1. 引言
俄乌战争等外生冲击频发,全球经济环境愈发呈现VUCA特征,即易变性、不确定性、复杂性和模糊性。外界环境充斥种种考验,一味地追求利润扩大规模已不是企业长久发展的可行之计,而是将增强自身韧性作为重要战略目标(阳立高等,2024) [1]。企业应如何应对重大事件带来的冲击,已成为学术界和实业界共同热议的话题。研究认为,企业韧性能够防范风险,保持组织的稳定性与灵活性。企业韧性既是企业生存的关键,也是社会发展的关键因素(Ortiz et al., 2016) [2]。
已有文献对企业韧性的定义略有不同,概括来讲企业韧性是指组织预测防范风险,并在不利事件发生后恢复反弹的能力(Sajko, 2021;李平,2020) [3] [4]。目前其影响因素主要有公司治理水平(Sincora et al., 2018) [5]等内外部因素。然而随着时代的更迭企业韧性的影响因素也会发生变化,近些年数字化背景下产生了许多新型管理形式,例如业财融合,或将成为提升企业韧性的新途径。业财融合作为企业的一种新型信息传递与储存形式,具有改善信息环境、提高经营效率、缓解融资约束等作用,进而打破业务与财务之间的信息壁垒,但由此产生的正向影响与组织韧性之间并未建立明晰的理论结构。基于此,本文手工整理了2011~2022年全部A股上市公司年报,利用“业财融合”等关键词识别判断企业是否开展业财融合管理模式,检验了业财融合对企业韧性影响及其作用机制。本文研究发现业财融合能够显著提高企业韧性。异质性研究表明,业财融合对企业韧性的影响具有明显的区域属性,对企业的企业韧性的促进作用主要体现在我国东部企业,处于发展期间企业,其业财融合对企业韧性的影响越明显。机制检验表明,业财融合通过改善信息环境和缓解融资约束增强了企业韧性。为了缓解研究可能存在的内生性问题,本文使用了工具变量方法均验证了上述结论的稳健性。本研究拓展了业财融合、企业韧性的相关文献,有利于促进企业的业财融合,促进实体经济高质量健康发展。
本文的后续安排如下:第二部分对相关文献进行综述;第三部分介绍理论基础并提出主要假设;第四部分为数据来源及实证方法;第五部分描述性统计、基准模型估算结果、作用机制、异质性分析与稳健性检验;最后在第六部分进行了总结。
2. 文献综述
韧性的概念由生态学领域首次提出,强调生物系统应培养意外事件发生后如何吸收和适应未来事件的能力(Holling, 1973) [6]。类似的,企业的生存过程中也会经历资源短缺、自然灾害等突发问题,甚至是更加复杂化的情景,因此企业韧性的研究视角会略有差异,随之其定义也会表现出不同的侧重点。一部分文献从狭义的角度考量企业韧性,认为企业韧性只在特定的、短期内危机事件前后有所体现,例如黑天鹅或灰犀牛事件,此类学者聚焦于特定情境下判断企业是否具有恢复力(朱丹阳和李绪红,2023) [7]。也有部分文献从广义视角出发,认为企业韧性不仅在突发事件发挥重要作用,同时支持企业韧性的长期效益,体现为企业生命周内持之以恒的责任心,涉及经营活动的全流程(VanDerVegt et al., 2015; Duchek, 2020) [8] [9]。基于上述观点,本文采用动态和广义的研究视角,即企业韧性是指企业不仅在突发情境下,并在长期经营中面对外部环境变化和内部风险时,能够迅速适应和恢复的动态组织管理能力,保持持续稳定发展。
关于如何构建企业韧性,既有研究发现组织内外部因素对其皆有驱动作用。从外部来看,政府补助是企业外部资源的重要来源之一,利用转移支付的形式提高企业的资金持有,尤其在危机情境下缓解企业的财务压力,发挥补贴效应(Maria Tsiapaa and Ioannis Batsiolas, 2019) [10];同时政府补贴是对企业的官方认可,提高企业管理者的风险承担意愿发挥认证效应(冯挺和祝志勇,2024) [11]。此外,外部利益相关者所组成的社会关系网络与企业的长期增长存在显著关联(WendongLv et al., 2019) [12],若企业具有较高水平的社会信用评级(阳立高等,2024) [1]、ESG表现(刘建秋和徐雨露,2024) [13]、投资者保护制度(胡海峰等,2020) [14]都将有利于提高社会声誉,降低融资成本进而增强企业韧性。从内部来看,又可分为组织和个人。对于组织方面,公司治理水平与业务成熟度(Sincora et al., 2018) [5]决定着资源配置效率,进而影响企业应变能力。企业战略与组织韧性息息相关,数字化战略能够增强企业分析能力(Ivanov et al., 2018) [15];资产剥离战略减轻企业开支及时释放组织冗余(胡冬梅等,2024) [16];实行创新战略的企业具有更高的创新力(Alamene et al., 2017) [17],以此提升企业的预测能力和适应性,增强企业风险承担能力。对于个人方面,管理者良好的认知水平(Sajko, 2021) [3]、积极领导力(王勇和蔡娟,2021) [18]帮助企业及时作出反馈减少损失。部分文献指出财务信息化对企业韧性有正向影响。张越等[19] (2021)指出财务共享服务平台改善了信息提供质量,有利于企业辨识外界变化及时调配资源,从而增强企业组织韧性。
上述研究具有以下不足之处:第一,财务信息化对企业韧性的研究略有雏形,但没有以业财融合作为解释变量对企业韧性的研究。值得注意的是,财务信息化与业财融合是两个不同的管理模式,财务信息化偏向于对财务资料的集中处理,仅涉及企业的财务管理流程;对比业财融合是将企业的业务管理和财务管理有机结合,能够实现无缝衔接和信息共享。第二,现有业财融合的文献分析方法多以理论分析和案例研究为主,鲜有学者采用大样本实证。第三,业财融合的经济后果研究集中于管理效率、信息环境等直接影响,缺少对管理文化、企业韧性等间接影响的探讨。本文首先运用文本挖掘方法,从企业成长的角度引入业财融合作为企业组织韧性构成的重要指标,检验业财融合对企业韧性的微观效用和影响机制,为企业提高组织韧性、运用业财融合新模式提供理论支持和实证证据。
3. 研究假设
业财融合是一个本土化的概念,其实质归属于管理会计(汤谷良和夏怡斐,2018) [20],本文将其定义为企业在其业务运营中,财务管理与业务管理的深度融合,包含信息共享、资源共用和目标一致。有关业财融合的经济后果,在宏观层面上,业财融合可以通过提升经济运行效率,加强管理会计在国家治理和竞争环境中的作用(徐晨阳等,2017) [21]。在微观层面,业财融合能够显著改善企业内部信息环境,保证信息的流畅度和真实性(李哲和李星仪,2019) [22]。两个部门之间既相互配合也相互监督,从而缓解代理问题(Huang et al., 2020) [23],抑制管理者过度乐观预期问题降低成本粘性(徐先梅等,2023) [24]。然而业财融合的结果变量仍探索不足,业财融合所创造的价值不仅体现为经济效益更是改善企业根本能力的因素之一。本文认为业财融合可从以下两个方面对组织韧性具有促进作用:
从信息环境角度,第一,业财融合促进了企业内部信息的流通与共享。早在业财融合被正式提出之前,已有学者提出业务与财务一体化可以减少记账凭证等对数据的重复处理,增强业务与财务信息的实时传递和共享(张瑞君等,2004) [25],汇总的数据形成企业的知识库(Ma and Wang, 2016) [26],实现信息的有机整合。业财融合的关键任务之一信息一体化是,旨在打破两部门的信息壁垒,提高财务信息时效性的同时缓解了信息交流多口径的问题(汤谷良和夏怡斐,2018) [20]。第二,业财融合有利于企业决策更加基于数据和事实。财务人员借助信息共享渠道深刻理解会计信息使用者的需要,能够更有逻辑、清晰地站在宏观的战略思维提供和解释财报数据,从而提高决策的效率和效果(程平等,2017) [27]。此外,不同于类似ERP等原有财务信息系统,业财融合包含人力、绩效考核等多方面的信息一体化,限制管理人员执行机会主义行为的空间,显著降低盈余管理程度以此保证决策所依据数据的真实性(李哲和李星仪,2019) [22]。由此看出信息披露的完整度和质量都的得到提升,这种信息的透明度和及时性,对于企业快速响应市场变化、识别风险点、及时调整策略至关重要,从而增强了企业的韧性。
从融资约束角度,业财融合有助于缓解企业内部、外部两个来源的融资压力,从而提升风险承担能力。第一,实施业财融合有利于提高经营效率和效果,利用有限的资源创造更大的价值(张翼飞和郭永清,2019) [28]。业财融合模式下财务对业务的全程监控,准确预测业务现金流(李哲和李星仪,2019) [22],并且识别企业占有资源的异质性,帮助企业进行更加精准的资源配置,从而降低企业成本提高内源资金。第二,业财融合能够减少投资者信息搜寻等交易成本,改善企业外部融资难。业财融合强调业务信息在财务中的准确反映,提高信息披露质量(李哲和李星仪,2019) [22]。此外,财务共享包含多部门信息,以海尔为例财务共享中心包含12个模块,整个集团汇聚一个财会机构(王亚星和李心合,2020) [29]。全面的信息披露提高信息透明度,缓解外部利益相关者的信息不对称问题,帮助投资者识别企业整体情况。
综上所述,业财融合有利于提高改善信息环境,缓解融资约束问题,进而有助于提高企业韧性。本文依据上述分析提出假设H1:
H1:实施业财融合有利于增强企业韧性。
4. 研究设计
4.1. 数据来源
由于2011年业财融合概念才逐渐兴起,因此本文选取2011~2022年全部A股上市公司作为研究样本,将上市公司公开财务报告中的文本信息披露指标与公司基本信息合并后进行了如下样本筛选:(1) 剔除金融业864个观测值;(2) 剔除STPT上市公司936个观测值;(3) 剔除主要变量和控制变量缺失共8742个观测值。最终样本为4311家公司共计27812个公司年度观测值。本研究的文本数据主要来自于巨潮资讯网的企业公开财务报告(http://www.cninfo.com.cn),其他数据主要来自于CSMAR与WIND数据库。为控制异常值的影响,本文对连续变量执行了1%和99%分位的缩尾处理(WINSORIZE)。
4.2. 变量定义
4.2.1. 企业韧性
本文主要参考Ortiz (2016) [2]的研究,使用企业成长性和财务稳定性双维度衡量企业韧性(Resilencei,t),成长性采用周期为三年的累计销售额,稳定性采用一年内各月之间股票收益的标准差,得分越高表示企业的韧性越强。
4.2.2. 业财融合
针对业财融合的测度,目前有多种方法借鉴,其中文本作为一种新的信息挖掘手段,更加细致和贴合企业实际情况。主要参考参考徐先梅等(2023) [24]的研究,使用Python语言编写爬虫程序收集并整理全部A股上市企业的年度报告中“管理层讨论与分析”部分,提取所有文本内容,匹配与企业韧性有关的全部关键词合集,并统计出企业韧性关键词汇出现的频率,最后确定关键词词频占总MD&A词汇的比例(BFI_ratioi,t),占比越大表示企业的业财融合程度越高。
4.2.3. 控制变量
本文控制以下变量:首先,企业自身经营状况是影响企业组织韧性的重要因素,因此本文对公司规模Sizei,t、资产负债率Levi,t、总资产收益率ROAi,t、固定资产占比FIXEDi,t、流动性Liquidi,t、现金流Cashflowi,t进行控制;另外,公司治理结构和内部控制情况也是影响企业进行业财融合的重要因素,因此本文对公司年龄FirmAgei,t、董事会规模Boardi,t、前一大股东持股比例TOP1i,t以及员工人数Employeei,t予以控制。此外,本文还控制了年度时间因素Yeart和行业因素Industryj。
4.2.4. 模型设计
为验证业财融合是否影响企业组织韧性,本文参考陈银娥等[30] (2024)构建如下模型(1):
(1)
其中Resilencei,t为被解释变量企业组织韧性,表示企业i在t年的企业韧性得分。BFIi,t为关键解释变量,表示企业的业财融合程度。该模型中关键系数为
,即被解释变量的回归系数,其正负和数额大小代表了业财融合程度对企业韧性的影响程度。
表示截距项,系数
为上述一组控制变量,
表示控制变量的回归系数;同时,模型还控制了行业固定效应(Industryj)和时间固定效应(Yeart);
为随机扰动项。
5. 实证结果
5.1. 描述性统计
本文首先进行了描述性统计,表1为主要变量的描述性统计结果,被解释变量企业韧性Resilencei,t的均值为0.879,标准差分别为0.120,说明企业的韧性情况参差不齐,公司个体之间的差异较大。从公司特征层面数据来看,样本公司的资产总值Size平均而言为22.315 (取对数后),标准差为1.289,说明样本公司的平均总资产规模相差不大,总体财务绩效和规模分布状况较为合理。在公司治理方面,样本公司的董事会规模Board约为20,114,第一大股东持股比例Top1约占33.739%,样本分布和数据统计基本符合前人文献以及实际情况。
5.2. 基准回归
首先验证业财融合有利于提高企业韧性,使用模型1进行OLS回归。表2报告了关于假设1的基准回归结果。表3列(1)为被解释变量Resilencei,t和核心解释变量BFI_ratioi,t的单变量分析,结果发现核心解释变量BFI_ratioi,t的系数在1%的水平上显著为正,初步验证了本文的基本假设。列(2)在列(1)的基础上加入了控制变量,在考虑了控制变量的影响后,数字技术的回归系数略微降低,但业财融合程度与韧性依然在5%的水平上显著正相关,证明业财融合有利于提高企业韧性,假设H1得到验证。
Table 1. Descriptive statistics
表1. 描述性统计
|
样本数 sample size |
均值 mean value |
标准差 standard deviation |
最小值 minimum |
P25 |
P50 |
P75 |
最大值 maximum |
Resilencei,t |
27,812 |
0.879 |
0.120 |
0.055 |
0.863 |
0.906 |
0.933 |
0.975 |
BFI_ratioi,t |
27,812 |
0.000 |
0.001 |
0.000 |
0.000 |
0.000 |
0.000 |
0.023 |
Sizei,t |
27,812 |
22.315 |
1.289 |
19.879 |
21.390 |
22.120 |
23.047 |
26.249 |
Levi,t |
27,812 |
3.384 |
2.791 |
1.112 |
1.767 |
2.426 |
3.834 |
18.884 |
ROAi,t |
27,812 |
0.040 |
0.065 |
-0.240 |
0.013 |
0.038 |
0.071 |
0.223 |
FIXEDi,t |
27,812 |
0.207 |
0.155 |
0.002 |
0.086 |
0.176 |
0.295 |
0.684 |
Liquidi,t |
27,812 |
2.427 |
2.365 |
0.331 |
1.176 |
1.688 |
2.723 |
16.975 |
Cashflowi,t |
27,812 |
0.049 |
0.067 |
−0.157 |
0.011 |
0.048 |
0.088 |
0.243 |
FirmAgei,t |
27,812 |
2.962 |
0.303 |
1.946 |
2.773 |
2.996 |
3.178 |
3.526 |
TOP1i,t |
27,812 |
33.739 |
14.701 |
8.448 |
22.336 |
31.449 |
43.464 |
74.095 |
Boardi,t |
27,812 |
2.114 |
0.195 |
1.609 |
1.946 |
2.197 |
2.197 |
2.639 |
Employeei,t |
27,812 |
7.706 |
1.230 |
4.771 |
6.850 |
7.622 |
8.470 |
11.093 |
Table 2. Results of baseline regression
表2. 基准回归结果
|
(1) |
(2) |
单变量分析 univariate analysis |
基准回归 reference regression |
变量 |
Resilencei,t |
BFI_ratioi,t |
1.344*** |
1.107** |
(2.989) |
(2.502) |
Sizei,t |
|
0.014*** |
|
(13.868) |
Levi,t |
|
0.003*** |
|
(5.134) |
ROAi,t |
|
−0.116*** |
|
(−9.643) |
FIXEDi,t |
|
0.010 |
|
(1.580) |
Liquidi,t |
|
−0.006*** |
|
(−8.111) |
续表
Cashflowi,t |
|
0.045*** |
|
(3.866) |
FirmAgei,t |
|
0.026*** |
|
(10.751) |
TOP1i,t |
|
−0.000*** |
|
(−6.449) |
Boardi,t |
|
−0.008** |
|
(−2.067) |
Employeei,t |
|
−0.002 |
|
(−1.603) |
Constant |
0.790*** |
0.467*** |
(80.727) |
(22.410) |
行业固定效应 |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
观测值数量 |
27,812 |
27,812 |
AdjustedR2 |
0.146 |
0.174 |
注:*、**和***分别表示在10%、5%和1%的显著性水平上显著,括号内的数字为t统计量,下同。
5.3. 异质性分析
5.3.1. 地理区域位置的异质性分析
接下来,为了进一步验证业财融合对企业韧性的影响是否在地理位置具有显著差异。我国的经济区按照经济可以大致分为东、中、西部区域。文本按照公司总部所在的区域位置将样本企业分为东、中、西部企业三组样本,使用模型1进行分组回归。在方法上使用了基准回归模型,在固定效应上控制了年度和行业固定效应。表3第(1)列以东部地区企业为样本,第(2)以中部地区企业为样本,第(3)列以西部地区企业为样本。回归结果显示,BFI_ratioi,t的回归系数主要集中在东部地区的企业显著,说明企业总部所在地理位置的数据要素投入和资源禀赋,有较充足资源和技术支持业财融合发展,进而影响业财融合对企业韧性产生的基本效用。
5.3.2. 企业生命周期的异质性分析
本文借鉴(Dickinson, 2011;李宗泽和李志斌,2023) [31] [32]的做法,采用现金流模式法衡量企业所处发展阶段,即根据经营、投资和筹资三类活动现金流净额的正负组合将样本企业分为成长期、成熟期和衰退期,接着文本使用模型1进行分组回归。其中,表4第(1)列以成长期的企业为样本,第(2)列以成熟期的企业为样本,第(3)列以衰退期的企业为样本。回归结果显示,BFI_ratioi,t的回归系数主要在成长期组内显著,说明处于成长期的企业的业财融合对企业韧性的影响更明显,而衰退期组系数不显著,说明对于处于衰退期的企业可能对于业财融合缺乏足够的关注和重视。
Table 3. Analysis of geographical heterogeneity
表3. 地理位置的异质性分析
|
(1) |
(2) |
(3) |
东部地区 eastern region |
中部地区 central region |
西部地区 western region |
变量 |
Resilencei,t |
BFI_ratioi,t |
1.305** |
−0.947 |
1.369 |
(2.347) |
(−0.763) |
(1.481) |
Sizei,t |
0.016*** |
0.000 |
0.011*** |
(12.823) |
(0.173) |
(4.562) |
Levi,t |
0.003*** |
0.003* |
0.004*** |
(4.196) |
(1.855) |
(2.737) |
ROAi,t |
−0.114*** |
−0.119*** |
−0.119*** |
(−7.893) |
(−3.329) |
(−4.171) |
FIXEDi,t |
0.016** |
−0.016 |
0.001 |
(2.114) |
(−1.034) |
(0.074) |
Liquidi,t |
−0.006*** |
−0.004** |
−0.008*** |
(−6.646) |
(−2.256) |
(−4.802) |
Cashflowi,t |
0.039*** |
0.014 |
0.076*** |
(2.777) |
(0.403) |
(2.833) |
FirmAgei,t |
0.025*** |
0.041*** |
0.026*** |
(8.412) |
(5.225) |
(4.342) |
TOP1i,t |
−0.000*** |
0.000 |
−0.000*** |
(−6.080) |
(0.197) |
(−2.874) |
Boardi,t |
−0.007 |
−0.001 |
−0.013 |
(−1.474) |
(−0.052) |
(−1.596) |
Employeei,t |
−0.003** |
0.007** |
0.000 |
(−2.276) |
(2.495) |
(0.064) |
Constant |
0.436*** |
0.616*** |
0.518*** |
(15.411) |
(11.320) |
(10.807) |
行业固定效应 |
Yes |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
Yes |
观测值数量 |
19,910 |
2697 |
4792 |
AdjustedR2 |
0.168 |
0.237 |
0.231 |
Table 4. Heterogeneity analysis of enterprise life cycle
表4. 企业生命周期的异质性分析
|
(1) |
(2) |
(3) |
成长期 growth period |
成熟期 mature period |
衰退期 Decline period |
变量 |
Resilencei,t |
BFI_ratioi,t |
1.466** |
1.020 |
0.803 |
(2.361) |
(1.330) |
(0.822) |
Sizei,t |
0.011*** |
0.017*** |
0.012*** |
(8.127) |
(9.303) |
(5.547) |
Levi,t |
0.002** |
0.005*** |
0.003*** |
(2.387) |
(4.450) |
(2.926) |
ROAi,t |
−0.125*** |
−0.132*** |
−0.089*** |
(−7.342) |
(−5.539) |
(−3.887) |
FIXEDi,t |
0.015* |
0.005 |
0.028* |
(1.911) |
(0.438) |
(1.904) |
Liquidi,t |
−0.000 |
−0.010*** |
−0.005*** |
(−0.265) |
(−7.771) |
(−3.707) |
Cashflowi,t |
0.019 |
0.062** |
0.142*** |
(1.135) |
(2.259) |
(6.082) |
FirmAgei,t |
0.022*** |
0.023*** |
0.040*** |
(7.066) |
(4.891) |
(7.113) |
TOP1i,t |
−0.000*** |
−0.000*** |
−0.000*** |
(−4.138) |
(−3.779) |
(−2.894) |
Boardi,t |
−0.011** |
0.004 |
−0.016** |
(−2.442) |
(0.565) |
(−1.993) |
Employeei,t |
0.001 |
−0.004** |
0.001 |
(0.703) |
(−2.066) |
(0.262) |
Constant |
0.516*** |
0.396*** |
0.463*** |
(18.545) |
(9.959) |
(10.208) |
行业固定效应 |
Yes |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
Yes |
观测值数量 |
11,248 |
10,589 |
10,589 |
AdjustedR2 |
0.236 |
0.158 |
0.158 |
5.4. 机制检验
5.4.1. 信息环境机制
接下来,检验业财融合是否通过改善信息环境从而提高企业韧性。本文使用衡量外部信息环境指标ASYi,t表示公司的外部信息质量,ASYi,t指标越大表示公司的信息质量越高。随后,通过两阶段回归方法验证上述中介效应。表5第(1)列显示第一阶段回归结果,信息环境质量与主要解释变量BFI_ratioi,t之间存在显著正相关关系。第(2)列显示第二阶段回归结果,使用解释变量BFI_ratioi,t和中介变量ASYi,t同时对被解释变量Resilencei,t进行回归。第(2)列的回归结果显示,在加入本文主要解释变量BFI_ratioi,t之后,ASYi,t回归系数均在5%的水平上显著为负,说明业财融合主要通过改善企业的信息环境进而提高了企业韧性。
Table 5. Information environment mechanism
表5. 信息环境机制
|
(1) |
(2) |
first |
second |
变量 |
ASYi,t |
Resilencei,t |
ASYi,t |
|
0.022*** |
|
(11.126) |
BFI_ratioi,t |
3.411** |
0.968** |
(2.530) |
(2.219) |
Sizei,t |
−0.225*** |
0.018*** |
(−74.639) |
(17.052) |
Levi,t |
−0.010*** |
0.003*** |
(−5.860) |
(5.560) |
ROAi,t |
−1.125*** |
−0.089*** |
(−30.697) |
(−7.387) |
FIXEDi,t |
0.160*** |
0.008 |
(8.707) |
(1.401) |
Liquidi,t |
0.002 |
−0.006*** |
(0.852) |
(−8.151) |
Cashflowi,t |
−0.372*** |
0.048*** |
(−10.470) |
(4.192) |
FirmAgei,t |
0.015* |
0.026*** |
(1.942) |
(10.758) |
TOP1i,t |
0.005*** |
−0.000*** |
(31.251) |
(−7.971) |
Boardi,t |
0.052*** |
−0.008** |
(4.669) |
(−2.334) |
续表
Employeei,t |
−0.025*** |
−0.001 |
(−8.250) |
(−1.258) |
Constant |
4.643*** |
0.373*** |
(73.005) |
(16.605) |
行业固定效应 |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
观测值数量 |
27,733 |
27,733 |
AdjustedR2 |
0.519 |
0.181 |
5.4.2. 融资约束机制
一方面,企业韧性的增强有很大一部分是源于足够的资金支持;另一方面,融资约束的改善源于信息环境的优化。本文接下来检验业财融合是否通过改善企业融资环境从而增强企业韧性。本文使用衡量融资约束的基本指标SAi,t表示公司的融资约束程度,SAi,t指标越大表示公司的融资问题越严重。随后,通过两阶段回归方法验证上述中介效应。表6第(1)列显示第一阶段回归结果,融资约束SAi,t与主要解释变量BFI_ratioi,t之间存在显著负相关关系,说明业财融合有利于改善融资约束条件。第(2)列显示第二阶段回归结果,使用解释变量BFI_ratioi,t和中介变量SAi,t同时对被解释变量Resilencei,t进行回归。第(2)列的回归结果显示,在加入本文主要解释变量BFI_ratioii,t之后,SAi,t回归系数均在5%的水平上显著为负,说明业财融合主要通过减低企业的融资约束进而增强了企业韧性。
Table 6. Financing constraint mechanism
表6. 融资约束机制
|
(1) |
(2) |
first |
second |
变量 |
SAi,t |
Resilencei,t |
SAi,t |
|
−0.028*** |
|
(−5.279) |
BFI_ratioi,t |
−1.677*** |
1.060** |
(−3.331) |
(2.397) |
Sizei,t |
0.036*** |
0.015*** |
(31.634) |
(14.620) |
Levi,t |
0.004*** |
0.003*** |
(5.456) |
(5.303) |
ROAi,t |
−0.147*** |
−0.120*** |
(−10.765) |
(−9.961) |
FIXEDi,t |
0.025*** |
0.010* |
(3.625) |
(1.697) |
续表
Liquidi,t |
0.004*** |
−0.005*** |
(5.461) |
(−7.934) |
Cashflowi,t |
−0.005 |
0.045*** |
(−0.372) |
(3.854) |
FirmAgei,t |
−0.750*** |
0.005 |
(−268.720) |
(1.174) |
TOP1i,t |
0.000*** |
−0.000*** |
(7.512) |
(−6.210) |
Boardi,t |
−0.027*** |
−0.008** |
(−6.415) |
(−2.263) |
Employeei,t |
0.006*** |
−0.001 |
(5.325) |
(−1.442) |
Constant |
−2.442*** |
0.399*** |
(−102.768) |
(16.261) |
行业固定效应 |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
观测值数量 |
27,801 |
27,801 |
AdjustedR2 |
0.776 |
0.175 |
5.5. 稳健性检验
为了缓解业财融合文本数据方面可能存在的内生性问题,本文参考李琦等[33] (2021)的研究使用行业平均业财融合程度作为工具变量,进行Hackman两阶段回归。见表7,行业平均业财融合水平Ind_BFIi,t的计算方法为行业年度BFI_ratioi,t的均值。一方面,行业平均业财融合水平与企业业财融合程度具有高度相关性,通过一阶段回归结果可以看到Ind_BFIi,t的回归系数在1%的水平上显著为正,满足相关性条件。另一方面,行业的业财融合水平不会影响到本企业的韧性,相对而言工具变量具有外生性。第二阶段的回归结果显示,经过一阶段调整后的BFI_ratioi,t的系数在10%的水平上显著为正,再次佐证了文章的基本结论。
Table 7. Instrumental variable method
表7. 工具变量法
|
(1) |
(2) |
first |
second |
变量 |
BFI_ratioi,t |
Resilencei,t |
BFI_ratioi,t |
|
5.086* |
|
(1.93) |
Ind_BFIi,t |
0.999*** |
|
(28.39) |
|
续表
Sizei,t |
−0.000 |
0.014*** |
(−0.14) |
(13.88) |
Levi,t |
0.000 |
0.003*** |
(0.93) |
(5.07) |
ROAi,t |
0.000 |
−0.116*** |
(0.91) |
(−9.67) |
FIXEDi,t |
0.000 |
0.009 |
(0.36) |
(1.58) |
Liquidi,t |
−0.000 |
−0.006*** |
(−1.15) |
(−8.04) |
Cashflowi,t |
−0.000 |
0.045*** |
(−0.27) |
(3.89) |
FirmAgei,t |
0.000 |
0.026*** |
(0.98) |
(10.70) |
TOP1i,t |
0.000*** |
−0.000*** |
(2.72) |
(−6.57) |
Boardi,t |
−0.000 |
−0.007** |
(−0.20) |
(−2.06) |
Employeei,t |
0.000*** |
−0.002* |
(2.99) |
(−1.76) |
Constant |
−0.000 |
0.468*** |
(−1.38) |
(22.45) |
行业固定效应 |
Yes |
Yes |
年度固定效应 |
Yes |
Yes |
观测值数量 |
27,812 |
27,812 |
AdjustedR2 |
0.048 |
0.175 |
6. 结论和建议
本文采用文本分析法,提取2011至2022年中国上市公司年报业财融合信息,以此分析业财融合对企业组织韧性的影响。研究结果表明,业财融合对企业韧性具有驱动作用,且通过了稳健性检验。机制分析表明,企业信息环境和融资约束程度是业财融合提高企业韧性重要机制;异质性研究表明,业财融合对企业韧性的促进作用在东部地区企业、处于成长期企业更加明显。
本研究分别对企业与政府提出相关建议。对于企业而言,第一,业财融合能够显著加强组织韧性,在实务界应加强推广应用,不同类型公司结合实际情况可适度加大财务转型方面的投入。例如,本研究发现成长期企业实施业财融合对企业韧性的加强作用明显,可合理增加业财融合投入,通过财务转型弥补资源的不足提高增长效率。第二,为适应业财新模式,企业应招聘有操作财务系统经验的人才(徐先梅等,2023) [24]或为财务业务人员提供培训教程(张翼飞和郭永清,2019) [29],做到硬件与软件相协调,做到真正落实业财融合。第三,企业高管应了解业财融合发挥效应的机制,进一步延续业财融合价值。业财融合有利于改善环境信息质量,而高质量信息并不等同于有效决策,因此管理者应重视信息的分析,提高资源配置效率为企业。
对于政府而言,第一,应针对不同类别的企业制定相应的数字化税收、人才培养等政策,引导企业开展业财融合。进一步在我国释放业财融合效益,为我国经济高质量发展打好基础。第二,从前文分析来看,因技术限制西部地区实施业财融合的正面效益较小,可见企业实行业财融合需要一定的技术基础。启示相关部门可优先培养一批企业,建设专门的数字化技术研究企业,为同行业的其他企业提供参考以及技术支持,再以点带面推动业财融合的整体进程。或加强产学研体系,将学术研究成果项实践结果相转换。第三,提供融资支持,通过各种方式提供融资支持,包括设立专项基金、引导金融机构加大对数字化转型企业的信贷支持,帮助企业解决融资难题,促进业财融合的深入发展。