付淑賢

（暨南大學(xué)管理學(xué)院，廣東 廣州 510630）

一、引言

習(xí)近平總書記曾多次強調(diào)要大力發(fā)展數(shù)字經(jīng)濟，充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場景的優(yōu)勢，促進數(shù)字技術(shù)和實體經(jīng)濟深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。而這一進程中很重要的一環(huán)就是企業(yè)的數(shù)字化轉(zhuǎn)型。中國信通院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展白皮書（2021）》報告顯示，產(chǎn)業(yè)數(shù)字化占數(shù)字經(jīng)濟的比重高達80.9%，而產(chǎn)業(yè)數(shù)字化顯著促進了企業(yè)數(shù)字化轉(zhuǎn)型（陳玉嬌，2021）。在當(dāng)下信息化、智能化的發(fā)展趨勢下，數(shù)字化轉(zhuǎn)型是企業(yè)生存之道的必經(jīng)之路，也是企業(yè)必須要做好的一個重大課題。企業(yè)的數(shù)字化轉(zhuǎn)型是數(shù)字技術(shù)與各種業(yè)務(wù)流程深度融合，從而以數(shù)字驅(qū)動企業(yè)生產(chǎn)、經(jīng)營、管理的全過程（Vial，2019）。在這一過程中勢必會給企業(yè)的各項業(yè)務(wù)活動帶來變革。而創(chuàng)新作為促進我國新舊動能轉(zhuǎn)換，實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的主要推手以及企業(yè)發(fā)展的“命脈”，數(shù)字化轉(zhuǎn)型又會對企業(yè)的創(chuàng)新產(chǎn)生什么樣的影響呢？黨的十九屆五中全會曾明確指出“要強化國家戰(zhàn)略科技力量，提升企業(yè)技術(shù)創(chuàng)新能力”。如今，數(shù)字化發(fā)展和創(chuàng)新都已上升為國家戰(zhàn)略，為了更好的認識到數(shù)字化轉(zhuǎn)型的必要性，推進數(shù)字經(jīng)濟與實體相融合，實現(xiàn)建設(shè)創(chuàng)新型國家，因此，有必要進一步研究企業(yè)的數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間的關(guān)系。

在當(dāng)下數(shù)字化的背景下，也有不少文獻關(guān)注到了數(shù)字化賦能對企業(yè)創(chuàng)新的影響，但目前多是理論研究或案例分析或是基于問卷調(diào)查，而本文則通過python技術(shù)構(gòu)建了一個衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的指標(biāo)，從數(shù)字化轉(zhuǎn)型對企業(yè)自身狀況改善（融資約束，信息透明度）的角度，大樣本實證檢驗了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的作用及其作用機理。為企業(yè)推進數(shù)字化轉(zhuǎn)型提供了一定的經(jīng)驗證據(jù)。

二、理論分析與研究假設(shè)

1.數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

在數(shù)字化的背景下，一方面，消費者的需求變得更加多元化、個性化和智能化；另一方面，以互聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)降低了對這些需求信息的搜尋和分析成本（Goldfarb & Tucker，2019）。因而企業(yè)能夠快速的捕捉到這一需求并利用數(shù)字技術(shù)對客戶資源和客戶需求進行數(shù)據(jù)挖掘和進一步分析，進而助力企業(yè)對現(xiàn)有產(chǎn)品和服務(wù)做出不斷的創(chuàng)新改進以研制出更加符合市場需求的產(chǎn)品和服務(wù)，提升企業(yè)的產(chǎn)品創(chuàng)新績效。進一步，這會吸引更多的客戶，而數(shù)字化變革的過程又使得創(chuàng)新活動的時間和空間邊界日趨模糊，促進了顧客與研發(fā)人員的交流互動，顧客可以在不同的時間地點參與到企業(yè)的創(chuàng)新過程，而顧客的及時反饋又能夠提升企業(yè)作為供應(yīng)者的創(chuàng)新能力（Manson，2011），并反過來創(chuàng)造出新的需求。這樣顧客與企業(yè)之間的正向反饋又會推進未來產(chǎn)品的創(chuàng)新升級，最終提高企業(yè)的創(chuàng)新產(chǎn)出。

其次，企業(yè)的數(shù)字化轉(zhuǎn)型能夠?qū)崿F(xiàn)企業(yè)內(nèi)外部的高效溝通，降低了交流協(xié)作成本。一方面，數(shù)字技術(shù)跨越了合作企業(yè)之間由于物理距離所帶來的障礙，極大增強了企業(yè)之間的研發(fā)協(xié)作，便于企業(yè)獲取創(chuàng)新所需的資源。另一方面，企業(yè)可以通過與供應(yīng)商、客戶以及同行業(yè)企業(yè)等外部網(wǎng)絡(luò)的交流合作，加速信息和知識的傳播擴散和增值（錢晶晶和何筠等，2021）；同時也可以通過內(nèi)部研發(fā)人員之間的信息共享和交互學(xué)習(xí)以低成本獲取最新的知識和技能，進行知識整合，提升學(xué)習(xí)效率，進而提高企業(yè)創(chuàng)新主體的創(chuàng)新能力和創(chuàng)新意愿。此外，當(dāng)企業(yè)的數(shù)字化轉(zhuǎn)型進程穩(wěn)步推進時，企業(yè)的運作效率以及資源利用度能夠得到極大的提升，企業(yè)能夠以更小的成本來實現(xiàn)對創(chuàng)新活動的方向把握、信息分析和過程優(yōu)化，使得禁錮于部門內(nèi)的創(chuàng)新資源與能力得以釋放，進而爆發(fā)“乘數(shù)”創(chuàng)造效應(yīng)（何帆和劉紅霞，2019），激發(fā)企業(yè)更多的創(chuàng)新行為。

基于此，本文提出以下假設(shè)：

H1：企業(yè)的數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)的創(chuàng)新。

2.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)創(chuàng)新

融資難一直是困擾很多企業(yè)的問題，尤其是在當(dāng)下百年變局和新冠疫情沖擊的雙重影響下，全球經(jīng)濟下行，致使相當(dāng)數(shù)量的企業(yè)難以獲得充足的外源資金，面臨融資障礙。而創(chuàng)新活動需要大量的資金支持，因而幾乎所有文獻均認為，企業(yè)面臨的融資約束會顯著抑制企業(yè)的創(chuàng)新投入。而企業(yè)的數(shù)字化轉(zhuǎn)型，一方面，既符合國家的戰(zhàn)略需要也順應(yīng)了當(dāng)前數(shù)字經(jīng)濟的發(fā)展潮流，為企業(yè)發(fā)展?fàn)I造了良好的“口碑”，更容易受到相關(guān)的政策優(yōu)惠；另一方面，也向外部投資者和債權(quán)人釋放了企業(yè)未來發(fā)展?jié)摿α己玫姆e極信號，因而更容易獲得資本市場的青睞。同時數(shù)字化背景下，投資者和債權(quán)人能夠更易于取得企業(yè)資金使用情況信息，降低了利益相關(guān)者的信息搜集成本和對企業(yè)創(chuàng)新活動進行監(jiān)督的成本，能夠降低創(chuàng)新過程中不必要的代理風(fēng)險，從而促使投資者和債權(quán)人愿意提供更多低成本的資金。因而數(shù)字化轉(zhuǎn)型能夠降低企業(yè)的融資約束，提高企業(yè)從外部獲取融資的能力，為創(chuàng)新活動提供足夠的資金來源，從而有利于企業(yè)創(chuàng)新活動的開展。

綜上所述，本文提出以下假設(shè)：

H2：在其他條件不變的情況下，企業(yè)的數(shù)字化轉(zhuǎn)型能夠通過緩解企業(yè)的融資約束進而促進企業(yè)的創(chuàng)新。

3.數(shù)字化轉(zhuǎn)型、信息透明度與企業(yè)創(chuàng)新

創(chuàng)新活動周期長、風(fēng)險高、不確定性大且存在較高的專業(yè)壁壘，這加劇了研發(fā)團隊與企業(yè)以及與外部利益相關(guān)者之間的信息不對稱程度，使得研發(fā)過程難以監(jiān)督，從而給研發(fā)人員可能的懶惰和懈怠添上了一層“保護色”，進而可能誘發(fā)逆向選擇和道德風(fēng)險問題，而這無疑會對企業(yè)創(chuàng)新效率產(chǎn)生不利影響。安同良等（2009）認為只有當(dāng)企業(yè)和政府之間擁有關(guān)于創(chuàng)新活動的對稱的信息時，決策者提高創(chuàng)新補貼力度才能激勵企業(yè)的原始創(chuàng)新。即當(dāng)資金提供者與企業(yè)之間對資金的使用情況存在信息不對稱時，提供外源資金并不一定能夠促進企業(yè)進行創(chuàng)新。而數(shù)字技術(shù)正可以被視為是一種組織管理手段（Goldfarb and Tucker，2019），有利于企業(yè)提升組織協(xié)調(diào)能力，降低信息不對稱，提高監(jiān)督效率。并且，隨著企業(yè)的數(shù)字化轉(zhuǎn)型越深入，越容易引起市場中分析師和媒體報道的關(guān)注，能夠?qū)⒏喔鼫?zhǔn)確有效的信息及時傳遞給外部利益相關(guān)者（管考磊和朱海寧，2022），從而拓寬雙方的信息透明空間（張永坤，2021）。企業(yè)的信息透明度增加，使得外部利益相關(guān)者的監(jiān)督成本降低，監(jiān)督效率提升，從而能夠提升企業(yè)的創(chuàng)新效率。同時使得管理層的尋租成本增加，能夠減少管理層的“享樂主義”，降低高管在職消費給企業(yè)帶來的隱性成本，為企業(yè)實現(xiàn)“節(jié)流”，這有利于往往資金需求大的創(chuàng)新活動的進行（周冬華等，2019）。

基于此，本文提出如下假設(shè)：

H3：在其他條件不變的情況下，企業(yè)的數(shù)字化轉(zhuǎn)型能夠通過提高企業(yè)的信息透明度進而促進企業(yè)的創(chuàng)新。

三、研究設(shè)計

1.樣本與數(shù)據(jù)來源

本文以2010年～2020年滬深A(yù)股上市公司為樣本，研究企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響。關(guān)于數(shù)字化轉(zhuǎn)型的數(shù)據(jù)是利用python 技術(shù)自行構(gòu)建，衡量企業(yè)創(chuàng)新的專利數(shù)據(jù)來源于中國研究數(shù)據(jù)服務(wù)平臺（CNRDS）的創(chuàng)新專利研究子庫，其他的公司財務(wù)數(shù)據(jù)和公司治理數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫，地區(qū)層面的數(shù)據(jù)來源于國家統(tǒng)計局。并對原始樣本做了如下處理：（1）剔除金融行業(yè)樣本；（2）剔除ST、PT以及資不抵債的樣本；（3）剔除數(shù)據(jù)異常以及主要變量缺失的樣本。為了排除極端值的干擾，本文還對主要連續(xù)變量進行上下1%的Winsorize處理，最終得到29040個樣本。

2.變量定義

（1）被解釋變量

由于創(chuàng)新項目不確定高，有投入不一定就有產(chǎn)出，因而相比于研發(fā)投入（R&D），專利數(shù)量被廣泛認為是衡量創(chuàng)新最直接最準(zhǔn)確的指標(biāo)?；诖?，本文的研究也使用企業(yè)當(dāng)年的專利申請數(shù)量作為企業(yè)創(chuàng)新的代理變量。此外，參照現(xiàn)有研究（唐松等，2020），在以專利申請總數(shù)（Patent）刻畫企業(yè)創(chuàng)新的基礎(chǔ)上，界分出企業(yè)的發(fā)明專利申請數(shù)（Invpat，發(fā)明專利更注重原始創(chuàng)新，更能表征企業(yè)的實質(zhì)性創(chuàng)新能力）以及實用新型專利和外觀設(shè)計專利之和（Udpat，更注重模仿創(chuàng)新）。

（2）核心解釋變量

本文的核心解釋變量為企業(yè)的數(shù)字化轉(zhuǎn)型（Digit），借鑒吳非等（2021）對企業(yè)數(shù)字化轉(zhuǎn)型的度量方式，我們首先借助Python的爬蟲功能從網(wǎng)易財經(jīng)下載了上海交易所和深圳交易所全部A股上市公司的txt版本年度報告，使用正則表達式保留財務(wù)報告的文本內(nèi)容，其次載入包含特征詞語的關(guān)鍵詞詞典，然后借助結(jié)巴分詞對財報文本進行分詞以統(tǒng)計各個特征詞的詞頻數(shù)量，最后對所有特征詞詞頻進行加總。由于加總后的數(shù)值存在顯著的“右偏性”特征，為了更好的滿足回歸變量的正態(tài)分布要求，本文對加總后的數(shù)值進行加1取對數(shù)以構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型的指標(biāo)。為了保證結(jié)果的穩(wěn)健性，我們同時使用關(guān)鍵詞的字符數(shù)與報告文本總字符的比值作為替代變量。

（3）機制變量

本文還加入了融資約束和信息透明度兩個機制變量，借鑒鞠曉生等（2013）的做法，采用SA指數(shù)來衡量融資約束，SA指數(shù)的計算公式為-0.737*Size+0.043*Size2-0.04*Age，相比于KZ指數(shù)和WW指數(shù)，SA指數(shù)利用公司規(guī)模和年齡構(gòu)建衡量融資約束，不僅十分直觀，而且克服了內(nèi)生性問題，得出的結(jié)果更為穩(wěn)健?；谖覈髽I(yè)的公司規(guī)模位于SA計算方程曲線的右半邊，SA指數(shù)為負且絕對值越大，說明企業(yè)受到的融資約束程度越嚴重。另外本文采用分析師跟蹤人數(shù)加一取對數(shù)（Analyst）來衡量企業(yè)的信息透明度，分析師跟蹤人數(shù)越多表明企業(yè)的信息透明度越高。

（4）控制變量

在控制變量的選取上，本文參考借鑒了該方面諸多的文獻，按照已有研究普遍的做法，本文控制了以下變量：企業(yè)經(jīng)營特征層面的變量包括企業(yè)年齡（Age）、資產(chǎn)規(guī)模（Size）、資產(chǎn)負債率（Lev）、資產(chǎn)收益率（Roa）、收入規(guī)模（Rev）、資本密集度（Capital）、現(xiàn)金持有水平（Cashhold）；企業(yè)治理層面的變量包括兩職合一（Dual）、股權(quán)集中度（Equity）、審計意見（Opinion），同時加入行業(yè)固定效應(yīng)和年份固定效應(yīng)并進行企業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤。具體的變量定義參見表1。

表1 變量定義

3.模型設(shè)定

綜上，為了研究數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響，本文構(gòu)建了如下基準(zhǔn)估計模型：

四、實證結(jié)果分析

1.描述性統(tǒng)計

表2為主要變量的描述性統(tǒng)計結(jié)果，結(jié)果表明，企業(yè)專利申請數(shù)（Patent）的均值的為4.12件（e^1.634-1），標(biāo)準(zhǔn)差為1.615，表明上市公司之間的創(chuàng)新能力參差不齊，創(chuàng)新產(chǎn)出差距較大。數(shù)字化轉(zhuǎn)型程度指標(biāo)（Digit）的最大值為5.106，最小值為0，標(biāo)準(zhǔn)差為1.408，數(shù)字化轉(zhuǎn)型指標(biāo)的離散程度較大，表明上市公司的數(shù)字化轉(zhuǎn)型進程也差異較大。在機制變量方面，SA指數(shù)的最小值為-4.358，均值也有-3.634，表明我國上市企業(yè)面臨較為普遍的融資約束問題；另外，平均每個上市企業(yè)有4～5個分析師跟蹤（e^1.469），不同企業(yè)之間分析師跟蹤人數(shù)差異也較大。

表2 變量的描述性統(tǒng)計

此外，本文按照數(shù)字化轉(zhuǎn)型指標(biāo)的中位數(shù)進行分組，低于中位數(shù)的定義為數(shù)字化轉(zhuǎn)型程度較低的企業(yè)組，高于中位數(shù)的定義為數(shù)字化轉(zhuǎn)型程度較高的企業(yè)組，然后對這兩組分別進行主要變量的均值統(tǒng)計并進行差異檢驗，結(jié)果如表3所示。均值差異的檢驗結(jié)果顯示，數(shù)字化轉(zhuǎn)型程度高的企業(yè)專利申請數(shù)量要顯著高于數(shù)字化轉(zhuǎn)型程度較低的企業(yè)，初步表明企業(yè)的數(shù)字化轉(zhuǎn)型程度可能對企業(yè)創(chuàng)新產(chǎn)出有促進作用。數(shù)字化轉(zhuǎn)型程度高的企業(yè)SA指數(shù)的絕對值更小，分析師跟蹤人數(shù)更多，且差異顯著。表明相比于數(shù)字化轉(zhuǎn)型程度低的企業(yè)，數(shù)字化轉(zhuǎn)型程度高的企業(yè)融資約束程度更小，信息透明度要更高。另外，所有控制變量的均值差異也都十分顯著，表明本文控制變量的選取是合理的。

表3 數(shù)字化轉(zhuǎn)型程度的分組均值檢驗

2.回歸結(jié)果分析

表4報告了企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間關(guān)系的回歸結(jié)果。在基準(zhǔn)回歸中，本文采用了遞進式回歸，在表 4（1）中沒有加入控制變量，僅控制了時間和行業(yè)固定效應(yīng)，結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Digit）的回歸系數(shù)在1%的顯著性水平上顯著；表4（2）是在（1）的基礎(chǔ)上加入了控制變量后的回歸結(jié)果，數(shù)字化轉(zhuǎn)型指標(biāo)的回歸系數(shù)有所縮小，主要是因為控制變量吸收了部分影響企業(yè)創(chuàng)新的因素，但系數(shù)依然在1%的水平上顯著。這表明，企業(yè)的數(shù)字化轉(zhuǎn)型程度越高，企業(yè)的創(chuàng)新產(chǎn)出也越多。表4第（3）列和第（4）列是將企業(yè)的專利申請數(shù)（Patent）劃分為了發(fā)明專利申請數(shù)（Invpat，代表實質(zhì)性創(chuàng)新）和非發(fā)明專利申請數(shù)（Udpat，實用新型專利及外觀設(shè)計型專利，代表非實質(zhì)性創(chuàng)新）兩類后重新進行回歸的結(jié)果，數(shù)字化轉(zhuǎn)型指標(biāo)的系數(shù)均顯著，表明企業(yè)的數(shù)字化轉(zhuǎn)型不僅能促進企業(yè)進行實質(zhì)性創(chuàng)新也能對非實質(zhì)性創(chuàng)新起到激勵作用。此外，借鑒唐松等（2020），考慮到上市公司往往具有較多的子公司、聯(lián)營企業(yè)以及合營企業(yè)，這些企業(yè)的專利創(chuàng)新產(chǎn)出也能在一定程度上反映母公司的創(chuàng)新能力，因此本文將專利申請數(shù)的口徑進一步擴展到企業(yè)集團，Patentj表示的是包括子公司、聯(lián)營企業(yè)和合營企業(yè)在內(nèi)的企業(yè)集團的所有專利申請數(shù)取對數(shù)，回歸結(jié)果如表4第（5）列所示，結(jié)論不變。

表4 數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

考慮到企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響可能存在一定的時間滯后且企業(yè)從開始創(chuàng)新活動到最后的專利申請也往往會經(jīng)歷一個較長的時間段，因此，本文在表 5的研究中延長了企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新影響的時間考察期，這也在一定程度上減輕了反向因果的內(nèi)生性干擾問題。表5（1）～（3）列是將核心解釋變量（Digit）進行滯后1～3期處理的結(jié)果，表5（4）～（6）列是將被解釋變量（Patent）進行前置1～3期處理的結(jié)果。研究結(jié)果表明，無論是將企業(yè)的數(shù)字化轉(zhuǎn)型指標(biāo)進行滯后處理還是將企業(yè)的創(chuàng)新產(chǎn)出指標(biāo)進行前置處理，企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新都具有十分顯著的正向促進作用，且這種積極作用并沒有因為時間窗口的延長而呈現(xiàn)出明顯的衰減。這表明企業(yè)的數(shù)字化轉(zhuǎn)型能夠在一個較長的時間窗口期內(nèi)對企業(yè)的創(chuàng)新產(chǎn)出產(chǎn)生持續(xù)的有利影響。

表5 延長窗口期

3.作用機制檢驗

前文的研究已經(jīng)證實了企業(yè)的數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)的創(chuàng)新，但前文僅是對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間關(guān)系的整體刻畫，尚未檢驗可能存在的影響路徑。在這一部分，本文就針對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間影響的機制路徑進行識別檢驗。為此，本文選取了融資約束（SA指數(shù)）、信息透明度（Analyst）這兩個渠道進行檢驗，并借鑒溫忠麟和葉寶娟（2014）的依次檢驗法和bootstrap自助法對中介效應(yīng)開展研究?？紤]到中介效應(yīng)的傳導(dǎo)需要一定的時間，也為了在一定程度上緩解可能由于反向因果導(dǎo)致的內(nèi)生性問題對結(jié)果的干擾，本文在中介效應(yīng)模型中對解釋變量進行滯后一期處理，同時對被解釋變量進行前置一期處理，其中Mediator是融資約束（SA指數(shù)）、信息透明度（Analyst）兩個中介變量，其余變量設(shè)定和前文保持一致，模型設(shè)定如下：

（1）數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)創(chuàng)新

本文借鑒鞠曉生等（2013）對融資約束的衡量方法，以本文的上市公司樣本構(gòu)建SA指數(shù)，SA指數(shù)為負且其絕對值越大，意味著企業(yè)面臨的融資約束程度越高。融資約束這一機制的檢驗結(jié)果如表6所示。表6第（2）列的回歸結(jié)果顯示數(shù)字化轉(zhuǎn)型（L1Digit）的系數(shù)在1%的水平上顯著為正，表明企業(yè)的數(shù)字化轉(zhuǎn)型程度越高，SA值越大，SA的絕對值越小，企業(yè)融資約束程度越小。而第（3）列的結(jié)果顯示，在將融資約束加入主模型后，L1Digit和SA的回歸系數(shù)仍舊顯著為正，且檢驗中介效應(yīng)的Sobel檢驗的結(jié)果也十分顯著，表明企業(yè)進行數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)的融資難問題，同時融資約束程度的降低（SA值越大）能夠為企業(yè)的創(chuàng)新活動提供充足的資金，進而能夠有利于企業(yè)的創(chuàng)新。即融資約束的降低在數(shù)字化轉(zhuǎn)型和企業(yè)創(chuàng)新之間起到了部分中介作用，是數(shù)字化轉(zhuǎn)型促進企業(yè)創(chuàng)新的機制之一。

表 6 機制路徑的識別—融資約束

（2）數(shù)字化轉(zhuǎn)型、信息透明度和企業(yè)創(chuàng)新

本文采用分析師跟蹤人數(shù)取對數(shù)（Analyst）來衡量企業(yè)的信息透明度，以檢驗其對數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間關(guān)系的中介效應(yīng)。另外，本文還以深交所、滬交所披露的上市公司信息透明度考評結(jié)果（Score）作為信息透明度的替代變量進行了回歸。上市公司信息透明度考評結(jié)果分為A、B、C、D四個等級，分別賦值4、3、2、1進行衡量。回歸結(jié)果如下表所示。第（1）列和第（4）列的結(jié)果顯示，數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著為正，說明企業(yè)的數(shù)字化轉(zhuǎn)型能夠降低信息不對稱，促進企業(yè)信息透明度的提升；同時第（2）列和第（5）列的結(jié)果顯示在加入信息透明度這一變量后，數(shù)字化轉(zhuǎn)型的系數(shù)依然顯著，且指代信息透明度的兩個變量—分析師跟蹤人數(shù)和上市公司信息透明度評分的系數(shù)也都顯著為正，這表明企業(yè)的數(shù)字化轉(zhuǎn)型能夠提高信息透明度，同時企業(yè)信息透明度的增加能夠促進企業(yè)的技術(shù)創(chuàng)新。信息透明度也是數(shù)字化轉(zhuǎn)型促進企業(yè)創(chuàng)新的機制之一。

表 7 機制路徑的識別—信息透明度

五、穩(wěn)健性檢驗

1.內(nèi)生性問題

（1）工具變量

考慮到本文的實證研究可能存在反向因果導(dǎo)致的內(nèi)生性問題，即創(chuàng)新能力越強的企業(yè)越有可能進行數(shù)字化轉(zhuǎn)型。為此，本文在前文中已經(jīng)進行了解釋變量的滯后和被解釋變量的前置處理，在這一部分，本文進一步的使用工具變量法進行兩階段的回歸。首先，參考趙璨等（2020）構(gòu)建工具變量的思路，采用城市互聯(lián)網(wǎng)寬帶接入用戶數(shù)以及城市郵政業(yè)務(wù)總量作為工具變量；其次借鑒趙濤等（2020）的做法，使用滯后一期的全國互聯(lián)網(wǎng)上萬人數(shù)與1984年城市每萬人固定電話數(shù)量的交乘項作為企業(yè)當(dāng)期數(shù)字化轉(zhuǎn)型程度的工具變量進行回歸。第二階段的回歸結(jié)果分別匯報在表8的第（1）、（2）和（3）列。表中的回歸結(jié)果顯示，不論使用哪一個工具變量，數(shù)字化轉(zhuǎn)型程度指標(biāo)（Digit）的回歸系數(shù)均顯著為正，表明本文的主要結(jié)論仍然不變。

（2）傾向得分匹配

考慮到可能存在樣本自選擇導(dǎo)致的內(nèi)生性問題，即進行數(shù)字化轉(zhuǎn)型程度高的企業(yè)與進行數(shù)字化轉(zhuǎn)型程度低的企業(yè)之間可能在某些特征維度上存在顯著差異，而這些特征又與企業(yè)是否進行數(shù)字化轉(zhuǎn)型以及企業(yè)創(chuàng)新有關(guān)。為此，本文進一步采用了PSM的方法，借鑒張永坤等（2021）的做法，將數(shù)字化轉(zhuǎn)型程度指標(biāo)取中位數(shù)，若大于樣本中位數(shù)取值為1，代表數(shù)字化轉(zhuǎn)型程度高的企業(yè)，否則取0，表示數(shù)字化轉(zhuǎn)型程度低或未進行數(shù)字化轉(zhuǎn)型的企業(yè)。之后采用采用控制變量作為協(xié)變量計算傾向性得分，進行1：1的最近鄰匹配。表8（4）報告了PSM匹配后的回歸結(jié)果，Digit的回歸系數(shù)依然在1%水平上顯著為正，支持了原假設(shè)。

表8 考慮內(nèi)生性問題

（3）Heckman兩階段

考慮到企業(yè)的數(shù)字化轉(zhuǎn)型相關(guān)詞頻是自愿選擇披露的內(nèi)容，有的企業(yè)可能進行了數(shù)字化轉(zhuǎn)型但未在年報中披露，因而會造成樣本選擇偏差，導(dǎo)致結(jié)果有偏。為此，本文采用Heckman兩階段法進行內(nèi)生性檢驗。第一階段，根據(jù)樣本企業(yè)年報中是否披露了數(shù)字化轉(zhuǎn)型定義一個新的二元因變量（Digit_yes），然后加入一個外生變量—“互聯(lián)網(wǎng)寬帶接入用戶數(shù)”取對數(shù)（Internet），用該外生變量和前文的所有控制變量作為自變量對全樣本進行Probit回歸，回歸結(jié)果如表9第（1）列所示，并以此計算出逆米爾斯比率（IMR）。第二階段，針對那些在年報中披露了數(shù)字化轉(zhuǎn)型的樣本企業(yè)，將第一階段計算出的逆米爾斯比率作為一個控制變量加入原回歸模型中進行回歸，回歸結(jié)果如表9（2）。此外，本文還使用數(shù)字化轉(zhuǎn)型字符占比（Digita_l）替代數(shù)字化轉(zhuǎn)型（Digit）在第二階段重新進行了回歸，結(jié)果如表9（3）。無論是第（2）列還是第（3）列，IMR的回歸系數(shù)均在1%的水平上顯著，這正表明了使用Heckman兩步法糾正樣本偏差的必要性。數(shù)字化轉(zhuǎn)型的回歸系數(shù)也仍然顯著為正，說明結(jié)果穩(wěn)健。

表9 Heckman兩階段

2.其他穩(wěn)健性檢驗

為了進一步提高本文的穩(wěn)健性，本文還用了數(shù)字化轉(zhuǎn)型相關(guān)詞匯的詞頻占年報中文詞頻的占比（Digit_1）作為數(shù)字化轉(zhuǎn)型的衡量指標(biāo)、將數(shù)字化轉(zhuǎn)型相關(guān)的詞頻進行行業(yè)-年度均值調(diào)整后重新進行回歸。此外，還了刪除數(shù)字化轉(zhuǎn)型程度為0的樣本重新進行檢驗，結(jié)果顯示數(shù)字化轉(zhuǎn)型指標(biāo)（Digit）的回歸系數(shù)仍然在1%的水平上顯著，研究結(jié)論不變。

六、研究結(jié)論和建議

1.研究結(jié)論

本文以2010年～2020年滬深A(yù)股上市公司為研究樣本，實證分析了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響以及作用機制，并通過了一系列的穩(wěn)健性檢驗。主要結(jié)論如下：（1）數(shù)字化轉(zhuǎn)型（Digit）能夠顯著提升企業(yè)的創(chuàng)新能力，數(shù)字化轉(zhuǎn)型程度越深入，越有利于企業(yè)的創(chuàng)新；（2）作用機制分析表明，企業(yè)的數(shù)字化轉(zhuǎn)型能夠通過緩解企業(yè)的融資約束以及增加信息透明度進而提高企業(yè)的創(chuàng)新能力。

2.建議

首先，在當(dāng)前世界百年未有之大變局和世紀新冠疫情不斷沖擊全球經(jīng)濟的雙重背景下，企業(yè)應(yīng)當(dāng)順應(yīng)數(shù)字化的發(fā)展趨勢，把握當(dāng)前機遇，加快數(shù)字技術(shù)與企業(yè)生產(chǎn)經(jīng)營以及管理活動的融合，讓數(shù)字化轉(zhuǎn)型為企業(yè)創(chuàng)新賦能。

其次，研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型可以通過緩解企業(yè)的融資約束以及增加信息透明度進而提高企業(yè)的創(chuàng)新能力，因此，監(jiān)管部門應(yīng)當(dāng)持續(xù)關(guān)注企業(yè)面臨的融資難問題以及外部利益相關(guān)者面臨的信息不對稱問題；制定符合中小型企業(yè)轉(zhuǎn)型需求的融資政策，并不斷完善監(jiān)管機制，建立健全信息披露機制。最后，政府部門應(yīng)引導(dǎo)、鼓勵企業(yè)推進數(shù)字化轉(zhuǎn)型，并為開展數(shù)字化轉(zhuǎn)型的企業(yè)提供相應(yīng)的支持，為企業(yè)提升創(chuàng)新提供動力。