数字经济对企业全要素生产率的影响研究

文章利用2010—2022年沪深上市企业数据,采用双向固定效应模型考察了数字经济对企业全要素生产率的影响效应。研究结果表明:(1)数字经济发展对企业全要素生产率有促进作用。(2)研发强度在数字经济促进企业全要素生产率提升过程中发挥中介作用。(3)融资约束显著抑制数字经济对企业全要素生产率的促进作用。(4)在教育水平较高和产业结构水平较高的地区,数字经济对企业全要素生产率的提升作用更显著。

数据要素与新质生产力:基于企业全要素生产率视角

新质生产力以全要素生产率提升为标志、核心是创新,数据要素对于提升创新水平与全要素生产率具有重要意义。本文将国家级大数据综合试验区试点作为一次准自然实验,基于我国2009—2021年制造业和服务业上市公司面板数据,利用双重差分模型识别数据要素影响企业全要素生产率的因果效应与作用机制。研究发现:数据要素显著提升了企业全要素生产率,且对服务业企业全要素生产率的影响大于制造业企业;经过一系列稳健性检验后上述结论依然成立。机制分析结果表明,数据要素主要通过数字化变革和创新对企业全要素生产率产生间接影响。调节效应表明,产业融合与数据要素会共同发挥作用、提升企业全要素生产率,且在中、高产业融合区域的作用效果没有显著差异,在低产业融合区域的效果不显著。

数字普惠金融、企业全要素生产率与绿色创新

绿色创新是企业提升绩效获得持续发展的重要动力,数字普惠金融和企业全要素生产率对企业绿色创新具有重要影响。以2011—2021年A股上市公司为样本,运用面板回归模型检验数字普惠金融对企业绿色创新的影响。研究发现:数字普惠金融对企业绿色创新具有显著促进作用,特别是相对于非国有企业、低污染行业和东部地区企业而言,数字普惠金融对国有企业、高污染行业和中西部地区企业的绿色创新促进力度更大;此外,企业全要素生产率(TFP)是数字普惠金融对企业绿色创新影响的中介,发展数字普惠金融可以提高企业TFP,从而推动企业绿色创新;环境监管在数字普惠金融与企业绿色创新之间发挥着积极的调节作用,提升环境监管水平将进一步增强数字普惠金融对企业绿色创新的促进作用。

税收营商环境优化与企业全要素生产率——来自税务系统“放管服”改革的经验证据

优化税收营商环境不仅是提高企业生产效率和推动企业转型升级的重要战略举措,而且对实现经济高质量发展具有十分重要的现实意义。本文基于2013—2020年A股上市公司数据,并借助税务系统“放管服”改革试点这一准自然实验,构建多期双重差分模型,实证考察了税收营商环境优化对企业全要素生产率的影响。研究表明,税务系统“放管服”改革对企业全要素生产率具有显著的正向影响,且该结论经过一系列稳健性检验依然成立。机制检验结果显示,税收营商环境优化主要是通过降低交易成本水平、提升资源配置效率以及鼓励技术创新来提高企业全要素生产率。异质性分析表明,对于中西部地区企业、非国有企业、环境不确定性高企业和成熟期企业,税收营商环境优化对企业全要素生产率的促进作用相对更加突出。随后的进一步分析表明,税收营商环境优化在提升企业全要素生产率的同时显著促进了企业经营规模扩大和产业链扩张。本文以上研究结论不仅能使我们更好地认识税收营商环境优化的经济效应,更是为培育有利于激发市场主体活力及推动企业提质增效的税收营商环境提供了经验证据与有益启示。

数字化转型能提升农业企业全要素生产率吗?

基于2007—2020年我国A股上市农业企业的微观数据,实证分析数字化转型对农业企业全要素生产率的影响及其机制。研究表明,数字化转型有利于提升农业企业的全要素生产率。机制检验表明,数字化转型通过提高资金利用率、降低超额雇员率、增大研发投入来提高农业企业全要素生产率。调节效应检验表明,营商环境不确定性、行业竞争强度加剧将削减数字化转型对农业企业全要素生产率的提升效果。异质性检验表明,数字化转型对小规模农业企业、处于成长期和成熟期的农业企业、国有农业企业、两职分离的农业企业全要素生产率的提升作用更为显著。为此,政府等治理主体应完善数字基础设施,营造良好营商环境和市场竞争秩序,优化农业企业数字化转型的外部环境;同时农业企业也要根据自身发展实际,科学配置资金、技术、劳动力等资源,选择适宜的数字化转型路径。

引领还是直接参与?高管介入创新的方式对企业全要素生产率的影响

基于中国制造业上市公司2007—2019年创新活动数据,采用面板交互效应模型,探究高管介入创新的方式对企业全要素生产率的影响。研究发现:高管介入创新的方式对企业全要素生产率的影响存在企业创新层级差异,具体而言,在引领性创新型企业中,高管以间接方式介入企业创新能显著提升企业全要素生产率,而在一般性创新型企业中,高管直接参与创新更为适宜;机制分析发现,高管间接介入创新有助于促进企业基础研究,并且在引领性创新型企业中开展基础研究能显著提升企业全要素生产率,但是在一般性创新型企业中会产生抑制作用;异质性分析发现,创新在企业发展中的重要程度越高,高管采取引领方式间接介入创新更有利于提升企业全要素生产率。

数据要素的赋能机制与企业全要素生产率提升——来自国家级大数据综合试验区的证据

将数据要素引入生产函数,可产生巨大的生产力效应,但数据要素能否以及如何影响企业全要素生产率仍有待深入研究。利用国家级大数据综合试验区设立的准自然实验,运用2010—2022年中国A股制造业上市公司数据和双重差分模型,揭示数据要素对企业全要素生产率的影响机理。研究发现:数据要素能够显著提升企业全要素生产率;在作用机制上,数据要素主要通过创新赋能、营运赋能和投资赋能促进企业全要素生产率提升;异质性分析发现,数据要素对企业全要素生产率的提升效应在数据开放程度高、数据应用场景丰富、数据法治建设完善、数据安全保障强的地区更显著。

主导合作、创新质量与企业全要素生产率

企业在深度创新合作过程中的主导权配置问题逐渐显现,主导权的有效配置并非简单的“主导即优”。本文基于2007-2019年中国制造业上市公司的专利联合申请数据,通过手工整理并识别创新合作类型,构建主导创新合作指标,深入分析了企业主导创新合作如何影响其生产效率。研究表明,企业主导创新合作能显著提升其全要素生产率,这一效应主要源于主导高质量创新增强了企业从创新知识中获益的程度,进而转化为生产效率的提升。异质性分析显示,企业的吸收能力、研发资本和竞争能力等因素影响其主导创新合作的效果;同时还发现国有产权性质、高科技行业以及无政治关联的企业更倾向于主导高质量创新,以提升生产效率。宏观因素分析发现,虽然企业主导高质量创新有助于应对市场竞争,但缺乏协调性的政策引导可能导致企业实施不利于自身长期发展的行为。本文的研究为优化合作机制、提升创新效能提供了理论支持和政策建议。

人工智能技术应用与上市企业全要素生产率

新质生产力是以全要素生产率提升为标志,核心在于创新。通过爬取2008—2022年中国上市企业年报文本内容,构建人工智能技术应用程度指标,并全面检验其对企业全要素生产率的影响效应和内在机制。研究表明,人工智能技术对企业全要素生产率的驱动作用具有统计学意义。异质性检验表明,在“宽带试点”城市、“科技金融试点”城市以及数字经济发展程度较高的地区,这种驱动作用更为明显。进一步的机制检验发现,人工智能技术应用通过劳动力结构优化、投资效率改善、财务配置能力提升、创新能力升级等渠道助力企业全要素生产率提升。研究结论为政府制定人工智能应用的扶持政策和驱动企业全要生产率增加提供了新证据。

客户波动性对企业全要素生产率的影响研究

从动态的客户关系视角出发,以2012-2021年A股制造业上市公司为研究对象,基于资源依赖、客户关系管理和信号传递理论,构建了竞争情境下客户波动性对企业全要素生产率的分析框架,运用有调节的中介模型揭示它们之间的经济意义。结果表明,客户波动性对企业全要素生产率有显著负向影响,客户波动性会通过提升管理成本率来抑制企业全要素生产率的提高;从有调节的中介效应来看,客户波动性与企业竞争地位的交互效应会负向调节企业管理成本率在客户波动性与企业全要素生产率之间的中介关系。异质性检验发现,在非国有企业和竞争地位较低企业中,客户波动性对企业全要素生产率的抑制作用更为显著。

数据要素市场化对企业全要素生产率的影响研究

以A股上市公司2010—2021年相关数据,基于地区数据交易平台建设,运用多时点DID方法,探究数据要素市场化对企业全要素生产率的影响效应。研究发现,数据要素市场化能够显著提升企业全要素生产率,且经过平行趋势检验、安慰剂检验、PSM-DID及其他稳健性检验后该结论仍然成立。数据要素市场化是通过降低交易成本、提高企业技术创新能力、改善要素错配以及缓解融资约束等机制来实现企业全要素生产率的提升。此外,异质性发现,在中小型非国有企业、数字化转型程度较高的企业、处于竞争性行业的企业、在东部以及知识产权保护水平高的企业中,数据要素市场化对企业全要素生产率的促进效应更为显著。

员工跟投与企业全要素生产率——来自中国A股上市公司的经验证据

文章以2014-2020年中国A股上市公司为研究样本,考察员工跟投这一新兴激励机制与企业全要素生产率之间的相关性。研究发现:实施员工跟投可显著提升企业全要素生产率;减少非效率投资以及增加创新产出是实施员工跟投影响企业全要素生产率的两条重要路径;较之高管员工,激励非高管员工的效果更为显著,这从另一个角度证实了发展实体经济以及在激励机制中加强监督的重要性。异质性分析表明,在企业特征方面,非国有上市公司、治理水平较低的上市公司实施员工跟投能够更加有效地促进企业全要素生产率的提升;在外部市场环境因素方面,市场化程度较高的地区、行业竞争更加激烈的上市公司实施员工跟投对企业全要素生产率的促进作用更显著。

增值税减税对生活性服务业企业全要素生产率的影响——基于A股上市公司数据的实证分析

提高企业全要素生产率是增强生活性服务业竞争力的关键所在。作为宏观调控手段,税收政策对全要素生产率的影响一直备受关注。基于生活性服务业A股上市公司2015—2022年的数据,考察增值税减税对生活性服务业企业全要素生产率的影响。研究发现,增值税减税能够提高生活性服务业企业全要素生产率,且能通过缓解融资约束和增加人力资本两条途径促进企业全要素生产率的提高。基于此,提出以下建议:扩大增值税减税政策适用范围,增强政策普惠性;拓宽企业融资渠道,缓解企业融资困境;增加企业人力资本投入,提高人力资源质量;优化增值税减税政策设计,采取差异化政策。

数字经济和实体经济融合对企业全要素生产率的影响

文章以中国A股2011—2021年上市公司为研究对象,实证检验了数字经济和实体经济融合对企业全要素生产率的影响。结果表明,数字经济和实体经济融合显著正向影响企业全要素生产率,数字化转型和交易成本发挥着中介效应。进一步分析表明,数字经济和实体经济融合对企业全要素生产率的积极影响在东部地区、制造业、高人力资本以及大企业中更为明显。地方政府可通过实施差异化的发展战略加深数实融合;同时应重视企业数字化转型升级,为中小企业发展提供政策倾斜和资金支持。

供应链数字化管理对企业全要素生产率的影响

数字技术的快速发展使实施供应链数字化管理成为企业适应时代发展的重要选择。研究供应链数字化管理是否能够促进企业提高全要素生产率并厘清其对企业全要素生产率的作用机制,对企业提升运营效率、增强核心竞争力具有至关重要的意义。基于2013—2022年我国A股上市公司数据,将供应链创新与应用试点工作视为一项准自然实验,采用双重差分模型,研究供应链数字化管理对企业全要素生产率的影响及作用机制。研究发现:供应链数字化管理能显著提高企业全要素生产率,该结论在采用双重差分倾向得分匹配(PSM-DID)检验、安慰剂检验、替换核心变量测度、排除疫情影响等一系列稳健性检验后仍显著成立。机制分析表明,供应链数字化管理通过提高企业创新能力、降低企业成本的路径提高企业全要素生产率。异质性分析表明,供应链数字化管理对东部地区企业和国有企业的促进作用更为明显。案例分析表明,中国石化集团国际石油勘探开发有限公司采用供应链数字化管理进一步验证供应链数字化管理对企业全要素生产率提高具有积极促进作用。为此,企业应深化数字技术与供应链体系的融合,积极倡导应用供应链数字化管理模式,推动企业间协同创新,共同挖掘和利用数据资源的价值,提高企业全要素生产率,从而增强自身竞争力。

绿色金融提高企业全要素生产率了吗?——基于绿色金融改革创新试验区的准自然实验

发展绿色金融既是实现“双碳”目标的战略举措,也是赋能企业绿色转型和促进经济高质量发展的重要途径。基于绿色金融改革创新试验区政策构建多期DID和DDD模型,利用2010—2021年中国沪深A股上市公司数据,分析绿色金融对企业全要素生产率的影响效果及其作用机制。研究发现:绿色金融能够显著提升企业全要素生产率。绿色金融通过促进技术创新与缓解融资约束两个中间机制影响企业全要素生产率,且这种影响在不同融资需求、产权性质、发展规模的企业之间和“两高一剩”与非“两高一剩”的行业之间存在显著异质性。为此,进一步推进绿色金融改革创新,持续增加绿色金融产品供给,加大对中小型民营企业技术创新的支持,帮助企业有效缓解融资约束,对于全面提升企业全要素生产率有着重要作用。

新质生产力的影响因素与作用机制研究——基于企业全要素生产率视角

习近平总书记提出新质生产力理论,对生产力的新质特征做出了高度概括,也为学术研究开辟了新的领域。本文基于新质生产力理论,使用2012—2022年A股制造业上市企业数据,用实证方法对新质生产力的影响因素与作用机制进行了初步探讨。研究发现当用全要素生产率度量新质生产力时,劳动者高素质化、劳动工具数字化升级、劳动对象绿色化对新质生产力提升有显著影响,且这三方面因素对新质生产力的影响存在边际贡献递增趋势。从生产关系角度来看,国有企业的所有制优势、企业间竞争激烈程度加强、企业间合作程度加深、政府的调控这四个方面对新质生产力的发展起到正向促进影响。异质性分析发现,经济发达地区的劳动者高素质化、劳动工具数字化升级和劳动对象绿色化对新质生产力的提升作用会更加明显;高污染行业的劳动对象绿色化对新质生产力的促进作用更加明显,而低污染行业的劳动者高素质化和劳动工具数字化升级的推动力更加显著。这就要求在促进新质生产力发展方面,需关注地区和行业的差异,采取更有针对性的政策。

大数据发展如何影响企业全要素生产率?——基于内外部双重视角的分析

加快数字经济与实体经济深度融合是实现经济高质量发展的必然要求,探索大数据发展影响企业全要素生产率背后的机制和规律具有重要意义。以国家级大数据综合试验区设立为准自然实验,利用多期双重差分模型检验大数据发展对企业全要素生产率的影响、潜在机制及作用异质性,主要发现如下:大数据发展能有效提升企业全要素生产率,该结论在经过安慰剂检验、倾向得分匹配、替换被解释变量等一系列稳健性检验后依然成立;大数据发展能通过在企业内部优化人力资本结构和提升内部控制质量、从企业外部降低企业金融错配程度和环境不确定性,进而提升企业全要素生产率;异质性分析表明,大数据发展对高融资约束度、高管理层持股比例的企业以及非国有企业全要素生产率提升效应更加明显,与此同时,大数据发展仅提升了成熟期和衰退期企业的全要素生产率而对成长期企业影响不显著。本研究为推动企业进行更加广泛深入的数字化变革、运用大数据技术赋能高质量发展提供了新的思路。

省以下财政体制改革如何影响企业全要素生产率:来自“财政省直管县”改革的准自然实验

提高企业全要素生产率是高质量发展的动力源泉,省以下财政体制改革会对企业全要素生产率产生重要影响,值得深入探讨。基于中国工业企业微观数据,将“财政省直管县”改革视为省以下财政体制改革的准自然实验,从企业税收负担和资源配置维度考察省以下财政体制改革对企业全要素生产率的影响。实证研究结果表明,相较于没有实行“财政省直管县”改革的地区,经历“财政省直管县”改革的地区企业全要素生产率显著降低。究其原因,改革的实际税负渠道带来的负面影响大于资源配置渠道带来的正面影响,初始税收负担较重或资源错配程度较高的区域所受影响更为显著。基于上述结论给出了相应的政策启示。研究结果丰富了省以下财政体制改革对微观企业影响的研究,对进一步推进省以下财政体制改革和经济高质量发展具有现实意义。

投融资期限错配与企业全要素生产率:效应与机制

金融机构信贷期限结构长期化与企业融资以短期为主,映射出当前中国经济发展面临的金融资源错配问题。企业的投融资期限错配应对行为,理论上会通过风险承担和风险规避对全要素生产率产生正反两种影响。利用2004—2019年中国A股非金融类上市公司数据研究发现:投融资期限错配会显著抑制企业全要素生产率提高。这一关系在企业规模小、资本密集程度高、信息不透明程度高、内部控制质量低的企业中更显著。投融资期限错配通过增强管理者风险规避程度(提高管理者短视主义)和降低风险承担水平(挤出创新投入)抑制全要素生产率提高。排除非线性效应和行业的年度趋势的影响,企业投融资期限错配的其他经济后果表现为对有形资产的偏向性配置。总之,应从供需两端发力,将提高金融机构中长期资金供给水平和公司现代化治理能力,作为支撑中国经济高质量发展的一项重要措施。