改革开放以来，各行各业迅速发展，物流业作为现代产业发挥了重要且关键的作用。物流业是集运输业、仓储业、邮政业等多个行业于一体的复杂产业，其在一个国家的经济和社会发展中发挥着重要的战略作用，物流业的快速和高质量发展可以形成一股运输力量，加快促进市场经济健康发展，并积极推动和谐社会的构建。就我国目前经济发展趋势来看，关键方面是实现经济发展模式的转变，将以往的生产要素型发展策略转化为创新驱动型发展策略，把以往扩大产业规模的路线转向优化产业结构，注重生产效率以实现经济高质量发展。企业全要素生产率指标是将多种投入结合的计算结果，与资本生产率和劳动生产率都不同，实质是体现企业生产过程中不能用数据衡量的要素投入，提高企业全要素生产率即为提高资源利用效率。数据作为一种生产投入，是企业新兴的生产要素，可以与其他投入相结合，避免传统投入的瓶颈，刺激经济增长，促进企业生产力的提高，具有能够无限供给、易于复制的优势。随着企业数字化转型的加快，数字化转型不仅是为了减少企业生产成本，将数字技术与企业生产流程和业务发展流程结合，而且是为了减少企业资源缺乏带来的负面影响，将其大范围的应用于数据计算、人工智能等创新科学技术中，并以此为基础将企业内部资源和外部资源进行优化配置。
因此，研究物流企业数字化转型水平对企业全要素生产率的影响及机制，对于企业抓住数字化转型机遇以提高其生产效率，具有重要意义。
全要素生产率在一定程度上反映相关产业的发展与进步，是衡量一定时期内企业投入产出比的生产力指标。邵剑和孟添天(2023)研究发现，全要素生产率非常全面，包含了广泛的企业生产信息，展现企业在生产经营过程中的各方面综合能力，能够体现企业生产活动的实施效率，并有助于帮助企业规避经营风险，促进企业生产经营质量的提高。裴璇、刘宇和王稳华(2023)的研究表明，在微观层面上，高效率企业一般拥有较高市场份额，不同企业在投入、产出和生产效率方面始终存在显著而长远的差异。
数字经济的发展在优化和改善产业结构、提高劳动力资源配置效率、助力区域进行创新转型发展等方面具有正向影响效果。
综上所述，以往研究者对数字化转型与物流企业全要素生产率的具体影响机制研究比较少，所以本文基于2013-2022年我国物流企业面板数据实证分析数字化转型对物流企业全要素生产率的影响效果，并将企业管理效率作为中介变量，研究数字化转型对物流企业全要素生产率的作用机制。
本文使用2013-2022年在上海和深圳证券交易所上市的物流企业数据，数据来源于《中国统计年鉴》、《中国工业统计年鉴》、CSMAR数据库以及企业公司年报数据，并对初始数据样本进行以下处理：剔除ST或*ST股票、部分缺失数据使用插值法补齐。
企业全要素生产率(TFP)。全要素生产率反映了企业总体生产资源转化率，并衡量了生产要素无法解释的总产出份额。本文根据以往学者的研究结果，选择LP法计算物流企业全要素生产率。其中，企业营业收入被用作企业经营增长的替代变量，固定资产净值被用作资本投资的替代变量，企业员工人数被用作劳动力投资的替代变量，企业购买商品和服务所支付的货币被用作中间投入的替代变量。
数字化转型(DT)。目前学术界对于数字化转型度量的研究主要从定性角度进行，关于数字化转型度量的定量研究较少，对企业数字化转型的度量方法尚未进行深入探讨。本文在借鉴现有学者构建企业数字化转型因子库做法的基础上，使用Python工具的文本数据挖掘方法，从深圳和上海证券交易所发布的公司年报中提取数字化转型数据，并将因子库中的文本和上市公司年报进行比对，将年报中与数字化转型相关的关键词样本赋值为1，反之赋值为0。然后将得到的数据样本进行合并，最终得到企业数字化转型的完整指数，并进行对数化处理。
企业管理效率(ME)。企业管理成本指数越低，说明管理效率越高。本文采用企业分销和运营成本用作管理效率的指标，采用公司分销和运营成本总额与运营收入的比率对企业管理效率进行衡量，记作ME。
企业年龄(Age)，采用样本当前观察年份与样本形成年份之间的差值对企业年龄进行衡量，记作Age；企业规模(Size)，采用企业当年总资产对数化数据对企业规模进行衡量，记作Size；总资产报酬率(ROA)，采用使用企业年末净利润与期末总资产的比例对总资产报酬率进行衡量，记作ROA；现金流水平(OCF)，采用物流企业经营性现金数额与总资产之间的比值对现金流水平进行衡量，记作OCF；高管团队规模(ETS)，采用物流企业高级管理人员数对高管团队规模进行衡量，记作ETS；固定资产占比(FA)，采用固定资产与物流企业年末总资产的比率进行衡量，记作FA；财务杠杆(FL)，采用公司年末总负债与总资产的比率进行衡量，记作FL。
为探究数字化转型对物流企业全要素生产率的影响，本文根据2013-2022年我国物流企业面板数据，参考
其中，TFP为被解释变量全要素生产率水平，DT为解释变量数字化转型水平，α1表示数字化转型对物流企业全要素生产率的模型回归系数，Xi表示控制变量，η表示个体固定效应，θ表示时间固定效应，δ为随机误差项。
本文从企业管理效率的角度进行中介效应研究，借鉴
MEab=β0+β1DTab+βiXi+η+θ+δ (2)
TFPab=γ0+γ1DTab+γ2MEab+γiXi+η+θ+δ (3)
其中，ME为中介变量物流企业管理效率，β1表示数字化转型对物流企业管理效率的回归系数，γ1为加入中介变量企业管理效率之后，解释变量数字化转型对被解释变量物流企业全要素生产率的模型回归系数。
基准回归模型分析结果如表1所示，模型(1)为没有添加控制变量的回归结果，模型回归系数为0.078，回归结果通过5%水平的显著性检验。模型(2)中加入了控制变量，回归模型系数为0.069，回归结果为正值并且在1%的水平上通过显著性检验。与模型(1)相比，模型(2)的拟合优度提高。结果表明，企业数字化转型能够在1%的置信水平上有效提升物流企业全要素生产率，数字化转型对物流企业全要素生产率的提高具有正向影响效果。
根据上文得到的基准回归结果，可以得出数字化转型能够对物流企业全要素生产率的提升起到促进作用的结论。因此，本文运用逐步回归法，研究企业管理效率在其中发挥的中介作用。表2结果表明，数字化转型对企业管理效率的回归模型系数为0.059，在1%显著性水平下显著为正。在上文基准模型中加入中介变量企业管理效率之后，数字化转型与企业管理效率呈现出更为显著的正向相关关系，即企业管理效率的中介效应影响显著存在。
为进一步探究数字化转型对物流企业全要素生产率的影响效果，本文进行企业股权性质异质性分析。2020年国务院全面实施支持国有企业数字化转型的政策，为此，本文将样本分为国有企业和非国有企业。表3结果显示，国有企业模型的回归系数为0.079，在1%显著性水平下显著；非国有企业模型的回归系数为0.051，数值较小并且回归结果不具有显著性。
注：*、**、***分别表示回归结果在10%、5%、1%水平下显著，下同。
本文将数字化转型进行一阶滞后处理，以对基准回归结果进行稳健性检验。表4结果表明，滞后一阶的回归系数与基准回归结果的方向相同，企业数字化转型对全要素生产率的影响并不随着时间间隔的延长而明显降低，这一结果也支持了本文的基准回归结果。
第一，我国必须及早抓住数字化转型的机遇以促进经济高质量发展。首先，政府要构建规范的数字化创新体系，加快物流企业生产产品、生产技术及内部管理结构的数字化转型，帮助物流企业提高企业全要素生产率，助力企业高质量发展；其次，要深入实施宽带中国战略，加大数字基础设施建设力度，从外部条件入手为企业数字化转型发展打造能够满足需求的基础数字网络设施，从而为企业数字化转型带来更显著的成效。
第二，企业要在数字化转型发展的基础上提高企业管理效率，发挥其对提高企业全要素生产率的中介作用。企业全要素生产率的提高与企业管理效率息息相关。数字化转型有助于降低部门之间的沟通和互动成本，通过信息交流提高运营和管理效率，优化内部管理。数字经济的快速发展使供应链管理技术的应用成为必然，也为物流企业高质量发展创造了新的条件。通过在供应链管理中应用数字技术，物流企业可以在供应和配送过程的各个环节快速获得经济效益，在降低企业管理与运营成本方面发挥关键作用。
第三，企业要根据自身发展具体情况，制定适合自身特点的数字化转型发展路线。非国有企业应提升基础设施能力，弥补自身业务资源缺口，处理好政府与企业的关系，形成全国范围内的公信力链条，重视数字化转型发展的长久积累，才能受益于政策驱动信息，借助数字经济开展融资活动，有效缓解企业自身资金不足的问题。物流企业应引领单个企业进行数字化转型，进而发展成为全领域内的数字化合作，促进物流行业总体数字信息化发展，营造数字物流新型产业形态。
沪公网安备 31011202008041号