張功富 詹俊 呂月童

【摘要】本文基于2010 ～ 2020年A股上市公司數(shù)據(jù)， 采用文本挖掘的方法獲取數(shù)字化轉(zhuǎn)型數(shù)據(jù)并探討其對(duì)企業(yè)勞動(dòng)投資效率的影響。研究發(fā)現(xiàn)： 數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)勞動(dòng)投資效率的提升， 表現(xiàn)為抑制企業(yè)勞動(dòng)投資過(guò)度和緩解勞動(dòng)投資不足。從影響機(jī)制來(lái)看， 提高創(chuàng)新能力、 優(yōu)化內(nèi)部控制是數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)企業(yè)勞動(dòng)投資效率提升的機(jī)制， 且呈現(xiàn)出鏈?zhǔn)街薪樽饔茫?其中創(chuàng)新能力是關(guān)鍵。進(jìn)一步分析發(fā)現(xiàn)， 在過(guò)度招聘、 解雇不足以及招聘不足等樣本中， 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的正向作用均顯著存在。該研究結(jié)論為數(shù)字技術(shù)促進(jìn)企業(yè)勞動(dòng)投資效率提升提供了新的證據(jù)， 并為評(píng)估企業(yè)數(shù)字化轉(zhuǎn)型實(shí)施效果提供了有力支持。

【關(guān)鍵詞】數(shù)字化轉(zhuǎn)型；創(chuàng)新能力；內(nèi)部控制；勞動(dòng)投資效率

【中圖分類號(hào)】 F275.1? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2023）05-0153-8

一、 引言

近年來(lái)， 隨著大數(shù)據(jù)、 人工智能、 物聯(lián)網(wǎng)、 云計(jì)算等新一代數(shù)字信息技術(shù)的涌現(xiàn)， 越來(lái)越多的企業(yè)開(kāi)始進(jìn)行數(shù)字化轉(zhuǎn)型。節(jié)約人工成本、 提高勞動(dòng)投資效率是許多企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的重要目的， 然而， 數(shù)字化轉(zhuǎn)型后的企業(yè)勞動(dòng)投資效率是否得到了顯著提升？若是， 數(shù)字化轉(zhuǎn)型如何促進(jìn)企業(yè)勞動(dòng)投資效率的提升？對(duì)于這兩個(gè)實(shí)務(wù)界高度關(guān)注的問(wèn)題， 學(xué)術(shù)界卻鮮有研究。

企業(yè)勞動(dòng)投資效率是指企業(yè)實(shí)際雇傭量與生產(chǎn)經(jīng)營(yíng)所需的最佳雇傭量之間的匹配度（李小榮等，2019）， 而具有強(qiáng)外部性的勞動(dòng)力要素是生產(chǎn)要素中最活躍且最重要的要素， 對(duì)提升企業(yè)競(jìng)爭(zhēng)能力和促進(jìn)經(jīng)濟(jì)長(zhǎng)期健康增長(zhǎng)起著至關(guān)重要的作用（李世剛和尹恒，2017）。但是目前日趨嚴(yán)重的人口老齡化問(wèn)題、 已經(jīng)到來(lái)的“劉易斯拐點(diǎn)”以及疫情的持續(xù)沖擊使得我國(guó)的勞動(dòng)力供給與需求之間存在著一定的結(jié)構(gòu)性失衡現(xiàn)象。企業(yè)勞動(dòng)投資效率關(guān)系到企業(yè)價(jià)值增值、 社會(huì)就業(yè)形勢(shì)穩(wěn)定及供給側(cè)結(jié)構(gòu)性改革的實(shí)施與推進(jìn)， 因此， 如何提高勞動(dòng)投資效率從而實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展， 是目前實(shí)務(wù)界面臨的重要問(wèn)題， 也是學(xué)術(shù)界需要著力研究的重要主題。

數(shù)字化轉(zhuǎn)型是企業(yè)高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力（肖土盛等，2022）。數(shù)字化轉(zhuǎn)型是指企業(yè)將數(shù)字技術(shù)深度應(yīng)用并融合于生產(chǎn)、 經(jīng)營(yíng)及服務(wù)中， 用先進(jìn)的數(shù)字化體系取代傳統(tǒng)生產(chǎn)體系的創(chuàng)新變革。隨著數(shù)字經(jīng)濟(jì)的跨越式發(fā)展、 新技術(shù)的不斷產(chǎn)生， 數(shù)字化轉(zhuǎn)型正是貫徹落實(shí)黨的二十大報(bào)告中提出的“堅(jiān)持把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上， 加快建設(shè)數(shù)字中國(guó)”的重要舉措。數(shù)字技術(shù)的應(yīng)用不僅有利于在企業(yè)內(nèi)搭建現(xiàn)代化信息系統(tǒng)， 為企業(yè)生產(chǎn)經(jīng)營(yíng)提供有價(jià)值且全面的信息資源， 而且為加強(qiáng)企業(yè)各部門間溝通協(xié)作、 提升創(chuàng)新績(jī)效、 促進(jìn)企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展等注入不竭動(dòng)力。因此， 本文擬對(duì)數(shù)字化轉(zhuǎn)型如何影響企業(yè)勞動(dòng)投資效率以及其中的作用機(jī)制進(jìn)行檢驗(yàn)， 為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型、 優(yōu)化整合人力資源、 實(shí)現(xiàn)創(chuàng)新發(fā)展提供新的思路。

本文的創(chuàng)新點(diǎn)和貢獻(xiàn)如下： 第一， 從數(shù)字化轉(zhuǎn)型視角豐富了企業(yè)勞動(dòng)投資效率影響因素的相關(guān)研究?，F(xiàn)有研究多從信息質(zhì)量（Ha和Feng，2018；Pinnuck和Lillis，2007）、 公司戰(zhàn)略（張焰朝等，2020）、 政策環(huán)境（孔東民等，2020； 卜君和孫光國(guó)，2020）等角度對(duì)企業(yè)勞動(dòng)投資效率展開(kāi)研究， 本文與之不同的是從數(shù)字化轉(zhuǎn)型這一新視角探索提高企業(yè)勞動(dòng)投資效率的有效途徑， 為企業(yè)數(shù)字化應(yīng)用能夠優(yōu)化人力資源配置提供了新的證據(jù)， 對(duì)抑制企業(yè)超額雇員以及緩解用工不足壓力等具有重要的理論與現(xiàn)實(shí)意義。第二， 擴(kuò)寬了對(duì)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的考察。已有文獻(xiàn)主要將數(shù)字化轉(zhuǎn)型作為風(fēng)險(xiǎn)管控能力提升的途徑， 研究其對(duì)企業(yè)績(jī)效（白福萍等，2022）、 企業(yè)創(chuàng)新（肖土盛等，2022）、 企業(yè)價(jià)值（祁懷錦等，2020）等方面的影響， 較少將其作為一種資源整合的管理模式展開(kāi)研究， 尚未有文獻(xiàn)探討數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的影響， 而本文證實(shí)了數(shù)字化轉(zhuǎn)型能使企業(yè)用人計(jì)劃更加精準(zhǔn)且更加貼近實(shí)際。第三， 打開(kāi)了數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率之間的機(jī)制“黑箱”， 不同于此前文獻(xiàn)的單一路徑檢驗(yàn)， 本文構(gòu)建了鏈?zhǔn)蕉嘀刂薪樾?yīng)模型， 嘗試把創(chuàng)新能力與內(nèi)部控制納入同一個(gè)理論框架中， 揭示數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率影響的復(fù)雜路徑， 檢驗(yàn)了“數(shù)字化轉(zhuǎn)型通過(guò)創(chuàng)新能力作用于企業(yè)勞動(dòng)投資效率”的核心路徑， 深度挖掘了“數(shù)字化轉(zhuǎn)型→內(nèi)部控制→企業(yè)勞動(dòng)投資效率”的獨(dú)立中介效應(yīng)以及“數(shù)字化轉(zhuǎn)型→創(chuàng)新能力→內(nèi)部控制→企業(yè)勞動(dòng)投資效率”的鏈?zhǔn)街薪樾?yīng)。

二、 理論分析與研究假設(shè)

企業(yè)勞動(dòng)投資效率只有保持在較高水平， 確保企業(yè)實(shí)際與最優(yōu)勞動(dòng)投資水平偏離程度最低， 才能更好地實(shí)現(xiàn)企業(yè)內(nèi)外部資源的優(yōu)化配置。然而企業(yè)勞動(dòng)投資會(huì)受到諸多因素的影響， 使實(shí)際與最優(yōu)水平之間發(fā)生偏離， 導(dǎo)致投資效率低下， 不利于企業(yè)運(yùn)營(yíng)流程的順利進(jìn)行和價(jià)值增值意愿的實(shí)現(xiàn)（Becker，1962）。導(dǎo)致企業(yè)勞動(dòng)投資效率低下的原因主要有兩個(gè)： 一是經(jīng)營(yíng)管理低效。有的管理者為了構(gòu)建“帝國(guó)”目的， 過(guò)度擴(kuò)張企業(yè)規(guī)模和雇傭員工， 而有的管理者追求安逸生活， 對(duì)外部環(huán)境關(guān)注不夠， 雇傭員工不足。二是資源配置不夠合理。信息環(huán)境是資源配置的基礎(chǔ)， 只有透明的信息環(huán)境才能夠?yàn)槠髽I(yè)配置資源提供決策依據(jù)與資金支持， 避免雇傭過(guò)度與不足的發(fā)生。究其根本， 企業(yè)勞動(dòng)投資效率的高低與代理問(wèn)題和信息不對(duì)稱有重要關(guān)系（李小榮等，2021）， 然而數(shù)字化轉(zhuǎn)型對(duì)于企業(yè)來(lái)說(shuō)， 是將數(shù)字技術(shù)滲透到企業(yè)的各個(gè)方面， 不僅能夠緩解代理問(wèn)題， 影響并制約管理者行為， 而且能夠緩解信息不對(duì)稱問(wèn)題， 提高資源配置效率， 能夠從根源上解決阻礙企業(yè)勞動(dòng)投資效率提升的問(wèn)題。

首先， 數(shù)字化轉(zhuǎn)型能夠降低代理成本， 影響管理層的勞動(dòng)投資決策。由于勞動(dòng)力具有一定的流動(dòng)性， 因而管理者在制定內(nèi)部勞動(dòng)投資方案時(shí)擁有較強(qiáng)的自由選擇權(quán)（Ha和Feng，2018）。一方面， 管理層防御理論認(rèn)為， 擁有防御動(dòng)機(jī)的管理層會(huì)為了保障自身利益而做出損害公司利益的決策， 超額雇傭員工和與員工結(jié)盟則是管理層為了鞏固和擴(kuò)大控制權(quán)力的防御表現(xiàn)。而數(shù)字化轉(zhuǎn)型是為了構(gòu)造數(shù)字治理體系， 提升組織協(xié)同能力， 降低代理成本。在數(shù)字技術(shù)的推動(dòng)下， 企業(yè)管理結(jié)構(gòu)與管理模式發(fā)生改變， 利益相關(guān)者可以及時(shí)、 準(zhǔn)確地了解決策者的動(dòng)向以及決策信息， 便于對(duì)管理者進(jìn)行監(jiān)督， 制約管理者自利行為。另一方面， 管理者短視理論認(rèn)為， 短視的管理層會(huì)為了短期目標(biāo)而放棄對(duì)企業(yè)發(fā)展有利的長(zhǎng)期投資， 而勞動(dòng)投資具有周期較長(zhǎng)、 成效較慢的特點(diǎn)， 使得短視的管理者更不愿意進(jìn)行勞動(dòng)投資。數(shù)字化轉(zhuǎn)型能夠搭建數(shù)字信息平臺(tái)， 重構(gòu)商業(yè)模式， 企業(yè)將引進(jìn)具備長(zhǎng)遠(yuǎn)戰(zhàn)略思維且擅于規(guī)避風(fēng)險(xiǎn)的高素質(zhì)管理人才， 對(duì)改善企業(yè)內(nèi)部管理機(jī)制有積極作用， 各部門之間的協(xié)作水平得以提升， 減少了管理者的職業(yè)顧慮， 有利于其更好地掌握信息變化， 為管理者的科學(xué)決策提供依據(jù)。

其次， 數(shù)字化轉(zhuǎn)型能夠緩解信息不對(duì)稱， 影響企業(yè)勞動(dòng)力資源配置效率。勞動(dòng)力市場(chǎng)是典型的信息不對(duì)稱市場(chǎng)， 表現(xiàn)為雇主擁有確定的、 豐富的工作信息， 但無(wú)法獲得相關(guān)求職者的全部信息； 而求職者往往不能得到相關(guān)職業(yè)可靠的、 充分的信息， 也不可能將個(gè)人全部情況告訴雇主。勞動(dòng)力市場(chǎng)的這種信息不對(duì)稱現(xiàn)象會(huì)導(dǎo)致逆向選擇和道德風(fēng)險(xiǎn)的發(fā)生， 從而使企業(yè)不能將最合適的人配置到最合適的崗位上， 進(jìn)而降低了企業(yè)勞動(dòng)力資源配置效率。數(shù)字技術(shù)的應(yīng)用可以跨越企業(yè)內(nèi)外信息鴻溝， 使信息更加開(kāi)放共享， 從而有效緩解管理者與普通員工之間的信息不對(duì)稱， 具體表現(xiàn)在： 一是在信息搜集方面， 數(shù)字技術(shù)將企業(yè)各個(gè)部門與各利益相關(guān)者的信息進(jìn)行整合， 信息搜索范圍得以擴(kuò)大， 通過(guò)算法篩查深入挖掘搜集到的信息， 信息搜索深度得以加深。二是在信息應(yīng)用方面， 數(shù)字技術(shù)將包括勞動(dòng)者在內(nèi)的利益相關(guān)者納入信息網(wǎng)絡(luò)之中， 使管理者與普通員工成為利益共同體， 將高質(zhì)量信息在信息網(wǎng)絡(luò)中傳播， 便于利益共同體之間相互合作， 同時(shí)也為合作者提供智能分析， 實(shí)現(xiàn)互利共贏。三是在信息質(zhì)量方面， 數(shù)字技術(shù)能夠從信息來(lái)源、 信息中介與信息接收等渠道， 將企業(yè)財(cái)務(wù)信息與勞動(dòng)力信息轉(zhuǎn)換為有效信息， 使信息能更加客觀、 透明、 迅速地呈現(xiàn)給信息使用者， 縮短了信息的傳遞距離， 保障了信息質(zhì)量， 降低了信息傳遞成本?？偠灾?， 數(shù)字化轉(zhuǎn)型通過(guò)對(duì)信息資源的利用與分析， 可以為管理者的勞動(dòng)力投資決策提供高效且便捷的依據(jù)， 從而實(shí)現(xiàn)勞動(dòng)力資源配置效率的提升。

基于此， 本文提出H1： 數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)提高勞動(dòng)投資效率。

企業(yè)勞動(dòng)投資的非效率行為具體表現(xiàn)為勞動(dòng)投資過(guò)度與不足（Jung等，2014）， 而數(shù)字化轉(zhuǎn)型不僅能夠制約管理者行為、 完善公司治理、 避免超額雇員，而且能夠緩解融資約束、 提高勞動(dòng)生產(chǎn)率、 減少雇傭不足的行為。第一， 對(duì)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資過(guò)度的影響， 管理者出于構(gòu)建商業(yè)“帝國(guó)”、 獲取政府青睞、 開(kāi)拓商業(yè)版圖等動(dòng)機(jī)， 通常會(huì)采取擴(kuò)大企業(yè)用人規(guī)模的措施， 造成雇傭冗余現(xiàn)象。而數(shù)字技術(shù)具有以下優(yōu)點(diǎn)： 一是能對(duì)企業(yè)生產(chǎn)運(yùn)營(yíng)等信息進(jìn)行深度計(jì)算， 避免人為操縱， 為管理層決策提供智能化方案； 二是能降低利益相關(guān)者之間的信息不對(duì)稱， 有利于彼此之間相互監(jiān)督與制衡， 使管理層決策更加科學(xué)合理； 三是能推動(dòng)公司治理有效運(yùn)轉(zhuǎn)， 限制管理層權(quán)力， 弱化管理層對(duì)信息隱匿、 操縱等的行為， 使管理層能夠采取切合公司實(shí)際利益的勞動(dòng)投資決策。第二， 對(duì)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資不足的影響， 勞動(dòng)投資與其他投資一樣面臨著融資約束， 對(duì)勞動(dòng)力進(jìn)行培訓(xùn)、 發(fā)放福利等都需要通過(guò)融資來(lái)彌補(bǔ)。而數(shù)字化轉(zhuǎn)型能夠優(yōu)化資源配置、 提升融資能力， 具體表現(xiàn)為向市場(chǎng)釋放積極信號(hào)， 為信息使用者提供可靠、 便捷、 高效的內(nèi)部信息， 順應(yīng)政府的轉(zhuǎn)型政策， 不僅能夠?yàn)槠髽I(yè)融資擴(kuò)大資金來(lái)源， 而且能夠獲得更多的補(bǔ)貼優(yōu)惠， 緩解企業(yè)融資問(wèn)題， 為雇傭合適的勞動(dòng)力資源、 培訓(xùn)高質(zhì)量員工提供資金支持。此外， 數(shù)字化轉(zhuǎn)型也能優(yōu)化企業(yè)人力資源配置， 提升勞動(dòng)生產(chǎn)率， 提高管理者能力。數(shù)字技術(shù)的使用降低了信息搜索成本， 能夠?yàn)榍舐氄咛峁└泳唧w的信息情況， 同時(shí)也能使企業(yè)精準(zhǔn)識(shí)別所需要的勞動(dòng)者情況， 加強(qiáng)各部門之間人員協(xié)作， 優(yōu)化人力資源配置。根據(jù)資本—技能互補(bǔ)理論， 隨著數(shù)字技術(shù)的發(fā)展， 企業(yè)智能機(jī)器人代替普通員工的現(xiàn)象增多， 單位時(shí)間產(chǎn)品產(chǎn)量以及質(zhì)量都有所提升， 為高技能員工生產(chǎn)提供輔助， 實(shí)現(xiàn)人機(jī)協(xié)同， 解決了人力資本成本高而致使企業(yè)用人不足的問(wèn)題。同時(shí)， 數(shù)字技術(shù)對(duì)企業(yè)管理模式進(jìn)行革新， 企業(yè)將雇傭更高水平的員工與管理層， 高能力的管理層因擁有較強(qiáng)的專業(yè)能力， 能精準(zhǔn)判別企業(yè)投資決策的合理性， 減少非理性行為， 從而提高勞動(dòng)投資效率。

基于此， 本文提出H2： 數(shù)字化轉(zhuǎn)型能夠抑制企業(yè)勞動(dòng)投資過(guò)度且有利于緩解企業(yè)勞動(dòng)投資不足。

三、 研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來(lái)源

2010年， 我國(guó)逐漸從2008年國(guó)際金融危機(jī)的沖擊中恢復(fù)過(guò)來(lái)， 有一些企業(yè)開(kāi)始進(jìn)行數(shù)字化轉(zhuǎn)型探索。 基于此， 本文以2010年作為研究期間起點(diǎn)， 以2010 ～ 2020年我國(guó)A股上市公司數(shù)據(jù)作為研究對(duì)象。并剔除以下樣本： 金融保險(xiǎn)類上市公司； 被ST和?ST等特殊處理的樣本公司； 有數(shù)據(jù)缺失的樣本公司； 雇員人數(shù)小于30， 年末總資產(chǎn)為0， 長(zhǎng)期負(fù)債為負(fù)以及長(zhǎng)期資產(chǎn)負(fù)債率大于等于1的樣本公司。 經(jīng)過(guò)上述處理， 共獲得17622個(gè)觀測(cè)值， 并對(duì)所有連續(xù)變量進(jìn)行了上下1%的縮尾處理。與數(shù)字化轉(zhuǎn)型相關(guān)的文本信息來(lái)自公司年報(bào)， 其他數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)。

（二）變量定義

1. 被解釋變量： 勞動(dòng)投資效率（Ab_net_hire）。參考Jung等（2014）、 Pinnuck和Lillis（2007）、 孔東民等（2017）的模型與方法， 對(duì)模型（1）進(jìn)行回歸后得到殘差， 殘差大于0表示勞動(dòng)投資過(guò)度（Overresid）， 小于0表示勞動(dòng)投資不足（Underresid）。對(duì)殘差取絕對(duì)值作為企業(yè)勞動(dòng)投資效率（Ab_net_hire）， 其數(shù)值越大， 企業(yè)勞動(dòng)投資效率越低。

Net_hirei，t=?0+β1Sales_growthi，t-1+

β2Sales_growthi，t+β3ROAi，t-1+β4ROAi，t+

β5ΔROAi，t+β6Returni，t-1+β7Size_Ri，t-1+

β8Quicki，t-1+β9Quicki，t+β10ΔQuicki，t+β11Levi，t-1+

β12Lossbin1i，t-1+β13Lossbin2i，t-1+β14Lossbin3i，t-1+

β15Lossbin4i，t-1+β16Lossbin5i，t-1+Year+Ind+εi，t （1）

其中， Net_hire為企業(yè)員工變動(dòng)率， Sales_growth為營(yíng)業(yè)收入變動(dòng)率， ROA為總資產(chǎn)收益率， ΔROA為ROA的變化值， Return為考慮現(xiàn)金紅利再投資的年個(gè)股回報(bào)率， Size_R為企業(yè)年個(gè)股總市值的百分比排位， Quick為速動(dòng)比率， ΔQuick為Quick的變化值， Lev為長(zhǎng)期資產(chǎn)負(fù)債率， Lossbin為業(yè)績(jī)虧損的虛擬變量①， Year和Ind分別為年度與行業(yè)虛擬變量。

2. 解釋變量： 數(shù)字化轉(zhuǎn)型（DCG）。參考吳非等（2021）的方法， 采用企業(yè)數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)加1取自然對(duì)數(shù)來(lái)衡量。特征詞分為底層技術(shù)與實(shí)踐應(yīng)用兩個(gè)層面， 其中底層技術(shù)包含人工智能技術(shù)、 區(qū)塊鏈技術(shù)、 云計(jì)算技術(shù)、 大數(shù)據(jù)技術(shù)四個(gè)維度， 而實(shí)踐應(yīng)用包含數(shù)字技術(shù)應(yīng)用維度， 具體運(yùn)用Python軟件對(duì)公司年報(bào)中含有以上數(shù)字化轉(zhuǎn)型的特征詞進(jìn)行配對(duì)、 篩選、 統(tǒng)計(jì)等文本分析， 并剔除語(yǔ)句前有否定含義的特征詞以及與本公司數(shù)字化轉(zhuǎn)型無(wú)關(guān)的詞匯， 形成最終數(shù)字化轉(zhuǎn)型特征詞頻總數(shù)。

3. 控制變量。參考李小榮等（2021）的方法， 選擇的控制變量主要包括： 市值賬面比（MB）、 總資產(chǎn)收益率（ROA）、 企業(yè)規(guī)模（Size）、 股權(quán)集中度（Top1）、 固定資產(chǎn)比重（PPE）、 速動(dòng)比率（Quick）、 營(yíng)業(yè)收入波動(dòng)性（Std_sales）、 凈雇傭波動(dòng)性（Std_net_hire）、 非效率資本投資（Ab_other_invest）、 兩職合一（Dual）等指標(biāo)， 并且控制了年度與行業(yè)固定效應(yīng)， 具體指標(biāo)定義如表1所示。

其中，? 非效率資本投資模型采用Biddle等（2009）的模型：Invest_othert=?0+β1Sales_growtht-1+εt， 對(duì)其進(jìn)行回歸得到的殘差取絕對(duì)值即為非效率資本投資。

（三）模型構(gòu)建

為驗(yàn)證本文假設(shè)， 構(gòu)建以下基準(zhǔn)模型（2）：

Ab_net_hirei，t=α0+?DCGi，t-1+Controli，t+εi，t （2）

其中， 被解釋變量為勞動(dòng)投資效率（Ab_net_hirei，t）， 解釋變量為數(shù)字化轉(zhuǎn)型（DCGi，t-1）， Controli，t為控制變量， εi，t為隨機(jī)誤差項(xiàng)?？紤]到數(shù)字化轉(zhuǎn)型對(duì)勞動(dòng)投資效率的影響具有時(shí)滯性以及反向因果的干擾， 本文將數(shù)字化轉(zhuǎn)型滯后一期， 若系數(shù)?顯著為負(fù)， 則表明數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動(dòng)投資效率， 即H1成立。

四、 實(shí)證分析

（一）描述性統(tǒng)計(jì)

由表2可知， 勞動(dòng)投資效率（Ab_net_hire）的均值為0.174， 標(biāo)準(zhǔn)差為0.284， 說(shuō)明各企業(yè)間勞動(dòng)投資效率差異比較大， 且勞動(dòng)投資效率水平普遍較低。其中， 勞動(dòng)投資過(guò)度（Overresid）的企業(yè)有6070家， 占34.45%， 均值為0.256， 而勞動(dòng)投資不足的企業(yè)有11552家， 占65.55%， 均值為0.140， 說(shuō)明勞動(dòng)投資過(guò)度的企業(yè)占比雖然不高， 但程度比較嚴(yán)重， 而勞動(dòng)投資不足程度雖然較低， 但是現(xiàn)象較為普遍。數(shù)字化轉(zhuǎn)型（DCG）的均值為1.275， 中位數(shù)為1.099， 最小值為0， 最大值為6.252， 說(shuō)明多數(shù)企業(yè)處于數(shù)字化轉(zhuǎn)型程度較低的階段， 仍存在未進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)， 不同企業(yè)之間數(shù)字化轉(zhuǎn)型程度差距較大。

（二）回歸結(jié)果分析

表3報(bào)告了數(shù)字化轉(zhuǎn)型（DCG）對(duì)企業(yè)勞動(dòng)投資效率（Ab_net_hire）影響的檢驗(yàn)結(jié)果。第（1）列顯示， 數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率的回歸系數(shù)為-0.010且在1%的水平上顯著， 說(shuō)明數(shù)字化轉(zhuǎn)型程度越高的企業(yè)， 其非效率勞動(dòng)投資程度就越低， 即數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)提高勞動(dòng)投資效率， H1得證。第（2）列與第（3）列為勞動(dòng)投資過(guò)度組與勞動(dòng)投資不足組的分組檢驗(yàn)。結(jié)果顯示， 數(shù)字化轉(zhuǎn)型的回歸系數(shù)均為負(fù)， 說(shuō)明數(shù)字化轉(zhuǎn)型不僅能顯著抑制企業(yè)勞動(dòng)投資過(guò)度， 也能夠緩解企業(yè)勞動(dòng)投資不足， H2得證。

（三）穩(wěn)健性檢驗(yàn)

1. 替換變量。

（1）變更被解釋變量企業(yè)勞動(dòng)投資效率的度量方式。參考孔東民等（2020）的方法重新估計(jì)被解釋變量企業(yè)勞動(dòng)投資效率， 即使用本年企業(yè)員工總?cè)藬?shù)與年個(gè)股總市值之比來(lái)替代， 對(duì)模型（1）重新進(jìn)行回歸后得到企業(yè)勞動(dòng)投資效率（LIE）。表4第（1）～（3）列的結(jié)果顯示， 無(wú)論是在全樣本組還是在分樣本組中， 數(shù)字化轉(zhuǎn)型與變更后的勞動(dòng)投資效率的關(guān)系仍然顯著為負(fù)， 說(shuō)明數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)勞動(dòng)投資效率的提升， 與前述研究結(jié)論一致。

（2）變更解釋變量數(shù)字化轉(zhuǎn)型的度量方式。借鑒祁懷錦等（2020）的方法， 重新計(jì)算解釋變量數(shù)字化轉(zhuǎn)型， 根據(jù)資產(chǎn)負(fù)債表附注披露的無(wú)形資產(chǎn)明細(xì)中與數(shù)字化有關(guān)部分占無(wú)形資產(chǎn)總額的比例來(lái)重新衡量數(shù)字化轉(zhuǎn)型， 并代入模型（2）重新進(jìn)行回歸， 其中與數(shù)字化有關(guān)的明細(xì)項(xiàng)主要包括“網(wǎng)絡(luò)”“人工智能”“軟件”“信息系統(tǒng)”“智能終端”等。表4第（4） ～ （6）列的結(jié)果顯示， 無(wú)論是在全樣本組還是在分樣本組中， 無(wú)形資產(chǎn)占比（DIG）與企業(yè)勞動(dòng)投資效率也呈顯著的負(fù)相關(guān)關(guān)系， 與前述主回歸結(jié)果一致。

2. 控制高階聯(lián)合固定效應(yīng)。為了盡可能地消除宏觀政策變化等因素的影響， 本文進(jìn)一步控制行業(yè)×年度的高階聯(lián)合固定效應(yīng)檢驗(yàn)?zāi)Ｐ停?回歸結(jié)果見(jiàn)表5。結(jié)果顯示， 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的促進(jìn)作用仍然顯著， 這一結(jié)論在勞動(dòng)投資過(guò)度組與勞動(dòng)投資不足組中均得以驗(yàn)證， 表明前述主回歸結(jié)果較為穩(wěn)健。

3.? 內(nèi)生性問(wèn)題。由于企業(yè)勞動(dòng)投資決策受到雇傭規(guī)模、 管理動(dòng)機(jī)和融資需求等多重因素的影響， 所以企業(yè)勞動(dòng)投資效率的變化也可能是由其他變量變化引起， 故數(shù)字化轉(zhuǎn)型和企業(yè)勞動(dòng)投資效率之間可能存在遺漏變量所致的內(nèi)生性問(wèn)題， 即企業(yè)勞動(dòng)投資效率的變化可能不是由數(shù)字化轉(zhuǎn)型引起的。企業(yè)數(shù)字化轉(zhuǎn)型決策會(huì)在很大程度上受到當(dāng)?shù)財(cái)?shù)字化基礎(chǔ)設(shè)施水平的影響， 即所在地區(qū)的數(shù)字基礎(chǔ)設(shè)施水平越高， 企業(yè)越有可能進(jìn)行相應(yīng)的數(shù)字化轉(zhuǎn)型。移動(dòng)電話作為數(shù)字技術(shù)裝備能夠較好地反映出各地區(qū)數(shù)字化基礎(chǔ)設(shè)施水平， 故本文選取省級(jí)移動(dòng)電話普及率（Mobile）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量， 并采用兩階段最小二乘法（2SLS）進(jìn)行檢驗(yàn)。從表6第（1）列報(bào)告的結(jié)果可知， 移動(dòng)電話普及率與數(shù)字化轉(zhuǎn)型顯著正相關(guān)， 從第（2）列報(bào)告的結(jié)果可知， 控制內(nèi)生性后， 數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)投資效率的回歸系數(shù)仍顯著為負(fù)， 說(shuō)明企業(yè)勞動(dòng)投資效率的提升是由數(shù)字化轉(zhuǎn)型造成的影響， 本文研究結(jié)論穩(wěn)健。

4. 隨機(jī)抽取樣本。為了進(jìn)一步驗(yàn)證前述主回歸結(jié)果對(duì)樣本的穩(wěn)健性， 本文借鑒Li等（2009）的方法對(duì)樣本進(jìn)行隨機(jī)抽樣， 分別抽取70%和90%的樣本數(shù)據(jù)重新回歸， 回歸結(jié)果如表7所示。第（1） ～ （6）列回歸系數(shù)均顯著為負(fù)， 表明在進(jìn)行樣本拆分后， 在兩個(gè)子樣本中數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率仍起到促進(jìn)作用， 在勞動(dòng)投資過(guò)度與勞動(dòng)投資不足的樣本中也依然呈顯著的負(fù)相關(guān)關(guān)系， 本文的研究結(jié)果穩(wěn)健。

五、 進(jìn)一步分析

（一）影響機(jī)制檢驗(yàn)

前述回歸結(jié)果證實(shí)了數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)勞動(dòng)投資效率的提升， 但具體影響路徑有待進(jìn)一步挖掘。本文認(rèn)為， 數(shù)字化轉(zhuǎn)型主要是通過(guò)提高創(chuàng)新能力和優(yōu)化內(nèi)部控制對(duì)企業(yè)勞動(dòng)投資效率產(chǎn)生影響： 第一， 數(shù)字化轉(zhuǎn)型有助于創(chuàng)新能力的提高。在員工配置上， 數(shù)字技術(shù)在企業(yè)的建立與運(yùn)營(yíng)時(shí)都需要配置相應(yīng)的高技術(shù)人才， 為企業(yè)創(chuàng)新能力的提升提供人才支持； 在部門協(xié)同上， 數(shù)字技術(shù)深入企業(yè)各個(gè)環(huán)節(jié)之中， 上下鏈條信息溝通便捷， 有利于部門之間的技術(shù)更新（楊潔等，2022）； 在產(chǎn)品研發(fā)上， 數(shù)字技術(shù)的使用能夠更加快捷地了解客戶需求， 對(duì)產(chǎn)品升級(jí)的需求較大， 從而促進(jìn)企業(yè)創(chuàng)新能力的發(fā)展。第二， 數(shù)字化轉(zhuǎn)型有助于內(nèi)部控制的優(yōu)化。在運(yùn)營(yíng)模式上， 數(shù)字技術(shù)將傳統(tǒng)模式轉(zhuǎn)變?yōu)楦鞑块T融合的新模式， 供應(yīng)、 生產(chǎn)、 銷售等各個(gè)環(huán)節(jié)的運(yùn)作效率得以提升， 管理流程更加實(shí)時(shí)高效， 風(fēng)險(xiǎn)預(yù)警更加及時(shí)； 在組織分工上， 高效的信息有利于組織各部門之間互相了解， 優(yōu)化業(yè)務(wù)流程， 實(shí)現(xiàn)高效的資源配置， 從而降低組織運(yùn)營(yíng)成本， 促進(jìn)內(nèi)部控制水平的提升。第三， 無(wú)論是創(chuàng)新能力的提高還是內(nèi)部控制的優(yōu)化， 都有助于企業(yè)優(yōu)化勞動(dòng)力資源配置， 進(jìn)而提高勞動(dòng)投資效率。

綜上所述， 數(shù)字化轉(zhuǎn)型可以通過(guò)提高創(chuàng)新能力和優(yōu)化內(nèi)部控制來(lái)間接影響企業(yè)勞動(dòng)投資效率， 因此本文引入創(chuàng)新能力、內(nèi)部控制來(lái)進(jìn)行影響機(jī)制檢驗(yàn)。為了探究數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)投資效率的機(jī)制路徑， 本文根據(jù)方杰等（2014）的多重中介效應(yīng)分析展開(kāi)研究，分兩步檢驗(yàn)創(chuàng)新能力與內(nèi)部控制的中介效應(yīng)及創(chuàng)新能力→內(nèi)部控制的鏈?zhǔn)街薪樽饔谩?/p>

第一， 構(gòu)建中介效應(yīng)模型分別檢驗(yàn)創(chuàng)新能力和內(nèi)部控制的獨(dú)立中介效應(yīng)。以直接效應(yīng)模型為基礎(chǔ)， 構(gòu)建模型（3）、 （4）對(duì)創(chuàng)新能力的獨(dú)立中介效應(yīng)進(jìn)行檢驗(yàn)， 并構(gòu)建模型（5）、 （6）對(duì)內(nèi)部控制的獨(dú)立中介效應(yīng)進(jìn)行檢驗(yàn)：

Pati，t=α1+?1DCGi，t-1+Controli，t+τi，t （3）

Ab_net_hirei，t=α2+?2DCGi，t-1+δ1Pati，t+Controli，t+εi，t? （4）

ICi，t=α3+?3DCGi，t-1+Controli，t+τi，t （5）

Ab_net_hireijt=α4+?4DCGi，t-1+γ1ICi，t+Controli，t+εi，t （6）

其中： Pat（Ln專利授權(quán)數(shù)）代表企業(yè)創(chuàng)新能力， IC（迪博內(nèi)部控制指數(shù)/100）代表企業(yè)內(nèi)部控制， 其他變量與模型（1）相同。模型（2）、 （3）、 （4）為三步法檢驗(yàn)創(chuàng)新能力的獨(dú)立中介作用， 模型（2）、 （5）、 （6）為三步法檢驗(yàn)內(nèi)部控制的獨(dú)立中介作用。

第二， 借助鏈?zhǔn)街薪樾?yīng)模型進(jìn)一步檢驗(yàn)創(chuàng)新能力、 內(nèi)部控制的中介效應(yīng)， 并對(duì)創(chuàng)新能力與內(nèi)部控制的鏈?zhǔn)街薪樽饔眠M(jìn)行檢驗(yàn)， 模型（2）、 （3）和（7）、 （8）為鏈?zhǔn)街薪樾?yīng)分析模型。模型（7）、 （8）如下：

ICi，t=α5+?5DCGi，t-1+δ2Pati，t+Controli，t+τi，t （7）

Ab_net_hirei，j，t=α6+?'DCGi，t-1+β1Pati，t+β2ICi，t+Controli，t+εi，t? （8）

回歸結(jié)果如表8所示。其中， 列（1）、 （2）、 （3）、 （4）用來(lái)檢驗(yàn)“創(chuàng)新能力—內(nèi)部控制”的鏈?zhǔn)街薪樽饔?。第一?在以勞動(dòng)投資效率為被解釋變量的列（1）中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為-0.010， 在1%的水平上顯著為負(fù)， 說(shuō)明數(shù)字化轉(zhuǎn)型程度越深， 企業(yè)勞動(dòng)投資效率越高。第二， 在以企業(yè)創(chuàng)新能力為被解釋變量的列（2）中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)（?1）為0.144， 在1%的水平上顯著為正， 說(shuō)明數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)新能力。在以企業(yè)勞動(dòng)投資效率為被解釋變量的列（7）中， 企業(yè)創(chuàng)新能力（Pat）的回歸系數(shù)（β1）為-0.006， 由此可計(jì)算得到創(chuàng)新能力的中介效應(yīng)為?1×β1=0.144×

（-0.006）， 即顯著為負(fù)， 與三步法所得創(chuàng)新能力中介效應(yīng)并無(wú)顯著差異。第三， 依次檢驗(yàn)列（6）中?5=0.071， 列（7）中β2=-0.004， 二者均顯著， 內(nèi)部控制的中介效應(yīng)為?5×β2=0.071×（-0.004）， 進(jìn)一步驗(yàn)證了內(nèi)部控制的中介效應(yīng)。第四， 在列（6）中， δ2對(duì)應(yīng)的數(shù)值為0.069且在1%的水平上顯著為正， 說(shuō)明創(chuàng)新能力和內(nèi)部控制的鏈?zhǔn)介g接效應(yīng)顯著， 間接效應(yīng)大小為?1×β2×δ2=0.144×（-0.004）×0.069。此外， 比較列（7）DCG的系數(shù)?'=-0.009和列（1）DCG的系數(shù)?=-0.010， 二者符號(hào)相同， 且?'小于?， 證實(shí)了創(chuàng)新能力→內(nèi)部控制鏈條在數(shù)字化轉(zhuǎn)型和企業(yè)勞動(dòng)投資效率間的傳導(dǎo)作用。

（二）數(shù)字化轉(zhuǎn)型對(duì)四類非效率勞動(dòng)投資的影響

前述研究主要檢驗(yàn)了數(shù)字化轉(zhuǎn)型對(duì)勞動(dòng)投資過(guò)度和勞動(dòng)投資不足這兩類非效率勞動(dòng)投資的影響， 本部分?jǐn)M分別對(duì)勞動(dòng)投資過(guò)度與勞動(dòng)投資不足的成因進(jìn)一步進(jìn)行細(xì)分， 即： 勞動(dòng)投資過(guò)度既有可能是過(guò)度招聘（Overhiring）所致， 也有可能源于解雇不足（Underfiring）， 同樣地， 勞動(dòng)投資不足既有可能是招聘不足（Underhiring）所致， 也有可能源于解雇過(guò)度（Overfiring）。因而， 在勞動(dòng)投資過(guò)度組中按預(yù)期凈招聘為正或?yàn)樨?fù)劃分為過(guò)度招聘和解雇不足兩個(gè)樣本組， 在勞動(dòng)投資不足樣本組中亦按預(yù)期凈招聘為正或?yàn)樨?fù)劃分為招聘不足和解雇過(guò)度兩個(gè)樣本組。

表9是進(jìn)一步按照不同類型的非效率勞動(dòng)投資分組進(jìn)行的檢驗(yàn)。第（1） ～ （3）列為勞動(dòng)投資過(guò)度組， 在第（1）列勞動(dòng)投資過(guò)度全樣本、 第（2）列過(guò)度招聘、 第（3）列解雇不足樣本組中的數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)均顯著為負(fù)， 表明數(shù)字化轉(zhuǎn)型主要通過(guò)抑制過(guò)度招聘和解雇不足來(lái)抑制企業(yè)勞動(dòng)投資過(guò)度； 第（4） ～ （6）列為勞動(dòng)投資不足組， 在第（4）列勞動(dòng)投資不足全樣本和第（5）列招聘不足樣本組中， 數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)顯著為負(fù)， 但在第（6）列解雇過(guò)度樣本組中不顯著， 這表明數(shù)字化轉(zhuǎn)型主要通過(guò)緩解招聘不足而不是解雇過(guò)度來(lái)緩解企業(yè)勞動(dòng)投資不足。

六、 結(jié)論與建議

（一）結(jié)論

本文以我國(guó)2010 ～ 2020年A股上市公司數(shù)據(jù)， 研究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的影響， 采用鏈?zhǔn)街薪樾?yīng)模型研究創(chuàng)新能力和內(nèi)部控制在二者關(guān)系中的作用， 研究發(fā)現(xiàn)： 第一， 數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)勞動(dòng)投資效率的提升， 分組回歸結(jié)果顯示， 數(shù)字化轉(zhuǎn)型不僅能夠抑制企業(yè)勞動(dòng)投資過(guò)度， 還能緩解企業(yè)勞動(dòng)投資不足。第二， 中介效應(yīng)分析表明， 提高創(chuàng)新能力和優(yōu)化內(nèi)部控制是數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)企業(yè)勞動(dòng)投資效率提升的機(jī)制， 且呈現(xiàn)出鏈?zhǔn)街薪樽饔茫?其中創(chuàng)新能力是關(guān)鍵。第三， 進(jìn)一步分析發(fā)現(xiàn)， 在過(guò)度招聘、 解雇不足以及招聘不足樣本中， 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)投資效率的正向作用均顯著存在， 表明數(shù)字化轉(zhuǎn)型程度的加深能夠顯著促進(jìn)企業(yè)提高勞動(dòng)投資效率。

（二）建議

基于上述研究發(fā)現(xiàn)， 本文提出以下政策建議：

1. 政府部門應(yīng)出臺(tái)更加積極有效的促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)政策。第一， 在環(huán)境營(yíng)造方面， 數(shù)字化轉(zhuǎn)型需要物質(zhì)與人才基礎(chǔ)， 加快基礎(chǔ)設(shè)施建設(shè)是推進(jìn)數(shù)字化轉(zhuǎn)型的必要條件， 因此應(yīng)為上下游企業(yè)協(xié)同數(shù)字化轉(zhuǎn)型提供良好的設(shè)施基礎(chǔ)， 為營(yíng)造數(shù)字環(huán)境提供政策支持。第二， 在資金扶持方面， 政府可為數(shù)字化轉(zhuǎn)型企業(yè)提供稅收優(yōu)惠以及政策性補(bǔ)貼等， 鼓勵(lì)金融機(jī)構(gòu)為數(shù)字化轉(zhuǎn)型企業(yè)提供資金支持。第三， 在風(fēng)險(xiǎn)規(guī)避方面， 應(yīng)加大知識(shí)產(chǎn)權(quán)保護(hù)力度， 健全信息安全與利用的規(guī)章制度， 嚴(yán)厲打擊信息盜用、 亂用、 泄漏、 篡改等違法行為， 強(qiáng)化信息管理與監(jiān)察， 依法對(duì)數(shù)字化轉(zhuǎn)型企業(yè)的信息披露情況進(jìn)行監(jiān)督。

2. 企業(yè)應(yīng)制定適合自身的數(shù)字化轉(zhuǎn)型策略， 抓住機(jī)遇、 注重創(chuàng)新， 走出獨(dú)特的轉(zhuǎn)型之路。第一， 積極進(jìn)行數(shù)字化轉(zhuǎn)型建設(shè)， 對(duì)設(shè)備進(jìn)行數(shù)字技術(shù)更新改進(jìn)， 建立內(nèi)部信息反饋系統(tǒng)， 及時(shí)掌握各部門數(shù)字信息， 與上下游產(chǎn)業(yè)鏈共同合作搭建信息平臺(tái)， 及時(shí)掌握企業(yè)內(nèi)外動(dòng)態(tài)， 實(shí)時(shí)更新系統(tǒng)。第二， 優(yōu)化人力資本結(jié)構(gòu)， 聘用技術(shù)水平更高的專業(yè)性管理人才， 積極探索創(chuàng)新型企業(yè)管理模式， 引進(jìn)高技術(shù)型員工， 使用智能機(jī)器人從事簡(jiǎn)單化生產(chǎn)， 從而實(shí)現(xiàn)人機(jī)互補(bǔ)， 并加強(qiáng)對(duì)員工及管理層的業(yè)務(wù)培訓(xùn)。第三， 增加研發(fā)投入， 及時(shí)掌握客戶需求， 積極改進(jìn)產(chǎn)品方案， 提高對(duì)創(chuàng)新成果的利用效率， 并對(duì)進(jìn)行研發(fā)創(chuàng)新的人才進(jìn)行獎(jiǎng)勵(lì)， 為創(chuàng)新人才提供良好的工作環(huán)境， 激發(fā)員工創(chuàng)新積極性。第四， 提高信息披露質(zhì)量， 完善內(nèi)部控制體系， 積極宣傳轉(zhuǎn)型成果， 釋放投資信號(hào)， 擴(kuò)大融資渠道， 為數(shù)字化轉(zhuǎn)型開(kāi)辟?gòu)?qiáng)勁的資金來(lái)源渠道。

【 注 釋 】

1將0到-0.025區(qū)間的ROA平均劃分為五個(gè)區(qū)間，若ROA屬于［-0.005，0］，則Lossbin1 = 1，否則為0；若ROA屬于［-0.01，-0.005］，則Lossbin2 = 1，否則為0，以此類推。

【 主 要 參 考 文 獻(xiàn) 】

白福萍，劉東慧，董凱云．?dāng)?shù)字化轉(zhuǎn)型如何影響企業(yè)財(cái)務(wù)績(jī)效——基于結(jié)構(gòu)方程的多重中介效應(yīng)分析［ J］．華東經(jīng)濟(jì)管理，2022（9）：75 ～ 87．

卜君，孫光國(guó)．環(huán)境不確定性會(huì)影響企業(yè)勞動(dòng)投資效率嗎？［ J］．經(jīng)濟(jì)管理，2020（10）：23 ～ 38．

方杰，溫忠麟，張敏強(qiáng)，孫配貞．基于結(jié)構(gòu)方程模型的多重中介效應(yīng)分析［ J］．心理科學(xué)，2014（3）：735 ～ 741．

孔東民，唐琦，項(xiàng)君怡．勞動(dòng)保護(hù)與企業(yè)勞動(dòng)投資效率［ J］．華中科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（5）：36 ～ 47．

孔東民，項(xiàng)君怡，代昀昊．勞動(dòng)投資效率、企業(yè)性質(zhì)與資產(chǎn)收益率［ J］．金融研究，2017（3）：145 ～ 158．

李世剛，尹恒．政府—企業(yè)間人才配置與經(jīng)濟(jì)增長(zhǎng)——基于中國(guó)地級(jí)市數(shù)據(jù)的經(jīng)驗(yàn)研究［ J］．經(jīng)濟(jì)研究，2017（4）：78 ～ 91．

李小榮，韓琳，馬海濤．內(nèi)部控制與勞動(dòng)力投資效率［ J］．財(cái)貿(mào)經(jīng)濟(jì)，2021（1）：26 ～ 43．

李小榮，萬(wàn)鐘，陸瑤．勞動(dòng)力市場(chǎng)與公司金融關(guān)系研究進(jìn)展［ J］．經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2019（3）：120 ～ 133．

祁懷錦，曹修琴，劉艷霞．?dāng)?shù)字經(jīng)濟(jì)對(duì)公司治理的影響——基于信息不對(duì)稱和管理者非理性行為視角［ J］．改革，2020（4）：50 ～ 64．

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

肖土盛，吳雨珊，亓文韜．?dāng)?shù)字化的翅膀能否助力企業(yè)高質(zhì)量發(fā)展——來(lái)自企業(yè)創(chuàng)新的經(jīng)驗(yàn)證據(jù)［ J］．經(jīng)濟(jì)管理，2022（5）：41 ～ 62．

楊潔，馬從文，劉運(yùn)材．?dāng)?shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響［ J］．統(tǒng)計(jì)與決策，2022（23）：180 ～ 184．

張焰朝，孫光國(guó)，卜君．公司戰(zhàn)略會(huì)影響勞動(dòng)投資效率嗎？［ J］．投資研究，2020（10）：95 ～ 127．

Becker G. S.. Investment in Human Capital： A Theoretical Analysis［ J］． Journal of Political Economy，1962（5）：9 ～ 49．

Biddle G. C.， Hilary G.， Verdi R.S.. How Does Financial Reporting Quality Relate to Investment Efficiency？［ J］． Journal of Accounting and Economics，2009（2 ）：112 ～ 131．

Ha J.， Feng M.. Conditional Conservatism and Labor Investment Efficiency［ J］． Journal of Contemporary Accounting & Economics，2018（2）：143 ～ 163．

Jung B.， Lee W. J.， Weber D. P.. Financial Reporting Quality and Labor Investment Efficiency［ J］． Contemporary Accounting Research，2014（4）：1047 ～ 1076．

Li J.， Zhou C.， Zajac E. J.. Control， Collaboration， and Productivity in International Joint Ventures： Theory and Evidence［ J］． Strategic Management Journal，2009（8）：865 ～ 884．

Pinnuck M.， Lillis A. M.. Profits Versus Losses： Does Reporting an Accoun-ting Loss Act as a Heuristic Trigger to Exercise the Abandonment Option and Divest Employees？［ J］． The Accounting Review，2007（4）：1031 ～ 1053．

【基金項(xiàng)目】河南省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目“危機(jī)情境下河南企業(yè)數(shù)字化轉(zhuǎn)型賦能組織韌性的機(jī)制與對(duì)策研究”（項(xiàng)目編號(hào)：2022BJJ098）；鄭州航空工業(yè)管理學(xué)院研究生教育創(chuàng)新計(jì)劃基金項(xiàng)目“人口老齡化對(duì)企業(yè)勞動(dòng)力投資效率的影響研究”（項(xiàng)目編號(hào)：2021CX07）

【作者單位】鄭州航空工業(yè)管理學(xué)院商學(xué)院， 鄭州 450046