城市数字化对企业生产率的影响研究

张京津

(南京财经大学，江苏 南京 210023)

一、 引言

近年来，数字经济已经成为一种新的经济形态，同时也成为一种新的资源配置方式。 2020 年全球新冠肺炎疫情暴发，国内国际的市场环境都受到了严重的冲击，上市企业面临后疫情时代严峻的经济形势，机遇与挑战并存。 2020 年，2411 家上市公司披露的年报显示，903 家公司主营业务收入下滑，占全部研究对象的37.45%。 另外，“十四五”规划纲要中提出，发展数字经济，推动数字产业化与产业数字化，促进数字经济和实体经济的深度融合，各省、自治区、直辖市等也相继出台了数字经济相关产业政策。 数字技术新经济模式正在被充分认知，产业数字化全面发展，数字产业化高端化引领，城市数字化水平不断提升。 在剔除2020 年一季度上市公司的企业绩效受新冠肺炎疫情的干扰后，上市公司2021年一季度的企业绩效相对2019 年一季度的企业绩效而言，部分经营情况有所好转。 本文试图回答以下问题：城市数字化水平是否能够提升企业生产率?如果可以，那么影响机制是什么?

本文对城市数字化水平怎样影响企业生产率进行实证研究，试图从城市信息设施建设、城市治理、城市服务以及产业融合角度论述重视并发展城市数字经济，提升城市数字化水平的重要意义，在我国提倡数字经济与实体经济深度融合以及疫情冲击的大背景下，为各省市地区因地制宜制定相关的城市数字经济政策帮助疫情冲击下的企业恢复生产活力提供理论支持。

二、 文献综述

(一)数字经济发展的影响效应

数字经济的迅速发展引起国内外学者的广泛关注，对数字经济的研究主要归结为以下两点：第一，宏观层面，数字经济在就业、经济增长等方面起到积极作用。 数据资本是全新的生产要素，具有数据化的特征，对宏观经济潜在拉动作用要明显高于传统生产要素。 还有研究表明数字经济能够优化调整我国的就业结构，提升劳动力报酬和劳动力保护，同时数字经济吸纳就业能力显著提升，但存在明显的东中西部地区差异。 第二，微观层面，数字经济对个体工资收入、企业生产率等方面存在影响。 柏培文和张云研究表明，人口红利下降可能源于数字经济的发展，数字要素会替代低技能劳动岗位，降低相对收入。 但是戚聿东和刘翠花通过中国综合社会调查数据(CGSS)反映互联网的使用对总体工资水平具有正向促进作用，能够缩小性别工资差异。 另外，吴非等创新性地研究数字化转型对企业股票流动性的影响，表明数字经济发展对企业生产率而言是积极正向的。

(二)数字经济发展与企业生产率

通过对已有文献梳理可以发现，对数字经济发展与企业生产率的关系的研究主要在于数字经济指标的测算上的创新。 第一类，构建数字化指标体系。主流数字经济指标体系为黄群慧等的方法，基于城市层面对互联网的发展测度，包括互联网普及率、相关从业人员情况、相关产出情况和移动电话普及率四个方面的指标。 其后研究在此基础上进行指标的调整和细化，范合君和吴婷增加生产数字化、流通数字化维度的数字化指标，廖信林和杨正源增加产业发展、创新发展维度的数字化指标。 第二类，借助爬虫技术挖掘数字经济相关关键词刻画数字经济指数。 吴非等基于上市企业年报数字化转型关键词抓取创新性刻画了数字化转型强度，实证检验得出企业数字化转型显著提升股票流动性。第三类，较少研究利用数字经济相关政策、事件的发生进行DID 模型分析。 邱子迅和周亚虹基于国家级大数据综合试验区的建立，采用广义DID 模型强调数字经济对地区发展的促进作用。

本文可能的边际贡献在于，在研究立意上，将新时期数字经济发展与微观企业生产活力联系起来，剖析城市数字化与企业生产率之间的关系，从微观个体角度出发研究城市数字经济的发展，深化城市数字化与企业之间互动模式的理解；在研究数据上，以全行业上市公司原始数据为基础，利用Python 爬虫文本识别功能获取中国城市数字经济指数，采用关键词配对的方法组合微宏观数据；在研究范式上，提供了一个“基准分析—异质性检验—机制分析”的研究框架，根据模型变量下标进行异质性分析，包括基于城市等级大小以及企业股权性质进行分样本回归；在研究内容上，突出新冠肺炎疫情冲击大背景下城市数字经济发展政策影响辐射到上市企业生产活动，检验城市数字化水平驱动企业生产率提升的重要力量，并通过有效的实证手段对其进行验证。

三、 理论分析

第一，城市数字化推动上市企业生产率的提高。经济社会特征由工业经济转为数字经济，要素扩张实现绩效增长的传统方式难以满足企业的高质量发展。 这样看来，城市数字化为企业生产和服务提供数据资源，城市治理方式、设施建设、服务供给等方面的数字化助力企业数字化转型，实现生产和服务的自动化和智能化，减少劳动力依赖，降低成本，提高生产率。 郭家堂和骆品亮、黄群慧等运用地区面板数据实证检验了互联网的发展对生产率具有正向促进作用。

第二，城市数字化对上市企业生产率的影响在城市和企业层面具有异质性。 城市数字化水平的提高意味着城市政策更多地倾向于应用数字技术、投资智能制造、搭建现代化信息系统，对大城市企业而言，外部环境给企业生产率提高创造条件，城市规模等级意味着数字化的普及程度高低，人力资本吸引、治理服务评价等都给企业生产经营提供了优势，差异化竞争条件下，大城市企业的生产率影响更为明显。 另外，对资金、规模、科研以及政策优势的企业而言，企业内部调整的时间滞后性会得到改善，充分利用自身的特点，如创新活力、资本规模等，实现数字化战略与企业比较优势的有机结合，弥补企业的效率损失，提高企业的生产率。

第三，城市数字化可以通过降低交易成本提高上市企业生产率。 已有研究表明，互联网能够降低信息成本、改善搜寻匹配方式、提升信息交流效率和吸引人力资本投入。 一方面，城市数字化提高带来大数据、云计算、机器学习的普及应用，企业调整生产经营方式，通过这些数字经济技术对各环节信息进行搜集与分析，有效进行产业链上下游的沟通，降低成本，提高生产率。 另一方面，城市数字化的发展带来信息的逐渐透明化，降低企业的信息搜寻成本，改善企业信息匹配效率，提高企业资源利用效率。

四、 模型与数据来源

(一)模型设计

为检验城市数字化水平对上市企业生产率的影响，设定基准计量模型为：

式中，lntfp表示城市

j

的企业

i

在

t

年的全要素生产率，dig表示城市

j

在

t

年的数字经济指数，

X

是影响企业生产率的控制变量，

ε

为随机误差项。 回归系数

α

及其显著性水平反映出城市数字化水平对企业生产率的影响效果，预计为正。

(二)变量与数据

1. 被解释变量。 企业生产率(lntfp)，通过 LP方法来计算生产率，主要在于LP 方法不存在样本丢失以及内生性问题。

2. 解释变量。 城市数字经济指数(dig)，采用新华三集团数字经济研究院发布的2017 ～2019 年城市数字经济指数来表示城市数字化水平，该数据基于权威政策规划和中央政策指导，从城市数据及信息化基础设施、城市服务、城市治理、产业融合四个维度客观评价城市数字经济发展水平。

3. 控制变量。 为减轻遗漏变量对估计结果的干扰，选取企业和城市两个层面的控制变量。 其中，企业层面包括：企业规模(scale)，企业规模大小对城市经济发展与企业全要素生产率的提升均有重要影响，因而本文选用企业员工人数加1 的自然对数来表示；企业年龄(age)，一般而言，企业年龄决定企业面对市场冲击的反应能力，对市场环境的信息选择能力，本文选用现在年份与企业上市年份差值加1 年的自然对数来表示；资产负债率(lev)，企业的生产经营情况会影响到企业对政府政策的选择，用总负债占总资产的比值来表示；股权集中指数(shrcr)，用第一大股东持股占比来表示；董事会规模(board)，用董事会人数加1 的自然对数来表示。另外，城市层面包括：城市人口规模(popu)，用城市人口数量的自然对数来表示。

(三)数据来源及处理方法

本文使用的数据主要有两组。 第一组为2017 ～2019 年全行业的上市公司财务数据，原始数据来自CSMAR 数据库，部分相关数据来自Wind 数据库。第二组为2017～2019 年城市数字经济指数，原始数据来自中国信息通信研究院发布的年度《中国城市数字经济指数蓝皮书》，利用 Python 爬虫文本识别功能挖掘出相关城市数字经济指数。 两组数据采用城市名称与省市名称进行多对一匹配，保留双向匹配成功结果。 为缓解异常值的影响，对所有微观层面连续变量进行1%和99%的缩尾处理。

五、 实证结果

(一)基准回归结果

表1 显示城市数字化对上市企业生产率影响的总体样本回归结果。 表1 第(1)(2)列回归结果显示，dig 回归系数均显著为正，意味着城市数字化水平对企业生产率具有显著的提升作用。 第(3)(4)(5)(6)列为二级解释变量对企业生产率的影响，回归结果显示，对企业生产率的边际效应从大到小依次是：城市服务数字化(dig_ser)、城市治理数字化(dig_gov)、产业融合数字化(dig_int)和城市设施数字化(dig_inf)，这意味着影响企业生产率的相关城市数字因素主要在于城市服务与城市治理，可能原因在于：城市服务与城市治理数字化为上市企业提供了良好的营商环境，外部资源配置的高效性使得上市企业能调整生产经营方式，降低交易成本，提高企业生产率。

表1 基准回归结果

(二)稳健性检验

考虑到可能会存在逆向因果关系而造成内生性问题，城市数字化发展影响到上市企业经营调整，进而产生上市企业生产率变化需要一定的时间，即城市数字经济发展的影响效应可能存在时间滞后性，故将数字经济指数滞后一期和滞后两期进行回归。表2 结果显示，城市数字经济指数的滞后项的回归系数仍然在1%水平下显著为正，这表明城市数字化水平能够显著提升企业生产率，意味着基准回归结果具有可靠性和稳健性。

表2 稳健性检验结果

(三)异质性分析

为深入研究城市数字化水平对上市企业生产率的影响效应，本文分别从城市、企业两个层面进行异质性分析：表3 是基于城市规模大小与城市经济发展情况分析所得结果；表4 是基于企业特征，按照上市公司基本信息数据中的股权性质分析所得结果。

1. 基于城市的异质性分析

通过表3 的回归结果可以得出结论，一线和二线城市的数字经济指数的回归系数在1%水平下显著为正，而三线以及以下城市的dig 指数不显著，意味着城市数字化水平对企业生产率的影响在一二线城市最为明显。 可能原因在于：一二线城市本身吸引人才、资本的能力比较突出，随着城市数字化水平的提高，对人才引进、招商引资政策上更加重视，这样上市企业搜寻成本一定程度上会降低，从而企业生产率变化更为显著。

表3 分组回归结果1：城市层面

2. 基于企业的异质性分析

通过表4 回归结果可以得出结论，城市数字化水平对企业生产率的影响效应从大到小依次是外资企业、国有企业、民营企业，其他类型企业不显著。 可能原因在于：外资企业较之国有企业和民营企业具有较强的融资能力，企业创新水平较高，在此基础上，城市数字化使得上市企业生产经营方式的调整较为容易，成本较低，从而企业生产率变化更为显著。

表4 分组回归结果2：企业层面

六、 机制分析

为了刻画城市数字化影响企业生产率的机制路径，本文借鉴温忠麟、叶宝娟的研究，采用中介效应模型，并基于Bootstrap 方法进行检验(抽取自助样本500 次)。 具体中介效应模型如下：

其中，tfp表示城市

j

的企业

i

在

t

年的全要素生产率，dig表示城市

j

在

t

年的数字经济指数，

X

是影响企业生产率的控制变量，

ρ

、

ρ

、

ρ

分别为个体、城市、时间的固定效应，

ε

为随机误差项，

M

为中介变量。 本文借鉴赵宸宇等的做法，采用成本费用率指标(cost)作为中介变量，计算表达式如下：

成本费用率=(营业成本+管理费用)/营业总收入

通过表5 回归结果可以发现，城市数字化对交易成本回归系数为负但不显著，而交易成本费用对企业生产率的回归系数是显著为负的，那么意味着交易成本费用可能是城市数字化对企业生产效率影响的中间机制。 本文对上述变量进行Bootstrap 检验，自助抽样500 次，检验结果表明，间接效应的95%置信区间[0.0303，0.0699]显然不包含0，这意味着城市数字化通过降低交易成本来提升上市企业的全要素生产率，中介效应占比是0.65%。

表5 中间机制：交易成本

七、 结论与政策建议

随着数字经济发展的重要性逐渐凸显，城市的数字化水平不断提高，数字经济与实体经济的深度融合对中国市场竞争驱动有着重要意义。 本文利用2017～2019 年上市企业数据以及中国城市数字经济发展指数，实证研究城市数字化对企业生产率的影响及其机制。 主要结论如下：第一，城市数字化对企业生产率具有显著提升作用；第二，基于城市属性与企业特征不同，城市数字化对企业生产率具有异质性影响；第三，城市数字化通过降低交易成本渠道来提高企业生产率。

基于研究结果，本文提出如下的政策建议：第一，政府应积极推进城市数字化建设，为企业尤其是上市企业提供良好的外部环境。 城市服务、治理数字化能够显著提升企业生产率，但是也不能忽视城市基础设施数字化的重要性，信息化基础设施建设，信息共享模式能便利企业间信息传输与沟通，进而提升企业生产率。 另外，政府应通过一系列体制机制改革鼓励产业融合，尽可能降低企业间交流成本，提高企业生产效率。 第二，企业应重视城市数字化对提升全要素生产率的重要作用。 一二线城市企业应有效利用城市数字化设施、数字化服务以及数字化治理手段进行数字化转型，提升企业自身的全要素生产率。 国有企业、民营企业应增强企业活力，响应城市数字化号召，提升创新能力。