开放科学(资源服务)标识码(OSID)：
Against the backdrop of digital-real economy integration, the disclosure of data assets can effectively address the aforementioned challenges.As a form of voluntary corporate disclosure, data asset disclosure serves as a critical channel for the public to understand value creation from data assets, big data applications, digital transformation, and related corporate activities.It also holds significant implications for firms' own innovation development.Given the exponential growth of data as an “asset class” and the pressing need to enhance the innovation capabilities of SSDI SMEs, academia urgently needs to investigate the innovation effects of data asset disclosure.Such research would provide valuable insights for China to seize new opportunities in digital development and expand new frontiers for economic growth.
Existing literature has empirically demonstrated the positive effects of data asset disclosure, including lowering external financing costs, boosting market reactions, enhancing analyst forecasts, and increasing firm value.Yet, its impact on SME innovation quality is still unclear.This research gap takes on heightened significance when examining SSDI SMEs.Given their advanced digital maturity, richer data asset portfolios, and more comprehensive disclosure practices compared to conventional SMEs, SSDI enterprises present an ideal context to investigate whether data asset disclosure exerts a disproportionately stronger effect on innovation quality enhancement.Therefore exploring this is crucial for innovation policies and corporate digital strategies.
Adopting a micro-level perspective, this study examines the impact of data asset disclosure on innovation quality in SSDI SMEs, using a sample of China's “Little Giant” listed enterprises from 2011 to 2023.The empirical results demonstrate that data asset disclosure significantly enhances innovation quality among SSDI SMEs, with findings remaining robust across a series of sensitivity tests.Mechanism analysis reveals that data asset disclosure primarily improves innovation quality through three channels: alleviating financing constraints, optimizing human capital allocation, and reducing innovation conformity behavior.Furthermore, the study identifies significant moderating effects, showing that stronger intellectual property protection, intensified industry competition, and increased analyst coverage can amplify the positive influence of data asset disclosure on SMEs’ innovation quality.
Compared with existing literature, this study makes three key marginal contributions: First, it enriches micro-level research on data assets.Prior studies focused on macro-level aspects, neglecting micro-level analyses of how data asset disclosure enhances innovation quality.This work bridges the gap between information and innovation economics.Second, this study elucidates the mechanisms through which data asset disclosure improves innovation quality.Previous research has largely treated the relationship between data disclosure and SME innovation as a “black box”.Departing from conventional approaches, this study adopts an information transparency perspective to demonstrate how SSDI SMEs leverage data asset disclosure to enhance innovation quality along three dimensions: (1) improving capital accessibility, (2) optimizing labor structure, and (3) strengthening governance capacity.Third, existing studies predominantly rely on annual reports as the primary source of data asset information.Recognizing that corporate news coverage serves as an equally critical channel for information dissemination,and is indispensable for a comprehensive evaluation of data asset disclosure,this study systematically analyzes data-related disclosures in both annual reports and news articles.Methodologically, it employs Python-based text mining techniques and constructs a specialized data asset lexicon using Word2Vec neural network modeling.This dual-source approach not only enhances measurement accuracy but also pioneers a novel methodological pathway for future data asset research.
开放科学(资源服务)标识码(OSID)：
党的二十大报告明确提出“支持专精特新企业发展”。专精特新中小企业具有高度的专业聚焦性、鲜明的特色定位及前瞻性的创新实践,是创新驱动发展的重要支撑力量[1],其创新质量提升受到高度重视。然而,创新本身就具有前期投入大、成效不确定等固有属性,对于规模普遍不大的专精特新企业而言,技术创新面临多重挑战,包括研发资金短缺、人才资源的结构性匮乏以及创新策略的普遍性迎合等问题[2]。因此,如何有效破解融资约束难题、优化人才结构是当前专精特新中小企业发展亟待解决的关键问题。
不同于一般性投资活动,企业创新需要资金投入的稳定性和持续性,以提升资金使用效率[3-4]。与传统中小企业相比,专精特新中小企业更加依赖于数据资源投入。当数据资源由企业拥有或控制,并能为企业带来预期经济利益时,这些数据资源通过电子方式记录后便形成数据资产。在数实融合背景下,企业会更加重视数据要素应用能力提升,以往以财务业绩为衡量标准的信息披露模式愈发难以凸显企业数据资产管理优势,也无法充分响应投资者日益增长的多元化信息需求,数据资产信息披露的重要性日益凸显。2024年1月1日,财政部颁布的《企业数据资源相关会计处理暂行规定》正式施行,标志着数据资产被正式纳入会计处理体系,可列入企业资产负债表。数据资产披露作为企业自愿性披露,是社会公众了解企业数据资产价值创造、大数据应用、数字化转型的重要渠道,对于企业创新发展具有重要意义[5]。随着数据“资产形态”的爆发式增长以及专精特新中小企业创新能力提升的迫切性,学术界亟待探究数据资产披露产生的创新效应,以期为我国把握数字化发展新机遇和拓展经济发展新空间提供参考。
积极披露数据资产信息的企业能够享受到诸多益处,如缓解外部融资约束、激发市场正面反馈、提高分析师预测准确度和企业价值等[6-10],但当前对数据资产信息披露能否影响中小企业创新质量的探讨较少。考虑到专精特新中小企业数字化程度更高,积累的数据资产更多,数据资产披露覆盖面更广,那么数据资产披露能否促进专精特新中小企业创新质量提升? 其影响机制是什么?
本文着眼于数据资产披露,借助文本分析技术,深入挖掘专精特新中小企业年报和新闻报道中相关数据资产信息,考察数据资产披露对专精特新中小企业创新质量的影响机制。相较于以往文献,本文边际贡献主要体现在以下3个方面:第一,有助于丰富数据资产微观领域研究。当前,关于数据资产披露影响效应的研究多聚焦于宏观层面,围绕数据资产界定、估值及交易机制等展开[11],从微观视角深入探讨数据资产披露对特定企业创新质量提升效应的研究不足。本研究搭建了信息经济学和创新经济学间的学科“桥梁”。第二,揭示数据资产披露影响创新质量提升的作用机制。过往研究并未打开数据资产披露影响中小企业创新质量提升的“黑箱”,本研究立足信息公开思路与逻辑,剖析专精特新中小企业如何借助数据资产披露,从资金可得性、劳动力结构优化和治理能力提升3个维度提升创新质量。第三,有助于拓宽“数据资产”信息来源获取途径。当前研究普遍依赖企业年报作为数据资产信息获取来源,而企业新闻报道也是信息传播的关键渠道,对于理解和评估企业数据资产披露具有不可或缺的作用,本文同时聚焦企业年报与新闻报道中的数据资产相关信息,运用Python程序设计语言对文本进行深度分析,通过引入Word2Vec神经网络模型构建详尽的数据资产文本词典,在方法论上为数据资产研究开辟新路径,以提升研究精准度和有效性。
根据Spence[12]提出的信号传递理论,在信息不对称的市场中,高质量企业会通过发送特定信号来区别于低质量企业,从而获得更多市场认可和资源支持。专精特新中小企业拥有的数据资产作为生产经营状况和未来发展潜力的关键指标,是一种难以复制的竞争优势资源,其披露行为被视为一种高质量信号,向利益相关者传递企业的利好信息[13],从而在资本市场上脱颖而出。首先,数据资产披露能够有效缓解企业与外部投资者、合作伙伴等利益相关者之间的信息不对称。传统财务信息虽然能够反映企业历史经营情况,但难以全面体现企业未来发展潜力和数字化能力。而数据资产披露,尤其是关于数据治理体系、数字技术应用场景等结构化信息的公开,向外界传递出企业数字化转型投入和成果,有助于增强利益相关者对企业未来创造价值的信心。这种信号传递不仅能够降低企业融资成本,还能吸引更多战略合作伙伴,从而形成良性循环。其次,数据资产披露具有 “承诺效应”。通过公开数据治理体系和数字技术应用场景,企业向外界展示其在数字化转型中的长期投入和战略决心,这种承诺效应能够增强外部利益相关者对企业的信任,降低其对企业未来不确定性的担忧,类似于企业在资本市场上发行长期债券或进行大规模研发投入,通过高成本信号传递来证明自身实力和信誉。最后,数据资产披露体现专精特新中小企业在数字经济时代的竞争优势。根据资源基础观,企业竞争优势来源于其拥有的独特资源,而数据资产作为一种难以模仿和替代的战略资源,能够为企业带来持续竞争优势。通过披露数据资产,企业不仅能够展示其数据收集、处理和应用能力,还向外界传递了其在数字化转型中的领先地位。综上,数据资产信息披露作为一种印象管理工具,有助于专精特新中小企业在激烈的市场竞争中占据有利地位,获得更多政策支持和市场资源,并从以下3个方面影响企业创新质量:
(1)根据信息不对称理论,数据资产信息披露能够有效减少市场参与者之间的信息不对称。通过提高信息标准化和透明度,专精特新中小企业能够获得更多市场认可,增加企业现金流,使投资者和金融机构更为精确地识别投资项目,规避潜在投资风险,降低企业内外部融资约束,吸引更多外部资金支持[14],从而为企业高质量创新活动提供必要的财务支持。
(2)从信号传递理论角度看,自愿性数据资产信息披露作为一种积极信号,向市场传递企业良好的治理结构和未来发展潜力。尤其是对于专精特新中小企业而言,这种信息披露有助于提升企业“数字声誉”[15],吸引高水平技术人才,提高企业创新能力和竞争力。同时,声誉提升也会激发企业对技术型人才的需求,促使企业保留和培养高水平劳动力,为持续创新活动提供智力资本。
(3)从资源配置效率角度看,数据资产信息披露有助于打破信息壁垒,使得政府、投资者和媒体能够更有效地监督和治理专精特新中小企业创新活动。这种监督机制有助于准确捕捉企业研发操纵行为,减少企业创新迎合现象,优化企业创新资源配置,提高企业创新质量[16]。据此,本文提出如下假设:
H1:数据资产信息披露能提升专精特新中小企业创新质量。
1.2.1 资金赋能:缓解融资约束
创新活动的资金密集型特征与企业融资能力不足之间的结构性矛盾已成为制约专精特新中小企业技术突破的核心障碍[17-18]。根据融资约束理论,企业获取融资的主要方式有内源融资和外源融资,专精特新中小企业在上述两个维度均面临显著约束:首先,受制于商业模式的特殊性和经营波动性,其内部现金流稳定性较差,导致利润留存难以支撑高质量研发投入;其次,在外部融资市场方面,我国多层次资本市场建设滞后使得股权融资渠道受阻[19],而银企间信息不对称引发的“信用缺失—担保薄弱”双重困境则导致企业融资面临额度不足与成本过高的双重约束[20],而数据资产信息披露则能有效缓解以上问题。
从企业内部视角看,数据资产信息披露能提高专精特新中小企业市场认可度,增强其盈利能力并增加其可支配的现金流。这种财务改善可为企业提供稳定的内源融资,缓解其内部融资约束,激励企业将资源投向更具长期价值的创新项目。从企业与外部利益相关者互动层面看,数据资产信息披露是非财务信息披露的重要组成部分,反映专精特新中小企业在数据资产积累与应用方面的实践活动,向利益相关者传递积极信号,能降低利益相关者对企业风险的感知程度,以此确保资金提供者能够准确识别并为那些拥有丰富数据资产的企业支付更高溢价,进而促使企业获得更多创新资金支持[21]。此外,对于金融机构而言,数据资产信息披露是其获取专精特新中小企业担保信息、评估企业信用状况的重要工具。数据资产在进行权属登记后可成为用来质押融资的资产,数据资产信息披露能帮助金融机构以更低的成本高效了解企业抵押资产状况和资信能力,更准确地判断和预测企业盘活数据资产、获取企业信贷的能力。这种透明化信息有助于降低银行与专精特新中小企业之间的信息不对称,使银行信贷资源向披露数据资产的企业倾斜,放宽融资门槛,减少市场摩擦,降低企业融资成本,极大地缓解企业创新融资难题,为企业高质量技术突破提供资金支持。据此,本文提出如下假设:
H2:数据资产信息披露能够缓解融资约束进而提升专精特新中小企业创新质量。
1.2.2 劳动赋能:优化人力资本
经济增长理论和内生增长理论认为,突破既有技术轨道,形成高质量创新成果需要劳动力具备更加深厚的知识储备与卓越的专业素养等全方位能力,呈现出明显的技能偏向性特征[22]。人力资本长期以来一直是微观企业获取创新优势的核心资源[23],人力资本质量显著影响企业创新成果产出。目前,专精特新中小企业在技术创新人才吸引与留存方面面临多维困境[1]。基于资源基础观,专精特新中小企业在人力资本获取与维系方面存在结构性劣势:其一,组织规模约束导致其难以构建与大型企业相当的雇主品牌资产,在人才市场竞争中面临信号传递失灵问题;其二,薪酬福利体系竞争力不足与职业发展通道有限形成双重约束。根据组织承诺理论,这种物质激励与精神激励的双重缺位会直接削弱知识型员工的留任意愿。因此,人力资本短缺成为专精特新中小企业创新质量提升的关键桎梏。
现有研究表明,致力于数字化发展的企业更能抓住数字经济发展机遇,并展现出更为广阔的发展蓝图(吴非等,2021)。数据资产披露不仅传递了专精特新中小企业培育数据资产的坚定信心,还释放了其积极推进数字化转型的明确信号,能提升企业声誉。一方面,声誉提高有助于专精特新中小企业在激烈的市场竞争中占据优势地位,进而增强未来发展潜力。高质量人才往往倾向于选择那些具有良好发展前景的企业,以寻求个人成长和职业满足,并获得更广泛的职业发展机会和空间[24]。因此,通过数据资产披露,专精特新中小企业能够吸引更多外部专业技能人才及优质资源,从而加速技术型人力资本积累与增长。另一方面,数据资产披露所带来的声誉加持会倒逼专精特新中小企业加快数据资产化进程,并增强对技术型人才资本的迫切需求(汪淼军等,2006)。在此过程中衍生出技术型人才缺口,因高水平人才的职业流动性特质[25],企业需实施双重留才策略:既要通过优化薪酬激励机制和职业发展体系构建制度性保障,又要借助组织承诺提升员工心理契约稳定性。这种人才保留机制能降低核心人才流失风险,通过构建“能力—激励”双轮驱动模式有效激活知识型员工的创新潜能,最终形成支撑企业创新质量持续提升的智力资本积累效应。
人力资本增强对企业创新活动的实施与推进具有显著正面效应[26]。从创新意愿视角看,具备高度专业素养的员工能够更深入地理解新知识、新技术的运作原理及应用潜力,他们对高质量创新活动会展现出更为积极与开放的态度,拥有更强的意愿去追求技术创新高质量发展[27],这对提升专精特新中小企业技术创新质量起到积极推动作用。从创新能力视角看,技术创新的核心在于对知识的有效获取与深度重组。具备高水平专业技能的员工在获取前沿观点、构建系统知识架构以及整合大量知识资源方面展现出较强能力[28],更有可能实施高质量技术创新活动,进而促进新产品开发与现有产品优化改进。此外,他们也更倾向于对现有生产方式提出挑战,并设计出相应改革措施,进一步提升企业创新效能[29],从而为专精特新中小企业提供先进技术和研发经验,帮助企业制定更为创新和前瞻性的发展战略,促进企业内部技术成果快速转化为实际应用,驱动企业整体创新水平迈上新台阶。据此,本文提出如下假设:
H3:数据资产信息披露能够升级人力资本进而提升专精特新中小企业创新质量。
1.2.3 治理赋能:减少创新迎合
近年来,为激发专精特新中小企业创新活力,政府相继出台了一系列创新补贴和税收优惠政策。然而,部分企业可能出于迎合政策目的而提高研发投入与创新活力,过度关注数量性指标,以此向政府传递创新活动信号,从而获取更多政策支持[16]。这种创新迎合行为容易导致创新“泡沫”的产生,造成非效率投资问题[30],进而导致突破式技术创新不足、创新质量亟待提升。在此背景下,数据资产信息披露所提供的客观信息为外部监督者行使合法权利提供了依据,促进专精特新中小企业监督与激励机制的有效运行,这不仅为遏制企业创新迎合行为创造了有利条件,同时也对企业创新活动产生了积极的治理效应[31]。
数据资产信息披露通过政府审批透明度提升、投资者与媒体监督加强等多元途径有效减少专精特新中小企业信息不对称,为外界准确辨别企业创新迎合行为提供必要条件。一方面,数据资产信息披露突破政企间信息壁垒,使得政府以更低的信息搜索和识别成本动态掌握专精特新中小企业创新项目进展情况,了解研发资源在企业内部的具体运作机制。这不仅能提高政府对企业创新迎合行为的监管与查处效能,还能增强政府与企业间的契约履行能力,使企业创新迎合行为无处遁形。另一方面,通过提高企业网络曝光度,投资者和新闻媒体能够更有效地发挥监督和治理功能,及时发现并约束专精特新中小企业的不当行为,防止企业滥用创新激励政策的红利。这种外部监督能促使企业规范研发行为,优化公司治理结构,减少研发操纵空间。创新迎合行为减少有助于专精特新中小企业摒弃以往单纯追求创新数量增长而忽视创新质量和实效性的短视做法,不仅能使企业内部创新资源配置得到根本性优化,还能确保更多宝贵资源精准聚焦于那些真正具备市场潜力和技术前景的创新项目。专精特新中小企业不再盲目跟风或为短期利益而仓促开展创新项目,而是更加注重创新项目的长远价值和实际贡献,勇于挑战技术瓶颈[32],致力于开发具有自主知识产权和核心竞争力的新技术、新产品,进而促进创新质量提升。据此,本文提出如下假设:
H4:数据资产信息披露能够减少专精特新中小企业创新迎合行为,进而提升其创新质量。
综上所述,本文构建数据资产信息披露与专精特新中小企业创新质量研究框架,如图1所示。
图1 研究框架
Fig.1 Research framework
本研究以2011—2023年沪深A股、中小板、科创板和创业板专精特新“小巨人”上市公司为研究对象,数据来源于CSMAR数据库、RESSET数据库、Wind数据库、国家知识产权局和中国新闻网,对原始数据作以下处理:①剔除金融保险行业样本;②剔除非正常上市企业ST、*ST、PT样本;③剔除上市年限不足一年的样本;④剔除财务数据异常或缺失严重的样本。经处理,最终得到2 317个观测值。为控制极端值的影响,本文对连续变量进行1%和99%的Winsorize缩尾处理。
2.2.1 被解释变量
创新质量(iq)。在现有研究中,全要素生产率、研发支出与专利数量构成评价技术创新活动的三大核心指标。然而,在非完全竞争市场情境下,全要素生产率作为衡量企业创新潜能的指标,其有效性受到一定制约。另外,当研究聚焦于微观企业层面时,获取精确的研发支出数据成为一项艰巨任务。相比之下,专利数据凭借高度的时效性和易获取性,成为研究首选。专利数据不仅涵盖申请人信息、技术分类、权利要求等多元化信息,而且直接映射创新活动的实际成果[33],为深入剖析企业创新行为提供了强有力的支撑。当企业具有较高的专利被引量时,说明其整体创新质量较高。因此,专利数量常被视作衡量企业创新活动水平的一个有效指标[34]。此外,专利类型多样,包括发明专利、实用新型专利和外观设计专利,其中发明专利在创新性方面占据领先地位(田红云等,2024)。鉴于此,本文参考万小丽[35]的研究,采用发明专利在总专利中的占比作为衡量企业创新质量的关键性指标,以更精确、更全面地评估企业创新能力和实力。企业在某年度内申请的发明专利数量占该年度该企业申请专利总数的比重越大,表明该企业在该年度的创新质量越高。
2.2.2 解释变量
数据资产信息披露(daid)。利用财务数据进行计算和文本分析是当前主流的测度方法,但由于数据资产入表仍处于起步阶段,财务数据支撑不足,故本文使用文本分析法测度数据资产信息披露。以往研究多从企业年报中挖掘数据资产文本,本文进一步扩大信息披露来源,同时使用爬虫收集与特定公司数据资产相关的新闻报道,通过对目标公司发布的年度财务报告及相关新闻报道进行深入的数据资产信息挖掘,全面评估其数据资产信息披露详尽程度与透明度。具体步骤如下:①选取“数据资产”作为种子词汇;②借鉴《数据资产管理实践白皮书(4.0版)》指出的“数据资产是能够为企业带来经济利益的数据资源”观点,将“数据资源”也作为种子词汇;③采用Word2Vec神经网络模型对目标公司文本数据进行训练,并设定相似度阈值0.5以筛选出高度相关的词汇,从而构建一个精确的相似词词典;④统计年度报告与新闻报道中涉及数据资产的关键词及其近义词在文本中出现的频次,并依据这些统计结果来评估目标公司的数据资产信息披露程度。本文借鉴王雄元等(2017)采用文本挖掘分析风险信息披露频率的方法来评估专精特新中小企业数据资产信息披露水平,公式如下:
(1)
其中,daidit 为数据资产信息披露频率。freitn 代表公司i在第t年年度报告及新闻稿特定词典中第n个词汇的精确出现频次。simn 反映该词典中第n个词汇与预设种子词汇间的相似程度。其中,种子词汇本身的相似度simn 被设定为1。totalfreit 为公司i在第t年年度报告及新闻稿中(去除英文和数字后)所有词汇的总出现频次。
2.2.3 中介变量
(1)融资约束(fc)。融资约束衡量方式有多种,相比之下,构建相关指数能够更全面地评价企业融资约束情况。其中,SA指数具有显著优势,它能有效规避其它指标可能引起的度量误差,并且不包含内生性变量,可克服主观评价方法客观性不足的问题[36]。鉴于此,本文采用Hadlock &Pierce[37]提出的SA指数来衡量企业融资约束程度(fc)。计算公式如下:
fc=0.043×size2-0.037×size-0.040×age
(2)
其中,size、age分别代表企业规模和成立年限。
(2)人力资本(hc)。研究指出,劳动力学历层次是衡量其技能水平的一个重要指标[38]。遵循这一思路,考虑到技术人员在创新中发挥着重要作用,本文使用本科及以上学历劳动力人数和技术人员人数之和占总劳动力人数的比重度量人力资本。
(3)创新迎合(ic)。2008年,科技部出台《高新技术企业认定管理办法》,根据企业上一年度销售收入将其划分为3个层级:5 000万元以下、5 000万～2亿元以及2亿元以上,并分别设定研发投入占比底线,即不得低于6%(2016年及以后调整为5%)、4%和3%。本文借鉴孙自愿等(2021)的研究,根据《高新技术企业认定管理办法》中明确的研发投入比例要求(即研发投入金额占营业总收入的比重),设定一个高出标准值1%的阈值。在企业认定年份,若企业研发投入占比介于标准值与所设阈值之间,则该年份赋值为1,表明企业可能存在创新迎合行为;若该占比达到或超过阈值,则赋值为0,表面可能不存在明显的创新迎合行为。在非认定年份,若该占比低于标准值,则赋值为1,表明企业可能为迎合政策而进行某种程度的创新;若该占比达到或超过标准值,则赋值为0。
2.2.4 控制变量
本文从公司基本特征、财务特征和治理结构3个方面设置如下控制变量:①公司规模 (size),用总资产的自然对数表征;②公司年龄(age),用公司成立年限表征;③资产负债率(lev),用负债与总资产之比表征;④总资产报酬率(roa),用净利润与总资产之比表征;⑤净资产收益率(roe),用净利润与净资产之比表征;⑥固定资产比率(ppe),用固定资产与总资产之比表征;⑦营业收入增长率(gr),用营业收入增长额与上一期营业收入之比表征;⑧管理层持股比例(msr),用管理层持股数与总股数之比表征;⑨董事会规模(bs),用董事会人数表征;⑩独立董事比例(pid),用独立董事人数与董事会人数之比表征。
变量界定及度量方式见表1。
表1 主要变量与测算方法
Table 1 Main variables and measurement methods
变量类型 变量名称 变量符号测算方法被解释变量创新质量iq发明专利在所有申请专利中所占比例解释变量数据资产信息披露daid见式(1)机制变量融资约束fc见式(2)人力资本hc本科及以上学历劳动力人数(非科技部门)和技术人员人数(科技部门)之和占总劳动力人数的比重创新迎合ic详见上文控制变量公司规模size总资产的自然对数公司年龄age公司成立年限资产负债率lev负债与总资产之比总资产报酬率roa净利润与总资产之比净资产收益率roe净利润与净资产之比固定资产比率ppe固定资产与总资产之比营业收入增长率gr营业收入增长额与上一期营业收入之比管理层持股比例msr管理层持股数与总股数之比董事会规模bs董事会人数独立董事比例pid独立董事人数与董事会人数之比
为验证假设H1,本文参考陶锋等(2023)的研究,构建以下基准模型:
iqit=β0+β1daidit+∑βicontrolst+ε
(3)
式(3)中,i、t分别表示企业、年份;controlst为 t 期的控制变量;ε为模型随机误差项。所有回归均控制年份固定效应(Year)和行业固定效应(Ind)。
为检验假设H2～H4,本文设置模型(4)～模型(5)考察融资约束缓解、人力资本升级和创新迎合行为减少对专精特新中小企业创新质量提升的影响:
medit=α0+α1daidit+∑αicontrolsit+ε
(4)
iqit=η0+η1daidit+η2medit+∑ηicontrolsit+ε
(5)
其中,medit为作用机制变量,包括融资约束程度fcit、人力资本水平hcit和创新迎合行为icit。模型(4)～模型(5)中其余变量含义和模型(1)一致。
全样本中,专精特新中小企业发明专利数量均值为0.462 1,其中最大值为0.983 2,最小值为0.054 7,说明我国专精特新中小企业创新质量存在较大差异。数据资产信息披露均值为3.436 8,极差为6.377 1,说明不同专精特新中小企业信息披露程度差异较大。主要变量在观测期内展现出足够变异性,为揭示数据资产信息披露产生的创新效应奠定了基础(见表2)。
表2 描述性统计分析结果
Table 2 Descriptive statistics
变量观测值均值标准差中位数最小值最大值iq2 3170.462 10.229 30.421 00.054 70.983 2daid2 3173.436 80.688 43.386 70.000 06.377 1fc2 3170.426 60.218 20.410 20.000 01.113 0hc2 3170.275 20.224 70.215 10.000 00.996 8ic2 3170.137 40.319 60.000 00.000 01.000 0size2 31712.063 80.715 112.101 510.412 714.388 2age2 31718.134 56.283 818.000 03.000 046.000 0lev2 3170.285 60.152 70.283 20.037 80.861 2roa2 3170.062 60.066 30.041 4-0.211 10.228 6roe2 3170.051 70.052 40.052 4-0.248 10.310 9ppe2 3170.133 20.088 50.094 20.004 70.540 0gr2 3172.528 42.164 02.136 51.133 29.148 7msr2 3170.241 10.218 40.235 60.037 00.956 7bs2 31710.258 09.367 49.845 64.000 022.000 0pid2 3170.358 10.302 40.298 50.026 50.954 2
表3列(1)中自变量只包含数据资产披露(daid)以及年份、行业固定效应,列(2)在列(1)的基础上进一步加入其它控制变量。数据资产披露(daid)回归系数在列(1)(2)中分别为0.008 5和0.005 6,且均在1%统计水平上显著为正,表明数据资产披露能够提升专精特新中小企业创新质量,假设H1得到验证。这意味着,专精特新中小企业数据资产披露每增加 1 个标准差,创新质量将提高0.38%(标准差乘以回归系数)。这一结果表明,数据资产披露不仅是一种重要的信息披露行为,更是推动专精特新中小企业提升创新质量的重要途径。
表3 数据资产披露与专精特新中小企业创新质量
Table 3 Data asset disclosure and innovation quality of SSDI SMEs
变量(1)iq(2)iqdaid0.008 5***0.005 6***(3.124 5)(2.857 4)控制变量是行业固定效应是是年份固定效应是是观测值2 3172 317R20.483 10.482 6
注:***、**、*分别代表1%、5%、10% 显著性水平;括号内为经过稳健标准误调整后的t值,下同
基于资金赋能、劳动赋能和治理赋能视角,本文进一步考察数据资产披露对专精特新中小企业创新质量的作用机制。模型(4)、模型(5)回归结果如表4所示,列(1)中daid回归系数在5%显著性水平上表现出负值,意味着数据资产披露能够显著缓解专精特新中小企业融资约束,为创新提供更为宽松和便利的融资环境,假设H2得到验证。在列(2)中,daid回归系数在5%水平上显著为正,表明数据资产披露能显著提高专精特新中小企业高技能劳动力占比。高技能劳动力是企业创新和技术进步的重要驱动力,揭示数据资产披露通过劳动赋能路径,对提升专精特新中小企业创新质量具有显著正向影响,假设H3得到验证。在列(3)中,daid回归系数在5%水平上显著为负,说明数据资产披露能够减少专精特新中小企业的创新迎合行为,假设H4得到验证。创新迎合行为往往是为追求短期利益而牺牲长期创新能力的行为,因此减少这种行为对于企业持续发展至关重要。
表4 作用机制检验结果
Table 4 Mechanism test results
变量(1)fc(2)hc(3)icdaid-0.215 6**0.236 1**-0.200 7**(2.142 2)(2.225 4)(2.138 4)控制变量是是是行业固定效应是是是年份固定效应是是是观测值2 3172 3172 317R20.455 80.455 20.454 6
3.3.1 内生性检验
(1)PSM-DID法。本文采用PSM-DID(倾向得分匹配—双重差分)模型对变量进行内生性检验,以减轻可能存在的样本选择偏差及反向因果问题。据《数据中心2013:硬件重构与软件定义》报告数据(ZDNet),2013年中国产生的数据总量超过0.8ZB(相当于8亿TB),2倍于2012年,相当于2009年全球的数据总量。本文以2013年为基准年份,根据各企业当年数据资产的中位数来设定虚拟变量treat。若企业所在行业2013年的数据资产小于当年所有行业的中位数,则将其归为实验组,并将treat赋值为1;反之,则归为控制组,treat赋值为0。另外,引入另一个虚拟变量post,对2013年及以后年份,post赋值为1;对2013年之前年份则赋值为0。在控制变量选取上,与前文保持一致。模型设定如下:
iqit=β0+β1treatit+β2treatit×postit+βicontrolsit+ε
(6)
对treat变量进行倾向得分匹配(PSM),选取以下协同变量:公司规模 (size)、资产负债率(lev)、总资产报酬率(roa)、固定资产比率(ppe)、营业收入增长率(gr)。首先,进行Logit回归分析,采用最近邻匹配方法,以1∶1的比例进行不放回匹配,共获得1 255个观测值。其次,采用配对样本数据,根据模型(6)重新进行回归分析。表5列(1)结果显示,treat×post的回归系数在统计上具有1%的显著性,表明在有效克服样本选择偏误和反向因果问题后,本文主要结论依然稳健。
表5 内生性检验结果
Table 5 Endogeneity test results
变量 PSM-DID检验(1)iq工具变量检验(2)daid(3)iqHeckman两阶段法检验(4)daid_dum第一阶段(5)iq第二阶段treat×post0.005 4***(3.961 6)daid0.435 2**0.021 2**(2.120 3)(2.163 4)daidave0.011 7***(6.857 4)弱工具检验F值90.080other_daid2.862***(3.661 0)imr0.035 1***(2.851 3)控制变量是是是是是行业固定效应是是是是是年份固定效应是是是是是观测值1 2552 3172 3172 3172 317R20.585 30.451 40.446 60.474 00.492 5
(2)工具变量法。本文选取同行业同年度其它企业数据资产信息披露平均值(daidave)作为工具变量。这是因为,同行业其它企业数据资产信息披露情况会对某一企业产生影响,即企业数据资产信息披露与同行业其它企业具有一定相关性。表5列(2)一阶段回归结果显示,同行业同年度其它企业数据资产信息披露平均值与某企业数据资产信息披露水平之间存在显著正相关关系。此外,F统计量的值显著高于临界值,进一步证实所选工具变量并非弱工具变量,从而保证了回归分析的稳健性。表5列(3)二阶段回归结果显示,数据资产信息披露对创新质量的提升作用在5%水平上显著,有力支持了本文研究结论。
(3)Heckman两阶段法。鉴于数据资产信息披露属于企业自愿性信息披露行为,为避免样本选择偏差可能引发的估计偏误,本文采用Heckman两阶段检验来缓解这一问题。在Heckman第一阶段Probit回归模型中,设置企业数据资产信息披露虚拟变量daid＿dum,大于daid的中位数则取值为1,否则取值为0。同时,在第一阶段加入同行业其它企业数据资产信息披露比例other＿daid作为外生工具变量;接着,利用这一阶段回归结果来计算逆米尔斯比率(imr),并将这个比率纳入第二阶段模型,以进行更准确的回归分析。由表5列(5)结果可知,逆米尔斯比率(imr)检验系数为0.035 1,且在1%显著性水平上通过检验。同时,daid检验系数为0.021 2,通过5%水平的显著性检验。这一结果表明,数据资产信息披露对于提高专精特新中小企业创新质量具有显著正向影响。
3.3.2 自变量滞后法
参考Gonzalez等[39]的研究,将当期企业创新质量作为回归分析的因变量,同时将数据资产信息披露滞后二期、滞后三期的数值设为自变量,分别进行两次回归分析。表6列(1)和列(2)展示了回归分析结果。数据资产信息披露滞后两期回归系数为0.040 1,并在1%统计水平上呈现出显著相关性;数据资产信息披露滞后三期回归系数为0.036 4,同样在1%统计水平上显著。这与多元回归分析检验结果一致,进一步验证了数据资产信息披露对企业创新质量影响的持续性和稳定性。
表6 稳健性检验结果
Table 6 Robustness test results
变量 自变量滞后(1)iq(2)iq子样本回归(3)iq增加控制变量(4)iq控制高维固定效应(5)iqdaidt-20.040 1***(3.396 3)daidt-30.036 4***(2.852 0)daid0.018 5**0.152 4*0.085 47**(2.021 1)(1.882 3)(2.226 9)控制变量是是是是是行业固定效应是是是是是年份固定效应是是是是是省份×年份否否否否是行业×年份否否否否是观测值2 1242 1241 5621 9762 317R20.454 70.454 60.454 00.444 70.444 1
3.3.3 子样本回归
首先,鉴于部分专精特新中小企业在日常运营与管理实践中较少涉及数据资产信息公开披露,本研究选取数据资产信息披露相对频繁的企业作为子样本进行检验。表6列(3)展示子样本检验结果与前文所得结论一致,进一步强化了研究结论的可靠性。其次,随着国家大数据战略的深入实施以及相关法律法规的相继出台,企业对数据资产的重视程度显著提升,数据资产化进程也随之加快。“十三五”规划明确提出“实施国家大数据战略”“加快推动数据资源共享开放和开发应用”。《中华人民共和国网络安全法》自2017年6月开始施行,也为数据开发利用提供了坚实的法律保障。因此,本研究参考Hu等[40]的研究,选取2016年及以后样本重新进行回归分析。结果显示,数据资产披露(daid)回归系数在5%统计水平上显著为正,再次验证了研究结论的稳健性。
3.3.4 增加控制变量
除专精特新中小企业自身特性外,其所处地域环境,包括经济发展水平、营商环境等外部条件有可能对企业创新质量提升产生显著影响。因此,进一步纳入并控制如下外部变量进行检验:①经济增长(gdp),用企业所在省份当年的GDP增长率衡量;②财政自由度(govf),通过省级财政预算支出除以省级财政预算收入来计算;③数字金融发展水平(dif),用北京大学数字金融发展指数表征;④分省份市场化指数(market)。检验结果如表6列(4),数据资产披露(daid)系数依然为正,且通过10%显著性水平检验,进一步强化了本文研究结论稳健性。
3.3.5 控制高维固定效应
为减轻遗漏变量可能对回归分析带来的潜在干扰,本研究在模型(1)的基础上,纳入省份与年份的交互项以及行业与年份的交互项进行固定效应检验,旨在有效捕捉并控制随时间变化的地区和行业层面不可观测因素,从而提升回归结果的准确性和可靠性。检验结果与基准回归结果一致,再次验证数据资产披露对于提升专精特新中小企业创新质量具有显著正向效应,这一结论在不同情境下均保持稳健。
按照“科尔曼之舟”理论[41],微观个体行动会受宏观环境的影响。遵循上述逻辑,自愿性信息披露因其内在灵活性,更容易受外部环境变量制约。因此,这类信息披露行为更容易受到政策法规、行业动态、信息环境等多重外部因素的影响。基于此,本文从知识产权保护、行业竞争、分析师关注3个层面分别考察数据资产披露对专精特新中小企业创新质量提升的异质性影响。
在政府对知识产权有力保护背景下,专精特新中小企业所披露的数据资产信息得到更为坚实的保障,极大提升企业数据资产信息披露意愿,并有效降低信息披露成本。一方面,知识产权保护排他性功能较强,能够在很大程度上防止模仿者的侵权行为[42],降低企业知识产权被侵犯风险,激励企业更加积极地进行数据资产信息披露。另一方面,强有力的知识产权保护能够为企业带来一定垄断利润,有效保障企业因数据资产信息披露所获得的超额收益,进而减少企业披露成本。本研究采用市场化指数中的知识产权保护指标作为衡量地区知识产权保护水平的代理变量,并通过交互项回归分析进行验证。结果显示,表7列(1)中数据资产披露与知识产权保护(daid×ipp)的回归系数在1%水平上显著为正,表明当地区知识产权保护力度较强时,会进一步强化数据资产披露对专精特新中小企业创新质量的提升作用。这是因为,知识产权保护具有显著的信息纾困效应,即知识产权保护程度越高,专精特新中小企业的数据资产信息披露水平也会相应提升,从而推动企业创新质量提升。
表7 异质性检验结果
Table 7 Heterogeneity test results
变量(1)iq(2)iq(3)iqdaid0.016 6**0.020 4***0.018 2**(2.147 4)(3.177 5)(2.186)ipp0.021 5*(1.755 2)daid×ipp0.051 6***(2.974 1)hhi0.024 2(1.224 6)daid×hhi0.034 7*(1.817 5)anaiy0.012 5**(2.050 3)daid×anaiy0.085 5***(3.191 7)控制变量是是是行业固定效应是是是年份固定效应是是是观测值2 3172 3172 317R20.461 90.462 40.462 1
步入数字经济新纪元,数据资产已成为企业构建核心竞争优势、抢占市场先机不可或缺的关键要素。因此,在竞争激烈的市场化环境中,专精特新中小企业为强化自身竞争力,可能会倾向于更加积极主动地公开披露数据资产信息,以提升企业信息透明度,塑造积极向上的市场形象,并赢得股东信赖与支持。同时,行业内的激烈竞争是专精特新中小企业寻求创新的强大驱动力。为稳固市场地位并攫取竞争优势,企业不得不持续改进和研发新产品、新技术,以应对来自竞争对手的严峻挑战,力求在激烈的市场竞争中脱颖而出(连燕玲等,2019)。本文采用赫芬达尔指数(hhi)作为行业竞争程度衡量标准,回归结果见表7列(2)。数据资产披露与赫芬达尔指数(daid×hhi)的回归系数在10%水平上显著为正。这表明,当行业竞争程度较高时,数据资产披露对于专精特新中小企业创新质量的提升作用更显著。
余明桂等[43]研究发现,分析师关注度能够大幅降低企业内外部信息不对称,有效缓解企业融资约束。这意味着,分析师关注程度越高,他们就越擅长深入挖掘并展现企业创新项目的潜在价值,同时精准指出企业数据资产信息披露存在的不足。这一作用机制能提高利益相关者对企业投资的信心,使他们更愿意将资金投入到这些企业。为深入探究信息环境对数据资产披露与专精特新中小企业创新质量提升关系的影响,本文采用分析师研究报告数量的自然对数作为衡量分析师关注度的指标。表7列(3)结果显示,数据资产信息披露与分析师关注的交互项(daid×anaiy)系数在1%水平上显著为正。这表明,分析师关注度越高,信息不对称程度越低,越能增强数据资产披露与专精特新中小企业创新质量之间的正向关系。这意味着,分析师关注不仅有助于提升专精特新中小企业信息透明度,还能为企业创新发展提供支持。
本文以 2011—2023 年中国专精特新“小巨人”上市公司为样本,实证检验数据资产信息披露对企业创新质量的影响机制。研究发现,数据资产信息披露通过缓解融资约束、优化人力资本、减少创新迎合行为对专精特新中小企业创新质量提升发挥促进作用,且该作用在知识产权保护程度较高、行业竞争激烈、分析师关注度较高时更为明显。本文研究结论丰富了数据资产披露在微观层面的理论体系,为专精特新中小企业数字化发展和高质量创新提供了参考。
根据上述研究结论,本文提出如下政策启示:
(1)企业数据资产信息披露能够有效提升专精特新中小企业创新质量,说明在数字经济迅猛发展背景下,数据资产信息已逐渐成为企业的重要特质信息,充分披露数据资产有助于促进企业创新活动开展。鉴于此,政府应强化顶层设计,确保制度供给与技术赋能相互协调、共同推进。应建立健全适应数字经济时代的数据资产会计规则,明确数据资产确认、计量、记录和报告标准。例如,细化《企业数据资源相关会计处理暂行规定》,促进专精特新中小企业能够准确、完整地披露数据资产信息。同时,加大对专精特新中小企业数据资产信息披露的监管力度,提升信息披露的准确性和及时性,充分发挥其对创新质量提升的积极作用。
(2)研究发现,缓解融资约束、优化人力资本、减少创新迎合行为是专精特新中小企业创新质量提升的重要传导机制。一方面,政府应搭建数据资产融资信息平台,为企业和外部投资者提供便捷的沟通与对接渠道,鼓励金融机构创新数据资产融资产品,如数据资产抵押贷款、数据资产证券化等,拓宽企业融资渠道。另一方面,专精特新中小企业应认识到数字人才对于企业发展的重要性,加大力度引进高数字化技能人才,为企业数字化转型提供强有力的人才储备,从而加速企业数据资源向数据资产转化。此外,专精特新中小企业应加强自主研发,致力于开展实质性创新和突破式创新,坚持厚植高质量创新发展理念,减少追求短期利益的创新迎合行为,规避技术创新的重复投资,实现优势科技资源优化配置与高效整合,夯实基础研究实力、核心技术竞争力、原始创新能力和协同创新能力,促进企业长远、稳健发展。
(3)本文证实不同水平的知识产权保护、行业竞争程度以及分析师关注度具有异质性影响。基于此,首先相关部门应建立健全知识产权保护制度,维护专精特新中小企业合法权益,降低企业披露数据资产面临的风险和成本,推动知识产权管理融入企业创新全过程。其次,营造更加活跃与公平的竞争环境,提高专精特新中小企业自愿性披露意愿,激发企业创新活力。最后,专精特新中小企业应加强与分析师和投资者的沟通与交流,通过定期发布报告、临时公告等方式,及时、准确地传递企业数据资产治理信息,增强外部信任和支持,为企业创新与发展创造更加有利的外部条件。
本文存在如下不足: 一是受限于可获取的客观数据,企业数据资产披露主要依赖文本分析法。随着越来越多企业将数据资产纳入财务报表进行披露,未来在测度方法上可作出精细化改进,如构建更为精确和细致的指标体系,以及采用更为先进的测度方法,提升研究结论的客观性和准确性。二是本文选定的研究对象为专精特新中小企业数据,鉴于当前数据规模相对有限,研究结论普适性可能受到一定影响,未来应扩大数据集规模,广泛收集涵盖更多企业与不同行业的相关数据,提升研究结论的普适性。
[1] 毛军权,敦帅.“专精特新”中小企业高质量发展的驱动路径——基于 TOE 框架的定性比较分析[J].复旦学报(社会科学版),2023,89(1):150-160.
[2] 杜传忠,薛宇择.研发联盟、开放式创新与企业全要素生产率提升[J].数量经济技术经济研究, 2024, 41 (12): 111-132.
[3] 戴魁早,刘友金.要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[J].经济研究, 2016,51(7):72-86.
[4] JEFFERSON G H,BAI H M,GUAN X J,et al.R&D performance in Chinese industry[J].Economics of Innovation &New Technology, 2006,15(4-5):345-366.
[5] KOZJEK D,RIHTARSIC B,BUTALA P.Big data analytics for operations management in engineer to order manufacturing[J].Procedia CIRP,2018,72:209-214.
[6] BOTOSAN C A.Disclosure level and the cost of equity capital[J].The Accounting Review,1997, 72(3):323-349.
[7] NARAYANAN V K,PINCHES G E,KELM K M.The influence of voluntarily disclosed qualitative information[J].Strategic Management Journal,2000,21(7):707-722.
[8] 危雁麟,张俊瑞,汪方军,等.数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验证据[J].管理工程学报,2022,36(5):1-12.
[9] 苑泽明,于翔,李萌.数据资产信息披露、机构投资者异质性与企业价值[J].现代财经(天津财经大学学报),2022,42(11):32-47.
[10] 张俊瑞,危雁麟,宋晓悦.企业数据资产的会计处理及信息列报研究[J].会计与经济研究,2020,34(3):3-15.
[11] 许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界,2022,38(2):16-30,2.
[12] SPENCE M.Job market signaling[J].The Quarterly Journal of Economics,1973,87(3):355-374.
[13] 何瑛,陈丽丽,杜亚光.数据资产化能否缓解“专精特新”中小企业融资约束[J].中国工业经济, 2024,32(8): 154-173.
[14] BEGENAU J, FARBOODI M,VELDKAMP L.Big data in finance and the growth of large firms[J].Joumal of Monetary Economics,2018,97:71-87.
[15] GUNASEKARA A,PAPADOPOULOS T,DUBEY R.Big data and predictive analytics for supply chain and organizational performance[J].Journal of Business Research, 2017,70(2):80-91.
[16] 李健,董小凡,张金林,等.数据资产对企业创新投入的影响研究[J].外国经济与管理,2023,45(12):18-33.
[17] HALL B H.The financing of research and development[J].Oxford Review of Economic Policy, 2002,18(1):35-51.
[18] 高智林,谭文浩,毛凌翔.组织韧性与“专精特新”中小企业创新质量[J].科技进步与对策,2024,41(10):99-109.
[19] 蔡竞,董艳.银行业竞争与企业创新——来自中国工业企业的经验证据[J].金融研究,2016,59(11):96-111.
[20] 曹虹剑,张帅,欧阳峣,等.创新政策与“专精特新”中小企业创新质量[J].中国工业经济,2022,38(11): 135-154.
[21] ELIWA Y, ABOUD A, SALEH A.ESG practices and the cost of debt: evidence from EU countries[J].Critical Perspectives on Accounting, 2019(79): 102097-102117.
[22] 刘晨跃,徐悦.数字普惠金融是否提升了绿色发展的包容性:资金融通和技术创新视角[J].中国地质大学学报(社会科学版), 2023,23(6): 81-99.
[23] 于翔,牛彪,苑泽明.数据资产、人力资本升级与企业价值[J].中南财经政法大学学报, 2024,67(2): 109-122.
[24] 张向前.知识型人才流动研究[J].经济管理,2007,29(6):23-29.
[25] 薛南枝,吴超鹏.社会责任信息强制披露的自主创新效应——基于“卡脖子”技术突破的视角[J].会计研究, 2023,44(10): 19-32.
[26] KONG D, ZHANG B,ZHANG J.Higher education and corporate innovation[J].Journal of Corporate Finance,2022,72:102165.
[27] HOSSEINI H K,AZAR A,ROSTAMY A A A.The intervening role of innovative climate: a study of middle managers in manufacturing organizations in Iran[J].Public Organization Review,2003,3(2):151-170.
[28] YOU S,ZHOU K Z,JIA L.How does human capital foster product innovation?the contingent roles of industry cluster features[J].Journal of Business Research,2021,130:335-347.
[29] CHE Y,ZHANG L.Human capital, technology adoption and firm performance: impacts of China′s higher education expansion in the late 1990s[J].Economic Journal,2018,128(614):2282-2320.
[30] CHO S Y,KIM S K.Horizon problem and firm innovation: the influence of CEO career horizon,exploitation and exploration on breakthrough innovations[J].Research Policy,2017,46(10):1801-1809．
[31] BERTRAND M, MULLAINATHA S.Enjoying the quiet life? corporate governance and managerial preferences[J].Journal of Political Economy,2003,111(5):1043-1075．
[32] 韩先锋, 宋文飞, 李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济, 2019,37(7): 119-136.
[33] 寇宗来,刘学悦.中国企业的专利行为:特征事实以及来自创新政策的影响[J].经济研究,2020,66(3):83-99.
[34] 方慧,霍启欣.数字服务贸易开放与企业创新质量的“倒U型”关系:兼议技术吸收能力和知识产权保护的调节作用[J].世界经济研究,2023,42(2): 3-18,134.
[35] 万小丽.专利质量指标中“被引次数”的深度剖析[J].情报科学,2014,32(1):68-73.
[36] ARETZ K, CAMPELLO M,MARCHICA M T.Access to collateral and the democratization of credit: France′s reform of the Napoleonic security code[J].Journal of Finance,2020,75(1):45-90.
[37] HADLOCK C J,PIERCE J R.New evidence on measuring financial constraints:moving beyond the KZ index[J].Review of Financial Studies,2010,23(5):1909-1940.
[38] ACEMOGLU D.Why do new technologies complement skills? directed technical change and wage inequality[J].The Quarterly Journal of Economics,1998, 113(4):1055-1089．
[39] GONZALEZ M,GUZMAN A,TELLE D F.What you say and how you say it: information disclosure in Latin American firms[J].Journal of Business Research,2021,127:427-443．
[40] HU C, LI X,ZHENG.Data assets,information uses,and operational efficiency[J].Applied Economics,2022,54(60): 6887-6900.
[41] COLEMAN J.Foundations of social theory[M].Cambridge:Belknap Press of Harvard University Press,1998．
[42] GLAESER S A, LANDSMAN W R.Deterrent disclosure[J].Accounting Revie,2021,96(5):291-315．
[43] 余明桂,钟慧洁,范蕊.分析师关注与企业创新——来自中国资本市场的经验证据[J].经济管理,2017,39(3):175-192.