數(shù)字化轉(zhuǎn)型與企業(yè)交易成本

李衛(wèi)兵,張星

一、引 言

隨著5G、人工智能、移動支付、區(qū)塊鏈等技術(shù)的迅猛發(fā)展,數(shù)字經(jīng)濟已經(jīng)發(fā)展成為一種全新的經(jīng)濟形態(tài)。數(shù)字經(jīng)濟主要以數(shù)據(jù)資源為關(guān)鍵要素,以現(xiàn)代信息網(wǎng)絡為核心載體,以信息通信技術(shù)融合應用為重要推動力(1)國務院關(guān)于印發(fā)“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃的通知,http://www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.,它的發(fā)展正深刻改變著現(xiàn)代社會的生產(chǎn)、生活方式。在這種背景下,學者們聚焦于考察地區(qū)數(shù)字經(jīng)濟發(fā)展水平對企業(yè)生產(chǎn)效率或經(jīng)濟績效的影響,發(fā)現(xiàn)地區(qū)數(shù)字經(jīng)濟發(fā)展水平有助于通過優(yōu)化要素配置[1]、緩解信息不對稱[2]、促進技術(shù)創(chuàng)新[3][4]等途徑提高企業(yè)全要素生產(chǎn)率[5],并能促進企業(yè)降低成本[6]、提高資產(chǎn)使用效率、改變商業(yè)模式[7]和增加貿(mào)易規(guī)模[8]。然而,地區(qū)數(shù)字經(jīng)濟發(fā)展水平對企業(yè)行為或績效的影響是間接的,企業(yè)自身進行數(shù)字化轉(zhuǎn)型才是關(guān)乎企業(yè)生存和發(fā)展的直接決定因素。目前,研究企業(yè)數(shù)字化轉(zhuǎn)型對其自身績效影響的文獻非常有限,而且交易成本的降低是企業(yè)增加利潤和提升競爭力的重要途徑,鑒于此,本文試圖從交易費用的視角考察企業(yè)進行數(shù)字化轉(zhuǎn)型的微觀經(jīng)濟影響,對相關(guān)文獻進行有益補充。

研究交易成本的文獻相對較多[9][10][11][12][13],但只有少數(shù)學者間接地討論了企業(yè)數(shù)字化轉(zhuǎn)型對交易成本的影響[1][14][15],且這些研究僅將交易成本作為一個中間影響機制來進行分析,或者僅關(guān)注數(shù)字化轉(zhuǎn)型中的某個特定技術(shù)(如互聯(lián)網(wǎng)技術(shù)或區(qū)塊鏈技術(shù))對交易成本的影響,尚未系統(tǒng)地評估數(shù)字化轉(zhuǎn)型與企業(yè)交易成本之間的因果關(guān)系。在激烈的市場競爭中,降低交易成本是企業(yè)增加利潤的有效方法,是企業(yè)生存發(fā)展的重要途徑,因而本文聚焦于考察企業(yè)數(shù)字化轉(zhuǎn)型對其交易成本的影響。

數(shù)字化轉(zhuǎn)型可能通過如下渠道降低企業(yè)交易成本:技術(shù)支持渠道、產(chǎn)業(yè)升級渠道和信息透明渠道。首先,數(shù)字化轉(zhuǎn)型需要依托數(shù)字技術(shù)的發(fā)展,隨著5G、人工智能、互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈等技術(shù)的突破,企業(yè)進行數(shù)字化轉(zhuǎn)型已成為可能。數(shù)字信息技術(shù)的廣泛應用能夠通過協(xié)同效應和效率效應來降低企業(yè)內(nèi)、外部交易成本[16][17]。其次,傳統(tǒng)產(chǎn)業(yè)發(fā)展到一定階段會因資源、技術(shù)、運輸、勞動力等問題陷入瓶頸期,而數(shù)字技術(shù)與傳統(tǒng)企業(yè)的結(jié)合能有效推動傳統(tǒng)產(chǎn)業(yè)進行資源整合、精簡中間環(huán)節(jié)、實現(xiàn)高效精準的供需對接,進而降低交易成本[18][19]。最后,交易成本的一個重要組成部分是信息搜尋成本,而數(shù)字技術(shù)的應用有助于提高信息透明度,從而有效地減少機會主義行為[14][20]。此外,企業(yè)應用大數(shù)據(jù)、云計算等技術(shù)能在眾多信息中較快地獲取有價值的信息,從而節(jié)省信息搜尋成本,整體上降低交易成本[21]。

要準確估計企業(yè)數(shù)字化轉(zhuǎn)型對其交易成本的影響,首先需要構(gòu)建恰當?shù)臄?shù)字化轉(zhuǎn)型指標。我們通過對2008 — 2019年一直存續(xù)的A股上市公司年報中披露的與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞進行詞頻統(tǒng)計,以此衡量企業(yè)數(shù)字化轉(zhuǎn)型水平;同時用企業(yè)銷售費用、管理費用和財務費用總和占其總資產(chǎn)的比例來衡量企業(yè)交易成本。為了處理企業(yè)數(shù)字化轉(zhuǎn)型與其交易成本之間的反向因果關(guān)系所造成的內(nèi)生性問題,我們選取歷史數(shù)據(jù)作為數(shù)字化轉(zhuǎn)型的工具變量(IV)并進行IV估計。為了緩解遺漏變量所造成的內(nèi)生性問題,我們選取城市和企業(yè)層面的經(jīng)濟特征變量作為控制變量,并引入企業(yè)固定效應和時間固定效應。此外,我們進行了一系列穩(wěn)健性檢驗以確保研究結(jié)論的可信度。最后,為了探討企業(yè)特征或者行業(yè)特性對研究結(jié)論的影響,我們深入考察了企業(yè)數(shù)字化轉(zhuǎn)型影響交易成本的異質(zhì)性問題。

研究結(jié)果一致表明,企業(yè)進行數(shù)字化轉(zhuǎn)型能顯著降低其交易成本;同時,我們把數(shù)字化轉(zhuǎn)型綜合指標細分為大數(shù)據(jù)技術(shù)、人工智能技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)和數(shù)字化應用等五個子指標,回歸結(jié)果顯示基準結(jié)論仍然穩(wěn)健。IV估計結(jié)果證明了企業(yè)數(shù)字化轉(zhuǎn)型與交易成本之間的負相關(guān)關(guān)系。盡管我們無法直接考察數(shù)字化轉(zhuǎn)型對信息搜尋成本、契約簽訂成本和契約履行成本等不同類型交易成本的影響,但間接分析結(jié)果從側(cè)面證實數(shù)字化轉(zhuǎn)型對不同類型的交易成本均存在抑制作用。進一步分析結(jié)果顯示,相對于非高新技術(shù)企業(yè),高新技術(shù)企業(yè)更能保證數(shù)字化轉(zhuǎn)型的成功,因而能更有效地提升交易效率和降低交易成本。相對于數(shù)字經(jīng)濟行業(yè),傳統(tǒng)行業(yè)的特性決定了其擁有更高的交易成本,因而數(shù)字化技術(shù)的應用能幫助傳統(tǒng)行業(yè)進行轉(zhuǎn)型升級,減少不必要的交易流程,從而使交易成本的降低更明顯。

本文可能的貢獻在于:(1)有益地補充了關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型效應的研究文獻?，F(xiàn)有的少數(shù)文獻集中于考察企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟效應,少有研究關(guān)注其成本效應,幾乎沒有文獻系統(tǒng)考察企業(yè)數(shù)字化轉(zhuǎn)型對交易成本的影響。本文從交易成本的視角考察企業(yè)數(shù)字化轉(zhuǎn)型的微觀成本效應,彌補了現(xiàn)有文獻的不足。(2)豐富了關(guān)于交易成本的研究文獻?，F(xiàn)有關(guān)于交易成本的研究大多聚焦于制度層面,包括政府治理或相關(guān)制度、法規(guī)措施等正式制度[12][13],以及信任、城市文明等非正式制度[9][10][11],鮮有文獻關(guān)注企業(yè)數(shù)字化是否是交易成本的重要影響因素。本文的研究結(jié)果證實企業(yè)進行數(shù)字化轉(zhuǎn)型能有效降低其交易成本,這是對關(guān)于企業(yè)交易成本影響因素的相關(guān)文獻的進一步豐富和完善。

本文其余部分的結(jié)構(gòu)安排如下:第二部分進行理論分析并提出研究假設(shè);第三部分介紹數(shù)據(jù)和方法;第四部分分析實證結(jié)果并進行穩(wěn)健性檢驗;第五部分進一步分析企業(yè)數(shù)字化轉(zhuǎn)型影響交易成本的異質(zhì)性特征;第六部分總結(jié)全文并提出政策含義。

二、理論分析與研究假設(shè)

根據(jù)交易成本理論,企業(yè)面臨的交易成本可以劃分為:(1)信息搜尋成本。企業(yè)在進行交易之前需要搜尋一定的信息來確定合適的交易對象[22],在此過程中產(chǎn)生的成本即為信息搜尋成本。(2)契約簽訂成本。企業(yè)確定交易對象之后,需要擬定相應的契約,契約的具體條款也需要反復協(xié)商、談判,而協(xié)商、談判直到簽訂契約都需要一定的成本[23]。(3)契約履行成本。為保證契約的履行,企業(yè)需要付出一定的監(jiān)督成本,當契約無法履行或交易對手違約時,企業(yè)也將面臨潛在風險成本[24]。

相應地,企業(yè)進行數(shù)字化轉(zhuǎn)型能夠從以上三個方面來降低交易成本。首先,可以降低信息搜尋成本。企業(yè)采用數(shù)字化系統(tǒng)可以線上搜尋與經(jīng)濟交易相關(guān)的信息,而這種線上搜尋信息方式比傳統(tǒng)的線下搜尋信息方式更能提高信息搜尋效率。同時,利用大數(shù)據(jù)、人工智能等技術(shù),企業(yè)能對大量的數(shù)據(jù)進行分析來獲取更為有用的客戶信息,從而精準定位目標交易對象[21][25][26]。其次,數(shù)字技術(shù)帶來的多渠道信息交流平臺極大地便利了企業(yè)與交易對象之間的溝通和交流,使得交易產(chǎn)品的價格、質(zhì)量、款式等契約的關(guān)鍵要素變得更加透明,從而降低了企業(yè)與交易對象之間簽訂交易契約的協(xié)調(diào)和談判成本[22][27]。最后,區(qū)塊鏈等數(shù)字技術(shù)的應用,極大地降低了企業(yè)的監(jiān)督成本以及由于違約而帶來的不確定性成本,同時在線交易評價系統(tǒng)會影響企業(yè)的聲譽,這在一定程度上制約了交易過程中由于信息不對稱造成的機會主義行為[14][20]。根據(jù)以上分析,本文提出假設(shè)1:

H1 在其他條件不變的情況下,企業(yè)進行數(shù)字化轉(zhuǎn)型能顯著降低其交易成本(包括信息搜尋成本、契約簽訂成本和契約履行成本)。

企業(yè)數(shù)字化轉(zhuǎn)型對交易成本的影響會因企業(yè)特征而有所差異。在數(shù)字化轉(zhuǎn)型的過程中,科技是核心,企業(yè)能否實現(xiàn)數(shù)字化轉(zhuǎn)型依賴于其技術(shù)特征和信息處理水平[16]。其中,由5G、邊緣計算、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、區(qū)塊鏈、AI等構(gòu)成的新一代數(shù)字技術(shù)成為企業(yè)數(shù)字化轉(zhuǎn)型的重要推動因素[17]。相對于普通企業(yè)而言,高新技術(shù)企業(yè)往往擁有更多的高新技術(shù)產(chǎn)品、發(fā)明專利和科技人員等,因而在數(shù)字化轉(zhuǎn)型過程中更能充分利用先進的數(shù)字技術(shù)優(yōu)勢來提高信息收集和分析效率,從而促進交易成本的顯著下降。基于此,本文提出假設(shè)2:

H2 數(shù)字化轉(zhuǎn)型對交易成本的影響在高新技術(shù)企業(yè)中更加顯著。

數(shù)字經(jīng)濟行業(yè)的相關(guān)企業(yè)從一開始就使用數(shù)字技術(shù)而使得其交易成本相對較低,而非數(shù)字經(jīng)濟行業(yè)的行業(yè)特征決定了相關(guān)企業(yè)的交易成本相對較高。隨著數(shù)字技術(shù)的應用以及數(shù)字化轉(zhuǎn)型速度的加快,非數(shù)字經(jīng)濟行業(yè)的企業(yè)也逐漸開始使用數(shù)字化技術(shù),例如采用線上方式搜尋信息、利用線上平臺銷售商品或提供服務、應用工業(yè)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等技術(shù)實時監(jiān)測企業(yè)的產(chǎn)銷量以及庫存情況等,這些及時的信息反饋有利于企業(yè)根據(jù)以往的數(shù)據(jù)進行分析并對未來進行較為準確的預測,從而合理地安排生產(chǎn)規(guī)模和調(diào)整生產(chǎn)進度,避免由于產(chǎn)品生產(chǎn)過多或過少帶來經(jīng)濟損失[18][19]。這些數(shù)字技術(shù)的應用能在一定程度上提高交易效率和降低交易成本。因此,相對于數(shù)字經(jīng)濟行業(yè)而言,數(shù)字技術(shù)應用對交易成本的影響對非數(shù)字行業(yè)來說效果更加明顯?；诖?本文提出假設(shè)3:

H3 數(shù)字化轉(zhuǎn)型對交易成本的影響在非數(shù)字經(jīng)濟行業(yè)中更加顯著。

三、數(shù)據(jù)來源與變量選取

(一)數(shù)據(jù)來源

考慮到中國正處于數(shù)字經(jīng)濟規(guī)模迅速擴張和數(shù)字化技術(shù)高速發(fā)展的階段,我們以2008 — 2019年一直存續(xù)的A股上市公司為研究樣本來檢驗數(shù)字化轉(zhuǎn)型對企業(yè)交易成本的影響,同時剔除ST公司以及存在數(shù)據(jù)缺失的公司,最終得到包含1285家上市公司的非平衡面板數(shù)據(jù)。其中,公司層面的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫(CSMAR),城市層面的數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》,企業(yè)年報數(shù)據(jù)來自于深圳證券交易所、上海證券交易所官方網(wǎng)站。此外,我們對所有連續(xù)變量在上下1%水平上進行縮尾處理,并在回歸分析中將標準誤聚類到公司層面。

(二)變量選取

1.被解釋變量——交易成本(transaction cost)

交易成本主要指交易發(fā)生時伴隨整個交易過程所產(chǎn)生的全部成本,包括搜尋信息的費用、達成合同的費用、簽訂合同的費用、監(jiān)督合同履行的費用和違約后尋求賠償?shù)馁M用等。關(guān)于交易成本的測度,學術(shù)界一直存在爭議。有學者認為,交易費用中包含的搜集信息、談判和簽約等費用會涉及時間和精力耗費,很難用貨幣衡量,要準確地計算交易成本是不可能的;也有學者認為,盡管不能夠精確地計算交易成本,但可以間接地近似計算交易成本。

目前關(guān)于交易成本的測算方法主要包括兩個層面:(1)宏觀層面。大致可以分為兩類,一類是以Wallis and North[28]為代表的直接測度方法,即把整個經(jīng)濟部門分為交易部門和轉(zhuǎn)換部門,通過計算兩部門交易成本之和來測算整個經(jīng)濟體的交易成本[29]。另一類是通過構(gòu)建交易效率指標來間接測度交易成本,利用交易效率與交易成本的反向關(guān)系,從交易效率的視角間接地衡量交易成本[30]。(2)微觀層面。一些學者通過測算新企業(yè)創(chuàng)辦要經(jīng)過的程序以及完成這些程序所需要的時間和費用來衡量由于管制而產(chǎn)生的交易成本,還有一些學者采用代理變量來衡量交易成本,如采用單一的管理費用[31][32]或者銷售費用、管理費用和財務費用等多指標來衡量交易成本[33]。一般而言,實際成本付出與交易成本正相關(guān)[30]。因此,考慮數(shù)據(jù)可得性以及企業(yè)規(guī)模對交易成本的影響,我們采用銷售費用、管理費用和財務費用之和占總資產(chǎn)的比例來衡量企業(yè)交易成本。

2.核心解釋變量——數(shù)字化轉(zhuǎn)型(digital transformation)

現(xiàn)有文獻中關(guān)于宏觀層面的數(shù)字經(jīng)濟發(fā)展測度指標較多[34],而微觀層面的企業(yè)數(shù)字化轉(zhuǎn)型指標相對較少,且以定性分析居多[17][35]。少數(shù)學者采用虛擬變量方法直接測度企業(yè)是否進行數(shù)字化轉(zhuǎn)型[4],但這種方法僅能衡量企業(yè)是否進行數(shù)字化轉(zhuǎn)型,無法反映數(shù)字化轉(zhuǎn)型程度。還有學者采用居家辦公可行性指標、企業(yè)信息技術(shù)人員占比等指標間接地衡量企業(yè)數(shù)字化程度[36][37],這種衡量方式雖在一定程度上可以反映企業(yè)數(shù)字化轉(zhuǎn)型程度,但其與真實的企業(yè)數(shù)字化轉(zhuǎn)型程度仍然存在較大差異。

近年來,部分文獻通過文本分析、機器學習等方法捕捉企業(yè)數(shù)字化轉(zhuǎn)型信息,該方法借鑒與數(shù)字經(jīng)濟相關(guān)的國家政策語義表述,設(shè)定相對完備的企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞,并通過基于機器學習的文本分析方法構(gòu)建較為全面地反映上市公司數(shù)字化程度的指標[15][38]。我們借鑒袁淳等(2021)[15]和吳非等(2021)[38]的方法,從“底層技術(shù)層面”和“實踐應用層面”構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標。其中,底層技術(shù)層面包含人工智能、大數(shù)據(jù)、云計算和區(qū)塊鏈四個子指標,一共包括42個詞;實踐應用層面則以實踐中的具體數(shù)字化應用關(guān)鍵詞為準,一共包括34個詞。我們對上市公司年報全文中有關(guān)數(shù)字化轉(zhuǎn)型的76個特征詞出現(xiàn)的頻率進行統(tǒng)計,并采用相關(guān)詞匯詞頻總數(shù)和的自然對數(shù)來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。

3.控制變量

參考現(xiàn)有文獻,我們引入企業(yè)特征變量和城市特征變量來減少研究中可能存在的遺漏變量問題。企業(yè)層面的控制變量包括總資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負債率、自由現(xiàn)金流、董事會人數(shù)、股權(quán)集中度、控制股東性質(zhì)等變量。城市層面的控制變量包括產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平、市場化程度、互聯(lián)網(wǎng)普及率等變量(2)限于篇幅,此處未展示詳細變量定義,如讀者需要,可向作者索取。。

(三)描述性統(tǒng)計

樣本期間企業(yè)數(shù)字化指標分年度統(tǒng)計情況見圖1,其中虛線表示每年平均每家上市公司與數(shù)字化相關(guān)的詞匯頻數(shù),實線表示數(shù)字化轉(zhuǎn)型總詞頻的自然對數(shù),容易看出,企業(yè)數(shù)字化轉(zhuǎn)型水平呈明顯的增長趨勢。中國信息通信研究院發(fā)布的《2020年中國數(shù)字經(jīng)濟發(fā)展白皮書》和前瞻產(chǎn)業(yè)研究院發(fā)布的《2020年中國數(shù)字經(jīng)濟發(fā)展報告》相關(guān)數(shù)據(jù)顯示,中國數(shù)字經(jīng)濟增加值從2005年的2.6萬億元增加到2019年的35.8萬億元。騰訊金融研究院根據(jù)正推法推算出中國數(shù)字經(jīng)濟核心產(chǎn)業(yè)從2005年的1.5萬億元增長到2020年的8.6萬億元,復合年均增長率為15.0%,這也可以表明數(shù)字經(jīng)濟發(fā)展整體呈迅猛增長的態(tài)勢,也在一定程度上證實采用基于機器學習的文本分析法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標的合理性。

圖1 企業(yè)數(shù)字化增長趨勢圖

主要變量的描述性統(tǒng)計特征見表1?？梢钥闯?樣本企業(yè)交易成本的均值為9.621,說明企業(yè)交易成本占總資產(chǎn)的比例相對較高(接近10%)。數(shù)字化轉(zhuǎn)型指標的均值為0.887,最大值為4.625,最小值為0,標準差為1.211,證實不同企業(yè)之間數(shù)字化轉(zhuǎn)型程度也存在較大差異。企業(yè)特征變量方面,不同企業(yè)的總資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負債率、自由現(xiàn)金流、董事會人數(shù)、股權(quán)集中度等變量存在較大差異。城市特征變量方面,不同城市在產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平、市場化程度以及互聯(lián)網(wǎng)發(fā)展程度等方面差異較明顯,且市場化程度在所有城市特征變量中差異最大。一般而言,較高的市場化水平有利于交易達成,從而降低交易成本。

表1 核心變量的描述性統(tǒng)計特征

四、模型與實證結(jié)果

(一)計量模型

我們設(shè)定如下模型來估計企業(yè)數(shù)字化轉(zhuǎn)型對其交易成本的影響:

Transactioncosti,t=φ0+φ1Digitaltransformationi,t-1+φ2Xi,t+μi+δt+εi,t

(1)

其中,被解釋變量Transactioncosti,t表示企業(yè)i在t時期的交易成本;核心解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型指標Digitaltransformation;X表示可能影響企業(yè)交易成本的企業(yè)特征變量和城市特征變量;μi為企業(yè)固定效應,δt為時間固定效應,ε為隨機誤差項。考慮企業(yè)數(shù)字化轉(zhuǎn)型對交易成本的影響有一定的時滯,我們對核心解釋變量進行滯后1期的處理,這樣既考慮實踐中變量之間的傳遞耗時,又能在技術(shù)上盡可能減輕反向因果關(guān)系引致的內(nèi)生性問題。此外,在所有回歸中,我們均聚類到企業(yè)層面。系數(shù)φ1為核心估計系數(shù),如果其符號顯著為負,則表明企業(yè)數(shù)字化轉(zhuǎn)型能顯著降低其交易成本,反之則表明企業(yè)數(shù)字化轉(zhuǎn)型無法降低其交易成本。

(二)基準回歸結(jié)果

表2報告了基準回歸結(jié)果。其中,(1)列未引入任何企業(yè)特征變量和城市特征變量,僅控制時間固定效應和企業(yè)固定效應,可以看出企業(yè)數(shù)字化轉(zhuǎn)型指標的回歸系數(shù)為-0.198,且在5%的統(tǒng)計水平顯著,表明進行數(shù)字化轉(zhuǎn)型能顯著降低企業(yè)交易成本。(2)(3)列分別加入企業(yè)層面和城市層面的控制變量,(4)列同時加入企業(yè)層面和城市層面的控制變量,回歸結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型指標的估計系數(shù)均在1%的統(tǒng)計水平上顯著為負,進一步驗證了企業(yè)數(shù)字化轉(zhuǎn)型程度與交易成本之間的負相關(guān)關(guān)系(假設(shè)1成立)。

表2 企業(yè)數(shù)字化轉(zhuǎn)型與交易成本

企業(yè)層面的控制變量方面,資產(chǎn)負債率的回歸系數(shù)顯著為正,表明資產(chǎn)負債率越高,企業(yè)需要的資金成本也越高,這在一定程度上增加了企業(yè)交易成本。股權(quán)集中度的估計系數(shù)顯著為負,表明股權(quán)越集中,越有助于企業(yè)做出決策,從而提高交易效率和降低交易成本。城市層面的控制變量方面,地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平以及市場化程度與交易成本之間具有不顯著的負相關(guān)關(guān)系,說明地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平和市場化水平未能有效降低企業(yè)交易成本。這可能是因為控制企業(yè)特征變量之后,城市特征變量對企業(yè)交易成本的影響被掩蓋了。對比表2(1)列和(4)列結(jié)果,可以發(fā)現(xiàn),引入城市層面和企業(yè)層面的控制變量后,估計結(jié)果略有變化,但整體而言,基準回歸所估計的數(shù)字化轉(zhuǎn)型的交易成本效應較為穩(wěn)定。

(三)內(nèi)生性問題

在基準回歸中,我們引入可能影響企業(yè)交易成本的企業(yè)特征變量和城市特征變量,同時控制企業(yè)固定效應和時間固定效應,但回歸結(jié)果仍然可能受到反向因果關(guān)系所導致的內(nèi)生性問題的影響,因此,在此部分我們進行IV估計,以進一步處理內(nèi)生性問題。

有效的工具變量需要滿足外生性和相關(guān)性兩個條件。有學者采用企業(yè)所在城市1984年的郵電歷史數(shù)據(jù)作為企業(yè)數(shù)字化轉(zhuǎn)型水平的工具變量[1][39],原因在于當?shù)貧v史上的電信基礎(chǔ)設(shè)施水平會通過技術(shù)水平和使用習慣等途徑影響后續(xù)互聯(lián)網(wǎng)技術(shù)的應用,進而影響企業(yè)數(shù)字化轉(zhuǎn)型水平,從而滿足相關(guān)性條件。同時,郵電作為社會基礎(chǔ)設(shè)施,旨在為民眾提供通信服務,并不直接作用于企業(yè)交易過程,因此滿足外生性條件。但是,該工具變量的原始數(shù)據(jù)為橫截面數(shù)據(jù),而本文的數(shù)據(jù)特征為面板數(shù)據(jù),因而需引入一個隨時間變化的變量來構(gòu)造面板工具變量。我們參考趙濤等(2020)[39]的思路,以上一年全國互聯(lián)網(wǎng)用戶數(shù)與1984年各城市每百人郵局數(shù)構(gòu)造交互項,并以此作為該年企業(yè)數(shù)字化轉(zhuǎn)型水平的工具變量。

表3的檢驗結(jié)果顯示,在考慮內(nèi)生性之后,企業(yè)數(shù)字化轉(zhuǎn)型指標(L1.數(shù)字化轉(zhuǎn)型)的估計系數(shù)顯著為負,證實企業(yè)數(shù)字化轉(zhuǎn)型的交易成本抑制效應仍然存在。此外,對于原假設(shè)“工具變量識別不足”的檢驗,Anderson canon. Corr. LM統(tǒng)計量P值為0.000,顯著拒絕原假設(shè);在工具變量弱識別的檢驗中,Cragg-Donald的WaldF統(tǒng)計量大于Stock-Yogo弱識別檢驗10%水平上的臨界值,這也證實該工具變量的選取是合理的。

表3 工具變量法檢驗結(jié)果

(四)穩(wěn)健性檢驗

1.替換交易成本度量指標

基準回歸中選定的交易成本指標是一個綜合指標,既包括外部交易成本(如銷售費用),又包括內(nèi)部交易成本(如管理費用),而企業(yè)數(shù)字化轉(zhuǎn)型對其內(nèi)部和外部交易成本的影響可能有所差異。為了使研究結(jié)果更有可信度,我們分別將交易成本綜合指標替換成外部交易成本(用企業(yè)銷售費用與總資產(chǎn)的比值衡量,記為Transaction cost1)和內(nèi)部交易成本(用企業(yè)管理費用與總資產(chǎn)的比值衡量,記為Transaction cost2),然后代入式(1)進行回歸。回歸結(jié)果(3)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。顯示,數(shù)字化轉(zhuǎn)型指標的估計系數(shù)均顯著為負,表明企業(yè)數(shù)字化轉(zhuǎn)型能顯著降低其外部交易成本和內(nèi)部交易成本,這與基準回歸結(jié)果一致。

此外,我們根據(jù)交易效率與交易成本的反向關(guān)系,構(gòu)建交易效率指標來檢驗基準回歸結(jié)果的穩(wěn)健性。參考現(xiàn)有文獻的處理方式,我們從地區(qū)經(jīng)濟環(huán)境、基礎(chǔ)設(shè)施水平和政策環(huán)境等三個方面構(gòu)建交易效率綜合指標。這是因為地區(qū)經(jīng)濟環(huán)境、基礎(chǔ)設(shè)施水平和政策環(huán)境有助于降低交易成本并提升交易效率。其中,地區(qū)經(jīng)濟環(huán)境由人均GDP、平均工資水平、消費率、人均固定資產(chǎn)投資額以及GDP增速組成;基礎(chǔ)設(shè)施由人均城市道路面積、衛(wèi)生機構(gòu)床位數(shù)、貨運總量以及供電能力組成;政策環(huán)境由政府干預和企業(yè)稅收負擔組成。在此基礎(chǔ)上,我們分別采用主成分分析法和熵權(quán)法計算出具體的交易效率指數(shù),并分別記為Transaction cost3和Transaction cost4,然后用交易效率指數(shù)代替交易成本指標進行回歸?；貧w結(jié)果(4)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。顯示,企業(yè)數(shù)字化轉(zhuǎn)型能顯著提高其交易效率,從而有助于降低交易成本。

2.替換數(shù)字化轉(zhuǎn)型度量指標

為了提高回歸結(jié)果的可信度,我們替換數(shù)字化轉(zhuǎn)型指標的度量方式進行檢驗。借鑒袁淳等[15]關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型指標的定義,我們通過文本分析和機器學習方法統(tǒng)計出企業(yè)數(shù)字化轉(zhuǎn)型詞匯在上市公司年報“管理層討論與分析”部分出現(xiàn)的次數(shù),從而得到企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)詞頻數(shù),并將該詞頻做對數(shù)化處理以構(gòu)建新的企業(yè)數(shù)字化轉(zhuǎn)型指標(即digital transformation1)。此外,我們進一步采用企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)詞頻數(shù)占上市公司年報“管理層討論與分析”部分總詞頻數(shù)的比例并乘以100,構(gòu)建另一個數(shù)字化轉(zhuǎn)型指標(即digital transformation2)。將上述替代的數(shù)字化轉(zhuǎn)型指標代入式(1)進行回歸,結(jié)果(5)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。表明,無論采用哪種方式來度量企業(yè)數(shù)字化轉(zhuǎn)型,其估計系數(shù)均顯著為負,與基準回歸結(jié)果保持一致。

3.數(shù)字化轉(zhuǎn)型指標口徑分解

企業(yè)數(shù)字化轉(zhuǎn)型是一個譜系概念,包含著不同結(jié)構(gòu)特征的技術(shù)差異。我們將數(shù)字化轉(zhuǎn)型綜合指標分解為:(1)技術(shù)層面,包括人工智能技術(shù)(AIT)、大數(shù)據(jù)技術(shù)(BDT)、云計算技術(shù)(CCT)和區(qū)塊鏈技術(shù)(BCT)四個子指標。(2)數(shù)字技術(shù)應用層面(DTA),以實踐中的具體數(shù)字化應用關(guān)鍵詞衡量,然后分別基于式(1)進行回歸?；貧w結(jié)果(6)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。表明,企業(yè)數(shù)字化轉(zhuǎn)型的所有子指標的估計系數(shù)均為負,技術(shù)層面的四個子指標的估計系數(shù)都在1%的統(tǒng)計水平顯著,應用層面的指標的估計系數(shù)在5%的統(tǒng)計水平顯著,這與基準回歸結(jié)果基本一致,證明本文的研究結(jié)論非常穩(wěn)健。

4.改變樣本篩選方式

基準回歸中的樣本僅包括2008 — 2019年一直存續(xù)的企業(yè),并未包含2008年以后上市的企業(yè),這可能導致樣本自選擇問題,從而導致研究結(jié)論的偏倚性。為了增強結(jié)論的穩(wěn)健性和可靠性,我們改變樣本篩選方式,將2008年之后上市的企業(yè)也包括進來?；貧w結(jié)果(7)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。表明,改變樣本篩選方式之后,企業(yè)數(shù)字化轉(zhuǎn)型指標的估計系數(shù)仍然在1%的統(tǒng)計水平顯著為負,證明樣本篩選的自選擇問題并沒有干擾基準回歸結(jié)果。

5.排除企業(yè)策略性信息披露行為的干擾

我們從企業(yè)年報中統(tǒng)計與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞的詞匯頻率,以此構(gòu)造出企業(yè)數(shù)字化轉(zhuǎn)型指標的代理變量,但是這種衡量方式可能會受到企業(yè)策略性信息披露行為的影響。例如,企業(yè)可能有夸大信息披露的嫌疑,從而使構(gòu)建的數(shù)字化轉(zhuǎn)型指標高于真實情況。為了排除這種企業(yè)策略性行為對估計結(jié)果的干擾,我們進行如下檢驗:首先,借鑒趙璨等(2020)[40]的思路,剔除殘差位于最高20%的觀測樣本并重新進行估計;其次,僅保留證券交易所信息披露考評結(jié)果為優(yōu)秀或良好的上市公司樣本,因為這類公司進行策略性信息披露的可能性更小。在所有回歸中(8)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。,企業(yè)數(shù)字化轉(zhuǎn)型指標的估計系數(shù)始終顯著為負,這意味著企業(yè)策略性信息披露行為對本文實證策略的干擾并不明顯。

五、進一步分析

(一)企業(yè)數(shù)字化轉(zhuǎn)型與不同類型的交易成本

受數(shù)據(jù)限制,我們無法直接考察數(shù)字化轉(zhuǎn)型對信息搜尋成本、契約簽訂成本和契約履行成本等不同類型交易成本的具體影響,此部分我們間接地對此進行分析。

1.數(shù)字化轉(zhuǎn)型與企業(yè)信息搜尋成本

不同類型企業(yè)的信息搜尋成本差異明顯。有政治關(guān)聯(lián)的企業(yè)更容易獲得政府幫助,在信息獲取上也具有一定優(yōu)勢。沒有政治關(guān)聯(lián)的企業(yè)則需要花費較大的人力、物力去搜尋對公司有利的信息(如融資信息),從而帶來較高的交易成本。隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷推進,各類信息的公開程度也隨著大數(shù)據(jù)、區(qū)塊鏈等技術(shù)的應用而更加透明,企業(yè)獲取信息的成本也相對下降。綜合而言,數(shù)字化轉(zhuǎn)型能使沒有政治關(guān)聯(lián)的企業(yè)與有政治關(guān)聯(lián)的企業(yè)獲取信息的機會更加平等。因此,我們預期沒有政治關(guān)聯(lián)的企業(yè)有著更強的動機推動數(shù)字化轉(zhuǎn)型,以降低信息獲取難度,并降低交易成本。

我們采用兩種方式來衡量企業(yè)是否具有政治關(guān)聯(lián)。首先,我們考察企業(yè)高管的政治關(guān)聯(lián)性,即如果公司的董事長或總經(jīng)理目前或者曾經(jīng)在政府、軍隊任職,或是人大代表或政協(xié)委員,則判定該公司具有政治關(guān)聯(lián),否則該公司沒有政治關(guān)聯(lián)。其次,我們通過企業(yè)實際控制人的性質(zhì)來區(qū)分企業(yè)是否具有政治關(guān)聯(lián),如果企業(yè)實際控制人為政府部門,則判定該企業(yè)有政治關(guān)聯(lián),反之則無政治關(guān)聯(lián)。表4匯報了分組回歸的估計結(jié)果,從回歸結(jié)果看,無論以哪種方式衡量企業(yè)是否具有政治關(guān)聯(lián),無政治關(guān)聯(lián)的企業(yè)進行數(shù)字化轉(zhuǎn)型對交易成本的影響程度更顯著,這從側(cè)面證明進行數(shù)字化轉(zhuǎn)型有助于降低企業(yè)信息搜尋成本。

表4 數(shù)字化轉(zhuǎn)型與企業(yè)信息搜尋成本

2.數(shù)字化轉(zhuǎn)型與契約簽訂成本

企業(yè)在確定交易對象之后,需要與交易對象進行反復協(xié)商與談判。當企業(yè)所處的市場競爭更加激烈時,同行業(yè)中與其競爭的企業(yè)數(shù)量增加,這會導致更高的契約簽訂成本。隨著數(shù)字化技術(shù)的應用,企業(yè)可以通過線上簽約,減少契約簽訂時間,提高契約簽訂效率,減少因為線下簽約過程的不確定性造成的交易成本增加。我們采用產(chǎn)業(yè)集中度的綜合指數(shù)(即赫芬達爾指數(shù),HHI)來衡量企業(yè)所處的競爭環(huán)境,HHI越大,表明市場集中度越高,市場的壟斷程度也越高,競爭程度越小。具體地,我們使用行業(yè)內(nèi)每家企業(yè)的主營業(yè)務收入與行業(yè)主營業(yè)務收入合計的比值的平方累加計算HHI,并根據(jù)其中位數(shù)將樣本企業(yè)分為行業(yè)競爭程度較低組和行業(yè)競爭程度較高組,然后進行分組回歸?；貧w結(jié)果(9)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。顯示,數(shù)字化轉(zhuǎn)型會顯著降低行業(yè)競爭程度較高的企業(yè)的交易成本,而對于行業(yè)競爭程度較低的企業(yè)而言,其本身的契約簽訂成本相對較低,數(shù)字化轉(zhuǎn)型對其交易成本的影響并不顯著,因而,我們有理由相信數(shù)字化轉(zhuǎn)型有助于降低企業(yè)契約簽訂成本。

3.數(shù)字化轉(zhuǎn)型與契約履行成本

企業(yè)所處地區(qū)市場化水平越高,契約環(huán)境往往更好,而市場化水平較低的地區(qū),契約環(huán)境相對較差,市場主體之間發(fā)生違約的概率相對較高,這會導致企業(yè)面臨的交易成本增加[15]。我們采用市場整合指數(shù)來衡量市場化水平,市場整合指數(shù)越大,表明市場化水平越高;同時,我們根據(jù)企業(yè)所處地區(qū)的市場整合指數(shù)的中位數(shù)將樣本企業(yè)分為地區(qū)市場化水平較高組和較低組。分組回歸結(jié)果(10)限于篇幅,此處未展示相關(guān)結(jié)果,如讀者需要,可向作者索取。表明,企業(yè)所處地區(qū)的市場化程度較低,進行數(shù)字化轉(zhuǎn)型有助于降低其交易成本,但在地區(qū)市場化程度較高組中,數(shù)字化轉(zhuǎn)型對交易成本的影響并不顯著,這意味著數(shù)字化轉(zhuǎn)型有助于抑制企業(yè)的契約履行成本。

(二)數(shù)字化轉(zhuǎn)型對企業(yè)交易成本影響的異質(zhì)性分析

1.高新技術(shù)企業(yè)能更好地利用數(shù)字化轉(zhuǎn)型降低交易成本嗎?

在不同的企業(yè)屬性下,數(shù)字化轉(zhuǎn)型對于企業(yè)交易成本的影響可能存在非對稱效果。數(shù)字化轉(zhuǎn)型的關(guān)鍵是技術(shù)創(chuàng)新,企業(yè)進行數(shù)字化轉(zhuǎn)型需要具備一定的技術(shù)基礎(chǔ)和高科技人才儲備,因而高新技術(shù)企業(yè)能較快地適應和接受數(shù)字技術(shù)的發(fā)展,其進行數(shù)字化轉(zhuǎn)型的效率也相對較高。相較而言,非高新技術(shù)企業(yè)推進數(shù)字化轉(zhuǎn)型的難度較大。那么,高新技術(shù)企業(yè)能更好地利用數(shù)字化轉(zhuǎn)型降低交易成本嗎?我們根據(jù)中國《高新技術(shù)企業(yè)認定管理辦法》,把全部樣本企業(yè)分為高新技術(shù)企業(yè)和非高新技術(shù)企業(yè)兩組,并進行分組回歸。表5中(1)(2)列的回歸結(jié)果顯示,對于高新技術(shù)企業(yè)而言,進行數(shù)字化轉(zhuǎn)型能夠顯著降低其交易成本,而對于非高新技術(shù)企業(yè)而言,數(shù)字化轉(zhuǎn)型對其交易成本的影響并不顯著。這恰好說明數(shù)字化轉(zhuǎn)型需要區(qū)塊鏈、人工智能、大數(shù)據(jù)分析等高新技術(shù)的支持,而高新技術(shù)企業(yè)有著更好的技術(shù)支持和人員儲備,從而能更好地利用數(shù)字化技術(shù)提高交易效率。該結(jié)論也證明了假設(shè)2是成立的。

表5 數(shù)字化轉(zhuǎn)型對企業(yè)交易成本影響的異質(zhì)性分析

2.非數(shù)字經(jīng)濟行業(yè)的企業(yè)能利用數(shù)字化轉(zhuǎn)型降低交易成本嗎?

數(shù)字經(jīng)濟行業(yè)的相關(guān)企業(yè)較早就開始使用數(shù)字技術(shù),其交易成本本身就相對較低,而非數(shù)字經(jīng)濟行業(yè)的相關(guān)企業(yè)近年來才開始采用數(shù)字技術(shù),其交易成本相對較高[15][22]。那么,非數(shù)字經(jīng)濟行業(yè)的企業(yè)在進行數(shù)字化轉(zhuǎn)型上是否具有“后發(fā)優(yōu)勢”,從而能更好地利用數(shù)字化轉(zhuǎn)型降低交易成本呢?我們根據(jù)2012年行業(yè)分類標準,將制造業(yè)中的計算機、通信和其他電子設(shè)備制造業(yè)以及信息傳輸、軟件和信息技術(shù)服務業(yè)(包括電信、廣播電視和衛(wèi)星傳輸服務、互聯(lián)網(wǎng)和相關(guān)服務、軟件和信息技術(shù)服務業(yè))劃分為數(shù)字經(jīng)濟行業(yè),其他行業(yè)則為非數(shù)字經(jīng)濟行業(yè)[41],由此進行分組回歸。表5中(3)(4)列的回歸結(jié)果顯示,在非數(shù)字經(jīng)濟行業(yè)組別中,進行數(shù)字化轉(zhuǎn)型顯著降低了企業(yè)交易成本(系數(shù)為-0.288,且通過1%的顯著性檢驗)。而在數(shù)字經(jīng)濟行業(yè)組別中,滯后一期的數(shù)字化轉(zhuǎn)型指標的估計系數(shù)雖然為正,但沒有通過顯著性檢驗,這也證明了假設(shè)3是成立的。

六、結(jié)論與政策建議

數(shù)字化轉(zhuǎn)型已成為關(guān)乎企業(yè)生存和長遠發(fā)展的重要因素。本文通過對2008 — 2019年A股上市公司年報中關(guān)于數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻統(tǒng)計來構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標,檢驗了企業(yè)數(shù)字化轉(zhuǎn)型對其交易成本的影響。研究發(fā)現(xiàn),進行數(shù)字化轉(zhuǎn)型能顯著降低企業(yè)交易成本,并且對于信息搜尋成本、契約簽訂成本和契約履行成本均有抑制作用。此外,高新技術(shù)企業(yè)、非數(shù)字經(jīng)濟行業(yè)的相關(guān)企業(yè)能更好地利用數(shù)字化轉(zhuǎn)型降低其交易成本。

本文的研究有著豐富的政策含義。首先,政府應采取多樣化的政策助力企業(yè)順利實施數(shù)字化轉(zhuǎn)型。政策和制度的完善是提高數(shù)字經(jīng)濟發(fā)展水平的重要保障,政府應深化數(shù)字經(jīng)濟領(lǐng)域“放管服”改革,對數(shù)字經(jīng)濟發(fā)展的不同方面施行差別化的監(jiān)管政策,優(yōu)化數(shù)字化發(fā)展環(huán)境。同時,政府還應加強數(shù)字基礎(chǔ)設(shè)施建設(shè)。數(shù)字化基礎(chǔ)設(shè)施建設(shè)對于數(shù)字經(jīng)濟發(fā)展和企業(yè)進行數(shù)字化轉(zhuǎn)型有著極為關(guān)鍵的作用,政府應重視數(shù)字化基礎(chǔ)設(shè)施的建設(shè)與完善,繼續(xù)大力推進5G技術(shù)、智能化和大數(shù)據(jù)平臺等“新基建”工程,完善網(wǎng)絡基礎(chǔ)設(shè)施建設(shè),有針對性地布局“新基建”,為企業(yè)數(shù)字化轉(zhuǎn)型提供最基本的保障。其次,非數(shù)字經(jīng)濟行業(yè)的相關(guān)企業(yè)應增強數(shù)字化轉(zhuǎn)型意識,制定數(shù)字化轉(zhuǎn)型戰(zhàn)略。數(shù)字技術(shù)水平在一定程度上決定了企業(yè)數(shù)字化轉(zhuǎn)型能否成功,因而非數(shù)字經(jīng)濟行業(yè)也應加大信息技術(shù)軟硬件等設(shè)備設(shè)施方面的投入,充分發(fā)揮云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等新一代信息技術(shù)的先導作用,推進技術(shù)集成融合,從而降低交易成本。