当前，数字化转型已成为企业应对新一轮科技革命与产业变革的必然选择。 数字化转型是指企业借助大数据、云计算、物联网、人工智能等先进信息技术，对企业组织结构、业务流程和管理模式进行深刻重构，以提升企业的管理效率、创新能力和市场竞争力[1-3]。 制造企业通过数字技术的广泛应用逐步推进服务化转型，即企业经营模式由以产品为中心向以客户服务为导向转变，增加服务在价值创造中的比重，实现企业服务能力的升级与市场竞争力的提升[4-6]。 白酒行业是我国传统制造业的重要组成部分，目前正处于数字化转型的初期阶段，对其转型过程及效果的深入研究尚相对缺乏，探讨白酒企业数字化转型对服务化水平的影响，有助于揭示其作用机理和现实价值。
本研究以2010-2022年19家白酒上市企业为样本，借助Python分词与人工识别相结合的方法，构建反映企业数字化转型程度的指标体系，并以服务化率衡量企业的服务化水平。 在此基础上采用固定效应回归模型实证检验数字化转型对白酒企业服务化水平的影响，并进一步分析该影响的区域差异特征。旨在揭示数字化转型在促进传统制造业服务化发展过程中的内在作用路径，推动白酒企业构建“数字＋服务”的融合发展模式，由“制造导向”向“服务引领”转型，为政府制定支持传统产业数字化升级的政策提供参考。
1 数字化转型理论基础
1.1 数字化转型动因
企业开展数字化转型通常受内部与外部多种因素共同驱动。 在内部因素方面，企业通过战略调整和管理创新以应对市场竞争、提高决策效率及降低经营风险，是推动数字化转型的重要内生动力[4-5]。祁怀锦等[2]指出，企业可以借助数字化提高决策的精准性与治理水平；吴非等[3]认为，金融科技应用能够提升企业数字化能力和资本市场表现；郑琼洁等[4]发现，研发投入和与科研机构合作同样是企业数字化转型的重要推动力量。 在外部因素方面，数字技术的快速发展、大数据应用能力的提升，以及新冠肺炎疫情等突发公共事件的冲击，使企业意识到数字化转型对于持续发展的战略意义[6-9]。大数据时代的技术进步极大提高了企业数据处理能力和决策效率[7]；新冠肺炎疫情的爆发直接促使企业加快数字化转型步伐，以增强风险抵抗能力[8]。
1.2 数字化转型的作用机制与服务化水平的测度方法
当前关于数字化转型效果的研究已逐渐深入，学者们普遍认为数字化转型能够显著提升企业的信息透明度、优化资本配置效率，并降低企业的融资成本和经营风险，从而推动企业高质量发展[10-14]。如翟华云等[11]利用双重差分模型发现，企业数字化转型能够降低信息不对称问题，提升企业内部治理效率和审计质量；李沁洋等[13]的研究进一步指出，数字化转型显著提高了企业资本的配置效率，但在不同类型企业中表现出明显的差异。服务化水平作为衡量制造企业服务导向转型程度的重要指标，目前测量方法主要包括完全消耗系数法[15-16]、服务化率[17-21]和依赖度法[22-23]等，其中服务化率被广泛应用，即通过服务业务收入与企业营业收入的比例体现服务化程度[17]。王厚双等[18-21]均在不同产业研究中应用了服务化率作为企业服务化水平测度的重要指标，并指出服务化率作为衡量制造企业服务化水平的重要指标，具有数据获取便捷、计算方式客观、动态反映战略转型等优势。 相比其他方法，服务化率更适用于上市公司样本，能有效识别服务转型路径，广泛应用于实证研究并支撑数字化价值分析。
1.3 数字化转型与服务化水平之间的关系
关于数字化转型与服务化水平关系的研究相对较少，多数学者通过定性分析和实证研究表明数字化转型对服务化水平具有显著的促进作用。数字信息技术能够支持服务化的复杂性管理[24]，数字化与服务化的深度融合可激发创新并实现增值效应[25]，以及数字化转型对制造业嵌入式服务化的正向推动作用[26]。同时，有研究从技术创新、人力资本结构和数字化投资比例等视角评估了数字化对服务化的促进作用[27]。 但谭清美等[28]认为数字信息化与服务化能力呈“倒U形”关系，反映了数字化转型对服务化的作用可能具有阶段性或边际效应递减的特征。
2 研究设计
2.1 研究方法
为系统分析白酒企业数字化转型对服务化水平的影响，本文采用定量实证研究方法，结合文本挖掘与面板回归分析手段，确保研究的科学性与可操作性。 首先，借助Python自然语言处理工具对企业年报文本进行分词处理，结合人工识别建立数字化转型关键词词典，量化企业数字化转型水平。其次，基于企业主营业务构成信息，计算服务化率指标以衡量企业服务化水平。 在数据处理阶段，剔除缺失值并统一变量度量口径，确保样本的代表性和一致性。在实证分析方面，本研究构建固定效应面板回归模型，控制企业规模、年龄和盈利能力等影响因素，识别数字化转型对服务化水平的净效应；同时，通过替换变量与分区域回归进行稳健性与异质性分析，以验证结果的稳健性与适用性。
2.2 研究假设
数字化转型实际上是企业运用数字技术对业务模式和流程进行革新，进而改变现有的商业模式和组织结构。数字技术的融入不仅能够转变企业的服务形态，减少服务成本，提高服务供应效率，还能在企业管理、产品开发和生产过程中促进组织变革和技术创新，进而产生一系列的作用效果，这些作用效果对企业服务化水平会产生影响。因此，提出假设H1。
H1：白酒企业数字化转型对服务化水平具有促进作用。
2.3 样本选取与数据来源
研究选取以2010-2022年白酒行业19家上市公司年报数据作为研究样本，由于部分上市公司数据不全，所以剔除数据不全的5家公司，剩余14家上市公司的年报数据作为最终的样本数据。 企业年报数据来源巨潮资讯网，白酒企业上市公司的服务化数据来源于手工整理企业年报中主营业务构成的服务业务，数字化转型指标通过Python3.9软件抓取白酒企业上市公司年度报告中与数字化转型相关的关键词。
2.4 变量选取
2.4.1 被解释变量
首先，通过深入研究白酒行业14家上市公司的财务报告，可以详细分析这些企业的核心业务、主要产品种类及其名称等关键财务数据。 此外，探究这些公司是否涉足服务业务领域，与GB/T 4754—2017《国民经济行业分类》中服务行业分类进行匹配，采集14家白酒上市公司主营业务收入构成中服务业务占比数据。 借鉴相关文献[19，23]对14家白酒上市公司所开展服务化业务及关键词描述进行分类（见表1）。
表1 白酒企业服务化业务类型及关键词描述分类
Table 1 Classification of business types and keyword descriptions in
Baijiu enterprises servitization
服务业务种类 关键词描述商务服务业采购服务货币金融服务资本市场服务设计与研发投入信息系统集成和物联网技术服务经销、售后、广告、组织管理、咨询等服务物资及原料采购、设备备件采购等货币银行服务、银行理财服务投资管理、资本运作、资产管理、证券研发投入、产品设计、研制等营销网络建设等
2.4.2 解释变量
基于年报文本关键词词频测度企业数字化转型：通过查阅巨潮网中19家上市企业年度报告，并将格式转化为可读取的文本格式，同时剔除年报数据不齐全的5家公司；提炼与数字化转型相关的关键词，结合Python分词处理与人工识别的方法建立数字化词典，通过文本分析法提取白酒企业14家上市公司的数字化转型信息。为确保实证结果稳健性结果可行，论文选取企业无形资产占比（Inasset）作为替换变量。
2.4.3 控制变量
对于白酒企业上市公司来说，除了数字化转型会对服务化水平具有影响，还有其他因素会影响企业服务化水平。为了更好地获取变量结果，有必要控制其他影响服务化水平的因素，研究参考借鉴张远等[26-27]的研究，选取企业规模（Size）、企业年龄（Age）、盈利能力（return on assets，ROA）作为控制变量。
企业规模（Size）：企业规模的大小是其技术创新、人力资本、资产规模以及面对转型挑战时所展现能力的一个衡量指标。企业规模越大，越能证明企业的生产经营良好，从而越有助于提升企业服务化水平[19]。研究选取企业总资产的自然对数来衡量企业规模，用Size表示。
企业年龄（Age）。 企业年龄越长，说明企业的生产经营更加成熟，内部组织结构更为健全，这展现了企业在资本积累方面的强大能力，并且更有信心应对转型过程中可能遇到的风险[19]。研究选取当年年份减去企业成立年份的差值表示企业年龄，用Age表示。
盈利能力（ROA）：企业的盈利能力，直接体现了其创造利润的实力。 随着盈利能力的逐步增强，企业的现金流量也将不断增长，从而为企业在服务化转型的道路上提供了更为充足的资金保障，进一步助力企业拓展和深化服务[19]。研究采用企业净利润与总资产之比作为评价盈利能力的指标，用ROA表示。
2.5 模型构建
构建模型的目的是为检验白酒企业数字化转型对服务化水平的影响，设定以下估计模型来检验假设1。 模型计算公式如下：
式中：α1是论文的核心观测系数；i代表企业；t代表年份；Serviceit代表i企业在t时期的服务化水平；DCGit代表i企业在t时期的数字化转型；Eit代表控制变量，包括企业规模（Size）、企业年龄（Age）、盈利能力（ROA）；γi是企业固定效应；δi是时间固定效应；λit是随机误差项。
若α1的数值为正，则表明白酒企业数字化转型对服务化水平具有促进作用；若α1的数值为负，则表明白酒企业数字化转型对服务化水平具有抑制作用。
3 实证分析
3.1 描述性统计
经过对样本的筛选，研究得到182个在2010-2022年的有效样本，为了清晰地了解各变量的分布特征及进一步为数据分析提供基础，对白酒企业相关变量进行描述性统计，结果见表2。 由表2可知，白酒企业的企业年龄及企业规模的标准差分别为4.324和1.538，均＞0.5，表明表明这两个变量在样本中具有较强的离散性，企业之间在年龄和规模方面存在较大差异性分布；相对而言，服务化水平（标准差=0.002 29）、数字化转型程度（标准差=0.000 532）及盈利能力（标准差=0.105）波动幅度较小，反映出样本企业在这三项指标上分布较为集中。
表2 白酒企业相关变量描述性统计结果
Table 2 Descriptive statistics results of relevant variables of Baijiu enterprises
变量 样本量 均值 标准差 最小值 最大值Service DCG Size Age ROA 182 182 182 182 182 0.003 04 0.001 14 22.75 18.79 0.098 4 0.002 29 0.000 532 1.538 4.324 0.105 0.000 550 0.000 360 19.37 8-0.468 0.021 6 0.004 69 26.27 29 0.292
3.2 相关性检验及多重共线性检验
相关性分析是进行基准回归分析的前提条件。在进行实证分析之前，要对主要变量进行相关性分析，结果见表3。
表3 相关性检验结果
Table 3 Results of correlation test
注：“*，**，***”分别代表显著（P＜0.1）、高度显著（P＜0.05）、极显著（P＜0.01），下同。
项目 Service DCG Size Age ROA Service DCG Size Age ROA 1.000 0.014-0.545***0.060-0.618***1 0.321***0.205***0.091 1 0.172**0.565***1 0.031 1
由表3可知，白酒企业各主要变量之间的相关系数具有一定的统计意义。 其中，企业盈利能力（ROA）与服务化水平呈极显著负相关（-0.618，P＜0.01），企业规模（Size）同样与服务化水平呈极显著负相关（-0.545，P＜0.01）。白酒企业数字化转型与服务化水平的相关系数为0.014，虽为正值，但未通过显著性检验，因此尚不能据此得出两者存在统计上的显著线性关系。此外，企业年龄（Age）与服务化水平的相关系数为0.060，也未显著。 综上，该相关性分析为后续实证建模提供了基础，但因变量之间显著性不一，需通过回归模型进一步验证其真实影响关系。
方差膨胀因子（variance inflation factor，VIF）检验是检验变量之间是否存在多重共线性，方差膨胀因子VIF检验结果见表4。由表4可知，各变量的VIF值均接近1且＜10，说明数据不存在多重共线性问题[29]。
表4 方差膨胀因子检验结果
Table 4 Results of variance inflation factor test
变量名称 方差膨胀因子 VIF倒数Size ROA DCG Age VIF均值1.67 1.50 1.16 1.06 0.597 035 0.668 654 0.864 425 0.941 235 1.35
3.3 豪斯曼检验
考虑到回归模型的内生性问题，在进行数据基准回归分析之前，先对面板数据模型进行豪斯曼检验确定选择随机效应模型还是固定效应模型，其结果见表5。由表5可知，豪斯曼检验值P＜0.05，回归模型会存在内生性问题，需要选择固定效应模型来避免这一问题。
表5 白酒企业数字化转型对服务化水平影响的豪斯曼检验结果
Table 5 Hausman test results for the effect of Baijiu enterprises digital transformation on servitization level
变量名 固定效应估计 随机效应估计 P 值 标准误 卡方值DCG Size Age ROA 0.324 165 5-0.001 336 0.000 144 7-0.011 556 0.382 030 4-0.000 649 0.000 062 9-0.000 514 0.038 3 0.024 148 8 0.000 296 9 0.000 036 3 0.000 253 9 10.13
3.4 数字化转型与服务化水平基准回归分析
由表5可知，豪斯曼检验值P＜0.05，说明拒绝原假设选择固定效应模型，此处选择控制企业固定效应和时间固定效应的固定效应模型进行基准回归分析，结果见表6。由表6可知，白酒企业数字化转型对服务化水平的核心观测系数为0.607，且P＜0.05，表明数字化转型程度与服务化水平之间差异高度显著。 加入控制变量后核心观测系数为0.411，且P＜0.1，表明控制变量纳入前后以及数字化转型与服务化水平之间的关系差异显著。由此在加入控制变量后核心观测系数均显著为正，假设H1得到验证，表明白酒企业数字化转型对服务化水平具有促进作用。
表6 基准回归分析结果
Table 6 Results of benchmark regression analysis
变量名 服务化水平 服务化水平DCG 0.607**（0.281）Size Age ROA常数项0.002***（0.001）0.411*（0.238）-0.001***（0.000）0.000**（0.000）-0.011***（0.002）0.029***（0.007）企业固定效应年份固定效应样本数量调整后的R2是是是是182 0.029 182 0.328
3.5 稳健性检验
选择企业无形资产占比（inasset）作为替换变量来替换解释变量，数据来源于国泰安数据库[30]。回归稳健性检验结果见表7。 由表7可知，白酒企业数字化转型对服务化水平的核心观测系数为0.005，差异极显著（P＜0.01），说明白酒企业无形资产占比对服务化水平具有促进作用，验证研究假设。经过替换解释变量后的回归结果与上述基准回归检验结果均正向显著，表明通过了稳健性检验。
表7 回归稳健性检验结果
Table 7 Results of regression robustness test
变量名 服务化水平 服务化水平DCG Size Age ROA 0.411*（0.238）-0.001***（0.000）0.000**（0.000）-0.011***（0.002）inasset常数项0.029***（0.007）-0.001（0.000）0.000（0.000）-0.013***（0.002）0.005**（0.002）0.016*（0.009）企业固定效应年份固定效应样本数量调整后的R2是是是是182 0.328 182 0.341
3.6 异质性分析
面对经济发展水平不协调发展等因素，不同地区白酒企业的数字化转型的服务化水平可能存在差异。本研究进一步基于地区差异，探讨了数字化转型对不同地区白酒企业服务化水平的影响。因此，将样本按照企业所在区域划分为东部、中西部，并进行分组回归。由表8可以看出，数字化转型在东部地区对服务化水平的回归系数为0.804，且高度显著（P＜0.05），说明数字化转型在东部地区对白酒企业服务化水平具有显著促进作用。然而，在中西部地区，白酒企业通过数字化转型寻求服务化水平提升的过程中，虽然核心观测系数为正但并没有到显著的成效，可能是因为：与东部地区相比，中西部地区的白酒企业可能在核心技术、地区经济发展水平等方面存在较大差距，推动数字化转型进程较难。
表8 数字化转型对不同地区白酒企业服务化水平的回归结果Table 8 Regression results of digital transformation on servitization level of Baijiu enterprises in different regions
变量 全样本 东部地区 中西部地区DCG Size Age ROA常数项样本数量调整后R2 0.727*（0.417）-0.001***（0.000）0.000**（0.000）-0.009***（0.003）0.013***（0.003）182.000 0.474 0.804**（0.363）-0.000**（0.000）0.000**（0.000）0.009***（0.002）0.008（0.006）39.000 0.794 0.702（0.458）-0.000***（0.000）0.000***（0.000）-0.012***（0.004）0.010***（0.003）143.000 0.520
4 研究结论与对策建议
4.1 研究结论
数字化的迅速发展及其在白酒企业中的广泛应用逐渐成为白酒企业提升竞争力、实现可持续发展的重要部分。论文选取2010-2022年19家白酒上市企业的年报数据作为基础，利用Python分词处理与人工识别建立数字化词典，通过文本分析法提取白酒企业19家上市公司的数字化转型信息，剔除数据不全的5家上市公司，最后进行实证分析检验白酒企业数字化转型对服务化水平的影响。 研究结果表明，基准回归模型中，数字化转型变量的核心系数为0.411，在10%显著性水平下成立，表明转型程度每提高一个单位，服务化水平将相应提高约0.041%。稳健性检验中以无形资产占比作为替代变量，回归系数为0.005，且高度显著（P＜0.05），进一步验证了结果的稳健性。区域异质性方面，东部地区的回归系数为0.804，且高度显著（P＜0.05），而中西部地区虽系数为正（0.702），但未通过显著性检验（P＞0.1），说明数字化转型在资源基础较强区域效果更显著。 基于此结论，研究从政府层面、行业层面和企业层面提出相应对策建议，促进白酒企业数字化转型对服务化水平发挥更大的驱动作用。
4.2 对策建议
4.2.1 政府层面第一，加强数字经济基础建设。 政府通过加强数字经济基础建设投入，为白酒企业实施数字化转型战略提供坚实基础，推动白酒企业与互联网企业的协作，促进数字化转型运用到白酒企业服务化方面。 如贵州省政府2021年设立“白酒产业数字化发展专项资金”，用于支持本地白酒企业建设智能生产车间、上线企业资源计划（enterprise resource planing，ERP）系统等。
第二，完善白酒企业数字化转型相关政策体系。首先，政府可以制定数字化转型专项资金补贴政策，鼓励并支持白酒企业进行数字化转型战略规划与落实，从而提高白酒企业服务化水平。 其次，政府可以对购买数字化设备的企业给予一定的税收优惠，或者对白酒企业在数字化转型过程中产生的研发费用、培训费用等给予税前扣除。
4.2.2 行业层面
第一，加强白酒行业合作与交流。白酒行业可以多组织企业间的分享会等活动，共同探讨和分享数字化转型用于服务化方面的经验和成就，从而推动整个白酒行业的数字化转型进程。
第二，制定相关的白酒行业标准，加大创新成果保护力度。白酒行业要根据新的市场环境更新并逐步完善保护创新成果的相关行业标准，严格处罚非法利用数字化技术，为白酒企业开展数字化转型并推动其服务化进程提供良好的行业环境。 例如，2024年中国酒业协会陆续发布多项白酒智能酿造相关团体标准，涵盖质量监控、标识编码、能力评估及智能化工艺应用，推动白酒行业在酿造过程、工业互联网接入和智能制造能力方面实现标准化、系统化、数字化发展，为行业转型提供技术支撑。
4.2.3 企业层面
第一，提高白酒企业员工数字化转型意识。 白酒企业应通过加强企业员工对数字化转型战略的认可度，设立明确的激励机制，如奖励制度、晋升通道，来鼓励员工积极进行数字化转型，激发他们的创新潜能，进而得以实现服务化的持续提高。
第二，加强与高校、科研机构的合作。 首先，白酒企业要主动与高校、科研机构寻求合作，利用人才资源对白酒企业数字化转型战略展开研究。 其次，白酒企业还可以积极参与人才培养，通过设立奖学金、实习实训基地等方式，吸引和培养更多优秀人才。
第三，积极探索线上线下相结合的营销模式。首先，白酒企业可以通过建立自己的官方网站、社交媒体平台、电商平台等渠道，利用互联网和大数据等数字技术，向消费者提供更加便捷的购物体验和更加个性化的服务。 其次，通过开设实体店、参加酒类展览会、与餐饮企业合作等线下活动帮助白酒企业与消费者建立更加紧密的关系，从而提高白酒企业服务化水平。 如2022年茅台上线“i茅台”官方APP，构建起一个集线上销售、客户服务、用户运营于一体的数字化服务平台。
[1]WARNER K S R,WÄGER M.Building dynamic capabilities for digital transformation:An ongoing process of strategic renewal[J].Long Range Plan,2019,52(3):326-349.
[2]祁怀锦，曹修琴，刘艳霞.数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J].改革，2020，33（4）：50-64.
[3]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（7）：130-144，10.
[4]郑琼洁，姜卫民.数字经济视域下制造业企业数字化转型研究——基于企业问卷调查的实证分析[J].江苏社会科学，2022，43（1）：137-149，244.
[5]王守海，徐晓彤，刘烨炜.企业数字化转型会降低债务违约风险吗?[J].证券市场导报，2022，32（4）：45-56.
[6]RUGGIERI R,SAVASTANO M,SCALINGI A,et al.The impact of digital platforms on business models:an empirical investigation on innovative start-ups[J].Manag Mark,2018,13(4):1210-1225.
[7]易宪容，陈颖颖，位玉双.数字经济中的几个重大理论问题研究——基于现代经济学的一般性分析[J].经济学家，2019，31（7）：23-31.
[8]王灏晨，温珂.新冠肺炎疫情的危中之机——加速我国数字化转型[J].科学学研究，2020，38（3）：393-395.
[9]杨书燕，宋铁波，吴小节.企业数字化转型的制度动因及过程[J].科研管理，2023，44（9）：39-46.
[10]YOU Y C,YI L X.A Corpus-based empirical study on energy enterprises digital transformation[J].Energy Rep,2021,7(1):198-209.
[11]翟华云，李倩茹.企业数字化转型提高了审计质量吗?——基于多时点双重差分模型的实证检验[J].审计与经济研究，2022，37（2）：69-80.
[12]杜勇，娄靖.数字化转型对企业升级的影响及溢出效应[J].中南财经政法大学学报，2022，65（5）：119-133.
[13]李沁洋，支佳，刘向强.企业数字化转型与资本配置效率[J].统计与信息论坛，2023，38（3）：70-83.
[14]王博，康琦.数字化转型与企业可持续发展绩效[J].经济管理，2023，45（6）：161-176.
[15]刘斌，魏倩，吕越，等.制造业服务化与价值链升级[J].经济研究，2016，51（3）：151-162.
[16]杜新建.制造业服务化对全球价值链升级的影响[J].中国科技论坛，2019，35（12）：75-82，90.
[17]NEELY A.Exploring the financial consequences of the servitization of manufacturing[J].Oper Manage Res,2008,1:103-118.
[18]王厚双，盛新宇.服务化对制造业产品出口价格的影响分析[J].当代财经，2019，40（9）：95-108.
[19]陈丽娴，沈鸿.制造业服务化如何影响企业绩效和要素结构——基于上市公司数据的PSM-DID实证分析[J].经济学动态，2017，58（5）：64-77.
[20]尹伟华.全球价值链视角下中国制造业出口服务化水平测度研究[J].当代财经，2020，41（6）：114-125.
[21]郝大江，初天天.投入服务化的双重效应与中国制造业价值链攀升[J].社会科学研究，2023，45（5）：63-73.
[22]PARK S H.Intersectoral relationships between manufacturing and services: New evidence from selected Pacific basin countries[J].ASEAN Econ Bull,1994,10(3):245-263.
[23]綦良群，赵少华，蔡渊渊.装备制造业服务化过程及影响因素研究——基于我国内地30个省市截面数据的实证研究[J].科技进步与对策，2014，31（14）：47-53.
[24]ARDOLINO M,RAPACCINI M,SACCANI N,et al.The role of digital technologies for the service transformation of industrial companies[J].Int J Prod Res,2018,56(6):2116-2132.
[25]KOHTAMÄKI M,PARIDA V,PATEL P C,et al.The relationship between digitalization and servitization:The role of servitization in capturing the financial potential of digitalization[J].Technol Forecast Soc,2020,151:119804.
[26]张远，李焕杰.数字化转型与制造企业服务化——基于嵌入式服务化和混入式服务化的双重视角[J].中国流通经济，2022，36（2）：90-106.
[27]王锋波，钟坚，刘胜.数字化转型对制造业服务化的影响：理论探索与经验辨识[J].经济问题探索，2023，44（7）：121-141.
[28]谭清美，陈静.信息化对制造业升级的影响机制研究——中国城市面板数据分析[J].科技进步与对策，2016，33（20）：55-62.
[29]GUJARATI D N.Basic Econometrics[M].4th ed.New York:McGraw-Hill,2003.
[30]深圳国泰安教育技术有限公司.CSMAR中国经济金融研究数据库[DB/OL].深圳：国泰安，[2024-12-31].https：//data.csmar.com.