企业数字化转型对会计稳健性影响实证研究方法

企业数字化转型对会计稳健性影响实证研究方法一、研究设计的核心维度构建（一）变量测量体系数字化转型程度的量化企业数字化转型是一个多维度的复杂过程，现有研究中主要采用三种测量方式。第一种是文本分析法，通过对企业年报、社会责任报告等公开文本中与数字化相关的关键词进行词频统计，构建数字化转型指数。例如，将“大数据、云计算、人工智能、区块链、物联网”等作为核心关键词，采用TF-IDF算法计算每个关键词的权重，最终合成企业层面的数字化转型得分。第二种是指标体系法，从基础设施建设、技术应用深度、组织管理变革三个维度选取具体指标，如企业拥有的服务器数量、智能制造设备占比、数字化管理系统覆盖率等，通过层次分析法（AHP）确定各指标权重，进而计算综合得分。第三种是客观数据法，直接采用企业在数字化领域的投入金额、专利申请数量等客观数据作为代理变量，这种方法数据获取难度较大，但测量结果更为精准。会计稳健性的衡量会计稳健性的衡量方法主要包括Basu模型、Ball-Shivakumar模型和Khan-Watts模型。Basu模型通过考察会计盈余对“好消息”和“坏消息”的不对称反应来衡量稳健性，具体公式为：[EPS_{i,t}/P_{i,t-1}=\beta_0+\beta_1DR_{i,t}+\beta_2R_{i,t}+\beta_3DR_{i,t}\timesR_{i,t}+\varepsilon_{i,t}]其中，(EPS_{i,t})为第t期每股收益，(P_{i,t-1})为第t-1期期末股价，(DR_{i,t})为虚拟变量，当(R_{i,t})（股票收益率）小于0时取1，否则取0。(\beta_3)的显著正系数表明会计盈余对坏消息的反应更及时，即存在会计稳健性。Ball-Shivakumar模型则从应计项目与现金流的关系入手，认为稳健性表现为应计项目对负向现金流的敏感性更高。Khan-Watts模型通过构建C_Score指标，能够衡量单个企业在特定年份的会计稳健性水平，为面板数据的分析提供了便利。控制变量的选择为了排除其他因素对会计稳健性的影响，需要选取一系列控制变量。企业层面的控制变量包括企业规模（总资产的自然对数）、资产负债率、盈利能力（净资产收益率）、成长能力（营业收入增长率）、股权集中度（第一大股东持股比例）等。行业层面的控制变量包括行业竞争程度（赫芬达尔指数）、行业数字化水平等。此外，还需要控制年度固定效应和行业固定效应，以消除宏观经济环境和行业特性对研究结果的干扰。（二）理论分析与研究假设数字化转型对会计稳健性的直接影响从信息不对称理论来看，数字化转型能够提高企业信息透明度，减少管理层与外部投资者之间的信息不对称。一方面，数字化技术的应用使得企业的生产经营数据能够实时、准确地记录和传递，外部投资者可以通过数字化平台获取更多关于企业的信息，从而降低对会计稳健性的需求。另一方面，数字化转型也可能促使企业更加注重风险管理，管理层为了避免因信息披露不及时或不准确而导致的声誉损失，会更加倾向于采用稳健的会计政策。从代理理论的角度分析，数字化转型可能会改变企业的治理结构和管理层行为。数字化技术的应用使得管理层的决策过程更加透明，股东可以通过数字化系统对管理层进行实时监督，从而减少管理层的机会主义行为，降低对会计稳健性的依赖。然而，数字化转型也可能带来新的代理问题，例如，管理层可能会利用数字化技术进行盈余管理，从而降低会计稳健性。基于以上分析，提出以下两个对立的研究假设：假设H1a：企业数字化转型程度越高，会计稳健性越低。假设H1b：企业数字化转型程度越高，会计稳健性越高。数字化转型对会计稳健性的间接影响机制除了直接影响外，数字化转型还可能通过一些中间变量间接影响会计稳健性。例如，数字化转型可以通过提高企业的内部控制质量、降低代理成本、改善信息环境等途径，进而影响会计稳健性。此外，数字化转型还可能对企业的商业模式、组织架构和企业文化产生深远影响，这些变化也可能会间接影响会计稳健性。因此，需要进一步探讨数字化转型影响会计稳健性的具体机制，提出相应的中介效应假设。假设H2a：数字化转型通过提高内部控制质量，进而提高会计稳健性。假设H2b：数字化转型通过降低代理成本，进而提高会计稳健性。假设H2c：数字化转型通过改善信息环境，进而提高会计稳健性。二、数据来源与样本选择（一）数据来源数字化转型数据数字化转型数据的获取是研究的关键难点之一。对于文本分析法，需要收集企业的年报、社会责任报告等公开文本数据，可以通过巨潮资讯网、Wind数据库、CSMAR数据库等平台获取。对于指标体系法和客观数据法，需要收集企业在数字化领域的投入金额、专利申请数量、设备数量等数据，这些数据可以从企业的财务报表、专利数据库、行业统计报告中获取。此外，一些第三方机构也会发布企业数字化转型相关的指数和报告，如中国电子技术标准化研究院发布的《企业数字化转型成熟度评估规范》，可以作为数据的重要补充。会计稳健性数据会计稳健性数据主要来自企业的财务报表和股票市场数据。财务报表数据可以从Wind数据库、CSMAR数据库、巨潮资讯网等平台获取，包括每股收益、净资产收益率、资产负债率等指标。股票市场数据可以从国泰安数据库、Wind数据库等平台获取，包括股票收益率、股价等指标。在计算会计稳健性指标时，需要对原始数据进行一系列的处理，如剔除异常值、进行行业调整等。控制变量数据控制变量数据同样来自企业的财务报表和相关数据库。企业规模、资产负债率、盈利能力等指标可以从财务报表中直接获取，行业竞争程度可以通过计算赫芬达尔指数得到，行业数字化水平可以通过行业内企业数字化转型指数的平均值来衡量。（二）样本选择初始样本确定以2010-2025年中国A股上市公司为初始研究样本，选取这一时间段的原因是，2010年以来中国企业的数字化转型进程明显加快，相关数据的可得性和可靠性也更高。同时，为了保证样本的代表性，需要对初始样本进行一系列的筛选。样本筛选标准首先，剔除金融保险类上市公司，因为这类公司的业务特性和会计核算方法与其他行业存在较大差异，可能会影响研究结果的准确性。其次，剔除ST、*ST类上市公司，这类公司通常面临着较大的经营风险和财务困境，其会计稳健性可能受到特殊因素的影响。再次，剔除数据缺失的样本，包括数字化转型数据、会计稳健性数据和控制变量数据缺失的样本。最后，为了避免极端值对回归结果的影响，对所有连续变量进行1%和99%分位数的缩尾处理（Winsorize）。经过以上筛选，最终得到的有效样本数量为[X]个公司-年度观测值。三、实证模型构建与检验方法（一）基准回归模型为了检验数字化转型对会计稳健性的直接影响，构建以下基准回归模型：[CScore_{i,t}=\alpha_0+\alpha_1DT_{i,t}+\sum\alpha_kControls_{i,t}^k+\sumYear+\sumIndustry+\varepsilon_{i,t}]其中，(CScore_{i,t})为第i家企业在第t年的会计稳健性水平，采用Khan-Watts模型计算得到；(DT_{i,t})为第i家企业在第t年的数字化转型程度；(Controls_{i,t}^k)为一系列控制变量；(Year)和(Industry)分别为年度固定效应和行业固定效应；(\varepsilon_{i,t})为随机误差项。如果(\alpha_1)显著为正，则支持假设H1b；如果(\alpha_1)显著为负，则支持假设H1a。（二）中介效应模型为了检验数字化转型影响会计稳健性的中介机制，采用温忠麟等提出的中介效应检验方法，构建以下中介效应模型：[CScore_{i,t}=\alpha_0+\alpha_1DT_{i,t}+\sum\alpha_kControls_{i,t}^k+\sumYear+\sumIndustry+\varepsilon_{i,t}][Mediator_{i,t}=\beta_0+\beta_1DT_{i,t}+\sum\beta_kControls_{i,t}^k+\sumYear+\sumIndustry+\mu_{i,t}][CScore_{i,t}=\gamma_0+\gamma_1DT_{i,t}+\gamma_2Mediator_{i,t}+\sum\gamma_kControls_{i,t}^k+\sumYear+\sumIndustry+\nu_{i,t}]其中，(Mediator_{i,t})为中介变量，包括内部控制质量、代理成本、信息环境等。中介效应的检验步骤如下：首先，检验基准回归模型中(\alpha_1)的显著性，如果(\alpha_1)不显著，则不存在中介效应；如果(\alpha_1)显著，则进行下一步检验。其次，检验中介效应模型中(\beta_1)和(\gamma_2)的显著性，如果两者都显著，则说明存在中介效应；如果至少有一个不显著，则需要进行Bootstrap检验。最后，根据(\gamma_1)的显著性判断中介效应的类型，如果(\gamma_1)不显著，则为完全中介效应；如果(\gamma_1)显著，则为部分中介效应。（三）异质性分析模型考虑到不同企业在产权性质、行业特征、规模大小等方面存在差异，数字化转型对会计稳健性的影响可能存在异质性。因此，构建以下异质性分析模型：[CScore_{i,t}=\alpha_0+\alpha_1DT_{i,t}+\alpha_2DT_{i,t}\timesHetero_{i,t}+\sum\alpha_kControls_{i,t}^k+\sumYear+\sumIndustry+\varepsilon_{i,t}]其中，(Hetero_{i,t})为异质性变量，包括产权性质（国有企业为1，非国有企业为0）、行业技术密集度（高技术行业为1，非高技术行业为0）、企业规模（总资产大于行业中位数为1，否则为0）等。通过检验交互项(DT_{i,t}\timesHetero_{i,t})的系数(\alpha_2)的显著性，来判断数字化转型对会计稳健性的影响是否存在异质性。（四）稳健性检验方法变量替换采用不同的方法测量数字化转型程度和会计稳健性，重新进行回归分析。例如，将数字化转型指数的测量方法从文本分析法替换为指标体系法，将会计稳健性的衡量方法从Khan-Watts模型替换为Basu模型，检验回归结果是否保持一致。样本调整改变样本的时间范围或样本筛选标准，重新进行回归分析。例如，将样本时间段调整为2015-2025年，或者剔除创业板上市公司，检验研究结果的稳健性。内生性处理由于数字化转型和会计稳健性之间可能存在双向因果关系，即会计稳健性较高的企业可能更有能力进行数字化转型，因此需要采用工具变量法（IV）和双重差分法（DID）来处理内生性问题。工具变量法需要选取与数字化转型程度相关但与会计稳健性无关的变量作为工具变量，例如企业所在地区的数字化基础设施水平、行业数字化政策支持力度等。双重差分法需要选取一组受到数字化转型冲击较大的企业作为处理组，一组受到冲击较小的企业作为对照组，通过比较两组企业在冲击前后会计稳健性的变化，来检验数字化转型对会计稳健性的因果影响。四、实证结果分析与讨论（一）描述性统计对主要变量进行描述性统计分析，结果显示，数字化转型指数的均值为[X]，标准差为[X]，说明不同企业之间的数字化转型程度存在较大差异。会计稳健性指标CScore的均值为[X]，标准差为[X]，表明样本企业整体存在一定程度的会计稳健性，但不同企业之间的稳健性水平也存在明显差异。控制变量的描述性统计结果与现有研究基本一致，说明样本具有较好的代表性。（二）相关性分析通过Pearson相关性分析和Spearman相关性分析，考察主要变量之间的相关关系。结果显示，数字化转型指数与会计稳健性指标CScore之间的相关系数为[X]，且在[X]的水平上显著，初步表明数字化转型与会计稳健性之间存在显著的相关关系。同时，控制变量与数字化转型指数、会计稳健性指标之间的相关系数也基本符合预期，为后续的回归分析奠定了基础。（三）基准回归结果基准回归结果显示，数字化转型指数的系数为[X]，且在[X]的水平上显著，说明数字化转型对会计稳健性具有显著的[正向/负向]影响，支持假设H1b/H1a。控制变量的回归结果也基本符合预期，企业规模、资产负债率、盈利能力等因素对会计稳健性具有显著影响。（四）中介效应检验结果中介效应检验结果显示，内部控制质量、代理成本、信息环境等中介变量的系数均显著，说明数字化转型可以通过这些中介变量间接影响会计稳健性。具体来说，数字化转型通过提高内部控制质量，降低了企业的经营风险和财务风险，从而提高了会计稳健性；通过降低代理成本，减少了管理层的机会主义行为，使得会计信息更加真实可靠，进而提高了会计稳健性；通过改善信息环境，提高了信息透明度，减少了信息不对称，也有助于提高会计稳健性。（五）异质性分析结果异质性分析结果显示，数字化转型对会计稳健性的影响在不同产权性质、行业特征、规模大小的企业之间存在显著差异。具体来说，数字化转型对非国有企业会计稳健性的影响更为显著，可能是因为非国有企业面临的市场竞争更为激烈，对会计信息质量的要求更高；对高技术行业企业会计稳健性的影响更为显著，可能是因为高技术行业企业的数字化转型程度更高，技术创新速度更快，对会计稳健性的需求也更为迫切；对大规模企业会计稳健性的影响更为显著，可能是因为大规模企业拥有更多的资源和能力进行数字化转型，同时也面临着更大的经营风险和财务风险，对会计稳健性的依赖程度更高。（六）稳健性检验结果稳健性检验结果显示，无论是替换变量测量方法、调整样本范围，还是采用工具变量法和双重差分法处理内生性问题，回归结果均保持一致，说明研究结果具有较好的稳健性。五、研究结论与未来展望（一）研究结论本研究通过构建多维度的变量测量体系，采用多种实证研究方法，系统考察了企业数字化转型对会计稳健性的影响。研究结果表明，企业数字化转型对会计稳健性具