数字经济对企业全要素生产率的影响及其作用机制

郭丰 杨上广 金环

(华东理工大学 商学院，上海 200237)

一、引言

数字经济是未来经济发展的重要方向，发展数字经济也是国家战略。近年来，我国数字经济建设取得了跨越式发展，《中国互联网发展报告2021》指出，我国数字经济的总规模在2020年为39.2万亿元，总量跃居世界第二。数字经济以数据为核心生产要素，依托人工智能、大数据、区块链和云计算等数字技术，数字经济得到普及和广泛应用，其对经济增长的贡献越来越明显，逐渐成为推动企业实现高质量发展的重要动能和新引擎。2021年政府工作报告明确指出，要打造数字经济新优势，协同推进数字产业化和产业数字化转型，建设数字中国。地区层面、产业层面和企业层面都积极出台了各类政策支持互联网、人工智能、大数据等新兴技术的发展，从而激发数据要素潜能，加快数字经济与实体企业发展的深度融合。经济绩效增长由于长期依赖生产要素的扩张，传统的生产体系已经无法满足经济持续发展的要求。在高质量发展阶段，企业生产率发展缓慢，尤其在中美贸易摩擦和新冠疫情冲击下，企业高质量发展的外部环境进一步恶化，亟需转变发展方式，转换经济增长动能。

全要素生产率作为刻画高质量的重要指标，是经济持续增长的动力源[1]，提高企业全要素生产率成为目前实现高质量发展的重要抓手。具体到微观企业层面，一般用企业全要素生产率来刻画企业高质量发展。数字经济发展渗透于企业的各个生产环节，打破了传统要素市场的束缚，给企业数字化、智能化发展提供技术支撑，这有利于推动企业生产提质增效。从微观企业视角来看，数字经济发展是否为企业高质量发展提供了新动能？对于这一问题的研究，不仅是目前学术研究和政策制定者所关注的重要问题，更关乎企业实现高质量发展转变的动力问题。本文的研究试图揭示数字经济与企业全要素生产率之间的关系，并明晰其中的作用机制，这有利于深刻理解数字经济发展对企业全要生产率的影响效果。同时，本文的研究也为经济高质量背景下推动数字经济高质量发展和提升企业全要素生产率，提供了经验证据和相应的政策参考。

二、文献综述

首先，与本文研究紧密关联的一支文献是数字经济领域的研究。早期的文献对数字经济的内涵进行了初步探讨，数字经济的本质特征就是以数字技术方式进行生产[2]。随着数字经济的快速发展和规模的不断壮大，越来越多的学者对数字经济的产业分类、数字经济规模测算、数字经济发展水平的演变特征进行了分析[3-5]。近年来，数字经济对经济社会发展的影响引起了学者们的广泛关注，既有文献利用实证计量方法检验了数字经济对高质量发展[6-7]、城乡多维差距[8]、区域创新[9-10]、城市碳排放[11]、企业实体投资[12]、企业合作创新绩效[13]、劳动者收入[14]等多方面的影响。从宏观层面来看，数字经济对经济高质量发展具有显著的促进效应[6]，并且有利于缩小城乡多维差距[8]，但数字经济发展却抑制了经济增长的稳定性和持续性[7]。数字经济发展通过赋能城市绿色技术创新发展，对城市碳排放起到了显著的抑制作用[11]。从微观层面来看，数字经济发展改善了城市创新环境，提高了制造业企业的合作创新绩效[13]，还对劳动者收入产生了影响。虽然数字经济改善了中低技能劳动者的相对福利，却挤占了中低收入劳动者的相对收入权[14]。既有研究从宏观和微观层面分析了数字经济对社会经济发展多方面的影响，既有良好的积极效应，也存在一些负面作用。鉴于此，本文在已有关于数字经济影响高质量发展、区域创新、劳动者收入等的研究基础上，进一步探究其对微观企业全要素生产率所产生的影响。

其次，与本文研究紧密关联的另一支文献是全要素生产率领域的研究。现有文献从多个视角探讨了影响企业全要素生产率的因素，如减税降费、数字金融发展、研发费用加计扣除政策提高了企业全要素生产率[15-17]，用电价格却抑制了企业全要素生产率的发展[18]。专利流动随着企业技术创新水平的提升，其对企业全要素生产率的影响会在超过一定阈值后由正转负[19]，探索式创新对企业全要素的影响呈现出“U”型关系[20]。近年来，随着数字技术的普及和广泛应用，数字技术发展逐渐成为制造业行业全要素生产率的主要驱动力[21-22]，其地位和重要性逐渐凸显。数字经济与企业融合发展，赋能企业数字化转型。赵宸宇等(2021)[23]发现，企业数字化转型可以提升企业全要素生产率。

最后，与本文研究紧密关联的第三支文献是数字经济与全要素生产率关系的研究。杨慧梅和江璐(2021)[24]、郭吉涛和梁爽(2021)[25]构造了省级层面的数字经济指数，探讨了数字经济与省份全要素生产率之间的关系，并对数字经济发展影响省份全要素生产率的宏观作用机制进行了检验，证实了数字经济对省份全要素生产率的促进效应。此外，数字经济发展还激励了工业绿色技术全要素生产率的提升[26]。现有的文献并没有将宏观层面的数字经济发展与企业全要素生产率直接联系起来，鲜有文献关注数字经济对微观企业全要素生产率的影响及其微观作用机制。那么，这里需要明确的是，数字经济发展对企业全要素生产率有何影响？其微观作用机制包括哪些？有必要开展实证分析和进一步的讨论。

目前，有关数字经济、企业全要素生产率研究的文献较为丰富，既有研究肯定了数字经济发展带来的正向积极效应，但大多聚焦于考察宏观层面数字经济对省份或者城市全要素生产率的影响，实证考察数字经济发展对微观企业全要素生产率影响的研究还比较匮乏，也缺乏讨论影响企业全要素生产率的微观作用机制。数字经济发展是否也能对企业全要素生产率产生促进作用？如果数字经济能赋能企业全要素生产率的发展，那么，其主导的微观作用机制又包括哪些？鉴于此，本文利用中国沪深A股上市公司2011—2019年的样本，检验了城市层面数字经济对企业全要素生产率的影响及其作用机制，并进一步讨论了异质性效果。

与现有文献相比，本文可能的边际贡献包括以下三个方面：第一，本文从微观企业视角出发，利用OP、LP和ACF等方法测算了企业全要素生产率，构建了城市层面的数字经济指数，综合考察了城市层面数字经济发展对微观企业全要素生产率的影响，探讨了数字经济发展影响企业全要素生产率的异质性影响效应，丰富了数字经济与企业全要素生产率领域的相关研究。第二，本文从融资约束、技术创新和企业数字化转型等角度对数字经济影响企业全要素生产率的微观作用机制进行了全面评估，厘清了数字经济影响企业全要素生产率的微观作用机制，深化和拓展了影响企业全要素生产率的微观作用机制研究。第三，在高质量发展的时代背景下，本文聚焦于微观企业，证实了数字经济发展能够赋能企业全要素生产率水平的提升，为数字经济与企业高质量发展的内在关系提供了来自企业层面的微观证据。

三、理论分析与研究假说

以信息技术和数字技术为基础的数字经济正在加速变革传统经济模式，数字经济逐渐成为推动经济高质量发展的新动能和新引擎[6]。数字经济依托区块链、人工智能、大数据、互联网等与实体经济不断深入融合发展，打破传统的经济发展模式，加快了数字产业化和产业数字化发展，催生出新产业、新模式和新业态，赋能传统产业转型升级[4,6]，提升企业全要素生产率。数字经济是信息技术革命市场化和产业化的重要表现，随着数字经济发展水平的不断提升，数字经济有效降低了供需双方的信息不对称问题，优化了信贷资源的配置效率[27-28]。通过改善创新环境、强化产学研合作等渠道提升企业技术创新水平[13,29]，依托数字技术助力企业数字化转型，加快企业向智能化和数字化方向发展，从而赋能企业全要素生产率发展。具体来看，数字经济通过以下三个方面的作用渠道对企业全要素生产率产生影响。

第一，数字经济通过缓解企业融资约束促进企业全要素生产率发展。若企业面临严重的融资约束问题，则会因为资金的缺乏不能有效应对外部冲击，企业会因此缺乏动力和能力去提高全要素生产率。一方面，从信贷资源视角来看，数字经济和数字技术的快速发展和广泛应用，金融机构与企业、企业与企业双方信息不对称的问题能够得到有效缓解[27]，金融机构获取和判断企业经营状况以及偿债水平的能力明显提升，能够根据企业的生产经营和资金现状提供信贷资金，从而合理分配银行信贷资源[28-29]，这提高了信贷资源的配置和利用效率，有助于缓解企业融资约束问题。随着数字金融的不断发展，借助大数据和互联网等平台拓宽了企业的外部融资渠道，有效解决了企业融资难问题[30]。从企业成本视角来看，数字经济和数字技术在企业生产经营过程中得到广泛应用，这极大提高了生产效率，降低了企业运营成本和维护成本[23]，以及降低了企业的议价成本、搜寻成本和监督成本[27]。另一方面，信贷资源配置效率的提升和各类成本的有效下降缓解了企业融资约束问题，有助于降低企业流动性风险。同时，企业有更多的资金用于优化企业的各类生产要素，对工艺和生产设备进行优化升级，这改善了企业长期投资状况，有效整合了企业资源，融资约束的缓解有利于提升企业全要素生产率[16]。因此，本文提出以下研究假设。

H1数字经济发展通过提升信贷资源配置效率和降低企业运营成本，缓解了企业融资约束问题，从而提高企业全要素生产率。

第二，数字经济通过提高企业技术创新能力激励企业全要素生产率。首先，数字经济发展能够不断赋能传统产业发展[31]，依托大数据和互联网等技术使得企业、高等院校和科研机构之间的联系更加便捷，破除了产学研合作中的诸多障碍，碎片化的知识信息和研发资源得到充分整合，不断提高企业产学研合作的广度与深度，给企业创新发展提供智力支撑[29]。同时加速技术和知识在企业内部的传播与扩散，提升企业消化、吸收和运用新技术的能力，从而提高企业创新水平。其次，数字经济发展给企业提供了更为完善的信息技术基础设施建设，不仅促进了企业研发设计和供应链管理的协调发展，还可以便利企业把握创新产品的最新供需动态，增强技术创新与市场需求的匹配度，降低企业研发成本和风险[13,32]，推动各类创新要素的快捷流动，从而激励企业创新活动的开展。最后，在数字经济发展背景下，数字消费规模不断扩大，数字经济发展使得企业的创新模式得以改变[23]，从而促进企业创新发展。另外，随着企业技术创新的发展，不断改善企业投入产出的要素结构和资源配置效率，优化企业的生产工艺和生产模式，提高企业的生产和运营效率，进而促进企业全要素生产率的发展[23,33]。因此，本文提出以下研究假设。

H2数字经济给企业提供了良好的信息基础设施等环境，赋能企业技术创新发展，从而激励企业全要素生产率水平的提升。

第三，数字经济通过促进企业数字化转型激励企业全要素生产率发展。一方面，数字经济的蓬勃发展，催生了人工智能、电子商务、云计算等数字技术，对传统产业进行赋能和升级改造[34]，大数据驱动大智能，赋能企业智能制造，推动社会生产方式和企业发展向数字化转型。数字经济依托人工智能、大数据、区块链等数字技术不断与企业的研发、生产和销售等各个环节相融合，极大促进了企业数字化转型。互联网、大数据、人工智能等数字技术推动人、机器、产品和服务有效衔接，引导企业生产方式和发展模式的广泛变革。另一方面，企业数字化转型可以将企业的业务流程链接起来，形成有价值的数字资产，提高企业对资源的利用效率，从而赋能企业全要素生产率的发展。数字化转型能够有效促进产业链上游和下游之间的沟通效率，推动供应链资源的优化配置[23]，通过数字技术对生产管理的人工环节替代实现了生产效率的显著提升，促进人机协同，推动企业柔性制造、智能制造，提高企业生产效率和生产质量，从而提升企业全要素生产率发展水平。因此，本文提出以下研究假设。

H3数字经济不断与企业融合发展，赋能企业数字化转型，从而显著提升企业全要素生产率水平。

四、模型、变量与数据

(一)模型设定

为了考察数字经济发展与企业全要素生产率之间的关系，本文设定如下基准回归模型

TFPict=α0+α1Digecoct+α2Zict+λt+δh+θp+εict

(1)

其中，下标i、c、t分别表示的是企业、城市和年份。TFPict表示城市c所属企业i在t年的全要素生产率，全要素生产率是基于LP方法计算所得[35]。Digecoct表示城市c在t年的数字经济指数，是本文关注的核心解释变量，系数α1的值越大，表示数字经济发展对企业全要素生产率的影响越大；Zict表示影响企业全要素生产率的控制变量；λt表示年份固定效应，δh表示行业固定效应，θp表示地区固定效应；α0表示常数项，εict表示随机扰动项。

(二)变量说明

1.被解释变量

全要素生产率(TFP)。Levinsohn和Petrin(2003)[35]提出的半参数方法被大量的学者广泛运用[36-38]，简称LP法。由于OP方法在测算企业全要素生产率时要求企业真实投资必须大于0，这样会导致在估计中损失很多企业样本[39]，LP方法使用中间品投入作为计算企业TFP时的代理变量，通过替换变量的方法能够有效避免企业样本损失问题。因此，本文以LP法计算的企业全要素生产率来刻画企业TFP。具体而言，劳动投入、资本投入、中间品投入和产出变量分别用企业员工人数、企业固定资产净值、企业购买商品接受劳务支付的现金和企业主营业务收入来衡量。本文还利用参数估计的OLS法，以及半参数估计的OP法、ACF法测算的企业全要素生产率进行稳健性检验。

2.核心解释变量

数字经济(Digeco)。借鉴黄群慧等(2019)[33]、赵涛等(2020)[6]的研究，从数字普惠金融、数字基础设施和数字产业发展三个维度构造城市层面的数字经济指数指标。第一，数字基础设施发展维度方面，包括移动互联网基础(每百人移动电话用户数)、宽带互联网基础(每百人拥有互联网宽带用户数)；第二，数字产业发展维度方面，包括电信产业产出(人均电信业务总量)、信息产业基础(信息软件行业单位从业人员比重)；第三，数字普惠金融发展维度方面，采用郭峰等(2020)[40]编制的数字普惠金融指数来刻画，包含了数字金融使用深度、数字金融覆盖广度，以及普惠金融数字化程度三个方面的信息。通过熵值法对上述指标数据进行计算处理，得到城市层面的数字经济发展指数(Digeco)。

3.控制变量

借鉴钱雪松等(2018)[36]、赵宸宇等(2021)[23]、郭丰等(2021)[41]的研究成果，本文选取的企业层面控制变量包括：企业规模(Scale)、资产收益率(Roa)、企业年龄(Age)、托宾Q(Tobin)、资产负债率(Lever)、资本密集度(Capital)、经营现金流(Cash)和管理层持股比例(Holdings)。控制变量的定义和构建方法如表1所示。

表1 变量的描述性统计

(三)数据来源与处理

本文选取2011—2019年中国沪深A股上市公司为研究样本，对ST、ST*和金融保险类公司样本进行了删除。也对财务数据存在异常值、指标缺失较为严重的样本进行了删除，通过与企业注册地相匹配，最终得到2 910家上市公司的17 509个样本。对所有的连续变量进行1%分位数的双边缩尾处理。数字经济指数指标中的五个指标来源于2012—2020年《中国城市统计年鉴》和北京大学数字普惠金融指数，数字普惠金融指数由北京大学数字金融研究中心和蚂蚁科技集团联合编制[40]。企业层面的财务数据来源于国泰安数据库(CSMAR)，企业发明专利申请数据来源于中国研究数据服务平台(CNDRS)。

五、实证结果分析

(一)基准回归结果分析

利用式(1)，本文首先分析了数字经济发展对企业全要素生产率的影响，回归结果如表2所示。表2中列(1)和列(2)是全样本的估计结果，列(3)和列(4)是剔除直辖市企业后的估计结果，列(5)和列(6)是仅保留普通地级市企业后的估计结果。列(1)、列(3)和列(5)没有控制各项固定效应，列(2)、列(4)和列(6)控制了各项固定效应。由列(1)—(6)的估计结果可知，无论是全样本企业，还是剔除直辖市企业，或者是普通地级市企业，核心解释变量Digeco均显著为正，数字经济对企业全要素生产率具有显著的正向影响，表明无论是何种类型城市的企业，数字经济发展均能显著促进企业全要素生产率水平的提升。数字经济依托大数据、人工智能等新兴信息技术不断与实体企业相融合，且得到广泛的运用，集聚各类生产要素资源的优势，缩短了业务时间流程，从而赋能企业生产效率的提升，给企业全要素生产率发展提供了新引擎。

(二)稳健性分析

1.替换被解释变量

为了避免企业全要素生产率单一方法测算给实证估计结果可能造成的偏误，进一步使用OLS法、OP法和ACF法对企业全要素生产率重新进行测算，并分别进行回归，以检验数字经济对企业全要素生产率促进效应的稳健性。表3中列(1)—(3)分别是利用OLS法、OP法和ACF法测算企业全要素生产率的估计结果。由这三列的结果可知，无论是使用哪种方法测算的企业全要素生产率，Digeco变量的估计系数均显著为正，表明在替换被解释变量的情况下，数字经济仍然显著促进了企业全要素生产率水平的提升，证明本文的基本结论具有稳健性。

表3 稳健性检验结果(一)

2.更换核心解释变量度量方法

前文在度量城市数字经济发展水平时，使用熵值法测算了城市数字经济发展水平。借鉴赵涛等(2020)[6]的做法，进一步利用主成分分析方法来重新测算城市数字经济发展水平，以此作为数字经济的代理变量。表3中列(4)是更换数字经济测算方法的估计结果。结果表明，数字经济对企业全要素生产率的影响依然显著为正。同时利用主成分方法测算的数字经济指数对OLS法、OP法和ACF法测算的企业全要素生产率进行回归估计，估计结果分别见表3列(5)—(7)所示，Mainingre变量的估计系数均显著为正，进一步支持了前文的研究结论。

3.控制变量再缩尾

虽然本文对控制变量中所有的连续变量进行了1%分位数的双边缩尾处理，但考虑到控制变量可能还存在极端值。为了验证数字经济对企业全要素生产率促进效应的稳健性，借鉴陈强远等(2020)[42]在稳健性检验中对控制变量再缩尾的思路，本文进一步对控制变量中的连续变量进行5%分位数的双边缩尾处理。表4中列(1)汇报了控制变量再缩尾的估计结果。可以看出，Digeco变量的估计系数仍显著为正，回归结果也与基准回归结果保持一致，并无明显差异，进一步验证了基本结论的稳健性。

4.调整样本期

2015年我国经济发展进入新常态，企业全要素生产率对于经济高质量发展的重要性愈发凸显，数字经济在此之后也快速发展，2015年成为数字经济发展的重要节点年份，现有部分文献以2015年作为数字经济相关研究的起始年份[13]。因此，本文进行调整样本期检验，以2015年为时间节点，对2015年之前的样本和2015年及其之后的样本分别进行检验，考察数字经济是否仍然促进了企业全要素生产率水平的提升。回归结果见表4列(2)和列(3)所示，Digeco变量的估计系数显著为正，证实了数字经济发展对企业全要素生产率正向促进作用的稳健性。

表4 稳健性检验结果(二)

5.其他稳健性检验

第一，滞后效应检验。考虑到数字经济对企业全要素生产率的影响可能存在滞后性，对数字经济发展影响企业全要素生产率的滞后效应进行检验。本文将核心解释变量数字经济进行滞后一期和滞后二期处理，表4中列(4)和列(5)分别汇报了数字经济滞后一期和滞后二期的结果，L.Digeco变量和L2.Digeco变量的估计系数均显著为正，进一步佐证了数字经济对企业全要素生产率具有正向的促进作用。第二，替换企业规模指标。将控制变量中企业规模指标替换成资产总额和营业总收入进行稳健性检验。表4中列(6)和列(7)分别汇报了企业规模指标为资产总额和营业总收入的估计结果，Digeco变量的估计系数依然显著为正。第三，控制企业固定效应。进一步控制企业固定效应，表4中列(8)汇报了控制企业固定效应的估计结果，Digeco变量的估计系数显著为正。再次支持数字经济发展能够赋能企业全要素生产率的提升。

6.内生性问题讨论

虽然城市层面的数字经济发展指数作为一个区域宏观变量，数字经济水平受到单个企业全要素生产率的影响较小，在一定程度上减轻了双向因果导致的内生性问题。本文也从滞后效应视角考察了数字经济对企业全要素生产率的影响，但是仍然可能由于数字经济的测量误差、遗漏变量或者不可观测因素等带来潜在的内生性问题。为了实证结果的更加稳健和可靠性，本文将进一步采用以下两种方法来缓解内生性问题。一是采用工具变量法；二是选取宽带中国试点政策作为外生冲击事件，进行双重差分模型检验。

(1)工具变量法。借鉴黄群慧等(2019)[33]的做法，选用各个城市1984年的固定电话和邮局数量这两个历史数据作为数字经济指数的工具变量。首先，互联网信息基础设施作为传统通信技术的继承和延续，历史上固定电话和邮局数量等电信基础设施完善的地区现今数字经济发展可能较好，也可能由于信息技术发展水平等因素影响到现阶段以互联网基础设施为代表的数字经济应用和发展，满足相关性；其次，城市固定电话和邮局数量等传统电信基础设施对样本期间企业全要素生产率并没有直接的影响，且这种影响微乎其微，相对较为外生。由于1984年的固定电话数量和邮局数量数据是截面数据，这一变量固定不变，缺乏年份之间的变化，借鉴Nunn和Qian(2014)[43]的研究，加入一个随时间变化的变量与邮电数据相乘，从而构造出面板工具变量。借鉴赵涛等(2020)[6]的研究，以1984年各个城市的固定电话数量和邮局数量分别乘以全国互联网用户数占总人口的比重(互联网普及率)，以此作为数字经济指数的工具变量。

利用固定电话和邮局数量这两个历史工具变量进行两阶段最小二乘估计，估计结果分别见表5列(1)和列(2)，可知，工具变量二阶段的估计结果与基准回归结果保持一致。由Kleibergen-Paap rk LM统计量和Kleibergen-Paap rk Wald F统计量的结果可知，不存在工具变量识别不足和弱工具变量问题，表明固定电话和邮局数量数据是数字经济合适的工具变量。在使用IV-2SLS的估计方法下，数字经济对企业全要素生产率的影响仍然显著为正。考虑可能的内生性问题后，数字经济对企业全要素生产率的促进效应依然稳健。

(2)双重差分估计。一个城市数字经济发展水平，受到诸多因素的影响，包括产业技术水平、数字基础设施、数字经济发展政策等因素，这些因素对企业全要素生产率也会产生影响。因此，为了验证数字经济发展可以促进企业全要素生产率这一结果的稳健性，借鉴赵涛等(2020)[6]的研究，本文借助“宽带中国”这一数字基础设施升级试点政策，作为一次严格的外生政策冲击。具体做法如下：选取2014年、2015年和2016年的宽带中国三批试点城市，将这些试点城市的企业作为处理组，非试点城市的企业作为对照组，构造渐进双重差分模型，揭示助力数字经济发展的“宽带中国”试点政策是否能激励企业全要素生产率水平的提升。首先，借助事件研究法对企业全要素生产率进行共同趋势检验，结果发现通过了共同趋势检验。其次，对“宽带中国”试点政策的效果进行回归估计，表5列(3)和列(4)汇报了双重差分的估计结果，列(3)仅包含了DID变量，列(4)包含了全部控制变量和固定效应。由列(4)的估计结果可知，DID变量的估计系数显著为正，表明“宽带中国”试点政策对企业全要素生产率具有显著的正向促进效应。数字经济发展促进了企业全要素生产率水平的提升，结果与前文一致，验证了本文结论具有较强的稳健性。

表5 内生性问题检验

六、作用机制分析

前文验证了数字经济发展能够促进企业全要素生产率水平的提升，而数字经济发展通过哪些途径影响企业全要素生产率呢？本文认为缓解企业融资约束、提高企业技术创新水平和促进企业数字化转型，是数字经济发展助力企业全要素生产率发展的作用机制。所以，借助中介机制检验方法来检验这三个微观作用机制[44]。构建的中介效应模型如式(2)和式(3)所示。其中，Medit表示中介变量，包括融资约束(KZ指数和SA指数)、技术创新(Inno)、数字化转型(Digtra)。

Medict=β0+β1Digecoct+β2Zict+λi+δh+θp+εict

(2)

TFPict=η0+η1Digecoct+η2Zict+γ1Medict+λi+δh+θp+εict

(3)

(一)融资约束

数字经济发展可以降低企业的内部交易成本和外部交易成本，同时可以提高金融机构的信贷资源利用效率，拓宽企业内外部融资渠道，融资约束的缓解激励了企业全要素生产率。借鉴Hadlock和Pierce(2010)[45]、潘越等(2019)[46]和余明桂等(2019)[47]的方法，构建KZ指数和SA指数来刻画企业融资约束。将上述两个变量作为中介机制变量，对SA指数取绝对值，若SA指数的绝对值越小，说明企业面临的融资约束越小。融资约束作用机制的估计结果见表6列(1)—(4)，其中，列(1)和列(3)的被解释变量分别为KZ指数和SA指数，列(2)和列(4)的被解释变量均为企业全要素生产率。结果显示，Digeco变量的估计系数在列(1)和列(3)中均显著为负，表明数字经济发展显著缓解了企业融资约束。数字经济发展改善了信贷资源的配置和利用效率，拓宽了企业的融资渠道，有效降低了企业的生产成本，缓解了企业的融资约束问题。Digeco变量的估计系数在列(2)和列(4)中均显著为正，且相对于表2中列(2)的估计系数有所下降，KZ指数和SA指数的估计系数在1%水平上为负，说明融资约束作用机制的确存在。融资约束的缓解给企业提升全要素生产率提供了更多资金支持，降低了企业流动性风险，企业有更多的资金用于优化各类生产要素，改善企业长期投资状况，有效整合企业资源，从而不断提升企业全要素生产率。由此可知，融资约束是数字经济发展激励企业全要素生产率的作用渠道，从而验证了假说1。进行Sobel检验，发现KZ指数和SA指数的Z统计量分别为4.07和4.78，在1%水平下显著；Bootstrap检验的置信区间也不包含0，验证了融资约束作用机制的稳健性。

(二)技术创新

数字经济发展给企业技术创新发展提供良好的创新环境和信息基础设施条件，优化了城市营商环境，提高了资源配置效率，降低了企业研发风险，大数据、人工智能赋能企业技术创新，从而助力企业全要素生产率发展。以企业发明专利申请数量来刻画企业技术创新，将这一变量作为中介机制变量，对发明专利申请数量加1后取自然对数。技术创新作用机制的估计结果见表6列(5)和列(6)，其中，列(5)的被解释变量为技术创新，列(6)的被解释变量为企业全要素生产率。结果显示，Digeco变量的估计系数在列(5)中显著为正，表明数字经济发展对企业技术创新具有显著的正向促进作用。数字经济依托互联网和大数据强化了企业产学研合作水平，也有利于高技术人才向企业集聚，强化数据和知识要素在企业内部之间的沟通和交流，从而提升企业技术创新水平。Digeco变量的估计系数在列(6)中显著为正，且相对于表2中列(2)的估计系数有所下降，Inno变量的估计系数在1%水平上为正，说明技术创新作用机制的确存在。由此可知，提高企业技术创新水平是数字经济发展助力企业全要素生产率的作用渠道，从而验证了假说2。企业依靠技术创新的发展，这不断改善了企业投入产出的要素结构和资源配置效率，优化了企业的生产工艺和生产模式，从而提高企业全要素生产率。进行Sobel检验，发现技术创新的Z统计量为4.12，在1%水平下显著；Bootstrap检验的置信区间也不包含0，验证了技术创新作用机制的稳健性。

(三)数字化转型

企业数字化转型与数字基础设施发展紧密关联，数字经济发展依托云计算、人工智能、大数据等新型数字技术赋能企业数字化转型，通过网络和移动设备给产业链带来全新变化，优化企业运营，推动企业发展由流程驱动向数据驱动转变，从而促进企业全要素生产率的提升。为验证数字化转型作用机制，参考易露霞等(2021)[48]的做法，收集整理上市公司的年度报告，统计年度报告中人工智能、云计算、大数据、区块链和数字技术应用五个维度中数字化转型关键词出现的次数，用这些关键词出现的次数来刻画企业数字化转型，将这一变量作为中介机制变量。企业数字化转型作用机制的估计结果见表6列(7)和列(8)，其中，列(7)的被解释变量为数字化转型，列(8)的被解释变量为企业全要素生产率。结果显示，Digeco变量的估计系数在列(7)中显著为正，表明数字经济发展显著加快了企业数字化转型。随着数字经济的不断发展，数字经济依托大数据、云计算和人工智能与企业的生产、销售等各个环节相融合，对产业链进行赋能和升级改造，不断提高了企业数字化转型水平。Digeco变量的估计系数在列(8)中显著为正，且相对于表2中列(2)的估计系数有所下降，Digtra变量的估计系数在1%水平上为正，说明数字化转型作用机制的确存在。数字化转型将企业的业务流程链接起来，形成有价值的数字资产，实现了企业开源、节流和提效的目标，提高了企业生产质量和对资源的利用效率，从而提升企业全要素生产率。由此可知，企业数字化转型是数字经济激励企业全要素生产率的作用渠道，从而验证了假说3。进行Sobel检验，发现数字化转型的Z统计量为7.67，在1%水平下显著；Bootstrap检验的置信区间也不包含0，验证了数字化转型作用机制的稳健性。

表6 作用机制检验

七、异质性分析

(一)企业所有制异质性

为了探究数字经济发展对不同所有制企业全要素生产率的影响，将企业划分为国有企业和非国有企业，分别进行回归估计，具体结果见表7列(1)和列(2)。可以发现，数字经济发展均提高了国有企业和非国有企业的全要素生产率。进一步构造企业所有制的虚拟变量与数字经济的交乘项，加入到式(1)中重新估计。根据表7列(3)结果可知，Digeco×state的估计系数显著为正，表明数字经济发展对国有企业全要素生产率的激励作用明显大于非国有企业。数字经济以信息化发展为基础，企业对数字经济的吸收和运用需要较长的时间，同时需要以数字基础设施、数字经济平台为依托，利用数字技术还需要数字化装备、培养和引进必要的数字经济人才等。首先，与国有企业相比，非国有企业更倾向于主动应用数字技术来整合内部要素，进而弥补相比于国有企业的市场劣势。但非国有企业往往受制于政策扶持力度不足、内部运营资金有限等困境，这在一定程度上制约了非国有企业的数字化转型和全要素生产率发展。其次，国有企业更容易获得数字经济在政策和制度上的倾斜，在资金投入、人才引进等方面也更具优势，更能充分地对数字经济、数字技术进行消化与吸收。数字经济发展可以充分结合国有企业自身的特点，实现数字经济发展与国有企业比较优势的有机结合[23]，这进一步加快了国有企业全要素生产率水平的提升。因此，数字经济对非国有企业全要素生产率的提升效应小于国有企业。

(二)企业规模异质性

考虑到数字经济对不同规模企业全要素生产率的影响可能也存在差异，以企业每年营业总收入的中位数为分类依据，把企业划分为大规模企业和小规模企业，分别重新进行估计，具体结果见表7列(4)和列(5)。可以看出，无论是大规模企业还是小规模企业，数字经济发展均促进了企业全要素生产率发展。进一步构造企业规模的虚拟变量与数字经济的交乘项，加入到式(1)中重新估计。根据表7列(6)结果可知，Digeco×size的估计系数显著为正，表明数字经济发展对大规模企业全要素生产率的激励作用明显强于小规模企业。这一结果表明在规模越大的企业，企业全要素生产率对数字经济的变化更为敏感，数字经济越能发挥其“威力”。首先，在数字经济迅猛发展的时代背景下，大数据是企业重要的生产要素之一，然而小规模企业的数据要素积累较少，这一定程度上使得数字经济对小规模企业全要素生产率的激励效应有限。其次，企业能力理论强调企业能力具有很强的路径依赖性，企业对新技术的应用与以往优势存在高度显著的相关性[49]，规模更大的企业更容易调用自身资源禀赋来加强其对数字经济、数字技术的融合，也可以更好地有效整合各类要素资源，提升企业对资源和要素的利用效率。大规模企业自身在数字化转型和利用数据要素中具有规模优势，数字经济发展能够更好地推动大规模企业数字化转型发展，这加快了大规模企业全要素生产率的发展。

表7 企业所有制和企业规模异质性回归结果

(三)企业行业异质性

制造业是强国之基，进一步分析数字经济发展是否赋能了制造业企业和服务业企业全要素生产率发展，同时考察企业行业异质性，具体估计结果见表8列(1)和列(2)。可以发现，Digeco变量的估计值均显著为正，说明数字经济均提升了制造业企业和服务业企业的全要素生产率。进一步构造了企业行业的虚拟变量与数字经济的交乘项，加入到式(1)中重新估计。根据表8列(3)的结果可知，Digeco×ind变量在10%水平下不显著，结果表明，数字经济发展对制造业企业和服务业企业全要素生产率的正向促进作用并没有明显差异。这可能的原因是，虽然服务业主要生产和销售无形产品，与数字经济和数字技术具有较高的适配性，但数字技术广泛应用于制造业，与制造业企业不断融合发展，这有效提高了制造业企业技术创新水平，也加快促进了制造业企业数字化转型，推动了制造业企业向智能制造、数字化制造转型，从而提高了企业的经营效率，加快了制造业企业全要素生产率的发展。因此，数字经济发展对制造业企业和服务业企业全要素生产率的提升作用并未表现出明显差异。

表8 企业行业异质性回归结果

八、结论与政策建议

在高质量发展背景下，数字经济是否赋能了企业全要素生产率发展？鉴于此，本文从微观企业视角出发，利用多种方法计算了沪深A股上市公司的全要素生产率，探究数字经济发展对企业全要素生产率的影响及其微观作用机制。第一，数字经济发展对企业全要素生产率具有显著正向激励作用。数字经济已然成为企业高质量发展的重要动能和新引擎，经过替换被解释变量、更换核心解释变量度量方法、控制变量再缩尾、调整样本期、工具变量法、双重差分估计等稳健性检验后，这一结论仍然成立。第二，机制检验结果表明，数字经济发展缓解了企业融资约束、提高了企业创新水平和促进了企业数字化转型，通过这三个作用渠道提高企业全要素生产率。第三，数字经济发展对企业全要素生产率的影响存在显著异质性特征。从企业所有制来看，数字经济发展对大规模企业全要素生产率的激励效应更大；从企业规模来看，数字经济对大规模企业全要素生产率的激励效应更大；从企业行业来看，数字经济对制造业企业和服务业企业全要素生产率的激励效应不存在显著差异。

本文的实证研究为数字经济发展与企业全要素生产率之间的关系提供了经验证据，同时为加快促进数字经济发展和助力企业全要素生产率的提升提供如下政策启示。

(1)大力发展数字经济，积极推进新型数字基础设施建设，释放数字经济活力，提升企业全要素生产率，助推企业高质量发展。本文研究表明，数字经济发展激励了企业全要素生产率，经济增长由要素驱动向数据驱动转变，数字经济已然成为重要的生产要素之一。第一，积极发展数字经济载体，加大对互联网信息基础设施的投资力度，不断完善数字基础设施。比如设立专项资金加快布局5G技术、人工智能、5G基站和大数据中心建设，实现5G商用、人工智能和区块链等技术的广泛运用，释放数字经济发展给企业全要素生产率带来的数字红利。第二，因地制宜数字经济发展战略规划，改善数字经济发展环境。各个城市应结合自身的资源优势制定适宜的数字经济发展战略规划，完善数字经济发展体系和规范数字经济监管。同时，扩大数字经济的应用范围，促进数字经济与企业发展的深度融合，催生新产业、新业态和新模式。改善数字经济发展的创新环境与治理环境，从而激活数据要素潜能，发挥数字经济赋能企业全要素发展的积极效应。

(2)进一步缓解企业融资约束，加快企业技术创新发展，积极推动企业数字化转型。第一，深化数字金融体制改革，利用数字基础设施等智能平台拓宽企业融资渠道，降低企业融资成本。发挥数字经济的集聚效应，加快数字经济在企业研发、生产、销售和售后等环节中的应用，从而有效降低企业生产成本和内外部交易成本，缓解企业融资约束问题。第二，加强大数据平台建设，利用大数据、人工智能、云计算和互联网等技术，整合企业研发创新资源，优化企业人力资本结构，推动企业创新研发活动的数字化转型，提高企业产学研合作效率，构建企业网络化协同研发创新合作平台，激发创新活力，不断提高企业自主创新能力，特别是夯实“卡脖子”技术企业的技术创新发展。第三，积极推动数字经济与企业融合发展，加快企业数字化转型升级，培育企业数字化发展新动能。推动大数据、互联网和数字经济同企业的深度融合，利用互联网等新型数字基础设施对企业传统的生产方式进行改造，加快企业数字工厂和智能制造建设，实现数字化资源向产业链各个环节的渗透，提高企业的整体运行效率，激活数据要素潜能。

(3)强化数字经济发展对非国有企业、小规模企业和制造业企业全要素生产率的赋能作用。第一，数字经济对非国有企业和小规模企业全要素生产率的提升效应相对较小。因此，在数字基础设施建设中，制定的财政、税收和信贷等优惠政策应向非国有企业和小规模企业倾斜。实施中小企业数字化赋能专项行动，推动中小企业与互联网、数字技术的融合发展，降低小企业数字化建设的门槛，消除不同规模企业之间的“数字鸿沟”。同时，立足非国有企业的特点，加快数字经济和数字技术在非国有企业的普及和应用，释放数字经济红利。从而进一步推动非国有企业和小规模企业全要素生产率水平的提升，进而助力企业高质量发展。第二，制造业作为我国国民经济的支柱产业和实体经济的核心基础，应积极推动互联网、大数据和人工智能等与制造业企业发展的深度融合，加快实现制造业企业向智能化和数字化方向转型，赋能制造业企业转型升级，推动制造业企业的数字化转型迈上新台阶，充分释放数字经济赋能企业全要素生产率发展的激励作用。