数字经济促进了企业出口产品质量提升吗?

周升起,吴欢欢,潘昌蔚

(1.青岛大学 经济学院, 山东 青岛 266061; 2.南开大学 国际经济研究所, 天津 300071)

一、引言

数字经济依托于互联网、大数据、云计算等信息通信技术,与社会经济活动深入融合,产生了大量的产业新形态以及商业新模式,在刺激消费、扩大内需、拉动投资等方面发挥了重要作用[1-2]。据中国信息通信研究院发布的《全球数字经济白皮书》测算,我国2020年的数字经济规模居全球第2位,约5.4万亿美元[3]。数字技术在微观企业的生产中也被广泛应用,这有助于提高企业生产设备的智能化,进而优化生产环节;另外,还有助于提升企业数据存储以及运用能力,增强企业获取信息的有效性,加强企业生产、采购、管理等部门联动,提升企业生产效率[4-5]。由此可见,数字技术驱动社会生产方式发生深刻变革,逐渐成为增强社会经济发展韧性的主要动力。

我国经济已由高速增长阶段转向高质量发展阶段,“十四五”规划指出,要加快数字化发展,建设数字中国;要优化商品结构及贸易方式,不断提升出口质量。企业是提高经济质量的微观主体,而上市公司作为优秀企业的代表,其发展水平已经成为判断区域经济质量最重要的指标[6]。因此,本研究选取上市公司为研究对象,聚焦于其出口产品质量,利用我国上市公司的面板数据,就数字经济发展是否以及如何影响企业出口产品质量开展相应的研究。本研究可能的边际贡献主要有:(1)探求数字经济发展对企业出口产品质量的影响,拓展提高出口产品质量的途径。(2)进一步揭示数字经济发展影响出口产品质量的作用机制。

二、文献综述

关于出口产品质量的研究。出口产品质量一直以来受到国内外学者的广泛关注,已有不少学者就此问题进行了研究[7-11]。就我国出口贸易来看,出口产品呈现明显的低价和低端化特征[12],要实现从贸易大国到贸易强国的转变,有必要聚焦研究提升出口产品质量的影响因素以及其中的作用机理[13]。已有研究主要从企业内部因素以及外部市场环境两个方面对出口产品质量的影响因素展开分析。首先,从企业的内部因素出发,李秀芳等[14]研究认为中间品进口多元化提升了中国外资企业出口产品质量。祝树金等[15]认为企业上市对出口产品质量升级具有显著的促进作用。李兵等[16]研究认为互联网显著促进了我国企业出口产品质量的提升。其次,从外部市场环境出发,杨逢珉等[17]研究认为FDI和OFDI对出口产品质量具有显著提升作用。许和连等[18]认为最低工资标准显著抑制了企业出口产品质量提升。还有学者从贸易自由化[19-20]、政府补贴[13,21 ]、产业集聚[22]等角度对企业出口产品质量展开研究。最后,上述因素主要通过以下作用机制对出口产品质量产生影响:技术溢出[23]、成本效应[14]、全要素生产率[11]、研发创新[21,24]、开放与市场竞争[19,25]、产业升级[26]等。

关于数字经济的研究。近年来,人工智能、大数据、物联网等数字通用技术发展迅速,不断拓展在社会生产、销售等环节应用的广度和深度[27],对我国经济快速发展有着重要贡献。因此,许多学者开始研究数字经济的发展情况,并从数字经济的定义、测度以及数字经济对社会经济的影响等方面展开研究。首先,“数字经济”的概念最早出现在DonTapscot的著作《数字经济》中,他提出数字经济是依托于数字化网络应用和人力资本增加的新兴经济模式,以数字化、智能化为特征,通过自我学习和革新能够实现全球经济的互联互通。李长江[28]和裴长洪等[29]认为数字经济是一种新的社会经济形态。李俊江等[30]认为数字经济是由数字技术不断创新所推动的一场新经济革命。周升起等[31]认为以数字化、信息化为特征的网络信息技术的发展带动了数字经济时代的到来。其次,国内外学者从不同角度与方法测度了数字经济发展水平,Haltiwanger等[32]通过测量信息技术基础设施、电子或电子商务业务量、企业的组织结构和行业规模、使用信息技术的个人和劳动力市场特征以及价格指数来评价数字经济规模。张雪玲等[33]选取了信息通信基础设施、ICT初级和高级应用、企业数字化、信息和通信技术产业发展,运用熵值法构建了数字经济发展评价指标体系。温珺等[34]从数字化技术设施建设水平和电子商务的活跃程度两个角度,利用因子分析法构建数字经济发展水平的综合指标等。最后,既有文献关于数字经济对经济社会的影响研究主要是从宏观、中观、微观层面展开。从宏观层面来看,数字经济通过技术赋能优化生产要素、提高全要素生产率,成为驱动经济增长的新引擎和新动能[35-38]。从中观层面来看,数字经济可以通过产业创新效应、产业融合效应实现产业结构优化升级和产业组织模式创新[39-40]。从微观层面来看,互联网等新兴技术可以提高创新效率,并形成兼具规模经济、范围经济及长尾效应的经济环境,在此基础上更好地匹配供需,形成更完善的价格机制,由此提高经济的均衡水平[1]。

综上所述,国内外对出口产品质量影响因素的研究已经较为深入,但对数字经济的研究仍处于起步阶段,鲜有文献就数字经济发展是否以及如何影响企业出口产品质量开展相应研究。基于此,本文从以下几个方面展开研究:首先,测算考察期内所有样本的出口产品质量;其次,构建数字经济发展水平评价指标体系,并测算数字经济发展水平;再次,实证分析数字经济发展与出口产品质量的关系,并分析其影响机制;最后,将样本企业分组回归,考察数字经济发展对企业出口产品质量影响的异质性。

三、理论假说

数字经济的发展增强了数据的资源属性,使其在企业生产中的作用逐渐凸显,并逐步成为核心生产要素[41]。首先,数据存储以及处理能力的增强,使搜寻产品、贸易谈判以及签订合同等环节可以从线下转为线上,通过数字化连接实现业务的无缝化衔接,提高了贸易便利化程度,节约了贸易成本。其次,数字技术进一步增强了企业获取信息的有效性,提高了企业对市场的敏感度,使企业可以准确获取消费者需求信息,从而满足消费者的个性化需求,增加消费者粘性,多样化生产也有助于企业实现范围经济。再次,数字经济时代信息不对称程度降低带来的市场竞争强度的提高,也会倒逼企业加强技术创新、产品研发等,进一步推动企业出口产品质量提升[42]。最后,企业的数字化转型提高了劳动要素的专业化程度,促进人力资本结构升级[43],从而降低了管理成本,有助于优化企业运营模式,进而驱动产品质量的升级。因此,本研究提出假说1。

假说1:数字经济发展有利于促进企业出口产品质量提升。

以大数据、云计算、人工智能、物联网等为代表的数字技术在参与企业生产的过程中,一方面,由于引进数字化、智能化设备,优化了企业生产环节,减少了生产时间以及中间品消耗,从而提高了生产效率[44-45];同时,数字经济可以通过优化数据开发应用,加速数字技术转化为生产力,有助于促进生产工艺、生产模式的数字化转型,进而提高全要素生产率。另一方面,企业全要素生产率的提高可以降低生产的边际成本,提高企业的利润率,激励企业扩大劳动力规模和出口规模,获得规模效应,使企业分工更加专业化,更能满足消费者的不同需求,获得长尾效应,从而推动企业出口产品质量升级;同时,生产要素匹配效率的提高,有助于促进产业链、供应链的融合融通[46],进而促进出口企业相关的产业结构升级,优化出口企业发展环境,进一步促进企业出口产品质量提升。因此,本研究提出假说2。

假说2:数字经济发展会通过提高企业全要素生产率来促进出口产品质量提升。

四、模型设定与数据来源

(一)计量模型设定

为考察数字经济发展对企业出口产品质量的影响,参考 Feng等[47]、刘金焕等[48]的方法,建立双向固定效应模型,模型设定如下:

TQfpt=α+βdigpt+γX+vf+vt+εfpt

(1)

其中,f表示企业,p表示省份,t表示年份;被解释变量TQfpt表示第t年p省f企业的出口产品质量;核心解释变量digpt表示第t年企业所在省份的数字经济发展水平;X表示一系列控制变量;vf表示企业固定效应,vt表示年份固定效应,εfpt表示随机扰动项。

为检验数字经济—全要素生产率—企业出口产品质量的中介机制,本研究借鉴Sobel[49]、温忠麟等[50]采用的分步回归法,进一步推导出模型(2)、(3):

tfpfpt=α+φ1digpt+γX+vf+vt+εfpt

(2)

TQfpt=α+φ2digpt+φ3tfpfpt+γX+vf+vt+εfpt

(3)

其中,tfpfpt表示全要素生产率。

(二)变量说明及测度

1.被解释变量:出口产品质量(TQfpt)

本研究参考Hallak[51]、Khandelwal[52]、施炳展[53]以及程凯等[17]使用事后推理法来测度出口产品质量。假设市场中代表性消费者遵循CES需求,则消费者的效用函数如下:

(4)

(5)

(6)

其中,式(5)为式(4)对应的价格指数,f表示企业,qfadt表示企业f第t年出口到d国的产品a的数量,Edt表示在t年d国消费者的总支出,pdt表示价格指数。将式(6)两边取对数,得到式(7):

lnqfadt=(σ-1)lnλfadt-σlnpfadt+lnEdt-lnPdt

(7)

令udt+ua=lnEdt-lnPdt,ξfadt=(σ-1)lnλfadt,整理得到式(8):

lnqfadt=udt-σlnpfadt+ξfadt+ua

(8)

其中,pfadt表示企业f第t年出口到d国的产品a的价格,udt控制的是进口国—年份固定效应,捕捉到进口国的价格水平(pdt)与消费者的支出(Edt);ua表示产品的固定效应,控制了其他导致产品价格与需求量差异的因素;ξfadt表示包含质量的残差项。

根据式(8)得到回归的残差ξfadt,参考Fan等[54]的研究方法,产品间的替代弹性取σ=5。最终得出企业—产品—进口国在年度层面上的出口产品质量,如式(9)所示:

qualityfadt=lnλfadt=εfadt/(σ-1)

(9)

借鉴施炳展等[55]的方法,将产品质量进行标准化,得到式(10):

(10)

其中,min(qfa)表示企业f产品a的最小质量,max(qfa)表示企业f产品a的最大质量,stdqualityfadt表示标准化后的产品质量并且不具有测度单位。本研究借鉴苏丹妮等[22]的方法,对产品质量进行企业层面的加权,推导得到式(11):

(11)

其中,valuefadt表示每个产品的出口额,∑a∈zvaluefat表示企业f第t年的总出口额,z表示企业f第t年出口产品的种类集合,TQfpt表示企业层面的出口产品质量。

2.核心解释变量:数字经济发展水平(digpt)

参考王军等[56]的研究,本研究构建了由数字基础设施建设、数字产业规模和数字经济发展环境等3项分指标构成的数字经济发展水平指标体系(见表1)。

表1 中国省际数字经济发展水平指标体系

其中,二级指标的选取参考了赵涛等[1]和韩先锋等[57]的研究,考虑到统计数据的可得性,选用互联网宽带接入端口、移动电话交换机容量、长途光缆线路长度、网站数、IPv4地址数占全国总数的比重和电话普及率等衡量数字基础设施建设;选用互联网普及率、快递量、信息传输软件和信息技术服务业城镇单位就业人员、电信业务总量和邮政业务总量等来衡量数字产业规模;选用信息传输计算机服务和软件业城镇单位就业人员平均工资、信息传输计算机服务和软件业全社会固定资产投资、R&D经费支出占GDP比重和年末常住人口等来衡量数字经济发展环境。

根据上述指标体系,采用熵值法测算中国各省(区)的年度数字经济综合发展水平。为了实现不同年份之间的比较,参考杨丽等[58]的研究,加入时间变量,使结果更加合理。由于指标(变量)类型、量纲不同会导致指标不可运算,因此需要对指标进行标准化处理。计算步骤具体如下:

(12)

其中,t表示年份,p表示省份,j表示指标,m表示年份跨度,k表示省份数量,h表示指标数量,xpjt表示t年p省的j指标,xpjt1表示标准化的结果。由于标准化中会出现0值,为消除0值对结果的影响,对xpjt1作平移处理,记为xpjt2,具体如式(13):

xpjt2=xpjt1+0.000 1

(13)

计算j指标的权重,记为wpjt,具体如式(14):

(14)

计算指标的信息熵ej和冗余度dj,具体如式(15)和式(16):

(15)

dj=1-ej

(16)

根据信息熵和冗余度计算j指标的权重Wj,具体如式(17):

(17)

将经过标准化的指标xpjt2与权重Wj相乘后加总,得到式(18):

(18)

其中,digpt表示各省份每年的数字经济水平综合指标。

3.中介变量

全要素生产率(tfpfpt)反映了投入转化为产出的总体效率。借鉴Levinsohn等[59]与鲁晓东等[60]的研究,使用Levinsohn-Petrin法(LP法)来测算企业全要素生产率,测算步骤如下:

设定企业生产函数为C—D生产函数,如式(19):

(19)

其中,Yft表示企业f第t年的总产出,用营业收入表示;Lft表示企业f第t年的劳动投入,用职工人数表示;Kft表示企业f第t年的资本投入,用固定资产净值表示;Aft表示企业f第t年的全要素生产率,两边取对数得:

lnYft=αlnLft+βlnKft+uft

(20)

使用OLS方法进行回归计算残差uft即可得到全要素生产率,但这种计算方法存在同时性偏差和样本选择偏差的问题。因此,需要将残差项uft进行拆分,将中间投入(Mft)作为全要素生产率的代理变量,变形得到式(21):

lnYft=αlnLft+βlnKft+ηlnMft+φft+φft

(21)

其中,中间投入(Mft)用购买商品接受劳务支付的现金表示;φft是uft中可以被观测到的部分,φft是uft中不可观测到的部分,是真正的残差;通过估算Lft、Kft、Mft的系数α、β、η的无偏估计量,最终计算出全要素生产率(tfpfpt)。

4.控制变量

参照宋跃刚等[61]与许和连等[18]的研究,本研究选取的控制变量包括:经济发展水平(lnrgdppt),采用各省人均生产总值取对数表示;外商直接投资(lnfdipt),采用各省实际利用外商直接投资额取对数表示;第三产业增加值占地区生产总值比重(thirdpt),采用各省第三产业增加值与地区生产总值的比值表示;行业集中度(hhifpt),采用赫芬达尔指数来表示,具体由行业内各企业的总资产占行业总资产比值的平方加总得到,赫芬达尔指数越小,代表行业的集中程度越高;企业规模(sizefpt),采用企业职工人数取对数来衡量,企业规模越大,其资金规模越大、人力资源和人力资本相对越丰富,进而在产品质量提升方面越具有优势;成本费用利润率(profitfpt),采用利润总额除以营业成本、销售费用、管理费用及财务费用的和来衡量,表示每一单位成本费用获得的利润,该指标越高,企业经营效益越好;股权集中度(ownershipfpt),采用企业前10位流通股股东持股比例之和来表示,股权集中度越高,企业决策更有效率,也有助于提高股东参与公司事务的积极性;产权比率(equityratiofpt),采用企业负债合计与所有者权益合计的比值来表示,产权比率高,代表企业为高风险高报酬的财务结构;企业固定资产占比(fafpt),采用企业固定资产与总资产的比值表示;企业资本密集度(cifpt),采用企业固定资产净值与就业人数的比值表示。

(三)数据来源和描述性统计

本研究选取我国30个省份(不含港澳台以及西藏)的上市公司为样本开展实证检验,主要涉及3类数据:第一类是企业出口产品贸易数据,来自中国海关贸易数据库,用于计算企业出口产品质量,并参考施炳展[53]的研究,剔除了出口产品数量、金额为零及缺失企业、产品及出口目的国名称的样本。第二类是上市公司层面的数据,来自国泰安(Csmar)数据库以及万得(Wind)数据库,用于计算控制变量和中介变量,剔除了样本数据中总资产、固定资产净值、就业人数缺失或小于零的观测值。第三类数据是省际层面的数据,来自历年中国统计年鉴以及各省(市、区)统计年鉴,用于计算省际数字经济水平以及省际层面控制变量。

由于本研究的被解释变量(即企业出口产品质量)的测算需要使用海关数据贸易库中关于企业出口产品的数量、价格以及目的国等指标,包含上述指标的海关数据目前更新到2015年,因此借鉴Yu[62]的方法,将3套数据进行有效匹配,最终获得2006—2015年中国30个省份(不含港澳台以及西藏)、1 257家上市公司、6 936个有效观测样本的合并数据。表2汇报了实证检验中主要变量的描述性统计结果。

表2 主要变量的描述性统计

五、实证检验与结果分析

根据F检验、Hausman 检验和LM检验结果综合判断,固定效应模型更加适合本研究,因此下文实证检验采用企业和年份固定效应模型。

(一)基准回归

回归结果如表3所示。其中,第(1)列仅加入核心解释变量数字经济发展水平;第(2)列加入了省际控制变量;第(3)列加入了产业层面的赫芬达尔指数;第(4)列加入了企业层面的控制变量。显然,无论是否控制各层面的控制变量,数字经济发展水平的系数均显著为正,表明数字经济发展显著提高了上市公司出口产品质量,理论假说1成立。随着人工智能、大数据、物联网等数字通用技术在企业生产经营过程中的广泛应用,加速了企业生产设备数字化、智能化转型,有助于增强企业在生产过程中对产品质量的精准把控,从而达到提高企业出口产品质量的目的。另一方面,数字技术与企业生产经营的深度融合,降低了企业的生产成本、管理成本及贸易成本,提高了企业的利润,进而激励企业扩大投资、积极进行产品研发,更加有利于产品质量的提升。

表3 基准回归结果

另外,本研究选取的控制变量也对企业出口产品质量产生了显著影响。首先,就省际控制变量和行业控制变量而言,上市公司所在省份的经济发展水平及实际利用外商直接投资额显著促进了企业出口产品质量提升;而赫芬达尔指数则与企业出口产品质量成反比,该指标越小,行业的竞争程度越高,企业出口产品质量越高,表明在考察期内我国出口企业之间“良性竞争”占主导地位。其次,就企业层面的控制变量而言,企业资本密集度即企业固定资产净值与就业人数的比值与企业出口产品质量呈负相关关系,而企业规模、股权集中度、产权比率、企业固定资产占比及成本费用利润率与企业出口产品质量呈正相关关系,表明企业的规模越大、股权越集中、产权比例越高、固定资产占比越大以及单位成本获得的利润越高,越有助于提高企业的出口产品质量。

(二)稳健性检验

为检验基准回归结果的稳健性,本研究通过替换变量进行稳健性检验,结果见表4。表中第(1)列为基准回归;第(2)、(3)列将被解释变量TQfpt替换为TQfpt1、TQfpt2进行回归,其中,参考施炳展等[55]与樊海潮等[63]的研究,TQfpt1、TQfpt2表示将产品间的替代弹性分别取值为σ=3和σ=10时测算的企业出口产品质量,测算方法保持不变;第(4)列将核心解释变量digpt替换为digzhupt进行回归,其中,digzhupt为使用原衡量数字经济发展水平的变量,但测算方法参考了吴晓怡等[64]的研究,选用主成分分析法测算的数字经济发展水平指标。替换被解释变量和核心解释变量进行回归的结果如表4所示,各列回归结果均与基准回归结果一致,均可表明数字经济发展水平显著促进了出口产品质量提升,再次证明了理论假说1成立。

表4 稳健性检验结果

(三)内生性检验

若模型设立存在遗漏变量和逆向因果关系,可能会产生内生性问题[65]。本研究逆向因果关系不存在或不明显的理由为:数字经济发展水平是企业生产经营的外部宏观环境,企业出口产品质量一般难以显著影响宏观环境。因此,只存在数字经济发展水平作用于企业出口产品质量,而不存在反向影响或反向影响不明显。此外,本研究使用双向固定效应模型,固定了企业个体效应以及年份效应,在一定程度上减轻了遗漏变量对研究结果的影响,且加入了较多的控制变量以尽可能解决遗漏变量问题。

尽管如此,考虑到影响企业出口产品质量提升的变量众多,甚至可能无法穷尽。为使研究结果更加稳健,首先,本研究选取“省际网页数量”作为工具变量引入计量模型,采用两阶段最小二乘法(2SLS)来解决模型可能存在的遗漏变量和逆向因果关系问题。各省的网页数量可以作为衡量数字经济发展水平的基础性指标,显然与核心解释变量数字经济发展水平相关,但无法直接影响企业的出口产品质量。其次,借鉴许和连等[18]的研究,将核心解释变量滞后一期作为工具变量进行检验,回归结果见表5。其中,第(1)、(2)列分别为“省际网页数量”作为工具变量时第一阶段和第二阶段的回归结果;第(3)、(4)列分别为“数字经济发展水平滞后一期”作为工具变量时第一阶段和第二阶段的回归结果。从表5的实证检验结果可以看出,第一阶段回归的F统计量均大于10,说明本研究选取的两个工具变量均满足与数字经济发展水平相关的要求,不可识别检验和弱识别检验均拒绝了弱工具变量和识别不足的原假设,因此本研究选取的工具变量是较为合理的。另外,两阶段最小二乘法(2SLS)检验结果显示,数字经济发展在1%的水平上显著为正,与基准回归结果一致,表明经过稳健性检验以及排除了内生性问题后,假说1仍然成立。

表5 内生性检验结果

续表(表5)

六、机制检验

前文的基准回归及稳健性检验表明:数字经济发展显著促进了上市公司出口产品质量提升。那么,数字经济发展能否通过提高企业全要素生产率来促进出口产品质量提升呢?为此,本研究以企业全要素生产率作为中介变量,作进一步的机制检验。表6展示了数字经济发展对企业出口产品质量提升作用机制的实证检验结果。其中,第(1)列是基准回归的估计结果;第(2)列是模型(2)的估计结果:数字经济发展促进了企业全要素生产率的提高;第(3)列是模型(3)的估计结果:数字经济发展与全要素生产率对企业出口产品质量提升均有显著的正向效应,且第(3)列数字经济发展的系数小于第(1)列基准回归中数字经济发展的系数,说明在数字经济发展促进企业出口产品质量的过程中,存在数字经济通过提高企业全要素生产率,进而促进出口产品质量提升的内在机制,从而验证了理论假说2。数字技术在参与企业生产的过程中,通过提高各生产要素的匹配效率、减少生产时间以及中间品消耗、促进生产工艺、生产模式的数字化转型等,提高企业全要素生产率。而企业全要素生产率的提高,可以降低生产的边际成本,增加产量,提高企业的利润率,进而激励企业增加生产端资金投入以及产品研发,推动企业出口产品质量升级。

表6 机制检验结果

七、拓展分析:异质性检验

前文的实证检验结果表明:对于样本企业整体而言,数字经济发展能够促进企业的出口产品质量提升。需要进一步探究的是,数字经济发展对不同区域、不同要素密集度以及采用不同贸易方式的企业,在促进其出口产品质量提升上是否存在差异呢?为回答这一问题,下文采用分样本检验的方法,对数字经济发展促进企业出口产品质量提升作异质性拓展分析。

(一)企业区域异质性

按照样本企业所在省(市、区)的不同,借鉴董艳梅等[66]的做法,将全样本分为东部地区、中部地区和西部地区3个子样本分别进行了回归,回归结果如表7所示。数字经济发展对东部地区企业出口产品质量的提升有明显促进作用,而对中西部地区企业出口产品质量提升的作用不显著。可能的原因在于:在数字基础设施建设、数字产业规模和数字经济发展环境下,东部地区和中西部地区在数字经济发展水平上仍存在差距,数字经济发展对中西部地区企业出口产品质量提升的作用尚未发挥出来。

表7 企业区域异质性检验结果

(二)企业要素密集度异质性

根据我国证监会公布的上市公司行业分类匹配观测样本所在行业,考虑到制造业在观测样本中占比较高,进一步将制造业进行细分。匹配结果显示:观测样本所在行业包括除住宿和餐饮业、教育和金融业外共16个一级门类,合并一级门类与制造业的细分行业后共45个行业。借鉴董屹宇等[67]的做法,对企业所处行业的要素密集度进行划分,将全样本企业划分为劳动密集型、资本密集型和技术密集型。分组回归结果如表8所示,数字经济对企业出口产品质量的促进作用主要体现在技术密集型企业,而对劳动密集型及资本密集型企业出口产品质量提升的作用不显著。可能是因为:相比劳动密集型和资本密集型企业,技术密集型企业的数字技术应用能力更强,将数字技术应用于产品开发、生产流程升级、组织管理优化、产品质量管理和营销手段创新上具有更高的效率,使数字技术发展对技术密集型企业出口产品质量提升的促进效果更加显著。

表8 企业要素密集度异质性检验结果

(三)企业贸易方式异质性

按照出口贸易方式不同,将全样本企业分为一般贸易企业、加工贸易企业和混合贸易企业3类。分组回归结果如表9所示,一般贸易企业数字经济变量的回归系数显著为正,加工贸易和混合贸易企业数字经济变量的系数则不显著。这说明:数字经济发展只对一般贸易企业的出口产品质量提升具有促进作用。有可能是因为:加工贸易企业以完成产品价值链的某个或某些生产环节,尤其是低附加值产品装配环节为主,采用数字技术进行自主品牌和全产品链创新的主动性和紧迫性相对较低,因此,在对出口产品质量提升的促进作用上,与一般贸易企业相比,往往表现得不显著。

表9 企业贸易方式异质性检验结果

八、结论与启示

本研究利用我国上市公司的微观数据,运用事后推理法测算了企业层面的出口产品质量,通过构建指标体系测算出我国30个省份(不含港澳台以及西藏)的数字经济发展水平。在此基础上,采用双向固定效应模型实证检验了数字经济发展对促进企业出口产品质量提升的作用及作用机制。结果显示:第一,数字经济发展显著促进了企业出口产品质量提升;第二,数字经济发展可以通过提高企业全要素生产率这一作用机制,对企业出口产品质量提升发挥作用;第三,数字经济发展促进了东部地区企业、技术密集型企业和一般贸易企业出口产品质量的提升,而对中西部地区企业、劳动密集型及资本密集型企业和加工贸易及混合贸易企业出口产品质量提升的促进效应不显著。

以上研究结论对我国今后通过加快发展数字经济持续提升企业出口产品质量、实现贸易高质量发展具有重要启示。

一是作为新技术催生的新型经济形态,数字经济方兴未艾、潜力无限。为促进企业出口产品质量不断提升,实现对外贸易高质量发展,必须坚定不移地推进产业数字化和数字产业化进程;应通过深化改革和扩大开放,营造更加有利于数字经济发展的市场环境。

二是企业应积极培育壮大数字经济人才队伍,加快企业全业务流程数字化转型的进程,充分发挥数字技术应用对提高企业全要素生产率、数据要素对提升企业资源配置和利用效率的关键作用,以实现企业价值创造能力、出口产品质量和效益的持续提升。

三是应通过优化和调整数字基础设施建设规划布局、完善数字经济人才培养和培训政策措施,加快劳动密集型及资本密集型企业数字化转型进程;通过实施更加公平、普惠的数字经济、贸易、产业发展政策,逐步缩小区域与区域之间、省与省之间的数字经济发展水平差距,以及不同要素密集度、不同类型企业之间数字技术应用能力差距。