数字化转型对企业成本加成率的影响研究

李宏 梁宝琦 曹知修

［摘 要］ 随着数字经济与传统产业的深度融合，数字化转型已成为企业面对当前复杂多变市场环境的必然选择。基于2007—2020年上市公司的年报数据构建了企业数字化转型指标，并结合国泰安数据考察了数字化转型对企业成本加成率的影响及作用机制。结果发现：企业数字化转型能够显著提升企业成本加成率，该结果经一系列稳健性、内生性检验后依然成立，其对于高生产率企业、非国有企业、高技术行业企业及高市场规模地区企业的影响更为显著；企业数字化转型通过资源配置效应、成本节约效应及研发创新效应带动企业成本加成率的提升。进一步分析发现数字化转型所采用的数字技术中大数据技术、云计算技术及人工智能技术的影响更为显著，数字化转型主要通过降低边际成本对企业成本加成率产生影响。

［关键词］ 数字化转型；企业；成本加成率；研发创新；数字技术

［中图分类号］  F49；F279.2；F425 ［文献标识码］ Ａ   ［文章编号］ 1008-1763（2023）04-0065-12

Research on the Impact of Digital Transformation on FirmsMarkup

LI Hong，LIANG Bao-qi，CAO Zhi-xiu

（School of Economics，Tianjin University of Finance and Economics，Tianjin 300222，China）

Abstract：With the deep integration of digital economy and traditional industries， digital transformation has become an inevitable choice for firms facing the current complex and changing market environment. Based on the annual report data of listed companies from 2007 to 2020， this paper constructs an indicator of digital transformation， and examines the impact of digital transformation on firmsmarkup and its mechanism in combination with Guotaian data. The results show that enterprise digital transformation can significantly improve firmsmarkup. This result is still valid after a series of robustness endogenous tests. Heterogeneity analysis shows that for high productivity enterprises The influence of high-tech industry enterprises and enterprises in high market scale areas is more significant. The mechanism analysis shows that the digital transformation of enterprises drives the increase of enterprise cost markup rate through the improvement of resource allocation effect， market matching effect and R&D innovation effect. Further analysis shows that big data technology， cloud computing technology and artificial intelligence technology are more significant in the digital transformation.The transformation of the digital economy has an impact on the cost plus rate of enterprises mainly by reducing marginal cost.

Key words： digital transformation; firm; mark up; R&D innovation;digital technology

數字经济领域的快速发展对经济和整个社会都产生了极其深远的影响，数字分析技术和机器学习等算法的不断进步使数字化转型成为企业面对当前复杂多变市场环境的必然选择。党的二十大明确提出要“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。在数字化转型的实践中，发现有部分非数字原生企业由于技术能力不足、缺少资金支持及缺乏长远战略盲目推进数字化等原因陷入转型困境，“不想转、不敢转、不会转”的问题较为显著。数字化转型究竟能否提升盈利水平已成为众多企业关心的核心问题，而加成率能够反映一家企业市场势力的大小，同时能够衡量一家企业盈利能力的高低。因此，在当前数字经济蓬勃发展的大背景下，对于企业数字化转型能否提高企业成本加成率及如何提高企业成本加成率的研究具有重要的理论与现实意义。

企业数字化转型可以理解为企业利用数字技术与企业生产经营与管理进行深度融合，从而推动组织、运营、生产和技术等各方面的系统性转变[1]。已有研究发现企业数字化转型能够优化企业内部组织结构与决策流程[2]，加强企业与消费者及消费者之间的信息互通，促进消费者剩余与企业收入的增加[3]。杨金玉等分析发现，客户数字化转型将通过倒逼效应和资源效应促进供应商创新[4]。然而，Syverson发现信息技术发展中存在生产率悖论问题[5]，自动化同时会降低增值中的劳动力份额，导致工资增长慢于生产率增长，造成就业和居民消费下降[6]。综合以上文献发现，学界当前对于数字化转型的影响效应仍有疑问，对数字化转型内涵的解读仍是一个“黑箱”，并没有深入解构数字化转型可能存在的异质性影响。本文尝试从数字技术视角探讨不同层次的数字技术应用的影响，分析企业数字化转型背后的影响机制及转型路径，探究数字技术应用对企业发展是否如主流经济学所认为的那样具有通用性特征。

与本文相关的其他文献是从不同角度探讨对企业成本加成率的影响。既有文献多从产业创新[7]、城市规模扩张[8]、中间品贸易自由[9]等不同角度分析对企业成本加成率的影响，从数字化转型视角研究对企业成本加成率影响的文献比较少，且对企业成本加成率的影响机制分析大多集中在促竞争效应和成本节约效应上。与本文关联比较密切的是柏培文和喻理的研究，他们研究了数字经济对企业加成率的影响，发现数字经济发展会通过提高企业间竞争程度，造成企业成本压力上升，进而导致企业加成率下降[10]。本文尝试从企业层面探讨企业数字化转型对企业成本加成率的影响机制，并进一步分析数字化转型对企业成本加成率哪些方面会产生更多影响。

与现有文献相比，本文的边际贡献主要有以下几点：（1）本文在已有研究的基础上进一步从企业视角探究数字化转型对企业成本加成率的影响，讨论数字化转型究竟能否促进企业成本加成率的提升。（2）丰富了企业数字化转型对企业成本加成率的影响机制，从资源配置效应、成本节约效应与研发创新效应三方面解释企业数字化转型如何影响企业成本加成率，为企业数字化转型提供一些新的思路。（3）本文尝试从数字技术角度进一步分析企业数字化转型的层次递进特征，对“底层技术架构”进行分别探讨，同时考虑数字化对加成率的影响，是更多的影响企业边际成本还是价格，为后续进一步研究奠定基础。

一 理论机制和研究假设

企业加成率一般被定义为价格与边际成本之比，其既能通过边际成本反映企业生产率水平，也能通过价格反映企业产品质量水平[11]。從边际成本角度看，数字化转型企业能够更加便捷地获取国际市场与潜在竞争对手的信息，有助于降低企业的信息成本与市场进入成本。通过搜集与分析公司内部海量数据信息能够提高公司内部员工和流程绩效的清晰度，降低企业的管理成本。柏培文和喻理也发现企业数字化转型能够通过降低企业的工资压力进而缓解数字经济对企业加成率的负向影响[10]。从价格角度来看，数字化转型改变了企业的生产方式。数字化转型企业的柔性化、定制化生产模式实现了生产者与消费者价值共创[12]，满足消费者的个性化需求，提高企业产品竞争力。同时，人工智能和机器学习算法通过挖掘大量数据进行预测分析可以帮助市场和零售商更好地预测消费者需求[13]，从而可以对消费者进行歧视性定价赚取超额利润。综上所述，本文提出如下假设：

假设1：企业数字化转型能够提升企业成本加成率。

企业数字化转型能够带动企业资源配置效率提升。一方面，数字化转型以后改进了企业的决策方式，企业的数字驱动型决策模式在一定程度上缓解了个人决策中的有限理性问题，提升了企业的资源配置效率[14]。同时，运用机器学习方法可以基于历史数据对未来进行分析预测，帮助企业制定未来资源配置方案[15]，优化公司资源配置。另一方面，数字化转型能够提升企业的供应链管理能力。生产和市场之间的快速协作是企业供应链管理的必要条件，大数据分析技术能够快速、准确地了解客户和市场信息，预测企业可能面临的各种问题，缓解供需信息不对称的问题[16]。而资源配置效率提升意味着企业能够更有效地利用其资源，从而提高生产效率，降低企业边际成本。而企业也会将各种要素转移到内部高质量产品部门进而促进企业产品质量提升[17]。综上所述，本文提出如下假设：

假设2：企业数字化转型通过增强企业资源配置效应进而促进企业成本加成率的提升。

随着数字经济的兴起，企业与企业之间以及企业与消费者之间的互动方式越来越多地通过在线平台进行，降低了与距离相关的信息摩擦对贸易的负面影响[18]。一方面，人工智能在语音识别、图像识别和信用评分等领域的最新进展也显著提高了企业的搜索和预测能力[19]，促进了企业收入与消费者剩余的上升。另一方面，人工智能和机器学习算法能够在挖掘大量数据的基础上对消费者行为特征进行精准把控，从而使企业能够根据市场及时调整生产和销售计划，降低存储成本[20]。考虑到消费者需求的巨大异质性，企业通过采用人工智能技术能够识别与预测消费者的许多特征，帮助市场或企业更好地将零散客户分成群体，实现长尾效应[21]。综上所述，本文提出如下假设：

假设3：企业数字化转型通过成本节约效应促进企业成本加成率的提升。

由于数字技术具有跨区域、跨行业应用的特点，高水平企业数字化转型会对非常广泛的领域形成创新激励，促进跨领域的创新协同[22]。随着数字技术和无数应用部门之间的创新循环不断加强，所有部门的创新效率也会进一步提高。并且数字技术也进一步改变了企业的创新研发过程，其实质上是一种“创新方法的创新”。企业通过利用大型数据集和学习算法能够对动态的开发技术和行为现象进行高精度预测[23]，这种新的预测方法的发展为开展科学和技术研究提供了新的思路。通过这种通用技术以及创新思维在许多应用领域的共享与扩散所产生的知识溢出效应能够降低企业的研发成本，进而降低企业的生产成本。另外，创新技术的爆炸式增长能够提高企业产品质量及促进企业新产品创造，降低消费者对产品的需求弹性，进而提高企业成本加成率[7]。

企业数字化转型具有层次性特征，最复杂的技术通常只有在更基本的技术水平被广泛应用后才会产生。公司采用高水平数字化技术，需要大量的数字信息和足够的计算能力[24]。大数据被认为是使用更先进的数字技术的必要投入，通过对消费者与供应链上下游的信息收集与分析使研发创新更具针对性[25]。采用高水平数字技术的第二个必要因素是，要有足够的计算能力来处理和利用大量的数字信息。云计算服务的出现使可扩展的计算资源可以按需使用，从根本上改变了IT使用的经济性，使主要IT功能的外包成为可能[26]。因此，在大数据时代，企业必须进行高质量技术创新提升自己的技术优势，才能保持自身的市场竞争力。综上所述，本文提出如下假设：

假设4：企业数字化转型通过研发创新效应促进企业成本加成率的提升。

假设5：实质性研发创新更能促进企业成本加成率的提升。

二 研究设计

（一）计量模型设定

为验证本文的研究假说，本文选择如下模型估计企业数字化转型对企业成本加成率的影响：

其中，i、t分别表示企业和年份。mkpit为企业i在t年的成本加成率，digit表示企业i在t年的数字化转型指数，controlit为一系列的控制变量，vi为企业个体固定效应，μt为年份固定效应，ηot为年份×城市固定效应，χst为年份×行业固定效应。

（二）变量测度

1．数字化转型指数

结合吴非等[27]的数字化转型特征词图谱及数字化转型相关的经典文献与政策文件进行筛选，得到共109个数字化转型相关词汇组成特征词词典。依据数字技术开发及数字化场景应用将特征词词典划分为底层技术架构和数字技术应用两部分，把政策文件中所涉及的不同技术方向的词频进行分类汇总，将底层技术架构进一步细分为四个方面，即人工智能技术、大数据技术、云计算技术及区块链技术，最终特征词词典如图1所示。最后对上市公司年报“管理层讨论与分析”部分进行特征词匹配，得到与企业数字化相关词汇在年报中出现的频数并分类加总。参照袁淳等[28]的方法，采用企业数字化相关词汇频数总和除以管理层讨论与分析部分文本长度再乘100来衡量企业数字化转型程度。对指标按年份进行对比分析发现，2014年以前未进行数字化转型的企业比较少，2014年后数字化转型成为企业战略重心，基本所有上市企业都有在年报提及相关词汇。

2．企业成本加成率

目前，衡量企业价格加成的方法主要有两种：第一种是会计法。该方法根据会计准则，利用企业的增加值、工资总额和中间投入对企业加成率进行计算。参照盛丹和王永进的方法[29]，在会计法下，企业的价格加成计算公式为

其中，valueaddit表示企业的工业增加值。由于上市公司数据中并不汇报工业增加值，因此参照覃家琦的做法估算增加值[30]，会计法计算成本加成率简单易算，但存在如下不足：第一，利用会计法计算的价格加成易受到人为控制等因素的影响；第二，会计变量与经济变量存在差异，该指标不能很好地代表经济学含义上的价格加成。

本文使用Loecker和Warzynski的生产函数法来估计企业成本加成率[31]，假设企业生产函数为Qit=Qit（X1it，…，XVit，Kit，ωit），其中V为要素投入，如劳动投入、中间品投入等，Kit为资本投入，ωit为全要素生产率。根据企业成本最小化条件构建拉格朗日函数可得

其中，PXvit和rit分别为可变投入和资本投入的价格，根据一阶条件得

对上式整理可得

其中，Pit为最终产品价格，根据包络定理可知λit=mcit，由于企业成本加成率（mkpit）是产品价格与边际成本之比，因此：

其中，θxit代表投入要素X的产出弹性，φxit代表要素X占总产出的比重。本文选取中间品投入作为投入要素，φmit可直接计算得到，θmit需用生产函数估计得到。为降低估计偏误，本文假设企业生产函数为超越对数生产函数，参考ACF两步法估算生产函数中的各个系数（βl，βk，βm，βll，βkk，βmm，βlk，βlm，βkm，βlkm），可得到中间品要素投入的产出弹性θmit=βmmit+βlmlit+βkmkit+βlmklitkit，进而根据（6）式得到企业成本加成率，同时本文使用会计法下的企业成本加成率做稳健性检验。

3．其他控制变量

参考杜明威等[32]、洪俊杰等[1]的做法，选取的控制變量主要包括：（1）公司规模（size），采用企业总资产取自然对数来衡量；（2）企业年龄（age），采用当年年份减去企业建立时间加1取自然对数来衡量；（3）账面价值比（bm），采用账面价值与总市值之比的自然对数来衡量；（4）资产负债率（lev），采用企业负债总额与资产总额之比来衡量；（5）企业平均工资（wage），采用企业应付职工薪酬与员工人数之比的自然对数来衡量。为进一步降低遗漏变量所产生的估计误差，本文加入年份与行业、年份与城市的交互项控制行业与城市层面随时间变化的变量。

（三）数据说明

本文选用2007—2020年沪深A股上市公司为研究对象，数据主要来自国泰安数据库、上市公司年报及《中国城市统计年鉴》，并对样本进行如下处理：剔除ABH股同时上市的企业；剔除在样本期间内的ST企业或*ST企业及金融类企业；剔除样本期间内企业年龄为负的样本；剔除资不抵债的企业样本；并对所有连续变量进行1%水平的winsor缩尾处理，各变量的描述性统计如表1所示。

三 实证结果分析

（一）基准回归结果

基准回归结果如表2所示：第（1）列为不加控制变量，仅控制年份、企业、年份固定效应与行业交互固定效应的结果；第（2）列为不加控制变量，控制所有固定效应的结果；第（3）列为加入控制变量，控制年份、企业、年份固定效应与行业交互固定效应的结果；第（4）列为控制所有控制变量与固定效应的结果。实证结果表明企业数字化转型能够显著提高企业成本加成率。

从控制变量来看，企业规模对企业成本加成率有显著的正向影响，这是因为规模越大的企业一般会拥有更大的价格和成本优势；企业人均工资对企业成本加成率的影响显著为负，原因是工资上涨导致企业边际成本上升，进而降低企业成本加成率；资产负债率的影响显著为负，主要原因是企业资产负债率越高，企业财务风险和融资成本也会提高，进而导致企业市场竞争力下降；企业年龄的影响显著为负，主要原因是企业年龄越大生产惯性越强，转型所需成本会更大；账面价值比的影响显著为正，主要原因是账面价值比越高的企业收益率就越高，企业收入与成本的比值就越大，企业成本加成率就越高。

（二）稳健性检验

1．替代解释变量指标

选用企业数字化转型相关词频加1取对数衡量企业数字化转型（ln dig1），并参考张永珅等的做法，根据财务报告附注披露的年末无形资产明细项选取其中关于计算机软件、数字化、系统等项目的期末余额作为数字无形资产余额[33]，并用数字无形资产余额占资产总额的比例衡量企业数字化转型（ln dig2）。结果如表3所示，在更换数字化转型指标后，其对企业成本加成率的影响依然显著为正。

2．替代被解释变量

为检验实证结果的稳健性，采用会计法重新计算企业成本加成率（ln mkp_acc），计算方法如（2）式所示，最终回归结果如表4所示。从第（1）列和第（2）列可以发现在更换被解释变量衡量方式后数字化转型对企业成本加成率的影响依然显著为正。

3．解决样本自选择偏误问题

本文的回归结果表明数字化转型程度越高，企业成本加成率就越高，但并非一定是数字化转型提升了企业成本加成率，而是数字化转型企业本身就是市场竞争力较强、技术水平较高的企业。因此，为解决可能存在的样本自选择偏误，本文以每年各行业中企业数字化转型的平均数为依据，将样本划分为实验组与对照组，并采用PSM方法进行有放回地1∶1邻近逐年匹配。重新匹配后样本均值偏差的P值在10%置信水平上均不显著。重新用匹配后样本进行回归，回归结果如表5所示：第（1）列不加入控制变量仅控制企业、时间及年份×行业固定效应，第（2）列不加入控制变量同时控制所有固定效应，第（3）列加入控制变量后仅控制企业、时间及年份×行业固定效应，第（4）列控制所有控制变量与固定效应。实证结果显示企业数字化转型对企业成本加成率有显著的正向影响，说明本文的回归结果稳健。

4．解决逆向因果问题

企业数字化转型与成本加成率之间可能存在逆向因果关系，因为市场竞争力强的企业更有能力进行数字化转型。本文采用企业同行业中其他企业的平均数字化水平（iv1）作为工具变量，并借鉴杨金玉等的做法，采用数字化转型指标与按行业二级编码和省份分类的数字化转型指标均值差额的三次方（iv2）作为工具变量[4]，结果如表6所示：其中第（1）（2）列分别使用iv1、iv2作为唯一工具变量，结果显示第一阶段工具变量对解释变量企业数字化转型的回归结果显著；第二阶段对被解释变量企业成本加成率的回归结果显著，最后弱工具变量检验与不可识别检验均显著通过。第（3）列同时使用iv1、iv2作为联合工具变量，结果依然显著，观察过度识别检验P值并不显著，证明两个工具变量均为外生变量。

（三）异质性分析

1．区分高生产率与低生产率企业

不同生产率企业数字化转型的难度和目标也会有所不同。本文借鉴柏培文和喻理的做法，将企业按其TFP是否高于本行业TFP的平均数分为低TFP组企业和高TFP组企业[10]，回归结果如表7所示。在高生产率企业组中，发现企业数字化转型对高生产率企业的成本加成率有显著的正向影响，在低生产率企业组中企业数字化转型对低生产率企业的成本加成率没有显著影响。主要原因在于低生产率企业由于技术水平和资金支持的不足，企业数字化转型更多停留在对数字技术的简单应用上，转型后所获收益可能并不能弥补转型成本；而高生产率企业能够进行更深层次的技术研发，促进生产线的数字化与智能化，提高企业产品质量，从而提高企业成本加成率。

2．区分企业所有制

不同所有制企业的盈利模式、创新激励、战略规划等存在差异，因此数字化转型对企业成本加成率的影响也会有差异。本文将企业分为国有企业和非国有企业考察数字化转型对不同所有制企业的影响，从表7中第（3）列和第（4）列可以发现，国有企业的数字化转型对成本加成率有促进作用但并不显著，而非国有企业有显著的促进作用。主要原因是国有企业享有更多国家政策优待，企业面对的市场竞争压力不高，数字化转型动力不足，同时国有企业承担着更多的社会责任，数字化转型方向侧重基础民生而对企业成本加成率的提升作用不强。

3．区分高技术行业与非高技术行业

在数字技术和数据要素迅速渗透至各个行业的大背景下，不同行业技术水平的差异也会影响企业数字化转型的难度和效果。因此本文根据《战略性新兴产业分类（2012）（试行）》和经济合作与发展组织（OECD）相关文件，对照《上市公司行业分类指引（2012年修订）》筛选出14个高技术行业

高技术行业代码：C26～C28、C34～C36、C38～C40、I63、I64、I65、M73。，回归结果如表8所示。在高技术行业组，数字化转型能够显著提高企业成本加成率；在非高技术行业组，数字化转型对非高技术行业企业成本加成率的影响虽为正但并不显著。其原因是企业数字化转型本身就具有高技术密集度特征，高技术行业企业接触和利用数字化技术产生的成本更低，因此高技术行业企业数字化转型不会对企业经营产生较大负担；而非高技术行业企业由于技术能力不足最终可能导致数字化转型对改善企业经营绩效的效果不显著。

4．区分高市场规模地区与低市场规模地区

企业所在地区的市场规模大小影响着企业数字化转型程度与企业成本加成率之间的关系，企业所在地区的市场规模越大，越能吸引要素和相关基础设施在当地集聚形成规模效应，从而降低企业转型成本，提高企业成本加成率；而所在地区的市场规模越小，企业转型难度就越大，越容易陷入转型困境。考虑到当前数字经济发展一定程度上加强了各地区间市场的关联性，因此为准确衡量各地区的市场规模大小，参考韩峰和庄宗武的做法，以历年各省互联网宽带接入用户数作权重对传统市场潜力指数进行调整[34]，计算各省经调整后的市场潜力指数，不失一般性，按照是否高于各地区市场潜力指数的平均数将地区划分成高市场规模地区与低市场规模地区，最终结果如表8所示。可以看出在高市场规模地区组中，数字化转型能够顯著促进企业成本加成率的提升，而在低市场规模组中影响虽为正但并不显著。

四 机制分析

结合前文的机制分析与假设，本文通过构建中介效应模型，从“资源配置效应”“成本节约效应”“研发创新效应”三个方面来考察数字化转型对企业成本加成率的作用机制，下文构建模型同时考虑稳健性对理论机制进行检验。

其中，channelit为中介变量，检验过程如下：

（一）资源配置效应的中介机制检验

为验证假设2，本文参考覃家琦等的做法[35]，通过技术效率衡量企业资源配置效率，假设企业生产函数为

其中，Y是产出向量；x为要素投入向量；exp（v）为随机冲击，即因为随机因素导致的企业偏离最大产出的程度。除了随机因素的影响，企业自身的低效率行为也会导致无法实现最优产出，exp（-u）代表效率水平，即实际产出与最优产出之间的比值，通过对u进行估计进而得到技术效率水平（eca）。

本文主要采用超越对数生产函数进行估计，要素投入主要包括劳动、资本、中间品投入，具体计算方法如前文所示。同时参考韦庄禹的做法构建反向指标资源错配程度进行稳健性检验[36]，最终回归结果如表9所示。由第（1）列和第（2）列可知数字化转

型能够通过促进资源配置效率提升进而提高企业成本加成率，第（3）列和第（4）列表明数字化转型能够降低企业资源错配程度进而提升企业成本加成率，因此假设2成立。

（二）成本节约效应的中介机制检验

为验证假设3，本文参考孟夏和董文婷的做法，从交易成本角度分别采用销售费用占总资产比重（ln costs）以及管理费用占总资产比重（lncostm）来验证成本节约效应[37]。同时参考杜明威等的做法，从生产灵活性角度采用库存持有成本（ln hold）来验证成本节约效应[38]，其中库存持有成本为存货期末余额除以总资产。最终回归结果如表10所示。由第（1）列和第（2）列可以看出，数字化转型通过降低企业销售费用占比进而提高企业成本加成率；第（3）列和第（4）列从管理费用占比角度显示数字化转型能够提高成本节约效率从而显著提升企业成本加成率；第（5）列和第（6）列表明，数字化转型能够降低库存持有成本，提高企业生产灵活性进而提高企业成本加成率。

（三）研发创新效应的中介机制检验

为验证假设4和假设5，本文参考黎文靖和郑曼妮的做法，采用企业专利申请数来衡量企业创新水平（pt），并进一步用发明专利申请数量衡量企业实质性技术创新水平（pti），用非发明专利申请数量衡量企业策略性创新水平（ptud）[39]。最终回归结果如表11所示。第（1）列和第（2）列显示，数字化转型能够通过研发创新效应提高企业成本加成率，即假设4成立。进一步将研发创新分为实质性创新与策略性创新发现，数字化转型能够带动企业实质性创新，进而促进企业成本加成率的提升，但策略性创新对企业成本加成率的影响并不显著，表明假设5成立。

五 进一步分析

为进一步分析数字化转型中不同数字技术对企业成本加成率的影响，本文参考吴非等的做法[27]，将企业数字化转型技术进一步细分为人工智能技术（ai）、区块链技术（bd）、云计算技术（cc）、大数据技术（dt）、数字技术应用（adt），分别考察各类技术及其应用对企业成本加成率的影响。回归结果如表12所示，大数据技术、云计算技术及人工智能技术对企业成本加成率的影响较为显著，与Zolas 等的结论基本一致[24]。相比之下，大数据技术与人工智能技术对企业成本加成率的影响较强，主要是因为大数据技术作为企业数字化转型的一项必要投入能够覆盖企业产供销各个环节，对企业成本加成率的提升作用更强；而人工智能技术被认为是一种通用技术及新型创新方法，对企业形成一种全方位影响，不仅可以作用在企业的各个生产环节，同时还能改进企业的创新思维与创新方法，对企业成本加成率的提升作用更大。此外，区块链技术与数字技术应用对企业成本加成率的影响虽为正但并不显著，主要原因是不同企业的数字技术应用具有较强的异质性特征，它所产生的经济效益也并不一致，同时区块链技术在应用上并不广泛，对企业成本加成率不能产生显著影响。

企业成本加成率通常被定义为价格与边际成本之比，由此产生的一个问题是数字化转型对企业成本加成率的影响更多是来源于边际成本角度还是价格角度？本文对该问题进行进一步探讨。由于上市公司数据缺少企业产品价格和产品数量相关数据，因此本文参考祝树金等[9]的做法，采用中间品投入成本作为企业边际成本的代理变量，同时根据企业成本加成率的定义拟合出企业的价格指标，最终回归结果如表13所示。从第（1）列可以发现数字化转型对企业中间品投入成本的影响显著为负，表明数字化转型能够降低企业边际成本；从第（2）列可知数字化转型对企业产品价格的影响为负但并不显著，其原因主要受两方面的影响：一方面受成本-价格传递效应的影响，另一方面是因为数字技术研发水平较低，无法通过数字赋能降低企业的产品替代弹性，造成数字化转型对企业产品价格的影响为负但并不显著。通过比较数字化转型对企业中间品投入成本和价格的影响系数可以发现，企业数字化转型主要通过降低边际成本对企业成本加成率产生影响。

六 结论与建议

本文基于2007—2020年上市公司年报数据构建数字化转型指数，从企业层面探讨了数字化转型与成本加成率之间的关系，实证结果表明企业数字化转型能显著促进企业成本加成率的提升。该结果经一系列稳健性与内生性检验后同样显著，通过异质性分析发现：（1）从企业视角来看，高生产率企业与非国有企业的数字化转型对企业成本加成率的影响更为显著；（2）从行业视角出发，高技术行业企业的数字化转型对企业成本加成率的提升作用更强；（3）从地域视角来看，处于市场规模更大地区的企业其数字化转型更能提高企业成本加成率。机制分析发现，数字化转型能够通过资源配置效应、成本节约效应及研发创新效应对企业成本加成率产生影响，并且实质性创新对企业成本加成率的影响更为显著。进一步研究发现，大数据技术、云计算技术及人工智能技术对企业成本加成率的影響更为显著，并且数字化转型主要通过降低边际成本对企业成本加成率产生影响。

为此，本文就如何实现企业数字化转型进而提升企业成本加成率提出如下建议：（1）企业数字化转型应该“量力而行”，走适合自己的转型之路。本文验证了数字化转型能够提升企业的盈利能力和市场竞争力，同时数字化转型能够降低企业边际成本，对企业发展具有更大的普适性，企业应主动进行数字化转型以适应市场发展。但是数字化转型应“因企制宜”，企业数字化转型没有固定的道路，企业要结合自身优势和发展需求寻找合适的数字技术促进企业转型，避免陷入转型困境。（2）企业数字化转型并不会一蹴而就，政府要鼓励企业进行实质性创新。企业数字化转型具有层次性特征，高水平的数字化转型需要有基础数字技术做支撑，需要企业不断创新以提升企业数字化水平，同时也要注意，企业只有进行实质性创新才能提高企业成本加成率。因此政府要鼓励企业不断提高创新质量，激发创新活力，推动跨区域跨行业的创新循环不断加强，形成更系统的经济转型。（3）完善数字基础设施，畅通国内大循环。数字经济的发展在一定程度上缓解了各地区间的市场分割，促进了区域间的资源流动。因此政府应加强数字基础设施建设，优化市场管理体制与审批制度，加强市场监督与地方合作，充分激发国内大市场潜力，助力企业通过数字化转型“走出去”。（4）结合不同技术特征，渐进提高企业数字化水平。不同数字技术对于企业成本加成率的影响具有差异性，企业应根据自身特点与发展阶段采取不同数字技术提升企业数字化水平。同时企业应注意技术应用与技术投入之间的协调性，避免数字技术的过度应用而忽视企业技术水平提升，陷入“低水平技术依赖”。

［参 考 文 献］

［1］ 洪俊杰，蒋慕超，张宸妍.数字化转型、创新与企业出口质量提升[J].国际贸易问题，2022（3）：1-15.

［2］ 刘政，姚雨秀，张国胜，等.企业数字化、专用知识与组织授权[J].中国工业经济，2020（9）：156-174.

［3］ Reimers I， Waldfogel J. Digitization and pre-purchase information： the causal and welfare impacts of reviews and crowd ratings[J]. American Economic Review， 2021（6）： 1944-1971.

［4］ 杨金玉，彭秋萍，葛震霆.数字化转型的客户传染效应——供应商创新视角[J].中国工业经济，2022（8）：156-174.

［5］ Syverson C. Challenges to mismeasurement explanations for the US productivity slowdown[J]. Journal of Economic Perspectives， 2017（2）： 165-186.

［6］ Acemoglu D， Restrepo P. Automation and new tasks： how technology displaces and reinstates labor[J]. Journal of Economic Perspectives， 2019（2）： 3-30.

［7］ 刘啟仁，黄建忠.产品创新如何影响企业加成率[J].世界经济，2016（11）：28-53.

［8］ 赵瑞丽，尹翔硕，孙楚仁.大城市的低加成率之谜：集聚效应和竞争效应[J].世界经济，2019（4）：149-173.

［9］ 祝树金，钟腾龙，李仁宇.中间品贸易自由化与多产品出口企业的产品加成率[J].中国工业经济，2018（1）：41-59.

［10］柏培文，喻理.数字经济发展与企业价格加成：理论机制与经验事实[J].中国工业经济，2021（11）：59-77.

［11］黄先海，金泽成，余林徽.出口、创新与企业加成率：基于要素密集度的考量[J].世界经济，2018（5）：125-146.

［12］马述忠，房超，梁银锋.数字贸易及其时代价值与研究展望[J].国际贸易问题，2018（10）：16-30.

［13］Milgrom P R， Tadelis S. How artificial intelligence and machine learning can impact market design[R]. Boston：National Bureau of Economic Research， 2018.

［14］Brynjolfsson E， Mcelheran K. The rapid adoption of data-driven decision-making[J]. American Economic Review， 2016（5）： 133-139.

［15］Strand M， Syberfeldt A. Using external data in a BI solution to optimise waste management[J]. Journal of Decision Systems， 2020（1）： 53-68.

［16］Li L， Chi T T， Hao T， et al. Customer demand analysis of the electronic commerce supply chain using Big Data[J]. Annals of Operations Research， 2018（1）： 113-128.

［17］沙文兵，彭徐彬.低碳經济转型与企业出口产品质量：基于低碳城市试点的准自然实验[J].世界经济研究，2023（4）：103-118+136.

［18］Carballo J， Chatruc M R， Santa C S， et al. Online business platforms and international trade[J]. Journal of International Economics， 2022（137）：103599.

［19］Mullainathan S， Spiess J. Machine learning： an applied econometric approach[J]. Journal of Economic Perspectives， 2017（2）： 87-106.

［20］Bajari P， Chernozhukov V， Hortasu A， et al. The impact of big data on firm performance： an empirical investigation[J]. AEA Papers and Proceedings， 2019（109）：33-37.

［21］Yang K H. Selling consumer data for profit： optimal market-segmentation design and its consequences[J]. American Economic Review， 2022（4）： 1364-1393.

［22］Cockburn I M， Henderson R， Stern S. The impact of artificial intelligence on innovation[R]. Boston：National Bureau of Economic Research， 2018.

［23］Taddy M. The technological elements of artificial intelligence[M]//The Economics of Artificial Intelligence. Chicago：University of Chicago Press，2019：61-68.

［24］Zolas N， Kroff Z， Brynjolfsson E， et al. Advanced technologies adoption and use by US firms： evidence from the annual business survey[R]. Boston：National Bureau of Economic Research， 2021.

［25］張叶青，陆瑶，李乐芸.大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J].经济研究，2021（12）：42-59.

［26］Byrne D M， Corrado C， Sichel D E. The rise of cloud computing： minding your Ps， Qs and Ks[R]. Boston：National Bureau of Economic Research， 2018.

［27］吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021（7）：130-144+10.

［28］袁淳，肖土盛，耿春晓，等.数字化转型与企业分工：专业化还是纵向一体化[J].中国工业经济，2021（9）：137-155.

［29］盛丹，王永进.中国企业低价出口之谜——基于企业加成率的视角[J].管理世界，2012（5）：8-23.

［30］覃家琦.战略委员会与上市公司过度投资行为[J].金融研究，2010（6）：124-142.

［31］Loecker J D， Warzynski F. Markups and firm-level export status[J]. American Economic Review， 2012（6）： 2437-2471.

［32］杜明威，耿景珠，刘文革.企业数字化转型与中国出口产品质量升级：来自上市公司的微观证据[J].国际贸易问题，2022（6）：55-72.

［33］张永珅，李小波，邢铭强.企业数字化转型与审计定价[J].审计研究，2021（3）：62-71.

［34］韩峰，庄宗武.国内大市场、人工智能应用与制造业出口国内附加值[J].世界经济研究，2022（5）：33-47+135.

［35］覃家琦，杨玉晨，王力军，等.企业家控制权、创业资本与资本配置效率——来自中国民营上市公司的证据[J].经济研究，2021（3）：132-149.

［36］韦庄禹.数字经济发展对制造业企业资源配置效率的影响研究[J].数量经济技术经济研究，2022（3）：66-85.

［37］孟夏，董文婷.企业数字化转型与出口竞争力提升——来自中国上市公司的证据[J].国际贸易问题，2022（10）：73-89.

［38］杜明威，耿景珠，崔岩.企业数字化转型与出口：来自中国上市公司的微观证据[J].世界经济研究，2022（9）：119-134+137.

［39］黎文靖，郑曼妮.实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响[J].经济研究，2016（4）：60-73.