数字化转型“同群效应”对产业链关联的影响

[摘要]有效发挥企业数字化转型“同群效应”，对于增强产业链关联、促进经济循环畅通意义深远。基于2010—2021年我国A股上市公司数据，采用空间面板模型深入探析数字化转型“同群效应”对产业链关联的影响及作用机制。研究结果显示：数字化转型“同群效应”对产业链关联具有促进作用，并表现为空间溢出效应。数字化转型“同群效应”对产业链关联的促进作用存在异质性，对东部地区与技术密集型企业的促进作用更为显著。数字化转型“同群效应”能够通过缓解融资约束与推进开放式创新，提升产业链关联程度。基于此，提出加快产业数字化和数字产业化转型、持续优化金融服务环境、着力推动数字技术创新攻关等建议，以期进一步提升产业链关联程度。

[关键词]数字化转型；产业链关联；融资约束；开放式创新

一、 引言

产业链关联不仅是构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的重要保障，更是中国经济应对外部复杂环境的前瞻部署。党的二十大报告指出，“加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局”，“着力提升产业链供应链韧性和安全水平”1。随后，2023年中央政治局会议提出，“增强产业链供应链的韧性”，“找准关键核心技术和零部件薄弱环节，集中优质资源合力攻关，保证产业体系自主可控和安全可靠，确保国民经济循环畅通”2。可以看出，增强产业链关联程度已上升至国家战略层面，已逐渐成为构建现代化产业体系和畅通国民经济循环的动力之源。增强产业链关联度，能够引导各类市场要素协同向相关产业及先进生产力流动，加强上下游企业对接协同与资源整合，提升产业链附加值，畅通产业循环、市场循环、经济社会循环。然而现阶段，我国产业链仍面临高端人才储备不足、核心技术缺失、链上主体连接性不强等问题，不利于提升产业链韧性与关联程度。为此，探究如何提高产业链关联程度成为学术界研究重点。

作为增强产业链关联的重要连接点，企业数字化转型已成为大势所趋。2023年《政府工作报告》提出，加快传统产业和中小企业数字化转型，着力提升高端化、智能化、绿色化水平3。由于经营业务相近或竞争环境相似，企业数字化转型不仅会受到自身影响推进新模式扩散、新技术创新、新业态发展与新产品培育[1]，还将受到同行业“同群”企业影响。这种个体互动行为交叉影响在企业数字化转型决策方面表现出“同群效应”。数字化转型“同群效应”可以发挥规模经济与聚变经济效应，推进产业链上各创新主体、创新要素及创新环节有效衔接，催生出一系列新产品、新模式、新业态，着力提升产业链关联程度。鉴于此，本文从企业“同群效应”入手，检验数字化转型“同群效应”对产业链关联的影响，以期为提高产业链关联程度与畅通国内国际双循环奠定坚实基础。

本文可能的边际贡献在于：首先，从企业同群视角出发，探析数字化转型“同群效应”对产业链关联的直接影响，为助力产业链协同发展与促进企业数字化转型提供理论参考。其次，运用经济距离与地理距离空间权重矩阵，检验数字化转型“同群效应”对产业链关联的直接影响、空间溢出效应以及区域异质性，为区域产业链协调发展提供突破口。最后，将融资约束与开放式创新纳入数字化转型“同群效应”影响产业链关联的研究框架中，对推进产业链上下游协同发展具有重要意义。

二、 文献综述

产业链关联的相关研究最早可追溯至1957年Hirschman提出的“产业关联效应”[2]。随后，Dietzenbacher等[3]利用“平均影响距离”（APL）测度外部冲击在产业间传导的平均轮次数，并度量“农业→制造业→建筑业”和“采矿业→服务业→贸易产业”两条产业链间联系。从主要特征来看，产业链关联具有关联效应与波及效应。其中，关联效应主要表现为产业链对其他产业发展的推动作用及对市场需求的拉动作用，可运用生产阶段数[4]表征。波及效应主要用以探析国内经济各部门所形成的生产需求感应程度与需求波及程度，可运用感应度系数[5]与影响力系数[6]表征。

现今，学术界不仅对数字化转型进行诸多定性分析[7-8]，亦开展了大量定量研究。对“数字化转型”这一变量的测量大致可分为两种方式：一是使用客观数据的硬性指标，如周青[9]通过定量数据采集方式测量区域数字化水平，包括数字化平台建设水平、装备水平、接入水平、应用水平四个指标。二是通过发放问卷对数字化转型进行实证研究，如孟凡生等[10]采用问卷调查法，构建包含“企业使用数字化技术进行改造升级”“开发数字化智能化装备”等题项量表，并运用结构方程模型对数字化转型展开检验。

上述研究表明，学术界关于企业数字化转型、产业链关联的研究成果较为丰富，但从企业同群视角出发，探析数字化转型“同群效应”对产业链关联直接影响的文献较少。基于此，本文将深入探究数字化转型“同群效应”与产业链关联之间的关系。

三、 研究假设

1. 数字化转型“同群效应”对产业链关联的直接效应

数字化转型“同群效应”能够带来知识溢出效应与规模经济效应，为产业链上企业销售、生产、研发等过程赋能，推动产业链协同发展与模式转化，不断完善产业链关联关系。一方面，数字化转型“同群效应”能够为不同地区企业间知识流动及溢出提供有力支持，提高产业链关联度。同行业“同群”企业数字化转型可破除时间与空间限制，通过人才流动与同行协作实现知识溢出与技术溢出[11]，引导产业链上下游主体深度运用数字化平台与技术，推动大中小企业融通发展，加强产业链关联紧密度。另一方面，数字化转型“同群效应”能够发挥规模经济效应，驱动产业链关联程度提高。同行业“同群”企业数字化转型能够跨产业边界整合数据资源，提升资源配置效率，为各主体实现规模报酬递增提供有力支持[12]，增强产业链上下游企业交流与接触，提升本地与周边产业循环效率，提升产业链关联程度。据此，本文提出以下研究假设。

假设1：数字化转型“同群效应”具有空间溢出效应，能够有效提升产业关联程度。

2. 数字化转型“同群效应”对产业链关联的间接效应

数字化转型“同群效应”能够释放数字技术红利，减少多维信息不对称性，提高资源利用与配置效率，从缓解融资约束与促进开放式创新两方面增强产业链关联度。一方面，数字化转型“同群效应”通过缓解企业融资约束，提高产业链循环效率，强化产业链关联程度。数字化转型“同群效应”产生过程中，企业财务信息与经营数据借助数字信息技术逐步扩散至外部市场[13]，缓解产业链上企业与外部投资者间信息不对称问题。这促使产业链上下游中小企业融资评估效率大幅提升，充分缓解产业链各主体融资约束，推动产业链协同有序发展。在此过程中，金融机构通过产业链惠及上下游企业，及时疏通产业链资金流中断点与堵点，为产业链各环节发展提供资金支持，从而提升产业链关联程度。另一方面，数字化转型“同群效应”通过促进开放式创新，提高产业链关联程度。同行业同群企业数字化转型有助于增强技术可供性，促进企业内部与用户的开放连接，为构建开放式产业创新体系提供基础。构建开放式产业创新体系有助于吸纳并整合创新资源，打造产业链创新生态与技术创新共同体，加速技术发明与专利等科技成果转化，引导产业链互联互通，增强产业链关联程度。据此，本文提出以下研究假设。

假设2：数字化转型“同群效应”通过缓解融资约束与促进开放式创新推动产业链关联程度提升。

四、 研究设计

1. 样本选择与数据来源

基于数据科学性与可获得性，本文以2010—2021年中国A股上市公司为样本，对数据展开以下处理：其一，将PT、ST及金融行业样本剔除；其二，仅保留连续5年及以上无数据缺失样本。数据主要来自《中国统计年鉴》《中国地方政府数据开放报告》、CSMAR数据库及WIND数据库。为规避异常值引起结果偏误，对连续变量进行1%和99%缩尾处理。

2. 变量定义

（1）被解释变量

产业链关联（[Inchc]）。鉴于产业链涉及行业与企业两个层面，本文将生产分割长度与企业专业化分工程度作为产业链关联替代指标，深入探究产业链内大中小企业、上下游行业间关联程度。[a]行业中[k]企业的产业链关联度具体表示为：

[Inchca=Desenk×Prdiva] （1）

其中，[Prdiva]为[a]行业生产阶段数，参考Fally[14]研究方法，运用生产阶段数、投入产出表度量不同行业生产分割长度；[Desen]为企业专业化分工程度，借鉴袁淳等[15]研究方法，运用修正的价值增值法进行测算。

生产分割长度测算公式如下：

[Prdiva=1+bNbaPrdivb] （2）

式（2）中，[Nba]为单位生产[a]行业产品所需[b]行业产品量。若生产过程中无需增加中间投入，设定生产阶段数为1。将式（2）调整为矩阵形式：

[Prdiv=I-X-1I]  （3）

式（3）中，[Prdiv]表示[m×1]阶的生产阶段数矩阵；[m]表示所选行业数量；[X]为直接消耗系数矩阵；[I]为[m×1]阶矩阵（元素均为1）。获取各年份投入产出表中的直接消耗系数矩阵，是度量不同行业生产阶段数的首要前提。国家统计局发布的投入产出表的时间间隔各异，为后续实证检验带来较大难度。为此，本文以2010年、2015年、2020年投入产出表为基础，参考Zheng等[16]的研究，使用矩阵转换技术获取2010—2021年的时序投入产出表。

企业专业化分工程度测算公式如下：

[Desen=采购额主营业务收入-净利润+正常利润          =采购额主营业务收入-净利润+净资产×平均净资产收益率] （4）

采购额主要借助式（5）展开测算：

[采购额=（接受劳务支付、购买商品的现金+期初预付款-期末预付款+期末应付款-期初应付款+期末应付票据-期初应付票据）/（1+增值税率）+期初存货] （5）

式（5）中，增值税率借鉴张虎等[17]的研究设定为17%，平均净资产收益率借助企业所在行业近三年净资产收益率均值表示。同时，需剔除[Desen]中偏离[0，1]的样本。

（2）解释变量

数字化转型“同群效应”（[Ditge]）。数字化转型“同群效应”测算过程主要包含以下两个步骤：其一，运用文本分析法探析数字化转型程度。借鉴赵宸宇[18]的研究，本文在业务模式转型层面建构企业数字化商业模式的关键词初始术语词典。随后，通过搜集国家层面与数字经济相关政策文件，获取有关企业数字化转型的关键词以扩充初始术语词典，最终得到“数字化转型”关键词数据池。借助Python爬虫功能收集2010—2021年A股上市公司年度报告资料，并通过词频技术、文本搜索与匹配构建数字化转型指标。其二，度量同行业企业数字化转型均值。参考滕明明等[19]的研究，运用同行业内其他企业数字化词频占同行业管理者经营讨论及分析文字总数的比重度量数字化转型“同群效应”。

（3）机制变量

融资约束（[ASA]）。借鉴黄逵友等[20]的研究，运用SA指数探究企业融资约束水平。SA指数计算公式为：[SA=-0.737×size+0.043×size2-0.040×age]。SA指数越高，说明企业所受融资约束越强，即企业获取外部融资能力愈低。由于计算得到的SA指数均小于零，对SA指数取绝对值后表示企业融资约束水平。

开放式创新（[inno]）。参考贾西猛等[21]研究，以企业在观测期发生合作的专利总数与合作组织数量的比值进行表示，即样本企业与合作组织共同合作的专利平均值，并取自然对数。

（4）控制变量

参考现有研究[22，23]，本文选取以下控制变量：企业年龄（[age]），以企业当年年份和注册年份之差衡量；企业规模（[size]），采用企业总计资产测度；企业资本（[cap]）以企业实际固定资产投入表示表示[24]；企业劳动生产率（[ent]），运用企业工业总产值与职工人数比值度量[25]；营业利润率（[opem]），借助企业营业利润与营业收入比值测算；现金流比率（[cas]），以经营现金净流量与总资产比值衡量；企业资本密集度（[enp]），人均固定资产额表示。为消除数据波动对实证结果的影响，对所有控制变量均进行自然对数化处理。