12.20【文献分享】数字经济如何影响中国产业链韧性？

1.基准回归结果

本研究利用面板数据模型考察了产业链韧性与企业数字经济水平之间的关联。表2显示了基准回归模型的预期结果。表2的第（1）列仅考察了企业数字经济水平如何影响产业链韧性这一解释变量。不难看出，企业数字化转型的回归系数为正，且通过了10%的显著性检验，即企业数字经济的发展水平能够促进产业链韧性的提升。在基线回归模型中继续加入控制变量，同时考虑了省份、行业和年份固定效应。从表2第（2）栏中可以看出，即使回归系数的符号和显著性保持不变，回归结果也表现出一定的韧性。模型的拟合优度较高。这也验证了企业数字经济发展水平能够促进产业链韧性的研究假设。表2第（3）列采用企业数字经济第一阶段的滞后期作为解释变量，回归系数的符号也为正，且在1%的水平上仍然显著。进一步观察发现，企业数字经济的发展水平能够在较长时间内对产业链韧性水平的提升产生持续影响，即存在一定的滞后效应，这再次验证了本文的假设。假设H1得到验证。

2.中介效应分析

表3列出了企业数字经济成长阶段要素错配对增强产业链韧性的中介作用的检验结果。从表3第（1）列可以看出，基线回归的直接效应为0.013，在10%的统计水平上为正。第（2）列则描述了要素错配与企业数字经济发展水平之间的关系。在 1%的统计水平上，该系数为负，表明两个变量之间存在负相关关系，即企业数字经济发展水平越高，要素错配程度越低。在5%的水平上，第（3）列的可视化系数很大。根据中间效应模型的指导思想，本文可以得出这样的结论：通过降低要素错配，企业数字经济可以增强产业链的韧性。假设H2得到验证。

3.内生性问题

3.1工具变量法

采用工具变量法（IV）和两阶段最小二乘法（2SLS）进行回归分析，以减少反向因果 关系和变量缺失带来的内生性问题。根据以往的做法，采用同行业、同年其他企业数字化转型程度的均值作为企业数字化转型的工具变量。它满足相关性和外生性的约束：同行业数字化转型程度的均值在一定程度上反映了整个行业数字化转型程度的整体情况。一般来说，行业内其他企业的数字化转型程度越高，本企业的数字化转型程度也越高，二者之间存在相关性。但是，其他企业数字化转型程度的均值与本企业的其他行为不存在直接相关性，是产业链韧性的外生因素，通过了识别不足检验和弱工具变量检验。

表4显示了两阶段回归的相关结果。表5的 Kleibergen-Paap rk LM 检验统计量值为564.903，表明拒绝了关于工具因素确定不充分的零假设，因为它明显高于1%水平的临界值。Cragg-Donald Wald F统计量的值为578.066，远高于其在1%水平上的临界值，也拒绝了零假设。因此，本研究中使用的工具变量是合理的。表4（1）显示了第一阶段的回归结果。工具性要素与企业数字经济增长水平之间存在1%的显着正相关，与预期结果一致。从第二阶段的回归结果（见表4第（2）列）可以看出，企业数字化转型对产业链相关性有一定的促进作用。企业数字经济发展水平的回归系数也在1%的水平上显著为正，与基准回归结果相比，数值更高，说明在内生性问题解决之前，企业数字化转型能够提升产业链关联度。从数字经济的角度看，发展水平对产业链的改善作用被低估了。内生性问题的检验结果仍与前人的研究结论一致，增强了研究结论的可靠性。

3.2倾向得分匹配法

倾向得分匹配法可以有效减少样本选择问题造成的内生偏差。根据企业数字化转型的程度，将样本分为两组：数字化转型得分高于样本平均值的治疗组和对照组。如果样本的数字化转型得分高于样本平均值，则作为治疗组，否则作为对照组，并对对照变量进行相应的倾向得分匹配。通过平衡检验确保结果的准确性，平衡检验要求控制变量在匹配后的不同数字化转型程度下无明显差异。如果数据偏差减小，说明PSM后数据的匹配度提高，样本平衡性也会相应提高。根据样本均衡性检验结果，企业规模、企业年龄、现金流强度、股权集中度等变量在匹配前均显著，但在PSM后不显著，说明倾向性评级匹配后，这些变量的标准差显著降低，T值并没有拒绝处理组与对照组之间不存在系统偏差的原假设。说明匹配结果良好，消除了数字经济不同层次的禀赋特征，结果整体上通过了平衡检验。

4.稳健性检验

4.1替换核心变量

基准回归结果表明，企业数字数字化转型对产业链韧性有显著影响。替代基本变量的过程进一步验证了研究结论的有效性。为了重新评估产业链的韧性和企业数字经济的发展，本研究采用了以下方法：一是基于增值法，即利用采购占主营业务收入的比重重新计算产业链的关联度；二是将增值税率设为0，即在不考虑增值税的情况下重新计算产业链的韧性水平；三是将人工智能、大数据、云计算、数字化、信息化五个维度的细分指标标准化，然后按照等权重线性求和，得到新的数字化转型指数；四是对数字术语词典中五个不同维度的细分指标进行主成分分析，提取第一个主成分作为发展水平的替代指标。无论采用哪种检验方法，组织数字化转型的预测系数在至少 10%的水平上都大幅为正，这也证明了基准回归结果的正确性。

4.2替换样本数据

本文进一步采用替换样本数据的方法进行检验：首先，由于创业型企业大多与数字化相关，本文剔除创业板上市公司样本，重新进行回归检验。其次，考虑到直辖市的经济政治特殊性较强，企业数字经济成长水平的鲜明特征和产业链韧性也有较大差异，本文剔除直辖市上市公司样本，再次进行回归检验。最后，疫情爆发以来，在线教育、数字娱乐、协同办公等产业持续火热，也带来了发展机遇。忽视疫情的影响，容易造成一定的内生干扰。本研究利用2011年至2019年的上市公司样本进行了第二次回归检验，力求降低疫情的影响。研究结果表明，所有企业数字化转型回归系数均为正值，并通过了1%水平的显著性检验。因此，上述所有回归结果都验证了基准回归结果的稳健性，并为企业数字化转型促进产业链相关性的研究假设提供了支持。

4.3中介效应检验

本研究通过Sobel检验和Bootstrap检验来证明资源错配在产业链韧性和企业数字化转型之间的中介作用。检验结果见表5和表6。

表5显示，Sobel的Z值为4.064，P值小于0.05，拒绝原假设。表6显示，通过了Bootstrap法稳健性检验，检验结果与原回归分析结果一致。总体而言，中介效应通过了检验，进一步说明本文在实证基础上得出的结论具有一定的稳健性和可靠性。

5.异质性检验

5.1政治关联的异质性检验

本文通过将政治关联设置为虚拟变量，用PC表示，进一步考察政治因素是否在企业数字经济发展水平对产业链韧性的影响中发挥作用。在此基础上，本文分别对有无政治关联的子样本进行回归，相关结果如表8第（1）列和第（2）列所示。

当PC=1时，即企业高层管理人员担任过各级人大代表和政协委员时，数字化转型对提高产业链韧性有明显的正向促进作用，并通过了10%水平的显著性检验，反之则不显著。可能的解释是政治关联在企业数字化转型中发挥了重要作用。首先，政府通过政策引导和资金支持鼓励企业进行数字化升级。政策支持帮助企业明确转型方向，降低转型风险。其次，政治关系有助于企业获取数据、技术等关键资源，推动数字化转型的深入。数据是新的生产要素，拥有强大政治关系的企业可以更好地整合和分析数据，从而优化决策过程。此外，政治联系还能促进企业与政府之间的合作，推动数字技术在更广泛领域的应用，提高整体产业效率。例如，通过与政府合作开展智慧城市建设，企业可以进一步拓展业务范围，实现产业升级。"政治关联 "有助于企业把握市场动态，预判政策走向，从而更加灵活地应对市场变化，对提升产业链的应变能力也具有关键作用。数字化转型需要大数据和云计算技术，使企业能够更准确地把握市场动态和供应链状况，从而优化资源配置，降低运营成本，而政治关联度高的企业往往拥有更广泛的资源网络，数字化技术的应用可以进一步放大这些资源的协同效应，提高整体产业链韧性。此外，数字技术还能促进企业、政府和其他利益相关方之间的信息共享与协同合作。在企业政治关联度较高的背景下，这种合作往往更为紧密，而数字平台则提供了高效的信息交流渠道，有助于形成更为稳固的产业链生态系统。综上所述，政治关联企业不仅可以在数字化转型过程中提升自身竞争力，还可以通过加强与各方的合作，有效提高产业链的整体应变能力，从而在复杂多变的市场环境中保持优势。综上所述，假说H3得到验证。

5.2行业层面的异质性检验

本文分别对服务业和制造业两个子样本进行回归，相关结论见表9第（1）列和第（2）列。不难看出，制造业企业的数字化转型对提升产业链韧性水平具有正向意义，通过1%水平的显著性检验，服务型企业数字化转型对产业链韧性的影响明显差于制造业。可能的解释是，全面数字化升级为数字经济现阶段在制造业的发展提供了应用场景，传统制造业可以借助技术进行全面系统的改造，不断发挥数字技术在新业态上的叠加和倍增效应。当产品生产和销售过程涉及多个技术上可分离的阶段时，企业生产经营越来越多地与数字化技术进行实质性融合，每个阶段都可以由企业独立或与其他企业合作完成，数字化对企业内外部成本的影响逐渐凸显，并最终促进产业链关联度的提升。也就是说，随着数字经济的发展，制造业企业具有一定的领先优势。通过线上线下相结合的方式，平台化方式有可能拓宽工业数字经济的触角，推动制造业全渠道、多场景的数字化，释放巨大的产业红利，调整制造企业的边界，提高其对环境的敏感度。为了让产业链格局的演进更明显地发挥数字经济增长的优势，产业分工与合作更符合产业链的特点。

激烈的行业竞争意味着企业面临更大的价格和资源压力，可供选择的交易对象也更多。企业数字经济发展带来的生产和产品技术创新，可以增强企业在竞争环境中的生存和发展能力，成为企业竞争优势的主要来源。此外，数字化降低了外部交易成本，有助于拓宽业务范围，企业将配置更多的价值创造环节，延伸产业链。由于市场竞争激烈，为了保持竞争优势，企业可能会进一步拓宽产业链环节，实现向产业链上游的延伸，实行差异化经营，避开竞争激烈的最终产品环节，从而获取更多利润。可见，产业竞争力的高低会对企业发展数字经济对产业链现代化的促进作用产生影响。根据前期实践，样本一般分为两类：规上产业和竞争性产业。表9的第（3）列和第（4）列表明，从数字经济的角度来看，数字经济的发展对规上产业的产业链韧性影响不大。就竞争性产业而言，在1%的水平上，企业数字经济发展水平的回归系数为正且仍然显著。与规上产业相比，竞争性产业的发展对产业链韧性的影响更为明显。这是因为竞争性产业中的企业面临着较高的外部交易成本，而商业数字经济的发展使得外部交易成本有了较为明显的下降，从而增强了产业链的韧性。

5.3政策特征的异质性检验

本文为研究不同时期企业数字化变革对产业化环节关联度的促进作用是否存在差异提供参考。在方法上，将企业数字化转型发展过程分为科技政策阶段（2012-2014）、产业政策阶段（2015-2016）、创新政策阶段（2017-2020）。表10显示了相关回归结果。表10第（1）列显示了科技政策阶段的回归结果。不难发现，企业数字经济发展水平的回归系数并不显著，这可能是受人才匮乏、技术制约、成本高昂、认识不足等多种因素的影响。企业数字经济的发展通常很难取得成效，尤其是大多数中小企业都面临着 "不转、不愿转、不敢转 "的窘境。前期的持续投入容易成为企业的负担。从表10（2）可以看出，在产业政策阶段，企业数字经济发展水平的回归系数仍然不显著。可能的解释是，部分企业数字经济发展的重点方向不明确，与业务发展的相关性较弱，数字化人才缺乏导致业务难以深度拓展。此外，数字经济发展具有投资周期长、见效慢的特点。从表 10 第（3）列可以看出，在创新政策阶段，数字技术与企业生产经营活动具有实质性融合，随着数字化进程的推进，融合度不断提高，有利于业务流程再造。

本研究主要采用了实证分析方法，而忽略了理论分析方面的不足。此外，还应强调指标测量方法的局限性。例如，在评估企业数字化转型过程时，频率测量往往只关注表面现象，忽视了背景和实际应用的重要性。评估数字化转型的可持续性和长期影响具有挑战性，这表明过度依赖频率测量方法有其明显的局限性。此外，除了本研究考察的中介机制外，fsQCA等先进技术也有助于进一步研究。针对本研究的不足，提出了以下未来研究方向。第一，扩大样本量，准确定位样本的研究对象，进行更深入的研究，尽可能保证数据收集的客观性，使研究结果更加真实。第二，探索更加全面、科学的指标测量方法。三是增加相关的路径分析和机理研究，多用机理分析来探讨企业数字化转型如何影响产业链韧性。