制造企業數字化進程驅動了智力資本投資嗎

DOI：10．19641/j．cnki．42-1290/f．2023．23．006

【摘要】伴隨著新一代數字技術與制造業的融合發展， 數字化成為我國制造業實現轉型升級， 構筑國際競爭新優勢的重要路徑。本文選取2011 ～ 2021年我國A股制造業上市企業為樣本， 實證檢驗數字化進程對企業智力資本投資的影響。研究發現： 數字化進程能夠促進企業智力資本投資， 隨著企業所處的行業競爭程度增加以及企業競爭地位降低， 上述積極影響更加顯著。機制研究表明， 信息優勢、 債務融資成本與盈余管理在數字化進程和企業智力資本投資之間發揮中介作用。另外， 在國有企業、 處于實施“寬帶中國”戰略地區的企業中， 數字化進程對企業智力資本投資的促進作用更強。

【關鍵詞】數字化進程；智力資本投資；行業競爭程度；企業競爭地位

【中圖分類號】 F272.3? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）23-0042-7

一、 引言

伴隨著新一輪科技革命和產業變革在全球范圍內蓬勃興起， 新一代信息技術與制造業的融合程度逐步提升， 制造業數字化成為各國提高競爭力、 培育新動能的關鍵路徑（涂磊等，2023）。黨的二十大報告強調， 要加快推動我國制造業高端化、 智能化、 綠色化發展， 這表明與數字經濟深度融合將成為中國制造業高質量發展的重要驅動力。企業將數字技術應用到日常生產運營中即為企業數字化。在數字與知識融合發展的時代背景下， 數字化的應用孕育出企業價值創造新模式（李莉等，2023）， 包括創新資本、 人力資本等在內的智力資本逐漸取代傳統生產要素的地位， 成為企業維持長期競爭優勢的重要戰略資源（馬連福等，2022）。黨的十八大以來， 習近平總書記為堅定不移做強做優做大制造業、 加快建設制造強國做出多次科學指引和重要部署。當前， 我國制造業正處于實現戰略目標的關鍵時期， 但隨著勞動力成本的逐步攀升， 我國制造業的絕對競爭優勢呈下降趨勢（錢誠，2020）。在此形勢下， 制造業企業作為我國實施數字化戰略的重點對象， 能否通過數字技術的運用實現自身智力資本投資水平的提升， 從而塑造新時代核心競爭優勢來助力企業自身在全球產業鏈變革的過程中占據上乘地位？這一問題亟待探究。

近年來， 有關數字化所引致的經濟效應逐漸成為管理領域研究的熱點主題， 已有學者從推進金融市場發展進程（胡山和余泳澤，2022）、 賦能產業鏈關聯（張虎等，2023）等宏觀角度， 以及控制企業風險水平（王會娟等，2022；徐細雄等，2023）、 促進企業創新（賀正楚等，2023；李雪松等，2022）等微觀角度展開了深入研究， 但對于企業開展數字化影響企業智力資本投資的內在作用機制仍待探索。為厘清上述問題， 本文基于資源基礎理論， 以2011 ～ 2021年我國A股制造業上市公司為研究對象， 探索企業數字化進程對企業智力資本投資的影響及兩者之間關系的傳導機制。此外， 數字化浪潮下的市場形勢瞬息萬變， 如何在夯實產品市場競爭優勢的基礎上實現企業的長遠發展是關乎企業生死存亡的重要議題（陳德球和胡晴，2022）。根據產業組織理論， 產品市場競爭包括行業競爭程度和企業競爭地位， 因此， 本文將進一步從行業與企業兩個層面， 探索影響數字化進程賦能企業智力資本投資的環境因素。

二、 理論分析與研究假設

（一）數字化進程對企業智力資本投資的影響

首先， 推進數字化進程能幫助企業充分掌握內外部信息資源。從內部信息整合視角來看， 數字化能夠幫助企業將生產、 經營與管理活動中接收到的海量數據轉化為更具標準化及結構化的信息（吳非等，2021）， 并協助企業將這些信息融入經營管理決策中。開展數字化還能夠加強企業內部的信息交流與互通（王守海等，2022）， 促進資源整合， 企業在更全面的信息基礎之上做出的決策也就更加科學。從外部信息處理視角來看， 企業可以充分利用大數據技術聚集、 分析來自企業外部的大量數據（Goldstein等，2021）， 精準觀測市場需求及外部環境的變化趨勢， 使得企業能實現智能決策。根據資源基礎理論， 數字化可以為企業營造良好的信息環境， 降低企業在智力資本投資過程中面臨的不確定性， 從而提高企業進行智力資本投資的意愿。

其次， 企業獲取資金支持的渠道隨數字化進程的加快而拓寬。一方面， 數字化作為企業引起外界關注的重要積極信號， 有助于外界識別企業的投資潛力（潘紅波和高金輝，2022）， 使得實施了數字化的企業能在市場上吸引更多外部的高質量投資。另一方面， 數字化順應了政府部門的政策導向， 有利于企業獲得更多的優惠政策支持及政府資源投入（王守海等，2022）。企業通過數字化向市場傳遞了發展前景廣闊的積極信號， 提高了投資者、 政府等多方的投資積極性， 從而使企業融資的社會化程度得以顯著提升（Hua和Huang，2020）， 為智力資本投資的開展奠定了資金基礎， 進而促進了企業智力資本投資。

最后， 推進數字化進程有利于提升公司治理水平， 促使企業注重長遠利益。一方面， 數字技術的運用不僅能夠提高企業在生產、 運營及管理等環節的透明度（戚聿東和肖旭，2020）， 壓縮管理層可以實施機會主義行為的空間， 還能增加董事對企業現狀的了解程度（陳德球和胡晴，2022）， 督促管理者將可持續發展戰略作為企業經營的重心， 從而加大企業智力資本投資力度。另一方面， 數字化在提高企業信息披露意愿和能力的同時， 也加大了來自分析師關注度及外部市場、 機構投資者等主體的監督力度（Joe等，2022）。外部各方對企業施加的監督壓力有效彌補了內部治理在執行力度上的不足， 同樣能驅使管理者基于企業長遠利益進行決策， 從而加大智力資本投資力度。由此， 本文提出：

H1： 隨著企業數字化進程的推進， 企業將進行更多的智力資本投資。

（二）行業競爭程度的調節作用

行業競爭程度是反映企業對有限資源爭奪激烈程度的重要指標（陳志斌和王詩雨，2015）。基于權變理論， 行業競爭程度越激烈， 企業越需要通過數字化推動企業智力資本投資進而打造企業的核心競爭優勢。一方面， 競爭程度高的行業具有外部治理功能， 可以有效緩解委托代理問題（張傳財和陳漢文，2017）。當企業所處的行業競爭較為激烈時， 市場信息透明度較高（王宸等，2022）， 企業為向外界傳遞積極信號， 會抓住數字化的機遇， 以此推進智力資本投資， 努力提升自身競爭優勢， 確保自身處于行業領先地位。另一方面， 行業競爭越激烈， 意味著行業內企業之間的同質化問題越嚴重（汪芳和石鑫，2022）， 此時， 企業需要通過數字化積累信息、 資金以及人才等資源， 為企業智力資本投資的開展奠定資源基礎， 從而在激烈的行業競爭中塑造核心競爭力， 實現自身的長遠發展。相反， 當行業競爭程度較低時， 行業內企業競爭對手之間的制約程度隨之降低， 企業更易獲取資源， 從而削弱了企業通過數字化拓寬資源獲取渠道的動機。由此， 本文提出：

H2： 隨著行業競爭程度的提高， 數字化進程對企業智力資本投資的促進作用更加顯著。

（三）企業競爭地位的調節作用

企業競爭地位代表企業在行業中的競爭力， 其高低會從風險收益及相對位勢上作用于企業經營決策及行為表現（吳昊旻和張可欣，2021）。基于資源獲取角度， 當企業競爭地位處于劣勢時， 其不僅在激烈的市場資源爭奪中會喪失外部融資的主動權， 而且由于產品利潤空間較小， 內源資金也將無法同時滿足日常生產經營和投資的需要（李順彬，2020）。此時， 開展數字化能幫助企業在資源獲取方面取得優勢， 因此， 處于較低競爭地位的企業希望通過數字化優化企業內部資源配置， 進而使得為智力資本投資提供資源支持的動機更強。相反， 較高競爭地位的企業可以憑借其在行業內的優勢地位獲取便捷的融資渠道、 充裕的資金支持（吳昊旻和張可欣，2021）， 從而掩蓋了數字化為企業智力資本投資提供資金支持的優勢。由此， 本文提出：

H3： 隨著企業競爭地位的降低， 數字化進程對企業智力資本投資的促進作用更加顯著。

三、 研究設計

（一）樣本選擇與數據來源

鑒于信息技術廣泛應用于企業經營過程主要表現在2010年后（徐細雄等，2023）， 本文以2011 ～ 2021年我國A股制造業上市公司為研究對象展開研究。研究所需數據均來自國泰安數據庫， 并使用Stata16.0按以下步驟處理： ①剔除ST及?ST上市公司樣本； ②剔除相關變量存在缺失值的樣本； ③剔除上市不滿一年的公司樣本； ④對所有連續變量均進行1%和99%水平的Winsor縮尾處理， 最終獲得了17886個樣本觀測值。

（二）變量定義

1. 被解釋變量： 智力資本投資（IC）。本文采用因子分析法對企業智力資本投資的衡量指標進行計算。具體步驟如下： 第一， 參考馬寧和姬新龍（2019）對智力資本投資的衡量方法， 選擇人力資本投資（HC）、 創新資本投資（INVC）、 關系資本投資（RC）及結構資本投資（SC）作為衡量企業智力資本投資的四個維度。其中： 人力資本投資采用支付給職工以及為職工支付的現金來衡量， 創新資本投資采用研發支出來衡量， 關系資本投資以銷售費用來衡量， 結構資本投資以管理費用來衡量。第二， 進行KMO和Bartlett檢驗， 其中KMO的值為0.830， 大于等于0.5， 說明變量間存在相關關系， Bartlett球形檢驗的p值為0.000， 表明此數據能夠使用因子分析法。第三， 運用因子分析法， 基于特征值大于1的原則提取1個因子構成智力資本投資的評價指標， 此時的累計方差貢獻率達80.10%， 具有較強的解釋力。第四， 采用最大方差法對相關矩陣進行正交旋轉， 旋轉后得到因子載荷矩陣。第五， 計算因子得分并列出因子得分函數。

2. 解釋變量： 數字化進程（DCG）。借鑒徐細雄等（2023）的研究， 本文所提到的數字化進程代表企業開展數字化轉型的程度。該指標由微觀層面的戰略引領、 技術驅動、 組織賦能， 數字化成果、 數字化應用與中宏觀層面的環境支撐六個指標經過加權計算得出。

3. 調節變量。一是行業競爭程度（HHI）。本文借鑒曾憲聚等（2020）學者的做法， 選用赫芬達爾指數來度量行業競爭程度， 即計算行業內各公司主營業務收入占行業總主營業務收入比重的平方和。由于該指標為反向指標， 因此行業競爭越激烈， 該數值越小。

二是企業競爭地位（PCM）。本文沿用陳志斌和王詩雨（2015）的做法用勒納指數來衡量， 具體地， 勒納指數=（營業收入-營業成本-銷售費用-管理費用）/營業收入。勒納指數的值越大， 代表企業的競爭地位越強。

4. 控制變量。本文基于企業特征、 治理結構兩個層面選擇控制變量， 企業特征層面包括企業規模（Size）、 資產負債率（Lev）、 資產收益率（ROA）、 現金流水平（Cf）、 企業年齡（Age）及產權性質（SOE）； 治理結構層面包括董事會規模（Board）、 董事會獨立性（Indep）與股權集中度（Ochng）。除此之外， 本文還設置了年度（Year）、 行業（Industry）的虛擬變量。具體變量的定義及計算方式如表1所示。

（三）模型設定

為檢驗數字化進程對企業智力資本投資的影響， 本文構建模型（1）：

IC_i，t=β₀+β₁DCG_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（1）

其中： 下標i和t分別代表企業和年份， IC^i，t表示企業智力資本投資， DCG表示數字化進程， Controls_i，t為一系列控制變量， u_i為個體固定效應， τ_i為時間固定效應， ε表示隨機誤差項， 下同。若模型（1）中β₁顯著為正， 則說明H1成立。

為探究行業競爭程度與企業競爭地位在數字化進程與企業智力資本投資之間的調節作用， 本文在上述模型基礎上引入調節變量與DCG的交乘項， 具體模型如下：

IC_i，t=β₀+β₁DCG_i，t+β₂DCG_i，t×HHI_i，t+β₃HHI_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（2）

IC_i，t=β₀+β₁DCG_i，t+β₂DCG_i，t×PCM_i，t+β₃PCM_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（3）

其中， HHI、 PCM分別表示行業競爭程度與企業競爭地位。當模型（2）、 （3）中β₁顯著為正且β₂顯著為負時， 則說明H2、 H3成立。

四、 實證結果分析

（一）描述性統計

各變量的描述性統計結果見表2。企業智力資本投資（IC）的最大值為3.094， 最小值為-0.308， 均值為-0.042， 表明我國制造業企業對智力資本的重視程度較低， 導致對其的投資力度普遍偏小。數字化進程（DCG）的均值和標準差分別為35.887和9.917， 最小值為23.146， 最大值為63.134， 表明企業實際的數字化進程處于較低水平， 并且企業數字化進程在不同樣本企業間具有較大差異性。行業競爭程度（HHI）的最大值為10， 最小值為0， 均值為1.048， 說明我國制造業內各細分行業的市場競爭較為激烈。企業競爭地位（PCM）的最大值為0.469， 最小值為-0.223， 均值為0.115， 說明大部分樣本企業處于較低的競爭地位， 因此我國制造業各細分行業中不同企業間的競爭同樣較為激烈。

（二）回歸檢驗結果與分析

1. 主回歸分析。表3報告了數字化進程與企業智力資本投資間的基本回歸結果。列（1）僅加入解釋變量DCG， 回歸結果顯示， 數字化進程（DCG）對智力資本投資（IC）有顯著的積極影響， H1得到初步驗證。列（2）展示了加入控制變量與固定效應后的回歸結果， 其中DCG的系數為0.004， 在1%的顯著性水平上通過檢驗， 且調整后的R²值與模型（1）對應值相比均有所提高， 即方程解釋度進一步增強， 這表明數字化進程對企業智力資本投資具有促進作用， 驗證了H1。

2. 調節效應檢驗。根據表3列（3）的回歸結果可知， 數字化進程與行業競爭程度的交互項（DCG×HHI）系數為-0.002， 且在1%的水平上通過了顯著性檢驗， 鑒于行業競爭程度為反向指標， 因此該結論表明行業競爭越激烈， 開展數字化越有利于促進企業進行智力資本投資， H2得到驗證。表3列（4）中， 數字化進程與企業競爭地位的交互項（DCG×PCM）系數為-0.014， 在5%的水平上顯著， 說明企業競爭地位越高， 數字化進程對智力資本投資的積極影響越小， H3得到支持。

（三）內生性處理

1. 工具變量法。本文借鑒馬連福等（2022）的研究結論， 采用同年度、 同行業其他公司數字化進程的中位數作為工具變量， 使用兩階段最小二乘法再次進行回歸。表4列（2）展示了第二階段回歸結果， DCG的系數為0.004且在1%的水平上顯著， 說明在克服了反向因果問題后， 企業推進數字化進程仍能提升企業智力資本投資的水平。

2. PSM（傾向得分匹配）法。本文按照樣本數字化進程是否大于行業—年度樣本均值， 將樣本分為高數字化程度組和低數字化程度組， 繼而采用傾向得分匹配法進行基于匹配樣本的回歸分析來檢驗回歸結果的穩健性。表4列（3）顯示， 基于成功匹配的樣本進行加權處理后再估計的估計效應為0.002， 且在1%的水平上顯著， 說明在對企業的財務狀況、 治理結構等因素匹配后， 企業加速數字化進程仍能促進企業智力資本投資水平的提升。

（四）穩健性檢驗

1. 替換解釋變量。本文借鑒吳非等（2021）的研究， 使用上市企業年報中與數字化相關的關鍵詞出現的頻次再次構建數字化進程指標（DCG_1）。首先， 統計“云計算技術、 人工智能技術、 數字技術應用、 區塊鏈技術、 大數據技術”等關鍵詞在特定年份的年報中出現的次數； 其次， 加總后加1取自然對數得到衡量企業數字化進程的指標。表4列（4）顯示， DCG_1的回歸系數為0.025且在1%的水平上顯著為正， 與上述回歸結果保持一致。

2. 控制交互固定效應。為減少行業中隨時間變化的影響因素對結論帶來的偏差， 本文考慮在單獨控制年份或行業的固定效應基礎之上， 控制兩者的交互固定效應， 結果如表4列（5）所示， H1仍然得到支持。

3. 控制個體固定效應。為減少個體層面不隨時間變化的影響因素對結論產生的偏誤， 本文進一步控制個體固定效應進行檢驗， 結果如表4列（6）所示。數字化進程與智力資本投資的回歸系數仍然在1%的水平上顯著為正， 說明基準回歸結果保持穩健。

4. 滯后解釋變量。考慮到數字化進程對于企業智力資本投資的影響可能存在滯后效應， 為此在基準模型（1）的基礎上， 本文將被解釋變量滯后一期后進行重新回歸， 結果如表4列（7）所示。數字化進程對企業智力資本投資的影響仍在1%的水平上顯著為正， 進一步佐證了本文基準回歸的結論。

（五）作用機制檢驗

1. 數字化進程、 信息優勢與企業智力資本投資。數字化可以幫助企業在有效時間內篩選出可供企業利用的信息資源（Rialti等，2019）， 便于企業準確辨識智力資本投資的機遇與風險， 從而做出更具科學性的智力資本投資決策。基于上述分析， 本文借鑒溫忠麟和葉寶娟（2014）的中介效應分析方法考察信息優勢的中介效應。

本文采用兩種方法度量信息優勢。首先， 制造業作為供應鏈上的節點之一， 對供應鏈上下游合作企業有較強的依賴性， 并且其發展受到供應鏈協同的制約。因此， 參考顏恩點和謝佳佳（2021）的研究， 采用1減去企業前五大客戶的銷售額對總銷售額的占比， 即客戶集中度（Customer）作為信息優勢的衡量指標之一。該指標數值越大， 表示客戶集中度越低， 企業越能在社會網絡中獲得一定的信息優勢。表5列（3）顯示， Customer系數在1%的水平上顯著為負， 同時DCG系數仍顯著為正， 說明客戶集中度在數字化進程與企業智力資本投資的關系中發揮中介作用。其次， 借鑒徐細雄等（2023）采用上交所、 深交所對上市公司的信息披露評級（Opaque）衡量信息透明度， 即衡量信息優勢。考評結果劃分為“優秀”（賦值為1）、 “良好”（賦值為2）、 “合格”（賦值為3）、 “不合格”（賦值為4）。據表5列（5）顯示， Opaque的系數在1%的水平上顯著為負， 同時DCG的系數仍顯著為正。因此， 信息透明度在數字化進程與企業智力資本投資的關系中起中介作用。

2. 數字化進程、 債務融資成本與企業智力資本投資。數字化技術的應用不僅能提高企業內資金流轉效率（劉夢莎等，2023）， 還能提高金融市場中信貸資源的配置和利用效率（胡山和余泳澤，2022）， 降低企業外部融資成本， 從微觀和宏觀層面幫助企業有效解決融資難、 融資貴的難題。為探究融資環境是否在數字化進程與企業智力資本投資的關系中發揮中介效應， 本文借鑒已有研究的做法， 將債務融資成本（Cost）作為衡量企業面臨融資環境優劣的指標， 并采用企業利息支出加上手續費支出和其他財務費用的總額占期末總負債的比重對其進行度量。表6列（3）顯示， Cost的系數在1%的水平上顯著為負， 同時DCG的系數仍顯著為正， 說明債務融資成本在數字化進程與企業智力資本投資的關系中起中介作用。

3. 數字化進程、 盈余管理與企業智力資本投資。開展數字化可以通過有效提升企業的內部治理水平（莫冬燕等，2023）， 促使企業提高對長遠利益的重視度， 激發開展智力資本投資的動機。基于此， 本文將考察盈余管理的中介效應。借鑒已有的研究做法（陽鎮和李井林，2020）， 利用修正的Jones模型計算的操控性應計利潤為衡量盈余管理（DA）的指標。表7列（3）顯示， DA的系數在1%的水平上顯著為負， 同時DCG的系數仍顯著為正。上述結果證明， 盈余管理在數字化進程與企業智力資本投資的關系中起中介作用。

（六）異質性檢驗

1. 產權性質。本文將樣本分為國有企業（SOE=1）和非國有企業（SOE=0）兩組來進行檢驗， 結果如表8列（1）、 列（2）所示。兩組數據中DCG的系數均在1%的水平上顯著為正， 為增強結論的可靠性， 本文進行了組間系數差異檢驗， 得到經驗P值為0.000， 證實兩組回歸中DCG系數差異在統計上是顯著的。此結果表明， 數字化進程對國有企業智力資本投資的促進作用更強。可能的原因是： 首先， 國有企業的經營目標更傾向于發揮國有經濟主導作用， 貫徹落實國家提出的數字經濟發展戰略與制造強國戰略。因此， 國有企業更有動機開展數字化來推動智力資本投資， 在帶動我國實體經濟飛速發展的同時， 引領我國制造業在全球轉型變革中占據國際競爭制高點。其次， 國有企業作為國家政策執行者和政府治理主體， 更易享受政策優惠， 在資源引入和人才引進等方面具備優勢（吳非等，2021）。基于優厚的資源條件， 國有企業將更有能力推動數字化轉型的落實。相比之下， 非國有企業缺少如國有企業一般的資源背景， 在吸引投資者、 技術型人才時也就不具有顯著優勢， 這致使其在開展數字化的過程中往往陷入“不敢轉、 不會轉”的困局， 導致非國有企業開展數字化的深度不夠， 不足以達到積累資源來促進企業智力資本投資的效果。

2. “寬帶中國”戰略的實施。自2013年國務院公布《關于印發“寬帶中國”戰略及實施方案的通知》以來， 工業和信息化部、 國家發展和改革委員會共遴選出120個城市（群）作為“寬帶中國”示范點。本文將企業所在城市是否為“寬帶中國”試點作為分組依據， 若是， 則賦值為1， 否則為0。進行分組回歸后所得結果如表8列（3）和列（4）所示。在兩組樣本中， DCG的回歸系數均在1%的水平上顯著為正， 且組間系數差異檢驗的P值為0.000， 證實兩組回歸中DCG系數差異在統計上是顯著的。由此， 數字化進程對處于“寬帶中國”試點地區的企業智力資本投資的積極影響更強。這可能是因為， 作為數字經濟時代的戰略性公共基礎設施， 寬帶網絡的覆蓋加快了地區信息基礎設施的建設， 在促進當地企業了解與應用數字技術的同時， 又能為企業提供資源獲取上的便利， 為推進智力資本投資奠定資源基礎， 數字化對處于“寬帶中國”示范點企業的智力資本投資將產生更強的促進作用。

五、 研究結論與啟示

本文選取2011 ～ 2021年我國A股制造業上市企業為樣本， 實證檢驗數字化進程對智力資本投資的影響及作用機理。研究發現： 數字化進程能夠促進企業智力資本投資。機制探究表明， 企業開展數字化能為企業奠定良好的信息與資金基礎， 并提升企業內部治理水平， 從而促進企業智力資本投資， 并且隨著行業競爭程度的提高和企業競爭地位的下降， 企業數字化進程對智力資本投資的積極影響更強。此外， 數字化進程對企業智力資本投資的促進作用在非國有企業及處于“寬帶中國”示范城市的企業中表現得更為突出。

本文研究啟示如下： 第一， 政府應對不同類型的企業實施針對性的數字化推進策略。一方面， 繼續加強對國有企業的改革力度， 深化管理層的數字化戰略意識， 調動國有企業開展數字化的積極性。另一方面， 加大對非國有企業的政策扶持力度， 為非國有企業開展數字化減輕壓力。此外， 政府還應積極推進信息基礎設施與資源共享平臺的建設， 引導模范企業共享數字資源， 幫扶民營企業或其他中小企業開展數字化轉型， 構建企業間“相互依存、 共同進步”的發展模式。第二， 制造業相關產業部門應致力于打破產業鏈上下游數字要素流通壁壘， 帶動產業鏈協同發展。第三， 企業應重視智力資本對企業樹立核心競爭優勢的重要性及開展數字化對智力資本投資的積極作用， 在結合自身實際情況和外部環境的基礎上， 積極投身數字化建設， 助力智力資本投資的開展。國有企業應充分發揮“領頭羊”作用， 率領國內制造企業打造具有國際競爭優勢的數字化產業集群。而非國有企業則可以通過對外合作等途徑依托于國有龍頭企業的發展基礎開展數字化轉型。第四， 企業應組建數字化管理團隊， 積極培養復合型人才， 為企業構筑堅實的數字人才基礎。

【 主 要 參 考 文 獻 】

陳德球，胡晴．數字經濟時代下的公司治理研究：范式創新與實踐前沿［ J］．管理世界，2022（6）：213 ～ 240．

李莉，武航佳，張明英．數字化轉型對企業風險承受水平的影響研究［ J］．財會月刊，2023（12）：137 ～ 144．

潘紅波，高金輝．數字化轉型與企業創新——基于中國上市公司年報的經驗證據［ J］．中南大學學報（社會科學版），2022（5）：107 ～ 121．

汪芳，石鑫．互聯網、行業競爭程度與創新效率［ J］．科研管理，2022（9）：119 ～ 126．

王宸，陸超，戴靜雯．產品市場競爭、經濟政策不確定性與企業投資效率［ J］．北京交通大學學報（社會科學版），2022（4）：134 ～ 149．

顏恩點，謝佳佳．供應鏈關系，信息優勢與影子銀行業務——基于上市非金融企業的經驗證據［ J］．管理評論，2021（1）：291 ～ 300．

陽鎮，李井林．創新工具還是粉飾工具？——業績下滑與企業社會責任的再檢驗［ J］．科學學研究，2020（4）：734 ～ 746．

張虎，高子桓，韓愛華．企業數字化轉型賦能產業鏈關聯：理論與經驗證據［ J］．數量經濟技術經濟研究，2023（5）：46 ～ 67．

曾憲聚，陳霖，嚴江兵．高管從軍經歷對并購溢價的影響：烙印——環境匹配的視角［ J］．外國經濟與管理，2020（9）：94 ～ 106．

Goldstein I.， Spatt C. S.，Ye M.. Big Data in Finance［ J］． NBER Chapters，2021（7）：3213 ～ 3225．

Hua X.， Huang Y.. Understanding China's Fintech Sector： Development， Impacts and Risks［ J］． European Journal of Finance，2020（10）：1 ～ 13．

Joe J. R.， Ulla J. W.，Commerford B. P.， Dennis S. A.. Man Versus Machine： Complex Estimates and Auditor Reliance on Artificial Intelligence［ J］． Journal of Accounting Research，2022（1）：171 ～ 201．

（責任編輯·校對： 劉鈺瑩? 羅萍）

【基金項目】國家社會科學基金項目“新疆發展紡織服裝產業帶動就業規劃的政策評估與優化”（項目編號：20BGL207）

【作者單位】石河子大學經濟與管理學院， 新疆石河子 832003