潘孝珍　許耿熙

摘 要：傳統(tǒng)企業(yè)通過數(shù)字化轉(zhuǎn)型，實現(xiàn)數(shù)字技術(shù)與實體經(jīng)濟的深度融合，成為我國實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要路徑。使用2010—2020年滬深A股上市公司樣本，采用文本分析法刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，實證檢驗數(shù)字化轉(zhuǎn)型的勞動力成本影響效應。研究結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間呈倒“U”型曲線關(guān)系。在區(qū)分企業(yè)數(shù)字化轉(zhuǎn)型的不同階段后，研究發(fā)現(xiàn)只有在數(shù)字化轉(zhuǎn)型初期，高管股權(quán)激勵和高新技術(shù)企業(yè)才會對數(shù)字化轉(zhuǎn)型的勞動力成本影響效應產(chǎn)生調(diào)節(jié)作用。進一步機制分析表明，企業(yè)數(shù)字化轉(zhuǎn)型初期的勞動力成本提升效應，主要通過引進高技能勞動力的路徑來實現(xiàn)，并且數(shù)字化轉(zhuǎn)型的勞動力成本影響效應具有明顯的行業(yè)異質(zhì)性。在經(jīng)過替換關(guān)鍵變量、排除企業(yè)策略性披露行為、傾向得分匹配法、外生事件沖擊等一系列穩(wěn)健性檢驗后，研究結(jié)論依然成立。研究的政策啟示包括：我國企業(yè)應制定前瞻性數(shù)字化轉(zhuǎn)型戰(zhàn)略規(guī)劃，扎實推進企業(yè)技術(shù)和生產(chǎn)管理模式的全面數(shù)字化，避免在轉(zhuǎn)型初期面對轉(zhuǎn)型陣痛而產(chǎn)生短視傾向；勞動者應努力提高自身勞動素質(zhì)，適應數(shù)字化轉(zhuǎn)型帶來的就業(yè)環(huán)境和勞動力需求變革；各級政府應重視對低技能勞動者的勞動技能教育和數(shù)字技術(shù)培訓，助推企業(yè)加快數(shù)字化轉(zhuǎn)型進程。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；勞動力成本；文本分析

中圖分類號：F249.24 文獻標識碼：A 文章編號：1000-4149（2023）01-0026-18

DOI：10.3969/j.issn.1000-4149.2023.00.002

一、引言

數(shù)字化是我國國民經(jīng)濟發(fā)展的重要方向，《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確提出要加快數(shù)字化發(fā)展，打造數(shù)字經(jīng)濟新優(yōu)勢。傳統(tǒng)企業(yè)通過數(shù)字化轉(zhuǎn)型，促進數(shù)字技術(shù)與實體經(jīng)濟的深度融合，成為我國實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要路徑?！?021年中國數(shù)字經(jīng)濟發(fā)展白皮書》顯示，2020年我國數(shù)字經(jīng)濟規(guī)?？偭恳堰_ 39.2萬億元，占到國內(nèi)生產(chǎn)總值的38.6%（數(shù)據(jù)來源：http：//www.caict.ac.cn/kxyj/qwfb/bps/202104/t20210423_374626.htm），數(shù)字經(jīng)濟已然成為我國產(chǎn)業(yè)結(jié)構(gòu)的重要支柱。在當前全球新冠疫情持續(xù)發(fā)酵的大背景下，線下交易方式的范圍和規(guī)模在逐漸萎縮，而線上交易的應用領(lǐng)域越來越廣泛，數(shù)字經(jīng)濟因此獲得了更多的成長空間，也成為我國經(jīng)濟抵御新冠疫情沖擊的中堅力量。

伴隨著人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈等新興技術(shù)的發(fā)展，數(shù)字技術(shù)逐漸被運用到企業(yè)各個層面。黨中央和國務院圍繞我國數(shù)字化發(fā)展出臺了百余個專項戰(zhàn)略規(guī)劃和指導意見，引導我國企業(yè)進行數(shù)字化轉(zhuǎn)型。國內(nèi)各大企業(yè)在推動數(shù)字化轉(zhuǎn)型方面，主要關(guān)注經(jīng)營業(yè)務與數(shù)字技術(shù)的深度融合，進而推動企業(yè)自身實力和競爭力穩(wěn)步提升。有學者認為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵步驟是應用數(shù)字技術(shù)來收集信息、處理數(shù)據(jù)等［1］。在當前激烈的國際競爭環(huán)境下，我國企業(yè)應不斷追求創(chuàng)新，將“數(shù)字技術(shù)+”作為首要戰(zhàn)略行動［2］。但真正意義上的企業(yè)數(shù)字化轉(zhuǎn)型不僅在于實現(xiàn)技術(shù)數(shù)字化，更重要的是依靠數(shù)字技術(shù)促進企業(yè)的思維模式、業(yè)務流程、組織結(jié)構(gòu)等方面的全面轉(zhuǎn)型［3-4］。

關(guān)于數(shù)字化轉(zhuǎn)型對勞動力市場的影響，斯蒂芬妮（Stephany）研究認為，數(shù)字技術(shù)使企業(yè)勞動力需求發(fā)生根本性改變，許多工作要求勞動者掌握更新的數(shù)字技術(shù)，甚至某些工作正在被數(shù)字技術(shù)所替代［5］。企業(yè)數(shù)字化轉(zhuǎn)型增加了對高技能勞動力的需求［6］，高學歷、高認知能力的勞動者往往更具競爭優(yōu)勢，更能適應數(shù)字技術(shù)帶來的變革［7］。在數(shù)字化轉(zhuǎn)型過程中，人工智能等數(shù)字技術(shù)的應用，尤其是工業(yè)機器人的廣泛應用，將替代部分標準化、重復性高的崗位，產(chǎn)生明顯的就業(yè)替代效應［8-9］。具體到數(shù)字化轉(zhuǎn)型對企業(yè)勞動力成本的影響效應，任颋和劉欣分析認為，企業(yè)數(shù)字化轉(zhuǎn)型將促進員工數(shù)量增長，增加高學歷員工比例，導致企業(yè)人工成本上漲［10］。陳夢根和周元任利用行業(yè)數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型會顯著提升企業(yè)平均人工成本［11］。然而，隨著數(shù)字化轉(zhuǎn)型程度的提高，張遠和李煥杰研究表明，數(shù)字技術(shù)應用日趨成熟，會降低企業(yè)勞動力需求，數(shù)字技術(shù)將產(chǎn)生低技能勞動力的替代效應［12］?？梢姡瑪?shù)字化轉(zhuǎn)型對企業(yè)勞動力成本的影響可能存在非線性關(guān)系，隨著企業(yè)自身數(shù)字化水平的變化而發(fā)生變化。

本文以2010—2020年滬深A股上市公司為樣本，實證檢驗企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本的影響效應。本文可能的研究貢獻有：①企業(yè)數(shù)字化轉(zhuǎn)型是近年來的熱門研究話題，勞動力成本變動對企業(yè)和員工來說都具有重大意義，但鮮有文獻從微觀層面直接研究兩者之間的關(guān)系，本文提供了數(shù)字化轉(zhuǎn)型對勞動力成本影響效應的微觀經(jīng)驗證據(jù)；

②在研究方法上，采用文本分析法構(gòu)造企業(yè)的數(shù)字化轉(zhuǎn)型指標，為微觀層面的實證研究提供數(shù)據(jù)支持；③從微觀視角為后續(xù)評估企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟效應奠定基礎(chǔ)，為我國企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型和人工成本管理提供理論和政策指導。

二、理論分析與研究假設

1. 企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本企業(yè)數(shù)字化轉(zhuǎn)型過程中，既可能由于新增數(shù)字技術(shù)崗位和對數(shù)字化人才的需求而提高勞動力成本，也可能由于智能化、自動化生產(chǎn)而減少勞動力成本。本文依照企業(yè)數(shù)字化轉(zhuǎn)型程度的臨界值，將數(shù)字化轉(zhuǎn)型過程分為轉(zhuǎn)型初期和轉(zhuǎn)型成熟期，不同時期的數(shù)字化轉(zhuǎn)型對勞動力成本的影響效應大不相同。

在企業(yè)數(shù)字化轉(zhuǎn)型初期，數(shù)字化轉(zhuǎn)型對勞動力成本的提升效應主要體現(xiàn)在如下幾個方面：第一，數(shù)字化轉(zhuǎn)型給企業(yè)帶來一場范式轉(zhuǎn)變，在實施數(shù)字化轉(zhuǎn)型的初期，必然需要大量資本投入和成本沉淀，用以研發(fā)數(shù)字技術(shù)、引進人才、推進數(shù)字化管理等，每家企業(yè)都需要經(jīng)歷該“陣痛期”［13］。企業(yè)在數(shù)字化轉(zhuǎn)型初期，需要采取增加員工的數(shù)字技術(shù)培訓費用、引進數(shù)字化專業(yè)人才等措施，這些都將導致整體人工成本增加。第二，企業(yè)生產(chǎn)經(jīng)營過程中投入的各種要素之間具有互補效應，數(shù)字技術(shù)在一定程度上會與人力資源形成互補，推動企業(yè)經(jīng)營業(yè)績持續(xù)增長，從而提升員工勞動報酬，企業(yè)的勞動力成本隨之上升［14-15］。第三，企業(yè)數(shù)字化轉(zhuǎn)型帶來的技術(shù)變革存在技能偏見，會推動企業(yè)勞動力結(jié)構(gòu)升級［16］，要求員工具備更高的受教育程度和業(yè)務技能水平。因此，數(shù)字化轉(zhuǎn)型中的企業(yè)可能會提升員工工資或引進高學歷人才，形成對高技能勞動力的偏好，提高企業(yè)勞動力成本。第四，在數(shù)字化轉(zhuǎn)型初期，企業(yè)的數(shù)字技術(shù)不夠完善，商業(yè)模式和管理模式變革尚處于起步階段，難以完全發(fā)揮對低技能勞動力的替代效應，數(shù)字化轉(zhuǎn)型對勞動力成本的影響更多表現(xiàn)為提升作用。

當達到某一閾值而進入成熟期后，數(shù)字化轉(zhuǎn)型的勞動力成本影響效應可能發(fā)生轉(zhuǎn)變：一方面，企業(yè)開始具備較高的數(shù)字技術(shù)和較為成熟的生產(chǎn)管理模式，不需要像在轉(zhuǎn)型初期那樣投入大量人力資本，企業(yè)的勞動力需求規(guī)模將會有所降低。另一方面，數(shù)字化轉(zhuǎn)型將使企業(yè)生產(chǎn)方式趨向智能化和自動化，在很大程度上減少對勞動力的依賴，壓縮了生產(chǎn)部門的人員規(guī)模［17］。人工智能、計算機技術(shù)和先進設備的應用，將對中低技能勞動力產(chǎn)生替代效應，呈現(xiàn)出明顯的結(jié)構(gòu)性特征。教育程度較低的員工所承擔的工作普遍具有單調(diào)、重復、耗時等特點，與數(shù)字技術(shù)的互補性較低，更容易被數(shù)字技術(shù)取代［18］。此外，隨著數(shù)字化轉(zhuǎn)型的推進，應用工業(yè)機器人發(fā)揮的替代效應也更為顯著，能夠提高自動化水平和生產(chǎn)效率，大大節(jié)約企業(yè)的勞動力成本［19］。綜合來看，在數(shù)字化轉(zhuǎn)型成熟期，數(shù)字化水平的進一步提高將使企業(yè)勞動力成本逐漸降低?；谏鲜龇治?，本文提出如下假設：

H1：數(shù)字化轉(zhuǎn)型與企業(yè)勞動力成本呈倒“U”型曲線關(guān)系。在轉(zhuǎn)型初期，數(shù)字化轉(zhuǎn)型會提升企業(yè)勞動力成本，當轉(zhuǎn)型程度超過某一臨界值后，數(shù)字化轉(zhuǎn)型會降低企業(yè)勞動力成本。

2. 高管股權(quán)激勵的調(diào)節(jié)作用

數(shù)字化轉(zhuǎn)型戰(zhàn)略的制定和實施主要由企業(yè)高管作出決策，如果企業(yè)能為高管提供很強的外部激勵，將有效推動高管作出數(shù)字化轉(zhuǎn)型決策，強化數(shù)字化轉(zhuǎn)型對企業(yè)勞動力成本的影響效應。股權(quán)激勵是國內(nèi)外企業(yè)普遍用來降低代理成本、實現(xiàn)高管經(jīng)營決策與企業(yè)長期價值最大化相一致的重要激勵工具，對于企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本影響效應具有調(diào)節(jié)作用。但是，在不同的數(shù)字化轉(zhuǎn)型階段，企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本的影響效應并不一致，此時高管股權(quán)激勵的調(diào)節(jié)作用也將存在異質(zhì)性。在數(shù)字化轉(zhuǎn)型初期，由于數(shù)字化轉(zhuǎn)型會在整體上顯現(xiàn)風險高、回報周期長、收益不確定等特點，企業(yè)高管很可能基于風險和收益的權(quán)衡產(chǎn)生短視傾向，只注重在短期內(nèi)能夠預見到的付出回報比，不愿意做長期“吃力不討好”的事情，缺乏實施數(shù)字化轉(zhuǎn)型決策的內(nèi)在動力［20-21］。根據(jù)利益趨同效應假說，企業(yè)實施管理層持股等高管股權(quán)激勵措施，將有助于激發(fā)高管的創(chuàng)新決策積極性［22-23］，激勵高管實施增加數(shù)字技術(shù)人員培訓費用、引進高學歷和高技能人才、推進數(shù)字化管理等決策，從而強化數(shù)字化轉(zhuǎn)型對勞動力成本的提升效應。隨著數(shù)字化轉(zhuǎn)型進入成熟期，由于企業(yè)數(shù)字化已經(jīng)達到較高水平，對于低端勞動力的需求規(guī)模會隨之下降，數(shù)字技術(shù)對勞動力成本的替代效應將會逐漸顯現(xiàn)，此時高管決策對企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本影響效應相對減弱，相應地，高管股權(quán)激勵的調(diào)節(jié)作用在數(shù)字化轉(zhuǎn)型成熟期將會逐漸消失?；谏鲜龇治?，本文提出如下假設：

H2：在數(shù)字化轉(zhuǎn)型初期，高管股權(quán)激勵能提高企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本提升效應，但企業(yè)數(shù)字化轉(zhuǎn)型進入成熟期后，高管股權(quán)激勵將不再具有上述調(diào)節(jié)作用。

3. 高新技術(shù)企業(yè)的調(diào)節(jié)作用

不同類型企業(yè)由于組織環(huán)境、戰(zhàn)略目標不同，數(shù)字化轉(zhuǎn)型的勞動力成本影響效應可能存在差異。相較于非高新技術(shù)企業(yè)，高新技術(shù)企業(yè)的創(chuàng)新動機和能力明顯更強，其數(shù)字化轉(zhuǎn)型程度遠高于非高新技術(shù)企業(yè)［24］，且在轉(zhuǎn)型過程中的勞動力成本管理方式也有所不同。在企業(yè)數(shù)字化轉(zhuǎn)型的不同階段，高新技術(shù)企業(yè)對于企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本影響效應也將表現(xiàn)出異質(zhì)性特征。在數(shù)字化轉(zhuǎn)型初期，高新技術(shù)企業(yè)對于高學歷、高素質(zhì)勞動力具有更大的需求規(guī)模，需要更高的勞動力成本投入，從而強化數(shù)字化轉(zhuǎn)型對勞動力成本的提升效應。

一方面，高新技術(shù)企業(yè)擁有相對較強的能力和意愿進行數(shù)字化轉(zhuǎn)型，這會推動企業(yè)實施人才引進與培養(yǎng)決策；另一方面，源于政策文件對研發(fā)人員的硬性要求，高新技術(shù)企業(yè)從事研發(fā)和相關(guān)技術(shù)創(chuàng)新的科技人員數(shù)占企業(yè)當年職工總數(shù)的比例不低于10%，需要保持大量高素質(zhì)的研發(fā)人員來延續(xù)高新技術(shù)企業(yè)身份。因此，處于數(shù)字化轉(zhuǎn)型初期的高新技術(shù)企業(yè)，為了推動數(shù)字化轉(zhuǎn)型戰(zhàn)略的順利實施，有更強的動機來吸收大量高科技人才，從而付出更高的勞動力成本。然而，當企業(yè)進入數(shù)字化轉(zhuǎn)型成熟期后，較高的數(shù)字化水平使得不管是高新技術(shù)企業(yè)還是非高新技術(shù)企業(yè)，均能在一定程度上降低勞動力成本，高新技術(shù)企業(yè)的調(diào)節(jié)作用將會隨之消失?；谏鲜龇治?，本文提出如下假設：

H3：在數(shù)字化轉(zhuǎn)型初期，高新技術(shù)企業(yè)能提高企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本提升效應，但企業(yè)數(shù)字化轉(zhuǎn)型進入成熟期后，高新技術(shù)企業(yè)將不再具有上述調(diào)節(jié)作用。

4. 高技能勞動力的中介作用

根據(jù)技能偏向型技術(shù)進步假說，技術(shù)變革會促進高技能勞動力就業(yè)，擁有更高教育水平和專業(yè)技能的勞動者能夠更好地適應日新月異的就業(yè)環(huán)境［25-27］。

不同數(shù)字化轉(zhuǎn)型階段導致的企業(yè)生產(chǎn)經(jīng)營環(huán)境存在差異，使得高技能勞動力對企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間關(guān)系的中介作用在不同階段呈現(xiàn)出不同特點。在企業(yè)數(shù)字化轉(zhuǎn)型初期，由于數(shù)字化而新增許多信息技術(shù)相關(guān)崗位，以及適應數(shù)字化商業(yè)模式和管理模式變革的管理職位，均需要具備較高知識水平和專業(yè)技能的員工才能勝任。為擺脫數(shù)字化轉(zhuǎn)型過程中普遍面臨的數(shù)字化人才短缺困境，企業(yè)必然需要引進更多的高技能勞動力并加以培養(yǎng)，填補職位空缺并逐漸形成人才優(yōu)勢。直接引進高技能勞動力所需的成本以及后期培養(yǎng)數(shù)字化人才所花費的培訓費用都會增加企業(yè)勞動力成本，因而在轉(zhuǎn)型初期，企業(yè)數(shù)字化轉(zhuǎn)型主要通過引進高技能勞動力

對勞動力成本產(chǎn)生提升效應。然而，當企業(yè)進入數(shù)字化轉(zhuǎn)型成熟期后，高技能勞動力憑借自身能力優(yōu)勢能夠適應企業(yè)的數(shù)字化環(huán)境，一般不會被數(shù)字技術(shù)所替代，企業(yè)對高技能勞動力的需求保持相對穩(wěn)定，此時高技能勞動力對于數(shù)字化轉(zhuǎn)型與勞動力成本之間的負向關(guān)系不再發(fā)揮中介作用?；谏鲜龇治?，本文提出如下假設：

H4：在數(shù)字化轉(zhuǎn)型初期，企業(yè)數(shù)字化轉(zhuǎn)型通過引進高技能勞動力對勞動力成本產(chǎn)生提升效應，但企業(yè)數(shù)字化轉(zhuǎn)型進入成熟期后，高技能勞動力將不再具有上述中介作用。

三、研究設計

1. 樣本選擇和數(shù)據(jù)來源選取2010—2020年滬深A股上市公司作為研究樣本，并根據(jù)研究慣例對樣本作如下處理：①剔除處于ST或PT狀態(tài)的企業(yè)樣本；②剔除金融業(yè)企業(yè)樣本；③剔除部分數(shù)據(jù)缺失的企業(yè)樣本。最終得到24004個樣本觀測值。為消除極端值的不利影響，對所有連續(xù)型變量進行臨界值為1%的Winsorize縮尾處理。除了企業(yè)本科以上學歷員工數(shù)的數(shù)據(jù)來自萬得（Wind）（萬得（Wind）數(shù)據(jù)庫：https：//www.wind.com.cn）數(shù)據(jù)庫外，其他變量的數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫（國泰安（CSMAR）數(shù)據(jù)庫：https：//www.gtarsc.com）。

2. 變量設定

（1）被解釋變量。

被解釋變量為企業(yè)的勞動力成本，根據(jù)國際勞工組織定義，勞動力成本是指企業(yè)或者單位因雇傭社會勞動力而支付的費用，不僅包括直接支付給職工的工資薪酬，還應包括以間接形式支付的實物發(fā)放、社會保障、技術(shù)培訓等物質(zhì)或非物質(zhì)福利。因此，本文使用現(xiàn)金流量表中列示的“支付給職工以及為職工支付的現(xiàn)金”來衡量企業(yè)負擔的全部勞動力成本，并除以營業(yè)收入作為企業(yè)勞動力成本Laborcost1的衡量指標。此外，由于現(xiàn)金流量表是以收付實現(xiàn)制作為核算基礎(chǔ)，而企業(yè)當年度根據(jù)權(quán)責發(fā)生制作為核算基礎(chǔ)產(chǎn)生的應付但未付的職工薪酬并未在其中體現(xiàn)。因此，本文構(gòu)造Laborcost2作為企業(yè)勞動力成本的另一衡量指標，其計算公式為“（支付給職工以及為職工支付的現(xiàn)金+期末應付職工薪酬-期初應付職工薪酬）/營業(yè)收入”。

（2）解釋變量。

解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型Dcg，作為近年來的熱門研究話題，現(xiàn)有文獻嘗試從不同角度對其進行衡量。萬倫等采用數(shù)字化轉(zhuǎn)型評價指標體系來刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度［28］，張永珅等根據(jù)企業(yè)年報附注披露的年末無形資產(chǎn)明細項目中，數(shù)字化技術(shù)相關(guān)資產(chǎn)占無形資產(chǎn)總額的比重來度量數(shù)字化轉(zhuǎn)型程度［24］。不過，通過梳理相關(guān)文獻能夠發(fā)現(xiàn)，文本分析法逐漸成為衡量企業(yè)數(shù)字化轉(zhuǎn)型的主流方法［29-31］。本文采用Python軟件對我國上市公司年報進行文本分析，從而構(gòu)造企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量指標，具體步驟如下。

第一，下載2010—2020年滬深A股上市公司年報，并將其轉(zhuǎn)化為txt格式文檔。

第二，構(gòu)建反映企業(yè)數(shù)字化轉(zhuǎn)型特征的詞典。具體參考吳非等學者使用的數(shù)字化轉(zhuǎn)型結(jié)構(gòu)化特征詞圖譜［29］，包括人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈和數(shù)字技術(shù)運用等，都是反映企業(yè)數(shù)字化轉(zhuǎn)型實質(zhì)性內(nèi)容的關(guān)鍵詞。

第三，從上市公司年報中截取“管理層討論與分析”（MD&A）部分，統(tǒng)計數(shù)字化轉(zhuǎn)型特征詞在此模塊中出現(xiàn)的次數(shù)并加總。原因在于，企業(yè)年報中的“管理層討論與分析”部分，是管理層對企業(yè)過去經(jīng)營狀況和未來經(jīng)營計劃的討論與分析，能夠較好地體現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略實施與導向。

第四，根據(jù)“數(shù)字化轉(zhuǎn)型特征詞頻數(shù)/‘管理層討論與分析文字總長度*100”的公式，計算得到反映企業(yè)整體數(shù)字化轉(zhuǎn)型程度Dcg的衡量指標，該指標數(shù)值越大則表明企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

（3）控制變量。

借鑒沈永建等的研究［32］，選取公司規(guī)模Size、資產(chǎn)負債率Lev、現(xiàn)金持有Cash、存貨密集度Invent、公司是否虧損Loss、公司上市年限Listage、第一大股東持股比例Top1和產(chǎn)權(quán)性質(zhì)Soe作為控制變量，并同時控制了行業(yè)和年度效應。相關(guān)變量的衡量方法如表1所示。

3. 模型設定

本文建立模型（1）來檢驗假設H1，預期數(shù)字化轉(zhuǎn)型程度的二次項Dcg2的系數(shù)β2顯著為負，即解釋變量與被解釋變量之間呈倒“U”型曲線關(guān)系。建立模型（2）和模型（3）分別檢驗假設H2和假設H3，通過模型中調(diào)節(jié)變量與數(shù)字化轉(zhuǎn)型程度的交互項系數(shù)β3的正負方向及顯著性水平來檢驗上述假設是否成立。為降低潛在多重共線性的影響，對調(diào)節(jié)變量進行中心化處理。模型中Laborcost為被解釋變量勞動力成本，使用Laborcost1和Laborcost2作為具體衡量指標。

下標i和t分別表示樣本所屬的企業(yè)和年份，Controls表示全部企業(yè)層面的控制變量，并同時控制行業(yè)效應Ind和年度效應Year。

為檢驗假設H4即企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本影響效應的作用機制，本文采用中介效應檢驗方法［33］：以勞動力成本Laborcost為被解釋變量、數(shù)字化轉(zhuǎn)型Dcg為解釋變量來構(gòu)建模型（4）；以高技能勞動力Hslabor為被解釋變量、數(shù)字化轉(zhuǎn)型Dcg為解釋變量來構(gòu)建模型（5），若系數(shù)β1顯著，則進一步以勞動力成本Laborcost為被解釋變量、數(shù)字化轉(zhuǎn)型Dcg和高技能勞動力Hslabor為解釋變量來構(gòu)建模型（6），若系數(shù)β1不顯著則停止檢驗；若模型（6）中系數(shù)β2顯著，則表明存在高技能勞動力的中介效應。

四、實證結(jié)果分析

1. 描述性統(tǒng)計

表2報告了變量的描述性統(tǒng)計結(jié)果。可以發(fā)現(xiàn)，勞動力成本的兩個衡量指標Laborcost1和Laborcost2之間數(shù)值差異并不大，表明我國企業(yè)基于收付實現(xiàn)制和權(quán)責發(fā)生制衡量的勞動力成本基本一致。企業(yè)數(shù)字化轉(zhuǎn)型程度Dcg的最小值為0，最大值為0.472，中位數(shù)為0，均值僅為0.035，說明一半以上樣本企業(yè)的數(shù)字化轉(zhuǎn)型水平為0，我國上市公司的數(shù)字化轉(zhuǎn)型程度整體上處于較低水平。公司規(guī)模Size的標準差達到1.272，說明我國上市公司之間的資產(chǎn)規(guī)模差異較大。資產(chǎn)負債率Lev的均值為0.424，中位數(shù)為0.417，均處于正常范圍內(nèi)。產(chǎn)權(quán)性質(zhì)Soe的均值為0.369，表明樣本公司大多為非國有企業(yè)。

2. 基準回歸分析

表3報告了企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本的基準回歸結(jié)果。列（1）和列（2）是未加入控制變量的回歸結(jié)果，列（3）和列（4）是加入控制變量后的回歸結(jié)果?？梢钥吹剑还苁欠窦尤肟刂谱兞?，數(shù)字化轉(zhuǎn)型程度二次項Dcg2的系數(shù)都在1%的水平上顯著為負，說明企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間呈倒“U”型曲線關(guān)系。在數(shù)字化轉(zhuǎn)型初期，企業(yè)為了適應數(shù)字化轉(zhuǎn)型帶來的業(yè)務變革和人才需求層次變化，需要付出更多的勞動力成本來度過轉(zhuǎn)型“陣痛期”，企業(yè)勞動力成本隨著數(shù)字化轉(zhuǎn)型程度的提高而提高。而隨著數(shù)字化轉(zhuǎn)型進入成熟期，企業(yè)逐漸適應數(shù)字化的生產(chǎn)經(jīng)營模式，先進的數(shù)字技術(shù)也會對部分勞動力產(chǎn)生替代效應，使得企業(yè)的整體勞動力需求規(guī)模降低，勞動力成本隨著數(shù)字化轉(zhuǎn)型程度的進一步提高而降低，假設H1得到驗證。

根據(jù)表3中列（3）的回歸結(jié)果，當被解釋變量為Laborcost1時，計算得到倒“U”型曲線的極值點為0.245（根據(jù)二次函數(shù)的極值點公式，由表3中列（3）的Dcg和Dcg2的系數(shù)計算得到倒“U”型曲線的極值點為-0.121/（-0.247*2）=0.245。），據(jù)此將數(shù)字化轉(zhuǎn)型程度處于0到0.245之間的企業(yè)歸類為數(shù)字化轉(zhuǎn)型初期子樣本，將數(shù)字化轉(zhuǎn)型程度大于0.245的企業(yè)歸類為數(shù)字化轉(zhuǎn)型成熟期子樣本，分樣本回歸結(jié)果如表4中列（1）和列（2）所示。當被解釋變量為Laborcost2時，計算得到倒“U”型曲線的極值點為0.241（根據(jù)二次函數(shù)的極值點公式，由表3中列（4）的Dcg和Dcg2的系數(shù)計算得到倒“U”型曲線的極值點為-0.121/（-0.251*2）=0.241。），據(jù)此分樣本回歸的結(jié)果如表4中列（3）和列（4）所示。可以看到，在列（1）和列（3）使用數(shù)字化轉(zhuǎn)型初期子樣本的回歸結(jié)果中，Dcg的系數(shù)都在1%的水平上顯著為正，企業(yè)勞動力成本隨著數(shù)字化轉(zhuǎn)型的提高而提高。在列（2）和列（4）使用數(shù)字化轉(zhuǎn)型成熟期子樣本的回歸結(jié)果中，Dcg的系數(shù)都在1%的水平上顯著為負，企業(yè)勞動力成本隨著數(shù)字化轉(zhuǎn)型的提高而降低，表4進一步驗證了數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系。更為重要的是，根據(jù)表4中數(shù)字化轉(zhuǎn)型不同時期樣本數(shù)的比較可知，當前我國A股上市公司的數(shù)字化轉(zhuǎn)型程度普遍較低，整體上處于數(shù)字化轉(zhuǎn)型的起步階段，這也與已有的調(diào)查研究結(jié)論一致［34］。

3. 進一步研究

（1）高管股權(quán)激勵的調(diào)節(jié)作用。

使用模型（2）檢驗高管股權(quán)激勵對

數(shù)字化轉(zhuǎn)型的勞動力成本效應的調(diào)節(jié)作用，采用高管持股比例作為高管股權(quán)激勵I(lǐng)ncentive的衡量指標［35］，回歸結(jié)果如表5所示。在列（1）和列（3）所示的數(shù)字化轉(zhuǎn)型初期子樣本回歸結(jié)果中，交互項Dcg×Incentive的系數(shù)均在1%的水平上顯著為正，但在列（2）和列（4）所示的數(shù)字化轉(zhuǎn)型成熟期子樣本回歸結(jié)果中，交互項Dcg×Incentive的系數(shù)均不顯著?？梢?，高管股權(quán)激勵對于數(shù)字化轉(zhuǎn)型的勞動力成本效應的調(diào)節(jié)作用主要發(fā)生在轉(zhuǎn)型初期，此時股權(quán)激勵提高了企業(yè)高管對數(shù)字化轉(zhuǎn)型的決策積極性，進一步強化了數(shù)字化轉(zhuǎn)型對于企業(yè)勞動力成本的提升效應。然而，在數(shù)字化轉(zhuǎn)型成熟期，高管決策對于企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本影響效應相對減弱，此時股權(quán)激勵也就難以發(fā)揮其調(diào)節(jié)作用，假設H2得到驗證。

（2）高新技術(shù)企業(yè)的調(diào)節(jié)作用。

使用模型（3）檢驗高新技術(shù)企業(yè)對于數(shù)字化轉(zhuǎn)型的勞動力成本效應的調(diào)節(jié)作用。定義高新技術(shù)企業(yè)啞變量Qua，當企業(yè)當年度處于高新技術(shù)企業(yè)認定狀態(tài)時取值為1，否則取值為0。表6報告了按照數(shù)字化轉(zhuǎn)型階段分樣本回歸的估計結(jié)果，在列（1）和列（3）所示的數(shù)字化轉(zhuǎn)型初期子樣本中，交互項Dcg×Qua的系數(shù)均在1%水平上顯著為正；在列（2）和列（4）所示的數(shù)字化轉(zhuǎn)型成熟期子樣本中，交互項Dcg×Qua的系數(shù)均不顯著。可見，在數(shù)字化轉(zhuǎn)型初期，高新技術(shù)企業(yè)具有更強的能力和意愿去推動轉(zhuǎn)型戰(zhàn)略決策的落地實施，注重高素質(zhì)勞動力的引進與培養(yǎng)，從而強化了數(shù)字化轉(zhuǎn)型對勞動力成本的提升效應。但在進入數(shù)字化轉(zhuǎn)型成熟期后，不管是否屬于高新技術(shù)企業(yè)，都能發(fā)揮降低勞動力成本的作用，高新技術(shù)企業(yè)對數(shù)字化轉(zhuǎn)型的勞動力成本影響效應也就不存在調(diào)節(jié)作用，驗證了假設H3。

（3）高技能勞動力的中介作用。

參照阿西莫格魯（Acemoglu）的研究，采用本科以上學歷員工數(shù)占員工總數(shù)的比例作為高技能勞動力Hslabor的衡量指標［36］。表7報告了模型（5）和模型（6）的回歸結(jié)果，在列（1）和列（4）所示的數(shù)字化轉(zhuǎn)型初期子樣本中，Dcg的系數(shù)均在1%水平上顯著為正，表明數(shù)字化轉(zhuǎn)型能顯著提高企業(yè)高技能勞動力的比例；列（3）和列（6）的結(jié)果顯示，Dcg和Hslabor的系數(shù)均在1%水平上顯著為正。而在列（2）和列（5）所示的數(shù)字化轉(zhuǎn)型成熟期子樣本中，Dcg的系數(shù)盡管為正數(shù)但都不顯著。可見，在數(shù)字化轉(zhuǎn)型初期，企業(yè)需要引進更多的高技能勞動力以適應組織變革和技術(shù)變革的需要，從而對企業(yè)勞動力成本產(chǎn)生了提升效應。然而，在進入數(shù)字化轉(zhuǎn)型成熟期后，高技能勞動力難以被數(shù)字技術(shù)所替代，企業(yè)的勞動力需求結(jié)構(gòu)較為穩(wěn)定，此時高技能勞動力的中介作用也就難以發(fā)揮，假設H4得到驗證。

（4）行業(yè)異質(zhì)性。

由于不同行業(yè)的商業(yè)模式、決策機制、戰(zhàn)略規(guī)劃等情況往往存在差異，進而影響企業(yè)的數(shù)字化轉(zhuǎn)型戰(zhàn)略實施進度和人力資源管理水平。因此，企業(yè)數(shù)字化轉(zhuǎn)型的勞動力成本影響效應存在行業(yè)異質(zhì)性?，F(xiàn)有研究發(fā)現(xiàn)，我國制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型意愿最為強烈，政府政策支持力度也在不斷加大，有較多的高端人才涌向制造業(yè)企業(yè)，為其數(shù)字化轉(zhuǎn)型提供充足的人力資源儲備。并且，對于部分數(shù)字化轉(zhuǎn)型起步較早且現(xiàn)已進入數(shù)字化轉(zhuǎn)型成熟期的企業(yè)而言，工業(yè)機器人等大量智能設備的廣泛應用，對低端勞動力產(chǎn)生的替代效應也是其他行業(yè)難以比擬的。因此，本文預期數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系在制造業(yè)企業(yè)樣本中依然存在。此外，對

信息傳輸、軟件和信息技術(shù)服務業(yè)企業(yè)而言，由于其主營業(yè)務就是圍繞數(shù)字化相關(guān)技術(shù)展開，企業(yè)自身對于數(shù)字化轉(zhuǎn)型的戰(zhàn)略認知和執(zhí)行力度都比較高，因此也存在數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系。但是，像文體娛樂業(yè)等行業(yè)本身對數(shù)字化轉(zhuǎn)型的需求并不強烈，整體轉(zhuǎn)型進度較慢，也就不存在數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系。表8報告了分行業(yè)回歸結(jié)果。其中，列（1）和列（2）使用制造業(yè)子樣本，列（3）和列（4）使用信息傳輸、軟件和信息技術(shù)服務業(yè)子樣本，它們的數(shù)字化轉(zhuǎn)型程度二次項Dcg2的系數(shù)均在1%水平上顯著為負。列（5）和列（6）使用文體娛樂業(yè)子樣本，此時數(shù)字化轉(zhuǎn)型程度二次項Dcg2的系數(shù)未通過顯著性檢驗?？梢姡捎谛袠I(yè)特征差異，企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本的影響效應存在行業(yè)異質(zhì)性。

五、穩(wěn)健性分析

1. 替換被解釋變量

參照沈永建等學者的研究［32］，以企業(yè)職工人均薪酬Lc作為勞動力成本的替代變量，計算公式為“（支付給職工以及為職工支付的現(xiàn)金-高管薪酬總額）/（員工人數(shù)-高管人數(shù)）”，并進行自然對數(shù)處理，回歸結(jié)果如表9中列（1）所示。此外，參照宋淑琴和陳澈的做法，使用員工人數(shù)并取自然對數(shù)，得到Emp作為勞動力成本衡量指標［37］，旨在從人工數(shù)量上考察企業(yè)勞動力成本，回歸結(jié)果如表9中列（2）所示?？梢?，在替換企業(yè)勞動力成本衡量指標后，數(shù)字化轉(zhuǎn)型程度二次項Dcg2的系數(shù)均在1%水平上顯著為負，研究結(jié)論與表3一致，具有較強的穩(wěn)健性。

2. 替換解釋變量

由于數(shù)字化轉(zhuǎn)型關(guān)鍵詞的選擇對于最終得到的數(shù)字化轉(zhuǎn)型指標有著重要影響，參照趙宸宇等研究中使用的數(shù)字化轉(zhuǎn)型關(guān)鍵詞［38］，重新構(gòu)造數(shù)字化轉(zhuǎn)型程度變量Dcg1進行回歸，結(jié)果如表9中列（3）和列（4）所示。此外，由于企業(yè)數(shù)字化轉(zhuǎn)型是一個長期的演化過程，考慮到管理層在年報中披露信息與實際行動時間存在滯后，進一步將數(shù)字化轉(zhuǎn)型程度滯后一期得到L.Dcg進行回歸，結(jié)果如表9中列（5）和列（6）所示?？梢?，在替換數(shù)字化轉(zhuǎn)型程度衡量指標為Dcg1和L.Dcg后，它們的二次項仍然都在1%的水平上顯著為負，表明企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系具有較強的穩(wěn)健性。

3. 排除企業(yè)策略性披露行為的影響

年報中披露的數(shù)字化詞匯能在一定程度上反映企業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略信息和發(fā)展路徑，但同時也可能受到企業(yè)策略性披露行為的影響，故意披露與實際數(shù)字化轉(zhuǎn)型程度不匹配的信息。為此，采用如下三種方法排除企業(yè)策略性披露行為的影響：①剔除數(shù)字化轉(zhuǎn)型程度為0的公司樣本后重新回歸，結(jié)果如表10中列（1）和列（2）所示；②保留深交所信息披露考核結(jié)果為優(yōu)秀或良好的公司樣本進行回歸，結(jié)果如表10中列（3）和列（4）所示；③剔除因虛假記載、重大遺漏、披露不實等信息披露問題受到證監(jiān)會處罰的公司樣本后重新回歸，結(jié)果如表10中列（5）和列（6）所示?？梢?，在排除企業(yè)策略性披露行為的影響后，數(shù)字化轉(zhuǎn)型程度二次項Dcg2的系數(shù)均顯著為負，本文結(jié)論依然穩(wěn)健。

4. 傾向得分匹配

由于企業(yè)是否開展數(shù)字化轉(zhuǎn)型可能具有一定的選擇性，為避免可能存在的樣本選擇偏差問題，嘗試采用傾向得分匹配法（PSM）進行樣本匹配后估計。將樣本企業(yè)按是否進行數(shù)字化轉(zhuǎn)型分為兩組，當Dcg取值不等于0時，表明企業(yè)已經(jīng)開展數(shù)字化轉(zhuǎn)型，D_Dcg取值為1，否則視為未開展數(shù)字化轉(zhuǎn)型，取值為0。使用公司規(guī)模Size、資產(chǎn)負債率Lev、現(xiàn)金持有Cash、企業(yè)是否虧損Loss和產(chǎn)權(quán)性質(zhì)Soe作為協(xié)變量，計算樣本企業(yè)的傾向得分，并采用1∶1近鄰匹配法進行樣本配對。選取的協(xié)變量均通過了平衡性檢驗，使用傾向得分匹配后的樣本進行回歸，結(jié)果如表11中列（1）和列（2）所示，Dcg2依然在5%的水平上顯著為負。

5. 外生事件沖擊

我國于2012年11月出臺《關(guān)于國家智慧城市試點暫行管理辦法》（資料來源：https：//www.mohurd.gov.cn/gongkai/fdzdgknr/tzgg/201212/20121204_212182.html），揭開智慧城市建設的新篇章。智慧城市建設是指運用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等新興信息技術(shù)來促進城市規(guī)劃、建設、管理和服務，對推動企業(yè)數(shù)字化轉(zhuǎn)型具有重要意義。該項試點政策于2012—2014年陸續(xù)在部分城市展開，本文進一步構(gòu)造智慧城市建設Zhcity啞變量，考慮到政策實施效果的滯后性，當樣本所在年度為2014年及以后時為1，否則為0。將Zhcity與數(shù)字化轉(zhuǎn)型的一次項和二次項生成交互項，從而考察在考慮智慧城市建設這一重要外生事件沖擊下，

企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系是否仍然存在。由表11中列（3）和列（4）可見，交互項Dcg×Zhcity和Dcg2×Zhcity的系數(shù)均不顯著，并且此時Dcg2的系數(shù)依然顯著為負，表明我國智慧城市建設政策的出臺并未對數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系產(chǎn)生影響，研究結(jié)論具有較強的穩(wěn)健性。

六、研究結(jié)論與啟示

隨著數(shù)字技術(shù)在國民經(jīng)濟發(fā)展中的作用日益凸顯，數(shù)字化轉(zhuǎn)型這一新型的“實體企業(yè)+數(shù)字化”模式已經(jīng)成為我國企業(yè)創(chuàng)新驅(qū)動發(fā)展的重要推動力。當前，我國企業(yè)加快數(shù)字化轉(zhuǎn)型已然勢在必行，這將對作為微觀經(jīng)濟主體的企業(yè)產(chǎn)生深遠影響。本文從微觀企業(yè)視角，以2010—2020年滬深A股上市公司為研究樣本，采用文本分析法刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，實證檢驗企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本的影響效應。研究結(jié)論包括：第一，企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間呈顯著的倒“U”型曲線關(guān)系。在數(shù)字化轉(zhuǎn)型初期，企業(yè)實施數(shù)字化轉(zhuǎn)型戰(zhàn)略會導致勞動力成本增加，該“陣痛期”是企業(yè)數(shù)字化轉(zhuǎn)型的必經(jīng)之路；當數(shù)字化轉(zhuǎn)型程度超過臨界值后，企業(yè)進入數(shù)字化轉(zhuǎn)型成熟期，基于數(shù)字技術(shù)對重復勞動的替代效應，勞動力成本將隨著數(shù)字化轉(zhuǎn)型程度的提高而降低。第二，高管股權(quán)激勵和高新技術(shù)企業(yè)都僅在數(shù)字化轉(zhuǎn)型初期

對于數(shù)字化轉(zhuǎn)型的勞動力成本效應產(chǎn)生調(diào)節(jié)作用。當企業(yè)進入數(shù)字化轉(zhuǎn)型成熟期后，它們的調(diào)節(jié)效應都將隨之消失。第三，作用機制檢驗表明，在數(shù)字化轉(zhuǎn)型初期，企業(yè)數(shù)字化轉(zhuǎn)型對勞動力成本的提升效應通過引進高技能勞動力來實現(xiàn)。第四，企業(yè)數(shù)字化轉(zhuǎn)型與勞動力成本之間的倒“U”型曲線關(guān)系存在行業(yè)異質(zhì)性，且基本結(jié)論經(jīng)過替換變量衡量方法、排除企業(yè)策略性披露行為的影響、傾向得分匹配法以及進一步考慮外生事件沖擊后，依然保持較強的穩(wěn)健性。

基于上述研究結(jié)論，本文得到的政策啟示包括：從企業(yè)角度來看，數(shù)字化轉(zhuǎn)型是一個長期的演化過程，企業(yè)管理層應具備前瞻性眼光。在企業(yè)數(shù)字化轉(zhuǎn)型初期面臨勞動力成本增加問題時，應當結(jié)合自身實際情況，制定前瞻性數(shù)字化轉(zhuǎn)型戰(zhàn)略規(guī)劃，穩(wěn)扎穩(wěn)打推進企業(yè)技術(shù)和生產(chǎn)管理模式的全面數(shù)字化，避免在轉(zhuǎn)型初期面對轉(zhuǎn)型陣痛而產(chǎn)生短視傾向。必須看到，企業(yè)在進入數(shù)字化轉(zhuǎn)型成熟期后，先進的數(shù)字技術(shù)和完善的生產(chǎn)管理模式能夠降低勞動力成本，實現(xiàn)企業(yè)更高質(zhì)量的生產(chǎn)經(jīng)營和長遠發(fā)展。從勞動者角度來看，由于企業(yè)數(shù)字化轉(zhuǎn)型具有明顯的技能偏向性，低端重復性勞動更容易被數(shù)字技術(shù)所替代，使得勞動力市場需求逐漸偏向于高技能勞動力。這將給高技能勞動者帶來更多的就業(yè)機會。勞動者應努力提高自身受教育程度和勞動素質(zhì)

，不斷調(diào)整并適應企業(yè)數(shù)字化轉(zhuǎn)型帶來的就業(yè)環(huán)境和勞動力需求變革。從政府角度來看，我國各級政府應高度重視對低技能勞動者的勞動技能教育和數(shù)字技術(shù)培訓，通過政府購買培訓服務等方式提供更多的職業(yè)培訓機會，提高低技能勞動者在數(shù)字化轉(zhuǎn)型環(huán)境中的職業(yè)適應能力，助推企業(yè)加快數(shù)字化轉(zhuǎn)型進程。當然，本研究也存在一定的局限性，主要原因在于我國企業(yè)數(shù)字化轉(zhuǎn)型整體上處于起步階段，處于數(shù)字化轉(zhuǎn)型成熟期的企業(yè)樣本量相對較少，在此成熟期內(nèi)數(shù)字化轉(zhuǎn)型對勞動力成本可能存在的不利影響難以準確量化，有待未來進一步研究。

參考文獻：

［1］WU L， LOU B， HITT L. Data analytics supports decentralized innovation［J］. Management Science， 2019， 65（10）： 4863-4877.

［2］楊德明， 劉泳文. “互聯(lián)網(wǎng)+”為什么加出了業(yè)績［J］. 中國工業(yè)經(jīng)濟， 2018（5）： 80-98.

［3］李輝， 梁丹丹. 企業(yè)數(shù)字化轉(zhuǎn)型的機制、路徑與對策［J］. 貴州社會科學， 2020（10）： 120-125.

［4］VERHOEF P C， BROEKHUIZEN T， BART Y， et al. Digital transformation： a multidisciplinary reflection and research agenda［J］. Journal of Business Research， 2021， 122： 889-901.

［5］STEPHANY F. One size does not fit all： constructing complementary digital reskilling strategies using online labour market data［J］. Big Data & Society， 2021， 8（1）：1-5

［6］閻世平， 武可棟， 韋莊禹. 數(shù)字經(jīng)濟發(fā)展與中國勞動力結(jié)構(gòu)演化［J］. 經(jīng)濟縱橫， 2020（10）： 96-105.

［7］李帥娜. 數(shù)字技術(shù)賦能服務業(yè)生產(chǎn)率：理論機制與經(jīng)驗證據(jù)［J］. 經(jīng)濟與管理研究， 2021（10）： 51-67.

［8］DECANIO S J. Robots and humans－complements or substitutes？［J］. Journal of Macroeconomics， 2016， 49： 280-291.

［9］張美莎， 曾鈺桐， 馮濤. 人工智能對就業(yè)需求的影響：基于勞動力結(jié)構(gòu)視角［J］. 中國科技論壇， 2021（12）： 125-133.

［10］任颋， 劉欣. 創(chuàng)造還是破壞：企業(yè)數(shù)字化應用對就業(yè)的影響［J］. 南京財經(jīng)大學學報， 2021（6）： 66-76.

［11］陳夢根， 周元任. 數(shù)字化對企業(yè)人工成本的影響［J］. 中國人口科學， 2021（4）： 45-60，127.

［12］張遠， 李煥杰. 企業(yè)智能化轉(zhuǎn)型對內(nèi)部勞動力結(jié)構(gòu)轉(zhuǎn)換的影響研究［J］. 中國人力資源開發(fā)， 2022（1）： 98-118.

［13］劉淑春， 閆津臣， 張思雪， 等. 企業(yè)管理數(shù)字化變革能提升投入產(chǎn)出效率嗎［J］. 管理世界， 2021（5）： 13， 170-190.

［14］JORGENSON D W， HO M S， STIROH K J. A retrospective look at the U.S. productivity growth resurgence［J］. Journal of Economic Perspectives， 2008， 22（1）： 3-24.

［15］何小鋼， 梁權(quán)熙， 王善騮. 信息技術(shù)、勞動力結(jié)構(gòu)與企業(yè)生產(chǎn)率——破解“信息技術(shù)生產(chǎn)率悖論”之謎［J］. 管理世界， 2019（9）： 65-80.

［16］ACEMOGLU D. Technical change， inequality， and the labor market［J］. Journal of Economic Literature， 2002， 40（1）： 7-72.

［17］ACEMOGLU D， AUTOR D， DORN D， et al. Return of the solow paradox？ IT， productivity， and employment in US manufacturing［J］. American Economic Review， 2014， 104（5）： 394-399.

［18］寧光杰， 林子亮. 信息技術(shù)應用、企業(yè)組織變革與勞動力技能需求變化［J］. 經(jīng)濟研究， 2014（8）： 79-92.

［19］王永欽， 董雯. 機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù)［J］. 經(jīng)濟研究， 2020（10）： 159-175.

［20］RAHMANDAD H， HENDERSON R， REPENNING N P. Making the numbers？ “short termism” and the puzzle of only occasional disaster［J］. Management Science， 2018， 64（3）： 1328-1347.

［21］胡楠， 薛付婧， 王昊楠. 管理者短視主義影響企業(yè)長期投資嗎？——基于文本分析和機器學習［J］. 管理世界， 2021（5）： 11，19-21， 139-156.

［22］COLES J L， DANIEL N D， NAVEEN L. Managerial incentives and risk－taking［J］. Journal of Financial Economics， 2006， 79（2）： 431-468.

［23］趙世芳， 江旭， 應千偉， 等. 股權(quán)激勵能抑制高管的急功近利傾向嗎——基于企業(yè)創(chuàng)新的視角［J］. 南開管理評論， 2020

（6）： 76-87.

［24］張永珅， 李小波， 邢銘強. 企業(yè)數(shù)字化轉(zhuǎn)型與審計定價［J］. 審計研究， 2021（3）： 62-71.

［25］CHUSSEAU N， DUMONT M， HELLIER J. Explaining rising inequality： skill－biased technical change and North－South trade［J］. Journal of Economic Surveys， 2008， 22（3）： 409-457.

［26］MARQUIS M H， TREHAN B， TANTIVONG W. The wage premium puzzle and the quality of human capital［J］. International Review of Economics & Finance， 2014， 33： 100-110.

［27］WANG J， HU Y， ZHANG Z. Skill－biased technological change and labor market polarization in China［J］. Economic Modelling， 2021， 100（C）： 105507.

［28］萬倫， 王順強， 陳希， 等. 制造業(yè)數(shù)字化轉(zhuǎn)型評價指標體系構(gòu)建與應用研究［J］. 科技管理研究， 2020（13）： 142-148.

［29］吳非， 胡慧芷， 林慧妍， 等. 企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［J］. 管理世界， 2021（7）： 10，130-144.

［30］袁淳， 肖土盛， 耿春曉， 等. 數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］. 中國工業(yè)經(jīng)濟， 2021（9）： 137-155.

［31］RHA J S， LEE H H. Research trends in digital transformation in the service sector： a review based on network text analysis［J］. Service Business， 2022， 16（1）： 77-98.

［32］沈永建， 于雙麗， 蔣德權(quán). 空氣質(zhì)量改善能降低企業(yè)勞動力成本嗎？［J］. 管理世界， 2019（6）： 161-178，195-196.

［33］溫忠麟， 張雷， 侯杰泰， 等. 中介效應檢驗程序及其應用［J］. 心理學報， 2004（5）： 614-620.

［34］史宇鵬， 王陽， 張文韜. 我國企業(yè)數(shù)字化轉(zhuǎn)型：現(xiàn)狀、問題與展望［J］. 經(jīng)濟學家， 2021（12）： 90-97.

［35］李百興， 王博， 卿小權(quán). 內(nèi)部控制質(zhì)量、股權(quán)激勵與審計收費［J］. 審計研究， 2019（1）： 91-99.

［36］ACEMOGLU D. Directed technical change［J］. The Review of Economic Studies， 2002， 69（4）： 781-809.

［37］宋淑琴， 陳澈. 債務重組中債權(quán)人關(guān)注勞動力成本嗎——基于破產(chǎn)的對比分析［J］. 會計研究， 2021（3）： 166-179.

［38］趙宸宇， 王文春， 李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］. 財貿(mào)經(jīng)濟， 2021（7）： 114-129.

Research on the Labor Cost Impact of Enterprises Digital Transformation

PAN? Xiaozhen， XU? Gengxi

（School of Accounting， Hangzhou Dianzi University， Hangzhou 310018， China）

Abstract： Through digital transformation， traditional enterprises realize the deep integration of digital technology and? real economy， which has become an important path? to realize high－quality economic development in China. Using the sample of

A－share listed companies in Shanghai and Shenzhen

from 2010 to 2020， this paper uses text analysis to describe the

degree of enterprise digital transformation， and empirically test the labor cost? of? digital transformation. The research results show an inverted U－shaped curve relationship between enterprise digital transformation and labor cost. After distinguishing different stages of enterprise digital transformation， the study finds that only in the early stage of digital transformation， executive equity incentives and high－tech enterprises will have a moderating effect on the labor cost impact of digital transformation. Further mechanism analysis shows that the labor cost improvement

effect in the early stage of enterprise digital transformation is mainly realized through the introduction of high－skilled labor. In addition， the impact effect of labor cost? of digital transformation has obvious industry heterogeneity. After a series of robustness tests， such as replacing key variables， excluding corporate strategic disclosure behaviors， using propensity score matching method， and exogenous event shocks， the research conclusions still hold. The policy implications of this study include： Chinese enterprises should formulate forward－looking digital transformation strategic planning， solidly to promote the comprehensive digitalization of enterprise technology and production management mode， and avoid producing short－sighted tendency when? facing the pain of transformation in the early stage.

Workers should strive to improve their labor quality to adapt the changes in? employment environment and labor demand brought about by digital transformation. Governments at all levels should attach importance to labor skill educaton and digital technology training for low－skilled workers to help companies accelerate the process of digital transformation.

Keywords：digital transformation；labor cost； text analysis

［責任編輯 劉愛華］

收稿日期：2022-04-27;修訂日期：2022-09-19

基金項目：國家社會科學基金后期資助項目“中國企業(yè)社會責任的空間互動、影響因素與推進機制研究”（21FJYB034）。

作者簡介：潘孝珍，經(jīng)濟學博士，杭州電子科技大學會計學院副教授；許耿熙，杭州電子科技大學會計學院碩士研究生。