數字化供應鏈變革與企業勞動力投資效率

祝丹楓 李宇坤

摘要：借助2018年開展的供應鏈創新與應用試點作為“準自然實驗”構建雙重差分模型，以2013-2020年A股上市公司為樣本，探討數字化供應鏈變革對企業勞動力投資效率的影響效應及渠道機制。研究結果發現：數字化供應鏈變革顯著提升了企業勞動力投資效率，降低經營風險和提高創新強度是其主要路徑。進一步分析發現，短期內數字化供應鏈變革對緩解高技能勞動者投資不足的影響較為明顯，而對投資過度的作用力度有限。異質性分析表明，數字化供應鏈變革對勞動力投資效率的提升作用主要體現在市場化程度較高地區企業以及代理成本較低的企業中。

關鍵詞：數字化供應鏈變革；勞動力投資效率；風險應對；創新強度；雙重差分

中圖分類號：F275文獻標識碼：A文章編號：1001-148X（2023）03-0049-09

收稿日期：2022-06-26

作者簡介：祝丹楓（1989-），男，江蘇江陰人，助理研究員，博士，研究方向：企業財務；李宇坤（1989-），本文通訊作者，男，陜西咸陽人，助理研究員，博士，研究方向：數字經濟。

基金項目：國家社會科學基金青年項目，項目編號：22CJY006。

一、引言

數字化變革是指數字技術深度內嵌于企業的整體戰略和各經營環節之中，激發企業決策邏輯、管理框架、商業生態等多方面的系統性變革［1］。隨著新一代信息技術對傳統商業模式的滲透重塑，數字化變革不僅在企業內部推動了信息化、智能化的流程改造，并促進組織結構向敏捷性和無邊界性轉變，更為重要的是數字化變革實現了企業與供應鏈伙伴間的信息共享和業務融合，幫助企業構建“供應端”到“客戶端”的市場互聯性決策機制［2］。企業數字化供應鏈變革通過在組織外部建立數字化生態圈，貫通合作伙伴之間的“信息孤島”，不僅賦能生產、運營、銷售等多個價值鏈環節的提質增效，還可以為提高企業資源配置決策質量提供支持［3］。盡管數字化供應鏈變革能夠促進企業資源配置效率提升這一問題受到了學術界的高度關注，但是鮮有研究運用實證方法提供具有普遍意義的經驗證據。

理論上，在完美市場假設下，企業不同部門要素邊際產出應該相等，理性的決策者會將冗余資源投入到具有較好前景的部門或項目之中［4］。然而，現實中企業的要素配置效率往往偏離最優水平。從要素性質著眼，現有研究主要聚焦于資本要素配置效率（投資效率）和勞動力要素配置效率（勞動力投資效率）兩個方面。其中，早期的研究集中于投資效率問題［5-6］，但是隨著商業競爭模式由“資本競爭”向“產品附加值競爭”的轉變，以及勞動力資源在企業競爭力中的作用不斷增強，使得學者們開始關注勞動力投資效率問題。已有文獻重點考察了內部控制、股價信息含量等與企業勞動力投資效率間的聯系［7-8］，而對數字化供應鏈變革如何影響勞動力投資效率的關注有限。

從實踐來看，中國企業在數字化轉型過程中呈現出矛盾化的發展特征，部分先發企業已在數字化搶跑中嘗到紅利，然而其他企業或是繼續持觀望態度，或是在投入陣痛期中陷入“技術敏捷性陷阱”而對轉型產生疑慮。可能的原因在于：第一，企業數字化轉型必須適應從單一企業“點”的變革走向整體供應鏈條“線”的變化［9］，疏通供應鏈中的物流、信息流和資金流，創造具有互補功能的數字化供應鏈生態系統；其次，數字化轉型從前期投入到最終輸出價值需要經歷一個漫長且復雜的過程，中期內化階段的資源配置是保障價值輸出的關鍵。因而，只有厘清企業數字化變革與資源配置效率提升之間的邏輯，才能更好地把握數字化變革促進企業長期競爭力培養的完整內涵。

2018年，商務部等8部門發布了《關于公布我國供應鏈創新與應用試點城市和試點企業名單的通知》（商建函［2018］654號），為探討數字化供應鏈變革對企業勞動力投資效率的影響效應提供了一個“天然試驗場”。其一，供應鏈創新與應用試點開展的核心任務是加快供應鏈數字化升級，建立資源整合和時效匹配能力較強的數字化供應鏈平臺，構建企業間專業化分工協作的網絡體系，助力企業形成長期競爭優勢。因而，供應鏈創新與應用試點的開展可以作為數字化供應鏈變革問題研究的一項外生沖擊。其二，供應鏈創新與應用試點開展過程中確立了55個試點城市，這意味著本文可以依據政策設計對照組和實驗組，并通過構建雙重差分模型較為干凈地識別數字化供應鏈變革對企業勞動力投資決策的“凈效應”。

本文的邊際貢獻：一是在研究內容上，深化了數字化供應鏈變革問題的研究維度，具體剖析“數字化供應鏈變革—勞動力投資效率”之間的聯系，從要素配置視角拓展對于供應鏈數字化轉型經濟后果的認知，特別是基于“風險應對”“創新強度”的機制分析，打開了數字化供應鏈變革與勞動力要素配置間的“黑箱”。二是在研究方法上，以往研究多使用文本識別或問卷調查的方法測度企業數字化轉型程度，不可避免地導致內生性問題，本文借助供應鏈創新與應用試點這一外生沖擊，最大限度地緩解了內生性問題。三是在研究立意上，突出數字化轉型戰略大背景下政策干預傳遞至微觀企業所需的條件及短期異質性表現。

二、制度背景與理論分析

（一）制度背景

從國際形勢來看，以美國為首的西方國家率先將供應鏈競爭從企業提升至國家戰略層面。從奧巴馬時期簽署的《全球供應鏈國家安全戰略》，到特朗普任期內發布《美國聯邦信息通訊技術中來自中國供應鏈的脆弱性分析》，無不體現出供應鏈革命的重要性和緊迫性。英國、德國等也都意識到供應鏈系統是推動經濟可持續發展“至關重要的資產”，其中德國推出的《保障德國制造業的未來：德國工業40戰略實施建議》中強調要抓住以“數字化”“智能化”為特征的第四次工業革命機遇，塑造業務流程動態配置、生命周期科學管理的供應鏈全球網絡。

從國內經濟形勢來看，中國經濟正處于“高成本、高增長”向“低成本、中高增長”過渡的關鍵時期。在優化結構、穩定增長的新形勢下，區別于過往增加產能和擴大投資的經濟拉動方式，高質量的供應鏈管理可以通過整合跨界資源，消除設計前端、生產中端和售后末端各個環節之間的信息不對稱，降低交易成本和提高集群網絡協同能力。黨的十九大報告中明確提出“推動互聯網、大數據和實體經濟的深度融合，在現代供應鏈領域培育新的增長點、形成新動能”；2018年10月國務院辦公廳印發了《關于積極推進供應鏈創新與應用的指導意見》（國辦發［2017］84號），明確了“推動供應鏈管理創新新技術和新模式”以及“重點產業數字化供應鏈體系全覆蓋”的發展目標，這標志著供應鏈創新與應用上升為國家層面的戰略安排。為了探索可復制推廣的制度和實踐經驗，2018年商務部等8部門聯合發布了《關于公布全國供應鏈創新與應用試點城市和企業名單的通知》（商建函［2018］654號），確立了北京、西安等55個供應鏈創新與應用試點城市，其中最為重要的目標是探索打造大數據支撐、網絡化共享、智能化協作的體制機制和市場環境相關資料來源于《關于復制推廣供應鏈創新與應用試點的第一批典型經驗做法的通知》（商建函［2020］110號）和各試點城市政府網站，并由作者摘錄和整理。。

（二）理論分析與研究假設

實物期權理論認為，投資產生的不可逆性使得企業必須通過預測投資的未來收益來選擇最優的投資時機和規模。當勞動力投資被視為看漲期權以匹配擴張戰略時，企業仍然需要考慮潛在風險并等待獲得最大回報的時機［10-11］。反之，若勞動力邊際成本大于邊際收益時，勞動力投資則可以理解為看跌期權，企業可以用資本要素投入替代勞動力要素，使要素配置向合理水平收斂，因而外部風險應納入資源配置的最優函數設計之中。數字化供應鏈變革緩解了傳統模式下上下游企業信息不對稱和交易摩擦成本的制約，幫助企業重塑數字化業務流程，有助于提高企業對未來風險的準確預判和有效應對，從而為勞動力配置決策提供動態支撐。其一，信息的實時性。供應鏈風險傳導具有滯后性，當企業面臨上游原材料供給不足和下游需求快速變化時，如果不能及時挖掘市場波動的有效信息，則會由于喪失最佳的修正時機而產生長鞭效應（Bullwhip?Effect）［12］。以新一代信息技術嵌入供應鏈管理為特征的數字化變革打破了供應鏈合作伙伴之間的信息屏障，可以及時判斷外部商業環境的機遇與潛在風險［9］。其二，信息的兼容性。與單一企業數字化轉型不同，數字化供應鏈變革可以更好地借助數字技術將不同企業之間非標準化的數據進行編碼和整合，從而提高信息使用效率，為有效應對風險提供支持。其三，信息的全面性。供應鏈管理過程中在“產品設計—配件采購—產品制造—分銷管理—物流配送—售后服務”等供應鏈網絡結構中積累了大量零散的數據信息，數字化供應鏈變革實現了數據信息在各流程活動中的流通互動和循環反饋［13］，這一方面有助于復雜情境下的智能化全景分析，提前預期外部威脅；另一方面可以建立適應性、響應性和快速修復的供應鏈網絡，通過不同部門互動的智能化修正機制，精準應對不同風險。數字化供應鏈變革所帶來的風險管理能力提升給予了企業管理者在勞動力配置方面更大的空間，優化了勞動力投資決策質量。已有研究從不同角度驗證了風險降低和勞動力投資效率提升之間的邏輯聯系。卜君和孫光國（2020）研究發現，當管理者缺少充足、可靠的風險預防和應對信息時，會削弱管理者的決策能力，導致勞動力決策偏離最優水平［14］。Habib和Hasan（2021）實證分析的結果顯示，企業所面臨的不確定性而非代理問題是導致企業低勞動力投資效率的主要因素［15］。

強化創新動能是數字化供應鏈變革促進企業勞動力投資效率提升的另一條路徑。數字化供應鏈變革對企業創新行為的影響是由“賦能”轉向“使能”［16］。在數字化供應鏈轉型的“賦能”階段，企業會加大人工智能、物聯網等為代表的新一代信息技術方面的研發投入，賦能數字技術與傳統生產模式互嵌，通過數據知識創新對生產資源進行優化重組和邊界擴張，促進供應鏈內部企業之間的戰略一致性，提升供應鏈運作效率。“使能”階段則是指數字化技術的突飛猛進打破了原有封閉式創新研發的困境，倒逼企業必須利用數字化技術進行外部創新網絡建設，通過產業鏈生態數據的實時收集、共享，以最小的成本對創新活動的方向進行把控和優化，實現數據作為知識載體和基礎的創新轉型［17］。順延上述邏輯，數字化供應鏈變革在創新層面上的“投入—產出”革新會從“替代效應”和“激勵效應”兩方面影響企業的勞動力配置效率。“替代效應”是指數字化供應鏈變革所帶來的技術創新會通過替代低技能勞動者實現規模收益遞增，通過降低勞動力過度投資優化企業勞動力配置效率［18］。“激勵效應”是指主營業務領域創新能力的提升會放寬生產函數中的技術制約，實現生產規模擴張，激勵管理者增加高技能勞動力數量以滿足最優要素配置比率。孫偉增和郭冬梅（2021）發現數字化變革有助于提升企業的創新水平，并通過生產規模效應、生產效率效應和經營范圍效應提升企業高技能勞動力的需求［19］。綜合以上分析，本文提出如下假設：

H：在其他條件不變的前提下，以數字化變革為核心的供應鏈創新與應用城市試點開展會促進當地企業勞動力投資效率的提升。

三、模型設定、數據來源與變量定義

（一）基準模型

本文借助供應鏈創新與應用城市試點構建雙重差分模型，用試點城市虛擬變量和政策前后時間虛擬變量的交互項作為核心解釋變量，具體模型設定如下：

Liei，t=α0+α1Treati，j×Posti，t+α2Controlsi，t-1+δi+φt+εi，t?（1）

（1）式中的i代表企業，t代表時間，j代表城市，Lie為企業勞動力投資效率，即本文的核心被解釋變量。Treat為實驗組虛擬變量，若企業所在城市屬于供應鏈創新與應用試點則取值為1，否則為0；Post為外生沖擊的時間虛擬變量，若年份大于等于2018則取值為1，否則為0，兩者乘積的回歸系數α1是本文關注的重點。Controls代表企業和城市層面的控制變量。δ、、ε分別代表個體固定效應、年份固定效應和誤差項。

（二）樣本選擇與數據來源

本文以2013-2020年中國A股上市非金融類企業作為研究對象，分析供應鏈創新與企業勞動力投資效率間的關系，參照以往研究做法對樣本進行如下處理：第一，刪除在時間窗口內被ST或PT處理的企業樣本；第二，刪除時間窗口內觀測值個數少于3的企業樣本；第三，刪除主要研究變量缺失的樣本，并對所有連續變量進行左右1%水平縮尾處理，最終得到2738個企業共16988個觀測值。企業層面的相關數據來源于CSMAR和Wind數據庫，城市層面的變量源自各類統計年鑒。

（三）變量定義

1因變量

借鑒李小榮等（2021）的做法［7］，通過勞動力投資預測模型測算企業的非效率勞動力投資，具體模型如（2）式所示：

Hire=β0+β1Growtht－1+β2Growtht+β3ΔRoat+β4ΔRoat－1+β5Roat+β6Return+β7Sizet－1+β8Quickt－1+β9ΔQuickt+β10ΔQuickt－1+β11Levt－1+β12Loss1t－1+β13Loss2t－1+β14Loss3t－1+β15Loss4t－1+β16Loss5t－1+∑Year+∑Ind+εt（2）

模型（2）中，等式左側Hire表示企業員工雇傭數的增長率，用于度量企業對勞動力的投資水平。等式右側的Growth、Roa、Return、Size、Lev、Quick分別表示營業收入增長率、凈資產收益率、個股年度回報率、公司規模、資產負債率以及速動比率。Loss1—Loss5是將企業年度Roa從0至-0025平均劃分為五等份所設定的虛擬變量，若企業Roa數值屬于某一區間則為1，反之則為0。表示對應指標本年度與上一年度的差分值，t表示時間。本文對模型（2）進行OLS回歸，并控制年份和行業固定效應，以所得殘差項的絕對值衡量企業非勞動力投資效率，該值越小，則企業勞動力投資更接近于最優水平，勞動力投資效率越高，反之，則偏離最優水平，勞動力投資效率越低。

2控制變量

參照以往有關勞動力投資效率文獻研究的做法［7］，本文選取企業層面和城市層面兩類控制變量。企業層面的控制變量包括：市值賬面比、企業規模、速動比率、資產負債率、現金流量波動率、固定資產占比、公司虧損情況、第一大股東持股、公司凈雇傭變異系數、勞動密集度、非效率投資以及財務報告質量；城市層面的控制變量包括人均GDP、產業結構以及貨運總量。有關變量的度量方式如表1所示。

（四）描述性統計特征

表2報告了主要變量的描述性統計結果。可以發現Lie1和Lie2兩個度量企業非效率勞動力投資的指標在25%分位數、中位數以及75%分位數位置均勻分布，且最大值和最小值之間跨度較大，表明不同企業的非效率勞動力投資具有明顯差異。Treat均值為0514，即有514%企業被劃分為實驗組，其余486%的企業為對照組。

四、基準回歸及穩健性檢驗

（一）基準回歸分析

表3為供應鏈創新與應用試點的開展對企業非勞動力投資效率的基準回歸結果。首先，第（1）和（4）列的回歸模型中僅加入年份和個體固定效應，結果顯示，核心解釋變量Treat×Post的回歸系數在1%置信水平顯著為負；其次，第（2）和（5）列的回歸模型中加入了企業層面的控制變量，此時Treat×Post的回歸系數均至少在5%的置信水平下顯著；最后，第（3）、（6）列加入了城市層面的控制變量，結果未出現明顯變化。上述結果表明，以數字化轉型為核心的供應鏈創新與應用試點政策顯著提升了試點城市上市企業的勞動力投資效率，本文假設H得到驗證。

（二）穩健性檢驗

本文不僅進行了平行趨勢檢驗、安慰劑檢驗，還考慮地區和行業特性、同期其他政策干擾，以保證雙重差分模型設計的科學、準確。此外，為了增強研究結果的可信度，本文還進行了調整勞動力投資效率的度量方式、調整樣本區間和加入年份-地區聯合固定效應等穩健性檢驗限于篇幅，穩健性檢驗結果未做報告，留存備索。。

1平行趨勢檢驗

參照Ferrara等（2012）的做法［20］，生成所選樣本區間內年份虛擬變量與實驗組虛擬變量的交互項，并帶入基準回歸模型中重新進行回歸，結果如表4所示。可以發現，政策實施前，年度虛擬變量與實驗組虛擬變量交互項的回歸系數均不顯著，這說明試點城市企業和其他城市企業的勞動力投資效率在外生沖擊之前沒有明顯差異，平行趨勢假設成立。與之對比，從政策當年起交互項系數出現明顯變化，說明實驗組和對照組企業勞動力投資效率的變化是由供應鏈創新與應用試點的開展所引起的。

2安慰劑檢驗

為了進一步證實企業勞動力投資效率的提升是由供應鏈創新與應用試點政策推行所導致，而并非是由城市層面其他不可觀測因素所引起，參照以往研究的做法，我們進行如下安慰劑檢驗。對有上市企業的城市進行1000次隨機抽樣生成實驗組（令被抽到城市的企業為實驗組），再利用基準回歸模型重新進行驗證。下圖為1000次隨機化測試后核心解釋變量t值和回歸系數的核密度圖。觀察發現，對于Lie1和Lie2兩個指標，核心解釋變量的t值和回歸系數大致以0為均值呈正態分布，證明安慰劑檢驗符合隨機化的測試要求。并且，圖中豎線所在的位置（對應于表3中第（3）、（6）列的結果），顯著異于隨機抽樣測試的結果，可以部分排除實證結果是由其他未控制特征所引起的。

五、進一步分析

（一）機制檢驗

前文理論部分提到，降低經營風險和提升創新強度是數字化供應鏈變革影響企業勞動力投資效率的兩條機制。基于此，本文采用中介效應模型進行驗證，模型設定如下：

Medi，t=ρ0+ρ1Treati，j×Posti，t+ρ2Controlsi，t-1+δi+φt+εi，t?（3）

Liei，t=λ0+λ1Treati，j×Posti，t+λ2Medi，t+λ3Controlsi，t-1+δi+φt+εi，t（4）

模型（3）和（4）中，Med表示中介變量，其余變量和回歸方程的設定與基準回歸模型保持一致。

1降低經營風險機制

參考John等（2008）的做法［21］，利用滾動的企業3年營業利潤率的標準差衡量企業經營風險（Risk），Risk越大代表企業經營風險越高。表5報告了經營風險機制的回歸結果，可以看出，Risk作為被解釋變量時，Treat×Post的系數顯著為負，證明供應鏈創新與應用城市試點政策有效降低了當地企業的經營風險。第（2）、（3）列中，Risk的系數值顯著為正，且Treat×Post回歸系數在通過顯著性檢驗的同時小于表3中（3）、（6）列對應的系數值（-0018和-0024），經營風險的部分中介效應得到驗證。

2提升創新強度機制

本文使用每千人人均研發投入作為創新強度的代理變量：每千人人均研發投入（Rd）=企業研發費用/（企業員工雇傭數×1000）前人研究中部分學者使用研發費用占營業收入的比重刻畫企業創新強度，但是就本研究而言，本文的被解釋變量為勞動力投資效率，因而使用人均的方式對研發投入進行標準化處理與理論和實證設計更近。，該值越大則企業創新強度越大。表6報告了創新強度機制的回歸結果，觀察可以發現，第（1）列中，Treat×Post的系數顯著為正，說明供應鏈創新與應用城市試點政策有效提升了當地企業的創新強度。在（2）、（3）列中，Treat×Post的系數依然顯著為負，且相較于基準回歸模型對應系數值有所減小，同時Rd的回歸系數至少在5%水平下顯著。上述結果說明供應鏈創新與應用試點的開展有助于通過提高企業創新強度的部分中介效應提升勞動力投資效率。

（二）勞動力投資不足與投資過度分析

前文的回歸模型檢驗了數字化供應鏈變革對企業勞動力投資效率的正向影響，那么這種影響是緩解了企業勞動力投資不足還是抑制了勞動力投資過度？抑或是兩者皆有？為了探究這一問題，參照已有研究［8］，依據式（2）估計所得殘差項的正負號，將樣本劃分為勞動力投資不足和投資過度（殘差項為負表示投資不足，反之為投資過度）。表7的結果顯示，在勞動力投資不足組別中，Treat×Post的回歸系數在1%水平下顯著為負，這說明供應鏈創新與應用試點的實施顯著緩解了企業勞動力投資不足問題。與之相反的是，在勞動力投資不足組別中，Treat×Post的系數并未通過顯著性檢驗。對于二者之間差異可能的原因是：其一，短期內數字化供應鏈變革帶來的正向效應會部分被勞動力成本粘性所抵消，我國不斷加強的員工保護政策可能會影響企業的雇傭行為。其二，數字化供應鏈變革在短期內可能面臨“信息悖論”，即新一代信息技術應用成功率較低且難以與傳統信息系統實現有效兼容，導致短期內對人力資本的替代效應有限。

（三）異質性分析

1地區市場化水平

較高的地區市場化水平意味著該地區生產要素流動更趨近于完全競爭市場。從數字化變革角度而言，相比于市場化程度較低的地區，高市場化水平地區更容易實現企業間的自由競爭和匹配，更有益于企業適應新技術環境，加速企業數字化變革的要素集聚效應。從勞動力視角看，高市場化水平地區的企業員工具有更高的流動性。張文武和余永澤（2021）發現地區市場化程度可以促進勞動力市場的自由流動；相反，低市場化水平地區企業人事制度則具有更強的傳統關系型社會屬性，員工的雇傭往往偏離最優決策［22］。本文使用王小魯等（2017）構建的市場化指數中位數進行分組［23］，對高市場化地區組和低市場化地區組分別進行回歸。表8的結果顯示，高市場化水平組別中數字化供應鏈變革對企業勞動力投資效率的影響在1%水平上顯著，而低市場化水平組別中核心解釋變量的回歸系數不具有顯著性意義，該結果與理論上的預期相同。

2代理成本

雖然數字化供應鏈變革促進了企業與上下游之間的信息共享，進而能夠修正以往零散信息形態產生的戰略偏誤，但是企業在數字化轉型過程中依然面臨代理問題的阻礙［14］。一方面，短期內數字化供應鏈變革會增加企業的財務壓力，因而企業管理層出于自身收益和聲譽的考慮，有可能抵制數字化供應鏈變革的進程。另一方面，在數字化供應鏈變革的初期階段，風險管理、財務審核等制度尚不完善，給予了管理層更高的自由裁量權，管理者可以通過隱蔽的業務流程攫取私人利益，造成資源誤置。基于上述分析，本文推測，供應鏈創新與應用試點的改革對企業勞動力投資效率的促進作用主要體現在代理成本較低的企業之中。為此，本文使用管理費用率（管理費用/營業收入）度量企業的代理成本，該指標越大表明代理成本越高，同時依照管理費用率中位數將樣本劃分為高代理成本組和低代理成本組分別進行回歸，結果如表9所示。觀察發現，在低代理成本組別中，Treat×Post的系數在1%水平下顯著為負，相比而言，高代理成本組別中，核心解釋變量并未通過顯著性檢驗。對比兩組的回歸結果可以證實，數字化供應鏈變革對企業勞動力投資效率的影響存在不同代理成本條件下的異質性。

六、結論及啟示

數字化供應鏈變革不僅賦予企業營運效率提升新的動能，同時也可以為優化企業資源配置決策質量提供支持。本文借助供應鏈創新與應用試點這一“準自然實驗”構建雙重差分模型，實證檢驗數字化供應鏈變革對企業勞動力投資效率的影響效應及渠道機制，得到如下結論：（1）以數字化變革為核心的供應鏈創新通過降低經營風險和提高創新強度兩條機制顯著提升了企業的勞動力投資效率。（2）從投資不足和投資過度視角看，短期內數字化供應鏈變革對緩解高技能勞動者投資不足的影響較為明顯，而對投資過度的作用力度有限。（3）數字化供應鏈變革對高市場化地區和低代理成本企業勞動力投資效率的提升作用更大。基于以上結論，本文得到如下啟示：

宏觀制度層面。各級政府應洞察供應鏈創新與應用試點改革中的經驗做法，大力推動數字化供應鏈變革的制度體系建設。首先，應借助“產學研用”協作、人才引進等手段突破數字化供應鏈變革中的共性及個性技術難題，幫助企業盡快渡過“陣痛期”。其次，著力建設數字化供應鏈平臺，實現供應商和客戶之間的精準對接，釋放數字化轉型的市場活力。最后，政府在數字化供應鏈變革中的政策制定應該根據不同地區要素稟賦等因素，實施差異化、針對性的扶持措施，推進區域間、產業間協調、均衡發展。

企業戰略層面。企業應轉變傳統單打獨斗和上下游企業之間溢價博弈競爭的戰略思維，在夯實數字化技術底座的基礎之上，形成數據化驅動、網絡化共享、智能化決策和敏捷化協作的數字化供應鏈體系，提高資源配置效率。第一，結合自身實際，加大數字化變革的創新投入，搭建立體化、協同化的供應鏈網絡，驅動數字化技術創新帶動產品、服務和管理模式的全面創新。第二，積極探索外部數字資源與內部要素配置能力提升間的有效銜接機制，建立復雜商業模式下的數字化情景模擬和風險應對系統，最終實現戰略決策的自我修復、自我適應和自我重新配置功能。第三，構建適應數字化技術和業務模式變革的公司治理機制，消除管理層和股東之間由于數字化變革引發的信息不對稱問題，抑制管理層的機會主義行為。

參考文獻：

［1］Wu?L，Hitt?L，?Lou?B.?Data?analytics，?Innovation，?and?Firm?Productivity［J］.?Management?Science，?2019，66（5）：2017-2039.

［2］陳劍，劉云輝.數智化使能運營管理變革：從供應鏈到供應鏈生態系統［J］.管理世界，2021（11）：227-240.

［3］Verhoef?P?C.，Broekhuizen?T，?Bart?Y.?Digital?Transformation：?a?Multidisciplinary?Reflection?and?Research?Agenda［J］.?Journal?of?Business?Research，?2021，122：889-901.

［4］Biddle?G?C，?Hilary?G，?Verdi?R?S.?How?does?Financial?Reporting?Quality?Relate?to?Investment?Efficiency？［J］.?Journal?of?Accounting?and?Economics，?2009，48（2）：112-131.

［5］Lu?T，Sapra?H.?Auditor?Conservatism?and?Investment?Efficiency［J］.?The?Accounting?Review，2009，84（6）：1933-1958.

［6］申慧慧，于鵬，吳聯生.國有股權、環境不確定性與投資效率［J］.經濟研究，2021（7）：113-126.

［7］李小榮，韓琳，馬海濤.內部控制與勞動力投資效率［J］.財貿經濟，2021（1）：26-43.

［8］Ben-Nasr?H，Alshwer?A?A.?Does?Stock?Price?Informativeness?Affect?Labor?Investment?Efficiency？［J］.?Journal?of?Corporate?Finance，2016，38：249-271.

［9］焦豪，楊季楓，王培暖，等.數據驅動的企業動態能力作用機制研究——基于數據全生命周期管理的數字化轉型過程分析［J］.中國工業經濟，2021（11）：176-194.

［10］Gulen?H，?Ion?M.?Policy?Uncertainty?and?Corporate?Investment［J］.?Review?of?Financial?Studies，?2016，29（3）：523-564.

［11］譚小芬，張文婧.經濟政策不確定性影響企業投資的渠道分析［J］.世界經濟，2017（12）：3-26.

［12］楊志強，唐松，李增泉.資本市場信息披露、關系型合約與供需長鞭效應——基于供應鏈信息外溢的經驗證據［J］.管理世界，2020（7）：89-105.

［13］Ivanov?D，Dolgui?A.?A?Digital?Supply?Chain?Twin?for?Managing?The?Disruption?Risks?and?Resilience?in?the?Era?of?Industry?4.0［J］.?Production?Planning?&?Control，2021，32（9）：775-788.

［14］卜君，孫光國.環境不確定性會影響企業勞動投資效率嗎？［J］.經濟管理，2020（10）：23-38.

［15］Habib?A，?Hasan?MM.?Business?Strategy?and?Labor?Investment?Efficiency［J］.?International?Review?of?Finance，?2021，21（1）：58-96.

［16］楊震寧，侯一凡，李德輝，等.中國企業“雙循環”中開放式創新網絡的平衡效應——基于數字賦能與組織柔性的考察［J］.管理世界，2021（11）：184-205.

［17］Nambisan?S，?Lyytinen?K，?Song?M.?Digital?Innovation?Management：?Reinventing?Innovation?Management?Research?in?a?Digital?World［J］.?MIS?Quarterly，?2017，41（1）：223-238.

［18］Alesina?A，?Battisti?M，?Zeira?J.?Technology?and?Labor?Regulations：?Theory?and?Evidence［J］.?Journal?of?Economic?Growth，?2018，?23：?41-78.

［19］孫偉增，郭冬梅.信息基礎設施建設對企業勞動力需求的影響：需求規模、結構變化及影響路徑［J］.中國工業經濟，2021（11）：78-96.

［20］Ferrara?E?L，?Chong?A，?Duryea?S.?Soap?Operas?and?Fertility：?Evidence?from?Brazil［J］.?American?Economic?Journal：?Applied?Economics，?2012，4（4）：?1-31.

［21］John?K，Litov?L，?Yeung?B.?Corporate?Governance?and?Risk-Taking［J］.?Journal?of?Finance，2008，63（4）：?1679-1728.

［22］張文武，余泳澤.城市服務多樣性與勞動力流動——基于“美團網”大數據和流動人口微觀調查的分析［J］.金融研究，2021（9）：91-110.

［23］王小魯，胡李鵬，樊綱.中國分省份市場化指數報告（2021）［M］.北京：社會科學文獻出版社，2021.

Digital?Supply?Chain?Reform?and?Firm?Labor?Investment?Efficiency：?Empirical

Evidence?from?Supply?Chain?Innovation?and?Application?Pilot

ZHU?Dan-feng，LI?Yu-kun

（International?Business?School，Shaanxi?Normal?University，?Xian?710119，China）

Abstract：?Based?on?the?supply?chain?innovation?and?application?pilot?carried?out?in?2018?as?a?“quasi-natural?experiment”，?this?paper?constructs?a?difference-in-difference?model?and?selects?listed?companies?from?2013?to?2020?as?samples?to?explore?the?impact?of?digital?supply?chain?reform?on?firm?labor?investment?efficiency?and?its?channel?mechanism.?The?results?show?that?the?digital?supply?chain?reform?has?significantly?improved?the?firm?labor?investment?efficiency，?and?the?main?paths?are?to?reduce?business?risks?and?improve?innovation?intensity.?Further?analysis?shows?that?in?the?short?term，?the?impact?of?digital?supply?chain?reform?on?alleviating?the?underinvestment?of?highly?skilled?workers?is?more?obvious，?while?the?effect?on?overinvestment?is?limited.?Heterogeneity?analysis?show?that?the?role?of?digital?supply?chain?reform?in?improving?labor?investment?efficiency?is?mainly?reflected?of?firms?in?areas?with?high?degree?of?marketization?and?firms?with?low?agency?cost.?The?research?not?only?enriches?the?theoretical?cognition?of?digital?supply?chain?reform?and?resource?allocation?efficiency，?but?also?provides?valuable?implications?for?the?comprehensive?promotion?of?pilot?policies?in?the?next?step.

Key?words：digital?supply?chain?reform;?labor?investment?efficiency;?risk?response;?innovation?intensity;?difference-in-difference

（責任編輯：趙春江）