改革開放以來，各行各業迅速發展，物流業作為現代產業發揮了重要且關鍵的作用。物流業是集運輸業、倉儲業、郵政業等多個行業于一體的復雜產業，其在一個國家的經濟和社會發展中發揮著重要的戰略作用，物流業的快速和高質量發展可以形成一股運輸力量，加快促進市場經濟健康發展，并積極推動和諧社會的構建。就我國目前經濟發展趨勢來看，關鍵方面是實現經濟發展模式的轉變，將以往的生產要素型發展策略轉化為創新驅動型發展策略，把以往擴大產業規模的路線轉向優化產業結構，注重生產效率以實現經濟高質量發展。企業全要素生產率指標是將多種投入結合的計算結果，與資本生產率和勞動生產率都不同，實質是體現企業生產過程中不能用數據衡量的要素投入，提高企業全要素生產率即為提高資源利用效率。數據作為一種生產投入，是企業新興的生產要素，可以與其他投入相結合，避免傳統投入的瓶頸，刺激經濟增長，促進企業生產力的提高，具有能夠無限供給、易于復制的優勢。隨著企業數字化轉型的加快，數字化轉型不僅是為了減少企業生產成本，將數字技術與企業生產流程和業務發展流程結合，而且是為了減少企業資源缺乏帶來的負面影響，將其大范圍的應用于數據計算、人工智能等創新科學技術中，并以此為基礎將企業內部資源和外部資源進行優化配置。
因此，研究物流企業數字化轉型水平對企業全要素生產率的影響及機制，對于企業抓住數字化轉型機遇以提高其生產效率，具有重要意義。
全要素生產率在一定程度上反映相關產業的發展與進步，是衡量一定時期內企業投入產出比的生產力指標。邵劍和孟添天(2023)研究發現，全要素生產率非常全面，包含了廣泛的企業生產信息，展現企業在生產經營過程中的各方面綜合能力，能夠體現企業生產活動的實施效率，并有助于幫助企業規避經營風險，促進企業生產經營質量的提高。裴璇、劉宇和王穩華(2023)的研究表明，在微觀層面上，高效率企業一般擁有較高市場份額，不同企業在投入、產出和生產效率方面始終存在顯著而長遠的差異。
數字經濟的發展在優化和改善產業結構、提高勞動力資源配置效率、助力區域進行創新轉型發展等方面具有正向影響效果。
綜上所述，以往研究者對數字化轉型與物流企業全要素生產率的具體影響機制研究比較少，所以本文基于2013-2022年我國物流企業面板數據實證分析數字化轉型對物流企業全要素生產率的影響效果，并將企業管理效率作為中介變量，研究數字化轉型對物流企業全要素生產率的作用機制。
本文使用2013-2022年在上海和深圳證券交易所上市的物流企業數據，數據來源于《中國統計年鑒》、《中國工業統計年鑒》、CSMAR數據庫以及企業公司年報數據，并對初始數據樣本進行以下處理：剔除ST或*ST股票、部分缺失數據使用插值法補齊。
企業全要素生產率(TFP)。全要素生產率反映了企業總體生產資源轉化率，并衡量了生產要素無法解釋的總產出份額。本文根據以往學者的研究結果，選擇LP法計算物流企業全要素生產率。其中，企業營業收入被用作企業經營增長的替代變量，固定資產凈值被用作資本投資的替代變量，企業員工人數被用作勞動力投資的替代變量，企業購買商品和服務所支付的貨幣被用作中間投入的替代變量。
數字化轉型(DT)。目前學術界對于數字化轉型度量的研究主要從定性角度進行，關于數字化轉型度量的定量研究較少，對企業數字化轉型的度量方法尚未進行深入探討。本文在借鑒現有學者構建企業數字化轉型因子庫做法的基礎上，使用Python工具的文本數據挖掘方法，從深圳和上海證券交易所發布的公司年報中提取數字化轉型數據，并將因子庫中的文本和上市公司年報進行比對，將年報中與數字化轉型相關的關鍵詞樣本賦值為1，反之賦值為0。然后將得到的數據樣本進行合并，最終得到企業數字化轉型的完整指數，并進行對數化處理。
企業管理效率(ME)。企業管理成本指數越低，說明管理效率越高。本文采用企業分銷和運營成本用作管理效率的指標，采用公司分銷和運營成本總額與運營收入的比率對企業管理效率進行衡量，記作ME。
企業年齡(Age)，采用樣本當前觀察年份與樣本形成年份之間的差值對企業年齡進行衡量，記作Age；企業規模(Size)，采用企業當年總資產對數化數據對企業規模進行衡量，記作Size；總資產報酬率(ROA)，采用使用企業年末凈利潤與期末總資產的比例對總資產報酬率進行衡量，記作ROA；現金流水平(OCF)，采用物流企業經營性現金數額與總資產之間的比值對現金流水平進行衡量，記作OCF；高管團隊規模(ETS)，采用物流企業高級管理人員數對高管團隊規模進行衡量，記作ETS；固定資產占比(FA)，采用固定資產與物流企業年末總資產的比率進行衡量，記作FA；財務杠桿(FL)，采用公司年末總負債與總資產的比率進行衡量，記作FL。
為探究數字化轉型對物流企業全要素生產率的影響，本文根據2013-2022年我國物流企業面板數據，參考
其中，TFP為被解釋變量全要素生產率水平，DT為解釋變量數字化轉型水平，α1表示數字化轉型對物流企業全要素生產率的模型回歸系數，Xi表示控制變量，η表示個體固定效應，θ表示時間固定效應，δ為隨機誤差項。
本文從企業管理效率的角度進行中介效應研究，借鑒
MEab=β0+β1DTab+βiXi+η+θ+δ (2)
TFPab=γ0+γ1DTab+γ2MEab+γiXi+η+θ+δ (3)
其中，ME為中介變量物流企業管理效率，β1表示數字化轉型對物流企業管理效率的回歸系數，γ1為加入中介變量企業管理效率之后，解釋變量數字化轉型對被解釋變量物流企業全要素生產率的模型回歸系數。
基準回歸模型分析結果如表1所示，模型(1)為沒有添加控制變量的回歸結果，模型回歸系數為0.078，回歸結果通過5%水平的顯著性檢驗。模型(2)中加入了控制變量，回歸模型系數為0.069，回歸結果為正值并且在1%的水平上通過顯著性檢驗。與模型(1)相比，模型(2)的擬合優度提高。結果表明，企業數字化轉型能夠在1%的置信水平上有效提升物流企業全要素生產率，數字化轉型對物流企業全要素生產率的提高具有正向影響效果。
根據上文得到的基準回歸結果，可以得出數字化轉型能夠對物流企業全要素生產率的提升起到促進作用的結論。因此，本文運用逐步回歸法，研究企業管理效率在其中發揮的中介作用。表2結果表明，數字化轉型對企業管理效率的回歸模型系數為0.059，在1%顯著性水平下顯著為正。在上文基準模型中加入中介變量企業管理效率之后，數字化轉型與企業管理效率呈現出更為顯著的正向相關關系，即企業管理效率的中介效應影響顯著存在。
為進一步探究數字化轉型對物流企業全要素生產率的影響效果，本文進行企業股權性質異質性分析。2020年國務院全面實施支持國有企業數字化轉型的政策，為此，本文將樣本分為國有企業和非國有企業。表3結果顯示，國有企業模型的回歸系數為0.079，在1%顯著性水平下顯著；非國有企業模型的回歸系數為0.051，數值較小并且回歸結果不具有顯著性。
注：*、**、***分別表示回歸結果在10%、5%、1%水平下顯著，下同。
本文將數字化轉型進行一階滯后處理，以對基準回歸結果進行穩健性檢驗。表4結果表明，滯后一階的回歸系數與基準回歸結果的方向相同，企業數字化轉型對全要素生產率的影響并不隨著時間間隔的延長而明顯降低，這一結果也支持了本文的基準回歸結果。
第一，我國必須及早抓住數字化轉型的機遇以促進經濟高質量發展。首先，政府要構建規范的數字化創新體系，加快物流企業生產產品、生產技術及內部管理結構的數字化轉型，幫助物流企業提高企業全要素生產率，助力企業高質量發展；其次，要深入實施寬帶中國戰略，加大數字基礎設施建設力度，從外部條件入手為企業數字化轉型發展打造能夠滿足需求的基礎數字網絡設施，從而為企業數字化轉型帶來更顯著的成效。
第二，企業要在數字化轉型發展的基礎上提高企業管理效率，發揮其對提高企業全要素生產率的中介作用。企業全要素生產率的提高與企業管理效率息息相關。數字化轉型有助于降低部門之間的溝通和互動成本，通過信息交流提高運營和管理效率，優化內部管理。數字經濟的快速發展使供應鏈管理技術的應用成為必然，也為物流企業高質量發展創造了新的條件。通過在供應鏈管理中應用數字技術，物流企業可以在供應和配送過程的各個環節快速獲得經濟效益，在降低企業管理與運營成本方面發揮關鍵作用。
第三，企業要根據自身發展具體情況，制定適合自身特點的數字化轉型發展路線。非國有企業應提升基礎設施能力，彌補自身業務資源缺口，處理好政府與企業的關系，形成全國范圍內的公信力鏈條，重視數字化轉型發展的長久積累，才能受益于政策驅動信息，借助數字經濟開展融資活動，有效緩解企業自身資金不足的問題。物流企業應引領單個企業進行數字化轉型，進而發展成為全領域內的數字化合作，促進物流行業總體數字信息化發展，營造數字物流新型產業形態。
滬公網安備 31011202008041號
