侯林岐,程广斌,王雅莉

(石河子大学 经济与管理学院,新疆 石河子 832003)

0 引言

企业数字化转型是推动数字经济发展,保障经济动能平稳转换,实现经济高质量发展的微观基础[1-2]。《中国数字经济发展白皮书(2021)》报告显示,2020年中国数字经济规模达到39.2万亿元,占GDP比重为38.6%,已成为有效支撑疫情防控和经济社会稳定发展的重要力量。数字经济发展带动大量数字化技术落地与数字化项目应用,提高了用户在市场中的地位与作用,也催生企业生产经营模式、企业战略目标与内部管理体系的系统性变革[3]。特别是在后疫情时代,将人工智能、大数据、云计算等数字技术应用于企业生产经营,成为企业应对国内外生产经营环境的不确定性,推动高质量发展的必然选择[4]。从实践看,近年来中国企业正不断加快数字化转型进程。《2021中国企业数字化转型指数》显示,中国数字化转型指数由2018年的37分上升至2021年的54分,各行业企业整体数字化进程稳步推进,数字化能力建设整体行程已然过半。但是,企业数字化转型的进程并非一帆风顺,仅有16%的企业数字化转型成效显著,更多企业仍面临数字化转型基础薄弱、转型能力不足等问题,对数字技术的应用还处于摸索阶段[4]。

国家级大数据综合试验区建设能够促进数字产业发展,释放技术红利、制度红利和创新红利,为刺激企业数字化转型提供市场制度力量和政策支持。面对全球新一轮科技革命与产业变革,数据作为关键生产要素正对经济运行机制、社会生活方式和国家治理能力产生重要影响。目前,我国数字经济在发展规模和应用场景方面已具备一定基础,拥有较大市场优势和发展潜力,但是依然存在数字经济战略前瞻性和优势性尚存不足、数字经济发展饱和度和均衡性不够、数字经济创新能力和核心技术不够强、“数据孤岛”“数据烟囱”现象普遍等一系列短板[1]。为加快大数据部署,深化大数据应用,打造数字经济新优势,2015年8月国务院印发《促进大数据发展行动纲要》(以下简称《纲要》)。《纲要》从顶层规划、政策指引和实施方向等方面为推动数字资源开放、促进数字产业发展指明方向,并明确提出开展区域试点,为推动实施国家大数据发展战略提供可借鉴、可复制和可推广的发展经验[5]。2015年9月,贵州启动建设首个大数据综合试验区试点;2016年,国家公布第二批国家级大数据综合试验区建设名单,包括北京、天津、河北、内蒙古、辽宁、河南、上海、重庆、广东[6]。在发展目标和任务上,《纲要》指出,要统筹规划大数据基础设施建设,推动大数据在企业研发设计、生产经营等各环节的应用,带动管理方式、商业模式创新和产业价值链体系重构。

近年来,企业数字化转型引起学界和政府的广泛关注。现有研究围绕企业数字化转型的驱动因素、转型模式、作用表现等方面展开了系列探索。具体来看,企业数字化转型受到内外部双重因素推动[4],内部因素包括企业特征、组织学习、管理特征等[7],外部因素包括数字技术发展与渗透、市场需求变化、市场竞争加剧等[8-9]。在企业数字化转型模式方面,Matt等[10]、Andriole[11]、Verhoef等[12]、韦影等[8]、王永贵等[13]从战略层面剖析企业数字化转型的启动方式和策略类型。在企业数字化转型的作用表现方面,企业数字化转型能够提高企业的服务意识,提高企业获取客户的能力[14];数字技术对企业创新活动的渗透能够重塑企业的商业模式和价值获取方式,促进技术创新能力提升[15],提高企业全要素生产效率[16],最终提升企业绩效[17]。但是传统企业的数字化转型实践并不乐观,如唐松等[18]、吴非等[19]指出,许多企业在数字化转型过程中面临基础设施不足导致的“不会转”、研发资金约束导致的“不能转”以及转型阵痛期长导致的“不敢转”等问题。针对以上问题,部分学者从数字金融、金融科技和财政科技支出等视角出发,探索金融手段对企业数字化转型的影响[18-20]。

然而,目前尚未有文献将区域政策与企业数字化转型联系起来,国家级大数据综合试验区政策试点与企业数字化转型之间的影响机制仅能从其它相关文献中推论。一方面,企业提升数字化应用能力是长周期、高风险、低确定性的系统性创新过程,企业数字化转型过程中需要承担极高的创新成本与风险。同时,数字技术的外部性特征也使得支撑企业数字化转型的技术供给不足[19]。面对企业数字化转型的市场失灵问题,需要发挥政府“看得见的手”的作用,激发企业数字化转型的积极性。另一方面,数字基建与数字产业培育是政府推动企业数字化转型的重要抓手。前者通过政策支持刺激企业数字化转型,后者则借助市场力量推动企业数字化转型[21]。大数据综合试验区建设有利于完善区域信息基础设施,促进区域数字产业相关创新,提升企业智能化意识和研发水平[22]。基于上述文献推断,国家级大数据综合试验区可能对企业数字化转型具有推动作用。

鉴于此,本文将国家级大数据综合试验区作为一项准自然试验,以中国A股上市公司数字化转型为研究对象,探索大数据综合试验区建设与企业数字化转型之间的影响、作用机制和边界条件。本文边际贡献在于:在研究视角上,将大数据综合试验区的研究视角聚焦于微观企业,借助双重差分模型分析国家级大数据综合试验区建设对企业数字化转型的赋能作用,探究区域政策对企业数字化转型的影响,为大数据综合试验区政策红利提供微观层面的实证支撑,为相关话题开辟新维度;在研究深度上,本文构建大数据综合试验区对企业数字化转型的分析框架,从基建赋能效应、产业助推效应和政府扶持效应3个层面分析试点政策对企业数字化转型的影响,在此基础上考察企业和城市异质性问题,有助于深入理解大数据综合试验区影响企业数字化转型的作用机制和边界条件;在研究方法上,采用Python爬取和整理中国A股上市公司年报,利用PDFbox工具统计关键词词频,构建企业数字化转型指数,在此基础上采用渐进式双重差分方法从微观企业角度考察宏观政策的经济效果,并通过一系列稳健性检验证明核心结论的可靠性,丰富宏微观结合的实证运用,为类似话题的研究提供经验证据。

1 分析框架与作用机制

目前,我国大多数企业数字化转型还处于初级阶段,技术创新能力不强、产业基础薄弱、政策扶持不足是制约企业数字化转型发展的关键短板[23]。大数据综合试验区作为中国治理实践中特有的试点政策,能够通过基建赋能效应、产业助推效应和政策扶持效应助力企业数字化转型。

1.1 基建赋能效应

数字基建是数字经济发展的硬件支撑,是企业数字化转型的基石底座[24]。国家级大数据综合试验区通过统筹规划数字基础设施建设,为企业数字化转型提供技术和工具,降低企业数字化转型的技术应用与设备替代成本,赋能企业数字化转型。国家工信部数据显示,约一半的企业数字化转型进程滞留在技术应用的配套阶段,严重阻碍了企业数字化转型进程。一方面,数字基础设施薄弱导致传统企业无法有效利用数字技术赋能生产经营活动;另一方面,企业为了应用先进的数字技术,往往需要承担高昂的旧设备改造成本,导致企业数字化转型陷入转型成本高和转型收益低的双重困境,使得企业数字化转型只能在低水平徘徊[19]。大数据综合试验区通过统筹规划数字基础设施建设,促进数字基础设施建设水平提升。例如首先成为大数据综合试验区的贵州省,在建设中重点推动全省互联网建设,信息基础设施建设水平从全国第29位上升到第15位,新型基础设施建设水平提升为企业数字化转型奠定了基础[22]。一方面,大数据综合试验区在充分利用现有数字资源和平台设施的基础上,推动数字技术与移动互联网、云计算、人工智能等技术深度融合,强化大数据应用创新能力建设,为企业数字化转型提供丰富的技术和工具,有助于实现数字化技术与生产经营业务深度融合。另一方面,大数据综合试验区通过完善数字基础设施降低企业数字技术应用与设备配套的改造成本。大数据综合试验区建设会对现有数据中心及服务器资源进行改造和利用,建设低成本、高效率的数据汇聚平台,避免盲目建设和重复投资,有助于企业摆脱转型成本高昂和利润水平低下的双重困境,进而赋能企业数字化转型。

1.2 产业助推效应

随着产业体系不断扩张、专业化分工逐步拓展,数字化转型仅仅依靠单一企业无法有效完成,唯有形成上下游协同的数字产业化模式才能使企业数字化转型持续推进。目前,我国数字产业仍处于积累和壮大阶段,数字产业化催生的新模式、新业态对企业数字化转型的支撑作用有限[23]。国家级大数据综合试验区能够吸引大数据产业集聚,聚焦数字产业研发力和数字产业链关联两大发展路径,助推企业数字化转型。首先,大数据综合试验区会积极引进优秀高科技企业和高端前沿研发机构入驻,推动企业、科研院所和行业之间开展技术交流与合作,建立政产学研联动的协同创新模式,从而加快数字技术研发与应用,破解自主创新和重大技术突破对数字化转型的制约[22]。其次,大数据综合试验区中数字产业集聚有助于带动数字技术向产业链前后端溢出,引发数字化转型的持续变革。大数据综合试验区大力培育互联网金融、数据服务等新业态,有利于提高传统企业获取数据要素的能力。一方面,互联网金融、数据服务、数据处理等数据应用型企业能够为其数字化转型提供一系列优质技术工具,帮助企业对数字化项目风险特征与可用资源进行精准匹配,进而作出合理高效的技术创新决策,助力企业寻找数字化转型的最优路径。另一方面,在纵、横向产业链关联下,数字产业新兴业态发展倒逼传统企业转变经营管理模式,不断提升自身数字经济服务能力和创新效率,引发产业链数字化转型的持续革新[6]。

1.3 政府扶持效应

企业数字化转型过程中需要政府财政支持和制度支持,以保障转型工作的有序推进。企业数字化转型是长周期、高风险的系统性创新,只依赖内源性融资和内部创新资源调度容易陷入融资约束和利润低迷的双重困境,优质低价的外源性融资和良好的市场环境是企业突破数字化转型障碍的关键所在。一方面,当前中国金融市场存在直接金融市场有效供给覆盖率较低、间接金融市场风险厌恶偏好较强的特征,导致传统金融很大程度上制约企业数字化转型进程[18]。另一方面,数据作为新的生产要素,容易产生数字产权不清、数据安全难以保障、敏感信息泄露等问题,若没有完善的法律法规制度体系,会给企业数字化技术应用带来极大风险,抑制数据技术对企业生产经营的赋能效应[23]。大数据综合试验区通过财政金融支持为企业数字化转型提供宽松的金融环境和健全的制度保障。一方面,财政金融支出能够有效降低企业数字化转型成本,是政府提振企业技术创新的重要政策工具[19]。在大数据综合试验区建设中,地方政府通过产业投资基金、项目贴息等财政金融手段为符合条件的企业提供高效率资金支持,改善企业财务状况,分担创新风险,激发企业创新潜能。同时,财政扶持有助于降低金融机构投资者识别优质企业的成本,缓解投资过程中的信息不对称问题,将金融资源引导到数字创新领域,为企业数字化转型营造良好的金融环境。另一方面,大数据综合试验区会建立标准规范体系,制定法规制度标准,健全市场发展机制,从制度层面保障企业数字化技术研发与应用。例如,贵州、广东、内蒙古等省份在启动大数据综合试验区建设后,出台数据开放、保护等方面制度条例,加强基础信息网络和关键行业领域信息系统安全保护,推动数据资源权益方面的立法工作,以保障企业数字化技术的安全、有序、有效应用,为企业数字化转型提供制度保障[22]。

2 模型设定、变量选取与数据说明

2.1 模型设定

2015年,国家级大数据综合试验区公布第一批试点省份,次年又公布第二批建设名单,这一特征使得国家级大数据综合试验区政策满足准自然试验法的研究要求。但是,国家对于大数据综合试验区的选择可能会考虑区域发展水平和禀赋条件,导致试点选取并不完全具备外生性,直接使用OLS估计方法必然导致不可观测因素对大数据综合试验区试点政策效应评估的一致性产生干扰。为此,本文参考邱子迅和周亚虹[22]的研究方法,采取广义双重差分法评估大数据综合试验区对企业数字化转型的政策效应,构建如下模型:

Dltnit=α0+α1Treatit+α2Controlit+λj+μi+ηt+εit

(1)

式中,Dltn表示企业数字化转型,Treat表示国家级大数据综合试验区的政策效应,系数α1反映国家级大数据综合试验区建设对企业数字化转型的影响。Control表示为避免遗漏变量导致估计结果偏误而进行控制的一系列变量,λj、μi、ηt分别表示行业固定效应、省份固定效应和时间固定效应,ε为随机扰动项,j、i、t分别表示行业、省份和年份。

2.2 变量选取

(1)企业数字化转型(Dltn)。本文借鉴吴非等[19]的研究,采用上市公司年报中涉及企业数字化转型的词频数量刻画企业数字化转型程度。具体地,首先,从底层技术和数字技术应用两个层面确定企业数字化转型的关键词;然后,借助爬虫软件对研究区间内上市公司年报进行归类整理,并通过Java PDFbox库提取上市公司年报的所有词频;最后,匹配与企业数字化转型相关的关键词频,并对词频数量进行分类加总,从而得到能够反映企业数字化转型意愿及转型强度的初始指标。由于词频数据具有典型的右偏性特征,本文对该指标进行对数化处理。

(2)国家级大数据综合试验区(treat)。采用双重差分项衡量,根据国务院公布的国家级大数据综合试验区试点名单,将试点城市当年及以后年份设置为1,其余年份为0。

(3)控制变量。由于研究内容涉及企业和城市两个层面,本文在控制企业层面变量的基础上,将地区属性考虑在内。在企业层面,控制企业总资产(Asset,取自然对数)、净资产收益率(ROE)、两职合一(Merge)、托宾Q值(TobinQ)、股权集中度(Equity)、审计意见(Audit,标准无保留意见为1,其余为0)、营业收入(GOI,取自然对数)、企业资本密度(SD,总资产与营业收入之比)、企业年龄(Age,取自然对数)。在城市层面,控制经济发展水平(GDP,取自然对数)、人力资本水平(Hum,在校大学生数取自然对数)、金融发展水平(Fin,金融机构贷款余额取自然对数)。

2.3 数据说明

本文以2009—2019年中国A股上市公司为研究对象,上市公司数据来源于国泰安数据库(CSMAR)。为强化数据结构与研究内容的匹配性,剔除金融、房地产等特殊行业样本,剔除ST挂牌和退市企业,删除缺失关键数据的企业,并对企业层面的连续变量进行1%水平上的缩尾处理,以消除异常值,避免对回归结果造成偏差。城市层面数据来源于历年《中国城市统计年鉴》。变量描述性统计分析如表1所示。

表1 描述性统计结果Tab.1 Descriptive statistics

3 实证结果及分析

3.1 基准回归分析

国家级大数据综合试验区建设对企业数字化转型的回归结果如表2所示。其中,列(1)为控制时间、省份和企业效应,未纳入企业层面和城市层面变量的非稳健标准误估计结果;列(2)在列(1)基础上采用稳健标准误,列(3)、(4)在列(2)基础上逐步纳入企业层面和城市层面的控制变量。

表2 基准回归结果Tab.2 Benchmark regression results

可以看出,国家级大数据综合试验区建设有利于推动企业数字化转型。无论是否采用稳健标准误、是否加入控制变量,国家级大数据综合试验区建设的双重差分项对企业数字化转型的估计系数均显著为正。加入控制变量后,试点政策的双重差分估计系数与显著性没有发生实质性变化,表明国家级大数据综合试验区建设有利于促进企业数字化转型。以列(4)结果为例,试点政策的双重差分估计系数为0.556,且在1%水平上显著,说明国家级大数据综合试验区试点政策的实施使得试点城市较非试点城市的企业数字化转型水平高出0.556个单位。这可能是因为,一方面,大数据综合试验区建设通过数据开放共享,实现数据流引领技术流、物质流、资金流和人才流,深化数据要素在各行业创新应用,促进数字产业健康发展,为企业数字化转型提供技术和应用范式,赋能企业数字化转型;另一方面,大数据综合试验区建设有助于完善数字产业法规制度和标准体系,规范数字技术应用,切实保障数据安全,为企业数字化技术应用提供制度保障,消除企业数字化转型顾虑与风险。

3.2 稳健性检验

3.2.1 平行趋势检验

双重差分模型能够准确评估政策效应的前提是保证研究样本满足平行趋势检验,即在不存在政策冲击时,试点城市与非试点城市在时间发展趋势上具有一致性,并不会随时间推移产生系统性差异。为此,本文参考徐林等[6]的研究思路,通过事件研究法构建如下动态模型:

(2)

其中,did为一系列政策虚拟变量,表示国家级大数据综合试验区建设实施前5年、实施当年以及实施后第3年的政策虚拟变量,其余变量与前文一致。利用图示法比较国家级大数据综合试验区建设前后企业数字化转型的变动趋势,如图1所示。在试点政策实施前,试点城市与非试点城市的企业数字化转型水平并不存在显著差异。在试点政策实施后,试点城市与非试点城市的企业数字化转型水平逐渐出现显著差异,表明研究模型满足平行趋势。此外,从试点政策的动态效应看,国家级大数据综合试验区试点政策实施当年对企业数字化转型的促进作用并不显著,但随着时间推移,其政策效应不断增强,表明试点政策发挥作用具有滞后性和动态可持续性。

图1 平行趋势检验Fig.1 Parallel trend test

3.2.2 基于PSM-DID方法的估计

国家大数据综合试验区试点城市的选取可能受到区域经济发展水平、网络基础设施建设等因素影响,使得试点在分批次批复过程中丧失随机性,导致模型存在选择性偏误。为此,本文采取倾向得分匹配双重差分法(PSMM-DID)缓解选择性偏差问题,通过对试点城市和非试点城市进行倾向得分匹配,进一步提高试点城市与非试点城市的可比性。具体地,分别采用邻近匹配、核匹配和卡尺匹配3种方法,以控制变量作为匹配变量对样本进行匹配。经过匹配处理后,各匹配变量控制组与实验组结果接受无系统差异的原假设,基于匹配结果重新评估国家级大数据综合试验区建设对企业数字化转型的政策效应,回归结果如表3所示。可以看出,无论采用何种匹配方法,试点政策对企业数字化转型的影响均在1%水平上显著为正,表明国家级大数据综合试验区建设对企业数字化转型的推动作用具有稳健性。

表3 PSM-DID与内生性检验结果Tab.3 Results of PSM-DID and endogeneity test

3.2.3 控制其它政策冲击

在研究时间区间内,还有如“宽带中国”示范城市、智慧城市试点、创新型城市试点、科技和金融结合试点等可能会影响企业数字化转型的政策在实施,可能使基准回归结果产生系统性偏误。为避免这种类似或相关政策交叉导致的政策叠加效应干扰国家级大数据综合试验区建设对企业数字化转型的影响,本文参考徐林等[6]、唐松等[18]的研究成果,分别将“宽带中国”示范城市(KD)、智慧城市试点(ZH)、创新型城市试点(CX)、科技和金融结合试点(KJ)的政策虚拟变量带入模型,以准确识别国家级大数据综合试验区建设对企业数字化转型的净效应,结果如表4所示。在控制其它相似政策冲击后,国家级大数据综合试验区建设对企业数字化转型的影响依然在1%水平上显著为正,表明本文核心结论具有稳健性。

表4 控制其它相似政策冲击Tab.4 Controlling other similar policy shocks

3.2.4 安慰剂检验

为进一步排除其它不可观测的潜在因素影响国家级大数据综合试验区建设对企业数字化转型的估计结果,确保基准回归结果的稳健性,本文参考张杰等[25]的研究思路,通过随机抽取试点城市的方法进行安慰剂检验。具体地,随机抽取与国家级大数据综合试验区相同数量的城市构建虚拟试点政策变量,将产生的伪试点政策变量带入回归模型,观察伪试点政策变量的估计系数,并将该过程重复500次,得到伪试点变量的估计系数核密度分布图(见图2)。可以看出,伪试点变量的估计系数整体服从正态分布,且估计系数均值接近0,远小于基准回归中的0.556。这意味着国家级大数据综合试验区建设对企业数字化转型的估计通过安慰剂检验,其政策效应几乎不受其它随机因素影响,研究结论具有稳健性。

图2 安慰剂检验Fig.2 Placebo test

3.2.5 其它稳健性检验

为保证国家级大数据综合试验区建设对企业数字化转型的政策效果评估具有可靠性,本文进一步采用以下6种方法对实证研究进行稳健性检验:①替代变量法,参考涂心语和严晓玲[16]的研究方法,采用数字化总词频与年报总词频的比值重新衡量企业数字化转型程度;②排除预期效应,为保证政策具有外生性,即国家大数据综合试验区试点政策实施前,试点城市与非试点城市不会因为对政策有预期而提前采取措施,本文在回归模型中加入试点前一年的虚拟变量,以剔除预期效应对政策效应的影响;③单期DID,参考邱子迅和周亚虹[22]的研究方法,剔除2015年第一批次试验区样本,以检验政策效果评估的有效性;④改变样本区间,将研究时间区间由2009—2019年缩短为2012—2019年,验证样本时间区间选择不会对政策评估结果产生影响;⑤控制样本偏差,剔除具有特殊财政体制的直辖市和计划单列城市后重新进行实证检验;⑥加入联合固定效应,在基准回归的基础上添加省份×时间联合效应、行业×时间联合效应,控制省份、行业层面可能随时间变化的不可观测因素。以上回归结果见表5,结果均表明本文研究结论具有稳健性。

表5 稳健性检验结果Tab.5 Robustness test results

4 进一步拓展分析

4.1 作用机制识别

以上研究结果表明,国家级大数据综合试验区建设能够显著促进企业数字化转型。结合理论分析,本文进一步从基建赋能效应、产业助推效应和政府扶持效应3条路径,探索大数据综合试验区建设促进企业数字化转型的作用机制,构建如下中介效应模型:

Dltnit=α0+α1Treatit+α2Controlit+λj+μi+ηt+εit

(3)

Mit=β0+β1Treatit+β2Controlit+λj+μi+ηt+εit

(4)

Dltnit=χ0+χ1Treatit+χ2Mit+χ3Controlit+λj+μi+ηt+εit

(5)

其中,M为中介变量,其余变量与上文一致。参考赵涛等[26]、吴非等[19]的研究方法,分别选取互联网普及率、计算机与软件从业人员占比、财政科技支出强度衡量基建赋能效应、产业助推效应和政府扶持效应。若α1、β1、χ2均显著,且χ1相较于α1变小或显著性下降,则表明存在中介效应,回归结果如表6所示。

表6 作用机制检验结果Tab.6 Test results of action mechanism

从基建赋能效应的中介结果看,大数据综合试验区建设对互联网普及率的影响在1%水平上显著为正,表明大数据综合试验区建设有助于完善区域信息网络基础设施,提高区域互联网普及率。列(3)显示,试点政策和互联网普及率同时纳入模型后,两者对企业数字化转型均具有显著正向影响,且试点政策的估计系数较基准回归有所下降,表明大数据综合试验区试点政策通过完善信息基础设施,提高互联网普及率,丰富企业数字化转型工具和技术,赋能企业数字化转型。

从产业助推效应的中介结果看,大数据综合试验区建设对计算机与软件从业人员占比的影响在1%水平上显著为正,表明大数据综合试验区建设有利于吸引数字人才集聚,推动区域数字产业发展。列(5)显示,试点政策和计算机与软件从业人员占比同时纳入模型后,两者对企业数字化转型均具有显著正向影响,且试点政策的估计系数较基准回归有所下降,表明大数据综合试验区试点政策通过吸引大数据产业集聚,提高试验区数字产业从业人数比例,推动数字产业发展,助推企业数字化转型。

从政府扶持效应的中介结果看,大数据综合试验区建设对财政科技支出强度的影响在1%水平上显著为正,表明大数据综合试验区建设会促使地方政府加大科技创新支出力度。列(7)显示,试点政策和财政科技支出强度同时纳入模型后,两者对企业数字化转型均具有显著正向影响,且试点政策的估计系数较基准回归有所下降,表明大数据综合试验区试点政策通过提高财政科技支出强度,缓解企业数字化转型融资约束,保障企业数字化转型顺利开展。

4.2 异质性检验

4.2.1 企业层面

(1)产权属性异质性。相对于非国有企业,国有企业作为国民经济的中流砥柱,肩负着推动经济社会发展的重要责任。为此,本文根据企业产权性质将企业划分为国有企业和非国有企业,将国有企业赋值为1,非国有企业赋值为0,通过与试点政策交乘(Treat*Property)考察不同产权性质的企业在国家级大数据综合试验区试点政策下的数字化转型策略,结果如表7所示。列(1)显示,交乘项的回归系数在1%水平上显著为负,表明国家级大数据综合试验区建设对非国有企业数字化转型的推动作用强于国有企业。原因在于,国有企业具有较大的市场规模优势,对于数字化技术应用和转型的内生性需求较小,而非国有企业需要面对激烈的市场竞争,为获取和保持市场竞争优势,数字化转型的意愿较强。国家级大数据综合试验区试点政策能够为非国有企业的数字化转型提供良好的环境和基础,因而其政策效应更强。

表7 异质性检验结果Tab.7 Heterogeneity test results

(2)创新属性异质性。高科技企业是国家科技创新体系建设的重要组成部分,也是研发、应用和推动数字化的重要主体。为此,本文根据创新属性将企业划分为高科技企业和非高科技企业,将高科技企业赋值为1,非高科技企业赋值为0,通过与试点政策交乘(Treat*Innovate)考察不同创新属性的企业在国家级大数据综合试验区试点政策下的数字化转型策略。表7列(2)显示,交乘项的回归系数在1%水平上显著为正,表明国家级大数据综合试验区建设对高科技企业数字化转型的推动作用强于非高科技企业。原因在于,高科技企业具有较强的创新转型属性,且具备数字技术研发与应用的基础和内在需求,国家级大数据综合试验区能为高科技企业提供更广阔的市场和更强技术支撑;非高科技企业的主营业务对数字化转型的需求较小,相较于高科技企业,国家级大数据综合试验区建设对非高科技企业从事高风险、高投入、长周期数字化转型的驱动作用较弱。

4.2.2 城市层面

(1)地理位置异质性。我国国土辽阔,不同区域间在经济发展、产业结构、资源禀赋等方面存在巨大差异。为分析地理位置异质性是否会使国家级大数据综合试验区建设对企业数字化转型的促进效应产生差异,本文将城市样本划分为东部城市和中西部城市,并将东部城市赋值为1,中西部城市赋值为0,通过与试点政策交乘(Treat*Location)考察地理位置异质性下国家级大数据综合试验区建设对企业数字化转型的影响。表7列(3)显示,交乘项的回归系数在1%水平上显著为正,表明东部城市的国家级大数据综合试验区建设对企业数字化转型的促进效应大于中西部城市。原因在于,东部沿海城市凭借交通优势、政策支持率先发展,在经济发展、创新资源等方面比中西部更为优越,国家级大数据综合试验区建设能够有效推动东部城市企业数字化转型。相比之下,中西部地区数字化技术研发与应用基础较为薄弱,企业创新存在路径依赖,选择数字化转型的动力不足。

(2)政府效率异质性。政府工作效率是区域经济政策有效落实与执行的重要基础,大数据综合试验区建设面临推动数据资源开放共享、构建民生服务新体系、推动创新驱动新格局等众多任务,需要各地区、各部门、各企事业单位多方联合实现数据共享和制度对接,因而政府工作效率高低会直接影响试点建设成效。为此,本文根据《2016年中国地方政府管理效能排行榜》,将政府效率排名前50%的城市样本划分为高政府效率城市,排名后50%的城市样本划分为低政府效率城市,并将高效率城市赋值为1,低效率城市为0,通过与试点政策交乘(Treat*Efficiency)考察不同政府效率下国家级大数据综合试验区建设对企业数字化转型的影响。表7列(4)显示,交乘项的回归系数在1%水平上显著为正,表明国家级大数据综合试验区所在地区政府工作效率越高,试点政策对企业数字化转型的促进程度越高。原因可能在于,一方面,政府工作效率较高的试点城市能够更快速地建立社会治理大数据应用体系,为企业提供良好的生产经营环境,推动新一代信息技术与传统产业融合,探索协同发展的新业态、新模式,增强试点政策对企业数字化转型的赋能效应;另一方面,不同区域的资源禀赋和创新能力存在较大差异,高效率的政府更能因地制宜制定各种对策方案助推企业数字化转型。

5 结论与建议

5.1 研究结论

本文以国家级大数据综合试验区为准自然试验,基于2009—2019年中国A股上市公司和城市宏观数据集,采用双重差分法评估大数据综合试验区建设对企业数字化转型的赋能效应,并从数字基建、产业集聚与政府扶持3个层面构建大数据综合试验区影响企业数字化转型的作用渠道。得到以下主要结论:首先,大数据综合试验区建设能够有效赋能企业数字化转型,该结论经过一系列稳健性检验后依然成立。大数据综合试验区试点能够独立于其它政策之外对企业数字化转型发挥正向影响,但不是促进企业数字化转型的唯一政策,“宽带中国”等其它政策对企业数字化转型也具有驱动效应,一定程度回答了中国独特制度如何影响企业数字化转型。其次,在我国有为政府和有效市场良性互动下,大数据综合试验区建设通过基建赋能效应、产业助推效应和政府扶持效应3条途径推动企业数字化转型。这意味着中国的数字化进程需要政府与企业协同发展,相互助力。最后,基于异质性视角,大数据综合试验区建设对企业数字化转型的影响在产权性质、创新属性、区域和政府效率方面具有显著差异,这为充分剖析大数据综合试验区的数字化赋能效应提供了根植于中国本土逻辑的经验证据。

5.2 政策建议

基于以上结论,本文提出如下政策启示:

第一,总结国家级大数据综合试验区建设经验,发挥试验区示范作用,全面落实大数据发展战略,为企业数字化转型赋能。大数据综合试验区建设通过完善新型基础设施、推动数字产业发展、培育数字应用产业,增强企业数字化转型意愿,并为企业数字化转型提供资金、技术研发与应用方面的支持,赋能企业数字化转型。为此,未设立试验区的区域可以总结试验区建设经验,结合自身经济发展水平、资源禀赋等特征,探索适合本地区的数字产业与传统产业协同创新发展模式,建立数字化转型示范工程,鼓励企业在生产、经营、销售等环节应用数字技术,提高数字化转型意识,推进企业数字化转型进程。

第二,国家级大数据综合试验区建设应因地制宜、因企制宜制定发展战略,针对不同类型的企业、城市实施不同激励扶持政策。依照企业自身资源禀赋、属性特征,分类精准实施政策,有计划、有次序地引导和支持各类企业开展数字化转型,鼓励企业探索具有特色的数字化转型路径。具体地,大数据综合试验区应优先鼓励非国有企业、高科技企业数字化发展,着力降低其数字技术研发和应用成本,推动数字化转型。对于东部城市,鼓励企业加大数字化转型投入,持续巩固数字技术创新优势,探索数字技术与传统产业融合新模式;中西部城市应积极引进高新技术,利用后发优势加快本地区数字化转型进程。

第三,构建驱动企业数字化转型的长效激励机制,加强数据治理和监管体系建设。企业普遍面临资金、人才、技术、市场竞争和制度环境等内外部挑战,导致企业对数字化技术应用与转型信心不足。政府作为“有形之手”应该在市场主导基础上发挥更大作用,在技术研发、人才培养、市场竞争环境营造等方面给予企业一定政策支持,完善数字治理与监管体系,消除企业应用数字技术可能面临的数字安全、数字产权顾虑,鼓励企业挖掘数据价值,保障企业数字化转型顺利推进。

5.3 不足与展望

本文尚存在一定不足和有待深化之处,具体来看:一方面,缺乏对企业数字化转型运行模式的微观探讨。本研究基于宏观视角探索国家级大数据综合试验区对企业数字化转型的影响及其作用机制,但从微观视角看,企业数字化转型还需要通过组织内部结构创新、财务管理模式创新、商业模式创新等方式配合数字技术应用,以实现企业组织设计与数字化转型协同发展,这些内容有待进一步深入剖析。另一方面,中国情景下的企业数字化转型需要更全面、广泛的探讨。本研究在控制其它政策冲击效应中证明了“宽带中国”示范城市、智慧城市试点、创新型城市试点、科技和金融结合试点等政策对企业数字化转型的影响,但是不同试点政策推动企业数字化转型的路径是否存在差异,以及如何打破制约企业数字化转型和数字生态建设的政策障碍与体制瓶颈,推动企业数字发展范式升级转型,这些都有待深入研究。