政府補(bǔ)貼如何幫助企業(yè)數(shù)字化轉(zhuǎn)型

摘"要：防控?cái)?shù)字化轉(zhuǎn)型帶來(lái)的經(jīng)營(yíng)風(fēng)險(xiǎn)是維護(hù)企業(yè)高質(zhì)量發(fā)展的重要前提。政府補(bǔ)貼作為政府的一種政策導(dǎo)向，為控制數(shù)字化企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型提供了有效的手段。本文以2007—2019年中國(guó)A股上市公司為研究樣本，研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型會(huì)顯著提升企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，但通過(guò)恰當(dāng)?shù)难a(bǔ)貼政策能夠降低數(shù)字化轉(zhuǎn)型企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，推動(dòng)轉(zhuǎn)型的成功。我們還發(fā)現(xiàn)補(bǔ)貼對(duì)數(shù)字化轉(zhuǎn)型與經(jīng)營(yíng)風(fēng)險(xiǎn)正向關(guān)系的抑制作用不是源于補(bǔ)貼對(duì)企業(yè)研發(fā)的推動(dòng)效應(yīng)，而是因?yàn)檠a(bǔ)貼政策對(duì)市場(chǎng)產(chǎn)生了“信心支持效應(yīng)”。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；政府補(bǔ)貼；經(jīng)營(yíng)風(fēng)險(xiǎn)

中圖分類(lèi)號(hào)：D9"""""文獻(xiàn)標(biāo)識(shí)碼：A""""""doi：10.19311/j.cnki.16723198.2024.24.061

0"引言

2022年10月16日，習(xí)近平總書(shū)記在中國(guó)共產(chǎn)黨第二十次全國(guó)代表大會(huì)上指出，加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合。根據(jù)《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(shū)（2022）》報(bào)告顯示，2021年中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到45.5萬(wàn)億元，占據(jù)GDP比重達(dá)39.8%，成為驅(qū)動(dòng)我國(guó)經(jīng)濟(jì)發(fā)展的關(guān)鍵力量。數(shù)字經(jīng)濟(jì)的發(fā)展促進(jìn)了產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，帶動(dòng)了消費(fèi)和投資的增長(zhǎng)，降低了傳統(tǒng)人力資本等成本，從而推動(dòng)高質(zhì)量經(jīng)濟(jì)的發(fā)展。而企業(yè)作為數(shù)字經(jīng)濟(jì)發(fā)展的微觀載體，企業(yè)的數(shù)字化轉(zhuǎn)型必然會(huì)給其帶來(lái)巨大的影響和變革。已有文獻(xiàn)發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)了技術(shù)創(chuàng)新投入和產(chǎn)出效率（張樹(shù)含和李曉翔2022；），全要素生產(chǎn)率（趙宸宇等，2021），市場(chǎng)價(jià)值（黃大禹和謝獲寶，2022）等。

盡管數(shù)字化轉(zhuǎn)型是我國(guó)企業(yè)發(fā)展的新動(dòng)力，但它會(huì)使企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)顯著地上升（王會(huì)娟等，2022）。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型會(huì)涉及到各個(gè)業(yè)務(wù)流程，業(yè)務(wù)的原有運(yùn)轉(zhuǎn)路徑將被打破，進(jìn)而會(huì)影響企業(yè)的經(jīng)營(yíng)管理。同時(shí)，在數(shù)字化轉(zhuǎn)型過(guò)程中會(huì)產(chǎn)生大量數(shù)據(jù)需要存儲(chǔ)，保護(hù)數(shù)據(jù)安全可能非常困難。因而，在數(shù)字經(jīng)濟(jì)快速發(fā)展的背景下，如何有效防范數(shù)字化轉(zhuǎn)型給企業(yè)帶來(lái)的風(fēng)險(xiǎn)是企業(yè)和政府都非常關(guān)注的問(wèn)題。我國(guó)政府為了引導(dǎo)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型會(huì)出臺(tái)相關(guān)政策導(dǎo)向，并在數(shù)字經(jīng)濟(jì)發(fā)展的初期提供相應(yīng)的政府補(bǔ)貼給企業(yè)。在政府大力助推數(shù)字經(jīng)濟(jì)背景下，企業(yè)可以將數(shù)字化轉(zhuǎn)型與政府政策導(dǎo)向相結(jié)合，密切關(guān)注政府政策導(dǎo)向來(lái)開(kāi)展數(shù)字化轉(zhuǎn)型活動(dòng)且獲得政府資助，從而充分發(fā)揮政府補(bǔ)貼的外部融資效應(yīng)，降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)。因此，本文在數(shù)字經(jīng)濟(jì)與實(shí)體企業(yè)相融合的背景下，探究企業(yè)數(shù)字化轉(zhuǎn)型與政府補(bǔ)貼相融合對(duì)經(jīng)營(yíng)風(fēng)險(xiǎn)的影響。

1"理論分析與研究假設(shè)

目前，數(shù)字化轉(zhuǎn)型是中國(guó)企業(yè)高質(zhì)量發(fā)展的新動(dòng)力。然而，數(shù)字化轉(zhuǎn)型在企業(yè)實(shí)際運(yùn)營(yíng)中給傳統(tǒng)經(jīng)濟(jì)體系帶來(lái)了巨大的挑戰(zhàn)。例如，互聯(lián)網(wǎng)商業(yè)模式的創(chuàng)新在實(shí)施過(guò)程中存在資源沖突，進(jìn)而導(dǎo)致業(yè)績(jī)很不穩(wěn)定；互聯(lián)網(wǎng)信息傳播的即時(shí)性、海量性以及全球性等特點(diǎn)不僅促進(jìn)了企業(yè)快速發(fā)展，而且增加了企業(yè)風(fēng)險(xiǎn)的傳播速度；產(chǎn)品市場(chǎng)與資本市場(chǎng)如何協(xié)同發(fā)展、產(chǎn)品市場(chǎng)用戶流量如何轉(zhuǎn)化成資本市場(chǎng)公司的市值，這些均會(huì)影響企業(yè)經(jīng)營(yíng)管理，導(dǎo)致潛在的財(cái)務(wù)風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)（張新民和陳德球，2020）。而政府補(bǔ)貼不但可以作為一種經(jīng)濟(jì)資源直接流入企業(yè)，還能通過(guò)“證書(shū)效應(yīng)”向外部投資者釋放積極的信號(hào)，促進(jìn)企業(yè)外部融資。政府補(bǔ)貼的證書(shū)效應(yīng)可以幫助企業(yè)降低經(jīng)營(yíng)風(fēng)險(xiǎn)，也就是說(shuō)企業(yè)數(shù)字化轉(zhuǎn)型與政府補(bǔ)貼相結(jié)合可以降低經(jīng)營(yíng)風(fēng)險(xiǎn)。因此，本文提出以下研究假設(shè)：

研究假設(shè)：獲得政府補(bǔ)貼支持的企業(yè)數(shù)字化轉(zhuǎn)型可以降低經(jīng)營(yíng)風(fēng)險(xiǎn)。

2"研究設(shè)計(jì)

2.1"數(shù)據(jù)來(lái)源

本文選取2007—2019年中國(guó)滬深兩市A股上市公司作為初始研究樣本，并做如下處理：①剔除金融、保險(xiǎn)行業(yè)的公司；②剔除樣本選擇期間ST和*ST的公司；③剔除相關(guān)變量存在缺失值的樣本。原始數(shù)據(jù)均來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。對(duì)連續(xù)變量的1%和99%百分位進(jìn)行了Winsorize處理。

2.2"實(shí)證模型和變量定義

為探究數(shù)字化轉(zhuǎn)型、政府補(bǔ)貼與企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)之間的關(guān)系，本文構(gòu)建模型（1）進(jìn)行實(shí)證檢驗(yàn)：

Riski，t=α0+α1SUBi，t+α2Digitali，t+α3SUBi，t×Digitali，t+α4Xi，t+εi，t（1）

其中，被解釋變量：經(jīng)營(yíng)風(fēng)險(xiǎn)（Business"Risk）。參考已有研究（王竹泉等，2017），本文采用企業(yè)盈利能力的波動(dòng)性衡量經(jīng)營(yíng)風(fēng)險(xiǎn)，即ROA的標(biāo)準(zhǔn)差。解釋變量：數(shù)字化轉(zhuǎn)型（Digital）。參考吳非等（2021）研究，以企業(yè)年報(bào)中人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)以及數(shù)字技術(shù)應(yīng)用五方面相關(guān)詞匯的詞頻數(shù)來(lái)衡量企業(yè)的數(shù)字化轉(zhuǎn)型程度。調(diào)節(jié)變量：政府補(bǔ)貼（SUB）。使用補(bǔ)貼金額除以總資產(chǎn)乘100作為總政府補(bǔ)貼（SUB）、研發(fā)補(bǔ)貼（RDS）和非研發(fā)補(bǔ)貼（NRDS）的代理指標(biāo)。控制變量：根據(jù)余明桂等（2013）研究，企業(yè)規(guī)模（Size），為總資產(chǎn)的自然對(duì)數(shù)；杠桿率（Leverage），為總負(fù)債與總資產(chǎn)的比例；銷(xiāo)售增長(zhǎng)率（Gsales），為企業(yè)營(yíng)業(yè)收入的年增長(zhǎng)率；企業(yè)年齡（Fage），為企業(yè)成立年限加1后取自然對(duì)數(shù)；所有權(quán)（Ownership），為企業(yè)第一大股東年末的持股比例，同時(shí)將持股比例小于20%的取值，賦值為0；所有權(quán)性質(zhì)（State），若企業(yè)第一大股東所持股份的性質(zhì)屬于國(guó)有則取值1，否則為0。ε為模型隨機(jī)誤差項(xiàng)。本文控制了行業(yè)和年份固定效應(yīng)，對(duì)標(biāo)準(zhǔn)誤差進(jìn)行了企業(yè)層面的群聚（Cluster）調(diào)整。

3"實(shí)證結(jié)果分析

3.1"描述性統(tǒng)計(jì)

各主要變量的描述性統(tǒng)計(jì)如表1所示。企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)（Business"Risk）的均值為3.9%，標(biāo)準(zhǔn)差為4.4%，表明不同企業(yè)間的經(jīng)營(yíng)風(fēng)險(xiǎn)存在一定的差異。企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Digital）的均值為0.998，最小值為0.000，最大值為4.796，說(shuō)明各企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的程度不同。

3.2"基準(zhǔn)回歸

在表2列（1）中，企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Digital）的回歸系數(shù)在5%水平上顯著，而交乘項(xiàng)SUB×Digital的系數(shù)在1%水平上顯著為負(fù)。列（2）在加入了控制變量后，企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Digital）的系數(shù)增大且顯著性增強(qiáng)，交乘項(xiàng)SUB×Digital的系數(shù)依舊在1%水平上顯著。根據(jù)表2回歸結(jié)果可知，雖然數(shù)字化轉(zhuǎn)型會(huì)增大企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，但企業(yè)獲得的政府補(bǔ)貼可以抑制二者之間的正向關(guān)系，降低企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)。由此，本文假設(shè)得到支持。

3.3"內(nèi)生性檢驗(yàn)——“寬帶中國(guó)”戰(zhàn)略的DID

2013年8月，國(guó)務(wù)院印發(fā)《國(guó)務(wù)院關(guān)于印發(fā)“寬帶中國(guó)”戰(zhàn)略及實(shí)施方案的通知》。本文以“寬帶中國(guó)”戰(zhàn)略為外生沖擊，利用雙重差分模型識(shí)別數(shù)字化轉(zhuǎn)型、政府補(bǔ)貼對(duì)企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)的影響。

Riski，t=α+λ1dui，t×dti，t×SUBi，t+λ2Controli，t+εi，t（2）

其中，du=1表示公司注冊(cè)地在樣本期內(nèi)入選了“寬帶中國(guó)”示范城市，否則為0。在入選當(dāng)年及以后，dt取值為1，否為0。dui，t×dti，t×SUBi，t的系數(shù)λ1表示政府補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與經(jīng)營(yíng)風(fēng)險(xiǎn)關(guān)系的調(diào)節(jié)作用。除列（3）系數(shù)不顯著外，其他模型中交乘項(xiàng)的關(guān)鍵待估參數(shù)均顯著為負(fù)，這表明使用DID模型的識(shí)別策略之后，本文假設(shè)依舊成立。

3.4"穩(wěn)健性檢驗(yàn)——區(qū)分研發(fā)補(bǔ)貼和非研發(fā)補(bǔ)貼

本文將政府補(bǔ)貼細(xì)分為研發(fā)補(bǔ)貼（RDS）和非研發(fā)補(bǔ)貼（NRDS），分別與數(shù)字化轉(zhuǎn)型指標(biāo)（Digital）交乘，引入模型進(jìn)行回歸，結(jié)果如表4所示。列（2）與（4）的交乘項(xiàng)系數(shù)都顯著為負(fù)，這表明無(wú)論是研發(fā)補(bǔ)貼還是非研發(fā)補(bǔ)貼都能降低數(shù)字化轉(zhuǎn)型給企業(yè)帶來(lái)的經(jīng)營(yíng)風(fēng)險(xiǎn)。即政府補(bǔ)貼對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與經(jīng)營(yíng)風(fēng)險(xiǎn)正向關(guān)系的抑制作用并不是因?yàn)槠髽I(yè)的研發(fā)效應(yīng)，而是因?yàn)檎a(bǔ)貼相當(dāng)于政府背書(shū)，對(duì)市場(chǎng)產(chǎn)生了一種“信心支持效應(yīng)”，降低了企業(yè)風(fēng)險(xiǎn)。

4"結(jié)論與建議

本文基于政府補(bǔ)貼政策導(dǎo)向的視角，采用2007—2019年中國(guó)滬深兩市A股上市公司數(shù)據(jù)，實(shí)證檢驗(yàn)了政府補(bǔ)貼是否以及如何抑制企業(yè)數(shù)字化轉(zhuǎn)型帶來(lái)的經(jīng)營(yíng)風(fēng)險(xiǎn)，主要結(jié)果如下。

第一，盡管數(shù)字化轉(zhuǎn)型提高了企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，通過(guò)恰當(dāng)?shù)难a(bǔ)貼政策能夠降低數(shù)字化轉(zhuǎn)型企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，推動(dòng)轉(zhuǎn)型的成功。

第二，區(qū)分研發(fā)補(bǔ)貼和非研發(fā)補(bǔ)貼之后，還發(fā)現(xiàn)補(bǔ)貼對(duì)數(shù)字化轉(zhuǎn)型與經(jīng)營(yíng)風(fēng)險(xiǎn)正向關(guān)系的抑制作用不是企業(yè)研發(fā)效應(yīng)導(dǎo)致的，而是政府政策對(duì)市場(chǎng)產(chǎn)生了“信心支持效應(yīng)”。

參考文獻(xiàn)

[1]黃大禹，謝獲寶.企業(yè)數(shù)字化轉(zhuǎn)型對(duì)市場(chǎng)價(jià)值的影響和機(jī)制研究——基于中國(guó)上市企業(yè)的經(jīng)驗(yàn)證據(jù)[J].亞太經(jīng)濟(jì)，2022（06）：93104.

[2]王會(huì)娟，陳新楷，陳文強(qiáng)，張路.數(shù)字化轉(zhuǎn)型能提高企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平嗎？[J].財(cái)經(jīng)論叢，2022（12）：7080.

[3]王竹泉，王貞潔，李靜.經(jīng)營(yíng)風(fēng)險(xiǎn)與營(yíng)運(yùn)資金融資決策[J].會(huì)計(jì)研究，2017（05）：6067+97.

[4]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，2021，37（07）：130144+10.

[5]余明桂，李文貴，潘紅波.管理者過(guò)度自信與企業(yè)風(fēng)險(xiǎn)承擔(dān)[J].金融研究，2013（01）：149163.

[6]張樹(shù)含，李曉翔.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)融通創(chuàng)新的影響研究——基于邊界視角的作用機(jī)制分析[J].軟科學(xué)，2023：112.

[7]張新民，陳德球.移動(dòng)互聯(lián)網(wǎng)時(shí)代企業(yè)商業(yè)模式、價(jià)值共創(chuàng)與治理風(fēng)險(xiǎn)——基于瑞幸咖啡財(cái)務(wù)造假的案例分析[J].管理世界，2020，36（05）：7486+11.

[8]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(cái)貿(mào)經(jīng)濟(jì)，2021，42（07）：114129.