石道元（教授），戴家琳，蔣水全（副教授）

一、引言

創(chuàng)新是企業(yè)高質(zhì)量發(fā)展的基礎(chǔ)。創(chuàng)新活動(dòng)具有投資周期長(zhǎng)、投資金額大等特點(diǎn)，這就導(dǎo)致創(chuàng)新投資風(fēng)險(xiǎn)較大。處于數(shù)字經(jīng)濟(jì)時(shí)代，產(chǎn)業(yè)變革及企業(yè)創(chuàng)新的機(jī)遇就是進(jìn)行數(shù)字化轉(zhuǎn)型。數(shù)字化轉(zhuǎn)型是指企業(yè)利用以大智移云物區(qū)為代表的數(shù)字技術(shù)，整合信息數(shù)據(jù)，提高數(shù)字能力，從而提升資源配置效率，最終全面助力企業(yè)創(chuàng)新（李蒼舒和沈艷，2019）。2022 年是我國(guó)數(shù)字化轉(zhuǎn)型全面發(fā)力的一年，國(guó)家全面啟動(dòng)“東數(shù)西算”工程，規(guī)劃了數(shù)十個(gè)國(guó)家數(shù)據(jù)中心集群，數(shù)字技術(shù)已經(jīng)深度融入各行各業(yè)，其融合程度之深、影響范圍之廣前所未有。2023 年政府工作報(bào)告進(jìn)一步指出，我國(guó)要大力發(fā)展數(shù)字經(jīng)濟(jì)，加快傳統(tǒng)產(chǎn)業(yè)和中小企業(yè)數(shù)字化轉(zhuǎn)型，促進(jìn)我國(guó)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)加速融合。

美國(guó)經(jīng)濟(jì)學(xué)家熊彼特于1912 年首次提出了“企業(yè)創(chuàng)新”概念，并明確企業(yè)創(chuàng)新體系涵蓋制度、技術(shù)、市場(chǎng)和管理這四個(gè)方面的創(chuàng)新。目前，針對(duì)企業(yè)創(chuàng)新方面的研究多是從其影響因素入手，主要包括內(nèi)部因素和外部因素。其中內(nèi)部因素涉及企業(yè)股權(quán)結(jié)構(gòu)、企業(yè)規(guī)模（陳林等，2019）等，而外部因素主要涵蓋融資市場(chǎng)環(huán)境、宏觀經(jīng)濟(jì)政策等（顧夏銘等，2018）。相較而言，國(guó)內(nèi)的數(shù)字化轉(zhuǎn)型多以案例分析為主，少有的實(shí)證研究也多局限于制造業(yè)、金融業(yè)等特定行業(yè)（李壽喜和王袁晗，2022；唐紳峰等，2023；張澤南等，2023）。隨著數(shù)字經(jīng)濟(jì)全領(lǐng)域的縱深發(fā)展，人們愈發(fā)關(guān)心數(shù)字化轉(zhuǎn)型背景下的企業(yè)創(chuàng)新影響機(jī)制問(wèn)題。綜觀此類研究，主要聚焦于以下三個(gè)方面：其一是人才效應(yīng)。楊潔等（2022）研究表明，數(shù)字化轉(zhuǎn)型會(huì)導(dǎo)致企業(yè)需求的人才類型發(fā)生變化，人才效應(yīng)在數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)創(chuàng)新過(guò)程中發(fā)揮著中介作用。其二是動(dòng)態(tài)能力。張吉昌等（2022）從適應(yīng)能力等動(dòng)態(tài)能力視角分析了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響機(jī)制，并證實(shí)了動(dòng)態(tài)能力在其中的中介效應(yīng)。其三是知識(shí)管理視角。張振剛等（2022）認(rèn)為，數(shù)字化轉(zhuǎn)型可以提高企業(yè)的知識(shí)管理水平，從而促進(jìn)企業(yè)商業(yè)模式的創(chuàng)新。

上述研究在很大程度上深化了社會(huì)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型作用于企業(yè)創(chuàng)新機(jī)理的認(rèn)識(shí)。但不可否認(rèn)的是，現(xiàn)有研究忽略了源自企業(yè)自身的會(huì)計(jì)信息披露的傳導(dǎo)因素。已有研究顯示，在數(shù)字技術(shù)的支持下，企業(yè)能夠從大量的非標(biāo)準(zhǔn)化數(shù)據(jù)中提煉出數(shù)據(jù)價(jià)值，便于對(duì)內(nèi)外部信息進(jìn)行數(shù)據(jù)分析，從而提高信息披露質(zhì)量（陳中飛等，2022），進(jìn)而推動(dòng)企業(yè)創(chuàng)新發(fā)展（李慧云等，2020）。可見(jiàn)，會(huì)計(jì)信息披露質(zhì)量在數(shù)字化轉(zhuǎn)型作用于企業(yè)創(chuàng)新的過(guò)程中可能發(fā)揮著重要的傳導(dǎo)效用。由此，本文擬從會(huì)計(jì)信息披露質(zhì)量的視角出發(fā)，探討企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的作用機(jī)理，并進(jìn)一步探究不同的經(jīng)濟(jì)區(qū)域和企業(yè)產(chǎn)權(quán)性質(zhì)在企業(yè)數(shù)字化轉(zhuǎn)型賦能企業(yè)創(chuàng)新過(guò)程中的調(diào)節(jié)效應(yīng)。

本文可能的邊際貢獻(xiàn)包括：第一，現(xiàn)有研究多從人才效應(yīng)、動(dòng)態(tài)能力及知識(shí)管理等視角考察數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的作用機(jī)制，而本文則基于會(huì)計(jì)信息披露質(zhì)量視角探究此問(wèn)題，這為研究我國(guó)企業(yè)創(chuàng)新問(wèn)題提供了新的經(jīng)驗(yàn)證據(jù)，也進(jìn)一步豐富了企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新的研究?jī)?nèi)容；第二，揭示了經(jīng)濟(jì)區(qū)域和企業(yè)產(chǎn)權(quán)性質(zhì)在數(shù)字化轉(zhuǎn)型推動(dòng)企業(yè)創(chuàng)新過(guò)程中的調(diào)節(jié)作用，也為新時(shí)代企業(yè)創(chuàng)新提供了新路徑。

二、理論分析與研究假說(shuō)

（一）企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

在數(shù)字經(jīng)濟(jì)時(shí)代，企業(yè)管理逐漸融入以大智移云物區(qū)為代表的數(shù)字技術(shù)，這使得企業(yè)的創(chuàng)新行為更開放、生產(chǎn)流程更智能，進(jìn)而推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型，而數(shù)字化轉(zhuǎn)型也會(huì)通過(guò)制度、生產(chǎn)技術(shù)、產(chǎn)品市場(chǎng)、企業(yè)管理等多種渠道反哺企業(yè)創(chuàng)新。

首先是制度創(chuàng)新。制度環(huán)境要符合外部經(jīng)濟(jì)環(huán)境需求（戚聿東和褚席，2021），在企業(yè)數(shù)字化發(fā)展過(guò)程中，不同轉(zhuǎn)型期間適用不同的制度邏輯，在階段轉(zhuǎn)換時(shí)刻就會(huì)產(chǎn)生一定的沖突，此時(shí)企業(yè)可以主動(dòng)進(jìn)行制度創(chuàng)新來(lái)影響政策，進(jìn)而減少不同制度之間的矛盾，即數(shù)字化轉(zhuǎn)型能夠促進(jìn)制度創(chuàng)新。其次是技術(shù)創(chuàng)新。生產(chǎn)過(guò)程中融入數(shù)字技術(shù)能夠更加精細(xì)地記錄各種生產(chǎn)數(shù)據(jù)，這些數(shù)據(jù)能夠助力企業(yè)生產(chǎn)技術(shù)的優(yōu)化創(chuàng)新。同時(shí)，數(shù)字化轉(zhuǎn)型本身會(huì)為企業(yè)帶來(lái)先進(jìn)的智能技術(shù)，會(huì)促進(jìn)企業(yè)的生產(chǎn)更加智能化、高效化。再次是市場(chǎng)創(chuàng)新。數(shù)字化轉(zhuǎn)型會(huì)幫助企業(yè)充分利用互聯(lián)網(wǎng)平臺(tái)，企業(yè)可以依靠各種平臺(tái)與消費(fèi)者和供應(yīng)者進(jìn)行交流以開發(fā)潛在需求，或者通過(guò)大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)平臺(tái)抓取潛在消費(fèi)者數(shù)據(jù)（陳劍等，2020），從而進(jìn)行市場(chǎng)創(chuàng)新。最后是管理創(chuàng)新。數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)組織管理扁平化創(chuàng)新，數(shù)字技術(shù)推動(dòng)企業(yè)量化管理結(jié)果，借助數(shù)字化系統(tǒng)提高企業(yè)內(nèi)部交流效率和辦事效率，從而建立一個(gè)高效的內(nèi)部管理體系。由此，本文提出以下假設(shè)：

H1：數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)創(chuàng)新水平。

（二）企業(yè)數(shù)字化轉(zhuǎn)型、會(huì)計(jì)信息披露質(zhì)量與企業(yè)創(chuàng)新

信息披露質(zhì)量是指對(duì)信息使用者而言信息的優(yōu)劣程度，其重要性顯而易見(jiàn)。根據(jù)深交所的相關(guān)工作細(xì)則可知，會(huì)計(jì)信息披露質(zhì)量主要從真實(shí)性、準(zhǔn)確性、完整性、及時(shí)性、合法合規(guī)性和公平性六方面進(jìn)行考評(píng)（許元鐙等，2022）。

首先，真實(shí)性和準(zhǔn)確性方面，數(shù)字技術(shù)能夠幫助企業(yè)挖掘更多的信息，同時(shí)數(shù)據(jù)處理的手段也更加智能化，這會(huì)減少數(shù)據(jù)處理過(guò)程中產(chǎn)生的錯(cuò)誤，從而提高信息的真實(shí)性、準(zhǔn)確性。其次，完整性方面。數(shù)字化轉(zhuǎn)型所引入的數(shù)字技術(shù)能夠幫助企業(yè)處理非結(jié)構(gòu)化、非標(biāo)準(zhǔn)化的數(shù)據(jù)，進(jìn)而獲取更全面、更完整的信息。再次，及時(shí)性方面。隨著企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展，企業(yè)內(nèi)部數(shù)據(jù)處理手段不斷革新，加速了企業(yè)財(cái)務(wù)信息的處理，同時(shí)也使企業(yè)能夠運(yùn)用更多的技術(shù)手段挖掘更多的企業(yè)信息，從而提高企業(yè)信息披露的及時(shí)性。然后，合法合規(guī)性方面。數(shù)字化轉(zhuǎn)型可以通過(guò)提高管理效率、減少企業(yè)管理者的機(jī)會(huì)主義行為等來(lái)提高企業(yè)的經(jīng)營(yíng)效率。當(dāng)企業(yè)經(jīng)營(yíng)向好，企業(yè)管理者因自身利益而操縱信息的可能性就會(huì)降低（呂英和張鳳琪，2022），從而也就提升了其合法合規(guī)性。最后，公平性方面。數(shù)字技術(shù)可以通過(guò)區(qū)塊鏈共享使信息使用者掌握公司的全部財(cái)務(wù)情況，避免產(chǎn)生不公平現(xiàn)象。

進(jìn)一步地，會(huì)計(jì)信息披露質(zhì)量也會(huì)促進(jìn)企業(yè)創(chuàng)新發(fā)展。一方面，企業(yè)創(chuàng)新所需要的資金較為龐大且回報(bào)期較長(zhǎng)，大部分企業(yè)都不會(huì)有足夠的自有資金來(lái)進(jìn)行創(chuàng)新投資，故而需要進(jìn)行融資。較高的會(huì)計(jì)信息披露質(zhì)量能使?jié)撛谄髽I(yè)投資者更加了解企業(yè)情況，更放心地對(duì)企業(yè)進(jìn)行投資，同時(shí)銀行也更愿意提供借款給信息披露質(zhì)量更高的企業(yè)（張興亮和夏成才，2015），如此能夠緩解企業(yè)的融資約束，促進(jìn)企業(yè)增加創(chuàng)新投入，進(jìn)而提高企業(yè)創(chuàng)新水平。另一方面，當(dāng)企業(yè)信息不對(duì)稱程度較高時(shí)會(huì)產(chǎn)生代理問(wèn)題，企業(yè)的信息披露質(zhì)量越高，企業(yè)的管理者和其他利益相關(guān)者的目標(biāo)就越一致。當(dāng)企業(yè)的代理問(wèn)題得到緩解，企業(yè)創(chuàng)新也就能得到進(jìn)一步發(fā)展（高燕等，2019）。因此，數(shù)字化轉(zhuǎn)型通過(guò)真實(shí)性、準(zhǔn)確性等六個(gè)方面提升會(huì)計(jì)信息披露質(zhì)量后，能進(jìn)一步依靠信息質(zhì)量的提升來(lái)緩解融資約束和代理問(wèn)題，最終提升企業(yè)創(chuàng)新水平。綜合以上分析，本文提出如下假設(shè)：

H2：會(huì)計(jì)信息披露質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響中存在顯著的中介效應(yīng)。

三、研究設(shè)計(jì)

（一）樣本選擇與變量定義

1.樣本選擇與數(shù)據(jù)來(lái)源。考慮到企業(yè)創(chuàng)新等數(shù)據(jù)的可得性，本文選取2009 ～2021 年我國(guó)滬深A(yù) 股上市公司為初始研究樣本，并對(duì)樣本數(shù)據(jù)進(jìn)行以下處理：剔除處于ST、*ST 及PT 狀態(tài)的研究樣本；考慮到金融行業(yè)資產(chǎn)負(fù)債率的特殊性，剔除了金融行業(yè)樣本；為確保數(shù)據(jù)的完整性，剔除了數(shù)據(jù)缺失和異常的樣本。最后得到3791 個(gè)樣本企業(yè)，共計(jì)25114 個(gè)觀測(cè)值。本文對(duì)所有連續(xù)性變量進(jìn)行了上下1%的縮尾處理。會(huì)計(jì)信息披露質(zhì)量和控制變量的數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR），其余變量來(lái)源于Wind數(shù)據(jù)庫(kù)。

2.變量定義。

（1）被解釋變量：企業(yè)創(chuàng)新（Innovation）。當(dāng)前，針對(duì)企業(yè)創(chuàng)新的度量主要來(lái)自兩個(gè)方面：一是從創(chuàng)新產(chǎn)出角度用專利申請(qǐng)、授權(quán)數(shù)量等數(shù)據(jù)進(jìn)行測(cè)量（孔東民等，2017）；二是從創(chuàng)新投入的角度來(lái)衡量企業(yè)創(chuàng)新強(qiáng)度。本文參考孔東明等（2017）的研究，采用產(chǎn)出角度的專利申請(qǐng)數(shù)量進(jìn)行測(cè)度，即根據(jù)專利申請(qǐng)年份的申請(qǐng)數(shù)量來(lái)度量企業(yè)創(chuàng)新。這主要是因?yàn)椋菏紫?，相較于研發(fā)投入如R&D等數(shù)據(jù)，發(fā)明專利與科技能力之間有著強(qiáng)烈的相關(guān)性，能更貼切地展現(xiàn)企業(yè)創(chuàng)新水平（周煊等，2012）；其次，相較于專利授權(quán)數(shù)量，專利申請(qǐng)數(shù)量更為穩(wěn)定和真實(shí)，因?yàn)閷＠跈?quán)數(shù)量可能由于需要檢測(cè)或年費(fèi)繳納等問(wèn)題而存在更多的不確定性和不穩(wěn)定性，同時(shí)專利在申請(qǐng)過(guò)程中往往已為企業(yè)做出貢獻(xiàn)（黎文靖和鄭曼妮，2016）。具體而言，本文將各企業(yè)每年發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利三種類型的專利申請(qǐng)數(shù)量加總得到創(chuàng)新總量，用發(fā)明專利申請(qǐng)量來(lái)度量創(chuàng)新質(zhì)量，用非發(fā)明專利申請(qǐng)量即實(shí)用新型專利和外觀設(shè)計(jì)專利的申請(qǐng)總量來(lái)度量創(chuàng)新數(shù)量?？紤]到專利申請(qǐng)數(shù)據(jù)的右偏性，本文對(duì)所有專利數(shù)值加上1 之后取自然對(duì)數(shù)，最終得到變量Patent、Patent1 和Patent23，分別表示創(chuàng)新總量、創(chuàng)新質(zhì)量及創(chuàng)新數(shù)量。

（2）核心解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型程度（DCG）。對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型的測(cè)度，國(guó)內(nèi)研究多采用詞頻統(tǒng)計(jì)法，即統(tǒng)計(jì)上市公司年報(bào)中關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)詞頻（吳非等，2021）。本文參照吳非等（2021）提出的數(shù)字化轉(zhuǎn)型詞頻框架，統(tǒng)計(jì)上市公司年報(bào)中相關(guān)詞頻來(lái)刻畫數(shù)字化轉(zhuǎn)型程度?？紤]到該加總數(shù)據(jù)的右偏性，對(duì)該數(shù)據(jù)采取加1后取自然對(duì)數(shù)的處理方法，最終得到企業(yè)數(shù)字化轉(zhuǎn)型的評(píng)測(cè)值DCG。

（3）中介變量：會(huì)計(jì)信息披露質(zhì)量（Deg）。本文參照張穎（2021）的研究，使用滬深交易所公布的信息評(píng)級(jí)來(lái)度量會(huì)計(jì)信息披露質(zhì)量，考評(píng)結(jié)果共有優(yōu)秀、良好、合格、不合格四個(gè)等級(jí)，并根據(jù)評(píng)級(jí)結(jié)果進(jìn)行賦值：4（優(yōu)秀）、3（良好）、2（合格）、1（不合格）。

（4）控制變量。為確?；貧w模型的解釋效力，防止相關(guān)虛假內(nèi)容干擾研究結(jié)論，在參考現(xiàn)有文獻(xiàn)的基礎(chǔ)上（張穎，2021；謝琨和張正鑾，2022），本文對(duì)公司特征及對(duì)被解釋變量產(chǎn)生影響的可能因素進(jìn)行控制，設(shè)定主要控制變量如下：企業(yè)規(guī)模（Size）、是否虧損（Loss）、兩職合一（Dual）、產(chǎn)權(quán)性質(zhì)（Soe）、是否四大（Big4）、董事人數(shù)（Board）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)收益率（Roa）、現(xiàn)金流比率（Cashflow）、固定資產(chǎn)密集度（Fixed）。

上述變量定義見(jiàn)表1。

表1 變量定義

（二）模型構(gòu)建

本文采用發(fā)明專利等三個(gè)不同維度的創(chuàng)新產(chǎn)出數(shù)據(jù)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)行回歸。由于創(chuàng)新產(chǎn)出數(shù)據(jù)具有左斷尾分布特征。而Tobit模型可用于解決“刪失或受限被解釋變量”類似問(wèn)題，因此本文擬采用Tobit 回歸模型估計(jì)。為了驗(yàn)證H1，構(gòu)建Tobit回歸模型（1）：

上述模型中，被解釋變量Innovation 表示創(chuàng)新產(chǎn)出，即Patent、Patent1和Patent23，其分別指專利申請(qǐng)總量、發(fā)明專利申請(qǐng)量和非發(fā)明專利申請(qǐng)量。Controls為控制變量，具體為一系列可能影響創(chuàng)新產(chǎn)出的企業(yè)和行業(yè)特征變量，見(jiàn)表1。同時(shí)，本文還對(duì)行業(yè)（Industry）和年度（Year）進(jìn)行了控制。

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果如表2 所示。企業(yè)創(chuàng)新Patent、Patent1、Patent23 的最大值分別為7.184、6.531、6.332，最小值均為0，均值分別為2.588、1.785、2.076，標(biāo)準(zhǔn)差分別為1.712、1.503、1.640，這說(shuō)明我國(guó)企業(yè)整體創(chuàng)新能力還有較大的提升空間，我國(guó)企業(yè)創(chuàng)新水平具有較明顯的差距。企業(yè)數(shù)字化轉(zhuǎn)型程度DCG 的最大值為4.934，最小值為0，均值為1.412，標(biāo)準(zhǔn)差為1.416，說(shuō)明我國(guó)企業(yè)數(shù)字化轉(zhuǎn)型程度的平均水平較低，不同企業(yè)的數(shù)字化轉(zhuǎn)型程度差距較大，反映了我國(guó)上市公司數(shù)字化轉(zhuǎn)型投入?yún)⒉畈积R的現(xiàn)狀。會(huì)計(jì)信息披露質(zhì)量Deg 的最大值為4，最小值為1，均值為3.034，這說(shuō)明我國(guó)各上市公司的平均會(huì)計(jì)信息披露質(zhì)量較高。在控制變量方面，樣本企業(yè)間的企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）等變量都存在不同程度的差異。

表2 主要變量描述性統(tǒng)計(jì)

（二）基準(zhǔn)回歸分析

表3 模型（1）的回歸結(jié)果顯示，企業(yè)創(chuàng)新Patent、Patent1、Patent23 與企業(yè)數(shù)字化轉(zhuǎn)型程度DCG 的系數(shù)分別為0.269、0.285、0.215，即企業(yè)數(shù)字化轉(zhuǎn)型程度每提高10%，企業(yè)創(chuàng)新水平也隨之提升2.69%、2.85%、2.15%，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型程度與企業(yè)創(chuàng)新顯著正相關(guān)，且上述數(shù)據(jù)均在1%的水平上顯著。因此，數(shù)字化轉(zhuǎn)型程度越高，對(duì)企業(yè)創(chuàng)新的促進(jìn)作用越明顯，H1 得到驗(yàn)證。同時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型程度（DCG）與會(huì)計(jì)信息披露質(zhì)量（Deg）的系數(shù)為0.023，表明數(shù)字化轉(zhuǎn)型程度提升10%就能促進(jìn)會(huì)計(jì)信息披露質(zhì)量提高0.23%，即數(shù)字化轉(zhuǎn)型對(duì)會(huì)計(jì)信息披露質(zhì)量有顯著的正向促進(jìn)作用，上述數(shù)據(jù)在1%的水平上顯著。

表3 基準(zhǔn)回歸結(jié)果

（三）穩(wěn)健性檢驗(yàn)

1.工具變量法。本文借助余江龍等（2022）的研究思路，使用同一年度某企業(yè)所在省份其他所有企業(yè)的數(shù)字化轉(zhuǎn)型程度均值作為工具變量。該工具變量符合相關(guān)性和外生性兩個(gè)約束條件：一方面，該企業(yè)所在省份的所有企業(yè)通常具有相似的數(shù)字化轉(zhuǎn)型程度，且共同享受地區(qū)所提供的數(shù)字化轉(zhuǎn)型基礎(chǔ)設(shè)施，符合相關(guān)性；另一方面，由于各企業(yè)對(duì)于數(shù)字化轉(zhuǎn)型的主觀能動(dòng)性不同，同省份其他企業(yè)的數(shù)字化轉(zhuǎn)型程度很難直接影響本企業(yè)的創(chuàng)新活動(dòng)，符合外生性。工具變量的有效性檢驗(yàn)結(jié)果顯示：Durbin-Wu-Hausman檢驗(yàn)值均在p＜1%的顯著性水平上拒絕原假設(shè)，說(shuō)明內(nèi)生性問(wèn)題存在。同時(shí)，2SLS 兩階段最小二乘回歸估計(jì)法中第一階段的F 值均高于10，且在p＜1%的水平上顯著，說(shuō)明本文選取的工具變量與核心解釋變量具有很強(qiáng)的相關(guān)性，不存在弱工具變量問(wèn)題。在此基礎(chǔ)上，本文采用2SLS 模型進(jìn)行工具變量估計(jì)，以考察企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的影響。從表4 列（1）、（2）、（3）的結(jié)果來(lái)看，企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的三個(gè)變量都具有顯著正向影響，說(shuō)明在緩解潛在內(nèi)生性問(wèn)題之后，H1依然得到驗(yàn)證。

表4 穩(wěn)健性檢驗(yàn)結(jié)果

2.傾向得分匹配法（PSM）。為避免樣本自選擇問(wèn)題，本文采用傾向得分匹配法（PSM）進(jìn)行檢驗(yàn)。根據(jù)企業(yè)數(shù)字化轉(zhuǎn)型水平將企業(yè)進(jìn)行排序，取前25%的樣本為數(shù)字化轉(zhuǎn)型水平較高的實(shí)驗(yàn)組，其余為控制組。建立虛擬變量DCG_dum，將實(shí)驗(yàn)組（高數(shù)字化轉(zhuǎn)型水平）取1，控制組（低數(shù)字化轉(zhuǎn)型水平）取0，同時(shí)選取是否虧損（Loss）、兩職合一（Dual）、產(chǎn)權(quán)性質(zhì)（Soe）、是否四大（Big4）這四項(xiàng)個(gè)體背景特征進(jìn)行配對(duì)，采用半徑匹配法，閾值設(shè)置為0.01，最后篩選出10824 個(gè)樣本。根據(jù)PSM 平行假設(shè)檢驗(yàn)結(jié)果發(fā)現(xiàn)，匹配前實(shí)驗(yàn)組和控制組，各變量都存在顯著性差異，說(shuō)明實(shí)驗(yàn)組、控制組樣本個(gè)體背景特征有著不一致性，上述特征均屬于干擾因素。在匹配之后，上述四項(xiàng)干擾因素在實(shí)驗(yàn)組和控制組兩組間并沒(méi)有表現(xiàn)出顯著性，說(shuō)明匹配后的實(shí)驗(yàn)組和控制組在個(gè)體特征上具有一致性。綜合上述分析發(fā)現(xiàn)，本次PSM 有著良好的效果，PSM 匹配后數(shù)據(jù)可進(jìn)一步使用。根據(jù)前述篩選得到的樣本對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度和企業(yè)創(chuàng)新間的關(guān)系進(jìn)行回歸分析，結(jié)果如表4列（4）、（5）、（6）所示，結(jié)果再次驗(yàn)證了前文假說(shuō)。

3.所有解釋變量滯后一期?；蛟S有人對(duì)上述企業(yè)數(shù)字化轉(zhuǎn)型程度影響企業(yè)創(chuàng)新的結(jié)論存在質(zhì)疑，即是否存在遺漏變量同時(shí)影響企業(yè)數(shù)字化轉(zhuǎn)型程度和企業(yè)創(chuàng)新，進(jìn)而影響本文結(jié)論。此外，由于創(chuàng)新過(guò)程需要耗費(fèi)一定的時(shí)間，可能存在相應(yīng)的內(nèi)生性問(wèn)題。鑒于此，本文參考茅寧（2022）的研究將所有解釋變量滯后一期，以解決部分內(nèi)生性問(wèn)題，回歸結(jié)果如表4 列（7）、（8）、（9）所示。表4中顯示，滯后一期的數(shù)字化轉(zhuǎn)型程度（DCG）每提高1%，Patent、Patent1、Patent23 分別提高0.215%、0.215%、0.147%，且在1%的水平上顯著，H1依然成立。

4.變更回歸模型。為了避免模型設(shè)定原因?qū)е碌淖兞筷P(guān)系不穩(wěn)健，本文采用面板模型來(lái)分析變量關(guān)系。首先進(jìn)行F檢驗(yàn)和Hausman 檢驗(yàn)，綜合二者結(jié)果，最終確定選用公司固定效應(yīng)回歸模型進(jìn)行估計(jì)分析，回歸結(jié)果如表4列（10）、（11）、（12）所示。根據(jù)面板模型回歸結(jié)果，Patent、Patent1、Patent23 與可知DCG 的系數(shù)分別為0.064、0.085、0.038，且均在1%的水平上顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型程度與企業(yè)創(chuàng)新顯著正相關(guān)，即改變回歸模型后H1仍然成立。

（四）中介效應(yīng)檢驗(yàn)

本文根據(jù)Baron 和Kenny（2016）提出的因果逐步回歸法來(lái)進(jìn)行中介效應(yīng)檢驗(yàn)，表5 列示了企業(yè)數(shù)字化轉(zhuǎn)型程度、會(huì)計(jì)信息披露質(zhì)量與企業(yè)創(chuàng)新之間的中介效應(yīng)檢驗(yàn)結(jié)果。為減少多重共線性問(wèn)題，表5 中的被解釋變量、解釋變量和中介變量均經(jīng)標(biāo)準(zhǔn)化處理。此處，僅對(duì)企業(yè)創(chuàng)新指標(biāo)Patent 進(jìn)行分析：首先，模型（1）、模型（2）中企業(yè)數(shù)字化轉(zhuǎn)型程度（DCG）的回歸系數(shù)分別為0.176、0.053且顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新（Patent）和會(huì)計(jì)信息披露質(zhì)量（Deg）產(chǎn)生顯著的正向影響；其次，模型（3）中數(shù)字化轉(zhuǎn)型的系數(shù)為0.167，會(huì)計(jì)信息披露質(zhì)量回歸系數(shù)為0.097，均顯著，這表明企業(yè)數(shù)字化轉(zhuǎn)型程度和會(huì)計(jì)信息披露質(zhì)量共同作用時(shí)，亦對(duì)企業(yè)創(chuàng)新有顯著促進(jìn)作用。以上分析表明，會(huì)計(jì)信息披露質(zhì)量在DCG和Patent 之間發(fā)揮著部分中介作用。對(duì)于企業(yè)創(chuàng)新指標(biāo)Patent1、Patent23的分析同上所述，最終得到會(huì)計(jì)信息披露質(zhì)量（Deg）在數(shù)字化轉(zhuǎn)型程度（DCG）和企業(yè)創(chuàng)新（Patent、Patent1、Patent23）之間發(fā)揮著部分中介的作用。由此，H2得到驗(yàn)證。

表5 中介效應(yīng)檢驗(yàn)結(jié)果

前面運(yùn)用因果逐步回歸法檢驗(yàn)了會(huì)計(jì)信息質(zhì)量（Deg）的中介傳導(dǎo)效應(yīng)，為確保檢驗(yàn)結(jié)果的準(zhǔn)確性和穩(wěn)健性，本文運(yùn)用系數(shù)乘積法來(lái)進(jìn)一步檢驗(yàn)分析。根據(jù)系數(shù)乘積檢驗(yàn)方法的不同，又可進(jìn)一步分為Sobel檢驗(yàn)法和Bootstrap 抽樣法。首先，從表5最后一行的Sobel檢驗(yàn)結(jié)果來(lái)看，企業(yè)數(shù)字化轉(zhuǎn)型程度→會(huì)計(jì)信息披露質(zhì)量→企業(yè)創(chuàng)新Patent、企業(yè)數(shù)字化轉(zhuǎn)型程度→會(huì)計(jì)信息披露質(zhì)量→企業(yè)創(chuàng)新Patent1、企業(yè)數(shù)字化轉(zhuǎn)型程度→會(huì)計(jì)信息披露質(zhì)量→企業(yè)創(chuàng)新Patent23 的Sobel Z檢驗(yàn)統(tǒng)計(jì)值均在1%的水平上顯著，說(shuō)明會(huì)計(jì)信息披露質(zhì)量（Deg）的中介效應(yīng)顯著。相較Sobel檢驗(yàn)法，Bootstrap 抽樣法檢驗(yàn)功效更強(qiáng)，且對(duì)于中介作用抽樣分布并沒(méi)有限制，其應(yīng)用更為廣泛。結(jié)合表6，通過(guò)對(duì)乘積系數(shù)Bootstrap 區(qū)間中介效應(yīng)檢驗(yàn)發(fā)現(xiàn)，在Bootstrap 估計(jì)方法抽樣1000 次之后，β2和θ 系數(shù)乘積的95%置信區(qū)間均不包括數(shù)字0，會(huì)計(jì)信息披露質(zhì)量的中介效應(yīng)均顯著。進(jìn)一步的系數(shù)乘積法檢驗(yàn)結(jié)果表明，會(huì)計(jì)信息披露質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的影響中存在顯著的中介傳導(dǎo)效應(yīng)，H2得到進(jìn)一步驗(yàn)證。

表6 Bootstrap中介效應(yīng)檢驗(yàn)

五、異質(zhì)性分析

企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新產(chǎn)生了顯著的正向激勵(lì)效應(yīng)，但是這種激勵(lì)效應(yīng)是否會(huì)因企業(yè)自身性質(zhì)以及所處經(jīng)濟(jì)區(qū)域而產(chǎn)生差異。本部分對(duì)此進(jìn)行探究，以挖掘更深層次的數(shù)字化激勵(lì)創(chuàng)新的特征。

（一）產(chǎn)權(quán)異質(zhì)性

由于政府政策傾向和組織結(jié)構(gòu)等方面的差異，國(guó)有企業(yè)和非國(guó)有企業(yè)在創(chuàng)新方面存在明顯的差別，本文以企業(yè)的產(chǎn)權(quán)性質(zhì)為分組依據(jù)進(jìn)行異質(zhì)性分析。表7 的分樣本結(jié)果顯示，在列（1）、列（3）和列（5）的非國(guó)有企業(yè)中，數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的回歸系數(shù)分別為0.258、0.259、0.211，均在1%的水平上顯著；而在列（2）、列（4）和列（6）的國(guó)有企業(yè)中，數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的驅(qū)動(dòng)效用更強(qiáng)，其回歸系數(shù)分別為0.342、0.376 和0.260，均大于非國(guó)有企業(yè)的相關(guān)系數(shù)。從經(jīng)濟(jì)意義上分析，企業(yè)的數(shù)字化轉(zhuǎn)型程度每提升10%，非國(guó)有企業(yè)的創(chuàng)新總量（Patent）提升2.58%，而國(guó)有企業(yè)的創(chuàng)新總量（Patent）提升3.42%，兩類企業(yè)數(shù)字化轉(zhuǎn)型提升所引致的創(chuàng)新質(zhì)量（Patent1）和創(chuàng)新數(shù)量（Patent23）變動(dòng)也有類似的差異。該現(xiàn)象產(chǎn)生的原因可能是國(guó)有企業(yè)治理缺乏有效性，且政府干預(yù)導(dǎo)致職業(yè)經(jīng)理人等人才流失（沈紅波等，2019），而企業(yè)數(shù)字化轉(zhuǎn)型有利于促進(jìn)企業(yè)提升管理效率和引入人力資源，進(jìn)而促進(jìn)企業(yè)創(chuàng)新（付劍茹和王可，2022）。綜合分析發(fā)現(xiàn)，國(guó)有企業(yè)相比于非國(guó)有企業(yè)在企業(yè)管理效率和人力管理方面有更大的發(fā)展空間。也就是說(shuō)，國(guó)有企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型一方面可提高管理效率，另一方面可促進(jìn)人力資源的科學(xué)管理，進(jìn)而提高企業(yè)創(chuàng)新的邊際效用（高于非國(guó)有企業(yè)）。

表7 基于產(chǎn)權(quán)異質(zhì)性的檢驗(yàn)

（二）區(qū)域異質(zhì)性

由于不同地區(qū)的數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施、經(jīng)濟(jì)發(fā)展水平等客觀條件存在一定的差異，因此不同經(jīng)濟(jì)區(qū)域的企業(yè)數(shù)字化激勵(lì)創(chuàng)新的效果可能有所差異，本文據(jù)此進(jìn)行實(shí)證分析。根據(jù)《中共中央、國(guó)務(wù)院關(guān)于促進(jìn)中部地區(qū)崛起的若干意見(jiàn)》，我國(guó)的經(jīng)濟(jì)區(qū)域被劃分為東北部、東部、中部、西部四大地區(qū)。本文據(jù)此將上市企業(yè)按注冊(cè)地劃分為東北部、東部、中部、西部，并以此進(jìn)行分組回歸來(lái)探討不同區(qū)域企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的促進(jìn)作用的差異?；貧w結(jié)果如表8 所示，企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的促進(jìn)作用在西部地區(qū)最為明顯，其回歸系數(shù)分別為0.387（Patent）、0.355（Patent1）、0.338（Patent23），其經(jīng)濟(jì)意義為西部地區(qū)企業(yè)的數(shù)字化轉(zhuǎn)型每提升10%，該企業(yè)的創(chuàng)新總量（Patent）、創(chuàng)新質(zhì)量（Patent1）和創(chuàng)新數(shù)量（Patent23）都會(huì)隨之增長(zhǎng)3.87%、3.55%、3.38%。東部地區(qū)次之，數(shù)字化轉(zhuǎn)型程度促進(jìn)企業(yè)創(chuàng)新總量（Patent）和企業(yè)創(chuàng)新質(zhì)量（Patent1）的效果較好，其回歸系數(shù)分別是0.271 和0.295。東北部和中部企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的激勵(lì)作用較小?？赡艿脑蛟谟冢航陙?lái)，國(guó)家大力開展“東數(shù)西算”等工程，對(duì)數(shù)字經(jīng)濟(jì)的基礎(chǔ)建設(shè)投資巨大，西部地區(qū)比如重慶、四川等省份的數(shù)字化發(fā)展進(jìn)程相對(duì)較為迅速，具備一定的數(shù)字經(jīng)濟(jì)基礎(chǔ)，而當(dāng)?shù)貐^(qū)的數(shù)字經(jīng)濟(jì)化較為深入，企業(yè)數(shù)字化轉(zhuǎn)型也就更能促進(jìn)企業(yè)創(chuàng)新。另外，東部地區(qū)比如北京、上海、廣東等地的人才、技術(shù)更為先進(jìn)，更包容數(shù)字化轉(zhuǎn)型方式，故而也比較有優(yōu)勢(shì)。因此，在數(shù)字經(jīng)濟(jì)時(shí)代，應(yīng)該統(tǒng)籌推進(jìn)東北部等大數(shù)據(jù)技術(shù)落后地區(qū)的數(shù)字化建設(shè)，縮小各區(qū)域數(shù)字化轉(zhuǎn)型差距，尋求各地區(qū)共同發(fā)展。

表8 區(qū)域異質(zhì)性回歸結(jié)果

六、結(jié)論及啟示

（一）研究結(jié)論

本文基于2009 ～2021年我國(guó)滬深A(yù)股上市公司樣本數(shù)據(jù)開展研究，參照前人研究的統(tǒng)計(jì)詞頻方法來(lái)衡量企業(yè)數(shù)字化轉(zhuǎn)型程度，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的激勵(lì)作用，驗(yàn)證了會(huì)計(jì)信息披露質(zhì)量在數(shù)字化轉(zhuǎn)型促進(jìn)創(chuàng)新過(guò)程中發(fā)揮的中介傳導(dǎo)效應(yīng)，并進(jìn)一步探討了產(chǎn)權(quán)差異、地區(qū)差異在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)創(chuàng)新過(guò)程中的不同調(diào)節(jié)效應(yīng)。主要研究結(jié)論如下：

首先，企業(yè)數(shù)字化轉(zhuǎn)型會(huì)對(duì)企業(yè)創(chuàng)新產(chǎn)生促進(jìn)作用，能夠提高企業(yè)創(chuàng)新水平。同時(shí)，會(huì)計(jì)信息披露質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響中發(fā)揮著中介傳導(dǎo)作用，即在企業(yè)數(shù)字化轉(zhuǎn)型影響企業(yè)創(chuàng)新的過(guò)程中，其數(shù)字化轉(zhuǎn)型程度的提高可以提升會(huì)計(jì)信息披露質(zhì)量進(jìn)而促進(jìn)企業(yè)創(chuàng)新。

其次，與非國(guó)有企業(yè)相比，國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型給企業(yè)創(chuàng)新帶來(lái)的驅(qū)動(dòng)效應(yīng)更加明顯，即國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型所帶來(lái)的企業(yè)創(chuàng)新績(jī)效增幅大于非國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型所帶來(lái)的企業(yè)創(chuàng)新績(jī)效增幅。

再次，與東北、東部及中部區(qū)域相比，西部地區(qū)企業(yè)的數(shù)字化轉(zhuǎn)型程度對(duì)企業(yè)創(chuàng)新的激勵(lì)作用最為突出，數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新總量、創(chuàng)新質(zhì)量、創(chuàng)新數(shù)量這三個(gè)維度的促進(jìn)效果都非常明顯，可見(jiàn)西部地區(qū)數(shù)字化轉(zhuǎn)型程度驅(qū)動(dòng)創(chuàng)新效果顯著。東部地區(qū)企業(yè)的數(shù)字化轉(zhuǎn)型程度促進(jìn)創(chuàng)新總量和創(chuàng)新質(zhì)量的效果都非常明顯，對(duì)創(chuàng)新數(shù)量的激勵(lì)效果一般，這說(shuō)明東部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度促進(jìn)企業(yè)創(chuàng)新效果也較為理想。四個(gè)區(qū)域中，東北部和中部地區(qū)的促進(jìn)效果一般。

（二）研究啟示

上述結(jié)論為我國(guó)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的激勵(lì)作用提供了理論借鑒和實(shí)踐指導(dǎo)，具體如下：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)創(chuàng)新水平，其可以通過(guò)會(huì)計(jì)信息披露質(zhì)量這一作用路徑來(lái)實(shí)現(xiàn)。但數(shù)字化轉(zhuǎn)型和企業(yè)創(chuàng)新都具有較大的投資風(fēng)險(xiǎn)，對(duì)各企業(yè)而言，在數(shù)字經(jīng)濟(jì)時(shí)代找好定位，制定符合自身特征的數(shù)字化戰(zhàn)略和企業(yè)創(chuàng)新策略是重中之重。

1.企業(yè)積極開展數(shù)字化轉(zhuǎn)型，整合數(shù)據(jù)資源，引進(jìn)數(shù)字平臺(tái)，推動(dòng)企業(yè)創(chuàng)新?！白儎t興，不變則衰”，企業(yè)應(yīng)找準(zhǔn)時(shí)機(jī)、制定合適的策略進(jìn)行數(shù)字化轉(zhuǎn)型，從而多方面驅(qū)動(dòng)創(chuàng)新。一方面，企業(yè)應(yīng)基于數(shù)字思維進(jìn)行管理結(jié)構(gòu)創(chuàng)新，借助數(shù)字化產(chǎn)物提升反應(yīng)效率和運(yùn)營(yíng)效率。另一方面，企業(yè)要提高云計(jì)算等新興數(shù)字科技的運(yùn)用能力，加強(qiáng)技術(shù)創(chuàng)新。此外，要注重?cái)?shù)字平臺(tái)的構(gòu)建，通過(guò)數(shù)字平臺(tái)加強(qiáng)與消費(fèi)者或投資者等利益相關(guān)者的聯(lián)系，從而促進(jìn)市場(chǎng)創(chuàng)新。

2.企業(yè)加快數(shù)字化轉(zhuǎn)型進(jìn)程，改進(jìn)數(shù)字技術(shù)，提升會(huì)計(jì)信息披露質(zhì)量。數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)的會(huì)計(jì)信息披露質(zhì)量提升。因此，企業(yè)應(yīng)積極引入數(shù)字技術(shù)融入數(shù)據(jù)搜集、處理、發(fā)布等流程中，提高信息傳遞效率，避免信息處理差錯(cuò)，努力提升會(huì)計(jì)信息披露質(zhì)量。

3.地區(qū)政府加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，縮小區(qū)域差距。由區(qū)域異質(zhì)性分析可知，地區(qū)數(shù)字經(jīng)濟(jì)的基礎(chǔ)建設(shè)是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的基本。因此，政府應(yīng)加大數(shù)字基礎(chǔ)設(shè)施的投入度，推進(jìn)區(qū)域數(shù)字化建設(shè)，數(shù)字建設(shè)落后區(qū)域尤其應(yīng)注重區(qū)域交流，及時(shí)引進(jìn)以大數(shù)據(jù)為代表的新興數(shù)字技術(shù)，激發(fā)數(shù)字化轉(zhuǎn)型所帶來(lái)的創(chuàng)新驅(qū)動(dòng)能力，推動(dòng)地區(qū)經(jīng)濟(jì)蓬勃發(fā)展。

4.根據(jù)企業(yè)異質(zhì)性特征，因企制宜改善數(shù)字化驅(qū)動(dòng)創(chuàng)新效果。國(guó)有企業(yè)應(yīng)該抓住數(shù)字化轉(zhuǎn)型的時(shí)機(jī)，通過(guò)引入數(shù)字技術(shù)緩解管理僵化、規(guī)范人力資源培養(yǎng)，通過(guò)管理創(chuàng)新優(yōu)化企業(yè)經(jīng)營(yíng)。非國(guó)有企業(yè)應(yīng)該分析自身經(jīng)營(yíng)狀況、生命周期等個(gè)性特征，由此制定合理的數(shù)字化轉(zhuǎn)型方案，從而實(shí)現(xiàn)對(duì)創(chuàng)新的激勵(lì)。

【 主要參考文獻(xiàn)】

陳劍，黃朔，劉運(yùn)輝.從賦能到使能——數(shù)字化環(huán)境下的企業(yè)運(yùn)營(yíng)管理［J］.管理世界，2020（2）：117 ～128+222.

陳林，萬(wàn)攀兵，許瑩盈.混合所有制企業(yè)的股權(quán)結(jié)構(gòu)與創(chuàng)新行為——基于自然實(shí)驗(yàn)與斷點(diǎn)回歸的實(shí)證檢驗(yàn)［J］.管理世界，2019（10）：186 ～205.

陳中飛，江康奇，殷明美.數(shù)字化轉(zhuǎn)型能緩解企業(yè)“融資貴”嗎［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2022（8）：79 ～97.

付劍茹，王可.企業(yè)數(shù)字化發(fā)展何以促進(jìn)創(chuàng)新［J］.產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2022（5）：51 ～69.

顧夏銘，陳勇民，潘士遠(yuǎn).經(jīng)濟(jì)政策不確定性與創(chuàng)新——基于我國(guó)上市公司的實(shí)證分析［J］.經(jīng)濟(jì)研究，2018（2）：109 ～123.

孔東民，徐茗麗，孔高文.企業(yè)內(nèi)部薪酬差距與創(chuàng)新［J］.經(jīng)濟(jì)研究，2017（10）：144 ～157.

黎文靖，鄭曼妮.實(shí)質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對(duì)微觀企業(yè)創(chuàng)新的影響［J］.經(jīng)濟(jì)研究，2016（4）：60 ～73.

李蒼舒，沈艷.數(shù)字經(jīng)濟(jì)時(shí)代下新金融業(yè)態(tài)風(fēng)險(xiǎn)的識(shí)別、測(cè)度及防控［J］.管理世界，2019（12）：53 ～69.

李慧云，劉倩穎，歐倩，符少燕.產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)視角下信息披露與企業(yè)創(chuàng)新［J］.統(tǒng)計(jì)研究，2020（7）：80 ～92.

李壽喜，王袁晗.企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新——來(lái)自電子制造業(yè)的經(jīng)驗(yàn)證據(jù)［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2022（8）：19 ～26.

茅寧，徐萌.近鄰效應(yīng)與企業(yè)資本結(jié)構(gòu)決策——基于中國(guó)滬深A(yù) 股上市企業(yè)的經(jīng)驗(yàn)證據(jù)［J］.武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2022（3）：124 ～135.

戚聿東，褚席.數(shù)字經(jīng)濟(jì)發(fā)展、經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型與跨越中等收入陷阱［J］.財(cái)經(jīng)研究，2021（7）：18 ～32+168.

沈紅波，張金清，張廣婷.國(guó)有企業(yè)混合所有制改革中的控制權(quán)安排——基于云南白藥混改的案例研究［J］.管理世界，2019（10）：206 ～217.

唐紳峰，蔣海，吳文洋.銀行數(shù)字化背景下宏觀審慎監(jiān)管政策的有效性及優(yōu)化策略［J］.當(dāng)代經(jīng)濟(jì)管理，2023（3）：85 ～96.

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(chǎng)表現(xiàn)——來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021（7）：130 ～144+10.

謝琨，張正鑾.企業(yè)數(shù)字化、政府補(bǔ)貼與企業(yè)技術(shù)創(chuàng)新投入［J］.哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022（3）：57 ～64.

許元鐙，許超亞，鐘廷勇.期望績(jī)效反饋與公司會(huì)計(jì)信息披露：如其所愿抑或事與愿違？［J］.學(xué)習(xí)與探索，2022（11）：161 ～169.

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

余江龍，周建，崔敏.數(shù)字普惠金融與地區(qū)間共同富裕——理論邏輯和經(jīng)驗(yàn)證據(jù)［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022（10）：1 ～15.

張吉昌，龍靜.數(shù)字化轉(zhuǎn)型、動(dòng)態(tài)能力與企業(yè)創(chuàng)新績(jī)效——來(lái)自高新技術(shù)上市企業(yè)的經(jīng)驗(yàn)證據(jù)［J］.經(jīng)濟(jì)與管理，2022（3）：74 ～83.

張興亮，夏成才.會(huì)計(jì)信息透明度、政治關(guān)聯(lián)與信貸資金配置效率：來(lái)自中國(guó)民營(yíng)上市公司的經(jīng)驗(yàn)證據(jù)［J］.證券市場(chǎng)導(dǎo)報(bào)，2015（7）：36 ～45.

張穎.信息披露質(zhì)量、內(nèi)部控制與企業(yè)創(chuàng)新［J］.生產(chǎn)力研究，2021（12）：86～91.

張澤南，錢欣鈺，曹新偉.企業(yè)數(shù)字化轉(zhuǎn)型的綠色創(chuàng)新效應(yīng)研究：實(shí)質(zhì)性創(chuàng)新還是策略性創(chuàng)新？［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2023（1）：86 ～100.

周煊，程立茹，王皓.技術(shù)創(chuàng)新水平越高企業(yè)財(cái)務(wù)績(jī)效越好嗎？——基于16年中國(guó)制藥上市公司專利申請(qǐng)數(shù)據(jù)的實(shí)證研究［J］.金融研究，2012（8）：166 ～179.

Baron R.M.，Kenny D.A..The moderator-mediator variable distinction in social psychological research：Conceptual，strategic，and statistical considerations［J］.Journal of Personality and Social Psychology，1986（51）：1173 ～1182.