摘 要：選取2007—2022年滬深A(yù)股上市公司為樣本，實(shí)證探究了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的影響。發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型抑制了企業(yè)避稅，且上述結(jié)論經(jīng)過(guò)工具變量等系列穩(wěn)健性檢驗(yàn)后依然成立。機(jī)制檢驗(yàn)表明，數(shù)字化轉(zhuǎn)型通過(guò)改善企業(yè)信息披露，從而抑制企業(yè)避稅。異質(zhì)性檢驗(yàn)發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅水平的抑制作用在國(guó)有企業(yè)中更明顯。本研究不僅豐富了數(shù)字化轉(zhuǎn)型和企業(yè)避稅相關(guān)研究，而且為推動(dòng)我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展提供了有益參考。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；企業(yè)避稅；信息披露質(zhì)量

一、引言

根據(jù)國(guó)家互聯(lián)網(wǎng)信息辦公室公布的數(shù)據(jù)，2014—2023年，中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模從16.2萬(wàn)億元快速上漲至56.1萬(wàn)億元，對(duì)應(yīng)GDP占比也從25.1%升至44%左右，數(shù)字經(jīng)濟(jì)已經(jīng)成為中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要助力。在數(shù)字經(jīng)濟(jì)快速發(fā)展的浪潮下，以人工智能為代表的數(shù)字技術(shù)運(yùn)用加速了企業(yè)數(shù)字化轉(zhuǎn)型，助力企業(yè)適應(yīng)新冠疫情沖擊后快速變化的環(huán)境。一方面，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)“數(shù)據(jù)采集—數(shù)據(jù)分析—數(shù)據(jù)決策”的標(biāo)準(zhǔn)化流程，提升企業(yè)信息獲取與數(shù)據(jù)處理能力，進(jìn)而改善其經(jīng)營(yíng)決策。另一方面，數(shù)字化轉(zhuǎn)型需要企業(yè)持續(xù)投入大量人力與資金資源，這對(duì)企業(yè)財(cái)務(wù)資源提出了較高挑戰(zhàn)。與此同時(shí)，稅收征管機(jī)構(gòu)也在數(shù)字化和智能化升級(jí)，如使用數(shù)字支付、電子發(fā)票和金稅系統(tǒng)為稅務(wù)機(jī)關(guān)提供更多數(shù)據(jù)，改善了企業(yè)稅務(wù)信息的透明度，這對(duì)公司稅務(wù)籌劃產(chǎn)生重要影響。因此，在數(shù)字經(jīng)濟(jì)高速發(fā)展的背景下，研究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅行為的影響具有重要的現(xiàn)實(shí)意義。

鑒于此，本文基于2007—2022年滬深A(yù)股非金融上市公司為研究樣本，實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的影響。本文可能的研究貢獻(xiàn)在于：①深入探究了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的影響及其中介機(jī)制，為后續(xù)相關(guān)研究提供新思路；②為監(jiān)管機(jī)構(gòu)和企業(yè)穩(wěn)妥推進(jìn)數(shù)字化轉(zhuǎn)型戰(zhàn)略提供了理論參考。

二、理論分析與研究假設(shè)

數(shù)字化轉(zhuǎn)型通過(guò)提升公司數(shù)字技術(shù)運(yùn)用水平，改善內(nèi)部數(shù)據(jù)收集和處理能力，有效緩解公司內(nèi)外部信息不對(duì)稱(chēng)程度，進(jìn)而抑制企業(yè)避稅。具體而言，一方面，數(shù)字化轉(zhuǎn)型通過(guò)改善公司信息化程度以提升信息透明度，進(jìn)而抑制公司避稅。數(shù)字技術(shù)升級(jí)不僅改變了企業(yè)收集、存儲(chǔ)、分析和傳播信息的方式，規(guī)范生產(chǎn)經(jīng)營(yíng)管理流程，加強(qiáng)各職能部門(mén)間數(shù)據(jù)共享，從而有效提高企業(yè)內(nèi)部信息的準(zhǔn)確性、可靠性和及時(shí)性（陳凱和楊亞平，2023），而且可以與稅務(wù)機(jī)關(guān)建立互聯(lián)互通網(wǎng)絡(luò)，統(tǒng)一整合與稅務(wù)相關(guān)的信息資源，從而提高財(cái)務(wù)信息處理效率（Tiantian等，2023），這均可有效改善公司信息透明度，提升稅務(wù)稽查和利益相關(guān)者監(jiān)督有效性，進(jìn)而減少企業(yè)激進(jìn)避稅行為。另一方面，數(shù)字化轉(zhuǎn)型通過(guò)優(yōu)化經(jīng)營(yíng)績(jī)效以降低信息不對(duì)稱(chēng)，從而抑制公司避稅。數(shù)字技術(shù)加強(qiáng)了企業(yè)與客戶(hù)之間的聯(lián)系，準(zhǔn)確預(yù)測(cè)客戶(hù)需求，智能地轉(zhuǎn)型和開(kāi)發(fā)其產(chǎn)品和服務(wù)，并有效整合和分配現(xiàn)有資源，從而提高業(yè)務(wù)運(yùn)營(yíng)效率，改善公司績(jī)效水平（李秀敏等，2024）。這不僅顯著提升管理者回報(bào)，而且有效緩解了企業(yè)的委托代理問(wèn)題，進(jìn)一步降低公司信息不對(duì)稱(chēng)（張?jiān)伱返龋?024），從而使得公司避稅變得更加困難，降低公司避稅水平。因此，數(shù)字化轉(zhuǎn)型可以通過(guò)提升公司信息透明度，從而減少企業(yè)避稅?；谏鲜龇治觯疚奶岢鲆韵录僭O(shè)。

Ha：數(shù)字化轉(zhuǎn)型有助于抑制企業(yè)避稅。

數(shù)字化轉(zhuǎn)型可能加劇公司資源約束程度，提升稅務(wù)活動(dòng)復(fù)雜度，進(jìn)而加劇企業(yè)避稅。具體地，首先，數(shù)字化轉(zhuǎn)型存在高投入、長(zhǎng)周期等特征，顯著增加其對(duì)公司資源的需求，提升了公司避稅的需求。企業(yè)數(shù)字化轉(zhuǎn)型需要持續(xù)性投入人力和資金資源，從資金上看，公司無(wú)論是部署傳感器等硬件，還是收集、存儲(chǔ)、加工和分析數(shù)據(jù)，均需要持續(xù)投入足量的財(cái)務(wù)資源以配置相關(guān)軟、硬件，這均顯著加劇了公司資源約束（Chen等，2024），提升其避稅動(dòng)機(jī)。其次，數(shù)字化轉(zhuǎn)型加劇業(yè)務(wù)復(fù)雜度，豐富了公司稅收規(guī)避的渠道，進(jìn)而加劇公司避稅。一方面，數(shù)字產(chǎn)品和服務(wù)為企業(yè)創(chuàng)造價(jià)值的方式存在非實(shí)質(zhì)性和高度隱蔽等特征，致使難以通過(guò)會(huì)計(jì)計(jì)量確定其公允價(jià)值，顯著加劇其應(yīng)稅收入確認(rèn)的復(fù)雜度，進(jìn)而提升公司避稅空間（張萌等，2022）。另一方面，數(shù)字化轉(zhuǎn)型降低了企業(yè)跨國(guó)投資和經(jīng)營(yíng)的門(mén)檻，促使企業(yè)采用跨境云計(jì)算等平臺(tái)為海外客戶(hù)提供服務(wù)，使得營(yíng)業(yè)收入呈現(xiàn)多元化和去中心化的特點(diǎn)（伍倫，2023），誘使企業(yè)通過(guò)稅收優(yōu)惠和國(guó)家間的互惠協(xié)議實(shí)施避稅行為。最后，數(shù)字化轉(zhuǎn)型通過(guò)優(yōu)化公司納稅籌劃，實(shí)現(xiàn)更高程度避稅。公司內(nèi)部信息不對(duì)稱(chēng)會(huì)導(dǎo)致企業(yè)偏離最佳避稅水平，數(shù)字化轉(zhuǎn)型通過(guò)加強(qiáng)信息收集、促進(jìn)信息流動(dòng)并改善信息處理可以減少信息不對(duì)稱(chēng)帶來(lái)的摩擦，提高納稅籌劃的精確度（Chen等，2024），從而實(shí)現(xiàn)更高水平的避稅活動(dòng)。因此，數(shù)字化轉(zhuǎn)型會(huì)加劇公司資源約束、提升避稅空間并優(yōu)化納稅籌劃，從而加劇了企業(yè)避稅活動(dòng)?；谏鲜龇治?，本文提出以下假設(shè)。

Hb：數(shù)字化轉(zhuǎn)型會(huì)加劇企業(yè)避稅活動(dòng)。

三、研究設(shè)計(jì)

1.樣本選擇與數(shù)據(jù)來(lái)源

本文選取2007—2022年滬深A(yù)股非金融上市公司為研究樣本，初始區(qū)間選擇2007年的原因是剔除股權(quán)分置改革和新會(huì)計(jì)準(zhǔn)則對(duì)企業(yè)避稅行為的影響。參考張?jiān)伱返龋?024）的研究，剔除金融行業(yè)、ST或PT以及數(shù)據(jù)缺失的樣本，對(duì)所有連續(xù)變量進(jìn)行1%和99%分位的縮尾處理。本文數(shù)據(jù)主要來(lái)自CSMAR和Wind數(shù)據(jù)庫(kù)。

2.變量選擇

（1） 被解釋變量：企業(yè)避稅行為（BTD和DDBTD）。參考張萌等（2022）的研究，本文選取會(huì)計(jì)—稅收差異度量企業(yè)稅收規(guī)避水平。其中，會(huì)計(jì)—稅收差異（BTD）的計(jì)量為：[利潤(rùn)總額－（所得稅費(fèi)用－遞延所得稅費(fèi)用）/

名義所得稅率]/期末總資產(chǎn)；扣除應(yīng)計(jì)利潤(rùn)的會(huì)計(jì)—稅收差異（DDBTD）的計(jì)量為：BTD = TACC+μ+ζ，其中，TACC為公司當(dāng)年總應(yīng)計(jì)利潤(rùn)，μ是公司稅負(fù)差異中不隨時(shí)間變化的固有特征，ζ是公司稅負(fù)差異的變動(dòng)特征，DDBTD = μ+ζ為BTD中不能被應(yīng)計(jì)利潤(rùn)解釋部分。

（2） 解釋變量：數(shù)字化轉(zhuǎn)型（Digit）。借鑒吳非等（2021）的研究，通過(guò)識(shí)別上市公司年報(bào)MD&A中關(guān)于企業(yè)“數(shù)字化轉(zhuǎn)型”的關(guān)鍵詞并統(tǒng)計(jì)詞頻，以此衡量企業(yè)數(shù)字化轉(zhuǎn)型情況。具體而言，本文選取人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)和數(shù)字技術(shù)運(yùn)用等關(guān)鍵詞，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型詞庫(kù)，結(jié)合年報(bào)MD&A文本進(jìn)行關(guān)鍵詞檢索與匹配，最終得到數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞頻，并將該詞頻加1后取自然對(duì)數(shù)，以衡量企業(yè)的數(shù)字化轉(zhuǎn)型水平。

（3） 控制變量。參考伍倫（2023）的研究，選取控制變量如下：公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、盈利能力（Roa）、自由現(xiàn)金流比例（Cashflow）、營(yíng)收增長(zhǎng)率（Growth）、賬市比（BM）、固定資產(chǎn)占比（Fixed）、大股東持股比例（Top1）、董事會(huì)規(guī)模（Board）、獨(dú)董比例（Indep）和兩職合一（Dual），以及年度效應(yīng)（Year）和行業(yè)效應(yīng)（Industry）。

3.模型設(shè)定

根據(jù)樣本篩選和變量設(shè)定，本文將待檢驗(yàn)?zāi)Ｐ驮O(shè)定如式（1） 所示：

（1）

其中，Tax為企業(yè)避稅行為；Digit為企業(yè)數(shù)字化轉(zhuǎn)型；Ctrls為前文控制變量；Year和Industry分別為年度和行業(yè)虛擬變量，ε為殘差項(xiàng)，模型標(biāo)準(zhǔn)誤經(jīng)公司層面聚類(lèi)調(diào)整。

四、實(shí)證結(jié)果與分析

1.變量描述性統(tǒng)計(jì)

表1報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果。企業(yè)避稅程度（BTD和DDBTD）的均值和中位數(shù)分別為-0.006、-0.006和-0.002、-0.002，與已有研究數(shù)值基本一致；標(biāo)準(zhǔn)差分別為0.055和0.054，說(shuō)明避稅程度在不同的樣本公司間存在較大差異。企業(yè)數(shù)字化轉(zhuǎn)型水平（Digit）的均值為1.274，與已有研究一致，些許差異可能是樣本期間差異所致。其他控制變量的描述性統(tǒng)計(jì)結(jié)果與現(xiàn)有文獻(xiàn)基本一致，均在合理范圍內(nèi)。

2.基準(zhǔn)回歸分析

表2報(bào)告了數(shù)字化轉(zhuǎn)型與企業(yè)避稅的回歸結(jié)果。其中，第（1） 、第（2） 列報(bào)告了僅控制年度和行業(yè)固定效應(yīng)的實(shí)證結(jié)果，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型水平會(huì)在1%的水平上顯著降低企業(yè)避稅程度。第（3） 、第（4） 列進(jìn)一步加入前述控制變量，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型水平與企業(yè)避稅程度的回歸系數(shù)分別為-0.001和-0.001，且均在1%的水平上顯著，說(shuō)明數(shù)字化轉(zhuǎn)型水平可以有效抑制企業(yè)避稅，驗(yàn)證了本文假設(shè)Ha。就其經(jīng)濟(jì)意義來(lái)看，平均而言，數(shù)字化轉(zhuǎn)型水平每提升一個(gè)標(biāo)準(zhǔn)差，企業(yè)避稅程度預(yù)計(jì)下降幅度相當(dāng)于樣本均值的23.02%（-0.001×1.381/-0.006）。上述經(jīng)濟(jì)影響甚至超過(guò)了一些重要的財(cái)務(wù)指標(biāo)（如總資產(chǎn)收益率Roa）。

3.穩(wěn)健性檢驗(yàn)

（1） 工具變量檢驗(yàn)。參考黃群慧等（2019）的研究，采取工具變量檢驗(yàn)以緩解潛在的反向因果影響，選取城市人均電話(huà)用戶(hù)數(shù)（Tele）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量。表3前三列報(bào)告了兩階段最小二乘法（2SLS）估計(jì)的結(jié)果。第一階段的結(jié)果發(fā)現(xiàn)，工具變量與企業(yè)數(shù)字化轉(zhuǎn)型在1%的水平上顯著正相關(guān)。第二階段的回歸結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)避稅程度之間的負(fù)相關(guān)關(guān)系依然顯著，說(shuō)明在考慮工具變量檢驗(yàn)后，研究結(jié)論依然穩(wěn)健。

（2） 雙重差分檢驗(yàn)。參考伍倫（2023）的研究，采用雙重差分法對(duì)已實(shí)施數(shù)字化轉(zhuǎn)型的處理組和控制組進(jìn)行檢驗(yàn)，以此控制公司之間的內(nèi)在差異和時(shí)間趨勢(shì)導(dǎo)致的估計(jì)偏誤。構(gòu)建數(shù)字化轉(zhuǎn)型虛擬變量（DID），若企業(yè)在研究期間內(nèi)進(jìn)行數(shù)字化轉(zhuǎn)型，則在數(shù)字化轉(zhuǎn)型當(dāng)年及后續(xù)年份為1，否則為0。表3第（4）、第（5） 列報(bào)告了雙重差分檢驗(yàn)結(jié)果，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的抑制作用依然保持5%的顯著性，進(jìn)一步證實(shí)前文結(jié)論的穩(wěn)健性。

（3） 敏感性檢驗(yàn)。首先，本文對(duì)公司避稅指標(biāo)進(jìn)行敏感性測(cè)試。參考伍倫（2023）的研究，選取所得稅費(fèi)用與稅前會(huì)計(jì)利潤(rùn)之比度量企業(yè)實(shí)際所得稅率（ETR）。從表3第（6） 列可知，企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)避稅程度（ETR）在1%的水平上顯著負(fù)相關(guān)，說(shuō)明前文研究結(jié)論并未因公司避稅指標(biāo)衡量方式差異而改變。

最后，考慮到數(shù)字化轉(zhuǎn)型對(duì)公司避稅的影響可能存在滯后性，故而對(duì)公司避稅指標(biāo)進(jìn)行提前檢驗(yàn)。將企業(yè)避稅程度提前一期（F_BTD和F_DDBTD），從表3第（7）、第（8） 列可知，數(shù)字化轉(zhuǎn)型與提前一期的企業(yè)避稅程度（F_BTD和F_DDBTD）均在1%顯著水平上負(fù)相關(guān)。因此，上述結(jié)論并未因企業(yè)避稅程度提前的影響而改變。

4.進(jìn)一步分析

（1） 信息中介檢驗(yàn)。前文理論分析指出，數(shù)字化轉(zhuǎn)型通過(guò)改善公司信息披露，加強(qiáng)稅收征管機(jī)構(gòu)的監(jiān)督有效性，進(jìn)而抑制企業(yè)避稅。參考陳遠(yuǎn)志和田靖（2021）的研究，選取深交所披露的上市公司信息披露質(zhì)量（FRQ）度量公司信息披露，表4報(bào)告了中介效應(yīng)檢驗(yàn)的回歸結(jié)果。首先，列（1） 報(bào)告了中介效應(yīng)檢驗(yàn)第一階段結(jié)果；其次，列（2） 報(bào)告了中介檢驗(yàn)第二階段的回歸結(jié)果，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型與企業(yè)信息披露質(zhì)量的回歸系數(shù)顯著為正，說(shuō)明數(shù)字化轉(zhuǎn)型顯著改善了企業(yè)信息披露質(zhì)量；最后，列（3） 報(bào)告的第三階段檢驗(yàn)中，數(shù)字化轉(zhuǎn)型的回歸系數(shù)依然顯著為負(fù)且顯著性水平均低于第一階段，同時(shí)企業(yè)信息披露質(zhì)量的回歸系數(shù)也均在5%的水平上顯著為負(fù)。綜上所述，表4的結(jié)果通過(guò)了中介效應(yīng)檢驗(yàn)，說(shuō)明數(shù)字化轉(zhuǎn)型通過(guò)改善公司信息披露，進(jìn)而抑制企業(yè)避稅。

（2） 產(chǎn)權(quán)性質(zhì)調(diào)節(jié)檢驗(yàn)。國(guó)有控股企業(yè)占據(jù)我國(guó)經(jīng)濟(jì)較大比重，不同產(chǎn)權(quán)性質(zhì)的企業(yè)在數(shù)字化轉(zhuǎn)型影響企業(yè)避稅方面可能存在差異。因此，本文將樣本按照產(chǎn)權(quán)性質(zhì)（即國(guó)有企業(yè)與非國(guó)有企業(yè)）進(jìn)行分組回歸，結(jié)果如表5所示。發(fā)現(xiàn)在國(guó)有企業(yè)中，數(shù)字化轉(zhuǎn)型與企業(yè)避稅程度在1%的水平上負(fù)向顯著；在非國(guó)有企業(yè)中，數(shù)字化轉(zhuǎn)型與企業(yè)避稅程度的系數(shù)并不顯著。上述結(jié)果表明，相較于非國(guó)有企業(yè)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的抑制作用在國(guó)有企業(yè)中更明顯。

五、結(jié)論與建議

隨著數(shù)字技術(shù)的快速發(fā)展，現(xiàn)有關(guān)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅行為影響的研究尚存爭(zhēng)議。基于此，本文選取2007—2022年滬深A(yù)股上市為樣本，實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅行為的影響及作用機(jī)制。研究發(fā)現(xiàn)：數(shù)字化轉(zhuǎn)型抑制了企業(yè)避稅，且上述結(jié)論經(jīng)過(guò)工具變量等一系列穩(wěn)健性檢驗(yàn)后依然成立。機(jī)制檢驗(yàn)表明，數(shù)字化轉(zhuǎn)型改善了企業(yè)信息披露，從而抑制了企業(yè)避稅。此外，相較于非國(guó)有企業(yè)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)避稅的抑制作用在國(guó)有企業(yè)中更明顯。

基于上述研究結(jié)論，本文提出以下建議：第一，對(duì)于上市公司，數(shù)字化轉(zhuǎn)型有助于提升公司信息披露質(zhì)量，進(jìn)而顯著改善稅務(wù)合規(guī)風(fēng)險(xiǎn)，因而企業(yè)應(yīng)持續(xù)著力推進(jìn)數(shù)字化轉(zhuǎn)型，積極優(yōu)化稅務(wù)信息披露質(zhì)量。第二，對(duì)于政府及相關(guān)監(jiān)管部門(mén)，應(yīng)該加強(qiáng)引導(dǎo)并出臺(tái)針對(duì)性的政策措施，完善企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)稅收優(yōu)惠政策，助力企業(yè)積極推進(jìn)數(shù)字化轉(zhuǎn)型戰(zhàn)略。第三，對(duì)于投資者，隨著數(shù)字化轉(zhuǎn)型趨勢(shì)的推廣，投資者需要全面關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型實(shí)踐，深化對(duì)數(shù)字化轉(zhuǎn)型的理解，以更有效地提升投資效率。

參考文獻(xiàn)：

[1]陳凱，楊亞平.企業(yè)數(shù)字化轉(zhuǎn)型緣何增加了征稅難度——來(lái)自中國(guó)上市公司避稅活動(dòng)的證據(jù)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023（12）：111-122.

[2]Tiantian G，Hailin C，Zhou X，et al.Does corporate digital transformation affect the level of corporate tax avoidance？Empirical evidence from Chinese listed tourism companies[J].Finance Research Letters，2023，57：104271.

[3]李秀敏，陳梓爍，陳雅琪.企業(yè)數(shù)字化轉(zhuǎn)型與財(cái)務(wù)績(jī)效——來(lái)自上市公司數(shù)字專(zhuān)利數(shù)據(jù)的證據(jù)[J].技術(shù)經(jīng)濟(jì)， 2024（1）：73-87.

[4]張?jiān)伱罚鯐云G，趙金凱.以“數(shù)”謀“盈”：企業(yè)數(shù)字化轉(zhuǎn)型對(duì)盈余持續(xù)性的影響研究[J].審計(jì)與經(jīng)濟(jì)研究， 2024（1）：75-84.

[5]Chen W，Meng F.Is corporate digital transformation a tax haven？[J].International Journal of Managerial Finance， aMRM4SrftTpJ+pHpQwkYjdSp9jGmFBXmXsPcEcirDYA=2024（2）：304-333.

[6]張萌，張永珅，宋順林.企業(yè)數(shù)字化轉(zhuǎn)型與稅收規(guī)避——基于內(nèi)部控制和信息透明度的視角[J].經(jīng)濟(jì)經(jīng)緯， 2022（6）：118-127.

[7]伍倫.數(shù)字化轉(zhuǎn)型對(duì)公司稅收遵從的影響研究[J].外國(guó)經(jīng)濟(jì)與管理，2023（8）：17-33.

[8]吳非，胡慧芷，林慧妍，等.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.

[9]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(guó)經(jīng)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（8）：5-23.

[10]陳遠(yuǎn)志，田靖.信息披露質(zhì)量、投資者預(yù)期與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于中小板和創(chuàng)業(yè)板上市公司的實(shí)證研究[J].金融監(jiān)管研究，2021（12）：75-91.

作者簡(jiǎn)介：楊義芳（1992— ），女，貴州思南人，管理學(xué)學(xué)士，貴州群建精密機(jī)械有限公司，會(huì)計(jì)師，研究方向：公司理財(cái)與資金預(yù)算。