數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響

韋莊禹

（廣西大學 經(jīng)濟學院，廣西 南寧 530004）

一、引言

第四次工業(yè)革命的背景下，數(shù)字科技正在逐漸重構(gòu)全球經(jīng)濟格局，如何抓住數(shù)字經(jīng)濟的發(fā)展機遇，打造現(xiàn)代制造業(yè)產(chǎn)業(yè)體系成為各國關(guān)注的焦點。2018 年6 月日本經(jīng)濟產(chǎn)業(yè)省發(fā)布《日本制造業(yè)白皮書》，提出要利用數(shù)字化工具加強和提高日本制造“現(xiàn)場力”，實現(xiàn)自動化、提高生產(chǎn)率、創(chuàng)造新型附加價值。美國白宮于2018 年10 月頒布《美國先進制造業(yè)領(lǐng)導(dǎo)力戰(zhàn)略》，點明了美國智能制造系統(tǒng)中的率先部署事項，包括智能與數(shù)字制造和人工智能基礎(chǔ)設(shè)施。中國也頒布了一系列政策推動企業(yè)數(shù)字化轉(zhuǎn)型。2021 年中國的政府工作報告中提到，要構(gòu)建數(shù)字經(jīng)濟領(lǐng)先優(yōu)勢，協(xié)同落實數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。二十大報告也明確提出，要加速建設(shè)制造強國、網(wǎng)絡(luò)強國和數(shù)字中國，持續(xù)推進制造業(yè)的高端化和智能化發(fā)展，構(gòu)造新一代信息技術(shù)的新增長引擎。要推進數(shù)字經(jīng)濟發(fā)展，推動數(shù)字經(jīng)濟與實體經(jīng)濟深度融合，構(gòu)造具備國際競爭力的數(shù)字產(chǎn)業(yè)集群。為了鞏固實體經(jīng)濟的根基，中國必須持續(xù)推進制造業(yè)高質(zhì)量發(fā)展，而數(shù)字化轉(zhuǎn)型作為產(chǎn)業(yè)數(shù)字化的重要一環(huán)，勢必對中國制造業(yè)企業(yè)的轉(zhuǎn)型升級產(chǎn)生深遠影響。

二、文獻綜述

近年來，數(shù)字化轉(zhuǎn)型的經(jīng)濟效應(yīng)是學術(shù)界關(guān)注的一個研究熱點。趙宸宇(2021)研究發(fā)現(xiàn)數(shù)字化發(fā)展能通過促進企業(yè)創(chuàng)新和調(diào)整人力資本結(jié)構(gòu)顯著提升企業(yè)的服務(wù)化水平和發(fā)展質(zhì)量[1]。袁淳等(2021)研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能通過降低企業(yè)外部成本來促進專業(yè)化分工[2]。趙宸宇等(2021)研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型主要通過促進企業(yè)創(chuàng)新、改善人力資本結(jié)構(gòu)、促進先進制造業(yè)與現(xiàn)代服務(wù)業(yè)融合發(fā)展和提高企業(yè)運營水平、降低成本等方式提高企業(yè)的全要素生產(chǎn)率[3]。吳非等(2021)研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠提升企業(yè)股票的流動性，矯正信息的不對稱性、提高市場的積極預(yù)期、促進企業(yè)創(chuàng)新、提升企業(yè)價值、改善財務(wù)穩(wěn)定性，從而對企業(yè)股票的流動性產(chǎn)生積極影響[4]。

也有一部分學者研究了資源配置效率的相關(guān)問題。Hsieh&Klenow(2009)指出，如果能使中國和印度企業(yè)兩類要素的邊際產(chǎn)品與美國持平，那么兩國的TFP 將會大幅增長[5]。Brandt 等(2013)指出資源錯配使中國非農(nóng)部門的全要素生產(chǎn)率平均降低了20%，20 世紀90 年代中期生產(chǎn)率損失增大的原因是各省份內(nèi)國有和非國有部門間的資本錯配程度加劇[6]。白俊紅、劉宇英(2018)發(fā)現(xiàn)中國各省份的資本錯配和勞動力錯配存在明顯差異，對外直接投資能夠同時矯正中國的資本錯配和勞動力錯配[7]。張?zhí)烊A、鄧宇銘(2020)發(fā)現(xiàn)，開發(fā)區(qū)的設(shè)立顯著改善了企業(yè)的資本投入不足，但卻進一步加劇了企業(yè)勞動力投入扭曲；總體上看，設(shè)立開發(fā)區(qū)每年能提高1.52%的總量生產(chǎn)率[8]。

現(xiàn)有文獻多是從某個角度研究數(shù)字化轉(zhuǎn)型的經(jīng)濟效應(yīng)，資源配置效率的研究則主要圍繞測度方法或特定影響因素展開。文章則拓展了Hsieh&Klenow(2009)[5]測算宏觀經(jīng)濟效率損失的理論框架，從微觀層面構(gòu)造制造業(yè)企業(yè)資源配置效率的測度指標，并使用機器學習方法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型的指標，借此考察數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響。

三、制造業(yè)企業(yè)資源配置效率的測算框架

文章借鑒Hsieh&Klenow(2009)定量分析宏觀經(jīng)濟效率折損的方法[5]，測度消除資源配置扭曲后企業(yè)最優(yōu)規(guī)模與實際規(guī)模之間的差距，以此建立微觀層面制造業(yè)企業(yè)的資源配置效率指標。測度模型如下所示：

假定市場處于完全競爭狀態(tài)，生產(chǎn)唯一的產(chǎn)品Y，有S個中間行業(yè)，對應(yīng)的產(chǎn)出Ys占產(chǎn)量的比例為θs，最終產(chǎn)品的生產(chǎn)函數(shù)為：

最終產(chǎn)品部門追求成本最小化的目標，根據(jù)一階條件可得PsYs=θsPY，Ps表示中間行業(yè)S的產(chǎn)品價格，文章將最終產(chǎn)品的價格標準化為1。假定中間行業(yè)的產(chǎn)出能夠通過Ms個企業(yè)的產(chǎn)出Ysi加總獲得，產(chǎn)出函數(shù)為常替代函數(shù)：

σ 表示企業(yè)產(chǎn)品之間的替代彈性，各行業(yè)部門追求成本最小化的目標，進而獲得企業(yè)產(chǎn)品的需求函數(shù)：

研究定義了兩類影響企業(yè)資源配置效率的扭曲：產(chǎn)出扭曲τYsi和資本投入扭曲τKsi。產(chǎn)出扭曲會同時影響企業(yè)的資本投入和勞動投入，正向的產(chǎn)出扭曲能夠降低企業(yè)的產(chǎn)品價格，資本投入扭曲則會加劇企業(yè)的資本投入和勞動投入之間的相對偏離，正向的資本投入扭曲會提高企業(yè)融資的相對成本。企業(yè)生產(chǎn)函數(shù)為：

Asi表示企業(yè)的生產(chǎn)技術(shù)水平，Ksi表示企業(yè)的資本要素投入，Lsi表示企業(yè)勞動要素投入，αs表示中間行業(yè)S的資本產(chǎn)出彈性，企業(yè)的利潤函數(shù)如下：

πsi表示利潤，ω 表示勞動力價格，R表示資本的借貸價格。當存在資源配置扭曲時，根據(jù)企業(yè)最大化利潤的一階條件，可得產(chǎn)出扭曲：

資本投入扭曲：

企業(yè)的實際產(chǎn)出規(guī)模：

令τYsi=τKsi=0，可以獲得不存在資源配置扭曲的情況下企業(yè)最優(yōu)產(chǎn)出規(guī)模PsiYosi。最后，使用企業(yè)實際規(guī)模與最優(yōu)規(guī)模的變異程度來刻畫企業(yè)資源配置效率：

MisAllsi的數(shù)值越大，代表企業(yè)面臨越嚴重的資源配置扭曲，資源配置效率越低；反之，資源配置效率越高。

四、研究設(shè)計

1. 計量模型設(shè)定

為檢驗數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響，文章構(gòu)建如下的基準回歸模型：

在模型(10)中，i代表企業(yè)，t代表時間，j代表企業(yè)所在城市，c表示企業(yè)所在省份。Misit作為被解釋變量，能夠分別用于代表產(chǎn)出扭曲MisYsi、資本投入扭曲MisKsi和企業(yè)的資源配置效率MisAllsi，Digitalit代表企業(yè)的數(shù)字化轉(zhuǎn)型水平。βXit代表企業(yè)控制變量，φYjt代表城市控制變量，θZct表示省份控制變量，μi代表企業(yè)固定效應(yīng)，γt代表時間固定效應(yīng)，λp代表行業(yè)固定效應(yīng)，εit代表隨機誤差項。

2. 變量設(shè)計

（1） 被解釋變量

企業(yè)的產(chǎn)出扭曲(MisY)、資本投入扭曲(MisK)和資源配置效率(MisAll)。在產(chǎn)出和投入指標的選擇方面，文章沿襲了王文、牛澤東(2019)的做法[9]，采用企業(yè)增加值衡量制造業(yè)企業(yè)的實際產(chǎn)出，由于上市公司沒有提供企業(yè)增加值的指標，因此文章采用王文、牛澤東(2019)的方法[9]測算企業(yè)增加值，計算公式為：企業(yè)增加值=營業(yè)收入-中間投入+應(yīng)繳增值稅，中間投入=營業(yè)成本+銷售費用+管理費用+財務(wù)費用-支付給職工以及為職工支付的現(xiàn)金-固定資產(chǎn)折舊、油氣資產(chǎn)折耗、生產(chǎn)性生物資產(chǎn)折舊。其中的應(yīng)繳增值稅指標參照余新創(chuàng)(2020)的方法進行測算[10]，計算公式為：應(yīng)繳增值稅=（銷售商品、提供勞務(wù)收到的現(xiàn)金-購買商品、接受勞務(wù)支付的現(xiàn)金）/（1+增值稅稅率）×增值稅稅率；將企業(yè)資本存量定義為固定資產(chǎn)凈值與固定資產(chǎn)折舊、油氣資產(chǎn)折耗、生產(chǎn)性生物資產(chǎn)折舊之和；將勞動投入ωLsi用支付給職工以及為職工支付的現(xiàn)金表示。

在參數(shù)設(shè)定方面，產(chǎn)品異質(zhì)性可以用產(chǎn)品替代彈性σ 來表示，產(chǎn)品替代彈性越大，則說明產(chǎn)品異質(zhì)性越弱(Hendel&Nevo，2006)[11]。文章借鑒Hsieh & Klenow(2009)較為保守的做法[5]，將企業(yè)間的產(chǎn)品替代彈性σ 設(shè)為3，將資本的借貸價格R定為0.1，其中5%代表真實利率，5%代表折舊率。此外，文章借鑒李欣澤(2019)的做法[12]，利用面板固定效應(yīng)法測算在規(guī)模報酬不變的假設(shè)下2007—2020 年制造業(yè)上市公司的資本要素彈性系數(shù)。

（2） 核心解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型水平(lnDigitalit)。文章參照吳非等(2021)的方法[5]，使用Python 文本挖掘技術(shù)分析2007—2020 年上市公司企業(yè)年報中數(shù)字化轉(zhuǎn)型相關(guān)詞匯出現(xiàn)的頻次，以此構(gòu)造衡量企業(yè)數(shù)字化轉(zhuǎn)型的指標，包括人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)和數(shù)字技術(shù)運用五個方面的關(guān)鍵詞，詳見表1。數(shù)字化轉(zhuǎn)型關(guān)鍵詞出現(xiàn)的總頻次越多，企業(yè)數(shù)字化轉(zhuǎn)型水平越高。考慮該指標數(shù)據(jù)的波動性較大，故而對其作自然對數(shù)化處理。

表1 企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞

（3） 企業(yè)、城市和省份層面的控制變量集

企業(yè)層面的控制變量包括企業(yè)資本密集度lnFixed，用人均固定資產(chǎn)凈值的自然對數(shù)衡量；企業(yè)規(guī)模lnSize，用企業(yè)營業(yè)收入的自然對數(shù)衡量；資產(chǎn)負債比lnRatio，用企業(yè)負債率衡量；企業(yè)年齡lnAge，用年份與企業(yè)開工時間差值的自然對數(shù)衡量；現(xiàn)金流量Cash，用企業(yè)營業(yè)活動產(chǎn)生的現(xiàn)金流量凈額與營業(yè)收入的比值衡量。對于宏觀層面的控制變量，文章借鑒步曉寧(2019)的研究[13]，控制以城市人口的自然對數(shù)衡量的城市人口規(guī)模lnPeople，用企業(yè)所在的城市人均GDP 的自然對數(shù)衡量城市經(jīng)濟規(guī)模lnPgdp以及用企業(yè)所在省份的市場化指數(shù)衡量市場化水平Market。

3. 數(shù)據(jù)來源與處理

文章選取2007—2020 年中國制造業(yè)A 股上市公司數(shù)據(jù)來源于Wind 數(shù)據(jù)庫和國泰安CSMER 數(shù)據(jù)庫；城市數(shù)據(jù)來自對應(yīng)年份的《中國城市統(tǒng)計年鑒》 《中國區(qū)域統(tǒng)計年鑒》、國泰安CSMER 數(shù)據(jù)庫以及中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫；省份數(shù)據(jù)來自由樊綱和王小魯編制的對應(yīng)年份《中國分省份市場化指數(shù)報告》。

文章對原始數(shù)據(jù)進行了一系列處理。第一，將指標缺失嚴重的地級市剔除。第二，根據(jù)利用企業(yè)所在地、城市代碼、城市名稱等信息將企業(yè)、城市、省份的數(shù)據(jù)進行合并整理，得到包含企業(yè)—城市—省份三個維度信息的面板數(shù)據(jù)。第三，根據(jù)《國民經(jīng)濟行業(yè)分類標準》篩選出制造業(yè)行業(yè)。第四，對企業(yè)樣本中的異常值予以剔除，包括關(guān)鍵變量缺失、重復(fù)出現(xiàn)和不符合會計準則的樣本。第五，對連續(xù)型變量進行兩側(cè)1%的縮尾處理。

五、實證結(jié)果分析

1. 變量描述性統(tǒng)計

表2 報告了各變量的描述性統(tǒng)計特征，企業(yè)的產(chǎn)出扭曲MisY、資本投入扭曲MisK和數(shù)字化轉(zhuǎn)型水平lnDigital在考察期均存在一定波動，而資源配置效率Misall的波動幅度更大。

表2 變量描述性統(tǒng)計

2. 基準回歸

為了驗證數(shù)字化轉(zhuǎn)型如何影響企業(yè)資源配置效率及其內(nèi)在機制，文章在表3 中匯報了數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)出扭曲、資本扭曲和資源配置效率影響的回歸結(jié)果。(1)~(2)列的被解釋變量是企業(yè)產(chǎn)出扭曲，(3)~(4)列的被解釋變量是資本投入扭曲，(5)~(6)列的被解釋變量是資源配置效率。為提升模型的穩(wěn)健性，文章使用了逐步添加企業(yè)控制變量，城市、省份等宏觀層面控制變量的方法，同時控制了企業(yè)固定效應(yīng)和時間固定效應(yīng)，用以排除無法觀測到的企業(yè)特征和時間特征帶來的影響，此外，為了排除由于行業(yè)變動對估計結(jié)果造成的影響，文章還在各模型中控制了行業(yè)固定效應(yīng)，然后觀察核心解釋變量lnDigital的變化。

表3 的結(jié)果表明，數(shù)字化轉(zhuǎn)型lnDigital在5%水平下顯著影響了企業(yè)的產(chǎn)出扭曲MisY，結(jié)合描述性統(tǒng)計中的企業(yè)產(chǎn)出扭曲均值可知，企業(yè)數(shù)字化轉(zhuǎn)型水平每提升1%，就會矯正企業(yè)面臨的產(chǎn)出扭曲0.0111~0.0116 個單位；數(shù)字化轉(zhuǎn)型也矯正了企業(yè)的資本投入扭曲，每當企業(yè)數(shù)字化轉(zhuǎn)型水平提升1%，企業(yè)資本投入扭曲MisK的平均矯正幅度為0.00975~0.0111，回歸結(jié)果均在5%水平下顯著；數(shù)字化轉(zhuǎn)型在整體上顯著提升了企業(yè)資源配置效率，隨著宏觀控制變量的添加，回歸系數(shù)雖然有所減小，但始終在5%水平下顯著。通過上述分析，可以判斷，數(shù)字化轉(zhuǎn)型不僅能矯正企業(yè)面臨的產(chǎn)出扭曲，也能調(diào)整企業(yè)資本投入和勞動投入之間的相對偏離，促進資源配置效率提升。

表3 基準回歸

3. 穩(wěn)健性檢驗：對潛在內(nèi)生性處理

（1） 內(nèi)生性檢驗：滯后項回歸

前文檢驗了數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)出扭曲、資本投入扭曲和資源配置效率的影響，但其中也許存在反向因果關(guān)系，即產(chǎn)出扭曲程度越低、資本投入扭曲程度越嚴重、資源配置效率更高的企業(yè)更注重數(shù)字化轉(zhuǎn)型，企業(yè)的數(shù)字化轉(zhuǎn)型水平也就更高。為了確認基準回歸的可信度，文章分別將領(lǐng)先一期和領(lǐng)先兩期的企業(yè)數(shù)字化轉(zhuǎn)型變量納入回歸模型中，替換當期的企業(yè)數(shù)字化轉(zhuǎn)型變量，即分別用L.lnDigital和L2.lnDigital替換lnDigital，這是因為企業(yè)當期的資源配置扭曲和資源配置效率可能會影響當期的數(shù)字化轉(zhuǎn)型水平，但不可能對前一期和前兩期的企業(yè)數(shù)字化轉(zhuǎn)型水平產(chǎn)生影響，故而納入滯后期企業(yè)數(shù)字化轉(zhuǎn)型變量的回歸模型能夠有效克服反向因果關(guān)系造成的識別困難。通過表4 的檢驗結(jié)果不難看出，在將核心解釋變量替換為領(lǐng)先一期或領(lǐng)先兩期的企業(yè)數(shù)字化轉(zhuǎn)型變量后，核心解釋變量回歸系數(shù)的方向始終與前述結(jié)果保持相同，顯著性還有所提升，初步說明基準結(jié)果具備穩(wěn)健性。

表4 內(nèi)生性檢驗：滯后項回歸

（2） 內(nèi)生性檢驗：工具變量回歸

為了進一步緩解內(nèi)生性問題，文章借鑒陳慶江等(2021)[14]的方法，選擇企業(yè)所處行業(yè)內(nèi)其余企業(yè)數(shù)字化轉(zhuǎn)型水平的均值作為工具變量，其中的邏輯在于其余企業(yè)數(shù)字化轉(zhuǎn)型水平的均值作為更高維度的變量，一方面不會被特定企業(yè)的資源配置產(chǎn)生影響，另一方面出于行業(yè)的共同特性，行業(yè)內(nèi)其余企業(yè)數(shù)字化轉(zhuǎn)型水平的均值通常會與該行業(yè)內(nèi)某個企業(yè)的數(shù)字化轉(zhuǎn)型具有較強的相關(guān)性，至此，工具變量滿足了相關(guān)性和外生性要求。

為了適應(yīng)低磷環(huán)境，植物自身在逆境中會形成一套適應(yīng)機制[5]。本研究結(jié)果表明，耐低磷苦蕎較不耐低磷苦蕎有明顯優(yōu)勢，表現(xiàn)為磷高效苦蕎根系的SOD、POD、酸性磷酸酶等活性物質(zhì)和可溶性糖及游離脯氨酸含量等滲透調(diào)節(jié)物質(zhì)的增幅大于低磷敏感性苦蕎，而MDA的增量小于不耐低磷苦蕎。與不耐低磷苦蕎相比，耐低磷苦蕎能較好地減少膜脂過氧化造成的傷害，分泌酸性磷酸酶以保證磷素的吸收，提高自身的滲透調(diào)節(jié)能力，延緩衰老，有利植株生長。

從表5 的工具變量回歸結(jié)果來看，盡管企業(yè)產(chǎn)出扭曲不顯著，但企業(yè)資本投入扭曲和資源配置效率的系數(shù)與顯著性均沒有表現(xiàn)出較大差異，整體上說明前文的研究結(jié)論具備穩(wěn)健性。

表5 內(nèi)生性檢驗：工具變量回歸

4. 異質(zhì)性分析

前文從總體上分析了數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響，但是在研究資源配置效率的過程中，不可忽視的是要素投入情況的差異性，這是因為在企業(yè)實際規(guī)模與最優(yōu)規(guī)模產(chǎn)生偏離時有兩種情況：一是整體的要素投入量不足，導(dǎo)致企業(yè)的實際規(guī)模小于預(yù)期規(guī)模；二是整體的要素投入量過度，導(dǎo)致企業(yè)的實際規(guī)模大于最優(yōu)規(guī)模。基于此，文章將樣本分為要素投入過度和要素投入不足的組別，用以區(qū)分在不同要素投入情況下數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的差異性影響，估計結(jié)果見表6。

由表6 的(1)、(3)、(5)列可知，在整體的要素投入不足時，數(shù)字化轉(zhuǎn)型無法對企業(yè)的產(chǎn)出扭曲、資本投入扭曲和資源配置效率產(chǎn)生顯著的影響；通過(2)、(4)、(6)列可知，在整體的投入要素過度時，數(shù)字化轉(zhuǎn)型不僅能顯著矯正企業(yè)的產(chǎn)出扭曲，也能顯著提升企業(yè)資源配置效率，這充分說明了數(shù)字化轉(zhuǎn)型主要是通過疏解過于擁擠的投入要素來提高企業(yè)的資源配置效率，這一結(jié)果也從側(cè)面證實了數(shù)字經(jīng)濟有助于改善企業(yè)間的要素分配，促進中國制造業(yè)企業(yè)的均衡發(fā)展。

表6 要素投入差異性分析

考慮到中國制造業(yè)企業(yè)的發(fā)展在各地區(qū)存在較大的差異，數(shù)字化轉(zhuǎn)型的資源配置效應(yīng)也可能有所不同，故而文章進一步進行地區(qū)異質(zhì)性分析。表7 的(1)~(4)列結(jié)果顯示，數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)出扭曲和資本投入扭曲的影響僅在東部地區(qū)顯著，說明數(shù)字化轉(zhuǎn)型能緩解東部地區(qū)的要素扭曲，矯正資本投入要素和勞動投入要素對最優(yōu)配置狀態(tài)的偏離，提高兩類生產(chǎn)要素投入的邊際收益；(5)~(6)列結(jié)果顯示，數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響僅在中西部地區(qū)顯著，說明數(shù)字經(jīng)濟的發(fā)展趨勢對中西部地區(qū)企業(yè)產(chǎn)生了更強的助推作用，企業(yè)實際規(guī)模對最優(yōu)規(guī)模的偏離程度不斷下降。

表7 地區(qū)差異性分析

Hsieh&Klenow(2009)[5]認為產(chǎn)權(quán)歧視是導(dǎo)致制造業(yè)資源誤置的關(guān)鍵因素，那么，數(shù)字化轉(zhuǎn)型對不同產(chǎn)權(quán)的制造業(yè)企業(yè)又會表現(xiàn)出怎樣的差異化影響呢？表8 的(1)、(2)列結(jié)果顯示，數(shù)字化轉(zhuǎn)型顯著矯正了民營企業(yè)的產(chǎn)出扭曲，但對國有企業(yè)的影響不顯著；(3)、(4)列結(jié)果表明，數(shù)字化轉(zhuǎn)型對這兩類企業(yè)的資本投入扭曲的影響不明顯；結(jié)合(5)、(6)列結(jié)果可以判斷，在不同產(chǎn)權(quán)性質(zhì)之下，數(shù)字化轉(zhuǎn)型能夠更有效地提升民營企業(yè)的資源配置效率，為民營企業(yè)的高質(zhì)量發(fā)展提供更多機會。

表8 企業(yè)產(chǎn)權(quán)差異性分析

六、研究結(jié)論與政策建議

1. 研究結(jié)論

文章在構(gòu)建企業(yè)資源配置效率測算框架的基礎(chǔ)上，選取2007—2020 年中國A 股上市公司數(shù)據(jù)測度制造業(yè)企業(yè)的產(chǎn)出扭曲和資本投入扭曲，以及由兩類扭曲導(dǎo)致的企業(yè)規(guī)模變異，據(jù)此研究數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響，研究發(fā)現(xiàn)：數(shù)字化轉(zhuǎn)型顯著矯正了企業(yè)的產(chǎn)出扭曲和資本投入扭曲，提升了企業(yè)資源配置效率，穩(wěn)健性檢驗支持該結(jié)論；要素投入不足時，數(shù)字化轉(zhuǎn)型對資源配置效率的影響并不明顯；投入要素過度時，數(shù)字化轉(zhuǎn)型不僅能顯著矯正企業(yè)的產(chǎn)出扭曲，也能顯著提升企業(yè)資源配置效率；數(shù)字化轉(zhuǎn)型對企業(yè)產(chǎn)出扭曲和資本投入扭曲的影響在東部地區(qū)更顯著，對資源配置效率的影響在中西部地區(qū)更顯著；數(shù)字化轉(zhuǎn)型能夠更有效地提升民營企業(yè)的資源配置效率。

2. 政策建議

（1） 突破關(guān)鍵數(shù)字技術(shù)，促進數(shù)字科技與制造業(yè)互動發(fā)展

通過多部門合作，突破關(guān)鍵數(shù)字技術(shù)，增強中國數(shù)字驅(qū)動力。在人工智能、5G 通信、云計算等先進數(shù)字技術(shù)領(lǐng)域集聚多方頂級科研團隊，打通產(chǎn)學研深度協(xié)作的創(chuàng)新渠道。要繼續(xù)推動數(shù)字科技與制造業(yè)的互動融合，完善數(shù)字基礎(chǔ)設(shè)施體系，提高數(shù)據(jù)鏈的完整性與兼容性，加強數(shù)字經(jīng)濟產(chǎn)業(yè)的標準與保障體系建設(shè)，提升中國數(shù)字經(jīng)濟的供給力與承載力。要充分依托數(shù)據(jù)科學，挖掘數(shù)據(jù)資源生產(chǎn)力，建立世界一流的數(shù)據(jù)平臺，構(gòu)建知識圖譜，突破數(shù)字治理瓶頸，提振中國制造業(yè)的核心競爭力。

（2） 推動要素市場化改革，加強疏導(dǎo)要素資源

要進一步發(fā)揮市場在配置資源方面的作用，疏導(dǎo)結(jié)構(gòu)上相對冗余的要素資源。加大力度破解國有企業(yè)的預(yù)算軟約束問題，提升民營企業(yè)、中小微企業(yè)的融資便利度，擴張融資覆蓋面，減少資本配置扭曲。同時，完善數(shù)字制造、智能制造領(lǐng)域人才的知識和技能培育體系，加強中、低技能勞動力在職培訓和再就業(yè)培訓，引導(dǎo)勞動力資源科學分流，破解數(shù)字經(jīng)濟時代下勞動力資源供需不足的結(jié)構(gòu)性矛盾。

（3） 實施多元化的數(shù)字經(jīng)濟發(fā)展戰(zhàn)略，釋放數(shù)字化轉(zhuǎn)型的積極效應(yīng)

各級部門要避免實施一元化、同質(zhì)化的數(shù)字經(jīng)濟發(fā)展戰(zhàn)略，依據(jù)地方特色的資源稟賦制定具有差異化的數(shù)字產(chǎn)業(yè)發(fā)展政策，鼓勵和引導(dǎo)不同產(chǎn)權(quán)、具備不同技術(shù)特質(zhì)和比較優(yōu)勢的企業(yè)實施具有競爭性的數(shù)字化轉(zhuǎn)型方案。要進一步破除市場壁壘，強化區(qū)域合作，積極地將東部地區(qū)的頭部數(shù)字經(jīng)濟企業(yè)和數(shù)字制造企業(yè)引入西部地區(qū)，傳播數(shù)字領(lǐng)軍企業(yè)的成長經(jīng)驗，更好地促進各區(qū)域的均衡發(fā)展。