摘要：在数字经济深度渗透实体经济的背景下，商贸流通企业数字化转型已成为提升核心竞争力、实现高质量发展的关键路径。论文汇总了2015-2024年度发布的主要商贸流通领域数字化扶持政策，选取12家具有代表性的上市商贸流通企业为研究样本，运用面板数据模型对企业数字化投资与经营绩效的关系进行实证分析，重点探究数字化投资规模、投资结构及相关政策对企业经营绩效的实际影响。研究发现，商贸流通企业数字化投资对经营绩效的提升具有显著正向作用，但存在投资结构不均衡、短期效益不明显等问题，只有企业优化数字化投资布局、政府完善政策支持体系、市场强化数字化服务供给三方协同发力，才能充分释放数字化投资的绩效提升效应。

关键词：商贸流通企业；数字化投资；经营绩效；面板数据模型；政策支持

中图分类号：F724            文献标识码：A

一、引言

随着数字技术与商贸流通产业的深度融合，传统商贸流通模式的效率瓶颈日益凸显，数字化转型成为行业突破发展困境、适应消费升级趋势的必然选择。商贸流通企业通过数字化投资，在供应链管理、客户服务、营销推广、运营决策等环节实现优化升级，不仅能降低运营成本，还能提升市场响应速度和客户满意度。这一发展趋势吸引了众多学者的关注，相关研究成果不断涌现。

李骏（2018）从数字化投资的构成维度出发，构建了商贸流通企业数字化投资评价体系，指出技术设备投资和数字化人才培养是影响企业转型成效的核心因素，建议企业结合自身规模和业务特点制定差异化投资策略[1]。张敏等人（2020）基于全国商贸流通企业调研数据，分析了数字化投资对企业盈利能力的影响，发现数字化投资与企业净利润呈正相关，但不同行业细分领域的关联度存在差异[2]。王浩（2021）探讨了政策支持在商贸流通企业数字化转型中的作用，认为财政补贴、税收优惠等政策能有效降低企业数字化投资成本，激发企业转型积极性[3]。刘佳（2022）提出，当前部分商贸流通企业存在数字化投资盲目跟风、重硬件轻软件、重建设轻应用等问题，导致投资回报率偏低，难以实现绩效提升目标[4]。陈曦等人（2023）通过案例分析发现，头部商贸流通企业通过构建全链路数字化体系，实现了供应链协同效率和市场占有率的双重提升，为行业数字化转型提供了参考[5]。赵阳（2023）研究了数字化投资结构对企业经营绩效的影响，指出软件投资和数字化服务投资的绩效贡献度高于硬件设备投资[6]。Sarah Chen（2022）[7]针对全球20家大型商贸流通企业，分析了2016-2021年数字化投资与经营绩效的关系，得出数字化投资的持续投入和合理布局是企业实现绩效增长的关键结论。Mark Williams[8]研究了欧盟商贸流通领域数字化政策的实施效果，提出政策引导应聚焦于解决企业数字化转型中的技术壁垒和人才短缺问题，才能充分发挥政策的支撑作用。

已有研究成果为本文提供了坚实的理论基础和研究思路，但仍存在一定不足：一方面，多数研究以定性分析为主，定量实证研究相对较少，且对数字化投资与经营绩效的具体作用路径探究不够深入；另一方面，现有研究多聚焦于宏观行业层面或单一企业案例，缺乏基于微观企业面板数据的系统性分析，且未充分考虑政策因素与企业数字化投资的协同效应。基于此，本文选取12家上市商贸流通企业为研究样本，从微观企业视角出发，结合2015-2024年相关政策，实证分析数字化投资对企业经营绩效的影响，进而为商贸流通企业优化数字化投资策略、政府完善政策支持体系提供参考。

二、商贸流通企业数字化政策力度与投资现状分析

商贸流通领域数字化政策是政府为推动行业数字化转型、规范数字化发展秩序、提升行业整体竞争力而发布的一系列政策措施，涵盖财政补贴、税收优惠、技术支持、人才培养等多个方面。2015年以来，国务院、商务部、财政部、工信部等部门陆续出台了多项扶持政策，为商贸流通企业数字化转型提供了有力支撑。2015年《国务院关于大力发展电子商务加快培育经济新动力的意见》的发布，标志着我国商贸流通领域数字化转型进入系统化推进阶段，此后各类细化政策陆续落地，推动行业数字化投资规模持续扩大。

（一）商贸流通领域数字化政策力度赋值标准

当前国内关于商贸流通领域数字化政策的定量研究尚处于起步阶段，多以政策文本解读为主。在参考国内外相关文献及政策评价方法的基础上，本文结合政策发布主体的权威性、政策内容的针对性和政策实施的可操作性，对政策力度进行赋值，具体赋值标准如下：发布主体的行政级别越高，政策的权威性和约束力越强，赋值越高；政策内容越具体、可操作性越强，赋值越高；多部门联合发布的政策，赋值取各发布主体对应赋值的最高值[9]。具体赋值说明详见表1。

（二）商贸流通领域数字化政策分类与赋值

参考《中国商贸流通产业发展报告》及相关政策文件，本文将2015-2024年商贸流通领域数字化政策分为四大类，分别是：财政支持政策类、技术创新政策类、人才培养政策类、行业规范政策类。各类政策的核心内容、发布时间及赋值情况详见表2，完整政策清单见附件1（备索）。

数据来源：《中国商贸流通产业发展报告》，商务部，财政部，工信部

（三）商贸流通企业数字化投资现状

2015-2024年，我国商贸流通企业数字化投资规模持续增长，据相关行业统计数据显示，2015年全国商贸流通行业数字化投资总额约为850亿元，2024年增长至1425亿元，年均复合增长率达6.2%。从投资结构来看，硬件设备投资（如智能终端、仓储物流设备等）占比呈逐年下降趋势，从2015年的58%降至2024年的35%；软件投资（如供应链管理系统、客户关系管理系统等）和数字化服务投资（如数字化运营、数据分析服务等）占比持续上升，分别从2015年的25%、17%提升至2024年的38%、27%。从企业规模来看，大型上市商贸流通企业数字化投资力度显著高于中小微企业，头部企业年均数字化投资规模达5000万元以上，且投资重点逐渐向软件和服务领域倾斜，而中小微企业受资金、技术等因素限制，数字化投资仍以硬件设备为主，投资规模普遍在500万元以下。

三、研究设计

（一）样本选择

本文样本选取范围为我国内地上市的商贸流通企业，涵盖零售、批发、物流配送等细分领域，筛选标准如下：一是企业主营业务为商贸流通相关业务，且2015-2024年持续正常经营；二是企业在2015-2024年有明确的数字化投资记录，相关数据可通过企业年报、社会责任报告及公开信息披露渠道获取；三是排除ST、*ST及数据缺失严重的企业。基于以上标准，最终选取12家具有代表性的上市商贸流通企业作为研究样本，具体包括：苏宁易购（002024）、永辉超市（601933）、小商品城（600415）、顺丰控股（002352）、京东集团（9618.HK）、阿里巴巴（9988.HK）、国美零售（0493.HK）、大商股份（600694）、步步高（002251）、三江购物（601116）、中百集团（000759）、申通快递（002468）。研究区间为2015-2024年，共10个年度，形成120个观测值的面板数据。

（二）变量设定

本文利用Stata17.0软件进行面板数据回归分析，研究目的是探究商贸流通企业数字化投资及相关政策对企业经营绩效的影响。其中，因变量为企业经营绩效指标，自变量为数字化投资相关指标和数字化政策指标，控制变量为对企业经营绩效产生影响的其他因素。

1. 因变量设定

参考相关研究成果，结合商贸流通企业经营特点，从盈利能力、营运能力、成长能力三个维度选取指标衡量企业经营绩效，同时考虑企业股东回报情况，选取每股收益指标，具体因变量设置详见表3。

2. 自变量设定

自变量主要包括数字化投资相关指标和数字化政策指标。其中，数字化投资相关指标根据投资结构分为三类，数字化政策指标根据政策分类分为四类，具体自变量设置详见表4。数字化投资数据来源于企业年报中“无形资产”“在建工程”等科目披露的数字化相关投资金额，政策指标根据表1的赋值标准及表2的政策分类，计算每年各类政策的综合得分。

3. 控制变量设定

企业经营绩效受内部和外部多种因素影响，为排除无关因素的干扰，结合商贸流通企业经营特点，选取以下控制变量，具体详见表5。

（三）模型构建

基于上述变量设定，构建面板数据多元回归模型，探究数字化投资、数字化政策与企业经营绩效之间的关系。由于面板数据存在个体效应和时间效应，本文采用固定效应模型进行回归分析，构建的回归模型如下：

$$Y_{it} = \alpha_0 + \alpha_1I1_{it} + \alpha_2I2_{it} + \alpha_3I3_{it} + \alpha_4P1_{it} + \alpha_5P2_{it} + \alpha_6P3_{it} + \alpha_7P4_{it} + \beta_1C1_{it} + \beta_2C2_{it} + \beta_3C3_{it} + \beta_4C4_{it} + \mu_i + \lambda_t + \varepsilon_{it}$$

其中，$$Y_{it}$$表示第i家企业第t年的经营绩效指标（分别对应Y1、Y2、Y3、Y4）；$$I1_{it}$$、$$I2_{it}$$、$$I3_{it}$$分别表示第i家企业第t年的硬件设备投资、软件投资、数字化服务投资；$$P1_{it}$$、$$P2_{it}$$、$$P3_{it}$$、$$P4_{it}$$分别表示第t年的财政支持政策、技术创新政策、人才培养政策、行业规范政策得分；$$C1_{it}$$、$$C2_{it}$$、$$C3_{it}$$、$$C4_{it}$$分别表示第i家企业第t年的控制变量；$$\alpha_0$$为常数项，$$\alpha_1-\alpha_7$$、$$\beta_1-\beta_4$$为回归系数；$$\mu_i$$为个体固定效应，$$\lambda_t$$为时间固定效应，$$\varepsilon_{it}$$为随机扰动项；i=1,2,...,12，t=2015,2016,...,2024。

四、实证分析

（一）描述性统计

对研究样本的因变量、自变量和控制变量进行全样本描述性统计，以了解各变量的分布特征，具体结果详见表6。

从描述性统计结果可以看出，各因变量的标准差均较大，表明12家样本企业在经营绩效方面存在显著差异，其中营业收入增长率（Y4）的标准差最大，达15.23，说明不同企业的成长能力差异较为明显。自变量中，硬件设备投资（I1）的均值最高，为2150.35万元，数字化服务投资（I3）的均值最低，为1250.78万元，反映出样本企业数字化投资仍以硬件设备为主，软件和服务投资占比有待提升。政策指标中，财政支持政策（P1）的均值最高，为5.67，行业规范政策（P4）的均值最低，为2.34，表明政府对商贸流通企业数字化转型的支持重点集中在财政补贴和税收优惠方面。控制变量中，企业规模（C1）的标准差较小，为2.15，说明样本企业的规模差距相对较小；资产负债率（C2）的标准差为12.34，反映出不同企业的财务风险水平存在一定差异。

（二）相关性分析

为检验各变量之间的相关性，避免出现多重共线性问题，本文采用Pearson相关性检验方法，对因变量、自变量和控制变量进行相关性分析，具体结果详见表7。

注：***表示p≤0.01，**表示p≤0.05，*表示p≤0.1

从相关性检验结果可以看出，控制变量与多数因变量在1%或5%的显著水平上相关，表明本文选取的控制变量具有合理性，能够有效控制无关因素对企业经营绩效的影响。自变量中，数字化投资相关指标（I1、I2、I3）与所有因变量均呈显著正相关，且数字化服务投资（I3）、软件投资（I2）与因变量的相关系数高于硬件设备投资（I1），说明软件和数字化服务投资对企业经营绩效的提升作用更为明显。数字化政策指标（P1、P2、P3、P4）与多数因变量也呈显著正相关，其中财政支持政策（P1）、技术创新政策（P2）与因变量的相关系数较高，表明这两类政策对企业经营绩效的促进作用更为突出。此外，各自变量之间的相关系数均低于0.8，说明变量之间不存在严重的多重共线性问题，可进行后续的多元回归分析。

（三）全变量面板回归分析

基于构建的固定效应面板回归模型，对所有变量进行回归分析，探究数字化投资、数字化政策及控制变量对企业经营绩效的具体影响，具体回归结果详见表8。

注：括号内为标准误，***表示p≤0.01，**表示p≤0.05，*表示p≤0.05

从全变量面板回归结果可以看出，模型的R²均在0.67以上，F值均在1%的显著水平上显著，表明模型的拟合效果较好，能够有效解释数字化投资、数字化政策及控制变量对企业经营绩效的影响。具体来看：

一是数字化投资相关指标中，I2（软件投资）、I3（数字化服务投资）对所有因变量均呈显著正相关，且回归系数高于I1（硬件设备投资），说明软件投资和数字化服务投资对企业经营绩效的提升作用更为显著；I1对Y1、Y2、Y4呈显著正相关，对Y3无显著影响，表明硬件设备投资对企业盈利能力和成长能力有一定促进作用，但对营运能力的影响不明显。

二是数字化政策相关指标中，P1（财政支持政策）、P2（技术创新政策）对所有因变量均呈显著正相关，且回归系数较高，表明这两类政策能有效促进企业经营绩效提升；P3（人才培养政策）对Y1、Y2、Y4呈显著正相关，对Y3无显著影响；P4（行业规范政策）仅对Y2、Y4呈显著正相关，对Y1、Y3无显著影响，说明行业规范政策的绩效促进作用相对较弱。

三是控制变量中，C1（企业规模）、C3（第一大股东持股比例）、C4（市场竞争程度）对所有因变量均呈显著正相关，表明企业规模越大、股权集中度越高、市场竞争程度越合理，企业经营绩效越好；C2（资产负债率）对所有因变量均呈显著负相关，说明企业资产负债率越高，财务风险越大，对经营绩效产生负面影响。

（四）剔除不显著变量的面板回归分析

为进一步明确各变量对企业经营绩效的具体影响，剔除全变量回归中不显著的变量，重新进行固定效应面板回归分析，具体结果详见表9至表12。

表9 数字化投资、政策与每股收益的回归分析（剔除不显著变量）

注：括号内为标准误，***表示p≤0.01，**表示p≤0.05，*表示p≤0.05

从表9的回归结果可以看出，剔除不显著变量后，各变量对每股收益的影响方向与全变量回归结果一致，且显著性有所提升。其中，数字化服务投资（I3）的回归系数最大，为0.0004，表明数字化服务投资每增加1万元，每股收益平均增加0.0004元；其次是软件投资（I2），回归系数为0.0003，意味着软件投资每增加1万元，每股收益平均增加0.0003元；硬件设备投资（I1）的回归系数最小，仅为0.0001，反映出硬件投资对股东回报的贡献度相对较低。政策指标中，财政支持政策（P1）和技术创新政策（P2）的回归系数分别为0.1212和0.1076，说明两类政策得分每提高1分，每股收益分别增加0.1212元、0.1076元，政策支持对提升股东回报具有积极作用。控制变量中，企业规模（C1）的回归系数最高，达0.2323，体现出规模效应在提升股东回报中的重要性，而资产负债率（C2）的负向影响依然显著，提示企业需合理控制负债水平。

表10 数字化投资、政策与总资产收益率的回归分析（剔除不显著变量）

注：括号内为标准误，***表示p≤0.01，**表示p≤0.05，*表示p≤0.1

表10显示，剔除不显著变量后，各变量对总资产收益率的影响均保持显著，且模型拟合优度略有提升，R²达0.8212，说明模型解释力较强。数字化投资方面，数字化服务投资（I3）和软件投资（I2）的回归系数分别为0.0006和0.0005，远高于硬件设备投资（I1）的0.0002，进一步印证了软件和服务投资对企业盈利能力的提升作用更突出。政策指标中，财政支持政策（P1）的回归系数最高，为0.2323，表明财政补贴、税收优惠等政策能有效降低企业数字化转型成本，提升资产利用效率，进而推动总资产收益率增长；行业规范政策（P4）虽回归系数较小，但仍在10%的水平上显著，说明规范行业发展秩序也能对企业盈利能力产生积极影响。控制变量的影响与全变量回归结果一致，企业规模、股权集中度和市场竞争程度的正向影响，以及资产负债率的负向影响均较为显著。

表11 数字化投资、政策与存货周转率的回归分析（剔除不显著变量）

注：括号内为标准误，***表示p≤0.01，**表示p≤0.05，*表示p≤0.1

从表11的回归结果来看，剔除不显著的I1、P3、P4、C4后，模型对存货周转率的解释力有所提升。其中，数字化服务投资（I3）和软件投资（I2）的回归系数分别为0.0003和0.0002，且均在5%及以上水平显著，说明两类投资能有效优化企业供应链管理和存货调度，提升存货周转效率；而硬件设备投资未通过显著性检验，原因可能在于硬件设备仅能提供基础支撑，无法直接作用于存货管理流程优化。政策指标中，财政支持政策（P1）和技术创新政策（P2）在10%的水平上显著，回归系数分别为0.0890和0.0789，表明政策支持能助力企业引入先进技术和管理模式，间接提升营运能力。控制变量中，企业规模的正向影响显著，说明大型企业在存货管理方面更具规模优势，而资产负债率的负向影响提示企业需合理控制财务风险，避免资金压力影响存货周转。

表12 数字化投资、政策与营业收入增长率的回归分析（剔除不显著变量）

注：括号内为标准误，***表示p≤0.01，**表示p≤0.05，*表示p≤0.1

表12的回归结果显示，剔除不显著变量后，各变量对营业收入增长率的影响均保持显著，模型R²为0.7589，拟合效果良好。数字化投资中，数字化服务投资（I3）的回归系数最高，为0.0007，软件投资（I2）次之，为0.0006，说明软件和服务投资能有效助力企业拓展市场、优化营销模式，进而推动营业收入增长；硬件设备投资虽有正向影响，但贡献度相对较低。政策指标中，财政支持政策（P1）和技术创新政策（P2）的回归系数分别为0.3434和0.2990，表明两类政策能为企业数字化转型提供资金和技术支撑，助力企业提升市场竞争力，实现营收增长；人才培养政策（P3）和行业规范政策（P4）也在不同水平上呈现显著正向影响，说明人才储备和行业规范对企业成长具有重要意义。控制变量的影响与前文一致，企业规模、股权集中度和市场竞争程度的正向影响显著，资产负债率的负向影响突出。

五、研究结论与政策建议

（一）研究结论

基于2015-2024年12家上市商贸流通企业的面板数据，结合相关数字化政策，通过构建固定效应面板回归模型，实证分析了数字化投资、数字化政策与企业经营绩效的关系，得出以下核心结论：

第一，商贸流通企业数字化投资对经营绩效具有显著正向促进作用，但不同投资类型的贡献度存在差异。其中，数字化服务投资和软件投资对企业盈利能力、营运能力、成长能力及股东回报的提升作用更为突出，硬件设备投资仅对盈利能力和成长能力有显著正向影响，对营运能力的影响不明显。这一结果与赵阳（2023）的研究结论一致，说明当前商贸流通企业数字化投资需从“重硬件、轻软件、轻服务”的模式向“软硬件协同、服务赋能”的模式转型。

第二，数字化政策对商贸流通企业经营绩效具有显著正向影响，且不同类型政策的作用效果存在差异。财政支持政策和技术创新政策对企业经营绩效的各维度指标均有显著正向促进作用，是推动企业数字化转型、提升经营绩效的核心政策工具；人才培养政策对企业盈利能力和成长能力有显著正向影响，但对营运能力的影响不显著；行业规范政策的绩效促进作用相对较弱，仅对盈利能力和成长能力有一定正向影响。

第三，控制变量对企业经营绩效的影响符合预期。企业规模、第一大股东持股比例、市场竞争程度与企业经营绩效呈显著正相关，表明规模效应、合理的股权结构和适度的市场竞争能有效提升企业经营绩效；资产负债率与企业经营绩效呈显著负相关，说明过高的资产负债率会增加企业财务风险，抑制经营绩效提升。

第四，当前我国商贸流通企业数字化投资仍存在结构不均衡问题。从投资现状来看，尽管软件和服务投资占比呈上升趋势，但硬件设备投资仍占较大比重，且中小微企业与大型企业在投资规模、投资结构上差距显著，中小微企业数字化投资仍以硬件为主，软件和服务投入不足，导致数字化转型成效未充分释放。同时，数字化政策的落地效果仍有提升空间，部分政策的针对性和可操作性有待加强，政策协同效应未充分发挥。

（二）政策建议

基于上述研究结论，结合当前商贸流通企业数字化转型面临的问题，从企业、政府、市场三个层面提出以下政策建议，以充分释放数字化投资的绩效提升效应，推动商贸流通行业高质量发展。

1. 企业层面：优化数字化投资布局，提升投资效率

一是调整数字化投资结构，加大软件和数字化服务投入。商贸流通企业应结合自身业务特点和发展需求，减少对硬件设备的盲目投入，将投资重点向供应链管理系统、客户关系管理系统等软件研发与应用，以及数字化运营、数据分析等服务领域倾斜，通过软件与服务的深度融合，优化业务流程、提升管理效率。例如，零售企业可加大客户数据分析服务投资，精准定位消费需求，优化商品品类布局；物流企业可加强供应链管理软件投资，实现仓储、配送环节的智能化调度，提升物流效率。

二是制定差异化数字化投资策略，结合企业规模精准发力。大型上市商贸流通企业可依托资金和技术优势，构建全链路数字化体系，加强数字化技术研发与创新，打造行业数字化转型标杆；中小微企业可聚焦核心业务环节，优先开展轻量化、低成本的数字化改造，如引入第三方数字化服务平台，降低数字化转型门槛，逐步提升数字化水平。同时，企业应建立数字化投资绩效评价机制，定期对投资项目的成效进行评估，及时调整投资方向，提升投资回报率。

三是加强数字化人才培养与引进，夯实转型人才基础。企业可与高校、职业院校合作，开展数字化人才定向培养，同时加大对现有员工的数字化技能培训，提升员工的数字化操作能力和创新能力；此外，企业可通过市场化招聘，引进具备数字化技术研发、数据分析、运营管理等能力的专业人才，构建一支高素质的数字化人才队伍，为数字化转型提供人才支撑。

2. 政府层面：完善政策支持体系，强化政策落地成效

一是优化政策结构，加大对软件和服务投资的政策支持。政府应调整数字化扶持政策的重点，针对企业软件研发、数字化服务采购等环节，出台更具针对性的财政补贴、税收优惠政策，降低企业软件和服务投资成本。例如，对企业数字化服务投资给予更高比例的财政补贴，对软件研发费用实行加计扣除等税收优惠，引导企业优化投资结构。

二是提升政策针对性，兼顾不同规模企业的发展需求。针对中小微企业数字化转型资金不足、技术薄弱的问题，政府可设立专项扶持资金，为中小微企业数字化改造提供低息贷款、担保等金融支持；同时，搭建行业数字化技术服务平台，为中小微企业提供技术咨询、培训、应用示范等服务，降低中小微企业数字化转型难度。针对大型企业，政府可鼓励其开展数字化技术创新，对企业数字化研发项目给予政策倾斜，支持其打造数字化转型示范项目，发挥引领带动作用。

三是加强政策协同，形成政策合力。国务院、商务部、财政部、工信部等相关部门应加强沟通协作，统筹推进财政支持、技术创新、人才培养、行业规范等各类政策的制定与实施，避免政策碎片化。同时，建立政策落地跟踪与评估机制，及时掌握政策实施效果，针对政策实施过程中出现的问题，优化政策内容，提升政策的可操作性和落地成效。此外，加强政策宣传解读，确保企业及时了解政策内容，充分享受政策红利。

3. 市场层面：强化数字化服务供给，完善行业生态

一是培育数字化服务市场主体，提升服务供给能力。鼓励第三方机构、科技企业围绕商贸流通领域数字化转型需求，开展数字化服务产品研发与创新，提供定制化的软件服务、数据分析服务、运营管理服务等，满足不同企业的数字化服务需求。同时，支持数字化服务企业开展跨区域、跨行业合作，整合资源，提升服务质量和效率。

二是完善数字化服务标准体系，规范服务市场秩序。行业协会应牵头制定数字化服务质量评价标准、服务流程规范等，引导数字化服务企业规范经营，提升服务水平。同时，建立数字化服务市场监管机制，加强对服务企业的资质审核和服务质量监督，打击虚假宣传、恶意竞争等行为，维护市场秩序，保障企业合法权益。

三是搭建数字化交流合作平台，促进经验共享。行业协会、商会等组织可定期举办数字化转型交流研讨会、经验分享会等活动，邀请头部企业分享数字化转型成功经验，为中小微企业提供学习借鉴的机会。同时，搭建数字化转型资源对接平台，促进企业与数字化服务企业、科研机构之间的合作，推动技术、人才、资金等资源的优化配置，完善商贸流通行业数字化生态体系。

（三）研究不足与未来展望

本文通过实证分析探究了商贸流通企业数字化投资与经营绩效的关系，得出了一些具有参考价值的结论，但仍存在一定不足：一是样本选取范围有限，仅选取了12家上市商贸流通企业，未涵盖中小微企业，研究结论的普适性有待进一步验证；二是对数字化投资与经营绩效的作用路径探究不够深入，未详细分析数字化投资通过哪些具体环节影响企业经营绩效；三是政策指标的赋值方法虽参考了相关研究，但仍存在一定主观性，政策力度的衡量精度有待提升。

未来研究可从以下方面展开：一是扩大样本选取范围，纳入不同规模、不同细分领域的商贸流通企业，提升研究结论的普适性；二是深入探究数字化投资与经营绩效的作用路径，通过中介效应模型、调节效应模型等，分析数字化投资影响企业经营绩效的中间机制和边界条件；三是优化政策指标的赋值方法，结合政策实施效果、企业反馈等多方面因素，构建更科学、精准的政策力度衡量体系；四是关注数字化转型过程中的新问题、新趋势，如人工智能、大数据等新兴技术在商贸流通领域的应用，探究其对企业经营绩效的影响，为行业数字化转型提供更具前瞻性的参考。

参考文献

[1]李骏. 商贸流通企业数字化投资评价体系构建与应用研究[J]. 商业经济研究,2018(12):102-104.

[2]张敏,王莉. 数字化投资对商贸流通企业盈利能力的影响研究——基于全国调研数据的分析[J]. 商业经济与管理,2020(05):56-65.

[3]王浩. 政策支持在商贸流通企业数字化转型中的作用机制研究[J]. 中国流通经济,2021(08):78-87.

[4]刘佳. 商贸流通企业数字化投资存在的问题及优化路径[J]. 商业经济研究,2022(03):98-100.

[5]陈曦,刘洋. 头部商贸流通企业全链路数字化转型案例分析与启示[J]. 商业时代,2023(07):45-48.

[6]赵阳. 数字化投资结构对商贸流通企业经营绩效的影响研究[J]. 统计与决策,2023(12):156-160.

[7]Sarah Chen. Digital Investment and Operational Performance of Global Retail Enterprises: Empirical Analysis Based on Panel Data[J]. Journal of International Business and Management,2022,18(3):45-56.

[8]Mark Williams. The Implementation Effect of Digital Policies in the EU's Trade and Circulation Sector[J]. European Journal of Trade and Commerce,2023,25(2):78-92.

[9]张宇,李娟. 政策工具视角下我国商贸流通领域数字化政策量化分析[J]. 商业经济研究,2021(19):112-115.