任燦燦

（山西師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，太原 030031）

0 引言

數(shù)字技術(shù)為企業(yè)數(shù)字化、智能化發(fā)展和轉(zhuǎn)型升級(jí)提供技術(shù)支撐，并逐漸滲透于企業(yè)各個(gè)環(huán)節(jié)，成為突破傳統(tǒng)市場(chǎng)束縛、助力企業(yè)提質(zhì)增效的重要生產(chǎn)要素。已有大量研究關(guān)注數(shù)字經(jīng)濟(jì)所帶來(lái)的紅利，指出數(shù)字技術(shù)不僅能延續(xù)互聯(lián)網(wǎng)功能，扮演信息媒介的角色，緩解信息不對(duì)稱(chēng)和融資約束[1,2]，改善公司治理水平[3,4]，而且能產(chǎn)生乘數(shù)效應(yīng)，對(duì)數(shù)據(jù)信息進(jìn)行互聯(lián)互通和綜合集成，使企業(yè)有更高的生產(chǎn)柔性和協(xié)同能力[5]，帶動(dòng)企業(yè)研發(fā)和技術(shù)創(chuàng)新[6]，進(jìn)而提升企業(yè)全要素生產(chǎn)率[7]，促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和經(jīng)濟(jì)高質(zhì)量發(fā)展[8]。

對(duì)于數(shù)字經(jīng)濟(jì)指標(biāo)的衡量，國(guó)內(nèi)學(xué)者主要采用兩種方法：一種是基于熵權(quán)法、主成分分析法等方法確定數(shù)字經(jīng)濟(jì)相關(guān)指標(biāo)的權(quán)重并賦值，計(jì)算綜合性指標(biāo)[9,10]，另一種是以與數(shù)字經(jīng)濟(jì)相關(guān)的典型事件作為替代變量，如“寬帶中國(guó)”等數(shù)字基礎(chǔ)設(shè)施建設(shè)[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(biāo)衡量上存在一定的局限性：一方面，已有的衡量指標(biāo)通常僅考慮基于大數(shù)據(jù)、信息化技術(shù)而形成的各類(lèi)數(shù)字基礎(chǔ)設(shè)施、數(shù)字化服務(wù)及相關(guān)產(chǎn)出，如互聯(lián)網(wǎng)普及率、互聯(lián)網(wǎng)從業(yè)人數(shù)、數(shù)字普惠金融指數(shù)等，忽略了數(shù)字技術(shù)在實(shí)體經(jīng)濟(jì)領(lǐng)域的應(yīng)用，割裂了數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的內(nèi)在融合性；另一方面，在指標(biāo)體系構(gòu)建過(guò)程中忽略了數(shù)字經(jīng)濟(jì)在不同價(jià)值鏈領(lǐng)域的發(fā)展差異以及相應(yīng)的經(jīng)濟(jì)效應(yīng)差異。為彌補(bǔ)已有研究的不足，本文從業(yè)務(wù)鏈、管理鏈、服務(wù)鏈的價(jià)值鏈視角，構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系，并據(jù)此探究不同價(jià)值鏈數(shù)字經(jīng)濟(jì)對(duì)實(shí)體企業(yè)的影響機(jī)理。

1 研究假設(shè)

隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈等信息化和數(shù)字化技術(shù)與實(shí)體經(jīng)濟(jì)不斷深入融合，數(shù)字技術(shù)在打破傳統(tǒng)經(jīng)濟(jì)發(fā)展模式、促進(jìn)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(zhì)量發(fā)展的高級(jí)要素。具體而言：從業(yè)務(wù)鏈視角來(lái)看，數(shù)字經(jīng)濟(jì)主要表現(xiàn)為實(shí)體經(jīng)濟(jì)業(yè)務(wù)活動(dòng)中涉及和使用的數(shù)字化技術(shù)，包括數(shù)字化平臺(tái)的使用、數(shù)字化技術(shù)或軟件合同的交易等?；谶@一視角，數(shù)字技術(shù)為企業(yè)提供了更便捷的交易渠道，拓寬了實(shí)體企業(yè)的需求市場(chǎng)，同時(shí)增加了因數(shù)字技術(shù)帶來(lái)的新型業(yè)務(wù)，豐富企業(yè)業(yè)務(wù)類(lèi)型，進(jìn)而提高業(yè)務(wù)多元化程度。業(yè)務(wù)多元化使企業(yè)現(xiàn)有資源得到更充分的利用，并分散因單一業(yè)務(wù)發(fā)展模式導(dǎo)致的經(jīng)營(yíng)風(fēng)險(xiǎn)，進(jìn)而提高市場(chǎng)競(jìng)爭(zhēng)力和全要素生產(chǎn)率。從管理鏈視角來(lái)看，數(shù)字經(jīng)濟(jì)主要是指用于提升管理效率的數(shù)字技術(shù)和服務(wù)，如財(cái)務(wù)共享中心。企業(yè)財(cái)務(wù)共享中心的建設(shè)和使用有利于促進(jìn)集團(tuán)企業(yè)內(nèi)部財(cái)務(wù)及非財(cái)務(wù)信息實(shí)現(xiàn)實(shí)時(shí)共享和集成，在降低財(cái)務(wù)成本的同時(shí)提高財(cái)務(wù)分析和決策效率，從而提高財(cái)務(wù)信息質(zhì)量和決策有用性，助力企業(yè)轉(zhuǎn)型和高質(zhì)量發(fā)展。從服務(wù)鏈視角來(lái)看，數(shù)字經(jīng)濟(jì)主要表現(xiàn)為采用數(shù)字化、信息化技術(shù)和手段為實(shí)體經(jīng)濟(jì)提供基礎(chǔ)設(shè)施建設(shè)、金融支持、政務(wù)服務(wù)等各類(lèi)服務(wù)。服務(wù)鏈數(shù)字經(jīng)濟(jì)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(jìn)而降低融資成本，緩解企業(yè)內(nèi)部資源配置不當(dāng)問(wèn)題，提高全要素生產(chǎn)率。綜合以上分析，本文提出如下假設(shè)：

假設(shè)1：數(shù)字經(jīng)濟(jì)與企業(yè)全要素生產(chǎn)率呈正相關(guān)關(guān)系。

假設(shè)2：業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)有利于實(shí)現(xiàn)業(yè)務(wù)多元化，進(jìn)而提升企業(yè)全要素生產(chǎn)率。

假設(shè)3：管理鏈數(shù)字經(jīng)濟(jì)通過(guò)改善企業(yè)財(cái)務(wù)信息質(zhì)量來(lái)提升企業(yè)全要素生產(chǎn)率。

假設(shè)4：服務(wù)鏈數(shù)字經(jīng)濟(jì)能緩解企業(yè)融資約束，進(jìn)而提升企業(yè)全要素生產(chǎn)率。

2 研究設(shè)計(jì)

2.1 模型設(shè)定

構(gòu)建模型（1）檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)企業(yè)全要素生產(chǎn)率的影響：

其中，TFP代表企業(yè)全要素生產(chǎn)率；Dig代表數(shù)字經(jīng)濟(jì)水平；Controls代表其他控制變量。

數(shù)字經(jīng)濟(jì)對(duì)企業(yè)全要素生產(chǎn)率的影響可能因企業(yè)異質(zhì)性而存在差異。為此，構(gòu)建模型（2）檢驗(yàn)產(chǎn)權(quán)、地區(qū)、數(shù)字化轉(zhuǎn)型程度和行業(yè)異質(zhì)性的調(diào)節(jié)效應(yīng)：

2.2 變量選取

（1）被解釋變量：企業(yè)全要素生產(chǎn)率（TFP）。企業(yè)全要素生產(chǎn)率是指所有能帶來(lái)產(chǎn)出增加的因素中，剔除資本和勞動(dòng)投入的貢獻(xiàn)后，其他因素所產(chǎn)生的貢獻(xiàn)總和，通常被用于解釋規(guī)模效應(yīng)、技術(shù)進(jìn)步、管理效率等的提升，是當(dāng)前衡量企業(yè)高質(zhì)量發(fā)展的關(guān)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(yīng)法（FE法）、半?yún)?shù)LP法和OP法、最大似然估計(jì)GMM法。考慮到企業(yè)層面的全要素生產(chǎn)率估計(jì)可能存在同時(shí)性偏差和樣本選擇偏誤，直接采用OLS法計(jì)算獲得的全要素生產(chǎn)率存在偏差，而采用半?yún)?shù)LP法時(shí)，投資額為0的企業(yè)樣本不能被估計(jì)，導(dǎo)致樣本損失。因此，本文采用半?yún)?shù)LP法估計(jì)被解釋變量，并以O(shè)LS法、OP法和GMM法重新測(cè)算后進(jìn)行穩(wěn)健性檢驗(yàn)。

（2）解釋變量：數(shù)字經(jīng)濟(jì)指數(shù)（Dig）。為彌補(bǔ)已有數(shù)字經(jīng)濟(jì)指標(biāo)對(duì)不同價(jià)值鏈考慮不全的問(wèn)題，本文基于價(jià)值鏈視角，從業(yè)務(wù)鏈、管理鏈、服務(wù)鏈三個(gè)層面構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系，最終形成數(shù)字經(jīng)濟(jì)總指數(shù)（Dig）和業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)（Dig_S1）、管理鏈數(shù)字經(jīng)濟(jì)（Dig_S2）和服務(wù)鏈數(shù)字經(jīng)濟(jì)（Dig_S3）三個(gè)一級(jí)指標(biāo)。其中，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)指標(biāo)包括數(shù)字平臺(tái)、數(shù)字交易、數(shù)字業(yè)務(wù)三個(gè)二級(jí)指標(biāo)；管理鏈數(shù)字經(jīng)濟(jì)細(xì)化為數(shù)字財(cái)務(wù)這個(gè)二級(jí)指標(biāo)；服務(wù)鏈數(shù)字經(jīng)濟(jì)指標(biāo)包括數(shù)字設(shè)施和數(shù)字服務(wù)兩個(gè)二級(jí)指標(biāo)。具體指標(biāo)見(jiàn)表1。為便于比較，先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，由此計(jì)算后獲得的各指標(biāo)數(shù)據(jù)具有一致量綱，數(shù)值越大則表示指標(biāo)的水平越高。在權(quán)重處理上，采用熵值法為指標(biāo)賦權(quán)，計(jì)算數(shù)字經(jīng)濟(jì)指數(shù)。

表1 數(shù)字經(jīng)濟(jì)指標(biāo)體系構(gòu)建

（3）中介變量：風(fēng)險(xiǎn)承擔(dān)水平（Risk）。用企業(yè)在樣本期內(nèi)的ROA 波動(dòng)程度來(lái)度量企業(yè)風(fēng)險(xiǎn)承擔(dān)水平，盈余波動(dòng)性越高，企業(yè)風(fēng)險(xiǎn)承擔(dān)水平越高[13]。財(cái)務(wù)信息質(zhì)量（DA）。用應(yīng)計(jì)盈余管理程度衡量財(cái)務(wù)信息質(zhì)量。應(yīng)計(jì)盈余管理越嚴(yán)重，即DA 的絕對(duì)值越大，企業(yè)財(cái)務(wù)信息質(zhì)量越差[14]。融資約束（KZ）。構(gòu)建KZ指數(shù)衡量企業(yè)融資約束水平。KZ指數(shù)為正向指標(biāo)，該值越大，表明企業(yè)面臨的融資約束越嚴(yán)重[15]。

（4）控制變量：企業(yè)規(guī)模（Size），以企業(yè)期末總資產(chǎn)取對(duì)數(shù)衡量；資產(chǎn)負(fù)債率（Lev），以期末負(fù)債總額/期末總資產(chǎn)衡量；資產(chǎn)收益率（ROA），以當(dāng)期凈利潤(rùn)/期末總資產(chǎn)來(lái)衡量；企業(yè)價(jià)值（TQ），用托賓Q 值來(lái)表示；董事會(huì)規(guī)模（Board），以期末董事會(huì)人數(shù)的對(duì)數(shù)形式衡量；獨(dú)立董事占比（Indep），用期末獨(dú)立董事人數(shù)/董事會(huì)總?cè)藬?shù)來(lái)表證；產(chǎn)權(quán)屬性（SOE），若為國(guó)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(dāng)年年份-公司成立年份+1）；股權(quán)集中度（Top1），第一大股東持股比例；股權(quán)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(jì)質(zhì)量（Big4），若企業(yè)年報(bào)的審計(jì)單位為四大審計(jì)事務(wù)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(shù)據(jù)處理

本文構(gòu)建的數(shù)字經(jīng)濟(jì)指標(biāo)體系中，數(shù)字政府指標(biāo)所涉及的數(shù)據(jù)評(píng)估工作最早從2015 年開(kāi)始，截至目前共發(fā)布2015—2021 年的評(píng)估報(bào)告。其中2015—2020 年的報(bào)告中，公布了各省級(jí)政府網(wǎng)上政務(wù)服務(wù)能力總指數(shù)及具體指數(shù)的詳細(xì)數(shù)據(jù)，2021 年發(fā)布的評(píng)估報(bào)告中，僅以“好”“中”“差”進(jìn)行滿(mǎn)意度評(píng)價(jià)，未體現(xiàn)具體指標(biāo)大小?？紤]到數(shù)據(jù)的一致性，選取2015—2020 年滬深A(yù) 股非金融行業(yè)上市公司的年度-企業(yè)面板數(shù)據(jù)為研究樣本。具體數(shù)據(jù)來(lái)源說(shuō)明如下：（1）數(shù)字財(cái)務(wù)指標(biāo)中財(cái)務(wù)共享中心建設(shè)情況通過(guò)對(duì)上市公司年報(bào)進(jìn)行文本分析和手工整理獲得。從上市公司年報(bào)中提取關(guān)鍵字段“共享服務(wù)”“財(cái)務(wù)共享”進(jìn)行篩選，剔除非本公司的關(guān)鍵詞，以及關(guān)鍵詞前存在“沒(méi)”“無(wú)”“不”等否定詞語(yǔ)的表述，最終確定上市公司是否建立財(cái)務(wù)共享服務(wù)中心。（2）數(shù)字金融指標(biāo)相關(guān)數(shù)據(jù)來(lái)源于北京大學(xué)發(fā)布的數(shù)字普惠金融指數(shù)，數(shù)字政府指標(biāo)相關(guān)數(shù)據(jù)來(lái)源于《省級(jí)政府和重點(diǎn)城市網(wǎng)上政務(wù)服務(wù)能力調(diào)查評(píng)估報(bào)告》。其他數(shù)字經(jīng)濟(jì)指標(biāo)體系中涉及的數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。

計(jì)算省份數(shù)字經(jīng)濟(jì)指數(shù)后，將樣本企業(yè)所在省份與數(shù)字經(jīng)濟(jì)指數(shù)相匹配，作為解釋變量的取值。上市公司財(cái)務(wù)數(shù)據(jù)主要來(lái)源于CSMAR 和Wind 數(shù)據(jù)庫(kù)。為剔除極端值的影響，本文對(duì)所有連續(xù)變量進(jìn)行上下1%縮尾處理，最終獲得11648個(gè)有效樣本。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

表2展示了核心變量的描述性統(tǒng)計(jì)。其中，TFP均值為8.53，最小值和最大值分別為5.34 和13，可見(jiàn)樣本企業(yè)間全要素生產(chǎn)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(biāo)準(zhǔn)差為0.22，表明我國(guó)上市公司所在省份的數(shù)字經(jīng)濟(jì)水平差距較大。具體到一級(jí)指標(biāo)，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S1 均值為0.31，各省份間發(fā)展差距較大，而管理鏈數(shù)字經(jīng)濟(jì)Dig_S2 和服務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S3 均值為0.02，標(biāo)準(zhǔn)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(yù)期范圍內(nèi)，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(jì)結(jié)果

3.2 基準(zhǔn)回歸結(jié)果

表3 為基準(zhǔn)回歸結(jié)果。其中，列（1）以數(shù)字經(jīng)濟(jì)總指數(shù)作為解釋變量，列（2）至列（4）以一級(jí)指標(biāo)業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)、管理鏈數(shù)字經(jīng)濟(jì)和服務(wù)鏈數(shù)字經(jīng)濟(jì)作為解釋變量。由列（1）可知，解釋變量Dig 的回歸系數(shù)為0.306，在1%的水平上顯著為正，表明從整體來(lái)看，數(shù)字經(jīng)濟(jì)指數(shù)越高，企業(yè)全要素生產(chǎn)率也越高，數(shù)字經(jīng)濟(jì)對(duì)于促進(jìn)企業(yè)高質(zhì)量發(fā)展具有顯著賦能效應(yīng)，初步驗(yàn)證了假設(shè)1。由列（2）至列（4）可知，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S1和服務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S3與企業(yè)全要素生產(chǎn)率TFP的回歸系數(shù)在1%的水平上顯著為正，業(yè)務(wù)鏈和服務(wù)鏈數(shù)字經(jīng)濟(jì)的發(fā)展能有效賦能實(shí)體企業(yè)高質(zhì)量發(fā)展，而管理鏈數(shù)字經(jīng)濟(jì)Dig_S2的回歸系數(shù)不顯著，財(cái)務(wù)共享中心建設(shè)尚未對(duì)企業(yè)全要素生產(chǎn)率的提升產(chǎn)生積極效應(yīng)。這表明假設(shè)2和假設(shè)4基本成立，而假設(shè)3不成立。

表3 基準(zhǔn)回歸結(jié)果

3.3 分位數(shù)回歸結(jié)果

表3采用均值回歸方法，側(cè)重關(guān)注數(shù)字經(jīng)濟(jì)與企業(yè)全要素生產(chǎn)率關(guān)系的集中趨勢(shì)，忽略了不同分位數(shù)的差異化影響。為此，對(duì)原模型分別進(jìn)行25%、50%和75%分位數(shù)回歸，檢驗(yàn)數(shù)字經(jīng)濟(jì)賦能的整體表現(xiàn)，結(jié)果見(jiàn)表4。其中，數(shù)字經(jīng)濟(jì)總指數(shù)Dig的回歸系數(shù)在三個(gè)分位數(shù)檢驗(yàn)中均顯著，且不存在顯著性差異，說(shuō)明從總指數(shù)來(lái)看，數(shù)字經(jīng)濟(jì)對(duì)不同分位點(diǎn)企業(yè)全要素生產(chǎn)率的影響基本一致，數(shù)字經(jīng)濟(jì)已成為助力企業(yè)發(fā)展的關(guān)鍵生產(chǎn)要素。業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S1和服務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S3的回歸系數(shù)雖然均顯著為正，但三個(gè)分位的回歸系數(shù)在10%的水平上存在顯著差異。對(duì)比回歸系數(shù)發(fā)現(xiàn)，25%分位點(diǎn)均大于50%分位點(diǎn)，75%分位點(diǎn)的回歸系數(shù)最小，表明業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)和服務(wù)鏈數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率較低的企業(yè)影響更大，企業(yè)發(fā)展質(zhì)量越高，數(shù)字經(jīng)濟(jì)的邊際貢獻(xiàn)越小。受要素稟賦、市場(chǎng)化水平、議價(jià)能力等因素的影響，部分企業(yè)全要素生產(chǎn)率低于平均水平，有較大的提升潛力。數(shù)字經(jīng)濟(jì)發(fā)展為企業(yè)提供了更公平透明的競(jìng)爭(zhēng)市場(chǎng)，有利于改善企業(yè)融資能力，提高市場(chǎng)競(jìng)爭(zhēng)力，為低全要素生產(chǎn)率企業(yè)突破發(fā)展瓶頸提供良好的環(huán)境，進(jìn)而對(duì)發(fā)展質(zhì)量較低的企業(yè)產(chǎn)生更大的邊際貢獻(xiàn)。此外，管理鏈數(shù)字經(jīng)濟(jì)Dig_S2 在三個(gè)分位點(diǎn)處的回歸系數(shù)均不顯著，表明管理鏈數(shù)字經(jīng)濟(jì)的賦能效應(yīng)尚未得到充分體現(xiàn)，進(jìn)一步驗(yàn)證了假設(shè)1至假設(shè)4。

表4 分位數(shù)回歸結(jié)果

3.4 穩(wěn)健性檢驗(yàn)

為確保實(shí)證結(jié)果穩(wěn)健，本文開(kāi)展以下穩(wěn)健性檢驗(yàn)：（1）改變關(guān)鍵變量衡量方法。對(duì)于解釋變量，參考已有文獻(xiàn)，分別采用文獻(xiàn)[8,9]的方法重新衡量，作為本文解釋變量重新進(jìn)行回歸；對(duì)于被解釋變量，分別采用OLS 法、OP 法和GMM法測(cè)量企業(yè)全要素生產(chǎn)率后重新參與回歸。（2）多時(shí)點(diǎn)雙重差分檢驗(yàn)。雖然數(shù)字經(jīng)濟(jì)指數(shù)為宏觀層面變量，數(shù)字經(jīng)濟(jì)水平受到單個(gè)企業(yè)的影響較小，但仍可能由于測(cè)量誤差、遺漏變量等原因?qū)е聝?nèi)生性問(wèn)題。為此，借助“寬帶中國(guó)”這一外生政策沖擊進(jìn)行雙重差分檢驗(yàn)。（3）以數(shù)字經(jīng)濟(jì)一級(jí)指標(biāo)Dig_S1、Dig_S2、Dig_S3 分別設(shè)定模型可能影響實(shí)證結(jié)果的可靠性。為此，將三個(gè)一級(jí)指標(biāo)同時(shí)作為解釋變量，對(duì)比其回歸系數(shù)和顯著性。結(jié)果顯示，三個(gè)一級(jí)指標(biāo)中，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S1 和服務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S3 在1%的水平上顯著為正，管理鏈數(shù)字經(jīng)濟(jì)Dig_S2的回歸系數(shù)不顯著。對(duì)比回歸系數(shù)發(fā)現(xiàn)，服務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S3 的回歸系數(shù)遠(yuǎn)大于業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)Dig_S1，表明從不同價(jià)值鏈視角，服務(wù)鏈數(shù)字經(jīng)濟(jì)的賦能效應(yīng)最佳，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)次之，而管理鏈數(shù)字經(jīng)濟(jì)的作用不顯著，與正文結(jié)論一致。檢驗(yàn)結(jié)果均與正文保持一致，限于篇幅，結(jié)果未列出。

4 進(jìn)一步分析

4.1 中介效應(yīng)檢驗(yàn)

由于管理鏈數(shù)字經(jīng)濟(jì)的正向效應(yīng)未得到驗(yàn)證，因此本文不再檢驗(yàn)其影響機(jī)制，側(cè)重關(guān)注業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)和服務(wù)鏈數(shù)字經(jīng)濟(jì)的作用機(jī)理。表5 為中介效應(yīng)檢驗(yàn)結(jié)果。由列（1）可知，Dig_S1 與HHI 在5%的水平上顯著為負(fù)，表明業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)能降低業(yè)務(wù)集中度，提高業(yè)務(wù)多元化水平；對(duì)比表5 列（2）與表4 列（1）的結(jié)果發(fā)現(xiàn)，原模型中加入業(yè)務(wù)多元化變量后，HHI的回歸系數(shù)顯著為負(fù)，業(yè)務(wù)多元化顯著提升了企業(yè)全要素生產(chǎn)率，而此時(shí)Dig_S1的回歸系數(shù)相較之前變小，表明業(yè)務(wù)多元化在其中發(fā)揮部分中介效應(yīng)。由列（3）可知，Dig_S2 與KZ 在10%的水平上顯著為負(fù)，服務(wù)鏈數(shù)字經(jīng)濟(jì)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(jié)果對(duì)比發(fā)現(xiàn)，原模型中加入融資約束變量后，KZ的回歸系數(shù)顯著為負(fù)，表明融資約束是制約企業(yè)全要素生產(chǎn)率提升的關(guān)鍵因素，而此時(shí)Dig_S3的回歸系數(shù)相較之前變小，表明融資約束在其中發(fā)揮部分中介效應(yīng)。

表5 中介效應(yīng)檢驗(yàn)結(jié)果

4.2 異質(zhì)性檢驗(yàn)

4.2.1 產(chǎn)權(quán)異質(zhì)性

受政府扶持力度、金融資金傾斜等影響，相比國(guó)有企業(yè)，非國(guó)有企業(yè)面臨更嚴(yán)重的要素約束。數(shù)字經(jīng)濟(jì)一方面為非國(guó)有企業(yè)提供新的數(shù)據(jù)要素，形成新的經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)力，另一方面促進(jìn)市場(chǎng)互聯(lián)互通，提高市場(chǎng)公平性和競(jìng)爭(zhēng)性，實(shí)現(xiàn)傳統(tǒng)要素優(yōu)化配置。因此，數(shù)字經(jīng)濟(jì)對(duì)非國(guó)有企業(yè)的賦能效應(yīng)更為顯著。構(gòu)建產(chǎn)權(quán)性質(zhì)SOE和數(shù)字經(jīng)濟(jì)Dig的交乘項(xiàng)后，對(duì)模型（2）進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)下頁(yè)表6列（1）?？梢?jiàn)，交乘項(xiàng)SOE×Dig的回歸系數(shù)在1%的水平上顯著為負(fù)，驗(yàn)證了這一猜想。

表6 異質(zhì)性檢驗(yàn)結(jié)果

4.2.2 區(qū)域異質(zhì)性

受地區(qū)資源稟賦、技術(shù)水平差異影響，東部地區(qū)市場(chǎng)化水平和資源配置效率普遍較高，資本、勞動(dòng)等傳統(tǒng)要素對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率也較高，因而數(shù)字經(jīng)濟(jì)為東部地區(qū)企業(yè)高質(zhì)量發(fā)展帶來(lái)的提升效應(yīng)較小。反之，中西部地區(qū)的市場(chǎng)化水平遠(yuǎn)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(shù)字經(jīng)濟(jì)發(fā)展有利于建立信息溝通橋梁、緩解信息不對(duì)稱(chēng)和優(yōu)化市場(chǎng)環(huán)境，能顯著改善和破除中西部地區(qū)經(jīng)濟(jì)發(fā)展障礙，為市場(chǎng)化程度較低的中西部地區(qū)企業(yè)帶來(lái)更大的發(fā)展?jié)摿涂臻g。設(shè)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(gòu)建區(qū)域變量Area 和數(shù)字經(jīng)濟(jì)Dig 的交乘項(xiàng)后，對(duì)模型（2）進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)表6列（2）?？梢?jiàn)，Area的回歸系數(shù)在1%的水平上顯著為負(fù)，市場(chǎng)化程度越高，企業(yè)全要素生產(chǎn)率水平也越高，而交乘項(xiàng)Area×Dig 的回歸系數(shù)在1%的水平上顯著為正，表明數(shù)字經(jīng)濟(jì)的賦能效應(yīng)在中西部地區(qū)顯著高于東部地區(qū)。

4.2.3 企業(yè)數(shù)字化轉(zhuǎn)型異質(zhì)性

企業(yè)數(shù)字化轉(zhuǎn)型是數(shù)字經(jīng)濟(jì)與實(shí)體企業(yè)深度融合在微觀層面的體現(xiàn)。企業(yè)數(shù)字化轉(zhuǎn)型程度越高，一方面越可能利用數(shù)字技術(shù)對(duì)海量信息進(jìn)行挖掘、處理，并結(jié)合地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)進(jìn)行數(shù)據(jù)綜合集成，提高企業(yè)決策科學(xué)性和智能性，改善資源配置效率，另一方面越可能構(gòu)建以數(shù)據(jù)驅(qū)動(dòng)為關(guān)鍵特征的新經(jīng)濟(jì)形態(tài)，創(chuàng)新商業(yè)模式，以提升全要素生產(chǎn)率。此時(shí)，數(shù)字經(jīng)濟(jì)對(duì)企業(yè)高質(zhì)量發(fā)展的賦能效應(yīng)越強(qiáng)。設(shè)置企業(yè)數(shù)字化轉(zhuǎn)型變量Dcg，以上市公司公布的年度報(bào)告中與人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)和區(qū)塊鏈技術(shù)相關(guān)的關(guān)鍵詞詞頻的自然對(duì)數(shù)來(lái)衡量[16]，并構(gòu)建數(shù)字化轉(zhuǎn)型變量Dcg 和數(shù)字經(jīng)濟(jì)Dig 的交乘項(xiàng)，對(duì)模型（2）進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)表6列（3）?？梢?jiàn)，Dcg在1%的水平上顯著為正，企業(yè)數(shù)字化轉(zhuǎn)型能顯著提升企業(yè)全要素生產(chǎn)率，交乘項(xiàng)Dcg×Dig 的回歸系數(shù)在5%的水平上顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型和省份數(shù)字經(jīng)濟(jì)的同步發(fā)展能產(chǎn)生聯(lián)動(dòng)效應(yīng)，數(shù)字化轉(zhuǎn)型程度越高，越能提升數(shù)字經(jīng)濟(jì)的積極效應(yīng)。

4.2.4 行業(yè)異質(zhì)性

不同行業(yè)對(duì)研發(fā)、技術(shù)創(chuàng)新的需求存在差異。數(shù)字經(jīng)濟(jì)能有效改善企業(yè)融資約束和技術(shù)競(jìng)爭(zhēng)環(huán)境，促進(jìn)企業(yè)創(chuàng)新和全要素生產(chǎn)率提升，這一效果在更加重視研發(fā)創(chuàng)新的高新技術(shù)行業(yè)中更明顯。因此，數(shù)字經(jīng)濟(jì)對(duì)高新技術(shù)行業(yè)企業(yè)的全要素生產(chǎn)率影響更顯著。設(shè)置高新技術(shù)行業(yè)變量HighTech，若其所在行業(yè)為化學(xué)藥品制造業(yè)、電子設(shè)備制造業(yè)、信息技術(shù)服務(wù)業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)等高新技術(shù)行業(yè)，則HighTech 賦值為1，否則為0[17]。構(gòu)建高新技術(shù)行業(yè)變量HighTech和數(shù)字經(jīng)濟(jì)Dig的交乘項(xiàng)，對(duì)模型（2）進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)表6列（4）?？梢?jiàn)，HighTech×Dig的回歸系數(shù)在10%的水平上顯著為正，表明相比非高新技術(shù)行業(yè)，數(shù)字經(jīng)濟(jì)對(duì)高新行業(yè)企業(yè)的全要素生產(chǎn)率影響更顯著。

5 結(jié)論及建議

本文基于不同價(jià)值鏈視角構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系，以2015—2020 年上市公司為研究樣本探究了數(shù)字經(jīng)濟(jì)對(duì)企業(yè)全要素生產(chǎn)率的賦能效應(yīng)。研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)與企業(yè)全要素生產(chǎn)率顯著正相關(guān)，數(shù)字經(jīng)濟(jì)發(fā)展能促進(jìn)企業(yè)全要素生產(chǎn)率提升。不同價(jià)值鏈視角下的數(shù)字經(jīng)濟(jì)產(chǎn)生的積極效應(yīng)存在差異，業(yè)務(wù)鏈數(shù)字經(jīng)濟(jì)和服務(wù)鏈數(shù)字經(jīng)濟(jì)對(duì)企業(yè)全要素生產(chǎn)率的影響顯著為正，通過(guò)促進(jìn)企業(yè)業(yè)務(wù)多元化、緩解融資約束提高企業(yè)全要素生產(chǎn)率水平。而管理鏈數(shù)字經(jīng)濟(jì)的作用效果不顯著。此外，數(shù)字經(jīng)濟(jì)對(duì)發(fā)展質(zhì)量較低企業(yè)的邊際貢獻(xiàn)更大。上述積極效應(yīng)在非國(guó)有企業(yè)、市場(chǎng)化程度較低的地區(qū)、數(shù)字化轉(zhuǎn)型程度較高的企業(yè)和高新技術(shù)行業(yè)更顯著。

為此，本文提出如下建議：（1）應(yīng)進(jìn)一步完善數(shù)字經(jīng)濟(jì)發(fā)展的頂層設(shè)計(jì)和網(wǎng)絡(luò)、數(shù)據(jù)安全的制度保障；（2）更加注重區(qū)域協(xié)調(diào)發(fā)展，大力扶持中西部地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)，發(fā)揮數(shù)字經(jīng)濟(jì)對(duì)落后地區(qū)的賦能效應(yīng)，縮小數(shù)字鴻溝；（3）加快建設(shè)數(shù)字政府，提高電子政務(wù)服務(wù)能力；（4）靈活引進(jìn)數(shù)智化人才，并建立健全人才考核機(jī)制，積極推進(jìn)數(shù)字化科研成果投向業(yè)務(wù)領(lǐng)域；（5）應(yīng)積極推進(jìn)財(cái)務(wù)共享在集團(tuán)企業(yè)的運(yùn)用，并促進(jìn)財(cái)務(wù)系統(tǒng)從傳統(tǒng)財(cái)務(wù)會(huì)計(jì)信息系統(tǒng)向現(xiàn)代管理會(huì)計(jì)決策支持系統(tǒng)的轉(zhuǎn)變。