數字經濟核心產業上市公司投資效率研究

賈添玥

【摘要】文章基于Richardson模型，使用stata對2016—2022年數字經濟核心產業上市公司投資效率進行實證研究，利用面板數據多元線性回歸方式，計算出該部分上市公司非投資效率值。經過匯總得出，數字經濟核心產業市值大于100億的上市公司2016年后存在著較多非效率投資的行為，并隨著時間推移，非效率投資行為加劇，其中投資不足上市公司數量略高于投資過度上市公司數量；東西部上市公司投資效率存在較大差異，東部地區上市公司過度投資數量較多，中西部地區上市公司大多存在投資不足問題。并根據以上結論對提高數字經濟核心產業上市公司提出針對性建議，對促進上市公司投資效率提高，促進我國數字經濟良好發展具有長遠意義。

【關鍵詞】數字核心產業；投資效率；Richardson模型

【中圖分類號】F275；F832.51；F49

一、引言

根據國家統計局《國民經濟行業分類》中定義，數字經濟是指以數據資源為關鍵生產要素、以現代網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。

數字經濟具體包含計算機網絡及其運行所需的數字化基礎設施、使用網絡系統進行的數字交易、用戶設定和訪問的數字內容等[1]。數字經濟核心產業對數字經濟社會發展起支撐和引領作用[2]，投資效率是評價數字經濟核心企業上市公司經營活動的關鍵指標，上市公司提高投資效率，提高企業價值，是吸引外部投資的關鍵[3]。

為推動數字經濟的良好發展，提高數字經濟核心產業上市公司的投資效率，本文以“數字產業化”部分中在市場中占有較大份額，市值前100位的上市公司（不包括電信傳媒行業）投資效率為主要研究對象。分析上市公司投資效率及其影響因素，并從提高投資效率的角度提出建議，豐富了數字經濟核心產業的相關研究，對促進數字經濟核心產業上市公司投資效率提高和數字經濟良好發展具有長遠意義。

二、文獻綜述與研究假設

（一）文獻綜述

2022年11月30日發布的ChatGPT，將人工智能再一次推向大眾視野，由此帶來的熱度驅動著數字經濟核心產業，數字經濟核心產業成為2023年上半年領漲行業之一。

隨著數字經濟不斷發展，數字經濟核心產業的國產化、數字化、智能化的趨勢越來越明顯。數據成為了新生產要素，面對著中美科技領域博弈加劇，我國在信息技術安全、數據安全方面愈發重視，數字經濟核心產業正朝著國有化方向發展。2022年關于數據要素和數字中國的宏觀政策密集出臺，數據作為新的生產要素，推動著數字經濟核心產業和其他各行各業朝著數字化變革。ChatGPT的熱度使得人工智能得到再次關注，數字經濟核心產業發展的未來性促進其朝著智能化方向發展。

當前對“數字經濟核心產業”的研究主要集中于資源配置效率和異質性分析兩方面。金建紅（2023）指出我國“數字經濟核心產業”在不同地區的發展程度不同，政府實施了東部優先政策以發揮其產業優勢，但數字產業的空間布局仍未能做到完全均衡[4]。賀剛（2023）提出數字經濟核心產業具有顯著的空間集聚效應，不同地區之間的發展程度存在明顯的不均衡現象[5]。平衛英（2022）研究得出我國各地區數字經濟核心產業規?？傮w增長，年均增長率遞減的趨勢，且不同地區規模差異較大，存在明顯的地區差異性和非均衡性[6]。

數字化和虛擬化的出現催生出了一系列關于新經濟的概念，也產生了異于傳統行業的生產模式和投資空間。數字經濟核心產業上市公司大型并購逐漸成為股價主要的增長驅動力[7]。通過計算數字經濟核心產業上市公司投資效率可以分析是否存在非效率投資行為。

投資效率是指企業投資所取得的有效成果與所消耗或占用的投入額之間的比率。投資效率有四種代表性理論：委托代理理論、信息不對稱理論、自由現金流假說、融資約束理論[8]。企業投資效率模型包括：DEA模型、投資—現金流敏感性模型、邊際托賓Q模型、Richardson投資期望模型。

由于DEA模型無法衡量產出為負的狀況；投資—現金流敏感性模型無法判斷是過度投資還是投資不足；邊際托賓Q模型適用條件嚴苛，這些條件不適合我國資本市場[9]。

學者對Richardson模型修正，并在實證中廣泛應用。劉慧龍（2014）等引入上年度投資支出、企業成長性等指標進行計算[10]。馮嘉悅（2021）基于Richardson投資期望模型對中國工業企業投資效率進行分析，證明Richardson殘差模型對于我國企業也是適用的，且能夠很好地反映企業的投資效率情況[9]。吳凱進（2022）基于Richardson投資期望模型計算出的非效率投資程度來探討影響企業投資效率新路徑[11]。楊雨婷（2023）基于Richardson投資期望模型得出，通過降低企業融資成本，數字金融能夠提高企業的投資效率[12]。Richardson模型優點為：能夠針對特定公司和特定年度的投資效率來進行衡量；度量特定企業的資本配置效率；能較好地解決投資過度和不足的度量、投資效率分析等問題。因此本文選擇Richardson投資期望模型衡量數字經濟核心產業中上市公司投資效率。

（二）研究假設

數字經濟核心產業上市公司對外投資、并購重組十分普遍，投資支出占總資產比例較高。數字經濟核心產業上市公司并購是為了實現資源整合和優化，還是為了掩蓋公司經營的不良情況，由于高新技術的壁壘性及行業壁壘等因素，難以分辨上市公司投資行為是否符合投資效率，這給監督和識別帶來了困難。公司是否存在過度投資行為或投資不足的行為，需要進行深入探討。此外，我國數字經濟核心產業地區的發展存在差異，現有文獻關于數字經濟核心產業投資效率的實證研究較少，有待進一步完善。

因此本文選擇Richardson投資期望模型，選取數字經濟核心產業上市公司面板數據，對數字經濟核心產業中上市公司投資效率進行實證研究。并基于以上分析提出假設：

H1：我國數字經濟核心產業存在較多非效率投資行為。

H2：我國數字經濟核心產業地區差異較大。

三、研究設計

（一）變量定義與數據來源

本文選擇Richardson投資期望模型來計算數字經濟核心產業上市公司投資效率，本文采用馮烽（2023）的Richardson投資期望模型構造方式，用非效率投資程度來衡量企業投資效率，非效率投資主要有投資不足和投資過度兩種表現形式，投資不足與投資過度都是企業不符合最優投資水平的行為[13]。

根據Richardson模型以及學者對企業投資效率影響因素的研究發現，企業投資效率的內部影響因素主要包括：成長能力、負債水平、現金流水平、公司規模、盈利能力等。

成長能力對公司投資行為具有促進作用，高成長能力公司投資水平明顯高于低成長能力公司投資水平[14]。長期資產負債率對上市公司過度投資行為存在促進作用，導致非效率投資程度上升[8]。超額現金流與過度投資存在顯著正向關系[15]。公司規模與投資水平存在顯著正向關系。公司上市年限，與公司非效率投資程度的相關關系較低，總資產收益率，用來衡量公司盈利狀況，基于上述變量關系，本文選取以上變量作為控制變量。

考慮到數字經濟核心產業發展迅速，本文選取2016—2022年期間年度數據。根據iFinD數據中心2016—2022年數字經濟核心產業上市公司總市值大于100億的100家上市公司公開數據，對初始樣本數據進行如下篩選：剔除ST及*ST類公司、控制變量缺失、存在異常值的公司。本次選取的上市公司中，深交所上市公司40家，上交所上市公司59家，北交所上市公司1家。

（二）模型構建

選擇總市值大于100億的數字經濟核心產業上市公司作為樣本，在剔除ST股以及不可觀測值后，選取總市值大于100億的100家上市公司進行深入研究分析。采用stata17處理數據，基于Richardson投資期望模型，構建面板數據多元線性回歸模型，如公式（1）所示。

對于模型各變量選取以及變量定義如表1。主要變量的基本描述統計如表2所示。

四、實證分析

（一）回歸結果分析

采用固定效應模型，在固定時間效應和個體效應后，基于數字經濟核心產業的上市公司2015—2022年公開年度數據，進行面板數據多元線性回歸，回歸結果如表3所示。

根據表3回歸結果所示，大部分變量在5%水平下顯著，模型R^2為0.1522，p值依為0.0000，說明在剔除了時間變化因素的情況下，模型具有顯著性，擬合情況較好，表明模型具有穩定性，方程的估計結果是值得信賴的。

在此回歸模型的基礎上導出殘差值ε，ε<0代表數字經濟核心產業的上市公司存在投資不足行為，ε>0代表數字經濟核心產業的上市公司存在投資過度行為。

（二）投資效率分析

為檢驗假設H1：我國數字經濟核心產業存在較多非效率投資行為，根據stata面板數據多元線性回歸結果，導出殘差值ε，對殘差值進行歸納分析，結果如表4所示。

根據表4結果可知，剔除缺失值后總觀測樣本數為784，說明2016—2023年間，其中數字經濟核心產業市值大于100億的上市公司出現合理投資情況占比為12.50%，占比較?。粩底纸洕诵漠a業市值大于100億的上市公司出現過度投資情況占比為30.61%，占比較大，數字經濟核心產業市值大于100億的上市公司出現投資不足情況占比為56.89%，占比最大。說明數字經濟核心產業的上市公司大多存在非效率投資情況，并且其中投資不足的情況較多。

將100家上市公司殘差值ε用Excel中使用條件格式進行篩選，由對數字經濟核心產業總市值大于100億的100家上市公司投資效率匯總得到如下分析：

1.在2016—2022年間，數字經濟核心產業的上市公司合理投資占比水平較低。

2.數字經濟核心產業上市公司在2016—2018年間存在少量投資合理公司，在2018—2022年，幾乎全部上市公司都存在非效率投資的問題。

3.市值排名靠前的上市公司大多存在投資過度行為，市值排名靠后的上市公司大多存在投資不足行為。

（三）區域因素分析

對于地域的劃分本文參考了《普惠金融與中國經濟發展：多維度內涵與實證分析》[16]（2020）中對于中國地域劃分方式，按省份分為東部、西部和中部[17]。

為驗證假設H2：我國數字經濟核心產業地區差異較大。將數字經濟核心產業總市值大于100億的前100家上市公司注冊地址的省份，按上述地域劃分方式進行劃分，在剔除無效殘差值后stata中進行分類匯總得到結果，其中East代表東部地區，Middle代表中部地區，West代表西部地區。如表5所示。

數字經濟核心產業市值大于100億的100家上市公司中，注冊地址在東部地區的數量是93家，注冊地址在中部地區的數量是2家，注冊地址在西部地區的數量是5家，投資情況如表6所示。

從數據直觀得到，東西部上市公司投資效率存在較大差異，東部地區上市公司過度投資數量較多，中西部地區上市公司大多存在投資不足問題。

五、結論及建議

（一）結論

根據總體情況分析，得出以下結論：

1.數字經濟核心產業上市公司在2016-2018年間投資合理情況較少，在2018—2022年，幾乎全部上市公司都存在非效率投資的問題。數字經濟核心產業投資效率變化以2018年為明顯分界，說明政策因素對數字經濟核心產業影響較大。

2.數字經濟核心產業市值大于100億的上市公司中，市值排名靠前的上市公司大多存在投資過度行為，市值排名靠后的上市公司大多存在投資不足行為。

3.我國數字經濟核心產業存在嚴重的地域不平衡的問題，大多上市公司集中于東部地區，中西部地區上市公司數量較少。

4.東部地區上市公司獲得地域有利條件、地域政策支持、資金支持較多，較容易出現過度投資情況，中西部地區上市公司獲得地域有利條件、地域政策支持和資金支持較少，較容易出現投資不足情況。

（二）建議

1.應通過立法監督和政策支持的方式約束上市公司投資行為，改善上市公司投資效率。

由結論可知，數字經濟核心產業受到政策和立法的影響較大，因此可以通過這兩種方式對上市公司投資效率進行調節。

首先應加強立法約束，使監管部門有法可依，以此維護良好投資環境。目前我國數字經濟核心產業中數字經濟核心產業的上市公司非效率投資的現象較為明顯，監管機構應加強立法，加強處罰力度，同時設立投資績效衡量機制，對數字經濟核心產業上市公司投資行為進行適度監督，防止過度并購投資，出現投資過度的不良情況。

其次應加強政策支持，數字經濟核心產業是我國發展為科技強國的關鍵產業，應給予一定的稅收優惠和政策支持，使得上市公司經營彈性更大，有利于改善部分上市公司投資不足的情況。

2.數字經濟核心產業的上市公司管理層應注意避免非效率投資行為，調控投資尺度，提高資源配置效率。

數字經濟核心產業的上市公司中市值與經營狀況差異較大，部分總市值較高，市場份額較大且經營狀況良好，運營過程中自由現金流比例較大的上市公司，應適度控制投資活動，避免出現過度投資，過度并購等現象。

數字經濟核心產業中其他市值較小，市場份額較小，經營狀況較弱的上市公司應通過穩健運營，積極參與投資活動，避免投資水平不足帶來的資源浪費，從而提高投資決策能力和資金運用效率。數字經濟核心產業上市公司應按公司自身的經營狀況、自由現金流比例狀況來平衡投資水平的尺度，避免出現非效率投資的行為。

3.繼續推進“東數西算”工程，將東部密集的算力，有序引導至西部，并為中西部地區引入數字經濟核心產業提供一定政策支持。

由于東西部地理條件和營商環境的差異，我國數字經濟核心產業市值大于100億的上市公司大部分集中在東部，極少數位于中部西部，這既不利于東西部地區平衡發展，也不利于綠色發展和低碳發展。

為了緩解東部能源緊張，也給西部開辟新的發展道路，我國提出實施“東數西算”工程，以此優化數據中心建設布局，促進東西部協同聯動。應努力推進“東數西算”工程，這樣有利于提高中西部地區數字經濟核心產業的經營狀況，緩解其投資不足問題。

主要參考文獻：

[1]鮮祖德，王天琪.中國數字經濟核心產業規模測算與預測[J].統計研究，2022，39（01）：4-14.

[2]龐明，趙夢真.共同富裕視角下企業社會責任與投資效率研究——以數字經濟核心企業為例[J].西安石油大學學報（社會科學版），2023，32（01）：33-40.

[3]王若萌.基于DEA的行業投資效率分析——以通信設備、計算機及其他電子設備制造業為例%J中國經貿導刊（中）[J].2021，（07）：7-10.

[4]金建紅.我國數字信息化產業及技術發展現狀[J].數字技術與應用，2023，41（11）：48-50.

[5]賀剛，向天星.數字經濟核心產業空間集聚水平及其影響因素——基于新一代信息技術戰略性新興產業視角[J].科技管理研究，2023，43（05）：197-203.

[6]平衛英，肖秀華.中國數字經濟核心產業規模的地區差距、空間效應和動態演進[J].調研世界，2022（07）：3-16.

[7]劉麗娜，楊公志.數字化建設對企業投資效率的影響研究——來自中國制造業上市公司的經驗證據[J].會計之友，2022（23）：123-130.

[8]王曉彥，戴奕萱.互聯網上市公司投資效率研究——基于Richardson投資期望模型%J河南牧業經濟學院學報[J].2018，31（04）：30-38.

[9]馮嘉悅，李佩明.基于Richardson模型的中國工業企業投資效率研究%J全國流通經濟[J].2021（03）：87-89.

[10]劉慧龍，王成方，吳聯生.決策權配置、盈余管理與投資效率 %J 經濟研究[J].2014，49（08）：93-106.

[11]吳凱進，杜雨欣.投資者情緒、財務報告質量與投資效率 %J 中國集體經濟[J].2022（01）：83-84.

[12]楊雨婷，楊霞.數字金融、股權融資成本與投資效率%J 現代金融[J].2023（01）：22-28+35.

[13]馮烽，崔琳昊，程果.高鐵開通、信息獲取和企業投資效率 %J 經濟縱橫[J].2023（03）：99-111.

[14]郭嵐，張祥建.上市公司的成長能力與投資行為研究%J 軟科學[J].2010，24（03）：96-102.

[15]靳小翠，殷治平.企業非效率投資度量及其影響因素研究概覽%J財會月刊[J].2012（24）：84-86.

[16]李建軍，彭俞超，馬思超.普惠金融與中國經濟發展：多維度內涵與實證分析[J].經濟研究，2020，55（04）：37-52.

[17]楊志銀，申雅欣.減稅降費政策助力數字經濟發展——基于2011—2020年面板數據研究[J].國際商務財會，2023（22）：44-49.

責編：險峰