企业人力资本与数字化转型

何威风 姚文博

【摘要】数字化转型依赖人才支持， 企业人力资本能否以及如何驱动数字化转型是一个重要问题。本文以2010 ～ 2021年我国A股上市公司数据为样本， 从员工学历与技能维度探讨企业人力资本对数字化转型的影响、 作用机制与经济后果。研究表明， 企业人力资本能够显著促进数字化转型， 该结论经一系列稳健性检验后依然成立。机制检验表明， 企业人力资本能够提升企业的研发与创新能力并抑制管理层短视， 进而推动企业数字化转型。进一步研究发现， 企业人力资本对数字化转型的促进作用在非国有企业、 东部地区企业及内部薪酬差距小的企业中更为明显。经济后果检验证明了人力资本通过推动企业数字化转型提升了企业生产效率与信息披露水平。本文拓展了企业数字化转型研究内容， 并为企业推进数字化转型过程中人力资本结构的优化提供了新的启示。

【关键词】人力资本；数字化转型；创新能力；管理层短视；全要素生产率

【中图分类号】F273.1      【文献标识码】A      【文章编号】1004-0994（2023）22-0015-7

一、 引言

伴随大数据、 人工智能、 移动互联网、 云计算、 区块链等数字技术的涌现与渗透， 传统产业的生产、 经营、 管理模式正在发生巨大改变， 数字技术成为经济高质量发展的有力保障（戚聿东和肖旭， 2020）。《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出“加快数字化发展， 建设数字中国”的重要战略导向， 党的二十大报告也明确要“促进数字经济与实体经济深度融合”。在此宏观背景下， 企业选择数字化转型既是顺应技术发展， 也是符合政策导向的战略举措。数字化转型是将数字技术的应用与现有生产模式深度融合， 以数字技术的渗透推动企业业务流程与管理模式的提质、 增效或转变（Johnson等，2017）。已有文献表明， 企业数字化转型可以提升企业价值（赵宸宇等，2021）、 优化企业分工（袁淳等，2021）与规范企业社会责任履行（肖红军等，2021）等。但比研究企业数字化转型更为重要的是， 分析数字化转型的影响因素与作用机制， 探索企业数字化转型的实施路径， 这对于帮助企业更好地实施数字化转型与推动数字经济发展具有重要的现实意义。

企业数字化转型受到企业内外部多种因素的共同影响， 包括市场环境（Fitzgerald等，2014）、 政策干预（赖晓冰和岳书敬，2022）、 财政补助及融资环境（吴非和常曦， 2021）等外部因素， 以及高管团队特征（Kane等，2015）、 股权结构（林川，2023）等内部因素。然而， 万余家企业数字化转型诊断数据以及埃哲森《中国企业数字转型指数研究》显示， 我国大部分企业的数字化转型仍然处于探索期， 多数企业尚未形成以数字化转型为基础的数字能力体系以支持全方位深层次的数字化转型改革。资源和能力的欠缺成为众多企业实施数字化转型过程中的障碍。多数企业在推动数字化转型的过程中广泛存在资本投入、 人才引进、 资源配置、 技术跟进等方面的壁垒。化解企业数字化转型中的难题成为该领域的重要议题。

人力资本是影响微观企业经营成长、 中观产业结构升级、 宏观经济增长的关键要素（陈运平和胡德龙，2010）。随着我国人口环境的变化， 人口红利正加速转变为人才红利。对于企业而言： 一方面， 伴随着人才强国战略的持续推动， 企业更容易获得大批高素质员工； 另一方面， 伴随着生产运营与管理过程技术含量的不断提升， 企业对员工素质和技能水平的要求也在提高。相较于物质资本， 人力资本所发挥的作用愈加重要， 企业也更倾向于选聘具有高學历、 高技能水平的员工进而实现企业人力资本结构优化升级（肖土盛等，2022）。人力资本结构的高级化有助于企业降低代理成本、 提升经营绩效和投资效率（侯粲然等，2022；王瑛，2015）。企业数字化转型离不开人才的支持， 人力资本能否发挥人才的知识溢出、 技能溢出效应进而为企业数字化转型破局和赋能呢？本文基于此展开研究。

本文以2010 ～ 2021年我国A股上市公司数据为研究对象， 以员工学历水平与岗位技能水平衡量人力资本， 考察了企业人力资本对数字化转型的驱动作用。研究结果表明， 企业人力资本能够显著促进数字化转型， 且这一结论在一系列稳健性检验后仍然成立。本文还进行了机制检验， 证明了高学历、 高技能水平的人力资本能够提升企业的研发和创新能力并抑制管理层短视， 从而推动企业数字化转型。本文进一步将企业异质性纳入考察框架， 研究结果表明， 在非国有企业、 东部地区企业和内部薪酬差距小的企业中， 人力资本对企业数字化转型的促进作用更加显著。经济后果检验证明了人力资本通过推动企业数字化转型提升了企业生产效率与信息披露水平。

本文可能的研究贡献为： 第一， 丰富了数字化转型影响因素与路径的相关研究。不同于现有文献基于管理层特征讨论企业数字化转型（张昆贤和陈晓蓉，2021；吴育辉等，2022）， 本文从全体员工团队的视角研究了人力资本对企业数字化转型的影响、 作用机制及经济后果， 有利于深入理解人力资本影响企业战略选择和实施的作用及路径。第二， 拓展了人力资本在公司财务中经济后果的相关研究。现有文献大多集中于企业人力资本升级的影响因素研究（孔东民等，2017；刘啟仁和赵灿，2020）， 证明了企业数字化转型会增加对高水平劳动力的需求和改变内部劳动力结构（叶永卫等，2022）， 但鲜有文献研究人力资本能否促进数字化转型， 本文证实了人力资本高级化的治理效应。第三， 为数智时代企业数字化转型过程中的员工选聘与人力资源配置提供了借鉴。本文的研究结果具有实践价值——为数字化转型的实施提供有益参考， 从人力资本角度为数字化转型期企业搭建员工团队提供决策层面的依据。

二、 理论分析及研究假设

企业数字化转型的核心工作是立足于数字技术对企业生产经营模式与管理模式乃至企业价值创造系统进行改进和创新， 并非数字技术在企业中的简单运用。这一复杂而长期的数字化跨越过程离不开人力资源的支持和保障。依据舒尔茨的现代人力资源理论， 人力资本是劳动者的知识文化水平、 技术技能水平、 工作能力及身体健康状况的价值总和， 人力资本是劳动者价值创造的综合体现， 也是经济发展的主要影响因素。人力资本结构向高素质化方向升级会对企业的战略实施产生深刻影响。本文认为， 人力资本升级能够促进企业数字化转型， 主要原因如下：

第一， 人力资本能够提升企业的研发和创新能力， 促进企业数字化转型。根据知识溢出理论， 高素质员工团队具有更强的胜任力， 能够胜任数字化转型中的必要技术岗位， 为数字化转型过程提供人力资源支持和保障， 这将促使管理者加大企业研发资金投入， 通过知识和技能的驱动加大对研发活动的控制力， 进而打破缓解数字化研发项目的资源约束边界（代昀昊等，2020；刘冀徽等，2022）。进一步， 人力资本是企业开展创新活动的重要载体， 也是影响企业创新水平的核心因素。高水平的人力资本具有较强的求知欲、 自我批判思维与探索精神， 继而拥有更高的创造性和实践能力， 以推动企业创新能力的提升。而创新能力在数字化转型过程中至关重要， 一方面， 创新能够为企业提供数字化转型所需的软硬件基础， 克服知识和技术障碍（杨隽萍和徐娜，2023）。另一方面， 企业数字化转型本就是一个生产运营乃至管理模式和组织架构的革新过程（Warner和W?ger，2019）， 创新能力强的企业能够更加从容地应对风险和不确定性， 对数字化转型有更高的接受度与包容度， 并积极顺应数字化转型实施流程与组织变革。

第二， 高人力资本水平员工能够抑制管理层短视， 积极推动企业数字化转型。员工作为企业内部重要的利益相关者， 扮演着重要的内部治理角色。相较于外部监督者， 企业员工更为了解企业内部的经营情况， 信息不对称程度更低， 而高学历与高技能水平的员工能够更好地对信息内涵进行分析， 进而发挥信息优势对管理层行为进行监督。员工还可能通过作为职工代表进入董事会、 监事会等方式参与企业决策过程， 提升公司治理水平（刘俊海，1999）。此外， Kim等（2018）认为， 人的理性程度与接受过理论与实践教育的状态密切相关。企业经营活动涉及不同层级人力资本的参与， 受过更多教育的高素质员工能在业务协同中发挥集体理性和群体智慧优势辅助管理层优化决策， 进而降低管理层在决策中的非理性、 非效率程度， 抑制管理者为避免短期业绩波动做出不当行为。数字化转型过程具有不确定性、 风险性和长期性（许恒和刘龑，2023）， 在此过程中涉及的研发和创新活动需要大量的资金投入， 在短期表现出一定的“资源侵占效应”。因而， 短视的管理者不愿意牺牲短期利益而投入资金进行研发和创新， 会阻碍数字化转型在企业的实施（王新光，2022）。因此， 企业人力资本能够通过辅助决策与内部监督等方式抑制管理层短视， 促进管理者做出有利于长期价值创造的决策， 为数字化转型的实施提供保障。

综上所述， 本文提出假设： 人力资本能够促进企业数字化转型。

三、 研究设计

1. 样本选择与数据来源。考虑企业数字化转型的起始年度及样本数据的完整性， 本文选择2010 ～ 2021年我国 A 股上市公司作为初始研究样本， 并对数据进行如下筛选： ①剔除金融保险行业样本； ②剔除 ST、 PT样本； ③剔除关键变量缺失样本； ④为消除极端值影响， 对所有连续变量按 1% 和 99% 水平进行缩尾处理。经过上述处理， 本文最终得到16562个企业—年度观测值， 人力资本及主要财务数据来自国泰安（CSMAR）数据库。

2. 变量及定义。

（1）被解釋变量： 企业数字化转型（Digital）。企业在进行数字化转型的过程中会在年报中披露相关信息， 随着大数据文本分析技术的推广， 已有学者广泛利用数字化关键词在年报及管理层分析与讨论中的披露词频度量企业数字化转型程度。本文参考吴非等（2021）的研究， 利用企业数字化转型的经典文献和国家政策文件构建数字化转型特征词谱， 基于文本分析词典法下数字化相关词汇在企业年报中的词频汇总度量企业数字化转型。考虑到数据偏态分布对研究的影响， 本文将词频数加1取自然对数后得到数字化转型的代理变量。

（2）解释变量： 企业人力资本（HC）。根据舒尔茨人力资本结构理论和前期文献， 高学历与技术性员工工作的技术含量更高且具有向下兼容性， 往往附加值更高。员工的学历水平和岗位的技能水平能够衡量企业的人力资本。本文参考肖土盛等（2022）、 陈红等（2022）的研究， 将企业人力资本划分为知识型人力资本（Edu）和技术型人力资本（Tech）。以本科及以上学历员工占比衡量知识型人力资本， 并以技术员工占比衡量技术型人力资本。

（3）控制变量（Control）。本文控制了一系列可能影响企业数字化转型的财务指标和公司治理指标。参考吴育辉等（2022）、 何帆和刘红霞（2019）等的研究设计， 本文控制了企业规模（Size）、 资产负债率（Lev）、 净资产收益率（ROE）、 营业收入增长率（Growth）和总资产周转率（ATO）等财务指标， 以及独立董事比例（Indep）、 两职合一（Dual）、 第一大股东持股比例（Top1）、 上市年限（ListAge）、 是否由四大会计师事务所审计（Big4）和审计意见（Opinion）等公司治理指标。

3. 模型构建。为验证假设， 本文构建如下多元回归模型：

其中： 数字化转型（Digital）为被解释变量； 人力资本（HC）为解释变量， 包含知识型人力资本（Edu）和技术型人力资本（Tech）两个维度； Control为控制变量； ε为随机误差项。为增强结论稳健性， 本文控制了企业所在观测年度（Year）及行业（Industry）的固定效应， 并采用个体层面的聚类稳健标准误进行估计。若假设成立， β1的系数应显著为正。

四、 实证结果及分析

1. 描述性统计。表1列示了主要变量的描述性统计结果。数字化转型（Digital）的最大值为4.927， 最小值为0， 均值为1.407， 标准差为1.353， 可见不同企业的数字化转型水平差异很大， 且大部分企业的数字化转型依然停留在初始阶段， 年报披露程度不高。不同企业的人力资本水平同样表现出较大差异， 从平均数来看， 企业的知识型人力资本均值为0.288， 技术型人力资本均值为0.361， 仍有较大的提升空间。控制变量的描述性统计结果与现有文献基本一致， 本文不再赘述。

2. 相关性分析。为了进一步探究变量间的关联强度， 本文进行了相关性分析。结果表明， 数字化转型（Digital）与企业知识型人力资本（Edu）及技术型人力资本（Tech）的相关系数均为正， 且在1%的水平上显著， 初步支持了假设的推断。此外， 除资产负债率（Lev）与企业规模（Size）、 企业规模（Size）与上市年限（ListAge）外， 其余解释变量及控制变量的相关系数均小于0.4， 证明解释变量与控制变量间不存在高度相关关系。限于文章篇幅， 本文未列示相关性分析结果， 留存备索。

3. 基准回归结果。表2列示了基准回归的结果。列（1）、 （3）分别为不加入控制变量仅控制年度和行业固定效应的回归结果， （2）、 （4）列为加入控制变量后的回归结果。表2的结果显示， 知识型人力资本（Edu）和技术型人力资本（Tech）的回归系数分别为1.419和1.946， 且均在1%的水平上显著， 表明知识型和技术型人力资本水平越高， 企业数字化转型程度越高， 证明了人力资本对企业数字化转型的促进作用。本文假设得到验证。

4. 穩健性检验。考虑到企业数字化转型和人力资本之间可能存在反向因果、 样本选择偏差、 遗漏变量等内生性问题， 且度量指标的片面性、 企业自身特征及特殊事件均可能影响解释变量对被解释变量的作用， 本文通过PSM倾向性得分匹配法、 工具变量法、 更换变量的度量方法、 剔除与筛选特殊样本及增加固定效应维度等五个方面进行稳健性检验。

（1）PSM匹配。为了排除选择样本的特征偏差带来的干扰， 本文采用PSM倾向性得分匹配法进行内生性检验。首先， 分别依据两类人力资本水平的中位数将样本分为实验组和对照组， 并以企业规模、 资产负债率、 净资产收益率、 营业收入增长率、 上市年限等可能影响企业人力资本水平的控制变量作为协变量进行1∶1有放回近邻匹配， 匹配结果满足了“平衡性假设”。表3中（1）、 （2）列展示了倾向性得分匹配后的回归结果。结果表明企业人力资本依然能显著促进数字化转型。

（2）工具变量法。数字化转型会优化企业人力资本配置： 一方面， 有数字化转型战略需求的企业更倾向于聘用学历和技能水平更高的员工并替代低技能水平的员工（肖土盛等， 2022）； 另一方面， 数字化企业往往能够提供更有竞争力的薪酬水平吸引人才。因此， 可能存在“数字化转型—人力资本”的反向影响路径。本文选择来源于《中国教育统计年鉴》的企业所在城市高等学校数量（Sch_Num）作为工具变量进行两阶段最小二乘法（2SLS）回归。所在城市高等学校的数量反映了该地区的教育水平， 高等学校数量越多， 所在地区的企业就更可能接触并获取高水平人力资本， 该指标与解释变量相关。此外， 地方高等学校数量为宏观层面外生变量， 与企业数字化转型的直接关联不大。工具变量法第一阶段回归中工具变量与知识型人力资本和技术型人力资本的回归系数均在1%的水平上显著为正， 且F值均大于10， 排除了弱工具变量问题。表3中（3）、 （4）列分别列示了以工具变量拟合的人力资本与企业数字化转型的第二阶段回归结果。回归结果显示， 二者的回归系数均在1%的水平上显著为正， 说明在考虑这一内生性问题后， 企业人力资本依然能够显著促进数字化转型。

（3）更换变量的度量方法。企业实际实施数字化转型过程中可能存在“多说寡做”和选择性披露的现象， 因此利用文本分析统计词频度量数字化转型存在一定的弊端。本文进一步更换核心变量的测度方法来进行稳健性检验。首先， 本文参考张永珅等（2021）的做法， 采用企业数字化无形资产占比（Dig_Int）来度量企业数字化转型程度。同时， 考虑到企业年报的长度存在差异， 单纯以词频为度量口径缺乏一定的可比性， 本文参考袁淳等（2021）的研究， 采用数字化相关词频在管理层分析与讨论章节中的占比（Dig_Rate）来度量企业数字化转型程度。回归结果如表4中（1） ～ （4）列所示， 人力资本对企业数字化转型的回归系数仍然在1%的水平上显著为正。

此外， 随着企业人才意识的不断增强， 员工的学历水平和技能水平也随之不断提高， 硕士及以上学历员工在企业中的占比逐渐增大， 高技能岗位在企业中的分布更加广泛， 发挥的作用逐步凸显。本文更换核心解释变量的衡量方法， 以硕士及以上学历员工占比（Mast）度量企业知识型人力资本、 以非生产性员工（财务、销售、技术）之和的占比度量技术型人力资本（Ski）。表4中（5）、 （6）列的回归结果证明结论依然成立。

考虑到企业人力资本影响数字化转型作用的稳健性， 本文将被解释变量滞后一期重新进行回归， 回归结果如表4中（7）、 （8）列所示。可见回归系数仍在1%的水平上显著为正， 结论并未改变， 这亦可证明人力资本对企业数字化转型的促进作用有一定的持续性。

（4）剔除与筛选样本。2015年股灾深刻影响资本市场的运转， 也阻碍了企业数字化转型战略的实施， 同样对就业市场产生深刻影响， 阻碍了企业人力资本的积累。而在2013年以前数字技术并未与实体经济紧密结合， 人力资本对数字化转型促进作用的发挥空间较小。参考吴非等（2021）的研究， 本文剔除了2013年以前及2015年度的企业样本后重新进行回归， 结果如表5中（1）、 （2）列所示， 回归结果依然显著。为进一步排除信息技术企业年报中出现更高频率的数字化转型词汇从而影响结论， 本文剔除了行业代码为C39、 I64、 I65的企业后重新进行回归， 回归结果如表5中（3）、 （4）列所示， 研究结论依然成立。考虑到不同企业信息披露水平不同， 企业的迎合性、 策略性披露可能导致年报中披露的数字化转型信息与实际不符。本文以深交所信息披露考评结果为依据， 仅保留考评结果为A（优秀）与B（良好）的企业样本进行回归。回归结果如表5中（5）、 （6）列所示， 人力资本对数字化转型的积极影响依然存在， 结论并未改变。

（5）采用多维固定效应。为了进一步控制个体间差异以及企业所在地的地域特征差异， 本文加入了个体固定效应（Firm）和所在城市固定效应（City）， 表5中（7）、 （8）列展示了“时间—行业—个体—城市”时间与空间多维固定效应下的回归结果， 人力资本与数字化转型的回归系数分别在1%和5%的水平上显著为正， 本文假设得到验证。

五、 进一步研究

1. 作用机制检验。前述理论分析阐释了人力资本可能驱动企业数字化转型的两条途径： 提升企业研发与创新能力和抑制管理层短视。本文对以上两条路径进行检验以揭示人力资本促进企业数字化转型的机制。

首先， 本文从研发能力与创新能力“投入—产出”两个维度进行检验。将研发能力（RD）定义为研发投入占企业总收入的比重， 以发明专利、 实用新型和外观设计专利总申请量加1的自然对数衡量企业创新能力（IA）（缺失值从主样本中剔除）。表6报告了逐步回归检验的结果。其中， 表6中（1）、 （3）、 （5）、 （7）列展示了第一步回归结果， 回归系数在1%的水平上显著为正， 表明解释变量与中介变量的关系是显著的， 即人力资本能够显著提升企业的研发和创新能力。表6中（2）、 （4）、 （6）、 （8）列展示了同时对解释变量和中介变量的回归结果， 中介变量对企业数字化转型的系数在1%的水平上显著为正， 解释变量对被解释变量的回归系数和显著性水平较基准回归有所下降但系数依然显著为正， 证明部分中介效应存在， 即企业人力资本能通过提升企业研发和创新能力促进企业数字化转型。

其次， 本文检验了企业人力资本能否抑制管理者短视从而促进企业数字化转型。参考胡楠等（2021）的做法， 本文借助文本分析工具和词典法统计与企业年报中管理层分析与讨论章节表征短视行为的词汇， 并计算其占总词数的比重， 扩大10倍后得到管理层短视的测度指标。表7展示了以管理层短视（Myopia）为中介变量的检验结果。表7中（1）、 （3）列Edu与Tech的回归系数在1%的水平上显著为负， 表明企业人力资本能够抑制管理层短视。表7中（2）、 （4）列Myopia的回归系数在1%的水平上显著为负， 表明数字化转型能够抑制管理层短视并促进企业数字化转型， 该效应为部分中介效应。

2. 异质性分析。

（1）产权性质、 人力资本与企业数字化转型。从企业产权性质的角度看， 国有企业控股权相对稳定， 企业生产经营活动受政策干预程度大且员工流动性相对较低， 人力资源配置受限（王新光和盛宇华，2022）。同时， 国有企业承担着实现社会与政治目标的责任， 管理者可能牺牲一部分经济利益且傾向选择更为稳健的决策方案（郭婧和马光荣，2019）， 使得具有较高风险的数字化转型在国有企业中推进较慢。而非国有企业在享受市场自由化的同时， 也面临市场竞争的压力， 企业只有充分发挥人力资本的优势才能在市场竞争中获取资源、 取得发展。因此， 企业人力资本在非国有企业中更有动力发挥其知识与技能的溢出效应。本文中产权性质界定如下： 非国有企业取值为0， 国有企业取值为1， 在此基础上构建人力资本与产权性质（SOE）的交乘项， 并将其加入回归模型中。回归结果如表8中（1）、 （2）列所示： 交乘项系数均在1%的水平上显著为负， 证明了产权性质负向调节人力资本与企业数字化转型之间的关系， 因此在非国有企业中人力资本促进数字化转型的作用能得到更好发挥。

（2）地区分布、 人力资本与企业数字化转型。企业所在地区特征同样可能影响企业人力资本促进数字化转型的作用发挥。一方面， 东部地区数字经济发展水平较高， 数字基础设施和金融资源禀赋领先于中西部地区（王宏鸣等，2022）， 企业员工拥有更多资源支持其知识和技术优势的发挥， 从而为企业数字化转型提供智力支持。另一方面， 东部地区市场化进程较快， 要素市场完备且高新技术企业密集， 数字化转型有利于企业获得竞争优势， 实现价值创造。为探究人力资本促进企业数字化转型作用的地区差异， 本文构建了人力资本与地区分布（Loc）的交乘项并将其加入回归模型， 其中东部地区赋值为1， 中西部地区赋值为0。表8中（3）、 （4）列的回归结果显示， 交乘项系数均在1%的水平上显著为正， 证明了东部地区企业人力资本对企业数字化转型的促进作用更强。

（3）内部薪酬差距、 人力资本与企业数字化转型。薪酬是影响企业员工积极性和忠诚度的重要因素。比较理论和相对剥削理论认为随着薪酬差距的逐渐拉大， 员工心理不平衡感增强， 从而易产生消极怠工的情绪。同时， 过高的高管薪酬也扩大了高管攫取私人利益的空间。本文拟验证内部薪酬差距对人力资本与数字化转型关系的调节作用。借鉴杨薇和孔东民（2019）的研究方法， 本文以管理层平均薪酬与员工平均薪酬的比值衡量企业内部薪酬差距（FGP）， 将人力资本与内部薪酬差距（FGP）的交乘项加入回归方程后的回归结果如表8中（5）、 （6）列所示： 交乘项系数为负且分别在1%和5%的水平上显著， 回归结果支持了比较理论， 证明了内部薪酬差距对人力资本与企业数字化转型之间关系的负向调节作用， 即在内部薪酬差距较小的企业中， 人力资本能更好地发挥促进数字化转型的作用。

3. 经济后果研究。前述检验证实了人力资本对企业数字化转型的促进作用， 在此基础上， 本文以促进企业高质量发展为出发点， 从提高生产效率和信息披露水平两个维度检验人力资本促进企业数字化转型的经济价值。企业全要素生产率体现了所有投入要素与产出产品的效率， 能够包含一系列难以量化的因素（如组织架构、 研发创新）对企业生产效率的影响， 作为一种综合性指标被学者广泛用于衡量企业技术生产效率和管理效率， 是企业高质量发展的重要衡量标准（赵宸宇等，2021）， 本文以企业全要素生产率（TFP）作为生产效率的代理变量。而企业的信息披露水平同样在企业发展中发挥重要作用， 企业信息透明度的提升能够改善经营绩效， 降低资金成本（Diamond和Verrecchia，1991）； 同时， 企业信息披露的真实性也是投资者了解企业基本面、 做出合理投资决策的重要保障。本文以信息透明度（Trans）作为信息披露水平的代理变量。

本文采用LP方法， 以中间品投入指标为代理变量计算企业全要素生产率。企业透明度是企业信息披露水平的重要衡量指标， 也是信息对称与内部控制质量的侧面反映。参考辛清泉等（2015）的研究， 本文采用盈余质量、 深交所信息披露指数、 盈余预测准确性、 分析师跟踪人数以及是否聘请四大会计师事务所审计五个指标的百分等级均值衡量企业的信息透明度。本文依照中介检验的逻辑进行经济后果检验， 首先检验了人力资本对企业全要素生产率與信息透明度的影响， 再将数字化转型作为中介变量加入回归模型中。回归结果如表9中（1） ～ （8）列所示： 企业人力资本与数字化转型各项系数均显著为正， 表明人力资本能够通过推动企业数字化转型提升企业全要素生产率与信息透明度， 证明了企业人力资本推动数字化转型能够为企业的生产效率与信息披露水平带来正向贡献。

六、 结论与启示

本文以人力资本为切入点， 研究了企业人力资本对数字化转型的影响， 结果表明， 企业人力资本显著促进了数字化转型， 这一结论经过一系列稳健性检验后仍然成立。进一步分析企业产权性质、 地区分布及内部薪酬差距的影响后发现， 上述因素均调节人力资本与数字化转型的关系， 在非国有企业、 东部地区企业和内部薪酬差距较小的企业中， 人力资本促进数字化转型的作用更为明显。机制分析表明， 人力资本通过提升企业研发和创新能力并抑制管理层短视来促进企业数字化转型， 进而证明了人力资本发挥作用的路径。经济后果检验表明， 企业人力资本通过促进数字化转型提升了企业生产效率与信息披露水平。本文为数字化转型影响因素的研究提供了有益补充， 证明了人力资本对数字化转型的促进作用。此外， 本文为数字化转型阶段企业的人才选聘和人力资源配置提供了实践角度的经验证据。

本文可为企业数字化转型实践提供如下启示： 首先， 企业应重视知识型和技术型人力资本在数字化转型中的重要价值， 在企业数字化转型初期配置足够数量和质量的人力资源并积极规划研发和创新活动， 使得高水平人力资本“人尽其才”， 为企业打破技术壁垒、 提升生产效率创造优势， 为企业数字化转型提供智力支持。其次， 企业在优化人力资本结构的同时应注重合理的薪酬设计， 完善收入分配制度， 进而调动人力资本参与企业生产经营与战略实施的积极性， 同时为员工发挥内部监督作用提供便捷渠道。最后， 企业管理者在企业数字化转型过程中应重视研发和创新活动， 并认识到数字化转型并非眼前之需， 而是长久之计， 应避免因仅注重短期经济利益而做出阻碍企业数字化转型的投资决策， 充分保障企业人力资本作用的发挥。

【 主 要 参 考 文 献 】

郭婧，马光荣．宏观经济稳定与国有经济投资：作用机理与实证检验［ J］．管理世界，2019（9）：49 ～ 64+199．

胡楠，薛付婧，王昊楠．管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习［ J］．管理世界，2021（5）：139 ～ 156+11+19 ～ 21．

孔东民，徐茗丽，孔高文．企业内部薪酬差距与创新［ J］．经济研究，2017（10）：144 ～ 157．

刘啟仁，赵灿．税收政策激励与企业人力资本升级［ J］．经济研究，2020（4）：70 ～ 85．

刘淑春，闫津臣，张思雪等．企业管理数字化变革能提升投入产出效率吗［ J］．管理世界，2021（5）：170 ～ 190+13．

戚聿东，肖旭．数字经济时代的企业管理变革［ J］．管理世界，2020（6）：135 ～ 152+250．

吴非，胡慧芷，林慧妍等．企业数字化转型与资本市场表现——来自股票流动性的经验证据［ J］．管理世界，2021（7）：130 ～ 144+10．

吴育辉，张腾，秦利宾等．高管信息技术背景与企业数字化转型［ J］．经济管理，2022（12）：138 ～ 157．

肖红军，阳镇，刘美玉．企业数字化的社会责任促进效应：内外双重路径的检验［ J］．经济管理，2021（11）：52 ～ 69．

肖土盛，孙瑞琦，袁淳等．企业数字化转型、人力资本结构调整与劳动收入份额［ J］．管理世界，2022（12）：220 ～ 237．

辛清泉，李倩倩，梁政山．股票流动性、流动性风险和公司透明度［ J］．珞珈管理评论，2015（1）：76 ～ 91．

杨薇，孔东民．企业内部薪酬差距与人力资本结构调整［ J］．金融研究，2019（6）：150 ～ 168．

叶永卫，李鑫，刘贯春．数字化转型与企业人力资本升级［ J］．金融研究，2022（12）：74 ～ 92．

袁淳，肖土盛，耿春晓等．数字化转型与企业分工：专业化还是纵向一体化［ J］．中国工业经济，2021（9）：137 ～ 155．

张永珅，李小波，邢铭强．企业数字化转型与审计定价［ J］．审计研究，2021（3）：62 ～ 71．

赵宸宇，王文春，李雪松．数字化转型如何影响企业全要素生产率［ J］．财贸经济，2021（7）：114 ～ 129．

Fitzgerald M.， Kruschwitz N.， Bonnet D.，et al.. Embracing Digital Techno-

logy： A New Strategic Imperative［ J］．MIT Sloan Management Review，2014（2）：1 ～ 15．

Johnson G. A.， Lewis R. A.， Reiley D. H.. When Less Is More： Data and Power in Advertising Experiments［ J］．Marketing Science，2017（1）：43 ～ 53．

Kane G. C.， Palmer D.， Phillips A. N.， et al.. Strategy， not Technology， Drives Digital Transformation［ J］．MIT Sloan Management Review，2015（14）：1 ～ 25．

Kim H. B.， Choi S.， Kim B.， Pop-Eleches C.. The Role of Education Interventions in Improving Economic Rationality［ J］．Science，2018（6410）：83 ～ 86．

（责任编辑·校对： 许春玲  李小艳）