数字化转型对企业韧性的影响——来自COVID-19 的证据

张 卿,邓石军

(1.中共广东省委党校 决策咨询中心,广东 广州 510053;2.中共广东省委党校 研究生部,广东 广州 510053)

一、引言

数字化转型如何影响企业发展是近年来学术界深度关注的课题[1]。从现有相关文献看,基本以长期稳定的外界环境为隐含条件,从企业创新、业绩、生产率等多方面考察了数字化转型的积极作用[2-4]。然而,经济增长动力在经济衰退期和繁荣期有着本质的区别[5],当经济环境遭受外界剧烈不利冲击而陷入困境时,作为增长新动力的数字化转型又会给企业带来怎样的影响呢?

2020 年初暴发的新冠疫情(COVID-19)是一场全球性的大灾难。在我国,党中央和国务院迅速采取一系列严格防疫措施,有效遏制了疫情快速蔓延,但同时也对经济活动产生了一定影响。不少企业为了维持生产经营活动,纷纷采取了远程办公模式,通过数字技术来应对经济困局。据《中国数字经济发展白皮书(2021)》统计数据显示,2020 年中国数字经济规模的增速达9.7%,远高于同期GDP增速2.3%。然而,疫情冲击来势迅猛,并非所有企业对数字技术的采用都是及时和充分的,原本数字化程度不同的企业在发挥数字技术作用时可能有所差异。那么,数字化水平又如何影响企业的表现呢? 数字化转型能否提高企业韧性①,即帮助企业抵御外界不利冲击所带来的负面影响? 如果回答是肯定的,又是通过哪些机制来影响? 本文试图回答这些问题。

就既有相关文献而言,研究视角及内容主要有两类:一类是数字化转型对企业的经济效应,该类文献基本探究了数字化转型对企业生产、销售乃至整个商业模式的影响[6],所回答的问题是企业数字化转型会给企业带来何种影响以及影响程度如何。另一类是企业数字化转型的战略选择和路径研究,这类文献重点考察了企业数字化转型的驱动因素、战略组合以及组织进化的情景,回答的是企业如何进行数字化转型的问题。本文试图回答在外界环境剧烈变化的情景中,数字化转型将如何影响企业绩效表现,可以归属为第一类文献,即企业数字化转型的经济效应。

企业数字化转型是企业利用信息技术、计算技术、通信技术和连接技术等相关数字技术,来改善企业运行的一个过程[7]。尽管学术界对数字化转型尚未形成统一定义,但都认为其本质上是数字技术与企业实体属性深度融合的过程,是企业更高层次的数字技术的应用,可以帮助企业取数字技术之“长”补实体属性之“短”。当前,已有丰富文献研究了数字化转型对于企业业绩的积极影响[3,8]。例如,Martínez-Caro et al.[3]通过 研 究法国一家大型跨国企业发现,数字技术的应用可以简化行政程序,促进员工之间以及企业与供应商、客户和合作者之间的实时沟通,提升了信息获取效率,有助于增加企业利润。吴非等[8]利用中国上市企业2007—2018 年数据研究发现,企业数字化转型通过改善信息不对称、促进企业创新以及提升企业财务稳定性,进而显著改善企业在资本市场中的表现。此外,相关文献还从企业生产率、企业创新[2,9]、组织结构[10]等多方面考察了数字化转型的影响。

然而,上述文献基本以长期稳定的外界环境为隐含条件来展开相关研究。那么,当外界环境发生剧烈变化时,数字化转型对企业绩效的影响又是怎样呢? 单宇等[11]基于新冠疫情期间林清轩生物科技有限公司转危为机的案例研究发现,在危机情境下,企业通过数字化转型可以迅速重塑组织核心要素,重构企业经营管理场景与运营模式,从而提升企业危机应对能力。与本文主题更为相关的文献是,Raj et al.[12]利用新冠疫情期间在线订餐平台Uber Eats 的订单数据发现,采用在线平台进行销售的餐厅可以更好地应对疫情不利冲击。但Raj et al.[12]仅仅考虑了在线平台这一单一数字技术维度对销售端的影响,事实上数字化转型包含更多维度的数字技术应用,因而对企业的影响涉及更多方面,包括生产、销售和管理等。

综上所述,相关研究基本以长期稳定的外界环境为条件考察了企业数字化转型的经济效应。至于外界环境不利冲击情景下数字化转型对企业绩效的影响,少数文献采取了案例剖析,缺乏实证分析,且鲜有影响机制、异质性表现等方面的研究。

本文以新冠疫情暴发作为自然实验,研究了数字化转型对企业韧性的影响。考虑到企业是否进行数字化转型可能并非随机事件,本文首先采用倾向得分匹配法(PSM)对企业样本进行匹配,以满足数字化转型企业与非数字化转型企业之间长期趋势一致的假定,然后对匹配后的企业样本使用双重差分法(DID)进行实证分析。研究结果表明:第一,数字化转型可以提高企业韧性。具体表现为,相比数字化转型程度低的企业,数字化转型程度高的企业所遭受的疫情负面影响更小。第二,数字化转型对企业韧性的积极影响主要通过缓解现金流压力、提升运营效率和降低企业成本来实现。第三,对于非国有企业、非高科技企业和疫情严重地区企业而言,数字化转型所带来的积极影响更加突出。

与现有文献相比,本文试图在以下三个方面有所贡献:首先,现有研究注重稳定经济状态下数字化转型企业的经济效应,本文则考察了外界环境剧烈不利波动下数字化转型对企业绩效的影响。其次,本文通过PSM-DID 法,实证分析了新冠疫情冲击下数字化转型对企业业绩波动的影响,为数字化转型提高企业韧性的结论提供了更加坚实的数据支撑。最后,本文解析了数字化转型对企业韧性的影响机制,以及企业股权性质、高科技属性和地区疫情差异因素的异质性表现,有助于加深对企业数字化转型的认识,并为数字化转型相关政策的设计和完善提供重要参考。

二、理论分析与研究假说

(一)数字化转型与企业韧性

在新冠疫情期间,为了快速控制疫情的蔓延,政府采取了诸多严格的措施,极大地降低了人员流动性。为了能在疫情流行期间继续运营,企业积极运用数字技术,将许多工作搬到了线上。据统计数据显示,就钉钉而言,疫情期间已有超1 000 万家企业成为该平台用户,加强了企业人员之间的交流与合作,减少了疫情冲击给企业带来的负面影响。同样值得注意的是,并非所有企业对数字技术的应用程度都是相同的。如果企业在疫情之前已经具有较高的数字化程度,势必可以更好发挥数字技术的强大功能,例如通过在线办公[13],使其更快适应外界环境的变化[14],进而使其所遭受的不利影响更小。基于上述分析,本文提出第一个假说:

H1:数字化转型可以提升企业韧性。具体而言,数字化转型程度更高的企业,其在新冠疫情冲击下所受到的负面影响更小。

(二)数字化转型对企业韧性的影响机制

为应对疫情暴发的冲击,企业需要对其经营模式进行必要的改变。在这方面,数字化水平程度高的企业更具优势。通过数字技术的广泛应用,可以改进企业业务流程实现精细化生产[15],也可以提升资金运营效率以及管理效率[7]。一方面,这可以优化企业资金流水平,使其更好承担不随销量变化的固定成本,不至于资金链断裂而破产倒闭;另一方面,可以降低企业变动成本[16],即便疫情期间在销量较小、不足以发挥规模优势的情况下,也可以获取价格和成本上的优势。这两方面的原因使得数字化程度更高的企业能更好抵御风险,展现“数字化生机”。据此,本文提出第二个假说:

H2:数字化转型通过缓解企业现金流压力、提升运营效率和降低企业成本率来提高企业韧性。

(三)数字化转型对企业韧性的异质性影响

假说H2认为,数字化转型主要通过缓解企业现金流压力、提升运营效率和降低企业成本率来提高企业韧性。如果企业本身的现金流水平较为充裕,或者较为容易解决企业资金缺乏问题,那么数字化转型对企业抵御风险能力的影响就不明显了。现有文献通常认为相对非国有企业,国有企业的融资约束水平更低[17],即资金缺乏问题对国有企业而言更少出现。因此可以认为,数字化转型在国有企业抵御冲击能力的提升上并不显著,而在更容易发生资金问题的非国有企业中,该影响是显著的。

此外,数字化转型本质上是数字技术的应用,通过数字技术的应用使企业快速适应外界环境的变化,从而展现出“数字韧性”。一般而言,高科技企业具有较强的自主创新能力和核心技术的市场竞争力,数字技术通常只作为企业拓展的辅助技术工具。而非高科技企业自主创新能力相对较弱、核心竞争力缺乏,数字化转型通常已成为其发展的主导技术工具。因此,本文认为在外部不利冲击下,数字化转型对非高科技企业的生存和发展显得尤为重要,带来的抵御外界风险的效应更加明显。

最后,政府采取的严格的疫情防控措施,对企业正常的生产经营活动造成了很大冲击。而数字化转型能使企业更好地利用数字技术来突破市场活动、地理距离阻隔等限制,于困境中增强企业韧性。相比之下,在疫情严重地区的企业数字化转型所带来的积极影响更为显著。基于上述分析,提出本文第三个假说:

H3:数字化转型对企业韧性的影响程度有着显著的异质性。具体而言,在国有企业、高科技行业企业和疫情程度轻的地区企业中,该影响较小;在非国有企业、非高科技行业企业和疫情严重地区企业中,该影响更加显著。

三、样本与数据

(一)样本与数据来源

鉴于中国新冠疫情暴发在2020 年第一季度,本文选取2019 年第一季度到2020 年第四季度共8 个季度作为研究时间范围,以沪深两市A 股上市企业为初始研究样本,并剔除了金融类企业以及ST 类与PT 类上市企业。

数字化转型指数:本文的核心变量为疫情暴发前的企业数字化转型水平。企业数字化水平的获取,既可采用企业问卷、现场调查方法,也可采用文本分析法(利用企业的相关文件或者表述)。现有相关文献多采用文本分析法获得企业数字化转型指数[8-9,18],原因在于文本分析法具有更广的适用性,故本文亦采用文本分析法获取企业数字化转型指数。参照现有研究[18],本文文本分析内容具体为上市企业年报中的“管理层讨论和分析”(MD&A)。上市企业年报具有透明公开可靠的属性,且MD&A部分不存在明显的文本操纵动机[19],因而选用年报中的MD&A 作为文本分析源具有一定的合理性和可靠性。此外,本文选用2011—2019 年作为数字化转型指数构建的样本区间。企业数字化转型指数构建简要步骤为:

第一,提取文本分析源。从巨潮资讯网下载2011—2019 年沪深两市A 股上市企业年度报告,并将其转化成文本格式,提取其中的MD&A 部分②。然后将提取出来的MD&A 部分的文本信息利用Python 的jieba 分词模块划分为词语,作为文本分析源。

第二,确定词表。本文参考吴非等[8]的做法,构建企业数字化转型词表。该词表分为五个维度,分别是人工智能、大数据、云计算、区块链和数字技术应用,总共包含76 个词汇,可较好地反映企业数字化转型程度。

第三,统计词频。根据词表统计文本分析源中所含有的相关词语的数量,然后将其统计在数字化转型的五个维度之下,获得2011—2019 年每个企业五个维度下的数字化相关词频。

第四,构建每年的数字化转型指数。将相关词频在文本分析源所有词语数量中的占比(%)作为衡量企业数字化转型程度的初始指标。继而分年度分别对企业五个维度的初始指标进行归一化处理然后加总,从而获得企业的年度数字化转型指数。

第五,构建疫情暴发前的数字化转型指数。对每个企业所有年度(2011—2019 年)的数字化转型指数取均值,得到每个企业的平均数字化转型指数,记为conDT。

企业数据:企业层面数据均来源于国泰安数据库(CSMAR),其中涉及地级市层面的新冠肺炎累计确诊病例数来源于国泰安数据库中的新冠疫情与经济研究库。

数据预处理:将数字化转型指数与企业数据匹配,剔除无法匹配的样本,得到19 513 个观测值,总共2 504 家企业。进一步,将所得样本中conDT指数最大的前1/4 的企业作为数字化转型的企业(记为DT=1,共626 家企业),而将其余企业作为未数字化转型的企业(记为DT=0,共1 878 家企业)。为了消除异常值对研究结果的影响,本文对所有被解释变量以及控制变量进行了1%的缩尾处理。变量定义见表1。

表1 变量符号与定义

(二)模型设定

为了检验外界环境不利冲击下数字化转型对企业韧性的影响,本文构建了如下DID 模型:

其中,i表示企业,t表示时间(年份-季度),Y是衡量企业业绩的指标,参照Bandiera et al.[20]的做法,本文选取销售收入的对数值来衡量。DT为企业是否进行数字化转型的度量,本文按照上市企业2011—2019年数字化转型指数的平均值来衡量新冠疫情暴发时企业的数字化转型程度,并且取样本中数字化转型指数最高的前1/4 的企业作为处理组,称为数字化转型成功的企业,这部分企业样本的DT取1,剩下的企业则作为对照组,将这部分企业的DT设为0。COVID则是时间变量,若处于2020 年第一季度及以后季度,则取1,否则COVID取0。Controls是一组控制变量,参照现有文献的处理,本文选取如下变量作为控制变量:股权集中度(shrcr),采用最大的前十位股东的股份总占比来衡量;机构持股比例(prop);资产负债率(lev);控制权(crc),定义为实际控制人拥有的上市公司控制权比例;现金拥有(lncash),用企业现金及其等价物的对数来衡量;企业规模(lnsize),企业总资产取对数;固定资产比率(fap),定义为固定资产净额/总资产。νi、ξt、εit分别表示企业个体固定效应(Firm)、时间固定效应(Time)和随机误差项。其中β 是本文关注的核心系数,该系数衡量了疫情冲击下,数字化转型企业与非数字化转型企业之间的企业业绩差异程度。

值得注意的是,应用DID(双重差分)模型进行分析的前提在于数字化转型企业与非数字化转型企业在疫情冲击之前具有相同的时间趋势。实际上,这种假定难以满足,一方面企业数字化转型并非随机决定,另一方面可能存在某些不可观测的因素影响着企业数字化转型的决策选择,同时这种因素也影响着企业的业绩表现,而这些因素有可能是内生决定的。鉴于此种考量,参照王庶等[21]的做法,本文利用PSM 来缓解该问题对结果的影响。具体处理过程为:对数字化转型的企业(即DT=1)与非数字化转型的企业(即DT=0)进行倾向得分匹配。考虑到可能影响企业危机应对能力的因素和数据可得性,本文选取股权性质(soe)、企业经营年龄(age)、托宾Q值(tobinQ)、固定资产比率(fap)、机构持股比例(prop)、现金拥有(lncash)、资产负债率(lev)、股权集中度(shrcr)、企业规模(lnsize)和实际控制人拥有上市公司控制权比例(crc)作为协变量,分季度使用logit 回归按照1 ∶3 的比例进行近邻有放回匹配。表2 是2020 年第四季度的平衡性检验结果,结果显示匹配后的变量偏差绝对值绝大部分在10%内③,说明匹配结果基本满足使用DID 进行分析的前提条件。在匹配之前的数据中,样本有2 504 家企业,总共19 513 个观测值,匹配之后有2 012 家企业,总共9 362 个观测值。匹配后的样本描述性统计见表3。从表3 单变量检验的第一行可发现,在疫情暴发之后,未进行数字化转型的企业销售额有所下降(lnsale均值从20.33 下降到20.31),与之形成鲜明对比的是进行了数字化转型的企业,其销售额不降反升(lnsale均值从20.15 上升到20.19)。这初步彰显了数字化转型对于企业抵御外界不利风险的有效作用,成为对抗外界不利冲击的“埃癸斯神盾”(Aegis)。

表2 2020 年第四季度平衡性检验结果

表3 描述性统计

四、实证结果

这部分将报告本文实证检验的结果,主要报告基准回归的结果以及稳健性检验结果。

(一)基准回归

数字化转型对新冠疫情期间企业业绩影响的回归结果如表4 所示,所有回归模型都同时控制了企业固定效应和时间固定效应,回归(1)未加入任何控制变量,回归(2)加入了所有控制变量。结果显示企业数字化转型对企业业绩的回归系数都为正,且均在1%水平上显著,这说明数字化转型的企业在新冠疫情冲击下比非数字化转型的企业表现更好。换言之,在遭受新冠疫情冲击后,相较未数字化转型企业,数字化转型企业可以实现更高的销售增长。这初步证明了本文的第一个假说,即企业数字化转型确实会提高企业韧性,降低其所受外界不利冲击所带来的负面影响。

表4 基准回归结果

(二)稳健性检验

首先对内生性问题予以讨论,现有文献通常认为内生性问题的存在有三个原因:解释变量测量误差、遗漏解释变量和互为因果。第一,对于解释变量测量误差,本文参照既有文献的做法,选取五个数字技术应用维度一共76 个关键词进行文本分析,较好衡量了真实的企业数字化转型程度。此外,所有财务数据都是从企业公开的季度报告中提取的,具有较高的可信度和真实度,所以可以认为不存在严重的解释变量测量误差问题。第二,关于解释变量遗漏问题,实证模型加入了公司层面的七个控制变量以及企业和时间固定效应,较全面地控制了其他可能影响企业韧性的因素,并且在后续的稳健性检验(3)中引入了更高维的固定效应,有效地控制了不可观测的其他相关因素,避免了严重的解释变量遗漏问题。第三,对于数字化转型可能的互为因果问题,本文通过进行PSM 匹配样本,控制了事前趋势,较大程度解决了对此问题的担忧。对于新冠疫情暴发的内生性而言,2020 年暴发的新冠疫情是一场世界大灾难,并非可预测的,且暴发与否与企业活动并无联系,所以可以认为新冠疫情的暴发是完全外生的事件。为了避免该结论的偶然性,本文还进行了随机抽样1 000 次的安慰剂检验,结果如图1 所示。从中可见t统计量基本分布在0 附近,且几乎都小于基准回归的t统计量,这说明结论并非偶然得出,且具有较强的稳健性。

图1 安慰剂检验

除此之外,本文还进行了以下稳健性检验,以尽可能考虑更多因素,得到更加稳健的结论。稳健性检验包括:(1)替换被解释变量,分别替换成人均主营业务收入的对数值(lnpersale)、净利润的对数值(lnnetincome)和净资产收益率(roe)。(2)改变PSM 匹配比例,分别按照1 ∶1、1 ∶2 的比例进行近邻有放回匹配。(3)控制行业固定效应(Ind)、地区固定效应(City)以及交互固定效应。(4)人为地按照四分位来划分企业是否进行数字化转型可能存在一定主观性,改用原始的连续的conDT与COVID的交互项进行回归。(5)避免数字化转型程度居于样本中部的企业对整个结果的影响,只保留数字化转型指数最大前1/4 的样本(DT=1)和最小的1/4 的样本(DT=0)进行匹配,然后进行回归。(6)匹配后的数据中,可能存在只有疫情前或疫情后观测值的企业样本,为了避免这种情况对结果的影响,仅保留新冠疫情暴发前后都有观测值的企业样本数据。(7)匹配后的数据中,可能存在较多企业样本只有较少期数的观测值,进而对结论产生影响,本部分只保留单个企业观测期数大于一年的样本,即只保留拥有5～8个季度观测值的企业数据。之所以选择5～8 个季度是因为就该期数范围而言,可以同时满足较长的单个企业观测期数,且必然同时包含新冠疫情暴发前后的观测值。上述稳健性检验的结果见表5,结果显示所有稳健性检验都支持基准回归的结果,进一步论证了假说H1。

表5 稳健性检验

五、进一步讨论

(一)机制检验

既然上文分析表明,新冠疫情冲击下企业数字化转型确实会提高企业韧性,那么又是通过何种渠道影响的呢? 谢康等[22]、袁淳等[18]认为企业数字化转型可以降低企业的成本,包括内部成本和外部交易成本。刘淑春等[4]则从投入产出效率角度考察了数字化转型的影响机制。杨德明等[23]发现企业数字化促进了企业的差异化经营,例如产品的差异化和服务的差异化,进而提升企业业绩表现。吴非等[8]研究表明数字化有助于改善信息不对称以及财务稳定性,从而提升企业股票市场表现。

借鉴上述文献思路,本文将从以下三个方面进行机制检验:一是通过缓解企业现金流压力,降低企业资金链断裂的可能性,进而提升企业应对外界不利冲击的能力;第二是提升企业运营效率;第三是降低企业成本率,提升企业盈利能力。

1.机制检验:缓解企业现金流压力。面对不利冲击时,企业数字化转型可能通过精细化管理来缓解企业现金流压力。现金流是一个企业赖以生存和发展的基础,较高的现金流水平可能有助于提高企业应对危机的能力。为了检验这一传导机制,本文借鉴宋弘等[24]的做法,通过分组回归来检验该机制,从而间接推断新冠疫情下数字化转型对企业韧性的影响与现金流水平之间的关系。分组检验机制的逻辑是:企业现金流的增加对企业的积极影响程度是边际递减的,如果企业并非通过缓解现金流压力来提升企业韧性,那么企业现金流水平高低并不会对差分系数带来显著影响。而如果数字化转型是通过缓解企业现金流压力进而影响企业韧性,那么相对高现金流水平组,低水平组的数字化转型所带来的积极影响更大。为此,本文选取企业现金流水平和股权现金流水平作为主要指标,且都除以企业总资产以消除企业规模的影响,分别得到指标C1和C2。为了检验现金流水平如何影响数字化转型对企业韧性的反应程度,将相关指标划分为高、低现金流水平组,分组进行回归检验。结果如表6列(1)～(2)所示。

表6 机制检验:现金流水平和经营水平

表6 的PanelA 是低水平组,PanelB 是高水平组。列(1)～(2)显示,在高水平组中,数字化转型对企业韧性影响并不显著,而在低水平组中,数字化转型对企业韧性有着显著的正向影响,且均在1%水平上显著。相对低水平组,高水平组的差分(DID)系数不论是回归系数大小还是显著性水平(t统计量)均更高,这间接说明企业进行数字化转型后,可以缓解企业现金流的约束,进而提升企业韧性表现。

2.机制检验:提升企业运营效率。现有文献表明,企业数字化转型可以提高企业经营能力、改善企业运营效率[7]。疫情期间,由于道路管控、人员流动管控等造成了大量商品滞销及存货积压,企业遭受了一定损失。而对于数字化转型的企业,运用数字技术可以提升运营效率,提高企业存货管理水平,减少存货积压损失[25]。为了验证该机制,本文选用存货周转率和总资产周转率作为企业运营效率的代理变量。同样,利用这两个变量将样本划分为高、低运营效率组,分别进行回归,回归结果见表6 列(3)～(4)。结果显示,在运营效率较低的企业样本中,数字化转型会显著降低企业损失,而在运营效率较高的企业样本中并未体现。这间接表明数字化转型可以提升企业运营效率,从而提高企业韧性。

3.机制检验:企业成本角度。Porter[26]认为企业可以通过成本领先优势,来提升企业竞争优势以及业绩表现。现有文献表明,数字技术的应用会大幅降低企业成本。例如,黄群慧等[27]利用中国工业企业数据研究发现互联网的发展可以降低企业交易成本,进而提升企业生产率。Goldfarb et al.[28]也认为数字技术的应用有助于降低企业成本。为此,本部分将验证企业成本的机制效应,遵循上文的机制检验识别策略,这里同样采用通过划分高、低成本水平组别来间接检验数字化转型对企业韧性的影响。所选取的企业成本指标有营业成本率(R1)、销售费用率(R2)、管理费用率(R3)和财务费用率(R4),然后分别按照四个成本指标划分高、低成本率组进行分组回归,结果如表7 所示。

Panel A、Panel B 分别是高成本率组和低成本率组,列(1)～(4)则报告了具体回归结果。从企业营业成本率回归结果即列(1)来看,高成本率组的差分系数为0.066 6,t统计量为2.722 9,在1%水平上显著,而低成本率组别的差分系数为0.042 5,t统计量为2.030 2,在5%水平上显著。通过高低成本率组别系数对照可发现,相比低成本率组别,高成本率组别的系数、显著性水平(t统计量)均更大。该结果间接验证了数字化转型对企业韧性影响的企业成本渠道,即数字化转型通过降低企业成本来提高企业韧性。表7 中列(2)～(4)的结果显示,结论与列(1)一致,从而进一步检验了企业成本机制的有效性。

表7 机制检验:企业成本

上述机制检验结果论证了假说H2的成立,即数字化转型会通过缓解企业现金流压力、提升运营效率和降低企业成本来提高企业韧性。

(二)异质性讨论

基于异质性考虑,下文将从企业股权性质、企业技术属性以及地区疫情差异角度,讨论新冠疫情冲击下数字化转型对企业韧性的影响差别。

1.股权性质。本部分根据企业股权性质将样本分为国有企业样本和非国有企业样本,分别进行回归。结果如表8 所示:在非国有企业中,数字化转型对企业韧性有着显著的积极影响,而在国有企业中,该影响并不显著,在进一步控制行业固定效应后,结果依旧不变。按照现有相关文献的观点,国有企业与非国有企业在融资约束水平上有着较大差异[17],而在国有企业样本中数字化转型与否对企业韧性的影响并不显著,这也更进一步证明了上文现金流机制结果的稳健性。该结果的出现,一方面,是因为国有企业融资约束水平较小;另一方面,也可能是因为国计民生行业中的生活必需品供给多为国有企业,而这些行业企业受疫情影响相对较小,表现为系数上的不显著。因此,这更加证实了数字化转型的积极效应以及必要性,尤其是对非国有企业而言。

表8 异质性讨论:股权性质

2.高科技属性。高科技行业企业与非高科技行业企业对于新技术应用倾向和创新意愿有着显著区别,高科技企业技术密集度高、创新意愿更加强烈[29]。那么在数字化转型对企业韧性的影响上,高科技行业企业与非高科技行业企业有何区别呢?本文参照彭红星等[30]的划分标准,将样本划分为高科技行业样本与非高科技行业样本④。表9 列(1)和列(2)报告了子样本的回归结果。结果显示:在高科技行业样本中,数字化转型对企业韧性影响较小且统计上不显著;而在非高科技行业样本中,差分系数更大且在5%水平上显著。该结论佐证了假说H3中关于技术属性的异质性表现。

表9 异质性讨论:高科技属性与地区疫情严重程度

3.地区疫情差异。我国地域广阔,不同地区所遭受的新冠疫情影响程度并不相同,考虑到这一差别,本部分按照2020 年地级市层面的新冠肺炎累计病例数,将地区划分为疫情程度高和低两类,进而得到两个子样本。回归结果如表9 列(3)和列(4)所示:总体来看,在疫情程度高的地区的企业,数字化转型对于企业韧性的影响更加突出,相比之下,在疫情程度低的地区的企业,该效应较小且不显著。该结论进一步证明了假说H3中关于地区异质性的假说。

上述三种异质性讨论对假说H3都提供了证据,因此可以认为假说H3是成立的。

六、结论与启示

2020 年暴发的新冠疫情是一场全球性大灾难,对企业造成了巨大的外部负面冲击。本文以新冠疫情为自然实验,基于国泰安数据库(CSMAR)中2019—2020 年沪深两市A 股上市企业季度数据,使用PSM-DID 方法,就数字化转型对企业韧性的影响进行了实证分析。研究发现:首先,数字化转型程度较高的企业所遭受新冠疫情冲击的负面影响要比数字化转型程度较低的企业更小,且通过了一系列的稳健性检验。其次,数字化转型对企业韧性的影响机制主要在于缓解现金流压力、降低企业成本率和提升运营效率。最后,数字化转型对于企业韧性的积极作用在非国有企业、非高科技企业和疫情严重地区企业中表现更为明显。本文的结论一定程度上揭示了新冠疫情期间数字化转型与企业韧性的影响关系,具有以下的对策启示。

第一,对企业而言,应主动开展互联网、大数据等数字技术的全方位应用,充分挖掘数字技术的强大能量,努力提升企业韧性以应对外界不利冲击的负面影响。主要对策建议包括:采用数字营销手段,更好实现广告的精准化投放,提高营销效率。搭建数字化办公平台以集合企业繁杂的数据和信息,贯通数据和信息流通,降低企业内部成本以及带动数据的价值实现。善用云计算服务提升企业数据处理和分析能力,有效挖掘数据的商业价值,尤其要针对企业的主要难处有的放矢。数字化实力较弱的传统企业在进行数字化转型时,可选择外包模式,以有效推进企业数字化转型。积极开展相关培训提高员工数字技能,培养良好的数字文化以及提升企业整体的数字化思维。

第二,对政府而言,应完善相关政策,帮助企业提高抵御外部风险的能力。一方面,要消除国企和非国企之间在融资约束、政策优惠等方面的差异。面对新冠疫情的不利冲击,可采取适当的减税降费政策,降低企业资金压力、提升企业危机应对能力、激发企业活力。另一方面,要加快建设有利于企业数字化转型的宏观环境,大力发展数字经济,促进数字技术与实体经济深度融合。在促进数字经济发展方面,要加快建设数字化人才队伍、推进数字基础建设、积极参与数字经济领域国际合作,推动为企业数字化转型提供服务的互联网平台建设,进一步优化企业上云环境,降低企业数字化转型成本,推进企业数字化转型进度。在规范数字经济发展方面,要完善数字治理体系建设、提升数字治理能力,健全数字法律法规制度,加大数字产权保护力度。

注释:

①现有文献中,尽管对企业韧性的定义尚未形成一致认识,但普遍认为企业韧性是指在外界环境变化冲击下,企业维持或者提高业绩表现的能力。

②在2014 年及之前年份,该部分内容在“董事会报告”一节。

③本文按照季度总共进行了8 次匹配,满足匹配后偏差绝对值小于10%的比例达95%,可以认为匹配结果良好,即处理组和对照组具有较好的同质性。限于篇幅,文章未报告其他季度的平衡性检验结果,留存备索。

④依据彭红星和毛新述(2017)的划分标准,高科技上市公司行业代码涉及三个门类和19 个大类:三个门类为制造业(C),信息传输、软件和信息技术服务业(I),科学研究和技术服务业(M);19 个大类包括C25、C26、C27、C28、C29、C31、C32、C34、C35、C36、C37、C38、C39、C40、C41、I63、I64、I65 和M73。