數(shù)字化轉(zhuǎn)型對(duì)零售企業(yè)全要素生產(chǎn)率影響的實(shí)證分析目錄TOC\o"1-3"\h\u26251數(shù)字化轉(zhuǎn)型對(duì)零售企業(yè)全要素生產(chǎn)率影響的實(shí)證分析 179231.1全要素生產(chǎn)率測(cè)量方法的介紹 2193911.2數(shù)據(jù)來(lái)源說(shuō)明 4266871.3變量和模型設(shè)定 5315581.4實(shí)證結(jié)果與分析 7217681.4.1變量的描述性統(tǒng)計(jì)分析 7271181.4.2相關(guān)性分析與均值檢驗(yàn) 8298661.4.3假設(shè)檢驗(yàn)結(jié)果 8103311.4.4對(duì)數(shù)字化轉(zhuǎn)型直接效應(yīng)的穩(wěn)健性檢驗(yàn) 10166491.5與已有相關(guān)研究的比較及說(shuō)明 1134361.5.1與已有相關(guān)研究的比較 1140741.5.2對(duì)研究結(jié)論的進(jìn)一步說(shuō)明 12盡管我國(guó)于2010年已成為世界第二經(jīng)濟(jì)體，但是隨著國(guó)內(nèi)外環(huán)境的日益復(fù)雜和不確定性提高，國(guó)家又適時(shí)提出了高質(zhì)量發(fā)展的要求。進(jìn)入新的發(fā)展階段，這就需要更好地采用合適的指標(biāo)來(lái)評(píng)價(jià)其效果。由于GDP測(cè)算中存在的諸多問(wèn)題，以及這本身是“規(guī)模”的反應(yīng)，難以體現(xiàn)高質(zhì)量發(fā)展階段的本質(zhì)性要求。在這樣的背景下，學(xué)者們開(kāi)始關(guān)注除GDP之外的變量和指標(biāo)。這其中，TFP受到了學(xué)術(shù)界的廣泛的關(guān)注。學(xué)們也普遍認(rèn)為，TFP是反映一個(gè)國(guó)家、一個(gè)行業(yè)、一個(gè)組織高質(zhì)量發(fā)展的關(guān)鍵性指標(biāo)，突出的體現(xiàn)出了“質(zhì)量”要求。在這樣的背景下，TFP逐步成為學(xué)者們普遍關(guān)注的話(huà)題。對(duì)于TFP的測(cè)量，也呈現(xiàn)出了一定的差異性。比如早期階段主要采用OLS來(lái)評(píng)價(jià)TFP，但是由于該方法存在著諸多問(wèn)題（比如，同時(shí)性偏差等）而逐步被學(xué)者們所舍棄。為突破這些問(wèn)題和局限，學(xué)者們開(kāi)始關(guān)注GMM以及SFA等測(cè)量方式。但是，它們對(duì)于測(cè)量宏觀(guān)層面（地區(qū)、行業(yè)甚至國(guó)家）的TFP是合適的，但是對(duì)微觀(guān)企業(yè)層面的TFP測(cè)量并不適用。對(duì)此，一些學(xué)者另辟蹊徑，提出了OP和LP兩種測(cè)算方法。這兩種方法對(duì)于測(cè)量微觀(guān)企業(yè)的TFP有著極為明顯的優(yōu)勢(shì)，為研究者所普遍采用。由此，本文將簡(jiǎn)要介紹OP和LP的方法與測(cè)量模型。在方法介紹的基礎(chǔ)上，采用中國(guó)零售業(yè)上市公司的相關(guān)數(shù)據(jù)，測(cè)算零售企業(yè)的TFP以及對(duì)假設(shè)1設(shè)計(jì)的測(cè)量指標(biāo)、模型設(shè)計(jì)以及假設(shè)進(jìn)行檢驗(yàn)和討論。其中，以O(shè)P方法計(jì)算的TFP進(jìn)行直接的實(shí)證檢驗(yàn)，而以L(fǎng)P法測(cè)算的結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。1.1全要素生產(chǎn)率測(cè)量方法的介紹OP方法的前提是，企業(yè)會(huì)結(jié)合當(dāng)前的生產(chǎn)狀況作出下一步的投資決策。從這個(gè)角度看，投資額可以作為重要替代性要素納入到模型當(dāng)中，從而解決同時(shí)性偏差問(wèn)題。而至于選擇性誤差來(lái)說(shuō)，OP可將投資額以及企業(yè)的現(xiàn)有資本量之間以對(duì)數(shù)的形式銜接起來(lái)，從而得到相應(yīng)的勞動(dòng)產(chǎn)出彈性。在這個(gè)分析的基礎(chǔ)上，建立企業(yè)的存續(xù)模型來(lái)判斷下一步的決策。通過(guò)這樣的方式，也就規(guī)避了可能的偏差問(wèn)題。進(jìn)一步對(duì)OP法進(jìn)行系統(tǒng)的介紹如下：首先，對(duì)數(shù)化處理生產(chǎn)函數(shù)：QUOTEyit=a+αlit+βkit+在方程式1.1中，QUOTEyityit指的是，t時(shí)期的產(chǎn)出指標(biāo)。QUOTElitlit刻畫(huà)的是具體時(shí)期的勞動(dòng)投入狀況。QUOTEkitkit代表的是某個(gè)時(shí)間中的資本要素狀況。但是，這個(gè)方程式的問(wèn)題就在于殘差項(xiàng)僅僅指的是當(dāng)期水平，而另外一些關(guān)鍵因素的影響則不能被有效的體現(xiàn)出來(lái)。這會(huì)影響未來(lái)的規(guī)劃決策。為此，要進(jìn)一步解析1.1模型中的殘差項(xiàng)。具體來(lái)說(shuō)，假設(shè)：QUOTEuit=ωit+εit在方程式1.2之中，QUOTEωitωit和QUOTEεitεit分別有不同的影響因素來(lái)造成的。具體來(lái)說(shuō)，前者通常是由于經(jīng)濟(jì)實(shí)體的相關(guān)的組織慣例、流程規(guī)則等的變革所導(dǎo)致的，通常是難以被有效識(shí)別的。而后者則指的是測(cè)量方面的相關(guān)問(wèn)題所導(dǎo)致的，同樣，也是難以被識(shí)別和測(cè)量出來(lái)的。進(jìn)一步將方程式1.2與方程式1.1整合起來(lái)，可以得到新的方程式：QUOTEyit=a+αlit+βk在上述方程式中，由于QUOTE是滿(mǎn)足馬爾科夫過(guò)程的。由此，可以進(jìn)一步得到方程式1.3：QUOTEωit=gωit-1+ξit將方程式1.3整合到方程式變形后的生產(chǎn)函數(shù)中，便得到如下的方程式：QUOTEyit=a+αlit+βkOP測(cè)算TFP時(shí)，資本是符合永續(xù)盤(pán)存是該方法的重要假設(shè)?；诖耍梢赃M(jìn)一步得到如下方程式：QUOTEkit=l-δkit-1+iit在1.4中，k、l表示資本存量和投資水平，t代表時(shí)期，i表示企業(yè)。依據(jù)永續(xù)盤(pán)存的假設(shè)和觀(guān)點(diǎn)，當(dāng)期的資本投入情況唯一的受到上一期投入水平的影響。也就是說(shuō)，l和QUOTEωitωit以及QUOTEεitεit等是不相關(guān)的。因此，企業(yè)家/管理者會(huì)依據(jù)當(dāng)期的生產(chǎn)預(yù)期來(lái)做出相應(yīng)的決策。如果有著顯著積極的判斷，他們就會(huì)提高該時(shí)期的投入力度。相反，如果他們的預(yù)期是悲觀(guān)的，或者不看好發(fā)展前景時(shí)，就會(huì)放棄追加投入。進(jìn)而，可以進(jìn)一步提出關(guān)于生產(chǎn)率預(yù)期和投資決策的關(guān)系方程式。QUOTEiit=ikit,ωitOP法來(lái)計(jì)算TFP時(shí)，另外的前提是：預(yù)測(cè)模型中只有生產(chǎn)率是不可觀(guān)察的。在這個(gè)假設(shè)條件下，就可以對(duì)方程式1.5進(jìn)行反函數(shù)的分析，由此可以得到方程1.6：QUOTEωit=hiit,kit將1.6納入到原方程中，得到：QUOTEyit=a+αlit+βk令QUOTE?it=βkit+hiQUOTEyit=a+αlit+?iit,對(duì)方程式1.7進(jìn)行解析便能求出α。進(jìn)一步地，也可以求解得到QUOTE?iit,kit在此基礎(chǔ)上，將方程式1.3以及上述測(cè)算出的值整合到方程式1.7中，就能推導(dǎo)出方程式1.8：QUOTEy-αlit=a+βkit+QUOTEy-αlit=a+βkit+gQUOTEy-αlit=a+βkit+g?it-1如果上述模型中的k、偏誤ξ和ε是不相關(guān)的。那么，就能通過(guò)測(cè)算得到β。此時(shí)，所有的系數(shù)都能夠測(cè)算出來(lái)，也就能得到TFP了。但是需要進(jìn)一步說(shuō)明的是，如果具體的企業(yè)產(chǎn)出值為0，通過(guò)上述的分析程序是難以得到全要素生產(chǎn)率結(jié)果的。針對(duì)OP法測(cè)量全要素生產(chǎn)率存在的上述局限性，有學(xué)者進(jìn)一步提出了LP法，即通過(guò)中間品投入量來(lái)取代上述所提出的最終產(chǎn)出量。這一改進(jìn)的典型優(yōu)勢(shì)就在于，對(duì)數(shù)據(jù)的要求不再那么嚴(yán)格，為實(shí)證檢驗(yàn)時(shí)擴(kuò)大樣本量提供了解決方案。為處理這個(gè)潛在的問(wèn)題，Levinsohn等又進(jìn)一步指出，可以采用“中間投入點(diǎn)”來(lái)取代原來(lái)最終的產(chǎn)出水平，即所謂的LP方法。簡(jiǎn)要介紹如下：對(duì)基本的生產(chǎn)函數(shù)進(jìn)行對(duì)數(shù)化處理之后得到方程式1.9：QUOTEyit=αlit+βkit+γ方程式1.9中，m指的是中間投入額。進(jìn)一步依據(jù)該方法的前提條件假設(shè)，在資本存量一定時(shí)，中間投入額是生產(chǎn)率的單調(diào)遞增函數(shù)。兩者的關(guān)系可以通過(guò)方程式1.10表示出來(lái)。QUOTEmit=mkit,ωit那么，進(jìn)一步對(duì)方程式1.9進(jìn)行反導(dǎo)數(shù)推導(dǎo)，能得到方程式1.11：QUOTEωit=hkit,mit將上1.10和1.11帶入1.9中：QUOTEyit=αlit+?k具體的測(cè)算過(guò)程與上述OP法基本的程序與步驟是一致的，最終可以得到模型1.12：QUOTEQUOTEyit-αlit=βkQUOTEyit-αlit=βkit+γ按照與OP法同樣的方式就最終可以得到TFP：QUOTETFPitLP=expyit-αlit本文將采用上述兩種方式來(lái)測(cè)算TFP。1.2數(shù)據(jù)來(lái)源說(shuō)明本文選擇滬深股市89家零售上市企業(yè)作為樣本進(jìn)行考察。鑒于數(shù)字化轉(zhuǎn)型具有階段性特征，本文選擇了2014年至2018年間的完整數(shù)據(jù)進(jìn)行檢驗(yàn)。為了避免一些非正常因素的影響，與以往的研究類(lèi)似，本文刪除了ST上市企業(yè)。此外，為保持研究數(shù)據(jù)的可比較性，剔除輝隆股份、徐家匯、龐大集團(tuán)、紅旗連鎖等共23家上市企業(yè)。在樣本企業(yè)中國(guó)有及其國(guó)有控股的樣本數(shù)量為41，其他還包括23家民營(yíng)上市企業(yè)。同時(shí)，還需要說(shuō)的是，本文之所以選擇2014-2018年的數(shù)據(jù)是處于如下考慮：首先，數(shù)字化轉(zhuǎn)型在這個(gè)時(shí)期內(nèi)得到了快速的發(fā)展。正如前文所說(shuō)，數(shù)字化轉(zhuǎn)型是一個(gè)動(dòng)態(tài)的、長(zhǎng)期的過(guò)程，在2014年之前更多的是信息、互聯(lián)網(wǎng)等技術(shù)的引進(jìn)期，還沒(méi)有涉及到對(duì)組織結(jié)構(gòu)等的深刻變革。其次，以零售企業(yè)TFP為研究對(duì)象的很多研究，主要是在世紀(jì)之初進(jìn)行的，近年來(lái)盡管有一定的增加，但是還是在數(shù)字化轉(zhuǎn)型的早期。正如下文將討論的，數(shù)字化轉(zhuǎn)型的優(yōu)勢(shì)很可能在短期內(nèi)難以有效地被全部激發(fā)出來(lái)。因此，在這段時(shí)期內(nèi)，數(shù)字化轉(zhuǎn)型如何影響TFP還是需要考察的。1.3變量和模型設(shè)定為了檢驗(yàn)假設(shè)1，構(gòu)建如下預(yù)測(cè)模型：QUOTETFPit=α+β0Digitali,t-1在上述模型中，因變量是企業(yè)TFP。通過(guò)OP和LP兩種方法分別對(duì)其進(jìn)行計(jì)算。核心自變量是數(shù)字化轉(zhuǎn)型。采用兩種方式來(lái)進(jìn)行測(cè)量評(píng)價(jià)：一是觀(guān)察“是否實(shí)施了數(shù)字化轉(zhuǎn)型戰(zhàn)略”，具體的賦值方式是，對(duì)這些樣本的公告、報(bào)告等進(jìn)行系統(tǒng)分析，如果該企業(yè)開(kāi)始將數(shù)字技術(shù)與業(yè)務(wù)進(jìn)行融合，或者倒逼了組織慣例、業(yè)務(wù)流程等的變革，則賦值為1，否則將其視為0。另外一種測(cè)度方式，采用“技術(shù)投資額”來(lái)判定。這兩種不同的刻畫(huà)方式，分別以Digital_YN和Digital_rt來(lái)予以表示。在假設(shè)檢驗(yàn)是，本文還納入了一些控制變量，也對(duì)時(shí)間效應(yīng)進(jìn)行了控制。在檢驗(yàn)過(guò)程中，如果β0是正值，并且是顯著的，那么，我們就可以認(rèn)為數(shù)字化轉(zhuǎn)型有助于TFP提升。對(duì)具體變量的測(cè)算方式介紹如下：（1）TFP的測(cè)算依據(jù)上述的方法介紹結(jié)果，可得到TFP的測(cè)算方程：QUOTETFPitLP=expyit-αTFP測(cè)算中相關(guān)變量的選擇匯總見(jiàn)表5-1。具體指標(biāo)的含義不再一一進(jìn)行介紹。但是需要重點(diǎn)說(shuō)明是對(duì)具體測(cè)度要素的選擇考慮?？紤]到零售企業(yè)的特殊性：即典型的中間商。該類(lèi)企業(yè)的“銷(xiāo)售額”或者“主營(yíng)業(yè)務(wù)收入”，很難真實(shí)的刻畫(huà)其真實(shí)的盈利狀況。從這個(gè)角度來(lái)說(shuō)，采用這兩個(gè)值來(lái)刻畫(huà)零售企業(yè)的實(shí)際產(chǎn)出似乎并不太合理。對(duì)此，這就涉及到了另外一個(gè)測(cè)量“產(chǎn)出”的指標(biāo)：經(jīng)濟(jì)增加值。該指標(biāo)能夠更有效地來(lái)刻畫(huà)與說(shuō)明零售企業(yè)的“產(chǎn)出”情況。而對(duì)經(jīng)濟(jì)增加值的測(cè)算也有方法上的差異?？紤]到現(xiàn)有國(guó)家或者地區(qū)對(duì)零售業(yè)運(yùn)行情況的測(cè)算方式，以及數(shù)據(jù)本身的可獲取性等問(wèn)題，收入法可能是一種有效的測(cè)量零售企業(yè)的經(jīng)濟(jì)增加值的有效方式。本文也選用這一方法。表5-SEQ表5-\*ARABIC1TFP測(cè)算指標(biāo)說(shuō)明具體計(jì)算方式說(shuō)明如下：對(duì)于實(shí)際產(chǎn)出值的確定，通常采用兩種指標(biāo)，一是上市公司的主營(yíng)業(yè)務(wù)收入或者銷(xiāo)售額，另一個(gè)是企業(yè)經(jīng)濟(jì)增加值。由于零售企業(yè)主要是通過(guò)購(gòu)進(jìn)商品然后加價(jià)銷(xiāo)售后才能實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值，而銷(xiāo)售額的大小與商品購(gòu)買(mǎi)額密切相關(guān)；銷(xiāo)售額大的零售企業(yè)其盈利水平并不一定大，因此，經(jīng)常采用的銷(xiāo)售額或者主營(yíng)業(yè)務(wù)收入來(lái)作為零售企業(yè)的產(chǎn)出指標(biāo)可能并不太適合。而經(jīng)濟(jì)增加值很可能能夠彌補(bǔ)這些缺陷。在具體的測(cè)算方式上，考慮到數(shù)據(jù)可獲得性以及通行做法，采用收入法來(lái)進(jìn)行評(píng)價(jià)。具體測(cè)算方式如下：這一計(jì)算方法來(lái)刻畫(huà)經(jīng)濟(jì)增加值也不是完全正確的，但是基本上能夠體現(xiàn)出零售企業(yè)的“經(jīng)濟(jì)增加值”的內(nèi)涵及其計(jì)算要求，通常也是可被接受的。按照已有研究的處理方式，本文在得到上述的基本數(shù)值后，再進(jìn)一步結(jié)合零售商品價(jià)值指數(shù)進(jìn)行處理，從而能夠得到年度經(jīng)濟(jì)增加值（李子文，2017）。（2）數(shù)字化轉(zhuǎn)型。按照以往研究的刻畫(huà)方式，數(shù)字化轉(zhuǎn)型主要存在兩種刻畫(huà)方式：一種是將數(shù)字化轉(zhuǎn)型視為虛擬變量，將當(dāng)年發(fā)生了數(shù)字化轉(zhuǎn)型的年份設(shè)定為1，否則為0；具體賦值依據(jù)上市企業(yè)的臨時(shí)和定期公告手動(dòng)收集而成。二是運(yùn)用“技術(shù)投資額”來(lái)測(cè)量數(shù)字化轉(zhuǎn)型。需要說(shuō)明的是，盡管以往學(xué)者采用該指標(biāo)來(lái)刻畫(huà)信息化水平，但是正如本文上述所闡述的那樣，同樣是這個(gè)指標(biāo)，實(shí)際功能可能會(huì)由于企業(yè)處于的生命周期不同而有所差異（劉飛，2020）。比如在初期階段，主要是引進(jìn)相應(yīng)的技術(shù)，但是在后續(xù)的跟進(jìn)中，這方面的投資很可能是對(duì)已有技術(shù)的利用以及與業(yè)務(wù)的深刻融合。對(duì)這一指標(biāo)的選擇是年報(bào)中“固定資產(chǎn)”中具體所列的二級(jí)條目“電子設(shè)備”額度；再加上，“無(wú)形資產(chǎn)”所列二級(jí)條目“軟件”的額度。由兩者匯總得到實(shí)際刻畫(huà)指標(biāo)。（3）控制變量。與以往的相關(guān)實(shí)證文獻(xiàn)類(lèi)似（李子文，2017；周琪琦，2018），本文對(duì)控制了如下要素，見(jiàn)表5-2。表5-SEQ表5-\*ARABIC2變量測(cè)度方式匯總注：本文自制。1.4實(shí)證結(jié)果與分析1.4.1變量的描述性統(tǒng)計(jì)分析表5-3對(duì)相關(guān)的變量的基本情況進(jìn)行了展示?？梢钥闯觯骄鵗FP_OP為1.207。數(shù)字化轉(zhuǎn)型（Digital_yn）的值為.902，表明截止到2018年底，已經(jīng)有90%的企業(yè)開(kāi)始實(shí)施數(shù)字化轉(zhuǎn)型；Digital_rt的最大值為14.03，最小值為0.359，說(shuō)明數(shù)字化轉(zhuǎn)型差異相對(duì)比較大。表5-SEQ表5-\*ARABIC3變量描述性結(jié)果1.4.2相關(guān)性分析與均值檢驗(yàn)從表4看出，TFP_OP與Digital_yn的相關(guān)系數(shù)為0.033，不顯著；但是Digital_cr與TFP_OP的相關(guān)性系數(shù)為0.101，是顯著的。這初步說(shuō)明以信息數(shù)字化技術(shù)投資表征的數(shù)字化轉(zhuǎn)型與TFP有著微弱的正相關(guān)關(guān)系。此外，各變量見(jiàn)的相關(guān)系數(shù)均不大，這從側(cè)面說(shuō)明了各個(gè)要素間的共線(xiàn)性問(wèn)題并不是特別嚴(yán)重（李子文，2017）。初步對(duì)假設(shè)1提供了支持。表5-SEQ表5-\*ARABIC4變量的相關(guān)系數(shù)矩陣變量12345671TFP_OP2Digital_yn0.0333Digital_rt0.101+0.0274Size0.213**0.0320.0665Lev0.0340.0410.0760.0636Roe0.123*0.0280.0430.0710.0237Edu0.102*0.0170.081-0.0380.0310.0108Age-0.0900.0420.0120.121*0.0440.0620.039注：**p＜0.01；*p＜0.05；+p＜0.10.1.4.3假設(shè)檢驗(yàn)結(jié)果通常采用隨機(jī)效應(yīng)和固定效應(yīng)兩種方式來(lái)分析面板數(shù)據(jù)。采取何種模式更為合適的標(biāo)準(zhǔn)在于：如果個(gè)體特性要素與解釋要素是相關(guān)的，采用固定效應(yīng)模式；否則，即如果沒(méi)有相關(guān)性，則采用隨機(jī)效應(yīng)模式。本文發(fā)現(xiàn)（表5-5）采用固定效應(yīng)模式是合理的。表5-SEQ表5-\*ARABIC5Hausman檢驗(yàn)結(jié)果檢驗(yàn)方法Hausman檢驗(yàn)值P值檢驗(yàn)結(jié)果Hausman，sigmamore1.860.0038<0.05接受固定效應(yīng)Hausman，sigmaless9.300.0267<0.05接受固定效應(yīng)首先對(duì)假設(shè)1進(jìn)行實(shí)證分析。從表5-6看出，以“是否實(shí)施數(shù)字化轉(zhuǎn)型”的Digital_yn與TFP_OP之間無(wú)顯著的相關(guān)關(guān)系。相反，以信息數(shù)字化軟硬件投資額表征的數(shù)字化轉(zhuǎn)型Digital_cr與TFP_OP的相關(guān)系數(shù)達(dá)到了0.072，且在10%的水平下是顯著的。這兩個(gè)結(jié)果表明，相較于暫未實(shí)施數(shù)字化轉(zhuǎn)型的零售企業(yè)，實(shí)施數(shù)字化轉(zhuǎn)型的零售企業(yè)的生產(chǎn)率并沒(méi)有立即發(fā)生顯著變化。這意味著，數(shù)字化轉(zhuǎn)型微弱地提升了TFP_OP。在本文研究中，大多數(shù)企業(yè)都已開(kāi)始實(shí)施了數(shù)字化轉(zhuǎn)型，Digital_yn的值為1的樣本觀(guān)測(cè)值占90%以上。造成這種不相關(guān)的原因可能有：第一，本身數(shù)據(jù)刻畫(huà)上的。前文一直在強(qiáng)調(diào)，數(shù)字化轉(zhuǎn)型的實(shí)施力度是有很大的差異的，但是這種僅僅0-1的刻畫(huà)方式，并不能體現(xiàn)出這種差異。而且大多數(shù)企業(yè)均實(shí)施了數(shù)字化轉(zhuǎn)型，因此，得出的結(jié)論可能也沒(méi)有太大的實(shí)質(zhì)性意義。第二，本文前文的分析還指出，數(shù)字化轉(zhuǎn)型的效果實(shí)現(xiàn)還可能存在一定的滯后效應(yīng)，當(dāng)期的實(shí)施并不立即出現(xiàn)預(yù)期的效果。在接下來(lái)的分析中，本文將舍棄這種測(cè)度的方式的實(shí)證檢驗(yàn)，重點(diǎn)分析以信息數(shù)字化軟硬件投資額表征的數(shù)字化轉(zhuǎn)型對(duì)TFP的影響效應(yīng)和過(guò)程。盡管出現(xiàn)了結(jié)論上的差異，但是也可以大致的認(rèn)為假設(shè)1得到了數(shù)據(jù)的支持。表5-SEQ表5-\*ARABIC6數(shù)字化轉(zhuǎn)型對(duì)TFP-OP的直接效應(yīng)變量TFP_OP（1）（2）Digital_yn0.030（0.028）Digital_cr0.072+（0.016）Size0.122**（0.003）0.117**（0.004）Lev-0.031（0.035）-0.007（0.027）Roe1.172**（0.092）1.152**（0.091）Edu0.104**（0.002）0.101**（0.002）Age-0.032**（0.012）-0.030**（0.011）YearYesYesR20.3010.327注：**、*、+分別表示p＜0.01、0.05、0.10。1.4.4對(duì)數(shù)字化轉(zhuǎn)型直接效應(yīng)的穩(wěn)健性檢驗(yàn)（1）剔除未進(jìn)行數(shù)字化轉(zhuǎn)型的樣本刪除未進(jìn)行數(shù)字化轉(zhuǎn)型的樣本，對(duì)Digital_cr和TFP_OP的關(guān)系進(jìn)行進(jìn)一步檢驗(yàn)。檢驗(yàn)結(jié)果見(jiàn)表5-7。從中可以看出的是，Digital_cr與TFP_OP的關(guān)系是顯著的正相關(guān)。這表明，數(shù)字化轉(zhuǎn)型的力度越大，TFP的提升效果也就越明顯。表5-SEQ表5-\*ARABIC7刪除樣本后的檢驗(yàn)結(jié)果TFP_OPDigital_cr0.082+（0.014）Cons2.322**（0.167）ControlsYesYearYesR20.337注：**、*、+分別表示p＜0.01、0.05、0.10。（2）以TFP_LP為結(jié)果變量的穩(wěn)健性檢驗(yàn)穩(wěn)健性檢驗(yàn)的第二種方式是用TFP_LP來(lái)替代TFP_OP。這種方式得到了廣泛采納（羅能生等，2018；盛明泉等，2018）。采用類(lèi)似當(dāng)方式的檢驗(yàn)結(jié)果見(jiàn)表5-8。Digital_cr與TFP_LP有顯著的正相關(guān)關(guān)系。而Digital_yn與TFP_LP則不顯著相關(guān)。與上述的研究結(jié)果并沒(méi)有本質(zhì)上的差異。表5-SEQ表5-\*ARABIC8以TFP_LP為結(jié)果變量的穩(wěn)健性檢驗(yàn)變量TFP_LP（1）（2）Digital_yn0.030（0.040）Digital_cr0.090+（0.040）Size0.273**（0.004）0.267**（0.004）Lev0.301**（0.031）0.292**（0.031）Roe1.526**（0.101）0.1523**（0.102）Edu0.020**（0.004）0.020**（0.004）Age0.021（0.032）0.021（0.032）YearYesYesR20.3020.311注：**、*、+分別表示p＜0.01、0.05、0.10。1.5與已有相關(guān)研究的比較及說(shuō)明1.5.1與已有相關(guān)研究的比較“生產(chǎn)率”已成為衡量企業(yè)發(fā)展?fàn)顩r的有效指標(biāo)。但是研究零售企業(yè)的TFP相對(duì)比較少。盡管近些年有所增加，但是數(shù)量還是十分有限。接下來(lái)，本文將結(jié)合上述的研究結(jié)論，與現(xiàn)有的以零售企業(yè)為對(duì)象的、考察其效率的相關(guān)研究進(jìn)行比較，從而進(jìn)一步闡釋本文的研究結(jié)論與已有文獻(xiàn)的區(qū)別與聯(lián)系。楊波（2012）重點(diǎn)考察了我國(guó)零售企業(yè)的效率變化情況，是識(shí)別出了導(dǎo)致效率變化的一些重要變量。陳港等（2020）則主要考察了零售企業(yè)的綜合效率，發(fā)現(xiàn)，近年來(lái)，零售企業(yè)效率呈現(xiàn)出下滑的趨勢(shì)，繼而明確了相關(guān)的原因。方虹等（2009）的實(shí)證研究表明，零售企業(yè)TFP在世紀(jì)初呈現(xiàn)出明顯的提升趨勢(shì)，造成這種現(xiàn)象的原因在于技術(shù)進(jìn)步得到了快速發(fā)展。楊海麗等（2020）的研究結(jié)果表明，那些實(shí)施轉(zhuǎn)型（到線(xiàn)上）的零售企業(yè)的運(yùn)行效率并沒(méi)有出現(xiàn)顯著的下滑。趙紅等（2020）的研究指出，多數(shù)零售企業(yè)并沒(méi)有實(shí)現(xiàn)效率上的提升。從這些研究看出，當(dāng)前文獻(xiàn)還存在如下問(wèn)題：第一，研究的取樣來(lái)講，樣本數(shù)量很有限；第二，時(shí)間區(qū)間相對(duì)比較早，僅有一篇文章考察了2009-2018年的營(yíng)運(yùn)效率，但是企業(yè)營(yíng)運(yùn)效率與TFP還有著顯著的差異；第三，往往僅將零售企業(yè)轉(zhuǎn)型變革主要方向的數(shù)字化轉(zhuǎn)型作為外生背景，沒(méi)有系統(tǒng)考察數(shù)字化轉(zhuǎn)型對(duì)零售企業(yè)TFP的影響。對(duì)此，本文系統(tǒng)考察了數(shù)字化轉(zhuǎn)型對(duì)TFP的影響，并采用89家企業(yè)的樣本數(shù)據(jù)，對(duì)兩者的關(guān)系進(jìn)行了檢驗(yàn)。結(jié)果表明，以虛擬變量表征的數(shù)字化轉(zhuǎn)型對(duì)零售企業(yè)TFP并無(wú)直接影響，這說(shuō)明數(shù)字化轉(zhuǎn)型是一個(gè)復(fù)雜動(dòng)態(tài)不確定性的過(guò)程，很難在較短的期限內(nèi)直接發(fā)揮顯著的積極作用；但是以數(shù)字化技術(shù)投資水平測(cè)度的數(shù)字化轉(zhuǎn)型則與零售企業(yè)TFP呈現(xiàn)出邊際上的正相關(guān)關(guān)系；穩(wěn)健性檢驗(yàn)的相關(guān)實(shí)證結(jié)果也支持了這一結(jié)論。相較于以往研究，本文直接將數(shù)字化轉(zhuǎn)型作為內(nèi)生要素，考察了其對(duì)TFP的影響效應(yīng)，這是對(duì)以往研究的有效補(bǔ)充；也為數(shù)字化轉(zhuǎn)型提供了堅(jiān)實(shí)的經(jīng)驗(yàn)支撐與依據(jù)。1.5.2對(duì)研究結(jié)論的進(jìn)一步說(shuō)明以技術(shù)投資額度表征的數(shù)字化轉(zhuǎn)型與TFP之間僅存在著微弱的正相關(guān)關(guān)系，這表明數(shù)字化轉(zhuǎn)型僅僅關(guān)注技術(shù)投資可能并不足以促進(jìn)TFP的顯著提升。這一研究結(jié)論，與當(dāng)前實(shí)踐界所提出的企業(yè)數(shù)字化轉(zhuǎn)型失敗率比較高的說(shuō)法可能有一定的差異。有報(bào)告指出，數(shù)字化轉(zhuǎn)型的失敗率接近80%；但需要指出的是，該報(bào)告中所指出的所謂的轉(zhuǎn)型成功，僅僅界定為“完全意義上的以數(shù)字化思維、數(shù)字化運(yùn)營(yíng)的方式來(lái)實(shí)現(xiàn)效益的持續(xù)增長(zhǎng)”。如果達(dá)不到這一目標(biāo)，則被定性為數(shù)字化轉(zhuǎn)型是失敗的。問(wèn)題在于，這一標(biāo)準(zhǔn)定義過(guò)為嚴(yán)格，而且數(shù)字化轉(zhuǎn)型并不是一轉(zhuǎn)就有效的，是一個(gè)長(zhǎng)期的過(guò)程，因此，要最終實(shí)現(xiàn)該報(bào)告中的所謂的完全成功轉(zhuǎn)型，可能還需要較長(zhǎng)的時(shí)間。與現(xiàn)有大部分結(jié)論相似，數(shù)字化轉(zhuǎn)型是有助于提升TFP的；但是，與這些研究結(jié)論不同的地方在于，本文的結(jié)果表明，數(shù)字化轉(zhuǎn)型只與TFP有著微弱的正相關(guān)關(guān)系，即僅在10%意義上是顯著的。造成差異的原因可能包括如下幾個(gè)重要的方面：第一，數(shù)字化轉(zhuǎn)型是一個(gè)復(fù)雜的不確定性過(guò)程，對(duì)于數(shù)字化轉(zhuǎn)型方面的投資很可能不會(huì)立即給企業(yè)帶來(lái)“質(zhì)”的飛躍，這在很大程度上存在著時(shí)間滯后效應(yīng)。從本文選擇的樣本企業(yè)來(lái)看，它們都是上市企業(yè)，應(yīng)該屬于零售企業(yè)的“佼佼者”；同時(shí)，從這些企業(yè)的公告、新聞等內(nèi)容來(lái)看，大部分企業(yè)在數(shù)字化轉(zhuǎn)型方面已經(jīng)進(jìn)行了多年的探索，本文所發(fā)現(xiàn)的這種“微弱”的正相關(guān)效應(yīng)在很大程度上也是真實(shí)合理的。第二，數(shù)字化轉(zhuǎn)型并不是簡(jiǎn)單意義上的數(shù)字技術(shù)方面的投資，還需要配套性的革新與其他的創(chuàng)新性投入的配套。這種配套不僅包括組織結(jié)構(gòu)方面的革新，還包括其他配套技術(shù)、人員方面的投入，甚至還包括對(duì)原有商業(yè)模式方面的革新等。從這個(gè)角度來(lái)說(shuō)，單純的數(shù)字化轉(zhuǎn)型（指的是數(shù)字化技術(shù)的投資）如果不能有效地帶動(dòng)這些方面的創(chuàng)新性投入，僅僅為數(shù)字化而數(shù)字化，數(shù)字化轉(zhuǎn)型可能并不足以帶來(lái)TFP的顯著提升。第三，零售企業(yè)數(shù)字化轉(zhuǎn)型需要額外的資源、資金等方面的大量投入才能獲取較高的預(yù)期效益。這從側(cè)面說(shuō)明了不同類(lèi)型的企業(yè)可能在數(shù)字化轉(zhuǎn)型方面的效果也存在一定的差異。本文所發(fā)現(xiàn)的這種“微弱”的正相關(guān)關(guān)系可能是由于沒(méi)有考慮樣本企業(yè)的“性質(zhì)”所導(dǎo)致的。比如，相較于民營(yíng)企業(yè)，國(guó)有企業(yè)通常擁有強(qiáng)勁的資源支持和資金實(shí)力，隨著近些年來(lái)的現(xiàn)代企業(yè)管理體制改革，已經(jīng)具