——以汽车行业为例

方辰

（西南财经大学工商管理学院，四川 成都 611130）

摘要：随着大数据、云计算、人工智能等数字信息技术的迅速发展，数字经济已成为21世纪全球经济增长的重要驱动力，许多企业实现或正在实现数字化转型过程。研究者发现汽车制造企业的数字化转型有利于实现企业绩效的显著增长，然而有关不同规模企业数字化转型的程度对该企业绩效影响的问题还存在研究空间。本文共收集了1805份不同规模的汽车制造上市公司的相关数据，并通过固定效应模型研究不同规模企业数字化转型的效果差异。研究结果表明，不同规模的企业数字化转型均能够显著提升企业绩效，但是企业规模在二者之间并未起到显著的正向调节作用。因此，本文建议企业应当考虑自身实际情况进行数字化转型。

关键词：数字化转型；企业规模；固定效应模型；调节作用

一、引言

数字经济蓬勃发展，正在深刻改变人类的生产生活方式。相关研究显示，2020年数字经济增加达到了32.6万亿美元，数字经济占各国GDP比重也在增加，“十四五”规划提出从企业、产业、集群三个层次系统推进，全面推动大中小型企业数字化转型，这充分体现了中国对于企业数字化转型的重视。汽车制造业不仅是中国的经济支柱，更是技术突破、社会就业、绿色转型和国家安全的战略载体。2015年成立的小型车企零跑汽车的“全域自研”模式快速响应技术迭代，七年时间内自主研发了三大整车平台及“三电”系统、智能网联系统、自动驾驶系统三大核心技术，是继特斯拉之后，全球第二家拥有智能电动汽车完整自主研发能力的厂商[1]。比亚迪自主研发出的刀片电池大大提升能源密度，重新洗牌动力电池的技术路线和安全标准，引领磷酸铁锂技术重回主赛道，解决了低成本、高能量、长寿命三个重大问题[2]。吉利集团通过构建“智慧碳大脑”平台，利用物联网技术传输碳排放数据对接到一站式数字化碳管理平台，平台根据能耗情况的各自特点计算出碳排放量从而实现有效的碳管理[3]。由此可见汽车制造行业对于国计民生，科研创新的重要性。而过去对企业数字化转型的研究往往聚焦于案例分析，聚焦于中国汽车制造业的实证分析部分较少[4]。并且先前研究者的实证分析部分往往仅将企业规模作为控制变量处理，鲜有研究其在企业数字化转型与企业绩效表现之间的调节效应。因此本文将基于已有的研究结果，采用文本分析法收集2011-2023年中国A股所有汽车制造上市公司的数字化转型相关数据，并调用Csmar数据库收集包括ROE、董事会规模等相关数据，应用固定效应模型回归分析得到以下结论：（1）企业的数字化转型程度对企业绩效表现有正向促进作用。（2）企业的规模大小对于数字化转型与企业绩效的关系并没有起到显著的正向调节作用。本文可能存在以下边际贡献：首先为汽车制造行业乃至其他行业的企业数字化转型提供有益借鉴，企业在制定数字化转型战略决策时，要充分考虑到自身企业规模，经营状况，负债能力等重要因素，并不是越大型的企业，数字化转型带来的绩效提升效果越高。其次本文的结论挑战了资源基础理论（RBV）中“规模作为资源禀赋核心代理变量”的传统假设，在理论层面和实践层面对资源基础理论进行了拓展贡献。在理论层面，更加强调企业动态能力的构建而非单纯扩大企业规模；在实践层面，鼓励中小车企积极拥抱数字化转型时代浪潮，通过精准投入实现“以小博大”，同时警示了大型车企避免陷入规模陷阱。

二、理论基础和假设发展

资源基础理论由沃纳菲尔特（Wernerfelt）、杰恩·巴尼（Jay B. Barney）等学者在十九世纪八九十年代提出，其构建的VRIO框架，从Valuable（有价值）、Rare（稀缺性）、Inimitable（不可模仿性）和Organized（组织化）四个方面来分析识别企业的核心资源。根据资源基础理论，对核心资源的掌控是企业竞争优势的关键。在资源基础理论的视角下，新质生产力包括技术知识、管理知识、市场知识等，这些知识资源是企业进行创新和维持竞争优势的关键。新质生产力的形成和发展依赖于企业内部的资源配置和能力建设，同时也受到数字化信息技术的影响[5]。数字化转型通过自动化流程和数字化管理，减少人力与资源的浪费，实现运营效率的提升和长期成本的降低。汽车制造企业通过数字化转型，能够实现新车研发周期的缩短，并且持续优化车辆性能，提高用户粘性，从而实现企业绩效的增长。根据规模经济效应，随企业规模逐渐扩大，单位生产成本将会随着技术效率提升、资源集中和资源优化配置而下降，从而提高企业的绩效表现。过去的学者发现零售行业的数字化转型可以通过整合供应链、快速响应市场需求，推出新产品、服务和商业模式来扩大企业规模和提升企业创新能力，这将有利于企业绩效表现的提升[6]。纺织行业的数字化转型能够正向影响企业动态能力和企业绩效，但是这需要企业满足一定条件。如果纺织企业的成长性不足、资产负债率较高、企业规模小，企业的动态能力缺失，那么其进行数字化转型及绿色技术创新，只会加剧企业的发展难度，不利于提升纺织业企业的绩效[7]。数字要素和其他生产要素协同可提升企业竞争力，其中规模协同中的数字-资本协同更有利于竞争力提升[8]，企业通过竞争力的提升，能够有效促进绩效表现的提升。尽管以上学者均没有直接研究企业规模在企业数字化转型和企业绩效表现之间的调节作用，但是在研究中企业规模这一因素均扮演中介变量或是解释变量中的环节，由此可见，在有关数字化转型的行业实证分析中，企业规模是必须考虑在内的重要因素之一。

综上，本文依据过往的研究发现和理论支撑，提出以下假设：

H1：企业数字化转型程度对企业绩效表现存在正向促进作用。也就是说，相比较于数字化转型程度低的企业，转型程度高的企业绩效表现更好。

H2：企业规模在企业数字化转型和企业绩效表现之间起到正向调节作用。也就是说，相比较于规模小的企业，规模越大的企业数字化转型对企业绩效的正向促进作用越强。

三、研究方法

基于《中国数字经济发展报告（2022年）》，中国数字经济以2011年为分界点，开始展现出较大增长趋势，意味着2011年起中国数字技术创新及产业数字化水平的显著提升[5]，同时为了使实证结果更具有现实意义和时效性，本文基于2012版证监会行业分类标准，选择2011-2023年中国A股上市的各大汽车制造企业的样本数据，并进行筛选：剔除研究期间被证监会ST、^*ST处理的上市公司样本和相关财务数据缺失的上市公司样本，将数据在1%的水平上进行Winsorize逐年缩尾处理以保证数据的平稳度。

1.变量选取

（1）被解释变量

参考戚聿东，蔡呈伟实证分析中被解释变量的选择，行业转型的效果即企业绩效由上市企业财务指标净资产收益率（ROE）所决定[9]。同时本文将总资产净利润率（ROA）作为企业绩效的替代变量（见表1）进行稳健性分析。

（2）解释变量

参考过去研究对数字化转型程度的度量，本文应用文本分析法，将企业的数字化转型程度由企业年报中披露的有关数字化转型的相关词汇数量所决定，相关数据来源于Csmar数据库中《上市公司数字化转型程度(年)》一栏，将人工智能技术、云计算技术、大数据技术、数字技术应用出现频次加总再加1取自然对数处理，记作Dig（见表1）。

（3）调节变量

过去的研究在度量企业规模这一变量时，大多是按照中国证监会的标准把上市公司分为大、中、小三类，即作为虚拟变量（3、2、1）处理。而在本文中企业规模作为研究的调节变量，如果选择上述处理，则其基本不随时间变化，那么在固定效应模型中，与解释变量形成的交互项的系数无法被准确估计，因此本文选择令企业规模等于企业总资产取自然对数，记作Size（见表1）。

（4）控制变量

为了确保企业规模这一调节作用的可靠性并且减少误差，本文参照以往学者的研究以及理论分析，考虑了一系列会潜在影响企业绩效的控制变量（见表1），包括：董事会规模（Broad）、权益乘数（E_ratio）、存货周转率（ITO）、应付账款周转率（AP）、高管激励（Econ_Eq）。

表1 变量解释表

2.模型设定

（1）主效应检验

固定效应模型在实证研究中应用广泛，通过双向固定效应同时固定个体以及时间对被解释变量的特定影响，同时能够克服遗漏变量带来的问题。因此本文引入固定效应模型，并构建如下模型来验证企业数字化转型对企业绩效的影响：

（2）调节效应检验

由于本文选取的被解释变量企业绩效（ROE）与调节变量企业规模（Size）均为连续变量，根据方杰、温忠麟等人所提出的调节效应检验模型 [10]，本文将解释变量数字化转型程度（Dig）和调节变量进行中心化处理以消除多重共线性对实证结果的影响，构建如下模型：

四、实证结果分析

1.描述性统计分析

表2是本文描述性统计分析的结果。其中企业绩效（ROE）的均值为0.083，而最小值和最大值分别为-1.9277和0.452，可见个别企业个别年份的绩效表现比较差。数字化转型程度（Dig）的均值大于中位数，最小值与最大值分别为0和4.2767，可见汽车上市企业数字化转型程度差距明显。企业规模（Size）的均值和中位数比较接近，说明企业规模大小分布比较均匀，极端值影响较小。

表2 描述性统计分析结果

2.多元回归分析

由表3可得，在控制个体与年份的情况下，核心解释变量Dig对被解释变量ROE的影响系数在1%水平下显著，系数为0.0149为正，说明企业数字化转型对企业绩效表现存在正向促进作用，本文假设H1得证。

表3 基准回归结果

t statistics in parentheses，* p < 0.05, ** p < 0.01, *** p < 0.001

3.调节效应分析

表4为调节效应回归结果，结果表明，在加入企业规模（Size）这一因素的情况下，解释变量Dig对被解释变量ROE的影响系数在5%水平下显著，同时Size对ROE的影响系数在0.1%水平下显著，这说明企业数字化转型可以正向促进企业绩效，且越大型的企业其绩效表现一般来说越好，但是交互项Dig*Size对ROE并没有显著的正向促进作用，即企业规模对于企业数字化转型和企业绩效表现之间并不存在调节作用，假设H2不成立。

表4 调节效应回归结果

t statistics in parentheses，* p < 0.05, ** p < 0.01, *** p < 0.001

4.稳健性检验

表5选取企业总资产净利润率（ROA）作为替代变量进行稳健性检验，结果表明，企业数字化转型和企业规模均对企业绩效表现（ROA）有正向促进作用，但是企业规模在数字化转型和企业绩效表现之间并不存在调节作用，这进一步证明了结果的正确性。

表5 稳健性检验

t statistics in parentheses，^* p < 0.05, ^** p < 0.01, ^*** p < 0.001

五、结论与讨论

本研究通过实证分析和稳健性检验得出企业规模对于企业数字化转型和企业绩效表现之间并不存在调节作用这一结论，这挑战了资源基础理论，可能的原因有：首先，数字化转型的“普惠性”削弱了规模优势，数字技术在汽车行业的普及使中小企业无需大量投入资金也可以获得与大型企业同样的数字化设施设备。其次，大型企业组织僵化、决策链条冗长，抵消了资源带来的优势。根据国务院印发的《节能与新能源汽车产业发展规划(2012-2020年)》，新能源车企获得政府数字化补贴，这使得其转型效果不弱于传统汽车大型企业，规模调节作用被政府干预掩盖。并且本文包含2019-2023年新冠疫情期间的样本数据，人们消费欲望降低，市场需求下降，原材料价格上升导致汽车行业整体收入下降，而这种影响可能对于大型企业更加显著，抵消了规模效应。

本文的实证结果为汽车制造行业内不同规模的企业数字化转型提供借鉴并且对资源基础理论（RBV）进行了修正与补充：首先，企业数字化的策略应该更注重其他因素而非企业规模，更加关注转型质量而非企业体量，以“精准适配”替代“规模优先”。其次，企业规模本身并不构成数字化转型的优势或者障碍，企业无论大小都可以平等的地从数字化转型中受益，中小企业应当更加积极投入数字化转型地浪潮中去。最后，传统的RBV强调企业规模如资金、人力、设备等作为关键资源，但本文研究结论表明，企业规模并非是数字化时代下提升企业绩效的决定性因素，应当将企业的动态调整能力与数据资产质量等新资源维度纳入RBV框架。

然而，本文也存在不足之处：企业数字化转型往往是一个渐进式过程，难以保证对数字技术的投入在短期内企业就能够得到相应的回报。并且目前绝大多数的研究对于企业数字化转型程度这一变量的度量均来自于上市公司年报中披露的有关数字化转型关键词汇的数量，这种度量方法并不能够全面解释企业数字化转型的程度，这可能会影响结论的可靠性。

未来的研究可检验本文结论在商用车与乘用车领域是否同样适用，或探索其他替代变量在数字化转型对企业绩效影响中起到的调节作用，如企业在产业链中的议价权、高管的数字化认知等等。

参考文献：

[1]郑刚,邓宛如.如何“领跑”？零跑汽车的“全域自研”突围之路[J].清华管理评论,2022(12):110-118.

[2]陆郅轩.创新战略视角下企业创新突破与价值创造[D].武汉：中南财经政法大学,2023.

[3]张博涵.吉利集团碳绩效评价体系构建研究[D].兰州：兰州大学,2023.

[4]赵世君,陈鑫,陈子炫.数字化转型、交易成本与企业绩效——以A股汽车制造企业为样本的实证检验[J].国际商务财会,2025(1):31-36.

[5]赵巧芝,郭紫晴.数字化转型赋能制造业新质生产力发展——基于资源基础理论与动态能力理论的实证研究[J].工业技术经济,2025,44(1):12-24.

[6]刘鹤.零售企业数字化转型的规模效应与创新效应[J].商业经济研究,2024(5):32-35.

[7]刘银洁.数字化转型对纺织业企业绩效的影响机制研究[D].南昌：江西师范大学,2024.

[8]程丽雯,王长松.多要素协同何以牵动企业竞争力——基于数字要素规模与创新双重视角[J].时代经贸,2025,22(2):95-100.

[9]戚聿东,蔡呈伟.数字化对制造业企业绩效的多重影响及其机理研究[J].学习与探索,2020(7):108-119.

[10]方杰,温忠麟,欧阳劲樱,等.国内调节效应的方法学研究[J].心理科学进展,2022,30(8):1703-1714.