Digital Commitments upon Taking Office: CEO Succession Origin and Differences in Corporate Digitalization Behaviors
吕孟丽 1,张进 2,董静 2
企业数字化已由单一技术采用演进为涵盖战略表达和资源配置的行为过程,具体表现为数字叙事、数字投入及其匹配关系。本文以2011—2024年沪深A股上市公司中存在CEO继任的公司为样本,构建数字叙事强度、数字投入强度和数字化调整一致性指标,考察CEO继任来源对企业数字化行为的影响。研究发现,内部晋升的CEO继任后更倾向于提高数字叙事强度,外部聘任的CEO则更倾向于增加数字投入强度;相较于外部聘任的CEO,内部晋升的CEO与更高的数字化调整一致性显著相关。进一步的分析表明,高管团队稳定性强化了内部晋升CEO对数字投入强度的促进作用,审计师监督质量强化了外部聘任CEO对数字投入强度的促进作用;CEO权力和环境不确定性则强化了内部晋升CEO对数字化调整一致性的促进作用。此外,数字叙事强度增加能够显著推动后续数字投入强度的提升,而数字投入强度的提升并未显著促进后续数字叙事强度的增加,呈现“叙事引导—投入兑现”的动态特征。本文从公司治理视角揭示了CEO继任来源对企业数字化行为差异性与一致性的影响,为理解企业数字化调整的行为逻辑提供了经验证据。
关键词:数字叙事,数字投入,数字化调整一致性,CEO继任来源,数字化转型
数字化转型已成为影响企业长期竞争优势与公司治理质量的重要战略议题(Verhoef等,2021;毛新述等,2025)。从企业推进数字化转型的具体方式看,其既包括资源投入层面的“做”,也包括战略表达层面的“说”。一方面,企业可以通过年度报告、业绩说明会等正式沟通渠道强化数字化战略表述,向外部利益相关者传递数字化愿景与转型意图,由此形成数字叙事(王蕾茜等,2024);另一方面,企业可以通过配置软件系统、数据平台和数字基础设施等资源形成数字投入(吴非等,2021;李剑培等,2024)。相关研究指出,部分企业可能更注重数字化话语表达,以塑造战略形象并回应外部关注(李鑫等,2024;周卉,2025;Li和Zhu,2026);另一些企业则可能更强调实质性投入,通过持续配置数字资产和技术资源推进转型。因此,企业数字化转型并非单一维度的行为结果,而是由数字叙事与数字投入两类相互关联但并不完全一致的行为构成。由此,有必要同时考察企业在数字化转型中的表达选择与投入选择,以及二者之间的关系。
在此过程中,CEO作为企业战略议题设置和资源配置的重要决策者,可能影响企业数字化转型中的“说”与“做”(Hambrick和Mason,1984;Zhang等,2023)。已有研究表明,CEO的个体特征、管理经验等会影响企业数字化转型决策(Zhang等,2023;Chen等,2026)。然而,现有研究大多考察数字化水平、数字化披露或数字投入等单一维度,较少将数字叙事与数字投入纳入同一分析框架,也缺乏对二者匹配关系的系统讨论。作为企业战略调整的重要离散事件,CEO继任通常会改变企业的战略优先级和资源配置方式(Hutzschenreuter等,2012)。因此,CEO继任不仅可能影响企业是否推进数字化转型,还可能影响企业以何种方式推进数字化转型。尤其是内部晋升CEO与外部聘任CEO在组织嵌入程度、变革压力、资源调动方式和外部评价约束等方面存在明显差异(柯江林等,2007;孙维章等,2023;Berns和Klarner,2017;逯东等,2020),这些差异可能使其继任后的数字化行为呈现不同特征。相关企业实践为该问题提供了启示。以圆通速递为例,潘水苗从董事岗位接任CEO后提出“技术驱动的数字化”,并强调数字化转型应成为“一把手工程”,通过强化数字化战略表达推动后续投入。相比之下,王晓初于2015年从外部调任中国联通后,围绕数字化“补短板”推动资源向4G网络优化、5G网络建设等数字基础设施领域配置。然而,现有研究尚未系统解释CEO继任来源如何影响企业数字化行为的调整方向,尤其缺乏对不同来源CEO如何塑造数字叙事、数字投入及其匹配关系的分析。
鉴于此,本文以2011—2024年沪深A股上市公司CEO继任现象为研究情境,考察CEO继任来源对企业数字化行为选择的影响,重点回答三个问题:第一,不同来源的CEO在继任后是否会推动企业形成差异化的数字化转型路径;第二,哪类CEO更有助于提升数字叙事与数字投入的一致性;第三,数字叙事与数字投入之间具有怎样的动态演进关系。研究结果表明,内部晋升CEO更可能在继任后提高企业的数字叙事强度,外部聘任CEO则更可能提升企业的数字投入强度。相较于外部聘任CEO,内部晋升CEO任职后企业的数字叙事与数字投入表现出更高的一致性。进一步分析发现,数字叙事的提升能够显著预测后续数字投入增加,而未发现数字投入提升对后续数字叙事增强具有预测作用,表明企业数字化转型呈现出“叙事引导—投入兑现”的动态特征。
本文的理论贡献主要体现在三个方面。第一,将数字化转型研究由数字化水平差异拓展至数字化行为调整,为理解企业数字化转型的动态过程提供了新的解释。既有研究普遍将数字化转型视为持续调整过程(Verhoef等,2021),但在实证分析中多以数字化水平衡量企业转型程度,重点考察企业之间数字化程度的高低差异(吴非等,2021;王蕾茜等,2024;李剑培等,2024)。本文从数字化转型中的“说”与“做”出发,以数字叙事和数字投入的年度变化分别刻画企业在战略表达和资源配置上的调整方向,将研究视角由静态水平比较延伸至动态行为变化,有助于更细致地揭示数字化转型的持续演化特征。第二,从CEO继任来源视角拓展了对企业数字化行为差异形成机制的理解。已有研究表明,CEO的个体特征、认知基础和管理经验会影响企业数字化转型(Zhang等,2023;Chen等,2026),但对于CEO为何会推动不同类型的数字化行为,仍缺乏充分解释。本文将CEO继任来源引入数字化转型研究,分析内部与外部聘任CEO在组织嵌入程度和变革压力等方面的差异如何塑造其继任后的数字化行为选择。这不仅将“外部继任更强调变革、内部晋升更强调延续”的经典讨论延伸至数字化转型情境(Zhang和Rajagopalan,2010;柯江林等,2007),也为解释企业数字化转型中“说”与“做”的差异提供了公司治理视角。第三,揭示了数字叙事与数字投入之间的动态关系,推动了象征管理与注意力动员两类理论解释之间的对话。既有研究对企业叙事的作用存在不同认识:叙事既可能成为象征管理和制度脱钩的载体(Bromley和Powell,2012),也可能通过意义赋予和注意力动员推动组织行动(Xing等,2026)。本文发现,数字叙事提升能够预测后续数字投入增加,而数字投入提升并不会显著反向促进数字叙事增强,呈现出“叙事引导—投入兑现”的特征,由此将数字化“说—做”关系的研究从静态差距识别进一步推进至动态过程解释。
企业数字化转型并非单一的信息系统建设或技术采用,而是企业围绕数字技术开展战略表达、资源配置、流程重构和组织能力更新的持续过程。从行为表现看,企业数字化转型主要包含两类可区分的路径:数字叙事与数字投入。数字叙事是指企业通过年度报告、业绩说明会等正式沟通载体,强化数字化议题的呈现并构建相应的解释框架。其本质是一种战略表达和意义建构行为,既可以向外部利益相关者传递数字化转型意图、缓解信息不对称和塑造市场预期,也有助于企业获取制度合法性与外部资源支持(Fiss和Zajac,2006;王蕾茜等,2024)。由于数字叙事具有较强的策略灵活性和较低的启动成本,管理层能够较快地将其战略注意力转化为外部可见的符号和信号。数字投入则是企业围绕数字化转型进行的实质性资源配置,主要表现为信息技术资本开支以及软件系统、数据平台和数字基础设施等资产投入(余典范等,2022;王超等,2023;李剑培等,2024)。相比之下,数字投入具有更强的资源承诺和执行刚性,通常涉及预算安排、跨部门协同等环节,因而实施成本更高、调整周期更长,也更容易受到资源约束、组织惯性和执行能力的影响。
由于数字叙事与数字投入在资源成本、可观察性、调整周期和执行要求等方面存在差异,企业在数字化转型过程中可能形成不同的行为组合。一种典型情形是“说得多、做得少”,即企业在年报等沟通文本中大量强化数字化表述,却缺乏相应的资源投入支撑(周卉,2025)。这类行为接近组织研究中的“脱钩”或“言行不一”(Bromley和Powell,2012),在数字化情境下通常被称为“多言寡行”或“数字清洗”(李鑫等,2024;Wei等,2025;Li和Zhu,2026)。已有研究发现,新任CEO可能增加数字化信息披露,却减少实质性数字投入,从而形成“多说少做”的数字化言行偏离(Zhang等,2023)。Chen等(2026)发现,过度自信的CEO可能夸大数字叙事而未同步增加数字化行动,并由此削弱企业竞争力。相关研究还表明,“多言寡行”的数字化行为虽然可能在短期内获得政府补贴和媒体关注,但也可能提高信息披露违规处罚概率、损害长期绩效(李鑫等,2024),甚至导致股票错误定价(黄哲等,2025)。因此,缺乏实际投入支撑的数字叙事通常不利于企业数字化转型质量的提升。另一种较少受到关注的情形是“做得多、说得少”,即数字沉默(Li等,2024;Li和Zhu,2026)。尽管这类行为具有实质性行动基础,但叙事不足可能削弱数字投入的战略可见度、外部理解和组织动员效果。
基于上述不同组合,企业数字化行为可以进一步区分为数字化偏离性和数字化调整一致性。数字化偏离性关注企业数字化行为更偏向叙事侧还是投入侧。当数字叙事相对于数字投入更为突出时,企业表现为叙事偏向,即更偏向“说”;相反,企业更偏向“做”。因此,偏离性反映的是数字化行为组合的方向,而非数字叙事与数字投入的匹配程度。数字化调整一致性则关注数字叙事与数字投入之间的匹配程度,即企业的数字化战略表达是否具有相应的资源投入支撑,数字投入是否得到相应的战略表达和解释(Bromley和Powell,2012)。数字叙事与数字投入之间的距离越大,说明企业外部表达与内部行动之间的脱节程度越高;二者距离越小,则表明战略表达与实际行动之间的耦合程度越高(Bromley和Powell,2012;Tashman等,2019)。李鑫等(2024)发现,“言出必行”的企业能够获得更持续的政府补贴支持和绩效改善,也从侧面说明了数字化言行一致的重要性。
上述研究为理解企业数字化行为提供了重要基础,但仍存在以下不足。第一,现有研究虽然关注CEO或高管特征对企业数字化行为的影响(Zhang等,2023;Chen等,2026),但较少考察 CEO继任这一重要治理事件及其来源差异的影响。内部晋升CEO与外部聘任CEO在组织嵌入程度、内部协调能力、变革压力和合法性需求等方面存在差异,这些差异可能影响其在数字叙事、数字投入及二者匹配关系上的选择。因此,从CEO继任来源视角考察企业数字化行为,有助于进一步揭示数字化转型的管理者微观基础。第二,现有研究主要关注数字清洗、多言寡行和数字化夸大披露等数字化偏离现象(李鑫等,2024;黄哲等,2025;Wei等,2025;Li和Zhu,2026),但方向选择本身并不能等同于数字化调整一致性的高低。换言之,企业更偏向“说”并不必然意味着只说不做,更偏向“做”也不意味着数字化质量更高。现有研究对数字化偏离方向与一致性程度之间关系的区分仍不充分。第三,现有文献多从静态视角考察企业数字化水平(吴非等,2021;赵宸宇,2021;张永珅等,2021;毛新述等,2025),较少关注数字化行为的动态调整。数字化转型是一个持续演化过程,企业会随着管理者更替、战略压力、资源约束和外部环境变化,不断调整数字叙事与数字投入的强度。相较于静态水平指标,考察数字叙事和数字投入的年度变化,更有助于识别企业数字化行为的调整方向。
根据高阶梯队理论,企业战略选择会受到高管认知基础、经验结构和价值取向等的影响(Hambrick和Mason,1984)。CEO继任作为企业战略调整和组织变革中的重要治理事件,不仅意味着最高管理者的更替,也可能改变企业的战略注意力、变革方向和资源配置逻辑(Hutzschenreuter等,2012;李新春和苏晓华,2001)。因此,不同来源的CEO可能会基于其所处组织情境和继任后面临的压力,在数字叙事和数字投入之间形成差异化的行为侧重。
内部晋升CEO是指在担任CEO之前在本企业任职的继任者(Zhang和Rajagopalan,2010;逯东等,2020)。一方面,内部晋升通常意味着组织更加重视战略连续性和管理稳定性(柯江林等,2007)。因此,内部晋升CEO继任后通常不必通过大规模、激进式的资源重配来证明战略转向(Berns和Klarner,2017),而更可能以渐进方式推动数字化转型。数字叙事能够通过框架建构和意义赋予,影响内外部主体对战略变化的理解(Fiss和Zajac,2006),且具有成本较低、调整灵活的特点,因而较契合内部晋升CEO的渐进式变革逻辑。借助数字叙事,内部晋升者可以在不显著打破既有组织秩序的情况下,强化数字化转型的战略意义,并将数字化议题嵌入企业原有战略框架。另一方面,内部晋升CEO长期嵌入企业既有关系网络,与管理团队和关键部门之间形成了较为稳定的沟通关系与信任基础(刘新民等,2013)。相较于外部聘任CEO,内部晋升CEO更熟悉企业内部的组织语言和沟通规则(Oradi等,2024;孙维章等,2023),因而更容易通过调整数字叙事强度塑造组织共识、引导管理层注意力,并降低战略变革的理解成本。具体而言,内部晋升CEO可以借助年报等沟通载体,将数字化议题转化为组织成员易于理解和传播的战略框架,推动其进入组织议程。因此,相较于外部聘任CEO,调整数字叙事强度更可能成为内部晋升CEO进行议题塑造和组织动员的重要方式。
相较而言,外部聘任CEO是指在就任前未在本企业任职、由企业外部引入的继任者(Zhang和Rajagopalan,2010;逯东等,2020)。企业选择外部CEO,通常意味着董事会或控股股东希望打破既有路径、调整战略重点并推动组织变革(孙维章等,2023)。因此,外部聘任CEO往往承担更强的变革预期,继任后也更可能推动战略调整和资源重新配置(Zhang和Rajagopalan,2010;Hutzschenreuter等,2012)。数字投入具有可观察性较强、成本较高和资源承诺较强等特征,比数字叙事更符合外部CEO的行动逻辑,也更容易向内外部传递战略转向和变革执行的信号(Connelly等,2011)。因此,外部聘任CEO更可能通过增加数字投入表明其推动数字化转型的决心。此外,作为组织“外来者”,外部聘任CEO缺乏既有关系基础,其战略意图和管理能力更容易受到董事会、高管团队、员工及资本市场的观察和评价(Graffin等,2011)。在此情境下,仅依靠数字叙事进行战略表态,可能被视为低成本的象征性表达,难以建立可信度(Fiss和Zajac,2006)。同时,由于其较少受到既有关系结构和组织惯例的约束,外部聘任CEO更可能通过强化实质性数字投入体现自身价值,以获得合法性与内外部主体的认可。综上,内部晋升CEO更可能依托其组织嵌入和内部协调优势,通过数字叙事进行议题塑造、战略解释和组织动员;外部聘任CEO则更可能基于变革期待和合法性压力,通过数字投入传递有关战略转向和资源承诺的变革信号。基于此,本文提出如下假设:
假设H1:相比之下,内部晋升CEO倾向于提高企业数字叙事强度,外部聘任CEO则倾向于提高企业数字投入强度。
数字化调整一致性是指数字叙事与数字投入之间的匹配程度,即数字化战略表达调整与资源投入调整是否保持同步,数字投入是否具有相应的战略表达。二者距离越小,说明战略表达与实际行动越一致(Bromley和Powell,2012;Tashman等,2019)。因此,数字化调整一致性并非衡量企业“说得多”或“投得多”,而是关注数字叙事与资源投入是否形成匹配。本文认为,相较于外部聘任CEO,内部晋升CEO更有利于提升数字化调整一致性。
首先,内部晋升CEO更容易校准数字叙事的可兑现边界。由于其长期嵌入企业既有关系网络,与管理团队和关键部门形成了较稳定的沟通关系、协作惯例和信任基础(Zhang和Rajagopalan,2010;逯东等,2020),因而能够通过既有渠道及时获得执行反馈,更准确地把握数字化转型中的资源约束、协调阻力和组织接受程度。因此,其数字叙事更可能围绕组织能够理解、资源能够支撑和流程能够协同的内容展开,降低数字化承诺脱离执行条件的风险,从而减少“说得多、做不到”的偏离。其次,内部晋升CEO更容易协调数字叙事与数字投入的推进节奏。内部晋升通常体现了组织对战略连续性和管理稳定性的重视,其继任后的战略调整也更可能呈现渐进式特征(柯江林等,2007;Berns和Klarner,2017)。在数字化转型中,这种渐进式推进有助于形成“议题塑造—组织共识—资源投入”的连续过程,即先通过数字叙事明确转型方向、形成共同理解,再逐步推动相应投入,使数字叙事与数字投入保持相对一致的战略框架和推进节奏。
相较之下,外部聘任CEO通常面临更强的战略变革预期和合法性建构压力。为证明自身的变革能力,其更可能优先增加具有较强可观察性和资源承诺属性的数字投入,以传递战略转向信号(Zhang和Rajagopalan,2010;Hutzschenreuter等,2012)。尽管数字投入通常具有较长的实施周期,但部分投入项目可以通过立项和预算安排率先启动;数字叙事则需要将相关行动嵌入企业既有战略框架,并经过内部沟通、部门协调和意义建构形成组织共识。外部聘任CEO进入企业后仍须经历组织熟悉、信任建立和团队磨合过程(逯东等,2020),其数字投入未必能够及时与企业既有战略语言、业务逻辑和披露叙事相衔接。因此,外部聘任CEO更容易出现数字投入先行、数字叙事滞后的错位,从而降低二者的一致性。基于此,提出如下假设:
假设H2:相较于外部聘任 CEO,内部晋升 CEO 更有利于提升企业数字化调整一致性。
本文选取2011—2024年沪深A股上市且发生CEO继任的公司作为研究样本。样本期起始于2011年,主要基于政策背景和数据披露基础两方面考虑。首先,2011 年是我国“十二五”规划的开局之年。《“十二五”规划纲要》明确提出全面提高信息化水平、加快建设下一代国家信息基础设施,表明我国企业数字化转型所处的制度环境开始由分散推进逐步转向更加系统的政策引导。此后,“宽带中国”战略、“互联网+”行动以及《促进大数据发展行动纲要》等政策陆续出台,进一步推动数字基础设施建设和数字经济发展,较好契合我国数字化转型政策环境和实践进程的阶段性变化。其次,证监会在《关于切实做好 2011 年年报编制、审计和披露工作的公告》中明确要求增强年度报告的真实性、准确性、完整性和及时性,为本文基于年报文本识别数字叙事、基于财务报表附注识别数字投入提供了较为规范的披露基础。
为确保数据的有效性与可比性,按照如下标准对样本进行筛选:第一,剔除金融、保险业公司;第二,剔除数据库、年报或其他可靠来源中关键变量信息缺失或无法核验的公司;第三,剔除处于异常交易状态的公司以及ST标识的公司。经上述处理后,最终样本包含2011—2024年发生CEO继任事件的4 615家上市公司。公司层面信息(如公司特征、财务指标及相关变量)主要来源于WIND与CSMAR数据库,对数据库存在缺口的部分结合公司年度报告进行人工补充,以提高数据完整性与准确性。
数字叙事强度(年度变化)(Narrative)衡量企业年度报告中数字化相关叙事强度的同比变化,即企业在第 t 年的数字叙事与第 t−1 年数字叙事的差值。数字叙事的测度参照既有文本分析方法(吴非等,2021;Zhou和Li,2023;Chen和Ren,2025)对企业年度报告文本的数字化相关关键词进行频次统计,以刻画企业的数字叙事程度。鉴于关键词频次分布通常呈右偏特征,以关键词总频次加1后的自然对数值进行衡量(Cornaggia等,2015)。
数字投入强度(年度变化)(Investment)用于衡量企业数字化相关资产投入强度的同比变动,即企业在第 t 年的数字投入与第 t−1 年数字投入之间的差额。数值越大,反映企业数字投入力度越大。数字投入的衡量参照Fan等(2024)及相关研究,以数字化相关无形资产期末余额作为企业数字投入的代理指标。根据数字化相关关键词,对企业年度财务报告中“无形资产明细项目”进行筛选和整理,包含软件、管理系统、智能平台、数据中心、数字技术等。随后,将筛选出的数字无形资产进行人工逐一核验,再将对应的年度期末金额相加,计算得出企业数字无形资产投入总额。鉴于投入金额分布存在右偏特征,以年度数字投入总额加1后的自然对数表示。本文进一步参考余典范等(2022)和王超等(2023)的做法,在稳健性检验中扩展数字投入的测度范围,将数字化相关无形资产与数字化相关固定资产合并计算,以构造更广义的数字投入强度指标。
数字化偏离性(Deviation)与数字化调整一致性(Consistency)。借鉴Bromley和Powell(2012)、Tashman等(2019)关于组织言行偏离与行为一致性的测度思路,本文首先对数字叙事强度和数字投入强度的年度变化进行标准化处理,以统一二者的量纲和尺度。在此基础上,构造数字化偏离性和数字化调整一致性两个互补指标,分别刻画企业数字化行为的方向性差异与匹配程度。数字化偏离性(Deviation),以标准化后的数字叙事强度减去 标准化后的数字投入强度进行衡量,用于识别企业数字化调整更偏向“叙事侧”还是“投入侧”。当Deviation数值较大时,表明数字叙事的提升幅度高于数字投入,企业数字化调整更偏向战略表达;当其数值较小时,则表明数字投入的提升幅度相对更高,企业数字化调整更偏向资源配置。数字化调整一致性(Consistency),根据标准化后的数字叙事变化与数字投入变化之间的偏离程度构造。具体而言,首先计算二者差距的绝对值,再进行反向处理,使指标数值越大表示偏离越小、数字化行为一致性越高,数值越小则表示偏离越大、数字化行为一致性越低(李鑫等,2024;李哲等,2024)。
CEO继任来源(Succession)。考虑到我国上市公司中董事长与总经理(或总裁)的权责配置可能存在交叉,仅依据“CEO”这一职务识别最高管理者,可能难以准确反映企业实际决策权结构。参照Core等(1999)的处理方式,并结合我国上市公司治理情境,本文将CEO界定为董事长或总经理(总裁),以识别企业实际最高经营决策者。具体而言,首先根据上市公司高管变更公告、年度报告及其他公开披露信息识别管理层更替,并提取CEO继任事件,仅保留样本期内至少发生一次CEO继任的上市公司。若公司同一年度发生两次及以上CEO继任,为避免重复计量并保持继任事件与年度变量口径一致,仅保留该年度最后一次继任事件。其次,根据继任者个人履历判断其来源,并将CEO继任划分为内部晋升与外部聘任。对于履历缺失或表述不清的样本,进一步结合年度报告、高管变更公告及其他官方信息进行人工核验。参照既有研究,若继任者在就任CEO前曾在本公司担任副总经理、副董事长、财务总监、董事或其他高级管理职务,则界定为内部晋升;若继任者来自公司外部,且此前不存在本公司任职经历,则界定为外部聘任(Oradi等,2024;逯东等,2020)。最后,若公司最近一次CEO继任属于内部晋升,则该变量在继任当年及其后任期内取值为1;若属于外部聘任,则取值为0。该取值在现任CEO任期内保持不变,并在下一次继任发生后根据新任CEO的来源重新赋值(Landier等,2013)。
为控制可能影响企业数字化相关行为的其他因素,本文从公司、行业、地区和宏观环境层面纳入控制变量。公司层面包括企业年龄(Firmage)、企业规模(Firmsize)、国有股权比例(Ownership)、总资产收益率(ROA)、资产负债率(LEV)、研发强度(R&D)、政治关系(Party)、政府补贴(Subsidy)、独董占比(Indepratio)、高管的年龄变异系数(AgeCV)、女性高管占比(TMTfemale)、高管团队数字化背景(TMTdigital)、机构持股比例(Instownership)、分析师跟踪(Analyst)。行业层面包括行业集中度(HHI),数值越大表示企业面临的行业竞争程度越低。地区层面控制市场化程度(Marketization),采用市场化指数衡量,以刻画企业所在地区制度环境和市场化发展水平差异。此外,进一步纳入年度经济政策不确定性(EPU),以控制宏观政策环境波动对企业数字化行为的潜在影响。参见表1。
| 变量类别 | 变量名称 | 变量标识 | 变量定义 |
|---|---|---|---|
| 因变量 | 数字叙事强度 | Narrative | ln(年报数字化词频数+1)t−ln(年报数字化词频数+1)t-1 |
| 数字投入强度 | Investment | ln(数字无形资产期末金额+1)t−ln(数字无形资产期末金额+1) t−1 | |
| 数字化偏离性 | Deviation | 标准化后的数字叙事强度与数字投入强度的差值 | |
| 数字化调整一致性 | Consistency | 标准化后的数字叙事强度与数字投入强度差值的绝对值再取负值 | |
| 自变量 | CEO继任来源 | Succession | 内部晋升CEO取值为1,外部聘任CEO为0 |
| 控制变量 | 企业年龄 | Firmage | 公司自成立以来的经营年数 |
| 企业规模 | Firmsize | 公司总资产的自然对数 | |
| 国有股权比例 | Ownership | 国有股权占总股本的比例 | |
| 总资产收益率 | ROA | 净利润除以总资产 | |
| 资产负债率 | LEV | 总负债除以总资产 | |
| 研发强度 | R&D | 研发支出除以营业收入 | |
| 政治关系 | Party | 若企业建立党组织则取值为1,否则为0 | |
| 政府补贴 | Subsidy | 政府补贴金额加1后的自然对数 | |
| 独董占比 | Indepratio | 独立董事人数占董事会人数的比例 | |
| 年龄变异系数 | AgeCV | 高管团队成员年龄标准差除以年龄均值 | |
| 女性高管占比 | TMTfemale | 女性高管人数占高管团队总人数的比例 | |
| 高管团队数字化背景 | TMTdigital | 若高管团队中存在具有数字化相关教育背景或工作经历的成员,则取值为1,否则为0 | |
| 机构持股比例 | Instownership | 机构投资者持股占比 | |
| 分析师跟踪 | Analyst | 覆盖公司的分析师人数 | |
| 行业集中度 | HHI | 行业—年度内各企业营业收入占行业总营业收入比重的平方和 | |
| 市场化程度 | Marketization | 采用省份市场化指数衡量 | |
| 政策不确定性 | EPU | 基于Wisers信息门户中多家中文报纸的新闻报道构建的经济政策不确定性指数 |
为了检验CEO继任来源对企业数字化行为的影响,本文构建如下模型:
\begin{document}$ {DigitalBehavior}_{it}={\beta }_{0}+{\beta }_{1}{Succession}_{i(t-1)}+{\beta }_{2}{Control}_{i(t-1)}+\mathit{\Sigma }Year+\mathit{\Sigma }Industry+{\varepsilon }_{it} $ \end{document}
\begin{document}$ {Consistency}_{it}={\beta }_{0}+{\beta }_{1}{Succession}_{i(t-1)}+{\beta }_{2}{Control}_{i(t-1)}+\mathit{\Sigma }Year+\mathit{\Sigma }Industry+{\varepsilon }_{it} $ \end{document}
两式分别刻画调整方向与偏离程度。其中,Digital Behavior代表数字化行为的因变量,分别为数字叙事强度(Narrative)和数字投入强度(Investment),Consistency为数字化调整一致性指标,代表企业数字叙事(说)与数字投入(做)之间的匹配程度;Succession为解释变量,指代CEO继任来源; Control为控制变量集合,同时控制年份(Year)和行业(Industry)虚拟变量。
表2报告了主要变量的描述性统计结果。表2显示,企业数字叙事强度的均值为 0.924,标准差为 6.371;数字投入强度的均值为 5.210,标准差为 6.994,说明企业在数字化相关行为上存在显著异质性,不同企业可能采取了不同的数字化推进路径与策略取向。CEO 继任来源的均值为 0.677,说明总体上样本公司的 CEO 继任以内部晋升为主,即大多数继任事件由公司内部晋升完成。
| 变量 | Mean | SD | VIF | (1) | (2) | (3) | (4) | (5) |
|---|---|---|---|---|---|---|---|---|
| (1) Narrative | 0.924 | 6.371 | / | 1 | ||||
| (2) Investment | 5.210 | 6.994 | / | 0.045*** | 1 | |||
| (3) Succession | 0.677 | 0.468 | 1.03 | 0.018*** | −0.011 | 1 | ||
| (4) Firmage | 19.869 | 5.659 | 1.20 | −0.044*** | −0.065*** | −0.073*** | 1 | |
| (5) Firmsize | 22.429 | 1.394 | 1.86 | −0.027*** | 0.120*** | −0.021*** | 0.123*** | 1 |
| (6) Ownership | 3.323 | 11.097 | 1.12 | 0.014** | 0.041*** | −0.081*** | −0.023*** | 0.153*** |
| (7) ROA | 2.068 | 8.347 | 1.38 | 0.040*** | 0.104*** | 0.055*** | −0.056*** | 0.117*** |
| (8) LEV | 0.472 | 0.221 | 1.50 | −0.018*** | −0.003 | −0.064*** | 0.118*** | 0.336*** |
| (9) R&D | 3.546 | 4.645 | 1.28 | −0.013* | 0.001 | 0.066*** | −0.076*** | −0.159*** |
| (10) Party | 0.827 | 0.378 | 1.21 | −0.022*** | −0.060*** | −0.073*** | 0.231*** | 0.199*** |
| (11) Indepratio | 0.376 | 0.054 | 1.01 | −0.008 | −0.007 | −0.011 | −0.015** | 0.017** |
| (12) Subsidy | 15.222 | 4.669 | 1.07 | 0.008 | 0.073*** | 0.041*** | −0.089*** | 0.171*** |
| (13) AgeCV | 0.160 | 0.041 | 1.25 | 0.003 | −0.044*** | 0.037*** | −0.102*** | −0.310*** |
| (14) Instownership | 45.720 | 23.462 | 1.53 | 0.015** | 0.098*** | −0.084*** | 0.052*** | 0.471*** |
| (15) TMTfemale | 19.053 | 11.060 | 1.14 | −0.016** | −0.040*** | 0.003 | 0.092*** | −0.193*** |
| (16) TMTdigital | 0.719 | 0.450 | 1.09 | 0.007 | 0.033*** | 0.044*** | −0.110*** | 0.113*** |
| (17) Analyst | 5.816 | 9.036 | 1.41 | 0.012* | 0.151*** | 0.060*** | −0.113*** | 0.388*** |
| (18) HHI | 0.166 | 0.171 | 1.06 | 0.011 | 0.014** | −0.041*** | −0.027*** | 0.008 |
| (19) Marketization | 9.578 | 1.835 | 1.16 | −0.044*** | −0.246*** | 0.013* | 0.105*** | 0.007 |
| (20)EPU | 145.524 | 18.236 | 1.12 | −0.037*** | −0.036*** | 0.037*** | 0.183*** | 0.046*** |
| 变量 | (6) | (7) | (8) | (9) | (10) | (11) | (12) | (13) |
| (6) Ownership | 1 | |||||||
| (7) ROA | 0.041*** | 1 | ||||||
| (8) LEV | 0.063*** | −0.362*** | 1 | |||||
| (9) R&D | −0.083*** | −0.071*** | −0.249*** | 1 | ||||
| (10) Party | 0.085*** | −0.013* | 0.167*** | −0.171*** | 1 | |||
| (11) Indepratio | −0.030*** | −0.033*** | 0.003 | 0.039*** | −0.036*** | 1 | ||
| (12) Subsidy | 0.042*** | 0.081*** | −0.005 | 0.100*** | −0.020*** | −0.014** | 1 | |
| (13) AgeCV | −0.169*** | −0.067*** | −0.120*** | 0.143*** | −0.227*** | 0.024*** | −0.053*** | 1 |
| (14) Instownership | 0.283*** | 0.163*** | 0.144*** | −0.231*** | 0.205*** | −0.052*** | 0.043*** | −0.313*** |
| (15) TMTfemale | −0.119*** | −0.031*** | −0.098*** | 0.081*** | −0.120*** | 0.058*** | −0.051*** | 0.248*** |
| (16) TMTdigital | 0.055*** | 0.046*** | −0.015** | 0.139*** | −0.010 | −0.019*** | 0.084*** | −0.066*** |
| (17) Analyst | 0.006 | 0.307*** | −0.048*** | 0.054*** | −0.036*** | 0.019*** | 0.105*** | −0.073*** |
| (18) HHI | 0.049*** | −0.014** | 0.044*** | −0.189*** | 0.026*** | −0.016** | −0.028*** | −0.022*** |
| (19) Marketization | −0.015** | −0.012* | −0.003 | 0.047*** | 0.147*** | 0.012* | −0.005 | 0.027*** |
| (20)EPU | −0.090*** | 0.020*** | −0.084*** | 0.173*** | −0.109*** | 0.026*** | 0.036*** | 0.114*** |
| 变量 | (14) | (15) | (16) | (17) | (18) | (19) | (20) | / |
| (14) Instownership | 1 | |||||||
| (15) TMTfemale | −0.188*** | 1 | ||||||
| (16) TMTdigital | 0.024*** | −0.156*** | 1 | |||||
| (17) Analyst | 0.271*** | −0.072*** | 0.063*** | 1 | ||||
| (18) HHI | 0.093*** | −0.003 | −0.085*** | 0.053*** | 1 | |||
| (19) Marketization | −0.017** | 0.043*** | −0.010 | −0.041*** | 0.016** | 1 | ||
| (20)EPU | −0.106*** | 0.119*** | −0.048*** | 0.025*** | −0.067*** | 0.146*** | 1 | / |
相关性分析结果显示,CEO继任来源与数字叙事强度显著正相关,而与数字投入强度的相关系数为负,但未达到统计显著水平,初步反映出不同继任来源CEO在企业数字化战略表达与实际投入方面可能存在差异。方差膨胀因子(VIF)检验结果显示,各变量的 VIF 值均小于 10(最大值为1.86),表明回归模型不存在显著的多重共线性问题。此外,在构造交互项时,本文对主要变量进行了均值中心化处理,以进一步降低交互项可能引入的多重共线性影响,提高模型估计的稳健性。
表3报告了回归结果,检验CEO继任来源与数字叙事强度、数字投入强度以及数字化调整一致性之间的关系。列(1)加入了控制变量、年份、行业固定效应,作为仅纳入控制变量、年份和行业固定效应的基准模型。列(2)加入了CEO继任来源,用以检验CEO继任来源与数字叙事强度变化间的关系,根据回归结果CEO继任来源的回归系数为0.179,且在5%水平上显著(β=0.179,p<0.05),表明内部晋升的CEO继任后企业数字叙事强度提升更为明显。列(3)加入了控制变量、年份、行业固定效应,构成数字投入强度的基准模型。列(4)中加入了CEO继任来源,用以检验CEO继任来源与数字投入强度变化间的关系,结果显示CEO继任来源的系数显著为负(β=−0.254,p<0.05),意味着相较于内部晋升者,外部聘任CEO继任对应的数字投入强度年度变化更大。列(5)中CEO继任来源与数字化偏离性呈显著正相关(β=0.072,p<0.01),验证了内部晋升的CEO继任后企业数字化调整更偏向叙事侧(说)增强,而外部聘任则相对更偏向投入侧(做)强化,从而导致两类继任来源在“叙事—投入”的行为方向上存在差异,进一步验证了假设H1。列(6)中CEO继任来源的系数为0.032,且在5%水平上显著(β=0.032,p<0.05),说明内部晋升CEO继任后企业数字叙事与数字投入的一致性更高,即内部晋升的CEO所在企业表现出更高的数字化调整一致性。
| 变量 | (1) | (2) | (3) | (4) | (5) | (6) |
|---|---|---|---|---|---|---|
| Narrative | Narrative | Investment | Investment | Deviation | Consistency | |
| Firmage(t-1) | 0.010 | 0.010* | 0.005 | 0.004 | 0.001 | 0.001 |
| (1.56) | (1.66) | (0.35) | (0.29) | (0.42) | (0.41) | |
| Firmsize(t-1) | −0.101*** | −0.103*** | 0.488*** | 0.492*** | −0.101*** | −0.072*** |
| (−3.00) | (−3.07) | (7.53) | (7.60) | (−8.47) | (−8.55) | |
| Ownership(t-1) | 0.002 | 0.002 | 0.005 | 0.005 | −0.001 | −0.000 |
| (0.55) | (0.67) | (1.02) | (0.91) | (−0.49) | (−0.53) | |
| ROA(t-1) | 0.026*** | 0.025*** | 0.050*** | 0.051*** | −0.005*** | −0.005*** |
| (4.46) | (4.41) | (7.91) | (7.98) | (−3.40) | (−5.03) | |
| LEV(t-1) | −0.086 | −0.078 | −0.205 | −0.217 | 0.025 | −0.002 |
| (−0.43) | (−0.39) | (−0.67) | (−0.72) | (0.43) | (−0.04) | |
| R&D(t-1) | −0.003 | −0.003 | 0.015 | 0.016 | −0.003 | −0.001 |
| (−0.30) | (−0.33) | (0.99) | (1.02) | (−1.04) | (−0.34) | |
| Party(t-1) | −0.314*** | −0.306*** | −0.351** | −0.363** | 0.014 | 0.062*** |
| (−3.18) | (−3.09) | (−2.09) | (−2.16) | (0.44) | (2.80) | |
| Indepratio(t-1) | −0.081 | −0.048 | −0.236 | −0.283 | 0.041 | 0.053 |
| (−0.13) | (−0.08) | (−0.23) | (−0.28) | (0.21) | (0.39) | |
| Subsidy(t-1) | 0.001 | 0.001 | 0.048*** | 0.049*** | −0.008*** | −0.004** |
| (0.17) | (0.14) | (4.26) | (4.30) | (−3.43) | (−2.39) | |
| AgeCV(t-1) | 0.146 | 0.171 | −0.827 | −0.862 | 0.176 | −0.021 |
| (0.16) | (0.19) | (−0.53) | (−0.56) | (0.59) | (−0.10) | |
| Instownership(t-1) | 0.004*** | 0.005*** | 0.009*** | 0.009*** | −0.001 | −0.001 |
| (2.68) | (2.84) | (3.01) | (2.88) | (−1.36) | (−1.49) | |
| TMTfemale(t-1) | 0.001 | 0.001 | 0.003 | 0.003 | −0.000 | −0.001 |
| (0.26) | (0.28) | (0.58) | (0.57) | (−0.37) | (−0.82) | |
| TMTdigital(t-1) | 0.003 | −0.004 | 0.067 | 0.076 | −0.014 | 0.009 |
| (0.04) | (−0.04) | (0.50) | (0.57) | (−0.53) | (0.47) | |
| Analyst(t-1) | 0.001 | 0.000 | 0.052*** | 0.052*** | −0.009*** | −0.005*** |
| (0.20) | (0.10) | (6.01) | (6.09) | (−5.62) | (−4.49) | |
| HHI(t-1) | 0.070 | 0.085 | 0.189 | 0.169 | −0.016 | 0.048 |
| (0.20) | (0.24) | (0.48) | (0.43) | (−0.19) | (0.78) | |
| Marketization(t-1) | −0.020** | −0.020** | −0.121*** | −0.121*** | 0.018*** | 0.008*** |
| (−2.50) | (−2.51) | (−12.53) | (−12.52) | (8.54) | (6.01) | |
| EPU(t-1) | −0.020 | −0.021 | −0.006 | −0.004 | −0.003 | 0.005 |
| (−1.17) | (−1.22) | (−0.16) | (−0.12) | (−0.38) | (1.02) | |
| Succession(t-1) | 0.179** | −0.254** | 0.072*** | 0.032** | ||
| (2.50) | (−2.17) | (3.18) | (1.97) | |||
| 常数项 | 5.708*** | 5.603*** | 9.668*** | 9.815*** | −0.452 | −0.610** |
| (3.82) | (3.75) | (4.69) | (4.76) | (−1.08) | (−2.19) | |
| 年份固定效应 | YES | YES | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES | YES | YES |
| N | 20939 | 20939 | 20939 | 20939 | 20939 | 20939 |
| Adj.R2 | 0.015 | 0.015 | 0.137 | 0.137 | 0.072 | 0.067 |
1.更换因变量衡量方式。考虑到企业数字投入不仅包括数字化相关无形资产,也可能体现为数字化相关固定资产的投入,本文进一步采用宽口径数字投入指标进行稳健性检验。参考余典范等(2022)和王超等(2023)的做法,本文根据企业年度财务报告附注,进一步筛选出与数字化转型相关的固定资产项目,如服务器、网络设备、数据中心设备、信息化设备、智能制造设备、自动化设备和工业互联网设备等,并将其年度期末金额与数字化相关无形资产金额加总,得到企业年度数字投入总额。随后,以年度数字投入总额加 1 后的自然对数衡量宽口径数字投入,并由此计算出数字投入强度(Investmentc)、数字化偏离性(Deviationc)与数字化调整一致性(Consistencyc)。更换衡量方式后的实证结果(见表4)与上文基本保持一致,表明主要估计结果在替换指标后保持稳定。
| 变量 | (1) | (2) | (3) | (4) | (5) | (6) |
|---|---|---|---|---|---|---|
| Narrative | Narrative | Investmentc | Investmentc | Deviationc | Consistencyc | |
| Firmage(t-1) | 0.010 | 0.010 | 0.003 | 0.003 | 0.001 | 0.006*** |
| (1.01) | (1.07) | (0.56) | (0.50) | (0.33) | (3.69) | |
| Firmsize(t-1) | −0.101** | −0.103** | −0.039 | −0.038 | −0.006 | 0.023*** |
| (−2.12) | (−2.17) | (−1.27) | (−1.22) | (−0.52) | (2.71) | |
| Ownership(t-1) | 0.002 | 0.002 | 0.002 | 0.002 | −0.000 | −0.001* |
| (0.40) | (0.50) | (0.65) | (0.56) | (−0.09) | (−1.77) | |
| ROA(t-1) | 0.026*** | 0.025*** | 0.016*** | 0.017*** | −0.001 | 0.001 |
| (4.12) | (4.07) | (4.04) | (4.08) | (−0.38) | (1.30) | |
| LEV(t-1) | −0.086 | −0.078 | −0.190 | −0.195 | 0.042 | −0.007 |
| (−0.34) | (−0.31) | (−1.14) | (−1.18) | (0.68) | (−0.15) | |
| R&D(t-1) | −0.003 | −0.003 | −0.007 | −0.007 | 0.001 | 0.004 |
| (−0.22) | (−0.25) | (−0.87) | (−0.85) | (0.47) | (1.57) | |
| Party(t-1) | −0.314** | −0.306** | −0.085 | −0.090 | −0.024 | 0.042* |
| (−2.42) | (−2.36) | (−1.01) | (−1.06) | (−0.76) | (1.80) | |
| Indepratio(t-1) | −0.081 | −0.048 | 0.009 | −0.011 | −0.005 | −0.216 |
| (−0.10) | (−0.06) | (0.02) | (−0.02) | (−0.02) | (−1.47) | |
| Subsidy(t-1) | 0.001 | 0.001 | 0.003 | 0.003 | −0.001 | −0.003 |
| (0.15) | (0.12) | (0.41) | (0.43) | (−0.25) | (−1.41) | |
| AgeCV(t-1) | 0.146 | 0.171 | 0.520 | 0.505 | −0.113 | −0.500** |
| (0.12) | (0.14) | (0.65) | (0.63) | (−0.38) | (−2.28) | |
| Instownership(t-1) | 0.004* | 0.005* | 0.002 | 0.002 | 0.000 | −0.000 |
| (1.85) | (1.96) | (1.40) | (1.29) | (0.32) | (−0.28) | |
| TMTfemale(t-1) | 0.001 | 0.001 | 0.000 | 0.000 | 0.000 | 0.001 |
| (0.19) | (0.20) | (0.12) | (0.11) | (0.05) | (0.80) | |
| TMTdigital(t-1) | 0.003 | −0.004 | 0.090 | 0.095 | −0.027 | 0.027 |
| (0.03) | (−0.03) | (1.31) | (1.37) | (−1.06) | (1.44) | |
| Analyst(t-1) | 0.001 | 0.000 | 0.003 | 0.003 | −0.001 | 0.001 |
| (0.14) | (0.07) | (0.79) | (0.85) | (−0.59) | (0.53) | |
| HHI(t-1) | 0.070 | 0.085 | 0.109 | 0.100 | −0.014 | −0.030 |
| (0.18) | (0.21) | (0.42) | (0.39) | (−0.15) | (−0.42) | |
| Marketization(t-1) | −0.020** | −0.020** | −0.003 | −0.003 | −0.002 | −0.007*** |
| (−2.05) | (−2.06) | (−0.44) | (−0.44) | (−1.04) | (−4.10) | |
| EPU(t-1) | −0.020 | −0.021 | −0.036* | −0.036* | 0.007 | 0.021*** |
| (−0.71) | (−0.74) | (−1.94) | (−1.91) | (0.95) | (4.13) | |
| Succession(t-1) | 0.179* | −0.108* | 0.059** | 0.029* | ||
| (1.87) | (−1.72) | (2.54) | (1.67) | |||
| 常数项 | 5.708*** | 5.603*** | 1.838 | 1.901 | 0.258 | −0.395 |
| (2.98) | (2.92) | (1.47) | (1.52) | (0.56) | (−1.15) | |
| 年份固定效应 | YES | YES | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES | YES | YES |
| N | 20939 | 20939 | 20939 | 20939 | 20939 | 20939 |
| Adj.R2 | 0.015 | 0.015 | 0.024 | 0.024 | 0.014 | 0.032 |
2.去除临时继任 CEO(短任期/过渡 CEO)的影响。在 CEO 继任过程中,部分企业可能出现临时(过渡)CEO:即新任 CEO 在上任后未满一年即被替换。由于临时 CEO 的任期较短,往往缺乏充足的时间与授权来推动重要的战略性决策(尤其是涉及资源配置与组织变革的数字投入),其行为更可能反映“过渡管理”而非稳定的管理偏好与治理效果。因此,将此类样本纳入分析可能会引入噪声,削弱对 CEO 继任来源影响的识别,并影响结论的稳健性。为此,本文依据继任披露信息与任职起止时间,识别并剔除任期不足一年的临时 CEO 继任事件后重新进行回归。回归结果见表5 1,与基准回归一致,进一步增强了本文结果的稳健性。
| (1) | (2) | (3) | (4) | (5) | (6) | |
|---|---|---|---|---|---|---|
| 变量 | Narrative | Narrative | Investment | Investment | Deviation | Consistency |
| Succession(t-1) | 0.168* | −0.316*** | 0.081*** | 0.031** | ||
| (1.68) | (−3.06) | (3.45) | (2.04) | |||
| 控制变量 | YES | YES | YES | YES | YES | YES |
| 常数项 | 3.099** | 2.994** | −7.357*** | −7.159*** | 2.051*** | 0.497** |
| (2.45) | (2.37) | (−5.64) | (−5.48) | (6.90) | (2.56) | |
| 年份固定效应 | YES | YES | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES | YES | YES |
| N | 19444 | 19444 | 19444 | 19444 | 19444 | 19444 |
| Adj.R2 | 0.013 | 0.013 | 0.140 | 0.140 | 0.074 | 0.070 |
3.倾向得分匹配(Propensity Score Matching,PSM)。为缓解处理组与对照组企业在可观测特征上存在系统性差异所引致的潜在样本选择问题,采用 PSM 方法构建更具可比性的样本。以 CEO 继任来源(CEO succession origin)作为处理变量(treatment),并利用包含全部公司层面控制变量、同时控制年度与行业固定效应的 logit 模型,估计企业—年度观测值属于内部晋升组的倾向得分(propensity score)。基于倾向得分实施 1:3 最近邻匹配并且允许重复匹配,并施加共同支持域约束,以剔除缺乏可比对照样本的处理组观测值。匹配后的平衡性检验表明,协变量可比性显著提升:所有匹配协变量的绝对标准化均值差均低于常用的 10% 阈值,说明处理组与对照组在可观测特征上具有较高相似性。进一步在匹配样本上重新估计主要回归模型,表6的结果在经济含义与统计显著性方面均与基准结论保持一致,表明在控制可观测特征差异后,主要结果仍然稳健。
| (1) | (2) | (3) | (4) | (5) | (6) | |
|---|---|---|---|---|---|---|
| 变量 | Narrative | Narrative | Investment | Investment | Deviation | Consistency |
| Succession(t-1) | 0.179** | −0.254** | 0.072*** | 0.032** | ||
| (2.50) | (−2.18) | (3.19) | (2.17) | |||
| 控制变量 | YES | YES | YES | YES | YES | YES |
| 常数项 | 5.724*** | 5.620*** | 9.684*** | 9.831*** | −0.452 | −0.609** |
| (3.83) | (3.76) | (4.70) | (4.76) | (−1.08) | (−2.07) | |
| 年份固定效应 | YES | YES | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES | YES | YES |
| N | 20926 | 20926 | 20926 | 20926 | 20926 | 20926 |
| Adj.R2 | 0.015 | 0.015 | 0.137 | 0.137 | 0.072 | 0.067 |
4.熵平衡检验(Entropy Balancing,EB)。为进一步缓解企业在可观测特征上对 CEO 继任来源的选择性影响,并作为对 PSM 的补充,本文采用熵平衡方法对对照组进行再加权,使其协变量分布与处理组尽可能一致。以 CEO 继任来源为处理指示变量,在分析样本上实施熵平衡,并对全部控制变量施加平衡约束,同时纳入年度与行业固定效应。该程序为对照组观测值生成一组非负再加权因子,使处理组与对照组在指定协变量矩上实现完全或近似完全平衡;以处理组为平衡目标并保留所得权重用于后续分析。在施加熵平衡权重的样本上重新估计基准回归模型,表7的结果与主要结论一致,进一步增强了本文的结论可靠性。
| (1) | (2) | (3) | (4) | (5) | (6) | |
|---|---|---|---|---|---|---|
| 变量 | Narrative | Narrative | Investment | Investment | Deviation | Consistency |
| Succession(t-1) | 0.172* | −0.258** | 0.072*** | 0.039** | ||
| (1.70) | (−2.47) | (2.99) | (2.44) | |||
| 控制变量 | YES | YES | YES | YES | YES | YES |
| 常数项 | 4.821*** | 4.737** | 10.071*** | 10.196*** | −0.656 | −0.606* |
| (2.59) | (2.55) | (4.82) | (4.87) | (−1.38) | (−1.94) | |
| 年份固定效应 | YES | YES | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES | YES | YES |
| N | 20939 | 20939 | 20939 | 20939 | 20939 | 20939 |
| Adj.R2 | 0.017 | 0.017 | 0.144 | 0.145 | 0.082 | 0.065 |
叙事与投入的数字化选择机制分析。基于前文逻辑,CEO 继任来源影响数字化行为的作用路径可能同时受到内部组织条件和外部治理环境的约束。内部晋升CEO长期嵌入企业既有关系网络,其数字化决策更依赖内部协同与执行支撑;而外部聘任CEO作为“外来者”,则面临更强的能力验证和合法性建构压力,其数字化行为更易受到外部监督环境影响。为检验上述机制,本文分别以高管团队稳定性和审计师监督质量刻画内部执行基础与外部治理约束。
首先,高管团队是企业战略决策与执行的重要主体,其成员结构、经验基础和协作关系会影响企业战略选择与组织行动(Hambrick和Mason,1984)。高管团队越稳定,通常意味着核心管理层之间形成了较稳定的沟通关系、信任基础和协作惯例(王浩军等,2023),并有助于企业应对风险和制定长期战略(严若森和张素各,2025)。对于内部晋升CEO而言,稳定的高管团队能够进一步强化其组织嵌入优势。由于其与既有高管团队具有较长的共事经历,更熟悉成员能力、权责边界和沟通方式,因而更容易获得团队支持,并将数字化议题转化为具体的资源配置和项目安排。相比之下,外部聘任CEO仍需经历信任建立、团队整合和组织磨合;稳定的高管团队还可能伴随较强的既有惯例和路径依赖,从而增加其推动资源重配和数字投入的难度。因此,若内部协同机制成立,高管团队稳定性应强化内部晋升CEO对数字投入强度的促进作用。
其次,本文以审计师是否来自四大会计师事务所衡量外部监督环境。高质量审计师通常具有更强的专业能力、独立性和声誉约束,能够提高信息披露质量,并强化外部主体对企业战略表述和资源配置行为的监督(王浩军等,2023)。相较于内部晋升CEO,外部聘任CEO更需要通过实际行动获得内外部认可,其战略行为也更容易受到董事会、投资者和外部中介机构的关注与评价(Zhang和Rajagopalan,2010)。在外部监督较强时,仅依靠数字叙事进行战略表态难以充分建立可信度,而数字投入具有更强的成本约束、可观察性和承诺属性,更能向外部主体传递战略转向和执行能力信号。因此,若外部监督机制成立,高质量审计师监督应强化外部聘任CEO增加数字投入的倾向。
借鉴王浩军等(2023)的研究,以企业高管人数以及成员变动情况衡量高管团队稳定性。审计师监督质量以是否由国际四大会计师事务所审计衡量,是取值为1,否则为0。回归结果如表8所示。列(1)中,CEO继任来源与高管团队稳定性(STMT)的交互项为正但不显著;列(2)中,该交互项显著为正,表明高管团队稳定性强化了内部晋升CEO推动数字投入的倾向,支持了内部协同机制。列(3)中,CEO继任来源与审计师监督质量(Audit)的交互项为负但不显著;列(4)中,该交互项显著为负,表明高质量审计师监督强化了外部聘任CEO增加数字投入的倾向,说明外部监督和合法性压力促使外部聘任者更多地通过可观察、可验证的资源投入传递变革信号,支持外部监督机制。
| 变量 | 内部协同机制 | 外部监督机制 | ||
|---|---|---|---|---|
| (1) | (2) | (3) | (4) | |
| Narrative | Investment | Narrative | Investment | |
| Succession(t-1) | −0.450 | −1.408*** | 0.291** | −0.045 |
| (−0.87) | (−2.64) | (2.08) | (−0.31) | |
| STMT(t-1) | −0.134 | −0.814* | ||
| (−0.29) | (−1.71) | |||
| Succession(t-1)*STMT(t-1) | 0.736 | 1.357** | ||
| (1.22) | (2.19) | |||
| Audit(t-1) | 0.213 | 0.438*** | ||
| (1.36) | (2.72) | |||
| Succession(t-1)*Audit(t-1) | −0.210 | −0.393** | ||
| (−1.11) | (−2.02) | |||
| 控制变量 | YES | YES | YES | YES |
| 常数项 | 5.675*** | 10.338*** | 5.652*** | 9.969*** |
| (2.91) | (5.17) | (2.94) | (5.04) | |
| 年份固定效应 | YES | YES | YES | YES |
| 行业固定效应 | YES | YES | YES | YES |
| N | 20939 | 20939 | 20939 | 20939 |
| Adj.R2 | 0.015 | 0.137 | 0.015 | 0.137 |
数字化调整一致性的边界机制分析。前文结果表明,内部晋升CEO能够显著提高数字化调整一致性,即降低企业数字叙事与数字投入之间的偏离程度。进一步而言,这一作用能否实现,既取决于CEO将战略意图转化为组织行动的内部执行能力,也受到企业维持战略承诺可信度的外部压力影响。基于此,本文从CEO权力和环境不确定性两个方面展开分析。
首先,CEO权力反映其影响组织决策并推动战略执行的能力(Finkelstein,1992)。数字化调整一致性不仅要求企业提出数字化战略,还要求相应的资源投入予以支撑。由于数字化转型涉及流程重构、跨部门协调等,其推进容易受到资源约束、部门博弈和组织惯例的影响。当内部晋升CEO拥有较高权力时,其能够在数字化转型安排中发挥更大影响,降低数字叙事转化为数字投入的执行阻力(赵奇伟等,2025)。同时,内部晋升CEO熟悉企业资源基础、组织语言和协同路径,较能判断数字叙事的可执行边界。较高的CEO权力有助于将这种组织嵌入优势转化为资源配置和战略执行能力,从而促进数字叙事与数字投入相匹配。因此,CEO权力越强,内部晋升CEO对数字化调整一致性的促进作用越明显。
其次,环境不确定性反映企业外部环境的动态性和不可预测性(Duncan,1972)。在高不确定性环境下,企业战略意图更难被外部主体准确识别,数字叙事等软信息也更容易被视为低成本表达;相比之下,数字投入具有更强的可观察性、成本约束和承诺属性,能够增强战略信号的可信度(Connelly等,2011)。因此,外部主体会更加关注企业数字叙事是否得到实际投入支撑。CEO继任本身是高度可见的治理事件,容易受到董事会、资本市场及其他利益相关者的关注(Graffin等,2011)。当环境不确定性较高时,数字叙事与数字投入的明显脱节现象更容易引发外部质疑。内部晋升CEO由于更熟悉企业资源条件和执行边界,既有能力控制数字叙事的可兑现范围,也有更强的动机通过相应投入稳定内外部预期。因此,环境不确定性越高,内部晋升CEO越可能维持数字叙事与数字投入之间的一致性。
本文以总裁或总经理与董事长是否由同一人担任作为CEO权力(Duality)的代理指标。若CEO兼任董事长,则赋值为1,否则为0。同时,从行业层面衡量环境不确定性(Uncertainty),以企业所属行业过去五年营业收入增长率的波动程度作为代理指标。回归结果如表9所示。列(1)中,CEO继任来源与CEO权力的交互项系数为0.078,并在10%水平上显著,表明CEO权力越强,内部晋升CEO提升数字化调整一致性的作用越明显。列(2)中,CEO继任来源与环境不确定性的交互项系数为0.022,并在1%水平上显著,说明行业环境不确定性越高,内部晋升CEO对数字化调整一致性的促进作用越大。综上,CEO权力和环境不确定性分别从内部执行能力和外部可信度压力两个方面强化了内部晋升CEO对数字化调整一致性的影响:前者提高其将数字叙事落实为资源投入的能力,后者增强其维持数字化承诺可信度的动机。
| 变量 | (1) | (2) |
|---|---|---|
| Consistency | Consistency | |
| Succession(t-1) | 0.021 | 0.027* |
| (1.33) | (1.80) | |
| Duality(t-1) | −0.076** | |
| (−2.17) | ||
| Succession(t-1)×Duality(t-1) | 0.078* | |
| (1.92) | ||
| Uncertainty(t-1) | −0.013** | |
| (−2.08) | ||
| Succession(t-1)*Uncertainty(t-1) | 0.022*** | |
| (2.66) | ||
| 控制变量 | YES | YES |
| 常数项 | −0.598** | −0.596** |
| (−2.03) | (−2.03) | |
| 年份固定效应 | YES | YES |
| 行业固定效应 | YES | YES |
| N | 20939 | 20939 |
| Adj.R2 | 0.067 | 0.068 |
数字叙事具有成本较低、调整灵活、易于吸引外部关注和获取合法性等特点,是企业数字化转型的重要战略表达方式。但其作用具有双重性:一方面,数字叙事能够发挥意义赋予、议题塑造和组织动员功能,帮助企业解释数字化方向并凝聚共识;另一方面,当数字化能力不足或资源投入尚未跟进时,也可能演化为迎合外部期待、维持转型形象或争取资源支持的象征性表达。组织脱钩研究指出,企业可能通过强化改革叙事获取合法性和资源,却在执行层面弱化或延迟相关行动,形成“话语—实践”脱钩(Fiss和Zajac,2006;Bromley和Powell,2012)。Connelly等(2011)提出,低成本表述通常需要后续高成本行动支撑,才能保持可信度。因此,在外部主体难以直接核验数字化能力且数字投资回收周期较长时,数字叙事面临较强的可信度约束。
近年来有关数字清洗和AI清洗的研究进一步发现,企业若夸大或选择性披露数字化、AI进展,却缺乏实质行动支撑,容易形成“披露强、实质弱”的言行偏离,并引发信息质量下降等不利治理后果(Babina等,2024;Wei等,2025;Sun等,2026)。但数字叙事并不必然等同于数字清洗,企业的“说”与“做”并非简单的替代关系,外部沟通与内部行动可能共同促进无形资源积累,只是二者差距过大会损害市场价值(Tashman等,2019)。在数字化转型中,数字叙事还可能通过配置注意力、动员资源和建构意义,为后续投入创造条件。因此,“先说后做”可能反映企业先形成战略共识、吸引外部关注并动员资源,再逐步兑现数字投入的动态过程。
基于此,本文进一步检验数字叙事与数字投入之间的跨期关系。表10结果显示,数字叙事强度的提升能够显著预测后续数字投入强度增加,而在当前模型设定下,未发现数字投入对后续数字叙事的显著预测关系。这表明,数字叙事在部分企业中可能具有“战略导向—资源兑现”的动态特征。
| 变量 | 数字投入强度 | 变量 | 数字叙事强度 | ||
|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | ||
| Narrative(t-1) | 0.026*** | Investment(t-1) | 0.010 | ||
| (3.71) | (1.01) | ||||
| Narrative(t-2) | 0.024*** | Investment(t-2) | 0.008 | ||
| (3.15) | (0.75) | ||||
| 控制变量 | YES | YES | 控制变量 | YES | YES |
| 常数项 | −7.278*** | −7.042*** | 常数项 | 3.078** | 2.111* |
| (−5.84) | (−5.78) | (2.53) | (1.68) | ||
| 年份固定效应 | YES | YES | 年份固定效应 | YES | YES |
| 行业固定效应 | YES | YES | 行业固定效应 | YES | YES |
| N | 20939 | 18011 | N | 20939 | 18011 |
| Adj.R2 | 0.137 | 0.129 | Adj.R2 | 0.015 | 0.015 |
本文以2011—2024年沪深A股发生CEO继任的上市公司为样本,从“数字叙事—数字投入”两条路径刻画企业数字化行为,考察CEO继任来源对企业数字化方向和一致性的影响。研究发现,内部晋升的CEO倾向于推动数字叙事强度的增加,而外部聘任的CEO则倾向于推动企业提高数字投入强度。相比之下,内部晋升CEO与更高的数字化调整一致性显著相关。进一步分析发现,CEO继任来源对数字叙事和数字投入的影响受到内部组织条件和外部治理环境的约束。高管团队稳定性显著强化内部晋升CEO对数字投入强度的促进作用,但并未显著强化其对数字叙事强度的影响;审计师监督显著强化外部聘任CEO对数字投入强度的促进作用,但并未显著改变CEO继任来源对数字叙事强度的影响。在CEO权力较强或环境不确定性较高的情境下,内部晋升CEO在维持数字化调整一致性方面的作用更加显著。此外,本文发现数字化行为存在“先导—兑现”的跨期动态。数字叙事强度的提升能够预测数字投入强度的提高,未发现数字投入强度的提升能够显著预测后续数字叙事的增强。这一结果说明,数字叙事并非必然等同于象征性表态,也可能体现为“先说后做”,即通过叙事先行完成内部共识与外部承诺的形成,再在后续时期兑现为具体投入与行动。
本文的研究结论具有以下管理启示:第一,企业应根据CEO继任来源差异,设计差异化的数字化转型支持与约束机制。对于内部晋升CEO,其优势在于对企业文化、业务流程和组织结构高度熟悉,企业应顺势而为,重点支持其将数字叙事所表达的转型设想转化为具体资源投入与项目落地,例如通过设立数字化专项基金或试点授权机制,帮助其打通“说”与“做”之间的转化通道。对于外部聘任CEO,其价值在于带来新视野与变革动力,但也面临较高的组织融入成本。企业应主动完善跨部门协同机制、沟通反馈渠道和数字化战略语言对接流程,帮助其快速理解既有战略逻辑与组织流程,降低学习成本与执行摩擦;同时可设置过渡期内的决策支持小组,确保数字投入与企业整体数字化战略形成高效衔接。第二,企业应建立“数字叙事—资源投入”的闭环管理机制。本文发现,数字叙事的提升能够显著预测后续数字投入的增加,说明叙事不仅是象征性表达,也具有战略动员、注意力配置和资源预协调的实质性功能。为此,企业可围绕数字化战略目标,系统构建“战略表达—资源投入—项目执行—绩效反馈”的闭环流程。具体而言,在每个战略周期内,先由高层形成清晰、可理解的数字叙事;随后根据叙事中的优先事项匹配预算和资源投入;再通过关键项目将投入转化为可交付成果;最后利用绩效数据反馈修正下一轮叙事内容,确保数字化既“说得清”也“做得实”,持续提升企业的数字化调整一致性,避免战略与执行脱节。第三,监管部门和投资者应综合多维度行为指标,全面评估企业数字化转型的真实质量。在实践中,仅凭企业是否披露数字化信息或开展数字投入,往往难以判断其转型进展。评价主体可以超越单一行为视角,结合以下多个维度的信息进行综合研判,例如,可以综合考虑数字叙事的连贯性、资源投入的强度与稳定性,并结合数字化转型的绩效反馈结果(如效率提升、收入结构变化等),降低信息不对称带来的误判风险,以更准确地识别出真正推进数字化转型的企业,同时倒逼企业提升数字化行为的整体一致性与透明度。
本文仍存在以下不足,后续研究可深入拓展。首先,本文主要基于年报文本衡量数字叙事强度,并以财务报告中披露的数字化相关资产衡量数字投入强度。尽管上述指标具有较强的可比性和可操作性,但仍难以完整覆盖企业通过官网宣传、业绩说明会、投资者互动平台等渠道形成的数字叙事,也未能充分识别数字化人才、外部数字服务采购等数字投入。未来研究可结合多源文本和多维度数据,构建更全面的数字化行为指标。其次,本文采用年度指标刻画CEO继任后的企业数字化行为调整,但数字化转型具有长期性和阶段性,不同来源CEO的影响可能随任期推进而发生变化。未来研究可进一步区分继任阶段,动态考察CEO继任来源对数字叙事、数字投入及二者匹配关系的影响。最后,本文主要从CEO继任来源,即内部晋升与外部聘任,解释企业数字化行为差异。未来研究可进一步纳入CEO以及高管团队的其他特征变量,以更细致地揭示影响企业数字化行为的作用机制。