市場競爭、高管風(fēng)險偏好與數(shù)字化轉(zhuǎn)型

夏喆 梁婉玲

摘 要：本文基于高層階梯理論，以2012—2019年A股上市公司為研究對象，運用年報文本分析法，從宏觀市場競爭和微觀高管風(fēng)險偏好相結(jié)合的視角，深入分析二者對企業(yè)數(shù)字化轉(zhuǎn)型所帶來的影響。實證結(jié)果表明：市場競爭越激烈，企業(yè)數(shù)字化轉(zhuǎn)型程度越低;高風(fēng)險偏好的管理者，更傾向促進企業(yè)數(shù)字化轉(zhuǎn)型。進一步研究發(fā)現(xiàn)，二者的關(guān)系在服務(wù)業(yè)、非國有企業(yè)和東部地區(qū)更為顯著。研究結(jié)果將有助于發(fā)展數(shù)字經(jīng)濟、促進數(shù)字經(jīng)濟和實體經(jīng)濟融合，為企業(yè)數(shù)字化轉(zhuǎn)型提供理論參考。

關(guān)鍵詞：市場競爭;高管風(fēng)險偏好;數(shù)字化轉(zhuǎn)型

一、引言

隨著人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等數(shù)字技術(shù)的飛速發(fā)展，數(shù)字已經(jīng)成為推動經(jīng)濟社會發(fā)展的強大動能（吳非等，2021）[1]。黨的十九大報告中指出，要“加快建設(shè)制造強國，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟的深度融合”。2021年《政府工作報告》中也同樣指出。數(shù)字技術(shù)在企業(yè)組織結(jié)構(gòu)、管理模式等方面的創(chuàng)新，有助于企業(yè)在生產(chǎn)經(jīng)營中高效獲取信息、改善融資約束困境，為企業(yè)生產(chǎn)效率的提升注入強勁的動力（趙宸宇等，2021;Hanelt等，2021）[2～3]。相較于未實施數(shù)字化轉(zhuǎn)型的企業(yè)，實施過的企業(yè)會有更高的生產(chǎn)效率（Anandhi等，2013）[4]。目前實體經(jīng)濟對數(shù)字化技術(shù)的應(yīng)用需求不斷提升（趙婷婷等，2021）[5]，在技術(shù)發(fā)展和政策雙重鼓勵的推動下，數(shù)字化已經(jīng)成為我國經(jīng)濟轉(zhuǎn)向高質(zhì)量發(fā)展的重要推動力。

縱觀數(shù)字化相關(guān)研究文獻，大部分研究聚焦于動態(tài)能力、信息技術(shù)、研發(fā)投入因素的影響。同時數(shù)字化帶來的經(jīng)濟后果也日益受到學(xué)者關(guān)注。如：數(shù)字化轉(zhuǎn)型能夠促進企業(yè)治理水平和經(jīng)濟效益的提高。實踐中諸多企業(yè)是否因市場競爭而陷入數(shù)字化轉(zhuǎn)型困境，高管的風(fēng)險偏好是否會阻礙或促進企業(yè)的數(shù)字化轉(zhuǎn)型，其內(nèi)生動力和外在機制又是怎樣的？立足于此視角的文獻并不多。因此，進一步厘清企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)影響因素便顯得尤為重要。

本文的邊際貢獻在于：第一，采用Python爬蟲技術(shù)，利用非結(jié)構(gòu)化的文本數(shù)據(jù)構(gòu)建了企業(yè)數(shù)字程度的衡量指標(biāo)，對數(shù)字化水平的度量更為準確、可信;第二，運用主成分分析法從高管個人層面和公司層面的因素來綜合衡量高管風(fēng)險偏好水平;第三，通過分析市場競爭和高管風(fēng)險偏好影響的異質(zhì)性，發(fā)現(xiàn)不同行業(yè)性質(zhì)、產(chǎn)權(quán)性質(zhì)和區(qū)域的企業(yè)在數(shù)字化轉(zhuǎn)型上存在差異。上述發(fā)現(xiàn)將豐富企業(yè)數(shù)字化轉(zhuǎn)型影響因素的相關(guān)研究。

二、文獻回顧與研究假設(shè)

（一）市場競爭與數(shù)字化轉(zhuǎn)型

數(shù)字技術(shù)的發(fā)展，給企業(yè)帶來了巨大的挑戰(zhàn)。要想維持行業(yè)中的地位，企業(yè)就必須要適應(yīng)數(shù)字技術(shù)的發(fā)展，進行數(shù)字化轉(zhuǎn)型（張慶君等，2022）[6]。市場競爭作為企業(yè)重要的外部治理機制，是決定其進行數(shù)字化轉(zhuǎn)型的關(guān)鍵因素（吳非等，2021）[1]。一方面，企業(yè)會避免在競爭中處于不利地位，而加大對數(shù)字化轉(zhuǎn)型的投入;另一方面，市場競爭會削弱企業(yè)的利潤（馬捷等，2012）[7]，從而導(dǎo)致企業(yè)數(shù)字化轉(zhuǎn)型動機的下降（Guo Yineng等，2022）[8]。在市場經(jīng)濟體制下，雖然市場機制在數(shù)字化轉(zhuǎn)型中發(fā)揮著關(guān)鍵作用，但企業(yè)的轉(zhuǎn)型發(fā)展依然對非市場要素（如政府）存在嚴重依賴（鄧新明等，2015）[9]。政府補貼作為資源配置的一種手段，可以降低企業(yè)的轉(zhuǎn)型風(fēng)險，進而促進企業(yè)的數(shù)字化轉(zhuǎn)型（施建軍等，2021）[10]。

市場競爭作為一種市場信號，對企業(yè)數(shù)字化轉(zhuǎn)型的影響具有不確定性（夏清華等，2019）[11]。隨著市場競爭的不斷加劇，為了維持現(xiàn)有的市場份額，企業(yè)往往會自發(fā)地選擇數(shù)字化轉(zhuǎn)型（許國藝等，2014）[12]。通過數(shù)字化轉(zhuǎn)型，不僅可以更新企業(yè)的商業(yè)模式，還會使企業(yè)捕捉到更多的市場機會（劉中華等，2021）[13]。面對市場競爭，企業(yè)雖然存在被取代、利潤被侵蝕的風(fēng)險，但通過數(shù)字化轉(zhuǎn)型，降低成本，提升效率，實現(xiàn)技術(shù)的改造升級，也會實現(xiàn)利潤的增加（黃大禹等，2022）[14]。

但是，市場競爭所帶來的壓力也不利于企業(yè)數(shù)字化轉(zhuǎn)型（Atayde等，2021）[15]。企業(yè)數(shù)字化轉(zhuǎn)型具有資金投入多、技術(shù)需求高、周期性長等特點，會導(dǎo)致企業(yè)在數(shù)字化轉(zhuǎn)型中出現(xiàn)“不愿轉(zhuǎn)型”“不敢轉(zhuǎn)型”的困境（劉淑春等，2021）[16]。當(dāng)市場競爭趨于激烈，企業(yè)會傾向于短期策略以保障當(dāng)前的市場地位。在此情況下，政府補貼就顯得尤為重要，這將會激發(fā)企業(yè)數(shù)字化轉(zhuǎn)型的動力（余典范等，2022）[17]。當(dāng)市場競爭加劇時，企業(yè)更傾向于更為穩(wěn)妥且能在短期內(nèi)見效的方式加以應(yīng)對，而不會選擇周期比較長的數(shù)字化轉(zhuǎn)型策略。然而，隨著數(shù)字技術(shù)的發(fā)展，企業(yè)運用數(shù)字技術(shù)成本的降低，市場競爭也會促進企業(yè)數(shù)字化轉(zhuǎn)型。因此，本文提出如下假設(shè)。

H1：市場競爭與數(shù)字化轉(zhuǎn)型具有反向抑制作用，即市場競爭越激烈，企業(yè)數(shù)字化轉(zhuǎn)型程度越低。

H2：市場競爭與數(shù)字化轉(zhuǎn)型具有正向促進作用，即市場競爭越激烈，企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

（二）高管風(fēng)險偏好與數(shù)字化轉(zhuǎn)型

在面對不確定性時，受到內(nèi)外部環(huán)境和個人因素的影響，人們的行為決策往往是不理性的，通常伴隨著主觀意愿。風(fēng)險態(tài)度和風(fēng)險行為往往會導(dǎo)致決策呈現(xiàn)出差異性和多變性（葉建木等，2021）[18]。當(dāng)個體在面臨決策時，通常表現(xiàn)出對不確定性風(fēng)險的規(guī)避和面對高收益時的風(fēng)險承擔(dān)，從而導(dǎo)致對不確定性事件的估計存在偏差。高層梯隊理論（Hambrick等1984）[19]，認為企業(yè)高管的外部環(huán)境和個人特征的不同，會促使其對相同的事情產(chǎn)生不同的處理方法。高管的決策往往會受到其風(fēng)險偏好的影響，進而影響更重大的決策。部分研究發(fā)現(xiàn)，管理者的認知與性別、年齡（賴黎等，2016）[20]、學(xué)歷（Hammond等，1998;Ben-David I等，2008）[21～22]具有相關(guān)性，在很大程度上影響著他們的決策，也影響著他們的風(fēng)險偏好。相對于年齡，高管風(fēng)險偏好與公司戰(zhàn)略決策更密切相關(guān)。數(shù)字化轉(zhuǎn)型高風(fēng)險且結(jié)果難以把控的特征，成為高管決策權(quán)衡的重要因素，結(jié)果往往會受到高管風(fēng)險偏好的影響（唐清泉等，2009）[23]。

在現(xiàn)代企業(yè)的股權(quán)管理決策和經(jīng)營決策理論的體系下，企業(yè)的高管層往往掌握了企業(yè)日常的經(jīng)營權(quán)和決策權(quán)，會對企業(yè)的發(fā)展帶來較大的影響（陳金勇等，2021）[24]。企業(yè)高管既出于自身地位的維護，又出于避免被解雇情況的發(fā)生，往往會基于自身利益最大化而做出決策。數(shù)字化轉(zhuǎn)型作為能為企業(yè)長期提質(zhì)增效的重要戰(zhàn)略（張夏恒等，2020）[25]，勢必會受到高管風(fēng)險偏好的影響，這也會在一定程度上打亂企業(yè)常態(tài)化數(shù)字化轉(zhuǎn)型的路徑，從而阻礙企業(yè)數(shù)字化轉(zhuǎn)型的程度，弱化企業(yè)數(shù)字化轉(zhuǎn)型的增效效果。從風(fēng)險和收益視角出發(fā)，企業(yè)高管通常不會選擇數(shù)字化轉(zhuǎn)型這一長期戰(zhàn)略，往往會選擇在短期內(nèi)得以實現(xiàn)利潤的決策，也使得企業(yè)決策具有短期偏好性。高管的短視行為也體現(xiàn)出其對風(fēng)險偏好的厭惡，從而導(dǎo)致風(fēng)險偏好不強，數(shù)字化轉(zhuǎn)型程度的降低。因此，本文提出如下假設(shè)。

H3：高管風(fēng)險偏好與數(shù)字化轉(zhuǎn)型呈現(xiàn)正向促進作用，即高風(fēng)險偏好的管理者更傾向促進企業(yè)數(shù)字化轉(zhuǎn)型。

三、研究設(shè)計

（一）樣本和數(shù)據(jù)來源

考慮到國家數(shù)字化轉(zhuǎn)型相關(guān)政策主要體現(xiàn)在2012年之后，因此，本文以A股所有上市公司2012—2019年數(shù)據(jù)作為初始研究樣本。為了使結(jié)果更具信服力，依次剔除了如下樣本：處于ST、PT、資不抵債的公司;所有金融類公司;相關(guān)變量缺失的公司。最終，得到包含1214家上市公司的9712個觀測值。企業(yè)數(shù)字化轉(zhuǎn)型變量來自對公司年報文本的分析，其他財務(wù)數(shù)據(jù)主要來自國泰安（CSMAR）數(shù)據(jù)庫。本文對連續(xù)變量進行上下1%、99%的縮尾處理，以使結(jié)果更穩(wěn)健。公司相關(guān)數(shù)據(jù)均使用Stata16、Spss26.0軟件展開實證研究。

（二）模型設(shè)定及變量說明

由于目前還沒有研究數(shù)字化轉(zhuǎn)型的權(quán)威實證模型，本文借鑒袁淳教授（2021）[26]研究數(shù)字化轉(zhuǎn)型對企業(yè)分工影響的模型，并引入企業(yè)規(guī)模、業(yè)績、年齡等控制變量構(gòu)建如下回歸模型對提出的假設(shè)H1和H2進行驗證：

Digitali，t=ɑ0+ɑ1CR8i，t+ΣControls+ΣYear+ΣIndustry+ΣProvince+εi，t（1）

為了考察不同高管風(fēng)險偏好對企業(yè)數(shù)字化轉(zhuǎn)型的促進作用，本文構(gòu)建以下回歸模型對假設(shè)H3進行驗證：

Digitali，t=ɑ0+ɑ1MRPi，t+ΣControls+ΣYear+ΣIndustry+ΣProvince+εi，t（2）

其中被解釋變量Digitali，t表示i企業(yè)在t年的數(shù)字化轉(zhuǎn)型程度;解釋變量CR8i，t表示i企業(yè)在t年的市場競爭程度;MRPi，t表示i企業(yè)在t年的高管的風(fēng)險偏好;Controls為一系列控制變量;Year、Industry和Province分別表示年度、行業(yè)和省份固定效應(yīng)。

1. 被解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型程度（Digital）的衡量

大多數(shù)數(shù)字化轉(zhuǎn)型的相關(guān)文獻，僅停留在定性分析的視角，鮮有文獻對企業(yè)數(shù)字化轉(zhuǎn)型進行定量的衡量。已有學(xué)者做了一些有益嘗試，采用“0-1”虛擬變量來度量企業(yè)數(shù)字化轉(zhuǎn)型，這種方法無法準確反映出企業(yè)數(shù)字化轉(zhuǎn)型的程度。不同于以往的相關(guān)文獻，本文將借鑒袁淳[26]、何帆等[27]的思路來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。首先，借鑒何帆[27]2019年的研究，通過對相關(guān)政府網(wǎng)站進行檢索，人工篩選得到2012—2019年期間發(fā)布的重要的國家層面數(shù)字經(jīng)濟相關(guān)文件，用于提取企業(yè)數(shù)字化相關(guān)的關(guān)鍵詞。經(jīng)過Python分詞處理和人工檢索高詞頻（大于等于5）的詞匯構(gòu)成企業(yè)數(shù)字化詞典。其次，將第一步數(shù)字化詞匯擴充到Python軟件包的“jieba”中文分詞庫，再基于機器學(xué)習(xí)方法對上市公司年報“管理層討論與分析”（MD&A）語段進行文本分析，統(tǒng)計相關(guān)詞匯（大于等于5）在年報中出現(xiàn)的頻率。最后考慮到MD&A部分文本長度的差異后，采用企業(yè)數(shù)字化相關(guān)詞匯詞頻加總數(shù)來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。

2. 解釋變量：市場競爭程度（CR8）的衡量

學(xué)術(shù)界對于市場競爭的衡量主要有赫芬達爾指數(shù)、勒納指數(shù)、主營業(yè)務(wù)毛利率等三種度量方法。赫芬達爾指數(shù)、勒納指數(shù)與主營業(yè)務(wù)毛利率分別立足于價格和邊際成本與利潤和主營業(yè)務(wù)收入計算，會存在一些內(nèi)生性問題。因而，本文借鑒孔令文等（2022）[28]學(xué)者們較為通行的行業(yè)集中度指標(biāo)（CRn指數(shù)）來衡量市場競爭程度。

CR8為該行業(yè)中占有市場份額最大的八家公司銷售額與全行業(yè)銷售總額之比。

3. 解釋變量：高管風(fēng)險偏好程度（MRP）的衡量

本文借鑒陳金勇教授（2021）[24]的研究，運用主成分分析法對上市公司財務(wù)指標(biāo)原始數(shù)據(jù)標(biāo)準化處理，然后運用KMO和Bartlett球形方法對經(jīng)標(biāo)準化后的變量進行檢驗。再根據(jù)成分得分系數(shù)及標(biāo)準化后的變量，構(gòu)建高管風(fēng)險偏好的度量模型：

MRP=∑nβi×Fi（3）

MRP表示高管風(fēng)險偏好程度的綜合度量，βi表示各主成分的貢獻系數(shù)，F(xiàn)i表示抽取的各主成分，N代表抽取的主成分個數(shù)，將各成分代入到上式中，計算得到高管風(fēng)險偏好的綜合得分計量。

4. 控制變量

參考以往學(xué)者的研究經(jīng)驗并結(jié)合本文的研究特點，在回歸模型中控制了一系列會影響企業(yè)數(shù)字化轉(zhuǎn)型的公司特征變量，包括：凈資產(chǎn)收益率（ROE，以凈利潤與股東權(quán)益平均余額的比值來衡量）、企業(yè)規(guī)模（Size，以資產(chǎn)總額的自然對數(shù)來衡量）、企業(yè)業(yè)績（Perform，以當(dāng)年凈利潤與資產(chǎn)總額的比值來衡量）、企業(yè)資本密集度（Capital，以固定資產(chǎn)占資產(chǎn)總額的比值來衡量）和企業(yè)年齡（Age，以成立年份起到觀測年份的差值來衡量）。詳細的變量數(shù)據(jù)結(jié)構(gòu)參見表2。

四、實證結(jié)果與分析

（一）管理層風(fēng)險偏好程度的綜合評價指標(biāo)

為了防止多重共線性，對原始數(shù)據(jù)進行Z-標(biāo)準化處理。利用SPSS進行主成分分析、KMO和巴特利特球形度檢驗，結(jié)果詳見下表3。一般而言，主成分分析中KMO檢驗的最低范圍為[0.50，0.59]，巴特利球體檢驗顯著性小于0.5。本文數(shù)據(jù)KMO值為0.631（大于0.59），且巴特利球體檢驗顯著性小于0.5。因此，本文研究結(jié)果具有可信性。

（二）描述性分析與相關(guān)性分析

通過表4對樣本進行描述性分析，本文發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型程度Digital、市場競爭CR8和高管風(fēng)險偏好MRP最大值與最小值差異較大，說明上市公司之間變量懸殊相差較大。表5報告了主要變量相關(guān)性分析結(jié)果。其中相關(guān)性系數(shù)基本小于0.5，VIF值遠小于10，因此，本文研究不存在多重共線性問題。

（三）回歸分析

表6報告了回歸的結(jié)果，本文采用了遞進式的回歸策略?；貧w結(jié)果顯示，市場競爭CR8的系數(shù)在五次回歸中均在1%水平上顯著為負。這充分說明了市場競爭對企業(yè)數(shù)字化轉(zhuǎn)型的顯著性影響，即市場競爭越激烈，企業(yè)數(shù)字化轉(zhuǎn)型程度越低。這很好地印證了前文的假設(shè)H1?？紤]到表6結(jié)果難以直觀體現(xiàn)市場競爭對企業(yè)數(shù)字化轉(zhuǎn)型的影響，后文還將針對不同性質(zhì)的企業(yè)展開異質(zhì)性分析。

表7報告了回歸的結(jié)果，本文采用了遞進式的回歸策略?；貧w結(jié)果顯示，高管風(fēng)險偏好MRP的系數(shù)在五次回歸中均在1%水平上顯著為正。這充分說明了高管風(fēng)險偏好對企業(yè)數(shù)字化轉(zhuǎn)型的顯著性影響，意味著企業(yè)高管越偏好風(fēng)險，其更容易推動企業(yè)數(shù)字化轉(zhuǎn)型;反之高管若屬于風(fēng)險規(guī)避型，則在推動企業(yè)數(shù)字化方面更傾于保守。這也就很好地驗證了前文的假設(shè)H3。

五、穩(wěn)健性檢驗

為了提高研究結(jié)果的可靠性，本文借鑒其他學(xué)者方法：對解釋變量市場競爭CR8、高管風(fēng)險偏好MRP和所有控制變量均進行滯后一期、滯后兩期處理;改用行業(yè)均值調(diào)整的指標(biāo)來衡量企業(yè)數(shù)字化轉(zhuǎn)型，具體來說，先算出行業(yè)內(nèi)數(shù)字化轉(zhuǎn)型程度的均值，再計算出企業(yè)數(shù)字化轉(zhuǎn)型占總行業(yè)轉(zhuǎn)型的相對比重;改變市場競爭程度衡量的方法，替換為該行業(yè)中占有市場份額最大的十家公司銷售額與全行業(yè)銷售總額之比的方法來進行穩(wěn)健性檢驗。回歸結(jié)果均與前文保持一致，證明本文的結(jié)論是穩(wěn)健可信的。

六、進一步分析

（一）行業(yè)異質(zhì)性：制造業(yè)與服務(wù)業(yè)

考慮到不同行業(yè)的市場競爭和高管偏好，會對數(shù)字化轉(zhuǎn)型帶來不同的影響，下面將著重分析其關(guān)系是否會受到行業(yè)異質(zhì)性的影響。整體來看，前文描述性統(tǒng)計中，服務(wù)業(yè)的數(shù)字化轉(zhuǎn)型程度高于制造業(yè)，因此市場競爭的抑制作用與高管風(fēng)險偏好的促進作用理應(yīng)在服務(wù)業(yè)中比較顯著。但是，不同行業(yè)的競爭業(yè)態(tài)和高管風(fēng)險偏好也會促使企業(yè)做出不同的風(fēng)險策略。市場競爭和高管風(fēng)險偏好對數(shù)字化轉(zhuǎn)型的影響也會受到不同經(jīng)營模式的影響。數(shù)字化轉(zhuǎn)型也同樣能促進制造業(yè)企業(yè)實現(xiàn)信息技術(shù)與業(yè)務(wù)管理的真正融合。因此，二者對數(shù)字化轉(zhuǎn)型產(chǎn)生的影響也主要體現(xiàn)在制造業(yè)中。

為了驗證上述假想，本文將分別選取子樣本制造業(yè)和服務(wù)業(yè)進行回歸檢驗。表8顯示（1）-（2）列分別對應(yīng)解釋變量CR8和MRP制造業(yè)和服務(wù)業(yè)的結(jié)果。市場競爭的系數(shù)均在1%水平上顯著;高管風(fēng)險偏好的系數(shù)均在5%水平上顯著。相比于制造業(yè)，市場競爭和高管風(fēng)險偏好對服務(wù)業(yè)的影響更大，這與服務(wù)業(yè)的經(jīng)營模式息息相關(guān)。

（二）產(chǎn)權(quán)異質(zhì)性：國有企業(yè)與非國有企業(yè)

在我國資本市場上，不同產(chǎn)權(quán)性質(zhì)的企業(yè)在治理和經(jīng)營模式都存在較大的差異，因此也就會導(dǎo)致企業(yè)數(shù)字化轉(zhuǎn)型存在差異。二者對數(shù)字化轉(zhuǎn)型的影響是否會受到產(chǎn)權(quán)性質(zhì)的影響。為了驗證上述猜想，本文進行分組回歸檢驗。表9顯示（1）-（2）列分別對應(yīng)解釋變量CR8和MRP在國有企業(yè)和非國有企業(yè)的結(jié)果。市場競爭的結(jié)果均在1%水平上顯著為負;高管風(fēng)險偏好的結(jié)果分別在10%和5%水平上顯著。這說明，由于國有企業(yè)在市場中更具競爭優(yōu)勢，能夠及時對市場變動做出敏捷的反應(yīng)，從而導(dǎo)致對國有企業(yè)的影響低于非國有企業(yè)。國有企業(yè)的轉(zhuǎn)型策略會受到國家政策的影響，這就制約著國有企業(yè)高管做出轉(zhuǎn)型的策略。相比于國有企業(yè)，非國有企業(yè)主要目的是追求經(jīng)濟利益，高管勢必會做出冒險的轉(zhuǎn)型發(fā)展策略，從而就會導(dǎo)致二者會對數(shù)字化轉(zhuǎn)型產(chǎn)生不同的影響。

（三）區(qū)域異質(zhì)性

本文借鑒《中國統(tǒng)計年鑒》將樣本分為東部、中部和西部地區(qū)，分組進行回歸。從區(qū)域視角來看，東部地區(qū)與中西部地區(qū)經(jīng)濟發(fā)展水平相差較大，空間異質(zhì)性顯著。因此，二者對企業(yè)數(shù)字化轉(zhuǎn)型的影響會因為區(qū)域的不同而產(chǎn)生差異?；诖?，本文基于企業(yè)所屬省份的不同，進行分組檢驗，結(jié)果詳見表10。（1）-（3）列分別對應(yīng)解釋變量CR8與MRP對數(shù)字化轉(zhuǎn)型的影響在東、中和西部地區(qū)的結(jié)果，分別在不同的水平上顯著。由于東部地區(qū)相較于中西部地區(qū)市場競爭更加激烈，經(jīng)濟實力較強且基礎(chǔ)設(shè)施較完善，市場競爭對于所處東部地區(qū)的企業(yè)影響最大。高管風(fēng)險偏好的影響在東部地區(qū)表現(xiàn)得更為顯著，而西部地區(qū)之所以呈現(xiàn)出與假設(shè)相悖的結(jié)果，是因為目前西部地區(qū)的經(jīng)濟發(fā)展政策和產(chǎn)業(yè)集聚現(xiàn)狀致使當(dāng)?shù)仄髽I(yè)數(shù)字化程度較低，企業(yè)高管更傾向于實施其他戰(zhàn)略來推動企業(yè)發(fā)展。

七、結(jié)論與政策建議

（一）結(jié)論

本文基于我國A股上市公司2012—2019年的年報披露結(jié)果，利用機器學(xué)習(xí)的文本分析法構(gòu)建了企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量指標(biāo)。本文基于宏觀（市場競爭）和微觀（高管風(fēng)險偏好）相結(jié)合的視角，深入分析了二者對數(shù)字化轉(zhuǎn)型所帶來的影響。研究結(jié)果表明：市場競爭越激烈，企業(yè)數(shù)字化轉(zhuǎn)型程度越低;高風(fēng)險偏好的管理者，更傾向促進企業(yè)數(shù)字化轉(zhuǎn)型。進一步分析發(fā)現(xiàn)，二者的關(guān)系在服務(wù)業(yè)、非國有企業(yè)和東部地區(qū)更加顯著。此外，我們還通過更換市場競爭、數(shù)字化轉(zhuǎn)型程度的衡量方式進行了一系列的穩(wěn)健性檢驗，結(jié)果依然顯著。

（二）研究建議

隨著互聯(lián)網(wǎng)，云計算，大數(shù)據(jù)，物聯(lián)網(wǎng)時代的到來，數(shù)字化轉(zhuǎn)型給企業(yè)帶來了新的生產(chǎn)變革，許多企業(yè)都做出了數(shù)字化與企業(yè)融合的嘗試，尤其是突發(fā)公共衛(wèi)生事件之下，迫使企業(yè)轉(zhuǎn)為線上經(jīng)營，加快了企業(yè)數(shù)字化轉(zhuǎn)型的進程。不同行業(yè)發(fā)展數(shù)字化都具有顯著的差異，國家應(yīng)因地制宜地制定一些幫扶政策加快企業(yè)數(shù)字化轉(zhuǎn)型。企業(yè)也要深刻認識數(shù)字化的本質(zhì)，適當(dāng)?shù)赝七M數(shù)字化與本企業(yè)產(chǎn)業(yè)的融合，才能發(fā)揮數(shù)字化轉(zhuǎn)型的積極意義。數(shù)字化轉(zhuǎn)型是一個階段化、系統(tǒng)化的過程，需要投入時間、精力、人力、物力等，具有較大的風(fēng)險性，企業(yè)必須具備相應(yīng)的優(yōu)勢，才能夠保持其競爭能力。在企業(yè)尋求發(fā)展，謀求變革時，既要重視外部環(huán)境變化給企業(yè)帶來的機會和威脅，也要加強企業(yè)應(yīng)對外部環(huán)境變化的能力，提升企業(yè)的動態(tài)適應(yīng)能力。只有這樣，才能更好地把握市場環(huán)境的變化，不斷地促進企業(yè)的發(fā)展。

參考文獻：

[1] 吳非，常曦，任曉怡.政府驅(qū)動型創(chuàng)新：財政科技支出與企業(yè)數(shù)字化轉(zhuǎn)型[J].財政研究，2021（1）：102-115.

[2] 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，2021，42（7）：114-129.

[3] HANELT ANDRE，F(xiàn)IRK SEBASTIAN，HILDEBRANDTIL BJORN，KOLBE LUTZ M.Digital M&A，Digital Innovation，and Firm Performance：An Empirical Investigation[J].European Journal of Information Systems，2021，30（1）.

[4] ANANDHI BHARADWAJ，OMAR A. El SAWY，PAUL A. PAVLOU，N. VENKATRAMANn.Digital Business Strategy： Toward a Next Generation of Insights[J]. MIS quarterly，2013，37（2）.

[5] 趙婷婷，韓雅杰，楊夢楠，等.基于機器學(xué)習(xí)的時序數(shù)據(jù)預(yù)測方法研究綜述[J].天津科技大學(xué)學(xué)報，2021，36（5）：1-9.

[6] 張慶君，郭遼，歐一丁.數(shù)字化轉(zhuǎn)型提升了銀行服務(wù)實體經(jīng)濟能力嗎？——基于我國上市商業(yè)銀行的經(jīng)驗證據(jù)[J].武漢金融，2022（4）：29-39.

[7] 馬捷，岳陽，段頎.市場規(guī)模、利潤侵蝕和爭取多產(chǎn)品跨國企業(yè)的政策競爭[J].經(jīng)濟研究，2012，47（2）：106-119.

[8] GUO YINENG，F(xiàn)AN LIJUN，YUAN XIAOHAO.Market Competition，F(xiàn)inancialization，and Green Innovation：Evidence From Chinas Manufacturing Industries[J].Frontiers in Environmental Science，2022.

[9] 鄧新明，葉珍，許洋.企業(yè)競爭行動與績效的關(guān)聯(lián)性研究——基于市場與非市場的綜合視角[J].南開管理評論，2015，18（04）：106-120.

[10] 施建軍，栗曉云.政府補助與企業(yè)創(chuàng)新能力：一個新的實證發(fā)現(xiàn)[J].經(jīng)濟管理，2021，43（3）：113-128.

[11] 夏清華，黃劍.市場競爭、政府資源配置方式與企業(yè)創(chuàng)新投入——中國高新技術(shù)企業(yè)的證據(jù)[J].經(jīng)濟管理，2019，41（08）：5-20.

[12] 許國藝.政府補貼和市場競爭對企業(yè)研發(fā)投資的影響[J].中南財經(jīng)政法大學(xué)學(xué)報，2014（5）：59-64+71.

[13] 劉中華，彭樂驊.市場競爭、競爭態(tài)勢與全要素生產(chǎn)率[J].財會月刊，2021（14）：110-118.

[14] 黃大禹，謝獲寶，鄒夢婷.金融化抑制了企業(yè)數(shù)字化轉(zhuǎn)型嗎？——證據(jù)與機制解釋[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2022，42（7）：57-73.

[15] ATAYDE RUT，GARDUNO RAFAEL，ROBLES EDUARDO，ZUNIGA PLUVIA.Market Competition and Firm Productivity and Innovation：Responses in Mexican Manufacturing Industries[J].Regional Science Policy & Practice，2021，13（4）.

[16] 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，2021，37（5）：170-190+13.

[17] 余典范，王超，陳磊.政府補助、產(chǎn)業(yè)鏈協(xié)同與企業(yè)數(shù)字化[J/OL].經(jīng)濟管理，2022-08-09.

[18] 葉建木，張洋，萬幼清.高管團隊風(fēng)險偏好、失敗再創(chuàng)新行為與再創(chuàng)新績效——基于我國醫(yī)藥制造業(yè)上市企業(yè)的實證研究[J].統(tǒng)計研究，2021，38（8）：59-67.

[19] DONALD C.HAMBRICK，PHYLLIS A. MASON.Upper Echelons：The Organization as a Reflection of Its Top Managers[J].The Academy of Management Review，1984，9（2）.

[20] 賴黎，鞏亞林，馬永強.管理者從軍經(jīng)歷、融資偏好與經(jīng)營業(yè)績[J].管理世界，2016（8）：126-136.

[21] HAMMOND J S，KEENEY R L，RAIFFA H.Even Swaps：A Rational Method for Making Trade-offs[J].Harvard business review，1998，76（2）.

[22] BEN-DAVID I， HARVEY C R， GRAHAMJ R.Managerial Overconfidence and Corporate Policies[J].Social Science Electronic Publishing，2008.

[23] 唐清泉，甄麗明.管理層風(fēng)險偏愛、薪酬激勵與企業(yè)R&D投入——基于我國上市公司的經(jīng)驗研究[J].經(jīng)濟管理，2009，31（5）：56-64.

[24] 陳金勇，舒維佳.管理層風(fēng)險偏好對技術(shù)創(chuàng)新的影響——基于內(nèi)部控制的調(diào)節(jié)作用[J].軟科學(xué)，2021，35（3）：76-82.

[25] 張夏恒.中小企業(yè)數(shù)字化轉(zhuǎn)型障礙、驅(qū)動因素及路徑依賴——基于對377家第三產(chǎn)業(yè)中小企業(yè)的調(diào)查[J].中國流通經(jīng)濟，2020，34（12）：72-82.

[26] 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.

[27] 何帆，劉紅霞.數(shù)字經(jīng)濟視角下實體企業(yè)數(shù)字化變革的業(yè)績提升效應(yīng)評估[J].改革，2019（4）：137-148.

[28] 孔令文，徐長生，易鳴.市場競爭程度、需求規(guī)模與企業(yè)技術(shù)創(chuàng)新——基于中國工業(yè)企業(yè)微觀數(shù)據(jù)的研究[J].管理評論，2022，34（1）：118-129.