引言

全球价值链（Global Value Chain, GVC）的分工格局正在经历深刻变革。世界贸易组织发布的《全球价值链发展报告2025》指出，全球价值链正被技术变革、绿色转型所重塑，数字化与人工智能成为推动价值链重构的核心力量。与此同时，中国新能源汽车产业实现了跨越式发展——2025年上半年产销双双突破690万辆，同比增长超40%，产业正从“产品出海”升级为“技术出海、品牌出海和生态出海”的复合型全球化模式。在这一进程中，数字化转型被普遍视为推动企业从价值链中低端向高端跃迁的关键动能。

一、文献综述与现有不足

数字化转型对企业全球价值链地位的影响，已成为学术界关注的前沿议题。已有文献从不同角度提供了有价值的证据：李鑫、佟岩和曹丰基于2010—2016年上市公司与海关匹配数据发现，数字化转型通过缓解融资约束和提升生产效率显著促进了企业嵌入全球价值链；谢杰等从数智化视角出发，证实数智化通过提升网络密度和中心性强化了核心经济体在全球生产网络中的连接性与地位；另有研究发现，智能化转型通过供应链协同创新显著提高了企业在GVC中的分工地位；数字技术应用则通过增强国内供应链韧性、降低市场摩擦和提升海外价值捕获能力，推动了企业GVC地位的优化升级。

然而，现有研究仍存在三个可拓展之处。其一，多数文献关注数字化转型的“有无效应”或“强度效应”，对其时效性——即数字化转型的竞争优势能维持多久鲜有讨论。其二，尽管部分研究关注了所有制差异，但针对新能源汽车这一特定高增长行业的微观证据仍显不足。其三，在企业层面GVC地位的测度方法上，现有研究多依赖海关与工业企业数据库的匹配，数据获取门槛较高，限制了更广泛场景下的实证检验。

本文以中国新能源汽车产业链A股上市公司为研究对象，基于2012—2021年面板数据，实证检验数字化转型对企业GVC地位的影响。本文的贡献体现在三个方面：第一，提出并检验了数字化转型效应的“短期窗口”假说，揭示了数字化竞争优势的时效衰减特征。第二，聚焦新能源汽车这一技术迭代最快、竞争格局变化最剧烈的特定行业，为理解中国新能源汽车产业快速崛起的微观机制提供了直接证据。第三，在数据受限条件下，采用“行业GVC指数×企业研发强度调节系数”的混合测度方法构建企业层面GVC地位代理变量，为GVC微观实证研究提供了一套可推广的方法思路。

本文后续结构安排如下：第二部分为理论分析与研究假设；第三部分为研究设计，包括数据来源、变量测度与模型设定；第四部分报告实证结果并展开讨论；第五部分为结论与启示。

二、理论分析与研究假设

（一）理论基础

本研究主要借鉴资源基础观和动态能力理论，构建“数字化转型→企业能力提升→GVC地位攀升”的理论逻辑链条。

资源基础观由Barney系统提出，其核心观点认为：企业的持续竞争优势来源于其拥有和控制的异质性资源，即那些具有价值性、稀缺性、难以模仿性和难以替代性的关键资源。与传统的品牌声誉、专利技术等无形资产不同，数字化资源还具有一个显著特征——时效衰减性。由于数字技术的快速迭代特征，企业凭借数字化积累的资源优势可能在较短时间内被竞争追赶，这赋予了数字化转型效应区别于传统技术创新效应的独特属性。

为了弥补资源基础观在动态环境下解释力的不足，Teece等提出了动态能力理论。动态能力被界定为企业“保持或改变其作为竞争优势基础能力的能力”，强调企业通过不断感知、捕捉和重构内外部资源和能力，以适应快速变化的外部环境。资源基础观与动态能力理论并非相互替代，而是互为补充，企业需要对静态的资源进行动态整合，才能在时间维度上保持竞争优势。

（二）数字化转型与GVC地位提升：主效应分析

在资源基础观框架下，数字化转型通过一系列机制推动企业GVC地位攀升。首先，数字化投入能够优化企业的资源要素配置效率。通过引入大数据分析、人工智能决策等数字技术，企业可以更精准地匹配研发、生产和营销资源，降低信息不对称和协调成本，从而提升要素配置效率。

其次，数字化转型能够显著增强企业的创新能力。数字技术的引入不仅提升了生产效率和运营效率，还推动了研发模式的变革。借助数字化的协同设计平台和虚拟仿真技术，企业能够以更低的成本和更快的速度完成产品研发迭代，从而在核心技术领域形成持续突破能力。正如已有研究指出，数字化转型被视为企业提升资源配置效率、增强创新能力与改善运营绩效的重要路径。

再次，数字化转型有助于企业提升海外价值捕获能力，强化在全球价值链中的话语权。基于中国上市公司、海关进出口及投入产出数据的实证研究发现，数字技术通过增强国内供应链韧性、降低市场摩擦及提升海外价值捕获能力，显著提升了企业全球价值链地位。在新能源汽车行业，这一机制尤为突出：中国车企正是凭借智能化技术的快速迭代和对供应链的数字化整合，逐步从传统的代工出口模式转向品牌输出和技术授权的高附加值模式。基于上述分析，本文提出：

H1a：数字化转型显著提升了企业在全球价值链中的地位。

（三）数字化转型效应的短期性：来自动态能力理论的解释

在验证主效应存在的基础上，一个更值得关注的问题是：数字化转型对GVC地位的促进作用能够持续多久？本文从动态能力理论和新能源汽车行业特征两个维度切入，提出数字化转型效应在时间维度上具有短期性。

本文认为，数字化转型对GVC地位的提升作用本质上是一个动态能力发挥作用的过程，而非一次性投入就能实现长期收效的静态过程。这意味着，一旦企业在数字化方面形成“掉队”，其长期竞争力将受到根本性损害。在本文的研究语境下，从“掉队”的反面视角——阶段性投入后的效应衰减。因此，本文进一步提出：

H1b：数字化转型对GVC地位的提升作用具有短期性特征，即滞后一期（L1）效应显著，而滞后两期（L2）效应衰减至不显著。

三、研究设计

（一）数据来源与样本筛选

本文选取中国新能源汽车产业链A股上市公司作为研究对象。参考中证指数有限公司发布的“中证新能源汽车指数”（399417）和“中证智能电动汽车指数”（H11052），将两只指数成分股合并去重后，得到初始样本企业70家。

行业层面GVC地位指数的测算数据来自对外经济贸易大学全球价值链研究院发布的UIBE GVC数据库。该数据库基于亚洲开发银行（ADB）编制的多区域投入产出表，涵盖62个经济体、35个行业，时间跨度为2000—2021年。企业层面财务数据、数字化转型词频数据及海外收入数据来自国泰安（CSMAR）数据库，具体包括：资产负债表、利润表、现金流量表、上市公司基本信息表、数字经济专题库以及财务报表附注。

考虑到新能源汽车产业政策自2012年《节能与新能源汽车产业发展规划（2012—2020年）》出台后才进入快速发展期，且早期年份财务数据缺失较为严重，本文将样本窗口确定为2012—2021年，共计10年。经数据清洗和缺失值处理后，最终获得70家企业×10年=700个“企业—年份”观测值。

（二）变量测度

1.被解释变量：企业GVC地位（gvc_firm_rd）

由于CSMAR等常用数据库未直接提供企业层面的GVC地位指数，本文借鉴倪红福和Chor等的思路，采用“行业GVC指数×企业调节系数”的混合测度方法构建企业层面的GVC地位代理变量。

第一步：计算行业GVC地位指数（Industry_GVC_t）。从UIBE数据库提取中国汽车制造业（ISIC C29）的前向生产长度（PLv_GVC）和后向生产长度（PLy_GVC），采用Koopman等（2010, 2014）的定义：

该指数大于0表示行业偏向价值链上游，小于0表示偏向中下游。

第二步：构建企业调节系数（Adj_it）。选取“研发强度”作为反映企业技术能力的调节变量。研发强度定义为：

按年份计算行业内所有企业的平均研发强度，则调节系数为：

该系数大于1表示企业研发强度高于行业平均水平，技术能力相对更强。

第三步：计算企业层面GVC地位。将行业GVC指数与企业调节系数相乘：

该指标既保留了行业GVC地位的整体趋势，又通过企业研发强度引入了个体异质性，是数据受限条件下测度企业GVC地位的有效代理。

2.核心解释变量：数字化转型（digital_1）

采用“年报文本分析法”测度企业数字化转型程度。参考吴非等（2021）的研究，从CSMAR数字经济专题库中获取上市公司年报“管理层讨论与分析”（MD&A）部分的数字化转型关键词词频数据。关键词涵盖八大类：人工智能、区块链、云计算、大数据、物联网、工业互联网、智能制造、数字技术。将上述八类关键词的总词频（记为）进行对数化处理，以缓解右偏态分布问题：

为缓解反向因果导致的内生性偏误，主回归中使用滞后一期的数字化转型变量)）。在稳健性检验中，进一步使用滞后两期变量)以检验效应的持续性。

3.控制变量

参考GVC微观实证研究的经典文献，本文选取以下企业层面特征作为控制变量，见表1。

变量符号	变量名称	定义与计算	数据来源
Size	企业规模	资产总计的自然对数	资产负债表
Lev	资产负债率	负债合计/资产总计	资产负债表
Roa	总资产收益率	净利润 / 资产总计	资产负债表
Age	企业年龄	当年年份 - 上市年份（负值取0）	上市公司基本信息表
Soe	产权性质	国企=1，民营企业=0	上市公司基本信息表

（三）模型设定

为检验数字化转型对企业GVC地位的影响及其短期性特征，本文构建企业—年份双向固定效应面板数据模型。具体模型形式如下：

模型1：主效应检验（H1a）

其中，)为滞后一期的数字化转型变量；为控制变量向量；为企业固定效应；为年份固定效应。标准误在企业层面进行聚类调整。

模型2：短期性检验（H1b）

（四）数据处理与清洗

缺失值处理：原始数据中，2007—2011年企业研发支出等变量缺失率高达35%。通过将样本窗口缩减至2012—2021年，缺失率降至12%以下。对剩余偶发性缺失，采用“线性插值法”按企业逐年份填补。面板平衡：使用Stata的tsfill, full命令，形成近似平衡的面板数据。极端值处理：对所有连续变量进行1%和99%分位缩尾处理。所有数据处理均使用Stata 17软件完成。

四、实证结果

（一）描述性统计

表2报告了主要变量的描述性统计结果。企业GVC地位（GVC_Firm_RD）的均值为0.108，表明样本期内中国新能源汽车企业整体处于价值链中上游位置。数字化转型（Digital_1）词频呈显著右偏分布，后续回归对其取对数处理。

VARIABLES	N	Mean	Sd	Min	Max
Digital_1	700	15.13	34.31	0	310
Gvc_firm_rd	700	0.108	0.129	0.00128	1.142
Size	700	22.87	1.032	19.83	26.45
Roa	700	0.0585	0.0713	-0.714	0.324
Lev	700	0.456	0.183	0.0111	1.876
Age	700	6.399	6.913	0	30

（二）基准回归结果

由表3可知，数字化转型（digital_1）的系数为0.00107，在5%水平上显著为正（p=0.024），验证了核心假设H1a。控制变量中，资产负债率（lev）显著为负，说明高负债抑制价值链升级；总资产收益率（roa）显著为负，可能反映了研发投入对短期利润的挤压。模型组内R²为0.4003。

VARIABLES	gvc_firm_rd
digital_1	0.001067**
	(0.000462)
size	0.001208
	(0.006148)
lev	-0.094086***
	(0.034049)
roa	-0.302421**
	(0.127536)
age	-0.007023
	(0.005617)
2013.year 至 2021.year	（均显著为正，省略具体项）
Constant	0.089209
Observations	700
Number of firms	72
R-squared	0.400268

（三）稳健性检验

为验证基准回归结论的可靠性，本文进行了多项稳健性检验，结果见表4。

变量	（1）缩尾处理	（2）剔除部分数据	（3）替换被解释变量	（4）替换解释变量
Digital-1	0.00071*** (0.00025)	0.00054*** (0.00016)	-0.00210 (0.00587)
digital_2				0.00058 (0.00054)
控制变量 / 固定效应	是	是	是	是
观测值	616	490	616	546

注：括号内为企业层面聚类稳健标准误；***表示在1%水平上显著。

（四）进一步讨论：效应的短期性含义

滞后一期显著，滞后两期不显著。这一发现可从动态能力理论和新能源汽车行业特征解释：企业数字化转型依赖于持续的资源重组，一旦停止投入，先发优势会被迅速赶超。新能源汽车行业正处于从电动化进入智能化的关键阶段，技术迭代周期不断缩短，要求数字化能力必须持续更新。

五、机制解释与讨论

1. 数字化转型通过提升企业动态能力推动GVC地位攀升。依据动态能力理论，数字化转型是培育感知市场、捕捉机会和重构资源核心能力的关键路径。
2. 数字化转型效应的短期性特征由动态能力的持续更新要求塑造。该行业处于智能化“速度比拼”阶段，技术迭代以“周”为单位，数字化作用并非“一次投入、长期受益”。
3. 民营企业数字化效应显著而国有企业不显著，反映了所有制在动态能力构建上的结构性差异。民营企业机制灵活，转化效率更高。

六、结论与启示

（一）研究结论

第一，数字化转型显著推动了中国新能源汽车企业GVC地位的攀升。第二，数字化转型对GVC地位的提升作用具有短期性特征，竞争优势“保鲜期”约为1—2年。第三，数字化转型的GVC升级效应存在显著的产权异质性，民营企业效应更强。

（二）理论贡献

本文揭示了数字化竞争优势的时效衰减特征，为理解新能源汽车产业快速崛起的微观机制提供了证据，并在数据受限条件下创新了GVC地位的测度方法。

（三）实践启示

企业应建立数字化转型的常态化机制，避免“一劳永逸”。政策制定者应加大对民营企业数字化创新的支持，同时推动国有企业深化市场化改革，打破体制壁垒。

（四）研究局限与未来方向

未来研究可引入更严格的因果识别策略，或结合新发布的投入产出数据进行扩展，并开展跨行业比较研究。

参考文献：

1. [1] 李鑫,佟岩,曹丰.数字化转型对企业全球价值链嵌入地位的影响[J].华南师范大学学报(社会科学版),2024(06):125-140.
2. [2] 谢杰,刘智,王婷,等.数字化转型提升我国制造业出口竞争力的路径研究——基于全球价值链视角[J].商业观察,2025,11(20):45-52.
3. [3] 数字技术应用与中国企业全球价值链攀升[J].东方论坛—青岛大学学报(社会科学版),2025(02):78-95.
4. [4] 数字经济、企业加成率与全球价值链位势攀升[J].统计与决策,2024(04):183-188.
5. [5] Barney J. Firm resources and sustained competitive advantage[J]. Journal of management,1991,17(01):99-120.
6. [6] Teece D J, Pisano G, Shuen A. Dynamic capabilities and strategic management[J]. Strategic management journal,1997,18(07):509-533.
7. [7] 吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现:来自股票流动性的经验证据[J].管理世界,2021,37(07):130-144.
8. [8] 张叶青,陆瑶,李乐芸.大数据应用对中国企业市场价值的影响:来自中国上市公司年报文本分析的证据[J].经济研究,2021,56(12):150-166.
9. [9] 詹新宇,梁蓝心.链长制如何“链”出企业技术创新[J].中国工业经济,2024(11):102-120.
10. [10] 倪红福.全球价值链中企业的位置及其结构变化[J].经济研究,2022(02):45-62.
11. [11] Chor D, Manova K, Yu Z. The global production line position of Chinese firms[R]. Working paper, 2014.
12. [12] Koopman R, Powers W, Wang Z, et al. Give credit where credit is due: Tracing value added in global production chains[J]. NBER working paper, 2010.
13. [13] Koopman R, Wang Z, Wei S J. Tracing value-added and double counting in gross exports[J]. American economic review,2014,104(02):459-494.
14. [14] 吕越,罗伟,刘斌.全球价值链嵌入与企业的融资约束[J].世界经济,2015,38(08):75-99.
15. [15] 张杰,陈志远,刘元春.中国出口国内附加值的测算与变化机制[J].经济研究,2013,48(10):124-137.
16. [16] Upward R, Wang Z, Zheng J. Weighing China’s export basket: The domestic content and technology intensity of Chinese exports[J]. Journal of comparative economics,2013,41(02):527-543.