數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響
——來自COVID-19 的證據(jù)

張 卿,鄧石軍

(1.中共廣東省委黨校 決策咨詢中心,廣東 廣州 510053;2.中共廣東省委黨校 研究生部,廣東 廣州 510053)

一、引言

數(shù)字化轉(zhuǎn)型如何影響企業(yè)發(fā)展是近年來學(xué)術(shù)界深度關(guān)注的課題[1]。從現(xiàn)有相關(guān)文獻(xiàn)看,基本以長期穩(wěn)定的外界環(huán)境為隱含條件,從企業(yè)創(chuàng)新、業(yè)績、生產(chǎn)率等多方面考察了數(shù)字化轉(zhuǎn)型的積極作用[2-4]。然而,經(jīng)濟(jì)增長動力在經(jīng)濟(jì)衰退期和繁榮期有著本質(zhì)的區(qū)別[5],當(dāng)經(jīng)濟(jì)環(huán)境遭受外界劇烈不利沖擊而陷入困境時(shí),作為增長新動力的數(shù)字化轉(zhuǎn)型又會給企業(yè)帶來怎樣的影響呢?

2020 年初暴發(fā)的新冠疫情(COVID-19)是一場全球性的大災(zāi)難。在我國,黨中央和國務(wù)院迅速采取一系列嚴(yán)格防疫措施,有效遏制了疫情快速蔓延,但同時(shí)也對經(jīng)濟(jì)活動產(chǎn)生了一定影響。不少企業(yè)為了維持生產(chǎn)經(jīng)營活動,紛紛采取了遠(yuǎn)程辦公模式,通過數(shù)字技術(shù)來應(yīng)對經(jīng)濟(jì)困局。據(jù)《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書(2021)》統(tǒng)計(jì)數(shù)據(jù)顯示,2020 年中國數(shù)字經(jīng)濟(jì)規(guī)模的增速達(dá)9.7%,遠(yuǎn)高于同期GDP增速2.3%。然而,疫情沖擊來勢迅猛,并非所有企業(yè)對數(shù)字技術(shù)的采用都是及時(shí)和充分的,原本數(shù)字化程度不同的企業(yè)在發(fā)揮數(shù)字技術(shù)作用時(shí)可能有所差異。那么,數(shù)字化水平又如何影響企業(yè)的表現(xiàn)呢? 數(shù)字化轉(zhuǎn)型能否提高企業(yè)韌性①,即幫助企業(yè)抵御外界不利沖擊所帶來的負(fù)面影響? 如果回答是肯定的,又是通過哪些機(jī)制來影響? 本文試圖回答這些問題。

就既有相關(guān)文獻(xiàn)而言,研究視角及內(nèi)容主要有兩類:一類是數(shù)字化轉(zhuǎn)型對企業(yè)的經(jīng)濟(jì)效應(yīng),該類文獻(xiàn)基本探究了數(shù)字化轉(zhuǎn)型對企業(yè)生產(chǎn)、銷售乃至整個(gè)商業(yè)模式的影響[6],所回答的問題是企業(yè)數(shù)字化轉(zhuǎn)型會給企業(yè)帶來何種影響以及影響程度如何。另一類是企業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略選擇和路徑研究,這類文獻(xiàn)重點(diǎn)考察了企業(yè)數(shù)字化轉(zhuǎn)型的驅(qū)動因素、戰(zhàn)略組合以及組織進(jìn)化的情景,回答的是企業(yè)如何進(jìn)行數(shù)字化轉(zhuǎn)型的問題。本文試圖回答在外界環(huán)境劇烈變化的情景中,數(shù)字化轉(zhuǎn)型將如何影響企業(yè)績效表現(xiàn),可以歸屬為第一類文獻(xiàn),即企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效應(yīng)。

企業(yè)數(shù)字化轉(zhuǎn)型是企業(yè)利用信息技術(shù)、計(jì)算技術(shù)、通信技術(shù)和連接技術(shù)等相關(guān)數(shù)字技術(shù),來改善企業(yè)運(yùn)行的一個(gè)過程[7]。盡管學(xué)術(shù)界對數(shù)字化轉(zhuǎn)型尚未形成統(tǒng)一定義,但都認(rèn)為其本質(zhì)上是數(shù)字技術(shù)與企業(yè)實(shí)體屬性深度融合的過程,是企業(yè)更高層次的數(shù)字技術(shù)的應(yīng)用,可以幫助企業(yè)取數(shù)字技術(shù)之“長”補(bǔ)實(shí)體屬性之“短”。當(dāng)前,已有豐富文獻(xiàn)研究了數(shù)字化轉(zhuǎn)型對于企業(yè)業(yè)績的積極影響[3,8]。例如,Martínez-Caro et al.[3]通過 研 究法國一家大型跨國企業(yè)發(fā)現(xiàn),數(shù)字技術(shù)的應(yīng)用可以簡化行政程序,促進(jìn)員工之間以及企業(yè)與供應(yīng)商、客戶和合作者之間的實(shí)時(shí)溝通,提升了信息獲取效率,有助于增加企業(yè)利潤。吳非等[8]利用中國上市企業(yè)2007—2018 年數(shù)據(jù)研究發(fā)現(xiàn),企業(yè)數(shù)字化轉(zhuǎn)型通過改善信息不對稱、促進(jìn)企業(yè)創(chuàng)新以及提升企業(yè)財(cái)務(wù)穩(wěn)定性,進(jìn)而顯著改善企業(yè)在資本市場中的表現(xiàn)。此外,相關(guān)文獻(xiàn)還從企業(yè)生產(chǎn)率、企業(yè)創(chuàng)新[2,9]、組織結(jié)構(gòu)[10]等多方面考察了數(shù)字化轉(zhuǎn)型的影響。

然而,上述文獻(xiàn)基本以長期穩(wěn)定的外界環(huán)境為隱含條件來展開相關(guān)研究。那么,當(dāng)外界環(huán)境發(fā)生劇烈變化時(shí),數(shù)字化轉(zhuǎn)型對企業(yè)績效的影響又是怎樣呢? 單宇等[11]基于新冠疫情期間林清軒生物科技有限公司轉(zhuǎn)危為機(jī)的案例研究發(fā)現(xiàn),在危機(jī)情境下,企業(yè)通過數(shù)字化轉(zhuǎn)型可以迅速重塑組織核心要素,重構(gòu)企業(yè)經(jīng)營管理場景與運(yùn)營模式,從而提升企業(yè)危機(jī)應(yīng)對能力。與本文主題更為相關(guān)的文獻(xiàn)是,Raj et al.[12]利用新冠疫情期間在線訂餐平臺Uber Eats 的訂單數(shù)據(jù)發(fā)現(xiàn),采用在線平臺進(jìn)行銷售的餐廳可以更好地應(yīng)對疫情不利沖擊。但Raj et al.[12]僅僅考慮了在線平臺這一單一數(shù)字技術(shù)維度對銷售端的影響,事實(shí)上數(shù)字化轉(zhuǎn)型包含更多維度的數(shù)字技術(shù)應(yīng)用,因而對企業(yè)的影響涉及更多方面,包括生產(chǎn)、銷售和管理等。

綜上所述,相關(guān)研究基本以長期穩(wěn)定的外界環(huán)境為條件考察了企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效應(yīng)。至于外界環(huán)境不利沖擊情景下數(shù)字化轉(zhuǎn)型對企業(yè)績效的影響,少數(shù)文獻(xiàn)采取了案例剖析,缺乏實(shí)證分析,且鮮有影響機(jī)制、異質(zhì)性表現(xiàn)等方面的研究。

本文以新冠疫情暴發(fā)作為自然實(shí)驗(yàn),研究了數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響?？紤]到企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型可能并非隨機(jī)事件,本文首先采用傾向得分匹配法(PSM)對企業(yè)樣本進(jìn)行匹配,以滿足數(shù)字化轉(zhuǎn)型企業(yè)與非數(shù)字化轉(zhuǎn)型企業(yè)之間長期趨勢一致的假定,然后對匹配后的企業(yè)樣本使用雙重差分法(DID)進(jìn)行實(shí)證分析。研究結(jié)果表明:第一,數(shù)字化轉(zhuǎn)型可以提高企業(yè)韌性。具體表現(xiàn)為,相比數(shù)字化轉(zhuǎn)型程度低的企業(yè),數(shù)字化轉(zhuǎn)型程度高的企業(yè)所遭受的疫情負(fù)面影響更小。第二,數(shù)字化轉(zhuǎn)型對企業(yè)韌性的積極影響主要通過緩解現(xiàn)金流壓力、提升運(yùn)營效率和降低企業(yè)成本來實(shí)現(xiàn)。第三,對于非國有企業(yè)、非高科技企業(yè)和疫情嚴(yán)重地區(qū)企業(yè)而言,數(shù)字化轉(zhuǎn)型所帶來的積極影響更加突出。

與現(xiàn)有文獻(xiàn)相比,本文試圖在以下三個(gè)方面有所貢獻(xiàn):首先,現(xiàn)有研究注重穩(wěn)定經(jīng)濟(jì)狀態(tài)下數(shù)字化轉(zhuǎn)型企業(yè)的經(jīng)濟(jì)效應(yīng),本文則考察了外界環(huán)境劇烈不利波動下數(shù)字化轉(zhuǎn)型對企業(yè)績效的影響。其次,本文通過PSM-DID 法,實(shí)證分析了新冠疫情沖擊下數(shù)字化轉(zhuǎn)型對企業(yè)業(yè)績波動的影響,為數(shù)字化轉(zhuǎn)型提高企業(yè)韌性的結(jié)論提供了更加堅(jiān)實(shí)的數(shù)據(jù)支撐。最后,本文解析了數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響機(jī)制,以及企業(yè)股權(quán)性質(zhì)、高科技屬性和地區(qū)疫情差異因素的異質(zhì)性表現(xiàn),有助于加深對企業(yè)數(shù)字化轉(zhuǎn)型的認(rèn)識,并為數(shù)字化轉(zhuǎn)型相關(guān)政策的設(shè)計(jì)和完善提供重要參考。

二、理論分析與研究假說

(一)數(shù)字化轉(zhuǎn)型與企業(yè)韌性

在新冠疫情期間,為了快速控制疫情的蔓延,政府采取了諸多嚴(yán)格的措施,極大地降低了人員流動性。為了能在疫情流行期間繼續(xù)運(yùn)營,企業(yè)積極運(yùn)用數(shù)字技術(shù),將許多工作搬到了線上。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示,就釘釘而言,疫情期間已有超1 000 萬家企業(yè)成為該平臺用戶,加強(qiáng)了企業(yè)人員之間的交流與合作,減少了疫情沖擊給企業(yè)帶來的負(fù)面影響。同樣值得注意的是,并非所有企業(yè)對數(shù)字技術(shù)的應(yīng)用程度都是相同的。如果企業(yè)在疫情之前已經(jīng)具有較高的數(shù)字化程度,勢必可以更好發(fā)揮數(shù)字技術(shù)的強(qiáng)大功能,例如通過在線辦公[13],使其更快適應(yīng)外界環(huán)境的變化[14],進(jìn)而使其所遭受的不利影響更小?；谏鲜龇治?本文提出第一個(gè)假說:

H1:數(shù)字化轉(zhuǎn)型可以提升企業(yè)韌性。具體而言,數(shù)字化轉(zhuǎn)型程度更高的企業(yè),其在新冠疫情沖擊下所受到的負(fù)面影響更小。

(二)數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響機(jī)制

為應(yīng)對疫情暴發(fā)的沖擊,企業(yè)需要對其經(jīng)營模式進(jìn)行必要的改變。在這方面,數(shù)字化水平程度高的企業(yè)更具優(yōu)勢。通過數(shù)字技術(shù)的廣泛應(yīng)用,可以改進(jìn)企業(yè)業(yè)務(wù)流程實(shí)現(xiàn)精細(xì)化生產(chǎn)[15],也可以提升資金運(yùn)營效率以及管理效率[7]。一方面,這可以優(yōu)化企業(yè)資金流水平,使其更好承擔(dān)不隨銷量變化的固定成本,不至于資金鏈斷裂而破產(chǎn)倒閉;另一方面,可以降低企業(yè)變動成本[16],即便疫情期間在銷量較小、不足以發(fā)揮規(guī)模優(yōu)勢的情況下,也可以獲取價(jià)格和成本上的優(yōu)勢。這兩方面的原因使得數(shù)字化程度更高的企業(yè)能更好抵御風(fēng)險(xiǎn),展現(xiàn)“數(shù)字化生機(jī)”。據(jù)此,本文提出第二個(gè)假說:

H2:數(shù)字化轉(zhuǎn)型通過緩解企業(yè)現(xiàn)金流壓力、提升運(yùn)營效率和降低企業(yè)成本率來提高企業(yè)韌性。

(三)數(shù)字化轉(zhuǎn)型對企業(yè)韌性的異質(zhì)性影響

假說H2認(rèn)為,數(shù)字化轉(zhuǎn)型主要通過緩解企業(yè)現(xiàn)金流壓力、提升運(yùn)營效率和降低企業(yè)成本率來提高企業(yè)韌性。如果企業(yè)本身的現(xiàn)金流水平較為充裕,或者較為容易解決企業(yè)資金缺乏問題,那么數(shù)字化轉(zhuǎn)型對企業(yè)抵御風(fēng)險(xiǎn)能力的影響就不明顯了?，F(xiàn)有文獻(xiàn)通常認(rèn)為相對非國有企業(yè),國有企業(yè)的融資約束水平更低[17],即資金缺乏問題對國有企業(yè)而言更少出現(xiàn)。因此可以認(rèn)為,數(shù)字化轉(zhuǎn)型在國有企業(yè)抵御沖擊能力的提升上并不顯著,而在更容易發(fā)生資金問題的非國有企業(yè)中,該影響是顯著的。

此外,數(shù)字化轉(zhuǎn)型本質(zhì)上是數(shù)字技術(shù)的應(yīng)用,通過數(shù)字技術(shù)的應(yīng)用使企業(yè)快速適應(yīng)外界環(huán)境的變化,從而展現(xiàn)出“數(shù)字韌性”。一般而言,高科技企業(yè)具有較強(qiáng)的自主創(chuàng)新能力和核心技術(shù)的市場競爭力,數(shù)字技術(shù)通常只作為企業(yè)拓展的輔助技術(shù)工具。而非高科技企業(yè)自主創(chuàng)新能力相對較弱、核心競爭力缺乏,數(shù)字化轉(zhuǎn)型通常已成為其發(fā)展的主導(dǎo)技術(shù)工具。因此,本文認(rèn)為在外部不利沖擊下,數(shù)字化轉(zhuǎn)型對非高科技企業(yè)的生存和發(fā)展顯得尤為重要,帶來的抵御外界風(fēng)險(xiǎn)的效應(yīng)更加明顯。

最后,政府采取的嚴(yán)格的疫情防控措施,對企業(yè)正常的生產(chǎn)經(jīng)營活動造成了很大沖擊。而數(shù)字化轉(zhuǎn)型能使企業(yè)更好地利用數(shù)字技術(shù)來突破市場活動、地理距離阻隔等限制,于困境中增強(qiáng)企業(yè)韌性。相比之下,在疫情嚴(yán)重地區(qū)的企業(yè)數(shù)字化轉(zhuǎn)型所帶來的積極影響更為顯著?；谏鲜龇治?提出本文第三個(gè)假說:

H3:數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響程度有著顯著的異質(zhì)性。具體而言,在國有企業(yè)、高科技行業(yè)企業(yè)和疫情程度輕的地區(qū)企業(yè)中,該影響較小;在非國有企業(yè)、非高科技行業(yè)企業(yè)和疫情嚴(yán)重地區(qū)企業(yè)中,該影響更加顯著。

三、樣本與數(shù)據(jù)

(一)樣本與數(shù)據(jù)來源

鑒于中國新冠疫情暴發(fā)在2020 年第一季度,本文選取2019 年第一季度到2020 年第四季度共8 個(gè)季度作為研究時(shí)間范圍,以滬深兩市A 股上市企業(yè)為初始研究樣本,并剔除了金融類企業(yè)以及ST 類與PT 類上市企業(yè)。

數(shù)字化轉(zhuǎn)型指數(shù):本文的核心變量為疫情暴發(fā)前的企業(yè)數(shù)字化轉(zhuǎn)型水平。企業(yè)數(shù)字化水平的獲取,既可采用企業(yè)問卷、現(xiàn)場調(diào)查方法,也可采用文本分析法(利用企業(yè)的相關(guān)文件或者表述)。現(xiàn)有相關(guān)文獻(xiàn)多采用文本分析法獲得企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)[8-9,18],原因在于文本分析法具有更廣的適用性,故本文亦采用文本分析法獲取企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。參照現(xiàn)有研究[18],本文文本分析內(nèi)容具體為上市企業(yè)年報(bào)中的“管理層討論和分析”(MD&A)。上市企業(yè)年報(bào)具有透明公開可靠的屬性,且MD&A部分不存在明顯的文本操縱動機(jī)[19],因而選用年報(bào)中的MD&A 作為文本分析源具有一定的合理性和可靠性。此外,本文選用2011—2019 年作為數(shù)字化轉(zhuǎn)型指數(shù)構(gòu)建的樣本區(qū)間。企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)構(gòu)建簡要步驟為:

第一,提取文本分析源。從巨潮資訊網(wǎng)下載2011—2019 年滬深兩市A 股上市企業(yè)年度報(bào)告,并將其轉(zhuǎn)化成文本格式,提取其中的MD&A 部分②。然后將提取出來的MD&A 部分的文本信息利用Python 的jieba 分詞模塊劃分為詞語,作為文本分析源。

第二,確定詞表。本文參考吳非等[8]的做法,構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型詞表。該詞表分為五個(gè)維度,分別是人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈和數(shù)字技術(shù)應(yīng)用,總共包含76 個(gè)詞匯,可較好地反映企業(yè)數(shù)字化轉(zhuǎn)型程度。

第三,統(tǒng)計(jì)詞頻。根據(jù)詞表統(tǒng)計(jì)文本分析源中所含有的相關(guān)詞語的數(shù)量,然后將其統(tǒng)計(jì)在數(shù)字化轉(zhuǎn)型的五個(gè)維度之下,獲得2011—2019 年每個(gè)企業(yè)五個(gè)維度下的數(shù)字化相關(guān)詞頻。

第四,構(gòu)建每年的數(shù)字化轉(zhuǎn)型指數(shù)。將相關(guān)詞頻在文本分析源所有詞語數(shù)量中的占比(%)作為衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的初始指標(biāo)。繼而分年度分別對企業(yè)五個(gè)維度的初始指標(biāo)進(jìn)行歸一化處理然后加總,從而獲得企業(yè)的年度數(shù)字化轉(zhuǎn)型指數(shù)。

第五,構(gòu)建疫情暴發(fā)前的數(shù)字化轉(zhuǎn)型指數(shù)。對每個(gè)企業(yè)所有年度(2011—2019 年)的數(shù)字化轉(zhuǎn)型指數(shù)取均值,得到每個(gè)企業(yè)的平均數(shù)字化轉(zhuǎn)型指數(shù),記為conDT。

企業(yè)數(shù)據(jù):企業(yè)層面數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫(CSMAR),其中涉及地級市層面的新冠肺炎累計(jì)確診病例數(shù)來源于國泰安數(shù)據(jù)庫中的新冠疫情與經(jīng)濟(jì)研究庫。

數(shù)據(jù)預(yù)處理:將數(shù)字化轉(zhuǎn)型指數(shù)與企業(yè)數(shù)據(jù)匹配,剔除無法匹配的樣本,得到19 513 個(gè)觀測值,總共2 504 家企業(yè)。進(jìn)一步,將所得樣本中conDT指數(shù)最大的前1/4 的企業(yè)作為數(shù)字化轉(zhuǎn)型的企業(yè)(記為DT=1,共626 家企業(yè)),而將其余企業(yè)作為未數(shù)字化轉(zhuǎn)型的企業(yè)(記為DT=0,共1 878 家企業(yè))。為了消除異常值對研究結(jié)果的影響,本文對所有被解釋變量以及控制變量進(jìn)行了1%的縮尾處理。變量定義見表1。

表1 變量符號與定義

(二)模型設(shè)定

為了檢驗(yàn)外界環(huán)境不利沖擊下數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響,本文構(gòu)建了如下DID 模型:

其中,i表示企業(yè),t表示時(shí)間(年份-季度),Y是衡量企業(yè)業(yè)績的指標(biāo),參照Bandiera et al.[20]的做法,本文選取銷售收入的對數(shù)值來衡量。DT為企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型的度量,本文按照上市企業(yè)2011—2019年數(shù)字化轉(zhuǎn)型指數(shù)的平均值來衡量新冠疫情暴發(fā)時(shí)企業(yè)的數(shù)字化轉(zhuǎn)型程度,并且取樣本中數(shù)字化轉(zhuǎn)型指數(shù)最高的前1/4 的企業(yè)作為處理組,稱為數(shù)字化轉(zhuǎn)型成功的企業(yè),這部分企業(yè)樣本的DT取1,剩下的企業(yè)則作為對照組,將這部分企業(yè)的DT設(shè)為0。COVID則是時(shí)間變量,若處于2020 年第一季度及以后季度,則取1,否則COVID取0。Controls是一組控制變量,參照現(xiàn)有文獻(xiàn)的處理,本文選取如下變量作為控制變量:股權(quán)集中度(shrcr),采用最大的前十位股東的股份總占比來衡量;機(jī)構(gòu)持股比例(prop);資產(chǎn)負(fù)債率(lev);控制權(quán)(crc),定義為實(shí)際控制人擁有的上市公司控制權(quán)比例;現(xiàn)金擁有(lncash),用企業(yè)現(xiàn)金及其等價(jià)物的對數(shù)來衡量;企業(yè)規(guī)模(lnsize),企業(yè)總資產(chǎn)取對數(shù);固定資產(chǎn)比率(fap),定義為固定資產(chǎn)凈額/總資產(chǎn)。νi、ξt、εit分別表示企業(yè)個(gè)體固定效應(yīng)(Firm)、時(shí)間固定效應(yīng)(Time)和隨機(jī)誤差項(xiàng)。其中β 是本文關(guān)注的核心系數(shù),該系數(shù)衡量了疫情沖擊下,數(shù)字化轉(zhuǎn)型企業(yè)與非數(shù)字化轉(zhuǎn)型企業(yè)之間的企業(yè)業(yè)績差異程度。

值得注意的是,應(yīng)用DID(雙重差分)模型進(jìn)行分析的前提在于數(shù)字化轉(zhuǎn)型企業(yè)與非數(shù)字化轉(zhuǎn)型企業(yè)在疫情沖擊之前具有相同的時(shí)間趨勢。實(shí)際上,這種假定難以滿足,一方面企業(yè)數(shù)字化轉(zhuǎn)型并非隨機(jī)決定,另一方面可能存在某些不可觀測的因素影響著企業(yè)數(shù)字化轉(zhuǎn)型的決策選擇,同時(shí)這種因素也影響著企業(yè)的業(yè)績表現(xiàn),而這些因素有可能是內(nèi)生決定的。鑒于此種考量,參照王庶等[21]的做法,本文利用PSM 來緩解該問題對結(jié)果的影響。具體處理過程為:對數(shù)字化轉(zhuǎn)型的企業(yè)(即DT=1)與非數(shù)字化轉(zhuǎn)型的企業(yè)(即DT=0)進(jìn)行傾向得分匹配?？紤]到可能影響企業(yè)危機(jī)應(yīng)對能力的因素和數(shù)據(jù)可得性,本文選取股權(quán)性質(zhì)(soe)、企業(yè)經(jīng)營年齡(age)、托賓Q值(tobinQ)、固定資產(chǎn)比率(fap)、機(jī)構(gòu)持股比例(prop)、現(xiàn)金擁有(lncash)、資產(chǎn)負(fù)債率(lev)、股權(quán)集中度(shrcr)、企業(yè)規(guī)模(lnsize)和實(shí)際控制人擁有上市公司控制權(quán)比例(crc)作為協(xié)變量,分季度使用logit 回歸按照1 ∶3 的比例進(jìn)行近鄰有放回匹配。表2 是2020 年第四季度的平衡性檢驗(yàn)結(jié)果,結(jié)果顯示匹配后的變量偏差絕對值絕大部分在10%內(nèi)③,說明匹配結(jié)果基本滿足使用DID 進(jìn)行分析的前提條件。在匹配之前的數(shù)據(jù)中,樣本有2 504 家企業(yè),總共19 513 個(gè)觀測值,匹配之后有2 012 家企業(yè),總共9 362 個(gè)觀測值。匹配后的樣本描述性統(tǒng)計(jì)見表3。從表3 單變量檢驗(yàn)的第一行可發(fā)現(xiàn),在疫情暴發(fā)之后,未進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)銷售額有所下降(lnsale均值從20.33 下降到20.31),與之形成鮮明對比的是進(jìn)行了數(shù)字化轉(zhuǎn)型的企業(yè),其銷售額不降反升(lnsale均值從20.15 上升到20.19)。這初步彰顯了數(shù)字化轉(zhuǎn)型對于企業(yè)抵御外界不利風(fēng)險(xiǎn)的有效作用,成為對抗外界不利沖擊的“埃癸斯神盾”(Aegis)。

表2 2020 年第四季度平衡性檢驗(yàn)結(jié)果

表3 描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果

這部分將報(bào)告本文實(shí)證檢驗(yàn)的結(jié)果,主要報(bào)告基準(zhǔn)回歸的結(jié)果以及穩(wěn)健性檢驗(yàn)結(jié)果。

(一)基準(zhǔn)回歸

數(shù)字化轉(zhuǎn)型對新冠疫情期間企業(yè)業(yè)績影響的回歸結(jié)果如表4 所示,所有回歸模型都同時(shí)控制了企業(yè)固定效應(yīng)和時(shí)間固定效應(yīng),回歸(1)未加入任何控制變量,回歸(2)加入了所有控制變量。結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)業(yè)績的回歸系數(shù)都為正,且均在1%水平上顯著,這說明數(shù)字化轉(zhuǎn)型的企業(yè)在新冠疫情沖擊下比非數(shù)字化轉(zhuǎn)型的企業(yè)表現(xiàn)更好。換言之,在遭受新冠疫情沖擊后,相較未數(shù)字化轉(zhuǎn)型企業(yè),數(shù)字化轉(zhuǎn)型企業(yè)可以實(shí)現(xiàn)更高的銷售增長。這初步證明了本文的第一個(gè)假說,即企業(yè)數(shù)字化轉(zhuǎn)型確實(shí)會提高企業(yè)韌性,降低其所受外界不利沖擊所帶來的負(fù)面影響。

表4 基準(zhǔn)回歸結(jié)果

(二)穩(wěn)健性檢驗(yàn)

首先對內(nèi)生性問題予以討論,現(xiàn)有文獻(xiàn)通常認(rèn)為內(nèi)生性問題的存在有三個(gè)原因:解釋變量測量誤差、遺漏解釋變量和互為因果。第一,對于解釋變量測量誤差,本文參照既有文獻(xiàn)的做法,選取五個(gè)數(shù)字技術(shù)應(yīng)用維度一共76 個(gè)關(guān)鍵詞進(jìn)行文本分析,較好衡量了真實(shí)的企業(yè)數(shù)字化轉(zhuǎn)型程度。此外,所有財(cái)務(wù)數(shù)據(jù)都是從企業(yè)公開的季度報(bào)告中提取的,具有較高的可信度和真實(shí)度,所以可以認(rèn)為不存在嚴(yán)重的解釋變量測量誤差問題。第二,關(guān)于解釋變量遺漏問題,實(shí)證模型加入了公司層面的七個(gè)控制變量以及企業(yè)和時(shí)間固定效應(yīng),較全面地控制了其他可能影響企業(yè)韌性的因素,并且在后續(xù)的穩(wěn)健性檢驗(yàn)(3)中引入了更高維的固定效應(yīng),有效地控制了不可觀測的其他相關(guān)因素,避免了嚴(yán)重的解釋變量遺漏問題。第三,對于數(shù)字化轉(zhuǎn)型可能的互為因果問題,本文通過進(jìn)行PSM 匹配樣本,控制了事前趨勢,較大程度解決了對此問題的擔(dān)憂。對于新冠疫情暴發(fā)的內(nèi)生性而言,2020 年暴發(fā)的新冠疫情是一場世界大災(zāi)難,并非可預(yù)測的,且暴發(fā)與否與企業(yè)活動并無聯(lián)系,所以可以認(rèn)為新冠疫情的暴發(fā)是完全外生的事件。為了避免該結(jié)論的偶然性,本文還進(jìn)行了隨機(jī)抽樣1 000 次的安慰劑檢驗(yàn),結(jié)果如圖1 所示。從中可見t統(tǒng)計(jì)量基本分布在0 附近,且?guī)缀醵夹∮诨鶞?zhǔn)回歸的t統(tǒng)計(jì)量,這說明結(jié)論并非偶然得出,且具有較強(qiáng)的穩(wěn)健性。

圖1 安慰劑檢驗(yàn)

除此之外,本文還進(jìn)行了以下穩(wěn)健性檢驗(yàn),以盡可能考慮更多因素,得到更加穩(wěn)健的結(jié)論。穩(wěn)健性檢驗(yàn)包括:(1)替換被解釋變量,分別替換成人均主營業(yè)務(wù)收入的對數(shù)值(lnpersale)、凈利潤的對數(shù)值(lnnetincome)和凈資產(chǎn)收益率(roe)。(2)改變PSM 匹配比例,分別按照1 ∶1、1 ∶2 的比例進(jìn)行近鄰有放回匹配。(3)控制行業(yè)固定效應(yīng)(Ind)、地區(qū)固定效應(yīng)(City)以及交互固定效應(yīng)。(4)人為地按照四分位來劃分企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型可能存在一定主觀性,改用原始的連續(xù)的conDT與COVID的交互項(xiàng)進(jìn)行回歸。(5)避免數(shù)字化轉(zhuǎn)型程度居于樣本中部的企業(yè)對整個(gè)結(jié)果的影響,只保留數(shù)字化轉(zhuǎn)型指數(shù)最大前1/4 的樣本(DT=1)和最小的1/4 的樣本(DT=0)進(jìn)行匹配,然后進(jìn)行回歸。(6)匹配后的數(shù)據(jù)中,可能存在只有疫情前或疫情后觀測值的企業(yè)樣本,為了避免這種情況對結(jié)果的影響,僅保留新冠疫情暴發(fā)前后都有觀測值的企業(yè)樣本數(shù)據(jù)。(7)匹配后的數(shù)據(jù)中,可能存在較多企業(yè)樣本只有較少期數(shù)的觀測值,進(jìn)而對結(jié)論產(chǎn)生影響,本部分只保留單個(gè)企業(yè)觀測期數(shù)大于一年的樣本,即只保留擁有5～8個(gè)季度觀測值的企業(yè)數(shù)據(jù)。之所以選擇5～8 個(gè)季度是因?yàn)榫驮撈跀?shù)范圍而言,可以同時(shí)滿足較長的單個(gè)企業(yè)觀測期數(shù),且必然同時(shí)包含新冠疫情暴發(fā)前后的觀測值。上述穩(wěn)健性檢驗(yàn)的結(jié)果見表5,結(jié)果顯示所有穩(wěn)健性檢驗(yàn)都支持基準(zhǔn)回歸的結(jié)果,進(jìn)一步論證了假說H1。

表5 穩(wěn)健性檢驗(yàn)

五、進(jìn)一步討論

(一)機(jī)制檢驗(yàn)

既然上文分析表明,新冠疫情沖擊下企業(yè)數(shù)字化轉(zhuǎn)型確實(shí)會提高企業(yè)韌性,那么又是通過何種渠道影響的呢? 謝康等[22]、袁淳等[18]認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型可以降低企業(yè)的成本,包括內(nèi)部成本和外部交易成本。劉淑春等[4]則從投入產(chǎn)出效率角度考察了數(shù)字化轉(zhuǎn)型的影響機(jī)制。楊德明等[23]發(fā)現(xiàn)企業(yè)數(shù)字化促進(jìn)了企業(yè)的差異化經(jīng)營,例如產(chǎn)品的差異化和服務(wù)的差異化,進(jìn)而提升企業(yè)業(yè)績表現(xiàn)。吳非等[8]研究表明數(shù)字化有助于改善信息不對稱以及財(cái)務(wù)穩(wěn)定性,從而提升企業(yè)股票市場表現(xiàn)。

借鑒上述文獻(xiàn)思路,本文將從以下三個(gè)方面進(jìn)行機(jī)制檢驗(yàn):一是通過緩解企業(yè)現(xiàn)金流壓力,降低企業(yè)資金鏈斷裂的可能性,進(jìn)而提升企業(yè)應(yīng)對外界不利沖擊的能力;第二是提升企業(yè)運(yùn)營效率;第三是降低企業(yè)成本率,提升企業(yè)盈利能力。

1.機(jī)制檢驗(yàn):緩解企業(yè)現(xiàn)金流壓力。面對不利沖擊時(shí),企業(yè)數(shù)字化轉(zhuǎn)型可能通過精細(xì)化管理來緩解企業(yè)現(xiàn)金流壓力?，F(xiàn)金流是一個(gè)企業(yè)賴以生存和發(fā)展的基礎(chǔ),較高的現(xiàn)金流水平可能有助于提高企業(yè)應(yīng)對危機(jī)的能力。為了檢驗(yàn)這一傳導(dǎo)機(jī)制,本文借鑒宋弘等[24]的做法,通過分組回歸來檢驗(yàn)該機(jī)制,從而間接推斷新冠疫情下數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響與現(xiàn)金流水平之間的關(guān)系。分組檢驗(yàn)機(jī)制的邏輯是:企業(yè)現(xiàn)金流的增加對企業(yè)的積極影響程度是邊際遞減的,如果企業(yè)并非通過緩解現(xiàn)金流壓力來提升企業(yè)韌性,那么企業(yè)現(xiàn)金流水平高低并不會對差分系數(shù)帶來顯著影響。而如果數(shù)字化轉(zhuǎn)型是通過緩解企業(yè)現(xiàn)金流壓力進(jìn)而影響企業(yè)韌性,那么相對高現(xiàn)金流水平組,低水平組的數(shù)字化轉(zhuǎn)型所帶來的積極影響更大。為此,本文選取企業(yè)現(xiàn)金流水平和股權(quán)現(xiàn)金流水平作為主要指標(biāo),且都除以企業(yè)總資產(chǎn)以消除企業(yè)規(guī)模的影響,分別得到指標(biāo)C1和C2。為了檢驗(yàn)現(xiàn)金流水平如何影響數(shù)字化轉(zhuǎn)型對企業(yè)韌性的反應(yīng)程度,將相關(guān)指標(biāo)劃分為高、低現(xiàn)金流水平組,分組進(jìn)行回歸檢驗(yàn)。結(jié)果如表6列(1)～(2)所示。

表6 機(jī)制檢驗(yàn):現(xiàn)金流水平和經(jīng)營水平

表6 的PanelA 是低水平組,PanelB 是高水平組。列(1)～(2)顯示,在高水平組中,數(shù)字化轉(zhuǎn)型對企業(yè)韌性影響并不顯著,而在低水平組中,數(shù)字化轉(zhuǎn)型對企業(yè)韌性有著顯著的正向影響,且均在1%水平上顯著。相對低水平組,高水平組的差分(DID)系數(shù)不論是回歸系數(shù)大小還是顯著性水平(t統(tǒng)計(jì)量)均更高,這間接說明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型后,可以緩解企業(yè)現(xiàn)金流的約束,進(jìn)而提升企業(yè)韌性表現(xiàn)。

2.機(jī)制檢驗(yàn):提升企業(yè)運(yùn)營效率?，F(xiàn)有文獻(xiàn)表明,企業(yè)數(shù)字化轉(zhuǎn)型可以提高企業(yè)經(jīng)營能力、改善企業(yè)運(yùn)營效率[7]。疫情期間,由于道路管控、人員流動管控等造成了大量商品滯銷及存貨積壓,企業(yè)遭受了一定損失。而對于數(shù)字化轉(zhuǎn)型的企業(yè),運(yùn)用數(shù)字技術(shù)可以提升運(yùn)營效率,提高企業(yè)存貨管理水平,減少存貨積壓損失[25]。為了驗(yàn)證該機(jī)制,本文選用存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率作為企業(yè)運(yùn)營效率的代理變量。同樣,利用這兩個(gè)變量將樣本劃分為高、低運(yùn)營效率組,分別進(jìn)行回歸,回歸結(jié)果見表6 列(3)～(4)。結(jié)果顯示,在運(yùn)營效率較低的企業(yè)樣本中,數(shù)字化轉(zhuǎn)型會顯著降低企業(yè)損失,而在運(yùn)營效率較高的企業(yè)樣本中并未體現(xiàn)。這間接表明數(shù)字化轉(zhuǎn)型可以提升企業(yè)運(yùn)營效率,從而提高企業(yè)韌性。

3.機(jī)制檢驗(yàn):企業(yè)成本角度。Porter[26]認(rèn)為企業(yè)可以通過成本領(lǐng)先優(yōu)勢,來提升企業(yè)競爭優(yōu)勢以及業(yè)績表現(xiàn)?，F(xiàn)有文獻(xiàn)表明,數(shù)字技術(shù)的應(yīng)用會大幅降低企業(yè)成本。例如,黃群慧等[27]利用中國工業(yè)企業(yè)數(shù)據(jù)研究發(fā)現(xiàn)互聯(lián)網(wǎng)的發(fā)展可以降低企業(yè)交易成本,進(jìn)而提升企業(yè)生產(chǎn)率。Goldfarb et al.[28]也認(rèn)為數(shù)字技術(shù)的應(yīng)用有助于降低企業(yè)成本。為此,本部分將驗(yàn)證企業(yè)成本的機(jī)制效應(yīng),遵循上文的機(jī)制檢驗(yàn)識別策略,這里同樣采用通過劃分高、低成本水平組別來間接檢驗(yàn)數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響。所選取的企業(yè)成本指標(biāo)有營業(yè)成本率(R1)、銷售費(fèi)用率(R2)、管理費(fèi)用率(R3)和財(cái)務(wù)費(fèi)用率(R4),然后分別按照四個(gè)成本指標(biāo)劃分高、低成本率組進(jìn)行分組回歸,結(jié)果如表7 所示。

Panel A、Panel B 分別是高成本率組和低成本率組,列(1)～(4)則報(bào)告了具體回歸結(jié)果。從企業(yè)營業(yè)成本率回歸結(jié)果即列(1)來看,高成本率組的差分系數(shù)為0.066 6,t統(tǒng)計(jì)量為2.722 9,在1%水平上顯著,而低成本率組別的差分系數(shù)為0.042 5,t統(tǒng)計(jì)量為2.030 2,在5%水平上顯著。通過高低成本率組別系數(shù)對照可發(fā)現(xiàn),相比低成本率組別,高成本率組別的系數(shù)、顯著性水平(t統(tǒng)計(jì)量)均更大。該結(jié)果間接驗(yàn)證了數(shù)字化轉(zhuǎn)型對企業(yè)韌性影響的企業(yè)成本渠道,即數(shù)字化轉(zhuǎn)型通過降低企業(yè)成本來提高企業(yè)韌性。表7 中列(2)～(4)的結(jié)果顯示,結(jié)論與列(1)一致,從而進(jìn)一步檢驗(yàn)了企業(yè)成本機(jī)制的有效性。

表7 機(jī)制檢驗(yàn):企業(yè)成本

上述機(jī)制檢驗(yàn)結(jié)果論證了假說H2的成立,即數(shù)字化轉(zhuǎn)型會通過緩解企業(yè)現(xiàn)金流壓力、提升運(yùn)營效率和降低企業(yè)成本來提高企業(yè)韌性。

(二)異質(zhì)性討論

基于異質(zhì)性考慮,下文將從企業(yè)股權(quán)性質(zhì)、企業(yè)技術(shù)屬性以及地區(qū)疫情差異角度,討論新冠疫情沖擊下數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響差別。

1.股權(quán)性質(zhì)。本部分根據(jù)企業(yè)股權(quán)性質(zhì)將樣本分為國有企業(yè)樣本和非國有企業(yè)樣本,分別進(jìn)行回歸。結(jié)果如表8 所示:在非國有企業(yè)中,數(shù)字化轉(zhuǎn)型對企業(yè)韌性有著顯著的積極影響,而在國有企業(yè)中,該影響并不顯著,在進(jìn)一步控制行業(yè)固定效應(yīng)后,結(jié)果依舊不變。按照現(xiàn)有相關(guān)文獻(xiàn)的觀點(diǎn),國有企業(yè)與非國有企業(yè)在融資約束水平上有著較大差異[17],而在國有企業(yè)樣本中數(shù)字化轉(zhuǎn)型與否對企業(yè)韌性的影響并不顯著,這也更進(jìn)一步證明了上文現(xiàn)金流機(jī)制結(jié)果的穩(wěn)健性。該結(jié)果的出現(xiàn),一方面,是因?yàn)閲衅髽I(yè)融資約束水平較小;另一方面,也可能是因?yàn)閲?jì)民生行業(yè)中的生活必需品供給多為國有企業(yè),而這些行業(yè)企業(yè)受疫情影響相對較小,表現(xiàn)為系數(shù)上的不顯著。因此,這更加證實(shí)了數(shù)字化轉(zhuǎn)型的積極效應(yīng)以及必要性,尤其是對非國有企業(yè)而言。

表8 異質(zhì)性討論:股權(quán)性質(zhì)

2.高科技屬性。高科技行業(yè)企業(yè)與非高科技行業(yè)企業(yè)對于新技術(shù)應(yīng)用傾向和創(chuàng)新意愿有著顯著區(qū)別,高科技企業(yè)技術(shù)密集度高、創(chuàng)新意愿更加強(qiáng)烈[29]。那么在數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響上,高科技行業(yè)企業(yè)與非高科技行業(yè)企業(yè)有何區(qū)別呢?本文參照彭紅星等[30]的劃分標(biāo)準(zhǔn),將樣本劃分為高科技行業(yè)樣本與非高科技行業(yè)樣本④。表9 列(1)和列(2)報(bào)告了子樣本的回歸結(jié)果。結(jié)果顯示:在高科技行業(yè)樣本中,數(shù)字化轉(zhuǎn)型對企業(yè)韌性影響較小且統(tǒng)計(jì)上不顯著;而在非高科技行業(yè)樣本中,差分系數(shù)更大且在5%水平上顯著。該結(jié)論佐證了假說H3中關(guān)于技術(shù)屬性的異質(zhì)性表現(xiàn)。

表9 異質(zhì)性討論:高科技屬性與地區(qū)疫情嚴(yán)重程度

3.地區(qū)疫情差異。我國地域廣闊,不同地區(qū)所遭受的新冠疫情影響程度并不相同,考慮到這一差別,本部分按照2020 年地級市層面的新冠肺炎累計(jì)病例數(shù),將地區(qū)劃分為疫情程度高和低兩類,進(jìn)而得到兩個(gè)子樣本?；貧w結(jié)果如表9 列(3)和列(4)所示:總體來看,在疫情程度高的地區(qū)的企業(yè),數(shù)字化轉(zhuǎn)型對于企業(yè)韌性的影響更加突出,相比之下,在疫情程度低的地區(qū)的企業(yè),該效應(yīng)較小且不顯著。該結(jié)論進(jìn)一步證明了假說H3中關(guān)于地區(qū)異質(zhì)性的假說。

上述三種異質(zhì)性討論對假說H3都提供了證據(jù),因此可以認(rèn)為假說H3是成立的。

六、結(jié)論與啟示

2020 年暴發(fā)的新冠疫情是一場全球性大災(zāi)難,對企業(yè)造成了巨大的外部負(fù)面沖擊。本文以新冠疫情為自然實(shí)驗(yàn),基于國泰安數(shù)據(jù)庫(CSMAR)中2019—2020 年滬深兩市A 股上市企業(yè)季度數(shù)據(jù),使用PSM-DID 方法,就數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響進(jìn)行了實(shí)證分析。研究發(fā)現(xiàn):首先,數(shù)字化轉(zhuǎn)型程度較高的企業(yè)所遭受新冠疫情沖擊的負(fù)面影響要比數(shù)字化轉(zhuǎn)型程度較低的企業(yè)更小,且通過了一系列的穩(wěn)健性檢驗(yàn)。其次,數(shù)字化轉(zhuǎn)型對企業(yè)韌性的影響機(jī)制主要在于緩解現(xiàn)金流壓力、降低企業(yè)成本率和提升運(yùn)營效率。最后,數(shù)字化轉(zhuǎn)型對于企業(yè)韌性的積極作用在非國有企業(yè)、非高科技企業(yè)和疫情嚴(yán)重地區(qū)企業(yè)中表現(xiàn)更為明顯。本文的結(jié)論一定程度上揭示了新冠疫情期間數(shù)字化轉(zhuǎn)型與企業(yè)韌性的影響關(guān)系,具有以下的對策啟示。

第一,對企業(yè)而言,應(yīng)主動開展互聯(lián)網(wǎng)、大數(shù)據(jù)等數(shù)字技術(shù)的全方位應(yīng)用,充分挖掘數(shù)字技術(shù)的強(qiáng)大能量,努力提升企業(yè)韌性以應(yīng)對外界不利沖擊的負(fù)面影響。主要對策建議包括:采用數(shù)字營銷手段,更好實(shí)現(xiàn)廣告的精準(zhǔn)化投放,提高營銷效率。搭建數(shù)字化辦公平臺以集合企業(yè)繁雜的數(shù)據(jù)和信息,貫通數(shù)據(jù)和信息流通,降低企業(yè)內(nèi)部成本以及帶動數(shù)據(jù)的價(jià)值實(shí)現(xiàn)。善用云計(jì)算服務(wù)提升企業(yè)數(shù)據(jù)處理和分析能力,有效挖掘數(shù)據(jù)的商業(yè)價(jià)值,尤其要針對企業(yè)的主要難處有的放矢。數(shù)字化實(shí)力較弱的傳統(tǒng)企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型時(shí),可選擇外包模式,以有效推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。積極開展相關(guān)培訓(xùn)提高員工數(shù)字技能,培養(yǎng)良好的數(shù)字文化以及提升企業(yè)整體的數(shù)字化思維。

第二,對政府而言,應(yīng)完善相關(guān)政策,幫助企業(yè)提高抵御外部風(fēng)險(xiǎn)的能力。一方面,要消除國企和非國企之間在融資約束、政策優(yōu)惠等方面的差異。面對新冠疫情的不利沖擊,可采取適當(dāng)?shù)臏p稅降費(fèi)政策,降低企業(yè)資金壓力、提升企業(yè)危機(jī)應(yīng)對能力、激發(fā)企業(yè)活力。另一方面,要加快建設(shè)有利于企業(yè)數(shù)字化轉(zhuǎn)型的宏觀環(huán)境,大力發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合。在促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展方面,要加快建設(shè)數(shù)字化人才隊(duì)伍、推進(jìn)數(shù)字基礎(chǔ)建設(shè)、積極參與數(shù)字經(jīng)濟(jì)領(lǐng)域國際合作,推動為企業(yè)數(shù)字化轉(zhuǎn)型提供服務(wù)的互聯(lián)網(wǎng)平臺建設(shè),進(jìn)一步優(yōu)化企業(yè)上云環(huán)境,降低企業(yè)數(shù)字化轉(zhuǎn)型成本,推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)度。在規(guī)范數(shù)字經(jīng)濟(jì)發(fā)展方面,要完善數(shù)字治理體系建設(shè)、提升數(shù)字治理能力,健全數(shù)字法律法規(guī)制度,加大數(shù)字產(chǎn)權(quán)保護(hù)力度。

注釋:

①現(xiàn)有文獻(xiàn)中,盡管對企業(yè)韌性的定義尚未形成一致認(rèn)識,但普遍認(rèn)為企業(yè)韌性是指在外界環(huán)境變化沖擊下,企業(yè)維持或者提高業(yè)績表現(xiàn)的能力。

②在2014 年及之前年份,該部分內(nèi)容在“董事會報(bào)告”一節(jié)。

③本文按照季度總共進(jìn)行了8 次匹配,滿足匹配后偏差絕對值小于10%的比例達(dá)95%,可以認(rèn)為匹配結(jié)果良好,即處理組和對照組具有較好的同質(zhì)性。限于篇幅,文章未報(bào)告其他季度的平衡性檢驗(yàn)結(jié)果,留存?zhèn)渌鳌?/p>

④依據(jù)彭紅星和毛新述(2017)的劃分標(biāo)準(zhǔn),高科技上市公司行業(yè)代碼涉及三個(gè)門類和19 個(gè)大類:三個(gè)門類為制造業(yè)(C),信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)(I),科學(xué)研究和技術(shù)服務(wù)業(yè)(M);19 個(gè)大類包括C25、C26、C27、C28、C29、C31、C32、C34、C35、C36、C37、C38、C39、C40、C41、I63、I64、I65 和M73。