Expected Performance Feedback and Enterprise Digital Transformation: Prosperity-driven or Adversity-driven Path
-
摘要: 破解当前企业数字化转型困局的关键在于有效激发企业转型的内生动力。基于企业行为理论，选取2011—2020年沪深A股上市公司为样本，将绩效反馈分析机制引入企业数字化转型，实证检验期望绩效反馈对于企业数字化转型的影响及作用机制。研究发现：当企业处于正向绩效反馈下，随着期望顺差的扩大，企业数字化转型程度将会显著提高，即期望绩效反馈下的企业数字化转型呈现“居安思危”的变革特征；从动力传导机制看，正向绩效反馈企业通过发挥资源效应和赌资效应，提高了实施数字化转型的冗余资源丰腴度和战略变革意愿；拓展性分析发现，正向绩效反馈企业的数字化转型更多体现在与其具体业务技术应用下的深度融合，而并非仅停留在底层技术层面上。本研究对于深入理解企业数字化转型的内在驱动机制，激发企业转型的内在动力提供了一定的参考。Abstract: The key to solve the dilemma of enterprise digital transformation is to effectively stimulate the internal power of enterprise transformation. Based on the behavioral theory of the firm, this paper selects A-share listed companies in Shanghai and Shenzhen stock markets from 2011 to 2020 as samples, introduces the performance feedback analysis mechanism of enterprise digital transformation, and empirically tests the influence and mechanism of expected performance feedback on enterprise digital transformation. The findings indicate that the degree of digital transformation will be significantly improved with the increase of expected surplus, that is, the digital transformation of enterprises with expected performance feedback is characterized by the "prosperity-driven path"; from the perspective of power transmission mechanism, surplus enterprises are expected to improve the abundance of redundant resources to implement digital transformation to achieve "resource effect", enhance their willingness of digital transformation to achieve "house money effect"; the extended analysis finds that the digital transformation of positive performance feedback enterprises is mainly reflected in the deep response to the integration with specific business scenarios, rather than just superficial "talk" at the underlying technical level. This paper provides references for understanding the internal driving mechanism of enterprise digital transformation and stimulating the internal driving force of enterprise transformation.
-
表 1 主要变量的定义和说明
变量类型 变量名称 变量符号 变量说明 被解释变量 数字化转型 DT 将年报中涉及数字化转型词频加总并进行对数化处理 解释变量 正向绩效反馈 PPF 若实际绩效>期望绩效，则为实际绩效减去期望绩效，否则为0 负向绩效反馈 NPF 若实际绩效< 期望绩效，则为实际绩效减去期望绩效的绝对值，否则为0 控制变量 公司规模 Size 期末总资产对数化处理 财务杠杆 Lev 总负债/总资产 市场份额 Mrkt 主营业务收入占行业内所有企业主营业务收入总和之比 成长能力 Growth 总资产增长率 破产危机 Zscore 采用Altman's Z分数衡量一家企业破产的风险，分数越低说明企业破产风险越大 公司年龄 Age 对公司成立年份进行对数化处理 股权性质 Soe 若为国有企业，则为1；否则为0 股权集中度 Top1 第一大股东持股比例 董事会规模 Bsize 对董事总人数进行对数化处理 两职合一 Dual 董事长和总经理两职合一时取值为1，否则为0 审计质量 Big4 若为前四大会计师事务所审计则为1.否则为0 年度 Year 控制年度固定效应 行业 Ind 控制行业固定效应 
下载: 导出CSV
表 2 描述性统计
变量 样本量 平均值 标准差 最小值 中位数 最大值 DT 19 842 1.308 1.359 0 1.099 5.011 PPF 9 832 0.025 0.024 0.000 0.018 0.128 NPF 10 010 0.027 0.035 0.000 0.016 0.182 Size 19 842 22.230 1.272 20.015 22.051 26.153 Lev 19 842 0.431 0.202 0.054 0.426 0.862 Growth 19 842 0.170 0.299 -0.237 0.099 1.996 Zscore 19 842 4.708 5.255 0.325 3.036 35.596 Age 19 842 2.838 0.340 1.609 2.890 3.466 Mrkt 19 842 0.003 0.006 0.000 0.001 0.043 Top1 19 842 0.356 0.148 0.097 0.338 0.748 Bsize 19 842 2.253 0.177 1.792 2.303 2.773 Soe 19 842 0.405 0.491 0 0 1 Dual 19 842 0.259 0.438 0 0 1 Big4 19 842 0.061 0.239 0 0 1
下载: 导出CSV
表 3 单变量分析
变量 正向绩效反馈 负向绩效反馈 均值差异 中位数差异 样本量 平均值 标准差 中位数 样本量 平均值 标准差 中位数 DT 9 832 1.403 1.390 1.099 10 010 1.215 1.322 0.693 0.000*** 0.000*** Size 9 832 22.232 1.255 22.071 10 010 22.228 1.289 22.033 0.834 0.050* Lev 9 832 0.406 0.193 0.396 10 010 0.456 0.208 0.458 0.000*** 0.000*** Soe 9 832 0.379 0.485 0 10 010 0.430 0.495 0 0.000*** 0.000*** Age 9 832 2.828 0.345 2.890 10 010 2.848 0.335 2.890 0.000*** 0.033** Dual 9 832 0.261 0.439 0 10 010 0.258 0.437 0 0.637 0.637 Mrkt 9 832 0.003 0.007 0.001 10 010 0.002 0.006 0.000 0.000*** 0.000*** Zscore 9 832 5.450 5.623 3.671 10 010 3.979 4.756 2.515 0.000*** 0.000*** Top1 9 832 0.363 0.151 0.348 10 010 0.349 0.144 0.329 0.000*** 0.000*** Bsize 9 832 2.252 0.176 2.303 10 010 2.253 0.178 2.303 0.628 0.883 Growth 9 832 0.185 0.284 0.117 10 010 0.156 0.313 0.077 0.000*** 0.000*** Big4 9 832 0.068 0.251 0 10 010 0.054 0.227 0 0.000*** 0.000*** 注：***、**、*分别表示1%、5%、10%的显著性水平。
下载: 导出CSV
表 4 期望绩效反馈与数字化转型
变量 (1)
DT(2)
DTPPF 3.261***(5.41) NPF -0.081(-0.21) Size 0.120***(5.01) 0.113***(5.22) Lev -0.146(-1.07) -0.160(-1.31) Soe -0.181***(-3.37) -0.248***(-5.16) Age -0.135**(-2.04) -0.088(-1.22) Dual 0.168***(3.89) 0.145***(3.31) Mrkt 5.400(1.46) 8.921**(2.26) Zscore 0.006(1.25) -0.002(-0.44) Top1 -0.149(-1.12) -0.121(-0.86) Bsize -0.160(-1.38) -0.181*(-1.65) Growth 0.278***(6.12) 0.141***(3.51) Big4 -0.112(-1.49) -0.105(-1.34) Year 是 是 Industry 是 是 Constant -0.563(-1.03) -0.488(-0.92) Observations 9 832 10 010 Adj-R2 0.382 0.327 注：***、**、*分别表示1%、5%、10%的显著性水平, 括号中的数字为t值，下同。
下载: 导出CSV
表 5 稳健性检验
变量 重新测度被解释变量 重新测度解释变量 缩小样本区间 控制地区固定效应 (1)
DT_Dummy(2)
DT_Rank(3)
DT(4)
DT(5)
DT(6)
DT(7)
DTPPF 6.784*** 11.383*** 4.565*** 3.218*** (9.10) (9.01) (4.65) (5.46) PPF_Roe 1.490*** (4.11) PPF_Med 4.149*** (5.40) PPF_0.6 4.611*** (6.49) Size 0.117*** 0.199*** 0.117*** 0.118*** 0.123*** 0.056** 0.127*** (4.41) (4.43) (5.13) (4.90) (5.09) (2.06) (5.38) Lev -0.132 -0.219 -0.222 0.023 -0.028 -0.278* -0.078 (-0.81) (-0.79) (-1.58) (0.17) (-0.20) (-1.69) (-0.59) Soe -0.222*** -0.380*** -0.186*** -0.176*** -0.186*** -0.130** -0.175*** (-3.90) (-3.98) (-3.55) (-3.30) (-3.52) (-2.18) (-3.23) Age -0.161** -0.259** -0.108* -0.149** -0.142** -0.063 -0.126* (-2.22) (-2.12) (-1.67) (-2.14) (-2.07) (-0.92) (-1.89) Dual 0.168*** 0.286*** 0.166*** 0.165*** 0.176*** 0.132** 0.138*** (3.47) (3.47) (3.89) (3.78) (4.03) (2.27) (3.28) Mrkt 3.206 5.970 8.561** 9.000** 8.771** 5.009 3.432 (0.75) (0.84) (2.42) (2.32) (2.34) (1.26) (0.96) Zscore 0.001 0.003 0.006 0.004 0.004 0.002 0.006 (0.24) (0.34) (1.27) (0.88) (0.96) (0.39) (1.35) Top1 0.159 0.234 -0.104 -0.129 -0.107 0.055 -0.122 (1.04) (0.91) (-0.80) (-0.94) (-0.80) (0.36) (-0.93) Bsize -0.037 -0.065 -0.149 -0.185 -0.186 -0.121 -0.092 (-0.28) (-0.29) (-1.27) (-1.56) (-1.58) (-0.81) (-0.80) Growth 0.213*** 0.356*** 0.206*** 0.247*** 0.234*** 0.220*** 0.251*** (3.49) (3.39) (5.08) (5.31) (4.96) (3.49) (5.61) Big4 -0.052 -0.081 -0.137** -0.098 -0.079 -0.074 -0.174** (-0.55) (-0.52) (-1.98) (-1.29) (-1.06) (-0.91) (-2.28) Year 是 是 是 是 是 是 是 Industry 是 是 是 是 是 是 是 Region 否 否 否 否 否 否 是 Constant -1.047 -1.840* -0.571 -0.537 -0.643 0.100 -0.907 (-1.64) (-1.71) (-1.09) (-0.97) (-1.15) (0.16) (-1.64) Observations 9 818 9 818 11 386 9 737 9 357 4 040 9 832 Pseudo R2/Adj-R2 0.196 0.196 0.359 0.345 0.367 0.372 0.401
下载: 导出CSV
表 6 熵平衡法回归结果
变量 DT 相关系数 t值 PPF_dummy 0.067*** (3.03) Size 0.122*** (6.83) Lev -0.144 (-1.36) Soe -0.228*** (-4.96) Age -0.117* (-1.87) Growth 0.219*** (6.62) Bsize -0.168* (-1.66) Top1 -0.113 (-0.92) Dual 0.163*** (4.29) Year 是 是 Industry 是 是 Constant -0.595 (-1.39) Observations 19 842 Adj-R2 0.350
下载: 导出CSV
表 7 熵平衡法下处理组和对照组平衡性检验
变量 处理组均值 对照组处理前均值 对照组处理后均值 处理组方差 对照组处理前方差 对照组处理后方差 处理组偏度 对照组处理前偏度 对照组处理后偏度 处理组与原始对照组标准化差异 处理组与匹配后对照组标准化差异 Size 22.232 2 22.228 4 22.232 3 1.574 6 1.661 2 1.574 7 0.746 3 0.746 5 0.746 1 0.003 0 -0.000 1 Lev 0.405 9 0.455 5 0.406 0 0.037 3 0.043 3 0.037 3 0.209 8 -0.003 9 0.210 0 -0.257 2 -0.000 8 Soe 0.379 4 0.430 4 0.379 5 0.235 5 0.245 2 0.235 5 0.497 2 0.281 3 0.496 7 -0.105 1 -0.000 2 Age 2.827 8 2.847 6 2.827 9 0.119 0 0.112 3 0.119 0 -0.892 5 -0.885 0 -0.892 6 -0.057 4 -0.000 2 Growth 0.184 5 0.155 7 0.184 5 0.080 8 0.097 8 0.080 9 3.592 5 3.342 4 3.589 1 0.101 4 0.000 1 Bsize 2.251 9 2.253 1 2.251 9 0.031 0 0.031 8 0.031 0 -0.225 6 -0.140 8 -0.225 5 -0.006 9 0.000 0 Top1 0.363 2 0.349 0 0.363 2 0.022 8 0.020 9 0.022 8 0.454 7 0.475 8 0.454 8 0.094 3 0.000 1 Dual 0.260 6 0.257 6 0.260 6 0.192 7 0.191 3 0.1927 1.090 9 1.108 3 1.091 0 0.006 7 0.000 0
下载: 导出CSV
表 8 广义估计方程回归结果
变量 DT 相关系数 t值 PPF 3.257*** (5.41) Size 0.121*** (5.06) Lev -0.144 (-1.06) Soe -0.181*** (-3.38) Age -0.135** (-2.03) Dual 0.168*** (3.89) Mrkt 5.548 (1.51) Zscore 0.006 (1.26) Top1 -0.148 (-1.12) Bsize -0.161 (-1.39) Growth 0.277*** (6.12) Big4 -0.114 (-1.52) Year 是 是 Industry 是 是 Constant 0.080 (0.14) Observations 9 832
下载: 导出CSV
表 9 中介机制检验
变量 (1) (2) (3) (4) PPF→Rr→DT PPF→Srt→DT Rr DT Srt DT PPF 0.005***(5.36) 3.075***(5.14) 0.313***(5.36) 2.975***(4.88) Rr 0.125***(2.62) Srt 19.386***(6.84) Size 0.001(1.43) 0.123***(5.08) 0.001**(2.56) 0.160***(6.63) Lev -0.011***(-3.66) -0.309**(-1.99) -0.007**(-2.57) -0.314**(-2.28) Soe -0.003***(-3.51) -0.183***(-3.42) -0.003***(-3.18) -0.180***(-3.36) Age 0.002(1.48) -0.148**(-2.20) 0.002**(2.10) -0.117*(-1.77) Dual -0.001**(-2.02) 0.171***(3.93) -0.002**(-2.36) 0.160***(3.72) Mrkt 0.053(0.78) 4.881(1.33) 0.095(1.37) 6.123*(1.68) Zscore 0.001***(12.95) 0.011**(2.20) 0.001***(11.34) 0.003(0.80) Top1 0.008***(3.54) -0.158(-1.19) 0.008***(3.50) -0.141(-1.07) Bsize -0.001(-0.47) -0.170(-1.46) 0.000(0.02) -0.135(-1.17) Growth 0.004***(2.96) 0.268***(5.98) 0.003***(2.69) 0.230***(5.18) Big4 -0.000(-0.01) -0.105(-1.37) -0.000(-0.19) -0.107(-1.42) Year 是 是 是 是 Industry 是 是 是 是 Constant 0.005(0.51) -0.506(-0.92) -0.020*(-1.88) -2.002***(-3.54) Observations 9 710 9 710 9 820 9 820 Adj-R2 0.091 0.385 0.090 0.387 Sobel检验 3.668 5.38 Boostrap检验置信区间 (0.085 34，0.258 67) (0.179 99，0.416 84)
下载: 导出CSV
表 10 拓展性分析
变量 (1)
底层技术建设
DT_Tc(2)
技术应用实践
DT_TaPPF 0.800(1.35) 2.945***(5.54) Size 0.091***(4.24) 0.099***(5.04) Lev -0.098(-0.87) -0.066(-0.54) Soe -0.065(-1.44) -0.202***(-4.48) Age -0.122**(-2.15) -0.065(-1.11) Dual 0.128***(3.31) 0.111***(2.89) Mrkt 0.821(0.28) 6.642**(1.97) Zscore 0.001(0.20) 0.007(1.61) Top1 -0.312***(-2.69) -0.012(-0.10) Bsize -0.341***(-3.29) 0.085(0.86) Growth 0.227***(5.51) 0.186***(4.58) Big4 -0.078(-1.29) -0.078(-1.13) Year 是 是 Industry 是 是 Constant 0.061(0.13) -1.326***(-2.86) Observations 9 832 9 832 Adj-R2 0.382 0.276
下载: 导出CSV
-
[1] 江小涓, 靳景. 中国数字经济发展的回顾与展望[J]. 中共中央党校(国家行政学院)学报, 2022(1): 69-77. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGXB202201008.htm [2] 肖旭, 戚聿东. 产业数字化转型的价值维度与理论逻辑[J]. 改革, 2019(8): 61-70. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO201908005.htm [3] 袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工: 专业化还是纵向一体化[J]. 中国工业经济, 2021(9): 137-155. doi: 10.3969/j.issn.1006-480X.2021.09.008 [4] 刘淑春, 闫津臣, 张思雪, 等. 企业管理数字化变革能提升投入产出效率吗[J]. 管理世界, 2021(5): 170-190. doi: 10.3969/j.issn.1002-5502.2021.05.014 [5] 何帆, 刘红霞. 数字经济视角下实体企业数字化变革的业绩提升效应评估[J]. 改革, 2019(4): 137-148. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO201904012.htm [6] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021(7): 130-144. doi: 10.3969/j.issn.1002-5502.2021.07.010 [7] 余典范, 王超, 陈磊. 政府补助、产业链协同与企业数字化[J]. 经济管理, 2022(5): 63-82. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202205004.htm [8] 唐松, 苏雪莎, 赵丹妮. 金融科技与企业数字化转型——基于企业生命周期视角[J]. 财经科学, 2022(2): 17-32. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX202202002.htm [9] 张红伟, 熊操, 陈小辉, 等. 财政科技投入对数字经济发展的影响[J]. 财经科学, 2022(5): 135-148. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX202205010.htm [10] 陈庆江, 王彦萌, 万茂丰. 企业数字化转型的同群效应及其影响因素研究[J]. 管理学报, 2021(5): 653-663. doi: 10.3969/j.issn.1672-884x.2021.05.003 [11] KAHNEMAN D, TVERSKY A. Prospect theory: an analysis of decision under risk[J]. Econometrica, 1979, 47(2): 263-291. doi: 10.2307/1914185 [12] GAVETTI G, GREVE H R, LEVINTHAL D A, et al. The behavioral theory of the firm: assessment and prospects[J]. Academy of Management Annals, 2012, 6(1): 1-40. doi: 10.5465/19416520.2012.656841 [13] 陈镌彦, 陈伟宏. 居安思危: 绩优企业的战略变革——CEO认知特征的调节作用[J]. 科学学与科学技术管理, 2021(10): 159-177. https://www.cnki.com.cn/Article/CJFDTOTAL-KXXG202110010.htm [14] 贺小刚, 朱丽娜, 杨婵, 等. 经营困境下的企业变革: "穷则思变"假说检验[J]. 中国工业经济, 2017(1): 135-154. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201701009.htm [15] 武常岐, 张昆贤, 周欣雨, 等. 数字化转型、竞争战略选择与企业高质量发展——基于机器学习与文本分析的证据[J]. 经济管理, 2022(4): 5-22. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202204001.htm [16] CHEN W R, MILLER K D. Situational and institutional determinants of firms' R & D search intensity[J]. Strategic Management Journal, 2007, 28(4): 369-381. [17] VISSA B, GREVE H R, CHEN W R. Business group affiliation and firm search behavior in India: responsiveness and focus of attention[J]. Organization Science, 2010, 21(3): 696-712. [18] 宋铁波, 钟熙, 陈伟宏. 期望差距与企业国际化速度: 来自中国制造业的证据[J]. 中国工业经济, 2017(6): 175-192. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201706017.htm [19] 贺小刚, 李婧, 吕斐斐, 等. 绩优企业的投机经营行为分析——来自中国上市公司的数据检验[J]. 中国工业经济, 2015(5): 110-121. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201505010.htm [20] BAUM J, DAHLIN K B. Aspiration performance and railroads' patterns of learning from train wrecks and crashes[J]. Organization Science, 2007, 18(3): 368-385. [21] 徐小琴, 王菁, 马洁. 绩优企业会增加企业负面行为吗——基于中国制造业上市公司的数据分析[J]. 南开管理评论, 2016(2): 137-144. https://www.cnki.com.cn/Article/CJFDTOTAL-LKGP201602013.htm [22] PARKER O N, KRAUSE R, COVIN J G. Ready, set, slow: how aspiration-relative product quality impacts the rate of new product introduction[J]. Journal of Management, 2017, 43(7): 2333-2356. [23] 张嘉伟, 胡丹丹, 周磊. 数字经济能否缓解管理层短视行为?——来自真实盈余管理的经验证据[J]. 经济管理, 2022(1): 122-139. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202201007.htm [24] 李健, 潘镇, 陈景仁. 制造业企业期望绩效反馈效果对组织冗余结构的影响及后果[J]. 管理评论, 2018(11): 198-208. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201811019.htm [25] 贺小刚, 彭屹, 郑豫容, 等. 期望落差下的组织搜索: 长期债务融资及其价值再造[J]. 中国工业经济, 2020(5): 174-192. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202005011.htm [26] 刘飞. 数字化转型如何提升制造业生产率——基于数字化转型的三重影响机制[J]. 财经科学, 2020(10): 93-107. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX202010009.htm [27] 连燕玲, 贺小刚, 高皓. 业绩期望差距与企业战略调整——基于中国上市公司的实证研究[J]. 管理世界, 2014(11): 119-132, 188. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201411013.htm [28] 李溪, 郑馨, 张建琦. 制造企业的业绩困境会促进创新吗——基于期望落差维度拓展的分析[J]. 中国工业经济, 2018(8): 174-192. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201808011.htm [29] 肖土盛, 吴雨珊, 亓文韬. 数字化的翅膀能否助力企业高质量发展——来自企业创新的经验证据[J]. 经济管理, 2022(5): 41-62. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202205003.htm [30] HAINMUELLER J. Entropy balancing for causal effects: amultivariate reweighting method to produce balanced samples in observational studies[J]. Political Analysis, 2012, 20(1): 25-46. [31] 钟熙, 宋铁波, 陈伟宏, 等. 富则思安了吗?创新期望顺差、冗余资源与企业研发国际化[J]. 系统管理学报, 2021(5): 879-891. https://www.cnki.com.cn/Article/CJFDTOTAL-XTGL202105004.htm [32] 温忠麟, 方杰, 谢晋艳, 等. 国内中介效应的方法学研究[J]. 心理科学进展, 2022(8): 1692-1702. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD202208003.htm [33] 王海林, 张丁. 国家审计对国有企业风险承担的治理效应: 促进还是抑制?——基于审计公告语调的分析[J]. 会计研究, 2021(10): 152-165. https://www.cnki.com.cn/Article/CJFDTOTAL-KJYJ202110011.htm [34] SHAW K W. Corporate disclosure quality, earninyssoomthing and earning's timeliness[J]. Journal of Business Research, 2003, 56(12): 1043-1050. -
