一、引言

2022年10月25日，黨的二十大報(bào)告全文發(fā)布。對(duì)于未來五年的發(fā)展，二十大報(bào)告做了全面部署。其中提出建設(shè)數(shù)字中國，加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。數(shù)字化轉(zhuǎn)型已從眾多企業(yè)的“可選項(xiàng)”轉(zhuǎn)變?yōu)椤氨剡x項(xiàng)”，成為改造提升傳統(tǒng)動(dòng)能、培育發(fā)展新動(dòng)能的重要手段，數(shù)字經(jīng)濟(jì)時(shí)代全面來臨！

數(shù)字經(jīng)濟(jì)時(shí)代，欲準(zhǔn)確理解企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果、發(fā)掘數(shù)字化轉(zhuǎn)型對(duì)市場(chǎng)變革的關(guān)鍵影響，首先需要對(duì)“數(shù)字化轉(zhuǎn)型”這一項(xiàng)企業(yè)長期系統(tǒng)性的工程進(jìn)行高度凝練，因此全面度量微觀層面企業(yè)數(shù)字化水平是第一要?jiǎng)?wù)。然而，相比于企業(yè)熱火朝天地推進(jìn)數(shù)字化轉(zhuǎn)型，微觀數(shù)字化水平綜合指標(biāo)的構(gòu)建相對(duì)滯后，目前對(duì)于企業(yè)數(shù)字化水平指標(biāo)的構(gòu)建與測(cè)度的相關(guān)研究，大多采用單一維度的替代性指標(biāo)進(jìn)行測(cè)度，缺乏微觀層面多維度的企業(yè)數(shù)字化水平指標(biāo)體系。鑒于現(xiàn)有研究對(duì)企業(yè)數(shù)字化水平指標(biāo)的涵蓋面不足，本文基于中國上市公司公開年報(bào)、財(cái)務(wù)報(bào)表、專利和軟件著作權(quán)等大數(shù)據(jù)，從數(shù)字化投入、數(shù)字化產(chǎn)出和數(shù)字化關(guān)注等三個(gè)維度首次構(gòu)建企業(yè)數(shù)字化水平指標(biāo)D_Score，嘗試全面評(píng)估中國上市公司多年來數(shù)字化轉(zhuǎn)型成效，比較各行業(yè)數(shù)字化發(fā)展水平，挖掘數(shù)字化轉(zhuǎn)型領(lǐng)導(dǎo)者，以助力數(shù)字化相關(guān)的政策設(shè)計(jì)與企業(yè)高質(zhì)量發(fā)展。

二、D_Score：企業(yè)數(shù)字化水平測(cè)度

2.1 測(cè)度思路

本文基于數(shù)字經(jīng)濟(jì)的內(nèi)涵，著眼于企業(yè)對(duì)于自身數(shù)字化轉(zhuǎn)型發(fā)展的重視程度，全方位搭建企業(yè)數(shù)字化水平（D_Score）的指標(biāo)體系（見2.3表1）。具體而言，企業(yè)數(shù)字化水平是目標(biāo)層，依據(jù)企業(yè)的投入產(chǎn)出及關(guān)注度，從“數(shù)字化投入”、“數(shù)字化成果”和“數(shù)字化關(guān)注度”三個(gè)維度搭建企業(yè)數(shù)字化水平的指標(biāo)體系，在此基礎(chǔ)上依據(jù)科學(xué)性、層次性以及數(shù)據(jù)可獲得性原則，共選取了5種二級(jí)指標(biāo)。

1.數(shù)字化投入。借鑒祁懷錦等（2020）的構(gòu)造思路，數(shù)字化投入以上市公司財(cái)務(wù)報(bào)告附注披露的年末無形資產(chǎn)明細(xì)項(xiàng)中與數(shù)字化轉(zhuǎn)型相關(guān)部分的投入總額及其占無形資產(chǎn)總額的比例兩大指標(biāo)進(jìn)行表征，具體做法，加總無形資產(chǎn)明細(xì)項(xiàng)中包含“軟件”、“網(wǎng)絡(luò)”、“客戶端”、“管理系統(tǒng)”、“智能平臺(tái)”等數(shù)字科技相關(guān)的關(guān)鍵詞的投入，計(jì)算得到與數(shù)字科技相關(guān)的無形資產(chǎn)當(dāng)年投入總額，再將加總額除以當(dāng)年無形資產(chǎn)總額計(jì)算得到占比值。

2.數(shù)字化成果。鑒于集團(tuán)型企業(yè)有多個(gè)獨(dú)立法人主體，且在應(yīng)對(duì)互聯(lián)網(wǎng)浪潮與新興技術(shù)變革過程中創(chuàng)設(shè)大量數(shù)字科技子公司，本文以上市公司母公司與母公司參股不低于51%且公司名稱中包含“數(shù)字”、“信息”、“智能”、“軟件”詞語的一級(jí)子公司數(shù)字化專利和軟件著作權(quán)當(dāng)年擁有總量表征該集團(tuán)型企業(yè)的數(shù)字化成果數(shù)量。本文基于天眼查官網(wǎng)知識(shí)產(chǎn)權(quán)欄的公開信息手工整理了所有符合條件的樣本企業(yè)的軟件著作權(quán)和專利信息。數(shù)字化專利的識(shí)別則是基于專利信息篩選出發(fā)明與實(shí)用新型專利中處于實(shí)質(zhì)審查、授權(quán)或者公開授權(quán)狀態(tài)，且專利內(nèi)容摘要中包含人工智能技術(shù)、大數(shù)據(jù)技術(shù)、網(wǎng)絡(luò)安全技術(shù)、云計(jì)算技術(shù)、數(shù)字技術(shù)應(yīng)用等詞匯的專利。

3.數(shù)字化關(guān)注度。以學(xué)界目前較為流行的上市公司年報(bào)中數(shù)字技術(shù)關(guān)鍵詞當(dāng)年頻次進(jìn)行表征，通過Python爬蟲功能歸集整理A股上市公司年度報(bào)告，統(tǒng)計(jì)上市公司在年度報(bào)告中提到的人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)、數(shù)字技術(shù)應(yīng)用細(xì)分指標(biāo)的頻次總和，以表征上市公司對(duì)數(shù)字化轉(zhuǎn)型的關(guān)注度。

2.2 數(shù)據(jù)來源與處理

為全面反映企業(yè)數(shù)字化轉(zhuǎn)型程度，本文以2010-2021年滬深兩市A股上市公司作為初始研究樣本，依據(jù)申銀萬國證券公司2021年最新行業(yè)分類法，將上市公司分為31個(gè)一級(jí)行業(yè)。除上市公司專利數(shù)據(jù)與軟件著作權(quán)來源于天眼查官網(wǎng)的知識(shí)產(chǎn)權(quán)欄以外，其余公司層面的微觀數(shù)據(jù)均來自Wind數(shù)據(jù)庫和國泰安（CSMAR）數(shù)據(jù)庫。

為消除異常數(shù)據(jù)干擾，按照如下原則對(duì)樣本進(jìn)行處理：（1）剔除* ST、ST以及PT的樣本，因?yàn)樵擃惼髽I(yè)的財(cái)務(wù)數(shù)據(jù)可能存在異常；（2）剔除主要變量缺失及異常的樣本。最終，本文共獲得34792個(gè)公司—年度觀測(cè)值用于后續(xù)分析。

2.3 變量定義

2.3.1 上市公司數(shù)字化水平（D_Score）

基于前文，企業(yè)數(shù)字化水平指標(biāo)體系如下：

表1 企業(yè)數(shù)字化水平的指標(biāo)體系

要準(zhǔn)確測(cè)算企業(yè)數(shù)字化水平不僅需要可靠的具體指標(biāo)，也需要依據(jù)一定規(guī)則對(duì)相關(guān)指標(biāo)賦予權(quán)重。權(quán)重的確定一般有主觀賦權(quán)法和客觀賦權(quán)法兩種，為避免人為因素造成權(quán)重設(shè)置的過度主觀性，采用客觀賦權(quán)法中的熵值法對(duì)所采取的指標(biāo)進(jìn)行賦權(quán)。

需要特別說明的是，上述指標(biāo)間存在量綱與數(shù)量級(jí)的不同，需對(duì)數(shù)據(jù)進(jìn)行無量綱化處理后，才具有橫向的可比性與實(shí)用性。由于采用的指標(biāo)均為正向指標(biāo)，即指標(biāo)數(shù)值越大企業(yè)數(shù)字化水平越高，因此對(duì)指標(biāo)進(jìn)行無量綱化處理的公式如下：

其中，max(xj)為歷年各指標(biāo)的最大值，min(xj)為歷年各指標(biāo)的最小值，xitj為企業(yè)i第t年第j項(xiàng)二級(jí)指標(biāo)，x'itj為無量綱處理后的指標(biāo)值。指標(biāo)經(jīng)無量綱處理后，借鑒王軍等（2013）采用的熵值法計(jì)算每一指標(biāo)的權(quán)重。

首先，計(jì)算各家企業(yè)第t年第j項(xiàng)二級(jí)指標(biāo)所占的比重，用yitj表示：

其次，計(jì)算第j項(xiàng)指標(biāo)的信息熵，用ej表示：

其中，m為樣本數(shù)，然后求出第j項(xiàng)指標(biāo)的權(quán)重，用pj表示：

最后，使用多重線性函數(shù)的加權(quán)方法求出企業(yè)i第t年數(shù)字化水平，用D_Scoreit表示：

通過式（1）—式（5）可計(jì)算出企業(yè)歷年數(shù)字化水平（D_Scoreit），D_Scoreit越大，表示該企業(yè)在當(dāng)年度數(shù)字化水平越高，數(shù)字化轉(zhuǎn)型效果越好，反之，則數(shù)字化水平越低。

2.3.2 上市公司數(shù)字化指數(shù)（D_Index）

為分析全體A股上市公司數(shù)字化轉(zhuǎn)型現(xiàn)狀以及不同類型企業(yè)數(shù)字化轉(zhuǎn)型在不同時(shí)序和空間上的發(fā)展特征，本文采用市值加權(quán)法，以每年年末各企業(yè)的市值占當(dāng)年背景樣本內(nèi)企業(yè)總市值的份額為權(quán)重，將各家企業(yè)的數(shù)字化水平加權(quán)合成為數(shù)字化指數(shù)（D_Index），具體計(jì)算公式如下：

其中，D_Indext表示第t年背景樣本的數(shù)字化指數(shù)，wit表示第t年企業(yè)i年末市值占背景樣本內(nèi)所有企業(yè)總市值的比重。

三、概覽：中國上市公司數(shù)字化水平總體分析

3.1 指標(biāo)概覽

3.1.1 數(shù)字化水平描述性統(tǒng)計(jì)

2010年-2021年，中國上市公司數(shù)字化水平逐年提高，但內(nèi)部差距逐漸擴(kuò)大。根據(jù)表2的描述性統(tǒng)計(jì)結(jié)果，截止2021年12月31日，在所選樣本中，上市公司數(shù)量已達(dá)4290家，是2010年的2.37倍。上市公司數(shù)字化水平（D_Score）的均值雖然于2020年達(dá)到峰值后有所回落，但仍從0.0024提升至0.0068，十一年復(fù)合增長率為9.93%。相應(yīng)地，中國上市公司數(shù)字化水平最大值也從2010年的0.0835提升至2021年的0.5050。另外值得關(guān)注的是，上市公司數(shù)字化水平的標(biāo)準(zhǔn)差逐年增大，不同公司之間的數(shù)字化水平差異呈現(xiàn)擴(kuò)大趨勢(shì)。

表2 D_Score描述性統(tǒng)計(jì)

3.1.2 二級(jí)指標(biāo)描述性統(tǒng)計(jì)

不同上市公司之間的數(shù)字化投入、成果以及重視程度差異較大。測(cè)算數(shù)字化水平綜合指標(biāo)所采用的五個(gè)二級(jí)指標(biāo)的描述性結(jié)果如表3所示，在2010-2021年間，34792個(gè)公司—年度觀測(cè)值涵蓋了絕大部分A股上市公司。全樣本上市公司數(shù)字化投入與數(shù)字化投入占比的均值分別為0.26和9.14，但標(biāo)準(zhǔn)差則達(dá)到了2.92和22.16，說明不同上市公司的數(shù)字化投入存在較大的差異。數(shù)字化專利和軟件著作權(quán)當(dāng)年度擁有量的均值僅分別為0.40和 4.70，極差分別為818和865，數(shù)值為0的樣本數(shù)高達(dá)32146和25124，足見形成數(shù)字化成果之艱難，不同上市公司之間成果存在巨大差異。無獨(dú)有偶，不同上市公司數(shù)字化關(guān)注度也存在較大差異。數(shù)字化關(guān)注度平均值為11.26，但小于均值的樣本數(shù)高達(dá)27508個(gè)，約占總樣本數(shù)的80%。上述分析表明數(shù)字化并非受到每家上市企業(yè)的追捧，同時(shí)也并非一項(xiàng)見效快的工程。

表3 二級(jí)指標(biāo)描述性統(tǒng)計(jì)

3.2 上市公司數(shù)字化水平（D_Score）分析

不同行業(yè)、不同地區(qū)以及不同所有制上市公司數(shù)字化水平和變化大相徑庭。圖1、圖2和圖3分別展示了各行業(yè)數(shù)字化水平50分位點(diǎn)歷年變化情況，不同地區(qū)上市公司數(shù)字化水平的分布變化以及不同所有制上市公司數(shù)字化水平的分布變化。

各行業(yè)數(shù)字化水平呈現(xiàn)先上升再有所回落的趨勢(shì)，行業(yè)間差異較大。各行業(yè)數(shù)字化50分位數(shù)于2020年達(dá)到峰值，在2021年出現(xiàn)回落。計(jì)算機(jī)、通信和銀行行業(yè)數(shù)字化水平50分位點(diǎn)數(shù)值于2021年分別達(dá)到了0.0287、0.0132和0.0101， 位列眾多行業(yè)前三。與此同時(shí)，傳媒、非銀金融和電子行業(yè)數(shù)字化水平超過行業(yè)平均值。其余行業(yè)數(shù)字化水平50分位數(shù)歷年波動(dòng)較小。

圖1 分行業(yè)上市公司數(shù)字化水平50分位數(shù)歷年變化圖

東部地區(qū)數(shù)字化水平高于中西部地區(qū)。過去幾十年里，區(qū)域經(jīng)濟(jì)發(fā)展不平衡是中國經(jīng)濟(jì)發(fā)展不平衡的典型特征，具體表現(xiàn)為東部、中部和西部三大板塊的經(jīng)濟(jì)發(fā)展差異。本文的數(shù)據(jù)表明，中國上市公司的數(shù)字化指數(shù)也呈現(xiàn)出相似的區(qū)域不平衡性。東部地區(qū)上市公司歷年數(shù)字化水平的各分位點(diǎn)數(shù)值約為中西部地區(qū)的兩倍。相比于東部地區(qū)，中西部地區(qū)上市公司的中位數(shù)更靠近箱體底部，數(shù)字化轉(zhuǎn)型略遜于東部地區(qū)。

圖2 分地區(qū)上市公司數(shù)字化水平箱線圖

注：圖中橫坐標(biāo)第一行中0表示西部地區(qū)，1表示中部地區(qū)，2表示東部地區(qū)；第二行表示年份。

國有與非國有上市公司組間差異小于組內(nèi)差異。兩類公司數(shù)字化水平第一四分位數(shù)與中位數(shù)在各年幾近相同，同時(shí)不同所有制上市公司的中位數(shù)均靠近箱體底部，說明大部分公司的數(shù)字化水平偏低，而有個(gè)別公司的數(shù)字化水平特別高，導(dǎo)致標(biāo)準(zhǔn)偏差不斷變大。反觀內(nèi)部數(shù)字化差異，非國有上市公司的內(nèi)部差距高于國有上市公司。2010-2021年間，非國有上市公司的四分位距從0.0013一度提升至最高的0.0093，而國有上市公司則從0.0013提升至0.0078。

圖3 分所有制上市公司數(shù)字化水平箱線圖

注：圖中橫坐標(biāo)第一行中0表示非國有企業(yè)，1表示國有企業(yè)；第二行表示年份。

3.3 上市公司數(shù)字化指數(shù)（D_Index）分析

A股全體上市公司數(shù)字化水平呈現(xiàn)波動(dòng)上升趨勢(shì)。我們將2010年設(shè)置為基期，并將該年全體上市公司數(shù)字化水平設(shè)定為100，其余年份進(jìn)行相應(yīng)地調(diào)整。如圖4所示，在樣本期內(nèi)，全體上市公司數(shù)字化水平于2019年達(dá)到最高的442.73，隨后有所下降，11年復(fù)合增長率高達(dá)13.87%。這說明中國上市公司數(shù)字化程度不斷加深，但數(shù)字化轉(zhuǎn)型過程也并非一帆風(fēng)順，尤其2020年疫情沖擊，使得上市公司數(shù)字化轉(zhuǎn)型放緩。此外，值得關(guān)注的是，2017年是全體上市公司數(shù)字化水平同比增速最快的年份。

圖4 全體上市公司數(shù)字化指數(shù)時(shí)間序列圖

數(shù)字化差距有所拉大，存在強(qiáng)者更強(qiáng)，弱者更弱的馬太效應(yīng)。與前文相似，我們將2010年數(shù)字化指數(shù)排在末位的煤炭行業(yè)數(shù)字化指數(shù)設(shè)定為100，其余行業(yè)進(jìn)行同比例調(diào)整。同時(shí)，將31個(gè)行業(yè)的2021年數(shù)字化指數(shù)進(jìn)行降序排列，分為高、中、低三組，并將各組數(shù)字化指數(shù)時(shí)序變化情況分別展示在圖5、6、7中。

在高數(shù)字化指數(shù)組，各行業(yè)2021年數(shù)字化指數(shù)較2010年均有顯著上升。銀行、通信和石油石化數(shù)字化指數(shù)在2021年位列前三甲。與此同時(shí)，在2010-2021年期間，銀行、通信、計(jì)算機(jī)三大行業(yè)的數(shù)字化指數(shù)穩(wěn)居前五。石油石化成為組內(nèi)數(shù)字化指數(shù)增長率最高的行業(yè)，11年復(fù)合增長率高達(dá)32.26%，增長率最低的傳媒行業(yè)11年復(fù)合增長率高達(dá)6.44%，強(qiáng)者恒強(qiáng)成為現(xiàn)實(shí)。

圖5 分行業(yè)上市公司數(shù)字化指數(shù)時(shí)間序列圖（一）

在中數(shù)字化指數(shù)組，各行業(yè)2021年數(shù)字化水平較2010年均有一定程度地上升，但上漲幅度不及高數(shù)字化指數(shù)組。在受疫情疫情影響較大的2021年，絕大多數(shù)行業(yè)數(shù)字化指數(shù)出現(xiàn)滑坡，其中商貿(mào)零售行業(yè)數(shù)字化指數(shù)同比下降31.41%，從2020年組內(nèi)第一跌至2021年的組內(nèi)第三。而煤炭行業(yè)在2021年數(shù)字化指數(shù)未出現(xiàn)下降的同時(shí)也是該組唯一數(shù)字化指數(shù)持續(xù)上漲的行業(yè)。

圖6 分行業(yè)上市公司數(shù)字化指數(shù)時(shí)間序列圖（二）

在低數(shù)字化指數(shù)組，數(shù)字化轉(zhuǎn)型出現(xiàn)波折。2010-2021年，鋼鐵、房地產(chǎn)、紡織服飾是僅有的數(shù)字化指數(shù)呈現(xiàn)波動(dòng)下降趨勢(shì)的行業(yè)，其余各行業(yè)數(shù)字化指數(shù)較為平穩(wěn)沒有太大波動(dòng)。在2021年，絕大部分行業(yè)數(shù)字化指數(shù)出現(xiàn)滑坡，且降幅超過中數(shù)字化指數(shù)組，鋼鐵、房地產(chǎn)行業(yè)分別同比下降71.66%與59.05%，領(lǐng)跑2021年數(shù)字化指數(shù)跌幅榜。相較于數(shù)字化指數(shù)較高的兩個(gè)組，低數(shù)字化指數(shù)組出現(xiàn)弱者恒弱的馬太效應(yīng)。

圖7 分行業(yè)上市公司數(shù)字化指數(shù)時(shí)間序列圖（三）

四、誰執(zhí)牛耳：中國上市公司數(shù)字化領(lǐng)跑者評(píng)價(jià)

4.1 全體上市公司數(shù)字化水平TOP10

表4展示了2021年中國全體上市公司中數(shù)字化水平（D_Score）位列前十的公司（其他年份榜單見附錄）。可以看出，2021年中國銀行的數(shù)字化水平高居榜單第一，D_Score達(dá)到0.5050遠(yuǎn)超其他公司，是建設(shè)銀行的1.91倍。事實(shí)上中國銀行在2010-2020年均出現(xiàn)在前十榜單上，2010年中國銀行的排名為第6位，此后排名逐年上升，在2017年位居榜首，之后一直保持領(lǐng)先地位，并且領(lǐng)先趨勢(shì)越來越明顯。相關(guān)數(shù)據(jù)顯示中國銀行2021年當(dāng)年數(shù)字化專利擁有量高達(dá)818個(gè)，為全部上市公司最大值。同屬銀行業(yè)的建設(shè)銀行位居第二，D_Score為0.2638，當(dāng)年數(shù)字化專利擁有量達(dá)到了498個(gè)，數(shù)字化投入逐年遞增，數(shù)字化關(guān)注度超過平均水平。

值得關(guān)注的是，2021年中國上市公司數(shù)字化水平前十榜單中屬于計(jì)算機(jī)行業(yè)的公司占到六家，縱觀各年度榜單，計(jì)算機(jī)行業(yè)的公司出現(xiàn)的次數(shù)在5-8次之間，計(jì)算機(jī)行業(yè)幾乎霸榜前十，2021年排在第3位的科大訊飛于2014年首次出現(xiàn)在前十榜單上排名第四，2015年排名上升至第三，而后一直穩(wěn)居前三，可見計(jì)算機(jī)行業(yè)公司的數(shù)字化水平處于中國上市公司領(lǐng)先地位。

另外，上榜的其他公司中，中國石油連續(xù)4次出現(xiàn)在歷年榜單上（2019-2021），排名逐漸提升，2020年位列第三；東方國信7次上榜，2018年位列第四；?？低?次上榜，航天信息2次上榜，東軟集團(tuán)4 次上榜；中國電信和大華股份均初次上榜。可見榜單雖有變化，強(qiáng)者恒強(qiáng)確是事實(shí)。

表4 2021年中國上市公司數(shù)字化水平Top10

4.2 分行業(yè)上市公司數(shù)字化水平TOP3

表5展示了2021年各行業(yè)上市公司數(shù)字化水平排行前三的公司。可以看出，不同行業(yè)的數(shù)字化水平發(fā)展存在差距，同行業(yè)之間公司的數(shù)字化水平也存在一定差距。石油石化行業(yè)中，中國石油以0.1945排在第一位，而排在第二位、第三位的中國石化和中海油服分別僅為0.0194和0.0171，數(shù)據(jù)顯示這兩個(gè)公司的數(shù)字化專利數(shù)量和數(shù)字化關(guān)注度都不高。同樣，交通運(yùn)輸行業(yè)的韻達(dá)股份、電力設(shè)備行業(yè)的國電南瑞和傳媒行業(yè)的神州泰岳在各自行業(yè)中都處于強(qiáng)勢(shì)領(lǐng)跑者地位。計(jì)算機(jī)、銀行業(yè)前三名企業(yè)數(shù)字化水平都相對(duì)較高，相反，有色金屬、煤炭、綜合行業(yè)則相對(duì)較低。

表5 2021年各行業(yè)數(shù)字化水平Top3

4.3 分地區(qū)上市公司數(shù)字化水平TOP3

表6展示了2021年各省份上市公司數(shù)字化水平排行前三的公司?？梢钥闯觯煌貐^(qū)的數(shù)字化水平發(fā)展存在差距，同地區(qū)之間公司的數(shù)字化水平也存在一定差距。位于2021年中國上市公司數(shù)字化水平Top10榜單（表4）第一、二、四位的中國銀行、建設(shè)銀行和中國電信均地處北京市。另外，將各省份的Top1進(jìn)行排序，在排名前十中發(fā)現(xiàn)屬于計(jì)算機(jī)行業(yè)的科大訊飛（安徽）、?？低暎ㄕ憬?、東軟集團(tuán)（遼寧）、美亞柏科（福建）、萬達(dá)信息（上海），它們均是各地區(qū)的領(lǐng)跑者。相比之下，青海省Top1的公司數(shù)字化水平低于2021年中國上市公司的平均值0.0068，地區(qū)數(shù)字化水平整體發(fā)展相對(duì)落后。

表6 2021年各省份數(shù)字化水平Top3

五、結(jié)論

本文以2010-2021年滬深A(yù)股上市公司為研究對(duì)象，利用上市公司及其一級(jí)控股子公司的與數(shù)字化相關(guān)無形資產(chǎn)投入、專利、軟件著作權(quán)數(shù)量和年報(bào)詞頻等數(shù)據(jù)，運(yùn)用熵值法構(gòu)建了測(cè)度企業(yè)數(shù)字化水平的綜合指標(biāo)D_Score。在此基礎(chǔ)上，利用市值加權(quán)法計(jì)算得到上市公司數(shù)字化指數(shù)D_Index。以此對(duì)中國上市公司數(shù)字化轉(zhuǎn)型情況進(jìn)行了分析，得到了以下結(jié)論：

（1）從微觀個(gè)體企業(yè)來看，大部分中國上市公司數(shù)字化水平D_Score也逐年提高。數(shù)據(jù)顯示，樣本內(nèi)企業(yè)數(shù)字化水平均值從0.0024提升至0.0068，十一年復(fù)合增長率為9.93%。

（2）從微觀個(gè)體企業(yè)來看，上市公司之間的數(shù)字化水平存在較大差異。計(jì)算機(jī)、通信和銀行行業(yè)數(shù)字化水平發(fā)展優(yōu)于其他行業(yè)，東部地區(qū)上市企業(yè)數(shù)字化水平高于中西部地區(qū)，國有與非國有上市公司組間差異小于組內(nèi)差異。

（3）從上市公司總體看，2010-2021年全體上市公司數(shù)字化指數(shù)持續(xù)上升，但近兩年增速放緩。2010年上市公司數(shù)字化指數(shù)為100，樣本期內(nèi)，上市公司數(shù)字化指數(shù)于2019年達(dá)到最高的442.73，隨后有所下降，十一年年復(fù)合增長率高達(dá)13.87%。中國上市公司數(shù)字化程度不斷提高，但數(shù)字化轉(zhuǎn)型過程也并非一帆風(fēng)順，2020年疫情沖擊，使得上市公司數(shù)字化轉(zhuǎn)型有所放緩。

（4）上市公司數(shù)字化指數(shù)在時(shí)序上呈現(xiàn)強(qiáng)者恒強(qiáng)，弱者恒弱之特征，疫情沖擊下尤為明顯。銀行、通信、計(jì)算機(jī)三大行業(yè)長期位居數(shù)字化指數(shù)前五，鋼鐵、房地產(chǎn)、紡織服飾三大傳統(tǒng)行業(yè)數(shù)字化指數(shù)在波動(dòng)中有所下降。

（5）2021年中國上市公司數(shù)字化水平榜單顯示，中國銀行、科大訊飛和中國石油數(shù)字化水平一騎絕塵，而建設(shè)銀行和中國電信則是后來居上。從行業(yè)維度來看，計(jì)算機(jī)、銀行業(yè)的數(shù)字化整體水平都相對(duì)較高，相反，有色金屬、煤炭、綜合行業(yè)則相對(duì)較低。從地區(qū)維度來看，地處北京市的上市公司是數(shù)字化轉(zhuǎn)型的領(lǐng)跑者，其原因在于北京聚集了大量實(shí)力雄厚的大型央企。

參考文獻(xiàn)

[1]祁懷錦,曹修琴,劉艷霞.數(shù)字經(jīng)濟(jì)對(duì)公司治理的影響——基于信息不對(duì)稱和管理者非理性行為視角[J].改革,2020(4):50-64.

[2]王軍,鄒廣平,石先進(jìn).制度變遷對(duì)中國經(jīng)濟(jì)增長的影響——基于VAR模型的實(shí)證研究[J].中國工業(yè)經(jīng)濟(jì),2013(6):70-82.

（作者巫景飛為上海大學(xué)經(jīng)濟(jì)學(xué)院副教授）

內(nèi)容摘自巫景飛個(gè)人公眾號(hào)“商業(yè)知行俠”，部分摘錄，并非完整報(bào)告內(nèi)容。