数智融合发展对实体企业投资效率的影响研究

［摘 要］ 以2011-2020年中国A股实体上市公司为研究对象，使用理查森预期投资模型测度实体企业投资效率，检验数智融合发展对实体企业投资效率的影响效果和作用机制。研究发现：数智融合发展有益于改善实体企业投资效率，且对投资不足行为的改善作用更为突出，这一效果具有明显的数智基础设施建设异质性和产业异质性；数智融合能够有效缓解企业信息不对称问题和降低企业融资约束，进而减少企业非效率投资规模。此外，企业内部治理能力和市场竞争压力均在数智融合推动企业投资效率提升过程中发挥着正向调节作用，而媒体负面报道压力则发挥着负向调节作用。

［关键词］ 数智融合；实体企业投资效率；信息不对称；融资约束

［中图分类号］" F270.3 ""［文献标识码］ Ａ"" ［文章编号］ 1008-1763（2025）01-0067-11

Research on the Impact of Digital

Intelligence Integration Development on Investment

Efficiency of Physical Enterprises

LIU Yiwen^1，2，GAO Jinglin³，CHEN Xijun⁴

（1. School of Public Administration， Hunan University， Changsha 410082， China;

2. International Business School， Hunan University of Technology and Business， Changsha 410205， China;

3. School of Resource and Environment， Hunan University of Technology and Business， Changsha 410205， China;

4.College of Finance and Statistics， Hunan University， Changsha 410006， China）

Abstract：Take"" China’s A-share physical" listed companies from 2011 to 2020 as the research object， this paper uses the Richardson expected investment model to measure the investment efficiency of physical"" enterprises， and tests the impact of the"" digital intelligent integration development on the investment efficiency of physical enterprises， as well as the intermediary mechanism. Research has found that the digital intelligence integration development is beneficial for improving the investment efficiency of physical enterprises， and has a more prominent effect on improving underinvestment behavior. This effect has significant heterogeneity in the level" of digital infrastructure and industrial heterogeneity; the" digital intelligence integration" can effectively solve the problem of information asymmetry in enterprises and" financing constraints， thereby reducing the scale of inefficient investment in enterprises. In addition， both internal governance capabilities and market competition pressure of enterprises play a positive regulatory role in the process of promoting the efficiency improvement of enterprises" investment" through digital intelligence integration， while the pressure of negative media coverage plays a negative moderating role.

Key words： digital intelligence integration；investment efficiency of physical enterprises；information asymmetry；financing constraints

一 引 言

作为数字革命下诞生的最具时代特征的新范式^[1]，以“数字化+智能化”为核心的数智化转型，已成为促进产业链、供应链高效协同和资源优化配置的有效手段，促成我国经济社会发生翻天覆地的变化。数智融合发展是指以移动互联网、大数据等为代表的数字化技术和以机器学习、人工智能等为代表的智能化手段的交互融合与实践应用，以实现更高效、更智能的决策和服务^[2]。数智融合发展通过数智平台的构建以及数智技术的广泛应用，大幅提升了信息搜集、传递、验证及利用能力，破除了信息流动的时空障碍，提高了供需匹配速度和准确性，实现了资源优化配置^[3]，带来了产业组织结构优化，成为引领全球经济社会变革、重塑主要大国产业转型升级的新动能，以及推动我国高质量发展的关键因素和强大引擎。

企业作为宏观经济政策的重要微观实施者，肩负着落实国家高质量发展具体政策措施的重任。而投资作为拉动经济增长的重要引擎，如何通过提升投资效率实现经济的高质量发展问题被推到历史聚光灯下。实体企业投资能够扩大企业产能、提高生产效率，进而提高企业价值，是推进经济增长的重要途径。企业投资效率可用实际投资规模与理想投资规模的偏离程度衡量，偏离程度越小，企业投资效率越高，反之越低，而这一偏离程度就是企业的无效率投资部分^[4]。进一步可以将无效率投资细分为投资过度和投资不足，企业对净现值小于或者等于零的项目进行投资，使企业实际投资超出理想投资规模，产生过度投资；而投资不足则是指受融资约束的影响或其他条件制约，企业放弃净现值大于零的项目，使实际投资低于理想投资规模^[4-5]。投资过度和投资不足的出现均不利于企业成长，有损企业价值和预期收益。现有研究普遍认为企业无效率投资行为产生的主要原因是信息不对称及其衍生问题^[6]，信息不对称问题的存在对企业管理者做出最优投资决策造成了相当程度的困扰。一方面，企业管理者无法充分获取市场信息、及时把握最新市场动态，因而难以发现效益较好的投资方向和机会，导致企业投资效率低下；另一方面，企业管理者难以准确判断众多市场信息的真伪，虚假的或者经粉饰过的信息极大地干扰了企业对投资项目风险和收益的评估，导致企业资金配置扭曲，出现投资不足和投资过度情况^[4]。同时，委托代理问题的存在也会侵害企业所有者利益，企业所有者会更加关注企业的长期发展，而企业管理者为了任期内业绩完美，可能会选择短期收益高、风险低的项目进行投资^[7]。此外，还有研究发现数字金融^[8]、关键事项披露^[9]、ESG披露和财务报告质量提升^[10]等均有利于降低信息不对称程度以提升企业投资效率，但仍缺乏从宏观视角出发的驱动机制研究。

由人工智能、大数据和区块链等新一代通用技术及相关产业发展催生的数字经济和智能经济，正驱动着新一轮科技革命和产业变革^[11]，为实体企业的发展提供了新的机遇^[12-13]。数智技术催生高效的信息处理方式，可以准确发现多样化需求，有利于供需双方的快速匹配，大幅度降低交易成本^[14]，为实体企业的经营方式带来深刻的变革，在一定程度上能扭转企业“脱实向虚”的发展方式，助力实体企业发展。既有文献多研究数字技术或智能技术对企业生产效率^[15]、全要素生产率^[16-17]、社会就业与收入均等化^[18-19]、经济高质量发展^[18、20]等的影响，鲜有研究数智融合发展对实体企业投资效率的影响机制及其作用效果的文献。基于此，本文将以数智融合为切入点，研究其对改善实体企业投资效率的作用效果，并考察其实现路径，为我国数智融合发展服务于实体企业提供经验借鉴。

二 理论分析与研究假设

（一）数智融合对投资效率的直接影响

数智融合对微观实体企业投资效率的具体影响可以归结为规模经济效应、范围经济效应和长尾经济效应^[14]。规模经济效应是指，由于数字化产品可以被零成本地无限复制^[21]，企业用户积累所产生的正向反馈引发强者愈强的“马太效应”，使企业产品的平均成本不断下降，为企业创造更高的效益。数智融合发展使企业能够低成本地开展更多的业务，拓展企业生产边界^[22]，此时企业同时经营多种产品所产生的成本低于单独生产每种产品成本总和。因此，数智融合促使企业多样化经营，进而实现范围经济效应。长尾经济效应则是指数智融合发展扩展了市场边界，消费者需求信息的获取和利用推动了企业个性化生产，以实现吸纳更多尾部的、边缘化和多样化的消费者的消费目的，提升了产品的触达能力，同时也为中小企业的成长和创新提供了空间^[23]。以上三种效应的叠加，扩张了企业的生产边界，有利于企业实现多样化经营，增加企业的投资机会，提高实体企业的投资效率。

从数智融合发展改善企业生产经营全流程视角出发。首先，企业数字技术和智能技术的应用有助于全面捕捉消费者需求信息，通过大数据机器学习算法对巨大规模数据进行处理与分析，帮助企业准确发现多样化需求和掌握项目信息，为企业运营提供支持，实现从以供应者为主的价值导向到以需求者为主的价值导向的转变^[24-25]，促进企业调整经营战略、创新生产，优化资源配置，提升企业投资的有效性。与此同时，数智融合还改变了企业传统的治理观念，治理观念的更新带动企业治理模式的创新，进而优化了企业投资决策^[25]。其次，在生产环节，数智技术与传统要素的融合加速企业生产效率的提升，为企业带来更大的营业收入，有利于企业进行多元投资。数智技术，尤其是智能化设备的应用实现了对生产经营全过程的监测和管理，及时的反馈和纠正机制有助于化解企业潜在的危机^[26]，降低企业投资决策出错率，进而降低企业面临的风险，保障企业平稳运行^[25]。再次，在市场推广环节，数智融合发展有益于供需双方的快速匹配，并大幅度降低交易成本以及市场信息的获取难度^[14]，使得企业能够及时把握市场动向，获取即时资讯^[16]，为企业管理层的投资决策提供更多高质量信息，降低企业投资盲目性，降低非效率投资规模。最后，在企业内部管理过程中，数智技术的充分利用实现了对内部人才、资金等资源的良好监督和管理。一方面，企业利用数智技术既能够寻找到合适的代理人，缓解信息不对称所引起的委托代理问题，抑制企业高管的投机行为，又能够实现对企业员工的实时监督^[26]，提高企业运行效率。另一方面，数据挖掘技术、区块链、知识图谱等数智技术优化了对财务信息的管理，既有利于形成对企业财务信息的动态监测，规范和标准化企业会计信息，又能够利用既有信息形成大数据融合的智能财务分析与决策模型^[27]，提升企业决策准确性。基于此，提出研究假设H1。

H1：数智融合发展能促进实体企业投资效率提高，数智融合发展水平越高，实体企业实际投资与理想投资规模的偏离程度就越低。

（二）数智融合对投资效率的间接影响

首先，数智技术的广泛应用将市场上所有经济主体置于同一平台，打破了原有信息要素交流的时空壁垒，有助于提高数据信息的透明度和可获得性，既加快了市场信息的交换速度，又提高了信息匹配的精度^[28]，使得企业决策者能够基于更全面、准确的市场信息做出投资决策，从而减少因信息不对称而导致的决策失误。其次，数智融合发展推动先进数据分析工具和算法的运用，企业有机会利用这些数据分析工具和算法实现对海量数据的分析处理，能够更加准确地了解市场需求、客户行为、产品性能等方面的信息^[24]，从而更有效地制定市场策略、优化产品设计、提升服务质量，进而有助于企业更好地应对信息不对称问题，提高投资决策的科学性和准确性。此外，数智融合的发展还有利于企业获取同类企业相关信息，通过向其他企业学习来有效降低投资失误率。再次，数智融合发展有益于企业构建智能化的决策支持系统，通过实时监控市场变化，快速生成决策建议或预警信息，帮助企业决策者及时把握市场动态，将复杂的数据分析和决策过程自动化，以缓解委托代理问题，减少因代理人的自利行为而产生的非效率投资。

市场要素壁垒的消融及企业信息搜集、传播、处理、利用能力的提升均有助于缓解企业面临的信息不对称问题，更广泛更准确信息的获取和处理使得企业能够获得更多有用信息，有益于减少企业在投资决策中的偏差。基于此，提出本文的研究假设H2。

H2：数智融合发展能够通过降低信息不对称程度，从而改善实体企业投资效率。

一方面，夯实企业自身对数智技术的应用，有助于市场主体扩大信息交流和拓展自身的原有业务范

围，加快培育新的增长极，重构市场组织结构，为企业直接融资创造更多机会。同时，大数据技术、深度学习等数智技术的应用有利于企业更加全面地评估合作伙伴的表现，提前识别潜在的风险并制定应对策略，及时调整战略，灵活选择合作伙伴，进而有助于建立安全、可信、高效的融资体系，降低合作伙伴之间的信任成本，有效缓解企业融资约束。另一方面，数智时代背景下，数据的透明性和可得性也为金融机构实时监控和准确评估企业经营状态和发展前景提供了前提条件，极大地缓解了信息不对称情形下融资难的问题^[29]，并进一步吸纳了更多中小企业进入金融体系，有利于盘活更多中小企业资金，使其投融资更加便捷、高效。金融机构数智技术的应用还极大地简化了企业开展金融活动的流程，降低了企业的投融资活动成本，进而提高了企业投融资效率。

因此，融资约束的舒缓使得企业拥有更多的可支配资金，为企业实现长期目标提供了坚实的后盾，既有利于企业进行分散投资，降低企业投资风险，又有利于企业及时改变投资策略，由低收入项目转向高收入项目投资，实现更好的发展^[17]。基于此，提出本文的研究假设H3。

H3：数智融合发展能够通过缓解融资约束，从而改善实体企业投资效率。

三 研究设计

（一）模型构建

为了研究地区数智融合发展水平对实体企业投资效率的影响方向及大小，本文构建如下计量模型进行分析：

ineffectiveitp=α0+α1DIitp+αkControlsitp+

φi+γt+φj+λp+εitp（1）

其中，i表示实体企业，t表示时间，p表示实体企业所在省份，j表示实体企业所在行业，α0、α1、αk为待估参数，其中α1为核心解释变量数智融合发展的待估参数，若α1显著小于0，说明数智融合发展有利于降低企业的非效率投资水平，证明了前文的研究假说H1。φi、γt、φj、λp、εit分别表示个体固定效应、时间固定效应、行业固定效应、省份固定效应和随机扰动项。其余变量的定义如表2所示。

参考Heckman等^[30]和Gelbach^[31]的做法，建立式（2），对假设H2和H3关于信息不对称和融资约束的间接效应进行检验。

ineffectiveitp=α0+α1DIitp+αkControlsitp+

φi+γt+φj+λp+εitpMitp=β0+β1DIitp+βkControlsitp+φi+γt+

φj+λp+εitpineffectiveitp=δ0+δ1DIitp+δ2Mitp+

δkControlsitp+φi+γt+φj+λp+εitp （2）

其中，M表示中介变量信息不对称程度（IA）和融资约束（FC），其余变量与式（1）保持一致。

（二）变量选取

1. 被解释变量

本文被解释变量为实体企业的投资效率，测度企业投资效率的模型较多，现有文献主要使用理查森预期投资模型和数据包络分析法。本文参考刘亦文等^[4]的研究，使用理查森的预期投资模型，对我国2011-2020年实体企业投资效率进行测度。模型回归方程设定为

Investi，t=α0+α1Investi，t－1+α2Reti，t－1+

α3Levi，t－1+α4Agei，t－1+α5Sizei，t－1+α6Growthi，t－1+α7Cashi，t－1+∑Year+∑Industry+εi，t （3）

其中，Investi，t表示企业i第t年的实际新增投资。在模型中控制了股票回报率（Ret）、资产负债率（Lev）、企业年龄（Age）、企业规模（Size）、企业成长性（Growth）和企业现金流状（Cash）对企业实际投资的影响，并对所有解释变量进行了滞后一期处理。∑Year表示时间固定效应，∑Industry表示行业固定效应。残差项εi，t代表了企业实际投资规模与理想投资规模的偏离程度，即企业非效率投资程度，εi，t小于0表示实际投资低于理想投资规模，即投资不足，εi，t大于0表示实际投资超过理想投资规模，即投资过度。用 ineffective表示企业投资效率的绝对值εi，t，ineffective越大，企业实际投资偏离理想投资规模的程度越大，企业的投资效率也就越低。

2.核心解释变量

本文的核心解释变量为地区数智融合发展水平，参考刘亦文等^[32]的测度方法，从数智业务发展、数智产业发展、数智基础设施、数智企业发展、数智人文素养和数智政务治理六个方面构建指标体系，对我国30个省（直辖市、自治区，除西藏和港澳台地区外）2011-2020年数智融合发展水平进行测度。数据主要来源于《中国统计年鉴》、政府工作报告、上市公司报告、CNRDS数据库、万得数据库和国泰安数据库。

3.控制变量

为了纠正遗漏变量偏误，本文设定如下企业层面的控制变量：企业规模（Size）、股票收益率（Stock_yield）、营业收入增长率（Growth）、净利润率（Net）、资产负债率（Asset_liability_ratio）、大股东占款（Occupy）。鉴于宏观因素同样对投资效率产生影响，有必要对省级层面的干扰因素进行控制，因此本文进一步控制产业结构（Second）、对外开放程度（FI）和经济发展水平（PGDP）三个主要因素，从而缓解遗漏变量因素所引起的内生性问题。变量的具体定义如表2所示。

（三）数据说明与描述性统计

本文以2011-2020年中国A股上市实体企业为研究样本，所用数据主要来源于CSMAR数据库、国家统计局、CNRDS数据库和万得数据库，对本文使用的数据进行预处理以保证估计结果的可靠性：（1）剔除金融、房地产等行业企业；（2）剔除ST、ST*和PT企业；（3）剔除数据严重缺失的企业；（4）对个别缺失的企业数据使用平均值插补方法补齐；（5）对主要连续变量进行缩尾处理。最终获得3205家实体企业共19636条样本数据。

表3为主要变量的描述性统计结果。其中：实体企业投资效率的均值为0.0477，中位数为0.0267，数据呈右偏分布的特征，样本期内大部分企业存在非效率投资，标准差为0.1420，说明不同企业投资效率存在显著差异。其中，过度投资和投资不足样本同样存在着数据右偏分布特征，对比两组样本的标准差可知，过度投资样本的标准差大于投资不足样本的标准差（0.2200gt;0.0467），说明相较于投资不足企业，过度投资企业非效率投资规模的差异更大；对比两组样本数（7612lt;12024）可知，大多数企业处于投资不足状态，企业投资倾向明显，投资规模未达到预期水平。数智融合发展综合指数的均值（0.2050）大于中位数（0.1390），各地区数智融合发展水平同样呈现出右偏分布，大部分地区数智融合综合发展仍然不充分，且地区间差异明显。

四 实证分析

（一）基准回归

数智融合发展水平对企业投资效率的基准回归结果如表4所示。列（1）中，核心解释变量数智融合发展水平（DI）的估计系数为-0.0155，且在5%水平下显著，说明数智融合发展减少了企业非效率投资行为的发生，有利于改善实体企业的投资效率。数智技术在企业中的应用有助于打破部门间的交流壁垒，加快企业内信息传递，重塑企业内部组织结构，实现企业资源的高效管理和调度，为管理者投资决策的制定提供更加充分和更有价值的信息，进而提升企业投资效率。同时，数智技术与实体企业的深度融合有助于提高企业生产力和获取更广泛的数据信息，进而实现资源的调整优化，减少对非必要项目的投资，提升企业投资效率。

下文将企业非效率投资行为分为过度投资和投资不足两部分，分别研究数智融合发展水平对两个分样本的影响效果。表4列（2）为过度投资的回归结果，数智融合发展水平的回归系数为-0.0150，但并不显著，说明数智融合发展对减少企业实际投资中超出理想投资规模的不合理部分、降低过度投资的规模并无明显作用。列（3）为投资不足的回归结果，数智融合发展水平的估计系数为-0.0140，在5%水平下显著，说明地区数智融合发展能够使企业获得充分准确的信息，把握投资不足部分项目的市场动态，调整投资决策，增加投资不足部分的投资。对比投资过度与投资不足估计系数可以发现，地区数智融合发展显著降低了实体企业投资不足规模，进而实现了实体企业总体投资效率的提升。

（二）稳健性检验

1.考虑遗漏变量

由于存在大量未包含在模型内的变量，本文考虑更加严格的固定效应：个体和时间的交乘固定效应，以及地区与时间的交乘固定效应，将其分别加入模型中进行回归分析。回归结果如表5列（1）、列（2）所示，可以看出，核心解释变量的回归系数均在1%水平下显著为负，说明控制更加严格的固定效应后，数智融合发展依旧能够降低企业非效率投资规模，基准回归结果具有稳健性。

2.核心解释变量滞后期调整

考虑到数智融合发展带来的社会红利并不一定能在企业决策上得到及时的体现，因此本文采用核心解释变量数智融合发展水平滞后一期和滞后两期的数据，研究其与企业投资效率之间的关系，回归结果如表5列（3）、列（4）所示，滞后一期的数智融合发展水平（L1.DI）的估计系数为-0.0213，通过5%显著性水平检验，滞后两期的数智融合发展水平（L2.DI）的估计系数在1%水平下显著为负，表明滞后一期和滞后两期的数智融合发展水平对企业非效率投资具有一定的抑制效果，与基准回归结果一致，回归结果具有一定的稳健性。

（三）机制检验

基准回归结果已经证明数智融合发展能够降低实体企业非效率投资规模，同时理论分析表明，数智融合发展可以缓解企业信息不对称问题、企业融资约束，进而提高企业投资效率，因此本部分采用中介效应模型对以上中介机制进行验证，具体检验公式为式（2）。企业信息不对称程度的测量参考于蔚等^[33]的方法，融资约束指标采用融资约束FC指数来衡量。检验结果如表6所示，列（1）、列（2）为企业信息不对称程度的检验结果，列（3）、列（4）为企业融资约束的检验结果。

根据列（1）可以看出，数智融合发展水平（DI）对企业信息不对称程度（IA）的回归系数在1%水平下显著为负，说明地区数智融合发展降低了企业信息不对称程度，缓解了信息不对称问题。由列（2）可以看出，IA对企业投资效率（ineffective）的回归系数在1%显著性水平下显著为正，说明企业信息不对称程度与其投资效率规模间存在着显著的正相关关系，即企业信息不对称程度降低有助于减少企业非效率投资规模，进而实现投资效率的提升。地区数智融合发展有助于消融实体企业面临的信息壁垒，强化企业信息搜集、传播、处理和利用能力，减少因信息不对称问题带来的投资偏差问题，实现企业投资效率的提升。因此，假设H2得到验证。

由列（3）可以看出，数智融合发展水平（DI）对融资约束（FC）的回归系数在1%水平下显著为负，表明地区数智融合发展能够缓解企业融资约束。由列（4）可以看出，FC对企业非效率投资规模的回归系数在10%水平下显著为正，说明企业融资约束和其投资效率之间呈正相关关系，企业融资约束的缓解有利于减少企业非效率投资行为，从而提升企业投资效率。地区数智融合发展有助于拓宽实体企业直接融资和间接融资渠道，降低融资成本，使得企业拥有更多的可支配资金，进而有助于企业分散投资，降低投资风险，有利于企业及时调整投资策略，提高投资收益。因此，假设H3得到验证。

（四）异质性分析

1.区域数智基础设施水平异质性

一方面，区域数智基础设施水平的差异决定了区域内各经济主体信息交流的时效性和有效性，数智基础设施水平高地区的政府、金融机构、企业等机构组织内部及之间的沟通效率更高，充足的高质信息的获取有助于实体企业更加全面、系统地分析项目发展前景，做出更具效率的投资决策；另一方面，数智基础设施水平高的地区具备良好的“学习能力”，既为吸收和创造新知识、新技术提供了沃土，又能产生良好的溢出效应，促进区域内实体企业提高整体能力，优化企业投资决策。本文以地区数智基础设施水平中位数为分组依据进行分组，分析数智基础设施水平差异对企业投资效率的影响，回归结果如表7列（1）、列（2）所示。可以看出，数智基础设施水平较高地区的回归系数在10%水平下为负，数智基础设施水平较低地区的回归系数为负但不显著，说明地区数智基础设施水平较高时，区域内经济主体间信息交流效率更高，新知识、新技术的传播和应用力度更大，因此数智融合能够得到更好的发展，以实现对实体企业投资效率的提升效用。

2.产业异质性

对于高技术产业而言，由于其已经配备了先进的数智化设备，掌握了尖端的技术，并汇聚了专业的人才资源，相关企业在投资决策过程中能够展现出高度的科学性。然而，对于非高技术产业来说，地区数智融合的推进极大地加快了产业内企业的数智化转型进程，有助于减少因信息不对称、决策机制不健全或传统管理模式局限等因素所带来的非理性投资决策，进而有效提升企业的投资效率。因此，本文分析实体企业所在产业对其投资效率的影响。根据国家统计局发布的《高技术产业（制造业）分类（2017）》和《高技术产业（服务业）分类（2018）》，本文将样本企业按照所处产业分为高技术产业企业和非高技术产业企业，分组回归结果如表7列（3）、列（4）所示。可以看出，高技术产业企业的回归系数为负但不显著，说明数智融合发展对高技术产业企业投资效率并没有明显的影响。非高技术产业企业的回归系数在1%水平下显著为负，说明数智融合发展能够显著降低非高技术产业企业非效率投资规模。

五 进一步分析

前文的研究结果表明：数智融合发展能够缓解实体企业面临的融资约束和信息不对称问题，进而提升企业投资效率。但在企业经营活动中，还存在着多种因素对数智融合发展提升企业投资效率的效用产生影响。本文从企业内部治理和外部压力两个视角，内部治理能力、市场竞争压力和媒体负面报道压力三个方面研究其在数智融合提升企业投资效率中的调节作用。因此，本文构建回归模型（4）对所研究的调节作用进行检验：

ineffectiveitp=η0+η1DIitp+η2Uitp+

η3DIitp*Uitp+ηkControlsitp+φi+γt+φj+

λp+εitp（4）

其中，U表示调节变量，分别为企业内部治理能力（MA）、市场竞争压力（competition）和媒体负面报道压力（report），其他与式（1）一致。

（一）企业内部治理调节

公司内部治理被普遍认为是公司股东、董事会和管理层之间形成相互制衡的制度安排^[34]，使得三方利益达成一致。良好的公司治理能设计出切实可行的激励机制，使管理者与股东的目标达成一致，减少管理层自利行为的发生，有益于缓解信息不对称带来的道德风险和逆向选择问题^[35]。数智技术的广泛应用提升了社会信息的透明度，打破了信息传递的时空壁垒，加快了信息传播和交流的速度，使得企业股东能够在更大范围内聘请到实现股东利益最大化的董事代表，进而制定激励合约搜寻到与企业发展目标契合的管理人员，实现企业长远发展和投资效率的提升。

为研究公司内部治理在数智融合提升企业投资效率过程中的调节作用，本文参考周茜等^[36]的衡量方法，从高管监督力度、激励机制、决策权力等方面选择指标，构造综合性指标衡量公司内部的治理水平。回归结果如表8列（1）所示，可以看出数智融合与企业内部治理能力的交互项（DI*MA）的估计系数为-0.1228，且在1%水平下显著，与DI项系数的符号一致，说明企业内部治理能力在数智融合提升企业投资效率过程中发挥着促进作用，企业内部治理能力越强，越有利于利用数智融合带来的红利优化企业投资决策，实现企业投资决策效率的提升。

（二）企业外部压力调节

企业外部压力同样能够约束和规范企业管理者的行为，减少管理者自利行为和短视行为，提升企业投资效率。本文重点研究市场竞争压力和媒体负面报道压力在数智融合提升企业投资效率过程中的调节作用。

1.市场竞争压力的调节作用

激烈的市场竞争不仅考验企业的生存能力，更是推动企业不断进步和优化的强大动力。首先，激烈的市场竞争加快了行业优胜劣汰^[37]，为了在激烈的竞争中脱颖而出，企业有动力完善自身体制机制，调整企业治理结构，优化企业决策制度，并披露更多信息以寻求更多融资和投资机会，优化资源配置^[38]。其次，在面对激烈的市场竞争，管理层需要不断调整战略，灵活应对市场的波动，这使得企业的投资组合更具多样性，减少了非效率投资的风险^[39]。同时，管理层不再满足于传统的经营方式，而是更加注重创新和变革，以更好地适应市场的需求，进而改善企业非效率投资状况。最后，市场竞争还为企业提供了行业标杆，极大地激励了企业高管的正面行为^[37]，高管需要不断提升自身的领导力和管理水平，追求卓越，以确保企业始终处于行业的领先地位，即市场竞争推动企业管理者采取更为负责任和创新性的经营决策，进而实现提升企业投资效率的目标。

本文采用行业勒纳指数衡量市场竞争度，行业勒纳指数越高，竞争度越低，反之竞争度越高。表8列（2）为市场竞争在数智融合提升企业投资效率过程中的作用效果的回归结果，可以看出数智融合的发展水平与市场竞争压力的交互项（DI*competition）的估计系数在5%水平下显著为正，说明市场垄断削弱了数智融合对企业非效率投资的抑制作用，市场竞争则有利于区域数智融合对企业投资效率的提升。市场竞争性越强，企业越有动力进行内部优化，披露更多内部信息，调整投资策略，提升投资效率。

2.媒体负面报道压力的调节作用

首先，媒体报道在企业与外部投资者之间发挥着信息传递媒介的作用，有助于双方信息交流，拓宽企业的融资渠道，有助于企业进行更多投资项目，减少投资不足规模，进而提高投资效率^[40]。其次，媒体在揭露商业丑闻中发挥着至关重要的作用，因此媒体的存在往往能够对企业形成良好的监管^[41]，约束企业不良行为的产生：一方面，媒体有机会与公司管理者进行直接互动，发现企业运行中存在的机会主义问题和违规行为；另一方面，数字化时代加快了媒体报道传播速度，进而加快了管理者声誉在市场上传播的速度。良好声誉的维持对企业管理者未来发展至关重要，这极大约束和规范了管理者的自身行为，使其考虑在任期之内为企业带来良好的业绩，优化企业决策，进而提高企业投资效率。

本文采用企业的网络财经负面新闻报道量占比衡量企业面临的媒体负面报道压力，研究其在数智融合提升企业投资效率过程中的作用，数据来源于中国研究数据服务平台。回归结果如表8列（3）所示，report的估计系数在1%水平下显著为负，说明企业面临的媒体负面报道压力能够显著抑制企业非效率投资行为，提升企业的投资效率，而数智融合发展水平与媒体的交互项（DI*report）的估计系数在1%水平下显著为正，与DI项估计系数（-0.0821）的符号相反，表明企业面临的媒体负面报道压力会削弱部分数智融合发展对企业非效率投资的抑制作用，即企业面临的媒体负面报道压力与数智融合发展呈现出替代关系。

六 结论与政策建议

充分利用数智融合的发展优势，以优化和改善企业的非效率投资决策，对于促进中国经济高质量发展具有重要意义。本文使用理查森的预期投资模型测度了企业的非效率投资规模，对实体企业投资效率与数智融合发展现状进行分析，就数智融合对实体企业投资效率的影响展开了实证研究，从信息不对称和融资约束角度分析了潜在影响，并进行了相应的稳健性检验和异质性分析，得到了如下结论：一是数智融合发展能显著提升区域内实体企业的投资效率，数智融合发展水平越高，企业非效率投资规模越小，其中，数智融合发展主要减小了企业投资不足规模，而对投资过度规模并无显著影响。控制更严格的固定效应和使用滞后期的数智融合发展水平进行回归，回归结果依旧显著为负，表明本文的基本结论稳健。二是机制检验结果显示，数智融合发展通过缓解企业面临的信息不对称问题和融资约束，减少企业投资偏差，使企业具有更充足的资金进行合理投资，进而实现提升投资效率的目的。三是异质性分析表明，地区数智基础设施水平达到较高水平时，数智融合发展才能显著提升地区内实体企业投资效率，相较于高技术产业企业，这一提升作用在非高技术产业企业中表现得更加明显。最后，根据调节效应检验可知，企业内部治理能力能够强化数智融合对企业投资效率提升的促进作用，激烈的市场竞争同样强化了这一促进效果，但企业面临的媒体负面报道压力则削弱了数智融合对企业非效率投资的抑制作用。

根据以上实证结论，结合中国经济发展的实际情况，本文提出如下政策建议：

第一，强化地区数智融合建设。当地政府应加快完善自身数智基础设施建设，为区域内数智发展提供牢固的技术支持。充分发挥区域协调作用，完善交通和信息基础设施，加强资本、劳动力、知识、技术等要素在区域间的流动。同时，坚持推动数智创新，不断探索新的数智应用场景，加大科研投入，保障高校等科研机构的研发投入，促进产学研一体化发展，实现创新成果的有效利用，实现数智融合对各经济主体的增速提效。第二，加快数智技术与实体企业纵深融合步伐。相关部门应加快起草和出台多样的鼓励及优惠政策，积极推动实体企业落实应用数智技术，适当加大对传统产业、中小规模企业等面临“转型难”困境企业的帮扶力度，实现数智技术对全产业的赋能和对企业生产运营全流程的优化，缓解企业信息传递低效问题，强化监督机制，实现资源的合理分配。鼓励和强化市场竞争，降低市场准入门槛，加快行业优胜劣汰，推动企业改革创新。第三，深化数字金融建设。利用数字金融盘活资本，精简企业融资流程，降低融资门槛，提高资金流动性和利用率，增强企业投资灵活性。金融机构应强化与科技公司、初创企业的合作伙伴关系，以更快获取创新技术，探索并采用人工智能、区块链和大数据分析等新兴技术，建立健全的数据治理框架，优化风险管理与客户体验，提高运营效率，确保从源头到终端的数据流畅性，并提供更具竞争力的产品和服务。第四，夯实优质资源运用。实体企业应充分运用大数据、人工智能等技术盘活优质资源，切实有效地提高企业治理能力和治理效率，利用大数据和机器学习技术进行实时监测和预测，建设智能化的风险管理系统，为企业投资决策的制定提供高质量、科学化的信息。注重数智化人才的培养，提高职业经理人的数智素养，准确把握数智技术创新前沿动向，激发企业数智创新活力。综合考虑区域资源禀赋和企业自身特征等实际情况，合理利用既有资源和信息，将其与自身发展相结合，辩证看待媒体报道，推动投资效率提升。

［参 考 文 献］

［1］ 阳镇，陈劲.数智化时代下企业社会责任的创新与治理[J].上海财经大学学报，2020（6）：33-51.

［2］ 曹建飞，谭扬天.数字经济对产业链韧性的影响研究[J].商学研究，2024（3）：96-107.

［3］ Brynjolfsson E， Smith M D. Frictionless commerce？ A comparison of Internet and conventional retailers[J]. Management Science，2000（4）：563-585.

［4］ 刘亦文，谭慧中，陈熙钧，等.数字经济发展对实体经济投资效率提升的影响研究[J].中国软科学，2022（10）：20-29.

［5］ 潘文富，张孝方.企业数字化、管理费用率与投资效率[J].技术经济，2023（9）：121-132.

［6］ 侯巧铭，宋力，蒋亚朋.管理者行为、企业生命周期与非效率投资[J].会计研究，2017（3）：61-67+95.

［7］ 顾海峰，翟淋源.高管薪酬粘性、风险承担与企业投资效率——管理者权力与融资约束的调节作用[J].证券市场导报，2021（1）：33-43.

［8］ 万佳彧，李彬，徐宇哲.数字金融对企业投资效率影响的实证检验[J].统计与决策，2022（19）：135-139.

［9］ Ma Q Q， Zhou J N， Wang Q， et al. The impact of key audit matters on goodwill accounting and investment behavior： evidence from China[J]. International Review of Financial Analysis， 2024，93：103144.

［10］Ellili N O D. Impact of ESG disclosure and financial reporting quality on investment efficiency[J]. Corporate Governance： The International Journal of Business in Society， 2022（5）：1094-1111.

［11］黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济，2019（8）：5-23.

［12］郭凯明，潘珊，颜色.新型基础设施投资与产业结构转型升级[J].中国工业经济，2020（3）：63-80.

［13］夏杰长.中国式现代化视域下实体经济的高质量发展[J].改革，2022（10）：1-11.

［14］荆文君，孙宝文.数字经济促进经济高质量发展：一个理论分析框架[J].经济学家，2019（2）：66-73.

［15］赵滨元.数字技术应用、智能制造生产模式和企业生产效率[J].经济与管理，2023（6）：76-84.

［16］张云，尹艺霏.数字化转型、公司治理模式与企业全要素生产率[J].郑州大学学报（哲学社会科学版），2023（5）：53-58.

［17］江红莉，蒋鹏程.数字金融能提升企业全要素生产率吗——来自中国上市公司的经验证据[J].上海财经大学学报（哲学社会科学版），2021（3）：3-18.

［18］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究，2019（5）：3-22.

［19］王林辉，胡晟明，董直庆.人工智能技术会诱致劳动收入不平等吗——模型推演与分类评估[J].中国工业经济，2020（4）：97-115.

［20］赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020（10）：65-76.

［21］Goldfarb A， Tucker C. Digital economics[J]. Journal of Economic Literature， 2019（1）：3-4.

［22］刘亦文，高京淋.数字经济发展对制造业企业投资效率提升的影响[J].金融经济学研究，2024（2）：73-89.

［23］何帆，刘红霞.数字经济视角下实体企业数字化变革的业绩提升效应评估[J].改革，2019（4）：137-148.

［24］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.

［25］陈德球，胡晴.数字经济时代下的公司治理研究：范式创新与实践前沿[J].管理世界，2022（6）：213-240.

［26］汤萱，高星，赖晓冰.数字化转型对企业劳动生产率的影响研究[J].经济纵横，2022（9）：104-112.

［27］Talha M， Wang F， Maia D， et al. Impact of information technology on accounting and finance in the digital health sector[J]. Journal of Commercial Biotechnology， 2022（2）：184-195.

［28］杨达，鲁大伟.基于数字孪生技术的城市绿色治理路径探析[J].湖南大学学报（社会科学版），2023（5）：64-72.

［29］乔彬，申钰晴，赵广庭，等．数字金融与企业金融化：“脱实向虚”还是“脱虚向实”［J］．财经理论与实践，2024（6）：19-26.

［30］Heckman J， Pinto R， Savelyev P. Understanding the mechanisms through which an influential early childhood program boosted adult outcomes[J]. The American Economic Review， 2013（6）：2052-2086.

［31］Gelbach J B. When do covariates matter？ And which ones， and how much[J]. Journal of Labor Economics， 2016（2）：509-543.

［32］刘亦文，陈熙钧.数智融合发展对中国减污降碳协同治理的影响研究[J].环境科学研究，2023（11）：2189-2199.

［33］于蔚，汪淼军，金祥荣.政治关联和融资约束：信息效应与资源效应[J].经济研究，2012（9）：125-139.

［34］叶陈刚，裘丽，张立娟.公司治理结构、内部控制质量与企业财务绩效[J].审计研究，2016（2）：104-112.

［35］Liu Z" H， Tang H Q， Zhang C S. Corporate governance， moral hazard， and financialization[J]. International Review of Economics amp; Finance， 2023，88：318-331.

［36］周茜，许晓芳，陆正飞.去杠杆，究竟谁更积极与稳妥[J].管理世界，2020（8）：127-148.

［37］王靖宇，张宏亮.产品市场竞争与企业投资效率：一项准自然实验[J].财经研究，2019（10）：125-137.

［38］刘晓华，张利红.产品市场竞争、会计信息质量与投资效率——2001-2014年中国A股市场的经验证据[J].中央财经大学学报，2016（9）：57-72.

［39］陈信元，靳庆鲁，肖土盛，等.行业竞争、管理层投资决策与公司增长/清算期权价值[J].经济学（季刊），2014（1）：305-332.

［40］Gao X， Xu W D， Li D H， et al. Media coverage and investment efficiency[J]. Journal of Empirical Finance， 2021，63：270-293.

［41］Okhmatovskiy I， Shin D. Changing corporate governance in response to negative media reports[J]. British Journal of Management， 2019（1）：169-187.