第四节 研究设计

一、数据来源

本章数据源于针对我国第一个“两化”深度融合的国家级示范区内，1950家工业企业连续6年（2015—2020年）的动态跟踪调查，“两化”融合发展水平评估体系参照国家工业和信息化部（以下简称工信部）2014年5月1日实施的国家标准《工业企业信息化和工业化融合评估规范》（GB/T23020-2013）。作为全国首个“两化”深度融合国家示范区，每年在示范区范围内组织《“两化”融合发展水平评估企业问卷》，由浙江省委托省企业信息化促进会实施“两化”融合发展水平评估，评估对象为示范区范围内11个设区市、90个县（市、区）内进行数字化改造的13037家工业企业。调查评估于每年11月启动，从一万多家工业企业中随机抽取有效样本企业，每年进行跟踪调查并发放问卷。为了保证数据收集的科学性、准确性和有效性，加大问卷审核和执行力度，每次调查均经过通知下发、样本企业选取、企业样本填报、数据筛查和预警、电话核查、主管部门直接对样本企业摸底、上级部门对超过预警阈值数据进行直接核实、企业信息化促进会对存疑数据对应企业直接进行电话核查等主要工作环节。获取有效问卷数据后，本章删除了与金融机构相关的企业，剔除部分不合理/无效的观察值，同时进行缩尾处理，得到5792条有效观察值，1950家企业6年时间的动态跟踪面板数据。

二、计量模型设计

根据理论分析，规模较大的企业会对规模较小的企业产生“示范”效应和“倒逼”效应，为了验证假设1，设定多元线性回归方程如下：

其中，lncost为当期数字化转型投资成本的对数值（后文简写为lcost），lnrevenue是企业的数字销售收入（即lrev）；fix_effect为固定效应。企业数字化转型的投资额与企业的规模、经营效率、数字化转型后的盈利能力具有很强的相关性，为了进一步探究条件分布下，企业数字化投资额和企业数字化销售额之间的关系，参考Koenker和Bassett（1978）提出的分位数回归方法，本研究构建了分位数回归模型，分别针对10%、25%、50%、75%和90%五个分位点，考察企业规模对数字化转型投资行为的影响，条件分位点定义如下：

为了解决由于企业规模、数字化程度和经营状况等导致小组间无法观测到异质性差异的问题，参考Lamarche（2010）和Koenker（2004）提出的固定效应分位数回归方法对系数进行估计，估计方法如下：

具体思想是假定固定效应系数与分位点无关，在逐渐减少权重后，固定效应的回归系数会由于惩罚项的存在，逐步趋近于0。

然而，在传统分位数回归估计中，计算条件期望依赖于协变量的选择，即本质上是进行条件期望估计，为了克服这一问题，参考Powell（2020）的做法。企业在进行数字化转型和管理后，投资行为会表现出粘性特征，参考Anderson等（2003）、Noreen和Soderstrom（1997）的做法，设定模型如下：

其中，Δlncostn，i，t=lncostn，i，t-lncostn，i，t-1，表示n类企业的数字化转型投资成本变动（后文简写为dcost）；drev=Δlnrevenuen，i，t=lnrevenuen，i，t-lnrevenuen，i，t-1，表示第n类企业的数字销售收入变动；declinen，i，t表示企业收益变动的虚拟变量。为了解决反向因果和内生性问题，本研究定义，即如果相较于上一期下降了，则取1。交互项回归系数用于衡量企业数字化转型的成本粘性stick，即declinen，i，t与drev的乘积系数。

机制分析方面，本研究借鉴Edwards和Lambert（2007）的路径分析法验证调节的中介效应，模型设定如下：

其中，ln（hardinvb）i，t和ln（softinvb）i，t分别是硬件和软件投资预算额的对数；ln（profit_1i，t）是企业上一年度利润的对数值。

三、数据处理和变量定义

根据上文分析，企业数字化转型投资表现出粘性特征，本研究选用企业数字化总投资额的对数值（lcost）作为被解释变量，用以捕捉数字化转型的投资成本特征，包括信息化投资额、数字化软件投资、数字化硬件投资、信息化咨询费用、数字化培训费用、数字化运维费用等。lcost=ln（costn，i，t）；dcost为数字化成本的变动额，dcost=lncostn，i，t-lncostn，i，t-1。具体而言，参考Chen等（2012）的做法，将其细分为数字化劳动力成本lab_cost=ln[（lab_costn，i，，t）-ln（lab_costn，i，t-1）]（含数字化培训费用等）、数字化运营成本ope_cost=ln（ope_costn，i，，t）-ln（ops_ costn，i，t-1）（含数字化软件投资、数字化硬件投资、信息化咨询费用和数字化运维费用等）。

解释变量分别为企业数字化转型总收益（l和drev）。以企业数字化销售额对数值作为代理变量，lrev=ln（revenuen，i，t）；企业数字化转型总收益的变动额drev， drev=Δlnrevenuen，i，t=ln（revenuen，i，t）-ln（revenuen，i，t-1）；企业数字化转型总收益变动的虚拟变量declinen，i，t，，即如果相较于上一期下降了，则取1，以及成本粘性stick，即与declinen，i，tdrev的乘积系数。

企业硬件预算投资额ln（hardinvb）、软件投资预算额ln（softinvb）作为中介变量，企业上一年利润（profit_1）作为调节变量。在稳健性检验中，选取两年内是否有SCM项目升级计划（有，dum_scmup=1；其他，dum_scmup=0）作为工具变量，对基准回归进行稳健性分析。此外，分别选取市辖区的道路面积和城市公共汽电车运营车辆数作为工具变量，进行内生性分析。

参考已有研究选取控制变量。首先是企业规模（reg）。已有研究的企业规模一般用上一期期末的总资产对数进行衡量（寇宗来和刘学悦，2020；刘诗源等，2020；沈国兵和袁征宇，2020；诸竹君等，2020），但所用的数据多来自A股上市公司数据，本研究由于数据来源的独特性，所用调查样本同时包括了不在A股上市的部分中小企业，会减少仅使用A股上市公司数据对企业推行数字化转型进行研究可能产生的偏误，因此，为了不损失这部分中小企业数据信息，本研究选用企业的注册资本（亿元）作为衡量企业规模的代理变量。其次，控制了企业数字化生产特征，包括生产设备总数（equ）、数控装备总数（dequ）和已联网数控装备数（ndequ）（单位：万台）等。最后，为了进一步检验回归结果的稳健性，加入了控制变量本年软件投资预算额（softinvb），本年信息化咨询费用预算额（infinqb），本年信息化培训费用预算额（infedub）及本年信息化运维费用预算额（infopb）。同时，本研究对所有指标均进行了1%的缩尾处理和取对数处理。

表1-1报告了被解释变量、解释变量、中介变量和主要控制变量在全样本下的统计结果。

表1-1 全样本描述性统计

续表

四、描述性统计

已有研究表明，成本粘性是在国有企业中普遍存在的现象（廖飞梅等，2019），在混合所有制改革背景下，国有企业股权结构发生了结构性变化，其他股东对第一大股东的制衡程度和企业成本粘性呈现反向变动关系（万寿义和田园，2017）。因此，本研究针对所有权结构进行了进一步分析，表1-2报告了描述性统计结果。国有企业和其他类型企业的观测值数量相近，具有一定的可比性。从国有企业和其他类型企业各项指标之间的均值差可以看出，在“两化”试点区域中，国有企业的经营管理决策相较于其他类型企业，更加倾向于进行数字化转型和管理变革。这一结论与李婉红、王帆（2021）的研究结论是基本一致的，与非国有企业相比，国有企业进行数字化转型对降低成本粘性、提升企业绩效的效应更为明显。原因可能来自两方面：一是相较于其他类型企业，国有企业承担更多的社会责任，在“两化”改革中需要且更易发挥示范作用；二是针对传统国有企业存在的管理结构问题，数字化转型和管理变革为解决这一问题和结构优化升级提供了良好的契机。因此，相较于其他类型企业，国有企业具有更高的投资激励，投资成本提升推动了企业调整成本，进而提高了企业成本粘性。

表1-2 描述性统计——所有制结构

对于国有企业而言，执行差异化战略相较于执行投资粘性战略，成本粘性更高（叶松勤等，2020），同时不同行业的国有企业执行的战略亦具有异质性差异。因此，本研究将企业分为制造业、加工业和制品业三类，对被解释变量和解释变量进行了描述性统计（见表1-3）。由此可知，国有企业对于数字化转型的投入成本明显高于非国有企业，这一现象在制品行业中尤为突出；相较于这一显著差异，国有企业与非国有企业在数字化销售额方面的差异明显较小。可能的原因在于：一是投资的边际收益递减，随着投资规模增加，收益率逐渐降低；二是国有企业管理组织形式所带来的一系列负面影响，学术界针对这一问题已经进行了详尽研究。但是针对数字化转型投资的研究仍然相对较少，探讨其是否仍然会受到行业、所有制结构的影响，探究其背后的潜在机理对于进一步推动“两化”融合发展、发挥示范区应有的示范作用和优化数字化政策结构等具有十分重要的理论和现实意义。

表1-3 描述性统计——行业与所有制