数字化转型与资源优化配置——兼论对统一大市场建设的可能作用

戴 翔 马皓巍 金 碚

一、引言

面临世界百年未有之大变局，中国经济发展正在进行一系列战略转型。其中，有两个方面尤为值得关注：一是在驱动经济发展的动力机制上，更加注重从以往的要素驱动转向创新驱动；二是在开放引领发展的方式上，更加注重从以往的国际大循环转向以国内大循环为主体、国内国际双循环相互促进的新发展格局。就前者而言，转向创新驱动的根本在于推动技术进步、提升自主创新能力。当前，以数字技术为代表的新一轮信息技术革命为进入新发展阶段的中国带来了历史性战略机遇，抓住这一历史性机遇，不仅有助于中国经济发展改变以往“跟随”和“模仿”的发展模式，而且完全有可能在新一轮信息技术革命及其引发的产业革命中实现“弯道超车”，并据此在新一轮经济全球化中占据制高点。在数字技术日益成为国际竞争新焦点的背景下，中国相继出台了《国家信息化发展战略纲要》《“十四五”数字经济发展规划》(后文简称《规划》)等政策文件，从国家层面进行战略部署，以期推动数字技术进步和经济的数字化转型发展。就后者而言，中国构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，根本在于发挥超大本土市场规模优势。需要指出的是，从总量规模看，中国目前虽已成为仅次于美国的全球第二大经济体，但由于体制、机制等约束，诸如“地方保护”和“诸侯经济”等现象和问题依然存在，超大本土市场规模的潜在优势还未能转化为现实优势。2022年4月，《中共中央 国务院关于加快建设全国统一大市场的意见》(后文简称《意见》)发布。毋庸置疑，全国统一大市场建设涵盖的内容十分广泛，但是从功能角度划分，不外乎商品市场和要素市场两类。相比较而言，经过40多年的改革开放，中国商品和服务的市场化程度较高，但要素市场化改革还很不充分。因此，深化要素市场领域改革，促进要素资源在更大范围内自由、有序流动，进一步实现资源优化配置，是加快建设全国统一大市场的题中之义和重中之重。诚如《意见》明确指出“打造统一的要素和资源市场”(1)《中共中央 国务院关于加快建设全国统一大市场的意见》，参见中国政府网，https：//www.gov.cn/zhengce/2022-04/10/content_5684385.htm。，党的二十大报告则进一步强调“构建全国统一大市场，深化要素市场化改革，建设高标准市场体系”(2)习近平：《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》，29页，人民出版社，2022。。

众所周知，技术进步是推动分工演进的根本力量。亚当·斯密的分工理论虽然指出分工受限于市场范围，但阿林·杨格从市场规模与迂回生产、产业间分工相互作用和自我演进的角度(3)贾根良：《杨格定理与经济发展理论》，载《经济社会体制比较》，1996(2)。，深刻地揭示了市场规模同样也决定于分工水平。从这一意义上说，技术进步同样是影响资源配置的重要力量。这就提出了一个很有理论意义和实践价值的课题：在数字技术快速进步并在各产业领域高度渗透和参与的背景下，数字化转型发展有助于实现资源优化配置吗？

从现有研究来看，与本文直接相关的文献主要分为两支。一支文献主要探讨数字化转型的经济影响效应。已有研究认为，数字化转型有利于提升企业生产效率，进而提升后者在外贸市场的表现(4)戴翔、马皓巍：《数字化转型、出口增长与低加成率陷阱》，载《中国工业经济》，2023(5)。，与此同时，数字技术还会促使企业进行专业化分工(5)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》，载《中国工业经济》，2021(9)。，进而在分工深化中提升分工效率(6)王永进、匡霞、邵文波：《信息化、企业柔性与产能利用率》，载《世界经济》，2017(1)。。从要素流动的视角来说，企业数字化转型还有利于组织结构“去中心化”(7)戚聿东、肖旭：《数字经济时代的企业管理变革》，载《管理世界》，2020(6)。，从而削弱要素之间协同配合的壁垒、提高企业内部的组织效率(8)A.Goldfarb，and C.Tucker.“Digital Economics”.Journal of Economic Literature，2019，57(1)：3-43.，最终实现企业创新能力的提升(9)沈国兵、袁征宇：《企业互联网化对中国企业创新及出口的影响》，载《经济研究》，2020(1)。，进而赋予企业既有产品更多的异质性特征(10)B.Cassiman，and S.Vanormelingen.“Profiting from Innovation：Firm Level Evidence on Markups”.CEPR Discussion Paper No.9703，2013.。但也需要注意到，在实践中如果企业过度进行数字化转型，则可能会对其他生产要素产生“挤出效应”，不利于企业长期动态竞争能力的提升。(11)戴翔、马皓巍、张二震：《数字化转型一定能提升企业加成率吗》，载《金融研究》，2023(5)。另一支文献则侧重探讨全国统一大市场的建设与发展。已有研究认为，从经济学理论角度理解和分析全国统一大市场建设，实际上就是发挥市场在资源配置中的决定性作用并更好发挥政府作用，而市场本质上作为资源配置的一种手段，全国统一大市场就是要通过市场来促进要素资源配置效率的提高。(12)刘志彪、孔令池：《从分割走向整合：推进国内统一大市场建设的阻力与对策》，载《中国工业经济》，2021(8)。其中，由于在控制其他影响市场效率的因素后，行业或企业之间加成率的趋同能够优化经济的资源配置，因此利用不同企业加成率之间的离散程度便可以衡量资源配置效率。(13)Y.Lu，and L.Yu.“Trade Liberalization and Markup Dispersion：Evidence from China’s WTO Accession”.American Economic Journal：Applied Economics，2015，7(4)：221-253.此外，现有研究也充分关注到建设全国统一大市场的战略意义与经济效应，认为其有利于构筑更加完整、更具韧性的国内产业链(14)黄泰岩、片飞：《习近平关于产业链供应链现代化理论的逻辑体系》，载《经济学家》，2022(5)。，并由此推动区域更加协调、更加平衡地发展(15)刘坤：《立破并举，加快建设全国统一大市场》，载《光明日报》，2022-04-28。。综上，针对建立在数字技术进步基础上的数字化转型发展，是否会影响到资源优化配置，目前还是一个鲜见研究的重要问题。

本文力图对数字化转型影响资源优化配置，以及其中可能蕴含的对统一大市场建设的可能作用，做初步探讨。与已有文献相比，本文可能的边际贡献在于：第一，在研究视角上，从数字化转型角度出发，进一步拓展和深化资源优化配置的影响因素；第二，在研究内容上，不仅力图回答数字化转型对资源优化配置产生何种影响，而且还力图揭示其中可能的作用机制，包括客观评估其中可能的正向作用机制和负向作用机制；第三，在政策启示上，在阐明数字化转型、企业加成率差异减小和全国统一大市场建成的逻辑关系基础上，依据研究结论，提出了依托企业数字化转型推动统一大市场建设所具有的可能政策含义。

二、理论分析及假说

企业是市场经济的微观主体，资源如何配置，主要是由企业负责组织实施。一般而言，市场中企业竞争程度是决定资源配置的重要变量，换言之，越是充分竞争的市场环境，越是有利于资源实现优化配置，越是垄断的市场环境，越是不利于资源优化配置。从这一意义上说，阐释建立在数字技术进步基础之上的数字化转型发展对实现资源优化配置的可能影响，可以从其引发的竞争强化效应和创新垄断效应两个方面予以分析。

需要强调的是，数字技术兼具一般技术的“共性”和区别于一般技术的“个性”。就共性而言，数字技术也是技术进步的重要表现，因此从经济学“史观”角度看，数字技术进步与经济发展史上其他技术进步一样，会对分工演进产生重要的推动作用，而分工水平的提高又会内生地推动市场规模和范围的扩大，加速生产要素在不同空间范围和产业领域的流动，从而带来规模经济和创新能力提高等一系列积极效应。基于经济发展史的有关文献也证实了这一点。(16)D.Andersson，et al.“Making a Market：Infrastructure，Integration，and the Rise of Innovation”.The Review of Economics and Statistics，2023，105(2)：258-274.就“个性”而言，当前经济学研究亟待从史观、微观、宏观向“域观”拓展。(17)金碚：《试论经济学的域观范式——兼议经济学中国学派研究》，载《管理世界》，2019 (2)；金碚：《论经济学域观范式的识别发现逻辑》，载《中国工业经济》，2019(7)。从域观经济学角度观察，数字技术突显出显著的“个性”特征，包括高度的产业渗透性和参与性，典型的规模经济、范围经济，以及数据自我强化等特性，并由此形成特有的垄断机制。数字技术具有的“共性”和“个性”特征，意味着其对资源优化配置会产生不同方向的作用力。

通常而言，企业价格加成率分布可以较好地反映资源配置效率，因为企业加成率的差异体现的不仅是企业异质性，更为重要的是反映了不同企业的垄断优势。显然，具有垄断优势的企业，不仅会在产品市场上索取垄断价格以获取更高利润，而且还会在要素市场上压低要素价格进而降低其要素成本，产品市场和要素市场上的垄断“叠加效应”，必然表现为更高的价格加成。反过来理解，具有更高价格加成的企业，由于具有更大的垄断优势，从而通过要素市场和产品市场以及二者之间的天然联系，对生产要素自由有序流动带来阻滞效应，影响资源优化配置。这也是为什么在现有大量的理论和实证研究中使用价格加成率分布作为资源优化配置的代理变量(18)尹恒、张子尧：《产品市场扭曲与资源配置效率：异质性企业加成率视角》，载《经济研究》，2021(11)。，已经成为普遍做法的主要原因。

一方面，从企业层面看，由于不同企业所拥有的高端人才、科技与创新资源不同，其在利用数字技术实现数字化转型的程度上也会存在一定差异。这也是数字技术在企业层面的“个性”特征以及据此形成垄断优势的重要表现。显然，依托数字技术而获取垄断优势和垄断地位的企业，往往会采取垄断定价的策略以提高企业的垄断利润。换言之，如果在位企业相较于潜在竞争对手，利用数字技术的“个性”特征，实现了更高的数字化转型水平从而形成了垄断优势，那么其便会有更高的价格加成。犹如前文所述，获取垄断优势的企业，无论是要素市场上的垄断行为还是产品市场上的垄断行为，其价格扭曲都会扰乱正常的市场供求机制。总之，对于市场中存在的最终生产厂商所进行的数字化转型来说，随着数字化转型程度的提高，通过提高存活企业的创新能力，其带来的是进一步的垄断势力扩张、更高的垄断定价和更为严重的要素价格扭曲。由此，企业间生产率差异扩大，最终致使企业间加成率分布更加离散，进而降低了市场的资源配置效率。这种数字化转型对市场资源配置效率提升的抑制作用，可称为创新垄断效应。

另一方面，基于经济学的一般原理可知，市场中垄断利润的存在，以及数字技术的“共性”作用，或者说数字化转型对企业生产率的提升作用，又会促进新企业进入市场。(19)黄群慧、余泳泽、张松林：《互联网发展与制造业生产率提升：内在机制与中国经验》，载《中国工业经济》，2019(8)。同时，高度的产业渗透性和参与性等“共性”特征，意味着更多的企业可以利用数字技术进行转型发展，即更多数字化转型的企业会加入市场竞争。进入市场的新企业会使市场中的竞争束紧、缩小企业间生产率差距，通过限制市场的垄断定价，使企业加成率的分布更加集中，缓解要素价格扭曲程度，最终提升资源配置效率。这种数字化转型对市场资源配置效率的促进作用，可以称为竞争强化效应。

生产要素的自由有序流动，是实现资源优化配置的前提和基础，如果流通渠道不畅和受阻，那么资源错配的现象就难以得到纠正。《意见》在总体要求部分明确指出要“促进商品要素资源在更大范围内畅通流动”(20)《中共中央 国务院关于加快建设全国统一大市场的意见》，参见中国政府网，https：//www.gov.cn/zhengce/2022-04/10/content_5684385.htm。，旨在实现资源优化配置。可以说，实现资源优化配置，在某种程度上是统一大市场建设的必然结果和表现。因此，如果数字化转型对市场资源配置效率产生了积极的促进作用，即产生了显著的竞争强化效应，那么其显然有助于推动构建全国统一大市场，或者说虽然依托数字化转型而实现以企业加成率差异减小为表现的资源优化配置，并非等同于统一大市场的建成，但无疑有助于统一大市场的建设。反之，如果数字化转型对市场资源配置效率具有显著的抑制作用，即产生了显著的创新垄断效应，那么其显然不利于推动构建全国统一大市场。当然，实践中可能上述两种效应会同时存在，因此，数字化转型对统一大市场建设产生推动还是阻碍作用，则取决于上述两股相反力量的作用结果。

此外，如前所述，资源配置效率能否得到改善，或者说资源能否得以优化配置，很大程度上取决于生产要素能否实现自由有序流动。通常而言，如果生产要素能够自由有序流动，那么要素价格机制对生产要素的流动就应该能够充分发挥作用；反之，如果要素价格机制未能发挥应有作用，一定程度上说明生产要素自由有序流动的实现程度还比较低。以要素价格扭曲程度为表征的要素市场价格机制的失灵，反映的是生产要素价格变化推动生产要素流动的作用力的强弱。要素价格扭曲程度越高，或者说市场机制失灵程度越严重，那么要素价格变化推动要素流动配置的功能就会越弱。“扭曲程度”显然与数字化转型带来的创新垄断效应与竞争强化效应有关。

由此，本文提出如下待检验假说1和2。

假说1：数字技术进步条件下的数字化转型，会通过创新垄断效应与竞争强化效应对资源配置效率产生影响，但二者的作用方向相反，因此最终结果存在着不确定性，取决于两者作用力的相对大小。如果资源配置效率得以改善，说明竞争强化效应超过了创新垄断效应，有助于推动统一大市场建设；反之则反是。

假说2：数字化转型对要素配置同样存在不确定性影响，最终结果取决于创新垄断效应与竞争强化效应的相对大小。如果数字化转型能够推动生产要素价格发生变化并引发要素流动，意味着竞争强化效应可能居于主导地位，有助于推动统一大市场建设；反之则反是。

三、研究设计与数据处理

(一)关键变量设计

1.被解释变量

根据理论分析部分的讨论可知，不同企业间加成率的分布可以表征经济体的资源配置效率，因此，本文的被解释变量选定为企业加成率分布。在借鉴现有文献做法并进行综合比较的基础上，本文选用企业加成率的泰尔熵指数(Theil)作为衡量企业加成率分布的代理变量(21)Y.Lu，and L.Yu.“Trade Liberalization and Markup Dispersion：Evidence from China’s WTO Accession”.American Economic Journal：Applied Economics，2015，7(4)：221-253.，并在后文稳健性检验时利用企业加成率的基尼指数(Gini)与变异指数(Cv)来衡量企业加成率分布的离散程度。具体的指标测算方法说明如下：(1)本文借鉴DLW生产函数法，通过企业成本最小化与要素需求最优化等条件，利用企业的可变要素(例如劳动、中间品等)投入的产出弹性与可变要素支出占总产出的份额之比求解出企业加成率。(22)D.Loecker，and F.Warzynski.“Markups and Firm-level Export Status”.American Economic Review，2012，102(6)：2437-2471.在基准回归中用劳动作为可变要素投入测算企业加成率，进而测度不同企业间加成率分布，并在后文的稳健性分析中将劳动更换为中间品进行再检验。其中，考虑到实际生产企业产出弹性并非一致且传统OLS方法估计生产函数过程中潜在的内生性问题，本文采用LP半参数法(23)J.Levinsohn，and A.Petrin.“Estimating Production Functions Using Inputs to Control for Unobservables”.The Review of Economic Studies，2003，70(2)：317-341.对超越对数形式的生产函数进行估计，进而得到可变要素的投入产出弹性。(2)考虑到除了不同行业之间，中国不同地区之间也存在着严重的资源错配(24)L.Brandt，et al.“Factor Market Distortions across Time，Space and Sectors in China”.Review of Economic Dynamics，2013，16(1)：39-58.，本文最终使用省份—行业层面的企业加成率泰尔熵指数，衡量不同企业之间的资源配置效率。该指数值越小，表明不同企业之间加成率分布越集中，资源配置效率越高；反之，则表示企业间加成率分布的离散程度越高，资源配置效率越低。

2.核心解释变量

本文利用数据挖掘与文本分析的方法考察微观企业层面的数字化转型(Digital)。具体测度方法说明如下：(1)人工筛选出样本期间内(2011—2020年)共计32份政府机关公开的与数字经济相关的重要政策文件，作为提取数字化转型特定术语词的文本来源。运用Python软件将上述文件文本汇总后进行分词处理，经多轮无关词与停用词处理后筛选出536个与数字化转型相关的特征词，并从中剔除词频小于5的特征词，将剩余特征词与既有文献的特征词进行合并后剔除重复词，最终得到本文有关数字化转型的关键词词典。(25)最终关键词词典包含数字化转型各维度关键词共计260个。(2)从上市公司在样本期内的年度财务报表中提取出“管理层讨论与分析”(或“董事会报告”)部分，作为各个上市公司的文本分析对象(Texti)。(3)利用关键词词典对文本分析对象(Texti)进行文本匹配分析，具体来说，依据关键词词典与文本分析对象(Texti)的匹配频数对每个上市公司数字化转型程度进行打分，每匹配成功一次便记一分，得分越高便表示该企业的数字化转型程度越高。考虑到本文核心被解释变量为省份—行业层面变量，为避免潜在内生性问题的干扰以及保证计量逻辑一致性，本文将核心解释变量加总调整至省份—行业层面，与被解释变量保持一致。

3.其他控制变量

结合现有文献的相关结论与研究，本文在核心解释变量基础上进一步从以下两个层面控制影响企业加成率分布的重要因素。(1)省份与城市层面的控制变量：金融市场强度(Snn)，采用各省份银行业金融机构营业网点数的自然对数表示；市场化水平(Mkt)，采用各省份的市场化指数来衡量；城市交通运输发展程度(Road)，采用各城市所建设的公路里程数的自然对数表示。(2)行业层面的控制变量：行业集中度(HHI)，采用基于营业收入计算的赫芬达尔指数来衡量；行业竞争度(Lerner)，选用各行业的勒纳指数来表示；行业资本密集度(KL)，采用省份—行业层面的固定资产净值与就业人数比值的自然对数来表示。

(二)模型设定

在前文理论分析基础之上，为考察数字化转型对经济资源配置效率的影响，本文构建如下双向固定效应模型对其进行实证检验：

Theilpjt=β0+β1Digitalpjt+∑Controlpjit+υt+υpj+εpjt

(1)

其中，下标p代表省份，j代表行业，t代表年份。Theilpjt表示t年p省份j行业的企业加成率分布，Digitalpjt表示省份—行业层面的数字化转型指数，∑Controlpjt代表其他控制变量，υt表示年份固定效应，υpj表示省份—行业层面的二维组合固定效应，εpjt代表随机误差项。此外，本文将双向聚类标准误控制在省份—行业层面。

(三)数据来源与处理说明

1.数据来源

微观企业层面的数据来源于CSMAR上市公司数据库。省份与城市层面的宏观数据来源于《中国统计年鉴》《中国金融统计年鉴》、CSMAR数字经济专题数据库、中国人民银行分支机构公布的金融运行报告等。其中，市场化指数来源于中国分省份市场化指数数据库，区域创新创业指数与数字普惠金融指数分别来源于北京大学企业大数据研究中心与数字金融研究中心，上市公司年报文本来源于巨潮资讯网。考虑到中国数字经济自2010起开始快速发展的现实特征与数据的可得性，本文将样本区间设定为2011—2020年。

2.数据处理

首先，本文根据2021年中国证监会公布的上市公司行业分类结果，将企业所属行业代码调整至国民经济行业分类标准的二位数值型代码，并据此剔除类属金融行业的企业样本。其次，剔除与会计准则不符的企业样本，例如营业收入、中间投入、增加值等指标小于0的企业样本；剔除存在ST、PT以及资不抵债的企业样本；对于部分样本中存在的空缺值，本文利用插值法进行填补。最后，剔除核心变量缺失的企业样本，并对剩余样本的核心变量进行两端缩尾1%的处理，以控制异常值对研究的潜在影响。

3.企业投入产出数据的估计与调整

因为上市公司没有在其财务报表中直接披露企业增加值与企业中间投入的金额，所以本文利用会计法进行推算。(26)具体计算方法为：企业增加值=营业总收入-中间投入+应缴增值税；企业中间投入=营业成本+销售费用+管理费用+财务费用-支付给职工以及为职工支付的现金-固定资产折旧、油气资产折耗、生产性生物资产折旧。而为了排除价格因素对数据的影响，本文分别利用各省份工业品出厂价格指数与中国工业生产者购进价格指数，将企业增加值与企业中间投入调整至以2011年为基期的不变价格；资本投入使用固定资产净值与折旧之和来表示，并使用各省份固定资产投资价格指数调整至2011年基期不变价；劳动力价格使用应付职工薪酬与支付给职工以及为职工支付的现金之和作为其代理变量，并运用各省份居民消费价格指数进行平减。

四、基准回归分析

(一)基准回归结果

表1报告了数字化转型与企业加成率分布之间关系的基准回归结果。在控制相应固定效应的基础上，本文对控制变量采取递进回归策略。首先，在第(1)列，仅用数字化转型对企业加成率分布进行估计，结果显示，核心解释变量数字化转型(Digital)的系数估计值在5%的水平上显著为负，表明数字化转型显著降低了企业加成率分布的离散程度，对经济体的资源配置效率具有明显的改善作用。其次，在第(2)～(4)列中，本文依次加入行业层面与地区层面的控制变量进行估计，结果显示，核心解释变量系数的符号与显著性均没有发生改变，表明数字化转型与企业加成率分布之间依然表现出显著的负相关关系。即从总体上来说，建立在数字技术进步和利用基础上的数字化转型，确实有利于降低企业加成率分布的离散程度，实现经济体资源优化配置。

表1 数字化转型与企业加成率分布

(二)稳健性检验

1.改变核心被解释变量的测度方法

为了排除核心被解释变量的不同度量方法对估计结果所产生的潜在影响，本文拟从以下三个方面进行稳健性检验。首先，本文改变企业加成率分布的测算方法，采用省份—行业层面企业加成率的基尼指数(Gini)和变异指数(Cv)，衡量企业加成率分布的离散程度。其次，在测算过程中，本文改用以中间品作为可变要素投入所测算的企业加成率，重新计算企业间加成率分布的泰尔熵指数(Theil_m)。最后，考虑到上市公司相关财务指标数据相对公允可靠，本文进一步运用会计法所测得的企业加成率(27)I.Domowitz，et al.“Market Structure and Cyclical Fluctuations in U.S.Manufacturing”.The Review of Economics and Statistics，1988，70(1)：55-66.，计算出企业加成率的泰尔熵指数(Theil_ac)，来衡量企业加成率分布，以替换基准回归中的被解释变量进行检验。检验结果如表2所示。从中可见，无论以何种方法测算的结果作为数字化转型的表征变量，回归结果均显示，数字化转型与企业加成率分布之间存在着显著的负向关系。也就是说，基于不同方法度量核心被解释变量指标，不会改变本文主要结论，即数字化转型能够显著降低行业中不同厂商之间的企业加成率分布，有利于改善经济资源配置效率。

表2 稳健性检验：改变核心被解释变量的测度方法

2.内生性分析

首先，虽然在基准回归模型中，本文通过控制多重固定效应与不同层面影响企业加成率分布和资源配置效率的因素，在一定程度上缓解了内生性的干扰，但是模型仍有遗漏变量的可能。其次，数字化转型与企业加成率分布之间可能存在着逆向因果关系，数字化转型在促使行业中不同企业之间加成率分布更为集中的同时，也可能意味着行业资源配置与要素投入结构的优化，进而提升行业数字化转型水平。鉴于此，本文尝试构建适宜的工具变量，利用两阶段最小二乘法来缓解上述可能存在的内生性问题。

关于工具变量的选取，本文首先利用历史数据构建工具变量。考虑到历史数据具有不随时间变化的特征，本文利用1984年每百人固定电话数与全国互联网宽带接入端口数的交互项，作为本文的基准工具变量(IV1)。由于固定电话是数字技术与互联网普及前人们信息沟通的主要方式，历史上固定电话普及率较高的地区通常也是当今数字技术普及程度较高的地区，而互联网宽带接入端口是促进数字经济与实体经济融合的关键结合点，其数目直观地反映了数字化转型程度，因此，基准工具变量与本文核心解释变量之间存在高度相关性。排他性约束方面，历史上固定电话数量和互联网宽带接入端口数与企业加成率之间也并不具有直接相关性，满足工具变量选取的排他性条件。其次，考虑检验的稳健性，本文进一步利用外生地理因素构建工具变量。具体来说，本文根据不同城市质心与杭州市质心的经纬度测算出两者之间的球面距离，并同理与全国互联网宽带接入端口数做交互，作为本文的备择工具变量(IV2)。一方面，杭州市是数字化转型的代表地与集中地，可以预期的是，一个城市距离杭州市越近，那么受其影响当地企业的数字化转型水平应当越高，由此不难看出，基准工具变量与本文核心解释变量之间存在高度相关性。另一方面，自然地理因素通常排除于经济系统，不同城市之间的地理距离是由外生决定的，此外随着如今交通基础设施的不断完善、交通工具的不断进步，自然地理因素对企业决策的影响愈发式微，因此可以认为本文工具变量的选取满足工具变量的排他性条件。基于工具变量法的检验结果如表3所示，本文最为关注的核心解释变量的系数估计值显著为负，并且均在1%显著性水平上拒绝了识别不足检验与弱工具变量检验的原假设。这表明本文工具变量的构建是合理有效的，在考虑潜在内生性问题后，基准回归中的结果依然稳健。

表3 稳健性检验：内生性分析

3.更换检验样本

首先，考虑到出口企业相较于非出口企业具有更高的竞争力、生产率优势与价格加成(28)M.J.Melitz，and G.I.P.Ottaviano.“Market Size，Trade，and Productivity”.The Review of Economic Studies，2008，75(1)：295-316.，为了控制国外市场对国内行业中不同企业之间加成率分布所可能产生的影响，本文根据上市公司财务报表附注识别出企业在样本期内是否存在出口行为，进而剔除出口企业样本进行检验。此外，考虑到外资是国内市场主体重要的组成部分，本文根据上市公司股权性质剔除外资企业样本进行再检验。根据表4第(1)(2)列的结果可知，数字化转型系数显著为负，支持了基准回归中的结论。其次，考虑到上市公司年报中与数字化转型有关的信息披露可能存在策略性投机行为，进而可能对核心解释变量的真实有效性产生影响，本文根据上市公司外部审计结果，剔除样本期内存在重大内部控制缺陷的样本后进行重新回归，稳健起见，还剔除了创业板上市公司进行再检验。进行上述处理的内在逻辑是，企业内部控制缺陷可能会形成不合理的权力分配与组织构架，进而致使企业信息披露失真，而创业板企业相较于其他企业在数字化转型方面更有夸大信息披露的动机。基于上述方法处理的检验结果汇报于表4第(3)(4)列，结果表明，本文的基本结论不受潜在的企业信息披露偏误问题的影响。最后，为了控制行业内不同企业的进退决策所可能带来的样本选择偏差问题，本文仅保留样本期内的存续企业进行再检验，表4中第(5)列的检验结果与基准回归结果基本一致。由此可见，基于各种考虑而更换检验样本后，数字化转型对企业加成率分布的负向效应依然显著存在，这表明数字化转型对资源配置效率起到了显著的改善作用。

表4 稳健性检验：更换检验样本

(三)企业加成率的分位点检验

基于前文基准回归分析部分的检验结果，本文证实了数字化转型有利于缩小企业加成率分布的离散程度，这也体现为高加成率企业与低加成率企业之间差距的减小，进而表明数字化转型对资源配置效率有显著的改善作用。企业加成率是衡量企业对生产成本与产品定价的控制能力、反映企业动态竞争能力的重要标志，那么数字化转型对企业加成率自身的影响是正向还是负向的呢？对这一问题的回答，有助于本文进一步认识企业加成率分布呈现的收敛趋势，究竟是在平均水平提升基础上的收敛，还是在平均水平下降基础上的收敛，因为一定程度上二者反映的往往是企业绩效的变化。为了对此进行考察，本文首先对样本按省份—行业层面内企业加成率由低至高进行排序，并进一步从其20分位点、40分位点、60分位点与80分位点处进行分样本实证检验。检验结果如表5第(1)～(5)列所示，整体来看，数字化转型对企业加成率表现为正向促进作用，但具体从各分位点回归结果的系数与显著性来看，加成率越高的企业，数字化转型对其加成率的正向促进作用越弱，特别注意到对于加成率排序处于60分位点以后的企业，该作用甚至已不再具备经济显著性。这说明数字化转型对企业加成率的正向影响主要体现在低加成率企业之上，即相比之下，主要提升了低加成率企业的成本加成，进而缩小了高加成率企业与低加成率企业之间的差距，使经济中不同企业之间的加成率分布更加集中。此外，本文进一步利用企业加成率的四分位差与90-10分位差作为企业加成率分布的代理变量进行检验，结果汇报于表5第(6)(7)列，可见，核心解释变量的系数估计值依然为负，与基准回归中的影响方向一致。综上，上述检验结果说明数字化转型在平均水平上提升了企业加成率，并促进加成率呈收敛趋势，或者说，资源优化配置过程中也实现了整体层面上企业绩效的提升。

表5 基于企业加成率与生产率差距的分位点检验

五、机制检验

前文从数字化转型角度分析了数字技术对资源优化配置的影响，接下来，本文需要进一步分析，上述影响是否通过理论分析中所揭示的两种重要作用机制而产生。

(一)创新垄断效应

理论部分的分析表明，数字化转型会通过影响企业创新垄断能力，进而影响不同企业间加成率分布。为了验证上述创新垄断效应的中介作用机制，本文选用企业研发支出占营业收入的比重(RD)作为衡量企业创新垄断能力的表征变量，考虑到企业的创新垄断能力不仅来源于创新投入，从最终是否转化为现实能力角度看，更体现在创新产出方面，因此本文使用企业发明专利授权数(Pat)作为企业创新垄断能力的代理变量进行稳健性检验。由此构建中介效应模型如下：

RDit(Patit)=β0+β1Digitalpjt+∑Controlpjt+υt+υpj+εpjit

(2)

Theilpjt=β0+β1Digitalpjt+β2RDit(Patit)+∑Controlpjt+υt+υpj+εpjit

(3)

检验结果如表6所示，由第(1)列可知，核心解释变量数字化转型(Digital)的系数估计值显著为正，表明数字化转型对企业研发支出占营业收入的比重，有显著的正向促进作用；而根据第(2)列的回归结果，数字化转型提高了企业加成率分布的离散程度，进而不利于资源配置效率的提升。上述结果说明创新垄断效应是数字化转型影响资源配置效率的中介，数字化转型的确能够在一定程度上推动企业创新，提升企业的垄断优势，进而使得市场内企业间加成率分布更加离散，这也与本文理论分析具有内在一致性。

表6 基于创新垄断效应的中介机制分析

(二)竞争强化效应

正如理论部分所述，数字化转型对企业间加成率分布的影响并非仅依靠单向作用力，数字化转型程度的提升还会引发竞争强化效应，尤其是数字技术“无孔不入”的特征，使得众多企业都面临着运用数字技术实现数字化转型的机遇，垄断利润的存在诱发更多企业加入市场竞争，使得市场竞争程度强化。上述变化会使得在位企业的加成率分布更加集中，换句话说，竞争强化效应是数字化转型影响资源配置效率的另一个中介机制。为验证上述分析，本文拟从两个方面衡量企业所面临的竞争强化效应：一是t年企业所在p省份的j行业中新企业的进入率(LE)，这里用当期行业内进入企业数与行业内企业总数之比的自然对数表示；二是t年企业在p省份的j行业中的市场份额(LS)，这里用企业营业总收入与行业内企业营业收入总额之比的自然对数表示。在其他条件不变的情况下，行业内新企业的进入率越高，则企业所面临的竞争强化效应便越强，而如果市场中的竞争越激烈，那么企业在行业内的市场份额则会缩小。基于上述两种方法测度的市场竞争强化效应所构建的中介效应模型如下所示：

LEpjt(LSpjt)=β0+β1Digitalpjt+∑Controlpjt+υt+υpj+εpjt

(4)

Theilpjt=β0+β1Digitalpjt+β2LEpjt(LSpjt)+∑Controlpjt+υt+υpj+εpjt

(5)

基于竞争强化效应的中介效应模型估计结果汇报于表7，从中不难看出，数字化转型通过显著提高市场新进入企业数量与缩减存活企业市场份额，从而提升了市场竞争强度，进而使得行业内企业加成率分布更加集中，提高资源配置效率，回应了前文理论部分的分析。

表7 基于竞争强化效应的中介机制分析

综合以上基准回归结果和机制检验结果可见，建立在数字技术进步基础上的数字化转型，的确会通过创新垄断效应和竞争强化效应两种力量完全相反的作用机制，对资源配置效率产生影响。就目前的现实影响效应而言，数字化转型对资源配置效率起到了改善作用，说明在当前数字化转型阶段，竞争强化效应产生的作用可能超过了创新垄断效应产生的作用，从而在一定程度上有助于推动构建全国统一大市场。据此，前文的理论假说1中前一种预期得到了较好的逻辑一致的计量检验。当然，需要注意的是，正如理论假说1所指出的，两种作用力的大小最终决定了实际影响效果，因此，当前的发展阶段所呈现的数字化转型对资源优化配置的正向促进作用，并非意味着会一直存在。随着发展阶段的演进以及两种作用力大小关系的发展，实际影响效果也会随之改变，这种不确定性或者说随发展阶段变化而变化的结果，意味着更好发挥数字化转型的积极效应，在战略上要根据实际发展阶段而进行适当调整。

(三)要素配置角度的进一步分析

前文的计量检验结果表明，数字化转型对资源优化配置产生了积极影响，即改善了资源配置效率。而在其他条件不变的情况下，资源优化配置的关键在于生产要素的自由有序流动。那么，数字化转型是否影响了要素配置，或者说生产要素的自由有序流动？前文的理论分析表明，生产要素在企业间的配置(流动)，同样取决于创新垄断效应与竞争强化效应两股相反作用力的相对大小。具体而言，数字化转型带来的创新垄断效应，会阻碍生产要素的自由有序流动，压低均衡时的要素价格。相反，如果数字化转型通过促使新企业进入等方式形成了竞争强化效应，同样会表现出对要素需求的竞争强化，从而引致要素价格上升。虽然各种生产要素从理论上来说，均可能存在着价格扭曲和流通不畅等问题，但相比较而言，除了土地这种不具备流动性的生产要素外，劳动力面临的流动不畅问题更加突出。基于这一考虑，本文可以进一步从劳动力价格(工资)和劳动力流动的角度，对数字化转型的要素配置问题做进一步分析，以期对前文的理论假说2进行验证，同时也更加有助于深化认识前文关于数字化转型的资源优化配置效应的发现。

为了检验竞争强化效应对要素价格的影响，本文首先计算了省份—行业层面的劳动力工资水平(Wage_i)作为要素价格的代理变量，并利用前文中介效应模型检验创新垄断效应与竞争强化效应对其产生的实际影响，所得结果汇报于表8第(1)～(4)列。计量检验结果与前文理论预期一致，证明了创新垄断效应与竞争强化效应的存在性。进一步地，本文对数字化转型对要素价格可能产生的影响进行实证检验，所得结果汇报于表8第(5)列，从中可见，数字化转型确实显著促进了企业层面的工资水平(Wage)提升。综合第(1)～(5)列的估计结果，可以初步判断，整体而言，数字化转型所引发的竞争强化效应大于创新垄断效应，进而改善了要素价格扭曲，这一研究发现与前文所得结论基本一致。虽然要素价格变化是驱动要素流动的关键力量，但劳动力价格上升可能是多种因素导致的结果，价格的上升并不意味着一定会引发劳动力要素的流动。为此，本文还需要从劳动力流动角度进行再探讨。

本文通过识别企业职工人数较上一年的变化情况，构建虚拟变量Type，将企业划分为“劳动力需求型”(Type=1)与“劳动力流失型”(Type=0)两类，并在企业层面构建概率选择模型进一步考察数字化转型对劳动力市场需求的变动情况，及其可能引发的劳动力要素流动。基于该检验的回归结果汇报于表8第(6)列，从中可见，数字化转型显著促进了“劳动力需求型”企业的出现概率，即数字化转型增加了市场对劳动力的需求，这意味着数字化转型不仅有助于增加就业且有助于促进劳动力流动。另外，考虑到概率选择模型为非线性概率模型，其估计结果并不能直接反映数字化转型的边际影响，因此，本文采用概率弹性(TE)来衡量数字化转型程度的变化所引起的劳动力需求概率的变动。据此进行回归分析，所得结果汇报于表8第(7)列，结果显示，数字化转型程度每变动1%，将提升0.062单位的劳动力需求概率。

表8 数字化转型与劳动力要素配置

结合数字化转型对劳动力价格和劳动力需求两方面的影响效应，可以得出的基本判断是，数字化转型确实有助于促进劳动力要素的流动，助力统一大市场建设。这一研究结论与前文研究发现的数字化转型的资源优化配置效应具有内在的逻辑一致性，并且也为前文的理论假说2中的第一种理论预期提供了较好的经验证据。同样需要注意的是，前文的理论假说2指出，生产要素的配置(流动)同样取决于两种相反作用力的大小。劳动力价格的上升以及劳动力流动，同样说明当前数字化转型的竞争效应可能居于主导地位，但这并不意味着未来创新垄断效应不会反转而居于主导地位，从而对要素流动产生抑制作用。

六、结论性评述

伴随人工智能、物联网、大数据、云计算、互联网以及区块链等数字技术在各产业领域的快速发展，数字化转型正在成为推动要素资源重组的关键力量。在此背景下，对于作为市场经济微观主体的大多数企业而言，把握数字经济发展机遇，加快推进数字化转型，提升企业创新能力，无疑是新形势和新趋势下获取竞争新优势的必由之路。数字化转型会从创新垄断效应和竞争强化效应两个不同方向对资源优化配置产生影响，且前者主要表现为消极作用，后者主要表现为积极作用。依托数字技术进步和数字化转型，企业创新能力的提升会强化其垄断优势，不利于打造公平有序的竞争性要素市场，从而对生产要素的自由有序流动产生抑制作用；而竞争强化效应则更加有助于实现资源优化配置。在科学构建企业层面的数字化转型指标基础上，本文基于2011—2020年中国上市公司的经验数据分析表明，数字化转型对推动实现资源优化配置具有显著的积极影响。因此，从实现资源优化配置角度看，数字技术进步以及建立在此基础上的数字化转型发展，对全国统一大市场的建设和形成也能产生一定的积极效应。但是需要指出的是，上述积极效应其实是两种相反力量相互作用的结果，并且无论是竞争强化效应的正向促进作用，还是创新垄断效应的负向抑制作用，都产生了显著的影响。因此，总体层面表现出来的积极效应，主要是竞争强化效应的正向作用超过创新垄断效应的负向作用而表现出的结果。显然，如果上述两种相反作用力的大小关系发生反转，那么也就意味着数字化转型会对资源优化配置产生消极影响，会成为生产要素自由有序流动的障碍因素，从而也会对全国统一大市场的建设和形成带来不利影响。

受到数字技术快速进步及其在各产业领域渗透和融合的影响，越来越多的企业会走向数字化转型发展之路。更确切地说，在数字化转型发展初期，不仅企业之间会因为利用数字技术而强化创新竞争，而且也会有越来越多的企业加入数字化转型发展的大道，使得市场竞争日趋激烈。此时，创新固然会带来垄断优势，但竞争强化效应可能居于主导地位。本文得到前述计量检验结果的原因可能正在于此。况且，数字技术较少受到时空约束，并且具有广泛的网络效应，从而在推动生产要素在更大范围更加自由和有序流动上，具有一定的优势。从这一意义上说，把握数字技术为代表的新一轮信息技术革命的战略机遇，不仅有助于提升自主创新能力，而且对于推动形成全国统一大市场也有积极意义。然而，数字技术天生具有一定的垄断基因，数字经济领域的竞争会受到梅特卡夫定律影响(29)孙晋：《数字平台的反垄断监管》，载《中国社会科学》，2021(5)。，即在初期竞争中某个或某些企业一旦取得某些小规模优势，数字技术的天生垄断基因就会使其获取越来越大的竞争优势，从而更容易带来垄断。因此，就未来进一步发展而言，如果不采取有效的规制措施，那么数字经济快速发展必然会带来更为严重的垄断。从域观经济学视角看，数字技术的广泛应用、融合和渗透会催生出一些新兴的超级产业和巨大商域，其产业组织与规则系统必须通过“自律”和“他律”的方式来保证其良质性，才能使数字技术更好地服务于中国经济高质量发展，并在优化资源配置以及推动形成全国统一大市场中发挥积极作用。正如《规划》强调指出的，要“坚持促进发展和监管规范并重，健全完善协同监管规则制度，强化反垄断和防止资本无序扩张，推动平台经济规范健康持续发展，建立健全适应数字经济发展的市场监管、宏观调控、政策法规体系”。(30)《“十四五”数字经济发展规划》，参见中华人民共和国国家发展和改革委员会官网，https：//www.ndrc.gov.cn/fggz/fzzlgh/gjjzxgh/202203/t20220325_1320207.html。

推动生产要素自由有序流动，实现资源优化配置，不仅需要加快建立全国统一的市场制度规则，打破地方保护和市场分割，还应该充分发挥数字技术对分工演进乃至扩大市场范围和规模的内生推动作用。当然，充分发挥其内生推动作用，需要建立在其规范发展基础之上。为此，需要考虑到数字经济新商域的固有特征，尤其是切换成本、数据的自我强化等特有垄断机制的形成，在大力推进数字化转型的同时，更要健全和完善数字经济治理体系，如此，才能在“自律”和“他律”的双重作用下，以数字化转型推动生产要素自由有序流动，实现资源优化配置，进而发挥其可能在助力全国统一大市场的建设和形成中的积极作用。