数字化转型对企业全要素生产率的影响研究

韩士专 杨佳英 杨礼华

[摘要]随着数字经济的不断发展，中小企业不断投入数字化转型的浪潮中，以此突破制约企业生产效率的“卡脖子”问题。以2015—2022年A股上市公司企业数据为基础，深入考察企业数字化转型对企业全要素生产率的影响及内在机制。结果发现：数字化转型能够显著促进企业全要素生产率的提高，经过更换被解释变量、修改模型设定的稳健性检验和内生性处理之后，结论依旧成立。异质性分析表明：数字化转型对成长期和衰退期企业全要素生产率促进效果差异不大，但优于成熟期企业，另外企业数字化转型在制度环境较好和国有企业中更能发挥比较优势。机制检验表明：优化企业人力资本和激发企业家精神是数字化转型助力企业全要素生产率提升的重要渠道。

[关键词]数字化转型；全要素生产率；企业人力资本；企业家精神

一、 研究背景

提高全要素生产率是经济稳定增长的重要前提，也是我国加快推进供给侧结构性改革的关键目标，对加快实现经济高质量发展具有重要作用。党的二十大报告指出要着力提高全要素生产率，并将其作为推动高质量发展这一重大主题内涵的任务之一，可见提高全要素生产率已逐步成为经济由高速增长向高质量发展的关键所在。数字经济时代，企业依托大数据、云计算等数字技术降低信息收集和处理成本、改善企业绩效和优化生产模式，提高了企业生产效率。企业通过实施数字化战略降低金融服务门槛、优化人力资本和提高融资效率，进而提升企业全要素生产率。国家“十四五”规划也指出要以数字化转型整体驱动生产方式、生活方式和治理方式变革，进而促进企业全要素生产率的提升。因此，本文在数字化的热潮下，从理论和实证角度探讨企业数字化转型与企業全要素生产率之间的关系，有助于企业优化和完善生产经营模式，提高企业“投入-产出”的转化效率。

大量学者对企业数字化转型的经济效益进行了丰富的研究，但多数聚焦于微观层面。如在企业内部方面，数字化转型通过新型数字技术的应用提高了企业创新水平[1]，还使得企业通过降低代理成本来提升重污染企业投资效率[2]。此外，企业数字化转型还可以增强企业韧性[3]、ESG表现[4]。在企业外部方面，夏芸等[5]发现提升盈利水平和会计信息披露质量是数字化提升商业信用融资的重要渠道，同时，数字化战略还可以通过优化企业基本面的方式来降低股价崩盘风险[6]。关于数字化与企业全要素生产率之间的关系，已有研究主要从宏观、中观和微观3个角度出发。在宏观层面，孙鹏等[7]以大数据综合试验区为准自然实验，采用多期DID验证了数字经济可以优化企业全要素生产率。王冬梅等[8]采用多元回归方法也得出这一结论。在中观层面，王京滨等[9]认为数字化转型通过提升企业供应链运作效率和矫正过度投资两种渠道作用于企业全要素生产率。在微观层面，张永亮等[10]发现绿色金融政策可以对重污染企业的全要素生产率产生促进作用。

综上，国内外学者对数字化、企业全要素生产率开展了丰富的研究，为本文的研究奠定了研究基础。但已有研究大多考察省级层面的数字经济或者数字金融对企业全要素生产率的影响，鲜有学者考虑数字化转型与微观层面企业全要素生产率的关系。因此，本文以A股上市公司2015—2022年数据为基础，考察数字化转型与企业全要素生产率之间的关系及作用机制。边际贡献主要包括：第一，机制探究方面，部分学者从融资约束、企业创新等层面研究数字化转型对企业全要素生产率的影响，忽视企业家精神的作用，因此本文以企业家精神为机制变量展开分析，丰富企业家精神的应用领域，为数字化转型影响企业全要素生产率提供新的经验证据。第二，异质性方面，基于生命周期理论将样本分为成长期、成熟期和衰退期，探讨不同时期数字化转型的福利效应，弥补大多研究仅考虑企业和地区截面差异而忽视在时间维度上的潜在异质性的缺陷。

二、 理论分析与假设提出

1. 数字化转型与企业全要素生产率

随着我国不断推动产业数字化转型，大数据、区块链等信息技术逐渐被应用到企业发展中，使得数字化已逐步成为提高企业创新和推动企业实现高质量发展的核心动力。第一，数字化转型凭借自身开放、共享和跨时空等特征，缓解了企业的沟通障碍，促进了信息交流与合作，有助于完善企业内部信息和降低挖掘整合外部信息的成本[11]，为企业开展创新活动营造了良好环境，从而提高企业创新能力和“投入-产出”的总体转换效率[12]。第二，数字化加强了企业各部门之间的协调性，通过将数据生产要素内部系统串联起来，保证生产、组织全过程的实时性和透明性，推动各部门由独立开发逐步转向协同合作[13]，有助于缓解“委托-代理”问题，从而提高生产管理效率，为企业全要素生产率的提高提供“催化剂”。第三，数字化转型通过大数据、云计算等数字技术可以迅速准确地从庞大的数据中挑选出有价值的数据，降低信息收集和处理成本[14]，缓解信息不对称，提高数据要素的利用率，带来全要素生产率的提升。因此，本文提出以下假设：

H1：企业数字化转型可以促进企业全要素生产率的提升。

2. 数字化转型、企业家精神与企业全要素生产率

以熊彼特为代表的“创新学派”认为创新作为资源要素的新组合，是由企业家执行的，企业家精神反映的一种冒险和创新精神。企业实施数字化转型可以拓展企业的融资渠道，缓解融资约束，通过大数据、云计算等数字技术还可以精准地对研发项目进行分析，进而降低企业研发成本，促进企业家精神成长[15]。在企业家创新精神的作用下，企业会积极地采用新型技术来加强与其他企业和政府的合作，以此突破企业生产中的瓶颈问题，从而促进企业全要素生产率的提升。在企业家冒险精神的作用下，企业可以超前地洞察时势的变化，精准地识别和抓住创新机遇，有助于企业技术进步，促进企业生产效率[16]。旺盛的企业家精神可以帮助企业将新制度、新技术融入组织创新，优化企业生产模式和关联模式，逐步引导企业的生产创新行为实现由封闭性、排他性向共享性和包容性的转变，有助于企业在经营模式上实现创新，保证企业生产过程中的协同性，从而提高企业全要素生产率。因此，本文提出以下假设：

H2：企业数字化转型可以通过激发企业家精神提升企业全要素生产率。

3. 数字化转型、人力资本与企业全要素生产率

本文总结文献发现，数字化转型主要通过“技术替代”和“技术互补”两条途径提升企业人力资本。第一，数字技术和智能设备的广泛应用凭借智能化、低成本和规模经济等优势可以协助企业降低对低技能劳动力的需求，减少一些低技能岗位，从而相对增加企业高技能劳动力占比；第二，当数字技术被不断引入生产中，需要聘请高技术人员进行机器操作，增加了对高技术人才的需求，从而创造更多的高技能岗位[17]。此外，企业实施数字化战略带来研发活动的增加会迫使企业引入更多的投资人员，优化企业人力资本，而企业人力资本的提升又有助于提升企业全要素生产率。人力资本水平较高的企业技术吸收能力较强，可以轻松地将从其他地区或者企业引进的技术融入实际生产中，对企业全要素生产率的提升具有积极作用[18]，同时，人力资本的增加意味着企业可以更好地开展新产品和新技术的研发，有利于企业提高企业竞争力，带动企业生产效率的提升[19]。因此，本文提出以下假设：

H3：企业数字化转型可以通过优化企业人力资本提升企业全要素生产率。

三、 研究设计

1. 样本选择与数据来源

由于我国企业数字化转型起步较晚，在2013年后才得到广泛的推广和应用，且限于数据的可获得性，本文以我国沪深两市A股上市公司2015—2022年财务数据为初始研究样本，探讨企业数字化转型对企业全要素生产率的作用及影响渠道。为了保证数据的可靠性和有效性，对数据进行以下处理：（1）剔除研究期间内处于特别处理状态和财务数据存在异常或严重缺失的样本；（2）剔除证券、保险等金融类样本；（3）对使用的连续变量进行上下1%的缩尾处理。财务数据来自国泰安数据库、万得和企业年报。

2. 变量选取

（1）被解释变量：企业全要素生产率（TFP_LP）。企业全要素生产率测算方式主要包括OP、LP和Gmm法等。相较于其他方法，LP法由于可以较好地解决传统计量方法中的内生性和样本选择问题，已经被大多数学者引用并且认可，具有一定的合理性和科学性。因此，本文参考鲁晓东等[20]方法，采用LP法进行测度。

（2）核心解释变量：数字化转型（DCG）。对于企业数字转型，学术界尚未形成一致的衡量指标，但大部分采用文本分析法构建指标，只是在关键词确定方面存在差别。如Verhoef等[21]认为企业数字化转型包括数字技术的应用、数码化和数字化转型3个方面。刘飞[22]则从“电子商务”和“网络销售”来界定业务模式的转型。本文参考吴非等[23]的做法，采用Python对上市公司年报告中涉及的数字化转型信息进行挖掘整理，同时借鉴近年来与数字化有关的重要政策文件和研究报告来扩充关键词，如《中小企业数字化转型指南》《2020年数字化转型趋势报告》等；从“人工智能”“云计算”“大数据”“数字技术”4个方面选取关键词，将各年度报告中每个关键词频总数加一后取自然对数来衡量企业数字化转型，该数值越大企业数字化转型程度越高。

（3）控制变量：本文结合相关研究，选取了7个控制变量。具体包括股权集中度（TOP1）、托宾Q（TOBIN）、资产负债率（LEV）、现金流（CASH）、净资产收益率（ROE）、企业规模（SIZE）和企业年龄（AGE）。

（4）中介变量：人力资本（HC）和企业家精神（EB）。本文参考肖土盛等[24]研究，从劳动者职业类型区分人力资本，将研发人员和技术人员视为高技能劳动力，以其占企业总劳动力的比重来衡量企业人力资本，比重越大说明企业人力资本水平越高。对于企业家精神，本文参考张莉等[25]研究，以研发投入金额、人均固定資产、人均无形资产、人均营业收入和董事会独立性指标为基础，采用熵权法测算指标来反映企业家精神。该指标越大企业家精神越旺盛。

3. 模型构建

为了识别企业数字化转型与企业全要素生产率之间的关系，本文构建如下双向固定效应模型：

[TFP_LPit=α0+α1DCGit+α2Controlsit+μi+γt+εit] （1）

其中，i和t分别表示企业和年份，α0是截距项， TFP_LPit是企业全要素生产率水平，DCGit为企业数字化程度，α1是数字化对企业全要素生产率的影响效应。Controlsit是控制变量。[μi]和[γt]分别用于控制个体和时间固定效应，[εit]为随机误差项。

为了检验人力资本和企业家精神的机制作用，本文参考江艇[26]的方法，构建以下模型：

[Mit=β0+β1DCGit+β2Controlsit+μi+γt+εit] （2）

其中，Mit是中介变量，包括人力资本和企业家精神。

四、 实证分析

1. 基准回归

表1汇报了数字化转型及其4个维度对企业全要素生产率影响的回归结果。可以看出，第一，DCG的系数为0.0150，在1%的统计水平上显著，说明随着企业数字化转型水平的提升，企业全要素生产率会有所提高，两者表现为正相关关系。可能原因是，一方面，数字化在生产方面的应用，实现了生产流程的自动化，减少了对劳动力的需求，降低了成本；另一方面，数字化有助于扩展服务业务，研制新产品，提高企业的竞争力，完善运营模式，从而促进企业全要素生产率[27]。因此，假设H1得证。第二，AI、CC和ADT的系数也显著为正，说明这些技术的应用对企业生产效率的提升也具有积极作用。而DT的估计系数虽然为正，但没有通过显著性检验。

2. 稳健性检验

（1）更换被解释变量

本文采用OP和Gmm法测算的结果来替代原被解释变量进行稳健性检验，结果见表2。结果显示：DCG的系数依旧显著为正，与前文结论保持一致，说明通过稳健性检验。

（2）修改模型结构

由于企业数字化转型的数据分布存在左截断的特点，因此可以采用Tobit模型替代多元回归来进行稳健性检验（表2）。可以看出，DCG的系数为0.0252，在1%的统计水平上显著，表明企业数字化转型对企业全要素生产率仍然具有显著的正向影响，进一步说明了结果的稳健性。

3. 内生性处理

（1）解释变量和控制变量滞后一期

为了缓解部分变量互为因果带来的内生性，且考虑到企业实施数字化转型对企业全要素生产率的影响可能存在滞后效应，本文在基准回归的基础上对核心解释变量和控制变量进行滞后一期处理，回归结果见表3。可以看出L.DCG的系数在1%显著水平上显著为正，与前文研究结论基本一致，说明结论的稳健性。

（2）倾向得分匹配

企业数字化转型可能不是一个十分外生的变量。例如，之前采取过数字化转型战略的企业可能倾向于继续实施数字化战略，因为从既有数字化经验中学习并形成的规范会为以后数字化提供决策基础，使以后数字化更容易成功。此外，这类企业可能是生产效率较高的企业，也可能是“投入-产出”较低的企业。毫无疑问这些外在因素会影响企业实施数字化转型意愿，从而导致分析结果存在内生性。因此，本文采用PSM进行内生性处理。将数字化转型按照中位数划分为高数字化组和低数字化组，将其分别视为实验组和控制组，以控制变量作为协变量，采用近邻1[∶]1有放回且允许并列的方式在实验组和控制组之间进行配对，通过Logit模型测算倾向匹配的分值，分值相近的样本可以作为控制组。平衡性检验结果见表4。结果表明：各协变量在匹配后标准化偏差大幅度降低，均在10%以内；且匹配后t值对应的p值均大于10%，说明经PSM之后的样本在协变量方面没有显著差异。表3汇报了经过PSM之后样本的回归结果。显然，DCG的系数为正，且经过了显著性检验，与基准回归结果类似。

（3）工具变量法

一方面，企业数字化转型可能通过缓解融资约束、提高人力资本来促进企业全要素生产率；另一方面，全要素生产率较高的企业拥有更多的资金，可以为企业数字化转型提供更好的资金支持，从而存在互为因果的关系。为了缓解遗漏变量或者互为因果等原因造成的内生性，本文参考袁淳等[28]的研究，引入居民平均每百户年末移动电话拥有量（AMP）和地方一般公共财政科学技术支出（FTE）两个工具变量进行分析。一方面，移动电话拥有量是企业所在地区数字基础设施建设完善程度的体现，与企业数字化息息相关，而财政科学技术支出体现了城市创新水平的高低，其可以通过引导企业进行技术创新来推动企业数字化转型，因此，工具变量均满足相关性要求；另一方面，移动电话拥有量是为了满足居民通信交流的需求，与企业全要素生产率并无太大关联，财政科学技术支出对企业生产效率也基本没有影响，满足外生性要求。因此，理论上来说工具变量是有效的。

表5汇报了分析结果。从一阶段回归结来看，工具变量估计的系数均在1%的统计水平上显著为正，即居民平均每百户年末移动电话拥有量的上升和财政科学技术支出的增加推动了企业数字化转型，验证了工具变量的相关性，与理论一致。同时一阶段回归F值分别为70.19和60.76，均远大于10，说明不存在弱工具变量。从二阶段回归结果来看，DCG的估计系数分别为0.1614和0.4832，且都通过了1%统计水平的显著性检验，说明通过工具变量法处理内生性问题后，研究结论保持不变。

五、 异质性分析和机制分析

1. 异质性分析

（1）企业生命周期

从企业生命周期来看，不同时期的企业在生产模式、销售方式、投资策略和风险偏好等方面都存在较大差别，但数字化转型都是企业实现高质量发展的核心动力。对于成长期企业，由于刚步入新行业，经营所得难以满足融资需求，又由于根基不穩，随时可能被市场淘汰，导致获取信贷机构资金支持较难，增加了企业融资约束。因此，为了防止被市场淘汰，管理者可能会选择偏好风险，采取数字化政策来缓解企业资金限制和资源短缺的新生劣势，加快企业成长速度，提高生产水平。对于成熟期企业，生产模式趋于成熟、盈利能力稳定，拥有雄厚的资源积累，具备一定的市场份额，此时企业由“求生存”转向“谋发展”，也可能选择采取数字化政策。对于衰退期企业，盈利能力减弱，创新水平不高，市场占有率较低，为了帮助企业重获新生、实现二次创新创业，可能会通过数字化来革新生产模式、研发新产品、提高生产效率，以此提高市场竞争力。因此，本文参考童锦治等[29]的方法采取现金流模式法将样本划分为成长期、成熟期和衰退期进行异质性分析。检验结果见表6。

结果显示：无论是成长期、成熟期还是衰退期，DCG的估计系数依旧显著为正，说明数字化策略的实施对3个时期企业全要素生产率的提升仍然具有重要的推动作用。从影响效应来看，成长期和衰退期企业DCG估计的系数差不多，但远大于成熟期数字化的系数，说明数字化转型对成长期和衰退期企业全要素生产率促进效果差异不大，但优于成熟期企业。可能原因是，成长期和成熟期企业全要素生产率的提升会受到资金、设备和环境的制约，数字化策略是解决这一系列问题，提升全要素生产率的主要渠道，对数字化转型依赖较高，受其影响也相对较大；而成熟期企业资金雄厚、生产模式相对完善，提升全要素生产率的途径可能比较多样化，从而导致其对数字化转型依赖较低，受到影响也较小。

（2）制度环境

新制度经济学认为，制度环境是促进技术进步、经济增长的核心因素。良好的制度环境不仅能保障企业的创新产出，还可以激发企业创新意识，促进企业高质量发展。制度环境作为一种重要的保障措施，可以通过制定激励机制来激发企业积极性和创造力，也可以通过市场机制协助政府发挥资源配置功能，提高企业生产力水平。因此本文采用樊纲等[30]编制的市场化进程中的二级指标——市场中介组织发育和法律制度环境来反映各地区的制度环境的优劣，将制度环境指数大于中位数的样本地区归为制度环境良好地区，否则归为制度环境差的地区。表7展示了具体的分析结果。

结果显示：DCG的估计系数均显著为正，且对制度环境较好地区企业全要素生产率的助推效果明显高于制度环境较差地区企业。可能原因是，良好的制度环境不仅有效地保障了企业垄断利润和研发专利权，激发了企业创新活力，还提高了外部投资者的投资信心，吸引外部资金的投入，增加了可用资金，使企业有更多的资金用于数字化转型，增加了数字化成功的概率，提高了生产效率。制度环境较差地区由于研发专利难以得到保障、资源缺乏等原因，限制了数字化转型对全要素生产率的促进作用。

（3）企业产权

国有企业与非国有企业在组织形式、经营模式等方面存在较大的差别，并且资源充裕度和国家支持力度方面具有较大的不同，那么数字化转型对企业全要素生产率的提升是否会因为产权性质的不同而产生系统性差异？因此，本文按照企业产权性质，将样本企业划分为国有企业和非国有企业展开分析。具体分析结果见表7。

结果表明：无论是国有企业还是非国有企业，DCG的估计系数均显著为正，说明与非国有企业相比，数字化转型对国有企业全要素生产率的作用效果更大。原因是非国有企业数字化转型容易受到资金、资源等的约束，使其数字化转型成功概率较低，限制了企业数字化发展，而国有企业通常面临较弱的融资约束，资金相对充裕，可以更好地发挥数字化对企业生产的福利效应。

2. 机制分析

表8列（1）显示了企业数字化转型对企业人力资本的影响，DCG的估计系数在10%的统计水平上显著为正，说明企业数字化转型可以提升企业人力资本水平。搜寻信息、置换信息和处理信息能力的提升是企业实施数字化转型的关键。为了增加数字化转型成功的概率，企业会增加对高层次、高知识人才和研发人员的需求，从而激励企业雇佣更多高技术、高水平员工，提升企业人力资本。列（2）检验了企业数字化转型对企业家精神的影响。DCG的估计系数为0.0041，并且通过了1%统计水平的显著性检验，说明企业实施数字化转型有助于激发企业家精神。企业数字化转型一方面通过大数据、人工智能和云计算等数字技术突破了地理限制，将金融服务群体扩大至长尾群体，扩大了覆盖范围；另一方面通过大数据搭建了信息互通和资源共享平台，减少了企业家创新成本，这有助于激发企业家精神。同时进行500次随机抽样的Bootstrap检验表明，企业人力资本和企业家精神的95%置信区间不涵盖0（表9），说明企业人力资本和企业家精神的中介效应的确存在。综上，假设H2和H3得证。

六、 结论与对策建议

本文首先从理论上探讨企业数字化转型作用企业全要素生产率的内在机理，同时选取A股企业2015—2022年面板数据为研究对象，从实证方面考察企业数字化转型与全要素生产率之间的关系。研究发现：企业数字化转型与企业全要素生产率之间存在正相關关系，该结论经过一系列稳健性检验和滞后一期、PSM和工具变量法处理内生性后依旧成立；同时，这种关系会受产权性质、制度环境和企业所处生命周期的影响；最后机制检验表明，企业数字化转型主要通过优化企业人力资本和激发企业家精神两条渠道提升企业全要素生产率。

综合上述结论，本文提出以下对策建议：

首先，把握数字化机遇，充分释放数字化红利。在数字化的浪潮下，企业应该顺应实势，积极制定数字化战略，探索数字化道路。将数字技术全面引入和应用到企业投资决策、产品研发和营销管理全过程，优化生产模式，为企业全要素生产率的提升注入新动能，持续释放数字化的福利效应。对于政府来说，应该“因企制宜”、因势利导地制定一系列激励企业数字化转型的政策，提高政策的有效性和靶向性，针对不同性质和生命周期的企业应该制定差异化政策，只要符合相关条件，都给予支持，加强重点行业扶持力度，激发企业数字化转型意愿。同时，引导企业加快数字化进程，完善数字化配套基础设施和服务建设，增加对大数据、人工智能等数字化领域薄弱环节的研发投入。

其次，加大高技能人才引进制度，破解企业全要素生产率提升过程中的人力资本“卡脖子”问题。一方面，依据不同的企业性质、经营模式构建多元化的人才引进机制，同时，引导高技术研发人员向高新技术产业集聚，发挥资源配置功能。另一方面，注重高层次人才的技术提升，制定科学合理的人才培养和激励机制。新型数字技术通过突破空间和地理距离的障碍，促进了知识和信息的交流，使得高技能人才可以以较低的成本学习和共享优势资源，从而进一步提升自身知识技能水平，这不仅提升了自身价值，还有助于进一步提升企业全要素生产率。

最后，加快培育和弘扬企业家精神，充分发挥企业家精神的促进作用。一方面，企业应该充分理解和把握企业家精神的重要性，阶段性地制定企业家发展战略，根据企业环境变化，动态地调整和优化企业家发展战略，最大限度发挥企业家精神的促进效应。另一方面，企业应该以多元化、普惠性和追求创新的企业文化作为目标，科学合理地建设技能学习机制和淘汰机制。通过技能学习机制，加强企业知识储备，为培育企业家精神提供良好的物质基础。通过淘汰机制，淘汰掉一些缺乏真才实学、“躺平”型的投机者，提高高技术人员的整体水平，有助于培育企业家精神。同时，在企业和地区间营造良好的创新创业氛围，弘扬企业家精神，为企业技术精神的培育创造良好的环境。

参考文献：

[1] Pan W， Xie T， Wang Z， et al.Digital Economy： An Innovation Driver for Total Factor Productivity[J].Journal of Business Research，2022（139）：303-311.

[2] 田杰，李悦，郑权.数字化转型对重污染企业绿色投资效率的影响[J].金融理论与实践，2023（7）：12-23.

[3] 陈胜利，王东.数字化转型与企业韧性：效应与机制[J].西安财经大学学报，2023，36（4）：65-77.

[4] 王运陈，杨若熠，贺康，等.数字化转型能提升企业ESG表现吗？——基于合法性理论与信息不对称理论的研究[J].证券市场导报，2023（7）：14-25.

[5] 夏芸，夏鹏佳，林子昂.数字化转型与商业信用融资——以中国A股上市公司为例[J].工业技术经济，2023，42（7）：30-39.

[6] 李宏寅.企业数字化转型能抑制股价崩盘风险吗？[J].财经论丛，2023（7）：58-67.

[7] 孙鹏，柳力群，周可憧.数字经济与企业全要素生产率——来自国家级大数据综合试验区的证据[J].海南大学学报（人文社会科学版），2023，41（5）：114-123.

[8] 王冬梅，孙阳阳.数字经济发展与企业全要素生产率——理论机制与实证检验[J].工业技术经济，2023，42（5）：47-57.

[9] 王京滨，刘赵宁，刘新民.数字化转型与企业全要素生产率——基于资源配置效率的机制检验[J].科技进步与对策，2024，41（3）：23-33.

[10] 张永亮，惠冰洁.绿色金融政策对企业全要素生产率的影响效应研究[J].福建论坛（人文社会科学版），2023（6）：112-127.

[11] 张吉昌，龙静.数字化转型、动态能力与企业创新绩效——来自高新技术上市企业的经验证据[J].经济与管理，2022，36（3）：74-83.

[12] 余得生，杨礼华.数字普惠金融、供应链金融与企业全要素生产率——以制造业为例[J].武汉金融，2022（4）：21-28.

[13] 王才.数字化转型对企业创新绩效的作用机制研究[J].当代经济管理，2021，43（3）：34-42.

[14] Agarwal R，Gao G，DesRoches C，et al.Research Commentary—The Digital Transformation of Healthcare：Current Status and the Road Ahead[J].Information Systems Research，2010，21（4）：796-809.

[15] 余东华，王梅娟.数字经济、企业家精神与制造业高质量发展[J].改革，2022（7）：61-81.

[16] 周荣华，李斯林，余红心.数字普惠金融对企业全要素生产率的影响研究——基于企业家精神的视角[J].新金融，2023（3）：43-49.

[17] Wadley D.Technology，Capital Substitution and Labor Dynamics：Global Workforce Disruption in the 21st Century？[J].Futures，2021（132）：102802.

[18] 李杨，邓紫怡.人力资本对绿色全要素生产率的影响[J].统计与决策，2023，39（1）：158-162.

[19] 赵莎莎.网络基础设施、人力资本与全要素生产率——基于国内大循环中技术循环的经验分析[J].现代经济探讨，2022（10）：39-49.

[20] 鲁晓东，连玉君.中国工业企业全要素生产率估计：1999—2007[J].经济学（季刊），2012，11（2）：541-558.

[21] Verhoef P C，Broekhuizen T，Bart Y，et al.Digital Transformation：A Multidisciplinary Reflection and Research Agenda[J].Journal of Business Research，2021（122）：889-901.

[22] 刘飞.数字化转型如何提升制造业生产率——基于数字化转型的三重影响机制[J].财经科学，2020（10）：93-107.

[23] 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，2021，37（7）：130-144.

[24] 肖土盛，吴雨珊，亓文韬.数字化的翅膀能否助力企业高质量发展——来自企业创新的经验证据[J].经济管理，2022，44（5）：41-62.

[25] 张莉，耿素娟，章刘成.企业家精神、企业绩效与区域经济增长——基于新三板中小企业的微观考察[J].商业研究，2021（4）：39-47.

[26] 江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济，2022（5）：100-120.

[27] 花俊国，刘畅，朱迪.数字化转型、融资约束与企业全要素生产率[J].南方金融，2022（7）：54-65.

[28] 袁淳，肖土盛，耿春曉，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] 童锦治，刘诗源，林志帆.财政补贴、生命周期和企业研发创新[J].财政研究，2018（4）：33-47.

[30] 樊纲，王小鲁，张立文.中国各地区市场化进程报告[J].中国市场，2001（6）：58-61.

基金项目：国家社会科学基金一般项目“乡村振兴战略下农村居民获得感的分异特征评价与提升策略优化研究”（项目编号：19BTJ048）。

作者简介：韩士专，男，博士，华东交通大学经济管理学院教授，硕士生导师，研究方向为企业资本运营；杨佳英，女，华东交通大学经济管理学院硕士研究生，研究方向为企业管理；杨礼华，通讯作者，男，硕士，江西软件职业技术大学经济管理学院助教，研究方向为金融管理。

（收稿日期：2023-11-02  责任编辑：殷 俊）