数字化转型赋能制造业新质生产力发展

编者按： 从党的十八大提出“创新驱动发展” 战略， 到十九大强调“高质量发展”， 再到二十届中央政治局第十一次集体学习上进一步提出“促进数字经济和实体经济深度融合”， 我们党始终把科技创新和产业升级作为我国经济发展的重中之重。我党在不同历史阶段持续深化对经济发展规律的认识。党的二十届三中全会上更是明确指出， “因地制宜发展新质生产力， 加快培育外贸新动能”， “城乡融合发展”， 并强调“构建支持全面创新体制”， 更是将此认识提升到一个全新的高度。为了持续跟踪并深化对习近平总书记讲话内容和党的二十届三中全会会议精神的学习， 本刊以“推进数实融合因地制宜发展新质生产力” 为专题， 继续丰富和拓展新质生产力主题研究。

〔关键词〕数字化转型 制造业 新质生产力 资源基础论 动态能力理论 赋能机制 市场竞争强度 异质性效应

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２５．０１．００２

〔中图分类号〕Ｆ２０７.２；Ｆ４９ 〔文献标识码〕Ａ

引言

马克思在《资本论》中指出“生产力即生产能力及其要素的发展”［１］，是推动社会进步、社会形态向高级形式演进的决定性力量。习近平总书记提出新质生产力概念的突出内涵为“新”与“质”，即以生产力要素及其优化组合质变为基础的全要素生产率提升为核心，体现着中国式现代化的共同特征与中国特色［２，３］。加快培育新质生产力背景下，数字化是否引领新质生产力发展的作用，是否能够为新质生产力发展提供加速的新赛道？回答该问题，需要厘清数字化转型对劳动者、劳动资料、劳动对象的影响机理，以及数字化转型的要素配置效应等展开深入剖析。新质生产力是科技创新主导下的关键性颠覆性技术突破带来的衍生产品［４］；另外，数字技术的高度信息化与智能化，数据要素的高效率、广覆盖与低成本优势，正深刻改变着企业组织形式、生产范式与管理模式，是新质生产力形成发展的有利条件。现有研究多集中于数字化的技术创新效应方面［５－８］，对新质生产力的影响机理研究较少。其中，姚宇和刘振华（２０２４）［９］从理论方面分析数字技术对劳动者、劳动工具、劳动对象三要素可能的影响机理，以及对要素组合方式的影响机制，最终提出加快新质生产力发展的数字化发展路径。孙全（２０２４）［１０］以上市企业为样本，实证检验数字化转型通过缓解信息不对称以及提升信息披露质量两种方式，进而促进新质生产力发展。制造业作为实体经济的基础部门，数字化转型是产业开展技术创新与提升资源配置的重要动力［１１，１２］。

在中国制造业进行“新旧动能转换”的进程中，企业的数字化转型扮演了核心角色。同时，伴随着大数据、云计算、区块链和人工智能等数字技术的迅猛发展与广泛应用，制造业的数字化进程得到了技术层面的有力支撑，这些技术亦构成了企业创新与价值创造的坚实基础，可知制造企业实施数字化转型是适应新一轮科技革命和产业变革的必然选择［１３，１４］。２０２４年５月１１日国务院审议通过《制造业数字化转型行动方案》，指出要加大推进制造业数字化智能化转型，根据制造业多样化需求，分行业分领域探索形成制造业企业数字化转型长效机制。在新一轮科技革命到来之际，数字经济的浪潮毫无疑问为我国制造业企业转型升级注入了新的活力。制造业是数字化转型的主阵地，而全面推动制造企业新质生产力的提升离不开数字化转型的推动。由生产力三要素理论可知，生产力包括劳动者、劳动工具、劳动对象３个要素。相关研究指出随着自动化和智能化技术的普及，对传统制造业劳动者的技能需求发生了变化，传统劳动已不再适应，技能需求、工作方式和劳动关系的调整等新要求的出现对劳动者灵活性和创造力提出全新要求［１５］。从劳动工具视角分析，数字化转型本身就是依靠技术驱动，对工具要素的影响主要体现在技术创新和应用。王丹丹等（２０２４）［１６］从理论视角分析指出，数字化技术的开发和应用，推动了技术的创新和进步，同时也对制造企业的新质生产力提升路径分析产生了深远的影响。经过张沥幻和张金昌（２０２４）［１７］研究，数字化转型对劳动对象的角度界定主要产生于劳动对象的绿色化转变，体现在原材料选择、产品设计、产品包装等生产活动的各个环节的绿色投入和创新。通过对劳动资料及其组合进行绿色改造，实现源头上的资源节约，将绿色化发展转化为新质生产力的提升动力。

当前，在新质生产力培育路径研究开始受到学者关注背景下［１８－２２］，数字经济引致的新质生产力效应以理论逻辑分析为主，实证研究较少，且以省域或城市样本为主、产业和企业维度的实证研究也较为稀少，特别是将数字化转型与新质生产力之间直接联系起来探讨的学术研究更是屈指可数。回顾全球经济发展史，推动经济增长的根本动力往往源自突破性的新技术，这些技术催生了全新的生产力［２３，２４］。在当前科技革命与产业变革的大背景下，新质生产力应运而生。在数字化转型的引领下，新兴技术的突破成为驱动制造企业实现技术创新和颠覆性变革的关键推动力，为构筑新质生产力奠定了不可或缺的“新基石”［２５］。由此可知，探讨制造企业数字化转型与新质生产力之间的复杂多元关系具有重要的理论现实意义。从现有新质生产力文献来看，全行业企业和省级地域的角度进行讨论的文献较多，然而对于制造企业探究其新质生产力内部机制的文献较少。因此，本文采用２０１５～２０２２年中国制造业Ａ股上市公司数据，实证分析数字化转型对制造企业新质生产力的影响，弥补了该领域的研究不足；引入市场竞争强度这一关键变量，探讨其在数字化转型和制造企业新质生产力间发挥的作用，为今后开展新质生产力实证研究提供了新的思路和方法；采用核密度估计方法从动态视角分析２０１５～２０２２年制造业新质生产力的发展态势。

１影响机理与研究假设

本部分利用资源基础理论与动态能力理论，展开数字化转型对制造业新质生产力的影响机理分析。基于这两种视角，数字化转型对新质生产力的影响被划分为两种不同时期维度的情形，长期影响和短期影响。其中短期影响是指制造企业通过运用资源的异质性与不可流动性，在较为固定的框架下促进企业新质生产力提升的能力；而长期影响则是指制造企业在面对外部环境竞争时，综合运用数字资源以达到新质生产力提升的能力。资源基础理论强调企业先天所具有的资源与能力，在一定程度上忽视了企业对于资源的战略选择及运用［２６，２７］。动态能力理论则弥补了资源基础理论在资源动态研究上的不足，关注资源的生成、演变以及如何高效获取与配置关键资源，将企业内部发展与外部环境相结合，以增强企业动态能力，推动数字化转型与新质生产力的提升［２８，２９］。因此，资源基础与动态能力的相互协同与演化，共同构成了制造企业提升新质生产力水平的内在动力。

１.１资源基础理论与新质生产力

资源基础理论是描述企业运用整合、配置及运用核心基础资源的能力，是现代企业实现价值创造与保持竞争优势的关键，也是企业提升新质生产力的“根本基石”［３０］。该理论从静态视角强调企业与生俱来的资源和能力，将资源视为异质、不可流动的资源，企业持续竞争的优势正是体现在资源异质和难以流动的基础之上［３１］。在该视角下制造企业积累的基础资源是不能瞬时得到和更改的，需要一段时间的战略执行，因此数字化资源对新质生产力的提升仅提供一个短期的瞬时影响；依据资源基础理论，企业竞争优势的根基在于对核心资源的掌控。企业对内外部核心资源的识别与整合，构成了实现即时性竞争优势的关键要素。在资源基础理论的视角下，新质生产力可以被视为一种重要的知识核心资源，它包括技术知识、管理知识、市场知识等，这些知识资源是企业进行创新和维持竞争优势的关键。新质生产力的形成和发展依赖于企业内部的资源配置和能力建设，同时也受到数字化信息技术的影响。尤其是随着信息技术的快速进步与超竞争时代的到来，对信息资源的异质性、稀缺性、不可流动与替代性提出了更严格的挑战，制造企业需通过识别、吸引与联结等手段，重新整合资源，构建新的数字信息体系，同时也对制造业数字化转型提出了更高标准［３２，３３］。数字化转型被视为制造企业的独特发展优势和能力，其应用使得企业能够从用户、市场和竞争对手的海量数据中提炼出价值信息，实现基于数据驱动的管理决策［３４］，同时使得企业能够在不稳定的环境中把握先机，并在新质生产力形成阶段占据优势地位。

１.２动态能力理论与新质生产力

动态能力为制造企业提供一个基本框架，帮助企业理解在不断变化的市场环境中如何通过创新和变革来长期性地对新质生产力产生影响［３５］。根据徐细熊等［３６］的研究成果，将企业动态能力分为３个方面，分别为感知能力、抓取能力和转化能力。其中，制造企业通过感知能力察觉市场需求的变化，以便调整新质生产力的发展方向；通过强大的抓取能力保障企业在竞争激烈的市场中获得市场份额，以及在面临危机时及时解决新质生产力发展过程中所遇到的困境；最后经过转化能力将新的技术或理念转化为实际的产品或服务，提高企业的新质生产力水平，将市场的变化转化为自身的竞争优势［３７，３８］。动态能力作为一种深入阐述企业在面临机会与威胁情景时的战略应对方式的理论框架，强调企业通过资源整合、流程重塑以及激励机制等多种手段，对运营方式进行灵活调整的综合能力［３９］。这一理论从动态的视角出发，细致地阐释了新质生产力在不断的迭代与演化过程中的内在机制。在该视角中，对信息资源的敏感感知、有效抓取以及高效转化，构成了制造企业获得并维持持续竞争优势的核心要素。管理者们需要充分认识到，数字化资源作为一种新型生产要素，其动态运用至关重要。通过有效地运用资源，管理者不仅能够构建起一道坚实的“护城河”，有效抵御外部竞争压力，还能够保持企业所拥有的竞争优势。在新质生产力迭代与演化过程中，提供了一个较为长期的竞争优势构建策略。外部竞争环境是否为企业数字化资源的运用潜力开发及为制造业高质量发展提供支撑［４０］，需要进一步证实。

１.３市场竞争强度的调节作用

根据动态能力理论，企业处于与外部环境密切相关的开放系统中，制造企业实施数字化程度需与外部环境匹配，故数字化转型的影响可能受到市场竞争强度的影响。市场竞争强度用于表征企业所处行业竞争状况，是驱动企业战略决策和创新行为的重要因素［４１］。故本文拟将市场竞争强度作为二调节变量。原因在于，市场竞争程度表征潜在竞争能量的释放程度，是激发企业技术革新的重要因素。较高的市场竞争环境，技术与产品的迭代速度更快，驱动制造企业增强创新资本投入规模；另外，市场竞争强度提升，企业独立研发策略带来的优势难以为继，加速企业更大程度地寻求融合内外部知识资源，利用数字化技术提升合作创新成果效率，提升自身新质生产力水平。市场竞争因素是企业创新活动及竞争优势提升的关键催化剂［４２，４３］。因此，提出以下假设：

Ｈ１：数字化转型对制造业新质生产力有显著的正向影响。

Ｈ２：市场竞争强度对二者关系具有正向调节作用。

基于上述分析，基于资源基础理论与动态能力理论，构建“数字化转型→新质生产力”逻辑分析框架，如图１所示。制造企业在评估自身核心资源基础上，评估支撑数字化转型资源对新质生产力发展的短期影响；分析通过资源配置、整合、重构、迭代等长期过程中的企业动态能力提升幅度，进一步助力企业新质生产力资源禀赋与配置，促进新质生产力提升，成为长期效应。同时，在市场竞争协调下，进一步促进企业资源基础与动态能力的正向耦合，增强数字化转型对新质生产力的正向影响。

２ 研究方法与数据处理

２.１面板回归模型构建

根据第二部分结论，为验证假设Ｈ１，构建的面板固定效应回归模型如式（１）所示；为验证假设Ｈ２，调节效应模型如式（２）所示；式（１）和式（２）中，ｉ表示制造企业，ｔ表示年份；ｎｐｒｏ为被解释变量，即新质生产力发展水平；ｄｉｇ为核心解释变量，即企业数字化转型水平；ｈｈｉ为模型的调节变量，代表企业ｉ在第ｔ年所处的市场竞争强度，Ｃｏｎｔｒｏｌ表示控制变量；Ｉｎｄｉ和Ｙｅａｒｔ分别表示个体固定和时期固定效应，ε为随机扰动项。

２.２变量说明

（１）被解释变量：新质生产力发展水平（ｎｐｒｏ）。根据马克思生产力要素理论构建新质生产力测度指标体系，并利用熵权法进行综合测度，指标越高代表新质生产力发展水平越好。本文借鉴张秀娥等（２０２４）［４４］、宋佳等（２０２４）［４５］提出的新质生产力测度指标体系，具体如表１所示。表１中，新质生产力包括新质劳动和新质生产工具两部分。其中：新质劳动分为新质劳动力、新质劳动对象两部分，新质生产工具则包括新质硬科技和新质软科技两部分组成。在此基础上，利用熵值法得到制造企业的新质生产力发展水平指标。

（２）核心解释变量：拟采用文本分析法测度。①参考Ｊｉａｎｇ和Ｗａｎｇ（２０２４）［４６］、Ｚｈａｎｇ等（２０２４）［４７］的思路构建关键词库，如图２所示，并将关键词分为“基础技术运用”和“技术实际应用”两类，基础技术运用类型主要是指人工智能、区块链、云计算和大数据四类数字基础技术；技术实际应用类型旨在数字化技术的具体场景运用［４８］；②以上市公司的年报资料为基础，进行关键词搜索、筛选和词频统计；③根据词频统计结果构建数字化转型指标，并进行对数处理。

（３）调节变量方面。借鉴廖筠等（２０２３）［４９］的思路，采用赫芬达尔指数法来测度制造业市场竞争强度，公式如式（３）所示。式（３）中，ｉ表示年份，ｈ为制造企业ｉ的业务收入在所有上市制造企业业务收入占比。ｈｈｉ指标数值越小，表明制造业存在竞争关系企业越多，市场竞争程度越激烈；反之数值越大，市场竞争程度越弱。对该指标进行取倒数处理以正向化。

控制变量方面，包括企业规模（ｓｉｚｅ）、企业年龄（ａｇｅ）、资产负债率（ｌｅｖ）、营业收入增长率（ｇｒｏｗ）、吸收能力（ａｃ）。其中，企业规模用企业总资产的对数表示；企业年龄是企业成立至今的年份；资产负债率以负债总额比资产总额表征；营业收入增长率是本年营业收入减去上年营业收入的值比上年营业收入；鉴于企业的研发活动实质上反映了其在获取和转化外部知识资源方面的吸收能力，本文采用企业研发投入与营业收入之比来衡量其吸收能力的强弱。

２.３样本与数据说明

本文选取中国Ａ股上市制造企业作为研究对象，研究期间为２０１５～２０２２年。研究样本筛选条件为：（１）排除ＳＴ及∗ＳＴ制造企业；（２）删除关键指标信息不全的企业；（３）删除研究期间退市企业；（４）保留过去５年数据完整无缺失样本。最终得到２２２家上市制造企业，共１７７６个有效样本数据。模型变量数据来源于国泰安数据库（ＣＳ⁃ＭＡＲ）和万德数据库（ＷＩＮＤ）。

表３为模型变量的描述性统计结果。由表３结果可知，ｎｐｒｏ最大值为１７.７１９，最小值为０.２５２，标准差为２.１２６，说明我国制造企业新质生产力水平差距较大；同时，ｎｐｒｏ均值为５.4９８，大于中位数５.２１２，表明半数以上制造企业的新质生产力水平位于平均值以下，说明我国制造企业需要进一步提升新质生产力水平。ｄｉｇ最大值为１５００.８５６，最小为０，标准差为１２８.3１８，表明我国制造企业数字化转型水平差距仍旧很大，ｄｉｇ平均值大于中位数，多数制造企业数字化转型程度仍处于较低水平。

３实证结果分析

３.１中国制造业新质生产力变化的典型事实特征

根据前文对制造企业新质生产力水平的分析可知，中国制造企业新质生产力在不同时间和空间范围内展现出不同的分布特征和发展水平。为了可以更好地掌握其新质生产力水平的时空变化趋势和区域演变规律，现采用核密度估计方法对２０１５～２０２２年制造业新质生产力进行测定及分析。核密度估计（ＫｅｒｎｅｌＤｅｎｓｉｔｙＥｓｔｉｍａｔｉｏｎ）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，常应用于揭示区域经济不均衡分布规律。不同于传统的直方图，其基本思想是对每个观测值周围的局部区域内的概率密度进行估计，然后将这些局部估计值加权平均，得到整体的概率密度估计。该估计方法使用非参数估计核密度函数，同时立足于样本数据自身特点，进而能够有效规避具体参数解析过程中主观设计函数问题出现。并且核密度估计方法拥有依靠行较弱的特点，用来进行回归结果的预估较为稳健，可以科学地观测变量情况是否随着时间变化产生改变。因此，本文采用核密度估计方法，以Ｓｔａｔａ软件进行测算，并揭示中国制造企业新质生产力的动态分布规律。

选取２０１５、２０１８和２０２２年３年作为典型年份，图３为新质生产力核密度曲线。拟通过曲线特征的动态变化，评估中国制造业在新质生产力的动态趋势以及分布差异特征。（１）对比２０１５年和２０１８年新质生产力核密度曲线的峰值中心，其中心呈现出微弱的右移趋势，表明在这期间制造业整体新质生产力水平存在小幅度增强；而将２０２２年曲线与２０１８年对比可以看出，其峰值中心产生左移，中心位置又回到２０１５年大致水平。可能原因为自２０１５年以来随着制造业企业数字化程度的不断加深，促进企业的新质生产力也产生一定幅度的加强，然而受到亚洲金融危机和新冠肺炎疫情的冲击，其在一定程度上阻断制造企业数字化转型进程，新质生产力水平也因此受到严重冲击，进而导致中国制造业新质生产力水平产生一定程度的倒退；（２）从波峰宽度来看，呈现出与波峰中值相似演变特征。２０１８年波峰宽度相比２０１５年宽度减小，表明制造企业新质生产力水平差距缩小。２０２２年波峰宽度加大，与２０１５年轮廓相似，新质生产力水平差距加大；（３）比较３年曲线的峰值高低可以看出，新质生产力曲线峰值高度逐年降低，说明制造业新质生产力存在收敛趋势，极化现象逐步减弱，不同企业间的水平差异在逐渐缩小。这是由于在新质生产力发展初期，不同企业之间的资本投入、创新体系成熟度和政策支持均存在不同程度的差异，共同影响企业新质生产力发展的不均衡。然而由于金融危机及疫情的冲击，导致不同企业之间的发展起点归于统一水平，新质生产力发展差异减小。

３.２基准回归结果

表４为根据式（１）得到的基准回归结果。列（１）表示制造企业数字化转型和新质生产力未加入控制变量和固定效应的回归结果，两者的回归系数为０.００３０，在１％的水平上显著为正，拟合优度Ｒ２为０.１７１４；列（２）表示加入控制固定效应情形下的回归结果，数字化转型对制造企业新质生产力的回归系数为０.００１４，在１％的水平上显著为正，拟合优度Ｒ２为０.８５９８；列（３）为加入控制变量后的双向固定效应模型回归结果，可知ｄｉｇ的回归系数为０.００１１，在５％的水平上显著为正，拟合优度Ｒ２为０.８７００。综上可知，无论是否加入控制变量和固定效应，数字化转型对新质生产力的影响系数均显著为正，表明ｄｉｇ对制造企业新质生产力的提升具有显著的正向影响，支持假设Ｈ１。拟合优度指标Ｒ２在模型（１）～（３）分别为０１７１４、０.８５９８和０.８７００，表明模型（３）回归结果最为优良。

３.３稳健性检验

（１）替换解释变量情形的稳健性检验。在进行基准回归时，借鉴吴非等［４７］的研究形成制造企业数字化转型关键词，在企业年报中进行搜索归结，并将最终加总词频进行对数化处理，形成制造企业数字化转型评价指标。为了进一步深入探讨制造企业数字化转型如何作用于新质生产力的提升。本文借鉴祁怀锦等［５０］、何帆和刘红霞［５１］等学者的研究成果，采用制造业上市公司财务报表中年末无形资产项下，与数字经济密切相关的部分在总无形资产中的占比，以此构建制造企业数字化转型的替代指标（记为Ｉｖ１）。利用这一指标替代解释变量ｄｉｇ，对回归分析的稳健性进行检验，相关结果在表５的列（１）中呈现。分析结果表明，Ｉｖ１对ｎｐｒｏ的影响系数为０.１１６２，并在１％的置信区间上显著表现为正，与初步回归分析的结论一致。

（２）剔除异常年份的稳健性检验。在本文选定的样本期间内，其中由于考虑到中国股灾（２０１５年）和亚洲金融危机（２０１８年）的冲击，为避免因不可抗因素带来的观测误差，本文剔除２０１５年与２０１８年的制造业企业样本，表５列（２）展示了此方法的回归结果。此外，由于受到新冠肺炎疫情的冲击，对制造业企业的发展产生了巨大影响，因此为保证本文的准确性减少异常年份对研究结果的不确定性，剔除２０２０～２０２２年３年数据后再进行回归分析，其结果展示在表５列（３）。从表５列（２）、（３）的回归结果来看，ｄｉｇ系数均在１％水平上显著为正，表明在剔除异常年份后，企业的数字化转型对制造业企业新质生产力水平有促进作用，与基准回归结果相符。

综上可知，替换解释变量情形下与剔除异常年份样本情形下，回归结果表现出良好的稳健性。

（３）内生性检验。数字化转型正向影响制造企业新质生产力水平是本文研究的主要结论。尽管在进行替换解释变量和剔除不稳定年份的样本后其稳健性检验回归结果仍然显著，但是理论上仍然会存在遗漏变量、互为因果等问题，即本文所建立的基准模型中遗漏了一些与解释变量相关的变量，这些变量同时影响被解释变量，从而产生内生性问题。因此，为解决该种问题，本部分采用工具变量法对所选样本进行检验，寻找一个与内生性解释变量相关，但与误差项不相关的工具变量，通过两阶段最小二乘法进行估计。选取的工具变量包括：①选取解释变量滞后１期作为工具变量进行内生性检验，记为Ｉｖ２；②本文采用企业数字化转型水平与按年份及行业分类的制造业企业数字化转型水平均值差额的三次方作为工具变量，记为Ｉｖ３，表６报告了内生性检验结果。从具体实证结果来看，在第１阶段估计中，Ｉｖ２对企业ｎｐｒｏ的影响系数为０.０４２３，在５％的显著性水平上显著，Ｉｖ３的影响系数为７.３７００，在１％的显著性水平上显著，说明工具变量与解释变量显著正相关。在第２阶段的估计中，Ｉｖ２和Ｉｖ３均在１％水平下显著正相关，表明在排除内生性干扰后，数字化转型与制造业企业新质生产力仍呈正向关系，研究假设Ｈ１又得到了验证。

４调节作用和异质性分析

４.１市场竞争的调节作用

前文通过基准回归，得出数字化转型可以显著正向影响制造企业新质生产力水平，验证了假设Ｈ１。而通过分析动态能力理论，市场竞争强度对两者之间的促进作用也存在显著影响，因此提出假设Ｈ２，市场竞争强度对二者关系具有正向调节作用。本部分运用面板回归分析法，以数字化转型（ｄｉｇ）、市场竞争强度（ｈｈｉ）和两者交互项（ｄｉｇ×ｈｈｉ）作为解释变量，新质生产力（ｎｐｒｏ）作为被解释变量，进一步深入分析市场竞争强度如何调节新质生产力与数字化转型之间的相互作用，表７报告了市场竞争强度调节效应的回归结果。可知，ｄｉｇ的回归系数为０.００４６，ｈｈｉ的系数为０.０６２０，均在１％置信水平上显著为正；交互项（ｄｉｇ×ｈｈｉ）系数为０.０００２，在５％水平上显著为正，假设Ｈ２得到支持。回归结果表明，市场竞争强度越大，制造业企业通过数字化转型对新质生产力水平的提升作用越明显。

４.２异质性分析

本文拟从产权性质、所在区域、长短期效应角度分别展开异质性分析。其中，本文将数字化转型对制造企业新质生产力水平的影响分为长期影响和短期影响，分别采用解释变量的滞后１～３期进行回归分析。回归结果如表８所示。

（１）分地域异质性

中国各地区的资源分布状况和产业集聚程度由于区域位置不同而有所差异。因此，为了深入考察企业数字化转型对制造业新质生产力水平的区域差异，将全样本分为东部、中部和西部３个子样本，结果如表８列（１）～（３）所示。在东部地区ｄｉｇ影响系数为０.００３０，在１％的水平上显著为正，而对于中、西部地区企业的数字化转型对新质生产力水平的提升作用并不显著。东部地区优于中部和西部地区的原因可能为：东部地区的经济发展水平普遍高于中、西部地区，这就意味着东部地区拥有更多的资金投入到数字化转型中，促进了东部地区的产业结构更加多元化和高端化，对数字化技术的需求更为迫切，从而推动了数字化转型的进程；同时众多高等教育、研究机构和人才集聚效应也为东部的制造业企业数字化转型对新质生产力的影响效应优于中、西部提供了强大的智力和创新支持。

（２）产权性质异质性

企业产权不同，企业的经营效率和内部机制目标也就不同，为了检验企业产权异质性对本文研究结论的影响差异，本文将全样本数据按照国有控股和非国有控股分为国有企业和非国有企业。从表８列（４）、（５）的回归结果进行分析，可以看出国有企业的ｄｉｇ影响系数为０.００１９，在１％的置信水平上显著为正；而对于非国有企业其ｄｉｇ对ｎｐｒｏ的影响效果并不显著，表明国有企业数字化转型发展促进制造企业新质生产力水平提升的作用比非国有企业更大。可能原因为，相对于非国有企业，国有企业通常能够获得政府的财政支持和更低成本的融资，拥有较强的资本实力。这为国有企业发展新质生产力提供了坚实的资金保障。同时，在制造行业和领域，国有企业因为政策支持而处于很高的市场地位，这有助于在新质生产力的竞争中占据优势，实现稳定的发展。

（３）时期效应

本文根据资源基础理论和动态能力理论将数字化转型对制造企业新质生产力的影响划分为长期影响和短期影响，为验证两种影响，该部分将解释变量ｄｉｇ分别滞后１期、２期和３期进行研究（记为ｄｉｇ１、ｄｉｇ２、和ｄｉｇ３），结果如表８列（６）～（８）所示。从中可以看出滞后１期ｄｉｇ１影响系数为０.００４９，在１％的置信水平上显著为正；解释变量滞后２期ｄｉｇ２系数为－０.０００６，不显著；而滞后３期影响系数为０.０２５３，在１０％的置信水平上显著为正。从中可以看出ｄｉｇ滞后１期线性回归结果正向显著，而滞后２期系数呈现负值，且不存在显著效应，滞后３期数字化转型系数尽管仍存在显著效应，然而其显著水平比之滞后１期结果显著程度明显下降，表明数字化转型对制造企业新质生产力提升机制短期影响占据主导。

５研究结论与政策建议

５.１研究结论

本文利用２０１５～２０２２年制造业Ａ股上市公司面板数据，构建面板计量模型，考察了数字化转型对中国制造业新质生产力水平的影响效应与作用机制，重点关注市场经济强度的调节作用和异质性影响。研究发现：（１）２０１５、２０１８、２０２２年３个典型年份下，制造企业新质生产力的核密度曲线呈现出“右移→左移”的动态演变规律，中国制造业的新质生产力发展水平表现出“先升后降”的发展趋势，同时收敛态势开始显现；（２）数字化转型对制造业新质生产力发展存在显著的正向影响，结论具有优良的稳健性；（３）市场竞争强度表现出显著的正向调节作用。同时，国有企业数字化转型对新质生产力的正向驱动效应大于非国有企业；相对于中部地区和西部地区制造企业而言，东部地区制造企业数字化转型对新质生产力的正向驱动效应更强。

５.２政策建议

本文基于制造企业视角，揭示了数字化转型对中国制造业新质生产力发展的助推效应，这不仅充分考虑了高质量发展和数字经济发展背景下制造业新质生产力发展的科学内涵，而且丰富了数字驱动经济发展的相关研究。此外，本文的研究也具有相当可观的参考价值，可以给予政府一定的启示与建议。

（１）坚持数字化转型作为中国制造业加速发展新质生产力的关键动力源作用。数字化转型是驱动现代产业体系的重要动力源，制造企业作为现代产业体系的微观载体和新质生产力发展的重要成员，挖掘数字化转型的正向引导作用是关键方向。在当前数字技术主导下的数字经济快速发展的国家战略背景下，政府应重视数字化转型驱动制造业新质生产力形成发展的路径：①增强数字化转型对新质生产力要素的短期促进作用基础上，补齐“数字化转型→动态能力→新质生产力”的短板机制，为构建“短期效应＋长期影响”互动耦合机制，以实现制造业新质生产力持续提升；②重视国有企业在提升制造业新质生产力发展中的主导作用，拓宽国有企业数字化转型的创新驱动潜力，培育具有典型“新”、“质”特色的劳动者、劳动对象与生产工具资源禀赋，增强生产力要素资源配置效率，为新质生产力形成和提升构建更有利的条件；③东、中、西部地区互动的区域协同培育机制，促进东部地区数字化转型对新质生产力的正向带动效应“领头羊”作用基础上，通过“政策激励、产业带动、创新溢出”等多种方式，激发中、西部地区的后发优势，形成“东、中、西区域联动”的制造业高质量协同发展。

（２）改善制造业的市场竞争环境，重视市场竞争对数字化转型和新质生产力发展的影响。本文研究表明，制造企业所处的市场竞争强度因素，对数字化转型与新质生产力关系具有显著的正向调节作用。这意味着中国政府应及时抓住机遇，不断提升市场机制对新质生产力要素、制造企业的服务水平，吸引更多具有创新性、高质量、高技术特征的生产要素资源流向制造企业，尤其是国有制造企业，引导数字技术与数据要素对生产力要素资源配置中的效率提升和创新扩散效应，最大化数字化转型提升带来的新质生产力驱动效应。具体而言：①通过持续的市场机制建设，通过良性市场竞争引导制造企业集聚，通过规模效应达到降低制造企业数字化转型的学习成本和市场信息扩散，促进制造业整体数字化转型程度；②通过市场运行机制改善，提升对生产力资源在不同制造企业间的优化配置能力，提升制造业整体新质生产力要素资源配置效率，从而提升新质生产力资源对传统生产力资源的替代效应，为新质生产力培育提供更有利条件；③防止过度市场竞争可能对二者关系带来的负面效应。在完善市场机制进程中，政府应注意防止过度竞争对数字化转型与新质生产力发展可能带来的不利影响。

本文主要从企业微观视角下，揭示了数字化转型推动制造业新质生产力发展水平的作用路径。新质生产力发展超越了传统生产力理论，更强调传统生产力要素资源向“新”与“质”属性的跃迁。其中，“新”体现为新要素、新技术、新产业，“质”则是高质量、多质性和多质效特征［５２］。制造业新质生产力发展需要科技创新、产业升级、支撑政策等系列条件支撑下的复杂系统工程，未来如何更好地数字化转型的正向引领作用，将成为下一步研究的重要方向。