制造企业数字化进程驱动了智力资本投资吗

DOI：10．19641/j．cnki．42-1290/f．2023．23．006

【摘要】伴随着新一代数字技术与制造业的融合发展， 数字化成为我国制造业实现转型升级， 构筑国际竞争新优势的重要路径。本文选取2011 ～ 2021年我国A股制造业上市企业为样本， 实证检验数字化进程对企业智力资本投资的影响。研究发现： 数字化进程能够促进企业智力资本投资， 随着企业所处的行业竞争程度增加以及企业竞争地位降低， 上述积极影响更加显著。机制研究表明， 信息优势、 债务融资成本与盈余管理在数字化进程和企业智力资本投资之间发挥中介作用。另外， 在国有企业、 处于实施“宽带中国”战略地区的企业中， 数字化进程对企业智力资本投资的促进作用更强。

【关键词】数字化进程；智力资本投资；行业竞争程度；企业竞争地位

【中图分类号】 F272.3     【文献标识码】A      【文章编号】1004-0994（2023）23-0042-7

一、 引言

伴随着新一轮科技革命和产业变革在全球范围内蓬勃兴起， 新一代信息技术与制造业的融合程度逐步提升， 制造业数字化成为各国提高竞争力、 培育新动能的关键路径（涂磊等，2023）。党的二十大报告强调， 要加快推动我国制造业高端化、 智能化、 绿色化发展， 这表明与数字经济深度融合将成为中国制造业高质量发展的重要驱动力。企业将数字技术应用到日常生产运营中即为企业数字化。在数字与知识融合发展的时代背景下， 数字化的应用孕育出企业价值创造新模式（李莉等，2023）， 包括创新资本、 人力资本等在内的智力资本逐渐取代传统生产要素的地位， 成为企业维持长期竞争优势的重要战略资源（马连福等，2022）。党的十八大以来， 习近平总书记为坚定不移做强做优做大制造业、 加快建设制造强国做出多次科学指引和重要部署。当前， 我国制造业正处于实现战略目标的关键时期， 但随着劳动力成本的逐步攀升， 我国制造业的绝对竞争优势呈下降趋势（钱诚，2020）。在此形势下， 制造业企业作为我国实施数字化战略的重点对象， 能否通过数字技术的运用实现自身智力资本投资水平的提升， 从而塑造新时代核心竞争优势来助力企业自身在全球产业链变革的过程中占据上乘地位？这一问题亟待探究。

近年来， 有关数字化所引致的经济效应逐渐成为管理领域研究的热点主题， 已有学者从推进金融市场发展进程（胡山和余泳泽，2022）、 赋能产业链关联（张虎等，2023）等宏观角度， 以及控制企业风险水平（王会娟等，2022；徐细雄等，2023）、 促进企业创新（贺正楚等，2023；李雪松等，2022）等微观角度展开了深入研究， 但对于企业开展数字化影响企业智力资本投资的内在作用机制仍待探索。为厘清上述问题， 本文基于资源基础理论， 以2011 ～ 2021年我国A股制造业上市公司为研究对象， 探索企业数字化进程对企业智力资本投资的影响及两者之间关系的传导机制。此外， 数字化浪潮下的市场形势瞬息万变， 如何在夯实产品市场竞争优势的基础上实现企业的长远发展是关乎企业生死存亡的重要议题（陈德球和胡晴，2022）。根据产业组织理论， 产品市场竞争包括行业竞争程度和企业竞争地位， 因此， 本文将进一步从行业与企业两个层面， 探索影响数字化进程赋能企業智力资本投资的环境因素。

二、 理论分析与研究假设

（一）数字化进程对企业智力资本投资的影响

首先， 推进数字化进程能帮助企业充分掌握内外部信息资源。从内部信息整合视角来看， 数字化能够帮助企业将生产、 经营与管理活动中接收到的海量数据转化为更具标准化及结构化的信息（吴非等，2021）， 并协助企业将这些信息融入经营管理决策中。开展数字化还能够加强企业内部的信息交流与互通（王守海等，2022）， 促进资源整合， 企业在更全面的信息基础之上做出的决策也就更加科学。从外部信息处理视角来看， 企业可以充分利用大数据技术聚集、 分析来自企业外部的大量数据（Goldstein等，2021）， 精准观测市场需求及外部环境的变化趋势， 使得企业能实现智能决策。根据资源基础理论， 数字化可以为企业营造良好的信息环境， 降低企业在智力资本投资过程中面临的不确定性， 从而提高企业进行智力资本投资的意愿。

其次， 企业获取资金支持的渠道随数字化进程的加快而拓宽。一方面， 数字化作为企业引起外界关注的重要积极信号， 有助于外界识别企业的投资潜力（潘红波和高金辉，2022）， 使得实施了数字化的企业能在市场上吸引更多外部的高质量投资。另一方面， 数字化顺应了政府部门的政策导向， 有利于企业获得更多的优惠政策支持及政府资源投入（王守海等，2022）。企业通过数字化向市场传递了发展前景广阔的积极信号， 提高了投资者、 政府等多方的投资积极性， 从而使企业融资的社会化程度得以显著提升（Hua和Huang，2020）， 为智力资本投资的开展奠定了资金基础， 进而促进了企业智力资本投资。

最后， 推进数字化进程有利于提升公司治理水平， 促使企业注重长远利益。一方面， 数字技术的运用不仅能够提高企业在生产、 运营及管理等环节的透明度（戚聿东和肖旭，2020）， 压缩管理层可以实施机会主义行为的空间， 还能增加董事对企业现状的了解程度（陈德球和胡晴，2022）， 督促管理者将可持续发展战略作为企业经营的重心， 从而加大企业智力资本投资力度。另一方面， 数字化在提高企业信息披露意愿和能力的同时， 也加大了来自分析师关注度及外部市场、 机构投资者等主体的监督力度（Joe等，2022）。外部各方对企业施加的监督压力有效弥补了内部治理在执行力度上的不足， 同样能驱使管理者基于企业长远利益进行决策， 从而加大智力资本投资力度。由此， 本文提出：

H1： 随着企业数字化进程的推进， 企业将进行更多的智力资本投资。

（二）行业竞争程度的调节作用

行业竞争程度是反映企业对有限资源争夺激烈程度的重要指标（陈志斌和王诗雨，2015）。基于权变理论， 行业竞争程度越激烈， 企业越需要通过数字化推动企业智力资本投资进而打造企业的核心竞争优势。一方面， 竞争程度高的行业具有外部治理功能， 可以有效缓解委托代理问题（张传财和陈汉文，2017）。当企业所处的行业竞争较为激烈时， 市场信息透明度较高（王宸等，2022）， 企业为向外界传递积极信号， 会抓住数字化的机遇， 以此推进智力资本投资， 努力提升自身竞争优势， 确保自身处于行业领先地位。另一方面， 行业竞争越激烈， 意味着行业内企业之间的同质化问题越严重（汪芳和石鑫，2022）， 此时， 企业需要通过数字化积累信息、 资金以及人才等资源， 为企业智力资本投资的开展奠定资源基础， 从而在激烈的行业竞争中塑造核心竞争力， 实现自身的长远发展。相反， 当行业竞争程度较低时， 行业内企业竞争对手之间的制约程度随之降低， 企业更易获取资源， 从而削弱了企业通过数字化拓宽资源获取渠道的动机。由此， 本文提出：

H2： 随着行业竞争程度的提高， 数字化进程对企业智力资本投资的促进作用更加显著。

（三）企业竞争地位的调节作用

企业竞争地位代表企业在行业中的竞争力， 其高低会从风险收益及相对位势上作用于企业经营决策及行为表现（吴昊旻和张可欣，2021）。基于资源获取角度， 当企业竞争地位处于劣势时， 其不仅在激烈的市场资源争夺中会丧失外部融资的主动权， 而且由于产品利润空间较小， 内源资金也将无法同时满足日常生产经营和投资的需要（李顺彬，2020）。此时， 开展数字化能帮助企业在资源获取方面取得优势， 因此， 处于较低竞争地位的企业希望通过数字化优化企业内部资源配置， 进而使得为智力资本投资提供资源支持的动机更强。相反， 较高竞争地位的企业可以凭借其在行业内的优势地位获取便捷的融资渠道、 充裕的资金支持（吴昊旻和张可欣，2021）， 从而掩盖了数字化为企业智力资本投资提供资金支持的优势。由此， 本文提出：

H3： 随着企业竞争地位的降低， 数字化进程对企业智力资本投资的促进作用更加显著。

三、 研究设计

（一）样本选择与数据来源

鉴于信息技术广泛应用于企业经营过程主要表现在2010年后（徐细雄等，2023）， 本文以2011 ～ 2021年我国A股制造业上市公司为研究对象展开研究。研究所需数据均来自国泰安数据库， 并使用Stata16.0按以下步骤处理： ①剔除ST及?ST上市公司样本； ②剔除相关变量存在缺失值的样本； ③剔除上市不满一年的公司样本； ④对所有连续变量均进行1%和99%水平的Winsor缩尾处理， 最终获得了17886个样本观测值。

（二）变量定义

1. 被解释变量： 智力资本投资（IC）。本文采用因子分析法对企业智力资本投资的衡量指标进行计算。具体步骤如下： 第一， 参考马宁和姬新龙（2019）对智力资本投资的衡量方法， 选择人力资本投资（HC）、 创新资本投资（INVC）、 关系资本投资（RC）及结构资本投资（SC）作为衡量企业智力资本投资的四个维度。其中： 人力资本投资采用支付给职工以及为职工支付的现金来衡量， 创新资本投资采用研发支出来衡量， 關系资本投资以销售费用来衡量， 结构资本投资以管理费用来衡量。第二， 进行KMO和Bartlett检验， 其中KMO的值为0.830， 大于等于0.5， 说明变量间存在相关关系， Bartlett球形检验的p值为0.000， 表明此数据能够使用因子分析法。第三， 运用因子分析法， 基于特征值大于1的原则提取1个因子构成智力资本投资的评价指标， 此时的累计方差贡献率达80.10%， 具有较强的解释力。第四， 采用最大方差法对相关矩阵进行正交旋转， 旋转后得到因子载荷矩阵。第五， 计算因子得分并列出因子得分函数。

2. 解释变量： 数字化进程（DCG）。借鉴徐细雄等（2023）的研究， 本文所提到的数字化进程代表企业开展数字化转型的程度。该指标由微观层面的战略引领、 技术驱动、 组织赋能， 数字化成果、 数字化应用与中宏观层面的环境支撑六个指标经过加权计算得出。

3. 调节变量。一是行业竞争程度（HHI）。本文借鉴曾宪聚等（2020）学者的做法， 选用赫芬达尔指数来度量行业竞争程度， 即计算行业内各公司主营业务收入占行业总主营业务收入比重的平方和。由于该指标为反向指标， 因此行业竞争越激烈， 该数值越小。

二是企业竞争地位（PCM）。本文沿用陈志斌和王诗雨（2015）的做法用勒纳指数来衡量， 具体地， 勒纳指数=（营业收入-营业成本-销售费用-管理费用）/营业收入。勒纳指数的值越大， 代表企业的竞争地位越强。

4. 控制变量。本文基于企业特征、 治理结构两个层面选择控制变量， 企业特征层面包括企业规模（Size）、 资产负债率（Lev）、 资产收益率（ROA）、 现金流水平（Cf）、 企业年龄（Age）及产权性质（SOE）； 治理结构层面包括董事会规模（Board）、 董事会独立性（Indep）与股权集中度（Ochng）。除此之外， 本文还设置了年度（Year）、 行业（Industry）的虚拟变量。具体变量的定义及计算方式如表1所示。

（三）模型设定

为检验数字化进程对企业智力资本投资的影响， 本文构建模型（1）：

IC_i，t=β₀+β₁DCG_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（1）

其中： 下标i和t分别代表企业和年份， IC^i，t表示企业智力资本投资， DCG表示数字化进程， Controls_i，t为一系列控制变量， u_i为个体固定效应， τ_i为时间固定效应， ε表示随机误差项， 下同。若模型（1）中β₁显著为正， 则说明H1成立。

为探究行业竞争程度与企业竞争地位在数字化进程与企业智力资本投资之间的调节作用， 本文在上述模型基础上引入调节变量与DCG的交乘项， 具体模型如下：

IC_i，t=β₀+β₁DCG_i，t+β₂DCG_i，t×HHI_i，t+β₃HHI_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（2）

IC_i，t=β₀+β₁DCG_i，t+β₂DCG_i，t×PCM_i，t+β₃PCM_i，t+β_iControls_i，t+u_i+τ_t+ε_i，t（3）

其中， HHI、 PCM分别表示行业竞争程度与企业竞争地位。当模型（2）、 （3）中β₁显著为正且β₂显著为负时， 则说明H2、 H3成立。

四、 实证结果分析

（一）描述性统计

各变量的描述性统计结果见表2。企业智力资本投资（IC）的最大值为3.094， 最小值为-0.308， 均值为-0.042， 表明我国制造业企业对智力资本的重视程度较低， 导致对其的投资力度普遍偏小。数字化进程（DCG）的均值和标准差分别为35.887和9.917， 最小值为23.146， 最大值为63.134， 表明企业实际的数字化进程处于较低水平， 并且企业数字化进程在不同样本企业间具有较大差异性。行业竞争程度（HHI）的最大值为10， 最小值为0， 均值为1.048， 说明我国制造业内各细分行业的市场竞争较为激烈。企业竞争地位（PCM）的最大值为0.469， 最小值为-0.223， 均值为0.115， 说明大部分样本企业处于较低的竞争地位， 因此我国制造业各细分行业中不同企业间的竞争同样较为激烈。

（二）回归检验结果与分析

1. 主回归分析。表3报告了数字化进程与企业智力资本投资间的基本回归结果。列（1）仅加入解释变量DCG， 回归结果显示， 数字化进程（DCG）对智力资本投资（IC）有显著的积极影响， H1得到初步验证。列（2）展示了加入控制变量与固定效应后的回归结果， 其中DCG的系数为0.004， 在1%的显著性水平上通过检验， 且调整后的R²值与模型（1）对应值相比均有所提高， 即方程解释度进一步增强， 这表明数字化进程对企业智力资本投资具有促进作用， 验证了H1。

2. 调节效应检验。根据表3列（3）的回归结果可知， 数字化进程与行业竞争程度的交互项（DCG×HHI）系数为-0.002， 且在1%的水平上通过了显著性检验， 鉴于行业竞争程度为反向指标， 因此该结论表明行业竞争越激烈， 开展数字化越有利于促进企业进行智力资本投资， H2得到验证。表3列（4）中， 数字化进程与企业竞争地位的交互项（DCG×PCM）系数为-0.014， 在5%的水平上显著， 说明企业竞争地位越高， 数字化进程对智力资本投资的积极影响越小， H3得到支持。

（三）内生性处理

1. 工具变量法。本文借鉴马连福等（2022）的研究结论， 采用同年度、 同行业其他公司数字化进程的中位数作为工具变量， 使用两阶段最小二乘法再次进行回归。表4列（2）展示了第二階段回归结果， DCG的系数为0.004且在1%的水平上显著， 说明在克服了反向因果问题后， 企业推进数字化进程仍能提升企业智力资本投资的水平。

2. PSM（倾向得分匹配）法。本文按照样本数字化进程是否大于行业—年度样本均值， 将样本分为高数字化程度组和低数字化程度组， 继而采用倾向得分匹配法进行基于匹配样本的回归分析来检验回归结果的稳健性。表4列（3）显示， 基于成功匹配的样本进行加权处理后再估计的估计效应为0.002， 且在1%的水平上显著， 说明在对企业的财务状况、 治理结构等因素匹配后， 企业加速数字化进程仍能促进企业智力资本投资水平的提升。

（四）稳健性检验

1. 替换解释变量。本文借鉴吴非等（2021）的研究， 使用上市企业年报中与数字化相关的关键词出现的频次再次构建数字化进程指标（DCG_1）。首先， 统计“云计算技术、 人工智能技术、 数字技术应用、 区块链技术、 大数据技术”等关键词在特定年份的年报中出现的次数； 其次， 加总后加1取自然对数得到衡量企业数字化进程的指标。表4列（4）显示， DCG_1的回归系数为0.025且在1%的水平上显著为正， 与上述回归结果保持一致。

2. 控制交互固定效应。为减少行业中随时间变化的影响因素对结论带来的偏差， 本文考虑在单独控制年份或行业的固定效应基础之上， 控制两者的交互固定效应， 结果如表4列（5）所示， H1仍然得到支持。

3. 控制个体固定效应。为减少个体层面不随时间变化的影响因素对结论产生的偏误， 本文进一步控制个体固定效应进行检验， 结果如表4列（6）所示。数字化进程与智力资本投资的回归系数仍然在1%的水平上显著为正， 说明基准回归结果保持稳健。

4. 滞后解释变量。考虑到数字化进程对于企业智力资本投资的影响可能存在滞后效应， 为此在基准模型（1）的基础上， 本文将被解释变量滞后一期后进行重新回归， 结果如表4列（7）所示。数字化进程对企业智力资本投资的影响仍在1%的水平上显著为正， 进一步佐证了本文基准回归的结论。

（五）作用机制检验

1. 数字化进程、 信息优势与企业智力资本投资。数字化可以帮助企业在有效时间内筛选出可供企业利用的信息资源（Rialti等，2019）， 便于企业准确辨识智力资本投资的机遇与风险， 从而做出更具科学性的智力资本投资决策。基于上述分析， 本文借鉴温忠麟和叶宝娟（2014）的中介效应分析方法考察信息优势的中介效应。

本文采用两种方法度量信息优势。首先， 制造业作为供应链上的节点之一， 对供应链上下游合作企业有较强的依赖性， 并且其发展受到供应链协同的制约。因此， 参考颜恩点和谢佳佳（2021）的研究， 采用1减去企业前五大客户的销售额对总销售额的占比， 即客户集中度（Customer）作为信息优势的衡量指标之一。该指标数值越大， 表示客户集中度越低， 企业越能在社会网络中获得一定的信息优势。表5列（3）显示， Customer系数在1%的水平上显著为负， 同时DCG系数仍显著为正， 说明客户集中度在数字化进程与企业智力资本投资的关系中发挥中介作用。其次， 借鉴徐细雄等（2023）采用上交所、 深交所对上市公司的信息披露评级（Opaque）衡量信息透明度， 即衡量信息优势。考评结果划分为“优秀”（赋值为1）、 “良好”（赋值为2）、 “合格”（赋值为3）、 “不合格”（赋值为4）。据表5列（5）显示， Opaque的系数在1%的水平上显著为负， 同时DCG的系数仍显著为正。因此， 信息透明度在数字化进程与企业智力资本投资的关系中起中介作用。

2. 数字化进程、 债务融资成本与企业智力资本投资。数字化技术的應用不仅能提高企业内资金流转效率（刘梦莎等，2023）， 还能提高金融市场中信贷资源的配置和利用效率（胡山和余泳泽，2022）， 降低企业外部融资成本， 从微观和宏观层面帮助企业有效解决融资难、 融资贵的难题。为探究融资环境是否在数字化进程与企业智力资本投资的关系中发挥中介效应， 本文借鉴已有研究的做法， 将债务融资成本（Cost）作为衡量企业面临融资环境优劣的指标， 并采用企业利息支出加上手续费支出和其他财务费用的总额占期末总负债的比重对其进行度量。表6列（3）显示， Cost的系数在1%的水平上显著为负， 同时DCG的系数仍显著为正， 说明债务融资成本在数字化进程与企业智力资本投资的关系中起中介作用。

3. 数字化进程、 盈余管理与企业智力资本投资。开展数字化可以通过有效提升企业的内部治理水平（莫冬燕等，2023）， 促使企业提高对长远利益的重视度， 激发开展智力资本投资的动机。基于此， 本文将考察盈余管理的中介效应。借鉴已有的研究做法（阳镇和李井林，2020）， 利用修正的Jones模型计算的操控性应计利润为衡量盈余管理（DA）的指标。表7列（3）显示， DA的系数在1%的水平上显著为负， 同时DCG的系数仍显著为正。上述结果证明， 盈余管理在数字化进程与企业智力资本投资的关系中起中介作用。

（六）异质性检验

1. 产权性质。本文将样本分为国有企业（SOE=1）和非国有企业（SOE=0）两组来进行检验， 结果如表8列（1）、 列（2）所示。两组数据中DCG的系数均在1%的水平上显著为正， 为增强结论的可靠性， 本文进行了组间系数差异检验， 得到经验P值为0.000， 证实两组回归中DCG系数差异在统计上是显著的。此结果表明， 数字化进程对国有企业智力资本投资的促进作用更强。可能的原因是： 首先， 国有企业的经营目标更倾向于发挥国有经济主导作用， 贯彻落实国家提出的数字经济发展战略与制造强国战略。因此， 国有企业更有动机开展数字化来推动智力资本投资， 在带动我国实体经济飞速发展的同时， 引领我国制造业在全球转型变革中占据国际竞争制高点。其次， 国有企业作为国家政策执行者和政府治理主体， 更易享受政策优惠， 在资源引入和人才引进等方面具备优势（吴非等，2021）。基于优厚的资源条件， 国有企业将更有能力推动数字化转型的落实。相比之下， 非国有企业缺少如国有企业一般的资源背景， 在吸引投资者、 技术型人才时也就不具有显著优势， 这致使其在开展数字化的过程中往往陷入“不敢转、 不会转”的困局， 导致非国有企业开展数字化的深度不够， 不足以达到积累资源来促进企业智力资本投资的效果。

2. “宽带中国”战略的实施。自2013年国务院公布《关于印发“宽带中国”战略及实施方案的通知》以来， 工业和信息化部、 国家发展和改革委员会共遴选出120个城市（群）作为“宽带中国”示范点。本文将企业所在城市是否为“宽带中国”试点作为分组依据， 若是， 则赋值为1， 否则为0。进行分组回归后所得结果如表8列（3）和列（4）所示。在两组样本中， DCG的回归系数均在1%的水平上显著为正， 且组间系数差异检验的P值为0.000， 证实两组回归中DCG系数差异在统计上是显著的。由此， 数字化进程对处于“宽带中国”试点地区的企业智力资本投资的积极影响更强。这可能是因为， 作为数字经济时代的战略性公共基础设施， 宽带网络的覆盖加快了地区信息基础设施的建设， 在促进当地企业了解与应用数字技术的同时， 又能为企业提供资源获取上的便利， 为推进智力资本投资奠定资源基础， 数字化对处于“宽带中国”示范点企业的智力资本投资将产生更强的促进作用。

五、 研究结论与启示

本文选取2011 ～ 2021年我国A股制造业上市企业为样本， 实证检验数字化进程对智力资本投资的影响及作用机理。研究发现： 数字化进程能够促进企业智力资本投资。机制探究表明， 企业开展数字化能为企业奠定良好的信息与资金基础， 并提升企业内部治理水平， 从而促进企业智力资本投资， 并且随着行业竞争程度的提高和企业竞争地位的下降， 企业数字化进程对智力资本投资的积极影响更强。此外， 数字化进程对企业智力资本投资的促进作用在非国有企业及处于“宽带中国”示范城市的企业中表现得更为突出。

本文研究启示如下： 第一， 政府应对不同类型的企业实施针对性的数字化推进策略。一方面， 继续加强对国有企业的改革力度， 深化管理层的数字化战略意识， 调动国有企业开展数字化的积极性。另一方面， 加大对非国有企业的政策扶持力度， 为非国有企业开展数字化减轻压力。此外， 政府还应积极推进信息基础设施与资源共享平台的建设， 引导模范企业共享数字资源， 帮扶民营企业或其他中小企业开展数字化转型， 构建企业间“相互依存、 共同进步”的发展模式。第二， 制造业相关产业部门应致力于打破产业链上下游数字要素流通壁垒， 带动产业链协同发展。第三， 企业应重视智力资本对企业树立核心竞争优势的重要性及开展数字化对智力资本投资的积极作用， 在结合自身实际情况和外部环境的基础上， 积极投身数字化建设， 助力智力资本投资的开展。国有企业应充分发挥“领头羊”作用， 率领国内制造企业打造具有国际竞争优势的数字化产业集群。而非国有企业则可以通过对外合作等途径依托于国有龙头企业的发展基础开展数字化转型。第四， 企业应组建数字化管理团队， 积极培养复合型人才， 为企业构筑坚实的数字人才基础。

【 主 要 参 考 文 獻 】

陈德球，胡晴．数字经济时代下的公司治理研究：范式创新与实践前沿［ J］．管理世界，2022（6）：213 ～ 240．

李莉，武航佳，张明英．数字化转型对企业风险承受水平的影响研究［ J］．财会月刊，2023（12）：137 ～ 144．

潘红波，高金辉．数字化转型与企业创新——基于中国上市公司年报的经验证据［ J］．中南大学学报（社会科学版），2022（5）：107 ～ 121．

汪芳，石鑫．互联网、行业竞争程度与创新效率［ J］．科研管理，2022（9）：119 ～ 126．

王宸，陆超，戴静雯．产品市场竞争、经济政策不确定性与企业投资效率［ J］．北京交通大学学报（社会科学版），2022（4）：134 ～ 149．

颜恩点，谢佳佳．供应链关系，信息优势与影子银行业务——基于上市非金融企业的经验证据［ J］．管理评论，2021（1）：291 ～ 300．

阳镇，李井林．创新工具还是粉饰工具？——业绩下滑与企业社会责任的再检验［ J］．科学学研究，2020（4）：734 ～ 746．

张虎，高子桓，韩爱华．企业数字化转型赋能产业链关联：理论与经验证据［ J］．数量经济技术经济研究，2023（5）：46 ～ 67．

曾宪聚，陈霖，严江兵．高管从军经历对并购溢价的影响：烙印——环境匹配的视角［ J］．外国经济与管理，2020（9）：94 ～ 106．

Goldstein I.， Spatt C. S.，Ye M.. Big Data in Finance［ J］． NBER Chapters，2021（7）：3213 ～ 3225．

Hua X.， Huang Y.. Understanding China's Fintech Sector： Development， Impacts and Risks［ J］． European Journal of Finance，2020（10）：1 ～ 13．

Joe J. R.， Ulla J. W.，Commerford B. P.， Dennis S. A.. Man Versus Machine： Complex Estimates and Auditor Reliance on Artificial Intelligence［ J］． Journal of Accounting Research，2022（1）：171 ～ 201．

（责任编辑·校对： 刘钰莹  罗萍）

【基金项目】国家社会科学基金项目“新疆发展纺织服装产业带动就业规划的政策评估与优化”（项目编号：20BGL207）

【作者单位】石河子大学经济与管理学院， 新疆石河子 832003