，也為企業(yè)提供優(yōu)化運營、提高效率、降低風險的新途徑，進而賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級[47]。Verhoef等[48]認為，企業(yè)數(shù)字化轉(zhuǎn)型大致可分為三個階段：第一個階段是將信息數(shù)字化的過程，第二個階段是指利用數(shù)字化技術(shù)改進業(yè)務流程的過程，第三個階段是戰(zhàn)略性地改變商業(yè)模式的過程。其中，人工智能（artificialintelligence）、區(qū)塊鏈（blockchain）、云計算（cloudcomputing）、大數(shù)據(jù)（bigdata）等“ABCD\"技術(shù)構(gòu)成了企業(yè)數(shù)字化轉(zhuǎn)型的核心底層技術(shù)架構(gòu)[49]。在此基礎上，隨著數(shù)字科技技術(shù)持續(xù)融合嵌入、不斷創(chuàng)新升級，企業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)賦能逐步外移至技術(shù)應用，最終形成“底層技術(shù)”與“實踐應用\"兩個層面[50]

企業(yè)數(shù)字化轉(zhuǎn)型作為新時代下企業(yè)高質(zhì)量發(fā)展的重大戰(zhàn)略，這類特征信息更容易體現(xiàn)在具有總結(jié)和指導性質(zhì)的企業(yè)年報中[50]。年報中的詞匯用法能夠折射出企業(yè)的戰(zhàn)略特征和未來展望，在很大程度上能夠體現(xiàn)出企業(yè)所推崇的經(jīng)營理念及在這種理念指導下的發(fā)展路徑。這為本文刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度提供了啟發(fā)，即可以通過上市企業(yè)公布的年度報告中的相應關鍵詞詞頻進行測度。借鑒吳非等[50]的企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)構(gòu)化特征詞圖譜，同時結(jié)合數(shù)據(jù)的可得性，本文從人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計算技術(shù)、大數(shù)據(jù)技術(shù)以及數(shù)字技術(shù)應用5個維度構(gòu)建了中國企業(yè)數(shù)字化轉(zhuǎn)型水平的指標評價體系（見表1），并使用熵值法測算各指標權(quán)重。

（二）中國企業(yè)數(shù)字化轉(zhuǎn)型水平的測度結(jié)果

1．全國層面

為了刻畫中國企業(yè)數(shù)字化轉(zhuǎn)型的總體水平，圖1呈現(xiàn)了2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平的演變趨勢?？梢钥闯?，觀測期內(nèi)中國企業(yè)數(shù)字化轉(zhuǎn)型水平呈明顯上升態(tài)勢。經(jīng)測算，觀測期內(nèi)中國企業(yè)數(shù)字化轉(zhuǎn)型水平均值為0.0797，其中，2007年中國企業(yè)數(shù)字化轉(zhuǎn)型水平僅為0.0055，2020年已提高至0.2488，年均增長3 4 . 1 3 % 。尤其是在2012年之后，中國企業(yè)數(shù)字化轉(zhuǎn)型水平開始大幅提升，這可能是黨的十八大之后，國家對數(shù)字經(jīng)濟高度重視的結(jié)果。數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化步伐不斷加快，企業(yè)數(shù)字化轉(zhuǎn)型邁入新的發(fā)展階段。上述結(jié)果與金星曄等[51]的研究結(jié)果基本一致，均驗證了企業(yè)數(shù)字化轉(zhuǎn)型隨時間加強的趨勢，也均呈現(xiàn)出2011—2017年增速尤為顯著的現(xiàn)象，背后因素與國內(nèi)外的技術(shù)擴散關聯(lián)密切。

2.區(qū)域?qū)用?/p>

為了比較不同區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型總體水平的情況，圖2呈現(xiàn)了2007—2020年中國三大區(qū)域①企業(yè)數(shù)字化轉(zhuǎn)型水平的演變趨勢。就水平來看，觀測期內(nèi)各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平存在顯著差異，呈“東一中一西\"依次降低的階梯分布特征；就趨勢來看，各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平均呈明顯上升態(tài)勢，并且西部地區(qū)的增長速度顯著優(yōu)于東中部地區(qū)。經(jīng)測算，東部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的均值明顯高于中西部地區(qū)，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的均值分別為 和0.0606；西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的年均增長率快于東中部地區(qū)，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的年均增長率分別為 3 2 . 1 8 % . 3 8 . 9 0 % 和 4 1 . 1 8 % ?？偟膩碚f，觀測期內(nèi)，中國企業(yè)數(shù)字化轉(zhuǎn)型水平地區(qū)不平衡現(xiàn)象顯著，總體水平呈“東高西低”態(tài)勢，但增速呈“西高東低”態(tài)勢，因而中國企業(yè)數(shù)字化轉(zhuǎn)型水平的地區(qū)差異總體可能會呈縮小趨勢。上述結(jié)果也與金星曄等[51]的研究得出的結(jié)論基本一致，經(jīng)濟發(fā)達的東南沿海地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度較高，而經(jīng)濟水平較低的中西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度較低。

3.省際層面

圖3呈現(xiàn)了2007—2020年中國三大區(qū)域內(nèi)部31個省份企業(yè)數(shù)字化轉(zhuǎn)型水平的均值情況?？梢钥闯?，北京市企業(yè)數(shù)字化轉(zhuǎn)型水平位列第一，處于最高水平；甘肅省企業(yè)數(shù)字化轉(zhuǎn)型水平則排在末位，處于最低水平。進一步分析可知，東部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平處于較高水平主要得益于北京市、廣東省和福建省，這3個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平的均值依次為0.3158、0.1861和0.1753，遠高于其他28個省份。值得注意的是，盡管西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平在區(qū)域?qū)用娴陀跂|中部地區(qū)，但具體到省際層面卻不盡相同。西部地區(qū)的四川省和貴州省企業(yè)數(shù)字化轉(zhuǎn)型水平的均值分別為0.1278和0.1240，位列第4位和第5位，原因可能在于面對新時代西部大開發(fā)的機遇，四川省借助“國家數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)\"的利好條件，不斷推進數(shù)字經(jīng)濟發(fā)展；貴州省則在成為全國首個國家大數(shù)據(jù)綜合試驗區(qū)后，加快推進數(shù)字經(jīng)濟發(fā)展創(chuàng)新區(qū)建設。總體而言，北京市應在促進企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的同時，充分發(fā)揮好對企業(yè)數(shù)字化轉(zhuǎn)型落后省份的示范作用。甘肅省則應進一步助推企業(yè)數(shù)字化轉(zhuǎn)型，汲取優(yōu)秀省份的有益發(fā)展經(jīng)驗，其在數(shù)字經(jīng)濟賦能企業(yè)智慧發(fā)展的過程中還存在較大的追趕空間。

四、中國企業(yè)數(shù)字化轉(zhuǎn)型水平的動態(tài)演進分析

前文已對企業(yè)數(shù)字化轉(zhuǎn)型水平的測度結(jié)果進行了充分探究，為進一步展現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型水平絕對差異的動態(tài)演進，本部分通過Kernel密度估計這一方法進行深入分析。

（一）全國層面

圖4呈現(xiàn)了中國企業(yè)數(shù)字化轉(zhuǎn)型水平的分布動態(tài)演進情況?？梢园l(fā)現(xiàn)，觀測期內(nèi)，企業(yè)數(shù)字化轉(zhuǎn)型水平的分布明顯呈右移趨勢，這表明中國企業(yè)數(shù)字化轉(zhuǎn)型水平呈上升態(tài)勢。這一特征與前文客觀事實相符，即2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平持續(xù)提高。企業(yè)數(shù)字化轉(zhuǎn)型水平的絕對差異呈減小態(tài)勢，表現(xiàn)為主峰高度上升、寬度減小。企業(yè)數(shù)字化轉(zhuǎn)型水平的分布曲線出現(xiàn)向右拖尾現(xiàn)象，且分布延展性不斷拓寬，表明“優(yōu)者更優(yōu)\"現(xiàn)象也同樣存在于企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展中，即企業(yè)數(shù)字化轉(zhuǎn)型水平較高的省份在觀測期內(nèi)得到更快提高。企業(yè)數(shù)字化轉(zhuǎn)型水平的分布具有“多極分化\"態(tài)勢，但側(cè)峰較低，說明中國企業(yè)數(shù)字化轉(zhuǎn)型水平具有一定的梯度效應。

（二）區(qū)域?qū)用?/p>

圖5呈現(xiàn)了中國東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的分布動態(tài)演進情況?？梢园l(fā)現(xiàn)，觀測期內(nèi)，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的分布均呈明顯右移趨勢，這表明：東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平呈上升態(tài)勢，這一特征與前文客觀事實相符，即2007—2020年三大區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平也在不斷提高。此外，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的絕對差異均呈縮小態(tài)勢，表現(xiàn)為主峰高度上升、寬度變小。與全國層面的分布曲線相一致，三大區(qū)域均出現(xiàn)右拖尾現(xiàn)象，延展性也均不斷拓寬，說明在東部、中部和西部地區(qū)也存在“優(yōu)者更優(yōu)”的現(xiàn)象。另外，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的分布均具有明顯的“多極分化\"態(tài)勢，并且不同區(qū)域內(nèi)部存在不同的梯度效應。

五、中國企業(yè)數(shù)字化轉(zhuǎn)型水平的空間差異分析

上文基于絕對差異角度，對中國企業(yè)數(shù)字化轉(zhuǎn)型水平進行了探究。本部分從相對差異角度，運用Dagum基尼系數(shù)及其分解方法對企業(yè)數(shù)字化轉(zhuǎn)型水平的差異大小及來源進行剖析，探究中國企業(yè)數(shù)字化轉(zhuǎn)型差異的空間來源。

（一）全國層面

1．總體差異

圖6反映了2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平總體差異的演變趨勢。就水平來看，觀測期內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)介于 ；就趨勢來看，觀測期內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)總體呈波動下降態(tài)勢，這表明中國企業(yè)數(shù)字化轉(zhuǎn)型水平的總體差異在逐步縮小。事實上，隨著數(shù)字經(jīng)濟發(fā)展戰(zhàn)略與區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略“雙戰(zhàn)略”的實施，一方面，經(jīng)濟數(shù)字化轉(zhuǎn)型速度日益加快，全國整體企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展開始顯現(xiàn)出均衡發(fā)展的態(tài)勢；另一方面，中西部地區(qū)受益于多重優(yōu)惠政策和發(fā)展政策扶持，企業(yè)數(shù)字化轉(zhuǎn)型的發(fā)展速度可能會快于東部地區(qū)，區(qū)域間差異會不斷縮小。

2.差異來源

圖7展示了2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平差異的空間來源分解結(jié)果。水平方面，觀測期內(nèi)區(qū)域間差異貢獻率最高，超變密度貢獻率相對較低；趨勢方面，區(qū)域內(nèi)差異貢獻的變化趨勢總體并不明顯；區(qū)域間差異貢獻和超變密度貢獻略有波動，但兩者變化趨勢相反且呈現(xiàn)對稱性，表明超變密度貢獻的變化主要被區(qū)域間差異貢獻的變化所吸收，即不同區(qū)域的企業(yè)數(shù)字化轉(zhuǎn)型水平存在相互影響和溢出作用。此外，區(qū)域間差異已成為當下中國企業(yè)數(shù)字化轉(zhuǎn)型水平差異的主要來源。因此，解決中國企業(yè)數(shù)字化轉(zhuǎn)型的空間差異，關鍵要在縮小區(qū)域間差異上發(fā)力。

（二）區(qū)域?qū)用?/p>

1.區(qū)域內(nèi)差異

從圖8可以看出，水平方面，觀測期內(nèi)大部分時期企業(yè)數(shù)字化轉(zhuǎn)型水平基尼系數(shù)最高的為西部地區(qū)，中部地區(qū)最低；就趨勢來看，觀測期內(nèi)三大區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)總體均呈波動下降態(tài)勢，這表明三大區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的區(qū)域內(nèi)差異在逐步縮小。進一步分析可知，西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的區(qū)域內(nèi)差異最大，可能是因為西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展存在“極化現(xiàn)象”，四川和貴州企業(yè)數(shù)字化轉(zhuǎn)型水平遠高于其他省份，而甘肅和寧夏卻處于全國最低水平（見圖3）。而中部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的區(qū)域內(nèi)差異在各區(qū)域中處于最低水平，這表明中部地區(qū)內(nèi)部各省份企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展較為均衡，但這種均衡化態(tài)勢也反映出中部地區(qū)缺乏數(shù)字強省的引領作用和輻射效應，區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展難以得到快速和有效的改善。

2.區(qū)域間差異

圖9反映了2007—2020年中國東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平區(qū)域間差異的演變趨勢。就水平來看，觀測期內(nèi)東-西企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)最大，明顯高于東-西和中-西；就趨勢來看，觀測期內(nèi)東-中、東-西和中一西企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)均呈波動下降態(tài)勢。進一步分析可知，雖然觀測期內(nèi)東部地區(qū)與西部地區(qū)的區(qū)域間差異最大，但東部地區(qū)與西部地區(qū)的區(qū)域間差異呈減小態(tài)勢，這可能是因為西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的增速快于東部地區(qū)，因而東部地區(qū)和西部地區(qū)的區(qū)域間差異會逐漸縮小。

六、中國企業(yè)數(shù)字化轉(zhuǎn)型水平的空間收斂分析

上文詳細分析了中國企業(yè)數(shù)字化轉(zhuǎn)型的空間差異和動態(tài)演進特征，為了更加精確地考察中國企業(yè)數(shù)字化轉(zhuǎn)型的時空演變趨勢，本部分通過引入收斂理論及采用收斂模型，從 σ 收斂檢驗和β 收斂檢驗兩個角度出發(fā)，進一步揭示中國企業(yè)數(shù)字化轉(zhuǎn)型水平的收斂特征。

1 - 1 σ 收斂檢驗

1．全國層面

通過測度2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平的變異系數(shù)，對企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂特征進行檢驗，以考察企業(yè)數(shù)字化轉(zhuǎn)型水平偏離整體平均水平的差異及動態(tài)變化趨勢，圖10刻畫了全國層面企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂系數(shù)的變化態(tài)勢?？梢钥闯?，觀測期內(nèi)中國企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂系數(shù)總體呈明顯的波動下降態(tài)勢，特別是在2007—2011年， σ 收斂系數(shù)的下降趨勢較為明顯。這表明，中國企業(yè)數(shù)字化轉(zhuǎn)型水平總體呈 σ 收斂特征，即中國企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域差距隨著時間推移逐步縮小，這一結(jié)論與前文“中國企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)總體呈波動下降態(tài)勢”的測度結(jié)果相一致。

2.區(qū)域?qū)用?/p>

圖11刻畫了東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂系數(shù)的演變趨勢?？梢钥闯?，觀測期內(nèi)東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂系數(shù)總體呈波動下降態(tài)勢。這表明，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型水平的 σ 收斂特征均較為明顯，即三大區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域內(nèi)差距隨著時間推移逐步縮小，與全國整體基本一致，這一結(jié)論進一步肯定了前文“三大區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)總體均呈波動下降態(tài)勢”的測度結(jié)果。

1 = 1 β 收斂檢驗

1.空間相關性檢驗

為了考察各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的空間依賴和空間溢出特征，本文根據(jù)2007—2020年中國31個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平，測度了2007—2020年中國企業(yè)數(shù)字化轉(zhuǎn)型水平的全局莫蘭指數(shù)（見表2），并呈現(xiàn)了局部莫蘭散點圖（見圖12）。從表2的測算結(jié)果看，2013年之后企業(yè)數(shù)字化轉(zhuǎn)型的全局莫蘭指數(shù)均為正值，指數(shù)值介于 0 . 1 5 6 ～ 0 . 2 6 9 ，且 P?0 . 0 5 ，均通過了 5 % 的顯著性檢驗，這可以印證中國企業(yè)數(shù)字化轉(zhuǎn)型具有相對有序的空間分布，不同省份間相互影響，且存在顯著的正向作用。

全局莫蘭指數(shù)反映了鄰接區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展存在集聚效應，但不能體現(xiàn)空間集聚的局部形式。為了揭示中國企業(yè)數(shù)字化轉(zhuǎn)型的空間集聚模式，本文繪制了2013年（樣本期中間年份）和2020年（樣本期最近年份）的企業(yè)數(shù)字化轉(zhuǎn)型的局部莫蘭散點圖，如圖12所示。

由圖12可以看出，無論是2013年還是2020年，絕大多數(shù)省份均位于H-H和L-L集聚板塊。其中，東部地區(qū)高水平區(qū)域處于H-H集聚板塊，處于L-L集聚板塊的是以中西部地區(qū)為主的低水平發(fā)展區(qū)域。此外，對比圖12（a）和圖12（b）可以發(fā)現(xiàn)，中國企業(yè)數(shù)字化轉(zhuǎn)型的局部空間集聚模式變化不大，中國企業(yè)數(shù)字化轉(zhuǎn)型空間相關性比較穩(wěn)定。

2. 絕對收斂檢驗

表3列出了基于經(jīng)濟權(quán)重矩陣的SDM模型估計下 β 絕對收斂的檢驗結(jié)果。

由表3可知，全國及東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的 β 絕對收斂系數(shù)均在 1 % 的水平上顯著為負。這說明，全國及東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型均存在 β 絕對收斂，即企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域差異趨于減小。進一步地，由收斂系數(shù)的絕對值可知，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的 β 絕對收斂速度存在顯著差異，中西部地區(qū)收斂速度快于東部地區(qū)。

3. 條件收斂檢驗

表4列出了基于經(jīng)濟權(quán)重矩陣的SDM模型估計下 β 條件收斂的檢驗結(jié)果。由表4可知，全國及東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的 β 條件收斂系數(shù)均在 1 % 的水平上顯著為負。這說明，全國及東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型均存在顯著的 β 條件收斂趨勢。與β 絕對收斂檢驗結(jié)果一致，東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的 β 條件收斂速度也存在顯著差異，中西部地區(qū)收斂速度快于東部地區(qū)。此外，與 β 絕對收斂系數(shù)的絕對值相比， β 條件收斂系數(shù)的絕對值相對更大，這表明受在區(qū)域間存在的互聯(lián)網(wǎng)發(fā)展程度、創(chuàng)新發(fā)展能力、經(jīng)濟發(fā)展水平、對外開放程度、財政支持力度、產(chǎn)業(yè)結(jié)構(gòu)、勞動力成本等一系列因素的影響，全國及東部、中部和西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的收斂速度更快。

七、研究結(jié)論與政策建議

企業(yè)數(shù)字化轉(zhuǎn)型是當今時代企業(yè)戰(zhàn)略選擇的必由之路，也是我國經(jīng)濟高質(zhì)量發(fā)展的內(nèi)在要求和必然選擇。本文首先基于2007—2020年A股上市公司的企業(yè)年報數(shù)據(jù)，在構(gòu)建指標評價體系的基礎上利用熵值法測算了中國31個省份的企業(yè)數(shù)字化轉(zhuǎn)型水平，并采用Kernel密度估計做動態(tài)演進分析；其次，運用Dagum基尼系數(shù)對中國企業(yè)數(shù)字化轉(zhuǎn)型水平的空間差異來源進行考察；最后，通過 σ 收斂和 β 收斂檢驗了中國企業(yè)數(shù)字化轉(zhuǎn)型的收斂特征。研究發(fā)現(xiàn)：（1）在測算水平方面，全國及各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平總體上均呈上升的良好發(fā)展態(tài)勢，但地區(qū)不平衡現(xiàn)象顯著，總體呈“東高西低”的空間格局，增速呈“西高東低\"的態(tài)勢。（2）動態(tài)演進方面，全國和各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平的分布呈明顯右移趨勢，均存在右拖尾現(xiàn)象，且延展性不斷拓寬，“多極分化\"態(tài)勢存在，具有一定的梯度效應。（3）空間差異方面，企業(yè)數(shù)字化轉(zhuǎn)型水平的基尼系數(shù)總體呈波動下降態(tài)勢，區(qū)域間差異是企業(yè)數(shù)字化轉(zhuǎn)型水平空間差異的主要來源。（4）收斂特征方面，全國及各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平均存在 σ 收斂和 β 收斂特征，即隨著時間推移區(qū)域差異將趨于減小。為進一步推進我國企業(yè)數(shù)字化轉(zhuǎn)型可持續(xù)發(fā)展，并縮小企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域間差異，基于本文得出的研究結(jié)論，提出如下政策建議。

第一，外部支撐與內(nèi)部強化“齊頭并進”是推進企業(yè)數(shù)字化轉(zhuǎn)型可持續(xù)發(fā)展的有效途徑。由中國企業(yè)數(shù)字化轉(zhuǎn)型水平的測度結(jié)果可知，全國及各區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型水平總體上均呈明顯上升態(tài)勢，而進一步推進企業(yè)數(shù)字化轉(zhuǎn)型方能使可持續(xù)發(fā)展行穩(wěn)致遠。一方面，企業(yè)數(shù)字化轉(zhuǎn)型可持續(xù)發(fā)展需要來自政府的外部支撐：（1）建立企業(yè)數(shù)字化轉(zhuǎn)型信息監(jiān)控機制。企業(yè)數(shù)字化轉(zhuǎn)型是一個動態(tài)的變化過程，從政策頒布到落實具有滯后性，各地應建立相關信息監(jiān)控機制，動態(tài)把握企業(yè)數(shù)字化轉(zhuǎn)型的發(fā)展規(guī)律與進程，根據(jù)實際情況及時調(diào)整相關政策措施。（2）加強企業(yè)數(shù)字化轉(zhuǎn)型標準體系建設。加大企業(yè)研發(fā)創(chuàng)新環(huán)節(jié)數(shù)字化轉(zhuǎn)型標準體系建設力度，積極參與相關規(guī)則標準的制定過程，指導企業(yè)的數(shù)字化發(fā)展。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型可持續(xù)發(fā)展也需要來自企業(yè)自身的內(nèi)部強化：（1）制定合適的企業(yè)數(shù)字化轉(zhuǎn)型策略。增強企業(yè)數(shù)字化轉(zhuǎn)型意識，選擇恰當?shù)臄?shù)字化轉(zhuǎn)型時機，從關鍵典型的應用場景入手推進企業(yè)數(shù)字化轉(zhuǎn)型。（2）建立健全企業(yè)內(nèi)部的數(shù)字化人才引育機制。多角度拓寬企業(yè)數(shù)字化人才來源渠道，拓展企業(yè)與高校、科研機構(gòu)等聯(lián)合培養(yǎng)數(shù)字化人才的新模式，制定有吸引力的數(shù)字人才引進政策，著重培養(yǎng)現(xiàn)有技能人才的數(shù)字化運營能力。

第二，因地制宜與合作共享“雙管齊下”，是縮小企業(yè)數(shù)字化轉(zhuǎn)型區(qū)域間差異的有力抓手。由中國企業(yè)數(shù)字化轉(zhuǎn)型水平的差異來源可知，區(qū)域間差異是企業(yè)數(shù)字化轉(zhuǎn)型差異的主要來源，因而縮小企業(yè)數(shù)字化轉(zhuǎn)型區(qū)域間差異是企業(yè)數(shù)字化轉(zhuǎn)型向好發(fā)展的應有之義。一方面，縮小企業(yè)數(shù)字化轉(zhuǎn)型區(qū)域間差異需要因地制宜：（1）東部地區(qū)應充分發(fā)揮企業(yè)數(shù)字化轉(zhuǎn)型的基礎優(yōu)勢和引領作用，不斷創(chuàng)新企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展模式，在協(xié)調(diào)優(yōu)化區(qū)域內(nèi)各省份企業(yè)數(shù)字化轉(zhuǎn)型差異的基礎上，更大程度發(fā)揮對周邊地區(qū)的輻射效應和示范效應。（2）繼續(xù)加大對中西部地區(qū)的政策幫扶力度，加大數(shù)字基礎設施公共領域的資金投入，降低中西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的隱性成本。此外，在有條件的地區(qū)探索建立企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)業(yè)園區(qū)，吸引優(yōu)質(zhì)企業(yè)人駐，引導和培養(yǎng)企業(yè)以民族特色和資源稟賦為基礎，在數(shù)字經(jīng)濟某一細分領域上實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型。另一方面，縮小企業(yè)數(shù)字化轉(zhuǎn)型區(qū)域間差異需要合作共享：（1）破除區(qū)域間要素流動障礙。多措并舉提升數(shù)據(jù)、技術(shù)和人才等要素在區(qū)域間的流動效率，健全要素交易市場，為企業(yè)數(shù)字化轉(zhuǎn)型建立開放包容的數(shù)字生態(tài)。（2）構(gòu)建區(qū)域間數(shù)字化轉(zhuǎn)型合作機制。通過共建新型研發(fā)機構(gòu)、建立聯(lián)合實驗室、合同開發(fā)項目等多種形式實現(xiàn)技術(shù)共享，通過“候鳥式工作\"\"以賽促學\"等模式實現(xiàn)人才流動，深化企業(yè)數(shù)字化轉(zhuǎn)型的合作機制。

參考文獻

[1」蔣殿春，潘曉旺.數(shù)字經(jīng)濟發(fā)展對企業(yè)創(chuàng)新績效的影響——基于我國上市公司的經(jīng)驗證據(jù)[J].山西大學學報（哲學社會科學版），2022，45（1）：149－160.

[2]金曉燕，任廣乾.雙循環(huán)新發(fā)展格局下國有企業(yè)數(shù)字化轉(zhuǎn)型研究[J].中州學刊，2022（5）：15－22.

[3]李輝，梁丹丹.企業(yè)數(shù)字化轉(zhuǎn)型的機制、路徑與對策[J].貴州社會科學，2020（10）：120－125.

[4]史宇鵬，王陽，張文韜.我國企業(yè)數(shù)字化轉(zhuǎn)型：現(xiàn)狀、問題與展望[J].經(jīng)濟學家，2021（12）：90－97.

[5]毛聚，李杰，張博文.CEO復合職能背景與企業(yè)數(shù)字化轉(zhuǎn)型[J].現(xiàn)代財經(jīng)，2022，42（9）：37－58.

[6]王新光.管理者短視行為阻礙了企業(yè)數(shù)字化轉(zhuǎn)型嗎——基于文本分析和機器學習的經(jīng)驗證據(jù)[J].現(xiàn)代經(jīng)濟探討，2022（6）：103-113.

[7]續(xù)繼.職業(yè)化管理與民營企業(yè)數(shù)字化轉(zhuǎn)型：能力保障與動力機制[J].學習與探索，2022（4）：121－128.

[8]申明浩，譚偉杰，楊永聰.科技金融試點政策賦能實體企業(yè)數(shù)字化轉(zhuǎn)型了嗎？[J].中南大學學報（社會科學版），2022，28（3）：110-123.

[9]成瓊文，丁紅乙.稅收優(yōu)惠對資源型企業(yè)數(shù)字化轉(zhuǎn)型的影響研究[J].管理學報，2022，19（8）：1125－1133.

[10］邱洋冬.網(wǎng)絡基礎設施建設驅(qū)動屬地企業(yè)數(shù)字化轉(zhuǎn)型——基于“寬帶中國\"試點政策的準自然實驗[J].經(jīng)濟與管理，2022，36（4）：57-67.

[11]張黎娜，蘇雪莎，袁磊.供應鏈金融與企業(yè)數(shù)字化轉(zhuǎn)型——異質(zhì)性特征、渠道機制與非信任環(huán)境下的效應差異[J].金融經(jīng)濟學研究，2021，36（6）：51-67.

[12]唐松，蘇雪莎，趙丹妮.金融科技與企業(yè)數(shù)字化轉(zhuǎn)型——基于企業(yè)生命周期視角[J].財經(jīng)科學，2022（2）：17－32.

[13]楊賢宏，寧致遠，向海凌，等.地方經(jīng)濟增長目標與企業(yè)數(shù)字化轉(zhuǎn)型——基于上市企業(yè)年報文本識別的實證研究[J].中國軟科學，2021（11）：172－184.

[14]王冠男，吳非，曹銘.對外開放對企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動效應研究[J].亞太經(jīng)濟，2022（1）：102－110.

[15］張鵬，周恩毅，劉啟雷.裝備制造企業(yè)數(shù)字化轉(zhuǎn)型水平測度——基于陜西省調(diào)研數(shù)據(jù)的實證研究[J].科技進步與對策，2022，39（7）：64-72.

[16]張悅，來逢波，程鈺.市域尺度上市企業(yè)數(shù)字化轉(zhuǎn)型演變及對碳排放影響[J].經(jīng)濟地理，2024，44（5）：106－116.

[17］鄭瓊潔，姜衛(wèi)民.數(shù)字經(jīng)濟視域下制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型研究——基于企業(yè)問卷調(diào)查的實證分析[J].江蘇社會科學，2022（1）：137-149.

[18］王鑫鑫，韓嘯，張洪.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的特征及對策——基于上市企業(yè)年報的文本分析[J].經(jīng)濟縱橫，2022（9）：95-103.

[19]王守義，劉柄呈.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的區(qū)域差異及其動態(tài)演進[J].統(tǒng)計與信息論壇，2023，38（7）：32－45.

[20]倪克金，劉修巖.數(shù)字化轉(zhuǎn)型與企業(yè)成長：理論邏輯與中國實踐[J].經(jīng)濟管理，2021，43（12）：79－97.

[21]李倩，王詩豪，鄧沛東，等.企業(yè)數(shù)字化轉(zhuǎn)型的同群效應[J].科技進步與對策，2023，40（17）：1－12.

[22]肖怪昕，金雪軍，杜文.上市公司數(shù)字化轉(zhuǎn)型同群效應的路徑研究[J].上海金融，2023（8）：18－34.

[23]陳慶江，王彥萌，萬茂豐.企業(yè)數(shù)字化轉(zhuǎn)型的同群效應及其影響因素研究[J].管理學報，2021，18（5）：653－663.

[24]杜勇，黃丹華.“同命相連”：供應鏈網(wǎng)絡中企業(yè)數(shù)字化轉(zhuǎn)型的同群效應[J].財經(jīng)科學，2023（3）：74－92.

[25]杜勇，婁靖，胡紅燕.供應鏈共同股權(quán)網(wǎng)絡下企業(yè)數(shù)字化轉(zhuǎn)型同群效應研究[J].中國工業(yè)經(jīng)濟，2023（4）：136-155.

[26]余怒濤，楊張萌，王涵.共享審計師與企業(yè)數(shù)字化轉(zhuǎn)型的行業(yè)同群效應——基于企業(yè)生命周期視角[J].山西財經(jīng)大學學報，2024，46（9）：114－126.

[27］李云鶴，藍齊芳，吳文鋒.客戶公司數(shù)字化轉(zhuǎn)型的供應鏈擴散機制研究[J].中國工業(yè)經(jīng)濟，2022（12）：146－165.

[28]張濤，李雷.企業(yè)數(shù)字化轉(zhuǎn)型的供應鏈溢出效應——客戶與供應商雙重視角[J].科技進步與對策，2024，41（12）：82-92.

[29]范合君，吳婷，何思錦.企業(yè)數(shù)字化的產(chǎn)業(yè)鏈聯(lián)動效應研究[J].中國工業(yè)經(jīng)濟，2023（3）：115－132.

[30］劉玉斌，能龍閣.數(shù)字化轉(zhuǎn)型的溢出效應：擴散還是虹吸？——基于行業(yè)內(nèi)領軍企業(yè)與行業(yè)間產(chǎn)業(yè)鏈雙重視角［J].經(jīng)濟與管理研究，2024，45（6）：38－57.

[31]陶長琪，徐茉.經(jīng)濟高質(zhì)量發(fā)展視閾下中國創(chuàng)新要素配置水平的測度[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（3）：3-22.

[32]李華，董艷玲.中國基本公共服務均等化測度及趨勢演進——基于高質(zhì)量發(fā)展維度的研究[J].中國軟科學，2020（10）：74-84.

[33］邱康權(quán)，陳靜，呂雁琴.中國營商環(huán)境綜合發(fā)展水平的測度、地區(qū)差異與動態(tài)演變研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022，39（2）：121-143.

[34］馬玉林，馬運鵬.中國科技資源配置效率的區(qū)域差異及收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（8）：83-103.

[35］陳景華，陳姚，陳敏敏.中國經(jīng)濟高質(zhì)量發(fā)展水平、區(qū)域差異及分布動態(tài)演進[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020，37（12）：108-126.

[36]張龍耀，邢朝輝.中國農(nóng)村數(shù)字普惠金融發(fā)展的分布動態(tài)、地區(qū)差異與收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（3）：23-42.

[37]陳子曦，青梅.中國城市群高質(zhì)量發(fā)展水平測度及其時空收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022，39（6）：42-60.

[38]DAGUM C.Anew approach to thedecompositionof the gini income inequalityratio[J].Empirical economics，1997，22（4）：515-531.

[39］董艷玲，李華.中國基本公共服務的均等化測度、來源分解與形成機理[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022，39（3）：24-43.

[40]REZITIS A N. Agricultural productivity and convergence：Europe and the United States[J].Aplied economics，2010，42（8）：1029-1044.

[41]鄧宗兵，何若帆，陳證，等.中國八大綜合經(jīng)濟區(qū)生態(tài)文明發(fā)展的區(qū)域差異及收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020，37（6）：3-25.

[42]張卓群，張濤，馮冬發(fā).中國碳排放強度的區(qū)域差異、動態(tài)演進及收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022，39（4）：67-87.

[43]ERTUR C，KOCH W.Growth，technological interdependence and spatial externalities：theoryand evidence[J].Journalofapplied econometrics，2007，22（6）：1033-1062.

[44]ELHORST P，PIRAS G，ARBIA G. Growth and convergence in a multiregional model with space-time dynamics[J].Geographical analysis，2010，42（3）：338-355.

[45］林光平，龍志和，吳梅.我國地區(qū)經(jīng)濟收斂的空間計量實證分析：1978—2002年[J].經(jīng)濟學（季刊），2005（S1）：67-82.

[46]聶長飛，簡新華.中國高質(zhì)量發(fā)展的測度及省際現(xiàn)狀的分析比較[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020，37（2）：26－47.

[47]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財貿(mào)經(jīng)濟，2021，42（7）：114－129.

[48]VERHOEF PC，BROEKHUIZEN T，BART Y，et al. Digital transformation：a multidisciplinary reflection andresearch agenda[J].Journal ofbusiness research，2021，122：889-901.

[49]戚聿東，肖旭.數(shù)字經(jīng)濟時代的企業(yè)管理變革[J].管理世界，2020，36（6）：135－152.

[50]吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（7）：130-144.

[51]金星曄，左從江，方明月，等.企業(yè)數(shù)字化轉(zhuǎn)型的測度難題：基于大語言模型的新方法與新發(fā)現(xiàn)[J].經(jīng)濟研究，2024，59（3）：34-53.

Research on the Regional Difference and Convergence of Enterprise Digital Transformation in China

LIU Kaihao1'2， WANG Xuefang1， DONG Yanling3

（1. School of Economics，Shandong University，Jinan 2501oo，China ; 2. Free Trade Research Institute，Shandong University，Weihai 2642O9，China ; 3. School of Public Finance Taxation， Shandong University of Finance and Economics，Jinan250014，China）

Abstract： Based on the enterprise annual report data of A-share listed companies from 2O07 to 2020， this paper constructs an evaluation index system and uses the entropy method to measure the digital transformation level of enterprises of 3l provinces in China. It then uses Kernel density estimation， Dagum Gini coefficient， σ Convergence and β Convergence to examine the dynamic evolution，spatial difference and convergence characteristic of enterprise digital transformation in China. The study finds that firstly，enterprise digital transformation in the whole country and all regions shows an increasing trend，but regional imbalances are significant. The overal spatial pattern is“higher in the east and lower in the west”，but the growth rate is “higher in the west and lower in the east”. Secondly，as for dynamic evolution，the distribution of enterprise digital transformation level across the country and all regions shows a significant right shift distribution trend，and there is a right tailing phenomenon. The extensibility is constantly widened，and the distribution shows a “multipolar differentiation”，with a certain gradient effect. Thirdly，as for spatial difference，the Gini coefficient of the enterprise digital transformation level is generally fluctuating and declining，and regional difference is the main source of spatial difference in the level of enterprise digital transformation. Fourthly， as for convergence characteristics， the level of enterprise digital transformation in China and all regions exhibits σ Convergence and β Convergence characteristics， which means that regional difference tends to decrease over time. This study will help to grasp the development and distribution characteristics of enterprise digital transformation，providing experience support for boosting the development of enterprise digital transformation in China，and providing policy reference for reducing the regional difference.

Key words： enterprise digital transformation; dynamic evolution; regional difference; spatial convergence

（責任編輯：楊 娟）