数字经济对企业非效率投资影响研究.pdf

一、引言近几年，人工智能、大数据等数字技术不断取得卓越突破，数字经济建设取得了跨越式发展。中国数字经济发展白皮书（2022）指出，2021 年我国数字经济增加值规模占总 GDP 的比重已经达到39.8%，对经济增长的整体贡献不可小觑。“十四五”数字经济发展规划 也表示，数字经济是继农业经济和工业经济之后的主要经济发展形态，正在推动着生产生活方式的深刻变革，也正成为重塑全球经济结构、重组经济资源要素的关键力量。2021 年的政府工作报告也明确指出，要全力打造数字经济新优势，建设数字中国。考虑到经济危机的长远影响，我国目前经济增速有所放缓，外部发展环境不断变化。在这样的背景下，亟需转变发展方式，转换经济增长的新动能。大力拓展数字经济的应用范围，并将其与实体经济的深度融合发展是当前的大势所趋，能够进一步激发数据要素潜能，改善传统生产体系，提高企业治理能力。从现阶段我国经济发展的程度来看，数字经济在为经济社会发展提供全新的逻辑和方向的同时，也为微观主体注入了新的活力。在数字经济的渗透辅助下，企业能够获得更大的生产力、更突破的创造力、更强的市场竞争力。因此企业应将数字经济与实体经济融合这一战略目标作为实现优势发展的关键之一。在企业价值创造的过程中，投资行为起着关键的作用，有效率的投资能够帮助企业积累资本，在激烈的市场竞争中获得稳定优势。投资效率作为刻画高质量发展的重要指标，是帮助经济持续持续稳定增长的动力源，提高企业投资效率，降低非效率投资程度成为企业发展的重要手段。而在现实环境中，企业投资决策易偏离最佳方向，投资过度和投资不足的非效率投资问题时有发生。企业作为宏观经济数字经济对企业非效率投资影响研究马红，李佳豪（山东科技大学 经济管理学院，山东 青岛 266590）【摘要】数字经济是经济高质量发展的关键动力，在企业投资决策过程中不断展示出重要性。基于此，文章以 20112020 年制造业上市企业的经验数据为样本，利用实证考察了数字经济对企业非效率投资的实际影响与内在机理。研究结果表明：数字经济能够抑制投资过度、缓解投资不足，解决企业非效率投资的问题；进一步的影响机制分析表明，代理成本的降低与资本错配的改善都是数字经济作用于企业非效率投资的可能渠道；异质性分析表明，在非国有企业和东部地区样本中，数字经济与企业非效率投资之间的因果关系更为显著。因而应积极推进数字经济体系建设，助推经济高质量发展，优化政府治理体系、和企业数字发展能力。【关 键 词】数字经济；非效率投资；代理成本；资本错配【中图分类号】F275.5【文献标识码】A【文章编号】1004-2768（2023）08-0112-09【收稿日期】2023-01-28【基金项目】全国统计科学研究项目“数据要素影响制造企业绿色创新绩效的统计测度、机制解析与路径设计研究”（2022LY052）；山东省省自然科学基金项目“数据要素影响制造企业绿色转型的机理、效果与对策研究”（ZR2022MG013）；山东省社会科学规划研究项目“数据要素影响制造企业绿色转型的效应评价与内在机制研究”（22CGLJ30）；青岛市哲学社会科学规划项目“数据要素影响青岛市制造业企业绿色转型的效应评价与内在机制研究”（QDSKL2201113）【作者简介】马红（1985-），女，山东济南人，山东科技大学经济管理学院副教授，研究方向：创新投资与公司财务；李佳豪（1999-），女，山东青岛人，山东科技大学经济管理学院硕士研究生，研究方向：企业战略管理。马红为通讯作者。生产力研究 No.8.2023企业管理生产力研究 No.8.2023骳髆髕的微观载体，数字经济的影响必然会映射在企业发展中，进而影响其投资效率。理论上，数字经济的发展能够帮助企业实现由内而外的改变，企业的非效率投资问题能够在数字经济的驱动下得到改善。基于此，本文提出了以下几个问题：第一，数字经济的发展能否改善企业非效率投资问题？第二，如果两者之前存在关系，那么其中的影响机制是如何的？这两个问题的回答，不仅有助于更好的理解数字经济的理论意义和实际后果，还能够为促进数字经济与实体经济融合发展提供引导，具有重要的理论和现实意义。本文的创新点和可能的贡献在于：第一，对数字经济的经济后果研究进行了有益补充。将数字经济对制造业企业非效率投资的影响机理进行了系统的理顺，并通过实证分析加以验证，不仅丰富了数字经济相关后果的研究，还进一步拓展了制造业企业投资行为领域的相关文献。第二，基于中介效应相关模型，挖掘数字经济影响企业非效率投资的内在机制，从代理成本和资本错配角度实证检验并识别了可能影响企业非效率投资的关键路径。为政府实施符合发展规律的数字经济政策，优化宏观调控策略，改善企业投资环境提供理论基础；为企业优化发展提供借鉴。二、文献综述（一）数字经济的经济后果数字经济作为一种融合性的经济形态，是一场基于互联网的创新性技术革命，是新经济发展的驱动力。企业作为经济的重要微观载体，承托了数字经济在微观主体中的经济后果，既有文献主要就数字经济发展对企业治理、生产率、创新、风险承担以及企业用工环境等的影响进行了探讨。数字经济能够通过数据协同，提高企业治理能力和决策科学性（Gomber 等，2018）1。杨慧梅和江璐（2021）2研究发现，数字经济能够显著提高企业的全要素生产率。（Ellison 和 Ellison，2018）3的研究指出，数字经济能够促进企业专利技术创新研发合作，提高传统市场开放度。数字经济在拉动企业创新水平提高的同时还能够促进企业融资能力的提升，从而有效提高企业的风险承担水平（陈小辉和张红伟，2021）4。除了对企业内部的影响，数字经济的推广和助力，还能帮助企业实现更高质量的就业，优化整体就业结构，改善企业就业和用工环境，助力向企业高质量发展稳步迈进（戚聿东和肖旭，2020）5。进一步关于数字经济对实体企业投资行为的影响，赵瑞瑞等（2021）6的研究从融资约束的角度探究了科技金融发展对实体投资规模的提升效应；万佳彧等（2022）7也从企业投融资视角分析了数字金融能够从拓展资金来源和提升金融机构服务质效两个方面对企业投资效率的正向引导作用。（二）投资效率的影响因素投资是拉动经济增长的关键动力，在企业整体价值创造的过程中，投资行为起着关键作用，投资效率的高低直接关系到企业绩效的高低和经营成果的好坏，高效的投资能够帮助企业在激烈复杂的市场竞争中抢占有利的地位。目前针对企业非效率投资的研究，主要从微观和宏观角度对其的影响展开。从微观角度讨论，高质量的信息和日益透明的信息管理系统能够为管理者提供更有用的决策信息，从而提高投资效率（Bushman 和 Smith，2001）8；除了正向刺激，也有研究表明在企业治理的过程中，有相当一部分经理人会在企业治理过程中会利用避税这一要素来降低信息透明度，进而对投资效率产生负向影响（Kim 等，2011）9。企业拥有海归高管的数量（代昀昊和孔东民，2017）10和独立董事的比例高（Richardson，2006）11能够显著抑制非效率投资的问题的出现，而高管过度自信（Hatoum，2021）12和较大的管理层权力（王茂林等，2014）13会导致企业投资出现偏差，引发企业非效率投资行为。从宏观层面分析，金融发展水平的提高和法制水平的增强可以对企业非效率投资起到改善作用（李延喜等，2015）14，但外部环境的不确定性能够导致企业非效率投资问题的发生（申慧慧等，2012）15。不合理的产业政策无法缓解企业融资约束的问题，并且会降低资本配置效率进而影响投资决策，引发非效率投资（张新民等，2017）16。纵观已有研究，学界对数字经济的研究正如火如荼，其与企业之间的联系也是日益密切；投资作为企业经营中的一个重要环节，对企业发展也有着不言而喻的重要性。不难发现，既有研究中数字经济发展、代理成本、资本要素配置和企业非效率投资的关联机制分析缺乏理论模型予以规范阐释。因此，本文将前人的丰富研究作为理论基础，将上述两个研究领域相互连接，试图探索其关联和内在机制。三、理论分析与研究假设（一）数字经济与企业非效率投资骳髆髖在完美的资本市场中，管理层会遵循在高回报率的项目内继续追加投资和在低回报率的项目内及时削减资金的原则进行投资项目的选择和决策，以此实现投资的高效分配（李青原，2009）17。但现实环境诸多扭曲因素导致企业投资效率无法达到最优化，传统的经济发展模式无论是在时间还是空间上都有一定的局限性，发展不平衡不充分的矛盾始终难以得到完美解决。互联网的兴起和普及使得数字经济这一新的概念形态能够快速渗透到经济生活的各个领域，并逐渐成为企业发展的重要推动力。数字经济能够提升经济形态的多元化程度，解决传统经济的弊端对实体企业投资效率造成的负面影响，抑制非效率投资的问题，具体有以下几种渠道：首先，从企业决策角度分析，数字经济可以让企业更好地利用大数据智慧决策模型，帮助企业在进行投资时做出更加准确合理的决策，提升投资效率。其次，从虚实结合的角度来分析，数字经济的出现重塑了经济形态，并为传统产业带来了一种创造性的突破，逐步形成了虚拟经济与实体经济的跨界融合，减少交易成本，让互联网技术与实体经济发展之间的互动效能越来越强（祁怀锦等，2020）18，并改变了传统产业对资源的需求模式和价值创造的规则，打破了在传统产业中企业投资时遇到的困境和局限，解决非效率投资的问题。最后，从数字技术的应用角度来分析，数字经济时代，企业的营销模式由生产导向转向了市场导向。基于大数据等技术，企业可以随时了解市场需求和动向，对潜在的投资项目信息有更充分全面的了解（谭松涛等，2016）19，在提高信息流动的速度的同时扩大信息传播的范围，进而做出更加符合企业利益最大化目标的投资决策，提高投资效率。将企业非效率投资的问题进行具体剖析后发现，该问题分别从投资不足和投资过度两个维度体现出来。投资不足产生主要有以下几个原因：第一，企业内部信息的不对称，导致管理层无法对投资的目标做出十分正确的判断和评估，从而造成逆向选择；第二，企业可支配的资金不足，融资约束高也导致管理层在做出投资决策时受限（张洪辉和王宗军，2010）20。针对这一维度，数字经济的发展能够帮助企业降低信息不对称程度；同时促进自由现金流的流动，拓宽资金来源，增加企业融资数量，降低融资约束程度，进而缓解投资不足的问题。投资过度产生的主要原因是：第一，在企业经营状况相对稳定的情况下，管理层固守职位不寻求新的突破；第二管理层过度自信，盲目追求个人利益而放弃为企业盈利，甚至滥用企业资金投资于净现值为负的项目，造成不必要的损失。针对这一维度，数字经济的应用能够帮助企业构建合理的内部监督体系，提高管理层的监督效应，减少不同管理层之间的矛盾问题，进而抑制投资过度的问题。由此，本文提出以下假设：H1：数字经济的发展能够缓解投资不足，同时抑制投资过度，即降低企业的非效率投资。（二）数字经济、代理成本与企业非效率投资代理问题始终是企业投资的一个关键影响因素。基于委托代理理论，代理成本包括股东与管理层之间的第一类代理成本以及大股东与小股东之间的第二类代理成本（Gary 等，2019）21。作为企业经营决策中重要的一环，投资效率可能会因为代理问题而受到影响。由于目前企业经营的纵深度不断拓展，其市场化特征越来越显著，在道德风险和信息不对称问题都存在的情况下，代理问题的出现通常会引发管理层自利倾向和一定的职业顾虑，进而放弃最利于企业利益的投资方案，产生非效率投资问题。从自利倾向来看，管理者为构建属于自己的“商业帝国”，满足自己在职消费等自利性动机，会倾向于持续扩大投资规模来增加自身的控制权，出现盲目投机行为，从而导致过度投资。从职业顾虑来看，管理者会放弃那些能够增加企业利益提高企业价值但风险很高的投资项目，以降低自身的职业风险（John 等，2008）22。根据经济发展的经验来看，数字经济可以嵌入企业治理过程并对企业内部代理成本问题产生影响。出于企业经营活动的复杂性和治理结构的重叠性，数字经济对企业代理成本的影响具体路径如下：第一，与传统媒体相比，数字技术促进了网络媒体这一信息传播平台的兴起，这一新的媒体形式有开放性强，互动量大等特点。企业受到媒体关注越多，不同利益相关者的机会主义行为被曝光的几率就越大，更容易被监督。在这种网络媒体的压力下，企业的行为会更加规范，不同利益相关者之间的代理问题随之被削弱。第二，数字技术作为一种方便企业应用的组织管理手段，具有信息获取和监督优势，能够帮助企业在管理过程中更加透明，提高企业经营中的风险识别能力，解决管理层对有利信息的独占问题，降低代理问题发生的可能性。第三，数字技术骳髆髗的普及能够提高企业的整体治理能力和水平，帮助管理者为企业制定更有针对性和更完善的组织制度，构建更加合理的内部治理环境，提高企业内部质量，减少代理矛盾。由此可见，数字经济会对代理问题产生影响，代理问题又会作用于企业投资效率。数字经济可以通过影响代理成本对企业非效率投资产生间接影响，实现“数字经济-代理成本-非效率投资”的机制路径。鉴于此，本文提出如下假设：H2：在其他条件一定的情况下，代理成本可以成为数字经济对企业非效率投资影响的中介。（三）数字经济、资本错配与企业非效率投资企业的资本错配这一概念是相对于企业资本有效配置而言的，有效配置就是当企业内大部分资本都能够在市场内自由流动，实现帕累托最优的资本配置方案。在企业实际经营过程中，企业的投资也可能会因为资本错配受到影响。这个问题产生的主要原因是在信息不对称和市场分割不均匀这两个因素的共同作用下，资本难以在市场内自由流动。即资本在不对称、不均匀的环境中难以实现高效流动的目标，也难以释放出自己最大的动力。这一问题在企业投资活动中的具体表现是：管理层进行投资决策时，受到信息和市场的双重影响，容易错过好的投资时机和投资项目，转而投向了净现值不够理想的项目，出现非效率投资问题。数字经济的渗透不仅是数字技术的应用，也是企业内部组织结构的变革过程（Vial，2019）23，企业逐渐接受数字经济环境，转换资本组织结构配置，优化配置效率，缓解资本错配的问题。数字经济对资本错配的影响主要从以下几个方面展现：第一，数字经济的发展可以不断优化企业的生产和管理方式，优化各类资本要素在企业内的配置。不仅如此，先进的数字技术可以将流程中的数据化繁为简并进行灵活的筛选和联结，整合企业内部的资源，优化各类资本的配置效率。第二，数字经济可以正向促进市场竞争，提高市场的有效性，从而实现倒逼有资本错配问题的企业提升资本配置效率。数字技术逐渐在各行各业渗透，市场透明度显著增强，资本在市场中的流动性不断得到优化，市场内信息的准确性和时效性也得到了保障，市场环境对企业而言更加公平。不断进步的市场机制，让企业不断吸纳优质的资本要素，依托数字技术释放规模经济和范围经济效应，大幅提升自身资本配置的效率（韦庄禹，2022）24。由此可见，数字经济会对资本错配产生影响，资本错配又是企业非效率投资的重要影响因素。数字经济可以通过影响资本错配对企业非效率投资产生间接影响，实现“数字经济-资本错配-非效率投资”的机制路径。鉴于此，本文提出如下假设：H3：在其他条件一定的情况下，资本错配可以成为数字经济对企业非效率投资影响的中介。四、研究设计（一）样本选择与数据来源本文选取了 285 个城市样本（剔除了港澳台、西藏等数据严重缺失的地区），企业样本为沪深两市A股制造业上市公司 20112020 年共计 641 组数据。本文选择制造业企业的原因主要在于：我国作为制造业大国，制造业是实体经济的主体，国民经济的重要组成部分，在整个社会发展拥有难以忽略的战略地位，研究数字经济对制造业企业非效率投资的影响更符合当下数字经济与实体经济融合发展的趋势，也更具有现实意义。在整合数据后本文又进行了进一步的筛选和处理：（1）剔除 ST、*ST、PT 等处于非正常交易状态的企业样本；（2）出于消除极端值影响的考虑，对企业层面的连续变量进行了 1%和99%分位数的缩尾处理；（3）剔除了存在大量异常值或缺失值的样本；（4）剔除了无法与数字经济匹配的样本。城市层面数据中，互联网普及率等构建数字经济指标的基础数据来源于 中国城市统计年鉴及各省份统计年鉴。数字普惠金融指数来源于北京大学数字金融研究中心和蚂蚁金服集团共同编制的文件。企业层面的数据来自国泰安 CSMAR 数据库和 Wind 数据库。最终本文保留了 641 家企业的6 410 组样本面板数据。（二）模型设计与变量说明1.模型设计为检验数字经济与企业非效率投资之间的关系，本文将设定如下模型作为基准回归模型：Ineffi，t=琢+琢1Digeci，t+琢2Roai，t+琢3Levi，t+琢4Growthi，t+琢5Boardi，t+琢6Duali，t+琢7Balancei，t+琢8Govi，t+琢9Openi，t+琢10Marketi，t+移Year+移Ind+着i，t（1）式（1）中，i、t 分别表示企业和年份，被解释变量Ineff表示企业当年企业非效率投资水平。该变量借鉴Richardson（2006）11投资效率模型，对企业投资的非效率程度进行了测度；解释变量 Digec 表示数字经济发展程度，参考赵涛等（2020）25的研究方法对5骳髆髙个指标利用主成分分析法处理后得出数字经济发展指标。控制变量包括总资产净利润率（Roa）、资产负债率（Lev）、主营业务收入增长率（Growth）、董事会规模（Board）、两职合一（Dual）、股权制衡度（Balance）和代表城市层面的政府干预水平（Gov）、对外开放水平（Open）、市场化指数（Market）。2.变量说明（1）核心解释变量：数字经济发展水平指数。本文参考赵涛等（2020）25的做法，从互联网发展水平和数字普惠金融两个维度出发，构建城市层面的数字经济发展水平测算框架。互联网发展水平使用互联网普及率（每百人互联网宽带接入用户数）、移动电话普及率（每百人移动电话年末用户数）、相关产出情况（人均电信业务总量）和相关从业人员情况（计算机软件业从业人员占比）这四个指标进行了衡量；数字普惠金融数据来自北京大学数字金融研究中心发布的“数字普惠金融发展指数”。结合本文的具体情况，为了让数字经济指数实现跨年度可比的目标，本文的测度指标又参考刘军等（2020）26关于市场化指数的构建方法进行了拓展，设定以 2011年为基期，并对式（2）进行标准化处理，后续年份采用公式（3）实现不同统计年份之间的比较，反映数字经济指数的发展状况。式（2）中 Vi是相关指标的原始数据，Vmax 是城市中原始数据最大的值，Vmin 则是最小值。式（3）中 t 代表后续样本期内测度相关指标的年份，Vmax0 和 Vmin0 分别代表基期数据的最大值和最小值。经过上述两式的标准化处理后，数字经济的测度指标可以实现在不同年份之间的比较，反映数字经济指标的事件发展情况。Xi=Vi-VminVmax-Vmin*6+1（2）Xt=Vi-VminVmaxo-Vmino*6+1（3）（2）被解释变量：企业非效率投资。非效率投资的代理变量：参考目前的相关研究，本文衡量企业的投资效率使用 Richardson（2006）11投资模型，具体模型如下：Ineffi，t=茁+茁1Tobini，t-1+茁2Sizei，t-1+茁3Cashi，t-1+茁4Levi，t-1+茁5Listagei，t-1+茁6Roai，t-1+茁7Invi，t-1+移Year+移Industry+着i，t（4）式（4）中，Inv 为企业新增资本投资额，其余为控制变量。本文的企业投资包括固定投资、无形资产和其他长期资产，具体数值为（构建固定资产、无形资产和其他长期资产支付的现金-处置以上资产收回的现金净额+取得子公司及其其他营业单位支付的现金净额-处置以上资产收到的现金净额）/资产总计。使用模型（4）回归所得的残差绝对值来度量企业的投资效率，该变量为反向指标，绝对值越大非效率投资问题越明显。残差大于零则表示投资过度，残差小于零则表示投资不足。（3）代理成本的代理变量。将代理成本（Agcost）作为中介变量，常见的衡量方式包括使用销售费用率或管理费用率作为代理成本的替代变量。目前中国上市企业面临多重代理问题，由此产生的代理成本大多通过模糊的经营性支出和管理层冗杂的在职消费被记入管理费用，故本文参考李文贵等（2017）27的研究，采用管理费用率对代理成本进行度量，具体的计算方式为企业管理费用与其主营业务收入之比。（4）资本错配的代理变量。将资本错配（FD）作为中介变量，本文参考邵挺（2010）28的研究，将企业的资金使用成本与其所在的细分行业的平均资金使用成本的差值来表示企业的资本错配。其中企业的资金使用成本使用企业利息支出与扣除应付账款后的负债总额之间的比来表示。（5）控制变量。参考已有研究，本文选择了如下控制变量：（1）总资产净利润率（Roa），以净利润/总资产平均余额衡量；（2）资产负债率（Lev），以负债总额/总资产衡量；（3）主营业务收入增长率（Growth），以本期与上期的主营业务收入之差/上期主营业务收入衡量；（4）董事会规模（Board），采用董事会总人数的对数表示；（5）两职合一（Dual），哑变量，如董事长与总经理为同一人则取 1，否则取 0；（6）股权集中度（Top1），以第一大股东持股比例衡量；（7）市场化指数（Market），参考 中国市场化指数-各地区市场化相对进程报告 提供的市场化指数衡量；（8）对外开放水平（Open），以地级市进出口贸易总额/地区生产总值衡量；（9）政府干预程度（Gov），以地级市公共财政收入/地区生产总值衡量，如表 1 所示。五、实证检验（一）描述性统计表 2 报告了样本企业在研究期内主要变量的描述性统计结果。由表 2 可知，企业非效率投资程度的最小值和最大值相差较大，这一差异也为本文的研究提供了较好的条件。并且，全样本中投资不足样本量达到了 57.5%，可见在我国制造业上市企业骳髆髚表 1主要变量定义中投资不足的问题比投资过度的问题更加普遍。但将投资不足组和投资过度组的均值和方差进行比较又可以发现，制造业上市企业中投资过度的均值更高，方差也远高于投资不足组，这表明在企业非效率投资中，虽然投资不足的问题更加普遍，但投资过度的程度更严重。数字经济发展指数的最大值为 8.889 3，最小值为-1.479 3，表明不同城市之间的数字经济发展水平发展差异较大。表 2主要变量的描述性分析（二）基准结果回归分析表 3 报告了数字经济和企业非效率投资的回归结果。为保证回归结果的稳健性，本文使用逐步检验回归系数的方式进行回归。列（1）仅加入解释变量 Digec，结果显示数字经济（Digec）对企业非效率投资（Ineff）在 1%的显著水平下有负向影响；列（2）再加入控制变量，数字经济的估计系数在 1%的显著水平下通过检验，并且系数显著为负，说明随着数字经济发展程度的不断深入，非效率投资行为得到了显著抑制，假设 H1 得到初步验证。为了深入数字经济对企业非效率投资的具体影响，本文以 Ineff=0 为中间值，根据模型的残差值将投资效率分为了Ineff0 的投资过度组和 Ineff0 的投资不足组进行检验，结果于列（3）、列（4）展示。结果发现，数字经济发展对企业投资过度和投资不足都有显著的负向影响并且均通过了 1%的显著性检验，表明数字经济发展在能够显著抑制企业投资过度同时还能明显缓解其投资不足。至此，假设 H1 得到验证。表 3数字经济对非效率投资回归结果注：*表示通过 10%显著性水平检验。*表示通过 5%显著性水平检验。*表示通过 1%显著性水平检验，下同；括号中为检验 t 值，本文使用的均为聚类稳健标准误。（三）稳健性和内生性检验1.内生性检验。本文在实证分析中使用了宏观城市数据和微观企业数据，可以有效减弱反向因果的干扰，因此遗漏变量是潜在内生性问题的主要来源。因此我们尝试选择合适的工具变量，本文沿袭变量含义数字经济投资效率投资过度投资不足代理成本资本错配总资产净利润率资产负债率主营业务收入增长率董事会规模两权分离度股权制衡度市场化指数对外开放程度政府干预程度解释变量被解释变量中介变量控制变量变量DigecIneffOverinvUnderinvAgcostKDRoaLevGrowthBoardDualBalanceMarketOpenGov变量定义参考赵涛等（2020）的做法，采用北京大学数字金融研究中心发布 的“数字普惠金融发展指数”、互联网普及率、相关从业人员情况、相关产出情况和移动电话普及率五个指标构建数字经济指标体系。Richardson 模型回归残差的绝对值Richardson 模型回归结果大于 0 的残差Richardson 模型回归结果小于 0 的残差绝对值企业管理费用/主营业务收入企业资金使用成本-行业平均资金使用成本净利润/总资产平均余额负债总额/总资产（本期主营业务收入-上期主营业务收入）/上期主营业务收入Ln（董事会总人数）董事长与总经理为同一人取 1，否则取 0第二至第五位大股东持股比例/第一大股东持股参考中国市场化指数-各地区市场化相对进程报告地级市进出口贸易总额/地区生产总值地级市公共财政收入/地区生产总值均值0.03680.04600.03031.27560.03320.12842.16630.17941.60300.478710.73860.07750.1357变量IneffOverinvUnderinvDigecRoaGrowthBoardDualBalanceLevMarketOpenGov样本量6410244839626410641064106410641064106410641064106410最大值0.26230.25820.13208.88260.22692.77972.70811.00003.37360.985516.94970.90110.3266方差0.04320.05710.02662.14560.06830.41250.19020.38370.52900.19964.06810.14180.0706最小值0.00050.00350.0030-1.4793-0.2627-0.55521.60940.00001.02340.0764000（2）Ineff-0.2894*（-4.87）0.0500*（2.90）0.0144*（11.04）0.0697*（6.62）-0.0158（-0.32）-0.0751（-0.41）0.0240*（4.77）0.0531*（4.00）-0.0687*（-2.97）-0.0481（-0.82）不控制不控制不控制64100.0499DigecBalanceGrowthRoaBoardDualLevGovMarketOpenIndividualYearIndustryNAdj.R2（1）Ineff-0.3834*（0.0007）不控制不控制不控制64100.0078（5）Underinv-0.2530*（-4.17）0.0423*（2.15）0.0390*（4.10）0.0317*（2.66）-0.0946（-0.19）-0.0251（-1.36）0.0135*（2.28）0.0321*（3.25）-0.0226*（-2.17）-0.0469（-1.06）控制控制控制39620.0346Ineff（3）Ineff-0.2871*（-4.83）0.0730*（3.41）0.0140*（10.61）0.0694*（6.59）-0.0192（-0.39）-0.0102（0.0025）0.0239*（4.75）0.0527*（3.97）-0.0682*（-2.95）-0.0476（-0.81）控制控制控制64100.0698（4）Overinv-0.4432*（-2.95）0.0553*（2.12）0.0299*（7.31）0.0113*（3.93）-0.0258（-0.02）-0.4631（-0.91）0.0272*（1.65）0.0844*（3.02）-0.0168*（-3.72）-0.0905（-0.80）控制控制控制24480.0983变量骳髆髛黄群慧等（2019）29的做法：选取 1984 年各城市每百人固定电话数量作为数字经济城市发展水平的工具变量 IV1。由于本文研究样本为平衡面板数据，只采用 1984 年城市层面的每百人固定电话数量作为工具变量会由于固定效应模型而出现难以度量的问题，故在实际操作中本文参考 Nathan 和 Nancy（2014）30的做法，构建个城市 1984 年每百人固定电话数量与上一期各城市互联网宽带接入用户数的交乘项，作为数字经济城市发展水平的工具变量；同时选取解释变量滞后一期为工具变量 IV2。表 4 列（1）显示了第一阶段的回归结果，两个工具变量对于数字经济都在 1%的水平下显著，表明解释变量与工具变量之间有明显的相关性。列（2）列示了第二阶段的回归结果，数字经济对非效率投资在 5%的水平下显著为负，表明控制内生性之后，两者之间的关系仍然存在，前文研究结论继续成立。回归结果如表 4 列（1）、列（2）所示。表 4内生性检验和稳健性检验2.稳健性检验。为了检验前文结论的可靠性，增强本文实证结果的说服力，本文采用替换被解释变量、剔除直辖市样本以及剔除剔除计算机、通信和其他电子设备制造业等行业样本三种方式进行稳健性检验。（1）被解释变量的替换。现有文献除了使用Richardson 的投资效率模型外，还常参考 Biddle 等（2009）31的研究思路，利用企业的营业增长率来对其投资支出重新估计企业的投资模型，通过模型回归残差构建全新的投资效率指标。本文便借鉴这一方法，以上述指标重新衡量制造业上市企业的投资效率，基准回归结果依然呈现在 1%水平上的负向显著，前文假说仍然成立。回归结果如表 4 列（3）所示。（2）删除直辖市的相关样本企业。考虑到直辖市的行政级别和经济发展速度与其他地级市存在明显差异，数字经济的发展水平也领先于其他地级市，所以在进行稳健性检验时本文选择删除北京、上海、天津和重庆四个直辖市样本，回避这些样本可能造成的干扰后重新进行回归检验，结果显示前文假说依然成立。回归结果如表 4 列（4）所示。（3）剔除计算机、通信和其他电子设备制造业等行业。考虑到传统制造业与计算机通信类的数字相关产业的资产结构和生产方式有明显差异，故本文借鉴祁怀锦等（2020）18的做法，将中国证监会2012 行业代码为 C39（计算机、通信和其他电子设备制造业）、I63（软件和信息技术服务业）、I64（互联网和相关服务）以及 I65（电信、广播电视和卫星传输服务）的样本剔除，重新进行回归考量，结果显示前文假说依然成立。回归结果如表 4 列（5）所示。（四）影响机制检验为进一步打开数字经济对企业非效率投资影响的黑箱，探究这种影响是否会通过企业代理成本效应和资本错配效应这两种作用机制加以实现，本文借鉴了温忠麟和叶宝娟（2014）32的研究，采用如下中介模型对机制进行了详细检验：Medi，t=啄0+啄1Digeci，t+茁Xi，t+移Year+移Ind+着i，t（5）Ineffi，t=酌0+酌1Digeci，t+酌2Medi，t+酌3Xi，t+移Year+移Ind+着i，t（6）为了验证假设 H2 和 H3，对式（5）、式（6）进行回归，结果如表 5 所示。表 5代理成本对数字经济对投资效率的中介机制回归结果（2）Ineff-0.1767*（-2.07）控制控制控制控制5769DigecIV1IV2ControlKleibergen-paap rk LMKleibergen-paap rk Wald FHansen J statisticYearIndustryIndividualNAdj.R2（1）Digec-0.1375*（-12.00）0.8315*（59.20）控制1356.60（0.0000）3846.15（1761.64）0.386（0.5346）控制控制控制5769（5）Underinv-0.2279*（-2.40）控制控制控制控制55800.0435Ineff（3）Ineff-0.3994*（-5.77）控制控制控制控制63900.0619（4）Overinv-0.3297*（-3.98）控制控制控制控制55000.0463变量（2）Ineff-0.2310*（-3.25）0.1015*（6.51）控制控制控制控制64100.0634DigecAgcostFDSobelGoodman 检验 1Goodman 检验 2ControlIndividualYearIndustryNAdj.R2（1）Agcost-0.4305*（-4.04）控制控制控制控制64100.1330（3）FD-0.2477*（-2.45）控制控制控制控制64100.0164（4）Ineff-0.2085*（-2.18）0.3871*（2.82）控制控制控制控制64100.0520变量0.0017*（Z=3.13）0.0018*（Z=3.12）0.0017*（Z=3.15）0.0028*（Z=2.19）0.0032*（Z=2.19）0.0024*（Z=2.19）Ineff骳髆髜（2）非国企-0.4969*（-4.47）控制控制控制28620.0397DigecYearIndustryIndividualNAdj.R2（1）国企-0.6869（-6.56）控制控制控制35480.0786（3）东部-0.1931*（-2.29）控制控制控制36900.0500（4）中西部-0.2565（-1.45）控制控制控制27200.0614变量Ineff代理成本（Agcost）效应的回归结果于表 5 前两列列示。由列（1）结果可知，在 1%显著水平下，Digec的系数显著为负，即数字经济能够嵌入企业治理过程并缓解企业内部代理成本问题。列（2）则进一步显示出在 1%的显著水平下，数字经济的发展和代理成本的降低均能抑制企业非效率投资行为，引导企业投资向理性化方向发展。说明确实存在中介路径改变了数字经济与企业非效率投资之间的关系，根据相关中介效应检验方式可以确定：代理成本这一指标能够在数字经济与企业非效率之间发挥部分中介作用，假设 H2 得到验证。资本错配（FD）效应的回归结果如表 5 列（3）、列（4）所示。由列（3）结果可知，5%显著水平下，Digec 的系数显著为负，即数字经济能够带领企业进入新经济环境，进而对企业资本配置效率产生积极影响，缓解资本错配的问题。列（4）则进一步显示出在 5%的显著水平下，数字经济的发展能够为企业解决资本配置问题提供更多渠道，也能与缓解企业资本错配同时抑制企业的非效率投资行为，优化企业投资模式。并说明确实存在中介路径改变了数字经济与企业非效率投资之间的关系，根据相关中介效应检验方式可以确定：资本错配这一指标能够在数字经济与企业非效率投资之间发挥部分中介作用，假设 H3 得到验证。（五）拓展性研究表 6拓展性研究本文根据企业的产权性质，将样本分为了国有企业和非国有企业。回归结果如表 6 列（1）、列（2）所示，与国有企业相比，数字经济在非国有企业中对企业非效率投资的影响更为显著。可能的原因有：第一，国有企业内部的治理结构更为复杂，委托代理理论的应用更为频繁，这会对数字技术在企业治理中的应用路径产生阻碍，也会减弱数字经济对企业非效率投资的抑制作用；第二，国有企业的决策链更长，对于数字经济渗透这样的高风险活动，具有一定的谨慎性和滞后性。另外，本文还基于区域分布，将已有样本还分成了东部地区和中西部地区。回归结果如表 6 列（3）、列（4）所示，与中西部地区相比，东部地区的数字经济对企业非效率投资的抑制作用更为显著。可能的原因有：第一，各地区经济发展水平不一，信息资源分布不均衡，我国数字经济的发展在东部和中西部之间呈现出了明显的两极分化现象。第二，东部地区的市场化进程和政策环境等明显优于中西部，因此在东部地区数字经济与实体经济的融合纵深度以及外部监督的强度相比于中西部地区有较强优势。六、结论与建议（一）研究结论为探索日益活跃的数字经济与微观企业投资效率的内在关联，本文选