The Impact of Digital Transformation on the Development Resilience of Manufacturing Industry:An Empirical Study Based on Dynamic Threshold Effect

Du Jiating1,He Jinfeng1,Gu Qiannong2

(1. College of Economics and Management, Chongqing Normal University,Chongqing 401331,China;2. Miller College of Business, Ball State University,Indiana 47306,the U.S. )

Abstract：Since the implementation of the "Made in China 2025" strategy in 2015, the size of China's manufacturing industry has grown substantially, and its overall capacities have greatly improved. China has held the title of the world's largest manufacturing nation for 13 straight years. Meanwhile, the world is undergoing the most significant changes, characterized by a cooling global economy, the emergence of new trade protectionism and deglobalization trends, increasing geopolitical conflicts, and other global economic uncertainties. China's manufacturing industry is facing a progressively complex external environment. Enhancing its manufacturing resilience is an inevitable requirement for China's manufacturing industry to resist external uncertainties, promote high-quality development of the manufacturing industry, and smoothly realize the transition from a "big manufacturing country" to a "powerful manufacturing country". Digital transformation is the process by which enterprises utilize digital technologies to enhance efficiency, improve business processes, and innovate value creation methods. It can enhance manufacturing resilience through various means, such as promoting production process reengineering, enhancing collaborative innovation capabilities, and improving resource allocation efficiency and total factor productivity. Therefore, there are significant theoretical and practical implications for exploring how digital transformation can boost the resilience of manufacturing.

There is limited research on manufacturing resilience through the lens of digital transformation.Using panel data samples from 30 provinces from 2010 to 2022, this study adopts the dynamic threshold effect model, the moderated mediation effect model and the differential GMM model to analyze the impact of digital transformation on the development resilience of the manufacturing industry. It is found that (1) from a perspective of evolution, the resilience of China's manufacturing industry has slightly declined. Although the difference in manufacturing resilience varies among provinces, it shows an overall shrinking trend. (2) The regression results of the benchmark model demonstrate that digital transformation has a significant enhancing effect on manufacturing resilience. Furthermore, this effect is not linear. There exists a dynamic threshold effect, and when the level of digital transformation meets or exceeds the threshold, its impact on manufacturing resilience will exhibit a marginal decline. (3) The results of heterogeneity test indicate that the impact of digital transformation on manufacturing resilience varies among enterprises, industries, and regions. Compared to private enterprises and small and medium-sized enterprises, digital transformation has a more significant impact on enhancing the manufacturing resilience of state-owned or large enterprises; in low threshold areas, except for textiles, there is a significant enhancing effect on the manufacturing resilience of various subsectors of the manufacturing industry, while there are differences in effects within high value areas; compared to eastern and central China and low human capital areas, digital transformation has a more significant impact on enhancing manufacturing resilience in the western region and high human capital areas in China. (4) During the process of enhancing manufacturing resilience, digital transformation has a moderated mediating effect.Technological innovation is the mediating variable, and financing constraints and external financing are the moderating variables. Simultaneously, this digital transformation has significant industry and regional homogeneity effects. Hence, China should pay more attention to enhancing manufacturing resilience, and continuously strengthening the foundation of digital transformation by vigorously promoting a "new infrastructure". To enhance targeted digital transformation and manufacturing resilience from a heterogeneous perspective and consider technological innovation and financing convenience, it is necessary to fully leverage the peer effects of digital transformation and accelerate the process of digital transformation in the manufacturing industry through a digital transformation resource sharing platform.

The marginal contribution of this article lies in three aspects. The study first adopts a single indicator method to measure manufacturing resilience, which avoids the causal inversion problem that may occur when using a multi-factor indicator system to measure manufacturing resilience. Then it analyzes the nonlinear relationship between digital transformation and manufacturing resilience based on a dynamic threshold effect model, which enriches the theoretical connotation of the relationship between digital transformation and manufacturing resilience. Lastly, it advances the understanding of the relationship between digital transformation and manufacturing resilience by clarifying the internal mechanism of the relationship between digital transformation and manufacturing resilience, and the peer effects of digital transformation on manufacturing in different industries and regions.

Key Words：Digital Transformation; Manufacturing Development Resilience; Technological Innovation; Peer Effect

收稿日期：2023-09-18

修回日期：2024-01-18

基金项目：国家社会科学基金项目(22XJL002,19BJY038)

作者简介：杜家廷(1973-),男,重庆人,博士,重庆师范大学经济与管理学院教授,研究方向为金融经济学;何金凤(1998-),女,贵州铜仁人,重庆师范大学经济与管理学院硕士研究生,研究方向为产业经济学; 顾谦农(1971-),男,江苏南通人,博士,鲍尔州立大学米勒商学院副教授,研究方向为供应链管理。

DOI：10.6049/kjjbydc.2023090528

开放科学(资源服务)标识码(OSID)：

中图分类号：F406.14

文献标识码：A

文章编号：1001-7348(2025)10-0061-12

0 引言

制造业作为国民经济的重要组成,是立国之本、兴国之器、强国之基。自2015年颁布《中国制造2025》以来,我国制造业规模大幅提升,综合实力显著增强。截至2022年,我国制造业增加值达33.5万亿元,连续13年稳居世界第一制造大国。但同时,世界经济面临百年未有之大变局,加之新贸易保护主义、“逆全球化”思潮、地缘政治冲突等不确定性因素增加,我国制造业发展身处日益复杂的外部环境。增强自身发展韧性是我国制造业抵御外部不确定性冲击、促进制造业高质量发展、实现制造大国向制造强国跨越的必然要求(王静,2021)。

Comfort[1]最早将物理学中的韧性概念引入经济学领域,创造性提出经济发展韧性概念。自此,学者们围绕经济发展韧性内涵界定、水平测度、影响因素等问题开展多维研究[2]。制造业发展韧性是经济发展韧性在产业领域的延伸,是指制造业在遭受负面冲击后迅速恢复到冲击发生前状态的能力,以及在受到负面冲击后快速实现资源配置调整、产业组织重构和经营模式优化,最终实现可持续发展的能力[3]。从整体上看,当前中国制造业发展韧性具有稳中向好发展趋势。其中,能源、交通运输设备制造及金属制品业发展韧性较强,纺织服装服饰、造纸文教体育用品以及其它制造业领域发展韧性较弱[4]。影响制造业发展韧性的因素既有来自于数字经济发展水平、产业协同集聚等宏观层面的因素,也有来自于企业经营战略、技术创新能力等微观层面的因素(李根,2023)。

数字化转型是指企业利用数字化技术提升效益、改进业务流程以及革新价值创造方式的过程[5]。众多学者研究证实,数字化转型对制造业具有多维影响。首先,通过引入大数据、区块链、人工智能、云计算等先进数字技术,数字化转型能够推动生产流程再造,降低制造业生产成本、管理成本和服务成本(何帆和刘红霞,2019)。其次,数字化转型能够提升制造业产业链上下游主体间协作效率,实现单一集中创新模式向多元分散创新模式转变,提升制造业企业协同创新水平和效率[6]。再次,数字化转型能够缓解传统生产管理模式的信息不对称,减少要素冗余,提高制造业资源配置效率和全要素生产率[7-8]。此外,部分学者研究还发现,数字化转型可通过优化人力资本结构[9]、降低企业融资约束(李彦龙等,2022)、减少污染排放(Wang等,2018)和重构市场竞争优势(侯德帅等,2023)等途径影响制造业发展。

综上所述,数字化转型对制造业发展具有重要影响,是提升制造业发展韧性的重要因素。从既有研究成果来看,从数字化转型视角探讨制造业发展韧性的文献较为不足且在测度制造业发展韧性时主要采用多变量综合指标评价法,易导致因果混淆问题。本文的边际贡献在于:一是基于静态凡登定律的单指标评价法测度制造业发展韧性,以避免采用多变量综合指标法可能存在的因果混淆问题;二是基于动态门槛效应模型研究数字化转型对制造业发展韧性的影响,揭示数字化转型与制造业发展韧性间的非线性关系;三是基于有调节的中介效应模型分析数字化转型对制造业发展韧性的作用机制,证明存在以技术创新为中介变量,以融资约束为调节变量的中介效应路径;四是对制造业数字化转型的同群效应进行考察,证明考察期间我国制造业数字化转型存在显著的行业和区域同群效应。

1 理论分析与研究假设

1.1 数字化转型对制造业发展韧性的提升效应

数字化转型是基于数字技术应用视域下产业资源配置、组织结构和经营模式重新定义以及不断创新的过程[10],是提升制造业发展韧性的重要途径。具体表现在:

(1)数字化转型能优化资源配置,提升制造业发展韧性。由信息不对称理论可知,数字化转型不仅有助于打破制造业环节中的“数据孤岛”现象,缓解制造业企业内部信息不对称问题(Stigliz,1981),促进生产要素从低生产效率部门流向高生产效率部门,增强制造业抵御外部风险的能力,而且能够缓解不同制造业企业间的信息不对称问题,提高各企业协同水平[11]。当面临不确定性事件冲击时,整个产业能快速、低成本地将生产要素配置到急需之地,降低冲击带来的负面影响,增强产业发展韧性。

(2)数字化转型能重构产业组织,增强制造业发展韧性。组织变革理论认为,组织结构变革能减缓不确定性事件冲击(Dianne,1994)。数字化转型是组织结构转向扁平式、网络化和去中介化的重构过程(戚聿东和肖旭,2021)。通过数字化转型,数据要素逐渐成为知识与信息分享过程中的流通媒介,有助于破除制造业部门间以及企业内部间壁垒,提高信息共享程度[12]。当面临不确定性事件冲击时,制造业产业具有较强的感知、预警与风险处理能力,从而增强发展韧性。

(3)数字化转型有助于创新经营模式,提升制造业发展韧性。首先,数字化转型本身是一种经营模式的创新,是一个复杂的、不断整合与突破的过程,需要反复尝试和探索,短时间内很难被竞争对手复制和模仿,从而能够保障数字化转型企业竞争优势,缓解外部过度竞争带来的冲击。其次,数字化转型以大数据和人工智能等新技术为底层支撑,能够在制造业产业领域催生众多新兴产业[13]。这些新兴产业具有数字技术优势,能够连接上下游产业,降低负面冲击在产业链上的传导,从而提升制造业发展韧性。

基于以上分析,本文提出如下研究假设:

H1:数字化转型对制造业发展韧性具有提升作用。

1.2 数字化转型对制造业发展韧性的异质性影响

(1)数字化转型对制造业发展韧性的影响存在企业异质性。数字化转型是生产方式和组织管理模式的系统变革,资本沉没成本较高,投入转化为产出的“阵痛期”较长(余汉和黄爽等,2023)。同时,新技术发挥作用需要互补性体系支撑[14]。相较于中小企业和非国有企业,大型企业和国有企业拥有更丰富的资本、人力、技术资源,市场地位更高,获得的政策支持更大,因此能承受的市场竞争压力和风险水平也更高[15]。

(2)数字化转型对制造业发展韧性的影响存在行业异质性。究其原因,一是数字化转型需要研发新技术、投资智能设备和搭建数字化平台,对资本要求较高。不同细分行业的资本丰裕度不同[16],进而导致数字化转型的影响效应也存在差异性。二是数字化转型需要相应信息技术作为支撑,不同细分行业与数字信息技术的关联度不同,数字信息技术基础不同,数字化转型进程也不同。三是数字化转型存在规模经济与不经济问题,不同细分行业的产业规模不同,数字化转型所带来的规模经济效应也存在差异[17]。

(3)数字化转型对制造业发展韧性的影响存在区域异质性。不同地理区域的资源禀赋、基础设施、经济发展以及对外开放水平不同,因此数字化转型进程、程度以及创新水平也存在差异[18]。此外,无论是基于传统和现代经济理论,还是基于世界各国历次产业技术革命,人力资本是生产要素的核心组成部分,是生产方式变革的重要动力源泉。相对人力资本不足地区,人力资本丰富地区的数字化转型进程更加顺利(曹珂,2023),数字化转型对制造业发展韧性的提升作用也更显著。因此,从该角度而言,数字化转型对制造业发展韧性的影响可能存在区域异质性。

基于以上分析,本文提出如下理论假设:

H2:数字化转型对制造业发展韧性的影响存在企业异质性;

H3:数字化转型对制造业发展韧性的影响存在行业异质性;

H4:数字化转型对制造业发展韧性的影响存在区域异质性。

1.3 数字化转型对制造业发展韧性的作用机制

(1)技术创新对制造业发展韧性具有提升作用。技术创新是影响制造业发展韧性的重要因素。具体表现在:一是技术创新可改变生产工艺流程,提高生产效率,帮助制造业企业获得更具优势的市场地位[19]。二是技术创新能促进制造业产业结构优化。随着技术创新水平提升,劳动密集型产业占比逐渐下降,技术密集型产业比重不断增大,进而促进制造业产业结构合理化和高级化。三是技术创新为资源高效利用提供技术支撑,促进制造业增长与资源合理利用双重目标实现,进而提升制造业发展韧性。

(2)数字化转型对制造业技术创新具有促进作用。一是数字化转型有助于拓展创新资源配置空间,为制造业企业提供更多创新机会和更大发展空间(张昕蔚,2019)。二是数字化转型过程中的数字基础设施建设有助于扩大信息渠道,加快信息流通,帮助制造业企业迅速获取技术信息,提高技术创新效率。三是数字化转型有助于加速数据、知识要素流通和扩散,促进跨技术、跨企业、跨地域研发协作,实现技术创新资源互补和知识共享,提高制造业企业技术创新速度与创新质量[20]。

(3)融资约束的负向调节作用。当前我国制造业企业数字化转型势头良好,但整体上仍处于起步阶段(史宇鹏等,2021)。究其原因,数字化转型是一项系统工程,是对企业员工能力、生产流程、组织架构和业务模式等的重构。这不仅需要强大的数字基础设施支撑,而且需要稳定的资金支持。对于制造业企业来说,充足的金融资源供给是影响数字化转型进程的关键因素,因此融资约束水平对数字化转型增强制造业发展韧性具有负向调节作用[21]。

(4)外源融资的正向调节作用。企业融资分为内源融资和外源融资。其中,内源融资来源于企业经营活动,会受到企业经营状况以及宏观经济形势等因素影响,因此稳定性不足、周期长、资金规模有限。外源融资是企业从资本市场直接或间接获取的资金,相比前者而言,其周期较短、资金规模较大,能更好地满足数字化转型需求,因此对数字化转型增强制造业发展韧性发挥正向调节作用(蔡庆丰等,2020)。

综上所述,数字化转型可通过技术创新增强制造业发展韧性,但这种促进作用会受到融资约束的负向调节和外源融资的正向调节,具体如图1所示。基于此,本文提出如下研究假设:

H5:数字化转型促进制造业发展韧性提升的过程中,存在以技术创新为中介变量、融资约束为负向调节变量、外源融资为正向调节变量的作用机制。

1.4 制造业企业数字化转型的同群效应

根据Adhikari的观点,本文的同群效应是指焦点企业观察到群体内其它企业通过数字化转型取得成效后,主动学习模仿同群企业成功经验以加速自身数字化转型,进而提升整个行业数字化转型水平的现象[22]。制造业企业数字化转型可能存在同群效应,具体表现在:

(1)制造业企业数字化转型可能存在行业同群效应。根据王旭等[23]的观点,因处于相同市场,同行企业间往往存在竞争关系。当同群企业通过数字化转型获得更大市场竞争优势时,焦点企业必然也会进行数字化转型以防止自身竞争优势丧失。此外,数字化转型往往伴随极大不确定性甚至是失败风险。通过借鉴行业同群企业数字化转型经验,焦点企业可有效降低自身数字化转型面临的不确定性风险,提高数字化转型成功概率。

(2)制造业企业数字化转型可能存在地区同群效应。根据战略生态理论,处于相同区域的群体成员在享受资源共享便利的同时,也给焦点企业战略决策带来制度约束与环境压力。具体表现在:相同地区企业面临的数字化转型制度压力相似,积极推动数字化转型是企业保证自身组织合法性与稳定性的需要。同时,作为更高水平生产技术和生产效率的代表,地区同群企业通过数字化转型能够获得良好声誉,建立积极形象[24],这对焦点企业开展数字化转型产生正向激励作用,进而形成同群效应。

基于以上分析,本文提出如下研究假设:

H6:数字化转型存在行业和地区同群效应,同行业和同地区企业数字化转型对焦点企业数字化转型具有促进作用。

2 韧性测度

2.1 测度方法

基于静态凡登定律的反事实理论分析框架模型,本文采用单指标法测度制造业发展韧性。相比传统DID模型和多因素综合指标评价法,单指标法不受传统DID模型平行趋势假设条件制约,适用性更广。同时,避免采用多因素综合指标体系测度制造业发展韧性可能面临的因果倒置问题。具体步骤如下:

第一,计算反事实产出。考虑到2008年美国次贷危机对全球经济的影响,借鉴Doran&Fingleton[25]的做法,将2008年美国次贷危机作为外部冲击参照事件。以2007年我国各省份制造业实际产值为基准,以全国制造业实际产出增长率作为各省份制造业的反事实产出增长率,计算制造业反事实产出,如式(1)所示。

(1)

其中,为各省份制造业第t+1期反事实产出,为各省份制造业第t期反事实产出水平,pN,t+1为全国制造业第t+1期实际产出增长率。

第二,计算反事实就业。基于静态凡登定律,利用制造业反事实产出和实际就业水平计算制造业反事实就业水平。由于规模经济原因,劳动生产率与产出增长率存在正向关联,劳动生产率可用产出增长率与就业增长率的差值表示,计算方法如式(2)所示。

gy-gx=a+bgy

(2)

其中,gy为制造业产出增长率,gx为制造业就业增长率,将gx=-a+(1-b)gy视为线性方程可得:

lnxt=α1+βlnyt+εt

(3)

xt为制造业就业水平,yt为制造业产出水平。考虑到就业水平不仅瞬时反映就业影响因素,而且可能存在时间滞后效应和空间效应,因此在式(3)基础上加入制造业就业水平的滞后一期和空间权重,具体如下:

lnxt=α1+ρ1Wlnxt+γlnxt-1+βlnyt+εt

(4)

式中,xt为制造业第t期就业水平,xt-1为制造业第t-1期就业水平。yt为制造业第t期产出水平,W为空间权重,用地理距离的倒数构建,εt为随机扰动项。利用动态空间计量模型对式(4)进行估计,得到相关参数,具体如表1所示。其中,γ和β的估计值分别为0.135、0.333且在1%水平上显著,说明制造业就业水平不仅受本地区制造业产值影响,而且受制造业前期就业水平影响。ρ1>0且在1%水平上显著,表明其它地区制造业就业水平对本地区制造业就业水平有显著正向影响。

基于以上参数构建矩阵变量GN=IN-ρ1WN、BN=IN-ρ2WN,其中,IN为单位矩阵,WN为空间权重矩阵。据此,可得反事实就业矩阵方程为:

(5)

(6)

(7)

其中,是第t期反事实产出,为式(4)计算所得残差均值,据此计算得到各省份制造业反事实就业水平。

第三,计算反事实劳动生产率和制造业发展韧性。将反事实产出与反事实就业相除可得制造业反事实劳动生产率,将制造业实际产出除以实际就业可得制造业实际劳动生产率。考虑到增长率作为动态指标更能反映产业发展水平变化,故以制造业实际劳动生产率的增长率与反事实劳动生产率的增长率为基础,采用HP滤波法计算得出制造业实际潜在增长率与反事实潜在增长率。制造业发展韧性即为制造业实际潜在增长率与反事实潜在增长率之差。若该值为正,说明该省份制造业发展韧性相较于全国而言更强,若为负值则表明相对于全国而言更弱。

2.2 结果分析

基于上述方法对2010-2022年我国各省份制造业发展韧性进行测度。为了考察制造业发展韧性的动态分布,采用Matlab2018a软件对全国、东部地区、中西部地区制造业发展韧性进行高斯Kernel密度估计分析,结果如图2～图4所示。

由图2可见,考察期内我国制造业发展韧性的核密度分布整体左移,发展韧性略有下降;波峰逐渐上升,表示各省份间制造业发展韧性差距逐渐缩小。其中,东部地区制造业发展韧性的Kernel密度分布呈现先左移后右移趋势,即制造业发展韧性先下降后上升,波峰高度略有上升,发展韧性差距逐渐缩小;中西部地区制造业发展韧性的Kernel密度分布整体向左微移,表明制造业发展韧性略有下降,此外,核密度图存在双峰,说明该区域制造业发展韧性存在两极分化现象。

为考察我国制造业发展韧性的区域差异,进一步运用Dagum基尼系数对制造业发展韧性的区域差异水平进行测度,结果如表2所示。结果显示,考察期间我国制造业发展韧性的Dagum基尼系数均值为0.085,整体上呈现先增后降再增的持续波动状态。其中,东部地区的区域内差距有所缩小,中部和西部地区的区域内差距有增大趋势。区域间差距呈现先增后减再增的演化趋势,其中,东部与西部、中部与西部地区间的差距较大。从贡献率来看,超变密度对区域内差异的贡献率最高,对区域间差异的贡献率最低。

3 模型构建与变量选取

3.1 模型构建

数字化转型从实施到效果显现需要较长时间,因此数字化转型对制造业发展韧性的影响存在时滞效应。同时,数字化转型与企业投入产出效率间也可能存在非线性关系(刘淑春,2021)。为此,选用Kremer等[26]构建的动态面板门槛效应模型进行实证检验,具体如下所示:

Resiit=α0+φResii,t-1+α1Digitalit×I(qit≤γ)+α2Digitalit×I(qit>γ)+α5Zit+εit

(8)

其中,Resi为制造业发展韧性,Digital为制造业数字化转型水平,q为门限变量,γ为门槛值,I(·)为示性函数;Z为控制变量,i表示省份,t为年份,ε为残差项。为考察数字化转型对制造业发展韧性的影响机制,引入技术创新为中介变量,构建如下中介效应模型:

Techit=β0+β1Digitalit+β2Zit+μi+γt+εit

(9)

Resiit=λ0+λ1Techit+λ2Digitalit+λ3Zit+μi+γt+εit

(10)

进一步将融资约束和外源融资作为调节变量,构建有调节的中介效应模型进行检验,具体如式(11)-(12)所示。

Techit=α0+α1Digitalit+α2Bindit+α3Digitalit×Bindit+α4Zit+μi+γt+εit

(11)

Resiit=α'0+α'1Digitalit+α'2Techit+α'3Bindit+α'4Digitalit×Bindit+α'5Zit+μi+γt+εit

(12)

其中,Tech为中介变量技术创新,采用研究与试验发展(R&D)经费支出表示;Bind为调节变量,分别为融资约束指数和外源融资指数,其它指标构成与式(8)相同。

3.2 变量设计与数据选取

3.2.1 被解释变量

制造业发展韧性(Resi):采用制造业产出、制造业就业实际路径与反事实路径之差测度,具体计算方法如前所述。

3.2.2 核心解释变量

制造业数字化转型(Digital):从既有文献来看,学者们测度数字化转型水平的方法不同。一是量表法(池毛毛等,2020),该方法能较好地反映现实情况,但易受调研人主观影响;二是指标法[19],该方法计算简便,但可能遗漏重要变量,导致准确性不足;三是文本分析和词频统计法(陈剑等,2020)。

考虑到文本分析和词频统计能系统反映数字化转型的多维性,借鉴吴非等(2021)的做法,从“人工智能技术”“大数据技术”“云计算技术”“区块链技术” “数字技术应用”5个维度对考察期内上市制造业企业进行文本分析和词频统计,再将每年各省份制造业企业词频加总以代表该区域制造业数字化转型水平[27]。该数值越大,表示数字化转型水平越高。

3.2.3 控制变量

对外开放(Open):根据李嘉图的比较优势理论,对外开放能通过“干中学”和进口产品外溢效应影响产业技术水平。新经济地理学理论也认为,对外开放可通过市场扩张、技术溢出、要素累积、贸易成本、垂直关联、制度变迁等影响产业发展。本文采用境内目的地和货源地进出口总额表示对外开放水平。

人力资本(Human):根据内生增长理论可知,人力资本对制造业发展韧性具有重要影响,本文采用平均受教育年限衡量人力资本水平。遵循大多数学者研究思路,平均受教育年限=(小学学历以下人数×1+小学学历人数×6+初中学历人数×9+高中和中专学历人数×12+大专及本科以上学历人数×16)/6岁以上人口总数。

市场化水平(Market):市场化水平提升可通过强化市场竞争、促进技术溢出、提升资源配置效率等途径影响制造业发展韧性,这里借鉴樊纲等编制的市场化指数表示市场化水平。由于该指数只测算到2019年,借鉴韦倩等的做法,补全2020-2022年市场化水平指数值[28]。具体做法为:以2010-2019年市场化总指数为被解释变量,以非国有工业企业产值作为解释变量,根据模型Marketit=α+βnon_stateit+δi+εt估计参数α、β与δ,将估计值作为2010-2022年近似参数,推算得到2020、2022年市场化水平指数。

此外,借鉴相关学者观点,选择政府职能、物质资本、交通基础设施作为控制变量,选择技术创新作为中介变量,融资约束和外源融资作为调节变量。其中,政府职能(Gove)使用政府财政支出占GDP比值测度,物质资本(Phy)使用地区固定资产投资取对数表示,交通基础设施(Traffic)使用各地区货运总量测度,技术创新(Tech)使用R&D经费内部支出衡量。融资约束SA=(-0.737)×Size+0.043×Size2-0.04×Age,其中,Size为企业规模,Age为企业年龄。外源融资(Fin)使用存贷款余额之和与GDP比值衡量。变量说明具体如表3所示。

基于数据可得性,选取2010-2022年我国内地30个省份数据作为样本(西藏因数据缺失,未纳入统计)。其中,数字化转型数据来自我国A股上市公司年报,制造业发展韧性相关数据来自《中国工业统计年鉴》,其它变量数据来自CSMAR数据库、《中国统计年鉴》《中国教育统计年鉴》和各省份统计年鉴,个别缺失数据采用插值法补齐。变量描述性统计结果如表4所示。结果显示,制造业发展韧性最小值为-0.262,最大值为0.257,标准差为0.154;数字化转型最小值为0.000,最大值为11.539,标准差为1.361。由此可见,考察期间我国各省份制造业发展韧性和数字化转型均存在发展不均衡现象。

4 实证检验与结果分析

4.1 基准模型回归

为考察数字化转型对制造业发展韧性的影响,运用动态面板门槛效应模型式(8)进行实证检验,结果如表5所示。结果显示,模型存在门槛效应,门槛值为0.032。此外,数字化转型对制造业发展韧性存在显著正向作用。在门槛低值区,数字化转型对制造业发展韧性的影响系数为0.463,在1%水平上显著;在门槛高值区,数字化转型对制造业发展韧性的影响系数为0.028,在10%水平上显著。这说明数字化转型的确能够优化资源配置、重构组织结构、创新经营模式,对制造业发展韧性具有显著提升作用,故研究假设H1成立。从数字化转型系数看,门槛低值区回归系数大于门槛高值区系数,即数字化转型水平一旦越过门槛值,其对制造业发展韧性的提升作用会存在边际递减趋势,这与刘新争[29]的研究结论一致。究其原因,可能与数字化转型存在资源适配问题有关,即数字化转型过程中可能存在资金、人力、技术等资源不匹配,进而出现规模不经济问题。

从控制变量来看,人力资本对制造业发展韧性的影响系数为0.029且在10%水平上显著,说明人均受教育年限增长有利于知识整合与转化,并通过“干中学”(learning by doing)推动制造业技术创新和增强发展韧性。需注意的是,对外开放对制造业发展韧性的影响为负(影响系数为-0.030)且在5%水平上显著。究其原因,可能是考察期间疫情、逆全球化和中美贸易摩擦、世界局部战争与冲突频繁发生,导致制造业发展韧性波动。物质资本的影响系数为-0.124且在5%水平上显著,说明增大物质资本投入的外延式增长不利于制造业发展韧性提升。此外,市场化水平、政府干预和交通水平对制造业发展韧性均具有提升作用,被解释变量滞后一阶系数为-0.224且在1%水平上显著,说明考察期间制造业发展韧性在一定程度上存在脆弱性。

4.2 异质性检验

4.2.1 企业异质性检验

(1)不同所有制企业异质性检验。数字化转型是一个系统工程,需要调动大量人、财、物。依托国家信誉支撑,国有企业相比非国有企业拥有更丰富的资源。为此,根据股权性质,将数据样本分为国有和非国有两个子样本进行检验,结果如表6中模型(1)-(2)所示。由模型(1)可见,数字化转型对国有制造企业发展韧性的影响存在门槛效应,门槛值为0.685。门槛低值区和高值区数字化转型的影响系数分别为0.444与0.214,且均在5%水平下显著。即无论是门槛低值区还是高值区,数字化转型对制造业发展韧性均具有显著促进作用。从模型(2)可见,数字化转型对非国有制造企业发展韧性的影响同样存在门槛效应,门槛值为1.000,门槛低值区的数字化转型影响系数为0.012,门槛高值区的数字化转型影响系数为0.042,且在10%水平下显著。由此可见,数字化转型对国有制造企业发展韧性的提升作用更显著并存在所有制差异,与戴翔和马皓魏等[30]的研究结论一致。

(2)不同规模企业异质性检验。考虑到大型企业和中小型企业在技术存量、资金与人力等方面存在显著差异,参照我国上市公司《中小企业划型标准规定》,以企业营业收入为标准,将数据样本分为大型企业和中小型企业两个子样本进行检验。其中,营业收入大于4亿元的为大型企业,小于或等于4亿元的为中小型企业,检验结果如表6中模型(3)-(4)所示。由模型(3)可见,数字化转型对大型制造业企业发展韧性的影响存在门槛效应,门槛值为0.579。其中,门槛低值区和高值区的影响系数分别为0.271与0.037,分别在5%、10%水平下显著。由模型(4)可见,数字化转型对中小型制造业企业发展韧性的影响同样存在门槛效应,门槛值为0.048。其中,门槛低值区的影响系数为正且在1%水平下显著,门槛高值区的影响系数不显著。经对比发现,数字化转型对大型制造业企业发展韧性的影响更显著。

综上所述,数字化转型对不同所有制和不同规模制造业企业发展韧性的影响存在异质性,故研究假设H2成立。

4.2.2 行业异质性检验

考虑到制造业不同细分领域的技术、资本、人力密集度不同,发展规模与演化阶段也存在差异,参照中国证监会发布的《上市公司行业分类指引》,将制造业分为食品、纺织、木材和医药等9个细分领域进行异质性检验,结果如表7中模型(5)-(13)所示。由表可见,在门槛低值区,除纺织业外,其它各细分领域的数字化转型对产业发展韧性均具有显著正向作用,其中,汽车行业数字化转型的提升效应最显著。在门槛高值区,只有食品制造业和纺织业在10%水平下显著,数字化转型对其它各细分领域发展韧性的作用不显著。即从细分领域来看,数字化转型过度也会导致边际效应下降。由此可见,数字化转型对制造业各细分领域发展韧性的提升作用存在异质性,故研究假设H3成立。

4.2.3 区域异质性检验

(1)基于中东部和西部地区的异质性检验。考虑到不同地理区域经济发展模式和对外开放水平不同,导致数字化转型对制造业发展韧性的提升效果存在较大差异。根据国家统计局的划分标准,将数据样本划分为中东部地区和西部地区两个子样本进行检验,结果如表8中模型(14)-(15)所示。由模型(14)可见,中东部地区数字化转型在门槛低值区和高值区的影响系数分别为0.109与0.023,且门槛高值区系数在10%水平下显著;西部地区数字化转型在门槛低值区和高值区的影响系数分别为0.881与0.064,且门槛低值区系数在10%水平下显著。可以发现,相比中东部地区,西部地区数字化转型对制造业发展韧性的影响系数更大,提升作用更明显。究其原因,可能与西部地区数字化起点较低,数字化转型对该区域制造业发展韧性提升具有更强的边际效应所致。

(2)不同人力资本水平区域异质性检验。考虑到人力资本是影响数字化转型的重要因素,根据考察期各省份人力资本均值,将数据样本划分为高水平人力资本区和低水平人力资本区两个子样本进行检验,结果如表8中模型(16)-(17)所示。由表可见,在高水平人力资本区,数字化转型在门槛低值区和高值区的影响系数分别为0.812与0.112,且均在1%水平下显著,表明丰富的人力资本对制造业发展韧性具有显著提升作用。在低水平人力资本区,数字化转型在门槛低值区的影响系数为0.672且在1%水平下显著,在门槛高值区的影响系数为0.058但不显著。究其原因,可能是因为丰富的人力资本有助于增强企业研发创新能力,进而推动企业数字化转型。

综上所述,数字化转型对制造业发展韧性的影响存在区域异质性,研究假设H4成立。

4.3 稳健性检验

为了保证研究结论的可靠性,从以下方面进行稳健性检验:第一,内生性检验。为避免可能存在遗漏变量引起的估计偏差问题,以信息化水平作为工具变量,采用工具变量两阶段最小二乘法(IV-2SLS)进行内生性检验。第二,改变控制变量。将人均受教育年限替换成人均受教育年限增长率;将境内目的地和货源地进出口总额替换成境内目的地与货源地进出口总额与GDP的比值;使用固定资产投资额的对数替换固定资产投资额与GDP的比值;将财政支出在GDP中的占比替换为财政支出的对数值。第三,改变数据样本。改变样本个体数量,分别采用无放回随机抽取98%和99%样本进行检验;对所有变量进行上下1%、2%、3%缩尾处理后进行检验;改变样本时期,分别用2011-2022年和2012-2022年的数据样本进行检验。第四,延长观测窗口,将关键解释变量分别滞后1期、2期后进行检验。第五,改变实证检验方法,分别采用差分GMM模型、系统GMM模型和静态门槛效应模型进行检验。

结果显示,经各种稳健性检验,数字化转型对制造业发展韧性的影响仍显著为正,被解释变量滞后一阶系数也显著为负,与基准模型所得结论基本一致,因此本文结论可靠。基于篇幅所限,这里仅展示内生性检验、使用固定资产投资额对数值替换成固定资产投资额在GDP占比、随机抽取98%样本和上下1%缩尾处理、将关键解释变量滞后1期和静态门槛效应模型回归结果,具体如表9中模型(18)-(23)所示。

4.4 作用机制检验

4.4.1 中介效应检验

为检验是否存在“数字化转型→技术创新→制造业发展韧性”的中介作用机制,基于式(9)-(10),以技术创新作为中介变量,分别采用Sobel检验法和Bootstrap法进行中介效应检验,结果如表10所示。由结果可知,两种方法均显示中介效应显著,即在数字化转型提升制造业发展韧性过程中存在以技术创新为中介变量的中介效应。

4.4.2 有调节的中介效应

在证明中介效应的基础上,进一步运用式(11)-(12)对有调节的中介效应进行检验,结果如表11中模型(24)-(27)所示。

由模型(24)可见,数字化转型与融资约束交互项Digital×SA对技术创新的影响系数为-0.179且在10%水平下显著,意味着融资约束对数字化转型与技术创新关系具有负向调节作用。由模型(25)可见,当以融资约束为调节变量时,技术创新对制造业发展韧性的影响系数为0.069且在10%水平下显著。数字化转型与融资约束交互项Digital×SA对制造业发展韧性的影响系数为-0.084且在10%水平下显著。由此可见,融资约束对“数字化转型→技术创新→制造业发展韧性提升”中介影响机制的前半部分路径具有负向调节作用,即存在有调节的中介效应。

由模型(26)可见,数字化转型与外源融资交互项Digital×Fin对技术创新的影响系数为0.068并在5%水平下显著,意味着外源融资对数字化转型与技术创新关系具有正向调节作用。由模型(27)可见,当以外源融资为调节变量时,技术创新对制造业发展韧性的影响系数为0.074且在5%水平下显著。数字化转型与外源融资交互项Digital×Fin对制造业发展韧性的影响系数为0.026且在10%水平下显著。由此可见,当调节变量为外源融资时,有调节的中介作用仍然存在,外源融资对“数字化转型→技术创新→制造业发展韧性提升”中介影响机制的前半部分路径具有正向调节作用。

综上所述,在数字化转型提升制造业发展韧性过程中,存在以技术创新为中介变量、融资约束为负向调节变量、外源融资为正向调节变量的作用机制,因此研究假设H5成立。

为进一步检验作用机制稳健性,分别选取融资约束、外源融资平均值以及平均值±1个标准差,用Bootstrap方法重复500次抽样得到有调节的中介效应检验结果,具体如表12所示。由结果可知,随着融资约束水平提高,有调节的中介效应逐渐衰减,即融资约束具有负向调节作用。随着外源融资水平提升,有调节的中介效应逐渐增强,即外源融资具有正向调节作用,进一步证明研究假设H5成立。

5 进一步讨论:数字化转型的同群效应

为考察我国制造业数字化转型是否存在同群效应,借鉴杨松令等[31]的研究思路,将与焦点企业同行业或身处相同注册省份的其它企业分别定义为行业同群企业和地区同群企业,并以该群体数字化转型水平均值作为衡量行业同群企业数字化转型与地区同群企业数字化转型指标,构建基于广义矩估计的差分GMM模型进行检验,具体如式(13)-(14)所示。

Digitalit=α0+φDigitali,t-1+α1Industit+α2Zit+μi+γt+εit

(13)

Digitalit=β0+φDigitali,t-1+β1Regionit+β2Zit+μi+γt+εit

(14)

式中,Digital为焦点企业数字化转型水平,构建方法如前文所述。Indust和Region为关键解释变量,其中,Indust为行业同群企业数字化转型水平。与前文一致,根据中国证监会发布的《上市公司行业分类指引》,将制造业分为食品、纺织、木材、医药、化工石油、金属和非金属、电子、设备仪表及汽车共9个细分领域,将处于同一细分领域的制造业企业视为行业同群企业。Region为地区同群企业数字化转型水平,考虑到同一省份的数字化发展政策相同或相近,将处于相同省份的制造业企业视为地区同群企业。Z为控制变量,所含变量与前文相同。i表示省份,t表示年份,μi为个体固定效应,γt为时间固定效应,εit为随机误差项。

基于式(13)-(14)进行回归估计,结果如表13所示。由表中数据可见,AR(1)检验拒绝原假设,AR(2)检验接受原假设,说明扰动项不存在自相关。Sargan和Hansen检验均接受原假设,说明工具变量有效,不存在过度识别问题。关键解释变量行业同群企业数字化转型水平对焦点企业数字化转型的影响系数为0.085且在1%水平下显著,说明行业同群企业数字化转型对焦点企业数字化转型具有显著促进作用。关键解释变量地区同群企业数字化转型水平对焦点企业数字化转型的影响系数为0.313且在1%水平下显著,说明地区同群企业数字化转型对焦点企业数字化转型同样具有显著促进作用。由此说明,受同群成员竞争、合作、模仿、规范、压力等因素影响,我国制造业企业数字化转型存在行业和地区同群效应,故研究假设H6成立。

6 结论与对策建议

面对复杂严峻的外部环境,增强自身发展韧性是我国制造业抵御外部不确定性事件冲击,顺利实现制造大国向制造强国跨越的必然要求。基于2010-2022年中国内地30个省份面板数据,综合运用动态门槛效应模型、有调节的中介效应模型和差分GMM模型,研究数字化转型对制造业发展韧性的影响。结果发现:第一,从演化趋势看,考察期间我国制造业发展韧性微有下降,各省份间制造业发展韧性差距虽有波动,但整体呈现缩小趋势。第二,从基准模型回归结果可知,数字化转型对制造业发展韧性存在显著提升作用,但这种提升作用并不是线性的,而是存在动态门槛效应。即当数字化转型水平不断提升并超越门槛值时,其对制造业发展韧性的提升作用会出现边际递减现象。第三,从异质性检验结果看,数字化转型对制造业发展韧性的影响存在企业、行业和区域异质性。相比民营企业和中小企业,数字化转型对国有和大型制造业企业发展韧性的提升作用更显著;在门槛低值区,除纺织业外,对其它各细分领域发展韧性均具有显著促进作用,在高值区内对不同细分领域的作用效应存在差异;相比中东部地区和低人力资本水平区,数字化转型在西部地区和高人力资本水平区对制造业发展韧性的提升作用更显著。第四,数字化转型在提升制造业发展韧性的过程中,存在以技术创新为中介变量、融资约束和外源融资为调节变量的有调节的中介效应,同时,这种数字化转型存在显著的行业和地区同群效应。

基于以上结论,本文提出以下对策建议:

(1)重视制造业发展韧性提升的战略意义。制造业作为国民经济的主体,是立国之本、兴国之器、强国之基。面对复杂的国际国内环境,应以2015年国务院颁布并实施的《中国制造2025》制造强国战略为导向,充分重视制造业发展韧性提升的战略意义,不断增强制造业抵御外部不确定性事件冲击的能力。

(2)夯实数字化转型提升制造业发展韧性的基础。应积极推进新基建建设,充分发挥互联网、大数据、人工智能及云计算等先进信息技术优势,构建多元化、广覆盖的数字基础设施体系,夯实数字化转型提升制造业发展韧性的基础,增强制造业发展韧性。

(3)增强数字化转型提升制造业发展韧性的有效性。企业方面,加大支持资金不足、抗风险能力较弱的中小企业和民营企业,提高其数字化转型能力。区域和行业方面,重点关注数字化转型适度问题,最大化发挥数字化转型提升制造业发展韧性的效用。

(4)畅通数字化转型提升制造业发展韧性的路径。数字化转型对制造业发展韧性的提升作用存在以技术创新为中介变量,以融资约束和外源融资为调节变量的有调节的中介效应。为此,要抓住数字化改革新机遇,大力发展制造业数字核心技术,增强技术创新的中介作用。同时,不断拓宽融资渠道,有效降低融资门槛和成本,通过提供安全可靠的金融服务扩大外源融资规模,缓解融资约束的负向调节效应。

(5)发挥数字化转型的行业与区域同群效应。利用数字化转型的区域与行业同群效应,充分发挥数字化转型先进企业优势,积极构建数字化转型资源共享平台,促进制造业各区域、各细分领域不同企业间数字化转型资源共享和经验交流,不断推进制造业数字化转型整体进程。

参考文献：

[1] COMFORT L K. Risk and resilience:inter-organizational learning following the Northridge earthquake of 17 January 1994[J]. Journal of Contingencies and Crisis Management,1994,2(3):157-170.

[2] BRISTOW G,HEALY A.Innovation and regional economic resilience:an exploratory analysis [J]. The Annals of Regional Science, 2018, 60 (2): 265-284.

[3] 刘瑞,张伟静.空间集聚能否提升中国制造业韧性—基于产业适应性结构调整的视角[J].当代财经,2021,44 (11):16-27.

[4] 张伟,李航宇,张婷.中国制造业产业链韧性测度及其时空分异特征[J].经济地理,2023,43(4):134-143.

[5] FISCHER M, IMGRUNG F, JANIESCH, et al. Strategy archetypes for digital transformation: defining meta objectives using business process management[J]. Information &Management,2020,57(5):103262.

[6] BROCK K, OUDEN E D &LANGERAK F,et al. Front end transfers of digital innovations in a hybrid Agile-Stage-Gate setting[J]. Journal of Product Innovation Management, 2022,6(37):506-527.

[7] GREGORY VIAL. Understanding digital transformation:a review and a research agenda[J]. Journal of Strategic Information Systems, 2019, 28(2):118-144.

[8] 王京滨,刘赵宁,刘新民.数字化转型与企业全要素生产率——基于资源配置效率的机制检验[J].科技进步与对策,2024,41(3):23-33.

[9] BANALIEVA E R,DHANARAJ C .Internalization theory for the digital economy [J].Journal of International Business Studies,2019,8(50):1372-1381.

[10] WARNER K S R, WGER M. Building dynamic capabilities for digital transformation:an on going process of strategic renewal[J]. Long Range Planning,2019,52(3):326-349.

[11] NAMBISANS, WRIGHT M, FELDMAN M. The digital transformation of innovation and entrepreneurship: progress, challenges and key themes[J]. Research Policy,2019,48(8):1-9.

[12] HESS, THOMAS, MATT, et al. Options for formulating a digital transformation strategy[J]. MIS Quarterly Executive,2016,15(2):123-139.

[13] CORTADA J W. The digital hand:how computers changed the work of american manufacturing,transportation,and retail industries [J].Business History Review,2004,78(3):494-569.

[14] BRYNJOLFSSON E, ROCK D, SYVERSON C. Artificial intelligence and the modern productivity paradox:a clash of expectations and statistics[J]. The Economics of Artificial Intelligence,2017, 56(11):23-57.

[15] 贺正楚,潘为华,潘红玉,等.制造企业数字化转型与创新效率:制造过程与商业模式的异质性分析[J].中国软科学,2023,42(3):162-177.

[16] 郭春娜,晏发发,陈宇游.现代化经济体系下制造业资本配置效率的分解及差异性研究[J].数量经济技术经济研究,2021,38(9):62-79.

[17] 陈堂,陈光.数字化转型对产业结构升级的空间效应研究——基于静态和动态空间面板模型的实证分析[J]. 经济与管理研究,2021,42(8):30-51.

[18] 张矿伟,俞立平,张宏如,等. 数字化转型对高技术产业创新的影响机制与效应研究[J].统计研究, 2023,40(10):96-108.

[19] ACEMOGLU D, RESTREPO P. Robots and jobs:evidence from US labor markets[J]. Journal of Political Economy,2020, 128(6):2188-2244.

[20] 余菲菲,王丽婷.数字技术赋能我国制造企业技术创新路径研究[J].科研管理,2022,43(4):11-19.

[21] 黄大禹,谢获宝,邹梦婷.金融化抑制了企业数字化转型吗——证据与机制解释[J].现代财经(天津财经大学学报),2022,42(7):57-73.

[22] ADHIKARI B, AGRAWAL A. Peer influence on payout policies[J]. Journal of Corporate Finance, 2018,48(2):615-637．

[23] 王旭,褚旭.制造业企业绿色技术创新的同群效应研究——基于多层次情境的参照作用[J].南开管理评论,2022,25(2):68-81.

[24] MASON C, KIRKBRIDE J, BRYDE D. From stakeholders to institutions: the changing face of social enterprise governance theory[J]. Management Decision,2007,45(2):284-301.

[25] DORAN J, FINGLETON B. US metropolitan area resilience:insights from dynamic spatial panel estimation [J]. Environment and Planning A: Economy and Space, 2018, 50 (1):111-132.

[26] KREMER S, BICK A, NAUTZ D. Inflation and growth: new evidence from a dynamic panel threshold analysis[J]. Empirical Economics,2013,44(2) :861-878.

[27] 吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(7):130-144.

[28] 韦倩,王安,王杰.中国沿海地区的崛起:市场的力量[J].经济研究,2014,49(8):170-183.

[29] 刘新争.企业数字化转型中的“生产率悖论”——来自制造业上市公司的经验证据[J].经济学家,2023,35(11):37-47.

[30] 戴翔,马皓巍,张二震. 数字化转型一定能提升企业加成率吗[J].金融研究,2023,32(5):134-151.

[31] 杨松令,张秋月,刘梦伟,等.控股股东股权质押“同群效应”与股价崩盘风险[J].经济管理,2020,42(12):94-112.

(责任编辑：胡俊健)