47 
33全要素生产率的提升是发展新质生产力的核心标志。数字政府建设能够推动各类生产要素优化配置、协调重组与功能互补，这对提升企业全要素生产率具有深远意义。文章利用生成式人工智能构建指标测度地级市数字政府建设水平，探究了地方政府数字化建设对辖区企业的治理效应。研究发现，数字政府建设能够赋能企业高质量发展，提升企业全要素生产率。机制检验表明，数字政府建设主要通过提高政府透明度、企业透明度、企业资源配置效率以及企业创新效率四条路径影响企业全要素生产率。截面检验表明，当企业处于高科技行业、成立年限较短或融资约束程度较高时，数字政府建设对企业全要素生产率的提升作用更加显著。文章的研究有助于全面认识数字政府建设的社会价值，对加强廉洁政府建设、推动政府职能转变、推进“放管服”改革具有重要意义，同时为提升企业全要素生产率、促进政府与企业双向互动提供了经验证据。
数字政府建设何以赋能企业全要素生产率——基于生成式人工智能的证据
摘要
参考文献
5 贾开, 高乐, 曾宇航. 数字政府建设与国家治理现代化——2021中国国际大数据产业博览会专业论坛及第五届数字政府治理高峰论坛会议综述[J]. 中国行政管理, 2021, (9): 157−159.
9 卢圣华, 汪晖. 政企网络关系、企业资源获取与经济效率——来自本地晋升官员离任的经验证据[J]. 经济管理, 2020, (10): 5−22.
10 陆瑶, 施函青, 周欣怡. 中国企业数字技术风险暴露对企业价值的影响——来自大语言模型的文本分析证据[J]. 经济研究, 2025, (2): 73−89.
11 米加宁. 生成式治理: 大模型时代的治理新范式[J]. 中国社会科学, 2024, (10): 119−139.
13 邵宜航, 步晓宁, 张天华. 资源配置扭曲与中国工业全要素生产率——基于工业企业数据库再测算[J]. 中国工业经济, 2013, (12): 39−51.
14 施炳展, 游安南. 数字化政府与国际贸易[J]. 财贸经济, 2021, (7): 145−160.
15 宋敏, 周鹏, 司海涛. 金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J]. 中国工业经济, 2021, (4): 138−155.
16 杨震宁, 袁梓晋. 数字创新网络嵌入与关键核心技术攻关[J]. 中国工业经济, 2025, (5): 156−173.
17 余思明, 王蕊, 王得力. 政府数字化转型与企业创新——基于大数据治理机构改革的准自然实验[J]. 审计与经济研究, 2025, (2): 118−127.
19 张建, 王博. 数字经济发展与绿色全要素生产率提升[J]. 审计与经济研究, 2023, (2): 107−115.
20 赵丽娟, 刘淑涵, 赵团结. 数字化转型与企业多元化战略选择[J]. 财务研究, 2025, (1): 113−127.
21 钟覃琳, 廖冠民, 陆正飞. R&D投资能够提升企业生产效率吗?——基于区域人才政策工具变量的分析[J]. 会计与经济研究, 2016, (5): 3−16.
22 Cao S, Jiang W, Wang J B, et al. From man vs. machine to man + machine: The art and AI of stock analyses[J]. Journal of Financial Economics, 2024, 160: 103910. DOI:10.1016/j.jfineco.2024.103910
23 De Kok T. ChatGPT for textual analysis? How to use generative LLMs in accounting research[J]. Management Science, 2025, 71(9): 7888−7906. DOI:10.1287/mnsc.2023.03253
24 Gu J W, Jiang X H, Shi Z, et al. A survey on LLM-as-a-Judge[J]. The Innovation, 2026.
25 Jha M, Qian J L, Weber M, et al. ChatGPT and corporate policies[R]. National Bureau of Economic Research, 2024.
26 Kim A G, Muhn M, Nikolaev V V. From transcripts to insights: Uncovering corporate risks using generative AI[J]. arXiv: 2310.17721, 2023.
27 Kim J Y, Steensma H K. Employee mobility, spin-outs, and knowledge spill-in: How incumbent firms can learn from new ventures[J]. Strategic Management Journal, 2017, 38(8): 1626−1645. DOI:10.1002/smj.2625
28 Lewbel A. Using heteroscedasticity to identify and estimate mismeasured and endogenous regressor models[J]. Journal of Business & Economic Statistics, 2012, 30(1): 67−80.
29 Lopez-Lira A, Tang Y H. Can ChatGPT forecast stock price movements? Return predictability and large language models[J]. arXiv: 2304.07619, 2023.
30 Zhong J L, Shen W, Li Y Z, et al. A comprehensive survey of reward models: Taxonomy, applications, challenges, and future[J]. arXiv: 2504.12328, 2025.
引用本文
张希羚, 于昊平, 徐龙炳, 等. 数字政府建设何以赋能企业全要素生产率——基于生成式人工智能的证据[J]. 财经研究, 2026, 52(2): 94-108.
导出参考文献，格式为：
