数字技术与供应链效率：理论机制与经验证据

张任之

内容提要：在数字技术迅猛发展的背景下，如何更好地推动数字技术与实体经济深度融合是当前学术界关注的重点问题之一。本文利用2012—2019年中国A股上市公司数据，基于机器学习的文本分析法构建反映企业数字技术应用程度的指标，并在理论分析的基础上实证考察数字技术对供应链效率的影响及其作用机理。研究结果表明，数字技术可以显著促进供应链效率的提升，该结论在经过一系列内生性检验和稳健性检验后仍然成立。机制检验表明，数字技术主要通过提高供需匹配精准度和降低外部交易成本推动供应链效率提升。异质性分析发现，数字技术对供应链效率的促进效果在大中型企业、高新技术企业、制造业以及竞争程度较强的行业中更加显著。本文的研究结论对于加快构建数字化供应链以及提升产业链供应链现代化水平具有重要的政策启示。

一、问题提出

随着人工智能、区块链、云计算、大数据等新一代信息技术的广泛应用，供应链已发展到与数字技术深度融合的数字化供应链新阶段。通过赋予供应链大数据支持、网络化共享和智能化协作的新特征，数字技术可以提升供应链各个环节的信息透明度，增强供应链对市场需求的敏感性，促进供应链高效运转。根据麦肯锡咨询公司发布的报告《供应链4.0——下一代数字化供应链》预测，数字技术将使供应链的运营效率大幅提高，包括运营成本降低30%以上、销售精准度提高50%、库存减少75%。2021年11月，工业和信息化部印发的《“十四五”信息化和工业化深度融合发展规划》从制定和推广供应链数字化管理标准、提升重点领域产业链供应链数字化水平等方面，部署了“十四五”期间产业链供应链数字化升级行动的重点工程。从实践层面来看，随着经济全球化快速推进，供应链不同节点企业之间的交互更加频繁且复杂化，传统供应链管理中存在的信息共享程度低、市场响应速度慢、运营风险高等痛点严重制约了供应链的高效运行，亟需加快推动供应链与新一代信息技术深度融合。目前，很多企业都在积极探索数字技术在供应链管理领域的应用，例如联想集团通过引入区块链技术，积极打造区块链与供应链“双链融合”模式，促进供应商、企业及代工厂三方实时信息共享，引导供应链各环节加强协同；京东物流通过人工智能驱动商业预测与补货、路线动态规划，实现高效的物流服务。可见，探究数字技术对供应链效率的影响，对于推动数字技术与实体经济深度融合、加快供应链创新发展具有十分重要的现实意义。

学术界围绕数字技术应用的微观经济效果展开了深入的研究。已有文献考察了数字技术对企业生产效率[1-3]、企业绩效[4-5]、企业组织结构[6]、企业创新[7]、股票流动性[8]等的影响。然而，这些文献主要关注企业内部层面的特征，并没有体现出数字化转型更本质的特征，即从企业内部管理协同走向更大范围的供应链多主体协同。总体来看，目前考察数字技术与供应链各个节点企业协同关系的研究相对较为匮乏。

基于此，本文利用2012—2019年中国上市公司数据，通过构建一个较为全面反映企业数字技术应用程度的指标，实证检验数字技术对供应链效率的影响及其作用机理。实证研究发现，数字技术显著促进了供应链效率提升。机制检验表明，数字技术主要通过提高供需匹配精准度和降低外部交易成本推动供应链效率提升。异质性分析发现，数字技术对供应链效率的促进效果在大中型企业、高新技术企业、制造业以及竞争程度较强的行业中更加显著。

本文可能的边际贡献主要体现在以下三个方面：理论层面，本文系统分析了数字技术对供应链效率的影响及其机理，丰富和拓展了数字技术应用经济后果的相关研究，为更好地理解数字技术与实体经济融合提供新的视角和思路；实践层面，厘清数字技术对供应链效率的影响机制与经济后果，有利于加快构建数字化供应链，为提升产业链供应链现代化水平以及进一步发挥数字技术对经济发展的放大、叠加、倍增作用提供重要的政策启示；方法层面，采用文本分析法构建了更为全面反映企业数字技术应用的指标，完善了微观层面企业数字技术应用程度的度量，为后续评估数字技术应用经济后果奠定了良好的基础。

二、文献回顾、理论分析与研究假设

(一)文献回顾

随着数字技术在供应链领域的广泛应用，国内外学者从不同视角探讨了数字技术对供应链的作用效果。效果大致可以分为以下三类：一是数字技术促进了供应链不同主体之间的信息共享。王等人(Wang et al.,2016)指出，大数据技术有助于提高供应链信息可视化程度，使供应链决策更加直观透明，进而更好地对供需不确定性进行准确预测[9]。孙新波等(2019)基于酷特智能的单案例研究发现，大数据技术通过驱动企业动态能力的提升，促进供应链更加精准、快速地响应客户的需求[10]。王等人(Wang et al.,2020)研究发现，区块链技术作为一种共享的分布式数据库，能够促进供应链信息共享，降低供应链信息不对称程度，提升供应链各参与主体的协作效率[11]。二是数字技术提升了供应链信息的可追溯性。现有研究主要集中于探讨如何利用区块链技术提高产品的可追溯性，保证产品的质量和安全。比斯瓦斯等(Biswas et al.,2017)认为区块链技术赋予了商品在整个供应链环节中的真实可追溯性，降低了产品欺诈和假货的可能性，对于降低成本和提高效率具有积极的影响[12]。本克和詹森(Behnke & Janssen,2020)研究表明区块链技术实现了食品从原材料采购到销售全流程的信息可视化，有助于建立全链条的食品质量安全追溯体系，保证食品安全水平[13]。高杰等(2020)进一步指出，当某一企业发布的信息不真实，或者有动机篡改供应链信息时，区块链技术在供应链管理领域的应用价值会更加显著[14]。三是数字技术提高了供应链不同主体之间的信任程度。区块链等数字技术的去中心化特征使得供需双方摆脱了传统模式下只能依靠人格或第三方才能建立的信任关系，实现了“无需信任的信任交易”，有效解决了供应链管理中存在的代理问题[15]。科尔佩拉等(Korpela et al.,2017)的研究表明，区块链技术的信息集成功能，可以减少成员之间的信息失真和欺骗的机会主义行为的发生[16]。宋华等(2022)基于普洛斯金融的案例研究发现，数字技术是解决供应链金融网络信任问题的有效途径[17]。

综合上述文献，可以发现已有研究主要存在两个方面的不足。一是已有文献主要是基于单一数字技术对供应链的应用价值展开探讨，尤其以区块链技术的研究较为成熟，缺乏从数字技术的整体视角进行分析。事实上，随着数字技术在供应链场景的深入应用，不同数字技术之间呈现相互融合的发展趋势，仅仅考虑某一具体技术的应用效果是不准确的。二是囿于企业数字技术应用指标的度量困难，已有文献主要采用理论分析、案例研究、问卷调查、博弈论等研究方法，实证考察数字技术与供应链效率之间关系的研究相对较为匮乏。

(二)理论分析与研究假设

数字技术作为供应链创新发展的重要驱动力量，推动供应链管理日趋数字化、网络化、智能化。可以推断，数字技术的广泛应用将有利于加强供应链上下游企业的有效对接，降低企业经营和交易成本，促进供需精准匹配和高效协同，进而提升供应链效率。基于此，本文从供需匹配和外部交易成本两个主要路径出发，探讨数字技术对供应链效率的影响及其作用机制。

数字技术可以提高供需匹配的精准度，有效降低供应链上下游企业信息不对称程度，从而提升供应链效率。随着数字技术与供应链的需求预测、产品研发设计、生产制造、库存管理等各个环节的深度融合，数据要素的价值不断被放大，通过数字化进一步加快供应链上下游的信息传播和交流速度，有效缓解传统供应链中的“牛鞭效应”，推进全链路供需精准匹配能力的提升[18]。需求预测环节，生产商利用大数据、机器学习、云计算等技术可以更加精准地刻画终端用户的偏好和行为特征，进而准确预测用户需求的变化[19]；产品研发设计环节，数字仿真、数字孪生、3D打印等数字技术打破时空和地域的限制，增强了与用户的互动设计，为供应链协同研发创造数字化环境，更加高效、快捷地设计出符合用户需求的产品；生产制造环节，基于智能制造技术，生产商可以低成本高效率地开展以用户为中心的个性化定制与按需生产，有效满足市场多样化需求，解决制造业长期存在的库存投资过多和产能过剩问题；库存管理环节，基于先进算法下的大数据分析技术，可以使企业对需求变化提前做出预判，及时调整企业库存水平，推动企业库存管理决策从传统的“感应—反应”模式向“预测—执行”模式转变，增强供给和需求的动态平衡能力。同时，随着产业互联网在各行各业广泛应用，行业中的供应商、生产厂家、零售商、客户等所有主体基于产业互联网平台形成错综复杂的供应链网络，打破传统供应链“供应商—生产商—批发商—零售商”的垂直线性结构[20]，供应链形态结构的变革不仅极大提升了供应链市场响应能力，使得市场需求发生变化时能够快速实现供需匹配，而且有效防止了供应链“断链”所带来的风险。

数字技术可以有效降低外部交易成本，从而提升供应链效率。借鉴戈德法布和塔克(Goldfarb & Tucker，2019)对于数字经济活动的分析[21]，数字技术对供应链流程的成本降低效应主要体现在三个方面。一是数字技术增强了供应链信息透明度，降低监督成本。在传统供应链管理模式下，运行过程中产生的各类信息被离散地保存在不同企业的系统内部，信息流缺乏透明度，导致链条上的各参与主体难以准确了解相关事项的状况及存在的问题，需要花费大量的时间和成本进行监督，严重制约了供应链效率的提升。以区块链为代表的数字技术通过分布式账本和加密技术，使得被授权的个体可以看到从产品起源到销售全流程的信息，极大提升了整个供应链的透明度[22]，确保参与各方及时发现供应链系统运行过程中存在的问题，进而提升供应链运行的整体效率。以飞机制造为例，制造一架飞机需要来自全球的数万个零部件，空客公司利用区块链技术可以准确、及时地了解这数万个零部件背后的海量信息，分析供应商生产经营状况，从而有效保障零部件供应的质量。二是数字技术推动物流模式向智能化转型升级，极大降低了物流运输成本。物流运输效率低下、运输成本高企一直是供应链管理面临的痛点之一。基于数字技术形成的智慧物流在仓库储位优化和货物运输等方面具有显著优势，利用云计算、大数据等技术可以优化仓储商品布局，实现仓储网络和配送网络的无缝融合，并结合数字技术对用户画像的精准刻画，高效安排商品的配送需求，极大提升了物流效率。同时，区块链分布式账本和加密技术特征可以大大减少商品流转过程中纸质单据的核对工作，有效保障了物流交付的安全和效率。三是数字技术能够提升企业之间的信任程度，降低违约风险引发的成本上升。在供应链参与主体较多的情形下，企业相互之间的信任程度较低，发生机会主义行为的可能性较大，导致需要以较高的成本建立信任机制。基于区块链所具有的数据不可篡改和永久追踪的特征，交易参与者的行为都会被永久记录，并且可以被所有成员随时访问和追踪，进而有助于企业更加合理地安排生产计划，减少由于相互之间不信任而储备过多的存货，从而极大提升供应链运行效率。企业之间甚至不需要信任就可以自动完成交易，如通过采用区块链智能合约技术可以自动设置合同支付或终止程序，一旦满足触发条件，合约自动执行，不受外界因素干扰[23]。因此，使用区块链等数字技术可以减少企业违约行为，保障供应链高效顺畅运转。基于以上分析，提出本文的研究假设：

假设H1：在其他条件不变的情况下，企业数字技术的应用将显著提升供应链效率。

三、研究设计

(一)样本选择与数据来源

本文选取2012—2019年A股上市公司作为初始研究样本，并按照以下原则对样本进行处理：剔除金融行业上市公司、剔除ST、PT以及资不抵债的上市公司、剔除数据缺失和异常的上市公司。最终共获得包含2 365家上市公司的15 698个公司年度观测值。之所以将初始年份定为2012年，是因为中国数字技术的快速发展以及与实体经济的融合应用主要体现在2012年之后。为了控制极端值对回归结果可靠性可能产生的影响，本文对所有连续变量进行1%的双边缩尾(winsorize)处理，并在回归分析中对变量的标准误进行公司层面的聚类调整。上市公司的财务数据来自国泰安(CSMAR)数据库。

(二)变量定义和说明

1.被解释变量

供应链效率(lnInventory)。本文选取存货周转期的自然对数测度供应链效率，存货周转期(Inventory)通过一年内营业成本与平均存货之间的比例关系计算得到。之所以采用存货周转期主要出于以下两点考虑：一是存货周转期是反映供应链管理水平的重要指标，存货周转期越短，存货转化为现金的速度越快，说明供应链运行效率越高；二是相对于从供应链可靠性、柔性以及响应能力等方面来考察供应链效率，基于财务视角的指标数据更容易获取。

2.解释变量

企业数字技术应用程度(Digital)。借鉴孙洁等(2020)、袁淳等(2021)以及吴非等(2021)的做法[8,24-25]，本文采用基于机器学习的文本分析法，构建一个较为全面反映中国上市公司数字技术应用程度的指标。具体步骤如下：第一，确定数字技术的关键词，通过对2012—2019年国家层面出台的数字经济相关政策进行梳理，提取数字技术的关键词，同时参考中国信息通信研究院发布的研究报告，进一步扩充数字技术特征词的范围，最终形成人工智能、区块链、云计算以及大数据四个方面的数字技术关键词库。第二，对上市公司年报进行文本分析，基于第一步获得的词库，运用计算机编程语言(Python)技术抓取上市公司年报中关于数字技术的关键词。第三，构建企业数字技术应用的指标，对提取的数据进行清洗，剔除关键词前存在的“无”“不”“没”等否定涵义的表述以及非本公司的数字技术关键词，在此基础上，统计各个关键词的出现频率，进而根据不同类型数字技术的词频形成最终加总词频，最后以对数化形式得到企业数字技术应用的指标。

3.控制变量

为了控制遗漏变量引起的内生性问题，本文加入了一系列控制变量，包括企业规模(lnSize)、资产负债率(Lev)、企业盈利能力(ROA)、经营活动现金流(Cash)、资本支出(Capital)、企业成长能力(Growth)、毛利率(Margin)、股权集中度(Top1)以及产权性质(State)。

主要变量的定义及说明如表1所示。

表1 变量定义

(三)实证模型设定

参考段文奇和景光正(2021)、凌润泽等(2021)的研究[26-27]，本文构建如下计量模型：

lnInventoryit=α0+α1Digitalit+∑Controls+∑Firm+∑Ind+∑Year+ε

(1)

其中，被解释变量lnInventoryit为企业i在t年存货周转期的自然对数，解释变量Digitalit为企业i在t年的数字技术应用程度，Controls为前述控制变量，Firm、Ind、Year分别表示企业、行业、年度的固定效应。根据模型(1)，如果Digital的系数α1显著为负，说明数字技术应用有助于提升供应链效率，假设H1成立；反之，则假设H1不成立。

四、实证结果分析

(一)描述性统计分析

表2列示了主要变量的描述性统计结果。被解释变量存货周转期(lnInventory)的均值为1.979，标准差为0.553，说明不同企业的存货周转期存在较大的差异。数字技术应用(Digital)的均值和标准差分别为1.129和1.275，且最小值和最大值分别为0和4.732，表明中国上市公司数字技术的应用程度差异较大，部分企业尚未推进数字技术与企业经营业务的融合。其余控制变量的分布特征与以往研究文献基本相似。

表2 变量的描述性统计

(二)基准回归

表3列示了数字技术对供应链效率的实证检验结果。其中，列(1)仅控制了固定效应，列(2)加入了企业层面的控制变量，列(3)同时加入所有控制变量集。结果显示，Digital的系数均在1%的水平上显著为负，说明数字技术应用程度越高，企业存货周转期越短，供应链效率相对越高。从经济意义上看，以列(3)的结果为例，如果数字技术应用程度每增加一个百分点，存货周转天数将会下降1.02天(e0.024)，这说明无论是在统计意义上还是经济意义上，数字技术应用有助于提升供应链效率，实证结果支持了假设H1成立。从控制变量看，资产收益率高、营业收入增长快、毛利率高的企业，供应链效率相对较高。

表3 数字技术对供应链效率的影响

表3(续)

(三)内生性问题

前文的研究结论可能面临反向因果关系导致的内生性问题。一方面，数字技术应用程度的提高，有助于推动供应链效率的提升；另一方面，供应链效率更高的企业也可能更有动力去推动数字技术与企业生产经营深度融合。基于此，本文选取各省份数字技术应用程度的均值(Digital_province)作为工具变量。一方面企业所在省份的数字技术应用程度会对企业个体的数字技术应用产生影响，另一方面区域的数字技术应用水平难以直接作用于供应链效率。Kleibergen-Paap rk LM统计量在1%的水平上显著，拒绝工具变量识别不足的假设，Cragg-Donald Wald F统计量大于Stock-Yogo弱工具变量识别检验在10%水平上的临界值，拒绝弱工具变量假设，由此说明本文选取的工具变量是合理可靠的。表4列(1)第一阶段回归结果显示，Digital_procince的系数在1%的水平上显著为正，表明选取的工具变量满足相关性要求。列(2)报告了第二阶段回归结果，Digital的系数在1%的水平上显著为负，表明在控制内生性问题后本文的研究结论依然成立。本文进一步选取“宽带中国”政策试点(Bic)作为工具变量对内生性问题进行检验，当上市公司所在城市被列入试点城市，则入选年份之后Bic取值为1，否则为0。结果如表4列(3)和列(4)所示，发现Digital的系数在1%的水平上仍然显著为负，说明本文的研究结论是稳健可靠的。

表4 内生性检验

(四)稳健性检验

1.改变供应链效率的度量方式

本文采用以下两种方法对供应链效率进行替代性度量：第一，考虑到企业存货水平受到行业特征以及周期性波动的影响，因此在稳健性检验中企业存货水平以行业近3年均值调整后的存货周转期(lnInventory1)进行重新测度；第二，由于营业周期能够反映企业从外购存货到销售存货并收回现金整个业务流程所花费的时间，因此本文以营业周期的自然对数(lnCycle)衡量供应链运行效率，通过“预付账款周期+应收账款周转期+存货周转期”计算得到，营业周期越短，说明供应链运营效率越高。表5列(1)和列(2)报告了回归结果。结果显示，Digital的系数至少在5%的水平上显著为负，说明本文的研究结论是稳健的。

2.改变数字技术应用程度的度量方式

本文采用以下两种方法重新构建数字技术应用程度指标：第一，数字技术关键词库中包括人工智能、区块链、云计算以及大数据四个维度，由于四类技术涵盖的词汇数存在差异，这很可能赋予各类技术不同的权重进而影响对企业数字技术应用能力的捕捉。基于此，本文先构建四个维度的数字技术应用细分指标，然后对细分指标分年度进行离差标准化处理消除量纲，最后将标准化的细分指标加总得到新的数字技术应用程度指标(Digital1)。第二，对四个维度的细分指标进行主成分分析，保留特征值大于1的因子，进而得到新的数字技术应用指标(Digital2)。表5列(3)和列(4)报告了相应的检验结果，可以发现，无论采用何种方式度量企业数字技术应用程度，Digital的系数均在1%的水平上显著为负，支持了本文的研究结论是稳健可靠的。

3.控制企业策略性信息披露行为的影响

本文基于企业年报披露的文本信息构建数字技术应用程度的指标，但这种方法可能受到企业策略性信息披露行为的影响，如一些公司的数字技术应用停留在概念炒作阶段，存在夸大信息披露的嫌疑[28]。为了排除这种可能的影响，本文进行了如下检验：第一，在基准模型中控制盈余披露质量，具体地，通过构建两个指标来衡量盈余披露质量：一是反映企业推迟确认损失或费用并加速确认收入的盈余激进度指标(Earn_Aggress)；二是反映一定时期内会计盈余和现金流匹配程度的盈余平滑度指标(Earn_Smooth)。第二，仅保留深圳证券交易所信息披露考评结果为“优秀”“良好”的样本，相对而言，这类公司进行策略性信息披露行为的可能性较低。表5列(5)和列(6)报告了相应的检验结果，结果显示，Digital的系数均在1%的水平上显著为负，说明本文的研究结论不受策略性信息披露行为的影响。

表5 稳健性检验

表5(续)

五、进一步分析

(一)影响机制分析

前文的理论分析表明，数字技术可能通过提高供需匹配精准度和降低外部交易成本促进供应链效率提升。因此，可以预期，如果这两种影响机制确实成立，那么对于供需匹配精准度较低、外部交易成本较高的企业而言，数字技术的应用将有利于其供应链效率的提升。基于此，本文分别从供需匹配精准度和外部交易成本两个方面来考察数字技术对供应链效率的作用机制。

1.供需匹配精准度

由于供需匹配精准度难以直接度量，本文借鉴卡雄等(Cachon et al.,2007)、单等人(Shan et al.,2014)的研究[29-30]，以企业生产波动对需求波动的偏离来间接刻画供需匹配精准度。具体定义如下：

(2)

Productionit=Costit+Inventoryit-Inventoryit-1

(3)

其中，σ()表示变量的标准差，Production为企业生产量，Demand为企业需求量。企业生产量通过式(3)计算得到，Cost为企业营业成本，Inventory为企业存货净值；企业需求量分别以企业营业收入(Sales)和营业成本(Cost)作为代理变量。为了消除时间趋势的影响，本文对生产和需求序列进行对数和一阶差分处理，并将新的序列代入式(2)，得到Matching1和Matching2。该指标值越大，说明企业的生产波动对需求波动的偏离程度越大，供需匹配精准度越低。本文分别将Digital×Matching1、Digital×Matching2加入模型(1)进行检验，结果如表6列(1)和列(2)所示，交乘项的系数均在1%的水平上显著为负，意味着供需匹配精准度越低，数字技术对供应链效率提升的作用结果越明显，与理论预期一致。

2.外部交易成本

考虑到外部交易成本涉及的种类较多，难以完全将其囊括，本文采用两个指标来进行间接测度。一是使用企业资产的专用性来反映企业的外部交易成本，资产专用性较高的企业面临的“套牢”风险相对更大，更有可能受到交易对手“敲竹杠”行为的威胁，因此外部交易成本相对较高[31]。借鉴科利斯和蒙哥马利(Collis & Montgomery，1997)的研究[32]，本文使用无形资产与总资产的比值(Intangible)来度量企业资产的专用性，该指标值越大，说明企业面临的外部交易成本越高。二是采用广告费用与营业收入的比值(Advertise)来衡量企业的外部交易成本，该指标值越大，说明企业在销售环节面临的外部交易成本较高。本文分别将Digital×Intangible、Digital×Advertise加入模型(1)进行检验。表6列(3)和列(4)结果显示，交乘项的系数均在1%的水平上显著为负，说明企业外部交易成本越高，数字技术对供应链效率提升的效果越明显，验证了前文的预期。

表6 影响机制分析

表6(续)

(二)异质性检验

考虑到不同企业的数字技术应用程度不同，并且不同行业的供应链特征也存在较大的差异，因此，本文分别从企业层面和行业层面考察数字技术对供应链效率是否存在异质性效果。

1.企业层面

基于企业自身的微观特征，按照企业规模和科技属性进行分样本检验。具体地，参照国家统计局发布的《统计上大中小微型企业划分办法(2017)》，根据不同行业的企业的员工人数和营业收入将样本划分为大中型企业和小微企业；由于创业板和中小板以高新技术企业为主，而沪深主板上市公司以传统行业为主，因此，本文根据不同企业所在的板块将样本划分为高新技术企业和非高新技术企业。回归结果如表7所示。

表7 基于企业层面的异质性检验

表7(续)

从表7列(1)和列(2)的结果可以看出，无论是大中型企业还是小微企业，数字技术均在1%的水平上显著提升了供应链效率，但是对于大中型企业的提升效果更显著。这一结果说明数字技术的应用具有规模效应，规模较大的企业能够充分利用其在资金、人才、技术、数据等方面的优势，更好地发挥数字技术对提升供应链效率的放大倍增作用。表7列(3)和列(4)是将企业按照科技属性进行分组回归的结果，数字技术对高新技术企业供应链效率在5%水平上显著为负，而对非高新技术企业供应链效率不显著。由此可以推断，相对于非高新技术企业而言，高新技术企业具有较好的数字创新基础支撑，具备数字技术应用的客观基础条件，能够推动数字技术与企业生产经营进行有效融合，进而带来供应链效率提升的效果。

2.行业层面

根据企业所处行业的特征，以行业类别和行业竞争程度进行分组回归。首先，将样本企业分为制造业和非制造业两类；其次，采用赫芬达尔指数(HHI)来衡量行业竞争程度，具体计算公式为：HHI=∑(Xi/X)2，其中Xi是行业内企业i的营业收入，HHI值越大，说明行业竞争程度越低。本文根据各年份的中位数将样本划分为竞争程度较强和竞争程度较弱两个子样本。具体回归结果如表8所示。

表8 基于行业层面的异质性检验

表8列(1)和列(2)结果显示，制造业样本的Digital系数在1%水平上显著为负，而非制造业样本的Digital系数在10%水平上显著为负。这是因为相对于非制造业供应链通常置于企业内部完成，制造业供应链生产、销售等环节大多是由不同企业通过专业化分工协作来实现，对内外部环境的变化会更加敏感，因此，数字技术对供应链效率的促进作用对制造业企业更显著。表8列(3)和列(4)报告了行业竞争程度的分组回归结果，在竞争程度较高的行业中，Digital的系数在1%水平上显著为负，而在竞争程度较低的行业，Digital系数不显著。产生这一结果的可能原因是，相较于竞争程度较低的行业，外部交易主体对竞争程度较高行业中的企业进行恶意违约的概率较高，进而使得企业的外部交易成本相对较高，因此，数字技术对竞争程度较高行业中的企业供应链效率具有更加显著的提升效果。

六、结论与政策建议

在数字技术快速发展的背景下，推动供应链与数字技术深度融合，既是打造数字化供应链体系的重要驱动力，也是推进中国数字经济健康发展的关键着力点。本文利用2012—2019年中国A股上市公司数据，基于机器学习的文本分析法构建了反映企业数字技术应用程度的指标，从理论和实证两个方面探讨了数字技术对供应链效率的影响及其作用机理。研究结果表明，数字技术可以显著促进供应链效率的提升，该结论在经过一系列内生性检验和稳健性检验后仍然成立。机制检验表明，数字技术主要通过提高供需匹配精准度和降低外部交易成本推动供应链效率提升。异质性分析发现，数字技术对供应链效率的促进效果在大中型企业、高新技术企业、制造业以及竞争程度较强的行业中更加显著。本文的研究结论为加快构建数字化供应链提供了重要的政策启示。

第一，企业层面，应抓住数字经济给企业带来的发展机遇，逐步将数字技术引入企业生产经营过程中，推动供应链数字化转型。具体而言，一方面，树立以用户为中心的供应链管理理念，充分利用数字技术手段，调动用户主动参与到原材料采购、研发设计、生产制造、销售服务等供应链各个环节中，提高供应链的市场需求实时响应能力，更好地满足用户不断升级的个性化需求；另一方面，发挥数据要素在数字化供应链中的关键作用，将数据要素的使用贯穿供应链各个环节，协同推进供应链要素数据化和数据要素供应链化，促进企业内部各项业务流程数字化转型。

第二，行业层面，发挥数字技术的上下游传导效应，打通数据要素流通渠道，推动供应链上下游企业高效协同发展。数字化供应链不仅需要企业自身加大数字化投入，更需要上下游企业密切配合。因此，应加快打通供应链上下游企业数据通道，以数据流引领人才流、技术流、资金流，提升全链路供需匹配精准度以及降低外部协调交易成本，实现生产、供给、销售一体化，全面提升供应链效率。同时，鼓励支持行业核心企业搭建供应链协同平台，连接上游供应商和下游用户，通过对终端用户需求的精准预测，引导上下游企业高效协同发展，提高供应链快速响应能力。

第三，政府层面，加快完善数字化供应链相关政策制度体系建设，不断推动数字化供应链落地实施。具体而言，首先，结合行业领域特征，培育一批具有行业代表性的数字化供应链标杆企业，形成可复制推广的经验做法，进而带动行业内更多企业实现供应链与数字技术深度融合。其次，制定和推广供应链数字化管理标准，加快制定供应链数字化管理指南等关键急需标准，以标准引领企业导入供应链数字化工具和解决方案，提升供应链数字化管理能力。最后，提升特定领域供应链数字化水平，面向非制造业、竞争程度较弱以及非高新技术行业，应引导行业组织、科研院所、龙头企业深化大数据、区块链等数字技术的应用，提升供应链数字化水平，增强供应链协同运作的精准性和敏捷性。