财务机器人对企业绩效影响机理的双重差分实证研究

孔訸炜 韩智杰 谢家平

（1.上海开放大学经管学院，上海 200433；2.上海财经大学商学院，上海 200433）

大型集团企业扩张给财务管理带来了极大挑战，出现财务数据差异、财务运营效率低下、会计信息交互困难等困境。为了更好解决财务管理的新问题，从2010年开始，大型通信企业陆续建立了具有独立管理和运营权的财务共享服务中心，统一了财务管理流程，集中进行信息数据管理。财务机器人能够对业务快速反应，而且精准可靠，因此越来越受到关注。本文运用企业财务运营管理的相关理论和方法，结合通信企业财务共享服务中心运营成本和效率的指标变化，研究财务机器人技术的应用对通信企业财务共享服务中心财务运营成本和效率的影响，进而应用双重差分模型（difference in difference，简称DID模型），实证分析2018—2019年财务机器人应用对通信企业绩效的影响机制。

1 文献回顾与研究假设

1.1 财务机器人技术应用对企业绩效的影响

随着财务机器人与企业管理流程的深度融合，随着大量数据被采集、分析，以往一些利己却损害整体利益的行为就不易隐藏，管理“透明化”趋势使效率大大提高。财务共享中心服务减少了成本支出，优化了人力资源配置，提高了服务质量和效率，促进了关键事务推进，整合资源以实现战略支持以及共享过程的管理目标。财务机器人技术的广泛应用使其逐渐发展为一项通用性技术，对相关的成本与效率产生积极影响。财务机器人技术作为一种管理工具，一方面对企业信息化系统的优化和升级有一定的积极作用，另一方面增强了企业内部相互制约和控制的能力，使更多的人力、物力转移至更有价值的财务工作中发挥更大的效用，最终提高了企业绩效。基于以上分析，本文提出以下假设：

H1：财务机器人技术应用对企业绩效有积极影响。

1.2 财务运营成本的中介效应

财务共享服务中心应用了财务机器人后，其承担了财务系统中具有低附加值的部分工作，从销售到收款、采购再到应付等环节，机器人都可以按照既定流程及时高效地进行统一处理，同时发挥集中与分散管理的优势，可以节约90%以上的成本。财务机器人技术通过决策支持功能促进财务职能转变，以更低的运营成本提供了更优质的服务，由此提升了企业对市场的反应速度和竞争力，提高了客户满意度，间接地对企业绩效提升做出贡献。据此，本文提出以下假设：

H2：财务机器人技术的应用通过降低财务运营成本对企业绩效产生正向影响。

1.3 财务运营效率的中介效应

财务共享在本质上是一场战略性质的流程再造，依托组织架构重构，财务机器人的应用则是对财务流程的二次优化。将业务单元中简单重复的环节进行剔除，再汇总整合成一个独立的组织进行统一运作。财务机器人技术，一方面促进了财务运作流程效率的提高；另一方面利用资源整合和流程标准化，提高了信息流和资金流的传递效率、速度和质量，使资金流通渠道畅通，从而使财务机构的运营绩效得到切实提高。中兴通讯集团财务共享服务中心的调查统计显示，财务机器人技术付款到账时间从最初的6.2 天减少到只有3天，基本业务处理能力从每天1300单增加到2000单，财务运作效率大大提高。据此，本文提出以下假设：

H3：财务机器人技术的应用通过提升企业财务运营效率对企业绩效产生正向影响。

本文构念模型如图1所示。

图1 构念模型

2 实证设计

2.1 样本选择与数据来源

由于财务机器人从研发、上线至最终的数据汇总具有一定的滞后性，因此本文将30家通信企业作为研究对象，并将2018年设定为财务机器人应用之前，2019年为财务机器人应用之后，并以季度为单位开展数据提取与实证研究。

2.2 变量定义

（1）因变量：企业绩效。本文企业绩效以总资产周转率为考量关键因素。

（2）自变量：是否应用财务机器人技术。应用财务机器人技术为1，没有应用为0。

（3）中介变量：财务运营成本、财务运营效率。本文选取财务运营总成本指标作为第一个中介变量，另外选取报账单平均处理时间指标作为第二个中介变量。

（4）控制变量：企业本身的地区属性、资产规模、财务共享服务中心内部人员特征等。本文主要变量定义如表1所示。

表1 主要变量定义

2.3 模型设计

2018—2019年各通信企业根据自己的业务需求有选择地进行财务机器人试点部署并随后全面铺开，这样分批次、分阶段的技术应用可视为一次“自然试验”，适合用双重差分模型来研究技术应用效果。

设Y代表技术应用影响的指标值，本文中为通信企业i的财务运营成本核心指标，其中Yit是t时刻通信企业i的总财务运营费用；T 是反映时间效应的虚拟变量，T＝0表示技术应用前，T＝1表示技术应用后；Pi是反映技术效应的虚拟变量，其中Pi＝0表示第i个样本属非技术作用组（即对照组），Pi＝1表示其属于技术作用组；T×P是技术效果和作用时间的交叉项，反映二者的共同影响；εit为扰动项，服从正态分布N（0，σ2）。DID模型为：

对照组为B组，此时Pi＝0，那么财务机器人技术应用前后，其技术影响指标值分别为：

因此，是否应用财务机器人技术对B 组企业绩效的影响差距为：

作用组为Pi＝1，那么财务机器人技术应用前后，其技术影响指标值分别为：

因此，是否应用财务机器人技术对A组企业绩效的影响差距为：

综上，是否应用财务机器人技术对A、B两组企业绩效的净影响为：

式（8）描述了财务机器人技术应用前后，作用组A的技术影响指标Y 变化量和非作用组B的指标Y 变化量的差异，故DID模型是一类双重差分模型。

由于样本是从各通信企业随机选取的样本对象，财务机器人技术将全部作用于样本对象，即技术将随机作用于对象，因此可以满足外生性要求。此外，由于财务机器人对各个通信企业都有相同的要求和规定，移动等技术引起的内生性反应则不存在，因此可以满足内生性要求。另一方面，为了提高拟合优度和解决样本的变异性问题，模型中除了加入“分组（P）”“时间（T）”外，还需加入其他影响因变量的控制变量，来反映其他因素对财务机器人技术应用Y 的影响。那么，DID模型的更一般形式如下

其中：Yit、T、Pi、εit和式（3）中的定义一致；Zit＝（Zit（1），Zit（2），…，Zit（k））T，它是除财务机器人技术外其他影响Y 的控制变量，k为选取的指标个数，Zit（j）为t时刻第i个通信企业在第j个控制变量上的取值；T×Pi仍是反映第i个通信企业是否受财务机器人应用作用的虚拟变量，由于本文设Pi＝1表示应用财务机器人技术的通信企业组（作用组），Pi＝0表示未应用财务机器人技术的通信企业组（对照组），故T×Pi＝1 表示财务机器人技术应用实施后，第i个通信企业应用财务机器人，其他情形下（即财务机器人技术实施前或财务机器人技术实施后对照组企业没有采用该项技术）T×Pi＝0。

式（9）中，T×Pi的系数α3仍是双重差分估计量，α3反映财务机器人技术应用实施前后仅由财务机器人技术因素引起的通信企业财务运营成本情况变化的差异。Y 的净影响Dif为：

式（10）与式（8）不同的是：式（8）反映了财务机器人技术应用实施前后通信企业财务核算运营成本变化的差异，Dif只由双重差分系数α3决定；而考虑了其他控制变量后，Dif还受到如式（10）所示的其他指标变化差异量的影响。当然，即便是引入其他控制变量，Dif的不同取值反映财务机器人技术应用对通信企业作用效果的各种情形仍类似式（8）。

本文将运用式（1）和式（9）两类DID模型，揭示财务机器人技术（P）的应用实施对通信企业财务核算运营成本水平（Y）的影响及其财务核算运营成本水平变化量的差异（Dif），揭示财务机器人技术应用实施的效果。

2.4 数据说明

2.4.1 变量描述性统计

本文通过8期共240组数据比较来衡量财务机器人技术应用的经济社会影响，主要变量统计描述如表2所示。

表2 主要变量统计性描述

2.4.2 变量的信度与效度检验

本文运用Python 代码对数据进行处理。首先，运用了Cronbach’s Alpha系数进行信度检验，检验主要变量的内部一致性。通过分析得出，针对本模型的主要变量，该系数为0.7836，说明该模型的测量项目具有较高的内在一致性，可以稳定、可靠地对各变量的本质特征进行测量。本文主要从内容效度方面对量表所测变量的有效性和准确性进行评价，主要变量选取均来源于各企业内部评价报表，因此具有较高的内容效度。

2.4.3 变量的相关性分析

各个变量之间的相关性系数如表3所示。企业绩效与财务运营成本、财务运营效率指标显著相关，初步可以验证之前的假设，也为下一步回归分析奠定基础。

表3 模型变量相关性分析

3 实证结果与分析

3.1 财务机器人技术应用对企业绩效的影响

3.1.1 未引入控制变量的计量回归结果

本文运用Python 计算双重差分估计量，得到未引入控制变量下财务机器人技术应用前后企业绩效的回归结果，具体见表4。

表4 未引入控制变量下参加财务机器人试点应用前后企业绩效的回归结果

在2018年各季度，尚未应用财务机器人技术的实验组与始终未应用财务机器人技术的对照组比较，企业绩效差值为5.9%；在2019年各季度，已经应用财务机器人技术的实验组与始终未应用财务机器人技术的对照组比较，企业绩效差值为21.81%。两年各季度差值的差值，即DID 估计值为15.91%，表示应用了财务机器人技术的企业绩效要优于未应用该技术的企业15.91%，这项优势要比2018年更显著。未引入控制变量的回归计算输出R2为0.284，方程通过10%水平的显著性检验，还有待进一步进行拟合优化。

3.1.2 引入控制变量的计量回归结果

将控制变量通信企业所属地区X1、财务共享服务中心报账单体量X2、通信企业资产规模X3、财务共享服务中心合同制员工占比X4、财务共享服务中心35岁以下青年员工占比X5、财务共享服务中心本科及以上员工占比X6共6个变量逐一引入模型后进行的计量回归结果见表5。

表5 引入其他控制变量后应用财务机器人前后企业绩效的回归结果

从表5中可知，财务共享服务中心报账单体量X2及财务共享服务中心合同制员工占比X4两个控制变量对被解释变量企业绩效Y1的模拟拟合度提升效果最为明显，最终得到DID值为15.8%，模拟拟合系数为0.635，模拟显著性也得到了一定程度的提高。

3.2 平行趋势检验

双重差分法虽然可以较好地解决政策评估中的内生性问题，但依然是建立在一系列重要假设基础上的，同趋势假设是使用双重差分法最重要的前提，即要求在没有外在政策影响的情况下，实验组和对照组的结果变量应按照相同的趋势发展。本文对30家通信企业两组数据进行绘图发现，在财务机器人技术应用前（2018年4个季度）实验组和对照组企业绩效指标几乎都保持平稳；在财务机器人技术应用后（2019年4个季度），对照组的企业绩效指标有小幅度的下降趋势并总体仍然保持平稳，但是实验组的企业绩效指标却呈现明显提升，如图2所示。这表明财务机器人技术实施后，享受到技术红利的实验组企业绩效指标要比未享受技术红利的对照组企业绩效指标平均增长得多，因而财务机器人技术的应用对通信企业绩效指标存在正向影响。图2中财务机器人技术实施前后实验组和对照组的企业绩效趋势是重要的事前检验，这在一定程度上表明企业绩效指标并不是由财务机器人技术以外的其他不同导致的，即满足同趋势假定。

图2 实验组与对照组企业绩效指标趋势对比

3.3 财务机器人技术应用对企业绩效影响机制的检验

根据上文的实证结果可以看出，财务机器人技术的应用可以显著提升各通信企业绩效指标，为了验证前文提出的财务机器人提升通信企业绩效的机制假设，本文中介效应模型设定如下：

其中，式（11）用于估计财务机器人技术应用对企业绩效的影响；式（12）用于估计财务机器人技术应用对中介变量的影响，若α2′通过显著性水平检验，则说明应用财务机器人技术对中介变量存在影响。本案例考虑的中介变量有两个，即财务运营成本（XY）、财务运营效率（XL）。式（13）在式（12）的基础上增加了中介变量，以考察中介机制是否成立，该式重点关注α2″和μ，在满足式（12）的前提下，若μ显著且α2″不显著，则说明财务机器人技术的应用通过中介变量对企业绩效产生了影响，且为完全中介机制；若μ显著且α2″显著，则为部分中介机制；若为其他情况，则中介机制不成立。

检验结果见表6，其中列（4）的估计结果显示，财务运营效益的系数为负，未通过显著性检验，与H2不符合，其他假设均得到验证。

表6 财务机器人技术的应用对企业绩效指标影响机制的检验

4 研究结论与启示

本文基于2018年至2019年共计8 个季度30家通信企业的内部报表数据，利用Python 软件和DID 模型，得出如下结论：财务机器人的试点对通信企业财务运营时效产生了显著性影响，鉴于财务机器人24小时不间断运行的工作机制，运营效率指标中的报账单处理时间有了明显的减少；而财务机器人的试点对通信企业的财务运营规范性没有产生显著性影响，运营效率指标中的报账单平均处理通过率提升并不明显。通过研究财务机器人的技术价值与企业财务能力之间的关系发现，大规模部署财务机器人所产生的技术价值对企业财务效率和绩效的提高有很大的促进作用。

鉴于以上研究结论，本文提出以下几点应用财务机器人的管理启示：

（1）持续开展财务机器人的研发和应用工作，提高企业绩效。企业管理者需对财务机器人技术所能带来的技术价值达成共识，确保财务机器人技术的研究和开发符合企业发展战略，不以短期目标作为研发目的，确保财务机器人的技术价值能够对企业的长期规划起到优化配置作用。财务机器人的研究开发、应用等工作，应当引起企业管理者的重视和支持，兼顾技术应用的多层次目标，包括实现企业财务能力和绩效的提升，也可借此机会完成企业运营流程的二次优化与升级。

（2）拓展财务机器人数据化职能，推进数据治理。以财务机器人为主要共享业务模块的服务中心是企业探索数字技术、强化数据赋能的重要战略手段。随着数据边界的突破，财务机器人不仅提供标准统一的业务审核功能，而且其所掌握的庞大数据基础将是价值创造和增值服务的有效来源。通过财务机器人的数据挖掘和关联分析能力可以发现流程中的弱点和拥挤节点，调整优化这些节点，不断提高流程的效率和运行能力，为企业治理提供数据化手段。

（3）筑牢财务机器人的风险防线，确保安全转型。企业全球化经营过程中，海外各分支机构需要适应差异化的政策，比如核算制度和税务政策，否则容易造成核算及报表质量参差不齐。面对充满不确定性的新常态，共享服务中心的财务机器人应发挥企业风险与合规管控的重要承载平台作用，积极构建具有跨组织、跨职能特点的全面风险防控体系，从加强内部控制入手，依托数字化手段实时监控预警，为企业实现以数据驱动为导向的转型做好风险防控，确保企业平稳转型过渡。