數(shù)字基礎(chǔ)設(shè)施建設(shè)如何影響企業(yè)全要素生產(chǎn)率？
——基于“寬帶中國(guó)”戰(zhàn)略的準(zhǔn)自然實(shí)驗(yàn)

郭金花 郭檬楠 郭淑芬

(1.山西財(cái)經(jīng)大學(xué)工商管理學(xué)院，山西 太原 030006；2.山西財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院，山西 太原 030006；3.山西財(cái)經(jīng)大學(xué)資源型經(jīng)濟(jì)轉(zhuǎn)型協(xié)同創(chuàng)新中心，山西 太原 030006)

一、引言

加快推進(jìn)數(shù)字化轉(zhuǎn)型是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要抓手，數(shù)據(jù)作為關(guān)鍵生產(chǎn)要素，其疊加效應(yīng)、倍增效應(yīng)正在快速釋放。根據(jù)中國(guó)信通院數(shù)據(jù)，2002―2019年中國(guó)數(shù)字經(jīng)濟(jì)總量從1.2萬億元增加到35.8萬億元，規(guī)模增長(zhǎng)28.5倍，遠(yuǎn)高于同期GDP增速。數(shù)字基礎(chǔ)設(shè)施是數(shù)據(jù)流動(dòng)的“信息高速公路”，數(shù)字經(jīng)濟(jì)的深層次發(fā)展離不開數(shù)字基礎(chǔ)設(shè)施的支撐(趙濤等，2020)[34]。2020年3月，習(xí)近平總書記明確指出“加快5G網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)度”，以充分發(fā)揮數(shù)字化驅(qū)動(dòng)引領(lǐng)作用，大力打造經(jīng)濟(jì)高質(zhì)量發(fā)展新引擎。企業(yè)是引領(lǐng)經(jīng)濟(jì)高質(zhì)量發(fā)展的中堅(jiān)力量，寬帶網(wǎng)絡(luò)、大數(shù)據(jù)中心等數(shù)字設(shè)施的涌現(xiàn)以及數(shù)字技術(shù)的快速普及，改變了企業(yè)產(chǎn)品服務(wù)的形態(tài)以及生產(chǎn)經(jīng)營(yíng)、合作競(jìng)爭(zhēng)的模式(余江等，2017)[32]，壓縮了企業(yè)間互動(dòng)合作的時(shí)空距離，有利于實(shí)現(xiàn)互補(bǔ)性資源的共享匹配，對(duì)優(yōu)化要素配置效率、釋放要素潛力，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升產(chǎn)生了深刻影響。

2013年8月，國(guó)務(wù)院首次發(fā)布了“寬帶中國(guó)”戰(zhàn)略實(shí)施方案(《國(guó)務(wù)院關(guān)于印發(fā)“寬帶中國(guó)”戰(zhàn)略及實(shí)施方案的通知》)，寬帶網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)正式上升為國(guó)家戰(zhàn)略。作為國(guó)家新型數(shù)字基礎(chǔ)設(shè)施建設(shè)的重要舉措，“寬帶中國(guó)”戰(zhàn)略旨在推進(jìn)寬帶網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，著力提升寬帶用戶規(guī)模，推進(jìn)寬帶網(wǎng)絡(luò)提速，增加數(shù)字化網(wǎng)絡(luò)覆蓋范圍，以服務(wù)地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展。截至2020年底，工業(yè)和信息化部、國(guó)家發(fā)展和改革委員會(huì)分別于2014年、2015年和2016年分三批共遴選出120個(gè)城市(群)作為“寬帶中國(guó)”示范點(diǎn)，為我國(guó)推進(jìn)數(shù)字化轉(zhuǎn)型提供了廣闊的發(fā)展空間?！皩拵е袊?guó)”戰(zhàn)略實(shí)施帶來了實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展新機(jī)遇，在實(shí)現(xiàn)動(dòng)力轉(zhuǎn)換、效率變革等方面有顯著的促進(jìn)效應(yīng)，也將會(huì)從各個(gè)層面影響和沖擊企業(yè)經(jīng)營(yíng)管理和運(yùn)行效率。數(shù)字技術(shù)革命中，眾多企業(yè)的生產(chǎn)研發(fā)模式、組織結(jié)構(gòu)和生態(tài)系統(tǒng)發(fā)生了改變，促使企業(yè)重新思考和創(chuàng)新其企業(yè)戰(zhàn)略與商業(yè)模式以獲取持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)(Bouwman et al.，2019；陳巖等，2020)[4][16]。那么，以“寬帶中國(guó)”戰(zhàn)略試點(diǎn)為標(biāo)志的數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率生產(chǎn)了怎樣的影響，具體作用機(jī)制是什么？深入探究該問題對(duì)推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型及優(yōu)化企業(yè)資源配置效率具有重要的理論與實(shí)踐意義。

通過文獻(xiàn)梳理發(fā)現(xiàn)，一方面，現(xiàn)有研究關(guān)注了數(shù)字經(jīng)濟(jì)、網(wǎng)絡(luò)基礎(chǔ)設(shè)施對(duì)經(jīng)濟(jì)發(fā)展、技術(shù)創(chuàng)新等的影響。如部分學(xué)者指出，數(shù)字經(jīng)濟(jì)發(fā)展能改善地區(qū)要素錯(cuò)配水平(張永恒和王家庭，2020)[33]、提升創(chuàng)業(yè)活躍度從而賦能高質(zhì)量發(fā)展(趙濤等2020)[34]；也有研究指出經(jīng)濟(jì)增長(zhǎng)速度受到電信等網(wǎng)絡(luò)基礎(chǔ)設(shè)施的影響(Koutroumpis，2009；鄭世林等，2014)[11][36]，互聯(lián)網(wǎng)快速發(fā)展成為了新時(shí)代推動(dòng)區(qū)域創(chuàng)新效率提升的新動(dòng)能(韓先鋒等，2019)[18]，“寬帶中國(guó)”試點(diǎn)通過技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)及緩解資源錯(cuò)配等途徑促進(jìn)了城市全要素生產(chǎn)率增長(zhǎng)等(劉傳明和馬青山，2020)[21]。另一方面，目前也有學(xué)者認(rèn)識(shí)到數(shù)字技術(shù)應(yīng)用對(duì)企業(yè)發(fā)展及企業(yè)生產(chǎn)率的積極作用，但就數(shù)字基礎(chǔ)設(shè)施建設(shè)如何改變企業(yè)生產(chǎn)的投入、產(chǎn)出關(guān)系，進(jìn)而影響企業(yè)生產(chǎn)率等還存在較大的研究空白。學(xué)者們指出企業(yè)生產(chǎn)率受公司內(nèi)部因素(管理技能、信息通信技術(shù)、商業(yè)網(wǎng)絡(luò)和創(chuàng)新等)和外部因素(如競(jìng)爭(zhēng)程度、技術(shù)發(fā)展、教育水平、集聚經(jīng)濟(jì)和專業(yè)化程度等)的影響(Marchese et al.，2019)[13]，如研發(fā)投入(王薇和艾華，2018)[29]、政府研發(fā)補(bǔ)貼的增加(Carboni，2011)[5]、所得稅率的降低(鄭寶紅和張兆國(guó)，2018)[35]、信息化沖擊(石大千等，2020)[25]等均能有效提高企業(yè)全要素生產(chǎn)率；也有部分學(xué)者就數(shù)字技術(shù)對(duì)企業(yè)創(chuàng)新、技術(shù)合作等的影響進(jìn)行了探究，指出互聯(lián)網(wǎng)等數(shù)字技術(shù)融合推動(dòng)了企業(yè)產(chǎn)品和流程創(chuàng)新(Teece，2018)[14]；良好的網(wǎng)絡(luò)基礎(chǔ)設(shè)施不僅促進(jìn)了上市公司向內(nèi)部子公司的技術(shù)知識(shí)擴(kuò)散，也促進(jìn)了上市公司與外部其他公司的技術(shù)合作等(薛成等，2020)[31]。綜上可知，目前關(guān)于數(shù)字基礎(chǔ)設(shè)施建設(shè)宏微觀經(jīng)濟(jì)效應(yīng)的實(shí)證研究較為零散，鮮有研究從宏觀“寬帶中國(guó)”戰(zhàn)略試點(diǎn)切入，對(duì)數(shù)字基礎(chǔ)設(shè)施建設(shè)與企業(yè)全要素生產(chǎn)率間的因果關(guān)系進(jìn)行系統(tǒng)探究，也鮮有研究進(jìn)一步深入考察數(shù)字基礎(chǔ)設(shè)施建設(shè)通過何種路徑影響企業(yè)全要素生產(chǎn)率等科學(xué)問題。

基于此，本文以2007―2019年中國(guó)滬深A(yù)股上市公司數(shù)據(jù)為研究樣本，實(shí)證考察數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)制。主要貢獻(xiàn)體現(xiàn)在：第一，以“寬帶中國(guó)”戰(zhàn)略為準(zhǔn)自然試驗(yàn)，從微觀企業(yè)角度考察數(shù)字基礎(chǔ)設(shè)施建設(shè)的經(jīng)濟(jì)效果，豐富與拓展了試點(diǎn)政策微觀經(jīng)濟(jì)效果評(píng)估的研究；第二，從數(shù)字基礎(chǔ)設(shè)施建設(shè)視角剖析影響企業(yè)全要素生產(chǎn)率的因素，能為豐富企業(yè)全要素生產(chǎn)率影響因素研究的文獻(xiàn)體系提供經(jīng)驗(yàn)證據(jù)與理論借鑒；第三，從企業(yè)人力資本投入、融資約束與經(jīng)營(yíng)成本方面分析數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率的作用路徑，有助于揭示數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)理。

二、理論機(jī)制分析

數(shù)字基礎(chǔ)設(shè)施是以數(shù)據(jù)、軟件、芯片、通信及分子涂層等“數(shù)字材料”為主體構(gòu)建的軟硬件一體的基礎(chǔ)設(shè)施(陳維宣和吳緒亮，2020)[15]，涉及網(wǎng)絡(luò)通信、數(shù)據(jù)中心、云計(jì)算及工業(yè)互聯(lián)網(wǎng)等以及各類數(shù)字平臺(tái)載體(高升，2020；王開科等，2020)[17][28]。寬帶網(wǎng)絡(luò)、大數(shù)據(jù)中心及5G基站等數(shù)字設(shè)施的涌現(xiàn)，促進(jìn)了企業(yè)間的互動(dòng)合作與知識(shí)信息流動(dòng)，有利于企業(yè)實(shí)現(xiàn)互補(bǔ)性資源的共享匹配、緩解資源錯(cuò)配等(劉傳明和馬青山，2020)[21]，對(duì)優(yōu)化要素配置效率、釋放要素潛力，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升產(chǎn)生了深刻影響?！皩拵е袊?guó)”戰(zhàn)略作為推進(jìn)數(shù)字基礎(chǔ)設(shè)施建設(shè)的重要舉措，使得寬帶網(wǎng)絡(luò)覆蓋范圍不斷擴(kuò)大，云計(jì)算、物聯(lián)網(wǎng)及數(shù)字金融等新興業(yè)態(tài)蓬勃發(fā)展。截至2021年，中國(guó)共批復(fù)了三批“寬帶中國(guó)”試點(diǎn)城市，實(shí)現(xiàn)了覆蓋擴(kuò)面、傳輸提速、降低資費(fèi)等目標(biāo)，讓企業(yè)享受到了網(wǎng)絡(luò)改善帶來的紅利，并對(duì)試點(diǎn)地區(qū)企業(yè)全要素生產(chǎn)率改善發(fā)揮了重要作用。具體體現(xiàn)在以下方面：

第一，數(shù)字基礎(chǔ)設(shè)施建設(shè)通過替代人力資本投入促進(jìn)企業(yè)全要素生產(chǎn)率增長(zhǎng)?；ヂ?lián)網(wǎng)資源配置機(jī)制之于人力資本的替代性在于人工智能對(duì)低技能就業(yè)崗位和高技能就業(yè)崗位的沖擊(何大安和任曉，2018)[19]。從優(yōu)化傳統(tǒng)要素來看，人工智能服務(wù)可以通過使用更便宜的資本，補(bǔ)充或替代勞動(dòng)力，推動(dòng)生產(chǎn)率提升(Graetz and Michaels，2018)[7]。當(dāng)然，人工智能在很大程度上替代低技能就業(yè)崗位的同時(shí)，也會(huì)在一定程度和范圍內(nèi)替代部分高技能就業(yè)崗位(Benzell et al.，2015)[3]，但總體而言人工智能在減少低技能就業(yè)崗位的同時(shí)會(huì)創(chuàng)造出一些高技能就業(yè)崗位(Acemoglu and Restrepo，2016)[1]。同時(shí)，數(shù)字技術(shù)的普及促進(jìn)了企業(yè)知識(shí)重組與知識(shí)轉(zhuǎn)移能力等，進(jìn)而影響企業(yè)的人力資本競(jìng)爭(zhēng)優(yōu)勢(shì)。如對(duì)于基于隱形知識(shí)提供專業(yè)技能的人力資本，企業(yè)能夠利用數(shù)字平臺(tái)的連接性，促進(jìn)高級(jí)人力資本之間交流學(xué)習(xí)，增強(qiáng)企業(yè)以專業(yè)技能為基礎(chǔ)的人力資本的競(jìng)爭(zhēng)優(yōu)勢(shì)(Banalieva and Dhanaraj，2019；陳巖等，2020)[2][16]。因此，數(shù)字技術(shù)在促進(jìn)自動(dòng)化生產(chǎn)時(shí)替代了部分人力資本投入，且對(duì)于要求較高、難以實(shí)現(xiàn)自動(dòng)化的崗位，能夠幫助提升和改進(jìn)企業(yè)的生產(chǎn)效率。

第二，數(shù)字基礎(chǔ)設(shè)施建設(shè)通過緩減融資約束對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生促進(jìn)作用。企業(yè)能否獲得充足的資金維持生產(chǎn)經(jīng)營(yíng)及創(chuàng)新活動(dòng)，取決于其自身融資能力以及外部金融環(huán)境的有效性(解維敏和方紅星，2011；Hottenrott and Peters，2012)[20][9]。“寬帶中國(guó)”戰(zhàn)略實(shí)施使得寬帶網(wǎng)絡(luò)覆蓋范圍不斷擴(kuò)大，數(shù)字金融等新興業(yè)態(tài)蓬勃發(fā)展，對(duì)緩解企業(yè)融資約束，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提升發(fā)揮了重要作用。企業(yè)被置于大數(shù)據(jù)、云計(jì)算等“互聯(lián)網(wǎng)+”環(huán)境中，有利于建立基于互聯(lián)網(wǎng)平臺(tái)的借貸市場(chǎng)來破解融資約束問題(劉滿鳳和趙瓏，2019)[22]：一方面，數(shù)字金融發(fā)展拓寬了融資渠道、增加了融資數(shù)量，企業(yè)能以相對(duì)較低的成本高效地吸納分散的投資者，并借助其多樣化服務(wù)模式多維度拓寬融資渠道以實(shí)現(xiàn)融資、支付、投資等金融服務(wù)(萬佳彧等，2020)[26]；另一方面，基于互聯(lián)網(wǎng)金融的企業(yè)融資平臺(tái)及融資機(jī)制有利于增強(qiáng)企業(yè)信息搜集能力，促進(jìn)金融主體間的聯(lián)結(jié)，在一定程度上能有效降低借貸市場(chǎng)中相關(guān)環(huán)節(jié)的信息不對(duì)稱性，拓寬金融服務(wù)內(nèi)容和邊界(萬佳彧等，2020)[26]，進(jìn)而優(yōu)化了金融資源配置效率，幫助企業(yè)緩解融資約束促進(jìn)企業(yè)全要素生產(chǎn)率提升。

第三，數(shù)字基礎(chǔ)設(shè)施建設(shè)通過降低經(jīng)營(yíng)成本促進(jìn)企業(yè)全要素生產(chǎn)率增長(zhǎng)。從企業(yè)管理來看，智能服務(wù)、數(shù)字平臺(tái)等數(shù)字技術(shù)不斷嵌入，改變了企業(yè)傳統(tǒng)的生產(chǎn)經(jīng)營(yíng)、業(yè)務(wù)流程管理與組織結(jié)構(gòu)架構(gòu)等，能有效降低企業(yè)內(nèi)外部管理及協(xié)調(diào)成本(石大千等，2020)[25]，進(jìn)而對(duì)企業(yè)全要素生產(chǎn)率發(fā)揮重要影響。一是數(shù)字基礎(chǔ)設(shè)施的完善及數(shù)字技術(shù)應(yīng)用優(yōu)化了原有的生產(chǎn)經(jīng)營(yíng)流程，促使企業(yè)生產(chǎn)、銷售及服務(wù)等環(huán)節(jié)模塊化與集成化，重塑了企業(yè)的價(jià)值創(chuàng)造鏈條，使得企業(yè)以較少的資源要素投入實(shí)現(xiàn)更多的產(chǎn)出(Huang et al.，2017)[10]，有利于降低企業(yè)的生產(chǎn)經(jīng)營(yíng)成本，提高生產(chǎn)研發(fā)效率。二是數(shù)字基礎(chǔ)設(shè)施建設(shè)推進(jìn)了企業(yè)數(shù)字化轉(zhuǎn)型，促使企業(yè)部門層級(jí)網(wǎng)絡(luò)化，強(qiáng)化了各部門之間的協(xié)同作業(yè)與無縫連接，如能夠降低企業(yè)研發(fā)人員間技術(shù)交流時(shí)間和團(tuán)隊(duì)間的協(xié)作成本(Forman and Zeebroeck，2012)[6]，大大降低企業(yè)內(nèi)部的管理成本，使人財(cái)物和信息等資源進(jìn)行有效配合，提升了企業(yè)組織管理效率。此外，數(shù)字技術(shù)應(yīng)用拓展了企業(yè)獲取信息的深度和廣度(祁懷錦等，2020)[24]，企業(yè)借助數(shù)字平臺(tái)進(jìn)行資源和知識(shí)搜索，可以大幅降低企業(yè)對(duì)外部知識(shí)信息的搜集成本、減少中間消耗等，從改善企業(yè)整體全要素生產(chǎn)效率?；诖?，本文提出以下研究假設(shè)：

H1：數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于促進(jìn)企業(yè)全要素生產(chǎn)率提升；

H2：數(shù)字基礎(chǔ)設(shè)施建設(shè)可通過替代企業(yè)部分人力資本投入、緩減融資約束及降低經(jīng)營(yíng)成本等傳導(dǎo)路徑影響企業(yè)全要素生產(chǎn)率。

三、研究設(shè)計(jì)

(一)模型構(gòu)建

為識(shí)別數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率的平均影響效應(yīng)，本文以“寬帶中國(guó)”戰(zhàn)略試點(diǎn)政策為準(zhǔn)自然實(shí)驗(yàn)，采用雙重差分模型進(jìn)行檢驗(yàn)。同時(shí)，考慮到“寬帶中國(guó)”戰(zhàn)略試點(diǎn)是于2014年、2015年與2016年分三批逐步推進(jìn)的，而傳統(tǒng)雙重差分模型僅適用于評(píng)估單一時(shí)點(diǎn)的政策效應(yīng)，因此，這里構(gòu)建多期雙重差分模型進(jìn)行檢驗(yàn)，具體如下：

其中，tfp表示企業(yè)全要素生產(chǎn)率；digdid表示數(shù)字基礎(chǔ)設(shè)施，其系數(shù)α1反映數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率的平均影響效應(yīng)；α0表示截距項(xiàng)，controls表示控制變量，i表示企業(yè)個(gè)體，t表示年份；μi表示個(gè)體固定效應(yīng)，vt表示年度固定效應(yīng)，εit為隨機(jī)擾動(dòng)項(xiàng)。

進(jìn)一步地，為反映該影響效應(yīng)是否存在時(shí)滯性和持續(xù)性等，本文將“寬帶中國(guó)”戰(zhàn)略試點(diǎn)的政策沖擊逐年打開，將平均影響效應(yīng)進(jìn)行分解替換為各年份虛擬變量digdidt(t=0,1,2,3,……)，具體地，digdid0表示試點(diǎn)政策實(shí)施當(dāng)年取值1，否則取值0；digdid1表示試點(diǎn)政策實(shí)施后的第一年取值1，否則取值0；digdid2表示試點(diǎn)政策實(shí)施后的第二年取值1，否則取值0，其他以此類推。具體模型如下：

同時(shí)，為驗(yàn)證數(shù)字基礎(chǔ)設(shè)施建設(shè)可通過替代人力資本投入、緩減融資約束和降低經(jīng)營(yíng)成本等對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生影響，本文結(jié)合中介效應(yīng)模型的構(gòu)建步驟，在模型(1)基礎(chǔ)上，依次構(gòu)建了模型(3)與模型(4)進(jìn)行檢驗(yàn)。

其中，模型(3)與模型(4)中inmedia表示中介變量，包括人力資本投入(labor)、融資約束(abssa)、經(jīng)營(yíng)成本(rpc)。模型(3)中digdid的系數(shù)γ1表示數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)中介變量的影響效應(yīng)，若該模型中digdid的系數(shù)γ1與模型(4)中inmedia的系數(shù)η2均顯著，則表明inmedia變量是數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率提升的傳導(dǎo)路徑。

(二)相關(guān)變量與數(shù)據(jù)說明

1.被解釋變量

借鑒Levinsohn and Petrin(2003)[12]的研究，本文通過采用LP方法估算企業(yè)全要素生產(chǎn)率(tfp)，估計(jì)模型為：

lnYit=δ0+δ1lnKit+δ2lnLit+δ3lnMit+μi+vt+εit(5)

其中，產(chǎn)出(Y)采用企業(yè)主營(yíng)業(yè)務(wù)收入的自然對(duì)數(shù)衡量，資本(K)采用企業(yè)固定資產(chǎn)凈額的自然對(duì)數(shù)衡量，勞動(dòng)(L)采用企業(yè)員工人數(shù)的自然對(duì)數(shù)衡量，中間投入(M)采用公司購(gòu)買商品、接受勞務(wù)實(shí)際支付現(xiàn)金的自然對(duì)數(shù)衡量。

2.解釋變量

對(duì)于數(shù)字基礎(chǔ)設(shè)施變量(digdid)的衡量，本文根據(jù)“寬帶中國(guó)”戰(zhàn)略試點(diǎn)實(shí)施與否進(jìn)行衡量。首先，根據(jù)“寬帶中國(guó)”戰(zhàn)略試點(diǎn)實(shí)施與否，將“寬帶中國(guó)”試點(diǎn)城市內(nèi)的企業(yè)視為實(shí)驗(yàn)組，將非試點(diǎn)城市內(nèi)的企業(yè)視為控制組；其次，生成政策虛擬變量(digdid)，根據(jù)不同城市進(jìn)行“寬帶中國(guó)”戰(zhàn)略試點(diǎn)時(shí)間，將“寬帶中國(guó)”戰(zhàn)略試點(diǎn)當(dāng)年及之后年度的實(shí)驗(yàn)組樣本賦值為1，試點(diǎn)之前的實(shí)驗(yàn)組樣本賦值為0，其余控制組樣本賦值為0。

3.機(jī)制變量

人力資本投入(labor)采用ln(支付給職工以及為職工支付的現(xiàn)金/員工人數(shù))進(jìn)行衡量；融資約束(abssa)采用由Hadlock and Pierce(2010)[8]提出和構(gòu)建的SA指數(shù)進(jìn)行衡量，即SA=-0.737×lnasset+0.043×lnasset2-0.04×ssage，其中，asset表示企業(yè)資產(chǎn)規(guī)模，ssage表示企業(yè)上市時(shí)間；經(jīng)營(yíng)成本(rpc)，借鑒王璽和劉萌(2020)[30]的研究，采用企業(yè)的成本費(fèi)用利潤(rùn)率衡量，即利潤(rùn)總額/(營(yíng)業(yè)成本+期間費(fèi)用)×100%。

4.控制變量

借鑒相關(guān)研究，選取企業(yè)層面的控制變量包括：企業(yè)規(guī)模(lnasset)，總資產(chǎn)的自然對(duì)數(shù)；資產(chǎn)負(fù)債率(lev)，總負(fù)債與總資產(chǎn)的比值；企業(yè)成長(zhǎng)性(growth)，營(yíng)業(yè)務(wù)收入增長(zhǎng)率；存貨周轉(zhuǎn)率(lnchzz)，以營(yíng)業(yè)成本與存貨期末余額比值的自然對(duì)數(shù)衡量；研發(fā)投入(rd_input)，研發(fā)投入與企業(yè)總資產(chǎn)比值；獨(dú)立董事比例(indep)，獨(dú)立董事人數(shù)與董事會(huì)人數(shù)之比；資本性支出(money)，公司資本性支出與總資產(chǎn)的比值；企業(yè)年齡(lnclage)，公司成立時(shí)間的自然對(duì)數(shù)；股權(quán)集中度(first)，第一大股東持股比例；總資產(chǎn)收益率(roa)，企業(yè)稅后利潤(rùn)與總資產(chǎn)的比值；產(chǎn)權(quán)性質(zhì)(soe)，國(guó)企取值為1，否則為0。同時(shí)，控制的城市特征變量包括：經(jīng)濟(jì)發(fā)展水平(lngdp)，用各地區(qū)生產(chǎn)總值的對(duì)數(shù)衡量；產(chǎn)業(yè)結(jié)構(gòu)水平(indu)，用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)的比值衡量；政府干預(yù)水平(gov)，用各地區(qū)政府財(cái)政支出占GDP的比值衡量；金融發(fā)展水平(depo)，用各地區(qū)金融機(jī)構(gòu)貸款總額與GDP的比值衡量；外商投資(fdi)，用各地區(qū)外商投資額與GDP的比值衡量。

本文選取2007―2019年中國(guó)滬深A(yù)股上市公司為研究樣本，數(shù)據(jù)主要來源于CSMAR數(shù)據(jù)庫；“寬帶中國(guó)”戰(zhàn)略試點(diǎn)城市數(shù)據(jù)來源于2014年、2015年和2016年的《工業(yè)和信息化部辦公廳發(fā)展改革委辦公廳關(guān)于開展創(chuàng)建“寬帶中國(guó)”示范城市(城市群)工作的通知》。1本文依據(jù)上市企業(yè)注冊(cè)地相關(guān)的文本信息與“寬帶中國(guó)”戰(zhàn)略試點(diǎn)所涉及的地級(jí)市信息識(shí)別試點(diǎn)地區(qū)企業(yè)樣本并進(jìn)行數(shù)據(jù)匹配。同時(shí)，本文剔除了ST、SST、*ST和S*ST的上市公司、金融業(yè)上市公司等存在異?；蛘呷笔У臉颖緮?shù)據(jù)，最終得到27337個(gè)觀測(cè)值。此外，為控制極端值干擾，本文對(duì)變量進(jìn)行了上下1%的縮尾(winsorize)處理。各變量的描述性統(tǒng)計(jì)結(jié)果見表1。

表1 變量描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸分析

1.共同趨勢(shì)檢驗(yàn)

盡管使用雙重差分模型不要求實(shí)驗(yàn)組和控制組是完全一致的，但兩組之間在政策實(shí)施之前具有共同發(fā)展趨勢(shì)是該模型重要的前提。本文根據(jù)研究基礎(chǔ)數(shù)據(jù)繪制了2007―2019年企業(yè)全要素生產(chǎn)率年度變化的趨勢(shì)圖，由圖1可知，2013年及之前年份實(shí)驗(yàn)組與控制組樣本企業(yè)全要素生產(chǎn)率變化基本一致，而2013年之后，實(shí)驗(yàn)組與控制組樣本間企業(yè)全要素生產(chǎn)率的差距逐步凸顯，初步判斷“寬帶中國(guó)”戰(zhàn)略試點(diǎn)前兩組研究樣本滿足共同趨勢(shì)。同時(shí)，結(jié)合構(gòu)建的模型(2)檢驗(yàn)“寬帶中國(guó)”戰(zhàn)略實(shí)施前后對(duì)企業(yè)全要素生產(chǎn)率影響的共同趨勢(shì)及動(dòng)態(tài)變化。具體結(jié)果見圖2與表2中列(4)。圖2中圓點(diǎn)表示政策效應(yīng)系數(shù)大小，短豎線表示置信區(qū)間。由圖2可知，“寬帶中國(guó)”戰(zhàn)略試點(diǎn)前四個(gè)年度的估計(jì)系數(shù)值均接近于0，且統(tǒng)計(jì)上不顯著，表明“寬帶中國(guó)”戰(zhàn)略實(shí)施之前，企業(yè)全要素生產(chǎn)率變化沒有顯著差異，即滿足共同趨勢(shì)假設(shè)；而“寬帶中國(guó)”戰(zhàn)略實(shí)施之后，其對(duì)企業(yè)全要素生產(chǎn)率的影響系數(shù)隨著時(shí)間呈現(xiàn)波動(dòng)式增大趨勢(shì)。

表2 基準(zhǔn)回歸結(jié)果

圖1 企業(yè)全要素生產(chǎn)率年度變化趨勢(shì)

2.平均效應(yīng)與動(dòng)態(tài)效應(yīng)

圖2 共同趨勢(shì)檢驗(yàn)

結(jié)合前文理論分析，本文采用雙重差分模型進(jìn)行實(shí)證檢驗(yàn)，由表2基準(zhǔn)模型回歸結(jié)果的列(1)～(3)可知，數(shù)字基礎(chǔ)設(shè)施變量(digdid)的系數(shù)均顯著為正，其中，列(1)為僅控制年度固定效應(yīng)的回歸結(jié)果，數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)為0.018，且在10%水平下顯著為正；列(2)為控制年度和公司固定效應(yīng)的估計(jì)結(jié)果，數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)為0.023，且在1%水平下顯著為正；列(3)為同時(shí)控制了年度、公司和地區(qū)固定效應(yīng)的估計(jì)結(jié)果，數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)為0.023，且在1%水平下顯著，這表明以“寬帶中國(guó)”為試點(diǎn)的數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于促進(jìn)企業(yè)全要素生產(chǎn)率提升，驗(yàn)證了假設(shè)H1。

進(jìn)一步地，本文將“寬帶中國(guó)”戰(zhàn)略試點(diǎn)政策沖擊效應(yīng)逐年打開，結(jié)合表2列(4)可知，“寬帶中國(guó)”戰(zhàn)略試點(diǎn)當(dāng)年digdid0的回歸系數(shù)不顯著，但從試點(diǎn)政策后一年開始數(shù)字基礎(chǔ)設(shè)施建設(shè)的政策效果開始逐步顯現(xiàn)，digdid1、digdid3、digdid4與digdid5對(duì)應(yīng)的回歸系數(shù)依次為0.060、0.114、0.075和0.095，且依次在10%、1%、5%與5%水平下顯著。這說明以“寬帶中國(guó)”為試點(diǎn)的數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率增長(zhǎng)的影響效應(yīng)存在一定的時(shí)滯性和持續(xù)性，政策影響效果在試點(diǎn)政策后的第一年開始顯現(xiàn)且呈現(xiàn)出波動(dòng)增強(qiáng)趨勢(shì)。

(二)穩(wěn)健性檢驗(yàn)

1.安慰劑檢驗(yàn)

盡管本文的實(shí)驗(yàn)組和控制組在政策試點(diǎn)之前滿足平行趨勢(shì)假設(shè)，但仍要考慮企業(yè)全要素生產(chǎn)率的變化是否由于同一時(shí)期其他政策或隨機(jī)因素引起的，為排除這種可能，這里進(jìn)行了安慰劑檢驗(yàn)。具體地，本文通過模擬，在3416家企業(yè)中隨機(jī)選擇企業(yè)樣本進(jìn)行100次抽樣，每次抽樣隨機(jī)選出2487家企業(yè)作為虛擬實(shí)驗(yàn)組，剩余929家企業(yè)作為對(duì)照組按模型(1)進(jìn)行回歸，隨機(jī)抽樣100次得到估計(jì)系數(shù)的核密度分布如圖3所示。結(jié)果顯示，絕大多數(shù)抽樣估計(jì)系數(shù)t值的絕對(duì)值都在2以內(nèi)，且p值都在0.1以上，這說明在這100次抽樣中政策試點(diǎn)變量的估計(jì)系統(tǒng)大部分未通過顯著性檢驗(yàn)，即未被觀測(cè)到的隨機(jī)因素并不會(huì)影響模型的估計(jì)結(jié)果，通過了安慰劑檢驗(yàn)。

圖3 核密度分布

2.變換因變量估計(jì)方法—Wooldridge估計(jì)

為驗(yàn)證估計(jì)結(jié)果的穩(wěn)健性，本文在LP估計(jì)的基礎(chǔ)上，采用Wooldridge(2009)提出的基于GMM估計(jì)法對(duì)企業(yè)全要素生產(chǎn)率再次進(jìn)行估計(jì)。相比LP估計(jì)法，該方法克服了ACF提出的在第一步估計(jì)中潛在的識(shí)別問題，同時(shí)該方法在考慮序列相關(guān)和異方差的情況下能夠得到穩(wěn)健標(biāo)準(zhǔn)誤。具體結(jié)合表3列(1)中Wooldridge估計(jì)的回歸結(jié)果可知，以“寬帶中國(guó)”為試點(diǎn)的數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率影響的回歸系數(shù)為0.028，且在1%水平下顯著為正，與基準(zhǔn)回歸結(jié)果保持一致。

3.PSM-DID檢驗(yàn)

為緩解樣本選擇偏差引起的內(nèi)生性，本文進(jìn)一步采用PSM-DID方法進(jìn)行穩(wěn)健性檢驗(yàn)。首先，結(jié)合實(shí)驗(yàn)組與控制組特征，選取企業(yè)規(guī)模、資產(chǎn)負(fù)債率、企業(yè)成長(zhǎng)性、存貨周轉(zhuǎn)率、獨(dú)立董事比例及企業(yè)年齡等作為匹配特征變量x，通過Logit回歸得到傾向值得分，具體模型為：Logit(yi)=βixit+εit，其中，xit為匹配特征變量集，yi為分組變量。其次，對(duì)政策試點(diǎn)地區(qū)樣本與非試點(diǎn)地區(qū)樣本進(jìn)行1:1鄰近匹配，得到配對(duì)成功后的實(shí)驗(yàn)組樣本并再采用雙重差分模型進(jìn)行回歸。由表3列(2)知，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率提升的回歸系數(shù)為0.078，在5%水平下顯著為正，驗(yàn)證了研究結(jié)論的穩(wěn)健性。

4.Heckman兩階段檢驗(yàn)

為緩解樣本自選擇偏誤引起的內(nèi)生性，采用Heckman兩階段方法檢驗(yàn)。首先，構(gòu)建“寬帶中國(guó)”戰(zhàn)略政策試點(diǎn)決定因素模型，采用Probit回歸估計(jì)，計(jì)算出逆米爾斯比率(imr)2；其次，將逆米爾斯比率(imr)作為控制變量加入到模型中進(jìn)行回歸。由表3列(3)可知，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率提升的回歸系數(shù)在1%水平下顯著為正，表明排除樣本自選擇偏誤引起的內(nèi)生性問題之后基準(zhǔn)回歸結(jié)論依然穩(wěn)健。

表3 穩(wěn)健性檢驗(yàn)

五、作用機(jī)制分析與異質(zhì)性檢驗(yàn)

(一)作用機(jī)制分析

上文實(shí)證結(jié)果表明，數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于促進(jìn)企業(yè)全要素生產(chǎn)率提升，那么其影響機(jī)制是什么？本文在模型(1)的基礎(chǔ)上，依據(jù)模型(2)與(3)，依次檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施建設(shè)是否通過替代人力資本投入、緩減融資約束與經(jīng)營(yíng)成本等作用機(jī)制對(duì)企業(yè)全要素生產(chǎn)率提升產(chǎn)生積極影響，回歸結(jié)果見表4。

表4 作用機(jī)制分析

結(jié)合表4，列(1)～列(2)為數(shù)字基礎(chǔ)設(shè)施、人力資本對(duì)企業(yè)全要素生產(chǎn)率影響的回歸結(jié)果。列(1)中數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)為-0.023，且在5%水平下顯著，表明數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于企業(yè)降低人力資本投入；列(2)中同時(shí)加入數(shù)字基礎(chǔ)設(shè)施變量(digdid)、人力資本變量(labor)后，digdid的回歸系數(shù)為0.028，labor的回歸系數(shù)為0.218，且均在1%水平下顯著，驗(yàn)證了人力資本是數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率提升的重要傳導(dǎo)路徑；進(jìn)一步，Sobel檢驗(yàn)3也證實(shí)了人力資本變量中介效應(yīng)的存在性，并通過計(jì)算可知，人力資本傳導(dǎo)路徑的間接效應(yīng)約占總效應(yīng)的18.31%。這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)可以通過替代企業(yè)人力資本投入促進(jìn)全要素生產(chǎn)率提升，究其原因，數(shù)字基礎(chǔ)設(shè)施建設(shè)推動(dòng)了企業(yè)數(shù)字化轉(zhuǎn)型，企業(yè)內(nèi)簡(jiǎn)單的、標(biāo)準(zhǔn)化的重復(fù)勞動(dòng)逐步被自動(dòng)化的數(shù)字技術(shù)替代，如人工智能機(jī)器人能替代低技能人力資本從事這些勞動(dòng)，簡(jiǎn)單操作崗位大大減少，從而促進(jìn)了企業(yè)全要素生產(chǎn)率提升。

表4中列(3)～列(4)為數(shù)字基礎(chǔ)設(shè)施、融資約束對(duì)企業(yè)全要素生產(chǎn)率影響的回歸結(jié)果。列(3)中數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)為-0.003，且在5%水平下顯著，表明數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于緩減企業(yè)融資約束；列(4)中同時(shí)加入數(shù)字基礎(chǔ)設(shè)施變量(digdid)、融資約束變量(abssa)后，digdid的回歸系數(shù)為0.023，abssa的回歸系數(shù)為0.137，且依次在1%與5%水平下顯著，驗(yàn)證了緩減融資約束是數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率提升的傳導(dǎo)路徑；進(jìn)一步地，結(jié)合Sobel檢驗(yàn)可知融資約束傳導(dǎo)路徑的間接效應(yīng)約占總效應(yīng)的2.36%。這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)可以通過緩減融資約束促進(jìn)企業(yè)全要素生產(chǎn)率提升，但整體而言間接效應(yīng)較小。

同理，由列(5)～列(6)知，列(5)中數(shù)字基礎(chǔ)設(shè)施變量(digdid)的回歸系數(shù)在5%水平下顯著為負(fù)，表明數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于降低企業(yè)經(jīng)營(yíng)成本；列(6)中數(shù)字基礎(chǔ)設(shè)施變量(digdid)與經(jīng)營(yíng)成本變量(rpc)的回歸系數(shù)依次為0.019與-0.118，且依次在5%與1%水平下顯著，驗(yàn)證了降低經(jīng)營(yíng)成本是數(shù)字基礎(chǔ)設(shè)施建設(shè)影響企業(yè)全要素生產(chǎn)率提升的重要傳導(dǎo)路徑；同時(shí)，結(jié)合Sobel檢驗(yàn)可知經(jīng)營(yíng)成本傳導(dǎo)路徑的間接效應(yīng)約占總效應(yīng)的24.49%。這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)可以通過降低企業(yè)經(jīng)營(yíng)成本促進(jìn)企業(yè)全要素生產(chǎn)率提升。

(二)異質(zhì)性檢驗(yàn)

考慮到企業(yè)產(chǎn)權(quán)性質(zhì)、規(guī)模大小和要素密集度等差異，本文進(jìn)一步考察數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)不同類型企業(yè)全要素生產(chǎn)率影響的異質(zhì)性。

依據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)將樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)子樣本，以檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)不同產(chǎn)權(quán)性質(zhì)企業(yè)全要素生產(chǎn)率的影響差異。結(jié)合表5列(1)～列(2)可知，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)國(guó)有企業(yè)全要素生產(chǎn)率的回歸系數(shù)為0.045，且在1%水平下顯著為正，而對(duì)非國(guó)有企業(yè)全要素生產(chǎn)率的影響未通過顯著性檢驗(yàn)，這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)促進(jìn)了國(guó)有企業(yè)全要素生產(chǎn)率提升，而對(duì)非國(guó)有企業(yè)全要素生產(chǎn)率的影響不明顯?？赡茉蛟谟冢瑖?guó)有企業(yè)是推進(jìn)新基建主力軍之一，目前不少國(guó)有企業(yè)在大數(shù)據(jù)中心、工業(yè)互聯(lián)網(wǎng)、人工智能、云計(jì)算等先進(jìn)數(shù)字領(lǐng)域不斷取得重大突破，如多家中央企業(yè)建成集團(tuán)級(jí)數(shù)據(jù)中心，搭建了以“航天云網(wǎng)”“中電互聯(lián)”為代表的多個(gè)工業(yè)互聯(lián)網(wǎng)平臺(tái)；而許多非國(guó)有企業(yè)則在數(shù)字化轉(zhuǎn)型過程中存在著比國(guó)有企業(yè)更多的進(jìn)入壁壘，如資本障礙、技術(shù)障礙和政策阻礙等方面。

表5 異質(zhì)性檢驗(yàn)

依據(jù)企業(yè)規(guī)模大小的中位數(shù)將樣本劃分為中小型企業(yè)和大型企業(yè)子樣本，以檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)不同規(guī)模企業(yè)全要素生產(chǎn)率的影響差異。結(jié)合表5列(3)～列(4)可知，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)中小型企業(yè)全要素生產(chǎn)率影響的回歸系數(shù)未通過顯著性檢驗(yàn)，而對(duì)大型企業(yè)全要素生產(chǎn)率的回歸系數(shù)為0.024，且在5%水平下顯著為正，這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)促進(jìn)了大型企業(yè)全要素生產(chǎn)率提升，而對(duì)中小型企業(yè)全要素生產(chǎn)率的影響不明顯。究其原因，限于資源約束，多數(shù)中小型企業(yè)受人才、資金等約束只能進(jìn)行簡(jiǎn)單的信息化應(yīng)用(汪淼軍等，2006)[27]，很難在短期內(nèi)通過技術(shù)改造、業(yè)務(wù)云化等推進(jìn)生產(chǎn)、研發(fā)等關(guān)鍵環(huán)節(jié)的數(shù)字化轉(zhuǎn)型；而大中型企業(yè)具有雄厚的資金和技術(shù)優(yōu)勢(shì)，更容易在數(shù)字化轉(zhuǎn)型的浪潮中獲取競(jìng)爭(zhēng)優(yōu)勢(shì)。

參考魯桐和黨印(2014)[23]的研究，本文結(jié)合上市公司所屬行業(yè)類型，將樣本劃分為勞動(dòng)密集型、資本密集型與技術(shù)密集型企業(yè)子樣本，以檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)不同要素密集型企業(yè)全要素生產(chǎn)率的影響差異。結(jié)合表5列(5)～列(7)可知，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)技術(shù)密集型與資本密集型企業(yè)全要素生產(chǎn)率的影響均未通過顯著性檢驗(yàn)，而對(duì)勞動(dòng)密集型企業(yè)全要素生產(chǎn)率影響的回歸系數(shù)為0.063，且在1%水平下顯著，這表明數(shù)字基礎(chǔ)設(shè)施建設(shè)在一定程度上促進(jìn)了勞動(dòng)密集型企業(yè)全要素生產(chǎn)率提升，而對(duì)技術(shù)密集型與資本密集型企業(yè)全要素生產(chǎn)率的影響不明顯。究其原因，相比于技術(shù)密集型與資本密集型企業(yè)而言，勞動(dòng)密集型企業(yè)生產(chǎn)和經(jīng)營(yíng)過程中主要依靠大量勞動(dòng)力，數(shù)字基礎(chǔ)設(shè)施建設(shè)推進(jìn)了勞動(dòng)密集型企業(yè)智能化改造，將傳統(tǒng)的靠密集勞動(dòng)力重復(fù)輸出為代價(jià)進(jìn)行產(chǎn)品加工、組裝等工作，交給了自動(dòng)化、智能化的機(jī)器人來完成，使得企業(yè)生產(chǎn)制造實(shí)現(xiàn)標(biāo)準(zhǔn)化、模塊化和系列化等，進(jìn)而對(duì)該類企業(yè)全要素生產(chǎn)率提升的促進(jìn)效應(yīng)明顯。

六、結(jié)論與啟示

本文以“寬帶中國(guó)”戰(zhàn)略試點(diǎn)為準(zhǔn)自然實(shí)驗(yàn)，考察了數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)企業(yè)全要素生產(chǎn)率的影響，主要得到以下結(jié)論：第一，數(shù)字基礎(chǔ)設(shè)施建設(shè)有利于促進(jìn)企業(yè)全要素生產(chǎn)率提升，共同趨勢(shì)檢驗(yàn)、安慰劑檢驗(yàn)及PSM-DID檢驗(yàn)等均表明研究結(jié)論具有穩(wěn)健性；第二，數(shù)字基礎(chǔ)設(shè)施建設(shè)可通過替代部分人力資本投入、緩減融資約束和降低經(jīng)營(yíng)成本等促進(jìn)企業(yè)全要素生產(chǎn)率提升；第三，數(shù)字基礎(chǔ)設(shè)施建設(shè)促進(jìn)了國(guó)有企業(yè)全要素生產(chǎn)率提升，而對(duì)非國(guó)有企業(yè)全要素生產(chǎn)率影響不顯著；分企業(yè)規(guī)模檢驗(yàn)表明，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)大型企業(yè)全要素生產(chǎn)率提升的促進(jìn)作用明顯，而對(duì)中小型企業(yè)全要素生產(chǎn)率的影響不顯著；分要素密集度檢驗(yàn)表明，數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)勞動(dòng)密集型企業(yè)全要素生產(chǎn)率的促進(jìn)作用明顯，而對(duì)資本密集型和技術(shù)密集型企業(yè)全要素生產(chǎn)率的影響不顯著。

基于研究結(jié)論，本文得到如下政策啟示：

第一，深入推進(jìn)“寬帶中國(guó)”戰(zhàn)略試點(diǎn)，擴(kuò)大寬帶網(wǎng)絡(luò)等數(shù)字基礎(chǔ)設(shè)施的覆蓋范圍，完善各地區(qū)網(wǎng)絡(luò)寬帶軟硬件基礎(chǔ)設(shè)施建設(shè)，以期為企業(yè)數(shù)字化轉(zhuǎn)型提供良好的基礎(chǔ)環(huán)境。同時(shí)，應(yīng)以普惠為導(dǎo)向提升薄弱地區(qū)寬帶網(wǎng)絡(luò)等數(shù)字基礎(chǔ)設(shè)施的覆蓋范圍，促進(jìn)數(shù)字網(wǎng)絡(luò)資源配置的均等化，循序漸進(jìn)推動(dòng)“寬帶中國(guó)”紅利為更多地區(qū)的企業(yè)公平享受。

第二，引導(dǎo)與鼓勵(lì)企業(yè)更好地利用數(shù)字基礎(chǔ)設(shè)施的賦能效應(yīng)進(jìn)行智能化建設(shè)，以推動(dòng)企業(yè)智能升級(jí)與數(shù)字化轉(zhuǎn)型，優(yōu)化資源配置效率，促進(jìn)企業(yè)全要素生產(chǎn)率提升。一方面，依托寬帶網(wǎng)絡(luò)、大數(shù)據(jù)中心等數(shù)字設(shè)施，企業(yè)應(yīng)全面提高適應(yīng)數(shù)字化轉(zhuǎn)型的企業(yè)管理能力，構(gòu)建移動(dòng)化、網(wǎng)絡(luò)化的管理體系，推動(dòng)管理變革，以提升企業(yè)組織管理效率；另一方面，引導(dǎo)企業(yè)開展數(shù)字化建設(shè)，提高企業(yè)生產(chǎn)、研發(fā)及服務(wù)等關(guān)鍵環(huán)節(jié)的智能化水平，重塑價(jià)值創(chuàng)造鏈條，促進(jìn)企業(yè)進(jìn)行智慧生產(chǎn)和融合創(chuàng)新，提高生產(chǎn)研發(fā)效率。

第三，借助數(shù)字基礎(chǔ)設(shè)施等智能平臺(tái)構(gòu)建多元化融資渠道及融合創(chuàng)新平臺(tái)等，鼓勵(lì)各類企業(yè)進(jìn)行信息交流與技術(shù)分享，既可降低企業(yè)的內(nèi)外部經(jīng)營(yíng)成本、有效解決企業(yè)開展創(chuàng)新活動(dòng)的融資需求，又可強(qiáng)化各類資源的開放和共享。

第四，針對(duì)產(chǎn)權(quán)性質(zhì)各異、規(guī)模大小不一等的企業(yè)，在推進(jìn)數(shù)字化基礎(chǔ)設(shè)施建設(shè)過程中，應(yīng)通過制定多層次支持模式加強(qiáng)政府的有效監(jiān)管，將有限的政府資金用于支持專業(yè)智能平臺(tái)等新型數(shù)字基礎(chǔ)設(shè)施建設(shè)，降低中小企業(yè)數(shù)字化建設(shè)的門檻，以提升這類企業(yè)的創(chuàng)新活力與資源配置效率。 ■

注釋

1. “寬帶中國(guó)”戰(zhàn)略試點(diǎn)城市主要包括：(1)2014年試點(diǎn)城市：北京、天津、上海、長(zhǎng)株潭城市群、石家莊、大連、本溪、延邊朝鮮族自治州、哈爾濱、大慶、南京、蘇州、鎮(zhèn)江、昆山、金華、蕪湖、安慶、福州(平潭)、廈門、泉州、南昌、上饒、青島、淄博、威海、臨沂、鄭州、洛陽、武漢、廣州、深圳、中山、成都、攀枝花、阿壩藏族羌族自治州、貴陽、銀川、吳忠、阿里爾。(2)2015年試點(diǎn)城市：太原、呼和浩特、鄂爾多斯、鞍山、盤錦、白山、揚(yáng)州、嘉興、合肥、銅陵、莆田、新余、贛州、東營(yíng)、濟(jì)寧、德州、新鄉(xiāng)、永城、黃石、襄陽、宜昌、十堰、隨州、岳陽、汕頭、梅州、東莞、重慶市江津區(qū)、重慶市榮昌區(qū)、綿陽、內(nèi)江、宜賓、達(dá)州、玉溪、蘭州、張掖、固原、中衛(wèi)、克拉瑪依。(3)2016年試點(diǎn)城市：陽泉、晉中、烏海、包頭、通遼、沈陽、牡丹江、無錫、泰州、南通、杭州、宿州、黃山、馬鞍山、吉安、煙臺(tái)、棗莊、商丘、焦作、南陽、鄂州、衡陽、益陽、玉林、海口、九龍坡、北碚、雅安、瀘州、南充、遵義、文山壯族自治州、拉薩、林芝、渭南、武威、酒泉、天水、南寧。

2. 逆米爾斯比率的作用是為每一個(gè)樣本計(jì)算出一個(gè)用于修正樣本選擇偏差的值，如果逆米爾斯比率大于0，表明樣本存在選擇性偏差，此時(shí)，采用Heckman兩步法選擇模型估計(jì)是恰當(dāng)?shù)男拚?/p>