數(shù)字化轉(zhuǎn)型、內(nèi)部控制與股票流動(dòng)性

董 琪，董 莉

（1.吉林財(cái)經(jīng)大學(xué) 審計(jì)處，長(zhǎng)春 130117；2.中華女子學(xué)院 管理學(xué)院，北京 100101）

0 引言

隨著數(shù)字經(jīng)濟(jì)時(shí)代的到來(lái)，利用數(shù)字技術(shù)驅(qū)動(dòng)企業(yè)創(chuàng)新轉(zhuǎn)型是新時(shí)代背景下實(shí)體經(jīng)濟(jì)發(fā)展的必然階段和歷史選擇。企業(yè)數(shù)字化轉(zhuǎn)型主要利用數(shù)字技術(shù)，將其引入微觀企業(yè)的管理框架，重塑企業(yè)信息組成結(jié)構(gòu)、企業(yè)管理方式、企業(yè)運(yùn)營(yíng)模式和企業(yè)生產(chǎn)過(guò)程，從而實(shí)現(xiàn)傳統(tǒng)企業(yè)全方位、全價(jià)值鏈的改造與升級(jí)，充分發(fā)揮新技術(shù)對(duì)經(jīng)濟(jì)高效發(fā)展的疊加效應(yīng)。因而，企業(yè)數(shù)字化轉(zhuǎn)型作為傳統(tǒng)實(shí)體企業(yè)轉(zhuǎn)型升級(jí)和高質(zhì)量發(fā)展的全新動(dòng)能，能充分發(fā)揮其創(chuàng)新主體地位，對(duì)構(gòu)建我國(guó)經(jīng)濟(jì)新發(fā)展格局、促進(jìn)企業(yè)的高質(zhì)量發(fā)展具有重大的理論意義與現(xiàn)實(shí)意義。

當(dāng)前，無(wú)論是傳統(tǒng)的制造業(yè)企業(yè)，還是以數(shù)字平臺(tái)、人工智能為載體的新型企業(yè)，都緊抓數(shù)字技術(shù)促進(jìn)經(jīng)濟(jì)發(fā)展的戰(zhàn)略機(jī)遇，將數(shù)字技術(shù)與企業(yè)生產(chǎn)、銷售、服務(wù)、管理、研發(fā)等體系深度融合，全方位地利用新技術(shù)提升企業(yè)價(jià)值創(chuàng)造能力。因此，企業(yè)數(shù)字化轉(zhuǎn)型及其經(jīng)濟(jì)后果問(wèn)題逐步成為學(xué)術(shù)界高度關(guān)注的重要議題。在宏觀經(jīng)濟(jì)層面，數(shù)字經(jīng)濟(jì)通過(guò)賦能傳統(tǒng)產(chǎn)業(yè)打造的產(chǎn)業(yè)新業(yè)態(tài)驅(qū)動(dòng)了消費(fèi)與投資的新一輪增長(zhǎng)，實(shí)現(xiàn)了產(chǎn)業(yè)全要素生產(chǎn)率的倍增效應(yīng)和經(jīng)濟(jì)高質(zhì)量發(fā)展，提升了運(yùn)營(yíng)效率和組織績(jī)效，改善了企業(yè)資源配置[1]；在微觀企業(yè)層面，企業(yè)數(shù)字化轉(zhuǎn)型的價(jià)值創(chuàng)造效應(yīng)不僅有助于提高會(huì)計(jì)信息可比性[2]，完善企業(yè)治理水平[3]，提高企業(yè)經(jīng)濟(jì)績(jī)效[4]，而且能賦能企業(yè)社會(huì)責(zé)任效益，提升整體企業(yè)價(jià)值[5]?？v觀現(xiàn)有研究，學(xué)者們多從企業(yè)內(nèi)部治理視角分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其自身產(chǎn)出機(jī)制的影響，少有學(xué)者從資本市場(chǎng)投資者視角分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)股票流動(dòng)性的影響，僅有吳非等（2021）[6]實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)的關(guān)系，但該研究側(cè)重于從分析師與媒體關(guān)注、創(chuàng)新投入與產(chǎn)出等方面檢驗(yàn)其作用機(jī)理與傳導(dǎo)機(jī)制。而股票流動(dòng)性作為資本市場(chǎng)中市場(chǎng)投資者有效甄別企業(yè)信息的投資行為的真實(shí)體現(xiàn)，是我國(guó)資本市場(chǎng)正常運(yùn)行的指示器[7]。因此，有必要研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)中股票流動(dòng)性的影響及其內(nèi)在作用機(jī)理，這將有利于深度審視企業(yè)數(shù)字化轉(zhuǎn)型賦能企業(yè)價(jià)值創(chuàng)造，促進(jìn)我國(guó)資本市場(chǎng)有序、健康發(fā)展。

鑒于此，本文以滬深兩市A 股上市公司2016—2020年數(shù)據(jù)作為初始研究樣本，采用文本分析技術(shù)，從企業(yè)年報(bào)中提取有關(guān)數(shù)字化關(guān)鍵詞，以股票流動(dòng)性作為考量數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)影響的核心指標(biāo)，實(shí)證檢驗(yàn)上市公司數(shù)字化轉(zhuǎn)型與我國(guó)資本市場(chǎng)中股票流動(dòng)性的相關(guān)關(guān)系，并以內(nèi)部控制質(zhì)量作為中介變量，檢驗(yàn)內(nèi)部控制質(zhì)量的中介效應(yīng)，進(jìn)而分析其內(nèi)在的傳導(dǎo)路徑與作用機(jī)制。

1 理論分析與研究假設(shè)

1.1 企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性

企業(yè)數(shù)字化轉(zhuǎn)型將數(shù)字技術(shù)深度應(yīng)用于傳統(tǒng)行業(yè)，顛覆了傳統(tǒng)的制造模式、商業(yè)模式和消費(fèi)模式[3]，使企業(yè)生產(chǎn)管理趨向智能化，企業(yè)營(yíng)銷管理趨向精準(zhǔn)化，企業(yè)資源管理趨向高效化[8]。而股票流動(dòng)性作為股票市場(chǎng)運(yùn)行的核心要素之一，能夠映射出上市企業(yè)的經(jīng)營(yíng)質(zhì)效及其市場(chǎng)活力，因此，作為資本市場(chǎng)的生命線[9]，股票流動(dòng)性通常與市場(chǎng)認(rèn)可密切相關(guān)，能夠反映出資本市場(chǎng)中的價(jià)格發(fā)現(xiàn)、資源配置效率功能的優(yōu)劣[10]，企業(yè)數(shù)字化轉(zhuǎn)型這種創(chuàng)新變革理應(yīng)在資本市場(chǎng)的股票流動(dòng)性中體現(xiàn)出來(lái)[6]。

一方面，數(shù)字技術(shù)與企業(yè)的深度融合，拓寬了企業(yè)獲取信息的廣度與深度[11]，降低了信息不對(duì)稱程度[3]。首先，數(shù)據(jù)作為數(shù)字經(jīng)濟(jì)的核心，它的流動(dòng)能夠帶動(dòng)技術(shù)、資本、人才向利用效率更高的領(lǐng)域集中，改善資源錯(cuò)配[12]?；ヂ?lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等數(shù)字技術(shù)的使用讓原有的低效信息數(shù)據(jù)處理模式得到改善，信息中隱含的規(guī)律被快速挖掘，巨量信息作為企業(yè)重要的經(jīng)營(yíng)資源要素投入生產(chǎn)過(guò)程中，提高了企業(yè)及社會(huì)經(jīng)濟(jì)的全要素生產(chǎn)率[13]，從而提升企業(yè)生產(chǎn)經(jīng)營(yíng)質(zhì)效，吸引外部投資者的關(guān)注，進(jìn)而提高公司股票的流動(dòng)性。其次，企業(yè)數(shù)字化轉(zhuǎn)型是一項(xiàng)長(zhǎng)期的轉(zhuǎn)型變革，需要投資者的支持，管理層有動(dòng)力提高信息透明度，以向投資者傳遞企業(yè)數(shù)字變革的信息，由此更有利于企業(yè)內(nèi)部信息使用者和企業(yè)外部投資者獲取比以往更高質(zhì)量的充足的相關(guān)信息[3]。最后，企業(yè)數(shù)字化轉(zhuǎn)型符合當(dāng)前數(shù)字經(jīng)濟(jì)發(fā)展潮流，被賦予了更多的政策驅(qū)動(dòng)力，市場(chǎng)投資者對(duì)于進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)往往會(huì)具有較高預(yù)期水平，更容易受到市場(chǎng)青睞。企業(yè)往往會(huì)借助年報(bào)信息披露向外界釋放積極信號(hào)[6]，降低了企業(yè)與投資者之間的信息不對(duì)稱程度，因此，投資者更相信股票會(huì)以相對(duì)公平的價(jià)格進(jìn)行交易，從而提高了公司股票的流動(dòng)性[14]，增加了股票交易的概率。

另一方面，企業(yè)數(shù)字化轉(zhuǎn)型打破了行業(yè)壁壘，使邊界變得越來(lái)越模糊[11]，引發(fā)企業(yè)管理變革[15]。企業(yè)面臨的經(jīng)營(yíng)環(huán)境、競(jìng)爭(zhēng)環(huán)境、顧客需求等都可能在短時(shí)間內(nèi)發(fā)生劇變，導(dǎo)致企業(yè)戰(zhàn)略風(fēng)險(xiǎn)的增加[11]。而對(duì)投資者而言，風(fēng)險(xiǎn)披露越多，投資者對(duì)市場(chǎng)風(fēng)險(xiǎn)感知程度就越強(qiáng)，進(jìn)而投資者會(huì)更加謹(jǐn)慎地進(jìn)行市場(chǎng)交易，因此，會(huì)降低股票的流動(dòng)性[16]。資本市場(chǎng)價(jià)值有投機(jī)的性質(zhì)，投資者在決策相關(guān)信息中，不但關(guān)注財(cái)務(wù)信息質(zhì)量，同時(shí)還關(guān)注經(jīng)營(yíng)風(fēng)險(xiǎn)信息。數(shù)字化轉(zhuǎn)型對(duì)企業(yè)發(fā)展所產(chǎn)生的新發(fā)展導(dǎo)向，可能因未能及時(shí)被資本市場(chǎng)有效識(shí)別而產(chǎn)生時(shí)滯性差異，因此，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)產(chǎn)生的影響可能無(wú)法及時(shí)地體現(xiàn)在股票流動(dòng)性中，或者需要經(jīng)過(guò)更長(zhǎng)的時(shí)間逐漸展現(xiàn)出來(lái)。

基于上述分析，提出如下對(duì)立假設(shè)：

假設(shè)1：企業(yè)數(shù)字化轉(zhuǎn)型提升了股票流動(dòng)性，流動(dòng)性越好，對(duì)市場(chǎng)越有利。

假設(shè)2：企業(yè)數(shù)字化轉(zhuǎn)型降低了股票流動(dòng)性，流動(dòng)性越差，對(duì)市場(chǎng)越不利。

1.2 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股票流動(dòng)性的影響機(jī)制

內(nèi)部控制是企業(yè)運(yùn)營(yíng)管理的重要措施，可以防范企業(yè)違法違規(guī)風(fēng)險(xiǎn)，提高企業(yè)信息的真實(shí)性、可信性，保證資產(chǎn)安全、完整；同時(shí)，內(nèi)部控制也能規(guī)范企業(yè)管理者行為、提升企業(yè)管理者能力，從而促進(jìn)企業(yè)可持續(xù)發(fā)展。而健全有效的內(nèi)部控制依賴于企業(yè)治理層和管理層對(duì)內(nèi)部控制理念的充分理解、企業(yè)內(nèi)部控制人員隊(duì)伍的綜合素質(zhì)、企業(yè)內(nèi)部控制建設(shè)資源的高效投入以及先進(jìn)的內(nèi)部控制管理工具。近年來(lái)，隨著企業(yè)數(shù)字化轉(zhuǎn)型的推進(jìn)，諸如大數(shù)據(jù)、人工智能等先進(jìn)的技術(shù)方法已經(jīng)逐漸成為優(yōu)化企業(yè)內(nèi)部控制體系的重要工具，這些新技術(shù)方法充分提高了企業(yè)處理非標(biāo)準(zhǔn)、非結(jié)構(gòu)數(shù)據(jù)的能力[11]，加快了企業(yè)內(nèi)部信息的流轉(zhuǎn)速度，降低了信息不對(duì)稱程度，最終，促進(jìn)了企業(yè)內(nèi)部控制水平的提升[1]。因此，企業(yè)數(shù)字化變革推動(dòng)了企業(yè)治理結(jié)構(gòu)、內(nèi)部管控、運(yùn)營(yíng)機(jī)制發(fā)生根本性變革[15]。

高質(zhì)量的內(nèi)部控制傳遞著企業(yè)會(huì)計(jì)信息質(zhì)量較高的信號(hào)，能夠降低管理者操縱盈余管理的可能性，確保會(huì)計(jì)信息披露完整和真實(shí)，減少財(cái)務(wù)舞弊行為的發(fā)生。證券市場(chǎng)的表現(xiàn)與市場(chǎng)參與者的行為息息相關(guān)，是市場(chǎng)參與者博弈行為引起的結(jié)果，可獲得的信息水平?jīng)Q定著市場(chǎng)參與者的行為[17]，而內(nèi)部控制可以改善投資者獲取信息的質(zhì)量，影響投資者行為，從而影響股票的流動(dòng)性。

由此，本文提出：

假設(shè)3：內(nèi)部控制在企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性的關(guān)系中發(fā)揮中介效應(yīng)。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

本文所選取的樣本涵蓋了2016—2020 年滬深兩市A股上市公司的數(shù)據(jù)。并按照以下規(guī)則進(jìn)行了初步篩選：首先剔除了金融類上市企業(yè)和ST 類企業(yè)樣本；其次刪除缺失關(guān)鍵變量數(shù)據(jù)的樣本；最后，為消除極端值的影響，對(duì)所有連續(xù)變量進(jìn)行上下1%的winsorize處理，最終篩選后，本文取得了8724 個(gè)樣本。其中，企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)企業(yè)年報(bào)數(shù)據(jù)來(lái)自深圳證券交易所和上海證券交易所官方網(wǎng)站，企業(yè)內(nèi)部控制質(zhì)量數(shù)據(jù)來(lái)自迪博（DIB）數(shù)據(jù)庫(kù)，股票流動(dòng)性及其他變量數(shù)據(jù)則來(lái)自國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)。

2.2 變量定義

（1）被解釋變量：股票流動(dòng)性（Liquidity）。張崢等（2013）[18]利用中外數(shù)據(jù)比較各種計(jì)量指標(biāo)后認(rèn)為，采用我國(guó)資本市場(chǎng)中非流動(dòng)性指標(biāo)（ILLIQ）作為衡量企業(yè)股票流動(dòng)性的指標(biāo)，可以直觀地反映出資本市場(chǎng)中公司股票交易的活躍度，因此，本文參照Amihud和Mendelson（1986）[19]的做法，按照式（1）來(lái)計(jì)算股票非流動(dòng)性指標(biāo)（ILLIQ）。

股票非流動(dòng)性指標(biāo)（ILLIQ）值越大，單位交易金額對(duì)股價(jià)的沖擊就越大，投資者的交易成本就越高，股票流動(dòng)性就越低?？梢?jiàn)，ILLIQ是股票流動(dòng)性的反向衡量指標(biāo)，為使實(shí)證結(jié)果簡(jiǎn)單易讀，本文參考文獻(xiàn)[6]對(duì)ILLIQ取相反數(shù)來(lái)測(cè)度股票流動(dòng)性，并用Liquidity 表示，Liquidity 數(shù)值越大，則意味著企業(yè)的股票流動(dòng)性越高。

（2）解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型程度（DCG）。何帆和劉紅霞（2019）[4]采用“當(dāng)年是否進(jìn)行數(shù)字化轉(zhuǎn)型”的“0-1”虛擬變量作為數(shù)字化轉(zhuǎn)型的變量，祁懷錦等（2020）[3]、張永坤等（2021）[20]以上市公司財(cái)務(wù)報(bào)告附注披露的年末無(wú)形資產(chǎn)明細(xì)項(xiàng)中與數(shù)字化轉(zhuǎn)型相關(guān)的部分占無(wú)形資產(chǎn)總額的比例來(lái)度量企業(yè)的數(shù)字化轉(zhuǎn)型水平。本文主要借鑒吳非等（2021）[6]和趙宸宇等（2021）[21]的研究，通過(guò)文本分析法抓取上海證券交易所、深圳證券交易所全部A股上市公司的年度報(bào)告中與“人工智能”“大數(shù)據(jù)”“云計(jì)算”“區(qū)塊鏈”“數(shù)字應(yīng)用”等相關(guān)的關(guān)鍵詞，并通過(guò)Java PDFbox庫(kù)提取所有文本信息作為數(shù)據(jù)池，搜索與其相關(guān)的關(guān)鍵詞進(jìn)行匹配和詞頻計(jì)數(shù)，最后加總，以此作為企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量指標(biāo)。

（3）中介變量：內(nèi)部控制質(zhì)量（IC）。本文用迪博（DIB）數(shù)據(jù)庫(kù)中上市公司內(nèi)部控制指數(shù)作為衡量企業(yè)內(nèi)部控制質(zhì)量的指標(biāo)。借鑒逯東等（2014）[22]的做法，將內(nèi)部控制指數(shù)除以100表示內(nèi)部控制質(zhì)量。IC指標(biāo)值越大，說(shuō)明企業(yè)內(nèi)部控制質(zhì)量越高。

（4）控制變量：借鑒吳非等（2021）[6]和以往學(xué)者的相關(guān)研究成果，本文選取了股權(quán)集中度（Tophold）、現(xiàn)金流強(qiáng)度（Cash）、凈資產(chǎn)收益率（ROE）、股票收益波動(dòng)性（Stdret）、賬面市值比（BM）、公司性質(zhì)（SOE）、資產(chǎn)負(fù)債率（LEV）、會(huì)計(jì)師事務(wù)所規(guī)模（Big4）作為本文的控制變量。為提升實(shí)證檢驗(yàn)結(jié)果的可靠性，本文還同時(shí)控制了固定效應(yīng)虛擬變量時(shí)間（Year）和行業(yè)（Ind）。各變量的具體定義見(jiàn)表1。

表1 變量定義

2.3 模型設(shè)計(jì)

根據(jù)前文的理論分析，為了研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股票流動(dòng)性的影響及內(nèi)部控制質(zhì)量的中介效應(yīng)，本文參考祁懷錦等（2020）[3]的研究，構(gòu)建了模型（3），檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股票流動(dòng)性的直接影響，模型如下：

為進(jìn)行機(jī)制識(shí)別，借助溫忠麟等（2004）[23]的中介效應(yīng)模型，檢驗(yàn)內(nèi)部控制質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性間的中介效應(yīng)，在模型（3）的基礎(chǔ)上構(gòu)建了模型（4）和模型（5）。

3 實(shí)證檢驗(yàn)

3.1 描述性統(tǒng)計(jì)

表2 是主要變量的描述性統(tǒng)計(jì)結(jié)果。股票流動(dòng)性Liquidity的均值為-0.0351，最小值為-0.6911，最大值為-0.0004，標(biāo)準(zhǔn)差為0.0344，股票流動(dòng)性最小值和最大值之間差異較大，表明個(gè)股間股票流動(dòng)性差異較大。本文考察的關(guān)鍵指標(biāo)DCG 均值為8.7591，最小值為0，最大值為432.0000，說(shuō)明目前上市公司的數(shù)字化轉(zhuǎn)型程度存在較大差異。內(nèi)部控制質(zhì)量IC 均值為627.4978，最大值為941.3100，最小值為0，說(shuō)明總體上上市公司內(nèi)部控制質(zhì)量偏低，企業(yè)之間差別較大。從控制變量來(lái)看，資產(chǎn)負(fù)債率均值為0.4595，股權(quán)集中度均值為34.6520，賬面市值比均值為0.6961。上述控制變量的統(tǒng)計(jì)分布與現(xiàn)有文獻(xiàn)基本一致。

表2 主要變量描述性統(tǒng)計(jì)

3.2 企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性關(guān)系的檢驗(yàn)

下頁(yè)表3為使用模型（3）對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性之間的關(guān)系進(jìn)行檢驗(yàn)的結(jié)果。一是僅控制了時(shí)間（Year）和行業(yè)（Ind）固定效應(yīng)，結(jié)果如列（1）所示，企業(yè)數(shù)字化轉(zhuǎn)型DCG的回歸系數(shù)為0.0001，且在5%的水平上通過(guò)顯著性檢驗(yàn)。二是在控制了時(shí)間和行業(yè)固定效應(yīng)的基礎(chǔ)上納入了現(xiàn)金流強(qiáng)度、股票收益波動(dòng)性等控制變量，結(jié)果如列（2）所示，相關(guān)的回歸系數(shù)仍為0.0001，但在10%的水平上通過(guò)顯著性檢驗(yàn)，顯著性水平的變化可能是因?yàn)榧{入了現(xiàn)金流強(qiáng)度、股票收益波動(dòng)性等控制變量后，影響股票流動(dòng)性的部分因素被吸收，但總體結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型程度與股票流動(dòng)性有顯著的正相關(guān)關(guān)系，企業(yè)數(shù)字化轉(zhuǎn)型程度越高，股票流動(dòng)性越強(qiáng)，企業(yè)數(shù)字化轉(zhuǎn)型有效降低了信息不對(duì)稱程度，提高了信息披露質(zhì)量，向資本市場(chǎng)投資者釋放了利好信息，提高了股票流動(dòng)性。假設(shè)1得到驗(yàn)證。

3.3 內(nèi)部控制的中介效應(yīng)檢驗(yàn)

根據(jù)前文構(gòu)建的中介效應(yīng)模型，進(jìn)一步檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股票流動(dòng)性的影響機(jī)制，回歸結(jié)果如下頁(yè)表4所示。表4 列（1）是對(duì)模型（4）進(jìn)行的回歸檢驗(yàn)，結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型DCG 與內(nèi)部控制IC 的回歸系數(shù)為0.1614，且在10%的水平上顯著，說(shuō)明隨著云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈等先進(jìn)技術(shù)逐步應(yīng)用于企業(yè)內(nèi)控工作中，其信息或數(shù)據(jù)獲取能力得到了提升，加速了企業(yè)內(nèi)部信息流轉(zhuǎn)，降低了信息不對(duì)稱程度，促進(jìn)了企業(yè)內(nèi)部控制水平的提升。表4 列（2）是對(duì)模型（5）進(jìn)行的回歸檢驗(yàn)，結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型DCG與股票流動(dòng)性Liquidity的回歸系數(shù)為0.0001，且在10%的水平上顯著，內(nèi)部控制IC 與股票流動(dòng)性Liquidity 的回歸系數(shù)在1%的水平上顯著，結(jié)合上述分析結(jié)果，根據(jù)三步驟中介效應(yīng)檢驗(yàn)可知，內(nèi)部控制在企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性之間存在部分中介效應(yīng)。假設(shè)3得到支持。

表4 內(nèi)部控制的中介效應(yīng)檢驗(yàn)

3.4 穩(wěn)健性檢驗(yàn)

3.4.1 替換被解釋變量

為確保研究結(jié)論的可靠性，本文借鑒楊墨等（2022）[16]的研究，從流動(dòng)性的其他角度，選取換手率（Turnover）作為股票流動(dòng)性的替代變量，驗(yàn)證回歸結(jié)果的可信性。表5為采用替代變量重新進(jìn)行回歸分析的結(jié)果，結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型DCG的回歸系數(shù)為0.2743,且在10%的水平上通過(guò)顯著性檢驗(yàn)?？梢?jiàn)，替換變量后的回歸結(jié)果與前述研究結(jié)論基本一致，說(shuō)明該結(jié)果是穩(wěn)健的。

表5 穩(wěn)健性檢驗(yàn)（替換被解釋變量）

3.4.2 處理效應(yīng)模型檢驗(yàn)

為保證結(jié)論的穩(wěn)健性，本文將核心解釋變量DCG 轉(zhuǎn)化為虛擬變量DCG_d 后進(jìn)一步進(jìn)行回歸分析，以探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其股票流動(dòng)性的影響。DCG_d 取值為1表示企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，對(duì)應(yīng)DCG 取值為非負(fù)數(shù)的情況；DCG_d 取值為0 表示企業(yè)未實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，對(duì)應(yīng)DCG 取值為0 的情況?？紤]到企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型并非隨機(jī)的，往往受企業(yè)規(guī)模、所在行業(yè)、資產(chǎn)流動(dòng)性、企業(yè)文化、管理者遠(yuǎn)見(jiàn)等因素的影響，也就是說(shuō)，可能存在樣本自選擇問(wèn)題，進(jìn)而影響回歸結(jié)果的穩(wěn)定性。因此，為緩解樣本自相關(guān)問(wèn)題，本文選擇處理效應(yīng)模型進(jìn)行分析。

處理效應(yīng)模型具體形式如下：

其中，Y表示反映股票流動(dòng)性的變量Liquidity 和Turnover；X表示外生解釋變量集或控制變量集；式（7）為Probit 回歸模型，屬于處理效應(yīng)模型中的第一階段回歸模型，Z表示不包含在X中的外生工具變量集，本文中的Z為核心解釋變量DCG_d 的滯后一期變量Lag_DCG_d；和分別為和的估計(jì)值；IMR 為逆米爾斯比率，依據(jù)式（7）的結(jié)果計(jì)算得出；φ()· 和Φ(·)分別表示標(biāo)準(zhǔn)正態(tài)分布的概率密度和分布函數(shù)；u、v、ε均為隨機(jī)誤差項(xiàng)；式（9）屬于處理效應(yīng)模型中的第二階段回歸模型。

下頁(yè)表6為處理效應(yīng)模型回歸結(jié)果。其中，列（1）、列（2）分別對(duì)應(yīng)將Liquidity、Turnover作為被解釋變量的回歸結(jié)果。由列（1）、列（2）結(jié)果可知，不論是以Liquidity 為被解釋變量還是以Turnover 為被解釋變量，IMR 對(duì)應(yīng)的回歸系數(shù)均至少在5%的水平上顯著為負(fù)。說(shuō)明回歸存在樣本自選擇偏誤問(wèn)題；DCG_d對(duì)應(yīng)的回歸系數(shù)均為正，且在1%的水平上顯著，說(shuō)明在消除樣本自選擇偏誤的影響后，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型有利于消除企業(yè)與投資者之間的信息壁壘，提升公司股票的流動(dòng)性，給資本市場(chǎng)帶來(lái)利好消息，這與前文所得結(jié)論一致，再次驗(yàn)證了本文結(jié)論的穩(wěn)健性。

表6 穩(wěn)健性檢驗(yàn)（處理效應(yīng)模型分析結(jié)果）

4 結(jié)論與建議

本文借助我國(guó)滬深兩市A 股上市企業(yè)2016—2020 年數(shù)據(jù)，通過(guò)文本分析法抓取所有上市企業(yè)年報(bào)中與“數(shù)字化轉(zhuǎn)型”有關(guān)的關(guān)鍵詞來(lái)衡量數(shù)字化轉(zhuǎn)型程度，通過(guò)回歸分析模型實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)中股票流動(dòng)性的影響及內(nèi)部控制質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型與股票流動(dòng)性兩者之間的作用機(jī)制，并通過(guò)更換股票流動(dòng)性的替代變量及處理效應(yīng)模型分析檢驗(yàn)，驗(yàn)證了回歸結(jié)果的穩(wěn)健性。研究結(jié)論如下：企業(yè)數(shù)字化轉(zhuǎn)型顯著提升了股票流動(dòng)性，向資本市場(chǎng)釋放了利好信息，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)改善信息不對(duì)稱、提高信息披露質(zhì)量、提高內(nèi)部控制質(zhì)量，從而提升股票流動(dòng)性，內(nèi)部控制在企業(yè)數(shù)字化轉(zhuǎn)型和股票流動(dòng)性之間起到部分中介效應(yīng)。

為了最大化實(shí)現(xiàn)數(shù)字化的價(jià)值紅利，提出以下建議：（1）企業(yè)要積極探索數(shù)字化轉(zhuǎn)型，把握好數(shù)字化轉(zhuǎn)型這一驅(qū)動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要引擎，順應(yīng)全球數(shù)字科技迅猛發(fā)展的趨勢(shì)，快速融入技術(shù)升級(jí)的浪潮中，讓科技成為賦能業(yè)務(wù)創(chuàng)新、管理變革的工具。我國(guó)企業(yè)要加快數(shù)字化轉(zhuǎn)型步伐，鼓勵(lì)數(shù)字技術(shù)與企業(yè)在設(shè)計(jì)研發(fā)、生產(chǎn)、銷售、組織結(jié)構(gòu)、管理體制、治理模式等各環(huán)節(jié)上的深度融合，充分發(fā)揮數(shù)據(jù)要素的價(jià)值創(chuàng)造作用，真正實(shí)現(xiàn)數(shù)字信息轉(zhuǎn)化為生產(chǎn)要素，實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展，助力數(shù)字中國(guó)建設(shè)。（2）政府要加大對(duì)傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的政策傾斜力度，為數(shù)字化轉(zhuǎn)型的穩(wěn)步推進(jìn)保駕護(hù)航。進(jìn)一步提高數(shù)字化變革向資本市場(chǎng)的信息傳導(dǎo)效率，強(qiáng)化數(shù)字科技賦能改善我國(guó)資本市場(chǎng)信息環(huán)境，最大限度地發(fā)揮其對(duì)股票流動(dòng)性的影響，使其帶來(lái)的增量效應(yīng)迅速反映在資本市場(chǎng)中，從而提升資本市場(chǎng)活躍度。（3）企業(yè)要通過(guò)數(shù)字化轉(zhuǎn)型提高公司內(nèi)部控制質(zhì)量，降低公司操縱信息的風(fēng)險(xiǎn)，提高企業(yè)信息的透明度和信息披露質(zhì)量，進(jìn)而維護(hù)資本市場(chǎng)投資者的切身利益，使投資者能夠通過(guò)關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型程度所傳遞出的信號(hào)及時(shí)了解企業(yè)對(duì)外的信息披露情況，從而進(jìn)行有效決策。