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(qiáng)調(diào)要大力發(fā)展數(shù)字經(jīng)濟(jì)，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(jìn)數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。而這一進(jìn)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(jì)發(fā)展白皮書（2021）》報(bào)告顯示，產(chǎn)業(yè)數(shù)字化占數(shù)字經(jīng)濟(jì)的比重高達(dá)80.9%，而產(chǎn)業(yè)數(shù)字化顯著促進(jìn)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(gè)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(xiàng)業(yè)務(wù)活動帶來變革。而創(chuàng)新作為促進(jìn)我國新舊動能轉(zhuǎn)換，實(shí)現(xiàn)經(jīng)濟(jì)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(qiáng)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(rèn)識到數(shù)字化轉(zhuǎn)型的必要性，推進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體相融合，實(shí)現(xiàn)建設(shè)創(chuàng)新型國家，因此，有必要進(jìn)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(xiàn)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(gè)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(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的作用及其作用機(jī)理。為企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型提供了一定的經(jīng)驗(yàn)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(fèi)者的需求變得更加多元化、個(gè)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(jìn)行數(shù)據(jù)挖掘和進(jìn)一步分析，進(jìn)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(jìn)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(jìn)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(shí)間和空間邊界日趨模糊，促進(jìn)了顧客與研發(fā)人員的交流互動，顧客可以在不同的時(shí)間地點(diǎn)參與到企業(yè)的創(chuàng)新過程，而顧客的及時(shí)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(jìn)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(qiáng)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(kuò)散和增值（錢晶晶和何筠等，2021）；同時(shí)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(jìn)行知識整合，提升學(xué)習(xí)效率，進(jìn)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(jìn)程穩(wěn)步推進(jìn)時(shí)，企業(yè)的運(yùn)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(shí)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(jìn)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(jìn)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(jì)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(xiàn)均認(rèn)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(jì)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(shí)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(jìn)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(xiǎn)，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(jìn)而促進(jìn)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(xiǎn)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(tuán)隊(duì)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(hù)色”，進(jìn)而可能誘發(fā)逆向選擇和道德風(fēng)險(xiǎn)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(rèn)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(shí)，決策者提高創(chuàng)新補(bǔ)貼力度才能激勵(lì)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(shí)，提供外源資金并不一定能夠促進(jìn)企業(yè)進(jìn)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(bào)道的關(guān)注，能夠?qū)⒏喔鼫?zhǔn)確有效的信息及時(shí)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(shí)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(fèi)給企業(yè)帶來的隱性成本，為企業(yè)實(shí)現(xiàn)“節(jié)流”，這有利于往往資金需求大的創(chuàng)新活動的進(jìn)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(jìn)而促進(jìn)企業(yè)的創(chuàng)新。

三、研究設(shè)計(jì)

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(cái)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(jì)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(jìn)行上下1%的Winsorize處理，最終得到29040個(gè)樣本。

2.變量定義

（1）被解釋變量

由于創(chuàng)新項(xiàng)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(rèn)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(shí)質(zhì)性創(chuàng)新能力）以及實(shí)用新型專利和外觀設(shè)計(jì)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(cái)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(bào)告，使用正則表達(dá)式保留財(cái)務(wù)報(bào)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(cái)報(bào)文本進(jìn)行分詞以統(tǒng)計(jì)各個(gè)特征詞的詞頻數(shù)量，最后對所有特征詞詞頻進(jìn)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(jìn)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(shí)使用關(guān)鍵詞的字符數(shù)與報(bào)告文本總字符的比值作為替代變量。

（3）機(jī)制變量

本文還加入了融資約束和信息透明度兩個(gè)機(jī)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(jì)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(jì)算方程曲線的右半邊，SA指數(shù)為負(fù)且絕對值越大，說明企業(yè)受到的融資約束程度越嚴(yán)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(xiàn)，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(fù)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(jì)意見（Opinion），同時(shí)加入行業(yè)固定效應(yīng)和年份固定效應(yīng)并進(jìn)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(jì)模型：

四、實(shí)證結(jié)果分析

1.描述性統(tǒng)計(jì)

表2為主要變量的描述性統(tǒng)計(jì)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(jìn)程也差異較大。在機(jī)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(gè)上市企業(yè)有4～5個(gè)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(jì)

此外，本文按照數(shù)字化轉(zhuǎn)型指標(biāo)的中位數(shù)進(jìn)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(jìn)行主要變量的均值統(tǒng)計(jì)并進(jìn)行差異檢驗(yàn)，結(jié)果如表3所示。均值差異的檢驗(yàn)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(jìn)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(yàn)

2.回歸結(jié)果分析

表4報(bào)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(jìn)式回歸，在表 4（1）中沒有加入控制變量，僅控制了時(shí)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?yàn)榭刂谱兞课樟瞬糠钟绊懫髽I(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(shí)質(zhì)性創(chuàng)新）和非發(fā)明專利申請數(shù)（Udpat，實(shí)用新型專利及外觀設(shè)計(jì)型專利，代表非實(shí)質(zhì)性創(chuàng)新）兩類后重新進(jìn)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(jìn)企業(yè)進(jìn)行實(shí)質(zhì)性創(chuàng)新也能對非實(shí)質(zhì)性創(chuàng)新起到激勵(lì)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(jìn)一步擴(kuò)展到企業(yè)集團(tuán)，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(tuán)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(shí)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(gè)較長的時(shí)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(shí)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(jìn)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(jìn)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(jìn)行滯后處理還是將企業(yè)的創(chuàng)新產(chǎn)出指標(biāo)進(jìn)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(jìn)作用，且這種積極作用并沒有因?yàn)闀r(shí)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(gè)較長的時(shí)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(jī)制檢驗(yàn)

前文的研究已經(jīng)證實(shí)了企業(yè)的數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)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(yàn)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(jī)制路徑進(jìn)行識別檢驗(yàn)。為此，本文選取了融資約束（SA指數(shù)）、信息透明度（Analyst）這兩個(gè)渠道進(jìn)行檢驗(yàn)，并借鑒溫忠麟和葉寶娟（2014）的依次檢驗(yàn)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(shí)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(jìn)行滯后一期處理，同時(shí)對被解釋變量進(jìn)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(gè)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(fù)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(jī)制的檢驗(yàn)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(yàn)中介效應(yīng)的Sobel檢驗(yàn)的結(jié)果也十分顯著，表明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)的融資難問題，同時(shí)融資約束程度的降低（SA值越大）能夠?yàn)槠髽I(yè)的創(chuàng)新活動提供充足的資金，進(jìn)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(jìn)企業(yè)創(chuàng)新的機(jī)制之一。

表 6 機(jī)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(yàn)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(jìn)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(gè)等級，分別賦值4、3、2、1進(jìn)行衡量?；貧w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(jìn)企業(yè)信息透明度的提升；同時(shí)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(gè)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(shí)企業(yè)信息透明度的增加能夠促進(jìn)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(jìn)企業(yè)創(chuàng)新的機(jī)制之一。

表 7 機(jī)制路徑的識別—信息透明度

五、穩(wěn)健性檢驗(yàn)

1.內(nèi)生性問題

（1）工具變量

考慮到本文的實(shí)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(qiáng)的企業(yè)越有可能進(jìn)行數(shù)字化轉(zhuǎn)型。為此，本文在前文中已經(jīng)進(jìn)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(jìn)一步的使用工具變量法進(jìn)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(xiàng)作為企業(yè)當(dāng)期數(shù)字化轉(zhuǎn)型程度的工具變量進(jìn)行回歸。第二階段的回歸結(jié)果分別匯報(bào)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(gè)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(jìn)行數(shù)字化轉(zhuǎn)型程度高的企業(yè)與進(jìn)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(jìn)行數(shù)字化轉(zhuǎn)型以及企業(yè)創(chuàng)新有關(guān)。為此，本文進(jìn)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(jìn)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(jì)算傾向性得分，進(jìn)行1：1的最近鄰匹配。表8（4）報(bào)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(jìn)行了數(shù)字化轉(zhuǎn)型但未在年報(bào)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(jìn)行內(nèi)生性檢驗(yàn)。第一階段，根據(jù)樣本企業(yè)年報(bào)中是否披露了數(shù)字化轉(zhuǎn)型定義一個(gè)新的二元因變量（Digit_yes），然后加入一個(gè)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(jìn)行Probit回歸，回歸結(jié)果如表9第（1）列所示，并以此計(jì)算出逆米爾斯比率（IMR）。第二階段，針對那些在年報(bào)中披露了數(shù)字化轉(zhuǎn)型的樣本企業(yè)，將第一階段計(jì)算出的逆米爾斯比率作為一個(gè)控制變量加入原回歸模型中進(jìn)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(jìn)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(yàn)

為了進(jìn)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(bào)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(jìn)行行業(yè)-年度均值調(diào)整后重新進(jìn)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(jìn)行檢驗(yàn)，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(shí)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(jī)制，并通過了一系列的穩(wěn)健性檢驗(yàn)。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(jī)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(jìn)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(jì)新冠疫情不斷沖擊全球經(jīng)濟(jì)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(jī)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(jìn)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(jī)制，建立健全信息披露機(jī)制。最后，政府部門應(yīng)引導(dǎo)、鼓勵(lì)企業(yè)推進(jìn)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。