祁懷錦 李若琳 劉斯琴

摘? ?要：以在職消費(fèi)為切入點(diǎn)，選取2010—2021年A股上市公司作為研究樣本，考察數(shù)字化轉(zhuǎn)型的公司治理效應(yīng)，實(shí)證檢驗(yàn)發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)之間存在倒U型關(guān)系。進(jìn)一步研究發(fā)現(xiàn)，緩解信息不對(duì)稱和管理層過度自信是其作用路徑。當(dāng)樣本為非國(guó)有、聘請(qǐng)非四大會(huì)計(jì)師事務(wù)所出具審計(jì)報(bào)告、所屬產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度較低、非制造業(yè)、非高科技行業(yè)、勞動(dòng)密集型行業(yè)、位于互聯(lián)網(wǎng)發(fā)展較快城市以及經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的企業(yè)時(shí)，兩者的倒U型關(guān)系更顯著。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；在職消費(fèi)；信息不對(duì)稱；過度自信

中圖分類號(hào)：F272.91? ?文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1003-7543（2024）04-0108-18

發(fā)展數(shù)字經(jīng)濟(jì)是新一輪產(chǎn)業(yè)變革和振興實(shí)體經(jīng)濟(jì)的戰(zhàn)略選擇，是我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的必由之路。根據(jù)中國(guó)信息通信研究院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展研究報(bào)告（2023年）》，2022年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到50.2萬億元，占GDP的比重達(dá)到41.5%。一方面，企業(yè)數(shù)字化轉(zhuǎn)型具有正面效應(yīng)，數(shù)字經(jīng)濟(jì)通過激發(fā)大眾創(chuàng)業(yè)來促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展，也可以促進(jìn)碳減排，提升企業(yè)風(fēng)險(xiǎn)承擔(dān)水平?！盎ヂ?lián)網(wǎng)+”會(huì)顯著提升公司業(yè)績(jī)，強(qiáng)化企業(yè)家對(duì)外投資對(duì)公司估值的正向影響，也會(huì)抑制企業(yè)成本黏性。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型也存在一定負(fù)面效應(yīng)，新興的互聯(lián)網(wǎng)商業(yè)模式帶來內(nèi)部人控制問題，降低公司盈余質(zhì)量，也會(huì)提高外部監(jiān)督難度和成本；上市公司采用信息技術(shù)會(huì)帶來審計(jì)費(fèi)用攀升，且企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)會(huì)隨著“互聯(lián)網(wǎng)+”信息披露內(nèi)容增多而升高。前述學(xué)者關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的研究基本上是線性關(guān)系的探討，但也有不少學(xué)者發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型帶來的某些經(jīng)濟(jì)后果可能存在非線性關(guān)系，如有學(xué)者發(fā)現(xiàn)企業(yè)數(shù)字化投入和效率之間存在非線性關(guān)系，企業(yè)數(shù)字化轉(zhuǎn)型與ESG表現(xiàn)之間呈倒U型關(guān)系。

企業(yè)數(shù)字化轉(zhuǎn)型能夠提升公司治理水平，而治理水平的提升有助于約束高管的自利主義行為。由此，企業(yè)數(shù)字化轉(zhuǎn)型為改善高管在職消費(fèi)提供了可行性。高管在職消費(fèi)至今仍受到實(shí)務(wù)界和學(xué)術(shù)界重點(diǎn)關(guān)注，現(xiàn)有文獻(xiàn)從在職消費(fèi)視角探究企業(yè)數(shù)字化轉(zhuǎn)型治理效應(yīng)的還較少。企業(yè)開展數(shù)字化轉(zhuǎn)型勢(shì)必引發(fā)內(nèi)部環(huán)境的改變，這種變化為研究高管在職消費(fèi)的影響因素及企業(yè)內(nèi)部治理提供了新的思路。我們不禁思考如下問題：企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的關(guān)系如何？若存在一定關(guān)系，其傳導(dǎo)機(jī)制是什么？本文選取2010—2021年A股上市公司作為研究樣本，檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)之間的關(guān)系，進(jìn)一步從企業(yè)層面、行業(yè)層面和宏觀層面進(jìn)行橫截面分析，同時(shí)基于信息不對(duì)稱和管理層過度自信視角，探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)在職消費(fèi)的影響路徑。

一、理論分析與假說提出

近年來，上市公司高管的“天價(jià)”薪酬遭到了各方質(zhì)疑，導(dǎo)致在職消費(fèi)背后的代理問題引發(fā)社會(huì)輿論的廣泛關(guān)注。以往學(xué)者針對(duì)在職消費(fèi)的研究大多聚焦于“效率”和“代理”兩種觀點(diǎn)。從“效率觀”視角來看，在職消費(fèi)在某種情況下成為對(duì)高管薪酬的補(bǔ)充，進(jìn)而提升管理層的工作效率［1］。從“代理觀”視角來看，基于委托代理理論，管理層為了實(shí)現(xiàn)自身效用最大化，在不受監(jiān)督的情況下會(huì)增加非貨幣福利［2］，大多數(shù)企業(yè)在職消費(fèi)存在不合理性，伴隨著貨幣薪酬的上升而增加，甚至處于一種失控狀態(tài)［3-4］，在職消費(fèi)作為代理成本的一種表現(xiàn)會(huì)對(duì)股東利益造成損害［3］。有研究從管理層非理性視角發(fā)現(xiàn)，管理者自信與在職消費(fèi)總額、正常在職消費(fèi)、超額在職消費(fèi)之間均呈U型關(guān)系［5］。公司信息披露質(zhì)量越高，管理者在職消費(fèi)水平越低［6-7］。“效率觀”下的正常在職消費(fèi)具有積極作用，“代理觀”下的超額在職消費(fèi)屬于管理層謀取私人收益的慣用手段。根據(jù)以往文獻(xiàn)不難發(fā)現(xiàn)，股東與管理層之間的信息不對(duì)稱以及管理層的非理性特質(zhì)使得管理層為了自身利益而進(jìn)行在職消費(fèi)，有效緩解股東與管理層之間的信息不對(duì)稱以及約束管理層非理性行為可以改善在職消費(fèi)。

清華大學(xué)全球產(chǎn)業(yè)研究院發(fā)布的《中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型研究報(bào)告2021》指出，眾多企業(yè)意識(shí)到數(shù)字化轉(zhuǎn)型屬于長(zhǎng)期性戰(zhàn)略行為。企業(yè)開展數(shù)字化轉(zhuǎn)型涵蓋組織結(jié)構(gòu)、生產(chǎn)管理模式等在內(nèi)的全方位變革，能夠帶來持續(xù)性競(jìng)爭(zhēng)優(yōu)勢(shì)［8］、可觀的業(yè)績(jī)［9］等“紅利”，在營(yíng)造良好的信息環(huán)境與改善管理層非理性動(dòng)機(jī)方面發(fā)揮了至關(guān)重要的作用。因此，本文從信息不對(duì)稱和管理層過度自信兩條路徑分析企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的影響，具體作用路徑如圖1（下頁）所示。

（一） 企業(yè)數(shù)字化轉(zhuǎn)型通過影響信息不對(duì)稱進(jìn)而影響在職消費(fèi)

在傳統(tǒng)信息環(huán)境下，信息不對(duì)稱是管理層在職消費(fèi)的根源所在。在數(shù)字化轉(zhuǎn)型初期的企業(yè)內(nèi)部，信息碎片化程度較高，數(shù)據(jù)要素與傳統(tǒng)要素間的互聯(lián)互通性相對(duì)較差，數(shù)據(jù)要素與經(jīng)濟(jì)活動(dòng)間的映射精準(zhǔn)性有待提高，企業(yè)全方位生產(chǎn)要素同數(shù)字技術(shù)深度融合的要求在短時(shí)間內(nèi)難以達(dá)到［10］，直接造成信息的有效性和利用率較低。股東無法隨時(shí)根據(jù)業(yè)績(jī)等信息制定有針對(duì)性的彈性薪酬計(jì)劃，由于股東和管理層之間仍存在薪酬供給和需求的不匹配，管理層自身希望得到業(yè)績(jī)與薪酬的合理匹配，故其對(duì)隱性薪酬的需求增多，正常在職消費(fèi)水平逐步提升。此外，處于數(shù)字化轉(zhuǎn)型初期的企業(yè)雖然在數(shù)字信息技術(shù)等方面投入大量可支配資源，但是受制于企業(yè)數(shù)字化稟賦、技術(shù)發(fā)展水平和背景等條件的局限，處在“量”變階段的企業(yè)無法在短時(shí)間內(nèi)有效改善傳統(tǒng)信息環(huán)境下企業(yè)信息環(huán)境較差、信息透明度低、股東信息獲取渠道過于單一以及信息收集成本較高的弊端。股東無法有效判斷和約束管理層的在職消費(fèi)行為，也不能及時(shí)察覺管理層的自利行為在何時(shí)是否超過合理范圍，考慮到成本收益原則的股東被迫放棄對(duì)管理層的細(xì)化監(jiān)督，企業(yè)開展數(shù)字化轉(zhuǎn)型反而為管理層巧妙隱藏在職消費(fèi)提供了便利，存在管理層過度消費(fèi)的情況，故超額在職消費(fèi)水平逐步提升。因此，在企業(yè)數(shù)字化轉(zhuǎn)型的初期建設(shè)與內(nèi)化階段，隨著數(shù)字化轉(zhuǎn)型從無到有的“量”變，企業(yè)內(nèi)部信息不對(duì)稱程度呈現(xiàn)一定的上升趨勢(shì)，管理層作為信息優(yōu)勢(shì)方掌握更多的主動(dòng)權(quán)，在職消費(fèi)的動(dòng)機(jī)和隱蔽性反而更高，在職消費(fèi)行為也逐步增多。

隨著企業(yè)數(shù)字化建設(shè)的深入推進(jìn)，當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型從“量”變積累到“質(zhì)”變時(shí)，互聯(lián)網(wǎng)、5G技術(shù)、云計(jì)算等先進(jìn)技術(shù)精準(zhǔn)應(yīng)用，員工的數(shù)字素養(yǎng)和能力隨著企業(yè)數(shù)字化程度的加深而不斷提升［11］，進(jìn)一步改善了企業(yè)信息環(huán)境，提升了企業(yè)的信息處理能力及其披露信息的質(zhì)量。隨著企業(yè)數(shù)字化轉(zhuǎn)型程度的不斷加深，股東獲取信息的能力顯著提升，可以更及時(shí)地精準(zhǔn)獲取多維信息。一方面，股東可以應(yīng)用信息系統(tǒng)實(shí)時(shí)、客觀地評(píng)價(jià)管理層受托責(zé)任的履行情況（包括經(jīng)營(yíng)業(yè)績(jī)、財(cái)務(wù)狀況以及公司日常運(yùn)營(yíng)管理效率等），從而較為準(zhǔn)確地估計(jì)管理層預(yù)期的薪酬水平，制定合理完善的薪酬激勵(lì)計(jì)劃或薪酬契約（包括貨幣性薪酬、非貨幣性薪酬、期權(quán)計(jì)劃等），滿足管理層的薪酬需求，有效緩解股東與管理層之間有關(guān)薪酬水平的不匹配問題，管理層對(duì)隱性薪酬的需求逐步降低，正常在職消費(fèi)水平逐步下降。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型有利于信息捕捉［12］，通過對(duì)企業(yè)管理信息系統(tǒng)以及數(shù)字平臺(tái)的應(yīng)用，股東可以獲得除固定業(yè)績(jī)報(bào)告之外的信息獲取渠道，捕捉、分析和挖掘管理層的在職消費(fèi)痕跡信息，得到真實(shí)可靠且兼具時(shí)效性的第一手資料，信息技術(shù)降低了管理層在職消費(fèi)方式的隱蔽性，管理層的行為被無限放大［13］，提高了在職消費(fèi)被股東發(fā)現(xiàn)的可能性，從而制約管理層享受更多的超額在職消費(fèi)。較高水平的數(shù)字化程度帶來信息透明度的提升，從而形成更強(qiáng)的內(nèi)部監(jiān)督壓力，管理層實(shí)施超額在職消費(fèi)行為付出的代價(jià)高過其帶來的收益，超額在職消費(fèi)水平不斷下降。故當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型達(dá)到一定程度時(shí)，隨著數(shù)字化轉(zhuǎn)型程度的加深，信息不對(duì)稱得到有效緩解，管理層在職消費(fèi)行為逐步減少。

（二） 企業(yè)數(shù)字化轉(zhuǎn)型通過影響管理層過度自信進(jìn)而影響在職消費(fèi)

在職消費(fèi)行為屬于管理者個(gè)人的決策偏好，大部人存在過度自信的特征［14］，其中管理者較普通大眾而言更容易發(fā)生過度自信行為，管理者的過度自信特質(zhì)會(huì)強(qiáng)化管理層通過提高在職消費(fèi)彌補(bǔ)現(xiàn)金薪酬的動(dòng)機(jī)。在數(shù)字化轉(zhuǎn)型初期，企業(yè)投入往往較大，需要足夠現(xiàn)金流渡過數(shù)字化轉(zhuǎn)型階段的種種難關(guān)，而現(xiàn)金流的增多提升了管理層過度自信行為發(fā)生的可能性，為管理層在職消費(fèi)提供了便利。在這一階段，股東關(guān)注的是企業(yè)數(shù)字化轉(zhuǎn)型能否成功以及轉(zhuǎn)型所帶來的效益如何，很難將注意力放在識(shí)別管理層的心理特質(zhì)對(duì)在職消費(fèi)的影響上。同時(shí)，數(shù)字化轉(zhuǎn)型必須得到管理者的支持和授權(quán)［15］，管理層作為企業(yè)數(shù)字化轉(zhuǎn)型的重要推動(dòng)者期望數(shù)字化轉(zhuǎn)型的“紅利”能快速凸顯，方便實(shí)現(xiàn)自身薪酬供需的匹配，但在企業(yè)數(shù)字化轉(zhuǎn)型的初期仍然存在管理層決策滯后于市場(chǎng)的情況，管理者往往難以獲得資源閑置的信息，管理層決策多源于主觀判斷，容易受到過度自信的認(rèn)知偏誤［5］影響，從而盲目放大自身貢獻(xiàn)價(jià)值，激進(jìn)地控制更多資源以便獲取更多的在職消費(fèi)。因此，在企業(yè)數(shù)字化轉(zhuǎn)型“陣痛”期，管理層發(fā)生過度自信行為的可能性隨著數(shù)字化轉(zhuǎn)型“量”變的遞增而放大，在職消費(fèi)水平呈現(xiàn)逐步上升的趨勢(shì)。

當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型達(dá)到“質(zhì)”變階段，即形成可靠的價(jià)值輸出時(shí)，管理層的數(shù)字素養(yǎng)顯著提升。數(shù)字技術(shù)的精準(zhǔn)應(yīng)用有利于管理層準(zhǔn)確認(rèn)識(shí)自身工作能力、組織能力，使得管理層能更客觀地評(píng)價(jià)企業(yè)實(shí)際經(jīng)營(yíng)狀況和盈利能力。管理層在數(shù)字技術(shù)的助力下對(duì)于市場(chǎng)機(jī)會(huì)和威脅感知更客觀精準(zhǔn)，更為精準(zhǔn)及時(shí)的數(shù)據(jù)信息可以幫助管理層矯正過度自信行為，作出合理決策，從而使現(xiàn)金流向更有價(jià)值的投資端。合理的薪酬配置提升了管理層的工作主觀能動(dòng)性，管理層更傾向于通過提升自身努力程度進(jìn)而提升工作效率，優(yōu)化企業(yè)實(shí)際經(jīng)營(yíng)狀況，提升盈利能力，在該階段管理層更熱衷于扮演“管家”角色［5］，將自身利益、股東利益與企業(yè)利益融為一體，從而緩解通過正常在職消費(fèi)彌補(bǔ)隱性薪酬需求。隨著數(shù)字化轉(zhuǎn)型程度的逐步提高，扁平化、網(wǎng)絡(luò)化的組織架構(gòu)逐漸成熟［16］，員工數(shù)字素養(yǎng)和能力明顯提升。同時(shí)，隨著企業(yè)數(shù)字化轉(zhuǎn)型的深入，培養(yǎng)和吸納數(shù)字專業(yè)人才有利于推動(dòng)企業(yè)轉(zhuǎn)型升級(jí)［16］。越來越多數(shù)字專業(yè)人才的加入，使得管理層權(quán)力被削弱，緩解了管理層盲目放大自身貢獻(xiàn)價(jià)值的傾向。數(shù)字化轉(zhuǎn)型成熟階段的企業(yè)會(huì)獲得更高的媒體關(guān)注度，輿論的壓力使管理層更為謹(jǐn)慎［17］，管理層由于盲目樂觀自大的心理而高估自身能力和企業(yè)經(jīng)營(yíng)業(yè)績(jī)的情況得到有效緩解，這會(huì)抑制超額在職消費(fèi)行為的發(fā)生。因此，當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)入“質(zhì)”變階段后，隨著數(shù)字化轉(zhuǎn)型程度的繼續(xù)加深，管理層產(chǎn)生過度自信行為的可能性逐步變小，在職消費(fèi)呈下降趨勢(shì)。

總之，企業(yè)數(shù)字化轉(zhuǎn)型通過信息不對(duì)稱和管理層過度自信兩個(gè)機(jī)制影響在職消費(fèi)。企業(yè)數(shù)字化轉(zhuǎn)型的長(zhǎng)期性意味著從零開始的轉(zhuǎn)變，新的支出和學(xué)習(xí)成本具有持久性，隨著數(shù)字技術(shù)的高速迭代而不斷變化，長(zhǎng)期的數(shù)字化轉(zhuǎn)型“量”變才能引發(fā)真正意義上的數(shù)字化轉(zhuǎn)型“質(zhì)”變。在企業(yè)數(shù)字化建設(shè)初期，前期數(shù)字化轉(zhuǎn)型“量”變并不一定會(huì)帶來信息不對(duì)稱問題和管理層非理性行為的緩解，管理層與股東的利益沖突并未得到有效改善，“陣痛”使得企業(yè)內(nèi)部的信息不對(duì)稱程度呈上升趨勢(shì)，增加了管理層產(chǎn)生過度自信行為的可能性，進(jìn)而增強(qiáng)其在職消費(fèi)動(dòng)機(jī)，引發(fā)一系列在職消費(fèi)行為。當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型逐步渡過“陣痛期”，前期的“量”變達(dá)到一定程度發(fā)生“質(zhì)”變時(shí)，強(qiáng)大的計(jì)算能力和較高的信息透明度可以準(zhǔn)確評(píng)估出公司的盈利與風(fēng)險(xiǎn)，幫助股東和管理層獲得時(shí)效性更強(qiáng)的共享信息，提高股東與管理層之間關(guān)于薪酬契約的信息溝通效率。合理的薪酬配置可促進(jìn)管理層提升自身努力程度，將股東利益與管理層利益融合為公司的整體利益。成熟應(yīng)用的數(shù)字技術(shù)可以幫助管理層正確客觀認(rèn)識(shí)自我，幫助股東實(shí)現(xiàn)對(duì)管理層更加有效的監(jiān)督。員工數(shù)字素養(yǎng)的提升和組織架構(gòu)的變革削弱了管理層的權(quán)力，更多的媒體關(guān)注度也使管理層更為謹(jǐn)慎。以上諸多因素可有效降低管理層過度自信行為產(chǎn)生的可能性，進(jìn)而降低其在職消費(fèi)水平。綜上分析，提出以下假說：

假說：在其他條件不變的情況下，企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)呈倒U型關(guān)系。

二、研究設(shè)計(jì)

（一）研究樣本與數(shù)據(jù)來源

本文選取2010—2021年A股上市公司作為研究樣本，并剔除以下樣本：剔除與互聯(lián)網(wǎng)、數(shù)字技術(shù)高度相關(guān)的上市公司，包括信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)以及計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)的樣本；剔除創(chuàng)業(yè)板上市公司，由于創(chuàng)業(yè)板公司多數(shù)屬于高科技行業(yè)，年報(bào)中自然會(huì)出現(xiàn)數(shù)字經(jīng)濟(jì)相關(guān)詞匯，可能會(huì)干擾研究結(jié)果；剔除交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)行業(yè)樣本，由于該行業(yè)偏向公共服務(wù)，可能會(huì)干擾研究結(jié)果；剔除非正常交易、ST、*ST、PT、資產(chǎn)負(fù)債率大于1和存在數(shù)據(jù)缺失的樣本。為避免極端值對(duì)估計(jì)結(jié)果的準(zhǔn)確性造成影響，本文對(duì)所有的連續(xù)型變量在1%和99%分位數(shù)上進(jìn)行縮尾處理（Winsorize）。經(jīng)過上述處理后得到共計(jì)21 265個(gè)“公司—年”層面的觀測(cè)值，遍布制造業(yè)、批發(fā)和零售業(yè)、房地產(chǎn)業(yè)等20個(gè)行業(yè)的2 734家公司。企業(yè)數(shù)字化轉(zhuǎn)型程度指標(biāo)從公司年報(bào)文本中獲取，其他數(shù)據(jù)均來自國(guó)泰安經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)（CSMAR）。

（二）研究模型與變量定義

借鑒以往研究［18］，本文設(shè)定模型（1）來檢驗(yàn)假說。被解釋變量分別為在職消費(fèi)（Perks）、正常在職消費(fèi)（Nperks）和超額在職消費(fèi)（Abperks）。解釋變量為數(shù)字化轉(zhuǎn)型程度（Digit）和數(shù)字化轉(zhuǎn)型程度的二次項(xiàng)（Digit2）。借鑒以往研究［5，18］，控制變量（Controls）包括公司規(guī)模（Size）、公司年齡（Age）、財(cái)務(wù)杠桿（Lev）、盈利能力（Roa）、成長(zhǎng)性（Growth）、托賓Q值（Q）、貨幣薪酬（Pay）、產(chǎn)權(quán)性質(zhì)（SOE）①、管理層規(guī)模（Mansize）、董事會(huì)規(guī)模（Boardsize）、管理層持股比例（Rhshares）、董事會(huì)結(jié)構(gòu)（Boardstr）、兩職兼任（Dual）、股權(quán)集中度（Contl）、年度啞變量（∑Year）和行業(yè)啞變量（∑Ind）。本文使用聚類到公司層面的穩(wěn)健標(biāo)準(zhǔn)誤回歸，根據(jù)假說預(yù)期模型（1）中β1為正且β2為負(fù)。各主要變量具體定義如表1（下頁）所示。

Perks（Nperks/Abperks）=α0+β1Digit+β2Digit2+Controls+∑Year+∑Ind+ε（1）

1.被解釋變量

高管在職消費(fèi)屬于職務(wù)性消費(fèi)，是指高管憑借其職位在生產(chǎn)經(jīng)營(yíng)過程中因履行工作職責(zé)而發(fā)生的費(fèi)用支出，相當(dāng)于其憑借職位便利獲取除正常薪酬以外的額外薪酬或利得，其中合理范圍內(nèi)的為正常在職消費(fèi)，超過合理范圍內(nèi)的為超額在職消費(fèi)。關(guān)于在職消費(fèi)的度量主要有以下方式：其一，依據(jù)財(cái)務(wù)報(bào)表數(shù)據(jù)采用八大費(fèi)用（辦公費(fèi)、差旅費(fèi)、業(yè)務(wù)招待費(fèi)、通信費(fèi)、董事會(huì)會(huì)費(fèi)、出國(guó)培訓(xùn)費(fèi)、汽車使用費(fèi)和會(huì)議費(fèi)）的總和衡量企業(yè)高管在職消費(fèi)總額［19］，實(shí)證分析中利用單位資產(chǎn)衡量在職消費(fèi)；其二，根據(jù)財(cái)報(bào)數(shù)據(jù)，將管理費(fèi)用扣除董事、高管、監(jiān)事會(huì)成員薪酬以及計(jì)提的無形資產(chǎn)攤銷后金額作為在職消費(fèi)總額，實(shí)證分析中利用單位資產(chǎn)衡量在職消費(fèi)，然后根據(jù)模型（2）回歸得到殘差為超額在職消費(fèi)，得到的因變量的預(yù)測(cè)值為正常在職消費(fèi)［4-5］；其三，使用管理費(fèi)用率即管理費(fèi)用與營(yíng)業(yè)收入的比值來衡量在職消費(fèi)。

本文在基準(zhǔn)回歸中選擇方法二度量在職消費(fèi)，其中在職消費(fèi)（Perks）=（管理費(fèi)用－董監(jiān)高薪酬－無形資產(chǎn)攤銷）/期初總資產(chǎn)；模型（2）中Assetit-1為上期期末總資產(chǎn)；Δsaleit為當(dāng)期營(yíng)業(yè)收入的變動(dòng)額；PPEit為當(dāng)期固定資產(chǎn)的凈值；Inventoryit為當(dāng)期存貨總額；LnEmployeeit為當(dāng)期企業(yè)雇用的員工總數(shù)的自然對(duì)數(shù)；εit為隨機(jī)擾動(dòng)項(xiàng)。采用模型（2）分年度分行業(yè)回歸，得到的殘差即為超額在職消費(fèi)（Abperks），得到的因變量預(yù)測(cè)值為正常在職消費(fèi)（Nperks）。本文共計(jì)使用三種指標(biāo)（Perks/Nperks/Abperks）來衡量管理層在職消費(fèi)，指標(biāo)值越大表明公司高管在職消費(fèi)水平越高。

2.解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型程度（Digit）。根據(jù)有關(guān)數(shù)字化轉(zhuǎn)型的特定關(guān)鍵詞，剔除關(guān)鍵詞前存在“沒”“無”“不”等否定詞語的表述［20］，獲取年報(bào)文本信息中關(guān)于數(shù)字化發(fā)展的詞匯出現(xiàn)的頻次，然后將總詞頻數(shù)加1后取自然對(duì)數(shù)來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度（Digit），Digit2為數(shù)字化轉(zhuǎn)型程度的二次項(xiàng)。

（三） 描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)如表2（下頁）所示。企業(yè)在職消費(fèi)（Perks）均值為0.042，說明在職消費(fèi)水平達(dá)到樣本公司資產(chǎn)規(guī)模的4.2%，而最多的達(dá)到資產(chǎn)規(guī)模的20.4%；超額在職消費(fèi)（Abperks）最高達(dá)到樣本公司資產(chǎn)規(guī)模的9.7%左右；超額在職消費(fèi)（Abperks）和正常在職消費(fèi)（Nperks）的標(biāo)準(zhǔn)差較大，這些都預(yù)示著企業(yè)間在職消費(fèi)水平參差不齊，有待繼續(xù)探究如何降低在職消費(fèi)水平。數(shù)字化轉(zhuǎn)型程度（Digit）的標(biāo)準(zhǔn)差越大，說明樣本企業(yè)的數(shù)字化轉(zhuǎn)型程度差異越大。企業(yè)層面特征如公司規(guī)模（Size）、托賓Q值（Q）、貨幣薪酬（Pay）、股權(quán)集中度（Contl）等存在較大差異。樣本公司中，有42.6%屬于國(guó)有企業(yè)。董事會(huì)結(jié)構(gòu)（Boardstr）均值為0.373，說明獨(dú)立董事占比37.3%。兩職合一（Dual）均值為0.239，表明23.9%的樣本企業(yè)存在兩職合一的情況。此外，各主要變量的方差膨脹因子均小于10且均值為2.400，各變量的相關(guān)性系數(shù)基本上小于0.5，說明各主要變量的選取合理，排除了多重共線性問題。

為更直觀觀察企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的關(guān)系，我們根據(jù)樣本數(shù)據(jù)描繪出兩者的邊際效應(yīng)（見圖2，下頁）。圖2中3個(gè)部分的橫軸均表示數(shù)字化轉(zhuǎn)型程度，縱軸從左到右依次表示在職消費(fèi)（Perks）、正常在職消費(fèi)（Nperks）、超額在職消費(fèi)（Abperks）。圖2所示初步驗(yàn)證了本文的假說。在職消費(fèi)（Perks）、正常在職消費(fèi)（Nperks）與數(shù)字化轉(zhuǎn)型呈倒U型關(guān)系更為明顯，在職消費(fèi)隨著數(shù)字化轉(zhuǎn)型程度的增加而逐步增加，在職消費(fèi)在企業(yè)數(shù)字化轉(zhuǎn)型達(dá)到一定程度后開始降低；而超額在職消費(fèi)（Abperks）與數(shù)字化轉(zhuǎn)型呈倒U型的圖像更為平滑一些。

三、實(shí)證結(jié)果分析

（一） 基準(zhǔn)回歸結(jié)果

為驗(yàn)證企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的關(guān)系，用模型（1）進(jìn)行回歸分析，結(jié)果如表3（下頁）所示①，列（1）（3）（5）僅控制行業(yè)和年度固定效應(yīng)，列（2）（4）（6）加入其他所有控制變量。使用Perks和Nperks回歸后，Digit的系數(shù)在1%的水平上顯著為正，而Digit2的系數(shù)在1%的水平上顯著且為負(fù)，說明企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)具有倒U型影響。為進(jìn)一步檢驗(yàn)倒U型關(guān)系，使用Utest檢驗(yàn)后結(jié)果顯示在職消費(fèi)與數(shù)字化轉(zhuǎn)型程度和正常在職消費(fèi)與數(shù)字化轉(zhuǎn)型程度之間的倒U型關(guān)系分別在5%和1%的水平上顯著，而Perks回歸的極值點(diǎn)約為3.304，Nperks極值點(diǎn)為2.614。企業(yè)在數(shù)字化轉(zhuǎn)型初期，雖然加大了資金、技術(shù)、人才等的投入，但是受限于資源稟賦、技術(shù)提升，信息不對(duì)稱程度加劇，管理層發(fā)生過度自信行為的可能性變大，管理層在職消費(fèi)獲得的收益大于其因?yàn)樵诼毾M(fèi)而需付出的代價(jià)。隨著企業(yè)數(shù)字化轉(zhuǎn)型程度的提升，在職消費(fèi)的增長(zhǎng)率在逐步降低，但仍未能有效抑制在職消費(fèi)。當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度繼續(xù)提高，在到達(dá)一定程度后即質(zhì)變臨界點(diǎn)時(shí)，實(shí)現(xiàn)量變到質(zhì)變的飛躍，信息不對(duì)稱程度越來越小，管理層無法再巧立名目滿足一己之私，其發(fā)生過度自信行為的可能性越來越小，企業(yè)數(shù)字化轉(zhuǎn)型逐步發(fā)揮抑制在職消費(fèi)的作用。

（二） 穩(wěn)健性檢驗(yàn)①

1.內(nèi)生性問題

（1）解釋變量滯后一至三期回歸?？紤]到數(shù)字化轉(zhuǎn)型是持續(xù)性的過程，即企業(yè)數(shù)字化轉(zhuǎn)型影響在職消費(fèi)可能存在一定滯后性，本文將解釋變量Digit分別滯后一期、滯后兩期，滯后三期進(jìn)行回歸，與基準(zhǔn)回歸結(jié)果保持一致。（2）工具變量法。前文研究結(jié)果可能存在反向因果問題，一方面，企業(yè)數(shù)字化轉(zhuǎn)型程度的提升會(huì)改善信息不對(duì)稱、緩解管理層過度自信，進(jìn)而推動(dòng)在職消費(fèi)的下降；另一方面，在職消費(fèi)水平更低的企業(yè)可能更樂于推動(dòng)高水平的數(shù)字化轉(zhuǎn)型，以占據(jù)有利的市場(chǎng)份額。為最大可能緩解反向因果問題對(duì)本文研究結(jié)論的影響，使用工具變量法進(jìn)行回歸。本文選取同年度同行業(yè)同省份其他公司數(shù)字化轉(zhuǎn)型程度的均值（Digmean）作為同年度該公司企業(yè)數(shù)字化轉(zhuǎn)型程度（Digit）的工具變量，該工具變量會(huì)影響當(dāng)期企業(yè)數(shù)字化轉(zhuǎn)型程度，滿足相關(guān)性條件；但該工具變量不直接影響企業(yè)當(dāng)期的在職消費(fèi)，滿足外生性條件。使用兩階段最小二乘法對(duì)基準(zhǔn)回歸結(jié)果進(jìn)行檢驗(yàn)，同年度同行業(yè)同省份其他公司的數(shù)字化轉(zhuǎn)型程度均值的平方（Digmean2）作為同年度該公司企業(yè)數(shù)字化轉(zhuǎn)型程度二次項(xiàng)（Digit2）的工具變量，結(jié)果如表4所示。Kleibergen-Paap rk LM統(tǒng)計(jì)量（39.560）在1%的水平上顯著，拒絕工具變量識(shí)別不足的原假說；Cragg-Donald Wald F統(tǒng)計(jì)量（52.648）大于Stock-Yogo弱工具變量識(shí)別F檢驗(yàn)在10%顯著性水平上的臨界值（7.03），拒絕弱工具變量的原假說，表明本文選取的工具變量具有一定合理性。表4為第二階段回歸結(jié)果，與基準(zhǔn)結(jié)果基本保持一致。

2.樣本選擇偏誤

（1）傾向得分匹配（PSM）。考慮到企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間存在倒U型關(guān)系，而倒U型關(guān)系容易受到拐點(diǎn)兩側(cè)的樣本影響，因而借鑒以往研究［21］，以是否超過倒U型曲線拐點(diǎn)作為匹配標(biāo)準(zhǔn)，把位于拐點(diǎn)右側(cè)的樣本設(shè)定為實(shí)驗(yàn)組，與位于拐點(diǎn)左側(cè)的樣本進(jìn)行匹配，將具有相似財(cái)務(wù)狀況和經(jīng)營(yíng)特征、在當(dāng)年企業(yè)數(shù)字化轉(zhuǎn)型水平并未超過拐點(diǎn)的公司作為對(duì)照組。將基準(zhǔn)回歸中全部控制變量作為協(xié)變量，試驗(yàn)組和對(duì)照組按照1∶3有放回匹配，同時(shí)將卡尺參數(shù)設(shè)定為0.001。（2）Heckman兩階段回歸。由于樣本中存在未開展數(shù)字化轉(zhuǎn)型的企業(yè)，對(duì)于該類樣本無法有效觀測(cè)企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的影響，本文使用Heckman兩階段回歸解決這一潛在的樣本自選擇偏誤問題。以上結(jié)果均表明企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的倒U型關(guān)系不受上述樣本選擇問題的困擾。

3.其他穩(wěn)健性檢驗(yàn)

一是替換被解釋變量?？紤]到變量的可靠性，更換在職消費(fèi)的計(jì)算方式，使用前文所述的方法一即八大費(fèi)用的匯總來度量在職消費(fèi)總額，用該總額除以期初總資產(chǎn)得到在職消費(fèi)的度量指標(biāo)Perks2，然后通過模型（2）回歸得到超額在職消費(fèi)Abperks2和正常在職消費(fèi)Nperks2，使用模型（1）進(jìn)行回歸。二是剔除部分樣本。考慮到2011年歐債危機(jī)的影響，企業(yè)開展數(shù)字化轉(zhuǎn)型可能存在阻力，剔除2011年樣本，同時(shí)剔除每年度所屬行業(yè)企業(yè)數(shù)少于15的樣本，使用模型（1）進(jìn)行回歸。三是替換解釋變量回歸。由于數(shù)字化轉(zhuǎn)型程度（Digit）的代理變量有多種，為使本文的結(jié)論更可靠，采用另外兩種方式度量Digit。其一，使用Python爬取管理層討論與分析部分，匯總與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞的次數(shù)總和得到Digit；其二，先匯總同一年年報(bào)附注中無形資產(chǎn)明細(xì)項(xiàng)部分包含“網(wǎng)絡(luò)”“客戶端”“軟件”“智能平臺(tái)”等與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞，或者與之相關(guān)的專利等一切與數(shù)字化轉(zhuǎn)型相關(guān)的項(xiàng)目，計(jì)算其與無形資產(chǎn)年末總額的比值［18］得到Digit。Digit2表示數(shù)字化轉(zhuǎn)型程度（Digit）的二次項(xiàng)。四是更換基準(zhǔn)回歸模型。由于企業(yè)個(gè)體存在差異，開展數(shù)字化轉(zhuǎn)型可能受到公司個(gè)體差異的影響，本文更換模型（1）使用雙向固定效應(yīng)模型回歸，探究企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的關(guān)系。上述穩(wěn)健性檢驗(yàn)結(jié)果均與基準(zhǔn)回歸保持一致，支持了本文假設(shè)，說明企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)存在倒U型影響。

四、進(jìn)一步分析

（一） 異質(zhì)性分析

1.企業(yè)層面

（1）產(chǎn)權(quán)性質(zhì)。相較于非國(guó)有企業(yè)，國(guó)有企業(yè)往往激勵(lì)不足，二者薪酬體制不同，國(guó)企中難免出現(xiàn)因激勵(lì)不到位而引發(fā)的在職消費(fèi)問題，數(shù)字化轉(zhuǎn)型的開展為減少國(guó)企高管的違規(guī)行為提供了可能性。為此，我們區(qū)分產(chǎn)權(quán)性質(zhì)探究企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)之間的關(guān)系，使用Boostrap方法隨機(jī)重復(fù)抽樣1 000次，結(jié)果如表5所示。其中SOE_0表示非國(guó)企組，SOE_1表示國(guó)企組，本文發(fā)現(xiàn)國(guó)企組均通過了Utest檢驗(yàn)，列（2）（4）（6）的結(jié)果也驗(yàn)證了兩者間存在顯著的倒U型關(guān)系。如列（2）所示，企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)的倒U型關(guān)系在國(guó)企組更顯著、曲線更陡峭，Digit2的組間系數(shù)差異在1%水平上顯著；如列（3）所示，企業(yè)數(shù)字化轉(zhuǎn)型程度和超額在職消費(fèi)的倒U型關(guān)系在非國(guó)有企業(yè)中不顯著，Digit2的組間系數(shù)差異在1%水平上顯著；如列（6）所示，企業(yè)數(shù)字化轉(zhuǎn)型程度和正常在職消費(fèi)的倒U型關(guān)系在國(guó)企中更陡峭，且Digit2的組間系數(shù)差異在10%水平上顯著。相較于非國(guó)有企業(yè)，國(guó)有企業(yè)中在職消費(fèi)的現(xiàn)象更為普遍且金額較大，加之國(guó)有企業(yè)的薪酬激勵(lì)措施的治理作用偏弱，國(guó)有企業(yè)中數(shù)字化轉(zhuǎn)型程度對(duì)于在職消費(fèi)的治理影響更為明顯。

（2）是否聘請(qǐng)四大會(huì)計(jì)師事務(wù)所①。不同的企業(yè)會(huì)聘請(qǐng)不同類型的會(huì)計(jì)師事務(wù)所出具審計(jì)報(bào)告，因而我們?cè)O(shè)定變量Big4，將樣本分為2組，當(dāng)公司聘請(qǐng)四大會(huì)計(jì)師事務(wù)所時(shí)Big4取1，否則取0，使用Boostrap方法隨機(jī)重復(fù)抽樣1 000次，結(jié)果如表6（下頁）所示，其中Big4_0表示未聘請(qǐng)四大會(huì)計(jì)師事務(wù)所的組，Big4_1表示聘請(qǐng)四大會(huì)計(jì)師事務(wù)所的組。本文發(fā)現(xiàn)在未聘請(qǐng)四大會(huì)計(jì)師事務(wù)所的企業(yè)中，兩者的倒U型關(guān)系在1%水平上顯著。不斷加強(qiáng)企業(yè)數(shù)字化建設(shè)，有助于提升信息披露質(zhì)量，進(jìn)而逐漸降低代理成本的增長(zhǎng)率，當(dāng)數(shù)字化轉(zhuǎn)型水平達(dá)到一定程度后，信息披露質(zhì)量提升至相對(duì)較高狀態(tài)，代理成本逐步呈下降趨勢(shì)。與經(jīng)過非四大會(huì)計(jì)師事務(wù)所審計(jì)的企業(yè)相比，經(jīng)過四大會(huì)計(jì)師事務(wù)所審計(jì)的財(cái)報(bào)質(zhì)量更高［22］，而信息披露質(zhì)量越高，代理成本越低。因此，對(duì)于聘請(qǐng)四大會(huì)計(jì)師事務(wù)所出具審計(jì)報(bào)告的企業(yè)而言，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)信息披露質(zhì)量的改善并不明顯，企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的治理效應(yīng)遠(yuǎn)不及在未聘請(qǐng)四大會(huì)計(jì)師事務(wù)所的企業(yè)中強(qiáng)烈。

2.行業(yè)差異

為進(jìn)一步探究企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的倒U型關(guān)系是否存在行業(yè)差異，本文以2012年證監(jiān)會(huì)行業(yè)細(xì)分代碼為基礎(chǔ)，依據(jù)以下不同的標(biāo)準(zhǔn)對(duì)樣本進(jìn)行分類，使用Boostrap方法隨機(jī)重復(fù)抽樣1 000次。一是企業(yè)產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度。產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度會(huì)影響在職消費(fèi)水平。因此，使用產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度（Hhi①）將樣本分為高、低兩組，當(dāng)企業(yè)產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度小于同年度產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度的中位數(shù)時(shí)定義為高組（Hhi_high），反之為低組（Hhi_low），探究在競(jìng)爭(zhēng)程度高組和低組中企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的關(guān)系是否存在差異，結(jié)果如表7（下頁）所示。二是根據(jù)企業(yè)是否屬于制造業(yè)，將樣本分為非制造業(yè)組（Manuind_0）和制造業(yè)組（Manuind_1），結(jié)果如表8（下頁）所示。三是將樣本分為非高科技行業(yè)組（HighTech_0）和高科技行業(yè)組（HighTech_1），結(jié)果如表9所示。四是根據(jù)要素密集度將樣本分為勞動(dòng)密集型行業(yè)組（Laborint）、資產(chǎn)密集型行業(yè)組（Assetint）和技術(shù)密集型行業(yè)組（Techint）。設(shè)定虛擬變量LT，取1為勞動(dòng)密集型行業(yè)組，否則為技術(shù)密集型行業(yè)組，結(jié)果如表10所示；設(shè)定虛擬變量LA，取1為勞動(dòng)密集型行業(yè)組，否則為資產(chǎn)密集型行業(yè)組，結(jié)果如表11所示；設(shè)定虛擬變量AT，取1為資產(chǎn)密集型行業(yè)組，否則為技術(shù)密集型行業(yè)組，兩組均不呈現(xiàn)倒U型，結(jié)果不再展示。

企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的倒U型關(guān)系存在行業(yè)差異性。表7顯示，在產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度低組中，企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)之間的倒U型關(guān)系更為顯著且曲線更陡峭。表8和表9顯示，使用Perks和Nperks回歸的Digit2的組間系數(shù)差異均在1%的水平上顯著，使用Abperks回歸的Digit2的組間系數(shù)差異均在5%的水平上顯著。當(dāng)企業(yè)屬于非制造業(yè)和非高科技行業(yè)時(shí)，兩者的倒U型關(guān)系更為顯著，倒U型曲線更陡峭。表10和表11顯示僅僅當(dāng)企業(yè)屬于勞動(dòng)密集型行業(yè)組時(shí)，Digit2的系數(shù)絕對(duì)值更大且在1%水平上顯著；勞動(dòng)密集型行業(yè)組與技術(shù)密集型行業(yè)組的Digit2的組間系數(shù)差異均在1%的水平上顯著；勞動(dòng)密集型行業(yè)組與資產(chǎn)密集型行業(yè)組使用Perks回歸的Digit2的組間系數(shù)差異在1%的水平上顯著，使用Abperks和Nperks回歸的Digit2的組間系數(shù)差異均在5%的水平上顯著；當(dāng)樣本為勞動(dòng)密集型行業(yè)組時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的倒U型關(guān)系更為顯著，且倒U型曲線更陡峭。究其原因，行業(yè)特性的影響使得企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的治理效應(yīng)不盡相同。當(dāng)市場(chǎng)競(jìng)爭(zhēng)程度較低時(shí)，意味著信息不對(duì)稱程度較大［23］，除管理層外的其他利益相關(guān)者無法根據(jù)現(xiàn)有信息科學(xué)評(píng)估企業(yè)的業(yè)績(jī)情況，進(jìn)而判斷管理層的工作能力和努力程度等，無法有效杜絕管理層在職消費(fèi)以謀求公司利益最大化，故當(dāng)企業(yè)處于產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)較弱的行業(yè)時(shí)，企業(yè)數(shù)字化水平提高到一定程度后可有效緩解信息不對(duì)稱和管理層的過度自信，從而抑制在職消費(fèi)的治理效應(yīng)更明顯。我國(guó)制造業(yè)企業(yè)雖然在數(shù)字化轉(zhuǎn)型方面取得一定進(jìn)展，但數(shù)據(jù)安全、核心關(guān)鍵技術(shù)受制于人等問題仍制約著制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)一步深入［24］，因而制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型治理效果不如非制造業(yè)企業(yè)明顯。高科技行業(yè)和技術(shù)密集型行業(yè)的企業(yè)擁有更高的技術(shù)稟賦，存在一定的數(shù)據(jù)優(yōu)勢(shì)，而引入數(shù)字化帶來的數(shù)據(jù)優(yōu)勢(shì)的邊際作用更小，加之可能面臨技術(shù)數(shù)據(jù)泄漏等問題，企業(yè)數(shù)字化轉(zhuǎn)型存在瓶頸，對(duì)在職消費(fèi)的治理效應(yīng)是有限的。近年來，勞動(dòng)密集型企業(yè)面臨勞動(dòng)力成本持續(xù)上升等壓力，勞動(dòng)密集型企業(yè)開展數(shù)字化轉(zhuǎn)型有助于優(yōu)化生產(chǎn)方式進(jìn)而發(fā)揮降本提效的作用，因而勞動(dòng)密集型行業(yè)更傾向于推動(dòng)數(shù)字化轉(zhuǎn)型升級(jí)，企業(yè)數(shù)字化轉(zhuǎn)型的治理效應(yīng)更容易凸顯。

3.宏觀層面

（1）城市互聯(lián)網(wǎng)發(fā)展程度。不同企業(yè)所處環(huán)境的互聯(lián)網(wǎng)發(fā)展程度不同，有學(xué)者發(fā)現(xiàn)在互聯(lián)網(wǎng)發(fā)展較快的城市中企業(yè)的互聯(lián)網(wǎng)商業(yè)模式與審計(jì)費(fèi)用的正相關(guān)關(guān)系顯著弱化［25］。那么，城市互聯(lián)網(wǎng)發(fā)展程度的不同是否也會(huì)影響企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的關(guān)系呢？為回答這一問題，本文設(shè)定變量城市互聯(lián)網(wǎng)發(fā)展程度（City），其中City_High表示互聯(lián)網(wǎng)發(fā)展較快組，City_Low表示互聯(lián)網(wǎng)發(fā)展較慢組①。使用Boostrap方法隨機(jī)重復(fù)抽樣1 000次，結(jié)果如表12所示。研究發(fā)現(xiàn)，在互聯(lián)網(wǎng)發(fā)展較快組，兩者的倒U型關(guān)系更為顯著，使用Perks回歸的Digit2的組間系數(shù)差異在5%的水平上顯著，使用Abperks和Nperks回歸的Digit2的組間系數(shù)差異在10%的水平上顯著，說明在互聯(lián)網(wǎng)發(fā)展較慢的城市，兩者的倒U型關(guān)系被弱化且曲線更趨于平緩。在互聯(lián)網(wǎng)發(fā)展較慢的城市，相關(guān)的數(shù)字化建設(shè)資源薄弱，整體數(shù)字化技術(shù)水平相對(duì)較低，受整體環(huán)境與發(fā)展速度的影響，這些城市的企業(yè)開展數(shù)字化轉(zhuǎn)型面臨的挑戰(zhàn)較大，以致數(shù)字化轉(zhuǎn)型對(duì)在職消費(fèi)的治理效應(yīng)被弱化。

（2）地區(qū)經(jīng)濟(jì)發(fā)展水平。不同企業(yè)所處地區(qū)的經(jīng)濟(jì)發(fā)展水平存在差異，可能使企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的倒U型影響產(chǎn)生差異。為此，本文依據(jù)全國(guó)各省份人均GDP從低到高分為四組，取最高組設(shè)定為經(jīng)濟(jì)發(fā)達(dá)地區(qū)（GDP_High），取最低組設(shè)定為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)（GDP_Low），探究在不同經(jīng)濟(jì)發(fā)展水平下企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)的關(guān)系是否存在差異。使用Boostrap方法隨機(jī)重復(fù)抽樣1 000次，結(jié)果如表13（下頁）所示。使用Perks和Abperks回歸的Digit2的組間系數(shù)差異均在1%的水平上顯著，使用Nperks回歸的Digit2的組間系數(shù)差異在5%的水平上顯著。當(dāng)公司處于經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)時(shí)，Digit2的系數(shù)更大，兩者的倒U型曲線越陡峭，企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)在職消費(fèi)的治理效應(yīng)更強(qiáng)。經(jīng)濟(jì)越發(fā)達(dá)的城市的公司高管薪酬水平可能相對(duì)越高，公司治理水平相對(duì)更高，管理層在職消費(fèi)活動(dòng)被發(fā)現(xiàn)的可能性較大，其在職消費(fèi)動(dòng)機(jī)較弱，企業(yè)開展數(shù)字化轉(zhuǎn)型所帶來的治理效應(yīng)不如在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)強(qiáng)烈。

（二）傳導(dǎo)機(jī)制分析

為進(jìn)一步探究企業(yè)數(shù)字化轉(zhuǎn)型與在職消費(fèi)之間關(guān)系的傳導(dǎo)機(jī)制“黑箱”，本文在前文充分論證中介變量合理性的基礎(chǔ)上，借鑒已有研究思路和方法［26-27］，設(shè)定模型（3）檢驗(yàn)中介變量信息不對(duì)稱程度（ASY）與數(shù)字化轉(zhuǎn)型程度之間的關(guān)系，設(shè)定模型（4）檢驗(yàn)中介變量管理層過度自信（Oconfi）與數(shù)字化轉(zhuǎn)型程度之間的關(guān)系，均使用聚類到公司層面的穩(wěn)健標(biāo)準(zhǔn)誤，同時(shí)使用Utest驗(yàn)證倒U型關(guān)系是否成立。信息不對(duì)稱程度參考以往學(xué)者的研究［28］，基于我國(guó)證券市場(chǎng)的日頻交易數(shù)據(jù)，使用流動(dòng)性指標(biāo)（LR）、非流動(dòng)性指標(biāo)（ILL）和收益反轉(zhuǎn)指標(biāo)（GAM），按照主成分分析法構(gòu)建綜合指標(biāo)即信息不對(duì)稱程度（ASY）。ASY值越大，說明信息流動(dòng)性越差，即信息不對(duì)稱程度越高。管理層過度自信是指管理層過高估計(jì)自身成功概率的心理偏差，學(xué)術(shù)界關(guān)于管理層過度自信的衡量方式主要有四種：其一，使用企業(yè)景氣指數(shù)或者企業(yè)家信心指數(shù)衡量；其二，使用高管薪酬相對(duì)比值來衡量；其三，使用管理層盈利預(yù)測(cè)偏誤率衡量；其四，使用管理層持股變化衡量。企業(yè)景氣指數(shù)和企業(yè)家信心指數(shù)屬于宏觀層面指標(biāo)，難以表現(xiàn)管理層過度自信的個(gè)體差異；管理層盈利預(yù)測(cè)披露內(nèi)容不盡相同，缺乏統(tǒng)一的口徑，容易產(chǎn)生度量偏誤；管理層持股變化的完備數(shù)據(jù)存在一定的獲取困難。考慮上述客觀情況，本文選擇使用公司層面管理層平均薪酬與員工平均薪酬的比值來度量管理層過度自信，該比值越高說明管理者的地位越高、控制能力越強(qiáng)，也越容易產(chǎn)生過度自信?？紤]多重共線性與行業(yè)影響，管理層平均薪酬與員工平均薪酬的比值高于同年度行業(yè)中位數(shù)的取1，反之取0。Ocnfi取1表示管理層存在過度自信，取0表示管理層不存在過度自信。

ASY=α0+β1Digit+β2Digit2+Controls+∑Year+∑Ind+ε（3）

Oconfi=α0+β1Digit+β2Digit2+Controls+∑Year+∑Ind+ε（4）

ASY和Oconfi的中介檢驗(yàn)結(jié)果如表14（下頁）所示。模型（3）的結(jié)果如列（1）所示，隨著企業(yè)數(shù)字化轉(zhuǎn)型程度加大，ASY值越大即信息不對(duì)稱程度越高，在職消費(fèi)呈現(xiàn)遞增趨勢(shì)；當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度增大到臨界值時(shí)，信息不對(duì)稱程度達(dá)到最大化；當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度繼續(xù)增大時(shí)，ASY值越來越小即信息不對(duì)稱程度逐步變小，進(jìn)而抑制在職消費(fèi)水平的作用越來越強(qiáng)。進(jìn)一步，本文通過對(duì)信息不對(duì)稱程度與企業(yè)數(shù)字化轉(zhuǎn)型程度使用Utest檢驗(yàn)發(fā)現(xiàn)，兩者之間的倒U型關(guān)系在1%的水平上顯著，極值點(diǎn)為0.994，驗(yàn)證了信息不對(duì)稱程度在企業(yè)數(shù)字化轉(zhuǎn)型和在職消費(fèi)兩者關(guān)系中起到中介作用。模型（4）的結(jié)果如列（2）所示，當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度增大時(shí)，Oconfi的值越大，即管理層發(fā)生過度自信行為的可能性越大，此時(shí)盡管在職消費(fèi)水平攀升，但在職消費(fèi)的增長(zhǎng)率逐漸降低；當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度增大到臨界值后，隨著數(shù)字化轉(zhuǎn)型程度繼續(xù)增大，Oconfi的值逐步降低，則管理層產(chǎn)生過度自信行為的可能性越小，進(jìn)而抑制在職消費(fèi)水平的作用越強(qiáng)。同樣，本文通過對(duì)管理層過度自信與企業(yè)數(shù)字化轉(zhuǎn)型程度使用Utest檢驗(yàn)發(fā)現(xiàn)，兩者之間的倒U型關(guān)系在1%的水平上顯著，極值點(diǎn)為1.473，驗(yàn)證了管理層過度自信在企業(yè)數(shù)字化轉(zhuǎn)型和在職消費(fèi)二者關(guān)系中起到中介作用。綜合以上結(jié)果可以發(fā)現(xiàn)，信息不對(duì)稱程度與管理層過度自信在企業(yè)數(shù)字化轉(zhuǎn)型程度和在職消費(fèi)二者關(guān)系中起到中介作用。

五、研究結(jié)論與政策建議

企業(yè)數(shù)字化轉(zhuǎn)型作為我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要途徑，對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)和治理產(chǎn)生了深遠(yuǎn)的影響。本文以2010—2021年A股上市公司為研究樣本，探究企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)之間的關(guān)系，并探討其傳導(dǎo)機(jī)制。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)呈現(xiàn)倒U型關(guān)系，特別是在非國(guó)有企業(yè)，未聘請(qǐng)四大會(huì)計(jì)師事務(wù)所出具審計(jì)報(bào)告的企業(yè)，屬于產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)程度較低、非制造業(yè)、非高科技行業(yè)、勞動(dòng)密集型行業(yè)的企業(yè)，處于互聯(lián)網(wǎng)發(fā)展較快城市以及經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的企業(yè)中，兩者的關(guān)系更為顯著。傳導(dǎo)機(jī)制檢驗(yàn)表明，企業(yè)數(shù)字化轉(zhuǎn)型通過緩解信息不對(duì)稱程度和管理層過度自信抑制在職消費(fèi)?；谏鲜霭l(fā)現(xiàn)，本文提出如下建議：

對(duì)于企業(yè)來說，由于其數(shù)字化轉(zhuǎn)型程度與在職消費(fèi)呈現(xiàn)倒U型，在數(shù)字化轉(zhuǎn)型程度達(dá)到臨界點(diǎn)前管理層會(huì)加大在職消費(fèi)，因而在“量”變階段要特別加強(qiáng)對(duì)管理層的監(jiān)督，強(qiáng)化公司治理，以抑制管理層的機(jī)會(huì)主義行為。同時(shí)，企業(yè)應(yīng)當(dāng)重視數(shù)字化轉(zhuǎn)型，及時(shí)根據(jù)自身稟賦積極主動(dòng)實(shí)施數(shù)字化轉(zhuǎn)型，設(shè)定專人專崗評(píng)估每個(gè)階段的數(shù)字化轉(zhuǎn)型效果，提升數(shù)字化建設(shè)水平，優(yōu)化企業(yè)內(nèi)部資源配置，使企業(yè)數(shù)字化轉(zhuǎn)型對(duì)在職消費(fèi)的治理效應(yīng)盡早顯現(xiàn)。首先，企業(yè)應(yīng)構(gòu)建數(shù)字化全過程體系，加快區(qū)塊鏈、大數(shù)據(jù)分析等技術(shù)在生產(chǎn)經(jīng)營(yíng)等過程中的應(yīng)用，打通數(shù)據(jù)要素和信息要素的精準(zhǔn)映射，從實(shí)質(zhì)上提升數(shù)據(jù)信息利用價(jià)值，促使企業(yè)數(shù)字化轉(zhuǎn)型盡快進(jìn)入“質(zhì)”變階段，緩解信息不對(duì)稱和管理層過度自信，方便企業(yè)盡快享受數(shù)字化轉(zhuǎn)型帶來的治理“紅利”。其次，企業(yè)在數(shù)字化全過程體系構(gòu)建過程中要關(guān)注自身特征，國(guó)有企業(yè)、未聘請(qǐng)四大會(huì)計(jì)師事務(wù)所出具審計(jì)報(bào)告的企業(yè)以及屬于非制造業(yè)、非高科技行業(yè)、勞動(dòng)密集型行業(yè)的企業(yè)更應(yīng)加快數(shù)字化轉(zhuǎn)型進(jìn)程，處于互聯(lián)網(wǎng)發(fā)展程度較低城市和經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的企業(yè)應(yīng)考慮在科技領(lǐng)先、經(jīng)濟(jì)富裕城市建立遠(yuǎn)程數(shù)字化中心，助力企業(yè)數(shù)字化轉(zhuǎn)型質(zhì)量、效率和動(dòng)力的強(qiáng)變革與快發(fā)展。最后，企業(yè)應(yīng)對(duì)各層級(jí)員工開展針對(duì)性培訓(xùn)，提升員工數(shù)字素養(yǎng)，使全體員工更好地適應(yīng)企業(yè)數(shù)字化發(fā)展模式。同時(shí)，企業(yè)應(yīng)及時(shí)關(guān)注管理層過度自信特質(zhì)的影響，制定合理完善的管理層過度自信評(píng)價(jià)方案，以案促行、促效，真正發(fā)掘降低在職消費(fèi)的內(nèi)源動(dòng)力。

對(duì)于政府來說，應(yīng)從多維度大力支持企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，不斷做強(qiáng)、做優(yōu)、做大數(shù)字經(jīng)濟(jì)，促使企業(yè)逐步完善內(nèi)部治理結(jié)構(gòu)，進(jìn)而抑制管理層在職消費(fèi)。首先，加大數(shù)字化基礎(chǔ)設(shè)施建設(shè)投入，加快城市互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等數(shù)字技術(shù)的應(yīng)用和發(fā)展，縮小區(qū)域差異，實(shí)現(xiàn)全國(guó)各地區(qū)企業(yè)數(shù)字化的均衡發(fā)展，結(jié)合地區(qū)環(huán)境等因素加大對(duì)處于互聯(lián)網(wǎng)發(fā)展欠發(fā)達(dá)城市企業(yè)的資金傾斜力度，幫助其盡快跨越拐點(diǎn)，進(jìn)而發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)在職消費(fèi)的治理效應(yīng)。其次，重視培養(yǎng)引進(jìn)數(shù)字化技術(shù)“高精尖”人才，逐步完善人才保障體系，為企業(yè)數(shù)字化轉(zhuǎn)型輸送人才。再次，主動(dòng)搭建數(shù)字化技術(shù)共享平臺(tái)，幫助落后企業(yè)解決技術(shù)難題。定期開展數(shù)字化轉(zhuǎn)型專題培訓(xùn)和分享會(huì)，通過一對(duì)一企業(yè)互助等模式鼓勵(lì)和引導(dǎo)數(shù)字化轉(zhuǎn)型領(lǐng)先企業(yè)幫助處于技術(shù)薄弱階段的企業(yè)，使其盡快發(fā)揮應(yīng)有的內(nèi)部治理效應(yīng)。最后，借助數(shù)字技術(shù)進(jìn)一步優(yōu)化現(xiàn)有數(shù)據(jù)資源平臺(tái)，實(shí)時(shí)智能化監(jiān)管企業(yè)的壟斷行為，營(yíng)造公平的市場(chǎng)競(jìng)爭(zhēng)環(huán)境，并出臺(tái)相關(guān)政策文件，打破行業(yè)準(zhǔn)入壁壘，增強(qiáng)產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力，借數(shù)字經(jīng)濟(jì)發(fā)展的東風(fēng)改善企業(yè)內(nèi)部治理結(jié)構(gòu)。

參考文獻(xiàn)

［1］RAJAN R， WULF J. Are perks purely managerial excess？［J］. Journal of Financial Economics， 2006， 79（1）： 1-33.

［2］JENSEN M. Agency costs of free cash flow， corporate finance， and takeovers［J］. American Economic Review， 1986， 76（2）： 323-329.

［3］YERMACK D. Flights of fancy： Corporate jets， CEO perquisites， and inferior shareholder returns［J］. Journal of Financial Economics， 2006， 80（1）： 211-242.

［4］LUO W， ZHANG Y， ZHU N. Bank ownership and executive perquisites： New evidence from an emerging market［J］. Journal of Corporate Finance， 2011， 17（2）： 352-370.

［5］劉艷霞，祁懷錦．管理者自信會(huì)影響在職消費(fèi)嗎？——兼論融資融券制度的公司外部治理效應(yīng)［J］．管理評(píng)論，2019（4）：187-205．

［6］CHEN C， JIANG D， LI W， et al. Does analyst coverage curb executives' excess perks？ Evidence from Chinese listed firms［J］. Asia-Pacific Journal of Accounting & Economics， 2022， 29（2）： 329-343.

［7］LI H. Will the information disclosure quality reduce the executives' excess perks？ Evidence from China［J］. International Journal of Financial Research， 2016， 7（2）： 73-83.

［8］BENNER M J， WALDFOGEL J. Changing the channel： Digitization and the rise of "middle tail" strategies［J］. Strategic Management Journal， 2023， 44（1）： 264-287.

［9］何帆，劉紅霞．?dāng)?shù)字經(jīng)濟(jì)視角下實(shí)體企業(yè)數(shù)字化變革的業(yè)績(jī)提升效應(yīng)評(píng)估［J］．改革，2019（4）：137-148．

［10］NAMBISAN S， WRIGHT M， FELDMAN M. The digital transformation of innovation and entrepreneurship： Progress， challenges and key themes［J］. Research Policy， 2019， 48（8）：103773.

［11］肖靜華，吳小龍，謝康，等．信息技術(shù)驅(qū)動(dòng)中國(guó)制造轉(zhuǎn)型升級(jí)——美的智能制造跨越式戰(zhàn)略變革縱向案例研究［J］．管理世界，2021（3）：161-179．

［12］謝康，張祎，吳瑤．?dāng)?shù)據(jù)要素如何產(chǎn)生即時(shí)價(jià)值：企業(yè)與用戶互動(dòng)視角［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2023（11）：137-154．

［13］何楓，劉貫春．?dāng)?shù)字媒體信息傳播與企業(yè)技術(shù)創(chuàng)新［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022（12）：111-131．

［14］KAHNEMAN D， TVERSKY A. Prospect theory： An analysis of decision under risk［J］. Econometrica， 1979， 47（2）： 263.

［15］湯萱，高星，趙天齊，等．高管團(tuán)隊(duì)異質(zhì)性與企業(yè)數(shù)字化轉(zhuǎn)型［J］．中國(guó)軟科學(xué)，2022（10）：83-98．

［16］戚聿東，肖旭．?dāng)?shù)字經(jīng)濟(jì)時(shí)代的企業(yè)管理變革［J］．管理世界，2020（6）：135-152．

［17］趙楊，呂文棟，王菌麗，等．技術(shù)賦能、散戶積極主義與企業(yè)現(xiàn)金股利政策［J］．經(jīng)濟(jì)管理，2023（9）：166-185．

［18］祁懷錦，曹修琴，劉艷霞．?dāng)?shù)字經(jīng)濟(jì)對(duì)公司治理的影響——基于信息不對(duì)稱和管理者非理性行為視角［J］．改革，2020（4）：50-64．

［19］羅宏，黃文華．國(guó)企分紅、在職消費(fèi)與公司業(yè)績(jī)［J］．管理世界，2008（9）：139-148．

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

［21］胡海峰，竇斌，王愛萍．企業(yè)金融化與生產(chǎn)效率［J］．世界經(jīng)濟(jì)，2020（1）：70-96．

［22］DEFOND M L， JIAMBALVO J. Factors related to auditor-client disagreements over income-increasing accounting methods［J］. Contemporary Accounting Research， 1993， 9（2）： 415-431.

［23］劉曉華，張利紅．產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)、會(huì)計(jì)信息質(zhì)量與投資效率——2001—2014年中國(guó)A股市場(chǎng)的經(jīng)驗(yàn)證據(jù)［J］．中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（9）：57-72．

［24］國(guó)務(wù)院發(fā)展研究中心“我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展與政策研究”課題組．我國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型的特點(diǎn)、問題與對(duì)策［J］．發(fā)展研究，2019（6）：9-13．

［25］楊德明，陸明．互聯(lián)網(wǎng)商業(yè)模式會(huì)影響上市公司審計(jì)費(fèi)用么？［J］．審計(jì)研究，2017（6）：84-90.

［26］江艇．因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2022（5）：100-120．

［27］林伯強(qiáng)，譚睿鵬．中國(guó)經(jīng)濟(jì)集聚與綠色經(jīng)濟(jì)效率［J］．經(jīng)濟(jì)研究，2019（2）：119-132．

［28］董必榮，徐懷寧，王菁華．企業(yè)數(shù)字化戰(zhàn)略承諾與股價(jià)崩盤風(fēng)險(xiǎn)［J］．會(huì)計(jì)研究，2022（9）：112-126．

The Corporate Governance Effect of Digital Transformation：

Based on the Perspective of Management's On-the-job Consumption

QI Huai-jin? ?LI Ruo-lin? ?LIU Si-qin

Abstract： This paper choose on-the-job consumption as the entry point， select listed companies in A-share market from 2010 to 2021 as samples， and empirically find that there is an inverted U-shaped relationship between the degree of enterprise digital transformation and on-the-job consumption. We find that alleviating the degree of information asymmetry and managemental overconfidence is its action path. When the sample is non-state-owned， hiring non Big4 accounting firms to issue audit reports， and belongs to enterprises with low product market competition， non manufacturing industry， non high-tech industry， labor-intensive industry， cities with rapid internet development， and economically underdeveloped areas， the inverted U-shaped relationship between the two is more significant.

Key words： digital transformation; on-the-job consumption; information asymmetry; managemental overconfidence