钟晓龙，刘 旺，邱立成，3

(1.南开大学 经济学院，天津 300071；
2.天津社会科学院 数字经济研究所，天津 300191；
3.燕山大学 经济管理学院，河北 秦皇岛 066004)

近年来，中国出口企业面临着原材料价格上涨、劳动力用工成本上升、国际货运效率低且价格高、资源环境约束凸显等诸多挑战。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。人工智能、区块链、云计算和大数据等主要数字技术的广泛应用加速了与实体经济的融合，中国企业数字化转型已然是大势所趋。

新冠肺炎疫情对出口贸易产生较大冲击，但有些中国企业通过数字化转型转危为安，其出口实现了逆势增长。经过疫情大考，中国企业数字化转型进程明显加快，企业出口竞争力显著加强。在当前贸易摩擦加剧以及后疫情时代传统贸易低迷的复杂国际环境下，数字化转型对外贸行业及其竞争将产生怎样的影响？数字化能否赋能企业出口的提升，其作用渠道如何，又会产生何种异质性效果？对于上述问题的探讨，有助于深刻剖析企业数字化转型对出口影响的深层次原因，寻求中国企业出口增长的强劲动力，并为外贸行业的平稳增长提供有益借鉴。本文利用2007—2020年中国沪深A股上市企业相关数据，精准描绘企业数字化转型的程度，系统检验数字化转型给企业出口带来的影响效应、机制渠道以及外部性影响。

本文可能的边际贡献体现如下：(1)通过梳理数字化转型对生产、经营和出口影响的相关文献，构建数字化转型对企业出口影响的理论框架，从反向因果问题、遗漏变量问题和自选择问题等多视角进行内生性检验，从零贸易企业问题、替换数字化转型指标等视角进行稳健性检验，并进行全要素生产率(TFP)渠道的机制分析，对数字化转型与出口的相关研究形成了有益补充；
(2)克服以往研究中词频指数忽略的夸大信息披露的问题，将企业数字化的硬件投资数据、软件投资数据以及数字化转型词频数据结合，更加合理地衡量企业数字化转型程度；
(3)实证分析数字化转型对企业出口的正外部性影响，并进一步分析知识产权保护对企业数字化转型外部性的影响，从而弥补数字化转型经济效应及其外部性的理论与实证研究缺口。

与本文主题相关的文献主要分为三类，分别是数字技术对企业生产与经营、对企业出口及其他出口相关指标的影响研究。

第一类是数字技术对企业生产与经营的影响研究。第一，数字技术的发展提升了信息的准确性，并提高了企业处理信息的能力。数字技术使企业能够更加有效地甄别企业主体需求[1]；
大数据和云计算等技术能够提供准确、高效的信息，大幅提升企业信息处理效率[2]。第二，数字技术的发展可以显著降低企业的各种成本。信息通信技术的发展可以降低搜索和匹配成本[3]、沟通成本[4]、推荐新产品及开拓新市场的成本[5]、生产成本等[6]。企业数字技术应用拓宽了交易时间，加快了交易速度，减少了中间环节[7]。第三，数字技术的发展改善了企业管理与发展的模式。数字技术的发展加速了中小企业国际化进程[8-10]，提升了管理人员、技术人员等个体能力，进而为企业提供更好的适应能力[11]。第四，数字技术带来的各种经济效应也可以显著提升企业的生产效率。赵宸宇(2021)认为，数字化转型使企业创新模式发生转变，技术创新进程加速，继而提升全要素生产率[12]。花俊国等(2022)的研究表明，数字化转型通过缓解融资约束的方式提高企业的全要素生产率[13]。

第二类是数字技术对出口贸易的影响研究。移动电话与互联网的发展、信息基础设施的提升与电子商务平台的发展都对出口有显著的促进作用。弗洛因德和温霍尔德(Freund & Weinhold，2004)的研究表明，虚拟主机数量10百分点的增长就会引起贸易超过1百分点的增长[14]。梅杰斯(Meijers，2014)的研究表明，人均接入互联网频率的提高显著促进了低收入国家出口规模的提升[15]。李坤望等(2015)的研究表明，信息基础设施的提升会提高一国的出口水平[16]。施炳展(2016)的研究表明，互联网的使用提高了企业出口的概率与持续出口时间[17]。阿贝连斯基和希尔伯特(Abeliansky & Hilbert，2017)的研究表明，移动电话与互联网的发展显著促进了该国的出口[18]。岳云嵩和李兵(2018)的研究表明，电子商务平台的发展促进了企业出口规模的扩大[19]。

第三类是数字技术对其他出口指标的影响研究。企业的数字化转型对中国制造业的出口技术复杂度、全球价值链竞争力和出口产品质量都有显著的促进作用。李宏和乔越(2021)的研究表明，数字化转型会显著提高中国制造业的出口技术复杂度[20]。吴友群等(2022)的研究表明，制造业的数字化显著促进了中国制造业全球价值链竞争力的提升[21]。洪俊杰等(2022)的研究表明，数字化转型显著提高了企业的出口产品质量[22]。

现有文献中，关于数字化转型对出口的影响研究较少，但有两篇文献的研究主题与本文研究类似。埃利亚等(Elia et al.，2021)的研究基于公司竞争能力的资源视角分析数字出口的驱动因素，研究结果表明拥有数字技术的公司更可能加强其数字出口[23]。该文用“0-1”变量来衡量数字出口：如果该公司能系统化、战略性地使用电子商务的方式销售产品，则该变量取1，否则取0。与本文不同的是，该文侧重于对企业数字出口的影响，而不是对企业整体出口的影响；
并且拥有数字技术与数字化转型有较大差别。易靖韬和王悦昊(2021)使用2012年世界银行调查问卷数据分析了数字化转型对企业出口的影响[24]。与本文不同的是，该文使用的是2012年横截面数据，且数据时效较短；
同时，“是否使用互联网、是否建设网站数据”与现代企业的数字化转型的内涵有一定的差别。

早期文献多集中于数字技术对企业生产、经营与出口的影响，而近期文献开始侧重于数字化转型对贸易的影响。数字技术的发展包括移动通信设备、信息技术与电子平台的发展，是社会发展的整体趋势。数字技术的发展有助于企业生产与经营的改善，并促进了企业出口。数字化转型是数字技术高速发展下企业重要的必经阶段[1]。只有敢于数字化转型的企业，才能在数字技术发展的浪潮中快速提高出口额、出口技术复杂度、全球价值链竞争力和出口产品质量。

上述数字化转型与出口的相关研究对本文提供了一定的理论依据，但仍有值得完善之处。以往的数字化转型相关研究存在局限有两方面原因：一方面，数字化转型影响企业的作用机制较复杂，很难对其理论模型进行准确梳理与全面构建；
另一方面，企业数字化转型的程度也很难测量，有关统计数据不容易获取。本文将利用2007—2020年沪深A股上市企业数据，合理刻画企业数字化转型程度，对企业数字化转型与出口的影响进行深入分析，并进行机制分析和外部性影响分析，以期为企业数字化转型提供参考。

(一)数字化转型对企业出口的影响

企业数字化转型通过推广数字技术大幅优化经营模式、提高沟通效率、提高企业资源利用率等方式促进出口。一是企业数字化转型利用数字技术对企业的战略、治理、领导、文化、员工、技术等方面进行了多方面的改造，重塑了企业的业务流程、管理模式、商业模式，进而提高了出口。二是企业数字技术的运用打破了时间和空间的限制。例如，线上会议等交流方式可以避免高成本的跨国面谈，缓解了企业间的信息不对称；
网站主页、电子邮件、电商平台等方式提高沟通效率并减少企业出口风险，从而提高了出口。三是数字化转型的企业通过跨国电子商务平台、电子营销手段等提高了企业知名度，使企业可以对外贸订单进行快速反应，从而提高了资产周转率，降低了企业产品库存时间，提高了企业资源利用率，进而提高了出口。基于此，本文提出如下假设：

假设1：数字化转型可以促进企业出口。

(二)全要素生产率的中介效应

得益于数字技术的普及，企业在数字化转型的过程中能够大幅度降低生产成本、提高创新能力、缓解融资约束，从而促进全要素生产率的提升。一是数字化转型通过提高自动化程度、智能监控生产过程和加速资源流动等方式降低企业的劳动力成本[25]、维修和时间成本[26]以及其他生产成本[27]，继而提升企业全要素生产率。二是数字化转型全面推动企业协同创新[28]与销售模式创新[29]，提高企业创新能力，促进了全要素生产率的提升。三是数字化转型减少了企业内外的信息不对称，提高了投资者的投资意愿，缓解了融资约束[12]，提高了全要素生产率[30]。

更高的全要素生产率有利于企业出口。市场渠道、交通成本、产品质量和创新等方面有优势的企业才会出口，所以选择出口企业的生产率一般高于内销企业[31]，这种机制即自选择效应(self-selection effect)。在自选择效应下，出口企业的平均全要素生产率要高于非出口企业[32-33]。对中国企业的研究也验证了该理论，即全要素生产率越高，企业越倾向于出口[34-35]。

基于此，本文提出如下假设：

假设2：数字化转型会通过提高全要素生产率的方式促进企业出口。

(三)数字化转型对出口影响的外部性

企业的数字化转型对出口的影响存在一定的正外部性，即企业数字化转型程度的提高对其他企业的出口有促进作用。数字技术降低了知识传播的时空障碍以及知识创造、共享、获取等过程的成本，有效促进了知识在地区和行业内的扩散。企业通过技术研发获得技术性知识和信息的收益，但始终无法独占该收益[36]。技术性知识和信息收益通过专利、交叉许可协议、研发人员流动及技术购买等渠道传播[37]。数字化转型带来的技术外溢使其他企业的全要素生产率得到提高[38]，也使其他企业出口得到促进。因此，数字技术的正外部性赋予了数字化转型更多的能量，使数字化转型对企业出口的影响具有了正外部性。基于此，本文提出如下假设：

假设3：数字化转型对企业出口的影响具有正外部性。

(一)核心变量分析

1.被解释变量

被解释变量为出口额(lnexport)。借鉴张天顶和吕金秋(2018)[39]、马妍妍和俞毛毛(2021)[40]的方法，将企业出口额定义为国泰安(CSMAR)财务报表附注数据库的损益项目科目下营业收入、营业成本的外销出口收入。考虑到出口转内销的再出口问题，剔除含有“港澳台、港澳、台港澳、香港、港台、澳门及台湾”等字段的出口收入。因汇报出口收入表述不一，本文通过手工识别、软件汇总等方式获取全部上市企业公开发布中国境外(不包括港澳台)的出口额。由于企业存在出口额为0的情况，因此在具体实证回归时使用出口额加1的自然对数表示。

2.核心解释变量

核心解释变量是数字化转型程度(DT)。在已有文献中，赵宸宇(2021)[13]和吴非等(2021)[1]使用上市企业年报中与数字化转型相关的词频数量作为衡量企业数字化转型的指标。尽管年报文本数据可以反映上市企业对数字技术应用的深度，但上市企业年报文本存在着较强的主观性，尤其是在政府大力积极推进数字化转型的国家战略背景下，企业管理层可能会出于资源获取动机、市值管理动机等目的进行概念炒作，从而导致信息披露存在夸大的情况[41]。为了避免遗漏企业数字化投资的相关数据、减少企业信息夸大的情况、有效衡量企业真实的数字化转型程度，本文借鉴王宇等(2020)[42]、洪俊杰等(2022)[22]的方法，利用企业信息技术的数字化固定资产投资水平、数字化无形资产投资水平和数字化转型相关关键词词频，通过主成分分析法得到一个综合的数字化转型指数，作为本文的核心解释变量。

(1)数字化固定资产投资水平。第一步，对上市企业的固定资产明细项目进行人工筛选，把与信息技术相关的“电子、计算机、通信设备、电脑、数据、通信和网络设备”等字段的固定资产项目的期末余额按企业-年度进行加总，得到企业年度信息技术的数字化硬件投资。第二步，把硬件投资除以总资产得到企业的数字化固定资产投资水平。

(2)数字化无形资产投资水平。第一步，对上市企业的无形资产明细项目进行人工筛选，把与信息技术相关的“软件、网络、客户端、系统、平台、智能、数字化、信息技术和数据”等字段的无形资产项目的期末余额按企业-年度进行加总，得到企业年度信息技术的数字化软件投资。第二步，把软件投资除以总资产得到企业的数字化无形资产投资水平。

(3)数字化转型相关关键词词频。借鉴吴非等(2021)[1]的研究方法，提取A股上市企业年度报告中的数字化转型相关关键词，汇总得到词汇频数。数据来源于国泰安数字经济数据库的上市公司数字化科目的上市公司数字化转型程度。具体而言，其将关键词分为底层技术运用和技术实践运用两大类，其中根据人工智能、区块链、云计算、大数据等“ABCD”技术[43]四类词汇进行底层技术运用类词汇搜索。由于这类数据具有典型的右偏性特征，以及企业存在词频统计数据为0的情况，本文对其加1再取自然对数。综合来看，2007—2020年相关词频呈逐年上升趋势(1)限于篇幅，省略三类数字化转型词频的具体变化情况，备索。。

(4)综合数字自然化转型指数。把数字化固定资产投资水平、数字化无形资产投资水平和上市企业年报的数字化转型关键词词频进行主成分分析，保留特征大于1的因子，取自然对数时减去该数据集中的最小值并加1后再进行对数转化形成企业数字化转型指标。综合来看，2007—2020年相关指标呈逐年上升趋势(2)限于篇幅，省略企业数字化转型的具体变化情况，备索。。

(二)基准模型设定

为研究数字化转型对企业出口的影响，本文设定如下基准计量模型：

lnexportft=α0+α1DTft+∑αXft+firmf+yeart+εft

(1)

其中，f、t分别表示企业和年份。模型的被解释变量为出口额(lnexport)；
核心解释变量为数字化转型程度(DT)。X为企业层面的控制变量，借鉴李兵和李柔(2017)[5]的做法，本文选取如下变量：(1)企业规模，用企业员工总数取自然对数表示。(2)企业年龄，使用企业观测年度(当前会计期间)减去企业成立时间计算。(3)产权性质，根据实际控制情况将国有企业设为1，非国有企业设为0；
将机关、国有企业、事业单位、中央机构、地方机构统称为国有企业，其他为非国有企业；
若有多个实际控制人，只要其中之一是国有企业，判断为1。(4)劳动生产率，使用企业营业总收入除以员工人数的自然对数表示。(5)薪酬水平，使用企业支付给职工以及为职工支付的现金除以员工人数的自然对数表示。(6)资产报酬率，使用利润总额与财务费用之和除以总资产表示。(7)资本密集度，使用企业固定资产除以员工人数的自然对数表示。(8)行业集中度，使用行业内各企业的主营业务收入与行业主营业务收入之比的平方累加。此外，本文还控制企业固定效应(firmf)和时间固定效应(yeart)以吸收这些因素对模型结果的干扰，εft为随机误差项。

(三)数据来源说明

本文选取国泰安数据库中2007—2020年沪深A股上市企业数据。为更准确地构建模型，对数据进行如下处理：(1)剔除金融类企业；
(2)剔除ST、*ST类上市企业；
(3)只保留报表类型为合并报表的样本，作为后期的样本数据基础；
(4)只保留会计报表截止日期为12月31日的样本；
(5)剔除总资产小于0、净资产小于0、资产负债率大于1、营业收入小于或等于0的样本；
(6)对所有连续变量进行1%和99%的缩尾处理。行业代码是根据中国证券监督管理委员会《上市公司行业分类指引》(2012年修订)设定，把上市企业经济活动划分为门类和大类两个层次。表1汇报了主要变量的描述性统计结果，包含21个行业类别、344个城市、3 301家上市企业2007—2020年的数据。

表1 变量的描述性统计

(一)基准回归结果

表2汇报了企业数字化转型程度和出口额的基准回归结果。其中，列(1)—列(4)对行业、地区和年份固定效应进行了控制。结果显示，列(1)、列(2)的数字化转型程度估计系数在1%的水平上均显著为正，初步验证了数字化转型对企业出口的促进作用。考虑到经济发展较快城市的数字技术运用范围也更加广泛，在企业数字化转型方面具有先发优势，存在一定的内生性，本文通过设置地区和年份的交互效应、行业和年份的交互效应初步解决内生性问题。列(3)、列(4)的结果显示，在考虑其他多维固定效应后，数字化转型程度估计系数均在1%的水平上显著为正。考虑到企业出口还受到企业层面固定效应的影响，本文还在列(5)、列(6)控制企业固定效应和时间固定效应。结果显示，在控制企业层面固定效应后，数字化转型程度估计系数仍在1%的水平上显著为正，表明数字化转型能够促进企业出口，从而验证了假设1。

表2 基准回归结果

(二)内生性检验

本文进行以下内生性检验，具体结果见表3。

表3 内生性处理

1.反向因果问题

为克服潜在的反向因果导致的内生性，以及检验数字化转型对企业出口可能存在的长期影响效能，本文延长企业数字化转型的观测周期，取数字化转型程度滞后一期和两期进行稳健性检验。结果显示，数字化转型程度滞后一期和两期的估计系数均在5%的水平上显著为正，表明数字化转型会显著促进企业出口，并且这种促进作用并没有随着时间延长而呈现出衰减，说明企业数字化转型在一段时间周期中对出口具有显著的叠加效果。

2.遗漏变量问题

为克服可能存在的遗漏变量问题，本文还试图通过工具变量法识别数字化转型对企业出口的影响。本文借鉴黄群慧等(2019)[44]的研究方法，使用1984年各城市邮电数据作为企业数字化转型程度的工具变量(IV)。企业对信息技术的应用和接受程度会受到企业所在地以往发展过程中使用通信方式的技术水平和社会偏好等方面的影响，满足相关性条件；
同时，邮电作为社会基础设施，主要为民众提供通信服务，并不直接作用于企业数字化转型程度，满足外生性条件。考虑到各城市1984年邮电信息为截面数据，难以直接作为面板数据的工具变量，因此借鉴赵涛等(2020)[45]、袁淳等(2021)[46]的研究方法，本文使用滞后一期的全国互联网上网人数(万人)分别与1984年各地级市每万人拥有电话机(部)数量构造交互项，作为当期企业数字化转型的工具变量，以解决内生性的问题，并在具体回归时取自然对数(3)1984年各地级市每万人拥有电话机(部)数据来源于《中国城市统计年鉴—1985》，全国互联网上网人数数据来源于《中国统计年鉴(2007—2020)》。。结果显示，使用工具变量法解决内生性问题后，数字化转型程度估计系数在5%的水平上显著为正，并拒绝了工具变量识别不足和弱工具变量的假设，从而验证了核心结论的稳健性(4)此外，本文将样本期内主成分得分始终为负的企业设为对照组，将在某一年主成分得分为正且之后持续为正的企业设为处理组，并引入个体虚拟变量du和时期虚拟变量dt，使用多期双重差分(DID)模型检验遗漏变量问题，结果依然稳健。。

3.自选择问题

考虑到数字化转型是企业自主选择的，即出口企业可能会出于国际竞争的压力，更倾向选择进行数字化转型以提升出口额，可能存在自选择问题，本文进一步使用倾向得分匹配(PSM)为处理组企业寻找更合适的对照对象。首先，以前文所述的控制变量(企业规模、企业年龄、产权性质、劳动生产率、薪酬水平、资产报酬率、资本密集度和行业集中度)作为匹配变量；
然后对样本逐年采用PSM方法一对一最近邻匹配，为处理组寻找特征相似的对照组。PSM的检验结果显示，数字化转型程度的平均处理效应(ATT)为1.248，在1%的水平上显著，表明数字化转型的企业出口额更多；
且处理组和对照组匹配变量的标准化差距均小于10%，t检验的结果基本不显著，表明匹配的样本是可信的。在此基础上，本文将处理组和匹配好的对照组样本进行普通最小二乘(OLS)法回归检验。PSM-OLS结果显示，数字化转型程度估计系数为正，并且通过了5%的显著性检验，该结果与基准回归结论一致。更进一步，本文将处理组和匹配好的对照组样本按照双重差分方法进行检验，PSM-DID结果显示，du×dt估计系数为正，并且通过了10%的显著性检验，表明在考虑样本自选择和遗漏变量等内生性问题后，本文的核心结论没有改变。除一对一最近邻匹配方法之外，本文还通过核匹配和半径卡尺匹配方法进行验证，结论依然成立(5)限于篇幅，省略检验结果，备索。。

(三)稳健性检验

1.替换企业数字化转型程度的衡量

本文使用三种方法对企业数字化转型程度替代性度量进行稳健性检验：(1)借鉴吴非等(2021)[1]的做法，利用企业年报中数字化转型相关关键词数量测度企业数字化转型程度，由于这类数据具有典型的右偏性特征，以及企业存在词频统计数据为0的情况，具体回归时加1取自然对数，记为数字化转型1；
(2)使用经行业均值调整的数字化转型词频数量指标衡量，考虑到行业差异，按照行业大类生成新指标，保留所有行业代码，记为数字化转型2；
(3)对数字化转型相关词汇细分的5个子指标进行主成分分析，保留特征值大于1的因子，由于在初始合成的数据中有负值，在取自然对数时减去该数据集中的最小值并加1后再进行对数转化形成新的数字化转型指标，记为数字化转型3。

回归结果见表4。在考虑不同数字化转型的衡量方法后，相关估计系数均显著为正，说明企业数字化转型对出口依然存在积极的正向作用，进一步验证了本文的核心结论。

表4 替换企业数字化转型程度的衡量

2.剔除部分年份和城市样本

金融市场的重大冲击与波动，宏观外部环境的恶化会影响到企业数字化转型的升级规划。若忽视此类环境冲击，则可能造成估计结果偏误。本文样本期间存在数次值得注意的环境变化，如国际金融危机、股票市场剧烈波动和新冠肺炎疫情等，但这类大规模环境冲击所产生的经济效应具有多维度的特点，并且很难被单一指标所捕获，因此本文在回归中逐步剔除发生在2008年、2015年和2020年样本。此外，考虑到中国直辖市有着较大的经济、政治特殊性，本文剔除直辖市样本进行回归，并进一步在此基础上剔除2008年、2015年和2020年样本重新进行检验。表5汇报了剔除部分年份和城市样本的回归结果。结果显示，在剔除部分年份和城市样本后，数字化转型程度估计系数均显著为正，说明本文的核心结论没有改变。

表5 剔除部分年份和城市样本

3.考虑企业贸易状态

从出口额的角度分析数字化转型对集约边际(intensive margin)的影响之后，有必要以贸易状态的角度分析数字化转型对企业广延边际(extensive margin)的影响，进而考察本文结论的稳健性。考虑到存在遗漏变量和反向因果的内生性问题，本文使用工具变量-概率单位(IV-Probit)模型对企业出口决策(6)此处使用企业是否出口的虚拟二元变量出口决策(exporter)为被解释变量，企业出口赋值为1，否则为0。限于篇幅，省略具体推导过程及结果，备索。进行再检验。此外，因为Probit模型无法得到个体异质性的充分统计量，本文使用高维固定效应模型，控制企业和时间固定效应，且使用数字化转型程度的滞后一期和两期以及出口决策的滞后项，对企业数字化转型与出口决策的影响进行检验。

回归结果见表6。其中，IV-Probit模型结果显示，数字化转型程度估计系数皆为正，并且分别通过了1%和5%的显著性检验，表明数字化转型显著提升了企业出口概率。OLS模型控制了企业固定效应和时间固定效应，结果显示数字化转型程度估计系数在1%的水平上显著为正。由数字化转型程度滞后一期和滞后两期对出口决策的影响结果可知，估计系数至少在10%的水平上显著为正。综上，单独考虑企业数字化转型对广延边际的影响，可以看出数字化转型能够有效提高企业的出口概率，说明本文的核心结论没有改变(7)本文的IV-Probit模型通过了工具变量有效性检验。此外，本文还采用系统广义矩估计(SYS-GMM)模型和多期DID进行检验，研究结果依然稳健。。

表6 企业贸易状态

4.零贸易问题

数据中存在大量零贸易企业样本， 即在各年中并不是所有数字化转型企业都存在出口贸易行为。虽然基准回归结果显示数字化转型会显著促进企业出口， 但忽略零贸易的潜在影响就可能存在样本选择偏差问题。对此，本文使用托宾(Tobit)模型和赫克曼(Heckman)两步法针对样本中存在大量零贸易企业问题进行再检验。结果显示，数字化转型使企业更倾向于出口，说明本文结果依然稳健。

(四)异质性检验

1.区域异质性

由于资源禀赋和发展阶段的不同，企业数字化转型在区域分布存在着明显的异质性特点。本文根据企业经营所在地的省份将全样本分为东部、中部和西部地区样本，并且借鉴赵涛等(2020)[45]的划分，把企业经营所在城市中的直辖市、省会城市和副省级城市划分为中心城市，其他地级市划分为外围城市(8)东部地区：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；
中部地区：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；
西部地区：重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古、广西。中心城市：各省份的省会城市、直辖市以及大连、青岛、深圳、厦门、宁波等副省级城市。。表7汇报了区域异质性的回归结果。结果显示，东部、中心城市数字化转型程度估计系数均显著且为正，中部、西部和外围城市并不显著。考虑到东部和中心城市企业数字化转型程度更高，数字化转型程度估计系数显著为正，而外围城市企业却并不显著，这可能是因为东部和中心城市数字技术的应用范围更加广泛、数字基础设施更好、企业数字化转型发展更早、具有先发优势，更能充分释放数字化转型带来的红利。

表7 区域异质性

2.基于企业微观特征的异质性检验

不同企业属性差异下，数字化转型对企业出口的影响可能存在非对称效果，而对不同情况进行具体研究有助于形成差异化的政策导向。为此，本文从三方面对企业层面微观特征进行分样本检验。

(1)产权异质性。在中国资本市场中，国有与非国有企业的资源禀赋与治理机制有较大差异，从而造成两类企业的数字化转型水平有一定的差别，其数字化转型对企业出口的影响也可能不同。国有企业作为国民经济发展的中坚力量，是中国政府完成特定经济目标的主要依托。表8产权异质性的回归结果显示，国有和非国有企业的数字化转型对出口均存在显著的正向影响作用，其中对国有企业的数字化转型程度估计系数为1.225，说明促进作用更加显著。这可能是因为国有企业相比非国有企业拥有更为宽裕的资源、更强的技术能力、更好的治理水平以及更低的经营风险，更加重视数字化转型战略，且在数字经济发展迅速的背景下，更能充分利用数字化转型优势，从而促进出口。

(2)生命周期异质性。企业在不同的生命周期会表现出不同的特征[47]，也会面临不同的融资约束与研发投入[48]，因此处于不同生命周期的企业，其数字化转型对出口规模的影响可能并不一致。本文借鉴刘诗源等(2020)[48]的方法，采用现金流模式法划分企业生命周期。现金流模式法根据企业经营、投资和筹资三类活动现金流净额的正负组合来反映不同生命周期的经营风险、盈利能力和增长速度等特征，这既能够规避行业固有差异的干扰，也能避免对生命周期样本分布的主观假设，具有较强的可操作性和客观性。企业经营、投资和筹资三类活动现金流净额数据来源于国泰安财务报表数据库的现金流量表科目。

表8生命周期企业异质性的回归结果显示，企业处于成长期和成熟期时数字化转型会显著促进出口，其中对于在成长期的企业的促进作用更加显著，在1%的水平上显著为正，而对于在衰退期的企业数字化转型作用不显著。这可能是因为数字化转型会降低企业的信息不对称程度，提高了企业信息透明度，有利于缓解成长期企业的融资约束，进而提高了企业出口；
成熟期的企业组织结构完善、经营模式日趋成熟、融资约束较小，数字化转型也显著促进了出口。但对处于衰退期的企业这种效果并不明显，一般衰退期的企业处于缺乏新的利润增长点、筹资困难、财务状况恶化的困境，往往存在制度僵化、人员冗余、创新意识不足的问题，难以发挥出数字化转型对出口的积极效应。这也意味着企业首先需要强烈的发展动机，立足市场争取市场份额扩大，并完善自身的经营管理模式，避免陷入财务状况恶化的困境，这样实施数字化转型战略对企业出口才能发挥积极的正向作用。

(3)要素密集度异质性。本文参考肖曙光和杨洁(2018)[49]的研究方法，将样本根据要素密集度差异划分为技术资本密集型、劳动密集型。本文分别根据固定资产占总资产比重的中位数、技术人员占员工总数比重的中位数划分样本，固定资产占比高的企业划分为资本密集型企业，技术人员占比高的企业划分为技术密集型企业，既不是资本密集型也不是技术密集型企业划分为劳动密集型企业。表8企业要素密集度异质性的回归结果显示，对于技术资本密集型企业数字化转型会显著促进出口，对于劳动密集型企业不存在显著的促进作用。由此可见，技术资本密集型企业相比劳动密集型企业更能充分发挥数字化转型优势，因为企业数字化转型以数字技术为基础，且具有高固定成本特征，更为宽裕的资金和更高的技术能力更有利于提高出口。这也意味着劳动密集型企业需要向资本密集型和技术密集型转变，改变企业资本和人员结构，这样才能有效发挥出数字化转型对企业出口的积极作用。

表8 基于企业微观特征的异质性检验

上文已经说明，数字化转型显著促进了企业出口，但此促进作用是通过何种渠道实现的？根据自选择效应，全要素生产率的提高对企业出口有促进作用。而数字化转型对企业的生产、销售和创新模式的改变会有效提高企业的全要素生产率。因此，本文采用中介效应模型进行影响机制检验，建立以下三个回归模型：

lnexportft=α0+α1DTft+∑αXft+firmf+yeart+εft

(2)

Mft=β0+β1DTft+∑βXft+firmf+yeart+εft

(3)

lnexportft=γ0+γ1DTft+γ2Mft+∑γXft+firmf+yeart+εft

(4)

其中，模型(2)与模型(1)一致，M表示中介变量，这里主要指全要素生产率。目前测度企业全要素生产率常用方法有OLS法、固定效应法、奥利-帕克斯(OP)法[50]和莱文索恩-彼得林(LP)法[51]等参数或半参数计量方法。其中，OLS法和固定效应法不能有效解决存在的内生性问题，存在损失有效信息量等问题；
OP法可以较好地处理内生性问题和样本选择偏差问题；
LP法在OP法的基础上，将中间品投入指标取代投资额作为代理变量，可以较好地解决数据丢失问题，但在计算资本与劳动的投入弹性时并不显著优于OP法。借鉴鲁晓东和连玉君(2012)[52]的研究方法，本文采用LP法和OP法分别对企业全要素生产率进行估算，得到2007—2020年上市企业TFP_LP均值为9.079，TFP_OP均值为6.640，与赵宸宇等(2021)[29]利用LP法计算得到2008—2017年中国A股制造业企业全要素生产率均值8.155相接近；
而宋敏等(2021)利用LP法和OP法计算得到2011—2018年沪深A股上市企业全要素生产率均值分别为16.486和14.588[53]，比本文所得计算结果更大，而LP法比OP法所得全要素生产率更大，本文和其是一致的。总的来说，本文计算得到TFP_LP和TFP_OP的结果是可信的。

表9汇报了分别运用LP法和OP法计算的全要素生产率的中介效应检验结果(9)索贝尔(Sobel)检验的Stata命令为sgmediation，该命令目前无法控制稳健标准误且无法导出系数结果，控制企业固定效应后导致Stata输出结果界面过长，难以查看最初回归结果，因此本文放松假定，索贝尔检验时只控制行业、地区和时间固定效应且取普通标准误；
此外，索贝尔检验本质上是中介效应的逐步回归法，本文再次通过逐步回归法进行中介效应检验，控制企业、时间固定效应和稳健标准误，结论并无改变。。结果显示，TFP_LP列和TFP_OP列中数字化转型程度估计系数均在1%的水平上为正，表明数字化转型会显著提高企业全要素生产率，且在联合回归中TFP_LP和TFP_OP的估计系数均在1%的水平上为正，初步表明全要素生产率会显著促进出口，全要素生产率在企业数字化转型和出口之间发挥了中介效应。索贝尔检验结果显示，TFP_LP和TFP_OP的Z值分别为6.758和8.494，在1%的水平上显著，中介效应占总效应比重分别为20.76%和23.15%，两者检验结果相近，表明不论是使用LP法还是OP法计算全要素生产率，都显示全要素生产率是一个有效的中介变量，在企业数字化转型和出口中起到了中介作用，从而验证了假设2(10)考虑到企业全要素生产率既会影响企业数字化转型，又会影响企业出口，存在内生性问题，本文采用广义结构方程模型对中介效应进行稳健性检验，结果仍具有稳健性，限于篇幅，具体回归结果省略，备索。。

表9 全要素生产率的中介效应检验

(一)计量模型设定

上文已经证明，数字化转型通过提高生产率来提高企业出口。那么，某一企业的出口是否受其他企业数字化转型的促进作用？具体而言，某一企业的出口是否受本地区本行业、本地区其他行业或其他地区其他行业数字化转型的影响？对此，本文借鉴梁文泉和陆铭(2016)[54]、格莱泽和鲁(Glaeser & Lu，2018)[55]对人力资本外部性识别的方法，以及陆蓉和常维(2018)[56]对上市企业违规行为的同群效应的研究方法来识别外部性，设定如下计量模型：

lnexportfict=α0+α1DT1-f,i,ct+α2DTfict+∑αXfict+indi+cityc+yeart+εfict

(5)

lnexportfict=β0+β1DT2-f,-i,ct+β2DTfict+∑βXfict+indi+cityc+yeart+εfict

(6)

lnexportfict=γ0+γ1DT3-f,i,-c,t+γ2DTfict+∑γXfict+indi+cityc+yeart+εfict

(7)

其中，DT1-f，i,ct表示f企业本地区本行业的所有其他企业在t年的平均数字化转型程度，DT2-f，-i，ct表示本地区其他行业的所有其他企业在t年的平均数字化转型程度，DT3-f，i，-c，t表示本行业其他地区的所有其他企业在t年的平均数字化转型程度；
企业数字化转型、企业层面控制变量、行业、地区和年份固定效应与前文一致。在控制了个体企业数字化转型对出口的影响后，系数α1、β1、γ1将反映企业数字化转型对出口的外部性影响。

(二)实证结果分析

表10汇报了企业数字化转型外部性检验的回归结果。结果显示，在控制了个体企业数字化转型对出口的影响后，DT1的估计系数显著为正，表明本地区本行业其他企业的数字化转型对本企业出口存在着正外部性影响；
DT2的估计系数显著为正，表明本地区其他行业其他企业的数字化转型对本企业出口存在着正外部性影响；
DT3的估计系数为正，但不显著。这主要是因为在本地区的技术人员流动和交流更加便利，数字技术形成的数据资源具有高固定成本和低边际成本特征，在本地区的企业具有得天独厚的条件，更能获得该数字技术和知识外溢，外部性效应最为显著；
而同一行业的不同地区之间存在竞争，数字化转型外溢不明显。因此，假设3在本地区的条件下成立，即企业数字化转型外部性对出口的影响主要体现在地区外部性。

表10 企业数字化转型外部性

(三)知识产权保护的影响

知识产权保护是影响企业数字化转型外部性的重要因素。数字技术对所有企业来说都是可获得的，许多智能应用程序很容易被复制或模仿。因此，数字化转型企业通过研发获得相关知识产权这一过程就存在着外部性问题，并且该外部性很可能受知识产权保护程度的影响。知识产权保护的加强降低了数字化转型的外部性，因此既可以放大数字化转型对出口的促进作用，也可能抑制该作用。一方面，知识产权保护的强化减少了数字化转型企业知识产权受侵害的风险，并增加了其研发投入预期收益，激励了数字化转型企业增加研发费用投入并增强其创新能力，因此促进了企业出口。另一方面，知识产权保护力度的加强则减少了数字化转型的知识外溢，即企业将知识产权外部性内部化，并且企业利用数字化转型赢得竞争对手从而有可能形成行业垄断，削弱了数字化转型对企业出口的正向作用。为此，本文进一步分析不同知识产权保护力度在数字化转型、外部性对企业出口的影响。

在现实中，中国知识产权保护的执行体现出“强名义保护、弱实际保护”的特征[57]。由于中国区域经济发展存在明显差异，即使知识产权保护在法律法规层面已经达到较高标准，但实际执行上却存在着不均质的知识产权保护力度，这将影响中国企业技术创新，并对企业的出口行为产生影响[58]。为有效平滑中国运动式执法造成的实际知识产权水平的波动，借鉴已有研究方法[58-59]，基于执法水平构建省级知识产权保护执法力度指标：

(8)

其中，adpatentkt为k省份t年专利授权数量，数据来源于国家知识产权局网站《国家知识产权局统计年报》；
crimekt为k省份t年知识产权执法案件数量，数据来源于各地区管理专利工作的部门专利执法统计表上的结案数量。crimekt/adpatentkt代表k省份t年知识产权执法案件数量占该地区当年专利授权的比重，∑crimekt/∑adpatentkt代表全国t年知识产权执法案件数量(包括侵权纠纷、冒充专利、假冒专利以及其他纠纷)占全国当年专利授权的比重。将知识产权保护执法力度(IPR)按中位数进行划分，将占比高的划分为在强知识产权保护执法力度地区的企业，占比低的划分为在弱知识产权保护执法力度地区的企业。

表11汇报了在不同知识产权保护执法力度地区企业数字化转型外部性影响的回归结果。其中，强知识产权保护执法力度地区企业的回归结果显示，该地区企业数字化转型程度估计系数均不显著；
弱知识产权保护执法力度地区企业的回归结果显示，DT1和DT2估计系数均在1%的水平上为正，表明弱知识产权保护执法力度的数字化转型企业可以显著受到地区外部性对出口的正向影响。可能的解释是，在强知识产权保护执法力度地区，企业对数字技术和信息进行模仿和复制的可能性较低、成本较高，其他数字化转型企业难以获得这种外部性；
而在弱知识产权保护执法力度地区技术性知识和信息容易扩散，使得企业能够以较低成本代价进行模仿和复制，给企业带来收益，促进出口。从结果可知，无论地区知识产权保护强度如何，并不影响企业个体的数字化转型对出口的积极影响，且强知识产权保护地区企业个体数字化转型程度估计系数更大，积极作用更大。然而，由于知识产权保护影响着企业数字化转型外部性，知识产权保护的加强也使该地区数字化转型企业未受到外部性正向影响；
相反，弱知识产权保护地区企业数字化转型外部性显著。这也意味着，知识产权保护可能存在“最适强度”，如果地区知识产权保护的实际力度与“最适强度”相一致，那么能使企业最大化地发挥数字化转型对出口的推动作用。

表11 知识产权保护执法力度

本文对数字化转型与企业出口之间的关系进行了理论分析并提出研究假设，然后利用2007—2020年沪深A股上市企业数据通过实证研究进行验证。基准回归结果表明：数字化转型显著提高了企业出口，且该结论通过了一系列稳健性检验；
异质性分析结果表明，位于东部地区、中心城市的企业数字化转型显著促进了出口，国有企业与成长期和成熟期、技术资本密集型的企业数字化转型对出口的积极效应更加明显；
机制检验结果表明，企业通过提高全要素生产率，进而提升了企业出口；
数字化转型对企业出口有着正外部影响，在弱知识产权保护执法力度区域的企业受到其他企业数字化转型对出口的推动作用更加显著。基于以上研究成果，本文提出相关政策建议：

第一，积极引导出口企业数字化转型。出台扶持企业数字化转型的相关政策，鼓励企业对生产设备进行智能化改造；
鼓励企业升级网络通信设备，建立数字化平台，促进企业各部门协同创新；
增加对成长期和成熟期数字化转型企业支持，特别是对转型需求更强烈的成长期企业的支持；
引导衰退期企业进行转型变革，发挥出数字化转型对出口的正向作用。

第二，积极引导数字化转型的区域协调发展。一方面，持续加大对东部地区和中心城市企业的数字化转型的支持，发挥数字化转型对出口的促进作用。另一方面，加强对中西部地区、外围城市的数字基础设施建设，制定政策吸引数字人才，组织社会机构培养数字技能，使企业的数字化转型对其出口的促进作用得以充分发挥。

第三，充分发挥数字化转型对出口影响的外部性。充分协调数字经济发展与知识产权保护的关系，加强知识产权保护的同时，加大对企业的创新补助，探索实施知识产权保护的“最适强度”，强化知识产权保护对数字化转型企业出口提升的外部性影响。

猜你喜欢 外部性出口转型 上半年我国农产品出口3031亿元，同比增长21.7%今日农业(2022年14期)2022-09-15采暖区既有建筑节能改造外部性分析与应用研究建材发展导向(2022年14期)2022-08-19人口转型为何在加速 精读英语文摘(2022年4期)2022-06-05转型发展开新局 乘风破浪向未来中国核电(2021年3期)2021-08-13航天器在轨管理模式转型与实践航天工业管理(2020年4期)2020-06-16从资源配置后的外部性的角度看市场化配置公共资源的动力新商务周刊(2018年20期)2018-12-07聚焦转型发展 实现“四个转变”人大建设(2018年5期)2018-08-16关于网络外部性研究的文献综述商情(2018年15期)2018-06-04给情绪找个出口人生十六七(2016年14期)2016-12-01米弯弯的梦里有什么文学少年(小学版)(2014年2期)2014-11-29