数字化转型与企业价值的实证研究：基于文本分析方法的证据

一、作者及发表信息
本研究由黄大禹（清华大学经济管理学院博士后）、谢获宝（武汉大学经济与管理学院教授）、孟祥瑜（内蒙古财经大学金融学院硕士研究生）、张秋艳（武汉理工大学人事处副教授，通讯作者）合作完成，发表于《经济学家》2021年第12期，标题为《数字化转型与企业价值——基于文本分析方法的经验证据》。研究受国家自然科学基金（71072103）和教育部人文社科规划基金（19yja630093）支持。

二、学术背景与研究目标
科学领域：本研究属于数字经济与企业管理的交叉领域，聚焦数字化转型（Digital Transformation）对企业价值（Enterprise Value）的影响机制。
研究背景：中国数字经济规模从2005年的2.6万亿元跃升至2020年的39.2万亿元，占GDP比重达38.2%。国家政策强调数字经济与实体经济的融合，但微观层面数字化转型如何影响企业价值尚缺乏系统性实证证据。
研究目标：通过文本分析法量化企业数字化转型强度，验证其对企业价值的影响，并揭示技术创新、要素配置效率、风险承担三条中介路径的传导机制。

三、研究设计与方法
1. 数据选择与处理
- 样本范围：2007—2019年沪深A股非金融类上市公司，剔除ST、退市及IPO当年样本，保留连续三年以上数据。
- 数据来源：企业年报文本来自沪深交易所官网，财务数据来自Wind和CSMAR数据库。
- 处理步骤：对连续变量进行1%和99%分位缩尾处理，控制年份和行业固定效应。

2. 变量设计
- 被解释变量：企业价值（Tobin’s Q），计算公式为（股票市值+负债账面价值）/资产总额。
- 核心解释变量：数字化转型（DT），采用文本分析法。具体步骤：
- 词根筛选：基于吴非等的研究，从人工智能、区块链、云计算、大数据等5个技术层和11个应用层提取关键词（如“机器学习”“物联网”）。
- 文本处理：Python爬虫抓取年报，剔除无关内容（如股东信息），统计关键词频次（排除否定前缀词），加1后取自然对数。
- 控制变量：企业规模、股权集中度、资本密集度等10项指标（见表1）。

3. 模型构建
- 基准模型：OLS回归分析DT与Tobin’s Q的关系（模型1）。
- 异质性检验：分样本回归（国企/非国企、高科技/非高科技企业）及交互项分析（模型2）。
- 中介效应检验：采用温忠麟等（2004）的三步法，验证技术创新（专利申请量）、要素配置（全要素生产率TFP_lp、非效率投资axinvest）、风险水平（盈余波动性risk-taking、财务风险risk-exposing）的中介作用（模型3-5）。

四、主要结果
1. 基准回归结果
- 数字化转型（DT）显著提升企业价值（Tobin’s Q系数0.126，p<0.01），支持假说1。
- 经济意义：DT每增加1单位，企业价值提升12.6%。

2. 异质性分析
- 产权性质：DT对非国企的促进作用更强（系数0.132 vs. 国企0.078），因非国企更依赖技术创新驱动价值。
- 行业属性：高科技企业DT效应更显著（系数0.151 vs. 非高科技0.093），因其技术吸收能力更强。

3. 中介机制验证
- 技术创新：DT仅通过实质性创新（发明专利lnpati）提升价值（系数0.029，p<0.01），非实质性创新（外观专利）无显著影响。
- 要素配置：DT提高全要素生产率（TFP_lp系数0.017）并抑制非效率投资（axinvest系数-0.003），优化资源配置。
- 风险水平：DT增强风险承担能力（risk-taking系数0.017）并改善财务稳定性（risk-exposing系数0.035）。

五、结论与价值
科学价值：
1. 首次通过文本分析法构建企业数字化转型量化指标，弥补传统财务数据不足。
2. 揭示DT通过“技术创新—要素配置—风险控制”三重路径提升价值的微观机制。
应用价值：
- 政策层面：建议差异化支持非国企和高科技企业数字化转型，强化专利质量监管。
- 企业层面：需注重技术与业务融合，避免“为数字化而数字化”。

六、研究亮点
1. 方法创新：基于Python的文本分析技术实现DT的客观测度，突破主观问卷局限。
2. 理论贡献：将数字经济宏观政策与微观企业价值联结，填补中介机制研究空白。
3. 样本广度：13年面板数据覆盖全行业，结论普适性强。

七、其他发现
稳健性检验中，延长窗口期、变更固定效应、多期DID（双重差分）均支持核心结论。研究还发现，DT对民营企业的融资约束缓解效应更显著，呼应了“数字金融普惠性”的已有研究（如唐松等，2020）。