数字化转型与全要素生产率
——基于绿色创新的中介效应分析

韩晓晨,陈风帆

(辽宁工程技术大学 工商管理学院,辽宁 葫芦岛 125105)

引 言

当前我国经济发展态势已由高速度发展向高质量发展转变。提高全要素生产率是实现我国经济高质量发展的关键[1],虽然我国国内生产总值已经居于国际前列,但全要素生产率与发达国家的差距仍然较大,我国全要素生产率还有较大提升空间。党的十九大报告明确提出“推动经济发展质量变革、效率变革、动力变革,提高全要素生产率”。因此,提升全要素生产率成为我国当前经济发展阶段必须实现的目标,并为我国进行产业升级提供核心动力[2]。

随着数字经济的不断发展,数字技术与实体产业的融合程度成为经济高质量增长的新动能[3]。我国“十四五”规划中已将数字化作为国家战略,明确提出“大力推进产业数字化转型,提高全要素生产率,提高经济质量效益和核心竞争力”,数字化转型已然成为重构现有生产要素体系、推动经济向高质量发展的关键因素[4]。

微观企业作为宏观经济的重要组成部分,其发展状况将深刻影响宏观经济的发展态势。而微观企业想要突破原有瓶颈限制,实现高质量发展,则必然要拥有高效的生产率,因此提升微观企业全要素生产率将是实现我国经济高质量发展的必然要求,而将数字技术引入微观企业,推进微观企业进行数字化转型将为提升全要素生产率提供新的路径。

基于上述背景,数字化转型与全要素生产率的关系一直是国内外学者的重点关注方向。现有文献在宏观、中观及微观层面均有研究。首先,从宏观层面来看,数字经济的产生横跨传统行业与新兴技术产业,从而使生产方式得到革新,全要素生产率得到升级。杜传忠等(2021)[5]发现通过数字化转型,将ABCD技术(即人工智能、区块链、云计算、大数据)运用于传统生产方式,将会使原有生产方式拥有智能化、无人化等特征,使原有劳动密集型产业摆脱人力限制,人工成本大幅下降,从而提升全要素生产率。Jorgenson等(2008)[6]发现信息技术及计算机产品能够显著提升并促进经济复苏。其次,从中观层面来看,将数字技术运用在某一个行业中,将会使该行业通过资本增密与技术增密两条路径提升全要素生产率。刘平峰等(2021)[7]发现制造业进行数字化转型能够通过资本赋能与技术赋能两条路径使全要素生产率得到提升。郭慧芳(2022)[8]发现服务业数字化转型程度越深,其全要素生产率提升越高。最后,从微观层面来看,数字化转型对企业全要素生产率的影响又分为内外两个角度:从内部来看,沈国兵等(2020)[9]发现数字化转型会使企业内部信息交流更为顺畅,信息传递更为便利,从而提升企业生产效率;从外部来看,在外部因素上,数字金融发展、智能制造政策能够有效提升全要素生产率[10-11]。

综上所述,学者们从不同角度对数字化转型与全要素生产率之间的关系进行了探究,但仍有不足之处:(1)微观企业作为宏观经济的重要组成部分,其全要素生产率的高低将深刻影响宏观经济态势,因此提升企业全要素生产率是当务之急,然而大多数研究关注的是宏观环境或某个行业中数字化转型对全要素生产率的影响,尚缺乏对全行业微观企业中数字化转型与全要素生产率关系的实证研究。(2)全要素生产率的提升必须摆脱高耗费、高污染、高成本的特征,使企业向绿色化、环保化转变,然而目前在数字化转型与全要素生产率的研究中,鲜有学者将绿色创新这一影响因素纳入其中考察。

本文与以往研究的区别:(1)从微观视角出发,分析并实证检验数字化转型对全要素生产率的影响机制,丰富了微观层面的理论研究内容。(2)将绿色创新作为中介变量,探讨数字化转型提升全要素生产率的间接作用机制,扩展了对数字化转型提升全要素生产率机理的认知。(3)从产权性质等方面进一步探讨了数字化转型与全要素生产率影响差异的约束因素,丰富了数字化转型与全要素生产率关系影响因素的研究内容。

一、理论分析与研究假设

(一)数字化转型与全要素生产率

数字化转型是企业应对市场和技术变化的一种战略举措,旨在提高企业的生产效率和管理效率,从而提高企业的综合竞争力和经济效益。全要素生产率是衡量企业或产业在一定的资源投入下创造产出效率的一个重要指标,是评估企业绩效的关键指标之一,数字化转型是企业采用数字技术改造生产、营销、管理等方面的重要手段,对企业全要素生产率在内部和外部均会产生一定影响。

第一,从企业内部角度来看,数字化转型为企业在技术创新、组织优化、人力资源管理和培训等方面提供了帮助,从而提升了全要素生产率。首先,数字化技术的应用能够带动技术创新的深度和广度[12]。采用数字化技术能够帮助企业实现技术的跨越式创新,推动企业从传统产业向数字化和智能化产业转型[13];智能化设备、自动化流程等数字化技术能够实现生产线的智能化协同[14],提高生产效率,降低生产成本,提高产品的质量和可靠性,进而提高企业的生产效率和质量[15-16],加快生产流程,缩短产品生产周期,从而提升全要素生产率。其次,数字化转型能够促进企业组织的优化和升级。采用数字化技术能够帮助企业实现组织的扁平化、灵活化和智能化[3],采用数字化协同工具、云计算等技术,实现企业内部的协同和共创[17],加速决策的制定和实施,降低组织的沟通成本和管理成本[18],从而提升全要素生产率。最后,数字化转型能够促进企业实现人力资源管理的战略配称。数字化转型能够帮助企业将人力资源纳入企业的战略规划和实施,打破传统的人力资源管理模式和方式[19],通过大数据和人工智能等技术更加准确地了解员工的工作状态、技能和偏好,实现人力资源与企业战略的有效配称[20],从而提升全要素生产率。

第二,从企业外部角度来看,数字化转型对全要素生产率的影响主要表现在市场竞争力和品牌效应、产业协同和生态效应等方面。首先,数字化转型可以提高企业在市场上的竞争力和品牌效应。数字化技术的应用可以为企业提供更准确的市场预测和消费者需求分析,提高企业产品和服务的质量与定制化水平[21]、提高企业的市场占有率和品牌声誉,从而提高企业的全要素生产率。其次,数字化转型可以促进企业与产业链上下游企业之间的协同作用[22],实现资源共享和优化,提高企业与供应商、客户、合作伙伴之间的信息交流和协调能力,从而提高产业协同效应,进一步提高企业的全要素生产率。最后,数字化转型可以促进企业与生态系统之间的互动和共生关系,优化企业的资源利用方式和减少环境污染[23],从而促进企业与自然环境的和谐共处,进一步提高企业的社会责任感和品牌形象,最终提高企业的全要素生产率。基于上述分析,本文提出以下研究假设:

H1:企业的数字化转型对全要素生产率有正向作用

(二)数字化转型与绿色创新

绿色创新是企业实现可持续发展和增强竞争优势的重要途径[24],数字化转型作为前沿的发展模式,是绿色创新的有力支撑[25]。一方面,数字化技术可以帮助企业实现资源和能源的智能管理和优化,减少浪费和污染,从而实现环境保护和资源可持续利用的目标[26]。例如,通过大数据分析和物联网技术,可以实现工业设备的智能监控和维护,降低能源消耗和废弃物排放;通过虚拟化技术和远程办公,可以减少交通拥堵和碳排放。另一方面,数字化转型可以为绿色创新提供更广阔的创新空间和可能性。数字化技术可以帮助企业实现产品和服务的个性化、定制化和交互化,从而更好地满足消费者的需求和偏好[27]。例如,通过智能物流和配送系统,可以实现准确、高效、低碳的物流管理;通过数字化营销和社交媒体,可以实现更精准的营销和客户服务。这些数字化转型的创新实践,也为企业在绿色创新领域探索更多可能性和机会提供了有力支持[28]。此外,数字化转型还可以促进产业协同和创新合作,为绿色创新的跨界合作和共赢提供更好的条件[29]。通过数字化技术,不同产业、不同企业之间可以更加便捷地实现信息共享、资源共享和协同创新,从而推动绿色创新的跨界融合和协同发展[30]。例如,通过数字化供应链和协同制造,不同企业之间可以实现更紧密的协作和共同创新;通过数字化平台和开放创新,企业可以更好地连接客户和社会,共同探索绿色创新的新路径和新模式。基于上述分析,本文提出以下研究假设:

H2a:企业的数字化转型对绿色创新数量有正向作用

H2b:企业的数字化转型对绿色创新质量有正向作用

(三)数字化转型、绿色创新与全要素生产率

如今我国经济增长速度放缓,也意味着资源总量增长速度放缓,因此如何利用有限的资源发挥最大的效用成为我国企业目前必须面对的问题。全要素生产率是衡量经济绩效和可持续性的重要指标,它反映了一个实体如何利用有限的资源来进行最大化生产,因此,提升我国企业全要素生产率是目前发展的必然要求。而现有技术与世界先进技术的差距将对全要素生产率带来影响[31]。由于市场竞争、企业创新等内部因素的推动,内生技术进步可以为整个经济带来新的增长点和发展动力[32]。绿色创新的本质是在传统的经济活动中引入环保和可持续发展的理念[33],通过应用环保技术、资源节约技术和清洁生产技术等手段,不仅可以通过减少能源和资源消耗带来环境效益[34],还可以通过降低成本、提高产品竞争力带来经济效益[35],从而提升全要素生产率。如今的数字化转型时期,数字技术已然成为绿色创新的重要推动因素,在此背景下全要素生产率的提升将会更为显著。一方面,数字化转型为绿色创新提供了更多途径[36],利用物联网、大数据等数字技术,可以实现对能源、水资源等环境资源的精细化管理和监测,从而提升企业全要素生产率;另一方面,数字化转型可以强化绿色创新的效果[37],通过数字化技术可以实现生产过程的精细化管理和控制,提高资源利用效率和能源效率,进而提高全要素生产率。基于上述分析,本文提出以下研究假设:

H3a:企业数字化转型通过提高企业绿色创新数量进而提升全要素生产率

H3b:企业数字化转型通过提高企业绿色创新质量进而提升全要素生产率

本文研究框架如下图所示:

图 研究框架

二、研究设计

(一)样本选择与变量定义

1.样本选择与数据来源

以2013—2021年中国沪深两市A股上市公司为研究对象。数据来源于三方面:数字化转型程度原始数据来源于深圳证券交易所、上海证券交易所官方网站;绿色创新数量与绿色创新质量原始数据来源于CNRDS数据库;其他财务数据来自CSMAR数据库。并使用Excel软件对数据做以下筛选和处理:第一,为避免极端值带来的影响,对所有连续变量做上下1%缩尾处理;第二,剔除ST、*ST及PT等非正常样本;第三,剔除关键数据缺失样本。共取得7 974条样本,数据处理及其多元统计回归分析借助Stata17.0。

2.变量定义

(1)被解释变量:全要素生产率TFP-LP。目前学界对全要素生产率的衡量方法包括LP法、GMM法和OLS法,考虑到数据的可得性,并为了解决产量与资本存量的同时性偏差,参考鲁晓东和连玉君(2010)[38]的方法,以LP法测算全要素生产率,并在稳健性检验时使用GMM法测得的全要素生产率做替代指标。

(2)解释变量:数字化转型程度lnDT。参考吴非等(2021)[19]提出的关键词频文本分析方法计算得出,具体方法为:通过Python的爬虫功能抓取2013—2021年度A股上市公司财报中与数字技术相关词汇,划分为底层技术逻辑与数字技术应用两方面,并对底层技术逻辑继续划分ABCD(即人工智能技术、区块链结束、云计算技术以及大数据技术)四个方向,构建“数字化转型”文本词典,将词典中第n个词汇在个股i第t年的年度报告中的词频除以个股i在第t年的年度报告的总词频,并取对数从而计算得出数字化转型程度lnDT指标。

(3)中介变量:绿色创新数量lnGreen1。目前学界对于绿色创新数量的测度方法尚不能达成一致,有按照研发投入、绿色专利获得数量等方法,然而这些方法可能存在一些内生性问题,如绿色专利获得数量可能会收到公司前期经营成果的影响。因此,以绿色专利的申请数量来度量上市公司绿色创新数量,将绿色实用型发明专利与绿色新型发明专利数量加总代表绿色创新数量。

绿色创新质量lnGreen2。企业进行绿色创新申请绿色专利后,如何衡量企业的绿色创新质量也是目前学界争议的话题,相对于其他指标,企业授权给其他企业使用的绿色专利数量似乎更能代表绿色创新质量,因此参考易靖韬(2015)[39]以绿色发明专利、绿色实用新型专利授权数量总和衡量创新质量。本文将所有专利相关数字对其加1取自然对数以克服数据右偏性。

(4)控制变量:为避免其他因素干扰研究结论,参考现有研究[5,40],选取公司规模(Size)、资产负债率(Lev)、净资产收益率(ROA)、总资产收益率(ATO)、董事会规模(Board)、独立董事比例(Indep)、两职合一(Dual)、第一大股东持股比例(TOP1)、股权制衡度(Balance)为控制变量,变量具体说明见表2。

(二)模型设计

为验证前述假设,本文拟构建四段中介效应模型进行检验,采取该方法是因为许多研究已经指出传统三段中介效应模型可能存在明显缺陷[41]。具体来说,传统的三段检验方法三个模型将会涉及三个变量的估计,而这也将带来三个内生性问题,至少需要两个工具变量(IV1:X→Y,X→M;IV2:M→Y),并且需要三个误差项e1、e2、e3之间两两不相关,由于大多数论文使用的是观察数据,因此在此基础上涉及如此多的内生性问题将会使文章变得更为复杂。本文的设计思路:第一,进一步增加Bootstrap推导的基于百分比的置信区间,依靠非参数测试程序来缓解Sobel检验中介效应是建立在假设系数的乘积是正态分布的基础之上的问题;第二,在中介效应中同时考虑中介变量与被解释变量之间的关系,进一步增加实证链条的完备性。基于上述分析,本文构建以下模型以验证假设:

TFP-LPi,t=β0+β1lnDT+ΣControlsi,t+Yeart+Industryi+εi,t

(1)

lnGreeni,t=β0+β1lnDT+ΣControlsi,t+Yeart+Industryi+εi,t

(2)

TFP-LPi,t=β0+lnGreeni,t+ΣControlsi,t+Yeart+Industryi+εi,t

(3)

TFP-LPi,t=β0+β1lnDTi,t+β2Greeni,t+ΣControlsi,t+Yeart+Industryi+εi,t

(4)

式(1)-(4)中,β0为截距项,βn为估计系数,TFP-LPi,t为被解释变量,表示企业i在第t年的全要素生产率;lnDTi,t为解释变量,表示企业i在第t年的数字化转型程度;lnGreeni,t为中介变量,分别表示企业i在第t年的绿色创新数量lnGreen1、绿色创新质量lnGreen2;Controls为控制变量,Year为年份控制效应,Industry为行业控制效应,εi,t为随机扰动项。

三、实证结果分析

(一)描述性统计

研究样本的描述性统计见表3。被解释变量全要素生产率TFP-LP的最小值为5.307,最大值为12.167,均值为8.689,标准差为1.086,表明我国企业整体全要素生产率水平较低且存在一定差距;主要解释变量数字化转型程度lnDT最小值为0.000,最大值为4.934,均值为1.594,标准差为1.46,表明我国企业数字化转型仍处在初级阶段且各企业之间差异较为明显。中介变量绿色创新数量lnGreen1及绿色创新质量lnGreen2最小值均为0,标准差均超过1,表明我国企业绿色创新的数量与质量差异较大,且整体水平不一。

(二)相关性分析

本文对主要变量进行了Person相关性检验,具体结果见表4。数字化转型lnDT与绿色创新数量lnGreen1、绿色创新质量lnGreen2及全要素生产率TFP-LP均呈现正相关关系,已经初步表明数字化转型可能促进绿色创新的数量与质量,并可能对全要素生产率存在正向作用,初步验证了本文假设H1。当然,想要更为严格地证明仍需进一步分析。总体而言,绝大部分变量之间的相关性均在0.5以下,绿色创新数量lnGreen1和绿色创新质量lnGreen2之间的相关性超过了0.5,这主要是由两者之间性质决定的。绿色专利的申请数量越多,就可能有越多的专利授权给予其他企业,因此带来两者较高的相关性,从整体来看这样的结果是能够接受的。本文在此基础之上进一步做方差膨胀因子VIF检验来检查各变量之间的共线性,可以从表4中看出,各变量VIF值均小于5,排除了各变量之间存在严重多重共线性的可能。

(三)回归分析

本文为验证假设所构建的实证模型的回归结果见表5。具体的检验过程如下:第一,将数字化转型程度lnDT与全要素生产率TFP-LP同时纳入模型(1)中回归。由表5可见,模型(1)中数字化转型程度lnDT系数为0.053且在1%水平下显著,假设H1得到验证,即企业的数字化转型对全要素生产率有正向作用。第二,分别将数字化转型程度lnDT与绿色创新数量lnGreen1、绿色创新质量lnGreen纳入模型(2)中回归。由表5可见,数字化转型程度lnDT系数分别为0.108及0.104且均在1%水平下显著,假设H2a及H2b得到了验证,即企业的数字化转型对绿色创新数量和绿色创新质量有正向作用。第三,在原有三段式中介效应检验模型的基础上,参考牛志伟(2023)[42]构建的四段式中介效应检验模型,进一步考虑中介变量与被解释变量之间的关系(M→Y),因此将绿色创新数量lnGreen1、绿色创新质量lnGreen2及全要素生产率TFP-LP纳入模型(3)中进行回归。由表5可见,绿色创新数量和绿色创新质量的回归系数分别为0.014及0.012且均在1%水平下显著。第四,将被解释变量全要素生产率TFP-LP、解释变量数字化转型程度lnDT、中介变量绿色创新数量lnGreen1绿色创新质量lnGreen2纳入模型(4)中进行回归。从表5中可以看出,数字化转型系数均为正且在1%水平下显著,绿色创新数量和绿色创新质量系数均为正且在5%水平下显著,并且数字化转型的系数均较模型(1)有所下降,因此假设H3a、H3b得到验证,即企业数字化转型通过提高企业绿色创新数量和绿色创新质量进而提升全要素生产率。进一步地,本文分别对两条影响路径进行了Sobel检验,可以看到Z值统计量分别为2.459及2.49,在5%水平下显著。本文还进行了Bootstrap(1000次)抽样检验,可以发现置信度为95%的中介效应置信区间为[0.0001454,0.001584]及[0.0001044,0.001642],均未包含0,上述结果再次证明绿色创新数量和绿色创新质量发挥了机制作用。

(四)稳健性检验

为验证实证结果的稳健性,本文采用替换变量和滞后回归两种方式进行稳健性检验,得到的结果与假设预期仍然保持一致,说明研究结论稳健性良好。

1.替换变量

本文将被解释变量由原来的LP法测得的全要素生产率替换为GMM法测得的全要素生产率,并命名为TFP-GMM,带入构建的模型(1)-(4)中进行回归,具体回归结果见表6。结果表明,在替换了全要素生产率的度量指标之后,研究结论仍然保持稳健。

2.滞后回归

由于企业的数字化转型从投入产生效果需要一定的时间,经过不断的磨合才能使数字技术与实体经济融合,也就是说数字化转型对全要素生产率的影响可能存在一定的滞后性。而且绿色创新也是企业的一种长期行为,专利从申请到实际应用以及授权给其他企业,整个过程也需要一定的时间,因此本文考虑将绿色创新数量、绿色创新质量及全要素生产率同时滞后一期,带入模型(1)-(4)中进行回归,同时缓解反向因果对研究结论产生的干扰。对变量滞后一期的回归结果见表7,可以看出虽然系数大小有所变化,但总体结论并未受到影响,研究结论依然保持稳健。

(五)内生性检验

虽然本文采用的固定效应模型能够在一定程度上缓解由于遗漏某些不随时间变化的固定因素带来的内生性问题,但仍然可能存在样本的选择偏误所带来的内生性问题。因此,本文采用Heckman两阶段模型缓解样本选择偏误对研究结论的干扰。第一阶段以当期是否进行数字化转型为基础生成哑变量,并带入Probit回归中求出逆米尔斯比率(IMR),在第二阶段将求出的逆米尔斯比率作为控制变量带入模型(1)-(4)中进行回归,具体回归结果见表8。可以看出,虽然IMR显著为正或不显著,但核心变量的显著性仍然保持不变,因此在排除了样本选择的偏误问题后,研究结论仍然保持稳健。

(六)异质性分析

2021年10月国务院国资委、工业和信息化部共同签署《关于加快推进中央企业两化融合和数字化转型战略合作协议》,以进一步推动国有企业积极进行数字化转型以加深数字技术与实体产业的融合。因此,数字化转型程度在政策的引导下可能在不同产权性质下表现出差异。为进一步探索产权性质不同的企业数字化转型对绿色创新与全要素生产率影响可能存在的差异,将研究样本以是否国有分组进行回归,具体回归结果见表9及表10。可以看出,不论企业产权性质如何,本文假设均能得到验证,但数字化转型对绿色创新及全要素生产率的影响在国有企业中的正向作用要较高于非国有企业。产生这种现象的原因可能是国有企业的定位与其他企业不同,国有企业的首要目标是积极执行国家战略要求,对数字化转型这一目标会主动采取更多措施,以实现两化融合改革目标,因此国有企业在数字化转型的速度及深度上都会领先于其他企业,在提升企业绿色创新及全要素生产率方面的作用也就发挥得更明显。

表1 数字化转型词频框架

表2 样本变量说明

表3 变量的描述性统计结果

表4 变量的相关性检验结果

表6 样本替换变量的中介效应检验结果

表7 样本滞后变量的中介效应检验结果

表8 样本中介效应 Heckman 两阶段模型检验结果

表9 国有企业样本中介效应检验结果

表10 非国有企业样本中介效应检验结果

四、结论与启示

(一)结论

本文以中国沪深两市A股2013—2021年上市公司的非平衡面板数据,实证检验了企业数字化转型对全要素生产率的影响,并进一步探索了绿色创新在两者关系中的中介机制作用。研究得出以下结论:(1)数字化转型对企业全要素生产率具有正向作用。企业数字化转型可以提高生产效率和产品质量、减少生产成本、提高企业整体运营效率、带来创新机会和新的商业模式,从而提升全要素生产率。(2)企业的数字化转型对绿色创新具有正向作用。数字化转型不仅可以加大企业绿色创新的数量,还会提升企业绿色创新质量,从而提升绿色创新。(3)绿色创新在数字化转型对全要素生产率的影响机制中起到中介作用。数字化转型旨在提高企业的生产效率和管理效率,从而提高企业的综合竞争力和经济效益。这与绿色创新要求在同等生产效率下实现更低成本、更低耗费、更少污染的目标不谋而合,因此企业进行数字化转型同时推动绿色创新将会使全要素生产率得到进一步提升。(4)企业数字化转型对全要素生产率的影响在不同产权性质的企业中存在差异。相对于非国有企业,国有企业数字化转型对全要素生产率的提升作用会更明显。

(二)启示

(1)数字化转型是当今经济发展的必然趋势,也是企业高质量发展的必然要求。企业应该在数字化转型的过程中积极探索数字化技术的应用,与传统业务相结合,实现数字化转型的全面升级,从而推动企业创新发展,提高全要素生产率。(2)绿色创新不仅是企业实现可持续发展的重要途径,也是推动产业环保发展和促进经济增长的重要手段,是提升企业经济效益和社会效益的重要途径。企业应当重视绿色创新,借助数字化转型对全要素生产率的正向作用,加快推进企业向创新促发展模型转变。(3)政府在引导企业进行数字化转型方面扮演着重要角色。不仅应当加强数字基础设施建设,而且政府也应进一步加强政策引导,在促进国有企业进行数字化改革之外,也适当促进非国有企业进行数字化转型,实现国民经济的均衡发展。