环境不确定性下数字化促进新质生产力吗？

张伟华 赵昕 张建华

摘 要：数字经济发展如火如荼，数字化成为降本增效、推进新质生产力前行、实现中国式现代化的应有之义。当前正处于数字化的关键时期，宏观环境不确定逐渐成为主旋律，在此情况下数字化如何促进新质生产力是全社会关注的重点论题。本文基于2000-2022年中国制造业上市企业数据，实证分析环境不确定性下数字化对新质生产力的影响。研究发现：（1）数字化显著促进新质生产力的提升；（2）东、西部地区数字化对于新质生产力的提升效果最为强劲；（3）环境不确定性正向调节数字化促进新质生产力的程度。本研究从环境不确定性视角探索社会数字化、智能化发展的意义，及其对于“中国智造”的突破性引领，对我国制造业企业经营发展的策略制定提供实践建议，为整体新质生产力的发展提供战略支持。

关键词：数字化；环境不确定性；新质生产力；中国制造业企业；实证研究

基金项目：国家自然科学基金项目（72002029）；黑龙江省哲学社会科学基金项目（Z2022009）；黑龙江省高校基本科研项目（2022TSZX-06）

作者简介：张伟华（1983- ），女，黑龙江大庆人，东北石油大学副教授，硕士生导师，研究方向为企业管理、工程管理；赵昕（1997- ），女，蒙古族，黑龙江大庆人，东北石油大学硕士研究生，研究方向为企业管理；张建华（1980- ），女，黑龙江大庆人，东北石油大学教授，博士生导师，研究方向为工程管理。

一、引言

随着新一代信息科技技术加速布局，大数据、云计算、区块链、物联网等智能化新兴技术正在倒逼产业深刻变革，全球制造业发展格局面临“洗牌”。制造业企业数字化已成为世界经济强国的关注焦点。数字技术被广泛用于促进产业跨界融合和创新发展，而数字经济与产业融合发展，将持续催生新模式、新业态、新经济，提高生产要素利用效率，减少资源浪费，促进新质生产力高速发展[1]。2024年全国两会多次提到数字赋能“人工智能+”行动，加快重塑产业形态、推动产业升级、促进新质生产力形成，数字化已成为当前制造业乃至整体经济高质量发展的动力引擎。

早在2023年7月习近平总书记就提出了“新质生产力”这一关键概念。新质生产力具有高科技、高效能、高质量等特征，是贯彻新发展理念、实现新发展格局的先进生产力质态。理解新质生产力可以从以下几方面着手。一是包含的生产要素与传统生产力一致但均呈现升级状态；二是代表了我国经济从量变到质变这一过程；三是以全要素生产率为核心；四是平衡供给与需求的关系；五是遵循“先破后立”原则。秉承颠覆性创新科技技术与组织架构变革，数字化成为新质生产力得以有效提升的底层前提，协助企业、行业、综合经济盘活现有资源，开展高效经营规划、迅速响应既有需求，使组织更能灵活应对多变市场，进而提高绩效，达到经济螺旋式上升的发展目标。数字化能够畅通制造业企业内外部沟通渠道，缓解资源错配，提升研发创新水平，间接提高企业绩效，是实现制造业企业新质生产力快速提升的核心动力（陈秀英等[2]，2024）。

环境不确定性是当前社会发展的显著特征，地缘政治、贸易冲突、技术革命等以前所未有的方式影响着国民的前途命运和幸福福祉[3]。环境带来的经济政策不确定性、标准和规则不确定性、监管和治理体系不确定性等愈加明显，新兴科技技术在此情况下能否有效地促进新质生产力提升值得关注。因此，当前环境不确定性如何影响数字化对新质生产力的促进作用？能否有效淡化“索罗悖论”？这些都是亟需探讨的实践和理论问题。

本文基于2000-2022年A股制造业上市企业的相关数据，探究在环境不确定性条件下数字化对新质生产力的影响。研究结论认为：数字化可以有效促进制造业企业新质生产力的提升。而基于区域异质性视角，认为对于位于东、西部地区的制造业企业，数字化更能促进新质生产力提升。同时，环境不确定性能够正向调节数字化对新质生产力的效果。本文的边际贡献在于拓展了制造业企业层面数字化对新质生产力的影响研究，分析了不同区域两者间的影响差异；扩展了环境不确定性如何调节数字化对新质生产力影响方面的研究，为新质生产力的后续研究做好基础理论工作。

二、理论分析与研究假设

（一）数字化对新质生产力的影响

数字经济时代，数字科技技术加速了生产要素的运转[4]。在赋能要素融合的同时，可以突破时空限制，传输、流通、使用更加便捷，加速实现新质生产力升级[5]。在制造业企业中，数字要素可以由多主体共享，随着加入主体的增多，数据资源的价值不降反升，发挥范围经济新优势。但需要注意的是，部分数据要素的价值具有一定的时效性，战略布局、谋篇划策、前瞻思考都需要依赖最新数据。新质生产力的提升不是空中楼阁，不仅需要依靠传统产业转型升级，形成数实融合、优势互补，还需要培育壮大新兴产业，提升产业体系现代化水平。“点线面”三方发力可以使产业攻关再上新台阶。一是聚力于“点”，精准识别关键核心技术，利用产业、内需、人员等综合优势，打破薄弱环节的桎梏。二是强化于“链”，数据要素可以打破行业壁垒加强互联互通，及时提供上下游需求及供给，协同联合大中小领域融通做到强链补链，驱动精准决策，进而优化要素配置效率，优化生产流程，促进产业升级、经济循环畅通[6]。三是提升于“面”，立足于资源禀赋、优势地位，注重整体统筹协调，从战略角度做好顶层设计，铺好数字化发展“网”，扩大应用场景，实现全生命周期数字化。建设现代化产业体系，发展新质生产力，关键在于振兴制造业重点产业。数字化是实现制造业企业高端化、智能化的必由之路。由此提出假设：

H1：数字化促进制造业新质生产力提升。

（二）区域的异质性作用

基于制造业企业区域差异，不同区域数字化对于新质生产力的作用效果不同[7]。由于我国东部区域具有丰厚的资源和人才储备，完备的数字化基础设施，政策鼓励、宣传、解读到位，加速了数字创新技术的迭代发展[8]。相较而言，中部地区数字化相对滞缓，存在资本分配不均及劳动力配置过少的问题，创新意识欠佳且研发能力不足，缺乏足够的资本与技术支撑，引起生产性投资挤压，削弱了企业的数字化改革动力，影响生产率的提升。对于西部地区而言数字化改造尚未成熟，受资本过剩、劳动力短缺、资源匮乏、经济发展滞后及生产基础弱等制约，但地方政府投资和生产要素驱动升级支持力度大，加之资源输入和招商引资，强化了创新政策对于企业数字化发展的支持效果，使数字化对新质生产力的贡献较为明显。而东北地区数字基础设施相对薄弱，未能有效发展数字产业，信息技术创新能力有待提升，数字鸿沟亟待弥补。由此提出假设：

H2：位于东、西部地区的制造业企业，数字化更能促进新质生产力提升。

（三）环境不确定性的调节作用

企业经营发展受内外部环境的影响，处于宏观环境不断变化的当下，环境不确定性有助于衡量企业的状态及盈利能力（Jansen et al[9]，2005）。通常来讲，企业生产经营、战略决策必须基于对内外部环境的评估，因为作为盈利性主体，制造业企业经营管理者都属于理性人，只有顺势而为，充分利用环境不确定带来的有限信息，考虑决策的优劣势，才能得到更有利的经济回报。基于微观层面的研究认为环境不确定对制造业企业生产经营的影响是不确定的（Baum et al[10]，2010）。首先，削弱预测有效信息的精确度，投资、生产、经营等企业活动变得更谨慎（Bloom et al[11]，2007），选择的数字化发展方向将不会过度放在提升生产力水平上，弱化对新质生产力的调节作用；其次，无法根据不确定信息准确预测，虽无法制定更明晰的战略，但增加了管理者风险投资的概率，所谓风险越大收益越大，环境不确定性反而在一定程度上促进新质生产力的提升。因此，本研究认为数字化促进新质生产力受到环境不确定的正向调节作用，据此提出假设：

H3：制造业企业中，环境不确定性正向调节数字化对新质生产力的促进作用。

三、研究设计

（一）变量选取

1. 被解释变量。新质生产力（Nycives）。2023年12月17日，中央财经委员会办公室受新华社采访时详解中央经济工作会议精神，指出新质生产力是由劳动者、劳动资料、劳动对象等要素配置优化组合而形成，核心是全要素生产率[12]。因此，本研究的新质生产力选用全要素生产率衡量。鉴于研究对象选取了微观企业视角，且研究时间线较长，因此分别采用半参数法中的LP法、GMM法核算。

2. 解释变量。数字化（Digital）。本文选用最为直截了当的文本分析法衡量测算数字化，借鉴祁怀瑾[13]采用企业财报附注部分，无形资产明细项中与数字化相关部分占总额的比例衡量数字化程度。通过“词频法”进行测度，按照年份及企业进行标记、加和处理，最后计算加和值占当年总值的比例，代表数字化指标。变量定义如表1所示。

3. 调节变量。环境不确定性（EU）。本文借鉴申慧慧等[14]（2012）用5年内异常收入标准差除以总销售收入平均值测算得到未调整的环境不确定性（EUA）；考虑行业异质性带来的影响，用每年各行业EUA的中位数代表行业环境不确定性（IEU），EUA与IEU的比值即为已调整的环境不确定性（EU）作为代理变量。

4. 控制变量。借鉴杜勇等[15]（2023）的研究，选用现有规模（Size）、资产负债率（Lev）、总资产净利率（ROA）、财务杠杆（FL）、流动比率（CR）、两权分离率（Dual）作为本研究的控制变量。

（二）样本选择与数据来源

本文选用的研究样本是2000-2022年中国制造业上市企业数据，选自中国统计年鉴、Economic Policy Uncertainty、国泰安数据库、巨潮资讯网等。由于缺失数据小于2%，选择线性插补法进行插补。剔除ST、*ST、IPO企业，选择Winsorize（1%-99%）缩尾处理，在回归分析中对标准误进行 业面的聚类调整。经筛选，得到2149家A股上市企业共22434个观测值。具体描述性统计见表2。

（三）模型构建

由于本文数字化选用文本分析法衡量，最小只能以0为截堵，属于归并数据中的左归并。认为普通模型无法反应此特性，为研究数字化对新质生产力的影响，构建如下Tobit模型：

[Nycivesit=α0+α1i=1nDigitalit-1+CVit+yeart+indit+μit] （1）

[μit～N（0，σ2），i=1，2，...，n；t=1，2，...，l] （2）

上式中，[Nycivesit]代表了企业[i]在[t]年的新质生产力水平。由于数字化对于生产经营各环节新质生产力的提升在后一期体现得更为强烈，因此选择[Digitalit-1]代表了企业[i]在[t-1]年即滞后一期的数字化程度，[yit]代表了潜变量，[CVit]代表了控制变量，[yearit]代表了年份固定效应，[indit]代表了行业固定效应，[α]代表了估计参数，[μit]为随机扰动项。

四、实证分析

（一）基准回归

基准回归结果如表3所示，本文数字化数据采用了对数值衡量，选用Tobit模型测算数字化对新质生产力的影响。为更好地反映两者间的影响情况，采用了LP法和GMM法两种方法衡量新质生产力。

列（1）（3）是只控制了行业、年份固定效应时自变量Digital对Nycives的影响，可以发现在1%的水平上显著为正，说明数字化促进新质生产力提升。而列（2）（4）加入了规模等可能影响研究结果的控制变量，发现即使替换被解释变量的衡量方法，数字化促进新质生产力的结果依旧存在且显著，验证假设H1。

（二）内生性检验

本文基准回归可能存在互为因果的内生性问题，即可能不是数字化推动生产经营、管理决策智能化，以提高生产、服务、技术等带来的新质生产力水平的提升，而是更具新质生产力的企业更倾向于提升数字化程度，以满足纷繁复杂的需求，进而表现出制造业企业数字化对新质生产力的促进作用。为排除上述可能，以自变量滞后一期L.Digital作为工具变量，易知其与解释变量高度相关，但对新质生产力几乎不存在直接影响。因此采用L.Digital作为工具变量，使用两阶段最小二乘法（2SLS）进行检验。如表4所示。

结果显示，工具变量为外生。如表4所示第一阶段回归结果中，工具变量显著为正，F大于10，说明L.Digital显著影响新质生产力。第二阶段估计系数依旧显著为正，表明缓解潜在内生性问题后，基准回归结果依然成立。不可识别检验显著拒绝“工具变量识别不足”的原假设；弱工具变量检验中工具变量与内生解释变量的相关性强，表明不存在未识别和弱工具变量问题；过度识别检验未通过，表明不存在过度识别问题。故L.Digital是有效工具变量，排除内生性问题干扰后假设H1依然成立。

（三）稳定性检验

为确保研究结论的稳健性，本文通过替换核心解释变量和更换衡量模型等方法，对于LP法与GMM法测量得到的新质生产力代理变量分别进行稳健性检验。

1. 替换核心解释变量。变量测度偏误会扭曲结果真实性，本文替换核心解释变量后重新检验回归结果是否稳健。将自变量Digital的衡量方法更换为吴非等[16]（2021）的方法，以DT代表此变量重新进行回归，缓解估计方法选择偏误。回归结果如表5列（1）（2）所示。系数在1%水平上显著为正分别为0.022和0.028，与表3回归结果保持一致，验证了假设H1。

2.更换衡量模型。经过Hausman检验可以发现，本研究同样适合使用双向固定效应模型进行检验分析，进一步验证在选择不同模型时的回归结果是否符合研究假设。回归结果如表5列（3）、（4）所示。加入控制变量调节后，回归系数依然在1%的水平上显著为正，证明在解释变量衡量方式不同及更换模型后，数字化有效促进新质生产力提升的结果未改变，再次验证假设H1。

（四）异质性检验

企业微观区域特征差异较为明显，表6的回归结果揭示不同区域数字化对新质生产力的影响有所差异。列（1）显示东部地区回归系数显著为正，此现象可能源于东部地区普遍资源、人才、基础设施、政策落实等优势明显，为当地企业的数字化进程创造了广阔空间与持续活力，使得企业的生产率水平得到大幅提升，进而促进新质生产力发展。

相较而言，西部地区数字化成效也尤为显著，正如列（2）所示，西部改造尚处于不断发展阶段，虽然受多要素制约，但得益于政府政策倾斜和要素驱动，制造业行业企业对于数字化改造的劲头尤为迅猛，创新能力大幅提升，数字化对新质生产力的贡献势头正足。而中部地区和东北地区数字化未能实现类似上述两个区域的显著提升，但仍有一定程度的促进作用。如列（3）、（4）所示，中部地区及东北地区制造业企业数字化进程相对滞缓，新质生产力水平尚处于较为普通状态。劳动力配置等问题阻碍数字化带动新质生产力发展，传统制造业企业创新意识不足，倾向于选择非独立创新或对常规生产经营体系开展数字化转型，削弱了企业的数字化改革动力，影响新质生产力发展。验证假设H2。

五、进一步分析：数字化、环境不确定与新质生产力

新质生产力随着制造业企业环境不确定性的不同，呈现出截然不同的特征。数字化对新质生产力的影响会因环境不确定而如何变化呢？是否还能起到相应的促进作用呢？为检验数字化对新质生产力的影响是否受环境不确定的调节，本研究建立下述模型，使用经行业调整的变量（EU）分三步检验。

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+CVit+yeart+indit+μit] （3）

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+β3D*E+CVit+yeart+indit+μit] （4）

[Nycivesit=β0+β1i=1nDigitalit-1+β2EUit+β4D*E_c+CVit+yeart+indit+μit] （5）

首先，加入变量环境不确定性EU，检验在无交互项的情况下，其如何影响数字化对新质生产力的促进作用，根据表7列（1）结果可知环境不确定性此时对其为正向作用。其次，将数字化Digital与环境不确定性EU的交互项放入模型中进行检验，根据列（2）结果可知交互项D*E的系数显著为正，说明EU作为调节变量对数字化促进新质生产力这一关系具有正向调节效应。然而，原本显著的EU在加入交互项D*E后反而不显著。这是由于交互项与数字化和环境不确定性间存在共线性偏差，采用中心化修正得到D*E_c，如列（3）所示。结果显示交互项的系数依然显著为正，意味着环境不确定性在数字化促进新质生产力的作用中具备正向调节作用，验证假设H3。

六、结论与建议

（一）结论

本文以我国A股制造业上市企业2000-2022年数据作为研究样本，研究数字化对新质生产力的影响及区域异质性，并探讨了环境不确定性对两者的调节作用。研究显示，数字化会促进新质生产力的提升，经过一系列内生性、稳健型检验后依然存在；相对其他区域，东、西部地区的新质生产力水平受数字化的正向作用更明显；环境不确定性在数字化对新质生产力的微观影响中整体起到正向调节作用。

（二）建议

在数字经济时代，数实融合推动新质生产力发展是需要长期坚持、系统协作的难题，需要社会各界优势相加、短板互补形成合力。政府要加强政策支持引导，企业要注重岗位设置形成人岗匹配，社会要推动技术创新以促进产业升级，各方密切配合，才能有效促进新质生产力的形成、提升，推动市场经济高质量发展。

1. 政策支持引导。为提升新质生产力水平，加快数字化发展，应对环境不确定等因素，应加强政策支持引导。首先，政府应加强顶层设计。出台相关政策吸引制造业企业加强数字创新投入、数字利用水平等，加快产业数字化进程；其次，应加强政策协同。厘清各相关部门权责清单及政策目标，确保一致形成合力；最后，应加强宣传引导。提升政策知晓的广度，利用多种渠道广泛传播，避免使用过于专业、复杂的语言以保证简单明了，注重针对性政策解读、扶持，帮助各方更好地发展数字化，推动经济健康、有序增长。

2. 加强人岗匹配。面对数字化难题，针对性设置岗位，实现人岗匹配是关键。数字化经过长期发展，不再属于新概念范畴。社会尤其是高校的数字领域人才层出不穷，理论知识较为丰富，熟练掌握数据要素的应用，但普遍面临着数字化转型实践项目缺失、系统性思维匮乏的情况。加强产学研合作只是从一个角度推动企业成果转化，若想持续提升企业数字化能力，那么针对性开设相关岗位以匹配专业人才，形成长期数字精细化发展是至关重要的，需要引起各类企业，尤其是小微企业的重视。

3. 产业协同升级。新质生产力有效形成和提升需要全社会的支持。数据要素的特征就注定了企业数字化发展是“1+1>2”的过程。单单在一个企业的数字化水平上加大投入，对于新质生产力的提升是有限的，因为作为企业不能是“孤岛”，企业生存需要要素交换。因此，全社会实现数字化是必然趋势。产业链上下游要加强信息联合，优化资源配置效率；消费者与供给者畅通需求沟通渠道，针对性提升产业附加值，以形成具备优势的市场竞争力；加大新兴产业、未来产业的培育，加速产业数字化和数字产业化的落地，推动整体经济架构升级。在各方支持下，实现新质生产力的提升。

参考文献：

[1] GOLDFARB A，CATHERINE T. Digital Economics[J].Journal of Economic Literature，2019，57（1）：3-43.

[2] 陈秀英，刘胜，沈鸿.以数字化转型赋能提升新质生产力[J].新疆社会科学，2024：1-7.

[3] 张公一，张畅，刘思雯.环境不确定情境下组织韧性影响路径、作用机制与应对策略研究[J].科技进步与对策，2023，40（2）：20-29.

[4] KRAUS S，DURST S，FERREIRA J，et al.Digital Transformation in Business and Management Research： An Overview of the Current Status Quo[J].International Journal of Information Management，2022（63）：102466.

[5] 徐政，张姣玉.新质生产力促进制造业转型升级：价值旨向、逻辑机理与重要举措[J].湖南师范大学社会科学学报，2024（2）：104-113.

[6] 林春，文小鸥.资本市场赋能新质生产力形成：理论逻辑、现实问题与升级路径[J].深圳大学学报（人文社会科学版），2024，41（2）：66-75.

[7] 罗爽，肖韵.数字经济核心产业集聚赋能新质生产力发展：理论机制与实证检验[J].新疆社会科学，2024（2）：29-40+148.

[8] 尹希果，魏苗苗.数字经济发展与区域经济收敛——基于动态空间面板模型的实证研究[J].经济与管理评论，2024，40（2）：29-42.

[9] JANSEN，J.J.P.，VAN DEN BOSCH，F.A.J.，VOLBERDA，H.W.Exploratory Innovation，Exploitative Innovation，and Ambidexterity： the Impact of Environmental and Organizational Antecedents[J].Schmalenbach Business Review，2005，57（4）：351-363.

[10] BAUM，C.F.，CAGLAYAN M，TALAVERA O.On the Sensitivity of Firms Investment to Cash Flow and Uncertainty[J].Oxford Economic Papers，2010，62（2）：286-306.

[11] BLOOM N，BOND S，REENEN J.V.Uncertainty and Investment Dynamics[J].Review of Economics Studies，2007，74（2）：391-415.

[12] 新华社记者.详解2023年中央经济工作会议精神[N].人民日报，2023-12-18（004）.

[13] 祁怀锦，曹修琴，刘艳霞.数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J].改革，2020（4）：50-64.

[14] 申慧慧，于鹏，吴联生.国有股权、环境不确定性与投资效率[J].经济研究，2012，47（7）：113-126.

[15] 杜勇，娄靖，胡红燕.供应链共同股权网络下企业数字化转型同群效应研究[J].中国工业经济，2023（4）：136-155.

[16] 吴非，胡慧芷，林慧妍，任晓怡.企业数字化转型与资本市场表现一来自股票流动性的经验证据[J].管理世界，2021（7）：130-144.