【摘" 要】隨著全球化和數(shù)字化進(jìn)程的加速，數(shù)字化轉(zhuǎn)型已成為企業(yè)以及國(guó)家提升競(jìng)爭(zhēng)力的關(guān)鍵。企業(yè)數(shù)字化轉(zhuǎn)型不僅可以提升其在產(chǎn)品、技術(shù)等多方面的創(chuàng)新能力，還能推動(dòng)國(guó)家持續(xù)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實(shí)現(xiàn)經(jīng)濟(jì)的高質(zhì)量發(fā)展?；诖?，論文構(gòu)建出4個(gè)二級(jí)指標(biāo)和17個(gè)三級(jí)指標(biāo)，建立了企業(yè)數(shù)字化轉(zhuǎn)型影響因素的評(píng)價(jià)模型，使用Pearson相關(guān)系數(shù)將對(duì)企業(yè)數(shù)字化轉(zhuǎn)型中被解釋變量影響不大的解釋變量予以剔除，剩余15個(gè)解釋變量，然后使用主成分分析將剩余15個(gè)解釋變量降維成2個(gè)主要成分。結(jié)果發(fā)現(xiàn)，技術(shù)驅(qū)動(dòng)評(píng)分、資產(chǎn)合計(jì)、第一大股東持股比率等因素均對(duì)企業(yè)數(shù)字化轉(zhuǎn)型有重要影響，據(jù)此提出了具有針對(duì)性的建議。

【關(guān)鍵詞】企業(yè)數(shù)字化轉(zhuǎn)型；主成分分析；Pearson相關(guān)系數(shù)；江蘇??；影響因素

【中圖分類號(hào)】F49；F270.7" " " " " " " " " " " " " " " " " " " " " " "【文獻(xiàn)標(biāo)志碼】A" " " " " " " " " " " " " " nbsp; " " " " " " " " " "【文章編號(hào)】1673-1069（2024）05-0031-04

1 引言

近年來(lái)，隨著科技的迅速發(fā)展，促使互聯(lián)網(wǎng)、大數(shù)據(jù)與實(shí)體經(jīng)濟(jì)進(jìn)行深度融合，興起了新一輪的科技革命和產(chǎn)業(yè)變革。黨的二十大報(bào)告中明確指出要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群?！稊?shù)字中國(guó)發(fā)展報(bào)告（2022年）》指出：2022年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)50.2萬(wàn)億元，總量穩(wěn)居世界第二，占國(guó)內(nèi)生產(chǎn)總值比重提升至41.5%[1]?！?023數(shù)字江蘇發(fā)展報(bào)告》顯示：全省數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重達(dá)11%，工商注冊(cè)區(qū)塊鏈相關(guān)企業(yè)超過(guò)1.2萬(wàn)家，農(nóng)業(yè)、制造業(yè)、服務(wù)業(yè)數(shù)字化轉(zhuǎn)型顯著加快，兩化融合發(fā)展水平連續(xù)8年保持全國(guó)第一[2]。如今數(shù)字經(jīng)濟(jì)已成為國(guó)民經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐，而數(shù)字經(jīng)濟(jì)建設(shè)的核心是數(shù)字化轉(zhuǎn)型，在此背景下，企業(yè)作為社會(huì)生產(chǎn)的主體，如何能夠更好地適應(yīng)數(shù)字化發(fā)展趨勢(shì)，從而進(jìn)行數(shù)字化轉(zhuǎn)型升級(jí)已成為關(guān)鍵。

基于此，本文首先構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型影響因素，共構(gòu)建二級(jí)基本指標(biāo)4個(gè)，三級(jí)指標(biāo)17個(gè)，其次使用Pearson相關(guān)系數(shù)，將對(duì)被解釋變量影響不大的解釋變量剔除，最后使用主成分分析將指標(biāo)降維成2個(gè)主要成分，以探究影響企業(yè)數(shù)字化的關(guān)鍵因素，達(dá)到為政府建言獻(xiàn)策的作用。

2 文獻(xiàn)綜述

2.1 企業(yè)數(shù)字化轉(zhuǎn)型影響因素

Wang Ye et al.[3]運(yùn)用fsQCA和PSM法對(duì)其進(jìn)行研究，發(fā)現(xiàn)高效創(chuàng)新、穩(wěn)健適應(yīng)和前瞻性創(chuàng)新者3種配置可以導(dǎo)致高成熟度的數(shù)字化轉(zhuǎn)型，由此提出企業(yè)應(yīng)從戰(zhàn)略變革頻次、創(chuàng)新能力等多方面進(jìn)行提升等建議。Jin Xuejun et al.[4]運(yùn)用熵權(quán)法對(duì)其進(jìn)行研究，發(fā)現(xiàn)政府關(guān)注對(duì)區(qū)域內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型有顯著促進(jìn)作用，由此提出政府應(yīng)組建一支專業(yè)的數(shù)字經(jīng)濟(jì)團(tuán)隊(duì)，協(xié)調(diào)各部門以促進(jìn)數(shù)據(jù)共享和開(kāi)放，增加科技財(cái)政支出等建議。孫偉增等[5]運(yùn)用雙重差分法、異質(zhì)性分析等對(duì)其進(jìn)行分析，發(fā)現(xiàn)大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立能有效激發(fā)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展動(dòng)力，由此提出政府應(yīng)逐步推進(jìn)大數(shù)據(jù)試驗(yàn)區(qū)的試點(diǎn)范圍，推進(jìn)底層技術(shù)和商業(yè)應(yīng)用場(chǎng)景的融合創(chuàng)新等建議。王應(yīng)歡和郭永禎[6]運(yùn)用傾向得分匹配法、工具變量法對(duì)其進(jìn)行研究，發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型程度與ESG表現(xiàn)呈明顯的“倒U形”關(guān)系，由此提出企業(yè)應(yīng)提高對(duì)ESG的重視程度以及在環(huán)境保護(hù)、公司治理等方面的管理投入，政府應(yīng)進(jìn)一步指導(dǎo)企業(yè)積極踐行ESG理念等建議。

2.2 文獻(xiàn)綜述評(píng)述

綜上所述，國(guó)外學(xué)者從創(chuàng)新水平、適應(yīng)能力等方面對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響因素進(jìn)行了研究，國(guó)內(nèi)學(xué)者從政策支持、企業(yè)ESG表現(xiàn)等方面對(duì)其進(jìn)行分析。然而在閱讀中發(fā)現(xiàn)，多數(shù)研究?jī)H針對(duì)大范圍進(jìn)行，沒(méi)有關(guān)注地區(qū)層面，且研究中時(shí)效性不足，針對(duì)近年來(lái)的研究還較為匱乏?；诖?，本研究中首先采用Pearson相關(guān)系數(shù)將影響不大的解釋變量進(jìn)行剔除，并使用主成分分析將指標(biāo)降維，以探究影響江蘇省企業(yè)數(shù)字化轉(zhuǎn)型的決定性因素來(lái)彌補(bǔ)前人研究的不足。

3 Pearson相關(guān)系數(shù)

Pearson相關(guān)系數(shù)是一種衡量?jī)蓚€(gè)變量之間線性相關(guān)程度的統(tǒng)計(jì)量，常用于當(dāng)研究中有多個(gè)解釋變量時(shí)，由于其解釋能力的大小不同，可以剔除對(duì)結(jié)果影響不大的解釋變量，從而提高研究的精度，其取值介于-1到1之間，公式如下所示：

r=■" " " （1）

3.1 指標(biāo)構(gòu)建及數(shù)據(jù)來(lái)源

指標(biāo)構(gòu)建如表1所示，一級(jí)指標(biāo)為數(shù)字化轉(zhuǎn)型指數(shù)，二級(jí)指標(biāo)共有4個(gè)，分別為組織因素、技術(shù)因素、環(huán)境因素、經(jīng)濟(jì)因素，三級(jí)指標(biāo)共有17個(gè)。

本文數(shù)據(jù)來(lái)源為CSMAR國(guó)泰安數(shù)據(jù)庫(kù)（cn.gtadata.com）、中國(guó)統(tǒng)計(jì)年鑒以及相關(guān)新聞報(bào)道或?qū)W術(shù)文獻(xiàn)，數(shù)據(jù)年份為2011-2022年。

3.2 Pearson相關(guān)系數(shù)實(shí)證分析

Pearson相關(guān)系數(shù)如表2所示，表2結(jié)果顯示，董事人數(shù)、所在城市專利申請(qǐng)授權(quán)量以及第一大股東持股比率三者相關(guān)系數(shù)低于0.4，代表他們的相關(guān)系數(shù)與Y值的相關(guān)系數(shù)是不顯著的?？梢哉J(rèn)為他們對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響程度較小，予以剔除。剩余14個(gè)解釋變量的相關(guān)系數(shù)均大于0.4，且相關(guān)性顯著，故予以保留，能進(jìn)一步進(jìn)行主成分分析。

4 主成分分析法

4.1 主成分分析法原理

主成分分析法是一種可將原始數(shù)據(jù)中多個(gè)具有多重共線性的解釋變量轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)的統(tǒng)計(jì)分析方法，其結(jié)果中所得指標(biāo)不僅能夠保留大部分初始指標(biāo)所表達(dá)的信息，并且相互無(wú)關(guān)，從而達(dá)到數(shù)據(jù)簡(jiǎn)化和特征提取目的。鑒于此，本文選用PCA方法來(lái)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響因素進(jìn)行降維，以達(dá)到構(gòu)建函數(shù)降維，耦合不同種類因素的目的，從而使得所構(gòu)建評(píng)價(jià)體系更具有現(xiàn)實(shí)意義。以下是關(guān)于主成分分析法的基本介紹：

設(shè)有n個(gè)年份的樣本數(shù)據(jù)，p個(gè)與企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的指標(biāo)數(shù)據(jù)，則可以得到初始樣本矩陣為：

X=■=（xij）n×p" "（2）

在此，i=（1，2，…，n）表示初始樣本矩陣的第i行，j=（1，2，…，p）表示第j列，后文中i與j的釋義，均與此處相同。

第一，計(jì)算相關(guān)系數(shù)矩陣R=（rij）n×p。

其中rij的計(jì)算公式為：

rij=■∑■■■" " " " "（3）

其中，s表示樣本的方差。

第二，計(jì)算R的特征值和特征向量。

根據(jù)特征方程的表達(dá)式|R-？姿I|=0，可以計(jì)算得到的值。在此，R表示相關(guān)系數(shù)矩陣的值，I表示單位矩陣。按照？姿降序排列的方式，可得？姿1，？姿2，…，？姿n，同時(shí)還可以計(jì)算得到各個(gè)特征向量aj。

第三，計(jì)算貢獻(xiàn)率和累計(jì)貢獻(xiàn)率。

qj=■" " " "（4）

Qm=■" " " "（5）

第四，計(jì)算主成分。

zm=？琢mjxj" " " " " （6）

第五，主成分個(gè)數(shù)的選取。

通過(guò)求得的累計(jì)貢獻(xiàn)率對(duì)主成分個(gè)數(shù)進(jìn)行判斷，一般選?。?5%時(shí)的所有主成分，從而完成對(duì)主成分的提取。最終依據(jù)所獲得的指標(biāo)，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型影響因素的指標(biāo)體系。

4.2 實(shí)證檢驗(yàn)

4.2.1 KMO檢驗(yàn)和巴特利特球形檢驗(yàn)

KMO檢驗(yàn)通過(guò)比較各個(gè)變量與其他變量之間的相關(guān)系數(shù)來(lái)評(píng)估變量之間的相關(guān)性，該值越接近1，代表變量間的相關(guān)性越強(qiáng)。巴特利特球形檢驗(yàn)則用于判斷各變量間的相關(guān)性，即檢查各個(gè)變量間是否互相獨(dú)立。當(dāng)KMO＞0.6，巴特利特球形檢驗(yàn)的顯著性小于0.05時(shí)，說(shuō)明數(shù)據(jù)適合做主成分分析。

KMO值和巴特利特球形檢驗(yàn)結(jié)果如表3所示，KMO＞0.6，可以進(jìn)行下一步的主成分分析。

4.2.2 主成分實(shí)證分析

利用Spss25.0軟件通過(guò)以下步驟“分析—降維—因子”進(jìn)行主成分分析得到結(jié)果，得到主成分方差解釋如表4所示，繪制碎石圖如圖1所示。

由表4可知，前兩個(gè)主成分解釋了總方差的86.195%，說(shuō)明提取的兩個(gè)主成分能夠代表原始15個(gè)企業(yè)數(shù)字化轉(zhuǎn)型解釋變量總信息的86.195%，故應(yīng)提取兩個(gè)主成分，分別為F1、F2。

由圖1所示，主成分1、2的斜率較大，因?yàn)樾甭试酱螅畔⒘吭蕉?，故?yīng)提取前兩個(gè)主成分。

得到得分系數(shù)表，如表5所示。

基于表5得到兩個(gè)主成分公式分別為：

F1=0.755X1+0.961X2+0.829X3+0.696X4+0.779X5+0.947X6+0.907X7+0.191X9+0.811X11+0.985X12+0.980X13+0.980X14-0.980X15+0.859X16+0.848X17" " " （7）

F2=0.543X1+0.066X2+0.174X3+0.091X4+0.284X5+0.248X6-0.406X7+0.941X9-0.572X11-0.137X12-0.155X13-0.134X14+0.071X15+0.210X16-0.214X17" " " （8）

5 結(jié)論

第一，由表5成分得分系數(shù)表可知，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響最大的因素為技術(shù)驅(qū)動(dòng)評(píng)分、資產(chǎn)合計(jì)、負(fù)債合計(jì)、第一大股東持股比率。得分系數(shù)分別為0.961、0.985、0.980、-0.980。值得注意的是，第一大股東持股比率這一指標(biāo)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型呈現(xiàn)負(fù)向影響。

技術(shù)驅(qū)動(dòng)評(píng)分由企業(yè)擁有的人工智能、區(qū)塊鏈技術(shù)等各細(xì)分指標(biāo)綜合計(jì)算后得出。新技術(shù)手段是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的重要支撐，擁有先進(jìn)技術(shù)將為其成功轉(zhuǎn)型帶來(lái)良性助力。企業(yè)數(shù)字化轉(zhuǎn)型從軟、硬件設(shè)施的更新到人才的引進(jìn)等一系列過(guò)程中，耗費(fèi)資金巨大，故而充足的資金是保障企業(yè)轉(zhuǎn)型成功的關(guān)鍵。企業(yè)的第一大股東對(duì)企業(yè)未來(lái)發(fā)展方向等重大決策均有較大影響，其對(duì)于數(shù)字化轉(zhuǎn)型的意愿及措施將直接影響企業(yè)轉(zhuǎn)型的效果。倘若其僅根據(jù)自身利益和需求進(jìn)行決策，將會(huì)進(jìn)一步增加結(jié)果的不確定性。

第二，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響比較重要的因素有組織賦能評(píng)分、數(shù)字化應(yīng)用評(píng)分、所屬省轄市GDP、高級(jí)管理人員薪酬總額、營(yíng)業(yè)收入、凈利潤(rùn)、政府補(bǔ)助。得分系數(shù)分別為0.829、0.947、0.907、0.811、0.941、0.859、0.848。

組織賦能評(píng)分由企業(yè)的數(shù)字資本投入計(jì)劃、數(shù)字基礎(chǔ)設(shè)施建設(shè)等各細(xì)分指標(biāo)進(jìn)行綜合計(jì)算后得出。管理者需對(duì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型必要性以及重要性擁有全面的認(rèn)知，同時(shí)明確適合企業(yè)發(fā)展的戰(zhàn)略定位，制定切實(shí)可行的轉(zhuǎn)型措施。GDP是衡量地區(qū)經(jīng)濟(jì)活力的重要指標(biāo)，較高的GDP通常意味著該地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)，企業(yè)有更多的機(jī)會(huì)和資源進(jìn)行數(shù)字化轉(zhuǎn)型。數(shù)據(jù)結(jié)果顯示，企業(yè)中高級(jí)管理人員薪酬總額與企業(yè)數(shù)字化轉(zhuǎn)型程度之間呈現(xiàn)正相關(guān)關(guān)系。越高的薪酬總額越可能會(huì)吸引更多具有數(shù)字化轉(zhuǎn)型經(jīng)驗(yàn)和能力的人才加入企業(yè)，從而形成良性助力，對(duì)于已經(jīng)在企業(yè)任職的人員，理想的薪酬總額會(huì)增加其工作滿意度和忠誠(chéng)度，減少人才流失的可能性。營(yíng)業(yè)收入是企業(yè)運(yùn)營(yíng)和發(fā)展的重要資金來(lái)源，當(dāng)企業(yè)擁有可觀的收入時(shí)，可以有更多的資金用于數(shù)字化轉(zhuǎn)型的投資。由于數(shù)字化轉(zhuǎn)型存在風(fēng)險(xiǎn)性，故政府補(bǔ)助這一措施通過(guò)為企業(yè)提供資金支持，可進(jìn)一步增強(qiáng)其應(yīng)對(duì)挑戰(zhàn)的能力。

第三，由表5可知對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響程度一般的因素為戰(zhàn)略引領(lǐng)評(píng)分、環(huán)境支撐評(píng)分、數(shù)字化成果評(píng)分，得分系數(shù)分別為0.755、0.696、0.779。企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型過(guò)程中無(wú)需過(guò)度關(guān)注這部分因素。

戰(zhàn)略引領(lǐng)評(píng)分由企業(yè)的管理層數(shù)字職務(wù)設(shè)立、管理層數(shù)字創(chuàng)新導(dǎo)向前瞻性等各細(xì)分指標(biāo)進(jìn)行綜合計(jì)算后得出。管理層的良好的戰(zhàn)略引領(lǐng)代表其能夠根據(jù)企業(yè)情況制定針對(duì)性的自身戰(zhàn)略規(guī)劃，有助于企業(yè)內(nèi)部形成統(tǒng)一的認(rèn)知和行動(dòng)，進(jìn)而提高轉(zhuǎn)型的效率和成功率。環(huán)境支撐評(píng)分由企業(yè)的所在證監(jiān)會(huì)行業(yè)數(shù)字化技術(shù)強(qiáng)度、所在國(guó)民經(jīng)濟(jì)行業(yè)發(fā)明專利數(shù)量等各細(xì)分指標(biāo)進(jìn)行綜合計(jì)算后得出。數(shù)字化成果評(píng)分由企業(yè)數(shù)字發(fā)明專利、數(shù)字國(guó)家級(jí)獎(jiǎng)項(xiàng)等各細(xì)分指標(biāo)進(jìn)行綜合計(jì)算后得出。由得分系數(shù)結(jié)果來(lái)看，上述因素均與企業(yè)數(shù)字化轉(zhuǎn)型程度呈現(xiàn)正相關(guān)關(guān)系，即企業(yè)及其關(guān)聯(lián)機(jī)構(gòu)的研發(fā)投入越多，發(fā)明專利數(shù)量越多，越利于轉(zhuǎn)型的成功。

第四，獨(dú)立董事人數(shù)這一因素得分系數(shù)為0.191，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響最小。由于獨(dú)立董事僅在公司內(nèi)部擔(dān)任董事一職，除此之外不再擔(dān)任其他職務(wù)，故其對(duì)公司信息的獲取度不高，對(duì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的影響較小。

6 建議

6.1 深入運(yùn)用創(chuàng)新技術(shù)，助力數(shù)字化轉(zhuǎn)型

創(chuàng)新技術(shù)是企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的基礎(chǔ)，更是其在市場(chǎng)競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)的關(guān)鍵。在大數(shù)據(jù)時(shí)代，創(chuàng)新技術(shù)可以幫助企業(yè)從海量數(shù)據(jù)中提取有價(jià)值的信息，并對(duì)其進(jìn)行綜合分析，進(jìn)一步提高企業(yè)決策的準(zhǔn)確性和科學(xué)性。云計(jì)算、人工智能等數(shù)字技術(shù)亦可幫助企業(yè)優(yōu)化自身工作流程，提高其管理和運(yùn)營(yíng)的效率，從而驅(qū)動(dòng)企業(yè)進(jìn)行業(yè)務(wù)模式創(chuàng)新，實(shí)現(xiàn)高質(zhì)量發(fā)展。因此企業(yè)應(yīng)大力推進(jìn)數(shù)字技術(shù)的應(yīng)用，將其與自身生產(chǎn)經(jīng)營(yíng)全過(guò)程相融合，為轉(zhuǎn)型升級(jí)提供持續(xù)動(dòng)力。

6.2 加強(qiáng)數(shù)字人才培養(yǎng)，提升數(shù)字化水平

企業(yè)應(yīng)將數(shù)字化理念融入企業(yè)文化，加大對(duì)員工智能化轉(zhuǎn)型培訓(xùn)，建立自身人才培養(yǎng)機(jī)制。為更好地完成數(shù)字化轉(zhuǎn)型，企業(yè)還需注重從外部引進(jìn)人才。第一，參與校企合作項(xiàng)目，與高校和研究機(jī)構(gòu)之間構(gòu)建共享機(jī)制，著力通過(guò)產(chǎn)學(xué)研合作培養(yǎng)人才，并為其提供多元化崗位工作機(jī)會(huì)；第二，提高薪資待遇，制定獎(jiǎng)懲制度、股權(quán)激勵(lì)等符合自身情況的有效措施，激發(fā)高素質(zhì)數(shù)字化人才工作的主觀性與積極性。

6.3 營(yíng)造創(chuàng)新氛圍，著力數(shù)字化經(jīng)營(yíng)

企業(yè)方面，應(yīng)適當(dāng)增加研發(fā)投入，并通過(guò)制定一系列相應(yīng)的培訓(xùn)和激勵(lì)制度，鼓勵(lì)員工敢創(chuàng)新、能創(chuàng)新、會(huì)創(chuàng)新。通過(guò)運(yùn)用數(shù)字化軟件等新技術(shù)，促進(jìn)不同部門和團(tuán)隊(duì)之間的合作與交流，推動(dòng)企業(yè)運(yùn)轉(zhuǎn)實(shí)現(xiàn)高效化，在內(nèi)部形成全員創(chuàng)新的良好氛圍，充分激發(fā)自身的創(chuàng)新活力。政府方面，應(yīng)積極推動(dòng)數(shù)字化基礎(chǔ)設(shè)施建設(shè)，完善數(shù)字化產(chǎn)業(yè)布局，與企業(yè)間合作搭建公共基礎(chǔ)數(shù)據(jù)共享平臺(tái)，不斷增強(qiáng)數(shù)據(jù)的準(zhǔn)確性與時(shí)效性，幫助企業(yè)降低數(shù)字化轉(zhuǎn)型成本，為其提供有力環(huán)境支撐。

6.4 制定保障政策，推動(dòng)企業(yè)轉(zhuǎn)型

政府應(yīng)為企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中所需的技術(shù)、資金等基礎(chǔ)條件提供相應(yīng)制度保障。具體包括以下幾個(gè)方面：第一，政府直接對(duì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型所需的設(shè)備升級(jí)、研發(fā)支出等費(fèi)用提供部分資金支持；第二，對(duì)于發(fā)展前景較好的企業(yè)，政府可根據(jù)其自身資源稟賦情況制定相應(yīng)的創(chuàng)新補(bǔ)貼政策，如適當(dāng)減免稅收，設(shè)立專項(xiàng)基金等。此外，政府應(yīng)積極發(fā)揮引領(lǐng)作用，鼓勵(lì)企業(yè)之間加大轉(zhuǎn)型合作力度，充分釋放企業(yè)間數(shù)字化轉(zhuǎn)型的正向溢出效應(yīng)，為企業(yè)的轉(zhuǎn)型升級(jí)提供源動(dòng)力。

【參考文獻(xiàn)】

【1】中國(guó)網(wǎng)信網(wǎng).國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布《數(shù)字中國(guó)發(fā)展報(bào)告（2022年）》[EB/OL].http：//www.cac.gov.cn/2023-05/22/c_168640231849

2248.htm，2023-05-23.

【2】江蘇網(wǎng)信網(wǎng). 江蘇省互聯(lián)網(wǎng)信息辦公室印發(fā)《2023數(shù)字江蘇發(fā)展報(bào)告》[EB/OL].http：//www.jswx.gov.cn/xinxi/shuzi，2023-10-24.

【3】Wang Ye，Jiang Zongzheng，Li Xiao，et al. Research on antecedent configurations of enterprise digital transformation and enterprise performance from the perspective of dynamic capability[J]. Finance Research Letters，2023（57）.

【4】Jin Xuejun，Pan，Xiao. Government Attention， Market Competition and Firm Digital Transformation[J]. Sustainability，2023.

【5】孫偉增，毛寧，蘭峰，等.政策賦能、數(shù)字生態(tài)與企業(yè)數(shù)字化轉(zhuǎn)型——基于國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2023（09）：117-135.

【6】王應(yīng)歡，郭永禎.企業(yè)數(shù)字化轉(zhuǎn)型與ESG表現(xiàn)——基于中國(guó)上市企業(yè)的經(jīng)驗(yàn)證據(jù)[J].財(cái)經(jīng)研究，2023，49（09）：94-108.