數字化能否提升危機期間農林企業的韌性？

王鋼 趙霞

摘要：在新冠疫情暴發和外部環境不確定因素增加的背景下，數字化已經成為農林企業增強韌性應對危機、實現進一步發展的關鍵驅動力。基于新冠疫情暴發的現實情況，文章探討了數字化對危機期間農林企業韌性的作用機制及影響。運用2019-2022年農林企業中174家A股上市公司的日度數據，通過構建面板固定效應模型，估計了企業的數字化賦能效應，同時采用雙重差分法、傾向得分匹配法以及變量替換法對實證結果進行穩健性檢驗。研究表明：（1）數字化能顯著增強危機下的農林企業韌性，短期樣本和長期樣本的影響系數均在1%的顯著性水平上通過了檢驗。（2）長短期樣本內林業企業數字化賦能效應的影響系數分別為0.0093和0.0122，均弱于非農林企業，且小規模企業和非國有企業從數字化中獲取的邊際收益相對更多。（3）數字化通過提升用工靈活性和生產智能化水平，降低了農林企業在不利環境下的運營風險，增強了應對危機的能力。（4）推進數字化的農林企業在新冠疫情期間分別額外獲得0.0118%的短期收益率和0.0188%的長期收益率，即企業數字化賦能效應的長期效應強于短期效應。基于研究結論，文章提出政策啟示：一是要為農林企業的數字化轉型創造有利條件；二是要給予小規模和非國有農林企業數字化轉型更多的資金支持和技術支持；三是要注重農林企業在用工靈活性和生產智能化方面的數字化投入；四是要支持農林企業制定數字化轉型的長期戰略規劃。

關鍵詞：數字化；農林企業；企業韌性；新冠疫情

中圖分類號：F49；F324；F832.51文獻標識碼：A文章編號：1673-338X（2023）08-072-25

基金項目：國家自然科學基金面上項目“面向企業社會責任的多渠道生鮮農產品供應鏈協調機制研究”（編號：71871110），浙江省哲學社會科學規劃課題“數字技術賦能浙江中小企業供應鏈復原力：機制、效應及優化路徑”（編號：23NDJC412YBM），浙江省社科聯研究課題“數字化賦能浙江省中小企業經營韌性的邏輯與路徑研究”（編號：2024B090）。

Can Digitalization Improve the Resilience ofAgricultural and Forestry Enterprises during Crisis？

——Evidence from Data of 174 Listed Companies

WANG Gang1，2ZHAO Xia2

（1 School of Finance and Economics， Zhejiang Industry Polytechnic College， Shaoxing 312000； 2 Institute of Food Economy， Nanjing University of Finance and Economics， Nanjing 210023）

Abstract：In the context of the spread of the COVID-19 and the increase of uncertainy in the external environment， digitalization has become a key driving force for agricultural and forestry enterprises to enhance resilience to cope with the crisis and achieve further development. Based on the COVID-19 outbreak， the article explored the mechanism and impact of digitalization on the resilience of agricultural and forestry enterprises during crisis. Based on the daily data of 174 A-share listed agricultural and forestry enterprises from 2019 to 2022， the article estimated the digital empowerment effect of the enterprises by constructing a panel fixed effects model. At the same time， the robustness of the empirical results was tested by using the double difference method， propensity score matching method， and variable substitution method. Research showed that：（1）Digitalization could significantly enhance the resilience of agricultural and forestry enterprises under crisis， and the impact coefficients of both short and long sample periods had passed the significance test at the 1% level.（2）The impact coefficients of digital empowerment effects on forestry enterprises during the long and short sample periods were 0.0093 and 0.0122， respectively， which were weaker than non-forestry enterprises. Moreover， small-scale enterprises and non-state enterprises had relatively greater marginal benefits from digitization.（3）Digitalization could reduce the operational risks of agricultural and forestry enterprises in adverse environments and enhance their ability to respond to crisis by improving labor flexibility and intelligent production levels.（4）Agricultural and forestry enterprises that promote digitalization would receive an additional short-term return rate of 0.0118% and a long-term return rate of 0.0188% during the COVID-19 period， respectively. This meant that the long-term effect of enterprise digitalization empowerment was stronger than the short-term effect. Based on the research findings， the article proposed policy implications： firstly， to create favorable conditions for the digital transformation of agricultural and forestry enterprises. Secondly， to provide more financial and technical support for the digital transformation of small-scale and non-state agricultural and forestry enterprises. Thirdly， to pay attention to the digital investment of agricultural and forestry enterprises in terms of labor flexibility and production intelligence. Fourthly， to support agricultural and forestry enterprises in formulating long-term strategic planning for digital transformation.

Key Words：digitalization；agricultural and forestry enterprises；enterprise resilience；COVID-19

1引言

農林企業作為新型農林業經營主體的重要組成部分，是國民經濟的支柱。截至2022年底，全國有縣級以上農業龍頭企業9萬家，國家重點農業龍頭企業1959家，其中包含677家國家林業重點龍頭企業①。以農林龍頭企業和重點企業為代表的廣大農林企業的發展狀況關系著鄉村振興戰略目標的達成和農林業現代化高質量發展的實現，對繁榮農村經濟、促進農林業生產發展、農民富裕等方面有著舉足輕重的作用（魏后凱等，2022）。習近平總書記在不同場合多次強調“農業強國是社會主義現代化強國的根基”，2014年4月4日，習近平總書記在參加首都義務植樹時指出“林業建設是事關經濟社會可持續發展的根本性問題”。隨著現代農林業的發展，依托于數字強國戰略的實施，數字化正在持續融入農林業的生產、銷售和治理的全過程，為農林業的持續發展提供源源不斷的動力，成為助推農林業高質量發展的重要引擎。目前，數字經濟對整個農林業的參與率僅為10%，遠低于非農行業的65%，農林業數字化在未來存在巨大的發展潛力②。

2020年初，新冠疫情暴發對社會經濟造成了極大沖擊，各行各業均受到了不同程度的影響，作為立國之本的農林業也概莫能外。新冠疫情下國內農林業的生產經營都承受著巨大的壓力，不僅供應鏈中后端的農林產品流通和銷售環節頻頻遇阻，供應鏈前端的生產活動也存在人員感染、原料短缺、物流中斷等方面的困難。作為我國國民經濟重要組成部分的農林業，不僅屬于勞動密集型和資源密集型產業，而且極易遭受自然災害、市場環境變化等因素的影響，具有典型的弱質性和外部性特征。當前，全球新冠疫情仍未消弭，頻發的自然災害、貿易壁壘以及地緣政治沖突為本已緊張的全球供應鏈帶來更多不確定因素，外部環境的不穩定很有可能會讓國內廣大農林企業陷入經營困境，進而動搖整個國家的經濟發展基礎。受新冠疫情事件啟發，增強農林企業韌性的重要性變得日益突出，如何進一步提升農林企業韌性以增強其應對不穩定經營環境的能力也就成為實現現代農林業高質量發展的重要研究課題（葉興慶等，2020）。在此背景下，我們需要進一步思考，在數字化改革浪潮下，數字化能否幫助農林企業提升應對危機的能力？是否有助于改善農林企業在危機下的經營狀況？本文擬從新冠疫情沖擊下的企業韌性視角探討農林企業的數字化價值，深入研究上述問題對農林企業的數字化轉型和增強其應對危機的能力具有現實意義。

鑒于此，本文以174家農林上市公司為研究對象，研究在面對以新冠疫情為代表的危機時，數字化對農林企業韌性的作用機制及影響，并對此做出相應解釋。本文的結構安排：首先，探討重大風險事件下數字化賦能農林企業韌性的作用機制；其次，基于宏觀和微觀兩個視角對樣本數據進行描述性統計，從經濟數據和企業財務數據的波動中獲取新冠疫情沖擊影響的現象證據；再次，實證分析危機期間農林企業數字化賦能效應并作穩健性檢驗和機制檢驗；最后，依據實證分析結果進行討論分析，并得出相應的政策啟示。

本文的邊際學術貢獻：第一，目前國內外學者對于企業數字化賦能效應的研究，一方面多側重于正常經營環境下的探討，另一方面多以整體上市公司和制造業企業為研究對象，而未關注新冠疫情帶來的影響，也不太重視農林企業數字化賦能。本文重點關注了企業數字化在重大風險事件下的價值，尤其是農林企業在危機期間的數字化賦能機制和影響。第二，多數研究普遍未考慮到新冠疫情對企業數字化賦能的影響，現有研究多采用普通最小二乘法進行分析，導致無法客觀衡量數字化對于危機期間企業韌性的賦能效應。本文結合樣本企業年度數據和日度數據構建起固定效應模型，以考察危機前農林企業數字化水平對危機期間企業韌性的影響。第三，在傳統的“降本增效創新”視角之外，基于新冠疫情對企業產生的特質影響，本文進一步從用工靈活性視角檢驗數字化影響企業韌性的作用機制。深入探討重大風險事件下農林企業的數字化價值，有助于農林企業數字化水平的進一步提升，助力農林業現代化的高質量發展，也為理解企業數字化作用增添新的案例。

2文獻回顧與評述

目前，數字技術作為一種新型生產要素被廣大企業運用，而企業數字化則被視為數字技術在企業運營過程中的應用，通過在制造、銷售和管理等方面實現數字化，增強產品競爭力，優化企業管理結構，進而實現企業的增值（Ardolino et al.， 2018）。國內外學者已經從產品創新、流程優化、運營績效和組織結構等多個方面對企業的數字化轉型作用開展了研究（Lin et al.， 2019；郭景先等，2022；齊瑞福等，2022；王博等，2023）。其中，郭景先等（2022）以2010-2019年A股上市公司為研究對象，考察了數字化對企業創新效率的影響，得出數字化能顯著促進企業創新效率的結論；齊瑞福等（2022）利用2011-2020年期間A股上市公司的面板數據對企業數字化的賦能效應進行分析，認為數字化能通過降低運營成本和提升運營效率對企業的組織效率進行賦能；王博等（2023）同樣基于2011-2020年A股上市企業數據，采用企業環境績效和財務績效相結合的方式驗證了數字化對企業可持續發展績效的正向影響。現有研究普遍認為數字化轉型不僅有助于企業降低成本、提升績效，更有助于企業變革組織架構、增強創新能力，幫助企業實現高質量發展。在農林業領域，雖然部分學者分析了數字化對農林企業在提升生產運營效率、提高產品質量、拓寬市場銷路等方面的作用（Cette et al.， 2022；謝康等，2022；李曉陽等，2023），但針對農林企業數字化價值的研究尚不夠全面，也不夠深入，特別是針對危機期間農林企業數字化價值的研究尤為鮮見。

近年來，一些學者關注到新冠疫情期間的企業數字化轉型。例如，凌華等（2023）選取2010-2021年中國滬深A股上市公司為研究樣本，通過構建固定效應模型實證檢驗了數字化轉型對企業持續性創新的影響；陳旭等（2023）以2011-2021年中國全行業上市企業數據為樣本，采用最小二乘法回歸檢驗了數字化水平和企業韌性之間的關系。這些研究雖然關注到新冠疫情期間的企業數字化價值，但仍局限于“降本增效創新”傳統作用機制的分析，未能對不同經營環境下的企業數字化賦能機制進行更多挖掘。此外，隨著研究的深入，部分學者也對已有的研究結論產生質疑。Hajli等（2015）認為，數字化轉型和企業經營表現的關系并非呈直線關系，在某些時間段甚至出現不顯著相關的現象；白福萍等（2022）認為，數字化轉型不僅會抑制企業財務績效的提升，還會增加部分企業的投入成本，進而影響企業經營的總體表現；Mina等（2022）認為，在不穩定環境下，數字化能通過生產智能化和辦公靈活性，顯著增強企業的市場反應能力，“降本增效”不再是企業在危機期間生存和發展的首要關鍵因素。對此，張繼德等（2023）通過對企業數字化轉型相關文獻的梳理，發現除了研究對象不同外，經營環境的不同很可能是導致不同學者研究結論不一致的重要影響因素。

國內外學者從多個維度分析數字化對于企業韌性的賦能效應，取得豐碩成果，也為本文提供了有益的借鑒和啟發。但通過對現有文獻的進一步梳理，發現存在三個方面的不足。一是目前關于企業數字化價值的研究多以正常經營環境為背景，對于危機期間數字化賦能企業韌性的討論不足；二是對于農林企業數字化轉型的關注度較為欠缺，尤其鮮見針對危機期間農林企業數字化賦能效應的研究；三是目前研究習慣于從“降本增效創新”這一傳統視角分析企業的數字化價值，未能對危機期間企業數字化賦能機制進行深入剖析。此外，現有文獻對于企業數字化賦能“時間效應”的研究也僅停留在影響的持續性方面，有必要做進一步的驗證。

綜上所述，本文借助新冠疫情這一外生突發事件，研究危機期間數字化賦能農林企業韌性的作用機制及影響，對于現有研究進行一定程度上的補充和深化。

3理論分析框架與研究方法

關于數字化轉型對企業韌性的影響，國內外學者已經從多個角度開展理論和實證研究。本文在借鑒已有研究的基礎上，深入剖析危機期間數字化賦能農林企業韌性的作用機制，據此提出研究假設，選擇合適的研究方法進行估計和檢驗。

3.1理論分析

為深入研究數字化對農林企業韌性的賦能效應，除了從傳統的“降本增效”路徑和創新渠道分析數字化對農林企業韌性的賦能效應，本文一方面從用工靈活性這一新的視角探討危機期間農林企業的數字化賦能路徑，另一方面還考慮到時間價值的可連接和可積累性帶來的影響。

3.1.1數字化通過“降本增效創新”渠道賦能農林企業韌性

長期以來，農林業生產對于自然資源的依賴性較高，且經營方式單一，弱化了農林企業在面對外部環境不利變化時的抗壓性。利用數字技術，強化農林企業經營韌性，成為促進農林企業高質量發展的一大趨勢。

現有研究普遍認為數字化能通過“降本增效創新”渠道對企業賦能，助其獲得更好的經營優勢。在“降本”方面，隨著數字經濟的發展，企業會通過機器設備對低端勞動力的替代實現內部資本化，達到節約成本并獲取更高利潤的目的。根據要素替代理論，資本勞動比的不斷提升，不僅能進一步優化企業內部的投入要素結構，還能有效降低委托人和被委托人、管理者和普通員工之間的監督代理成本（趙玲等，2022），提升部門和人員之間的溝通與協作，從而實現企業運營成本下降（馬述忠等，2022）。近年來，基于數字技術營造出的開放、共享、協同的新型商業模式，更有助于農林企業降低產品詢價、資源匹配、營銷渠道拓展等方面的交易成本。在“增效”方面，數字化有助于企業不斷提升自身對內外部資源的協調和配置能力，提高企業的生產運營效率（張正平等，2022）。同時，數字技術的廣泛應用使企業能夠釋放更多的勞動力專注于更高價值的生產經營活動，實現生產效率、營銷效率和管理效率的提升。在“創新”方面，賦有強滲透屬性的數字技術能有效消除信息傳遞障礙，加快創新知識在市場主體間傳播和外溢的速度，促進企業對于創新知識的完全吸收。在此基礎上，企業借助數字化通過人力資本積累效應、知識溢出效應以及創新要素配置優化效應提升創新效率，進而增強產品及服務的市場需求黏性（Acemoglu et al.， 2020）。在這個過程中，農林企業就能借助5G、物聯網、高性能計算以及人工智能等數字技術手段實現在裝備、產品、技術以及渠道等多方面的創新。據此，提出假設H1。

H1：在面對不利的外部環境時，數字化有助于為農林企業創造更有利的經營條件，增強其在危機下的韌性。

3.1.2數字化通過提升用工靈活性和自動化生產水平賦能農林企業韌性

鑒于新冠疫情事件的特殊性，數字化對于危機期間農林企業韌性的影響可能異于傳統的降本增效路徑和創新渠道。社交距離、區域封控、靜態管理、區域靜默等新冠疫情防控措施使市場供需雙方都遭受了沖擊。以中國東部某農業大省為例，新冠疫情的直接沖擊以及由此引發的一系列防疫措施對農業的影響廣度達80%，尤其是對食品加工業、畜禽水產養殖業、林業及果蔬業等均產生了嚴重的負面影響（孟光輝等，2020）。新冠疫情期間，生產自動化和用工靈活性對于企業而言至關重要，是企業在危機期間能否具備有利經營條件的重要邊際（Bai et al.， 2021）。

數字技術具有無形性，借助互聯網平臺可以不受時間、空間的限制進行訪問和信息傳輸，通過實現在線辦公、降低人員接觸和智能化管理等途徑提升企業用工靈活性，增強企業經營韌性（張新民等，2022）。根據組織變革理論，數字化降低了企業組織架構由集權式向分權式轉變的門檻。借助數字技術跨越時空的優勢，以人工智能、大數據與物聯網為基礎特征的企業數字化已能夠實現虛擬在線交流替代線下交流，幫助企業員工在遠程辦公的同時保持與客戶和供應商的及時溝通，從而減弱外部環境變化帶來的不良干擾（翟淑萍等，2022）。數字化也使得企業得以突破傳統辦公場景空間的限制，工作場景的多元化有助于企業打造靈活且高效的工作環境，進而在一定程度上幫助企業抵消外部風險沖擊導致的產出下降風險（Bloom et al.， 2021）。同時，OA、ERP及DCS等智能辦公軟件實現了對生產、銷售、加工等過程中信息的數據化、結構化和標準化，提升內部信息的傳遞效率，也增強企業對信息獲取、信息轉換、信息重構的能力，進而幫助企業快速應對市場變化（Ding et al.， 2020）。

根據要素替代理論，數字經濟推動了自動化生產技術載體的快速發展，為農林企業在危機期間保持生產經營創造了條件。在新冠疫情期間，智能化設備的使用減少了人員的密集接觸，以自動化生產線為代表的智能化生產模式減少了人員聚集，降低了新冠疫情傳播的風險，弱化了企業遭受外部環境不利變化的影響，最終幫助企業實現危機期間的持續經營（劉淑春等，2021）。據此，提出假設H2。

H2：通過提升危機期間的用工靈活性和智能化生產水平，數字化有助于降低企業在不利環境下的經營風險，提升企業韌性。

3.1.3時間價值對于數字化賦能農林企業韌性的影響

在數字時代，隨著時間的推移，信息技術迭代融合過程呈加速狀態，企業處理問題的能力也得到大幅度提升，時間價值的可連接和可積累特性得到凸顯（？kare et al.， 2021）。企業的數字化轉型是一個長期、持久且不斷遞進的過程，在這個過程中時間價值的可連接特性一方面使得“技術+要素”的融合對后續生產經營產生的影響會在時間維度上得到延伸，另一方面則會通過數字技術的持續迭代對企業生產經營產生持續性影響，而時間價值的積累特性又會進一步延伸、擴散且積聚這種持續性影響，從而不斷顯化企業的數字化價值。具體而言，數字技術應用時間越長，越能幫助企業構建起自身的技術壁壘、保持市場領先者地位、弱化外部環境變化對自身經營的不利影響，也越有助于為企業解決經營問題提供更為有效的解決方案、增強企業經營韌性（趙星等，2023）。此外，根據學習效應理論，企業工作人員在熟悉新生產技術和管理流程的過程中會積累豐富經驗，促使企業生產運營成本下降，進而凸顯企業數字化轉型的賦能效應。據此，提出假設H3。

H3：數字化對企業韌性的賦能存在“時間效應”，長期效應強于短期。綜上所述，數字化賦能農林企業韌性的機理如圖1所示。

3.2研究方法

本文重點研究危機來臨前企業數字化水平對危機期間農林企業韌性的影響，通過估計數字化水平對企業股票收益率的影響進行考察。固定效應能夠控制企業層面、省域層面和時間層面無法確定的因素，也能有效減少遺漏變量帶來的誤差，有助于緩解模型估計的內生性問題。因此，在理論上，本文在模型中加入企業固定效應項以及省份和日度的交互固定項，能夠控制企業層面和省份層面隨時間變化的動態因素的影響，用固定效應模型探究危機前企業數字化水平對危機期間企業韌性的影響較為合理。在檢驗方面，本文也通過豪斯曼檢驗證明固定效應模型優于隨機效應模型。參考Levine（2018）、Gebauer等（2020）的研究思路，相應的模型設定如式（1）所示。

被解釋變量Returnit表示企業i在t時間的股票收益率，主要通過對比新冠疫情暴發前后股票收益率的變化來評估農林企業韌性（Albuquerque et al.， 2020）。企業股價能實時且直觀地反映出企業的基本面和未來的發展前景，當市場投資者認為新冠疫情會對目標企業后續營收產生較大影響時，就會通過提前賣出所持股票以盡可能降低持有損失，繼而造成股票收益率下降；反之，如果投資者預期數字化能幫助企業增強應對危機的能力，企業就能獲得相對更高的股票收益率（吳非等，2021）。股票收益率雖然本身并不能完全代表一家企業的基本面和未來發展前景，但是代表了多數投資者對于目標企業未來發展前景的認可度。在數字化大趨勢下，上市公司數字化信息披露越多越充分，投資者就越愿意購入和持有股票以表達對該公司發展前景的認可（郭元源等，2022）。

解釋變量DTSi表示企業i在新冠疫情暴發前的數字化水平，主要通過測算企業年報中與數字化相關的關鍵詞詞頻來衡量。在具體操作層面，本文借鑒戚聿東等（2020）基于企業數字化關鍵詞構建企業數字化指標的思路，把企業數字化分為人工智能技術、云計算服務技術、流程優化技術、大數據分析技術以及數字技術五大類，企業數字化轉型指標的構建就以包含在這些方面的企業數字化關鍵詞為基礎。由于企業年報在不同數字化階段出現相關關鍵詞詞頻存在起伏現象，僅僅通過計算關鍵詞總數來衡量企業的數字化水平，既不夠準確也缺乏橫向比較參考標的。為了保證分析結果的可靠性，本文以2017-2019年數字化關鍵詞出現的總頻率與企業所在行業關鍵詞總頻率之比來衡量企業數字化程度，DTS值越大說明企業的數字化受重視程度越高，企業的數字化程度也就越高。

控制變量CONTROLSit具體包括企業市值（ln emv）、個股交易金額（ln sta）、個股交易數和流通市值之比（Liquidity），？表示相應的回歸系數。CONTROLSi則包括企業規模（Size）、上市公司年齡（Age）、企業資產負債率（Lev）、資產報酬率（Roa）、現金持有比例（Cash）、固定資產比重（Fixed）、資本性支出（Captial）、股權性質（Ownership）以及市場出口（Export）。

4數據來源、典型事實描述及描述性統計

借鑒目前多數學者的研究思路，本文主要采用農林業上市公司數據進行分析，數據來源于萬得數據庫和中國經濟金融研究數據庫。在模型估計前，通過描述性統計和典型事實描述對新冠疫情沖擊影響進行現象觀察，以此為本文研究結論提供現象證據。

4.1數據來源

參考《上市公司行業分類指引（2012年修訂）》，同時考慮到上市公司經營方向的多元化，本文將農業業務營業收入比例大于等于30%的上市公司納入樣本，共計174個樣本。本文所述農業指的是廣義的農業，包括種植業、林業、畜牧業、漁業、副業五種產業形式。為了方便分析且不影響結論，根據證監會2012版行業分類，本文將歸屬于林業（A02）和木材加工及木、竹、藤、棕、草制品業（C20）的企業劃入林業企業組，共計43家；歸屬于農業（A01）、畜牧業（A03）、漁業（A04）以及農林牧漁服務業（A05）的企業劃入非林企業組，共計131家。為了盡可能多地獲取樣本觀察數據，同時能對新冠疫情前后企業經營表現進行比對，本文設定數據時間范圍為2019年12月1日至2022年12月31日。在剔除ST股、PT股以及關鍵變量數據缺失嚴重的樣本后，篩選出了174個上市公司共127756個公司日度觀測值，其中包含43家林業上市公司31264個公司日度觀測值。參考肖土盛等（2020）的方法，本文選擇國家衛生健康委員會將新型冠狀病毒感染納入乙類傳染病的時間點即2020年1月20日作為事件日。

需要指出的是，相較目前部分研究采用的定點觀測樣本量，本文采用的上市公司樣本單位數雖然相對偏少，可能存在樣本覆蓋面窄的問題，但具有指標數據全面和數據頻率足夠的優勢，能利用更豐富的數據進行模型估計，得出相對可靠的分析結果。同時，上市公司是企業群體中的優秀代表，代表著行業發展的最新動態，可基本反映農林企業數字化水平及其對企業韌性的賦能效應，以期為廣大農林企業的數字化改革提供一定的參考。

4.2描述性統計

本文對日度指標進行了不同時間窗口期的描述性統計，以此更為全面地了解樣本企業在危機期間經營表現的變化情況。不同時間窗口期的描述性統計結果如表1所示。

根據表1，從日度指標看，截至2020年12月的股票收益率均值為0.16%，中位數為0.04%；截至2022年12月的股票收益率均值為0.12%，中位數接近于0。比對新冠疫情前后財務數據變化趨勢，新冠疫情后股票收益率均值呈下降趨勢，截至2020年12月和截至2022年12月這兩個時間點的股票收益率均值分別較截至2019年12月這一時間點下降27.27%和45.45%。相應地，股票收益率標準差也由新冠疫情前的0.0253上升到新冠疫情后的0.0325附近，呈擴大化趨勢。根據2018年和2019年企業數字化水平的均值情況，樣本企業數字化中位數僅為0.0022，表明企業數字化水平整體偏低，具有較大提升空間。

2018-2022年期間，農林業兩組企業的數字化水平總體上呈逐年上升趨勢，尤其自2020年以來數字化轉型步伐明顯加快，說明新冠疫情事件的沖擊在一定程度上強化了農林企業的數字化轉型動力，相關信息如圖2所示。

4.3典型事實描述

為了全面且客觀地分析數字化對于危機期間農林企業韌性的影響，除了對數字化指標和財務指標進行常規的描述性統計，本文還從宏觀和微觀兩個視角觀察了新冠疫情帶來的負面影響。

4.3.1宏觀視角下的事實描述

2019年底國內新冠疫情病例初現，之后病例數量呈快速攀升態勢。對此，全國各級、各地政府紛紛啟動公共衛生事件一級響應，由此引發的停工停產、區域封控、全域靜默等一系列嚴格的新冠疫情防控措施對社會經濟運行產生了較大沖擊。如圖3所示，累計報告病例雖然由新冠疫情暴發伊始的11790例迅速上升到了79824例，但在隨后全國各地嚴格的新冠疫情防控措施的嚴格落實下，新冠疫情得到了較好的控制。截至2021年12月份，報告病例數為102314例。

受新冠疫情蔓延及由此引發的嚴格防控措施，對社會經濟運行產生了極大的沖擊。如圖4所示，企業家信心指數和企業景氣指數均在2020年3月左右達到低點，同年6月至9月期間開始逐步恢復至新冠疫情前水平，這表明全國新冠疫情防控措施有效性的同時，也說明了國內企業普遍存在著較高的經營韌性。在此次新冠疫情沖擊下，農產品市場受影響較為明顯，農產品生產者價格指數在2020年3月左右達到了139的高位，說明農產品市場供應鏈必定受到了某種沖擊。此外，受農事活動的季度性因素和新冠疫情因素的雙重影響，2020年全國農林業第一季度產值也遭遇了低谷。其中，2020年農業第一季度產值同比增長7.34%，較2019年度下降了1.81個百分點，而2020年林業第一季度產值同比增長僅為0.11%，較2019年度下降了6.41個百分點。2020年初農林業季度產值的下降，在一定程度上也表明新冠疫情暴發對農林業經濟的沖擊，其中對于林業經濟的沖擊影響尤為明顯。

4.3.2微觀視角下的事實描述

新冠疫情前后非林業樣本企業營收同比增長率如圖5所示，新冠疫情前后林業樣本企業營收同比增長率變化如圖6所示。

參考史丹等（2022）的研究，分別對非林企業和林業企業兩組樣本企業制作散點圖以觀察新冠疫情暴發對企業經營的影響。圖5和圖6均顯示，2018年第四季度前后營收同比增長率均值位置相近，意味著2018年第四季度前后樣本企業經營狀況并未有大的變化；2019年第四季度前后樣本企業平均營業收入“實線”之間出現了明顯的“斷層”，前后時間營收“實線”斜率也存在明顯變化。對比2019年第四季度前后，一方面2019年第四季度后的營收同比增長較第四季度前出現了明顯的下滑，且上升速度緩慢，未能在相同時間達到新冠疫情前水平；另一方面2019年第四季度前相對平緩的營收“實線”轉變為2019年第四季度后相對陡峭的營收“實線”，意味著新冠疫情暴發前后營收增長存在明顯的不同。這種現象的出現，很可能是由于新冠疫情沖擊所致。通過對圖5和圖6的進一步比對，2019年第四季度后林業企業營收“實線”較非林企業更為平緩，從側面說明新冠疫情沖擊下林業企業相對較慢的營收恢復速度。

新冠疫情前后非林樣本企業凈利潤同比增長率如圖7所示，新冠疫情前后林業樣本企業凈利潤同比增長率如圖8所示。圖7和圖8顯示，2018年第四季度前后兩組樣本企業凈利潤同比增長率“實線”均存在一定的對稱性，這表示圍繞2018年第四季度左右對稱時間點上的企業凈利潤同比增長率大致相同，也即2018年第四季度前后樣本企業凈利潤同比增長率并未出現明顯的趨勢性變化。相比之下，圖7和圖8右側2019年第四季度前后凈利潤同比增長率變化均較為明顯，具體表現在2019年第四季度之后企業凈利潤同比增長率出現了大幅度下滑，且在隨后的時間出現持續性下降的現象。2019年第四季度前后企業凈利潤同比增長率走勢變化，也為新冠疫情沖擊影響提供了現象性證據。通過進一步比對圖7和圖8樣本企業凈利潤同比增長率的方向和斜率，同樣顯示出林業企業較非林企業的經營韌性更弱。

5經驗性結果

在模型選擇基礎上，根據所搭建的固定效應模型，對選取的變量和數據進行實證分析。首先，對數據進行多重共線性檢驗、單位根檢驗以及平行趨勢檢驗，以排除多重共線性偽回歸以及樣本選擇偏差的情況；其次，利用Stata 15.1軟件進行基于固定效應模型的基準回歸分析，通過雙重差分法、傾向得分匹配法、變量替換法以及工具變量法對估計結果進行穩健性檢驗和內生性檢驗；最后，根據行業劃分、企業規模和股權性質作異質性分析，并針對實證結果作進一步解釋。

5.1多重共線性檢驗

為了得到更為準確且客觀的分析結果，有必要對各變量進行多重共線性的檢驗。各變量方差膨脹因子（Variance Inflation Factor， VIF）如表2所示，各解釋變量的方差膨脹因子均值為1.45，最大值為2.34，最小值為1.08，均小于5，表明各變量之間不存在多重共線性問題。

5.2面板數據單位根檢驗

在進行模型檢驗前，還需要對面板數據進行單位根檢驗，以防止出現偽回歸現象。由于本文樣本量相對較大，因此本部分內容使用Fisher-Pperron中反卡方（P）、反法向（Z）、反Logit轉換組合P值（L*）以及反卡方法的改進形式（Pm）這四種方法進行檢驗。一般而言，變量通過檢驗數量大于2時，數據可視為平穩。根據Fisher-Pperron單位根檢驗結果，所有變量基本通過了至少3種及以上的單位根檢驗，因此數據較為平穩。

5.3平行趨勢檢驗

為了檢驗數字化對樣本企業在新冠疫情沖擊前后股票收益率的影響是否存在顯著差異，確保是否存在樣本選擇偏差問題，在基準回歸前還有必要做進一步的平行趨勢檢驗。表3為平行趨勢檢驗結果，其中模型（1）和模型（2）中的before1和before2分別表示新冠疫情暴發前1個月和2個月的虛擬變量，兩者系數均未通過顯著性檢驗，意味著新冠疫情暴發前數字化開展與否并未能顯著影響到樣本企業的股票收益率，這也從側面凸顯出危機期間的數字化價值。

圖9進一步展示了相應的平行趨勢檢驗結果，表明通過了平行趨勢檢驗，也說明了本文的實證研究設計較為合理。

5.4基準回歸分析

表4為基準回歸結果，主要考察危機前企業數字化水平對危機后企業韌性的影響。其中，模型（1）至模型（3）估計結果采用的樣本數據時間截至2020年12月31日，模型（4）至模型（6）估計結果采用的樣本數據時間截至2022年12月31日。根據估計結果，模型（1）至模型（6）中數字化水平和沖擊時間的交互項系數均在1%的顯著性水平上通過了檢驗，表明數字技術應用能顯著增強樣本企業韌性，表現為更高的股票收益率。受新冠疫情影響，人員流動受限、農產品流通渠道不暢以及產業鏈受阻等因素使得農林企業的生存和發展受到了挑戰。對此，數字技術在生產、銷售以及管理等環節的融合應用，幫助農林企業降低渠道成本和市場開拓費用，提升生產運營效率，并通過產品創新和結構優化增強市場需求黏性，極大地改善了企業在危機期間的經營狀況。這一結論也為我國加大農林業領域數字基礎設施建設、持續推進智慧農林業發展提供了理論依據。

在股票市場，樣本企業年報出現數字化關鍵詞越多，向市場釋放數字化轉型信息越充分，給予市場穩定經營的預期就越強烈，投資者也就更愿意投資并持有這部分上市公司股票。全國工商聯經濟服務部和國家發展和改革委員會宏觀經濟研究院在2022年發布了《2022中國民營企業數字化轉型調研報告》（以下簡稱《報告》），《報告》顯示78.83%的企業認為數字化在新冠疫情期間發揮了顯著作用，其中第一產業中74.11%的調查企業認為數字化轉型成效較為顯著，在一定程度上佐證了上述結論。

在加入控制變量后，模型（3）中數字化水平和沖擊時間的交互項系數為0.0113，企業數字化水平每增加一個標準差（0.0243），目標企業在新冠疫情期間獲得的股票收益較新冠疫情前增加0.0273%，相當于相應觀測期間股票收益率均值的17.1628%。而從均值層面觀察，數字化水平均值為0.0038，相較數字化水平為0的企業，推進數字化的農林企業平均意義上于新冠疫情期間將獲得額外0.0118%的短期收益率（樣本時間截至2020年12月31日），相當于短期股票收益率均值的7.7351%。模型（6）的核心解釋變量系數為0.0142，可見數字化能在更長時期增強企業韌性，目標企業在新冠疫情期間獲得的股票收益較新冠疫情前增加0.0304%，相當于相應觀測期間股票收益率均值的24.7104%。從均值意義上看，新冠疫情期間數字化農林企業相比未開展數字化企業能夠獲得額外0.0188%的長期收益率（樣本時間截至2022年12月31日），相當于長期股票收益率均值的15.6667%。比對不同時間窗口期下的回歸結果，數字化能顯著增強危機期間的企業韌性，且長期賦能效應強于短期效應。

對于企業而言，數字化轉型是一項涉及數據、技術、流程、組織等一系列要素的系統性工程。從短期角度來看，數字化往往聚焦于生產運營過程中某一環節問題的解決，“技術+要素”的融合受時間和范圍的限制，導致短期內企業數字化價值的體現存在局限性；從長期角度來看，企業的數字化更加側重于商業模式的創新性、管理流程的集約性以及人才結構的適配性等方面，數字技術應用時間越長，就越能幫助企業實現商業模式創新、業務流程重構、產品創新以及渠道開拓等，長期效益也就更加突出。這一結論也提醒了農林企業，尤其是受生態約束性更強的林業企業要把數字化轉型作為企業的長期戰略規劃，在不同發展階段要積極利用互聯網、大數據、云計算等數字經濟發展載體強化自身的數字化能力。當然，長短期賦能效應的比較視不同的時間尺度而定，需要后續研究在更長的時間跨度基于更多企業數據作進一步的驗證。

5.5穩健性檢驗和內生性檢驗

2020年暴發的新冠疫情是不可預料的公共衛生事件，對于企業而言并不能提前預知，企業在危機期間的應對表現主要由其在危機前的特征所決定（Fahlenbrach et al.， 2021）。為確保研究結果可靠，本部分采用雙重差分模型法、傾向得分匹配法以及變量替換法進行穩健性檢驗，同時使用面板工具變量模型進行內生性檢驗，以此解決由于遺漏變量、測量誤差、樣本選擇偏誤以及反向因果關系對研究結論產生的影響。

5.5.1穩健性檢驗

本文借鑒Albuquerque等（2020）的研究思路，采用雙重差分模型以緩解內生性問題。基于擴大融資規模、提升知名度以及股東減持套現等目的，上市公司存在通過披露年報信息進行策略性炒作或蹭熱點話題的動機（何德旭等，2022）。因此，企業年報中的數字化信息很可能會超前實際推進速度，僅憑年報信息中是否出現關于數字化關鍵詞就判斷企業是否具備數字化水平就略顯武斷，即如果直接將企業數字化水平是否為0作為標準對樣本企業進行組別歸類，很有可能會引起樣本的選擇性偏誤，此時的處理組企業很有可能就包含了非數字化企業。因此，為了盡可能提升企業數字化水平指標包含的信息量，本文設定了虛擬變量DTS_dum，將數字化水平排名前1/4分位數的樣本劃入處理組，剩余樣本劃入對照組。在此基礎上，將DTS_dum和time的交互項記為（數字化水平×沖擊時間）a，按照公式（1）進行模型估計。雙重差分模型方法估計結果如表5所示。

根據表5的回歸結果，模型（1）和模型（2）中（數字化水平×沖擊時間）a的交互項系數均在1%的顯著性水平上顯著為正，說明數字化確實存在對樣本企業韌性的顯著賦能作用。

本身經營狀況好的企業往往更有資本投資數字應用技術，也就擁有更大的調整空間推進企業數字化以促進企業實力的進一步提升，可見分析過程中有可能存在一定程度的樣本自選擇問題。對此，本文采用傾向得分匹配法緩解由樣本自選擇問題造成的估計偏誤。首先，按照前文的四分位數構造啞變量DTS_dum，卡尺范圍設定為0.50%；其次，選取企業資產規模、資產負債率、資產凈收益率、企業年齡、員工數量、企業性質以及所在行業類別作為協變量進行匹配；最后，刪除與匹配規則不相符的數據記錄，按照公式（1）進行回歸。回歸結果不僅依然穩健，而且相比表4的回歸結果更為顯著。

對于數字化水平的測度，本文進一步以不同窗口期（一年和五年）作為基準測算企業的數字化水平，以保證對危機前企業數字化水平測算的準確性，從而緩解由于測量誤差而引起的估計偏誤。此外，本文還更換了企業韌性的測算方式，分別采用現金紅利下的日度個股回報率和市場調整的企業股價收益率作為企業韌性的代理變量，相應的模型估計結果顯示以上結果與基準回歸結果總體一致。

進一步地，危機期間企業能從數字化中獲益多少要視其自身遭受外部沖擊程度而定。例如，新冠疫情相對嚴重地區采取的包括區域封控和靜默管理等防控措施就越加嚴厲，對于企業經營產生的負面影響也越大，這些地區企業的數字化就顯得格外重要。因此，本文刪除了觀測期間受新冠疫情影響最為嚴重的湖北省和黑龍江省的樣本數據，樣本變換后的估計結果仍然顯示數字化水平和企業韌性之間存在顯著的正向關系，分析結論較為穩健。

5.5.2內生性檢驗

經營狀況越好的企業越有能力投資數字化，而數字化水平越高的企業也越有能力通過降本、增效以及創新等渠道幫助企業獲得更好的經營狀況，可見企業韌性和數字化轉型可能存在潛在的內生性問題。由于上市公司往往是行業內最具代表性、最具成長性的領軍企業，在企業數字化轉型方面存在顯著的“同群效應”和“跟隨效應”，導致整個行業的數字技術應用平均水平具有較強的代表性，但卻又與本企業的經營發展不存在直接相關性，基于此，參考Cette等（2022）的研究，本文選擇了相應觀測期內行業內其他企業數字化水平均值作為工具變量。相應的內生性檢驗結果如表6所示。

根據表6的估計結果，長短樣本期內數字化水平和沖擊時間的交互項系數均顯著為正。同時，Kleibergen-Paaprk LM統計量在1%的顯著性水平上顯著，且Cragg-Donald Wald F值統計量大于Stock-Yogo弱工具變量識別F檢驗在10%的顯著性水平上的臨界值，說明回歸模型不存在識別不足和弱工具變量問題，工具變量選取有效，也表明基準回歸結果的穩健性。

5.6異質性分析

企業經營業務、資產規模以及股權性質的不同很可能會異化不同樣本企業的估計結果，本部分進一步從行業、規模和股權三方面就數字化對企業韌性的影響進行異質性分析。

5.6.1不同行業異質性分析

林業既是國家重要的公共事業，也是國民經濟重要的基礎產業，是大農業的重要組成部分。林業企業和農林企業雖然同樣具有弱質性和外部性，但經營業務的不同很可能會影響到危機期間企業數字化賦能作用的發揮。為了進一步了解數字化對危機期間林業上市公司韌性的影響，根據前文對于樣本企業的分組，本部分重點關注危機期間林業企業和非林企業數字化賦能的異質性，分析結果如表7所示。

表7中所有數字化水平和沖擊時間的交互項系數均在1%的顯著性水平上通過了檢驗，說明數字化對于林業和非林企業韌性的賦能作用均較為顯著。同時，長樣本期的核心解釋變量系數高于短樣本期，驗證了前文關于企業數字化長期賦能效應強于短期的結論。林業和非林業企業韌性雖然均受數字化的正向賦能，但經過進一步的比較，林業企業的數字化賦能效應弱于非林企業。導致這一結果的原因很可能是由于林業的市場化程度較農牧漁業低，弱化了企業內外部的數字化轉型驅動力以及企業本身對數字化轉型的重視程度，從而影響了林業企業數字化賦能作用的發揮。

5.6.2企業規模異質性分析

在企業規模方面，對標國家統計局印發的《統計上大中小微型企業劃分辦法（2017）》標準，本文將符合大規模企業標準的樣本劃入大規模企業組，其余樣本則劃入小規模企業組。通過劃分，樣本中屬于大規模企業的樣本數占比為64.67%，企業規模異質性分析結果如表8所示。

表8中，模型（1）至模型（8）中核心解釋變量系數均具備統計意義上的顯著性，表明數字化對于不同規模農林企業的韌性均具有顯著促進作用，且觀測期無論是短或長，數字化對于小規模農林企業韌性的賦能更為顯著。新冠疫情期間，大規模企業往往可以利用沉淀資源或憑借較高的供應鏈話語權獲得更多市場資源以應對外部環境的不利變化，而可用資源相對有限的小規模企業普遍更容易受到新冠疫情沖擊，經營活動更容易受到破壞。通過對數字技術的應用，農林企業不僅實現了信息資源對人力資源的替代進而降低人工和管理成本，還憑借互聯網營造社區電商、網絡直播等新的商業模式開辟新銷路，降低市場信息的匹配成本，受新冠疫情影響更大的小規模農林企業從數字化中獲取的邊際收益更高。此外，大規模企業自身的組織框架相對完善，已經形成了穩定的運營模式和管理模式，這就會給企業數字化發揮組織變革效應帶來更多阻力。而小規模企業組織層級少、人員構成簡單，更容易借助數字化轉型在短期內實現組織結構和運營模式的改變，更好地應對外部風險沖擊。

通過對林業企業組和非林企業組估計結果的比較，模型（1）至模型（4）的影響系數雖然普遍低于模型（5）至模型（8），但主要體現在大規模企業樣本，兩組小規模樣本企業的數字化賦能效應相對接近。相比大規模企業，小規模企業對于自然資源和社會資源的攝取能力較大規模企業弱，導致小規模企業具備相對較強的市場敏感性，其中主營加工、銷售、運輸以及旅游等方向的林業小規模企業尤其需要借助數字化渡過新冠疫情危機，從而表現出了較為顯著的數字化賦能效應。

5.6.3企業股權性質的異質性分析

上市公司股東是否存在國資背景，將會影響到公司獲取資源的程度和渠道。因此，有必要根據企業的股權性質的不同作相應的異質性分析，企業股權性質的異質性分析結果如表9所示。

表9顯示，模型（1）、模型（3）、模型（5）及模型（7）中數字化水平和沖擊時間的交互項系數均在1%的顯著性水平上顯著為正，而模型（2）、模型（4）、模型（6）及模型（8）中數字化水平和沖擊時間的交互項系數或不顯著或呈弱顯著性，說明無論是在短期還是長期，數字化對于危機期間非國有農林企業韌性的影響普遍更為顯著。究其原因，面對新冠疫情的沖擊，鑒于較高的政治關聯度及持有的產權屬性，擁有國資成分背景的農林企業不僅更能享受政府賦予的多種優惠政策，而且還能借助國資平臺獲取外部資源支持，依靠較強的外部資源獲取能力度過危機，從而弱化了企業內部應用數字經濟紅利進行革新的動力。但對于非國有企業而言，在面臨自然和市場雙重風險的情境下，為了獲得持續經營，企業需要更多地依靠自身對內部資源的部署能力，積極主動地應用數字資源來額外開拓新的銷售市場，提升市場份額，盡可能改善企業經營狀況。相比而言，非國有農林企業對于數字技術的需求度更高、依賴性更大，從數字化中的獲益程度也就越高。

通過對林業和非林兩組樣本企業估計結果的比較，林業企業數字化賦能效應較非林業企業弱，估計結果與前文分析結論一致。相比農牧漁業，林業的市場化運營程度相對偏低，對于數字技術的依賴性普遍偏弱，導致其數字化價值的釋放未能如非林企業般充分。模型（1）至模型（4）的估計結果顯示，非國有林業企業從數字化中獲得的邊際收益相對更大，可見其在面對新冠疫情危機時對于數字化的依賴性較國有林業企業更高。

5.7機制檢驗

由于企業辦公靈活性、企業員工接觸程度以及企業的智能化生產運營水平均難以直接測算，對此，通過估計數字化對最需要社交距離企業的影響，以此來檢驗“數字化-工作靈活性-企業韌性”這一作用機制是可行的方法（胡海峰等，2022）。通常而言，在危機期間越需要降低社交距離的企業，越需要借助數字技術提升數字化辦公和智能化管理水平，數字化價值的體現也越充分。例如在新冠疫情相對嚴重的地區，較多感染病例的出現會促使政府采取更為嚴格的防疫措施，對該地區的企業供給和市場需求產生雙向沖擊，進而影響企業經營效益。因此，數字技術如能通過提升工作靈活度正向影響企業的市場表現，就可合理推斷數字化對處于新冠疫情蔓延最嚴重時期或在高暴露風險地區企業韌性的影響更大。

首先，可從時間推移的角度觀察數字化的動態累積效應，以此考察數字化在不同新冠疫情發展階段下的差異性影響。圖10為新冠疫情不同發展階段下數字化的累積效應，樣本起止時間為2020年1月至2022年12月，橫坐標以月份為單位，例如M3表示截止日期為2020年3月31日，M15表示自2020年1月后的第15個月，即截止日期為2021年3月31日，其余同解釋。通過逐月增加新冠疫情沖擊時間，改變觀測期定義區間，本文按照式（1）進行回歸獲取了相應的數字化水平和沖擊時間的交互項回歸系數。

根據估計結果，數字化動態累積效應雖然存在升跌現象，但在新冠疫情發生后的一年時間里整體上呈上升勢頭。具體而言，數字化水平和沖擊時間的交互項回歸系數在新冠疫情沖擊下并未出現即時性上升勢頭，而是在新冠疫情沖擊后的第6～9個月左右開始出現明顯的上升勢頭，繼而在第20～21個月左右達到最高峰。新冠疫情暴發后的6個月是國內疫情蔓延最為嚴重的時期，各地區嚴格的防疫措施使得企業供應鏈承壓嚴重，同時也充分體現出非常時期企業數字化的價值。面對新冠疫情沖擊，數字化不僅有助于企業抵御外部風險，在更長時間也正在成為企業降本增效創新的推進器，不斷強化著這部分企業的市場表現，進而顯現出企業數字化的馬太效應。這一論斷在圖8中也得到了部分證實。相較新冠疫情暴發時的即時性反饋，數字化在相對長時期更能提升農林企業韌性，即數字化對于危機期間林業企業韌性的賦能具有非即時性。

進一步地，勞動密集型程度越高的企業暴露于新冠疫情風險中的概率越大，從而受到沖擊程度就越深。參考Fahlenbrach等（2021）的方法，構建一個虛擬變量Num_dum，通過計算員工數量和企業營收的比值來衡量勞動密集型程度，將勞動密集度位于所屬行業門類前1/4的樣本劃為高接觸度企業組，相應的虛擬變量Num_dum取值為1；其余樣本企業劃入低接觸度企業組，相應的虛擬變量Num_dum取值為0。之后在式（1）中加入DTS_time和Num_dum的交互項DTS_time_num，以及Num_dum分別和DTS及time的交互項。

靈活性機制檢驗如表10所示。

根據表10的回歸結果，模型（1）至模型（2）中交互項系數均顯著為正，這表明勞動密集度高的企業在危機期間受數字技術應用賦能作用較勞動密集度低的企業更顯著，這部分企業的股價收益率也受到了更強的正向影響。模型（3）至模型（4）進一步將員工人數與總資產（百萬元）的比值作為勞動密集度指標獲得的模型估計結果，相應的交互項系數同樣顯著為正且至少在5%的顯著性水平上通過了檢驗，再次驗證了本文的結論。

機制檢驗結果表明，無論是高勞動密集度企業還是低勞動密集度企業，在危機期間的股票市場表現和自身的數字化水平均存在顯著的正向關系；對于數字化水平相近的企業而言，數字技術應用對于高勞動密集度企業韌性的提升作用更為顯著，檢驗結果間接證明了數字技術有助于農林企業提升用工靈活性。

出于新冠疫情防控的需要，各地區出臺的嚴格防疫措施在一定程度上限制了林業企業人員的流動和聚集，導致企業復工復產的延期或生產經營活動的間歇性中斷，使其承受了新冠疫情防控和生產經營的雙重壓力。面對此等境況，一方面，數字化助力農林業企業實現靈活用工，滿足企業運營在時間、地點、需求以及成本彈性等方面的個性化需求，進一步釋放企業生產要素價值；另一方面，數字技術應用支持下的智能化生產也為農林企業的持續性生產運營創造了條件，生產要素的不間斷投入幫助農林企業實現了在危機期間的穩定經營，強化了農林企業在危機期間的韌性，提振了股票市場投資者信心。此外，數字化也使得農林企業更有能力根據經營環境的變化調整人力資源的配置方式，通過對非核心業務的外包釋放企業更多勞動力從事更具價值的生產經營活動，由此進一步緩解新冠疫情帶來的負面沖擊。根據《中國遠程居家辦公發展報告》顯示，智聯招聘和前程無憂等招聘網站中遠程居家辦公職位數量占比由2019年的0.14%上升到2020年的0.38%和2021年的0.59%，也從側面印證了數字技術在危機期間對企業數字辦公的賦能。

6研究結論、討論與政策啟示

新冠疫情的暴發和外部環境的不穩定，對農林企業的生存和發展產生威脅的同時，使得數字化成為農林企業增強韌性應對危機以及實現進一步發展的關鍵驅動力。對此，本文以174家農林上市公司為研究對象，借助新冠疫情沖擊事件深入探討數字化對農林企業韌性的作用機制及影響，基于研究結論開展討論并提出針對性的政策啟示，為更好地推進農林企業的數字化轉型以及由此增強企業應對外部風險的能力提供了理論和實證依據。

6.1研究結論

借助于新冠疫情事件，本文從企業韌性視角探討了危機期間農林企業的數字化價值，得出4點結論。

（1）基準回歸結果顯示，數字化能顯著增強樣本企業韌性，核心解釋變量數字化水平和沖擊時間交互項均在1%的顯著性水平上通過了檢驗。其中，短樣本期的影響系數分別為0.0086、0.0091和0.0113，長樣本期的影響系數分別為0.0092、0.0105和0.0142。

（2）異質性分析結果顯示，數字化對于林業和非林企業韌性的賦能作用均較為顯著。根據對短樣本期數據的估計結果，林業企業和非林企業數字化賦能效應的影響系數分別為0.0093和0.0126；根據對長樣本期數據的估計結果，林業企業和非林企業數字化賦能效應的影響系數分別為0.0122和0.0163。可見，長短樣本期內林業企業數字化賦能效應均弱于非林企業，說明目前林業企業對數字化的依賴性和重視程度普遍弱于非林企業，但這也表明林業企業數字化未來巨大的發展潛力。此外，相較大規模企業和國有企業，小規模和非國有林業企業從數字化中的受益程度更高。

（3）機制檢驗結果顯示，數字化能通過提升用工靈活性和智能化生產水平降低農林企業在不利環境下的運營風險，增強其應對危機的能力。一方面，數字化有助于滿足林業企業運營在時間、地點、需求以及成本彈性等方面的個性化需求，進一步釋放企業生產要素價值；另一方面，數字技術應用支持下的智能化生產也為林業企業的持續性生產運營創造了條件，生產要素的不間斷投入幫助農林企業實現了在危機期間的穩定經營，強化了農林企業在危機期間的韌性。

（4）進一步的研究結果顯示，相比風險事件沖擊下的即時性反應，數字化對農林企業韌性的賦能效應在相對長時期更為顯著。根據基準回歸結果，在均值層面，推進數字化的農林企業平均意義上于新冠疫情期間將獲得額外的0.0118%短期收益率和0.0188%長期收益率，長期收益率高于短期。此外，無論是異質性分析還是機制檢驗，結果也均表明數字化的長期賦能效應強于短期。

6.2討論

在參考前人理論及實證研究的基礎上，本文作了相應的創新和擴展：構建面板固定效應模型估計了危機期間農林企業的數字化賦能效應，并采用雙重差分分析、傾向得分匹配法以及變量替換法進行了穩健性檢驗，得出的大部分結論與已有研究一致，而部分結論則與已有研究相悖。此外，鑒于研究對象和研究背景的不同，本文也得出了企業數字化賦能的一些新結論。

本文從微觀層面厘清了數字化對農林企業韌性的作用機制，通過模型估計和一系列的穩健性檢驗，得出數字化能顯著增強危機期間農林企業韌性的結論，這與謝康等（2022）、胡海峰等（2022）的研究結論一致。已有研究鮮有探討林業企業的數字化賦能效應，因此本文通過對林業企業在行業、規模和股權三方面異質性檢驗結果的比較，得出林業企業數字化賦能效應的一些新結論。首先，林業企業的數字化賦能效應較非林企業弱。可能的原因是由于林業企業本身攜帶的資源屬性和社會屬性使得林業的市場化程度較農牧漁業低，相對偏弱的市場敏感性減弱了林業企業內外部的數字化轉型驅動力以及林業企業本身對數字化轉型的重視程度，從而影響了危機期間林業企業數字化賦能作用的發揮。其次，相比大規模組林業企業，數字化對于危機期間小規模組林業企業的賦能效應更為顯著，這與吳非等（2021）、葉丹等（2023）的研究結論相悖，原因很可能是由于經營環境不同所致。Mina等（2022）認為，在正常經營環境下，大規模企業更有資本投資數字技術，也就更能發揮出企業的數字化價值；在危機期間，數字化對于企業生存的重要性成為影響數字化賦能的關鍵因素，導致企業數字化的賦能效應異于正常經營環境下的表現。通過進一步的比較，鑒于對社會資源和自然資源攝取能力的不同，小規模組林業企業數字化賦能效應較為接近非林企業，而大規模組林業企業數字化賦能效應則明顯弱于非林企業。最后，國有和非國有農林企業韌性雖然均受數字技術應用的正向影響，但相比之下，非國有企業受影響更為顯著，這與何德旭等（2022）、史丹等（2022）的研究結論一致。

在“降本增效創新”渠道外，本文進一步探討了數字化通過提升用工靈活性和智能化生產水平對農林企業韌性的賦能機制。面對危機期間新冠疫情防控和生產經營的雙重壓力，農林企業借助數字化，一方面通過實現靈活用工滿足企業在特殊時期下對于運營的個性化需求，另一方面通過提升智能化生產水平，為企業的持續性生產運營創造條件，從而增強了企業在危機期間的韌性。此外，本文通過比較不同時間窗口期下的企業數字化賦能效應，以及觀察數字化的累積效應，發現農林企業數字化的長期賦能效應強于短期，這說明農林企業的數字化賦能效應不僅有持續性影響，且這種影響在一定時間范圍內呈逐漸增強的趨勢。雖然已有部分研究考察了企業數字化轉型賦能的持續性影響（Cette et al.， 2022；李曉陽等，2023），但未能深入探究企業數字化賦能的長短期“時間效應”。因此，本文對于危機期間農林企業數字化賦能作用機制的探討以及對于農林企業數字化長短期賦能效應的分析，在一定程度上對現有研究的局限性進行了補充。

今后可從3個方面開展更為深入的研究：（1）鑒于數據的可獲得性和代表性，學界普遍以上市公司為研究對象，而缺乏對非上市公司的關注。非上市公司和上市公司在資本結構、盈利能力以及企業規模等方面均存在顯著的差異性，因此深入探討非上市公司的數字化賦能效應，能對現有研究進行更好的補充和完善。（2）本文雖然分析了農林企業數字化賦能效應的“時間效應”，但企業數字化長短期賦能效應的比較視不同的時間尺度而定，后續研究可在更長的時間跨度基于更多企業數據對企業數字化賦能的“時間效應”作進一步的驗證。（3）目前關于林業企業數字化轉型的研究較為匱乏，這將是后續研究的重點方向。

6.3政策啟示

隨著數字經濟的不斷發展，數字化已經成為各行各業的必然趨勢，無論是農業產業還是林業產業都不例外。數字化不僅有助于農林產業提高生產效率、降低生產成本并增強產品創新性，同時更是有助于增強農林企業應對危機的能力，這對于推進農林業和農村高質量發展、加快建設農業強國意義深遠。基于上述研究結論和討論，本文提出4點政策啟示。

（1）持續推進農林企業的數字化轉型。描述性統計結果顯示，樣本企業的數字化水平均值和中位數分別僅為0.0053和0.0022，說明農林企業的數字化尚存在較大的提升空間，尤其是要重點關注林業企業的數字化轉型進程。從企業的角度來看，林業企業要通過將數字技術在生產、銷售、服務、管理等環節的深度融合，不斷強化企業數字化帶來的“降本增效創新”效應。從政府的角度來看，要增加對農林業數字化基礎設施的投入，加快5G技術在重點農林企業、農林產業園以及農林示范區的推廣應用，以農林業數字化改革為突破口，建立起“益林富農”的多元化應用場景，從而為農林企業的數字化轉型創造有利條件。

（2）關注農林企業數字化賦能的異質性，給予小規模和非國有農林企業數字化轉型更多的財力和技術支持。針對小規模和非國有農林企業，一方面要給予更多財政資金支持，降低這類企業的數字化轉型成本；另一方面通過構建數字化政策體系和數字技術支持體系，為這類企業的數字化水平評估和數字技術應用提供依據和指導。此外，相比農牧漁業，尤其要給予林業企業在數字化、信息化、智能化等方面更多的技術支持，以提高林業企業的智能化生產和管理水平。

（3）基于數字化賦能農林企業韌性機制，注重農林企業在用工靈活性和生產智能化方面的數字化投入。除了借助數字技術應用持續強化企業的“降本增效創新”效應，農林企業同樣要重視在企業抵御外部風險方面的數字化投入。借助于不斷迭代的數字技術，農林企業要持續探索更加高效的靈活用工模式，不斷提升自動化生產和智能化管理水平，以此增強企業抵御外部風險的能力，做好應對未來未知風險的準備。

（4）依據數字化賦能的“時間效應”，支持農林企業推進數字化轉型的長期戰略。從政府的角度來看，政府在借助于政府平臺或龍頭企業強化技術支持的同時，也要加大財政投入和知識產權保護力度，為農林企業制定并實施數字化轉型的長期戰略規劃提供強力支持。從企業的角度來看，農林企業要不斷強化數字化轉型意識，尤其是對具有投資經營長期特性的林業企業而言，要在不同發展階段積極利用互聯網、大數據、云計算等數字經濟發展載體強化自身的數字化能力，從而在更長時間維度實現企業數字化的更大價值。

參考文獻

白福萍，劉東慧，董凱云.數字化轉型如何影響企業財務績效——基于結構方程的多重中介效應分析[J].華東經濟管理， 2022， 36（09）：75-87.

陳旭，江瑤，熊焰.數字化轉型對企業績效的影響機制和路徑研究[J].經濟體制改革， 2023（02）：112-120.

郭景先，魯營.科技金融有助于企業創新效率提升嗎？——兼論企業數字化轉型的調節效應[J].南方金融， 2022（09）：50-63.

郭元源，吳亮，池仁勇.普通投資者數字化關注與企業數字化轉型[J/OL].軟科學：1-10 [2022-12-26]. https：//kns. cnki. net/kcms/ detail//51. 1268. G3. 20221223. 1525. 014. html.

何德旭，曾敏，吳育輝，等.股票錯誤定價、市值管理與上市公司并購行為[J].中國工業經濟， 2022（10）：118-136.

胡海峰，宋肖肖，竇斌.數字化在危機期間的價值：來自企業韌性的證據[J].財貿經濟， 2022（07）：134-148.

劉淑春，閆津臣，張思雪，等.企業管理數字化變革能提升投入產出效率嗎？[J].管理世界， 2021（05）：170-190.

馬述忠，賀歌，郭繼文.數字農業的福利效應——基于價值再創造與再分配視角的解構[J].農業經濟問題， 2022（05）：10-26.

李曉陽，易鑫，郭鑫，等.數字化轉型賦能涉農企業經營績效提升的傳導機制研究——基于雙固定效應模型的實證[J/OL].農業技術經濟：1-15[2023-03-29]. DOI：10. 13246/j. cnki. jae. 20230303. 001.

凌華，李辛熠，徐懷寧.數字化轉型、雙元能力與企業持續性創新[J].工業技術經濟， 2023， 42（07）：48-57.

孟光輝，安康，陸啟鳳.新冠肺炎疫情對農業生產的微觀影響——來自東部農業大省130個縣域的樣本例證[J].中國農業大學學報（社會科學版）， 2020（05）：32-42.

戚聿東，蔡呈偉.數字化對制造業企業績效的多重影響及其機理研究[J].學習與探索， 2020（07）：108-119.

齊瑞福，劉超.數字化轉型對組織績效的雙重調節作用——來自上市企業的實證研究[J].企業經濟， 2022， 41（11）：39-49.

史丹，李少林.新冠肺炎疫情沖擊下企業生存韌性研究——來自中國上市公司的證據[J].經濟管理， 2022（01）：5-26.

吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界， 2021（07）：130-144.

王博，康琦.數字化轉型與企業可持續發展績效[J].經濟管理， 2023， 45（06）：161-176.

魏后凱，崔凱.農業強國的內涵特征、建設基礎與推進策略[J].改革， 2022， 346（12）：1-11.

謝康，易法敏，古飛婷.大數據驅動的農業數字化轉型與創新[J].農業經濟問題， 2022， 509（05）：37-48.

肖土盛，孫瑞琦，袁淳.新冠肺炎疫情沖擊下企業現金持有的預防價值研究[J].經濟管理， 2020（04）：175-191.

葉丹，姚梅芳，葛寶山，等.數字技術驅動傳統非互聯網企業數字創新績效的作用機理——組織合法性的調節作用[J].科技進步與對策， 2023（11）：11-18.

葉興慶，程郁，周群力，等.新冠肺炎疫情對2020年農業農村發展的影響評估與應對建議[J].農業經濟問題， 2020（03）：4-10.

趙玲，黃昊.企業數字化轉型、供應鏈協同與成本粘性[J].當代財經， 2022（05）：124-136.

翟淑萍，韓賢，毛文霞.數字經濟發展能提高企業勞動投資效率嗎？[J].當代財經， 2022（01）：78-89.

張正平，劉云華.數字金融發展對農村商業銀行運營效率的影響——基于2014-2018年非平衡面板數據的實證研究[J].農業技術經濟， 2022（04）：67-81.

趙星，李若彤，賀慧圓.數字技術可以促進創新效率提升嗎？[J].科學學研究， 2023， 41（04）：732-743.

張繼德，劉潔，黃思良，等.數字化轉型與企業績效：綜述和展望[J].財會通訊， 2023（14）：3-9， 44.

張新民，金瑛.資產負債表重構：基于數字經濟時代企業行為的研究[J].管理世界， 2022（09）：157-175， 207.

Acemoglu D， Restrepo P. Robots and jobs：Evidence from US labor markets [J]. Journal of Political Economy， 2020， 128（06）：2188-2244.

Albuquerque R， Koskinen Y， Yang S， et al. Resiliency of environmental and social stocks：An analysis of the exogenous COVID-19 market crash [J]. The Review of Corporate Finance Studies， 2020， 9（03）：593-621.

Ardolino M， Rapaccini M， Saccani N， et al. The role of digital technologies for the service transformation of industrial companies[J]. International Journal of Production Research， 2018， 56（5/6）：2116-2132.

Bai J， Brynjolfsson E， Jin W， et al. Digital resilience：How work-from-home feasibility affects firm performance [R]. New York：Na‐tional Bureau of Economic Research， 2021.

Bloom N， Fletcher R S， Yeh E. The impact of COVID-19 on US firms [R]. New York：National Bureau of Economic Research， 2021.

Cette G， Nevoux S， Py L. The impact of ICTs and digitalization on productivity and labor share：Evidence from French firms [J]. Economics of Innovation and New Technology， 2022， 31（7/8）：669-692.

Ding D， Guan C， Chan C， et al. Building stock market resilience through digital transformation：Using Google trends to analyze the impact of COVID-19 pandemic [J]. Frontiers of Business Research in China， 2020， 14 （03）：257-277.

Fahlenbrach R， Rageth K， Stulz R M. How valuable is financial flexibility when revenue stops？ Evidence from the COVID-19 crisis[J]. The Review of Financial Studies， 2021， 34（11）：5474-5521.

Gebauer H， Fleisch E， Lamprecht C， et al. Growth paths for overcoming the digitalization paradox [J]. Business Horizons， 2020， 63（03）：313-323.

Hajli M， Sims J， lbragimov V. Information technology （IT） productivity paradox in the 21st century [J]. International Journal of Productivity and Performance Management， 2015， 64（04）：457-478.

Levine R， Lin C， Xie W. Corporate resilience to banking crises：The roles of trust and trade credit [J]. Journal of Financial and Quantitative Analysis， 2018， 54（04）：1441-1477.

Lin C， Kunnathur A. Strategic orientations， developmental culture， and big data capability [J]. Journal of Business Research， 2019， 105：49-60.

Mina N， Minna S， Juhani U. Digital orientation， digital maturity and digital intensity：Determinants of financial success in digital transformation settings [J]. International Journal of Operations and Production Management， 2022（13）：274-298.

？kare M， Soriano R. A dynamic panel study on digitalization and firms Agility：What drives agility in advanced economies 2009-2018[J]. Technological Forecasting and Social Change， 2021， 163（02）：120418. 1-120418. 13.

（責任編輯康子昊）

①數據來源于中國農業科學院和中國農業綠色發展研究會發布的《中國農業綠色發展報告2022》。

②數據來源于中國信息通信研究院發布的《中國數字經濟發展報告（2022年）》。

①2021年的指標數據并非重要節點時間，故未展示2021年度指標的描述性統計結果。