数字经济发展对企业生产率增长的影响机制研究

杜传忠 张远

(1.南开大学经济与社会发展研究院，天津 300071；2.南开大学经济学院，天津 300071)

一、引言

近年来，随着中国经济由高速增长阶段转向高质量发展阶段，高效率的生产方式成为构建现代化经济体系的重要支撑(高培勇等，2019)[19]。但中国长期依赖生产要素扩张的方式实现经济绩效增长，企业生产率增长缓慢，尤其在当前新冠肺炎疫情冲击、国际政治及贸易摩擦加剧的背景下，企业生产效率变革的外部环境进一步恶化。与此同时，伴随着第四次工业革命的发展，物联网、大数据、云计算、人工智能、区块链等新一代信息技术与传统产业的深度融合使经济社会发展朝着网络化、数字化、智能化方向迈进，逐步形成了数字经济新形态(陈小辉等，2020)[17]。数字经济发展受到党和国家的高度重视，党的十九大报告明确提出“推动互联网、大数据、人工智能和实体经济深度融合”。2020年以来，国家提出大力推进以工业互联网、5G等数字经济硬件设施为主体的新型基础设施建设，以促进数字经济发展，数字经济俨然已成为驱动中国经济高质量发展的重大战略。在此背景下，数字经济发展能否在微观上促进企业生产率提升？如果可以，这种影响产生的路径和机制是什么？对于以上问题的探讨不仅有利于丰富数字经济的理论体系，而且对于提升国家推进“新基建”战略的精准性、促进经济效率变革、实现经济高质量发展具有重要意义。

根据2016年G20峰会《二十国集团数字经济发展与合作倡议》的定义，数字经济是指以使用数字化的知识和信息作为关键生产要素，以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。数字经济对生产率的影响与信息技术的发展密切相关。在信息技术发展早期，Solow(1987)[12]根据“计算机无处不在，但并未反映在生产率上”这一现象提出了“信息技术生产率悖论”。一些学者(Erik and Lorin，1996；Lin and Shao，2006)[4][8]利用经验数据检验了这一悖论，认为信息技术对生产率没有促进作用。但随着信息技术的发展和互联网的普及，学者普遍发现二者对企业生产率具有积极影响。Oliner et al.(2008)[10]利用美国的行业数据研究发现，信息技术在1995―2000年的经济复苏中发挥着主要作用。郭家堂和骆品亮(2016)[20]利用2002―2014年中国省级数据验证了互联网对区域全要生产率的促进作用主要通过技术进步这一渠道。黄群慧等(2019)[25]发现互联网通过降低交易成本、缓解资源错配和提升创新水平促进企业生产率增长，城市互联网发展水平每提高1%，制造业企业全要素生产率提升0.3%。随着大数据、人工智能等新一代信息技术的发展和运用，企业生产逐渐显现出数字化和智能化的特征。Graetz and Michaels(2018)[5]利用1993―2007年17个国家的工业机器人数据研究发现，工业机器人能促进企业劳动生产率和全要素生产率的提升。韩会朝和徐康宁(2020)[21]利用2013年中国工业企业数据库匹配海关数据库研究发现，工业企业的智能化改造有效激励了企业生产率增长。

数字经济对生产率的影响主要表现为，新一代信息技术与传统产业的深度融合推动产业网络化、数字化、智能化发展，进而促进企业生产率增长。但上述文献研究难以体现数字经济发展对企业生产率的影响，原因如下：第一，现有文献主要停留在对信息化和互联网带来的网络化特征研究阶段，缺乏对大数据、云计算、人工智能等新一代信息技术的数字化和智能化特征对生产率影响的深入探讨，而后者才是第四次工业革命背景下数字经济的典型特征。虽然有少数学者如Graetz and Michaels(2018)[5]、吕越等(2020)[31]研究了人工智能对生产率的影响，但实证研究中基本采用反映工业自动化能力的工业机器人作为人工智能的替代变量，而企业云是智能化的基础，缺乏企业云使用量的指标难以有效反映数字经济的智能化特征。1第二，囿于数据可得性，现有研究主要集中在区域层面，基于微观企业层面的研究较为欠缺。少量关于微观企业的研究如黄群慧等(2019)[25]、韩会朝和徐康宁(2020)[21]基本采用2013年及以前的工业企业数据库或问卷调查数据，而中国的数字金融、共享经济、智能制造等新型数字经济业态普遍诞生于2013年及以后，对企业生产率的影响则更为滞后。因此，现有文献采用的数据难以精准评估数字经济的影响。第三，受限于数字技术发展的时代特征，现有文献未将数据资源作为生产要素纳入企业生产率的分析框架中，也缺乏从企业经营环境变迁视角深入研究数字经济对生产率的影响。

鉴于此，本文可能的边际贡献为：第一，首次将数字经济与企业生产率纳入同一分析框架，从数据驱动、新兴技术赋能、企业经营环境变迁等视角揭示数字经济对企业生产率的影响；第二，分别从直接影响和规模经济效应、范围经济效应、技术创新效应、管理效率效应四个间接影响系统论述并验证了数字经济影响企业生产率的渠道路径，打开数字经济发展影响企业生产率的“黑箱”；第三，采用2015―2018年腾讯研究院编制的包括企业用云量的城市数字经济指数与A股上市公司的匹配数据进行实证检验，克服了数字经济水平难以有效度量以及陈旧数据难以反映数字经济实际影响效应的 问题。

二、分析框架与研究假设

(一)数字经济与企业生产率

随着经济社会由工业经济时代迈入数字经济时代，通过要素扩张实现绩效增长的传统方式难以满足企业高质量发展的需求。在此背景下，企业通过数字化转型实现生产和服务的自动化和智能化，减轻对劳动力的依赖，直接降低了生产成本，提高了生产效率。同时，企业数字化转型产生的数据资源不仅能够与资本、劳动力等资源共同作为生产要素参与到生产过程中，直接驱动生产率增长，还可以改善资本、劳动等传统生产要素的利用效率及配置效率，进而改善企业生产率。Oliner et al.(2008)[10]、郭家堂和骆品亮(2016)[20]、黄群慧等(2019)[25]运用区域层面的数据验证了互联网发展有利于生产率提升。Graetz and Michaels(2018)[5]也发现工业机器人的使用对国家生产率具有促进效应。因此，本文认为数字经济发展能够促进企业生产率增长。但数字经济的过度发展也可能会抑制企业生产率增长。首先，与资本、劳动力等要素相同，数据资源作为生产要素也存在最优配置问题。在与资本、劳动力等要素及数据管理能力不匹配的情况下，数据要素快速积累引致的高存储成本会挤占大量生产资源，造成企业资源错配(Wamba et al.，2017)[14]；其次，随着数字经济的深入发展，广泛存在的网络效应使网络用户逐渐集中于头部数字化平台，致使行业市场结构出现“赢者通吃”的寡头垄断或完全垄断问题，从而降低企业生产率(郭家堂和骆品亮，2016)[20]。

(二)数字经济影响企业生产率的间接作用机制

1.数字经济通过规模经济效应促进企业生产率增长

受限于空间的有界性和不可叠加性，传统交易方式中时空同步的“刚性要求”使得消费者在购物时存在“搜索阻力”和“位置阻力”(Bell et al.，2012；刘向东等，2019)[2][30]，企业供给产品也面临着空间距离带来的自然性市场分割问题。因此，传统企业进行规模扩张存在高昂的异地渠道建设成本和管理成本，容易陷入规模不经济的困境。数字经济则能有效缓解这一困境，主要体现在以下两方面：一是电子商务平台和移动支付工具的广泛使用改变了传统的交易方式，表现为交易行为由线下实体交易转移到电子商务平台等虚拟空间中，原本需要时间集合固定、连续和空间位置一致的交易过程被离散为间断性的时间和地点，即实现了交易行为的时空异步(陈亚琦，2015)[18]。产品供给企业在有限的时空内几乎能与所有互联网所触及的用户进行连接，并进行更加频繁的交易，削弱了消费者的“位置阻力”，使企业产品销售规模得以提升。二是内嵌于电子商务平台的搜索引擎有效提升了消费者对商品信息的搜索能力，降低了“搜索阻力”，进一步提高消费规模，促进企业销售扩张。因此，数字经济能够打破自然性市场分割，加强国内乃至国际市场的整合，扩大企业产品销售规模，进而实现规模经济。而规模经济的本质是实现成本最小化，是提升企业生产率的有效路径(王书斌，2018)[35]。

2.数字经济通过范围经济效应促进企业生产率增长

数字化技术与传统产业的深入融合不仅使产业边界逐渐趋于模糊，而且数据资源在不同行业间的流动还有助于提升传统行业企业的跨界经营能力。基于这两方面作用，企业通过跨界经营能够在不同行业中合理配置生产资源，缓解资产专用性约束，实现范围经济。例如在制造业中，智能制造技术具有数据集成和自感知、自反馈功能，能够自动采集客户信息，精准识别客户需求，并将这些数据自动传输到生产端，为客户提供个性化定制服务，并进行自动化、柔性化生产，进一步为用户提供增值服务，促使企业逐渐从产品加工制造转向以用户体验为中心的服务型制造(Marjanovic et al.，2019)[9]；在服务业中，原本功能单一的服务平台逐渐演化为具有综合服务能力的平台，如支付宝、微信、美团、滴滴出行等专业化服务平台逐渐转向金融、交通、医疗、公共服务等综合数字化平台，形成具有高度协同性、开放性的数字化生态系统。这种以某一产品和服务为载体获取消费者数据资源，再通过人工智能、云计算等技术形成数据分析和资源分配能力，突破行业壁垒实现跨界经营的发展模式，能够使企业在所经营的行业范围内降低平均成本，实现范围经济，进而提高企业生产率，如Arnold et al.(2006)[1]基于微观企业数据证实了制造业服务化对企业生产率存在正向影响。

3.数字经济通过技术创新效应促进企业生产率增长

数字经济的技术创新效应主要表现在缓解企业创新要素错配、提升企业创新能力上。首先，在创新要素配置方面，数字经济改善了企业发展的外部融资环境。从金融机构与实体企业互动角度看，数字金融企业通过数字化信贷平台获取实体企业各种信息并加以处理和识别，直接向小微企业进行创新融资，可以有效缓解信息不对称问题(汪亚楠等，2020)[34]；同时，数字金融形成的“鲢鱼效应”加大了银行等传统金融机构的竞争压力，减轻传统金融机构资金投向的“领域错配”“属性错配”和“阶段错配”问题，进一步缓解企业创新融资约束(唐松等，2020)[33]。从政府与企业互动视角看，政府能够利用大数据技术构建企业用户画像，精准识别企业创新潜力，缓解创新补贴及税收优惠在企业间的错配问题，提高政府财税政策激励创新的有效性(李春涛等，2020)[27]。

其次，数字化技术提高了企业的创新能力，而企业技术创新水平的提升是提高生产率的主要途径之一。在研发模式上，开放式的数字化研发管理系统有助于企业从传统封闭式的创新模式转向所有部门乃至整个产业链和全社会都参与的开放式创新模式，使研发设计活动在点 线 面多维度的协同化网络中进行，从而实现集成式、网络化创新，提高企业创新能力；在研发流程上，数字孪生体、数字仿真等数字化设计工具能够精准模拟物理实体的各种物理参数，并通过可视化的方式展示出来，在动态、不确定的环境下实现多种场景的研发创新，提高研发的精确性(陈剑等，2020)[16]；在驱动方式上，大数据、云计算等手段帮助企业基于消费数据构建消费者用户画像，精准识别用户对产品的需求，实现产品研发由经验驱动到数据驱动(Johnson et al.，2017)[7]，降低技术创新的不确定性，促进企业创新。

4.数字经济通过管理效率效应促进企业生产率增长

数字经济的管理效率效应主要表现在以下三个方面：一是企业数字化转型有利于降低企业内部交流和信息获取成本。在员工沟通上，微信、钉钉等数字化通讯工具的使用使企业上下级之间、员工之间的信息传达和沟通交流更为便捷，提升了企业内部各层级之间的协同性。在生产管理中，传感器、工业互联网等数据集成系统实现了企业物资的信息结构由传统工业化时代的间断性、分散性状态向数字化时代的连续性、整体性转变。这些都有利于实现组织机构的自我组织和调节，从机械式运作方式转变为生命式运作方式(肖静华，2020)[39]，提高企业管理效率。二是数字经济能够驱动企业组织变革。数字经济中终端用户消费偏好的转变需要企业以更加灵活的方式优化资源配置，从而推动企业组织模式由传统科层式的“垂直化”结构转变为开放式的“扁平化”结构，带来管理效率的提升(戚聿东和肖旭，2020)[32]。三是数字经济还能够提升企业管理者的预测能力。如根据数字化平台沉淀的产品交易、用户评价等数据信息，企业管理者能够精准预测消费者的消费倾向、企业经营风险和未来发展方向等(He et al.，2019；李唐等，2020)[6][29]，提高管理效率。而管理效率的提升是促进企业生产率增长的重要因素，Bloom et al.(2016)[3]研究发现提高管理效率对企业生产率具有积极影响，管理效率的差异约占不同国家全要素生产率差异的30%。由此，本文提出：

假设1：数字经济对企业生产率的影响呈倒U型轨迹，适度的数字经济发展有利于提升企业生产率，数字经济发展过度会抑制企业生产率的增长。

假设2：规模经济效应、范围经济效应、技术创新效应和管理效率效应是数字经济影响企业生产率的有效路径。

三、模型、变量与数据

(一)模型设定

为检验数字经济发展对企业生产率的影响，本文构建面板模型进行实证分析，模型设定如式(1)：

(二)变量度量

1.被解释变量：企业生产率(Tfp)

现有研究中常用全要素生产率来衡量企业生产率，主要测算方法有三种，分别为OLS法、OP法、LP法。由于LP法不存在样本丢失和内生性问题，本文主要采用LP法来计算生产率，并将OP法和OLS法用于稳健性检验。借鉴何光辉和杨咸月(2012)[23]的做法，采用主营业务收入表示总产出，固定资产净额表示资本投入，支付给职工以及为职工支付的现金表示劳动投入；中间投入借鉴王文和牛泽东(2019)[36]的做法，采用营业成本+销售费用+管理费用+财务费用－折旧摊销－支付给职工以及为职工支付的现金来估计。最后，将所测得的值取自然对数即为Tfp。

2.核心解释变量：数字经济指数(Index)

本文采用腾讯研究院发布的2015―2018年数字经济指数来衡量城市数字经济发展水平。该指数由腾讯研究院联合京东、美团、滴滴、拼多多等企业，利用它们在各城市多项业务的海量高频数据编制而成，基础数据中不仅包括城市中企业的云消费量、cvm核数、IDC宽带、cdb存储、电子商务、企业微信和企业公众号等与企业数据资源量、智能化水平和企业组织数字化水平高度相关的指标，也包括移动支付、网络理财等数字金融相关指标，实现了对各城市实体企业数字化、智能化水平和数字金融发展水平的精准刻画。数字经济指数的广泛性使本文能够从企业内部数字化转型、企业与金融机构、政府等外部组织互动的双重视角来检验数字经济与企业生产率之间的关系。

3.控制变量及变量描述性统计

为减轻遗漏变量对估计结果的干扰，本文借鉴黄群慧等(2019)[25]和李兰冰等(2019)[28]的研究，分别选取城市和企业两个层面的控制变量。具体地，企业层面的控制变量有：企业规模(Size)，用企业总资产的自然对数来衡量；企业年龄(Age)，用考察年份与企业成立年份差值的自然对数来刻画；固定资产占比(Ppe)，用固定资产净值与总资产的比值来度量；资产负债率(Lev)，用总负债占总资产的比重来表征；股权集中度(Shrcr)，用第一大股东持股占比来衡量；董事会规模(Board)，用董事会人数加1后取自然对数来刻画；企业所有制(Soe)，用企业所有权属性来度量，国有企业则为1，否则为0。城市层面的控制变量有：经济发展水平(GDP)，用城市GDP的自然对数来表征；人口规模(Popu)，用城市人口数量的自然对数来刻画。各变量的描述性统计结果见表1。

表1 变量的描述性统计结果

(三)数据来源及处理方法

本文的企业样本为A股上市公司，数据来自国泰安(CSMAR)和Wind数据库，城市数字经济指数数据来自腾讯研究院发布的年度《数字中国指数报告》。考虑到数字经济发展特征及数据的可得性，本文将样本考察期设定为2015―2018年。同时，为精准评估数字经济对企业生产率的影响，本文删除了样本为ST、*ST、变量缺失严重、行业门类为金融类和信息传输、软件和信息技术服务业的上市公司，并对所有的连续变量进行双边1%缩尾(winsorize)处理。

四、实证结果与分析

(一)基准回归结果

表2列(1)单独考察了数字经济发展与企业生产率之间的线性关系，结果显示Index的系数在1%水平下显著为正，表明数字经济发展能够显著促进企业生产率增长。列(2)加入了Index的平方项Index2，考察数字经济与企业生产率之间的非线性关系，结果显示Index2的系数在1%水平下显著为负，而Index的系数依然在1%水平下显著为正，在逐步加入控制变量后结果依然不变，说明数字经济与企业生产率确实存在倒U型关系，验证了假设1。

进一步，由列(5)结果可知，在控制了企业和城市层面的控制变量后，倒U型曲线的拐点为Index=12.652，落在解释变量区间[6.67，12.56]的右侧，在未添加控制变量和加入部分控制变量的列(2)～(4)估计结果中，解释变量也基本未达到倒U型曲线的拐点，这说明在本文考察期内，数字经济发展对企业生产率主要具有正向促进作用，不具有抑制作用。因此，本文主要采用不含Index2的线性模型进行估计。列(6)的线性估计结果表明，在控制了企业和城市层面控制变量情况下，数字经济发展对企业生产率依然具有正向促进作用，且城市数字经济发展水平每提高1%，城市中企业的生产率约提高0.07%。由此可见，经济发展的数字化转型对微观企业生产率提升具有积极意义，能够成为经济高质量发展的新动能。这一结论为中国当前大力推进“新基建”、加快经济数字化进程等战略的实施提供了一定的理论支撑。

表2 数字经济影响企业生产率的基准回归结果

(二)稳健性检验

1.内生性分析

本文进一步采用工具变量法进行内生性检验。考虑到相同类别城市在行政权限、经济政策、人口密度、经济总量等方面相似，数字经济发展具有较强的相关性，借鉴蔡竞和董艳(2016)[15]的做法，本文将样本企业所在城市分为直辖市、副省级城市、除副省级城市外的同一省份城市三类，然后用相同类型城市(剔除样本企业所在城市)的数字经济指数均值作为工具变量IV。表3的回归结果显示，第一阶段IV的系数在1%水平下显著为正，且F值大于10，说明不存在弱工具变量问题；第二阶段Index的系数与基准模型估计结果基本一致，说明在考虑了内生性问题后，数字经济对企业生产率依然具有显著的促进作用，上述结论依然成立。

表3 内生性分析

2.替换关键变量

第一，替换被解释变量。为检验企业生产率度量方法的稳健性，本文进一步采用OP法和OLS法对企业生产率进行度量，结果如表4所示。

第二，替换核心解释变量。由于腾讯等公司的市场份额难以涵盖全部中国市场，可能导致其测量的数字经济指数与城市实际数字化程度存在偏差。鉴于此，首先，使用智慧城市指数3Sc替换核心解释变量Index。智慧城市指数由中国社科院信息化研究中心发布，其基础数据涵盖了互联网基础设施建设、信息资源共享协同、城市云平台应用、信息产业发展、信息消费、政府数字化服务等多项指标，能够有效度量城市数字经济发展水平。其次，借鉴何宗樾和宋旭光(2020)[24]的做法，采用城市数字金融指数Df替换核心解释变量Index。该指数由北京大学数字金融研究中心联合蚂蚁金融公司利用支付宝的海量交易数据编制而成，包括数字金融服务使用广度、使用深度和数字化程度三个维度。表4结果表明，替换被解释变量和核心解释变量后，数字经济对企业生产率的影响依然呈倒U型，在本文的考察期内则主要表现为促进作用，与基准模型回归结果基本一致。

表4 替换关键变量

3.其他稳健性分析

为确保结论稳健性，本文进一步采用以下三种方法进行分析：

第一，更换估计模型。首先，基准模型的固定效应控制到个体企业层面可能过于严格，本文将固定效应控制在城市、二位码行业和时间三个维度，并将稳健标准误聚类到企业层面，估计结果如表5列(1)所示。其次，基准回归模型控制的年份和个体效应忽略了时间和行业的交叉因素，可能会引致估计结果偏误，因此本文进一步控制了“行业-年份”高阶联合固定效应以控制不同年份不同行业所遭受的外部因素冲击，估计结果如列(2)所示。

第二，本文对所有的连续变量进行双边2%和5%缩尾处理，以进一步缓解极端值对估计结果造成的影响，估计结果如列(3)、(4)所示。

表5 其他稳健性分析

第三，增加控制变量。5G、工业互联网等是数字经济发展的新型基础设施，在加强市场整合、优化要素配置等方面与传统交通基础设施有异曲同工之妙，二者在对企业生产率的影响作用上互为竞争性因素(李兰冰等，2019)[28]。鉴于此，本文在模型的控制变量中加入区域交通基础设施状况，重新进行回归。其中，交通基础设施发展状况分别用城市高铁站点数Grail和省人均公路里程数Rail来度量，估计结果列(5)所示。表5结果表明，在进行多种稳健性检验后，数字经济依然对企业生产率具有显著的正向作用，证明了基准模型结果的稳健性。

(三)异质性分析

为深入探究数字经济对企业生产率的影响效应，本文分别从地理区域、行业性质和企业特征三个层面进行异质性分析：(1)基于企业所在省份，将样本企业分为东、中、西三个子样本；(2)基于行业性质，依据国家统计局发布的GB/T 4754―2017行业分类目录将样本企业分为农业、制造业和服务业；(3)基于企业特征，根据企业在考察期内的平均资产规模将样本企业分为大、中、小型企业。

1.基于区域的异质性分析

表6回归结果显示，东部地区的Index系数在1%水平下显著为正，而中西部地区的Index系数则并不显著，表明数字经济对企业生产率的影响在东部地区最为明显。可能的原因如下：一是东部地区的基础设施、人力资本、金融资本等资源较中西部地区更为优越，为数字经济功能的发挥提供了良好基础；二是数字经济发展能够降低区域间的交流成本，优化区域间的资源配置，这可能会强化东部地区对中西部地区的“虹吸效应”，导致中西部地区人力资本流失加剧，企业生产率增长缺乏动力；三是经济发展事实表明，经济要素发展差距过大会产生“过疏”和“过密”进而抑制协调发展(韩先锋等，2019)[22]，相对于东部地区，中西部地区内部“数字鸿沟”明显，导致数字经济对企业生产率的影响具有不均衡性。

2.基于行业的异质性分析

表6估计结果表明，数字经济对服务业企业生产率的边际效应最大，制造业次之，农业最小且不显著。可能的原因是：首先，服务业以生产和销售无形产品为主，与数字化技术具有天然的适配性。与非服务业相比，数字化技术对服务业的渗透程度更深，二者的深度融合使部分服务具备了“可存储”和“可贸易”的特点(江小涓和罗立彬，2019)[26]，涌现出数字医疗、在线教育等众多新兴业态，降低服务成本作用明显。其次，传统工业化社会时期，服务业被认为是劳力密集型产业，生产率长期低于非服务行业，即存在著名的“鲍莫尔成本病”4问题。因此，相对于非服务业企业，服务业企业通过数字化转型提升生产率的需求更为迫切，数字经济对企业生产率的边际效应更为明显。这一结论表明数字经济能够解决服务业“鲍莫尔成本病”问题，也充分说明应加强数字化技术与农业、制造业的深度融合，加快农业和制造业的数字化转型。

表6 数字经济影响企业生产率的异质性分析

3.基于企业的异质性分析

表6结果表明，数字经济对大中型企业生产率具有显著的正向影响，对小企业的影响并不显著。这可能是由于尽管企业数字化转型有助于提升企业生产率，但需要以一定的技术、劳动和资本等要素为前提(谢康等，2020)[40]。与大中型企业相比，小企业的技术基础、人力资本、实物资本等生产资源较为匮乏，过于强调数字化转型会导致企业的数字化技术水平、数据资源量与其他要素不匹配，导致生产率提升不明显。这充分说明企业的数字化转型应该“适度”，根据企业整体资源和要素水平来进行，盲目提高数字化水平对企业高质量发展并无益处。

五、进一步分析：数字经济影响企业生产率的作用机制

为进一步打开数字经济影响企业生产率的“黑箱”，探究这种影响是否通过规模经济效应、范围经济效应、技术创新效应和管理效率效应四种作用机制加以实现，本文借鉴温忠麟和叶宝娟(2014)[38]的研究，采用中介效应模型对上述机制进行检验，具体模型如下：

其中Mi,t为中介变量，分别为假设2中的规模经济、范围经济、技术创新和管理效率，其他变量与式(1)相同。中介效应检验步骤如下：第一步，对式(2)进行回归，考察在没有控制中介变量的情况下数字经济对企业生产率的影响系数η1是否显著。若η1不显著，则说明数字经济对企业生产率没有影响或存在遮掩效应；若η1显著，则检验继续。第二步，对式(3)进行回归，考察数字经济对中介变量的影响η2。第三步，对式(4)进行回归，考察数字经济对企业生产率的影响系数η3和中介变量对企业生产率的影响系数δ。其中，η3为直接效应，η2×δ为中介效应。若η2和δ均显著，则说明存在中介效应；若η2和δ中至少有一个不显著，则采用Bootstrap法检验η2×δ在95%的置信区间中是否包括0，若不包括0，则说明η2×δ显著，即存在中介效应，反之，则不存在中介效应(温忠麟和叶宝娟，2014)[38]。

(一)规模经济效应

数字经济一方面实现了交易过程的时空异步，改变了企业规模扩张需要投入大量成本建立异地销售渠道的事实；另一方面也降低了消费者的搜寻成本，提高其消费需求，从而降低企业规模扩张的成本，进而实现规模经济。为考察数字经济是否能够通过企业的规模经济效应提升生产率，本文借鉴王书斌(2018)[35]的做法，采用企业销售额的自然对数来表示企业的销售规模Sale，作为规模经济效应的替代变量，并利用中介效应模型进行检验。表7列(1)估计结果显示，数字经济Index的系数在1%水平下显著为正，表明数字经济发展能够提升企业销售规模。进一步将生产率对数字经济和企业销售规模进行回归，列(2)结果显示，数字经济和企业销售规模的系数在1%水平下均显著为正，且数字经济的系数绝对值小于列(1)相应结果，表明企业销售规模扩张引致的规模经济效应是数字经济促进企业生产率增长的重要 途径。

表7 机制分析：规模经济效应与范围经济效应

(二)范围经济效应

传统工业时代，行业边界清晰，资产专用性、信息不对称等因素使企业跨界经营需要投入大量的固定成本。数字化时代，传统行业边界随着产业数字化转型逐渐趋于模糊，甚至衍生出众多新兴业态；而且数据在不同行业间的流动和数字化技术的广泛应用使企业能够跨界配置资源，实现范围经济，进而提升企业生产率。参考Villalonga(2004)[13]的做法，本文利用企业主营业务所属行业的赫芬达指数Dyh_hhi测度企业多元化程度，作为企业跨界经营的替代变量，指数越大表明企业多元化程度越低，反之则越高。表7列(3)结果显示，数字经济Index的系数在5%水平下显著为负，说明数字经济发展有利于企业跨界经营。进一步将生产率对数字经济指数和企业跨界经营程度进行回归，列(4)结果显示，数字经济的系数在1%水平下显著正，跨界经营程度的系数在5%水平下显著为负，说明企业跨界经营导致的范围经济效应是数字经济发展促进企业生产率增长的有效途径。此外，多元化经营虚拟变量(Dyh_dum)和收入熵指数(Dyh_entro)也常用于度量企业多元化的广度和深度，本文进一步采用这两种方式进行估计。具体地，多元化经营虚拟变量用多元化哑变量表示，若企业涉足行业数大于1则取值为1，否则取值为0；收入熵指数计算方式为∑piln(1/pi)，其中pi为行业i的收入占总收入的比重，该指数越大，企业多元化程度越高(曾春华和杨兴全，2012)[42]。表7列(5)～(8)结果显示，更换企业多元化的度量方法后，上述结果依然成立。

(三)技术创新效应

创新资源匮乏和创新能力不足是制约企业创新的两个重要因素。一方面，数字经济发展能够改善企业创新环境，缓解创新资源错配程度；另一方面，开放式研发系统和数字化研发工具在研发设计中的应用能够提高企业技术创新能力。为检验技术创新的中介效应是否存在，本文采用企业申请专利总数(Patent)衡量企业创新水平。借鉴一般的做法，将企业申请专利数加1后取自然对数。表8列(1)和(2)结果表明，尽管专利数量表征的技术创新对企业生产率具有促进作用，但数字经济对专利数量的影响系数并不显著，且Bootstrap法检验显示间接效应的95%置信区间[-0.0019，0.0023]包括0，这说明技术创新可能不是数字经济促进企业生产率提升的有效路径。但企业专利分为发明专利、实用新型专利和外观专利三种类型，前者是高端的、实质性的创新，更能体现企业的核心创新能力，后二者是较为低端的、数量型的创新(唐松等，2020)[33]。鉴于此，进一步将企业申请专利总数分为上述三种专利类型进行检验，列(3)～(8)结果显示，数字经济Index对发明专利Patent1的影响系数在1%水平下显著为正，对实用型专利Patent2和外观专利Patent3的影响系数则不显著。这表明技术创新效应确实是数字经济促进企业生产率提升的有效路径，但主要是通过实质性的核心技术创新。这一结论也说明，数字经济发展能够减缓“创新泡沫”问题，促进技术创新由数量向质量的转变，成为中国“结构性”创新的新动能(唐松等，2020)[33]。

表8 机制分析：技术创新效应

表9 机制分析：管理效率效应

(四)管理效率效应

企业高效的管理是优化技术进步和生产要素组合促进企业生产率增长的重要因素(Philippe and Peter，2006)[11]。数字经济能够优化企业沟通交流方式、推动企业组织变革和增强企业家的预测能力，从而促进企业管理效率提升。本文参考杨继生和阳建辉(2015)[41]的做法，用(管理费用+销售费用)与营业总收入的比值度量企业管理效率Manage，检验中介效应。Manage值越小，则管理效率高，反之则越低。表9列(1)结果显示，数字经济Index对管理效率Manage的系数在10%水平下显著为负，说明数字经济能够提升企业管理效率；列(2)中，数字经济的系数在1%水平下显著为正，管理效率的系数在5%水平下显著为负，说明数字经济能够通过提升管理效率对企业生产率产生正向影响。

六、主要结论和建议

本文厘清了数字经济对企业生产率的影响机制，利用2015―2018年城市数字经济指数与A股上市公司数据进行了实证检验。主要结论如下：数字经济发展对企业生产率的影响呈倒U型特征，但在本文考察期内，数字经济对企业生产率主要是正向促进作用，且城市数字经济水平每提升1%，企业生产率提升约0.07%，经过内生性检验和稳健性检验后，该结论依然成立；数字经济对企业生产率的影响呈现显著的异质性，在东部地区、非农行业和大中型企业中，数字经济对企业生产率的促进作用更为显著；除直接效应外，数字经济还能通过规模经济效应、范围经济效应、技术创新效应和管理效率效应四个间接机制促进企业生产率提升。

基于以上结论，本文建议：第一，大力推进新型基础设施建设，发展数字经济，促进经济发展的效率变革。以工业互联网、5G等数字经济硬件设施为主体的“新基建”是数字经济发展的基础，政府一方面要利用财政资金，通过设立产业基金等形式推进5G、大数据中心等新型公共基础设施建设，为企业数字化转型提供良好的基础环境；另一方面要通过财税政策和典型企业的试点示范等方式，积极推进企业内部数字化转型。第二，加快推进制造业数字化转型。制造业是我国经济发展的根基，应推进制造业企业构建包含产品全生命周期、全产业链的数字化管理系统，实现产品研发、设计、生产、销售、售后服务等各个环节及流程的数字化，借助于新一代信息技术提升企业服务能力、技术创新能力和管理水平，提升企业生产效率。第三，进一步加强政府对数字经济发展的有效监管，有效抑制行业垄断行为，避免数字经济盲目发展造成的效率损失。此外，企业还需注重数据要素和资本、劳动等生产要素的合理配置，充分发挥资源的优化配置对企业生产率的改善作用。

注释

1. 企业云分为公有云、私有云和混合云。企业上云实质上是将企业基础设施、业务流程、管理流程等各类信息以数字化形式汇集和储存，并进一步进行调取、分析、开发等的过程，是企业乃至行业内构建数字化、智能化生态体系的基础。

2. 0.2475/(0.00978×2)≈12.65，列(5)中Index和Index2的实际系数分别为0.2475和0.00978，由于保留三位小数，列表中Index和Index2的系数分别为0.248和0.010，倒U型曲线拐点根据实际系数计算得到。

3. 智慧城市指数来源于中国社科院信息化研究中心联合国脉互联有限公司发布的《2016中国智慧城市发展水平评估报告》。虽然该指数为年度报告，但不同年份的指数不具有可比性。鉴于2016年年度数据涵盖的城市数量最多，本文采用2016年的智慧城市指数与2017年的企业数据相匹配，利用OLS进行截面回归。

4. 鲍莫尔(W. J. Baumol)于1967年提出了著名的鲍莫尔成本病(Baumol’s cost diseas)概念，即技术进步会引致经济中的“进步部门”如制造业的生产率提升，劳动需求减少，服务业等严重依赖劳动力的行业则属于“停滞部门”，生产成本高，生产率长期低于“进步部门”(王耀中和陈洁，2012)[37]。