企業智能財務能抑制盈余管理嗎

【摘 要】 企業財務會計領域的智能化是數字經濟時代的重要方面。文章選取2016—2022年A股上市公司為研究樣本，實證檢驗了企業智能財務與盈余管理的關系。研究發現，企業實施智能財務能有效抑制盈余管理，且這種抑制作用主要通過提高透明度的機制來實現。異質性分析發現，企業智能財務對盈余管理的抑制作用在企業規模較大、機構持股比例較高的企業及市場化程度較高的情況下更顯著。進一步分析發現，企業實施智能財務不僅有利于降低應計盈余管理，而且能降低真實盈余管理。研究結論對完善企業數字化轉型、提高財務報告信息質量和促進資本市場健康發展具有重要意義。

【關鍵詞】 智能財務； 盈余管理； 數字經濟； 文本分析

【中圖分類號】 F275.2" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）15-0059-09

一、引言

自2016年G20峰會起，數字經濟已連續9年被寫入政府工作報告，成為我國建設高質量經濟發展體系的重要戰略目標。在國家數字經濟布局下，眾多企業借助人工智能、云計算、大數據、物聯網等技術開展了智能化改造和數字化轉型（以下簡稱“智改數轉”），通過數字技術與產業發展的深度融合，不斷地對企業的業務流程、產品與服務以及商業模式進行創新演變。已有文獻廣泛討論了企業數字化轉型的典型模式及表現[ 1 ]，并重點研究了企業數字化轉型的經濟后果。研究發現：企業數字化轉型不僅顯著地改變了企業的專業化分工[ 2 ]，而且提升了企業生產效率、企業價值和資本市場表現等[ 3 ]。

隨著企業全面“智改數轉”的推進，企業管理變革逐漸受到關注。關于企業數字化轉型帶來的管理變革，當前研究主要集中于企業組織結構和內部管理模式方面[ 4 ]。財務會計領域作為企業數字化管理變革的重要參與者，正在進行全面智能化和數字化變革，智能財務已經成為新時代財務會計領域的新鮮事物，學術界和實務界對智能財務進行了熱烈討論，但目前關于智能財務還未形成統一的共識和權威定義。結合學術討論及實務表現，本文認為智能財務主要是以人工智能為代表，包括大數據、人工智能、移動互聯網、云計算、物聯網和區塊鏈等多種新興信息技術運用于財務會計領域，以信息技術賦能傳統的財務會計工作，提高財務工作效率和財務信息質量，提升財務價值創造能力。智能財務是我國當前數字經濟發展和企業數字化轉型中的重要內容，但從財務視角分析企業財務管理智能化變革的研究目前仍然不多。雖然部分學者討論了企業開展RPA財務機器人等智能財務的應用場景及其具體表現[ 5 ]，并嘗試從理論視角尋找構建智能財務的理論框架和建設路徑[ 6 ]，但關于企業智能財務和改革經濟后果的量化研究還較匱乏。

從學術研究看，關于企業“智改數轉”及其帶動的管理變革已經成為重要且緊迫的研究問題。評估財務會計工作智能化改革效果最直接的方面便是企業的會計信息質量是否提升，盈余管理是衡量企業會計信息質量的重要具象表現。那么，企業智能財務能否抑制盈余管理行為，進而提升企業的會計信息質量呢？本文以此為切入點研究智能財務與盈余管理之間的關系，旨在細化企業數字化轉型的相關研究。

本文選取2016—2022年滬深A股上市公司為樣本，實證檢驗了智能財務對盈余管理的影響。結果表明，企業智能財務能顯著抑制應計盈余管理行為，提升會計信息質量，且這種抑制作用主要是通過提高透明度的機制來實現。異質性分析結果發現，企業智能財務對盈余管理的抑制作用在規模較大、機構持股比例較高的企業及市場化程度較高的情況下更顯著。進一步分析發現，企業實施智能財務不僅有利于降低應計盈余管理，而且能降低真實盈余管理。本文在控制了內生性問題后，研究結論仍然穩健。

與已有研究相比，本文的邊際貢獻體現在以下方面：結合企業實踐中智能財務的主要模式及表現，歸納了企業智能財務的概念并建立相關詞庫，基于上市公司年報的文本分析獲取智能財務數據，以此為研究視角討論了智能財務對盈余管理的經濟后果，并分析了智能財務影響盈余管理的主要路徑和不同情境下的影響差異。研究結論能有效補充和細化企業數字化轉型的相關文獻，拓展和完善企業智能財務相關研究的鏈條，豐富了企業智能財務經濟后果的文獻。

二、文獻綜述與研究假設

企業數字化是近年來研究的熱點問題。為促進數字經濟和實體經濟深度融合，“智改數轉”已成為眾多企業的發展趨勢。企業數字化轉型的實質是通過數字技術賦能企業現有的組織管理模式、生產模式、銷售模式等，打破其內部不同部門之間的“數據鴻溝”，驅動其管理模式、生產運營機制重塑，推動企業資源配置效率優化和管理模式創新。現有文獻主要針對企業數字化轉型內容及后果進行分析，而從財務角度描述企業數字化轉型后果的文獻相對不足。

財務會計作為企業管理的重要組成部分，大致經歷了電算化、信息化（狹義）和智能化三個階段[ 7 ]。電算化主要是區別于手工做賬，開始采用會計軟件來提升財務管理效率；信息化區別于電算化的特征主要是構建了逐漸趨同的會計信息標準，如ERP系統的廣泛使用和XBRL的運用等[ 8 ]；智能化優于信息化的特征主要是“大智移云物區”等智能化新技術在企業中的運用[ 9 ]，產生了智能報賬、智能核算和智能運營服務等平臺，并產生了基于新技術的財務智能系統，用于財務預測、經營推演、風險量化、價值優化、決策自動化和信息推薦等。

人工智能（AI）可以幫助企業滿足三個關鍵的目標，即自動化業務流程，強化數據分析能力，深化消費者及員工利益相關者的聯系。

首先，從智能核算角度看，自動化技術的發展使得企業流程標準化和透明度不斷提升，增加了企業管理人員為獲取私人利益而進行盈余管理的難度。例如，RPA流程自動化技術能根據已有規則進行大量的重復性操作[ 10 ]，在提供財務工作效率的同時也使會計核算的標準化程度不斷提升，而流程的標準化能顯著降低人工工作可能產生的失誤和偏差，在很大程度上提高了會計信息的準確度[ 11 ]。基礎會計信息準確性提高使得依據基礎會計信息形成的財務報告的準確度也得到了提升。又例如，業財融合一體化和財務共享中心的建立使得大量的會計核算等工作集中于集團層面，減少了下屬部門因工作勝任能力不足和獨立性不夠而可能產生的盈余管理動機[ 12 ]。

其次，從智能決策角度看，會計信息系統的完善和大數據分析方法的應用使得企業決策過程的信息深度融合，電子數據交換（Electronic Data Interchange，EDI）和實時會計核算（Real-time Accounting，RTA）等不僅提升了企業決策過程中的信息傳遞速度和效率[ 9 ]，而且提升了基于高效、實時信息進行決策的科學性和準確性，從而減少了企業進行盈余管理機會主義行為的主觀動機和客觀機會。在專業分工不斷明確、流程標準不斷統一的情況下，財務與業務部門基于共同價值目標形成具有全面價值化的規劃、決策、控制和評價的財務共享中心，這樣的財務共享中心不僅是信息的融合，更是信息、組織和價值綜合融合下的體現[ 13 ]，且從海量原始憑證到賬簿再到報表的不斷集中，使得會計數據能更快速和直觀地向信息使用者提供關鍵數據[ 14 ]，減少了內部傳遞過程中信息含量的流失，提高了會計信息的利用率。

最后，從智能審核或智能控制角度看，隨著企業對數據處理和挖掘水平大幅提升，智能審核或智能控制更加實時、高效，能迅速將數據編碼輸出成標準化、結構化信息，不同信息源數據交叉驗證，進一步提升了信息透明度，從而在企業內部和外部兩個層面強化監督和控制水平，有效緩解信息不對稱程度[ 15 ]，保障投資人利益，同時也為市場及其他利益相關者關注企業的經營、生產狀況提供了便利[ 16 ]。由此可見，企業開展智能財務改造可以逐步形成“智能核算—智能決策—智能控制”的完整財務工作鏈條，從而提升會計信息全鏈條的透明度。隨著企業信息透明度的提高，委托人與代理人之間的信息不對稱降低，使得企業管理人員進行盈余管理的可能性相應降低[ 17 ]。基于以上分析，本文提出以下假設：

H1：企業智能財務能顯著抑制企業盈余管理，提高會計信息質量。

三、研究設計

（一）數據來源和樣本選擇

本文以2016—2022年滬深A股上市公司為樣本，以企業智能財務為自變量，以盈余管理為因變量，實證檢驗企業智能財務與企業盈余管理的相關關系。選擇以2016年為研究起點，主要是基于2016年召開的G20峰會首次提出了“數字經濟”的概念，隨后企業才逐步開始進行智能化改造和數字化轉型。借鑒已有研究，本文對樣本進行以下處理：（1）剔除金融上市公司；（2）剔除樣本期間ST、*ST、PT以及暫停上市的公司；（3）剔除研究數據有缺失的樣本。另外，考慮到信息科技公司本身與信息技術和數字化密切相關，可能會引起樣本偏差，影響研究結論，本文在穩健性檢驗中剔除了計算機軟件開發相關行業樣本。在此基礎上，本文對連續變量進行了1%和99%水平上的縮尾處理，以避免異常值對實證結果產生影響。企業智能財務數據來源于巨潮資訊網站2016—2022年A股上市公司的年報文本數據，盈余管理計算變量及控制變量的數據來源于國泰安CSMAR數據庫，文本抓取由Python3.8完成，其他數據操作由Stata17.0完成。

（二）變量定義

1.智能財務

由于此前沒有文獻對企業智能財務進行定量分析，本文參考企業數字化相關研究文獻中的量化方式對智能財務進行衡量。已有研究中企業數字化的量化方式主要分為兩種：一是采取問卷調查的方式[ 18 ]對企業數字化進行細致的問題描述，選取樣本范圍內企業數字化相關信息并形成有效的數據樣本；二是采取大數據爬蟲的方式對企業年報或其他報告中有關企業數字化的關鍵詞進行詞頻統計，以此反映企業數字化程度[ 19 ]。本文認為第一種方式存在一定的數據收集難度，可能無法得到足夠的有效樣本進行分析，且問卷設計容易受調查者主觀情緒影響，也可能產生被調查者的理解偏差，在數據的科學性方面存在不足。因此，本文采用了第二種企業數字化程度的量化方式，對智能財務數據進行了收集。數據樣本選取范圍是2016—2022年A股上市公司的年度報告，選擇年報作為爬蟲范圍是因為年報是企業對外信息披露中較權威和全面的信息來源。

大數據爬蟲方法獲取數據重要的是關鍵詞的確定。本文根據財政部發布的《會計信息化發展規劃（2021—2025年）》（財會〔2021〕36號）、國資委發布的《關于中央企業加快建設世界一流財務管理體系的指導意見》（國資發財評規〔2022〕23號）等文件，基于本文提出的“智能核算—智能決策—智能控制”的全鏈條智能化框架，并結合企業實踐發展，確定詞庫為財務機器人、RPA、財務智能化、智能財務、智能會計、智能審核、智能風控等。具體而言，本文采用虛擬變量來衡量智能財務，如企業年報中出現詞庫中的關鍵詞，當年及往后年份設置為1，表示企業已開展智能財務工作；反之取值為0，表示企業還未開展智能財務工作②。

2.盈余管理

基于已有研究文獻，本文分別采用基礎Jones模型、修正Jones模型、收益匹配Jones模型、非線性應計Jones模型來計算操控性應計利潤，并取絕對值作為應計盈余管理程度的代理變量。不同模型可以保證研究結果的穩健性，此外進一步分析中采用Roychowdhury[ 20 ]模型計算真實盈余管理水平。

3.控制變量

本文的控制變量主要包括公司規模、企業上市年齡、資產增長率、資產負債率、董事會獨立性、股權集中度、審計費用、兩職合一、產權性質等。詳細的變量定義見表1。

（三）模型設計

為研究企業智能財務對應計盈余管理的影響，本文建立如下回歸模型：

DAi，t=α0+α1lntelligenti，t+α2Duali，t+α3LEVi，t+α4Growthi，t+α5IndepDirRatioi，t+α6ListAgei，t+α7FirmSizei，t+α8OwnCon10i，t+α9SOEi，t+α10Lnfeei，t+α11Year+α12Industry+εi，t" "（1）

模型（1）中應計盈余管理（DAi，t）為因變量，智能財務（Intelligent）為自變量，控制變量包括兩職合一（Dual）、資產負債率（LEV）、資產增長率（Growth）、董事會獨立性（IndepDirRatio）、企業上市年齡（ListAge）、公司規模（FirmSize）、股權集中度（OwnCon10）、產權性質（SOE）、審計費用（Lnfee），αi為估計量，εi，t為殘差。本文還控制了行業和年度固定效應。

四、實證結果分析

（一）描述性統計分析

表2是變量的描述性統計結果。企業智能財務（Intelligent）均值為0.062，說明當前開展智能財務的企業占比較低。應計盈余管理（|DA|）均值為0.057，標準差為0.060，最小值為0.001，最大值為0.332，說明企業盈余管理水平存在明顯差異。在控制變量中，兩職合一（Dual）的均值為0.298，可見樣本中兩職合一的比例為29.8%。資產負債率（LEV）均值為0.433，表示樣本企業大部分獲取外部資金的能力較強。資產增長率（Growth）均值為0.138，標準差為0.283，標準差大于均值說明企業之間資產增長率差異較大。董事會獨立性（IndepDirRatio）均值為0.378，說明樣本中獨立董事占董事會人數的37.8%。企業上市年齡（ListAge）均值為15.459，說明樣本企業平均上市時間約為15年。公司規模（FirmSize）最大值為26.412，最小值為19.975，表明企業規模存在明顯差異。股權集中度（OwnCon10）均值為0.569，說明樣本企業中前十大股東持股比例平均為56.9%，表明我國企業股權相對集中。產權性質（SOE）的平均值為0.319，說明樣本企業中國有企業占比為31.9%。審計費用（Lnfee）最大值為16.258，最小值為12.776，表明企業審計費用存在明顯差異。

（二）相關系數分析

在實證回歸分析前，本文對主要變量進行了相關系數檢驗。結果顯示，智能財務（Intelligent）與應計盈余管理（|DA|）之間的相關系數為-0.044，且在1%的水平上顯著，說明智能財務與應計盈余管理之間存在顯著的負相關關系。此外，大部分變量間的相關系數絕對值小于0.5。考慮到Pearson相關系數衡量的是兩個變量之間簡單的相關關系，秉持謹慎性原則，本研究進行了VIF檢驗，結果顯示主要變量的VIF值為1.02～2.97，均小于5，說明本模型不存在多重共線性。由于篇幅所限，Pearson相關系數表及VIF檢驗結果表未展示。

（三）回歸結果分析

表3報告了企業智能財務對應計盈余管理的多元回歸分析結果。列（1）為僅控制年份和行業的單變量相關系數，列（2）為控制年份和行業的線性回歸結果，列（3）和列（4）是進一步控制個體效應的多元回歸結果。根據表3結果顯示，企業智能財務對應計盈余管理的影響系數在1%的置信水平上顯著為負，說明企業智能財務能夠有效降低盈余管理的行為，本文H1得到驗證。

（四）穩健性檢驗

為保證研究結論的穩健性，本文進一步采用修正Jones模型、收益匹配Jones模型、非線性應計Jones模型估計企業應計盈余管理，并實證檢驗企業智能財務與盈余管理的相關關系。結果顯示，智能財務對應計盈余管理的影響系數在1%或5%的置信水平上顯著為負，說明智能財務降低企業應計盈余管理行為的結論具有穩健性。除了在回歸模型中替換應計盈余管理的衡量指標外，本文還進行了如下穩健性檢驗：（1）考慮到信息科技公司本身與信息技術和數字化密切相關，可能會引起樣本偏差，從而影響研究結論，本文剔除了計算機軟件開發相關行業樣本后進行回歸分析，結果顯示企業智能財務與基礎Jones模型計算的應計盈余管理在5%的置信水平上顯著負相關，系數為-0.0036，其他模型結果與此接近。（2）考慮到有些公司層面的因素可能會同時影響企業智能財務與盈余管理水平，例如企業治理層和管理層的經營理念等，為了排除這樣的可能性，本文采用固定效應模型對文中的假設重新進行檢驗，檢驗結果顯示，企業智能財務與應計盈余管理的系數在各模型中仍然顯著為負（plt;0.01）。固定效應回歸結果與之前的結果一致，模型設定對本文的回歸結果沒有產生影響。（3）通常，真實盈余管理更具有隱蔽性，更難以防范。對此，本文進一步觀察了企業智能財務對真實盈余管理行為的影響。結果顯示，智能財務的系數在5%的水平上與真實盈余管理顯著負相關，說明企業進行財務智能化改造不僅能有效降低應計盈余管理，而且能降低企業真實盈余管理，進一步提升企業會計信息質量。限于篇幅，穩健性檢驗結果表略。

（五）內生性檢驗

為了解決回歸中可能存在的內生性問題，本文選擇各地區的數字經濟政策（Policy）作為企業智能財務的工具變量。選擇各地區的數字經濟政策作為工具變量的原因是：在國家數字經濟的整體布局下，北京、上海等多個城市陸續發布了與數字經濟有關的政策，地區發布數字經濟政策會帶動企業的智能財務改造。本文采用兩階段最小二乘法（2SLS）對模型進行了重新估計，結果如表4所示。由表4可見，Anderson Canon LM檢驗顯著拒絕原假設，說明模型不存在識別不足問題；Cragg-Donald Wald F統計量明顯大于Stock-Yogo弱工具變量檢驗的臨界值，顯著拒絕存在弱工具變量的原假設，說明模型不存在弱工具變量問題。結果表明在考慮了內生性問題后，研究結果依然成立。

五、企業智能財務影響盈余管理的機制分析

根據前文的文獻綜述和理論分析，企業開展智能財務改造可以逐步形成“智能核算—智能決策—智能控制”的完整財務工作鏈條，從而提升會計信息全鏈條的透明度，有效緩解信息不對稱程度，降低盈余操縱動機。基于以上分析，本文以信息透明度（OPA）作為中介變量對企業智能財務與盈余管理的關系進行機制檢驗。具體見表5所示。由表5可知，智能財務與信息透明度的回歸系數在5%水平上顯著為正，意味著智能財務顯著提升公司的信息透明度。與此同時，信息透明度的回歸系數在1%水平上顯著為負，表明信息透明度的提升抑制了管理層進行盈余管理的動機。

六、異質性分析

首先，企業智能財務對盈余管理的抑制作用可能會受企業規模的影響。企業規模是影響企業“智改數轉”投入的重要因素。當企業規模較大時，企業有更多的資金或能力進行數字化和智能化改造，且對企業信息透明度的要求更高，能進一步加強企業智能財務對盈余管理的抑制作用。因此，本文針對企業規模的異質性特征，就企業智能財務對盈余管理的影響進行進一步剖析，其中企業規模根據行業中位數區分為大規模企業和小規模企業，結果見表6中的列（1）和列（2）。結果顯示，企業智能財務對盈余管理的抑制作用在大規模企業更為顯著，這說明企業在財務智能化改造過程中可以根據企業規模合理規劃并增加智能化項目投資，政府或上市公司監管部門在制定相關監管政策時也可以根據企業規模合理化設計。

其次，企業智能財務對盈余管理的抑制作用可能會受當地市場化程度的影響。根據已有文獻[ 21 ]，企業在市場化程度較高的地區更能按照合理市場規則進行資源配置。在市場化程度水平較高的地區，企業進行智能財務改造后，更能降低企業資源配置成本，提升企業經營效率和效果，降低盈余管理傾向。對此，本文根據樊綱指數確定的市場化程度指標就企業智能財務對盈余管理的抑制作用進行了異質性特征檢驗。表6中的列（3）和列（4）報告了不同市場化程度下企業智能財務和盈余管理關系的差異。控制公司和年份的固定效應回歸結果顯示，在企業所處地區市場化程度高的樣本中，智能財務的系數與應計盈余管理顯著負相關，而市場化程度較低的樣本中這一關系并不顯著。

最后，企業智能財務對盈余管理的抑制作用可能會受股東特征的影響。本文認為企業智能財務主要是通過增強信息透明度來抑制企業盈余管理水平，當企業股東中機構持股比例較高時，機構股東對企業的信息透明度要求更高，企業進行智能財務改造后可以進一步減少盈余管理行為。表6中的列（5）和列（6）報告了不同機構持股比例下的企業智能財務和盈余管理關系的差異。結果顯示，企業智能財務對盈余管理的抑制作用在機構持股比例較高的企業更為顯著。

七、結論、建議與局限性

企業財務會計領域的智能化是數字經濟布局下的重要方面，給企業帶來的影響是不可忽視的。本文以2016—2022年A股上市公司數據為樣本，研究企業智能財務與盈余管理之間的關系。研究發現企業實施智能財務改造能有效抑制盈余管理，且這種抑制作用主要是通過增強信息透明度的機制來實現的。異質性分析結果發現，企業智能財務對盈余管理的抑制作用在企業規模大、機構持股比例高的企業及市場化程度高的情況下更顯著。進一步分析發現，企業實施智能財務改造不僅有利于降低應計盈余管理，而且能降低真實盈余管理。

基于以上結論，本文提出如下建議：（1）全面推動企業智能財務發展。發展智能財務應該成為致力于進行數字化轉型企業的重點目標之一，國家也應該出臺相關政策，加大企業財務信息的規范化審查工作力度來促進企業智能財務的轉型工作。（2）借力企業數字化轉型和智能化改造，進一步提高企業財報信息質量。財報信息質量的提高可以在很大程度上推動會計政策的規范化，使市場環境進入良性循環，從而促進資本市場高質量發展，保護投資人利益。

當然本文也存在一定的局限性：首先，結合財政部相關文件以及現有國內外學者研究和企業實務表現，總結了智能財務的主要關鍵詞，但此詞庫并不一定能完全涵蓋所有企業的智能財務改革思路，且隨著企業智能財務改革的深化，其內涵也會隨之變化。其次，對企業年報中存在的智能財務關鍵詞進行詞頻分析的統計方法只能在一定程度上反映企業智能財務的實施情況，并不能完全代表企業智能財務的真實情況。

【參考文獻】

［1］ 戚聿東，杜博，溫馨.國有企業數字化戰略變革：使命嵌入與模式選擇——基于3家中央企業數字化典型實踐的案例研究［J］.管理世界，2021（11）：137-158.

［2］ 袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化［J］.中國工業經濟，2021（9）：137-155.

［3］ 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（7）：130-144.

［4］ 戚聿東，肖旭.數字經濟時代的企業管理變革［J］.管理世界，2020（6）：135-152.

［5］ 程平，楊雙.基于流程挖掘的RPA財務自動化流程設計研究［J］.會計之友，2023（8）：141-149.

［6］ 劉梅玲，黃虎，佟成生，等.智能財務的基本框架與建設思路研究［J］.會計研究，2020（3）：179-192.

［7］ 楊寅，劉勤，黃虎.企業財務智能化轉型研究：體系架構與路徑過程［J］.會計之友，2020（20）：145-150.

［8］ 續慧泓，楊周南，周衛華，等.基于管理活動論的智能會計系統研究：從會計信息化到會計智能化［J］.會計研究，2021（3）：11-27.

［9］ HASAN A R.Artificial intelligence （AI） in accounting amp; auditing：a literature review［J］.Open Journal of Business and Management，2021（1）：440-465.

［10］ 陳虎，孫彥叢，郭奕，等.財務機器人：RPA的財務應用［J］.財務與會計，2019（16）：57-62.

［11］ CHUKWUANI V N，EGIYI M A.Automation of accounting processes：impact of artificial intelligence［J］.International Journal of Research and Innovation in Social Science，2020（4）：444-449.

［12］ 謝志華，楊超，許諾.再論業財融合的本質及其實現形式 ［J］.會計研究，2020（7）：3-14.

［13］ 葉康濤，孫葦杭.會計軟件采用與企業生產率：來自非上市公司的證據［J］.會計研究，2019（1）：45-52.

［14］ 余應敏，黃靜，李哲.業財融合是否降低審計收費：基于A股上市公司證據［J］.審計研究，2021（2）：46-55.

［15］ 祁懷錦，曹修琴，劉艷霞.數字經濟對公司治理的影響：基于信息不對稱和管理者非理性行為視角［J］.改革，2020（4）：50-64.

［16］ LIU D，CHEN S，CHOU T，et al.Resource fit in digital transformation［J］.Management Decision，2011（10）：1728-1742.

［17］ MARQUARDT C，WIEDMAN C.Voluntary disclosure information asymmetry and insider selling through secondary equity offerings［J］.Contemporary Accounting Research，1998（4）：505-537.

［18］ 趙波，郭子宇，黃信灶，等.不同數字化路徑對企業創新能力的影響差異：基于1035份工業企業調研問卷的研究［J］.當代財經，2023（6）：94-105.

［19］ 楊德明，劉泳文.“互聯網+”為什么加出了業績［J］.中國工業經濟，2018（5）：80-98.

［20］ ROYCHOWDHURY S.Earnings management thr-

ough real activities manipulation ［J］.Journal of Accounting and Economics，2006（3）：335-370.

［21］ 王小魯，樊綱.中國地區差距的變動趨勢和影響因素［J］.經濟研究，2004（1）：33-44.