企业数字化转型与全要素生产率

Digital Transformation of Enterprises and Total Factor Productivity

摘要: 基于2013~2022年沪深Ａ股非金融类企业数据，实证分析企业数字化转型与全要素生产率之间的关系。结果表明，企业数字化转型会提升全要素生产率，该结论通过了内生性和稳健性检验；机制分析表明，企业代理成本、税费成本在数字化转型与全要素生产率间具有部分中介效应；进一步的研究表明，在国有企业、市场势力较弱的样本中数字化转型对全要素生产率的促进效果更加突出。研究揭示了企业数字化转型的赋能作用，为企业数字化发展的战略决策提供了启示。

Abstract: Based on the data of non-financial enterprises in Shanghai and Shenzhen A-shares from 2013 to 2022, this paper empirically analyzes the relationship between digital transformation of enterprises and total factor productivity. The results show that the digital transformation of enterprises will improve the total factor productivity, and this conclusion has passed the test of endogeneity and robustness. The mechanism analysis shows that the agency cost and tax cost of enterprises have some intermediary effects between digital transformation and total factor productivity; Further research shows that the promotion effect of digital transformation on total factor productivity is more prominent in the samples of state-owned enterprises and weak market power. The research reveals the empowerment function of enterprise digital transformation, and provides enlightenment for the strategic decision-making of enterprise digital development.

1. 引言

随着“互联网+”的不断发展，数字技术正以一个全新模式融入经济发展各领域和全过程，给企业发展带来广泛而深刻的影响。“十四五”规划纲要提出数字化建设，党的二十大报告强调要基本实现新型信息化，这表明企业数字化转型将成为未来企业建设的目标。新型信息化是一种手段，高质量发展是全面建设社会主义现代化国家的首要任务，企业通过数字化转型实现高质量发展是关键，数字化转型已然成为经济社会高质量发展的强大牵引力。全要素生产率可以正向体现企业高质量发展水平。企业推进数字化转型，通过不同作用机制，有效提升企业全要素生产率 [1] [2] 。然而，有关企业数字化转型是如何提高全要素生产率的中介作用机制的探讨还相对欠缺，有必要进一步深入研究。

本文以2013~2022年沪深A股非金融类企业数据，分析企业数字化转型对全要素生产率的影响，探究企业代理成本、税费成本的中介效应。该研究潜在的贡献是，从企业管理和税费负担视角出发，探索企业数字化转型提高全要素生产率的中介作用机制，为企业提升全要素生产率，并提高企业高质量发展水平提供新思路，丰富数字化转型与全要素生产率的研究内容。

2. 理论分析与假设提出

2.1. 企业数字化转型与全要素生产率

企业数字化转型与其经营生产的多个环节相关，数字化转型对企业产生的影响也有多条作用路径。根据信息不对称理论，企业内部存在的各类信息不对称的情况会增加企业经营的错误成本，降低经营效率。数字化转型发挥了数字技术信息收集和利用的优势，改变信息不透明的情况，更好整合企业内部外资源，降低决策失误的可能性，减少资源错配，提高资源配置效率，从而全面提高企业价值，提升全要素生产率 [1] [3] [4] 。数字化的不断深化，使企业竞争更加激烈，企业选择增加研发投入、优化人力资本结构，促进内部生产要素结合，提升企业创新能力，进而提升企业全要素生产率 [3] [5] 。数字化转型有效缓解信息不对称的问题，降低公司治理主体间的代理成本 [6] ，促进内部控制，加强外部监督，改善企业市场表现，促进企业全要素生产率提高。

企业数字化转型可以从优化资源配置、提升创新能力、加强公司治理等方面影响企业经营管理，从而对企业全要素生产率产生正向影响。基于此，提出假设如下。

H₁：企业数字化转型可以提升全要素生产率。

2.2. 企业代理成本的中介效应

企业数字化转型提高了数字技术在企业内部的使用效率，互联网提供了新的沟通平台，改善信息不对称的局面，打破“信息孤岛”，由此提高企业内部沟通的有效性与及时性，提升企业内部信息的收集、处理、存储及传递效率 [7] [8] ，从而降低信息传递成本、代理成本。委托代理理论认为，公司治理中管理者与股东双方的利益目标并不一致，缺少有效的监督机制对管理者的行为进行监督，管理者就会出于自身利益而做一些机会主义行为，这些行为可能会损害委托人的利益。数字技术的应用有效加强了对管理者的监督，这有助于抑制管理层的代理问题和道德风险问题，提高内控质量，降低代理成本，驱动全要素生产率 [9] [10] 。基于此，提出假设如下。

H₂：企业数字化转型有助于企业代理成本降低，从而提升全要素生产率。

2.3. 企业税费成本的中介效应

大数据、云共享平台等数字技术通过提高内部信息质量、改变内部管理流程、增强内部税收协作等路径优化企业内部税收筹划决策，从而降低企业税费成本 [11] 。企业实际税费成本是基于劳动、投资等要素变动产生的，主要通过研发支出、研发人员占比、设备购置三条路径负向影响全要素生产率 [12] 。企业数字化转型增加数字技术的研发投入，而研发相关税收优惠政策有助于企业节税，企业税费成本降低从而影响企业全要素生产率。基于此，提出假设如下。

H₃：企业数字化转型有助于企业税费成本降低，从而提升全要素生产率。

3. 研究设计

3.1. 数据来源与样本选取

本文所用财务数据来自国泰安数据库，构造解释变量的年报文本来自上交所和深交所官网。选取2013~2022年沪深A股非金融类企业为样本，进一步剔除ST、*ST以及核心变量缺失的样本，对所有连续变量进行前后1%的Winsor缩尾处理并进行平衡面板处理，最终获得11,220个观测值。

3.2. 变量设定

1) 被解释变量

企业全要素生产率(TFP)。参考鲁晓东等 [13] 的研究方法，在主回归中使用LP方法计算的全要素生产率，在稳健性检验中使用OP法计算的全要素生产率。

2) 解释变量

企业数字化转型程度(DCG)。参考吴非等 [14] 的研究方法，运用文本分析法分析上市公司年报中数字化转型关键词出现频率，以衡量公司数字化转型程度。具体来说：先通过Python抓取并收集上交所、深交所全部A股上市企业的年报，再整理其中的数字化相关词汇，统计词频，进行对数化处理，从而构成企业数字化转型程度指标。其中，统计年报中所含与数字化相关的词汇时，参照了吴非 [14] 等构建的企业数字化转型的结构化特征词图谱，主要包括“人工智能技术”、“大数据技术”、“云计算技术”以及“区块链技术”四大类。

3) 中介变量

企业代理成本(AC)。本文主要研究公司治理中存在的第一类代理问题，股东与经理人之间的代理成本，参考现有的较多研究内容 [15] [16] [17] ，选择管理费用率作为企业代理成本的代理变量，管理费用可以体现经理人的在职消费情况，除以营业收入可以控制企业规模的不同带来的影响。

企业税费成本(TAX)。借鉴已有的税费成本的相关研究 [18] [19] ，企业税费成本主要有基于现金流量表和基于资产负债表构造的两种不同口径的指标。本文选择基于资产负债表和利润表计算所得税税费成本，可以衡量单位收入承担的实际缴纳的所得税税费成本。

4) 控制变量

为了确保研究的准确性和稳定性，加入可能会影响全要素生产率的变量，同时控制了年度效应和个体效应。变量定义见表1。

Table 1. Definition of variables

表1. 变量定义

3.3. 模型设定

为验证企业数字化转型的实施对全要素生产率的影响，设定以下模型：

${\text{TFP}}_{i,t}={\alpha }_0+{\alpha }_1{\text{DCG}}_{i,t}+{\alpha }_i{\text{Control}}_{i,t}+{\gamma }_{Ind}+{\gamma }_t+{\epsilon }_{i,t}$ (1)

为进一步考察企业代理成本与税费成本是否发挥中介机制作用，构建以下模型：

${\text{AC}}_{i,t}={\beta }_0+{\beta }_1{\text{DCG}}_{i,t}+{\beta }_i{\text{Control}}_{i,t}+{\gamma }_i+{\gamma }_t+{\epsilon }_{i,t}$ (2)

${\text{TFP}}_{i,t}={\delta }_0+{\delta }_1{\text{DCG}}_{i,t}+{\delta }_2{\text{AC}}_{i,t}+{\delta }_i{\text{Control}}_{i,t}+{\gamma }_i+{\gamma }_t+{\epsilon }_{i,t}$ (3)

${\text{TAX}}_{i,t}={\beta }_0+{\beta }_1{\text{DCG}}_{i,t}+{\beta }_i{\text{Control}}_{i,t}+{\gamma }_i+{\gamma }_t+{\epsilon }_{i,t}$ (4)

${\text{TFP}}_{i,t}={\delta }_0+{\delta }_1{\text{DCG}}_{i,t}+{\delta }_2{\text{TAX}}_{i,t}+{\delta }_i{\text{Control}}_{i,t}+{\gamma }_i+{\gamma }_t+{\epsilon }_{i,t}$ (5)

以模型(1)~(3)检验假设H₂，其中AC是中介变量企业代理成本。以模型(1) (4) (5)检验假设H₃，其中TAX是中介变量企业税费成本。模型中i、t分别代表公司个体、年份，Control表示控制变量集， ${\gamma }_i$ 和 ${\gamma }_t$ 个体虚拟变量和年度虚拟变量， $\epsilon$ 代表随机扰动项。

4. 实证分析

4.1. 描述性统计

如表2所示。企业全要素生产率(TFP)变化区间是6.240到11.393，表明企业间全要素生产率有显著差异。企业数字化转型程度(DCG)变化区间是0到5.257，均值为1.497，反映出企业数字化转型程度存在偏左的情况，个别突出，但也有企业未进行数字化转型。中介变量代理成本(AC)和税费成本(TAX)是负向指标，其值越大表示企业承担的成本越高，两个指标在不同企业间的差异均较大。其余控制变量情况与现有研究相近，不再过多赘述。

Table 2. Descriptive statistics results

表2. 描述性统计结果

4.2. 基准回归检验

本文选择固定效应回归模型，控制个体和年度虚拟变量，对企业数字化转型与全要素生产率进行基准回归，基准回归结果如表3列(1)、列(2)所示，列(1)未控制控制变量，列(2)控制了相关因素。两列结果均表明，DCG对TFP在1%水平下正向显著，说明无论是否考虑可能影响全要素生产率的相关因素，企业数字化都会显著提升全要素生产率，验证了假设H₁。

Table 3. Results of regression analysis: benchmark regression and mechanism of action

表3. 回归分析结果：基准回归与作用机制

t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

4.3. 作用机制检验

根据上文理论分析，本文对企业代理成本、税费成本在数字化转型与企业全要素生产率间具有部分中介效应进行验证。

首先分析企业代理成本是否存在中介效应，表3的列(3)、列(4)是模型(2) (3)的回归结果。结果表明，DCG与AC的回归系数在1%水平下负向显著，且引入中介变量AC后，DCG与TFP的回归结果依然显著。这可以说明企业数字化转型有助于降低企业代理成本，且代理成本在数字化转型与全要素生产率的关系中具有部分中介效应，验证了假设H₂。

表3的列(5)、列(6)是模型(4) (5)的回归结果，验证了企业税费成本是否存在中介效应。实证发现，DCG对TAX的回归结果在1%水平下显著为负，DCG和TAX、TFP同时回归的系数仍正向显著。该结果验证了假设H_3，企业数字化转型会减轻企业税费负担，进一步实现全要素生产率的提升。

4.4. 内生性问题

针对目前的研究模型，可能存在全要素生产率影响数字化转型程度的反向因果关系，即内生性问题。借鉴周竹梅等 [20] 处理内生性问题的方法，选择控制年份——行业的除本企业以外的企业数字化转型的平均水平作为工具变量(IV)，然后使用IV-2SLS法进行内生性检验。同行业的数字化转型水平会影响企业的数字化转型程度，但同行业数字化转型水平并不直接影响企业全要素生产率的提升，满足工具变量构造的要求。

结果如表4所示，列(1)是第一阶段采用工具变量对内生解释变量进行回归，得到拟合值，工具变量IV在5%水平显著。弱工具变量检验F值为86.41，LM统计量为95.35，说明通过了不可识别和弱工具变量检验，说明本文选取的工具变量满足要求；列(2)是内生性检验的第二阶段，采用第一阶段的拟合值进行回归，DCG的系数在1%水平正向显著，说明本研究不存在内生性问题，可以得到主回归依然成立的结论。

Table 4. Endogeneity test results

表4. 内生性检验结果

4.5. 稳健性检验

1) 替换变量法

首先，替换被解释变量全要素生产率。使用OP法计算的TFP进行替换，对模型(1)重新回归，其结果仍在1%水平正向显著，表明数字化转型仍可以提升企业全要素生产率。

其次，替换解释变量数字化转型。借鉴张永珅等 [21] 对企业数字化转型程度估计的方法，将企业年报附注中披露的与数字化转型相关的部分无形资产占无形资产总额的比重作为企业数字化转型程度的替代指标(DIGI)。表5列(2)表明其在1%的显著性水平上为正，再次验证了假设H₁。

Table 5. Robustness test results

表5. 稳健性检验结果

t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

2) 延长窗口观测期

通常从企业实施数字化转型策略到企业出现变化需反应过程，因此，本文对解释变量采取滞后一期和滞后两期的处理，其回归结果分别如表5列(3)、列(4)所示，均在1%水平正向显著，说明基准回归结果稳健。

3) 替换固定效应

在原先双向固定基础上替换固定效应，变为年度和行业固定效应以及增加年度、行业的联合固定效应。改变固定效应后的回归系数依然在1%的显著性水平上为正，假设H₁通过稳健性检验。

4.6. 异质性分析

1) 基于企业产权性质的异质性分析

基于产权性质将样本分为国有与非国有两类企业，分别再次多元回归检验，结果如表6列(1)、列(2)所示。从回归结果可以看出，在国有企业中，DCG对TFP的回归系数通过了1%水平的显著性检验；而DCG对非国有企业的TFP未通过显著性检验。所以，企业数字化转型对国有企业的全要素生产率具有更有效的促进作用。其原因可能在于，国有企业相较于非国有企业，在数字化转型过程中，能够获得更多的政策和资金支持，而非国有企业较容易受到多方面的限制，故没有显著的结果。

2) 基于企业市场势力的异质性分析

企业市场势力不同，会使企业内部经营管理决策、外部应对行业环境与竞争对手都产生不同，从而进一步影响全要素生产率。处于市场势力弱势的企业，更容易进行企业数字化转型，通过打破信息不对称来提升市场势力。本文借鉴杜勇等 [22] 研究方法，采用勒纳指数(Li)衡量企业市场势力，即市场势力 = (营业收入–营业成本–销售费用–管理费用)/营业收入，该指标是一个正向指标。

将样本分为市场势力强弱两组，分别进行基准回归，回归结果如表6列(3)、列(4)所示，市场势力较弱的组别回归系数在1%水平显著为正，而市场势力较强的组别未通过显著性检验，说明市场势力较弱的企业进行数字化转型更能提升企业全要素生产率。

Table 6. Heterogeneity analysis results

表6. 异质性分析结果

t-statistics in parentheses, ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

5. 研究结论

本文基于2013~2022年沪深Ａ股非金融类企业数据，验证了企业数字化转型与全要素生产率之间正向作用的关系，且该结论通过内生性和稳健性检验，比较可靠稳健；文章从企业管理和税费负担两个视角，探索企业数字化转型提高全要素生产率的中介作用机制，实证检验结果表明，企业代理成本、税费成本在数字化转型与企业全要素生产率间具有部分中介效应，两者构成企业数字化转型对全要素生产率产生影响的桥梁；考虑到企业数字化转型情况及其影响在不同企业样本中的异质性，进一步的研究表明，在国有企业、市场势力较弱的样本中数字化转型对全要素生产率的促进效果更加突出。

根据本文研究结果，企业在目前的经济发展背景下，致力于提高企业高质量发展水平，应当充分发挥数字化转型的功效。一方面，在数字化技术快速发展背景下，企业数字化转型有所提升，企业在内部治理过程中要利用好数字化技术克服信息不对称问题，提高股东与经理人之间管理效率，降低代理成本，整体提升企业发展水平。另一方面，企业在推进数字化转型的进程中，应该尽可能提高数字技术应用效率来降低税收负担，加强节税与税负转嫁能力，改善企业税务管理现状。