梁權(quán)熙,王智宇,黃暢婷,楊慧維

(廣西大學(xué) 經(jīng)濟(jì)學(xué)院, 廣西 南寧 530004)

一、引言與文獻(xiàn)綜述

“從高速增長(zhǎng)階段轉(zhuǎn)為高質(zhì)量發(fā)展階段”是黨的十九大以來社會(huì)各界對(duì)中國(guó)經(jīng)濟(jì)發(fā)展的共識(shí),當(dāng)前中國(guó)正處于新舊動(dòng)能轉(zhuǎn)換的關(guān)鍵時(shí)期。科學(xué)技術(shù)作為第一生產(chǎn)力,其創(chuàng)新和發(fā)展是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵因素,包括互聯(lián)網(wǎng)在內(nèi)的一系列新興信息科技與數(shù)字技術(shù)成為21世紀(jì)最具潛力的創(chuàng)新技術(shù)。數(shù)字信息技術(shù)的快速發(fā)展推動(dòng)了新一輪信息技術(shù)革命和產(chǎn)業(yè)變革,經(jīng)濟(jì)數(shù)字化也在全球掀起了浪潮。數(shù)字經(jīng)濟(jì)已經(jīng)成為當(dāng)今發(fā)展速度最快、輻射范圍最廣以及創(chuàng)新最活躍的經(jīng)濟(jì)活動(dòng),對(duì)驅(qū)動(dòng)全球經(jīng)濟(jì)增長(zhǎng)起到越來越重要的作用。隨著數(shù)字技術(shù)與經(jīng)濟(jì)社會(huì)各領(lǐng)域融合的深度和廣度不斷拓展,經(jīng)濟(jì)數(shù)字化使人類的生產(chǎn)生活方式發(fā)生了巨大變革。在數(shù)字技術(shù)的支持下,人們的生產(chǎn)生活方式從線下轉(zhuǎn)移到線上,在線購物、在線教育、在線娛樂等新的生活方式走進(jìn)了千家萬戶,智能制造、網(wǎng)絡(luò)制造等新的生產(chǎn)模式不斷涌現(xiàn);此外,數(shù)字經(jīng)濟(jì)也催生了新的商業(yè)模式,如網(wǎng)紅經(jīng)濟(jì)、社群經(jīng)濟(jì)、共享經(jīng)濟(jì)等。2021年,中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模已經(jīng)達(dá)到45.5萬億元,占GDP的39.8%(1)數(shù)據(jù)來自《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(2022)》。。數(shù)字經(jīng)濟(jì)已經(jīng)成為國(guó)民經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐,而推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型、完成產(chǎn)業(yè)升級(jí)更是當(dāng)代中國(guó)轉(zhuǎn)型發(fā)展的重要戰(zhàn)略。在此背景下,探討經(jīng)濟(jì)數(shù)字化如何賦能企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)從而推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要的理論和現(xiàn)實(shí)意義。

學(xué)者們就經(jīng)濟(jì)數(shù)字化對(duì)經(jīng)濟(jì)社會(huì)不同方面的影響進(jìn)行了大量研究,發(fā)現(xiàn)經(jīng)濟(jì)數(shù)字化主要通過提高全要素生產(chǎn)率、擴(kuò)大信息獲取范圍、減少信息獲取成本來影響經(jīng)濟(jì)社會(huì)的各個(gè)方面。在宏觀層面,姜松等[1]認(rèn)為數(shù)字經(jīng)濟(jì)對(duì)實(shí)體經(jīng)濟(jì)具有擠出效應(yīng),但也有學(xué)者對(duì)此有不一樣的看法。趙濤等[2]發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)通過促進(jìn)大眾創(chuàng)業(yè)進(jìn)而推動(dòng)城市實(shí)現(xiàn)高質(zhì)量發(fā)展。郭家堂等[3]發(fā)現(xiàn)互聯(lián)網(wǎng)對(duì)屬于技術(shù)進(jìn)步推動(dòng)型的中國(guó)全要素生產(chǎn)率有著顯著促進(jìn)作用,且存在顯著的“網(wǎng)絡(luò)效應(yīng)”。此外,眾多學(xué)者研究發(fā)現(xiàn)互聯(lián)網(wǎng)通過降低搜尋成本以及交易成本促進(jìn)商品市場(chǎng)[4]、金融市場(chǎng)[5]、勞動(dòng)力市場(chǎng)[6]等的發(fā)展。在微觀層面,學(xué)者們更加關(guān)注經(jīng)濟(jì)數(shù)字化對(duì)企業(yè)的影響。企業(yè)通過信息技術(shù)對(duì)海量的數(shù)據(jù)進(jìn)行搜集、存儲(chǔ)、分析,提高了其信息處理能力,降低了企業(yè)內(nèi)外部信息不對(duì)稱程度[7],提高了生產(chǎn)效率[8]。從企業(yè)成本的角度來看,高固定成本、低邊際成本是互聯(lián)網(wǎng)領(lǐng)域普遍存在的特征[9],由此降低了行業(yè)平均成本,形成了規(guī)模經(jīng)濟(jì),從而促進(jìn)了企業(yè)產(chǎn)量的增加。李三希等[10]指出在數(shù)字經(jīng)濟(jì)時(shí)代,活動(dòng)數(shù)據(jù)化以及數(shù)據(jù)信息化減少了信息摩擦,從而降低了信息搜尋成本。從企業(yè)邊界的角度來看,施炳展等、袁淳等[11-12]認(rèn)為,經(jīng)濟(jì)數(shù)字化通過降低交易成本促進(jìn)企業(yè)專業(yè)化分工;Johnson等[13]認(rèn)為,在數(shù)字經(jīng)濟(jì)時(shí)代,企業(yè)通過將數(shù)字信息技術(shù)與傳統(tǒng)生產(chǎn)模式進(jìn)行深度融合,催生了實(shí)體經(jīng)濟(jì)與互聯(lián)網(wǎng)虛擬經(jīng)濟(jì)相融合的“跨界經(jīng)營(yíng)”現(xiàn)象[14]。從商業(yè)模式的角度來看,數(shù)字信息技術(shù)推動(dòng)了數(shù)字化平臺(tái)的發(fā)展,通過整合線上線下資源,創(chuàng)造出眾多新的商業(yè)模式和業(yè)態(tài),形成平臺(tái)經(jīng)濟(jì)[15];此外,數(shù)字技術(shù)的發(fā)展使企業(yè)更容易去中介化,催生出精準(zhǔn)敏捷的產(chǎn)品或服務(wù)供應(yīng)生產(chǎn)模式[16],實(shí)現(xiàn)個(gè)性化定制和標(biāo)準(zhǔn)化生產(chǎn)之間的無縫銜接[17]。從融資約束的角度來看,在數(shù)字技術(shù)的支持下,互聯(lián)網(wǎng)金融及普惠金融得以快速發(fā)展,緩解了企業(yè)融資約束[18-19]。從研發(fā)創(chuàng)新的角度來看,經(jīng)濟(jì)數(shù)字化提升了企業(yè)的創(chuàng)新能力及創(chuàng)新績(jī)效[20-21];另外,數(shù)字技術(shù)也可以幫助企業(yè)以更低的成本對(duì)創(chuàng)新活動(dòng)進(jìn)行信息分析、方向把握與過程優(yōu)化,降低了研發(fā)風(fēng)險(xiǎn)[22-23]。

回顧已有文獻(xiàn)可以發(fā)現(xiàn),經(jīng)濟(jì)數(shù)字化的最大特點(diǎn)在于可以極大地提升信息可利用度、加快信息流動(dòng)速度并降低信息傳遞成本,從而有效降低利益相關(guān)者之間信息不對(duì)稱程度。企業(yè)投資是涉及多個(gè)經(jīng)濟(jì)主體的經(jīng)濟(jì)活動(dòng),信息在其中扮演著十分重要的角色。首先,企業(yè)管理者需要信息輔助投資決策以應(yīng)對(duì)投資過程中的不確定性。當(dāng)管理者獲取的信息不全面、不充分時(shí),謹(jǐn)慎的管理者為了規(guī)避未來面臨的市場(chǎng)風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)等,通常會(huì)降低投資意愿[24]。李善民等[25]基于社會(huì)網(wǎng)絡(luò)視角,研究了社會(huì)網(wǎng)絡(luò)對(duì)企業(yè)并購的影響,發(fā)現(xiàn)基于社會(huì)網(wǎng)絡(luò)的信息優(yōu)勢(shì)轉(zhuǎn)變成信息資源之后,通過降低信息搜尋成本,管理者可以及時(shí)發(fā)現(xiàn)潛在并購機(jī)會(huì)、借鑒已有的并購案例或經(jīng)驗(yàn)教訓(xùn)、降低談判成本、降低并購過程中的事前不確定性和事后不確定性,從而促進(jìn)企業(yè)并購行為以及提升并購績(jī)效。其次,從資金供給者(即投資者和債權(quán)人)的角度,信息不對(duì)稱使投資者和債權(quán)人相比于企業(yè)管理者處于信息劣勢(shì),為了規(guī)避風(fēng)險(xiǎn),投資者和債權(quán)人按照市場(chǎng)均值進(jìn)行定價(jià),導(dǎo)致逆向選擇,從而產(chǎn)生“檸檬市場(chǎng)”[26]。一方面,擁有良好投資機(jī)會(huì)的企業(yè)的外部融資成本上升,導(dǎo)致投資不足;另一方面,現(xiàn)金流入投資機(jī)會(huì)欠佳的企業(yè),造成投資過度。

現(xiàn)有研究主要考察了數(shù)字金融對(duì)企業(yè)投資效率的影響[27],對(duì)數(shù)字經(jīng)濟(jì)是否影響企業(yè)投資的關(guān)注并不多,但我們對(duì)數(shù)字經(jīng)濟(jì)是否以及如何影響企業(yè)投資仍然知之甚少。一方面,經(jīng)濟(jì)數(shù)字化是涉及各個(gè)經(jīng)濟(jì)主體的全方位變革,單獨(dú)研究某一主體的數(shù)字化變革對(duì)企業(yè)投資的影響具有片面性;另一方面,對(duì)于不同特質(zhì)的企業(yè),經(jīng)濟(jì)數(shù)字化對(duì)企業(yè)投資的影響是否表現(xiàn)出差異化還需要進(jìn)一步探究。因此,本文選取2010—2016年中國(guó)A股上市企業(yè)數(shù)據(jù),運(yùn)用我國(guó)“信息惠民國(guó)家試點(diǎn)城市”對(duì)經(jīng)濟(jì)數(shù)字化的政策性外生沖擊,通過比較試點(diǎn)與非試點(diǎn)城市企業(yè)在試點(diǎn)前后的投資差異的變化情況(Difference in Difference)來識(shí)別經(jīng)濟(jì)數(shù)字化對(duì)企業(yè)投資的實(shí)際作用效果,并研究其內(nèi)在作用機(jī)理以及在不同情境下的異質(zhì)性問題。

本文的創(chuàng)新點(diǎn)主要有:第一,豐富了經(jīng)濟(jì)數(shù)字化的微觀經(jīng)濟(jì)效果與企業(yè)投資領(lǐng)域的相關(guān)文獻(xiàn);第二,基于“信息惠民國(guó)家試點(diǎn)城市”這一政策事件對(duì)經(jīng)濟(jì)數(shù)字化的外生沖擊,探討經(jīng)濟(jì)數(shù)字化對(duì)企業(yè)投資的影響,在全面考察經(jīng)濟(jì)數(shù)字化對(duì)企業(yè)投資影響的同時(shí),極大地避免了內(nèi)生性的問題,提高了結(jié)果的可信性;第三,基于數(shù)字技術(shù)帶來的信息豐富度與有效性,研究了經(jīng)濟(jì)數(shù)字化影響企業(yè)投資的作用機(jī)理,有助于打開經(jīng)濟(jì)數(shù)字化如何影響企業(yè)投資的“黑箱”,同時(shí)為人們理解信息如何影響經(jīng)濟(jì)決策從而影響資源的配置效率提供新的角度和證據(jù)。

二、政策背景與研究假設(shè)

(一)政策背景

2014年,國(guó)家發(fā)展和改革委員會(huì)正式頒布《關(guān)于同意深圳市等80個(gè)城市建設(shè)信息惠民國(guó)家試點(diǎn)城市的通知》,在其提出的一系列目標(biāo)中,與數(shù)字化、信息化相關(guān)的目標(biāo)有:不斷升級(jí)完善科技以提高公共安全及城市管理智能化水平,逐漸縮小城鄉(xiāng)信息基礎(chǔ)條件差距,快速擴(kuò)展壯大數(shù)字生活、電子商務(wù)等信息服務(wù)新業(yè)態(tài)。該項(xiàng)行動(dòng)計(jì)劃旨在推動(dòng)民生領(lǐng)域進(jìn)一步實(shí)現(xiàn)數(shù)字化和信息化,因此,該試點(diǎn)政策對(duì)促進(jìn)地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展有著重要作用。試點(diǎn)地區(qū)數(shù)字經(jīng)濟(jì)獲得發(fā)展后又會(huì)從內(nèi)在動(dòng)力和外部支持兩個(gè)層面推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。

首先,試點(diǎn)城市數(shù)字經(jīng)濟(jì)發(fā)展對(duì)企業(yè)數(shù)字化轉(zhuǎn)型存在規(guī)范化及模仿性同構(gòu)效應(yīng)[28]。一方面,試點(diǎn)城市數(shù)字經(jīng)濟(jì)獲得發(fā)展后將促使當(dāng)?shù)厣虡I(yè)系統(tǒng)逐漸實(shí)現(xiàn)數(shù)字化,使數(shù)字化轉(zhuǎn)型逐步成為城市內(nèi)成員的統(tǒng)一認(rèn)知,迫使企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。另一方面,出于社會(huì)學(xué)習(xí)、競(jìng)爭(zhēng)模仿和規(guī)范壓力,當(dāng)觀察到地區(qū)內(nèi)的其他企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型時(shí),焦點(diǎn)企業(yè)也傾向于進(jìn)行數(shù)字化轉(zhuǎn)型[29]。其次,地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展為企業(yè)數(shù)字化轉(zhuǎn)型提供了技術(shù)支撐條件和金融條件[22]。一方面,企業(yè)數(shù)字化轉(zhuǎn)型與信息惠民工程項(xiàng)目之間在底層技術(shù)上具有高度同源性,均涉及人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等相關(guān)技術(shù),因此就底層架構(gòu)技術(shù)層面而言,信息惠民工程項(xiàng)目能夠?yàn)槠髽I(yè)提供有力的外部技術(shù)支撐,從而助力企業(yè)逐步實(shí)現(xiàn)數(shù)字化。另一方面,數(shù)字金融或者說數(shù)字普惠金融是信息惠民工程建設(shè)的一個(gè)重要領(lǐng)域。借助新一代信息技術(shù),數(shù)字金融可以對(duì)海量的非標(biāo)準(zhǔn)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行低成本、低風(fēng)險(xiǎn)且高效的處理[30],提高信貸資源配置效率,為企業(yè)數(shù)字化轉(zhuǎn)型提供更多資金支撐。

(二)研究假設(shè)

由前文分析可得,“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施有利于提高試點(diǎn)城市經(jīng)濟(jì)數(shù)字化程度,尤其是試點(diǎn)城市內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型程度。一方面,企業(yè)需要通過IT信息基礎(chǔ)建設(shè)、工業(yè)機(jī)器人、智能制造裝備等推進(jìn)數(shù)字化轉(zhuǎn)型,而這需要大量的投資;另一方面,數(shù)字信息技術(shù)的使用優(yōu)化了企業(yè)內(nèi)外部信息環(huán)境,并從融資約束渠道、投資機(jī)會(huì)渠道影響企業(yè)投資。

首先,“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后,降低了信息不對(duì)稱,改善了企業(yè)融資約束,從而促進(jìn)了企業(yè)投資?！靶畔⒒菝駠?guó)家試點(diǎn)城市”政策的實(shí)施促進(jìn)了試點(diǎn)城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型,使企業(yè)信息收集、處理、審計(jì)、傳遞的成本下降[31]。一方面,企業(yè)可以通過多種渠道及時(shí)發(fā)布企業(yè)動(dòng)態(tài)信息,另一方面,金融機(jī)構(gòu)或資本市場(chǎng)投資者能夠及時(shí)獲取企業(yè)生產(chǎn)經(jīng)營(yíng)狀況、財(cái)務(wù)狀況、非財(cái)務(wù)狀況等更加全面的信息[32],降低了信息不對(duì)稱程度,從而使企業(yè)能以更低的成本獲取更多的資金支持。有學(xué)者指出,信息不對(duì)稱程度的降低從整體上降低了企業(yè)融資約束[33],進(jìn)而有利于企業(yè)擴(kuò)大投資規(guī)模。此外,企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)符合當(dāng)前國(guó)家政策方針,銀行認(rèn)為進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)具有更好的發(fā)展前景以及更低的信貸風(fēng)險(xiǎn),更愿意向政策支持的企業(yè)投放更多的信貸資源[34]。試點(diǎn)城市數(shù)字普惠金融的發(fā)展也可以幫助企業(yè)拓展新的融資渠道[35],從而有效減緩企業(yè)的投資不足狀況。

其次,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊,會(huì)為試點(diǎn)城市內(nèi)的企業(yè)提供更多的投資機(jī)會(huì),同時(shí)也提高了企業(yè)將投資機(jī)會(huì)轉(zhuǎn)化為真實(shí)投資的效率。一方面,數(shù)字經(jīng)濟(jì)的發(fā)展促進(jìn)了商業(yè)模式的變革和創(chuàng)新,新的商業(yè)模式對(duì)企業(yè)來說就意味著新的商業(yè)價(jià)值,能為企業(yè)投資提供更多更新的機(jī)會(huì),比如基于數(shù)字技術(shù)發(fā)展起來的“新零售”“智能汽車”“元宇宙”等領(lǐng)域近些年來成為熱門的投資板塊。此外,馬光榮等[36]研究發(fā)現(xiàn),高鐵開通后,位于不同城市的母子公司之間的信息交流成本顯著降低,從而增加了上市公司異地投資的數(shù)量。數(shù)字信息技術(shù)的使用同樣會(huì)使交通運(yùn)輸成本大幅降低,并明顯抑制市場(chǎng)分割的不利影響,從而可以改善企業(yè)異地投資情況。另一方面,數(shù)字經(jīng)濟(jì)時(shí)代的核心特征在于活動(dòng)數(shù)據(jù)化以及數(shù)據(jù)信息化,數(shù)字經(jīng)濟(jì)的這些特征有利于減緩信息摩擦、提升市場(chǎng)效率[10]。信息摩擦的減緩使信息的搜尋成本降低,將有助于企業(yè)形成豐富且有效的信息資源池。對(duì)于企業(yè)管理者而言,這些信息讓管理者對(duì)投資機(jī)會(huì)先知先覺并能更加敏銳地把握潛在投資目標(biāo)的相關(guān)信息,進(jìn)而有助于降低企業(yè)談判成本。因此,“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施促進(jìn)了經(jīng)濟(jì)數(shù)字化,使企業(yè)能以更低的成本獲取更豐富的信息,不僅增加了企業(yè)的投資機(jī)會(huì),而且降低了企業(yè)投資過程的不確定性、降低了投資決策的失敗風(fēng)險(xiǎn)、提高了將投資機(jī)會(huì)轉(zhuǎn)化為真實(shí)投資的效率。

基于以上分析,本文預(yù)期“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施通過促進(jìn)試點(diǎn)城市經(jīng)濟(jì)數(shù)字化及提升試點(diǎn)城市內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型程度,整體上促進(jìn)企業(yè)投資,并提出以下假設(shè):

H1:相比于一直未試點(diǎn)的城市企業(yè)(控制組企業(yè)),試點(diǎn)城市企業(yè)(處理組企業(yè))的投資規(guī)模受到“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊更大,表現(xiàn)為在試點(diǎn)后處理組企業(yè)的投資規(guī)模相對(duì)于控制組企業(yè)顯著提高。

H2:“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊通過緩解企業(yè)融資約束、增加企業(yè)投資機(jī)會(huì)和異地投資以及提高投資機(jī)會(huì)轉(zhuǎn)化為真實(shí)投資的效率,增加了試點(diǎn)城市內(nèi)企業(yè)投資。

三、研究設(shè)計(jì)

(一)樣本選擇與數(shù)據(jù)來源

本文為避免樣本期過長(zhǎng)導(dǎo)致其他政策對(duì)“信息惠民國(guó)家試點(diǎn)城市”政策效應(yīng)形成干擾,在考慮控制變量滯后一期后,選取2010—2016年滬深A(yù)股上市公司作為初始樣本,并對(duì)初始樣本進(jìn)行如下清洗:(1)刪除金融類上市企業(yè)樣本;(2)刪除特殊標(biāo)記的上市企業(yè)樣本;(3)刪除資產(chǎn)負(fù)債率小于等于0的樣本;(4)刪除含有缺失值的樣本;(5)僅保留樣本期內(nèi)上市企業(yè)持續(xù)存在的樣本。經(jīng)過清洗后,最終得到7 818個(gè)樣本觀測(cè)值。為了避免極端值對(duì)實(shí)證結(jié)果的影響,本文對(duì)連續(xù)變量進(jìn)行了上下1%分位數(shù)的縮尾處理。本文使用的財(cái)務(wù)數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

(二)模型設(shè)定與變量定義

為了檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”建設(shè)帶來的經(jīng)濟(jì)數(shù)字化沖擊對(duì)企業(yè)投資規(guī)模的影響,參考黃俊等[37]的研究,本文建立如下模型:

Invit=β0+β1Treati×Postt+∑γjControlijit-1+FirmFE+YearFE+ξit

(1)

其中,因變量Inv為企業(yè)當(dāng)年新增投資支出,Inv=(構(gòu)建固定資產(chǎn)、無形資產(chǎn)和其他長(zhǎng)期資產(chǎn)支付的現(xiàn)金-處置固定資產(chǎn)、無形資產(chǎn)和其他長(zhǎng)期資產(chǎn)收回的現(xiàn)金)/年初總資產(chǎn)。Treat為分組變量,若樣本企業(yè)屬于“信息惠民國(guó)家試點(diǎn)城市”范圍內(nèi)的企業(yè)取值為1,否則取值為0;Post為政策時(shí)間變量,若當(dāng)年為2014年及之后取值為1,否則取值為0。若假設(shè)H1成立,即“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后處理組企業(yè)的投資規(guī)模相對(duì)于控制組企業(yè)顯著提高,Treati×Postt的系數(shù)β1將顯著為正。FirmFE與YearFE為企業(yè)和年份固定效應(yīng)。標(biāo)準(zhǔn)誤聚類至企業(yè)層面?？刂谱兞堪ㄆ髽I(yè)資產(chǎn)規(guī)模(Size,取自然對(duì)數(shù))、資產(chǎn)負(fù)債率(Lev)、自由現(xiàn)金流(CAF)、上市年齡(Age,取自然對(duì)數(shù))、資產(chǎn)收益率(ROA)、第一大股東持股比例(TOP1Hold)、高管持股比例(Mngshrate)、兩權(quán)分離度(Sep)以及產(chǎn)權(quán)性質(zhì)(State)。為降低可能的內(nèi)生性,控制變量除企業(yè)年齡外選取滯后一期的數(shù)值。

四、基準(zhǔn)結(jié)果與分析

(一)描述性統(tǒng)計(jì)

表1展示了主要變量的描述性統(tǒng)計(jì)結(jié)果,由表1可知:上市企業(yè)投資變量Inv的均值為0.070,表明平均下來,樣本期內(nèi)上市企業(yè)是以期初總資產(chǎn)的7%的比例進(jìn)行投資;另外,上市企業(yè)間投資差異顯著,標(biāo)準(zhǔn)差達(dá)到0.086。變量Treat的統(tǒng)計(jì)結(jié)果顯示,信息惠民城市試點(diǎn)政策覆蓋的上市企業(yè)比例為67.9%。

表1 變量的描述性統(tǒng)計(jì)

(二)平行趨勢(shì)檢驗(yàn)

對(duì)于本研究而言,雙重差分法要求在“信息惠民國(guó)家試點(diǎn)城市”政策沖擊之前,處理組和控制組企業(yè)的投資規(guī)模具有大致相同的變化趨勢(shì)。因此,本文首先利用畫圖法初步檢驗(yàn)平行趨勢(shì)假設(shè)(后文將對(duì)此作進(jìn)一步檢驗(yàn)),結(jié)果見圖1。

圖1 平行趨勢(shì)檢驗(yàn)

由圖1可知,在2014年“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施之前,試點(diǎn)城市企業(yè)和非試點(diǎn)城市企業(yè)投資規(guī)模均值都在降低,且非試點(diǎn)城市企業(yè)投資規(guī)模均值一直大于信息惠民試點(diǎn)城市企業(yè),但其下降趨勢(shì)并無顯著差異,表明可能存在平行趨勢(shì)。在政策實(shí)施之后,試點(diǎn)城市與非試點(diǎn)城市企業(yè)的投資規(guī)模均值之間的差異開始縮小,且在2015年之后,試點(diǎn)城市企業(yè)投資規(guī)模均值超過了非試點(diǎn)城市企業(yè),表明試點(diǎn)政策顯著提升了試點(diǎn)城市企業(yè)的投資規(guī)模,從而不僅證明了平行趨勢(shì)假設(shè)存在,也初步驗(yàn)證了該試點(diǎn)政策具有擴(kuò)大試點(diǎn)城市內(nèi)企業(yè)投資規(guī)模的作用。

(三)基礎(chǔ)回歸結(jié)果

表2報(bào)告了“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資規(guī)模影響的回歸結(jié)果。第(1)列僅加入了企業(yè)和年度固定效應(yīng),交乘項(xiàng)的系數(shù)顯著為正。此外,在加入了控制變量以及控制了省份—年度固定效應(yīng)后,估計(jì)結(jié)果依然與預(yù)期相符。回歸結(jié)果表明,“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后,試點(diǎn)城市的企業(yè)投資規(guī)模相比于控制組企業(yè)顯著增加。

表2 基礎(chǔ)回歸結(jié)果

本文以試點(diǎn)前一年(2013年)為基準(zhǔn)期分別構(gòu)建了5個(gè)新的虛擬變量(Before3、Before2、Current、After1、After2),并通過回歸法實(shí)證分析了“信息惠民國(guó)家試點(diǎn)城市”政策的動(dòng)態(tài)效應(yīng)并檢驗(yàn)了平行趨勢(shì)假設(shè)。具體來講,若年份等于2011年并且樣本屬于處理組,則Before3取值為1,否則為0;若年份等于2012年并且樣本屬于處理組,則Before2取值為1,否則為0,其余變量均按此規(guī)則進(jìn)行處理。若Before3及Before2的系數(shù)不顯著,則表明平行趨勢(shì)假設(shè)成立。表2第(4)列顯示:Before3及Before2的系數(shù)在統(tǒng)計(jì)學(xué)上不顯著異于0,After1、After2的系數(shù)顯著異于0。結(jié)果表明:一方面,“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施之前處理組企業(yè)和控制組企業(yè)的投資變化趨勢(shì)相似,滿足平行趨勢(shì)要求;另一方面,政策實(shí)施之后處理組和控制組企業(yè)投資規(guī)模相較于基準(zhǔn)期的變化具有顯著差異,逐漸增大的系數(shù)表明試點(diǎn)城市內(nèi)企業(yè)投資規(guī)模相較于基準(zhǔn)期的平均增加量與沒有進(jìn)行試點(diǎn)的城市內(nèi)企業(yè)相比逐年增加,“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)試點(diǎn)內(nèi)企業(yè)投資的促進(jìn)作用具有長(zhǎng)期性?？赡艿脑蚴?隨著試點(diǎn)城市信息基礎(chǔ)設(shè)施的完善、企業(yè)自身數(shù)字化轉(zhuǎn)型速度的加快,數(shù)字技術(shù)將逐漸加大對(duì)企業(yè)投資的賦能力度。

五、穩(wěn)健性檢驗(yàn)

(一)安慰劑檢驗(yàn)

由于樣本范圍內(nèi)只有68座信息惠民試點(diǎn)城市,因此,本文的安慰劑檢驗(yàn)中處理組是隨機(jī)選擇的這68座城市內(nèi)的企業(yè),控制組為剩余城市內(nèi)的企業(yè),之后完成循環(huán)1 000次的自抽樣回歸,通過觀察Treat×Post的系數(shù)均值是否趨近于0來判斷本文估計(jì)結(jié)果是否穩(wěn)健。圖2中虛豎直線表示虛擬政策的估計(jì)系數(shù)均值,實(shí)豎直線表示實(shí)際政策的估計(jì)系數(shù)。結(jié)果顯示虛擬政策的估計(jì)系數(shù)均值為-0.000 38,十分接近0,從而說明本文估計(jì)結(jié)果是穩(wěn)健的。

圖2 安慰劑檢驗(yàn)

(二)基于PSM匹配方法的檢驗(yàn)

使用DID評(píng)估政策效應(yīng)需要保證影響政策效應(yīng)的其他未包含在模型中的因素不影響政策的實(shí)施[38]。因此,本文通過傾向得分匹配(PSM)的方法為處理組匹配控制組企業(yè),而且只在公司所在城市是否被列為信息惠民城市試點(diǎn)上有區(qū)別。

根據(jù)上市企業(yè)總部辦公地所在城市,首先將2014年信息惠民國(guó)家試點(diǎn)城市內(nèi)的企業(yè)定義為處理組,將總部在其他城市的上市企業(yè)定義為初始控制組;之后,基于試點(diǎn)前一年(2013年)的樣本數(shù)據(jù),采用PSM法為處理組匹配控制組。首先,Logit回歸模型的因變量為上市企業(yè)總部辦公地所在城市是否為信息惠民國(guó)家試點(diǎn)城市虛擬變量(Treat),匹配變量在模型(1)包含的控制變量基礎(chǔ)上,增加城市層面的數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)變量City_Dig及GDP增長(zhǎng)率變量DGDP,其中,數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)的計(jì)算參考趙濤等[2]的做法(2)對(duì)互聯(lián)網(wǎng)寬帶接入用戶數(shù)/百人、計(jì)算機(jī)服務(wù)和軟件業(yè)從業(yè)人員數(shù)量/城鎮(zhèn)單位從業(yè)人員數(shù)量、人均電信業(yè)務(wù)總量、移動(dòng)電話用戶數(shù)/百人、中國(guó)數(shù)字普惠金融指數(shù)標(biāo)準(zhǔn)化后進(jìn)行主成分分析,得到數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)。數(shù)據(jù)來源:《中國(guó)城市統(tǒng)計(jì)年鑒》及北京大學(xué)數(shù)字金融研究中心。;之后基于Logit回歸得到的傾向得分,采用最鄰近且有放回的卡尺匹配配對(duì)方法(卡尺范圍為0.010)。表3第(1)列報(bào)告了使用PSM匹配后的DID回歸結(jié)果,從中可知,“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資具有促進(jìn)作用。

表3 穩(wěn)健性檢驗(yàn)——PSM匹配&投資變量重構(gòu)

(三)企業(yè)投資變量重構(gòu)

參考黃俊等[37]的方法,使用企業(yè)固定資產(chǎn)、無形資產(chǎn)、在建工程和投資性房地產(chǎn)凈額的年度變化量加總除以期初總資產(chǎn)重新構(gòu)建企業(yè)投資變量Inv2。利用Inv2重新進(jìn)行回歸,表3第(2)～(3)列結(jié)果顯示,無論是否進(jìn)行PSM匹配,交乘項(xiàng)的系數(shù)都顯著為正。

(四)剔除直轄市和省會(huì)城市樣本

考慮到直轄市和省會(huì)城市基本都被設(shè)立為信息惠民試點(diǎn)城市,而這些城市由于獨(dú)特的政治和經(jīng)濟(jì)地位,與其他城市的樣本不具有可比性,因此分別剔除直轄市城市、省會(huì)城市來控制樣本選擇偏差。表4第(1)～(2)列回歸結(jié)果顯示:剔除直轄市城市、省會(huì)城市樣本之后Treat×Post的系數(shù)依然顯著為正。

表4 其他穩(wěn)健性檢驗(yàn)

(五)樣本期調(diào)整

為避免樣本期過長(zhǎng)導(dǎo)致其他政策對(duì)“信息惠民國(guó)家試點(diǎn)城市”政策效應(yīng)形成干擾,本文將樣本期限制在2010—2016年。上文實(shí)證結(jié)果表明“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施在短期內(nèi)促進(jìn)了試點(diǎn)城市內(nèi)企業(yè)投資。但隨著時(shí)間的推移,經(jīng)濟(jì)數(shù)字化將成為各個(gè)經(jīng)濟(jì)主體的共識(shí),企業(yè)數(shù)字化轉(zhuǎn)型將得到政府、金融機(jī)構(gòu)等社會(huì)各界更大的支持,長(zhǎng)期來看,該試點(diǎn)政策的政策效應(yīng)能否依然存在值得探究。本文將樣本期重新調(diào)整為2007—2019年并重新進(jìn)行回歸,回歸結(jié)果見表4第(3)列?；貧w結(jié)果顯示:Treat×Post的系數(shù)依然顯著為正,表明從長(zhǎng)期來看“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資仍然有顯著的促進(jìn)效應(yīng)。

(六)剔除其他政策的干擾

工信部基于2013年12月和2015年1月確立的兩批信息消費(fèi)試點(diǎn)市(縣、區(qū))評(píng)審遴選出了25個(gè)信息消費(fèi)示范城市,考慮到信息消費(fèi)城市試點(diǎn)政策同樣會(huì)對(duì)城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型造成沖擊,從而影響“信息惠民國(guó)家試點(diǎn)城市”政策的政策效應(yīng),因此剔除信息消費(fèi)試點(diǎn)市及區(qū)、縣所在市的樣本后重新進(jìn)行回歸。表4第(4)列的回歸結(jié)果顯示:剔除信息消費(fèi)試點(diǎn)城市樣本后,Treat×Post的系數(shù)依然顯著為正。

考慮到我國(guó)于2012—2015年先后設(shè)立了3批智慧城市試點(diǎn),共包括196個(gè)地級(jí)市。該外生事件同樣對(duì)城市和企業(yè)的數(shù)字化水平造成了沖擊。為避免該外生事件對(duì)“信息惠民國(guó)家試點(diǎn)城市”政策效應(yīng)造成干擾,本文在模型(1)控制變量中增加了虛擬變量Smart_City,若企業(yè)所在城市當(dāng)年及之后屬于智慧城市試點(diǎn)城市,則Smart_City等于1,否則Smart_City等于0,回歸結(jié)果見表4第(5)列。回歸結(jié)果顯示:在控制了智慧城市試點(diǎn)政策的影響后,Treat×Post的系數(shù)依然顯著為正。

六、“信息惠民國(guó)家試點(diǎn)城市”對(duì)企業(yè)投資的影響機(jī)制

本文首先驗(yàn)證“信息惠民國(guó)家試點(diǎn)城市”建設(shè)是否會(huì)顯著提高城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型程度,之后將進(jìn)一步從融資約束渠道以及投資機(jī)會(huì)渠道檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資的影響機(jī)制。為此,在城市層面,本文用數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)City_Dig來衡量城市經(jīng)濟(jì)數(shù)字化程度;在企業(yè)層面,本文參考吳非等[22]的方法,基于上市企業(yè)年報(bào)文本使用Python軟件通過文本分析得到上市企業(yè)數(shù)字化轉(zhuǎn)型程度的代理變量Firm_Dig。之后,利用DID模型檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”政策是否會(huì)提高城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型程度,從而為將該政策的實(shí)施看作城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型沖擊的準(zhǔn)自然實(shí)驗(yàn)提供證據(jù),實(shí)證結(jié)果見表5。

表5 “信息惠民國(guó)家試點(diǎn)城市”政策對(duì)經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型的影響

表5結(jié)果表明,在政策實(shí)施后,相比于非試點(diǎn)城市及非試點(diǎn)城市內(nèi)上市企業(yè),信息惠民試點(diǎn)城市的經(jīng)濟(jì)數(shù)字化水平及試點(diǎn)城市內(nèi)上市企業(yè)數(shù)字化轉(zhuǎn)型水平都得到顯著提高,信息惠民試點(diǎn)城市建設(shè)顯著提高了城市經(jīng)濟(jì)數(shù)字化水平及上市企業(yè)的數(shù)字化轉(zhuǎn)型水平。因此,可以將“信息惠民國(guó)家試點(diǎn)城市”政策看作城市經(jīng)濟(jì)數(shù)字化及上市企業(yè)數(shù)字化轉(zhuǎn)型外生沖擊的準(zhǔn)自然實(shí)驗(yàn)。

(一)融資約束渠道

本文將通過中介效應(yīng)模型檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊是否通過降低企業(yè)融資約束,為企業(yè)投資提供更多的資金支持從而促進(jìn)企業(yè)投資。本文參考顧雷雷等[39]的做法,計(jì)算融資約束變量FC,FC越大表明企業(yè)受到的融資約束越嚴(yán)重;另外參考鞠曉生等[40]的做法構(gòu)建SA指數(shù),SA指數(shù)為負(fù)且數(shù)值越接近0,表明企業(yè)受到的融資約束越嚴(yán)重,回歸結(jié)果見表6。表6第(1)、(4)列的回歸結(jié)果和基準(zhǔn)回歸結(jié)果一致,即“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊促進(jìn)了企業(yè)投資。表6第(2)、(5)列的回歸結(jié)果顯示,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊降低了融資約束。表6第(3)、(6)列的回歸結(jié)果顯示,將Treat×Post變量和融資約束變量均放入模型(1)后,融資約束變量的系數(shù)顯著為負(fù),Treat×Post的系數(shù)依然顯著為正,但其數(shù)值相比于未加入融資約束變量時(shí)有所降低;此外,Sobel檢驗(yàn)P值小于0.010,說明融資約束在政策的經(jīng)濟(jì)數(shù)字化沖擊與企業(yè)投資之間起到了部分中介作用?！靶畔⒒菝駠?guó)家試點(diǎn)城市”政策的實(shí)施對(duì)試點(diǎn)城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生了沖擊,一方面,使企業(yè)降低了信息收集、處理、審計(jì)、傳遞的成本[31],企業(yè)可以通過多種渠道及時(shí)發(fā)布動(dòng)態(tài)信息,提高了企業(yè)透明度,降低了信息不對(duì)稱程度,進(jìn)而減緩了融資約束[33];另一方面,因?yàn)閿?shù)字化轉(zhuǎn)型速度更快的企業(yè)具有更好的發(fā)展前景以及更低的信貸風(fēng)險(xiǎn),且企業(yè)數(shù)字化轉(zhuǎn)型符合國(guó)家政策方針,所以銀行更愿意向其投放更多的信貸資源[34]。由于融資約束是制約我國(guó)上市公司投資的重要因素[41],因此,企業(yè)融資約束得到有效緩解后,企業(yè)投資將會(huì)顯著增加。上述結(jié)果說明,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊通過減緩企業(yè)融資約束促進(jìn)企業(yè)投資。

表6 “信息惠民國(guó)家試點(diǎn)城市”政策、融資約束與企業(yè)投資

考慮到大多數(shù)上市企業(yè)的主要融資來自銀行貸款,而中國(guó)上市企業(yè)整體上又具有股權(quán)融資偏好[42],因此本文進(jìn)一步探究企業(yè)融資約束下降的成因是有必要的。具體而言,本文實(shí)證檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”政策是否使企業(yè)以更低的成本獲得更多的債務(wù)和股權(quán)融資,為企業(yè)投資提供更多的資金支持。本文建立了4個(gè)重要指標(biāo)來進(jìn)行分析,指標(biāo)的選取及數(shù)據(jù)處理如下:

一是債務(wù)融資成本(Loan_Cost),本文以企業(yè)利息支出與企業(yè)總負(fù)債的比值來衡量企業(yè)銀行債務(wù)融資成本。二是銀行信貸(Loan),本文以企業(yè)長(zhǎng)期負(fù)債變化與期初總資產(chǎn)的比值來衡量企業(yè)銀行信貸變化量。三是股權(quán)融資成本(CEF),參考葉陳剛等[43]的做法,計(jì)算股權(quán)融資成本。四是股權(quán)融資(Equity),本文使用外部股權(quán)增長(zhǎng)率來衡量企業(yè)股權(quán)融資,回歸結(jié)果見表7。實(shí)證結(jié)果顯示:“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)債務(wù)和股權(quán)融資成本的影響顯著為負(fù),對(duì)企業(yè)銀行信貸和股權(quán)融資的影響顯著為正。

表7 “信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)債務(wù)融資及股權(quán)融資的影響

(二)投資機(jī)會(huì)渠道

本文通過中介效應(yīng)模型檢驗(yàn)“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊是否通過增加企業(yè)投資機(jī)會(huì)促進(jìn)企業(yè)投資,并采用托賓Q來衡量企業(yè)投資機(jī)會(huì),回歸結(jié)果見表8。表8第(1)列回歸結(jié)果和本文基準(zhǔn)回歸結(jié)果一致;第(2)列回歸結(jié)果顯示,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊增加了企業(yè)的投資機(jī)會(huì);第(3)列回歸結(jié)果顯示,將Treat×Post變量和投資機(jī)會(huì)變量均放入模型(1)后,投資機(jī)會(huì)變量的系數(shù)顯著為正,Treat×Post的系數(shù)依然顯著為正,但其數(shù)值相比于未加入投資機(jī)會(huì)變量時(shí)有所降低,此外Sobel檢驗(yàn)P值小于0.010,說明投資機(jī)會(huì)在政策的經(jīng)濟(jì)數(shù)字化沖擊與企業(yè)投資之間起到了部分中介作用?！靶畔⒒菝駠?guó)家試點(diǎn)城市”政策的實(shí)施對(duì)試點(diǎn)城市經(jīng)濟(jì)數(shù)字化及企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生了沖擊,數(shù)字經(jīng)濟(jì)的發(fā)展促進(jìn)了商業(yè)模式創(chuàng)新,新的商業(yè)模式對(duì)企業(yè)來說意味著新的商業(yè)價(jià)值和新的投資機(jī)會(huì)。在資金充裕的情況下,企業(yè)擁有更多的投資機(jī)會(huì)意味著企業(yè)將能增加更多的投資。上述結(jié)果說明,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊通過增加投資機(jī)會(huì)促進(jìn)了企業(yè)投資。

表8 “信息惠民國(guó)家試點(diǎn)城市”政策、投資機(jī)會(huì)與企業(yè)投資

此外,理論分析指出,數(shù)字信息技術(shù)的使用使區(qū)域間的物理空間距離的不利影響得以有效弱化,交通運(yùn)輸成本得到大幅降低,市場(chǎng)分割的不利影響得以明顯降低,從而促進(jìn)企業(yè)進(jìn)行異地投資。接下來,本文將通過實(shí)證檢驗(yàn)這一論斷是否成立。具體地,本文參考馬光榮等[36]的做法,以上市企業(yè)在非同城(3)上市公司異地投資數(shù)據(jù)由國(guó)泰安經(jīng)濟(jì)金融研究數(shù)據(jù)庫中的關(guān)聯(lián)公司文件整理而得,由于數(shù)據(jù)可得性,當(dāng)子公司辦公地只能確定到省份,判定母、子公司異地的標(biāo)準(zhǔn)為子公司與母公司辦公地省份不一致。設(shè)立的子公司數(shù)量(Nfirms)作為企業(yè)異地投資的代理變量,用其替換模型(1)中的被解釋變量,實(shí)證檢驗(yàn)政策試點(diǎn)之后,試點(diǎn)城市內(nèi)企業(yè)相較于控制組企業(yè)是否顯著增加了異地投資。表8第(4)列的結(jié)果顯示,相比于控制組企業(yè),信息惠民城市試點(diǎn)后,試點(diǎn)城市內(nèi)的企業(yè)顯著增加了異地投資。

另外,理論分析指出,“信息惠民國(guó)家試點(diǎn)城市”政策的經(jīng)濟(jì)數(shù)字化沖擊使企業(yè)能以更低的成本搜集和處理更多的信息并輔助管理者進(jìn)行投資決策,從而降低了投資過程的不確定性,減少了投資決策的失敗風(fēng)險(xiǎn),提高了投資機(jī)會(huì)轉(zhuǎn)化為真實(shí)投資的效率。本文使用投資—投資敏感度模型來實(shí)證檢驗(yàn)信息惠民城市試點(diǎn)后,試點(diǎn)城市內(nèi)企業(yè)相較于控制組企業(yè)是否顯著提高了投資機(jī)會(huì)轉(zhuǎn)變?yōu)閷?shí)際投資的效率,回歸模型見式(2)。為了盡可能地排除融資約束及代理成本對(duì)結(jié)果的干擾,控制變量中加入了SA指數(shù)、管理費(fèi)用率(Managefeerate)、總資產(chǎn)周轉(zhuǎn)率(Assetsturnover)以及其他應(yīng)收款占總資產(chǎn)的比例(ORECTA)等變量。

Invit=β0+β1Treati×Postt×TQit-1+β2Treati×TQit-1+β3Postt×TQit-1+

β4Treati×Postt+∑γjControlijit-1+FirmFE+YearFE+ξit

(2)

表8第(5)列的結(jié)果顯示:當(dāng)不考慮融資約束及代理成本時(shí),β1在5%的置信水平上顯著為正,說明試點(diǎn)城市內(nèi)企業(yè)相較于控制組企業(yè)在試點(diǎn)后,對(duì)投資機(jī)會(huì)更加敏感(或者說投資效率更高),更容易把握住投資機(jī)會(huì)并將其轉(zhuǎn)化為實(shí)際投資。但該實(shí)證結(jié)果可能不僅是由于管理者獲取的信息增加從而更有效率地識(shí)別投資機(jī)會(huì)并將其轉(zhuǎn)化為真實(shí)投資,還可能由信息惠民城市試點(diǎn)后更低的融資約束或者更低的代理成本驅(qū)動(dòng)。在加入反映企業(yè)融資約束及代理成本的相關(guān)變量后,β1的數(shù)值及顯著性盡管均有所降低,但依然在10%的置信水平上顯著為正,表明在盡可能地排除融資約束及代理成本的影響后,相比于控制組企業(yè),信息惠民城市試點(diǎn)后,試點(diǎn)企業(yè)將投資機(jī)會(huì)轉(zhuǎn)變?yōu)閷?shí)際投資的效率有了顯著提升。

綜上所述,“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后,相比于非試點(diǎn)城市及非試點(diǎn)城市內(nèi)企業(yè),試點(diǎn)城市的經(jīng)濟(jì)數(shù)字化發(fā)展水平以及試點(diǎn)城市內(nèi)企業(yè)的數(shù)字化轉(zhuǎn)型水平得到顯著提升,數(shù)字技術(shù)進(jìn)步一方面降低了企業(yè)與資金供給者之間信息不對(duì)稱程度,使得企業(yè)能以更低的成本獲取更多的債務(wù)和股權(quán)融資,企業(yè)融資約束的降低為企業(yè)投資提供更多的資金支持,從而使得企業(yè)投資增加;另一方面,數(shù)字技術(shù)進(jìn)步不僅顯著增加了企業(yè)投資機(jī)會(huì)、促進(jìn)企業(yè)異地投資,而且提升了企業(yè)將投資機(jī)會(huì)轉(zhuǎn)化為實(shí)際投資的效率,從而使得企業(yè)投資增加。

七、“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資的異質(zhì)性影響

對(duì)于不同特質(zhì)的企業(yè),該政策的實(shí)施對(duì)企業(yè)投資的影響可能存在差異。本文將從企業(yè)規(guī)模、產(chǎn)權(quán)性質(zhì)、要素密集度、人力資本結(jié)構(gòu)等方面探討不同企業(yè)特質(zhì)下“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資的影響差異。

從企業(yè)規(guī)模的角度來看,相比于大規(guī)模企業(yè),小規(guī)模企業(yè)自由現(xiàn)金流更拮據(jù)且不容易獲得金融機(jī)構(gòu)貸款,受到的融資約束較大,所以“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)小規(guī)模企業(yè)融資約束改善的邊際貢獻(xiàn)更大。另外,大規(guī)模企業(yè)擁有良好的數(shù)字化基礎(chǔ)且各方面資源充足,其數(shù)字化轉(zhuǎn)型更傾向于進(jìn)行系統(tǒng)的數(shù)字化改革,受到外部環(huán)境的影響較小[44]。相比之下,小規(guī)模企業(yè)數(shù)字化基礎(chǔ)薄弱并且轉(zhuǎn)型動(dòng)力不足,信息惠民城市試點(diǎn)后,更加完善的城市信息基礎(chǔ)設(shè)施以及更濃郁的數(shù)字化轉(zhuǎn)型氛圍對(duì)小規(guī)模企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的作用更大。

從企業(yè)產(chǎn)權(quán)性質(zhì)的角度來看,相比于非國(guó)有企業(yè),國(guó)有企業(yè)在財(cái)務(wù)和政治上能夠獲得更多的政府支持[45],受到的融資約束較弱,較小的市場(chǎng)壓力也使其對(duì)數(shù)字技術(shù)的關(guān)注較弱、缺乏數(shù)字經(jīng)濟(jì)賦能企業(yè)投資的意愿[22]。

從企業(yè)要素密集度的角度來看,技術(shù)型企業(yè)相比于勞動(dòng)型企業(yè)更加關(guān)注并愿意在數(shù)字技術(shù)領(lǐng)域投入資金,同時(shí)技術(shù)型企業(yè)擁有良好的創(chuàng)新基礎(chǔ),能夠在數(shù)字化轉(zhuǎn)型過程中發(fā)揮其技術(shù)和人才優(yōu)勢(shì)并且切實(shí)將數(shù)字技術(shù)深度嵌入自身的組織架構(gòu)、決策體系和生產(chǎn)流程中[22],發(fā)揮信息數(shù)字技術(shù)的有利作用,從而促進(jìn)投資。

從企業(yè)人力資本結(jié)構(gòu)的角度來看,在數(shù)字經(jīng)濟(jì)時(shí)代,人才對(duì)于企業(yè)數(shù)字化具有重要的作用[44]。企業(yè)員工素質(zhì)的高低不僅影響企業(yè)對(duì)新知識(shí)的吸收能力[46],還影響企業(yè)數(shù)字化轉(zhuǎn)型過程中的數(shù)字技術(shù)研發(fā)及應(yīng)用能力。企業(yè)員工整體素質(zhì)越高,信息惠民城市試點(diǎn)后試點(diǎn)內(nèi)企業(yè)數(shù)字化提高程度越明顯。

因此,本文預(yù)期相比于大規(guī)模企業(yè)、國(guó)有企業(yè)、勞動(dòng)密集型企業(yè)或者員工整體素質(zhì)較低的企業(yè),“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)小規(guī)模企業(yè)、非國(guó)有企業(yè)、資本技術(shù)密集型企業(yè)以及員工整體素質(zhì)更高的企業(yè)投資的影響效果更大。

具體的實(shí)證方法上,本文以企業(yè)資產(chǎn)規(guī)模來衡量企業(yè)規(guī)模大小;參照魯桐等[47]的研究,將企業(yè)分為資本技術(shù)密集型企業(yè)和勞動(dòng)密集型企業(yè);以企業(yè)中碩士及以上學(xué)歷員工的比例來衡量企業(yè)人力資本結(jié)構(gòu);此外,本文參考吳怡俐等[48]的做法,將Treat變量分解為Treat_High和Treat_Low兩部分,當(dāng)企業(yè)為處理組且試點(diǎn)前一年(2013年)的資產(chǎn)規(guī)模、碩士及以上學(xué)歷員工比例大于處理組樣本的中位數(shù)時(shí)以及當(dāng)企業(yè)為勞動(dòng)密集型企業(yè)、國(guó)有企業(yè)時(shí),Treat_High取值為1,否則取值為0;當(dāng)企業(yè)為處理組且試點(diǎn)前一年(2013年)的資產(chǎn)規(guī)模、碩士及以上學(xué)歷員工比例小于等于處理組樣本的中位數(shù)時(shí)以及當(dāng)企業(yè)為資本技術(shù)密集型企業(yè)、非國(guó)有企業(yè)時(shí),Treat_Low取值為1,否則取值為0。本文以模型(1)為基礎(chǔ)加入Treat_High和Treat_Low各自與Post的交乘項(xiàng),用于分析信息惠民城市試點(diǎn)后企業(yè)規(guī)模、產(chǎn)權(quán)性質(zhì)、要素密集度以及人力資本結(jié)構(gòu)對(duì)企業(yè)投資的異質(zhì)性影響。表9第(1)～(3)列的結(jié)果顯示:Treat_Low×Post的回歸系數(shù)顯著為正,而Treat_High×Post的回歸系數(shù)不顯著,并且Treat_Low×Post經(jīng)濟(jì)顯著性的回歸系數(shù)遠(yuǎn)高于Treat_High×Post的回歸系數(shù);第(4)列的結(jié)果則相反,說明“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后,相比于大規(guī)模企業(yè)、國(guó)有企業(yè)、勞動(dòng)密集型企業(yè)以及高素質(zhì)人才占比更低的企業(yè),試點(diǎn)城市內(nèi)小規(guī)模企業(yè)、非國(guó)有企業(yè)、資本技術(shù)密集型企業(yè)以及高素質(zhì)人才占比更高的企業(yè)相較于控制組企業(yè)更多地增加了企業(yè)投資。

表9 “信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資的異質(zhì)性影響

八、研究結(jié)論與政策啟示

本文通過雙重差分模型分析了2014年“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)經(jīng)濟(jì)數(shù)字化的外生沖擊影響,考察了“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施如何通過影響經(jīng)濟(jì)數(shù)字化進(jìn)而影響企業(yè)投資。研究發(fā)現(xiàn),“信息惠民國(guó)家試點(diǎn)城市”政策實(shí)施后,試點(diǎn)城市內(nèi)企業(yè)相比于控制組企業(yè)投資規(guī)模顯著提高,這一結(jié)論在進(jìn)行了安慰劑檢驗(yàn)、采用傾向得分匹配法以及其他穩(wěn)健性檢驗(yàn)后仍然成立。機(jī)制檢驗(yàn)表明,“信息惠民國(guó)家試點(diǎn)城市”政策對(duì)企業(yè)投資的促進(jìn)作用源自試點(diǎn)政策使數(shù)字經(jīng)濟(jì)得到有效發(fā)展后,一方面使企業(yè)內(nèi)外部信息不對(duì)稱程度降低,因此銀行等金融機(jī)構(gòu)以及資本市場(chǎng)投資者愿意以更低的成本給予企業(yè)更多的資金支持;另一方面,企業(yè)擁有了更多的投資機(jī)會(huì),能進(jìn)行更多的異地投資,可以更好更有效地將投資機(jī)會(huì)轉(zhuǎn)化為實(shí)際投資。異質(zhì)性分析表明,“信息惠民國(guó)家試點(diǎn)城市”政策的實(shí)施對(duì)企業(yè)投資的促進(jìn)效應(yīng)主要存在于小規(guī)模企業(yè)、非國(guó)有企業(yè)、資本技術(shù)密集型企業(yè)以及高素質(zhì)人才占比更高的企業(yè),這說明在“信息惠民國(guó)家試點(diǎn)城市”政策的作用下,以往財(cái)務(wù)資源不足但人才及技術(shù)儲(chǔ)備較強(qiáng)的企業(yè)更能抓住機(jī)遇實(shí)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型并賦能企業(yè)生產(chǎn)經(jīng)營(yíng)決策?；谝陨辖Y(jié)論,有以下啟示和建議:

第一,政府應(yīng)繼續(xù)完善數(shù)字基礎(chǔ)設(shè)施建設(shè)并構(gòu)建促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的政策支持體系,以引導(dǎo)企業(yè)利用數(shù)字技術(shù)賦能企業(yè)生產(chǎn)經(jīng)營(yíng)、擴(kuò)大有效投資規(guī)模并優(yōu)化投資結(jié)構(gòu),在實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)的同時(shí)助推實(shí)體經(jīng)濟(jì)發(fā)展,從而實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。與此同時(shí),政府應(yīng)充分認(rèn)識(shí)到不同特質(zhì)的企業(yè)實(shí)體投資受到經(jīng)濟(jì)數(shù)字化的影響存在顯著差異,應(yīng)制定差異化的扶持政策。對(duì)于數(shù)字化轉(zhuǎn)型動(dòng)力強(qiáng)、能力足的企業(yè),政府應(yīng)減少干預(yù),充分發(fā)揮市場(chǎng)機(jī)制的調(diào)節(jié)作用;對(duì)于數(shù)字化轉(zhuǎn)型動(dòng)力不強(qiáng)的企業(yè),政府應(yīng)加強(qiáng)行政指導(dǎo);對(duì)于有技術(shù)基礎(chǔ)但融資較困難的技術(shù)密集型企業(yè),政府應(yīng)給予其更多的資金支持;對(duì)于各方面資源都匱乏的小規(guī)模企業(yè),政府需要在資金、設(shè)備及人才等方面提供必要的支持,比如設(shè)定智能制造專項(xiàng)資金支持、減稅降費(fèi)、實(shí)施差別化信貸政策、加強(qiáng)大數(shù)據(jù)平臺(tái)和分享工廠建設(shè)以實(shí)現(xiàn)生產(chǎn)資料的共享、在高校設(shè)立數(shù)字化相關(guān)專業(yè)來培育更多的數(shù)字人才等。

第二,企業(yè)是經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型升級(jí)的重要基礎(chǔ)和落腳點(diǎn)。企業(yè)應(yīng)順應(yīng)經(jīng)濟(jì)數(shù)字化潮流,加快數(shù)字化轉(zhuǎn)型的步伐,將數(shù)字技術(shù)深度融入投資的不同環(huán)節(jié),為企業(yè)投資提供全方位的信息及決策支持。在轉(zhuǎn)型過程中,企業(yè)既要認(rèn)識(shí)到數(shù)字化轉(zhuǎn)型可以提升企業(yè)價(jià)值,又要認(rèn)識(shí)到轉(zhuǎn)型并不能一蹴而就。數(shù)字化轉(zhuǎn)型不僅是硬件技術(shù)設(shè)備的轉(zhuǎn)型升級(jí),更是制度、管理理念等“軟件”的革新。一方面,企業(yè)不僅需要加快研發(fā)數(shù)字技術(shù),更要積極應(yīng)用數(shù)字技術(shù),賦能自身生產(chǎn)經(jīng)營(yíng)過程。另一方面,企業(yè)需要在員工之間宣傳數(shù)字化理念,培育員工的數(shù)字意識(shí)和數(shù)字觀念,在加強(qiáng)對(duì)現(xiàn)有員工數(shù)字化相關(guān)技能培訓(xùn)的同時(shí),積極引進(jìn)數(shù)字化人才,為企業(yè)數(shù)字化轉(zhuǎn)型提供人才保障。