第五节 实证结果及分析

一、基准回归

根据计量模型，本章对数据进行了基准回归分析（见表1-4）。结合上文理论分析，上期数字化收益对本期数字化转型的投资成本具有显著的正向影响，回归系数反映了投入产出弹性，在模型（1）中，没有控制企业的特征变量、企业固定效应和时间固定效应，投入产出弹性达0.0991，说明在数字化过程中，企业获得高额收益上升后，会有进一步提高数字化转型投资的激励，但是在不同所有制、数字化程度的企业中，投入产出弹性会存在一定的异质性，因此，模型（2）和模型（3）在控制了企业规模和数字化程度等表现企业特征变量的基础上，分别控制了企业所有制固定效应和时间固定效应，数字化投入产出弹性有一定程度的降低，但这些回归结果仍只能解释投资额和销售额之间的关系，无法阐述数字化产出变动额与数字化投资变动额之间的关系。继而，模型（4）至模型（6）用数字化产出对数值的差值和数字化成本对数值的差值分别替换解释变量和被解释变量，根据回归结果可以发现，数字化产出变化率对数字化投入成本变化率的弹性是显著为正的，说明在数字化收益提高的阶段，企业具有提高数字化投入的正向激励。

表1-4 基准回归

续表

然而，规模较小的中小企业是否有能力进行数字化转型、是否有能力持续进行数字化转型投资？成为研究数字化投资行为需要关注和讨论的又一重要问题。因此，根据模型（1-17）和（1-18），本研究对数字化转型投资成本和数字化收益进行了固定效应分位数回归，加入了企业上年利润额、上年信息化运维费用、上年信息化咨询费用和上年信息化培训费用，用以考察不可观测的企业间异质性差异。表1-5报告了分位数回归结果，分位点分别为10%、25%、50%、75%和90%。可以发现，在企业规模较小时，数字化投入产出弹性较高，随着企业规模增大，数字化投入产出弹性逐渐降低，原因主要来自两方面：一方面，中小企业在发展阶段，投资边际收益较高，中小企业家也更具有冒险精神，愿意增加数字化转型投资，进而寻求企业的快速成长；另一方面，亦是由于中小企业规模较小，融资能力较差，抗风险能力较低，规模较大的企业进行数字化投资对中小企业来说是一个显性的信号，给予中小企业增加数字化转型投资的激励，经营风险在这一过程中也逐步增加，从而产生了中小企业“数字化转型投资困境”，同时规模较大企业的数字化投资行为，在一定程度上对中小企业数字化转型产生了“倒逼效应”，使得中小企业不得不进行数字化转型投资。这与Zhong等（2020）等研究得出的结论是一致的。规模较大的企业成本粘性较高，抗风险能力较强，能够长期持续投入大量资本，以推动数字化管理变革，而且其ERP、MES/DCS、PLM等数字化系统应用已经从传统财务和市场营销向生产制造协同、供应链协作等方向转变，通过供应链数字化的协同效应倒逼上下游的中小企业同步进行数字化投资；中小企业数字化转型的风险承受能力较低，容易陷入“数字化转型困境”，不推进数字化转型，将在市场竞争中处于劣势地位，增加中小企业的市场经营风险，将可能不得不通过数字化转型嵌入上下游密切协作的产业链和供应链体系，由此可能导致“被动”的数字化变革成本粘性。验证了假设1。

表1-5 分位数回归

根据回归结果，各解释变量回归系数的分位数回归图如图1-3所示。可以发现：首先，根据各分位点系数可以看出，主要解释变量“数字化总收益”随着企业规模的增大逐步呈下降趋势，但当企业规模较小时，递减速度低于规模较大企业的递减速度与边际报酬率递减规律吻合。如同Schreyogg和Sydow（2011）研究所得出的结论，企业从工业化向数字化转型，需要打破工业化发展形成的各种制度依赖及其路径锁定，包括由资源属性和信息结构特征而形成的企业边界、市场基础、组织结构、市场结构等，致使企业向数字化新体系转型难度越来越大、调整速度趋慢。在实际经营过程中，规模较大的企业雇佣能力较强、专业性更强的数字化人才和劳动力，而在数字化管理变革中，人力资本呈现出显著优势，高素质劳动力团队能够降低企业为提升劳动力素质所需投资的人力资源成本。然而，雇用更高素质的劳动力，企业需要在软件、硬件、薪酬方面为劳动力提供更为优越的劳动契约条件，需要保持或者提高现有的数字化管理变革投资额度，因而在数字化转型的初期，成本规模较小的阶段，企业信息化运维费用会有一定的下降趋势，但随着成本规模逐步扩大，运维费和软硬件投资都会逐步上升，表现为较大的成本粘性。假设1再次得到验证。

图1-3 分位数回归图

二、成本粘性规律

基于上述回归结果和理论分析，探讨企业数字化投资与成本粘性的规律特征。中小企业在逐步推进数字化转型过程中，“被动”承担着逐步提高的数字化转型成本粘性，而规模较大的企业却由于较高的调整成本而产生并导致较高的成本粘性。然而，不仅是企业规模，企业数字化投入生成的成本规模亦会影响企业数字化的成本粘性。

（一）数字化总成本粘性

企业数字化转型过程并非一帆风顺，实际操作中也难以一蹴而就，这决定了企业转型过程中需要持续不断地进行投入，并对投入的资源要素进行相应的调整优化。由此，本研究对企业数字化转型成本粘性进行了固定效应面板分位数回归，以期探索由于企业数字化成本投入规模不同而导致不同成本粘性的阶段性跃迁规律，考察企业处在哪一成本规模区间会产生最高的数字化转型成本粘性（见表1-6）。可以看出企业的成本粘性呈现如下规律：当企业数字化转型的成本规模处在25%～50%之间时，企业利润增速开始大于成本增速，各类企业看到数字红利并持续进行数字化转型，即此时的成本粘性表现出有利于企业投资和发展的特征；然而，当投入数字化转型成本规模达到50%，成本粘性特征开始转变； 50%～75%区间中，成本增速逐步大于利润增速，成本粘性开始对企业产生负面影响并继续累积增加；至75%～90%区间，成本粘性增速开始放缓，并在90%左右达到所有区间的成本粘性峰值；此后，企业数字化转型成本粘性出现缓慢下降趋势。假设2得到验证。

表1-6 分位数回归——成本粘性

随着企业成本规模不断扩大至中等左右水平，数字化程度和成本粘性同步提升，企业体会到了数字化转型的红利，大量企业蜂拥而至，同时得益于企业对于如何进行数字化转型和管理的部分实践经验，此时的成本粘性呈现出有利于企业发展的特征；然而，随着数字化投资的持续增加，企业并没有充分完成数字化转型投资结构调整，成本粘性对企业的负面影响开始显现并逐步累积增加。根据资源调整成本理论，资产调整成本、生产能力适配等是成本粘性的重要原因之一（Anderson et al.，2003；Banker，2011），资产专用性限制导致部分装备和设备用途在较长时间内被锁定，数字化转型所产生的调整成本相对较高，而且转型期固定资产难以得到有效利用（李婉红和王帆，2021）。企业特别是离散型制造企业面对柔性化生产的市场需求，需要对工业机理、工艺流程、模型方法、MES、SCM等信息系统等进行相应调整，解决不同软硬件系统存在的分割现象，以及自动化装备的通信协议统一、数据接口标准规范、数据采集和硬件通信问题，以有效支撑复杂数据分析和数字化技术迭代，特别是面对数字化的跨体系转型，企业需要反复探索并选择与自身相适应的运营转型方式，产品和服务的市场供给需要从企业主导转变为企业与用户互动、数据集成的模式，这种调整机制可能比劳动力配置的调整更为复杂，调整带来的边际成本变动幅度可能高于后者。更进一步地分析，这一区间的企业在数字化转型前期产生了大量转型成本投资后，很难短期内迅速回收成本，成本粘性迫使企业必须进一步扩大数字化转型投资；中等规模的企业在面临较大市场竞争压力时，数字化转型却能提高企业管理效率，面临“投资风险高，不投资即等死”的两难境地，表现出较大的数字化转型成本粘性，当企业追逐数字化转型带来的红利逐步加大投入时，出现了投资成本越来越高、利润越来越薄的成本粘性负向特征。

图1-4 粘性分位数回归图

与此同时，从图1-4还可以发现：随着企业数字化成本规模扩大，数字化转型投资逐步提高，无论成本粘性高低，企业的数字化盈利能力均呈现逐步上升的趋势。同时解释了为什么在数字化转型投资前期无法带来收益，并且还会产生大量不可回收或者回收价值较低的沉没成本的情况下，企业依然愿意进行数字化管理变革的原因。数字化管理变革能够为企业预期收益带来的较大增幅给企业释放了一个正向信号，促使企业有倾向并开始投资于数字化转型活动，此时成本粘性又通过上述规律作用于企业，推动其不断扩大数字化投资规模，最终激发企业实现全程的数字化转型和管理变革。

（二）数字化运营成本粘性

进一步，对企业数字化转型成本进行细分，其中的运营成本过高是大中规模的企业数字化转型面临的主要问题之一。初期，数字化、信息化管理系统的应用推动了管理经营模式的变革，与此同时，员工与系统之间、部门之间配合的磨合时间，新系统的业务管理费用、使用管理费用等随之增加，需要企业不断投入转型成本，表现出较高的粘性特征。随着数字化管理系统的逐步应用，企业进入数字化转型的“红利期”（刘淑春等，2021），企业产生了不断扩大数字化规模，推动数字化转型的动力，企业数字化转型成本粘性亦同步提高。粘性的非线性上升特征，一方面帮助企业进入“引进—应用—增效—再引进、再升级”的良性循环，逐步扩大数字化转型的先行优势；另一方面也提升了企业运营成本压力，部分企业由于数字化转型带来的较高的财务压力、财务风险，以及宏观经济系统性风险规避和抵抗能力的降低，为企业长期可持续经营埋下了隐患。

具体而言，即便在企业规模较小时，运营成本已表现出较强的粘性特征（见表1-7）。从表1-7可以看出，企业数字化转型的成本规模在10%～50%分位区间时，运营成本粘性特征逐步降低，至50%～90%分位点区间，运营成本粘性逐步上升。运营成本规模较小的时候，企业主要通过上云、设备联网、销售端或采购端电商化等来解决数字化技术运用问题，生产装备数控化、设备智能化升级相关的投入规模相对比较有限，运营调整成本相对较低（Poston and Grabski， 2001）；然而随着企业逐渐追加数字化投资，投入成本规模逐渐增加，升级或新上的硬件设备和装备数量不断增加，这需要企业对人机协作的工艺流程、业务流程、管理流程、质控流程等进行系统的数字化设计，推动不同装备、不同设备之间进行数据实时交互与协同生产，同时扩展与之匹配的数字孪生建模、仿真模拟、边缘计算、系统集成等专业服务，可能导致业务量上升时的成本增加幅度要高于业务量下降时的成本降低幅度，即随着企业数字化投入规模的不断扩大，成本粘性可能得到进一步强化。

表1-7 分位数回归——运营成本

（三）数字化劳动力成本粘性

企业数字化人才及储备是数字化转型的基础，相较于传统意义上由于员工薪酬带来的成本粘性，较高的员工数字化培训成本带来的劳动力成本粘性成为企业数字化转型的重要特征。本研究使用数字化培训成本作为代理变量分析数字化转型的劳动力成本粘性特征。与运营成本不同，数字化水平较低的企业需要投入较高的培训成本，用以实现经营管理团队的人力资本结构与企业数字化经营管理模式的匹配，随着转型过程的不断推进，数字化人才流动性增强，企业能够在劳动力市场上直接雇用到拥有相关工作经验和技能的数字化人才，劳动力成本粘性逐步降低。值得注意的是，随着数字化转型的进一步深入，专业化、多元化与创新性逐步成了企业转型的核心利益诉求，企业需要投入较高的工作技能培训成本，优化企业人力资本结构，进而导致数字化劳动力成本粘性的逐步增加。根据分位数回归结果（见表1-8）不难看出，虽然总成本、劳动力成本和运营成本粘性变动趋势基本相同，但劳动力成本在25%～50%分位区间中，并未表现出显著的粘性特征，验证了上文分析。这也说明，企业仅以技术导向进行数字化转型，已无法最大化发挥数字化转型带来的优势，需要以转型需求和劳动力业务能力适配为目标，重构企业数字化模式。

表1-8 分位数回归——劳动力成本

三、稳健性分析

上述回归分析结果证明了本研究的理论分析和部分假设，但仍然存在行业异质性、未捕捉到的企业异质性所带来的回归偏误，本研究分别针对这些问题进行了稳健性分析，并根据回归结果进行了进一步的讨论。

（一）稳健性检验1——未捕捉信息

企业数字化转型的软硬件投资在成本中占有较大比重。有趣的是，考察捕捉企业数字化软硬件投资上的异质性信息后，成本粘性是否会与上述研究结果有异。因此，本章根据计量模型（1-18），适当调整控制变量，以更好地捕捉无法观测的信息，减少由于固定效应带来的估计偏差；同时，为了更多保留样本信息，本研究对控制变量不做对数处理。具体而言，加入企业本年度对于信息化咨询费、运维费、数字化软件投资和数字化培训费用的预算额，用于捕捉难以观测到的企业关于数字化转型的投资偏好，从而进一步考察在控制住这些企业特征后，企业数字化转型的成本粘性变化情况，看回归结果与变动趋势（见表1-9）。结果表明，成本粘性的回归系数表现出与基准回归相似的特征，基准回归结果稳健。

表1-9 稳健性检验3——增加控制变量

（二）稳健性检验2——广义分位数回归及内生性初探

为了克服基本分位数回归中条件期望方程可能带来的估计偏误，本研究对基准回归进行了广义分位数回归。本研究选取生产装备数和数控装备数作为外生变量捕捉企业本身具有的生产规模特征，回归结果见表1-10。对比表1-5回归系数，使用非条件期望估计方法，捕捉了企业生产规模特征条件下的回归系数有所升高，但变化趋势基本一致。进一步分析可以发现，数字化成本额在10%～25%区间时，收益额对成本额的影响较小，其原因在于较低的成本额使企业依然能够更加自由地调整自身投资结构，从而表现出较低的成本粘性特征，并且企业投资粘性在整体分布表现出的异质性特征与基准回归中关于粘性的分位数回归结果基本相同。因此表明，基准回归结果稳健；同时也从侧面验证了企业的生产规模在管理层制定数字化转型投资决策中的重要性。

Powell（2020）认为，可以在广义分位数回归模型中指定工具变量以处理内生性问题，其对解决粘性模型分位数回归中的内生性问题具有一定借鉴意义，参考这一方法，根据粘性模型测算公式，假设drev和decline均为控制变量，用以研究粘性的变动特征，选取两年内是否有SCM项目升级计划（有，dum_scmup=1；其他，dum_scmup=0）作为工具变量进行回归分析。

表1-10 广义分位数回归

（三）稳健性检验3——剔除金融扶持政策效果

结合实地调研情况看，示范区积极推动金融服务创新，建立“数字金融大脑”等金融信息综合服务平台，推动“一对一”金融服务模式，扩宽了中小企业融资渠道，有效缓解了中小企业融资难的问题。这一改革措施不仅能助力中小企业突破发展瓶颈，还可能影响或降低数字化转型过程中的成本粘性。为了剔除这一金融扶持政策的长期效应，本章构建了时间虚拟变量（2018年以后取1，其余取0），与粘性指标构建交互项，表1-11报告了回归结果。对比基准回归和表1-11模型（1）与模型（2）的回归结果可以发现，在剔除金融扶持政策后，尽管10%和25%分位点的粘性下降明显，但仍然显著，说明金融扶持政策在一定程度上缓解了中小企业数字化转型的资金压力，而在50%分位点以上的测算结果与表1-6回归结果相似，因此，可以认为本章的回归结果是稳健的。

表1-11 面板分位数回归

四、内生性问题

虽然广义分位数回归方法可以在一定程度上克服内生性问题，但作为因果推断的前沿计量方法，其估计量存在渐进分布，无法根据广义分位数回归结果解释剔除内生性后变量之间的因果关系。因此，Chernozhukov和Hansen（2008）提出工具变量分位数回归方法对内生性问题进行处理，但由于该方法在多工具变量情况下运用OLS进行估计存在一定偏误，以至提出后在很长一段时间未得到广泛应用，直到Machado和Silva（2019）提出运用矩估计进行分位数回归解决了存在的潜在问题。SCM升级计划作为企业自身战略决策，虽然通过了工具变量检验，但仍无法避免可能的内生性。因此，为了保证回归结果的无偏性，本研究引入市辖区道路面积作为工具变量，运用工具变量分位数回归方法对内生性问题进行处理。由于这一方法本质上仍然是两阶段最小二乘法，因此，表1-12第一列报告了两阶段最小二乘法的估计结果，通过系数对比，能够更直观地看出粘性的变化特征，且报告了过度识别检验（sargon test=0.9547），弱工具变量检验（Cragg-Donald Wald F statistic=17.613），不可识别检验（Anderson canon. corr. LM statistic=20.420，P-value=0.000）和外生性检验（F-test=17.61，P-value=0.000）等相应指标。对比后5列回归结果可以发现，50%分位点之前，企业数字化成本粘性相对较低，且呈现快速上涨趋势；50%分位之后成本粘性上涨速度逐渐放缓，进一步印证了本章提出的由于投资规模逐步增大而带来的“数字化转型困境”。

对比表1-6可以发现，处理了内生性问题后，企业成本粘性有所上升，且在表1-6的回归模型中进一步引入市辖区道路面积作为工具变量，回归系数显著增加，一方面表明本研究的基准回归结果稳健可信；另一方面也证明了企业存在潜在的数字化转型成本粘性，但工具变量法仅能从某一方面控制住内生性问题，商业活动这一“黑匣子”的影响因素和影响机制仍需进一步探索和研究分析。

表1-12 内生性处理

五、滞后效应

数字化转型具有高投入、高风险、变现慢等持续性特征（Costa and Habib， 2020），为了解决滞后效应带来的反向因果问题，同时解决内生性问题，参考Anderson（2003）和Chen等（2012）的研究方法，引入滞后项，同时运用工具变量分位数回归方法探索由于企业数字化成本投入规模在时序上的差异而导致的不同成本粘性问题，考察企业处在哪一成本规模区间会产生最高的数字化转型成本粘性，模型如下：

其中，growth代表企业所在地级市GDP增长率。

由表1-13可知，当企业的成本规模在10%～50%区间时，其对上一期的营收状况和宏观因素十分敏感，但并未对滞后一期的营收状况表现出明显的粘性特征。主要原因有二：一是这一规模区间的企业多数为私营企业，在供给侧结构性改革和银保监部门推出“四三三十”专项治理活动背景下，融资渠道收紧，中小规模企业，尤其是处于供应链中下游的私营企业，无法承托大规模的数字化转型成本和潜在风险，因此，在进行初级的数字化转型后，中小规模企业会选择放缓甚至停止数字化转型进程，在一定程度上规避了风险，因此，在10%～25%分位点处企业并未表现出数字化粘性（drev回归系数不显著，stick回归系数显著）。这一回归结果反映了中小企业普遍数字化程度较低这一现实情况。二是私营企业抗风险能力较差，对营收状况更为敏感，面对数字化转型决策时更加谨慎，如果投入过多影响企业现金流，会对企业造成致命影响；如果投入过少，达不到数字化转型的应有效果，中小规模企业“不敢投、不敢转”，粘性出现并有所波动，但并未表现出较高的粘性特征。而中等成本规模企业，不仅面临融资不足且困难的问题，而且在数字化转型前期产生了大量转型成本投资后，很难短期内迅速回收成本，成本粘性迫使企业进一步扩大数字化转型投资，即在75%分位点处企业开始表现出较强的数字化成本粘性；中等规模企业在面临较大市场竞争压力时，数字化转型却能提高企业管理效率，因而面临“投资风险高，不投资即等死”的两难境地，表现出较大的数字化转型成本粘性，这一推论与表1-13中模型（5）的回归结果相契合。当企业到达中间规模拐点时，粘性由正向影响转变为负向影响，企业开始面临是“坐以待毙”，还是“破釜沉舟”的抉择，进而，随着企业数字化规模的逐步扩大，在75%～90%分位点上，企业不仅表现出明显的成本粘性特征，同时也表现出对宏观经济变动十分敏感的弹性特征，主要原因可能在于，随着企业成本规模的不断扩大，数字化程度和成本粘性同步提升，企业对于如何进行数字化转型和管理虽然已经有了较为丰富的实践经验，有意识并有能力开始调整企业的数字化转型投资结构，但企业发展同时也对数字化转型产生高度依赖，管理者为寻求企业进一步发展，提升产品附加值和市场竞争力等，更不得不增加数字化转型投资，包括软硬件升级、数字化咨询等，以期更快获取数字化转型红利，因此，在大中型企业中数字化转型粘性受到“正反”两个效应的双向影响，宏观经济发展对数字化转型粘性具有一定的缓释作用。

表1-13 滞后效应

六、生产能力

企业规模差异决定了生产能力的异质性差异，那么，企业是否存在由于生产能力差异导致的数字化转型成本粘性需要进一步探讨。数字化转型是一个系统化过程，是对企业生产能力的转型升级，因此无法准确确定相对应的收益和成本变化等的实际雇员数（如企业进行ERP项目升级，尽管升级的主要对象为财务部，应用了新会计软件，采购、生产、财务、投融资、管理等跨部门相关人员都需要进行相关培训，但并非所有企业人员均需进行此培训）。即无法满足已有研究中的隐含假设，即投资作用于所有雇员，这是分工更加明晰带来的结果。因此，本研究参考Anderson（2003）和Chen等（2012）的研究，选取数字化设备密度作为代理变量，运用工具变量分位数回归方法进行分析，模型设定如下：

回归结果如表1-14所示。企业在所有分位点处都对数控设备密度表现出较高的敏感性，对比表1-13可以发现，从25%分位点处开始，企业表现出显著且递增的粘性特征，且宏观经济波动对数控装备密度的影响也在逐步加强，直到90%分位点处，企业对于数控装备密度的依赖程度才逐渐减弱直至消失。主要原因在于：数控化设备密度是企业数字化转型的重要组成部分和数字化程度的重要体现，中小企业资金储备少，风险承担能力较差，购买数控设备会给企业现金流带来一定压力，租赁设备成为中小企业进行数字化转型的一种可行手段；中等规模和较大规模的企业，为了获得技术优势，会选择购买或研发新型的数控设备等；当数字化转型程度较低或市场设备成本较高时，企业会选择租赁或买入设备从而开始企业的数字化转型进程，但随着数字化投入的逐步扩大，现有数控设备对特定升级的刚性需求导致更换成本的大幅提升，即表现出递增的成本粘性特征；当企业发展到足够规模后（90%分位点左右），技术储备较为丰富，专业化程度逐步提高，管理者储备了较为丰富的实践经验，有意识且有能力调整企业的数字化转型投资结构，对绝对数控设备的依赖程度逐步降低，生产能力带来的粘性特征也在同步减弱，直至摆脱数字化设备带来的“粘性陷阱”。

表1-14 生产能力回归结果