數字化轉型對企業成本加成率的影響研究

李宏 梁寶琦 曹知修

［摘?要］ 隨著數字經濟與傳統產業的深度融合，數字化轉型已成為企業面對當前復雜多變市場環境的必然選擇?；?007—2020年上市公司的年報數據構建了企業數字化轉型指標，并結合國泰安數據考察了數字化轉型對企業成本加成率的影響及作用機制。結果發現：企業數字化轉型能夠顯著提升企業成本加成率，該結果經一系列穩健性、內生性檢驗后依然成立，其對于高生產率企業、非國有企業、高技術行業企業及高市場規模地區企業的影響更為顯著；企業數字化轉型通過資源配置效應、成本節約效應及研發創新效應帶動企業成本加成率的提升。進一步分析發現數字化轉型所采用的數字技術中大數據技術、云計算技術及人工智能技術的影響更為顯著，數字化轉型主要通過降低邊際成本對企業成本加成率產生影響。

［關鍵詞］ 數字化轉型；企業；成本加成率；研發創新；數字技術

［中圖分類號］ ?F49；F279.2；F425?［文獻標識碼］ Ａ???［文章編號］ 1008-1763（2023）04-0065-12

Research on the Impact of Digital Transformation on FirmsMarkup

LI Hong，LIANG Bao-qi，CAO Zhi-xiu

（School of Economics，Tianjin University of Finance and Economics，Tianjin?300222，China）

Abstract：With the deep integration of digital economy and traditional industries， digital transformation has become an inevitable choice for firms facing the current complex and changing market environment. Based on the annual report data of listed companies from 2007 to 2020， this paper constructs an indicator of digital transformation， and examines the impact of digital transformation on firmsmarkup and its mechanism in combination with Guotaian data. The results show that enterprise digital transformation can significantly improve firmsmarkup. This result is still valid after a series of robustness endogenous tests. Heterogeneity analysis shows that for high productivity enterprises The influence of high-tech industry enterprises and enterprises in high market scale areas is more significant. The mechanism analysis shows that the digital transformation of enterprises drives the increase of enterprise cost markup rate through the improvement of resource allocation effect， market matching effect and R&D innovation effect. Further analysis shows that big data technology， cloud computing technology and artificial intelligence technology are more significant in the digital transformation.The transformation of the digital economy has an impact on the cost plus rate of enterprises mainly by reducing marginal cost.

Key words： digital transformation; firm; mark up; R&D innovation;digital technology

數字經濟領域的快速發展對經濟和整個社會都產生了極其深遠的影響，數字分析技術和機器學習等算法的不斷進步使數字化轉型成為企業面對當前復雜多變市場環境的必然選擇。黨的二十大明確提出要“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”。在數字化轉型的實踐中，發現有部分非數字原生企業由于技術能力不足、缺少資金支持及缺乏長遠戰略盲目推進數字化等原因陷入轉型困境，“不想轉、不敢轉、不會轉”的問題較為顯著。數字化轉型究竟能否提升盈利水平已成為眾多企業關心的核心問題，而加成率能夠反映一家企業市場勢力的大小，同時能夠衡量一家企業盈利能力的高低。因此，在當前數字經濟蓬勃發展的大背景下，對于企業數字化轉型能否提高企業成本加成率及如何提高企業成本加成率的研究具有重要的理論與現實意義。

企業數字化轉型可以理解為企業利用數字技術與企業生產經營與管理進行深度融合，從而推動組織、運營、生產和技術等各方面的系統性轉變[1]。已有研究發現企業數字化轉型能夠優化企業內部組織結構與決策流程[2]，加強企業與消費者及消費者之間的信息互通，促進消費者剩余與企業收入的增加[3]。楊金玉等分析發現，客戶數字化轉型將通過倒逼效應和資源效應促進供應商創新[4]。然而，Syverson發現信息技術發展中存在生產率悖論問題[5]，自動化同時會降低增值中的勞動力份額，導致工資增長慢于生產率增長，造成就業和居民消費下降[6]。綜合以上文獻發現，學界當前對于數字化轉型的影響效應仍有疑問，對數字化轉型內涵的解讀仍是一個“黑箱”，并沒有深入解構數字化轉型可能存在的異質性影響。本文嘗試從數字技術視角探討不同層次的數字技術應用的影響，分析企業數字化轉型背后的影響機制及轉型路徑，探究數字技術應用對企業發展是否如主流經濟學所認為的那樣具有通用性特征。

與本文相關的其他文獻是從不同角度探討對企業成本加成率的影響。既有文獻多從產業創新[7]、城市規模擴張[8]、中間品貿易自由[9]等不同角度分析對企業成本加成率的影響，從數字化轉型視角研究對企業成本加成率影響的文獻比較少，且對企業成本加成率的影響機制分析大多集中在促競爭效應和成本節約效應上。與本文關聯比較密切的是柏培文和喻理的研究，他們研究了數字經濟對企業加成率的影響，發現數字經濟發展會通過提高企業間競爭程度，造成企業成本壓力上升，進而導致企業加成率下降[10]。本文嘗試從企業層面探討企業數字化轉型對企業成本加成率的影響機制，并進一步分析數字化轉型對企業成本加成率哪些方面會產生更多影響。

與現有文獻相比，本文的邊際貢獻主要有以下幾點：（1）本文在已有研究的基礎上進一步從企業視角探究數字化轉型對企業成本加成率的影響，討論數字化轉型究竟能否促進企業成本加成率的提升。（2）豐富了企業數字化轉型對企業成本加成率的影響機制，從資源配置效應、成本節約效應與研發創新效應三方面解釋企業數字化轉型如何影響企業成本加成率，為企業數字化轉型提供一些新的思路。（3）本文嘗試從數字技術角度進一步分析企業數字化轉型的層次遞進特征，對“底層技術架構”進行分別探討，同時考慮數字化對加成率的影響，是更多的影響企業邊際成本還是價格，為后續進一步研究奠定基礎。

一?理論機制和研究假設

企業加成率一般被定義為價格與邊際成本之比，其既能通過邊際成本反映企業生產率水平，也能通過價格反映企業產品質量水平[11]。從邊際成本角度看，數字化轉型企業能夠更加便捷地獲取國際市場與潛在競爭對手的信息，有助于降低企業的信息成本與市場進入成本。通過搜集與分析公司內部海量數據信息能夠提高公司內部員工和流程績效的清晰度，降低企業的管理成本。柏培文和喻理也發現企業數字化轉型能夠通過降低企業的工資壓力進而緩解數字經濟對企業加成率的負向影響[10]。從價格角度來看，數字化轉型改變了企業的生產方式。數字化轉型企業的柔性化、定制化生產模式實現了生產者與消費者價值共創[12]，滿足消費者的個性化需求，提高企業產品競爭力。同時，人工智能和機器學習算法通過挖掘大量數據進行預測分析可以幫助市場和零售商更好地預測消費者需求[13]，從而可以對消費者進行歧視性定價賺取超額利潤。綜上所述，本文提出如下假設：

假設1：企業數字化轉型能夠提升企業成本加成率。

企業數字化轉型能夠帶動企業資源配置效率提升。一方面，數字化轉型以后改進了企業的決策方式，企業的數字驅動型決策模式在一定程度上緩解了個人決策中的有限理性問題，提升了企業的資源配置效率[14]。同時，運用機器學習方法可以基于歷史數據對未來進行分析預測，幫助企業制定未來資源配置方案[15]，優化公司資源配置。另一方面，數字化轉型能夠提升企業的供應鏈管理能力。生產和市場之間的快速協作是企業供應鏈管理的必要條件，大數據分析技術能夠快速、準確地了解客戶和市場信息，預測企業可能面臨的各種問題，緩解供需信息不對稱的問題[16]。而資源配置效率提升意味著企業能夠更有效地利用其資源，從而提高生產效率，降低企業邊際成本。而企業也會將各種要素轉移到內部高質量產品部門進而促進企業產品質量提升[17]。綜上所述，本文提出如下假設：

假設2：企業數字化轉型通過增強企業資源配置效應進而促進企業成本加成率的提升。

隨著數字經濟的興起，企業與企業之間以及企業與消費者之間的互動方式越來越多地通過在線平臺進行，降低了與距離相關的信息摩擦對貿易的負面影響[18]。一方面，人工智能在語音識別、圖像識別和信用評分等領域的最新進展也顯著提高了企業的搜索和預測能力[19]，促進了企業收入與消費者剩余的上升。另一方面，人工智能和機器學習算法能夠在挖掘大量數據的基礎上對消費者行為特征進行精準把控，從而使企業能夠根據市場及時調整生產和銷售計劃，降低存儲成本[20]?？紤]到消費者需求的巨大異質性，企業通過采用人工智能技術能夠識別與預測消費者的許多特征，幫助市場或企業更好地將零散客戶分成群體，實現長尾效應[21]。綜上所述，本文提出如下假設：

假設3：企業數字化轉型通過成本節約效應促進企業成本加成率的提升。

由于數字技術具有跨區域、跨行業應用的特點，高水平企業數字化轉型會對非常廣泛的領域形成創新激勵，促進跨領域的創新協同[22]。隨著數字技術和無數應用部門之間的創新循環不斷加強，所有部門的創新效率也會進一步提高。并且數字技術也進一步改變了企業的創新研發過程，其實質上是一種“創新方法的創新”。企業通過利用大型數據集和學習算法能夠對動態的開發技術和行為現象進行高精度預測[23]，這種新的預測方法的發展為開展科學和技術研究提供了新的思路。通過這種通用技術以及創新思維在許多應用領域的共享與擴散所產生的知識溢出效應能夠降低企業的研發成本，進而降低企業的生產成本。另外，創新技術的爆炸式增長能夠提高企業產品質量及促進企業新產品創造，降低消費者對產品的需求彈性，進而提高企業成本加成率[7]。

企業數字化轉型具有層次性特征，最復雜的技術通常只有在更基本的技術水平被廣泛應用后才會產生。公司采用高水平數字化技術，需要大量的數字信息和足夠的計算能力[24]。大數據被認為是使用更先進的數字技術的必要投入，通過對消費者與供應鏈上下游的信息收集與分析使研發創新更具針對性[25]。采用高水平數字技術的第二個必要因素是，要有足夠的計算能力來處理和利用大量的數字信息。云計算服務的出現使可擴展的計算資源可以按需使用，從根本上改變了IT使用的經濟性，使主要IT功能的外包成為可能[26]。因此，在大數據時代，企業必須進行高質量技術創新提升自己的技術優勢，才能保持自身的市場競爭力。綜上所述，本文提出如下假設：

假設4：企業數字化轉型通過研發創新效應促進企業成本加成率的提升。

假設5：實質性研發創新更能促進企業成本加成率的提升。

二?研究設計

（一）計量模型設定

為驗證本文的研究假說，本文選擇如下模型估計企業數字化轉型對企業成本加成率的影響：

其中，i、t分別表示企業和年份。mkpit為企業i在t年的成本加成率，digit表示企業i在t年的數字化轉型指數，controlit為一系列的控制變量，vi為企業個體固定效應，μt為年份固定效應，ηot為年份×城市固定效應，χst為年份×行業固定效應。

（二）變量測度

1．數字化轉型指數

結合吳非等[27]的數字化轉型特征詞圖譜及數字化轉型相關的經典文獻與政策文件進行篩選，得到共109個數字化轉型相關詞匯組成特征詞詞典。依據數字技術開發及數字化場景應用將特征詞詞典劃分為底層技術架構和數字技術應用兩部分，把政策文件中所涉及的不同技術方向的詞頻進行分類匯總，將底層技術架構進一步細分為四個方面，即人工智能技術、大數據技術、云計算技術及區塊鏈技術，最終特征詞詞典如圖1所示。最后對上市公司年報“管理層討論與分析”部分進行特征詞匹配，得到與企業數字化相關詞匯在年報中出現的頻數并分類加總。參照袁淳等[28]的方法，采用企業數字化相關詞匯頻數總和除以管理層討論與分析部分文本長度再乘100來衡量企業數字化轉型程度。對指標按年份進行對比分析發現，2014年以前未進行數字化轉型的企業比較少，2014年后數字化轉型成為企業戰略重心，基本所有上市企業都有在年報提及相關詞匯。

2．企業成本加成率

目前，衡量企業價格加成的方法主要有兩種：第一種是會計法。該方法根據會計準則，利用企業的增加值、工資總額和中間投入對企業加成率進行計算。參照盛丹和王永進的方法[29]，在會計法下，企業的價格加成計算公式為

其中，valueaddit表示企業的工業增加值。由于上市公司數據中并不匯報工業增加值，因此參照覃家琦的做法估算增加值[30]，會計法計算成本加成率簡單易算，但存在如下不足：第一，利用會計法計算的價格加成易受到人為控制等因素的影響；第二，會計變量與經濟變量存在差異，該指標不能很好地代表經濟學含義上的價格加成。

本文使用Loecker和Warzynski的生產函數法來估計企業成本加成率[31]，假設企業生產函數為Qit=Qit（X1it，…，XVit，Kit，ωit），其中V為要素投入，如勞動投入、中間品投入等，Kit為資本投入，ωit為全要素生產率。根據企業成本最小化條件構建拉格朗日函數可得

其中，PXvit和rit分別為可變投入和資本投入的價格，根據一階條件得

對上式整理可得

其中，Pit為最終產品價格，根據包絡定理可知λit=mcit，由于企業成本加成率（mkpit）是產品價格與邊際成本之比，因此：

其中，θxit代表投入要素X的產出彈性，φxit代表要素X占總產出的比重。本文選取中間品投入作為投入要素，φmit可直接計算得到，θmit需用生產函數估計得到。為降低估計偏誤，本文假設企業生產函數為超越對數生產函數，參考ACF兩步法估算生產函數中的各個系數（βl，βk，βm，βll，βkk，βmm，βlk，βlm，βkm，βlkm），可得到中間品要素投入的產出彈性θmit=βmmit+βlmlit+βkmkit+βlmklitkit，進而根據（6）式得到企業成本加成率，同時本文使用會計法下的企業成本加成率做穩健性檢驗。

3．其他控制變量

參考杜明威等[32]、洪俊杰等[1]的做法，選取的控制變量主要包括：（1）公司規模（size），采用企業總資產取自然對數來衡量；（2）企業年齡（age），采用當年年份減去企業建立時間加1取自然對數來衡量；（3）賬面價值比（bm），采用賬面價值與總市值之比的自然對數來衡量；（4）資產負債率（lev），采用企業負債總額與資產總額之比來衡量；（5）企業平均工資（wage），采用企業應付職工薪酬與員工人數之比的自然對數來衡量。為進一步降低遺漏變量所產生的估計誤差，本文加入年份與行業、年份與城市的交互項控制行業與城市層面隨時間變化的變量。

（三）數據說明

本文選用2007—2020年滬深A股上市公司為研究對象，數據主要來自國泰安數據庫、上市公司年報及《中國城市統計年鑒》，并對樣本進行如下處理：剔除ABH股同時上市的企業；剔除在樣本期間內的ST企業或*ST企業及金融類企業；剔除樣本期間內企業年齡為負的樣本；剔除資不抵債的企業樣本；并對所有連續變量進行1%水平的winsor縮尾處理，各變量的描述性統計如表1所示。

三?實證結果分析

（一）基準回歸結果

基準回歸結果如表2所示：第（1）列為不加控制變量，僅控制年份、企業、年份固定效應與行業交互固定效應的結果；第（2）列為不加控制變量，控制所有固定效應的結果；第（3）列為加入控制變量，控制年份、企業、年份固定效應與行業交互固定效應的結果；第（4）列為控制所有控制變量與固定效應的結果。實證結果表明企業數字化轉型能夠顯著提高企業成本加成率。

從控制變量來看，企業規模對企業成本加成率有顯著的正向影響，這是因為規模越大的企業一般會擁有更大的價格和成本優勢；企業人均工資對企業成本加成率的影響顯著為負，原因是工資上漲導致企業邊際成本上升，進而降低企業成本加成率；資產負債率的影響顯著為負，主要原因是企業資產負債率越高，企業財務風險和融資成本也會提高，進而導致企業市場競爭力下降；企業年齡的影響顯著為負，主要原因是企業年齡越大生產慣性越強，轉型所需成本會更大；賬面價值比的影響顯著為正，主要原因是賬面價值比越高的企業收益率就越高，企業收入與成本的比值就越大，企業成本加成率就越高。

（二）穩健性檢驗

1．替代解釋變量指標

選用企業數字化轉型相關詞頻加1取對數衡量企業數字化轉型（ln dig1），并參考張永珅等的做法，根據財務報告附注披露的年末無形資產明細項選取其中關于計算機軟件、數字化、系統等項目的期末余額作為數字無形資產余額[33]，并用數字無形資產余額占資產總額的比例衡量企業數字化轉型（ln dig2）。結果如表3所示，在更換數字化轉型指標后，其對企業成本加成率的影響依然顯著為正。

2．替代被解釋變量

為檢驗實證結果的穩健性，采用會計法重新計算企業成本加成率（ln mkp_acc），計算方法如（2）式所示，最終回歸結果如表4所示。從第（1）列和第（2）列可以發現在更換被解釋變量衡量方式后數字化轉型對企業成本加成率的影響依然顯著為正。

3．解決樣本自選擇偏誤問題

本文的回歸結果表明數字化轉型程度越高，企業成本加成率就越高，但并非一定是數字化轉型提升了企業成本加成率，而是數字化轉型企業本身就是市場競爭力較強、技術水平較高的企業。因此，為解決可能存在的樣本自選擇偏誤，本文以每年各行業中企業數字化轉型的平均數為依據，將樣本劃分為實驗組與對照組，并采用PSM方法進行有放回地1∶1鄰近逐年匹配。重新匹配后樣本均值偏差的P值在10%置信水平上均不顯著。重新用匹配后樣本進行回歸，回歸結果如表5所示：第（1）列不加入控制變量僅控制企業、時間及年份×行業固定效應，第（2）列不加入控制變量同時控制所有固定效應，第（3）列加入控制變量后僅控制企業、時間及年份×行業固定效應，第（4）列控制所有控制變量與固定效應。實證結果顯示企業數字化轉型對企業成本加成率有顯著的正向影響，說明本文的回歸結果穩健。

4．解決逆向因果問題

企業數字化轉型與成本加成率之間可能存在逆向因果關系，因為市場競爭力強的企業更有能力進行數字化轉型。本文采用企業同行業中其他企業的平均數字化水平（iv1）作為工具變量，并借鑒楊金玉等的做法，采用數字化轉型指標與按行業二級編碼和省份分類的數字化轉型指標均值差額的三次方（iv2）作為工具變量[4]，結果如表6所示：其中第（1）（2）列分別使用iv1、iv2作為唯一工具變量，結果顯示第一階段工具變量對解釋變量企業數字化轉型的回歸結果顯著；第二階段對被解釋變量企業成本加成率的回歸結果顯著，最后弱工具變量檢驗與不可識別檢驗均顯著通過。第（3）列同時使用iv1、iv2作為聯合工具變量，結果依然顯著，觀察過度識別檢驗P值并不顯著，證明兩個工具變量均為外生變量。

（三）異質性分析

1．區分高生產率與低生產率企業

不同生產率企業數字化轉型的難度和目標也會有所不同。本文借鑒柏培文和喻理的做法，將企業按其TFP是否高于本行業TFP的平均數分為低TFP組企業和高TFP組企業[10]，回歸結果如表7所示。在高生產率企業組中，發現企業數字化轉型對高生產率企業的成本加成率有顯著的正向影響，在低生產率企業組中企業數字化轉型對低生產率企業的成本加成率沒有顯著影響。主要原因在于低生產率企業由于技術水平和資金支持的不足，企業數字化轉型更多停留在對數字技術的簡單應用上，轉型后所獲收益可能并不能彌補轉型成本；而高生產率企業能夠進行更深層次的技術研發，促進生產線的數字化與智能化，提高企業產品質量，從而提高企業成本加成率。

2．區分企業所有制

不同所有制企業的盈利模式、創新激勵、戰略規劃等存在差異，因此數字化轉型對企業成本加成率的影響也會有差異。本文將企業分為國有企業和非國有企業考察數字化轉型對不同所有制企業的影響，從表7中第（3）列和第（4）列可以發現，國有企業的數字化轉型對成本加成率有促進作用但并不顯著，而非國有企業有顯著的促進作用。主要原因是國有企業享有更多國家政策優待，企業面對的市場競爭壓力不高，數字化轉型動力不足，同時國有企業承擔著更多的社會責任，數字化轉型方向側重基礎民生而對企業成本加成率的提升作用不強。

3．區分高技術行業與非高技術行業

在數字技術和數據要素迅速滲透至各個行業的大背景下，不同行業技術水平的差異也會影響企業數字化轉型的難度和效果。因此本文根據《戰略性新興產業分類（2012）（試行）》和經濟合作與發展組織（OECD）相關文件，對照《上市公司行業分類指引（2012年修訂）》篩選出14個高技術行業

高技術行業代碼：C26～C28、C34～C36、C38～C40、I63、I64、I65、M73。，回歸結果如表8所示。在高技術行業組，數字化轉型能夠顯著提高企業成本加成率；在非高技術行業組，數字化轉型對非高技術行業企業成本加成率的影響雖為正但并不顯著。其原因是企業數字化轉型本身就具有高技術密集度特征，高技術行業企業接觸和利用數字化技術產生的成本更低，因此高技術行業企業數字化轉型不會對企業經營產生較大負擔；而非高技術行業企業由于技術能力不足最終可能導致數字化轉型對改善企業經營績效的效果不顯著。

4．區分高市場規模地區與低市場規模地區

企業所在地區的市場規模大小影響著企業數字化轉型程度與企業成本加成率之間的關系，企業所在地區的市場規模越大，越能吸引要素和相關基礎設施在當地集聚形成規模效應，從而降低企業轉型成本，提高企業成本加成率；而所在地區的市場規模越小，企業轉型難度就越大，越容易陷入轉型困境?？紤]到當前數字經濟發展一定程度上加強了各地區間市場的關聯性，因此為準確衡量各地區的市場規模大小，參考韓峰和莊宗武的做法，以歷年各省互聯網寬帶接入用戶數作權重對傳統市場潛力指數進行調整[34]，計算各省經調整后的市場潛力指數，不失一般性，按照是否高于各地區市場潛力指數的平均數將地區劃分成高市場規模地區與低市場規模地區，最終結果如表8所示?？梢钥闯鲈诟呤袌鲆幠５貐^組中，數字化轉型能夠顯著促進企業成本加成率的提升，而在低市場規模組中影響雖為正但并不顯著。

四?機制分析

結合前文的機制分析與假設，本文通過構建中介效應模型，從“資源配置效應”“成本節約效應”“研發創新效應”三個方面來考察數字化轉型對企業成本加成率的作用機制，下文構建模型同時考慮穩健性對理論機制進行檢驗。

其中，channelit為中介變量，檢驗過程如下：

（一）資源配置效應的中介機制檢驗

為驗證假設2，本文參考覃家琦等的做法[35]，通過技術效率衡量企業資源配置效率，假設企業生產函數為

其中，Y是產出向量；x為要素投入向量；exp（v）為隨機沖擊，即因為隨機因素導致的企業偏離最大產出的程度。除了隨機因素的影響，企業自身的低效率行為也會導致無法實現最優產出，exp（-u）代表效率水平，即實際產出與最優產出之間的比值，通過對u進行估計進而得到技術效率水平（eca）。

本文主要采用超越對數生產函數進行估計，要素投入主要包括勞動、資本、中間品投入，具體計算方法如前文所示。同時參考韋莊禹的做法構建反向指標資源錯配程度進行穩健性檢驗[36]，最終回歸結果如表9所示。由第（1）列和第（2）列可知數字化轉

型能夠通過促進資源配置效率提升進而提高企業成本加成率，第（3）列和第（4）列表明數字化轉型能夠降低企業資源錯配程度進而提升企業成本加成率，因此假設2成立。

（二）成本節約效應的中介機制檢驗

為驗證假設3，本文參考孟夏和董文婷的做法，從交易成本角度分別采用銷售費用占總資產比重（ln costs）以及管理費用占總資產比重（lncostm）來驗證成本節約效應[37]。同時參考杜明威等的做法，從生產靈活性角度采用庫存持有成本（ln hold）來驗證成本節約效應[38]，其中庫存持有成本為存貨期末余額除以總資產。最終回歸結果如表10所示。由第（1）列和第（2）列可以看出，數字化轉型通過降低企業銷售費用占比進而提高企業成本加成率；第（3）列和第（4）列從管理費用占比角度顯示數字化轉型能夠提高成本節約效率從而顯著提升企業成本加成率；第（5）列和第（6）列表明，數字化轉型能夠降低庫存持有成本，提高企業生產靈活性進而提高企業成本加成率。

（三）研發創新效應的中介機制檢驗

為驗證假設4和假設5，本文參考黎文靖和鄭曼妮的做法，采用企業專利申請數來衡量企業創新水平（pt），并進一步用發明專利申請數量衡量企業實質性技術創新水平（pti），用非發明專利申請數量衡量企業策略性創新水平（ptud）[39]。最終回歸結果如表11所示。第（1）列和第（2）列顯示，數字化轉型能夠通過研發創新效應提高企業成本加成率，即假設4成立。進一步將研發創新分為實質性創新與策略性創新發現，數字化轉型能夠帶動企業實質性創新，進而促進企業成本加成率的提升，但策略性創新對企業成本加成率的影響并不顯著，表明假設5成立。

五?進一步分析

為進一步分析數字化轉型中不同數字技術對企業成本加成率的影響，本文參考吳非等的做法[27]，將企業數字化轉型技術進一步細分為人工智能技術（ai）、區塊鏈技術（bd）、云計算技術（cc）、大數據技術（dt）、數字技術應用（adt），分別考察各類技術及其應用對企業成本加成率的影響?；貧w結果如表12所示，大數據技術、云計算技術及人工智能技術對企業成本加成率的影響較為顯著，與Zolas 等的結論基本一致[24]。相比之下，大數據技術與人工智能技術對企業成本加成率的影響較強，主要是因為大數據技術作為企業數字化轉型的一項必要投入能夠覆蓋企業產供銷各個環節，對企業成本加成率的提升作用更強；而人工智能技術被認為是一種通用技術及新型創新方法，對企業形成一種全方位影響，不僅可以作用在企業的各個生產環節，同時還能改進企業的創新思維與創新方法，對企業成本加成率的提升作用更大。此外，區塊鏈技術與數字技術應用對企業成本加成率的影響雖為正但并不顯著，主要原因是不同企業的數字技術應用具有較強的異質性特征，它所產生的經濟效益也并不一致，同時區塊鏈技術在應用上并不廣泛，對企業成本加成率不能產生顯著影響。

企業成本加成率通常被定義為價格與邊際成本之比，由此產生的一個問題是數字化轉型對企業成本加成率的影響更多是來源于邊際成本角度還是價格角度？本文對該問題進行進一步探討。由于上市公司數據缺少企業產品價格和產品數量相關數據，因此本文參考祝樹金等[9]的做法，采用中間品投入成本作為企業邊際成本的代理變量，同時根據企業成本加成率的定義擬合出企業的價格指標，最終回歸結果如表13所示。從第（1）列可以發現數字化轉型對企業中間品投入成本的影響顯著為負，表明數字化轉型能夠降低企業邊際成本；從第（2）列可知數字化轉型對企業產品價格的影響為負但并不顯著，其原因主要受兩方面的影響：一方面受成本-價格傳遞效應的影響，另一方面是因為數字技術研發水平較低，無法通過數字賦能降低企業的產品替代彈性，造成數字化轉型對企業產品價格的影響為負但并不顯著。通過比較數字化轉型對企業中間品投入成本和價格的影響系數可以發現，企業數字化轉型主要通過降低邊際成本對企業成本加成率產生影響。

六?結論與建議

本文基于2007—2020年上市公司年報數據構建數字化轉型指數，從企業層面探討了數字化轉型與成本加成率之間的關系，實證結果表明企業數字化轉型能顯著促進企業成本加成率的提升。該結果經一系列穩健性與內生性檢驗后同樣顯著，通過異質性分析發現：（1）從企業視角來看，高生產率企業與非國有企業的數字化轉型對企業成本加成率的影響更為顯著；（2）從行業視角出發，高技術行業企業的數字化轉型對企業成本加成率的提升作用更強；（3）從地域視角來看，處于市場規模更大地區的企業其數字化轉型更能提高企業成本加成率。機制分析發現，數字化轉型能夠通過資源配置效應、成本節約效應及研發創新效應對企業成本加成率產生影響，并且實質性創新對企業成本加成率的影響更為顯著。進一步研究發現，大數據技術、云計算技術及人工智能技術對企業成本加成率的影響更為顯著，并且數字化轉型主要通過降低邊際成本對企業成本加成率產生影響。

為此，本文就如何實現企業數字化轉型進而提升企業成本加成率提出如下建議：（1）企業數字化轉型應該“量力而行”，走適合自己的轉型之路。本文驗證了數字化轉型能夠提升企業的盈利能力和市場競爭力，同時數字化轉型能夠降低企業邊際成本，對企業發展具有更大的普適性，企業應主動進行數字化轉型以適應市場發展。但是數字化轉型應“因企制宜”，企業數字化轉型沒有固定的道路，企業要結合自身優勢和發展需求尋找合適的數字技術促進企業轉型，避免陷入轉型困境。（2）企業數字化轉型并不會一蹴而就，政府要鼓勵企業進行實質性創新。企業數字化轉型具有層次性特征，高水平的數字化轉型需要有基礎數字技術做支撐，需要企業不斷創新以提升企業數字化水平，同時也要注意，企業只有進行實質性創新才能提高企業成本加成率。因此政府要鼓勵企業不斷提高創新質量，激發創新活力，推動跨區域跨行業的創新循環不斷加強，形成更系統的經濟轉型。（3）完善數字基礎設施，暢通國內大循環。數字經濟的發展在一定程度上緩解了各地區間的市場分割，促進了區域間的資源流動。因此政府應加強數字基礎設施建設，優化市場管理體制與審批制度，加強市場監督與地方合作，充分激發國內大市場潛力，助力企業通過數字化轉型“走出去”。（4）結合不同技術特征，漸進提高企業數字化水平。不同數字技術對于企業成本加成率的影響具有差異性，企業應根據自身特點與發展階段采取不同數字技術提升企業數字化水平。同時企業應注意技術應用與技術投入之間的協調性，避免數字技術的過度應用而忽視企業技術水平提升，陷入“低水平技術依賴”。

［參?考?文?獻］

［1］?洪俊杰，蔣慕超，張宸妍.數字化轉型、創新與企業出口質量提升[J].國際貿易問題，2022（3）：1-15.

［2］?劉政，姚雨秀，張國勝，等.企業數字化、專用知識與組織授權[J].中國工業經濟，2020（9）：156-174.

［3］?Reimers I， Waldfogel J. Digitization and pre-purchase information： the causal and welfare impacts of reviews and crowd ratings[J]. American Economic Review， 2021（6）： 1944-1971.

［4］?楊金玉，彭秋萍，葛震霆.數字化轉型的客戶傳染效應——供應商創新視角[J].中國工業經濟，2022（8）：156-174.

［5］?Syverson C. Challenges to mismeasurement explanations for the US productivity slowdown[J]. Journal of Economic Perspectives， 2017（2）： 165-186.

［6］?Acemoglu D， Restrepo P. Automation and new tasks： how technology displaces and reinstates labor[J]. Journal of Economic Perspectives， 2019（2）： 3-30.

［7］?劉啟仁，黃建忠.產品創新如何影響企業加成率[J].世界經濟，2016（11）：28-53.

［8］?趙瑞麗，尹翔碩，孫楚仁.大城市的低加成率之謎：集聚效應和競爭效應[J].世界經濟，2019（4）：149-173.

［9］?祝樹金，鐘騰龍，李仁宇.中間品貿易自由化與多產品出口企業的產品加成率[J].中國工業經濟，2018（1）：41-59.

［10］柏培文，喻理.數字經濟發展與企業價格加成：理論機制與經驗事實[J].中國工業經濟，2021（11）：59-77.

［11］黃先海，金澤成，余林徽.出口、創新與企業加成率：基于要素密集度的考量[J].世界經濟，2018（5）：125-146.

［12］馬述忠，房超，梁銀鋒.數字貿易及其時代價值與研究展望[J].國際貿易問題，2018（10）：16-30.

［13］Milgrom P R， Tadelis S. How artificial intelligence and machine learning can impact market design[R]. Boston：National Bureau of Economic Research， 2018.

［14］Brynjolfsson E， Mcelheran K. The rapid adoption of data-driven decision-making[J]. American Economic Review， 2016（5）： 133-139.

［15］Strand M， Syberfeldt A. Using external data in a BI solution to optimise waste management[J]. Journal of Decision Systems， 2020（1）： 53-68.

［16］Li L， Chi T T， Hao T， et al. Customer demand analysis of the electronic commerce supply chain using Big Data[J]. Annals of Operations Research， 2018（1）： 113-128.

［17］沙文兵，彭徐彬.低碳經濟轉型與企業出口產品質量：基于低碳城市試點的準自然實驗[J].世界經濟研究，2023（4）：103-118+136.

［18］Carballo J， Chatruc M R， Santa C S， et al. Online business platforms and international trade[J]. Journal of International Economics， 2022（137）：103599.

［19］Mullainathan S， Spiess J. Machine learning： an applied econometric approach[J]. Journal of Economic Perspectives， 2017（2）： 87-106.

［20］Bajari P， Chernozhukov V， Hortasu A， et al. The impact of big data on firm performance： an empirical investigation[J]. AEA Papers and Proceedings， 2019（109）：33-37.

［21］Yang K H. Selling consumer data for profit： optimal market-segmentation design and its consequences[J]. American Economic Review， 2022（4）： 1364-1393.

［22］Cockburn I M， Henderson R， Stern S. The impact of artificial intelligence on innovation[R]. Boston：National Bureau of Economic Research， 2018.

［23］Taddy M. The technological elements of artificial intelligence[M]//The Economics of Artificial Intelligence. Chicago：University of Chicago Press，2019：61-68.

［24］Zolas N， Kroff Z， Brynjolfsson E， et al. Advanced technologies adoption and use by US firms： evidence from the annual business survey[R]. Boston：National Bureau of Economic Research， 2021.

［25］張葉青，陸瑤，李樂蕓.大數據應用對中國企業市場價值的影響——來自中國上市公司年報文本分析的證據[J].經濟研究，2021（12）：42-59.

［26］Byrne D M， Corrado C， Sichel D E. The rise of cloud computing： minding your Ps， Qs and Ks[R]. Boston：National Bureau of Economic Research， 2018.

［27］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界，2021（7）：130-144+10.

［28］袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化[J].中國工業經濟，2021（9）：137-155.

［29］盛丹，王永進.中國企業低價出口之謎——基于企業加成率的視角[J].管理世界，2012（5）：8-23.

［30］覃家琦.戰略委員會與上市公司過度投資行為[J].金融研究，2010（6）：124-142.

［31］Loecker J D， Warzynski F. Markups and firm-level export status[J]. American Economic Review， 2012（6）： 2437-2471.

［32］杜明威，耿景珠，劉文革.企業數字化轉型與中國出口產品質量升級：來自上市公司的微觀證據[J].國際貿易問題，2022（6）：55-72.

［33］張永珅，李小波，邢銘強.企業數字化轉型與審計定價[J].審計研究，2021（3）：62-71.

［34］韓峰，莊宗武.國內大市場、人工智能應用與制造業出口國內附加值[J].世界經濟研究，2022（5）：33-47+135.

［35］覃家琦，楊玉晨，王力軍，等.企業家控制權、創業資本與資本配置效率——來自中國民營上市公司的證據[J].經濟研究，2021（3）：132-149.

［36］韋莊禹.數字經濟發展對制造業企業資源配置效率的影響研究[J].數量經濟技術經濟研究，2022（3）：66-85.

［37］孟夏，董文婷.企業數字化轉型與出口競爭力提升——來自中國上市公司的證據[J].國際貿易問題，2022（10）：73-89.

［38］杜明威，耿景珠，崔巖.企業數字化轉型與出口：來自中國上市公司的微觀證據[J].世界經濟研究，2022（9）：119-134+137.

［39］黎文靖，鄭曼妮.實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響[J].經濟研究，2016（4）：60-73.