1. 引言
数字经济是新质生产力蓬勃发展的核心驱动要素,也是重塑我国经济增长动能的关键引擎。随着数字经济的迅猛发展,数字化转型已成为企业生存和发展的重要途径,更是从企业组织层面上升为国家战略。《“十四五”数字经济发展规划》明确提出,构建“三位一体”的数字化变革框架,通过对生产方式、生活方式和治理方式的变革,系统性推进数字化转型对经济发展全链条的深度赋能。企业作为经济活动的主要参与者,数字化转型能够为其带来双重战略价值:一方面可加速产业模式革新与核心竞争力重塑,构建差异化市场壁垒;另一方面能拓展商业生态边界,在数字化浪潮中发掘新的价值增长点,实现经济效益与竞争优势的双重跃升。因此,发展数字经济、进行数字化转型是企业把握新机遇的战略选择。
然而,现实中的企业数字化转型有待增速。根据《2024中国企业数字化转型指数研究》显示,4%的中国企业致力于重塑其业务和职能,开创竞争新前沿,更多管理者感知到外部环境的变化但认为自身没有做好应对的准备。数字化转型推进的核心挑战在于需要对全业务链进行系统性重构。这种深层次变革不仅要求前期的巨额投资,更面临着实施周期长、效益慢的客观事实。现有研究发现,法治环境的优化(龚新蜀和靳媚,2023) [1]、市场驱动(史宇鹏等,2021) [2]、技术架构的升级重构(Chanias等,2019) [3]和管理体系的完善(毛聚等,2022 [4];阳镇等,2022 [5])均有助于企业进行数字化转型。其中,高层的决策和高管的承诺不仅是数字化转型初始条件,更是关键的决定性因素(Sun等,2020) [6]。
作为企业的高管团队,具备着全局视野和决策权,可以通过协调各部门资源来确保战略方向一致,并且高管团队的领导力和执行力对于推动数字化转型涉及复杂的业务变革和技术整合至关重要。因此,高管有能力也有责任推进企业数字化转型。但机会主义倾向使得高管偏向于追求短期利益,导致转型项目缺乏持续性和深度,长期来看会损害企业利益,不利于企业的长期发展。代理理论中的合理设计薪酬激励很好地回应了这个问题,其中心思想是将高管的个人利益与企业的整体利益紧密结合来减少高管的机会主义倾向。已有研究发现,高管薪酬激励可以以企业未来主业的发展进一步带动提升企业绩效(王珊珊,2020) [7],带动中高层及核心技术员工的研发积极性,有助于其投身到长期的价值创造中,从而为企业守住资源、留下人才(宗文龙等,2013) [8]。
那么,高管薪酬激励作为激发管理者积极性的有效手段,在当今的数智时代,是否能推动企业进行多维度深层次的数字化转型,是一个值得关注的重要议题。基于此,本文以2012~2023年A股上市企业为研究样本,实证检验高管薪酬激励对企业数字化转型的影响。
本文研究发现,高管薪酬激励能够显著地提升企业数字化转型,具体表现为高管货币激励和高管股权激励能有效促进企业数字化转型。其内在的作用机制是高管薪酬激励通过缓解融资约束来提高企业数字化转型。进一步研究发现,高管薪酬激励对数字化转型的促进作用在非国有企业和大型企业中更为显著。
本文可能的研究贡献在于:第一,丰富了数字化转型影响因素领域的研究文献。已有研究多聚焦于技术能力、组织结构、外部环境等因素对企业数字化转型的影响,较少从高管个人激励与行为动因的角度进行探讨。本文将高管薪酬激励引入分析框架,揭示其在驱动企业战略转型中的关键作用,拓展了数字化转型影响因素的相关研究。第二,从融资约束角度出发,分析了其在二者间的中介作用,丰富了数字化转型影响路径的相关研究,企业特征及产权特质的研究也为差异化管理实践提供了实证依据。第三,通过对高管薪酬激励的细化研究,为处于数字化转型各阶段的企业及组织提供加速转型的实践路径借鉴。
2. 理论分析与研究假设
根据委托代理理论和管理者权力理论,高管作为经营管理者影响着企业的经营管理与战略决策,股东作为企业的所有者倾向于股东价值最大化,这种代理人与委托人的角色冲突导致了二者存在利益不一致。同时,由于信息不对称的存在,高管与股东的决策配置失衡会引发严重的代理问题,从而影响企业的资源配置。此外,从高管自身出发,数字化转型对高管的领导力与管理能力要求较高,这导致其知识更新与技术适应性的学习成本压力显著增加。高管可能出于短期绩效而忽视数字化转型的长期战略价值,使企业在推进转型过程中缺乏足够的内生力。因而,构建科学合理的高管激励机制,成为缓解这一困境、有效推动企业数字化转型的关键路径。
高管薪酬激励通常由货币薪酬激励和股权激励两部分组成。货币薪酬激励包括基本工资、绩效奖金及特殊贡献奖金等即期支付形式;股权激励主要为股票期权、限制性股票等工具,深度绑定高管利益与企业长期发展。
从治理效应角度来看,高管薪酬激励可以缓解股东与高管人员之间的代理冲突,增强高管的数字化转型意愿。数字化转型作为传统产业动能升级的核心驱动力,虽然能通过数据要素重构与生产范式革新显著提升企业运营效率及创新效能,但在推进过程中需承担高额技术投入和人才成本,面临着组织颠覆及战略方向不确定性风险等矛盾。因此,高管为了自身的业绩情况和收益稳定,会谨慎考虑甚至大多数制定保守策略来面对企业数字化转型这一战略事件,以避免出现短期业绩下滑和转型失败的局面。货币薪酬激励高能有效缓解高管职业焦虑,促使管理层将更多资源和精力聚焦于企业战略执行与组织效能提升(尹夏楠等,2021) [9]。即使企业面临数字化转型失败的困境,稳定的薪酬结构仍能削弱高管的机会主义动机(田轩和孟清扬,2018) [10],以为其提供基本收入的承诺,促使高管的决策视野从企业短期绩效转向长期价值创造。与此同时,股权激励作为创新治理的核心工具,构建了双重治理机制。一方面,股权激励可以有效缓解数字化转型过程中技术探索的不确定性风险,抑制管理层因规避创新失败风险而产生的保守决策倾向;另一方面,建立跨期利益绑定机制,使高管收益与企业研发周期达到动态平衡状态,在数字技术研发的持续性投入阶段,既能平衡短期成本支出压力,又可以维持战略方向。这种激励相容的制度安排在转型关键期形成风险共担、收益共享的利益共同体,为突破数字化转型“协调困境”提供治理保障。
从资源配置角度来看,高管薪酬激励可以让高管以市场需求为导向,不断优化企业资源配置,实现企业综合效率的提升,从而让数字化转型拥有更多的资源倾斜。当货币薪酬与绩效表现关联性强时,在利益驱动的作用下,高管会主动制定目标完成工作,从而提升资源配置效率与经营产出水平,而数字化转型就是一个很好的契机。数字化转型的战略方向深度契合国家政策导向与经济高质量发展要求(吴非等,2021) [11],这种政策一致性不仅可以形成资本引力场,吸引风险投资机构与专业研究力量的持续跟进,更构建起企业信息释放的正向循环机制,从而吸纳更多资金与资源,促进企业声誉与形象,获得高关注度与青睐。此外,股权激励也能达到优化资源配置的效果。一方面,高管个人财富与企业长期价值的这种利益趋同机制显著增强了管理层的风险承受能力(Shue和Townsend,2017) [12];另一方面,这种制度安排不仅降低了转型试错成本,更促使高管主动突破传统投资的路径依赖,将优势资源向战略价值高的数字项目倾斜,形成“激励–投资–转型”的良性循环。
基于此,本文提出以下假设:
假设1a:高管货币激励对企业数字化转型存在显著的促进作用。
假设1b:高管股权激励对企业数字化转型存在显著的促进作用。
数字化转型需要持续的资金投入,但转型存在高度的不确定性导致企业在金融机构风险评估体系中难以形成有效抵押担保价值,企业因缺乏符合传统信贷标准的核心质押资产而面临严苛的融资约束困境。高管薪酬激励可以通过货币激励和股权激励双重手段来缓解融资约束,进而影响企业数字化转型。
基于信号传递理论,高管薪酬激励可以通过释放正向信号来改善企业融资,优化资本市场的资源配置效率。在货币激励上,高管获得货币激励说明其付出了努力来获取与经营业绩有关的薪酬奖励,对公司进行了有效的管理,传递出高管的能力态度和企业投资决策的有效性。这种显性契约机制更直观展示了高管的胜任力,能有效吸引市场关注度。在股权激励上,作为长期信号载体,高管股权激励向资本市场传递企业具备健全治理架构和优质项目筛选能力的战略信号,强化了外部资本对企业成长潜力的认同。因此,二者都可以通过向外界传递积极信号来获取资本注入,缓解融资约束,为企业后续数字化转型创造良好环境和坚实基础。
基于信息不对称理论,高管薪酬激励可以缓解代理问题,促进高管行为与股东利益相一致。首先,高管薪酬激励中以股权激励为代表的长期激励手段,能够引导高管关注企业的长期价值创造,减少其短期机会主义行为。这种激励安排表明管理层对企业未来发展持有信心,增强外部投资者的信任,进而降低企业的融资成本。其次,信息不对称是导致企业融资约束的重要根源。高管薪酬激励在缓解信息不对称的同时,也改善了企业的外部融资环境。合理的薪酬契约能够提升企业治理质量和财务透明度,从而缓解投资者的顾虑,降低企业的资本成本。并且与绩效挂钩的货币激励也可激励高管改善企业经营指标,增强内部融资能力,减少对外部资金的依赖。因此,高管薪酬激励通过缓解企业内部与外部之间的信息不对称,提升了企业在资本市场中的声誉与透明度,从而减轻融资约束,打破了制约着企业推进数字化转型的重要瓶颈。
基于此,本文提出以下假设:
假设2:高管薪酬激励通过融资约束影响着企业数字化转型。
3. 研究设计
3.1. 样本选取与数据来源
2012年党的十八大报告首次将信息化与工业化、城镇化、农业现代化并列为“新四化”发展战略的核心维度,标志着信息技术从工具性应用升级为国家级战略支撑。数字化在我国迅速发展。因此本文选择2012~2023年A股上市公司为样本并进行如下筛选:第一,剔除金融行业、ST、*ST样本;第二,剔除存在缺失变量的样本;最终得到28,540个样本观测值。本文中高管薪酬激励、企业数字化转型数据和其他数据均来自国泰安(CSMAR)数据库。
3.2. 变量定义
3.2.1. 被解释变量
企业数字化转型(Digital)。参考吴非(2021) [11]的做法,对大数据、云计算、区块链和人工智能4种底层技术运用和数字化技术运用的76个数字化相关词频进行统计。测度步骤如下:第一,计算“数字化转型”文本词典中出现的总词频;第二,为避免此类数据“右偏性”特征,将第一步得到的总词频加一后取自然对数,从而得到企业数字化转型(Digital)指标。
3.2.2. 解释变量
高管货币激励(Paysalary)。本文借鉴陈修德等(2015) [13]的研究,以企业排名前三的高管薪酬总额的自然对数作为高管货币激励的代理变量。该指标的含义为:数值越大,高管货币激励水平越高。
高管股权激励(Msalary)。本文借鉴尹夏楠等(2021) [9]的研究,采用上市公司高管持股数加一后取自然对数来衡量高管股权激励。该指标的含义为:数值越大,高管股权激励水平越高。
3.2.3. 中介变量
融资约束(KZ)。参考Hadlock和Pierce (2010) [14]、郭丰等(2022) [15]的研究,本文借KZ指数度量企业融资约束。该指标的含义为:数值越大,企业的融资约束越高。
3.2.4. 控制变量
本文在模型中加入两职合一(Dual)、独立董事比例(Indep)、主营业务增长率(Growth)、资产负债率(Lev)、资产收益率(Roa)、两权分离率(Separation)、企业规模(Size)这一系列可能影响企业内部控制质量的控制变量,具体的变量定义如表1所示。
Table 1. Variable definition
表1. 变量定义
变量类型 |
变量名称 |
变量符号 |
变量定义 |
被解释变量 |
企业数字化转型 |
Digital |
Ln(数字化相关词频总和 + 1) |
解释变量 |
高管货币激励 |
Paysalary |
企业排名前三的高管薪酬总额的自然对数 |
高管股权激励 |
Msalary |
Ln(上市公司高管持股数 + 1) |
中介变量 |
融资约束 |
KZ |
KZ越大,融资约束越高 |
控制变量 |
两职合一 |
Dual |
虚拟变量:董事长兼任总经理则取1,否则取0 |
独立董事比例 |
Indep |
独立董事数量/全部董事数量 |
主营业务增长率 |
Growth |
企业营业收入增量/上年营业收入 |
资产负债率 |
Lev |
总负债/总资产 |
资产收益率 |
Roa |
净利润/总资产余额 |
两权分离率 |
Separation |
控制权与所有权分离度 |
企业规模 |
Size |
总资产的自然对数 |
固定效应变量 |
年度 |
Year |
年度固定效应 |
行业 |
Industry |
行业固定效应 |
3.3. 模型设定
3.3.1. 基准回归模型
为检验高管薪酬激励对企业数字化转型的影响,本文构造以下OLS回归模型。
(1)
(2)
在模型(1)中,若Paysalary的系数显著为正,则说明高管货币激励促进了企业数字化转型的提升,即验证了假设1a。
在模型(2)中,若Msalary的系数显著为正,则说明高管股权激励促进了企业数字化转型的提升,即验证了假设1b。
3.3.2. 中介模型
为检验高管薪酬激励通过融资约束来影响企业数字化转型,本文构建如下模型。
(3)
(4)
根据假设2,高管薪酬激励可以缓解企业融资约束,从而提升企业数字化转型,预计系数显著为负。
3.4. 描述性统计分析
本研究中使用的变量描述性统计见表2。根据表2可以得出,在所研究的时期内,本文核心被解释变量企业数字化转型(Digital)的最小值为0,最大值为5.209,平均值为1.531,标准差为1.428,这表明我国上市公司的数字化水平整体较低,不同公司的数字化水平差异较大。平均值1.531高于中位数1.386,说明存在着一些数字化转型水平较高的公司拉高了行业整体的数字化转型水平,但大体上我国上市公司的数字化转型还存在着很大进步空间。
本文核心解释变量高管货币激励(Paysalary)的最小值为12.81,最大值为16.35,平均值为14.50,标准差为0.685;高管股权激励(Msalary)的最小值为0,最大值为19.82,这说明我国某些上市公司中存在着较高的高管薪酬激励且整体上高管薪酬激励水平有较大差距。由此可见研究高管薪酬激励对企业数字化转型的影响具有一定的实际意义。其他控制变量均在合理范围内。
4. 实证结果与分析
4.1. 高管薪酬激励对企业数字化转型的影响分析
表3汇报了模型(1)和(2)的回归检验结果。表3第(1)列的回归结果汇报了高管货币激励(Paysalary)对
Table 2. Descriptive statistics of the main variables
表2. 主要变量描述性统计
变量 |
观测值 |
平均值 |
标准差 |
中位数 |
最小值 |
最大值 |
Digital |
28,540 |
1.531 |
1.428 |
1.386 |
0 |
5.209 |
PaySalary |
28,540 |
14.50 |
0.685 |
14.484 |
12.81 |
16.35 |
Msalary |
28,540 |
11.26 |
7.338 |
14.468 |
0 |
19.82 |
Dual |
28,540 |
0.315 |
0.465 |
0 |
0 |
1 |
Indep |
28,540 |
37.65 |
5.258 |
36.36 |
33.33 |
57.14 |
Growth |
28,540 |
0.366 |
0.979 |
0.130 |
−0.750 |
6.951 |
Lev |
28,540 |
0.410 |
0.207 |
0.396 |
0.0529 |
0.934 |
Roa |
28,540 |
0.0358 |
0.0701 |
0.038 |
−0.319 |
0.208 |
Separation |
28,540 |
4.487 |
7.142 |
0 |
0 |
28.26 |
Size |
28,540 |
22.12 |
1.273 |
21.941 |
19.72 |
26.14 |
企业数字化转型(Digital)的回归系数为0.094,在1%的水平下显著。表3第(2)列中,高管股权激励(Msalary)对企业数字化转型(Digital)的回归系数为0.013,且在1%的水平下显著。回归结果验证了假设1a和1b。高管薪酬激励可以更好地发挥其货币形式和股权形式上的激励,缓解企业的委托代理冲突,优化资源配置,从而提高企业的数字化转型水平。
Table 3. Analysis of the impact of executive motivation on enterprise digital transformation
表3. 高管激励对企业数字化转型的影响分析
变量 |
变量定义 |
(1) |
(2) |
Digital |
Digital |
Paysalary |
高管货币激励 |
0.094*** |
|
(8.16) |
|
Msalary |
高管股权激励 |
|
0.013*** |
|
(13.83) |
Dual |
两职合一 |
0.109*** |
0.069*** |
(7.84) |
(4.83) |
Indep |
独立董事比例 |
0.002 |
0.002 |
(1.35) |
(1.31) |
Growth |
主营业务增长率 |
0.035*** |
0.037*** |
(5.27) |
(5.45) |
Lev |
资产负债率 |
−0.234*** |
−0.199*** |
(−5.94) |
(−5.06) |
Roa |
资产收益率 |
−0.775*** |
−0.735*** |
(−7.77) |
(−7.47) |
Separation |
两权分离率 |
−0.000 |
0.002** |
(−0.49) |
(2.24) |
Size |
企业规模 |
0.165*** |
0.184*** |
(23.89) |
(29.53) |
Constant |
|
−4.742*** |
−3.975*** |
(−24.76) |
(−24.05) |
Observations |
观测值 |
28,540 |
28,540 |
R-squared |
R2 |
0.478 |
0.480 |
Industry |
行业 |
YES |
YES |
Year |
年份 |
YES |
YES |
注:*、**、***分别代表在10%、5%、1%的水平上显著,括号中汇报t值。下同。
4.2. 作用机制分析
表4汇报了模型(3)和(4)的回归检验结果。表4列(1) Paysalary的系数为−0.247,列(2) Msalary的系数为−0.019,均在1%水平上显著为负。这表明高管薪酬激励可以有效缓解其面临的融资约束。高管薪酬激励释放了正向信号,传递出企业的治理水平、投资决策以及高管个人的能力态度等有效信息,吸引外界投资与关注;高管薪酬激励也缓解了代理问题,降低企业的融资成本。由此,高管薪酬激励可以通过缓解融资约束这一路径提升企业数字化转型水平,假设2成立。
Table 4. Mechanism analysis
表4. 作用机制分析
变量 |
(1) |
(2) |
KZ |
KZ |
Paysalary |
−0.247*** |
|
(−11.62) |
|
Msalary |
|
−0.019*** |
|
(−10.47) |
Dual |
−0.102*** |
−0.050* |
(−4.01) |
(−1.90) |
Indep |
0.001 |
0.001 |
(0.51) |
(0.57) |
Growth |
0.032** |
0.032** |
(2.42) |
(2.38) |
Lev |
6.985*** |
6.965*** |
(92.13) |
(91.67) |
Roa |
−11.882*** |
−12.123*** |
(−65.00) |
(−67.10) |
Separation |
−0.001 |
−0.004*** |
(−0.46) |
(−2.70) |
Size |
−0.257*** |
−0.313*** |
(−20.02) |
(−26.59) |
Constant |
7.150*** |
5.117*** |
(19.85) |
(16.44) |
Observations |
20,638 |
20,638 |
R-squared |
0.565 |
0.565 |
Industry |
YES |
YES |
Year |
YES |
YES |
4.3. 稳健性检验
4.3.1. 替换被解释变量
为了验证结果的稳健性,参考赵宸宇等(2021) [16]的研究,使用数字化转型(Digital_b)即对数字技术应用、互联网商业模式、智能制造和现代信息系统四个维度99个数字化转型相关词频来作为被解释变量的替代变量,检验高管薪酬激励和企业数字化转型的关系。检验结果如表5第(1)列和第(2)列所示。
由表5第(1)列和第(2)列中数据可以得出,高管货币激励(Paysalary)和股权激励(Msalary)对企业数字化转型的影响在1%的置信水平下正向显著,证明前文结果是稳健的。
4.3.2. 剔除特异变量
本部分剔除由于自身原因未实施数字化转型的企业样本,回归结果如表5第(3)、(4)列所示。
表5第(3)列和第(4)列结果显示了剔除未实施数字化转型的企业后,高管货币激励(Paysalary)和股权激励(Msalary)对企业数字化转型(Digital)在1%的水平下正向显著,与本文结论一致,再次验证了假设1a和1b成立。
Table 5. Robustness testing
表5. 稳健性检验
变量 |
(1) 替换被解释变量 |
(2) 替换被解释变量 |
(3) 剔除样本 |
(4) 剔除样本 |
Digital_b |
Digital_b |
Digital |
Digital |
Paysalary |
0.088*** |
|
0.065*** |
|
(8.62) |
|
(5.25) |
|
Msalary |
|
0.017*** |
|
0.012*** |
|
(20.40) |
|
(10.91) |
Dual |
0.113*** |
0.058*** |
0.094*** |
0.059*** |
(9.14) |
(4.58) |
(6.43) |
(3.94) |
Indep |
−0.000 |
0.000 |
0.001 |
0.001 |
(−0.01) |
(0.06) |
(0.46) |
(0.61) |
Growth |
0.008 |
0.011* |
0.044*** |
0.045*** |
(1.38) |
(1.83) |
(5.76) |
(5.96) |
Lev |
−0.123*** |
−0.072** |
−0.270*** |
−0.245*** |
(−3.52) |
(−2.06) |
(−6.27) |
(−5.68) |
Roa |
0.074 |
0.077 |
−0.938*** |
−0.913*** |
(0.83) |
(0.88) |
(−9.02) |
(−8.90) |
Separation |
−0.003*** |
0.000 |
−0.001 |
0.001 |
(−3.35) |
(0.54) |
(−0.64) |
(1.41) |
Size |
0.177*** |
0.193*** |
0.129*** |
0.144*** |
(28.82) |
(34.98) |
(17.27) |
(21.21) |
Constant |
−3.477*** |
−2.764*** |
−2.989*** |
−2.496*** |
(−20.41) |
(−18.86) |
(−14.25) |
(−13.70) |
Observations |
28,540 |
28,540 |
19,765 |
19,765 |
R-squared |
0.476 |
0.482 |
0.413 |
0.415 |
Industry |
YES |
YES |
YES |
YES |
Year |
YES |
YES |
YES |
YES |
5. 进一步分析
5.1. 产权异质性
高管薪酬激励对数字化转型的影响在企业产权性质上存在着差异。由于国有企业存在着天然的政治优势,相较于民营企业其更容易获得资源倾斜、政策支持和外界关注,因此国有企业对转型的紧迫性认知度相对不足,高管激励与转型意愿之间的关联度较低。而民营企业的生存压力较大,高管薪酬激励更调动高管的积极性与创造力,以数字化转型寻求战略突破。基于此,本文认为相较于国有企业,对民营企业的高管薪酬激励更能促进企业数字化转型。实证回归结果如表6所示。
表6列(1)和列(2)显示,高管货币激励、股权激励分别与国有企业的交乘项系数为负,且都在1%的水平显著。这说明高管薪酬激励对数字化转型的促进作用在民营企业中更为显著。
5.2. 企业异质性
在大型企业中,高管薪酬激励能更有效地激发其推动数字化转型的积极性与主动性。基于资源基础理论,大型企业通常拥有更为雄厚的资本储备、技术基础和人才资源,对数字化转型所需的高额投入与技术升级时具备更强的承受能力与配置效率。从治理维度来看,与中小企业相比,大型企业的规范化程度较高,高管对薪酬激励的响应更为敏感,其后续决策也更容易通过规章制度下的绩效奖励得到反馈,从而形成正向激励循环。基于此,本文认为相较于中小型企业,对大型企业的高管薪酬激励更能促进企业数字化转型。
依据国家统计局发布的《统计上大中小微型企业划分办法(2017)》,本文将样本划分为大型企业和中小型企业,实证回归结果如表6所示。表6列(3)和列(4)显示,高管货币激励与大型企业的交乘项系数为0.008,股权激励与大型企业的交乘项系数为0.006,且均在1%的水平下显著。这说明高管薪酬激励对数字化转型的促进作用在大型企业中更为显著。
Table 6. Heterogeneity test based on firm ownership and size
表6. 基于企业产权和规模的异质性检验
变量 |
被解释变量:Digital |
(1) |
(2) |
(3) |
(4) |
产权异质性 |
产权异质性 |
企业异质性 |
企业异质性 |
Paysalary |
0.077*** |
|
0.086*** |
|
(5.75) |
|
(7.13) |
|
Paysalary*Soe |
−0.016*** |
|
|
|
(−12.21) |
|
|
|
Msalary |
|
0.016*** |
|
0.008*** |
|
(13.88) |
|
(5.70) |
Msalary*Soe |
|
−0.010*** |
|
|
|
(−5.77) |
|
|
Paysalary*Big |
|
|
0.008*** |
|
|
|
(6.14) |
|
Msalary*Big |
|
|
|
0.006*** |
|
|
|
(5.25) |
Dual |
0.069*** |
0.051*** |
0.112*** |
0.076*** |
(4.15) |
(3.02) |
(7.85) |
(5.16) |
Indep |
0.001 |
0.001 |
0.003** |
0.003** |
(0.50) |
(0.79) |
(2.49) |
(2.35) |
Growth |
0.034*** |
0.032*** |
0.045*** |
0.045*** |
(4.32) |
(4.12) |
(6.04) |
(6.11) |
Lev |
−0.219*** |
−0.203*** |
−0.268*** |
−0.234*** |
(−4.71) |
(−4.37) |
(−6.26) |
(−5.46) |
Roa |
−0.633*** |
−0.602*** |
−0.886*** |
−0.813*** |
(−5.41) |
(−5.21) |
(−8.00) |
(−7.45) |
Separation |
−0.002* |
0.002 |
0.000 |
0.002** |
(−1.72) |
(1.53) |
(0.01) |
(2.44) |
Size |
0.199*** |
0.200*** |
0.146*** |
0.174*** |
(24.19) |
(26.94) |
(18.53) |
(24.98) |
Constant |
−4.899*** |
−4.096*** |
−4.368*** |
−3.801*** |
(−21.98) |
(−21.24) |
(−20.68) |
(−21.27) |
Observations |
21,397 |
21,397 |
26,638 |
26,638 |
R-squared |
0.469 |
0.469 |
0.482 |
0.483 |
Industry |
YES |
YES |
YES |
YES |
Year |
YES |
YES |
YES |
YES |
6. 研究结论与启示
本文探究了高管薪酬激励对企业数字化转型的影响。结果发现,高管薪酬激励显著地提升了企业数字化转型水平,具体表现为高管货币激励和高管股权激励能有效促进企业数字化转型。上述结论在通过替换核心被解释变量和剔除特异变量的稳健性检验后依旧成立。进一步研究发现:1) 高管薪酬激励通过缓解融资约束来提高企业数字化转型;2) 高管薪酬激励对数字化转型的促进作用在非国有企业和大型企业中更为显著。
本文的启示如下:
第一,对于企业而言,应当构建高管最优激励契约组合,优化薪酬结构,发挥协同整合效应。数字化转型企业应突破单一薪酬工具的限制,构建包含股权激励、创新容错奖励、长期绩效挂钩奖金等多维度激励组合,从而平衡短期目标与长期战略。企业还可以根据数字化转型的不同阶段,动态调整薪酬结构中股权与现金的比例,确保激励的持续有效性。此外,还可以根据不同的企业特征制定差异化战略,探索激励效应的最优组合。
第二,对于政府部门而言,应当强化政策引导,营造有利于激励机制发挥作用的外部环境。政府可以加大金融支持,对于受融资约束影响较大的中小企业,政府可设立专项数字化转型基金或担保机制,提升融资可得性;支持企业探索多样化的薪酬激励模式,对成功实践激励推动数字化的企业予以宣传推广,形成示范引领效应;还可以构建政企协同平台,提升激励透明度与治理水平。
第三,对于金融机构而言,应当创新金融服务,助力激励机制与转型联动。企业数字化转型往往伴随大量前期投入,融资能力成为制约其战略执行的重要因素。金融机构可以在对企业进行授信评估时,可引入高管激励结构、薪酬透明度、激励与战略匹配度等非财务维度作为补充指标,提升风险评估的前瞻性和准确性。此外,金融机构还可以开发与数字化转型挂钩的专项贷款产品,鼓励企业将资金用于与激励制度协同的数字战略项目。