企业数字化转型与资本配置效率

李沁洋,支 佳,刘向强

(西南大学 经济管理学院,重庆 400715)

一、引言

随着数字化时代的全面到来,数字经济已成为世界各国经济转型和创新驱动发展的必然选择。截至2021年,中国数字经济总量已超45万亿元,占地区生产总值的比重超过40%,标志着数字经济已成为经济新常态背景下扩大中国内需、拉动经济增长的重要推动力量[1]。数据这一新型生产要素,蕴藏着巨大的经济价值,而企业数字化转型正成为撬动这一生产要素的重要工具。国家发展和改革委员会的统计数据表明,企业利用数字技术能够提高60%左右的运营效率、50%左右的管理效率以及节约20%的人力成本。在这样划时代转变的背景下,越来越多的企业开始进行数字化转型变革,以期在数字经济发展过程中获得更多数字红利。数字化转型通过数字技术与核心业务的融合及数据要素价值的挖掘,已成为传统企业改造升级传统动能、培育发展新动能的重要手段。与此同时,中国经济进入新常态,企业的发展目标已由高速增长转向高质量发展,效率提升是高质量发展的第一要义。但是,低效率的资本配置行为仍然在企业中广泛存在[2]。因此,企业是否能借助数字化转型,提升其资本配置效率,实现高质量发展是一个亟须探索的重要现实问题。

现有研究指出,数字化转型是为了应对数字技术的变化、日益加剧的数字化竞争以及由此产生的数字化客户行为而产生的,致力于数字化转型的企业不仅需要拥有数字技术,还需要拥有并发展与数字敏捷性、数字网络和大数据分析相关的能力[3]。通过数字技术与核心业务的融合及数据要素价值的挖掘,数字化转型会改变企业的生产销售方式、经营决策、商业模式甚至价值链关系,对企业的各方面产生重大影响[4]。然而,已有文献主要关注了数字化转型对企业生产效率、企业绩效以及在资本市场上的表现等方面的影响,鲜有文献探究数字化转型与企业资本配置效率之间的内在联系[5-7]。那么,数字化转型是否有助于引导企业将有限的资本配置于回报率最高的领域,从而促进企业资本配置效率的提升?对上述问题的研究具有重要的理论价值。

因此,本文通过理论分析提出研究假设,并以2008—2020年中国A股上市公司为样本,借助Python爬虫技术和文本分析法构建企业数字化转型衡量指标,实证检验数字化转型对企业资本配置效率的影响。结果显示:企业数字化转型会显著提高其资本配置效率。这一结论在通过改变核心变量、工具变量法等稳健性检验和内生性检验后均成立。其次,异质性检验的结果表明在行业竞争度较高的企业、代理冲突较严重的企业、高科技企业以及较小规模企业中,数字化转型对提高企业资本配置效率的作用效果更显著。最后,拓展性研究表明,企业数字化转型对资本配置效率的正向影响会进一步促进企业价值提升。

本文可能的边际贡献主要有:第一,不同于以往文献,本文以数字化转型为切入点,探究企业资本配置效率的影响因素,为优化企业资本配置行为提供了新思路和新途径;第二,现有文献主要从企业生产效率、企业绩效、资本市场表现等方面关注数字化转型的经济后果,本文则从企业的资本配置效率角度入手,研究了数字化转型在提升企业资本配置效率方面产生的作用,丰富了企业数字化转型的经济后果研究。第三,本文拓展性研究发现企业进行数字化转型优化企业资本配置效率,最终会促进企业价值增值。这一结论对于充分发挥数字技术对转型企业效率变革和价值效应的驱动作用具有重要参考意义。

二、文献回顾与研究假设

(一)企业数字化转型的相关研究

企业数字化转型是指企业将数字技术应用于企业的生产业务、经营管理等环节及其带来的生产销售方式、经营决策、商业模式甚至价值链关系的变革。相关文献表明,企业进行数字化转型不只是对数字化技术的简单使用,而是对企业从内到外进行深层次变革[8]。企业数字化转型采用的数字战略分为运营战略(产品、市场和流程)和职能战略(财务、人力资本、IT技术等),有效的数字化转型战略应该是将各种数字技术整合到人员、流程和功能上,同时变革运营模式,以实现重要的业务优势以及相应的价值创造[3-4]。对于企业数字化转型的相关研究,目前学术界主要从以下三个方面进行分析探讨。

第一,从数字化转型的内涵界定和实现路径的角度出发,探讨数字化体系和工业体系在组织结构、运营模式和业务流程等方面的差异,并且指出组织从工业化体系转向数字化体系是发生了深层次的结构性变革。数字化转型是指组织将数字技术纳入其生产管理体系,重塑组织的动态能力,打破了业务部门和信息技术部门之间的孤立运作,促使组织重新规划战略定位,进而推动组织实现从工业化体系转向数字化体系的深层次的结构性变革[9]。在这种深层次的结构性变革中,组织结构的变化和数字技术的应用相互影响、不断整合。但需要指出的是,在实现数字化转型变革的过程中,并不代表要完全舍弃组织原先所积累的各种资源,而是要在维持之前运营优势的基础上推陈出新,并找到再平衡点实现有效变革[8]。

第二,从企业进行数字化转型的经济后果出发,揭示企业数字化转型的价值效应。精准掌握数字技术和大数据分析能力是企业实现数字化转型最基本的要求。一旦企业拥有了先进的数字技术和健全的大数据分析能力,企业经营方式和业务流程会发生改变,企业的决策效率也将会大幅提升,从而帮助企业创造价值,促进企业实现高质量发展[3]。现有文献表明,企业能够通过数字化转型降低信息不对称程度、优化人力资本结构、促进专业化分工、提高生产效率,进而提升企业绩效,包括财务绩效、创新绩效等[5-6,10-11]。这些正向作用在资本市场上则表现为降低股价崩盘风险,提升股票流动性[7,12]。此外,也有少数学者从投资效率的视角探讨企业数字化转型的经济后果。国内相关研究发现,企业数字化转型有助于提升其投资效率,抑制过度投资和缓解企业投资不足[13-14]。国外也有研究指出企业数字化转型可以提高企业运营管理和融资水平,进而提高企业风险承担能力,增大其投资规模[15]。

第三,从不同行业和企业数字化转型应用的角度出发,通过开展调查研究、运营策略研究等,为企业数字化转型提供具体的实践案例和经验证据。严若森和钱向阳从运营商行业出发,通过系统分析中国三大运营商数字化转型的内外部环境的机遇和挑战,指出中国运营商应从商业模式、战略业务、平台治理等方面来实现数字化转型[16]。谷方杰和张文锋从餐饮业出发,通过梳理和分析西贝餐饮集团数字化转型的成功案例,发现数字化转型需要根据现有市场环境重新塑造企业的运营模式[17]。成功的数字化转型案例有助于为未转型或正在转型的企业给予更多的经验借鉴,但需要指出的是,由于不同特征的企业所处发展阶段和行业背景存在很大差异,各企业对数字化转型的重视程度也不同,企业实现数字化转型的空间也就存在显著差异。因此,各企业应该根据自身的发展状态和目前所具备的能力,有选择、有策略地进行数字化转型。

上述三类研究无疑对企业数字化转型的研究发挥了重要的借鉴和推动作用,但国内外学术界对于企业数字化转型的实证研究更多集中在生产效率、投资效率、企业分工、企业绩效、股价崩盘风险和股票流动性等视角,鲜有文献关注数字化转型与企业资本配置效率之间的关联关系。因此,本文试图对企业数字化转型对其资本配置效率的影响进行理论分析和实证检验。

(二)理论分析与研究假设

企业数字化转型是企业将数字技术纳入其生产管理、经营决策、商业模式等环节,重塑组织的动态能力,打破业务部门和信息技术部门之间的孤立运作,促使组织重新规划战略定位,进而推动组织实现从工业化体系转向数字化体系的深层次的结构性变革。在完美的资本市场中,信息是完全且对称的,企业会根据投资项目所带来的回报高低,做出如何配置资本的决策,也就是说,企业会将资本配置于回报率最高的投资项目中。但是,现实经济世界中由于信息的不完全,会导致企业资本配置效率低下。第一,高效率的资本配置行为的前提是企业能够准确估计投资项目所能带来的回报率。但现实市场中,由于企业掌握的信息不充分,数据分析技术不发达往往难以精确估计投资项目带来的回报率,导致企业错误地将资本配置于实际回报率较低的项目或是拒绝将资本配置于实际回报率较高的项目中,从而降低资本配置效率[2]。第二,股东与管理层之间的信息不对称现象的普遍存在会触发道德风险和逆向选择问题。管理层为了攫取私人收益,可能做出有损股东价值的投资决策,进而偏离最优的资本配置水平,导致企业资本配置效率低下,危害企业价值增长[18]。企业数字化转型在数字技术的支撑下可能缓解上述两方面问题。

一方面,企业数字化转型能够助力企业精准分析潜在投资机会的回报率,尽量避免企业将资本配置于低回报率或负回报率的项目中,从而可能进一步提升企业资本配置效率。在数字化时代,企业可以借助互联网、大数据、人工智能等分析技术对各类信息进行挖掘、加工、储存和应用,极大地提高了信息的可追踪性和完整性。并且,将数据编码输出成标准化、结构化信息,进一步拓宽了企业获取信息的深度和广度[7]。企业通过深入挖掘市场重要信息,有利于对市场供求关系进行精准预测和高效决策,其结果是显著提高企业识别市场机遇和规避市场风险的能力,引导资本流向发展前景好、投资回报率高的项目中,从而改善企业的资本配置效率[15]。同时,数字化转型的实质是通过优化数字技术,重塑企业的运营模式和管理架构,推动企业从工业化管理转向数字化管理,打破原有传统企业运作的路径依赖,使得企业在信息管理方面更加智能化、在资源管理方面更加高效化以及在运营管理方面更加精准化[19]。伴随着企业经营管理水平的提升以及在海量数据的甄别下,企业能够准确识别投资机会,判断投资所带来的收益和价值,发现投资过程中的潜在风险,并通过有效整合自身资源来化解或转移风险,为进一步提高企业资本配置效率奠定坚实的基础。因此,从理论上分析,企业数字化转型在优化资本配置和提高决策效用方面能够产生积极作用。

另一方面,企业数字化转型能够提高公司信息透明度,降低信息不对称程度,帮助股东和外部投资者更好地监督管理层,降低代理冲突,从而可能在提高企业资本配置效率方面发挥积极作用。在企业未进行数字化转型之前,企业的信息结构具有滞后性、间断性、笼统性等特征,许多重要信息无法被挖掘,只能沉淀在企业内部[7]。但随着人工智能、大数据、云计算、区块链等新兴数字技术的出现,企业进入数字化时代,其中的信息结构变得更加及时、连续、细化和完整,并且分布式信息结构和共享式网络平台也极大地提高了企业内外部信息交互的效率,从而显著提高公司的信息透明度,使得公司股东和外部投资者能够更及时全面地掌握公司内部的多种复杂信息。信息环境的优化有助于股东和外部投资者更好地监督管理层,进而改善代理问题,避免管理层为了获得私有收益,将资本配置于有损公司价值的领域[20]。也就是说,数字化转型有助于股东和外部投资者在事前约束管理层行为,避免将资金投入到前景明显不好的投资项目中,在事后监督管理层及时撤离已经亏损的投资项目,避免资本损失范围的进一步扩大,从而促进企业的资本配置效率得到显著提升[21]。

综合上述分析,本文提出核心假设:

H:在其他条件不变的情况下,数字化转型有助于提高企业资本配置效率。

三、研究设计

(一)研究样本与数据来源

由于中国在2007年实行新的会计准则,对企业大部分财务数据产生影响。因此,为保证数据的可比性,本文以2008—2020年中国全部A股上市企业为研究对象,以验证企业数字化转型与资本配置效率之间的内在逻辑关系。本文遵照既有的研究方法,对初始研究样本进行如下处理:第一,将样本中金融类行业的相关企业予以剔除;第二,将样本期内所有ST、PT处理的上市公司予以剔除;第三,将样本中关键变量存在缺失值的数据予以剔除;第四,为了消除极端值的影响,还对连续型变量进行了上下1%的缩尾处理，最终得到了20 183个样本数据。

此外,本文度量企业数字化转型的数据来自于通过Python爬虫技术获取的中国A股上市公司年度报告中的文本数据,其他样本数据来自于国泰安数据库(CSMAR)。

(二)变量定义及说明

1.被解释变量:资本配置效率(Eff)

资本配置效率是指在资本可自由分配的情况下,将资本配置到投资回报率最高的领域中。本文借鉴覃家琦等的做法,采用参数化方法度量的静态技术效率作为资本配置效率的衡量指标[22]。

在实际估计中,本文选择超越对数生产函数,以营业总收入作为产出量Y,以劳动投入、固定资产投入和中间投入作为投入量X,其中劳动投入为支付给职工的现金与应付职工薪酬之和;固定资产投入为固定资产净额与折旧之和;中间投入为营业成本、管理费用、销售费用之和减去劳动投入和固定资产折旧的差额。该指标主要测度了企业的实际产出与最优产出的比。通过计算企业在劳动力、固定资产、中间投入三方面的资本配置,估计出这些资本投入的最优产出,再计算实际产出与最优产出的比,便可以知晓企业将资本配置到这些领域形成最终产出的效率。人力资本的提升和生产工具的创新虽然会影响技术效率,但是同样会影响资本配置到某一领域的产出效率高低,很难将资本配置效率中的人力、生产工具因素剔除,因此采用技术效率测度资本配置效率具有一定的合理性。

2.解释变量:企业数字化转型(Digital)

企业数字化转型是指数字技术在企业某些业务环节中的应用及其带来的生产销售方式、经营决策、商业模式甚至价值链关系的变革。本文参考赵宸宇等、吴非等的研究,以中国A股上市公司的年度报告中的数字化转型关键词词频作为衡量企业数字化转型的指标[5,7]。企业数字化转型是当前推动企业高质量发展的重大经营战略,更容易体现在具有指导性和总结性的企业年度报告中。因此,本文以上市企业年报中的数字化转型关键词词频作为衡量企业数字化转型的指标,具备一定的可行性。

具体做法如下:第一步,生成数据池。通过Python爬虫技术从上海证券交易所和深圳证券交易所收集2008—2020年中国全部A股上市企业年度报告,并提取年报中的所有文本内容形成数据池,为后续特征词筛选做准备。第二步,确定关键词。本文参考了一系列以数字化转型为研究主题的相关文献,并且根据《中国数字文化产业发展趋势报告》《软件和信息技术服务业发展规划(2016—2020年)》《中国企业数字化转型研究报告(2020)》以及历年政府工作报告归纳整理出有关数字化转型的特定高频关键词,分为数字技术应用、互联网商业模式、智能制造三个维度,具体关键词如图1所示。第三步,统计关键词词频。将前期生成的相关数据池与图1中构建的词谱进行对应匹配和词频计数,最终加总词频,并对其进行对数化处理,以此作为衡量企业数字化转型的指标。该值越大,表明其数字化转型强度越大。

图1 企业数字化转型程度指标构建

3.控制变量

为了规避因遗漏变量可能产生的实证检验偏误,本文参照李鑫和李香梅、覃家琦等的做法并结合本文研究主题的实际情况,引入了一系列可能对企业资本配置效率产生影响的控制变量[18,22]。其中包括:企业规模(Size)、企业年龄(Age)、企业成长性(Growth)、总资产收益率(Roa)、总资产周转率(Turnover)、两职合一(Dual)、企业性质(Soe)和第一股东持股比例(Top1)。此外,本文还控制了行业(Industry)和年度(Year)效应。表1展示了变量的具体定义及说明。

表1 变量定义及说明

(三)模型构建

为揭示企业数字化转型与资本配置效率之间的关系,本文构建如下模型进行实证检验:

Effi,t=α0+α1Digitali,t+∑Controlsi,t+∑Industryi,t+∑Yeari,t+εi,t

(1)

其中,被解释变量Eff表示企业的资本配置效率;核心解释变量Digital为企业数字化转型强度;Controls为前文所提到的企业层面的控制变量集;ε为随机误差项;i代表企业;t代表年份。此外,本文控制了行业(Industry)和年度(Year)效应对研究结果产生的影响。根据前文理论分析,若模型(1)中α1系数显著为负,则验证本文的核心假设,即数字化转型会促进企业资本配置效率的显著提升。

四、实证结果分析

(一)描述性统计分析

本文主要变量的描述性统计结果如表2所示。其中,被解释变量资本配置效率(Eff)的最大值为17.620 7,最小值为12.090 1,标准差为0.999 2,表明在不同类型的企业样本中,资本配置效率存在较大差异。并且,企业资本配置效率的均值为15.182 0,中位数为15.081 3,这一结果意味着均值和中位数偏离程度相对较小,样本没有因极端值而对结果产生影响。在企业数字化转型(Digital)的统计结果中可以看到,解释变量企业数字化转型的标准差为1.535 4,最小值为0,最大值高达6.952 7,表明企业数字化转型程度在不同行业背景、不同发展阶段的企业中差异性较大;并且,中位数为2.079 4,最大值为6.952 7,表明在进行数字化转型企业的上市公司中多数处于较低的数字化转型水平。从另一层面来看,这也印证了中国企业数字化转型尚处于早期发展阶段。本文其他控制变量统计结果与现有文献基本一致,均分布在合理范围内,表明控制变量的数据分布不存在异常情况。

表2 变量的描述性统计

(二)基准回归结果

关于企业数字化转型与资本配置效率之间的基准回归结果如表3所示。其中,列(1)为不加控制变量、不控制行业和年度效应的回归结果,数字化转型(Digital)的回归系数为0.039 0,在1%的置信水平下显著,初步表明,在不考虑其他因素的影响下,企业数字化转型有助于资本配置效率提升。列(2)显示了在列(1)的基础上依次添加各控制变量后的实证结果,其中,数字化转型(Digital)的回归系数仍然为正,并且在1%水平下显著,表明在考虑影响资本配置效率的其他因素后,企业数字化转型对其资本配置效率依然产生正向影响。进一步,列(3)为既添加控制变量又控制行业和年度固定效应的回归结果。其中,数字化转型(Digital)的回归系数为0.016 2,在1%的置信水平显著,并且模型中修正的R2数值由0.003 6上升至0.895 0,表明本文模型的拟合优度较高,结论具有一定可信性。因此,可以得出结论,在其他条件一定的情况下,企业数字化转型程度每上升1个单位,企业的资本配置效率会提升0.016 2个单位,即企业数字化转型与资本配置效率正相关,验证了假设H。

表3 企业数字化转型与资本配置效率:基准回归

(三)稳健性检验

1.改变被解释变量

由于现有文献还通过Richardson模型来计算企业实际资本支出与最优资本支出的差额,测度企业的资本配置效率[14,18]。本文也借鉴上述方法,重新计算企业资本配置效率,并用这一方法计算的指标对式(2)重新进行回归。采用Richardson模型计算企业资本配置效率的具体方式如下:

Investi,t=β0+β1Growthi,t-1+β2Sizei,t-1+β3Levi,t-1+β4Cashi,t-1+β5Agei,t-1+β6Reti,t-1+β7Investi,t-1+∑βiIndustryi,t+∑βiYeari,t+εi,t

(2)

根据现有文献的做法,式(2)中每个公司样本回归的残差绝对值代表了企业实际资本支出与最优资本支出也即理想资本支出的偏离程度,即为资本配置效率(Eff1)。当企业实际资本支出偏离最优资本支出的程度越大时,企业的资本配置效率越低,反之,则企业的资本配置效率越高。其中,残差大于0的样本即为存在过度资本配置行为(Over_Eff)的企业,残差小于0的样本即为存在资本配置不足行为(Under_Eff)的企业。式(2)中,Invest表示企业购置固定资产、无形资产和其他长期资产支出的年度现金净额之和,并用总资产进行标准化处理,该指标仅代表企业的实际资本支出,并非本文的被解释变量资本配置效率。Growth表示企业营业收入的增长率,Size表示企业规模,Lev表示资产负债率,Cash表示企业的现金持有量,并用总资产对其进行标准化处理;Age表示企业年龄,Ret表示企业的股票回报率。Industry和Year表示行业和年度虚拟变量。

计算该指标时,首先利用所有样本的相关数据对式(2)进行回归,从而得到等式右边每个指标的回归系数。然后,计算样本中每个企业理想资本支出,这一步是通过等式右边一系列会影响企业资本配置的因素的实际数据,乘以式(2)中各个变量的回归估计系数βi后相加得到,也即单个样本公司的年度Invest拟合值。每个公司实际的Invest数值(实际资本支出)减去拟合的Invest数值(理想资本支出)即为残差,取绝对值后用以衡量资本配置效率(Eff1)。该残差为企业的实际资本支出与理想资本支出的偏差程度,该值越大,表明企业的实际资本支出偏离理想资本支出的程度越大,企业资本配置效率越低;反之,该值越小,资本配置效率就越高。

表4列(1)报告了改变被解释变量后重新回归的结果,列(2)和列(3)报告了将资本配置效率(Eff1)进一步分解为过度资本配置(Over_Eff)和资本配置不足(Under_Eff)重新检验的结果。由列(1)可知,数字化转型(Digital)的回归系数为-0.000 6,在1%的置信水平下显著,这表明在其他条件一定的情况下,企业数字化转型与资本配置效率呈正相关关系,与基准回归结果一致,表明本文的结论具有稳健性。从列(2)和列(3)可以看出,数字化转型对过度资本配置的回归系数显著为负,并且系数值大于数字化转型对企业资本配置效率的回归系数值;而数字化转型对资本配置不足的回归系数不显著为负。这表明数字化转型能够显著优化企业资本配置行为,并且对过度资本配置行为的抑制效果更强。

表4 企业数字化转型与资本配置效率:改变核心变量

2.改变解释变量

本文借鉴张永坤等研究,以上市公司财务报告附注披露的年末无形资产明细中与数字化转型相关的部分占无形资产总额的比例来重新度量企业数字化转型强度[23]。具体做法如下:首先,当无形资产明细项目中包含“软件”“网络”“智能平台”等与数字化转型技术相关的关键词以及与此相关的专利时,则将此项目定义为“数字化技术无形资产”。其次,将同企业同年度的多项数字化技术无形资产进行加总,并计算其占本年度无形资产总计的比重,该变量即作为企业数字化转型程度的衡量指标。表4列(4)报告了改变解释变量后重新回归的结果。结果显示,数字化转型(Digital1)的回归系数仍然显著为正,再次表明在其他条件一定的情况下,数字化转型能够提高企业资本配置效率。

(四)内生性问题

由于本文的变量间可能存在反向因果关系而引发内生性问题,即资本配置效率更高的企业可能更倾向于实施数字化转型,进而导致实施数字化转型是企业资本配置效率高的结果而不是原因。对此,本文利用两种处理方法来缓解这一内生性问题。

1.工具变量法

本文选取两个企业数字化转型的工具变量进行两阶段最小二乘法回归。首先,本文借鉴袁淳等的做法[10],采用各城市1984年每百万人固定电话数量和滞后一期的全国互联网上网人数的交互项(Digital_IV1)作为企业数字化转型的工具变量重新进行检验。互联网技术的推广应用是在传统电信设施普及之上发展的,企业所处地区的电信设施应用越普遍,该地区对于互联网技术的接受和应用程度就越高,满足工具变量的相关性条件。而且固定电话的主要作用为提供通信服务,对于企业资本配置效率的作用微乎其微,满足工具变量的外生条件。此外,由于原始工具变量为截面数据,无法直接用于面板数据的工具变量,因此本文以滞后一期的全国互联网上网人数和1984年各地级市每万人固定电话数量构造交互项作为该年企业数字化程度的工具变量。表5中列(1)和列(2)报告了使用此交互项作为工具变量的两阶段回归结果。第一阶段中,交互项(Digital_IV1)对企业数字化转型(Digital)的回归系数显著为正,并且F值为78.18大于10,说明各城市1984年每百人固定电话数量和滞后一期的全国互联网上网人数的交互项与数字化转型具有较强的正相关性,不存在弱工具变量的问题。在第二阶段的回归结果中,Kleibergen-Paap rk LM statistic通过1%水平的显著性检验,Cragg-Donald Wald F statistic大于Stock-Yogo弱工具变量识别F检验在10%显著性水平上的临界值,表示拒绝工具变量识别不足和弱工具变量的原假设。因此,本文选取该交互项作为工具变量是合理有效的。从表5中列(2)可知,在利用工具变量法处理后,数字化转型(Digital)的系数为0.308 2,通过了1%水平的显著性检验,表明企业数字化转型与资本配置效率高度正相关。

表5 企业数字化转型与资本配置效率:工具变量法

其次,本文还选取了2017—2020年《中国城市数字经济白皮书》公布的约220个城市的数字经济指数(Digital_IV2)作为企业数字化转型的工具变量,该指标从数据及信息化基础设施、城市服务、城市治理以及产业融合四个方面度量中国城市数字经济发展水平。从工具变量的相关性分析可知,数字经济是促进经济增长的重要手段,而其根本落脚点就在于企业数字化转型。同时数字经济作为经济发展环境,并不直接作用于企业的资本配置效率,满足工具变量的外生条件。因此采用企业所在地区数字经济指数作为企业数字化转型的工具变量在理论上分析是合理的。表5列(3)和列(4)显示了城市数字经济指数(Digital_IV2)作为工具变量的两阶段回归结果。列(3)为第一阶段的回归结果,我们可以看出数字经济指数(Digital_IV2)对企业数字化转型(Digital)的回归系数显著为正,并且F值大于10,说明地区数字经济指数与数字化转型具有较强的正相关性,不存在弱工具变量的问题。在第二阶段的回归结果中,Kleibergen-Paap rk LM statistic通过1%水平的显著性检验,Cragg-Donald Wald F statistic大于Stock-Yogo弱工具变量识别F检验在10%显著性水平上的临界值,表示拒绝工具变量识别不足和弱工具变量的原假设。因此,该工具变量是有效的。从表5中列(4)可知,在利用工具变量法处理后,数字化转型(Digital)的系数为0.254 4,通过了1%水平的显著性检验,表明企业数字化转型与资本配置效率存在的显著正相关关系没有发生改变。

2.对自变量进行滞后一期和两期检验

由于企业数字化转型的作用可能存在一定的时滞性,因此本文还将企业数字化转型进行滞后一期和滞后两期重新回归,以进一步消除当期资本配置效率作用于当期企业数字化转型这一情况而导致的内生性问题的可能性。具体结果如表6列(1)和列(2)所示。由列(1)和列(2)可以看出,滞后一期(L1.Digital)和滞后两期(L2.Digital)数字化转型对企业资本配置效率(Eff)的回归系数仍然显著为正,表明企业进行数字化转型确实有助于提高企业的资本配置效率。上述结果与前文结论一致,表明企业数字化转型和资本配置效率的正向关系具有高度的稳健性。

表6 企业数字化转型与资本配置效率:滞后一期和两期检验

(五)异质性分析

1.基于行业竞争度的异质性检验

处于不同竞争程度的行业,企业面临的生存压力存在显著差异,对于通过实现数字化转型,精准识别投资机会,从而促进企业资本配置效率提升的意愿也会不同。在竞争程度较高的行业中,由于竞争对手较多,企业失去投资机会的风险较大[24]。为了在激烈的竞争中获得生存空间,这类企业必须尽可能将资本配置于投资回报率最高的项目中,并抓住一切真正能产生收益的投资机会,以获取竞争优势,因而在这些行业中的企业会更加积极地利用数字化转型去辨别潜在投资的收益率高低,从而尽可能提升资本配置效率;而当企业所在的行业竞争度较低时,由于外部竞争压力相对较小,即便将资本配置于回报率较低的项目中,也能在行业中继续生存,导致其利用数字化转型提升资本配置效率的意愿相对较弱。因此,本文推测在竞争更为激烈的行业中,企业更需要应用数字技术提高其辨别投资收益率的能力,进而提升资本配置效率。本文选择赫芬达尔指数作为度量行业竞争程度的指标。其中,赫芬达尔指数越小,表明该行业内企业垄断势力越低,行业竞争程度越高。按照赫芬达尔指数的中位数将样本划分为行业竞争度较高和竞争程度较低的两组,并进行分组回归。

表7中的列(1)和列(2)分别报告了在行业竞争度较高和较低的企业中,企业数字化转型(Digital)影响资本配置效率(Eff)的回归结果。在行业竞争度较高的样本中,数字化转型(Digital)的回归系数为0.025 3,在1%水平下显著;在行业竞争度较低的样本中,数字化转型的回归系数为0.004 5,但并未通过显著性水平检验。并且,通过Bootstrap抽样1 000次进行组间系数差异检验后,

表7 企业数字化转型与资本配置效率:行业竞争度的异质性

经验P值显示为0.000,通过1%水平的显著性检验。这就表明数字化转型对提高行业竞争度较高的企业资本配置效率的作用效果更强。此分组样本的回归结果印证了数字化转型对企业资本配置效率的影响在行业竞争度较高企业和行业竞争度较低的企业中存在一定差异。其中,在行业竞争度较高的企业中,数字化转型对提高企业资本配置效率的作用效果更强,这一结论也验证了前文的推断。

2.基于代理冲突的异质性检验

信息不对称现象的存在会诱发代理冲突,管理层为了攫取私人收益,可能做出有损股东价值的投资决策,进而导致偏离最优的资本配置水平[18]。企业数字化转型可以借助互联网、大数据、人工智能等分析技术对各类信息进行挖掘、加工、储存和应用,提高企业信息获取的能力,降低信息不确定性和不对称程度,这将有利于股东和外部投资者更好地监督管理层,降低股东和管理层之间的代理问题,促使管理层将资本配置于收益更高的投资项目中,进而提高企业的资本配置效率。因此,本文推测,在代理冲突更严重的企业中,企业更需要借助数字化转型降低信息不对称程度,更好地监督企业管理层,从而缓解代理冲突,优化企业资本配置行为。本文借鉴岳宇君和顾萌的研究,以管理费用率作为度量企业代理成本的指标,该值越大,企业代理问题越严重[25]。进一步地,本文按照管理费用率的中位数将样本划分为代理冲突较重组和代理冲突较轻两组,并进行分组回归。

表8中的列(1)和列(2)分别报告了在代理冲突较重和较轻的企业中,企业数字化转型(Digital)影响资本配置效率(Eff)的回归结果。在代理冲突较为严重的企业样本中,数字化转型(Digital)的回归系数为0.024 0,在1%水平下显著;在代理冲突较轻的企业样本中,数字化转型的回归系数为0.014 0,也通过1%水平的显著性检验。通过Bootstrap抽样1 000次进行组间系数差异检验后,经验P值显示为0.006,通过1%水平的显著性检验。由于在代理冲突严重组的数字化转型回归系数大于代理冲突较轻组,这就表明数字化转型对提高代理冲突更严重的企业资本配置效率的作用效果更强。此分组样本的回归结果印证了数字化转型对企业资本配置效率的影响在代理冲突较重企业和代理冲突较轻的企业中存在一定差异。其中,在代理冲突较重的企业中,数字化转型对提高企业资本配置效率的作用效果更强,这一结论也验证了前文的推断。

表8 企业数字化转型与资本配置效率:代理冲突的异质性

3.基于企业科技属性的异质性检验

相较于非高科技企业,高科技企业拥有更完备的基础设施和更专业的技术人才,更能满足企业数字化转型所需要的技术条件,能够充分利用数字技术挖掘企业内部价值。同时,高科技企业本身的发展目标就是科技创新,这就决定了高科技企业有着更强烈的数字化转型意愿,也更能适应数字化转型后组织架构和管理体系的变革,从而有效提高企业的资本配置效率。因此,在不同的行业特征下,本文预期数字化转型对企业资本配置效率的作用效果可能在高科技企业中更显著。本文将所处行业为计算机与通信设备、公共软件服务、电子、航空航天、医药制造、专用仪器仪表制造业、化学品制造的企业划分为高科技企业,否则为非高科技企业,并对其进行分组回归,以此探讨数字化转型对不同科技属性的企业资本配置效率影响的差异性,具体结果如表9所示。

表9中的列(1)和列(2)分别报告了将总样本分为高科技企业和非高科技企业后分组回归的结果。在高科技企业样本中,数字化转型(Digital)的回归系数为0.025 8,在1%水平下显著;在非高科技企业样本中,数字化转型(Digital)的回归系数为0.013 2,在1%水平下显著。通过Bootstrap抽样1 000次进行组间系数差异检验后,经验P值显示为0.001,在1%水平下显著。由于在高科技企业组的数字化转型回归系数大于非高科技企业组,这就表明在高科技企业中数字化转型对资本配置效率的作用效果更强。此分组样本的回归结果印证了数字化转型对企业资本配置效率的影响在高科技企业和非高科技企业中存在一定差异。其中,在高科技企业中,数字化转型对提高企业资本配置效率的作用效果更强,这一结论也验证了前文的推断。

表9 企业数字化转型与资本配置效率:企业科技属性的异质性

4.基于企业规模的异质性检验

小规模企业相对于大规模企业而言,由于企业部门较少,部门之间的协调成本相对较低,通过数字化转型所积累的数据资源更容易在部门间进行传递和整合,同时重塑后的企业动态能力以及调整后的企业发展战略也更容易适应和发展,从而使得数字化转型对提高规模较小的企业资本配置效率作用效果可能更强。此外,相较于大规模企业,小规模企业借助数字信息技术更能有效提高其信息收集和处理的能力,极大地提高其决策效率。因此,本文预期数字化转型对企业资本配置效率的提升作用可能在小规模企业中更大。本文按照企业总资产的中位数将样本划分为较大规模和较小规模企业两组,并进行分组回归。表10报告了按照企业规模分组后重新进行回归的结果。

表10中的列(1)和列(2)分别报告了将总样本分为规模较大的企业和规模较小的企业后分组回归的结果。在规模较大的企业样本中,数字化转型(Digital)的回归系数为0.010 8,在5%水平下显著;在规模较小的企业样本中,数字化转型(Digital)的回归系数为0.023 3,在1%水平下显著。二者数字化转型的回归系数均显著为正,并且通过Bootstrap抽样1 000次进行组间系数差异检验后,经验P值显示为0.002,在1%水平下显著。由于在较小规模企业组的数字化转型回归系数的绝对值大于较大规模企业组,这就表明数字化转型对提高小规模企业资本配置效率的作用效果更强。此分组样本的回归结果印证了数字化转型对企业资本配置效率的影响在较大规模企业和较小规模企业中存在一定差异。其中,在较小规模企业中,数字化转型对提高企业资本配置效率的作用效果更强,这一结论也验证了前文的推断。

表10 企业数字化转型与资本配置效率:企业规模的异质性

五、拓展性研究

前文发现,企业数字化转型能够助力企业识别投资机会,降低信息不对称程度,缓解代理问题,从而促进企业资本配置效率的提升。那么,企业资本配置行为的变化是否最终有助于企业的价值提升?本小节主要回答上述问题。企业数字化转型的实质是借助数字技术,重塑企业的运营模式和管理架构,推动企业从工业化管理转向数字化管理,打破原有传统企业运作的路径依赖,使得企业在信息管理方面更加智能化、在资源管理方面更加高效化以及在运营管理方面更加精准化,从而为促进企业价值的持续提升奠定了坚实的基础。并且,数字化转型能够助力企业精准识别投资机会和风险,优化企业资本配置行为,这在一定程度上也为企业价值增长提供了有效推动力。基于该推断,本文进一步实证检验企业数字化转型是否最终提升了企业价值。

为了探究企业数字化转型是否会影响企业价值,本文在基准模型(1)的基础上,将被解释变量资本配置效率(Eff)替换企业价值(TobinQ),设置模型(3)重新进行实证检验。

TobinQi,t=α0+α1Digitali,t+∑Controlsi,t+

∑Industryi,t+∑Yeari,t+εi,t

(3)

模型(3)中,企业价值(TobinQ)是指企业的市值与企业重置资本的比值,该值越大,表明企业的发展前景越好。控制变量集(Controls)与基准回归保持一致,同时模型控制了行业(Industry)和年度(Year)固定效应。

表11报告了企业数字化转型与企业价值的实证回归结果。其中,列(1)为不加入控制变量,只控制了行业效应和年度效应的回归结果,我们可以发现企业数字化转型(Digital)的回归系数为0.013 7,并且在5%水平下显著。研究结果初步显示企业数字化转型有助于企业价值的持续提升。列(2)为在列(1)的基础上添加控制变量并且控制行业和年度效应影响重新进行回归的结果,我们可以发现,企业数字化转型与企业价值的正相关关系仍然没有发生改变,并且回归系数增加至0.031 8,通过了1%水平的显著性检验。这一结果意味着在控制其他因素的影响后,企业实施数字化转型能够显著促进企业价值的提升。因此,我们可以得出结论,企业数字化转型能够促进企业价值提升,验证了前文的推断。

表11 企业数字化转型与企业价值的回归结果

六、结论与建议

本文在厘清数字化转型与企业资本配置效率关系的理论基础上,借助中国A股上市公司2008—2020年的财务数据,利用文本分析法构建企业数字化转型的度量指标,验证了数字化转型与企业资本配置效率之间的内在逻辑关系,并得出以下核心结论:

第一,企业数字化转型强度越大,其资本配置效率就越高。此核心结论在通过改变核心变量、工具变量法等稳健性检验和内生性检验后依然成立。第二,异质性分析的结果表明,数字化转型在不同类型的企业中对资本配置效率的作用效果有所差异。其中,在行业竞争度较高的企业、代理冲突较严重的企业、高科技企业和较小规模企业中,数字化转型对提高企业资本配置效率的作用效果更显著。第三,拓展性研究表明,企业数字化转型对资本配置效率的正向影响会进一步促进企业价值的提升。上述结论对于充分发挥数字化转型对企业效率变革和价值效应的驱动作用具有重要借鉴意义。

基于以上研究结论,为充分推动企业实现数字化转型和促进企业资本配置效率的提升,本文提出如下政策建议:第一,企业应当更加重视数字化转型战略,在企业资本配置过程中充分应用数字技术和积累的数据资源。企业应当在各个部门深入实施数字化转型战略,并借助这一机会促使企业加快形成以数据挖掘、分析及应用等为核心的数字化管理体系,将数字技术深度融合到资本配置决策的环节当中,为企业资本配置行为提供全方位的信息及决策支持,为优化企业资本配置行为提供有效推动力。第二,政府需着力构建和完善企业数字化转型的激励政策体系,助力企业高质量发展。在当下新经济新动能快速发展的情况下,应当充分把握企业管理数字化变革的机遇,为中国经济可持续发展奠定坚实基础。同时,不同企业、不同行业存在不同的发展需求,应结合企业需求加大政策支持力度,如出台相应的优惠政策鼓励数字化转型企业的发展,使得数字化转型能够与企业发展导向深度融合,为企业高质量发展增添活力。第三,企业应当借助数字化转型提升信息披露质量,营造良好的市场信息环境。数字化转型有助于挖掘沉淀在企业底部的信息,提高信息透明度,从而有效提升信息的传递效率。信息质量的优化也有利于加强外部市场对企业经营的监督,进一步降低代理成本,这在一定程度上也有助于提高企业资本配置效率。因此,企业应当进一步通过数字化转型优化企业的信息披露制度,降低外部股东的监督成本,提升实体企业部门与资本市场的融合度。