數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響

摘 要：目前，我國正在推動(dòng)數(shù)字技術(shù)提升與數(shù)字化轉(zhuǎn)型建設(shè)。本文以84家涉農(nóng)企業(yè)A股上市公司2011—2020年凈資產(chǎn)收益率、數(shù)字化轉(zhuǎn)型程度、企業(yè)規(guī)模、盈利增長(zhǎng)率、資產(chǎn)負(fù)債率等相關(guān)數(shù)據(jù)為樣本，探討數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響。通過回歸分析驗(yàn)證了數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的正向影響。

關(guān)鍵詞：涉農(nóng)企業(yè)；數(shù)字化轉(zhuǎn)型；企業(yè)績(jī)效

一、引言

隨著數(shù)字化時(shí)代的到來，更多企業(yè)開始著眼于數(shù)字化發(fā)展以提升企業(yè)績(jī)效與競(jìng)爭(zhēng)能力。從2022埃森哲中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)看，未來1—2年內(nèi)中國企業(yè)計(jì)劃加大數(shù)字化投資力度近60%，國內(nèi)領(lǐng)軍企業(yè)從數(shù)字化投資中獲穩(wěn)健績(jī)效，相較于2016年，企業(yè)綜合績(jī)效提升11%。

但在轉(zhuǎn)型中，涉農(nóng)企業(yè)面臨許多挑戰(zhàn)和機(jī)遇。一方面，涉農(nóng)企業(yè)需要面對(duì)數(shù)字化信息技術(shù)的更新迭代和產(chǎn)業(yè)成本投入的壓力。另一方面，數(shù)字化轉(zhuǎn)型又為涉農(nóng)企業(yè)帶來廣闊的發(fā)展空間，促進(jìn)鄉(xiāng)村產(chǎn)業(yè)振興。于是數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響成了值得探討的問題。

縱觀國內(nèi)外文獻(xiàn)，對(duì)涉農(nóng)企業(yè)的績(jī)效研究涵蓋了多個(gè)方面，但對(duì)涉農(nóng)企業(yè)數(shù)字化能力及其實(shí)證的研究較少。為更好地了解涉農(nóng)企業(yè)績(jī)效的評(píng)估方法，并通過數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效影響的研究，為涉農(nóng)企業(yè)發(fā)展提供理論指導(dǎo)和實(shí)踐經(jīng)驗(yàn)。因此，本文以涉農(nóng)企業(yè)為研究對(duì)象，采用實(shí)證研究方法，探討數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響，借此為深入數(shù)字化轉(zhuǎn)型研究，探索數(shù)字化轉(zhuǎn)型機(jī)制提供參考，同時(shí)促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展。

二、文獻(xiàn)回顧與理論假說

隨著數(shù)字技術(shù)的發(fā)展，數(shù)字化轉(zhuǎn)型的研究也備受關(guān)注。楊蕙馨與孫芹（2023）通過對(duì)76篇獨(dú)立研究中111個(gè)效應(yīng)值進(jìn)行分析，研究數(shù)字技術(shù)與服務(wù)化對(duì)制造業(yè)企業(yè)績(jī)效的影響。采用元分析方法，進(jìn)行異質(zhì)性檢驗(yàn)，結(jié)果與假設(shè)一致，證明數(shù)字化正通過各種方式成為企業(yè)響應(yīng)市場(chǎng)需求，提升競(jìng)爭(zhēng)力的重要途徑。

1.涉農(nóng)企業(yè)績(jī)效影響因素研究

衛(wèi)芝紅（2022）等研究了涉農(nóng)企業(yè)社會(huì)責(zé)任與財(cái)務(wù)績(jī)效的關(guān)系，選擇2014—2019年75家涉農(nóng)上市公司416個(gè)觀測(cè)值為研究對(duì)象，建立線性回歸模型，進(jìn)行回歸分析及穩(wěn)健性檢驗(yàn)。經(jīng)過檢驗(yàn)回歸結(jié)果與原結(jié)果一致，認(rèn)為涉農(nóng)企業(yè)績(jī)效受多方面影響。周國光（2001）等認(rèn)為企業(yè)績(jī)效包括盈利水平、償債能力等多個(gè)維度。Corevnen（2020）指出企業(yè)績(jī)效是衡量企業(yè)行為變化導(dǎo)致結(jié)果的重要指標(biāo)之一，數(shù)字服務(wù)化對(duì)企業(yè)績(jī)效也必然產(chǎn)生影響。

2.數(shù)字化轉(zhuǎn)型影響涉農(nóng)企業(yè)績(jī)效的機(jī)理

李曉陽（2023）等研究了數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)經(jīng)營績(jī)效提升的傳導(dǎo)機(jī)制，通過分析126家涉農(nóng)企業(yè)上市公司的A股數(shù)據(jù)，建立雙固定效應(yīng)模型并且進(jìn)行回歸分析與穩(wěn)健性檢驗(yàn)，回歸結(jié)果證明了數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)經(jīng)營績(jī)效有持續(xù)正向的促進(jìn)作用。孫立新（2022）等認(rèn)為農(nóng)業(yè)技術(shù)創(chuàng)新重要性增強(qiáng)，促進(jìn)科技創(chuàng)新是促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的前提。李民（2022）等的研究中提到數(shù)字化轉(zhuǎn)型已成為促進(jìn)傳統(tǒng)動(dòng)能提升和新動(dòng)能壯大的重要途徑，促進(jìn)了涉農(nóng)企業(yè)競(jìng)爭(zhēng)力的提升?；谄髽I(yè)轉(zhuǎn)型理論，數(shù)字化時(shí)代的到來使得很多企業(yè)開始進(jìn)行數(shù)字化轉(zhuǎn)型。趙文（2021）等基于價(jià)值創(chuàng)造“三重底線”將企業(yè)績(jī)效劃分為財(cái)務(wù)、環(huán)境和社會(huì)績(jī)效。而環(huán)境與社會(huì)績(jī)效涉及多方面的指標(biāo)，會(huì)出現(xiàn)數(shù)據(jù)準(zhǔn)確性低，指標(biāo)不統(tǒng)一，成本高等問題，而財(cái)務(wù)績(jī)效作為反映企業(yè)能實(shí)現(xiàn)其財(cái)務(wù)目標(biāo)的重要表現(xiàn)，具有直觀可見、比較性與操作性較強(qiáng)等優(yōu)點(diǎn)。因此，本文選取財(cái)務(wù)績(jī)效作為企業(yè)績(jī)效的主要測(cè)量指標(biāo)。

綜上所述，提出本文的研究假說：數(shù)字化轉(zhuǎn)型與涉農(nóng)企業(yè)績(jī)效正相關(guān)。

三、模型選擇與數(shù)據(jù)說明

1.模型選擇

借鑒蔣雯等的研究，結(jié)合上述研究假設(shè)與實(shí)際數(shù)據(jù)設(shè)計(jì)以下模型，對(duì)數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響進(jìn)行實(shí)證研究：

ROEt=β0+β1*DTt+β2*SIZEt+β3*GROWTHt+β4*LEVt（1）

在式（1） 中，ROE為凈資產(chǎn)收益率，是凈利潤與凈資產(chǎn)的比值；DT為數(shù)字化轉(zhuǎn)型程度；SIZE為企業(yè)規(guī)模，是期末總資產(chǎn)的自然對(duì)數(shù)；GROWTH為盈利增長(zhǎng)率，是當(dāng)期凈利潤同比上一期的增長(zhǎng)幅度；LEV為資產(chǎn)負(fù)債率，是期末負(fù)債總額與資產(chǎn)總額的比值。t為時(shí)間，β0為常數(shù)，β1為凈資產(chǎn)收益率與數(shù)字化轉(zhuǎn)型程度的系數(shù)，β2為凈資產(chǎn)收益率與企業(yè)規(guī)模的系數(shù)，β3為凈資產(chǎn)收益率與盈利增長(zhǎng)率的系數(shù)，β4為凈資產(chǎn)收益率與資產(chǎn)負(fù)債率的系數(shù)。由于本研究數(shù)據(jù)的自變量量綱和單位均有所不同，因此本文選擇將數(shù)字化轉(zhuǎn)型程度與公司規(guī)模取對(duì)數(shù)處理，更好反映自變量的變化對(duì)因變量的影響程度。

（1） 被解釋變量

本文選擇凈資產(chǎn)收益率（ROE）來衡量涉農(nóng)企業(yè)績(jī)效。主要原因?yàn)閮糍Y產(chǎn)收益率是反映企業(yè)在盈利能力和資產(chǎn)利用等方面的綜合表現(xiàn)，有助于進(jìn)行全方面評(píng)估。同時(shí)，凈資產(chǎn)收益率有助于投資者進(jìn)行投資決策。

（2） 解釋變量

參考吳非（2021）等的研究，本文選取CSMAR中《中國上市公司數(shù)字化研究轉(zhuǎn)型數(shù)據(jù)庫》，選擇其中的企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)統(tǒng)計(jì)表中的數(shù)字化轉(zhuǎn)型指數(shù)（DT）衡量數(shù)字化轉(zhuǎn)型程度。

（3） 控制變量

參考數(shù)字化轉(zhuǎn)型影響企業(yè)績(jī)效的相關(guān)文獻(xiàn)本文選取企業(yè)規(guī)模（SIZE）、盈利增長(zhǎng)率（GROWTH）、資產(chǎn)負(fù)債率（LEV）作為控制變量。

變量定義如表1所示。

2.數(shù)據(jù)來源與描述性分析

（1） 數(shù)據(jù)收集方法

本文依據(jù)華西證券農(nóng)林牧漁行業(yè)上市公司股票，選取2011—2020年數(shù)據(jù)。并對(duì)數(shù)據(jù)做以下處理：①剔除在樣本期間退市（ST、ST*類），或上市數(shù)據(jù)不滿兩年的企業(yè)；②相關(guān)變量取對(duì)數(shù)處理；③存在缺失值的數(shù)據(jù)在運(yùn)行程序時(shí)成列排除數(shù)據(jù)。最終獲得84家涉農(nóng)企業(yè)A股上市公司的5015個(gè)企業(yè)年觀測(cè)值。

為獲得有效及可靠的數(shù)據(jù)，本文數(shù)字化轉(zhuǎn)型指標(biāo)信息與涉農(nóng)企業(yè)上市公司財(cái)務(wù)信息主要來自國泰安數(shù)據(jù)庫、公司官網(wǎng)，并對(duì)數(shù)據(jù)進(jìn)行手動(dòng)整理。

（2） 描述性統(tǒng)計(jì)

由主要變量描述性統(tǒng)計(jì)表（表2）可得：ROE的平均值為0.05，標(biāo)準(zhǔn)差為0.137，平均值與標(biāo)準(zhǔn)差較小，說明其自有資本收獲利益的能力一般。DT的最小值與最大值相差較小，平均值較大，標(biāo)準(zhǔn)差為0.179，波動(dòng)較小，說明數(shù)字化轉(zhuǎn)型程度總體不低且正在不斷提高。SIZE均值為3.08，與最大值相差較小，且標(biāo)準(zhǔn)差較小，說明涉農(nóng)企業(yè)總體規(guī)模較大。GROWTH最大值為4，平均值較小，說明企業(yè)普遍成長(zhǎng)速度不理想。LEV的平均值、最大值與標(biāo)準(zhǔn)差均較低，說明上述涉農(nóng)企業(yè)的現(xiàn)金流較理想，償債能力較強(qiáng)，經(jīng)營穩(wěn)健。

（3） 相關(guān)性檢驗(yàn)

對(duì)所選數(shù)據(jù)進(jìn)行皮爾遜相關(guān)性分析以及雙尾檢驗(yàn)，得到相關(guān)性檢驗(yàn)表（表3）。由表可知：ROE與DT之間的相關(guān)性為0.093*，顯著性為0.017，表明兩者之間在0.05級(jí)別相關(guān)性顯著。ROE與SIZE之間的相關(guān)性為0.249**，說明兩者之間在0.01級(jí)別相關(guān)性顯著。GROWTH與ROE之間相關(guān)性為0.189**，表明兩者之間在0.01級(jí)別時(shí)具有顯著的相關(guān)性。LEV與ROE兩個(gè)變量間的相關(guān)性為-0.281**，說明兩者在0.01級(jí)別時(shí)相關(guān)性顯著。被解釋變量與解釋變量之間的相關(guān)性均處于-1至1之間，自變量與因變量之間具有線性相關(guān)性。

四、實(shí)證檢驗(yàn)與分析

由主要變量回歸分析表（表4）可知：共線性統(tǒng)計(jì)時(shí)，VIF值均小于5，因此回歸模型不存在共線性問題，在5%的顯著性下，DT與涉農(nóng)企業(yè)績(jī)效之間的t值為1.096，顯著性為0.273，說明DT與涉農(nóng)企業(yè)績(jī)效之間有較為顯著的相關(guān)性。DT與涉農(nóng)企業(yè)績(jī)效之間的β值為0.033，在95%的置信區(qū)間內(nèi)，DT與涉農(nóng)企業(yè)績(jī)效之間正相關(guān)?；貧w統(tǒng)計(jì)結(jié)果驗(yàn)證了假設(shè)的正確性。同理，分析控制變量可以得出：SIZE與績(jī)效之間的β值為1.049，說明在0.05的顯著性下，公司規(guī)模的大小與涉農(nóng)企業(yè)之間正相關(guān)。GROWTH與ROE之間的β值為0.062，表明在0.05的顯著性下，GROWTH與ROE正相關(guān)。而LEV與涉農(nóng)企業(yè)績(jī)效之間的β值為-0.303，說明在5%的顯著性水平下，LEV與績(jī)效之間負(fù)相關(guān)，但負(fù)相關(guān)值較小。

由F值檢驗(yàn)表（表5）可得：在0.05的顯著性水平下，自由度為4，各解釋變量對(duì)被解釋變量有較顯著的線性關(guān)系。

五、結(jié)論與政策建議

數(shù)字化轉(zhuǎn)型程度與涉農(nóng)企業(yè)績(jī)效之間正相關(guān)。說明隨著企業(yè)數(shù)字化轉(zhuǎn)型程度的提高，其企業(yè)績(jī)效也會(huì)不斷提高。主要原因在于在控制變量的作用下，數(shù)字化轉(zhuǎn)型可以促進(jìn)財(cái)務(wù)績(jī)效的提升。涉農(nóng)企業(yè)也可以在數(shù)字化轉(zhuǎn)型的基礎(chǔ)上，通過擴(kuò)大公司規(guī)模，優(yōu)化產(chǎn)業(yè)鏈以提高總資產(chǎn)凈利潤率，促進(jìn)盈利增長(zhǎng)，加強(qiáng)總體競(jìng)爭(zhēng)力。

由于涉農(nóng)企業(yè)績(jī)效研究相關(guān)體系建設(shè)尚不完善，本文也有一定的局限性，涉農(nóng)企業(yè)績(jī)效指標(biāo)單一，對(duì)數(shù)字化程度指標(biāo)界定簡(jiǎn)單等。同時(shí)本文通過數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的研究，促進(jìn)了涉農(nóng)企業(yè)數(shù)字化創(chuàng)新市場(chǎng)與農(nóng)業(yè)可持續(xù)發(fā)展體系的建設(shè)，企業(yè)可以通過促進(jìn)數(shù)字化轉(zhuǎn)型，重視數(shù)字化技術(shù)的應(yīng)用與實(shí)施，數(shù)字化創(chuàng)新人才的培養(yǎng)來提高企業(yè)各方面績(jī)效。未來可以通過對(duì)數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效的影響機(jī)制進(jìn)行研究，探討數(shù)字化中不同方面的程度對(duì)涉農(nóng)企業(yè)生產(chǎn)，創(chuàng)新，環(huán)境，經(jīng)營等方面的影響，以及影響數(shù)字化程度對(duì)涉農(nóng)企業(yè)績(jī)效正相關(guān)的中介因素的探討，進(jìn)一步研究數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)績(jī)效提升的內(nèi)在途徑。

參考文獻(xiàn)：

[1]楊蕙馨，孫芹.數(shù)字技術(shù)與服務(wù)化對(duì)制造業(yè)企業(yè)績(jī)效的影響研究[J].經(jīng)濟(jì)與管理評(píng)論，2023，39（3）：116-129.

[2]衛(wèi)芝紅，陸新文，胡翠萍.涉農(nóng)企業(yè)社會(huì)責(zé)任與財(cái)務(wù)績(jī)效的實(shí)證研究——基于研發(fā)投入的中介作用[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，35（5）：139-144.

[3]周國光，李祥義，王楠，等.長(zhǎng)安大學(xué)會(huì)計(jì)系列教材財(cái)務(wù)管理學(xué)（修訂版）[M].西安：西北大學(xué)出版社，2001.

[4]Coreynen W，Matthyssens P，Vanderstraeten J，et al.Unravelling the Internal and External Drivers of Digital Servitization：A dynamic Capabilities and Contingency Perspective on Firm Strategy[J].Industrial Marketing Management，2020，89：265-277.

[5]李曉陽，易鑫，郭鑫，等.數(shù)字化轉(zhuǎn)型賦能涉農(nóng)企業(yè)經(jīng)營績(jī)效提升的傳導(dǎo)機(jī)制研究——基于雙固定效應(yīng)模型的實(shí)證[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2024（1）：96-110.

[6]孫立新，王曉君，金曄，等.中國涉農(nóng)企業(yè)科技創(chuàng)新能力演變及提升路徑——來自上市涉農(nóng)企業(yè)的經(jīng)驗(yàn)證據(jù)[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2022（12）：4-18.

[7]李民，戴永務(wù).數(shù)字化轉(zhuǎn)型對(duì)涉農(nóng)企業(yè)競(jìng)爭(zhēng)力的影響——基于企業(yè)異質(zhì)性視角[J].北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，37（3）：79-88.

[8]VENKATRAMAN N，RAMANUJAM V.戰(zhàn)略研究中企業(yè)績(jī)效的度量：方法比較[J].管理學(xué)院評(píng)論，1986，11（4）： 801-814.

[9]蔣雯，付哲，王蘭.數(shù)字化轉(zhuǎn)型與軍工企業(yè)績(jī)效——作用機(jī)理與經(jīng)驗(yàn)證據(jù)[J].工業(yè)技術(shù)經(jīng)濟(jì)，2023，42（7）：58-67.

[10]吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界，2021，37（7）：130-144+10.

[11]肖靜，曾萍，任鴿.數(shù)字化轉(zhuǎn)型、吸收能力與制造企業(yè)雙重績(jī)效——地區(qū)數(shù)字化水平的調(diào)節(jié)作用[J].研究與發(fā)展管理，2023，35（2）：129-143.

[12]袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國工業(yè)經(jīng)濟(jì)，2021（9）：137-155.

作者簡(jiǎn)介：黃麗文（2003— ），女，瑤族，湖南永州人，湖南農(nóng)業(yè)大學(xué)，本科在讀，研究方向：農(nóng)林經(jīng)濟(jì)管理。