加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Digital Technology Diffusion through Production Networks: Empirical Evidence, Channels, and Economic Consequences
在国际技术竞争加剧与逆全球化浪潮冲击下，如何依托国内生产网络实现数字经济时代的技术进步，已成为中国推进高质量发展的重要命题。本文以2015~2023年中国上市企业为研究样本，基于企业主营业务文本与投入产出结构，创新性地构建了企业层面的生产网络，并系统考察了生产网络中数字技术扩散的经验证据、影响机制及经济后果。研究发现，数字技术在生产网络中存在显著的扩散效应，且该效应并不能被传统的供应链关系或一般性技术溢出所完全解释。机制分析表明，数字技术主要通过微观要素配置效应以及结构性竞争和技术演化效应实现扩散。异质性分析显示，当焦点企业技术吸收能力较强、行业竞争程度较低、地区金融发展水平较高、科技支持力度较强时，扩散效应更为明显；当焦点企业与关联企业地理距离更近、关联企业资金运转水平更高、网络集中度更高时，扩散效应也更为突出。进一步研究发现，生产网络上的数字技术扩散能够提升企业生产效率与经营绩效，并降低生产网络风险、增强系统韧性。本文揭示了数字经济时代技术扩散的规律，也为中国企业在复杂国际环境下突破技术封锁、重塑竞争优势提供了政策依据。
Abstract
Against the backdrop of intensifying international technological competition and the wave of deglobalization, how to leverage domestic production networks to achieve technological progress in the digital economy era has become a core proposition for China to advance high-quality development. Using data on Chinese listed firms from 2015 to 2023, this paper innovatively constructs a firm-level production network by combining textual information on firms' main business activities with input-output linkages across industries. The empirical results confirm a significant diffusion effect of digital technology across production networks. This effect cannot be fully explained by disclosed supply-chain relationships or by general technology spillovers. Mechanism analysis reveals that digital technology diffusion takes effect via two core mechanisms: the micro factor reallocation effect, as well as the structural competition and technological evolution effect. The diffusion effect is stronger for firms with greater absorptive capacity, in less competitive industries, and located in regions with deeper financial development and stronger science-and-technology support. It is also amplified when linked firms are geographically closer, financially more efficient, and embedded in more concentrated production networks. Further research indicates that digital technology diffusion in production networks can boost corporate production efficiency and operating performance, mitigate production network risk and enhance systemic resilience. Overall, the findings highlight domestic production networks as an important infrastructure for digital transformation, technological upgrading, and industrial resilience in large economies facing external technological constraints.
生产网络数字技术扩散显著促进焦点企业数字技术使用
基准回归显示，生产网络数字技术扩散（DT_Diffusion）对焦点企业数字技术使用（DT_Adoption）的估计系数为0.0463，在1%水平上显著。数字技术扩散程度每上升一个标准差，焦点企业数字技术使用的概率提高0.64个标准差，证实数字技术在生产网络上具有显著扩散效应。
扩散效应无法被供应链关系和一般性技术溢出完全解释
在同时控制供应链溢出、研发溢出和创新溢出后，生产网络数字技术扩散的估计系数为0.1206，仍在1%水平上显著为正，表明该扩散效应不能由传统供应链关系、研发溢出或一般性创新溢出所替代。
知识溢出、资金流动与中间品质量调整构成微观要素配置机制
专利引用次数较高组扩散系数为0.0528（1%显著），技术相似度较高组系数显著为正；上游数字技术使用降低焦点企业营业成本、采购支付及短期借款，下游数字技术使用提高应收账款周转率和营业收入并缓解融资约束；产品质量指标BQ_Freq系数为3.3994。
结构性竞争与技术演化效应构成第二类传导机制
生产网络数字技术扩散显著降低焦点企业加成率（系数-0.0119）和勒纳指数（系数-0.0134），加剧竞争约束；扩散与技术差距交互项系数显著为正（0.0098），表明越偏离技术前沿的企业受扩散影响越强。
数字技术扩散提升生产效率与经营绩效并增强网络韧性
生产网络数字技术扩散显著提升劳动生产率（系数0.0199）和主营业务收入（系数0.0159），降低生产网络风险（系数-0.0029），增强生产网络韧性（系数2.3325），表明扩散效应转化为企业层面的实质性绩效改善与系统韧性提升。
核心解释变量
生产网络数字技术扩散（DT_Diffusion），通过焦点企业与上下游企业的关联程度（基于主营业务文本词向量与投入产出表计算）对关联企业数字技术使用情况加权求和得到；稳健性检验中使用焦点企业申请的数字技术发明专利数量替代。
被解释变量
焦点企业数字技术使用（DT_Adoption），表示焦点企业是否使用大数据、人工智能、移动互联、云计算、物联网、区块链6种数字技术之一（使用为1，否则为0）。
样本与数据
2015~2023年A股非金融行业上市公司，剔除ST、ST*、PT及变量缺失样本，连续变量上下1%缩尾，最终得到3915家上市公司23220个企业—年度观测值。数据来源：上市公司年报、CSMAR数据库、国家知识产权局专利数据。
识别方法 / 模型设定
采用工具变量法（构造关联企业的关联企业数字技术使用作为工具变量）、倾向得分匹配法（以核心解释变量中位数为临界值进行1:1最近邻匹配）以及改变模型设定（企业和上下游企业配对形式回归）处理内生性问题；被解释变量取未来一期处理以减少反向因果。
内生性及稳健性检验
排除替代性解释（控制供应链溢出、研发溢出、创新溢出）、替换数字技术扩散衡量指标、增加行业层面控制变量、排除数字经济政策与不确定性干扰、控制空间关联和股权关联、从扩散来源差异等维度验证；并通过动态分析考察结构、时间与空间三维度扩散特征。
A股上市企业数字化转型指数数据
数字化转型可支持的研究问题：基于A股上市企业数字化转型指数，能否刻画数字技术沿生产网络的扩散路径，并识别企业间数字化转型的溢出效应；进一步地，数字化转型指数的年度变化如何影响企业绩效与产业链协同，其扩散渠道（供应商—客户关系或同行业模仿）是否存在异。
A股上市公司供应链数据
上市公司可支持的研究问题：利用A股上市公司前五大客户与供应商明细数据，可识别企业所处生产网络位置及上下游技术关联，进而考察数字技术沿供应链的扩散路径与方向：上游供应商的数字化水平是否通过供应链关系传导至下游客户，其扩散强度是否随客户集中度与供应商依赖度变化。
更多相关数据正在补充