摘 要：本文將供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作視為企業(yè)供應(yīng)鏈數(shù)字化建設(shè)的準自然實驗，基于2012—2022年中國滬深A(yù)股上市公司數(shù)據(jù)，采用雙重差分傾向得分匹配法（PSM?DID） 實證檢驗供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響及作用機制。研究結(jié)果顯示：供應(yīng)鏈數(shù)字化能提高企業(yè)全要素生產(chǎn)率；供應(yīng)鏈數(shù)字化對國有企業(yè)、低供應(yīng)鏈集中度企業(yè)、產(chǎn)業(yè)鏈上游企業(yè)和營商環(huán)境優(yōu)勢區(qū)企業(yè)全要素生產(chǎn)率的促進作用更顯著；供應(yīng)鏈數(shù)字化通過增強企業(yè)創(chuàng)新能力、提升供應(yīng)鏈效率和降低企業(yè)交易成本提高企業(yè)全要素生產(chǎn)率。本文不僅有助于厘清供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的作用機制，而且為企業(yè)通過供應(yīng)鏈數(shù)字化轉(zhuǎn)型實現(xiàn)高質(zhì)量發(fā)展提供了經(jīng)驗證據(jù)。

關(guān)鍵詞：供應(yīng)鏈數(shù)字化；全要素生產(chǎn)率；創(chuàng)新能力；供應(yīng)鏈效率；交易成本

中圖分類號：F273 文獻標識碼：A 文章編號：1000-176X（2024）05-0075-14

一、問題的提出

黨的二十大報告提出：“著力提高全要素生產(chǎn)率，著力提升產(chǎn)業(yè)鏈供應(yīng)鏈韌性和安全水平”。近年來，新一代信息技術(shù)快速發(fā)展，推動傳統(tǒng)供應(yīng)鏈體系向數(shù)字技術(shù)深度嵌入的數(shù)字供應(yīng)鏈方向轉(zhuǎn)變。為了推動供應(yīng)鏈數(shù)字化轉(zhuǎn)型，加速上下游企業(yè)協(xié)同合作，促進企業(yè)降本增效和產(chǎn)業(yè)轉(zhuǎn)型升級，2018年4月，商務(wù)部等8部門聯(lián)合開展供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作，隨后又進一步推進全國供應(yīng)鏈創(chuàng)新與應(yīng)用示范創(chuàng)建工作，那么供應(yīng)鏈數(shù)字化能否提高企業(yè)全要素生產(chǎn)率？

由于供應(yīng)鏈數(shù)字化具有高風險、高投入和高回報的特點，所以其對企業(yè)全要素生產(chǎn)率的影響存在不確定性。一方面，供應(yīng)鏈數(shù)字化有助于供應(yīng)鏈上下游企業(yè)協(xié)同合作，提升供應(yīng)鏈內(nèi)各環(huán)節(jié)和跨供應(yīng)鏈的協(xié)同效率，促進資源整合、流程優(yōu)化和信息、知識共享［1］，進而提高全要素生產(chǎn)率。另一方面，供應(yīng)鏈數(shù)字化建設(shè)需要企業(yè)在業(yè)務(wù)流程、模式、產(chǎn)品和服務(wù)創(chuàng)新等方面投入大量資本，但這難以在短期內(nèi)增加產(chǎn)出和提高生產(chǎn)效率，從而導(dǎo)致數(shù)字化“生產(chǎn)率悖論”［2-3］。

與本文相關(guān)的第一類文獻是供應(yīng)鏈數(shù)字化的經(jīng)濟效果研究。Ivanov等［4］ 認為，數(shù)字技術(shù)在供應(yīng)鏈中的應(yīng)用，有助于提高供應(yīng)鏈管理的風險應(yīng)對能力，提升供應(yīng)鏈韌性和競爭力。Cong等［5］認為，供應(yīng)鏈數(shù)字化提高了企業(yè)的信息獲取、處理和整合能力，從而促進了企業(yè)創(chuàng)新。Balakrishnan和Ramanathan［6］基于汽車制造業(yè)的調(diào)查數(shù)據(jù)研究發(fā)現(xiàn)，供應(yīng)鏈數(shù)字化能夠通過提高供應(yīng)鏈彈性改善供應(yīng)鏈績效。國內(nèi)學(xué)者基于供應(yīng)鏈創(chuàng)新與應(yīng)用試點政策，分析了供應(yīng)鏈數(shù)字化對企業(yè)風險承擔、綠色創(chuàng)新、經(jīng)營績效和多元化經(jīng)營等方面的影響。張樹山等［7］認為，供應(yīng)鏈數(shù)字化通過改善合作伙伴關(guān)系和緩解信息不對稱提高了企業(yè)的風險承擔能力。劉海建等［8-9］認為，供應(yīng)鏈數(shù)字化推動了企業(yè)綠色創(chuàng)新，并通過提高管理效率和創(chuàng)新能力提升了企業(yè)的績效水平。祝丹楓等［10］認為，以數(shù)字化轉(zhuǎn)型為特征的供應(yīng)鏈創(chuàng)新抑制了企業(yè)的多元化經(jīng)營行為。

與本文相關(guān)的第二類文獻從政策制度、經(jīng)濟環(huán)境和企業(yè)特征等方面研究了企業(yè)全要素生產(chǎn)率的影響因素。在政策制度方面，稅收政策［11］和產(chǎn)業(yè)政策［12］等對企業(yè)全要素生產(chǎn)率產(chǎn)生了重要影響。在經(jīng)濟環(huán)境方面，現(xiàn)有研究主要考察了市場競爭［13］和金融發(fā)展［14］等對企業(yè)全要素生產(chǎn)率的影響。在企業(yè)特征方面，現(xiàn)有研究對研發(fā)投入［15］和融資約束［16］等因素進行了分析。部分文獻圍繞“生產(chǎn)率悖論”分析了互聯(lián)網(wǎng)、人工智能等新興數(shù)字技術(shù)對企業(yè)全要素生產(chǎn)率的影響，但并未得出一致結(jié)論。一種觀點認為，互聯(lián)網(wǎng)、人工智能等推動了生產(chǎn)流程再造和信息結(jié)構(gòu)優(yōu)化，提高了企業(yè)全要素生產(chǎn)率［17-18］。另一種觀點認為，新技術(shù)的影響具有滯后性，需要配合其他要素投入并積累至一定規(guī)模才能釋放技術(shù)紅利，因而數(shù)字化通用技術(shù)在短期對生產(chǎn)率的影響不顯著［19］。與上述研究不同的是，本文基于供應(yīng)鏈創(chuàng)新與應(yīng)用試點政策的準自然實驗，在弱化潛在內(nèi)生性偏誤的基礎(chǔ)上，從供應(yīng)鏈視角研究數(shù)字化對企業(yè)全要素生產(chǎn)率的影響及作用機制。

與已有文獻相比，本文的邊際貢獻在于：第一，本文拓展了供應(yīng)鏈數(shù)字化經(jīng)濟效果的研究?，F(xiàn)有研究主要關(guān)注供應(yīng)鏈數(shù)字化對企業(yè)風險承擔、綠色創(chuàng)新和經(jīng)營績效等方面的影響，鮮有文獻分析其對企業(yè)全要素生產(chǎn)率的影響。本文分析了供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響，既拓展了供應(yīng)鏈數(shù)字化經(jīng)濟效果的研究邊界，也豐富了企業(yè)全要素生產(chǎn)率影響因素的相關(guān)研究。第二，本文從增強企業(yè)創(chuàng)新能力、提升供應(yīng)鏈效率和降低企業(yè)交易成本三個方面，揭示了供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的作用機制，深化了對供應(yīng)鏈數(shù)字化賦能企業(yè)實現(xiàn)高質(zhì)量發(fā)展的認識。第三，本文從企業(yè)產(chǎn)權(quán)性質(zhì)、供應(yīng)鏈集中度、產(chǎn)業(yè)鏈位置和地區(qū)營商環(huán)境四個方面分析了供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的異質(zhì)性影響，研究結(jié)論有助于地方政府精準施策。

二、政策背景、理論分析與研究假設(shè)

（一） 政策背景

近年來，數(shù)字技術(shù)的快速發(fā)展為供應(yīng)鏈注入了新的動力，為了推動供應(yīng)鏈數(shù)字化轉(zhuǎn)型，促進企業(yè)降本增效和產(chǎn)業(yè)轉(zhuǎn)型升級，中國政府相繼頒布了一系列政策文件，強力推進供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作。2017年10月，《國務(wù)院辦公廳關(guān)于積極推進供應(yīng)鏈創(chuàng)新與應(yīng)用的指導(dǎo)意見》提出：“打造大數(shù)據(jù)支撐、網(wǎng)絡(luò)化共享、智能化協(xié)作的智慧供應(yīng)鏈體系”。2018年4月，商務(wù)部等8部門印發(fā)的《關(guān)于開展供應(yīng)鏈創(chuàng)新與應(yīng)用試點的通知》提出：“試點城市的主要任務(wù)是出臺支持供應(yīng)鏈創(chuàng)新發(fā)展的政策措施，優(yōu)化公共服務(wù)，營造良好環(huán)境，推動完善產(chǎn)業(yè)供應(yīng)鏈體系，并探索跨部門、跨區(qū)域的供應(yīng)鏈治理新模式。試點企業(yè)的主要任務(wù)是應(yīng)用現(xiàn)代信息技術(shù)，創(chuàng)新供應(yīng)鏈技術(shù)和模式，構(gòu)建和優(yōu)化產(chǎn)業(yè)協(xié)同平臺，提升產(chǎn)業(yè)集成和協(xié)同水平，帶動上下游企業(yè)形成完整高效、節(jié)能環(huán)保的產(chǎn)業(yè)供應(yīng)鏈，推動企業(yè)降本增效、綠色發(fā)展和產(chǎn)業(yè)轉(zhuǎn)型升級。”2018年10月，商務(wù)部等8部門公布了試點城市和試點企業(yè)名單，全國55個試點城市和266家試點企業(yè)入選。2020年4月，商務(wù)部等8部門印發(fā)的《關(guān)于進一步做好供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作的通知》提出：“加快推進供應(yīng)鏈數(shù)字化和智能化發(fā)展”。此外，根據(jù)試點企業(yè)的典型經(jīng)驗做法，幾乎所有試點企業(yè)實現(xiàn)目標的關(guān)鍵都依賴供應(yīng)鏈數(shù)字化。例如，聯(lián)想集團在供應(yīng)鏈中采用區(qū)塊鏈技術(shù)來促進代工廠、企業(yè)與供應(yīng)商之間的信息實時共享，從而實現(xiàn)了業(yè)務(wù)流程自動化。由此可見，供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作的主要目標、重點任務(wù)和實現(xiàn)方式都具有高度的供應(yīng)鏈數(shù)字化屬性，這為研究供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響提供了良好的準自然實驗。因此，本文參考張樹山等［7］和劉海建等［8］的研究，將供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作視為企業(yè)供應(yīng)鏈數(shù)字化建設(shè)的準自然實驗，探究供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響及作用機制。

（二） 理論分析與研究假設(shè)

在傳統(tǒng)供應(yīng)鏈中，由于缺乏有效的信息治理機制，企業(yè)難以實時掌握產(chǎn)品在各個環(huán)節(jié)的流通信息，導(dǎo)致其無法及時作出準確的決策和調(diào)整，從而限制了企業(yè)全要素生產(chǎn)率的提高。同時，為了應(yīng)對不確定性和需求波動，企業(yè)通常會維持較高的庫存水平，這會增加資金占用和倉儲成本，進而降低生產(chǎn)效率。供應(yīng)鏈數(shù)字化通過整合新一代數(shù)字技術(shù)和信息系統(tǒng)，能夠?qū)崿F(xiàn)供應(yīng)鏈的實時監(jiān)控、智能決策和協(xié)同合作，有效解決了傳統(tǒng)供應(yīng)鏈長期存在的成本過高、效率低下和資源浪費等問題［20］。從資源基礎(chǔ)理論來看，數(shù)字技術(shù)賦能下的供應(yīng)鏈重構(gòu)提升了企業(yè)在供應(yīng)鏈流程層面的數(shù)字化集成能力，使企業(yè)能夠更加有效地整合和協(xié)調(diào)各種資源，實現(xiàn)對供應(yīng)鏈各個環(huán)節(jié)的實時監(jiān)控和智能決策，優(yōu)化資源配置和利用效率，從而提高企業(yè)全要素生產(chǎn)率［18］。從動態(tài)能力理論來看，供應(yīng)鏈數(shù)字化提升了供應(yīng)鏈的靈活性和反應(yīng)速度，促進了上下游企業(yè)之間的協(xié)同合作，使企業(yè)能夠及時調(diào)整生產(chǎn)計劃和庫存管理策略以應(yīng)對外部環(huán)境的挑戰(zhàn)，避免產(chǎn)能過剩和供應(yīng)鏈中斷風險，從而提高生產(chǎn)效率［21］。從交易成本理論來看，供應(yīng)鏈數(shù)字化緩解了上下游企業(yè)之間的信息不對稱，提升了供應(yīng)鏈節(jié)點企業(yè)之間的透明度和溝通效率，降低了交易成本，從而提高了企業(yè)全要素生產(chǎn)率。綜上，筆者提出如下假設(shè)：

假設(shè)1：供應(yīng)鏈數(shù)字化能提高企業(yè)全要素生產(chǎn)率。

根據(jù)內(nèi)生增長理論，創(chuàng)新是提高生產(chǎn)效率的關(guān)鍵路徑［22］。供應(yīng)鏈數(shù)字化能夠從創(chuàng)新資源、創(chuàng)新環(huán)境和創(chuàng)新治理三個方面影響企業(yè)創(chuàng)新活動。首先，供應(yīng)鏈數(shù)字化使企業(yè)能夠借助數(shù)字技術(shù)工具從產(chǎn)品中剝離出與創(chuàng)新相關(guān)的知識資源，將分散的消費者需求和反饋信息收集到數(shù)字終端進行標準化處理，從而拓寬創(chuàng)新資源的獲取范圍［22］。這有助于企業(yè)快速響應(yīng)市場需求，及時調(diào)整產(chǎn)品設(shè)計和研發(fā)計劃，提高創(chuàng)新產(chǎn)出。例如，作為試點企業(yè)的海爾集團通過建立供應(yīng)鏈數(shù)字化平臺，實現(xiàn)了用戶需求與智能制造體系的高效對接，從而以用戶需求驅(qū)動企業(yè)不斷創(chuàng)新；浙江吉利汽車將汽車制造行業(yè)的運營數(shù)據(jù)與研發(fā)系統(tǒng)互聯(lián)互通，促進了新產(chǎn)品研發(fā)。其次，在傳統(tǒng)供應(yīng)鏈模式下，供應(yīng)鏈上下游企業(yè)之間的知識和技術(shù)交流主要依賴零散的線下互動，而供應(yīng)鏈數(shù)字化變革推動了以共同知識框架為基礎(chǔ)的虛擬交流，有助于構(gòu)建跨部門、跨組織的合作網(wǎng)絡(luò)。在這一開放的環(huán)境中，節(jié)點企業(yè)可以通過智能交互和云端協(xié)同與上下游合作伙伴共享數(shù)據(jù)和資源，開展更加緊密的研發(fā)合作，從而提高了協(xié)同創(chuàng)新的可能性［23-24］。最后，區(qū)塊鏈技術(shù)在供應(yīng)鏈中的普遍應(yīng)用提高了創(chuàng)新治理水平。區(qū)塊鏈技術(shù)能夠及時發(fā)現(xiàn)和制止鏈上企業(yè)的創(chuàng)新模仿行為，為知識產(chǎn)權(quán)提供強大可靠的保護機制，提高創(chuàng)新治理水平，激勵供應(yīng)鏈節(jié)點企業(yè)進行高質(zhì)量創(chuàng)新［20］。因此，供應(yīng)鏈數(shù)字化可以通過擴大創(chuàng)新資源的獲取范圍、優(yōu)化創(chuàng)新環(huán)境和提升創(chuàng)新治理水平增強企業(yè)創(chuàng)新能力，從而提高企業(yè)全要素生產(chǎn)率。綜上，筆者提出如下假設(shè)：

假設(shè)2a：供應(yīng)鏈數(shù)字化通過增強企業(yè)創(chuàng)新能力提高企業(yè)全要素生產(chǎn)率。

數(shù)字化供應(yīng)鏈具有實時監(jiān)控、信息透明和智能高效等特點，能夠通過提升供應(yīng)鏈效率提高企業(yè)全要素生產(chǎn)率。供應(yīng)鏈效率提升主要體現(xiàn)為供應(yīng)鏈內(nèi)部管理效率提升和供應(yīng)鏈外部協(xié)同效率提升兩個方面。首先，從供應(yīng)鏈內(nèi)部管理效率來看，企業(yè)將物聯(lián)網(wǎng)、大數(shù)據(jù)等現(xiàn)代數(shù)字技術(shù)深度嵌入供應(yīng)鏈各環(huán)節(jié)，推動了需求預(yù)測、產(chǎn)品制造、庫存管理和物流配送等環(huán)節(jié)的業(yè)務(wù)信息數(shù)字化，實現(xiàn)了各環(huán)節(jié)的信息實時交互和智能化決策，提升了供應(yīng)鏈內(nèi)部管理效率［25］。例如，在產(chǎn)品制造環(huán)節(jié)，上游供應(yīng)商利用下游客戶提供的海量私人數(shù)據(jù)，能夠緩解供需波動向上游企業(yè)傳遞時被逐級放大的“長鞭效應(yīng)”，進而解決上游企業(yè)存在的過度投資和產(chǎn)能過剩問題［26］；在庫存管理階段，企業(yè)利用實時數(shù)據(jù)分析工具，能夠?qū)崟r追蹤產(chǎn)品的采購需求、銷售情況和庫存狀態(tài)等信息，及時調(diào)整庫存水平，避免庫存積壓和供應(yīng)鏈中斷風險。其次，從供應(yīng)鏈外部協(xié)同效率來看，供應(yīng)鏈數(shù)字化能夠增強供應(yīng)鏈網(wǎng)絡(luò)中信息和知識網(wǎng)絡(luò)的連通性和滲透性，削弱地理距離對跨q5bZ5ca6pHuoFeLIFvVdlg==區(qū)域企業(yè)協(xié)作的限制，促進上下游企業(yè)的知識溢出、信息共享和資源整合，加強鏈上企業(yè)之間的協(xié)調(diào)與合作，從而實現(xiàn)供應(yīng)鏈高效運作［27］。同時，上下游企業(yè)通過建立穩(wěn)定的合作關(guān)系共享資源和信息，可以靈活應(yīng)對市場需求變化，增強供應(yīng)鏈對外部沖擊的抵御能力，提升供應(yīng)鏈的穩(wěn)定性。供應(yīng)鏈高效運轉(zhuǎn)不僅可以降低企業(yè)的采購成本、生產(chǎn)成本和物流成本，而且有助于減少生產(chǎn)的延遲和浪費，提高資金和資源利用效率，從而提高企業(yè)全要素生產(chǎn)率［28］。綜上，筆者提出如下假設(shè)：

假設(shè)2b：供應(yīng)鏈數(shù)字化通過提升供應(yīng)鏈效率提高企業(yè)全要素生產(chǎn)率。

交易成本理論指出，企業(yè)在進行市場交易時需要承擔一定的成本，包括交易搜索成本、談判成本和監(jiān)督成本等［29］。這些成本會影響企業(yè)的市場活動和經(jīng)濟效益，從而影響企業(yè)全要素生產(chǎn)率。傳統(tǒng)供應(yīng)鏈中存在的信息不對稱和交易風險等問題導(dǎo)致交易成本過高，而供應(yīng)鏈數(shù)字化通過實時的數(shù)據(jù)和信息共享，緩解了上下游企業(yè)之間的信息不對稱，加強了供應(yīng)鏈參與方之間的合作，降低了企業(yè)交易成本，從而提高了生產(chǎn)效率。首先，供應(yīng)鏈數(shù)字化能夠加速信息擴散與傳播，降低企業(yè)尋找潛在可信賴交易伙伴的信息搜尋成本。在上游企業(yè)了解市場需求和下游企業(yè)尋找合適的供應(yīng)商時，均需要付出一定的搜尋成本。供應(yīng)鏈數(shù)字化有助于企業(yè)在較短的時間內(nèi)，搜集掌握潛在交易企業(yè)的資信水平、履約歷史、產(chǎn)品特征或服務(wù)質(zhì)量等信息，降低企業(yè)的信息搜尋成本。其次，供應(yīng)鏈數(shù)字化有助于縮小企業(yè)與客戶之間的信息鴻溝，使得標的產(chǎn)品價格、工藝和質(zhì)量等關(guān)鍵要素變得透明可比，從而降低企業(yè)在契約簽訂過程中與交易伙伴的溝通協(xié)調(diào)成本［30］。最后，在物聯(lián)網(wǎng)等技術(shù)的賦能下，供應(yīng)鏈數(shù)字化使企業(yè)在簽約后可以適時對接交易伙伴，實時跟蹤標的產(chǎn)品，及時干預(yù)客戶違約或偏離合作方向的突發(fā)情況，降低交易風險和監(jiān)督成本。因此，供應(yīng)鏈數(shù)字化有助于緩解上下游企業(yè)之間的信息不對稱，降低企業(yè)信息搜尋成本、契約簽訂成本和監(jiān)督管理成本等交易成本。交易成本下降能夠降低企業(yè)非生產(chǎn)性支出，提高運營效率，實現(xiàn)成本節(jié)約和資源優(yōu)化，從而提高企業(yè)全要素生產(chǎn)率［31-32］。綜上，筆者提出如下假設(shè)：

假設(shè)2c：供應(yīng)鏈數(shù)字化通過降低企業(yè)交易成本提高企業(yè)全要素生產(chǎn)率。

三、研究設(shè)計

（一） 變量定義

⒈被解釋變量

本文被解釋變量是企業(yè)全要素生產(chǎn)率（TFP）。企業(yè)全要素生產(chǎn)率常見的計算方法包括固定效應(yīng)法、廣義矩估計法、Olley?Pakes法（OP法） 和Levinsohn?Petrin法（LP法）。其中，固定效應(yīng)法可能存在顯著的內(nèi)生性問題，覆蓋的信息也不夠全面；廣義矩估計法雖然能解決內(nèi)生性問題，但需要樣本有足夠長的時間跨度［33］。Olley和Pakes［34］ 提出的OP法將投資作為影響企業(yè)全要素生產(chǎn)率的代理變量，雖然解決了內(nèi)生性問題，但會丟棄大量投資額為零的樣本，造成估計偏誤。Levinsohn和Petrin［35］ 提出的LP法對OP法進行了改進，使用中間品投入代替?zhèn)鹘y(tǒng)的投資指標，既緩解了內(nèi)生性問題，又避免了樣本損失。因此，本文在主回歸中采用LP法測算企業(yè)全要素生產(chǎn)率，同時采用另外三種方法進行穩(wěn)健性檢驗。

⒉解釋變量

本文解釋變量是供應(yīng)鏈數(shù)字化（Did=Treat×Time）。本文參考張樹山等［7］與劉海建等［8］的研究，將供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作視為一次外生沖擊，構(gòu)建分組虛擬變量Treat與時間虛擬變量Time的交互項衡量供應(yīng)鏈數(shù)字化。當企業(yè)屬于供應(yīng)鏈創(chuàng)新與應(yīng)用試點企業(yè)時，Treat取值為1，否則取值為0。當樣本在2018年及之后時，Time取值為1，否則取值為0。

⒊中介變量

企業(yè)創(chuàng)新能力。本文參考黎文靖和鄭曼妮［36］ 的研究，以專利申請數(shù)量作為企業(yè)創(chuàng)新產(chǎn)出（Patents） 的代理變量，采用企業(yè)申請的各類專利（包括實用新型、外觀設(shè)計和發(fā)明專利） 數(shù)量之和加1的自然對數(shù)衡量；采用企業(yè)與其他主體聯(lián)合申請的專利數(shù)量加1的自然對數(shù)衡量企業(yè)協(xié)同創(chuàng)新（Patentco）；采用發(fā)明專利申請數(shù)量加1的自然對數(shù)衡量企業(yè)高質(zhì)量創(chuàng)新（Innovation）。

供應(yīng)鏈效率。本文參考張任之［21］ 的研究， 采用存貨周轉(zhuǎn)期（Inventory） 和營業(yè)周期（Cycle） 的自然對數(shù)衡量供應(yīng)鏈內(nèi)部管理效率。其中，存貨周轉(zhuǎn)期=計算期天數(shù)×存貨期末余額/營業(yè)成本，反映了企業(yè)存貨的周轉(zhuǎn)速度，存貨周轉(zhuǎn)期越短，說明企業(yè)在庫存管理、產(chǎn)品銷售和物流配送等環(huán)節(jié)的綜合運營能力越強，供應(yīng)鏈內(nèi)部管理效率越高；營業(yè)周期=計算期天數(shù)×應(yīng)收賬款期末余額/營業(yè)收入，反映了企業(yè)在整個業(yè)務(wù)流程中所花費的時間，營業(yè)周期越短，說明供應(yīng)鏈管理效率越高。供應(yīng)鏈外部協(xié)同效率（Cooperate） 采用企業(yè)前五大客戶銷售占比和前五大供應(yīng)商采購占比之和的均值衡量。該指標反映了企業(yè)與供應(yīng)鏈上下游企業(yè)關(guān)系的緊密程度，其值越大，說明該企業(yè)與上下游企業(yè)的關(guān)系越穩(wěn)定，越有利于雙方協(xié)同合作。

企業(yè)交易成本。信息不對稱是交易成本產(chǎn)生的主要根源，本文參考王分棉等［37］的研究，采用分析師跟蹤數(shù)量（Analysts） 衡量企業(yè)信息不對稱程度，作為企業(yè)交易成本的代理變量。同時，本文參考黃群慧等［17］的研究，采用銷售費用占營業(yè)收入的比重即銷售費用率（Cost） 作為企業(yè)交易成本的代理變量。

⒋控制變量

本文參考黃勃等［38］的研究，選取如下控制變量：企業(yè)年齡（Age），采用觀測年份與企業(yè)成立年份之差加1的自然對數(shù)衡量；資產(chǎn)負債率（Lev），采用總負債與總資產(chǎn)的比值衡量；企業(yè)盈利能力（Roa），采用凈利潤與總資產(chǎn)的比值衡量；企業(yè)現(xiàn)金流（Cash），采用企業(yè)經(jīng)營活動產(chǎn)生的凈現(xiàn)金流與總資產(chǎn)的比值衡量；無形資產(chǎn)占比（Intass），采用無形資產(chǎn)凈值與總資產(chǎn)的比值衡量；股權(quán)集中度（Top1），采用第一大股東的持股比例衡量；企業(yè)發(fā)展能力（Growth），采用營業(yè)收入增長率衡量。

（二） 模型構(gòu)建

本文構(gòu)建雙重差分模型檢驗供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的平均處理效應(yīng)，基準回歸模型設(shè)定如下：

（三） 數(shù)據(jù)說明

由于2012年中國證券監(jiān)督管理委員會對上市公司行業(yè)分類進行了修訂，為了避免上市公司行業(yè)變動對回歸結(jié)果產(chǎn)生影響，本文選取2012—2022年中國滬深A(yù)股上市公司數(shù)據(jù)作為初始樣本。其中，用來計算企業(yè)全要素生產(chǎn)率的財務(wù)數(shù)據(jù)、其他控制變量數(shù)據(jù)均來自于國泰安數(shù)據(jù)庫。根據(jù)以往研究的做法，剔除金融類企業(yè)、在樣本期內(nèi)被ST和PT的企業(yè)樣本以及主要變量數(shù)據(jù)缺失的樣本。為了避免異常值的影響，本文對主要連續(xù)變量的兩端進行了1%的縮尾處理。

由于供應(yīng)鏈創(chuàng)新與應(yīng)用試點企業(yè)是由商務(wù)部等部門通過遴選產(chǎn)生，所以入選成為試點企業(yè)并非完全隨機。為了克服可能存在的樣本選擇性偏誤，本文采用傾向得分匹配法對初始樣本進行處理。首先，考慮到試點企業(yè)名稱和上市公司名稱可能存在統(tǒng)計偏差，本文在刪除上市公司名稱中含有“有限”“責任”“公司”“股份”“集團”等關(guān)鍵詞后，根據(jù)企業(yè)名稱對試點企業(yè)和上市公司進行匹配，識別出處理組和控制組企業(yè)。其次，構(gòu)建Logit模型估算傾向得分，將Treat作為因變量，將模型（1） 中的控制變量作為匹配變量，并引入行業(yè)虛擬變量以控制行業(yè)因素的影響。再次，采用卡尺最近鄰匹配（1∶4） 方式對初始樣本進行逐年匹配。最后，剔除未成功匹配的樣本后，最終得到16 526個企業(yè)—年度觀測值。表1是主要變量的描述性統(tǒng)計結(jié)果。

四、實證結(jié)果與分析

（一） 平衡性檢驗

由于本文采用逐年傾向得分匹配（PSM） 方式對初始樣本進行匹配，所以參考謝申祥等［39］的研究，采用逐年平衡性檢驗方法比較各匹配變量在兩組間是否存在顯著差異，即比較匹配前后不同年份Logit的回歸結(jié)果。如果匹配后各匹配變量的系數(shù)值減小、變得不顯著和偽R2明顯減小，表明在不同年份兩組間的匹配變量不存在系統(tǒng)性偏差，滿足平衡性檢驗要求。逐年平衡性檢驗結(jié)果①表明，2012—2022年各匹配變量的系數(shù)值在匹配后普遍減小，且系數(shù)都變得不顯著，所有回歸的偽R2明顯減小，這表明各匹配變量在不同年份不存在系統(tǒng)性偏差，匹配后的樣本數(shù)據(jù)具有良好的平衡性。

（二） 基準回歸

表2是供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率影響的基準回歸結(jié)果。表2列（1） 在引入解釋變量的基礎(chǔ)上控制了企業(yè)固定效應(yīng)和年份固定效應(yīng)；表2列（2） 進一步引入了其他控制變量。表2的回歸結(jié)果顯示，無論是否加入控制變量，供應(yīng)鏈數(shù)字化的系數(shù)均在5%水平下顯著為正，這表明供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率有顯著正向影響。假設(shè)1得以驗證。就經(jīng)濟意義而言，列（2）的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化的系數(shù)為0. 146，這表明供應(yīng)鏈數(shù)字化使試點企業(yè)全要素生產(chǎn)率平均提高了0. 8%。②近年來中國全要素生產(chǎn)率的增速不足2%［40］，可見供應(yīng)鏈數(shù)字化對提高企業(yè)全要素生產(chǎn)率具有明顯的經(jīng)濟意義。

（三） DID 估計有效性檢驗

⒈平行趨勢檢驗

平行趨勢假設(shè)是雙重差分法估計結(jié)果有效的前提，本文參考Beck等［41］的研究，設(shè)定如下模型進行平行趨勢檢驗：

本文以供應(yīng)鏈創(chuàng)新與應(yīng)用試點政策實施前一年（k=-1） 為基期，并利用政策實施前的回歸系數(shù)均值對δ的估計系數(shù)和置信區(qū)間進行標準化處理［41］，結(jié)果如圖1所示。從圖1可以看出，當k<0時，估計系數(shù)δ在95%的置信區(qū)間內(nèi)均不顯著，且圍繞0上下波動，這表明試點企業(yè)和非試點企業(yè)的全要素生產(chǎn)率在供應(yīng)鏈創(chuàng)新與應(yīng)用試點政策實施前不存在顯著差異，滿足平行趨勢假設(shè)。當k≥0時，估計系數(shù)δ顯著為正，這表明供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的正向影響具有一定的持續(xù)性。

⒉安慰劑檢驗

為了避免小概率因素對估計結(jié)果造成干擾，本文在保持政策沖擊時間不變的基礎(chǔ)上，從初始樣本中隨機抽取相同數(shù)量的試點企業(yè)作為“偽處理組”，然后利用雙重差分法對模型（1） 進行估計，重復(fù)上述過程1 000次。圖2展示了隨機抽取的“偽處理組”的系數(shù)估計值和P值分布情況。從圖2可以看出，在隨機抽取處理組的情況下，估計系數(shù)集中在0附近，與真實估計值0. 146的差距較大；同時絕大多數(shù)估計系數(shù)的P值大于0. 050，這表明在1 000次的隨機抽樣中，試點政策對企業(yè)全要素生產(chǎn)率的影響并不顯著?；谝陨戏治?，可以得出基準回歸結(jié)果沒有受到其他不可觀測因素影響的結(jié)論，因而本文基準回歸結(jié)果是穩(wěn)健的。

本文參考呂越等［42］的研究，剔除政策實施后的樣本，將政策沖擊時點分別提前1年、兩年、3年和4年，構(gòu)造偽政策時間虛擬變量，并將其引入基準回歸模型進行回歸，結(jié)果如表3所示。從表3可以看出，將政策沖擊時間分別提前1年、兩年、3年和4年，供應(yīng)鏈數(shù)字化的系數(shù)均不顯著，這表明組間差異并不能對基準回歸結(jié)果產(chǎn)生影響。

（四） 穩(wěn)健性檢驗①

⒈更換被解釋變量測算方法

本文分別采用固定效應(yīng)法、廣義矩估計法和OP法重新測算企業(yè)全要素生產(chǎn)率，然后利用模型（1） 對匹配后的樣本進行估計?；貧w結(jié)果顯示，在對企業(yè)全要素生產(chǎn)率進行重新測算之后，供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響均顯著為正，與基準回歸結(jié)果一致。

⒉更換匹配方式

一是采用核匹配方式分行業(yè)進行逐期匹配。二是利用試點政策實施前一年（2017年） 的截面數(shù)據(jù)，以卡尺最近鄰（1∶4） 匹配方式分行業(yè)篩選出控制組企業(yè)。三是將面板數(shù)據(jù)轉(zhuǎn)換為截面數(shù)據(jù)，并采用卡尺最近鄰（1∶4） 匹配方式分行業(yè)進行匹配。四是更換匹配變量。根據(jù)供應(yīng)鏈創(chuàng)新與應(yīng)用試點企業(yè)申報表中的詳細信息，將企業(yè)注冊資本、企業(yè)性質(zhì)、員工人數(shù)、營業(yè)收入、成本利潤率、庫存周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、現(xiàn)金周轉(zhuǎn)期、市場占有率和供應(yīng)鏈集中度作為匹配變量，采用卡尺最近鄰（1∶4） 匹配方式分行業(yè)進行逐年匹配?；谒姆N匹配方式的雙重差分估計結(jié)果顯示，供應(yīng)鏈數(shù)字化的系數(shù)均顯著為正，這表明基準回歸結(jié)果依然穩(wěn)健。

⒊控制其他政策的影響

一是供應(yīng)鏈創(chuàng)新與應(yīng)用試點城市會采取一系列政策措施，優(yōu)化供應(yīng)鏈運營環(huán)境，支持供應(yīng)鏈創(chuàng)新發(fā)展，這可能會干擾基準回歸結(jié)果。因此，本文引入試點城市虛擬變量（Treatcity） 與時間虛擬變量（Time） 的交互項（Treatcity×Time） 進行回歸?；貧w結(jié)果顯示，供應(yīng)鏈數(shù)字化的系數(shù)顯著為正，而上述交互項的系數(shù)不顯著。其主要原因在于，鮮有直接針對企業(yè)供應(yīng)鏈數(shù)字化轉(zhuǎn)型的支持措施，導(dǎo)致城市層面的試點政策對企業(yè)的激勵作用不足［20］。二是2021年中國正式啟動供應(yīng)鏈創(chuàng)新與應(yīng)用示范創(chuàng)建工作，這可能會干擾試點政策的評估效果。因此，本文引入是否為示范創(chuàng)建企業(yè)的虛擬變量（Example）。三是為了加快建設(shè)網(wǎng)絡(luò)強國和數(shù)字中國，工業(yè)和信息化部自2014年已分三批遴選出了120個“寬帶中國”試點城市，這可能會影響企業(yè)全要素生產(chǎn)率。因此，本文引入“寬帶中國”試點城市的虛擬變量（Broad）。四是為了推動大數(shù)據(jù)發(fā)展和應(yīng)用，2015年以來國家大數(shù)據(jù)綜合試驗區(qū)建設(shè)不斷推進，這可能會影響本文結(jié)論。因此，本文引入國家大數(shù)據(jù)綜合試驗區(qū)的虛擬變量（Bigdata）。五是為了加快推進制造強國建設(shè)，中國自2015年開始實施智能制造試點示范專項行動，這可能對本文的研究結(jié)論產(chǎn)生干擾。因此，本文引入智能制造試點示范企業(yè)的虛擬變量（Intelmau）。在排除上述政策干擾后，供應(yīng)鏈數(shù)字化的系數(shù)仍顯著為正。

⒋其他穩(wěn)健性檢驗

一是在供應(yīng)鏈創(chuàng)新與應(yīng)用試點企業(yè)名單正式公布之前，2017年，《國務(wù)院辦公廳關(guān)于積極推進供應(yīng)鏈創(chuàng)新與應(yīng)用的指導(dǎo)意見》出臺。為了排除預(yù)期效應(yīng)影響，本文刪除政策發(fā)生前一年，即2017年的樣本數(shù)據(jù)后重新進行回歸。二是考慮到2018年試點政策的實施期為兩年，本文刪除2020年之后的樣本。三是新冠疫情嚴重影響了企業(yè)的生產(chǎn)經(jīng)營活動，本文剔除2020年及之后的觀測值。四是考慮政策實施的滯后效應(yīng)，將政策實施的時間虛擬變量在2018年之后設(shè)置為1，2018年及之前設(shè)置為0，重新構(gòu)建交互項并進行回歸。五是地區(qū)經(jīng)濟發(fā)展水平可能會影響企業(yè)全要素生產(chǎn)率，本文將企業(yè)所在城市的人均GDP、GDP增長率和第二產(chǎn)業(yè)占GDP的比重作為控制變量引入基準回歸模型。上述回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化的系數(shù)均顯著為正。

（五） 異質(zhì)性分析

⒈企業(yè)產(chǎn)權(quán)性質(zhì)

不同產(chǎn)權(quán)性質(zhì)的企業(yè)獲取外部資源的能力存在顯著差異。相較于非國有企業(yè)，國有企業(yè)具有天然的政治關(guān)聯(lián)和資源稟賦優(yōu)勢，能夠享受到更多的政策優(yōu)惠；國有企業(yè)也是保障國家政策貫徹落實的主體，更有動機響應(yīng)政策號召，積極主動地進行供應(yīng)鏈數(shù)字化轉(zhuǎn)型。因此，擁有資金、規(guī)模和政策優(yōu)勢的國有企業(yè)，更有可能通過供應(yīng)鏈數(shù)字化增強創(chuàng)新能力。本文根據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)將樣本分為國有企業(yè)和非國有企業(yè)。表4列（1） 和列（2） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化對國有企業(yè)全要素生產(chǎn)率的影響顯著為正，對非國有企業(yè)全要素生產(chǎn)率的影響不顯著。

⒉供應(yīng)鏈集中度

供應(yīng)鏈集中度反映了企業(yè)與供應(yīng)商、客戶合作關(guān)系的緊密程度以及上下游企業(yè)的議價能力，這會影響企業(yè)的生產(chǎn)經(jīng)營決策，從而導(dǎo)致供應(yīng)鏈數(shù)字化對不同供應(yīng)鏈集中度企業(yè)全要素生產(chǎn)率的影響可能不同。本文從供應(yīng)商集中度和客戶集中度兩個維度分析供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的異質(zhì)性影響。其中，供應(yīng)商集中度采用前五大供應(yīng)商采購額占總采購額的比重衡量，客戶集中度采用前五大客戶銷售額占總銷售額的比重衡量，數(shù)值越大，表明企業(yè)對供應(yīng)商和客戶的依賴程度越大。根據(jù)供應(yīng)商集中度和客戶集中度的中位數(shù)，對樣本進行分組回歸。表4列（3） —列（6） 的回歸結(jié)果顯示，在低供應(yīng)商集中度和低客戶集中度的組別中，供應(yīng)鏈數(shù)字化對其企業(yè)全要素生產(chǎn)率的影響顯著為正，而對較高組別的影響不顯著。主要原因在于，供應(yīng)鏈集中度越高，客戶和供應(yīng)商的議價能力越強，企業(yè)可能將更多資金用于維持與采購金額較大的供應(yīng)商和大客戶的現(xiàn)有關(guān)系，從而擠占創(chuàng)新資源，導(dǎo)致企業(yè)無法利用供應(yīng)鏈數(shù)字化提升全要素生產(chǎn)率。

⒊產(chǎn)業(yè)鏈位置

不同產(chǎn)業(yè)鏈位置的企業(yè)承擔不同的角色和職責，其供應(yīng)鏈數(shù)字化轉(zhuǎn)型的需求和效果各不相同。因此，供應(yīng)鏈數(shù)字化對不同產(chǎn)業(yè)鏈位置的企業(yè)全要素生產(chǎn)率可能會產(chǎn)生異質(zhì)性影響。本文參考Antràs等［43］的研究，使用世界投入產(chǎn)出數(shù)據(jù)庫（WIOD） 中2014年的中國投入產(chǎn)出數(shù)據(jù)，計算各行業(yè)上游度指數(shù)，并將其與對應(yīng)上市公司的行業(yè)代碼進行匹配。根據(jù)行業(yè)上游度指數(shù)的三分位數(shù)，將樣本分為產(chǎn)業(yè)鏈下游、產(chǎn)業(yè)鏈中游和產(chǎn)業(yè)鏈上游。表5列（1） —列（3） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化顯著提高了產(chǎn)業(yè)鏈上游企業(yè)全要素生產(chǎn)率，而對產(chǎn)業(yè)鏈下游和產(chǎn)業(yè)鏈中游企業(yè)全要素生產(chǎn)率的影響不顯著。由于需求信息在沿著供應(yīng)鏈下游企業(yè)向上游企業(yè)傳遞的過程中會被逐級放大，這種由信息扭曲產(chǎn)生的“長鞭效應(yīng)”導(dǎo)致上游企業(yè)常面臨更大的需求波動和庫存管理挑戰(zhàn)。因此，上游企業(yè)更有動機通過供應(yīng)鏈數(shù)字化提高供應(yīng)鏈的可視性和靈活性，以緩解信息滯后和不對稱導(dǎo)致的“長鞭效應(yīng)”，從而提高企業(yè)全要素生產(chǎn)率。

⒋地區(qū)營商環(huán)境

企業(yè)的發(fā)展依賴其所處的外部營商環(huán)境，良好的營商環(huán)境有助于企業(yè)建立更加穩(wěn)定的供應(yīng)鏈關(guān)系和合作伙伴網(wǎng)絡(luò)，為企業(yè)提供更多的資源、技術(shù)支持和市場渠道，從而提高企業(yè)全要素生產(chǎn)率。因此，供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響可能會受到地區(qū)營商環(huán)境的影響。本文采用各省份市場化指數(shù)衡量企業(yè)所在地區(qū)營商環(huán)境，并以中位數(shù)為標準將樣本劃分為營商環(huán)境優(yōu)勢區(qū)和營商環(huán)境劣勢區(qū)。表5列（4） 和列（5） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化顯著提高了營商環(huán)境優(yōu)勢區(qū)的企業(yè)全要素生產(chǎn)率，而對營商環(huán)境劣勢區(qū)企業(yè)全要素生產(chǎn)率的影響不顯著。一是位于營商環(huán)境優(yōu)勢區(qū)的企業(yè)創(chuàng)新動力和抗風險能力相對較強，更能積極主動地把握供應(yīng)鏈數(shù)字化轉(zhuǎn)型的機會，充分發(fā)揮供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的賦能效應(yīng)。二是營商環(huán)境好的地區(qū)，信息傳遞效率越高，越有利于發(fā)揮數(shù)字化供應(yīng)鏈的信息收集、分析和共享優(yōu)勢，進而提高企業(yè)全要素生產(chǎn)率。因此，政府需要為企業(yè)營造良好的營商環(huán)境，以充分發(fā)揮供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的促進作用。

五、機制檢驗

在理論分析中，本文提出供應(yīng)鏈數(shù)字化可以通過增強企業(yè)創(chuàng)新能力、提升供應(yīng)鏈效率和降低企業(yè)交易成本提高企業(yè)全要素生產(chǎn)率。為了驗證上述機制是否成立，本文參考江艇［44］的研究，構(gòu)建如下機制模型：

（一） 企業(yè)創(chuàng)新能力

供應(yīng)鏈數(shù)字化能夠通過擴大企業(yè)獲取創(chuàng)新資源的范圍提高企業(yè)創(chuàng)新產(chǎn)出；優(yōu)化供應(yīng)鏈伙伴之間知識和技術(shù)交流的環(huán)境，促進企業(yè)協(xié)同創(chuàng)新；利用區(qū)塊鏈技術(shù)提升創(chuàng)新治理水平，激勵企業(yè)進行高質(zhì)量創(chuàng)新。為了驗證上述分析，本文利用模型（3） 分別檢驗供應(yīng)鏈數(shù)字化對企業(yè)創(chuàng)新產(chǎn)出（Patents）、企業(yè)協(xié)同創(chuàng)新（Patentco） 和企業(yè)高質(zhì)量創(chuàng)新（Innovation） 的影響。表6列（1） —列（3） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化對企業(yè)創(chuàng)新產(chǎn)出、企業(yè)協(xié)同創(chuàng)新和企業(yè)高質(zhì)量創(chuàng)新均有顯著正向影響，這表明供應(yīng)鏈數(shù)字化增強了企業(yè)創(chuàng)新能力。企業(yè)創(chuàng)新能力增強有利于改善資源利用效率和技術(shù)使用效率，是促進企業(yè)全要素生產(chǎn)率提高的關(guān)鍵渠道［18，21］。因此，供應(yīng)鏈數(shù)字化通過增強企業(yè)創(chuàng)新能力提高企業(yè)全要素生產(chǎn)率。假設(shè)2a得以驗證。

（二） 供應(yīng)鏈效率

供應(yīng)鏈數(shù)字化有助于優(yōu)化供應(yīng)鏈內(nèi)部的資源配置，促進上下游企業(yè)高效協(xié)同，從而提升供應(yīng)鏈效率。因此，本文從供應(yīng)鏈內(nèi)部管理效率和供應(yīng)鏈外部協(xié)同效率兩個方面檢驗供應(yīng)鏈數(shù)字化對供應(yīng)鏈效率的影響。表6列（4） —列（6） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化降低了企業(yè)的存貨周轉(zhuǎn)期（Inventory） 和營業(yè)周期（Cycle），提升了供應(yīng)鏈外部協(xié)同效率（Cooperate），從而提升了供應(yīng)鏈效率。因此，供應(yīng)鏈數(shù)字化通過提升供應(yīng)鏈效率提高企業(yè)全要素生產(chǎn)率。假設(shè)2b得以驗證。

（三） 企業(yè)交易成本

供應(yīng)鏈數(shù)字化加快了信息向上下游企業(yè)擴散和傳播的速度，縮小了企業(yè)之間的信息不對稱程度，有助于降低企業(yè)的搜尋成本、契約成本和監(jiān)督成本等交易成本，進而提高企業(yè)全要素生產(chǎn)率。表6列（7） 和列（8） 的回歸結(jié)果顯示，供應(yīng)鏈數(shù)字化緩解了信息不對稱，降低了企業(yè)的交易成本。企業(yè)在經(jīng)營活動中產(chǎn)生的交易成本與資源配置效率和勞動生產(chǎn)率密切相關(guān)，交易成本下降能夠提升企業(yè)運營效率，實現(xiàn)成本節(jié)約和資源優(yōu)化，進而提高企業(yè)全要素生產(chǎn)率［31-32］。因此，供應(yīng)鏈數(shù)字化通過降低企業(yè)交易成本提高企業(yè)全要素生產(chǎn)率。假設(shè)2c得以驗證。

六、結(jié)論與啟示

供應(yīng)鏈數(shù)字化已成為現(xiàn)代企業(yè)競爭的重要戰(zhàn)略之一，是驅(qū)動企業(yè)高質(zhì)量發(fā)展的關(guān)鍵。本文將供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作視為企業(yè)供應(yīng)鏈數(shù)字化建設(shè)的準自然實驗，基于2012—2022年中國滬深A(yù)股上市公司數(shù)據(jù)，采用PSM?DID實證檢驗了供應(yīng)鏈數(shù)字化對企業(yè)全要素生產(chǎn)率的影響及作用機制。研究結(jié)果顯示：供應(yīng)鏈數(shù)字化能提高企業(yè)全要素生產(chǎn)率，使試點企業(yè)的全要素生產(chǎn)率平均提高了0. 8%。經(jīng)過平行趨勢檢驗、安慰劑檢驗和一系列穩(wěn)健性檢驗后，該結(jié)論依然成立。異質(zhì)性分析結(jié)果顯示，供應(yīng)鏈數(shù)字化對國有企業(yè)、低供應(yīng)鏈集中度企業(yè)、產(chǎn)業(yè)鏈上游企業(yè)和營商環(huán)境優(yōu)勢區(qū)企業(yè)全要素生產(chǎn)率的促進作用更顯著。機制分析結(jié)果顯示，供應(yīng)鏈數(shù)字化通過增強企業(yè)創(chuàng)新能力、提升供應(yīng)鏈效率和降低企業(yè)交易成本三個作用機制提高企業(yè)全要素生產(chǎn)率。本文的研究結(jié)論對企業(yè)管理和政府決策具有以下啟示：

對企業(yè)管理而言：第一，企業(yè)應(yīng)緊抓供應(yīng)鏈數(shù)字化轉(zhuǎn)型機遇，積極推進數(shù)字供應(yīng)鏈平臺建設(shè)，加快數(shù)字技術(shù)與供應(yīng)鏈深度融合，充分發(fā)揮供應(yīng)鏈數(shù)字化的生產(chǎn)率提升效應(yīng)。第二，企業(yè)應(yīng)積極與上下游企業(yè)開展協(xié)同創(chuàng)新活動，拓寬創(chuàng)新資源獲取渠道，加強供應(yīng)鏈技術(shù)和模式創(chuàng)新，進而推動企業(yè)高質(zhì)量發(fā)展。第三，企業(yè)應(yīng)重視并積極推進新一代信息技術(shù)在各環(huán)節(jié)的應(yīng)用，優(yōu)化從研發(fā)設(shè)計、生產(chǎn)制造、庫存管理到物流配送的全鏈條供應(yīng)鏈體系，促進供應(yīng)鏈上各要素高效連通和流暢運轉(zhuǎn)，提高供應(yīng)鏈效率，減少生產(chǎn)效率損失。第四，企業(yè)應(yīng)利用數(shù)字供應(yīng)鏈平臺對業(yè)務(wù)流程進行實時感知、監(jiān)控和調(diào)整，減少不必要的中間環(huán)節(jié)和成本消耗，提高交易處理速度和執(zhí)行效率，從而進一步降低交易成本和提高生產(chǎn)效率。

對政府決策而言：第一，政府應(yīng)積極引導(dǎo)企業(yè)參與供應(yīng)鏈數(shù)字化建設(shè)，繼續(xù)推動供應(yīng)鏈創(chuàng)新與應(yīng)用試點工作，不斷總結(jié)、復(fù)制和推廣成功的試點經(jīng)驗，完善現(xiàn)代數(shù)字供應(yīng)鏈發(fā)展的政策支撐體系，提升供應(yīng)鏈管理和協(xié)同水平。第二，政府應(yīng)優(yōu)化供應(yīng)鏈創(chuàng)新與應(yīng)用政策設(shè)計，根據(jù)不同類型的微觀主體精準施策。在繼續(xù)發(fā)揮供應(yīng)鏈數(shù)字化對國有企業(yè)全要素生產(chǎn)率提升作用的基礎(chǔ)上，鼓勵、支持、引導(dǎo)民營企業(yè)進行供應(yīng)鏈數(shù)字化轉(zhuǎn)型，加大對民營企業(yè)的政策傾斜和資金支持力度；對供應(yīng)鏈集中度較高的企業(yè)，地方政府應(yīng)充分發(fā)揮“有為政府”的作用，加快破除各類市場壁壘，降低市場準入門檻，加強市場監(jiān)管，維護市場秩序，提高供應(yīng)鏈創(chuàng)新政策的有效性；對處于產(chǎn)業(yè)鏈中下游和營商環(huán)境劣勢區(qū)的企業(yè)，地方政府應(yīng)制定特定的支持政策，通過簡化審批程序、降低稅收負擔和提供資金支持等方式為企業(yè)營造良好的外部環(huán)境，降低供應(yīng)鏈數(shù)字化轉(zhuǎn)型的風險和成本，從而激發(fā)供應(yīng)鏈數(shù)字化提升企業(yè)全要素生產(chǎn)率的潛力。

參考文獻：

［1］ 于茂薦.供應(yīng)鏈創(chuàng)新、研發(fā)組織結(jié)構(gòu)與企業(yè)創(chuàng)新績效［J］.科學(xué)學(xué)研究，2021，39（2）：375-384.

［2］ 程文.人工智能、索洛悖論與高質(zhì)量發(fā)展：通用目的技術(shù)擴散的視角［J］.經(jīng)濟研究，2021，56（10）：22-38.

［3］ BRYNJOLFSSON E， ROCK D， SYVERSON C. Artificial intelligence and the modern productivity paradox： a clash of expectations and statistics［R］. NBER Working Paper No.24001，2017.

［4］ IVANOV D， DOLGUI A， SOKOLOV B. The impact of digital technology and industry 4.0 on the ripple effect and supply chain risk analytics［J］. International journal of production research，2019，57（3）：829-846.

［5］ CONG L W， XIE D， ZHANG L. Knowledge accumulation， privacy， and growth in a data economy［J］. Management science，2021，67（10）：6480-6492.

［6］ BALAKRISHNAN A S， RAMANATHAN U. The role of digital technologies in supply chain resilience for emerging markets’ automotive sector［J］. Supply chain management： an international journal，2021，26（6）：654-671.

［7］ 張樹山，胡化廣，孫磊，等.供應(yīng)鏈數(shù)字化與供應(yīng)鏈安全穩(wěn)定——一項準自然實驗［J］.中國軟科學(xué)，2021（12）：21-30+40.

［8］ 劉海建，胡化廣，張樹山，等.供應(yīng)鏈數(shù)字化的綠色創(chuàng)新效應(yīng)［J］.財經(jīng)研究，2023，49（3）：4-18.

［9］ 劉海建，胡化廣，張樹山，等.供應(yīng)鏈數(shù)字化與企業(yè)績效——機制與經(jīng)驗證據(jù)［J］.經(jīng)濟管理，2023，45（5）：78-98.

［10］ 祝丹楓，李搖琴，鄢哲明.供應(yīng)鏈創(chuàng)新與企業(yè)多元化經(jīng)營——基于“信息機制”和“契約機制”的分析［J］.財經(jīng)論叢，2023（3）：57-69.

［11］ 劉柏惠，寇恩惠，楊龍見. 增值稅多檔稅率、資源誤置與全要素生產(chǎn)率損失［J］. 經(jīng)濟研究，2019，54（5）：113-128.

［12］ AGHION P， CAI J， DEWATRIPONT M， et al. Industrial policy and competition［J］. American economic journal：macroeconomics，2015，7（4）：1-32.

［13］ 簡澤，段永瑞.企業(yè)異質(zhì)性、競爭與全要素生產(chǎn)率的收斂［J］.管理世界，2012（8）：15-29.

［14］ 宋敏，周鵬，司海濤.金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角［J］.中國工業(yè)經(jīng)濟，2021（4）：138-155.

［15］ 李靜，彭飛，毛德鳳.研發(fā)投入對企業(yè)全要素生產(chǎn)率的溢出效應(yīng)——基于中國工業(yè)企業(yè)微觀數(shù)據(jù)的實證分析［J］.經(jīng)濟評論，2013（3）：77-86.

［16］ 任曙明，呂鐲.融資約束、政府補貼與全要素生產(chǎn)率——來自中國裝備制造企業(yè)的實證研究［J］.管理世界，2014（11）：10-23.

［17］ 黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗［J］.中國工業(yè)經(jīng)濟，2019（8）：5-23.

［18］ 羅佳，張蛟蛟，李科.數(shù)字技術(shù)創(chuàng)新如何驅(qū)動制造業(yè)企業(yè)全要素生產(chǎn)率？——來自上市公司專利數(shù)據(jù)的證據(jù)［J］.財經(jīng)研究，2023，49（2）：95-109+124.

［19］ AGHION P， BENJAMIN F J， CHARLES I J. Artificial intelligence and economic growth［R］. NBER Working Paper No.23928，2017.

［20］ 祝丹楓，李宇坤，李搖琴.供應(yīng)鏈創(chuàng)新驅(qū)動經(jīng)濟高質(zhì)量發(fā)展的理論內(nèi)涵與現(xiàn)實路徑［J］.經(jīng)濟學(xué)家，2022（10）：74-83.

［21］ 張任之.數(shù)字技術(shù)與供應(yīng)鏈效率：理論機制與經(jīng)驗證據(jù)［J］.經(jīng)濟與管理研究，2022，43（5）：60-76.

［22］ GRIFFITH R， REDDING S， REENEN J V. Mapping the two faces of R&D： productivity growth in a panel of OECD industries［ J］. Review of economics and statistics， 2004，86（4）： 883-895.

［23］ ALEXY O， GEORGE G， SALTER A J. Cui bono？ The selective revealing of knowledge and its implications for innovative activity［J］. Academy of management review，2013，38（2）：270-291.

［24］ 劉洋，董久鈺，魏江.數(shù)字創(chuàng)新管理：理論框架與未來研究［J］.管理世界，2020（7）：198-217+219.

［25］ 胡山，余泳澤.數(shù)字經(jīng)濟與企業(yè)創(chuàng)新：突破性創(chuàng)新還是漸進性創(chuàng)新？［J］.財經(jīng)問題研究，2022（1）：42-51.

［26］ 陳劍，黃朔，劉運輝.從賦能到使能——數(shù)字化環(huán)境下的企業(yè)運營管理［J］.管理世界，2020（2）：117-128.

［27］ 陶鋒，王欣然，徐揚，等.數(shù)字化轉(zhuǎn)型、產(chǎn)業(yè)鏈供應(yīng)鏈韌性與企業(yè)生產(chǎn)率［J］.中國工業(yè)經(jīng)濟，2023（5）：118-136.

［28］ 楊汝岱.中國制造業(yè)企業(yè)全要素生產(chǎn)率研究［J］.經(jīng)濟研究，2015，50（2）：61-74.

［29］ WILLIAMSON O E. The economics of organization： the transaction cost approach［J］. American journal of sociology，1981，87（3）：548-577.

［30］ 施炳展，李建桐.互聯(lián)網(wǎng)是否促進了分工：來自中國制造業(yè)企業(yè)的證據(jù)［J］.管理世界，2020（4）：130-149.

［31］ BENFRATELLO L， SCHIANTARELLI F， SEMBENELLI A. Banks and innovation： microeconometric evidence on Italian firms［J］. Journal of financial economics，2008，90（2）：197-217.

［32］ 石大千，李格，劉建江.信息化沖擊、交易成本與企業(yè)TFP——基于國家智慧城市建設(shè)的自然實驗［J］.財貿(mào)經(jīng)濟，2020，41（3）：117-130.

［33］ 魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999—2007［J］.經(jīng)濟學(xué)（季刊），2012，11（2）：541-558.

［34］ OLLEY G S， PAKES A. The dynamics of productivity in the telecommunications equipment industry［J］.Econometrica，1996，64（6）：1263-1297.

［35］ LEVINSOHN J A， PETRIN A. Estimating production functions using inputs to control for unobservables ［J］.Review of economic studies，2003，70（2）：317-341.

［36］ 黎文靖，鄭曼妮.實質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響［J］.經(jīng)濟研究，2016，51（4）：60-73.

［37］ 王分棉，賀佳，陳麗莉.連鎖董事綠色經(jīng)歷會促進企業(yè)綠色創(chuàng)新“增量提質(zhì)”嗎［J］.中國工業(yè)經(jīng)濟，2023（10）：155-173.

［38］ 黃勃，李海彤，江萍，等.戰(zhàn)略聯(lián)盟、要素流動與企業(yè)全要素生產(chǎn)率提升［J］.管理世界，2022（10）：195-212.

［39］ 謝申祥，范鵬飛，宛圓淵.傳統(tǒng)PSM?DID模型的改進與應(yīng)用［J］.統(tǒng)計研究，2021，38（2）：146-160.

［40］ 王一鳴.百年大變局、高質(zhì)量發(fā)展與構(gòu)建新發(fā)展格局［J］.管理世界，2020（12）：1-13.

［41］ BECK T， LEVINE R， LEVKOV A. Big bad banks？The winners and losers from bank deregulation in the United States［J］. The journal of finance，2010，65（5）：1637-1667.

［42］ 呂越，陸毅，吳嵩博，等“. 一帶一路”倡議的對外投資促進效應(yīng)——基于2005—2016年中國企業(yè)綠地投資的雙重差分檢驗［J］.經(jīng)濟研究，2019，54（9）：187-202.

［43］ ANTRàS P， CHOR D， FALLY T， et al. Measuring the upstreamness of production and trade flows ［J］. The American economic review，2012，102（3）：412-416.

［44］ 江艇.因果推斷經(jīng)驗研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］.中國工業(yè)經(jīng)濟，2022（5）：100-120.

（責任編輯：孫艷）