——基于中国A股上市公司的微观证据

储淳

（浙江财经大学财政税务学院， 浙江 杭州 310018）

摘要：数字经济发展赋能企业创新，但地方数字经济政策是否能有效规范企业不当行为，减少研发操纵有待进一步讨论。本文基于2011-2020年地级市数字经济发展数据实证检验了地方数字经济发展程度对企业研发操纵的影响。研究发现，数字经济发展有效抑制了企业研发操纵行为，这一结果在一系列稳健性检验后仍然成立。机制分析结果显示，地方数字经济发展主要通过缓解企业融资约束，强化过程管理监督两条路径减少企业研发操纵。异质性分析表明，数字经济在抑制企业研发操纵效应上，对于技术密集型企业和企业集中区域展现出更为显著的抑制作用。本文研究结果为企业创新发展与相关部门提供理论建议与政策启示。

关键词：数字经济；企业研发操纵；融资效率

一、引言

《国家创新驱动发展战略纲要》明确指出，企业在国家创新体系中居于主体地位，是推动科技创新的核心力量。为贯彻落实这一战略定位，《纲要》制定了一系列激励政策，旨在强化对企业创新活动的支持力度，引导企业增加研发投入。2024年12月9日中共中央政治局会议进一步强调，要通过实施积极的宏观政策促进国内需求扩大，推动科技创新与产业创新的深度融合。然而，现有研究发现，在政策激励背景下，企业创新投入与实际绩效之间存在着明显的背离现象^[1]，其中研发操纵行为被认为是导致这一现象的关键因素^[2]。深入分析表明，为获取政府研发补贴等政策支持，部分企业可能采取研发操纵策略^[3]。这种行为表现为管理层基于特定目的，通过会计处理手段人为调整研发费用的确认与披露^[4]，其后果具有多重负面影响：首先，扭曲的财务信息会降低会计信息的可靠性和决策有用性；其次，可能误导投资者决策，损害企业市场声誉；最终将阻碍创新资源的优化配置，影响经济高质量发展进程^[5]。值得注意的是，随着数字经济的快速发展，其信息透明化特征为抑制这类机会主义行为提供了新的治理路径^[6]。基于此，本研究重点探讨：在数字经济背景下，如何有效抑制企业研发操纵行为？这一问题的研究具有重要的理论价值和现实意义。

本文主要在以下几个方面做出边际贡献：一是拓展了数字经济发展规范企业行关研究。现有研究多通过数字经济赋能企业的视角讨论数字经济对企业创新投资、融资约束等方面的积极作用^[6]，本文从企业研发操纵视角出发，提供了数字经济如何抑制企业研发操纵行为的经验证据，为深入理解数字经济发展的价值效应提供依据。二是深化了企业研发操纵的影响因素研究。现有研究多基于委托-代理理论等理论分析企业研发操纵的驱动因素^[7]，本文则基于制度压力视角讨论数字经济发展环境下，企业研发操纵的效率性与合法性问题，为进一步理解企业研发操纵行为提供理论分析与实证结果。三是揭示了数字经济发展抑制企业研发操纵的机制。本文从理论与实证两个维度共同论证了数字经济发展会通过赋能企业融资、强化过程监管两个路径减少企业研发操纵行为，为进一步促进高质量发展提供政策启示。

二、理论分析和研究假说

研发操纵作为企业创新活动中的策略性行为，指管理层为实现特定目标而对研发活动的执行模式、信息披露或成果展示进行人为干预的过程^[8]。现有研究主要从投入产出匹配性^[9]和专利质量维度^[10]构建测度体系，其产生根源可追溯至外部政策激励与内部治理缺陷的双重作用：一方面，政府创新补贴等政策可能诱发企业的策略性迎合行为^[11]，另一方面，信息不对称^[12]和治理机制不完善^[13]为操纵行为提供了制度空间。技术创新理论^[14]揭示，这种短期导向的操纵行为将扭曲创新资源配置，损害长期竞争力。数字经济的兴起为抑制研发操纵提供了新的治理路径。首先，数字技术通过提升信息透明度^[15]和强化市场监督^[16]，有效压缩了企业的操纵空间。其次，数字金融发展降低了融资约束^[17]，缓解了企业为获取短期资金而操纵研发的动机^[18]。更重要的是，数字平台生态系统促进了企业间信息共享^[19]，而政府数字化监管工具的应用^[20]则显著提升了违规识别效率。基于此，本文提出假设：地方数字经济能够抑制企业研发操纵行为。图1展示了地方数字经济抑制企业研发操纵行为的整体研究框架图。

图1 机制路线图

三、研究设计

1.数据来源与样本选择

本研究以2011-2020年我国沪深A股上市公司为研究样本，数据来源主要包括以下三个方面：首先，企业研发操纵数据及相关控制变量数据来源于CSMAR数据库；其次，城市数字经济发展水平数据取自《中国城市统计年鉴》，具体采用百人中互联网宽带接入用户数、百人中移动电话用户数、人均电信业务总量以及计算机服务和软件业从业人员占比四个核心指标进行测度；最后，数字普惠金融发展水平数据采用北京大学数字金融研究中心和蚂蚁金服集团联合编制的数字普惠金融指数。为确保研究数据的可靠性和有效性，本研究对原始数据进行了严格筛选和处理：第一，剔除关键变量缺失的观测样本；第二，参照《高新技术企业认定管理工作指引》（以下简称《指引》）的相关规定，排除营业收入低于5000万元的样本企业；第三，对所有连续变量进行上下1%的缩尾处理，以消除极端值的影响。经过上述处理，最终获得包含2399家上市公司、17980个公司-年度观测值的平衡面板数据，为本研究提供了可靠的数据基础。

2.变量定义

（1）地方数字经济发展水平。借鉴已有研究的研究方法^[20]，从互联网基础设施建设和数字普惠金融发展两个关键维度构建评价体系。具体而言，在互联网基础设施建设，选取以下四个二级指标：百人中互联网宽带接入用户数、计算机服务和软件业从业人员占比、人均电信业务总量和百人中移动电话用户数。在数字金融维度，采用北京大学数字金融研究中心编制的中国数字普惠金融指数。对上述五个原始指标进行标准化处理后，运用主成分分析法进行降维处理，最终得到地级市数字经济综合发展指数，记为 DIG。

（2）企业研发操纵。借鉴已有研究的研究方法^[1]，构建以下研发操纵识别标准：对于销售收入在5千万至2亿元之间的企业，《指引》规定的研发投入占比门槛为4%，若企业实际研发投入比例恰好落在4%至4.5%区间内，则认定存在研发操纵行为（Rdm0.5%=1），否则为0（Rdm0.5%=0）；对于销售收入超过2亿元的企业，对应门槛值为3%，若研发投入比例处于3%至3.5%区间，则判定为存在研发操纵（Rdm0.5%=1）。为确保研究结论的稳健性，同时设置了更宽松的识别标准（高于门槛值1%），相应变量记为Rdm1%。图2展示了2011-2020年间被识别为存在研发操纵行为的上市公司占比变化趋势。

图2 企业研发操纵占比趋势图

3.控制变量

考虑到其他因素对实证结果稳健性带来的影响，本文选取如下控制变量：现金流量（cash，经营活动产生的 现金流净额/利润总额）、托宾q值（q，企业市值/总资产）、资本收益率（roa，净利润/总资产）、资产负债率（lev，负债/资产）、资本密集度（density，资产/营业收入） 、是否持有银行股份（bank，持有银行股份为1，反之为0）、管理层年龄（gage，管理层年龄平均值的对数化）与独立董事占比（inde，独立董事占管理层的比例）。各变量的描述性统计特征如表1所示。

表1 各变量的描述性统计特征

四、实证结果

1.基准回归

表2结果表明，通过逐步引入控制变量和固定效应的方法，无论是在以1%还是0.5%作为研发操纵测度标准的情况下，地方数字经济对企业研发操纵的估计结果显著为负数，即地方数字经济发展对企业研发操纵行为具有显著的抑制效应。

表2 地级市数字经济发展影响企业研发操纵的估计结果

注：*、**、***分别表示在 10%、5%、1%的水平上显著括号内为标准误。下同。

2.内生性检验

对于基准模型中可能存在的反向因果问题，本文采用工具变量法加以控制。将Bartik与营业收入结合后取对数作为新的工具变量。结合本文数据特性，对Bartik变量稍作修改，Bartik工具变量依托于综合评价指数，利用一阶差分，取差分值与当期综合评价指数数值的乘积，再与当期营业收入相乘后取对数再平方，以此构成我们所需要的工具变量。取基于份额移动法下的工具变量，既能保证与内生变量的相关性，同时又与残差项无关。本文采用工具变量Probit（IV Probit）模型来处理潜在的内生性问题，基于工具变量的两阶段估计结果可见表3。观察可见，工具变量系数均在 1% 的水平下显著为正，验证了工具变量与企业数字化的相关性; 在经过内生性调整后，企业数字化转型的估计系数仍然显著为负，表明在控制回归中所存在的双向因果问题后，数字化转型对企业研发操纵仍具有稳健的抑制效应。

表3 内生性检验

3.稳健性检验

为了保证实证结果的准确性，本文采用了三种稳健性分析方法，表4展示了稳健性分析的结果。具体的：第（1）（2）列为调整变量法，通过删除控制变量，只保留几个关键指标——综合评价指数（DIG）、资产负债率（lev）、资本收益率（roa）及资本密集度（density）来进行稳健性检验的结果；第（3）（4）列为替换估计方法后的稳健性结果：使用logistic回归替换本文的回归模型；第（5）（6）列为调整估计样本后的结果：删除2011和2020年数据，再进行估计。结果表明：即便在调整后的样本集上，数字经济对企业研发操纵的负向效应依然显著且稳定，系数大小没有较大变化，从而证明了基准回归结果是稳健可靠的。

表4 稳健性检验

4.机制检验

为了论证地方数字经济对企业研发操纵的机制，即数字经济发展通过提高企业的融资效率和强化监管路径从而抑制企业的研发操纵两条机制，本文进一步进行机制分析，其中，数据均来源于CSMAR数据库，表5展示了本文机制分析的回归结果。数字经济发展通过提高企业的融资可得性从而抑制企业的研发操纵行为。为了考察城市数字经济的发展对企业融资可得性的调节作用，本文以企业的融资约束SA指数这一数据来表征企业融资便利性，该指数数值越大则表明融资约束越高（数据不取绝对值）。其中，进一步，选取2011-2020 年上市企业融资约束SA指数与企业所在对应地级市数字经济发展匹配后做回归性分析。如表5第（1）列，结果表明：城市数字经济发展程度显著影响着当地企业融资过程中获得资金的可能性，企业所在城市数字经济发展程度越高，融资约束越小，即融资可得性越高，进而抑制了企业的研发操纵。

数字经济的发展通过提高市场透明度以及政府的监管程度从而抑制企业的研发操纵行为。本文用政府污染源监管信息公开指数这一数据表征政府的监管程度。具体的，因为PITI指数针对了城市信息公开透明度等指标对城市进行了评分，满分为100分，所以本文将其作为市场透明度的代理变量，对数化处理后与企业研发操纵平移后取对数的数据进行回归。如表5第（2）列，结果显示，PITI指数对企业研发操纵影响显著。企业所在城市PITI 指数越大，即政府对企业的监管程度越高，市场透明度越高，从而企业的研发操纵行为越少。

表5 机制检验

5.异质性分析

将上市公司按照生产要素分为技术密集型，资产密集型和劳动密集型三种类型。具体的，固定资产比例较大的为资本密集型行业，表明其资本重要性较高；研发支出薪酬比比例较高者为技术密集型行业，表明技术研发比劳动要素对企业更重要；其余则属于劳动密集型行业。分行业回归结果如表6所示，结果表明，不同行业数字经济发展对研发操纵的抑制效应存在显著差异，技术密集型企业由于自身对技术创新的重视程度较高，且往往拥有较为完善的研发体系和较高的信息透明度，因此数字经济对其研发操纵行为的抑制作用最为明显。相比之下，劳动密集型企业由于技术含量相对较低，数字化转型进程较慢等因素，对数字经济的适应和利用能力有限，抑制效应相对较弱。而资产密集型企业则因受到资产结构、融资约束等多重因素影响，数字经济的发展对其研发操纵行为的抑制作用也并不显著。

表6 分行业回归结果

企业数量的多少直接反映了区域内市场的竞争程度和资源的稀缺性。本文将每一年每个城市作为一个分组，计算该城市十年间的企业数量均值，并以此为标准将城市分为两组：高于均值组和低于均值组。高于均值组代表了区域内企业数量较多、市场竞争较为激烈的环境；而低于均值组则反映了区域内企业数量相对较少、市场竞争相对缓和的态势。表7展示了区域竞争异质性回归结果。从回归结果可见，在企业数量较多的区域，企业之间的竞争更为激烈，为了争夺市场份额和资源，企业需要不断提升自身的创新能力和研发水平。这种竞争压力促使企业更加注重研发活动的真实性和有效性，从而减少了研发操纵的可能性。而在企业数量较少的区域，市场竞争相对缓和，企业面临的外部压力较小，因此更容易出现研发操纵等不当行为。

表7 区域竞争异质性回归结果

五、结论与启示

本文得到以下主要结论：首先，地方数字经济发展对企业研发操纵行为具有抑制作用，有效降低了企业研发操纵概率。在控制企业财务特征（现金流、资产负债率等）及行业、时间效应后，该结论依然稳健，证实了数字经济对企业研发行为的规范作用具有普遍性。其次，作用机制分析显示，数字经济主要通过两条路径抑制研发操纵。具体地，融资便利化效应：数字平台生态系统的发展拓宽了企业融资渠道，降低融资成本，缓解了企业因资金压力而操纵研发的动机；信息透明化效应：数字技术应用增强了企业间信息交流和政府监管能力，提高了研发操纵行为的暴露风险。最后，异质性分析揭示了政策效果的差异化特征：技术密集型企业受益最为显著，劳动和资产密集型企业次之；上市公司集聚地区政策效果更为突出。这一发现为精准施策提供了依据，建议不同类型企业应制定差异化的数字化转型策略以优化研发行为。

根据研究结论，本文提供如下政策建议。第一，加大数字经济基础设施建设：政府应继续加大对数字经济基础设施建设的投 入，包括提升互联网普及率、推广数字金融技术、优化信息通信设施等，为数字经济的发展提供有力支撑。第二，完善数字经济和传统金融的融合：建立健全数字金融监管体系，加强对数字金融市场的监管力度，防范金融风险，提高金融服务的效率和安全性。同时，利用数字技术提升监管的精准度和效率，及时发现并惩处研发操纵行为。第三，关注企业类型发展，因地制宜制定数字经济发展政策：针对不同类型和规模的企业，制定差异化的数字经济发展政策。针对技术密集型企业，应进一步加大数字经济的支持力度，推动其技术创新和研发投入，同时加强对知识产权的保护和市场监管，以充分发挥数字经济对其研发操纵行为的抑制作用。对于企业相对集中的地区，应加强数字经济基础设施的建设和升级，提高数字金融的普及率和应用水平，降低企业的融资约束和信息不对称程度，从而更有效地抑制研发操纵行为。

参考文献：

[1]董松柯,刘希章,李娜.数字化转型是否降低企业研发操纵?[J].数量经济技术经济研究,2023,40(4):28-51.

[2]Amoah N Y, Anderson A, Bonaparte I, et al. Managerial opportunism and real activities manipulation: Evidence from option backdating firms[J].Review of Accounting and Finance, 2017, 16(3): 282-302.

[3]Yang G, Zhang L. Targeting more effective industrial policies: Evidence from massive media data on R&D manipulation[J].China Economic Quarterly International, 2022, 2(2): 138-150.

[4]Zhou Z, Li Z, Du S, et al. Robot adoption and enterprise R&D manipulation: Evidence from China[J].Technological Forecasting and Social Change, 2024, 200: 123134.

[5]唐松，伍旭船，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020（5）:52-66+9.

[6]王岩，杨天啸.数字经济发展对企业信息披露质量影响研究[J].财会通讯，2024(16)：39-43.

[7]阳丹.经济周期与企业研发效率[J].产业经济研究,2023(6):87-99.

[8]苑泽明,高静楠,王培林. 分析师关注与研发操纵：抑制亦或促进[J].财会月刊,2020(20):23-29.

[9]孟元,杨蓉.大数据时代的政府治理：数字政府与企业研发操纵[J].世界经济,2024,47(1):118-149.

[10]Bloom N ,Griffith R ,Reenen V J .Do R&D tax credits work? Evidence from a panel of countries 1979–1997[J].Journal of Public Economics,2002,85(1):1-31.

[11]Akerlof, G. A. The Market for 'Lemons': Quality Uncertainty and the Market Mechanism[J].Quarterly Journal of Economics, 1970,84(3), 488-500.

[12]史学军. 市场竞争与企业内部治理结构[J].经济科学,2001(6):69-79.

[13]王巍,姜智鑫. 市场一体化与企业异地创新合作[J].财经研究,2024,50(4):49-63+153.

[14]Schumpeter, J. A. (1912/1934). Theory of Economic Development[M].Harvard University Press,1934.

[15]辛清泉,谭伟强.市场化改革、企业业绩与国有企业经理薪酬[J].经济研究,2009,44(11):68-81

[16]李晓华.数字经济新特征与数字经济新动能的形成机制[J].改革,2019(11):40-51.

[17]阮坚，申么，范忠宝．何以驱动企业债务融资降成本--基于数字金融的效用识别、异质性特征与机制检验[J]．金融经济学研究，2020(1):32-44．

[18]焦豪,张睿,杨季枫.数字经济情境下企业战略选择与数字平台生态系统构建——基于共演视角的案例研究[J].管理世界,2023,39(12):201-229.

[19]李国昊,梁永滔,苏佳璐.破除数字平台企业算法黑箱治理困境：基于算法透明策略扩散研究[J].信息资源管理学报,2023,13(2):81-94.

[20]赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.