數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效影響研究

鍵詞：數(shù)字化轉(zhuǎn)型；創(chuàng)新績效；調(diào)節(jié)效應；高管薪酬激勵 中圖分類號：F49；F230 文獻標識碼：A doi：10.3969/j.issn.1672-2272.202504038

Digital Transformation and Corporate Innovation Performance： The Moderating Effect of Executive Compensation Incentives

Zhou Qingming，Deng Yi （School of Economicsand Trade，Hunan Universityof Technology，Zhuzhou 4l2oo7，China）

Abstract：Innovation is the cornerstone of enterprise development and progress，but also the guarantee of enterprise competitiveness.By collecting relevant data of Chinese listed enterprises from 2013 to 2023，this paper explores the relationship between digital transformation and innovation performance， as well as the effect of executive compensation incentive on the two.The empirical results show that： first，the degree of enterprise digital transformation significantly promotes innovation performance; Second，the higher the executive compensation incentive，the more significant the impact of digital transformation on enterprise innovation performance；Third，heterogeneity research shows that the moderating effect of executive compensation is more significant in non-state-owned enterprises，enterprises in the eastern region and high一tech enterprises.In short，enterprises should build an effective executive compensation incentive system，improve the wilingness of management to innovate，and actively carry out digital transformation，so as to improve the innovation ability and innovation quality of enterprises.

Key Words：Digital Transformation；Innovation Performance；Regulating Effect；Executive Compensation Incentive

0 引言

企業(yè)創(chuàng)新在經(jīng)濟發(fā)展和社會建設中具有重要地位，是推動社會發(fā)展的重要動力之一，而數(shù)字化作為當今時代的重要特征，已成為國家發(fā)展的重要動力[，企業(yè)創(chuàng)新與數(shù)字化轉(zhuǎn)型的深度融合，將進一步助力社會的高質(zhì)量發(fā)展。第十四屆全國人民代表大會第二次會議和《中共中央關于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二三五年遠景目標的建議》中提到，“深入推進數(shù)字經(jīng)濟創(chuàng)新發(fā)展，制定支持數(shù)字經(jīng)濟高質(zhì)量發(fā)展政策”“推動數(shù)字技術與實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”，意味著企業(yè)如何利用數(shù)字技術改變企業(yè)傳統(tǒng)的創(chuàng)新模式、為經(jīng)濟發(fā)展帶來新的趨勢，將成為企業(yè)實現(xiàn)創(chuàng)新績效提升、保障高質(zhì)量發(fā)展的關鍵。數(shù)字化轉(zhuǎn)型是借助云平臺、AI以及區(qū)塊鏈等前沿技術，對企業(yè)內(nèi)部的運營和創(chuàng)新模式進行改造，從而提升企業(yè)創(chuàng)新能力。高管薪酬激勵作為緩解股東和高管之間代理問題的內(nèi)部治理機制，使企業(yè)管理層同時關注自身和企業(yè)雙重利益，并根據(jù)比較結果調(diào)整管理模式，提高管理層承擔風險的意愿，促進管理層作出創(chuàng)新決策，有效提高企業(yè)創(chuàng)新活動質(zhì)量[2]。基于國家發(fā)展需求與企業(yè)維持競爭力的考量，從多維角度尋求提高企業(yè)創(chuàng)新績效的方法是目前需要研究的重要課題。

學者們針對數(shù)字化轉(zhuǎn)型如何影響企業(yè)創(chuàng)新績效進行了理論研究與量化研究。在理論研究方面，姚小濤等[3從企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)涵和動因進行分析，認為數(shù)字化轉(zhuǎn)型在個體層面、組織層面和產(chǎn)業(yè)層面均能為企業(yè)創(chuàng)新帶來發(fā)展動力。周琦瑋等4也認為數(shù)字化轉(zhuǎn)型在宏觀與微觀管理層面，均能促進“企業(yè)外部”和“企業(yè)內(nèi)部\"的創(chuàng)新發(fā)展，從而提高企業(yè)創(chuàng)新績效。在數(shù)字化轉(zhuǎn)型與創(chuàng)新績效的量化研究方面，吳非等[5通過提取企業(yè)上市年報中與數(shù)字化轉(zhuǎn)型相關的詞頻，并對其進行處理，構建了數(shù)字化轉(zhuǎn)型的量化指標?；谖写砝碚?，高管薪酬激勵能夠提高管理層風險承擔能力，緩解管理層對高風險數(shù)字化項目的規(guī)避心理，統(tǒng)一管理層與治理層目標，更有可能作出保障公司未來發(fā)展的創(chuàng)新性決策。

盡管數(shù)字化轉(zhuǎn)型被視為創(chuàng)新引擎，但實踐中“高投入、低轉(zhuǎn)化\"現(xiàn)象突出。《2023中國企業(yè)數(shù)字化成熟度報告》顯示，超 70% 企業(yè)因管理層風險規(guī)避導致數(shù)字化進程停滯?，F(xiàn)有研究雖已得出數(shù)字化轉(zhuǎn)型可通過增強企業(yè)信息技術能力[、增強實施差異化競爭戰(zhàn)略傾向[]、提升人力資源水平[8]、降低企業(yè)融資約束[9]等來實現(xiàn)創(chuàng)新績效提升，卻鮮少探討短期薪酬激勵如何緩解轉(zhuǎn)型中的代理沖突，以及其是否能夠提高數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的促進作用。尤其在高管決策面臨“長期戰(zhàn)略與短期業(yè)績\"兩難時，薪酬激勵能否成為破局關鍵？其調(diào)節(jié)效應是否因企業(yè)產(chǎn)權、區(qū)位及行業(yè)屬性而異？

基于此，本文可能的邊際貢獻在于：第一，基于2013一2023年企業(yè)動態(tài)面板數(shù)據(jù)，運用趙宸宇等[10的數(shù)字化轉(zhuǎn)型核心詞庫的文本挖掘方法（而非傳統(tǒng)吳非[5]詞頻框架）構建數(shù)字化轉(zhuǎn)型指標，該方法通過熵權法賦權指標，區(qū)分“技術應用數(shù)字化”與“戰(zhàn)略認知數(shù)字化”，避免傳統(tǒng)詞頻法的語義偏差，系統(tǒng)檢驗數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效的作用機制，突破既有研究在變量測度與時效性上的局限；第二，聚焦調(diào)節(jié)效應的動態(tài)特征，研究調(diào)節(jié)效應的異質(zhì)性，從地區(qū)制度差異、企業(yè)所有制屬性及行業(yè)技術密集度等多維度展開分樣本檢驗，深入揭示異質(zhì)企業(yè)環(huán)境下薪酬激勵對數(shù)字化轉(zhuǎn)型賦能的調(diào)節(jié)效應；第三，基于我國企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀，分析其對創(chuàng)新績效的非線性關系。

1理論分析與研究假設

1.1數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效

企業(yè)的創(chuàng)新績效既可以從企業(yè)的創(chuàng)新成果體現(xiàn)，也可以從企業(yè)創(chuàng)新過程中知識技術的積累中體現(xiàn)[11]。黃節(jié)根等[2認為，企業(yè)建設技術平臺、優(yōu)化創(chuàng)新流程以及其他可以提高企業(yè)績效的方式也是一種創(chuàng)新績效的提高，企業(yè)想要維持競爭力，就需要不斷地進行技術革新、制定創(chuàng)新策略。而企業(yè)創(chuàng)新績效大致會受到宏觀層面和微觀層面兩個方面的影響。國家政策、市場調(diào)控等屬于宏觀層面的影響，宏觀條件變化會對企業(yè)創(chuàng)新計劃和創(chuàng)新環(huán)境帶來巨大沖擊，影響企業(yè)創(chuàng)新績效[13]。但是，宏觀層面對企業(yè)的沖擊影響范圍普遍較大，在實證研究中一般作為變量使用。學者們普遍認為影響企業(yè)創(chuàng)新績效的因素主要是在微觀層面，主要因素有：企業(yè)特征[14]、企業(yè)治理[15]與企業(yè)數(shù)字化水平[16]。目前企業(yè)特征和治理對創(chuàng)新績效的研究已有較為完整的體系，而數(shù)字化轉(zhuǎn)型對創(chuàng)新的影響正是我國目前學者研究的熱點[17]。

既有文獻認為，企業(yè)數(shù)字化轉(zhuǎn)型主要從3個方面對創(chuàng)新績效產(chǎn)生影響：第一，提高企業(yè)信息獲取能力。企業(yè)想要創(chuàng)新，首先需要明確創(chuàng)新方向，企業(yè)應及時判斷市場環(huán)境變化并作出反應，收集創(chuàng)新相關信息[18]。企業(yè)數(shù)字化轉(zhuǎn)型可以讓企業(yè)利用數(shù)據(jù)平臺持續(xù)收集大量消費者偏好信息，并利用大數(shù)據(jù)、區(qū)塊鏈、人工智能等技術分析消費者需求，把握消費者需要的創(chuàng)新方向1；第二，提高人力資源水平，節(jié)約運營成本。一方面數(shù)字技術能夠降低重復性工作的成本[19]，節(jié)約企業(yè)人力資源和資金，企業(yè)將有更多資金用于吸引高端技術人才，提升人力資本水平，保障企業(yè)創(chuàng)新活動的人力基礎[20]。另一方面，企業(yè)積極的數(shù)字化轉(zhuǎn)型會向外界傳遞企業(yè)擁有良好前景的信息，有利于吸引高質(zhì)量人才，為企業(yè)創(chuàng)新打造良好的人才基礎[21]。第三，降低創(chuàng)新成本。創(chuàng)新是高風險高收益的投資策略，需要耗費大量資金和人力，對一般企業(yè)來說，創(chuàng)新的風險與收益通常不對等。若采用數(shù)字技術模擬實驗過程，可通過預估實驗結果達到降低創(chuàng)新成本的目的[22]。但有學者提出，數(shù)字化投入的增加會侵占其他企業(yè)運營活動的資金，在達到臨界點后，過度的數(shù)字化轉(zhuǎn)型投入會減少對企業(yè)創(chuàng)新有益的項目資源[23]，對創(chuàng)新績效產(chǎn)生負面效果。基于以上研究，本文提出以下假設：

H_1a ：數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效具有顯著正向影響；

H_1b ：數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效的關系為非線性關系。

1.2高管薪酬激勵的調(diào)節(jié)作用

除了數(shù)字化轉(zhuǎn)型的直接影響，高管薪酬激勵也可通過提高決策者的風險承擔意愿促進企業(yè)創(chuàng)新。管理層在企業(yè)內(nèi)部受到相關利益者的監(jiān)督，與股東可通過分散投資降低風險不同，管理層通常具有風險規(guī)避的特征。此時，薪酬激勵可作為企業(yè)在短期內(nèi)提升高管轉(zhuǎn)型意愿的激勵手段，并抑制高管規(guī)避風險的意愿[24]。同時，企業(yè)創(chuàng)新過程中所面臨的技術風險、市場風險、資金風險等都可能對管理者的職業(yè)發(fā)展造成重大影響，而在管理層得到與其面對風險相匹配的薪酬激勵時，其對風險的承擔意愿會相應提高，將更愿意考慮高風險決策，從而促進企業(yè)創(chuàng)新[25]。欒甫貴等[26]也認為，管理層薪酬水平越高，更能容忍創(chuàng)新決策失敗帶來的負面影響，能有效刺激管理層作出創(chuàng)新決策。此外高管股權激勵也會影響企業(yè)創(chuàng)新，高持股比例管理層可能采取保守投資措施導致轉(zhuǎn)型效果削弱[27]。

具體而言，企業(yè)在開展創(chuàng)新活動時，高管薪酬激勵能夠促進企業(yè)數(shù)字化轉(zhuǎn)型，還能提高管理層創(chuàng)新意愿，作出更多數(shù)字化或創(chuàng)新相關決策以提高企業(yè)創(chuàng)新績效，相比于短期作用的薪酬激勵，股權激勵作為企業(yè)常用的長期激勵方式，在數(shù)字化轉(zhuǎn)型與創(chuàng)新績效中可能發(fā)揮負向調(diào)節(jié)作用。基于以上研究，本文在此提出以下假設：

H_2a ：高管薪酬激勵在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起正向調(diào)節(jié)效應；

H_2b ：高管股權激勵在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效之間起負向調(diào)節(jié)效應。

2 研究設計

2.1 數(shù)據(jù)來源

本文選取2013一2023年滬深A股上市公司作為研究樣本，基于研究模型，選取創(chuàng)新績效為被解釋變量，數(shù)字化轉(zhuǎn)型為解釋變量，高管薪酬激勵作為調(diào)節(jié)變量。本文數(shù)據(jù)均來自國泰安數(shù)據(jù)庫，為避免實證產(chǎn)生的特殊性和突發(fā)性，保證數(shù)據(jù)的合理性，剔除了ST及*ST類企業(yè)、相關數(shù)據(jù)異常與缺失的企業(yè)，以及金融行業(yè)企業(yè)，對數(shù)據(jù)進行上下 1% 的縮尾處理，最終得到1407家企業(yè)的5630個觀測值。

2.2 變量選取

2.2.1 被解釋變量

創(chuàng)新績效 （IP） 。根據(jù)現(xiàn)有研究，對于創(chuàng)新績效的衡量指標主要有兩種方法：一種是采用研發(fā)投入占銷售收入的比例衡量，該指標從投入角度切入，更側(cè)重于創(chuàng)新行為重視程度以及創(chuàng)新動力。二是采用年度專利申請數(shù)量衡量，更側(cè)重于企業(yè)創(chuàng)新效果。根據(jù)白旭云等[28]的研究，本文使用企業(yè)t年的申請專利總數(shù)的自然對數(shù)來衡量企業(yè)的創(chuàng)新績效。

2.2.2 解釋變量

數(shù)字化轉(zhuǎn)型（DT）。對于企業(yè)數(shù)字化轉(zhuǎn)型的指標選取，本文借鑒了趙宸宇等[10]的研究，收集樣本企業(yè)年度報告文本，然后使用Python對相關文本進行分析，再對統(tǒng)計選定文本的詞頻，篩選出與數(shù)字化轉(zhuǎn)型相關的高頻詞語，分為4個維度：數(shù)字技術應用、互聯(lián)網(wǎng)商業(yè)模式、智能制造和現(xiàn)代信息系統(tǒng)。

基于4個維度尋找出現(xiàn)頻率較高的文本組合，并參考相關文獻補充形成分詞詞典。將詞頻數(shù)據(jù)進行標準化處理，然后用熵值法確定權重，得到數(shù)字化轉(zhuǎn)型指數(shù)。

2.2.3 調(diào)節(jié)變量

高管薪酬激勵 （Pay） 。高管薪酬激勵的指數(shù)選擇，參考黃慶華等[29]的研究，考慮到數(shù)據(jù)的可獲取性，本文選擇前三名高管的薪酬總額取對數(shù)作為衡量指標。高管股權激勵（ GQ ）采用管理層持股比例作為衡量指標。

2.2.4 控制變量

參考趙文紅等[30]、光暉等[31]和楊戈寧等[32]的研究，選取如下控制變量：企業(yè)年齡（Age）、資產(chǎn)負債率（Lev） 、企業(yè)規(guī)模 （Size） 、董事會規(guī)模（Board）、凈資產(chǎn)收益率（Roe）、固定資產(chǎn)比率（FixedAsset）和流動資產(chǎn)周轉(zhuǎn)率 （Cat） 。變量定義如表1所示。

2.3 模型設計

為選擇更有效的回歸模型，使用豪斯曼檢驗法確定模型選擇，豪斯曼檢驗的結果為 ⁴⁶probgt;ch=0.000⁹ 。因此，回歸分析部分選擇固定效應模型。

2.3.1 基準模型

本文構建模型（1）研究數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的影響：

IP_it=α₀+α₁DT_it+α₂Controls+μ_i+λ_t+ε_it

式（1）中，因變量 IP 是創(chuàng)新績效； DT 表示企業(yè)數(shù)字化轉(zhuǎn)型；Controls是企業(yè)的控制變量； μ_i 表示時間固定效應； λ_t 表示個體固定效應； 為隨機誤差項； i 和 Ψ_t 分別表示企業(yè)和年份。

2.3.2 非線性模型

本文通過模型（2）研究數(shù)字化轉(zhuǎn)型與創(chuàng)新績效之間的非線性關系，驗證前者對后者的影響是否存在拐點或

邊際效應：

（2）

Eit

2.3.3 調(diào)節(jié)效應模型

參考葉寶娟等[33]構建的調(diào)節(jié)模型進行檢驗，構建模型（3）：

IP_it=β₀+β₁DT_it+β₃Pay_it+β₄Pay_it×DT_it+

β₂Controls+μ_i+λ_t+ε_it

其中， β₄Pay_it×DT_it 表示高管薪酬激勵與企業(yè)數(shù)字化轉(zhuǎn)型的交互項，用以驗證高管薪酬的調(diào)節(jié)效應。

3實證結果與分析

3.1 描述性統(tǒng)計

表2為描述性統(tǒng)計結果。其中創(chuàng)新績效（IP）均值為2.675，最大值為6.853，最小值為0，標準差為1.861，從數(shù)據(jù)可以看出，當前我國企業(yè)之間的創(chuàng)新績效差距較大。數(shù)字化轉(zhuǎn)型（DT）平均值為0.020，最大值為0.392，最小值為0。從數(shù)據(jù)中不難看出，樣本企業(yè)的數(shù)字化轉(zhuǎn)型程度有待提高，且在樣本企業(yè)之間數(shù)字化轉(zhuǎn)型程度差異較大，這可能意味著部分企業(yè)已較早地進行了數(shù)字化轉(zhuǎn)型并取得較好成效，而其他企業(yè)則相對滯后或數(shù)字化轉(zhuǎn)型成效較差。

3.2 回歸分析

基準回歸與調(diào)節(jié)效應機制檢驗結果如表3所示。其中，列（1）為固定個體效應和時間效應的回歸結果；列（2）為在列（1）的基礎上加入控制變量下的回歸結果；列（3）為在列（2）的基礎上加入了高管薪酬激勵和高管薪酬激勵與數(shù)字化轉(zhuǎn)型去中心化后的交互項，用于檢驗高管薪酬激勵是否發(fā)揮了調(diào)節(jié)效應；列（4）將高管薪酬激勵替換為高管股權激勵，以檢驗兩種激勵方式產(chǎn)生調(diào)節(jié)作用的差異；列（5）為數(shù)字化轉(zhuǎn)型與創(chuàng)新績效之間非線性關系的檢驗結果。

3.2.1 主效應分析

表3列（1）、列（2）為假設 H₁ 的檢驗結果。列（1）為IP 作為因變量時，固定個體效應和時間效應基礎上，解釋變量DT的回歸系數(shù)為5.419，且在 1% 的水平上顯著，意味著數(shù)字化轉(zhuǎn)型可以促進創(chuàng)新績效。列（2）在列（1）的基礎上加入了控制變量，回歸系數(shù)為5.266，仍然在 1% 的水平上顯著，兩者相差不大，列（2）進一步表明兩者之間的正相關關系，驗證了假設 H_la 。

3.2.2 調(diào)節(jié)效應分析

高管薪酬激勵的調(diào)節(jié)效應如表3列（3）所示。從表3列（3）中可以看出，高管薪酬激勵與數(shù)字化轉(zhuǎn)型的交互項 （DT×Pay） 的回歸系數(shù)為4.786，在 1% 的水平上顯著為正，說明高管薪酬在企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新績效之間發(fā)揮了正向調(diào)節(jié)作用，驗證了假設 H_2a 。

表3列（4）的結果中，雖然股權激勵可以正向影響創(chuàng)新，但在數(shù)字化轉(zhuǎn)型與創(chuàng)新績效之間的調(diào)節(jié)效應為負相關且在 10% 水平上顯著。原因可能在于數(shù)字化轉(zhuǎn)型初期高投入低回報的特性加劇了高管規(guī)避風險的行為，而股權激勵措施行權周期一般在 3～5 年，但數(shù)字化轉(zhuǎn)型的回報周期在 5～10 年[34]，兩者存在一定的時間錯位，使得長期股權激勵不能在短期內(nèi)緩解高管因數(shù)字化轉(zhuǎn)型導致的風險規(guī)避行為，因此高管在數(shù)字化轉(zhuǎn)型期間將資源優(yōu)先配置到短期見效快的項目[35]，而非需要長期投入的數(shù)字化項目以保證自身股權激勵的利益，抑制實質(zhì)性創(chuàng)新，假設 H_2b 得到驗證。

3.2.3 非線性分析

表3列（5）的結果中，通過引入數(shù)字化轉(zhuǎn)型（DT）的平方項 （DT² ）來檢驗數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的非線性影響，回歸結果顯示 DT² 的系數(shù)為0.281，t值為0.028，對應的p值大于0.1。結果顯示在樣本區(qū)間內(nèi)，數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的影響可能并不存在顯著的非線性關系，假設 H_1b 不成立。部分學者的研究結果顯示數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的影響呈倒U型，與本文結果相悖，可能是我國企業(yè)當前數(shù)字化轉(zhuǎn)型起步較晚、數(shù)字化完成度低，因此樣本區(qū)間內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型程度大部分可能尚未到達產(chǎn)生非線性效應階段。根據(jù)《中國數(shù)字經(jīng)濟發(fā)展白皮書（2023）》，約 72% 的企業(yè)仍處于數(shù)字化轉(zhuǎn)型的初步探索期，僅 18% 的企業(yè)進入深化應用期。在多數(shù)企業(yè)尚未跨越“數(shù)字化轉(zhuǎn)型臨界點”的背景下，數(shù)字技術的邊際收益遞減規(guī)律尚未顯現(xiàn)。而且樣本企業(yè)DT均值僅為0.02（標準差0.033），遠低于產(chǎn)生非線性效應的閾值1 ?DTgt;0.15 時可能出現(xiàn)拐點）[10]。

3.3 穩(wěn)健性檢驗

3.3.1 工具變量法

企業(yè)創(chuàng)新效果越好，對數(shù)字化轉(zhuǎn)型投人的積極性可能更高。同時數(shù)字化轉(zhuǎn)型投入增加能夠提高企業(yè)數(shù)字化程度，對企業(yè)創(chuàng)新的幫助也會越多，創(chuàng)新成功的可能性就會越高，因此兩者可能存在內(nèi)生性問題。本文參考趙樂等[36的研究，采用滯后一期的數(shù)字化轉(zhuǎn)型指數(shù)作為工具變量，使用兩階段最小二乘估計。選擇滯后一期的數(shù)字化轉(zhuǎn)型指數(shù)的理由在于，滯后一期的數(shù)字化轉(zhuǎn)型指數(shù)可能會降低企業(yè)對數(shù)字化的重視程度，降低數(shù)字化對創(chuàng)新績效的影響，且不會直接影響創(chuàng)新績效。因此能夠認為滯后一期的數(shù)字化轉(zhuǎn)型指數(shù)可以作為有效的工具變量使用。表4列（1）為第一階段回歸，工具變量系數(shù)顯著為正，表明L.DT有較好的解釋力，且F值大于10說明通過了弱工具變量檢驗。表4列（2）顯示了第二階段回歸結果，回歸結果與前文結果一致，均在 1% 水平上顯著。結果證明在緩解一定內(nèi)生性下結論依然成立。

3.3.2增加行業(yè)固定效應

本文對固定效應模型進行了調(diào)整，以減少遺漏變量導致的回歸誤差，即在原有固定效應模型上加入行業(yè)固定效應后再次回歸。固定行業(yè)效應后，由表4列（3）的回歸結果可知，回歸系數(shù)為4.772，仍在 1% 水平上顯著正相關，交互項 （DT×Pay） ）系數(shù)為4.037，也在 1% 水平上為正相關關系，在固定行業(yè)效應后結果仍與基準回歸相符，可以認為基準回歸結論穩(wěn)健。

3.3.3 增加控制變量

本文通過補充控制變量驗證研究結論穩(wěn)健性，即參考吳彤等[37]、陳運森等[38]的研究，在原有公司運營基礎上將高管任職與高管背景等因素加入控制變量，在原有變量上加入兩職合一（Dual）；獨立董事占比（Indep）；

高管是否具有海外背景（Ouersea），CEO有海外求學或任職經(jīng)歷取1，否則取0；高管學歷（Degree），根據(jù)CEO學歷不同設置虛擬變量。由表4列（4）可以看出，在增加控制變量后，數(shù)字化轉(zhuǎn)型的回歸系數(shù)為4.172，在 1% 水平上顯著正相關。且交互項 （DT×Pay） 也在 1% 水平上正向顯著，這表明高管薪酬激勵的調(diào)節(jié)作用仍然存在，上述結論具有良好的穩(wěn)健性。

為了排除企業(yè)層面不隨時間變動的影響情況，本文使用安慰劑檢驗。先將數(shù)字化轉(zhuǎn)型（DT）的值隨機賦值到各個企業(yè)，再基于模型（3）進行回歸，提取數(shù)字化轉(zhuǎn)型的回歸系數(shù)，將上述步驟重復5000次，再模擬回歸系數(shù)結果，結果如圖1所示。賦值后， DT 的系數(shù)在0兩邊呈現(xiàn)正態(tài)分布，且均小于DT的真實回歸系數(shù)（4.307），得出隨機賦值的DT對企業(yè)創(chuàng)新績效沒有影響，表明回歸結果穩(wěn)健。

3.4 異質(zhì)性分析

3.4.1 產(chǎn)權異質(zhì)性

不同產(chǎn)權性質(zhì)的企業(yè)，由于其不同的企業(yè)特征，導致相同程度數(shù)字化下創(chuàng)新效果有所差異，為此需要的戰(zhàn)略特征不同。國有企業(yè)由于較高的政府補助和更好的公共資源，具有更強的創(chuàng)造性投入能力，但國有企業(yè)相對僵化的體制效應導致了其在數(shù)字化轉(zhuǎn)型相關戰(zhàn)略中往往采取保守策略，創(chuàng)新意愿差。非國有企業(yè)通常在企業(yè)制度和文化方面更加靈活開放，但常缺少政府補助。這使得非國有企業(yè)在面對市場變化時，對創(chuàng)新投人往往表現(xiàn)出積極態(tài)度，但可能出現(xiàn)數(shù)字化轉(zhuǎn)型效率和質(zhì)量較低等問題，創(chuàng)新效果不能得到保障。

本文將企業(yè)分為國有企業(yè)和非國有企業(yè)，表5列（1）、（2）展示了兩組企業(yè)的回歸結果。根據(jù)結果可知，國有企業(yè)數(shù)字化轉(zhuǎn)型在 5% 的水平上顯著，非國有企業(yè)在 1% 水平上正相關，說明雖然不同產(chǎn)權性質(zhì)企業(yè)的數(shù)字化轉(zhuǎn)型都能促進企業(yè)創(chuàng)新績效提升，但非國有企業(yè)的影響比國有企業(yè)更加顯著。

表5列（3）和（4）展示了加人高管薪酬作為調(diào)節(jié)變量之后的回歸結果。表中顯示，國有企業(yè)的交互項（DT×Pay） 回歸結果不顯著，說明在國有企業(yè)中高管薪酬激勵并沒有對數(shù)字化轉(zhuǎn)型的影響起到調(diào)節(jié)作用，其原因可能是國有企業(yè)高管規(guī)避風險傾向更強。非國有企業(yè)樣本的交互項在 1% 水平下顯著正相關，意味著非國有企業(yè)的高管薪酬激勵對數(shù)字化轉(zhuǎn)型和創(chuàng)新績效起到了正向調(diào)節(jié)作用?？赡苁且驗榉菄衅髽I(yè)具有更加靈活的管理機制，企業(yè)管理層受到激勵后會積極證明自身價值，增大對風險項目的投資。

地區(qū)異質(zhì)性可能導致數(shù)字化轉(zhuǎn)型對創(chuàng)新績效影響效果的差異，本文將不同企業(yè)按照所處地區(qū)分類，若為東部地區(qū)則虛擬變量為1，反之為0。由表6列（1）和列（2）的回歸結果可以看出，東部地區(qū)在 1% 水平上正相關，中西部地區(qū)在 5% 水平上正相關，即東部和中西部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型均能促進創(chuàng)新績效，但東部地區(qū)促進作用更加顯著。

表6列（3）和列（4）為加入了交互項的地區(qū)異質(zhì)性分析，交互項 DT×Pay 在列（3）中顯著正相關，這意味著高管薪酬在東部地區(qū)企業(yè)的數(shù)字化轉(zhuǎn)型成效中發(fā)揮了調(diào)節(jié)效應。中西部地區(qū)交互項 DT×Pay 不顯著。原因可能是東部地區(qū)經(jīng)濟相對中西部地區(qū)更加發(fā)達，高管薪酬的激勵作用有足夠的資源作為支撐，可以更好地激發(fā)管理層的創(chuàng)新積極性。

3.4.3行業(yè)類型異質(zhì)性

高新技術企業(yè)往往數(shù)字化程度更高，且相比于非高新技術企業(yè)擁有更高的創(chuàng)新意向，這可能導致兩種不同類型企業(yè)之間數(shù)字化轉(zhuǎn)型效果有所差異，因此借鑒楊興哲等[39]的研究，根據(jù)行業(yè)類型將樣本企業(yè)分組，高新技術企業(yè)取1，否則取0，分組檢驗結果得到表7。表7列（1）和列（2）對比發(fā)現(xiàn)，高新技術企業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的影響在 1% 水平上顯著正相關，而非高新技術企業(yè)在 10% 水平上顯著相關，可以看出高新技術企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的促進作用更加明顯。

表7列（3）和列（4）為在列（1）和列（2）的基礎上加入交互項的回歸結果，可以看出列（3）中交互項 DT×

Pay 在 10% 水平上正向顯著，而列（4）則不顯著，即高管薪酬激勵能一定程度上促進兩者的正向激勵效果，非高新技術企業(yè)則沒有起到明顯的調(diào)節(jié)作用。究其原因，可能是由于高新技術企業(yè)具有更好的數(shù)字化轉(zhuǎn)型客觀條件，管理層受到薪酬激勵后，數(shù)字化轉(zhuǎn)型意愿提高。而非高新技術企業(yè)即使管理層受到了薪酬激勵，由于數(shù)字化轉(zhuǎn)型投入未必能帶來足夠的收益，所以非高新技術企業(yè)高管薪酬激勵并不能起到有效的調(diào)節(jié)效應。

4結論、啟示與展望

4.1 研究結論

本文通過對樣本企業(yè)進行實證研究，得到的主要結論有：數(shù)字化轉(zhuǎn)型能夠提升創(chuàng)新績效；高管薪酬在企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新績效之間發(fā)揮正向調(diào)節(jié)作用，但高管股權激勵可能會導致高管為緩解短期業(yè)績壓力，在數(shù)字化轉(zhuǎn)型期間優(yōu)先削減長期創(chuàng)新投入以維持財務穩(wěn)定性；我國大部分企業(yè)尚未達到成熟的數(shù)字化階段，對創(chuàng)新績效的影響程度未出現(xiàn)倒U型情況。

此外，高管薪酬激勵的正向調(diào)節(jié)作用在非國有企業(yè)、東部地區(qū)和高新技術企業(yè)中更加明顯，并且數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的正向影響在非國有企業(yè)、東部地區(qū)和高新技術企業(yè)中更顯著。

4.2 管理啟示

4.2.1完善高管激勵管理體系

企業(yè)需要完善高管薪酬管理體系?？梢酝ㄟ^設置合理的薪酬激勵機制，構建與創(chuàng)新相關的評價體系，將高管薪酬與企業(yè)創(chuàng)新目標綁定，提升管理層對企業(yè)創(chuàng)新的積極性，提高數(shù)字化轉(zhuǎn)型對創(chuàng)新的促進效應。若企業(yè)當下需要擴大數(shù)字化轉(zhuǎn)型對創(chuàng)新績效的促進作用，可以適當降低高管股權激勵，以避免管理層的逐利行為導致產(chǎn)生負向調(diào)節(jié)效應。

4.2.2 積極推動企業(yè)數(shù)字化轉(zhuǎn)型

面對數(shù)字化浪潮，企業(yè)應積極推進自身數(shù)字化轉(zhuǎn)型進程。雖然大量研究表明數(shù)字化轉(zhuǎn)型賦能創(chuàng)新績效存在邊際效益，但我國大部分企業(yè)目前仍處于數(shù)字化轉(zhuǎn)型初期，距離最小邊際效益點還有較大差距。因此，大部分企業(yè)仍可通過提高數(shù)字化轉(zhuǎn)型達到提升企業(yè)創(chuàng)新績效的目的。

4.2.3差異化建設高管激勵體系

企業(yè)在進行數(shù)字化轉(zhuǎn)型時，應根據(jù)企業(yè)自身條件與所處地理位置、市場環(huán)境，制定與之契合的創(chuàng)新戰(zhàn)略。例如，對于非國有企業(yè)、東部地區(qū)企業(yè)及高新技術企業(yè)，若短期內(nèi)創(chuàng)新需求較高，增加高管薪酬激勵作為一種短期激勵機制可以快速提高管理層抗風險能力，保證短時間提高數(shù)字化轉(zhuǎn)型對創(chuàng)新的促進效果。而國有企業(yè)、中西部地區(qū)企業(yè)與非高新技術企業(yè)的數(shù)字化轉(zhuǎn)型對其創(chuàng)新績效的提升效果有限，且高管薪酬激勵的正向調(diào)節(jié)效果不明顯，通過高管薪酬激勵促進創(chuàng)新的方式可能不盡人意，應避免通過高管薪酬激勵的調(diào)節(jié)效應改善企業(yè)創(chuàng)新績效。

4.3 研究局限與展望

本文雖深入研究了高管薪酬激勵在異質(zhì)性企業(yè)間的動態(tài)調(diào)節(jié)作用，為數(shù)字化轉(zhuǎn)型影響創(chuàng)新績效路徑的影響因素提供更深入的研究，但仍有不足之處：首先，樣本僅采用我國上市企業(yè)，未來可基于國外環(huán)境與非上市企業(yè)數(shù)據(jù)進行進一步驗證；其次，樣本數(shù)據(jù)受限于當下我國企業(yè)數(shù)字化轉(zhuǎn)型程度，后期樣本企業(yè)數(shù)字化轉(zhuǎn)型程度到達一定程度后，可再對兩者的非線性關系進行進一步研究。

參考文獻：

[1]喬鵬程，張巖松.企業(yè)數(shù)字化轉(zhuǎn)型、動態(tài)能力與創(chuàng)新績效[J].財會月刊，2023，44（5）：145-152.

[2] 牟紹波，袁紅霞，周凌.機構投資者持股、高管激勵與企業(yè)創(chuàng)新[J].會計之友，2024（4）：88-95.

[3] 姚小濤，元暉，劉琳琳，等.企業(yè)數(shù)字化轉(zhuǎn)型：再認識與再出發(fā)[J].西安交通大學學報（社會科學版），2022，42（3）：1-9.

[4]周琦瑋，劉鑫，李東紅.企業(yè)數(shù)字化轉(zhuǎn)型的多重作用與開放性研究框架[J].西安交通大學學報（社會科學版），2022，42（3）：10-19.

[5]吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（7）：130-144，10.

[6]池毛毛，王俊晶，王偉軍.數(shù)字化轉(zhuǎn)型背景下企業(yè)創(chuàng)新績效的影響機制研究—基于NCA與SEM的混合方法[J].科學學研究，2022，40（2）：319-331.

[7]楊戈寧，萬泳淇，楊浩昌.制造業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效[J].統(tǒng)計與決策，2024，40（11）：168-172.

[8]張國勝，杜鵬飛.數(shù)字化轉(zhuǎn)型對我國企業(yè)技術創(chuàng)新的影響：增量還是提質(zhì)？[J].經(jīng)濟管理，2022，44（6）：82-96.

[9]任羽卓，許瀅方.數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新策略選擇[J].經(jīng)濟體制改革，2024（4）：124-131.

[10]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].財貿(mào)經(jīng)濟，2021，42（7）：114-129.

[11]MUMFORD M D. Managing creative people： strategiesand tactics for innovation[J]. Human Resource Man-agementReview，2000，10（3）：313-351.

[12]黃節(jié)根，吉祥熙，李元旭.數(shù)字化水平對企業(yè)創(chuàng)新績效的影響研究——來自滬深A股上市公司的經(jīng)驗證據(jù)[J].江西社會科學，2021，41（5）：61-72，254-255.

[13]邵傳林，邵妹靜.財政補貼政策對企業(yè)創(chuàng)新績效的激勵效果評價—來自微觀層面的經(jīng)驗證據(jù)[J].西安財經(jīng)學院學報，2015，28（6）：5-11.

[14]楊鳴京，程小可，李昊洋.機構投資者調(diào)研、公司特征與企業(yè)創(chuàng)新績效[J].當代財經(jīng)，2018（2）：84-93.

[15]賈春香，劉艷嬌.公司治理結構對企業(yè)創(chuàng)新績效的影響——基于研發(fā)投入的中介作用[J科學管理研究，2019，37（2）：117-121.

[16]郭海，韓佳平.數(shù)字化情境下開放式創(chuàng)新對新創(chuàng)企業(yè)成長的影響：商業(yè)模式創(chuàng)新的中介作用[J].管理評論，2019，31（6）：186-198.

[17]喬鵬程，張巖松.農(nóng)業(yè)公司使用區(qū)塊鏈技術能否提升營運效率？[J].會計之友，2022（12）：144-150.

[18張吉昌，龍靜.數(shù)字化轉(zhuǎn)型、動態(tài)能力與企業(yè)創(chuàng)新績效——來自高新技術上市企業(yè)的經(jīng)驗證據(jù)[J].經(jīng)濟與管理，2022，36（3）：74-83.

[19]GRAETZ G，MICHAELS G. Robots at work[J]. TheReview of Economics and Statistics，2018，100（5）：753-768.

[20]姜英兵，徐傳鑫，班旭.數(shù)字化轉(zhuǎn)型與企業(yè)雙元創(chuàng)新[J].經(jīng)濟體制改革，2022（3）：187-193.

[21]易露霞，吳非，徐斯腸.企業(yè)數(shù)字化轉(zhuǎn)型的業(yè)績驅(qū)動效應研究[J].證券市場導報，2021（8）：15-25，69.

[22]戚聿東，杜博，溫馨.國有企業(yè)數(shù)字化戰(zhàn)略變革：使命嵌入與模式選擇—基于3家中央企業(yè)數(shù)字化典型實踐的案例研究[J].管理世界，2021，37（11）：137-158，10.

[23]苗宏慧，楊銘，全情爽，等.制造企業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新績效—人力資本的中介作用和動態(tài)能力的調(diào)節(jié)作用[J].吉林大學社會科學學報，2024，64（3）：166-184，238-239.

[24]王秋紅，楊瑤.高管薪酬激勵能促進企業(yè)數(shù)字化轉(zhuǎn)型嗎？[J].商業(yè)會計，2024（9）：26-33.

[25]高正，藍發(fā)欽，國文婷.數(shù)字化轉(zhuǎn)型背景下高管外部薪酬差距對企業(yè)創(chuàng)新的影響研究[J].科學管理研究，2024，42（2）：110-118.

[26]欒甫貴，紀亞方.高管外部薪酬差距、公司治理質(zhì)量與企業(yè)創(chuàng)新[J].經(jīng)濟經(jīng)緯，2020，37（1）：114-122.

[27]許湖湘，汪文成.關鍵高管薪酬差距、研發(fā)投入粘性與企業(yè)創(chuàng)新能力[J].財會通訊，2025（2）：58-62.

[28]白旭云，王硯羽，蘇欣.研發(fā)補貼還是稅收激勵—政府干預對企業(yè)創(chuàng)新績效和創(chuàng)新質(zhì)量的影響[J.科研管理，2019，40（6）：9-18.

[29]黃慶華，張芳芳，陳習定.高管短期薪酬的創(chuàng)新激勵效應研究［J].科研管理，2019，40（11）：257-265.

[30]趙文紅，任葉瑤，張樑，等.創(chuàng)業(yè)企業(yè)數(shù)字化水平對創(chuàng)新績效的影響研究[J].科學學研究，2025，43（5）：1027-1038.

[31]光暉，劉穎.數(shù)字化轉(zhuǎn)型、Ramp;D投入與企業(yè)創(chuàng)新績效[J].現(xiàn)代管理科學，2024（3）：187-195.

[32]楊戈寧，萬泳淇，楊浩昌.制造業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效[J].統(tǒng)計與決策，2024，40（11）：168-172.

[33]葉寶娟，溫忠麟.有中介的調(diào)節(jié)模型檢驗方法：甄別和整合[J].心理學報，2013，45（9）：1050-1060.

[34]EDMANS A，F(xiàn)ANGV W，LEWELLENK A. Equityvesting and managerial myopia[J].Boston：NationalBureau of Economic Research，2013.

[35]BHARADWAJA，SAWY O AE，PAVLOUPA，et-al. Digital business strategy： toward a next generationof insights[J].MISQuarterly，2013，37（2）：471-482.

[36]趙樂，王琨，任宏達.CFO高管排位與企業(yè)投資效率[J].中國會計評論，2020，18（3）：407-436.

[37]吳彤，任廣乾，賴浣峰.數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績效：內(nèi)部薪酬差距的調(diào)節(jié)效應[J].創(chuàng)新科技，2024，24（11）：56-70.

[38]陳運森，蔣艷，黃健嶠.出資人責任追究的創(chuàng)新驅(qū)動效應——基于國有企業(yè)創(chuàng)新效率的證據(jù)[J].財經(jīng)研究，2025，51（2）：138-153.

[39]楊興哲，周翔翼.治理效應抑或融資效應？股票流動性對上市公司避稅行為的影響[J].會計研究，2020（9）：120-133.

（責任編輯：周媛）