公司數(shù)字化轉(zhuǎn)型、人力資本與全要素生產(chǎn)率

[摘要]新質(zhì)生產(chǎn)力是實(shí)現(xiàn)中國(guó)式現(xiàn)代化和高質(zhì)量發(fā)展的重要基礎(chǔ)，全要素生產(chǎn)率大幅提升是新質(zhì)生產(chǎn)力發(fā)展水平的核心標(biāo)志。為探討數(shù)字經(jīng)濟(jì)發(fā)展對(duì)我國(guó)企業(yè)全要素生產(chǎn)率的影響，基于員工層和管理層人力資本雙重視角，研究公司數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的作用效果和微觀渠道。在理論分析基礎(chǔ)上，構(gòu)建面板數(shù)據(jù)模型和中介效應(yīng)模型，引入工具變量（組合），并利用我國(guó)A股主板上市公司2011—2022年的觀測(cè)樣本進(jìn)行檢驗(yàn)。研究表明，公司數(shù)字化轉(zhuǎn)型有助于促進(jìn)全要素生產(chǎn)率提升，控制了反向因果和變量遺漏的內(nèi)生性偏誤后實(shí)證結(jié)果依然如此。數(shù)字化轉(zhuǎn)型能夠通過(guò)提升員工技能和管理層能力改善公司全要素生產(chǎn)率。由此可知：一方面，在我國(guó)實(shí)體經(jīng)濟(jì)和數(shù)字經(jīng)濟(jì)深度融合發(fā)展背景下，公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率提升的確有著顯著改進(jìn)作用；另一方面，人力資本是這種改善作用的重要中介作用渠道，其中包括普通員工層和公司管理層的人力資本提升。由此，不僅證實(shí)了公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的改進(jìn)作用，也揭示了人力資本視角下公司數(shù)字化轉(zhuǎn)型賦能的微觀作用機(jī)制，還對(duì)基于人力資本（勞動(dòng)者）視角發(fā)展新質(zhì)生產(chǎn)力提供了新的經(jīng)驗(yàn)證據(jù)。

[關(guān)鍵詞]數(shù)字化轉(zhuǎn)型；全要素生產(chǎn)率；人力資本；管理層能力

一、 引言

黨的二十大報(bào)告中指出，“高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家的首要任務(wù)”1。作為推動(dòng)高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點(diǎn)，新質(zhì)生產(chǎn)力發(fā)展以全要素生產(chǎn)率大幅提升為核心標(biāo)志[1]。因此，加快推動(dòng)三次產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型、提高數(shù)字化發(fā)展水平，對(duì)提高全要素生產(chǎn)率、加快發(fā)展新質(zhì)生產(chǎn)力具有重要意義和戰(zhàn)略價(jià)值。2023年，全國(guó)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值達(dá)到12萬(wàn)億元以上2，數(shù)據(jù)生產(chǎn)總量達(dá)32.85ZB、同比增長(zhǎng)22.44%，為利用數(shù)字經(jīng)濟(jì)全方位改造傳統(tǒng)產(chǎn)業(yè)、全鏈條賦能核心環(huán)節(jié)提供了技術(shù)支撐和數(shù)據(jù)保障。

圍繞數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率影響及其作用機(jī)制，已有文獻(xiàn)展開(kāi)研究并形成了頗有價(jià)值的成果。隨著數(shù)字技術(shù)廣泛應(yīng)用和大數(shù)據(jù)時(shí)代全面到來(lái)，數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)借助數(shù)字技術(shù)應(yīng)用和數(shù)據(jù)要素賦能實(shí)現(xiàn)深度融合，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、增長(zhǎng)動(dòng)能轉(zhuǎn)換和經(jīng)濟(jì)高質(zhì)量發(fā)展[2-4]。在宏觀層面，互聯(lián)網(wǎng)發(fā)展、數(shù)字經(jīng)濟(jì)水平、人工智能等數(shù)字技術(shù)應(yīng)用有助于改善地區(qū)全要素生產(chǎn)率[4-5]。在微觀層面，公司數(shù)字化轉(zhuǎn)型，（非數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)）數(shù)字技術(shù)創(chuàng)新水平，大數(shù)據(jù)、智能制造等促進(jìn)全要素生產(chǎn)率提升[6-8]。無(wú)論是宏觀經(jīng)濟(jì)還是微觀企業(yè)，數(shù)字化轉(zhuǎn)型促進(jìn)全要素生產(chǎn)率改善已達(dá)成共識(shí)，其中內(nèi)在的作用機(jī)理主要有交易成本、創(chuàng)新活動(dòng)、資源錯(cuò)配、營(yíng)運(yùn)質(zhì)量、投資效率、人力資本、信息透明度等中介因素[9-11]。在此過(guò)程中，不少文獻(xiàn)都將勞動(dòng)（人力資本）作為重要中介（機(jī)制）變量，但主要都是基于員工層（普通員工和技術(shù)研發(fā)人員，下同）角度用本科及以上學(xué)歷員工占比或科技人員占比來(lái)衡量。遺憾的是，該方法僅僅反映了員工層面的人力資本存量，難以刻畫(huà)承載公司重大決策和管理職能的高級(jí)管理人員人力資本水平。與員工（部門經(jīng)理）能力要求的專業(yè)性相比，管理層需具備的管理能力是一種綜合性、以實(shí)踐為基礎(chǔ)的、復(fù)雜的、稀缺的人力資本，且這種能力已經(jīng)得到更高薪酬和市場(chǎng)供不應(yīng)求局面的旁證[12]。

有鑒于此，本文以2011—2022年滬深A(yù)股主板上市公司為觀測(cè)樣本，將公司管理層和員工同時(shí)作為人力資本中介變量，探討公司數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的作用效果和微觀渠道，以證實(shí)公司數(shù)字化轉(zhuǎn)型有助于促進(jìn)全要素生產(chǎn)率提升，并基于人力資本視角揭示其中的微觀作用機(jī)制：公司數(shù)字化轉(zhuǎn)型能夠通過(guò)提升管理層能力和員工技能改善全要素生產(chǎn)率。綜合比較來(lái)看，本文可能在以下三個(gè)方面豐富既有研究文獻(xiàn)。一是引入新的工具變量組合緩解內(nèi)生性偏誤，有效緩解公司數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的因果效應(yīng)。二是同時(shí)著眼管理層和員工層面雙重視角，揭示公司數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的人力資本新機(jī)制。三是基于高素質(zhì)勞動(dòng)者（人力資本）視角，豐富提升全要素生產(chǎn)率、發(fā)展新質(zhì)生產(chǎn)力的相關(guān)文獻(xiàn)。

二、 研究假設(shè)

1. 數(shù)字化轉(zhuǎn)型及其測(cè)算研究文獻(xiàn)綜述

隨著數(shù)字技術(shù)的不斷滲透和存量數(shù)據(jù)的快速增長(zhǎng)，數(shù)字經(jīng)濟(jì)范疇呈現(xiàn)“ICT產(chǎn)業(yè)→新型融合業(yè)態(tài)→全社會(huì)數(shù)字化發(fā)展”的演進(jìn)態(tài)勢(shì)。作為數(shù)字經(jīng)濟(jì)的重要組成部分，產(chǎn)業(yè)數(shù)字化暨全要素?cái)?shù)字化轉(zhuǎn)型在此過(guò)程中發(fā)揮了巨大作用[13]。一方面，宏觀經(jīng)濟(jì)測(cè)算視角的產(chǎn)業(yè)數(shù)字化是我國(guó)數(shù)字經(jīng)濟(jì)的重要組成部分，其指?jìng)鹘y(tǒng)產(chǎn)業(yè)通過(guò)引進(jìn)數(shù)字技術(shù)、融入數(shù)據(jù)要素、提升人力資本等帶來(lái)增量?jī)r(jià)值。另一方面，產(chǎn)業(yè)數(shù)字化（轉(zhuǎn)型）過(guò)程是推動(dòng)數(shù)字經(jīng)濟(jì)對(duì)工業(yè)、農(nóng)業(yè)和服務(wù)業(yè)進(jìn)行全方位、全鏈條的改造，提高土地、勞動(dòng)、技術(shù)、資本等其他要素的生產(chǎn)效率。其中，能夠?qū)?shù)字化轉(zhuǎn)型起到實(shí)質(zhì)作用的主要有數(shù)字技術(shù)、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才和數(shù)字新型基礎(chǔ)設(shè)施等[14-16]。

基于以上界定，本文基于微觀層面將企業(yè)數(shù)字化轉(zhuǎn)型界定為，綜合利用數(shù)字技術(shù)、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才和數(shù)字新型基礎(chǔ)設(shè)施對(duì)研發(fā)、生產(chǎn)、經(jīng)營(yíng)、管理等進(jìn)行全方位、全鏈條改造升級(jí)的活動(dòng)[17-19]。與其他相關(guān)文獻(xiàn)側(cè)重?cái)?shù)字技術(shù)應(yīng)用（表述）相比，本文創(chuàng)新性地將數(shù)據(jù)要素、數(shù)字人才和數(shù)字新基建利用等納入數(shù)字化轉(zhuǎn)型范疇。圍繞企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展測(cè)算，國(guó)內(nèi)文獻(xiàn)主要分為文本分析法和財(cái)務(wù)指標(biāo)法。文本分析法主要利用數(shù)據(jù)分析技術(shù)對(duì)上市公司年度報(bào)告及相關(guān)文件進(jìn)行數(shù)字化相關(guān)詞頻進(jìn)行綜合分析，借此形成公司數(shù)字化轉(zhuǎn)型水平的測(cè)算結(jié)果[20]。財(cái)務(wù)指標(biāo)法主要對(duì)財(cái)務(wù)報(bào)表及附注中涉及軟件、硬件、項(xiàng)目等數(shù)字化投入科目進(jìn)行綜合測(cè)算，借此評(píng)價(jià)公司數(shù)字化轉(zhuǎn)型發(fā)展程度[21-22]?；诒疚纳鲜龆x，我國(guó)企業(yè)數(shù)字化轉(zhuǎn)型覆蓋面廣、涉及指標(biāo)多、定量測(cè)算復(fù)雜，難以用定量化的方法予以準(zhǔn)確地衡量。與此同時(shí)，文本分析法以詞頻為核心分析指標(biāo)，難以直接刻畫(huà)或間接推斷企業(yè)數(shù)字化轉(zhuǎn)型水平。故而，本文選擇財(cái)務(wù)指標(biāo)法作為企業(yè)數(shù)字化轉(zhuǎn)型代理變量，反映企業(yè)綜合利用數(shù)字技術(shù)、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才等數(shù)字化轉(zhuǎn)型發(fā)展水平。

2. 數(shù)字化轉(zhuǎn)型影響公司全要素生產(chǎn)率作用機(jī)理

新質(zhì)生產(chǎn)力具有高科技、高效能、高質(zhì)量特征，其以全要素生產(chǎn)率大幅提升為核心標(biāo)志1。其中，全要素生產(chǎn)率最早由美國(guó)經(jīng)濟(jì)學(xué)家羅伯特·索羅提出，代表了除資本要素和勞動(dòng)要素增長(zhǎng)之外的其他所有因素對(duì)產(chǎn)出增長(zhǎng)（經(jīng)濟(jì)增長(zhǎng)）的貢獻(xiàn)，反映在所有其他生產(chǎn)要素的投入量保持不變的條件下，來(lái)自技術(shù)進(jìn)步、組織創(chuàng)新、管理改善、優(yōu)化配置等增加的生產(chǎn)效率[23]。因此，企業(yè)綜合利用數(shù)字技術(shù)、數(shù)據(jù)要素、數(shù)字（素養(yǎng)）人才等，對(duì)研發(fā)、生產(chǎn)、經(jīng)營(yíng)、管理等改造升級(jí)，有助于促進(jìn)公司全要素生產(chǎn)率提升。

數(shù)字技術(shù)與生產(chǎn)部門融合發(fā)展能夠推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整，與金融部門深度融合能夠緩解高技術(shù)產(chǎn)業(yè)的融資約束且促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)[3]。隨著以物聯(lián)網(wǎng)、云計(jì)算、人工智能等為代表的數(shù)字技術(shù)的廣泛應(yīng)用，數(shù)字化轉(zhuǎn)型不斷改造升級(jí)研發(fā)、生產(chǎn)、經(jīng)營(yíng)、管理等環(huán)節(jié)，通過(guò)技術(shù)進(jìn)步、組織創(chuàng)新、管理改善等渠道提升全要素生產(chǎn)率水平。在此過(guò)程中，數(shù)字化轉(zhuǎn)型有助于提高創(chuàng)新能力、優(yōu)化人力資本結(jié)構(gòu)、緩解融資約束壓力等并促進(jìn)全要素生產(chǎn)率改善，卻因企業(yè)個(gè)體特征和外部宏觀環(huán)境而存在異質(zhì)性影響[20，24-25]。與此同時(shí)，數(shù)字化轉(zhuǎn)型能夠通過(guò)提升產(chǎn)品競(jìng)爭(zhēng)力、擴(kuò)大市場(chǎng)布局、改善運(yùn)營(yíng)效率等，提升實(shí)業(yè)投資水平、抑制“脫實(shí)向虛”[26]。面對(duì)日趨復(fù)雜的交易流程和不斷上升的交易成本，數(shù)字化轉(zhuǎn)型能夠借助數(shù)字技術(shù)改善核心業(yè)務(wù)流程、促進(jìn)專業(yè)化分工，繼而推動(dòng)企業(yè)優(yōu)化資源配置效率、提升企業(yè)全要素生產(chǎn)率[27]。與此同時(shí)，數(shù)字技術(shù)與人力資本結(jié)構(gòu)改善能夠促進(jìn)企業(yè)全要素生產(chǎn)率提升，且主要通過(guò)技術(shù)創(chuàng)新渠道予以實(shí)現(xiàn)[28]。除了自身數(shù)字化轉(zhuǎn)型，來(lái)自政府部門智能制造政策干預(yù)也能夠通過(guò)提升信息化水平、優(yōu)化人力資本結(jié)構(gòu)、緩解融資約束等，促進(jìn)企業(yè)全要素生產(chǎn)率改善[8，29-30]。據(jù)此，本文提出如下研究假設(shè)：

H1：在其余變量不變的情況下，公司數(shù)字化轉(zhuǎn)型有助于推動(dòng)全要素生產(chǎn)率改善。

推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型有助于促進(jìn)全要素生產(chǎn)率提升被不少文獻(xiàn)研究證實(shí)，其中涉及的作用渠道或傳導(dǎo)機(jī)制也從技術(shù)進(jìn)步、融資便利、交易成本等向運(yùn)營(yíng)效率、組織創(chuàng)新、人力資本等拓展。人力資本（勞動(dòng)者）在數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的作用機(jī)制中受到高度關(guān)注，但大多數(shù)文獻(xiàn)主要基于員工或研發(fā)人員視角進(jìn)行研究，且主要用本科及以上學(xué)歷員工占比或技術(shù)研發(fā)人員比例衡量人力資本（高級(jí)化）水平[28-29]。遺憾的是，這種測(cè)算方法忽略了公司管理層人力資本的重要價(jià)值，難以準(zhǔn)確刻畫(huà)數(shù)字化轉(zhuǎn)型通過(guò)全部人力資本影響全要素生產(chǎn)率的作用效果。與普通員工或技術(shù)研發(fā)人員相比，管理層能力（人力資本）通常需要長(zhǎng)期管理實(shí)踐積累、工商管理通用性知識(shí)和崗位專業(yè)性知識(shí)相融合，是一種以實(shí)踐為基礎(chǔ)的、復(fù)雜的、稀缺的綜合性人力資本。因此，本文將管理層能力納入數(shù)字化轉(zhuǎn)型影響公司全要素生產(chǎn)率的人力資本作用機(jī)制過(guò)程。一方面，借助5G、物聯(lián)網(wǎng)、大數(shù)據(jù)等新一代信息技術(shù)，管理層能夠更加準(zhǔn)確地掌握研發(fā)生產(chǎn)狀態(tài)和運(yùn)營(yíng)管理動(dòng)態(tài)，及時(shí)高效地與各級(jí)管理人員和技術(shù)骨干高效溝通并提高決策效率。另一方面，依托大數(shù)據(jù)、云計(jì)算和人工智能等數(shù)字技術(shù)，管理層能夠充分假定多種情境、設(shè)想多種狀態(tài)對(duì)重大決策進(jìn)行模擬、復(fù)盤，繼而全面提升重大決策質(zhì)量[31-32]。綜合所述，本文提出如下研究假設(shè)：

H2：在其余變量不變的情況下，公司數(shù)字化轉(zhuǎn)型能夠賦能管理層人力資本，實(shí)現(xiàn)全要素生產(chǎn)率提升。

H3：在其余變量不變的情況下，公司數(shù)字化轉(zhuǎn)型能夠賦能員工層人力資本，促進(jìn)全要素生產(chǎn)率改善。

三、 研究設(shè)計(jì)

1. 主要變量說(shuō)明（表1）

（1）被解釋變量

企業(yè)全要素生產(chǎn)率是指剔除勞動(dòng)、資本、土地等要素投入增長(zhǎng)貢獻(xiàn)之后的“余值”，直接表現(xiàn)為“產(chǎn)出增長(zhǎng)率超出要素投入增長(zhǎng)率的余值部分”。既有文獻(xiàn)表明，企業(yè)全要素生產(chǎn)率測(cè)算主要有最小二乘法（OLS法）、固定效應(yīng)法（FE法）、廣義矩估計(jì)法（GMM法）等。最小二乘法和固定效應(yīng)法具有內(nèi)生性問(wèn)題[33]，廣義矩估計(jì)法具有較長(zhǎng)樣本時(shí)間跨度難題[34]，而Olley-Pakes法（簡(jiǎn)稱OP法）、Levinsohn-Petrin法（簡(jiǎn)稱LP法）能夠借助半?yún)?shù)估計(jì)方法緩解以上難點(diǎn)[35-36]。故而，本文借鑒魯曉東等[34]的處理方法，選擇LP法測(cè)算公司全要素生產(chǎn)率水平。

（2）試驗(yàn)變量

數(shù)字化轉(zhuǎn)型水平是衡量企業(yè)借助數(shù)字技術(shù)、數(shù)據(jù)要素及其人力資本等驅(qū)動(dòng)，賦能研發(fā)設(shè)計(jì)、生產(chǎn)制造和經(jīng)營(yíng)管理等全流程的程度，其中，主要有文本分析詞頻法[10，27]和財(cái)務(wù)數(shù)據(jù)測(cè)算法[22]用于測(cè)量?？紤]文本分析詞頻法的主觀性和不可驗(yàn)證性，本文主要利用財(cái)務(wù)數(shù)據(jù)測(cè)算法衡量公司數(shù)字化轉(zhuǎn)型水平。

（3）中介機(jī)制變量

管理層能力。作為重要利益相關(guān)者之一，管理層能力高低直接決定公司全要素生產(chǎn)率水平。本文參考何威風(fēng)等[37-38]的做法，利用數(shù)據(jù)包絡(luò)分析法（DEA）度量我國(guó)上市公司管理層能力。該方法本質(zhì)上是從公司全效率影響因素中分離出管理層對(duì)公司效率影響的剩余部分，用以衡量管理層能力。

員工專業(yè)技能。作為人力資本的重要組成部分，員工勞動(dòng)技能高低同樣直接影響公司全要素生產(chǎn)率水平。鑒于難以通過(guò)量化指標(biāo)測(cè)算員工勞動(dòng)技能，本文主要利用學(xué)歷層次分布和高技能崗位結(jié)構(gòu)間接推斷員工技能水平[39]。其中，利用本科及以上學(xué)歷員工占比來(lái)測(cè)算學(xué)歷層次分布、科技人員占比來(lái)測(cè)算崗位結(jié)構(gòu)。

（4）主要控制變量

借鑒同類研究文獻(xiàn)，本文主要控制了如下變量：①公司規(guī)模，取主營(yíng)業(yè)務(wù)收入自然對(duì)數(shù)；②經(jīng)營(yíng)績(jī)效，用總資產(chǎn)收益率衡量；③財(cái)務(wù)杠桿，用總負(fù)債與總資產(chǎn)之比衡量；④成長(zhǎng)性，用主營(yíng)業(yè)務(wù)收入增長(zhǎng)率衡量；⑤股權(quán)結(jié)構(gòu)，取第一大股東持股比例；⑥治理結(jié)構(gòu)，取董事會(huì)規(guī)模和獨(dú)立董事占比；⑦上市年限。此外，本文還控制了地區(qū)、年份和行業(yè)等因素影響。

2. 計(jì)量模型構(gòu)建

（1）基準(zhǔn)回歸模型

為檢驗(yàn)公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響，本文構(gòu)建如下模型用于基準(zhǔn)回歸檢驗(yàn)。

[TFPi，t]=[α0]+[α1][Digitali，t]+[βn][Cvrsi，t]+[ηn][Year]+[εi，t] （1）

上式中，[TFPi，t]表示公司[i]第[t]年的全要素生產(chǎn)率，[Digitali，t]表示公司[i]第[t]年的數(shù)字化轉(zhuǎn)型發(fā)展水平；[Cvrsi，t]表示公司[i]第[t]年的連續(xù)型控制變量指標(biāo)，比如[First]、[Roa]、[Growt?]、[Lev]等；[Dvrsi，t]表示公司[i]第[t]年的離散型控制變量指標(biāo)，比如[Stat]、[Area]、[Industry]等；[Year]為年份固定效應(yīng)控制變量；[εi，t]是回歸方程誤差項(xiàng)，下同。

（2）因果關(guān)系識(shí)別

本文基于面板數(shù)據(jù)構(gòu)建基準(zhǔn)回歸模型，能夠緩解僅隨個(gè)體或時(shí)間變化的遺漏變量帶來(lái)的內(nèi)生性偏誤，但難以克服來(lái)自反向因果所導(dǎo)致的內(nèi)生性問(wèn)題。即公司數(shù)字化轉(zhuǎn)型在影響全要素生產(chǎn)率的同時(shí)，可能會(huì)同樣會(huì)受到全要素生產(chǎn)率變化引致的反向作用。為此，本文參考已有文獻(xiàn)[9]，分別引入公司所在地郵電設(shè)施發(fā)展水平和管理層信息技術(shù)背景設(shè)計(jì)工具變量，用以緩解來(lái)自反向因果引致的內(nèi)生性干擾。

利用公司所在地的郵電設(shè)施發(fā)展水平構(gòu)造工具變量。一方面，公司所在地以固定電話為代表的郵電通信公共設(shè)施越完善，公司數(shù)字化轉(zhuǎn)型的邊際收益越大，越有助于促進(jìn)公司數(shù)字化轉(zhuǎn)型水平提升，這正好滿足工具變量的相關(guān)性要求[27]。另一方面，隨著固定電話使用率日益降低，難以直接對(duì)公司全要素生產(chǎn)率產(chǎn)生影響，這較好地滿足了工具變量排他性要求[9]。故而，本文借鑒黃勃等[11]處理方法，將公司所在省份上年互聯(lián)網(wǎng)接入端口數(shù)量與公司所在城市1984年每萬(wàn)人固定電話數(shù)量的自然對(duì)數(shù)交乘（項(xiàng)）作為工具變量（[Telep?one]）。

借助公司管理層信息技術(shù)（IT）背景設(shè)計(jì)工具變量。管理層信息技術(shù)背景能夠通過(guò)減少“短視”行為和增加數(shù)字技術(shù)專利，引導(dǎo)公司數(shù)字化轉(zhuǎn)型加快[40]。這表明，管理層信息技術(shù)背景對(duì)公司數(shù)字化轉(zhuǎn)型具有直接作用[41]，滿足工具變量的相關(guān)性要求。與此同時(shí)，全要生產(chǎn)率提升主要來(lái)源于技術(shù)進(jìn)步、組織優(yōu)化和生產(chǎn)創(chuàng)新等方面，難以直接透過(guò)“管理層信息技術(shù)背景”發(fā)揮作用。由此可知，管理層信息技術(shù)背景難以直接影響公司全要素生產(chǎn)率，較為滿足工具變量的排他性要求。因此，本文選擇公司具有信息技術(shù)背景管理層占比（[ITbackgd]）作為工具變量。

（3）中介效應(yīng)模型

基于前文理論分析可知，公司數(shù)字化轉(zhuǎn)型不僅能夠通過(guò)數(shù)字技術(shù)驅(qū)動(dòng)，也可以利用數(shù)據(jù)要素賦能，還可能借助人力資本提升影響全要素生產(chǎn)率。為此，本文借鑒江艇[42]的方法構(gòu)建中介效應(yīng)模型，即式（2）和式（3）組成聯(lián)立方程組，用以檢驗(yàn)數(shù)字化轉(zhuǎn)型借助人力資本提升渠道影響全要素生產(chǎn)率的作用機(jī)制和微觀機(jī)理。式（2）用于檢驗(yàn)公司數(shù)字化轉(zhuǎn)型對(duì)中介變量的影響，式（3）用于檢驗(yàn)中介變量在公司數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率過(guò)程中的中介效應(yīng)或作用機(jī)制。

[Medvari，t]=[α0]+[α1][Digitali，t]+[βn][Cvrsi，t]+[φn][Dvrsi，t]+[ηn][Year]+[εi，t] （2）

[TFPi，t]=[α0]+[α1][Digitali，t]+[α2][Medvari，t]+[βn][Cvrsi，t]+[φn][Dvrsi，t]+[ηn][Year]+[εi，t] （3）

上式中，[Medvari，t]表示公司[i]第[t]年的人力資本（管理層能力或員工勞動(dòng)技能）水平，是中介變量；其中，管理層能力、員工勞動(dòng)技能對(duì)應(yīng)變量定義參見(jiàn)表1。其余變量定義如上所述。

3. 觀測(cè)樣本篩選

本文以滬深A(yù)股主板2011—2022年的上市公司為初始樣本，參照以下流程剔除歸屬金融行業(yè)、多地交易所上市、當(dāng)年被ST和*ST，以及涉及關(guān)鍵財(cái)務(wù)指標(biāo)顯著異常的觀測(cè)樣本。經(jīng)過(guò)以上篩選流程，本文共獲得橫跨12年，累計(jì)12022個(gè)的觀測(cè)樣本。其中，涉及上市公司數(shù)據(jù)均來(lái)自國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)和萬(wàn)得（Wind）金融資訊數(shù)據(jù)庫(kù)；上證主板不包括科創(chuàng)板，深證主板不包括中小企業(yè)板和創(chuàng)業(yè)板。與此同時(shí)，本文還對(duì)模型中的連續(xù)變量在1%和99%的水平上進(jìn)行兩端縮尾處理，以便減少變量異常值對(duì)實(shí)證研究結(jié)果的干擾。

四、 實(shí)證檢驗(yàn)

1. 統(tǒng)計(jì)分析

（1）樣本分布

在12022個(gè)觀測(cè)樣本中，國(guó)有控股上市公司樣本有7333個(gè)、占比達(dá)到61%，非國(guó)有控股上市公司樣本有4689個(gè)，占比接近39%。從地區(qū)分布看，歸屬東部地區(qū)上市公司樣本達(dá)到7454個(gè)，占比超過(guò)62%，歸屬中西部地區(qū)的則為4568個(gè)，占比接近38%。從國(guó)民經(jīng)濟(jì)行業(yè)門類分布看，來(lái)自制造業(yè)的上市公司樣本有6853個(gè)，占比超過(guò)57%，余下依次是批發(fā)零售業(yè)、房地產(chǎn)業(yè)、電熱氣水供應(yīng)業(yè)、采礦業(yè)、交通運(yùn)輸業(yè)等。

（2）統(tǒng)計(jì)描述

本文對(duì)篩選后得到的觀測(cè)樣本主要連續(xù)型變量進(jìn)行統(tǒng)計(jì)分析，如表2所示。其中，企業(yè)全要素生產(chǎn)率均值為8.638、中位數(shù)為8.588、最大值為12.92，與同類文獻(xiàn)測(cè)算結(jié)果較為一致。公司數(shù)字化轉(zhuǎn)型均值為0.081、中位數(shù)為0.01、最大值為1，同樣與既有相關(guān)文獻(xiàn)較為接近。與此同時(shí)，其余變量經(jīng)過(guò)縮尾處理后，均處于合理分布區(qū)間，未出現(xiàn)較為明顯的異常值。

2. 因果效應(yīng)

為檢驗(yàn)公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響，本文構(gòu)建面板數(shù)據(jù)模型并引入工具變量，利用2011—2022年觀察樣本進(jìn)行回歸估計(jì)，主要結(jié)果如表3所示。該表第1列為主要解釋變量和工具變量，第2列至第9列為主要變量回歸系數(shù)估計(jì)。其中，Ⅰ、Ⅱ?qū)?yīng)混合截面數(shù)據(jù)最小二乘法（OLS）回歸結(jié)果，Ⅲ—Ⅴ對(duì)應(yīng)面板數(shù)據(jù)模型回歸結(jié)果，Ⅵ、Ⅶ對(duì)應(yīng)面板數(shù)據(jù)模型工具變量法回歸結(jié)果。

回歸結(jié)果Ⅰ顯示，公司數(shù)字化轉(zhuǎn)型（Digital）回歸系數(shù)估計(jì)為0.375，且在1%的水平上顯著。這表明，在控制其余變量不變的情況下，公司數(shù)字化轉(zhuǎn)型每提高1個(gè)單位，能促進(jìn)全要素生產(chǎn)率上升0.375個(gè)單位。即公司數(shù)字化轉(zhuǎn)型能夠有效促進(jìn)全要素生產(chǎn)率提升，從而證明了假設(shè)H1。即便是控制了行業(yè)效應(yīng)和年度效應(yīng)，該結(jié)論基本保持不變，具體參見(jiàn)回歸結(jié)果Ⅱ。

除了控制可觀測(cè)影響因素，本文通過(guò)構(gòu)建面板數(shù)據(jù)模型（雙向）緩解因變量遺漏而引致的內(nèi)生性偏誤問(wèn)題，利用觀測(cè)樣本進(jìn)行回歸估計(jì)并得到相應(yīng)的結(jié)果Ⅲ、Ⅳ。一方面，固定效應(yīng)模型F-test檢驗(yàn)和隨機(jī)效應(yīng)模型BP檢驗(yàn)顯示，面板數(shù)據(jù)模型固定效應(yīng)和隨機(jī)效應(yīng)均優(yōu)于截面數(shù)據(jù)模型。另一方面，Hausman檢驗(yàn)（463.46）顯示，面板數(shù)據(jù)模型固定效應(yīng)優(yōu)于隨機(jī)效應(yīng)。故而，本文主要選擇面板數(shù)據(jù)雙向固定效應(yīng)模型，利用觀測(cè)樣本進(jìn)行估計(jì)并得到回歸結(jié)果Ⅴ。該結(jié)果顯示，公司數(shù)字化轉(zhuǎn)型回歸系數(shù)估計(jì)為0.1179，且在1%的水平上顯著。由此可知，即便是控制僅隨個(gè)體或僅隨時(shí)間變化的不可觀測(cè)因素，公司數(shù)字化轉(zhuǎn)型仍然能夠促進(jìn)全要素生產(chǎn)率提升，再次證明了研究假設(shè)H1。

本文借助面板數(shù)據(jù)模型緩解了因變量遺漏引致的內(nèi)生性問(wèn)題，卻難以克服來(lái)自反向因果導(dǎo)致的內(nèi)生性偏誤。為此，本文引入公司所在地郵電基礎(chǔ)設(shè)施發(fā)展水平和管理層信息技術(shù)背景作為公司數(shù)字轉(zhuǎn)型水平的工具變量，以緩解來(lái)自反向因果導(dǎo)致的內(nèi)生性偏誤，所得結(jié)果參見(jiàn)Ⅵ、Ⅶ。用于檢驗(yàn)內(nèi)生性的Hausman結(jié)果（50.493）顯示，引入工具變量與不引入工具變量的回歸結(jié)果在1%的水平上存在顯著差異，繼而證實(shí)回歸方程存在內(nèi)生性問(wèn)題。弱工具變量檢驗(yàn)（Weak test）結(jié)果顯示，特征統(tǒng)計(jì)量為62.408、超過(guò)10%的臨界值19.93，證實(shí)了工具變量的相關(guān)性。其中，具體相關(guān)性程度可參見(jiàn)回歸結(jié)果Ⅵ。外生性檢驗(yàn)（Sargan test）結(jié)果為1.439，對(duì)應(yīng)P值超過(guò)0.1，即沒(méi)有證據(jù)表明存在過(guò)度識(shí)別問(wèn)題。回歸結(jié)果Ⅶ顯示，公司數(shù)字化轉(zhuǎn)型回歸系數(shù)估計(jì)為0.6714，且在5%的水平上顯著。由此推斷，即便是控制了由于反向因果關(guān)系所引致的潛在內(nèi)生性問(wèn)題，公司數(shù)字化轉(zhuǎn)型依然促進(jìn)全要素生產(chǎn)率改善，再次證明了假設(shè)H1。

3. 中介效應(yīng)

在識(shí)別公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率因果效應(yīng)的基礎(chǔ)上，本文構(gòu)建中介效應(yīng)模型以檢驗(yàn)其中存在的作用機(jī)制，并利用2011—2022年觀察樣本進(jìn)行回歸估計(jì)，主要結(jié)果如表4所示。該表第1列為主要解釋變量和工具變量，第2列至第9列為主要變量回歸系數(shù)估計(jì)。其中，Ⅰ—Ⅳ對(duì)應(yīng)管理層能力作用機(jī)制的估計(jì)結(jié)果，Ⅴ—Ⅷ對(duì)應(yīng)員工勞動(dòng)技能作用機(jī)制的估計(jì)結(jié)果。

既有研究表明，公司數(shù)字化轉(zhuǎn)型促進(jìn)全要素生產(chǎn)率提升可能有數(shù)字技術(shù)驅(qū)動(dòng)、數(shù)據(jù)要素賦能和人力資本提升等三條路徑。在基準(zhǔn)回歸模型（式（1））基礎(chǔ)上，本文構(gòu)建中介效用模型（式（2）和式（3）），并利用觀測(cè)樣本進(jìn)行實(shí)證分析，檢驗(yàn)公司數(shù)字化轉(zhuǎn)型促進(jìn)全要素生產(chǎn)率改善過(guò)程中管理層能力和員工勞動(dòng)技能的作用機(jī)制。其中，人力資本可分為管理層能力和員工勞動(dòng)技能，具體定義參見(jiàn)表1。

回歸結(jié)果Ⅰ顯示，公司數(shù)字化轉(zhuǎn)型回歸系數(shù)（Digital）估計(jì)為0.1051且在1%的水平上顯著為正，即在其余變量不變的情況下，公司數(shù)字化轉(zhuǎn)型每提高1個(gè)單位，管理層能力提升0.1051個(gè)單位。據(jù)此推斷，公司數(shù)字化轉(zhuǎn)型有助于增強(qiáng)管理層能力（Ability）?；貧w結(jié)果Ⅱ顯示，公司數(shù)字化轉(zhuǎn)型和管理層能力的回歸系數(shù)估計(jì)分別為0.1658和0.5651，且均在1%的水平上顯著。由此可知，公司數(shù)字化轉(zhuǎn)型和管理層能力均有助于促進(jìn)全要素生產(chǎn)率的提升。綜合上述分析推斷，公司數(shù)字化轉(zhuǎn)型通過(guò)增強(qiáng)管理層能力（人力資本）促進(jìn)全要素生產(chǎn)率改善，繼而證明了假設(shè)H2。與此同時(shí)，本文通過(guò)將管理層能力四等分構(gòu)造新的衡量標(biāo)準(zhǔn)（Ability4）進(jìn)行估計(jì)并得到回歸結(jié)果Ⅲ和Ⅳ。該結(jié)果同樣可推斷，公司數(shù)字化轉(zhuǎn)型通過(guò)增強(qiáng)管理層能力提升全要素生產(chǎn)率，再一次證明了假設(shè)H2。

公司數(shù)字化轉(zhuǎn)型除了優(yōu)化管理層能力，還可能改善員工勞動(dòng)技能，繼而實(shí)現(xiàn)全要素生產(chǎn)率提升?；貧w結(jié)果Ⅴ顯示，公司數(shù)字化轉(zhuǎn)型回歸系數(shù)估計(jì)為11.67且在1%的水平上顯著為正。因而，公司數(shù)字化轉(zhuǎn)型有助于改善員工勞動(dòng)技能（Skilledu）?；貧w結(jié)果Ⅵ顯示，公司數(shù)字化轉(zhuǎn)型和員工勞動(dòng)技能的回歸系數(shù)估計(jì)分別為0.1922和0.0042，且均在1%的水平上顯著。故而，公司數(shù)字化轉(zhuǎn)型和管理層能力均有助于促進(jìn)全要素生產(chǎn)率提升。這組結(jié)果表明，公司數(shù)字化轉(zhuǎn)型通過(guò)提高員工勞動(dòng)技能（人力資本）促進(jìn)全要素生產(chǎn)率改善，從而證明了假設(shè)H3。為檢驗(yàn)該結(jié)果的穩(wěn)健性，本文利用研發(fā)人員占比（Stafframp;d）進(jìn)行估計(jì)并得到回歸結(jié)果Ⅶ和Ⅷ。這組結(jié)果也表明，公司數(shù)字化轉(zhuǎn)型通過(guò)改善員工勞動(dòng)技能促進(jìn)全要素生產(chǎn)率提升，再一次證明了假設(shè)H3。

4. 穩(wěn)健性檢驗(yàn)

為驗(yàn)證上述結(jié)論可靠性和穩(wěn)健性，本文從三個(gè)維度對(duì)文中計(jì)量模型進(jìn)行回歸估計(jì)和實(shí)證檢驗(yàn)。其一，替換全要素生產(chǎn)率衡量指標(biāo)。借鑒既有文獻(xiàn)，本文選擇OP法測(cè)算公司全要素生產(chǎn)率，更換被解釋變量進(jìn)行回歸估計(jì)。其二，替換數(shù)字化轉(zhuǎn)型發(fā)展測(cè)算方法。參考同類研究，本文選擇文本詞頻法衡量數(shù)字化轉(zhuǎn)型發(fā)展水平，變更解釋變量進(jìn)行回歸估計(jì)。其三，利用制造業(yè)觀測(cè)樣本進(jìn)行回歸估計(jì)。考慮到制造業(yè)占比超過(guò)60%，本文選擇全部制造業(yè)上市公司觀測(cè)樣本進(jìn)行回歸估計(jì)。這三種方法回歸的結(jié)果顯示，除回歸系數(shù)的估值略有改變外，其余變量主要回歸結(jié)果基本不變。因篇幅所限，本文未報(bào)告詳細(xì)結(jié)果。

五、 政策建議

本文以2011—2022年滬深A(yù)股主板上市公司為觀測(cè)樣本，研究了公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響及其人力資本視角的作用機(jī)制。研究表明，公司數(shù)字化轉(zhuǎn)型有助于促進(jìn)全要素生產(chǎn)率提升，即使控制了反向因果和變量遺漏的內(nèi)生性問(wèn)題依然如此。研究也表明，基于人力資本視角，公司數(shù)字化轉(zhuǎn)型能夠通過(guò)提升管理層能力和員工技能，實(shí)現(xiàn)全要素生產(chǎn)率的改善。這些結(jié)論不僅證實(shí)了公司數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的改進(jìn)作用，也揭示了人力資本視角下公司數(shù)字化轉(zhuǎn)型賦能的微觀作用機(jī)制，還對(duì)我國(guó)下一步利用數(shù)字化轉(zhuǎn)型改善公司全要素生產(chǎn)率提供如下政策啟示：

一是推動(dòng)數(shù)字化轉(zhuǎn)型，提升公司全要素生產(chǎn)率。圍繞培育發(fā)展新質(zhì)生產(chǎn)力重大部署，貫徹落實(shí)《制造業(yè)數(shù)字化轉(zhuǎn)型行動(dòng)方案》1，加快公司數(shù)字化轉(zhuǎn)型發(fā)展、進(jìn)一步提升全要素生產(chǎn)率。一方面，支持行業(yè)龍頭進(jìn)一步提升數(shù)字化智能化網(wǎng)絡(luò)化水平，重點(diǎn)帶動(dòng)產(chǎn)業(yè)鏈/產(chǎn)業(yè)集群中小企業(yè)數(shù)字化轉(zhuǎn)型。另一方面，引導(dǎo)中小企業(yè)主動(dòng)順應(yīng)數(shù)實(shí)融合發(fā)展趨勢(shì)，以業(yè)務(wù)為紐帶主動(dòng)對(duì)接行業(yè)龍頭，善用“上云用數(shù)賦智”政策、提升公司數(shù)字化發(fā)展水平。

二是強(qiáng)化管理能力培訓(xùn)，放大數(shù)字化轉(zhuǎn)型正效應(yīng)。一方面，推動(dòng)管理層能力納入數(shù)字化轉(zhuǎn)型水平目標(biāo)評(píng)價(jià)體系，引導(dǎo)董事、監(jiān)事和高級(jí)管理人員等管理層重視數(shù)字化轉(zhuǎn)型、加大數(shù)字化轉(zhuǎn)型投入。另一方面，推動(dòng)公司定期組織管理層開(kāi)展能力提升培訓(xùn)和再教育，重點(diǎn)引導(dǎo)中小企業(yè)管理層學(xué)習(xí)和跟進(jìn)同行業(yè)、同地區(qū)數(shù)字化轉(zhuǎn)型發(fā)展較為成功的典型業(yè)務(wù)、商業(yè)模式和示范案例，不斷提升數(shù)字化轉(zhuǎn)型意識(shí)、動(dòng)力和決心。

三是加強(qiáng)數(shù)字素養(yǎng)教育，激活數(shù)字化發(fā)展新動(dòng)能。推動(dòng)企業(yè)圍繞研發(fā)、生產(chǎn)、人事、財(cái)務(wù)和營(yíng)銷等核心流程，實(shí)施數(shù)字素養(yǎng)教育范圍立體化、人員全覆蓋。引導(dǎo)企業(yè)結(jié)合所處行業(yè)特征和自身發(fā)展需要，分層次、分階段將員工數(shù)字素養(yǎng)教育納入員工績(jī)效考核體系。支持企業(yè)主動(dòng)對(duì)接行業(yè)龍頭和第三方專業(yè)機(jī)構(gòu)，編制與自身業(yè)務(wù)發(fā)展相匹配的數(shù)字素養(yǎng)教育體系和績(jī)效考核評(píng)價(jià)標(biāo)準(zhǔn)，提升員工數(shù)字素養(yǎng)教育科學(xué)性和有效性。

參考文獻(xiàn)：

[1] 習(xí)近平.發(fā)展新質(zhì)生產(chǎn)力是推動(dòng)高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點(diǎn)[J].中國(guó)新聞發(fā)布（實(shí)務(wù)版），2024（6）：3-5.

[2] 李忠海，劉永彪，后雨萌.我國(guó)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合發(fā)展的理論邏輯和關(guān)鍵路徑——基于內(nèi)生增長(zhǎng)理論視角[J].金陵科技學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2022，36（1）：1-8.

[3] 田秀娟，李睿.數(shù)字技術(shù)賦能實(shí)體經(jīng)濟(jì)轉(zhuǎn)型發(fā)展——基于熊彼特內(nèi)生增長(zhǎng)理論的分析框架[J].管理世界，2022，38（5）：56-73.

[4] 楊慧梅，江璐.數(shù)字經(jīng)濟(jì)、空間效應(yīng)與全要素生產(chǎn)率[J].統(tǒng)計(jì)研究，2021，38（4）：3-15.

[5] 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(kuò)散的視角[J].經(jīng)濟(jì)研究，2021，56（10）：22-38.

[6] 李萬(wàn)利，劉虎春，龍志能，等.企業(yè)數(shù)字化轉(zhuǎn)型與供應(yīng)鏈地理分布[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（8）：90-110.

[7] 張葉青，陸瑤，李樂(lè)蕓.大數(shù)據(jù)應(yīng)用對(duì)中國(guó)企業(yè)市場(chǎng)價(jià)值的影響——來(lái)自中國(guó)上市公司年報(bào)文本分析的證據(jù)[J].經(jīng)濟(jì)研究，2021，56（12）：42-59.

[8] 尹洪英，李闖.智能制造賦能企業(yè)創(chuàng)新了嗎？——基于中國(guó)智能制造試點(diǎn)項(xiàng)目的準(zhǔn)自然試驗(yàn)[J].金融研究，2022（10）：98-116.

[9] 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(jī)制與中國(guó)經(jīng)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（8）：5-23.

[10] 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(lái)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.

[11] 黃勃，李海彤，劉俊岐，等.數(shù)字技術(shù)創(chuàng)新與中國(guó)企業(yè)高質(zhì)量發(fā)展——來(lái)自企業(yè)數(shù)字專利的證據(jù)[J].經(jīng)濟(jì)研究，2023，58（3）：97-115.

[12] Frydman H.Estimation in the Mixture of Markov Chains Moving with Different Speeds[J].Journal of the American Statistical Association，2005，100（471）：1046-1053.

[13] 國(guó)家發(fā)展和改革委員會(huì).《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》學(xué)習(xí)問(wèn)答[M].北京：人民出版社，2022.

[14] 郭美晨，杜傳忠.ICT提升中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量的機(jī)理與效應(yīng)分析[J].統(tǒng)計(jì)研究，2019，36（3）：3-16.

[15] 國(guó)家工業(yè)信息安全發(fā)展研究中心，北京大學(xué)光華管理學(xué)院，蘇州工業(yè)園區(qū)管理委員會(huì).中國(guó)數(shù)據(jù)要素市場(chǎng)發(fā)展報(bào)告（2021—2022）[R].北京：國(guó)家工業(yè)信息安全發(fā)展研究中心，2022.

[16] 王冬梅，黃乾，方守林.數(shù)字經(jīng)濟(jì)對(duì)人力資本技能結(jié)構(gòu)影響與作用機(jī)制的實(shí)證檢驗(yàn)[J].統(tǒng)計(jì)與決策，2023，39（9）：23-28.

[17] 戚聿東，肖旭.數(shù)字經(jīng)濟(jì)時(shí)代的企業(yè)管理變革[J].管理世界，2020，36（6）：135-152.

[18] 鄭國(guó)強(qiáng)，萬(wàn)孟澤.數(shù)字經(jīng)濟(jì)的生產(chǎn)率增長(zhǎng)效應(yīng)：紅利還是鴻溝[J].當(dāng)代財(cái)經(jīng)，2023（12）：3-16.

[19] 江三良，李寧寧.數(shù)字經(jīng)濟(jì)發(fā)展何以提高企業(yè)全要素生產(chǎn)率？[J].南京審計(jì)大學(xué)學(xué)報(bào)，2023，20（2）：43-52.

[20] 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.

[21] 張永珅，李小波，邢銘強(qiáng).企業(yè)數(shù)字化轉(zhuǎn)型與審計(jì)定價(jià)[J].審計(jì)研究，2021（3）：62-71.

[22] 龐瑞芝，劉東閣.數(shù)字化與創(chuàng)新之悖論：數(shù)字化是否促進(jìn)了企業(yè)創(chuàng)新——基于開(kāi)放式創(chuàng)新理論的解釋[J].南方經(jīng)濟(jì)，2022（9）：97-117.

[23] 樊綱，王小魯，馬光榮.中國(guó)市場(chǎng)化進(jìn)程對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)[J].經(jīng)濟(jì)研究，2011，46（4）：4-16.

[24] 孫雪嬌，范潤(rùn).數(shù)字經(jīng)濟(jì)對(duì)大中小企業(yè)全要素生產(chǎn)率影響的鴻溝效應(yīng)[J].經(jīng)濟(jì)管理，2023，45（8）：45-64.

[25] 馬文聰，陳字理，許澤浩.企業(yè)數(shù)字化對(duì)全要素生產(chǎn)率的非對(duì)稱性影響——基于分位數(shù)回歸的實(shí)證檢驗(yàn)[J/OL].軟科學(xué)，1-18[2024-06-29].http：//kns.cnki.net/kcms/detail/51.1268.G3.20240319.1502.

021.html.

[26] 李萬(wàn)利，潘文東，袁凱彬.企業(yè)數(shù)字化轉(zhuǎn)型與中國(guó)實(shí)體經(jīng)濟(jì)發(fā)展[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（9）：5-25.

[27] 袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國(guó)工業(yè)經(jīng)濟(jì)，2021（9）：137-155.

[28] 郭偉，郭童，耿曄強(qiáng).數(shù)字經(jīng)濟(jì)、人力資本結(jié)構(gòu)高級(jí)化與企業(yè)全要素生產(chǎn)率[J].經(jīng)濟(jì)問(wèn)題，2023（11）：73-79.

[29] 沈坤榮，喬剛，林劍威.智能制造政策與中國(guó)企業(yè)高質(zhì)量發(fā)展[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2024，41（2）：5-25.

[30] 蔡曉陳，陳靜宇.數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)政策提高了企業(yè)全要素生產(chǎn)率嗎？——基于研發(fā)投入與融資約束視角[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2023（3）：16-30.

[31] 錦囊專家，數(shù)字產(chǎn)業(yè)創(chuàng)新研究中心，首席數(shù)字官.中國(guó)數(shù)字化轉(zhuǎn)型與創(chuàng)新評(píng)選2018—2020三年對(duì)標(biāo)洞察報(bào)告[R].北京：數(shù)字產(chǎn)業(yè)創(chuàng)新研究中心，2021.

[32] Jia N，Luo X M，F(xiàn)ang Z，et al.When and How Artificial Intelligence Augments Employee Creativity[J].Academy of Management Journal，2024，67（1）：5-31.

[33] 王桂軍，盧瀟瀟.“一帶一路”倡議與中國(guó)企業(yè)升級(jí)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（3）：43-61.

[34] 魯曉東，連玉君.中國(guó)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.

[35] Olley G S，Pakes S. The Dynamics of Productivity in the Telecommunications Equipment Industry[J].Econometrica，1996，64（6）：1263-1297.

[36] Levinsohn J A，Petrin A.Estimating Production Functions Using Inputs to Control for Unobservables[J].Review of Economic Studies，2003，70（2）：317-341.

[37] 何威風(fēng)，劉巍，黃凱莉.管理者能力與企業(yè)風(fēng)險(xiǎn)承擔(dān)[J].中國(guó)軟科學(xué)，2016（5）：107-118.

[38] Demerjian P R， Lev B. Mevay S.Quantifying Managerial Ability：A New Measure and Validity Tests[J].Management Science，2012，58（7）：1229-1248.

[39] 肖土盛，孫瑞琦，袁淳，等.企業(yè)數(shù)字化轉(zhuǎn)型、人力資本結(jié)構(gòu)調(diào)整與勞動(dòng)收入份額[J].管理世界，2022，38（12）：220-237.

[40] 吳育輝，張騰，秦利賓，等.高管信息技術(shù)背景與企業(yè)數(shù)字化轉(zhuǎn)型[J].經(jīng)濟(jì)管理，2022，44（12）：138-157.

[41] 趙玲，黃昊.不確定性沖擊、數(shù)字技術(shù)創(chuàng)新與供應(yīng)鏈韌性[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2024（4）：148-160.

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

基金項(xiàng)目：國(guó)家社科基金重大項(xiàng)目“創(chuàng)新鏈與產(chǎn)業(yè)鏈耦合的關(guān)鍵核心技術(shù)實(shí)現(xiàn)機(jī)理與突破路徑研究”（項(xiàng)目編號(hào)：22amp;ZD093）、金陵科技學(xué)院高層次人才科研啟動(dòng)項(xiàng)目（項(xiàng)目編號(hào)：jit-b-202022）、江蘇高校哲學(xué)社會(huì)科學(xué)研究一般項(xiàng)目“十四五時(shí)期江蘇制造業(yè)數(shù)字化轉(zhuǎn)型發(fā)展思路和對(duì)策研究”（項(xiàng)目編號(hào)：2021SJA0136）。

作者簡(jiǎn)介：李忠海，男，博士，金陵科技學(xué)院商學(xué)院副教授，江蘇省數(shù)字技術(shù)與產(chǎn)業(yè)經(jīng)濟(jì)應(yīng)用工程研究中心秘書(shū)長(zhǎng)，江蘇數(shù)字化轉(zhuǎn)型發(fā)展研究基地秘書(shū)長(zhǎng)，研究方向?yàn)閿?shù)字經(jīng)濟(jì)、公司治理、實(shí)證公司金融；梅潔，女，南京大學(xué)博士后，南京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院講師，研究方向?yàn)楣局卫?；李澤洲，通訊作者，男，南京大學(xué)數(shù)字經(jīng)濟(jì)與管理學(xué)院數(shù)字經(jīng)濟(jì)專業(yè)學(xué)生，研究方向?yàn)閿?shù)字經(jīng)濟(jì)。

（收稿日期：2024-07-30" 責(zé)任編輯：殷 ?。?/p>