Can the Reform of Tax-Related Government Functions Promote Enterprise Digital Transformation
-
摘要: 数字经济背景下企业数字化转型成为必然趋势。税务系统“放管服”改革优化企业的营商软环境，对企业数字化转型产生了深远影响。基于2017、2018年税务系统“放管服”改革，采用多时点双重差分模型，评估税务系统“放管服”改革对企业数字化转型的影响效应及其机制。研究发现，税务系统“放管服”改革显著地促进了企业数字化转型，且主要通过优化营商软环境如制度软环境与人才软环境发挥作用；异质性分析表明，对非国有企业、规模较小企业、服务业企业以及经济发展水平较高地区企业而言，税务系统“放管服”改革对企业数字化转型的正效应更加明显。本研究拓展了税务系统“放管服”改革对微观企业作用的成果，也丰富了财税政策影响企业数字化转型的相关文献，为后续深化改革提供了参考与启示。Abstract: In the context of the digital economy, digital transformation is an inevitable trend for enterprises. The reform of tax-related government functions has optimized the soft business environment of enterprises and has had a profound impact on their digital transformation. Based on the reform of tax related government functions implemented in 2017 and 2018, and a multi-period difference-in-differences model, this study evaluates the impact and mechanisms of the reform of tax-related government functions on enterprise digital transformation. The research findings indicate that the reform of tax-related government functions significantly promotes enterprise digital transformation, mainly through the optimization of the soft business environment, including institutional and talent development environments. Heterogeneity analysis reveals that the positive effects of the reform of tax related government functions are more pronounced in non-state enterprises, smaller-scale enterprises, service industry enterprises, and enterprises in regions with higher levels of economic development. This study contributes to the research on the role of the reform of tax-related government functions in enterprises and expands the relevant literature on the impact of fiscal and tax policies on enterprise digital transformation, offering reference and inspiration for further deepening reforms.
-
一、 引言
伴随着数字科技的迅速发展，大数据、人工智能等技术正在逐步被应用于企业的决策与经营中，从而大幅提升企业效率。为提高市场竞争力，企业数字化转型成为数字经济时代的必然趋势。党的二十大报告指出，加快数字经济发展，促进数字经济和实体经济深度融合。习近平总书记强调，要把握数字化方向，推动产业数字化，发挥数字经济对经济发展的放大、叠加、倍增作用。企业数字化转型是实现数字经济和实体经济深度融合，发挥数字经济放大作用的关键路径(赵宸宇等，2021)[1]。近年来，我国企业数字化转型取得一些成绩，据咨询公司埃森哲发布的《2022中国企业数字化转型指数》显示，中国企业数字化转型指数由2018年的37分增长到2022年的52分，并且近6成的调研企业有投资数字化计划。腾讯研究院发布的《2022中国民营企业数字化转型调研报告》显示，62%的调查企业在主营业务领域开展数字化转型。
然而，企业数字化转型也面临诸多问题与挑战(张夏恒，2020)[2]。为克服数字化转型过程中存在的困难，既需要企业自身努力，也需要政府通过财税政策这只“看得见的手”加以扶持。事实上，我国实施的许多税收优惠政策已被证明在加快企业数字化转型方面发挥了积极作用，如固定资产加速折旧(曹直和吴非，2023)[3]、增值税留抵退税(朱颖等，2023)[4]等。但是，当前地方财政面临收入增速下滑与支出责任刚性扩大的双重趋势(文茜等，2023)[5]，导致地方财政压力不断加剧(席卫群和杨青瑜，2022)[6]。为此，2023年中央经济工作会议要求，既要落实好结构性减税降费政策，也要增强财政可持续性。税务系统“放管服”改革(以下简称改革)有助于落实好这两点要求。大量研究表明，改革有助于降低企业制度性交易成本、缓解企业融资约束以及优化企业家行为。具体而言，在微观层面上提高企业创新质量(唐飞鹏和霍文希，2022)[7]，改善企业纳税遵从(范源源和李建军，2023)[8]，在宏观层面上有助于稳定就业(薛钢和董睿，2023)[9]。因此，在数字经济背景下，有必要系统研究改革对企业数字化转型的影响效应及其机制。
本文边际贡献体现在：研究视角上，从营商软环境视角出发，分析改革对企业数字化转型的影响，将改革的研究向数字经济领域拓展；研究内容上，不仅分析改革对企业数字化转型的影响，还从企业、行业以及地区三个层面进行异质性分析，以提高研究结果的精准性，为后续推进与优化改革提供经验证据；机制研究上，从理论和实证两个方面，分析了制度与人才软环境在改革过程中，对企业数字化转型影响的机制作用，丰富了相关研究。
二、 文献综述与研究假说
（一） 文献综述
一方面，随着改革的不断推进，相关研究逐渐丰富，主要集中于分析并验证改革在赋能企业发展与强化企业社会责任两方面产生的影响。具体而言，在赋能企业发展方面，改革能够显著提高企业创新质量[7]以及企业全要素生产率，扩张企业生产规模(储德银和程扬帆，2024)[10]；在强化企业社会责任方面，改革可以改善企业纳税遵从[8]，提高就业数量和质量，发挥稳就业效应[9]。关于改革影响企业的机制主要分为“放”与“管”两方面。从“放”的角度来看，改革通过精简规范企业办税流程与事项、优化企业涉税服务以及减少企业涉税的制度性交易成本(梁平汉等，2020)[11]，使市场在资源配置中的决定性作用得以更好发挥，以提升企业资源配置效率[9]；从“管”的角度来看，改革借助对税收征管信息化的强化，增强税收征管的外部治理效应，规范企业管理层的行为[7]，有助于养成良好的企业家精神[9]。
另一方面，企业数字化转型趋势下，围绕企业数字化转型的研究受到重视。与本文相关的研究主要集中于影响企业数字化转型的因素以及企业数字化转型的经济后果两方面。首先，影响企业数字化转型的因素主要包括企业内部和企业外部两个方面：企业内部因素有高管研发背景(Yan等，2023)[12]、企业金融化(黄大禹等，2022)[13]等；企业外部因素则分为硬环境和软环境两种，硬环境因素有交通基础设施建设(毛宁等，2022)[14]、数字基础设施建设(王海等，2023)[15]等，软环境因素有税收优惠政策[3]、知识产权保护(周洲和吴馨童，2022)[16]、营商环境(史宇鹏和王阳，2022)[17]等。其次，对企业数字化转型经济后果的研究可以分为微观和宏观两个方向。在微观上，企业数字化转型能够提高企业全要素生产率(周冬华和万贻健，2023)[18]，提升企业绩效(Peng和Tao，2022)[19]与创新效率(贺正楚等，2023)[20]；在宏观上，企业数字化转型可以降低碳排放(Huang等，2023)[21]，提高劳动收入份额(赵春明等，2023)[22]，促进制造业服务化(王锋波等，2023)[23]。
通过对国内外研究现状的梳理可以发现，较少研究涉及到改革对企业数字化转型的影响，并且也鲜有关注到改革带来的营商软环境的改善。本文基于营商软环境视角，利用A股上市公司数据，运用多时点双重差分法，系统研究改革对企业数字化转型的影响效应及其机制。
（二） 研究假说
2017年，国家税务总局发布《关于进一步深化税务系统“放管服”改革优化税收环境的若干意见》，明确优化营商环境与推进“放管服”改革系列部署，并安排北京、上海等5个省市作为试点先走一步。次年8月，国家税务总局发布《关于贯彻落实全国深化“放管服”改革转变政府职能电视电话会议精神优化税收营商环境有关事项的通知》，扩大改革试点范围，新增浙江、江西等12个省，进一步深化改革。从理论层面分析，这一改革对企业数字化转型的影响与路径如下：
1. 税务系统“放管服”改革与企业数字化转型
随着基础设施等硬环境的不断完善，软环境成为优化营商环境着重解决的问题①。改革通过简政放权、放管结合、优化服务，能够改善企业在纳税、办税过程中遇到的程序、服务等软环境问题，从而优化营商软环境(李文钊等，2023)[24]。营商软环境的改善能够促进企业创新、降低生产成本、提高企业信心，进而加速数字化转型[17]。因此，从营商软环境视角来看，改革存在促进企业数字化转型的潜在影响。基于以上分析，提出研究假说：
① 参见《优化营商环境着重要解决的是体制机制等方面的“软环境”》, http://www.gov.cn/xinwen/2019-10/23/content_5444084.htm。
H1：税务系统“放管服”改革促进了企业数字化转型。
2. 制度软环境
改革能够通过降低制度性交易成本改善企业制度软环境。制度性交易成本是企业因遵守制度规定而产生的非生产性成本，可以通过制度改革加以削减(张峰等，2021)[25]。研究显示，制度性交易成本会扭曲企业创新资源配置(王永进和冯笑，2018)[26]，挤占数字化转型的投入，是阻碍企业数字化转型的关键因素(王国松等，2023)[27]。改革通过减少和优化税务行政审批、简化纳税人办税手续等举措，能够有效降低企业制度性交易成本[7]，减少制度性交易成本对企业数字化转型的消极影响，进而促进企业数字化转型。
改革对制度软环境的优化还可以体现为企业现金流的释放，进而能够扩大企业数字化转型空间。已有研究显示，充盈健康的现金流是企业进行数字化转型的基本保障(蔡宏波等，2023)[28]。改革通过减轻纳税人优惠备案负担，推行网上办税、就近办税等措施，强化企业对税收优惠政策应享尽享，加快企业享受税收优惠的速度，对税收优惠政策的现金流释放效应起到放大作用[7]，进而可以缓解现金流对企业数字化转型的限制，促进企业数字化转型的进程。基于以上分析，提出研究假说：
H2：税务系统“放管服”改革通过改善制度软环境促进企业数字化转型。
3. 人才软环境
改革通过提高企业员工素质优化人才软环境。具备数字素养的人才是企业数字化转型的基础，重要程度甚至超过技术性要素(Kane，2019)[29]，也是影响企业数字化转型的重要机制因素(孙伟增等，2023)[30]。相关研究显示，环境不确定性以及代理问题是影响企业劳动投资的重要因素(卜君和孙光国，2020)[31]。而改革通过提高政策透明度、规范税收执法、优化税收征管等途径，能够有效降低环境不确定性，强化外部治理效应，降低代理成本，进而优化企业劳动力投资效率(李小荣等，2021)[32]。所以，改革通过优化人才软环境提高企业劳动力的数量与质量[9]，改善员工的数字素养，促进数字化转型[16]。另一方面，改革通过规范管理者行为优化人才软环境。现代企业制度中，管理者行为对企业发展起着重要作用，管理者的短视行为会阻碍企业数字化转型(Matt等，2015；王新光，2022)[33-34]。研究发现，税收征管凭借政府独有的稽查能力和权力，成为约束企业管理层短视行为的外部治理方式(Dyck和Zingales，2004)[35]。所以，改革通过改进税务执法和升级信息系统，提升税收征管的外部治理能力，可以减少管理者的短视行为进而促进企业数字化转型。基于以上分析，提出研究假说：
H3：税务系统“放管服”改革通过优化人才软环境促进企业数字化转型。
三、 研究设计
（一） 样本选取与数据来源
选取2010—2022年中国A股上市公司的数据为研究样本。改革试点信息来自国家税务总局官网，企业数据来源于国泰安(CSMAR)数据库。为提高数据有效性，参考唐飞鹏和霍文希(2022)[7]以及薛钢和董睿(2023)[9]的做法，剔除金融类上市公司、当年被归为ST或*ST类别的上市公司以及关键变量缺失的上市公司，最终获得37 811个观测值。为了避免极端值的影响，对所有连续变量进行1%和99%分位的缩尾处理。
（二） 变量设定
1. 被解释变量：企业数字化转型(DIG)
对于企业数字化转型的度量，学界主要采用文本分析法。参考吴非等(2021)[36]的方法，基于企业数字化转型的底层技术运用和技术实践应用两个层面，整理出人工智能、云计算、区块链、大数据以及数字技术运用五组关键词，并对上市公司企业年报进行文本提取、搜索、匹配、计算词频，最终利用总词频加1取自然对数衡量企业数字化转型。
2. 核心解释变量：税务系统“放管服”改革(Reform)
根据国家税务总局的相关政策文件，税务系统“放管服”改革试点城市及省份分别是：2017年的北京、上海、广州、深圳、江苏；2018年的浙江、江西、湖北、广西、海南、重庆、陕西、新疆、大连、宁波、厦门、青岛。若企业所在地区在当年开始实施改革，Reform取值为1，反之取值为0。
3. 控制变量
参考曹直和吴非(2023)[3]的研究，还控制了可能影响企业数字化转型的其他变量。具体包括：托宾Q值(Tobinq)、净资产收益率(Roe)、资产负债率(Lev)、股权集中度(LHR)、营业收入增长率(Growth)、独立董事比例(IDN)、产权性质(SOE)、董事会规模(Board)、四大事务所(Big4)、企业规模(Size)、营业收入(Income)、企业年龄(Age)、两职合一(Dual)。主要变量的定义和度量方法如表 1所示。由表 2主要变量的描述性统计可知，企业数字化转型的最小值为0，最大值为6.301，表明上市公司在数字化转型程度方面存在较大差距。与吴非等(2021)[36]的数据相比，均值提高0.219，最大值提高1.352，说明近年来我国企业数字化转型水平有明显提升，但企业间的差距也在扩大。
表 1 主要变量定义变量类型 变量名称 变量符号 变量说明 被解释变量 企业数字化转型 DIG 通过文本分析法得到 解释变量 税务系统“放管服”改革 Reform 开始试点或者已经推广了税务系统“放管服”改革取值为1，反之为0 控制变量 托宾Q值 Tobinq 企业市值与账面价值之比 净资产收益率 Roe 企业净利润/净资产 资产负债率 Lev 企业总负债/总资产 股权集中度 LHR 企业第一大股东持股比例 营业收入增长率 Growth 本年营业收入/上一年营业收入-1 独立董事比例 IDN 独立董事人数/董事人数 产权性质 SOE 国有控股企业取值为1，其他为0 董事会规模 Board 董事会人数 四大事务所 Big4 由四大会计事务所进行年报审计取1，否则取0 企业规模 Size 总资产的自然对数 营业收入 Income 营业收入的自然对数 企业年龄 Age 当年年份－企业成立年份 两职合一 Dual 董事长与总经理是同一个人为1，否则为0 表 2 主要变量的描述性统计变量 样本量 均值 中位数 标准差 最小值 最大值 DIG 37 811 1.367 1.099 1.401 0.000 6.301 Reform 37 811 0.365 0.000 0.481 0.000 1.000 Tobinq 37 811 2.032 1.604 1.315 0.846 8.732 Roe 37 811 0.056 0.070 0.140 -0.766 0.436 Lev 37 811 0.413 0.403 0.207 0.053 0.914 LHR 37 811 34.250 32.060 14.858 8.560 75.000 Growth 37 811 0.172 0.112 0.389 -0.552 2.343 IDN 37 811 3.145 3.000 0.548 2.000 5.000 SOE 37 811 0.332 0.000 0.471 0.000 1.000 Board 37 811 8.509 9.000 1.675 5.000 15.000 Big4 37 811 0.059 0.000 0.236 0.000 1.000 Size 37 811 22.142 21.952 1.302 19.115 26.248 Income 37 811 21.440 21.292 1.459 18.115 25.618 Age 37 811 18.017 18.000 6.109 0.000 63.000 Dual 37 811 0.299 0.000 0.458 0.000 1.000 （三） 模型设定
参考唐飞鹏和霍文希(2022)[7]的研究，借助改革这一准自然实验，采用多时点双重差分法，研究改革对企业数字化转型的影响，基准回归模型如下：
$$ D I G_{i t}=\alpha_0+\alpha_1 { Reform }_{i t}+\alpha_2 \sum {Con}_{i t}+\beta_i+\gamma_t+\delta_{i t} $$ (1) 其中，下标i表示企业，t表示年份，DIGit表示企业i在第t年的数字化转型水平，Reformit表示改革试点政策，∑Conit表示一系列控制变量，βi为企业固定效应，γt为年份固定效应，δit为随机扰动项。
四、 实证分析
（一） 税务系统“放管服”改革对企业数字化转型的影响
表 3报告了基准回归模型的估计结果，其中，列(1)为单变量回归结果，未引入控制变量；列(2)加入一系列控制变量，但未控制企业和年份固定效应，列(3)进一步控制企业和年份固定效应。结果显示，核心解释变量Reform的系数估计值为正，且均在1%的统计水平上显著，表明改革实施后，该地区的营商环境得到改善，从而促使企业数字化转型水平得以提升。这一结论与假说H1一致。
表 3 税务系统“放管服”改革对企业数字化转型的影响变量 (1) (2) (3) Reform 0.814***(0.018) 0.240***(0.020) 0.086***(0.026) Tobinq 0.053***(0.006) 0.028***(0.007) Roe -0.231***(0.042) -0.126***(0.042) Lev -0.345***(0.066) -0.091(0.072) LHR -0.009***(0.001) -0.005***(0.001) Growth -0.006(0.012) -0.008(0.013) IDN -0.048**(0.023) -0.022(0.024) SOE -0.319***(0.038) -0.069(0.048) Board 0.016**(0.008) 0.038***(0.008) Big4 -0.038(0.051) 0.002(0.058) Size 0.261***(0.022) 0.194***(0.026) Income 0.068***(0.019) 0.101***(0.021) Age 0.064***(0.002) 0.087***(0.003) Dual 0.029(0.019) -0.010(0.020) 常数项 1.101***(0.017) -6.492***(0.341) -6.848***(0.442) 企业固定效应 否 否 是 年份固定效应 否 否 是 N 37 811 37 811 37 811 R2 0.145 0.320 0.340 注：括号内数值为稳健标准误；*、**、***分别表示在10%、5%、1%水平下统计显著。下表同。 （二） 平行趋势检验
平行趋势假说是多时点双重差分模型的关键假设。即在改革实施前，处理组和控制组的企业数字化转型趋势一致；改革实施后，试点地区与非试点地区企业数字化转型表现出明显差异。所以，利用事件研究法进行平行趋势检验，结果见图 1。由平行趋势检验结果可知，改革实施之前，各时期系数均不显著异于零，表明处理组和控制组的企业数字化转型没有明显差异；在改革实施当期和滞后两期，系数均显著大于零，且逐年增加，说明相较于非试点地区企业，试点地区企业数字化转型在改革实施后显著增加且持续三年。改革实施第四年，试点地区和非试点地区企业数字化转型的差异明显变小。原因可能是在试点地区的经验推广下，非试点地区也积极响应号召，自发开展改革，从而缩小了二者间差异，如吉林省①、湖南省②等地区并未纳入试点范围，但也在推进相关改革；另一方面，国家税务总局于2021年出台《国家税务总局关于进一步深化税务领域“放管服”改革培育和激发市场主体活力若干措施的通知》，对全体税务机关提出深化改革的新举措，也可能缩小试点地区和非试点地区的差异。
① 参见: 《税务部门多措并举深化“放管服”改革降本减负激发企业新动能》，https://www.chinatax.gov.cn/chinatax/n810219/n810744/c101763/c101789/c5165135/content.html。
② 参见: 《湖南税务部门推出深化“放管服”改革十项措施》，http://www.gov.cn/xinwen/2021-02/23/content_5588401.htm。
（三） 稳健性检验
1. 安慰剂检验
由于存在不可观测因素对企业数字化转型的影响，使得研究结果可能存在偏差。故随机生成伪政策虚拟变量，经过1000次随机抽样，系数估计值及P值如图 2所示。系数估计值的均值接近于0，且远小于基准回归系数，分布接近正态分布，绝大多数P值大于10%，说明改革对企业数字化转型的影响并非由其他不可观测因素导致，基准回归结果具有较好的稳健性。
2. PSM-DID法
考虑到改革试点地区的选择并非完全随机，有些试点地区可能本身营商环境较好，在该地区的企业往往创新意识较强、数字化转型意识也较强。为排除样本自选择问题，进一步利用倾向得分匹配法(PSM)为改革试点地区企业重新匹配控制组，以减轻样本选择偏误；并采用1∶1近邻匹配方法，将基准回归模型中的控制变量作为协变量进行匹配，使得处理组与控制组不存在系统性差异；最终利用匹配成功的样本，重新估计模型。表 4汇报了倾向得分匹配平衡性检验的结果。可看出匹配后处理组与控制组之间协变量差异显著降低，下降比率基本在62.2%到99.2%之间；匹配后偏差率绝对值控制在0.2%到3.2%之间，小于10%，表明经过倾向得分匹配后，两组样本的变量特征比较接近，通过平衡性检验。PSM-DID法的回归结果见表 5列(1)，Reform的系数在5%水平上显著为正，表明改革促进了企业数字化转型，回归结果是稳健的。
表 4 倾向得分匹配平衡性检验变量 样本 平均值 偏差率(%) 偏差降低比率(%) t值 处理组 控制组 Tobinq 匹配前 1.930 2.090 -12.3 91 -11.42 匹配后 1.930 1.944 -1.1 -0.99 Roe 匹配前 0.047 0.060 -8.4 62.2 -8.08 匹配后 0.047 0.052 -3.2 -2.56 Lev 匹配前 0.404 0.417 -6 68 -5.61 匹配后 0.405 0.401 1.9 1.62 LHR 匹配前 33.203 34.851 -11.1 87.6 -10.40 匹配后 33.205 33.001 1.4 1.16 Growth 匹配前 0.154 0.182 -7.2 91.1 -6.72 匹配后 0.154 0.157 -0.6 -0.54 IDN 匹配前 3.081 3.181 -18.5 97.5 -17.04 匹配后 3.081 3.079 0.5 0.41 SOE 匹配前 0.253 0.376 -26.8 95.5 -24.78 匹配后 0.253 0.247 1.2 1.06 Board 匹配前 8.253 8.655 -24.4 98.4 -22.64 匹配后 8.253 8.259 -0.4 -0.35 Big4 匹配前 0.075 0.049 10.4 73 10.02 匹配后 0.074 0.068 2.8 2.19 Size 匹配前 22.257 22.076 13.8 92.6 13.01 匹配后 22.257 22.270 -1 -0.83 Income 匹配前 21.537 21.384 10.5 93.1 9.84 匹配后 21.537 21.548 -0.7 -0.60 Age 匹配前 19.798 16.993 47.1 99.2 44.09 匹配后 19.785 19.764 0.4 0.30 Dual 匹配前 0.357 0.266 19.9 99.1 18.80 匹配后 0.357 0.356 0.2 0.15 表 5 稳健性检验变量 (1) (2) (3) (4) (5) Reform 0.088** 0.084*** 0.074*** 0.088*** 0.089*** (0.038) (0.026) (0.026) (0.026) (0.026) 常数项 -6.112*** -6.876*** -6.835*** -6.791*** -6.792*** (0.597) (0.442) (0.443) (0.444) (0.445) 控制变量 是 是 是 是 是 企业固定效应 是 是 是 是 是 年份固定效应 是 是 是 是 是 N 19 033 34 359 37 811 37 811 37 811 R2 0.253 0.345 0.340 0.342 0.340 3. 改变样本区间
为避免新冠肺炎疫情冲击对企业数字化转型的干扰，本文剔除2020年的样本，重新估计改革对企业数字化转型的影响，结果见表 5列(2)。可知Reform的系数在1%水平上显著为正，表明剔除疫情冲击的影响后改革对企业数字化转型的影响仍显著为正，回归结果仍然稳健。
4. 排除其他财税政策的干扰
考虑到改革试点前后还推出了一些可能影响企业数字化转型的财税政策，如金税三期工程、固定资产加速折旧以及增值税留抵退税政策等，这些政策均有可能对研究结果产生干扰，故将这些政策的虚拟变量引入基准回归重新进行估计，估计结果见表 5列(3)至(5)。在分别控制金税三期工程、固定资产加速折旧以及增值税留抵退税政策的情况下，Reform的系数仍然均在1%的水平上显著为正，表明改革有助于企业数字化转型，这一估计结果并未受到同期其他政策的影响。
五、 机制检验与异质性分析
（一） 机制检验
上述分析表明，改革能够促进企业数字化转型，本部分从制度软环境与人才软环境两个角度探讨其影响机制。机制模型设定如下：
$$ M_{i t}=\varepsilon_0+\varepsilon_1 { Reform }+\varepsilon_2 \sum {Con}_{i t}+\beta_i+\gamma_t+\delta_{i t} $$ (3) $$ D I G_{i t}=\mu_0+\mu_1 { Reform }+\mu_2 M_{i t}+\mu_3 \sum {Con}_{i t}+\beta_i+\gamma_t+\delta_{i t} $$ (4) 其中，Mit为机制变量，主要是制度软环境机制与人才软环境机制，其他变量与基准回归模型的设定相同。
1. 制度软环境机制
理论分析可知，经过简政放权、放管结合、优化服务等一系列措施，改革试点地区企业所处的制度软环境得以改善，企业的制度性交易成本降低，现金流压力有所缓解，进而促进企业数字化转型。所以，本文以管理费用与营业收入之比衡量制度性交易成本(Cost)，同时参考唐飞鹏和霍文希(2022)[7]的做法，以企业经营活动现金流入总和的自然对数作为企业现金流的代理变量(Cash)，并将这两个变量分别引入机制模型进行估计，结果见表 6列(1)至(4)。
表 6 机制检验结果变量 (1) (2) (3) (4) (5) (6) (7) (8) Cost DIG Cash DIG Human DIG Short DIG Reform -0.003* 0.110*** 0.014** 0.086*** 0.602** 0.065** -0.044** 0.111*** (0.001) (0.026) (0.006) (0.026) (0.306) (0.026) (0.018) (0.026) Cost -0.594*** (0.158) Cash 0.101*** (0.028) Human 0.007*** (0.001) Short -0.026*** (0.008) 常数项 0.550*** 0.174 1.502*** -6.87*** -2.953 -8.081*** 7.418*** -0.984*** (0.026) (0.106) (0.128) (0.443) (16.19) (0.821) (0.076) (0.133) 控制变量 是 是 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 N 37 810 37 810 37 811 37 811 32 694 32 694 37 810 37 810 R2 0.436 0.324 0.906 0.341 0.166 0.308 0.256 0.323 列(1)(2)显示，改革对企业制度性交易成本的回归系数为-0.003，且在10%的水平上显著；制度性交易成本对企业数字化转型的回归系数为-0.594，且在1%的水平上显著；在控制制度性交易成本后，改革对企业数字化转型的影响仍显著为正。这说明改革能够通过降低企业制度性交易成本进而推动数字化转型。列(3)(4)显示，改革对企业现金流的回归系数为0.014，且在5%的水平上显著；企业现金流对数字化转型的回归系数为0.101，且在1%的水平上显著；在控制企业现金流后，改革对企业数字化转型的影响仍显著为正，说明改革释放了企业现金流，进而促进了企业数字化转型。综上，改革使得制度软环境得以改善进而推动企业数字化转型，即制度软环境是改革促进企业数字化转型的影响机制之一，验证了假说H2。
2. 人才软环境机制
理论分析可知，改革通过优化企业人才软环境提高企业员工素质，抑制管理层的短视行为，从而有利于企业数字化转型。因此，以本科及以上学历就业人员数量占比构建企业员工素质变量(Human)；同时，以企业当年股票换手率取自然对数衡量管理者短视变量(Short)，并分别代入机制模型进行回归，结果见表 6列(5)至(8)。
列(5)(6)显示，改革对企业员工素质的回归系数为0.602，且在5%的水平上显著；企业员工素质对数字化转型的回归系数为0.007，且在1%的水平上显著；在控制企业员工素质后，改革对企业数字化转型的影响仍显著为正。这表明改革能够显著改善企业人力资本质量，进而促进企业数字化转型。列(7)(8)显示，改革对管理者短视的回归系数为-0.044，且在5%的水平上显著，管理者短视对企业数字化转型的回归系数为-0.026，且在1%的水平上显著；在控制管理者短视后，改革对企业数字化转型的影响仍显著为正。这表明改革能够显著抑制管理者短视，从而促进企业数字化转型。综上，假说H3成立。
（二） 异质性分析
由于企业、行业以及地区特征等因素，使改革对企业数字化转型的影响可能表现出异质性。因此通过引入企业特征与改革的交互项，系统分析改革对企业数字化转型的异质性影响，模型设定如下：
$$ { DIG }_{i t}=\rho_0+\rho_1 { Reform }_{i t}+\rho_2 { Reform }_{i t} \times { diff }_{i t}+\rho_3 { diff }_{i t}+\rho_4 \sum {Con}_{i t}+\beta_i+\gamma_t+\delta_{i t} $$ (5) 其中，diffit为企业、行业以及地区特征因素，其他变量定义与基准模型相同。
1. 企业产权异质性
考虑到国有企业与非国有企业之间的差异，从企业产权性质层面进行异质性分析。若样本企业为国有企业，diffit赋值为1，否则为0，回归结果见表 7列(1)。结果显示，改革回归系数为0.133，且在1%水平上显著；企业产权性质与改革交乘项的回归系数为-0.133且在1%水平上显著，表明改革对非国有企业的作用更加突出。可能的原因是国有企业产权性质特殊，面临的税收征管压力和市场竞争压力较小，从而使其数字化转型的动力以及受税收征管的影响都小于非国有企业。因此，相对于国有企业，改革对非国有企业数字化转型的影响更明显。
2. 企业规模异质性
考虑到不同规模企业之间的差异，从企业规模大小层面进行异质性分析。若企业规模大于当年全体样本中位数，diffit赋值为1，否则为0，回归结果见表 7列(2)。结果显示，改革的回归系数为0.179，且在1%水平上显著；企业规模与改革交乘项的回归系数为-0.143，且在1%水平上显著，表明改革对小规模企业的作用更加突出。可能因为大规模企业抗风险能力较强，受经济发展等外部环境的影响更大，其本身能够从数字化转型中获得更多收益，从而更加主动进行数字化转型；而改革使小规模企业的制度软环境和人才软环境得以优化，更有助于其进行数字化转型。
3. 服务业异质性
考虑到服务业与其他行业在数字化转型方面存在差异(李雯轩和李晓华，2022)[37]，从企业所处行业属性层面进行异质性分析。若企业属于服务业，diffit取值为1，否则为0，回归结果见表 7列(3)。结果显示，改革的回归系数为0.064，且在5%水平上显著；企业所处行业为服务业与改革交乘项的回归系数为0.198，且在1%水平上显著，表明改革对服务业企业的数字化转型作用更加突出。可能因为相较于其他行业企业，服务业企业更加需要迎合技术社会发展，数字化转型的条件也更加便利，是现阶段企业数字化转型的主导力量[37]。因此，改革改善营商软环境更有助于服务业企业数字化转型。
4. 地区经济发展异质性
考虑到因企业所处地区的经济发展水平不同对企业数字化转型产生差异影响，从企业所处地区的经济发展水平层面进行异质性分析。若企业所在地区当年地区生产总值超过中位数，diffit赋值为1，否则为0，回归结果见表 7列(4)。结果显示，改革的回归系数为0.036；经济发展水平与改革交乘项的回归系数为0.096，且在1%水平上显著，说明改革对经济发达地区企业数字化转型的作用更加突出。这可能是因为企业数字化转型受企业所在地区因素的影响很大，经济发展水平较高的发达地区往往基础设施建设较完善，创新环境、营商软环境较好，从而更有助于促进这些地区的企业数字化转型。
表 7 异质性检验结果变量 (1) (2) (3) (4) Reform 0.133*** 0.179*** 0.064** 0.036 (0.029) (0.032) (0.026) (0.032) diff -0.020 0.065** 0.566*** 0.007 (0.050) (0.026) (0.115) (0.041) Reform×diff -0.133*** -0.143*** 0.198*** 0.096*** (0.037) (0.032) (0.068) (0.037) 常数项 -6.788*** -6.831*** -6.830*** -6.861*** (0.441) (0.471) (0.440) (0.439) 控制变量 是 是 是 是 企业固定效应 是 是 是 是 年份固定效应 是 是 是 是 N 37 811 37 811 37 811 37 811 R2 0.341 0.341 0.345 0.340 六、 结论与建议
数字经济背景下企业数字化转型成为必然趋势。税务系统“放管服”改革能够优化企业营商软环境，进而对企业数字化转型产生深远影响。基于此，本文从营商软环境视角出发，借助2017、2018年改革这一准自然实验，分析其对企业数字化转型的影响及其机制。研究结论包括：第一，改革能够促进企业数字化转型，且经过一系列稳健性检验后结论依然成立；第二，机制检验表明，改革通过降低企业制度性交易成本和释放现金流改善制度软环境，通过提升人力资本和抑制管理层短视行为优化人才软环境，进而促进企业数字化转型，即营商软环境优化是改革提升企业数字化转型的影响机制；第三，异质性分析表明，改革对企业数字化转型的影响在非国有企业、小规模企业、服务业企业以及经济发达地区企业中更为明显。
本文为税务系统“放管服”改革的积极影响以及后续改进提供理论与经验补充，也为企业数字化转型研究提供新思路与新证据。基于研究结论提出以下政策建议：一方面，持续推进改革以改善营商软环境。研究显示，改革对企业的制度软环境与人才软环境起到优化作用，促进企业数字化转型。未来应持续推进改革，在充分发挥市场在资源配置中决定性作用的同时更好地发挥政府的作用，降低负外部冲击对企业的干扰。另一方面，重视中小民营企业的数字化转型，培育经济发展新动能。异质性分析表明，改革对非国有企业和小规模企业的数字化转型作用更为明显。当前，中小民营企业不仅技术创新活力强，还能为社会提供就业岗位。应在政策方面给予一定的倾斜，尽量减少其税务成本，确保税收优惠政策应享尽享，提升其抗风险能力，从而加快相关企业的数字化转型。
-
表 1 主要变量定义
变量类型 变量名称 变量符号 变量说明 被解释变量 企业数字化转型 DIG 通过文本分析法得到 解释变量 税务系统“放管服”改革 Reform 开始试点或者已经推广了税务系统“放管服”改革取值为1，反之为0 控制变量 托宾Q值 Tobinq 企业市值与账面价值之比 净资产收益率 Roe 企业净利润/净资产 资产负债率 Lev 企业总负债/总资产 股权集中度 LHR 企业第一大股东持股比例 营业收入增长率 Growth 本年营业收入/上一年营业收入-1 独立董事比例 IDN 独立董事人数/董事人数 产权性质 SOE 国有控股企业取值为1，其他为0 董事会规模 Board 董事会人数 四大事务所 Big4 由四大会计事务所进行年报审计取1，否则取0 企业规模 Size 总资产的自然对数 营业收入 Income 营业收入的自然对数 企业年龄 Age 当年年份－企业成立年份 两职合一 Dual 董事长与总经理是同一个人为1，否则为0 
下载: 导出CSV
表 2 主要变量的描述性统计
变量 样本量 均值 中位数 标准差 最小值 最大值 DIG 37 811 1.367 1.099 1.401 0.000 6.301 Reform 37 811 0.365 0.000 0.481 0.000 1.000 Tobinq 37 811 2.032 1.604 1.315 0.846 8.732 Roe 37 811 0.056 0.070 0.140 -0.766 0.436 Lev 37 811 0.413 0.403 0.207 0.053 0.914 LHR 37 811 34.250 32.060 14.858 8.560 75.000 Growth 37 811 0.172 0.112 0.389 -0.552 2.343 IDN 37 811 3.145 3.000 0.548 2.000 5.000 SOE 37 811 0.332 0.000 0.471 0.000 1.000 Board 37 811 8.509 9.000 1.675 5.000 15.000 Big4 37 811 0.059 0.000 0.236 0.000 1.000 Size 37 811 22.142 21.952 1.302 19.115 26.248 Income 37 811 21.440 21.292 1.459 18.115 25.618 Age 37 811 18.017 18.000 6.109 0.000 63.000 Dual 37 811 0.299 0.000 0.458 0.000 1.000
下载: 导出CSV
表 3 税务系统“放管服”改革对企业数字化转型的影响
变量 (1) (2) (3) Reform 0.814***(0.018) 0.240***(0.020) 0.086***(0.026) Tobinq 0.053***(0.006) 0.028***(0.007) Roe -0.231***(0.042) -0.126***(0.042) Lev -0.345***(0.066) -0.091(0.072) LHR -0.009***(0.001) -0.005***(0.001) Growth -0.006(0.012) -0.008(0.013) IDN -0.048**(0.023) -0.022(0.024) SOE -0.319***(0.038) -0.069(0.048) Board 0.016**(0.008) 0.038***(0.008) Big4 -0.038(0.051) 0.002(0.058) Size 0.261***(0.022) 0.194***(0.026) Income 0.068***(0.019) 0.101***(0.021) Age 0.064***(0.002) 0.087***(0.003) Dual 0.029(0.019) -0.010(0.020) 常数项 1.101***(0.017) -6.492***(0.341) -6.848***(0.442) 企业固定效应 否 否 是 年份固定效应 否 否 是 N 37 811 37 811 37 811 R2 0.145 0.320 0.340 注：括号内数值为稳健标准误；*、**、***分别表示在10%、5%、1%水平下统计显著。下表同。
下载: 导出CSV
表 4 倾向得分匹配平衡性检验
变量 样本 平均值 偏差率(%) 偏差降低比率(%) t值 处理组 控制组 Tobinq 匹配前 1.930 2.090 -12.3 91 -11.42 匹配后 1.930 1.944 -1.1 -0.99 Roe 匹配前 0.047 0.060 -8.4 62.2 -8.08 匹配后 0.047 0.052 -3.2 -2.56 Lev 匹配前 0.404 0.417 -6 68 -5.61 匹配后 0.405 0.401 1.9 1.62 LHR 匹配前 33.203 34.851 -11.1 87.6 -10.40 匹配后 33.205 33.001 1.4 1.16 Growth 匹配前 0.154 0.182 -7.2 91.1 -6.72 匹配后 0.154 0.157 -0.6 -0.54 IDN 匹配前 3.081 3.181 -18.5 97.5 -17.04 匹配后 3.081 3.079 0.5 0.41 SOE 匹配前 0.253 0.376 -26.8 95.5 -24.78 匹配后 0.253 0.247 1.2 1.06 Board 匹配前 8.253 8.655 -24.4 98.4 -22.64 匹配后 8.253 8.259 -0.4 -0.35 Big4 匹配前 0.075 0.049 10.4 73 10.02 匹配后 0.074 0.068 2.8 2.19 Size 匹配前 22.257 22.076 13.8 92.6 13.01 匹配后 22.257 22.270 -1 -0.83 Income 匹配前 21.537 21.384 10.5 93.1 9.84 匹配后 21.537 21.548 -0.7 -0.60 Age 匹配前 19.798 16.993 47.1 99.2 44.09 匹配后 19.785 19.764 0.4 0.30 Dual 匹配前 0.357 0.266 19.9 99.1 18.80 匹配后 0.357 0.356 0.2 0.15
下载: 导出CSV
表 5 稳健性检验
变量 (1) (2) (3) (4) (5) Reform 0.088** 0.084*** 0.074*** 0.088*** 0.089*** (0.038) (0.026) (0.026) (0.026) (0.026) 常数项 -6.112*** -6.876*** -6.835*** -6.791*** -6.792*** (0.597) (0.442) (0.443) (0.444) (0.445) 控制变量 是 是 是 是 是 企业固定效应 是 是 是 是 是 年份固定效应 是 是 是 是 是 N 19 033 34 359 37 811 37 811 37 811 R2 0.253 0.345 0.340 0.342 0.340
下载: 导出CSV
表 6 机制检验结果
变量 (1) (2) (3) (4) (5) (6) (7) (8) Cost DIG Cash DIG Human DIG Short DIG Reform -0.003* 0.110*** 0.014** 0.086*** 0.602** 0.065** -0.044** 0.111*** (0.001) (0.026) (0.006) (0.026) (0.306) (0.026) (0.018) (0.026) Cost -0.594*** (0.158) Cash 0.101*** (0.028) Human 0.007*** (0.001) Short -0.026*** (0.008) 常数项 0.550*** 0.174 1.502*** -6.87*** -2.953 -8.081*** 7.418*** -0.984*** (0.026) (0.106) (0.128) (0.443) (16.19) (0.821) (0.076) (0.133) 控制变量 是 是 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 N 37 810 37 810 37 811 37 811 32 694 32 694 37 810 37 810 R2 0.436 0.324 0.906 0.341 0.166 0.308 0.256 0.323
下载: 导出CSV
表 7 异质性检验结果
变量 (1) (2) (3) (4) Reform 0.133*** 0.179*** 0.064** 0.036 (0.029) (0.032) (0.026) (0.032) diff -0.020 0.065** 0.566*** 0.007 (0.050) (0.026) (0.115) (0.041) Reform×diff -0.133*** -0.143*** 0.198*** 0.096*** (0.037) (0.032) (0.068) (0.037) 常数项 -6.788*** -6.831*** -6.830*** -6.861*** (0.441) (0.471) (0.440) (0.439) 控制变量 是 是 是 是 企业固定效应 是 是 是 是 年份固定效应 是 是 是 是 N 37 811 37 811 37 811 37 811 R2 0.341 0.341 0.345 0.340
下载: 导出CSV
-
[1] 赵宸宇, 王文春, 李雪松. 数字化转型如何影响企业全要素生产率[J]. 财贸经济, 2021(7): 114-129. doi: 10.3969/j.issn.1002-8102.2021.07.008 [2] 张夏恒. 中小企业数字化转型障碍、驱动因素及路径依赖——基于对377家第三产业中小企业的调查[J]. 中国流通经济, 2020(12): 72-82. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGLT202012009.htm [3] 曹直, 吴非. 税收激励与企业数字化转型——基于固定资产加速折旧政策的准自然实验[J]. 广东财经大学学报, 2023(2): 88-99. http://xb.gdufe.edu.cn/article/id/135fe08c-e879-400d-afcd-ebb7ccd8700f [4] 朱颖, 钱本宇, 方观富. 增值税留抵退税与企业数字化转型[J]. 财政研究, 2023(3): 114-128. https://www.cnki.com.cn/Article/CJFDTOTAL-CZYJ202303008.htm [5] 文茜, 李万利, 申志轩. 地方政府释放财政压力的微观传导机制: 企业盈余管理视角[J]. 世界经济, 2023(10): 91-114. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202310005.htm [6] 席卫群, 杨青瑜. 减税降费、经济增长与财政压力[J]. 财政科学, 2022(6): 24-38. https://www.cnki.com.cn/Article/CJFDTOTAL-CZKX202206003.htm [7] 唐飞鹏, 霍文希. 税收营商环境优化与企业创新质量——基于税务系统"放管服"改革的经验证据[J]. 财政研究, 2022(12): 91-106. https://www.cnki.com.cn/Article/CJFDTOTAL-CZYJ202212007.htm [8] 范源源, 李建军. 税收"放管服"改革能否提高企业税收遵从[J]. 财贸经济, 2023(1): 68-82. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202301004.htm [9] 薛钢, 董睿. 税收营商环境优化的稳就业效应——基于税收"放管服"改革的准自然实验[J]. 财政研究, 2023(6): 81-95. https://www.cnki.com.cn/Article/CJFDTOTAL-CZYJ202306006.htm [10] 储德银, 程扬帆. 税收营商环境优化与企业全要素生产率——来自税务系统"放管服"改革的经验证据[J]. 南开经济研究, 2024(4): 45-65. https://www.cnki.com.cn/Article/CJFDTOTAL-NKJJ202404003.htm [11] 梁平汉, 邹伟, 胡超. 时间就是金钱: 退税无纸化改革、行政负担与企业出口[J]. 世界经济, 2020(10): 52-73. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202010004.htm [12] YAN W, CAI Z, YANG A. Leading the charge: the impact of executives with R&D backgrounds on corporate digital transformation[J]. Finance Research Letters, 2023, 56: 104118. [13] 黄大禹, 谢获宝, 邹梦婷. 金融化抑制了企业数字化转型吗?——证据与机制解释[J]. 现代财经(天津财经大学学报), 2022(7): 57-73. https://www.cnki.com.cn/Article/CJFDTOTAL-XCXB202207004.htm [14] 毛宁, 孙伟增, 杨运杰, 等. 交通基础设施建设与企业数字化转型——以中国高速铁路为例的实证研究[J]. 数量经济技术经济研究, 2022(10): 47-67. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202210003.htm [15] 王海, 闫卓毓, 郭冠宇, 等. 数字基础设施政策与企业数字化转型: "赋能"还是"负能"?[J]. 数量经济技术经济研究, 2023(5): 5-23. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202305001.htm [16] 周洲, 吴馨童. 知识产权保护对企业数字化转型的影响——来自"三审合一"改革的经验证据[J]. 科学学与科学技术管理, 2022(6): 89-109. https://www.cnki.com.cn/Article/CJFDTOTAL-KXXG202206005.htm [17] 史宇鹏, 王阳. 营商环境与企业数字化转型: 影响表现与作用机制[J]. 北京交通大学学报(社会科学版), 2022(2): 14-28. https://www.cnki.com.cn/Article/CJFDTOTAL-BFJD202202001.htm [18] 周冬华, 万贻健. 企业数字化能提升企业全要素生产率吗?[J]. 统计研究, 2023(12): 106-118. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ202312009.htm [19] PENG Y, TAO C. Can digital transformation promote enterprise performance: from the perspective of public policy and innovation[J]. Journal of Innovation & Knowledge, 2022, 7(3): 100198. [20] 贺正楚, 潘为华, 潘红玉, 等. 制造企业数字化转型与创新效率: 制造过程与商业模式的异质性分析[J]. 中国软科学, 2023(3): 162-177. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRK202303014.htm [21] HUANG Y, HU M, XU J, et al. Digital transformation and carbon intensity reduction in transportation industry: empirical evidence from a global perspective[J]. Journal of Environmental Management, 2023, 344: 118541. [22] 赵春明, 班元浩, 李宏兵, 等. 企业数字化转型与劳动收入份额[J]. 财经研究, 2023(6): 49-63+93. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ202306004.htm [23] 王锋波, 钟坚, 刘胜. 数字化转型对制造业服务化的影响: 理论探索与经验辨识[J]. 经济问题探索, 2023(7): 121-141. https://www.cnki.com.cn/Article/CJFDTOTAL-JJWS202307008.htm [24] 李文钊, 翟文康, 刘文璋. "放管服"改革何以优化营商环境?——基于治理结构视角[J]. 管理世界, 2023(9): 104-124. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202309007.htm [25] 张峰, 殷西乐, 丁思琪. 市场化改革与企业创新——基于制度性交易成本的解释[J]. 山西财经大学学报, 2021(4): 32-46. https://www.cnki.com.cn/Article/CJFDTOTAL-SXCJ202104004.htm [26] 王永进, 冯笑. 行政审批制度改革与企业创新[J]. 中国工业经济, 2018(2): 24-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201802003.htm [27] 王国松, 李欣宇, 杨彤. 财政收支结构调整与企业数字化转型: "春风化雨"还是"适得其反"?[J]. 经济与管理研究, 2023(11): 3-24. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG202311001.htm [28] 蔡宏波, 汤城建, 韩金镕. 减税激励、供应链溢出与数字化转型[J]. 经济研究, 2023(7): 156-173. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202307008.htm [29] KANE G. The technology fallacy: people are the real key to digital transformation[J]. Research-Technology Management, 2019(6): 44-49. [30] 孙伟增, 毛宁, 兰峰, 等. 政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J]. 中国工业经济, 2023(9): 117-135. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202309007.htm [31] 卜君, 孙光国. 环境不确定性会影响企业劳动力投资效率吗?[J]. 经济管理, 2020(10): 23-38. [32] 李小荣, 韩琳, 马海涛. 内部控制与劳动力投资效率[J]. 财贸经济, 2021(1): 26-43. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202101004.htm [33] MATT C, HESS T, BENLIAN A. Digital transformation strategies[J]. Business & Information Systems Engineering, 2015, 57: 339-343. [34] 王新光. 管理者短视行为阻碍了企业数字化转型吗——基于文本分析和机器学习的经验证据[J]. 现代经济探讨, 2022(6): 103-113. https://www.cnki.com.cn/Article/CJFDTOTAL-JJTL202206010.htm [35] DYCK A, ZINGALES L. Private benefits of control: an international comparison[J]. Journal of Finance, 2004, 59(2): 537-600. [36] 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. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202107013.htm [37] 李雯轩, 李晓华. 全球数字化转型的历程、趋势及中国的推进路径[J]. 经济学家, 2022(5): 36-47. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ202205004.htm 期刊类型引用(1)
1. 付阳，李梓萌，何松杭. 地方政府债务对制造业企业数字化转型的驱动作用研究. 财政科学. 2024(09): 98-110 . 
百度学术其他类型引用(0)
-
下载:
点击查看大图
计量
- 文章访问数: 98
- HTML全文浏览量: 48
- PDF下载量: 10
- 被引次数: 1