政策引導(dǎo)促進(jìn)了企業(yè)數(shù)字化建設(shè)嗎
——基于政府工作報(bào)告視角

李 丹，邱 靜（博士生導(dǎo)師）

一、引言

近年來(lái)，國(guó)家高度重視數(shù)字經(jīng)濟(jì)的發(fā)展，政府部門(mén)也相繼出臺(tái)了一系列政策指導(dǎo)文件以支持?jǐn)?shù)字產(chǎn)業(yè)化的發(fā)展。在每年的政府工作報(bào)告中，數(shù)字化的提及頻率呈逐步上升趨勢(shì)。企業(yè)數(shù)字化轉(zhuǎn)型在抑制大股東掏空（耀友福，2022）、促進(jìn)企業(yè)創(chuàng)新（宋德勇等，2022）及增強(qiáng)股票流動(dòng)性（吳非等，2021）等方面具有積極作用。但截至2020 年，只有60%的企業(yè)制定了數(shù)字化轉(zhuǎn)型戰(zhàn)略規(guī)劃，且僅有約11%的企業(yè)轉(zhuǎn)型成效顯著①。有學(xué)者認(rèn)為，企業(yè)數(shù)字化建設(shè)程度低的原因在于“不愿轉(zhuǎn)”（余典范等，2022）。如果企業(yè)真的“不愿轉(zhuǎn)”，那么在國(guó)家數(shù)字化政策的引導(dǎo)下，企業(yè)的數(shù)字化建設(shè)行為就有可能只是一種為了迎合政策的機(jī)會(huì)主義行為，對(duì)數(shù)字化的投資也只是停留在口頭上，從而造成了數(shù)字化轉(zhuǎn)型成效不明顯的現(xiàn)象。事實(shí)上，企業(yè)也可能在政策引導(dǎo)下進(jìn)行數(shù)字化建設(shè)，但由于數(shù)字技術(shù)等方面的制約而導(dǎo)致數(shù)字化轉(zhuǎn)型成效并不明顯。因此，只有厘清企業(yè)數(shù)字化轉(zhuǎn)型成效不明顯的真正原因，才能助力政府部門(mén)制定針對(duì)性政策以協(xié)助企業(yè)解決數(shù)字化建設(shè)過(guò)程中存在的實(shí)際問(wèn)題，進(jìn)而為更好地推動(dòng)我國(guó)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化打下堅(jiān)實(shí)基礎(chǔ)。因此，本文通過(guò)分析企業(yè)在政策引導(dǎo)下的數(shù)字化建設(shè)是“說(shuō)說(shuō)而已”還是“全力以赴”，具有重要的現(xiàn)實(shí)意義。

不同于其他分散的政策性文件，政府工作報(bào)告同時(shí)包含上年工作回顧和當(dāng)年工作計(jì)劃兩部分，能夠較為集中地體現(xiàn)中央政府的政策態(tài)度，也是指導(dǎo)政策落實(shí)的重要文件。同時(shí)，政府工作報(bào)告由于結(jié)構(gòu)穩(wěn)定、信息含量大，為不同領(lǐng)域的學(xué)者開(kāi)展研究提供了海量資源（Wang，2017）。然而，由于政策文件具有不易量化的特點(diǎn)，使得探究政策文件對(duì)微觀企業(yè)影響的研究較為欠缺，直到機(jī)器學(xué)習(xí)文本分析技術(shù)逐漸興起，學(xué)者們對(duì)政策文件類(lèi)的研究才呈現(xiàn)上升趨勢(shì)。比如，有學(xué)者利用政府工作報(bào)告中相關(guān)的關(guān)鍵詞構(gòu)建了政府意志和注意力指標(biāo)（侯新?tīng)q和楊汝岱，2016），以及產(chǎn)業(yè)政策關(guān)聯(lián)度指標(biāo)（覃飛和沈艷，2021），這為本文對(duì)政策文件進(jìn)行量化研究提供了啟示和思路。

在研究政府行為對(duì)企業(yè)數(shù)字化影響的現(xiàn)有文獻(xiàn)中，有學(xué)者發(fā)現(xiàn)政府財(cái)政支出和政府補(bǔ)助對(duì)企業(yè)數(shù)字化轉(zhuǎn)型具有顯著的促進(jìn)作用（吳非等，2021；余典范等，2022）。不同于以上文獻(xiàn)，本文從政府工作報(bào)告角度，采用文本分析方法構(gòu)建政策引導(dǎo)指標(biāo)以分析政府行為對(duì)企業(yè)數(shù)字化的影響。本文可能的邊際貢獻(xiàn)在于：第一，在理論層面豐富了宏觀政策對(duì)微觀企業(yè)的影響研究。文章分析了政策引導(dǎo)下企業(yè)的數(shù)字化建設(shè)行為，不僅從微觀企業(yè)視角拓展了對(duì)政策文件引導(dǎo)有效性的認(rèn)知，也進(jìn)一步揭示了企業(yè)數(shù)字化建設(shè)的影響因素。第二，在方法層面豐富了宏觀政策的量化研究。本文利用文本分析法對(duì)政府工作報(bào)告中數(shù)字化關(guān)鍵詞進(jìn)行抓取后構(gòu)建的數(shù)字化政策引導(dǎo)指標(biāo)，是對(duì)宏觀層面數(shù)字化政策度量的完善，也為之后政策文件的量化研究提供了有益借鑒。第三，在實(shí)踐層面拓展了政策文件有效實(shí)施的邊界條件。本文通過(guò)研究發(fā)現(xiàn)，政府工作報(bào)告中當(dāng)年計(jì)劃部分的政策引導(dǎo)效果要優(yōu)于上年總結(jié)部分，且政策文本的可讀性越高，政策引導(dǎo)效果越好，對(duì)政策文件的有效實(shí)施以及為政府相關(guān)政策的制定提供了啟示和建議。

二、理論推演與假設(shè)提出

宏觀政策與微觀企業(yè)關(guān)系的相關(guān)研究大多集中在宏觀政策對(duì)企業(yè)績(jī)效及創(chuàng)新的影響方面（Bojnec 等，2021；余桂明等，2016）。在宏觀政策對(duì)企業(yè)數(shù)字化的影響方面，學(xué)者們較多關(guān)注財(cái)政政策及產(chǎn)業(yè)政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響。比如，財(cái)政科技支出政策可以向企業(yè)提供直接的資金支持（Howell，2015），進(jìn)而降低數(shù)字化轉(zhuǎn)型成本并推動(dòng)數(shù)字化轉(zhuǎn)型（Kleer，2010；吳非等，2021），產(chǎn)業(yè)政策下的稅收優(yōu)惠和政府補(bǔ)助對(duì)企業(yè)數(shù)字化轉(zhuǎn)型具有顯著的促進(jìn)作用（成瓊文和丁紅乙，2022；余典范等，2022）。

雖然已有學(xué)者研究了宏觀政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響，但大多基于某項(xiàng)具體的政策對(duì)企業(yè)數(shù)字化轉(zhuǎn)型帶來(lái)的影響，并未涉及政策本身是否產(chǎn)生了引導(dǎo)作用。本文認(rèn)為，政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的影響主要通過(guò)以下兩條路徑實(shí)現(xiàn)：第一，政策資源的傾斜和融資環(huán)境的改善緩解了企業(yè)融資約束；第二，管理者對(duì)數(shù)字化建設(shè)信心的增強(qiáng)促使創(chuàng)新投入增加。

首先，政策的制定往往伴隨著資源的傾斜。由注意力理論可知，當(dāng)政府面對(duì)海量信息對(duì)一系列議題做出優(yōu)先性排序時(shí)，并不是因?yàn)檎疀Q策者對(duì)該類(lèi)事務(wù)存在個(gè)人偏好，而是由政府注意力所致，政府注意力的變化導(dǎo)致政府政策的變化（侯新?tīng)q和楊汝岱，2016）。政府工作報(bào)告中對(duì)數(shù)字化建設(shè)的關(guān)注度越高，表明政府注意力越集中于數(shù)字化建設(shè)方面，而與之對(duì)應(yīng)的支持性政策也會(huì)應(yīng)運(yùn)而生，國(guó)家接連出臺(tái)的一系列發(fā)展數(shù)字經(jīng)濟(jì)和數(shù)字產(chǎn)業(yè)化的文件就是最好的證明。政府對(duì)數(shù)字化轉(zhuǎn)型企業(yè)的資源傾斜，有助于直接緩解企業(yè)的融資約束（Takalo和Tanayama，2010），從而為企業(yè)數(shù)字化建設(shè)創(chuàng)造條件。此外，資源的傾斜還可以激勵(lì)企業(yè)提高內(nèi)部資源的配置效率，有效降低企業(yè)進(jìn)行數(shù)字化建設(shè)的成本（成瓊文和丁紅乙，2022），進(jìn)而起到鼓勵(lì)企業(yè)進(jìn)行數(shù)字化建設(shè)的作用。

其次，政策引導(dǎo)信號(hào)有助于改善企業(yè)外部融資環(huán)境。根據(jù)信息傳遞理論，政策對(duì)數(shù)字化建設(shè)的引導(dǎo)釋放了政府對(duì)數(shù)字化建設(shè)比較重視的信號(hào)，凸顯了國(guó)家重點(diǎn)產(chǎn)業(yè)的發(fā)展方向。數(shù)字化建設(shè)由于具有不確定性較大、建設(shè)周期較長(zhǎng)、短期收益不明顯等特點(diǎn)，使得處于信息劣勢(shì)方的外部投資者無(wú)法對(duì)企業(yè)未來(lái)經(jīng)營(yíng)狀況進(jìn)行準(zhǔn)確判斷（Barry和Brown，1985），進(jìn)而對(duì)開(kāi)展數(shù)字化建設(shè)的企業(yè)持觀望態(tài)度，或要求企業(yè)給予額外的風(fēng)險(xiǎn)補(bǔ)償（盧文彬等，2014），進(jìn)一步提高融資成本。而政策對(duì)數(shù)字化建設(shè)的引導(dǎo)則有助于向資本市場(chǎng)傳遞國(guó)家發(fā)展數(shù)字經(jīng)濟(jì)和數(shù)字化產(chǎn)業(yè)的決心，投資者也會(huì)對(duì)企業(yè)數(shù)字化建設(shè)前景進(jìn)行積極預(yù)判，從而使得更多資金流向企業(yè)的同時(shí)也能降低投資者所要求的額外風(fēng)險(xiǎn)補(bǔ)償，進(jìn)而降低權(quán)益融資成本。此外，政策引導(dǎo)信號(hào)還有助于降低銀行與企業(yè)之間的信息不對(duì)稱程度，有效促進(jìn)銀企間更好的信任及合作關(guān)系，進(jìn)而降低債務(wù)資本成本（譚勁松等，2017）。

最后，政策引導(dǎo)有助于增強(qiáng)管理者對(duì)數(shù)字化建設(shè)的信心，從而增加創(chuàng)新投入。由委托代理理論可知，在兩權(quán)分離的企業(yè)中：一方面，管理者面臨著績(jī)效考核壓力，不得不放棄一些風(fēng)險(xiǎn)較大的長(zhǎng)期投資項(xiàng)目；而另一方面，管理者出于對(duì)自身長(zhǎng)期職業(yè)發(fā)展和聲譽(yù)的考慮，需要制定并調(diào)整企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略以適應(yīng)數(shù)字經(jīng)濟(jì)時(shí)代。在二者權(quán)衡中，政策引導(dǎo)可以有效激勵(lì)管理者為形成企業(yè)長(zhǎng)遠(yuǎn)的競(jìng)爭(zhēng)優(yōu)勢(shì)而進(jìn)行數(shù)字化建設(shè)。原因在于：一方面，數(shù)字化建設(shè)從初始投資到后續(xù)獲益需要較長(zhǎng)的周期，如果沒(méi)有政策的引導(dǎo)，管理者在進(jìn)行數(shù)字化投資決策時(shí)容易缺乏安全感。而政策對(duì)數(shù)字化建設(shè)的支持，有助于減少企業(yè)管理者對(duì)數(shù)字化投資的不確定性心理，乃至排斥心理，并從思想上認(rèn)識(shí)到數(shù)字化建設(shè)的必要性，從而增強(qiáng)管理者進(jìn)行數(shù)字化建設(shè)的信心（譚勁松等，2017）。另一方面，政策引導(dǎo)所伴隨政策資源的傾斜和融資約束的緩解，為管理者進(jìn)行數(shù)字化建設(shè)創(chuàng)造了有利條件，從而使企業(yè)管理者對(duì)數(shù)字化建設(shè)的投資有所增加。

基于以上分析，本文提出以下假設(shè)：

H1：政策引導(dǎo)會(huì)促進(jìn)企業(yè)數(shù)字化建設(shè)。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

考慮到我國(guó)數(shù)字經(jīng)濟(jì)的快速發(fā)展主要體現(xiàn)在2010年之后，本文以2011 ～2020 年為研究期間。研究對(duì)象為全國(guó)31個(gè)省市自治區(qū)的政府工作報(bào)告②和滬深A(yù)股上市公司。其中：政府工作報(bào)告來(lái)源于省級(jí)人民政府官網(wǎng)和百度搜索③；微觀財(cái)務(wù)數(shù)據(jù)來(lái)源于CSMAR 數(shù)據(jù)庫(kù)；宏觀層面控制變量數(shù)據(jù)來(lái)自于《中國(guó)統(tǒng)計(jì)年鑒》。同時(shí)對(duì)數(shù)據(jù)進(jìn)行了如下處理：剔除金融業(yè)的樣本企業(yè)；剔除ST、PT 和退市的樣本企業(yè)；剔除資不抵債及核心數(shù)據(jù)缺失的樣本企業(yè)；對(duì)所有連續(xù)變量進(jìn)行1%和99%的縮尾處理。

（二）變量定義

1.解釋變量：政策引導(dǎo)。以往對(duì)政策的研究多以定性研究為主，而定量研究的方法主要有以下三類(lèi)：一是統(tǒng)計(jì)法規(guī)、規(guī)章及相關(guān)文件的累積數(shù)構(gòu)建指標(biāo)（韓永輝等，2017）。二是設(shè)置政策虛擬變量或是對(duì)政策進(jìn)行打分度量（余桂明等，2016）。三是利用文本分析法進(jìn)行關(guān)鍵詞頻統(tǒng)計(jì)（覃飛和沈艷，2021）。考慮到文本分析法對(duì)政策的量化更為全面、客觀和科學(xué)，故本文參考吳非等（2021）的做法，利用Python 對(duì)數(shù)字化關(guān)鍵詞在《政府工作報(bào)告》中出現(xiàn)的詞頻數(shù)進(jìn)行統(tǒng)計(jì)，并據(jù)以構(gòu)建政策引導(dǎo)（Support）指標(biāo)來(lái)衡量政策對(duì)數(shù)字化建設(shè)的引導(dǎo)程度。

2.被解釋變量：企業(yè)數(shù)字化建設(shè)。參考夏常源等（2022）的做法，將企業(yè)在無(wú)形資產(chǎn)投資明細(xì)中與數(shù)字化有關(guān)的支出作為企業(yè)數(shù)字化建設(shè)的度量指標(biāo)。為了消除規(guī)模效應(yīng)對(duì)研究結(jié)果的干擾，本文將數(shù)字化投資與營(yíng)業(yè)收入的比值（In_Dig）以及數(shù)字化投資與總資產(chǎn)的比值（In_Dig1）分別作為企業(yè)數(shù)字化建設(shè)的替代指標(biāo)。考慮到數(shù)據(jù)回歸結(jié)果的可讀性，在原比值的基礎(chǔ)上乘以100。

3.控制變量。參考夏常源等（2022）和吳非等（2021）的做法，結(jié)合本文的研究主題，控制了微觀企業(yè)層面和地區(qū)層面可能影響企業(yè)數(shù)字化建設(shè)的相關(guān)變量，并控制了行業(yè)和年度效應(yīng)以排除固定特征的可能影響。具體的變量定義如表1所示。

表1 變量定義

（三）模型構(gòu)建

為了對(duì)政策引導(dǎo)與企業(yè)數(shù)字化建設(shè)的關(guān)系進(jìn)行研究，本文參考夏常源等（2022）的做法，采用固定效應(yīng)回歸模型進(jìn)行檢驗(yàn)，同時(shí)控制行業(yè)和年度虛擬變量。具體實(shí)證模型如下：

上式中，Supporti，t中的i表示各家上市公司，t為各年時(shí)間，下同。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

從表2 的描述性統(tǒng)計(jì)結(jié)果可知，企業(yè)數(shù)字化建設(shè)（In_Dig）的均值為0.480，最小值為0，最大值為8.184，而In_Dig1的均值為0.218，最小值為0，最大值為3.124，說(shuō)明我國(guó)上市公司數(shù)字化建設(shè)水平差異較大。政府工作報(bào)告中數(shù)字化建設(shè)的政策引導(dǎo)（Support）均值為3.326，最小值為2.398，最大值為3.738，說(shuō)明不同地區(qū)政府的政策引導(dǎo)存在一定差異。其他變量的結(jié)果與已有研究較為接近。

表2 描述性統(tǒng)計(jì)

（二）基準(zhǔn)回歸

表3 對(duì)政策引導(dǎo)與企業(yè)數(shù)字化建設(shè)的關(guān)系進(jìn)行了檢驗(yàn)。從表3 第（1）、（3）列未加入控制變量的結(jié)果可知，政府引導(dǎo)與企業(yè)數(shù)字化建設(shè)顯著正相關(guān)。為了進(jìn)一步檢驗(yàn)二者關(guān)系是否穩(wěn)健，在第（2）列和第（4）列中加入一系列控制變量進(jìn)行回歸，結(jié)果顯示，政策引導(dǎo)（Support）的回歸系數(shù)在1%水平上依然顯著為正。從經(jīng)濟(jì)意義上來(lái)看，政策引導(dǎo)每增加一個(gè)標(biāo)準(zhǔn)差（0.237），將使得企業(yè)數(shù)字化建設(shè)（In_Dig）提高26.484%（0.193×1.176÷0.857）個(gè)標(biāo)準(zhǔn)差，企業(yè)數(shù)字化建設(shè)（In_Dig1）將提高18.13%（0.072×1.176÷0.467）個(gè)標(biāo)準(zhǔn)差。上述結(jié)果表明，無(wú)論是統(tǒng)計(jì)意義上還是經(jīng)濟(jì)意義上，政策引導(dǎo)均會(huì)顯著促進(jìn)企業(yè)的數(shù)字化建設(shè)，H1 得到驗(yàn)證。

表3 政策引導(dǎo)與企業(yè)數(shù)字化建設(shè)

（三）內(nèi)生性和穩(wěn)健性檢驗(yàn)

政府工作報(bào)告一般由各級(jí)政府在年初制定，不受當(dāng)年經(jīng)濟(jì)發(fā)展?fàn)顩r和企業(yè)數(shù)字化建設(shè)的反向影響，具有較好的外生性。但考慮到可能存在樣本自選擇和遺漏變量問(wèn)題，因此，本文采用Heckman 兩階段和傾向得分匹配（PSM）進(jìn)行內(nèi)生性檢驗(yàn)。

1.Heckman 兩階段。根據(jù)Heckman 兩階段模型，第一階段先計(jì)算不同企業(yè)獲得政策引導(dǎo)的概率，即得到逆米爾斯比率（IMR），第二階段再將該比率代入模型進(jìn)行回歸，以緩解樣本自選擇偏差?？紤]到本文政策引導(dǎo)為連續(xù)變量，因此參考李哲等（2020）的做法，根據(jù)政策引導(dǎo)的年度行業(yè)中位數(shù)不同將企業(yè)分為兩組，設(shè)立虛擬變量（Supportdum）以建立模型（2），并引入逆米爾斯比率構(gòu)建模型（3）。從表4可知，加入逆米爾斯比率后政策引導(dǎo)（Support）的系數(shù)為（0.265）和（0.107），在10%的水平上顯著為正且均通過(guò)了Wald測(cè)試。這說(shuō)明在緩解了樣本自選擇偏差后，原假設(shè)依然成立。

表4 Heckman兩階段和傾向得分匹配（PSM）

2.傾向得分匹配（PSM）。為了減少遺漏變量對(duì)回歸結(jié)果的影響，進(jìn)一步用PSM 進(jìn)行1∶3 近鄰匹配并進(jìn)行檢驗(yàn)。從表4 可知，經(jīng)傾向得分匹配后的樣本中政策引導(dǎo)系數(shù)為0.161和0.053，且分別在1%和5%的水平上顯著。這說(shuō)明在緩解企業(yè)遺漏變量等內(nèi)生性問(wèn)題后前文結(jié)論依然穩(wěn)健，即政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)存在顯著影響。

3.改變企業(yè)數(shù)字化建設(shè)的度量方式。為了增強(qiáng)研究結(jié)論的可靠性，本文改變數(shù)字化建設(shè)的度量方式。第一，將企業(yè)無(wú)形資產(chǎn)當(dāng)期增加額作為企業(yè)數(shù)字化建設(shè)的替代指標(biāo)（In_Dig2）④，再計(jì)算政府工作報(bào)告中當(dāng)期數(shù)字化關(guān)鍵詞增加額作為當(dāng)期政策引導(dǎo)的替代指標(biāo)（Support1）。第二，將企業(yè)無(wú)形資產(chǎn)當(dāng)期期末數(shù)與上期期末數(shù)之差作為企業(yè)數(shù)字化建設(shè)的替代指標(biāo)（In_Dig3），并將其與當(dāng)期政策引導(dǎo)增加額（Support1）進(jìn)行回歸檢驗(yàn)。從表5Panel A可知，前文結(jié)論依然穩(wěn)健。

表5 改變企業(yè)數(shù)字化建設(shè)和政策引導(dǎo)度量方式

4.改變政策引導(dǎo)的度量方式。本文中企業(yè)政策引導(dǎo)為經(jīng)對(duì)數(shù)處理后的政策文本中的數(shù)字化詞頻數(shù)，導(dǎo)致最小值與最大值之間的差額較小。為了排除數(shù)據(jù)對(duì)樣本結(jié)果產(chǎn)生的影響，本文改變政策引導(dǎo)的度量方式，將政府工作報(bào)告中爬取的數(shù)字化關(guān)鍵詞頻數(shù)直接作為政策引導(dǎo)的度量指標(biāo)（Support2），再重新進(jìn)行固定效應(yīng)回歸檢驗(yàn)。從表5PanelB可知，前文結(jié)論依然穩(wěn)健。

5.政策引導(dǎo)的時(shí)效性檢驗(yàn)。為了考察政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)時(shí)效性的影響，本文在原模型的基礎(chǔ)上，將解釋變量滯后一期（L.Support）和滯后二期（L2.Support）進(jìn)行回歸檢驗(yàn)。從表6可知，政策引導(dǎo)與企業(yè)滯后二期的數(shù)字化建設(shè)無(wú)顯著關(guān)系，但與企業(yè)滯后一期數(shù)字化建設(shè)顯著正相關(guān)，這意味著隨著時(shí)間推移，政策引導(dǎo)的效果逐漸減弱。

表6 政策引導(dǎo)的時(shí)效性檢驗(yàn)

6.排除企業(yè)數(shù)字化策略性行為影響。為了排除企業(yè)刻意增加無(wú)形資產(chǎn)中與數(shù)字化相關(guān)的投資給研究結(jié)論帶來(lái)的影響，本文參考趙璨等（2020）的做法，首先構(gòu)建模型（4）求出企業(yè)數(shù)字化建設(shè)的異常支出（殘差ε），并剔除異常值最高的10%觀測(cè)樣本后重新進(jìn)行檢驗(yàn)。模型（4）中，In_Digmed 為年度行業(yè)內(nèi)其他企業(yè)的數(shù)字化建設(shè)中位值，同時(shí)控制了省份（Pro）變量，其他變量定義與前文相同。從表7 Panel A 可知，前文結(jié)論依然穩(wěn)健。

表7 排除企業(yè)數(shù)字化策略性行為影響

考慮到高新技術(shù)企業(yè)商業(yè)模式多與大數(shù)據(jù)、互聯(lián)網(wǎng)等有緊密聯(lián)系，為了更加真實(shí)地捕捉政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的影響，本文將所有資質(zhì)認(rèn)定過(guò)高新技術(shù)企業(yè)的樣本公司予以剔除。從表7 Panel B 可知，前文結(jié)論依然穩(wěn)健。

（四）作用機(jī)制檢驗(yàn)

由前文分析發(fā)現(xiàn)，政策引導(dǎo)可以通過(guò)緩解融資約束和促進(jìn)創(chuàng)新投入對(duì)企業(yè)數(shù)字化建設(shè)產(chǎn)生影響。但具體是通過(guò)何種途徑對(duì)企業(yè)數(shù)字化建設(shè)產(chǎn)生促進(jìn)作用尚不明確，顯然，厘清政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的作用機(jī)制，對(duì)國(guó)家出臺(tái)指導(dǎo)性政策以促進(jìn)數(shù)字化發(fā)展具有重大意義。因此，本文參考江艇（2022）在因果推斷研究中對(duì)中介效應(yīng)檢驗(yàn)的做法建議，在傳統(tǒng)中介效應(yīng)三步法的基礎(chǔ)上，利用回歸模型考察解釋變量與中介變量的因果關(guān)系，并根據(jù)理論推導(dǎo)證明中介變量與被解釋變量的因果關(guān)系，以此來(lái)對(duì)政策引導(dǎo)影響企業(yè)數(shù)字化建設(shè)的作用機(jī)制進(jìn)行檢驗(yàn)。

1.融資約束機(jī)制檢驗(yàn)。當(dāng)企業(yè)面臨財(cái)務(wù)約束時(shí)，企業(yè)管理者為了防止自身薪酬受到影響以及維護(hù)自己的職業(yè)聲譽(yù)，不得不考慮將有限的資源投入短期收益較高的項(xiàng)目中，以保障企業(yè)的正常經(jīng)營(yíng)。因此，企業(yè)所面臨的融資約束將不利于企業(yè)開(kāi)展投資周期長(zhǎng)、不確定性較大的數(shù)字化建設(shè)。已有研究表明，政府財(cái)政支出和金融科技可以通過(guò)緩解企業(yè)的融資約束問(wèn)題，從而促進(jìn)企業(yè)的數(shù)字化轉(zhuǎn)型（吳非等，2021；唐松等，2022）。為了檢驗(yàn)政策引導(dǎo)能否緩解企業(yè)的融資約束問(wèn)題，本文以SA指數(shù)⑤的絕對(duì)值作為融資約束（absSA）的度量指標(biāo)，該值越大，表明企業(yè)融資約束程度越高。同時(shí)，構(gòu)建模型（5）和（6）以檢驗(yàn)中介變量在政策引導(dǎo)影響企業(yè)數(shù)字化建設(shè)中發(fā)揮的作用。表8 中Panel A 顯示了企業(yè)融資約束機(jī)制檢驗(yàn)的回歸結(jié)果。第（1）列結(jié)果顯示，政策引導(dǎo)與融資約束的系數(shù)為-0.008，在5%的水平上顯著，說(shuō)明政策引導(dǎo)顯著緩解了企業(yè)的融資約束。從第（2）、（3）列結(jié)果可知，政策引導(dǎo)和融資約束的系數(shù)均在1%水平上顯著為正，表明政策引導(dǎo)和融資約束均能促進(jìn)企業(yè)的數(shù)字化建設(shè)。中介效應(yīng)Sobel 檢驗(yàn)的Z 統(tǒng)計(jì)量分別為3.457 和3.524，驗(yàn)證了融資約束在政策引導(dǎo)與企業(yè)數(shù)字化建設(shè)中發(fā)揮部分中介作用。

表8 融資約束和創(chuàng)新投入的機(jī)制檢驗(yàn)

2.創(chuàng)新投入機(jī)制檢驗(yàn)。創(chuàng)新是指企業(yè)對(duì)生產(chǎn)要素進(jìn)行重新組合，而企業(yè)數(shù)字化建設(shè)作為數(shù)字化轉(zhuǎn)型的關(guān)鍵環(huán)節(jié)，是指利用信息通信技術(shù)將企業(yè)現(xiàn)有管理模式、運(yùn)行機(jī)制等架構(gòu)進(jìn)行重塑的過(guò)程（劉淑春等，2021）。雖然企業(yè)創(chuàng)新和企業(yè)數(shù)字化建設(shè)概念不同，但是企業(yè)創(chuàng)新投入的增加有利于推動(dòng)企業(yè)信息通信技術(shù)的創(chuàng)新，進(jìn)而促進(jìn)企業(yè)的數(shù)字化建設(shè)。已有研究表明，金融市場(chǎng)化改革可以通過(guò)促進(jìn)企業(yè)創(chuàng)新投入增加，從而推動(dòng)企業(yè)的數(shù)字化轉(zhuǎn)型（唐松等，2022）。為了檢驗(yàn)政策引導(dǎo)能否促進(jìn)創(chuàng)新投入增加，本文用企業(yè)當(dāng)年研發(fā)投入金額與總資產(chǎn)的比值作為創(chuàng)新投入的度量指標(biāo)（Invest），并利用模型（5）和模型（6）進(jìn)行回歸。表8 中Panel B顯示了企業(yè)創(chuàng)新投入機(jī)制檢驗(yàn)的回歸結(jié)果。第（4）列結(jié)果顯示，政策引導(dǎo)與創(chuàng)新投入的系數(shù)為0.001，在10%的水平上顯著，說(shuō)明政策引導(dǎo)顯著增加了企業(yè)的創(chuàng)新投入。從第（5）、（6）列結(jié)果可知，政策引導(dǎo)和創(chuàng)新投入的系數(shù)均在1%的水平上顯著為正，表明政策引導(dǎo)和創(chuàng)新投入均能促進(jìn)企業(yè)的數(shù)字化建設(shè)。中介效應(yīng)Sobel 檢驗(yàn)的Z 統(tǒng)計(jì)量分別為5.105 和5.145，驗(yàn)證了創(chuàng)新投入在政策引導(dǎo)與企業(yè)數(shù)字化建設(shè)中發(fā)揮部分中介作用。

五、進(jìn)一步分析

（一）政策中不同組成部分的異質(zhì)性檢驗(yàn)

政府工作報(bào)告主要由上年總結(jié)和當(dāng)年計(jì)劃兩部分構(gòu)成，上年總結(jié)是對(duì)以往工作的回顧和總結(jié)，而當(dāng)年計(jì)劃里面含有政府對(duì)當(dāng)?shù)仄髽I(yè)提出的希望和要求。相較于上年總結(jié)，當(dāng)年計(jì)劃對(duì)企業(yè)產(chǎn)生的引導(dǎo)效應(yīng)應(yīng)該更強(qiáng)。鑒于此，本文進(jìn)一步對(duì)政府工作報(bào)告區(qū)分上年總結(jié)（Support3）和當(dāng)年計(jì)劃（Support4）部分來(lái)展開(kāi)分析。具體做法：首先閱讀各省的政府工作報(bào)告，再將其區(qū)分為上年總結(jié)和當(dāng)年計(jì)劃兩個(gè)不同部分，最后分別進(jìn)行數(shù)字化關(guān)鍵詞爬取，回歸結(jié)果見(jiàn)表9。從表9 第（2）列和第（4）列的回歸結(jié)果可知，政府工作報(bào)告中當(dāng)年計(jì)劃部分與企業(yè)數(shù)字化建設(shè)在1%的水平上顯著正相關(guān)；第（1）列和第（3）列結(jié)果顯示，政府工作報(bào)告的上年總結(jié)與企業(yè)數(shù)字化建設(shè)分別在5%和10%的水平上顯著正相關(guān)。但是通過(guò)組間系數(shù)差異檢驗(yàn)發(fā)現(xiàn)，政府工作報(bào)告的上年總結(jié)和當(dāng)年計(jì)劃部分對(duì)企業(yè)數(shù)字化建設(shè)（In_Dig）的促進(jìn)作用存在顯著差異，相較于上年總結(jié)部分，當(dāng)年計(jì)劃對(duì)企業(yè)數(shù)字化建設(shè)的促進(jìn)作用更顯著。以上結(jié)果表明，政策引導(dǎo)中不論是在上年總結(jié)部分還是在當(dāng)年計(jì)劃部分都會(huì)對(duì)企業(yè)數(shù)字化建設(shè)產(chǎn)生促進(jìn)作用，但是當(dāng)年計(jì)劃部分更能發(fā)揮政策引導(dǎo)作用。

表9 政策中不同組成部分異質(zhì)性檢驗(yàn)

（二）政策可讀性的異質(zhì)性檢驗(yàn)

考慮到政策文本信息含量較大，政府工作報(bào)告作為官方語(yǔ)言具有權(quán)威性和專(zhuān)業(yè)性，其可讀性越強(qiáng)，越有助于企業(yè)掌握政策關(guān)注的重點(diǎn)，從而發(fā)揮政策引導(dǎo)的作用。因此，本文參考徐巍等（2021）的做法，根據(jù)政府工作報(bào)告文本中每個(gè)分句平均字?jǐn)?shù)構(gòu)建政策可讀性指標(biāo)，再根據(jù)其中位數(shù)將樣本分為政策可讀性較高組和可讀性較低組。具體而言，先統(tǒng)計(jì)政府工作報(bào)告中除附件外的文本總字?jǐn)?shù)，再以句尾（包括句號(hào)、問(wèn)號(hào)和感嘆號(hào)）和停頓（逗號(hào)、冒號(hào)、分號(hào)和頓號(hào)）作為分句的標(biāo)志，最后根據(jù)總字?jǐn)?shù)除以分句得到可讀性指標(biāo)，該指標(biāo)越大，表明政策可讀性越高，反之則越低。回歸結(jié)果見(jiàn)表10，第（2）列和第（4）列結(jié)果表明，在政策可讀性較低的組中，政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)（In_Dig、In_Dig1）的影響效果均不顯著。相較而言，第（1）列和第（3）列結(jié)果表明，在政策可讀性較高的組中，政策引導(dǎo)顯著促進(jìn)了企業(yè)數(shù)字化建設(shè)（In_Dig、In_Dig1）。組間系數(shù)差異性檢驗(yàn)也進(jìn)一步表明，政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的影響效果因政策可讀性不同而存在明顯差異。以上結(jié)果表明，政策可讀性越高，政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的促進(jìn)作用越顯著。

表10 政策可讀性異質(zhì)性檢驗(yàn)

（三）生命周期的異質(zhì)性檢驗(yàn)

不同生命周期階段的企業(yè)具有不同的特征，使得政策引導(dǎo)所產(chǎn)生的效果不一樣。首先，成長(zhǎng)期企業(yè)雖然具有強(qiáng)烈的擴(kuò)張意愿，但由于處于經(jīng)營(yíng)初期，其發(fā)展方向尚不明晰，商業(yè)模式也不成熟，市場(chǎng)占有率較低，企業(yè)容易出現(xiàn)資金問(wèn)題。此時(shí)，政策引導(dǎo)不僅有助于緩解企業(yè)融資約束，也指明了企業(yè)的發(fā)展方向。因此，成長(zhǎng)期企業(yè)在政策引導(dǎo)下會(huì)進(jìn)行數(shù)字化建設(shè)。其次，成熟期企業(yè)的發(fā)展方向和商業(yè)模式已日趨完善，在組織制度和資金問(wèn)題逐步完善的情況下，政策對(duì)數(shù)字化建設(shè)的引導(dǎo)，可能需要企業(yè)重新調(diào)整既定戰(zhàn)略和目標(biāo)以進(jìn)行數(shù)字化建設(shè)，這不僅需要花費(fèi)較大精力，也需要較多人力、物力和財(cái)力的支持，因而成熟期企業(yè)一般不會(huì)輕易做出戰(zhàn)略調(diào)整。因此，政策引導(dǎo)對(duì)成熟期企業(yè)的數(shù)字化建設(shè)影響有限。最后，衰退期企業(yè)的現(xiàn)有產(chǎn)品已經(jīng)不再受市場(chǎng)青睞，市場(chǎng)份額和銷(xiāo)售利潤(rùn)的下降使得企業(yè)陷入資金和發(fā)展的雙重困境。為了維持生存，企業(yè)不得不重新調(diào)整戰(zhàn)略方向，此時(shí)，政策對(duì)數(shù)字化建設(shè)的引導(dǎo)為企業(yè)帶來(lái)了重新開(kāi)啟賽道的機(jī)會(huì)，因此，政策引導(dǎo)下衰退期企業(yè)會(huì)進(jìn)行數(shù)字化建設(shè)。

本文參考劉詩(shī)源等（2020）的做法，按照企業(yè)經(jīng)營(yíng)活動(dòng)、投資活動(dòng)和籌資活動(dòng)所產(chǎn)生的現(xiàn)金流量?jī)纛~的不同，對(duì)樣本企業(yè)進(jìn)行成長(zhǎng)期、成熟期和衰退期的劃分?；貧w結(jié)果見(jiàn)表11：第（2）列和第（5）列顯示，政策引導(dǎo)對(duì)成熟期企業(yè)數(shù)字化建設(shè)無(wú)顯著影響；第（1）列和第（4）列顯示，政策引導(dǎo)與成長(zhǎng)期企業(yè)數(shù)字化建設(shè)在1%的水平上顯著正相關(guān)；第（3）列和第（6）列顯示，政策引導(dǎo)與衰退期企業(yè)數(shù)字化建設(shè)在1%的水平上顯著正相關(guān)。組間系數(shù)差異性檢驗(yàn)也進(jìn)一步表明，政策引導(dǎo)對(duì)不同生命周期階段企業(yè)數(shù)字化建設(shè)的影響效果存在明顯差異。結(jié)論與前文預(yù)期一致。

表11 生命周期異質(zhì)性檢驗(yàn)

六、結(jié)論與啟示

（一）結(jié)論

本文以2011 ～2020年我國(guó)A股上市公司為研究對(duì)象，基于Python 文本分析方法對(duì)政府工作報(bào)告中數(shù)字化相關(guān)的政策引導(dǎo)進(jìn)行了量化，分析了政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的影響。研究發(fā)現(xiàn)，政策引導(dǎo)會(huì)促進(jìn)企業(yè)的數(shù)字化建設(shè)。內(nèi)在機(jī)制檢驗(yàn)表明，政策引導(dǎo)通過(guò)影響企業(yè)融資約束和創(chuàng)新投入而作用于企業(yè)數(shù)字化建設(shè)。進(jìn)一步研究發(fā)現(xiàn)，政策文本的不同組成部分和政策可讀性會(huì)對(duì)企業(yè)數(shù)字化建設(shè)產(chǎn)生異質(zhì)性影響，不同生命周期企業(yè)在政策引導(dǎo)下的反應(yīng)也不一樣。具體而言：相較于上年總結(jié)部分，當(dāng)年計(jì)劃部分的政策引導(dǎo)對(duì)企業(yè)數(shù)字化建設(shè)的促進(jìn)效果更顯著；政策可讀性越高，越能顯著促進(jìn)企業(yè)的數(shù)字化建設(shè)；相較于成熟期企業(yè)，政策引導(dǎo)更能夠顯著促進(jìn)成長(zhǎng)期和衰退期企業(yè)的數(shù)字化建設(shè)。

（二）啟示

本文的研究結(jié)論具有以下政策啟示：

1.基于政府層面。第一，政府應(yīng)積極發(fā)揮政策的引導(dǎo)作用。本文發(fā)現(xiàn)政府工作報(bào)告對(duì)數(shù)字化建設(shè)的引導(dǎo)可以有效推動(dòng)企業(yè)的數(shù)字化建設(shè)，這正是宏觀政策落實(shí)到微觀經(jīng)濟(jì)實(shí)體的具體表現(xiàn)，表明政策引導(dǎo)發(fā)揮了有效的指導(dǎo)作用。在今后的政策制定過(guò)程中，對(duì)于需要重點(diǎn)發(fā)展的產(chǎn)業(yè)及方向，政府需要明確并突出其在政策文本中的重要性，從而實(shí)現(xiàn)政策指導(dǎo)產(chǎn)業(yè)發(fā)展的目的。第二，政府應(yīng)注意到當(dāng)年計(jì)劃部分的內(nèi)容會(huì)對(duì)企業(yè)產(chǎn)生較強(qiáng)的引導(dǎo)作用。對(duì)于當(dāng)?shù)匦枰攸c(diǎn)發(fā)展的產(chǎn)業(yè)及方向，政府要在政策計(jì)劃中做出明確指示，不僅有利于企業(yè)未來(lái)戰(zhàn)略規(guī)劃的調(diào)整，也有利于政策的順利推進(jìn)。第三，政府應(yīng)提升政策本身的可讀性。政策的制定固然重要，但是政策的表述方式也不可忽視。在我國(guó)，由于不同地區(qū)的民族和文化均存在一定差異，當(dāng)?shù)卣叩谋硎龀艘逦从痴叩谋疽猓惨C合考慮當(dāng)?shù)匚幕卣?，便于?dāng)?shù)厝嗣竦拈喿x和理解。政策可讀性越強(qiáng)，越有助于企業(yè)掌握政策關(guān)注的重點(diǎn)，也越有助于發(fā)揮政策的引導(dǎo)效果。

2.基于企業(yè)層面。企業(yè)對(duì)于及時(shí)關(guān)注政策信息的意識(shí)應(yīng)加強(qiáng)。黨的十八大以來(lái)，中央和地方紛紛出臺(tái)了眾多政策文件以支持企業(yè)數(shù)字化發(fā)展，為此，企業(yè)應(yīng)在政策的引導(dǎo)下積極響應(yīng)號(hào)召，強(qiáng)化數(shù)字化建設(shè)的意識(shí)，培養(yǎng)數(shù)字化人才，抓住政策紅利，大力開(kāi)展數(shù)字化建設(shè)。尤其對(duì)于成熟期企業(yè)而言，雖然目前市場(chǎng)占有率較為穩(wěn)定，但仍需緊密關(guān)注政策動(dòng)向，提前做好戰(zhàn)略布局，只有與國(guó)家政策保持一致，才有助于企業(yè)長(zhǎng)遠(yuǎn)發(fā)展，并在復(fù)雜多變的外部環(huán)境中立于不敗之地。

【注 釋】

①數(shù)據(jù)來(lái)自埃森哲發(fā)布的《2020中國(guó)企業(yè)數(shù)字轉(zhuǎn)型指數(shù)研究》和《中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型研究報(bào)告（2020）》。

②為了與已有文獻(xiàn)保持一致，本文研究不含中國(guó)臺(tái)灣省、香港特別行政區(qū)和澳門(mén)特別行政區(qū)。

③從百度主頁(yè)中通過(guò)www.gov.cn（中華人民共和國(guó)中央人民政府官網(wǎng)）進(jìn)行搜索。

④為了保證回歸結(jié)果的可讀性，將In_Dig2 和In_Dig3 均除以1000000 后進(jìn)行回歸。

⑤SA指數(shù)=-0.37×Size +0.043×Size2-0.04×Age。

【 主要參考文獻(xiàn)】

成瓊文，丁紅乙.稅收優(yōu)惠對(duì)資源型企業(yè)數(shù)字化轉(zhuǎn)型的影響研究［J］.管理學(xué)報(bào)，2022（7）：1 ～9.

韓永輝，黃亮雄，王賢彬.產(chǎn)業(yè)政策推動(dòng)地方產(chǎn)業(yè)結(jié)構(gòu)升級(jí)了嗎？——基于發(fā)展型地方政府的理論解釋與實(shí)證檢驗(yàn)［J］.經(jīng)濟(jì)研究，2017（8）：33 ～48.

侯新?tīng)q，楊汝岱.政府城市發(fā)展意志與中國(guó)區(qū)域城市化空間推進(jìn)——基于《政府工作報(bào)告》視角的研究［J］.經(jīng)濟(jì)評(píng)論，2016（6）：9 ～22+54.

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.

李哲，黃靜，孫健.企業(yè)創(chuàng)新新穎度與審計(jì)收費(fèi)——基于上市公司專(zhuān)利分類(lèi)數(shù)據(jù)的證據(jù)［J］.會(huì)計(jì)研究，2020（8）：178 ～192.

劉詩(shī)源，林志帆，冷志鵬.稅收激勵(lì)提高企業(yè)創(chuàng)新水平了嗎？——基于企業(yè)生命周期理論的檢驗(yàn)［J］.經(jīng)濟(jì)研究，2020（6）：105 ～121.

盧文彬，官峰，張佩佩，鄧玉潔.媒體曝光度、信息披露環(huán)境與權(quán)益資本成本［J］.會(huì)計(jì)研究，2014（12）：66 ～71+96.

宋德勇，朱文博，丁海.企業(yè)數(shù)字化能否促進(jìn)綠色技術(shù)創(chuàng)新？——基于重污染行業(yè)上市公司的考察［J］.財(cái)經(jīng)研究，2022（4）：34 ～48.

覃飛，沈艷.產(chǎn)業(yè)政策關(guān)聯(lián)度對(duì)公司業(yè)績(jī)影響研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021（9）：117 ～138.

譚勁松，馮飛鵬，徐偉航.產(chǎn)業(yè)政策與企業(yè)研發(fā)投資［J］.會(huì)計(jì)研究，2017（10）：58 ～64+97.

唐松，李青，吳非.金融市場(chǎng)化改革與企業(yè)數(shù)字化轉(zhuǎn)型——來(lái)自利率市場(chǎng)化的中國(guó)經(jīng)驗(yàn)證據(jù)［J］.北京工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022（1）：13 ～27.

吳非，胡慧芷，林慧妍，任曉怡.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（7）：130 ～144+10.

夏常源，毛謝恩，余海宗.社保繳費(fèi)與企業(yè)管理數(shù)字化［J］.會(huì)計(jì)研究，2022（1）：96 ～113.

徐巍，姚振曄，陳冬華.中文年報(bào)可讀性：衡量與檢驗(yàn)［J］.會(huì)計(jì)研究，2021（3）：28 ～44.

耀友福.企業(yè)數(shù)字化轉(zhuǎn)型對(duì)大股東掏空行為的影響［J］.當(dāng)代財(cái)經(jīng)，2022（11）：137 ～148.

余典范，王超，陳磊.政府補(bǔ)助、產(chǎn)業(yè)鏈協(xié)同與企業(yè)數(shù)字化［J］.經(jīng)濟(jì)管理，2022（5）：63 ～82.

余明桂，范蕊，鐘慧潔.中國(guó)產(chǎn)業(yè)政策與企業(yè)技術(shù)創(chuàng)新［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2016（12）：5 ～22.

趙璨，陳仕華，曹偉.“互聯(lián)網(wǎng)+”信息披露：實(shí)質(zhì)性陳述還是策略性炒作——基于股價(jià)崩盤(pán)風(fēng)險(xiǎn)的證據(jù)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（3）：174 ～192.

Barry C.B.，Brown S.J..Differential information and security market equilibrium［J］.Journal of Financial and Quantitative Analysis，1985（4）：407 ～422.

Bojnec ?.，?ampa S..Subsidies and economic and financial performance of enterprises［J］.Journal of Risk and Financial Management，2021（11）：14110505.

Howell S.T..Financing innovation：Evidence from R&D grants［J］.American Economic Review，2017（4）：1136 ～1164.

Kleer R..Government R&D subsidies as a signal for private investors［J］.Research Policy，2010（10）：1361 ～1374.

Takalo T.，Tanayama T..Adverse selection and financing of innovation：Is there a need for R&D subsidies？［J］.Journal of Technology Transfer，2010（1）：16 ～41.

Wang Z..Government work reports：Securing state legitimacy through institutionalization［J］.The China Quarterly，2017（229）：195 ～204.