数字化转型对制造业上市公司投资效率的影响

The Impact of Digital Transformation on the Investment Efficiency of Manufacturing Listed Companies

摘要: 随着全球经济的快速发展，数字化转型已成为制造业提升竞争力的关键因素。它不仅推动了生产、生活、治理模式的持续变革，也推动了产业数字化与数字产业化。本研究旨在探讨数字化转型如何影响制造业上市公司的投资效率。通过选取2003~2022年间我国沪深A股制造业上市公司数据，运用面板数据分析方法，本研究发现数字化转型显著提高了公司的投资效率。具体而言，数字化转型通过缓解融资约束对投资效率产生了积极影响。然而，研究也发现，不同地区和产权性质的制造业上市公司在数字化转型过程中的投资效率提升程度存在差异。本研究为制造业上市公司提供了数字化转型的实证依据，并建议公司应根据自身特点制定相应的数字化转型策略，以最大化投资效率。企业应大力推动数字化转型，在此过程注重降低融资约束，减少信息不对称，并加强监督。这些措施有助于企业更好地适应市场需求，提高竞争力，实现可持续发展。

Abstract: With the rapid development of the global economy, digital transformation has become a key factor to enhance the competitiveness of the manufacturing industry. It not only promotes the continuous transformation of production, life and governance models, but also promotes industrial digitalization and digital industrialization. This study aims to explore how digital transformation affects the investment efficiency of listed manufacturing companies. By selecting the data of Shanghai and Shenzhen A-share manufacturing listed companies during 2003~2022 and using panel data analysis method, this study finds that digital transformation significantly improves the investment efficiency of companies. Specifically, digital transformation has had a positive impact on investment efficiency by easing financing constraints. However, the research also found that there are differences in the degree of investment efficiency improvement of listed manufacturing companies in different regions and property rights in the process of digital transformation. This study provides an empirical basis for the digital transformation of listed manufacturing companies, and suggests that companies should formulate corresponding digital transformation strategies according to their own characteristics to maximize investment efficiency. Companies should push ahead with digital transformation, focusing on reducing financing constraints, reducing information asymmetries, and strengthening oversight. These measures help enterprises better adapt to market demand, improve competitiveness and achieve sustainable development.

1. 绪论

1.1. 研究背景

随着全球经济的快速发展，数字化转型已成为制造业提升竞争力的关键因素，它把数字经济融入到实体经济中，驱动着生产、生活、治理模式持续变化，推动产业数字化和数字产业化。在“数字中国”建设的整体性、系统性和协同性的背景下，主动推进企业数字化转型，对于“数字中国”建设，尤其是提升我国制造企业的投资效率，都有着重要的理论和现实意义。

1.2. 研究目的及意义

制造业数字化转型是全球发展的大趋势，对制造业而言，数字化转型已成为提升企业竞争力、满足市场需要的重要手段。数字化转型能够为企业带来更多的效益、减少成本、优化产品与服务、优化供应链管理、拓展新的经营模式、提升企业的竞争能力。在数字化转型的过程中，制造企业能够实现生产的智能化、高效化、精细化，提升产品的质量与创新能力，从而能够满足日益增长的市场需要，推动制造业朝着高品质、高效益、可持续发展的方向发展。要想在激烈的市场竞争中取得更大的竞争优势，就必须要主动回应数字化变革的呼声，加强对数字科技的研究和应用，不断推进数字化转型进程。

本研究旨在探索数字化转型对制造企业上市公司投资效率的影响关系及其内在机制，为企业未来投资及其他决策制定拓宽思路。研究数字化转型对制造业上市公司投资效率的意义在于提高企业运营效率、降低成本、提升竞争力，并创造更好的投资回报。

1.3. 相关研究与评述

1.3.1. 关于数字化转型的研究

以往的研究主要集中在数字化转型的微观层面。赵宸宇等[1]从“研发创新”，“人力资本”，“两业融合”，“降本增效”四个角度对企业进行了深入的探讨，并提出了相应的对策。易露霞等[2]通过分析企业数字化转型对公司绩效的作用，发现公司绩效有所提高。数字化转型可以充分发挥企业在信息、资源等方面的优势，降低企业间的信息不对称性，改善公司治理[3]，加快公司创新，促进公司发展[4]。企业是促进数字经济发展和转型的主要力量，它的数字化转型正在逐渐向企业的特定生产行为转变。企业的数字化转型不仅是其与生产建设的深度结合，同时也是企业由传统的制造业系统向数字化系统转型的一个重要特征。特别是在目前国际经济和贸易不确定因素增多、经济下行压力加大、经济转轨加快的情况下，中国企业表现出了更多的主动变革与创新意识，并将“数字化+”列为企业应对困境的第一战略行动[5]，助力自身高质量发展。

1.3.2. 关于制造业上市公司投资效率的研究

由于各种因素的作用，企业的实际投入往往与其最优投入规模存在一定的偏差，从而引致投资效益的损失。在实际投入大于最佳投资规模时，存在着投资过剩现象[6]。委托–代理与非对称性是导致投资不足与过度投资的重要原因[7]。为了保护自己的利益不受损失，或者是为了补偿高风险，债权人们会采取信用配给或提高利率的方法，这就让公司不能得到足够的资金，甚至是不能得到信贷融资，也不能承受很高的融资成本，这就让公司面对着外部的融资限制[8]。如果企业缺乏足够的资金，或者是过度的融资成本，都会引致企业的投资意愿下降，从而使企业的实际投入远远小于其最适的水平，从而造成投资的短缺。随着信息不对称水平的提高，公司受到更大的融资约束，更多的投资不足[9] [10]。过度投资是指因公司委托关系等原因导致经理人滥用资本[11]。

1.3.3. 关于数字化转型和制造业上市公司投资效率的研究

投资决策关系到企业的成长。20世纪70年代以后，国外的一些学者以委托–代理理论、融资约束理论、自由现金流量理论[12] [13]，对公司的投资行为进行了深入的研究。单纯依赖于资金规模扩大的投资模式已不能满足当前快速变化的市场需要，甚至有可能导致公司面临融资困难。企业要想在残酷的市场中处于有利地位，就必须提高投资的效率和质量。企业通过投资大量资本、使用数字技术加速产品与技术革新以适应市场变化，从而实现数字化转型[14]。从资源基础理论[15]-[17]的角度看，数字化转型将给传统的生产要素注入新的动能，带来了新的企业资源，为企业的发展与创新带来了无限的可能性。在这一数字化的转变过程中，还能增强收集和整合市场信息的能力，掌握市场的最新动向，从而让产品的设计、生产和营销更加具有创新，从而获得不同的市场竞争力。另外，通过与物联网和大数据的有机结合，企业能够对每一个生产过程进行精确的控制，对风险和效益进行更好的权衡，将资本分配到合适的位置，从而达到精细的投资。

1.3.4. 研究评述

综上所述，已有的投资决策和数字化研究主要是基于对价格需求函数的建模模拟，或者是从公司的策略管理和组织变革两个角度来考察其对公司的影响，很少有研究把数字化转型与公司的投资效率联系在一起[18]-[20]。本文探讨数字化转型对制造业上市公司投资效率的影响及两者之间的联系。在当今社会，企业要主动适应快速发展的数字时代，抓住机会，激励公司开展数字化转型，帮助公司实现更高的发展。其次，要结合企业的产权属性等特征，制定适合自己的数字化发展道路，并在此基础上引导数字化转型与已有资源相匹配，最大限度地避免企业在适应中面临的风险。

2. 理论分析与研究假设

2.1. 数字化转型与投资效率

数字化转型与投资效率具有紧密联系。数字化转型能够提高企业的投资效率。在数字化转型过程中，数字技术得到了越来越多的应用，同时也产生了很多新的业务模式，例如共享经济、平台经济等，这些模式可以更有效地利用现有的资本资源，实现资本的最大化利用。在数字化转型时期，企业能够利用大数据等科技手段，对市场需求、消费者行为等进行更精确的了解，进而进行更精确的决策，提升公司的投资效率。

数字化转型是提升企业投资效率的一个重要方面。经过分析和预测，企业能够对市场需求进行精确的预测，对生产计划与库存进行优化，降低资金闲置与过剩产能，提升资金利用效率；基于物联网、人工智能、大数据等技术，制造企业能够对设备进行自动监测、预测维护以及智能的生产计划，以此来减少生产费用，提升生产效率。采用数字设计与制造技术，使企业能更好地适应顾客的个性化需要，降低废品率和存货积压，增强产品在市场上的竞争能力；借助数字技术和网络平台，企业可以拓展新的市场和新的业务范围，进行商业模式的转变与升级，进而提升企业的长期投资效益。总而言之，数字化转型能够提升制造企业的生产效率与产品品质，推动商业模式的创新与发展，进而获得更高的投资效率与长远竞争力。

数字化转型可以降低企业内外部的信息不对称性，从而提升企业的投资效益。就信息搜寻而言，信息电子化可以丰富信息来源，提升企业信息搜寻效率；借助数字科技中的交叉互联特性，公司可以通过网络搜寻各类资料，扩大搜寻的广度与深度，使公司获取更为完整与有价值的信息。通过算法推荐和大数据筛选等数字化手段，企业可以在线查找和快速追踪潜在产品，减少搜索成本，优化搜索过程，达到有效的供求匹配，解决企业“信息贫瘠”问题。另外，在信息的集成和使用上，信息技术还可以帮助企业实现信息的集成和应用。由于信息差，企业和外部环境之间存在着不对称性，从而影响到企业的投资行为。借助云计算和区块链等技术，企业能够对碎片化的信息进行精细化管理，从而解决不同类型的信息资源之间无法进行协作的问题，提高了企业的信息资源的集成能力。在此基础上，利用大数据的预测能力，对不同的投资选择进行仿真模拟和优化，让企业清楚地认识到不同的投资方式所带来的收益和风险的分布情况，从而减少企业在投资活动中的无效投入，同时也可以帮助企业根据大量的信息做出科学的决策，减少不必要的投入。

数字化转型还有利于减少企业的代理成本，提高企业的投资效率。本文从理论上分析了我国制造业上市公司治理中存在的问题，并提出了相应的对策。经理人一般都存在着职业上的担忧和自私的心理，他们未必会做出对公司最有利的投资计划，这就会产生投资无效率的问题。出于职业上的考虑，为了减少因为投资失败而被辞退的风险，经理们往往会放弃一些即使能够提升公司价值但也有很大风险的投资项目，这有可能造成公司投资不足，从而影响公司的投资效率。从自我中心化的视角来看，经理人出于“商业帝国”、工作支出等自利动机，会通过扩大投资规模以提升其“控制权收入”，从而诱发企业的过度投资行为。

数字化转型是一种新型的监管手段和方法，它可以解决经营者与股东之间的委托代理问题，提高经理人的决策品质。一方面，利用数字化技术可以帮助上市公司提高自身的信息披露质量，促使其向公开化、透明化和及时性方向发展。在此基础上，股东、项目合作方等各方主体可以高效获取公司管理层的决策数据，及时掌握项目进展情况，减少管理者为了个人私利而隐瞒投资信息。同时，将数据挖掘技术、分析技术和应用技术有机地融合在一起，使企业的监督管理机制更加科学和精准。随着数字化技术的发展，经理人的投资决策将会越来越依赖于对数据的量化分析，从而减少经理人的决策自由和投机行为，降低管理者在投资过程中产生的职业焦虑，从而提高企业的投资效率。

另外，数字化转型也在一定程度上促进了资本配置的市场化，更好地实现了企业的投资效率。从企业层面来看，数字化转型时代下企业通过大数据分析等技术对市场信息的掌握更加及时，能够更加准确地把握市场需求，从而制定更为精准的经营策略，促进资本的有效配置和利用。同时，企业还可以通过建立平台模式来提升资本利用效率，例如阿里巴巴等互联网平台企业通过建立自己的电商平台等方式来收集、整合、处理和运用市场信息，实现了对市场需求、消费者行为等信息的高效利用，促进了企业的投资效率。

综上，提出如下假设：

假设一：数字化转型可以提高制造业上市公司投资效率。

2.2. 数字化转型、融资约束与投资排版规范的完整性

数字化转型可以提升公司的信息透明度，减少信息不对称。数字化时代，企业可以通过数字化平台和数据挖掘等技术，更好地披露财务信息、经营状况和投资计划等，使投资者更加全面地了解企业的真实情况。此外，大数据分析和人工智能等技术也可以帮助投资者更准确地评估企业的信用风险和偿债能力，从而降低信息不对称性，有助于减少金融机构对企业的不确定性，从而提高融资可获得性。通过数字化技术，企业可以更加透明地展示其自身状况，这使投资者和金融机构能够更准确地评估企业的价值和风险，降低融资障碍，数字化转型可以提高企业资产的流动性和可变现性，通过数字化资产管理和金融科技(Fintech)平台，企业可以更轻松地转让资产、获取短期融资或进行资产证券化，从而更有效地利用资产，提高资金周转效率，数字化转型能够催生多元化的融资渠道和融资方式：如P2P网贷、第三方支付等新型的融资渠道和融资方式。这些新型的融资渠道和方式使得众多企业和个人投资者能够更方便地获得资金支持，从而扩大了直接融资和间接融资的覆盖面。与此同时，这种新的融资方式可以减少对企业的资金依赖性，拓宽其融资途径，增强其灵活性和可得性，从而促进企业的投资效益。

提高信息透明度，既能让公司受到外部投资者的有效监督，又能为供求双方做出正确的决定，还能实现资金供求双方的直接对接。通过消除信息不对称的问题能够缓解供求双方之间的不平衡，在提高金融服务效率和包容性的同时，还能吸引外部高质量的资源。同时，数字化转型还可以促进信用制度的构建与发展，从而解决由于逆向选择与道德风险导致的银行信贷困境，提高银行对企业的放贷意愿。在消除融资约束这一中介机制之后，原先背负着委托责任的管理层，可能不会出于风险规避和目光短浅的考量，把钱投到那些短期利益明显但发展前景不佳的项目上，从而导致了投资不足、低效的投资，转而投向了短期回报比较低、但具有长远发展前景的可持续发展项目。此外，当公司面临较低的融资约束时，他们也更有能力和意愿去选择高风险、高收益的项目，从而提高公司的投资效率。

数字化转型是一种有效的融资方式，它能有效地减少资金供给和需求侧的融资成本。一方面，金融机构等资金提供者能够利用诸如因特网之类的数字化技术，快速获取海量的需要资金的相关资料，并通过大数据模型等方式，为用户提供个性化的金融服务，从而减少信息处理的成本。同时，随着数字化技术的发展，也将提高金融机构的信用服务和投资者的投资业务，吸引更多的投资者和投资机构的进入。另一方面，企业可以获得更多的信息，这对企业的融资决策有很大的帮助，进而提高企业与投资人之间的谈判筹码，从而降低融资成本。数字化转型能够缓解公司的融资约束，对于那些处于“低投入”状态的公司来说，会起到一定的促进作用。由于资金紧张，企业常常会对某些高质量的投资项目视而不见，这就导致了他们的投入程度达不到最佳的程度，而数字化转型则能让公司扩大外部融资渠道，提高融资的数量，从而填补投资的缺口，提高企业的投资效率。

因此提出如下假设：

假设二：数字化转型能够缓解融资约束，进而提高企业的投资效率。

3. 研究设计

3.1. 样本选取及数据来源

本研究聚焦于中国沪深A股市场制造业上市公司的数字化转型。在2003~2022年这一时间段内，选取了141家表现稳健、数据完整的制造业企业，累计收集了2820项样本数据。为确保数据的准确性和可比性，我们排除了那些经营状况不佳或数据缺失严重的企业，同时排除了金融行业的干扰。在数据处理方面，我们对关键的连续性变量执行了双向1%的缩尾处理，旨在减少异常值的干扰，从而提高分析结果的稳定性和可靠性。数据来源于国泰安数据库、中国省级数据库3.2、北京数字金融研究中心和国家统计局。

3.2. 变量选取

3.2.1. 被解释变量

企业投资效率是指企业在一定时期内资本的转化效率和效益。相关研究多借助Richardson期望投资模型[6]估算正常投资支出，然后以模型回归残差绝对值作为非效率投资度量，以此间接反映投资效率。期望投资模型如下：

$\begin{array}{c}{\text{Invest}}_{i,t}={\alpha }_0+{\alpha }_1{\text{growth}}_{i,t-1}+{\alpha }_2{\text{size}}_{i,t-1}+{\alpha }_3{\text{lev}}_{i,t-1}+{\alpha }_4{\text{cash}}_{i,t-1}\\ +{\alpha }_5{\text{invest}}_{i,t-1}+{\alpha }_6{\text{age}}_{i,t-1}+{\alpha }_7{\text{Ret}}_{i,t-1}+{\delta }_i+{\theta }_t+{\epsilon }_{i,t}\end{array}$ (1)

在模型(1)中，invest_i,t代表了公司i在第t年的实际新增投资支出。将公司的资产回报率、资产负债率、公司年龄、公司规模、营业收入增长率以及公司的现金持有状况都纳入到了这个模型之中，并且在此基础上还对各个解释变量进行了滞后一期处理，i是公司，t是年份，δ_i表示企业省份固定效应，θ_t表示时间固定效应，ε_i,t为残差项，其绝对值INV即投资偏离度，反映了公司的实际投资规模与期望规模之间的偏差，也就是无效的投入规模，是一个负向的指标。INV数值越大，企业实际投资与理想投资间差距越大，投资效率越低。

3.2.2. 解释变量

本文的解释变量是数字化转型。借鉴吴非[18]等人关于企业数字化转型的研究成果，以机器学习为基础，运用文本分析法，对企业数字化转型指标进行测度。首先从企业的年度报告中提取与数字化相关的信息，因为这些报告通常会披露公司在数字化建设与应用方面的进展。为了确保分析的准确性和全面性，参考《中小企业数字化赋能专项行动方案》以及其他相关政策文件，从中提炼出企业数字化转型的核心概念。然后将这些概念与上市公司的年度报告文本进行对比分析，构建了一个专门针对数字化特征的词典。

在构建词典的过程中，采用了ABCD技术框架，即人工智能(Artificial Intelligence)、区块链(Blockchain)、云计算(Cloud Computing)和大数据(Big Data)。通过这一框架，将与企业数字化转型相关的特征词汇进行了系统分类，最终筛选出84个关键词汇。通过这种结合政策文件和企业年报文本的方法，我们能够更准确地捕捉到上市公司在数字化转型方面的具体表现。这为评估数字化转型对企业绩效的影响提供了坚实的基础。其次，利用Python语言对2014~2020年上市公司年报中含有以上关键字的句子进行统计，并结合人工阅读方法对其进行数据清理，去除关键字之前出现的“不”、“没”等负面词汇；删除供应商、客户和高级管理人员档案中包含数字化转型关键字的声明；删除全部表格资料和表述不明确的说明。最后，对关键词进行清理，并用关键词出现总数 + 1的对数来度量企业数字化转型程度，并用10除以10来剔除小数差异，即DIG1。

3.2.3. 中介变量

融资约束。采用Hadlock和Pierce [21]构建的SA指数刻画企业融资约束，具体计算公式为SA = −0.737*Size + 0.043*Size2 − 0.04*Age。其中，Size代表企业的规模，而Age则代表企业的年龄。根据计算公式，SA指数通常表现为负值。值得注意的是，SA指数越大，通常意味着企业的规模较小，成立时间较短。这样的企业往往面临着更为严峻的融资挑战。这是因为规模较小、成立时间较短的企业在获取外部融资方面存在更多的困难，因此更容易受到融资约束的影响。总的来说，SA指数越大，表明企业规模越小、成立时间越短，从而融资约束的程度也就越严重。

3.2.4. 控制变量

为了克服遗漏变量造成的偏误，我们根据刘亦文和高京淋的研究[22]选择企业与宏观两个层次的控制变量，包括资产回报率(Ret)，即公司的净利润与总资产的比例；资产负债率(Lev)，即公司的总负债与总资产的比例；各区域的经济发展程度(lnPGDP)，用人均GDP的自然对数来衡量；财政干预水平，用当地财政支出与财政收入的比例来衡量。

以上各变量定义及其说明参见表1。

Table 1. Variable definition and description

表1. 变量定义及其说明

变量符号	变量名称	变量定义
INV	非效率投资程度	Richardson [6]投资期望模型估计残差并取绝对值
OverINV	过度投资	正的残差值
UnderINV	投资不足	负残差值的绝对值
DIG1	数字化转型	用文本分析法计算数字化转型指数
FC	融资约束	SA指数
Lev	资产负债率	采用企业总负债与总资产之比测度
FD	财政干预水平	采用地方财政支出与财政收入比值测度
Ret	资产收益率	采用企业净利润占总资产比值测度
lnPGDP	地区经济发展水平	采用人均GDP的自然对数值测度

3.3. 模型设定

为研究数字经济对制造企业投资效率的影响，构造模型(2)：

${\text{INV}}_{i,t}={\beta }_0+{\beta }_1\text{DIG}{1}_{i,t}+{\beta }_2{\text{control}}_{i,t}+{\theta }_t+{\lambda }_p+{\epsilon }_{i,t}$ (2)

公式(2)中，使用下标i来表示不同的企业，而t则代表不同的年份。非效率投资用INV表示，它是模型(2)的残差绝对值。我们进一步将非效率投资分为两个子类别：过度投资(OverINV)和投资不足(UnderINV)。当残差值为负时，这表明企业的投资水平低于最优水平，即存在投资不足的情况。残差绝对值越大，说明投资不足的程度越严重。相反，当残差值为正时，这表明企业的投资水平超出了最优水平，即存在过度投资的情况。残差的正值越大，过度投资的程度也就越严重。这种关系表明，残差绝对值与投资效率之间存在负相关性。此外，DIG1为数字化转型，control为控制变量。在模型(2)中，θ_t代表时间固定效应，λ_p代表省份固定效应，而ε_i,t则表示随机扰动项。

3.4. 描述性统计

表2列示了变量的描述性统计结果。本文共有2820个投资效率的观测值(过度投资的观测值有1364个，投资不足的观测值有1456个)。其中，数字化转型是根据吴非等[18]的测算方法计算得出。由数据可以发现，投资效率值具有严重的两极分化特征，最大值为0.368，最小值仅为0.000950且标准差为0.0635。同时，各企业的数字化转型水平也有很大差别，最大值为3.970，标准差为1.040，最小值为0，说明仍有一些企业没有实施数字化转型。

Table 2. Descriptive statistics

表2. 描述性统计

VARIABLES	N	mean	sd	min	max
year	2820	2012	5.767	2003	2022
INV	2820	0.0654	0.0635	0.000950	0.368
OverINV	1364	0.0760	0.0748	0.00102	0.431
UnderINV	1456	0.0554	0.0497	0.000875	0.293
DIG1	2820	0.702	1.040	0	3.970
FC	2820	−3.779	0.266	−4.670	−3.015
ret	2820	0.0462	0.0542	−0.280	0.381
lev	2820	0.463	0.180	0.0297	0.957
FD	2820	1.885	0.716	1.052	4.761
lnPGDP	2820	1.398	0.771	−0.996	2.946

4. 实证检验与结果分析

4.1. 多重共线性检验

在统计学上，回归模型被广泛应用于对变量间的关系进行预测与解释。但是，由于各变量间具有较强的共线性，这就造成了模型参数估计的误差，进而降低了模型的可解释性。要评价回归模型中各变数间的共线性度，一般都要做方差膨胀因子(VIF)检验。

在方差膨胀因子检验后，回归模型估计的结果如表3所示。从表格中可以看出，各因素的相对影响因子都在10以内。这表明，由于多元变量间存在着微弱的共线性关系，其对模型参数的估算影响不大。一般而言，在VIF < 10的情况下，各变量间存在微弱的共线性，对模型的稳定性及解释能力的影响不大。所以，本文没有必要去除变量。

Table 3. Multicollinearity test

表3. 多重共线性检验

Variable	VIF	1/VIF
LnPGDP	1.54	0.650259
DIG1	1.27	0.785079
FD	1.24	0.804778
Lev	1.20	0.831588
Ret	1.19	0.841743
Mean VIF	1.29	0.782689

4.2. 基准回归分析

表4是本文的基准回归结果。其中表4第(1)列为不考虑控制变量的影响对企业投资效率的基准回归结果。可以发现，DIG1估计系数为−0.007，且在1％显著性水平上显著，这说明数字化转型会促进制造业上市公司的投资效率，即随着数字化转型的发展，企业实际投资偏离理想投资规模会下降。引入时间固定效应的原因主要是为了控制部分不可观测的变量，从而在一定程度上解决遗漏变量偏差问题。具体来说，其目的是防止由于遗漏变量而产生的内生性问题。遗漏变量可能会同时影响解释变量和被解释变量，导致解释变量的估计系数不准确或不纯粹。考虑到不同地区经济政策等因素可能会影响到企业的决策行为，且存在少数企业进行战略转移，将企业办公地址转向更利于企业生存发展的地区，因此本文考虑加入省份固定效应，以此来排除这部分潜在因素可能带来的干扰。结果如表4第(2)、(3)列所示。DIG1的系数在10%的显著性水平下显著，与表4第(1)列回归结果一致，说明在逐步加入时间固定效应和省份固定效应后，数字化转型与制造业上市公司投资效率之间仍存在着负向关系。

在表4第(3)列基础上加入控制变量后回归结果如表4第(4)列所示，DIG1估计系数为−0.002，在10%显著性水平上显著，与未加入控制变量时回归结果一致。这表明数字化转型会促进制造业上市公司投资效率。由此假设1得以验证。

Table 4. Baseline regression analysis

表4. 基准回归分析

VARIABLES	(1) INV	(2) INV	(3) INV	(4) INV	(5) OverINV	(6) UnderINV
DIG1	−0.007^***	−0.003^*	−0.002^*	−0.002^*	−0.002^*	−0.002^*
	(−6.61)	(−1.96)	(−1.51)	(−1.58)	(−1.13)	(−1.06)
Lev				0.023^***	0.037^***	−0.008
				(2.91)	(2.85)	(−0.87)
Ret				0.083^***	−0.036	−0.077^***
				(3.38)	(−0.89)	(−2.78)
FD				−0.003	−0.011	−0.020^***
				(−0.43)	(−1.09)	(−2.77)
LnPGDP				−0.018^*	−0.036^**	−0.027^**
				(−1.73)	(−2.09)	(−2.40)
Constant	0.070^***	0.067^***	0.067^***	0.082^***	0.130^***	0.136^***
	(46.36)	(44.40)	(43.99)	(4.08)	(3.67)	(6.31)
Observations	2820	2820	2820	2820	1364	1456
R-squared	0.012	0.038	0.070	0.076	0.107	0.105
F test	0	0.0503	0.131	0.00185	0.00180	0.000596
r2_a	0.0121	0.0309	0.0552	0.0595	0.0733	0.0741
F	43.70	3.834	2.277	3.828	3.855	4.370
时间固定效应	NO	YES	YES	YES	YES	YES
省份固定效应	NO	NO	TES	TES	TES	TES

为了深入分析数字化转型对制造业上市公司投资效率的影响，在表4第(4)列的基础上，进一步将样本分为过度投资和投资不足两个子样本，并分别进行了回归分析。在表4第(5)列中，我们展示了过度投资样本的回归结果。其中，数字化转型指标DIG1的估计系数为−0.002，且在10%的显著性水平上显著。这一结果表明，数字化转型能够有效抑制企业的过度投资行为，有助于优化资源配置，提升投资效率以及盈利能力。接着，在表4第(6)列中，我们展示了投资不足样本的回归结果。同样地，DIG1的估计系数为−0.002，且在10%的显著性水平上显著。这意味着数字化转型能够缓解企业的投资不足问题，为企业带来更多的投资机会和发展空间。

4.3. 稳健性检验

4.3.1. 替换被解释变量

为了增强投资效率评估的可靠性，本文额外构建了两种衡量企业投资效率的指标。借鉴Biddle等人[23]的研究，采用了企业投资与成长机会的回归分析模型，以此估算企业的投资效率。回归模型如下：

${\text{Invest}}_{i,t}={\beta }_0+{\beta }_1{\text{SalesGrowth}}_{i,t-1}+{\epsilon }_{i,t}$ (3)

其中，因变量Invest的定义与模型(2)一致，代表企业i在第t年的实际新增投资支出。同时，引入了SalesGrowth这一指标，它表示企业销售收入从第t − 1年到第t年的增长百分比。

为了更细致地考察投资与收入增长之间的关系，特别是在收入变动较大时的情况，我们参考了Chen等人[24]的研究。在模型(3)的基础上，构建了一个分阶段的回归模型，以期更准确地捕捉不同收入变动阶段下投资行为的特点。回归模型如下：

${\text{Invest}}_{i,t}={\beta }_0+{\beta }_1{\text{NEG}}_{i,t-1}+{\beta }_2{\text{SalesGrowth}}_{i,t-1}+{\beta }_3\text{NEG}*{\text{SalesGrowth}}_{i,t-1}+{\epsilon }_{i,t}$ (4)

其中，因变量Invest的定义与模型(2)一致，SalesGrowth是销售收入从t − 1年到t年变化的百分比，NEG为虚拟变量，同时还在模型中引入了NEG与销售收入增长率的交互项。

在表5中，展示了不同模型对数字化转型影响的回归分析结果。具体来看：第(1)列展示了基于模型(2)的回归结果，其中数字化转型的估计系数为−0.002，且在10%的显著性水平上显著。第(2)列则基于模型(3)的回归结果，数字化转型的估计系数为−0.001，同样在10%的显著性水平上显著。第(3)列展示了模型(4)的回归结果，数字化转型的估计系数同样为−0.001，且在10%的显著性水平上显著。这些结果表明，无论采用哪种计算企业投资效率的方法，回归分析的结果都显示出一致性和稳健性。这说明数字化转型会促进制造业上市公司的投资效率，即随着数字化转型的发展，企业实际投资偏离理想投资规模会下降。

Table 5. Robustness test

表5. 稳健性检验

VARIABLES	(1) INV	(2) INV	(3) INV
DIG1	−0.002^*	−0.001^*	−0.001^*
	(−1.58)	(−0.72)	(−0.83)
Lev	0.023^***	0.007	0.006
	(2.91)	(1.38)	(1.17)
Ret	0.083^***	−0.014	−0.021
	(3.38)	(−0.87)	(−1.30)
FD	−0.003	−0.007^*	−0.006
	(−0.43)	(−1.67)	(−1.60)
LnPGDP	−0.018^*	0.006	0.008
	(−1.73)	(0.82)	(1.19)
Constant	0.082^***	0.048^***	0.044^***
	(4.08)	(3.60)	(3.36)
Observations	2820	2533	2533
R-squared	0.076	0.048	0.044
F test	0.00185	0.119	0.0625
r2_a	0.0595	0.0291	0.0254
F	3.828	1.754	2.101
时间固定效应	YES	YES	YES
省份固定效应	YES	YES	YES

4.3.2. 内生性分析

数字化转型与企业投资效率之间可能存在双向因果关系。为了规避这一问题，参考严子淳[25]等的研究，本文采用了数字化转型的滞后一期作为工具变量来进行回归分析。具体而言，我们构建了一个两阶段最小二乘回归模型，并通过表6中所展示的回归结果对该假设进行了验证。第一列为一阶段回归结果，弱工具检验的结果为5280.623，大于临界值16.380，说明自变量的滞后项有强工具性；在进行内生性

Table 6. Endogenetic analysis

表6. 内生性分析

	(1) first	(2) second
VARIABLES	DIG1	INV
DIG2	0.785^***
	(0.0108)
DIG1		−0.00269^*
		(0.00181)
Lev	0.0286	0.0259^***
	(0.0615)	(0.00811)
Ret	−0.235	0.0870^***
	(0.195)	(0.0257)
FD	0.0248	−0.000950
	(0.0530)	(0.00699)
LnPGDP	−0.0181	−0.0185^*
	(0.0816)	(0.0108)
Anderson canon. corr. LM statistic	1788.33^***
弱IV检验	5280.623 (16.380)
Endogeneity test	0.5978^*
Observations	2679	2679
R-squared		0.007
时间固定效应	YES	YES
省份固定效应	YES	YES

检验时，我们发现检验结果在10%的显著性水平上显著，这表明滞后项并不是外生变量。此外，滞后项与解释变量数字化转型在1%的显著性水平上显著相关，这一发现支持了滞后项作为工具变量的有效性。进一步地，在第二列中，我们展示了二阶段最小二乘回归的结果。数字化转型的估计系数为−0.00269，并且在10%的显著性水平上显著。这一结果表明，数字化转型对提升制造业上市公司的投资效率具有积极的影响。通过这些分析，可以得出结论：数字化转型与企业投资效率之间存在显著的负相关关系，即数字化转型有助于提高制造业上市公司的投资效率，且在控制了内生性问题后，结果仍然保持不变。

5. 进一步分析

5.1. 机制检验

上述研究主要集中在数字化转型与制造业投资效率两个层面，并没有深入研究其作用机理。因此，在这一节中，重点研究这两个方面的影响机理。根据温忠麟和叶宝娟[26]提出的中介效应检验三步法对融资约束在此过程中发挥的中介作用进行检验，具体模型如下：

${\text{INV}}_{i,t}={\beta }_0+{\beta }_1\text{DIG}{1}_{i,t}+{\beta }_2{\text{control}}_{i,t}+{\theta }_t+{\lambda }_p+{\epsilon }_{i,t}$ (5)

${\text{FC}}_{i,t}={\beta }_0+{\beta }_1\text{DIG}{1}_{i,t}+{\beta }_2{\text{control}}_{i,t}+{\theta }_t+{\lambda }_p+{\epsilon }_{i,t}$ (6)

${\text{INV}}_{i,t}={\beta }_0+{\beta }_1\text{DIG}{1}_{i,t}+{\beta }_2{\text{FC}}_{i,t}+{\beta }_3{\text{control}}_{i,t}+{\theta }_t+{\lambda }_p+{\epsilon }_{i,t}$ (7)

表7第(1)列是数字化转型对制造业投资效率INV的回归结果。数字化转型的估计系数为−0.002，在10%的显著性水平下显著，这意味着随着数字化转型的进步，会促进制造业投资效率的提升。

Table 7. Mechanism test

表7. 机制检验

VARIABLES	(1) INV	(2) FC	(3) INV
DIG1	−0.002^*	−0.019^***	−0.0019^*
	(−1.58)	(−5.78)	(−1.59)
FC			0.001^*
			(0.18)
Lev	0.023^***	0.083^***	0.022^***
	(2.91)	(4.60)	(2.89)
Ret	0.083^***	−0.026	0.083^***
	(3.38)	(−0.45)	(3.38)
FD	−0.003	−0.003	−0.003
	(−0.43)	(−0.24)	(−0.43)
LnPGDP	−0.018^*	−0.002	−0.018^*
	(−1.73)	(−0.10)	(−1.73)
Constant	0.082^***	−3.819^***	0.088^**
	(4.08)	(−81.63)	(2.36)
Observations	2820	2820	2820
R-squared	0.076	0.718	0.076
F test	0.00185	0	0.00398
r2_a	0.0595	0.713	0.0592
F	3.828	12.53	3.194
时间固定效应	YES	YES	YES
省份固定效应	YES	YES	YES

在表7的第(2)列中，我们展示了数字化转型对融资约束的影响的回归分析结果。数字化转型的估计系数为−0.019，这一结果在1%的显著性水平上显著，表明随着数字化转型的深入，企业面临的融资约束有所缓解。进一步地，我们将融资约束变量纳入模型(7)，并在表7的第(3)列中展示了回归结果。在模型(5)的基础上增加了融资约束变量，并将其作为中介变量进行分析。结果显示，融资约束对制造业投资效率的回归系数为0.001，这一结果在10%的显著性水平上显著，说明融资约束的存在会导致制造业投资效率的降低。同时，我们注意到，当融资约束变量被纳入模型后，数字化转型的估计系数与表7第(1)列的回归系数相比，在10%的显著性水平上仍然显著，但其绝对值有所减小。这表明融资约束在数字化转型对企业投资效率改善的过程中起到了一定的中介作用。综上所述，数字化转型不仅直接影响企业的投资效率，还通过改善融资约束这一中介变量，间接促进了制造业上市公司投资效率的提升。

5.2. 异质性分析

5.2.1. 按地区分类

据以往研究，东部地区是中国经济发达地区，拥有较为完善的基础设施和产业体系，数字化转型相对较早启动并较为成熟。在东部地区，许多企业已经实施了数字化转型战略，包括智能制造、物联网技术、大数据分析等，以提高生产效率、降低成本、提升产品质量和市场竞争力。中部地区作为中国的制造业基地之一，在数字化转型方面也有一定的发展。政府通过推动中西部地区崛起等政策措施，加大对中部地区数字化转型的支持力度，促进制造业提质增效，推动产业升级和转型。西部地区相对较为欠发达，但政府通过西部大开发等战略，加大了对西部地区数字化转型的支持。一些地方政府积极推动数字化技术在本地区的应用，以提升经济发展水平和竞争力。东北地区曾是中国的重要工业基地，但近年来受到经济结构调整和产业转型的影响，经济发展相对滞后。东北地区也在加快数字化转型的步伐，以应对经济转型带来的挑战，促进新兴产业发展，提升经济发展质量和效益。

本文以我国东部、西部、中部和东北为研究区域，研究不同区域的数字化转型对我国制造业的投资效率提升效果。其中，表8第(1)列代表东部地区，该地区的数字化转型系数为−0.028，这一结果在1%的显著性水平上显著，表明东部地区数字化转型对企业有显著的负面影响。第(2)列代表西部地区，其数字化转型系数为−0.007，这一结果在10%的显著性水平上显著，显示西部地区数字化转型对企业也有一定的影响。第(3)列代表中部地区，该地区的数字化转型系数为−0.008，显著性达到5%的水平，说明中部地区数字化转型对企业的影响较为显著。第(4)列代表东北地区，其数字化转型系数为−0.009，显著性在10%的水平上，这表明东北地区数字化转型对企业同样具有显著影响。这些结果揭示了中国不同地区在数字化转型进程中对企业影响的差异性。东部地区显示出较强的显著性，而西部、中部和东北地区的显著性虽然略低，但依然表明数字化转型是推动企业发展的重要因素。

5.2.2. 按产权性质分类

现有研究表明，国企的产权属性对其投融资行为具有显著的正相关性，而国企因其具有“隐性担保”

Table 8. Classification by region

表8. 按地区分类

VARIABLES	(1)东部 INV	(2)西部 INV	(3)中部 INV	(4)东北 INV
DIG1	−0.028^***	−0.007^*	−0.008^**	−0.009^*
	(−0.07)	(−1.55)	(−2.36)	(−2.01)
Lev	0.022^**	0.029	0.021	0.005
	(2.53)	(1.37)	(1.04)	(0.11)
Ret	0.017	0.058	0.205^***	0.448^***
	(0.60)	(0.90)	(2.93)	(2.99)
FD	0.037	0.012	0.029	−0.018
	(1.34)	(0.89)	(1.28)	(−0.51)
LnPGDP	−0.076^***	−0.003	0.103^*	−0.038
	(−3.59)	(−0.10)	(1.73)	(−0.28)
Constant	0.134^***	0.028	−0.121	0.133
	(3.07)	(0.48)	(−1.35)	(0.62)
Observations	1500	480	660	180
R-squared	0.080	0.142	0.104	0.160
F test	0.00135	0.327	0.00179	0.0105
r2_a	0.0596	0.0822	0.0631	0.0171
F	3.986	1.162	3.883	3.115
时间固定效应	YES	YES	YES	YES
省份固定效应	YES	YES	YES	YES

Table 9. Classification by property right nature

表9. 按产权性质分类

VARIABLES	(1)国有企业 INV	(2)民营企业 INV
DIG1	−0.002^*	−0.003^*
	(−1.17)	(−0.98)
Lev	0.025^***	0.030^*
	(2.77)	(1.81)
Ret	0.046	0.123^***
	(1.47)	(2.85)
FD	−0.000	−0.009
	(−0.06)	(−0.69)
LnPGDP	−0.015	−0.030
	(−1.30)	(−1.35)
Constant	0.074^***	0.108^***
	(3.13)	(2.63)
Observations	2020	800
R-squared	0.083	0.137
F test	0.0583	0.0523
r2_a	0.0613	0.0912
F	2.138	2.202
时间固定效应	YES	YES
省份固定效应	YES	YES

而更易获取贷款，因此受到的融资约束更小。但由于存在着较高的信息不对称性，导致了在传统的金融市场上融资难和融资贵的现象。鉴于数字化转型可以减轻公司的融资约束，提高公司的投资效率，因此，私营企业应该更加重视数字化转型的投资效率提升。为了检验该假设，我们将样本按股权属性分成国有企业和民营企业两部分，并对其进行了实证分析，其结果见下页表9的第(1)、(2)列。第(1)列为国企，其数字化转型系数为−0.002，在10%的显著性水平上显著；第(2)列为民营企业，其数字化转型系数为−0.003，同样在10%的显著性水平上显著，但是其绝对值大于国有企业。这说明，无论在国有企业或民营企业，数字化转型都会对公司的投资效率产生积极的促进作用。然而，与国企相比，民营企业的数字转型对公司的投资效率提升效果更显著。这主要是由于民营企业相对于国企而言，其财务状况较难被市场所辨识，因而在信息不完善的市场环境下，其投资机会往往被忽视。

6. 结论与建议

6.1. 结论

数字化转型以网络信息化、数字化、智能化为主要特点，越来越多地成为新的经济增长动力，驱动着经济增长方式的转变。基于此，本研究聚焦于中国沪深A股市场中的制造业上市公司，旨在探讨数字化转型对这些公司投资效率的影响。经过深入分析，我们得出以下主要结论：1) 数字化转型对制造业企业投资效率的提升具有显著的正面效应。具体来看，数字化转型不仅能够抑制企业过度投资的现象，还能够有效地缓解投资不足的问题。2) 融资约束在数字化转型与企业投资效率之间扮演着重要的中介角色。研究发现，数字化转型可以通过降低企业的融资约束，进而促进企业投资效率的提升。3) 在不同地区的影响比较中，东部地区的企业在数字化转型对投资效率提升方面表现最为突出。这表明区域数字化水平越高，数字化转型对企业投资效率的正面影响越显著。4) 在企业所有制类型的比较中，民营企业在数字化转型对投资效率提升方面的效果要优于国有企业。这主要是由于民营企业相对于国企而言，其财务状况较难被市场所辨识，因而在信息不完善的市场环境下，其投资机会往往被忽视。

6.2. 建议

依据研究结论，得出如下政策启示：首先，企业应该充分认识到数字化转型带来的投资效率提升效应，并促进数字化技术在公司投资决策中的深入应用。以此为契机，企业可加速建立以数据挖掘、分析和应用为主要内容的数字治理系统，推动科学、规范和精确的投资决策；同时，企业也应该把数字化技术深入到各个投资过程中去，为企业的投资决策提供全面的信息和决策支持。第二，政府可以通过制定支持企业数字化转型的政策和规划，为建立一个畅通、稳定、高效的国民经济循环系统打下坚实的基础。第三，将更多的注意力集中在民营企业以及数字化转型程度较低的企业上。在民营企业与数字化转型程度较低的区域，数字化转型对于企业投资效率的提升效果要高于国企与高数字化转型区域，所以，为了提升这一类型企业的“无效率投入”，除推动数字化转型之外，可能更需要在制度环境方面对此类企业给予更多的重视，采用多种措施协同推进。