差异化战略与企业高质量发展——内控机制的风险应对及阈值管理

赵 燕，梁 中

（1.安徽财经大学会计学院，安徽 蚌埠 233030；2.安徽财经大学工商管理学院，安徽 蚌埠 233030）

一、引言

提高制造业全要素生产率水平是加快产业升级，实现我国经济向高质量发展转变的必由之路。然而，近年来我国制造业全要素生产率总体增速放缓，甚至呈现出震荡波动下行的态势[1-2]。引导并发挥微观企业战略转型的主体责任，实现企业提质增效与国家顶层战略制度的协同跟进，是当前突破产业生存压力、化解不确定风险挑战的关键所在。

全要素生产率通常被作为衡量企业高质量发展的代理变量，可分解为技术进步率、管理效率与资源配置效率[3]。现有文献从企业内外要素层面对提升全要素生产率的影响效果进行了广泛论证：一是从国家相关产业政策、市场环境等方面切入，分析政策的实施后果，但结论各异[4-6]；二是挖掘企业内部要素，从股权结构、激励机制、创新模式、金融化水平等多方面对全要素生产率失速现象进行解读[7-10]。有一些学者注意到，部分企业的决策行为与国家经济高质量发展要求不一致，仍以短期财务绩效和利润为中心，甚至出现了机会主义行为[11]。鲜有文献从差异化战略决策角度对该问题进行剖析，或从内部风险管理制度层面进行考察。

战略是组织从全局对未来长期发展做出的整体规划。受竞争环境、要素资源和制造成本限制，差异化战略越来越受到企业重视：一方面，不同的战略定位会带来竞争手段、资源配置、战略绩效与风险差异[12-13]，其创新行为[14]、市场表现[15]、经济后果等都会出现较大区别[16-17]；另一方面，极端战略的选择风险也随之产生。制度战略理论将战略风险视为制度、合法性、制度逻辑的场域所引发的决策风险[18]，而复杂动荡的外部环境急剧压缩了企业竞争优势的可持续时间，组织惯性在一定程度上还会导致其战略行为的固化[19]。组织战略选择和内部管理水平等要素的耦合及叠变都会增大企业战略决策与战略绩效的不确定性。因此，从差异化战略决策的角度诠释制造业全要素生产率呈现黏性的原因，对企业战略风险进行整体和动态管控变得尤为重要。

内部控制系统是以企业战略风险管理为重要指向的管理机制[20]，为国家现代化治理提供重要的制度支撑。全美反舞弊性财务报告委员会发起组织（The Committee of Sponsoring Organizations of the Treadway Commission ，COSO）规定，审计师需要审核企业战略风险并及时向投资者公布。近期，国外文献大多关注企业战略类别对内控系统的影响、能否被审计师捕捉以及是否具有风险管理及纠错功能等[21-22]问题。而国内学者关注的重点是内控机制能否履行对战略实施的保障职能[23-24]。有学者发现，内控机制可以削弱战略差异度实施过程中的负面影响[25]。内控的另一个重要作用是识别战略决策与整体目标的偏离，及时反馈并矫正战略决策的负面效果，特别是实现对风险阈值和长效风险的管控，现有文献尚未对此问题展开探讨。2018年，我国国家审计署首次强制要求对企业发展规划、战略决策、重大措施以及年度业务计划执行情况进行审计。因此，深入探索具有更积极的现实意义。

本文以2011—2020年我国沪深两市A股制造业上市公司为样本，拟构建一个从整体效应到区间特征、短期与长期时效的多维度研究框架，逐一探寻企业战略差异度对高质量发展的影响及作用机制，检验内部控制系统在应对战略风险时的阈值管控、矫正及回调功能。借由实证分析结果丰富战略风险管理理论研究，为企业高质量发展和风险防范提供参考。

二、理论分析与研究假设

（一）战略差异度与高质量发展

现代经济增长理论认为，技术进步与资源配置效率是促进企业全要素生产率提升的重要渠道[26-27]，也是我国实现高质量发展的新动能。尽管企业战略转型与全要素生产率休戚相关，但有关二者关系的探讨却相对匮乏，大量实证偏重于对战略差异度经济后果及企业行为的检测。学者发现，战略差异度与研发投入之间存在倒U 型关系[28]，战略差异度过大会产生极端的经营绩效[29]；过于激进的战略决策会使企业违约风险加大与资本成本上升[30]、资本结构调整速度减慢及运营效率降低[31]、融资约束和盈余管理程度增加[17]，并引发过度投资[32]等负面行为。事实上，这些研究所涉及的多数变量是构成战略决策核心资源的基础，它们同样也是影响全要素生产率的前置因素。因此，本文推测：既然战略差异度会造成不同方向的极端经济后果和企业行为，那么它与全要素生产率之间的关系也难以呈现单一的线性状态，两者间可能存在阈值。

差异化战略是波特[33]竞争战略理论中的重要模式，数十年来一直备受推崇。在超额收益和成本压力的双重驱动下，为了赶超行业竞争者，快速抢占市场先机，企业倾向于选择差异化战略。实践证明，适度合理的战略差异可以帮助企业利用自身特殊资源优势，摆脱行业盲从带来的同质化竞争，降低经营风险，提升经济效益，充实资源积累，提高企业核心竞争力。出于对竞争资源的渴望，一些企业会激发创新潜力、加大研发力度并提升技术能力。新工艺、新产品和新市场的快速布局有助于吸引更多外部资源。另外，相较内化于企业个体逻辑的主动探寻，在高质量发展国家战略的主导逻辑下，“合法性”的制度压力也会促使企业在一定程度上承担转型升级的社会责任。总之，要素资源流动的加快、资源配置效率的提升、主体责任意识的增强都可能对企业全要素生产率水平的提高带来正向影响。

但不容忽视的问题是，企业由众多利益相关者组成，不同的制度逻辑、相互冲突的目标以及控制工具的缺失[34]都可能引发组织战略与国家逻辑相背离。在行业绩效及历史绩效期望落差诱因下[35]，管理者考虑较多的是生存风险和短期效益，而非质量变革、效率变革和动力变革。由于缺少可供借鉴的行业经验，选择激进战略决策的企业需要更多的资金支持及信用背书。若过度投资与其业务、基础能力不相匹配的项目，会加剧资源耗散，增加融资难度，加大收益与风险的不确定性[36]。再者，受过去粗放型发展方式和技术能力不足的掣肘，许多高新技术很难突破某些西方国家的技术封锁和“死亡之谷”的阻断，专利技术难以在短时间内转化为生产力。因此，为规避创新风险，尽快实现经济效益，战略差异度过大的企业对创新活动会持消极态度。现有文献表明，战略差异度较大的企业，其代理问题也较为严重[37]。伴随着违约风险和盈余管理程度增加，更易引发外部监管强化和利益相关者质疑，使组织失去战略自信。效益下滑、成本上升、融资约束和组织惯性等多重因素都不利于组织继续搜寻差异化的竞争优势，会限制全要素生产率的提升空间与持续性。据此，本文提出第一个假设。

H1：企业战略差异度与全要素生产率之间呈非线性关系。全要素生产率会随着战略差异度的增大而提高；战略差异度超过阈值后，会抑制全要素生产率的增大。

（二）内部控制的调节作用

战略风险是现代战略管理的核心内容。该理论认为，决策者的有限理性和认知差异、组织场域内外多元制度的逻辑共存，都会给战略选择与实施带来较大不确定性[38]。化解各种战略风险，需要通过设置制度、建立或转化主导逻辑的方式对组织行为产生影响[39]。而企业内部控制系统正是集战略导向、风险控制和企业价值提升于一体的，它不仅是沟通而且是约束协同企业内外场域逻辑的重要制度资源。拥有高质量内控的企业，能够依循控制原则和多种制衡机制有效调节战略差异度与全要素生产率两者之间的关系。

从制度目标来看，《企业内部控制基本规范》（财会〔2008〕7 号）及企业内部控制配套指引阐明了内部控制系统的最高任务是战略管理，要求企业在战略制定过程中关注战略稳定性，企业内外环境特点、变化及诉求。高质量的内部控制机制可以协助企业主导逻辑的战略指向与国家逻辑趋于一致。一方面，当差异化的战略决策与全要素生产率同向（小于风险阈值）时，高水平的内控系统可以将风险控制在同持续发展和实现企业价值相适应的合理水平。这有助于促使企业凝聚共识、加大创新研发投入、提高对创新失败的容忍度[40]，稳步推进项目投资与建设，提升资源配置效率，从而有利于战略决策的经济性与社会性相呼应，顺应企业高质量发展的国家战略要求[41]。另一方面，当激进的战略差异度与全要素生产率背离（大于风险阈值）时，企业的组织结构、业务模式和管理体系等积累了较高的风险。高水平内控系统的风险监控、评估机制、信息反馈沟通等制度体系较为完善，可以通过有效的控制措施约束代理成本、降低生产成本、限制风险较大的项目投资等，提高战略决策的适应性，减小战略决策的破坏速度与强度[42]，进而增强企业经营的安全性，避免战略失控。与此同时，制度的合法性与刚性会进一步内化为组织惯例与企业行为规范。在战略实施过程中，优质稳定的内控系统能够减少组织达成战略共识与协同的阻力，缩短激进战略风险的持续时间，为战略调整提供制度保障。

从外部资源获取来看，企业内部控制报告呈现出决策价值的扩散效应。当报告发布关于企业战略决策与国家顶层战略逻辑融合嵌入的信息时，意味着企业有机会获得较多的政策支持。此外，经过制度审计与社会评估而被认可的高质量内部控制企业，具有很强的正面信号传递效应，能够让投资者和其他利益相关者了解资本投入的风险及保障，提高投资者预期。倪静洁等[43]在研究内部控制缺陷的重述报告时发现，一些出现过重大内控缺陷的企业，在披露修复后的内控报告后仍可获得资本市场的青睐。资本市场的支持与激励可在提高企业市场价值的同时，从资金和精神层面反哺企业的创新投入与产出，有利于企业转型升级。

基于以上分析，可以看出内部控制机制可以双向调节企业战略决策与全要素生产率的关系，提高战略决策的适应性，减小它的破坏强度与速度。据此，本文提出第二个假设。

H2：内部控制系统对企业差异化战略决策与全要素生产率之间的关系具有显著的曲线调节作用。高质量的内部控制机制可以增强企业战略决策的积极影响，削弱其负面作用。

三、研究设计

（一）样本选取和数据来源

2011年是我国企业试点实施《企业内部控制基本规范》的起始年，2012年该规范在沪深两市主板上市公司中开始施行。为减少2021年新冠肺炎疫情不断反复对企业正常经营数据的干扰，本文选取2011—2020年沪深A股制造业上市公司为研究对象。在剔除ST、*ST 公司及数据缺失的样本后，获得2 245家共计15 629个观测值。所有财务及公司治理数据来自国泰安数据库，内部控制数据来自迪博内部控制风险管理数据库。对有差异和缺失的数据，通过手工查阅公司年报补充获得。所有连续变量在1%和99%水平上进行缩尾处理。

（二）变量定义

1.被解释变量

全要素生产率（TFP）又称“索罗余值”，通常表示要素投入与产出的“剩余”部分，是衡量经济可持续发展的重要标识。本文以此作为衡量企业高质量发展的替代变量。

2.解释变量

战略差异度（DS），采用主流文献计量方法[44-45]，由产权比率、研发强度、间接费用率、资本密集度、资本更新程度、广告强度六个战略资源类变量复合而成。DS值越大，表明企业战略与同期行业水平的偏离度越大。

3.控制变量

控制变量（Controls）包括公司规模（Size）、资产收益率（Roa）、财务杠杆（Lev）、市场竞争（Mrk）、股权集中度（Top1）、是否两职合一（Dual）、企业性质（State）、上市年限（Age）一系列公司特征变量，以及年度、行业、地区变量。

变量定义如表1所示。

表1 变量定义

（三）研究模型

全要素生产率（TFP）的测算方法主要有数据包络分析、随机前沿分析和半参数法。在半参数法中，LP（Levinsohn-Petrin）法是对OP（Olley-Pakes）法的改进，它以中间品投入指标代替投资额，消除了投资额为零的样本对估计结果的干扰。因此，鉴于数据的易得性，本文参考罗维加蒂（Rovigatti）等[46]的LP估计法构建模型1：

其中，i表示公司个体、t表示年份。Y为销售收入，L为劳动投入（用企业从业人数L1 和支付给职工以及为职工支付的现金L2度量），K为资本投入（固定资产净额），M为中间品投入（购买商品、接受劳务支付的现金）。残差μi,t为全要素生产率，代表资本、劳动和投资之外的产出增长。

模型1用来计算全要素生产率（TFP）。

为检验H1 中企业战略差异度（DS）与全要素生产率（TFP）的非线性关系，本文借鉴朱丹等[42]的做法构建模型2：

其中，考虑到战略选择结果的滞后性，TFPi,t+1为企业i在第t+1年的全要素生产率水平。DSi,t为战略差异度，Controlsi,t为控制变量，λi为个体效应，μt为时间效应，∊i,t为随机扰动项。系数β1和β2的正负号反映模型二次关系曲线的凹凸形式，当β2显著为负时，H1的倒U型因果关系成立。

为检验H2 内部控制的调节作用，在模型2 中加入调节变量IC构建模型3：

当模型3中交乘项的系数β4和β5显著时，调节效应成立。对模型中的自变量和调节变量进行均值中心化处理，以降低共线性可能造成的影响[47]。

四、实证结果分析

（一）描述性统计

在表2中，上市公司全要素生产率（TFP）在9.467 到13.438 之间，均值11.223，分布较为均匀。战略差异度（DS）的均值为0.547，最小值为0.160，最大值为1.979，企业间同期战略选择离散度较高、差异化较明显。内部控制（IC）最小值为0，可能与信息披露是否完整有关。其他控制变量的分布较为合理。

表2 主要变量描述性统计

（二）关键变量趋势分析

2012—2020年我国沪深两市A 股制造业上市公司全要素生产率和战略差异度的年度分布情况如表3所示。九年中，企业全要素生产率总体水平不高，均值及中位数变化不明显，年度中位数皆低于同年均值且偏度呈现右拖尾态势；尽管各年峰度略有不同，但整体仍表现出很强的黏性。战略差异度也呈现整体右偏形态，前八年公司间的战略差异均值略有缩小，但2020年出现反弹。

表3 2012—2020年我国A股制造业上市公司全要素生产率和战略差异度年度分布情况

（三）多重共线性检验

对主要变量进行Pearson 相关系数检验（见表4），除市场规模（Size）与全要素生产率（TFP）之间相关系数略大外，其余相关系数均小于0.5。另外，VIF检验均值为1.90，说明变量之间的共线性问题不会对研究结果造成严重的影响。

表4 主要变量间相关系数

（四）实证结果与分析

在进行多元回归之前，先对战略差异度（DS）和全要素生产率（TFP）进行高阶关系甄别。二次项显著性检测（UTEST）结果如表5所示。当自变量战略差异度（DS）为0.548***时，因变量全要素生产率（TFP）极大，该拐点位于曲线两侧端点之间，左右侧端点斜率异号且显著。战略差异度与全要素生产率之间呈倒U型关系，所设模型形式正确。

表5 模型2的倒U型显著性检验结果

H1 的主回归检验和H2 的调节效应检验结果如表6所示。列（1）、（2）、（3）是模型2 的回归结果，分别对应无控制变量、加入控制变量和控制年度-行业-地区因素的情况。这三列中的F值均显著，列（2）和列（3）的ΔR2分别为0.157和0.191。列（3）相较于列（1）而言，优化后的模型拟合程度（调整R2）提高至21%。战略差异度（DS）的一次项、二次项系数都是显著的，表明战略差异度（DS）与全要素生产率（TFP）为非线性相关，并呈倒U型分布，战略差异度存在风险阈值，即适度的战略差异决策可以提高企业全要素生产率，DS越大，则TFP越高，当差异度达到拐点0.548 时，全要素生产率位于极大值，随后TFP开始下降。此外，公司规模（Size）、资产收益率（Roa）和财务杠杆（Lev）都与TFP显著正相关，市场竞争（Mrk）与TFP负相关。企业性质（State）与全要素生产率的关系不显著，这可能与国有企业承担较多的国家任务和社会福利有关。综上所述，H1成立。

表6 主回归检验和调节效应检验结果

列（4）、（5）为模型3调节效应检验结果。根据列（4）可知，内控水平（IC）与全要素生产率（TFP）正相关。列（5）加入交互项后，模型一次项和二次项与内控变量交互项的系数均是显著的，且与原曲线符号一致，说明内部控制的正向调节效应成立。

根据列（5）绘制内部控制的调节效应图（见图1）。其中，高低战略差异度组、高低内部控制组分别由解释变量战略差异度、调节变量内部控制各自的均值加减一个标准差而来。由图1可知，内控机制具有整体调节作用，高内部控制组的生产率曲线位置较高，拐点右移，这表明高质量的内部控制可以延伸战略差异度（DS）的正向作用区间，缩短差异度对全要素生产率破坏的时间长度等；低质量的内控机制对应较低的生产率，并且曲线拐点左移。综上所述，H2成立。

图1 内部控制的调节效应

（五）稳健性检验

1.工具变量法

基准模型可能存在遗漏变量和内生性问题，故采用工具变量法予以重新估计。选取滞后两期的行业战略差异度均值作为工具变量（IV），在其通过外生性和弱工具变量测试后，代入模型2予以检验，结果如表7所示。其中，变量系数符号与显著性不变，因此，原假设结论稳健。

表7 IV-2SLS工具变量检验结果

2.替换变量

为排除变量设定误差对实证结果可能造成的干扰，对模型2、3 所涉及的解释变量、调节变量与被解释变量逐一替换后重新检测。

具体替换过程为：解释变量战略差异度（DS），分别用存货与销售收入之比替换原资本密集度，用研发支出与销售收入之比替换原研发强度[35]后重新复合计算。调节变量内部控制（IC）替换为事务所是否对企业年报出具非标审计意见的哑变量。被解释变量全要素生产率（TFP）改用OP半参数法重新估计。

表8是主回归模型2和调节效应模型3替换变量后的回归结果。其中，列（1）和列（2）是将两个模型都替换解释变量DS后的结果；列（3）是对模型3替换调节变量IC后的结果；列（4）和列（5）是在两个模型解释变量、调节变量均不变的情况下，替换被解释变量TFP后的结果。检验结果表明，所有核心变量系数的符号与显著性都保持不变，原假设H1和H2依然成立。

表8 替换变量检验结果

五、作用机制检验

（一）战略差异度与全要素生产率间的作用机制检验

前文理论分析认为，战略差异度可能会通过投资效率和技术创新渠道对全要素生产率造成影响。为检验效率风险区域内这两条传导机制是否成立，参考温忠麟等[47]提出的层次法和自抽样（Bootstrap）法构建中介效应模型4、5、6：

其中，解释变量为战略差异度哑变量（Dum_DSi,t），当战略差异度（DS）大于风险极值点0.548时，对应TFP的下行区间，定义其为激进的战略决策（高风险）组，取值为1；反之，当DS小于0.548时，对应TFP的上升区间，定义其为非激进的战略决策（低风险）组，取值为0。中介变量Testi,t分别为非效率投资[48]Effi,t和创新绩效Pati,t，其中创新绩效Pati,t由公司当年联合与独立申请的专利总数加1 后取对数得到。系数α1为解释变量对被解释变量的总效应，系数β1为解释变量对中介变量的效应，系数γ1是控制中介变量影响后解释变量对被解释变量的直接效应，系数γ2是中介变量对被解释变量的效应。回归结果如表9所示。

表9列（1）表明，激进的战略决策Dum_DSi，t降低了全要素生产率；列（2）表明，高差异战略决策与非效率投资Effi，t显著正相关；列（3）在加入中介变量非效率投资后，非效率投资、高差异战略决策与全要素生产率均负相关，即非效率投资的中介效应成立。随后，利用Bootstrap法对非效率投资进行抽样1 000次的再次检验，其结论不变。

表9 中介效应检验结果

对创新绩效进行检验，结果如列（4）和列（5）所示。列（4）表明，高差异战略削弱创新绩效，使企业创新产出受阻，加入创新绩效变量后，列（5）中Dum_DSi,t的系数不再显著，利用Bootstrap 法对创新绩效进行再次检验，仍未能通过。这可能是企业创新专利较少（存在较多专利申请数为0 的样本）和转化不利所致。总而言之，当战略决策过于激进时，企业难以发挥创新对全要素生产率的驱动效用。

（二）内部控制的路径风险管控与持续时长矫正

根据中介效应检验结果可知，激进的战略决策会造成非效率投资的增加和创新绩效的降低，从而抑制生产效率提升。良好的内控机制能否有效管控此类风险？这对企业高质量发展和内部规制建设至关重要。

表10列（1）和列（2）表明，内控质量（IC）与非效率投资（Effi，t）成反比，与企业创新产出（Pati，t）成正比，因此，具有高质量内部控制的企业通过管控战略决策路径风险对全要素生产率起到促进作用。

依据《企业内部控制基本规范》及企业内部控制配套指引要求，内部控制系统需要关注战略决策的负面效果并加以矫正，但目前尚无文献涉及且缺乏数据支持。由于组织惯性的作用，长期激进的战略决策会牵制生产效率的提升，企业要尽早识别风险阈值，对高战略差异度决策适度回调，完成阈值跨越。为进一步考察激进战略定位回调至适宜定位所需的时长，本文设定变量Dura，即企业战略差异度首次从拐点右侧为1（DS＞0.548）的状态转回至拐点左侧为0（DS≤0.548）的状态所持续的时间，并通过模型5及其计数检验内部控制对战略选择风险管控的长效机制。由于变量Dura的方差远大于期望，且Alpha 值拒绝泊松模型，所以选用负二项模型。进一步的检验结果拒绝了标准负二项模型，故选用零膨胀负二项模型进行检验。

根据表10列（3）可知，内部控制可以有效缩短高战略差异度风险的持续时长；列（4）表明，在控制持续时间变量Dura的基础上，内部控制可以促进全要素生产率的提升。检验结果表明，战略风险的持续时间存在渠道效应。内部控制系统在管控、矫正战略风险持续蔓延的过程中，促进了全要素生产率的提高。

表10 内部控制的作用路径与长效机制检验结果

六、结论与建议

（一）研究结论

利用多种计量模型，从不同的传导路径和时间维度对企业战略差异度与全要素生产率之间的关系及内部控制系统的作用机理展开研究。结果证明：企业战略差异度对全要素生产率具有双向影响，既会积极促进，也会损害阻滞。如果差异度过大，超过风险极值，就会造成全要素生产率的显著下降。其原因是企业战略资源配置方向和幅度出现了偏离，而非效率投资和创新产出受阻是重要的中介变量。与此同时，高质量的内部控制机制对战略差异度和全要素生产率之间的曲线关系有正向调节作用。这种积极的影响体现在两个方面：一是高水平内部控制通过对非效率投资的抑制、对创新绩效的提振促进全要素生产率的提高；二是高水平内部控制可以及时捕捉激进的战略决策风险，促使企业在战略决策超过风险阈值时尽早回调，能起到较好的风险动态控制作用。

（二）建议

第一，战略决策失当会带来组织发展危机，造成战略失败，企业应充分论证、审慎制定发展战略规划，既要利用好战略差异的先发优势激活企业动能，又需防范化解战略差异过大所引发的定位、经营和效率风险。

第二，内部控制系统是支撑转型和约束风险的重要制度，企业应充分发挥内控机制对战略决策过程的管理和导向作用。强化内控机制对战略决策风险的事前预防和动态管控，及早捕捉战略选择风险并进行干预和矫正，从而促进战略决策与高质量发展目标快速协同。

第三，落实国家经济发展战略要求，夯实企业对产业升级跃迁的主体责任。规避战略决策不当导致的资源配置效率不高，避免非效率投资诱发的效能提升阻力；克服创新懈怠，积极持续开展实质性、突破性自主研发，利用技术创新赋能高质量发展。