大數據技術應用對新能源上市公司績效的影響研究

李超 袁聲莉

摘 要：本文選取我國2012-2021年66家新能源上市企業有關數據，研究了大數據技術應用對于企業績效的影響關系以及高管團隊異質性對于二者關系的調節作用。得出以下結論：新能源企業的大數據技術應用顯著促進了企業績效的提升；性別異質性削弱了大數據技術應用與企業績效的正向影響；年齡異質性、受教育水平對于大數據技術應用與企業績效調節作用不顯著。

關鍵詞：大數據技術應用；公司績效；高管團隊異質性；調節作用

基金項目：湖北經濟學院2022年研究生科研項目“大數據技術應用對新能源上市公司績效的影響研究——基于高管團隊異質性的調節作用”

作者簡介：李超（1999- ），男，安徽樅陽人，湖北經濟學院碩士研究生，研究方向為中小企業財務主管；袁聲莉（1964- ），女，湖北潛江人，湖北經濟學院工商管理學院教授，博士，研究方向為商貿流通，人力資源開發。

一、引言

隨著區塊鏈技術、人工智能等大數據技術的不斷發展，其讓人們生活變得豐富的同時，也引導著加快新興產業發展和促進數字經濟和實體經濟的深度融合。黨的二十大報告中也進一步強調“積極穩妥推進碳達峰碳中和”，這也意味著新能源行業作為低碳經濟和綠色發展的主力軍將迎來巨大的政策機遇。但需要認識到的是數字化轉型幫助企業加快流通、管理、生產效率以及降低成本[1]，同時，也意味著巨大的資金投入，這也引發了是否進行數字化轉型的爭議。因此，將研究目光聚焦于新能源企業的大數據技術應用效果，對于研究我國的數字化轉型具有較強的現實意義。另外，根據高層梯隊理論認為，高管團隊作為企業的“指南針”，人力資本特征一定程度上決定著企業的戰略方針和經營狀況，企業決策的執行效果也有賴于高管團隊科學安排和審慎執行。

綜上所述，提出本文的兩個研究問題：大數據技術在中國新能源企業的應用是否有效地提升了企業績效？高管團隊作為企業戰略決策的領導，其在大數據技術的應用過程中能否扮演好“調劑”角色，促進大數據技術應用與企業績效的關系？這兩個問題的回答，就短期而言，可以幫助政府和新能源企業了解大數據技術的影響過程，從而助力企業進行數字化轉型，幫助企業搭建適合企業數字化轉型的高管團隊；就長期而言，有利于為新工業革命發展大環境下，我國新能源企業抓住數字紅利、實現高質量發展提供研究支撐。

研究現有的成果不難發現，目前的研究主要聚焦于大數據技術應用與企業績效，或者高管團隊異質性與企業績效的兩兩關系，但是將三者納入一個框架體系之中展開研究的文章很少。實際上，新能源企業是否進行大數據技術應用影響著企業績效，選擇進行大數據技術應用的投資力度也與企業的高管團隊特征有著密切的聯系，高管團隊特征的異質性可能決定著企業的風險偏好與戰略方向，也在一定程度上影響大數據技術應用與企業績效間的強度。本文以資源基礎理論和高層梯隊理論為理論基礎，實證檢驗大數據技術應用與企業績效的關系，并以高管團隊異質性為調節變量，探討在中國經濟市場環境下新能源企業大數據技術應用實際作用以及人力資本因素的內部調節機制。

二、理論分析與研究假設

（一）大數據技術應用對于企業績效的影響

WERNERFELT提出的資源基礎論認為不同的企業之間有著不同的有形或無形的資源，這些資源上的差異會使得企業具有競爭優勢。在這些資源的應用之下，會對于企業績效的提升產生積極作用[2]。在此理論支持下，學者就大數據技術應用與企業績效之間的關系進行了相關研究。徐國虎等以66家采用了大數據系統的上市企業作為研究對象，通過t檢驗和Wilcoxon秩和檢驗研究發現大數據系統的應用對于企業績效提升產生了積極作用[3]。張彩鳳等選取廣東254家企業為對象基于雙元組織學習視角進行實證分析，其發現大數據能力對企業績效有著顯著的正向影響[4]。李向陽以60家開始啟用大數據技術的時間點建立窗口期，運用秩和檢驗進行研究發現大數據技術應用在一定短時期內可以提升公司績效[5]。對于企業而言，大數據技術作為企業重要的戰略資源應用于企業的內部管理和生產活動會使得企業擁有先發優勢，從而促進企業的發展。基于以上理論分析，提出如下假設：

H1：大數據技術的應用與新能源企業績效正向相關。

（二）高管異質性的調節作用

高層梯隊理論認為，高管團隊處于企業戰略管理體系的頂層，在參與企業的管理活動中，其價值觀、經驗和能力影響著組織決策的制定與執行[6]。因此，將高管團隊異質性作為調節變量研究大數據技術應用與新能源企業績效之間的關系具有較強的理論依據。

1. 高管團隊年齡異質性的調節作用

從高管團隊年齡而言，年齡偏大的高管具有更多的工作經驗以及人際關系，并且側重于穩妥的決策，其決策往往偏向保守；而年輕化高管雖然在經驗上欠缺，但更偏向于激進和開放，相較于年齡偏大高管更加敢于進行企業變革和轉型[7]。因此，年齡異質性較大的高管團隊可能在價值觀上存在較大差異，使得團隊面臨較大的不確定性和摩擦。基于此，提出本文第二個假設：

H2：年齡異質性削弱了大數據技術應用與新能源企業績效的正向關系。

2. 高管團隊性別異質性的調節作用

根據陳寶杰總結的“抑制假說”，女性參與高管團隊不利于提升企業績效[8]。Alowaihan以科威特中小企業為樣本實證研究發現女性企業家的參與不利于顯著提升企業績效[9]。李可心基于A股上市公司數據研究發現性別異質性與企業績效無相關關系[10]。男女高管生理上的差異可能會造成價值觀、責任觀以及世界觀的差異，這會使管理層內部出現沖突，進而影響企業績效，這種影響就企業短期績效而言尤為明顯。基于此，提出本文第三個假設：

H3：性別異質性削弱了大數據技術應用與新能源企業績效的正向關系。

3. 高管團隊受教育水平異質性的調節作用

從高管受教育水平來看，具有不同教育水平的高管在思維方式、管理決策邏輯等方面存在著不同，這種差異會使得處于復雜經濟環境下的企業管理層在決策時具有多維度視角，進而使得管理決策有更高的質量，從而提升企業績效[11]。張瑞綱等根據主板上市公司相關數據研究發現學歷異質性與企業績效呈現顯著正向作用[12]。基于此，提出本文第四個假設：

H4：受教育水平異質性增強了大數據技術應用與新能源企業績效的正向關系。

三、樣本選取與研究設計

（一）樣本選取與數據來源

本文的研究對象為我國的新能源上市公司，研究樣本和數據主要來自Wind和CSMAR數據庫。數據整理和處理依靠Excel和Stata17完成。為了避免異常值的影響，對于數據進行了前后1%的縮尾處理。為了避免企業情況特殊喪失結論的真實性與可靠性，剔除ST、*ST等企業。最終選取了2012至2021年間66家新能源上市企業，共660個樣本。

（二）變量定義

1. 被解釋變量——企業績效

現有學術研究認為資產收益率（ROA）比托賓Q值等指標更合適用于衡量企業的短期績效，故本用ROA來衡量企業績效。

2. 自變量——大數據技術應用水平

借鑒吳非[13]、胡蓉[14]的研究方法，使用年報中涉及人工智能技術、大數據技術、云計算技術、數字技術應用和區塊鏈技術這五個方面的特征詞進行詞頻統計，從而刻畫企業的大數據技術應用水平。加總得到總詞頻，然后對總詞頻加1做取對數處理，得到衡量大數據技術應用水平指標（At）。At越大代表企業大數據技術應用水平越高。

3. 調節變量——高管團隊異質性

高管團隊異質性通常變異系數和赫芬德爾系數來進行衡量。由于年齡異質性是連續變量，因此以變異系數來測量。而性別、受教育水平和職能背景異質性是分類變量，因此采用赫芬德爾系數來進行測量。

高管團隊年齡異質性：[Hage=δi/μi]；

高管團隊性別、受教育水平、職能背景異質性：[Hm=1?i=1nP2i]；

[δi]表示公司高管團隊年齡的標準差系數，[μi]表示公司高管團隊平均年齡，[Hage]越大表示異質性程度越大。[Pi]表示公司高管團隊中第i類成員占總成員的比例；[Hm]值在0-1范圍內，[Hm]越大表示高管團隊性別（受教育水平、職能背景）異質性程度越高。

4. 控制變量

本文參考以往研究并結合本文實際，選取了企業規模、資產負債率、企業成長性、企業年齡和股權集中度這五個指標考慮公司治理結構方面對于企業績效的影響，選取了高管團隊規模、性別均值和年齡均值來控制公司高管團隊層面對于企業績效影響。此外，還控制了年度和行業。具體變量的定義如表1所示。

（三）模型構建

借鑒黃越[15]等研究方法，本文采用多元線性回歸與層次回歸相結合的方法進行實證研究。首先，對于控制變量回歸分析；其次，引入大數據技術應用水平建立主效應模型，觀察大數據技術水平與企業績效的關系；然后，在主效應模型中加入調節變量進行回歸，其回歸結果作為交互項結果參照；最后，在第三步基礎上引入交互項進行回歸，觀察交互項回歸結果。相關回歸模型如下：

（1）檢驗大數據技術應用與企業績效關系回歸模型

[ROA=β0+αiCntrol+Σind+Σyear+?]

模型1

[ROA=β0+α1At+αiCntrol+Σind+Σyear+?] 模型2

（2）檢驗高管團隊異質性調節作用的回歸模型

[ROA=β0+α1At+α2Hage+αiCntrol+Σind+Σyear+?] 模型3

[ROA=β0+α1At+α2Hage+α3At?Hage+αiCntrol+Σind+Σyear+?] 模型4

[ROA=β0+α1At+α2Hgender+αiCntrol+Σind+Σyear+?] 模型5

[ROA=β0+α1At+α2Hgender+α3At?Hgender+αiCntrol+Σind+Σyear+?] 模型6

[ROA=β0+α1At+α2Hedu+αiCntrol+Σind+Σyear+?] 模型7

[ROA=β0+α1At+α2Hedu+α3At?Hedu+αiCntrol+Σind+Σyear+?] 模型8

四、實證分析

（一）描述性統計

對于變量進行了相關處理后，各變量描述性統計如表2所示。企業績效情況：樣本企業的績效均值為0.035，最小值為-0.146，最大值為0.154，方差為0.044，說明在2012-2021年內樣本企業的價值存在著較大的差異，且樣本企業的企業績效處于較低的水平。大數據技術應用情況：大數據技術應用水平均值為1.21，最小值為0，最大為4.419，方差為1.185，說明新能源企業在大數據技術應用上存在較大差異。高管異質性情況：年齡異質性均值為0.129，最小值為0.034，最大值為0.25；性別異質性均值為0.208，最小值為0，最大值為0.5；受教育水平異質性均值為0.386，最小值為0，最大值0.72；這說明新能源企業的高管團隊異質性存在著差異。

（二）回歸分析

1. 大數據技術應用與企業績效關系回歸結果與分析

表4對于模型1-2的分層回歸結果進行了列示。在模型2中，大數據技術應用對于企業績效的關系得到了驗證。At與ROA的系數值為0.004，且在1%水平上顯著。因此，大數據技術應用與企業績效在1%水平上顯著正相關，驗證了假設1。

2. 高管團隊異質性的調節作用回歸結果與分析

本文還對于模型3-8進行分層回歸（限于篇幅，相關回歸結果不予展示）。在模型4中，大數據技術應用和年齡異質性交互項與企業績效的系數值為0.044，回歸結果不顯著。這表明年齡異質性并沒有顯著影響大數據技術應用與企業績效的正向關系，假設2未得到驗證。在模型6中，大數據技術應用和性別異質性交互項與企業績效的系數值為-0.017，且在5%的水平上顯著，回歸結果說明性別異質性削弱了大數據技術應用與企業績效的正向關系，假設3獲得了驗證。模型8經過回歸分析，其結果顯示大數據技術應用和受教育水平異質性交互項與企業績效的系數值為0.003，且沒有通過顯著性檢驗。這說明受教育水平異質性對于大數據技術應用與企業績效的正向關系并沒有調節作用，假設4未得到檢驗。

（三）采用滯后一期克服內生性問題

為了避免企業績效可能會反向影響企業進行大數據技術應用，本文借鑒王曉亮[16]等學者的研究方法，將自變量替換為滯后一期大數據技術應用水平（LAt）作進一步分析。從回歸結果中（限于篇幅，相關回歸結果不予展示）可以發現，模型2中大數據技術應用與企業績效回歸系數值為0.004，在5%水平上顯著正相關，假設1成立得到檢驗。年齡異質性、受教育水平異質性與大數據技術應用水平交互項的系數值分別為0.049和0.003，回歸結果并不顯著，假設2、4均未得到檢驗；模型6當中高管團隊性別異質性與大數據技術應用水平交互項的系數為-0.015，并且在10%水平上顯著，假設3得到檢驗。綜上所述，滯后一期回歸結果與此前回歸結果基本一致。

五、穩健性檢驗

本文利用ROE替換ROA的方法進行本文的穩定性檢驗，從回歸結果中（限于篇幅，相關回歸結果不予展示）可以發現，模型2中大數據技術應用與企業績效系數值為0.007，在5%水平上顯著正相關，假設1成立得到檢驗；模型4中高管團隊年齡異質性與大數據技術應用水平交互項的系數為0.09，結果并不顯著，假設2未得到檢驗；模型6當中高管團隊性別異質性與大數據技術應用水平交互項的系數值為-0.036，結果在10%水平上顯著，假設3得到檢驗；模型8當中高管團隊受教育水平異質性與大數據技術應用水平交互項系數值為0.002，結果并不顯著，假設4未得到驗證。綜上所述，穩健性回歸結果與分層回歸結果基本一致。

六、研究結論與建議

本文以我國2012-2021年66家新能源上市企業為樣本研究了大數據技術應用對于企業績效的影響關系，以及高管團隊年齡、性別、受教育水平對于二者關系的調節作用，并替換自變量進行穩健性檢驗，得出以下結論：新能源企業的大數據技術應用顯著促進了企業績效的提升。性別異質性削弱了大數據技術應用與企業績效的正向影響，年齡異質性、受教育水平對于大數據技術應用與企業績效的正向影響沒有調節作用。此外，雖然受教育水平異質性的調節效應并不顯著，但受教育水平異質性對于企業績效具有顯著正向影響。

基于以上研究結論，筆者提出以下建議：第一，新能源企業應當加大對于大數據技術的投入，并深挖技術內核，使數字融合于企業，讓數字賦能于企業。大數據技術應用是企業數字化轉型的管理決策路上的必經之路，大數據技術的應用可以幫助企業內部資源整合和戰略縱深前移的需求，但是其應用還需要結合企業組織架構調整和管理模式變革，才能使大數據技術的功能內化到企業內部，發揮其最大作用。第二，在架構高管團隊方面，新能源企業應當適當加大年齡結構性差異和適當減弱性別結構性差異，在架構高管團隊時，要提供相互合作、溝通、學習的平臺，使高管團隊成員能夠更好地交流管理經驗、市場認知和專業知識，減少性別異質帶來的團隊沖突，增強年齡異質性對于大數據技術應用對于企業績效的正向影響。

參考文獻：

[1] 劉東慧，白福萍，董凱云.數字化轉型對企業績效的影響機理研究[J].財會通訊，2022（16）：120-124.

[2] BIRGER WERNERFELT. A Resource-Based View of the Firm[J].Strategic Management Journal，1984：5.

[3] 徐國虎，田萌.大數據系統實施對企業績效影響的實證研究[J].科技進步與對策，2017，34（16）：98-105.

[4] 張彩鳳，謝衛紅，王永健.大數據能力對企業績效的作用機理研究——基于雙元組織學習的過程視角[J].企業經濟，2019（07）：113-120.

[5] 李向陽.大數據技術應用對上市公司績效影響的實證分析[J].東岳論叢，2021，42（1）：117-124.

[6] HAMBRICK，D C and MASON，P A， Upper Echelons：The Organization as a Reflection of Its Top Managers.The Academy of Management Review，1984，9（2）：193-206.

[7] 時楠，駱正清，孫超平.成本粘性、高管團隊異質性與企業績效[J].財會研究，2022（11）：40-47+57.

[8] 陳寶杰.女性參與高管團隊對企業創新績效的影響——來自中國中小板上市公司的實證分析[J].科技進步與對策，2015，32（5）：146-150.

[9] ALOWAIHAN A K.Gender and Business Performance of Kuwaiti Small Firms： A Comparative Approach [J].International Journal of Commerce & Management，2004，14（3/4）：69-82.

[10] 李可心.高管異質性對企業績效的影響[D].浙江大學，2022.

[11] 王希勝.集中股權結構上市公司高層管理團隊異質性對企業財務戰略的影響研究[J].管理學報，2016，13（7）：989-995.

[12] 張瑞綱，陳麗羽.高管團隊異質性與公司業績關系的實證研究[J].金融理論與實踐，2020（6）：86-93.

[13] 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，2021，37（7）：130-144+10.

[14] 胡蓉.企業數字化對投資效率的影響研究[J].財會通訊，2022（22）：92-96.

[15] 黃越，楊乃定，張宸璐.高層管理團隊異質性對企業績效的影響研究——以股權集中度為調節變量[J].管理評論，2011，23（11）：120-125+168.

[16] 王曉亮，王荻，蔣勇.高管團隊學歷異質性、真實盈余管理與審計收費研究[J].中國軟科學，2019（9）：175-184.