一、 引言

在全球经济增长动能转换与科技革命迭代加速的共振背景下，数字化转型正从技术工具升维为新质生产力的核心载体，重构着人类社会的生产函数与价值创造逻辑。党的二十大报告明确提出“加快发展数字经济，促进数字经济和实体经济深度融合”^[1]，将数字化转型定位为国家战略竞争力的关键支柱。2024年《政府工作报告》进一步强调“大力推进现代化产业体系建设，加快发展新质生产力”，并首次将“深化人工智能、工业互联网等数字技术应用”与“实施制造业数字化转型行动”并列部署，标志着中国经济发展已从“要素驱动”全面转向“创新驱动”。^[2]然而，这一转型绝非简单的技术替代或流程优化，而是触及生产力内核的深层变革：当工业时代的土地、劳动、资本要素遭遇边际收益递减的“索洛诅咒”时，以数据为纽带、算法为引擎、智能设备为载体的新质生产力，正通过“技术跃迁—要素协同—效能激活”的协同机制，重塑经济增长的底层逻辑。^[3]这一进程在宏观层面体现为数字经济突破60万亿元的规模效应，在微观层面则表现为企业从“机器换人”的局部改良转向“数实融合”的生态重构。^[4-5]这一转型过程中存在理论与实践的深层张力：数字化转型如何突破传统要素的线性增长约束，实现生产率的非线性跃迁；数字化转型作为一种新质生产力，如何通过“技术—要素—效能”协同跃迁路径实现生产率的显著提升。对这些问题的回答，不仅关乎新质生产力的理论构建，更决定着中国式现代化的实践路径。

基于此，本文构建“技术—要素—效能”协同跃迁的理论框架，以揭示数字化转型对生产率的影响机制，并通过实证分析验证理论框架的合理性和有效性，为政策制定者和企业管理者提供理论依据和实践指导，推动数字化转型的深入实施。研究贡献主要体现在以下三个方面：首先，构建了“技术—要素—效能”协同跃迁的理论框架，系统揭示了数字化转型作为新质生产力的核心载体，如何通过技术跃迁、要素协同和效能激活实现生产率的非线性跃迁，丰富了数字经济时代的生产力理论；其次，通过微观实证分析检验了数字化转型对生产率的显著促进作用，并验证了“技术—要素—效能”协同跃迁路径的中介效应，为理论研究提供微观证据；最后，从宏观和微观层面分别为政策制定者和企业管理者提供实践指导。

二、 文献综述

（一） 数字化转型与生产率

数字化转型与生产率提升的内在关联机制，已成为当代经济学与管理学交叉研究的核心议题，其理论发展与实证检验呈现出明显的阶段性特征。从研究范式的演进来看，早期文献主要聚焦于信息技术投资的直接产出效应，随着研究的深入，学者们逐渐转向考察数字化转型对全要素生产率的系统性影响。宏观层面的跨国比较研究显示，数字化程度与经济增长率之间存在显著正相关关系，数字技术渗透率每提高10%，人均GDP增长率可提升0.3%~0.5%。^[6]与此同时，数字化转型是驱动经济高质量发展的核心引擎，其以全要素生产率的系统性提升为核心抓手，推动经济发展实现质量变革、效率变革与动力变革，是破解传统增长瓶颈、构建现代化经济体系的关键支撑。^[7]企业微观层面的面板数据分析进一步揭示，数字化转型通过多重中介路径影响生产率：其一，自动化改造直接提升劳动生产率，工业机器人密度每增加1个单位，制造业人均产出提高2.3%~3.1%^[8]；其二，数据驱动决策优化资源配置效率，基于大数据的供应链管理能够显著提升库存周转率^[9]；其三，平台化运营降低交易成本，电商平台以及区块链技术能够有效降低企业采购成本^[10]。中国特色的数字化转型表现出独特的双轨特征：一方面，头部企业快速推进智能化改造，工业互联网平台的应用能够显著提高生产效率^[11]；另一方面，中小微企业依托超级数字平台实现“轻量化”转型，通过SaaS（Software as a Service，软件即服务）获得数字化能力，以此来提升平均运营效率^[12]。值得注意的是，数字化转型对生产率的边际促进作用具有显著非线性门槛特征，这一阶段性突变规律深刻影响企业数字化战略选择。技术数字化变革与内部组织管理革新深度适配，是决定企业数字化转型提质增效成效的核心因素。^[13]

（二） 新质生产力的内涵与特征

新质生产力理论的建构过程体现了数字经济时代对传统生产力理论的突破与创新，其理论体系呈现多维融合的发展态势。从要素维度看，数据作为新型生产要素展现出独特的价值创造逻辑：其非竞争性特征突破了传统要素的稀缺性约束，网络效应带来边际收益递增，而即时共享性则重塑了要素配置方式。^[14-15]最新研究尝试量化数据要素的产出弹性，测算结果显示，在数字经济成熟行业，数据资本对产出的弹性系数显著高于传统物质资本。^[16]从技术维度看，数字技术集群的创新呈现出“叠加—融合—涌现”的演进特征：人工智能、区块链、物联网等技术的交叉融合产生协同效应，工业互联网平台能够缩短制造业研发周期。^[17]从组织维度看，新质生产力推动生产组织方式从科层制向生态系统演进，平台型企业通过构建价值网络实现全球资源整合，头部工业互联网平台已连接超过100万家制造企业。中国情境下的新质生产力发展展现出显著的制度嵌入性特征：新型举国体制加速关键技术突破，在5G标准必要专利领域处于全球领先地位；超大规模市场培育数据要素优势，中国数据产量年均增速达30%；产业政策引导数字技术与实体经济深度融合，工业互联网产业规模突破万亿元。^[18]当前理论研究的前沿已转向新质生产力的测度体系构建，有学者提出包含数字要素投入、智能技术应用和网络化协同的三维测评框架，为后续实证研究提供了方法论基础。^[19-20]

（三） “技术—要素—效能”协同跃迁的理论基础

“技术—要素—效能”协同跃迁理论通过系统整合技术创新、要素配置与效能提升的研究成果，构建了理解数字化转型深层机制的分析范式。技术范式转变理论的最新发展强调数字技术的“通用目的技术”属性，其渗透性、互补性和创新衍生性构成生产率跃迁的技术基础。^[21]实证研究表明，数字技术与组织创新的协同程度决定生产率提升幅度，当企业同时实施数字化改造与流程再造时，三年内其效能提升效果可达25%~32%。^[22]生产要素理论的突破性进展体现在对数据要素特殊性的系统刻画上：数据具有累积增值特性，其价值随应用场景拓展呈指数增长，数据要素与传统要素存在超边际互补效应，二者的协同弹性系数达0.65。^[23]效率理论的创新性发展表现为对数字化转型中效率来源的重新解构：配置效率提升源于数据驱动的精准匹配，智能制造能够有效提高设备利用率，AI质检能够有效降低产品不良率，数字平台则会进一步提升技术扩散速度。^[24]协同跃迁机制的实证检验揭示出三重反馈回路的运行规律：“技术—要素”循环表现为数字技术应用产生数据资产，后者又反哺技术迭代，这种正向反馈使头部企业的技术优势持续扩大；“要素—效能”循环体现为数据要素优化生产决策，效率提升释放更多资源投入数字化转型；“效能—技术”循环表现为生产率提升增强创新投入能力，促进技术持续进步。^[25]中国特色的协同跃迁路径展现出显著的制度赋能特征：产业政策通过重点示范项目引导技术攻关，国家智能制造专项带动社会投资比达到 1∶8。^[19]市场机制依托超大规模优势培育创新生态，消费互联网带动产业互联网发展的“双轮驱动”模式独具特色^[26]；企业战略强调渐进式创新与突破式创新并举，头部企业研发投入强度达22.66%^[27]。数字化转型研究在方法论层面正经历深刻变革，大数据分析技术使企业级数字化转型评估成为可能，复杂系统建模为理解非线性跃迁提供新工具，实验经济学方法为政策效果评估建立微观基础。^[28]这些方法论创新正推动着数字化转型研究向精细化、系统化方向发展。

当前关于数字化转型与生产率关系的研究虽已取得丰硕成果，但现有文献在以下方面亟待突破：首先，多数文献采用静态分析框架，难以捕捉数字化转型过程中的非线性特征和临界点效应；其次，对新质生产力的理论建构仍显碎片化，特别是数据要素与传统生产要素的协同机制缺乏系统性解释；最后，基于中国等新兴经济体的情境化研究不足，未能充分考察政府引导与市场机制的特殊互动关系。这些理论和方法上的局限，为本文研究提供了创新方向。

三、 理论模型与研究假说

（一） 生产函数与成本函数优化

为明确数字化转型通过技术跃迁、要素协同与效能激活驱动新质生产力的路径，本文构建如下生产函数，将代表性厂商的产出设定为柯布-道格拉斯生产函数形式，具体公式为

其中，Y表示总产出；K表示资本投入；L表示劳动投入；D表示数据要素投入；φ表示数字化转型强度，用企业数字化技术应用水平表征；γ表示数字化对传统要素的增强弹性，是理解新质生产力超线性增长的关键参数；α、β和1-α-β分别表示资本、劳动和数据要素的产出弹性。

为体现数字化转型的“技术—要素—效能”协同跃迁路径，本文作如下设定：技术跃迁系数A_t=A₀e^θφt，θ表示数字技术即时创新效应，说明数字化水平提升加速技术进步^[23]；要素协同系数λ（φ）=e^ηφ（η＞0），η表示数据要素配置效率，λ（φ）始终大于1，说明数字化转型对要素配置效率的非线性增强^[29-30]；效能系数 $e^{\varphi \phi }$，φ表示数字化转型效能提升收益，体现规模经济与协调成本的动态平衡^[22]。

成本函数用线性数字化转型成本表示更贴合实际（如云计算按使用量付费），公式为

其中，m＞0，表示数字化单位成本。

（二） 厂商利润最大化求解

在完全竞争市场（价格P=1）下，厂商最大化利润为

对K、L、D求一阶条件（FOC），可得要素需求方程式为

（三） TFP表达式与边际递增性

将利润最大化求解方程式代入要素需求方程，消去K、L、D，得到TFP分解式为

对式（5）TFP取对数处理，得到式（6）为

对lnTFP取数字化转型的二阶导数，得到式（7）为

根据前文参数的设定，易知 ${\partial }^2\mathrm{l}\mathrm{n}\mathrm{T}\mathrm{F}\mathrm{P}/\partial {\phi }^2>0，$ 说明数字化转型对于企业生产力的提高存在非线性关系，这表明企业全要素生产率的边际增长效应与其数字化转型水平呈正相关关系，即存在“数字化加速器”效应。当企业的数字化转型突破临界阈值后，技术、数据与组织能力的协同作用将显著放大，推动生产力呈现指数级跃升，符合新质生产力的发展特征。

基于此，本文提出下面两个理论假设。

假设1：企业数字化水平与TFP存在正相关关系，且数字化投入的边际生产率呈现递增趋势，即数字化转型对TFP的促进作用随着投入强度的增加而显著增强。

假设2：数字化转型通过技术跃迁、要素协同与效能激活三重路径驱动新质生产力发展。

四、 数据、变量与实证模型

（一） 数据来源及处理

本文的实证分析基于两套数据。第一套数据是2011—2022年中国沪深A股工业上市公司的面板数据，通过对Wind数据库和CSMAR数据库的企业基本信息、经营指标、员工结构、公司治理和财务数据等多维度信息进行匹配构建研究样本。在数据预处理阶段，进行如下数据清洗：（1）剔除关键变量缺失或异常的观测值，包括员工人数、生产人员占比和营业收入等核心指标；（2）排除不符合会计准则的数据记录；（3）剔除上市年限不足一年的企业，以控制IPO效应；（4）移除ST、*ST等财务状况异常的连续亏损企业；（5）为确保样本的代表性，将年营业收入低于2000万元的小规模企业排除在研究样本之外。

第二套数据来源于国家统计局发布的《中国投入产出表》。该数据体系基于Leontief^[31]提出的产业关联理论构建，能够系统反映各产业部门之间的技术经济联系和供需关系。本文利用该表信息考察数字产业部门与下游应用产业之间的投入产出关联，并据此构建数字化程度测度指标。鉴于投入产出表非连续发布的客观特性，为了最大程度规避数据插值可能引起的测量误差，并确保指标测度的准确性，本文采取严格匹配策略，仅选取投入产出表实际发布的年份（即2012年、2017年、2018年、2020年和2022年）作为研究样本，构建非平衡面板数据进行实证检验。在具体处理上，本文将《中国投入产出表》的部门分类、《数字经济及其核心产业统计分类（2021）》以及证监会行业分类标准进行了统一整合与匹配，最终构建了包含40个细分工业行业的分类体系。经过上述标准化处理，本文总计获得5912条有效观测值，为后续的研究奠定了扎实的数据基础。

（二） 变量说明

1. 被解释变量

本文的被解释变量为企业全要素生产率（TFPi_jt）。在微观层面，企业TFP既能体现在既定要素投入下企业所能达到最大产出的能力，也可较为全面地体现新质生产力理念。

在TFP测算方法的选择上，考虑到传统最小二乘法（OLS）和固定效应（FE）方法在解决内生性问题和信息损失等方面的局限性，通过比较分析现有文献中常用的OP、LP和ACF三种方法的特点后^[32]，本文最终采用Levinsohn等^[33]提出的LP方法作为主要测算方法。在具体的变量选取上，本文采用以下操作化定义：以企业年度营业收入衡量总产出；用职工薪酬支出来表征劳动力投入；选取固定资产净值作为资本投入的代理变量；中间投入则使用营业成本加上三项期间费用（销售、管理和财务费用），再扣除折旧摊销和职工薪酬后的余额来度量。为增强研究结论的稳健性，本文同时采用ACF方法计算TFP作为补充验证。

2. 解释变量

本文的核心解释变量是企业数字化转型（DT_ijt），其构建过程融合了行业数字化特征与企业个体差异。首先，根据《数字经济及其核心产业统计分类（2021）》界定数字经济核心产业部门，并参考许宪春等^[34]、宋旭光等^[35]的方法，采用“数字化调整系数”（ρ_jt）来量化各行业的数字化渗透程度，该系数定义为行业数字化经济增加值与行业总增加值的比值。在具体测算时，运用BEA的估算框架，假设各行业数字化中间投入结构与其整体投入结构保持一致，使得该系数同时反映了行业数字化产出占总产出的比例。其次，基于《中国投入产出表》数据计算行业间的技术关联度（σ_jn），用以衡量特定行业对其他行业产品的依赖程度。最终，测算出企业级数字化指标：DT_ijt=（RDP_ijt/RDP_median_t）×DT_jt。其中，RDP_ijt/RDP_median_t表示企业i研发人员数量占比与所有企业研发人员数量占比中位数的比值。这种测度方法的创新性体现在：一方面，突破了现有研究多停留在区域或行业层面的局限，实现了数字化水平的微观企业级度量；另一方面，通过结合行业技术特征与企业研发要素，更精准地捕捉数字化转型的异质性影响，为后续的实证分析提供了可靠的变量基础。

3. 机制变量

本文在变量选取方面特别关注“技术—要素—效能”协同跃迁的影响机制，分别从3个维度选取机制变量。在技术跃迁维度，采用企业年度申请的数字技术专利数量（取对数）作为代理变量，该指标通过检索国家知识产权局专利数据库，筛选出与人工智能、大数据、云计算等核心技术相关的发明专利数和实用新型专利数进行加总，能够有效反映企业的实质性技术创新能力。在要素协同维度，借鉴Acemoglu等^[23]的生产函数估计方法，通过构建包含传统资本和数据要素的超越对数生产函数，计算出资本—数据替代弹性系数，该系数大于1表示要素之间存在替代关系，小于1则反映互补关系，能够精准捕捉数字化转型过程中生产要素组合方式的动态演变特征。在效能激活维度，采用迪博内部控制指数作为衡量指标，该指数从内部控制环境、风险评估、控制活动、信息沟通和监督5个维度全面评估企业治理效能，能够反映数字化转型对企业运营管理体系的优化作用。

4. 控制变量

为准确识别数字化转型对企业全要素生产率的影响，本文构建了多层次的控制变量体系。在企业微观层面，控制了可能影响生产率的六大关键因素：通过从业人数对数控制企业规模效应（scale），采用资产负债率衡量财务杠杆水平（debt），构建上市年限指标反映企业生命周期阶段（age），引入人均固定资产净值表征资本密集程度（kl_ratio），使用流动比率监控短期偿债能力（ca_ratio），采用应收账款与销售收入之比反映企业面临的融资约束（fin_con）。在行业特征层面，利用基于总资产市场份额计算的赫芬达尔指数捕捉市场集中度（hhi），同时纳入行业企业数量（num）反映竞争环境。考虑到区域发展不平衡可能产生的影响，本文还控制了经价格指数调整的人均GDP（per_gdp）和人口增长率（peo_rate）等宏观变量。为避免极端值干扰，所有连续变量均进行对数化处理，并对关键财务指标实施行业年度标准化调整。

（三） 模型设定

本文通过构建面板数据固定效应模型来考察数字化转型对企业TFP的影响作用，具体模型设定为

其中，被解释变量TFP_ijt表示企业i在t年度的全要素生产率；核心解释变量DT_ijt表示企业数字化水平，其系数β₀反映数字化转型对生产率的影响效应；控制变量集X_ijt涵盖企业微观特征、行业特性和区域经济因素等维度的协变量。为控制不可观测的异质性影响，模型设置了企业固定效应υ_ij和时间固定效应υ_t，这种双向固定效应设计能有效缓解不随时间变化的企业固有特征以及不随个体变化的宏观时间趋势对估计结果的干扰。考虑到行业内部企业之间可能存在相关性，所有标准误均在行业层面进行聚类调整，以确保统计推断的有效性。

此外，为检验数字化转型通过技术跃迁、要素协同和效能激活实现生产率的非线性跃迁，本文构建中介模型为

其中，MED为中介变量，分别表示技术跃迁、要素协同和效能激活。

（四） 理论模型与实证变量的对应

第一，核心变量的实证测度与物理意义。理论模型中的变量φ表征数字化转型强度，在实证分析中，本文将其具体化为企业数字化技术应用水平，即式（7）中的核心解释变量DT_ijt。

第二，关键微观参数的机制识别。为厘清理论模型结构性参数与实证代理变量的匹配关系与传导逻辑，本文构建如下映射框架，以验证假设2。技术跃迁参数（γ）的检验：在理论上，γ代表数字技术对技术进步的即时加速效应；在实证中，采用企业专利申请数作为代理变量，检验数字化应用是否直接提升了创新产出。要素协同参数（η）的检验：在理论上，η反映了数字化对资本、劳动等传统要素配置效率的优化；在实证中，引入资源配置效率作为中介变量，检验数字化应用是否优化了要素结构。效能激活参数（φ）的检验：在理论上，φ体现了规模经济与协调成本的平衡；在实证中，利用企业内部控制指数来刻画企业内部运营流程的效能改善情况。

五、 实证分析

（一） 基准回归分析

表1呈现的是多层次回归分析结果，其中，列（1）—列（4）为逐步纳入企业微观特征、行业特性和区域经济等控制变量，并引入时间、行业和地区三维固定效应，有效控制了潜在干扰因素之后的回归结果。研究发现，数字化转型变量的回归系数始终保持在1%的水平上正向显著，列（4）结果表明，数字化转型每提升1个百分点，将带动企业全要素生产率增长约0.334个百分点。为增强结论的稳健性，列（5）中进一步纳入地区与时间的交互固定效应，以捕捉区域层面随时间变化的非观测因素影响，从结果可以看出，数字化转型变量的促进作用依然显著，这一发现有力地验证了研究假设1中企业数字化水平与TFP存在正相关关系。

控制变量的实证结果呈现出符合经济学理论的显著特征。具体而言，企业规模变量的正向显著效应印证了规模经济理论，表明大型企业能够通过资源配置优化和生产专业化来提升运营效率；流动比率指标的正向影响揭示了企业财务健康对生产效率的重要作用，充足的流动性不仅增强了企业抵御外部风险的能力，更为技术升级和创新活动提供了必要的资金支持；而融资约束变量的负向显著效应则凸显了资金可得性对企业发展的重要性，当企业面临融资困境时，其研发投入和产能扩张都会受到明显制约。虽然部分控制变量未能通过统计显著性检验，但其影响方向与经济理论预期基本一致。

注：（1）数字化转型指标是根据上文公式构造；（2）括号内是行业层面的稳健聚类标准误，其中，***、**、*分别表示在1%、5%、10%水平上显著。下同。

（二） 数字化转型的边际递增效应

进一步，本文对数字化转型的边际递增效应进行分析。具体采用以下两种方法：第一，将样本按照数字化水平的均值进行划分，高于均值的企业划分为高数字化水平组，低于均值的企业划分为低数字化水平组，分样本检验；第二，采用面板门槛回归方法考察数字化转型影响的非线性特征。在模型设定阶段，通过Bootstrap抽样方法（重复1 000次）对门槛效应进行显著性检验。检验结果表明，数字化转型的促进效应存在显著的单一门槛效应，未发现双重或三重门槛存在的统计证据。

表2的实证结果揭示，数字化转型对生产效率的影响存在明显的边际递增效应。具体而言，对于高数字化水平的企业，数字化转型的回归系数显著为正且在1%水平上显著，数字化转型每增加1个百分点，企业TFP会提高0.414个百分点。而对于低数字化水平的企业，数字化变量的统计意义不显著。从经济意义来看，数字化转型也会促进低数字化水平企业TFP提升，但其促进程度要低于高数字化水平的企业。此外，门槛回归结果进一步揭示了数字化转型影响企业效率的非线性特征。根据表2列（3）的回归结果，数字化转型对企业TFP的影响存在明显的阶段性差异：当数字化水平低于2.617的门槛值时，数字化转型每提升1个百分点，企业生产率平均增长0.139个百分点；而跨越该临界值后，同等幅度的数字化转型带来的生产率提升幅度跃升至0.305个百分点。这一非线性关系表明，数字化转型对新质生产力的赋能作用受到最小有效规模的严格约束，反映了企业数字化建设从单点应用向系统集成与数据驱动跨越的经济学逻辑。在跨越临界点之前，企业处于数字化摸索期，主要表现为单一环节的数字化改造。由于这一时期各部门间尚未互联互通，导致严重的信息孤岛效应，且高昂的初期固定成本投入与组织管理的适应性摩擦相叠加，使得短期产出收益被成本抵消，呈现出索洛悖论现象，这合理解释了低数字化水平组促进作用不显著的原因。当企业跨越该门槛值后，数字化建设完成从量变到质变的积累，迈入系统集成与全链条数据驱动的新阶段。此时，企业内部研发、生产及供应链等系统实现深度融合，数据要素在全流程中发挥乘数效应，大幅降低边际协作成本，推动企业生产函数发生根本性跃迁，从而呈现出显著的边际报酬递增特征。由此，验证了研究假设1中数字化投入的边际生产率呈现递增趋势。

（三） 稳健性检验

1. 工具变量回归

为克服基准回归中可能存在的内生性偏误，本文采用工具变量法进行因果识别。内生性问题主要来源于双向因果关系：一方面，数字化转型可能提升企业生产效率；另一方面，高生产率企业也更倾向于加大数字化投入。借鉴黄群慧等^[36]的方法，本文创新性地构建了行业数字化工具变量：基于2002年投入产出表的计算机通信设备制造业和信息服务业对其他行业的中间投入比例（IV1），这一历史数据能够有效反映行业数字化基础特征，同时又因时间滞后性而满足外生性要求。为确保工具变量的时效相关性，将其与各省份信息服务业固定资产投资增速构建交互项，再通过企业研发强度进行加权调整，最终得到企业层面的工具变量，回归结果如表3列（1）所示。这一设计既保留了行业数字化禀赋的历史特征，又引入了区域投资动态的时间维度，同时通过企业研发权重反映个体差异，较好地满足了工具变量的相关性和排他性约束。数据来源于国家统计局，为研究结论提供了可靠的数据支撑。此外，本文还选取公司所在城市到杭州球面距离（IV2）、历史上1984年每万人邮局数量与每百人固定电话数量（IV3）作为数字化转型工具变量^[37]，结果如表3列（2）和列（3）所示。

工具变量回归结果（见表3）为本文核心结论提供了更可靠的因果证据。列（1）—列（3）中显示了严格的工具变量有效性检验的回归结果：Cragg-Donald Wald F统计量均显著大于Stock-Yogo检验临界值，有力地拒绝了弱工具变量的原假设；同时，Kleibergen-Paap rk LM检验统计量均在1%水平上显著，表明不存在识别不足问题。这些诊断性检验证实了工具变量的合理性和有效性。在控制内生性偏误后，数字化转型的促进效应依然稳健且高度显著，与基准回归结果相互印证。

注：中括号中是Stock-Yoga检验临界值。

2. 其他稳健性检验

为确保研究结论的可靠性，本文实施了多维度的稳健性检验，结果如表4所示。第一，采用行业级数字化转型指标进行再检验，避免企业层面指标的测量误差，其结果如列（1）所示；第二，构建存续企业样本，消除企业进入退出行为对估计结果的干扰，结果如列（2）所示；第三，运用ACF方法重构全要素生产率指标，改进传统生产率测算的潜在偏差，结果如列（3）所示；第四，引入生产率滞后项捕捉动态调整效应，结果如列（4）所示；第五，分别采用企业和城市双重聚类标准误处理误差项的相关性问题，结果如列（5）所示。系列检验结果显示，数字化转型的促进效应始终保持显著为正，表明研究结论对模型设定、变量测度和样本选择均表现出较强的稳健性，使研究结论更具说服力。

（四） “技术—要素—效能”跃迁路径

在前文理论框架和实证检验的基础上，本文进一步深入剖析数字化影响企业效率的具体作用路径和现实表现。基于企业微观运行特征和数字经济发展规律，探讨数字化转型如何通过技术跃迁、要素协同与效能激活三重路径驱动新质生产力发展，验证数字化驱动企业高质量发展的内在机制。

表5呈现了“技术—要素—效能”跃迁路径回归结果。结果显示：数字化转型能够显著促进企业的技术跃迁，这主要体现在数字技术的应用大幅提升了企业的创新产出，特别是数字技术专利数量显著增加，这种技术跃迁为企业生产率提升奠定了创新基础，使得新技术能够更快地转化为实际生产力；在要素配置方面，数字化转型明显改善了生产要素的协同效应，数据要素与传统资本形成互补关系而非简单替代，这种新型要素组合方式优化了企业的资源配置效率；数字化转型还显著激活了企业的管理效能，通过完善内部控制系统、优化决策流程等方式提升了整体运营效率。更重要的是，上述三重机制的协同作用进一步推动了TFP的跃迁。数字化转型通过激发技术跃迁、优化要素协同以及激活效能释放，形成了一个完整的良性循环系统。技术的持续创新为企业提供了强大的技术支撑，要素的高效协同优化了资源配置，效能的激活则进一步提升了企业的运营效率和市场竞争力。因此，研究假设2得以验证。

（五） 异质性分析

前文研究发现，数字化水平的提高能够显著促进中国整体工业企业生产率的提高，但这一分析只是平均意义上的，忽视不同地区、不同行业内部的企业异质性可能会掩盖数字化转型对企业生产率影响的作用途径。为了考察数字化转型对不同类型企业的影响差异，本文进一步从企业所有制、企业规模、地理位置及行业集中度4个维度进行分组考察，回归结果如表6所示。列（1）和列（2）报告了基于企业所有制的异质性分析结果。回归数据显示，国有企业与非国有企业的回归系数均在1%水平上显著为正，其中国有企业的系数为0.480，明显高于非国有企业的0.289。这一差异表明，在培育新质生产力方面，国有企业凭借其资金实力、政策支持，能够更高效地将数字技术转化为生产效能；相比之下，非国有企业虽机制灵活，但受制于资源约束，其转型深度相对有限。列（3）和列（4）进一步揭示了企业规模维度的异质性。数字化转型对大型企业TFP具有显著的正向影响，系数为0.413，但在中小企业样本中未通过显著性检验。这种分化体现了数字化转型的门槛效应与规模效应：新质生产力的形成往往伴随着高昂的数字化设备投入与算法开发成本，大型企业具备更强的风险承担能力和资源整合能力，因而更易实现从技术至产出的良性转化。列（5）和列（6）考察了地理位置对数字化赋能效果的异质性约束。回归结果表明，沿海地区企业的估算系数显著为正，而内陆企业统计结果不显著。这一结果揭示了数字鸿沟对新质生产力布局的影响：沿海地区数字基础设施完善、数据要素市场活跃且高端人才集聚，为企业数字化转型提供了优越的外部环境；反观内陆企业，受限于外部配套不足，数字化赋能效果尚未完全显现。列（7）和列（8）依据赫芬达尔—赫希曼指数平均值分组，检验了行业集中度即市场竞争带来的差异。结果显示，在行业集中度低的分组即竞争激烈的分组中，数字化转型的提升作用显著，系数为0.427，而在行业集中度高的分组中作用不显著且系数为负。这说明市场竞争机制是推动企业向新质生产力转型的关键动力：在竞争激烈的环境中，企业更有动力利用数字化手段降本增效、创新产品，以获取生存空间；而在垄断程度较高的行业，企业缺乏转型的紧迫感，甚至可能出现资源错配。

六、 结论与建议

本文首先构建了包含数字化转型要素的扩展生产函数理论模型，通过一般均衡分析阐释了数字化转型促进企业TFP增长的理论机制。在此基础上，利用2011—2022年中国沪深A股工业上市公司微观数据，采用计量经济学方法对理论假说进行实证检验，系统揭示了数字化转型驱动企业从传统要素依赖向新质生产力跃迁的微观机制。研究发现：数字化转型对企业TFP具有显著的正向促进作用，这一结论在经过工具变量法、变量替换等稳健性检验后依然成立；数字化转型对企业TFP的促进作用呈现明显的边际效应递增特征，这一非线性关系验证了数字经济发展过程中的规模效应和网络效应；机制检验结果表明，数字化转型通过技术跃迁、要素协同、效能激活三重路径驱动新质生产力发展；异质性分析显示，数字赋能效应在国有企业、大型企业、沿海地区企业以及低集中度行业企业中更为显著。

基于上述结论，本文提出如下政策建议。

第一，构建差异化的数字化转型支持体系。政策制定应基于企业数字化成熟度的分类指导。针对处于低数字化水平的企业，政策的重点不应局限于简单的资金投入激励，而在于帮助其克服适应性摩擦并跨越初始门槛。建议政府牵头组建数字化转型服务联盟，为企业提供从顶层设计到落地实施的数字化转型整体解决方案咨询，降低企业试错成本。同时，大力推广共享型工业互联网平台与云服务模式，支持中小企业通过低成本接入成熟的数字生态系统，快速打破内部信息孤岛，实现从单点应用向系统集成的低成本跃迁。针对已跨越门槛的企业，则应侧重于数据要素市场的深度开发与前沿技术的创新应用，引导其向智能化、生态化的高阶方向发展。此外，应统筹推进5G网络、算力中心等新型基础设施建设，通过夯实数字底座进一步降低全社会的数字化连接成本，为新质生产力的培育提供坚实支撑。

第二，深化数据要素市场化配置改革，构建高效流通的市场体系。建议政策重心从单纯的“建设数据交易平台”向“建立有效配置机制”深化。健全数据产权与定价制度。加快数据产权结构性分置改革，探索数据资源持有权、加工使用权、产品经营权的分置运行机制，为数据流通提供法理基础；建立由市场评价贡献、按贡献决定报酬的数据要素收益分配机制，破解定价难题。在培育专业化数据交易场所的同时，更要注重打破数据壁垒，促进数据要素与劳动、资本、技术等传统要素的跨界融合与深度应用。通过建立完善的数据安全保障体系与合规机制，营造“可信、可控、可计量”的流通环境，充分释放数据要素的乘数效应，为新质生产力提供核心动能。

第三，推行精准分层的分类施策策略与普惠性支持机制。建议建立新质生产力发展评估体系，依据行业属性与企业规模制定差异化政策。在行业维度，对于技术密集型行业，重点支持其开展智能制造与数字化研发；对于传统制造业，着力推动生产设备的数字化改造与流程重塑。在规模维度，特别针对中小微企业面临的资金与技术瓶颈，设计更具普惠性的支持工具。针对中小企业“不愿转、不敢转”的难题，大力推广“轻量化SaaS服务”与“共享型工业互联网平台”，通过发放数字化转型服务券或补贴，降低企业数字化转型的边际成本。鼓励龙头企业开放数字化能力，带动中小企业融入产业链数字生态，形成大中小企业融通发展的良好格局。同时，完善数字化人才引育机制，推动校企合作建设实训基地，形成政府引导、市场主导、多方参与的协同推进机制。

本文研究结论的适用边界与未来展望值得进一步探讨。一方面，本研究的实证样本主要基于工业上市公司。此类企业普遍具有规模较大、融资渠道通畅及管理制度完善等特征，属于数字化转型的头部群体。文中实证发现的边际效应递增规律，更多反映了企业在具备一定数字化基础后的效能释放特征。因此，在将这一结论推广至广大非上市、中小微企业时需持谨慎态度，对于这类企业，数字化转型往往面临高成本与慢回报的阵痛期，甚至可能出现短期内的效率损失。另一方面，未来研究可进一步突破数据获取的限制，尝试利用中小企业专项调查数据或典型案例分析，深入考察不同规模与不同所有制企业在数字化转型过程中的异质性表现，从而为新质生产力的培育提供更为全面和普适性的经验证据。

参考文献