💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
🎁完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击：
👉👉👉本文完整资源下载
⛳️座右铭：行百里者，半于九十。
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥第一部分——内容介绍
数字化转型对企业全要素生产率的影响研究 —— 基于中国上市公司的经验证据
一、引言
随着数字经济与实体经济的深度融合，数字化转型已成为中国企业实现高质量发展、提升核心竞争力的核心战略选择。全要素生产率作为衡量企业资源配置效率与技术进步水平的核心指标，是企业长期可持续发展的核心支撑，探究数字化转型对企业全要素生产率的影响效应与作用路径，对于揭示数字经济赋能实体经济的微观机制、指导企业数字化转型实践具有重要的理论与现实意义。
现有关于数字化转型与企业发展的相关研究已取得了丰富的成果，但仍存在部分待完善的空间：部分研究对数字化转型的内生性问题处理不够全面，难以精准识别二者间的因果关系；对于数字化转型影响全要素生产率的具体作用路径与异质性特征的分析仍需进一步深化；同时，部分研究未能充分排除竞争性假设的干扰，导致核心结论的稳健性有待进一步验证。
基于此，本文以中国上市公司为研究样本，构建多维度的数字化转型指标体系，系统检验数字化转型对企业全要素生产率的影响效应，通过多种方法解决内生性问题，开展多轮稳健性检验确保核心结论的可靠性，同时深入探究二者间的作用机制与异质性特征，为企业数字化转型实践与相关政策制定提供经验证据。
二、研究设计
（一）数据来源与样本筛选
本文的研究样本为中国沪深 A 股上市公司，样本区间覆盖 1999-2023 年，核心数据来源包括：上市公司全要素生产率测算数据、企业数字化转型指标数据、上市公司财务与公司治理层面的控制变量数据、迪博上市公司内部控制指数数据、和讯网上市公司社会责任评分数据，以及省级层面的宏观经济数据。
为保证研究样本的有效性与数据质量，本文对初始样本进行了如下筛选处理：第一，剔除样本区间内被实施 ST、PT 特别处理的上市公司样本，避免财务异常样本对研究结果的干扰；第二，剔除金融行业上市公司样本，由于金融行业的经营模式、财务核算体系与其他行业存在显著差异，不纳入核心研究样本；第三，剔除核心变量存在缺失值的样本，确保回归样本的完整性；第四，对所有连续型变量进行 1% 和 99% 分位的缩尾处理，有效避免极端异常值对回归结果的影响。最终，本文得到了匹配后的上市公司平衡面板数据，作为核心研究样本。
（二）变量定义
- 被解释变量：企业全要素生产率。本文分别采用 OP 法与 LP 法两种主流方法测算上市公司的全要素生产率，作为核心被解释变量，其中 OP 法测算的全要素生产率为基准回归的核心被解释变量，LP 法测算的全要素生产率用于稳健性检验，确保被解释变量衡量的合理性。
- 核心解释变量：企业数字化转型水平。本文基于上市公司数字化转型相关指标，采用对数化处理后的企业数字化转型总指数作为核心解释变量，全面衡量企业数字化转型的整体水平；同时，进一步将数字化转型拆解为人工智能技术、区块链技术、云计算技术、大数据技术、数字技术应用五个细分维度，用于异质性分析，探究不同维度数字化转型的差异化影响。
- 中介变量：本文选取企业内部控制水平与企业社会责任履行水平作为中介变量，探究数字化转型影响企业全要素生产率的作用路径。其中，内部控制水平采用迪博上市公司内部控制指数评分进行标准化处理后衡量，企业社会责任履行水平采用和讯网上市公司社会责任总评分进行标准化处理后衡量。
- 调节变量：本文选取企业产权性质、企业风险水平、业绩反馈三个核心调节变量，检验不同情境下数字化转型对企业全要素生产率的差异化影响，其中产权性质区分国有企业与非国有企业，企业风险水平衡量企业经营与财务风险的高低，业绩反馈衡量企业过往经营业绩的市场反馈情况。
- 控制变量：为有效缓解遗漏变量带来的内生性问题，本文选取了一系列企业财务与公司治理层面的控制变量，具体包括：企业规模、资产收益率、营业收入增长率、资产负债率、企业流动性水平、经营活动现金流净额、第一大股东持股比例、董事会规模、机构投资者持股比例、是否由四大会计师事务所审计、董事长与总经理是否两职合一、企业上市年限，全面控制企业个体特征对全要素生产率的影响。
（三）模型设定
本文的基准回归采用双向固定效应模型，以检验数字化转型对企业全要素生产率的核心影响效应。模型中同时控制了企业个体固定效应与年份固定效应，其中企业个体固定效应可以有效缓解不随时间变化的企业个体异质性带来的遗漏变量问题，年份固定效应可以吸收随时间变化的宏观经济冲击、政策变化等共同因素的影响。同时，为解决回归过程中可能存在的序列相关与异方差问题，本文在企业层面对回归标准误进行了聚类调整，确保回归结果的有效性。
在基准回归的基础上，本文进一步构建了中介效应模型，检验内部控制与企业社会责任的中介作用；构建调节效应模型，检验产权性质、企业风险、业绩反馈的调节作用；同时，通过工具变量法、倾向得分匹配法、双重差分模型等多种方法，解决研究中可能存在的内生性问题，确保核心结论的因果识别有效性。
三、基准回归结果与分析
本文的基准回归分为两个步骤开展：首先，在不加入控制变量的情况下，仅控制企业个体与年份固定效应，检验数字化转型对企业全要素生产率的单变量影响；其次，在模型中加入全部控制变量，重新进行回归，检验在控制企业个体特征后，数字化转型对全要素生产率的影响是否依然显著。
基准回归结果显示，数字化转型的回归系数在 1% 的统计水平上显著为正，这一结果在加入控制变量后依然保持显著，说明数字化转型能够对中国上市公司的全要素生产率产生显著的正向促进作用，企业数字化转型水平的提升，能够显著推动企业全要素生产率的增长，这一结果验证了本文的核心研究假设，也为数字经济赋能实体经济高质量发展提供了微观企业层面的经验证据。
从控制变量的回归结果来看，企业规模、资产收益率、营业收入增长率、机构投资者持股比例等变量的回归系数均显著为正，说明企业规模的扩大、盈利能力的提升、成长能力的增强、机构投资者持股比例的提高，均能够显著促进企业全要素生产率的提升，这与现有相关研究的结论保持一致，也说明本文控制变量的选取具有合理性，模型设定符合现有研究的主流范式。
四、内生性问题处理
基准回归结果虽然验证了数字化转型对企业全要素生产率的正向促进作用，但研究中仍可能存在反向因果、遗漏变量、样本自选择等内生性问题，导致核心结论的因果识别有效性受到影响。为此，本文分别采用工具变量法、倾向得分匹配法、双重差分模型三种主流方法，对内生性问题进行全面处理，进一步验证核心结论的可靠性。
（一）工具变量法
为解决反向因果与遗漏变量带来的内生性问题，本文采用工具变量法，通过两阶段最小二乘法（2SLS）重新进行回归。本文选取省级层面的信息传输、软件和信息技术服务业城镇单位就业人员数量作为核心工具变量，该工具变量的选取满足相关性与外生性两个核心条件：从相关性来看，省级层面的信息技术服务业就业规模越高，该地区的数字经济发展水平越高，企业数字化转型的外部环境越完善，与企业数字化转型水平具有显著的正相关关系；从外生性来看，该变量为省级宏观层面的指标，不会受到单个企业全要素生产率的影响，与企业个体的生产经营决策没有直接关联，能够有效满足外生性要求。
两阶段最小二乘法的回归结果显示，第一阶段回归中，工具变量的回归系数显著为正，说明工具变量与企业数字化转型水平具有显著的正相关关系，不存在弱工具变量问题；第二阶段回归中，数字化转型的回归系数依然在 1% 的统计水平上显著为正，与基准回归结果保持一致，说明在解决了反向因果与遗漏变量带来的内生性问题后，数字化转型对企业全要素生产率的正向促进作用依然显著，核心结论具有良好的因果识别有效性。
（二）倾向得分匹配法（PSM）
为解决样本自选择带来的内生性问题，本文采用倾向得分匹配法（PSM）重新进行回归。企业是否开展数字化转型并非随机事件，而是企业基于自身经营状况、发展战略做出的自主选择，这种自选择行为可能导致处理组与控制组的样本在企业特征上存在系统性差异，进而影响回归结果的有效性。
为此，本文将数字化转型水平非零的企业划分为处理组，数字化转型水平为零的企业划分为控制组，以基准回归中的全部控制变量作为协变量，通过 logit 回归计算每个样本的倾向得分，即企业进入处理组的条件概率；随后，采用 1:1 近邻匹配的方法，为每个处理组样本匹配特征最为接近的控制组样本，确保匹配后的处理组与控制组在协变量上不存在显著的系统性差异，实现样本的平衡性；最后，在匹配后的有效样本上，重新进行基准回归，检验数字化转型的影响效应。
倾向得分匹配后的回归结果显示，数字化转型的回归系数依然显著为正，与基准回归结果保持高度一致，说明在解决了样本自选择带来的内生性问题后，数字化转型对企业全要素生产率的正向促进作用依然显著，核心结论不受样本自选择问题的干扰，具有良好的稳健性。
（三）双重差分模型（DID）
为进一步精准识别数字化转型对企业全要素生产率的净效应，解决内生性问题，本文构建多期双重差分模型（DID）重新进行回归。双重差分模型是政策效应评估中的主流方法，能够通过对比政策冲击前后处理组与控制组的差异，干净地识别出政策的净效应，有效缓解内生性问题的干扰。
本文首先确定每个企业的数字化转型政策冲击时点：分别设置两个阈值，将企业首次数字化转型指数超过 5、首次数字化转型指数大于 0 的年份，作为该企业的政策冲击年份，将首次发生数字化转型的企业划分为处理组，将样本区间内始终未发生数字化转型的企业划分为控制组；随后，构建政策冲击虚拟变量，生成处理组与政策冲击时点的交互项，作为核心解释变量；最后，控制企业个体与年份固定效应，加入全部控制变量，进行双重差分回归。
双重差分模型的回归结果显示，政策冲击交互项的回归系数显著为正，与基准回归结果保持一致，说明数字化转型的实施能够显著推动企业全要素生产率的提升，这一结果在更换数字化转型冲击阈值后依然保持显著，进一步验证了核心结论的可靠性。通过双重差分模型，本文有效识别了数字化转型对企业全要素生产率的净效应，解决了内生性问题的干扰，核心结论的因果识别有效性得到了进一步提升。
五、稳健性检验
为确保基准回归核心结论的可靠性，本文开展了多轮稳健性检验，分别通过安慰剂检验、关键变量替换两种主流方法，验证核心结论是否受随机因素、变量衡量方式的影响，确保研究结果的稳健性。
（一）安慰剂检验
为检验基准回归的核心结论是否由随机因素、未观测的遗漏变量导致，本文采用随机置换的方法开展安慰剂检验。安慰剂检验是现有实证研究中验证结果稳健性的主流方法，其核心逻辑是：如果基准回归的结果是由数字化转型的真实效应导致的，而非随机因素，那么通过随机置换核心解释变量后，得到的虚假回归系数应集中分布在 0 附近，且基准回归的真实系数应处于安慰剂分布的极端值区间，不会被安慰剂分布覆盖。
本文的安慰剂检验具体步骤为：首先，对核心解释变量数字化转型进行随机置换，生成虚假的数字化转型变量；其次，基于置换后的虚假变量，重新进行基准回归，得到虚假的回归系数、标准误与 t 值；重复上述过程 1000 次，得到 1000 个虚假回归系数的分布；最后，对 1000 次回归得到的虚假系数进行描述性统计，计算其均值、分位数、标准差等指标，同时对比基准回归的真实系数，检验结果的稳健性。
安慰剂检验的结果显示，1000 次随机置换后得到的虚假回归系数均值接近 0，且绝大多数虚假系数的绝对值远小于基准回归的真实系数，基准回归的真实系数处于安慰剂分布的极端值区间，未被安慰剂分布覆盖，说明基准回归的核心结论并非由随机因素、未观测的遗漏变量导致，数字化转型对企业全要素生产率的正向促进作用是真实存在的，核心结论具有良好的稳健性。
（二）关键变量替换
为检验核心结论是否受变量衡量方式的影响，本文分别对被解释变量与核心解释变量进行替换，重新进行回归，开展稳健性检验。
在被解释变量的替换方面，本文采用 LP 法测算的企业全要素生产率，替换基准回归中 OP 法测算的全要素生产率，作为新的被解释变量，重新进行基准回归。回归结果显示，数字化转型的回归系数依然在 1% 的统计水平上显著为正，与基准回归结果保持一致，说明无论采用 OP 法还是 LP 法测算全要素生产率，数字化转型的正向促进作用均显著存在，核心结论不受被解释变量衡量方式的影响。
在核心解释变量的替换方面，本文分别采用三种方式替换核心解释变量：第一，采用不同口径构建的数字化转型指数 Trans_1、Trans_2，替换基准回归中的核心解释变量，重新进行回归；第二，采用滞后一期的数字化转型指数作为核心解释变量，重新进行回归，有效缓解反向因果问题的干扰。回归结果显示，无论采用哪种替换方式，数字化转型的回归系数均显著为正，与基准回归结果保持高度一致，说明核心结论不受核心解释变量衡量方式的影响，数字化转型对企业全要素生产率的正向促进作用具有良好的稳健性。
六、异质性分析：数字化转型的分维度影响
基准回归结果验证了数字化转型整体水平对企业全要素生产率的正向促进作用，为进一步探究数字化转型的异质性影响，本文将数字化转型拆解为人工智能技术、区块链技术、云计算技术、大数据技术、数字技术应用五个细分维度，分别检验每个维度对企业全要素生产率的影响效应，对比不同维度的差异化影响，丰富研究的异质性结论。
分维度回归结果显示，数字化转型的五个细分维度对企业全要素生产率的影响均显著为正，说明人工智能、区块链、云计算、大数据、数字技术应用的发展，均能够显著推动企业全要素生产率的提升，数字化转型的赋能效应覆盖了数字技术的各个细分维度。
同时，分维度回归结果也显示，不同细分维度的影响效应存在显著的异质性：其中，大数据技术、云计算技术的回归系数更大，显著性水平更高，说明这两个维度的数字化转型对企业全要素生产率的提升作用更强，是数字技术赋能企业生产率提升的核心维度；人工智能技术、区块链技术、数字技术应用的提升作用也显著存在，但影响幅度相对略小，这一结果与中国企业数字化转型的实践现状高度契合，大数据与云计算是当前企业数字化转型中应用最广泛、赋能效应最直接的数字技术，能够有效推动企业数据资源的整合、运营效率的提升，进而促进全要素生产率的增长。
本文的分维度异质性分析，不仅验证了数字化转型整体的赋能效应，更揭示了不同数字技术维度的差异化影响，为企业制定针对性的数字化转型战略提供了经验证据，企业在数字化转型过程中，应重点发展高赋能的数字技术维度，充分释放数字技术的生产率提升效应。
七、竞争性假设排除
为确保核心结论的可靠性，排除其他竞争性因素对研究结果的干扰，本文分别从三个维度开展竞争性假设排除检验，通过子样本回归的方式，验证核心结论是否受其他竞争性因素的影响。
第一，排除高科技行业的干扰。高科技行业本身具有技术密集度高、创新能力强的特征，其全要素生产率的提升可能更多来自行业本身的技术属性，而非数字化转型的影响。为此，本文剔除了高科技行业的上市公司样本，仅保留非高科技行业的样本重新进行回归。回归结果显示，在非高科技行业样本中，数字化转型的回归系数依然显著为正，与基准回归结果保持一致，说明核心结论并非由高科技行业的技术属性导致，数字化转型对非高科技行业企业的全要素生产率同样具有显著的正向促进作用，排除了这一竞争性假设的干扰。
第二，排除企业治理水平的干扰。企业全要素生产率的提升，可能来自企业自身良好的治理水平，而非数字化转型的影响，治理水平高的企业，其数字化转型的推进效率与全要素生产率水平均可能更高。为此，本文剔除了考评结果不优秀的上市公司样本，仅保留考评结果优秀、治理水平高的企业样本重新进行回归。回归结果显示，在治理水平高的企业样本中，数字化转型的回归系数依然显著为正，说明核心结论并非由企业治理水平的差异导致，即使在治理水平高的企业中，数字化转型依然能够显著推动全要素生产率的提升，排除了这一竞争性假设的干扰。
第三，排除企业违规行为的干扰。被证监会处罚的企业，其经营管理、公司治理均存在明显的缺陷，这类企业的数字化转型推进与全要素生产率水平均可能受到显著影响，进而干扰核心结论。为此，本文剔除了样本区间内被证监会处罚的上市公司样本，仅保留未发生违规行为的企业样本重新进行回归。回归结果显示，在未发生违规行为的企业样本中，数字化转型的回归系数依然显著为正，与基准回归结果保持一致，说明核心结论并非由企业违规行为的干扰导致，数字化转型对合规经营企业的全要素生产率依然具有显著的正向促进作用，排除了这一竞争性假设的干扰。
通过上述三个维度的竞争性假设排除检验，本文有效排除了其他可能的解释因素，核心结论在不同子样本中均保持显著，进一步验证了核心结论的可靠性与稳健性。
八、机制分析：中介效应检验
基准回归结果验证了数字化转型对企业全要素生产率的正向促进作用，为进一步揭示二者间的作用路径，本文采用中介效应模型，分别检验企业内部控制水平、企业社会责任履行水平在数字化转型影响全要素生产率过程中的中介作用，探究数字化转型影响企业全要素生产率的具体机制。
本文的中介效应检验分为三个步骤开展：第一步，检验核心解释变量数字化转型对被解释变量全要素生产率的总效应，这一效应已通过基准回归得到验证；第二步，检验数字化转型对中介变量（内部控制水平、企业社会责任）的影响，若回归系数显著为正，说明数字化转型能够显著提升企业的内部控制水平与社会责任履行水平；第三步，将核心解释变量数字化转型与中介变量同时加入回归模型，检验中介变量的回归系数是否显著，同时观察核心解释变量的系数变化，判断中介效应的存在性与类型。
（一）内部控制的中介效应检验
内部控制是企业经营管理的核心制度安排，完善的内部控制体系能够有效提升企业的资源配置效率、降低经营风险、规范管理流程，进而推动企业全要素生产率的提升。本文的中介效应检验结果显示，数字化转型对企业内部控制水平的回归系数显著为正，说明数字化转型能够显著推动企业内部控制体系的完善，提升企业的内部控制水平；当同时将数字化转型与内部控制水平加入回归模型后，内部控制水平的回归系数显著为正，数字化转型的回归系数依然显著为正，且系数绝对值较基准回归有所下降，说明内部控制水平在数字化转型影响企业全要素生产率的过程中，发挥了显著的部分中介作用。
这一结果揭示了数字化转型影响企业全要素生产率的第一条作用路径：数字化转型能够通过推动企业内部控制体系的数字化升级，完善企业的内部治理与管理流程，提升企业的内部控制水平，进而有效提升企业的资源配置效率与经营管理水平，最终推动企业全要素生产率的增长。
（二）企业社会责任的中介效应检验
企业社会责任履行是企业实现可持续发展的核心内容，积极履行社会责任能够帮助企业树立良好的品牌形象、积累社会资本、提升员工凝聚力，同时能够推动企业优化生产经营模式，实现经济效益与社会效益的协同发展，进而促进企业全要素生产率的提升。本文的中介效应检验结果显示，数字化转型对企业社会责任履行水平的回归系数显著为正，说明数字化转型能够显著推动企业积极履行社会责任，提升企业的社会责任履行水平；当同时将数字化转型与企业社会责任加入回归模型后，企业社会责任的回归系数显著为正，数字化转型的回归系数依然显著为正，且系数绝对值较基准回归有所下降，说明企业社会责任在数字化转型影响企业全要素生产率的过程中，同样发挥了显著的部分中介作用。
这一结果揭示了数字化转型影响企业全要素生产率的第二条作用路径：数字化转型能够通过推动企业社会责任管理的数字化升级，帮助企业更高效地履行环境责任、社会责任、治理责任，提升企业的社会责任履行水平，进而帮助企业积累社会资本、优化经营模式，最终推动企业全要素生产率的增长。
本文的中介效应分析，有效揭示了数字化转型影响企业全要素生产率的内在作用路径，丰富了相关研究的机制分析内容，为企业充分释放数字化转型的赋能效应提供了明确的方向：企业在推进数字化转型的过程中，应同步推动内部控制体系的数字化升级，积极履行社会责任，充分发挥二者的中介作用，最大化数字化转型对全要素生产率的提升效应。
九、调节效应分析
为进一步探究不同情境下数字化转型对企业全要素生产率的差异化影响，本文构建调节效应模型，分别检验业绩反馈、产权性质、企业风险三个核心变量的调节作用，通过构建核心解释变量数字化转型与调节变量的交互项，加入回归模型，检验交互项的系数是否显著，判断调节效应的存在性与方向。
（一）业绩反馈的调节效应
业绩反馈是企业过往经营业绩的市场反馈，反映了企业的经营状况与市场认可度，业绩反馈好的企业，其数字化转型的资源投入能力、市场认可度均更高，数字化转型的赋能效应可能更强。本文的调节效应回归结果显示，业绩反馈与数字化转型的交互项系数显著为正，说明业绩反馈对数字化转型的生产率提升效应具有显著的正向调节作用，企业过往的业绩反馈越好，数字化转型对全要素生产率的正向促进作用越强。这一结果说明，良好的业绩反馈能够为企业数字化转型提供充足的资源支持与市场基础，帮助企业更高效地推进数字化转型，充分释放数字技术的赋能效应。
（二）产权性质的调节效应
产权性质是中国企业经营发展中的核心特征，国有企业与非国有企业在资源禀赋、经营目标、治理模式等方面均存在显著差异，数字化转型的赋能效应也可能存在异质性。本文的调节效应回归结果显示，产权性质与数字化转型的交互项系数显著为正，说明产权性质对数字化转型的生产率提升效应具有显著的调节作用，国有企业数字化转型对全要素生产率的正向促进作用，显著强于非国有企业。这一结果与中国企业的实践现状高度契合，国有企业在资源禀赋、政策支持、技术积累等方面均具有显著优势，能够为数字化转型提供更充足的资源与更完善的制度保障，进而更充分地释放数字化转型的赋能效应；而非国有企业在资源约束、抗风险能力等方面存在短板，数字化转型的推进效率与赋能效应受到一定限制。
（三）企业风险的调节效应
企业风险水平反映了企业经营与财务的稳定性，高风险企业的经营不确定性更高，抗风险能力更弱，数字化转型的资源投入与推进效率可能受到显著影响，进而影响数字化转型的赋能效应。本文的调节效应回归结果显示，企业风险与数字化转型的交互项系数显著为负，说明企业风险对数字化转型的生产率提升效应具有显著的负向调节作用，企业的风险水平越高，数字化转型对全要素生产率的正向促进作用越弱。这一结果说明，高风险带来的经营不确定性，会挤占企业数字化转型的资源投入，增加数字化转型的推进难度，进而削弱数字化转型的赋能效应；而经营稳定、风险水平低的企业，能够更稳定地推进数字化转型，充分释放数字技术的生产率提升效应。
本文的调节效应分析，有效揭示了不同情境下数字化转型赋能效应的异质性特征，为企业制定针对性的数字化转型战略、政府出台差异化的支持政策提供了经验证据：对于非国有企业、高风险企业，政府应出台针对性的扶持政策，降低企业数字化转型的成本与风险，助力企业推进数字化转型；企业也应结合自身的经营状况、资源禀赋，制定符合自身发展的数字化转型战略，最大化数字化转型的赋能效应。
十、研究结论与政策建议
（一）研究结论
本文以中国沪深 A 股上市公司为研究样本，系统检验了数字化转型对企业全要素生产率的影响效应，通过多种方法解决内生性问题，开展多轮稳健性检验，同时深入探究了二者间的作用路径与异质性特征，主要得到以下研究结论：
第一，数字化转型能够对中国上市公司的全要素生产率产生显著的正向促进作用，企业数字化转型水平的提升，能够显著推动企业全要素生产率的增长，这一核心结论在经过工具变量法、倾向得分匹配法、双重差分模型等内生性处理，以及安慰剂检验、关键变量替换等多轮稳健性检验后，依然保持显著，核心结论具有良好的可靠性与因果识别有效性。
第二，数字化转型的不同细分维度对企业全要素生产率的影响均显著为正，且存在明显的异质性特征：其中，大数据技术、云计算技术对企业全要素生产率的提升作用更强，是数字技术赋能企业生产率提升的核心维度；人工智能技术、区块链技术、数字技术应用的提升作用也显著存在，但影响幅度相对略小。
第三，企业内部控制水平与企业社会责任履行水平，在数字化转型影响企业全要素生产率的过程中，均发挥了显著的部分中介作用：数字化转型能够通过推动企业内部控制体系的完善、提升企业社会责任履行水平，进而促进企业全要素生产率的增长，这是数字化转型赋能企业生产率提升的两条核心作用路径。
第四，业绩反馈、产权性质、企业风险对数字化转型的生产率提升效应，均具有显著的调节作用：企业过往业绩反馈越好、产权性质为国有企业、企业风险水平越低，数字化转型对全要素生产率的正向促进作用越强，数字化转型的赋能效应在不同情境下存在显著的异质性特征。
（二）政策建议
基于本文的研究结论，结合中国企业数字化转型的实践现状，本文提出以下针对性的政策建议：
第一，企业应加快数字化转型的步伐，制定科学的数字化转型战略。企业应充分认识到数字化转型对全要素生产率的提升作用，将数字化转型纳入企业长期发展战略，结合自身的行业特征、发展阶段、资源禀赋，制定针对性的数字化转型规划；同时，应重点发展大数据、云计算等高赋能的数字技术维度，优先推进核心业务环节的数字化升级，最大化数字技术的赋能效应，充分释放数字化转型对全要素生产率的提升作用。
第二，企业应同步完善内部控制体系，积极履行社会责任，充分发挥二者的中介作用。企业在推进数字化转型的过程中，应同步推动内部控制体系的数字化升级，通过数字技术优化内部管理流程、规范经营决策、提升资源配置效率，完善企业的内部控制体系；同时，应积极履行环境责任、社会责任、治理责任，通过数字化手段提升社会责任管理的效率，树立良好的品牌形象，积累社会资本，充分发挥内部控制与社会责任的中介作用，最大化数字化转型的赋能效应。
第三，政府应出台差异化的扶持政策，为企业数字化转型提供良好的政策环境。政府应进一步完善数字经济发展的相关政策体系，加大对企业数字化转型的支持力度，尤其是针对非国有企业、高风险企业、中小微企业，应出台针对性的税收优惠、财政补贴、融资支持政策，降低企业数字化转型的成本与风险，弥补企业在资源禀赋、抗风险能力方面的短板，助力各类企业平等推进数字化转型，充分释放数字经济赋能实体经济高质量发展的整体效应。
第四，政府应加快完善数字基础设施建设，为企业数字化转型提供坚实的基础支撑。政府应进一步加大对 5G、大数据中心、云计算平台、工业互联网等新型数字基础设施的建设投入，完善数字基础设施的覆盖范围与服务能力，降低企业数字化转型的基础设施门槛，为企业推进数字化转型提供坚实的技术与基础支撑，推动数字经济与实体经济的深度融合，助力中国经济实现高质量发展。
📚第二部分——运行结果
部分代码：
rename ln数字化转型 Trans
gen IC = 内部控制指数评分/100
gen CSR = 社会责任/100
drop if 样本区间内是否ST或PT == 1
drop if 金融业 == 1
drop if missing(Trans)
drop if missing(High)
drop if missing(High_LP)
drop if missing(IC)
drop if missing(CSR)
drop if missing(id)
winsor2 High Trans IC CSR Size ROA1 Growth Lev Liquid Cashflow Top1 Board INST FirmAge,replace cut(1 99)
keep province High High_LP Trans IC CSR Size ROA1 Growth Lev Liquid Cashflow Top1 Board INST Big4 Dual FirmAge id stkcd year 数字化转型 Trans_1 Trans_2 人工智能技术 区块链技术 云计算技术 大数据技术 数字技术应用 是否高科技 考评结果是否优秀 被证监会处罚 SOE Risk Answer
save 最终数据.dta,replace
global controls Size ROA1 Growth Lev Liquid Cashflow Top1 Board INST Big4 Dual FirmAge
🎉第三部分——参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。(文章内容仅供参考，具体效果以运行结果为准)
🌈第四部分——本文完整资源下载
资料获取，更多粉丝福利，MATLAB|Simulink|Python|数据|文档等完整资源获取
本文完整资源下载
