數據資產信息披露、機構投資者異質性與企業價值

苑澤明 于翔 李萌

(天津財經大學會計學院，天津 300222)

一、引言

近年來，為了迎接數字化時代的到來、激活數據要素潛能，數據資源的價值正在不斷地被挖掘和創造，逐漸成為企業的一種新型資產，即數據資產[1]。數據資產是指由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子方式記錄的數據資源(1)來源：《數據資產管理實踐白皮書(4.0)》。。在全球新冠疫情背景下，各國政府和企業都將數字化轉型形成的數據資產作為提升競爭優勢的核心要素，企業借助數據資產的獲取、開發與利用優化了產品設計、研發、生產、供銷、組織、戰略等各個環節，推翻了企業價值的傳統創造范式，徹底改進企業價值的創造過程。例如，攜程、海爾以及華為等公司通過數據資產精準刻畫線下的客戶群體，并與眾多“廣告主”合作，幫助其將產品精準推送給客戶群體，實現企業的可持續發展和價值提升。

隨著數據資產逐漸成為企業價值創造的重要驅動因素，外部投資者為了選擇最佳的投資合作對象，會越來越關注企業的數據資產信息，

比如企業擁有的數據技能人才和技術支持情況、數據資源規模以及數據資產為企業帶來的經濟利益等信息。然而，目前企業會計準則中強制性信息披露并不包含數據資產信息披露，上市公司一般通過年報中公司從事主要業務、核心競爭力分析和未來發展展望等內容自愿披露數據資產的相關信息，這些信息能夠體現企業在生產、管理與營銷等過程中數據資產的應用、價值創造以及未來發展情況[2]，并展示企業數據資產競爭優勢。因此，數據資產信息披露不僅能夠提升企業信息透明度，幫助外部投資者知悉企業數據資產發展狀況，降低信息不對稱帶來的風險與信息搜集成本，而且可以向外界樹立企業重視數據資產發展的積極形象，從而吸引優質資金與高端人才等資源，提升企業價值。

此外，機構投資者持股占比已達20%，逐漸成為我國公司外部治理和資本市場的重要角色，由于機構投資者的異質性，其對企業治理效應的差異會對企業產生不同的經濟影響[3]。進一步，數據資產信息披露對企業價值的影響在不同企業外部環境與企業內部特征差異下，可能還存在非對稱效果。因此，本文將數據資產信息披露、機構投資者異質性與企業價值納入同一研究框架，探討企業的數據資產信息披露是否有效促進企業價值提升，機構投資者異質性在二者之間發揮怎樣的調節效用，數據資產信息披露提升企業價值的渠道機制是什么，以及不同企業外部環境與內部特征情境下，數據資產信息披露對企業價值的影響效應是否存在差異性。

二、文獻回顧與研究述評

(一)數據資產的相關研究

數據資產的相關研究主要圍繞數據資產會計、評估與經濟后果，以及數據資產信息披露與企業價值的關系展開。

在數據資產會計、評估及經濟后果方面，數據資產作為新興研究領域，初始研究集中于對數據資產確認、計量和評估的探討[2，4-7]。但是關于數據資產經濟后果的研究相對較少，已有研究僅僅證實了數據資產使企業的生產率得到有效提升[8]，能夠顯著提升企業的高質量發展[1]。并且，分析師對個股年度報告中的數據資產信息披露頻率較高企業的關注度更高[9]。

在數據資產信息披露與企業價值方面，由于我國《企業會計準則》尚未出臺數據資產確認、計量的會計規范，中國證監會也未將數據資產納入強制性信息披露的范圍，因此數據資產相關信息披露尚屬于自愿性信息披露。已有研究關于自愿性信息披露對企業價值的影響未得出一致結論。部分學者指出，自愿性信息披露有利于企業聲譽機制的建立，使得股票的流動性增大，股票價格上升[10]。此外，高頻率的自愿性信息披露不僅能夠及時向外部提供信息，有效改善信息不對稱，有利于信息透明化，減少市場套利現象[11]，還可以向投資者提供投資決策的建議，降低投資者的信息搜集成本與決策成本，從而降低企業成本、緩解融資約束[12-13]，最終促進企業價值的提升[14]。還有一部分學者指出自愿性信息披露與企業價值不存在顯著的關系[15]。

(二)機構投資者異質性治理效應的相關研究

目前，機構投資者已經成為公司治理的重要角色。不同種類的機構投資者在持股時間和投資風格上具有明顯差異，這些差異會促使其在參與企業治理過程中表現出差異化的治理作用[16]。

根據機構投資者與企業之間是否存在商業關系，將機構投資者分為壓力抵制型機構投資者和壓力敏感型機構投資者兩類，前者與公司只存在投資關系，后者與公司還存在一定的業務依賴關系[17]。基金、社保基金、企業年金以及QFII屬于壓力抵制型機構投資者，信托公司、財務公司、保險公司以及券商理財產品屬于壓力敏感型機構投資者[18]。對于壓力抵制型機構投資者而言，由于其與企業是純粹的投資關系，且投資持股時間往往較長，獲取利益的主要渠道是公司分紅。因此，在參與公司治理時，壓力抵制型機構投資者為了自己的高收益往往會具有較強的獨立性，對公司大股東或者高管起到有效的制衡與監督作用，企業績效隨之提升[19]；而壓力敏感型機構投資者與企業存在一定的商業關系，且本身持股比例不高、持股時間較短，參與公司治理所耗費的成本無法最大化獲取短期利益，因此，此類機構投資者希望短期內快速獲取收益。同時，由于沒有動力監督管理層，壓力敏感型機構投資者往往會采取支持公司決策的態度[20]。

(三)研究述評

第一，在數據資產的相關文獻中，數據資產信息披露對企業價值的影響機制和內外部環境異質性的研究較少。另外，從數據資產信息披露與企業價值的相關研究來看，自愿性信息披露與企業價值的關系尚未形成統一結論。而數據資產信息披露作為自愿性信息披露的一部分，其對企業價值會產生怎樣的影響，還需要進一步深入研究。第二，機構投資者異質性治理效應的相關研究表明，不同類型機構投資者的公司治理效應會產生明顯差異，而機構投資者異質性是否能夠在數據資產信息披露與企業價值二者之間發揮不同的調節效應，仍是一個有待探索的問題。

本文的邊際貢獻在于：第一，研究了數據資產信息披露對企業價值的影響，不僅為企業價值影響因素研究提供了新視角，還從數據資產信息披露的視角拓展了數據資產的實證研究。此外，將機構投資者異質性引入數據資產信息披露和企業價值的關系中，能夠進一步豐富機構投資者異質性領域的研究；第二，從信息透明度、技術型人力資本和融資約束三個方面分析并檢驗了數據資產信息披露影響企業價值的渠道機制，打開了數據資產信息披露與企業價值之間的“黑箱”；第三，從外部市場環境與企業內部特征視角出發，進一步分析并檢驗數據資產信息披露影響企業價值的非對稱效果，為差異化的政策治理提供一定的經驗證據支持；第四，在變量測度上，本文以企業年報為基礎，運用Word2Vec神經網絡模型構建“數據資產”文本詞典，以挖掘文本信息測度數據資產信息披露水平，為評估企業自愿性信息披露水平提供有益借鑒。

三、理論分析與研究假設

(一)數據資產信息披露對企業價值的影響

吳非等(2021)[21]指出數字化發展是新時代下企業高質量發展的重大戰略，這類特征信息更容易體現在企業的年報中。年報中詞匯的運用方式很容易反映出企業近幾年的經營理念和未來發展路徑。而且當前企業數字化發展已經成為社會共識，數據資產作為企業不可替代和難以復制的競爭性資源，可以通過精準營銷、改善管理模式和促進創新等多種方式為企業創造經濟利益[1]。因而企業年報中的數據資產信息不僅能提供企業的私有信息，還能夠向外界傳遞其重視數據資產發展的經營理念，在外界樹立良好的企業形象，提高市場競爭力，獲得社會各界的認可與支持。本文將從信息透明度、技術型人力資本以及企業融資約束這三個機制探討數據資產信息披露對企業價值的影響。

數據資產信息披露可以提高信息透明度，進而促進企業價值提升。一方面，由于數據資產尚未納入會計核算，數據資產信息披露可以向資本市場傳遞數據資產的規模、技術支持以及價值創造等私有信息, 與此同時數據資產作為大數據時代的核心競爭性資產，投資者對其相關信息越來越關注[2]。因此，數據資產信息披露提升了私有信息的供給, 為市場關注企業如何利用數據資產創造價值提供了便利，這一行為有效提升了信息透明度[22]。另一方面，企業借助數據資產提升效率、精準營銷、驅動創新，為企業帶來巨大的經濟利益，提升了數據資產信息的價值相關性。分析師作為高度敏感的信息中介,能夠充分認識到數據資產信息對于完善企業估值的作用,因而為了改善預測，分析師會關注數據資產信息披露水平較高的企業，通過對企業信息的專業解讀，使信息轉換為使用者易于理解的形式，進一步提升企業的信息透明度[9]。而隨著信息透明度提升，投資者能夠相對準確地判斷出企業的投資合理性和盈利潛力，降低其對企業未來股價的預測風險，使得企業吸引更多的投資者參與股票交易，提升股票流動性，這對企業價值提升起到了明顯的助推作用[14]。

數據資產信息披露可以吸引技術型人力資本，進而促進企業價值提升。人力資本是指企業員工自身所擁有的知識、技能以及經驗之和，而技術型人力資本往往能夠決定企業在一定時間內完成的研發成果數量。已有研究認為重視數字化發展的企業更加順應當下數字經濟發展的理念與趨勢，往往具有廣闊的發展前景[21]，從而對技術型人力資本的需求更高或者吸引技術型人力資本流入企業[23]。而借助年報披露數據資產信息的企業向外界表達了對數據資產發展的重視度以及傳遞了數據資產發展信心這一積極信號，使企業在市場競爭中處于優勢地位，樹立良好的企業形象，企業更容易吸引外部專業技能人才等優質資源匯聚，技術型人力資本存量隨之增加，有利于提高企業內部技術成果轉化的效率，促進企業整體的創新水平提升，這無疑對企業價值的提高大有裨益。

數據資產信息披露可以降低融資約束程度，進而促進企業價值提升。一方面，企業自愿披露的數據資產信息越多，外部投資者便越能夠利用這些信息了解企業如何在數據經濟時代利用數據資產創造價值，并對企業的發展現狀做出更好的判斷，這有助于降低其信息搜集成本、決策成本以及信息不對稱帶來的風險[24]，使得投資者為企業提供更加充足的融資資金[25]，從而緩解企業的融資約束程度；另一方面，基于投資者偏好角度，企業通過數據資產信息披露在外界樹立良好形象，提高投資者對企業的整體評價，相比其他企業而言更容易獲得融資資金，進而緩解融資約束。進一步地，較低的融資成本使得企業無需在財務領域投入過多精力，而且企業可以將充足的融資資金應用于項目投資或開展各項經營活動，獲取更多的利潤進而促進企業價值提升。基于此，本文提出如下假設。

H1數據資產信息披露能夠有效提升企業價值。

H1a數據資產信息披露可以通過提升信息透明度，進而提升企業價值。

H1b數據資產信息披露可以通過吸引技術型人力資本，進而提升企業價值。

H1c數據資產信息披露可以通過緩解融資約束，進而提升企業價值。

(二)機構投資者異質性對數據資產信息披露影響企業價值的調節效應

已有研究證實了不同機構投資者因投資策略和持股時間的差異性能夠發揮不同的公司治理效應，因此本文將從信息傳遞和企業監督兩個方面探討壓力抵制型機構投資者和壓力敏感型機構投資者對數據資產信息披露與企業價值之間關系的調節效應。

首先，基于信息傳遞職能，壓力抵制型機構投資者由于持股時間長，樂于參與公司治理，其憑借著專業的信息搜集和分析能力可對數據資產相關信息加以解讀，也會聯合分析師進行實地調研[26]，將更加全面、真實的企業數據資產信息傳遞給資本市場，進一步降低公司內外的信息不對稱程度，有助于企業價值提升；而壓力敏感型機構投資者由于投資期限短，一般來說具有很強的惰性，缺乏主動性去進一步改善企業信息不對稱問題，甚至部分壓力敏感型機構投資者偏好低成本的信息披露，留下空間進行內部交易以獲得更大利益[27]，因而他們不會進一步對數據資產信息進行解讀，更不會在數據資產信息披露與企業價值之間發揮調節作用。

其次，基于企業監督職能，具有長期投資特點的壓力抵制型機構投資者會更傾向于關注企業的持續發展狀況，從而獲取高回報，在公司治理中引導管理層重視企業的長期發展能力，減少短視行為[28]。因此，壓力抵制型機構投資者會通過分析企業披露的數據資產相關信息，及時發現企業在數據資產發展方面的問題，充分發揮其監督職能，降低企業數據資產發展帶來的經營風險，提升企業價值；壓力敏感型機構投資者一般持股時間較短，更傾向于通過短期交易來賺取買賣利差，并且為了維持現有或潛在商業關系，通常不會發表獨立意見，在公司治理中往往扮演著消極或者不作為的角色[29]。因此，該類機構投資者不會主動利用企業的數據資產信息進行有效監督，從而不會在數據資產信息披露與企業價值之間發揮調節作用。基于此，提出假設2。

H2壓力抵制型機構投資者對數據資產信息披露與企業價值之間的關系具有正向顯著的調節效應，而壓力敏感型機構投資者對數據資產信息披露與企業價值之間的關系不具有顯著的調節效應。

綜上所述，本文給出了相關影響機制圖，見圖1。

圖1 數據資產信息披露對企業價值的影響機制圖

四、研究設計

(一)樣本選擇與數據來源

通過閱讀年報發現，目前數據資產信息披露幾乎涵蓋整個股票市場，并且在2006年以后數字化工具開始廣泛使用[30]。因此，樣本企業從2007—2020年全部A股上市公司中選取，并且剔除了金融類和保險類公司、*ST、ST或者PT狀態的上市公司以及關鍵指標缺失的公司，最終共得到26 648個樣本觀測值。實證分析的相關數據來源于WinGo(文構)文本數據庫、CSMAR數據庫以及銳思數據庫，并利用stata 15.0進行計量分析。為了提高結果的準確性，對連續型變量進行了1%和99%的縮尾處理。

(二)變量定義與解釋

1.核心解釋變量

目前數據資產還未被納入到資產負債表中列示，其信息披露尚屬于自愿性信息披露。因此，需要對上市公司年度財務報告中的數據資產信息進行挖掘從而評估其數據資產信息披露水平。參考胡楠等(2021)[31]的研究，采用文本挖掘度量核心解釋變量的方法來測度企業的數據資產信息披露水平，具體步驟如下：第一，將“數據資產”作為種子詞匯；第二，借鑒中國信通院2019年發布的“數據資產是能夠帶來經濟利益的數據資源”的觀點，將“數據資源”也作為種子詞匯；第三，依據“數據資產”和“數據資源”這兩個種子詞匯，借助Word2Vec神經網絡模型，運用深度學習技術手段，獲得種子詞匯的相似詞詞集，并且為了提高測度的準確性，僅保留相似度較高的詞匯，完成詞典構建；第四，挖掘年度報告中種子詞匯與相似詞詞匯在年度財務報告中出現的詞頻，并且計算數據資產信息披露水平，計算公式如下

datait=Σdictionarywordsitn/totalwordsit×100

(1)

其中，datait為數據資產信息披露水平；dictionarywordsitn為詞典中第n個種子或者相似詞詞匯在個股i第t年的年度財務報告中的精確詞頻；totalwordsit為個股i在第t年的年度報告的總詞頻(排除英文和數字)。由于數據資產信息披露水平變量是右偏態分布，因此對該指標進行了對數化處理。另外，還進行了歸一化處理，最終得到度量企業數據資產信息披露水平的指標。

2.被解釋變量

借鑒Somayeh等(2014)[32]的做法，本文將托賓Q值(tq)作為企業價值的代理變量。具體來看，tq=市值/(資產總計—無形資產凈額—商譽凈額)。

3.調節變量

參考梁上坤(2018)[18]的做法，基金、社保基金、企業年金以及QFII往往投資期限長且規模大，強調價值投資，屬于壓力抵制型機構投資者(ins_share1)。信托公司、財務公司、保險公司以及券商理財產品與被投資公司存在商業關系，持股時間短，其往往不會對上市公司進行有效監督，屬于壓力敏感型機構投資者(ins_share2)。具體計算方法為年末兩類機構投資者持股數占企業總股數的比例。

4.控制變量

參考既有研究，本文選擇了總資產收益率(roa，個股i在第t年的總資產收益率)、公司規模(size，總資產的自然對數)、成長性(growth，主營業務收入增長率)、現金凈流量(cash，經營性現金凈流量/營業總收入)、股權集中度(con，企業前十大股東持股比例總和)、資產負債率(lev，個股i在第t年的資產負債率)、公司年齡(age，基于月份計算的截至當年末企業的上市年限)、獨董比例(rinde，企業年末獨立董事人數與董事會總人數的比值)以及兩職合一(dual，董事長與總經理兩職合一取1，否則取0)作為控制變量。描述性統計結果見表1。

表1 變量的描述性統計分析

(三)模型構建

為了檢驗假設1，本文構建了如下模型

tqit=α0+α1datait+α2roait+α3sizeit+α4cashit+α5conit+α6growthit+α7levit+α8ageit+α9rindeit+α10dualit+Σyearit+Σindit+ε

(2)

其中，被解釋變量為企業價值(tq)，核心解釋變量為數據資產信息披露(data)，為了避免時間和行業層面的不可觀測因素的影響，還引入了時間(year)和行業(ind)啞變量，為隨機誤差項，其余為前文所述的控制變量。本文回歸模型采用混合最小二乘法(Pooled OLS)進行估計。

為了檢驗假設2，本文構建了如下模型

tqit=α0+α1datait+α2ins_share1it+α3ins_share1it×datait+α4roait+α5sizeit+α6cashit+α7conit+α8growthit+α9levit+α10ageit+α11rindeit+α12dualit+Σyearit+Σindit+ε

(3)

tqit=α0+α1datait+α2ins_share2it+α3ins_share2it×datait+α4roait+α5sizeit+α6cashit+α7conit+α8growthit+α9levit+α10ageit+α11rindeit+α12dualit+Σyearit+Σindit+ε

(4)

其中，調節變量分別為壓力抵制型機構投資者(ins_share1)和壓力敏感型機構投資者(ins_share2)，其余變量與式(2)的解釋一致。

五、回歸結果與分析

(一)基準回歸分析

表2展示了式(2)的回歸結果。首先，列(1)(2)是混合OLS模型回歸結果。在加入控制變量之前，數據資產信息披露對企業價值的系數為0.19，在5%的水平下顯著為正。當加入控制變量進行回歸后，數據資產信息披露系數為0.39，發現系數比之前大幅度增大且在1%的水平下顯著為正，說明數據資產信息披露對企業價值具有顯著促進作用。其次，由于該研究結果可能受到遺漏變量的影響，比如可能存在某些其他因素促進了數據資產信息披露和企業價值的同時增加，基于此，本文又使用固定效應模型進行回歸。回歸結果如表2列(3)所示，數據資產信息披露的系數在1%水平下顯著為正。綜上，假設1得到驗證。

表2 數據資產信息披露對企業價值回歸結果

表3展示了式(2)(3)的回歸結果，具體分析機構投資者異質性在數據資產信息披露與企業價值之間發揮的調節效應。列(1)(2)是混合OLS模型回歸結果，列(1)中壓力抵制型機構投資者與數據資產信息披露交互項(ins_share1×data)的系數為0.04，且在1%的水平下顯著，而列(2)中壓力敏感型機構投資者與數據資產信息披露交互項(ins_share2×data)的系數不顯著；列(3)(4)是固定效應模型回歸結果，同樣可以發現上述結果。由此，假設2得到了驗證。

表3 數據資產信息披露、機構投資者異質性對企業價值的回歸結果

(二)穩健性檢驗

1.PSM-DID法

借鑒危雁麟等(2022)[9]的準自然實驗思路，本文將以“寬帶中國”戰略作為外生事件，采用PSM-DID法進行內生性檢驗，以避免樣本選擇偏誤問題以及變量反向因果問題。中國國務院于2013年8月發布了“寬帶中國”戰略實施方案，并且于2014-2016年分批次發布了“寬帶中國”示范城市名單。在該戰略的實施下，示范城市大大提升了寬帶網絡速度與數字化發展水平，示范城市中的企業數據資產發展環境不斷向好，企業間數據資產競爭更為激烈，且數據資產信息逐漸成為企業的特質信息。基于此，示范城市中的企業往往受到“寬帶中國”戰略的影響更大，在認可數據資產信息以及披露數據資產信息方面，也會更多地受到該戰略的影響，因而能夠反映出數據資產信息披露對于企業價值的作用。

具體來說，本文將“寬帶中國”示范城市名單中的企業作為實驗組，其余企業作為控制組。由于“寬帶中國”戰略分三批進行，采用多時點PSM-DID模型進行檢驗，引入了虛擬變量treat和post變量。若企業所在城市在“寬帶中國”示范城市名單中，則treat變量取值1，否則取值0；若企業所在城市是實施該戰略的當年或者以后年份，post取值為1，否則取值為0，其余變量設定與前文保持一致，模型如下

tqit=α0+α1postit×treatit+α2roait+α3sizeit+α4cashit+α5conit+α6growthit+α7levit+α8ageit+α9rindeit+α10dualit+Σyearit+Σindit+ε

(5)

在進行傾向得分匹配時，首先，對treat進行匹配，選取獨董比例、資產負債率、股權集中度、公司年齡、兩職合一、現金凈流量以及公司規模作為協變量進行logit回歸，同時借助這些協變量進行1：1近鄰匹配；其次，表4的平衡性檢驗結果顯示，變量的標準化偏差都小于3%，并且所有t值顯示實驗組與控制組無系統差異，即通過了平衡性檢驗。除此之外，ATT結果表明與前文的結果完全一致；最后，刪除了沒有匹配上的樣本，匹配后的樣本共計12 891個觀測值。接著將傾向得分匹配后的樣本進行式(5)的回歸，回歸結果如表5的列(1)顯示。treat×post的系數在1%的顯著性水平下為正，這進一步說明了數據資產信息披露可以提升企業價值。因此，上文結論保持穩健。

2.工具變量法

為進一步證明數據資產信息披露對企業價值回歸結果的穩健性，借鑒江軒宇和林莉(2022)[33]、黃宏斌等(2021)[34]選取工具變量的思路，本文將剔除企業自身數據后的各年度、各行業的數據資產信息披露平均值作為企業數據資產信息披露的工具變量進行回歸，回歸結果如表5列(2)所示。第一階段Wald檢驗的F統計量值顯著大于10%的臨界值，通過了弱工具變量檢驗；在第二階段回歸中數據資產信息披露對企業價值的系數依然在1%的水平下顯著為正。說明本文的結論是穩健的。

表4 匹配變量的平衡性檢驗結果

表5 多時點PSM-DID和工具變量法的回歸結果

3.變量指標替換

首先，用企業的市場價值(mv)替代前文中的托賓Q(tq)，并進行回歸，檢驗結果如表6列(1)-(3)所示，與前文的檢驗結果完全一致。因此，上文結論保持穩健。

其次，將數據資產信息披露水平的計算模型變為

datait=Σdictionarywordsitn×weightn/totalwordsit×100

(6)

其中，weightn為WinGo數據庫判定的第n個詞匯與種子詞匯的相似度(種子詞匯的weightn賦值為1)，回歸結果如表6列(4)-(6)所示，與前文的檢驗結果完全一致。因此，之前的發現保持穩定。

表6 變量指標替換的回歸結果

4.子樣本的測試

首先，考慮到部分企業在日常經營與管理中較少涉及到數據資產信息披露，本文選取了工業、電信、交通與農業這些數據資產信息披露較多的行業進行子樣本檢驗，檢驗結果見表7列(1)-(3)所示，與前文的檢驗結果完全一致。

其次，考慮到我國四個直轄市在政治與經濟層面有著一定的特殊性，本文的結論在一定程度上可能受其影響。因此，剔除企業所處城市是直轄市的樣本重新進行檢驗，回歸結果如表7中列(4)-(6)所示，與前文的檢驗結果完全一致。

(三)數據資產信息披露對企業價值影響的機制識別

前文已經針對“數據資產信息披露—企業價值”之間的核心關系進行了驗證，接下來將研究數據資產信息披露與企業價值之間的作用機制。基于此，本部分將采用中介效應模型對二者之間的作用機制進行檢驗，模型如下

tqit=α0+α1datait+α2roait+α3sizeit+α4cashit+α5conit+α6growthit+α7levit+α8ageit+α9rindeit+α10dualit+Σyearit+Σindit+ε

(7)

mediatorit=α0+α1datait+α2roait+α3sizeit+α4cashit+α5conit+α6growthit+α7levit+α8ageit+α9rindeit+α10dualit+Σyearit+Σindit+ε

(8)

tqit=α0+α1datait+α2mediatorit+α3roait+α4sizeit+α5cashit+α6conit+α7growthit+α8levit+α9ageit+α10rindeit+α11dualit+Σyearit+Σindit+ε

(9)

表7 子樣本的回歸結果

其中，被解釋變量為企業價值(tq)，核心解釋變量為數據資產信息披露(data)，中介變量(mediator)包括了信息透明度、技術型人力資本和融資約束指標。借鑒已有研究的做法，將分析師關注度指標(opacity1)和研報關注度指標(opacity2)作為信息透明度的代理變量。指標越大，表明信息透明度越高。技術型人力資本(hc)用研發人員數量的對數衡量，該值越大代表企業的技術型人力資本越多。參考陳峻和鄭惠諒(2020)[35]的做法，建立度量企業融資約束程度(fc)的指標，且fc指數越大，企業的融資約束問題越嚴重。其余變量定義與前文保持一致。

首先，本文基于“數據資產信息披露→信息透明度→企業價值”的路徑進行識別檢驗。如表8所示，列(2)中數據資產信息披露對信息透明度的回歸系數為1.13，并且通過了5%的顯著性檢驗，列(3)中信息透明度的回歸系數為0.03，并且通過了1%的顯著性檢驗，這說明數據資產信息披露通過提高企業信息透明度，從而促進企業價值提升。除此之外，列(5)和(6)也得到了同樣的統計結論。

表8 基于信息透明度的路徑分析檢驗結果

其次，基于“數據資產→技術型人力資本→企業價值”的路徑進行識別檢驗。從表9的列(2)(3)中可以看出，企業數據資產信息披露對技術型人力資本的回歸系數為0.75，且在1%的水平下高度顯著，技術型人力資本對企業價值的回歸系數為0.08，且通過了1%的統計顯著性檢驗，這證實了技術型人力資本這一中介路徑。

表9 基于技術型人力資本的路徑分析檢驗結果

最后，基于“數據資產→融資約束→企業價值”的路徑進行識別檢驗。從表10的列(2)(3)中可以看出，企業數據資產信息披露對融資約束的回歸系數為-0.03，且在1%的水平下高度顯著，融資約束對企業價值的回歸系數為-1.48，且通過了1%的顯著性檢驗，為上述的路徑提供了統計上的證據支持。由此，H1a、H1b以及H1c得到了驗證。

表10 基于融資約束的路徑分析檢驗結果

六、進一步分析

不同外部市場環境或者不同內部特征的企業在發展階段、資源配置、數據資產水平以及基礎條件等方面都存在著明顯的不同，這使得數據資產信息披露對企業價值的影響可能產生非對稱效應。因此，為了進一步提升研究的嚴謹性與科學性，以形成差異化的政策導向，本部分將從地區金融科技數字化發展水平、行業內企業競爭程度、企業科技屬性以及研發強度四個角度展開異質性分析。其中，地區金融科技數字化發展水平和行業內企業競爭程度屬于外部市場環境，企業科技屬性和研發強度屬于企業內部特征。

(一)地區金融科技數字化發展水平

參考侯層和李北偉(2020)[36]的做法，使用北京大學數字普惠金融指數衡量地區金融科技數字化發展水平，將處于平均數以上的省份稱為金融科技數字化發展水平高的地區，反之為金融科技數字化發展水平較低的地區，回歸結果如表11所示。回歸結果顯示，金融科技數字化發展水平較高地區企業的數據資產信息披露對企業價值具有顯著促進作用，而金融科技數字化發展水平較低地區的企業，這一作用并不顯著。這主要是因為金融科技數字化發展水平高的地區往往可以為企業數據資產發展提供較為優質的低成本、便利性的資金，當企業披露較多的數據資產信息時，很容易在外界形成積極反饋，吸引更多的人才與融資資金，促進企業價值提升。但是，在金融科技數字化發展水平低的地區，即使企業披露了數據資產相關信息，外界往往認為其缺乏支撐數據資產發展的優質資金，難以有效促進企業價值提升。

(二)行業內企業競爭程度

為了進一步從行業內企業競爭程度角度進行異質性分析，參考劉曉華和張利紅(2016)[37]的做法，用勒納指數度量行業內企業的競爭程度，從競爭的角度來看，行業內企業競爭越激烈，勒納指數應當越小。因此，將高于平均數的企業劃分為行業內競爭程度低的企業，反之為行業內競爭程度高的企業，回歸結果如表11所示。回歸結果顯示，在行業內企業競爭程度高的企業中，數據資產信息披露對企業價值的影響顯著，反之這一影響不顯著。這是因為行業內競爭程度越高，市場的資源配置效率越高，企業更容易通過數據資產信息披露使得高端人才與雄厚資金不斷涌入企業，促進企業價值的提升。而行業內如果競爭程度較低，資源配置效率也隨之較低，不容易通過數據資產信息披露促進企業價值提升。

表11 基于外部市場環境的異質性檢驗結果

(三)企業科技屬性

本文借鑒賀曉宇和秦永(2018)[38]的研究，高科技企業囊括了制造業(C)、科學研究與技術服務業(M)和信息傳輸、軟件和信息技術服務業(I)三個門類行業中的19個大類行業的企業，其余是非高科技企業，回歸結果如表12所示。可以發現高科技企業的數據資產信息披露對企業價值具有顯著促進作用，而在非高科技企業中沒有促進作用。這是因為對于以集成電路設計、軟件開發、設計等為代表的高科技行業而言，數據資產是企業生存發展的核心資產，社會各界會通過企業披露的數據資產信息判斷企業競爭力，當外界觀察到企業進行較多的數據資產信息披露后會積極看待企業發展預期，促進企業價值提升。而對于非高科技企業而言，其發展并不在于銳意創新，也不具備數據資產發展的基礎條件，當其進行數據資產信息披露時，反而讓外界質疑其數據資產發展所需承擔的風險，因而企業價值不會明顯提升。

表12 基于企業內部特征的異質性檢驗結果

(四)企業研發強度

研發強度的度量參考了胡國柳等(2019)[39]的做法，用企業研發支出除以當期營業收入進行度量，并且以研發強度的平均數作為分組依據，將樣本高于平均數的企業劃分為研發強度高的企業，反之為研發強度低的企業，回歸結果如表12所示。回歸結果顯示，在研發強度高的企業中，數據資產信息披露對企業價值的影響顯著，而在研發強度低的企業中這一影響不顯著。這是因為研發強度高的企業往往技術研發基礎條件較好，因此對于同樣進行數據資產信息披露的這兩類企業，利益相關者為了規避研發基礎條件較差企業帶來的風險，會更加偏好研發強度高的企業，為其提供更多更好的資源，促進企業價值提升。

七、結論與建議

本文借助2007—2020年A股上市公司的樣本數據，實證檢驗數據資產信息披露對企業價值的影響及機構投資者異質性的調節作用。結果發現，企業披露的數據資產信息越多，企業價值會越大。從機制路徑來看，數據資產信息披露通過提高信息透明度、吸引技術型人力資本以及緩解融資約束提升企業價值。而且壓力抵制型機構投資者發揮著正向的調節效應，壓力敏感型機構投資者沒有發揮調節效應。此外，異質性分析發現數據資產信息披露對企業價值的促進作用在金融科技數字化發展水平較高地區的企業、行業內競爭程度高的企業、高科技屬性的企業以及研發強度高的企業中尤為顯著。

基于上述結論，本文提出以下建議：(1)對于政府部門而言，第一，由于數據資產信息披露正向影響著公司價值，相關部門應當加快完善我國上市公司數據資產相關信息披露的制度準則，通過準則的制定統一披露數據資產信息的標準，從而對企業數據資產信息披露進行正確引導，減少披露的隨意性，增強可靠性與可比性。第二，為促進數據資產快速發展，政府需要快速建立數據資產確權和數據資產保護制度以保護企業和個人數據知識產權及財產權，并且完善數據資產交易機制以促進數據資產市場化交易。第三，政府一方面應當加大政策優惠力度，努力打造良好投資環境，大力培育更多壓力抵制型機構投資者，助力企業引入規模更大以及數量更多的壓力抵制型機構投資者，并且鼓勵企業提升壓力抵制型機構投資者的話語權，使企業重視其提出的建議。另一方面，應對壓力敏感型機構投資者進行引導，促進其長期、穩定持股，使其充分發揮信息傳遞與監督職能，促進企業良好持續發展。(2)對于上市公司而言，第一，上市公司應加強數據資產的開發、分析與應用，拓展數據資產的交易業務，促進企業價值提升。第二，上市公司應當提高數據資產信息披露水平，加強數據資產信息披露的及時性、完整性和可靠性以便疏通信息傳遞過程中的“堵點”，減弱信息不對稱帶來的不良影響，完善企業、高端研發人才以及投資者等微觀主體之間的信息傳導機制，進而降低融資成本以及吸引高端研發人才，更好地促進企業價值創造。第三，上市公司應加大研發力度，使得數據資產信息披露創造更高的價值，尤其是金融科技數字化發展水平較高地區的企業、高科技屬性企業以及行業內企業競爭程度高的企業。