何廣文　李通通　陳曉潔

［摘 要］ 基于2015—2021年120家農(nóng)村商業(yè)銀行的數(shù)據(jù)，采取Python爬蟲技術(shù)挖掘銀行年度報告中數(shù)字化相關(guān)信息文本，測度銀行個體層面的數(shù)字化轉(zhuǎn)型程度，并實證分析數(shù)字化轉(zhuǎn)型對農(nóng)村商業(yè)銀行經(jīng)營績效的影響機制與效果。結(jié)果表明：農(nóng)商行的數(shù)字化轉(zhuǎn)型程度具有總體持續(xù)增長和個體間差異明顯的特征。數(shù)字化轉(zhuǎn)型可通過提高運營效率的“增效”機制實現(xiàn)經(jīng)營績效提升的“賦能”效果，但是降低經(jīng)營成本的“節(jié)流”機制不成立。從數(shù)字化轉(zhuǎn)型維度而言，數(shù)字化轉(zhuǎn)型認知、數(shù)字化業(yè)務(wù)開展和數(shù)字化組織變革均有助于實現(xiàn)“賦能”作用。資產(chǎn)規(guī)模大、股權(quán)結(jié)構(gòu)集中以及與科技公司進行合作的農(nóng)商行通過數(shù)字化轉(zhuǎn)型獲取的“賦能”效果更明顯。

［關(guān)鍵詞］數(shù)字化轉(zhuǎn)型；農(nóng)村商業(yè)銀行；經(jīng)營績效；文本挖掘法

［中圖分類號］ F83235 ［文獻標(biāo)志碼］A ［文章編號］1672-4917（2023）06-0083-14

一、引言

數(shù)字技術(shù)和信息技術(shù)在金融領(lǐng)域的快速滲透，正在深刻重塑銀行業(yè)發(fā)展格局。一方面，大型商業(yè)銀行金融業(yè)務(wù)數(shù)字化轉(zhuǎn)型日益深入，城市商業(yè)銀行、農(nóng)村金融機構(gòu)等中小型商業(yè)銀行業(yè)務(wù)數(shù)字化轉(zhuǎn)型探索正加快步伐；另一方面，以螞蟻集團、京東金融為代表的金融科技公司推動的鄉(xiāng)村金融市場變革凸顯。在業(yè)務(wù)越來越依靠平臺和平臺制勝的時代，農(nóng)村商業(yè)銀行（簡稱“農(nóng)商行”）作為農(nóng)村普惠金融服務(wù)的主力軍 ［1］，面對數(shù)字技術(shù)和信息技術(shù)的快速發(fā)展和滲透，如何保持生存優(yōu)勢和高質(zhì)量發(fā)展，尤其值得關(guān)注。經(jīng)營績效水平的高低，體現(xiàn)了銀行的價值創(chuàng)造和發(fā)展能力，因此，探究農(nóng)商行數(shù)字化轉(zhuǎn)型如何影響其經(jīng)營績效，極具現(xiàn)實意義。

圍繞該研究問題梳理相關(guān)文獻，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型的測度方法尚未統(tǒng)一，學(xué)界對銀行數(shù)字化轉(zhuǎn)型與經(jīng)營績效關(guān)系的探討也產(chǎn)生了不同觀點。首先，銀行數(shù)字化轉(zhuǎn)型的測度方法多樣，主要包括北京大學(xué)商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù) ［2］、銀行機構(gòu)金融科技類支出 ［3］、金融科技對外合作指數(shù) ［4］，以及通過關(guān)鍵詞詞頻構(gòu)建數(shù)字化轉(zhuǎn)型指數(shù) ［5］。其次，數(shù)字化轉(zhuǎn)型對商業(yè)銀行影響的分析結(jié)論各異，可歸納為正向的“技術(shù)溢出效應(yīng)” ［6］、負向的“競爭效應(yīng)” ［7］以及非線性的“U型效應(yīng)” ［8］。然而，現(xiàn)有研究多以大型商業(yè)銀行為研究對象，而甚少聚焦到中小銀行個體層面，難以為中小銀行數(shù)字化轉(zhuǎn)型提供理論證據(jù)。為彌補以上不足，本文以農(nóng)商行為研究對象，構(gòu)造銀行個體層面的數(shù)字化轉(zhuǎn)型指數(shù)，剖析農(nóng)商行數(shù)字化轉(zhuǎn)型對其經(jīng)營績效的影響，為數(shù)字化轉(zhuǎn)型能否為中小銀行實現(xiàn)“賦能”提供經(jīng)驗證據(jù)。

本文的邊際貢獻在于：一是采用文本挖掘法，從數(shù)字化轉(zhuǎn)型認知、數(shù)字化技術(shù)應(yīng)用、數(shù)字化平臺建設(shè)、數(shù)字化業(yè)務(wù)開展和數(shù)字化組織變革這五個維度構(gòu)建了農(nóng)商行的數(shù)字化轉(zhuǎn)型指數(shù)，并分析了農(nóng)商行的數(shù)字化轉(zhuǎn)型特征。二是驗證了農(nóng)商行數(shù)字化轉(zhuǎn)型可通過“增效”機制影響其經(jīng)營績效，但“節(jié)流”機制不成立，為農(nóng)商行思考與權(quán)衡數(shù)字化轉(zhuǎn)型的成本與收益提供參考；三是從盈利性、安全性、流動性、成長性這四個方面深度刻畫農(nóng)商行的經(jīng)營績效，為中小銀行數(shù)字化轉(zhuǎn)型的經(jīng)濟影響研究提供了更全面的經(jīng)驗證據(jù)。

二、農(nóng)商行數(shù)字化轉(zhuǎn)型對經(jīng)營績效的影響機理與研究假說

基于動態(tài)能力理論分析農(nóng)商行數(shù)字化轉(zhuǎn)型對經(jīng)營績效的影響機理，并進一步闡釋農(nóng)商行數(shù)字化轉(zhuǎn)型可通過降低經(jīng)營成本和提升運營效率路徑間接影響經(jīng)營績效，形成本文的理論分析框架（如圖1所示）。

（一）農(nóng)商行數(shù)字化轉(zhuǎn)型影響經(jīng)營績效的理論分析

動態(tài)能力是指企業(yè)通過整合、構(gòu)建和更新配置內(nèi)部資源來應(yīng)對復(fù)雜環(huán)境變化的能力，包括機會感知能力、機會把控能力和變革重構(gòu)能力三個方面 ［9］。動態(tài)能力不僅是企業(yè)競爭優(yōu)勢的來源，還是影響企業(yè)績效的重要因素 ［10］。數(shù)字化轉(zhuǎn)型能夠重塑企業(yè)動態(tài)能力 ［11］，鑒于此，本文從動態(tài)能力的三個維度剖析農(nóng)商行數(shù)字化轉(zhuǎn)型對其經(jīng)營績效的影響。

首先，數(shù)字化轉(zhuǎn)型能夠提升農(nóng)商行機會感知能力，形成數(shù)字化思維，從而準確預(yù)測和快速響應(yīng)客戶需求。企業(yè)的高管層對外部環(huán)境的認知能力決定了企業(yè)能否實現(xiàn)商業(yè)模式創(chuàng)新，進而影響企業(yè)績效的提升 ［12］。一方面，在數(shù)字經(jīng)濟蓬勃發(fā)展的背景下，金融領(lǐng)域也在發(fā)生深刻變革，大型銀行金融服務(wù)重心下沉，螞蟻集團、京東金融等金融科技公司將農(nóng)村金融市場視為“藍海”。面對經(jīng)濟發(fā)展模式變遷和市場競爭加劇的雙重壓力，農(nóng)商行數(shù)字化轉(zhuǎn)型也迫在眉睫。另一方面，后疫情時代“宅經(jīng)濟”升溫，線上化、移動化、智能化的服務(wù)需求逐漸固化，客戶消費習(xí)慣和心理也發(fā)生了改變。因此，農(nóng)商行必須要強化數(shù)字化頂層設(shè)計和數(shù)字化轉(zhuǎn)型思維。具體而言，農(nóng)商行需借助大數(shù)據(jù)、人工智能等數(shù)字技術(shù)降低金融市場中的信息不對稱，實現(xiàn)資金供需方信息的快速匹配，同時通過提供低門檻、廣覆蓋的金融服務(wù)，激發(fā)客戶潛在需求，最終打破商業(yè)銀行經(jīng)營管理的“二八定律” ［13］。

其次，數(shù)字化轉(zhuǎn)型能夠強化農(nóng)商行機會把控能力，重塑業(yè)務(wù)與服務(wù)，保持競爭優(yōu)勢。數(shù)字技術(shù)的發(fā)展和應(yīng)用為農(nóng)商行提供了技術(shù)轉(zhuǎn)型升級、改善服務(wù)模式和提升效率的動力和機遇。農(nóng)商行通過數(shù)字化轉(zhuǎn)型能夠推動業(yè)務(wù)創(chuàng)新和經(jīng)營變革，從而提升服務(wù)能力、豐富產(chǎn)品多樣化和優(yōu)化服務(wù)效率。在產(chǎn)品端，以創(chuàng)新產(chǎn)品互聯(lián)網(wǎng)化、數(shù)據(jù)化、場景化，提供更為精細、差異化的金融產(chǎn)品和服務(wù)場景，實現(xiàn)差異化競爭。如杭州聯(lián)合農(nóng)商行引入公積金、房產(chǎn)、高校畢業(yè)人才、志愿者等數(shù)據(jù)，創(chuàng)新推出 “人才貸”“志愿貸”。在客戶端，運用大數(shù)據(jù)分析，深入挖掘客戶行為、洞察客戶需求、完善客戶畫像，實現(xiàn)高效、精準、智慧的客戶開發(fā)，并圍繞客戶衣食住行娛等領(lǐng)域需求，介入民生服務(wù)場景，能有效拓展客戶渠道和服務(wù)場景。如順德農(nóng)商行上線“村曉”APP，有效實現(xiàn)黨建、村務(wù)、生活、電商和金融融合發(fā)展。同時，農(nóng)商行利用數(shù)字技術(shù)打造線上線下融合的智慧金融新生態(tài)，實現(xiàn)從單一“客戶”營銷向“客群”經(jīng)營轉(zhuǎn)變，以場景、服務(wù)、業(yè)務(wù)模式等創(chuàng)新為抓手，融入客戶的生態(tài)圈、生產(chǎn)圈和生活圈，服務(wù)好客戶以及客戶的客戶，擴大服務(wù)群體、開拓業(yè)務(wù)增長點，提高市場競爭力。

最后，數(shù)字化轉(zhuǎn)型能夠優(yōu)化農(nóng)商行變革重構(gòu)能力，變革數(shù)字化組織結(jié)構(gòu)，從而有效提升組織服務(wù)效率。傳統(tǒng)經(jīng)營模式下，農(nóng)商行的服務(wù)主體具有地理位置分散和偏遠等特點，伴隨著物理網(wǎng)點多、業(yè)務(wù)決策鏈條長、手續(xù)繁瑣等問題，使得各項交易服務(wù)成本高。農(nóng)商行借助數(shù)字技術(shù)創(chuàng)新“線上+線下”雙渠道服務(wù)結(jié)構(gòu)，拓展金融服務(wù)半徑，有助于實現(xiàn)規(guī)模經(jīng)濟。一方面，農(nóng)商行借助數(shù)字技術(shù)布設(shè)多功能自主終端、便民服務(wù)點、助農(nóng)取款點等代理模式，能夠有效降低金融服務(wù)門檻、擴大服務(wù)覆蓋面；另一方面，大力發(fā)展開放銀行、手機銀行、微信銀行等，打破傳統(tǒng)渠道的時空限制，進一步創(chuàng)新觸客服務(wù)模式，提高服務(wù)效率。比如重慶農(nóng)商行打造了非接觸式銀行服務(wù)和觸客模式的“空中銀行”以及提供全渠道、全場景方言語音服務(wù)的“方言銀行”。

H1：農(nóng)商行數(shù)字化轉(zhuǎn)型有助于提升經(jīng)營績效。

（二）農(nóng)商行數(shù)字化轉(zhuǎn)型對經(jīng)營績效影響路徑的理論分析

農(nóng)商行數(shù)字化轉(zhuǎn)型從成本端的“節(jié)流”和運營端的“增效”兩個渠道影響經(jīng)營績效。

第一，農(nóng)商行數(shù)字化轉(zhuǎn)型能夠發(fā)揮成本效應(yīng)，達到“節(jié)流”效果，進而改善經(jīng)營績效。交易成本理論認為，成本是影響企業(yè)經(jīng)營績效的關(guān)鍵因素，而且交易成本是組織邊界決策的關(guān)鍵因素，因此如何實現(xiàn)“降本”成為企業(yè)提升經(jīng)營績效的重要渠道 ［14］。農(nóng)商行數(shù)字化轉(zhuǎn)型能夠降低銀行的獲客成本、內(nèi)部溝通成本、運營成本和風(fēng)控成本等方面的交易成本，實現(xiàn)“節(jié)流”效果。首先，銀行利用數(shù)字技術(shù)創(chuàng)新產(chǎn)品和服務(wù)，開展數(shù)字化業(yè)務(wù)、促進業(yè)務(wù)線上化和場景化，能改善業(yè)務(wù)質(zhì)量、拓展服務(wù)范圍、提升客戶體驗感，實現(xiàn)技術(shù)、數(shù)據(jù)和業(yè)務(wù)的協(xié)作化，從而降低銀行獲客成本［15］。其次，銀行依托數(shù)據(jù)平臺和共享機制架起部門間溝通橋梁，能夠有效降低部門之間溝通不暢導(dǎo)致的摩擦成本。再次，在運營層面，精準獲客、智能運維、智能客服等業(yè)務(wù)流程創(chuàng)新，可以大幅降低銀行的運營成本［16］。同時，銀行發(fā)展金融科技能有效降低風(fēng)控成本 ［17］。

H2：農(nóng)商行數(shù)字化轉(zhuǎn)型有助于降低成本，進而提升經(jīng)營績效。

第二，農(nóng)商行數(shù)字化轉(zhuǎn)型會變革業(yè)務(wù)運作和管理模式，有效提高運營效率，達到“增效”作用，進而改善經(jīng)營績效。數(shù)字技術(shù)具備提升效率的優(yōu)勢［18］。首先，在公司治理方面，數(shù)字化的管理平臺和溝通決策機制能夠有效解決“輕治理、權(quán)責(zé)不分”導(dǎo)致的治理結(jié)構(gòu)缺陷、管理體制不順等問題，從而完善組織機構(gòu)溝通、協(xié)作機制，促使銀行的效率提升［19］。其次，農(nóng)商行積極布局數(shù)字技術(shù)，加大數(shù)字科技投入能夠有效提升產(chǎn)出效率［20］。再次，銀行利用數(shù)字技術(shù)手段能夠發(fā)揮示范和競爭效應(yīng)，改變其經(jīng)營模式、優(yōu)化服務(wù)，提升銀行效率［21］。

H3：農(nóng)商行數(shù)字化轉(zhuǎn)型有助于改善運營效率，進而提升經(jīng)營績效。

（三）農(nóng)商行數(shù)字化轉(zhuǎn)型的經(jīng)營績效提升效果差異化表現(xiàn)的機理分析

由于受資產(chǎn)規(guī)模、股權(quán)結(jié)構(gòu)、合作關(guān)系等微觀特質(zhì)因素的影響，數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效的影響程度可能存在差異。

首先，從資產(chǎn)規(guī)模來看，大型農(nóng)商行業(yè)務(wù)范圍和物理網(wǎng)點布局更廣、數(shù)字技術(shù)方面起步早、投入大，且在科技人員總數(shù)和科技投入方面占據(jù)絕對優(yōu)勢［22］。這使得數(shù)字化轉(zhuǎn)型對大型農(nóng)商行經(jīng)營績效的影響更大。

其次，從股權(quán)結(jié)構(gòu)來看，股權(quán)集中度高的農(nóng)商行在數(shù)字化轉(zhuǎn)型管理、監(jiān)督以及決策等方面具有更大優(yōu)勢［23］。同時股權(quán)集中度高的農(nóng)商行在資源分配以及風(fēng)險管理上也具有競爭優(yōu)勢。

再次，從合作關(guān)系來看，相對于傳統(tǒng)金融業(yè)來說，以阿里巴巴、騰訊為代表的金融科技公司在技術(shù)和人才等方面優(yōu)勢大、經(jīng)驗足，而農(nóng)商行在數(shù)字化轉(zhuǎn)型方面仍處于摸索階段。農(nóng)商行積極與金融科技公司尋求合作，能夠充分發(fā)揮各自技術(shù)優(yōu)勢和業(yè)務(wù)優(yōu)勢，實現(xiàn)技術(shù)與業(yè)務(wù)“聯(lián)系效應(yīng)”，有效提升經(jīng)營效率［24］。在具體實踐中，農(nóng)商行與科技公司合作確實有效提升了其經(jīng)營績效。如重慶農(nóng)商行在零售業(yè)務(wù)領(lǐng)域與百度、騰訊等頭部互聯(lián)網(wǎng)企業(yè)合作線上“渝快貸”等自營產(chǎn)品；與網(wǎng)商、微眾等頭部互聯(lián)網(wǎng)銀行合作借唄、微粒貸等聯(lián)合貸款產(chǎn)品，有效拓展了其零售業(yè)務(wù)。2021年，重慶農(nóng)商銀行實現(xiàn)營業(yè)收入30842億元，其中零售銀行業(yè)務(wù)收入12494億元、占比4051%，保持了連續(xù)5年的遞增態(tài)勢數(shù)據(jù)來源于重慶農(nóng)商行2021年年度報告。。

H4：數(shù)字化轉(zhuǎn)型對資產(chǎn)規(guī)模大、股權(quán)集中度高、與科技公司開展合作的農(nóng)商行的經(jīng)營績效提升作用更明顯。

三、數(shù)據(jù)、變量與模型設(shè)計

（一）數(shù)據(jù)說明

本研究選取了年報可獲得性和信息完整性較高且正常經(jīng)營的農(nóng)商行為研究樣本，時間跨度為2015—2021年。剔除關(guān)鍵變量存在異常值的樣本后，對所有連續(xù)變量進行上下5%的縮尾處理，最終獲得120家農(nóng)商行670個觀測值的非平衡面板數(shù)據(jù)。農(nóng)商行的個體數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫和年度報告，宏觀變量數(shù)據(jù)來源于各家農(nóng)商行所在城市的統(tǒng)計年鑒。

（二）變量定義

1.被解釋變量：經(jīng)營績效

借鑒Dong等（2020）的研究［25］，并結(jié)合原中國銀保監(jiān)會制定的《商業(yè)銀行監(jiān)管評級辦法》（銀保監(jiān)發(fā)〔2021〕39號）以及財政部制定的《金融企業(yè)績效評價辦法》（財金〔2016〕35號）指標(biāo)構(gòu)建方法，從銀行經(jīng)營原則的“三性”出發(fā)，引入成長性來構(gòu)造衡量農(nóng)商行經(jīng)營績效的“四個維度”“七個指標(biāo)”，確保經(jīng)營績效度量的科學(xué)性，并利用因子分析法得到綜合經(jīng)營績效值。在使用因子分析法的過程中，經(jīng)過旋轉(zhuǎn)后發(fā)現(xiàn)除成本收入比、不良貸款率為負向指標(biāo)外，其余均為正向指標(biāo)，故參考林海明、杜子芳（2013）的做法［26］，對成本收入比、不良貸款率取負號進行正向化調(diào)整。另外，參考蔣遠勝等（2018）的方法［27］，選擇資產(chǎn)負債率作為流動性的代理指標(biāo)。經(jīng)營績效的具體度量指標(biāo)見表1。

2.核心解釋變量：數(shù)字化轉(zhuǎn)型

文本分析法已成為金融與財務(wù)方向的重要研究方法，其中詞頻法已被廣泛地運用于測度金融科技水平［28］。同時基于農(nóng)商行年報披露內(nèi)容，使用文本分析法可有效識別農(nóng)商行年報中關(guān)鍵信息，這不僅能夠剖析其數(shù)字化轉(zhuǎn)型的立場和具體措施［29］，還能細分維度，使得測度結(jié)果更加全面。因此，本研究借鑒郭品、沈悅（2015）［30］以及張岳、周應(yīng)恒（2022）的研究［31］，利用文本分析法從農(nóng)商行各年年度報告中捕捉數(shù)字化轉(zhuǎn)型相關(guān)詞頻，再利用熵值法測算樣本銀行2015—2021年數(shù)字化轉(zhuǎn)型指數(shù)。

與已有研究不同的是，本文不僅細化農(nóng)商行數(shù)字化轉(zhuǎn)型維度，還根據(jù)農(nóng)商行客觀實際情況設(shè)置相關(guān)關(guān)鍵詞。同時，在數(shù)字化組織變革維度層面引入虛擬變量，可有效彌補組織變革方面難以進行文本詞頻統(tǒng)計的弊端和避免單純統(tǒng)計詞頻難以全面客觀反映數(shù)字化轉(zhuǎn)型的不足，從而確保數(shù)字化指標(biāo)的準確性和客觀性。具體做法如下：一是確定關(guān)鍵詞詞庫。借鑒王小華等（2022）［32］，并參考北京大學(xué)數(shù)字金融研究中心課題組構(gòu)建的商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)和中國互聯(lián)網(wǎng)金融協(xié)會發(fā)布的《中國商業(yè)銀行數(shù)字化轉(zhuǎn)型調(diào)查報告》，從數(shù)字化轉(zhuǎn)型認知、數(shù)字化技術(shù)應(yīng)用、數(shù)字化平臺建設(shè)、數(shù)字化業(yè)務(wù)開展四個維度構(gòu)建衡量農(nóng)商行數(shù)字化轉(zhuǎn)型關(guān)鍵詞詞庫（見表2）。二是關(guān)鍵詞詞頻計算。先利用Python爬蟲技術(shù)獲得各個關(guān)鍵詞詞頻，然后分別對各維度進行加總，最后對每個維度的總詞頻加1取自然對數(shù)處理。三是引入數(shù)字化組織變革虛擬變量，從部門設(shè)置和與科技公司合作角度設(shè)置虛擬變量。四是合成數(shù)字化轉(zhuǎn)型指數(shù)。利用熵值法對關(guān)鍵詞詞頻以及虛擬變量進行合成，計算最終的數(shù)字化轉(zhuǎn)型指數(shù)。

圖2呈現(xiàn)了農(nóng)商行數(shù)字化轉(zhuǎn)型指數(shù)的年份變化趨勢。樣本農(nóng)商行數(shù)字化轉(zhuǎn)型程度總體呈持續(xù)增長態(tài)勢，符合數(shù)字經(jīng)濟背景下農(nóng)商行整體數(shù)字化轉(zhuǎn)型的趨勢，也符合整體銀行業(yè)數(shù)字化轉(zhuǎn)型的態(tài)勢。圖3給出了不同梯度資產(chǎn)規(guī)模下的農(nóng)商行數(shù)字化轉(zhuǎn)型情況。根據(jù)總資產(chǎn)規(guī)模的大小將樣本農(nóng)商行分成5組，對比發(fā)現(xiàn)資產(chǎn)規(guī)模越大的農(nóng)商行，數(shù)字化轉(zhuǎn)型程度越高。資產(chǎn)規(guī)模大的農(nóng)商行在資金、技術(shù)以及人才等方面具有優(yōu)勢，數(shù)字化轉(zhuǎn)型開始早、投入大，數(shù)字化轉(zhuǎn)型程度較高。比如資產(chǎn)規(guī)模超萬億元的重慶農(nóng)商行在2018年就啟動“智慧銀行項目”、落地“重慶農(nóng)商云”智能平臺。

3.機制變量

經(jīng)營成本（Cost）：采用成本收入比作為經(jīng)營成本的代理變量。成本收入比能夠反映農(nóng)商行每單位收入需要支出的成本，體現(xiàn)了成本控制能力。運營效率（Tot）：參考樓永、劉銘（2022）［33］，用總資產(chǎn)周轉(zhuǎn)率作為運營效率的代理變量?？傎Y產(chǎn)周轉(zhuǎn)率建立了利潤表和資產(chǎn)負債表之間的聯(lián)系，能有效反映金融機構(gòu)的運營效率，該值越大，說明運營效率越好。

4.控制變量

借鑒張正平、劉云華（2022）［34］、任曉怡等（2022）［35］和易露霞等（2021）［36］，控制變量包括微觀層面的資產(chǎn)規(guī)模、資本充足率、存貸比、經(jīng)營年限，以及宏觀層面的地區(qū)產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟發(fā)展水平。根據(jù)企業(yè)生命周期理論，農(nóng)商行會歷經(jīng)發(fā)展、成長、成熟和衰退不同發(fā)展階段。這使得農(nóng)商行的經(jīng)營時長可能與其經(jīng)營績效存在非線性關(guān)系，所以本文將經(jīng)營時長的平方作為經(jīng)營年限（Age）的度量指標(biāo)納入控制變量。實證研究涉及的變量及說明如表3所示。

（三）模型設(shè)計

為探討農(nóng)商行數(shù)字化轉(zhuǎn)型能否對其經(jīng)營績效產(chǎn)生影響，構(gòu)建如下基準回歸模型：

LnFEit=α + β0DEit + ∑jγjControljit + μi + ηt + εit。（1）

其中，被解釋變量LnFEit表示第i家農(nóng)商行t年的經(jīng)營績效指標(biāo)（取對數(shù)）；核心解釋變量DEit是第i家農(nóng)商行在t年的數(shù)字化轉(zhuǎn)型程度；Controljit為控制變量。為了控制個體和時間因素對經(jīng)營績效的影響，模型中引入了農(nóng)商行個體固定效應(yīng)μi和時間固定效應(yīng)ηt。εit為隨機擾動項。

四、農(nóng)商行數(shù)字化轉(zhuǎn)型對經(jīng)營績效影響的實證結(jié)果與機制分析

（一）變量的描述性統(tǒng)計

表4列示了變量的描述性統(tǒng)計結(jié)果。農(nóng)商行數(shù)字化轉(zhuǎn)型不僅總體上有所差距，而且發(fā)展側(cè)重點上也存在明顯的個體差異。農(nóng)商行數(shù)字化轉(zhuǎn)型指數(shù)的最小值為0141 3，最大值為0793 8，表明樣本農(nóng)商行在數(shù)字化轉(zhuǎn)型方面存在明顯的個體差異。具體分維度來看，首先，數(shù)字化轉(zhuǎn)型認知、數(shù)字化技術(shù)應(yīng)用和數(shù)字化業(yè)務(wù)開展的標(biāo)準差均大于1，尤其是數(shù)字化業(yè)務(wù)開展的最大值與最小值之間兩極化較明顯；其次，數(shù)字化組織變革的均值最低，僅為0163 2，說明僅有小部分農(nóng)商行設(shè)置了數(shù)字化轉(zhuǎn)型部門或與科技公司展開合作。經(jīng)營績效的最小值為0780 0，最大值為1510 0，表明樣本農(nóng)商行的經(jīng)營績效差距較大。

（二）基準回歸分析

為檢驗農(nóng)商行數(shù)字化轉(zhuǎn)型對其經(jīng)營績效的影響，本文采用遞進式策略進行回歸，回歸結(jié)果如表5所示。在未加入控制變量的情況下，第（1）至（3）列分別呈現(xiàn)了只控制個體固定效應(yīng)、只控制時間固定效應(yīng)以及同時控制個體和時間固定效應(yīng)的回歸結(jié)果，結(jié)果均表明農(nóng)商行數(shù)字化轉(zhuǎn)型能顯著提升其經(jīng)營績效。加入控制變量后，數(shù)字化轉(zhuǎn)型的回歸系數(shù)仍然顯著為正［見第（4）列］，數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效的正向影響仍然成立。考慮到數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效影響的時滯性和降低反向因果擾動誤差，將數(shù)字化轉(zhuǎn)型進行滯后一期處理，數(shù)字化轉(zhuǎn)型的回歸系數(shù)仍然顯著為正［見第（5）列］。H1得到驗證。

經(jīng)營績效包含盈利性、安全性、流動性和成長性四個維度。為探究數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效各維度的影響，本文依次對四個維度進行回歸，結(jié)果見表6。數(shù)字化轉(zhuǎn)型對盈利性和安全性的影響系數(shù)顯著為正，而對流動性和成長性的影響系數(shù)不顯著，這說明數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效的促進作用體現(xiàn)在提高盈利性和安全性上。

（三）穩(wěn)健性檢驗

本文采用以下方法對基準回歸結(jié)果進行穩(wěn)健性檢驗。

1.替換被解釋變量經(jīng)營績效的度量指標(biāo)

本文借鑒董曉林等（2021）的方法［37］，使用總資產(chǎn)收益率（ROA）來衡量農(nóng)商行的經(jīng)營績效。數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為正［見表7第（1）列］，基準回歸結(jié)果穩(wěn)健。

2.將基準回歸模型更換成系統(tǒng)GMM模型

由于銀行當(dāng)前的經(jīng)營績效可能受到以往經(jīng)營管理經(jīng)驗的影響，所以在此將經(jīng)營績效的滯后一期變量納入基準回歸模型，進而使用系統(tǒng)GMM估計法進行基準回歸分析。從表7第（2）列可知，經(jīng)營績效（滯后一期）的系數(shù)顯著為正，說明農(nóng)商行的經(jīng)營績效會受到上一期的經(jīng)營管理能力的影響，同時數(shù)字化轉(zhuǎn)型仍然顯著正向影響農(nóng)商行的經(jīng)營績效。AR（1）的p值小于01，AR（2）的p值大于01，說明模型存在一階相關(guān)但不存在二階相關(guān)，可以接受擾動項無自相關(guān)的原假設(shè)。同時，Sargan Test和Hansen Test統(tǒng)計量對應(yīng)的p值均大于01，表明不存在過度識別問題，工具變量選取有效，滿足系統(tǒng)GMM模型估計的檢驗要求。

3.替換數(shù)字化轉(zhuǎn)型的度量指標(biāo)

本文參考張岳、周應(yīng)恒（2022）的做法［38］，用“相應(yīng)年度全部數(shù)字化關(guān)鍵詞詞頻數(shù)量+1”并取對數(shù)來衡量數(shù)字化轉(zhuǎn)型，然后使用系統(tǒng)GMM模型進行估計。表7第（3）列顯示，數(shù)字化轉(zhuǎn)型（新）的回歸系數(shù)顯著為正，基準回歸結(jié)果穩(wěn)健。同時，AR（1）的p值小于01，AR（2）的p值大于01，Sargan Test和Hansen Test統(tǒng)計量對應(yīng)的p值均大于01，通過系統(tǒng)GMM模型估計的基本檢驗要求。

4.工具變量法

為緩解可能存在反向因果和遺漏變量的內(nèi)生性問題，本文參考黃群慧等（2019）［39］的做法，將各地區(qū)1984年每百人固定電話數(shù)量（部）作為工具變量進行2SLS估計。工具變量選取的原因有：一方面，數(shù)字技術(shù)的發(fā)展源于傳統(tǒng)通信技術(shù)的更新延續(xù)，所以歷史上固定電話普及率高的地區(qū)很可能是互聯(lián)網(wǎng)技術(shù)普及率較高的地區(qū)，從而對農(nóng)商行數(shù)字化轉(zhuǎn)型產(chǎn)生一定的影響。所以，固定電話普及率滿足作為數(shù)字化轉(zhuǎn)型工具變量的相關(guān)性要求。另一方面，隨著數(shù)字技術(shù)的發(fā)展，歷史固定電話的數(shù)量對于農(nóng)商行經(jīng)營績效的影響正在消失，滿足外生性要求。

表8的第一階段回歸結(jié)果顯示，1984年每百人固定電話數(shù)量（工具變量）在1%的水平上顯著正向影響農(nóng)商行的數(shù)字化轉(zhuǎn)型程度，滿足相關(guān)性要求。F統(tǒng)計量大于10，LM統(tǒng)計量p值為0000 1，表明不存在弱工具變量和識別不足的問題。第二階段回歸結(jié)果顯示，數(shù)字化轉(zhuǎn)型的回歸系數(shù)在5%的顯著水平上顯著為正，基準回歸結(jié)果穩(wěn)健。

（四）分維度回歸分析

數(shù)字化轉(zhuǎn)型包括數(shù)字化轉(zhuǎn)型認知、數(shù)字化技術(shù)應(yīng)用、數(shù)字化平臺建設(shè)、數(shù)字化業(yè)務(wù)開展以及數(shù)字化組織變革五個維度。考慮到數(shù)字化轉(zhuǎn)型的作用發(fā)揮需要一定時間的調(diào)整和適應(yīng)，本文將各維度指標(biāo)進行滯后一期處理再納入回歸分析，以探究不同維度下的數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效的影響。結(jié)果表明（見表9），農(nóng)商行在數(shù)字化轉(zhuǎn)型過程中在認知、業(yè)務(wù)開展和組織變革方面的加強均有助于提高經(jīng)營績效，而數(shù)字技術(shù)的應(yīng)用和平臺建設(shè)對農(nóng)商行經(jīng)營績效的影響仍有待進一步發(fā)掘和探討?？赡艿脑蚴牵瑪?shù)字技術(shù)的研發(fā)與應(yīng)用和平臺建設(shè)需要投入的資金較多，對經(jīng)營績效的提升作用在短期內(nèi)難以顯現(xiàn)。

（五）影響機制檢驗分析

為了驗證數(shù)字化轉(zhuǎn)型對經(jīng)營績效的影響機制，本文借鑒何婧、李慶海（2019）［40］的研究，引入數(shù)字化轉(zhuǎn)型指數(shù)與機制變量的交乘項進行回歸。如果農(nóng)商行經(jīng)營績效的提升受制于經(jīng)營成本和運營效率，那么，相對于低成本、高運營效率的農(nóng)商行來說，高成本、低運營效率的農(nóng)商行利用數(shù)字化轉(zhuǎn)型對經(jīng)營績效具有更為明顯的促進作用，即交乘項的系數(shù)顯著為正。具體模型設(shè)定如下：

LnFEit=α + β1DEit +β2Mit×DEit + β3Mit+ ∑jγjControljit + μi + ηt + εit 。（2）

其中，變量LnFEit、DEit、Controljit的定義都與式（1）相同，Mit表示機制變量，包含經(jīng)營成本（Cost）和運營效率（Tot）。數(shù)字化轉(zhuǎn)型DEit與機制變量的交乘項的系數(shù)β2能直接反映經(jīng)營成本和運營效率機制的存在性。

在對數(shù)字化轉(zhuǎn)型、經(jīng)營成本和運營效率進行中心化處理后，式（2）對應(yīng)的回歸結(jié)果見表10。第（1）列顯示，數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，經(jīng)營成本的系數(shù)顯著為負，但是數(shù)字化轉(zhuǎn)型與經(jīng)營成本的交乘項的系數(shù)不顯著，這表明經(jīng)營成本是影響農(nóng)商行經(jīng)營績效的重要因素，但是數(shù)字化轉(zhuǎn)型并未有效緩解經(jīng)營成本對經(jīng)營績效的負向作用，“節(jié)流”機制不成立?？赡艿脑蛟谟冢r(nóng)商行在數(shù)字化轉(zhuǎn)型的前期需要引進高技能勞動力、購置相關(guān)的軟件和硬件設(shè)施以及開展研發(fā)創(chuàng)新活動，從而增加了勞動力成本、固定資產(chǎn)成本和研發(fā)成本［41］。所以，在短期內(nèi)，數(shù)字化轉(zhuǎn)型影響經(jīng)營績效的“節(jié)流”機制作用尚未顯現(xiàn)。第（2）列顯示，運營效率的系數(shù)顯著為正，數(shù)字化轉(zhuǎn)型與運營效率的交乘項系數(shù)顯著為正，說明農(nóng)商行通過數(shù)字化轉(zhuǎn)型能正向影響運營效率，進而提升經(jīng)營績效，“增效”機制成立。

（六）異質(zhì)性分析

1.規(guī)模異質(zhì)性

農(nóng)商行數(shù)字化轉(zhuǎn)型的效果可能存在規(guī)模異質(zhì)性。本文借鑒王奕婷、羅雙成（2022）的研究［42］，將總資產(chǎn)超過當(dāng)年的所有銀行總資產(chǎn)中位數(shù)的農(nóng)商行設(shè)定為較大規(guī)模的農(nóng)商行，其余為較小規(guī)模的農(nóng)商行。表11第（1）至（2）列結(jié)果顯示，資產(chǎn)規(guī)模較大的農(nóng)商行通過數(shù)字化轉(zhuǎn)型對其經(jīng)營績效的影響顯著為正，這表明大型農(nóng)商行數(shù)字化轉(zhuǎn)型獲得的“賦能”作用更明顯。

2.股權(quán)結(jié)構(gòu)異質(zhì)性

以農(nóng)商行前十大股東持股占比作為股權(quán)結(jié)構(gòu)的代理變量［43］，取值越大代表了股權(quán)集中度越高。本文以前十大股東持股占比的中位數(shù)為分界點，將樣本農(nóng)商行分為高股權(quán)集中度、低股權(quán)集中度兩類農(nóng)商行進行分樣本回歸分析。表11 的第（3）至（4）列顯示，高股權(quán)集中度的農(nóng)商行實施數(shù)字化轉(zhuǎn)型能夠顯著促進其經(jīng)營績效。

3.與科技公司合作異質(zhì)性

農(nóng)商行在資金、技術(shù)、人才等資源方面相較于其他大型國有銀行和股份制銀行不占優(yōu)勢，使得與科技公司合作成為其數(shù)字化轉(zhuǎn)型的重要戰(zhàn)略?！翱缃绾献鳌蹦芊癯蔀檗r(nóng)商行數(shù)字化轉(zhuǎn)型的重要利器值得進一步探究。因此，本文以農(nóng)商行與科技公司合作與否為標(biāo)準，將農(nóng)商行分成“合作、未合作”兩組樣本進行回歸在百度新聞上以“*農(nóng)商行+合作”為搜索詞搜索詞條，然后人工篩選農(nóng)商行與科技公司合作的詞條作為合作與否判斷標(biāo)準?？萍脊局饕腥A為、百度、騰訊、阿里、京東、科大訊飛等。，表11第（5）至（6）列顯示，與科技公司合作的農(nóng)商行推進數(shù)字化轉(zhuǎn)型能夠顯著提升其經(jīng)營績效。

五、結(jié)論與建議

本文基于動態(tài)能力理論分析視角，采用文本分析法和熵值法，從數(shù)字化轉(zhuǎn)型認知、數(shù)字化技術(shù)應(yīng)用、數(shù)字化平臺建設(shè)、數(shù)字化業(yè)務(wù)開展和數(shù)字化組織變革這五個維度構(gòu)建農(nóng)商行個體層面的數(shù)字化轉(zhuǎn)型指數(shù)，并運用120家農(nóng)商行2015—2021年的非平衡面板數(shù)據(jù)，實證分析了數(shù)字化轉(zhuǎn)型對農(nóng)商行經(jīng)營績效的影響及其機制。研究表明：第一，農(nóng)商行的數(shù)字化轉(zhuǎn)型呈現(xiàn)出總體增長和個體差異明顯的特征?？傮w而言，農(nóng)商行的數(shù)字化轉(zhuǎn)型程度在持續(xù)增長，其中數(shù)字化業(yè)務(wù)開展程度最高而數(shù)字化組織變革程度最低。同時，不同農(nóng)商行之間存在明顯的數(shù)字化轉(zhuǎn)型程度差異，其中數(shù)字化轉(zhuǎn)型認知的個體差異最明顯。資產(chǎn)規(guī)模越大的農(nóng)商行，數(shù)字化轉(zhuǎn)型程度越高。第二，數(shù)字化轉(zhuǎn)型對農(nóng)商行的盈利性和安全性具有促進作用，但對流動性和成長性的正向影響未顯現(xiàn)。數(shù)字化轉(zhuǎn)型認知、數(shù)字化業(yè)務(wù)開展和數(shù)字化組織變革均有助于實現(xiàn)“賦能”作用。提高運營效率是農(nóng)商行數(shù)字化轉(zhuǎn)型、提高其經(jīng)營績效的重要路徑，但是降低經(jīng)營成本的機制不成立。可能的原因在于，農(nóng)商行在數(shù)字化轉(zhuǎn)型的前期需要引進高技能勞動力、購置相關(guān)的軟件和硬件設(shè)施以及開展研發(fā)活動，增加了勞動力成本、固定資產(chǎn)成本和研發(fā)成本。第三，數(shù)字化轉(zhuǎn)型與農(nóng)商行經(jīng)營績效的關(guān)系存在個體異質(zhì)性。規(guī)模大、股權(quán)結(jié)構(gòu)集中以及與科技公司合作的農(nóng)商行，數(shù)字化轉(zhuǎn)型實現(xiàn)的經(jīng)營績效提升作用更明顯。

基于上述研究結(jié)論，本文針對農(nóng)商行數(shù)字化轉(zhuǎn)型提出以下建議：

一是基于鄉(xiāng)村特色產(chǎn)業(yè)的交易場景，創(chuàng)新數(shù)字普惠金融產(chǎn)品。首先，農(nóng)商行可將區(qū)塊鏈技術(shù)嵌入鄉(xiāng)村特色產(chǎn)業(yè)鏈，助推產(chǎn)業(yè)鏈各環(huán)節(jié)的交易憑證數(shù)字化，并利用大數(shù)據(jù)分析技術(shù)精準評估數(shù)字票據(jù)的信用價值和動態(tài)監(jiān)測經(jīng)營主體生產(chǎn)經(jīng)營的資金流變化，為經(jīng)營主體制定特色授信方案。其次，農(nóng)商行需積極搭建和完善服務(wù)鄉(xiāng)村產(chǎn)業(yè)的數(shù)字金融服務(wù)平臺。一方面，農(nóng)商行與科技公司加強合作，有效增強數(shù)字化能力，將金融服務(wù)平臺打造成能滿足多元化金融需求的數(shù)字金融產(chǎn)品超市，提升支持鄉(xiāng)村振興的金融服務(wù)質(zhì)量；另一方面，農(nóng)商行應(yīng)完善多方信息共享機制，將數(shù)字金融服務(wù)平臺與農(nóng)產(chǎn)品溯源數(shù)據(jù)平臺、農(nóng)村產(chǎn)權(quán)交易平臺、生產(chǎn)要素采購登記平臺等數(shù)據(jù)平臺相連接，強化特色產(chǎn)業(yè)經(jīng)營主體的交易數(shù)據(jù)采集與分析能力，實現(xiàn)客戶的精準畫像和提高智能風(fēng)控水平。

二是權(quán)衡數(shù)字化轉(zhuǎn)型的成本與收益，搭建商業(yè)可持續(xù)發(fā)展的長效機制。數(shù)字化轉(zhuǎn)型是農(nóng)商行適應(yīng)數(shù)字金融時代發(fā)展需要的必然趨勢。但是農(nóng)商行在數(shù)字化轉(zhuǎn)型的前期階段需要承擔(dān)高昂的研發(fā)成本和面臨創(chuàng)新風(fēng)險，短期內(nèi)難以產(chǎn)生合理的經(jīng)濟效益。尤其在農(nóng)村地區(qū)數(shù)字鴻溝尚未完全彌合的情況下，農(nóng)商行數(shù)字化技術(shù)的應(yīng)用和數(shù)字化業(yè)務(wù)的開展可能面臨客戶需求不足的壁壘［44］。所以，在數(shù)字化轉(zhuǎn)型浪潮中，農(nóng)商行有必要根據(jù)客戶特征和實際業(yè)務(wù)需要，在成本和風(fēng)險可控的前提下，逐步推進數(shù)字化轉(zhuǎn)型進程，長期可持續(xù)地提高運營效率和經(jīng)營績效。同時，農(nóng)商行在為客戶提供便捷化、智能化的金融服務(wù)時，應(yīng)注重客戶的數(shù)字金融素養(yǎng)培訓(xùn)，彌合客戶的數(shù)字鴻溝，以激活數(shù)字信貸需求和增加客戶信息積累，從而豐富數(shù)字化技術(shù)的應(yīng)用場景。

［參考文獻］

［1］［43］何婧、何廣文：《農(nóng)村商業(yè)銀行股權(quán)結(jié)構(gòu)與其經(jīng)營風(fēng)險、經(jīng)營績效關(guān)系研究》，《農(nóng)業(yè)經(jīng)濟問題》2015年第12期，第65—74頁。

［2］羅煜、崔書言、曠純：《數(shù)字化與商業(yè)銀行經(jīng)營轉(zhuǎn)型——基于傳統(tǒng)業(yè)務(wù)結(jié)構(gòu)變遷視角》，《國際金融研究》2022年第5期，第34—44頁。

［3］李運達、陳偉、周華東：《金融科技、生產(chǎn)率悖論與銀行盈利能力》，《財經(jīng)科學(xué)》2020年第11期，第1—16頁。

［4］徐曉萍、李弘基、戈盈凡：《金融科技應(yīng)用能夠促進銀行信貸結(jié)構(gòu)調(diào)整嗎？——基于銀行對外合作的準自然實驗研究》，《財經(jīng)研究》2021年第6期，第92—107頁。

［5］［24］［30］郭品、沈悅：《互聯(lián)網(wǎng)金融加重了商業(yè)銀行的風(fēng)險承擔(dān)嗎？——來自中國銀行業(yè)的經(jīng)驗證據(jù)》，《南開經(jīng)濟研究》2015年第4期，第80—97頁。

［6］［20］黃靖雯、陶士貴：《商業(yè)銀行金融科技投入產(chǎn)出效率研究——基于三階段DEA方法》，《西南民族大學(xué)學(xué)報（人文社會科學(xué)版）》2021年第4期，第136—145頁。

［7］Thakor A V： “Fintech and Banking： What do We Know？”， Journal of Financial Intermediation， No.41， 2020， Article：100833.

［8］［22］［42］王奕婷、羅雙成：《金融科技與商業(yè)銀行經(jīng)營績效——基于風(fēng)險承擔(dān)的中介效應(yīng)分析》，《金融論壇》2022年第4期，第19—30頁。

［9］Teece D J： “Explicating Dynamic Capabilities： The Nature and Microfoundations of （Sustainable） Enterprise Performance”， Strategic Management Journal， Vol.28， No.13， 2007， pp.1319-1350.

［10］焦豪、楊季楓、王培暖等：《數(shù)據(jù)驅(qū)動的企業(yè)動態(tài)能力作用機制研究——基于數(shù)據(jù)全生命周期管理的數(shù)字化轉(zhuǎn)型過程分析》，《中國工業(yè)經(jīng)濟》2021年第11期，第174—192頁。

［11］曾德麟、蔡家瑋、歐陽桃花：《數(shù)字化轉(zhuǎn)型研究：整合框架與未來展望》，《外國經(jīng)濟與管理》2021年第5期，第63—76頁。

［12］Cavalcante S， Kesting P， Ulhi J： “Business Model Dynamics and Innovation： （Re）establishing the Missing Linkages”， Management Decision， Vol. 49， No.8， 2011， pp.1327-1342.

［13］萬佳彧、周勤、肖義：《數(shù)字金融、融資約束與企業(yè)創(chuàng)新》，《經(jīng)濟評論》2020年第1期，第71—83頁。

［14］Filipe M S， Kathleen M E： “Organizational Boundaries and Theories of Organization”，Organization Science， Vol.16， No.5， 2005， pp. 491-508.

［15］Gomber P， Kauffman R J， Parker C， et al.： “On the Fintech Revolution： Interpreting the Forces of Innovation， Disruption， and Transformation in Financial Services”， Journal of Management Information Systems， Vol.35， No.1， 2018， pp.220-265.

［16］［28］胡俊、李強、劉穎琛等：《商業(yè)銀行金融科技對零售貸款的影響——基于年報的文本分析》，《管理評論》 2021年第11期，第298—311頁。

［17］岳華、王海燕、陳欣媛：《金融科技與商業(yè)銀行盈利能力：沖擊抑或助推？——基于銀行財報文本挖掘的實證檢驗》，《東南大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》2022年第4期，第70—81+147頁。

［18］佘茂艷、王元地：《數(shù)字貨幣發(fā)展現(xiàn)狀及其監(jiān)管》，《中國礦業(yè)大學(xué)學(xué)報（社會科學(xué)版）》2020年第2期，第121—130頁。

［19］劉瀾飚、沈鑫、郭步超：《互聯(lián)網(wǎng)金融發(fā)展及其對傳統(tǒng)金融模式的影響探討》，《經(jīng)濟學(xué)動態(tài)》2013年第8期，第73—83頁。

［21］劉忠璐：《互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險承擔(dān)的影響研究》，《財貿(mào)經(jīng)濟》2016年第4期，第71—85+115頁。

［23］Dong Y， Meng C， Firth M， et al.： “Ownership Structure and Risk-taking： Comparative Evidence from Private and State-controlled Banks in China”，International Review of Financial Analysis， No.36， 2014， pp.120-130.

［25］Dong J， Yin L， Liu X， et al.： “Impact of Internet Finance on the Performance of Commercial Banks in China”，International Review of Financial Analysis， No.72，2020， Article：101579.

［26］林海明、杜子芳：《主成分分析綜合評價應(yīng)該注意的問題》，《統(tǒng)計研究》2013年第8期，第25—31頁。

［27］蔣遠勝、張磊、徐麗娟：《市場競爭對農(nóng)村商業(yè)銀行經(jīng)營績效的影響——以浙江32家農(nóng)商行為例》，《農(nóng)村經(jīng)濟》2018年第10期，第64—71頁。

［29］Thorsrud L A： “Words are the New Numbers： A Newsy Coincident Index of the Business Cycle”，Journal of Business & Economic Statistics，Vol.38， No.2， 2020， pp.393-409.

［31］［38］張岳、周應(yīng)恒：《數(shù)字金融發(fā)展對農(nóng)村金融機構(gòu)經(jīng)營風(fēng)險的影響——基于金融監(jiān)管強度調(diào)節(jié)效應(yīng)的分析》，《中國農(nóng)村經(jīng)濟》2022年第4期，第64—82頁。

［32］王小華、鄧曉雯、周海洋：《金融科技對商業(yè)銀行經(jīng)營績效的影響：促進還是抑制？》，《改革》2022年第8期，第1—15頁。

［33］樓永、劉銘：《中小企業(yè)數(shù)字化變革：從遲徊觀望到乘勢而上——基于文本挖掘法的變革路徑與績效研究》，《工業(yè)技術(shù)經(jīng)濟》2022年第2期，第3—13頁。

［34］張正平、劉云華：《數(shù)字金融發(fā)展對農(nóng)村商業(yè)銀行運營效率的影響——基于2014—2018年非平衡面板數(shù)據(jù)的實證研究》，《農(nóng)業(yè)技術(shù)經(jīng)濟》2022年第4期，第67—81頁。

［35］任曉怡、寧致遠、吳非：《企業(yè)金融化與數(shù)字化轉(zhuǎn)型——基于上市企業(yè)年報數(shù)字化文本信息的識別與檢驗》，《經(jīng)濟與管理》2022年第36期，第84—92頁。

［36］易露霞、吳非、徐斯旸：《企業(yè)數(shù)字化轉(zhuǎn)型的業(yè)績驅(qū)動效應(yīng)研究》，《證券市場導(dǎo)報》2021年第8期，15—25+69頁。

［37］董曉林、章丹、陳秋月：《縣域建設(shè)用地指標(biāo)、產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)村商業(yè)銀行經(jīng)營績效》，《華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）》2021年第4期，第60—68頁。

［39］黃群慧、余泳澤、張松林：《互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗》，《中國工業(yè)經(jīng)濟》2019年第8期，第5—23頁。

［40］何婧、李慶海：《數(shù)字金融使用與農(nóng)戶創(chuàng)業(yè)行為》，《中國農(nóng)村經(jīng)濟》2019年第1期，第112—126頁。

［41］楊濤：《金融科技與中小銀行數(shù)字化轉(zhuǎn)型研究》，《農(nóng)村金融研究》2022年第7期，第29—37頁。

［44］陳曉潔、何廣文、陳洋：《數(shù)字鴻溝與農(nóng)戶數(shù)字信貸行為——基于2019年欠發(fā)達地區(qū)農(nóng)村普惠金融調(diào)查數(shù)據(jù)》，《財經(jīng)論叢》2022年第1期，第46—56頁。

Does Digital Transformation Empower Rural Commercial Banks？

An Empirical Analysis Based on Text Mining Method

HE? Guangwen1，LI? Tongtong2，CHEN? Xiaojie1

（1.College of Economics and Management， China Agricultural University， Beijing 100083， China;

2. Anhui Branch， China Development Bank， Hefei 230071， Anhui， China）

Abstract： Based on data from 120 rural commercial banks from 2015 to 2021， this paper adopts Python crawler technology to mine digital information texts in bank annual reports to construct a digital transformation index and empirically analyzes the impact mechanism and effect of digital transformation on the operating performance of rural commercial banks. The results indicate that the degree of digital transformation of rural commercial banks has the characteristics of overall sustained growth and significant individual differences. Digital transformation can improve operating performance through increasing efficiency while not reducing costs. In addition， digital transformation cognition， digital business development and digital organizational change all contribute to achieving the “empowerment” effect. Rural commercial banks， with large asset sizes， concentrated ownership structures and cooperation with technology companies， have achieved more significant “empowerment” effects through digital transformation.

Key words：digital transformation; rural commercial banks; performance; text mining method

（責(zé)任編輯 齊立瑤；責(zé)任校對 劉永?。?/p>

［收稿日期］2023-04-21

［基金項目］國家自然科學(xué)基金面上項目“股權(quán)和控制權(quán)的非對稱配置對農(nóng)村商業(yè)銀行風(fēng)險的影響及政策選擇”（項目編號：72173121）；國家留學(xué)基金委“國家建設(shè)高水平大學(xué)公派研究生項目”（項目編號：202206350104）。

［作者簡介］何廣文（1963—），男，四川達州人，中國農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院教授、博士生導(dǎo)師；李通通（1998—），男，安徽淮北人，國家開發(fā)銀行安徽分行職員；通訊作者：陳曉潔（1994—），女，廣東吳川人，中國農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院與康奈爾大學(xué)查爾斯·戴森應(yīng)用經(jīng)濟與管理學(xué)院聯(lián)合培養(yǎng)博士研究生。