How Does Digital Technology Affect Industrial Change？An Exploration Based on Meta-analysis Technology

Zheng Diwen1，Xie Weihong1,2，Li Zhongshun2，Luo Jianbin1

( 1． School of Management，Guangdong University of Technology;2.School of Economics， Guangdong University of Technology，Guangzhou 510520，China)

Abstract：In the current era, digital technology has changed the production processes, business models and industrial organizations, and even subverted the basic assumptions of many innovative theories. Digital technology supports the development of industry, and its supporting ability plays a key role in the process of forming industrial change. Especially in today's digital economy era, with the unpredictable market supply and demand and increasingly fierce competition among merchants, enterprises urgently need to keep exploring new market opportunities for profit growth and find a way that is in line with their own digital transformation in order to cope with the general trend of industrial change, and the use of digital technology plays an important role in this process. Therefore, it is a historical mission to explore how digital technology affects industrial change. What can be done to explore the influence mechanism of digital technology on industrial change? What are the common theories to explore the influence mechanism of digital technology on industrial change? Through what kind of mechanism does digital technology affect industrial change? What is the intensity of these influence mechanisms?

Within the analytical framework of long-wave theory of technological innovation (technological innovation—organizational change—labor employment—government supervision-industrial reform), this paper explores the influence mechanism of digital technology on industrial change. First of all, the research hypothesis is deduced based on the relevant theory and research; secondly, the literature is screened and coded according to the research paradigm of meta-analysis technology. Finally, the meta-analysis is carried out, including publication bias analysis, main effect analysis, moderating effect analysis, multiple regression analysis and sensitivity analysis, etc.

Firstly the influence mechanism of digital technology on industrial change consists of three levels: : the organizational level includes financial factors, innovation factors, performance factors, production and operation factors; the labor force level includes employment factors and labor force status factors; the policy level includes policy factors. Regardless of the degree of heterogeneity, there is a significant correlation between the main effect of digital technology on industrial change and the moderating effect of its influence mechanisms.

Secondly the impact of each mechanism is not consistent, for high correlation, moderate correlation and low correlation are involved. Environmental governance performance, regional innovation performance, total factor labor productivity, technological innovation capability, regional innovation, change of business model and factor mismatch at the organizational level; employment information, employment quality and urban and rural income at the labor level, and institutional and cultural heterogeneity at the policy level play important roles in analyzing the impact mechanism of digital technology on industrial change. The mismatch between policy attention and talent system is presented in the moderate influence mechanism of digital technology on industrial change. Finally, the inclusive nature of digital inclusive finance, green technology innovation, production speed, digital change and policy orientation play a weak role in analyzing the influence mechanism of digital technology on industrial transformation. Although these factors belong to a weak mechanism in the analysis of the influence mechanism of digital technology on industrial change, it should be noted that these mechanisms may have a stronger or weaker impact in analyzing the impact of digital technology on industrial change in different situations.

Thirdly in the existing empirical research, the main theories used to explore the influence mechanism of digital technology on industrial change are Schumpeter's innovation theory, empowerment theory, service-oriented logic theory, technological change, and labor demand theory, adaptive structure theory, technology long-wave theory and so on. In addition, there is the need to look forward to the following aspects: (1) the research on the specific process and forms of industrial change affected by digital technology; (2) the research on the government management strategy of digital technology; (3) the research on the impact of digital technology on industrial change in the context of China. This study provides a reference value for further deepening vertical-related research and situational-related research in the future.

Key Words:Digital Technology; Industrial Change; Meta-analysis; Industrial Digitalization

DOI：10.6049/kjjbydc.2022060520

开放科学(资源服务)标识码(OSID)：

中图分类号：F264

文献标识码：A

文章编号：1001-7348(2023)05-0064-11

收稿日期：2022-06-20

修回日期：2022-09-24

基金项目：国家自然科学基金面上项目(72274041)；广东省自然科学基金面上项目(2020A1515010971)

作者简介：郑迪文(1994—)，男，河南驻马店人，广东工业大学管理学院博士研究生，研究方向为数字技术与产业变革、产业数字化；谢卫红(1969—)，女，湖北荆州人，博士，广东工业大学经济学院院长，广东工业大学管理学院教授，研究方向为数字技术与产业变革、数字化创新；李忠顺(1990—)男，湖南永州人，博士，广东工业大学经济学院博士后，研究方向为智能制造企业商业模式创新；骆建彬(1988—)，男，江西景德镇人，广东工业大学管理学院博士研究生，研究方向为工业互联网平台价值共创。本文通讯作者：李忠顺。

0 引言

随着数字产业化和产业数字化的深入发展，诸如人工智能、云计算、物联网等先进数字技术正逐步变革我国工业经济根基[1]。数字技术是数字经济时代必不可少的研究对象，其包含可编辑性、可扩展性、开放性和关联性等特征[2]。在当今时代，数字技术改变了原有产品基本形态、新产品生产过程与方式、商业模式和产业组织形态，甚至颠覆了许多创新理论的基本假设[3]。数字技术能够支撑产业发展，其支撑能力在形成产业变革过程中起到关键作用。尤其是在当前的数字经济时代，市场供需变幻莫测，商业竞争日渐激烈，企业亟需不断探寻新的市场机遇和利润增长点，找到一条真正符合自身数字化转型的道路，以应对产业变革的大趋势，在数字经济环境中存活下来，而数字技术的运用在这个过程中发挥极大作用[4]。因此，探索数字技术如何影响产业变革的问题显得尤为重要。

数字技术对产业变革的影响是多方面的，学者们普遍认同数字技术有助于产业变革这一观点[5-6]。学者们主要从数字技术的集成性、高效性和支撑性3个维度讨论数字技术对产业变革的影响机制。其中，集成性反映数字技术集合和运用程度对产业的影响；高效性是指数字技术运用有助于提高企业整体生产运作效率，提高社会劳动生产率，促进产业变革；支撑性是数字技术为产业发展提供关键助力作用的一大特性。已有研究表明，数字技术运用对产业变革的影响存在一定地域差异。如李英杰和韩平[7]选取2012—2018年我国内地30个省域相关代表性指标，实证分析数字技术运用对我国产业结构变革的影响机理，发现不论是从全国还是东、中、西等不同地域视角分析，数字技术运用都能促进产业结构变革；卢洪友和陈思霞[8]利用计量经济模型证明先进技术运用对第三产业技术进步与技术效率的促进作用在我国西部地区最为明显，在东部地区的作用结果最优。

也有文献指出，不同情境下的数字技术运用能促进传统制造业产业结构变革。如沈运红和黄桁[9]利用面板数据，通过改进后的熵值法证明数字技术运用能显著促进传统制造业产业结构变革；Zhang[10]通过对中国内地30个省域进行实证分析，发现数字技术运用可提高我国传统制造业产业结构变革水平。同时，也有学者认为数字技术与产业变革之间的关系并不显著，或是一个负向作用的相关关系。如孟庆时[11]研究认为，创新合作网络中跨模块和模块内部频繁的创新合作以及数字技术的深度拓展反而不利于产业变革；Ling等[12]研究表明，数字技术的运用短期内可促进产业结构变革，但从长期看，二者只存在微弱的相关关系；Shen等[13]运用博弈模型分析并验证数字技术与产业变革之间存在U型关系，只有当强度达到临界值时，数字技术才能促进产业变革，否则其对产业变革的影响微弱。此外，数字技术在不断释放技术红利的同时，也衍生出一系列问题，数字技术运用的风险逐步凸显。如包晨晨和于思淼[14]研究表明，大数据和云计算等数字技术是大企业获取小企业情报信息的主要技术手段，通过运用此类数字技术，大企业可更快占领市场或完成对相关弱势企业的兼并。因此，对于中小企业或者初创型企业而言，数字技术是一把“双刃剑”，在给企业带来机遇并创造卓越绩效的同时，也可能带来一定损失。

综上可知，现有关于数字技术对产业变革影响的研究成果较为丰硕。然而，既有研究关于数字技术对产业变革影响机制的探索仍存在以下不足：第一，现有研究多基于单一影响机制探索数字技术如何影响产业变革，且对于这种单一影响机制的强度并未作出准确测量。第二，这些单一影响机制研究较为松散，并未形成一个体系或框架，尚未有学者就数字技术对产业变革的影响机制进行梳理和归纳。第三，数字技术对产业变革的影响机制可能因企业数字技术运用水平、区域数字化发展水平、国家政策扶持力度不同而有所差异，而单一实证研究通常无法同时在不同情境下开展实证取样，难以识别上述因素的制约作用。第四，利用不同方法探索数字技术对产业变革的影响机制，可能产生不同结果，而现有研究方法较为单一，通常采用实证研究或演绎归纳方法[15]。采用一种新颖的研究方法，更加客观、全面地探索数字技术对产业变革的影响机制仍是一大难题。

鉴于此，针对以往研究不足，本研究基于1990—2021年32篇独立实证研究，借助技术创新长波理论进行元分析验证，试图回答以下3个方面问题：在已有关于数字技术对产业变革影响机制的实证研究中，常用理论和研究对象有哪些？数字技术影响产业变革的机制是什么？这些机制的影响强度又如何？

1 理论基础与研究假设

1.1 理论基础

技术创新长波理论的核心观点是，产业发展存在一种规律性的波动循环，每过若干年，产业发展就会出现一次峰谷交替，在产业长波背后隐含着技术长波，每个产业长波都是在技术长波的基础上发生的。不同于经济学研究中所指的产业增长高涨、下降、谷底、复苏，然后又高涨的周期循环理论，技术创新长波理论以技术为基础，从更长的历史时期考察整个人类产业发展总的变化规律[16]。

克里斯托夫·弗里曼在传统技术创新长波理论中指明了技术创新与劳动就业的关系，进一步将技术创新长波理论细化为技术创新劳动力就业长波理论。该理论认为，技术创新及新兴产业的渐进式演变是促进长波提高的主要因素，并在后续的细致描述中，着重分析了劳动力就业因素带来的相关影响。技术创新劳动力就业长波理论指出，新兴产业的根基一般是劳动力密集型产业，因此对于劳动力需求旺盛，劳动力工资水平普遍较高。因此，新兴产业在促进这种长波提升的过程中，会带动劳动力就业水平提高。然而，较高的工资水平会使新兴产业成本增加，影响其经济规模扩大，致使利润降低，从而减少对劳动力的需求、降低劳动力工资水平。因此，经济长波降低也会造成劳动力就业水平下降。为应对这一问题，国家可通过制定一系列产业政策，达到增加就业、推动相关产业发展、摆脱经济萧条的目的。该理论可回答技术创新能否促进产业变革的问题，为探究数字技术影响产业变革的机制提供了新的整体理论分析框架，即技术创新—组织变革—劳动力就业—政府监管—产业变革。

由上述分析可知，技术创新长波理论更适合阐释数字技术影响产业变革的机制问题。因此，本研究根据技术创新长波理论，以组织层面、劳动力层面和政策层面为理论框架，梳理和归纳出数字技术对产业变革的影响机制，并利用元分析技术探索这一机制的影响强度。纳入元分析样本中涉及的理论包括熊彼特创新理论、赋能理论、服务主导逻辑理论、技术变革与劳动力需求理论、适应性结构化理论、技术长波理论等。

1.2 研究假设

1.2.1 组织层面

根据金融过度理论，金融的过度发展将吸纳过多人力资本或物资资本等生产力资源，造成金融泡沫，加剧金融资本的不现实性与极端性，最终导致金融资源错配，形成对实体经济的挤出效应。当数字技术运用程度高于一定阈值时，将导致金融资本“脱实向虚”，即资金在金融体系中空转，而不能促进实体经济进一步发展，反而降低资源配置效率，进而不利于产业发展。当数字技术运用程度低于一定阈值时，数字技术运用通过金融资本提高生产力资源配置效率，拉动产值增长。此外，既有研究表明，数字技术通过金融资本运转对产业变革产生间接影响[17]。换言之，金融资本高速运转触发数字技术运用程度提高，当数字技术运用程度达到一定阈值后，进一步催生产业变革。鉴于此，本文提出以下假设：

H1a：数字技术通过组织层面的金融因素对产业变革产生正向影响。

Zhang等[18]指出，数字技术的运用通过提升企业绩效的方式促进产业变革。数字技术本身具有的高效性和精准性能够提升企业运作效率，进而提高企业绩效。对应地，若企业绩效水平普遍提高，则会促进本领域产业变革。而且，基于创新获益理论，企业绩效提高不仅取决于技术创新程度，还取决于区域产业发展水平(应瑛等，2021)。同时，数字技术的运用促进企业绩效不断提升，从而产生集群效应，传统企业以高绩效企业为榜样纷纷提高自身数字技术运用水平，进而促进本领域产业变革。作为一种中间调节因素，企业绩效能够正向影响企业数字技术运用水平和产业变革。与金融因素不同，企业绩效提高并不会阻碍企业数字技术运用和产业变革。数字经济时代，企业以数据资源为基础，以数字技术为手段，努力实现数字化转型，其目的是为了提升自身产值和绩效，这样才能使其在产业变革中立于不败之地。鉴于企业绩效的调节作用，本文提出以下假设：

H1b：数字技术通过组织层面的绩效因素对产业变革产生正向影响。

李莉等(2021)、刘云等(2019)实证研究表明，组织创新行为对企业数字技术运用水平和产业变革具有促进作用。根据熊彼特创新理论，生产要素重新组合也属于创新的范畴，数字技术与物质生产资料等相关资源内容重组，可以促进生产流程和生产要素的优化配置，推动企业技术进步与创新，带动产业发展。同时，组织创新行为可推动组织内部或组织成员间的良性互动，这种良性互动有助于活跃组织氛围，提升组织成员技术学习能力，进而提高整个组织的技术操作水平。因此，创新行为能够帮助组织保持良好的氛围和较高的运作效率。此外，创新行为通过提高组织技术研发能力和促进产业变革的方式提升组织产品质量竞争力。苏秦等(2016)以航空产业为例证实组织创新行为能够提高组织技术研发能力，促进产业变革，而二者有利于产品质量竞争力的提升。换言之，组织创新行为既能推动组织技术更新换代，又能促进产业变革，同时还能保持良好的组织氛围和提高组织产品竞争力。由此，本文提出以下假设：

H1c：数字技术通过组织层面的创新因素对产业变革产生正向影响。

组织生产运作各方面内容(如研发投资、成本、生产速度等)会影响组织产值和绩效水平。组织生产运作是指把输入(资源或构件)转化为输出(成品或结果)的过程，也就是生产成品和输出结果的过程。社会技术系统理论指出，只有同时优化组织内部系统与技术系统，才能实现组织经济系统的最优化。组织生产运作各方面内容属于组织内部系统，在数字经济时代，数字技术发展只有与组织生产运作各方面内容相结合并同时优化，才能使组织系统得到更进一步优化。已有研究表明，组织生产运作各方面内容的优化同样会给产业发展带来一定影响[19-20]。如黎继子和李柏勋[21]以晋江鞋产业为例，证明集群式供应链大规模定制化运作模式能为顾客提供柔性、快速、廉价的定制化产品和服务，从而提高相关产业市场竞争力。由此可知，组织生产运作各方面内容的优化对于技术系统优化和产业市场竞争力提升有显著促进作用。据此，本文提出以下假设：

H1d：数字技术通过组织层面的生产运作因素对产业变革产生正向影响。

1.2.2 劳动力层面

以往研究多从组织投入和组织激励视角探讨劳动力成本上升对技术创新的作用机制[22]。劳动力成本上升主要通过产生要素替代效应、人力资本效应和“创造性破坏”效应3种方式推动组织提升技术研发水平。组织的技术研发投入与劳动力资本投入密切相关，当技术研发投入一定时，劳动力质量越高，组织运作效率越高，组织的产出回报也就越大。劳动力质量和成本对于产业发展同样重要。有研究表明，劳动力质量提高对高技术制造业产业结构变革的正向影响显著[23]；也有研究发现，劳动力成本通过产生负向弹性效应作用于劳动密集型制造业效益，但对资本与技术密集型制造业产生正向抑制效应，劳动力质量弹性系数与劳动力成本呈相反表征状态[24]。由以上分析可知，劳动力状况与组织技术研发和产业效益密切相关。因此，本文提出以下假设：

H2a：数字技术通过劳动力层面的劳动力状况因素对产业变革产生正向影响。

根据技术变革与劳动力需求理论，伴随我国数字经济的进一步发展，数字技术应用水平得到渐进式提高，一方面会逐渐增加对中、高技能劳动者的需求；另一方面，数字技术运用水平提高将顶替劳动密集型企业的多数就业岗位，减少对低技能劳动者的需求。有研究表明，数字技术对劳动力就业的影响呈现出先抑制后促进再抑制的复杂非线性变化趋势。只有当组织产值达到一定水平后，数字技术才能正向影响劳动力就业水平[25]。此外，就业结构优化和就业质量提高可以推动产业结构变革，助力我国数字经济发展，而产业结构变革同时也会反作用于就业结构和就业质量。已有研究表明，我国就业质量存在地域差异，东部地区就业质量显著高于中西部地区，区域分化差异显著[26]。在数字经济背景下，需要持续推动就业结构优化和就业质量提高，有序引导劳动者向数字经济领域转岗就业，实现高质量充分就业，从而促进相关产业发展，推动产业结构变革。基于以上论述，本文提出以下假设：

H2b：数字技术通过劳动力层面的就业因素对产业变革产生正向影响。

1.2.3 政策层面

根据经济政策传导理论，政策因素在市场发展中起主导作用，具有方向引导、秩序管控、促进资源合理配置的作用，且易影响组织行为。结合当前我国已陆续出台一系列鼓励组织提高数字技术运用水平的相关政策可知，政策对于组织运用数字技术、实施数字化转型起主导作用。此外，虽然当前新一轮科技革命和产业变革的浪潮逐渐扩散，但新旧动能转换的衔接效果并不理想。上一轮科技进步产生的增长动能逐步消散，新一轮科技和产业革命尚处于起步阶段。在这种情形下，政策更要发挥其主导作用，引领产业数字化发展方向，推动新一轮产业变革不断向纵深演进。由此可知，政策因素在数字技术影响产业变革中具有重要作用。据此，本文提出以下假设：

H3：数字技术通过政策层面的政策因素对产业变革产生正向影响。

综上所述，本研究理论模型如图1所示。

2 研究设计

2.1 文献搜索与筛选

本研究重点对发表于2021年之前的数字技术领域文献进行综合检索。为减少出版偏倚，检索范围包括期刊论文、学位论文、会议论文等。英文文献主要在ScienceDirect、Web of Science两个数据库中检索，由于数字技术具有广泛性和复杂性，但能够影响产业变革的数字技术较少，本研究参考麦肯锡全球研究院(MGI)发布的《颠覆性技术：改变生活、商业和全球经济的进步》报告和Duman&Akdemir[27]的研究，将对产业变革产生影响的数字技术限定为大数据、5G、机器人、区块链、人工智能、数字孪生、无人驾驶、物联网、移动互联网、云计算、知识自动化，并以Digital technology、Digital technique、Digitization technology、Big data、5G、robot、block chain、artificial intelligence、digital twins、self-driving、Internet of things、mobile Internet、cloud computing technology、knowledge automation为关键词进行检索。除以上两个数据库外，同时在IEEE Xplore、ProQuest Dissertations、Springer Link等期刊、会议和博硕论文数据库中进行补漏查找。考虑到纳入样本文献的质量问题，本文将中文文献的检索期刊类型限定为CSSCI来源期刊及其扩展版，以中国知网和万方数据库为重要检索库，以数字技术、数字化技术、大数据、5G、机器人、区块链、人工智能、数字孪生、无人驾驶、物联网、移动互联网、云计算、知识自动化为关键词进行检索。检索完成后，初步筛选出符合产业变革研究主题的文献，文献搜寻和筛选工作由3名研究人员独立进行，随后对结果进行汇总和整理，初步筛选得到18 117篇中英文样本文献。

然后，依照如下准则对样本文献进行进一步筛选：①剔除非实证研究论文；②研究必须包含数字技术及其各维度、产业变革等变量；③论文必须给出与本研究有关的效应值，即非实证类论文需要给出相关系数和样本量，实证类论文需要提供样本量及可通过公式得到的相关值(如F、t、d、均值和SD等)，具体公式参见Hunter&Schmidt[28]的研究；④必须存在独立数据集，如果多篇样本文献类似，则以较为细致的研究为准。最终共有32篇文献(或者37个独立数据集)被编码到元分析中，数据集大于文献数是因为有两项研究不止包含一个样本。样本检索、筛选过程见图2。

2.2 文献编码

文献编码工作由3名研究人员独立进行，包含3个流程：首先，3名研究人员交流形成编码标准和编码共识，并进行第一轮编码工作，3名研究人员第一轮编码的相同比例达到86.9%；其次，3名研究人员对不同编码结果进行仔细检查并讨论，最终达成一致，第二轮编码的相同比例达到96.7%；最后，针对剩余部分的不相同编码内容，3名研究人员再次进行检查、交流并最终整合为相同编码内容。

经过文献检索与筛选流程，最终归入32篇元分析样本文献，其中英文文献6篇，中文文献26篇，SSCI和CSSCI期刊论文约占92%。通过最终核对，共编码出37个独立效应值。为测量编码中人为因素造成的误差，随机选取30%的样本文献，由另两名研究人员各自对核心部分编码项再次重复操作，将操作结果与最终编码内容进行核对，相同度分别为94%和91%。对于较为权威但无法获取核心内容的文章，通过邮件方式索要，最终共发送7封邮件，收到两封有效回复消息。

3 研究结果与分析

3.1 出版偏倚分析结果

元分析方法将与研究主题相关文献的研究效应值作为研究样本，因此要尽可能搜集较为全面的相关文献。由于当前大多数期刊倾向于发表具有显著性结果的文章，可能造成一些未发表的存在非显著性结果的文章未被纳入研究样本中，进而出现出版偏倚。对于出版偏倚状况的评估，学者多采用失安全系数N进行判断，本文也采用这一做法。

如表1所示，从失安全系数检验结果看，数字技术通过各维度对产业变革产生影响的失安全系数为7 563，意味着需要再增加相应数量的文献样本才能够否认数字技术与产业变革之间的关系。同时，Z值远大于1，表明所选文献样本极具代表性，且不存在出版偏倚。

3.2 主效应分析

如表2所示，异质性检验结果显示，各研究之间效应值的Q检验均显著(p < 0.001)，表明元分析中各效应值均是异质的；I-squared值为99.390%，依据Higgins等[29]的异质性判断标准，I-squared>75%表示效应量之间存在较高的异质性；Tau-squared值为0.090，表明各研究之间效应量存在的变异有0.090可用于权重计算。这说明可能存有一些调节效应影响数字技术与产业变革关系的强弱，Q检验结果(Q=5 898.227)同样支持这一结论。

3.3 调节效应分析

3.3.1 组织层面的调节效应分析

如表3和表4所示，分别以创新因素和绩效因素作为调节变量，采用技术创新能力、探索式创新和利用式创新、区域创新性、绿色技术创新、商业模式创新、企业双元创新、学习导向以及创新绩效、环境治理绩效、企业创新绩效、区域创新绩效、全要素劳动生产率作为测量维度，相关性的90%CI置信区间并不完全重合且P<0.05，说明在数字技术影响产业变革的机制中，创新因素和绩效因素存在调节效应，即数字技术能够通过组织层面的创新因素和绩效因素显著影响产业变革。由此，H1a和H1b获得支持。

如表5和表6所示，以金融因素和生产运作因素作为调节变量，采用数字金融产品使用、数字普惠金融、数字惠普的普惠性、科技金融以及研发投资强度、生产力、成本、销量、生产速度、高管权力、商业模式的改变、产品批发经营效率、要素错配、数字化产业发展水平作为测量维度，相关性的90%CI置信区间并不完全重合且P<0.05，说明在数字技术影响产业变革的机制中，金融因素和生产运作因素存在调节效应，即数字技术能够通过组织层面的金融因素和生产运作因素显著影响产业变革。由此，H1c和H1d获得支持。

3.3.2 劳动力层面的调节效应分析

如表7和表8所示，分别以就业因素和劳动力状况因素作为调节变量，采用就业信息、就业质量以及人才体系不匹配、触网程度、代际差异、城乡收入作为测量维度，相关性的90%CI置信区间并不完全重合且P<0.05，说明在数字技术影响产业变革的机制中，就业因素和劳动力状况因素存在调节效应，即数字技术能够通过劳动力层面的就业因素和劳动力状况因素显著影响产业变革。由此，H2a和H2b获得支持。

3.3.3 政策层面的调节效应分析

如表9所示，以政策因素作为调节变量，采用数字化变革、网络协作与信任保障机制、政策导向、对政策关注度和制度文化异质性作为测量维度，相关性的90%CI置信区间并不完全重合且P<0.05，说明在数字技术影响产业变革的机制中，政策因素存在调节效应，即数字技术能够通过政策层面的政策因素显著影响产业变革。由此，H3获得支持。

调节效应分析结果证明，数字技术对产业变革的影响机制包括组织层面的创新因素、绩效因素、金融因素和生产运作因素，劳动力层面的就业因素和劳动力状况因素，政策层面的政策因素。这说明在探讨数字技术对产业变革的影响时，这些影响机制尤为重要。可能解释是：一方面，在产业经济学框架内，组织、劳动力和政策都是产业变革的重要要素；另一方面，根据技术创新长波理论的演化脉络可知，这三大要素同样是技术推动产业发展的重要支撑力量。

3.4 强度分析

本研究采用Cohen[30]提出的划分标准判断变量之间的相关程度(0.1≤|r|<0.3表示低度相关，0.3≤|r|<0.5表示中度相关，|r|≥0.5表示高度相关，|r|=0表示不相关)，具体强度分析结果详见图3。

3.5 调节效应汇总与多元回归分析

由表10可知，在固定效应分析中，Tau Squared值均小于0.25，说明各调节变量对各测量维度的修正效果较好。在混合效应分析中，P值均小于0.001，说明各调节变量对各测量维度的修正效果显著。

各调节变量对各影响维度的元回归结果参见图4，其中圆圈表示样本量大小，中间的横线表示回归效应量的大小，上下两条线表示效应量的95%置信区间。元回归分析结果显示，各测量维度的效应量均较为集中地分布于各调节变量的置信区间内，说明调节变量对各测量维度效应量的修正效果较好。

3.6 敏感性分析

异质性检验结果显示，每项研究的效应值之间均存在较高的异质性。根据漏斗图和各效应值的偏离状况，对各影响机制的异质性效应量进行进一步的敏感性分析。删除一项研究(蓝庆新1，2019)后，数字技术对产业变革影响机制的异质性降低0.032%，数字技术对产业变革影响机制的效应量r=0.518，p<0.001；逐步删除两项研究(蓝庆新1，2019；蓝庆新2，2019)后，数字技术对产业变革影响机制的异质性降低0.020%，数字技术对产业变革影响机制的效应量r=0.526，p<0.001；逐步删除3项研究(蓝庆新1，2019；蓝庆新2，2019；何帆，2019)后，数字技术对产业变革影响机制的异质性降低0.148%，数字技术对产业变革影响机制的效应量r=0.536，p<0.001。以上分析表明，无论异质性程度如何，数字技术对产业变革影响的主效应与各影响机制的调节效应均显著相关。

4 结论与讨论

4.1 结果讨论

本文通过对数字技术影响产业变革机制的32篇实证文献进行元分析检验，依据技术创新长波理论，并参考相关运用元分析技术的文献识别出7种数字技术影响产业变革的机制，较为全面地总结分析数字技术对产业变革的影响机制。具体结果如下：

首先，数字技术对产业变革的影响机制包括组织层面的金融因素、创新因素、绩效因素、生产运作因素，劳动力层面的就业因素、劳动力状况因素，以及政策层面的政策因素，且无论异质性程度如何，数字技术对产业变革影响的主效应与各影响机制的调节效应均显著相关。

其次，梳理数字技术对产业变革影响机制的文献发现，各机制的作用并不一致，高度相关、中度相关、低度相关均有涉及。其中，组织层面的环境治理绩效、区域创新绩效、全要素劳动生产率、技术创新能力、区域创新性、商业模式的改变和要素错配，劳动力层面的就业信息、就业质量、触网程度、代际差异和城乡收入，政策层面的制度文化异质性，是数字技术影响产业变革的重要机制。组织层面的数字金融产品使用、数字普惠金融、科技金融、探索式创新和利用式创新、商业模式创新、企业双元创新、学习导向、创新绩效、企业创新绩效、研发投资强度、生产力、成本、销量、高管权力、产品批发经营效率、数字化产业发展水平、网络协作与信任保障机制、对政策关注度和人才体系不匹配是数字技术对产业变革的中度影响机制。数字普惠金融的普惠性、绿色技术创新、生产速度、数字化变革、政策导向在数字技术影响产业变革中的作用较弱，尽管这些因素在数字技术对产业变革的影响机制中属于影响较弱的机制，但是仍需注意这些机制在不同情境下可能对数字技术影响产业变革产生更强或更弱的影响。

最后，在已有相关实证研究中，学者们探索数字技术对产业变革的影响机制主要应用的理论有熊彼特创新理论、赋能理论、服务主导逻辑理论、技术变革与劳动力需求理论、适应性结构化理论、技术长波理论等。

4.2 研究贡献、局限及展望

4.2.1 研究贡献

本文梳理并厘清了数字技术对产业变革的影响机制，并将影响机制划分为金融因素、创新因素、绩效因素、生产运作因素、就业因素、劳动力状况因素和政策因素7个维度，有效避免了数字技术对产业变革影响机制维度分类不清的问题。同时，在搜集元分析数据的过程中，总结现有数字技术对产业变革影响机制相关实证研究常用的理论视角，有助于指导数字技术对产业变革影响机制研究的多理论融合发展。借鉴既有相关成果，以技术创新长波理论为基础，并综合运用元分析技术，提出数字技术对产业变革影响机制的整合性分析框架。基于技术创新长波理论中的技术创新—组织变革—劳动力就业—政府监管—产业变革框架，较为全面地阐释数字技术对产业变革的影响机制及其强度，描绘出数字技术对产业变革影响机制的全貌，丰富和细化了数字技术对产业变革影响机制的研究成果，为后续数字化创新研究中探索数字技术对产业变革影响机制提供了较为可靠的佐证。

4.2.2 研究局限与展望

本研究存在以下局限，有待未来研究进一步完善：第一，在调节效应中，由于研究样本的限制，研究结果可能存在误差。第二，本文在搜集样本文献时，尽管已经尽可能全面搜集相关文献及其效应值，但由于元分析技术本身固有的局限性，仍可能存在少量遗漏。

未来研究可从如下3个方面深化：

(1)数字技术影响产业变革的具体过程和表现形式。一方面，数字技术的运用能降低企业成本，促进产业变革。另一方面，数字技术能够衍生崭新的价值创造模式，如工业互联网平台模式、全渠道运营模式和双边市场模式等。那么，不同类型的数字技术对产业变革影响的具体过程如何？数字技术影响产业变革的表现形式又有哪些？这些问题有待进一步考察。

(2)数字技术的政府管理策略。政府在数字基础设施建设和数字技术运用管理等方面具有关键作用，政府的数字技术运用管理和规制政策对相关产业发展极为重要，但目前相关研究仍较少，法律、法规、制度和政策也并不完备，这些都不利于数字产业化和产业数字化的快速发展。因此，对数字技术的政府管理策略进行探讨，有助于推动数字产业化和产业数字化发展。

(3)中国情景下数字技术对产业变革的影响。国内关于数字技术与产业变革关系的研究起步较晚，成果较少，难以有效、及时地指导我国数字经济发展实践。我国相关产业的蓬勃发展为数字技术的深入运用和开发提供了良好的环境土壤，巨大的潜在市场规模优势也为数字技术运用提供了丰富的情景。因此，如何融合我国相关产业发展的具体情况，探索并提出具有中国特色的数字技术运用理论，进而更好地引领数字技术助力产业发展，是需要重点关注的问题。

参考文献:

[1] YOO Y. Computing in everyday life: a call for research on experiential computing[J]. MIS Quarterly, 2010,34(2):213-231.

[2] 邢小强, 周平录, 张竹, 等. 数字技术、BOP商业模式创新与包容性市场构建[J]. 管理世界, 2019,35(12):116-136.

[3] 谢卫红,林培望,李忠顺, 等.数字化创新：内涵特征、价值创造与展望[J].外国经济与管理,2020,42(09):19-31.

[4] 谢卫红,李忠顺,李秀敏, 等.数字化创新研究的知识结构与拓展方向[J].经济管理,2020,42(12):184-202.

[5] CHENG M, SHAO Z, GAO F, et al. The effect of research and development on the energy conservation potential of China's manufacturing industry: the case of east region[J]. Journal of Cleaner Production, 2020, 258(4):1-13.

[6] KENNEY M,ROUVINEN P,SEPPALA T,et al. Platforms and industrial change[J]. Industry and Innovation, 2019,26(8):871-879.

[7] 李英杰, 韩平. 数字经济发展对我国产业结构优化升级的影响——基于省级面板数据的实证分析[J]. 商业经济研究, 2021,40(6):183-188.

[8] 卢洪友, 陈思霞. 第三产业技术进步与技术效率的财政政策效应实证分析[J]. 广东商学院学报, 2009,24(3):74-80.

[9] 沈运红, 黄桁. 数字经济水平对制造业产业结构优化升级的影响研究——基于浙江省2008—2017年面板数据[J]. 科技管理研究, 2020,40(3):147-154.

[10] ZHANG C. An empirical study on the impact of digital economy development on the upgrading and optimization of industrial structure[C]//E3S Web of Conferences. EDP Sciences, 2021, 275-276.

[11] 孟庆时, 余江, 陈凤, 等. 数字技术创新对新一代信息技术产业升级的作用机制研究[J]. 研究与发展管理, 2021,33(1):90-100.

[12] LING S, HAN G, AN D, et al. The impact of green credit policy on technological innovation of firms in pollution-intensive industries: evidence from China[J]. Sustainability, 2020,12(11):1-16.

[13] SHEN L, FAN R, WANG Y, et al. Impacts of environmental regulation on the green transformation and upgrading of manufacturing enterprises[J]. International Journal of Environmental Research and Public Health, 2020,17(20):1-14.

[14] 包晨晨, 于思淼. 企业兼并重组来源于技术内生——来自中国上市公司的经验证据[J]. 经济体制改革, 2016,15(5):184-189.

[15] PRADHAN R P, ARVIN M B, NAIR M, et al. Short-term and long-term dynamics of venture capital and economic growth in a digital economy: a study of European countries[J]. Technology in Society, 2019,57(5):125-134.

[16] ARDOLINO M, RAPACCINI M, SACCANI N, et al. The role of digital technologies for the service transformation of industrial companies[J]. International Journal of Production Research, 2018,56(6):2116-2132.

[17] 王文倩, 张羽. 金融结构、产业结构升级和经济增长——基于不同特征的技术进步视角[J]. 经济学家, 2022,42(2):118-128.

[18] ZHANG L, LONG R, CHEN H, et al. Performance changes analysis of industrial enterprises under energy constraints[J]. Resources Conservation and Recycling, 2018,136(12):248-256.

[19] ZHOU L, JIANG Z, GENG N, et al. Production and operations management for intelligent manufacturing: a systematic literature review[J]. International Journal of Production Research, 2022,60(2):808-846.

[20] ROMERO-SILVA R, HERNANDEZ-LOPEZ G. Shop-floor scheduling as a competitive advantage: a study on the relevance of cyber-physical systems in different manufacturing contexts[J]. International Journal of Production Economics, 2020,224(4):1-54.

[21] 黎继子, 李柏勋. 集群式供应链大规模定制化运作模式分析——以晋江鞋业产业集群为例[J]. 科研管理, 2007,34(6):167-174.

[22] 洪银兴. 科技创新中的企业家及其创新行为——兼论企业为主体的技术创新体系[J]. 中国工业经济, 2012,29(6):83-93.

[23] 郝凤霞, 江文槿, 楼永. 劳动力流动与地区制造业升级——基于转移升级和转型升级角度[J]. 产经评论, 2021,38(6):90-109.

[24] 张峰, 殷秀清. 劳动力供给要素变迁对制造业转型升级影响的统计检验[J]. 统计与决策, 2020,36(4):91-95.

[25] 王冬, 吕延方. 数字技术影响实体经济就业的非线性效应研究[J]. 现代管理科学, 2021,40(8):110-120.

[26] 王文. 数字经济时代下工业智能化促进了高质量就业吗[J]. 经济学家, 2020,32(4):89-98.

[27] DUMAN M C, AKDEMIR B. A study to determine the effects of industry 4.0 technology components on organizational performance[J]. Technological Forecasting and Social Change, 2021,167(5):1-14.

[28] HUNTER J E, SCHMIDT F. Methods of meta-analysis: correcting error and bias in research findings [M]. Sage, 2004.

[29] HIGGINS J, THOMPSON S G, DEEKS J J, et al. Measuring inconsistency in meta-analyses[J]. British Medical Journal, 2003,327(12):557-560.

[30] COHEN J. Statistical power analysis for the behavioral sciences[M]. New York: Academic Press, 1977.

(责任编辑：陈 井)