数字化转型何以提升重污染企业全要素生产率?

李晓庆,周昕桐

南京信息工程大学 管理工程学院,江苏 南京 210044

引 言

自党的十九大以来,中国数字经济发展被提上日程[1]。党的二十大更是明确提出,加快发展数字经济,促进数字经济与实体经济深度融合,打造具有国际竞争力的数字产业集群[2]。中国数字经济的规模已从2012年的11万亿元增长到了2022年的50万亿元,数字经济占国内生产总值的比重从21.6%上升到了41.5%(1)数据来源:王政《我国数字经济规模超45万亿元》(载于《人民日报》2022年7月3日第1版)和国家互联网信息办公室《数字中国发展报告(2022年)》(2023年4月发布,第2页)。。数字技术的发展给中国经济带来了实实在在的效率变革。不仅如此,发展数字经济是实现新发展格局、使新发展阶段和新机遇有效融合、赋能生态环境保护的重要措施。

随着环境规制越来越严格,中国重污染企业正面临社会环境和经济利益的双重考验。在打造全新动力引擎促进产业转型升级的背景下,推动重污染企业的数字化转型,为其培养新能力、适应不断变化的外部环境和赢得未来竞争地位,促进重污染企业的数字技术与实体经济深度融合,具有重要的现实意义。企业数字化转型实质上是指使各种生产要素与集成信息、计算、沟通、连接的人工智能、区块链、云计算、大数据等数字技术深度融合的过程[3]131-132,是实现运营自动化、管理网络化、决策智能化,提高业务流程效率,促进商业模式转变,创造新的价值和可持续的核心竞争力[4]。全要素生产率(TFP)是反映企业要素投入向最终产出转化效率的重要指标,也是评价重污染企业数字化转型成效的重要指标。基于此,本文拟研究中国重污染企业数字化转型对其全要素生产率的影响及其作用机制。

现只有少数文献[5]12-23,[6]58-60,[7]3-8对重污染企业实施数字化转型所产生的经济结果进行了研究,但都没有检验重污染企业数字化转型对其全要素生产率的影响。已有文献主要从绿色信贷[8]26-33,[9]3-11、税收减免[10]95-106、环境规制和政府监管[11]等视角探讨其对重污染型企业全要素生产率的影响,鲜有从企业数字化转型视角进行研究。故本文以重污染企业为研究对象,通过运用文本分析方法对上市企业年度财务报告中关键字词频的统计,构建企业数字化转型程度指数,并评估数字化转型对重污染企业全要素生产率的提升作用,进而检验数字转型对重污染企业全要素生产率的作用渠道,即市场约束、融资环境改善、管理效率的中介效应。本文的研究结论或为推动重污染企业实施数字化转型、提升全要素生产率、实现高质量发展提供决策参考。

一、文献综述与研究假设

(一)数字化转型与重污染企业全要素生产率

自1987年罗伯特·索洛提出著名的“信息技术生产率悖论”以来,一些学者从投资收益的时滞性和度量偏差[12],以及人工智能等数字技术的不当使用会导致资本和劳动的错配[13],来解释信息技术对企业生产率的抑制。但随着数字技术的发展,企业层面的生产率悖论逐渐消失,更多学者支持数字技术发展的积极性,如数字化与企业生产率可能呈现“U型”曲线关系,并非生产率悖论[14]。数字技术可通过优化流程提高经营效率、减少资源错配、促进投资效率、提高创新能力等来提高企业生产率[15]114,[16]41,[17]。

企业全要素生产率是一个综合性指标,现有文献可大致从资源配置和技术进步两个方面来分析重污染企业全要素生产率的影响机制[18]。从资源配置方面来看,数字化转型可以帮助企业提升通信与监控能力,降低搜寻成本,提升信息整合效率,打破行业与地区的垄断,有助于跨国企业间的协作与管理,帮助企业降低交易成本、减少资源错配以提升全要素生产率[19-20]。从技术进步方面来看,数字化转型不仅可实现自动化和智能化,降低劳动力的需求,减少人力资本成本,实现生产效率提升,而且可促进技术创新和服务创新,优化企业人力资本结构,推动先进制造业和现代服务业的融合发展[16]41-62,[21]92-102,进而提升企业全要素生产率。在越来越严格的环境管制和市场竞争情境下,数字化转型不仅能改善重污染企业环境信息披露质量[6]58-60,提升其环境绩效[7]3-8,还能提升其绿色投资收益[5]12-23,是其优化资源配置和创新技术服务的契机。由此,本文提出如下假设:

假设1:数字化转型会显著提升重污染企业全要素生产率。

(二)数字化转型提升重污染企业全要素生产率的作用渠道

从资源配置方面来看,信息披露是企业赢得市场和公众信任、获得投资与合作、接受外部监督的主要工作——企业通过直观、正面和准确的信息披露,不仅提高其社会声誉和改善企业形象,减小市场约束的压力,拥有好声誉的企业往往还能获得更优质的融资支持。从技术进步方面来看,数字化转型可优化企业生产经营活动内部控制流程中的效率,进而提升企业全要素生产率。因此,本文选择企业信息披露质量、企业债务融资成本和管理者能力作为三个中介变量,来分别检验市场约束、融资约束、管理效率这三个作用渠道。

1.数字化转型、市场约束与重污染企业全要素生产率

对重污染企业来说,市场约束主要来自外部监督。良好的信息披露质量往往是改善外部监督、完善公司治理的主要手段,也是外部了解企业绩效和生产规模的重要途径[16]58。信息披露作为市场约束的一种媒介,投资者可以通过它来获得重要信息,如经营业绩、职责履行和风险控制等。对第一类委托代理问题,所有权和经营权分离使得投资者和管理者获得的信息数量和质量不一致,而企业数字化转型可以大大降低这种信息不对称的程度,提高企业会计信息和信用信息的披露质量,增强年报可读性[22],同时也降低了金融机构与企业之间的信息不对称程度,改善不对称后果并强化了市场的正面预期[3]138-140。由此,数字化转型可以通过有效提高信息披露质量,增强信息传递效率,提升企业全要素生产率。本文提出如下假设:

假设2:数字化转型通过强化信息披露产生市场约束效应提升重污染企业全要素生产率。

2.数字化转型、融资约束与重污染企业全要素生产率

重污染企业因信息披露问题导致的信息不对称以及相对一般企业更加“不环保”的企业形象,都会导致重污染企业承担更高的融资成本,技术创新迫使企业面临需要大量资金投入人力资本和固定设备的情况,现如今绿色信贷也形成了一定的融资约束[8]26。在资本不足的情况下,企业的技术创新行为将被严重抑制,进而生产力下降。推动数字化转型,重污染企业就能借助数字化信息平台的共享优势,减少信息不对称,及时获取外部融资信息,减少企业融资壁垒,有助于企业及时获得资金支持,提升企业的投融资效益,从而达到促进企业全要素生产率效率提升的目的[9]4,[23]56-57。因此,本文提出如下假设:

假设3:数字化转型通过缓解融资约束降低债务融资成本提升重污染企业全要素生产率。

3.数字化转型、管理效率与重污染企业全要素生产率

一个企业良好的内控机制能够对管理者进行监督和激励,提高管理者的工作效率,缓解代理冲突,降低管理者的利己主义行为[24]。管理者在企业控制、评估、管理、监督与评价等过程中发挥着最直接的作用[25],成为内控机制不可或缺的重要一环,同时还具有较强的示范与带动作用。对于重污染企业来说,良好的内部控制机制与高效的管理水平有助于管理者将企业价值最大化作为目标,积极履行社会责任,促进绿色创新,提升经营绩效。具体来说,首先,数字化转型可营造协同控制的内部环境,帮助重污染企业在研发设计、原材料采购及生产销售等环节之间衔接和沟通更为有效和通畅,且强化内部监督机制;其次,有助于企业管理者更好地利用数字化平台的产品交易、用户评价等信息,实现对消费者消费倾向的精准预测,提高企业预测运营风险的能力,减少不确定性对生产力效率提升的影响;最后,数字化技术可以通过增强管理者的风险预测能力,增强人力资本业绩激励,促使管理者做出有利于企业价值提升的决策,进而推动企业全要素生产率的提升[26]。基于以上分析,本文提出如下假设:

假设4:数字化转型通过提高管理效率促进重污染企业全要素生产率的提升。

二、研究设计

(一)样本选择与数据来源

本文基于2010—2020年的中国A股重污染企业为研究样本,并按以下原则对样本进行筛选:(1)剔除金融企业;(2)剔除ST、*ST企业;(3)剔除上市时间不足一年且已经退市企业;(4)剔除主变量缺失的企业;最终得到来自908家企业的共6 069个企业年度数据。本文数据主要来源于CSMAR中国经济金融研究数据库以及WIND经济数据库。重污染企业名单的认定主要根据《上市公司行业分类指引》(中国证券监督管理委员会公告〔2012〕31号)和《上市公司环保核查行业分类管理名录》(环办函〔2008〕373号),主要包括火电、钢铁、水泥、电解铝、煤炭、冶金、建材、采矿、化工、石化、制药、轻工(酿造、造纸、发酵)、纺织和制革等行业。为了消除极值的影响,本文将连续变量进行前后1%的缩尾处理。

(二)变量定义

1.被解释变量:企业全要素生产率

企业全要素生产率的测算主要参考李晓庆等[27]的做法,采用ACF修正的OP法测算的样本企业全要素生产率(Opacf),并以4种常见的企业全要素生产率测算方法(OP法、LP法和带有ACF修正的OP法、LP法,即OPAFC法、LPAFC法)估算的企业全要素生产率均值(TFP)替换被解释变量进行稳健性检验。

2.核心解释变量:企业数字化转型

本文借鉴吴非等[3]134的思路,以关键字(见表1)出现频次为衡量指标,将企业数字化转型按功能结构分为底层技术应用与综合实践应用两个层面,其中底层技术应用细分为人工智能、区块链、云计算、大数据四大类,采用Python爬虫工具与Java PDFBox库对A股重污染上市公司年报中关键字出现频次进行统计,以此作为衡量重污染企业数字化转型程度的主要指标。同时,为避免关键字统计频率偏右对回归结果的影响,本文对数据进行了对数化处理。另外,本文还利用企业数字化转型虚拟变量(Digital_Dum)来进行稳健性检验。

3.中介变量

本文分别选取企业信息披露透明度(Trans)、企业债务融资成本(Cost)和管理者能力(MA)来量化检验市场约束、融资约束和管理效率这三个作用渠道。

(1)企业信息披露透明度(Trans)。本文参考辛清泉等[28]的思路,该指标是基于盈余质量、 深交所上市公司信息披露考评结果、分析师跟踪人数和分析师盈余预测准确性以及是否为国际四大审计等指标变量所构建的。其中,深交所上市公司信息披露考评结果包含企业社会责任报告,包括环境保护部门要求重污染企业披露的环境信息。

(2)企业债务融资成本(Cost)。本文使用企业财务费用与企业期末总负债的比值来量化企业债务融资成本。

(3)管理者能力(MA)。借鉴德梅尔吉安(Demerjian)等[29]等做法,通过构建包含数据包络分析(DEA)和Tobit模型的两阶段模型来估算管理者能力(MA)。具体计算过程如下:①将固定资产净额、无形资产净额、商誉、研发支出、营业成本、销售与管理费用作为DEA中的投入变量,把营业收入作为唯一的产出变量,通过数据包络分析计算得出企业效率值;②DEA计算得出的企业效率值会受企业与管理者两个层面因素的影响,进一步采用Tobit模型将两个层面的效应进行分离,得到管理者层面对企业效率的作用程度。

4.控制变量

借鉴相关主题文献,如曹越等[10]101、赵宸宇等[15]120、花俊国等[23]58-59和李晓庆等[30]的做法,本文的控制变量选取了企业上市年份、资产规模、资产收益率、资产负债率、营业收入同比增长率、企业现金流、每股净资产等企业财务特征变量,以及董事会规模、股权集中度、代理成本、两职分离、机构持股比例、独立董事比例等企业治理特征变量。同时,我们也考虑到了不同行业和不同年份的影响,控制行业和年份的固定效应,并聚类到企业层面。具体变量如表2所示。

(三)回归模型构建

1.基准回归模型

本文以企业数字化转型为核心解释变量,以企业全要素生产率为被解释变量,构建基准回归模型:

Opacfit=α0+α1Digitalit+Controls+∑Year+∑Ind+εit

(1)

其中,Opacf表示企业全要素生产率,Digital表示企业数字化转型,Controls表示控制变量,同时控制行业和年份,并聚类到企业层面。

2.中介效应模型

本文借鉴王锋等[31]的思路,构建递进方程组的中介效应模型:

Medit=γ0+γ1Digitalit+Controls+∑Industry+∑Year+εit

(2)

Opacfit=δ0+δ1Medit+Controls+∑Industry+∑Year+εit

(3)

其中:Med表示中介变量,分别以企业信息披露透明度(Trans)、企业债务融资成本(Cost)和管理者能力(MA)作为代理变量。本文采用高维固定效应模型进行逐步回归。在方程(1)中,若α1显著,则回归方程(2),如果γ1显著,对方程(3)进行回归,若系数δ1显著,则表明存在中介效应。

三、实证分析

(一)描述性统计

各变量的描述性统计结果见表2。本文样本重污染企业全要素生产率(Opacf)均值为10.92,略比顾雪松等[8]30和曹越等[10]99的均值小,其原因是其文献是直接使用LP法计算全要素生产率,而本文使用的是经过ACF修正后的OP法,结果会偏小,但更为精准;标准差为0.748,最大值为12.82,最小值为8.584,企业间全要素生产率存在一定差异。本文样本重污染企业数字化转型(Digital)的平均值为2.627,略比田杰等[5]16的均值大,其原因可能是本文归类的重污染企业有所不同;样本重污染企业数字化转型(Digital)最小值为0,最大值为5.050,标准差为1.026,这说明样本企业数字化转型程度存在显著差异,即有的企业尚未实施数字化转型。其他变量统计结果与现有文献保持一致,在此就不赘述。

(二)基准回归

首先,在不考虑内生性问题的前提下,本文选择固定效应模型考察企业数字化转型是否会促进重污染企业全要素生产率的提升。结果如表3第1列所示,数字化转型在1%的水平下显著,系数为0.143。列2为仅控制了其他变量影响而不控制行业和年份的回归结果;列3为仅控制了行业和年份而不控制其他变量的回归结果;列4是同时控制其他变量因素影响、行业和年份的高维固定效应回归结果。上述回归结果均表明,数字化转型程度与重污染企业全要素生产率呈显著的正相关关系,且在1%的统计水平上显著。基准回归结果初步支持了本文的假设1,即企业数字化转型程度越高越有利于重污染企业全要素生产率的提升。

表3 基准回归结果

(三)稳健性检验

在检验数字化转型对重污染企业全要素生产率影响时,可能会出现遗漏变量偏误、选择偏误和联立性偏误(互为因果)等内生性问题,这会导致研究结论有偏且不一致,无法保证研究结论的稳健性。鉴于此,本文同时控制个体、行业和年份,更换被解释变量和解释变量,并进一步运用企业和年份双重聚类分析、面板工具变量法、Heckman两阶段法、PSM法等进行稳健性检验(见表4)。

表4 稳健性检验

1.更换关键变量和双重聚类分析

为了消除样本自选择偏差等内生性的影响,本文将Opacf变更为TFP、将Digital替换为Digital_Dum,如表4列1和列2所示,数字化转型对重污染企业全要素生产率具有正向促进作用。此外,为避免异方差和自相关对结果造成的不利影响,本文进行企业和年份双重聚类回归,由表4的列3可知,数字化转型对重污染企业全要素生产率仍是显著正向影响,本文结论依然成立。

2.面板工具变量法

为克服反向因果关系带来的内生性,本文采用了面板工具变量方法来检验基准回归结果的稳健性。参考高雨辰等[32]115-116选取工具变量的思路,本文使用行业数字化转型的年份均值作为数字化转型的工具变量(IV)。根据行业和年份两个维度进行分组,计算每组中除企业i外的企业数字化转型均值作为分组N中企业i的工具变量。

其中,M是分组N中的元素个数。从表4的列4和列5可以看出,二阶段的F统计量值为2 139.873,大于经验值16.38,通过弱工具变量检验。这说明,在缓解反向因果关系问题后,本文结论稳健。

3.Heckman两阶段法

企业数字化转型可能会受到很多内外部因素的影响,同行业的上市企业可能存在某些相似或相同的特征从而更有利于数字化转型,借鉴高雨辰等[32]113-115的思路,本文使用Heckman两阶段法来修正这一内生性问题。本文使用主回归中的所有控制变量(见表2)来解释企业是否会实施数字化转型,计算逆米尔斯比率(IMR),并将IMR代入主回归模型。由表4的列6可以看出,IMR的系数显著,说明可能存在选择性偏误,使用Heckman两阶段法是必要的。在控制了IMR后,数字化转型依然与重污染企业全要素生产率呈显著正相关关系,且相关系数为0.028。这说明,本文假设1的结果稳健。

4.PSM法

为缓解样本选择偏差问题,本文基于主回归中的控制变量作为协变量,利用Logit回归计算数字化转型的倾向得分值(PSM)。将第一次发生数字化转型的样本企业作为处理组,采用1∶3的最近邻匹配法进行有放回的样本配对,将数字化转型前一年,同时间、同行业和同地区的PSM值最接近但从未实施数字化建设的样本作为控制组,最后得到2 236个配对样本。表4列7的结果表明,在PSM匹配后的样本回归中,数字化转型与重污染企业全要素生产率之间的相关系数为0.039,且在5%的水平下显著。本文的假设1得到进一步证实。

(四)异质性分析

通过上述分析,我们发现,重污染企业的数字化转型会显著提高其全要素生产率。但是,由于重污染企业自身性质、规模和所处地区等不同,数字化转型对不同重污染企业全要素生产率的影响可能存在差异。本文进一步探讨了在企业性质、企业规模和地理位置等不同条件下,数字转型对重污染企业全要素生产率影响的差异。本文使用Stata中费舍尔组合检验(Permutation test)的bdiff命令,分别对Permutation 1 000次和Bootstrap 1 000次抽样的分组回归后来检验组间系数差异(见表5)。

表5 异质性检验

1.产权性质的异质性

不同的产权性质决定了不同的内部和外部治理环境。与非国有企业相比,国有企业能够获得更多资源,在资金、规模、科研和政策上具有更大的优势[15]124-125,[23]62-63。要实现重污染企业的数字化转型,不仅需要构建完善的现代化信息系统,还需要推动数字技术的广泛应用,并在智能制造方面进行大规模的投入。相较而言,国有企业可能拥有更加优越的条件,实现数字化转型,推动国有企业的高质量发展。与非国有企业相比,国有企业会更积极地响应国家战略,承担起“先行者”的责任,以追求效益为目标。本文推测,国有企业的数字化转型无论是速度还是程度都要高于非国有企业,其对重污染企业全要素生产率的提高也具有更为明显的作用。与赵宸宇等[15]124-125和花俊国等[23]62-63的研究类似,本文将样本企业分为国有和非国有两类进行分组回归。由表5的列1和列2可知,数字化转型与国有重污染企业全要素生产率在1%的水平下呈现显著正相关,而在非国有企业中,二者之间的关系并不显著,且通过组间系数差异检验。与赵宸宇等[15]125研究结果不同的是,本文认为非国有重污染企业数字化转型并不具备促进其全要素生产率提升的效果,原因可能是非国有企业在资金和政策上的不足,验证本文的推测。

2.企业规模的异质性

大中型企业由于技术基础、人力资本以及实物资产等都更为丰富,有更好的条件支持重污染企业数字化转型。而小型企业由于资源更为匮乏,作为“尾部群体”,缺乏抵押资产,面临的融资约束也更为严重[23]62。在内部资源不足、外部融资受限的条件下,小型重污染企业如果忽视生产经营,只着重进行企业数字化转型,可能会适得其反,不仅进行数字化转型的效率较低,转型质量也不如大中型企业。因此,本文推测,大中型重污染企业数字化转型对其全要素生产率的提升作用更为显著。借鉴肖土盛等[16]56的做法,本文将重污染企业样本的资产规模进行排序,若总资产规模位于总样本的前三分之二,则划分为大中型企业,否则为小型企业,进行分组回归。结果见表5的列3和列4。在大中型重污染企业中,数字化转型与全要素生产率在1%的水平下呈显著正相关,而在小型企业中,二者的正相关关系并不显著。这与肖土盛等[16]55-56的结论有所不同,其原因可能是小企业往往具有较大的资本流动和人员更新,这可能不利于数字技术推动全要素生产率的发展;大企业拥有更充足的资源来建设数字化基础设施、培育员工数字化素养,更有利于推进大中型重污染企业全要素生产率的提升,验证本文的推测。

3.区域的异质性

不同地区由于地理位置和资源禀赋的不同,其经济发展水平和数字化程度也不相同,这可能导致不同地区重污染企业数字化转型对全要素生产率的影响程度也不相同。从样本数据描述性统计分析发现,东部地区和中西部地区的重污染企业数字化转型程度均值分别为2.715和2.475,可见,东部地区无论从经济发展水平,还是从数字基础设施和应用投入上,都具有较大的优势。此外,东部地区的重污染企业全要素生产率的均值分别为11.072,也高于中西部地区重污染企业全要素生产率均值(10.651),这可能是对受限于外部发展条件的中西部重污染企业来说,生产潜能无法完全释放。但随着数字经济快速发展,数字化转型的推进可为中西部地区重污染企业提供更为充足的信息资源、缓解融资约束困境、提升管理层技能等。这些转型及其结果或能快速释放中西部地区重污染企业的生产潜能,加速研发创新步伐和节能增效,进而拉升企业全要素生产率。因此,本文推测,相比东部地区,中西部地区的重污染企业数字化转型带来的全要素生产率的边际效用更强。本文借鉴郭慧芳和王宏鸣[21]98的思路,将重污染企业样本划分为东部地区和中西部地区两大类分组回归,并对组间系数进行差异性检验,回归结果见表5列5和列6所示。两组之间的系数差异为0.033,且Permutation 1 000次的p经验值为0.003,Bootstrap 1 000次的p经验值为0。这说明,虽然数字化转型对于东部以及中西部地区的重污染企业全要素生产率均有提升,但数字化转型对中西部地区的重污染企业全要素生产率提升作用更为显著,其结果与郭慧芳和王宏鸣[21]98的结果类似,进一步验证了本文的推测。

四、作用渠道分析

上文实证结果表明,数字化转型能够显著提升重污染企业全要素生产率。那么重污染企业数字化转型提升全要素生产率背后的作用渠道是怎样的?本文进一步探讨数字化转型是否会通过市场约束、融资约束和管理效率来影响重污染企业全要素生产率(见表6)。

表6 重污染企业数字化转型提升全要素生产率的作用渠道

(一)市场约束

根据前文的理论分析,数字化转型通过强化企业信息披露质量,发挥利益相关者的市场约束功能,提高企业治理水平,促进企业全要素生产率的提升。为验证这一机制,本文采用企业信息披露透明度(Trans)来衡量市场约束,检验数字化转型通过市场约束对全要素生产率的影响。表6列1展示了数字化转型对企业全要素生产率的基准回归结果(同表3列4)。表6列2为数字化转型对企业信息披露透明度(Trans)的回归结果,其中企业数字化转型(Digital)的系数估计值为0.012,且在1%的水平上通过了显著性检验,这说明数字化转型增强了企业信息披露质量,有利于利益相关者对企业的外部市场约束。最后,验证企业信息披露透明度(Trans)对企业全要素生产率的影响,表6列3结果显示,企业信息披露透明度(Trans)的系数估计值为0.334,且在1%的水平上通过了显著性检验。数字化转型确实通过提高信息披露质量提升了企业全要素生产率,市场约束路径得以检验。

(二)融资约束

融资约束效应表现为数字化转型通过缓解企业融资约束,减少企业融资成本进而影响全要素生产率。表6的列4报告了数字化转型对企业债务融资成本(Cost)影响的估计结果,其中企业数字化转型(Digital)的系数估计值为-0.001,且在1%的水平上通过显著性检验,这说明数字化转型降低了企业债务融资成本,缓解重污染企业的融资约束。由表6列5可知,融资约束会减损重污染企业全要素生产率,而数字化转型通过缓解融资约束,可以提高重污染企业全要素生产率,融资约束路径得以检验。

(三)管理效率

管理效率提升效应表现为数字化转型通过优化内部控制,使企业更好地预防和降低企业治理风险、管理风险和经营风险,减少管理者决策失误等进而影响全要素生产率。由表6列6可知,企业数字化转型(Digital)对管理者能力(MA)的回归系数估计值为0.004,且在5%水平上显著。这说明数字化转型提高了管理者能力。进一步回归显示,管理者能力(MA)对企业全要素生产率(Opacf)的回归系数为1.702,在1%水平上显著(见表6列7),说明管理者能力有助于重污染企业全要素生产率的提升。因此,数字化可以通过提升管理者能力进而提高重污染企业全要素生产率,管理效率路径得以检验。

结 论

随着数字技术高速发展,重污染企业当顺应国家数字经济发展战略,突破经济利益与社会环境的双重约束,实现高质量发展。本文基于中国2010—2020年重污染上市企业数据,实证检验数字化转型对中国重污染企业全要素生产率的提升作用,及其作用机制。结果表明,数字化转型能显著提高重污染企业的全要素生产率。为保证研究结论可靠,本文采用面板工具变量法、Heckman两阶段法、PSM法等方法进行稳健性检验,结论依然成立。异质性分析发现,数字化转型对于重污染企业全要素生产率的提升效应在国有企业、大中型企业和中西部地区更为显著。作用渠道分析表明,企业数字化转型可以通过强化利益相关者市场约束效应、降低融资约束效应和提升管理效率效应来提高重污染企业全要素生产率。

上述研究结论对贯彻数字经济与实体经济深度融合的战略部署,推动中国经济高质量发展有一定的借鉴意义。在政府层面:一是政府有关部门在重污染企业急需转型的前提下,应该直面数字技术飞速发展的浪潮,出台相应政策推进重污染企业,尤其是中西部地区、大中型和国有的重污染企业数字化进程,赋能重污染企业高质量发展;二是强化对数字普惠金融的支持,加大对重污染企业等难融资企业的融资支持力度,有效解决融资难、融资贵问题;三是进一步深化供给侧结构性改革,提高企业资源配置效率,激发企业家精神。在企业层面:一是重污染企业,尤其是中西部地区、大中型企业和国有企业,要积极响应政府号召,把握数字化转型带来的机遇,优化融资效率、增强自身实力,建立更为全面的柔性激励制度,调动管理者的积极性从而激发管理者能力;二是积极推进重污染企业数字技术的基础设施建设,同时加快企业组织结构扁平化变革和决策机制智能化,优化信息披露通道,提高管理效率。