數字化轉型、產業鏈整合與全要素生產率

陳彥君 郭根龍

摘? ?要：在數字化轉型作用下，企業整體產業鏈顯示出不同于傳統技術的優勢，驅動著企業全要素生產率不斷提升。本文使用2011—2021年中國上市公司的非平衡面板數據并運用文本分析法構建相應指標來剖析數字化轉型對全要素生產率（TFP）的作用機制。研究發現：數字化轉型可以對企業TFP產生正向促進作用，在內生性、穩健性檢驗之后依然穩健。機制分析可知，數字化轉型可以通過專業化分工與供應鏈整合實現對產業鏈整合效率的提升，從而實現企業TFP的提升。異質性檢驗可知，數字化轉型對企業TFP的促進作用在市場化水平低地區與非國有企業與中更顯著。

關鍵詞：數字化轉型；全要素生產率；專業化分工；供應鏈整合；產業鏈整合

DOI：10.3969/j.issn.1003-9031.2024.02.001

中圖分類號：F272? ? ? ? ? ? ?文獻標識碼：A? ? ?文章編號：1003－9031（2024）02－0003－16

一、引言及文獻綜述

數字化轉型是增速企業生產要素體系重組，推進經濟高質量發展的新動能（劉平峰等，2021）。在推動經濟高質量發展過程中，全要素生產率的增長發揮著綱領性作用，但當前TFP的增長受到企業創新能力、資源配置以及產業鏈韌性等問題的制約。數字化轉型為企業提升全要素生產率提供了“彎道超車”的新契機，厘清兩者間影響與作用機制，可以為我國新發展格局下數字化轉型、新發展模式下的經濟高質量發展提供相應的理論基礎和政策建議。

在新時代背景下，經濟高質量發展對進一步提高全要素生產率提出了更高的要求。數字化轉型給企業帶來的經濟效益受到眾多學者的關注，核心研究脈絡大致可分為內、外兩方面的影響。內部影響因素從企業組織結構與生產率等視角出發，認為企業數字化轉型對全要素生產率的促進主要通過提升企業的微觀經濟效應。相關研究包括效率提升、知識溢出、創新、GVC攀升以及成本節約等方面（Acemoglu et al.，2014；張晴和于津平，2020；劉艷霞，2022）。在外部影響因素方面，認為數字化轉型可以讓企業更多地承接外部技術，從而實現企業結構的重塑。相關研究包括保護政策、資金支持、市場競爭、企業組織結構、服務化轉型以及數字金融發展等方面（Cull，2005；Aghion，2012；簡澤等，2012；劉政等，2020；趙宸宇等，2021；陳中飛等，2021）。此外，在對企業全要素生產率的影響方面，已有文獻從數字化轉型對生產率、資金管控以及創新溢出效應等視角展開研究（花俊國等，2022；涂心語等，2022）。在數字化轉型影響產業鏈供應鏈方面，有研究認為企業數字化轉型可以提升產業鏈創新水平（楊金玉等，2022）以及供應鏈的效率（張任之，2022）。雖已有不少文獻從各個視角做出研究，但基于產業鏈供應鏈關系視角的研究還較欠缺，研究企業數字化轉型與產業鏈供應鏈以及企業生產率之間具體因果關系論文較少，故嘗試從產業鏈整合視角入手，將產業鏈整合度細分為專業化分工與供應鏈整合度兩方面，聚焦研究產業鏈整合作用的內在機理，進一步厘清數字化轉型與全要素生產率的作用機制。

鑒于此，本文選取2011—2021年中國上市企業作為研究樣本，爬蟲國家政策表述中與數字轉型相關詞匯并構建對應的衡量指標，驗證數字化轉型如何通過專業化分工與供應鏈整合來提升產業鏈整合效率的，最終實現企業TFP的提升。文章創新點在于：在研究目的上，系統地拓展企業數字化轉型領域至產業鏈整合的研究，從產業鏈整合的根本構成因素出發，解釋企業如何通過提高自身數字化轉型程度提升產業鏈整合水平進而實現全要素生產率的提升。在研究范式上，從產業鏈整合視角出發，識別產業鏈整合在數字化轉型與全要素生產率中的多元化因果關系，助力于拓展明晰企業數字化轉型對全要素生產率的作用渠道分析，加深微觀層面對數字化轉型的研究。在研究內容上，為進一步增強研究的可行性與多元性，檢驗不同所有制與市場化程度企業數字化轉型驅動企業TFP提升的異質性，有利于在高度不確定的大環境下更為精細準確地設計政策。

二、理論分析

（一）數字化轉型影響企業TFP的理論分析

能否完成數字化轉型是企業在數字經濟時代實現戰略轉型的關鍵，這要求企業將數字技術引入到企業生產方式與組織結構中，通過與企業各方面要素深度融合，構建出以數據為中心的價值創造系統，進而完成企業商業模式的變革和轉型（WU et al.，2019）。其本質即轉變傳統工業化經營方式為新型數字化經營方式，從“產品思維”轉變為“用戶思維”，進而轉變為“數據思維”（劉淑春等，2021）。全要素生產率在大體上可以概括為在指定時間內某企業在生產經營活動中的產出效率（馮雨豪等，2022）。在資源基礎理論的衍生研究中，Barney（1991）指出企業能否取得競爭性優勢主要在于其是否具備不可復制的、無法取代的資源。企業的數字化技術就屬于上述這類核心的無形資源（胡水晶，2016），在合作端整合零散數據作為技術相關的生產要素，推動企業組織架構與生產管理的數字化重建。

數字技術通過作用于企業內部整體產業鏈，驅動著企業全要素生產率不斷提升。第一，數字化轉型提高企業勞動生產效率。企業引入數字化技術到生產過程將實現單位勞動生產率的提高，對人力資源的重新智能向分配也將提升服務性人力資本水平。第二，企業數字轉型將數字技術與企業本身組織架構相融合，提高組織管理效率，實現數字化管理模式。對內進行數字化配置，打破數據孤島，準許企業經營更具彈性與平臺性；對外提升供應鏈整合效率，優化上下游信息技術匹配。第三，數字化轉型存在規模經濟效應。通過數字化技術，企業可以打破傳統商業模式并改變自身原有的價值創造模式，實現供需兩側在產業鏈全過程中的價值共創（Li，2020）。政府也可以運用數字平臺協調整個商業生態，平衡各利益相關者；快速響應新消費需求，不斷提升跨界競爭和運營能力，以期實現規模經濟和范圍經濟。綜上，企業數字化轉型可以通過規模經濟與范圍經濟效應，增強市場整合創新能力、驅動生產要素迭代升級，提升勞動效率與技術水平，實現全要素生產率的增長。基于此，提出假設1：

H1：數字化轉型可以正向促進企業全要素生產率。

（二）數字化轉型通過影響產業鏈整合度來影響企業TFP

區別于過去傳統產業內外的分工網絡，中國社會科學院工業經濟研究所課題組（2021）認為模組化縱向網格是當前典型形態，且包含由交易供需方與交易第三方組成的主體要素以及相關主體之間關聯關系構成的結構要素。根據產業組織理論、企業能力理論以及新的產業鏈整合理論等可總結得出產業鏈整合定義（曾楚宏和王斌，2010）：在特定產業領域中，通過企業間的合并、收購、戰略合作等方式，實現各生產與供應環節的協同整合，以提高生產效率、優化市場競爭地位，并增強全價值鏈的綜合業務效益；在特定企業內部，為實現長期利潤最大化與產業創新，調整自身結構以及產業鏈參與結構，重新分配產業鏈上資源。產業鏈整合有利于形成穩定的供應鏈合作關系，增進上下游各企業生產與投資。現有研究從以下兩個角度對數字化轉型作用于產業鏈整合進行分析，一方面從企業特征視角出發，通過下游客戶股權結構調整（王勇，2020）與上游供應企業技術跟進（李姝等，2021）等方面來闡明影響；另一方面關注企業外部環境，從國家政策不確定性（Leung and Sun，2021）與產業間行業競爭（Larkin，2020）等方面做出解釋。

企業的數字化轉型可以優化對產業鏈的信息與資源，促進產業鏈向更優集中水平發展（巫強、姚雨秀，2023），還可以通過數字賦能企業，利用數字技術的外部性、協同性以及滲透性等特征，在產業鏈全過程中牽引企業生產率不斷提升。數字化的外部性體現在企業數字化轉型帶來的影響不僅作用于企業內部，還會外溢通過產業鏈流向相關關聯主體（范合君，2023）。各類數據要素通過產業鏈整合在上下游間充分流動與配置。數據的協同性削弱地理距離產生的壁壘效應，產業鏈整合下的各方主體可以更高頻地傳播知識要素與數字技術，增強協同發展與抗風險能力。采用數字供應鏈管理系統，也可以實現對產業鏈供應鏈的實時監測與協同協作。強滲透性使得數據要素可以進入到產業鏈供應鏈各個環節，順應需求端導向，指引供給端向柔性化制造轉變。可見，數字化技術可以強化產業鏈整合效應并使得企業數字化轉型通過產業鏈關聯對其他市場主體形成正向溢出效應。產業鏈整合要求企業順應外部環境變化與自身數字化發展不斷調整經營管理策略，提高技術創新水平以加工整合海量合作者數據資源，于外部選擇高供應鏈整合效率策略、于內部選擇專業化分工協同合作模式。依托數字化轉型，實現產業鏈上數據的采集、整合和深度分析，促進對供應鏈、生產流程以及市場需求等關鍵要素的深刻理解；使用數字化工具和技術，協同內外部利益相關者來優化流程、降低成本，適應市場需求和變化，實現產業鏈深度整合。供應鏈整合效率與專業化分工水平越高，企業產業鏈整合效率越高。高產業鏈整合度有利于企業整合優勢資源要素與行業資源，增加經濟規模、縮短參與價值鏈，提高自身全要素生產率。基于此，提出假設2：

H2：數字化轉型可以提高產業鏈整合度來提升企業全要素生產率。

1.數字化轉型通過專業化分工來影響企業TFP

數字化轉型有助于企業專業化分工的提升（袁淳等，2021），并且能促進企業向專業化方向發展，通過將生產流程數字化，重新構建自己的數據基礎。通過數據間的協作，使得不同企業實現數據資源的共享，優化創新資源的配置（Jones and Tonett，2020）。在交易成本理論中，開展交易主要有市場與企業兩種結構（Williamson，1985），市場制度與企業制度兩方交易成本大小共同決定企業的專業化分工程度。對于企業的外部交易成本而言，專業化分工利用企業不同的資源稟賦優勢，充分提高各企業資源配置效率，幫助企業自身提高生產效率，提升創新績效。一方面，數字技術可以降低信息成本，如信息的存儲、散播和搜尋等（Malone et al.，1988），以此擴大企業間時空邊界與交易合作者范圍，降低隱形搜尋成本。另一方面，數字化技術可以降低外部協調成本（施炳展和李建桐，2020），提升企業政策的靈活性，一定程度上降低企業在交易中因各種信息壁壘產生的外部成本。同時，數字化技術還有利于減少監管成本。高新數字化技術實時對交易進行追蹤，減少人為交易失誤的同時還可以不斷優化交易細節，對于企業內部管控成本而言，數字化轉型將有助于企業更有效地運營（Malone et al.，1988）。數字技術讓企業擁有更高效的信息管理系統（劉政等，2020），顯著減少企業內部整體產業鏈統籌協調的管控成本，通過促進內部縱向各部門間的聯動，提升企業管理效率、降低各部門協調成本，從而實現自身最優化的內部管控成本與經營效率（Fernández and Nieto，2006）。更完善的數字化信息網可以有效減少企業生產活動中可能出現的由代理問題、投機事件等問題產生的監管成本，以此明朗化、實時化企業內部縱向系列過程，在縱向維度促進企業垂直一體化發展（Chen and Kamal，2016）。數字化轉型推動企業專業化分工，于內部實現資源配置的合理化與高效率，于外部協同合作推動更多企業參與到專業化分工中。專業化分工讓企業可以將更多時間與精力放在信息資源高效地處理和整合上，不斷優化創新資源配置、提升數據資源有效性。此外，專業化分工還可以幫助企業集中精力于自身，充分發揮自身資源稟賦優勢、提高對產業鏈關鍵節點的控制能力，實現技術的突破與規模報酬的遞增，促進企業全要素生產率的提高。基于此，提出假設2a：

H2a：數字化轉型憑借提高企業專業化分工水平來提升企業全要素生產率。

2.數字化轉型通過影響供應鏈整合效率來影響企業TFP

供應鏈整合是企業管理實踐的核心要義之一，在激烈的市場競爭下，企業選擇與供應鏈上下游企業開展合作與交易的規模形成該企業供應鏈集中化整合效率，是企業的核心競爭優勢來源。供應鏈整合有利于彌補契約不完備與信息不完全等問題，更快捷方便地協調上下游供需矛盾。同時，供應鏈集中化更易使企業獲得競爭優勢，通過增強上下游各企業間的生產合作與共同投資，助力企業形成穩定牢靠的供應鏈合作關系，數字技術與企業的融合改變企業供應鏈整合的外部決策環境（張任之，2022）。數字化技術通過提供信息傳遞渠道，打破信息壁壘，降低企業及供應鏈成員間的信息非對稱性。同時，利用大數據的分析與預測，實現對資源的有效利用和合理配置與企業和供應鏈成員間的資源最優分配。數字化轉型運用高新技術，分別從推動供需匹配、維持供需關系穩定以及提升供應質量這三方面促進供應鏈整合從而牽引自身全要素生產率提升。數字技術主要通過信息效應來優化供應鏈供需配給。傳統供應鏈模式下信息不對稱的問題致使企業為快速響應市場需求需維持高產量、高庫存，當市場需求出現波動，該波動的偏離度就會隨著供應鏈的傳播而逐級增大（Cachon et al.，2007），中國眾多上市公司供應鏈同樣存在“長鞭效應”的問題。數字化技術創造的信息優勢可以傳遞更準確快捷的信息數據，減少冗雜信息傳遞帶來的成本、支持企業資源配置、形成信息效應，實現全要素生產率的提升。在維持供需關系穩定層面，數字化轉型一方面可以創造較好的外部經營環境來降低供應鏈交易成本、搜尋成本與協調成本，為自身全要素生產率提升提供有力支持。另一方面，數字技術減緩企業機會主義以及減少供應鏈資金占用，轉換供應鏈獨立參與模式，形成共生共存的產業鏈生態（陳劍和劉運輝，2021），促進供應鏈整合來提升企業全要素生產率。知識溢出與創新能力提升是供應質量層面上數字化轉型作用于供應鏈整合的途徑。數字賦能企業帶來知識溢出提供豐富的外部知識來源，有利于提升上下游技術關聯、范圍擴張與效率提升（楊金玉，2022），通過對創新水平的提升最終實現全要素生產率的提升。創新能力提升體現在企業與產業鏈供應鏈中關聯主體協調創新的過程中，數字化轉型通過提升供應鏈上垂直合作研發的創新能力，利用互補性知識逐級對接高新技術，增強企業創新能力從而提高企業TFP。基于此，提出假設2b：

H2b：數字化轉型通過提升供應鏈整合水平來促進企業全要素生產率。

三、研究設計

（一）樣本選擇與數據來源

考慮到中國企業數字技術主要在2010年之后集中快速發展，故選取2011—2021年中國上市公司作為初始研究樣本。其中，上市公司的財務數據與供應鏈集中度取自于國泰安數據庫、地級市數據摘錄自歷年《中國城市統計年鑒》。篩選并去除：缺失關鍵變量、數據嚴重缺失的樣本；金融、保險行業以及已退市公司樣本；當年被歸為ST、*ST以及PT種類的公司樣本。經過一系列處理得到21792個非平衡的面板數據，并運用Winsorization方法對所有變量進行1%分位水平上的縮尾處理，避免極端數據讓實證結果產生偏差的情況發生。

（二）關鍵變量測度與說明

1.被解釋變量：企業全要素生產率（TFP）

本文對企業TFP的測度在OP法的基礎上替換原有變量，使用LP法選取中間品投入作為新代理變量，有效減少數據損失、提高數據的使用效率以及緩解選擇性偏差問題與內生性問題。

2.解釋變量：企業數字化轉型（Digital）

借鑒袁淳等（2021）的做法，首先構建與數字化術語相關詞典。參考何帆和劉紅霞（2019）的分類方法，經過檢索官方網站、篩選相關文件與數字化識別等一系列處理，得到與數字化轉型相關詞語。其次，使用Python收集整理相應企業的年度報告，并利用文本分析法檢索報告中有關“管理層討論與分析”部分。再使用Python中“Jieba”功能，對上述詞典進行不同維度上的處理，統計各自在年報中出現的次數再除以總長度，最終得到數字化轉型程度指標。

3.控制變量

基于已有研究，分別從公司與地區層面選取一系列控制變量。變量的具體定義見表1所示。

（三）模型構建

1.基準計量模型

為了檢驗數字化轉型對企業全要素生產率的影響效應，借鑒施炳展等（2020）的研究思想，建立基準回歸模型如下：

TFP=α+αDigital+ΣControls+ΣFirm+ΣIndustry+ΣProvince+ΣYear+θ （1）

其中，TFP代表全要素生產率，下標i與t是對應企業與年份；Digital表示數字化轉型程度；Controls表示一系列控制組；Firm、Industry、Province、Year與分別代表公司、行業、省份以及年度四個固定效應；α表示截距項，θ是隨機擾動項；α是數字化轉型的估計系數。根據前文理論分析可知，如果α顯著為正，表明數字化轉型可以促進企業TFP，與假設1相符。

2.中介效應模型

為了檢驗數字化轉型、專業化分工與企業TFP之間的關系，參考江艇（2022）與Chen（2021）等檢驗思想以及溫忠麟和葉寶娟（2014）的方法，使用逐步回歸法構造中介效應模型如下：

Mediator=β+βDigital+ΣControls+ΣFirm+ΣIndustry+ΣProvince+ΣYear+θ （2）

TFP=γ+γDigital+γMediator+ΣControls+ΣFirm+ΣIndustry+ΣProvince+ΣYear+θ （3）

其中，Mediator表示中介變量；β表示截距項；β表示數字化轉型估計系數，式（3）中，γ表示截距項，γ表示數字化轉型估計系數，γ表示中介變量的待估系數。在式（1）與式（2）中α，β都顯著的情況下，當式（3）中γ也顯著時，如果γ同樣顯著，說明只存在部分中介效應。此外，考慮到樣本期內可能還存在上市公司改變主營業務或注冊地的情況，為減少因遺漏變量引起的內生性問題，控制公司、行業、省份以及年度四個固定效應。

（四）變量描述性統計

變量的描述性分析如表2所示。全要素生產率（TFP）平均值為15.1092、標準差為0.9223，說明該值離散程度較好且存在企業異質性。數字化轉型（Digital）作為解釋變量均值為0.1799，標準差為0.2733，最小值為0.0046，說明我國企業整體數字化轉型程度不高。總的來說，我國企業的數字化轉型程度在個體層面有顯著差異，且發展空間較大。處理后的樣本有較好的代表性與離散程度，符合經驗數值，適合用于后續建模實證分析。

四、實證檢驗與結果分析

（一）基準回歸分析

基準回歸結果如表3所示。列（1）展示僅控制固定效應的結果，Digital估計系數為0.2957，在1%上顯著為正。說明在沒有其他加入其他因素的情況下，企業數字化程度越高，企業全要素生產率水平就越高。列（2）在列（1）基礎上，加入其他控制變量。結果顯示Digital系數為0.0683，同樣在1%上顯著，證明假設1正確。

（二）內生性檢驗

數字化轉型與企業TFP之間可能存在反向因果問題：數字化轉型使得企業內部整體產業鏈在數字技術下顯示出不同于傳統技術的優勢，驅動著企業全要素生產率不斷提升；反言之，企業全要素生產率的提高，從內部對企業資源配置的合理化也提出更高要求，在外部也需要更多協作來推動專業化分工。為緩解可能出現的內生性問題，本研究使用工具變量對回歸進行檢驗。

首先，借鑒照郭家堂和駱品亮（2016）的研究方法，工具變量使用文章樣本數據之前年份（2001—2010年）不同省份的互聯網普及率。該變量一方面承接之后十年的樣本數據可以良好反映樣本時間段之前企業受互聯網信息技術的影響，具有相關性。另一方面，該數據作為前一序列時間段，不影響樣本選取后十年全要素生產率的發展變化，具有外生性。故該變量滿足工具變量的兩個條件，可作為合適的工具變量進行替代回歸。其次，第二個工具變量使用1984年各地級市每萬人的固定電話數量與下一期全國互聯網上網人數的交乘結果（趙濤，2020）。企業所在地過往歷史通訊設施發展程度會影響該企業對新興信息技術的接受程度，符合相關性的要求且企業全要素生產率與該地區通訊基建無直接聯系，滿足外生性條件。

表4中列（1）與列（2）為兩個工具變量的第二階段回歸結果。Digital系數均在5%水平下顯著且通過識別不足、弱工具變量以及過度識別檢驗，證明換個變量數字化轉型仍能促進企業全要素生產率的提升。

（三）穩健性檢驗

穩健性檢驗主要使用更換解釋變量衡量方法。指標重新構建主要采取如下方法：第一，參考袁淳（2021）的研究，選擇使用調整后的行業均值對數字化水平重新進行衡量，并記為DA。該指標可以消除個體絕對差異，反映行業中企業數字化轉型程度的相對水平。第二，借鑒張任之（2022）的研究，先劃分企業數字化相關詞匯為物聯網、互聯網以及云計算等五個方面，針對上述五個維度再構建得到Digital1至Digital5五個指標并進行離差化處理，最后求和處理后指標得到新的數字化指標，記做DS。第三，使用主成分分析法處理第二種變換方法得到的指標。取值大于1的因子保留作為新的數字化指標，記為DP。

表5中列（1）、列（2）、列（3）分別代表上述三種替代方法變更解釋變量后的穩健性檢驗回歸結果。可知，上述方法的回歸結果中Digital系數都通過了顯著性檢驗，與假設2一致。

（四）異質性分析

1.所有權性質的異質性檢驗

推測數字化轉型對企業帶來的影響可能因企業所有權性質不同而迥異。根據國泰安數據庫（CSMAR）對國有企業與非國有企業披露情況，按照是否為國企為標準對企業進行分組并回歸。回歸估計結果如表6列（1）、列（2）所示，可知非國有企業數字化轉型系數在5%上顯著為正，國有企業不顯著，說明政策的激勵不是企業提高數字化技術的根本動力。就公司內部管理效率而言，國有企業相對非國有企業更低（王洪盾等，2019），證明企業數字化轉型程度與企業內部管理效率有關。相比于國有企業，非國有企業內部產業鏈結構更靈活，治理效率更高，且始終以利益最大化為目標，可以快速調整自身競爭戰略以匹配消費者需求。基于此，非國有企業更容易接受新興技術，并使用數字化技術不斷優化自身產業鏈結構，實現全要素生產率的提升。

2.企業所在地區市場化水平的異質性檢驗

市場化水平可以反映該市場供需關系的敏感性，某地區市場化程度越高，意味著該地區市場機制越完善，越能傳遞出對投資導向的信息。考慮到數字化轉型對企業帶來的影響可能因企業所處地區市場化水平不同而迥異，使用企業所在省份市場化指數作為衡量地區市場化水平指標。異質性檢驗結果如表6中列（3）、列（4）所示，分析可知：市場化水平低的企業通過1%水平的顯著性檢驗。市場化水平更高地區企業其技術稟賦與數字化程度相對于市場化更低地區的企業而言較高，故引入數字化技術對全要素生產率產生的影響作用有限。市場化程度較低的地區可能存在資源和要素市場不夠完善等問題，影響企業的資源獲取和配置、導致信息不對稱與政策不確定性的發生，限制企業數字化轉型進程。數字化轉型可以更顯著地促進市場化較低地區的企業，幫助其優化供應鏈管理、創新商業模式以及增強數據驅動決策等，提升企業資源配置效率與勞動生產率，從而提升全要素生產率。

五、作用渠道與機制檢驗

（一）企業專業化分工（VSI）

企業專業化分工程度與垂直一體化程度是一組逆向指標，專業化分工程度越高意味垂直一體化程度越低，計算垂直一體化程度可以得到企業專業化分工程度。對垂直一體化程度衡量方法使用修正后的價值增值法。具體計算公式如下：

企業縱向一體化（VSI）用于測度企業垂直一體化水平，其反向指標為企業專業化程度（VSI），故有：

VSI=1-VSI （6）

VSI指標值越大，企業的專業化程度越高。另外，VSI取值的合理閾值應在[0，1]區間內，剔除掉偏離的觀測值（范子英和彭飛，2017）。

專業化分工的機制檢驗結果如表7所示。表7中列（1）與表3列（2）相同，均為基準回歸結果（表8、表9同）。列（2）結果顯示，數字化轉型系數為0.0465且顯著為正，說明數字化轉型對企業專業化分工有一定推動作用。列（3）顯示中介效應模型的回歸結果，結果顯示VSI系數為0.3895，在1%上顯著為正。Digital系數為0.0502，在5%上顯著為正。相較于列（1）基準回歸結果，在控制企業專業化分工水平后，Digital系數的數值與顯著性水平均有所下降，驗證了假設2a的猜想。

（二）供應鏈整合度（ISC）

考慮到供應鏈整合效率難以準確度量，選取供應鏈集中度來間接衡量供應鏈整合水平。基于供應鏈的宏觀視角，將上游供應商企業與下游客戶企業均納入企業供應鏈范圍，從更系統角度對供應鏈進行界定。同時，借鑒以往研究方法（唐躍軍，2009；巫強等，2023），對供應鏈整體集中度（ISC）的度量使用企業本年度前五大供應商采購比例和前五大客戶銷售比例的均值。

表8顯示供應鏈整合度的機制檢驗結果，其中列（2）Digital的待估系數為0.0955，在1%上顯著為負，說明企業數字化轉型可以提高供應鏈整合水平。列（3）為中介變量回歸結果，結果顯示ISC系數為0.0408，通過1%的顯著性檢驗。Digital系數為0.0421，在5%上仍顯著為正，但數值與顯著性水平相較于控制供應鏈整合度前都有所下降，證明假設2b正確。

（三）產業鏈整合水平（ICC）

過往文獻通常將企業專業化分工水平視為產業鏈整合水平，但只使用一個指標來衡量是局限的。要測度產業整合水平，不僅要考慮到企業自身專業化分工水平，還應該涵蓋該企業覆蓋產業對接觸到供應鏈的整合水平。故采用企業專業化分工水平與供應鏈整合水平的乘積來衡量產業鏈整合水平，具體公式如下：

ICC=VSI×ITR （7）

表9顯示了中介渠道回歸結果。表9中列（2）系數在1%水平上顯著為正，數字化轉型可以促進產業鏈整合。列（3）在控制中介變量之后，Digital系數顯著性下降至5%水平且依舊為正，證明產業鏈整合可以作為中介變量，正向作用于數字化轉型促進企業生產率的渠道，假設2得證。

六、結論與建議

（一）結論

數字技術作用下的企業在產業鏈供應鏈中顯示出不同于傳統技術的優勢，驅動著企業全要素生產率的不斷提升。本文從理論與實證兩方面探討數字化轉型對企業TFP的影響，并引入產業鏈整合作為中介變量，再將其細分為專業化分工與供應鏈整合兩個層面，分別選取變量進行機制渠道檢驗。研究可得：數字化轉型可以提升企業TFP且在內生性檢驗與穩健性檢驗之后結果依然穩健；數字化轉型的促進效果存在異質性，在不同市場化水平以及所有權性質的企業間表現不同；異質性分析顯示，在市場化水平較低地區以及非國有企業中數字化轉型的促進作用更顯著；數字化轉型可以通過促進企業專業化分工與供應鏈整合提升產業鏈整合度，從而實現企業TFP的提升。

（二）建議

企業應加快數字化轉型步伐，構建高效的數字化產業鏈。研究表明，數字化轉型能夠大幅提高供應鏈整合效率，進而提高企業全要素生產率，預示著企業在數字化轉型過程中可能突破個體邊界，重構上下游協同。現實中，供應鏈上無法實現數據要素的共享，造成企業反應緩慢、信息共享程度低下、運作風險大等問題。首先，企業需要對數字化轉型的認識進行更新，結合實際情況和市場需求，更加全面、系統地規劃數字化技術的應用，制定更具針對性和差異化的數字化轉型戰略。其次，企業應加大對高新數字技術產品研發的力度，鼓勵內部技術研發和創新，推動數字化技術與企業業務深度融合。通過自主創新或合作創新等方式，提高自身技術水平和競爭力。最后，企業可以構建數字化生態系統，包括供應商、生產商以及銷售商等合作伙伴，產業鏈協同合作，共同推進數字化轉型。

企業應提升自身的專業化分工水平，優化生產與供應鏈管理。研究發現，企業數字化轉型能有效推動企業專業化分工從而推動企業全要素生產率，這說明數字化轉型，能促進企業向專業化方向發展，通過將生產流程數字化，重新構建自己的數據基礎。通過數據協作，讓不同企業實現數據資源的共享與協作，優化創新資源的配置。因此，企業可引進自動化和智能化設備，減少自身對物理資源的依賴，降低資產專用性水平，在更少犧牲生產力的同時靈活改變設施與設備的使用方式和環境。加快采用模塊化的產品設計和服務模式，將復雜的產品和服務分解為多個模塊，降低特定資產的投資并允許自身根據市場需求快速調整自身產品或服務，最終實現企業全要素生產率的提升。內部優化自身組織架構和業務流程，采取矩陣式、網絡化、自組織等新型組織架構形式，加強企業內部專業化分工協作，提高企業的響應速度、創新能力、生產效率以及管理效能。

政府應以產業鏈為切入點，提高產業供應鏈的數據流通和共享效率。鼓勵供應鏈上下游企業共同抓住數字化轉型機遇，以產業鏈主體企業為中心，將數字技術融入生產經營以及供應鏈協同等各個環節。大力構建數字技術協同平臺，打通上下游信息交換渠道；成立供應鏈數字化轉型聯盟，合力打通供應鏈堵點，打造創新型數字鏈。另外，政府還應為企業提供更加便利的數字化轉型政策和服務，弱化市場化水平不平衡帶來的技術壁壘。建立起更有效的數字化經濟統計和監測體系，簡化審批流程、優化監管機制。引導企業構建數字化轉型服務體系，包括引進數字化技術服務商、建設數字化實驗室、推廣數字化解決方案等，鼓勵企業與高校、研究機構等合作，共同推進數字化技術的應用和產業化發展。

（責任編輯：孟潔）

參考文獻：

[1]Acemoglu D，Autor D，Dorn D，et al.Return of the Solow Paradox？ IT，Productivity，and Employment in U.S. Manufacturing[J].Iza Discussion Papers，2014，104（5）：394-399（6）.

[2]Aghion P，Dewatripont M，Du L，et al.Industrial Policy and Competition[J].Cepr Discussion Papers，2015，7.

[3]Barney J B.Firm Resources and Sustained Competitive Advantage[J].Advances in Strategic Management，1991，17（1）：3-10.

[4]Chen Y，Fan Z，Gu X，et al.Arrival of Young Talent：The Send-down Movement and Rural Education in China：Reply[J].SSRN Electronic Journal，2021（1）.

[5]Chen W，Kamal F.The impact of information and communication technology adoption on multinational firm boundary decisions[J].Journal of International Business Studies，2016，47（5）：563-576.

[6]Cull R，Xu L C.Institutions，Ownership，and Finance：The Determinants of Profit Reinvestment Among Chinese Firms[J].Journal of Financial Economics，2005，77（1）：117-146.

[7]Cachon，Gérard P，Randall T，Schmidt G M.In Search of the Bullwhip Effect[J].Manufacturing & Service Operations Management，2011，9（4）：457-479.

[8]Jones C I，Tonetti C.Nonrivalry and the Economics of Data[J].American Economic Review，2020，110.

[9]Li F.The digital transformation of business models in the creative industries： A holistic framework and emerging trends[J].Technovation，2020：92-93.

[10]Larkin Y.Reliance on Major Customers and Product Market Competition[J].Finance Research Letters，2020.

[11]James L，Amil P.Estimating Production Functions Using Inputs to Control for Unobservables[J].Review of Economic Studies，2010（2）：317-341.

[12]Williamson O E.The Economic Institution of Capitalism[J].China Social Sciences Pu，1985.

[13]Wu L，Lou B，Hitt L.Data Analytics Supports Decentralized Innovation[J].Management Science，2019，65.

[14]陳劍，劉運輝.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，2021，37（11）：227-240+14.

[15]陳中飛，江康奇.數字金融發展與企業全要素生產率[J].經濟學動態，2021，（10）：82-99.

[16]范子英，彭飛.“營改增”的減稅效應和分工效應：基于產業互聯的視角[J].經濟研究，2017，52（2）：82-95.

[17]馮雨豪，吳群，王健，等.中國城市建設用地集聚對利用效率的影響：機理、空間效應與分群差異[J].中國人口·資源與環境，2022，32（1）：97-106.

[18]范合君，吳婷，何思錦.企業數字化的產業鏈聯動效應研究[J].中國工業經濟，2023（3）：115-132.

[19]郭家堂，駱品亮.互聯網對中國全要素生產率有促進作用嗎？[J].管理世界，2016（10）：34-49.

[20]花俊國，劉暢，朱迪.數字化轉型、融資約束與企業全要素生產率[J].南方金融，2022（7）：54-65.

[21]何帆，劉紅霞.數字經濟視角下實體企業數字化變革的業績提升效應評估[J].改革，2019（4）：137-148.

[22]胡水晶.基于資源基礎觀的企業大數據分析技術采用意愿影響因素研究[J].情報科學，2016，34（5）：148-152.

[23]簡澤，段永瑞.企業異質性、競爭與全要素生產率的收斂[J].管理世界，2012（8）：15-29.

[24]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[25]劉平峰，張旺.數字技術如何賦能制造業全要素生產率？[J].科學學研究，2021，39（8）：1396-1406.

[26]劉艷霞.數字經濟賦能企業高質量發展——基于企業全要素生產率的經驗證據[J].改革，2022（9）：35-53.

[27]劉政，姚雨秀，張國勝，等.企業數字化、專用知識與組織授權[J].中國工業經濟，2020（9）：156-174.

[28]李唐，李青，陳楚霞.數據管理能力對企業生產率的影響效應——來自中國企業—勞動力匹配調查的新發現[J].中國工業經濟，2020（6）：174-192.

[29]劉淑春，閆津臣，張思雪，等.企業管理數字化變革能提升投入產出效率嗎[J].管理世界，2021，37（5）：170-190+13.

[30]陸岷峰.“雙碳”目標下綠色金融與轉型金融發展路徑研究——基于數字技術應用的視角[J].海南金融，2022（8）：66-71.

[31]李姝，李丹，田馬飛，等.技術創新降低了企業對大客戶的依賴嗎[J].南開管理評論，2021，24（5）：26-39.

[32]李琦，劉力鋼，邵劍兵.數字化轉型、供應鏈集成與企業績效——企業家精神的調節效應[J].經濟管理，2021，43（10）：5-23.

[33]施炳展，李建桐.互聯網是否促進了分工：來自中國制造業企業的證據[J].管理世界，2020，36（4）：130-149.

[34]涂心語，嚴曉玲，王珊珊.知識溢出、企業異質性與企業全要素生產率——來自制造業上市公司的經驗證據[J].商業研究，2022（6）：23-33.

[35]唐躍軍.供應商、經銷商議價能力與公司業績——來自2005—2007年中國制造業上市公司的經驗證據[J].中國工業經濟，2009（10）：67-76.

[36]王勇.客戶股權集中度與供應商關系專有資產投入——來自上市公司核心客戶的經驗證據[J].財經論叢，2020（2）：64-74.

[37]巫強，姚雨秀.企業數字化轉型與供應鏈配置：集中化還是多元化[J].中國工業經濟，2023（8）：99-117.

[38]王洪盾，岳華，張旭.公司治理結構與公司績效關系研究——基于企業全要素生產率的視角[J].上海經濟研究，2019（4）：17-27.

[39]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

[40]夏詩園.數字經濟賦能經濟高質量發展：作用機制、國際經驗及政策建議[J].海南金融，2022（2）：79-87.

[41]楊金玉，彭秋萍，葛震霆.數字化轉型的客戶傳染效應——供應商創新視角[J].中國工業經濟，2022（8）：156-174.

[42]袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化[J].中國工業經濟，2021（9）：137-155.

[43]張晴，于津平.投入數字化與全球價值鏈高端攀升——來自中國制造業企業的微觀證據[J].經濟評論，2020（6）：72-89.

[44]趙宸宇，王文春，李雪松.數字化轉型如何影響企業全要素生產率[J].財貿經濟，2021，42（7）：114-129.

[45]趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[46]中國社會科學院工業經濟研究所課題組，張其仔.提升產業鏈供應鏈現代化水平路徑研究[J].中國工業經濟，2021（2）：80-97.

[47]曾楚宏，王斌.產業鏈整合、機制調整與信息化驅動[J].改革，2010（10）：62-67.

[48]張任之.數字技術與供應鏈效率：理論機制與經驗證據[J].經濟與管理研究，2022，43（5）：60-76.

[49]朱艷靜，馮林.平臺化供應鏈金融：動力因素、運行機理與發展建議[J].海南金融，2021（12）：42-48.

基金項目：本文系國家社會科學基金重點資助項目“基于低碳綠色發展的‘一帶一路’區域產業鏈研究”（19AJY001）階段性研究成果。

收稿日期：2024-01-07

作者簡介：陳彥君（2000-），女，重慶人，山西師范大學經濟與管理學院碩士研究生；

郭根龍（1967-），男，山西呂梁人，經濟學博士，山西師范大學經濟與管理學院教授。

①主營業收入等于總營業收入減去企業業務收入；企業營收正常利潤等于凈資產乘上企業平均凈資產收益率；稅后凈利潤等于企業凈利潤減去稅金及其附加值。