廖志超，王建新

（1.湖南科技大學(xué)商學(xué)院，湖南 湘潭 411201；2.中國財政科學(xué)研究院，北京 100142）

0 引言

2022年1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》明確提出要“加快企業(yè)數(shù)字化轉(zhuǎn)型升級”和“全面深化重點(diǎn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型”。關(guān)于數(shù)字經(jīng)濟(jì)、數(shù)字產(chǎn)業(yè)、數(shù)字化轉(zhuǎn)型的研究成為學(xué)者們關(guān)注的焦點(diǎn)。目前，國內(nèi)學(xué)者對企業(yè)數(shù)字化轉(zhuǎn)型的研究主要集中在對概念闡述、理論探索方面[1]，只有少數(shù)學(xué)者進(jìn)行了定量分析。學(xué)者們對企業(yè)高質(zhì)量發(fā)展的相關(guān)研究主要聚焦對內(nèi)涵、測度以及實(shí)現(xiàn)路徑的分析方面。關(guān)于數(shù)字化轉(zhuǎn)型的研究已經(jīng)取得了一些成果，但在理論和實(shí)證分析的結(jié)合方面仍值得深入研究。本文首先采用2010—2020年我國滬深A(yù)股上市公司數(shù)相關(guān)數(shù)據(jù)，實(shí)證分析了數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展的影響；然后在現(xiàn)有的數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展傳導(dǎo)機(jī)制的研究基礎(chǔ)上，實(shí)證檢驗(yàn)資本配置效率和內(nèi)部控制的中介機(jī)制效應(yīng)；最后從公司治理和政府治理兩個層面分析了調(diào)節(jié)效應(yīng)。

1 研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展

企業(yè)“數(shù)字化轉(zhuǎn)型”是指企業(yè)在生產(chǎn)、管理和服務(wù)過程中，以先進(jìn)數(shù)字技術(shù)取代傳統(tǒng)數(shù)字技術(shù)的變革過程。資源基礎(chǔ)理論認(rèn)為，企業(yè)間的發(fā)展會因?yàn)楦髌髽I(yè)自身資源的異質(zhì)性而產(chǎn)生差異，因此，自身資源可以幫助企業(yè)在同行業(yè)競爭中獲得優(yōu)勢[2]，數(shù)據(jù)資產(chǎn)作為企業(yè)發(fā)展的重要資源之一，已得到廣泛的認(rèn)同。同時，隨著新舊經(jīng)濟(jì)動能的轉(zhuǎn)換，我國逐漸進(jìn)入以智力、研發(fā)、創(chuàng)意、創(chuàng)新、數(shù)據(jù)、流量等無形資源為主要價值創(chuàng)造驅(qū)動因素的新經(jīng)濟(jì)時代。在此背景下，為了使企業(yè)保持核心競爭力，必須重視相關(guān)數(shù)字技術(shù)在企業(yè)高質(zhì)量發(fā)展過程中發(fā)揮的作用。

企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型強(qiáng)化了企業(yè)挖掘和整合內(nèi)外部信息的能力，大幅提升了企業(yè)對于非標(biāo)準(zhǔn)化、非結(jié)構(gòu)化數(shù)據(jù)的處理能力{3]，使得企業(yè)對于前瞻性技術(shù)具有更高的敏銳度，從而有利于把握技術(shù)創(chuàng)新方向，提升創(chuàng)新動能。企業(yè)數(shù)字化轉(zhuǎn)型需要更多的資金和研發(fā)投入加以支撐，企業(yè)為了實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型戰(zhàn)略，提升創(chuàng)新能力的主觀能動性得以加強(qiáng)，較強(qiáng)的創(chuàng)新動機(jī)和創(chuàng)新能力驅(qū)動了企業(yè)高質(zhì)量發(fā)展。數(shù)字技術(shù)的應(yīng)用可以為企業(yè)提供更加精確、信噪比更高、傳播性更強(qiáng)的海量信息，充足且全面的信息可以提高企業(yè)的運(yùn)營、決策、生產(chǎn)效率[4]，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。大數(shù)據(jù)、物聯(lián)網(wǎng)智能制造技術(shù)的應(yīng)用還可以幫助企業(yè)進(jìn)一步明確與識別發(fā)展過程中所需要的信息、知識等要素[5]，數(shù)據(jù)作為企業(yè)的生產(chǎn)要素和關(guān)鍵資源可以為企業(yè)全面、高質(zhì)量發(fā)展提供新的思路。因此，本文提出：

假設(shè)1:企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)高質(zhì)量發(fā)展。

1.2 數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展影響的中介機(jī)制分析

數(shù)字技術(shù)與企業(yè)日常生產(chǎn)經(jīng)營活動相結(jié)合是一個系統(tǒng)性過程，數(shù)字化轉(zhuǎn)型對企業(yè)發(fā)展的影響也應(yīng)該存在多條路徑?，F(xiàn)有研究表明，微觀層面的數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效、社會責(zé)任、審計質(zhì)量、全要素生產(chǎn)率均存在的正向影響，主要通過以下渠道實(shí)現(xiàn):盈余管理、改善風(fēng)險行為和提升風(fēng)險水平承擔(dān)、提升創(chuàng)新能力、緩解融資約束等。本文認(rèn)為數(shù)字化轉(zhuǎn)型還可以通過提升資本配置效率、強(qiáng)化內(nèi)部控制這兩個中介機(jī)制對企業(yè)高質(zhì)量發(fā)展產(chǎn)生影響。

企業(yè)積極參與數(shù)字化轉(zhuǎn)型可以通過提升資本配置效率促進(jìn)高質(zhì)量發(fā)展。數(shù)字化有助于增強(qiáng)企業(yè)管理者的信息搜集能力，實(shí)現(xiàn)數(shù)字化精細(xì)管理，企業(yè)高管和戰(zhàn)略制定者可以借助數(shù)字技術(shù)引導(dǎo)資本流向利潤更高、發(fā)展前景更好的產(chǎn)業(yè)[6]，減少資本錯配，實(shí)現(xiàn)資本配置的優(yōu)化。企業(yè)高管通過大數(shù)據(jù)、互聯(lián)網(wǎng)等數(shù)字技術(shù)能實(shí)現(xiàn)跨部門、跨業(yè)務(wù)環(huán)節(jié)的資源優(yōu)化配置，全方位把控企業(yè)發(fā)展動態(tài)，提高企業(yè)運(yùn)營管理效率，緩解由于信息不對稱所導(dǎo)致的配置效率低下的問題，為企業(yè)高質(zhì)量發(fā)展奠定良好的基礎(chǔ)。因此，本文提出：

假設(shè)2：數(shù)字化轉(zhuǎn)型可以通過提升資本配置效率的傳導(dǎo)機(jī)制促進(jìn)企業(yè)高質(zhì)量發(fā)展。

數(shù)字化轉(zhuǎn)型還能提高企業(yè)內(nèi)部控制能力，為企業(yè)高質(zhì)量發(fā)展提供內(nèi)部基礎(chǔ)條件。內(nèi)部控制是企業(yè)防范違法違規(guī)風(fēng)險、保證財務(wù)信息真實(shí)完整的重要內(nèi)部治理機(jī)制。企業(yè)數(shù)字化轉(zhuǎn)型帶來的數(shù)字技術(shù)能融入內(nèi)部控制工作中，先進(jìn)的內(nèi)控管理工具有助于解決企業(yè)長期以來內(nèi)控體系和業(yè)務(wù)體系“兩層皮”的問題，能在一定程度上緩解“委托-代理”問題。數(shù)字技術(shù)進(jìn)一步暢通了企業(yè)內(nèi)部的溝通渠道，數(shù)字算法決策實(shí)現(xiàn)了由系統(tǒng)軟件來協(xié)調(diào)企業(yè)內(nèi)部活動的功能。另外，企業(yè)借助人工智能、大數(shù)據(jù)、云計算等數(shù)字化工具，可以使內(nèi)部控制風(fēng)險管理由“被動應(yīng)對”轉(zhuǎn)為“主動識別”，能有效提高企業(yè)內(nèi)部控制質(zhì)量，從而使企業(yè)有效整合自身資源用來實(shí)現(xiàn)“風(fēng)險降低”與“效率提升”的雙重擬合，為企業(yè)高質(zhì)量發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)。因此，本文提出：

假設(shè)3：數(shù)字化轉(zhuǎn)型可以通過強(qiáng)化內(nèi)部控制的傳導(dǎo)機(jī)制促進(jìn)企業(yè)高質(zhì)量發(fā)展。

1.3 首席信息官的調(diào)節(jié)效應(yīng)

為了解數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展影響中的調(diào)節(jié)效應(yīng)，先分析企業(yè)層面對數(shù)字化轉(zhuǎn)型與高質(zhì)量發(fā)展的調(diào)節(jié)效應(yīng)。企業(yè)的高管團(tuán)隊(duì)作為企業(yè)戰(zhàn)略的制定者和實(shí)施者，其對數(shù)字經(jīng)濟(jì)和數(shù)字化轉(zhuǎn)型的認(rèn)知決定企業(yè)數(shù)字化轉(zhuǎn)型實(shí)施效果。首席信息官（CIO）是企業(yè)數(shù)字創(chuàng)新的重要決策者，也是信息技術(shù)管理部門的最高管理者，其對數(shù)字技術(shù)關(guān)注度將影響企業(yè)數(shù)字化戰(zhàn)略及效果，CIO必須幫助他們的企業(yè)適應(yīng)現(xiàn)在數(shù)字經(jīng)濟(jì)時代的發(fā)展。有研究認(rèn)為,隨著數(shù)字經(jīng)濟(jì)時代的到來，CIO在公司中扮演的角色越來越重要。企業(yè)的信息技術(shù)具有重要戰(zhàn)略價值，能夠有效培育和提升企業(yè)核心能力和競爭優(yōu)勢，擁有CIO的企業(yè)更容易識別、吸收和利用數(shù)字技術(shù)，會更積極推動企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。因此，本文提出：

假設(shè)4：企業(yè)首席信息官在數(shù)字化轉(zhuǎn)型影響企業(yè)高質(zhì)量發(fā)展時起積極調(diào)節(jié)作用。

1.4 政府治理的調(diào)節(jié)效應(yīng)

企業(yè)的高質(zhì)量發(fā)展與外部環(huán)境也存在密切關(guān)聯(lián)，企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型過程中會遇到如資金匱乏、軟件水平較低等問題，這時就需要“有為政府”的支持，積極推動企業(yè)數(shù)字化轉(zhuǎn)型。一方面，政府財政科技支出特有的“科技”屬性，具備專業(yè)性、靶向性和政策性特征，能充分激發(fā)企業(yè)數(shù)字化轉(zhuǎn)型升級的主觀能動性[7]。同時，政府財政科技支出通過財政貼息、稅收減免等多元化的政策手段直接作用于企業(yè)，有效降低企業(yè)運(yùn)營和技術(shù)創(chuàng)新成本，調(diào)整其“風(fēng)險-收益”邊界，驅(qū)動企業(yè)提升主營業(yè)務(wù)質(zhì)量，從而提高企業(yè)全要素生產(chǎn)率。另一方面，專業(yè)人員和數(shù)字基礎(chǔ)設(shè)施作為數(shù)字化轉(zhuǎn)型的必需品，需要大量資金支撐，而政府補(bǔ)助可直接作用于企業(yè)，政府對企業(yè)的補(bǔ)助越多，可能意味著對企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型提供的補(bǔ)助越多，越有益于企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。一般而言，獲得政府補(bǔ)助的企業(yè)具有良好的市場發(fā)展前景和潛力，企業(yè)會更加注重創(chuàng)新，以提高整體競爭優(yōu)勢。由此可見，政府補(bǔ)助在數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展中起到了關(guān)鍵作用。因此，本文提出：

假設(shè)5：政府財政科技支出、政府補(bǔ)助在數(shù)字化轉(zhuǎn)型影響企業(yè)高質(zhì)量發(fā)展中起到正向調(diào)節(jié)作用。

2 研究設(shè)計

2.1 變量選取

（1）被解釋變量。企業(yè)全要素生產(chǎn)率（TFP），借鑒張興亮和程琦煒（2020）[8]的研究，構(gòu)建如下柯布-道格拉斯函數(shù)計算企業(yè)全要素生產(chǎn)率：

其中，lnY表示產(chǎn)出水平，以營業(yè)收入取對數(shù)衡量；lnK表示資本投入水平，以固定資產(chǎn)凈額取對數(shù)表示；lnL表示勞動力投入水平，以企業(yè)的員工數(shù)量取對數(shù)表示；lnM表示企業(yè)的中間投入；i為上市公司，t表示年份。利用Stata 軟件借助LP半?yún)?shù)估計方法，可獲得樣本企業(yè)歷年的全要素生產(chǎn)率。

（2）解釋變量。數(shù)字化轉(zhuǎn)型（DT），參考吳非等（2021）[7]的研究，利用Python 爬蟲技術(shù)，采用文本分析法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。

（3）中介變量。資本配置效率（CAP），采用投資回報率與資本成本率的比值來度量資本配置效率。內(nèi)部控制（ICQ），在迪博企業(yè)風(fēng)險管理有限公司計算的內(nèi)部控制指數(shù)的基礎(chǔ)上取自然對數(shù)，衡量企業(yè)的內(nèi)部控制。

（4）調(diào)節(jié)變量。首席信息官（CIO），采用設(shè)置啞變量的形式識別企業(yè)某年是否設(shè)置了首席信息官，如某企業(yè)該年設(shè)置了首席信息官，則CIO為1，否則為0。數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫中的企業(yè)高級管理者職位信息。政府科技支出（TF），采用政府財政科技支出的相對指標(biāo)，即以財政科技投入占GDP比重表示財政科技支出強(qiáng)度。政府補(bǔ)助（SUB），采用企業(yè)受到政府補(bǔ)助總額與期末總資產(chǎn)的比值來表示。

（5）控制變量。為盡可能提高研究結(jié)論精確度，參考王璽和劉萌（2020）[9]的研究，選擇以下控制變量：企業(yè)規(guī)模（Size）、企業(yè)成長性（Growth）、年齡（Age）、資產(chǎn)負(fù)債率（Lev）、現(xiàn)金流強(qiáng)度（Cfo）、資本結(jié)構(gòu)（Capital）、賬面市值比（MB）、兩職合一（Dual）、股權(quán)集中度（Top1）、審計意見（Audit），同時，本文還控制了時間固定效應(yīng)和行業(yè)固定效應(yīng)。變量定義和計算方式如表1所示。

表1 變量定義

2.2 模型設(shè)定

根據(jù)以上理論分析，本文設(shè)定基準(zhǔn)回歸模型（2）至模型（5）分別用于檢驗(yàn)假設(shè)1至假設(shè)5：

其中，TFP為全要素生產(chǎn)率，代表企業(yè)高質(zhì)量發(fā)展指標(biāo)；DT為數(shù)字經(jīng)濟(jì)指數(shù)；Controls為控制變量集合；ΣYear和ΣIndusty分別表示年份和行業(yè)固定效應(yīng)；α0表示常數(shù)項(xiàng)；εit表示隨機(jī)誤差項(xiàng)。模型（2）用來檢驗(yàn)假設(shè)1，模型（3）中Mech分別為資本配置效率（CAP）和內(nèi)部控制（ICQ）這兩個中介變量，模型（2）至模型（4）用來檢驗(yàn)中介效應(yīng)，若回歸系數(shù)顯著，則表明資本配置效率和內(nèi)部控制在數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展之間具有部分中介效應(yīng)。模型（5）中加入了數(shù)字化轉(zhuǎn)型和調(diào)節(jié)變量（Reg）的交乘項(xiàng)，調(diào)節(jié)變量分別為首席信息官（CIO）、政府科技支出（FT）和政府補(bǔ)助（SUB），主要是為了檢驗(yàn)前文提出的調(diào)節(jié)作用的有效性。若交互項(xiàng)的系數(shù)顯著，則說明該機(jī)制成立，否則不成立。

2.3 樣本選擇和數(shù)據(jù)來源

本文選取2010—2020 年我國A 股上市公司作為研究樣本。企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)通過文本挖掘的方法利用Python 軟件爬取上市公司年報中關(guān)于數(shù)字化轉(zhuǎn)型的關(guān)鍵詞。計量分析過程中利用Excel 和Stata 軟件對研究數(shù)據(jù)進(jìn)行初步處理及合并，為進(jìn)一步確保研究結(jié)論可信度，本文對初始數(shù)據(jù)還進(jìn)行了一系列處理，最后合并表格后得到觀察樣本為16634個。

3 實(shí)證分析

3.1 描述性統(tǒng)計分析

表2 匯報了本文主要變量的描述性統(tǒng)計結(jié)果?？梢钥闯?，被解釋變量全要素生產(chǎn)率的均值為20.671，最大值為23.716，最小值為17.743，反映出樣本企業(yè)之間的全要素生產(chǎn)率有一定差距；解釋變量數(shù)字化轉(zhuǎn)型均值為1.233，最大值為4.966，最小值為0，說明在樣本公司間數(shù)字化轉(zhuǎn)型程度具有較大差異性，仍然有企業(yè)尚未開展數(shù)字化轉(zhuǎn)型相關(guān)活動。

表2 主要變量的描述性統(tǒng)計結(jié)果

3.2 數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展影響檢驗(yàn)

在模型（2）的基礎(chǔ)上，使用OLS 最小二乘法對假設(shè)1進(jìn)行檢驗(yàn)，即考察數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率（TFP）的直接關(guān)系，下頁表3列示了基準(zhǔn)回歸結(jié)果。表3列（1）未將企業(yè)規(guī)模、年齡、企業(yè)成長性等控制變量納入回歸分析中，結(jié)果顯示數(shù)字化轉(zhuǎn)型（DT）的回歸系數(shù)為0.156，在1%的水平上顯著，說明數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展存在顯著正相關(guān)關(guān)系。在列（2）中加入了所有控制變量后，數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.117，仍然在1%的水平上顯著，支持了假設(shè)1 的數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展有促進(jìn)作用這一結(jié)論。

表3 基準(zhǔn)回歸結(jié)果

3.3 數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展的影響機(jī)制檢驗(yàn)

為檢驗(yàn)假設(shè)2 和假設(shè)3，在模型（2）至模型（4）的基礎(chǔ)上采用中介效應(yīng)檢驗(yàn)方法，下頁表4列（1）至列（3）為資本配置效率作為中介機(jī)制的檢驗(yàn)結(jié)果。第一步，檢驗(yàn)了數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展之間影響的直接關(guān)系，列（1）結(jié)果與上文基準(zhǔn)回歸結(jié)果相同。第二步，檢驗(yàn)了數(shù)字化轉(zhuǎn)型對資本配置效率的影響效應(yīng)，列（2）顯示數(shù)字化轉(zhuǎn)型（DT）對資本配置效率（Cap）的影響系數(shù)為0.172，通過了1%水平的顯著性檢驗(yàn)，表明數(shù)字化轉(zhuǎn)型對資本配置效率具有顯著的正向影響。第三步，檢驗(yàn)資本配置效率的中介效應(yīng)，列（3）結(jié)果顯示中介變量（Cap）的系數(shù)在1%的水平上顯著，且數(shù)字化轉(zhuǎn)型的系數(shù)也顯著為正，說明資本配置效率在數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率中起到了部分中介作用。以上結(jié)果說明企業(yè)數(shù)字化轉(zhuǎn)型能提升企業(yè)資本配置效率，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。假設(shè)2得到驗(yàn)證。

表4 資本配置效率和內(nèi)部控制的中介效應(yīng)

表4列（4）、列（5）是以內(nèi)部控制作為中介變量的檢驗(yàn)結(jié)果。列（4）結(jié)果顯示數(shù)字化轉(zhuǎn)型的回歸系數(shù)為0.295，在1%的水平上顯著，說明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型提高了企業(yè)內(nèi)部控制能力。列（5）顯示加入中介變量內(nèi)部控制后，數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響系數(shù)為0.092，在1%的水平上顯著，內(nèi)部控制對全要素生產(chǎn)率的影響系數(shù)也顯著為正，說明內(nèi)部控制在數(shù)字化轉(zhuǎn)型影響企業(yè)全要素生產(chǎn)率中起到了部分中介作用。以上結(jié)果說明企業(yè)數(shù)字化轉(zhuǎn)型能提升企業(yè)內(nèi)部控制能力，從而進(jìn)一步促進(jìn)企業(yè)高質(zhì)量發(fā)展。假設(shè)3得到驗(yàn)證。

3.4 首席信息官、政府科技支出和政府補(bǔ)助的調(diào)節(jié)效應(yīng)檢驗(yàn)

本文進(jìn)一步從企業(yè)內(nèi)部治理視角和外部視角探討首席信息官、政府科技支出和政府補(bǔ)助對數(shù)字化轉(zhuǎn)型影響企業(yè)高質(zhì)量發(fā)展的調(diào)節(jié)效應(yīng)，基于模型（5），對本文提出的三種調(diào)節(jié)變量進(jìn)行檢驗(yàn)。表5 結(jié)果顯示，DT*CIO、DT*FT和DT*SUB的回歸系數(shù)均在1%的水平上顯著，說明企業(yè)設(shè)立首席信息官、政府科技支出和政府補(bǔ)助均強(qiáng)化了數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率的正向影響，具有顯著的正向調(diào)節(jié)作用，假設(shè)4和假設(shè)5得到驗(yàn)證。

表5 調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

3.5 穩(wěn)健性檢驗(yàn)

3.5.1 內(nèi)生性問題的處理

本文研究數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展的影響，可能存在反向因果和遺漏變量的內(nèi)生性問題。企業(yè)數(shù)字化轉(zhuǎn)型對全要素生產(chǎn)率的影響存在時間滯后性[10]，所以將解釋變量數(shù)字化轉(zhuǎn)型做滯后一期和滯后兩期處理后重新對模型（2）進(jìn)行回歸，結(jié)果如下頁表6列（1）、列（2）所示。數(shù)字化轉(zhuǎn)型系數(shù)估計值在滯后一期和兩期后，仍然在1%的水平上顯著。本文參考張璇等（2017）[11]的研究，使用除本企業(yè)以外的同一城市和行業(yè)的所有企業(yè)數(shù)字化轉(zhuǎn)型的平均值作為工具變量（M-DT）。表6 列（3）、列（4）結(jié)果為使用兩階段最小二乘法進(jìn)行工具變量回歸分析的結(jié)果，列（3）結(jié)果顯示M-DT的系數(shù)為0.573，在1%的水平上顯著，說明選取的工具變量與解釋變量間存在較強(qiáng)的相關(guān)性。列（4）結(jié)果顯示DT的系數(shù)為0.084，在1%的水平上顯著，與前文基準(zhǔn)回歸結(jié)果一致。以上結(jié)果表明，利用工具變量進(jìn)行檢驗(yàn)后，數(shù)字化轉(zhuǎn)型有利于促進(jìn)企業(yè)高質(zhì)量發(fā)展這一結(jié)論仍然成立。

3.5.2 其他穩(wěn)健性檢驗(yàn)

（1）替換被解釋變量。采用勞動生產(chǎn)率（LP）替代前文中的全要素生產(chǎn)率，重新進(jìn)行回歸分析，結(jié)果如表7 列（1）所示。DT的系數(shù)為0.046，在1%的水平上顯著。另外，本文還選取資產(chǎn)報酬率（ROA）作為企業(yè)高質(zhì)量發(fā)展的替代指標(biāo)，重新進(jìn)行回歸分析，結(jié)果如表7列（2）所示。DT的系數(shù)為0.063，在5%的水平上顯著。說明無論采用何種指標(biāo)來測度企業(yè)高質(zhì)量發(fā)展水平，本文的研究結(jié)論均不改變。

表7 其他穩(wěn)健性檢驗(yàn)結(jié)果

（2）替換固定效應(yīng)。在表7 列（3）中加入時間和行業(yè)的聯(lián)合固定效應(yīng)，DT的系數(shù)為0.021，在1%的水平上顯著，進(jìn)一步說明數(shù)字化轉(zhuǎn)型能促進(jìn)企業(yè)高質(zhì)量發(fā)展。

（3）安慰劑檢驗(yàn)。根據(jù)反事實(shí)檢驗(yàn)的基本思路，假設(shè)企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展之間的影響關(guān)系是隨機(jī)關(guān)聯(lián)的，如果解釋變量依然顯著，則說明估計是有偏的。處理方法是將原始數(shù)據(jù)中解釋變量和被解釋變量一一相對應(yīng)的關(guān)系打亂，再重新進(jìn)行回歸分析，結(jié)果如表7列（4）所示。DT的回歸系數(shù)為-0.063，并且不顯著，這一結(jié)果表明上文所得結(jié)論“數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)高質(zhì)量發(fā)展”并非隨機(jī)關(guān)聯(lián)。

4 結(jié)論與建議

本文以2010—2020 年我國滬深A(yù) 股上市公司為研究對象，首先針對數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展的直接影響關(guān)系進(jìn)行了分析；然后，基于中介傳導(dǎo)機(jī)制的檢驗(yàn)，從資本配置效率和內(nèi)部控制兩個重要路徑出發(fā)檢驗(yàn)其中的機(jī)制渠道；最后，基于公司治理層面和政府治理層面分析首席信息官、政府科技支出和政府補(bǔ)助對企業(yè)數(shù)字化轉(zhuǎn)型影響高質(zhì)量發(fā)展的調(diào)節(jié)效應(yīng)。得到以下結(jié)論：（1）數(shù)字化轉(zhuǎn)型能顯著提高企業(yè)全要素生產(chǎn)率，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。（2）資本配置效率、內(nèi)部控制這兩種機(jī)制在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)高質(zhì)量發(fā)展中起到了部分中介作用。（3）政府在宏觀層面的科技支出和在微觀層面對企業(yè)的補(bǔ)助以及企業(yè)擁有首席信息官均能對數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)高質(zhì)量發(fā)展產(chǎn)生正向調(diào)節(jié)作用。

基于以上研究結(jié)論，本文分別針對企業(yè)發(fā)展和政府政策制定兩個層面提出如下對策建議：第一，企業(yè)應(yīng)高度重視數(shù)字化轉(zhuǎn)型對企業(yè)自身高質(zhì)量發(fā)展的推動作用和帶來的經(jīng)濟(jì)效益。企業(yè)應(yīng)積極設(shè)置首席信息官職位，其在推動企業(yè)數(shù)字化轉(zhuǎn)型方面具有積極作用。從企業(yè)“一把手”到每個部門的員工，都應(yīng)該樹立互聯(lián)網(wǎng)思想，重視對企業(yè)職員進(jìn)行數(shù)字化轉(zhuǎn)型培訓(xùn)，打造“數(shù)字化”企業(yè)文化，將“數(shù)字化”戰(zhàn)略充分融入企業(yè)的組織架構(gòu)中。但是企業(yè)的數(shù)字化轉(zhuǎn)型不是一蹴而就的，需要企業(yè)管理者針對自身在轉(zhuǎn)型過程中的薄弱環(huán)節(jié)，循序漸進(jìn)地推進(jìn)數(shù)字化轉(zhuǎn)型，盡可能降低轉(zhuǎn)型面臨的成本與風(fēng)險。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型也不是推倒重來，而應(yīng)注重數(shù)字技術(shù)與原有資源的統(tǒng)籌協(xié)調(diào)和充分融合。第二，找準(zhǔn)數(shù)字化轉(zhuǎn)型難點(diǎn)、痛點(diǎn)，疏通數(shù)字化轉(zhuǎn)型驅(qū)動效應(yīng)的機(jī)制渠道。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型是一項(xiàng)系統(tǒng)性工程，對企業(yè)高質(zhì)量發(fā)展的影響間存在多條傳導(dǎo)路徑，應(yīng)遵循差異化的原則，從本企業(yè)實(shí)際出發(fā)，抓準(zhǔn)自身進(jìn)行數(shù)字化轉(zhuǎn)型的難點(diǎn)和痛點(diǎn)，通過優(yōu)化企業(yè)在不同層面的屬性來最終實(shí)現(xiàn)整體價值的提升。第三，在政府政策層面，應(yīng)積極引導(dǎo)和鼓勵企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，出臺相對應(yīng)的政策和制度，助力企業(yè)高質(zhì)量發(fā)展。有針對性地進(jìn)行科技支出和發(fā)放政府補(bǔ)助，完善財政科技支出和政府補(bǔ)助的導(dǎo)向和監(jiān)督機(jī)制，使政府對企業(yè)的支持能真正用到數(shù)字化轉(zhuǎn)型上，更好地發(fā)揮政府治理對實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展的驅(qū)動引領(lǐng)作用。