摘要：全要素生產(chǎn)率提升是農(nóng)業(yè)企業(yè)高質(zhì)量發(fā)展的重要內(nèi)容，備受企業(yè)界和學(xué)術(shù)界關(guān)注。以2008—2021年中國農(nóng)業(yè)上市公司為研究樣本，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升的賦能效應(yīng)和企業(yè)人力資本在其中的中介效應(yīng)，并基于企業(yè)屬性和區(qū)位特征進(jìn)行異質(zhì)性分析。研究發(fā)現(xiàn)：數(shù)字化轉(zhuǎn)型程度的系數(shù)為0.178 5且在1%顯著水平下顯著，說明數(shù)字化轉(zhuǎn)型能夠顯著提高農(nóng)業(yè)企業(yè)全要素生產(chǎn)率；加入人力資本這一中介變量之后，數(shù)字化轉(zhuǎn)型的回歸系數(shù)則由原來的0.178 5降至0.164 9，說明人力資本在數(shù)字化轉(zhuǎn)型促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升的過程中發(fā)揮中介效應(yīng)，即數(shù)字化轉(zhuǎn)型通過優(yōu)化農(nóng)業(yè)企業(yè)人力資本結(jié)構(gòu)提升全要素生產(chǎn)率水平；在非國有企業(yè)、大型企業(yè)和東部地區(qū)企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的提升效果更明顯。

關(guān)鍵詞：農(nóng)業(yè)企業(yè)；數(shù)字化轉(zhuǎn)型；全要素生產(chǎn)率；人力資本

中圖分類號(hào)：F323.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095?5553 （2024） 11?0334?09

Enabling effect of digital transformation on the total factor productivity of agricultural enterprises： Based on the data of listed agricultural enterprises from 2008 to 2021

Wang Chenxi， Zhou Kaiyuan， Hua Junguo

（College of Economics and Management， Henan Agricultural University， Zhengzhou， 450046， China）

Abstract： The improvement of the total factor productivity is an important part of the high?quality development of agricultural enterprises， which has attracted much attention from the corporate and academic circles. Taking Chinese listed agricultural companies from 2008 to 2021 as research samples， this paper empirically tests the enabling effect of digital transformation on the improvement of the total factor productivity of agricultural enterprises and the intermediary effect of corporate human capital in them， and conducts heterogeneity analysis based on firm attributes and location characteristics. Studies have found that the coefficient of digital transformation degree is 0.178 5， which is significant at the 1% significant level， indicating that digital transformation can significantly promote the improvement of the total factor productivity of agricultural enterprises， after adding the intermediary variable of human capital， the regression coefficient of digital transformation has dropped from 0.178 5 to 0.164 9， indicating that human capital can play an intermediary effect in the process of digital transformation to promote the improvement of agricultural enterprises， that is， digital transformation can promote the optimization of the human capital structure of agricultural enterprises to improve the total factor productivity level， digital transformation has a more obvious effect on the improvement of agricultural enterprises' total factor productivity in non?state?owned enterprises， large enterprises and east enterprises.

Keywords： agricultural enterprise; digital transformation; total factor productivity; human capital investment

0 引言

黨的二十大報(bào)告指出：高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國家的首要任務(wù)。要堅(jiān)持推動(dòng)高質(zhì)量發(fā)展，加快推進(jìn)現(xiàn)代化經(jīng)濟(jì)體系的建設(shè)，著力提高全要素生產(chǎn)率。農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè)，經(jīng)過40余年的改革開放，我國農(nóng)業(yè)已從傳統(tǒng)的資源約束轉(zhuǎn)變?yōu)榱速Y源和市場(chǎng)雙重約束，存在著結(jié)構(gòu)性矛盾日益突出、農(nóng)產(chǎn)品整體競(jìng)爭力較弱等問題?，F(xiàn)代農(nóng)業(yè)經(jīng)濟(jì)增長的主要特征是，農(nóng)業(yè)全要素生產(chǎn)率總體上得到了提高，即全要素生產(chǎn)率對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長的貢獻(xiàn)率在不斷提高[1]；農(nóng)業(yè)企業(yè)一頭連接“三農(nóng)”，一頭連接市場(chǎng)，在提升農(nóng)民收入和農(nóng)業(yè)供給水平、促進(jìn)我國農(nóng)業(yè)現(xiàn)代化和產(chǎn)業(yè)化發(fā)展中發(fā)揮著不可替代的作用，影響“三農(nóng)”工作整體和國民經(jīng)濟(jì)全局。因此，有效促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升，對(duì)于實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展目標(biāo)具有至關(guān)重要的意義。

數(shù)字化轉(zhuǎn)型是指企業(yè)將數(shù)字信息技術(shù)應(yīng)用到企業(yè)的生產(chǎn)經(jīng)營管理過程中，從而改變傳統(tǒng)業(yè)務(wù)流程的過程[2]。隨著人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展和普及，數(shù)據(jù)成為一種新的生產(chǎn)要素；數(shù)字化通過推動(dòng)生產(chǎn)組織形式和商業(yè)模式兩個(gè)方面的創(chuàng)新[3]，正逐步成為經(jīng)濟(jì)增長和產(chǎn)業(yè)發(fā)展的新動(dòng)能。近年來，我國農(nóng)業(yè)企業(yè)紛紛加速布局?jǐn)?shù)字化轉(zhuǎn)型，以數(shù)字化賦能傳統(tǒng)農(nóng)業(yè)，以期實(shí)現(xiàn)企業(yè)管理水平、經(jīng)營效益、發(fā)展?jié)摿Φ榷喾矫娴娜嫣嵘?/p>

在微觀企業(yè)層面，現(xiàn)有文獻(xiàn)已廣泛研究了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)行為和績效的影響，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠通過緩解信息不對(duì)稱問題[4]、提高企業(yè)的技術(shù)創(chuàng)新能力[5]、提升企業(yè)風(fēng)險(xiǎn)承擔(dān)水平[6， 7]、促進(jìn)企業(yè)投資[8]、推進(jìn)組織結(jié)構(gòu)優(yōu)化升級(jí)以及促進(jìn)商業(yè)模式創(chuàng)新[9]等途徑，發(fā)揮優(yōu)化企業(yè)績效表現(xiàn)[10]、提高企業(yè)效率[11?13]、增強(qiáng)企業(yè)競(jìng)爭力[14]等積極作用。全要素生產(chǎn)率既是企業(yè)資源配置水平的集中體現(xiàn)，也是數(shù)字化轉(zhuǎn)型在企業(yè)績效層面的最終影響結(jié)果?，F(xiàn)有文獻(xiàn)對(duì)數(shù)字化轉(zhuǎn)型賦能企業(yè)全要素生產(chǎn)率的效應(yīng)進(jìn)行了研究，并從多個(gè)角度對(duì)其影響機(jī)制進(jìn)行了分析。武常岐等[15]通過對(duì)上市公司年報(bào)數(shù)據(jù)進(jìn)行文本挖掘，運(yùn)用與數(shù)字化轉(zhuǎn)型相關(guān)的特征詞，來對(duì)數(shù)字化轉(zhuǎn)型程度進(jìn)行描述，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型可以提高企業(yè)的全要素生產(chǎn)率。從作用機(jī)制角度來看，數(shù)字化轉(zhuǎn)型可以通過緩解融資約束[16]、提升創(chuàng)新能力[17]、提高資源配置效率[18]、促進(jìn)產(chǎn)業(yè)融合、降低生產(chǎn)成本[19]和加速企業(yè)間知識(shí)溢出[20]等途徑提升企業(yè)全要素生產(chǎn)率。

受農(nóng)業(yè)生產(chǎn)自身特點(diǎn)的限制，相比于制造業(yè)等其他行業(yè)企業(yè)，農(nóng)業(yè)企業(yè)的自動(dòng)化、機(jī)械化和信息化水平較低；同時(shí)，農(nóng)業(yè)企業(yè)工作環(huán)境不佳、薪酬待遇相對(duì)偏低，因此對(duì)高學(xué)歷、高技術(shù)人才的吸引力不足，造成企業(yè)人力資本提升乏力。已有文獻(xiàn)對(duì)數(shù)字化轉(zhuǎn)型影響農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的研究較少，且鮮有研究從人力資本角度探討其作用機(jī)制。因此，本文以2008—2021年中國農(nóng)業(yè)上市公司為研究樣本，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型賦能農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升的效果，分析其影響機(jī)制，并考察數(shù)字化轉(zhuǎn)型影響效果在不同類型企業(yè)中的異質(zhì)性特征。

1 理論分析與研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型賦能農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的效應(yīng)

作為內(nèi)嵌于農(nóng)業(yè)的生產(chǎn)組織形式，農(nóng)業(yè)企業(yè)具有生產(chǎn)活動(dòng)分散、生產(chǎn)流程連續(xù)性差的特點(diǎn)，與制造業(yè)企業(yè)相比，生產(chǎn)的機(jī)械化、自動(dòng)化和信息化程度都不高。全要素生產(chǎn)率本質(zhì)上是一種資源配置效率，其以要素投入為基礎(chǔ)，以技術(shù)進(jìn)步為內(nèi)涵，以管理效率、規(guī)模效應(yīng)等[21]為外延。特別是在經(jīng)濟(jì)發(fā)展過程中，企業(yè)的規(guī)模不斷地?cái)U(kuò)大，同時(shí)企業(yè)內(nèi)部的組織結(jié)構(gòu)也在日益復(fù)雜，這就更容易造成企業(yè)經(jīng)營效率下降，企業(yè)成本變高等問題。數(shù)字化賦能效應(yīng)的具體體現(xiàn)：首先，數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)流程再造、業(yè)務(wù)重組，使企業(yè)的生產(chǎn)流程更加智能化、系統(tǒng)化。數(shù)字化轉(zhuǎn)型可以通過數(shù)字化技術(shù)實(shí)現(xiàn)業(yè)務(wù)流程重構(gòu)，實(shí)現(xiàn)生產(chǎn)過程、業(yè)務(wù)流程連續(xù)化、自動(dòng)化，極大程度上減少了人工的介入，可以降低人力成本，提高工作效率；數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)引進(jìn)智能化設(shè)備，構(gòu)建數(shù)字化生產(chǎn)系統(tǒng)，這可以顯著提高企業(yè)的生產(chǎn)效率，能夠更準(zhǔn)時(shí)、更高質(zhì)量地交付生產(chǎn)訂單，從而以規(guī)模經(jīng)濟(jì)的效應(yīng)，降低交易成本[22]，從而提升全要素生產(chǎn)率。其次，數(shù)字化轉(zhuǎn)型可以促進(jìn)管理效率和決策效率提升，實(shí)現(xiàn)信息的實(shí)時(shí)搜集、處理與反饋。數(shù)字化管理系統(tǒng)可以通過數(shù)據(jù)采集、數(shù)據(jù)分析技術(shù)，完善內(nèi)部控制體系，及時(shí)反饋信息，回應(yīng)請(qǐng)求，提高部門之間的協(xié)同性，提高管理效率和資源利用率；同時(shí)，會(huì)更加快速準(zhǔn)確地了解企業(yè)的運(yùn)營情況，發(fā)現(xiàn)經(jīng)營過程中的問題，制定解決方案，提升企業(yè)經(jīng)營決策的科學(xué)性和準(zhǔn)確性，從而消除風(fēng)險(xiǎn)隱患，降低運(yùn)營風(fēng)險(xiǎn)，減少不必要的成本。最后，數(shù)字化轉(zhuǎn)型可以緩解企業(yè)面臨的信息不對(duì)稱問題，提高市場(chǎng)快速反應(yīng)能力和供應(yīng)鏈的協(xié)作能力。借助于大數(shù)據(jù)、智能互聯(lián)、云計(jì)算等數(shù)字化技術(shù)，企業(yè)能夠極大程度地降低成本，提高資源利用效率[19]。

根據(jù)以上分析，提出假設(shè)1。H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升。

1.2 人力資本在數(shù)字化轉(zhuǎn)型賦能農(nóng)業(yè)企業(yè)全要素生產(chǎn)率中作用機(jī)制

農(nóng)業(yè)行業(yè)工作條件相對(duì)艱苦、比較收益偏低，造成農(nóng)業(yè)企業(yè)人才集聚能力普遍不強(qiáng)，高學(xué)歷、高技術(shù)人才較為短缺。高素質(zhì)的人力資本具有生產(chǎn)配置、技術(shù)創(chuàng)新、技術(shù)吸收與共享等多種重要而稀缺的能力，是促進(jìn)企業(yè)全要素生產(chǎn)率提高的主要因素[23]。在企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程中，自動(dòng)化、信息化的生產(chǎn)設(shè)備會(huì)對(duì)低端勞動(dòng)力形成替代，數(shù)字化技術(shù)的廣泛應(yīng)用會(huì)加大農(nóng)業(yè)企業(yè)對(duì)人才的需求，促使企業(yè)雇傭更多高學(xué)歷、高技術(shù)人才，從而優(yōu)化企業(yè)的人力資本結(jié)構(gòu)[24]。此外，數(shù)字化轉(zhuǎn)型的底層技術(shù)和實(shí)踐應(yīng)用也可以通過增加對(duì)高層次勞動(dòng)力的需求，并改變企業(yè)內(nèi)部的勞動(dòng)力結(jié)構(gòu)，從而對(duì)人力資本結(jié)構(gòu)進(jìn)行優(yōu)化[25]。高素質(zhì)的人力資本不僅能夠適應(yīng)數(shù)字化轉(zhuǎn)型的要求，更具有極強(qiáng)的知識(shí)外溢和技術(shù)外溢效應(yīng)[26]。隨著企業(yè)人力資本結(jié)構(gòu)的優(yōu)化，高技術(shù)人才參與企業(yè)產(chǎn)品研發(fā)、生產(chǎn)、營銷等環(huán)節(jié)[27]，通過自主創(chuàng)新實(shí)現(xiàn)對(duì)現(xiàn)有技術(shù)的改造升級(jí)[28]并促使企業(yè)加大新技術(shù)的應(yīng)用力度[29]，然后通過提高企業(yè)創(chuàng)新能力[30]提升全要素生產(chǎn)率水平。

根據(jù)以上分析，提出假設(shè)2。H2：企業(yè)數(shù)字化轉(zhuǎn)型通過優(yōu)化人力資本結(jié)構(gòu)提高農(nóng)業(yè)企業(yè)全要素生產(chǎn)率。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)處理

選取2008—2021年中國農(nóng)業(yè)上市公司數(shù)據(jù)為研究樣本，剔除被ST或*ST和關(guān)鍵變量缺失的樣本，并對(duì)連續(xù)變量進(jìn)行上下1%縮尾處理。最終得到了包括729個(gè)樣本觀測(cè)值的非平衡面板數(shù)據(jù)。數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫和Wind數(shù)據(jù)庫。

2.2 變量設(shè)定與計(jì)量

1） 被解釋變量：全要素生產(chǎn)率TFP1。常用于測(cè)算企業(yè)全要素生產(chǎn)率的方法有OLS法、FE法、OP法、LP法和GMM法等。傳統(tǒng)的OLS法可能存在聯(lián)立性偏誤與樣本選擇偏誤，OP法要求代理變量與總產(chǎn)出之間呈單調(diào)正相關(guān)關(guān)系，在估計(jì)過程中可能造成結(jié)果不準(zhǔn)確，而LP法以中間投入取代投資額作為代理變量，能夠有效避免數(shù)據(jù)缺失造成缺陷[31]。因此，本文選用LP法測(cè)算企業(yè)的全要素生產(chǎn)率TFP1用于實(shí)證分析，具體方法參考魯曉東等[32]。

2） 解釋變量：數(shù)字化轉(zhuǎn)型程度DCG1。本文借鑒吳非等[4]的方法，將上市公司年報(bào)中涉及人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)及數(shù)字技術(shù)應(yīng)用五類共76個(gè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞頻進(jìn)行加總，再將該加總詞頻加1后取自然對(duì)數(shù)，得到企業(yè)數(shù)字化轉(zhuǎn)型程度DCG1。該指標(biāo)的值越高，表示企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

3） 中介變量：人力資本H?？紤]數(shù)字化轉(zhuǎn)型對(duì)企業(yè)員工學(xué)歷和技能的要求，并結(jié)合農(nóng)業(yè)上市公司的數(shù)據(jù)可得性，本文參考陽立高[33]、趙宸宇[19]等的做法，以本科及以上學(xué)歷員工數(shù)占員工總數(shù)之比衡量農(nóng)業(yè)企業(yè)人力資本。

4） 控制變量。參考已有研究，選取一系列控制變量。包括：企業(yè)年齡Age、企業(yè)規(guī)模Size、資產(chǎn)負(fù)債率Lev、總資產(chǎn)收益率ROA、無形資產(chǎn)比率Intangible、托賓Q（Tobin Q）、股權(quán)集中度（Top10）和股權(quán)性質(zhì)SOE。變量的具體定義如表1所示。

2.3 模型設(shè)定

為檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的賦能效應(yīng)，構(gòu)建模型（1）對(duì)假設(shè)H1進(jìn)行檢驗(yàn)，具體設(shè)定為

[TFP1i，t=α0+α1DCG1i，t+αnControlsi，t+YEARt+Indi，t+εi，t] （1）

式中： [TFP1i，t]——i企業(yè)在t年時(shí)的全要素生產(chǎn)率；

[DCG1i，t]——i企業(yè)在t年的數(shù)字化轉(zhuǎn)型程度；

[Controlsi，t]——控制變量；

[YEARt]——年份虛擬變量；

[Indi，t]——行業(yè)虛擬變量；

[εi，t]——誤差項(xiàng)。

在模型（1）的基礎(chǔ)上，為分析數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的影響機(jī)制，本文借鑒溫忠麟等[34]提出的逐步檢驗(yàn)分析方法，構(gòu)建模型（2）和模型（3）檢驗(yàn)人力資本的中介效應(yīng)。

[Hi，t=β0+β1DCG1i，t+βnControlsi，t+YEARt+Indi，t+εi，t] （2）

[TFP1i，t=γ0+γ1DCG1i，t+γ2Hi，t+γnControlsi，t+YEARt+Indi，t+εi，t] （3）

模型（1）中的系數(shù)[α1]衡量了不考慮中介效應(yīng)的情形下，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的影響，在中介效應(yīng)分析中稱為“總效應(yīng)”。模型（2）中的系數(shù)[β1]衡量了數(shù)字化轉(zhuǎn)型對(duì)人力資本的影響。模型（3）中的系數(shù)[γ1]衡量了在控制中介變量的條件下，數(shù)字化轉(zhuǎn)型程度對(duì)全要素生產(chǎn)率的影響，稱為“直接效應(yīng)”；[γ2]則衡量了中介變量對(duì)全要素生產(chǎn)率的影響，乘積[β1γ2]稱為“間接效應(yīng)”，其與總效應(yīng)的比值反映了中介效應(yīng)的強(qiáng)度。其余變量的含義與模型（1）相同。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

表2列出了各變量的描述性統(tǒng)計(jì)結(jié)果。農(nóng)業(yè)企業(yè)的全要素生產(chǎn)率TFP1平均值為8.895，最小值為6.312，最大值為11.678。這表明，從整體上來看，農(nóng)業(yè)企業(yè)全要素生產(chǎn)率水平表現(xiàn)良好，但是不同的農(nóng)業(yè)企業(yè)之間還存在著一定的差距。農(nóng)業(yè)企業(yè)數(shù)字化轉(zhuǎn)型程度DCG1平均值為0.854，最小值為0，最大值為3.367。這表明農(nóng)業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型水平總體上偏低，且不同企業(yè)間差異顯著。人力資本H的平均值為0.205，最小值為0.011，最大值為0.628，說明農(nóng)業(yè)企業(yè)整體上高學(xué)歷員工占比偏低，人力資本結(jié)構(gòu)有待優(yōu)化，不同企業(yè)間也存在較大差距。

3.2 基準(zhǔn)回歸

表3是運(yùn)用模型（1）檢驗(yàn)數(shù)字化轉(zhuǎn)型賦能農(nóng)業(yè)企業(yè)全要素生產(chǎn)率效應(yīng)的結(jié)果。其中，第（1）列未加入控制變量，數(shù)字化轉(zhuǎn)型程度的系數(shù)為0.241 6，在1%顯著性水平下顯著為正。第（2）列加入了控制變量，數(shù)字化轉(zhuǎn)型程度的系數(shù)為0.178 5，仍然在1%顯著性水平下顯著為正。這說明數(shù)字化轉(zhuǎn)型可以促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的提升，驗(yàn)證了假設(shè)1。

3.3 穩(wěn)健性檢驗(yàn)

1） 替換被解釋變量。為了驗(yàn)證數(shù)字化轉(zhuǎn)型賦能農(nóng)業(yè)企業(yè)全要素生產(chǎn)率效應(yīng)的可靠性，本文使用GMM法重新測(cè)算全要素生產(chǎn)率（TFP2）進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果見表4第（1）列。結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度系數(shù)為0.085 4，并且在1%顯著水平下顯著，基準(zhǔn)回歸的結(jié)論依然成立。

2） 替換解釋變量。企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型的當(dāng)年，公司年報(bào)中相關(guān)信息可能披露較多；而在后續(xù)年份，隨著企業(yè)數(shù)字化轉(zhuǎn)型持續(xù)推進(jìn)以至完成，年報(bào)中相關(guān)關(guān)鍵詞的詞頻可能會(huì)逐漸降低。為避免這種情況的影響，確保實(shí)證研究結(jié)果穩(wěn)健可靠，本文參考趙宸宇等[19]的做法，找出每家企業(yè)的DCG1指數(shù)在樣本期內(nèi)的最大值，并將其后年份的樣本值全部設(shè)置為此最大值，重新構(gòu)建數(shù)字化轉(zhuǎn)型指數(shù)（DCG2）替換原解釋變量，具體回歸結(jié)果見表4第（2）列。結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度系數(shù)為0.197 6，且在1%顯著水平下顯著，再次驗(yàn)證了假設(shè)1。

3） 滯后回歸。由于數(shù)字化轉(zhuǎn)型影響農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的效應(yīng)可能存在一定的滯后性，因此，本文將核心解釋變量數(shù)字化轉(zhuǎn)型進(jìn)行滯后一期和滯后二期處理，分別用L.DCG1和L2.DCG2表示。表4中列（3）和列（4）分別匯報(bào)了數(shù)字化轉(zhuǎn)型滯后一期和滯后二期的結(jié)果，L.DCG1變量和L2.DCG1變量的估計(jì)系數(shù)均顯著為正，進(jìn)一步佐證了數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率具有促進(jìn)作用。

3.4 影響機(jī)制檢驗(yàn)

為進(jìn)一步分析數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的影響機(jī)制，采用逐步檢驗(yàn)法對(duì)模型（2）和模型（3）進(jìn)行回歸分析，驗(yàn)證數(shù)字化轉(zhuǎn)型是否通過優(yōu)化人力資本結(jié)構(gòu)來促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升，具體結(jié)果見表5。表5第（2）列中數(shù)字化轉(zhuǎn)型的系數(shù)在1%顯著性水平下顯著，表明數(shù)字化轉(zhuǎn)型可以優(yōu)化農(nóng)業(yè)企業(yè)人力資本結(jié)構(gòu)，即促進(jìn)了農(nóng)業(yè)企業(yè)本科及以上學(xué)歷員工占比的提升。第（3）列將企業(yè)數(shù)字化轉(zhuǎn)型、人力資本和全要素生產(chǎn)率納入同一模型。結(jié)果表明，數(shù)字化轉(zhuǎn)型和人力資本的系數(shù)都在1%水平下顯著為正，這說明數(shù)字化轉(zhuǎn)型和人力資本可以共同促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升；數(shù)字化轉(zhuǎn)型的回歸系數(shù)則由原來的0.178 5降至0.164 9，說明人力資本發(fā)揮了部分中介效應(yīng)。通過上述分析可知，數(shù)字化轉(zhuǎn)型可以通過優(yōu)化企業(yè)人力資本結(jié)構(gòu)促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升，從而驗(yàn)證了假設(shè)2。

3.5 異質(zhì)性分析

為了探究數(shù)字化轉(zhuǎn)型對(duì)不同類型農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的影響效果差異，為差異化政策制定提供實(shí)證依據(jù)。研究中，基于企業(yè)產(chǎn)權(quán)、企業(yè)規(guī)模和所屬地區(qū)進(jìn)行異質(zhì)性分析，具體結(jié)果見表6。

1） 產(chǎn)權(quán)異質(zhì)性。企業(yè)產(chǎn)權(quán)性質(zhì)的差異，會(huì)導(dǎo)致其在政治職能、市場(chǎng)競(jìng)爭、發(fā)展目標(biāo)等方面具有不同的選擇和特征，在做決策時(shí)需要考慮的因素會(huì)有所不同，數(shù)字化轉(zhuǎn)型對(duì)其全要素生產(chǎn)率的影響也會(huì)存在差異。按企業(yè)產(chǎn)權(quán)性質(zhì)的不同，可以將農(nóng)業(yè)企業(yè)分為國有企業(yè)和非國有企業(yè)兩類。在表6第（1）列、第（2）列中可以看到企業(yè)產(chǎn)權(quán)的異質(zhì)性分析結(jié)果，數(shù)字化轉(zhuǎn)型程度的系數(shù)分別為0.204 2、0.331 7，且均在1%的水平上顯著。這表明，國有企業(yè)和非國有企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型都能提高企業(yè)全要素生產(chǎn)率。但是，這種提升效果在非國有企業(yè)中更加明顯。這一發(fā)現(xiàn)與趙宸宇等[19]關(guān)于數(shù)字化轉(zhuǎn)型對(duì)國有企業(yè)全要素生產(chǎn)率促進(jìn)作用更強(qiáng)的結(jié)論不同，可能的解釋是：農(nóng)業(yè)產(chǎn)業(yè)的基礎(chǔ)性特征使國有農(nóng)業(yè)更易獲得國家政策、資金、項(xiàng)目等傾斜和扶持而具有較強(qiáng)的市場(chǎng)勢(shì)力，也使企業(yè)的經(jīng)營觀傾向于“求穩(wěn)”，這可能降低了其推進(jìn)數(shù)字化轉(zhuǎn)型的積極性。與國有企業(yè)相比，非國有農(nóng)業(yè)企業(yè)對(duì)市場(chǎng)環(huán)境更加敏感，必須不斷優(yōu)化資源配置水平才能在行業(yè)中立足，其內(nèi)部組織結(jié)構(gòu)、管理模式和決策方式也相對(duì)更加靈活，因而能夠更好地發(fā)揮數(shù)字化轉(zhuǎn)型提升企業(yè)全要素生產(chǎn)率的效果。

2） 規(guī)模異質(zhì)性。企業(yè)的規(guī)模會(huì)影響企業(yè)的生產(chǎn)效率，同時(shí)也是企業(yè)全要素生產(chǎn)率的一個(gè)重要決定因素。所以不同規(guī)模的企業(yè)，數(shù)字化轉(zhuǎn)型賦能企業(yè)全要素生產(chǎn)率的效應(yīng)也不盡相同。根據(jù)國家統(tǒng)計(jì)局發(fā)布的《統(tǒng)計(jì)上大中小微型企業(yè)劃分辦法（2017）》，將農(nóng)業(yè)企業(yè)劃分為大型企業(yè)和中小型企業(yè)。企業(yè)規(guī)模異質(zhì)性的回歸結(jié)果見表6第（3）列、第（4）列，數(shù)字化轉(zhuǎn)型程度的系數(shù)分別為0.267 4和-0.111 2，且僅有大型企業(yè)樣本中系數(shù)在1%水平上顯著。這表明數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的促進(jìn)作用主要存在于大型企業(yè)中?？赡艿慕忉屖牵浩髽I(yè)進(jìn)行數(shù)字化轉(zhuǎn)型需要大量資金和人員投入，而大型企業(yè)的擁有更多的資金，且具有更強(qiáng)的抗風(fēng)險(xiǎn)能力，因而更有能力實(shí)施數(shù)字化轉(zhuǎn)型，充分發(fā)揮其對(duì)全要素生產(chǎn)率的促進(jìn)作用。中小型企業(yè)由于資金投入不足、對(duì)人的吸引力有限，其數(shù)字化轉(zhuǎn)型進(jìn)程相對(duì)緩慢，對(duì)全要素生產(chǎn)率的提升效果不顯著。

3） 地區(qū)異質(zhì)性。不同地區(qū)在資源稟賦、經(jīng)濟(jì)發(fā)展水平等方面的差異也會(huì)影響企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程及效果。根據(jù)企業(yè)所處的地理位置，將樣本劃分為東部和中西部兩大類，其中東部地區(qū)有北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個(gè)省市，其余省市為中西部地區(qū)。表6第（5）、第（6）列報(bào)告了地區(qū)分類異質(zhì)性的回歸結(jié)果，數(shù)字化轉(zhuǎn)型程度的系數(shù)分別為0.405 3和0.189 2，均在1%的水平上顯著。從結(jié)果來看，無論企業(yè)是在東部地區(qū)還是在中西部地區(qū)，實(shí)施數(shù)字化轉(zhuǎn)型都能夠顯著提高企業(yè)的全要素生產(chǎn)率。但對(duì)于東部地區(qū)的企業(yè)來說，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)全要素生產(chǎn)率的促進(jìn)效果更為顯著。產(chǎn)生這種差異的原因可能是：與中西部地區(qū)相比，東部地區(qū)的經(jīng)濟(jì)發(fā)展水平較高、數(shù)字化進(jìn)程相對(duì)更快；結(jié)合人力資本這一中介機(jī)制來看，東部地區(qū)對(duì)高學(xué)歷、高層次人才的吸引力也更強(qiáng)。因此，東部地區(qū)的農(nóng)業(yè)企業(yè)能夠更好地發(fā)揮數(shù)字化轉(zhuǎn)型的有利效果，提升企業(yè)全要素生產(chǎn)率。

4 研究結(jié)論與政策啟示

4.1 研究結(jié)論

以2008—2021年中國農(nóng)業(yè)上市公司為研究樣本，采用非平衡面板數(shù)據(jù)，從微觀層面實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升的賦能效應(yīng)和企業(yè)人力資本在其中的中介效應(yīng)。研究結(jié)果表明：（1）數(shù)字化轉(zhuǎn)型程度的系數(shù)為0.178 5，且在1%顯著水平下顯著，說明數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的提升；（2）加入人力資本這一中介變量之后，數(shù)字化轉(zhuǎn)型的回歸系數(shù)則由原來的0.178 5降至0.164 9，說明人力資本在數(shù)字化轉(zhuǎn)型促進(jìn)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率提升的過程中發(fā)揮中介效應(yīng)，即數(shù)字化轉(zhuǎn)型通過優(yōu)化農(nóng)業(yè)企業(yè)人力資本結(jié)構(gòu)提升全要素生產(chǎn)率水平；（3）通過對(duì)產(chǎn)權(quán)異質(zhì)性、規(guī)模異質(zhì)性和地區(qū)異質(zhì)性分析發(fā)現(xiàn)，在非國有企業(yè)、大型企業(yè)和東部地區(qū)企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)農(nóng)業(yè)企業(yè)全要素生產(chǎn)率的提升效果更明顯。

4.2 政策啟示

1） 農(nóng)業(yè)企業(yè)具有產(chǎn)業(yè)發(fā)展的龍頭帶動(dòng)作用，加快推進(jìn)數(shù)字化轉(zhuǎn)型，能加快實(shí)現(xiàn)農(nóng)業(yè)發(fā)展的動(dòng)能轉(zhuǎn)換和效率變革。農(nóng)業(yè)企業(yè)作為農(nóng)業(yè)的龍頭，既促進(jìn)農(nóng)村三產(chǎn)融合發(fā)展，帶動(dòng)鄉(xiāng)村振興、農(nóng)民致富，還能帶動(dòng)農(nóng)業(yè)智能裝備、數(shù)字技術(shù)的研發(fā)和推廣應(yīng)用，促進(jìn)數(shù)字化水平升級(jí)，使數(shù)字農(nóng)業(yè)與農(nóng)業(yè)數(shù)字裝備產(chǎn)業(yè)形成良性互動(dòng)局面，因此農(nóng)業(yè)企業(yè)要充分把握數(shù)字經(jīng)濟(jì)時(shí)代帶來的新機(jī)遇，加快推進(jìn)自身的數(shù)字化轉(zhuǎn)型進(jìn)程，并將數(shù)字技術(shù)與企業(yè)實(shí)體經(jīng)濟(jì)進(jìn)行深度融合，實(shí)現(xiàn)全要素生產(chǎn)率的提升，從而實(shí)現(xiàn)農(nóng)業(yè)企業(yè)的高質(zhì)量發(fā)展。

2） 各級(jí)政府部門和農(nóng)業(yè)企業(yè)要牢固樹立人才是第一資源、創(chuàng)新是第一動(dòng)力的觀念，重視對(duì)人力資源的開發(fā)，加大對(duì)人力資本的投資力度。各級(jí)政府要在提升人力資本數(shù)量的同時(shí)也要注重人力資本的質(zhì)量，尤其是農(nóng)業(yè)高等院校要面向農(nóng)業(yè)企業(yè)需求，適時(shí)進(jìn)行專業(yè)結(jié)構(gòu)和課程設(shè)置調(diào)整，培養(yǎng)出更多適應(yīng)數(shù)字化時(shí)代的人才，滿足農(nóng)業(yè)企業(yè)數(shù)字化發(fā)展需要；農(nóng)業(yè)企業(yè)自身也要增加對(duì)人力資本的投入，努力提高員工數(shù)字技術(shù)水平，讓企業(yè)更好地發(fā)揮數(shù)字化設(shè)備的效率優(yōu)勢(shì)，從而實(shí)現(xiàn)企業(yè)全要素生產(chǎn)率提升。

3） 政府相關(guān)部門應(yīng)緊跟數(shù)字化的發(fā)展趨勢(shì)，完善對(duì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的政策支持體系，從而實(shí)現(xiàn)農(nóng)業(yè)的高質(zhì)量發(fā)展。積極引導(dǎo)企業(yè)強(qiáng)化數(shù)字化思維，抓住借助數(shù)字化實(shí)現(xiàn)彎道超車機(jī)會(huì)，探尋適合自身的數(shù)字化轉(zhuǎn)型道路，提升企業(yè)發(fā)展的內(nèi)涵與核心競(jìng)爭力，實(shí)現(xiàn)高質(zhì)量的數(shù)字化轉(zhuǎn)型；加大對(duì)國有農(nóng)業(yè)企業(yè)、中小型農(nóng)業(yè)企業(yè)以及中西部地區(qū)農(nóng)業(yè)企業(yè)的扶持力度，大力推進(jìn)農(nóng)業(yè)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，全面促進(jìn)數(shù)字中國建設(shè)。

參 考 文 獻(xiàn)

[ 1 ] 王麗明， 孫小龍， 賈偉. 中國農(nóng)業(yè)企業(yè)全要素生產(chǎn)率區(qū)域比較及驅(qū)動(dòng)因素分析——基于1 126家國家重點(diǎn)龍頭企業(yè)[J]. 中國農(nóng)業(yè)大學(xué)報(bào)， 2020， 25（8）： 204-214.

Wang Liming， Sun Xiaolong， Jia Wei. Regional comparison and driving factors of total factor productivity of agricultural enterprises in China： Based on 1 126 state?level agricultural leading enterprises [J]. Journal of China Agricultural University， 2020， 25（8）： 204-214.

[ 2 ] 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(shí)踐[J]. 經(jīng)濟(jì)管理， 2021， 43（12）： 79-97.

Ni Kejin， Liu Xiuyan. Digital transformation and enterprise growth： Logic and practice of China's capital market [J]. Business and Management Journal， 2021， 43（12）： 79-97.

[ 3 ] Vial G. Understanding digital transformation： A review and a research agenda [J]. The Journal of Strategic Information Systems， 2019， 28（2）： 118-144.

[ 4 ] 吳非， 胡慧芷， 林慧妍， 等. 企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J]. 管理世界， 2021， 37（7）： 130-144， 10.

[ 5 ] Fakhar Manesh M， Pellegrini M M， Marzi G， et al. Knowledge management in the fourth industrial revolution： Mapping the literature and scoping future avenues [J]. IEEE Transactions on Engineering Management， 2021， 68（1）： 289-300.

[ 6 ] 黃大禹， 謝獲寶， 鄒夢(mèng)婷， 等. 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)風(fēng)險(xiǎn)承擔(dān)水平的影響——作用機(jī)制與影響渠道[J]. 科技進(jìn)步與對(duì)策， 2023， 40（11）： 1-10.

Huang Dayu， Xie Huobao， Zou Mengting， et al. The impact of enterprise digital transformation on risk taking： The mechanisms and path [J]. Science & Technology Progress and Policy， 2023， 40（11）： 1-10.

[ 7 ] Tian G， Li B， Cheng Y. Does digital transformation matter for corporate risk?taking？ [J]. Finance Research Letters， 2022， 49： 103107.

[ 8 ] 鄧波. 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資的影響研究[J]. 價(jià)格理論與實(shí)踐， 2022（6）： 135-138.

Deng Bo. Research on the impact of digital transformation on enterprise investment [J]. Price： Theory & Practice， 2022（6）： 135-138.

[ 9 ] Ciampi F， Demi S， Magrini A， et al. Exploring the impact of big data analytics capabilities on business model innovation： The mediating role of entrepreneurial orientation [J]. Journal of Business Research， 2021， 123： 1-13.

[10] 李琦， 劉力鋼， 邵劍兵. 數(shù)字化轉(zhuǎn)型、供應(yīng)鏈集成與企業(yè)績效——企業(yè)家精神的調(diào)節(jié)效應(yīng)[J]. 經(jīng)濟(jì)管理， 2021， 43（10）： 5-23.

Li Qi， Liu Ligang， Shao Jianbing. The effects of digital transformation and supply chain integration on firm performance： The moderating role of entrepreneurship [J]. Business and Management Journal， 2021， 43（10）： 5-23.

[11] 楊水利， 陳娜， 李雷. 數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新效率——來自中國制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 運(yùn)籌與管理， 2022， 31（5）： 169-176.

[12] Peng Y， Tao C. Can digital transformation promote enterprise performance？ —From the perspective of public policy and innovation [J]. Journal of Innovation & Knowledge， 2022， 7（3）： 100198.

[13] Liu Y， Dong J， Mei L， et al. Digital innovation and performance of manufacturing firms： An affordance perspective [J]. Technovation， 2023， 119： 102458.

[14] 李民， 戴永務(wù). 數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)競(jìng)爭力的影響——基于企業(yè)異質(zhì)性視角[J]. 北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2024， 37（3）： 79-88.

Li Min， Dai Yongwu. Impact of digital transformation on the competitiveness of agriculture?related firms： From the perspective of firm heterogeneity [J]. Journal of Beijing University of Aeronautics and Astronautics （Social Sciences Edition）， 2024， 37（3）： 79-88.

[15] 武常岐， 張昆賢， 周欣雨， 等. 數(shù)字化轉(zhuǎn)型、競(jìng)爭戰(zhàn)略選擇與企業(yè)高質(zhì)量發(fā)展——基于機(jī)器學(xué)習(xí)與文本分析的證據(jù)[J]. 經(jīng)濟(jì)管理， 2022， 44（4）： 5-22.

Wu Changqi， Zhang Kunxian， Zhou Xinyu， et al. Digital transformation， choice of competitive strategy， and high?quality development of firms： From evidence of machine learning and text analysis [J]. Business and Management Journal， 2022， 44 （4）： 5-22.

[16] 花俊國， 劉暢， 朱迪. 數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)全要素生產(chǎn)率[J]. 南方金融， 2022（7）： 54-65.

Hua Junguo， Liu Chang， Zhu Di. Digital transformation， financing constraints and enterprise total factor productivity [J]. South China Finance， 2022 （7）： 54-65.

[17] 任志成， 趙梓衡. 數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)全要素生產(chǎn)率提升的影響——來自上市公司的微觀證據(jù)[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2022， 41（11）： 23-30.

Ren Zhicheng， Zhao Ziheng. The impact of digital transformation on total factor productivity improvement in manufacturing： Micro evidence from listed companies [J]. Journal of Industrial Technological Economics， 2022， 41（11）： 23-30.

[18] 黃星剛， 侯寶升， 葉似劍， 等. 數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率關(guān)系研究——基于資源配置視角的檢驗(yàn)[J]. 價(jià)格理論與實(shí)踐， 2022（11）： 107-111.

[19] 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(cái)貿(mào)經(jīng)濟(jì)， 2021， 42（7）： 114-129.

Zhao Chenyu， Wang Wenchun， Li Xuesong. How does digital transformation affect the total factor productivity of enterprises ？ [J]. Finance & Trade Economics， 2021， 42（7）： 114-129.

[20] 涂心語， 嚴(yán)曉玲. 數(shù)字化轉(zhuǎn)型、知識(shí)溢出與企業(yè)全要素生產(chǎn)率——來自制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究， 2022（2）： 43-56.

[21] 程惠芳， 陸嘉俊. 知識(shí)資本對(duì)工業(yè)企業(yè)全要素生產(chǎn)率影響的實(shí)證分析[J]. 經(jīng)濟(jì)研究， 2014， 49（5）： 174-187.

Cheng Huifang， Lu Jiajun. The empirical analysis of knowledge capital impact on total factor productivity of industrial enterprises [J]. Economic Research Journal， 2014， 49（5）： 174-187.

[22] 閆德利， 張芳芳， 高曉雨. 中小企業(yè)如何實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型[J]. 新經(jīng)濟(jì)導(dǎo)刊， 2019（1）： 18-20.

[23] 劉智勇， 李海崢， 胡永遠(yuǎn)， 等. 人力資本結(jié)構(gòu)高級(jí)化與經(jīng)濟(jì)增長——兼論東中西部地區(qū)差距的形成和縮小[J]. 經(jīng)濟(jì)研究， 2018， 53（3）： 50-63.

[24] 李夢(mèng)娜， 周云波. 數(shù)字經(jīng)濟(jì)發(fā)展的人力資本結(jié)構(gòu)效應(yīng)研究[J]. 經(jīng)濟(jì)與管理研究， 2022， 43（1）： 23-38.

Li Mengna， Zhou Yunbo. Research on human capital structure effect of digital economy development [J]. Research on Economics and Management， 2022， 43（1）： 23-38.

[25] 陳紅， 張夢(mèng)云， 王穩(wěn)華， 等. 數(shù)字化轉(zhuǎn)型能推動(dòng)企業(yè)人力資本結(jié)構(gòu)調(diào)整嗎？[J]. 統(tǒng)計(jì)與信息論壇， 2022， 37（9）： 35-47.

[26] 潘毛毛， 趙玉林. 互聯(lián)網(wǎng)融合、人力資本結(jié)構(gòu)與制造業(yè)全要素生產(chǎn)率[J]. 科學(xué)學(xué)研究， 2020， 38（12）： 2171-2182， 2219.

（下轉(zhuǎn)第 352頁）

（上接第 341頁）

Pan Maomao， Zhao Yulin. Internet convergence， labor structure， and total factor productivity in manufacturing [J]. Studies in Science of Science， 2020， 38（12）： 2171-2182， 2219.

[27] 馬寬， 劉麗輝， 王雅欣， 等. 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響研究[J]. 價(jià)值工程， 2022， 41（31）： 166-168.

[28] 呂珊， 孫瓊， 陳瑾宇. 數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響[J]. 財(cái)會(huì)研究， 2022（6）： 32-40.

[29] Che Y， Zhang L. Human capital， technology adoption and firm performance： Impacts of China's higher education expansion in the late 1990s [J]. The Economic Journal， 2018， 128（614）： 2282-2320.

[30] 劉維剛， 倪紅福. 制造業(yè)投入服務(wù)化與企業(yè)技術(shù)進(jìn)步： 效應(yīng)及作用機(jī)制[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2018， 39（8）： 126-140.

[31] 任曙明， 呂鐲. 融資約束、政府補(bǔ)貼與全要素生產(chǎn)率——來自中國裝備制造企業(yè)的實(shí)證研究[J]. 管理世界， 2014（11）： 10-23， 187.

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

[33] 陽立高， 龔世豪， 王鉑， 等. 人力資本、技術(shù)進(jìn)步與制造業(yè)升級(jí)[J]. 中國軟科學(xué)， 2018（1）： 138-148.

[34] 溫忠麟， 葉寶娟. 中介效應(yīng)分析： 方法和模型發(fā)展[J]. 心理科學(xué)進(jìn)展， 2014， 22（5）： 731-745.