張功富 詹俊 呂月童

【摘要】本文基于2010 ～ 2020年A股上市公司數(shù)據(jù)， 采用文本挖掘的方法獲取數(shù)字化轉(zhuǎn)型數(shù)據(jù)并探討其對企業(yè)勞動投資效率的影響。研究發(fā)現(xiàn)： 數(shù)字化轉(zhuǎn)型顯著促進了企業(yè)勞動投資效率的提升， 表現(xiàn)為抑制企業(yè)勞動投資過度和緩解勞動投資不足。從影響機制來看， 提高創(chuàng)新能力、 優(yōu)化內(nèi)部控制是數(shù)字化轉(zhuǎn)型驅(qū)動企業(yè)勞動投資效率提升的機制， 且呈現(xiàn)出鏈式中介作用， 其中創(chuàng)新能力是關(guān)鍵。進一步分析發(fā)現(xiàn)， 在過度招聘、 解雇不足以及招聘不足等樣本中， 企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率的正向作用均顯著存在。該研究結(jié)論為數(shù)字技術(shù)促進企業(yè)勞動投資效率提升提供了新的證據(jù)， 并為評估企業(yè)數(shù)字化轉(zhuǎn)型實施效果提供了有力支持。

【關(guān)鍵詞】數(shù)字化轉(zhuǎn)型；創(chuàng)新能力；內(nèi)部控制；勞動投資效率

【中圖分類號】 F275.1? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）05-0153-8

一、 引言

近年來， 隨著大數(shù)據(jù)、 人工智能、 物聯(lián)網(wǎng)、 云計算等新一代數(shù)字信息技術(shù)的涌現(xiàn)， 越來越多的企業(yè)開始進行數(shù)字化轉(zhuǎn)型。節(jié)約人工成本、 提高勞動投資效率是許多企業(yè)進行數(shù)字化轉(zhuǎn)型的重要目的， 然而， 數(shù)字化轉(zhuǎn)型后的企業(yè)勞動投資效率是否得到了顯著提升？若是， 數(shù)字化轉(zhuǎn)型如何促進企業(yè)勞動投資效率的提升？對于這兩個實務(wù)界高度關(guān)注的問題， 學術(shù)界卻鮮有研究。

企業(yè)勞動投資效率是指企業(yè)實際雇傭量與生產(chǎn)經(jīng)營所需的最佳雇傭量之間的匹配度（李小榮等，2019）， 而具有強外部性的勞動力要素是生產(chǎn)要素中最活躍且最重要的要素， 對提升企業(yè)競爭能力和促進經(jīng)濟長期健康增長起著至關(guān)重要的作用（李世剛和尹恒，2017）。但是目前日趨嚴重的人口老齡化問題、 已經(jīng)到來的“劉易斯拐點”以及疫情的持續(xù)沖擊使得我國的勞動力供給與需求之間存在著一定的結(jié)構(gòu)性失衡現(xiàn)象。企業(yè)勞動投資效率關(guān)系到企業(yè)價值增值、 社會就業(yè)形勢穩(wěn)定及供給側(cè)結(jié)構(gòu)性改革的實施與推進， 因此， 如何提高勞動投資效率從而實現(xiàn)企業(yè)高質(zhì)量發(fā)展， 是目前實務(wù)界面臨的重要問題， 也是學術(shù)界需要著力研究的重要主題。

數(shù)字化轉(zhuǎn)型是企業(yè)高質(zhì)量發(fā)展的重要驅(qū)動力（肖土盛等，2022）。數(shù)字化轉(zhuǎn)型是指企業(yè)將數(shù)字技術(shù)深度應(yīng)用并融合于生產(chǎn)、 經(jīng)營及服務(wù)中， 用先進的數(shù)字化體系取代傳統(tǒng)生產(chǎn)體系的創(chuàng)新變革。隨著數(shù)字經(jīng)濟的跨越式發(fā)展、 新技術(shù)的不斷產(chǎn)生， 數(shù)字化轉(zhuǎn)型正是貫徹落實黨的二十大報告中提出的“堅持把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上， 加快建設(shè)數(shù)字中國”的重要舉措。數(shù)字技術(shù)的應(yīng)用不僅有利于在企業(yè)內(nèi)搭建現(xiàn)代化信息系統(tǒng)， 為企業(yè)生產(chǎn)經(jīng)營提供有價值且全面的信息資源， 而且為加強企業(yè)各部門間溝通協(xié)作、 提升創(chuàng)新績效、 促進企業(yè)實現(xiàn)高質(zhì)量發(fā)展等注入不竭動力。因此， 本文擬對數(shù)字化轉(zhuǎn)型如何影響企業(yè)勞動投資效率以及其中的作用機制進行檢驗， 為推動企業(yè)數(shù)字化轉(zhuǎn)型、 優(yōu)化整合人力資源、 實現(xiàn)創(chuàng)新發(fā)展提供新的思路。

本文的創(chuàng)新點和貢獻如下： 第一， 從數(shù)字化轉(zhuǎn)型視角豐富了企業(yè)勞動投資效率影響因素的相關(guān)研究?，F(xiàn)有研究多從信息質(zhì)量（Ha和Feng，2018；Pinnuck和Lillis，2007）、 公司戰(zhàn)略（張焰朝等，2020）、 政策環(huán)境（孔東民等，2020； 卜君和孫光國，2020）等角度對企業(yè)勞動投資效率展開研究， 本文與之不同的是從數(shù)字化轉(zhuǎn)型這一新視角探索提高企業(yè)勞動投資效率的有效途徑， 為企業(yè)數(shù)字化應(yīng)用能夠優(yōu)化人力資源配置提供了新的證據(jù)， 對抑制企業(yè)超額雇員以及緩解用工不足壓力等具有重要的理論與現(xiàn)實意義。第二， 擴寬了對數(shù)字化轉(zhuǎn)型經(jīng)濟后果的考察。已有文獻主要將數(shù)字化轉(zhuǎn)型作為風險管控能力提升的途徑， 研究其對企業(yè)績效（白福萍等，2022）、 企業(yè)創(chuàng)新（肖土盛等，2022）、 企業(yè)價值（祁懷錦等，2020）等方面的影響， 較少將其作為一種資源整合的管理模式展開研究， 尚未有文獻探討數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率的影響， 而本文證實了數(shù)字化轉(zhuǎn)型能使企業(yè)用人計劃更加精準且更加貼近實際。第三， 打開了數(shù)字化轉(zhuǎn)型與企業(yè)勞動投資效率之間的機制“黑箱”， 不同于此前文獻的單一路徑檢驗， 本文構(gòu)建了鏈式多重中介效應(yīng)模型， 嘗試把創(chuàng)新能力與內(nèi)部控制納入同一個理論框架中， 揭示數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率影響的復雜路徑， 檢驗了“數(shù)字化轉(zhuǎn)型通過創(chuàng)新能力作用于企業(yè)勞動投資效率”的核心路徑， 深度挖掘了“數(shù)字化轉(zhuǎn)型→內(nèi)部控制→企業(yè)勞動投資效率”的獨立中介效應(yīng)以及“數(shù)字化轉(zhuǎn)型→創(chuàng)新能力→內(nèi)部控制→企業(yè)勞動投資效率”的鏈式中介效應(yīng)。

二、 理論分析與研究假設(shè)

企業(yè)勞動投資效率只有保持在較高水平， 確保企業(yè)實際與最優(yōu)勞動投資水平偏離程度最低， 才能更好地實現(xiàn)企業(yè)內(nèi)外部資源的優(yōu)化配置。然而企業(yè)勞動投資會受到諸多因素的影響， 使實際與最優(yōu)水平之間發(fā)生偏離， 導致投資效率低下， 不利于企業(yè)運營流程的順利進行和價值增值意愿的實現(xiàn)（Becker，1962）。導致企業(yè)勞動投資效率低下的原因主要有兩個： 一是經(jīng)營管理低效。有的管理者為了構(gòu)建“帝國”目的， 過度擴張企業(yè)規(guī)模和雇傭員工， 而有的管理者追求安逸生活， 對外部環(huán)境關(guān)注不夠， 雇傭員工不足。二是資源配置不夠合理。信息環(huán)境是資源配置的基礎(chǔ)， 只有透明的信息環(huán)境才能夠為企業(yè)配置資源提供決策依據(jù)與資金支持， 避免雇傭過度與不足的發(fā)生。究其根本， 企業(yè)勞動投資效率的高低與代理問題和信息不對稱有重要關(guān)系（李小榮等，2021）， 然而數(shù)字化轉(zhuǎn)型對于企業(yè)來說， 是將數(shù)字技術(shù)滲透到企業(yè)的各個方面， 不僅能夠緩解代理問題， 影響并制約管理者行為， 而且能夠緩解信息不對稱問題， 提高資源配置效率， 能夠從根源上解決阻礙企業(yè)勞動投資效率提升的問題。

首先， 數(shù)字化轉(zhuǎn)型能夠降低代理成本， 影響管理層的勞動投資決策。由于勞動力具有一定的流動性， 因而管理者在制定內(nèi)部勞動投資方案時擁有較強的自由選擇權(quán)（Ha和Feng，2018）。一方面， 管理層防御理論認為， 擁有防御動機的管理層會為了保障自身利益而做出損害公司利益的決策， 超額雇傭員工和與員工結(jié)盟則是管理層為了鞏固和擴大控制權(quán)力的防御表現(xiàn)。而數(shù)字化轉(zhuǎn)型是為了構(gòu)造數(shù)字治理體系， 提升組織協(xié)同能力， 降低代理成本。在數(shù)字技術(shù)的推動下， 企業(yè)管理結(jié)構(gòu)與管理模式發(fā)生改變， 利益相關(guān)者可以及時、 準確地了解決策者的動向以及決策信息， 便于對管理者進行監(jiān)督， 制約管理者自利行為。另一方面， 管理者短視理論認為， 短視的管理層會為了短期目標而放棄對企業(yè)發(fā)展有利的長期投資， 而勞動投資具有周期較長、 成效較慢的特點， 使得短視的管理者更不愿意進行勞動投資。數(shù)字化轉(zhuǎn)型能夠搭建數(shù)字信息平臺， 重構(gòu)商業(yè)模式， 企業(yè)將引進具備長遠戰(zhàn)略思維且擅于規(guī)避風險的高素質(zhì)管理人才， 對改善企業(yè)內(nèi)部管理機制有積極作用， 各部門之間的協(xié)作水平得以提升， 減少了管理者的職業(yè)顧慮， 有利于其更好地掌握信息變化， 為管理者的科學決策提供依據(jù)。

其次， 數(shù)字化轉(zhuǎn)型能夠緩解信息不對稱， 影響企業(yè)勞動力資源配置效率。勞動力市場是典型的信息不對稱市場， 表現(xiàn)為雇主擁有確定的、 豐富的工作信息， 但無法獲得相關(guān)求職者的全部信息； 而求職者往往不能得到相關(guān)職業(yè)可靠的、 充分的信息， 也不可能將個人全部情況告訴雇主。勞動力市場的這種信息不對稱現(xiàn)象會導致逆向選擇和道德風險的發(fā)生， 從而使企業(yè)不能將最合適的人配置到最合適的崗位上， 進而降低了企業(yè)勞動力資源配置效率。數(shù)字技術(shù)的應(yīng)用可以跨越企業(yè)內(nèi)外信息鴻溝， 使信息更加開放共享， 從而有效緩解管理者與普通員工之間的信息不對稱， 具體表現(xiàn)在： 一是在信息搜集方面， 數(shù)字技術(shù)將企業(yè)各個部門與各利益相關(guān)者的信息進行整合， 信息搜索范圍得以擴大， 通過算法篩查深入挖掘搜集到的信息， 信息搜索深度得以加深。二是在信息應(yīng)用方面， 數(shù)字技術(shù)將包括勞動者在內(nèi)的利益相關(guān)者納入信息網(wǎng)絡(luò)之中， 使管理者與普通員工成為利益共同體， 將高質(zhì)量信息在信息網(wǎng)絡(luò)中傳播， 便于利益共同體之間相互合作， 同時也為合作者提供智能分析， 實現(xiàn)互利共贏。三是在信息質(zhì)量方面， 數(shù)字技術(shù)能夠從信息來源、 信息中介與信息接收等渠道， 將企業(yè)財務(wù)信息與勞動力信息轉(zhuǎn)換為有效信息， 使信息能更加客觀、 透明、 迅速地呈現(xiàn)給信息使用者， 縮短了信息的傳遞距離， 保障了信息質(zhì)量， 降低了信息傳遞成本?？偠灾?， 數(shù)字化轉(zhuǎn)型通過對信息資源的利用與分析， 可以為管理者的勞動力投資決策提供高效且便捷的依據(jù)， 從而實現(xiàn)勞動力資源配置效率的提升。

基于此， 本文提出H1： 數(shù)字化轉(zhuǎn)型能夠促進企業(yè)提高勞動投資效率。

企業(yè)勞動投資的非效率行為具體表現(xiàn)為勞動投資過度與不足（Jung等，2014）， 而數(shù)字化轉(zhuǎn)型不僅能夠制約管理者行為、 完善公司治理、 避免超額雇員，而且能夠緩解融資約束、 提高勞動生產(chǎn)率、 減少雇傭不足的行為。第一， 對于數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資過度的影響， 管理者出于構(gòu)建商業(yè)“帝國”、 獲取政府青睞、 開拓商業(yè)版圖等動機， 通常會采取擴大企業(yè)用人規(guī)模的措施， 造成雇傭冗余現(xiàn)象。而數(shù)字技術(shù)具有以下優(yōu)點： 一是能對企業(yè)生產(chǎn)運營等信息進行深度計算， 避免人為操縱， 為管理層決策提供智能化方案； 二是能降低利益相關(guān)者之間的信息不對稱， 有利于彼此之間相互監(jiān)督與制衡， 使管理層決策更加科學合理； 三是能推動公司治理有效運轉(zhuǎn)， 限制管理層權(quán)力， 弱化管理層對信息隱匿、 操縱等的行為， 使管理層能夠采取切合公司實際利益的勞動投資決策。第二， 對于數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資不足的影響， 勞動投資與其他投資一樣面臨著融資約束， 對勞動力進行培訓、 發(fā)放福利等都需要通過融資來彌補。而數(shù)字化轉(zhuǎn)型能夠優(yōu)化資源配置、 提升融資能力， 具體表現(xiàn)為向市場釋放積極信號， 為信息使用者提供可靠、 便捷、 高效的內(nèi)部信息， 順應(yīng)政府的轉(zhuǎn)型政策， 不僅能夠為企業(yè)融資擴大資金來源， 而且能夠獲得更多的補貼優(yōu)惠， 緩解企業(yè)融資問題， 為雇傭合適的勞動力資源、 培訓高質(zhì)量員工提供資金支持。此外， 數(shù)字化轉(zhuǎn)型也能優(yōu)化企業(yè)人力資源配置， 提升勞動生產(chǎn)率， 提高管理者能力。數(shù)字技術(shù)的使用降低了信息搜索成本， 能夠為求職者提供更加具體的信息情況， 同時也能使企業(yè)精準識別所需要的勞動者情況， 加強各部門之間人員協(xié)作， 優(yōu)化人力資源配置。根據(jù)資本—技能互補理論， 隨著數(shù)字技術(shù)的發(fā)展， 企業(yè)智能機器人代替普通員工的現(xiàn)象增多， 單位時間產(chǎn)品產(chǎn)量以及質(zhì)量都有所提升， 為高技能員工生產(chǎn)提供輔助， 實現(xiàn)人機協(xié)同， 解決了人力資本成本高而致使企業(yè)用人不足的問題。同時， 數(shù)字技術(shù)對企業(yè)管理模式進行革新， 企業(yè)將雇傭更高水平的員工與管理層， 高能力的管理層因擁有較強的專業(yè)能力， 能精準判別企業(yè)投資決策的合理性， 減少非理性行為， 從而提高勞動投資效率。

基于此， 本文提出H2： 數(shù)字化轉(zhuǎn)型能夠抑制企業(yè)勞動投資過度且有利于緩解企業(yè)勞動投資不足。

三、 研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

2010年， 我國逐漸從2008年國際金融危機的沖擊中恢復過來， 有一些企業(yè)開始進行數(shù)字化轉(zhuǎn)型探索。 基于此， 本文以2010年作為研究期間起點， 以2010 ～ 2020年我國A股上市公司數(shù)據(jù)作為研究對象。并剔除以下樣本： 金融保險類上市公司； 被ST和?ST等特殊處理的樣本公司； 有數(shù)據(jù)缺失的樣本公司； 雇員人數(shù)小于30， 年末總資產(chǎn)為0， 長期負債為負以及長期資產(chǎn)負債率大于等于1的樣本公司。 經(jīng)過上述處理， 共獲得17622個觀測值， 并對所有連續(xù)變量進行了上下1%的縮尾處理。與數(shù)字化轉(zhuǎn)型相關(guān)的文本信息來自公司年報， 其他數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

（二）變量定義

1. 被解釋變量： 勞動投資效率（Ab_net_hire）。參考Jung等（2014）、 Pinnuck和Lillis（2007）、 孔東民等（2017）的模型與方法， 對模型（1）進行回歸后得到殘差， 殘差大于0表示勞動投資過度（Overresid）， 小于0表示勞動投資不足（Underresid）。對殘差取絕對值作為企業(yè)勞動投資效率（Ab_net_hire）， 其數(shù)值越大， 企業(yè)勞動投資效率越低。

Net_hirei，t=?0+β1Sales_growthi，t-1+

β2Sales_growthi，t+β3ROAi，t-1+β4ROAi，t+

β5ΔROAi，t+β6Returni，t-1+β7Size_Ri，t-1+

β8Quicki，t-1+β9Quicki，t+β10ΔQuicki，t+β11Levi，t-1+

β12Lossbin1i，t-1+β13Lossbin2i，t-1+β14Lossbin3i，t-1+

β15Lossbin4i，t-1+β16Lossbin5i，t-1+Year+Ind+εi，t （1）

其中， Net_hire為企業(yè)員工變動率， Sales_growth為營業(yè)收入變動率， ROA為總資產(chǎn)收益率， ΔROA為ROA的變化值， Return為考慮現(xiàn)金紅利再投資的年個股回報率， Size_R為企業(yè)年個股總市值的百分比排位， Quick為速動比率， ΔQuick為Quick的變化值， Lev為長期資產(chǎn)負債率， Lossbin為業(yè)績虧損的虛擬變量①， Year和Ind分別為年度與行業(yè)虛擬變量。

2. 解釋變量： 數(shù)字化轉(zhuǎn)型（DCG）。參考吳非等（2021）的方法， 采用企業(yè)數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)加1取自然對數(shù)來衡量。特征詞分為底層技術(shù)與實踐應(yīng)用兩個層面， 其中底層技術(shù)包含人工智能技術(shù)、 區(qū)塊鏈技術(shù)、 云計算技術(shù)、 大數(shù)據(jù)技術(shù)四個維度， 而實踐應(yīng)用包含數(shù)字技術(shù)應(yīng)用維度， 具體運用Python軟件對公司年報中含有以上數(shù)字化轉(zhuǎn)型的特征詞進行配對、 篩選、 統(tǒng)計等文本分析， 并剔除語句前有否定含義的特征詞以及與本公司數(shù)字化轉(zhuǎn)型無關(guān)的詞匯， 形成最終數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)。

3. 控制變量。參考李小榮等（2021）的方法， 選擇的控制變量主要包括： 市值賬面比（MB）、 總資產(chǎn)收益率（ROA）、 企業(yè)規(guī)模（Size）、 股權(quán)集中度（Top1）、 固定資產(chǎn)比重（PPE）、 速動比率（Quick）、 營業(yè)收入波動性（Std_sales）、 凈雇傭波動性（Std_net_hire）、 非效率資本投資（Ab_other_invest）、 兩職合一（Dual）等指標， 并且控制了年度與行業(yè)固定效應(yīng)， 具體指標定義如表1所示。

其中，? 非效率資本投資模型采用Biddle等（2009）的模型：Invest_othert=?0+β1Sales_growtht-1+εt， 對其進行回歸得到的殘差取絕對值即為非效率資本投資。

（三）模型構(gòu)建

為驗證本文假設(shè)， 構(gòu)建以下基準模型（2）：

Ab_net_hirei，t=α0+?DCGi，t-1+Controli，t+εi，t （2）

其中， 被解釋變量為勞動投資效率（Ab_net_hirei，t）， 解釋變量為數(shù)字化轉(zhuǎn)型（DCGi，t-1）， Controli，t為控制變量， εi，t為隨機誤差項?？紤]到數(shù)字化轉(zhuǎn)型對勞動投資效率的影響具有時滯性以及反向因果的干擾， 本文將數(shù)字化轉(zhuǎn)型滯后一期， 若系數(shù)?顯著為負， 則表明數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動投資效率， 即H1成立。

四、 實證分析

（一）描述性統(tǒng)計

由表2可知， 勞動投資效率（Ab_net_hire）的均值為0.174， 標準差為0.284， 說明各企業(yè)間勞動投資效率差異比較大， 且勞動投資效率水平普遍較低。其中， 勞動投資過度（Overresid）的企業(yè)有6070家， 占34.45%， 均值為0.256， 而勞動投資不足的企業(yè)有11552家， 占65.55%， 均值為0.140， 說明勞動投資過度的企業(yè)占比雖然不高， 但程度比較嚴重， 而勞動投資不足程度雖然較低， 但是現(xiàn)象較為普遍。數(shù)字化轉(zhuǎn)型（DCG）的均值為1.275， 中位數(shù)為1.099， 最小值為0， 最大值為6.252， 說明多數(shù)企業(yè)處于數(shù)字化轉(zhuǎn)型程度較低的階段， 仍存在未進行數(shù)字化轉(zhuǎn)型的企業(yè)， 不同企業(yè)之間數(shù)字化轉(zhuǎn)型程度差距較大。

（二）回歸結(jié)果分析

表3報告了數(shù)字化轉(zhuǎn)型（DCG）對企業(yè)勞動投資效率（Ab_net_hire）影響的檢驗結(jié)果。第（1）列顯示， 數(shù)字化轉(zhuǎn)型與企業(yè)勞動投資效率的回歸系數(shù)為-0.010且在1%的水平上顯著， 說明數(shù)字化轉(zhuǎn)型程度越高的企業(yè)， 其非效率勞動投資程度就越低， 即數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)提高勞動投資效率， H1得證。第（2）列與第（3）列為勞動投資過度組與勞動投資不足組的分組檢驗。結(jié)果顯示， 數(shù)字化轉(zhuǎn)型的回歸系數(shù)均為負， 說明數(shù)字化轉(zhuǎn)型不僅能顯著抑制企業(yè)勞動投資過度， 也能夠緩解企業(yè)勞動投資不足， H2得證。

（三）穩(wěn)健性檢驗

1. 替換變量。

（1）變更被解釋變量企業(yè)勞動投資效率的度量方式。參考孔東民等（2020）的方法重新估計被解釋變量企業(yè)勞動投資效率， 即使用本年企業(yè)員工總?cè)藬?shù)與年個股總市值之比來替代， 對模型（1）重新進行回歸后得到企業(yè)勞動投資效率（LIE）。表4第（1）～（3）列的結(jié)果顯示， 無論是在全樣本組還是在分樣本組中， 數(shù)字化轉(zhuǎn)型與變更后的勞動投資效率的關(guān)系仍然顯著為負， 說明數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)勞動投資效率的提升， 與前述研究結(jié)論一致。

（2）變更解釋變量數(shù)字化轉(zhuǎn)型的度量方式。借鑒祁懷錦等（2020）的方法， 重新計算解釋變量數(shù)字化轉(zhuǎn)型， 根據(jù)資產(chǎn)負債表附注披露的無形資產(chǎn)明細中與數(shù)字化有關(guān)部分占無形資產(chǎn)總額的比例來重新衡量數(shù)字化轉(zhuǎn)型， 并代入模型（2）重新進行回歸， 其中與數(shù)字化有關(guān)的明細項主要包括“網(wǎng)絡(luò)”“人工智能”“軟件”“信息系統(tǒng)”“智能終端”等。表4第（4） ～ （6）列的結(jié)果顯示， 無論是在全樣本組還是在分樣本組中， 無形資產(chǎn)占比（DIG）與企業(yè)勞動投資效率也呈顯著的負相關(guān)關(guān)系， 與前述主回歸結(jié)果一致。

2. 控制高階聯(lián)合固定效應(yīng)。為了盡可能地消除宏觀政策變化等因素的影響， 本文進一步控制行業(yè)×年度的高階聯(lián)合固定效應(yīng)檢驗?zāi)Ｐ停?回歸結(jié)果見表5。結(jié)果顯示， 數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率的促進作用仍然顯著， 這一結(jié)論在勞動投資過度組與勞動投資不足組中均得以驗證， 表明前述主回歸結(jié)果較為穩(wěn)健。

3.? 內(nèi)生性問題。由于企業(yè)勞動投資決策受到雇傭規(guī)模、 管理動機和融資需求等多重因素的影響， 所以企業(yè)勞動投資效率的變化也可能是由其他變量變化引起， 故數(shù)字化轉(zhuǎn)型和企業(yè)勞動投資效率之間可能存在遺漏變量所致的內(nèi)生性問題， 即企業(yè)勞動投資效率的變化可能不是由數(shù)字化轉(zhuǎn)型引起的。企業(yè)數(shù)字化轉(zhuǎn)型決策會在很大程度上受到當?shù)財?shù)字化基礎(chǔ)設(shè)施水平的影響， 即所在地區(qū)的數(shù)字基礎(chǔ)設(shè)施水平越高， 企業(yè)越有可能進行相應(yīng)的數(shù)字化轉(zhuǎn)型。移動電話作為數(shù)字技術(shù)裝備能夠較好地反映出各地區(qū)數(shù)字化基礎(chǔ)設(shè)施水平， 故本文選取省級移動電話普及率（Mobile）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量， 并采用兩階段最小二乘法（2SLS）進行檢驗。從表6第（1）列報告的結(jié)果可知， 移動電話普及率與數(shù)字化轉(zhuǎn)型顯著正相關(guān)， 從第（2）列報告的結(jié)果可知， 控制內(nèi)生性后， 數(shù)字化轉(zhuǎn)型與企業(yè)勞動投資效率的回歸系數(shù)仍顯著為負， 說明企業(yè)勞動投資效率的提升是由數(shù)字化轉(zhuǎn)型造成的影響， 本文研究結(jié)論穩(wěn)健。

4. 隨機抽取樣本。為了進一步驗證前述主回歸結(jié)果對樣本的穩(wěn)健性， 本文借鑒Li等（2009）的方法對樣本進行隨機抽樣， 分別抽取70%和90%的樣本數(shù)據(jù)重新回歸， 回歸結(jié)果如表7所示。第（1） ～ （6）列回歸系數(shù)均顯著為負， 表明在進行樣本拆分后， 在兩個子樣本中數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率仍起到促進作用， 在勞動投資過度與勞動投資不足的樣本中也依然呈顯著的負相關(guān)關(guān)系， 本文的研究結(jié)果穩(wěn)健。

五、 進一步分析

（一）影響機制檢驗

前述回歸結(jié)果證實了數(shù)字化轉(zhuǎn)型能夠促進企業(yè)勞動投資效率的提升， 但具體影響路徑有待進一步挖掘。本文認為， 數(shù)字化轉(zhuǎn)型主要是通過提高創(chuàng)新能力和優(yōu)化內(nèi)部控制對企業(yè)勞動投資效率產(chǎn)生影響： 第一， 數(shù)字化轉(zhuǎn)型有助于創(chuàng)新能力的提高。在員工配置上， 數(shù)字技術(shù)在企業(yè)的建立與運營時都需要配置相應(yīng)的高技術(shù)人才， 為企業(yè)創(chuàng)新能力的提升提供人才支持； 在部門協(xié)同上， 數(shù)字技術(shù)深入企業(yè)各個環(huán)節(jié)之中， 上下鏈條信息溝通便捷， 有利于部門之間的技術(shù)更新（楊潔等，2022）； 在產(chǎn)品研發(fā)上， 數(shù)字技術(shù)的使用能夠更加快捷地了解客戶需求， 對產(chǎn)品升級的需求較大， 從而促進企業(yè)創(chuàng)新能力的發(fā)展。第二， 數(shù)字化轉(zhuǎn)型有助于內(nèi)部控制的優(yōu)化。在運營模式上， 數(shù)字技術(shù)將傳統(tǒng)模式轉(zhuǎn)變?yōu)楦鞑块T融合的新模式， 供應(yīng)、 生產(chǎn)、 銷售等各個環(huán)節(jié)的運作效率得以提升， 管理流程更加實時高效， 風險預警更加及時； 在組織分工上， 高效的信息有利于組織各部門之間互相了解， 優(yōu)化業(yè)務(wù)流程， 實現(xiàn)高效的資源配置， 從而降低組織運營成本， 促進內(nèi)部控制水平的提升。第三， 無論是創(chuàng)新能力的提高還是內(nèi)部控制的優(yōu)化， 都有助于企業(yè)優(yōu)化勞動力資源配置， 進而提高勞動投資效率。

綜上所述， 數(shù)字化轉(zhuǎn)型可以通過提高創(chuàng)新能力和優(yōu)化內(nèi)部控制來間接影響企業(yè)勞動投資效率， 因此本文引入創(chuàng)新能力、內(nèi)部控制來進行影響機制檢驗。為了探究數(shù)字化轉(zhuǎn)型影響企業(yè)勞動投資效率的機制路徑， 本文根據(jù)方杰等（2014）的多重中介效應(yīng)分析展開研究，分兩步檢驗創(chuàng)新能力與內(nèi)部控制的中介效應(yīng)及創(chuàng)新能力→內(nèi)部控制的鏈式中介作用。

第一， 構(gòu)建中介效應(yīng)模型分別檢驗創(chuàng)新能力和內(nèi)部控制的獨立中介效應(yīng)。以直接效應(yīng)模型為基礎(chǔ)， 構(gòu)建模型（3）、 （4）對創(chuàng)新能力的獨立中介效應(yīng)進行檢驗， 并構(gòu)建模型（5）、 （6）對內(nèi)部控制的獨立中介效應(yīng)進行檢驗：

Pati，t=α1+?1DCGi，t-1+Controli，t+τi，t （3）

Ab_net_hirei，t=α2+?2DCGi，t-1+δ1Pati，t+Controli，t+εi，t? （4）

ICi，t=α3+?3DCGi，t-1+Controli，t+τi，t （5）

Ab_net_hireijt=α4+?4DCGi，t-1+γ1ICi，t+Controli，t+εi，t （6）

其中： Pat（Ln專利授權(quán)數(shù)）代表企業(yè)創(chuàng)新能力， IC（迪博內(nèi)部控制指數(shù)/100）代表企業(yè)內(nèi)部控制， 其他變量與模型（1）相同。模型（2）、 （3）、 （4）為三步法檢驗創(chuàng)新能力的獨立中介作用， 模型（2）、 （5）、 （6）為三步法檢驗內(nèi)部控制的獨立中介作用。

第二， 借助鏈式中介效應(yīng)模型進一步檢驗創(chuàng)新能力、 內(nèi)部控制的中介效應(yīng)， 并對創(chuàng)新能力與內(nèi)部控制的鏈式中介作用進行檢驗， 模型（2）、 （3）和（7）、 （8）為鏈式中介效應(yīng)分析模型。模型（7）、 （8）如下：

ICi，t=α5+?5DCGi，t-1+δ2Pati，t+Controli，t+τi，t （7）

Ab_net_hirei，j，t=α6+?'DCGi，t-1+β1Pati，t+β2ICi，t+Controli，t+εi，t? （8）

回歸結(jié)果如表8所示。其中， 列（1）、 （2）、 （3）、 （4）用來檢驗“創(chuàng)新能力—內(nèi)部控制”的鏈式中介作用。第一， 在以勞動投資效率為被解釋變量的列（1）中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為-0.010， 在1%的水平上顯著為負， 說明數(shù)字化轉(zhuǎn)型程度越深， 企業(yè)勞動投資效率越高。第二， 在以企業(yè)創(chuàng)新能力為被解釋變量的列（2）中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)（?1）為0.144， 在1%的水平上顯著為正， 說明數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)新能力。在以企業(yè)勞動投資效率為被解釋變量的列（7）中， 企業(yè)創(chuàng)新能力（Pat）的回歸系數(shù)（β1）為-0.006， 由此可計算得到創(chuàng)新能力的中介效應(yīng)為?1×β1=0.144×

（-0.006）， 即顯著為負， 與三步法所得創(chuàng)新能力中介效應(yīng)并無顯著差異。第三， 依次檢驗列（6）中?5=0.071， 列（7）中β2=-0.004， 二者均顯著， 內(nèi)部控制的中介效應(yīng)為?5×β2=0.071×（-0.004）， 進一步驗證了內(nèi)部控制的中介效應(yīng)。第四， 在列（6）中， δ2對應(yīng)的數(shù)值為0.069且在1%的水平上顯著為正， 說明創(chuàng)新能力和內(nèi)部控制的鏈式間接效應(yīng)顯著， 間接效應(yīng)大小為?1×β2×δ2=0.144×（-0.004）×0.069。此外， 比較列（7）DCG的系數(shù)?'=-0.009和列（1）DCG的系數(shù)?=-0.010， 二者符號相同， 且?'小于?， 證實了創(chuàng)新能力→內(nèi)部控制鏈條在數(shù)字化轉(zhuǎn)型和企業(yè)勞動投資效率間的傳導作用。

（二）數(shù)字化轉(zhuǎn)型對四類非效率勞動投資的影響

前述研究主要檢驗了數(shù)字化轉(zhuǎn)型對勞動投資過度和勞動投資不足這兩類非效率勞動投資的影響， 本部分擬分別對勞動投資過度與勞動投資不足的成因進一步進行細分， 即： 勞動投資過度既有可能是過度招聘（Overhiring）所致， 也有可能源于解雇不足（Underfiring）， 同樣地， 勞動投資不足既有可能是招聘不足（Underhiring）所致， 也有可能源于解雇過度（Overfiring）。因而， 在勞動投資過度組中按預期凈招聘為正或為負劃分為過度招聘和解雇不足兩個樣本組， 在勞動投資不足樣本組中亦按預期凈招聘為正或為負劃分為招聘不足和解雇過度兩個樣本組。

表9是進一步按照不同類型的非效率勞動投資分組進行的檢驗。第（1） ～ （3）列為勞動投資過度組， 在第（1）列勞動投資過度全樣本、 第（2）列過度招聘、 第（3）列解雇不足樣本組中的數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)均顯著為負， 表明數(shù)字化轉(zhuǎn)型主要通過抑制過度招聘和解雇不足來抑制企業(yè)勞動投資過度； 第（4） ～ （6）列為勞動投資不足組， 在第（4）列勞動投資不足全樣本和第（5）列招聘不足樣本組中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)顯著為負， 但在第（6）列解雇過度樣本組中不顯著， 這表明數(shù)字化轉(zhuǎn)型主要通過緩解招聘不足而不是解雇過度來緩解企業(yè)勞動投資不足。

六、 結(jié)論與建議

（一）結(jié)論

本文以我國2010 ～ 2020年A股上市公司數(shù)據(jù)， 研究數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率的影響， 采用鏈式中介效應(yīng)模型研究創(chuàng)新能力和內(nèi)部控制在二者關(guān)系中的作用， 研究發(fā)現(xiàn)： 第一， 數(shù)字化轉(zhuǎn)型顯著促進了企業(yè)勞動投資效率的提升， 分組回歸結(jié)果顯示， 數(shù)字化轉(zhuǎn)型不僅能夠抑制企業(yè)勞動投資過度， 還能緩解企業(yè)勞動投資不足。第二， 中介效應(yīng)分析表明， 提高創(chuàng)新能力和優(yōu)化內(nèi)部控制是數(shù)字化轉(zhuǎn)型驅(qū)動企業(yè)勞動投資效率提升的機制， 且呈現(xiàn)出鏈式中介作用， 其中創(chuàng)新能力是關(guān)鍵。第三， 進一步分析發(fā)現(xiàn)， 在過度招聘、 解雇不足以及招聘不足樣本中， 數(shù)字化轉(zhuǎn)型對企業(yè)勞動投資效率的正向作用均顯著存在， 表明數(shù)字化轉(zhuǎn)型程度的加深能夠顯著促進企業(yè)提高勞動投資效率。

（二）建議

基于上述研究發(fā)現(xiàn)， 本文提出以下政策建議：

1. 政府部門應(yīng)出臺更加積極有效的促進企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)政策。第一， 在環(huán)境營造方面， 數(shù)字化轉(zhuǎn)型需要物質(zhì)與人才基礎(chǔ)， 加快基礎(chǔ)設(shè)施建設(shè)是推進數(shù)字化轉(zhuǎn)型的必要條件， 因此應(yīng)為上下游企業(yè)協(xié)同數(shù)字化轉(zhuǎn)型提供良好的設(shè)施基礎(chǔ)， 為營造數(shù)字環(huán)境提供政策支持。第二， 在資金扶持方面， 政府可為數(shù)字化轉(zhuǎn)型企業(yè)提供稅收優(yōu)惠以及政策性補貼等， 鼓勵金融機構(gòu)為數(shù)字化轉(zhuǎn)型企業(yè)提供資金支持。第三， 在風險規(guī)避方面， 應(yīng)加大知識產(chǎn)權(quán)保護力度， 健全信息安全與利用的規(guī)章制度， 嚴厲打擊信息盜用、 亂用、 泄漏、 篡改等違法行為， 強化信息管理與監(jiān)察， 依法對數(shù)字化轉(zhuǎn)型企業(yè)的信息披露情況進行監(jiān)督。

2. 企業(yè)應(yīng)制定適合自身的數(shù)字化轉(zhuǎn)型策略， 抓住機遇、 注重創(chuàng)新， 走出獨特的轉(zhuǎn)型之路。第一， 積極進行數(shù)字化轉(zhuǎn)型建設(shè)， 對設(shè)備進行數(shù)字技術(shù)更新改進， 建立內(nèi)部信息反饋系統(tǒng)， 及時掌握各部門數(shù)字信息， 與上下游產(chǎn)業(yè)鏈共同合作搭建信息平臺， 及時掌握企業(yè)內(nèi)外動態(tài)， 實時更新系統(tǒng)。第二， 優(yōu)化人力資本結(jié)構(gòu)， 聘用技術(shù)水平更高的專業(yè)性管理人才， 積極探索創(chuàng)新型企業(yè)管理模式， 引進高技術(shù)型員工， 使用智能機器人從事簡單化生產(chǎn)， 從而實現(xiàn)人機互補， 并加強對員工及管理層的業(yè)務(wù)培訓。第三， 增加研發(fā)投入， 及時掌握客戶需求， 積極改進產(chǎn)品方案， 提高對創(chuàng)新成果的利用效率， 并對進行研發(fā)創(chuàng)新的人才進行獎勵， 為創(chuàng)新人才提供良好的工作環(huán)境， 激發(fā)員工創(chuàng)新積極性。第四， 提高信息披露質(zhì)量， 完善內(nèi)部控制體系， 積極宣傳轉(zhuǎn)型成果， 釋放投資信號， 擴大融資渠道， 為數(shù)字化轉(zhuǎn)型開辟強勁的資金來源渠道。

【 注 釋 】

1將0到-0.025區(qū)間的ROA平均劃分為五個區(qū)間，若ROA屬于［-0.005，0］，則Lossbin1 = 1，否則為0；若ROA屬于［-0.01，-0.005］，則Lossbin2 = 1，否則為0，以此類推。

【 主 要 參 考 文 獻 】

白福萍，劉東慧，董凱云．數(shù)字化轉(zhuǎn)型如何影響企業(yè)財務(wù)績效——基于結(jié)構(gòu)方程的多重中介效應(yīng)分析［ J］．華東經(jīng)濟管理，2022（9）：75 ～ 87．

卜君，孫光國．環(huán)境不確定性會影響企業(yè)勞動投資效率嗎？［ J］．經(jīng)濟管理，2020（10）：23 ～ 38．

方杰，溫忠麟，張敏強，孫配貞．基于結(jié)構(gòu)方程模型的多重中介效應(yīng)分析［ J］．心理科學，2014（3）：735 ～ 741．

孔東民，唐琦，項君怡．勞動保護與企業(yè)勞動投資效率［ J］．華中科技大學學報（社會科學版），2020（5）：36 ～ 47．

孔東民，項君怡，代昀昊．勞動投資效率、企業(yè)性質(zhì)與資產(chǎn)收益率［ J］．金融研究，2017（3）：145 ～ 158．

李世剛，尹恒．政府—企業(yè)間人才配置與經(jīng)濟增長——基于中國地級市數(shù)據(jù)的經(jīng)驗研究［ J］．經(jīng)濟研究，2017（4）：78 ～ 91．

李小榮，韓琳，馬海濤．內(nèi)部控制與勞動力投資效率［ J］．財貿(mào)經(jīng)濟，2021（1）：26 ～ 43．

李小榮，萬鐘，陸瑤．勞動力市場與公司金融關(guān)系研究進展［ J］．經(jīng)濟學動態(tài)，2019（3）：120 ～ 133．

祁懷錦，曹修琴，劉艷霞．數(shù)字經(jīng)濟對公司治理的影響——基于信息不對稱和管理者非理性行為視角［ J］．改革，2020（4）：50 ～ 64．

吳非，胡慧芷，林慧妍，任曉怡．企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［ J］．管理世界，2021（7）：130 ～ 144+10．

肖土盛，吳雨珊，亓文韜．數(shù)字化的翅膀能否助力企業(yè)高質(zhì)量發(fā)展——來自企業(yè)創(chuàng)新的經(jīng)驗證據(jù)［ J］．經(jīng)濟管理，2022（5）：41 ～ 62．

楊潔，馬從文，劉運材．數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的影響［ J］．統(tǒng)計與決策，2022（23）：180 ～ 184．

張焰朝，孫光國，卜君．公司戰(zhàn)略會影響勞動投資效率嗎？［ J］．投資研究，2020（10）：95 ～ 127．

Becker G. S.. Investment in Human Capital： A Theoretical Analysis［ J］． Journal of Political Economy，1962（5）：9 ～ 49．

Biddle G. C.， Hilary G.， Verdi R.S.. How Does Financial Reporting Quality Relate to Investment Efficiency？［ J］． Journal of Accounting and Economics，2009（2 ）：112 ～ 131．

Ha J.， Feng M.. Conditional Conservatism and Labor Investment Efficiency［ J］． Journal of Contemporary Accounting & Economics，2018（2）：143 ～ 163．

Jung B.， Lee W. J.， Weber D. P.. Financial Reporting Quality and Labor Investment Efficiency［ J］． Contemporary Accounting Research，2014（4）：1047 ～ 1076．

Li J.， Zhou C.， Zajac E. J.. Control， Collaboration， and Productivity in International Joint Ventures： Theory and Evidence［ J］． Strategic Management Journal，2009（8）：865 ～ 884．

Pinnuck M.， Lillis A. M.. Profits Versus Losses： Does Reporting an Accoun-ting Loss Act as a Heuristic Trigger to Exercise the Abandonment Option and Divest Employees？［ J］． The Accounting Review，2007（4）：1031 ～ 1053．

【基金項目】河南省哲學社會科學規(guī)劃項目“危機情境下河南企業(yè)數(shù)字化轉(zhuǎn)型賦能組織韌性的機制與對策研究”（項目編號：2022BJJ098）；鄭州航空工業(yè)管理學院研究生教育創(chuàng)新計劃基金項目“人口老齡化對企業(yè)勞動力投資效率的影響研究”（項目編號：2021CX07）

【作者單位】鄭州航空工業(yè)管理學院商學院， 鄭州 450046