数据资产对企业劳动收入份额的影响研究

苑泽明; 尹琪; 黄灿

数据资产对企业劳动收入份额的影响研究

天津财经大学会计学院，天津 300222

基金项目:

国家社会科学基金项目 23BGL109

详细信息

作者简介:
苑泽明(1964-)，女，天津人，天津财经大学会计学院教授，博士生导师

黄灿(1997-)，女，山东东营人，天津财经大学会计学院博士研究生

通讯作者:
尹琪(2000-)(通讯作者)，女，山西太原人，天津财经大学会计学院研究生

中图分类号: F49
计量
- 文章访问数: 24
- HTML全文浏览量: 13
- PDF下载量: 6
- 被引次数: 0
出版历程
- 收稿日期: 2024-01-27
- 网络出版日期: 2024-11-08
- 刊出日期: 2024-09-28

A Study on the Impact of Data Assets on the Enterprise Labor Income Share

School of Accounting, Tianjin University of Finance and Economics, Tianjin 300222, China

摘要

摘要: 数据资产作为新型生产要素，如何完善企业收入分配制度成为数智化转型背景下的核心议题。利用2007—2022年A股上市公司数据，分析数据资产对企业劳动收入份额的影响及作用机制。研究发现，数据资产能够提升企业劳动收入份额，且经过一系列稳健性检验后该结论依然成立。机制检验发现，数据资产通过抑制资本深化水平和提高员工工资水平双重路径促进劳动收入份额提升。拓展性分析表明：数据资产对企业营业总收入、资本收入和劳动收入均有显著促进作用，能助力企业做大做强；数据资产会挤出资本收入份额，令企业收入分配体现出劳动导向性特征；但数据资产并未显著影响企业劳动生产率；数据资产对企业劳动收入份额的影响具体表现为岗位创造、高薪引才及技能提升。异质性分析发现，在劳动密集型企业、高科技企业及非国有企业，数据资产对劳动收入份额的促进作用更为显著。研究为政府和企业完善收入分配制度，实现共同富裕目标提供了经验证据。
- 数据资产 /
- 劳动收入份额 /
- 劳动与资本
Abstract: Data assets, as new type of production factor, present a core issue for improving corporate income distribution systems in the context of digital transformation. This study utilizes data from A-share listed companies from 2007 to 2022 to analyze the impact and mechanisms of data assets on labor income share. The findings indicate that data assets enhance labor income share, which remains valid after a series of robustness tests. Mechanism tests reveal that data assets promote labor income share through dual pathways: suppressing capital deepening and increasing employee wage levels. Further analysis shows that data assets significantly boost total operating revenue, capital income, and labor income, helping companies grow stronger; data assets displace capital income share, reflecting a labor-oriented income distribution; data assets do not significantly affect labor productivity; the specific effects of data assets on labor income share include job creation, high-salary talent acquisition, and skill enhancement. Heterogeneity tests indicate that the promotion effect of data assets on labor income share is more pronounced in labor-intensive, high-tech, and non-state-owned enterprises. This research provides empirical evidence for governments and enterprises to improve income distribution systems and achieve the goal of common prosperity.
- data assets /
- labor income share /
- labor and capital

HTML全文

图 1 平行趋势检验

下载: 全尺寸图片幻灯片

图 2 安慰剂检验

下载: 全尺寸图片幻灯片

表 1 变量及其测度

变量类型	变量名称	变量符号	变量测度
被解释变量	劳动收入份额	LS	企业当期为职工支付的现金/营业总收入
核心解释变量	数据资产	DA	(年报中披露的正向与中立的关键词词频之和/年报总词频)×100
控制变量	公司规模	Size	总资产的自然对数
	资产收益率	ROA	净利润/平均资产总额
	现金流	Cashflow	经营活动产生的现金流量净额/营业收入
	资产负债率	Lev	期末总负债/期末总资产
	董事会规模	Board	ln(董事会人数)
	独董比例	Indep	独立董事人数/董事会人数
	两职合一	Dual	若企业总经理和董事长由一人担任，取值为1，否则为0
	第一大股东持股比例	Top1	年末第一大股东持股比例
	成长性	Growth	(本年营业收入/上一年营业收入)－1
	成立年限	FirmAge	ln(当年年份－公司成立年份+1)

下载: 导出CSV

表 2 主要变量的描述性统计

变量	N	Min	Max	Mean	P50	SD
DA	38 402	0	4.280	0.141	0.058	0.244
LS	38 402	0.001	0.996	0.135	0.111	0.101
Size	38 402	19.410	26.450	22.200	22.010	1.275
ROA	38 402	-0.382	0.255	0.040	0.038	0.066
Cashflow	38 402	-0.224	0.283	0.048	0.046	0.070
Lev	38 402	0.027	0.927	0.434	0.429	0.204
Board	38 402	1.609	2.708	2.131	2.197	0.200
Indep	38 402	0.250	0.600	0.375	0.357	0.054
Dual	38 402	0	1	0.271	0	0.445
Top1	38 402	0.081	0.758	0.342	0.321	0.148
Growth	38 402	-0.653	3.894	0.171	0.110	0.407
FirmAge	38 402	0.693	3.611	2.877	2.944	0.358

下载: 导出CSV

表 3 基准回归结果

变量	(1)	(2)	(3)	(4)
DA	0.108^***(12.033)	0.092^***(11.113)	0.020^***(3.963)	0.020^***(3.773)
Size		-0.011^***(-10.137)	-0.012^***(-7.442)	-0.016^***(-9.475)
ROA		-0.299^***(-17.689)	-0.237^***(-21.033)	-0.229^***(-20.617)
Cashflow		0.024^**(2.131)	-0.073^***(-10.088)	-0.072^***(-9.994)
Lev		-0.129^***(-17.815)	-0.038^***(-5.703)	-0.026^***(-3.834)
Board		0.028^***(3.959)	0.006(1.069)	0.008(1.571)
Indep		0.080^***(3.334)	-0.004(-0.267)	-0.006(-0.462)
Dual		0.007^***(3.050)	0.003^*(1.738)	0.002(1.272)
Top1		0.002(0.265)	0.002(0.214)	-0.004(-0.371)
Growth		-0.021^***(-14.734)	-0.023^***(-19.178)	-0.022^***(-18.790)
FirmAge		0.020^***(6.454)	0.062^***(16.040)	-0.011(-1.417)
常数项	0.119 8^***(74.091)	0.281^***(10.549)	0.244^***(7.770)	0.483^***(12.251)
企业固定效应	否	否	是	是
年份固定效应	否	否	否	是
N	38 402	38 402	38 402	38 402
调整R²	0.068	0.201	0.207	0.223
注：、、**分别表示10%、5%、1%的显著水平；括号内为t值。下表同。

下载: 导出CSV

表 4 匹配变量的平衡性检验

协变量	未匹配U/匹配M	处理组	控制组	%偏差	T值	P值
Size	U	22.172	22.220	-3.8	-3.75	0.000
	M	22.171	21.160	1.2	1.18	0.237
ROA	U	0.041	0.039	2.8	2.75	0.006
	M	0.041	0.041	-1.0	-0.97	0.334
Cashflow	U	0.046	0.050	-4.9	-4.83	0.000
	M	0.046	0.046	-0.8	-0.79	0.428
Lev	U	0.414	0.454	-19.7	-19.26	0.000
	M	0.414	0.411	1.3	1.30	0.193
Board	U	2.110	2.152	-21.0	-20.57	0.000
	M	2.110	2.109	0.6	0.62	0.538
Indep	U	0.378	0.372	11.6	11.37	0.000
	M	0.378	0.378	-0.5	-0.46	0.646
Dual	U	0.322	0.220	23.0	22.58	0.000
	M	0.322	0.321	0.2	0.16	0.870
Top1	U	0.328	0.357	-19.7	-19.34	0.000
	M	0.328	0.329	-0.8	-0.84	0.402
Growth	U	0.178	0.164	3.3	3.27	0.001
	M	0.178	0.174	0.9	0.85	0.394
FirmAge	U	2.892	2.862	8.3	8.13	0.000
	M	2.892	2.896	-1.1	-1.12	0.263

下载: 导出CSV

表 5 内生性检验：PSM-DID法和工具变量法

变量	PSM-DID法		工具变量法
	(1)	(2)	(3) 第一阶段	(4) 第二阶段	(5) 第一阶段	(6) 第二阶段
	LS	LS	DA	LS	DA	LS
Treat×After	0.005 9^**
	(2.047 1)
Treat×After×DA		0.025 5^***
		(2.671 6)
IV1			0.594 6^***
			(14.447 6)
IV2					0.0012^**
					(2.554 3)
DA				0.110 3^***		0.327 8^***
				(12.730 3)		(3.390 4)
K-P rk LM统计量			259.455^***		18.546^***
K-P Wald F统计量			391.172^***		151.212^***
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	19 142	19 142	38 392	38 392	10 328	10 328
调整R²	0.216 3	0.217 2	0.189 5	0.181 8	0.095 8	0.108 3

下载: 导出CSV

表 6 内生性检验：变更回归模型

变量	(1)	(2)	(3)	(4)
DA	0.023^***(4.447)	0.025^***(3.834)	0.030^***(4.947)	0.026^***(4.247)
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
省份固定效应	是	否	否	否
行业固定效应	是	否	否	否
省份-行业固定效应	否	否	是	是
年份-行业固定效应	否	是	否	是
年份-省份固定效应	否	是	是	否
N	37 190	37 180	37 169	37 159
调整R²	0.265	0.360	0.407	0.416

下载: 导出CSV

表 7 替换核心变量测度

变量	(1)	(2)	(3)	(4)	(5)
变量	LS	LS	LS1	LS2	LS3
DA1	0.025^***(4.218)
DA2		0.004^***(4.922)
DA			0.140^***(3.630)	0.019^***(3.503)	0.021^***(3.690)
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	38 402	8 244	38 402	38 402	38 402
调整R²	0.223	0.247	0.258	0.198	0.195

下载: 导出CSV

表 8 口径差异分析和滞后自变量

变量	(1)	(2)	(3)	(4)	(5)
DA3	0.031^***(3.186)
DA4		0.037^**(2.405)
DA5			0.021^***(2.754)
L1.DA				0.017^***(3.250)
L2.DA					0.013^***(2.801)
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	38 402	38 402	38 402	33 097	29 038
调整R²	0.223	0.221	0.222	0.170	0.130

下载: 导出CSV

表 9 子样本回归和信息披露偏误处理

变量	(1)	(2)	(3)	(4)	(5)
DA	0.023^***(3.615)	0.015^***(3.522)	0.017^***(3.007)	0.020^***(3.317)	0.014^**(2.383)
Similarity					-0.008(-1.573)
Readability					-0.001^***(-4.286)
Forward					-0.296(-0.599)
Tone					-0.002(-0.288)
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	30 507	29 789	28 644	24 244	34 005
调整R²	0.220	0.204	0.225	0.228	0.210

下载: 导出CSV

表 10 机制识别：资本深化水平与员工工资水平

变量	(1)	(2)	(3)	(4)	(5)	(6)
变量	CD	LS	LS	AW	LS	LS
DA	-0.282^***		0.018^***	0.075^***		0.019^***
	(-4.629)		(3.221)	(3.403)		(3.551)
CD		-0.009^***	-0.008^***
		(-5.913)	(-5.760)
AW					0.014^***	0.013^***
					(6.702)	(5.742)
Sobel Z		21.22^***			18.75^***
Bootstrap检验置信区间		[0.537，0.651]			[0.006，0.008]
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	38 402	38 402	38 402	38 402	38 402	38 402
调整R²	0.132	0.231	0.232	0.588	0.225	0.227

下载: 导出CSV

表 11 拓展性研究

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
变量	GR	CI	LI	CS	CL	LP	Number	MD	TE
DA	0.087^***	0.104^***	0.195^***	-0.108^***	-0.211^***	-0.023	0.109^***	0.136^***	0.324^***
	(3.267)	(3.196)	(6.038)	(-2.584)	(-5.062)	(-0.530)	(3.054)	(3.135)	(8.028)
控制变量	是	是	是	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是	是	是	是
N	38 402	28 500	28 877	28 851	28 851	38 402	38 402	25 054	32 518
调整R²	0.771	0.720	0.812	0.106	0.185	0.323	0.461	0.518	0.354

下载: 导出CSV

表 12 异质性分析

变量	产业性质		高科技属性		产权性质
变量	(1) 资本密集型	(2) 劳动密集型	(3) 高科技	(4) 非高科技	(5) 国企	(6) 非国企
DA	0.016	0.019^***	0.022^***	0.001	0.014	0.021^***
	(1.601)	(2.903)	(4.032)	(0.187)	(1.021)	(3.710)
控制变量	是	是	是	是	是	是
企业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是
N	20 391	18 011	22 234	16 005	14 191	24 211
调整R²	0.250	0.230	0.261	0.208	0.217	0.229

下载: 导出CSV

参考文献(37)

[1]	施新政, 高文静, 陆瑶, 等. 资本市场配置效率与劳动收入份额——来自股权分置改革的证据[J]. 经济研究, 2019(12): 21-37.
[2]	杜鹏程, 王姝勋, 徐舒. 税收征管、企业避税与劳动收入份额——来自所得税征管范围改革的证据[J]. 管理世界, 2021(7): 105-118.
[3]	李健, 董小凡, 张金林, 等. 数据资产对企业创新投入的影响研究[J]. 外国经济与管理, 2023(12): 18-33.
[4]	HU C, LI Y, ZHENG X. Data assets, information uses, and operational efficiency[J]. Applied Economics, 2022, 54(60): 6887-6900. doi: 10.1080/00036846.2022.2084021
[5]	孙颖, 陈思霞. 数据资产与科技服务企业高质量发展——基于"宽带中国"准自然实验的研究[J]. 武汉大学学报(哲学社会科学版), 2021(5): 132-147.
[6]	路征, 周婷, 王理, 等. 数据资产与企业发展——来自中国上市公司的经验证据[J]. 产业经济研究, 2023(4): 128-142.
[7]	詹新宇, 余倩. 政府补助的收入分配效应——基于劳动收入份额视角的模型与实证[J]. 财政研究, 2022(5): 59-77.
[8]	胡斌红, 杨俊青. 环境规制与劳动收入份额: 可以实现双赢吗[J]. 财经科学, 2020(2): 92-105.
[9]	肖土盛, 董启琛, 张明昂, 等. 竞争政策与企业劳动收入份额——基于《反垄断法》实施的准自然实验[J]. 中国工业经济, 2023(4): 117-135.
[10]	申广军, 刘超. 信息技术的分配效应——论"互联网+"对劳动收入份额的影响[J]. 经济理论与经济管理, 2018(1): 33-45.
[11]	匡国静, 王少国. 技术进步偏向及其形式的收入分配效应研究[J]. 审计与经济研究, 2020(5): 105-115.
[12]	肖土盛, 孙瑞琦, 袁淳, 等. 企业数字化转型、人力资本结构调整与劳动收入份额[J]. 管理世界, 2022(12): 220-237.
[13]	方明月, 林佳妮, 聂辉华. 数字化转型是否促进了企业内共同富裕?——来自中国A股上市公司的证据[J]. 数量经济技术经济研究, 2022(11): 50-70.
[14]	何小钢, 朱国悦, 冯大威. 工业机器人应用与劳动收入份额——来自中国工业企业的证据[J]. 中国工业经济, 2023(4): 98-116.
[15]	艾华, 冀晓曼. 数字金融发展与企业劳动收入份额[J]. 北京工商大学学报(社会科学版), 2023(6): 47-60.
[16]	江轩宇, 林莉. 会计信息可比性与劳动收入份额[J]. 金融研究, 2022(4): 57-76.
[17]	王雄元, 黄玉菁. 外商直接投资与上市公司职工劳动收入份额: 趁火打劫抑或锦上添花[J]. 中国工业经济, 2017(4): 135-154.
[18]	许宪春, 张钟文, 胡亚茹. 数据资产统计与核算问题研究[J]. 管理世界, 2022(2): 16-30.
[19]	刘景江, 郑畅然, 洪永淼. 机器学习如何赋能管理学研究?——国内外前沿综述和未来展望[J]. 管理世界, 2023(9): 191-216.
[20]	胡楠, 薛付婧, 王昊楠. 管理者短视主义影响企业长期投资吗?——基于文本分析和机器学习[J]. 管理世界, 2021(5): 139-156.
[21]	李琦, 刘力钢, 邵剑兵. 数字化转型、供应链集成与企业绩效——企业家精神的调节效应[J]. 经济管理, 2021(10): 5-23.
[22]	霍春辉, 吕梦晓, 许晓娜. 数字化转型"同群效应"与企业高质量发展——基于制造业上市公司的经验证据[J]. 科技进步与对策, 2023(4): 77-87.
[23]	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.
[24]	陈登科. 贸易壁垒下降与环境污染改善——来自中国企业污染数据的新证据[J]. 经济研究, 2020(12): 98-114.
[25]	李稻葵, 刘霖林, 王红领. GDP中劳动份额演变的U型规律[J]. 经济研究, 2009(1): 70-82.
[26]	张宏, 刘小迪. 制造业企业数字化对出口国内附加值率的影响研究[J]. 山东师范大学学报(社会科学版), 2024(5): 75-88.
[27]	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.
[28]	戴翔, 马皓巍. 数字化转型、出口增长与低加成率陷阱[J]. 中国工业经济, 2023(5): 61-79.
[29]	文雁兵, 张梦婷, 俞峰. 中国交通基础设施的资源再配置效应[J]. 经济研究, 2022(1): 155-171.
[30]	牛志伟, 许晨曦, 武瑛. 营商环境优化、人力资本效应与企业劳动生产率[J]. 管理世界, 2023(2): 83-100.
[31]	刘长庚, 王宇航, 彭千芮. 反垄断有助于提高企业劳动收入份额吗[J]. 南开经济研究, 2023(4): 163-180.
[32]	李实. 共同富裕的目标和实现路径选择[J]. 经济研究, 2021(11): 4-13.
[33]	姚毓春, 袁礼, 王林辉. 中国工业部门要素收入分配格局——基于技术进步偏向性视角的分析[J]. 中国工业经济, 2014(8): 44-56.
[34]	都阳, 封永刚. 人口快速老龄化对经济增长的冲击[J]. 经济研究, 2021(2): 71-88.
[35]	ACEMOGLU D, RESTREPO P. The race between man and machine: implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018, 108(6): 1488-1542.
[36]	AUTOR D, LEVY F, MURNANE R J. The skill content of recent technological change: an empirical exploration[J]. The Quarterly Journal of Economics, 2003, 118(4): 1279 - 1333.
[37]	郭蕾, 肖淑芳, 李雪婧, 等. 非高管员工股权激励与创新产出——基于中国上市高科技企业的经验证据[J]. 会计研究, 2019(7): 59-67.