數(shù)字化轉(zhuǎn)型、媒體關(guān)注與企業(yè)R&D投資

劉香茹 袁蘊(yùn)

摘要：數(shù)字經(jīng)濟(jì)是全球發(fā)展的新經(jīng)濟(jì)形態(tài)，如何布局?jǐn)?shù)字經(jīng)濟(jì)戰(zhàn)略已成為各國(guó)研究的重要課題。數(shù)字化轉(zhuǎn)型是數(shù)字經(jīng)濟(jì)發(fā)展的核心驅(qū)動(dòng)力，有助于提升國(guó)家數(shù)字競(jìng)爭(zhēng)力。以2017—2021年滬深A(yù)股上市公司為研究樣本，使用文本分析法提取相關(guān)關(guān)鍵詞并整理得數(shù)字化轉(zhuǎn)型指標(biāo)，通過實(shí)證檢驗(yàn)，考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)于企業(yè)R&D投資的影響。研究結(jié)果顯示，數(shù)字化轉(zhuǎn)型顯著增強(qiáng)了企業(yè)在R&D投資活動(dòng)中的影響。在機(jī)制檢驗(yàn)中發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型可以通過提高媒體對(duì)企業(yè)的關(guān)注度進(jìn)而提高企業(yè)的R&D投資。異質(zhì)性分析表明，當(dāng)企業(yè)為高新技術(shù)企業(yè)和處于較高市場(chǎng)化水平地區(qū)時(shí)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資具有更加顯著的促進(jìn)作用。希望研究不僅能為研究數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果提供增量文獻(xiàn)，也能為促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型、激發(fā)企業(yè)R&D投資意愿提供新的經(jīng)驗(yàn)證據(jù)。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；R&D投資；媒體關(guān)注度

0 引言

創(chuàng)新是推動(dòng)國(guó)家發(fā)展的關(guān)鍵因素，是建設(shè)現(xiàn)代化國(guó)家的動(dòng)力支撐。研究與開發(fā)（Research and Development，以下簡(jiǎn)稱“R&D”）是創(chuàng)新中的核心，推動(dòng)著創(chuàng)新能力的發(fā)展，有助于提高企業(yè)市場(chǎng)地位，增加國(guó)家科技競(jìng)爭(zhēng)力［1］。2021年全國(guó)共投入研究與試驗(yàn)發(fā)展經(jīng)費(fèi)達(dá)到2.79萬(wàn)億元，同比增長(zhǎng)14.2%，研發(fā)投入強(qiáng)度達(dá)到2.44%。到2022年，我國(guó)R&D經(jīng)費(fèi)投入強(qiáng)度已達(dá)到2.55%，接近美國(guó)的水平。與其他投資相比，R&D投資存在投入大、周期長(zhǎng)、結(jié)果不確定等多種問題，還會(huì)受企業(yè)內(nèi)外環(huán)境的影響。企業(yè)創(chuàng)新受到國(guó)家高度重視，如何提高企業(yè)R&D投資一直是值得探討的重要話題。

與此同時(shí)，作為數(shù)字經(jīng)濟(jì)的重要抓手，大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)字化轉(zhuǎn)型產(chǎn)業(yè)正蓬勃發(fā)展，廣泛賦能各行業(yè)、各領(lǐng)域。2021年我國(guó)發(fā)布“十四五”規(guī)劃，在第五篇“加快數(shù)字發(fā)展，建設(shè)數(shù)字中國(guó)”中提出，要加強(qiáng)關(guān)鍵數(shù)字技術(shù)創(chuàng)新應(yīng)用，加快推動(dòng)數(shù)字產(chǎn)業(yè)化，推進(jìn)產(chǎn)業(yè)數(shù)字轉(zhuǎn)型。在國(guó)家政策的引導(dǎo)下，各行各業(yè)也出臺(tái)相關(guān)政策。2021年1月，工信部發(fā)布《工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2021—2023）》，為工業(yè)互聯(lián)網(wǎng)創(chuàng)新提出新的發(fā)展目標(biāo)，推動(dòng)產(chǎn)業(yè)數(shù)字化發(fā)展。市場(chǎng)環(huán)境的變化也給企業(yè)發(fā)展帶來(lái)了影響。行業(yè)市場(chǎng)競(jìng)爭(zhēng)不斷加劇，不僅有同行業(yè)升級(jí)的壓力，也有來(lái)自互聯(lián)網(wǎng)企業(yè)的沖擊。同時(shí)，伴隨著電子商務(wù)、移動(dòng)互聯(lián)網(wǎng)的發(fā)展，消費(fèi)端的需求也越來(lái)越多樣，企業(yè)只有自身能力過硬才能適應(yīng)不斷升級(jí)的客戶需求。在這些政策、要求引領(lǐng)下，企業(yè)紛紛進(jìn)行數(shù)字化轉(zhuǎn)型，以保持自身優(yōu)勢(shì)，順應(yīng)經(jīng)濟(jì)發(fā)展。

基于以上背景，研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資的影響具有非常重要的現(xiàn)實(shí)意義。例如，企業(yè)數(shù)字化轉(zhuǎn)型是否能增加企業(yè)R&D投資，其影響機(jī)制有哪些，在不同的企業(yè)中這種影響是否會(huì)有差異？本文通過實(shí)證研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資的影響，以期豐富企業(yè)R&D投資行為的理論研究，也期望為決策部門針對(duì)性地制定促進(jìn)企業(yè)R&D投資的政策方案提供參考。

本文的主要邊際貢獻(xiàn)可能表現(xiàn)在：①將企業(yè)的R&D投資細(xì)分為投資強(qiáng)度和投資傾向，進(jìn)行了量和質(zhì)的區(qū)分，使企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資的影響衡量更準(zhǔn)確；②目前已有研究主要集中在對(duì)企業(yè)內(nèi)部影響機(jī)制的探索，忽略了外部影響，本文引入媒體關(guān)注度這一中介變量，拓展了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資過程機(jī)理的認(rèn)知；③從科技發(fā)展水平和市場(chǎng)化水平兩個(gè)方面進(jìn)一步討論數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資影響因素，對(duì)數(shù)字化轉(zhuǎn)型與R&D投資之間關(guān)系的研究進(jìn)行了有益補(bǔ)充。

1 理論分析與研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型與R&D投資

創(chuàng)新是復(fù)雜和耗資巨大的活動(dòng)，企業(yè)通常面臨創(chuàng)新投入短缺和創(chuàng)新融資難等問題。而R&D投資作為企業(yè)戰(zhàn)略性決策行為，其特點(diǎn)主要是投入金額高、研發(fā)周期長(zhǎng)、結(jié)果難以預(yù)測(cè)等［1］。因此企業(yè)在做出R&D投資決策時(shí)需要考慮各種因素，力求降低風(fēng)險(xiǎn)。企業(yè)數(shù)字化轉(zhuǎn)型則對(duì)企業(yè)內(nèi)外部都產(chǎn)生積極影響，促進(jìn)了企業(yè)R&D投資。

第一，從企業(yè)內(nèi)部來(lái)講，企業(yè)通過數(shù)字化轉(zhuǎn)型為R&D投資活動(dòng)提供全新的技術(shù)條件和手段，降低了企業(yè)的投資成本。如由于物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)等技術(shù)的發(fā)展，在網(wǎng)上搜尋信息速度不斷加快，溝通成本越來(lái)越低降低，使得全域創(chuàng)新資源共享共用成為可能［2］。同時(shí)隨著數(shù)字仿真和數(shù)字孿生等技術(shù)的發(fā)展，產(chǎn)品研發(fā)得到了很大支持，企業(yè)研發(fā)成本也逐漸降低［3］。如OA（辦公自動(dòng)化）、ERP（企業(yè)資源計(jì)劃）、大數(shù)據(jù)、ChatGPT等數(shù)字技術(shù)的應(yīng)用，加強(qiáng)了企業(yè)各部門之間的溝通交流、資源整合與資源共享，使數(shù)據(jù)資源能及時(shí)傳遞到各部門，增強(qiáng)了企業(yè)資源的利用率［4］。數(shù)字化轉(zhuǎn)型直接推動(dòng)技術(shù)開放共享、組織方式扁平化，使知識(shí)可以迅速在互聯(lián)網(wǎng)傳播，從而使創(chuàng)新研發(fā)成本不斷顯著下降。

第二，從企業(yè)外部來(lái)說(shuō)，數(shù)字化轉(zhuǎn)型為企業(yè)R&D投資提供了更多的融資渠道和資金，能夠提高投資者及資本市場(chǎng)對(duì)于公司的信任度。信號(hào)傳遞理論認(rèn)為企業(yè)主動(dòng)實(shí)施數(shù)字化轉(zhuǎn)型給市場(chǎng)帶來(lái)利好信息，有利于企業(yè)融資活動(dòng)。此外，企業(yè)數(shù)字化轉(zhuǎn)型也降低了市場(chǎng)和企業(yè)的信息不對(duì)稱程度，使市場(chǎng)可以更好地了解企業(yè)的研發(fā)動(dòng)向，從而提高投資意向［5］。總體而言，企業(yè)數(shù)字化轉(zhuǎn)型緩解了企業(yè)資金壓力，提升了企業(yè)風(fēng)險(xiǎn)承擔(dān)水平［6］，使得企業(yè)更愿意花時(shí)間和成本在R&D投資上。

根據(jù)陳爽英等［7］、謝會(huì)麗等［8］的研究，本文將企業(yè)R&D投資分為R&D投資傾向和R&D投資強(qiáng)度。因此，本文提出以下假設(shè)：

H1a：數(shù)字化轉(zhuǎn)型可以顯著提高企業(yè)對(duì)R&D投資強(qiáng)度。

H1b：數(shù)字化轉(zhuǎn)型可以顯著提高企業(yè)對(duì)R&D投資傾向。

1.2 數(shù)字化轉(zhuǎn)型、媒體關(guān)注度與R&D投資

媒體作為企業(yè)重要的外部相關(guān)者，對(duì)企業(yè)的發(fā)展也產(chǎn)生著重要影響。數(shù)字化轉(zhuǎn)型是我國(guó)的一項(xiàng)重大戰(zhàn)略部署，主動(dòng)實(shí)施數(shù)字化轉(zhuǎn)型的公司更易被媒體看好，引起媒體的關(guān)注報(bào)道?？紤]到數(shù)字化轉(zhuǎn)型需要較長(zhǎng)時(shí)間，這種關(guān)注度也會(huì)持續(xù)［9］。而媒體關(guān)注度提升則會(huì)推動(dòng)企業(yè)提升R&D投資。具體而言，一方面，媒體作為傳播信息的媒介，其報(bào)道可以使企業(yè)與市場(chǎng)之間信息不對(duì)稱問題得到有效緩解［10］。正面的媒體報(bào)道有助于塑造企業(yè)的良好形象，增加投資者信任度，切實(shí)緩解企業(yè)融資壓力、擴(kuò)大融資渠道與規(guī)模，進(jìn)而提高企業(yè)R&D投資。另一方面，媒體也具有監(jiān)督作用。媒體報(bào)道對(duì)企業(yè)發(fā)揮著監(jiān)督治理作用，管理層為了避免媒體的負(fù)面報(bào)道，往往會(huì)為企業(yè)長(zhǎng)遠(yuǎn)發(fā)展考慮，從而有助于企業(yè)R&D投資活動(dòng)的開展。

基于以上分析，本文提出以下假設(shè)：

H2a：數(shù)字化轉(zhuǎn)型通過增加媒體關(guān)注度進(jìn)而提高企業(yè)對(duì)R&D投資強(qiáng)度。

H2b：數(shù)字化轉(zhuǎn)型通過增加媒體關(guān)注度進(jìn)而提高企業(yè)對(duì)R&D投資傾向。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來(lái)源

本文選擇2017—2021年全部A股上市公司為初選樣本。樣本公司中相關(guān)的財(cái)務(wù)數(shù)據(jù)來(lái)自CSMAR；數(shù)字化轉(zhuǎn)型指標(biāo)使用文本分析法，利用Python軟件從各企業(yè)每年年報(bào)文件中提取相關(guān)語(yǔ)句形成；媒體關(guān)注度數(shù)據(jù)來(lái)自CNRDS數(shù)據(jù)庫(kù)；年報(bào)文件來(lái)自巨潮資訊網(wǎng)。剔除金融類、保險(xiǎn)類上市公司觀測(cè)值，剔除數(shù)據(jù)存在異常和關(guān)鍵變量有缺失的觀測(cè)值，同時(shí)也剔除被ST、*ST、PT的公司。本文對(duì)所有連續(xù)型變量進(jìn)行雙側(cè)1%的縮尾處理。

2.2 變量設(shè)定

2.2.1 被解釋變量：R&D投資

本文借鑒陳爽英等［7］、謝會(huì)麗等［8］的研究，將企業(yè)的RD投資（RD）用兩種方法來(lái)衡量，即分為R&D投資強(qiáng)度（RD-I）和R&D投資傾向（RD-D）。具體而言，R&D投資強(qiáng)度（RD-I）用上市公司的企業(yè)本年研發(fā)投入與本年?duì)I業(yè)收入之比來(lái)表示。R&D投資傾向（RD-D）基于以下步驟構(gòu)建：先將樣本分行業(yè)計(jì)算研發(fā)投資強(qiáng)度的均值，然后選擇均值為界定門檻，超過界定門檻則認(rèn)為企業(yè)有較強(qiáng)的R&D投資傾向，RD-D為1；低于界定門檻的企業(yè)則認(rèn)為R&D投資傾向較弱，RD-D為0［8］。

2.2.2 解釋變量：數(shù)字化轉(zhuǎn)型DCG

本文采用吳非等［11］的做法，用Python爬蟲技術(shù)獲取滬深A(yù)股上市公司年報(bào)并進(jìn)行分析，對(duì)年度報(bào)告中每個(gè)特征詞的出現(xiàn)次數(shù)進(jìn)行統(tǒng)計(jì)和匯總，得出總指標(biāo)。為提高分析準(zhǔn)確性，本文對(duì)其進(jìn)行對(duì)數(shù)化處理，得到最終指標(biāo)DGG。

2.2.3 中介變量：媒體關(guān)注Media

信息化時(shí)代，各類媒體的報(bào)道都會(huì)“上網(wǎng)”，因此，本文參考儀秀琴和周悅［12］的做法，選用網(wǎng)絡(luò)媒體報(bào)道次數(shù)來(lái)對(duì)媒體關(guān)注度進(jìn)行衡量，為保證數(shù)據(jù)正態(tài)分布，對(duì)報(bào)道次數(shù)加1后進(jìn)行標(biāo)準(zhǔn)化處理。

2.2.4 控制變量

根據(jù)以往研究，本研究選取以下變量：企業(yè)規(guī)模（Size）、企業(yè)年齡（Age）、資產(chǎn)負(fù)債率（Lev）、賬面市值比（Bm）、流動(dòng)比率（Liq）、現(xiàn)金流量（Cflow）作為控制變量，同時(shí)控制行業(yè)和年份。各變量定義見表1。

2.3 模型設(shè)定

為檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資的影響，構(gòu)建模型（1）

RD-Ii，t/RD-Di，t=β0+β1DCGi，t+β2Controli，t+∑Indi，t+∑Yeari，t+ε（1）

為檢驗(yàn)假設(shè)2，參照溫忠麟和葉寶娟［13］提出的中介效應(yīng)檢驗(yàn)方法，構(gòu)建模型（2）

RD-Ii，t/RD-Di，t=α0+α1DCGi，t+α2Controli，t+∑Indi，t+∑Yeari，t+ε

Mediai，t=α0+α1DCGi，t+α2Controli，t+∑Indi，t+∑Yeari，t+ε

RD-Ii，t/RD-Di，t=α0+α1DCGi，t+α2Mediai，t+α3Controli，t+∑Indi，t+∑Yeari，t+ε（2）

式（1）（2）中：i為企業(yè)；t為年份；Controli，t為控制變量集合；ε為隨機(jī)誤差項(xiàng)。

使用Stata進(jìn)行數(shù)據(jù)檢驗(yàn)時(shí)，當(dāng)被解釋變量為RD-I時(shí)采用OLS模型，當(dāng)被解釋變量為RD-D時(shí)采用Probit模型。

3 實(shí)證結(jié)果

3.1 描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果見表2。通過結(jié)果可以看到，R&D投資強(qiáng)度RD-I的平均值為5.792，中位數(shù)為4.3，這表明在我國(guó)大部分企業(yè)2017—2021年的R&D投資強(qiáng)度還未達(dá)到全國(guó)平均水平，而最大值和最小值分別為28.25和0.03，說(shuō)明企業(yè)間的研發(fā)投入強(qiáng)度差距比較大。R&D投資傾向RD-D的平均值為0.358 7，中位數(shù)為0，說(shuō)明35.87%的企業(yè)R&D投資在行業(yè)均值以上。企業(yè)數(shù)字化轉(zhuǎn)型（DCG）最小值為0.000，最大值為6.3，標(biāo)準(zhǔn)差為0.479 7，說(shuō)明截至2021年，在我國(guó)A股上市公司中仍存在部分企業(yè)還沒有進(jìn)行數(shù)字化轉(zhuǎn)型，而進(jìn)行數(shù)字轉(zhuǎn)型的企業(yè)，轉(zhuǎn)型的程度也參差不齊。

3.2 相關(guān)性分析

樣本中各變量的Pearson相關(guān)系數(shù)見表3。從表3可見，數(shù)字化轉(zhuǎn)型（DCG）與R&D投資（RD-I、RD-D）的相關(guān)系數(shù)在1%水平顯著，表明在不考慮其他變量的情況下，企業(yè)數(shù)字化轉(zhuǎn)型與R&D投資存在正向效應(yīng)，初步驗(yàn)證了假設(shè)。各變量相關(guān)系數(shù)值均未超過0.7，表明各變量之間相關(guān)性不強(qiáng)，可以開展下一步回歸分析。

3.3 回歸分析

模型（1）的基準(zhǔn)回歸結(jié)果見表4。在表4的OLS回歸模型中，數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)為正，且在1%水平顯著。這意味著隨著數(shù)字化轉(zhuǎn)型程度的提高，企業(yè)更加重視對(duì)研發(fā)的長(zhǎng)效投入，促進(jìn)了企業(yè)的R&D投資。在Probit模型中，數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)也在1%水平顯著為正。這也意味著相比與沒有進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)，進(jìn)行了數(shù)字化轉(zhuǎn)型的企業(yè)有較強(qiáng)的R&D投資傾向。本文的假設(shè)1得到驗(yàn)證。

3.4 機(jī)制檢驗(yàn)

企業(yè)數(shù)字化轉(zhuǎn)型、媒體關(guān)注度對(duì)于R&D投資的檢驗(yàn)結(jié)果見表5。表5第（3）列結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型能顯著提高媒體關(guān)注度，且回歸系數(shù)在1%的水平顯著為正。第（4）列和第（5）列結(jié)果顯示，數(shù)字化轉(zhuǎn)型回歸系數(shù)均為正，且在1%水平顯著，這一結(jié)果表

明媒體關(guān)注度的確在企業(yè)數(shù)字化轉(zhuǎn)型影響R&D投資中起中介作用。同時(shí)，通過Bootstrap檢驗(yàn)表明，95%置信區(qū)間內(nèi)的中間接效應(yīng)與直接效應(yīng)都不包含0，表明有部分的中介作用。驗(yàn)證了本文假設(shè)2。

3.5 穩(wěn)健性檢驗(yàn)

穩(wěn)健性檢驗(yàn)結(jié)果見表6

3.5.1 替換被解釋變量

參考以往文獻(xiàn)，本文從國(guó)泰安數(shù)據(jù)庫(kù)搜集非金融類上市公司年報(bào)，選取年報(bào)中的研發(fā)費(fèi)用作為企業(yè)R&D投資并進(jìn)行回歸，結(jié)果見表6第（1）列，回歸系數(shù)顯著為正，與上述結(jié)果一致。假設(shè)1得到再次驗(yàn)證。

3.5.2 解釋變量滯后

考慮到當(dāng)年的數(shù)字化轉(zhuǎn)型可能會(huì)對(duì)下一期R&D投資產(chǎn)生影響，本文對(duì)數(shù)字化轉(zhuǎn)型進(jìn)行滯后一期處理，結(jié)果見表6第（2）、（3）列，回歸結(jié)果均在1%水平顯著，研究結(jié)果依然穩(wěn)健。

4 異質(zhì)性分析

4.1 科技發(fā)展水平、數(shù)字化轉(zhuǎn)型與R&D投資

本文參考邵劍兵和吳珊［14］對(duì)高新技術(shù)企業(yè)的定義，選擇以下6個(gè)行業(yè)：①化學(xué)原料及化學(xué)制品制造業(yè)；②儀器儀表制造業(yè)；③醫(yī)藥制造業(yè)；④軟件和信息技術(shù)服務(wù)業(yè)；⑤化學(xué)纖維制造業(yè)；⑥計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)作為高新技術(shù)行業(yè)［14］。當(dāng)企業(yè)為高新技術(shù)企業(yè)時(shí)，Hightech取值為1，其余為0。在模型中引入DCG與Hightech的交乘項(xiàng)DCG×Hightech，研究科技發(fā)展水平對(duì)數(shù)字化轉(zhuǎn)型R&D投資效應(yīng)的影響。構(gòu)建模型如下

RD-Ii，t/RD-Di，t=β0+β1DCGi，t+β2Hightech+β3DCG×Hightech+β4Controli，t+∑Indi，t+∑Yeari，t+ε

回歸分析結(jié)果見表7。表7中DCG×Hightech的系數(shù)均顯著為正，表明科技發(fā)展水平越高的企業(yè)，數(shù)字化轉(zhuǎn)型對(duì)R&D投資的強(qiáng)度和傾向促進(jìn)作用越強(qiáng)。本文認(rèn)為，高科技企業(yè)擁有數(shù)字化轉(zhuǎn)型的相關(guān)技術(shù)和人才，能充分實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，發(fā)揮數(shù)字化轉(zhuǎn)型優(yōu)勢(shì)。而非高新技術(shù)企業(yè)，其核心競(jìng)爭(zhēng)力通常不是技術(shù)，公司在市場(chǎng)立足，關(guān)鍵環(huán)節(jié)可能是商業(yè)模式、產(chǎn)品、市場(chǎng)品牌或者資源渠道等。企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型后，更會(huì)將成果應(yīng)用于其他方面。

4.2 市場(chǎng)化水平、數(shù)字化轉(zhuǎn)型與R&D投資

本文采用王小魯?shù)染帉懙摹吨袊?guó)分省份市場(chǎng)化指數(shù)報(bào)告（2018）》中的市場(chǎng)化總指數(shù)作為各省市場(chǎng)化水平的代理變量，并借鑒俞紅海等［15］的做法，采用2009—2016年的平均增長(zhǎng)率推算2017—2021年的數(shù)值。該指數(shù)越大，表明該地區(qū)市場(chǎng)化水平越高。在模型中加入DCG與Market的交乘項(xiàng)DCG×Market，研究市場(chǎng)化水平對(duì)數(shù)字化轉(zhuǎn)型在企業(yè)R&D投資中的作用。構(gòu)建模型如下

RD-Ii，t/RD-Di，t=β0+β1DCGi，t+β2Market+β3DCG×Market+β4Controli，t+∑Indi，t+∑Yeari，t+ε

回歸分析結(jié)果見表8。由表8可知DCG×Market的系數(shù)均在1%的水平顯著為正，這表明當(dāng)企業(yè)處于市場(chǎng)化水平較高的地區(qū)時(shí)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資強(qiáng)度和投資傾向的促進(jìn)作用更強(qiáng)。本文認(rèn)為，企業(yè)數(shù)字化轉(zhuǎn)型需要依靠外部條件的支撐，較高的市場(chǎng)化水平會(huì)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型和R&D投資產(chǎn)生積極影響。一方面，市場(chǎng)化水平較高的地區(qū)，政府干預(yù)較少，市場(chǎng)獲利被激活，企業(yè)在數(shù)字化轉(zhuǎn)型過程中可以獲取更豐富的市場(chǎng)信息，強(qiáng)化資源要素配置效率，有針對(duì)性地進(jìn)行R&D投資，獲得更多利潤(rùn)；另一方面，在更高層次的市場(chǎng)化中，企業(yè)間競(jìng)爭(zhēng)愈加激烈，而企業(yè)數(shù)字化轉(zhuǎn)型也逐步成為信息披露中的一個(gè)重要組成部分，企業(yè)披露相關(guān)信息，會(huì)使投資者信心加強(qiáng)，企業(yè)能吸引更多投資，從而增加創(chuàng)新所需資本，極大緩解企業(yè)受融資約束的影響，加大對(duì)R&D的投資［16］。

5 結(jié)語(yǔ)

本文利用滬深A(yù)股2017—2021年上市公司面板數(shù)據(jù)，通過構(gòu)建實(shí)證模型，從投資強(qiáng)度和投資傾向兩個(gè)方面驗(yàn)證了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資的影響。實(shí)證結(jié)果顯示：數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)R&D投資；分析其作用機(jī)制發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型可以通過提高媒體關(guān)注度進(jìn)而提高企業(yè)R&D投資。進(jìn)一步分析表明，在高新技術(shù)企業(yè)和處于市場(chǎng)化水平更高地區(qū)的企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)R&D投資強(qiáng)度和投資傾向的促進(jìn)作用更強(qiáng)。

基于以上結(jié)論，本文提出如下建議：①企業(yè)應(yīng)樹立數(shù)字化轉(zhuǎn)型觀念，積極推進(jìn)數(shù)字化轉(zhuǎn)型，提升內(nèi)外部資源整合能力，推動(dòng)數(shù)字技術(shù)與企業(yè)實(shí)務(wù)之間的融合與發(fā)展，降低R&D投資成本，增加投資者信心，向市場(chǎng)傳遞積極信號(hào)，緩解融資約束，加大對(duì)R&D投資；②媒體作為強(qiáng)有力的外部監(jiān)督者和信息傳播者，應(yīng)該發(fā)揮其作用，對(duì)企業(yè)積極行為給予鼓勵(lì)，促進(jìn)企業(yè)R&D投資，政府也應(yīng)當(dāng)建立健全媒體行業(yè)監(jiān)管制度，加大監(jiān)督力度，以保證媒體傳播者的中介作用能正常發(fā)揮；③企業(yè)在發(fā)展過程中應(yīng)結(jié)合自身行業(yè)特質(zhì)，利用市場(chǎng)資源，充分發(fā)揮數(shù)字化轉(zhuǎn)型帶來(lái)的提升效應(yīng)。科技是第一生產(chǎn)力，非高科技企業(yè)在進(jìn)行資源分配時(shí)，也應(yīng)考慮到R&D投資的重要性，增加對(duì)企業(yè)R&D的投資。

參考文獻(xiàn)

［1］劉勝?gòu)?qiáng)，肖夢(mèng)珍，黃琳芮.經(jīng)濟(jì)政策不確定性、金融資產(chǎn)配置與企業(yè)R&D投資［J］.華東經(jīng)濟(jì)管理，2022，36（10）：90-99.

［2］張昕蔚.數(shù)字經(jīng)濟(jì)條件下的創(chuàng)新模式演化研究［J］.經(jīng)濟(jì)學(xué)家，2019（7）：32-39.

［3］POUSTTCHI K，TILSON D，LYYTINEN K，等.移動(dòng)電子商務(wù)研究的過去、現(xiàn)在和未來(lái)：還有哪些領(lǐng)域需要繼續(xù)研究？［J］.經(jīng)濟(jì)資料譯叢，2016（2）：84-98.

［4］李海艦，田躍新，李文杰.互聯(lián)網(wǎng)思維與傳統(tǒng)企業(yè)再造［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2014（10）：135-146.

［5］尹振東，龔雅嫻，石明明.數(shù)字化轉(zhuǎn)型與線上線下動(dòng)態(tài)競(jìng)爭(zhēng)：消費(fèi)者信息的視角［J］.經(jīng)濟(jì)研究，2022，57（9）：192-208.

［6］王會(huì)娟，陳新楷，陳文強(qiáng)，等.數(shù)字化轉(zhuǎn)型能提高企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平嗎？［J］.財(cái)經(jīng)論叢，2022（12）：70-80.

［7］陳爽英，井潤(rùn)田，龍小寧，等.民營(yíng)企業(yè)家社會(huì)關(guān)系資本對(duì)研發(fā)投資決策影響的實(shí)證研究［J］.管理世界，2010（1）：88-97.

［8］謝會(huì)麗，肖作平，王丹青，等.民營(yíng)企業(yè)創(chuàng)始控制對(duì)R&D投資的影響：基于管家理論的實(shí)證分析［J］.南開管理評(píng)論，2019，22（4）：114-122，147.

［9］苗旺，吳楊，李銳.企業(yè)數(shù)字化轉(zhuǎn)型如何降低第一類代理成本？：基于內(nèi)部控制和外部治理的雙重視角［J］.科學(xué)與管理：1-13.

［10］梁運(yùn)吉，韓瑞芬，梁梓潞.綠色技術(shù)創(chuàng)新、媒體關(guān)注與企業(yè)價(jià)值：來(lái)自重污染行業(yè)的經(jīng)驗(yàn)證據(jù)［J］.會(huì)計(jì)之友，2023（6）：112-119.

［11］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(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021，37（7）：130-144，10.

［12］儀秀琴，周悅.環(huán)境信息披露、媒體關(guān)注度與企業(yè)非效率投資：基于重污染企業(yè)數(shù)據(jù)［J］.財(cái)會(huì)通訊，2023（5）：53-58.

［13］溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展［J］.心理科學(xué)進(jìn)展，2014，22（05）：731-745.

［14］邵劍兵，吳珊.高管團(tuán)隊(duì)薪酬差距對(duì)雙元?jiǎng)?chuàng)新的影響研究：來(lái)自高新技術(shù)企業(yè)的經(jīng)驗(yàn)證據(jù)［J］.證券市場(chǎng)導(dǎo)報(bào)，2021（3）：39-49.

［15］俞紅海，徐龍炳，陳百助.終極控股股東控制權(quán)與自由現(xiàn)金流過度投資［J］.經(jīng)濟(jì)研究，2010，45（8）：103-114.

［16］范紅忠，王子悅，陶爽.數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新：基于文本分析方法的經(jīng)驗(yàn)證據(jù)［J］.技術(shù)經(jīng)濟(jì)，2022，41（10）：34-44.

收稿日期：2023-06-27

作者簡(jiǎn)介：

劉香茹，女，2000年生，碩士研究生在讀，主要研究方向：公司治理。

袁蘊(yùn)，女，1975年生，博士研究生，教授，碩士研究生導(dǎo)師，主要研究方向：公司治理。