数字新质生产力对企业信息披露质量的影响研究

【摘 要】 文章从质量管理视角探讨了数字新质生产力对企业信息披露质量的影响。研究发现，数字新质生产力对企业信息披露质量具有明显的提升作用，且在内生性问题处理和多重稳健性检验后结论依然成立。这种提升作用不仅源于对信息披露体系的直接促进，更在于对企业组织结构和流程的深层次优化与重构。通过优化组织结构和加强活动控制，数字技术能够显著提升信息披露的质量。尽管数字新质生产力能提升信息透明度，但其对管理层披露意愿和行为的直接影响有限，信息透明度并未如预期般在提升信息披露质量中起到中介作用。此外，通过异质性分析和门槛效应分析，研究发现企业规模对数字新质生产力提升信息披露质量的效应具有非线性特征，即相较于小型企业，大型企业在数字新质生产力赋能中获益更为显著。这些发现可为企业管理者和政策制定者提供一些参考信息。

【关键词】 数字新质生产力； 数字化技术； 信息披露质量； 质量管理

【中图分类号】 F270.7 【文献标识码】 A 【文章编号】 1004-5937（2025）01-0038-09

一、引言

2023年9月，习近平总书记在黑龙江考察期间提出了“新质生产力”这一新词汇[1]。不同于传统生产力，新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径的先进生产力，具有高科技、高效能、高质量特征[2]。数字新质生产力则是新质生产力在数字经济时代的具体体现和重要组成部分[3]。所谓数字新质生产力是指将数字技术创新和数据要素双轮驱动赋能生产力变革而形成的具有新技术、新要素、新方式的新质生产力[4]。它不仅改变了信息披露的方式，而且提高了信息内容的广度与深度，尤其是人工智能和机器学习等新技术，可以对大量复杂的数据进行分析和处理，为企业和利益相关者提供更加精准和深入的信息。近年来，面对国际和国内的双重挑战，以信息披露激发资本市场主体活力成为中国应对经济下行压力的重要思路。2020年中共中央、国务院《关于新时代加快完善社会主义市场经济体制的意见》在提到资本市场建设时，强调了信息披露制度的重要性，并指出要推动以信息披露为核心的股票发行注册制改革，这无疑凸显了中央进一步优化资本市场的决心。数字新质生产力在推动信息披露更加高效、全面性和互动性方面扮演着关键角色，这对于构建一个更加透明、公平的资本市场环境至关重要[5]。一个关键的问题自然浮现：数字新质生产力究竟是如何影响企业信息披露质量的？显然，回答上述问题对于构建高质量中国资本市场具有重要的参考价值。

二、理论分析与研究假设

质量管理的核心在于严格控制生产和服务提供过程，确保满足顾客需求与期望，并严格遵循相关法律法规。这一核心同样适用于信息披露的全过程。信息披露的质量需要在数据收集、处理、整合到发布的每一个环节中得到严格管理，任何环节的疏漏都可能影响信息披露的整体质量。数字新质生产力为信息披露注入新动能，通过数字技术的应用，企业能够更有效地收集、整理和披露信息。例如：云计算和大数据等新技术，使得信息处理和存储能力得到极大提升，为信息披露提供了新的技术和平台；5G网络的部署极大提高了数据传输速度和降低了延迟，使得实时信息披露成为可能；人工智能和机器学习技术的发展，增强了信息分析和处理的能力，为信息披露提供了更深入和精准的内容；区块链技术提供了一种新的信息记录和验证机制，增强了信息披露的安全性和可信度。这些数字技术为信息披露的质量和效率提供了新的解决方案。

在信息披露的流程中，企业面临的挑战既需要通过严格的管理和控制来克服，也需要借助技术手段来提供支持。数字化技术的进步为企业提供了一个机遇，可以依靠“数字技术驱动”来改造、提升原有技术体系和生产系统的数字化程度[6]。这样的技术革新对信息披露的每个阶段都会产生相应的效应。首先，在信息披露的初始阶段，利用人工智能技术可以自动获取数据信息，大大提高数据采集的速度，扩大数据采集的范围，增加数据采集的深度[7]，这不仅减少了对人力资源的依赖，还显著提高了财务报告的精确度和可信度，确保了信息的完整性和一致性。其次，在信息披露的中间阶段，数字化技术通过强化内部控制机制，为企业提供了强有力的保障。具体来说，实时监控系统和自动化合规性检查能够及时发现和预防潜在的异常行为[8]，从而确保信息披露的准确性和符合法规要求。数字化技术为企业提供了一个坚固的防线，以防止错误和不当行为的发生[9]。最后，在信息披露的最终阶段，数字化技术能显著提高信息的透明度和可访问性[10]。高级决策支持系统为管理层提供了深入的数据分析和客观的建议，帮助他们作出更加明智和公正的披露决策[11]。同时，数字化平台加强了企业与投资者和其他利益相关者之间的互动和沟通，确保了信息的及时传递和反馈[12]。基于上述分析，本文提出假设1。

H1：在其他条件相同的情况下，数字新质生产力对企业信息披露质量具有正向促进作用。

在分析了数字新质生产力对企业信息披露质量的直接影响之后，本文将进一步探究其深层作用机制。信息披露质量的提升是一个复杂的多维度过程，而数字新质生产力的深远影响，不仅体现在外部推动，更在于其对企业信息披露体系的内在重构和优化。具体来说，作用机制主要体现在以下三个方面：

（1）组织结构优化效应。数字化技术的应用，促进组织结构的网络化、扁平化，推动企业组织架构向更加灵活和高效的模式转变。通过网格制的平等治理规则、多中心权力及非标准化行动来进行组织的运作，能够缩短决策链条，加快信息流通速度，从而提升决策的时效性和适应性[13]。以人工智能为导向的系统可以助力企业缓解供应链中断的不利影响，调整运输网络以确保地理上合适的供应链和网络安全，并在多个参数上节约成本并提高效率[14]。此外，肖红军等[15]研究指出数字化对供应链的可持续发展具有积极的赋能作用。这种组织结构优化，伴随着组织效能的增强，使企业能够更加迅速地响应市场变化，及时调整经营策略，确保信息披露的专业性和可靠性。

（2）控制活动优化效应。通过实施一系列基于数字化的先进控制措施，企业能够实现对运营各环节的精细化管理。企业通过数字化的信息共享系统来强化对财务行为的管控，同时能够通过业财融合的系统设计来强化对业务端的控制，进而优化内部的控制活动[16]。电子化审计利用虚拟场景审计得以实现，现场审计的空间距离阻隔和时间差异限制得以消除，审计组织借助新技术特别是大数据技术使电子证据提高审计效率的作用得以充分发挥[17]。智能化合规检查则通过自然语言处理等技术，自动检测内部文本与外部文件的监管要求之间的偏差[18]，IPO过程中发行人发布的信息是否符合上市规则[19]，确保企业遵循相关法律法规。这些控制措施的集成应用，为企业提供了一个全面的风险管理框架，保障了企业在动态市场环境中的稳健运营和信息披露的真实性。

（3）信息透明度提升效应。在数字化的推动下，企业得以运用多种新兴的信息平台和渠道，如社交媒体、在线数据库、移动应用等。这些渠道的增加，使得投资者、分析师、监管机构等利益相关者能够从多个角度和层面获取企业信息，尤其是证券分析师的关注有助于缓解信息不透明的负面影响[20]。同时，信息传播的速度和范围也因数字化而显著提高，通过网络和移动设备，信息可以迅速传播至全球受众，提升了信息传播的效率。此外，数字化还促进了供应链信息的共享和可见性，增强了利益相关者和社会公众对供应链企业及其活动的责任治理，从而提高了供应商企业的ESG表现[15]。这种信息流通的加速、透明度的提升，有助于市场快速响应企业的最新动态，提高了市场的反应速度和灵敏度，确保了信息披露的及时性。

基于上述分析，本文提出假设2—假设4。

H2：在其他条件相同的情况下，数字新质生产力通过优化组织结构，提升企业信息披露质量。

H3：在其他条件相同的情况下，数字新质生产力通过加强控制活动，提升企业信息披露质量。

H4：在其他条件相同的情况下，数字新质生产力通过提高信息透明度，提升企业信息披露质量。

三、数据、变量和计量模型

（一）数据

本文分析主要涉及三类数据：第一类是企业层面的数字无形资产投入数据，该数据集旨在反映企业的数字新质生产力水平。鉴于数字化进程的演进，收集了2010—2021年间A股制造业上市公司财务报表附注中所披露的无形资产投资的详细数据，并将这些数据进行汇总，以此作为企业数字新质生产力的测度。第二类是企业财务数据，主要来自CSMAR数据库。第三类是信息披露质量数据，采用深交所和上交所信息披露质量评级（Grade）作为信息披露质量的测度指标。在构建控制变量时，特别关注了财务数据的真实性。为了减少财务数据造假对实证分析结果的潜在影响，剔除了样本期间ST类样本以及退市的样本。

（二）变量选取和说明

1.被解释变量：企业信息披露质量（cdq）

关于企业信息披露质量的测度，采用深圳证券交易所和上海证券交易所对上市公司信息披露的考评结果作为度量指标。由于考评结果“优秀”“良好”“及格”“不及格”四个等级具有优劣次序，故分别赋值4、3、2、1。

2.解释变量：数字新质生产力水平（dig）

关于衡量数字新质生产力水平，目前有两种方法可供参考借鉴。第一种方法是通过分析企业年报中数字化关键词的出现频率来进行测度[6]，但这种方法可能会因过度识别问题而产生评估偏差。相比之下，第二种方法通过分析企业年报中数字化相关资产的规模来进行测度[21]，被认为更为精确和可信，用于衡量企业数字化水平更有说服力。特别是，数字化相关资产中的无形资产，如专利、软件、网站等，这些资产是企业数字化转型和创新活动的核心，对企业的长期竞争力和市场表现具有决定性影响。因此本文采用数字化无形资产投入的对数值来表征数字新质生产力。

3.控制变量

为提高本文的研究精度，在参考一系列现有文献的基础上，本文将在研究框架中加入控制变量。/YPb/Qp4q4KsBsTDO7i76w==具体包括：（1）企业年龄（age），采用当年年份与企业成立年份之差加1之后取对数表示；（2）企业规模（size），采用营业收入的对数值表示；（3）资产负债率（tdr）；（4）净资产收益率（roe）；（5）流动比率（cr）；（6）应收账款与收入比（ar）；（7）前十大股东持股比例（mso）；（8）独立董事人数占比（pid），采用独立董事人数除以董事人数表示；（9）企业性质（soe），国企为1，其他为0；（10）企业固定效应（id_FE）；（11）年份效应（year_FE）。

（三）计量模型设定

为检验数字新质生产力对企业信息披露质量的影响，本文构建了直接效应检验模型：

cdqi，t=β0+β1digi，t+β2controlsi，t+ui+ut+εi，t （1）

其中，下标i表示企业，t表示年份；cdq为本文的被解释变量，表示企业信息披露质量；dig为本文的核心解释变量，表示企业数字新质生产力水平。controls为一系列控制变量，是影响企业信息披露质量的其他因素，包括：企业年龄、规模、资产负债率、净资产收益率、流动比率、应收账款与收入比、前十大股东持股比例、独立董事人数占比、企业性质。ui为企业固定效应，ut表示年份固定效应，εi，t为随机扰动项。

四、实证结果及分析

（一）基准回归

在进行计量回归前，还需要对模型设定进行相关检验。Hausman检验结果表明P值为0.1455，在给定显著性水平5%的情况下，支持随机效应模型。因此本文在后续回归分析中使用随机效应模型设定。表1显示了数字新质生产力对企业信息披露质量的基准回归结果。具体来看，列（1）仅引入时间固定效应，在控制了时间趋势产生的影响后，结果显示核心解释变量数字新质生产力对估计系数显著为正。考虑到企业自身特征变化也会影响其信息披露质量，列（2）增加年龄、企业规模以及资产负债率作为控制变量，数字新质生产力的估计系数变小了，在5%的水平上显著为正。列（3）进一步增加净资产收益率、流动比率、应收账款与收入比作为控制变量后，数字新质生产力的估计系数略有变大，在1%的水平上显著为正。列（4）继续加入控制变量，核心变量估计系数的数值几乎无变化，表明回归结果具有一定稳健性。该系数在1%的水平上依然显著，反映出在控制了众多因素之后，数字新质生产力对企业信息披露质量具有显著的正向影响，同理论分析结果一致。

（二）内生性问题

数字新质生产力推动企业信息披露质量的提升，同时高质量的信息披露要求也可能反过来激励企业加快其数字化转型的步伐，数字新质生产力与企业信息披露质量之间可能存在双向因果关系。同时考虑到遗漏变量，以及度量误差，可能会造成解释变量与残差项相关，从而引起内生性问题。因此，本文实证部分着重克服这一内生性问题的影响。本文选用同行业（两位数行业分类）其他企业（不包括本企业）数字化无形资产投入的平均值（industry_dig）作为数字新质生产力的工具变量。企业同行业其他企业存在竞争关系，彼此数字化无形资产投入存在一定相关性。该工具变量涉及的数字新质生产力基于同行业其他企业测算而得，与企业不直接相关。在表2中列（1）给出了基于两阶段最小二乘法的回归结果。结果显示，Kleibergen-Paaprk LM统计量等于822.549，在1%的水平上应拒绝工具变量识别不足的原假设；Cragg-Donald Wald F统计量远大于10，拒绝了弱工具变量假设，这些表明工具变量与潜在的内生变量之间具有较强的相关性，工具变量的选取较为合理。同时本文选用其他企业（不包括本企业）数字化无形资产投入的平均值滞后一阶（L.industry_dig）作为数字新质生产力的工具变量。如表2所示的具体估计结果表明，在考虑了可能存在的内生性问题之后，数字新生产力仍显著提升企业信息披露质量，与基础回归结果一致。

（三）稳健性检验

为验证研究结论的可靠性，本文通过替换解释变量、调整样本范围、改进回归模型三种方法进行稳健性检验。

1.核心解释变量替换

通过计算财务报表中与数字化转型相关的高频关键词出现次数加1后取对数，构造了数字化转型指标（dt），并以此替换了原有的数字新质生产力作为解释变量。如表3列（1）所示，这一替换后的解释变量的估计系数显著为正。此外，还采用了相似的方法，以财务报表中人工智能技术相关高频关键词的出现频率为基础，构造了人工智能技术指标（ai），并用其替换数字新质生产力作为解释变量，得到的估计系数同样显著为正。作为替代核心解释变量的数据均来源于CnOpenData数据库。表3列（1）、列（2）的回归分析结果表明，无论采用哪种衡量方式，估计系数都是正的，这与基准模型的结果是一致的。

2.研究样本调整

鉴于不同地区数字经济发展水平及行业特性存在较大差异，可能会对估计结果产生干扰，本文采取了两种样本调整方式来增强结果的稳健性。首先，本文排除了注册地位于数字经济一线城市，即北京、上海、广州、深圳和杭州的企业样本；其次，本文排除了计算机、通信和其他电子设备制造业这些数字经济优势行业的企业样本。表3的列（3）、列（4）结果显示，在调整后的样本基础上，数字新质生产力的估计系数均为正，且在5%水平显著，表明本文研究结论可靠。

3.回归模型调整

为排除回归模型选择对实证结果的干扰，本文采用有序Probit回归与有序logit回归进行稳健性检验，以保证实证结果的可靠性。表3列（5）、列（6）结果显示：数字新质生产力的估计系数均为正，且在1%水平显著，与基准结果一致。

五、作用机制检验

前文理论分析认为，数字新质生产力通过优化组织结构、优化活动控制以及提高信息透明度提升效应，提升企业信息披露质量。接下来，本文围绕组织结构、活动控制以及信息透明度这三个方面进行作用机制的检验。

（一）指标度量和模型设定

1.中介变量测度

组织结构的测度可以通过多种方式来衡量，而扁平化程度是其中一个重要的维度。一般来说，观察组织结构中的管理层级数量，较少的层级可以视为扁平化的一种表现形式。由于扁平化主要体现在中间管理层人数占比的下降，受限于中间管理层人数数据的可获得性，本文最终选择用高级管理人员占比来反映组织结构扁平化的程度，高级管理人员占比（smr）=高级管理人员数/员工人数。

活动控制的测度采用迪博内部控制指数中的活动控制指数（oci）来衡量。该指数关注的是公司为确保管理层指令得到执行而采取的各种措施，包括不相容职责分离、授权审批、会计控制、财产安全控制等。这些控制活动旨在确保公司的运营效率和合规性，防止资产损失和错误。该指数是衡量公司内部控制活动有效性的重要工具。

信息透明度的测度采用迪博内部控制指数中的信息与沟通指数（ici）来衡量。该指数评价的是公司内部和外部信息传递的有效性，包括信息收集、处理、传递和反馈的流程。良好的信息与沟通能够确保公司内部人员及时获取准确和完整的信息，对外也能够提供透明和及时的信息披露。

2.模型设定

参照现有文献的普遍做法，本文设定如下形式的中介效应模型对数字新质生产力通过高级管理人员占比、活动控制指数、信息与沟通指数这三个中介变量对企业信息披露质量的作用机制进行检验：

cdqi，t=β0+β1digi，t+β2controlsi，t+ut+εi，t （2）

mvi，t=β0+β1digi，t+β2controlsi，t+ut+εi，t （3）

edqi，t=β0+β1digi，t+β2controlsi，t+β3mvi，t+ut+εi，t （4）

其中，mv表示中介变量，可以替换为smr、oci或者ici，来表示相应中介变量所对应的中介效应模型。

（二）数字新质生产力与企业信息披露质量的作用机制检验

表4给出了数字新质生产力与企业信息披露质量作用机制的检验结果。其中列（1）是对基准模型的回归结果，与表1列（4）的估计结果相同。从列（2）可以看出，数字新质生产力对中介变量高级管理人数占比具有显著的抑制作用，这表明数字新质生产力有利于企业组织架构的扁平化。从列（3）可以看出，数字新质生产力对中介变量活动控制具有显著的促进作用，这表明数字新质生产力有利于企业活动控制水平的提升。从列（4）可以看出，数字新质生产力对中介变量信息与沟通具有显著的促进作用，这表明数字新质生产力有利于提升企业信息的透明度。与列（1）的基准回归结果相比，列（5）在加入中介变量高级管理人数占比之后，数字新质生产力的估计系数在数值大小和显著性水平上均出现了下降，这表明“组织结构”中介效应的存在。列（6）在加入中介变量活动控制指标之后，数字新质生产力的估计系数在数值大小出现了下降，这表明“活动控制”中介效应的存在。与列（1）的基准回归结果相比，列（7）在加入中介变量信息与沟通指标之后，数字新质生产力的估计系数几乎没有变化，支持“信息透明度”中介效应不存在。可能的原因在于，数字新质生产力对于管理层的披露意愿和行为的影响有限，其有利于提升企业信息的透明度，但是无法间接改善企业信息披露质量。

六、进一步讨论：非中性视角

由前文分析可知，总体上数字新质生产力对企业信息披露质量具有正向提升作用，但对于不同特征的企业是否存在差异呢？接下来，本文围绕区域、所有制、企业规模这三个方面检验是否存在数字新质生产力对企业信息披露质量的异质性影响。

1.异质性分析

（1）区域异质性

结合刘勇等[22]对区域划分，将31个省份划分为东部地区和中西部地区两个子样本加以考察。表5列（1）、列（2）分别是东部地区、中西部地区的回归结果。对中西部地区而言，数字新质生产力对企业信息披露质量的影响显著为正。然而对于中西部地区而言，数字新质生产力对企业信息披露质量的估计系数不显著，且系数相较于列（1）偏小。根据交互项模型的Chow检验的估计结果计算得到系数差异P值为0.000，这表明在1%的水平下，应拒绝数字化在不同区域回归结果中的估计系数不存在显著性差异的原假设。不难发现，相较于中西部地区，数字新质生产力的提升对东部地区企业信息披露质量的正向促进作用更为突出。

（2）企业所有制异质性

企业的所有制性质，是由企业的投资主体自身的隶属关系决定的。对于多种经济成分联营的企业、股份合作企业等而言，其投资主体具有模糊性。因此，本文仅对有明确投资主体的企业样本进行企业所有制异质性的分析。参考刘金焕等[23]对企业的划分方法，将注册类型为110、141和151的企业归为国有企业，将其他企业归为非国有企业。结果如表5列（3）、列（4）所示，数字新质生产力对企业信息披露质量的影响均显著为正。系数差异P值为0.008，这表明在1%的显著性水平，应拒绝数字新质生产力在不同所有制结果中的估计系数不存在显著性差异的原假设。相对于非国有企业而言，数字新质生产力对于国企信息披露质量促进作用更大。

东部企业和国有企业的信息披露质量在数字新质生产力赋能中获益更多，可能存在一些共同的影响因子。企业规模是一个可能的共同因子，因为通常东部地区的企业和国有企业相比其他地区的企业规模更大，规模较大的企业往往拥有更完善的管理体系和更丰富的资源，这有助于提高信息披露的质量。在企业层面，本文依据样本企业的营业收入和总资产的中位数对它们进行规模分组，并探讨了数字新质生产力对不同规模企业信息披露质量的影响。与先前关于区域异质性和企业所有制异质性的研究相似，本文发现不论在哪种分组方式下，相对于小企业而言，大型企业在信息披露质量方面的提升都更加受益于数字新质生产力水平的提升。这与之前关于东部地区企业和国有企业的分析相吻合。限于篇幅，不再赘述。

2.门槛效应检验分析

是否存在特定的企业规模临界值，当企业规模超过这一临界值时，数字新质生产力对信息披露质量的提升作用会显著增强呢？接下来本文将通过面板门槛模型来进一步识别该临界值是否真实存在。为了检验这种门槛效应的存在，建立了一个基于企业规模的门槛效应回归模型，如下所示：

cdqi，t=β0+β1digi，t·s（size_fa≤τ）+β2digi，t·s（size_fa>

τ）+β3controlsi，t+ut+εi，t

其中，下标i表示企业，t表示年份；cdq为本文的被解释变量，表示企业信息披露质量；dig为本文的核心解释变量，表示企业数字新质生产力水平。size_fa为门槛变量企业规模，τ为待估的门槛值。s（·）是指示函数，在满足条件时取值为1，否则取值为0。controls为一系列控制变量，与基准模型设定几乎相同，差异在于不含有规模。ut表示年份固定效应，εi，t为随机扰动项。

本文在进行门槛效应分析时，要求数据必须是平衡面板数据。为了获得充足的样本量，面临选择合适时间段，过长的时间段可能导致新上市公司样本不足，而过短的时间段则可能使老上市公司样本不足。因此，为了平衡新老上市公司的样本数量，本文选择了2015—2021年这一时间段的数据，以获得较大样本量。门槛分析使用的数据源与基础模型使用的数据源相同。

在估计门槛效应模型之前，先基于Hansen（1999）的方法进行面板门槛存在性检验，在Bootstrap抽样500次情况下，门槛效应检验结果呈现在表5中。通过观察F统计量，在10%显著水平条件下，企业规模通过了单一门槛检验，而双重门槛和三重门槛检验未通过，说明有效门槛个数为1。进一步的，可以得到企业规模的1个门槛值分别为3.1861e+09（见表6），95%的置信区间分别为［3.0462e+09，3.3304e+09］。

为验证门槛值是否真实存在，通过绘制似然比函数图（图1）来确定。似然比函数图的横轴表示门槛估计量，纵轴表示似然比统计量LR，单门限与LR图像与水平线有交点，确定了第一门限值的置信区间，所以通过了显著性的检验。

在确认门槛效应存在门槛值的情况下，门槛回归结果（见表7）显示：在营业收入规模未达到第一门槛值之前，数字新质生产力的回归系数为0.0553，这个系数是显著的，意味着对于规模较小的企业，数字新质生产力的提升已经开始对信息披露质量产生正向的促进作用。当营业收入规模超过这个门槛值时，数字新质生产力的回归系数增加到了0.0657，并且同样显著，这表明对于规模较大的企业，数字新质生产力对信息披露质量的正向影响变得更大。

七、结语

在上市公司信息披露质量受到监管机构和市场参与者日益关注的大背景下，本研究选取了2010—2021年期间沪深A股制造业上市公司作为研究对象，分析了数字新质生产力对企业信息披露质量的积极影响及其作用机制，得出以下研究结果：

1.数字新质生产力能够显著提升上市公司的信息披露质量，即使在经过一系列的内生性问题处理和稳健性检验后，这一结论依然稳固。信息披露的质量至关重要，它必须在数据的收集、处理、整合以及发布过程中得到严格控制，确保信息的准确性和可靠性，这直接关联到企业在资本市场的稳定发展及其价值的体现。企业应充分利用现代数字技术，提高信息披露的质量和效率。

2.数字新质生产力主要通过优化企业组织结构、增强活动控制这两个关键途径，间接提高了公司信息披露的质量。首先，通过技术革新和流程再造，企业能够构建更加扁平化和网络化的组织结构，这不仅加快了信息流通速度，也提高了决策的响应性和灵活性；其次，数字化工具的应用，如自动化审计和实时监控系统，加强了企业对信息披露流程的控制，减少了错误和遗漏，确保了披露信息的准确性和合规性。

3.尽管数字新质生产力能够提高信息透明度，但其对管理层披露意愿和行为的直接影响有限，信息透明度并未如预期那样发挥中介作用。数字技术为企业提供了更高效的信息处理和传播手段，从而提高了信息透明度，但这种技术进步并未直接转化为企业管理层更积极的披露意愿。换言之，信息透明度的提升本身并不足以确保企业管理层会主动披露更多或更深入的信息。这可能是因为企业管理层在权衡披露决策时，还需要考虑诸如保护商业机密、避免市场过度反应、满足监管要求等其他战略性因素。

4.对于不同区域、所有制和规模的企业，数字新质生产力对信息披露质量的影响存在显著差异。特别是在东部地区和国有企业中，这种影响尤为明显。原因可能在于这些企业不仅资源丰富，而且数字化转型的进程也更为迅速。这使得东部企业和国有企业在信息披露质量上得到了显著提升。进一步的研究发现，企业规模是影响这种差异的一个重要因素。具体来说，相较于小型企业，大型企业在数字化转型过程中获得的益处更大。这种规模效应使得大型企业在信息披露质量上的表现更为突出。

5.门槛效应的分析进一步确认了企业规模与数字新质生产力对信息披露质量影响之间的非线性关系。在营业收入规模未达到第一门槛值之前，数字新质生产力的回归系数显著为正，意味着对于规模较小的企业，数字新质生产力的提升已经开始对信息披露质量产生正向的促进作用。当营业收入规模超过这个门槛值时，数字新质生产力的回归系数会增加，这表明对于规模较大的企业，数字新质生产力对信息披露质量的正向影响变得更大。

【参考文献】

［1］ 习近平主持召开新时代推动东北全面振兴座谈会强调 牢牢把握东北的重要使命奋力谱写东北全面振兴新篇章［N］.人民日报，2023-09-10（001）.

［2］ 新质生产力的内涵特征和发展重点［N］.人民日报，2024-03-01（009）.

［3］ 数字新质生产力赋能产业焕新［N］.天津日报，2024-

02-19（012）.

［4］ 任保平，王子月.数字新质生产力推动经济高质量发展的逻辑与路径［J］.湘潭大学学报（哲学社会科学版），2023，47（6）：23-30.

［5］ 杜金柱，吴战勇.数字经济对企业信息披露质量的影响研究［J］.会计之友，2022（20）：72-78.

［6］ 吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）：130-144，10.

［7］ 王海兵，张美丽，陈欣.人工智能内部审计的流程设计和实现路径［J］.重庆理工大学学报（社会科学），2022，36（7）：127-137.

［8］ JIANSONG，et al.Automated information transformation for automated regulatory compliance checking in construction［J］.Journal of Computing in Civil Engineering，2015，29（4）.

［9］ 任小鑫.新技术与财会监督协同机制创新研究［J］.会计之友，2023（20）：158-161.

［10］ WANG Z.Enterprise digital transformation and accounting information transparency［J］.Highlights in Business，Economics and Management，2023，9：683-697.

［11］ HUNTON J E ，ROSE J M .21st Century auditing：advancing decision support systems to achieve continuous auditing［J］.Accounting Horizons，2010，24（2）：297-312.

［12］ 戚聿东，肖旭.数字经济时代的企业管理变革［J］.管理世界，2020，36（6）：135-152，250.

［13］ 肖静华.企业跨体系数字化转型与管理适应性变革［J］.改革，2020（4）：37-49.

［14］ GUPTA S，et al.Artificial intelligence and information system resilience to cope with supply chain disruption［J］.IEEE Transactions on Engineering Management，2021.

［15］ 肖红军，沈洪涛，周艳坤.客户企业数字化、供应商企业ESG表现与供应链可持续发展［J］.经济研究，2024，59（3）：54-73.

［16］ 方巧玲，余怒涛，徐慧.数字化转型的治理效应研究：会计信息质量视角［J］.会计研究，2024（3）：34-50.

［17］ 谢志华，程恺之.新技术与审计方法的变革［J］.审计研究，2023（1）：3-11.

［18］ SAI C ，WINTER K ，FERNANDA E ，et al.Detecting deviations between external and internal regulatory requirements for improved process compliance assessment［C］.Lecture Notes in Computer Science，2023：401-406.

［19］ XU Z，et al.Jura：Towards automatic compliance assessment for annual reports of listed companies［C］.CIKM'21：Proceedings of the 30th ACM Internetional Conference on Informaation knowledge Management，2021.

［20］ 潘越，戴亦一，林超群.信息不透明、分析师关注与个股暴跌风险［J］.金融研究，2011（9）：138-151.

［21］ 庞瑞芝，刘东阁.数字化与创新之悖论：数字化是否促进了企业创新——基于开放式创新理论的解释［J］.南方经济，2022（9）：97-117.

［22］ 刘勇，杨海生，徐现祥.中国经济增长目标体系的特征及影响因素［J］.世界经济，2021，44（4）：30-53.

［23］ 刘金焕，万广华.互联网、最低工资标准与中国企业出口产品质量提升［J］.经济评论，2021（4）：59-74.