政策引导促进了企业数字化建设吗——基于政府工作报告视角

李 丹，邱 静（博士生导师）

一、引言

近年来，国家高度重视数字经济的发展，政府部门也相继出台了一系列政策指导文件以支持数字产业化的发展。在每年的政府工作报告中，数字化的提及频率呈逐步上升趋势。企业数字化转型在抑制大股东掏空（耀友福，2022）、促进企业创新（宋德勇等，2022）及增强股票流动性（吴非等，2021）等方面具有积极作用。但截至2020 年，只有60%的企业制定了数字化转型战略规划，且仅有约11%的企业转型成效显著①。有学者认为，企业数字化建设程度低的原因在于“不愿转”（余典范等，2022）。如果企业真的“不愿转”，那么在国家数字化政策的引导下，企业的数字化建设行为就有可能只是一种为了迎合政策的机会主义行为，对数字化的投资也只是停留在口头上，从而造成了数字化转型成效不明显的现象。事实上，企业也可能在政策引导下进行数字化建设，但由于数字技术等方面的制约而导致数字化转型成效并不明显。因此，只有厘清企业数字化转型成效不明显的真正原因，才能助力政府部门制定针对性政策以协助企业解决数字化建设过程中存在的实际问题，进而为更好地推动我国数字产业化和产业数字化打下坚实基础。因此，本文通过分析企业在政策引导下的数字化建设是“说说而已”还是“全力以赴”，具有重要的现实意义。

不同于其他分散的政策性文件，政府工作报告同时包含上年工作回顾和当年工作计划两部分，能够较为集中地体现中央政府的政策态度，也是指导政策落实的重要文件。同时，政府工作报告由于结构稳定、信息含量大，为不同领域的学者开展研究提供了海量资源（Wang，2017）。然而，由于政策文件具有不易量化的特点，使得探究政策文件对微观企业影响的研究较为欠缺，直到机器学习文本分析技术逐渐兴起，学者们对政策文件类的研究才呈现上升趋势。比如，有学者利用政府工作报告中相关的关键词构建了政府意志和注意力指标（侯新烁和杨汝岱，2016），以及产业政策关联度指标（覃飞和沈艳，2021），这为本文对政策文件进行量化研究提供了启示和思路。

在研究政府行为对企业数字化影响的现有文献中，有学者发现政府财政支出和政府补助对企业数字化转型具有显著的促进作用（吴非等，2021；余典范等，2022）。不同于以上文献，本文从政府工作报告角度，采用文本分析方法构建政策引导指标以分析政府行为对企业数字化的影响。本文可能的边际贡献在于：第一，在理论层面丰富了宏观政策对微观企业的影响研究。文章分析了政策引导下企业的数字化建设行为，不仅从微观企业视角拓展了对政策文件引导有效性的认知，也进一步揭示了企业数字化建设的影响因素。第二，在方法层面丰富了宏观政策的量化研究。本文利用文本分析法对政府工作报告中数字化关键词进行抓取后构建的数字化政策引导指标，是对宏观层面数字化政策度量的完善，也为之后政策文件的量化研究提供了有益借鉴。第三，在实践层面拓展了政策文件有效实施的边界条件。本文通过研究发现，政府工作报告中当年计划部分的政策引导效果要优于上年总结部分，且政策文本的可读性越高，政策引导效果越好，对政策文件的有效实施以及为政府相关政策的制定提供了启示和建议。

二、理论推演与假设提出

宏观政策与微观企业关系的相关研究大多集中在宏观政策对企业绩效及创新的影响方面（Bojnec 等，2021；余桂明等，2016）。在宏观政策对企业数字化的影响方面，学者们较多关注财政政策及产业政策对企业数字化转型的影响。比如，财政科技支出政策可以向企业提供直接的资金支持（Howell，2015），进而降低数字化转型成本并推动数字化转型（Kleer，2010；吴非等，2021），产业政策下的税收优惠和政府补助对企业数字化转型具有显著的促进作用（成琼文和丁红乙，2022；余典范等，2022）。

虽然已有学者研究了宏观政策对企业数字化转型的影响，但大多基于某项具体的政策对企业数字化转型带来的影响，并未涉及政策本身是否产生了引导作用。本文认为，政策引导对企业数字化建设的影响主要通过以下两条路径实现：第一，政策资源的倾斜和融资环境的改善缓解了企业融资约束；第二，管理者对数字化建设信心的增强促使创新投入增加。

首先，政策的制定往往伴随着资源的倾斜。由注意力理论可知，当政府面对海量信息对一系列议题做出优先性排序时，并不是因为政府决策者对该类事务存在个人偏好，而是由政府注意力所致，政府注意力的变化导致政府政策的变化（侯新烁和杨汝岱，2016）。政府工作报告中对数字化建设的关注度越高，表明政府注意力越集中于数字化建设方面，而与之对应的支持性政策也会应运而生，国家接连出台的一系列发展数字经济和数字产业化的文件就是最好的证明。政府对数字化转型企业的资源倾斜，有助于直接缓解企业的融资约束（Takalo和Tanayama，2010），从而为企业数字化建设创造条件。此外，资源的倾斜还可以激励企业提高内部资源的配置效率，有效降低企业进行数字化建设的成本（成琼文和丁红乙，2022），进而起到鼓励企业进行数字化建设的作用。

其次，政策引导信号有助于改善企业外部融资环境。根据信息传递理论，政策对数字化建设的引导释放了政府对数字化建设比较重视的信号，凸显了国家重点产业的发展方向。数字化建设由于具有不确定性较大、建设周期较长、短期收益不明显等特点，使得处于信息劣势方的外部投资者无法对企业未来经营状况进行准确判断（Barry和Brown，1985），进而对开展数字化建设的企业持观望态度，或要求企业给予额外的风险补偿（卢文彬等，2014），进一步提高融资成本。而政策对数字化建设的引导则有助于向资本市场传递国家发展数字经济和数字化产业的决心，投资者也会对企业数字化建设前景进行积极预判，从而使得更多资金流向企业的同时也能降低投资者所要求的额外风险补偿，进而降低权益融资成本。此外，政策引导信号还有助于降低银行与企业之间的信息不对称程度，有效促进银企间更好的信任及合作关系，进而降低债务资本成本（谭劲松等，2017）。

最后，政策引导有助于增强管理者对数字化建设的信心，从而增加创新投入。由委托代理理论可知，在两权分离的企业中：一方面，管理者面临着绩效考核压力，不得不放弃一些风险较大的长期投资项目；而另一方面，管理者出于对自身长期职业发展和声誉的考虑，需要制定并调整企业数字化转型战略以适应数字经济时代。在二者权衡中，政策引导可以有效激励管理者为形成企业长远的竞争优势而进行数字化建设。原因在于：一方面，数字化建设从初始投资到后续获益需要较长的周期，如果没有政策的引导，管理者在进行数字化投资决策时容易缺乏安全感。而政策对数字化建设的支持，有助于减少企业管理者对数字化投资的不确定性心理，乃至排斥心理，并从思想上认识到数字化建设的必要性，从而增强管理者进行数字化建设的信心（谭劲松等，2017）。另一方面，政策引导所伴随政策资源的倾斜和融资约束的缓解，为管理者进行数字化建设创造了有利条件，从而使企业管理者对数字化建设的投资有所增加。

基于以上分析，本文提出以下假设：

H1：政策引导会促进企业数字化建设。

三、研究设计

（一）数据来源

考虑到我国数字经济的快速发展主要体现在2010年之后，本文以2011 ～2020 年为研究期间。研究对象为全国31个省市自治区的政府工作报告②和沪深A股上市公司。其中：政府工作报告来源于省级人民政府官网和百度搜索③；微观财务数据来源于CSMAR 数据库；宏观层面控制变量数据来自于《中国统计年鉴》。同时对数据进行了如下处理：剔除金融业的样本企业；剔除ST、PT 和退市的样本企业；剔除资不抵债及核心数据缺失的样本企业；对所有连续变量进行1%和99%的缩尾处理。

（二）变量定义

1.解释变量：政策引导。以往对政策的研究多以定性研究为主，而定量研究的方法主要有以下三类：一是统计法规、规章及相关文件的累积数构建指标（韩永辉等，2017）。二是设置政策虚拟变量或是对政策进行打分度量（余桂明等，2016）。三是利用文本分析法进行关键词频统计（覃飞和沈艳，2021）。考虑到文本分析法对政策的量化更为全面、客观和科学，故本文参考吴非等（2021）的做法，利用Python 对数字化关键词在《政府工作报告》中出现的词频数进行统计，并据以构建政策引导（Support）指标来衡量政策对数字化建设的引导程度。

2.被解释变量：企业数字化建设。参考夏常源等（2022）的做法，将企业在无形资产投资明细中与数字化有关的支出作为企业数字化建设的度量指标。为了消除规模效应对研究结果的干扰，本文将数字化投资与营业收入的比值（In_Dig）以及数字化投资与总资产的比值（In_Dig1）分别作为企业数字化建设的替代指标。考虑到数据回归结果的可读性，在原比值的基础上乘以100。

3.控制变量。参考夏常源等（2022）和吴非等（2021）的做法，结合本文的研究主题，控制了微观企业层面和地区层面可能影响企业数字化建设的相关变量，并控制了行业和年度效应以排除固定特征的可能影响。具体的变量定义如表1所示。

表1 变量定义

（三）模型构建

为了对政策引导与企业数字化建设的关系进行研究，本文参考夏常源等（2022）的做法，采用固定效应回归模型进行检验，同时控制行业和年度虚拟变量。具体实证模型如下：

上式中，Supporti，t中的i表示各家上市公司，t为各年时间，下同。

四、实证分析

（一）描述性统计

从表2 的描述性统计结果可知，企业数字化建设（In_Dig）的均值为0.480，最小值为0，最大值为8.184，而In_Dig1的均值为0.218，最小值为0，最大值为3.124，说明我国上市公司数字化建设水平差异较大。政府工作报告中数字化建设的政策引导（Support）均值为3.326，最小值为2.398，最大值为3.738，说明不同地区政府的政策引导存在一定差异。其他变量的结果与已有研究较为接近。

表2 描述性统计

（二）基准回归

表3 对政策引导与企业数字化建设的关系进行了检验。从表3 第（1）、（3）列未加入控制变量的结果可知，政府引导与企业数字化建设显著正相关。为了进一步检验二者关系是否稳健，在第（2）列和第（4）列中加入一系列控制变量进行回归，结果显示，政策引导（Support）的回归系数在1%水平上依然显著为正。从经济意义上来看，政策引导每增加一个标准差（0.237），将使得企业数字化建设（In_Dig）提高26.484%（0.193×1.176÷0.857）个标准差，企业数字化建设（In_Dig1）将提高18.13%（0.072×1.176÷0.467）个标准差。上述结果表明，无论是统计意义上还是经济意义上，政策引导均会显著促进企业的数字化建设，H1 得到验证。

表3 政策引导与企业数字化建设

（三）内生性和稳健性检验

政府工作报告一般由各级政府在年初制定，不受当年经济发展状况和企业数字化建设的反向影响，具有较好的外生性。但考虑到可能存在样本自选择和遗漏变量问题，因此，本文采用Heckman 两阶段和倾向得分匹配（PSM）进行内生性检验。

1.Heckman 两阶段。根据Heckman 两阶段模型，第一阶段先计算不同企业获得政策引导的概率，即得到逆米尔斯比率（IMR），第二阶段再将该比率代入模型进行回归，以缓解样本自选择偏差。考虑到本文政策引导为连续变量，因此参考李哲等（2020）的做法，根据政策引导的年度行业中位数不同将企业分为两组，设立虚拟变量（Supportdum）以建立模型（2），并引入逆米尔斯比率构建模型（3）。从表4可知，加入逆米尔斯比率后政策引导（Support）的系数为（0.265）和（0.107），在10%的水平上显著为正且均通过了Wald测试。这说明在缓解了样本自选择偏差后，原假设依然成立。

表4 Heckman两阶段和倾向得分匹配（PSM）

2.倾向得分匹配（PSM）。为了减少遗漏变量对回归结果的影响，进一步用PSM 进行1∶3 近邻匹配并进行检验。从表4 可知，经倾向得分匹配后的样本中政策引导系数为0.161和0.053，且分别在1%和5%的水平上显著。这说明在缓解企业遗漏变量等内生性问题后前文结论依然稳健，即政策引导对企业数字化建设存在显著影响。

3.改变企业数字化建设的度量方式。为了增强研究结论的可靠性，本文改变数字化建设的度量方式。第一，将企业无形资产当期增加额作为企业数字化建设的替代指标（In_Dig2）④，再计算政府工作报告中当期数字化关键词增加额作为当期政策引导的替代指标（Support1）。第二，将企业无形资产当期期末数与上期期末数之差作为企业数字化建设的替代指标（In_Dig3），并将其与当期政策引导增加额（Support1）进行回归检验。从表5Panel A可知，前文结论依然稳健。

表5 改变企业数字化建设和政策引导度量方式

4.改变政策引导的度量方式。本文中企业政策引导为经对数处理后的政策文本中的数字化词频数，导致最小值与最大值之间的差额较小。为了排除数据对样本结果产生的影响，本文改变政策引导的度量方式，将政府工作报告中爬取的数字化关键词频数直接作为政策引导的度量指标（Support2），再重新进行固定效应回归检验。从表5PanelB可知，前文结论依然稳健。

5.政策引导的时效性检验。为了考察政策引导对企业数字化建设时效性的影响，本文在原模型的基础上，将解释变量滞后一期（L.Support）和滞后二期（L2.Support）进行回归检验。从表6可知，政策引导与企业滞后二期的数字化建设无显著关系，但与企业滞后一期数字化建设显著正相关，这意味着随着时间推移，政策引导的效果逐渐减弱。

表6 政策引导的时效性检验

6.排除企业数字化策略性行为影响。为了排除企业刻意增加无形资产中与数字化相关的投资给研究结论带来的影响，本文参考赵璨等（2020）的做法，首先构建模型（4）求出企业数字化建设的异常支出（残差ε），并剔除异常值最高的10%观测样本后重新进行检验。模型（4）中，In_Digmed 为年度行业内其他企业的数字化建设中位值，同时控制了省份（Pro）变量，其他变量定义与前文相同。从表7 Panel A 可知，前文结论依然稳健。

表7 排除企业数字化策略性行为影响

考虑到高新技术企业商业模式多与大数据、互联网等有紧密联系，为了更加真实地捕捉政策引导对企业数字化建设的影响，本文将所有资质认定过高新技术企业的样本公司予以剔除。从表7 Panel B 可知，前文结论依然稳健。

（四）作用机制检验

由前文分析发现，政策引导可以通过缓解融资约束和促进创新投入对企业数字化建设产生影响。但具体是通过何种途径对企业数字化建设产生促进作用尚不明确，显然，厘清政策引导对企业数字化建设的作用机制，对国家出台指导性政策以促进数字化发展具有重大意义。因此，本文参考江艇（2022）在因果推断研究中对中介效应检验的做法建议，在传统中介效应三步法的基础上，利用回归模型考察解释变量与中介变量的因果关系，并根据理论推导证明中介变量与被解释变量的因果关系，以此来对政策引导影响企业数字化建设的作用机制进行检验。

1.融资约束机制检验。当企业面临财务约束时，企业管理者为了防止自身薪酬受到影响以及维护自己的职业声誉，不得不考虑将有限的资源投入短期收益较高的项目中，以保障企业的正常经营。因此，企业所面临的融资约束将不利于企业开展投资周期长、不确定性较大的数字化建设。已有研究表明，政府财政支出和金融科技可以通过缓解企业的融资约束问题，从而促进企业的数字化转型（吴非等，2021；唐松等，2022）。为了检验政策引导能否缓解企业的融资约束问题，本文以SA指数⑤的绝对值作为融资约束（absSA）的度量指标，该值越大，表明企业融资约束程度越高。同时，构建模型（5）和（6）以检验中介变量在政策引导影响企业数字化建设中发挥的作用。表8 中Panel A 显示了企业融资约束机制检验的回归结果。第（1）列结果显示，政策引导与融资约束的系数为-0.008，在5%的水平上显著，说明政策引导显著缓解了企业的融资约束。从第（2）、（3）列结果可知，政策引导和融资约束的系数均在1%水平上显著为正，表明政策引导和融资约束均能促进企业的数字化建设。中介效应Sobel 检验的Z 统计量分别为3.457 和3.524，验证了融资约束在政策引导与企业数字化建设中发挥部分中介作用。

表8 融资约束和创新投入的机制检验

2.创新投入机制检验。创新是指企业对生产要素进行重新组合，而企业数字化建设作为数字化转型的关键环节，是指利用信息通信技术将企业现有管理模式、运行机制等架构进行重塑的过程（刘淑春等，2021）。虽然企业创新和企业数字化建设概念不同，但是企业创新投入的增加有利于推动企业信息通信技术的创新，进而促进企业的数字化建设。已有研究表明，金融市场化改革可以通过促进企业创新投入增加，从而推动企业的数字化转型（唐松等，2022）。为了检验政策引导能否促进创新投入增加，本文用企业当年研发投入金额与总资产的比值作为创新投入的度量指标（Invest），并利用模型（5）和模型（6）进行回归。表8 中Panel B显示了企业创新投入机制检验的回归结果。第（4）列结果显示，政策引导与创新投入的系数为0.001，在10%的水平上显著，说明政策引导显著增加了企业的创新投入。从第（5）、（6）列结果可知，政策引导和创新投入的系数均在1%的水平上显著为正，表明政策引导和创新投入均能促进企业的数字化建设。中介效应Sobel 检验的Z 统计量分别为5.105 和5.145，验证了创新投入在政策引导与企业数字化建设中发挥部分中介作用。

五、进一步分析

（一）政策中不同组成部分的异质性检验

政府工作报告主要由上年总结和当年计划两部分构成，上年总结是对以往工作的回顾和总结，而当年计划里面含有政府对当地企业提出的希望和要求。相较于上年总结，当年计划对企业产生的引导效应应该更强。鉴于此，本文进一步对政府工作报告区分上年总结（Support3）和当年计划（Support4）部分来展开分析。具体做法：首先阅读各省的政府工作报告，再将其区分为上年总结和当年计划两个不同部分，最后分别进行数字化关键词爬取，回归结果见表9。从表9 第（2）列和第（4）列的回归结果可知，政府工作报告中当年计划部分与企业数字化建设在1%的水平上显著正相关；第（1）列和第（3）列结果显示，政府工作报告的上年总结与企业数字化建设分别在5%和10%的水平上显著正相关。但是通过组间系数差异检验发现，政府工作报告的上年总结和当年计划部分对企业数字化建设（In_Dig）的促进作用存在显著差异，相较于上年总结部分，当年计划对企业数字化建设的促进作用更显著。以上结果表明，政策引导中不论是在上年总结部分还是在当年计划部分都会对企业数字化建设产生促进作用，但是当年计划部分更能发挥政策引导作用。

表9 政策中不同组成部分异质性检验

（二）政策可读性的异质性检验

考虑到政策文本信息含量较大，政府工作报告作为官方语言具有权威性和专业性，其可读性越强，越有助于企业掌握政策关注的重点，从而发挥政策引导的作用。因此，本文参考徐巍等（2021）的做法，根据政府工作报告文本中每个分句平均字数构建政策可读性指标，再根据其中位数将样本分为政策可读性较高组和可读性较低组。具体而言，先统计政府工作报告中除附件外的文本总字数，再以句尾（包括句号、问号和感叹号）和停顿（逗号、冒号、分号和顿号）作为分句的标志，最后根据总字数除以分句得到可读性指标，该指标越大，表明政策可读性越高，反之则越低。回归结果见表10，第（2）列和第（4）列结果表明，在政策可读性较低的组中，政策引导对企业数字化建设（In_Dig、In_Dig1）的影响效果均不显著。相较而言，第（1）列和第（3）列结果表明，在政策可读性较高的组中，政策引导显著促进了企业数字化建设（In_Dig、In_Dig1）。组间系数差异性检验也进一步表明，政策引导对企业数字化建设的影响效果因政策可读性不同而存在明显差异。以上结果表明，政策可读性越高，政策引导对企业数字化建设的促进作用越显著。

表10 政策可读性异质性检验

（三）生命周期的异质性检验

不同生命周期阶段的企业具有不同的特征，使得政策引导所产生的效果不一样。首先，成长期企业虽然具有强烈的扩张意愿，但由于处于经营初期，其发展方向尚不明晰，商业模式也不成熟，市场占有率较低，企业容易出现资金问题。此时，政策引导不仅有助于缓解企业融资约束，也指明了企业的发展方向。因此，成长期企业在政策引导下会进行数字化建设。其次，成熟期企业的发展方向和商业模式已日趋完善，在组织制度和资金问题逐步完善的情况下，政策对数字化建设的引导，可能需要企业重新调整既定战略和目标以进行数字化建设，这不仅需要花费较大精力，也需要较多人力、物力和财力的支持，因而成熟期企业一般不会轻易做出战略调整。因此，政策引导对成熟期企业的数字化建设影响有限。最后，衰退期企业的现有产品已经不再受市场青睐，市场份额和销售利润的下降使得企业陷入资金和发展的双重困境。为了维持生存，企业不得不重新调整战略方向，此时，政策对数字化建设的引导为企业带来了重新开启赛道的机会，因此，政策引导下衰退期企业会进行数字化建设。

本文参考刘诗源等（2020）的做法，按照企业经营活动、投资活动和筹资活动所产生的现金流量净额的不同，对样本企业进行成长期、成熟期和衰退期的划分。回归结果见表11：第（2）列和第（5）列显示，政策引导对成熟期企业数字化建设无显著影响；第（1）列和第（4）列显示，政策引导与成长期企业数字化建设在1%的水平上显著正相关；第（3）列和第（6）列显示，政策引导与衰退期企业数字化建设在1%的水平上显著正相关。组间系数差异性检验也进一步表明，政策引导对不同生命周期阶段企业数字化建设的影响效果存在明显差异。结论与前文预期一致。

表11 生命周期异质性检验

六、结论与启示

（一）结论

本文以2011 ～2020年我国A股上市公司为研究对象，基于Python 文本分析方法对政府工作报告中数字化相关的政策引导进行了量化，分析了政策引导对企业数字化建设的影响。研究发现，政策引导会促进企业的数字化建设。内在机制检验表明，政策引导通过影响企业融资约束和创新投入而作用于企业数字化建设。进一步研究发现，政策文本的不同组成部分和政策可读性会对企业数字化建设产生异质性影响，不同生命周期企业在政策引导下的反应也不一样。具体而言：相较于上年总结部分，当年计划部分的政策引导对企业数字化建设的促进效果更显著；政策可读性越高，越能显著促进企业的数字化建设；相较于成熟期企业，政策引导更能够显著促进成长期和衰退期企业的数字化建设。

（二）启示

本文的研究结论具有以下政策启示：

1.基于政府层面。第一，政府应积极发挥政策的引导作用。本文发现政府工作报告对数字化建设的引导可以有效推动企业的数字化建设，这正是宏观政策落实到微观经济实体的具体表现，表明政策引导发挥了有效的指导作用。在今后的政策制定过程中，对于需要重点发展的产业及方向，政府需要明确并突出其在政策文本中的重要性，从而实现政策指导产业发展的目的。第二，政府应注意到当年计划部分的内容会对企业产生较强的引导作用。对于当地需要重点发展的产业及方向，政府要在政策计划中做出明确指示，不仅有利于企业未来战略规划的调整，也有利于政策的顺利推进。第三，政府应提升政策本身的可读性。政策的制定固然重要，但是政策的表述方式也不可忽视。在我国，由于不同地区的民族和文化均存在一定差异，当地政策的表述除了要清晰反映政策的本意，也要综合考虑当地文化特征，便于当地人民的阅读和理解。政策可读性越强，越有助于企业掌握政策关注的重点，也越有助于发挥政策的引导效果。

2.基于企业层面。企业对于及时关注政策信息的意识应加强。党的十八大以来，中央和地方纷纷出台了众多政策文件以支持企业数字化发展，为此，企业应在政策的引导下积极响应号召，强化数字化建设的意识，培养数字化人才，抓住政策红利，大力开展数字化建设。尤其对于成熟期企业而言，虽然目前市场占有率较为稳定，但仍需紧密关注政策动向，提前做好战略布局，只有与国家政策保持一致，才有助于企业长远发展，并在复杂多变的外部环境中立于不败之地。

【注 释】

①数据来自埃森哲发布的《2020中国企业数字转型指数研究》和《中国企业数字化转型研究报告（2020）》。

②为了与已有文献保持一致，本文研究不含中国台湾省、香港特别行政区和澳门特别行政区。

③从百度主页中通过www.gov.cn（中华人民共和国中央人民政府官网）进行搜索。

④为了保证回归结果的可读性，将In_Dig2 和In_Dig3 均除以1000000 后进行回归。

⑤SA指数=-0.37×Size +0.043×Size2-0.04×Age。

【 主要参考文献】

成琼文，丁红乙.税收优惠对资源型企业数字化转型的影响研究［J］.管理学报，2022（7）：1 ～9.

韩永辉，黄亮雄，王贤彬.产业政策推动地方产业结构升级了吗？——基于发展型地方政府的理论解释与实证检验［J］.经济研究，2017（8）：33 ～48.

侯新烁，杨汝岱.政府城市发展意志与中国区域城市化空间推进——基于《政府工作报告》视角的研究［J］.经济评论，2016（6）：9 ～22+54.

江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100 ～120.

李哲，黄静，孙健.企业创新新颖度与审计收费——基于上市公司专利分类数据的证据［J］.会计研究，2020（8）：178 ～192.

刘诗源，林志帆，冷志鹏.税收激励提高企业创新水平了吗？——基于企业生命周期理论的检验［J］.经济研究，2020（6）：105 ～121.

卢文彬，官峰，张佩佩，邓玉洁.媒体曝光度、信息披露环境与权益资本成本［J］.会计研究，2014（12）：66 ～71+96.

宋德勇，朱文博，丁海.企业数字化能否促进绿色技术创新？——基于重污染行业上市公司的考察［J］.财经研究，2022（4）：34 ～48.

覃飞，沈艳.产业政策关联度对公司业绩影响研究［J］.数量经济技术经济研究，2021（9）：117 ～138.

谭劲松，冯飞鹏，徐伟航.产业政策与企业研发投资［J］.会计研究，2017（10）：58 ～64+97.

唐松，李青，吴非.金融市场化改革与企业数字化转型——来自利率市场化的中国经验证据［J］.北京工商大学学报（社会科学版），2022（1）：13 ～27.

吴非，胡慧芷，林慧妍，任晓怡.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（7）：130 ～144+10.

夏常源，毛谢恩，余海宗.社保缴费与企业管理数字化［J］.会计研究，2022（1）：96 ～113.

徐巍，姚振晔，陈冬华.中文年报可读性：衡量与检验［J］.会计研究，2021（3）：28 ～44.

耀友福.企业数字化转型对大股东掏空行为的影响［J］.当代财经，2022（11）：137 ～148.

余典范，王超，陈磊.政府补助、产业链协同与企业数字化［J］.经济管理，2022（5）：63 ～82.

余明桂，范蕊，钟慧洁.中国产业政策与企业技术创新［J］.中国工业经济，2016（12）：5 ～22.

赵璨，陈仕华，曹伟.“互联网+”信息披露：实质性陈述还是策略性炒作——基于股价崩盘风险的证据［J］.中国工业经济，2020（3）：174 ～192.

Barry C.B.，Brown S.J..Differential information and security market equilibrium［J］.Journal of Financial and Quantitative Analysis，1985（4）：407 ～422.

Bojnec Š.，Žampa S..Subsidies and economic and financial performance of enterprises［J］.Journal of Risk and Financial Management，2021（11）：14110505.

Howell S.T..Financing innovation：Evidence from R&D grants［J］.American Economic Review，2017（4）：1136 ～1164.

Kleer R..Government R&D subsidies as a signal for private investors［J］.Research Policy，2010（10）：1361 ～1374.

Takalo T.，Tanayama T..Adverse selection and financing of innovation：Is there a need for R&D subsidies？［J］.Journal of Technology Transfer，2010（1）：16 ～41.

Wang Z..Government work reports：Securing state legitimacy through institutionalization［J］.The China Quarterly，2017（229）：195 ～204.