一、引言

在新一代数字技术与实体经济融合发展的背景下，企业数字化转型呈现出显著的同群效应，逐渐从个体探索演变为行业协同实践。党的二十届四中全会明确提出“推动科技创新和产业创新深度融合，一体推进教育科技人才发展，深入推进数字中国建设”，从战略层面为数字化转型提供了制度保障，并明确了以创新融合驱动数字变革的方向指引。然而，在实践过程中，不少企业受制于高投入、长周期与技术路径的不确定性，^[1]陷入“不会转、不愿转、不敢转”的转型困境。数字化转型同群效应既为企业突破转型瓶颈提供了重要应对机制，即通过观察、模仿与学习行业领先者实践，促进知识外溢、降低试错成本，进而重塑竞争格局，^[2]也为理解企业全要素生产率提升机制提供了新视角。因此，系统考察数字化转型同群效应，对揭示数字技术赋能路径、提升企业全要素生产率具有重要的理论价值与现实紧迫性。

现有研究主要围绕数字化转型同群效应的形成机制、路径特征以及经济后果展开探讨。在形成机制方面，信息获取与竞争模仿是驱动数字化转型同群效应的关键动因；^[3]资源基础与动态能力处于中位水平的企业，因兼具模仿动机与模仿能力，更易形成数字化转型同群效应；^[4]供应链共同股权网络、独立董事连锁网络等结构性嵌入，^[5][6]能够通过缓解垂直摩擦、强化信息传递与资源协同，为数字化转型同群效应的实现提供组织基础。在路径特征方面，企业间的网络联结是驱动数字化转型同群效应扩散的重要渠道。连锁董事网络形成的企业间正式的治理关联以及共享审计师所形成的非正式信息渠道，^[7][8]构成数字化转型同群效应在组织间溢出的微观通道；行业网络与相对位置网络的多重网络关联进一步塑造了数字化转型同群效应的结构化扩散特征。^[9]在经济后果方面，数字化转型同群效应不仅通过加剧行业竞争激发企业创新投入、^[10]借助降低业绩期望差距与提升服务化水平的差异化传导机制，促进企业双元创新行为，^[11]还通过行业同群效应增强企业创新能力、地区同群效应提升服务化水平，助力企业高质量发展，^[12]并通过缓解企业内部代理成本与外部融资约束，助力深入开拓企业国际化深度。^[13]尽管上述研究为理解数字化转型同群效应的存在性与基本路径提供了坚实基础，且已初步证实数字化转型同群效应对企业创新行为的促进作用，但大多聚焦于创新投入这一中间过程，鲜有研究将其与最终的价值实现——全要素生产率——进行直接而系统的理论联结。创新投入是手段，全要素生产率才是衡量资源配置效率与技术转化能力的核心标尺。

因此，为厘清数字化转型同群效应影响企业全要素生产率的内在机理与边界条件，有必要构建一个整合外部机制与内部转化过程的理论分析框架。本研究基于马歇尔外部性理论，以2014—2023年A股上市公司为样本，系统检验数字化转型同群效应对全要素生产率的影响，揭示持续性创新投入的中介机制及政府补助的调节作用。本研究的边际贡献在于：第一，深化对数字化转型同群效应价值创造机制的理解，从外部性视角系统阐释影响企业全要素生产率的内在逻辑，超越了现有研究对创新投入或财务绩效的关注；第二，揭示持续性创新投入在知识溢出转化为企业优势过程中的关键中介作用，区别于外部压力机制，阐明内部能力构建对数字化转型同群效应转化的重要性；第三，将研究边界从企业内部拓展至外部制度环境，厘清政府补助在数字化转型同群效应中的资源赋能效应，拓展马歇尔外部性理论在数字化转型情境下的认知边界，为企业优化创新资源配置和提升全要素生产率提供实证依据。

二、理论基础与研究假设

在数字经济与实体经济深度融合的背景下，数字化转型同群效应正通过知识外溢、竞争模仿与协同创新等方式，深刻塑造着企业行为与绩效表现。全要素生产率作为衡量企业资源配置效率与技术进步贡献的核心指标，已成为评估数字化转型成效与高质量发展水平的关键依据。因此，本研究基于马歇尔外部性理论深入探讨数字化转型同群效应与企业全要素生产率的内在联系，分析其潜在的作用机制，并提出相应的研究假设。

(一) 理论基础

马歇尔外部性理论系统阐释了同类企业在地理或技术上集聚所形成的外部性机制。^[14]该理论指出，行业集聚所带来的外部经济主要体现在三个方面：一是劳动力“蓄水池”效应，即企业能够更便捷地获取和匹配专业化人力资源，显著降低劳动力搜寻与适配成本，提升要素配置效率；二是中间投入与专业服务的规模经济效应，通过共享市场与深化分工，有效降低企业中间品采购与协作成本，形成价格与效率优势；三是技术与知识外溢效应，基于行业内企业在技术路径与知识结构上的关联性与邻近性，^[15]促进新技术、新经验在群体内的流动、模仿与扩散，为整体行业的创新活力与效率提升提供持续动力。在这一理论视角下，研究认为，数字化转型同群效应在本质上是马歇尔技术外部性在数字时代的体现，通过行业内部的知识溢出与经验模仿，影响企业持续性创新投入并最终作用于全要素生产率。政府补助作为政策工具，通过缓解企业面临的资源约束并增强企业对外部数字知识的吸收与转化能力，强化“数字化转型同群效应→持续性创新投入→全要素生产率”的传导路径，助力企业实现外部性的有效内部化。

(二) 研究假设 1、数字化转型同群效应与企业全要素生产率

在数字化背景下，企业个体的转型决策并非孤立进行的，当行业内部分企业率先启动数字化转型并取得成效时，就会形成显著的参照与牵引力量，驱动同群企业跟进，从而产生数字化转型同群效应。^[16]这种效应可在技术创新和运营资源维度有效推动企业全要素生产率的提升。

首先，在技术创新维度，数字化转型同群效应扮演高效技术扩散媒介的角色。^[17]当行业领先者通过部署数据中台、人工智能等先进技术显著提升运营效能时，会产生显著示范效应并加剧行业竞争压力。为维持或重建相对竞争优势，后发企业更倾向于模仿并采用已被验证的数字化转型路径。在此过程中，同群企业中那些率先完成数字化转型的企业，其数字化架构、算法模型、数据治理方案等隐性知识会通过人才流动、技术交流、供应链协同等渠道溢出，降低后发企业的探索成本与试错风险。通过这一知识外溢与模仿学习机制，后发企业能够在数据要素化与智能技术渗透过程中提升技术吸收与转化效率，进而推动全要素生产率的提升。同时，数字化转型同群效应还重构了企业的创新范式：在观念层面，促使企业突破传统观念，确立新的技术规范与运行模式；^[18]在行为层面，推动企业向开放式创新转型，积极寻求外部协同并高效利用已吸纳经验以催生突破性技术与成果，^[19]为提升企业全要素生产率奠定基础。

其次，在运营资源维度，数字化转型同群效应通过提升企业内外部协同效率与资源配置效率，为全要素生产率的提升提供重要路径。其一，数字化转型同群效应强化了供应链体系的协同功能，即借助信息传递与动态竞争机制，推动供应链企业开展协同创新，^[20]促使知识、技术与需求信息在供应链网络中实现高效流动与深度应用，从而优化生产流程，并在更广的范围内实现要素的再配置，积极影响企业全要素生产率。其二，数字化转型同群效应通过增强产业链、供应链的主体韧性与结构韧性，^[21]显著提高供需匹配精度与交易稳定性，降低外部冲击引发的生产中断风险与内外部协调成本，为全要素生产率的持续提升构建更为稳定且高效的外部协同环境。据此，本研究提出如下假设：

H1：数字化转型同群效应对企业全要素生产率具有正向效用。

2、持续性创新投入的中介作用

企业间数字化转型同群效应所带来的知识溢出往往是碎片化、非标准化的，若不被持续吸收、验证、再创新，将很快因技术迭代而贬值。持续性创新投入作为实现知识内部化、维持技术迭代并深化数字能力的核心机制，强调跨期知识积累与技术迭代能力，能将数字化转型同群效应带来的外部知识转化为可重复使用的数字资产与动态能力，最终实现全要素生产率的持续增长。

从机制上看，数字化转型同群效应通过营造有利于创新的外部环境，为企业进行持续性创新投入提供关键支撑。其一，随着数字化转型同群效应的发展，会催生对数字技术人才的庞大需求，从而形成“数字化人才蓄水池”。^[22]这种劳动力市场的共享机制显著降低了企业寻找、匹配和雇佣数字化研发人员的搜寻与交易成本，保障了创新人力资本的稳定供给，激发了持续性创新投入的动力。其二，数字化转型同群效应会吸引并培育出专业的数字化软硬件供应商，从而降低专业化中间投入品的成本，推动行业数字基础设施的共建共享，进一步提升创新要素的配置效率。^[10]其三，数字化转型同群效应会促进行业知识的标准化与可编辑性，加速知识在集群内的流动与创造，^[23]降低创新不确定性，使企业加强持续性创新投入。

在此基础上，持续性创新投入通过构建与强化企业动态能力，能够推动外部知识向全要素生产率的有效转化。一方面，持续性创新投入通过提升知识场活性，促进内外部知识的流动、整合与创造，增强企业的知识吸收与转化效率；^[24]另一方面，持续性创新投入通过优化成本性态，降低创新过程中的调整成本与沉没成本效应，并利用产业环境动态性强化知识外溢的内部化能力。^[25]

综上所述，数字化转型同群效应能够通过营造有利的创新环境，激励企业增加持续性创新投入，进而提升企业全要素生产率水平。据此，本研究提出如下假设：

H2：持续性创新投入在数字化转型同群效应与企业全要素生产率之间发挥中介作用。

3、政府补助的调节作用

根据马歇尔外部性理论，企业间的知识外溢与策略互动是形成数字化转型同群效应的关键基础。然而，在数字化转型过程中，知识外溢具有典型的正外部性特征，企业个体在进行数字化转型决策时无法完全内化其产生的全部社会收益，从而导致转型投入低于社会最优水平，甚至引发“市场失灵”的严重后果。此时，政府补助作为重要的政策工具，能够通过矫正外部性带来的市场扭曲，发挥关键的调节效应。

政府补助的调节效应主要体现在以下三个层面。第一，政府补助通过直接的资金支持，缓解企业在数字化转型初期面临的融资约束，^[26]降低企业响应数字化转型同群效应的边际成本，从而激励企业提高数字化转型的投入水平，增强企业吸收和利用同群知识溢出的能力，放大数字化转型同群效应对企业全要素生产率的积极效果。第二，政府补助通过信号传递功能，向市场传递积极信息，吸引更多社会资本注入，^[27]不仅能够部分实现正外部性的内部化，保障数字化转型企业的合理回报，更能优化企业整体的创新资源供给，强化数字化转型同群效应对全要素生产率的提升作用。第三，政府补助通常与区域产业发展规划相协同，其政策导向能够引导同群企业的转型方向趋于一致，^[28]增强知识溢出的针对性和有效性，促进形成行业协同数字化转型的规模效应，从而将数字化转型同群效应更有效地转化为企业全要素生产率的提升。

综上所述，政府补助能够从资源支持、信号传递与政策协同三个层面系统地调节数字化转型同群效应与企业全要素生产率之间的关系。据此，本研究提出如下假设：

H3：政府补助在数字化转型同群效应与企业全要素生产率之间发挥调节作用。

4、政府补助对中介效应的调节作用

政府补助作为关键的政策性资源，不仅直接缓解企业在数字化转型过程中面临的资源约束，还在“数字化转型同群效应→持续性创新投入→全要素生产率”的传导路径中发挥系统的调节作用。政府支持兼具资源供给与制度保障的双重功能，其调节效应的实现依托于对企业内外部创新条件的系统性优化与制度性重塑。^[29]

第一，在“数字化转型同群效应→持续性创新投入”中，政府补助通过双重机制增强数字化转型同群效应对持续性创新投入的促进作用。其一，数字化转型同群效应所产生的知识外溢与技术模仿，要求企业具备相应的资源基础以完成吸收、重构与再创新。^[30]在此基础上，政府的资金注入能够有效缓解企业研发面临的流动性约束，构建更为稳固的创新资源基础，从而强化数字化转型同群效应对持续性创新投入的赋能效果。其二，作为明确的政策信号，政府补助可提升企业对数字化转型回报预期的稳定性，增强企业对外部知识溢出进行识别、学习与转化的投入意愿和动力。^[31]由此，政府补助在数字化转型同群效应与持续性创新投入之间发挥着重要调节作用。

第二，在“持续性创新投入→企业全要素生产率”中，政府补助通过优化创新资源配置，提升成果转化效率，进一步强化持续性创新投入对全要素生产率的推动效果。持续性创新投入虽为企业能力构建提供基础，但其向全要素生产率的转化效率仍受到组织吸收能力、市场波动与创新风险等因素的制约。政府补助通过降低企业研发过程中的不确定性与沉没成本，引导企业将资源集中配置在兼具战略协同性与技术前瞻性的领域，^[32]尤其是在补助政策与区域产业规划相协调的情形下，能够有效提升研发活动与市场需求的契合度，增强创新成果的市场转化能力。由此可见，政府补助在持续性创新投入与全要素生产率之间扮演着关键的调节角色。据此，本研究提出如下假设：

H4：政府补助在数字化转型同群效应与持续性创新投入之间发挥正向调节作用。

H5：政府补助在持续性创新投入与企业全要素生产率之间发挥正向调节作用。

三、研究设计

为系统检验数字化转型同群效应对企业全要素生产率的影响及其内在机制，需基于前文理论分析构建实证研究框架。研究选择了适当的样本、数据和变量。在控制公司基本特征和治理结构的前提下，进一步控制个体、时间和行业固定效应，这将有效减少估计结果误差，有助于更准确地评估研究假设的有效性，从而提高研究结果的可靠性和科学性。

(一) 数据选取及处理

研究以2014—2023年中国A股上市公司为原始样本，剔除ST、^*ST类公司与数据严重缺失公司，且为避免异常值的影响，对所有连续变量采用1%和99%的缩尾处理。最终得到21714个样本观测值。数据均来源于国泰安数据中心(CSMAR)以及各上市公司年报，并根据证监会2012年行业分类标准对公司进行行业分类。

(二) 计量模型设定

为检验数字化转型同群效应对企业全要素生产率的直接影响，构建基准回归模型如下：

$T F P_{i j t}=\alpha_{0}+\alpha_{1} {Peer} D T_{i j t}+\alpha_{2} Controls _{i j t}+\alpha_{3} year _{t}+\alpha_{4} i d_{i}+\alpha_{5} Ind _{j}+\varepsilon_{i j t}$

(1)

其中，TFP_ijt为企业全要素生产率，PeerDT_ijt为数字化转型同群效应，Controls_ijt为控制变量合集，ε_ijt为随机扰动项。本模型同时控制个体、时间和行业固定效应。若系数α₁显著，则验证假设H1。

为探究数字化转型同群效应与企业全要素生产率的影响机制，参考温忠麟和叶宝娟的三步法，^[33]构建中介效应模型如下：

$M_{i j t}=\beta_{0}+\beta_{1} PeerDT { }_{i j t}+\beta_{2} Controls _{i j t}+\beta_{3} year _{t}+\beta_{4} i d_{i}+\beta_{5} Ind _{j}+\varepsilon_{i j t}$

(2)

$T F P_{i j t}=\delta_{0}+\delta_{1} M_{i j t}+\delta_{2} Controls _{i j t}+\delta_{3} year _{t}+\delta_{4} i d_{i}+\delta_{5} Ind _{j}+\varepsilon_{i j t}$

(3)

$T F P_{i j t}=\eta_{0}+\eta_{1} {Peer} D T_{i j t}+\eta_{2} M_{i j t}+\eta_{3} Controls _{i j t}+\eta_{4} year _{t}+\eta_{5} i d_{i}+\eta_{6} Ind _{j}+\varepsilon_{i j t}$

(4)

其中，M_ijt为中介变量企业持续性创新投入，其余变量定义与模型(1)保持一致。若模型(2)中的系数β₁显著，且模型(4)中的系数η₂显著，则验证假设H2。

为进一步考察政府补助的调节作用，构建以下模型：

$\begin{array}{l}\ \ \ \ \ \ \ \ T F P_{i j t}=\gamma_{0}+\gamma_{1} {Peer} D T_{i j t}+\gamma_{2} U_{i j t}+\gamma_{3} {Peer} D T_{i j t} \times U_{i j t}+\gamma_{4} Controls _{i j t}+\gamma_{5} year _{t}+\gamma_{6} i d_{i}+\gamma_{7} Ind _{j} \\ +\varepsilon_{i j t}\end{array}$

(5)

$M_{i j t}=\lambda_{0}+\lambda_{1} {Peer} D T_{i j t}+\lambda_{2} U_{i j t}+\lambda_{3} {Peer} D T_{i j t} \times U_{i j t}+\lambda_{4} Controls _{i j t}+\lambda_{5} year _{t}+\lambda_{6} i d_{i}+\lambda_{7} Ind _{j}+\varepsilon_{i j t}$

(6)

$ \begin{array}{l} \ \ \ \ \ \ \ \ T F P_{i j t}=\mu_{0}+\mu_{1} {Peer} D T_{i j t}+\mu_{2} U_{i j t}+\mu_{3} {Peer} D T_{i j t} \times U_{i j t}+\mu_{4} M_{i j t}+\mu_{5} M_{i j t} \times U_{i j t}+\mu_{6} {Controls}_{i j t}+\mu_{7} \\ year _{t}+\mu_{8} i d_{i}+\mu_{9} Ind _{j}+\varepsilon_{i j t} \end{array}$

(7)

其中，U_ijt为调节变量政府补助。根据温忠麟等的研究，^[34]首先验证直接调节效应，若模型(5)中系数γ₃显著，则说明政府补助对数字化转型同群效应影响企业全要素生产率的直接路径具有调节效应，可以验证假设H3。然后，通过模型(6)和模型(7)验证有调节的中介效应。若模型(6)中系数λ₃显著，则说明政府补助正向调节数字化转型同群效应对企业持续性创新投入的促进作用，即验证假设H4。若模型(7)中系数μ₅显著，则说明政府补助能够增强企业持续性创新投入对全要素生产率的积极影响，即验证假设H5。

(三) 变量选取与测度 1、被解释变量：企业全要素生产率

为准确衡量企业资源配置效率与技术转化能力，本研究采用全要素生产率作为核心产出指标。在测算方法上，主要参考Levinsohn、赵宸宇等的研究，^[35][36]采用LP法对全要素生产率进行测算。同时，借鉴Olley和Pakes的研究，^[37]采用OP法进行稳健性检验。陈茹等指出，LP法凭借其中间投入代理变量的敏感性及更优的数据基础，能够有效处理零投资样本，规避OP法的断尾偏差，获得更准确、更全面的TFP估计结果。^[38]

2、核心解释变量：数字化转型同群效应

数字化转型同群效应反映了行业内部的知识外溢与竞争模仿强度。首先，对企业数字化转型水平进行测度。借鉴吴非等构建的企业数字化转型特征词库，^[39]采用Python软件对全部A股上市企业年度报告文本进行抓取与处理，通过文本匹配技术统计特征词在年报中出现的频次，并将各特征词的词频加总，得到企业数字化转型的初始词频指标。为缓解词频数据可能存在的右偏分布问题，对总词频数值加1后取自然对数，形成企业数字化转型(DT)指标。其次，依据同群效应理论，界定“行业同群企业”范围。参考杨松令、Grennan等的做法，^[40][41]将与焦点企业所处同一行业内的其他企业识别为行业同群企业。最后，基于上述界定，构建数字化转型同群效应指标。以上一步得到的各企业数字化转型(DT)指标为基础，计算焦点企业所在行业内除自身外其他所有企业数字化转型水平的算术平均值，该均值即为数字化转型同群效应(PeerDT)的最终测度结果。

3、中介变量：持续性创新投入

持续性创新投入强调研发活动的跨期积累与技术迭代能力。为区别于传统的单期研发投入指标，本研究参照Triguero、杨仁发等的研究思路，^[42][43]从创新投入的规模与增长动态两个维度进行综合衡量。其中，创新投入的规模以企业当期与前一期研发投入之和进行衡量，而增长动态则以企业当期和前一期的研发投入之和环比增长率进行衡量。最终，将这两个维度相乘，得到企业当期持续性创新投入的指标。具体公式如下：

$r d s_{i, t}=ln \left[\frac{r d_{i, t}+r d_{i, t-1}}{r d_{i, t-1}+r d_{i, t-2}} \times\left(r d_{i, t}+r d_{i, t-1}\right)+1\right]$

(8)

其中，rd_{i, t}为企业当期研发投入；rd_{i, t-1}和rd_{i, t-2}分别为企业前一期和前两期的研发投入；i为企业；t为年份。

4、调节变量：政府补助

政府补助作为政策资源的直接体现，其调节效应的大小取决于企业实际可动用的补助规模。本研究参考杨洋等的方法，^[44]以企业当年获得的政府补助总额的自然对数作为政府补助的度量指标。

5、控制变量

为避免遗漏变量偏误，本研究参考陈庆江等的做法：^[4]在企业特征方面，控制资本结构(Lev)、企业年龄(Age)、现金流比率(Cash)和营业收入增长率(Growth)四个变量；在公司治理结构方面，控制股权性质(Soe)和两权分离率(Sep)两个变量。各变量定义如表 1所示。

四、实证结果与分析

对中国上市公司的数字化转型同群效应与全要素生产率进行事实特征分析，在模型设定、变量测度与数据匹配完成的基础上，通过控制个体、时间和行业固定效应对研究假设进行初步验证。

(一) 描述性统计分析

在表 2主要变量的描述性统计分析结果中，数字化转型同群效应(PeerDT)的均值为1.691，标准差为0.947，值域为[0.353，4.130]，表明近10年来样本企业在同一行业内企业数字化转型程度差异较大。企业全要素生产率(TFP)的均值为8.452，标准差为0.986，值域为[6.423，11.159]，说明样本企业的全要素生产率整体表现良好，且部分企业已具备较高的生产效率优势，体现出一定的领先态势。

(二) 基准回归分析

根据表 3所示的基准回归分析结果，本研究采用逐步回归法检验数字化转型同群效应对企业全要素生产率的影响。在列(1)中，模型控制了时间、年份与行业固定效应，随后在列(2)、列(3)和列(4)中逐步引入资本结构、企业年龄、现金流比率、营业收入增长率等控制变量。回归结果显示，数字化转型同群效应的系数估计值为0.110，且在1%水平上显著，说明数字化转型同群效应对企业全要素生产率具有显著的促进作用，假设H1由此得到验证。行业同群企业的数字化转型实践形成了显著的知识外溢与竞争模仿效应，通过技术扩散与组织重构双重路径，有效提升了焦点企业的全要素生产率。

(三) 内生性分析 1、工具变量法

考虑到全要素生产率较高的企业可能更积极地推动或参与数字化转型，进而影响同群企业的行为，因此本研究参考相关文献的做法，^[45]将1984年每百人固定电话数与滞后一期焦点企业数字化转型水平的交互性(IV_PeerDT)作为工具变量。这样设置工具变量的合理性在于：以1984年每百人固定电话数作为历史前定变量，能够有效反映不同地区早期通信基础设施的差异。这种差异塑造了区域内企业对数字技术的早期认知与应用氛围，从而与数字化转型同群效应形成内在关联，满足工具变量的相关性要求。同时，作为历史变量，其并不直接作用于企业当前全要素生产率的变化，具备良好的外生性。进一步引入滞后一期企业数字化转型水平构建交互项，既能增强对数字化转型同群效应的识别能力，也能避免对全要素生产率产生直接干扰，从而保障工具变量的有效性与解释力。此外，使用两阶段最小二乘法进行回归分析。LM统计量的p值为0.000，小于0.01，K-P F统计量超过10%的临界值，表明IV_PeerDT不存在不可识别和弱工具变量的问题。在表 4列(1)中，工具变量的回归系数显著为正，符合相关性的要求；在列(2)中，解释变量PeerDT的系数在1%的水平上显著为正，表明控制潜在内生性问题后，假设H1仍成立。

2、残差法检验

采用残差法检验来进一步缓解内生性并剔除行业共识的影响。首先，利用回归剔除行业共识。将单个企业的数字化转型对数字化转型同群效应进行回归，所得残差代表排除行业共识影响后企业数字化转型中由数字化转型同群效应驱动的增量部分。其次，检验增量部分的影响。将上述残差引入模型(1)，检验其对企业全要素生产率的影响。由表 4列(3)可知，残差的系数在1%的水平上显著为正，表明在剔除行业共识的影响后，数字化转型同群效应依然能提升企业全要素生产率。

(四) 稳健性检验 1、替换解释变量的测量

参照张敦力和江新峰的研究设计，^[46]本研究通过构造新的解释变量“PeerDT_median”来测量解释变量数字化转型同群效应。在维持原有企业数字化转型程度(DT)指标和“行业同群企业”界定范围不变的基础上，对解释变量的计算是将算术平均值替换为中位数。由表 5列(1)可知，PeerDT_median的系数在1%水平上显著为正，表明在改变解释变量的测量方式后，数字化转型同群效应对企业全要素生产率的促进作用仍稳健。

2、替换被解释变量的测量

选用OP法计算的企业全要素生产率来替换现有的被解释变量。由表 5列(2)可知，核心解释变量PeerDT的系数依然在1%水平上显著为正，说明在更换被解释变量的测量方法后，研究的主要结论依旧稳健。

3、更换样本数据

有观点认为, 中国数字经济自2015年起步入高速增长阶段。鉴于此，研究将样本起始年份设定为2015年。同时，考虑到2020—2022年新冠疫情可能对企业数字化转型进程产生外生冲击，而非由数字化转型同群效应驱动所致，剔除这三年数据后，对剩余样本进行检验。由表 5列(3)可知，PeerDT的系数依然在1%水平上显著为正，表明在调整样本期间、排除特定外生冲击影响后，数字化转型同群效应的正向作用仍然成立。

(五) 异质性分析 1、企业产权性质

在中国，由于企业产权性质的差异可能导致对数字化转型同群效应的响应行为存在显著区别，因此本研究将总体样本划分为国有企业(Soe=1)与非国有企业(Soe=0)两组并分别进行回归。表 6列(1)和列(2)的结果表明，虽然数字化转型同群效应系数的显著性在两组之间没有差异，但国有企业的数字化转型同群效应系数高于非国有企业。可能的原因在于：一方面，国有企业受宏观数字经济政策和市场转型发展的影响更直接。近年来，中国持续推动国有企业数字化进程，企业自身也具备较强的转型意愿与创新动力。加之政策倾斜所带来的资源支持，国有企业在数字技术获取与应用方面具有明显优势，能够更充分地吸收同群企业的转型经验，并更有效地转化为全要素生产率的提升。另一方面，由于非国有企业常面临研发投入不足、创新能力较弱等现实约束，所以数字化转型进程相对缓慢，且资源条件的限制在一定程度上抑制了对外部数字化转型示范效应的响应能力，削弱了对数字经济带来的技术红利的吸收效果，导致其数字化转型同群效应对全要素生产率的促进幅度相对有限。

2、生产要素密集度

研究根据中国证监会2012年行业分类标准构建企业类型变量(Intensity)，将样本企业划分为劳动密集型、资本密集型和技术密集型三类，并分别进行回归。表 6列(3)、列(4)和列(5)的回归结果显示，数字化转型同群效应对劳动密集型企业的全要素生产率促进作用最强，对资本密集型企业的促进作用次之，对技术密集型企业的促进作用相对较弱。可能的原因在于：首先，劳动密集型企业主要依赖传统劳动力要素，生产工艺与管理模式固化程度较高，因此更易受同群企业数字化实践的带动，能够快速引入适配的自动化与信息系统，优化作业流程、降低人力依赖，从而在效率提升方面获得较明显的边际收益。其次，资本密集型企业已具备一定规模的固定资产与设备基础，转型更依赖行业共同技术路径与同群经验。通过学习同群企业在设备互联、数据整合等方面的实践，企业可提升资本利用效率并强化规模经济，因此数字化转型同群效应仍表现出显著的促进作用。相比之下，技术密集型企业本身具有较高技术门槛并处于创新前沿，生产流程中已包含较多先进技术成分，因而在进一步推进数字化转型时所面临的边际提升空间相对有限。同时，技术研发活动本身具有较强不确定性与较长回报周期，这削弱了数字化转型同群效应对全要素生产率所产生的即时推动效果。

3、地理位置

中国各地区在政策环境、资源禀赋与经济发展水平上存在显著差异，这可能导致数字化转型同群效应的影响存在空间异质性。本研究按企业所在省份位置，将总体样本划分为东部、中部和西部地区三组分别进行回归。表 6列(6)、列(7)和列(8)的结果显示，数字化转型同群效应对企业全要素生产率的促进作用在东部地区更为突出，而在中部和西部地区相对较弱。可能的原因在于：一方面，东部地区作为中国数字经济发展的领先区域，具备完善的信息基础设施、活跃的技术创新氛围与成熟的要素市场，为企业吸收同群转型经验、实现技术外溢与效率提升提供了良好条件。同时，东部地区地方政府普遍拥有更强的财政能力与政策执行力，能够为区域内企业数字化转型提供有力支持，进一步强化了数字化转型同群效应的作用效果。另一方面，尽管中部地区近年来承接东部技术扩散与产业转移，数字基础设施与产业配套能力不断改善，但在吸收和转化同群企业数字化转型经验方面仍面临一定障碍，导致数字化转型同群效应的显著性相对有限。在西部地区，受制于数字基础设施建设滞后、技术人才储备不足以及市场机制不够完善等因素，企业在响应数字化转型同群效应的示范时更为困难，因此数字化转型同群效应对全要素生产率的提升作用未能充分显现。

五、机制分析

在基准回归结果稳健的基础上，为深入探讨数字化转型同群效应影响企业全要素生产率的内在路径，研究进一步检验持续性创新投入在二者之间的中介机制，以及政府补助所发挥的调节作用。

(一) 中介效应检验

在基准回归结果成立的基础上，本研究围绕假设H2对持续性创新投入的中介机制进行检验，回归结果如表 7所示。表 7列(1)显示，数字化转型同群效应对企业持续性创新投入具有显著正向影响；列(2)显示，持续性创新投入对企业全要素生产率存在显著促进作用；列(3)显示，在控制持续性创新投入后，数字化转型同群效应对企业全要素生产率的影响仍然显著，但系数有所下降，初步表明存在部分中介效应。为进一步验证该机制，采用Sobel方法再次进行检验，结果显示Z值为3.415，在1%水平下显著，证实中介效应存在，假设H2得到验证。其原因可能是，持续性创新投入作为企业吸收与转化同群数字化知识溢出的关键路径，有效促进了外部技术示范向内部动态能力的转化，从而在数字化转型同群效应对全要素生产率的提升机制中发挥了关键中介作用。

(二) 调节效应及有调节的中介效应检验

进一步地，研究在中介效应检验的基础上，深入考察政府补助在基准回归与中介路径中的调节作用，回归结果如表 8所示。表 8列(1)检验了政府补助的直接调节效应，交乘项PeerDT×Subsidy的系数为0.026，在1%水平上显著为正，说明政府补助显著增强了数字化转型同群效应对企业全要素生产率的直接促进效果，即企业获得的政府补助越多，数字化转型同群效应对全要素生产率的提升作用越强，由此假设H3得到验证。在列(2)中，交乘项PeerDT×Subsidy的系数为0.039，在1%水平上显著为正，说明政府补助显著增强了数字化转型同群效应对企业持续性创新投入的促进作用，由此假设H4得到验证。类似地，在列(3)中，交乘项rds×Subsidy的系数为0.009，在1%水平上显著为正，说明政府补助对持续性创新投入提升企业全要素生产率的过程同样具有正向调节作用，即政府补助水平越高，持续性创新投入对全要素生产率的促进效果越强，由此假设H5得到验证。

六、研究结论与相关建议

随着数字经济的深入发展，企业数字化转型已从个体行为演变为具有显著同群特征的行业现象，这一趋势深刻影响着企业的运营模式与效率表现。本研究基于马歇尔外部性理论，以2014—2023年中国A股上市公司为研究样本，深入考察数字化转型同群效应对企业全要素生产率的影响机制。在此基础上，进一步检验了持续性创新投入在其中的中介作用，以及政府补助所发挥的调节效应。研究结论如下：第一，数字化转型同群效应对企业全要素生产率具有显著正向影响；第二，持续性创新投入在数字化转型同群效应与企业全要素生产率之间发挥部分中介作用；第三，政府补助不仅直接增强数字化转型同群效应对企业全要素生产率的促进作用，还通过强化“数字化转型同群效应→持续性创新投入→全要素生产率”这一传导路径，发挥系统性调节功能；第四，异质性分析表明，数字化转型同群效应对国有企业、劳动密集型企业和中国东部地区企业的全要素生产率促进作用更为突出。

立足数字经济时代背景，基于本研究的结论，为企业实践提出以下相关建议。

第一，积极融入行业数字化转型生态，提升同群知识溢出吸收能力。企业应将数字化转型上升为系统性战略，主动参与行业联盟与技术交流平台，借鉴同群企业的成熟经验与解决方案，降低探索成本与试错风险。企业还应构建敏捷响应机制，动态优化组织架构与业务流程，以应对同群效应带来的竞争压力与技术变迁。

第二，强化内部知识治理体系，夯实数字化转型的制度与能力基础。企业应建立系统化的知识治理机制，将知识获取、甄别、整合、存储与共享嵌入常态化管理，提升创新决策质量与响应效率。通过构建跨部门协同机制、统一评估标准与配套信息管理系统，促进显性与隐性知识的高效流动与复用；同时，加强员工数字化技能培训与岗位轮换，增强组织对外部知识的吸收与内化能力，在动态环境中提升韧性与持续竞争力。

第三，坚持持续性创新投入，构建外部知识内化的良性循环。企业应认识到，单纯依赖模仿难以形成持续优势，需要将同群效应带来的知识溢出有效内化为自主创新能力。建立研发投入稳定增长机制，推动数字化学习成果与既有技术积累深度融合，系统推进产品、工艺与商业模式创新；注重创新资源配置效率，聚焦关键数字技术领域，深化产学研协同，构建开放式创新网络。

本研究虽然为理解数字经济时代企业全要素生产率提升提供新见解，但仍存在局限。未来研究可从以下方面拓展：第一，样本虽覆盖全行业，但未区分行业数字化转型禀赋差异，未来可聚焦制造业等特定领域深化结论；第二，仅从资源投入维度探讨了持续性创新投入的单一中介路径，未来可基于高阶理论或制度理论，挖掘管理层认知、要素重配等中介机制；第三，主要基于传统行业维度定义“同群”，忽视了地理邻近效应与更微观的社会网络，未来可引入空间地理距离，并结合共同股权、连锁董事、供应链等实际关联定义“同群”，为同群效应提供更稳健的经验证据。