摘 要：本文通過(guò)2011—2019年A股上市公司數(shù)據(jù)，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部代理成本的影響。本文發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了內(nèi)部代理成本，在采用了替換解釋變量﹑替換被解釋變量﹑工具變量法﹑Heckman兩步法及其他穩(wěn)健性檢驗(yàn)和內(nèi)生性檢驗(yàn)后，結(jié)論依然穩(wěn)健成立。機(jī)制檢驗(yàn)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)提高高管薪酬業(yè)績(jī)敏感性和被關(guān)注度降低內(nèi)部代理成本。異質(zhì)性檢驗(yàn)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了大規(guī)模和成長(zhǎng)性高的企業(yè)內(nèi)部代理成本。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；代理成本；大數(shù)據(jù)

一﹑引言

數(shù)字經(jīng)濟(jì)時(shí)代下，大數(shù)據(jù)環(huán)境顯著改變了信息傳遞方式和傳播速度，使信息的獲取變得更加方便和快捷，有效降低了信息在企業(yè)多層級(jí)之間傳遞導(dǎo)致的失真和扭曲，同時(shí)增加了外部獲取信息的渠道，降低了外部獲取信息的成本，有利于外部主體發(fā)揮信息中介和監(jiān)督中介的作用，從而深刻影響企業(yè)的治理水平。

二﹑研究假設(shè)

數(shù)字經(jīng)濟(jì)豐富擴(kuò)展了公司治理的作用機(jī)制和作用途徑（陳德球等，2022）。數(shù)字技術(shù)催生的管理信息系統(tǒng)作為一種重要的管理手段和監(jiān)督手段，能夠推進(jìn)信息孤島的互聯(lián)互通，推動(dòng)企業(yè)內(nèi)部管理模式的一系列變革。例如，區(qū)塊鏈技術(shù)可以大幅度降低股東的投票成本和組織成本，能夠促進(jìn)股東高效快速地參與公司治理（Lafarre A et al，2018）。數(shù)字化催生的信息管理系統(tǒng)及決策系統(tǒng)等將使得企業(yè)的信息更加透明（Goldfarb A et al，2019）。信息透明度的增加，強(qiáng)化了董事的監(jiān)督能力，提高了高管薪酬契約有效性（王俊秋等，2009）；同時(shí)信息平臺(tái)建設(shè)可以使得相關(guān)信息公開(kāi)化﹑及時(shí)化﹑透明化，高管所擁有的信息壟斷優(yōu)勢(shì)也受到了挑戰(zhàn)，削減了管理層的自由裁量權(quán)，從而降低了高管薪酬操縱的可能性，提高了薪酬契約的有效性，加強(qiáng)了企業(yè)的內(nèi)部治理效果。

假設(shè)1：企業(yè)數(shù)字化水平能夠通過(guò)提高高管薪酬業(yè)績(jī)敏感性降低內(nèi)部代理成本。

同時(shí)，數(shù)字經(jīng)濟(jì)推動(dòng)的社交媒體和自媒體平臺(tái)的迅速發(fā)展、網(wǎng)絡(luò)平臺(tái)的開(kāi)通提高了信息傳播的及時(shí)性，互聯(lián)網(wǎng)信息溝通平臺(tái)的運(yùn)行提升了市場(chǎng)信息效率水平（譚松濤等，2016）。企業(yè)數(shù)字化轉(zhuǎn)型賦予企業(yè)更大的經(jīng)濟(jì)活力，能夠在資本市場(chǎng)中形成一定積極反饋（Gu C et al，2020）。在數(shù)字經(jīng)濟(jì)時(shí)代下，大數(shù)據(jù)環(huán)境顯著改變了信息傳遞方式和傳播速度，極大改善了市場(chǎng)的信息披露環(huán)境，使信息的獲取變得更加方便和快捷，有效降低了信息在企業(yè)多層級(jí)之間傳遞導(dǎo)致的失真和扭曲；同時(shí)增加了外部獲取信息的渠道，降低了外部獲取信息的成本，有助于外部主體如機(jī)構(gòu)投資者﹑分析師﹑審計(jì)師和新聞媒體等發(fā)揮信息中介和監(jiān)督中介的作用，從而深刻影響著企業(yè)的治理水平。企業(yè)數(shù)字化轉(zhuǎn)型能夠使企業(yè)更容易接受媒體﹑政府和社會(huì)的監(jiān)督，能夠加強(qiáng)外部治理效果，發(fā)揮外部治理的作用。在外部的有效監(jiān)督下，也會(huì)約束高管的不正當(dāng)行為，抑制高管的自利主義等相關(guān)行為，降低企業(yè)的代理成本（羅進(jìn)輝，2012）。

假設(shè)2：企業(yè)數(shù)字化水平能夠提高被關(guān)注度降低內(nèi)部代理成本。

三﹑研究設(shè)計(jì)

1.數(shù)據(jù)說(shuō)明及模型設(shè)計(jì)

本文以2011—2019年A股上市公司為初始研究樣本，并按照如下原則對(duì)樣本進(jìn)行篩選：①剔除信息產(chǎn)業(yè)公司樣本，包括計(jì)算機(jī)﹑通信和其他電子設(shè)備制造業(yè)（C39）和信息傳輸﹑軟件和信息技術(shù)服務(wù)業(yè)（I63﹑I64﹑I65）；②剔除金融類樣本（J66﹑J67﹑J68﹑J69）；③剔除ST﹑PT﹑資產(chǎn)負(fù)債率大于1及非正常上市的公司樣本；④剔除退市公司樣本。本文的數(shù)據(jù)來(lái)源主要是國(guó)泰安數(shù)據(jù)庫(kù)和wind數(shù)據(jù)庫(kù)。

計(jì)量模型如下：

（1）

下標(biāo)i和t分別表示企業(yè)和年份，被解釋變量ACit表示內(nèi)部代理成本，解釋變量digit表示企業(yè)數(shù)字化轉(zhuǎn)型程度。Xit是控制變量，μi為企業(yè)固定效應(yīng)，γt為時(shí)間固定效應(yīng)。

2.變量說(shuō)明

（1） 內(nèi)部代理成本（AC）

本文參考葉康濤等（2014）的做法，用資產(chǎn)周轉(zhuǎn)率表示內(nèi)部代理成本，資產(chǎn)周轉(zhuǎn)率用營(yíng)業(yè)總收入占總資產(chǎn)的比重衡量，資產(chǎn)周轉(zhuǎn)率數(shù)值越大，意味著代理成本越小。

（2） 企業(yè)數(shù)字化轉(zhuǎn)型（dig）

本文參照當(dāng)前所使用的文本分析法來(lái)衡量數(shù)字化水平。第一步，構(gòu)造數(shù)字化詞典，本文使用了祁懷錦等（2022）《企業(yè)數(shù)字化轉(zhuǎn)型與商業(yè)信用供給》的126個(gè)關(guān)鍵詞構(gòu)造數(shù)字化詞典，同時(shí)又使用趙宸宇等（2021）《數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率》的99個(gè)關(guān)鍵詞做穩(wěn)健性檢驗(yàn)；第二步，收集上市公司年報(bào)文本，然后將PDF轉(zhuǎn)換為TXT，使用正則表達(dá)式提取“管理層討論與分析”的內(nèi)容；第三步，使用Python軟件jieba模塊進(jìn)行分詞，剔除停用詞（如語(yǔ)氣助詞﹑副詞﹑介詞﹑連接詞等），同時(shí)剔除數(shù)字﹑英文字母﹑標(biāo)點(diǎn)符號(hào)或特殊符號(hào)，根據(jù)數(shù)字化詞典，計(jì)算關(guān)鍵詞占所有詞的比重，將該數(shù)值再乘以100。

（3） 控制變量

本文使用以下控制變量：①公司規(guī)模（size），用總資產(chǎn)的自然對(duì)數(shù)衡量；②總資產(chǎn)收益率（roa），用營(yíng)業(yè)利潤(rùn)除以總資產(chǎn)衡量；③負(fù)債水平（lev），用總負(fù)債除以總資產(chǎn)衡量；④現(xiàn)金流（cash），用經(jīng)營(yíng)活動(dòng)產(chǎn)生的凈現(xiàn)金流與總資產(chǎn)的比值衡量；⑤企業(yè)年齡（age），用樣本觀測(cè)值所在年份減去企業(yè)成立年份加1后取自然對(duì)數(shù)衡量；

⑥產(chǎn)權(quán)性質(zhì)（soe），國(guó)有企業(yè)取值為1，非國(guó)有企業(yè)取值為0；⑦獨(dú)立董事占比（indratio），用獨(dú)立董事人數(shù)除以董事會(huì)人數(shù)衡量；⑧股權(quán)集中度（top1），用第一大股東持股數(shù)量占總股本的比重衡量；⑨勞動(dòng)密度（labor），用員工人數(shù)與總資產(chǎn)（百萬(wàn)元）的比值衡量；⑩兩職合一（dual），董事長(zhǎng)兼任總經(jīng)理，兼任為1，否則為0；同時(shí)還控制了管理層持股比例（MH）、董事會(huì)規(guī)模（Bsize）、地方工資水平（lnavewage）。

四﹑實(shí)證檢驗(yàn)與結(jié)果分析

1.基準(zhǔn)回歸檢驗(yàn)結(jié)果

表1報(bào)告了基準(zhǔn)回歸的結(jié)果，在控制了企業(yè)年份固定效應(yīng)下，第（1） 列不加任何控制變量，第（2） 列加入了所有控制變量，dig的估計(jì)系數(shù)均在1%水平上顯著為正，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低企業(yè)的內(nèi)部代理成本。

2.穩(wěn)健性檢驗(yàn)

（1） 替換解釋變量

①對(duì)企業(yè)數(shù)字化指標(biāo)進(jìn)行離差標(biāo)準(zhǔn)化處理，即采用“某年某公司數(shù)字化指標(biāo)與分年度數(shù)字化指標(biāo)最小值之差”除以“分年度數(shù)字化指標(biāo)最大值與最小值之差”衡量；②進(jìn)行分年度分行業(yè)均值調(diào)整；③進(jìn)行分年度分行業(yè)中位數(shù)調(diào)整；④參考趙宸宇等（2021）的99個(gè)關(guān)鍵字重新構(gòu)造企業(yè)數(shù)字化指標(biāo)，表1第（3） （4） （5） （6） 列的結(jié)果表明，dig的估計(jì)系數(shù)均在1%的水平上顯著為正，結(jié)論依然成立。

（2） 替換被解釋變量

本文還采用其他指標(biāo)來(lái)衡量被解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。①使用管理費(fèi)用﹑財(cái)務(wù)費(fèi)用和銷售費(fèi)用占總收入的比重來(lái)衡量代理成本（AC2），這一指標(biāo)越小，代理成本越低。表2第（1） 列顯示dig的估計(jì)系數(shù)在5%的水平上顯著為負(fù)；②進(jìn)行分年度分行業(yè)的均值調(diào)整；③進(jìn)行分年度分行業(yè)的中位數(shù)調(diào)整，表2第（2） （3） 列顯示dig的估計(jì)系數(shù)在1%的水平上顯著為正，結(jié)論依然成立。

（3） 工具變量

本文參考李雪松等（2022）的方法造工具變量（IV1），選取按年度—地區(qū)—行業(yè)劃分的數(shù)字化水平均值作為第二個(gè)工具變量（IV2）。表3列（1） 和列（3） 的結(jié)果顯示，在第一階段回歸中，工具變量IV1和IV2對(duì)dig的估計(jì)系數(shù)均在1%的水平上顯著為正，滿足工具變量的相關(guān)要求；同時(shí)Wald F統(tǒng)計(jì)量數(shù)值均遠(yuǎn)大于10%水平下的臨界值，拒絕了弱工具變量的假設(shè)。在表3列（2） ﹑列（4） 和列（5） 第二階段回歸中，依次加入單一工具變量和同時(shí)加入兩個(gè)工具變量，dig對(duì)企業(yè)內(nèi)部代理成本的估計(jì)系數(shù)在1%的水平上顯著為正，同時(shí)列（5） 的結(jié)果還顯示，Sargan統(tǒng)計(jì)量的P值大于0.1，不存在工具變量過(guò)度識(shí)別問(wèn)題。在通過(guò)工具變量克服逆向因果的內(nèi)生性問(wèn)題后，結(jié)論依然成立。

（4） Heckman兩步法

針對(duì)可能存在的樣本自選擇問(wèn)題，本文采用Heckman兩階段模型進(jìn)一步檢驗(yàn)。在第一階段回歸中，以“企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型”作為被解釋變量，若企業(yè)當(dāng)年數(shù)字化水平超過(guò)同年份行業(yè)數(shù)字化程度的中位數(shù)，即視為企業(yè)進(jìn)行了數(shù)字化轉(zhuǎn)型，記作1，反之為0；參考侯德帥等（2023）的做法，在原有控制變量的基礎(chǔ)上，引入市場(chǎng)化指數(shù)（MK）作為外生變量來(lái)進(jìn)行控制。對(duì)企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型進(jìn)行估計(jì)，第一階段的結(jié)果如表2第（4） 列所示，市場(chǎng)化指數(shù)的估計(jì)系數(shù)在1%的水平上顯著為正，然后利用第一階段結(jié)果計(jì)算逆米爾斯比率（imr）并且代入第二階段回歸，回歸結(jié)果如表2第（5） 列所示，在控制了逆米爾斯比率（imr）后，企業(yè)數(shù)字化轉(zhuǎn)型依然顯著降低了內(nèi)部代理成本。

（5） 其他穩(wěn)健性檢驗(yàn)

①為了克服反向因果關(guān)系，本文使用滯后一期的企業(yè)數(shù)字化指標(biāo)進(jìn)行檢驗(yàn)?；貧w結(jié)果如表4第（1） 列所示，回歸系數(shù)在1%的水平上顯著為正；②考慮到2015年我國(guó)股災(zāi)事件對(duì)金融市場(chǎng)造成的重大沖擊，本文參考王博等（2023）的方法，剔除2015年的企業(yè)樣本后進(jìn)行穩(wěn)健性檢驗(yàn)，如表4第（2） 列所示，dig的估計(jì)系數(shù)仍在1%水平上顯著為正；③2015年以來(lái)，中國(guó)的數(shù)字經(jīng)濟(jì)發(fā)展迅速，參考范合君等（2023）的方法，將樣本范圍分別縮小至2011—2014年和2016—2019年，表4第（3） 列表明2016—2019年區(qū)間內(nèi)dig的估計(jì)系數(shù)在5%的水平上顯著為正，表4第（4） 列表明2011—2014年區(qū)間內(nèi)dig估計(jì)系數(shù)不顯著；④進(jìn)一步控制行業(yè)和省份固定效應(yīng)，表4第（5） 列表明 dig的估計(jì)系數(shù)仍然在1%的水平上顯著為正，以上結(jié)果均說(shuō)明本文的結(jié)論是穩(wěn)健的。

五﹑機(jī)制檢驗(yàn)

上文實(shí)證分析表明，企業(yè)數(shù)字化轉(zhuǎn)型確實(shí)顯著降低了企業(yè)內(nèi)部代理成本。那么，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)何種機(jī)制影響了企業(yè)的內(nèi)部代理成本？基于前文的理論分析與假設(shè)，本文使用中介效應(yīng)模型對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響內(nèi)部代理成本的路徑進(jìn)行檢驗(yàn)，分別從高管薪酬業(yè)績(jī)敏感性（PPS）和被研報(bào)關(guān)注度（Attention）的角度展開(kāi)實(shí)證檢驗(yàn)。本文用凈資產(chǎn)收益率（roe）即凈利潤(rùn)除以凈資產(chǎn)來(lái)衡量，參考李安泰等（2022）的方法，如果企業(yè)的業(yè)績(jī)和前三名高管平均薪酬均大于年份行業(yè)的中位數(shù)，則認(rèn)為業(yè)績(jī)對(duì)薪酬敏感，PPS設(shè)為1，否則為0。構(gòu)建如下中介效應(yīng)模型：

（2）

（3）

其中Yit為被解釋變量，Mit為中介變量，分別為薪酬業(yè)績(jī)敏感性（PPS）和被研報(bào)關(guān)注度（Attention）。表5第（1）、第（3） 列顯示企業(yè)數(shù)字化在10%的水平上顯著增加了高管薪酬業(yè)績(jī)敏感性和被研報(bào)關(guān)注度，表5第（2）、第（4） 列顯示企業(yè)數(shù)字化轉(zhuǎn)型在1%水平上顯著降低了內(nèi)部代理成本，假設(shè)得到證實(shí)。

六﹑異質(zhì)性檢驗(yàn)

機(jī)制檢驗(yàn)結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)提高高管薪酬業(yè)績(jī)敏感性和被關(guān)注度兩個(gè)渠道降低企業(yè)內(nèi)部代理成本，那么企業(yè)數(shù)字化轉(zhuǎn)型可能會(huì)在高管薪酬業(yè)績(jī)敏感性和被關(guān)注度不同的企業(yè)中有所差異。本文從企業(yè)規(guī)模和企業(yè)成長(zhǎng)性進(jìn)行異質(zhì)性檢驗(yàn)。一般而言，企業(yè)規(guī)模越大，企業(yè)成長(zhǎng)性越高，其高管薪酬業(yè)績(jī)敏感性和被關(guān)注度也會(huì)越高，面臨的代理問(wèn)題也越嚴(yán)重。參考王海等（2023）的方法，根據(jù)營(yíng)業(yè)收入﹑成長(zhǎng)性的年度行業(yè)中位數(shù)將樣本劃分為小規(guī)模和大規(guī)模﹑低成長(zhǎng)性和高成長(zhǎng)性。表5第（5）（7） 列顯示在小規(guī)模和低成長(zhǎng)性的企業(yè)中dig的系數(shù)不顯著，表5第（6）（8） 列顯示dig的估計(jì)系數(shù)在5%﹑1%的水平上顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了大規(guī)模﹑高成長(zhǎng)性企業(yè)的代理成本。

參考文獻(xiàn)：

[1]GOLDFARB A，TUCKER C.Digital Economics[J].Journal of Economic Literature，2019（1）：3-43.

[2]GU C，KUROV A.Informational Role of Social Media：Evidence from Twitter Sentiment[J].Journal of Banking and Finance，2020，105969.

[3]Lafarre A，Elst C V.Blockchain Technology for Corporate Governance and Shareholder Activism[J].Working Paper，2018（5）.

[4]羅進(jìn)輝.媒體報(bào)道的公司治理作用——雙重代理成本視角[J].金融研究，2012（10）：153-166.

[5]譚松濤，闞鑠，崔小勇.互聯(lián)網(wǎng)溝通能夠改善市場(chǎng)信息效率嗎？——基于深交所“互動(dòng)易”網(wǎng)絡(luò)平臺(tái)的研究[J].金融研究，2016（3）：174-188.

[6]陳德球，胡晴.數(shù)字經(jīng)濟(jì)時(shí)代下的公司治理研究：范式創(chuàng)新與實(shí)踐前沿[J].管理世界，2022（6）：213-240.

[7]王博，康琦.數(shù)字化轉(zhuǎn)型與企業(yè)可持續(xù)發(fā)展績(jī)效[J].經(jīng)濟(jì)管理，2023（6）：161-176.

[8]王俊秋，張奇峰.信息透明度與經(jīng)理薪酬契約有效性：來(lái)自中國(guó)證券市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J].南開(kāi)管理評(píng)論，2009（5）：94-100+108.

七﹑結(jié)語(yǔ)

企業(yè)數(shù)字化轉(zhuǎn)型能夠有效緩解管理層和股東之間的代理沖突，提高高管薪酬業(yè)績(jī)敏感性，更加有效地將高管薪酬和企業(yè)業(yè)績(jī)聯(lián)系起來(lái)，提高了高管薪酬契約有效性；同時(shí)企業(yè)數(shù)字化轉(zhuǎn)型還能夠有效發(fā)揮外部監(jiān)督的作用，從而降低代理成本。企業(yè)應(yīng)當(dāng)積極布局?jǐn)?shù)字化轉(zhuǎn)型，抓住數(shù)字化轉(zhuǎn)型所帶來(lái)的機(jī)遇和資源，正確認(rèn)識(shí)數(shù)字技術(shù)的賦能作用，在進(jìn)行數(shù)字化轉(zhuǎn)型的同時(shí)，完善內(nèi)外部監(jiān)督和治理機(jī)制，完善兩權(quán)分離背景下的治理結(jié)構(gòu)和治理機(jī)制，減少信息不對(duì)稱下的效率損失，有效解決股東和管理層的利益沖突和代理成本。

[9]王海，閆卓毓，郭冠宇，等.數(shù)字基礎(chǔ)設(shè)施政策與企業(yè)數(shù)字化轉(zhuǎn)型：“賦能”還是“負(fù)能”？[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023（5）：5-23.

[10]祁懷錦，魏禹嘉，劉艷霞.企業(yè)數(shù)字化轉(zhuǎn)型與商業(yè)信用供給[J].經(jīng)濟(jì)管理，2022（12）：158-184.

[11]葉康濤，劉行.公司避稅活動(dòng)與內(nèi)部代理成本[J].金融研究，2014（9）：158-176.

[12]侯德帥，王琪，張婷婷，等.企業(yè)數(shù)字化轉(zhuǎn)型與客戶資源重構(gòu)[J].財(cái)經(jīng)研究，2023（2）：110-124.

[13]范合君，吳婷，何思錦.企業(yè)數(shù)字化的產(chǎn)業(yè)鏈聯(lián)動(dòng)效應(yīng)研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2023（3）：115-132.

[14]李安泰，張建宇，盧冰.機(jī)構(gòu)投資者能抑制上市公司商譽(yù)減值風(fēng)險(xiǎn)嗎？——基于中國(guó)A股市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J].金融研究，2022（10）：189-206.

[15]趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021（7）：114-129.

[16]李雪松，黨琳，趙宸宇.數(shù)字化轉(zhuǎn)型﹑融入全球創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績(jī)效[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（10）：43-61.

作者簡(jiǎn)介：盧昌謙（1990.11— ），男，漢族，甘肅景泰人，碩士研究生，研究方向：計(jì)量經(jīng)濟(jì)學(xué)研究理論﹑方法與應(yīng)用。