彭曉潔 張建翔 莊志鵬

【摘 要】 數(shù)字經(jīng)濟(jì)時(shí)代，越來越多的企業(yè)開始數(shù)字化轉(zhuǎn)型，但數(shù)字化轉(zhuǎn)型對資本市場的影響尚需探索?；诖耍x取2012—2021年滬深A(yù)股上市公司數(shù)據(jù)為研究樣本，探尋企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)兩者間的關(guān)系。研究發(fā)現(xiàn)：企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)，即企業(yè)進(jìn)行數(shù)字化變革會(huì)降低企業(yè)股價(jià)崩盤的風(fēng)險(xiǎn)。在產(chǎn)權(quán)異質(zhì)性分析下，國有企業(yè)數(shù)字化更加顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。進(jìn)一步研究發(fā)現(xiàn)，企業(yè)數(shù)字化可以通過提高內(nèi)部控制質(zhì)量與降低企業(yè)盈余管理程度來達(dá)到降低股價(jià)崩盤風(fēng)險(xiǎn)目的。研究結(jié)論有助于理解企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的影響機(jī)制，不僅為企業(yè)數(shù)字化提供了有益建議，而且有利于資本市場的建設(shè)與發(fā)展。

【關(guān)鍵詞】 數(shù)字化； 股價(jià)崩盤風(fēng)險(xiǎn)； 產(chǎn)權(quán)性質(zhì)； 內(nèi)部控制； 盈余管理

【中圖分類號】 F272.3；F832? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號】 1004-5937（2023）13-0106-10

一、引言與文獻(xiàn)回顧

黨的二十大報(bào)告明確指出關(guān)于數(shù)字化的重大戰(zhàn)略部署，提出要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)的融合。近年來，數(shù)字化浪潮席卷中國，中國幾乎所有的產(chǎn)業(yè)都在進(jìn)行數(shù)字化變革，可見企業(yè)數(shù)字化轉(zhuǎn)型是至關(guān)重要的，數(shù)字作用更是企業(yè)發(fā)展壯大的重要保障。與此同時(shí)，我國資本市場經(jīng)歷了30多年的發(fā)展，已經(jīng)成為全球第二大資本市場，為社會(huì)經(jīng)濟(jì)發(fā)展提供了強(qiáng)大推動(dòng)力[1]。但是，各上市公司股價(jià)異常波動(dòng)頻繁，股價(jià)暴漲暴跌所導(dǎo)致的股價(jià)崩盤事件頻發(fā)（比如上市公司晶豐明源2022年前9個(gè)月股價(jià)暴跌72%），這對我國資本市場長期健康發(fā)展構(gòu)成了較大隱患。如何減少股價(jià)異常波動(dòng)的頻率，降低股價(jià)崩盤風(fēng)險(xiǎn)成為政府監(jiān)管層長期關(guān)注的重點(diǎn)問題，因此，學(xué)術(shù)界對股價(jià)崩盤風(fēng)險(xiǎn)開展研究具有重要的理論與現(xiàn)實(shí)意義。

股價(jià)崩盤風(fēng)險(xiǎn)是指企業(yè)管理者因?yàn)殡[藏了企業(yè)的某些消極信息，導(dǎo)致市場內(nèi)外交易信息不對稱，當(dāng)消極信息被披露出來在短期之內(nèi)造成企業(yè)股票價(jià)格暴跌的表現(xiàn)。資本市場是現(xiàn)代經(jīng)濟(jì)的資源配置中心，但股價(jià)崩盤嚴(yán)重?fù)p害了投資者利益，降低了其應(yīng)發(fā)揮的資源配置功能。學(xué)術(shù)界關(guān)于導(dǎo)致企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)原因的研究，發(fā)現(xiàn)有以下因素：一是基于企業(yè)管理層面的因素，比如企業(yè)會(huì)計(jì)信息披露、企業(yè)社會(huì)責(zé)任、股權(quán)結(jié)構(gòu)、審計(jì)質(zhì)量等[2]；二是外部監(jiān)管層面的因素，比如媒體監(jiān)督[3]；三是基于企業(yè)戰(zhàn)略層面的因素，比如多元化經(jīng)營、技術(shù)創(chuàng)新[4]。然而，鮮有研究企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的影響。從理論層面來看，企業(yè)數(shù)字化作為經(jīng)濟(jì)轉(zhuǎn)型升級和高質(zhì)量發(fā)展的重要?jiǎng)恿Γ瑸槠髽I(yè)技術(shù)創(chuàng)新賦能和提高企業(yè)生產(chǎn)效率具有重要意義[5]。企業(yè)進(jìn)行數(shù)字化變革為企業(yè)的發(fā)展賦予了全新的模式和動(dòng)能，會(huì)對企業(yè)經(jīng)營管理產(chǎn)生重大的影響，尤其會(huì)影響市場投資者之間信息不對稱的關(guān)系，從而影響到企業(yè)在風(fēng)險(xiǎn)管理以及應(yīng)對外部環(huán)境變化方面的能力[6]，由此不禁要思考：企業(yè)數(shù)字化是否會(huì)對股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響呢？

企業(yè)進(jìn)行數(shù)字化變革能夠?qū)ζ髽I(yè)經(jīng)營管理產(chǎn)生積極的影響，會(huì)抑制企業(yè)盈余管理活動(dòng)和提高內(nèi)部控制質(zhì)量[7]，從而可能會(huì)對股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響。一方面，企業(yè)數(shù)字化轉(zhuǎn)型會(huì)引起企業(yè)內(nèi)外部各運(yùn)行機(jī)制的改變，降低企業(yè)信息不對稱[8]，抑制企業(yè)盈余管理活動(dòng)，從而提高會(huì)計(jì)信息治理。另一方面，數(shù)字化利用新的信息技術(shù)，開發(fā)企業(yè)的信息資源，獲取企業(yè)內(nèi)部和外部的信息，以實(shí)現(xiàn)信息交流[9]，優(yōu)化企業(yè)的流程管理制度，提高內(nèi)部控制質(zhì)量?；诖耍髽I(yè)數(shù)字化能否通過降低盈余管理水平和提高內(nèi)部控制質(zhì)量這兩個(gè)途徑來降低企業(yè)崩盤風(fēng)險(xiǎn)是需要深入研究的問題。

本文通過建立模型，基于2012—2021年滬深A(yù)股上市公司數(shù)據(jù)，考察了企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系。首先，研究了企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系；其次，考察了不同產(chǎn)權(quán)性質(zhì)下的企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系；最后，進(jìn)一步研究了企業(yè)數(shù)字化能否通過抑制盈余管理和增強(qiáng)內(nèi)部控制質(zhì)量這兩個(gè)途徑來降低企業(yè)崩盤風(fēng)險(xiǎn)。

本文的研究主要有以下三方面貢獻(xiàn)：第一，以往關(guān)于企業(yè)數(shù)字化的研究大多數(shù)都聚焦于企業(yè)數(shù)字化對企業(yè)績效和管理變革等方面的影響，較少文獻(xiàn)基于企業(yè)數(shù)字化轉(zhuǎn)型視角分析對股價(jià)崩盤風(fēng)險(xiǎn)的影響，本文將兩者結(jié)合起來研究，將有助于完善實(shí)證研究，深化對企業(yè)數(shù)字化變革的認(rèn)識(shí)，因此具有較強(qiáng)的理論意義。第二，本文結(jié)合企業(yè)產(chǎn)權(quán)性質(zhì)，將國有企業(yè)和民營企業(yè)相區(qū)分作為制度背景來研究，這將有助于解釋企業(yè)數(shù)字化變革對企業(yè)價(jià)值影響在不同產(chǎn)權(quán)性質(zhì)的企業(yè)中存在差異的原因，以及在什么條件下才會(huì)產(chǎn)生積極作用，從而為研究企業(yè)數(shù)字化變革的有效性問題提供一種新的思路。第三，在企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)影響的研究中，進(jìn)一步考察了兩者之間的傳導(dǎo)路徑，深化了內(nèi)部控制和盈余管理對數(shù)字化變革影響企業(yè)價(jià)值作用的認(rèn)識(shí)，為如何進(jìn)行數(shù)字化變革從而提升企業(yè)價(jià)值提供了新視角。

二、理論分析與研究假設(shè)

（一）企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)

從目前的理論研究看，股價(jià)崩盤風(fēng)險(xiǎn)主要是由于企業(yè)的管理者和股東之間信息的不對稱所引起的[10]，即管理者存在掩蓋負(fù)面信息的行為，而對外釋放利己的好信息[11]，從而推高企業(yè)的股價(jià)，但隨著日積月累負(fù)面信息達(dá)到上限時(shí)，就會(huì)被集中披露出來，產(chǎn)生嚴(yán)重負(fù)面影響往往會(huì)導(dǎo)致股價(jià)崩盤[12]。

根據(jù)委托代理理論，企業(yè)的管理層與股東之間目標(biāo)具有差異性，企業(yè)股東雖然是企業(yè)的所有者，但并不直接參與企業(yè)日常經(jīng)營管理，企業(yè)管理層作為股東的委托代理人，他們在委托權(quán)限內(nèi)負(fù)責(zé)企業(yè)日常活動(dòng)，就會(huì)產(chǎn)生第一類代理人問題，即由于存在信息不對稱，管理者與股東、股東與債權(quán)人之間存在利益沖突問題。企業(yè)數(shù)字化其實(shí)質(zhì)是充分利用計(jì)算機(jī)技術(shù)，開發(fā)企業(yè)的信息資源，獲取企業(yè)內(nèi)部和外部的信息，以實(shí)現(xiàn)信息交流，優(yōu)化企業(yè)的流程管理制度，提高企業(yè)的效率[13]。企業(yè)數(shù)字化扮演著信息傳播的工具，其主要的價(jià)值是緩解信息的不對稱。陳金亮等[14]研究發(fā)現(xiàn)企業(yè)運(yùn)用新的信息技術(shù)能夠優(yōu)化企業(yè)內(nèi)部組織結(jié)構(gòu)，加強(qiáng)企業(yè)內(nèi)部的信息交流，減少企業(yè)內(nèi)部信息不對稱的問題。賈京坤等[15]研究發(fā)現(xiàn)，進(jìn)行數(shù)字化轉(zhuǎn)型之后的企業(yè)能夠優(yōu)化組織運(yùn)營的流程，增加與外部客戶、供應(yīng)商等利益相關(guān)者的聯(lián)系，優(yōu)化了他們的體驗(yàn)和自身商業(yè)運(yùn)營模式?；谏鲜龇治?，提出假設(shè)1。

H1：在其他條件不變的情況下，企業(yè)數(shù)字化能夠有效降低股價(jià)崩盤風(fēng)險(xiǎn)。

（二）產(chǎn)權(quán)異質(zhì)性與股價(jià)崩盤風(fēng)險(xiǎn)

在國內(nèi)由于產(chǎn)權(quán)性質(zhì)的不同，企業(yè)經(jīng)營目標(biāo)與決策行為均存在顯著差異，這也會(huì)導(dǎo)致企業(yè)數(shù)字化對企業(yè)經(jīng)營管理的作用機(jī)制存在差異。本文通過分析認(rèn)為，國有企業(yè)數(shù)字化轉(zhuǎn)型可以有效抑制其股價(jià)崩盤風(fēng)險(xiǎn)，而對民營企業(yè)影響較小。原因在于：國有企業(yè)的最終控制人是政府，國有企業(yè)高管往往由各級政府委派，嚴(yán)格遵從規(guī)章制度，更容易受到正式制度約束；相反，民營企業(yè)的最終控制權(quán)人是自然人或者家庭，其受到政府部門的制約較少，通常情況下公司治理機(jī)制也不完善，導(dǎo)致大股東或管理者擁有更多的自由裁定權(quán)，在公司治理機(jī)制約束相對較弱的民營企業(yè)中信息不對稱問題可能會(huì)表現(xiàn)得更為明顯。同時(shí)，民營企業(yè)更加關(guān)注資本市場，主要的原因是民營企業(yè)為了獲取更多的資金，會(huì)將股票做抵押進(jìn)行融資業(yè)務(wù)[16]，因此民營企業(yè)會(huì)主動(dòng)隱瞞消息，以免股價(jià)大幅下跌，導(dǎo)致股票被強(qiáng)制平倉，而失去公司的控制權(quán)，而國有企業(yè)融資渠道更廣、融資阻礙少，基本很少出現(xiàn)上述問題?；谏鲜龇治?，提出假設(shè)2。

H2：在其他條件不變的情況下，相對于民營企業(yè)，國有企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)更顯著。

三、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來源

本文選取2012—2021年滬深A(yù)股上市公司的數(shù)據(jù)為樣本。在2012年后，隨著云計(jì)算、人工智能等新技術(shù)的發(fā)展，推動(dòng)和促進(jìn)了上市公司的數(shù)字化變革，為此，將2012年作為研究樣本的初始年份，并對數(shù)據(jù)進(jìn)行如下篩選：剔除金融行業(yè)、ST和？觹ST公司、相關(guān)數(shù)據(jù)異常與缺失的公司，最終得到樣本公司8 417家。為了降低異常值的影響，本文對連續(xù)變量進(jìn)行了雙向1%的Winsorize處理，數(shù)據(jù)主要來自Wind、CSMAR數(shù)據(jù)庫。

（二）變量說明

1.被解釋變量：股價(jià)崩盤風(fēng)險(xiǎn)（NCSKEW）

借鑒權(quán)小鋒等[17]的文獻(xiàn)，本文通過股票周收益負(fù)偏程度來測度股價(jià)崩盤風(fēng)險(xiǎn)。分年度對股票周收益率數(shù)據(jù)進(jìn)行下列回歸，建立如下模型：

Ri，t=α+β1Rm，t-2+β2Rm，t-1+β3Rm，t+β4Rm，t+1+β5Rm，t+2+

εi，t? ? （1）

Wi，t=Ln（1+εi，t）? ? （2）

其中，Ri，t為股票i在第t周現(xiàn)金紅利再投資的收益率，Rm，t為A股股票在第t周流通市值加權(quán)市場收益率，將上述模型所得殘差進(jìn)行計(jì)算，得到年平均收益（Wi，t）。其次，根據(jù)年平均收益（Wi，t）分別計(jì)算負(fù)收益偏態(tài)系數(shù)（NCSKEW），建立如下模型：

NCSKEWi，t=Ln■? （3）

其中，股票i在某年交易周數(shù)為n，負(fù)偏態(tài)系數(shù)（NCSKEW）的數(shù)值與股價(jià)崩盤的風(fēng)險(xiǎn)正相關(guān)。

2.核心解釋變量：企業(yè)數(shù)字化（Digital）

借鑒Eiteneyer et al.[18]數(shù)字化四方面導(dǎo)向（產(chǎn)品與服務(wù)，能力與技能，客戶與供應(yīng)鏈，組織與流程）的詞庫，在中文語境下對其四個(gè)維度的基礎(chǔ)詞匯進(jìn)行擴(kuò)充與延展，得到了數(shù)字化四個(gè)維度的中文關(guān)鍵詞庫，并將所有導(dǎo)向的詞語匯總成總詞庫。接下來將總詞庫導(dǎo)入python第三方中文專用分詞庫jieba中，保證詞庫中的專有名詞不被分割，利用pdfminer對上市公司年報(bào)中“管理層（經(jīng)營情況）討論與分析——未來發(fā)展展望（規(guī)劃）”部分內(nèi)容（分析所需部分）進(jìn)行分詞，對每一個(gè)導(dǎo)向內(nèi)的單個(gè)詞頻進(jìn)行統(tǒng)計(jì)，并將每個(gè)詞頻相加得到數(shù)字化導(dǎo)向在該維度的總詞數(shù)，除以該部分的總詞數(shù)進(jìn)行標(biāo)準(zhǔn)化，最終得到企業(yè)數(shù)字化的分析結(jié)果。

3.控制變量

參照陳運(yùn)森等[19]的做法，本文選取公司發(fā)展速度（Growth）、審計(jì)師質(zhì)量（Big4）、財(cái)務(wù)杠桿率（Leverage）、股票增發(fā)（Seo）、企業(yè)并購（Ma）、上市年數(shù)（Age）、股權(quán)集中度（Top1）、現(xiàn)金流（Ocf）、公司規(guī)模（Size）等作為控制變量。

具體變量定義見表1。

（三）模型設(shè)定

本研究采用雙向固定效應(yīng)模型進(jìn)行回歸，同時(shí)考慮個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)，默認(rèn)采用聚類穩(wěn)健標(biāo)準(zhǔn)誤。為了緩解多重共線性問題，本文對連續(xù)變量進(jìn)行了中心化處理；解釋變量和控制變量滯后一期，以控制逆向因果的影響。本研究按照2012年證監(jiān)會(huì)行業(yè)分類標(biāo)準(zhǔn)劃分各個(gè)行業(yè)。另外，為了控制宏觀環(huán)境的影響，回歸中包含了年份、行業(yè)虛擬變量?；诒疚奶岢龅募僭O(shè)與借鑒相關(guān)文獻(xiàn)，建立如下多元回歸模型：

NCSKEWi，t=β0+β1Digitali，t-1+

β2Growthi，t-1+β3Big4i，t-1+β4Leveragei，t-1+

β5Seoi，t-1+β6Mai，t-1+β7Agei，t-1+

β8Top1i，t-1+β9Ocfi，t-1+β10Sizei，t-1+

Year+Industry+？綴? ? ?（4）

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)分析

表2中的Panel A是研究樣本的變量描述性統(tǒng)計(jì)分析結(jié)果。其中，股價(jià)崩盤風(fēng)險(xiǎn)（NCSKEW）均值為-0.291，標(biāo)準(zhǔn)差為0.767，說明樣本數(shù)據(jù)差異大，樣本企業(yè)普遍存在著股價(jià)崩盤風(fēng)險(xiǎn)；對于企業(yè)數(shù)字化而言，樣本最小值為0.497，最大值為1.721，表明在數(shù)字化方面，企業(yè)之間存在較大差別。

本文還根據(jù)中位數(shù)數(shù)值將企業(yè)數(shù)字化分為高低兩組來對樣本進(jìn)行組間均值差異比較。結(jié)果如表2中的Panel B所示，其中，在數(shù)字化較低的一組中，股價(jià)崩盤風(fēng)險(xiǎn)的均值為0.206，而在數(shù)字化較高的一組中，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的均值為0.143，可以看出兩組在1%水平上存在顯著差異；同時(shí)，數(shù)字化較高的組股價(jià)崩盤風(fēng)險(xiǎn)次數(shù)顯著高于數(shù)字化低的組；此外，兩組在公司發(fā)展速度、審計(jì)師質(zhì)量、財(cái)務(wù)杠桿等方面也存在顯著差異。

（二）相關(guān)性分析

研究變量之間的相關(guān)性檢驗(yàn)結(jié)果如表3所示。由表3可知，在不加入控制變量進(jìn)行回歸的情況下，企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)顯著負(fù)相關(guān)，初步驗(yàn)證了H1。其中可以看出控制變量與核心解釋變量企業(yè)數(shù)字化存在顯著的相關(guān)關(guān)系。由相關(guān)性分析可以看出，各變量的相關(guān)系數(shù)最大值是0.406，各變量相關(guān)性系數(shù)絕對值皆小于0.5，說明變量間沒有出現(xiàn)嚴(yán)重的多重共線性問題。

（三）多元回歸分析

1.企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)

表4列示了模型3的回歸結(jié)果，其中（1）列和（2）列為企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果。在（1）列的回歸中，只放入企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)變量，NCSKEW的回歸系數(shù)為-0.935，并在1%的水平上顯著，表明企業(yè)數(shù)字化程度越高，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)可能性越低；在（2）列中，除了數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)變量之外，還加入了其他控制變量，此時(shí)股價(jià)崩盤風(fēng)險(xiǎn)的回歸系數(shù)變?yōu)?0.888，仍然在1%水平上顯著，擬合優(yōu)度R2也由（1）列的0.006增加為（2）列的0.069，表明模型的解釋力度有所增加，驗(yàn)證了H1成立，即企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)之間確實(shí)呈負(fù)相關(guān)關(guān)系。

2.產(chǎn)權(quán)異質(zhì)性與股價(jià)崩盤風(fēng)險(xiǎn)

（3）列和（4）列則是不同產(chǎn)權(quán)性質(zhì)下，企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)之間的回歸結(jié)果。其中，（3）列是民營企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果，（4）列是國有企業(yè)的企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果，回歸系數(shù)皆顯著為負(fù)，民營與國有企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)變量的回歸系數(shù)分別為-0.637和-0.715，并分別在10%和1%水平上顯著，擬合優(yōu)度R2也由0.005增加為0.054，充分支持了H2成立，即國有企業(yè)數(shù)字化更加顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。

（四）穩(wěn)健性檢驗(yàn)

為保證結(jié)論的可靠性，本文采取了替換指標(biāo)、Heckman兩階段法進(jìn)行穩(wěn)健性檢驗(yàn)，具體結(jié)果如下：

1.替換解釋變量

為避免不同衡量方法對本文結(jié)論產(chǎn)生的影響，本文對企業(yè)數(shù)字化指標(biāo)進(jìn)行了多種度量，以檢驗(yàn)結(jié)論的可靠性，回歸結(jié)果如表5所示，其中（1）列是根據(jù)中位數(shù)數(shù)值將數(shù)字化分為高低兩組，高于中位數(shù)為1，否則為0，回歸結(jié)果顯示企業(yè)數(shù)字化（虛擬變量）與股價(jià)崩盤風(fēng)險(xiǎn)皆在1%水平上顯著負(fù)相關(guān)，與前文的回歸結(jié)果一致；同時(shí)，本文還將企業(yè)數(shù)字化進(jìn)行了四等分，以研究不同程度的數(shù)字化是否會(huì)影響股價(jià)崩盤風(fēng)險(xiǎn)，回歸結(jié)果如（2）列所示，企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)回歸結(jié)果仍然在1%水平上顯著負(fù)相關(guān)，結(jié)論保持不變。

2.考慮樣本自選擇的逆米爾斯Heckman兩階段模型檢驗(yàn)

為了避免潛在的樣本選擇偏差，本文采用了Heckman（1979）兩階段回歸來解決該問題。首先，在第一步中，將數(shù)字化根據(jù)中位數(shù)值分為數(shù)字化高低虛擬變量（Digital_3），在控制了基本的控制變量后對該虛擬變量進(jìn)行Probit回歸，并計(jì)算出逆米爾斯比率（Inverse Mils Ratio）。而第二步中，在回歸模型1中加入第一步計(jì)算得到的控制變量逆米爾斯比率（IMR），若IMR的回歸系數(shù)顯著，則表明本文存在樣本選擇問題，若不顯著，則不存在樣本選擇問題；表6中（1）列為第一步回歸結(jié)果，（2）列和（3）列則為第二步回歸結(jié)果。從回歸結(jié)果中可以發(fā)現(xiàn)，逆米爾斯比率的回歸系數(shù)并不顯著，說明樣本并不存在樣本選擇偏差問題，此外，數(shù)字化虛擬變量的回歸系數(shù)均在1%水平上顯著為負(fù)，說明企業(yè)數(shù)字化越高時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)的可能性會(huì)越低，與本文的主要結(jié)論一致。

五、進(jìn)一步研究：作用機(jī)制分析

通過對前文分析發(fā)現(xiàn)企業(yè)進(jìn)行數(shù)字化變革，股價(jià)崩盤風(fēng)險(xiǎn)可以得到有效的控制，但是其背后的機(jī)理尚不清楚，企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的影響是通過何種傳導(dǎo)途徑形成的？因此，為解開企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)影響的“黑匣子”，本文將從以下兩種路徑展開分析。

（一）內(nèi)部控制作用機(jī)制

企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)可以通過改善內(nèi)部控制的路徑來提升。企業(yè)進(jìn)行數(shù)字化變革能夠提高企業(yè)的內(nèi)部控制質(zhì)量，從而提高企業(yè)的決策效率，增強(qiáng)企業(yè)的核心競爭力。企業(yè)進(jìn)行數(shù)字化變革能夠規(guī)范企業(yè)內(nèi)部非標(biāo)準(zhǔn)化、非結(jié)構(gòu)化的業(yè)務(wù)，優(yōu)化企業(yè)資源配置方式、業(yè)務(wù)管理流程和生產(chǎn)組織模式[20]，通過對公司的戰(zhàn)略設(shè)計(jì)、財(cái)務(wù)穩(wěn)定性、報(bào)表可信度、資產(chǎn)安全等方面不斷完善，可以使公司的組織運(yùn)作更加有序與科學(xué)。在戰(zhàn)略設(shè)計(jì)、財(cái)務(wù)穩(wěn)定、報(bào)表可靠性、資產(chǎn)安全上持續(xù)強(qiáng)化，企業(yè)組織經(jīng)營行為的有序性和科學(xué)性也能隨之增強(qiáng)。換言之，企業(yè)內(nèi)部控制能力越高，越能有效利用好自身資源實(shí)現(xiàn)“提升效率”和“降低風(fēng)險(xiǎn)”的雙重匹配，降低信息的不對稱性[21]。其傳導(dǎo)路徑為：企業(yè)數(shù)字化→內(nèi)部控制質(zhì)量→股價(jià)崩盤風(fēng)險(xiǎn)。

（二）盈余管理作用機(jī)制

企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)可以通過抑制盈余管理的路徑來提升。一方面，企業(yè)通過數(shù)字化可以優(yōu)化企業(yè)管理流程，加強(qiáng)企業(yè)信息交流。目前，在大型企業(yè)生產(chǎn)領(lǐng)域中廣泛運(yùn)用SAP等技術(shù)，它能夠優(yōu)化企業(yè)生產(chǎn)活動(dòng)的資源配置。同時(shí)通過SAP數(shù)字化變革形成定制化生產(chǎn)應(yīng)用，使得財(cái)務(wù)數(shù)據(jù)更加準(zhǔn)確，可以降低企業(yè)信息不對稱。另一方面，企業(yè)通過數(shù)字化變革減少信息不對稱來降低企業(yè)交易成本。根據(jù)交易成本理論，企業(yè)為了促成交易達(dá)成必然產(chǎn)生以下成本：搜尋成本、信息成本、監(jiān)督成本和決策成本等，這些成本產(chǎn)生的根本原因就是信息不對稱，企業(yè)進(jìn)行數(shù)字化變革能夠?yàn)榻档托畔⒉粚ΨQ提供契機(jī)。首先，企業(yè)在內(nèi)部搭建數(shù)字化平臺(tái)，通過內(nèi)部平臺(tái)能夠有效地降低企業(yè)決策簽訂契約所需的內(nèi)部成本，同時(shí)數(shù)字化平臺(tái)對交易流程進(jìn)行跟蹤、監(jiān)督，減少企業(yè)監(jiān)督成本；其次，企業(yè)搭建外部平臺(tái)，可以增加對客戶和供應(yīng)商的聯(lián)系，獲取商品信息與交易對象信息，降低企業(yè)搜尋成本和信息成本，因此數(shù)字化可以有效降低盈余管理。盈余管理在某種程度上抑制了負(fù)面信息向市場的傳遞，降低了信息的透明性，當(dāng)公司對不良信息的承受能力達(dá)到極限時(shí)，很可能導(dǎo)致股價(jià)崩盤風(fēng)險(xiǎn)[22]。其傳導(dǎo)路徑為：企業(yè)數(shù)字化→盈余管理→股價(jià)崩盤風(fēng)險(xiǎn)。

為了檢驗(yàn)企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的作用機(jī)制，本文借鑒溫忠麟等[23]中介效應(yīng)檢驗(yàn)方法，建立如下模型：

NCSKEWi，t=γ0+γ1Digitali，t+■γ2ControlVali，t+εi，t

（5）

HIi，t=β0+β1Digitali，t+■β2ControlVali，t+εi，t （6）

NCSKEWi，t=α0+α1HIi，t+α2Digitali，t+■α3Control-

Vali，t+εi，t （7）

模型6和模型7中，HI表示中介變量。本文根據(jù)迪博（DIB）數(shù)據(jù)庫，以DIB指數(shù)來表示內(nèi)部控制質(zhì)量。本文應(yīng)用修正后的Jones模型，通過可操縱性應(yīng)計(jì)利潤絕對值（DA）來表示盈余管理，建立如下模型：

■=■+α2■+α3■

（8）

■=■+α2■+α3■+εi，t

（9）

■=■-■? （10）

其中，下標(biāo)i表示公司；t表示年份；NDA為非操縱性應(yīng)計(jì)利潤；A為初始資產(chǎn)總值；ΔREV為營業(yè)收入差額；ΔREC為應(yīng)收賬款差額；PPE為公司的固定資產(chǎn)原值；TA為總應(yīng)計(jì)利潤，表示凈利潤與現(xiàn)金流量差額；DA為操縱性應(yīng)計(jì)利潤，表示總應(yīng)計(jì)利潤與非操縱性應(yīng)計(jì)利潤之差。

表7報(bào)告了內(nèi)部控制質(zhì)量與盈余管理分別作為傳導(dǎo)路徑的回歸檢驗(yàn)結(jié)果。（2）列顯示，當(dāng)內(nèi)部控制質(zhì)量（DIB）為因變量時(shí)，企業(yè)數(shù)字化的回歸系數(shù)（0.061）在1%水平顯著為正，即企業(yè)數(shù)字化與內(nèi)部控制質(zhì)量正相關(guān)；（3）列顯示，股價(jià)崩盤風(fēng)險(xiǎn)對企業(yè)數(shù)字化、內(nèi)部控制質(zhì)量的回歸系數(shù)分別為-0.029和-0.025，皆在5%的水平上顯著為負(fù)，說明內(nèi)部控制發(fā)揮著部分中介作用，即企業(yè)數(shù)字化可以通過提高內(nèi)部控制質(zhì)量降低股價(jià)崩盤風(fēng)險(xiǎn)；（5）列顯示，盈余管理（DA）為因變量時(shí)，企業(yè)數(shù)字化的回歸系數(shù)（-0.027）在5%水平顯著為負(fù)，即企業(yè)數(shù)字化與盈余管理負(fù)相關(guān)；（6）列顯示，股價(jià)崩盤風(fēng)險(xiǎn)對企業(yè)數(shù)字化、盈余管理的回歸系數(shù)分別為-0.038和0.021，分別在1%、10%的水平上顯著，說明盈余管理發(fā)揮著部分中介作用，即企業(yè)數(shù)字化能夠有效地抑制信息不對稱，減少市場摩擦和交易成本，降低企業(yè)盈余管理程度，提高會(huì)計(jì)信息質(zhì)量，降低股價(jià)崩盤風(fēng)險(xiǎn)。

六、研究結(jié)論和啟示

本文選取2012—2021年滬深A(yù)股上市公司數(shù)據(jù)，研究企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的影響，通過分析得出以下結(jié)論：（1）企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)，即數(shù)字化轉(zhuǎn)型程度越高的企業(yè)，其股價(jià)崩盤風(fēng)險(xiǎn)越低；（2）異質(zhì)性分析表明，民營企業(yè)相較于國有企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)的抑制效應(yīng)并不顯著；（3）機(jī)制檢驗(yàn)表明，內(nèi)部控制質(zhì)量與盈余管理分別在傳導(dǎo)路徑中發(fā)揮了正向中介與負(fù)向中介作用，因此企業(yè)數(shù)字化可以通過提高內(nèi)部控制質(zhì)量與降低企業(yè)盈余管理程度來達(dá)到降低股價(jià)崩盤風(fēng)險(xiǎn)目的。

本文研究結(jié)論具有如下啟示：（1）要用戰(zhàn)略的眼光看待企業(yè)數(shù)字化對企業(yè)價(jià)值的影響。作為企業(yè)的管理者，應(yīng)該采取前瞻性戰(zhàn)略積極主動(dòng)地去開展數(shù)字化變革，企業(yè)數(shù)字化不僅短期會(huì)改善企業(yè)的商業(yè)模式、組織模式，在經(jīng)濟(jì)全球化的壓力下，企業(yè)信息化也成為提升核心競爭力的主要有效途徑之一，會(huì)給企業(yè)帶來長期的價(jià)值增長。企業(yè)的管理層應(yīng)該更加積極地去擁抱數(shù)字化變革，通過加強(qiáng)對企業(yè)數(shù)字化轉(zhuǎn)型的引導(dǎo)，發(fā)揮數(shù)字化轉(zhuǎn)型對股票市場的穩(wěn)定作用。（2）政府要加大對民營企業(yè)的扶持力度，助力民營企業(yè)數(shù)字化轉(zhuǎn)型?？紤]企業(yè)自身性質(zhì)與發(fā)展情況，采用符合企業(yè)特征的發(fā)展模式，只有考慮到企業(yè)資源的異質(zhì)性，才可以讓企業(yè)獲得先行優(yōu)勢，獲得額外利潤，“雙管齊下”才能有效降低股價(jià)崩盤風(fēng)險(xiǎn)。（3）企業(yè)在面對內(nèi)外風(fēng)險(xiǎn)時(shí)，要把握機(jī)遇，加強(qiáng)內(nèi)部控制管理，降低經(jīng)營風(fēng)險(xiǎn)。同時(shí)企業(yè)要找準(zhǔn)數(shù)字化轉(zhuǎn)型的切入點(diǎn)，內(nèi)部控制質(zhì)量與企業(yè)盈余管理作為企業(yè)數(shù)字化對股價(jià)崩盤風(fēng)險(xiǎn)影響的中介路徑，可以作為企業(yè)進(jìn)行數(shù)字化變革的切入點(diǎn)，這樣可以形成科學(xué)預(yù)估，避免短視行為的產(chǎn)生，保證其能夠以長遠(yuǎn)的眼光來看待企業(yè)價(jià)值問題，從而做出有利于企業(yè)長遠(yuǎn)發(fā)展的決策。

【參考文獻(xiàn)】

［1］ 羅進(jìn)輝，杜興強(qiáng).媒體報(bào)道、制度環(huán)境與股價(jià)崩盤風(fēng)險(xiǎn)［J］.會(huì)計(jì)研究，2014（9）：7.

［2］ 耀友福，胡寧，周蘭.審計(jì)師變更、事務(wù)所轉(zhuǎn)制與股價(jià)崩盤風(fēng)險(xiǎn)［J］.審計(jì)研究，2017（3）：8.

［3］ 杜金岷，李亞菲，吳非.股票流動(dòng)性、媒體關(guān)注與企業(yè)創(chuàng)新［J］.中國經(jīng)濟(jì)問題，2020（3）：17.

［4］ 張倩倩，周銘山，董志勇.研發(fā)支出資本化向市場傳遞了公司價(jià)值嗎？［J］.金融研究，2017（6）：15.

［5］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021，37（7）：15.

［6］ 何帆，劉紅霞.數(shù)字經(jīng)濟(jì)視角下實(shí)體企業(yè)數(shù)字化變革的業(yè)績提升效應(yīng)評估［J］.改革，2019（4）：12.

［7］ 羅艷梅，張全爽，李秀媛.數(shù)字化轉(zhuǎn)型視角下制造企業(yè)內(nèi)部控制質(zhì)量研究——來自中國制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)［J］.會(huì)計(jì)之友，2022（22）：103-110.

［8］ 梁琳娜，張國強(qiáng)，李浩，等.企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效果研究——基于市場績效和財(cái)務(wù)績效的分析［J］.現(xiàn)代管理科學(xué)，2022（5）：146-155.

［9］ 聶興凱，王穩(wěn)華，裴璇.企業(yè)數(shù)字化轉(zhuǎn)型會(huì)影響會(huì)計(jì)信息可比性嗎［J］.會(huì)計(jì)研究，2022（5）：23.

［10］ 司登奎，李小林，趙仲匡.非金融企業(yè)影子銀行化與股價(jià)崩盤風(fēng)險(xiǎn)［J］.中國工業(yè)經(jīng)濟(jì)，2021（6）：19.

［11］ 郭慧婷，張曉，劉瑩.現(xiàn)金股利政策、過度投資與股價(jià)崩盤風(fēng)險(xiǎn)［J］.會(huì)計(jì)之友，2020（8）：110-116.

［12］ GRIFFIN J M，KRUGER S，MATURANA G.What drove the 2003—2006 house price boom and subsequent collapse？ Disentangling competing explanations［J］.Journal of Financial Economics，2021，141（3）：1007-1035.

［13］ 許漢友，岳茹菲，趙靜.財(cái)務(wù)共享智能化水平對企業(yè)績效的影響研究［J］.會(huì)計(jì)之友，2022（7）：141-147.

［14］ 陳金亮，趙雅欣，林嵩.智能制造能促進(jìn)企業(yè)創(chuàng)新績效嗎？［J］.外國經(jīng)濟(jì)與管理，2021，43（9）：83-101.

［15］ 賈京坤，朱英，談捷.數(shù)字化轉(zhuǎn)型趨勢下國際能源化工公司的戰(zhàn)略與實(shí)踐［J］.石油學(xué)報(bào)（石油加工），2023（1）：204-202.

［16］ ANDERSON R C，DURU A，REEB D M.Founders，heirs，and corporate opacity in the United States［J］.Journal of Financial Economics，2009，92（2）：205-222.

［17］ 權(quán)小鋒，肖紅軍.社會(huì)責(zé)任披露對股價(jià)崩盤風(fēng)險(xiǎn)的影響研究：基于會(huì)計(jì)穩(wěn)健性的中介機(jī)理［J］.中國軟科學(xué)，2016（6）：18.

［18］ EITENEYER N，BENDIG D，BRETTEL M.Social capital and the digital crowd：involving backers to promote new product innovativeness［J］.Research Policy，2019，48（8）.

［19］ 陳運(yùn)森，鄧■璐，李哲.證券交易所一線監(jiān)管的有效性研究：基于財(cái)務(wù)報(bào)告問詢函的證據(jù)［J］.管理世界，2019（3）：18.

［20］ 曾德麟，蔡家瑋，歐陽桃花.數(shù)字化轉(zhuǎn)型研究：整合框架與未來展望［J］.外國經(jīng)濟(jì)與管理，2021（5）：14.

［21］ 黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機(jī)制與中國經(jīng)驗(yàn)［J］.中國工業(yè)經(jīng)濟(jì)，2019（8）：19.

［22］ 周愛民，遙遠(yuǎn).真實(shí)盈余管理、監(jiān)督壓力與股價(jià)崩盤風(fēng)險(xiǎn)［J］.上海金融，2018（7）：1-6.

［23］ 溫忠麟，張雷，侯杰泰，等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用［J］.心理學(xué)報(bào)，2004（5）：614-620.