數(shù)字化轉(zhuǎn)型、會(huì)計(jì)信息質(zhì)量與投資效率

李碧宏，田宇晴

（重慶師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，重慶 401331）

1 引言

數(shù)字經(jīng)濟(jì)是大數(shù)據(jù)和區(qū)塊鏈等數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)高度結(jié)合的產(chǎn)物，是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)能。我國(guó)高度重視數(shù)字經(jīng)濟(jì)帶來(lái)的發(fā)展機(jī)遇，《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二○三五年遠(yuǎn)景目標(biāo)的建議》中明確表示要加大我國(guó)數(shù)字化應(yīng)用的廣度和深度，保障數(shù)字化穩(wěn)步發(fā)展。黨的二十大報(bào)告進(jìn)一步指出要加快建設(shè)“網(wǎng)絡(luò)強(qiáng)國(guó)”“數(shù)字中國(guó)”。截至2022 年底，我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模為50.2 萬(wàn)億元，占GDP 比重41.5%，數(shù)字政府建設(shè)成效顯著，數(shù)字化轉(zhuǎn)型是我國(guó)高質(zhì)量發(fā)展的必由之路。

企業(yè)數(shù)字化轉(zhuǎn)型能夠?qū)崿F(xiàn)數(shù)字技術(shù)和企業(yè)內(nèi)部環(huán)節(jié)的深度融合，使生產(chǎn)更智能、銷售更精準(zhǔn)、日常管理更高效，進(jìn)而從整體上重塑企業(yè)的生產(chǎn)、經(jīng)營(yíng)和管理系統(tǒng)，實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)的顛覆式創(chuàng)新。當(dāng)前，有關(guān)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的研究主要集中在宏觀和微觀兩個(gè)層面。在宏觀層面，王羲等[1]以“兩利四率”指標(biāo)衡量企業(yè)發(fā)展質(zhì)量，探究數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展之間的關(guān)系，結(jié)果顯示，數(shù)字化轉(zhuǎn)型可以通過(guò)促進(jìn)企業(yè)創(chuàng)新、提升企業(yè)風(fēng)險(xiǎn)承擔(dān)能力進(jìn)而提高企業(yè)發(fā)展質(zhì)量。張晨霞和俞萍萍[2]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型具有顯著的“暢通內(nèi)循環(huán)”與“賦能外循環(huán)”效應(yīng)，有助于推動(dòng)“雙循環(huán)”新發(fā)展格局。譚偉杰和龐鈺標(biāo)[3]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的就業(yè)吸納能力，擴(kuò)大企業(yè)的勞動(dòng)力需求。在微觀層面，祁懷錦等[4]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型通過(guò)降低信息不對(duì)稱以及管理者非理性行為進(jìn)而提高公司治理水平。林川[5]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠通過(guò)提高信息質(zhì)量有效抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)。張永珳等[6]認(rèn)為實(shí)施數(shù)字化轉(zhuǎn)型能夠顯著降低審計(jì)收費(fèi)。此外，聶興凱等[7]研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型與會(huì)計(jì)信息可比性顯著正相關(guān)。綜上可知，數(shù)字化轉(zhuǎn)型提高了企業(yè)的信息處理能力，緩解了企業(yè)信息不對(duì)稱，有助于提高企業(yè)信息可比性和公司治理水平，并影響企業(yè)的決策水平。投資是企業(yè)生產(chǎn)經(jīng)營(yíng)決策中的關(guān)鍵，高效的投資決策是高質(zhì)量發(fā)展的核心推動(dòng)。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型能否促進(jìn)投資效率的提升并助力經(jīng)濟(jì)高質(zhì)量發(fā)展值得探究。

基于此，本文選取2009-2021 年我國(guó)A 股上市企業(yè)作為研究樣本，就數(shù)字化轉(zhuǎn)型能否改善企業(yè)投資效率及其作用機(jī)理進(jìn)行實(shí)證檢驗(yàn)，并進(jìn)一步探討了異質(zhì)性因素。與以往研究相比，本文的貢獻(xiàn)在于：第一，本文通過(guò)檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的作用，豐富了企業(yè)數(shù)字化轉(zhuǎn)型微觀經(jīng)濟(jì)后果的研究，為數(shù)字化轉(zhuǎn)型助推企業(yè)高質(zhì)量發(fā)展提供了理論支撐；第二，本文進(jìn)一步厘清了數(shù)字化轉(zhuǎn)型影響企業(yè)投資效率的作用路徑，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型主要通過(guò)提高企業(yè)會(huì)計(jì)信息質(zhì)量進(jìn)而影響企業(yè)投資效率。

2 理論分析與研究假設(shè)

本文認(rèn)為，數(shù)字化轉(zhuǎn)型能夠提高企業(yè)投資效率，產(chǎn)生影響的原因主要包含以下幾個(gè)方面：第一，數(shù)字化轉(zhuǎn)型升級(jí)能夠全方位重塑企業(yè)的信息披露體系，優(yōu)化企業(yè)的內(nèi)外部信息環(huán)境[8]，滿足不同信息使用者的數(shù)據(jù)信息需求，有助于管理者在決策過(guò)程中作出準(zhǔn)確地判斷并對(duì)作出的決策及時(shí)進(jìn)行調(diào)整；第二，大數(shù)據(jù)、區(qū)塊鏈和智能平臺(tái)等數(shù)字技術(shù)的應(yīng)用有效減少了企業(yè)日常經(jīng)營(yíng)管理中的混沌節(jié)點(diǎn)，生產(chǎn)銷售環(huán)節(jié)更加透明，企業(yè)為了適應(yīng)快速變化的數(shù)字環(huán)境，組織結(jié)構(gòu)趨向于去中心、去中介和扁平化，數(shù)據(jù)可以在企業(yè)內(nèi)部順暢流通，且更高水平技術(shù)的應(yīng)用還能夠完善現(xiàn)有的內(nèi)部控制體系，減少信息不對(duì)稱和雙方委托代理問(wèn)題，進(jìn)而提高企業(yè)的投資效率；第三，數(shù)字化轉(zhuǎn)型符合數(shù)字經(jīng)濟(jì)時(shí)代下的發(fā)展潮流，更易受到機(jī)構(gòu)投資者、分析師、媒體等外部監(jiān)管者的關(guān)注，能夠提高企業(yè)的外部治理水平，從而約束管理層行為，使得管理層作出決策時(shí)更加謹(jǐn)慎，降低其代理行為；第四，數(shù)字化賦能能夠幫助企業(yè)對(duì)投資項(xiàng)目進(jìn)行全面的數(shù)據(jù)化分析，幫助企業(yè)更好權(quán)衡項(xiàng)目收益與風(fēng)險(xiǎn)，使得投資決策主要來(lái)自于對(duì)數(shù)據(jù)的定量分析，而非依賴管理層的直覺(jué)和經(jīng)驗(yàn)[9]，限制了管理層自由裁量權(quán)，約束了其機(jī)會(huì)主義行為，提高了投資決策的正確性?；诖?，本文提出如下假設(shè)：

H1：數(shù)字化轉(zhuǎn)型能夠提高企業(yè)投資效率。

信息不對(duì)稱和代理問(wèn)題是造成企業(yè)非效率投資的主要因素，高質(zhì)量會(huì)計(jì)信息是緩解股東與管理者之間代理問(wèn)題和企業(yè)內(nèi)外部之間信息不對(duì)稱的重要機(jī)制。已有研究表明高質(zhì)量會(huì)計(jì)信息導(dǎo)致更低的非效率投資[10,11]，具體來(lái)講，主要來(lái)自于兩個(gè)途徑：首先，高質(zhì)量會(huì)計(jì)信息可以減少投資者與企業(yè)之間的信息不對(duì)稱程度，降低逆向選擇成本，充分披露的會(huì)計(jì)信息還可以防止管理者因單方面掌握更多信息以實(shí)現(xiàn)自身利益最大化的過(guò)度投資行為；其次，高質(zhì)量的會(huì)計(jì)信息能夠在很大程度上降低投資風(fēng)險(xiǎn)，提升權(quán)益投資者索要的回報(bào)率，有利于投資者對(duì)股票期權(quán)未來(lái)收益進(jìn)行準(zhǔn)確預(yù)測(cè)，輔助決策者作出正確的投資決策。

數(shù)字化轉(zhuǎn)型升級(jí)能夠全方位重塑企業(yè)的信息披露體系，優(yōu)化企業(yè)的內(nèi)外部信息環(huán)境，促進(jìn)內(nèi)部信息的交流與整合，從而提高會(huì)計(jì)信息質(zhì)量。一方面，借助數(shù)字化轉(zhuǎn)型升級(jí)，企業(yè)可以將內(nèi)外部海量的、非標(biāo)準(zhǔn)化、非結(jié)構(gòu)化的數(shù)據(jù)編碼輸出為結(jié)構(gòu)化、標(biāo)準(zhǔn)化信息[12]，提高了數(shù)據(jù)信息的客觀性、及時(shí)性和準(zhǔn)確性，縮短了信息傳遞距離，保障了信息質(zhì)量；另一方面，企業(yè)能夠依托開(kāi)源數(shù)據(jù)和服務(wù)化網(wǎng)絡(luò)機(jī)構(gòu)等技術(shù)平臺(tái)實(shí)現(xiàn)信息的多域跨層[13]，建立智能化會(huì)計(jì)信息管理系統(tǒng)，促進(jìn)會(huì)計(jì)信息高效整合，強(qiáng)化信息治理的監(jiān)督職能，進(jìn)而提高會(huì)計(jì)信息質(zhì)量?；谝陨蟽牲c(diǎn)分析，提出以下假設(shè)：

H2：數(shù)字化轉(zhuǎn)型能夠通過(guò)提高企業(yè)會(huì)計(jì)信息質(zhì)量提高企業(yè)的投資效率。

3 研究設(shè)計(jì)

3.1 樣本選取和數(shù)據(jù)來(lái)源

本文以2009-2021 年我國(guó)A 股上市企業(yè)作為樣本，并對(duì)樣本做以下篩選：剔除ST、*ST 公司，剔除相關(guān)數(shù)據(jù)缺失的公司。經(jīng)過(guò)篩選，最終得到28 928 個(gè)觀測(cè)值。為避免異常值的影響，對(duì)所有連續(xù)型變量做上下1%的縮尾處理。本文使用的數(shù)據(jù)均來(lái)源于CSMAR 數(shù)據(jù)庫(kù)。

3.2 變量定義

3.2.1 被解釋變量

參考張悅玫等[14]，劉慧龍等[15]的研究，采用經(jīng)典的Richardson[16]模型對(duì)非效率投資指標(biāo)進(jìn)行測(cè)算，具體模型如下：

其中，Invest 表示企業(yè)i 第t 年的實(shí)際新增投資支出，即企業(yè)總投資與維持性投資之差除以總資產(chǎn)。Growth 為營(yíng)業(yè)收入增長(zhǎng)率；Lev 為資產(chǎn)負(fù)債率；Cash 為企業(yè)現(xiàn)金持有情況；Age 為上市年齡；Size 為企業(yè)規(guī)模；Return 為公司股票年度回報(bào)；∑Year 和∑Id 為年度和行業(yè)虛擬變量；ε 為殘差項(xiàng)。對(duì)模型（1）進(jìn)行回歸，所得殘差即是企業(yè)的非效率投資水平，若回歸殘差大于0，表示投資過(guò)度，反之，表示投資不足。為方便分析，取回歸殘差的絕對(duì)值A(chǔ)binv 作為投資效率的衡量變量，此數(shù)值越小，即越接近于0，則表明投資效率越高。

3.2.2 解釋變量

參考吳非等的研究，采用文本分析法，基于大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈、數(shù)字技術(shù)應(yīng)用等維度的相關(guān)詞匯，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型特征的關(guān)鍵詞詞頻指標(biāo)來(lái)度量企業(yè)數(shù)字化轉(zhuǎn)型程度。

3.2.3 中介變量

參考楊海燕等[17]的研究，采用修正Jones 模型計(jì)算得到的操控性應(yīng)計(jì)利潤(rùn)絕對(duì)值作為會(huì)計(jì)信息質(zhì)量的度量指標(biāo)。該指標(biāo)值越低，代表會(huì)計(jì)信息質(zhì)量越高。具體模型如下：

式中，TAt為第t 年總應(yīng)計(jì)利潤(rùn)；ΔREVt為第t 年?duì)I業(yè)收入增加額；ΔRECt為第t 年應(yīng)收賬款增加額；PPEt為第t 年固定資產(chǎn)原值；At-1為第t-1 年末總資產(chǎn)，對(duì)上述模型進(jìn)行回歸，殘差ε 即為可操縱性應(yīng)計(jì)利潤(rùn)。

3.2.4 控制變量

根據(jù)已有文獻(xiàn)，本文還控制了財(cái)務(wù)杠桿Lev、現(xiàn)金持有量Cash、上市年限Age、公司規(guī)模Size、董事會(huì)規(guī)模Board、獨(dú)立董事比例Indep、盈利能力Roa、成長(zhǎng)能力Growth、股權(quán)集中度Large、管理層持股比例Mshare、是否兩職合一Dual。具體變量定義見(jiàn)表1。

表1 變量定義

3.3 實(shí)證模型

為驗(yàn)證數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響及其作用機(jī)制，本文采用固定效應(yīng)回歸模型，具體如模型（3）所示，并在此基礎(chǔ)上，借鑒溫忠麟等[18]的研究，構(gòu)建模型（4）和模型（5）檢驗(yàn)會(huì)計(jì)信息質(zhì)量的中介效應(yīng)，具體如下：

若模型（3）中γ1顯著為負(fù)，那么H1 得證。在γ1顯著的基礎(chǔ)上，若μ1與ν2都顯著，且二者乘積的系數(shù)與模型（5）Dig 的系數(shù)ν1同號(hào)，則會(huì)計(jì)信息質(zhì)量起到部分中介作用，H2 得證。

4 實(shí)證分析

4.1 描述性統(tǒng)計(jì)

表2 是樣本描述性統(tǒng)計(jì)結(jié)果。結(jié)果顯示，企業(yè)投資效率均值為0.042，中位數(shù)為0.026，最小值為0.001，最大值為0.319，表明各樣本間的投資效率存在較大差異。企業(yè)數(shù)字化轉(zhuǎn)型程度均值為0.056，中位數(shù)為0.008，標(biāo)準(zhǔn)差為0.117，最大值為0.652，最小值為0，表明數(shù)字化轉(zhuǎn)型程度在各樣本間亦存在較大差異。

表2 描述性統(tǒng)計(jì)

4.2 數(shù)字化轉(zhuǎn)型與企業(yè)投資效率

本文檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響，結(jié)果如表3 所示，由列（1）可知，數(shù)字化轉(zhuǎn)型的系數(shù)為-0.009，且在1%水平上顯著，表明數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)投資效率，H1 得證。列（2）與列（3）分別是過(guò)度投資與投資不足樣本的回歸結(jié)果，結(jié)果顯示，數(shù)字化轉(zhuǎn)型的系數(shù)均為負(fù)，其中過(guò)度投資樣本系數(shù)顯著為負(fù)，而投資不足樣本系數(shù)并不顯著，表明數(shù)字化轉(zhuǎn)型主要表現(xiàn)為抑制企業(yè)過(guò)度投資，從而使得企業(yè)整體投資效率得以提升。可能的原因是，數(shù)字化轉(zhuǎn)型全方位重塑了企業(yè)的信息披露體系，充分披露的會(huì)計(jì)信息能夠防止管理者因單方面掌握更多信息以實(shí)現(xiàn)自身利益最大化的過(guò)度投資行為。此外，數(shù)字化轉(zhuǎn)型能有效地發(fā)揮公司治理功能，約束了管理層的自利行為，使其在進(jìn)行投資決策時(shí)趨于謹(jǐn)慎，減少了盲目投資，抑制了企業(yè)過(guò)度投資行為。

表3 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響

4.3 穩(wěn)健性檢驗(yàn)

4.3.1 替換變量的度量方法

采用Biddle 模型重新度量投資效率，并參考吳武清等[19]，采用與數(shù)字化相關(guān)的關(guān)鍵詞占全文總詞數(shù)的比例再次構(gòu)建一個(gè)反映企業(yè)數(shù)字化轉(zhuǎn)型程度的指標(biāo)，回歸結(jié)果見(jiàn)表4 列（1）、列（2），數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型能夠提高企業(yè)投資效率。

表4 穩(wěn)健性檢驗(yàn)

4.3.2 更換回歸模型

采用tobit 模型重新回歸，回歸結(jié)果見(jiàn)表4 列（3），數(shù)字化轉(zhuǎn)型的系數(shù)為-0.008，顯著性水平為5%，假設(shè)H1 的結(jié)論仍然穩(wěn)健。

4.4 機(jī)制分析

表5 為會(huì)計(jì)信息質(zhì)量的中介效應(yīng)檢驗(yàn)?；貧w結(jié)果顯示，Dig 的系數(shù)在1%水平上顯著為負(fù)，在此基礎(chǔ)上，由列（2）和列（3）可知，μ1與ν2都顯著，且二者乘積的系數(shù)與模型（5）中Dig 的系數(shù)ν1同號(hào)，因此會(huì)計(jì)信息質(zhì)量在數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響過(guò)程中起到部分中介作用，H2 得證。

表5 中介效應(yīng)檢驗(yàn)結(jié)果

4.5 異質(zhì)性分析

不同產(chǎn)權(quán)性質(zhì)企業(yè)的投資行為受數(shù)字化轉(zhuǎn)型的影響程度可能不一樣。一方面，國(guó)有企業(yè)面臨的市場(chǎng)競(jìng)爭(zhēng)壓力較小，獲取相關(guān)資源的能力更強(qiáng)，缺乏數(shù)字化轉(zhuǎn)型的動(dòng)力；另一方面，國(guó)有企業(yè)面臨更強(qiáng)的監(jiān)督和關(guān)注，一定程度上抑制了管理層的非理性行為，減少了非效率投資，因此數(shù)字化轉(zhuǎn)型對(duì)國(guó)有企業(yè)投資效率的促進(jìn)效果有限。本文將企業(yè)按其產(chǎn)權(quán)性質(zhì)進(jìn)行分組回歸，回歸結(jié)果如表6 所示。結(jié)果顯示，相對(duì)國(guó)有企業(yè)而言，數(shù)字化轉(zhuǎn)型對(duì)非國(guó)有企業(yè)投資效率的提升作用更大。

表6 異質(zhì)性檢驗(yàn)

5 結(jié)論

本文選取2009-2021 年的滬深A(yù) 股全部上市企業(yè)作為研究樣本，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)投資效率的影響。研究結(jié)果發(fā)現(xiàn)：第一，數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)投資效率，主要表現(xiàn)為抑制企業(yè)過(guò)度投資；第二，機(jī)制研究表明，數(shù)字化轉(zhuǎn)型通過(guò)提高企業(yè)會(huì)計(jì)信息質(zhì)量，進(jìn)而提升了企業(yè)的投資效率；第三，異質(zhì)性檢驗(yàn)發(fā)現(xiàn)，相比于國(guó)有企業(yè)，數(shù)字化轉(zhuǎn)型與投資效率的正相關(guān)關(guān)系在非國(guó)有企業(yè)中更顯著。