数字经济发展提高了企业全要素生产率吗？——基于A股上市公司的分析

白万平 孙溶镁 白 鸽

(1.贵州省大数据统计分析重点实验室，贵州 贵阳 550025；2.贵州财经大学大数据应用与经济学院，贵州 贵阳 550025；3.贵州财经大学会计学院，贵州 贵阳 550025)

一、引言

党的十九大提出中国经济已经由高速增长阶段向高质量发展阶段转型。站在新的历史起点，面对新冠肺炎疫情等一系列挑战，中国经济增长依然强劲，新的增长动能蓄势待发。事实上，在新一轮的产业和技术革命中，以计算机和互联网为载体，依托通信与信息技术发展的数字经济深入渗透社会各领域已成为不可逆转的时代潮流。2020年我国数字经济规模占GDP的比重达到38.6%。显然，数字经济已经成为推动我国经济高质量发展的新动能。数字经济的核心业态，是最能反映技术创新能力的ICT及其扩展产业，该产业中大部分行业通过技术市场交易直接实现技术转化，可以说技术市场的规模在一定程度上显示了数字经济作为经济高质量发展新动能的规模和强度。早在1984年11月，国务院就提出以技术市场发展为突破口进行科技体制市场化改革。经过近40年的发展，中国技术市场从零开始，不断完善，取得了举世瞩目的成就。有数据显示，2019年我国技术市场成交额达22398.39亿元，较2018年增长26.56%，远远超过国内生产总值7.8%的名义增长率。技术市场的参与主体主要是企业，企业在技术市场上购买技术有利于促进企业研发创新、增加企业利润、提高企业生产效率。

企业全要素生产率是综合考虑了企业技术水平、创新能力、管理效率和资源配置等各个方面的综合生产率，能反映企业生产经营的真实情况。现阶段，面对全球经济下行压力大和新冠肺炎疫情冲击等不利因素的影响，要实现经济高质量发展，需要提高企业全要素生产率，其中，企业数字化转型是一条重要路径，技术市场在其中发挥了衔接作用。那么，数字经济是否已经对企业全要素生产率产生影响？其影响机制是什么？当企业全要素生产率发生变化，数字经济的边际效应是否也随之改变？回答这些问题有助于全面评价数字经济对企业全要素生产率提升的战略作用，同时，对企业高质量发展乃至经济高质量发展相关政策的制定和执行具有一定的现实意义。

二、文献综述

(一)数字经济影响的相关研究

宏观层面的研究主要集中于数字经济对经济增长、产业结构升级和全要素生产率的影响。作为数字经济基础设施的通信设备、电信设施和互联网的建设能有效促进经济增长(郑世林等，2014[1]；郭家堂、骆品亮，2016[2]；韩先锋等，2019[3]；赵涛等，2020[4])，人工智能等大数据技术的运用可以使经济增长率大幅提升(Acemogu和Restrepo，2016[5]；陈彦斌等，2019[6])。数字经济主要通过产生新的投入要素、新的资源配置效率和新的全要素生产率来促进经济高质量发展(荆文君、孙宝文，2019)[7]。数字产业能够通过与其他产业间的扩散和联动提升产业生产效率，促进产业结构转型升级(Heo和Lee，2019[8]；肖旭和戚聿东，2019[9])，即从劳动密集型向技术密集型、环境友好型产业转移(李晓华，2019[10]；陈晓东、杨晓霞，2021[11])。除此之外，互联网普及能够显著提升行业全要素生产率(潘毛毛、赵玉林，2020)[12]，还可以在一定程度上加强ICT对行业全要素生产率的促进作用(谢莉娟等，2020)[13]。但信息技术对全要素生产率的促进作用存在5-10年的时滞，且时滞达到7年时促进作用最明显(Fueki和Kawamotoa，2009[14]；Brynjolfsson和Hiit，2003[15])。数字经济发展可以通过人力资本投资和产业结构升级显著提高区域全要素生产率，且存在空间溢出效应，有利于提高邻近地区的全要素生产率(邱子迅、周亚虹，2021[16]；杨慧梅、江璐，2021[17])。微观层面的研究表明，在促进企业生产效率方面，数据驱动的实际效果更好，能够有效实现降本增效(Brynjolfsson等，2011[18]；Bakhshi等，2014[19])。企业充分利用计算机和互联网有利于减少信息不对称，降低决策成本，提高生产效率(Brynjolfsson和Hiit，2000[20]；杨德明、刘泳文，2018[21])。

(二) 技术市场规模影响的相关研究

国内外学者对技术市场的研究主要集中于其对创新和经济增长的影响。一方面，技术市场发展对创新具有积极的推动作用，并且可以提高区域创新效率(Howells，1997[22]；范群林等，2013[23]；Seok等，2018[24])，且发达地区技术市场发展对创新的促进作用更大(庄子银等，2018)[25]。影响机制方面，技术市场发展能够促使企业进行技术转让，产生技术溢出效应，从而提高创新效率(Zheng等，2018)[26]；技术市场还可以通过提高资源配置效率来提升地区创新水平(赵志娟、李建琴，2015)[27]；另外，技术市场发展能够有效疏通知识创新与技术创新之间的梗塞，从而促进创新效率提高(叶祥松、刘敬，2018)[28]。另一方面，技术进步是经济发展的源泉，技术市场发展能显著促进经济增长(Lavoie等，2011[29]；闫中晓、贾永飞，2016[30]；Hottenrott，2016[31])。影响机制方面，首先，技术市场发展能够促进企业的研发活动，从而对经济增长产生积极作用(Hottenrott，2016)[31]；其次，技术市场发展能够提高市场绩效、增加社会福利，从而促进经济增长(Jensen，2010)[32]；最后，完善的技术市场往往能带给企业更多的税收优惠，提高企业绩效，促进经济高质量发展(张江雪，2010[33]；张欣炜、林娟，2015[34])。除此之外，我国各省份技术市场发展对经济增长的影响存在显著的空间正相关性(彭甲超、易明，2018)[35]。

综上所述，尽管国内外学者已经研究过数字经济和技术市场规模对经济社会诸多方面的影响，但都忽略了二者对微观层面企业全要素生产率的作用。因此本文认为还有以下方面需要进一步深入研究：第一，目前，关于数字经济对企业全要素生产率的影响研究成果还很缺少，更无实证研究的检验和支持，需进一步丰富这方面的文献；第二，尚无文章研究技术市场规模能否作为数字经济影响企业全要素生产率的中介渠道，有待进一步探究；第三，现有关于数字经济影响的文献都主要侧重于线性关系的考察，缺乏对非线性关系的研究。基于此，本文试图在已有文献的基础上进一步深入探索，以期改进上述问题。

三、理论分析及研究假设

(一) 数字经济与企业全要素生产率

全要素生产率是企业技术创新、内部治理改进、产品质量提升和企业结构升级等作用的综合结果，是系统中多种生产要素的综合生产率。数字经济是指直接或间接利用数据资源来推动生产力发展的经济形态，通常利用大数据、云计算、5G通信、人工智能等技术手段实现与传统产业的深度融合，促进企业高质量发展。数字经济主要通过四条路径影响企业全要素生产率。首先，数字经济发展能够降低企业代理成本，提高企业运行效率。由于数字经济具有传播速度快、范围广的特点，因此企业能够通过数字技术快速获得所需的外部信息，减少由于信息不对称造成的代理成本(薛成等，2020)[36]，提高企业运行各方面尤其是生产供应环节的效率(王开科等，2020)[37]，进而影响全要素生产率。其次，数字经济能够促进企业技术创新(Teece，2018[38]；薛成等，2020[36])。一方面，数字经济发展激活了更加高效率的创新生态，通过数字技术与经济社会各领域的深度融合使得创新范围不断扩展，区域创新水平提高，企业外部创新环境得到优化。另一方面，数字经济发展有利于企业对子公司的知识和技术扩散，也有利于和其他企业互联互通、相互学习，实现企业从单个产品和流程的创新到整个产业的创新的转变，进而提高全要素生产率。再次，数字经济有助于企业扩大生产经营范围。数字技术与传统物流行业的融合使得货物运输成本降低，速度和安全性却大大提高，企业和消费者不必再拘泥于传统销售模式和购物模式，可以突破地理位置的限制，有效扩大经营和消费半径。由此，企业利润增加，全要素生产率提高。最后，数字经济有利于企业人力资本升级。数字经济与传统经济的深度融合发展催生了多种形态的企业经济活动，这些经济活动多以数字经济平台、数字媒体和网络零售为载体。为了加快对新兴技术的吸收和利用，加快成果转化，企业需要引进更多数字技术人才，或者对现有人才进行数字技术培训，这有利于企业人力资本升级，进而提高全要素生产率。基于以上分析，本文提出以下假设。

假设1：数字经济发展能够提高企业全要素生产率。

(二) 技术市场规模与企业全要素生产率

技术市场是经营技术商品和提供技术中介服务的市场，其宗旨在于推动科学技术成果转化为现实生产力，是与技术创新关系最密切的要素市场之一。第一，技术市场规模扩大能扩展企业技术使用范围提高全要素生产率。技术市场规模扩大意味着技术市场上技术的供应量增加，进而扩大了企业选择技术的范围，不同的企业可根据自身需求选择所需的创新技术，提高技术利用效率，增加创新产出(俞立平等，2021)[39]，提高全要素生产率。第二，技术市场规模扩大可降低企业技术使用成本进而提高全要素生产率。技术市场规模扩大，技术供给端个体和技术标的增加后，由于供求关系的改变，单位技术的价格会随着技术交易活动的发生而下降。而当一个地区技术交易频繁发生，会吸引更多主体引进技术进行创新活动，技术使用成本将进一步降低。这样一来，即使资金不够充足的中小微企业也能够引进先进技术改进生产和经营，从而全要素生产率得以提高。第三，技术市场规模扩大将产生知识溢出效应以影响企业全要素生产率。区域内技术市场规模扩大必然会产生技术知识的集聚，而区域内企业由于存在社会关系和经济关系的关联，很容易从其他企业获取技术知识并消化吸收，从而促进自身发展。这种知识溢出效应有利于提升企业创新效率、增加企业创新产出，提高全要素生产率。因此，本文提出如下假设。

假设2：技术市场规模扩大有利于企业全要素生产率提高。

(三) 数字经济与技术市场规模

首先，数字经济发展使得数字基础设施逐步完善，有利于提高技术市场效率。数字基础设施主要包括数字化平台软件、计算机、服务器、信息与通信网络、数字技术等，这些基础设施的普及有利于增强技术供给主体间的信息交换和资源共享，增加信息透明度，提高市场运行效率，从而扩大技术市场规模。其次，产业数字化为各行业创新技术的产生奠定了基础。数字经济发展的重心在于同传统产业深度融合，无论对于农业、制造业、工业还是教育、文化和医疗等服务行业，在生产经营或服务过程中运用数字技术不仅能提高企业效益和服务质量，更能在实践中不断革新技术、创造技术，以丰富技术市场。再次，数字产业化是技术创新的关键。数字技术经过30年的产业化发展已经形成了新产业，主要涉及的行业包括通信设备、计算机和其他电子设备制造业以及信息传输、软件和信息技术服务业等，而新一代数字产业所推动的基于互联网的商业模式将缓解由于信息不对称带来的资源配置效率低下等问题，充分激发商业活力，引导更多企业利用数字产业进行技术创新，在发展自身的同时也扩大技术市场规模。最后，数字经济通过创造新的市场机会扩大技术市场规模。数字技术的迅速发展和广泛应用催生了越来越多的新业态、新模式，同时也突破了地理距离的限制，使得包括“C2C”“P2P”在内的新型消费模式日益普遍，越来越多的企业和个人消费者成为技术的依赖者。技术消费端的扩大必然会带动供给端的生产和销售，技术市场规模将随之扩大。传导路径图见图1。基于以上分析，本文提出假设。

图1 传导路径图

假设3：数字经济发展能够通过扩大技术市场规模来提高企业全要素生产率。

四、研究设计

(一) 数据说明

为验证前文假设，本文主要采用两套数据，第一套以2010-2019年中国沪、深两市A股上市企业为样本，财务数据主要来源于国泰安数据库。为满足研究需求，本文进行了如下处理：(1)剔除数据缺失严重的样本；(2)剔除属于金融行业的企业样本；(3)剔除含异常值的样本；(4)剔除ST类样本。为了进一步降低异常值对结果的不利影响，本文对所有连续变量进行了上下1%的缩尾处理。第二套数据是省级层面的宏观变量，数据主要来源于《中国统计年鉴》《中国科技统计年鉴》和各省份统计年鉴。本文采用Stata14进行数据分析和实证研究。

(二) 模型构建

为了验证假设1，构建如下基准回归模型：

TFPit=α0+α1Digept+∑Controlit+μi+δt+εit

(1)

式(1)中，i代表企业，t代表年份，p代表省份，TFP为被解释变量，代表企业全要素生产率，用LP法测算得到，核心解释变量Dige表示数字经济发展水平，∑Controlit表示一系列企业层面的控制变量；μi表示企业i不随时间变化的个体固定效应，主要为了控制企业层面的个体因素对结果产生的影响；δt为时间固定效应，主要为了控制不同年份的共同宏观经济冲击的影响；εit为随机误差项。本文主要关注系数α1，预期均为正值。

除了式(1)所体现的数字经济发展水平对企业全要素生产率的直接效应外，数字经济还可能通过影响技术市场规模而间接作用于企业全要素生产率。本文借鉴Baron和Kenny(1986)[40]和温忠麟等(2004)[41]的因果逐步回归分析法来进行中介效应的检验，具体检验步骤为：在数字经济发展水平Dige对企业全要素生产率TFP的线性回归模型(2)的系数β11显著的基础上，分别构建数字经济发展水平Dige对中介变量技术市场规模Tech的回归方程(3)以及数字经济发展水平Dige和中介变量技术市场规模Tech对被解释变量企业全要素生产率TFP的线性回归方程(4)，通过β21、β31和β32等回归系数的显著性判断中介效应是否存在，并根据β21β32/β31+β21β32计算中介效应占比。

TFPit=β10+β11Digept+∑Controlit+μi+δt+εit

(2)

Techpt=β20+β21Digept+∑Controlit+μi+δt+εit

(3)

TFPit=β30+β31Digept+β32Techpt+∑Controlit+μi+δt+εit

(4)

(三) 指标选取与测算

1.企业全要素生产率(TFP)的测算

现有文献在测算企业全要素生产率时主要采用OLS、LP、OP、FE和GMM等方法，本文通过比较发现，Levinsohn 和 Petrin(2003)[42]对OP法进行改良提出的LP法能针对性地解决数据丢失和截断问题、能有效克服内生性以及更准确地反映出生产效率的变化，计算出的结果比OP法更加精确。因此，本文以采用LP法测度的企业全要素生产率为基准进行回归分析，并使用OP法测算结果进行稳健性检验。具体地，LP法涉及的变量包括资本投入、劳动投入、中间投入和产出，分别用购建固定资产、无形资产支付的现金与资产总额的比值、企业职工人数取自然对数、购买商品、接受劳务支付的现金与资产总额的比值和营业收入取自然对数来表示。

2.数字经济发展水平(Dige)的测算

目前，有关数字经济发展水平测度的文献较少，本文从数字经济内涵的三个维度出发，同时考虑数据的可得性，选取10项指标构建了分省份的数字经济发展评价指标体系。本文用互联网普及率、移动电话普及率、单位面积长途光缆长度、互联网宽带接入端口数和电信业务总量来表征互联网电信业的发展；用快递业务量、快递业务收入和电子商务销售额来表征电商零售业的发展；用专利授权数和科学技术支出来表征科学技术业的发展。以上指标的原始数据均可从历年《中国统计年鉴》《中国科技统计年鉴》、各省份统计年鉴和EPS数据库中获得。本文通过熵值法将上述10个指标标准化后进行赋权处理，得到数字经济发展综合指数。表1是数字经济综合评价指标体系的构建指标、指标属性和构建过程。

表1 中国省级数字经济发展综合评价指标体系

3.技术市场规模(Tech)的测算

本文提出技术市场规模能够影响企业全要素生产率的假设，因此在选取技术市场规模这一指标时必须能够反映各省进行技术交易活动的密集度，且要与企业活动联系紧密。现有文献大多数使用技术市场交易额来衡量各省技术市场规模，但该指标仅仅包含了流出各省的技术交易活动，较为片面，不能准确反映各省技术市场的真实情况。因此，本文借鉴夏凡和冯华(2020)[43]的做法，选取技术市场输入地域合同金额与技术市场输出地域合同金额之和来衡量各省的技术市场交易规模。为了排除通货膨胀和人口基数的影响，本文对技术市场交易规模进行了不变价处理，并除以各省平均就业人数，得到技术市场规模指标。

4.控制变量

为了更加全面地分析数字经济和技术市场规模对企业全要素生产率的影响效应，还需要设定对企业全要素生产率可能产生影响的控制变量。具体包括：企业规模(Size)，用资产总额取自然对数来表示；财务杠杆(Lev)，用负债总额比上资产总额来表示；成长能力(Growth)，用营业收入增长率来表示；盈利能力(Roa)，用总资产报酬率来表示；自由现金流量(Cf)，用经营活动产生的现金净流量比上资产总额来表示；营运资本(Wcapital)，用营运资本比上资产总额来表示；代理成本(Agency)，用管理费用增长率来表示；综合税率(Tax)，用企业综合税率来表示；独立董事规模(Indirector)，用独立董事人数比上董事会人数来表示。全部变量的指标选取及数据来源见表2。

表2 指标说明与数据来源

(四) 描述性统计分析

表3显示了主要变量的描述性统计结果，第一组以2010-2019年沪、深两市A股上市企业为样本，第二组以2010年的数据为样本，第三组以2019年数据为样本。从全样本的描述性统计来看，企业全要素生产率均值为14.792，最大、最小值分别为17.364和12.945，说明各企业间全要素生产率存在较大差距；各省的数字经济发展水平和技术市场规模也存在发展不均衡的问题。从2010年和2019年的描述性统计可以看出，2019年企业全要素生产率和技术市场规模相较于2010年有明显提升。数字经济发展水平增幅较大，年均增长率达到56.03%。

表3 主要变量描述性统计

五、实证结果分析

(一) 基准回归分析

表4报告了数字经济影响企业全要素生产率的线性估计结果。列(1)只加入了核心解释变量数字经济发展水平，从列(2)开始依次加入可能对企业全要素生产率产生影响的控制变量，列(1)-(10)均控制了个体和时间。从估计结果可以发现，无论是否加入控制变量，数字经济均对企业全要素生产率有正向影响，且这种影响在1%的水平上显著，与预期方向相符。这表明，随着数字经济的发展，企业全要素生产率也会提高。加入全部控制变量后，数字经济对企业全要素生产率的总效应为0.337，表示数字经济发展指数每增加1个单位，企业全要素生产率将提高0.337个单位。控制变量中，企业规模、财务杠杆、盈利能力、自由现金流量和营运资本均对企业全要素生产率有显著为正的影响，综合税率对企业全要素生产率有显著为负的影响，独立董事规模、成长能力和代理成本对企业全要素生产率的影响不显著。表4中列(1)-(10)R2依次增大，符合逐步回归法的设计思路。

表4 数字经济影响企业全要素生产率的估计结果

续表4

(二) 稳健性检验

上述基准回归模型基本上说明了数字经济发展能够促进企业全要素生产率的提高，本文将通过改变被解释变量测度方法、解决内生性问题、剔除直辖市样本和添加控制变量的方法进行稳健性检验。

1.改变被解释变量TFP的测度方法

在基准回归中，本文采用LP法测度的企业全要素生产率进行回归，本部分采用OP法测算出的企业全要素生产率进行稳健性检验，测算时所涉及的投入、产出和中间变量与LP法相同。在其他控制变量不变的情况下，依然采用个体时间双固定模型进行估计，结果见表5列(1)。结果显示，数字经济的回归系数依然在1%的水平上显著为正，其他控制变量系数方向和显著性也与基准回归一致，说明基准回归模型具有一定稳健性。

2.内生性问题

为了减小内生性问题给研究结果带来的不利影响，本文采用通常做法，采用数字经济的滞后一期作为工具变量进行两阶段回归。在使用工具变量之前，需要对其进行不可识别检验、弱工具变量检验和过度识别检验。首先，本文通过Kleibergen-Paap rk LM统计量对滞后一期的数字经济发展水平进行不可识别检验，Kleibergen-Paap rk LM统计量的p值为0.0000，强烈拒绝不可识别的原假设。其次，采用Cragg-Donald Wald F统计量进行弱工具变量检验，Cragg-Donald Wald F统计量的值为1.6×105，远大于Stock和Yogo提供的10%显著性水平上的临界值7.03，因此选择滞后一期的数字经济发展水平作为工具变量不存在弱工具变量的问题。最后，由于本文选取的工具变量与内生解释变量是一一对应的关系，所以不存在过度识别的问题。由表5列(2)两阶段回归结果可知，使用工具变量后，数字经济发展水平对企业全要素生产率的影响仍然显著为正，与上文结论一致。

3.剔除直辖市样本

中国是一个幅员辽阔的大国，不同地区由于地理位置、经济社会发展水平不同，数字经济对企业全要素生产率的影响效应也会不同。我国设立了北京、天津、上海和重庆四个直辖市，是直属中央管理的省级行政单位，因此常享受政策的倾斜，拥有更丰富的经济、科技和人才资源，因此有必要剔除归属于四个直辖市的企业样本来观察数字经济对企业全要素生产率的作用效果，结果见表5列(3)。由结果可知，数字经济发展能在1%的水平上显著提高企业全要素生产率，与基准回归结果一致，说明模型具有稳健性。

4.添加控制变量

在基准回归模型中，本文仅控制了企业层面的企业规模、财务杠杆、成长能力、盈利能力、自由现金流量、营运资本、代理成本、综合税率和独立董事规模的影响，为了缓解遗漏变量对研究的影响，提高估计结果的稳健性，本文在原有的微观控制变量的基础上，再加入各省份人均GDP、城镇化率和政府干预等宏观经济变量，分别用人均GDP取自然对数、城镇人口占总人口的比率以及政府财政支出占地区生产总值的比率来表示。具体估计结果见表5列(4)。由结果可以看出，增加宏观控制变量后，核心解释变量和原有控制变量回归系数的方向和显著性与基准回归模型一致。在新加入的控制变量中，人均GDP和城镇化率对企业全要素生产率有显著为正的影响，政府干预对企业全要素生产率有显著为负的影响。

表5 稳健性检验回归结果

(三) 中介效应检验

前文理论分析了数字经济发展可以通过扩大技术市场规模进而提高企业全要素生产率，为了验证该作用机制，本文选用中介效应模型进行实证检验，回归结果见表6。可以看出，第一步中，数字经济的回归系数显著为正，表明数字经济发展可以提高企业全要素生产率；第二步中，数字经济的回归系数也显著为正，表明数字经济发展有利于扩大技术市场规模；第三步中，技术市场规模的回归系数显著为正，表明技术市场规模扩大能够促进企业全要素生产率提高，且数字经济的回归系数比第一步中有所下降(0.195<0.337)，意味着技术市场规模在数字经济和企业全要素生产率之间起部分中介作用。从数值上看，中介效应大小约为0.051，在总效应中占比42.28%，即数字经济在影响企业全要素生产率的过程中，存在“数字经济发展→技术市场规模扩大→企业全要素生产率提高”的传导路径。

表6 中介效应检验结果

六、进一步分析

实践中，在不同企业全要素生产率水平下，数字经济的边际影响效应是否存在显著的结构性变化更值得关注，而传统的固定效应回归是一种均值回归方法，难以反映出解释变量在不同条件位置分布上影响的差异性。为此，本文建立面板分位数模型，探究不同企业全要素生产率水平下数字经济边际效应的演化轨迹。具体的，构建面板分位数模型如下：

Qτ(TFPit|Digept)=φτ10+φτ11Digept+∑Controlit+μi+δt+εit

(5)

其中Qτ(TFPit|Digept)表示在给定数字经济发展水平Digept的情况下，企业全要素生产率TFPit在第τ分位数上的值；ψτ11为数字经济发展水平和技术市场规模在第τ分位数上的回归系数向量。参考已有研究的做法，本文选取最具代表性的0.1、0.25、0.5、0.75和0.9五个分位点进行回归分析。

表7报告了数字经济对企业全要素生产率的面板分位数回归结果，表7中列(1)-(5)分别为0.1、0.25、0.5、0.75和0.9分位点的回归结果。从中可以看出，各个分位点上数字经济对企业全要素生产率均存在显著的正向影响，意味着数字经济发展能够显著提高企业全要素生产率。通过观察不同分位点上数字经济的回归系数，发现随着分位点的增加，数字经济的系数逐渐减小，5个分位点上数字经济的回归系数分别为0.250、0.249、0.176、0.157和0.116。这一结果表明，数字经济发展对企业全要素生产率的影响存在结构性差异，随着企业全要素生产率的提高，数字经济对其的正向影响越来越小。当处于企业全要素生产率的0.1分位点时，数字经济对企业全要素生产率的促进作用最强，具体表现为数字经济发展综合指数每提高1个单位，企业全要素生产率将提高0.250个单位，这是由于此时企业正处于新创期，充满发展活力，数字经济发展能产生更大的企业全要素生产率提升效应。但随着全要素生产率的提高，数字经济的边际效应递减，当到达企业全要素生产率的0.9分位点时，数字经济的边际影响效应降为0.116，这可能是由于成熟期企业已经建立了比较完善的运行和发展机制，数字经济促进其生产效率提升的空间被压缩，边际作用减小。

表7 数字经济对企业全要素生产率分位数回归结果

七、结论及政策启示

本文的主要结论有：第一，数字经济发展能显著提升企业全要素生产率，数字经济已成为新时代推动企业高质量发展的新动能。通过改变被解释变量测度方法、引入工具变量、剔除直辖市样本和添加宏观控制变量等稳健性检验后，该结论仍然成立。第二，技术市场规模能作为数字经济影响企业全要素生产率的一条传导路径，中介效应占比42.28%。第三，数字经济影响企业全要素生产率存在显著的结构性差异，随着企业全要素生产率的提高，数字经济发展的边际影响效应递减。

本文的研究结论还具有以下政策启示：

第一，大力发展数字经济，加快数字产业化和产业数字化进程。(1)加大对数字经济的研发投入力度，特别是对数字经济核心产业，如人工智能、大数据、物联网、云计算、芯片制造等的研发投入力度。(2)进一步完善数字经济基础设施建设，重点抓传统产业生产、通信设备改造升级，大力推动5G通信网络建设，助力新时代互联网发展，继续巩固数字经济为我国企业高质量发展带来的红利优势。(3)除了专注自身发展外，还应加强同发达国家的交流和学习，以积极自信的姿态参与国际数字经济合作，扬长补短，为将来我国数字经济国际化发展打下坚实基础。

第二，引导企业提高数字化转型能力。(1)在数字经济时代，将数字技术与制造、采购、销售、内部治理等环节紧密结合，不仅可以提高企业竞争力，更能从传统经济中催生出全新的、极具发展活力的新产业。(2)政府应制定相关发展政策，在全社会大力推广数字经济，为企业数字化转型营造良好的外部环境。(3)除此之外，政府还应积极引导企业投资数字基础设施建设，增强企业在数字经济建设中的参与感、获得感，提升企业进行数字化转型的意愿和信心。

第三，加强技术市场管理，着力扩大技术市场规模。(1)要充分落实科技部《“十三五”技术市场发展专项规划》，完善技术市场监督管理体制，规范技术交易流程，促进技术市场健康发展。(2)要促进技术产品在市场上集聚，发挥好国家级与地方技术创新中心、制造业创新中心等技术中心的积极作用，集中各类创新技术成果并产生辐射作用，为技术需求端引进先进技术创造机会，提供便利。(3)政府应引导企业充分利用技术市场产生的技术溢出效应，加快对外部知识的消化吸收，加快成果转化，提高生产效率。

第四，对不同地区采取差异化的数字经济和技术市场发展战略，缩小“数字鸿沟”和“技术鸿沟”。目前我国发达地区和欠发达地区间还存在较大的“数字鸿沟”和“技术鸿沟”，东、中、西部地区数字经济发展水平和技术市场规模呈现递减的局面。而在未来，数字产业和技术市场的空间布局将在很大程度上影响区域经济协调发展。因此，(1)政府要加大力度推进中西部地区新型基础设施建设，避免因基础设施不完善而导致的发展不均衡。(2)中西部地区要促进技术市场整体发展，为提高企业生产效率奠定基础。同时，政府应优化资源要素配置，完善相关法律制度建设，确保技术市场的生产效率提升效应充分发挥。(3)要因地制宜，发展各地特色数字产业，创造针对性强的创新技术。例如经济发展落后、工业条件较差的西部地区可以考虑优先发展制造成本低、风险小的电子零部件加工业，并针对此产业不断创新、改良技术，形成产业和技术相辅相成、统筹共进的发展新格局。