“信息”抑或“噪声”：企业数字化转型与分析师预测质量*

信春华，郝晓露，程 璐

（1,2，3中国矿业大学（北京）管理学院， 北京 100083）

一、引言

数字化转型被称为人类历史上的第四次工业革命，目前逐步形成了以信息技术为中心的经济发展模式，人类也借此跃入数字时代（陈冬梅等，2020）。2016年G20峰会上，数字经济成为一项重要议题，并得到全球范围内诸多国家的广泛响应；2017年，“数字经济”一词被写入党的十九大报告；2021年《政府工作报告》进一步指出，要加快推进数字化发展，逐步形成数字优势，协同实现数字化转型。中国信息通信研究院《中国数字经济发展白皮书（2021）》显示，2020年我国数字经济规模已达39.2万亿元，占GDP总量的38.6%，成为国民经济的重要增长点，数字技术不断释放经济红利、呈现利好前景。此外，突如其来的新冠肺炎疫情打破了原有的经济发展与生产生活模式，数字化技术在应对公共卫生危机、复工复产及促进经济平稳发展中扮演了中坚力量，成为在特殊背景时期下全球的共同性需求。由此可见，数字化转型势不可挡，也成为学术界与实务界探讨的重要命题。

黄群慧（2013）认为，技术经济范式的转变催生出了竞争格局、产业结构、生产方式及治理方式的转变。其它已有研究也指出，数字化转型的经济格局驱动了商业模式（Choi等，2020）、产品生产方式（Müller等，2018）、组织架构（刘政等，2020）、资源配置过程（袁淳等，2021）等的变革。谭松涛等（2016）认为，互联网技术的信息效应提高了资本市场定价效率。但值得注意的是，数字化使得企业信息呈现指数级增长，信息冗余、信息过剩问题也初现端倪（Lateef和Omotayo，2019）；数据也存在显著的时间边际价值递减效应，使用者信息获取延迟便会导致决策偏误（戚聿东和肖旭，2020）；同时，业务的复杂多样也使得信息变得更为复杂。因此，一方面，数字化的信息系统与信息平台扩大了信息供给渠道，可追溯、可复现的信息传递过程提高了信息供给质量，进而对企业信息披露产生正向驱动；另一方面，数字化转型也可能由于信息过剩等形成噪声，致使决策可能失误。在当前阶段，数字化转型究竟表现为何种效应呢？具体结果有待验证。较为遗憾的是，现有研究对数字化转型的信息作用关注较少且多从单一技术角度出发（谭松涛等，2016），并未涉及新兴技术力量下多维数字技术。据此，本文试图从具有多维数字技术概念的数字化转型出发，探讨企业数字化转型对信息的影响。

值得注意的是，分析师作为资本市场重要的信息主体，也是资本市场平稳运行的“润滑剂”，分析师预测质量对资本市场资源配置过程 （Loh和Stulz，2018）与定价效率（徐飞和范晓雯，2020）具有重要影响，有研究指出分析师预测质量优于随机游走模型（方军雄，2007）。与一般意义的信息形态相比，数字化形态下，如何在庞大的数据集中精准提取决策有用性信息成为投资者面临的新问题。分析师作为具有经验专长的主体，较之散户投资者，面对信息的指数级增长时，更具专业能力予以应对。而企业信息披露作为分析师预测的重要信息来源，分析师预测质量在一定程度上取决于目标企业的信息披露，也即分析师预测质量能够有效反映企业数字化转型的信息效应抑或噪声效应。因此，从分析师预测质量视角探究数字化转型对信息的影响，对于资本市场运行与投资者决策具有参考价值。

本文基于2008-2020年沪深A股上市公司的经验证据，对企业数字化转型与分析师预测质量之间的关系予以研究，并探究其中的作用机制、异质性情境因素下的非对称效果及相关经济后果。本文可能的贡献点包括：（1）从研究问题上，拓宽了数字化转型经济后果及分析师预测质量影响因素的相关研究。已有研究注意了单一数字技术的信息效应，但少有探究多维数字化技术概念下企业的信息表现；同时，现有文献强调了企业信息披露对分析师预测的影响，但尚未探讨企业数字化转型对分析师预测质量的影响。（2）从研究范式上，基于“基准回归-异质性分析-机制检验-经济后果”的逻辑框架，探究了数字化转型对分析师预测质量的影响方向及程度；同时，分析了数字化转型与分析师预测两者之间可能的作用机制；探讨了异质性情境因素下数字化转型对分析师预测质量的非对称性效果，并从权益资本成本视角探索企业数字化转型对分析师预测质量的溢出效应，从多场景论述了数字化转型对分析师预测质量的影响。

二、文献回顾

（一）分析师预测质量的影响因素研究

分析师作为连接企业和投资者之间的桥梁，起着重要的信息传递和解读作用。随着资本市场的发展，分析师预测质量的影响因素受到广泛研究，具体包括以下视角：（1）分析师个体特征，例如：行业专长（刘永泽和高嵩，2015）、前期工作经历（Bradley等，2017）及性别特征等（伊志宏等，2015）。（2）外部信息环境，例如：周开国等（2014）指出更高的媒体关注伴随着更高的分析师预测质量；高铁的开通打破了信息传递的距离障碍，分析师预测准确度也随之提高（杨青等，2019）；国家审计具有重要的信息监督作用，可以有效约束企业信息自利行为，提高分析师预测准确度、降低乐观偏差（王美英等，2021）；同时，新冠肺炎疫情等非理性因素也是影响分析师预测质量的重要动因（周爱民和刘晓孟，2021）。（3）目标企业信息披露特征，依据信息不对称理论，分析师预测质量也依赖于目标企业的信息披露。从信息披露质量来看，方军雄（2007）指出信息透明度高的公司，其分析师预测质量更好。从信息治理过程来看，良好的内部控制伴随着及时、可靠的信息披露过程，降低信息传递的不确定性，进而提高分析师预测质量（董望等，2017）。另外，企业盈余管理行为会造成分析师认知偏差，进而降低分析师预测质量（李丹和贾宁，2009）。

（二）企业数字化转型的经济后果研究

数字化转型是指包括人工智能、区块链、云计算、大数据等新兴数字技术的发展与应用。黄群慧（2012）认为，任何经济范式的变革都能够带来技术、管理与制度的变革，同时催生出竞争格局、产业结构、生产方式及治理方式等的转变。因此，数字化转型不仅具有宏观经济效应，还具有微观企业效应。

宏观视角。竞争格局层面，数字化发展重塑了全球竞争格局。何宇等（2021）指出数字化会进一步拉开发达国家与发展中国家的差距；吕越等（2020）发现人工智能技术促进了中国参与全球价值链分工。商业模式层面，数字化转型对传统商业模式产生破坏式创新（赵振，2015）。劳动就业与分工层面，数字化进程打破了传统的雇佣关系，互联网技术推进了劳动分工的优化配置及收入的提高（郑小碧，2017）；另外，Acemoglu和Restrepo（2020）发现AI技术创造出更多的就业机会。

微观视角。企业数字化转型的微观经济后果表现在以下几个方面。资源配置层面，数字化技术能够降低企业信息搜集成本（施炳展和李建桐，2020）与交易成本（袁淳等，2021），优化资源配置。组织架构层面，数字技术通过打破高管信息垄断，推动组织变革（Lee和Edmondson，2017）。企业经营层面，数字化经营方式有利于实现价值创造（戚聿东和肖旭，2020）与竞争力提升（Liu等，2011）。最后，数字化转型还具有重要的信息效应，例如：数字化转型能够弥补企业内外部信息鸿沟、提高治理水平（祁怀锦等，2021）。然而，数字化技术尽管拓宽了来自企业源头的信息供给，也带来了信息冗余与信息过载（Lateef和Omotayo，2019）；同时，数字时代下快速的信息更新也使得数据价值随时间呈现迅速的边际递减趋势（戚聿东和肖旭，2020）。

（三）文献评述

基于以上回溯，目前对于数字化转型与分析师预测的研究存在以下特点：（1）现有研究从分析师个体、外部治理特征及企业信息披露特征探讨了分析师预测质量的影响因素，并指出信息是影响分析师预测质量的重要原因，这为本研究的展开奠定了基础。（2）现有研究从宏、微观层面探讨了数字化转型的经济后果，尽管有部分文献关注到了数字化技术的信息效应，但并未触及分析师预测层面。数字化转型作为一种新兴技术，信息化是其重要特征，但其对分析师预测的影响尚未受到关注，本文试图对两者的关系予以探究，以丰富既有研究。

三、理论分析与研究假设

Verhoef等（2019）指出企业数字化转型的第一阶段就是将模拟信息转化为数字信息。现有研究关于数字化转型对信息的影响存在两种观点：一是数字化转型将企业生产、业务流程、决策管理过程数字化，从而降低内外部之间的信息不对称（祁怀锦等，2020）；二是数字技术也在一定程度上扩大了信息风险敞口，如严重的信息冗余和信息过载 （Lateef和Omotayo，2019）、信息价值的快速时序递减（戚聿东和肖旭，2020）以及信息的复杂性等，都可能误导信息使用者的决策。分析师作为资本市场重要的信息中介，企业信息作为影响分析师预测质量的重要动因，数字化转型对分析师预测质量的影响可能存在悖论。当企业数字化转型存在积极的信息驱动时，将对分析师预测质量产生有利影响；当存在消极导向时，则可能表现为分析师误判，削弱预测质量。据此，本文将其归纳为“信息效应”与“噪声效应”，并从这两方面剖析企业数字化转型与分析师预测质量之间可能的关系。

（一）信息效应假说

根据信息经济学，企业与外部信息需求者处于信息不对称的两端，分析师预测质量与其目标企业信息披露行为具有相关性（方军雄，2007），披露信息的真实、准确、完整是影响预测质量的重要特征。现有研究基本根植于信息不对称理论框架，资本市场中可用公共信息集的增加能够缓解企业与分析师主体之间的信息不对称程度。从信息总量来看，债券信用评级能够通过评价排序矫正资本市场中的“柠檬”问题（“Lemon”Problem）（Rhee，2015），与分析师形成互补效应，扩大分析师可用信息总量（林晚发等，2020）。从信息质量来看，更高的企业信息透明度、更低的盈余管理行为与更高的分析师预测质量相关联（方军雄，2007；李丹和贾宁，2009）。回归数字化语境，较之一般信息过程，企业数字化转型所带来的技术穿透能够对信息生产、信息流动、信息管理过程产生质的影响，更进一步反映为企业信息总量及信息质量的改善，并据此助力分析师预测质量的提升。

具体而言，首先，从信息总量视角来看，依据信息环境理论，分析师可获公共信息集是影响分析师预测质量的重要因素。信息来源上，较之传统信息模式，数据挖掘与分析技术使原本沉淀、未被利用的信息涌动起来，将非标准化、不可预见的信息转变为标准化、可传输的数字信息（吴非，2021）。在信息形态上，数字化转型技术能够捕捉到依托图片、音频、视频等载体的信息产品，形成多种信息流，演变为对企业传统可识别信息形态的有效补充（Warren等，2015）。在信息传输上，数字化技术拓宽了企业内外部之间的信息传递与运输渠道。因此，数字化转型从信息源头提高了企业可释放信息总量，同时，公共信息与私有信息共同构成了分析师掌握的信息总量（Chen和Jiang，2005）。随着公共信息集的增加，分析师获取的信息逐渐趋同，分析师预测分歧度降低。

其次，信息质量视角。根据机会主义假说与委托代理理论，管理层与股东的需求函数存在差异，基于薪酬与职业晋升的考虑，管理层有动机通过盈余管理等机会主义行为掩饰不良业绩表现。然而，企业数字化转型能够对其进行有效抑制。一方面，内部治理机制层面，随着信息管理系统、知识管理系统等数字化平台的嵌入与应用（刘政等，2020），进一步使得企业生产经营过程、财务处理过程、组织决策过程都有迹可循，减少治理过程中信息传递的混沌节点与信息失真，对管理层非理性行为形成隐形监督机制，弱化管理层基于谋取个人私利动机的盈余操纵、信息隐藏等逆向选择行为。另一方面，外部监督机制层面，分析师、媒体、机构投资者作为资本市场中重要的信息中介，能够通过自身专业能力识别解读企业基本面信息，迫使管理层在外部信息中介的高关注度压力下约束自身“言行举止”。进一步地，高质量的信息供给不仅为分析师预测提高更真实、准确的决策参考；还能减少分析师预测过程中的主观判断，削弱分析师预测分歧度。

因此，从分析师预测准确度视角来看，企业数字化转型对企业信息总量、信息质量的积极影响为分析师盈余预测提供了更准确、有价值的决策参考，从而减少分析师信息获取偏差，形成更加准确的未来盈余预测。而从分析师预测分歧度视角来看，分析师预测分歧度主要取决于信息来源与预测模型（Lang和Lundholm，1996），在数字化浪潮下，企业信息披露的改善使得分析师获取的信息更具趋同性，分析师在调整预测模型时会形成更为一致的权重赋予与方向调整，进而使分析师预测分歧度降低。据此推断，数字化转型能够通过改善企业信息披露行为提高分析师预测准确度、降低分析师预测分歧度，也即使分析师预测质量提高。

基于以上分析，本文提出如下假设：

H1a：企业数字化转型能够提高分析师预测质量。

（二）噪声效应假说

值得注意的是，企业数字化转型也可能存在悖论，即数字化转型通过噪声效应进而降低分析师预测质量，本文从有限注意力、数据价值周期属性及业务复杂度三方面予以分析。

首先，注意力是一种稀缺资源，有限注意力假说指出个体仅具备有限注意力而无法对任何事物赋予同等时间精力（Kahneman，1973）。客观层面，个体面对多信息任务刺激时仅能对各任务给予有限关注，注意力的分散必然衍生出更低的信息处理成效（Kahneman，1973）；主观层面，由于能力的局限，过度的信息供给会导致个体分心（Hirshleifer等，2009）。这一观点也得到相关验证，例如：市场中同日发布的分析师报告越多，则投资者注意的分散效应越严重，进而致使投资者市场反应不足（Hirshleifer等，2009；方军雄等，2018）；处于忙季的签字注册会计师审计质量更低（Lopez和Peters，2015）。顺延此逻辑，以数据为中心的信息技术扩宽了来自企业源头的信息释放，使得分析师可获取、可观测信息集呈指数级增长，但海量的信息供给也引发了“信息过载”（Lateef和Omotayo，2019），致使决策偏误，降低分析师预测准确度。进一步地，“信息过载”也对分析师信息筛选与解读能力提出挑战，分析师需要在纷繁复杂的信息集中筛选出具有决策有用性的目标对象，由于注意力程度不同，分析师个体在权重赋予过程中存在更多差异化判断，导致预测分歧度提高。

其次，依据数据的价值周期理论，数字化时代下数据更新速度快，数据呈现出显著的价值周期属性，也即数据价值随时间存在边际递减效应（戚聿东和肖旭，2020）。企业数字化转型能够依托动态信息处理系统，时时刻刻地搜集生产经营、管理决策、用户画像等数据，信息更新与迭代不仅要求分析师具备快速的信息搜集能力，还要具备强大的信息理解、处理能力，一旦分析师出现信息获取迟滞，则极易出现噪声信息增多，预测准确度降低。同时，分析师个体间信息搜集速度的差异也提高了信息获取的异质性，导致预测分歧度提高。

最后，数字化转型重塑了企业业务模式，也提高了业务复杂度。数字技术穿透实现各项业务的跨界融合的同时，较之传统的、单一的业务模式，新兴业态下的数字化业务模式更为复杂多样，这也对分析师如何在多样的业务形态下应对复杂信息的整合能力提出了更高要求。Higgins（2013）、孙刚（2014）也指出，更复杂的信息往往伴随着较低的分析师预测质量。因此，数字化时代下，一旦分析师信息整合失败，则会形成信息噪声，分析师预测难度加大。

基于以上分析，本文提出以下假设：

H1b：企业数字化转型可能降低分析师预测质量。

四、研究设计

（一）数据来源

本文的研究数据来自中国沪深A股市场上市公司，由于2007年我国颁布了新的会计准则，因此样本期间为2007-2020年。为使数据更加可靠，本文做如下处理：（1）剔除（*）ST、PT样本；（2）剔除金融行业样本；（3）保留分析师（团队）预测报告发布日在本年年报发布日之前与上一年年报发布日之后的样本，保留每一个分析师（团队）最近的一次预测；（4）剔除数据缺失观测值；（5）为去除极端值的影响，对所有连续变量在1%和99%的水平上进行缩尾处理。由于分析师预测准确度与分析师预测分歧度计算方式的差异，分析师预测准确度的回归样本量为23198；分析师预测分歧度的回归样本量为21261。本文所使用的企业数字化转型数据、财务数据及公司治理数据均来自国泰安（CSMAR）数据库。

（二）变量定义

1.解释变量

企业数字化转型（DCG）。目前对数字化转型的测度主要包括：以吴非等（2021）为代表采用文本分析，提取相关数字化转型词频；采用企业是否进行数字化转型的0-1二值变量（何帆和刘红霞，2019）。然而后者无法区分企业数字化转型程度，易产生偏误。本文的企业数字化转型数据来源于CSMAR数据库，该数据库参照吴非等（2021）的做法，从上市企业年报中涉及“企业数字化转型”的词频角度测度企业数字化转型程度。具体地，该词频包括两大类，其一为底层技术运用，其二为技术实践应用。底层技术运用包括人工智能（Artificial Intelligence）、区块链（Block Chain）、云计算（Cloud Computing）、大数据（Big Data）四大主流技术所涉及的词频，技术实践应用涉及移动互联网、智能能源、数字金融等词频。本文所采用的数据从多个视角对相关数字技术及应用场景所涉及词频进行统计，刻画了基于多维数字技术的企业数字化转型程度，具有合理性。为保证数据服从正态分布，对数字化转型词频进行对数化处理。同时，为使系数完整显示且不影响显著性，在此本文对数字化转型（DCG）变量除以100。

2.被解释变量

参考石翔燕等（2021），本文的被解释变量包括分析师预测准确度（Ferror）与分析师预测分歧度（Fdisp）。具体地，析师预测准确度（Ferror）和分析师预测分歧度（Fdisp）的计算方法分别如下所示。

其中：MFeps为每年所有分析师最近一次每股盈余预测的均值；SD（Feps）为所有分析师每年中最近一次每股盈余预测的标准差；Eps为每股盈余实际值；P为期初开盘价。Ferror和Fdisp越大，表明分析师预测准确度越低，分析师预测分歧度越高。

3.控制变量

参考现有研究（王美英等，2021），选择如下控制变量：公司规模（Size），资产负债率（Lev），总资产收益率（Roa），企业成长性（Growth），第一大股东持股比例（TOP1），董事会规模（Board），两职合一（Duality），审计质量（Big4），产权性质（Soe），经营性现金流量（Cfo），机构投资者持股 （Ohold），上期审计意见（LOpin），企业价值（TobinQ），分析师跟踪（Follow），同时控制年度、行业虚拟变量，并在公司层面聚类。具体如表1所示。

表1 变量定义

（三）模型设定

本文构建模型（3）检验企业数字化转型对分析师预测的影响。

其中，Ferror为分析师预测准确度，Fdisp为分析师预测分歧度，DCG为企业数字化转型，Control为控制变量。β1为负时，则企业数字化转型具有“信息效应”，即提高分析师预测质量，H1a得以验证；β1为正时，企业数字化转型具有“噪声效应”，即降低分析师预测质量，H1b得以验证。

五、实证结果分析

（一）描述性统计

表2给出了主要变量的描述性统计结果。解释变量层面，企业数字化转型（DCG）的均值为0.009，标准差为0.013，说明目前我国各企业数字化转型程度存在一定差异，同时其未除以100的描述性检验结果也与吴非等（2021）的研究具有一致性。被解释变量层面：分析师预测准确度（Ferror）的均值为0.031，标准差为0.043；分析师预测分歧度（Fdisp）的均值为0.022，标准差为0.023。此外，控制变量上审计质量（Big4）的均值为0.065，说明我国约6.5%的上市公司选择“国际四大”进行审计；产权性质（Soe）的均值为0.396，说明观测样本中39.6%的上市公司为国有企业；其余控制变量的分布特征与现有研究基本一致，不再赘述。

表2 描述性统计

（二）基本回归分析

表3给出了本文的基准回归结果。表3列（1）、（2）结果显示，在不控制行业、年份的情况下，企业数字化转型与分析师预测准确度的回归系数为-0.065且在1%的水平上显著，即数字化转型提高了分析师预测准确度。企业数字化转型与分析师预测分歧度的回归系数为-0.098且在1%的水平上显著，即数字化转型降低了分析师预测分歧度。表3列（3）、（4）结果显示，在对行业、年份进行控制后，企业数字化转型与分析师预测准确度的回归系数为-0.052且在10%的水平上显著，即数字化转型提高了分析师预测准确度。表3列（4）给出了企业数字化转型对分析师预测分歧度影响的回归结果，结果显示，企业数字化转型与分析师预测分歧度的回归系数为-0.049且在1%的水平上显著，即数字化转型降低了分析师预测分歧度。以上结果表明企业数字化转型提高了分析师预测质量，假设H1a得以验证，即数字化转型具有“信息效应”。其可能的原因是，目前我国尚且处于数字化转型的前期，主要表现为“信息效应”，其“噪声效应”尚未凸显。此外，控制变量的回归结果与既有研究基本一致，不再赘述。

表3 基准回归

（三）稳健性检验

1.内生性处理

（1）工具变量法

企业数字化转型与分析师预测质量之间可能存在双向因果关系，企业数字化转型对分析师预测质量具有提高作用，但是分析师预测也可能影响融资、创新决策等，较高的分析师预测质量可能为企业数字化转型提供机遇。因此，为缓解基于双向因果关系的内生性问题，本文采用工具变量法。借鉴李琦等（2021），采用地方公共财政科技支出作为工具变量，原因在于：一个地区公共财政科技支出能够为企业数字化转型的技术变革提供更多的资金支持，满足相关性假设；但其较难影响某一企业的分析师预测质量，满足外生性假设。表4给出了基于两阶段最小二乘法（2SLS）的工具变量检验结果。Cragg-Donald Wald F统计值分别为258.716、256.102，也即大于10%的误差容忍临界值（16.38），表明拒绝弱工具变量假设。其中，列（1）为第一阶段的检验结果，结果显示地方公共财政科技支出与企业数字化转型呈显著正相关，符合预期；列（2）、（3）为第二阶段的检验结果，结果显示，企业数字化转型能够提高分析师预测准确度、降低预测分歧度，与主回归一致，说明在考虑可能的内生性问题后，结论依然稳健。

（2）Heckman两阶段

在研究中，解释变量企业数字化转型样本选择可能不是随机的，即企业数字化转型与分析师预测质量之间的关系可能是样本自选择的结果。为缓解可能的样本自选择问题，本文采用Heckman两阶段进行偏差校正，并构建模型（4）和（5），主要包括两个阶段。第一阶段采用Probit模型进行估计，并得到逆米尔斯比率（IMR），因此本文根据企业数字化转型均值构建虚拟变量，将其分为两组，大于均值的组别记为1，否则记为0，表示为变量DCG_m。参考张黎娜等（2022）以公司规模（Size）、企业年龄（Age）、营业收入（Sale，经对数化处理）、合格境外机构投资者持股比例（QFII）作为可能影响企业数字化转型的变量。第二阶段是将第一阶段估计出的逆米尔斯比率（IMR）加入主回归模型中重新回归。

具体回归结果如表4所示，列（5）、（6）为加入第一阶段估计出的逆米尔斯比率（IMR）后的回归结果：企业数字化转型能够提高分析师预测准确度、降低预测分歧度；同时，分析师预测准确度的逆米尔斯比率（IMR）不显著，但分析师预测分歧度的逆米尔斯比率（IMR）显著。说明在分析师预测准确度中可能不存在样本自选择问题，但分析师预测分歧度中可能存在样本自选择问题。因此在考虑了可能的样本自选择问题后，结论依然稳健。

表4 工具变量法&Heckman两阶段

（3）公司固定效应

考虑由于遗漏变量产生的内生性问题，如企业文化、发展沿革等，因此进一步采用公司固定效应模型缓解可能的内生性问题，回归结果如表5所示。结果显示，在对公司个体进行控制的前提下，企业数字化转型能够提高分析师预测准确度、降低预测分歧度，在采用公司固定效应进行回归后，结论稳健。

表5 公司固定效应

2.变量替换

（1）变更企业数字化转型度量方式

本文通过企业数字化转型词频测度企业数字化转型，该方式刻画了企业数字化转型程度。然而，这种借助文本内容、词频的刻画方式也可能存在误判，因为企业年报信息未必完全客观，可能与管理层个人习惯、企业发展阶段相关，词频多少与企业实际未必一致。借鉴何帆和刘红霞（2019）采用企业是否进行数字化转型的0-1变量进行测度。回归结果如表6列（1）、（2）所示，结果显示，当解释变量为0-1变量时，企业数字化转型同样能够提高分析师预测准确度、降低预测分歧度，与主回归一致。

（2）变更分析师预测的度量方式

为确保结论的稳健性，本文进一步对分析师预测准确度与分析师预测分歧度变更测度方式，采用基于每年所有分析师最近一次每股盈余预测的中位数作为分析师预测值MFeps，重新计算分析师预测准确度与分歧度，回归结果如表6列（3）、（4）所示。结果显示，在变更度量方式后，企业数字化转型仍然与分析师预测准确度显著负相关，与分析师预测分歧度显著负相关，结论稳健。

表6 变量替换

(1) (2) (3) (4)Ferror Fdisp Ferror1 Fdisp1 Follow -0.004*** -0.001*** -0.005*** -0.001***(-10.963) (-5.169) (-11.373) (-3.562)Constant -0.053*** -0.065*** -0.041*** -0.068***(-4.660) (-9.317) (-2.714) (-7.946)Industry Yes Yes Yes Yes Year Yes Yes Yes Yes N 23198 21261 23198 21261 R2_a 0.389 0.214 0.332 0.160

3.考虑可能的替代性解释

本文结论也可能存在替代性解释，主要从以下方面予以考量。（1）企业数字化转型可能是一种策略性炒作。例如：IPO上市企业可能急需获得认可而进行策略性数字化信息披露，以满足市场预期，进而降低企业信息披露真实性与参考价值，导致分析师预测准确降低、预测分歧度提高。因此本文将当年IPO的企业予以剔除后再回归，具体结果如表7列（1）、（2）所示。（2）数字化转型作为重要的政策导向，数字化转型信息披露可能是基于迎合政府政策的策略性意图，表现为追逐热点的虚假信息披露，与其真实行为相悖。借鉴张叶青等（2021）的研究，选取2014年作为政策分割年，仅保留2008-2014年的样本，具体结果如表7列（3）、（4）所示。（3）较之非高新技术企业，高新技术企业更倾向于进行数字化转型（吴非等，2021），且其中诸多行业都与互联网等信息技术相关，本文的结果也可能是由于高新技术企业的数据驱动，也即在非高新技术企业中企业数字化转型对分析师预测质量的提高作用可能不存在。因此，本文在剔除高新技术企业后重新进行回归，具体结果如表7列（5）、（6）所示。以上回归结果均与主回归一致，结论稳健。

表7 考虑可能的替代性解释

六、进一步分析

（一）异质性检验

尽管前文结论为企业数字化转型与分析师预测的正相关关系提供了经验证据，但在异质性情境因素下未必具有普适性。为提高研究的精细性，本文进一步从企业层面、行业层面与地区层面探讨数字化转型对分析师预测影响的非对称效果。企业层面的特征变量为产权性质，行业层面的特征变量为行业竞争程度，地区层面的特征变量为市场化进程。

1.企业层面：产权性质

企业是在一定的制度环境中发展的（Dimaggio，1998），产权制度背景影响着企业信息披露行为。从政策负担视角，国有企业由政府直接控股，是国民经济的典范与排头兵，承担着更多政策性使命。例如，国有企业在扶贫建设、环境保护等都发挥着中坚力量，然而国有企业的政策性负担对于企业经营绩效具有挤出效应（廖冠民和沈红波，2014），不良的业绩表现对国有企业信息披露具有约束作用（徐广成等，2016）。从融资约束视角，政府引导着资源配置过程。首先，国有企业具有天然的资源禀赋与资源获取优势，当国有企业面临融资约束时，政府会通过补贴纾解困境（孔东民等，2013）；其次，政府对于国有企业具有重要背书与担保作用，能够有效降低银行信贷决策过程的预测风险，进而国有企业的融资约束更低。因此，较之非国有企业，国有企业的信息披露动机可能更弱，质量可能更低。可以预期，与非国有企业相比，企业数字化转型的信息效应在国有企业中更为显著，对于分析师

预测质量的提高作用也更为明显。回归结果如表8列（1）、（2）所示，结果显示，交互项DCG×HHI的系数分别在5%和1%的水平上显著为负，也即较之非国有企业，国有企业中企业数字化转型对分析师预测质量的提高作用更为显著。

2.行业层面：行业竞争程度

行业竞争也会影响数字化转型与分析师预测之间的关系。一方面，行业竞争具有“信息披露效应”，出于融资动机，在激烈的行业竞争中，企业具有更强烈的资本需求（Hoberg等，2014），信息透明度作为投资者判断投资风险的重要参考（Healy和Palepu，2001），为获取更多的融资机会，企业会进行更透明的信息披露。基于声誉动机，激烈的行业竞争中翔实的信息披露会提高企业形象，形成声誉价值（肖曙光等，2017）。可以预期，竞争越激烈，企业数字化转型所带来的信息优势对分析师预测质量的提高效应可能较为有限。另一方面，行业竞争具有“信息遮掩效应”，行业竞争会加剧代理冲突，激烈的行业竞争使得管理层面临更大的业绩压力，基于职业晋升的考虑，管理层有盈余操纵动机；同时，在竞争较强的行业，企业的信息披露可能会带来更多专有化成本，为降低竞争对手模仿的可能性，企业会通过降低信息披露程度以维持市场势力（Zhou，2018）。因此，行业竞争越激烈，企业数字化转型所带来的信息优势对分析师预测质量的正向影响也可能会显著。根据以上分析，尚且无法得出结论，仍需进一步验证。为验证行业竞争程度的影响，本文借鉴孔东民等（2013），采用赫芬达尔指数（HHI）予以测度，其数值越大，说明行业竞争越弱。回归结果如表8列（3）、（4）所示，结果显示，分析师预测准确度的交互项DCG×HHI的系数为正但不显著，分析师预测分歧度的交互项DCG×HHI的系数在10%的水平上显著为正，即企业数字化转型对分析师预测质量的提高作用主要体现在行业竞争较强的环境中。

3.地区层面：市场化程度

我国幅员辽阔，各地区市场化程度存在非均衡性特征（王小鲁等，2019）。地区市场化程度较高时，市场在资源配置中占据主导地位，为满足资源供给者的信息需求，企业自觉自愿地表现出更为透明的信息披露，提高外部需求者的信息知情度。同时，地区市场化程度提高会伴随着更为严格的执法及更高的违法成本，进而影响企业的信息披露行为。反之，地区市场化程度较低时，地区制度约束力差、惩罚机制弱，关系经济成为企业资源获取的主导方式，会滋生出大量的虚假陈述与信息遮掩，形成信息噪声。本文预期，地区市场化程度越低，企业数字化转型对分析师预测质量的提高效应越强。本文采用王小鲁等（2019）的市场化指数表征地区市场化程度，表8列（5）、（6）显示，交互项DCG×Market的系数均在5%的水平上显著为正，也即企业数字化转型对分析师预测质量的提高作用表现在市场化程度较弱的地区。

表8 异质性检验

(1) (2) (3) (4) (5) (6)Ferror Fdisp Ferror Fdisp Ferror Fdisp Growth -0.001** -0.000* -0.001** -0.000* -0.001** -0.000*(-2.163) (-1.872) (-2.149) (-1.834) (-2.150) (-1.850)TOP1 -0.001 -0.004*** -0.001 -0.004*** -0.001 -0.004***(-0.327) (-2.935) (-0.320) (-2.916) (-0.292) (-2.883)Board -0.003 -0.001 -0.003 -0.001 -0.003 -0.001(-1.431) (-1.051) (-1.456) (-1.067) (-1.416) (-1.055)Duality -0.001 -0.001 -0.001 -0.001 -0.001 -0.001(-0.973) (-1.438) (-0.877) (-1.309) (-0.877) (-1.289)Soe -0.013 -0.006 -0.007*** -0.004*** -0.007*** -0.004***(-11.360) (-7.276) (-8.585) (-6.642) (-8.604) (-6.724)Big4 -0.007*** -0.005*** -0.007*** -0.005*** -0.007*** -0.005***(-4.483) (-4.567) (-4.459) (-4.558) (-4.387) (-4.449)Soe 0.006*** 0.005*** 0.006*** 0.005*** 0.006*** 0.005***(13.572) (15.993) (13.547) (15.943) (13.594) (16.023)Cfo 0.049*** 0.013*** 0.050*** 0.014*** 0.049*** 0.014***(10.749) (4.898) (10.830) (5.028) (10.769) (4.915)Ohold -0.006*** -0.003*** -0.006*** -0.003*** -0.006*** -0.003***(-3.681) (-2.779) (-3.694) (-2.758) (-3.691) (-2.785)LOpin -0.021*** -0.003 -0.021*** -0.003 -0.021*** -0.003(-6.209) (-1.396) (-6.222) (-1.441) (-6.206) (-1.417)TobinQ 0.000 -0.001*** 0.000 -0.001*** 0.000 -0.001***(0.980) (-4.264) (0.951) (-4.297) (0.931) (-4.326)Follow -0.004*** -0.001*** -0.004*** -0.001*** -0.004*** -0.001***(-11.024) (-5.223) (-10.924) (-5.115) (-10.944) (-5.154)Constant -0.054*** -0.066*** -0.052*** -0.063*** -0.051*** -0.063***(-4.779) (-9.434) (-4.543) (-9.047) (-4.425) (-8.873)Industry Yes Yes Yes Yes Yes Yes Year Yes Yes Yes Yes Yes Yes N 23198 21261 23198 21261 23198 21261 R2_a 0.389 0.214 0.389 0.214 0.389 0.214

（二）机制检验

主回归结果表明企业数字化转型能够提高分析师预测质量，未对两者之间的作用机制进行深入分析。前文指出，企业数字化转型具有重要的信息效应，具体表现在信息总量及信息质量层面，进而影响分析师预测质量。为验证上述解释的合理性，本文参考温忠麟等（2004）的做法进行机制检验，并构建模型（6）和模型（7）。其中，Mediator为中介变量，即信息总量及信息质量变量。

1.信息总量的机制检验

数字化转型能够提高企业信息披露总量，从而改善分析师预测质量。较之传统信息模式，数字技术嵌入具有诸多优势：其一，在企业内部生产经营过程中，数字技术将沉淀在企业内部的非标准化信息转化为标准代码，通过技术跃进调动企业内部信息搜集能力；其二，数字技术打破了原有局部性的消费者偏好抽样，大数据技术将抽样总体拓宽至消费者整体，极大丰富了企业信息获取量。由此可知，数字技术渗透从企业源头丰富了信息集，为微观经济预测提供准确、一致的信息参考，提高分析师预测准确度、降低预测分歧度。然而，可识别信息总量较难度量，为验证前述推论，本文采用年报“管理层讨论与分析”部分的文字数量（Charnum）表征信息总量，并予以对数化处理，其数值越大可理解为管理层释放企业信息总量越多。“信息总量”的机制检验结果如表9列（1）-（3）所示。列（1）结果显示，Charnum的回归系数在1%的水平上显著为正，即企业数字化转型促使企业释放了更多信息；列（2）、（3）的结果显示，Charnum的回归系数均在1%的水平上显著为负。以上结果表明信息总量在企业数字化转型与分析师预测质量之间发挥了中介作用。

2.信息质量的机制检验

数字化转型对企业信息质量的影响可从两方面予以分析。首先，从客观层面，信息管理系统数字化平台的应用降低了企业生产经营过程中的人工参与程度，使得企业信息披露更为客观真实；同时，分析师、媒体、机构投资者等信息中介的强烈关注也形成了有效的隐形约束。其次，从主观层面，可追溯、可复现的经营管理过程提高了管理层自利行为被发现的概率，进而降低管理层盈余操纵的动机，形成对管理层机会主义意图的有效约束。高质量的信息降低了分析师认知偏差，从而全体分析师形成更为一致的权重设计、预测方向。为验证上述推断，采用基于修正琼斯模型计算的应计盈余管理绝对值（AD_abs）表征信息质量，数值越大，盈余管理行为越强烈，信息质量越低。“信息质量”的机制检验结果如表9列（4）-（6）所示。列（4）结果显示，AD_abs的回归系数在5%的水平上显著为负，即数字化转型会抑制企业盈余管理行为，提高信息披露质量；列（5）、（6）结果显示，AD_abs的回归系数均在1%水平上显著为正。以上结果表明信息质量在企业数字化转型与分析师预测质量之间发挥了中介作用。

表9 机制检验

(1) (2) (3) (4) (5) (6)Charnum Ferror Fdisp AD_abs Ferror Fdisp TobinQ -0.016*** 0.000 -0.001*** 0.007*** -0.000 -0.001***(-3.333) (0.875) (-4.336) (10.032) (-0.069) (-4.528)Follow 0.032*** -0.004*** -0.001*** 0.002*** -0.004*** -0.001***(6.709) (-10.735) (-4.977) (3.742) (-11.479) (-5.208)Constant 7.102*** -0.039*** -0.057*** 0.136*** -0.061*** -0.066***(44.538) (-3.185) (-7.349) (6.871) (-5.431) (-9.467)Industry Yes Yes Yes Yes Yes Yes Year Yes Yes Yes Yes Yes Yes N 23198 23198 21261 23198 23198 21261 R2_a 0.740 0.389 0.214 0.110 0.397 0.214

（三）排除其他机制

企业数字化转型也可能通过降低经营风险，进而提升分析师预测质量。首先，数字技术的嵌入加速了生产自动化进程，程序化的生产过程降低了错误率、提高了生产专业化程度，生产效率提高、生产成本降低（Brynjolfsson和Mitchell，2017）。其次，交易费用经济学和不完全契约理论指出，数字技术能够通过缓解非有效市场中信息不对称程度加速信息的扩散与传播，有效降低信息搜集成本及合约成本，实现纵向一体化（袁淳等，2021；施炳展和李建桐，2020）。此外，企业数字化转型能够通过数字信息技术准确预测市场需求变动（Bajari等，2019），协调仓储信息、生产产量、市场偏好，实现有效的供应管理、生产管理，降低生产成本，为持续经营提供稳定基础。基于以上分析，从经营成本与收益视角，企业数字化转型实现了降成本、增效益，降低经营风险。有研究指出，较高的经营风险会增加分析师预测过程中的不确定性，分析师无法依据惯性决策预测企业未来盈余，预测质量降低（何熙琼和尹长萍，2018；Jennings等，2017）。因此，随着数字化转型对于经营风险的抑制，分析师预测质量也将随之提高。为了检验这一机制，本文以Risk为经营风险，参考余明桂等（2013）以企业连续三年内（t-2年至t年）的盈余波动水平衡量。延续前文机制检验思路进行回归分析，回归结果如表10所示，据此无法判断具体的作用机制；进一步地，Sobel检验结果并不显著（分别为-0.79和-0.78），故排除经营风险的作用机制。

表10 经营风险机制检验

(1) (2) (3)Risk Ferror Fdisp Size -0.000 0.006*** 0.004***(-0.636) (13.357) (14.400)Lev -0.007* -0.010*** 0.001(-1.922) (-4.372) (0.571)Roa -0.248*** -0.369*** -0.061***(-14.765) (-31.326) (-11.872)Growth 0.001** -0.001*** -0.000**(1.962) (-2.720) (-2.131)TOP1 0.004 -0.000 -0.002(1.441) (-0.018) (-1.522)Board -0.004* -0.002 -0.001(-1.702) (-0.862) (-0.639)Duality -0.001 -0.000 -0.000(-1.592) (-0.236) (-0.474)Big4 0.002 -0.007*** -0.004***(1.174) (-4.571) (-4.052)Soe -0.004*** -0.007*** -0.004***(-4.424) (-8.492) (-7.257)Cfo 0.043*** 0.040*** 0.009***(5.765) (8.142) (3.182)Ohold -0.011*** -0.004*** -0.004***(-5.098) (-2.737) (-3.644)LOpin -0.050*** -0.010*** -0.000(-6.266) (-3.039) (-0.045)TobinQ 0.006*** -0.001*** -0.001***(8.358) (-3.134) (-7.756)Follow 0.001 -0.004*** -0.001***(1.500) (-11.575) (-4.775)Constant 0.107*** -0.076*** -0.064***(6.390) (-6.531) (-8.823)Industry Yes Yes Yes Year Yes Yes Yes N 21269 21269 19480 R2_a 0.160 0.421 0.210

（四）经济后果检验：基于权益资本成本视角

权益资本成本作为投资者决策的重要表征，良好的信息环境是影响权益资本成本的重要动因（郭照蕊和黄俊，2021）。反之，企业与投资者之间的信息不对称程度越高，权益资本成本也越高，即投资者对企业未来风险估值存在不确定性预期，并要求更高的风险溢价，以此弥补投资失败的风险。因此，本文以权益资本成本为切入点探究企业数字化转型对分析师预测质量影响的经济后果，借鉴温忠麟等（2004）的因果识别方法，结合主回归模型（3），同时构建模型（8）和模型（9）。

其中，COC为权益资本成本。目前测算权益资本成本的模型包括GLS模型、CAPM模型、PEG模型等，毛新述等（2012）指出PEG模型对于中国资本市场更具有适应性。参考郭照蕊和黄俊（2021），本文采用PEG模型予以测度，其余控制变量与前文一致。具体回归结果如表11所示。列（1）结果显示企业数字化转型能够降低权益资本成本；列（2）、（4）为基于主回归模型的回归结果，显示企业数字化转型能够提高分析师预测质量；列（3）、（5）结果显示分析师预测准确度（Ferror）和分析师预测分歧度（Fdisp）的回归系数均显著为正，且企业数字化转型（DCG）的系数均显著为负。由此，分析师预测质量在企业数字化转型与权益资本成本之间存在中介作用，即企业数字化转型所引起的信息质量的改善降低了权益资本成本。

表11 经济后果检验：基于权益资本成本视角

(1) (2) (3) (4) (5)COC Ferror COC Fdisp COC Growth -0.001 -0.001** -0.001 -0.000* -0.001*(-1.568) (-2.162) (-1.321) (-1.856) (-1.725)TOP1 -0.016*** -0.001 -0.016*** -0.004*** -0.016***(-5.538) (-0.314) (-5.670) (-2.912) (-5.614)Board -0.009*** -0.003 -0.009*** -0.001 -0.010***(-3.884) (-1.450) (-3.826) (-1.079) (-4.138)Duality -0.001 -0.001 -0.001 -0.001 -0.001(-0.773) (-0.904) (-0.707) (-1.351) (-0.862)Big4 -0.005*** -0.007*** -0.004*** -0.005*** -0.004***(-3.167) (-4.445) (-2.638) (-4.534) (-2.704)Soe -0.010*** -0.007*** -0.009*** -0.004*** -0.009***(-9.509) (-8.587) (-9.025) (-6.633) (-8.951)Cfo -0.019*** 0.049*** -0.026*** 0.014*** -0.022***(-3.189) (10.771) (-4.366) (4.928) (-3.689)Ohold -0.006*** -0.006*** -0.005*** -0.003*** -0.005***(-2.964) (-3.739) (-2.623) (-2.844) (-2.619)LOpin -0.000 -0.021*** 0.002 -0.003 0.002(-0.018) (-6.225) (0.522) (-1.438) (0.491)TobinQ -0.005*** 0.000 -0.005*** -0.001*** -0.005***(-14.577) (0.969) (-14.885) (-4.254) (-13.895)Follow 0.005*** -0.004*** 0.006*** -0.001*** 0.005***(10.536) (-10.939) (11.553) (-5.149) (9.834)Constant 0.066*** -0.053*** 0.074*** -0.066*** 0.076***(5.143) (-4.701) (5.943) (-9.343) (5.940)Industry Yes Yes Yes Yes Yes Year Yes Yes Yes Yes Yes N 17280 23198 17280 21261 16854 R2_a 0.262 0.389 0.274 0.214 0.273

七、结论与建议

数字技术已经成为国民经济发展的重要驱动，企业数字化转型也是经济新常态下企业发展的应有之义。本文基于2008-2020年沪深A股上市公司的经验证据探究企业数字化转型对分析师预测质量的影响，并沿袭“基准回归-异质性分析-机制检验-经济后果”的思路框架予以分析。结论表明，第一，企业数字化转型能够提高分析师预测质量，也即企业数字化转型具有“信息效应”。第二，基于企业、行业、地区层面的异质性检验结果表明，这种效应主要表现在国有企业、行业竞争强烈、地区市场化进程较低的企业中。第三，机制检验结果表明，企业数字化转型对于分析师预测质量的提高主要在于信息总量的提升、信息质量的改善上。同时，本文进一步排除了基于经营风险降低的作用机制。最后，经济后果检验表明，企业数字化转型引起分析师预测质量的提高降低了权益资本成本。本文拓宽了分析师预测的影响因素与数字化转型信息效应的研究，并探究了企业数字化转型影响分析师预测的前因后果。与此同时，本研究还具有重要的启示。

第一，企业应强化数字化转型的信息赋能。本研究发现企业数字化转型具有信息效应，企业应引导数字化技术嵌入企业生产、运营等战略目标，贯穿企业各业务流程，渗透到各个组织层级，提高企业信息披露总量、改善信息披露质量，打造面向内、外部信息需求者的良好信息生态空间，实现价值共创。

第二，政府应积极引导国有企业、竞争较为激烈的行业以及市场化程度比较低的地区进行数字化转型。政策也应积极引导国民经济、市场资源向利于企业数字化转型过程转移，尤其对于国有企业、竞争较为激烈的行业以及市场化程度比较低的地区，以弥补其信息披露不足，实现数字化协同发展。

第三，资本市场资源配置过程是市场多元参与主体共同参与的结果，分析师应大力发挥其市场信息中介的作用。利用数字化发展契机，进一步提升预测质量，推动公司治理改善和资本市场资源高效配置。