姜雪松　王蕊　管凌玉　杜礎(chǔ)行

【摘 要】 數(shù)字經(jīng)濟(jì)背景下，數(shù)據(jù)已經(jīng)成為繼土地、勞動(dòng)力、資本、技術(shù)之外的第五大生產(chǎn)要素，越來越多的企業(yè)通過加快數(shù)字化轉(zhuǎn)型獲得新發(fā)展動(dòng)力。智能財(cái)務(wù)是企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的必經(jīng)之路，能夠有效緩解企業(yè)財(cái)務(wù)信息的不對(duì)稱，降低運(yùn)營成本，及時(shí)識(shí)別和防范發(fā)展中的風(fēng)險(xiǎn)，對(duì)改善財(cái)務(wù)績(jī)效至關(guān)重要。文章以2018—2021年上市公司為研究對(duì)象，基于數(shù)字化轉(zhuǎn)型視角選取智能財(cái)務(wù)指標(biāo)并區(qū)分國有企業(yè)與非國有企業(yè)樣本，采用主成分分析法對(duì)智能財(cái)務(wù)指標(biāo)進(jìn)行降維處理，通過因子分析得到可以衡量智能財(cái)務(wù)的綜合指標(biāo)，進(jìn)而分析智能財(cái)務(wù)與財(cái)務(wù)績(jī)效之間的關(guān)系。實(shí)證研究結(jié)果表明，上市公司的智能財(cái)務(wù)水平通過降低營業(yè)成本和提高研發(fā)能力對(duì)財(cái)務(wù)績(jī)效產(chǎn)生正向影響，進(jìn)一步研究發(fā)現(xiàn)，在非國有企業(yè)中智能財(cái)務(wù)的實(shí)施對(duì)財(cái)務(wù)績(jī)效的正向作用更加顯著。

【關(guān)鍵詞】 智能財(cái)務(wù)； 財(cái)務(wù)績(jī)效； 數(shù)字化轉(zhuǎn)型； 因子分析； 財(cái)務(wù)共享

【中圖分類號(hào)】 F234.3? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2023）20-0044-08

一、引言

黨的二十大報(bào)告提出著重建設(shè)數(shù)字中國，強(qiáng)調(diào)以科技創(chuàng)新和數(shù)字化轉(zhuǎn)型為契機(jī)，借助數(shù)字技術(shù)力量，打造企業(yè)發(fā)展新動(dòng)能。在數(shù)字經(jīng)濟(jì)背景下，數(shù)字化轉(zhuǎn)型已經(jīng)成為企業(yè)進(jìn)一步發(fā)展的新路徑，數(shù)字化轉(zhuǎn)型給傳統(tǒng)企業(yè)帶來較大的沖擊，越來越多的企業(yè)開始進(jìn)行數(shù)字化轉(zhuǎn)型，避免被時(shí)代所拋棄。穩(wěn)定高效的財(cái)務(wù)會(huì)計(jì)管理是企業(yè)持續(xù)穩(wěn)定發(fā)展的重要組成部分，也是企業(yè)實(shí)現(xiàn)智能時(shí)代數(shù)字化轉(zhuǎn)型的突破口。數(shù)字經(jīng)濟(jì)以強(qiáng)大的信息技術(shù)為基礎(chǔ)，以財(cái)務(wù)共享中心為載體，建立起了智能財(cái)務(wù)的初步原理與理論，促進(jìn)了數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合，而智能技術(shù)與財(cái)務(wù)管理的結(jié)合也進(jìn)一步推動(dòng)了財(cái)務(wù)工作向數(shù)字化發(fā)展，智能財(cái)務(wù)成為新時(shí)代發(fā)展下財(cái)務(wù)管理的主流。然而在數(shù)字化轉(zhuǎn)型視角下對(duì)企業(yè)智能財(cái)務(wù)發(fā)展研究較少，很難為企業(yè)進(jìn)行智能財(cái)務(wù)發(fā)展提供相應(yīng)的理論基礎(chǔ)，因此有必要繼續(xù)進(jìn)行深入研究。

本文創(chuàng)新點(diǎn)在于：一是從上市公司數(shù)字化建設(shè)程度與轉(zhuǎn)型程度兩個(gè)維度通過因子分析得到可以衡量智能財(cái)務(wù)的綜合指標(biāo)，豐富了智能財(cái)務(wù)指標(biāo)量化的衡量體系；二是深化了數(shù)字化轉(zhuǎn)型視角下智能財(cái)務(wù)與財(cái)務(wù)績(jī)效的研究，完善了影響路徑研究；三是基于實(shí)證結(jié)論，為企業(yè)在數(shù)字化背景下進(jìn)行智能財(cái)務(wù)建設(shè)提供更加詳細(xì)的數(shù)據(jù)支持，為企業(yè)提高財(cái)務(wù)績(jī)效提供理論支持與政策啟示，推動(dòng)企業(yè)財(cái)務(wù)智能化轉(zhuǎn)型。

二、文獻(xiàn)綜述

（一）財(cái)務(wù)績(jī)效

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，原有的財(cái)務(wù)績(jī)效評(píng)價(jià)指標(biāo)已經(jīng)無法滿足企業(yè)的實(shí)際需求，于是便通過先進(jìn)技術(shù)對(duì)財(cái)務(wù)指標(biāo)進(jìn)行創(chuàng)新，彌補(bǔ)過去只集中于研究產(chǎn)出指標(biāo)和方法而忽視對(duì)過程效率評(píng)價(jià)的缺陷[1]。有學(xué)者在實(shí)證研究中選取主營業(yè)務(wù)資產(chǎn)收益率和資產(chǎn)收益率來衡量智能化轉(zhuǎn)型與成本粘性以及公司績(jī)效之間的關(guān)系，該類指標(biāo)的數(shù)據(jù)雖然比較容易獲取，但計(jì)算過程不夠深入透徹，存在一定的不準(zhǔn)確[2]。于是便采用管理費(fèi)用率和托賓Q值等指標(biāo)來衡量企業(yè)財(cái)務(wù)績(jī)效[3-4]，但是資本市場(chǎng)建設(shè)并不完善，托賓Q值的應(yīng)用存在一定的局限性，容易造成企業(yè)的短期行為，最終導(dǎo)致公司治理質(zhì)量的下滑。對(duì)于公司的治理模式大致可以分為“共同治理”模式和“股東至上”模式，其中“共同治理”模式可以用平衡計(jì)分卡來評(píng)價(jià)，而“股東至上”模式則可以采用經(jīng)濟(jì)增加值來評(píng)價(jià)，這兩種評(píng)價(jià)方法都是與對(duì)應(yīng)理念相互匹配的績(jī)效評(píng)價(jià)指標(biāo)[5]。有學(xué)者認(rèn)為采用經(jīng)濟(jì)增加值能夠有效幫助企業(yè)了解供應(yīng)鏈金融對(duì)企業(yè)經(jīng)營績(jī)效的影響[6]，也有學(xué)者認(rèn)為經(jīng)濟(jì)增加值與傳統(tǒng)財(cái)務(wù)指標(biāo)相比，經(jīng)濟(jì)增加值綜合考慮多種因素對(duì)財(cái)務(wù)績(jī)效的影響[7]，于是便用重新構(gòu)造后的經(jīng)濟(jì)增加值來評(píng)價(jià)財(cái)務(wù)績(jī)效，為我國企業(yè)進(jìn)行財(cái)務(wù)績(jī)效評(píng)價(jià)方法改革提供了新思路[8]。經(jīng)濟(jì)增加值綜合考慮了企業(yè)所面臨的全部資本成本，避免了企業(yè)比較兩個(gè)規(guī)模相同的企業(yè)由于自有資本和貸款比例不同而造成的利潤不真實(shí)。但是經(jīng)濟(jì)增加值屬于絕對(duì)數(shù)指標(biāo)，很難用于比較規(guī)模不同的企業(yè)?；诖?，本文選擇經(jīng)濟(jì)增加值率這一相對(duì)數(shù)指標(biāo)來衡量企業(yè)的財(cái)務(wù)績(jī)效，避免因企業(yè)規(guī)模不同而造成的誤差。

由于財(cái)務(wù)績(jī)效評(píng)價(jià)體系不健全，在實(shí)際應(yīng)用時(shí)很難與企業(yè)進(jìn)行很好的融合，于是便有學(xué)者使用層次分析法對(duì)企業(yè)財(cái)務(wù)績(jī)效進(jìn)行分析評(píng)價(jià)，證實(shí)層次分析法是一個(gè)較為科學(xué)并容易操作的評(píng)價(jià)方法[9]。在現(xiàn)代信息化的社會(huì)，如果可以將平衡計(jì)分卡與層次分析法相結(jié)合，那么就可以建立起滿足數(shù)字化時(shí)代企業(yè)發(fā)展需求的財(cái)務(wù)績(jī)效評(píng)價(jià)體系[10]。而耿晶晶等[11]則通過因子分析法篩選出23家上市的核心公司，并對(duì)篩選出的企業(yè)進(jìn)行財(cái)務(wù)績(jī)效評(píng)價(jià)分析，為提升核心企業(yè)的財(cái)務(wù)效率提供決策依據(jù)。

（二）智能財(cái)務(wù)與財(cái)務(wù)績(jī)效

通過22家具有代表性的國內(nèi)外財(cái)務(wù)共享服務(wù)中心的研究，指出實(shí)現(xiàn)智能財(cái)務(wù)共享所需要的要素及其發(fā)展路徑，由此認(rèn)為財(cái)務(wù)共享智能化是目前財(cái)務(wù)共享中心發(fā)展的必經(jīng)之路[12]。在數(shù)字化轉(zhuǎn)型視角下，會(huì)計(jì)職能的不斷更新迭代促進(jìn)了智能財(cái)務(wù)的發(fā)展，以財(cái)務(wù)共享中心為主要內(nèi)容的數(shù)字化轉(zhuǎn)型是智能財(cái)務(wù)發(fā)展的基礎(chǔ)[13]，企業(yè)建立財(cái)務(wù)共享服務(wù)中心可以通過提高企業(yè)運(yùn)營效率、信息披露質(zhì)量來提升企業(yè)發(fā)展質(zhì)量，企業(yè)規(guī)模越大或者媒體關(guān)注度越高的企業(yè)發(fā)展質(zhì)量提升的作用也更顯著[14]。隨著智能技術(shù)的不斷發(fā)展以及智能化意識(shí)不斷提高，企業(yè)的財(cái)務(wù)智能化水平不斷增強(qiáng)，而作為維持企業(yè)正常經(jīng)營的運(yùn)營管理也得到了廣泛的關(guān)注，從運(yùn)營管理的10個(gè)指標(biāo)維度，分析財(cái)務(wù)共享服務(wù)中心和智能財(cái)務(wù)共享中心存在的不同之處，為企業(yè)智能財(cái)務(wù)的發(fā)展提供一定的指導(dǎo)[15]。智能財(cái)務(wù)的實(shí)現(xiàn)可以幫助企業(yè)提高管理效率的同時(shí)降低成本，從龐大的財(cái)務(wù)數(shù)據(jù)中提取出對(duì)企業(yè)決策有幫助的信息，不斷提升決策效率。

（三）文獻(xiàn)述評(píng)

目前學(xué)術(shù)界對(duì)于智能財(cái)務(wù)建設(shè)的發(fā)展路徑提供了很多路徑，也對(duì)企業(yè)實(shí)施智能財(cái)務(wù)的重要性進(jìn)行了論證，但是對(duì)企業(yè)智能財(cái)務(wù)績(jī)效評(píng)價(jià)的研究比較匱乏。本文在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，通過運(yùn)用因子分析法對(duì)上市公司智能財(cái)務(wù)建設(shè)的影響進(jìn)行分析與評(píng)價(jià)，能在一定程度上彌補(bǔ)現(xiàn)有研究的不足，同時(shí)也為研究智能財(cái)務(wù)建設(shè)提供進(jìn)一步的幫助。

三、機(jī)理分析及假設(shè)提出

人工智能的應(yīng)用是一把雙刃劍，既可以給企業(yè)帶來機(jī)會(huì)又可以帶來挑戰(zhàn)，企業(yè)應(yīng)該加強(qiáng)管控力度，通過及時(shí)有效的績(jī)效評(píng)價(jià)，更好地提高財(cái)務(wù)管理水平。通過隨機(jī)效應(yīng)模型對(duì)多家上市公司進(jìn)行研究，認(rèn)為財(cái)務(wù)共享的實(shí)施對(duì)于企業(yè)盈利能力和企業(yè)價(jià)值產(chǎn)生顯著的正向效應(yīng)[16]；通過Wilcoxon秩和檢驗(yàn)和Panel面板數(shù)據(jù)分析相結(jié)合的研究方法對(duì)企業(yè)實(shí)施財(cái)務(wù)共享服務(wù)前后的績(jī)效變化進(jìn)行研究，認(rèn)為企業(yè)實(shí)施財(cái)務(wù)共享服務(wù)能有效提高企業(yè)績(jī)效[17]；而通過對(duì)大中小型企業(yè)進(jìn)行定量分析，也能得出實(shí)施財(cái)務(wù)共享會(huì)顯著提高企業(yè)績(jī)效[18]。在當(dāng)今數(shù)字化時(shí)代背景下，財(cái)務(wù)共享服務(wù)中心通過一系列工作為企業(yè)集團(tuán)提供增值服務(wù)，未來的智能化共享管理中心則會(huì)向職能管理中心和提供業(yè)務(wù)流程外包等方面發(fā)展，削減自身盈利能力不足的服務(wù)，不斷增強(qiáng)企業(yè)的盈利能力。

財(cái)務(wù)共享是智能財(cái)務(wù)發(fā)展的基礎(chǔ)，將共享中心收集到的財(cái)務(wù)數(shù)據(jù)集中進(jìn)行整合與分析，從龐大的數(shù)據(jù)資源中提取信息，有效克服財(cái)務(wù)共享中心數(shù)據(jù)使用效率低下以及信息不對(duì)稱等問題，進(jìn)一步促進(jìn)財(cái)務(wù)數(shù)字化轉(zhuǎn)型。從已有文獻(xiàn)來看，在數(shù)字化轉(zhuǎn)型視角下企業(yè)應(yīng)用財(cái)務(wù)共享可以提高企業(yè)的績(jī)效?；诖?，提出假設(shè)1。

H1：上市公司的智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效具有正向的影響。

智能財(cái)務(wù)的發(fā)展通過先進(jìn)的信息技術(shù)和通訊技術(shù)將不同地理位置的機(jī)構(gòu)進(jìn)行網(wǎng)絡(luò)化連接，不需要將財(cái)務(wù)人員將集中到一個(gè)特定地點(diǎn)，一方面，降低企業(yè)運(yùn)營成本、提高管理效率，最終提高企業(yè)財(cái)務(wù)績(jī)效。另一方面，成本的降低使企業(yè)有更多的資本去進(jìn)行研發(fā)創(chuàng)新，生產(chǎn)出創(chuàng)新性更強(qiáng)和產(chǎn)品附加值更高的新產(chǎn)品，研發(fā)投入對(duì)提高企業(yè)競(jìng)爭(zhēng)力具有戰(zhàn)略性意義，對(duì)企業(yè)績(jī)效的提升有著重要影響。基于此，提出假設(shè)2、假設(shè)3。

H2：上市公司的智能財(cái)務(wù)通過降低成本水平而提升財(cái)務(wù)績(jī)效。

H3：上市公司的智能財(cái)務(wù)通過提高研發(fā)能力而提升財(cái)務(wù)績(jī)效。

四、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

根據(jù)《2022年中國共享服務(wù)領(lǐng)域調(diào)研報(bào)告——邁向世界一流》總結(jié)的中國共享服務(wù)行業(yè)的發(fā)展歷程，將其自2005年起至今的發(fā)展歷程劃分為五個(gè)階段，即萌芽期、試點(diǎn)期、發(fā)展期、創(chuàng)新探索期與變革轉(zhuǎn)型期。其中，在創(chuàng)新探索期，共享服務(wù)在中國企業(yè)中已經(jīng)得到了廣泛的使用，云計(jì)算、人工智能等新興技術(shù)在財(cái)務(wù)部門逐步實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

本文將創(chuàng)新探索期作為實(shí)證研究的期間，以2018—2021年間的上市公司作為初選樣本，為了提高實(shí)證研究的可行性以及研究結(jié)果的可靠程度，按以下原則篩選面板數(shù)據(jù)：（1）剔除被ST、*ST的上市公司。（2）剔除財(cái)務(wù)數(shù)據(jù)或財(cái)務(wù)指標(biāo)缺失的樣本觀測(cè)值。（3）剔除當(dāng)年公司成立處于不穩(wěn)定階段的觀測(cè)數(shù)據(jù)，避免不確定因素帶來的偶然性誤差。最終確定的研究樣本觀測(cè)數(shù)據(jù)共125個(gè)。

本研究所需要的所有財(cái)務(wù)數(shù)據(jù)均來自于國泰安數(shù)據(jù)庫，用Excel對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行整理和計(jì)算，使用統(tǒng)計(jì)分析軟件SPASS 23.0對(duì)樣本觀測(cè)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)、因子分析、主成分分析、相關(guān)性分析、回歸分析及穩(wěn)健性檢驗(yàn)的操作。

（二）變量選擇及其度量

1.自變量

在文獻(xiàn)綜述中可以了解到，目前關(guān)于智能財(cái)務(wù)研究文獻(xiàn)較少，特別是關(guān)于智能財(cái)務(wù)指標(biāo)量化的衡量更是少之又少。本文自變量智能財(cái)務(wù)的衡量基于前人已有的理論研究成果，并綜合考慮在各種渠道可以獲得的數(shù)據(jù)資源的基礎(chǔ)上，主要從上市公司數(shù)字化建設(shè)程度與轉(zhuǎn)型程度兩個(gè)維度考量。

為降低變量列表中數(shù)據(jù)采集和分析的難度，也為了讓測(cè)量維度更嚴(yán)謹(jǐn)合理，本文利用因子分析的思想與方法對(duì)變量指標(biāo)進(jìn)行降維處理，將相關(guān)性高的變量聚在一起，減少問題分析的復(fù)雜性。在降維處理前驗(yàn)證因子分析方法的可行性，首先，計(jì)算相關(guān)系數(shù)矩陣以判斷原始變量之間是否存在較強(qiáng)的相關(guān)關(guān)系；其次，對(duì)變量進(jìn)行KMO檢驗(yàn)和巴特利特球形檢驗(yàn)來判斷觀測(cè)數(shù)據(jù)是否適合作因子分析。KMO和巴特利特檢驗(yàn)結(jié)果顯示，KMO值為0.804，巴特利特球形度檢驗(yàn)的Sig.=0.000，小于顯著性水平值0.01，所選取的原始變量之間存在很高的相關(guān)性。根據(jù)以往研究經(jīng)驗(yàn)做出判斷，變量很適合做因子分析。

通過因子分析法得到方差，解釋如表1所示，基于特征值大于1可提取2個(gè)因子，但累計(jì)方差貢獻(xiàn)率為77.404%，為使其大于經(jīng)驗(yàn)值85%，因子提取數(shù)量為3個(gè)，旋轉(zhuǎn)后累積方差解釋率達(dá)到85.281%，說明3個(gè)因子能夠提取8個(gè)分析項(xiàng)85.281%的信息量，符合提取公因子的標(biāo)準(zhǔn)，認(rèn)為涵蓋了原財(cái)務(wù)指標(biāo)含有的信息。

利用因子旋轉(zhuǎn)功能，通過方差最大正交旋轉(zhuǎn)使各因子仍然保持正交的狀態(tài)，但各因子的方差差異達(dá)到最大，即相對(duì)載荷平方和達(dá)到最大，以便更好地解釋提取的因子。

經(jīng)“旋轉(zhuǎn)”后，得到旋轉(zhuǎn)后的成分矩陣。可以看出，第一公因子在區(qū)塊鏈技術(shù)強(qiáng)度、云計(jì)算技術(shù)轉(zhuǎn)型程度、人工智能程度有較大載荷系數(shù)，可定義為“數(shù)字化轉(zhuǎn)型因子”。第二公因子在智能化員工強(qiáng)度、大數(shù)據(jù)技術(shù)轉(zhuǎn)型程度、生態(tài)創(chuàng)新程度、技術(shù)儲(chǔ)備強(qiáng)度有較大載荷系數(shù)，可定義為“數(shù)字化建設(shè)因子”。第三公因子在數(shù)字技術(shù)應(yīng)用程度有較大載荷系數(shù)，可定義為“數(shù)字化應(yīng)用因子”。通過成份得分系數(shù)矩陣將3個(gè)因子結(jié)構(gòu)表達(dá)為各變量的線性形式，用回歸方程得到3個(gè)公因子的得分因子函數(shù)：

F1=0.308X1+0.504X2+0.376X3-0.079X4-0.095X5-0.266X6+0.199X7-0.155X8 （1）

F2=-0.017X1-0.298X2-0.168X3+0.372X4-0.281X5+0.693X6+0.084X7+0.296X8 （2）

F3=-0.077X1-0.083X2+0.037X3-0.026X4+1.03X5-0.33X6-0.009X7+0.179X8 （3）

三個(gè)因子分別從不同方面反映各公司的財(cái)務(wù)智能化的水平，單獨(dú)使用某一公因子很難做出綜合評(píng)價(jià)，因此以三個(gè)公因子F1、F2、F3和各自的方差貢獻(xiàn)率占解釋總方差貢獻(xiàn)率85.281%的不同比重來進(jìn)行加權(quán)平均，就得到綜合財(cái)務(wù)智能化水平的主成分SF，該主成分關(guān)于因子的線性方程如下：

SF=（64.732F1+12.671F2+7.877F3）/85.281? =0.759F1+0.149F2+0.092F3? （4）

將2018—2021年上市公司智能財(cái)務(wù)的指標(biāo)分別代入到公式1—公式4，得到每一個(gè)觀測(cè)值的最終智能財(cái)務(wù)指標(biāo)SF。

2.因變量

根據(jù)文獻(xiàn)綜述中關(guān)于財(cái)務(wù)績(jī)效的理論分析，本文選用的因變量指標(biāo)為經(jīng)濟(jì)增加值率即EVA率。

3.控制變量

根據(jù)已有研究文獻(xiàn)分析，本文將控制變量設(shè)置為：企業(yè)規(guī)模（SIZE）、年齡（AGE）、股權(quán)集中度（COCEN）、董事會(huì)規(guī)模（Board）、獨(dú)立董事比例（Indep）。

4.機(jī)制變量

為檢驗(yàn)企業(yè)智能財(cái)務(wù)水平影響企業(yè)財(cái)務(wù)績(jī)效的具體機(jī)制，本文將核心被解釋變量替換為相應(yīng)的機(jī)制變量，直接檢驗(yàn)企業(yè)智能財(cái)務(wù)水平是否能夠影響相應(yīng)的機(jī)制變量。本文選用的機(jī)制變量指標(biāo)為營業(yè)成本率（OCR）與研發(fā)強(qiáng)度（R&D）。

具體變量定義如表2所示。

（三）研究模型

根據(jù)前文的分析和提出的假設(shè)，結(jié)合變量設(shè)計(jì)的情況，為驗(yàn)證上市公司智能財(cái)務(wù)水平對(duì)財(cái)務(wù)績(jī)效的影響以及機(jī)制變量的中介作用假設(shè)，形成公式5—公式10，其中，ε為隨機(jī)干擾項(xiàng)。

EVAR=α0+α1SF+α2SIZE+α3AGE+α4COCEN+α5Board+α6Indep+ε （5）

SF=β0+β1OCR+β2SIZE+β3AGE+β4COCEN+β5Board+β6Indep+ε? ? ? ?（6）

SF=γ0+γ1R&D+γ2SIZE+γ3AGE+γ4COCEN+γ5Board+γ6Indep+ε? ? ? ? （7）

EVAR=η0+η1SF+η2OCR+η3SIZE+η4AGE+η5CO-CEN+η6Board+η7Indep+ε? ?（8）

EVAR=θ0+θ1SF+θ2R&D+θ3SIZE+θ44AGE+θ5COCEN+θ6Board+θ7Indep+ε? ? （9）

EVAR=δ0+δ1SF+δ2OCR+δ3R&D+δ4SIZE+δ5AGE+δ6COCEN+δ7Board+δ8Indep+ε? （10）

五、實(shí)證分析

（一）描述性統(tǒng)計(jì)

按前文所述樣本篩選原則共得到有效觀測(cè)樣本125個(gè)。表3為2018—2021年度各主要變量的描述性統(tǒng)計(jì)分析的結(jié)果。

從表3中可以看出，企業(yè)規(guī)模的最小值15.21，最大值26.325，均值達(dá)到21.953，說明選取樣本中具有較高的企業(yè)規(guī)模；公司年齡中最小值為0，說明樣本中存在新上市且經(jīng)營穩(wěn)定已實(shí)施智能財(cái)務(wù)的公司；股權(quán)集中度方差較大，說明選取樣本中股權(quán)集中度有較大差異；其他控制變量方差較小，說明數(shù)據(jù)分布較為均勻。機(jī)制變量中，研發(fā)強(qiáng)度的均值>中位數(shù)，說明較多樣本企業(yè)的研發(fā)投入金額較低，整體呈現(xiàn)偏態(tài)分布。

（二）回歸分析

1.基準(zhǔn)回歸分析

基于回歸模型5將全樣本的智能財(cái)務(wù)與EVAR進(jìn)行回歸分析，為避免公司層面的聚集效應(yīng)對(duì)標(biāo)準(zhǔn)誤的影響，回歸時(shí)進(jìn)行了Cluster處理。回歸結(jié)果如表4中列（1）所示，調(diào)整后的R2為38.8%，且智能財(cái)務(wù)（SF）與財(cái)務(wù)績(jī)效（EVAR）在1%水平顯著相關(guān)，SF的標(biāo)準(zhǔn)化系數(shù)α1為正數(shù)0.578，說明在總體水平上市公司的智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效有顯著的正向的影響，且SF的標(biāo)準(zhǔn)化系數(shù)相比較其他控制變量而言絕對(duì)值最大，說明相較于其他變量SF對(duì)EVAR的影響程度最大，與客觀實(shí)際相符，進(jìn)一步驗(yàn)證H1成立。

2.影響機(jī)制檢驗(yàn)

表4列（2）—列（5）匯報(bào)了智能財(cái)務(wù)SF與財(cái)務(wù)績(jī)效EVAR間的具體影響機(jī)制的檢驗(yàn)結(jié)果。列（2）驗(yàn)證了智能財(cái)務(wù)水平與營業(yè)成本率間具有顯著的反向影響關(guān)系，列（4）在基礎(chǔ)回歸中引入機(jī)制變量營業(yè)成本率，智能財(cái)務(wù)水平與企業(yè)財(cái)務(wù)績(jī)效仍然具有顯著的正向影響，營業(yè)成本率與企業(yè)財(cái)務(wù)績(jī)效呈顯著的反向影響，結(jié)合列（2）研究結(jié)果可知營業(yè)成本率在智能財(cái)務(wù)對(duì)企業(yè)財(cái)務(wù)績(jī)效的影響中承擔(dān)著不完全的中介效應(yīng)，模型8中智能財(cái)務(wù)的系數(shù)η1為0.465，低于模型1中α1，說明智能財(cái)務(wù)對(duì)企業(yè)的財(cái)務(wù)績(jī)效的直接影響效應(yīng)低于總影響效應(yīng)，進(jìn)一步驗(yàn)證了成本水平的中介效應(yīng)，H2成立。

列（3）與列（5）匯報(bào)了研發(fā)強(qiáng)度作為另一影響機(jī)制的檢驗(yàn)結(jié)果。列（3）中驗(yàn)證了智能財(cái)務(wù)水平與研發(fā)強(qiáng)度間具有顯著的正向影響，在基礎(chǔ)回歸中引入機(jī)制變量研發(fā)強(qiáng)度，列（5）的結(jié)果顯示智能財(cái)務(wù)水平與研發(fā)強(qiáng)度均對(duì)企業(yè)財(cái)務(wù)績(jī)效具有顯著的正向影響，模型9中智能財(cái)務(wù)的系數(shù)θ1為0.472，低于模型1中α1，驗(yàn)證了研發(fā)投入的不完全中介效應(yīng)，進(jìn)一步驗(yàn)證H3。

列（6）是在基礎(chǔ)回歸中同時(shí)加入中介變量OCR與R&D，此時(shí)，核心解釋變量（SF）與機(jī)制變量（OCR）仍保持顯著為正，但R&D顯著性明顯減弱，模型10中SF系數(shù)δ1為0.419，與模型8中η1的0.465最為接近，說明與研發(fā)強(qiáng)度相比，營業(yè)成本率在智能財(cái)務(wù)與財(cái)務(wù)績(jī)效的關(guān)系中起著較大的中介作用。

六、異質(zhì)性分析

一方面，產(chǎn)權(quán)的性質(zhì)會(huì)影響企業(yè)實(shí)行智能財(cái)務(wù)背后的動(dòng)機(jī)。非國有企業(yè)在進(jìn)行智能財(cái)務(wù)的建設(shè)過程中，更多考慮的是實(shí)施智能財(cái)務(wù)會(huì)給企業(yè)帶來多大的利益，優(yōu)先滿足自身利益需求；而國有企業(yè)因其產(chǎn)權(quán)性質(zhì)特點(diǎn)，在做決策的過程中可能更多的是考慮國家現(xiàn)有的制度和政策，而放棄能提高企業(yè)財(cái)務(wù)績(jī)效的決策。此外，產(chǎn)權(quán)性質(zhì)也會(huì)影響利益相關(guān)者對(duì)智能財(cái)務(wù)實(shí)施的期待程度。人們往往會(huì)把國有企業(yè)的行動(dòng)方向視為國家未來的發(fā)展方向，忽視了國有企業(yè)承擔(dān)的一些隱性責(zé)任，而只把企業(yè)的財(cái)務(wù)績(jī)效當(dāng)成評(píng)價(jià)國有企業(yè)好壞的重要指標(biāo)。綜上所述，國有企業(yè)進(jìn)行智能財(cái)務(wù)建設(shè)對(duì)財(cái)務(wù)績(jī)效的提升效果要低于非國有企業(yè)。

另一方面，產(chǎn)權(quán)的異質(zhì)性在一定程度上導(dǎo)致了國有企業(yè)與民營企業(yè)的在發(fā)展戰(zhàn)略上存在一定的差異，國有企業(yè)存在職能空白、職能交叉和資源配置浪費(fèi)的問題，從而降低了企業(yè)管理效率。相反，其他產(chǎn)權(quán)性質(zhì)的企業(yè)各分、子公司受母公司控制影響程度較低，而且經(jīng)濟(jì)決策主要是提高自身經(jīng)濟(jì)效益的決策，可以較好地利用資源，發(fā)揮其經(jīng)濟(jì)效益，因此，產(chǎn)權(quán)屬性的不同對(duì)實(shí)施智能財(cái)務(wù)的企業(yè)財(cái)務(wù)績(jī)效有顯著影響。

基于以上理論分析將總體樣本按股權(quán)性質(zhì)進(jìn)行分組異質(zhì)性分析，進(jìn)一步研究國有企業(yè)與非國有企業(yè)智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效的影響效果。整體樣本中，將國有企業(yè)股權(quán)性質(zhì)編碼為1，非國有企業(yè)股權(quán)性質(zhì)編碼為0。分組后，國有企業(yè)樣本66個(gè)，非國有企業(yè)樣本59個(gè)，分組回歸結(jié)果如表5列（1-1）、（1-0）所示。列（1-1）為國有企業(yè)的智能財(cái)務(wù)與企業(yè)財(cái)務(wù)績(jī)效的回歸結(jié)果，列（1-0）為非國有企業(yè)的智能財(cái)務(wù)與企業(yè)財(cái)務(wù)績(jī)效的回歸結(jié)果。根據(jù)回歸結(jié)果顯示，國有企業(yè)與非國有企業(yè)的智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效都有正向的影響作用，但是影響的程度有所差異。通過標(biāo)準(zhǔn)化系數(shù)可以看出，國有企業(yè)中智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效的標(biāo)準(zhǔn)化系數(shù)為0.379，影響程度低于非國有企業(yè)中智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效的標(biāo)準(zhǔn)化系數(shù)0.587，研究結(jié)論與客觀實(shí)際相符。

七、穩(wěn)健性檢驗(yàn)

對(duì)于實(shí)證結(jié)果的穩(wěn)健性檢驗(yàn)可以通過替換自變量或因變量進(jìn)行。本文在自變量及其他控制變量不變的情況下替換因變量，總資產(chǎn)EVA率（TEVAR）替換EVA率（EVAR）作為因變量進(jìn)行穩(wěn)健性檢驗(yàn)?？紤]到智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效的影響存在滯后效應(yīng)，在穩(wěn)健性的再次檢驗(yàn)中，在原變量不變的前提下將自變量替換為上年的智能財(cái)務(wù)水平（SF-1）。其中總資產(chǎn)EVA率=EVA/平均總資產(chǎn)，平均總資產(chǎn)=（期末資產(chǎn)總計(jì)+期末資產(chǎn)總計(jì)）/2?；貧w結(jié)果如表5所示。

表5中列（2）為替換因變量的檢驗(yàn)結(jié)果，SF對(duì)TEVAR仍然顯著正相關(guān)，且影響程度最大；列（2-1）與（2-0）分別為國有企業(yè)與非國有企業(yè)的分組回歸結(jié)果，國有企業(yè)與非國有企業(yè)的智能財(cái)務(wù)與財(cái)務(wù)績(jī)效仍然呈現(xiàn)正向的相關(guān)性，其中，國有企業(yè)下的智能財(cái)務(wù)與財(cái)務(wù)績(jī)效在5%的水平上相關(guān)性顯著，非國有企業(yè)在1%的水平上相關(guān)性顯著，國有企業(yè)下的智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效在所研究的變量中的影響程度明顯低于非國有企業(yè)；列（3）為替換自變量SF-1的檢驗(yàn)結(jié)果，列（3-1）與（3-0）分別為國有企業(yè)與非國有企業(yè)的分組回歸結(jié)果。綜上分析，研究結(jié)論未發(fā)生實(shí)質(zhì)性改變，因此研究結(jié)果具有較強(qiáng)的穩(wěn)健性。

八、研究結(jié)論與建議

本文基于已有文獻(xiàn)中關(guān)于智能財(cái)務(wù)與財(cái)務(wù)績(jī)效之間的定性研究結(jié)論，與《2022年中國共享服務(wù)領(lǐng)域調(diào)研報(bào)告——邁向世界一流》的相關(guān)調(diào)研結(jié)果，對(duì)企業(yè)實(shí)施智能財(cái)務(wù)與財(cái)務(wù)績(jī)效的影響進(jìn)行深入的定量研究。結(jié)果表明，企業(yè)實(shí)施智能財(cái)務(wù)通過降低營業(yè)成本、提高研發(fā)能力來提高企業(yè)的財(cái)務(wù)績(jī)效，且通過降低營業(yè)成本來提高企業(yè)的財(cái)務(wù)績(jī)效的影響路徑更為顯著。進(jìn)一步研究發(fā)現(xiàn)，該影響存在產(chǎn)權(quán)異質(zhì)性，產(chǎn)權(quán)屬性影響智能財(cái)務(wù)與財(cái)務(wù)績(jī)效的相關(guān)性程度與影響程度，非國有企業(yè)智能財(cái)務(wù)與財(cái)務(wù)績(jī)效的相關(guān)性程度、正向影響程度均明顯高于國有企業(yè)?；诖耍疚倪M(jìn)一步提出以下建議：

1.企業(yè)應(yīng)加大對(duì)智能財(cái)務(wù)建設(shè)的投入

根據(jù)本文的研究結(jié)論，實(shí)施智能財(cái)務(wù)對(duì)于企業(yè)財(cái)務(wù)績(jī)效有正向影響。另外，實(shí)施智能財(cái)務(wù)可以幫助企業(yè)在降低成本費(fèi)用的同時(shí)提高運(yùn)營效率，最終表現(xiàn)出對(duì)企業(yè)整體績(jī)效的提升。因此本文建議規(guī)模較大、分支機(jī)構(gòu)比較多的集團(tuán)可以實(shí)施智能財(cái)務(wù)，優(yōu)化企業(yè)財(cái)務(wù)流程，提高財(cái)務(wù)管理的效率。

2.與國有企業(yè)相比，非國有企業(yè)應(yīng)該優(yōu)先考慮實(shí)施智能財(cái)務(wù)

根據(jù)本文的研究結(jié)論，非國有企業(yè)中智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效的正向作用更顯著，可以讓非國有企業(yè)以更加靈活的方式實(shí)施和發(fā)展智能財(cái)務(wù)，進(jìn)而推廣到更多的企業(yè)。

3.制定完善的智能財(cái)務(wù)持續(xù)優(yōu)化方案

既然本文研究結(jié)論是智能財(cái)務(wù)對(duì)財(cái)務(wù)績(jī)效有正向作用，那么制定完善的持續(xù)優(yōu)化方案就是為智能財(cái)務(wù)后續(xù)的發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。企業(yè)想要僅通過建立智能財(cái)務(wù)就解決管理上的問題是遠(yuǎn)遠(yuǎn)不夠，還需要對(duì)后續(xù)的流程不斷進(jìn)行優(yōu)化，避免出現(xiàn)現(xiàn)有流程與實(shí)際情況脫軌的現(xiàn)象。

【參考文獻(xiàn)】

［1］ 高建，汪劍飛，魏平.企業(yè)技術(shù)創(chuàng)新績(jī)效指標(biāo)：現(xiàn)狀、問題和新概念模型［J］.科研管理，2004（S1）：14-22.

［2］ 李婉紅，王帆.智能化轉(zhuǎn)型、成本粘性與企業(yè)績(jī)效——基于傳統(tǒng)制造企業(yè)的實(shí)證檢驗(yàn)［J］.科學(xué)學(xué)研究，2022，40（1）：91-102.

［3］ 王玉法，王莎，王團(tuán)委.財(cái)務(wù)共享服務(wù)實(shí)施與企業(yè)績(jī)效關(guān)系研究——基于隨機(jī)效應(yīng)模型［J］.會(huì)計(jì)之友，2019（21）：81-87.

［4］ 楊皖蘇，楊善林.中國情境下企業(yè)社會(huì)責(zé)任與財(cái)務(wù)績(jī)效關(guān)系的實(shí)證研究——基于大、中小型上市公司的對(duì)比分析［J］.中國管理科學(xué)，2016，24（1）：143-150.

［5］ 周仁俊，喻天舒，楊戰(zhàn)兵.公司治理激勵(lì)機(jī)制與業(yè)績(jī)?cè)u(píng)價(jià)［J］.會(huì)計(jì)研究，2005（11）：26-31，96.

［6］ 周志剛，韓雙，王一村.供應(yīng)鏈金融對(duì)核心企業(yè)EVA經(jīng)營績(jī)效的影響研究——基于家電行業(yè)的多案例［J］.財(cái)會(huì)通訊，2022（2）：107-111.

［7］ 李睿，劉向偉.談經(jīng)濟(jì)增加值（EVA）與平衡計(jì)分卡（BSC）的整合［J］.現(xiàn)代管理科學(xué)，2010（8）：108-110.

［8］ 劉運(yùn)國，陳國菲.BSC與EVA相結(jié)合的企業(yè)績(jī)效評(píng)價(jià)研究——基于GP企業(yè)集團(tuán)的案例分析［J］.會(huì)計(jì)研究，2007（9）：50-59，96.

［9］ 申志東.運(yùn)用層次分析法構(gòu)建國有企業(yè)績(jī)效評(píng)價(jià)體系［J］.審計(jì)研究，2013（2）：106-112.

［10］ 陳翼.“大智移云”時(shí)代財(cái)務(wù)共享服務(wù)中心績(jī)效評(píng)價(jià)體系研究［J］.會(huì)計(jì)之友，2018（16）：73-78.

［11］ 耿晶晶，劉莉.商業(yè)生態(tài)系統(tǒng)中核心企業(yè)財(cái)務(wù)績(jī)效評(píng)價(jià)［J］.管理現(xiàn)代化，2019，39（3）：67-69.

［12］ 李聞一，于文杰，李菊花.智能財(cái)務(wù)共享的選擇、實(shí)現(xiàn)要素和路徑［J］.會(huì)計(jì)之友，2019（8）：115-121.

［13］ 張慶龍.下一代財(cái)務(wù)：數(shù)字化與智能化［J］.財(cái)會(huì)月刊，2020（10）：3-7.

［14］ 許漢友，趙靜.財(cái)務(wù)共享推動(dòng)企業(yè)高質(zhì)量發(fā)展了嗎［J］.財(cái)會(huì)月刊，2022（20）：34-43.

［15］ 楊寅，劉勤，黃虎，等.智能財(cái)務(wù)共享服務(wù)中心運(yùn)營管理研究［J］.會(huì)計(jì)之友，2020（19）：143-147.

［16］ 彭啟發(fā)，王慧秋，王海兵.會(huì)計(jì)人工智能存在的風(fēng)險(xiǎn)與對(duì)策研究［J］.會(huì)計(jì)之友，2019（5）：114-119.

［17］ 何瑛，周訪，李嬌.中國企業(yè)集團(tuán)實(shí)施財(cái)務(wù)共享服務(wù)有效性的實(shí)證研究——來自2004—2008年的經(jīng)驗(yàn)數(shù)據(jù)［J］.經(jīng)濟(jì)與管理研究，2013（8）：57-65.

［18］ JEONGYEON KIM，et al.A study on performance evaluation of intelligent collaboration system［J］.Multimed Tools Appl，2017，34（C）.

【基金項(xiàng)目】 黑龍江省哲學(xué)社會(huì)科學(xué)研究規(guī)劃項(xiàng)目（21GLE294）

【作者簡(jiǎn)介】 姜雪松（1976— ），男，山東武城人，博士，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院副院長、副教授，研究方向：公司財(cái)務(wù)、智能會(huì)計(jì)；王蕊（1996— ），女，遼寧鞍山人，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院助教，研究方向：數(shù)據(jù)分析、智能審計(jì)；管凌玉（1999— ），女，山東莒縣人，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院碩士研究生，研究方向：財(cái)務(wù)會(huì)計(jì)；杜礎(chǔ)行（1997— ），男，黑龍江伊春人，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院碩士研究生，研究方向：財(cái)務(wù)會(huì)計(jì)

① 王蕊為通訊作者。