How Digital Transformation Affects the Geographic Distribution of Industrial Clusters: The Dual Perspectives of Suppliers and Customers

Lu Hongliang,Li Shuhui

(College of Economics and Management, Northeast Forestry University, Harbin 150040,China)

Abstract：With the digital transformation of the entire economy and society, information and communications technologies, such as big data, cloud computing, artificial intelligence and the Internet of Things, help market entities overcome time and space constraints and achieve cross-border development, and play an important role in optimizing the layout of the supply chain and promoting the cross-regional flow of factors. However, in reality, due to factors such as different policy support for virtual industrial clusters, different paces of enterprises within the clusters, and low stability of cluster members, enterprises are reluctant to cross the geographic barriers to carry out cooperation and economic cycles.Therefore, how to adapt to the development requirements of the digital era and seize the opportunities to reduce geographical dependence within industrial clusters has become an important issue.

In recent years, with the popularity of new economic geography research, spatial factor analysis has been introduced into the mainstream economic system, and the research on industrial clusters has shifted from supplier-customer relationships and concentration to a focus on the geographical distribution of suppliers and customers. The existing research on the geographical distribution of industrial clusters has not yet fully elaborated on the impact mechanism of enterprise digital transformation on the geographical distribution of industrial clusters. Therefore, guided by the new economic geography theory, stakeholder theory, signaling theory and scope economy effect, this paper aims to clarify the relationship between digital transformation and geographical distribution of industrial clusters from the dual perspective of suppliers and customers. In order to further verify the reliability of the hypotheses and models, this paper obtains the data of 5 994 sample observations by screening the A-share listed companies in Shanghai and Shenzhen from 2011 to 2022. Descriptive statistics, benchmark regression analysis, endogeneity analysis and robustness tests are used to conduct empirical analysis using the software of Stata.

The results of the study show that enterprise digitization can promote industrial clusters to broaden their geographical distribution and avoid physical and spatial constraints; the mechanism analysis finds that enterprises are better able to break the geographical constraints of industrial clusters by improving the quality of information disclosure and enhancing cross-border integration capabilities through digital transformation; further analysis finds that the facilitating effect of digital transformation on the geographical distribution of industrial clusters is more pronounced in the sample of enterprises in the western region and those with a higher level of marketization in the location of the enterprises.

There are some novelties in this paper. First, following the new economic geography theory, the study explores the important role of enterprises in replacing the traditional geographic proximity with "organizational proximity" by using digital technology, which provides empirical evidence of reshaping the spatial layout of industries from the perspective of micro-level subjects, and expands the research perspective on the geographic distribution of clusters; second, it constructs a dual-mediation model of the quality and scope economy effect of information disclosure to verify the influence mechanism of enterprise digital transformation to expand the activity space of industrial clusters, which is a useful supplement to the research on the spatial field of product cluster location. Therefore, in order to grasp the development opportunities of the digital era and create a new engine of economic development, it is necessary to focus on the construction of digital infrastructure, promote the integrated development of the digital economy and the real economy, enhance the flexibility of industrial collaboration, and help industrial clusters stabilize and strengthen the chain. In future research, relevant data can be expanded through in-depth enterprise field visits and surveys to verify the reliability of the research results, and the counteraction of enterprise location distribution on the macro-environment could be further analyzed to enrich the research on the interactive relationship between macroeconomic policies and micro-enterprise behavior.

Key Words：Digital Transformation; Geographical Distribution of Industrial Clusters; Disclosure Quality; Economies of Scope

DOI：10.6049/kjjbydc.2023120616

开放科学(资源服务)标识码(OSID)：

中图分类号：F263

文献标识码：A

文章编号：1001-7348(2025)07-0079-12

收稿日期：2023-12-16

修回日期：2024-03-13

基金项目：中央高校基本科研业务项目(2572021DF01);黑龙江省哲学社会科学规划项目(22GLB11)

作者简介：卢宏亮(1981-),男,黑龙江泰来人,博士,东北林业大学经济管理学院教授、博士生导师,研究方向为企业管理、公司治理等;李舒慧(2000-),女,福建南平人,东北林业大学经济管理学院硕士研究生,研究方向为企业管理。

0 引言

党的二十大报告中指出,“加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群”。集群化是我国产业发展的重要趋势,通过空间集聚形成具有高关联性的整体,实现规模效应、集聚效应,是产业、区域乃至国家提升竞争力和创新水平的重要载体。产业集群表现出明显的专业化特征,内部各企业间通过分工合作,促进知识传播与交流,降低生产交易成本,实现“群”的优势。然而,在新发展阶段,我国传统集群面临产业链上下游联系偏弱、创新能力不足、空间布局固化等问题,加快推动产业集群转型升级成为现实要求。

随着经济社会数字化转型,推进新一代信息技术与企业业务链及管理体系深度融合,是推动实体经济高质量发展和建设现代化产业体系的战略选择。众多企业积极寻求数字化转型,依托先进网络技术,减弱集群内企业间以地理距离为纽带的联系,探索发展虚拟产业集群,通过供应链和客户关系管理实现“组织接近”,构建虚实结合的产业数字化新生态。例如,小米通过集团工业设计、物联网云、供应链、质控、销售等平台延伸生态链,使100多家生态链企业遍布京津冀、长三角、珠三角等地,在设计、研发等领域协同创新,创造了上百款用户追捧的“爆品”。但在现实中,由于虚拟产业集群的政策扶持力度不一、发展步调不协调及集群内成员组成呈现动态化,许多企业怯于开展跨地域合作,严重影响虚拟产业集群的长远发展。因此,顺应数字化发展要求、降低产业集群地理依赖和市场分割,对构建新区域经济地理格局、确保国民经济循环通畅具有重要意义。

近年来,随着新经济地理学理论逐步升温,空间要素分析被引入主流经济学体系中,产业集群研究方向从供应商—客户关系、集中度转向合作伙伴的地理分布,但相关研究尚未充分探讨企业数字化转型能否重塑产业集群地理分布。理论上,信息技术在生产经营活动中的应用可为降低产业集群空间局限提供新思路。一方面,企业应用新兴通信技术形成信息集成系统提升信息披露质量,提高组织透明度[1],降低对传统生产要素的依赖[2],同时弱化地理区位约束带来的企业间协调沟通障碍,拓宽供应商选择范围,重塑经济地理新格局[3]。另一方面,技术进步在经济形态演变升级过程中发挥至关重要的作用,企业借助数字技术构建模块化生产线,降低生产边际成本,传统产业规模经济效应逐渐减弱,行业边界的破除促进不同业务环节与产业链深度融合,满足客户差异化需求,拓展客户选择空间。基于此,本文旨在探讨企业数字化转型对产业集群地理分布的影响机制,从供需两方面剖析其中的内在逻辑。

本文边际贡献主要体现在三个方面:第一,在理论层面,现有关于产业集群的探讨主要集中于考察供应商—客户关系或集中度对企业全要素生产率、协同创新模式的影响及产业集群组织运行模式,对产业集群地理分布的关注较少。本研究从信息传递与范围经济双视角出发,对数字化转型和产业集群地理分布的因果关系进行推断,深入分析其影响机制,拓展企业数字化经济后果的理论边界。第二,在实践层面,借助数字手段构建虚拟空间集群,弱化产业集群对特定空间区域内专业市场、供应企业等要素的依赖,推动分散型生产模式发展,实现灵活的供应链管理并增强产业链韧性。第三,在政策方面,打造数字经济新优势、构建虚拟产业集群是政府关注的重点,利用数字技术打破传统产业集群的地理空间限制,增强集群内企业间关联,实现跨地域精准对接、供需匹配,为我国区域发展战略制定及全国统一大市场构建提供参考。

1 文献综述

1.1 产业集群相关研究

产业集群是指在特定领域内既竞争又合作的企业及与其互动的关联企业、供应商、相关机构等所形成的地理集聚体。自新经济地理学理论被提出后,学界对产业集群的关注度日益上升,相关研究从不同视角探究其对生产效率和创新活动的影响机制,并形成多元化观点:第一,产业集群挑战观。随着产业地理集中度提高,市场拥挤效应加剧,导致行业生产率离散程度上升[4],进而增加生产经营成本,并加剧企业间资源错配问题。第二,产业集群促进观。从微观层面分析,集群内部通过共享劳动力和技术溢出的方式,有效提升企业生产效率[5];从宏观层面分析,集群合作能显著提高地区协同创新效率,进而产生空间溢出效应[6]。

集群是现代产业发展的重要组织形式,通过空间集聚形成竞争优势,成为地区和国际经济发展的重要支撑。其地理分布成为学界讨论的热点话题,已有文献主要将交通基础设施[7]、文化因素[8]与信息摩擦[9]纳入企业区位空间变化分析框架,着重探讨交易成本降低与信息获取效率提升对产业集群地理分布的影响,旨在优化供应商与客户的选择范围,提升企业绩效。但在数字经济背景下,部分传统产业集群面临布局重叠、创新乏力、产能过剩、国际竞争力不足以及抗风险能力低等问题,推动集群经济数字化发展是大势所趋[10]。加快企业数字化转型升级,促进传统产业与虚拟产业融合深度[11],赋能集群虚拟化转型,以此降低分工成本与互动距离,实现组织结构、运作方式和规模等无边界发展(陈小勇等,2017)。

1.2 数字化转型相关研究

企业数字化转型,是指利用新一代数字科技,以价值释放为核心、数据赋能为主线,激活数据要素潜能,优化生产关系与方式,重构产业体系。早期研究侧重于考察数字化技术定义、内涵和特性[12],随后研究焦点转向宏观经济层面。例如,数字设施可借助数据揭示生产力结构与生产关系[13],推动产业结构升级和区域创新能力提升,以此增强区域经济韧性[14]。此外,互联网发展对城市和制造业生产率有正向推动作用,并已成为推动区域创新效率提升的新动能(韩先锋等,2019),进而通过放大效应加快区域经济增长。

已有学者研究数字化对微观企业层面的影响,在企业经营绩效方面,数字化转型可通过降低生产和交易成本[15],有效提升全要素生产率[16]、资源配置效率[17]和产能利用率[18],进而改善企业经营绩效;在产品创新方面,数字化转型通过正向影响研发利用能力和研发探索能力[19],显著提升创新绩效;在企业发展方面,数字化助推企业实现专业化发展(施炳展等,2020),并通过转型突破传统界限,促进跨界合作[20]。

1.3 数字化转型与产业集群地理分布相关研究

随着数字技术创新和迭代速度加快,数据作为关键生产要素,已快速融入生产、分配、流通、消费和社会服务管理等各个环节,有效提升产业链供应链现代化和虚拟化水平。企业上下游供应商、客户的地理分布问题日益受到学界关注,并通过构建数字化背景下的“供—产—销”架构,深入探究集群内企业间关系。例如,从客户驱动视角,分析下游企业数字化转型如何影响上游企业创新能力(杨金玉等,2022)、生产效率(陶锋等,2023),并探讨其传导机制,增强产业链供应链韧性,确保企业持续保持竞争优势。此外,从供应链关系视角探究数字化转型对供应链配置的作用机制,实现供应链配置多元化调整(巫强等,2023),以共同抵御系统性风险。

数字技术应用推动实体与虚拟相融合,改变经济主体的交互方式,突破区位与空间限制(陈剑等,2020),显著扩大企业与供应商、客户之间的地理距离,优化产业分布格局[21],增强企业跨区域供应链布局能力[22],实现经济主体间跨时空联通、交流与协作,提升异地合作创新能力(王巍等,2023),构筑数字产业竞争新优势,为实现高质量发展提供强劲动能。

综上所述,关于产业集群地理分布的影响因素,已有文献从交通基础设施和信任文化等非正式制度视角,分析此类因素如何通过降低交易成本,进而影响供应商、客户选择范围。基于供应商与客户双视角,探究企业数字化对产业集群地理分布影响的研究尚显不足。本文从优化产业集群地理分布角度出发,构建“供应商—企业—客户”关系架构,深入探究企业数字化如何影响产业集群地理分布,明晰其作用机制,以期丰富产业空间分布相关理论研究,并为构建全国统一大市场提供实践指导。

2 理论分析与研究假设

2.1 数字化转型与产业集群地理分布

传统空间区位论认为,产业上下游企业受要素自然资源、知识传播方式及生产交易成本等多重因素制约,倾向于形成地理空间上的聚集,构建具有相对稳定性和柔性的经济共同体。区域内企业相互依存与合作,产生“整体大于局部之和”的协同效应,进而提升地区市场竞争力。但是,重塑产业集群区位空间格局是各方相互制约的多维度问题。在数字化征程中,数据基础薄弱成为企业可持续发展的障碍。企业应制定可持续技术战略,优化运营管理模式,加强主体间沟通并拓展协同合作空间,以削弱地理空间关联的紧密性(马为彪等,2023),改变传统集群空间布局固化局面,培育壮大新兴产业集群。

(1)数字化转型助力实现企业间便捷合作与交流。传统合作模式常受距离、时间和成本等因素限制,当前可借助数字技术及时性和无边界特征,为企业构筑即时沟通桥梁,减少信息不对称(董松柯等,2023),推动多主体在供应链管理、产品设计和生产协调等领域进行深入合作,拓宽产业集群地理分布范围。

(2)数字化转型促进企业间资源共享与互补。在传统模式下,集群内企业间合作大多局限于特定领域,导致资源获取和整合能力受限。通过数字化转型,企业可借助互联网广泛的数字连接能力打破时空局限,构建开放的虚拟平台,如专业化支付平台、仓储物流配送体系等,促进生产要素优化配置,提高资源利用效率[17],实现生产力水平跨越式提升,推动产业链向上下游延伸。

(3)数字化转型促使企业创新能力提升。企业积极推动技术改造和智能化设备更新,并且利用数字技术有效整合需求端信息,发挥数据的创新引擎作用,实现产品研发精准定位,提高研发创新绩效。数字化驱动生产及商业模式创新,打破传统组织边界,加强组织间协作与融合以调动多方资源共同研发,与客户、供应商、竞争者等多主体进行双向实时互动,开展开放式创新。综上,本文提出如下假设:

H1:数字化转型能显著拓宽产业集群地理分布。

2.2 信息披露质量的作用机制

基于信号传递理论,企业常采用披露或宣告的方式向使用者提供关键信息,以提升信息披露的透明度和质量,缓解企业与投资者及其他利益相关者间的信息不对称[23]。利益相关者理论认为组织应综合平衡各利益相关者的利益。其中,上游供应商作为重要外围利益相关者,常因信息获取受限而面临逆向选择问题,导致供应商关系管理复杂化。利用数字技术实时、高效地分析处理企业财务和经营信息[24],推动企业由传统的垂直型、封闭型组织形式向扁平化网状组织结构转变,优化信息披露质量,降低企业间信息不对称程度。

(1)数字化转型通过优化信息流程,提高信息披露效率。企业运用大数据、机器学习等前沿科技手段替代传统的人工识别、效益测算、风险管理等专业性较强的工作,降低对专业人才的依赖,有效提升管理、工作效率,节省人力成本,并加强风险防控。以数字化缓解信息摩擦,畅通企业与供应商间信息流通渠道以降低信息搜寻成本[25],拓宽潜在供应商选择范围,优化企业供应商分布决策。

(2)数字化转型有助于完善信息开放共享制度,提升信息可得性。数据来源披露及数据获取方式透明化是数据质量管控的关键,利用数字技术构建虚拟平台,打破传统场景限制,深入挖掘信息要素价值,提升数据可得性(李海舰等,2014)。完善信息资源开放共享制度有助于突破空间限制,优化交易时机和组合,丰富企业间跨距离信息获取与沟通模式,增强企业与供应商间双边关系协调性。

(3)数字技术通过重构信息披露机制,确保信息披露质量。信息披露是企业的“生命线”,也是其对内对外的诚信根基。然而,受披露经验、测算方法等因素影响,披露质量存在差异。市场经济是信任经济,数字技术应用通过强化信息披露要求、完善标准和构建智能监管体系等渠道,保障企业信息披露质量和规范运作,进而构建企业与供应商间互信关系,为拓宽供应商分布网络奠定基础[8]。

因此,数字化转型可显著提升信息披露质量,扩充企业供应商资源库,增强合作模式灵活性,从而拓展企业供应商地理分布范围,构筑更加稳健和开放的供应链网络。综上所述,本文提出如下假设:

H2:企业数字化转型通过提升信息披露质量拓宽供应商地理分布。

2.3 范围经济效应的作用机制

范围经济(Economies of Scope)是指随着产出品类的增加,产出的长期平均成本趋于下降的经济,也指由多样化经济活动的协同效应所带来的资源高效利用[26]。范围经济与区域竞争优势紧密相连,区域竞争优势不仅取决于内部资源禀赋,更取决于外部环境、内外部协调性等综合因素。在传统经济时代,由于行业壁垒较高、资产专用性强以及物理时空限制等因素,企业跨界经营面临更高的生产要素成本,限制了范围经济效应的发挥。在数字化时代,人工智能等新技术助力构建灵活可调的模块化生产线,强化资源整合与跨界融合,模糊传统行业边界,推动企业多元化发展和跨界经营(杜传忠等,2021)。

(1)在当前技术背景下,传统企业生产潜力已近极限,规模扩张的成本效益递减使规模经济的发展空间日趋变小,规模优势逐渐减弱。而具有协调特征的数字技术有助于改变生产条件和生产关系,增强企业突破行业壁垒和冗余资源整合再利用的能力,以低成本实现产品多样化及生产效率提升,推动规模经济向范围经济转变[27]。引导传统产业向突破空间限制的虚拟产业集群方向发展,是未来新的经济增长点。

(2)随着经济社会发展,消费需求也在发生根本性变化,多样化、个性化和差别化成为需求的基本特征。迅速适应市场变化对企业发展至关重要。企业可利用数字技术深度挖掘与分析客户数据,精准把握客户偏好与需求,为其提供个性化产品推荐和服务(李雷等,2023),以此减少供需错配,构建远距离供求关系。

(3)借助数字技术为企业构建虚拟交易平台,将传统“面对面”交易模式转变为跨越时间和空间的异步交易模式,实现跨地区供求信息即时对接(谭洪波等,2022),简化交易流程以降低产销协同成本,进而产生“长尾效应”。数字化显著提升企业跨界融合能力,增强多元协同效应,打破地域壁垒,拓宽客户分布范围,使范围经济成为主导的经济发展方式,从而形成区域核心竞争优势。综上所述,本文提出如下假设:

H3:企业数字化转型可以通过范围经济效应拓宽客户地理分布。

3 研究设计

3.1 样本选择与数据来源

关于样本和数据来源说明如下:本文选取2011-2022年沪深两市A股上市公司作为研究对象,在企业数字化转型对产业集群地理分布的作用路径分析中引入信息披露质量和范围经济效应,实证分析其作用机制。为确保结论可靠,对原始数据进行如下操作:①剔除ST企业;②剔除金融业及信息传输、软件与信息技术服务业;③剔除未披露或未完整披露企业前五大供应商、客户名称或购销数据等信息的企业。最终得到5 994个样本观测值,其中供应商地理距离样本3 760个,客户地理距离样本4 967个。在此基础上,为防止异常值引起的估计偏误,对所有连续变量进行双侧1%的缩尾处理。企业数字化转型数据通过Python对企业年报进行文本分析并结合人工筛选获得,上市公司相关数据源自国泰安数据库(CSMAR)。

3.2 变量定义

3.2.1 被解释变量

本文通过测度上市公司与供应商、客户间地理距离衡量集群地理分布。由于证监会未强制要求上市公司披露供应商和客户信息,只是鼓励上市公司在年度报告中披露前五大供应商和客户购销数据等信息,因此,参考已有研究[7,21],使用企业前五大供应商和前五大客户的地理距离衡量产业集群地理分布。由于企业与不同供应商、客户间购销额存在较大差距,为了提高研究精确性,参考Petersen等[28]的做法,按照购销额排名前五的供应商、客户构建加权地理距离,该指标越大表示产业集群地理分布越分散,计算公式如下:

Diswsi,t=ln(1+∑Distsi,y,t×Ratiosi,y,t)

(1)

Diswci,t=ln(1+∑Diswci,x,t×Ratiosi,x,t)

(2)

其中,Diswsi,t、Diswci,t分别表示企业i在t年度与其按销售额排名前五的供应商、客户间的加权距离,Distsi,y,t、Distci,x,t分别表示t年度企业i与排名前五的供应商y、客户x之间的直接地理距离,Ratiosi,y,t、Ratiosi,x,t分别表示企业对供应商y的采购额占当年企业前五大采购额的比例、企业向客户x的销售额占当年企业销售额的比例。

3.2.2 解释变量

对于企业数字化转型的度量,相关研究多采用文本分析法,即统计上市公司年报中的企业数字化转型关键词数量,构建企业数字化转型指标。本文参考吴非等(2021)提出的数字化转型词频框架,从底层技术运用与技术实践应用两个层面构建企业数字化转型特征词库(见图1),基于Python对2011—2022年上市企业年报进行文本分析,最终获得企业数字化转型加总词频数,构建企业数字化转型体系。由于加总词频数可能存在右偏性特征,对其采用加一取对数处理,刻画企业数字化转型的测量值。

3.2.3 控制变量

参考现有文献,加入以下控制变量:企业规模(Size)、总资产净利润率(ROA)、销售毛利率(GrossProfit)、现金流比率(Cashflow)、董事人数(Board)、独立董事比例(Indep)、两职合一(Dual)、托宾Q值(TobinQ),详见表1。

3.3 模型构建

为验证研究假设,本文借鉴温忠麟等[29]检验中介效应的三步法,构建如下模型:

Distancei,t=α0+α1Digitiali,t+∑αkControlsi,t+Year+Industry+εi,t

(3)

Trani,t=β0+β1Digitiali,t+∑βkControlsi,t+Year+Industry+εi,t

(4)

Hhii,t=γ0+γ1Digitiali,t+∑γkControlsi,t+Year+Industry+εi,t

(5)

Diswsi,t=λ0+λ1Digitiali,t+λ2Trani,t+∑λkControlsi,t+Year+Industry+εi,t

(6)

Diswci,t=μ0+μ1Digitiali,t+μ2Hhii,t+∑μkControlsi,t+Year+Industry+εi,t

(7)

其中,Distancei,t为被解释变量,表示企业与客户、供应商间地理距离;Digitiali,t为解释变量,表示企业数字化转型;中介变量为Trani,t和Hhii,t,分别代表信息披露质量和范围经济效应;Controlsi,t代表控制变量;Year和Industry分别代表年份与行业固定效应;εi,t代表随机误差项。

3.4 描述性统计分析

表2报告了主要变量的描述性统计结果。由此可知,Disws和Diswc的均值分别为4.135、3.684,标准差达到1.623和1.930,意味着不同企业的供应商和客户地理分布存在较大差异,这为探讨其影响因素提供了现实依据。企业数字化转型(Digitial)的均值为1.211,最小值为 0,最大值为 4.913,可知当前中国企业数字化转型总体水平偏低,且不同企业在转型关注度和进度上存在显著差异,数字技术在企业中的应用仍有待加强。

4 实证结果与分析

4.1 基准检验结果

模型(3)考察企业数字化转型对产业集群地理分布的影响。如表3所示,列(1)(3)展示了未加入控制变量时企业数字化转型对客户地理距离(Diswc)、供应商地理距离(Diswus)影响的检验结果,列(2)(4)为引入控制变量的检验结果。结果表明,在引入控制变量的条件下,Digitial对Diswc、Disws的回归系数分别为0.048 9和0.031 3,且分别在5%和10%的水平上显著。综上所述,数字化转型能显著改变企业与供应商、客户间的交互模式,从而拓宽产业集群地理分布,降低空间依赖性,H1得到验证。

4.2 稳健性检验

4.2.1 内生性处理

由于企业财务报表中前五大供应商、客户购销数据属于证监会非强制性披露信息,因此,仅使用披露供应商和客户信息的样本进行回归可能导致因样本自选择带来的内生性问题。本文运用Heckman两阶段模型重新进行拟合,在第一阶段模型中按照企业数字化变量的中位数构建虚拟变量(Digitial1),高于中位数时取 1,否则取 0,将其作为被解释变量,将主模型全部控制变量作为解释变量纳入估计,利用Probit模型进行回归分析,根据回归结果分别构造选择校正项逆米尔斯比率(Imr1和Imr2),并在第二阶段检验模型中纳入第一阶段估计出的Imr1和Imr2进行回归。研究结果如表4所示,第二阶段企业数字化转型变量系数分别为0.050 1与0.035 5,且分别在5%和10%水平上显著,说明控制样本自选择偏差带来的内生性问题影响后,主要结论仍然稳健。

4.2.2 增加固定效应

虽然大多数企业不会随意搬迁更改企业所在地,但这种可能仍客观存在,且不同地域数字经济发展存在差异,因此,本文在基准回归模型基础上加入企业所在省份固定效应,以消除潜在遗漏重要变量导致的估计结果偏差问题。增加省份固定效应后,结果如表5列(1)(2)所示,供应商与客户地理距离的系数分别为0.031 1和0.061 1,且分别在10%和1%水平上显著,进一步说明基准回归结果具有稳健性。

4.2.3 替换解释变量测度方法

目前,关于企业数字化转型及其衡量并没有标准范式,并且上市企业年报可能存在选择性披露问题而导致衡量偏误,为保证结果可靠性,本文参考张永坤等[30]的研究,采用上市公司财务报告附注披露的年末无形资产明细项中与数字化转型相关的部分占无形资产总额的比例衡量企业数字化转型程度,用Digitial2表示。回归结果见表5列(3)(4),系数分别为0.379 9和0.274 3,且分别在5%和10%水平上显著,表明基准回归结果稳健可靠。

4.2.4 缩短时间窗口

2013年8月国务院发布“宽带中国”战略实施方案,国家发展改革委、工业和信息化部分别于2014、2015、2016年公布了3批次共120个试点城市(城市群)。网络基础设施是企业数字化转型的重要支撑,“宽带中国”政策实施对试点城市企业信息技术传递和数字网络建设具有深远影响。因此,仅保留2014 年以后的样本有助于将研究置于统一政策背景下,排除其它政策干扰。如表5列(5)(6)所示,回归结果分别为0.035 3和0.068 1,分别在10%和1%水平上正向显著,说明企业数字化转型对拓宽产业集群地理分布的作用仍然稳健。

4.3 异质性分析

4.3.1 区域异质性

受自然地理因素影响,西部地区企业对外扩大市场范围时的搜寻、沟通和运输成本等比东中部地区企业高,造成区域经济发展不平衡和不协调。在企业数字化转型推动下,借助数字技术构建虚拟交易平台缓解信息不对称、改变传统“面对面”交易方式,且数字物流建设促进数据安全高效流通,降低运输成本。因此,西部企业运用数字技术扩大产业集群地理分布,展现出更大的发展潜力。本文构建区域虚拟变量Area,企业所属省份属于东、中、西部分别赋值1、2、3。结果如表6所示,西部地区企业数字化转型对供应商和客户的地理距离回归系数分别为0.089 8、0.123 0,分别在10%和5%水平上显著,当企业所在地为西部地区时,企业数字化转型对拓宽产业集群地理分布的效果更显著。

4.3.2 市场异质性

市场环境是影响企业发展的重要因素。一般而言,市场化进程较高的地区资源配置效率较高,法律制度相对完善,不存在政府过度干预问题,企业间交流合作更加透明,机会主义风险相对较小。在数字技术支持下,企业能够敏锐洞察市场和行业转变,迅速完成资源要素整合与优化,克服信息传递受阻与失真问题,进而拓宽产业集群地理分布范围。参考王小鲁等的《中国分省份市场化指数报告》,本文使用市场化指数衡量地区市场化进程,按照年度全国市场化水平均值进行划分,若省份当年市场化指数高于全国均值则为1,否则为0。结果如表7所示,市场化指数较高地区的企业数字化转型对供应商和客户地理距离的回归系数分别为0.043 3、0.067 6,分别在5%和1%水平上显著,表明企业所处地区市场环境越好,数字化转型对拓宽产业集群地理分布的效应越显著。

5 进一步分析

为进一步分析数字化转型对产业集群地理分布的影响,从信息披露质量与范围经济效应两方面探究具体作用机制。

5.1 信息披露质量的作用机制

相互信任是供应链合作的关键,企业积极提升信息披露质量和透明度,使供应商清晰了解其经营状况、偿债能力和市场竞争力等关键信息,提升企业形象与声誉以吸引更多潜在合作伙伴,丰富供应商资源库,构建稳固和可信赖的合作关系。数字技术通过增强数据收集的全面性和准确性、提高数据分析效率和深度、优化信息披露形式与内容以及加快信息流动等方式,为获得高质量信息奠定基础,促进远距离合作。本文以深交所发布的上市公司信息披露考评结果度量上市公司信息披露质量,记为Tran,将考评结果优秀(A)、良好(B)、及格(C)与不及格(D)分别赋值为 4、3、2、1,赋值越高说明企业信息披露质量越好。对此作用机制展开检验,回归结果如表8列(1)(2)所示。Digitial与Tran显著正相关,说明企业数字化转型有助于提高信息披露质量。

由表9可知,信息披露质量的直接效应和间接效应的 95% 置信区间均不包含0,说明信息披露质量的中介效应显著。间接效应系数(β1λ2)为负,与其对应的直接效应系数(λ1)符号相反,表明信息披露质量在数字化转型与供应商地理距离之间发挥遮掩效应,即企业数字化转型通过信息披露质量影响供应商地理分布的间接路径削弱其对供应商地理分布影响的直接效应,H2得以证实。

5.2 范围经济效应的作用机制

当前市场需求的多元化趋势要求企业精确洞察客户需求,这是企业持续发展的核心。随着数字技术日益成熟和信息流转速度加快,信息匹配成本大幅度降低,企业规模与市场交易成本出现负相关,从而产生跨越时空的市场需求。企业借助人工智能技术构筑模块化和分布式生产线,打破传统行业壁垒实现更加灵活和高效的生产,从而提高对市场条件和客户需求的响应速度,增强多元化市场开拓能力。借鉴Villalonga[31]的做法,使用赫芬达尔指数(Hhi)测度企业经营范围,作为范围经济效应的替代变量,Hhi=∑pi2,pi为企业第i个行业收入占总收入的比重,指数越大表示企业多元化程度越低,经营范围越窄。对此作用机制展开检验,回归结果如表8列(3)(4)所示。

根据表8结果可知,Digitial与Hhi显著负相关,说明企业数字化转型有助于提升跨界融合能力。由表9可知,范围经济效应的直接效应和间接效应的 95% 置信区间均不包含0,说明范围经济效应的中介效应显著。间接效应系数(γ1μ2)为负,与其对应的直接效应系数(μ1)符号相反,表明范围经济在数字化转型与客户地理距离之间发挥遮掩效应,即企业数字化转型通过范围经济效应影响客户地理分布的间接路径削弱其对客户地理分布影响的直接效应,H3得以证实。

6 结论与启示

6.1 研究结论

数字技术有助于打破传统产业集群地理空间约束,推动资源要素深度融合,提升产业链韧性水平,在建设现代化经济体系和构筑国家竞争新优势过程中发挥重要作用。本文构建“(上游)供应商—企业—(下游)客户”的关系架构,研究发现:

(1)企业数字化转型对拓宽产业集群地理分布具有显著促进作用。企业数字化转型可以弱化地理空间约束,拓宽企业供应商与客户选择范围,助力产业集群实现上下游及产供销有效衔接、高效运转,提升产业集群稳定性和竞争力。

(2)影响机制分析发现,信息披露质量和范围经济效应是数字化影响产业集群地理分布的重要渠道。数字化转型有助于企业提高信息透明度,敏锐洞察需求变化趋势,从而降低远距离合作风险,实现区域经济地理布局改变。

(3)异质性分析表明,西部地区或所在地区市场化水平更高的企业中,数字化对拓宽产业集群地理分布的作用更显著,数字经济发展前景更好。

6.2 理论贡献

(1)本文基于新经济地理理论探究企业数字化转型以组织接近代替传统地理接近的重要作用,从供应商与客户双视角剖析企业区位选择路径,立足微观主体角度提供产业空间布局重塑的经验证据,为产业集群地理分布相关研究贡献了新思路。

(2)现有文献就企业数字化转型对产业集群地理分布的作用机制进行了探讨,但在模型构建与实证检验方面存在不足。本文通过构建信息披露质量与范围经济效应双重中介模型,验证了企业数字化转型扩展产业集群活动空间的影响机制,丰富了相关研究。

6.3 对策建议

(1)推动数字经济和集群经济深入融合。政府要加快构建先进网络基础设施和数据智能基础设施,为企业数字化转型提供关键支撑和创新动能,加快释放数字化对集群经济发展的“倍增器”作用。同时,企业要以全局视野,将数字化转型纳入自身长远战略规划中,培育企业数字综合竞争力,打造自身在产业集群中的竞争新优势。

(2)发挥数字技术对企业资源整合能力的积极作用。推进虚拟合作平台建设,促进生产资料和能力共享,推动产业链上下游协同运行,开展跨地区供求信息对接服务,提高更大地域范围内产销协同能力。政府要推动出台数字产业集群全国一体化布局规划,进一步夯实国家区域协调发展的基础。

(3)通过信息技术应用提高趋势洞察能力。企业要深刻认识和把握5G、云计算、人工智能、区块链等新一代信息技术对企业发展和产业变革的作用,善于从企业运行、市场动态、宏观经济等大数据中挖掘和把握潜在市场需求变动与行业发展态势,提前作好新技术应用和新业务发展布局,抢占技术应用先发优势。

6.4 不足与展望

(1)关于产业集群地理分布的研究通常采用企业自愿披露的前五大供应商和客户信息,本文亦采用此数据,但多数企业以商业机密为由在信息披露中隐匿具体名称,造成数据有效性与可靠性受限。未来可通过深入企业实地走访调查等方式,扩充相关数据,验证研究结果的可靠性。

(2)本文从微观主体视角研究企业数字化转型对产业集群地理分布的作用机制,后续研究可关注企业区位分布对宏观环境的反作用,推动宏观经济政策与微观企业行为互动关系研究。

参考文献：

[1] SCHNACKENBERG A K, TOMLINSON E C. Organizational transparency: a new perspective on managing trust in organization-stakeholder relationships[J]. Journal of Management, 2016, 42(7): 1784-1810.

[2] PRETTNER K, STRULIK H. The lost race against the machine: automation, education, and inequality in an R&D-based growth model[R]. Cambridge: NBER Discussion Papers, 2011.

[3] ZHANG T, SUN B, LI W, et al. Information communication technology and manufacturing decentralisation in China[J]. Papers in Regional Science, 2022, 101(3): 619-637.

[4] 汪洋.所有制差异下中国制造业地理集中度与企业动态资源误置——基于生产率分布的微观考察[J].产业经济研究,2020,19(3):100-113.

[5] 吴意云,刘晔,朱希伟.产业集群发展与企业生产效率——基于拓展DO指数的分析[J].浙江学刊,2020,58(5):115-123.

[6] 刘军,王佳玮,程中华.产业聚集对协同创新效率影响的实证分析[J].中国软科学,2017,32(6):89-98.

[7] 饶品贵,王得力,李晓溪.高铁开通与供应商分布决策[J].中国工业经济,2019,37(10):137-154.

[8] 程博,邱保印,殷俊明.信任文化影响供应商分布决策吗?[J].外国经济与管理,2021,43(7):54-67.

[9] 李青原,刘习顺,王俐璇.信息摩擦与供应商分布决策——来自中国企业IPO的经验证据[J].东南大学学报(哲学社会科学版),2023,25(1):32-44,146.

[10] 曾可昕,张小蒂.数字商务与产业集群外部经济协同演化:产业数字化转型的一种路径[J].科技进步与对策,2021,38(16):53-62.

[11] 王如玉,梁琦,李广乾.虚拟集聚:新一代信息技术与实体经济深度融合的空间组织新形态[J].管理世界,2018,34(2):13-21.

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

[13] 任保平,张倩.中国式现代化新征程中高质量数字基础设施建设的新要求和实现路径[J].求是学刊,2023,50(2):48-56.

[14] 闫绪娴,郭伟.数字基础设施如何影响区域经济韧性[J].现代经济探讨,2023,42(10):33-42.

[15] 肖静华.企业跨体系数字化转型与管理适应性变革[J].改革,2020,35(4):37-49.

[16] 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(7):114-129.

[17] 吕可夫,于明洋,阮永平.企业数字化转型与资源配置效率[J].科研管理,2023,44(8):11-20.

[18] 韩国高,陈庭富,刘田广.数字化转型与企业产能利用率——来自中国制造企业的经验发现[J].财经研究,2022,48(9):154-168.

[19] 池毛毛,叶丁菱,王俊晶,等.我国中小制造企业如何提升新产品开发绩效——基于数字化赋能的视角[J].南开管理评论,2020,23(3):63-75.

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

[21] 李万利,刘虎春,龙志能,等.企业数字化转型与供应链地理分布[J].数量经济技术经济研究,2023,40(8):90-110.

[22] 王超,余典范.企业数字化与跨区域供应链布局——基于统一大市场建设的视角[J].当代财经,2023,44(11):133-144.

[23] BARRY C B, BROWN S J. Differential information and the small firm effect[J]. Journal of Financial Economics, 1984, 13(2): 283-294.

[24] VERHOEF P C,BROEKHUIZEN T,BART Y,et al．Digital transformation: a multidisciplinary reflection and research agenda[J]. Journal of Business Research,2021,122(1):889-901．

[25] BAUER A M, HENDERSOM D, LYNCH D P. Supplier internal control quality and the duration of customer-supplier relationships[J]. The Accounting Review, 2018, 93(3): 59-82.

[26] PANZAR J C, WILLIG R D. Economies of scope[J]. The American Economic Review, 1981, 71(2): 268-272.

[27] ORENSTEIN P. The changing landscape of supply chain networks: an empirical analysis of topological structure[J]. Information Systems and Operational Research, 2021, 59(1): 53-73.

[28] PETERSEN M A, RAJAN R G. Does distance still matter? the information revolution in small business lending[J]. The Journal of Finance, 2002, 57(6): 2533-2570.

[29] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.

[30] 张永珅,李小波,邢铭强.企业数字化转型与审计定价[J].审计研究,2021,37(3):62-71.

[31] VILLALONGA B. Does diversification cause the "diversification discount"[J]. Financial Management, 2004,33(2): 5-27.

(责任编辑：万贤贤)