白璽艷 呂嬋

一、引言

以大數(shù)據(jù)、區(qū)塊鏈、人工智能等為代表的數(shù)字技術(shù)推動(dòng)新一輪的科技革命，數(shù)字化的信息知識(shí)成為推動(dòng)實(shí)體企業(yè)發(fā)展的關(guān)鍵要素。如何提升數(shù)字化技術(shù)與實(shí)體企業(yè)的深入融合，已然成為經(jīng)濟(jì)高質(zhì)量發(fā)展中亟待解決的關(guān)鍵問題。從商業(yè)界來看，自2013年起，亞馬遜、Facebook、騰訊等全球知名企業(yè)開始布局?jǐn)?shù)字化轉(zhuǎn)型戰(zhàn)略；2016年美國、日本、英國數(shù)字經(jīng)濟(jì)增速分別達(dá)到6.8%、5.5%和5.4%，遠(yuǎn)高于同年GDP增 速。隨著我國傳統(tǒng)產(chǎn)業(yè)數(shù)字化的不斷推進(jìn)，傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型也在穩(wěn)步發(fā)展，數(shù)字經(jīng)濟(jì)呈現(xiàn)繁榮發(fā)展形勢(shì)，例如2020年我國數(shù)字經(jīng)濟(jì)增加值占GDP比例高達(dá)38.6%。從政策層面，黨的十九屆四中全會(huì)決定增列“數(shù)據(jù)”作為生產(chǎn)要素，反映出在經(jīng)濟(jì)活動(dòng)下數(shù)字化轉(zhuǎn)型的速度加快，數(shù)據(jù)對(duì)提高企業(yè)生產(chǎn)效率的作用日益凸顯。2021年12月國務(wù)院印發(fā)的《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》進(jìn)一步明確，數(shù)字經(jīng)濟(jì)是以信息通信技術(shù)融合應(yīng)用、全要素?cái)?shù)字化轉(zhuǎn)型為重要推動(dòng)力，促進(jìn)公平與效率更加統(tǒng)一的新經(jīng)濟(jì)形態(tài)?？梢?，數(shù)字化轉(zhuǎn)型成為實(shí)體經(jīng)濟(jì)和企業(yè)發(fā)展的重要?jiǎng)恿?。與此同時(shí)，最近新冠疫情的流行對(duì)人民生活和社會(huì)生產(chǎn)產(chǎn)生了較大沖擊，并造成了持續(xù)性的影響。疫情之下非地理聚集性的活動(dòng)推動(dòng)實(shí)體經(jīng)濟(jì)對(duì)智能化、數(shù)字化技術(shù)的應(yīng)用。面對(duì)數(shù)字技術(shù)快速發(fā)展和疫情沖擊的雙重影響，亟需思考在傳統(tǒng)產(chǎn)業(yè)和數(shù)字化技術(shù)深度融合過程中，如何借助數(shù)字紅利，有助于疫情防控和推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展。

然而，目前探討數(shù)字化轉(zhuǎn)型及其對(duì)公司實(shí)際影響的研究較為缺乏，研究結(jié)論也存在不一致性。一方面，研究發(fā)現(xiàn)傳統(tǒng)數(shù)字技術(shù)的應(yīng)用對(duì)企業(yè)價(jià)值沒有顯著影響(Curran, 2018)；另一方面，研究發(fā)現(xiàn)數(shù)字化技術(shù)的應(yīng)用對(duì)企業(yè)價(jià)值具有顯著正向影響(Peng& Tao, 2022;Moretti & Biancardi,2020)，數(shù)字化轉(zhuǎn)型的程度越高，組織的生產(chǎn)效率就越高(Ribeiro-Navarrete et al., 2021)。數(shù)字化技術(shù)提升企業(yè)產(chǎn)品和服務(wù)質(zhì)量，利用大數(shù)據(jù)技術(shù)分析用戶個(gè)性化需求，重塑傳統(tǒng)商業(yè)模式中利益相關(guān)者的價(jià)值創(chuàng)造機(jī)制，通過新的參與者拓展企業(yè)用戶的廣度和深度(Kraus et al., 2021)。已有研究表明，實(shí)體企業(yè)的數(shù)字化轉(zhuǎn)型可以通過降低成本、提高效率、鼓勵(lì)創(chuàng)新來提升企業(yè)價(jià)值(Peng & Tao,2022)。因此，基于現(xiàn)有文獻(xiàn)，本文提出數(shù)字化轉(zhuǎn)型在中國上市公司中普遍嗎? 哪些因素影響企業(yè)數(shù)字化轉(zhuǎn)型的決策? 數(shù)字化轉(zhuǎn)型如何影響企業(yè)市場(chǎng)價(jià)值及其機(jī)制?對(duì)于上述問題的深入回答，具有重要理論意義。

本文以2007—2020年上市公司為樣本，通過數(shù)據(jù)庫和手工收集、整理數(shù)據(jù)，立足于數(shù)字經(jīng)濟(jì)發(fā)展的視角，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型與企業(yè)價(jià)值之間的關(guān)系，并基于上市公司披露的內(nèi)部控制審計(jì)質(zhì)量報(bào)告，考察內(nèi)部控制質(zhì)量的公司治理效應(yīng)。有鑒于此，擬從“數(shù)字化轉(zhuǎn)型—內(nèi)部控制質(zhì)量—企業(yè)價(jià)值”的思維邏輯，實(shí)證分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)價(jià)值的影響；進(jìn)一步，從內(nèi)部財(cái)務(wù)控制層面，探究內(nèi)部控制質(zhì)量對(duì)“企業(yè)數(shù)字化轉(zhuǎn)型—企業(yè)價(jià)值”這一傳導(dǎo)關(guān)系的調(diào)節(jié)作用。本文可能的貢獻(xiàn)在于：（1）豐富企業(yè)市場(chǎng)價(jià)值的前置因素的研究。本文立足于數(shù)字經(jīng)濟(jì)發(fā)展的背景，依托于企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的實(shí)踐，探討它對(duì)企業(yè)市場(chǎng)價(jià)值的影響，為該領(lǐng)域的研究提供新的經(jīng)驗(yàn)證據(jù)。（2）從降低企業(yè)創(chuàng)新成本、優(yōu)化乃至重構(gòu)企業(yè)創(chuàng)新流程、強(qiáng)化企業(yè)創(chuàng)新的用戶需求導(dǎo)向等角度，分析了企業(yè)創(chuàng)新體系數(shù)字化轉(zhuǎn)型提升創(chuàng)新動(dòng)能的實(shí)現(xiàn)路徑，豐富了數(shù)字化轉(zhuǎn)型的相關(guān)理論研究成果。（3）將數(shù)字化轉(zhuǎn)型、內(nèi)部控制和企業(yè)價(jià)值納入一個(gè)理論框架之中，基于企業(yè)內(nèi)部管理控制和財(cái)務(wù)風(fēng)險(xiǎn)的視角，考察數(shù)字化轉(zhuǎn)型和企業(yè)市場(chǎng)價(jià)值的邊界條件，豐富了企業(yè)市場(chǎng)價(jià)值的形成機(jī)制研究。此外，本文分析企業(yè)創(chuàng)新體系中數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)賦能效應(yīng)的作用，并探討了助力供給側(cè)結(jié)構(gòu)性改革、助力企業(yè)高質(zhì)量發(fā)展、激發(fā)企業(yè)創(chuàng)新動(dòng)能的數(shù)字化轉(zhuǎn)型的可行路徑。

二、理論與假設(shè)

(一)數(shù)字化轉(zhuǎn)型與企業(yè)價(jià)值

在數(shù)字化技術(shù)與實(shí)體經(jīng)濟(jì)深度融合的進(jìn)程中，本文認(rèn)為數(shù)字化轉(zhuǎn)型影響企業(yè)生產(chǎn)經(jīng)營和創(chuàng)新過程，最終影響市場(chǎng)價(jià)值，具體如下進(jìn)行說明。

1.數(shù)字化轉(zhuǎn)型更有助于提振企業(yè)的創(chuàng)新動(dòng)能。數(shù)字化轉(zhuǎn)型有利于企業(yè)準(zhǔn)確地掌握顧客的需求導(dǎo)向，評(píng)估當(dāng)前技術(shù)創(chuàng)新方向和生產(chǎn)工藝的不足，從而針對(duì)性進(jìn)行研發(fā)投入。數(shù)字化轉(zhuǎn)型提升了企業(yè)對(duì)消費(fèi)者需求分析的能力，促進(jìn)了企業(yè)運(yùn)營模式的不斷優(yōu)化。數(shù)字技術(shù)具有明顯的“長尾效應(yīng)”，滿足不同顧客的差異化需求，有助于提升消費(fèi)者的粘性(Litvinenko,2020)。隨著用戶需求的不斷多元化和個(gè)性化，參與者的業(yè)務(wù)多元化成為提升用戶價(jià)值、增強(qiáng)數(shù)字生態(tài)活力的重要因素(Jacobidese et al., 2018)。其次，數(shù)字化轉(zhuǎn)型降低企業(yè)研發(fā)過程的不確定性和成本，提升企業(yè)研發(fā)的意愿和動(dòng)機(jī)(Pan et al., 2022)。研發(fā)活動(dòng)的特點(diǎn)是高風(fēng)險(xiǎn)性和不確定性，因此使得很多公司不愿意進(jìn)行研發(fā)投入，而數(shù)字化轉(zhuǎn)型能夠提高數(shù)據(jù)預(yù)測(cè)能力，從而降低企業(yè)研發(fā)過程中的研發(fā)成本。在機(jī)器算法分析結(jié)果的引導(dǎo)下，會(huì)根據(jù)實(shí)時(shí)采集的數(shù)據(jù)，不斷修正分析結(jié)果和及時(shí)反饋，第一時(shí)間調(diào)整優(yōu)化生產(chǎn)要素配置(Giusti, et al.,2020)，數(shù)字化轉(zhuǎn)型為研發(fā)過程積累了豐富的資源和信息，提升了企業(yè)研發(fā)效率。因此，數(shù)字化轉(zhuǎn)型能夠推動(dòng)企業(yè)創(chuàng)新進(jìn)而實(shí)現(xiàn)企業(yè)市場(chǎng)價(jià)值的提升。

2.數(shù)字化轉(zhuǎn)型能更好地提升企業(yè)生產(chǎn)效率。首先，數(shù)字化轉(zhuǎn)型通過信息數(shù)據(jù)來影響企業(yè)的生產(chǎn)效率。數(shù)字化轉(zhuǎn)型為企業(yè)提供有價(jià)值、多元化和異質(zhì)性更強(qiáng)的信息(Li et al., 2022)?；谛畔⒗碚?，高效的信息處理提升企業(yè)戰(zhàn)略決策效率。其次，數(shù)字化轉(zhuǎn)型降低企業(yè)的勞動(dòng)力成本，從而提高企業(yè)的生產(chǎn)效率。數(shù)字化轉(zhuǎn)型實(shí)現(xiàn)了傳統(tǒng)產(chǎn)業(yè)生產(chǎn)過程的自動(dòng)化轉(zhuǎn)型，從而降低每單位產(chǎn)出的勞動(dòng)力成本(Kraus et al., 2022)。最后，數(shù)字化轉(zhuǎn)型可以從組織管理的角度降低企業(yè)生產(chǎn)運(yùn)營的成本。數(shù)字化轉(zhuǎn)型降低企業(yè)部門之間信息傳輸?shù)某杀?，從而緩解組織管理問題，提升生產(chǎn)效率。Xia等（2022）指出企業(yè)的數(shù)據(jù)分析能力可以優(yōu)化組織管理流程和決策結(jié)果。

基于以上分析，本文提出如下研究假設(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)價(jià)值有顯著正向影響。

(二)數(shù)字化轉(zhuǎn)型、內(nèi)部控制與企業(yè)價(jià)值

企業(yè)經(jīng)營管理效果是否有效、合法合規(guī)、資產(chǎn)的安全完整、戰(zhàn)略目標(biāo)的實(shí)現(xiàn)以內(nèi)部控制的相關(guān)信息及財(cái)務(wù)報(bào)告的真實(shí)完整、可靠等一切都依賴于企業(yè)內(nèi)部控制制度的有效施行(方紅星和金玉娜，2011)。內(nèi)部控制的目標(biāo)是確保企業(yè)財(cái)務(wù)報(bào)告及信息的真實(shí)完整(楊旭東等，2018)。首先，內(nèi)控制度的制定和推行涉及公司的各個(gè)層級(jí)，如高管和員工等。旨在實(shí)現(xiàn)控制目標(biāo)的過程中需要員工的充分參與，在實(shí)施過程中強(qiáng)調(diào)內(nèi)部牽制和職責(zé)分離。因此，高質(zhì)量的內(nèi)部控制可有效提升決策者的自由選擇權(quán)，降低決策者風(fēng)險(xiǎn)規(guī)避的動(dòng)機(jī)，推動(dòng)企業(yè)采納數(shù)字技術(shù)推動(dòng)數(shù)字化轉(zhuǎn)型，實(shí)現(xiàn)企業(yè)價(jià)值的穩(wěn)步提升。Zhai等（2022）研究發(fā)現(xiàn)，良好的內(nèi)部控制能夠幫助管理層從企業(yè)整體利益出發(fā)做出正確的資源配置與成本管控等決策，從而在一定程度上提升企業(yè)的成本管控與風(fēng)險(xiǎn)應(yīng)對(duì)水平，進(jìn)而有助于數(shù)字化戰(zhàn)略的決策。

基于此，內(nèi)部控制被認(rèn)為是一種平衡利益相關(guān)者利益、緩解信息不對(duì)稱的契約手段(陳作華和方紅星,2019)，它能高效監(jiān)督?jīng)Q策者的戰(zhàn)略決策過程 (楊松令等，2014)，促使企業(yè)在數(shù)字經(jīng)濟(jì)發(fā)展背景下，提高資源配置效率和加強(qiáng)財(cái)務(wù)成本管理，并防范企業(yè)經(jīng)營風(fēng)險(xiǎn)。具體而言，內(nèi)部控制制度是保證企業(yè)財(cái)務(wù)報(bào)告質(zhì)量、防范舞弊行為的重要機(jī)制，高質(zhì)量的內(nèi)部控制水平對(duì)于實(shí)現(xiàn)企業(yè)風(fēng)險(xiǎn)管理和控制、一定程度上降低財(cái)務(wù)風(fēng)險(xiǎn)和持續(xù)經(jīng)營的波動(dòng)風(fēng)險(xiǎn)(方紅星和陳作華,2015)、適應(yīng)數(shù)字經(jīng)濟(jì)發(fā)展背景下推動(dòng)企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型構(gòu)建企業(yè)核心競(jìng)爭(zhēng)優(yōu)勢(shì)具有重要意義。基于上述分析，本文提出H2:

H2：當(dāng)內(nèi)部控制質(zhì)量越高時(shí)，增強(qiáng)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)價(jià)值的正向影響。

三、研究設(shè)計(jì)

(一)樣本選擇與數(shù)據(jù)來源

本文研究數(shù)據(jù)獲取于CSMAR公司治理結(jié)構(gòu)和財(cái)務(wù)數(shù)據(jù)庫，以2007-2020年A股公司為樣本，數(shù)據(jù)處理過程如下：(1)剔除保險(xiǎn)和金融類樣本；(2)剔除ST、ST＊樣本；(3)剔除有缺失值的樣本；(4)對(duì)連續(xù)型變量進(jìn)行1%水平上的Winsor2縮尾處理。經(jīng)處理，最終得到26785個(gè)觀測(cè)值樣本進(jìn)行實(shí)證分析。

(二)變量定義

1.因變量為企業(yè)市場(chǎng)價(jià)值(Tobinq)，表示企業(yè)運(yùn)營狀態(tài)和增長潛力在資本市場(chǎng)中的反映，本文以托賓Q值來衡量(張葉青等，2021)。

2.自變量為企業(yè)數(shù)字化轉(zhuǎn)型(DT)，借鑒吳非等（2021）的研究，基于上市公司的年報(bào)文本信息，通過編寫Python程序批量收集、匹配和統(tǒng)計(jì)文本中關(guān)于“數(shù)字化轉(zhuǎn)型”相關(guān)的關(guān)鍵詞詞頻數(shù)，這也能較好地體現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型程度。

3.調(diào)節(jié)變量為內(nèi)部控制(IC),采用迪博數(shù)據(jù)庫中的內(nèi)部控制指數(shù)加1后取自然對(duì)數(shù)來衡量 (李志斌等，2020)。

4.在控制變量選取上，本文借鑒既有研究文獻(xiàn)，選取公司治理結(jié)構(gòu)和財(cái)務(wù)指標(biāo)變量。具體如下：公司年齡（Age）、董事會(huì)規(guī)模（Board）、獨(dú)立董事比例（Inde）、是否兩職兼任（Duality）、實(shí)際控制人持股（Top1）和資產(chǎn)結(jié)構(gòu)（Tangibility）等。變量如表1所示。

表1 主要變量定義表

(三)模型構(gòu)建

參考連燕玲等(2019)的研究方法，采用聚類穩(wěn)健的標(biāo)準(zhǔn)誤差進(jìn)行估計(jì)，并構(gòu)建如下回歸模型進(jìn)行檢驗(yàn)：

進(jìn)一步地，為檢驗(yàn)內(nèi)部控制質(zhì)量（IC）對(duì)數(shù)字化轉(zhuǎn)型與企業(yè)價(jià)值之間關(guān)系的調(diào)節(jié)效應(yīng)，構(gòu)建如下模型:

其中，下標(biāo)i代表第i個(gè)上市公司，t代表年份，∑Control表示回歸所控制的變量，包含企業(yè)財(cái)務(wù)特征和治理結(jié)構(gòu)等兩方面；εi,t表示隨機(jī)誤差項(xiàng)。本文采用固定效應(yīng)方法（Fixedeffect）進(jìn)行回歸模型的系數(shù)估計(jì)，并控制行業(yè)、年度的固定效應(yīng)。

四、實(shí)證分析

(一)描述性統(tǒng)計(jì)分析

表2列出各變量的描述性統(tǒng)計(jì)結(jié)果。結(jié)果表明，企業(yè)市場(chǎng)價(jià)值指標(biāo)（TobinQ）的均值為2.1085，中位數(shù)為1.6600，表明樣本中TobinQ變量近似于正態(tài)分布，標(biāo)準(zhǔn)差為1.4020，表明不同企業(yè)間的企業(yè)市場(chǎng)價(jià)值相差較大。企業(yè)數(shù)字化轉(zhuǎn)型程度（DT）的均值為1.0310，標(biāo)準(zhǔn)差為1.3058，最小值為0，最大值為4.8828，由此可見企業(yè)數(shù)字化轉(zhuǎn)型程度的波動(dòng)性較大，反映了企業(yè)數(shù)字化轉(zhuǎn)型水平有所差異。內(nèi)部控制質(zhì)量指標(biāo)（IC）的均值為6.2461，標(biāo)準(zhǔn)差為1.2384，表明不同企業(yè)內(nèi)部控制質(zhì)量差異相對(duì)較小。其他變量如表2所示，不再闡述。

表2 主要變量的基本統(tǒng)計(jì)特征

表3列出了Pearson相關(guān)性系數(shù)檢驗(yàn)結(jié)果。各個(gè)主要變量之間的相關(guān)性系數(shù)均小于0.5，因此模型中不存在嚴(yán)重的多重共線性問題。同時(shí)，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型（DT）與企業(yè)市場(chǎng)價(jià)值（TobinQ）指標(biāo)之間的相關(guān)系數(shù)均顯著為正，初步支持?jǐn)?shù)字化轉(zhuǎn)型對(duì)企業(yè)市場(chǎng)價(jià)值的正向影響。

表3 Pearson相關(guān)性分析表

(二)基準(zhǔn)回歸結(jié)果

表4報(bào)告了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)市場(chǎng)價(jià)值的基準(zhǔn)回歸結(jié)果。其中，第（1）列為納入個(gè)體固定效應(yīng)的回歸結(jié)果，第（2）列未納入行業(yè)和年度的固定效應(yīng)，第（3）列納入個(gè)體、行業(yè)和年度的固定效應(yīng)。在控制個(gè)體、行業(yè)和年度等固定效應(yīng)及納入控制變量后，Adj.R2明顯提升，說明回歸模型的解釋力提升和擬合優(yōu)度較好。本文考察企業(yè)數(shù)字化轉(zhuǎn)型（DT）回歸系數(shù)均為正且均通過了顯著性檢驗(yàn)（coef.= 0.0405, p＜0.01; coef.=0.1153, p＜0.01; coef.= 0.0692, p＜0.01）。以上結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型行為顯著提升了企業(yè)市場(chǎng)價(jià)值，說明保持其他條件不變的情況下，體現(xiàn)出企業(yè)數(shù)字化轉(zhuǎn)型的“價(jià)值效應(yīng)”。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型為企業(yè)提供創(chuàng)新能力和生產(chǎn)運(yùn)營效率，提升企業(yè)應(yīng)對(duì)經(jīng)營風(fēng)險(xiǎn)和壓力的能力，進(jìn)而推動(dòng)了企業(yè)市場(chǎng)價(jià)值的提升，這也與研究理論邏輯相符，支持了研究假設(shè)1。

表4 數(shù)字化轉(zhuǎn)型與企業(yè)市場(chǎng)價(jià)值之間關(guān)系的基準(zhǔn)回歸結(jié)果

(三)基于內(nèi)部控制質(zhì)量的調(diào)節(jié)效應(yīng)分析

為進(jìn)一步檢驗(yàn)內(nèi)部控制質(zhì)量對(duì)上述關(guān)系的調(diào)節(jié)效應(yīng)，結(jié)果如表5所示。第（1）列未納入個(gè)體固定效應(yīng)，第（2）列未納入行業(yè)和年度的固定效應(yīng)，第（3）列納入個(gè)體、行業(yè)和年度的固定效應(yīng)。從表5發(fā)現(xiàn)，DT×ICI的系數(shù)估計(jì)值均為正且均顯著（coef.=0.0136, p＜0.05; coef.= 0.0210, p＜0.01; coef.= 0.0130, p＜0.05），表明內(nèi)部控制質(zhì)量的監(jiān)督作用對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)市場(chǎng)價(jià)值之間關(guān)系具有正向調(diào)節(jié)作用，即當(dāng)內(nèi)部控制質(zhì)量水平越高時(shí)，強(qiáng)化了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)市場(chǎng)價(jià)值的正效應(yīng)，研究假設(shè)2得以支持。這表明企業(yè)基于內(nèi)部控制的監(jiān)督作用而促使企業(yè)實(shí)施企業(yè)數(shù)字化轉(zhuǎn)型行為，進(jìn)而有助于提升企業(yè)市場(chǎng)價(jià)值，因此，需要完善目前上市公司內(nèi)部控制制度，從而發(fā)揮內(nèi)部控制的公司治理積極效應(yīng)。

表5 數(shù)字化轉(zhuǎn)型、內(nèi)部控制質(zhì)量與企業(yè)市場(chǎng)價(jià)值的調(diào)節(jié)效應(yīng)檢驗(yàn)

(四)穩(wěn)健性檢驗(yàn)

1.為解決解釋變量和被解釋變量之間具有的內(nèi)生性問題，以上一年度同行業(yè)的企業(yè)數(shù)字化轉(zhuǎn)型均值為工具變量，回歸結(jié)果見表6。從表6可知，控制逆米爾斯（IMR）比率后，回歸結(jié)果與上文仍然一致，說明處理內(nèi)生性解釋變量問題后，企業(yè)數(shù)字化轉(zhuǎn)型能提升企業(yè)市場(chǎng)價(jià)值。

表6 工具變量法

2.為降低可能具有的因果互置問題，本文將解釋變量和控制變量均滯后一期處理，結(jié)果如表7所示，結(jié)果與基準(zhǔn)回歸一致。

表7 解釋變量滯后一期

3.參考祁懷錦等（2020)的文獻(xiàn)，剔除了信息技術(shù)等傳統(tǒng)數(shù)字化產(chǎn)業(yè)的行業(yè)代碼，包括C39（計(jì)算機(jī)和通信等制造業(yè)）、I類所有行業(yè)（信息類產(chǎn)業(yè)）的樣本，結(jié)果如表8所示。由表8可知，企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)價(jià)值之間仍然正向顯著，結(jié)論與前文一致。

表8 剔除傳統(tǒng)數(shù)字化產(chǎn)業(yè)

五、研究結(jié)論

本文以2007-2020年A股上市公司為樣本，基于年報(bào)文本信息構(gòu)建了企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)，探討了數(shù)字化轉(zhuǎn)型與企業(yè)市場(chǎng)價(jià)值關(guān)系及其調(diào)節(jié)機(jī)制，為數(shù)字化轉(zhuǎn)型與實(shí)體企業(yè)融合的經(jīng)濟(jì)效應(yīng)提供了實(shí)證依據(jù)。本文研究結(jié)果表明，公司數(shù)字化轉(zhuǎn)型程度越高時(shí)，會(huì)顯著提升公司價(jià)值；當(dāng)內(nèi)部控制水平越高時(shí)，增強(qiáng)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)價(jià)值的正向影響。結(jié)果表明管理者能評(píng)估與企業(yè)數(shù)字化轉(zhuǎn)型行為相關(guān)的風(fēng)險(xiǎn)和收益。

本文研究結(jié)論具有如下政策啟示：（1）企業(yè)應(yīng)注重?cái)?shù)字化轉(zhuǎn)型的效益，進(jìn)而提升企業(yè)市場(chǎng)價(jià)值。企業(yè)要利用先進(jìn)的數(shù)字技術(shù)提升經(jīng)營效率，創(chuàng)新發(fā)展模式，發(fā)揮數(shù)字化的“長尾效應(yīng)”創(chuàng)新價(jià)值創(chuàng)造模式。（2）政府應(yīng)發(fā)揮宏觀調(diào)控的作用，消除企業(yè)數(shù)字化轉(zhuǎn)型的難點(diǎn)堵點(diǎn)。政府應(yīng)完善數(shù)字化領(lǐng)域的立法制度，防止數(shù)據(jù)壟斷、“數(shù)據(jù)鴻溝”和“信息貧困”，降低企業(yè)在數(shù)字化轉(zhuǎn)型中遇到信息被竊取的問題。（3）應(yīng)防范和化解管理層在數(shù)字經(jīng)濟(jì)發(fā)展背景下的機(jī)會(huì)主義行為風(fēng)險(xiǎn)，警惕管理層為掩蓋非法尋租行為而進(jìn)行的不合理行為，尤其要完善企業(yè)的內(nèi)部控制制度框架，完善上市公司治理制度，促進(jìn)我國企業(yè)數(shù)字化轉(zhuǎn)型順利推進(jìn)，進(jìn)而實(shí)現(xiàn)企業(yè)價(jià)值的穩(wěn)步提升。