董事在关联行业任职、创新能力与企业全要素生产率

陈思阳 孙光国

内容提要：本文基于董事在关联行业任职(DRIs)的数据，考察产业链信息溢出给企业全要素生产率带来的影响。研究结果表明，DRIs增强了上市公司的产业链信息优势，通过驱动企业创新提高了全要素生产率。董事在关联行业担任非独立董事或管理层更有利于促进全要素生产率的提升；当上市公司对产业链信息需求更高时，DRIs的作用更强。进一步检验发现，良好的外部治理机制是DRIs发挥产业链信息优势的保障。DRIs具有产业协同作用，可以实现产业链全要素生产率的提升。本文为剖析产业链信息如何实现融通提供了新视角，对探索产业链现代化水平发展路径提供了新思路。

一、问题提出

目前，中国经济在构建新发展格局，高质量发展取得新成效，实现了“十四五”良好开局。然而，中国经济发展正面临需求收缩、供给冲击、预期转弱三重压力。无论国际风云如何变幻，中国都要不断做强经济基础，而打造具有现代化特征的产业链，是推动经济高质量发展的关键。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》明确指出，要“形成具有更强创新力、更高附加值、更安全可靠的产业链供应链”。面对外部环境不确定性的加速演进，及时获取产业链技术更迭、供需变动等重要信息，对于驱动产业链创新能力、提高企业全要素生产率、打造“更高附加值”的产业链具有重要的现实意义，而上市公司董事同时在关联行业任职(directors from related industries，DRIs)则是实现产业链信息要素自由流动，提升全要素生产率的重要途径。

从本质上看，DRIs属于一种特殊形式的连锁董事，然而DRIs将董事任职的范围限制在上市公司的关联行业，目的在于借助DRIs这一微观现象，重点考察产业链信息溢出给企业带来的影响。虽然DRIs与连锁董事均是围绕董事的社会关系展开，但是研究的侧重点极为不同。相较于其他行业，关联行业的具体情况直接关系到企业能否正常进行生产和销售，源自关联行业的信息对于企业提高生产效率具有其他信息无法替代的作用。从微观层面来看，在关联行业任职的董事直接深入关联行业内部参与正式的生产和运转，从中获取根植于不同领域的专业知识，形成产业链信息优势。利用上述信息优势，企业可通过驱动创新升级，直接或间接地促进全要素生产率的提升。首先，DRIs实现了产业链信息融通，通过加速技术扩散和技术创新两种机制提升企业创新能力，而企业创新能力是推动全要素生产率持续增长的重要因素之一。其次，技术进步是提升资源利用效率的根本途径之一，DRIs提高了创新活动中的资源配置效率，间接改善企业全要素生产率。从宏观层面来看，产业链信息要素通过DRIs实现更为自由的流动，能够提高产业链整体的全要素生产率水平。借助董事在关联行业任职这一微观视角，深入分析产业链信息如何传递并对全要素生产率产生哪些影响，能为企业乃至中国在高质量发展、全球产业链重构中塑造发展新优势提供理论与实践支撑。

本文以2012—2019年A股上市公司为研究对象，考察DRIs对企业全要素生产率的影响。研究发现DRIs通过驱动企业创新提升企业全要素生产率，并在产业链内部实现对全要素生产率提升的传导作用。与已有文献相比，本文主要贡献包括：第一，借助DRIs的微观行为，提供产业链信息沿跨行业董事溢出提升企业全要素生产率的经验证据，对已有文献进行补充，为检验产业链价值管理提供新的研究视角；第二，以往关于连锁董事的研究较少关注DRIs作为一种特殊的董事网络关系，给企业乃至全产业链全要素生产率带来的影响，本文丰富了全要素生产率影响因素的相关研究。

二、文献综述

(一)连锁董事与DRIs的经济后果

以往的文献针对连锁董事网络与企业行为决策的关系，进行了较为细致的探讨。一部分研究表明连锁董事网络通过信息传递、学习效应、资源获取、声誉机制能缓解企业融资约束[1-7]，提高公司治理水平[8-11]和投资水平[12-14]。特别是从创新行为的角度来看，企业利用董事网络位置优势获取更加丰富的资源和信息，降低了创新风险[15]，提高了企业的创新水平[16-20]。另外一部分研究则发现银行关联董事[21]、处于网络中心位置的独立董事[22]以及过度的连锁关系[23-24]会给企业带来一定的负面影响。

关于连锁董事网络的文献大多围绕整体网络层面进行研究，仅有少数文献以银行网络关系作为切入点，考察银企关系对企业行为的影响，也少有文献关注董事在关联行业任职这一特殊的连锁董事网络情景。关联行业在投入产出、工艺技术与目标行业的联系最为密切，影响着上市公司的经营决策。产业链信息的融通有效缓解了产业链信息延迟和信息偏差造成的损失，实现企业与产业链的价值增值。将董事任职范围限定在关联行业的研究相对较少，国外的一些学者研究发现DRIs是行业间信息传递的渠道，能够为企业带来一定的信息优势，有助于董事会职能的发挥。有学者利用美国经济分析局公布的投入产出表，对同时在关联行业任职的董事进行了界定和研究，发现当企业与关联行业存在严重的信息不对称时，DRIs能够显著提升企业的价值和绩效[25-26]。南达和厄纳尔(Nanda & Onal，2016)首次将董事会职能引入DRIs的研究中，认为DRIs提供了有关产品市场前景的信息，通过增强董事会的信息优势，促进咨询职能和监督职能的发挥，影响首席执行官(CEO)薪酬契约的制定[27]。伯恩斯等(Burns et al.，2021)的研究支持了南达和厄纳尔的观点，并从并购绩效的角度研究发现DRIs的信息优势有助于发挥董事会双重职能，促进了价值提升的并购，阻止了价值破坏的并购[28]。鉴于咨询角色通常需要信息的传递，部分研究侧重于考察产业链信息优势对董事咨询职能的作用，发现DRIs掌握有关公司外部运营环境的宝贵信息，有利于企业披露更加准确的业绩预测[29]。综上，学术界围绕DRIs这一微观现象展开研究，为进一步探索产业链信息对企业产生的影响提供了新的研究场景。本文利用董事在关联行业任职的特殊场景，讨论企业通过DRIs获取产业链信息优势对企业全要素生产率产生的影响及具体作用机制。

(二)全要素生产率的影响因素

以往的研究表明资源配置效率、技术创新和人力资本是影响全要素生产率的关键性因素。首先，制约全要素生产率进步的首要因素是资源配置效率，部分学者从制度环境入手考察资源配置效率对全要素生产率的影响[30]。如部分学者认为“中国式财政分权”、城市行政级别划分、政府补贴、减费降税、贷款利率市场化、科技金融等方面的制度通过影响资源配置效率进而影响全要素生产率水平[31-36]。其次，制约全要素生产率进步的因素还包括技术进步[37-39]。部分学者从环境规制政策[40]、大数据技术的应用[41]、互联网金融[42]等角度，解释了技术进步对全要素生产率的影响。最后，人力资本同样制约着全要素生产率的进步[43-45]，且融资约束差异、产权性质差异以及生产要素差异对企业全要素生产率存在非对称性影响[46]。综上，以往的研究大多从制度政策、金融环境、劳动力市场等角度，探讨这些因素如何通过资源配置效率、技术创新和人力资本影响全要素生产率，鲜有文献关注到DRIs带来的产业链信息溢出对企业全要素生产率产生的影响。而厘清这个问题对于实现产业链上下游信息融通，推进企业高质量发展，提升产业链现代化水平具有重要的现实意义。

三、理论分析与假设提出

资源依赖理论认为，企业要想实现长远有序的发展，就必须吸收并转换自身发展所必需的各种资源，跨组织合作、特别是产业链的纵向联系是实现优势互补的重要渠道[47]。而DRIs实现了产业链的有效衔接，是企业获取产业链信息的主要途径之一。产业链信息对于企业实现高质量发展具有重要的利用价值，如产业链前沿技术更新、供需变动及发展趋势等信息的获取，能够有效驱动企业创新，优化资源配置效率，而创新和资源效率则是制约全要素生产率最为关键的因素[48]。DRIs可能从以下两个方面影响企业全要素生产率：

首先，DRIs通过技术扩散和技术创新两种机制驱动企业创新能力升级，直接促进全要素生产率的增长。一方面，从技术扩散的角度来看，DRIs直接深入关联行业内部，参与正式的生产和运转，较早地接触到产业内部技术更迭的信息。利用DRIs带来的信息，企业可以直接利用上游企业的创新成果，实现本企业的技术升级。技术工艺的进步，有利于企业提高产品质量和销售率，更好地实现产品价值提升，从而改善企业全要素生产率[49]。另一方面，从技术创新的角度来看，DRIs较为了解产业链下游企业对产品和服务的需求，可使企业有针对性地进行新技术和新产品的开发。吸收能力是技术扩散机制发挥效用的重要前提[50]。企业不断地积累DRIs从关联行业获取的产业链信息，在对这些信息进行加工、扩展、整理、分析的过程中，企业的吸收能力不断增强，有利于技术创新的突破，使全要素生产率增长。

其次，技术进步是提升资源配置效率的根本途径之一，因此DRIs驱动企业创新可以通过提高资源配置效率，间接改善企业全要素生产率。无论是基于对新技术的引入，还是对客户需求的把控，DRIs获取的产业链信息能够有效降低创新过程中材料物质的损耗。同时，创新带来的新工艺可对现有设备进行升级或更替，提高设备效能，有效减少创新过程中出现废品、次品、返修品的情况，提升企业在创新活动中的资源配置效率，进而提升企业全要素生产率。综上所述，在关联行业任职的董事具有信息效应，DRIs带来的产业链信息优势能够通过驱动企业创新提升企业全要素生产率。因此本文提出以下假设。

假设1：在其他条件不变的情况下，DRIs提升了企业全要素生产率。

董事在关联行业的职位差异会影响到DRIs获取产业链信息的能力，进而影响其信息效应的发挥。本文将关联行业任职职位按照独立董事和其他职位进行分类。这样划分的原因在于，相较于独立董事，非独立董事和管理层处于信息优势地位。非独立董事大多源于股东单位派驻，拥有对重大业务的决策权和对高级管理人员任免的人事权；管理层一般由董事会选聘，负责公司具体工作。二者具有一定的组织、领导和资源支持，在董事会决议以及日常工作中深入企业内部，各自发挥着不可或缺的作用，获取源于企业内部的信息。独立董事大多来自高知群体，拥有自己的本职工作，难以有足够的时间对企业进行深入了解，使其处于信息劣势[51]。因而当董事在关联行业担任非独立董事或在管理层任职时，能够获取更加丰富的产业链信息，DRIs的信息效应更加凸显。因此本文提出以下假设。

假设2：相较于担任独立董事，董事在关联行业担任非独立董事或在管理层任职对上市公司全要素生产率的提升作用更强。

四、研究设计

(一)样本选择

本文选取2012—2019年中国A股上市公司作为研究样本。这样做的原因在于，2012年中国证券监督管理委员会颁布新修订的《上市公司行业分类指引》，选取2012年之后的数据可以在一定程度上减少由于上市公司行业变动带来的影响。根据研究需要删除以下观测值：(1)剔除样本期间内的ST类公司；(2)剔除金融类、综合类公司；(3)剔除相关数据缺失的样本；最终得到公司-年度观测值共计15 600个。计算关联行业的《中国投入产出表》来自国家统计局国民经济统计司。计算企业全要素生产率的数据来源于中国工业企业调查数据库。其余数据均来自国泰安数据库。为避免异常值产生的影响，本文对所有连续变量均进行了上下1%的缩尾处理。在全部回归分析中，均控制了年度、行业的固定效应，同时为保证结果的稳健性，在回归中使用了稳健标准误。

(二)变量度量

1.解释变量

(1)关联行业的识别

本文利用国家统计局发布的《中国投入产出表》计算产业间纵向相关系数(vertical relatedness coefficient，VRC)来识别上市公司的关联行业。由于样本期间国家统计局在2012年和2017年分别发布两次投入产出表，因此2012—2016年以2012年的投入产出表计算行业间的VRC，2017—2019年以2017年的投入产出表计算行业间的VRC。假设存在两个不同行业，分别为行业i和行业j，VRC的计算公式为：

(1)

根据以往文献设定，若VRCij大于5%的阈值，则j为i的关联行业。同时为保证研究结果的稳健，本文还以10%作为阈值重新识别上市公司的关联行业，结果呈现在稳健性检验中。

(2)DRIs的识别

根据国泰安数据库披露的董事任职情况，通过天眼查软件识别董事兼职的行业类型，判断其是否为目标企业的关联行业。需要注意的是，《上市公司行业分类指引》中的行业分类与《中国投入产出表》中的国民经济产品部门并非完全一致，但均以《国民经济行业分类》(GB/T4754—2017)为分类依据，因此具有高度相似性，能够实现行业与经济部门间的配对。本文以上市公司行业分类为基准，将国民经济产品部门与之配对。具体来说，本文以《上市公司行业分类指引》为基准，将《中国投入产出表》中的国民经济产品部门还原为上市公司行业分类。之后设定连续变量DRIS，以DRIs占董事会总人数的比例进行度量。考虑到董事类型对公司影响的差异性，若为独立董事则赋予权重为0.5，其他类型董事权重为1，每人得分总和不超过1。在稳健性检验中，取消对DRIs的权重设计。

2.被解释变量

借鉴鲁晓东和连玉君(2012)[52]的研究，本文利用莱文森-彼得林(Levinsohn-Petrin，LP)法和奥利-帕克斯(Olley-Pakes，OP)法计算企业全要素生产率。

3.其他控制变量

根据已有文献[53-54]，本文还控制了以下变量，具体度量方法请参见表1。

表1 变量定义

表1(续)

(三)模型构建

为验证假设1，本文构建模型(2)。若假设成立，则α1显著为正，表明DRIs能够提高企业全要素生产率。为检验假设2，本文构建模型(3)—模型(5)。若关联行业职位差异影响DRIs信息获取的能力，相较于在关联行业担任独立董事，在关联行业担任其他职位更有利于DRIs发挥其信息效应，则模型(3)中α1显著为正，模型(4)中的α1不显著，模型(5)中的α1显著为正，同时α2不显著。

TFPi,t=α0+α1DRISi,t+∑α2～nCONTROLi,t+εi,t

(2)

TFPi,t=α0+α1DRIS_RDEPi,t+∑α2～nCONTROLSi,t+εi,t

(3)

TFPi,t=α0+α1DRIS_RINDEPi,t+∑α2～nCONTROLSi,t+εi,t

(4)

TFPi,t=α0+α1DRIS_RDEPi,t+α2DRIS_RINDEPi,t+∑α3～nCONTROLSi,t+εi,t

(5)

五、实证分析

(一)描述性统计

样本期间DRIs在董事中的分布情况如图1所示。在以5%作为关联行业阈值的前提下，董事同时在关联行业任职的比例为36.02%，其中独立董事约占36.13%，非独立董事约占63.87%。在以10%作为关联行业阈值的前提下，董事同时在关联行业任职的比例为19.98%，其中独立董事约占34.49%，非独立董事约占65.51%。非独立董事同时在关联行业任职的比例约为独立董事任职比例的2倍。以上分析说明DRIs主要还是由非独立董事构成，可能的解释是对于非独立董事来说，专业技能、丰富的管理经验能够为其获得关联行业的工作带来一定优势。同时集团内部的纵向行业兼并，可能导致非独立董事更有机会在关联行业子公司中担任职务。

图1 DRIs在董事中的分布

表2为主要变量的描述性统计。以5%作为关联行业阈值且赋予权重计算的DRIS，最大值为0.7，最小值为0，均值为0.177；以5%作为关联行业阈值取消权重设置的DRIS1最大值为0.8，最小值为0，均值为0.216。这意味着上市公司董事会中有大约17.7%～21.6%的董事在关联行业任职，且不同公司差异性较大。以LP法计算的企业全要素生产率的最小值为4.893，最大值为12.350，均值为8.107；以OP法计算的企业全要素生产率的最小值为-1.498，最大值为8.644，均值为4.503。其余变量的统计结果如表2所示。

表2 主要变量的描述性统计

(二)多元回归检验结果及稳健性检验

DRIs与企业全要素生产率的回归结果如表3所示。表3列(1)表明DRIs与企业全要素生产率在1%的水平上显著正相关(系数为0.057，t=2.66)，DRIs的比例越高，企业全要素生产率越高。回归结果表明董事在关联行业任职为企业带来产业链信息优势，提高了企业全要素生产率。为保证研究结果的稳健性，本文进行以下稳健性检验：

第一，不考虑董事身份存在的影响，取消对独立董事赋予的权重，重新计算得到DRIS1。

第二，调整计算关联行业的阈值。将阈值由5%调整至10%，重新界定上市公司所在行业的关联行业，最后得到DRIS2。利用这两个指标对模型(2)重新进行回归，结果如表3列(2)、列(3)所示。DRIs与企业全要素生产率分别在5%和1%的水平上显著正相关(系数为0.048，t=2.48；系数为0.102，t=3.42)。

第三，考虑到董事会全体DRIs任职关联行业的个数，可能会对企业全要素生产率产生影响，当关联行业个数越多，DRIs带来的产业链信息越丰富，对全要素生产率的作用越强。因此，以上市公司董事会人均任职关联行业数作为自变量对假设1进行检验，回归结果如表3列(4)所示，DRIs与企业全要素生产率依旧在1%的水平上显著正相关(系数为0.063，t=3.82)。

第四，更换被解释变量度量方法，以OP法重新计算企业全要素生产率对模型(2)进行回归，结果如表3列(5)所示。DRIs与以OP法计算的企业全要素生产率在1%的水平上显著正相关(系数为0.060，t=2.71)。以上结果说明董事同时在关联行业任职，产业链信息优势能够有效提升企业全要素生产率，假设1得到了验证。

表3 DRIs与企业全要素生产率的多元回归结果及稳健性检验

表3(续)

第五，考虑到当董事在关联行业任职的公司可能是上市公司的股东，导致检验结果可能受到股权链的影响，因此设置变量DRIS-SH。若上市公司中有DRIs在关联行业股东单位任职取1，否则取0。加入上述变量后重新进行回归，结果如表4所示。无论以何种形式衡量DRIs与企业全要素生产率，在回归中加入DRIS-SH后结果均未发生变化，DRIs与企业全要素生产率依旧显著正相关，且DRIS-SH与企业全要素生产率无显著相关性，结果在一定程度上排除了股权链的影响。以上结果说明董事同时在关联行业任职，产业链信息优势能够有效提升企业全要素生产率，假设1得到了验证。为增强实证结果的稳健性，本文还额外控制了上期全要素生产率(LTFP)。

表4 控制股权影响的稳健性检验结果

表4(续)

在验证DRIs具有信息效应的基础上，本文检验了董事在关联行业不同的职位类型对全要素生产率的影响，回归结果如表5所示。表5列(1)的回归结果表明，董事在关联行业担任非独立董事或管理层时，DRIS_RDEP与企业全要素生产率在5%的水平上显著正相关(系数为0.046，t=2.35)。列(2)为董事在关联行业仅为独立董事的DRIs比例与企业全要素生产率的回归结果，DRIS-RINDEP与企业全要素生产率不存在显著的相关性(系数为0.179，t=1.05)。将DRIS_RDEP和DRIS_RINDEP两变量同时放入方程中，DRIS_RINDEP与企业全要素生产率依旧不存在显著的相关性(系数为0.171，t=1.00)，而DRIS_RDEP与企业全要素生产率在5%的水平上显著正相关(系数为0.045，t=2.33)。回归结果表明，相较于董事在关联行业担任独立董事，在关联行业担任非独立董事或者管理层更有利于DRIs获取产业链信息，发挥其信息效应。

表5 董事在关联行业的职位差异对DRIs信息效应的影响

表5(续)

(三)内生性检验

1.倾向得分匹配

由于拥有DRIs与没有DRIs的企业存在公司特质性差异，为避免自选择偏差带来的内生性问题，本文利用倾向得分匹配(propensity score matching，PSM)重新对假设1进行检验。将DRIs转化为二值变量，若上市公司拥有DRIs为1，否则取0。选取全部控制变量作为协变量，并进行一比一近邻匹配，考察控制组与处理组全要素生产率是否存在显著性差异。回归结果如表6列(1)所示，进行PSM匹配过后DRIs与企业全要素生产率(TFP)在1%的水平上显著正相关(系数为0.057，t=2.65)，主检验依旧成立。

表6 PSM和工具变量的检验结果

表6(续)

2.工具变量

由于可能存在遗漏变量导致的内生性问题，因此本文采用工具变量法解决上述问题。根据以往文献[25，55]，选取目标企业全部关联行业的董事席位总数与目标企业所在本行业的董事席位总数之比的自然对数作为工具变量(IV)。工具变量IV代表目标企业的董事可能在关联行业获得的工作机会，IV越大说明董事在关联行业获得工作的机会越大，因此自变量DRIs与工具变量IV应正向相关。目前还没有研究表明在关联行业的就业机会与目标企业的全要素生产率相关。采用两阶段最小二乘法重新检验DRIs与企业全要素生产率之间的关系，回归结果如表6列(2)、列(3)所示。工具变量IV与DRIs在1%的水平上显著正相关(系数为0.130，t=55.80)，在回归中加入工具变量后DRIs与企业全要素生产率(TFP)依旧在1%的水平上显著正相关(系数为0.143，t=3.22)。回归结果说明在采用工具变量控制可能的内生性问题后，DRIs提升企业全要素生产率的假设依旧成立。

3.赫克曼两步法

更换解决选择性偏误的检验方法，利用赫克曼(Heckman)两步法进行回归。选取全部的控制变量以及外生工具变量IV(关联行业的董事席位总数与目标企业本行业的董事席位总数之比的自然对数)作为可能导致企业存在DRIs的协变量，第一阶段被解释变量为哑变量，当上市公司存在DRIs为1，否则为0。在第一阶段回归中计算逆米尔斯比率(IMR)，并在第二阶段的回归中加入。Heckman两阶段的检验结果如表7列(1)所示，IMR的系数为0.001，但不显著。加入逆米尔斯比率之后，DRIs与企业全要素生产率在5%的水平上显著正相关(系数为0.060，t=2.42)。回归结果再次说明董事在关联行业任职产生的产业链信息优势，提升企业全要素生产率的假设依旧成立。

4.外生事件子样本

确定外生子样本公司，在该子样本中董事会成员在连续两年中保持不变，但董事在关联行业的任职情况发生变化(在新单位任职或离职)导致 DRIs 的比例发生变动。这种情况一般是由于兼职企业情况而非目标上市公司导致，因此具有一定的外生性。保留变动前后各一年的样本，重新进行回归，检验结果如表7列(2)所示。以外生事件子样本重复假设1的检验，DRIs与企业全要素生产率在5%的水平上显著正向相关(系数为0.107，t=2.07)，说明在控制内生性问题后，董事在关联行业任职提升企业全要素生产率的假设依旧成立。

表7 Heckman两步法和小样本的检验结果

(四)进一步检验

1.执行董事与非执行董事身份

DRIs在上市公司的身份差异会影响董事职能的发挥。中国上市公司董事会由独立董事、执行董事和非执行董事构成。独立董事由上市公司聘任，执行董事是管理层在董事会中的代表。相比于独立董事受到管理层的制约，执行董事具有管理层身份，由股东委派的非执行董事更独立于管理层，对于管理层的监督动机更强。当非执行董事在关联行业任职获取产业链信息，通过对其加以拆分重组有利于预测企业经营过程中面临的外部变化，倒推出企业真实情况，遏制管理层的短视行为。因此产业链信息优势有利于非执行董事对管理者决策进行管理和牵制，增加管理层违规的机会成本，有效提高企业资源配置效率，最终提升企业全要素生产率。为验证执行董事与非执行董事身份对DRIs信息效应的影响，本文设置执行董事DRIs(DRIS_DUAL)和非执行董事DRIs(DRIS_NODUAL)两个变量，分别检验其对企业全要素生产率的影响。回归结果如表8所示。DRIS_DUAL与企业全要素生产率不存在显著的相关性(系数为0.000 1，t=0.00)，DRIS_NODUAL与企业全要素生产率在5%的水平上显著正相关(系数为0.038，t=2.53)。将DRIS_DUAL和DRIS_NODUAL两个变量同时放入方程中，DRIS_DUAL依旧与企业全要素生产率无显著相关性，而DRIS_NODUAL与企业全要素生产率在1%的水平上显著正相关(系数为0.040，t=2.58)。综上，非执行董事DRIs由于监督动机较高，相较于执行董事DRIs更能发挥信息效应，提升企业全要素生产率。

表8 执行董事与非执行董事身份对DRIs信息效应的影响

表8(续)

2.横截面分析

基于企业对产业链信息需求和外部治理水平的异质性，本文进行了一系列的横截面分析。首先，基于企业对产业链信息需求的异质性，本文检验了业绩波动、公司发生亏损对DRIs与企业全要素生产率二者关系的影响。企业业绩波动越剧烈，不确定性越高，以DRIs为传递渠道的产业链信息越能发挥作用，提升企业全要素生产率。同时，已经由于经营、管理不善导致亏损的企业，为扭转业绩颓势，更加需要利用产业链信息，精准预判发展趋势、力图摆脱亏损困境、提升要素生产率。因此，DRIs带来的产业链信息，在发生亏损的企业中对全要素生产率的提升作用更强。以业绩波动(VOL)、公司发生亏损(LOSS)检验产业链信息需求对DRIs与企业全要素生产率两者关系的影响，回归结果如表9列(1)、列(2)所示。业绩波动与DRIs的交乘项(DRIS×VOL)与企业全要素生产率在1%的水平上显著正相关(系数为0.000 1，t=5.36)，发生亏损与DRIs的交乘项(DRIS×LOSS)与企业全要素生产率在1%的水平上显著正相关(系数为0.325，t=3.30)。回归结果说明，企业对产业链信息需求的异质性影响了DRIs信息效应的发挥，企业对产业链信息的需求越强烈，DRIs对全要素生产率的提升作用越大。

其次，基于上市公司外部治理水平异质性，本文检验了事务所规模、分析师跟踪、机构投资者持股水平、媒体关注度对DRIs和企业全要素生产率两者关系的影响。DRIs信息效应的发挥取决于企业的治理水平，若缺乏外部治理机制的监督，管理层可能更容易利用DRIs带来的信息为自身牟利，加重代理冲突，降低资源配置效率，从而降低企业全要素生产率[56]。本文以事务所规模(BIG4)、分析师跟踪(ANA)、机构投资者持股水平(INS)、媒体关注度(MEDIA)衡量上市公司外部治理机制。 回归结果如表9列(3)—列(6)所示。事务所规模与DRIs的交乘项(DRIS×BIG4)与企业全要素生产率在5%的水平上显著正相关(系数为0.184，t=2.37)；分析师跟踪与DRIs的交乘项(DRIS×ANA)与企业全要素生产率在10%的水平上显著正相关(系数为0.042，t=1.88)；机构投资者持股与DRIs的交乘项(DRIS×INS)与企业全要素生产率在1%的水平上显著正相关(系数为0.003，t=3.68)；媒体关注度与DRIs的交乘项(DRIS×MEDIA)与企业全要素生产率在1%的水平上显著正相关(系数为0.050，t=3.10)。回归结果说明外部治理水平能够促进DRIs信息效应的发挥，增强DRIs对企业全要素生产率的提升作用。

3.中介机制检验

企业的创新能力是推动全要素生产率持续增长的重要因素之一。为检验上述机制，本文借鉴温忠麟等(2004)[57]的中介效应检验方法，以上市公司当年专利申请数衡量企业创新能力，验证DRIs是否通过驱动企业创新，提升企业全要素生产率，回归结果如表10所示。表10列(1)呈现了DRIs与企业创新能力的回归结果，DRIs与企业创新能力在5%的水平上显著正相关(系数为0.047，t=2.09)，说明DRIs能够驱动企业创新。列(2)呈现了创新能力作为中介变量的回归结果，在回归中加入企业创新能力(PATENT)，PATENT与企业全要素生产率在1%的水平上显著正相关(系数为0.067，t=10.46)，DRIs与企业全要素生产率在5%的水平上显著正相关(系数为0.052，t=2.40)，创新能力发挥了部分中介作用。回归结果说明DRIs能够通过驱动企业创新，提升企业全要素生产率。

同时，本文以公司当年专利申请数量与当年研发投入(经过对数处理)的比值(PR)作为衡量企业在创新过程中的资源配置效率，PR值越大意味着企业在创新过程中资源配置效率越高，验证DRIs是否通过提升创新过程中的资源配置效率，进而提升企业全要素生产率，回归结果如表10所示。表10列(3)呈现了DRIs与创新活动资源配置效率的回归结果，DRIs与创新活动资源配置效率在5%的水平上显著正相关(系数为0.294，t=2.20)，说明DRIs对提高了创新活动资源配置效率。列(4)呈现了创新活动资源配置效率作为中介变量的回归结果，PR与企业全要素生产率在1%的水平上显著正相关(系数为0.012，t=9.69)，DRIs与企业全要素生产率在5%的水平上显著正相关(系数为0.067，t=3.03)，说明创新活动资源配置效率发挥了部分中介作用。回归结果说明DRIs能够通过增强企业在创新活动中的资源配置效率，进而提升企业全要素生产率。

4.经济后果

DRIs从关联行业获取产业链信息的同时，也将关于本行业的信息透过产业链网络释放出去，实现信息的多边传递，上市公司的DRIs能够在产业链内部实现全要素生产率提升的传导作用。本文检验了上市公司DRIs对关联行业全要素生产率的溢出效应，以目标公司所在行业全部关联行业的全要素生产率的均值度量关联行业的全要素生产率。回归结果如表11所示，DRIs与关联行业全要素生产率(RTFP)在1%的水平上显著正相关(0.734，t=14.01)，回归结果说明DRIs对企业全要素生产率的提升作用在产业链具有溢出效应，DRIs在产业链内部能够实现全要素生产率提升的传导作用。

表11 DRIs对关联行业全要生产率的影响

六、结论与启示

本文借助董事同时在关联行业任职的企业微观行为，分析产业链信息沿DRIs传递对企业全要素生产率的影响，通过天眼查等软件整合上市公司董事任职信息，利用《中国投入产出表》计算关联行业，以2012—2019年A股上市公司为初始样本，发现DRIs通过驱动企业创新提升了企业全要素生产率。为进一步验证DRIs的信息效应，以在关联行业任职职位分类研究，发现当董事在关联行业担任非独立董事或管理层能够获取产业链信息，提升了企业全要素生产率。以董事在上市公司身份差异分类，研究发现当DRIs在上市公司担任非执行董事能够提升企业全要素生产率。在横截面的分析中发现，当上市公司对产业链信息需求更高时，DRIs对企业全要素生产率的提升作用更强，且DRIs信息效应的发挥需要良好的外部治理机制作为支撑。本文还发现上市公司的DRIs能够在产业链内部实现全要素生产率提升的传导作用，对打造“高附加值”的产业链具有正向的推动性。

本文结论具有以下启示：首先，要充分认识到产业链信息对企业高质量发展的价值。技术创新活动需要产业链协作，产业链信息的传递与共享有利于企业以及全产业链的产品、技术升级，对提升企业全要素生产率具有正向的推动性。因此，在日常管理与经营过程中要注重主动加强与其他关联行业的联系，构筑培育稳定的产业链关系，从战略层面将产业链上的信息等资源高效整合起来，有利于实现资源优化配置提升创新成果转化率。在产业链信息传递中获取的主动权，从而积极地应对市场环境变化给企业带来的风险。在关键员工的甄别上要多考虑具有产业链工作经验的员工，控制与把握产业链信息的传递方式以及速度，使企业获得产业链信息传递的主动权，从而积极地应对市场环境变化给企业带来的风险。其次，DRIs信息效应的充分发挥建立在完善的治理机制之上，企业要不断强化内部控制建设提高公司治理水平，为外部产业信息内在化提供良好的制度“土壤”。最后，从国家发展的层面来看，促进产业链信息与资源的流动是打造“高附加值”产业链，实现产业链现代化水平的切实保证。因此，国家要支持优势产业上下游企业开放数据，建立互利共赢的共享机制，将产业大数据发展计划落到实处。