張功富（教授），詹 俊，呂月童

一、引言

近年來，隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、云計(jì)算等新一代數(shù)字信息技術(shù)的涌現(xiàn)，越來越多的企業(yè)開始進(jìn)行數(shù)字化轉(zhuǎn)型。節(jié)約人工成本、提高勞動(dòng)投資效率是許多企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的重要目的，然而，數(shù)字化轉(zhuǎn)型后的企業(yè)勞動(dòng)投資效率是否得到了顯著提升？若是，數(shù)字化轉(zhuǎn)型如何促進(jìn)企業(yè)勞動(dòng)投資效率的提升？對(duì)于這兩個(gè)實(shí)務(wù)界高度關(guān)注的問題，學(xué)術(shù)界卻鮮有研究。

企業(yè)勞動(dòng)投資效率是指企業(yè)實(shí)際雇傭量與生產(chǎn)經(jīng)營(yíng)所需的最佳雇傭量之間的匹配度（李小榮等，2019），而具有強(qiáng)外部性的勞動(dòng)力要素是生產(chǎn)要素中最活躍且最重要的要素，對(duì)提升企業(yè)競(jìng)爭(zhēng)能力和促進(jìn)經(jīng)濟(jì)長(zhǎng)期健康增長(zhǎng)起著至關(guān)重要的作用（李世剛和尹恒，2017）。但是目前日趨嚴(yán)重的人口老齡化問題、已經(jīng)到來的“劉易斯拐點(diǎn)”以及疫情的持續(xù)沖擊使得我國(guó)的勞動(dòng)力供給與需求之間存在著一定的結(jié)構(gòu)性失衡現(xiàn)象。企業(yè)勞動(dòng)投資效率關(guān)系到企業(yè)價(jià)值增值、社會(huì)就業(yè)形勢(shì)穩(wěn)定及供給側(cè)結(jié)構(gòu)性改革的實(shí)施與推進(jìn)，因此，如何提高勞動(dòng)投資效率從而實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展，是目前實(shí)務(wù)界面臨的重要問題，也是學(xué)術(shù)界需要著力研究的重要主題。

數(shù)字化轉(zhuǎn)型是企業(yè)高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力（肖土盛等，2022）。數(shù)字化轉(zhuǎn)型是指企業(yè)將數(shù)字技術(shù)深度應(yīng)用并融合于生產(chǎn)、經(jīng)營(yíng)及服務(wù)中，用先進(jìn)的數(shù)字化體系取代傳統(tǒng)生產(chǎn)體系的創(chuàng)新變革。隨著數(shù)字經(jīng)濟(jì)的跨越式發(fā)展、新技術(shù)的不斷產(chǎn)生，數(shù)字化轉(zhuǎn)型正是貫徹落實(shí)黨的二十大報(bào)告中提出的“堅(jiān)持把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，加快建設(shè)數(shù)字中國(guó)”的重要舉措。數(shù)字技術(shù)的應(yīng)用不僅有利于在企業(yè)內(nèi)搭建現(xiàn)代化信息系統(tǒng)，為企業(yè)生產(chǎn)經(jīng)營(yíng)提供有價(jià)值且全面的信息資源，而且為加強(qiáng)企業(yè)各部門間溝通協(xié)作、提升創(chuàng)新績(jī)效、促進(jìn)企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展等注入不竭動(dòng)力。因此，本文擬對(duì)數(shù)字化轉(zhuǎn)型如何影響企業(yè)勞動(dòng)投資效率以及其中的作用機(jī)制進(jìn)行檢驗(yàn)，為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型、優(yōu)化整合人力資源、實(shí)現(xiàn)創(chuàng)新發(fā)展提供新的思路。

本文的創(chuàng)新點(diǎn)和貢獻(xiàn)如下：第一，從數(shù)字化轉(zhuǎn)型視角豐富了企業(yè)勞動(dòng)投資效率影響因素的相關(guān)研究?，F(xiàn)有研究多從信息質(zhì)量（Ha 和Feng，2018；Pinnuck 和Lillis，2007）、公司戰(zhàn)略（張焰朝等，2020）、政策環(huán)境（孔東民等，2020；卜君和孫光國(guó)，2020）等角度對(duì)企業(yè)勞動(dòng)投資效率展開研究，本文與之不同的是從數(shù)字化轉(zhuǎn)型這一新視角探索提高企業(yè)勞動(dòng)投資效率的有效途徑，為企業(yè)數(shù)字化應(yīng)用能夠優(yōu)化人力資源配置提供了新的證據(jù)，對(duì)抑制企業(yè)超額雇員以及緩解用工不足壓力等具有重要的理論與現(xiàn)實(shí)意義。第二，擴(kuò)寬了對(duì)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的考察。已有文獻(xiàn)主要將數(shù)字化轉(zhuǎn)型作為風(fēng)險(xiǎn)管控能力提升的途徑，研究其對(duì)企業(yè)績(jī)效（白福萍等，2022）、企業(yè)創(chuàng)新（肖土盛等，2022）、企業(yè)價(jià)值（祁懷錦等，2020）等方面的影響，較少將其作為一種資源整合的管理模式展開研究，尚未有文獻(xiàn)探討數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的影響，而本文證實(shí)了數(shù)字化轉(zhuǎn)型能使企業(yè)用人計(jì)劃更加精準(zhǔn)且更加貼近實(shí)際。第三，打開了數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率之間的機(jī)制“黑箱”，不同于此前文獻(xiàn)的單一路徑檢驗(yàn)，本文構(gòu)建了鏈?zhǔn)蕉嘀刂薪樾?yīng)模型，嘗試把創(chuàng)新能力與內(nèi)部控制納入同一個(gè)理論框架中，揭示數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率影響的復(fù)雜路徑，檢驗(yàn)了“數(shù)字化轉(zhuǎn)型通過創(chuàng)新能力作用于企業(yè)勞動(dòng)投資效率”的核心路徑，深度挖掘了“數(shù)字化轉(zhuǎn)型→內(nèi)部控制→企業(yè)勞動(dòng)投資效率”的獨(dú)立中介效應(yīng)以及“數(shù)字化轉(zhuǎn)型→創(chuàng)新能力→內(nèi)部控制→企業(yè)勞動(dòng)投資效率”的鏈?zhǔn)街薪樾?yīng)。

二、理論分析與研究假設(shè)

企業(yè)勞動(dòng)投資效率只有保持在較高水平，確保企業(yè)實(shí)際與最優(yōu)勞動(dòng)投資水平偏離程度最低，才能更好地實(shí)現(xiàn)企業(yè)內(nèi)外部資源的優(yōu)化配置。然而企業(yè)勞動(dòng)投資會(huì)受到諸多因素的影響，使實(shí)際與最優(yōu)水平之間發(fā)生偏離，導(dǎo)致投資效率低下，不利于企業(yè)運(yùn)營(yíng)流程的順利進(jìn)行和價(jià)值增值意愿的實(shí)現(xiàn)（Becker，1962）。導(dǎo)致企業(yè)勞動(dòng)投資效率低下的原因主要有兩個(gè)：一是經(jīng)營(yíng)管理低效。有的管理者為了構(gòu)建“帝國(guó)”目的，過度擴(kuò)張企業(yè)規(guī)模和雇傭員工，而有的管理者追求安逸生活，對(duì)外部環(huán)境關(guān)注不夠，雇傭員工不足。二是資源配置不夠合理。信息環(huán)境是資源配置的基礎(chǔ)，只有透明的信息環(huán)境才能夠?yàn)槠髽I(yè)配置資源提供決策依據(jù)與資金支持，避免雇傭過度與不足的發(fā)生。究其根本，企業(yè)勞動(dòng)投資效率的高低與代理問題和信息不對(duì)稱有重要關(guān)系（李小榮等，2021），然而數(shù)字化轉(zhuǎn)型對(duì)于企業(yè)來說，是將數(shù)字技術(shù)滲透到企業(yè)的各個(gè)方面，不僅能夠緩解代理問題，影響并制約管理者行為，而且能夠緩解信息不對(duì)稱問題，提高資源配置效率，能夠從根源上解決阻礙企業(yè)勞動(dòng)投資效率提升的問題。

首先，數(shù)字化轉(zhuǎn)型能夠降低代理成本，影響管理層的勞動(dòng)投資決策。由于勞動(dòng)力具有一定的流動(dòng)性，因而管理者在制定內(nèi)部勞動(dòng)投資方案時(shí)擁有較強(qiáng)的自由選擇權(quán)（Ha 和Feng，2018）。一方面，管理層防御理論認(rèn)為，擁有防御動(dòng)機(jī)的管理層會(huì)為了保障自身利益而做出損害公司利益的決策，超額雇傭員工和與員工結(jié)盟則是管理層為了鞏固和擴(kuò)大控制權(quán)力的防御表現(xiàn)。而數(shù)字化轉(zhuǎn)型是為了構(gòu)造數(shù)字治理體系，提升組織協(xié)同能力，降低代理成本。在數(shù)字技術(shù)的推動(dòng)下，企業(yè)管理結(jié)構(gòu)與管理模式發(fā)生改變，利益相關(guān)者可以及時(shí)、準(zhǔn)確地了解決策者的動(dòng)向以及決策信息，便于對(duì)管理者進(jìn)行監(jiān)督，制約管理者自利行為。另一方面，管理者短視理論認(rèn)為，短視的管理層會(huì)為了短期目標(biāo)而放棄對(duì)企業(yè)發(fā)展有利的長(zhǎng)期投資，而勞動(dòng)投資具有周期較長(zhǎng)、成效較慢的特點(diǎn)，使得短視的管理者更不愿意進(jìn)行勞動(dòng)投資。數(shù)字化轉(zhuǎn)型能夠搭建數(shù)字信息平臺(tái)，重構(gòu)商業(yè)模式，企業(yè)將引進(jìn)具備長(zhǎng)遠(yuǎn)戰(zhàn)略思維且擅于規(guī)避風(fēng)險(xiǎn)的高素質(zhì)管理人才，對(duì)改善企業(yè)內(nèi)部管理機(jī)制有積極作用，各部門之間的協(xié)作水平得以提升，減少了管理者的職業(yè)顧慮，有利于其更好地掌握信息變化，為管理者的科學(xué)決策提供依據(jù)。

其次，數(shù)字化轉(zhuǎn)型能夠緩解信息不對(duì)稱，影響企業(yè)勞動(dòng)力資源配置效率。勞動(dòng)力市場(chǎng)是典型的信息不對(duì)稱市場(chǎng)，表現(xiàn)為雇主擁有確定的、豐富的工作信息，但無法獲得相關(guān)求職者的全部信息；而求職者往往不能得到相關(guān)職業(yè)可靠的、充分的信息，也不可能將個(gè)人全部情況告訴雇主。勞動(dòng)力市場(chǎng)的這種信息不對(duì)稱現(xiàn)象會(huì)導(dǎo)致逆向選擇和道德風(fēng)險(xiǎn)的發(fā)生，從而使企業(yè)不能將最合適的人配置到最合適的崗位上，進(jìn)而降低了企業(yè)勞動(dòng)力資源配置效率。數(shù)字技術(shù)的應(yīng)用可以跨越企業(yè)內(nèi)外信息鴻溝，使信息更加開放共享，從而有效緩解管理者與普通員工之間的信息不對(duì)稱，具體表現(xiàn)在：一是在信息搜集方面，數(shù)字技術(shù)將企業(yè)各個(gè)部門與各利益相關(guān)者的信息進(jìn)行整合，信息搜索范圍得以擴(kuò)大，通過算法篩查深入挖掘搜集到的信息，信息搜索深度得以加深。二是在信息應(yīng)用方面，數(shù)字技術(shù)將包括勞動(dòng)者在內(nèi)的利益相關(guān)者納入信息網(wǎng)絡(luò)之中，使管理者與普通員工成為利益共同體，將高質(zhì)量信息在信息網(wǎng)絡(luò)中傳播，便于利益共同體之間相互合作，同時(shí)也為合作者提供智能分析，實(shí)現(xiàn)互利共贏。三是在信息質(zhì)量方面，數(shù)字技術(shù)能夠從信息來源、信息中介與信息接收等渠道，將企業(yè)財(cái)務(wù)信息與勞動(dòng)力信息轉(zhuǎn)換為有效信息，使信息能更加客觀、透明、迅速地呈現(xiàn)給信息使用者，縮短了信息的傳遞距離，保障了信息質(zhì)量，降低了信息傳遞成本?？偠灾瑪?shù)字化轉(zhuǎn)型通過對(duì)信息資源的利用與分析，可以為管理者的勞動(dòng)力投資決策提供高效且便捷的依據(jù)，從而實(shí)現(xiàn)勞動(dòng)力資源配置效率的提升。

基于此，本文提出H1：數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)提高勞動(dòng)投資效率。

企業(yè)勞動(dòng)投資的非效率行為具體表現(xiàn)為勞動(dòng)投資過度與不足（Jung等，2014），而數(shù)字化轉(zhuǎn)型不僅能夠制約管理者行為、完善公司治理、避免超額雇員，而且能夠緩解融資約束、提高勞動(dòng)生產(chǎn)率、減少雇傭不足的行為。第一，對(duì)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資過度的影響，管理者出于構(gòu)建商業(yè)“帝國(guó)”、獲取政府青睞、開拓商業(yè)版圖等動(dòng)機(jī)，通常會(huì)采取擴(kuò)大企業(yè)用人規(guī)模的措施，造成雇傭冗余現(xiàn)象。而數(shù)字技術(shù)具有以下優(yōu)點(diǎn)：一是能對(duì)企業(yè)生產(chǎn)運(yùn)營(yíng)等信息進(jìn)行深度計(jì)算，避免人為操縱，為管理層決策提供智能化方案；二是能降低利益相關(guān)者之間的信息不對(duì)稱，有利于彼此之間相互監(jiān)督與制衡，使管理層決策更加科學(xué)合理；三是能推動(dòng)公司治理有效運(yùn)轉(zhuǎn)，限制管理層權(quán)力，弱化管理層對(duì)信息隱匿、操縱等的行為，使管理層能夠采取切合公司實(shí)際利益的勞動(dòng)投資決策。第二，對(duì)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資不足的影響，勞動(dòng)投資與其他投資一樣面臨著融資約束，對(duì)勞動(dòng)力進(jìn)行培訓(xùn)、發(fā)放福利等都需要通過融資來彌補(bǔ)。而數(shù)字化轉(zhuǎn)型能夠優(yōu)化資源配置、提升融資能力，具體表現(xiàn)為向市場(chǎng)釋放積極信號(hào)，為信息使用者提供可靠、便捷、高效的內(nèi)部信息，順應(yīng)政府的轉(zhuǎn)型政策，不僅能夠?yàn)槠髽I(yè)融資擴(kuò)大資金來源，而且能夠獲得更多的補(bǔ)貼優(yōu)惠，緩解企業(yè)融資問題，為雇傭合適的勞動(dòng)力資源、培訓(xùn)高質(zhì)量員工提供資金支持。此外，數(shù)字化轉(zhuǎn)型也能優(yōu)化企業(yè)人力資源配置，提升勞動(dòng)生產(chǎn)率，提高管理者能力。數(shù)字技術(shù)的使用降低了信息搜索成本，能夠?yàn)榍舐氄咛峁└泳唧w的信息情況，同時(shí)也能使企業(yè)精準(zhǔn)識(shí)別所需要的勞動(dòng)者情況，加強(qiáng)各部門之間人員協(xié)作，優(yōu)化人力資源配置。根據(jù)資本—技能互補(bǔ)理論，隨著數(shù)字技術(shù)的發(fā)展，企業(yè)智能機(jī)器人代替普通員工的現(xiàn)象增多，單位時(shí)間產(chǎn)品產(chǎn)量以及質(zhì)量都有所提升，為高技能員工生產(chǎn)提供輔助，實(shí)現(xiàn)人機(jī)協(xié)同，解決了人力資本成本高而致使企業(yè)用人不足的問題。同時(shí)，數(shù)字技術(shù)對(duì)企業(yè)管理模式進(jìn)行革新，企業(yè)將雇傭更高水平的員工與管理層，高能力的管理層因擁有較強(qiáng)的專業(yè)能力，能精準(zhǔn)判別企業(yè)投資決策的合理性，減少非理性行為，從而提高勞動(dòng)投資效率。

基于此，本文提出H2：數(shù)字化轉(zhuǎn)型能夠抑制企業(yè)勞動(dòng)投資過度且有利于緩解企業(yè)勞動(dòng)投資不足。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

2010年，我國(guó)逐漸從2008年國(guó)際金融危機(jī)的沖擊中恢復(fù)過來，有一些企業(yè)開始進(jìn)行數(shù)字化轉(zhuǎn)型探索?；诖?，本文以2010 年作為研究期間起點(diǎn)，以2010 ～2020年我國(guó)A股上市公司數(shù)據(jù)作為研究對(duì)象。并剔除以下樣本：金融保險(xiǎn)類上市公司；被ST 和*ST 等特殊處理的樣本公司；有數(shù)據(jù)缺失的樣本公司；雇員人數(shù)小于30，年末總資產(chǎn)為0，長(zhǎng)期負(fù)債為負(fù)以及長(zhǎng)期資產(chǎn)負(fù)債率大于等于1 的樣本公司。經(jīng)過上述處理，共獲得17622 個(gè)觀測(cè)值，并對(duì)所有連續(xù)變量進(jìn)行了上下1%的縮尾處理。與數(shù)字化轉(zhuǎn)型相關(guān)的文本信息來自公司年報(bào)，其他數(shù)據(jù)來自CSMAR數(shù)據(jù)庫(kù)。

（二）變量定義

1. 被解釋變量：勞動(dòng)投資效率（Ab_net_hire）。參考Jung 等（2014）、Pinnuck 和Lillis（2007）、孔東民等（2017）的模型與方法，對(duì)模型（1）進(jìn)行回歸后得到殘差，殘差大于0 表示勞動(dòng)投資過度（Overresid），小于0表示勞動(dòng)投資不足（Underresid）。對(duì)殘差取絕對(duì)值作為企業(yè)勞動(dòng)投資效率（Ab_net_hire），其數(shù)值越大，企業(yè)勞動(dòng)投資效率越低。

其中，Net_hire 為企業(yè)員工變動(dòng)率，Sales_growth為營(yíng)業(yè)收入變動(dòng)率，ROA 為總資產(chǎn)收益率，ΔROA 為ROA的變化值，Return為考慮現(xiàn)金紅利再投資的年個(gè)股回報(bào)率，Size_R 為企業(yè)年個(gè)股總市值的百分比排位，Quick為速動(dòng)比率，ΔQuick為Quick的變化值，Lev為長(zhǎng)期資產(chǎn)負(fù)債率，Lossbin為業(yè)績(jī)虧損的虛擬變量①，Year和Ind分別為年度與行業(yè)虛擬變量。

2. 解釋變量：數(shù)字化轉(zhuǎn)型（DCG）。參考吳非等（2021）的方法，采用企業(yè)數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)加1取自然對(duì)數(shù)來衡量。特征詞分為底層技術(shù)與實(shí)踐應(yīng)用兩個(gè)層面，其中底層技術(shù)包含人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)四個(gè)維度，而實(shí)踐應(yīng)用包含數(shù)字技術(shù)應(yīng)用維度，具體運(yùn)用Python 軟件對(duì)公司年報(bào)中含有以上數(shù)字化轉(zhuǎn)型的特征詞進(jìn)行配對(duì)、篩選、統(tǒng)計(jì)等文本分析，并剔除語(yǔ)句前有否定含義的特征詞以及與本公司數(shù)字化轉(zhuǎn)型無關(guān)的詞匯，形成最終數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)。

3. 控制變量。參考李小榮等（2021）的方法，選擇的控制變量主要包括：市值賬面比（MB）、總資產(chǎn)收益率（ROA）、企業(yè)規(guī)模（Size）、股權(quán)集中度（Top1）、固定資產(chǎn)比重（PPE）、速動(dòng)比率（Quick）、營(yíng)業(yè)收入波動(dòng)性（Std_sales）、凈雇傭波動(dòng)性（Std_net_hire）、非效率資本投資（Ab_other_invest）、兩職合一（Dual）等指標(biāo)，并且控制了年度與行業(yè)固定效應(yīng)，具體指標(biāo)定義如表1所示。

表1 變量定義

其中，非效率資本投資模型采用Biddle 等（2009）的模型：Invest_othert=?0+β1Sales_growtht-1+εt，對(duì)其進(jìn)行回歸得到的殘差取絕對(duì)值即為非效率資本投資。

（三）模型構(gòu)建

為驗(yàn)證本文假設(shè)，構(gòu)建以下基準(zhǔn)模型（2）：

其中，被解釋變量為勞動(dòng)投資效率（Ab_net_hirei，t），解釋變量為數(shù)字化轉(zhuǎn)型（DCGi，t-1），Controli，t為控制變量，εi，t為隨機(jī)誤差項(xiàng)?？紤]到數(shù)字化轉(zhuǎn)型對(duì)勞動(dòng)投資效率的影響具有時(shí)滯性以及反向因果的干擾，本文將數(shù)字化轉(zhuǎn)型滯后一期，若系數(shù)?顯著為負(fù)，則表明數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動(dòng)投資效率，即H1成立。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

由表2 可知，勞動(dòng)投資效率（Ab_net_hire）的均值為0.174，標(biāo)準(zhǔn)差為0.284，說明各企業(yè)間勞動(dòng)投資效率差異比較大，且勞動(dòng)投資效率水平普遍較低。其中，勞動(dòng)投資過度（Overresid）的企業(yè)有6070 家，占34.45%，均值為0.256，而勞動(dòng)投資不足的企業(yè)有11552 家，占65.55%，均值為0.140，說明勞動(dòng)投資過度的企業(yè)占比雖然不高，但程度比較嚴(yán)重，而勞動(dòng)投資不足程度雖然較低，但是現(xiàn)象較為普遍。數(shù)字化轉(zhuǎn)型（DCG）的均值為1.275，中位數(shù)為1.099，最小值為0，最大值為6.252，說明多數(shù)企業(yè)處于數(shù)字化轉(zhuǎn)型程度較低的階段，仍存在未進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)，不同企業(yè)之間數(shù)字化轉(zhuǎn)型程度差距較大。

表2 描述性統(tǒng)計(jì)

（二）回歸結(jié)果分析

表3報(bào)告了數(shù)字化轉(zhuǎn)型（DCG）對(duì)企業(yè)勞動(dòng)投資效率（Ab_net_hire）影響的檢驗(yàn)結(jié)果。第（1）列顯示，數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率的回歸系數(shù)為-0.010且在1%的水平上顯著，說明數(shù)字化轉(zhuǎn)型程度越高的企業(yè)，其非效率勞動(dòng)投資程度就越低，即數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)提高勞動(dòng)投資效率，H1 得證。第（2）列與第（3）列為勞動(dòng)投資過度組與勞動(dòng)投資不足組的分組檢驗(yàn)。結(jié)果顯示，數(shù)字化轉(zhuǎn)型的回歸系數(shù)均為負(fù)，說明數(shù)字化轉(zhuǎn)型不僅能顯著抑制企業(yè)勞動(dòng)投資過度，也能夠緩解企業(yè)勞動(dòng)投資不足，H2得證。

表3 基準(zhǔn)回歸與分組回歸檢驗(yàn)結(jié)果

（三）穩(wěn)健性檢驗(yàn)

1. 替換變量。

（1）變更被解釋變量企業(yè)勞動(dòng)投資效率的度量方式。參考孔東民等（2020）的方法重新估計(jì)被解釋變量企業(yè)勞動(dòng)投資效率，即使用本年企業(yè)員工總?cè)藬?shù)與年個(gè)股總市值之比來替代，對(duì)模型（1）重新進(jìn)行回歸后得到企業(yè)勞動(dòng)投資效率（LIE）。表4 第（1）～（3）列的結(jié)果顯示，無論是在全樣本組還是在分樣本組中，數(shù)字化轉(zhuǎn)型與變更后的勞動(dòng)投資效率的關(guān)系仍然顯著為負(fù)，說明數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)勞動(dòng)投資效率的提升，與前述研究結(jié)論一致。

（2）變更解釋變量數(shù)字化轉(zhuǎn)型的度量方式。借鑒祁懷錦等（2020）的方法，重新計(jì)算解釋變量數(shù)字化轉(zhuǎn)型，根據(jù)資產(chǎn)負(fù)債表附注披露的無形資產(chǎn)明細(xì)中與數(shù)字化有關(guān)部分占無形資產(chǎn)總額的比例來重新衡量數(shù)字化轉(zhuǎn)型，并代入模型（2）重新進(jìn)行回歸，其中與數(shù)字化有關(guān)的明細(xì)項(xiàng)主要包括“網(wǎng)絡(luò)”“人工智能”“軟件”“信息系統(tǒng)”“智能終端”等。表4 第（4）～（6）列的結(jié)果顯示，無論是在全樣本組還是在分樣本組中，無形資產(chǎn)占比（DIG）與企業(yè)勞動(dòng)投資效率也呈顯著的負(fù)相關(guān)關(guān)系，與前述主回歸結(jié)果一致。

表4 穩(wěn)健性檢驗(yàn)：變量替代法

2.控制高階聯(lián)合固定效應(yīng)。為了盡可能地消除宏觀政策變化等因素的影響，本文進(jìn)一步控制行業(yè)×年度的高階聯(lián)合固定效應(yīng)檢驗(yàn)?zāi)Ｐ?，回歸結(jié)果見表5。結(jié)果顯示，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的促進(jìn)作用仍然顯著，這一結(jié)論在勞動(dòng)投資過度組與勞動(dòng)投資不足組中均得以驗(yàn)證，表明前述主回歸結(jié)果較為穩(wěn)健。

表5 穩(wěn)健性檢驗(yàn)：高階聯(lián)合固定效應(yīng)

3.內(nèi)生性問題。由于企業(yè)勞動(dòng)投資決策受到雇傭規(guī)模、管理動(dòng)機(jī)和融資需求等多重因素的影響，所以企業(yè)勞動(dòng)投資效率的變化也可能是由其他變量變化引起，故數(shù)字化轉(zhuǎn)型和企業(yè)勞動(dòng)投資效率之間可能存在遺漏變量所致的內(nèi)生性問題，即企業(yè)勞動(dòng)投資效率的變化可能不是由數(shù)字化轉(zhuǎn)型引起的。企業(yè)數(shù)字化轉(zhuǎn)型決策會(huì)在很大程度上受到當(dāng)?shù)財(cái)?shù)字化基礎(chǔ)設(shè)施水平的影響，即所在地區(qū)的數(shù)字基礎(chǔ)設(shè)施水平越高，企業(yè)越有可能進(jìn)行相應(yīng)的數(shù)字化轉(zhuǎn)型。移動(dòng)電話作為數(shù)字技術(shù)裝備能夠較好地反映出各地區(qū)數(shù)字化基礎(chǔ)設(shè)施水平，故本文選取省級(jí)移動(dòng)電話普及率（Mobile）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量，并采用兩階段最小二乘法（2SLS）進(jìn)行檢驗(yàn)。從表6第（1）列報(bào)告的結(jié)果可知，移動(dòng)電話普及率與數(shù)字化轉(zhuǎn)型顯著正相關(guān)，從第（2）列報(bào)告的結(jié)果可知，控制內(nèi)生性后，數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率的回歸系數(shù)仍顯著為負(fù)，說明企業(yè)勞動(dòng)投資效率的提升是由數(shù)字化轉(zhuǎn)型造成的影響，本文研究結(jié)論穩(wěn)健。

表6 穩(wěn)健性檢驗(yàn)：工具變量法

4. 隨機(jī)抽取樣本。為了進(jìn)一步驗(yàn)證前述主回歸結(jié)果對(duì)樣本的穩(wěn)健性，本文借鑒Li 等（2009）的方法對(duì)樣本進(jìn)行隨機(jī)抽樣，分別抽取70%和90%的樣本數(shù)據(jù)重新回歸，回歸結(jié)果如表7所示。第（1）～（6）列回歸系數(shù)均顯著為負(fù)，表明在進(jìn)行樣本拆分后，在兩個(gè)子樣本中數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率仍起到促進(jìn)作用，在勞動(dòng)投資過度與勞動(dòng)投資不足的樣本中也依然呈顯著的負(fù)相關(guān)關(guān)系，本文的研究結(jié)果穩(wěn)健。

表7 穩(wěn)健性檢驗(yàn)：隨機(jī)抽取樣本

五、進(jìn)一步分析

（一）影響機(jī)制檢驗(yàn)

前述回歸結(jié)果證實(shí)了數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)勞動(dòng)投資效率的提升，但具體影響路徑有待進(jìn)一步挖掘。本文認(rèn)為，數(shù)字化轉(zhuǎn)型主要是通過提高創(chuàng)新能力和優(yōu)化內(nèi)部控制對(duì)企業(yè)勞動(dòng)投資效率產(chǎn)生影響：第一，數(shù)字化轉(zhuǎn)型有助于創(chuàng)新能力的提高。在員工配置上，數(shù)字技術(shù)在企業(yè)的建立與運(yùn)營(yíng)時(shí)都需要配置相應(yīng)的高技術(shù)人才，為企業(yè)創(chuàng)新能力的提升提供人才支持；在部門協(xié)同上，數(shù)字技術(shù)深入企業(yè)各個(gè)環(huán)節(jié)之中，上下鏈條信息溝通便捷，有利于部門之間的技術(shù)更新（楊潔等，2022）；在產(chǎn)品研發(fā)上，數(shù)字技術(shù)的使用能夠更加快捷地了解客戶需求，對(duì)產(chǎn)品升級(jí)的需求較大，從而促進(jìn)企業(yè)創(chuàng)新能力的發(fā)展。第二，數(shù)字化轉(zhuǎn)型有助于內(nèi)部控制的優(yōu)化。在運(yùn)營(yíng)模式上，數(shù)字技術(shù)將傳統(tǒng)模式轉(zhuǎn)變?yōu)楦鞑块T融合的新模式，供應(yīng)、生產(chǎn)、銷售等各個(gè)環(huán)節(jié)的運(yùn)作效率得以提升，管理流程更加實(shí)時(shí)高效，風(fēng)險(xiǎn)預(yù)警更加及時(shí)；在組織分工上，高效的信息有利于組織各部門之間互相了解，優(yōu)化業(yè)務(wù)流程，實(shí)現(xiàn)高效的資源配置，從而降低組織運(yùn)營(yíng)成本，促進(jìn)內(nèi)部控制水平的提升。第三，無論是創(chuàng)新能力的提高還是內(nèi)部控制的優(yōu)化，都有助于企業(yè)優(yōu)化勞動(dòng)力資源配置，進(jìn)而提高勞動(dòng)投資效率。

綜上所述，數(shù)字化轉(zhuǎn)型可以通過提高創(chuàng)新能力和優(yōu)化內(nèi)部控制來間接影響企業(yè)勞動(dòng)投資效率，因此本文引入創(chuàng)新能力、內(nèi)部控制來進(jìn)行影響機(jī)制檢驗(yàn)。為了探究數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)投資效率的機(jī)制路徑，本文根據(jù)方杰等（2014）的多重中介效應(yīng)分析展開研究，分兩步檢驗(yàn)創(chuàng)新能力與內(nèi)部控制的中介效應(yīng)及創(chuàng)新能力→內(nèi)部控制的鏈?zhǔn)街薪樽饔谩?/p>

第一，構(gòu)建中介效應(yīng)模型分別檢驗(yàn)創(chuàng)新能力和內(nèi)部控制的獨(dú)立中介效應(yīng)。以直接效應(yīng)模型為基礎(chǔ)，構(gòu)建模型（3）、（4）對(duì)創(chuàng)新能力的獨(dú)立中介效應(yīng)進(jìn)行檢驗(yàn)，并構(gòu)建模型（5）、（6）對(duì)內(nèi)部控制的獨(dú)立中介效應(yīng)進(jìn)行檢驗(yàn)：

其中：Pat（Ln 專利授權(quán)數(shù)）代表企業(yè)創(chuàng)新能力，IC（迪博內(nèi)部控制指數(shù)/100）代表企業(yè)內(nèi)部控制，其他變量與模型（1）相同。模型（2）、（3）、（4）為三步法檢驗(yàn)創(chuàng)新能力的獨(dú)立中介作用，模型（2）、（5）、（6）為三步法檢驗(yàn)內(nèi)部控制的獨(dú)立中介作用。

第二，借助鏈?zhǔn)街薪樾?yīng)模型進(jìn)一步檢驗(yàn)創(chuàng)新能力、內(nèi)部控制的中介效應(yīng)，并對(duì)創(chuàng)新能力與內(nèi)部控制的鏈?zhǔn)街薪樽饔眠M(jìn)行檢驗(yàn)，模型（2）、（3）和（7）、（8）為鏈?zhǔn)街薪樾?yīng)分析模型。模型（7）、（8）如下：

回歸結(jié)果如表8所示。其中，列（1）、（2）、（3）、（4）用來檢驗(yàn)“創(chuàng)新能力—內(nèi)部控制”的鏈?zhǔn)街薪樽饔?。第一，在以勞?dòng)投資效率為被解釋變量的列（1）中，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為-0.010，在1%的水平上顯著為負(fù)，說明數(shù)字化轉(zhuǎn)型程度越深，企業(yè)勞動(dòng)投資效率越高。第二，在以企業(yè)創(chuàng)新能力為被解釋變量的列（2）中，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)（?1）為0.144，在1%的水平上顯著為正，說明數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)新能力。在以企業(yè)勞動(dòng)投資效率為被解釋變量的列（7）中，企業(yè)創(chuàng)新能力（Pat）的回歸系數(shù)（β1）為-0.006，由此可計(jì)算得到創(chuàng)新能力的中介效應(yīng)為?1×β1=0.144×（-0.006），即顯著為負(fù)，與三步法所得創(chuàng)新能力中介效應(yīng)并無顯著差異。第三，依次檢驗(yàn)列（6）中?5=0.071，列（7）中β2=-0.004，二者均顯著，內(nèi)部控制的中介效應(yīng)為?5×β2=0.071×（-0.004），進(jìn)一步驗(yàn)證了內(nèi)部控制的中介效應(yīng)。第四，在列（6）中，δ2對(duì)應(yīng)的數(shù)值為0.069且在1%的水平上顯著為正，說明創(chuàng)新能力和內(nèi)部控制的鏈?zhǔn)介g接效應(yīng)顯著，間接效應(yīng)大小為?1×β2×δ2=0.144×（-0.004）×0.069。此外，比較列（7）DCG的系數(shù)?'=-0.009和列（1）DCG的系數(shù)?=-0.010，二者符號(hào)相同，且?'小于?，證實(shí)了創(chuàng)新能力→內(nèi)部控制鏈條在數(shù)字化轉(zhuǎn)型和企業(yè)勞動(dòng)投資效率間的傳導(dǎo)作用。

表8 鏈?zhǔn)街薪樾?yīng)

（二）數(shù)字化轉(zhuǎn)型對(duì)四類非效率勞動(dòng)投資的影響

前述研究主要檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)勞動(dòng)投資過度和勞動(dòng)投資不足這兩類非效率勞動(dòng)投資的影響，本部分?jǐn)M分別對(duì)勞動(dòng)投資過度與勞動(dòng)投資不足的成因進(jìn)一步進(jìn)行細(xì)分，即：勞動(dòng)投資過度既有可能是過度招聘（Overhiring）所致，也有可能源于解雇不足（Underfiring），同樣地，勞動(dòng)投資不足既有可能是招聘不足（Underhiring）所致，也有可能源于解雇過度（Overfiring）。因而，在勞動(dòng)投資過度組中按預(yù)期凈招聘為正或?yàn)樨?fù)劃分為過度招聘和解雇不足兩個(gè)樣本組，在勞動(dòng)投資不足樣本組中亦按預(yù)期凈招聘為正或?yàn)樨?fù)劃分為招聘不足和解雇過度兩個(gè)樣本組。

表9 是進(jìn)一步按照不同類型的非效率勞動(dòng)投資分組進(jìn)行的檢驗(yàn)。第（1）～（3）列為勞動(dòng)投資過度組，在第（1）列勞動(dòng)投資過度全樣本、第（2）列過度招聘、第（3）列解雇不足樣本組中的數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)均顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型主要通過抑制過度招聘和解雇不足來抑制企業(yè)勞動(dòng)投資過度；第（4）～（6）列為勞動(dòng)投資不足組，在第（4）列勞動(dòng)投資不足全樣本和第（5）列招聘不足樣本組中，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)顯著為負(fù)，但在第（6）列解雇過度樣本組中不顯著，這表明數(shù)字化轉(zhuǎn)型主要通過緩解招聘不足而不是解雇過度來緩解企業(yè)勞動(dòng)投資不足。

表9 不同類型非效率勞動(dòng)投資因素的影響

六、結(jié)論與建議

（一）結(jié)論

本文以我國(guó)2010 ～2020 年A 股上市公司數(shù)據(jù)，研究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的影響，采用鏈?zhǔn)街薪樾?yīng)模型研究創(chuàng)新能力和內(nèi)部控制在二者關(guān)系中的作用，研究發(fā)現(xiàn)：第一，數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)勞動(dòng)投資效率的提升，分組回歸結(jié)果顯示，數(shù)字化轉(zhuǎn)型不僅能夠抑制企業(yè)勞動(dòng)投資過度，還能緩解企業(yè)勞動(dòng)投資不足。第二，中介效應(yīng)分析表明，提高創(chuàng)新能力和優(yōu)化內(nèi)部控制是數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)企業(yè)勞動(dòng)投資效率提升的機(jī)制，且呈現(xiàn)出鏈?zhǔn)街薪樽饔茫渲袆?chuàng)新能力是關(guān)鍵。第三，進(jìn)一步分析發(fā)現(xiàn)，在過度招聘、解雇不足以及招聘不足樣本中，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的正向作用均顯著存在，表明數(shù)字化轉(zhuǎn)型程度的加深能夠顯著促進(jìn)企業(yè)提高勞動(dòng)投資效率。

（二）建議

基于上述研究發(fā)現(xiàn)，本文提出以下政策建議：

1.政府部門應(yīng)出臺(tái)更加積極有效的促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)政策。第一，在環(huán)境營(yíng)造方面，數(shù)字化轉(zhuǎn)型需要物質(zhì)與人才基礎(chǔ)，加快基礎(chǔ)設(shè)施建設(shè)是推進(jìn)數(shù)字化轉(zhuǎn)型的必要條件，因此應(yīng)為上下游企業(yè)協(xié)同數(shù)字化轉(zhuǎn)型提供良好的設(shè)施基礎(chǔ)，為營(yíng)造數(shù)字環(huán)境提供政策支持。第二，在資金扶持方面，政府可為數(shù)字化轉(zhuǎn)型企業(yè)提供稅收優(yōu)惠以及政策性補(bǔ)貼等，鼓勵(lì)金融機(jī)構(gòu)為數(shù)字化轉(zhuǎn)型企業(yè)提供資金支持。第三，在風(fēng)險(xiǎn)規(guī)避方面，應(yīng)加大知識(shí)產(chǎn)權(quán)保護(hù)力度，健全信息安全與利用的規(guī)章制度，嚴(yán)厲打擊信息盜用、亂用、泄漏、篡改等違法行為，強(qiáng)化信息管理與監(jiān)察，依法對(duì)數(shù)字化轉(zhuǎn)型企業(yè)的信息披露情況進(jìn)行監(jiān)督。

2. 企業(yè)應(yīng)制定適合自身的數(shù)字化轉(zhuǎn)型策略，抓住機(jī)遇、注重創(chuàng)新，走出獨(dú)特的轉(zhuǎn)型之路。第一，積極進(jìn)行數(shù)字化轉(zhuǎn)型建設(shè)，對(duì)設(shè)備進(jìn)行數(shù)字技術(shù)更新改進(jìn)，建立內(nèi)部信息反饋系統(tǒng)，及時(shí)掌握各部門數(shù)字信息，與上下游產(chǎn)業(yè)鏈共同合作搭建信息平臺(tái)，及時(shí)掌握企業(yè)內(nèi)外動(dòng)態(tài)，實(shí)時(shí)更新系統(tǒng)。第二，優(yōu)化人力資本結(jié)構(gòu)，聘用技術(shù)水平更高的專業(yè)性管理人才，積極探索創(chuàng)新型企業(yè)管理模式，引進(jìn)高技術(shù)型員工，使用智能機(jī)器人從事簡(jiǎn)單化生產(chǎn)，從而實(shí)現(xiàn)人機(jī)互補(bǔ)，并加強(qiáng)對(duì)員工及管理層的業(yè)務(wù)培訓(xùn)。第三，增加研發(fā)投入，及時(shí)掌握客戶需求，積極改進(jìn)產(chǎn)品方案，提高對(duì)創(chuàng)新成果的利用效率，并對(duì)進(jìn)行研發(fā)創(chuàng)新的人才進(jìn)行獎(jiǎng)勵(lì)，為創(chuàng)新人才提供良好的工作環(huán)境，激發(fā)員工創(chuàng)新積極性。第四，提高信息披露質(zhì)量，完善內(nèi)部控制體系，積極宣傳轉(zhuǎn)型成果，釋放投資信號(hào)，擴(kuò)大融資渠道，為數(shù)字化轉(zhuǎn)型開辟?gòu)?qiáng)勁的資金來源渠道。

【注 釋】

①將0到-0.025區(qū)間的ROA平均劃分為五個(gè)區(qū)間，若ROA屬于［-0.005，0］，則Lossbin1 = 1，否則為0；若ROA屬于［-0.01，-0.005］，則Lossbin2 = 1，否則為0，以此類推。