Does Process Digitalization Promote Firms’ Participation in Global Value Chains?——Micro-Evidence from Chinese Manufacturing Firms
-
摘要:
在构建“双循环”新发展格局和建设“数字中国”的背景下，探究流程数字化对企业全球价值链嵌入的影响具有重要的理论意义和现实意义。基于中国制造业企业大样本调查数据，实证探究流程数字化对企业全球价值链嵌入的影响，并考察内部信息共享、政治稳定性对二者关系的调节作用。研究发现：流程数字化有助于制造业企业嵌入全球价值链；在使用倾向得分匹配方法解决样本自选择偏误问题以及使用变量替换法进行稳健性检验后，该结论依旧保持一致。调节效应结果表明，政治稳定性正向调节流程数字化与企业全球价值链嵌入的关系，即政治稳定性越强，流程数字化对企业全球价值链嵌入的促进作用越强，而内部信息共享对流程数字化与企业全球价值链嵌入关系的调节作用不显著。异质性分析结果表明，相较于融资约束企业和低吸收能力企业，流程数字化更利于融资约束解绑企业、高吸收能力企业嵌入全球价值链。
Abstract:It is of great theoretical and practical significance to explore the impact of process digitalization on firms’ participation in global value chains (GVC) in the context of building a new development pattern of “dual circulation” and a “digital China”. Based on the survey data from a large sample of manufacturing firms in China, this paper empirically explores the impact of process digitalization on firms’ participation in GVC, and examines the moderating effect of internal information sharing and political stability on the relationship between them. The study finds that process digitalization is helpful to manufacturing firms’ participation in GVC, and the finding remains the same after using the propensity score matching to solve the problem of sample self-selection bias and using the variable replacement method to test robustness. The results of moderating effect indicate that political stability positively moderates the relationship between process digitalization and firms’ participation in GVC; that is, the stronger the political stability, the stronger the promoting effect of process digitalization on firms’ participation in GVC, but internal information sharing has no significant moderating effect on the relationship between process digitalization and firms’ participation in GVC. Heterogeneity analysis shows that process digitalization is more conducive to the participation of the firms with no financing constraints and high absorptive capacity in GVC than to the participation of the firms with financing constraints and low absorptive capacity.
-
一、 问题的提出
随着大数据、人工智能、物联网、云计算等新一代信息技术的迅猛发展，数字经济逐步渗透到经济社会的每一个角落，不断重塑全球经济结构，为全球经济增长注入新动能。《中国数字经济发展报告（2022年）》显示，2021年，中国数字经济规模达到45.5万亿元，在GDP中的占比为39.8%[1]。在数字经济如火如荼发展的同时，国家政策层面也给予了极大的支持。党的二十大报告明确指出：“加快发展数字经济，促进数字经济和实体经济深度融合。”[2]在数字经济浪潮中，企业数字化进程也呈加速趋势，对绝大多数企业而言，数字化转型已不是“选择题”，而是“必修课”。此外，随着全球经济一体化向纵深发展，基于全球价值链网络的国际分工模式成为全球社会生产的典型形态，各国企业利用自身比较优势纷纷嵌入全球价值链的不同价值环节之中。
流程数字化，即企业使用数字技术支持新的业务流程或补充现有流程，以支持业务的快速增长、对客户需求做出敏捷反应，以及实现资金流、现金流和物流的可视化[3]68。流程数字化被认为是在位企业取得创新绩效的关键之一[4]78。而随着新一代信息技术高速发展，企业流程数字化进程持续推进，可以预见，流程数字化将会深刻且持续地影响企业的生产率乃至全球价值链的参与情况。然而，虽然全球价值链的崛起似乎是伴随着信息和通信技术革命而发生的，但是鲜有研究考察流程数字化与企业全球价值链嵌入情况之间的联系[5]。
当前，受新一轮科技革命、逆全球化等因素的影响，全球价值链正经历着深度重塑，客观上为中国制造业的发展提供了难得的机遇[6]。制造业是国民经济的主体，一国的制造业实力关系着该国经济发展质量及综合实力。当前，中国正大力推进制造强国建设。在此背景下，通过流程数字化赋能制造业企业转型升级，加快企业嵌入全球价值链及迈向价值链中高端的步伐，获取更多价值分配，破解中国制造业面临的全球价值链“高端空心失位”困局，成为兼具理论意义与现实意义的重大课题。
回顾已有研究，不难发现，流程数字化相关研究主要关注了流程数字化对企业创新及绩效的影响[3]67-79[4]78-89[7]94，而全球价值链的相关研究主要关注了互联网、信息技术和金融科技对企业全球价值链嵌入的影响[8]21-35[9-10][11]112-126。虽有少量研究考察了流程数字化对企业全球价值链嵌入的重要性，但仅停留于理论分析层面，并未提供微观经验证据[12]。另有少量研究实证探究了流程数字化与企业全球价值链嵌入之间的关系 [5,13]，但也只是简单地根据企业的互联网和信息技术设施使用情况（如是否具有网页、宽带连接）来测度流程数字化，难以有效把握企业流程数字化的全面内涵，失之偏颇。
基于此，笔者拟利用中国制造业大样本调查数据，构建流程数字化指数来对企业流程数字化水平进行测度，并实证探究流程数字化对企业全球价值链嵌入的影响，以期丰富流程数字化与企业全球价值链嵌入研究的文献和经验证据。
二、 文献评述
（一） 企业数字化文献评述
目前，企业数字化文献主要关注了数字化对企业绩效尤其是创新绩效的影响。Peng和Tao研究指出，数字化转型能够显著提升企业绩效与创新[14]；Li等研究发现，企业数字化能够显著促进企业创新[15]；赵婷婷和杨国亮研究表明，数字化转型能够显著提升制造业企业的创新强度[16]；傅颖等以及易靖韬和曹若楠研究发现，在位企业流程数字化能够显著提升企业创新绩效[4]78[7]94；雷辉等研究显示，流程数字化能够显著促进企业绩效[3]67；余菲菲等考察了企业数字化对创新绩效的双刃剑效应，发现企业数字化与创新绩效呈倒“U”型曲线关系[17]。
虽仅有少量文献关注企业数字化对企业全球价值链嵌入的影响，但有一定数量的文献聚焦数字化对企业出口的影响，包括出口量、出口产品质量、出口稳定性、出口韧性等。易靖韬和王悦昊以及杜明威等证实了数字化转型对企业出口的促进作用[18]94-104[19]119-134；杜明威等以及洪俊杰等研究发现，企业数字化转型能够显著提升企业出口产品质量[20]55-72[21]1-15；范黎波等研究显示，企业数字化转型能够显著提高企业出口稳定性[22]；魏昀妍等研究表明，数字化转型能够显著提升企业出口韧性[23]。
（二） 企业全球价值链嵌入文献评述
当前，全球价值链嵌入研究主要围绕两条主线展开，即企业全球价值链嵌入的驱动因素和全球价值链嵌入的效应分析。
在企业全球价值链嵌入的驱动因素方面，现有研究主要考察了制度环境、地区金融科技水平、企业创新以及信息技术应用对企业全球价值链嵌入的影响，对数字化与企业全球价值链嵌入关系的研究虽已开始出现，但明显偏少。Dovis和Zaki、Ge等以及Hong等研究表明，地方制度质量对企业全球价值链嵌入具有显著正向影响[24-25][26]715-735；Reddy等研究发现，创新是企业嵌入全球价值链的重要驱动因素[27]1995；Vu等研究发现，信息技术应用虽然有助于处于较好营商环境中的中小微企业嵌入全球价值链，但是无助于处于低质量营商环境中的微型企业[28]259-286；辛大楞和邓祥莹研究显示，地区金融科技发展能够显著提升制造业企业嵌入全球价值链的概率[11]112；Gopalan等研究发现，企业数字化显著正向影响企业全球价值链嵌入[5]；Sasidharan和Reddy研究表明，数字化促进了小企业和低技术行业企业嵌入全球价值链[13]。
在全球价值链嵌入的效应分析方面，现有研究主要关注了企业参与全球价值链对企业生产率的影响。Del Prete等基于倾向得分匹配（PSM）方法研究发现，嵌入全球价值链的企业表现出了更高的生产率水平[29]675；Banga研究指出，嵌入全球价值链对企业全要素生产率有显著正向影响[30]；Urata和Baek研究显示，一方面高生产率企业更可能参与全球价值链，另一方面全球价值链参与的学习效应能够提高企业生产率[31]；Yang等采用中国制造业行业数据研究发现，全球价值链嵌入与创新绩效呈倒“U”型关系[32]。
三、 理论分析与研究假设
（一） 流程数字化与企业全球价值链嵌入
笔者预计，流程数字化将改变企业资源依赖的机制，并对企业全球价值链嵌入情况产生深刻影响。长期以来，交易成本是阻碍企业嵌入全球价值链的主要因素，而随着国际专业分工的不断深化，价值链各环节交易类型与交易数量迅猛增长，交易成本也随之快速增长[8]21-35。依据交易成本经济学理论，交易成本可以分解为3个部分，即协调成本、运营风险和机会风险[33]。然而，流程数字化可以降低这些成本和风险。首先，日益开放的流程数字化平台和系统能够突破交易的时空限制，降低信息搜寻、验证、交换和处理成本，即降低协调成本；其次，流程数字化可以降低交易双方的信息不对称，使得监控交易另一方的表现变得更加容易，从而减少因交易另一方隐瞒信息而导致的运营风险；最后，流程数字化实现了技术和产品的模块化，允许产品和服务作为独立的模块轻松嵌入不同的价值链中[34]，模块化增强了标准化，降低了投资的关系专用性，弱化了机会风险。
由此，流程数字化使得企业能够低成本、实时地捕捉全球市场的消费者需求信息，提升企业的市场反应速度。同时，还使得个性化定制与大规模标准化生产实现无缝衔接[35]，缩短产品生产周期，提升制造链与供应链运行效率，并扩展企业产品的市场范围，从而推动企业嵌入全球价值链。基于此，笔者提出如下假设：
假设1. 流程数字化可以促进企业嵌入全球价值链。
（二） 内部信息共享的调节作用
内部信息共享，是指企业允许不同办公地点和部门的员工获取该企业其他地点和部门的数据并开展相应分析[4]80。企业内部信息共享性越高，越有利于激发流程数字化对企业全球价值链嵌入的促进作用。首先，企业内部信息共享能够表征企业流程的自我弱化，有利于降低组织机构的权威化和等级化，打破企业的程序惰性，实现自组织管理，进一步优化组织流程[4]80[36]44。由此，企业内部不再是人与人之间、部门与部门之间的对话，而是人与数据之间、数据与数据之间的对话[37]，企业决策也由经验直觉式决策转变为数据决策、集体决策。其次，企业内部信息共享提高了企业信息传递的及时性与精确性，形成了畅通的双向信息传递渠道，减少了企业内部的组织冗杂度和工作失误率，提升了企业生产率[36]44。最后，企业内部信息共享可以提升企业成员之间的信任度，降低企业内部运营的不确定性[36]44。总之，流程数字化主要实现了企业与供应链主体之间的外部信息共享，而企业内部信息共享可以为外部信息共享提供支持，使企业能够快速消化和吸收外部信息，实现内外部协同，从而增强流程数字化对企业全球价值链嵌入的促进作用。基于此，笔者提出如下假设：
假设2. 企业内部信息共享性越高，流程数字化对企业嵌入全球价值链的促进作用越强。
（三） 政治稳定性的调节作用
政治稳定性，主要是指“政府政策规章是否频繁变换”[3]70。企业的生产经营活动容易受到外部环境的深刻影响，稳定的政治环境意味着稳健的政策，能够降低经济政策的不确定性。一方面，稳健的政策可以减少企业因政策变动导致的毁约成本，提升国际合作的商业信用；另一方面，在稳定的政治环境下，通过影响政治与司法获得再分配利益的机会不大，促使企业转而将更多的资源投入生产性活动，缓解数字化布局的资源约束，刺激企业参与国际分工。由此表明，制度环境越好，政治越稳定，流程数字化对企业全球价值链嵌入的效应越明显[38]。相反，政府政策规章的频繁变换会增加企业的不确定性风险，提高企业的决策成本。而且，在政治稳定性差的情况下，企业多倾向通过非市场活动影响政治以应对不确定性，增加企业的非生产性支出或隐性行政费用，挤占生产性资源，从而导致企业资源配置扭曲[3]70，不利于发挥流程数字化对企业全球价值链嵌入的促进作用。基于此，笔者提出如下假设：
假说3. 政治稳定性越强，流程数字化对企业嵌入全球价值链的促进作用越强。
四、 研究设计与数据说明
（一） 数据来源
研究数据来源于2012年世界银行关于中国制造业企业的问卷调查。该调查涵盖中国25个城市的2 700家企业，内容涉及企业基本信息、生产销售、竞争程度、政企关系、创新投入与产出、流程数字化、营商环境评价等多个方面，具有较好的代表性。在剔除含缺失值的样本后，得到1 708家有效样本企业。为了控制极端值的影响，笔者对连续型变量进行了上下1%的缩尾处理。
（二） 变量说明
1. 被解释变量
被解释变量为企业全球价值链嵌入。参考已有研究[27]2000[29]682，根据企业进出口行为和产品质量认证情况来定义企业全球价值链嵌入，即当企业满足“企业产品获得认证且进口”“企业产品获得认证且出口”“企业产品获得认证且同时进口与出口”3项中的任意1项时，赋值为1，否则赋值为0。
2. 解释变量
解释变量为流程数字化。借鉴已有研究[3]67-79[4]78-89[7]98[39]，根据“信息和通信技术被用于支持核心业务的程度”来衡量企业流程数字化水平。问卷详细询问了信息和通信技术（计算机、互联网和软件）被用于支持5个关键业务流程（供应商关系、产品和服务、生产与运营、营销、顾客关系）的程度，5个题项均采用李克特量表进行测量，取值范围为1～5，数值越大表明企业在该流程中的数字化水平越高。笔者利用5个题项构建企业流程数字化指数，即：在基准回归中，采用5个题项数值的算术平均值来衡量流程数字化；在稳健性检验中，利用主成分分析法得到企业流程数字化指数值。
3. 调节变量
调节变量为内部信息共享和政治稳定性。根据已有研究[4]82[36]45，内部信息共享利用“日常业务活动中，本机构有多少部门使用由总部集中提供的数据”（没有=1，一些=2，所有=3）进行测度。参考已有研究[3]71，政治稳定性以问卷题项“企业管理者是否认为政治不稳定是企业运营的障碍”进行测度，若管理者认为政治不稳定不是企业运营的障碍，赋值为1，否则赋值为0。
4. 控制变量
借鉴已有研究[5][11]115[13, 25][26]715-735[27]1995-2015[28]259-286来设置控制变量，包括高管经验、企业年龄、企业规模、国有权占比、外资引入、人力资本、吸收能力、创新产出、技术许可和电商销售。
高管经验用企业高管在所从事行业的工作年限表示；企业年龄用企业存续年限的自然对数值表示；企业规模用企业员工总数的自然对数值表示；国有权占比即国有股权占比的实际值；外资引入用企业是否引入外资表示（是=1，否=0）；人力资本用典型长期员工的平均受教育程度表示；吸收能力根据企业是否开展内部研发或外部合作研发活动（二者有其一赋值为1，否则赋值为0）来测度；创新产出用企业新产品或服务销售收入占比表示；技术许可根据企业是否从外资企业获取技术授权（是=1，否=0）来得到；电商销售用企业互联网销售额在销售收入中的占比表示。此外，为了控制城市和行业异质性，还引入了行业效应和地区效应2个虚拟变量。变量描述性统计分析结果，如表1所示。
表 1 变量描述性统计分析结果变量 样本量 均值 标准差 最小值 最大值 全球价值链嵌入 1 685 0.271 0.445 0 1.000 流程数字化 1 689 3.312 1.192 1.000 5.000 内部信息共享 990 2.533 0.587 1.000 3.000 政治稳定性 1675 0.793 0.405 0 1.000 高管经验 1681 16.900 7.541 4.000 40.000 企业年龄 1662 2.422 0.494 1.099 3.738 企业规模 1708 4.406 1.283 1.792 8.294 国有权占比 1704 3.424 16.576 0 90.000 外资引入 1704 0.074 0.262 0 1.000 人力资本 1638 10.178 1.849 6.000 16.000 吸收能力 1666 0.432 0.495 0 1.000 创新产出 1658 10.855 17.366 0 80.000 技术许可 1657 0.241 0.428 0 1.000 电商销售 1565 10.096 17.802 0 90.000 （三） 模型设定
被解释变量企业全球价值链嵌入是二元变量，考虑到变量数据特征，采用Logit回归开展实证分析，设定基准回归模型为
$$ G{}_{icj}={\beta }_{0}+{\beta }_{1}D{}_{icj}+\gamma C{}_{icj}+{\mu }_{i}+{\varphi }_{c}+{\varepsilon }_{icj} $$ (1) 式中：
$ i $ 、$ c $ 、$ j $ 分别为行业、城市、企业；$G_{icj} $ 为行业i、城市c、企业j的全球价值链嵌入状况；$D_{icj} $ 为行业i、城市c、企业j的流程数字化指数；$C_{icj} $ 为控制变量；$ {\mu }_{i} $ 和$ {\varphi }_{c} $ 分别为行业固定效应和城市固定效应；$\beta_0 $ 为常数项；$\beta_1 $ 和$\gamma $ 为估计系数；$ {\varepsilon }_{icj} $ 为随机误差项。五、 实证结果和分析
（一） 基准回归结果
基准模型回归结果，如表2所示。由表2可知，模型1仅包含自变量流程数字化和控制变量；模型2和模型3分别加入了调节变量内部信息共享、政治稳定性以及它们各自与自变量流程数字化的交互项；模型4为全模型。由模型1～模型4可知，流程数字化的系数均为正，且均在1%统计水平上显著，由此表明，流程数字化对企业全球价值链嵌入具有显著正向促进作用。由此，假设1得到验证。研究结果支持了数字化显著促进中国企业参与全球价值链分工的相关研究[40-41]，以及企业数字化对企业出口具有促进作用的相关研究[18]94-104[19]119-134[20]55-72[21]1-15。
表 2 基准模型回归结果变量 模型1 模型2 模型3 模型4 流程数字化 0.208*** 0.386*** 0.221*** 0.388*** (0.077) (0.113) (0.078) (0.114) 内部信息共享 −0.126 −0.094 (0.204) (0.205) 流程数字化×内部信息共享 0.252 0.235 (0.194) (0.203) 政治稳定性 −0.224 −0.354 (0.188) (0.260) 流程数字化×政治稳定性 0.359** 0.435* (0.172) (0.237) 高管经验 0.007 0.001 0.006 −0.001 (0.011) (0.015) (0.011) (0.015) 企业年龄 0.199 0.197 0.187 0.187 (0.165) (0.203) (0.166) (0.206) 企业规模 0.556*** 0.485*** 0.567*** 0.498*** (0.066) (0.085) (0.067) (0.086) 国有权占比 −0.011* −0.006 −0.012** −0.008 (0.005) (0.006) (0.006) (0.007) 外资引入 1.109*** 1.122*** 1.108*** 1.116*** (0.258) (0.307) (0.263) (0.310) 人力资本 0.169*** 0.199*** 0.172*** 0.184*** (0.045) (0.062) (0.046) (0.064) 吸收能力 0.824*** 0.666*** 0.787*** 0.631*** (0.180) (0.231) (0.182) (0.235) 创新产出 0.002 0.005 0.002 0.006 (0.005) (0.006) (0.005) (0.006) 技术许可 0.347* 0.471** 0.323* 0.453** (0.180) (0.229) (0.182) (0.230) 电商销售 0.005 0.006 0.006 0.007 (0.004) (0.006) (0.004) (0.006) 常数项 −8.155*** −8.983*** −8.004*** −8.645*** (0.790) (1.052) (0.820) (1.117) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 1393 876 1375 874 注：括号内数值为稳健标准误；***、**、*分别表示在1%、5%、10%的水平上显著。下表同。 调节变量方面，模型2和模型4显示，内部信息共享对企业全球价值链嵌入影响不显著，而且流程数字化与内部信息共享交互项的系数虽为正向但也不显著。因此，内部信息共享对于流程数字化与企业全球价值链嵌入之间的关系不具有调节作用，由此，假设2未能得到验证。可能的原因在于，内部信息共享与外部信息共享（企业之间关于生产、经营、研发、管理等信息资源的共享，在很大程度上依靠流程数字化来实现）尚未实现良好的协同互补。由模型3和模型4可知，虽然政治稳定性对企业全球价值链嵌入无显著影响，但是其与流程数字化的交互项系数显著为正，且至少在10%的统计水平上显著，表明政治稳定性可以强化流程数字化对企业全球价值链嵌入的促进作用，由此，假设3得到验证。
（二） 稳健性检验
1. 替换解释变量
为了保证研究结论的稳健性，研究通过替换解释变量的方法进行稳健性检验。具体而言，参考已有研究[4]81[7]98，使用主成分分析法来测度企业流程数字化水平，稳健性检验结果，如表3所示。由表3可知，主要变量的方向和显著性与基准回归结果基本保持一致，从而验证了基准回归结果的稳健性。
表 3 稳健性检验结果变量 模型5 模型6 模型7 模型8 流程数字化 0.234** 0.449*** 0.254*** 0.455*** (0.093) (0.136) (0.094) (0.137) 内部信息共享 −0.156 −0.118 (0.208) (0.207) 流程数字化×内部信息共享 0.312 0.246 (0.233) (0.205) 政治稳定性 −0.271 −0.406 (0.193) (0.265) 流程数字化×政治稳定性 0.414** 0.457* (0.207) (0.240) 高管经验 0.008 0.005 0.008 0.002 (0.011) (0.015) (0.011) (0.015) 企业年龄 0.194 0.162 0.182 0.149 (0.168) (0.208) (0.169) (0.211) 企业规模 0.573*** 0.508*** 0.586*** 0.523*** (0.068) (0.087) (0.069) (0.088) 国有权占比 −0.011** −0.006 −0.012** −0.008 (0.005) (0.006) (0.006) (0.007) 外资引入 1.156*** 1.187*** 1.153*** 1.178*** (0.259) (0.310) (0.265) (0.314) 人力资本 0.173*** 0.196*** 0.177*** 0.180*** (0.045) (0.063) (0.046) (0.065) 吸收能力 0.827*** 0.655*** 0.789*** 0.612** (0.184) (0.238) (0.186) (0.242) 创新产出 0.002 0.006 0.002 0.007 (0.005) (0.006) (0.005) (0.006) 技术许可 0.384** 0.542** 0.355* 0.523** (0.183) (0.234) (0.186) (0.236) 电商销售 0.006 0.006 0.007 0.007 (0.004) (0.006) (0.004) (0.006) 常数项 −8.092*** −8.617*** −7.900*** −8.240*** (0.793) (1.050) (0.825) (1.113) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 1362 852 1344 850 2. 倾向得分匹配
如前所述，流程数字化对企业全球价值链嵌入具有显著正向影响。但是，企业流程数字化水平可能会受到自身资源禀赋的影响，而这些因素可能会同时影响企业全球价值链嵌入情况，导致出现样本自选择偏误问题。因此，笔者选择倾向得分匹配方法[42]来解决潜在的样本自选择偏误问题。基本思路是：通过企业的可观测性特征，为实现流程数字化的企业（处理组）匹配样本特征尽可能相似的未实现流程数字化的企业（控制组），使得实现流程数字化和未实现流程数字化的企业趋于均衡可比的状态，然后再比较二者全球价值链嵌入情况的差异。具体而言，对解释变量流程数字化进行重新赋值，调整为二元虚拟变量，即将流程数字化水平大于等于4的样本视为实现流程数字化组样本（处置组），赋值为1；流程数字化水平小于4的样本视为没有实现流程数字化组样本（控制组），赋值为0。
处理组与控制组企业在匹配前后的核密度函数，如图1所示。由图1可知，匹配前两者倾向得分的概率分布存在较为明显的差异，匹配后则较为接近，表明两组企业之间的差距明显缩小，匹配效果较佳。而且，大多数观测值在共同取值范围内，进行倾向得分匹配仅会损失少量样本，满足了共同支撑假定。
参照Rubin[43]的研究方法进行平衡性检验，结果如表4所示。由表4可知，匹配后处理组与控制组各匹配变量的标准化偏差绝对值均小于20%，由此可以认为，匹配后的标准化偏差足够小[44]。此外，t检验显示处理组和控制组的所有变量在匹配后的偏差均不显著，不拒绝“处理组和控制组无系统差异”的原假设。由此，平衡性假定也得到了满足。
表 4 匹配前后变量均值及标准偏差检验结果变量 样本 均值 标准偏差/% 标准偏差降幅/% t 处理组 控制组 企业规模 匹配前 4.812 4.188 51.5 87.5 9.54*** 匹配后 4.797 4.719 6.4 1.04 人力资本 匹配前 10.444 9.987 24.8 68.5 4.56*** 匹配后 10.437 10.293 7.9 1.27 国有权占比 匹配前 1.171 5.451 −26.6 98.8 −4.49*** 匹配后 0.917 0.864 0.3 0.11 外资引入 匹配前 0.097 0.067 10.7 94.3 2.01** 匹配后 0.096 0.097 −0.6 −0.09 吸收能力 匹配前 0.576 0.350 46.5 91.6 8.62*** 匹配后 0.572 0.553 3.9 0.59 创新产出 匹配前 15.985 8.246 44.7 98.1 8.49*** 匹配后 15.831 15.687 0.8 0.12 电商销售 匹配前 15.048 6.736 47.2 93.4 9.12*** 匹配后 14.889 14.337 3.1 0.45 电商销售平方项 匹配前 639.120 250.730 33.0 91.7 6.42*** 匹配后 631.610 599.380 2.7 0.38 创新产出平方项 匹配前 624.710 298.610 31.4 95.9 6.02*** 匹配后 620.130 606.730 1.3 0.19 吸收能力$ \times $国有权占比 匹配前 1.076 0.259 12.3 98.1 2.44** 匹配后 0.822 0.837 −0.2 −0.03 创新产出$ \times $国有权占比 匹配前 19.645 3.560 12.2 75.2 2.48** 匹配后 12.850 16.842 −3.0 −0.46 利用倾向得分匹配方法估计的平均处理效应结果（ATT），如表5所示。由表5可知，利用倾向得分匹配方法之k近邻匹配、半径匹配、核匹配缓解潜在的样本自选择偏误问题后的结果显示，ATT值均为正，且至少在5%的统计水平上显著，表明流程数字化能显著促进企业嵌入全球价值链，结论支持了基准回归结果。
表 5 平均处理效应估计结果匹配方法 处理组 控制组 ATT t 未匹配 0.390 0.207 0.184 7.74*** k近邻匹配（1:3） 0.388 0.306 0.083 2.50** k近邻匹配（1:5） 0.388 0.306 0.082 2.61** 半径匹配（ε=0.05） 0.388 0.302 0.086 2.94*** 核匹配（normal，h=0.05） 0.388 0.301 0.087 3.04*** （三） 异质性分析
1. 融资约束异质性
企业流程数字化的实现有赖于较为充沛的资源投入。面临融资约束的企业的资源投入往往较为受限，流程数字化的进程也较为迟缓，甚至容易陷入数字化转型困境，进而制约其嵌入全球价值链。因此，理论上，企业的融资能力不同，流程数字化水平就会存在差异，进而导致流程数字化对企业全球价值链嵌入的作用力也就不同。据此，异质性检验结果，如表6所示。笔者以企业是否获得银行信贷作为标准将企业分为融资约束与融资约束解绑两组，并进行似无相关回归（SUR），结果详见表6中的模型9和模型10。由表6可知，融资约束解绑企业的流程数字化对其嵌入全球价值链具有显著正向影响，而融资约束企业的流程数字化对企业全球价值链嵌入的影响不显著。而且，两组模型之间的系数差异在统计结果中显著（p=0.010）。
表 6 异质性检验结果变量 融资约束（模型9） 融资约束解绑（模型10） p 低吸收能力（模型11） 高吸收能力（模型12） p 流程数字化 −0.006 0.525*** 0.010 0.028 0.374*** 0.044 (0.108) (0.175) (0.119) (0.126) 控制变量 控制 控制 控制 控制 常数项 −7.115*** −9.146*** 0.311 −8.090*** −8.017*** 0.966 (1.201) (1.535) (1.305) (1.101) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 888 444 749 618 注：吸收能力分组回归时控制变量不纳入吸收能力。 2. 吸收能力异质性
流程数字化对企业全球价值链嵌入的正向促进作用有赖于企业将通过流程数字化获得的资源进行快速消化、吸收和再利用，因此，企业的吸收能力不同，流程数字化对企业全球价值链嵌入的影响也会存在差异。据此，笔者根据企业是否有内部研发或外部研发行为，将样本分为高吸收能力与低吸收能力两组进行SUR分析，结果详见表6中的模型11和模型12所示。由表6可知，高吸收能力企业的流程数字化对其嵌入全球价值链具有显著的正向影响，而低吸收能力企业的流程数字化对企业全球价值链嵌入的影响不显著。而且，两组模型之间的系数差异在统计结果中显著（p=0.044）。
六、 结论与启示
笔者采用中国制造业企业调查数据，实证探究了流程数字化对企业全球价值链嵌入的影响，主要得出以下结论。
第一，流程数字化对企业嵌入全球价值链具有显著促进作用，这一结论在替换解释变量及解决样本自选择偏误问题后依然稳健。
第二，调节效应分析结果表明，政治稳定性对流程数字化与企业全球价值链嵌入之间的关系具有正向调节作用，即政治稳定性越强，流程数字化对企业全球价值链嵌入的促进作用越强。而企业内部信息共享对流程数字化与全球价值链嵌入之间的关系的调节作用不显著。
第三，异质性分析结果表明，流程数字化对高吸收能力企业、融资约束解绑企业全球价值链嵌入的促进作用要大于低吸收能力企业、融资约束企业。
笔者研究对于企业数字化转型和政府相关部门数字经济政策设计均具有一定的启示价值。
第一，政府方面。一是要完善中国数字网络布局，推进以5G、工业互联网和大数据中心为代表的新型基础设施建设，提升区域数字基础设施水平，打通数字基础设施建设赋能企业流程数字化的“最后一千米”，实现价值链主体之间的连通性全面升级。二是要引导企业进行数字化变革，提升在位企业流程数字化的意愿，并联合金融机构向有意向进行数字化转型的企业提供倾向性支持，克服企业“不敢转、不愿转、不会转”的困境。鉴于流程数字化对不同类型企业全球价值链效用的差异性，应因企施策，优先推进高吸收能力及无融资约束企业率先进行数字化转型，并促使数字科技成果逐步外溢惠及其他企业。三是要营造良好的制度环境，坚持稳中求进的工作总基调，强化政策规章的稳健性和连续性，降低政策的不确定性，为企业参与国际分工吃下“定心丸”。
第二，企业方面。一是要深刻认识流程数字化对企业嵌入全球价值链的重要意义，积极拥抱数字化转型大潮，培养数字化思维，打造智慧企业，通过数字赋能培育企业国际竞争新优势。二是通过对整个价值链进行全流程数字化转型促进全球价值链嵌入，并在此过程中，根据自身实际遵循从易到难、循序渐进的思路，逐步实施营销流程数字化、供应链流程数字化和产品设计流程数字化。三是企业应在提高企业内部数据共享性和强化内外部数据共享协同的同时，引进和培养高素质数字化人才，实现业务流程的可视化和精简革新，强化企业内部管理，为企业发挥流程数字化对嵌入全球价值链的促进作用夯实人力资本基础。
-
表 1 变量描述性统计分析结果
变量 样本量 均值 标准差 最小值 最大值 全球价值链嵌入 1 685 0.271 0.445 0 1.000 流程数字化 1 689 3.312 1.192 1.000 5.000 内部信息共享 990 2.533 0.587 1.000 3.000 政治稳定性 1675 0.793 0.405 0 1.000 高管经验 1681 16.900 7.541 4.000 40.000 企业年龄 1662 2.422 0.494 1.099 3.738 企业规模 1708 4.406 1.283 1.792 8.294 国有权占比 1704 3.424 16.576 0 90.000 外资引入 1704 0.074 0.262 0 1.000 人力资本 1638 10.178 1.849 6.000 16.000 吸收能力 1666 0.432 0.495 0 1.000 创新产出 1658 10.855 17.366 0 80.000 技术许可 1657 0.241 0.428 0 1.000 电商销售 1565 10.096 17.802 0 90.000 
下载: 导出CSV
表 2 基准模型回归结果
变量 模型1 模型2 模型3 模型4 流程数字化 0.208*** 0.386*** 0.221*** 0.388*** (0.077) (0.113) (0.078) (0.114) 内部信息共享 −0.126 −0.094 (0.204) (0.205) 流程数字化×内部信息共享 0.252 0.235 (0.194) (0.203) 政治稳定性 −0.224 −0.354 (0.188) (0.260) 流程数字化×政治稳定性 0.359** 0.435* (0.172) (0.237) 高管经验 0.007 0.001 0.006 −0.001 (0.011) (0.015) (0.011) (0.015) 企业年龄 0.199 0.197 0.187 0.187 (0.165) (0.203) (0.166) (0.206) 企业规模 0.556*** 0.485*** 0.567*** 0.498*** (0.066) (0.085) (0.067) (0.086) 国有权占比 −0.011* −0.006 −0.012** −0.008 (0.005) (0.006) (0.006) (0.007) 外资引入 1.109*** 1.122*** 1.108*** 1.116*** (0.258) (0.307) (0.263) (0.310) 人力资本 0.169*** 0.199*** 0.172*** 0.184*** (0.045) (0.062) (0.046) (0.064) 吸收能力 0.824*** 0.666*** 0.787*** 0.631*** (0.180) (0.231) (0.182) (0.235) 创新产出 0.002 0.005 0.002 0.006 (0.005) (0.006) (0.005) (0.006) 技术许可 0.347* 0.471** 0.323* 0.453** (0.180) (0.229) (0.182) (0.230) 电商销售 0.005 0.006 0.006 0.007 (0.004) (0.006) (0.004) (0.006) 常数项 −8.155*** −8.983*** −8.004*** −8.645*** (0.790) (1.052) (0.820) (1.117) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 1393 876 1375 874 注：括号内数值为稳健标准误；***、**、*分别表示在1%、5%、10%的水平上显著。下表同。
下载: 导出CSV
表 3 稳健性检验结果
变量 模型5 模型6 模型7 模型8 流程数字化 0.234** 0.449*** 0.254*** 0.455*** (0.093) (0.136) (0.094) (0.137) 内部信息共享 −0.156 −0.118 (0.208) (0.207) 流程数字化×内部信息共享 0.312 0.246 (0.233) (0.205) 政治稳定性 −0.271 −0.406 (0.193) (0.265) 流程数字化×政治稳定性 0.414** 0.457* (0.207) (0.240) 高管经验 0.008 0.005 0.008 0.002 (0.011) (0.015) (0.011) (0.015) 企业年龄 0.194 0.162 0.182 0.149 (0.168) (0.208) (0.169) (0.211) 企业规模 0.573*** 0.508*** 0.586*** 0.523*** (0.068) (0.087) (0.069) (0.088) 国有权占比 −0.011** −0.006 −0.012** −0.008 (0.005) (0.006) (0.006) (0.007) 外资引入 1.156*** 1.187*** 1.153*** 1.178*** (0.259) (0.310) (0.265) (0.314) 人力资本 0.173*** 0.196*** 0.177*** 0.180*** (0.045) (0.063) (0.046) (0.065) 吸收能力 0.827*** 0.655*** 0.789*** 0.612** (0.184) (0.238) (0.186) (0.242) 创新产出 0.002 0.006 0.002 0.007 (0.005) (0.006) (0.005) (0.006) 技术许可 0.384** 0.542** 0.355* 0.523** (0.183) (0.234) (0.186) (0.236) 电商销售 0.006 0.006 0.007 0.007 (0.004) (0.006) (0.004) (0.006) 常数项 −8.092*** −8.617*** −7.900*** −8.240*** (0.793) (1.050) (0.825) (1.113) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 1362 852 1344 850
下载: 导出CSV
表 4 匹配前后变量均值及标准偏差检验结果
变量 样本 均值 标准偏差/% 标准偏差降幅/% t 处理组 控制组 企业规模 匹配前 4.812 4.188 51.5 87.5 9.54*** 匹配后 4.797 4.719 6.4 1.04 人力资本 匹配前 10.444 9.987 24.8 68.5 4.56*** 匹配后 10.437 10.293 7.9 1.27 国有权占比 匹配前 1.171 5.451 −26.6 98.8 −4.49*** 匹配后 0.917 0.864 0.3 0.11 外资引入 匹配前 0.097 0.067 10.7 94.3 2.01** 匹配后 0.096 0.097 −0.6 −0.09 吸收能力 匹配前 0.576 0.350 46.5 91.6 8.62*** 匹配后 0.572 0.553 3.9 0.59 创新产出 匹配前 15.985 8.246 44.7 98.1 8.49*** 匹配后 15.831 15.687 0.8 0.12 电商销售 匹配前 15.048 6.736 47.2 93.4 9.12*** 匹配后 14.889 14.337 3.1 0.45 电商销售平方项 匹配前 639.120 250.730 33.0 91.7 6.42*** 匹配后 631.610 599.380 2.7 0.38 创新产出平方项 匹配前 624.710 298.610 31.4 95.9 6.02*** 匹配后 620.130 606.730 1.3 0.19 吸收能力$ \times $国有权占比 匹配前 1.076 0.259 12.3 98.1 2.44** 匹配后 0.822 0.837 −0.2 −0.03 创新产出$ \times $国有权占比 匹配前 19.645 3.560 12.2 75.2 2.48** 匹配后 12.850 16.842 −3.0 −0.46
下载: 导出CSV
表 5 平均处理效应估计结果
匹配方法 处理组 控制组 ATT t 未匹配 0.390 0.207 0.184 7.74*** k近邻匹配（1:3） 0.388 0.306 0.083 2.50** k近邻匹配（1:5） 0.388 0.306 0.082 2.61** 半径匹配（ε=0.05） 0.388 0.302 0.086 2.94*** 核匹配（normal，h=0.05） 0.388 0.301 0.087 3.04***
下载: 导出CSV
表 6 异质性检验结果
变量 融资约束（模型9） 融资约束解绑（模型10） p 低吸收能力（模型11） 高吸收能力（模型12） p 流程数字化 −0.006 0.525*** 0.010 0.028 0.374*** 0.044 (0.108) (0.175) (0.119) (0.126) 控制变量 控制 控制 控制 控制 常数项 −7.115*** −9.146*** 0.311 −8.090*** −8.017*** 0.966 (1.201) (1.535) (1.305) (1.101) 行业效应 控制 控制 控制 控制 地区效应 控制 控制 控制 控制 样本量 888 444 749 618 注：吸收能力分组回归时控制变量不纳入吸收能力。
下载: 导出CSV
-
[1] 中国信息通信研究院. 中国数字经济发展报告(2022年)[R]. 北京: 中国信息通信研究院, 2022: 5. [2] 习近平. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[M]. 北京: 人民出版社, 2022: 17. [3] 雷辉, 唐世一, 盛莹, 等. 流程数字化、供应链信息分享与企业绩效[J]. 湖南大学学报 (社会科学版), 2021, 35(6): 67—79. [4] 傅颖, 徐琪, 林嵩. 在位企业流程数字化对创新绩效的影响——组织惰性的调节作用[J]. 研究与发展管理, 2021, 33(1): 78—89. [5] GOPALAN S, REDDY K, SASIDHARAN S. Does digitalization spur global value chain participation? Firm-level evidence from emerging markets [J]. Information Economics and Policy, 2022(59): 100972.
[6] 吴友群, 卢怀鑫, 王立勇. 数字化对制造业全球价值链竞争力的影响——来自中国制造业行业的经验证据[J]. 科技进步与对策, 2022, 39(7): 53—63. [7] 易靖韬, 曹若楠. 流程数字化如何影响企业创新绩效?——基于二元学习的视角[J]. 中国软科学, 2022(7): 94—104. [8] 韩剑, 冯帆, 姜晓运. 互联网发展与全球价值链嵌入——基于GVC指数的跨国经验研究[J]. 南开经济研究, 2018(4): 21—35. [9] 吕越, 陈泳昌. 互联网发展与全球价值链嵌入[J]. 江南大学学报(人文社会科学版), 2021, 20(1): 79—91. [10] 刘德学, 吴旭梅. 信息通信技术与制造业全球价值链嵌入——基于信息通信技术发展数量和质量的研究[J]. 国际经贸探索, 2021, 37(10): 70—85. [11] 辛大楞, 邓祥莹. 金融科技对制造业企业嵌入全球价值链的影响研究——基于世界银行调查数据的实证分析[J]. 国际商务(对外经济贸易大学学报), 2021(3): 112—126. [12] SZALAVETZ A. Digitalisation, automation and upgrading in global value chains — Factory economy actors versus lead companies [J]. Post-Communist Economies, 2019, 31(5): 646—670.
[13] SASIDHARAN S, REDDY K. The role of digitalisation in shaping India’s global value chain participation [EB/OL]. (2021−06−07)[2022−03−11].
[14] PENG Y, TAO C. Can digital transformation promote enterprise performance? — From the perspective of public policy and innovation [J]. Journal of Innovation & Knowledge, 2022, 7(3): 100198.
[15] LI S, GAO L, HAN C, et al. Exploring the effect of digital transformation on firms’ innovation performance [J]. Journal of Innovation & Knowledge, 2023, 8(1): 100317.
[16] 赵婷婷, 杨国亮. 数字化转型与制造企业创新决策[J]. 哈尔滨商业大学学报 (社会科学版), 2020(5): 21—37. [17] 余菲菲, 曹佳玉, 杜红艳. 数字化悖论:企业数字化对创新绩效的双刃剑效应[J]. 研究与发展管理, 2022, 34(2): 1—12. [18] 易靖韬, 王悦昊. 数字化转型对企业出口的影响研究[J]. 中国软科学, 2021(3): 94—104. [19] 杜明威, 耿景珠, 崔岩. 企业数字化转型与出口:来自中国上市公司的微观证据[J]. 世界经济研究, 2022(9): 119—134. [20] 杜明威, 耿景珠, 刘文革. 企业数字化转型与中国出口产品质量升级:来自上市公司的微观证据[J]. 国际贸易问题, 2022(6): 55—72. [21] 洪俊杰, 蒋慕超, 张宸妍. 数字化转型、创新与企业出口质量提升[J]. 国际贸易问题, 2022(3): 1—15. [22] 范黎波, 郝安琪, 吴易明. 制造业企业数字化转型与出口稳定性[J]. 国际经贸探索, 2022, 38(12): 4—18. [23] 魏昀妍, 龚星宇, 柳春. 数字化转型能否提升企业出口韧性[J]. 国际贸易问题, 2022(10): 56—72. [24] DOVIS M, ZAKI C. Global value chains and local business environments: Which factors really matter in developing countries? [J]. Review of Industrial Organization, 2020(57): 481—513.
[25] GE Y, DOLLAR D, YU X. Institutions and participation in global value chains: Evidence from Belt and Road Initiative [J]. China Economic Review, 2020(61): 101447.
[26] HONG J, ZHOU C, WANG R. Influence of local institutional profile on global value chain participation: An emerging market perspective [J]. Chinese Management Studies, 2020, 14(3): 715—735. doi: 10.1108/CMS-09-2019-0319
[27] REDDY K, CHUNDAKKADAN R, SASIDHARAN S. Firm innovation and global value chain participation [J]. Small Business Economics, 2021, 57(4): 1995—2015.
[28] VU N H, BUI T A, HOANG T B, et al. Information technology adoption and integration into global value chains: Evidence from small- and medium-sized enterprises in Vietnam [J]. Journal of International Development, 2022, 34(2): 259—286. doi: 10.1002/jid.3591
[29] DEL PRETE D, GIOVANNETTI G, MARVASI E. Global value chains participation and productivity gains for North African firms [J]. Review of World Economics, 2017, 153(4): 675—701. doi: 10.1007/s10290-017-0292-2
[30] BANGA K. Impact of global value chains on total factor productivity: The case of Indian manufacturing [J]. Review of Development Economics, 2022, 26(2): 704—735. doi: 10.1111/rode.12867
[31] URATA S, BAEK Y. Impacts of firm’s GVC participation on productivity: A case of Japanese firms [J]. Journal of the Japanese and International Economies, 2022(66): 101232.
[32] YANG N, HONG J, WANG H, et al. Global value chain, industrial agglomeration and innovation performance in developing countries: Insights from China’s manufacturing industries [J]. Technology Analysis & Strategic Management, 2020, 32(11): 1307—1321.
[33] CLEMONS E K, REDDI S P, ROW M C. The impact of information technology on the organization of economic activity: The “move to the middle” hypothesis [J]. Journal of Management Information Systems, 1993, 10(2): 9—35. doi: 10.1080/07421222.1993.11517998
[34] 吴代龙, 刘利平. 数字化转型升级促进了全球价值链地位攀升吗?——来自中国上市企业的微观证据[J]. 产业经济研究, 2022(5): 56—71. [35] 徐兰, 吴超林. 数字经济赋能制造业价值链攀升:影响机理,现实因素与靶向路径[J]. 经济学家, 2022(7): 76—86. [36] 韩孟孟, 张三峰, 顾晓光. 信息共享能提升企业生产率吗?——来自中国制造业企业调查数据的证据[J]. 产业经济研究, 2020(1): 42—56. [37] 何大安. 互联网应用扩张与微观经济学基础——基于未来 “数据与数据对话”的理论解说[J]. 经济研究, 2018, 53(8): 177—192. [38] HA L T. Impacts of digital business on global value chain participation in European countries [EB/OL]. (2022−06−06)[2022−08−11].
[39] HU S, WANG X. IT usage and innovation performance of SMEs in China: A new perspective [J]. Discrete Dynamics in Nature and Society, 2021(2021): 1—12.
[40] 温馨, 刘晓雅, 殷艳娜. 数字化能力提升可以促进制造业价值链攀升[J]. 学术交流, 2023(10): 120—136. doi: 10.3969/j.issn.1000-8284.2023.10.012 [41] 张晴, 于津平. 制造业投入数字化与全球价值链中高端跃升——基于投入来源差异的再检验[J]. 财经研究, 2021, 47(9): 93—107. [42] ROSENBAUM P R, RUBIN D B. The central role of the propensity score in observational studies for causal effects [J]. Biometrika, 1983, 70(1): 41—55. doi: 10.1093/biomet/70.1.41
[43] RUBIN D B. Using propensity scores to help design observational studies: Application to the tobacco litigation [J]. Health Services and Outcomes Research Methodology, 2001(2): 169—188.
[44] ROSENBAUM P R, RUBIN D B. The bias due to incomplete matching [J]. Biometrics, 1985, 41(1): 103—116. doi: 10.2307/2530647
计量
- 文章访问数: 0
- HTML全文浏览量: 0
- PDF下载量: 0
