智能制造企业信息技术投入对企业绩效的影响研究

潘玉香 李倩

【关键词】 智能制造; 信息技术投入; 公司治理结构; 企业绩效; 调节效应

【中图分类号】 F234.3  【文献标识码】 A  【文章编号】 1004-5937（2021）18-0009-08

一、引言

制造业是国民经济的主体，是立国之本、兴国之器、强国之基。随着市场竞争环境日益激烈以及消费者需求的不断变化，传统制造业依靠低成本、低技术、低附加值的生产方式已难以为继，以大数据、云计算、物联网、5G等为代表的新一代信息技术的出现为制造业带来了新的发展契机。习近平主持召开中央全面深化改革委员会第十四次会议强调：加快推进新一代信息技术和制造业融合发展，要顺应新一轮科技革命和产业变革趋势，以供给侧结构性改革为主线，以智能制造为主攻方向，加快工业互联网创新发展，加快制造业生产方式和企业形态根本性变革，夯实融合发展的基础，提升制造业数字化、网络化、智能化发展水平。可见，大力推进智能制造是培育我国经济新优势的必然选择，也是加快我国经济发展方式转变，建设制造强国的重要举措。

“智能制造”一词由美国学者Wright & Bourne率先提出，在其著作中提到：智能制造通过集成知识工程、工业软件系统、机器人技术，建立针对专家知识和工人技能的模型，从而能够在无人干预状态下执行小批量生产。智能制造的内涵伴随信息技术的发展被不断丰富和完善。我国工信部与财政部在2016年联合颁布的智能制造发展规划相关文件中对智能制造的内涵做了进一步明确。概括地讲，智能制造是新一代信息通信技术和先进制造技术深度融合所达到的一种新型生产方式，具有全面互联、数据驱动、信息物理融合等特征。

信息技术投入和智能制造在21世纪初开始受到学术界和实务界的广泛关注，已有研究和实践表明，即便是完全相同的信息技术在不同企业中也会发挥出不同的效用，究其原因很大程度上在于信息技术资源较难单独为企业创造价值，需要与其他资源结合才能形成战略优势。对于智能制造企业来说，大量的信息技术投入是其能够实现智能化转型的根本，如何实现信息技术资源的高效利用，公司治理不同结构在信息技术投入与企业绩效关系中分别起到了怎样的作用仍是待解决的问题。本文围绕公司治理结构不同方面选取关键指标，将信息技术投入、公司治理结构、企业绩效三者联系起来进行探讨，通过实证分析，可以了解当前我国智能制造企业信息技术投入对企业绩效的影响状况，有助于智能制造企业构建科学合理的公司治理结构，使信息技术资源能够实现充分运用并为企业创造出最大效益。

二、理论分析与研究假设

信息技术资源对于制造业智能化转型的重要性不言而喻。Xu[ 1 ]提出了“云制造”的概念，即信息技术与制造技术、物联网技术等技术的融合，并指出利用云制造技术可以使消费者个性化、便捷化和及时性的定制需求得到满足。周佳军等[ 2 ]指出新一代信息技术大大推动了智能制造的发展，并以2010年为界将智能制造划分为“传统智能制造”和“新一代智能制造”。

公司治理具有动态性、复杂性及难以衡量等特点，目前学术界关于公司治理的构成要素尚未形成定论，不同学者在指标选取上存在一定差异。根据李维安等[ 3 ]多数学者的研究结论，公司治理系统可以概括为内部治理与外部治理两个方面，其中，站在企业的角度来讲外部治理环境难以把控，并且我国资本市场发展尚不完善，因而本文从内部治理结构的角度进行探讨。

（一）信息技术投入与企业绩效的关系

关于信息技术投入与企业绩效关系方面的研究大体可分为两类。一是基于信息技术投入的作用过程。Melville et al.[ 4 ]指出信息技术投入通过作用于业务流程如提高生产率、产品质量、资产周转速度等，进而促进企业绩效的提升。冉秋红和白春亮[ 5 ]从动态变量的角度出发，利用2010—2015年A股上市公司数据得出如下结论：智力资本动态变化是信息技术投入与企业经营绩效之间的完全中介，是信息技术投入与企业市场绩效之间的部分中介。二是基于信息技术投入与其他因素的互补效应。王铁男和王宇[ 6 ]从高管特征的角度进行考虑，研究表明CEO过度自信在信息技术投入与企业绩效中起到显著的正向调节效应。李继学和高照军[ 7 ]研究发现外部环境中的制度和社会网络也会影响信息技术投入与企业绩效间的关系。

新一代信息技术是制造业企业智能化转型升级的关键性资源，“大物移智云”等技术相比之前的信息技术具有更高的灵敏性、联动性、渗透性，可大大提高业务流程各环节的协作效率。然而，我国制造业智能化转型尚处于初期阶段，各类先进信息技术的投资成本高、风险大，新一代信息技术的引入会使企业的业务流程、制造模式、组织结构等发生颠覆性变化，企业员工需要一定的时间去学习和掌握新技术，短期内甚至存在抗拒心理，企业内部也需要经过一段艰难的转换期和适应期。因此，信息技术投入之初不会立刻转化为企业绩效，反而很可能会对企业当期的绩效水平带来负面影响。李晓宇和陈国卿[ 8 ]针对我国制造类企业2012—2017年的数据进行实证研究得出：信息技術投入与企业绩效之间是一种“U”型关系，即信息技术资源的投入需要达到一定的量并经过一段组织变革转型期后才会对经营业绩发挥出正面效应。据此，提出假设：

H1：智能制造企业信息技术投入与企业绩效显著负相关。

（二）公司治理结构对信息技术投入与企业绩效关系的调节效应

1.股权结构对信息技术投入与企业绩效关系的调节效应

国内外学者在股权结构方面主要围绕股权集中度、股权性质、高管持股比例等进行研究，Shleifer & Vishny[ 9 ]认为当股权主要集中于少数几个股东时，所有者对管理层的监督水平较高，更有利于管理层做出有益于公司价值最大化的经营决策。Massis et al.[ 10 ]研究表明家族企业的股权集中度与企业绩效不是单纯的正相关关系，而是一种“U”型关系。杜莹和刘立国[ 11 ]将股权属性和股权集中度分别视为股权结构“质”与“量”的体现，在对我国A股上市公司数据进行实证分析后得出以下结论：法人股比例、国有股比例和流通股比例与企业绩效分别显著正相关、负相关、不相关，股权集中度与企业绩效呈倒“U”型关系。王莉莉等[ 12 ]以国内中小板上市公司数据为样本，得出股权集中度有利于企业绩效水平提升的结论。还有研究发现高管持股比例发挥的效用受其他因素的制约，韩月辉等[ 13 ]指出成熟期企业高管持股对绩效提升是有利的，而成长期企业高管持股比例的增加会给绩效带来负面影响。

（1）股权集中度的调节效应。股权集中度衡量的是公司股权结构的集中与分散程度，一定程度上能够代表大股东的控制权大小。一般而言，持股比例越高的股东在企业中具有越高的话语权，当股份集中于某一股东时，该股东便可以按照其意愿影响企业的各项重大决策。股权集中度在智能制造企业信息技术投入与企业绩效关系中更多呈现出一种积极作用。因此，提出假设：

H2：股权集中度对信息技术投入与企业绩效的关系具有正向调节作用。

（2）高管持股比例的调节效应。高管持股比例代表了管理层人员在企业决策中的话语权，是一种激励措施。其设置初衷为通过授予高管一定比例的公司股份，使他们享有股东权益并同时承担部分股东风险，这样一来高管的利益追求自然与股东利益趋于一致，有效缓解了二者之间的委托代理问题。相关研究指出，我国尚缺少一个完善的制度体系与发达的资本市场环境来支持高管持股效用的发挥。对于智能制造企业来说，高管任某一职位的时间有限再加上持股比例普遍偏低，他们的目光主要还是聚焦在短期回报上，为了规避转型过程中信息技术投入所引发的高成本与高风险，其对信息技术推行与学习的积极性并不高，反而可能会利用权力之便选择更利己的决策。本文大胆猜测，高管持股比例在信息技术投入过程中更多的是呈现出一种消极作用。因此，提出假设：

H3：高管持股比例对信息技术投入与企业绩效的关系具有负向调节作用。

2.董事会特征对信息技术投入与企业绩效关系的调节效应

董事会特征包含董事会规模、独立董事占比、两职合一等。Andres et al.[ 14 ]以西欧和北美10个国家450家企业为样本，通过联立方程与回归分析相结合的方法得出董事会规模与公司价值呈负相关关系;Mohammadi et al.[ 15 ]认为董事长同时兼任总经理可以有效提高董事会的决策效率，进而促进企业绩效的提升。国内在董事会特征与企业绩效关系方面的研究结论也不尽相同。董斌和张振[ 16 ]以2001—2010年1 272家上市公司为样本，研究表明董事会规模的扩大、董事长与总经理两职合一于企业绩效而言都是有利的，但独立董事占比呈现出的是不利影响。

（1）董事会独立性的调节效应。董事会独立性的提高有助于提升公司治理效率，对信息技术投入效用的发挥也应表现出有利影响。因此，提出假设：

H4：董事会独立性对信息技术投入与企业绩效的关系具有正向调节作用。

（2）两职合一的调节效应。董事长与总经理由同一人担任可以使决策与执行效率得到提升，但同时伴随着监管效力的降低。董事长与总经理分别是董事会与经理层的重要人物，代表着不同的利益团体，当董事长兼任总经理一职时，经理层便拥有了相当高的权力，给其谋取自身利益最大化创造了便利，在信息技术投入与实施过程中总经理可能会更多地站在对自身有利的角度进行决策而忽视企业实际的发展需求，此时董事会也难以发挥出客观独立的监督作用，导致信息技术资源的非效率配置，对企业的长远利益造成损害。因此，提出假设：

H5：两职合一对信息技术投入与企业绩效的关系具有负向调节作用。

综上所述，本文构建了信息技术投入、公司治理结构与企业绩效关系的理论模型，如图1所示。

三、研究设计

（一）样本选择与数据来源

本文的研究对象是智能制造企业，包括已初步或部分实现智能制造以及智能制造水平较高的企业。自2015年国家颁布《中国制造2025》及相关政策后，制造业智能化转型升级才在企业中得到重視并得以迅速推进，因此，本文选择2016年作为研究起点，以2016—2019年沪深A股2 403家制造业上市公司为初始样本，按照以下顺序进行手动筛选：（1）剔除上市时间较短即2016年以后上市的公司;（2）剔除样本期间内已经退市以及ST、*ST的公司;（3）剔除2016年仍未开始推行智能制造的公司，主要依据年度报告中是否披露了与实施或引进“智能制造”“人工智能”“大数据”“云计算”“5G技术”“物联网”等相关的描述;（4）剔除数据缺失严重的公司。经过筛选最终得到了392家样本公司1 568个有效观测值。

本文所需数据主要来源于国泰安数据库和巨潮资讯网，并使用Stata14.0辅以SPSS24.0、Excel软件对样本数据进行处理和分析，另外，为避免异常值可能对研究结果造成不利影响，在实证回归部分将连续变量原始数据进行上下1%的Winsorize处理。

（二）变量指标选取

1.被解释变量

企业绩效一直是实证类研究中考察的重点对象，ROE（净利润/股东权益）或ROA（净利润/总资产）二者都属于综合性较强的指标，能够从整体上较全面地反映企业一段时期的经营成果和盈利能力，被多数学者所接受。因此，本文选择ROE作为被解释变量，并同时选择ROA作为被解释变量进行稳健性检验。

2.解释变量

本文根据已有文献[ 17 ]，选择信息技术硬件、软件投资额之和与总资产的比值来衡量信息技术投入，采用比值的形式可以有效避免企业规模可能对企业间信息技术投入差异造成的影响。其中，硬件投资来自年度报告固定资产明细中电子设备、电脑、计算机设备等项目的年末账面价值，软件投资来自年度报告无形资产明细中各类软件、系统等项目的年末账面价值。

3.调节变量

本文从股权结构和董事会特征两个方面共筛选出四个关键性公司治理结构变量作为调节变量进行实证检验，分别是股权结构中的股权集中度与高管持股比例、董事会特征中的董事会独立性与两职合一。

4.控制变量

参照同类研究，控制变量选用企业规模、资产负债率、企业成长性作为对被解释变量有重要影响的公司特征变量。各变量定义如表1所示。

（三）模型构建

本文利用面板数据并结合层次回归与分组分析的方法对前文提出的假设进行检验，构建的模型如下：

1.信息技术投入与企业绩效关系的检验模型

ROEi，t=？茁0+？茁1ITIi，t+？茁2Sizei，t+？茁3Levi，t+？茁4Growthi，t+？着i，t

2.公司治理结构对信息技术投入与企业绩效关系发挥调节效应的检验模型

ROEi，t=？茁0+？茁1ITIi，t+？茁2Xi，t+？茁3Sizei，t+？茁4Levi，t+？茁5Growthi，t+

ROEi，t=？茁0+？茁1ITIi，t+？茁2Xi，t+？茁3ITIi，t×Xi，t+？茁4Sizei，t+？茁5Levi，t+

其中：X代表某一个公司治理结构变量;？茁0表示常数项;？茁n（n=1，2，…，6）为对应项回归系数;？着i，t为随机误差项;i代表横截面个体企业;t代表年份（t=2016—2019）;其余各变量符号的含义与表1一致。调节效应的检验方法以李艾和李君文[ 18 ]的研究结论作为主要依据。

四、实证分析

（一）描述性统计

由表2可看出，被解释变量净资产收益率的取值范围为-1.1163至0.8834之间，表明我国智能制造企业间的经营效益存在明显差异。解释变量信息技术投入表示的是软硬件投资额之和与资产总额的比值，其均值为0.0062，标准差为0.01，可见我国智能制造企业整体的信息化水平还不够高，个别企业对信息技术的投入强度甚至趋向于0，一定程度上说明我国制造业智能化转型升级的进程目前仍处于初级阶段，信息技术投入强度还有待进一步提升。调节变量中，股权集中度的均值为0.3152，最大值达到了0.7966，可见我国智能制造上市公司一股独大的现象较为普遍。高管持股比例的中位数仅为0.004，高管持股水平普遍较低。两职合一为虚拟变量，通过均值和中位数可以看出两职分离的企业在样本企业中占据更多数。董事会独立性均值为0.3798，最高可达0.8，但也有个别企业独立董事的人数只占董事会总人数的0.25，暂时性地未能满足1/3比例的法律规定。另外，智能制造企业之间的企业规模、企业成长性相差很大，而资产负债率水平除个别企业过于偏低或偏高外，平均水平维持在0.4271，与中间水平十分接近。

（二）相关性分析

通过对研究变量进行Pearson相关性检验，把握两两变量之间的相关性，由表3可以看出，变量间相关系数的绝对值均低于0.6，一定程度上能够说明本文的研究变量不存在严重的多重共线性问题。另外，信息技术投入与净资产收益率具有较强烈的负相关关系，H1得到了初步证实。为得到更为可靠的研究结论以及检验公司治理结构在信息技术投入与企业绩效关系中的调节效应，还需要进一步进行回归分析。

（三）多元回归分析

表4列示了信息技术投入与企业绩效以及股权结构、董事会特征、高管激励调节效应的回归结果。本文研究选取的数据为面板数据，因此在回归分析前运用Stata软件进行固定效应与混合估计检验、随机效应与混合估计检验以及Hausman检验，确定出9个模型均适用于固定效应回归。

1.信息技术投入与企业绩效

由表4模型1中的R2和F值可知，模型1具有良好的拟合度，整体回归效果显著。进一步观察模型的回归系数及显著性发现，信息技术投入在1%的水平与企业绩效显著负相关，可见目前我国智能制造企业普遍处于智能化转型初期，大量的信息技术投入会给企业绩效带来短暂的不利影响，H1得证。除此之外，各模型中企业规模、企业成长性分别与企业绩效在1%的水平显著正相关，资产负债率与企业绩效在1%的水平显著负相关，与多数实证类文献研究结论一致。

2.公司治理结构的调节效应

为减少多重共线性问题同时便于回归结果的解释，借鉴前人做法，对交互项中的解释变量和调节变量分别进行中心化处理。

（1）股权结构的调节效应。观察股权集中度的回归结果，模型2的R2为0.1904，且通过了F检验，整体拟合度良好，模型3在加入股权集中度与信息技术投入交互项之后的R2由0.1904上升到0.1973，模型整体的解释力度得到进一步增强。另外，交互项的系数达到18.914，显著性水平为1%，说明智能制造企业股权集中度在信息技术投入与企业绩效之间起到了正向的调节作用，同时股权集中度的回归系数为正但不显著，根据交互项系数显著且调节变量系数不显著可以判断股权集中度为纯调节变量，H2得到验证。同理，模型5在加入高管持股比例与信息技术投入交互项之后的解释力度相比模型4得到了改善，交互项的系数为-8.712，显著性水平为10%，同时高管持股比例本身也与企业绩效具有十分显著的正向关系，根据交互项系数和调节变量系数均显著可以判断高管持股比例为半调节变量，可见目前智能制造企业高管股权激励措施的实施力度还不够，面对转型过程中信息技术的高投入、高风险，高管更倾向于利用职权之便规避风险而为自身谋取更大利益，H3得到验证。

（2）董事会特征的调节效应。对比模型6与模型7的回归结果可知，加入董事会独立性与信息技术投入交互项后模型的R2由0.1905上升到0.1930，解释力度得到增强。交互项的系数为-19.541，在10%的水平显著，说明董事会独立性在信息技术投入与企业绩效的关系中呈现出消极影响，这可能与我国上市公司董事会当前的设置状况有关。我国2001年才开始推行独立董事制度，其中要求上市公司董事会中独立董事占比不得少于1/3，但目前不少企业为了满足这一合规性要求而将比例维持在1/3，如此被动的人员安排势必会忽视企业发展的实际需求;另外还存在独立董事对企业内部运营情况缺乏了解、所提意见与企业发展状况不符等现象，从而导致独立董事占比的提高对信息技术投入绩效带来了不利影响，H4不成立。对比模型8与模型9的回归结果可知，加入两职合一与信息技术投入交互项后模型的R2由0.1903上升到0.1936，解释力度得到增强。交互项的系数为-2.387，在5%的水平显著，说明在智能制造企业中，董事长兼任总经理职位不利于信息技术投入绩效的发挥，即两职合一在信息技術投入与企业绩效之间起到负面的调节作用，同时两职合一的回归系数为负但不具有显著性，根据交互项系数显著且调节变量系数不显著可以判断两职合一为纯调节变量，H5得到验证。

（四）内生性处理

企业的绩效水平反过来会影响信息技术的投入程度，因此信息技术投入与企业绩效之间很可能存在内生性问题，Hausman检验结果显示卡方统计量为49.48，P值为0，进一步证实了解释变量内生性问题的存在。为解决这一问题，本文参考王洪盾等[ 19 ]的做法，将信息技术投入滞后一期变量作为工具变量，采用2SLS法对模型进行重新估计，得到的结果见表5。根据表5可知，信息技术投入与企业绩效显著负相关，股权集中度对信息技术投入与企业绩效的关系具有正向调节作用，高管持股比例、董事会独立性、两职合一均对信息技术投入与企业绩效的关系具有负向调节作用，H1、H2、H3、H5成立，H4不成立。由此可见，解释变量、解释变量与调节变量交互项的回归系数、显著性水平与前文相比虽发生了些许变化，但研究结论未发生实质改变。

（五）稳健性检验

为增强研究结论的可靠性，进一步进行了稳健性检验。本文选用总资产收益率（ROA）代替净资产收益率（ROE）来衡量企业绩效，其中，总资产收益率=净利润/平均资产总额，得到的结果见表6。

由表6可以看出，信息技术投入与企业绩效显著负相关，股权集中度、高管持股比例与信息技术投入交互项的回归系数分别显著为正、显著为负，董事会独立性、两职合一与信息技术投入交互项的回归系数均显著为负。各个模型中的控制变量即企业规模、资产负债率、企业成长性分别与企业绩效呈显著正相关、负相关、正相关关系。由此可见，无论信息技术投入与企业绩效的关系、公司治理结构变量的调节效应还是控制变量与企业绩效的关系，其检验结果都和前文保持一致，表明本文的研究结论具有一定的可靠性。

五、研究结论与启示

（一）研究结论

本文实证检验了智能制造企业信息技术投入、治理结构、企业绩效三者之间的关系，并得出以下主要结论：

1.信息技术投入与企业绩效呈现出显著负相关关系

我国制造业智能化转型升级从整体上来看仍处于初级阶段，而信息技术尤其是新一代信息技术是此次制造业智能化转型过程中的关键性资源，这类资源具有投入成本高、风险大、不确定性强等特点，短期内难免会对企业的经营效益带来不利影响。

2.公司治理结构作为调节变量相关结论

（1）股权结构中，股权集中度正向调节信息技术投入与企业绩效的关系。当股权集中时，大股东站在企业长远发展的角度考虑会快速响应国家政策号召，积极引入各类先进信息技术并探索如何实现高效运用。高管持股比例负向调节信息技术投入与企业绩效的关系。高管持股比例是企业对高管层人员实施的一种激励措施。一方面，相关研究表明我国高管层当前仍处于财富积累阶段，薪酬激励作为短期内就可获得的劳务报酬往往会对高管人员有更大的吸引力，较高的薪酬水平能够提高高管人员对信息技术投入风险的接受程度以及工作的满意度。另一方面，我国智能制造上市公司普遍存在高管持股比例偏低的现象，可见激励力度远远不够，甚至激励成本超出激励收益，给信息技术投入效益的转化带来不利影响。

（2）董事会特征中，董事会独立性与两职合一均负向调节信息技术投入与企业绩效的关系。目前我国智能制造上市公司的独立董事未能发挥出应有的监督作用，可能的原因是我国仍欠缺一套完善的独立董事制度体系。两职合一意味着总经理将拥有更大的权力，董事会的监督力度便大大减弱，而总经理一般倾向于利用职权之便为自己谋取更多利益，从而导致信息技术日常决策与管理偏离公司效益最大化。

（二）研究启示

1.积极推进智能化转型，加大信息技术投入强度

信息技术是制造业企业智能化转型升级的关键性资源，研究结果表明信息技术资源的投入并非立即发挥积极效应，企业必须要经过一段艰难的转换期，不断适应由信息技术投入引发的经营管理模式的全方位变革。我国智能制造企业目前普遍处于转型初期，信息技术投入存在投入强度不够、实施效果不理想的问题，站在长远的角度考虑，管理层应以同行业内智能制造试点示范单位为借鉴，并结合本企业实际情况进一步加大信息技术的投入强度，把握时机，坚定地推行智能化改造。

2.合理设置公司治理结构，协调好信息技术投入与公司治理结构的互补关系

本文的实证研究部分已经验证了各类公司治理结构变量对信息技术投入与企业绩效的调节效应，因此，智能制造企业应重视公司治理结构的设置问题，合理的治理结构将有助于信息技术投入绩效最大化的实现，从而反过来进一步促进企业的智能化转型进程。

【参考文献】

[1] XU X.From cloud computing to cloud manufacturing[J].Robotics and Computer-Integrated Manufacturing，2012，28（1）：75-86.

[2] 周佳軍，姚锡凡，刘敏，等.几种新兴智能制造模式研究评述[J].计算机集成制造系统，2017，23（3）：624-639.

[3] 李维安，郝臣，崔光耀，等.公司治理研究40年：脉络与展望[J].外国经济与管理，2019，41（12）：161-185.

[4] MELVILLE N，KRAEMER K，GURBAXANI V.Review：technology information and organizational performance：an integrative model of IT business value[J].MIS Quarterly，2004，28（2）：283-322.

[5] 冉秋红，白春亮.信息技术投资、智力资本动态变化与企业绩效：基于中国上市公司的经验证据[J].科技管理研究，2017，37（16）：229-235.

[6] 王铁男，王宇.信息技术投资、CEO过度自信与公司绩效[J].管理评论，2017，29（1）：70-81.

[7] 李继学，高照军.信息技术投资与企业绩效的关系研究：制度理论与社会网络视角[J].科学学与科学技术管理，2013，34（8）：111-119.

[8] 李晓宇，陈国卿.信息技术投入、技术创新动态能力与企业绩效关系研究[J].科技进步与对策，2019，36（16）：100-107.

[9] SHLEIFER A，VISHNY R W.Large shareholders and corporate control[J].Scholarly Articles，1986，94（3）：461-488.

[10] MASSIS A D，KOTLAR J，CAMPOPIANO G，et al.Dispersion of family ownership and the performance of small-to-medium size private family firms[J].Journal of Family Business Strategy，2013，4（3）：166-175.

[11] 杜瑩，刘立国.股权结构与公司治理效率：中国上市公司的实证分析[J].管理世界，2002（11）：124-133.

[12] 王莉莉，韩道琴，张宸恺.中小板公司股权集中度、研发投入与公司绩效[J].会计之友，2021（3）：117-123.

[13] 韩月辉，张完定，贾金宇.企业不同发展阶段治理机制和绩效的关系研究[J].统计与信息论坛，2012，27（7）：40-46.

[14] ANDRES P D，AZOFRA V，LOPEZ F.Corporate boards in OECD countries： size， composition， functioning and effectiveness[J].Corporate Governance：An International Review，2005，13（2）：197-210.

[15] ALI  M，NADA  B，HANS  L.CEO  duality  and  firm performance revisited[R].Working Paper，2015.

[16] 董斌，张振.股权结构、董事会特征与公司绩效：内生性视角[J].大连理工大学学报（社会科学版），2015，36（4）：13-22.

[17] 王凡林，张瑜.信息化投资、IT治理与公司绩效提升：基于中国上市公司500强的实证分析[J].会计之友，2017（21）：17-22.

[18] 李艾，李君文.调节变量（moderator）辨析：类型、表述和识别[J].数理统计与管理，2008，27（2）：257-264.

[19] 王洪盾，岳华，张旭.公司治理结构与公司绩效关系研究：基于企业全要素生产率的视角[J].上海经济研究，2019（4）：17-27.