——基于高管能力及数字化背景的调节作用

潘佳怡（通信作者） 姜雨彤 王昭颐 李纯熙

（吉林大学商学与管理学院，吉林 长春 130012）

摘要：本文基于2007-2023年A股制造业企业实证研究了企业数字化转型对其产能利用率的影响，并检验了高管能力及数字化背景的调节作用，获得以下主要结论：数字化转型通过降低信息不对称显著提升了产能利用率；可以通过战略性产能储备形成市场壁垒，但这一路径不具主导作用；高管能力对数字化转型与产能利用率的关系无显著调节作用；高管数字化背景负向调节数字化转型对产能利用率的促进作用。根据这些结论，本文对企业、政府以及监管部门提出了一些建议。

关键词：产能过剩；数字化转型；产能利用率；信息不对称

一、引言

产能过剩不仅导致资源浪费、金融风险加剧，还直接影响企业盈利和库存压力（杨继东和罗路宝，2018）。对于产能过剩问题，学术界有不同观点。一种观点认为政府监管失灵导致产能过剩。另一种观点认为代理问题是主要原因。由于信息不对称的存在，股东缺少对企业内部实际经营状况的深入了解，管理者将资源配置到更有利于自身利益但不利于企业利益的项目中，进而造成企业的低效投资与过度投资，从而加重企业的产能过剩程度。从动态经济视角来看，产能过剩在一定程度上被视为市场经济周期性波动的产物，它驱动企业进行自我调整，以优化生产效率和产业结构作为经济内在自我修正机制的一部分。产能过剩问题不仅体现在生产能力的过剩，还体现在购买力不足、需求不景气时出现的产能过剩（杨振兵和严兵，2020）。需求侧的产能过剩问题可以视为由需求驱动的宏观经济周期波动的具体体现（徐朝阳和周念利，2015）。经济繁荣期，增加总体产能；经济衰退期，原有的过度产能难以迅速缩减，形成过剩问题。这些观点难以解释产能过剩这一现象为何在中国经济处于转型升级时期仍然成为供给侧的持久性问题。

一些研究表明，企业在中国经济转型升级这一背景下产能过剩的原因由非战略因素和战略因素造成。非战略因素层面，各个企业很容易因对有前景的产业存在共识而涌向相同行业，最终会导致行业层面上的产能过剩（林毅夫等，2010）；地方政府在市场调控和企业投资方面可能存在过度干预现象，使得企业在低成本下轻易过剩生产（马红旗等，2018）。Merkley and Michaely（2017）指出，资本市场中信息的不对称提高了企业资本成本，使得市场无法有效地将资本分配给最具生产力的企业，由此可能导致产能过剩的现象滋生。战略因素层面，Ogawa and Nishimori（2004）认为，企业主动维持适度的过剩生产能力被视作一种战略竞争优势的体现。企业倾向于保留一定的产能缓冲，以便在新竞争者出现时，能够迅速调整生产规模，形成有效的进入壁垒，从而维护其市场地位。但是企业一旦投入大量资金购置设备或设施，产生的沉没成本，会使企业在市场需求波动时面临显著的退出障碍，进而陷入产能过剩的困境。

数字化时代的到来为我们带来了新的视角。数字化技术通过优化资源配置、激发创新、提升生产效率及强化供应链协作，对产能利用率提升具有深远影响。数字化技术使企业更具灵活性，适应市场变迁，实现可持续发展（Yuan et al.，2024）。数字化技术通过提供精确信息、实现实时监控和预测、促进资源共享和协同以及提供灵活的生产模式等手段，能够优化资源配置，从而缓解企业产能过剩问题。因此，本文着重探讨企业数字化转型对产能利用率的影响机制，其贡献在于深化对产能过剩的理解，为推动企业数字化转型和提升产能利用率提供理论依据和实践指导，助力我国经济高质量发展。

二、机制分析和假设提出

根据亚当斯密的资源配置理论，资源配置效率能够提高产能利用率。资源配置模型已经得到了成熟的发展，但是技术的局限性、准确性不足，阻碍了资源配置效率最大化的实现。数字化转型要求企业采用基于系统、以价值创造为中心的视角来设计和组织其资源配置（Raphael and Xu，2017），能够有效降低信息不对称，提高产能利用率。

数字化转型可以帮助组织增强运营和客户体验，以保持竞争力（Kao et al.，2024）。企业竞争力的提高可能形成垄断，出现不完全竞争。垄断企业提高进入壁垒，采取限制性定价，拥有更大激励的现有企业更有可能对进入做出积极反应。依据博弈论，为了使限制性定价的威胁足够可信，企业会过量购入固定资产等，通过持有过剩产能，阻止其他企业进入。

基于以上分析，本文提出第一个研究假设：

假设一：企业数字化转型会缓解而不会加剧产能过剩。

高管能力的判断标准包括管理者与客户的谈判能力、投资决策质量、运营多元化等传统管理能力（Demerjian et al.，2013），不包括数字化相关能力。所以，高管能力不影响数字化转型通过缓解产能过剩的效果。基于此分析，本文提出第二个研究假设：

假设二：高管能力对企业数字化转型与产能利用率的关系起不到调节作用。

高管有数字化背景的企业数字化转型对产能利用率的改善较弱。CEO信息技术背景有利于推进企业数字化创新（王象路等，2023），但同时提高了高管利用数字化转型谋求私人利益的可能性。对企业数字化的操纵和干预，可能降低数字化背景下的生产决策质量，从而抑制产能利用率的提高。基于此分析，本文提出第三个研究假设：

假设三：高管数字化背景负向调节企业数字化转型对产能利用率的影响。

三、研究设计

1.变量选取

被解释变量（CU）：借鉴余淼杰等（2018）的做法，采用实际产量与最大产能的比例来表示产能利用率。

解释变量（DIGI）：借鉴赵宸宇等（2021）采用的文本分析法，将上市公司年报以及相关公告中基于数字化技术应用、互联网商业模式、智能制造和现代信息系统等维度的关键词词频数据标准化处理后，利用熵值法合成企业数字化转型指标。

调节变量：借鉴Demerjian et al.（2013）的做法，利用DEA-TOBIT模型估计高管能力（MA）。首先，用数据包络分析法计算公司效率，采用投入产出函数计算公司生产效率：

(1)

  其中，0为公司资本转化为收入的效率值，投入要素包括营业成本（Cost）、销售和管理费用（SG&A）、固定资产净值（PPE）、无形资产净值（Intangible）、商誉（Goodwill）和研发支出（R&D）等六项内容，产出则指营业收入（Sales）。其次，分行业分年度计算出每个公司的效率值（FirmEfficiency），即值，在0和1之间。最后，剔除公司特征对公司效率的影响，将（1）式计算结果按照下面（2）式进行Tobit回归并控制年度固定效应，得到的残差就是高管对公司效率的影响，既高管能力指标，指标越大能力越强。

(2)

其中，控制公司特征要素包括企业规模（LNSIZE）、市场份额（MS）、自由现金流量（FCF）、上市年限（LNAGE）、公司多元化程度（BHHI）、公司是否存有海外经营子公司的虚拟变量（OOS），YEAR为年度固定效应。

借鉴王超等（2023）的做法，使用上市公司董监高个人特征数据中的所学专业信息来构建高管数字化背景（CEO_DIG）的虚拟变量。若上市公司高管中任意一人具有数字化背景，则该指标为1，否则为0。

控制变量（CONTROL）：资产负债率（LEV）；股权集中度 （SHRCRI），定义为企业第一大股东持股比例；企业规模 （LNSIZE），定义为企业固定资产净值的自然对数值；产权性质（SOE），国有企业该变量定义为1，否则定义为0；现金流比率（CASHFLOW），定义为企业经营活动产生的现金流净额与总资产之比；销售成本（CTS），定义为企业销售费用与营业收入之比；税收负担（TL），定义为企业综合税率；成长速度（GROWTH），定义为企业总资产增长率；上市年限（LNAGE），定义为当年年份-上市年份加1的自然对数值；行业竞争程度（HHI），定义为基于营业收入计算的行业赫芬达尔指数。

2.面板回归模型

为了验证前文提出的四个假设，本文分别构建以下面板模型：

模型一：

3.样本选取

2007年，我国实施了新会计准则，故选取2007年及之后的数据能保证财务数据统计口径的一致性。鉴于我国产能过剩现象主要集中在制造业，选取制造业企业作为对象更具有现实意义。因此，本文选取2007-2023年中国Ａ股上市制造业企业数据为研究样本，数据来源于CSMAR数据库，并剔除了样本期内的ST类、*ST类以及数据有缺失的公司，还剔除了主营业务中涉及数字产业的企业，最终得到2000个样本，并进行缩尾处理。

四、实证结果分析

表1报告了面板模型回归结果，其中第2列（模型一）是基准回归结果，检验假设一；第3列（模型二）是检验假设二的回归结果，考察高管能力的调节作用；第4列（模型三）是检验假设三的回归结果，考察高管数字化背景的调节作用。为了缓解异方差和自相关对估计结果的影响，引入年份固定效应、省份固定效应和行业固定效应。修正R²分别为0.38、0.45和0.38，表明三个回归模型的解释力都较强。

数字化转型程度DIGI的估计系数（0.018、0.026和0.021）都在1%水平下显著为正，说明企业数字化转型能显著提升产能利用率，即假设一得到验证。因此，我国制造业企业数字化转型是通过降低信息不对称来提高产能利用率，可信威胁的影响路径不占主导。

表1  基于2007-2023年中国Ａ股上市制造业企业样本数据的面板模型回归结果

高管能力的估计系数（0.034）在1%水平下显著，但是其与数字化程度的交互项的估计系数（-0.004）不显著；加入这一调节变量后，控制变量的估计系数的显著性和符号方向没有变化。这些结果表明假设二得到验证，高管能力和数字化程度的交互效应对企业产能利用率没有产生显著的影响；高管能力无论高低，均不影响企业数字化转型程度对于企业产能利用率的促进作用。

高管数字化背景的估计系数（0.009）在5%的水平下显著为正，但是高管数字化背景与企业数字化程度的交互项的系数（-0.019）在5%的水平下显著为负；加入这一调节变量后，控制变量的估计系数的显著性和符号方向没有变化。这些结果表明假设三得到验证，高管数字化背景对产能利用率有正向作用，但是对数字化程度与产能利用率之间关系有着显著的负向调节作用。具体来说，当高管具有数字化背景时，数字化程度对产能利用率的正向影响会减少；可以说明高管具有数字化背景的企业数字化转型程度对产能利用率的促进作用要小于那些高管不具有数字化背景的企业。可以说，高管数字化背景会在企业数字化转型过程中滋生代理问题，负向调节了企业数字化转型对产能利用率的影响。

控制变量的估计结果也是有意义的。资产负债率的估计系数（0.035、0.029和0.035）都显著为正，说明资产负债率的提升有助于提高企业产能利用率，这与陈启斐和刘志彪（2014）中的结论保持一致。股权集中度的估计系数显著为正，尽管都接近于0，说明股权集中度较高的企业代理问题较少，产能利用率较高。企业规模的估计系数（-0.006、-0.004和-0.006）都显著为负，说明大规模企业市场退出机制受阻，容易产生产能闲置，这与张先锋等（2019）中的结论保持一致。现金流比率的估计系数（0.196、0.173和0.195）都显著为正，说明充足的现金流使企业可以维持生产的连续性和稳定性，进行必要的投资和维护，从而提高生产效率。销售成本的估计系数（-0.122、-0.111和-0.121）都显著为负，说明高额的销售成本会降低单位产品利润水平，企业有扩张产能而达到预期利润的倾向。税收负担的估计系数（-0.372、-0.380和-0.360）都显著为负，说明税负使得企业生产经营资金减少，产生“运营阻滞”效应；此外，税负降低了单位产品利润率，企业可能会选择生产规模的“外延式扩张”。成长速度的估计系数（-0.007、-0.009和-0.006）都显著为负，说明成长速度较快企业有着较高的投资回报预期而倾向于规模扩张，容易造成“投资潮涌”现象，这与林毅夫等（2010）中的结论保持一致。企业上市年限的估计系数（0.004、0.003和0.005）都显著为正，说明上市年限的增加有利于提高企业的产能利用率。行业竞争程度的估计系数（-0.006、-0.002和-0.006）都显著为负，说明企业为了能够在激烈的市场竞争中保持竞争优势，会主动提升企业产能利用水平。企业产权性质的估计系数（0.003、0.002和0.003）都显著为正，可能是因为国有企业受政府宏观调控的直接影响，生产需求弹性低，需求与产能的关系更均衡且稳定。

五、结论与建议

本文以我国制造业企业为对象实证研究了企业数字化转型对其产能利用率的影响，并检验了高管能力及数字化背景的调节作用，获得以下结论：企业数字化转型通过降低信息不对称显著提升了产能利用率，对缓解产能过剩的具有积极作用；数字化转型可能通过战略性产能储备形成市场壁垒，但这一路径不具主导作用；企业数字化转型的效果主要依赖技术实施而非传统管理能力，高管能力对企业数字化转型与产能利用率的关系无显著调节作用；高管数字化背景负向调节数字化转型对产能利用率的促进作用，原因可能在于数字化背景的高管更易利用技术手段谋求私人利益或过度干预生产决策，反而抑制效率提升。

基于上述结论，本文建议政府相关部门应当强化对传统制造业的数字化转型支持，通过税收优惠、专项补贴等方式重点扶持高管团队缺乏数字化背景的传统制造企业，帮助其引入数字化系统，改善产能过剩现象。本文还建议企业与相关监管部门还应完善高管监督体系，避免数字化背景高管因信息优势滋生代理问题，充分发挥数字化转型对产能利用率的正向作用。

参考文献：

[1]陈启斐，刘志彪.生产性服务进口对我国制造业技术进步的实证分析[J].数量经济技术经济研究，2014（3）：74-88.

[1]林毅夫等.“潮涌现象”与产能过剩的形成机制[J].经济研究，2010（10）：4-19.

[2]马红旗等.我国钢铁企业产能过剩的成因及所有制差异分析[J].经济研究，2018（3）：94-109.

[3]王超等.经济政策不确定性与企业数字化——垫脚石还是绊脚石?[J].经济管理，2023（6）：79-100.

[4]王象路等.CEO信息技术背景对企业数字化创新的影响机制研究[J].经济与管理研究， 2023（10）：129-144.

[5]徐朝阳，周念利.市场结构内生变迁与产能过剩治理[J].经济研究，2015（2）：75-87.

[6]杨继东，罗路宝.产业政策、地区竞争与资源空间配置扭曲[J].中国工业经济，2018（12）：5-22.

[7]杨振兵，严兵.对外直接投资对产能利用率的影响研究[J].数量经济技术经济研究，2020（1）：102-121.

[8]余淼杰等.工业企业产能利用率衡量与生产率估算[J].经济研究，2018（5）：56-71

[9]张先锋等.中间品进口对企业产能利用率的影响——基于中间品进口的数量、种类与质量维度[J].世界经济研究，2019（1）：121-134.

[10]赵宸宇等.数字化转型如何影响企业全要素生产率[J].财贸经济，2021（7）：114-129.

[11]Demerjian P et al. Quantifying managerial ability: A new measure and validity tests[J]. Operations Research: Management science, 2013(3)：1229-1248.

[12]Kao L J et al. Unveiling the dimensions of digital transformation: A comprehensive taxonomy and assessment model for business[J]. Journal of Business Research, 2024(176)：1-20.

[13]Merkley Ket al. Does the scope of the sell-side analyst industry matter? An examination of bias, accuracy, and information content of analyst reports[J]. Journal of Finance, 2017(3)：1285-1334.

[14]Ogawa H, Nishimori A. Do firms always choose excess capacity?[J]. Economics Bulletin, 2004(2)：1-7.

[15]Rajwani T, Liedong A T. Political activity and firm performance within nonmarket research: A review and international comparative assessment[J]. Journal of World Business, 2015(2)：273-283.

[16]Raphael A, Xu H. Value creation through novel resource configurations in a digitally enabled world: Novel resource configurations in a digitally enabled world[J]. Strategic Entrepreneurship Journal, 2017(3)：228-242.

[17]Yuan Y et al, The effects of digital transformation on supply chain resilience: a moderated and mediated model[J]. Journal of Enterprise Information Management, 2024(2)：488-510.