数字产业集群与企业价格加成：低价竞争还是优质优价

常文博; 李金虎

数字产业集群与企业价格加成：低价竞争还是优质优价

南开大学经济学院，天津 300071

基金项目:

国家社会科学基金一般项目 24BJL095

详细信息

作者简介:
常文博(1996-)，男，河南济源人，南开大学经济学院博士研究生

李金虎(1995-)，男，湖北十堰人，南开大学经济学院博士研究生

中图分类号: F062.9;F270
计量
- 文章访问数: 5
- HTML全文浏览量: 4
- PDF下载量: 0
- 被引次数: 0
出版历程
- 收稿日期: 2026-02-25
- 网络出版日期: 2026-09-08
- 刊出日期: 2026-07-28

Digital Industry Clusters and Firm Markups: Low-price Competition or Premium Pricing for Quality

School of Economics, Nankai University, Tianjin 300071, China

摘要

摘要: 打造具有国际竞争力的数字产业集群，推动企业由“内卷式”低价竞争转向“优质优价”，是提升价值创造水平和推动经济高质量发展的重要战略举措。将数字产业集群建设作为一项准自然实验，构建多时点双重差分模型，考察数字产业集群建设对企业价格加成的影响。研究发现，数字产业集群建设显著提升企业价格加成水平，主要是通过推动企业数字化转型、提升数字生态嵌入水平以及促进数字技术创新三条路径发挥作用。异质性分析显示，政策效应在品牌建设投入较高的企业、劳动密集型企业以及商业信用环境较好的地区更为显著。研究结论为理解数字产业集群建设的微观经济效应提供了新的经验证据，也为引导企业增强价值创造能力提供了政策参考。
- 数字产业集群 /
- 企业价格加成 /
- 数字化转型 /
- 数字生态 /
- 数字技术创新
Abstract: Building globally competitive digital industry clusters and guiding firms to shift away from vicious low-price competition toward premium pricing for quality constitute critical strategies to raise value creation capacity and advance high-quality economic development. This paper takes the construction of digital industry clusters as a quasi-natural experiment and adopts a multi-period difference-in-differences (DID) model to investigate its impacts on firm markups. Empirical results reveal that digital industry cluster construction significantly lifts firm markups. Three transmission channels are verified via mechanism analysis: accelerating corporate digital transformation, deepening firm embeddedness within digital ecosystems, and stimulating digital technological innovation. Heterogeneity tests demonstrate that this policy effect is stronger for firms with large brand investment, labor-intensive enterprises, and businesses situated in regions with sound commercial credit systems. This paper delivers novel micro-level empirical evidence regarding the economic impacts of digital industry clusters, and supplies policy references to help enterprises lift value creation capabilities.
- digital industry cluster /
- firm markup /
- digital transformation /
- digital ecosystem /
- digital technological innovation

HTML全文

图 1 2011年和2023年数字产业集群区内和区外的企业价格加成核密度图

下载: 全尺寸图片幻灯片

图 2 平行趋势检验

下载: 全尺寸图片幻灯片

图 3 安慰剂检验

下载: 全尺寸图片幻灯片

表 1 变量描述性统计

变量	观测值	均值	标准差	最小值	中位数	最大值
Markup	26 617	1.189	0.173	0.819	1.165	1.740
DA	26 617	0.103	0.304	0.000	0.000	1.000
Oc	26 617	0.729	0.173	0.196	0.762	1.031
Tl	26 617	0.449	0.209	0.056	0.446	0.919
Age	26 617	2.558	0.594	0.693	2.639	3.555
Mbr	26 617	0.644	0.261	0.115	0.643	1.212
Size	26 617	22.440	1.347	19.809	22.267	26.425
Roe	26 617	0.034	0.194	-1.271	0.060	0.341
Tagr	26 617	0.113	0.232	-0.337	0.069	1.306
Invt	26 617	0.044	0.043	0.000	0.031	0.209
HHI	26 617	0.196	0.170	0.041	0.140	0.970
Cflow	26 617	0.045	0.068	-0.162	0.043	0.242
Pgdp	26 617	10.063	8.581	0.106	7.226	47.214
Sie	26 617	0.402	0.487	0.000	0.202	4.349
Iav	26 617	27.356	45.565	0.002	11.174	650.388
Tsr	26 617	64.280	74.454	0.018	37.843	416.690

下载: 导出CSV

表 2 基准回归

变量	(1)	(2)
DA	0.026^***	0.030^***
	(0.007)	(0.007)
Oc		-0.243^***
		(0.021)
Tl		0.002
		(0.014)
Age		0.054^***
		(0.010)
Mbr		-0.021^**
		(0.009)
Size		-0.010^**
		(0.004)
Roe		-0.013^**
		(0.006)
Tagr		0.007
		(0.005)
Invt		0.021
		(0.031)
HHI		-0.014
		(0.016)
Cflow		-0.044^**
		(0.019)
Pgdp		-0.000
		(0.001)
Sie		0.011
		(0.012)
Iav		-0.000
		(0.000)
Tsr		-0.000
		(0.000)
常数项	1.186^***	1.474^***
	(0.001)	(0.089)
企业固定效应	是	是
年份固定效应	是	是
样本量	26 617	26 617
Adj.R²	0.671	0.686
注：*、、*分别表示1%、5%、10%的显著性水平，括号内为聚类到区县层面的标准误。下表同。

下载: 导出CSV

表 3 排除同期相关政策的稳健性检验

变量	(1)	(2)	(3)	(4)	(5)
DA	0.030^***	0.030^***	0.029^***	0.030^***	0.029^***
	(0.007)	(0.007)	(0.007)	(0.007)	(0.007)
宽带中国战略	0.002				0.002
	(0.004)				(0.004)
智慧城市试点		-0.002			-0.003
		(0.005)			(0.005)
国家大数据综合试验区			0.015^**		0.015^**
			(0.007)		(0.007)
国家级高新区				-0.002	-0.001
				(0.008)	(0.008)
常数项	1.474^***	1.475^***	1.478^***	1.476^***	1.480^***
	(0.089)	(0.089)	(0.089)	(0.089)	(0.089)
控制变量	是	是	是	是	是
企业固定效应	是	是	是	是	是
年份固定效应	是	是	是	是	是
样本量	26 617	26 617	26 617	26 617	26 617
Adj.R²	0.686	0.686	0.687	0.686	0.687

下载: 导出CSV

表 4 Goodman-Bacon分解结果

控制组类型	权重	处理效应
处理组vs.从未受政策处理组	0.957	0.008
较早受政策处理组vs.较晚受政策处理组	0.015	0.004
较晚受政策处理组vs.较早受政策处理组	0.028	0.007
DID加权估计结果	0.008

下载: 导出CSV

表 5 合成控制双重差分和PSM-DID稳健性检验结果

变量	(1)	(2)	(3)	(4)	(5)	(6)
DA	0.027^***	0.027^***	0.029^***	0.029^***	0.029^***	0.036^***
	(0.009)	(0.009)	(0.007)	(0.007)	(0.007)	(0.007)
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本量	9 139	9 139	26 230	26 244	26 244	26 568
Adj.R²	-	-	0.690	0.689	0.689	0.691

下载: 导出CSV

表 6 政策非随机性检验

变量	是否试点地区	久期	Markup	Markup
变量	(1)	(2)	(3)	(4)
DA			0.034^***	0.035^***
			(0.007)	(0.008)
Structure	0.082	-0.027
	(0.178)	(0.200)
Finance	-0.105	0.147
	(0.321)	(0.151)
Investment	-0.815	-0.526
	(0.755)	(0.625)
Openness	-0.622	-1.444
	(1.529)	(0.917)
Station	0.025	0.000
	(0.069)	(0.001)
Broadband	-0.015	0.004
	(0.039)	(0.011)
是否试点地区×年份趋势项	否	否	是	是
可能影响政策试点的事前变量×年份趋势项	否	否	否	是
样本量	620	8 438	26 617	23 042
Adj.R²	-	-	0.686	0.686

下载: 导出CSV

表 7 工具变量法估计结果

变量	DA	Markup
变量	(1)	(2)
IVDA	0.866^***
	(0.061)
DA		0.223^***
		(0.047)
Kleibergen-Paap rk LM统计量		217.550
		[0.000]
Kleibergen-Paap rk Wald F统计量		198.556
		【16.38】
F统计量	198.56
控制变量	是	是
企业固定效应	是	是
年份固定效应	是	是
样本量	20 060	20 060
注：LM为工具变量的可识别检验，Wald为弱工具变量检验；[]中的数值对应LM检验的P值，【】中的数值对应Stock-Yogo10%临界值。

下载: 导出CSV

表 8 数字化转型的机制检验

变量	Asset	Markup	DT	Markup
变量	(1)	(2)	(3)	(4)
DA	1.626^**	0.026^***	0.170^***	0.029^***
	(0.720)	(0.007)	(0.055)	(0.007)
Asset		0.001^***
		(0.000)
DT				0.003^**
				(0.002)
常数项	-85.929^***	1.556^***	-5.431^***	1.501^***
	(7.381)	(0.091)	(0.519)	(0.093)
控制变量	是	是	是	是
企业固定效应	是	是	是	是
年份固定效应	是	是	是	是
样本量	26 397	26 397	24 880	24 880
Adj.R²	0.763	0.687	0.762	0.691

下载: 导出CSV

表 9 数字生态嵌入的机制检验

变量	DEE	Markup	STE	Markup	PLE	Markup	MCE	Markup
变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
DA	0.427^**	0.029^***	0.442^**	0.029^***	0.397^**	0.030^***	0.019^***	0.029^***
	(0.188)	(0.007)	(0.192)	(0.007)	(0.180)	(0.007)	(0.006)	(0.007)
DEE		0.002^**
		(0.001)
STE				0.002^**
				(0.001)
PLE						0.002
						(0.001)
MCE								0.070^***
								(0.011)
常数项	-14.438^***	1.495^***	-14.999^***	1.494^***	-12.938^***	1.486^***	-0.518^***	1.497^***
	(2.532)	(0.089)	(2.579)	(0.090)	(2.386)	(0.090)	(0.069)	(0.089)
控制变量	是	是	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是	是	是
样本量	26 398	26 398	26 398	26 398	26 398	26 398	26 398	26 398
Adj.R²	0.714	0.685	0.709	0.685	0.716	0.685	0.442	0.686

下载: 导出CSV

表 10 数字技术创新的机制检验

变量	DTI	Markup	CDTI	Markup	TI	Markup	CTI	Markup
变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
DA	1.857^***	0.048^***	0.369^**	0.020^**	0.023^***	0.032^***	0.498^*	0.027^***
	(0.301)	(0.012)	(0.154)	(0.008)	(0.006)	(0.006)	(0.274)	(0.007)
DTI		-0.003
		(0.002)
DA×DTI		0.005^***
		(0.002)
CDTI				0.000
				(0.000)
DA×CDTI				0.002^***
				(0.001)
TI						0.066^***
						(0.020)
CTI								0.000
								(0.000)
DA×CTI								0.001^*
								(0.001)
常数项	-1.378^*	1.547^***	-4.574^***	1.515^***	-1.107^***	1.563^***	-7.831^***	1.463^***
	(0.827)	(0.100)	(1.702)	(0.105)	(0.104)	(0.097)	(2.797)	(0.091)
控制变量	是	是	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是	是	是
样本量	20 615	20 615	20 336	20 336	25 898	25 898	25 548	25 548
Adj.R²	0.840	0.691	0.602	0.680	0.755	0.688	0.604	0.681

下载: 导出CSV

表 11 异质性分析

变量	品牌建设投入高	品牌建设投入低	劳动密集型	非劳动密集型	商业信用环境指数高	商业信用环境指数低
变量	(1)	(2)	(3)	(4)	(5)	(6)
DA	0.033^***	0.015	0.032^***	0.017	0.031^***	0.009
	(0.009)	(0.014)	(0.009)	(0.012)	(0.009)	(0.018)
常数项	1.402^***	1.684^***	1.293^***	1.472^***	1.320^***	1.724^***
	(0.109)	(0.156)	(0.142)	(0.138)	(0.123)	(0.122)
Chow检验	F=2.25，P=0.000		F=4.37，P=0.000		F=2.06，P=0.000
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
样本量	15 915	10 386	13 216	13 145	15 167	10 843
Adj.R²	0.710	0.699	0.756	0.681	0.678	0.728

下载: 导出CSV

参考文献(33)

[1]	戴翔, 马皓巍. 数字化转型、出口增长与低加成率陷阱[J]. 中国工业经济, 2023(5): 61-79.
[2]	Melitz M J, Ottaviano G I P. Market size, trade, and productivity[J]. The Review of Economic Studies, 2008, 75(1): 295-316. doi: 10.1111/j.1467-937X.2007.00463.x
[3]	赵瑞丽, 尹翔硕, 孙楚仁. 大城市的低加成率之谜: 集聚效应和竞争效应[J]. 世界经济, 2019, 42(4): 149-173.
[4]	刘信恒. 产业集聚、地区制度环境与成本加成率[J]. 中南财经政法大学学报, 2021(6): 127-141.
[5]	柏培文, 喻理. 数字经济发展与企业价格加成: 理论机制与经验事实[J]. 中国工业经济, 2021(11): 59-77.
[6]	梁永福, 陈冠锦, 陈林. 为何企业在数字化转型中"观望不前"——基于企业加成率视角的研究[J]. 财贸经济, 2025, 46(11): 136-152.
[7]	唐浩丹, 方森辉, 蒋殿春. 数字化转型的市场绩效: 数字并购能提升制造业企业市场势力吗?[J]. 数量经济技术经济研究, 2022, 39(12): 90-110.
[8]	韩民春, 宋昌昊, 袁瀚坤. 数字化转型、供应链韧性与企业加成率[J]. 经济学动态, 2025(1): 111-127.
[9]	余典范, 张宇, 宋晴. 数字人力投入与企业价格加成——来自招聘大数据的证据[J]. 中国工业经济, 2025(7): 62-80.
[10]	邓石军, 张卿, 陈晓霞. 数字化时代的企业转型之路: 中国上市工业企业的加成率视角[J]. 财经研究, 2024, 50(6): 153-168.
[11]	Dai X, Ma H, Zhang E. Can digital transformation definitely improve firms' markups?[J]. China Finance and Economic Review, 2024, 13(1): 23-42. doi: 10.1515/cfer-2024-0002
[12]	庞瑞芝, 郑思源, 白雪洁. 数字产业集群政策如何影响就业?[J]. 经济与管理研究, 2026, 47(3): 130-143.
[13]	陈创练, 王舒丹, 王浩楠, 等. 智能制造应用与出口企业加成定价[J]. 经济研究, 2025, 60(4): 104-121.
[14]	李天健, 李伟. 数字产业集群发展: 竞争优势重塑与政策范式重构[J]. 经济学家, 2025(2): 35-44.
[15]	戚聿东, 肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020, 36(6): 135-152.
[16]	周冬华, 万贻健. 企业数字化能提升企业全要素生产率吗?[J]. 统计研究, 2023, 40(12): 106-118.
[17]	孙新波, 张媛, 王永霞, 等. 数字价值创造: 研究框架与展望[J]. 外国经济与管理, 2021, 43(10): 35-49.
[18]	赵宏霞, 徐光明, 赵慧娟. 平台生态嵌入、数据治理与参与者企业数字创新绩效[J]. 管理学刊, 2023, 36(3): 68-84.
[19]	陈南旭, 李宇轩. 平台生态嵌入与传统企业价值链攀升——来自中国制造业上市公司的经验证据[J]. 管理学刊, 2024, 37(2): 100-121.
[20]	王宏鸣, 孙鹏博, 黄巍巍. 数字产业集群建设对企业新质生产力的影响研究[J/OL]. 科学学研究, 2025-10-20. https://doi.org/10.16192/j.cnki.1003-2053.20251020.005.
[21]	De Ridder M. Market power and innovation in the intangible economy[J]. American Economic Review, 2024, 114(1): 199-251. doi: 10.1257/aer.20201079
[22]	De Loecker J, Warzynski F. Markups and firm-level export status[J]. American Economic Review, 2012, 102(6): 2437-2471. doi: 10.1257/aer.102.6.2437
[23]	师磊, 阳镇, 钱贵明. 数字产业集群政策与关键核心技术突破式创新[J]. 中国工业经济, 2025(1): 100-117.
[24]	蔡运坤, 周京奎, 李文庆. 数字产业集群政策与企业数字化转型[J]. 经济学动态, 2025(11): 40-58.
[25]	Goodman-Bacon A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277. doi: 10.1016/j.jeconom.2021.03.014
[26]	戴天仕, 赵琦. 新三板分层制度与企业创新——基于"柠檬市场"治理机制的视角[J]. 数量经济技术经济研究, 2024, 41(3): 153-172.
[27]	Arkhangelsky D, Athey S, Hirshberg D A, et al. Synthetic difference-in-differences[J]. American Economic Review, 2021, 111(12): 4088-4118. doi: 10.1257/aer.20190159
[28]	Kranz S. Synthetic difference-in-differences with time-varying covariates[EB/OL]. (2022-01-18). https://github.com/skranz/xsynthdid/blob/main/paper/synthdid_with_covariates.pdf.
[29]	何凡, 陈波, 黄炜. 行业规范标准化与资本跨区流动——基于企业异地投资的研究[J]. 管理世界, 2024, 40(7): 204-225.
[30]	黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(8): 5-23.
[31]	孙忠娟, 刘凯月, 冯佳林, 等. 如何实现数字竞争优势: "专精特新"企业数字投资与专业投资的协同逻辑[J]. 中国工业经济, 2025(4): 156-173.
[32]	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.
[33]	黄勃, 李海彤, 刘俊岐, 等. 数字技术创新与中国企业高质量发展——来自企业数字专利的证据[J]. 经济研究, 2023, 58(3): 97-115.