引言

近年来，大数据、区块链、云计算等数字技术快速发展，推动我国经济由高速增长转向高质量发展阶段。企业如何快速顺应数字经济发展、加快自身数字化转型，已成为必然选择。从实践看，数字化转型将数字技术深度嵌入生产过程，优化经营方式，驱动产业链与价值链升级，构建新的生产方式和知识体系，提升产品形态、功能与服务能力，增强精准识别与实时追踪环境数据的能力，从而推动经营效率与发展质量提升，助力企业经营绩效可持续发展。因此，基于企业层面探索数字化转型与经营绩效的关系及其影响效应，具有重要现实意义。

理论机制与研究假设

数字化转型对企业经营绩效的直接影响

数字化转型显著提升运营效率并降低成本。业务流程自动化整合内部数据，实现实时共享与高效流通，助力精准制定和快速调整生产计划，提高生产效率；数字技术增强信息透明度，便于数据分析与决策，降低信息不对称，改善公司治理，推动绩效提升。自动化减少人力依赖，智能机器人提升处理速度与准确性，节省人力成本；深度挖掘生产数据，精准识别高成本与浪费环节，优化资源配置，实现降本增效。

然而，数字化转型存在成本投入与效益释放的时间差，可能对经营绩效产生短期负向冲击。一是高昂沉没成本挤压利润，硬件采购、软件开发、人才引进等投入大，效率提升滞后，盈利能力下降。二是组织变革引发管理摩擦，打破科层制带来权责冲突与协调困难，员工适应期易出现操作失误、响应变慢。三是技术系统与业务磨合困难，定制调试阶段可能出现数据孤岛、兼容性差等问题，扰乱生产节奏。四是创新成果转化时滞，研发投入增加而商业化回报滞后，专利维护等支出加重财务压力。综上，长期看数字化有望通过效率提升促进绩效增长，但转型初期因成本、变革、磨合与时滞共同导致绩效下滑，存在时间滞后效应。本研究提出：

假设1：数字化转型对企业经营绩效具有显著的负向影响

技术创新的中介效应分析

在数字化转型影响企业经营绩效的传导机制中，技术创新被认为是重要的中介路径。理论上，数字化转型能够为企业技术创新提供技术基础和数据支撑，但技术创新成果能否以及在多长期限内转化为经营绩效，则受到创新质量、商业化效率及投入成本等多重因素的制约。

第一，数字化转型促进技术创新。数字化与智能化手段可缩短研发周期、降低试错成本，提高创新效率；同时数字化平台打破信息壁垒，促进知识共享与协同创新，加速技术迭代与专利申请，从而提升专利授权等创新产出。

第二，技术创新可能对经营绩效产生负向传导。一是研发与专利维持需持续投入，而商业化回报滞后，导致当期利润被压缩；二是企业可能追求专利数量而非质量，徒增维护成本；三是新技术引入需调整生产工艺与商业模式，带来试错、沉没及培训等额外成本，反而放大数字化转型对绩效的短期负向冲击。

创新转化效率存在时滞。长期看，高质量创新终将提升绩效，但需跨越从研发到中试、规模化再到盈利的多个阶段。在数字化转型初期，企业处于技术积累期，创新成果距商业化应用较远，因此呈现负向中介效应。

假设2：数字化转型通过技术创新渠道负向影响企业经营绩效

实证研究

数据来源

本文研究数据为2014-2024年中国上市企业数据。其中数字化转型相关数据来自《中国固定资产统计年鉴》以及国泰安数据库；企业经营绩效相关数据来源于历年上市企业年报；技术创新相关数据来源于上市企业基本信息以及财务数据来自国泰安数据库。为是数据更具合理性和科学性，在样本选取上进行了以下处理：

1. 剔除在2013年之后上市的企业，以确保样本数据的统一性；
2. 剔除在2014-2024年之间被ST、PT、*ST的企业；
3. 剔除金融保险类、房地产类企业以及考察期间数据严重缺失的公司样本；
4. 剔除数据连续性不足5年的样本。

变量选择及测度

解释变量：数字化转型(digita)。本文用数字化转型程度衡量数字化转型，借鉴吴非、赵宸宇、甄红线的研究，采用文本分析法得到有关企业数字化转型的代理变量。

被解释变量：企业经营绩效(roa)。企业绩效主要通过市场指标和会计指标来衡量,选择会计指标总资产收益率进行衡量更具有说服力，对企业经营绩效高低的衡量更具有综合性。

中介变量：技术创新(patents)。当前企业研发产出的指标包括专利申请总量、发明专利申请数以及低端专利申请数等。鉴于数据获取的实际情况，本文使用专利授权数来评估企业的技术创新能力。

控制变量：借鉴相关研究，从各层面控制影响企业经营绩效的因素。主要包括：GDP增长率(ggdp)，反映宏观经济活跃度，避免将宏观环境波动误归因于数字化转型；企业规模(size)，取总资产自然对数，控制资产规模差异的影响；资产负债率(lev)，反映财务风险的传导效应；流动比率(liquid)，衡量短期偿债能力与财务弹性，控制因流动性不足导致的数字化进程受阻及绩效干扰；托宾Q(tobinq)，控制市场估值差异及成长预期偏差；资本密集度(cap)，控制行业资本强度对数字化投资规模与回报周期的混杂效应；第一大股东持股比例(top1)，表征股权集中度，影响公司治理结构与决策效率。

模型构建

基于现有文献，构建数字化转型影响企业经营绩效的基准回归模型：

ROAit=β1Digitit+β'Xit+α0+ηi+νt+σit

其中，ROAit表示企业经营绩效；Digitit指代数字化转型；Xit指代控制变量合集；β1和β'分别代表解释变量和控制变量的估计系数；α0、σit分别为常数项、随机误差项；ηi和νt分别指代个体固定效应和时间固定效应；下标i指代企业，t指代年份。

根据前文理论分析，构建中介效应模型如下：

Techit=δ1Digitit+δ'Xit+α0+ηi+νt+σit

ROAit=θ1Digitit+θ2techit+θ'Xit+α0+ηi+νt+σit

其中，Techit表示中介变量技术创新，其余变量含义同上。

实证结果分析

描述性统计和相关性分析

Variable	Obs	Mean	Std.Dev.	Min	Max
roa	18914	.031	.073	-1.919	.759
digita	18914	15.174	36.633	0	547
patents	18914	97.005	420.545	0	10016
size	18914	22.628	1.355	19.025	28.697
tobinq	18911	1.999	1.437	.611	31.4
lev	18914	.43	.195	.008	3.513
liquid	18728	2.276	3.035	.079	144
cap	18728	12.242	599.835	.083	59623.309
top1	18914	.327	.149	.018	.9
roe	18914	.09	6.882	-45.737	943.624
ggdp	18914	.081	.036	-.053	.268

Variables	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
(1)roa	1.000
(2)digita	-0.057*	1.000
	(0.000)
(3)ggdp	0.042*	-0.023*	1.000
	(0.000)	(0.001)
(4)size	0.077*	-0.014	-0.069*	1.000
	(0.000)	(0.052)	(0.000)
(5)lev	-0.303*	-0.054*	-0.030*	0.497*	1.000
	(0.000)	(0.000)	(0.000)	(0.000)
(6)liquid	0.101*	0.032*	0.025*	-0.272*	-0.499*	1.000
	(0.000)	(0.000)	(0.001)	(0.000)	(0.000)
(7)tobinq	0.144*	0.072*	0.011	-0.374*	-0.293*	0.192*	1.000
	(0.000)	(0.000)	(0.145)	(0.000)	(0.000)	(0.000)
(8)cap	-0.008	0.005	-0.003	0.019*	0.018*	-0.004	-0.009	1.000
	(0.255)	(0.535)	(0.688)	(0.008)	(0.012)	(0.581)	(0.213)
(9)top1	0.150*	-0.151*	0.013	0.217*	0.049*	-0.041*	-0.043*	-0.013	1.000
	(0.000)	(0.000)	(0.072)	(0.000)	(0.000)	(0.000)	(0.000)	(0.078)
注：***p<0.01,**p<0.05,*p<0.1。

基准回归结果

	(1)	(2)
	roa	roa
digita	-0.000***	-0.000***
	(-3.912)	(-5.679)
ggdp		0.014
		(0.752)
size		0.039***
		(30.790)
lev		-0.254***
		(-52.290)
liquid		-0.001***
		(-5.980)
tobinq		0.008***
		(17.789)
cap		-0.000
		(-0.824)
top1		0.068***
		(8.791)
_cons	0.046***	-0.749***
	(30.995)	(-26.816)
时间效应	Yes	Yes
个体效应	Yes	Yes
N	18914	18725
R2	0.028	0.195
F	44.917	229.358
注：***p<0.01,**p<0.05,*p<0.1。

逐步回归结果显示仅控制个体与时间效应时，数字化转型系数显著为负；加入全部控制变量后系数仍显著为负，R²从0.028升至0.195。表明数字化转型负向影响绩效，源于初期高成本与摩擦，假设1成立，与胡凌倒U型前期一致。

稳健性检验

为保证结论的可靠性，本文进行如下稳健性测试，结果稳健。

1. 替换解释变量：采用不同的关键词重新度量。
2. 替换被解释变量：使用ROE替代ROA。
3. 增加行业固定效应。

	（1）替换解释变量	（2）替换被解释变量	（3）增加行业固定效应
digitb	-0.000***(-5.513)
digita		-0.000***(-6.443)	-0.000***(-4.722)
ggdp	0.014(0.746)	0.012(0.700)	0.016(0.847)
size	0.039***(30.781)	0.038***(32.335)	0.040***(30.144)
lev	-0.254***(-52.301)	-0.231***(-51.053)	-0.254***(-52.020)
liquid	-0.001***(-5.981)	-0.001***(-5.331)	-0.001***(-6.181)
tobinq	0.008***(17.739)	0.009***(20.479)	0.009***(17.945)
cap	-0.000(-0.900)	-0.000(-1.048)	-0.000(-0.324)
top1	0.068***(8.764)	0.065***(9.020)	0.065***(8.225)
_cons	-0.752***(-26.830)	-0.735***(-28.301)	-0.804***(-26.692)
个体固定效应	是	是	是
时间固定效应	是	是	是
行业固定效应	否	否	是
观测数	18,725	18,723	18,725
R²	0.195	0.200	0.470
R²_a	—	—	0.414
F	229.230	236.216	437.069

中介效应检验

	(1)	(2)	(3)
	roa	patents	roa
digita	-0.000***	0.370***	-0.000***
	(-5.679)	(4.117)	(-5.594)
ggdp	0.014	-164.398**	0.013
	(0.752)	(-2.404)	(0.704)
size	0.039***	57.434***	0.039***
	(30.790)	(12.357)	(30.906)
lev	-0.254***	-96.203***	-0.254***
	(-52.290)	(-5.408)	(-52.363)
liquid	-0.001***	0.683	-0.001***
	(-5.980)	(0.908)	(-5.962)
tobinq	0.008***	7.625***	0.008***
	(17.789)	(4.394)	(17.871)
cap	-0.000	-0.004	-0.000
	(-0.824)	(-1.093)	(-0.846)
top1	0.068***	55.957**	0.069***
	(8.791)	(1.969)	(8.832)
patents			-0.000***
			(-2.628)
_cons	-0.749***	-1199.359***	-0.755***
	(-26.816)	(-11.726)	(-26.949)
时间效应	Yes	Yes	Yes
个体效应	Yes	Yes	Yes
N	18725	18725	18725
R2	0.195	0.050	0.196
F	229.358	49.174	217.726
注：***p<0.01,**p<0.05,*p<0.1。

中介效应检验结果显示第（1）列数字化转型显著负向影响企业绩效；第（2）列数字化转型显著正向影响专利授权数；第（3）列加入专利授权数后，其系数显著为负，数字化转型系数仍显著为负，表明专利授权数发挥了部分中介作用，且中介效应为负。这说明数字化转型促进了创新产出，但专利数量的增加反而伴随绩效下降，其背后原因在于与专利活动相关的研发支出、低质量专利维护成本及商业化时滞，导致投入与回报时间错配，加剧了短期绩效压力。这一结果揭示了从数字化投入到绩效转化过程中的效率损耗，而非否定技术创新的长期价值。

内生性检验

	(1)	(2)	(3)
	roa	roa	roa
digita	-0.000***	-0.000***	-0.000***
	(-10.353)	(-10.205)	(-8.448)
ggdp	0.085***	0.083***	0.015
	(6.214)	(6.111)	(0.751)
size	0.030***	0.030***	0.045***
	(23.845)	(24.136)	(30.162)
lev	-0.272***	-0.273***	-0.273***
	(-49.158)	(-49.281)	(-49.850)
liquid	-0.002***	-0.002***	-0.002***
	(-6.193)	(-6.191)	(-6.969)
tobinq	0.008***	0.008***	0.008***
	(16.650)	(16.768)	(15.332)
cap	-0.000	-0.000	-0.000
	(-0.411)	(-0.436)	(-0.554)
top1	0.113***	0.113***	0.070***
	(12.864)	(12.842)	(7.793)
patents		-0.000***	-0.000**
		(-3.607)	(-2.483)
_cons	-0.570***	-0.586***	-0.866***
	(-20.081)	(-20.410)	(-26.519)
N	17008	17008	17008
R2
注：***p<0.01,**p<0.05,*p<0.1。

注：两阶段最小二乘法第二阶段回归的R2不具有标准解释意义，故未予报告。第一阶段F统计量为80.49，大于经验临界值10，拒绝弱工具变量假设。所有回归均控制了时间固定效应和个体固定效应

为缓解可能存在的内生性问题，本文采用滞后一期的数字化转型作为工具变量，进行两阶段最小二乘估计。表汇报2SLS回归结果。第一阶段F统计量为80.49，远大于10，拒绝弱工具变量假设，工具变量选取有效。第二阶段结果显示，数字化转型的系数仍显著为负，与基准回归结论一致，在控制内生性后，数字化转型对企业绩效的负向影响依然稳健。

异质性分析

本文进一步从地区、企业规模和行业市场势力三个维度进行异质性分析。

	(1)	(2)	(3)	(4)	(5)	(6)
	高人均GDP	低人均GDP	大企业	小企业	高市场势力	低市场势力
digita	-0.0001***	-0.0002***	-0.0001***	-0.0002***	-0.000086***	-0.000227***
	(0.000)	(0.000)	(0.000)	(0.000)	(0.000029)	(0.000047)
N	9452	9273	9361	9364	9361	9361
R2	0.204	0.193	0.1929	0.1898	0.156	0.193
R2_a	0.107	0.096
F检验：组间系数差异检验
F(1,16990)=0.22, p=0.0639			F(1,16990)=1.20, p=0.273		F(1,16988)=19.33, p=0.000

注：括号内为标准误；组间系数差异检验：勒纳指数经过1%水平缩尾处理。***p<0.01,**p<0.05,*p<0.1。

数字化转型对绩效的负向影响在不同人均GDP地区及不同规模企业间均显著，但组间无显著差异，表明其负面影响具有普遍性。然而，按市场势力分组发现，低市场势力企业系数绝对值显著更大，说明竞争激烈企业中数字化负面冲击更明显。

本文通过一系列实证检验发现，数字化转型对企业绩效在样本期间具有微弱的负向影响。中介机制分析表明，数字化转型虽能促进技术创新，但创新未能及时转化为当期绩效，甚至可能因投入成本而拖累利润。本研究为理解数字化转型的经济后果提供了系统证据，对企业制定数字化转型战略具有参考意义。

结论与建议

结论

本研究以我国2014-2024年多行业上市企业作为研究对象得出以下结论：第一，数字化转型显著抑制企业经营绩效，源于初期高昂的固定投入、组织调整及适应成本，支持“倒U型”关系前期特征。第二，技术创新发挥负向部分中介作用：数字化转型提升了创新产出，但研发消耗、时滞及维护成本使创新短期未能转化为利润，反而加剧绩效负面冲击，揭示从投入到转化的效率损耗与滞后。

对企业的建议

企业应立足自身特点，制定分阶段数字化转型战略，明确目标与重点，避免盲目跟风与过度投入，定期评估边际效益，及时调整方向以确保资源合理配置。深化技术创新，加大研发经费投入，建立研发团队股权激励机制，加强与高校、科研机构合作，加速创新成果转化；关注前沿技术动态，提升核心竞争力。强化数字化人才培养，打破传统职能壁垒，构建复合型团队，通过内部培训与外部引进储备人才；优化组织架构，设立数字化部门，统筹技术落地与业务协同。

对政府的建议

政府应完善政策支持体系，制定差异化税收优惠、财政补贴及专项基金，针对不同行业与规模企业降低转型与创新成本风险；加强知识产权保护，营造良好创新环境。加大数字基础设施投入，推进5G、工业互联网、数据中心等新基建，提供高速、稳定、安全的硬件基础。引导行业协同合作，促进数字经济与实体经济深度融合，通过行业交流、合作平台，推动产业链上下游资源共享与技术交流，形成产业集聚效应，提升整体竞争力。

参考文献：

1. [1] 孙佳哲, 李勇坚. 数字化转型对制造业企业经营绩效的影响[J]. 税务与经济,2025(03):78-86.
2. [2] 欧阳玲. 内部控制对制造业经营绩效的影响研究——基于数字化转型的调节效应[J].现代商贸工业,2025(11):165-168.
3. [3] 胡凌, 毛丹, 罗茜. 数字化转型程度对制造业经营绩效的影响研究——基于生产效益和成本控制的门槛效应[J].价值工程,2025,44(10):65-67.
4. [4] 江亚锋. 数字化转型对保险公司经营绩效的影响研究——基于中国上市保险公司的实证分析[J]. 上海保险,2025(03):45-52.
5. [5] 陈千慧. 李宁公司数字化转型对企业经营绩效影响研究[J].现代商业,2025(04):145-148.
6. [6] 王定祥, 杜雨潼, 邓琳钰.机遇还是挑战：数字化转型对农业企业经营绩效的影响[J]. 农业技术经济,2025(02):129-144.
7. [7]申军强. 数字化转型对中小企业经营绩效的影响研究[J]. 中国集体经济,2025(01):101-104.
8. [8] 刘畅. 数字化转型、成本粘性与企业绩效[D]. 华北理工大学,2024.