EN中文

经济地理 >

2024 , Vol. 44 >Issue 5: 33 - 42

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.05.004

区域经济与理论方法

地理位置对上市企业数字化转型的影响——基于CEO与董事长两职合一的调节效应

  • 王腾 , 1, 2 ,
  • 周海炜 1, 2 ,
  • 余菲菲 , 1, 2, ※
展开
  • 1.河海大学 商学院，中国江苏 南京 211100
  • 2.江苏省“世界水谷”与水生态文明协同创新中心，中国江苏 南京 211100
※余菲菲（1983—），女，博士，教授，研究方向为技术创新与战略管理。E-mail：

王腾（1988—），男，博士，讲师，研究方向为空间地理与组织战略。E-mail：

收稿日期: 2023-02-20

  修回日期: 2024-04-01

  网络出版日期: 2024-09-14

基金资助

江苏省社会科学基金项目(22GLD020)

中央高校基本科研业务费项目(B220201057)

江苏高校哲学社会科学研究项目(2023SJYB0036)

收起

The Influence of Geographic Location on Digital Transformation of Listed Enterprises： Based on the Moderating Effect of CEO Duality

  • WANG Teng , 1, 2 ,
  • ZHOU Haiwei 1, 2 ,
  • YU Feifei , 1, 2, ※
Expand
  • 1. Business School，Hohai University，Nanjing 211100，Jiangsu，China
  • 2. Jiangsu Provincial Collaborative Innovation Center of World Water Valley and Water Ecological Civilization，Nanjing 211100，Jiangsu，China

Received date: 2023-02-20

  Revised date: 2024-04-01

  Online published: 2024-09-14

Fold

摘要

文章基于2011—2020年中国上市企业的面板数据，结合回归分析与ArcGIS空间分析，实证检验了地理位置对企业数字化转型的影响。研究发现：①本地企业数字化密度与企业—城市空间邻近均对企业数字化转型具有显著的促进作用；②CEO两职合一可以强化本地企业数字化密度与企业—城市空间邻近对企业数字化转型的积极影响；③本地企业数字化密度与企业—城市空间邻近对数字化程度较高企业的影响更强，而对数字化程度较低企业的影响则较弱甚至不显著。此外，本地企业数字化密度对企业数字化转型的影响在东中西部地区均显著为正，而企业—城市空间邻近的积极作用仅在东部地区显著。

关键词： 空间邻近; 企业数字化密度; 两职合一; 企业数字化转型; 城市; 创新决策

本文引用格式

王腾 , 周海炜 , 余菲菲 . 地理位置对上市企业数字化转型的影响——基于CEO与董事长两职合一的调节效应[J]. 经济地理, 2024 , 44(5) : 33 -42 . DOI: 10.15957/j.cnki.jjdl.2024.05.004

Abstract

Based on the panel data of Chinese listed enterprises from 2011 to 2020,this paper empirically tests the influence of geographical location on the digital transformation of listed enterprises using the methods of regression analysis and ArcGIS spatial analysis. The findings show that: 1) The digital density of local listed enterprises and the spatial proximity distance of enterprises-main cities (SPDEC) both have a significant promoting effect on the digital transformation of listed enterprises. 2) The CEO duality can strengthen the positive impact of digital density of local listed enterprises and SPDEC on the digital transformation of listed enterprises. 3) The digital density of local listed enterprises and SPDEC have stronger influence on enterprises with high digitalization level,while the influence on enterprises with low digitalization level is weak or even insignificant. In addition,the digital density of local listed enterprises has significantly positive influence on the digital transformation of listed enterprise in eastern,central,and western regions, while the positive effect of SPDEC is only significant in the eastern region.

Key words： spatial proximity; digital density of enterprises; CEO duality; digital transformation of enterprises; city; innovation decision

随着云计算、大数据等数字技术日益融入企业运营的各领域全过程，数字化转型已成为企业生存发展的新主题和必选题。近年来，我国企业数字化转型在总体加速的同时，其转型水平也呈现明显的空间不均衡特征。以制造业为例，西部地区的企业数字化转型速度明显慢于东中部地区，而区域内各省份的企业数字化转型速度也各不相同[1]。以上迹象表明，地理位置在企业数字化转型过程中具有重要作用，成为一个值得关注的因素。
企业数字化转型指企业使用数字技术方式的变革，发展新的数字商业模式以帮助企业创造和获取更多价值[2]。企业数字化转型的核心内涵是通过数字技术和平台推动组织变革，加快产品与服务创新，并以此谋求绩效提升和持续竞争优势[3]。以人工智能、区块链、云计算、大数据为核心的数字技术应用情况，则是企业数字化转型水平的直观反映[4]。数字化转型是企业的战略决策，同时也是一项技术和社会挑战[5]。围绕企业数字化转型的影响因素，现有研究已从技术研发[6-7]、个体参与[8-9]、组织能力[10-11]、政策制度[12-14]等多个层面进行了探索。然而鲜有学者从地理层面出发，探讨企业地理位置对企业数字化转型的影响。
从空间视角来看，地理位置决定了企业与周边环境交互的基本战略空间，并通过知识资源和制度环境等影响企业战略决策[15-17]，例如企业环境责任[18]、绿色创新[19]等。根据Tobler的地理学第一定律[20]，“万物皆相关，而相近事物的关联更紧密”。企业与主要城市和其他企业的空间关系，共同决定了当地的知识资源和制度环境，以及对其数字化转型的影响强弱。深入分析地理位置对企业数字化转型的影响，有利于在宏观层面制定更具针对性的政策，提振落后地区企业的数字化转型水平，推动我国企业数字化转型全面发展。
对地理位置与企业数字化转型关系的考察，可以从两类本地要素与企业的空间关系出发：一是周边企业数字化转型密度对焦点企业（focal firm）的影响，这通常源自当地企业形成的“同群效应”[21]；二是与主要城市的空间邻近对企业数字化转型的影响，这往往与主要城市的知识资源和制度环境相关联[17]。在此基础上，本研究提出本地企业数字化密度、企业—城市空间邻近2个地理变量，以便深入分析地理位置对企业数字化转型的影响。此外，在地理位置对企业战略决策的影响研究中，相关文献多集中在区域、组织等宏观层面探讨情境因素，例如机构投资者[22]、区域污染[19]、居民收入[23]和国有制[17]等，而较少关注企业管理者等微观层面的情境因素。特别是作为影响企业创新性决策的关键治理安排[24]，CEO（Chief Executive Officer，首席执行官）两职合一（即CEO同时担任董事长职务）在地理位置对企业数字化转型影响中的情境作用值得关注。两职合一允许CEO在战略决策时拥有更大自主权[25]，从而改变外部因素对企业战略决策的影响效果[26]；两职合一能在减少CEO短视的同时提高CEO决策效率[27]，可以强化地理位置对企业数字化转型的促进作用。因此，本研究将CEO两职合一纳入分析框架，有助于理解地理位置对企业数字化转型的权变性影响，从而进一步强化地理位置的积极作用。
基于此，本研究根据2011—2020年A股企业样本，考察本地企业数字化密度、企业—城市空间邻近2个地理变量对企业数字化转型的影响，并进一步检验CEO两职合一的调节作用。研究结论可为企业数字化转型空间差异的形成机理提供理论解释，并为推动落后地区企业数字化转型提供决策参考。

1 理论基础与研究假设

1.1 本地企业数字化密度与企业数字化转型

在地理位置对企业决策的影响中，本地密度是重要的地理变量。空间相邻的企业会形成社区同群（Community Peers）并在行为决策上相互影响[22]。以环境治理为例[28]，当地参与环境治理企业的数量和程度增加时，环境治理这项决策的本地密度就会增大并推动其他企业模仿参与。参考Sorenson等的本地密度概念[29]，本研究将本地企业数字化密度的内涵定义为“焦点企业总部周边一定地理区域内，其他企业开展数字化转型的普及程度和深度”。当邻近企业参与数字化转型的数量或程度增加，本地企业数字化密度也随之增大。
本地企业数字化密度对企业数字化转型的影响源自“同群效应”，即群体成员相互模仿产生的行为趋同[30]。从空间社会学和经济地理学视角来看，这种同群效应主要基于制度同构、知识溢出和竞争性模仿。首先，在制度同构的逻辑下，本地企业数字化密度的增加，意味着企业数字化转型的合法性得到增强[3]。为避免与本地同群企业的战略背离而损害组织合法性，焦点企业会模仿本地多数企业决策而采取数字化转型。其次，从知识溢出的角度来看，企业数字化转型同时涉及技术与管理转型，因而需要大量相关知识的指导。在数字化密度较高的地区，不同行业密集的转型实践提供了大量学习样本[31]。同时，企业集聚也为管理者的交流互动提供便利[32]，因而推动企业数字化转型知识的溢出。相关知识的指导有助于企业数字化转型实现降本增效，进而更积极地参与转型活动。最后，竞争性模仿也是本地企业数字化密度驱动企业数字化转型的关键因素。同群企业面临相似的市场环境和政策供给（例如技改补贴等），这些共同的背景条件也催生了它们之间的竞争关系。在此情境下，模仿其他企业的战略决策就成为维持竞争均势的重要策略[30]。
综上分析，本文提出假设1。
假设1：本地企业数字化密度对企业数字化转型具有积极影响。

1.2 企业—城市空间邻近与企业数字化转型

主要城市作为政治、经济和文化中心，聚集了政府部门、新闻媒体、大学高校、科研机构等各类主体[33]，并共同影响企业决策[16]。根据地理学第一定律，“万物皆相关，而相近事物的关联更紧密”[20]。与主要城市的空间邻近则决定了这些主体对企业数字化转型影响的强弱。借鉴Boschma对空间邻近的定义[34]，将企业—城市空间邻近定义为“企业与距离最近主要城市的地理距离”。基于合法性和效率性视角，下文将探讨企业—城市空间邻近对企业数字化转型的影响。
从合法性视角来看，主要城市内聚集的利益相关者通过政策法规、舆论监督方式形成更加完善的本地制度体系，促使企业为了获取合法性参与数字化转型[14]。规制制度方面，主要城市不仅拥有更加完善的法律法规、政策标准，例如广州市颁布的《广州市数字经济促进条例》。同时靠近主要城市的企业也更容易受到关注，并承受更强的规制压力。规范制度方面，政府、媒体、高校等对“数字化转型”的密集关注，强化了这一决策在主要城市的规范合法性，并通过新闻报道、校企合作、教育培训等方式扩散。认知制度方面，邻近主要城市中心的企业分布相对密集[35]，且更容易受法规政策、社会规范等其他制度因素的叠加影响[15,23]，因此形成当地企业对数字化转型的普遍参与。在此过程中，当地对企业数字化转型的认知合法性不断强化，并促进其他企业参与。
从效率性视角来看，主要城市不仅在资源、劳工和交通等方面具有优势，还能给企业提供获取数字化技术和知识的机会。主要城市是高水平大学、科研机构以及企业的总部聚集地[35]，这些组织可为企业提供数字化转型相关的管理和技术知识。距离较近的企业在获取信息、资源和人力等方面更具优势[36]，更容易获得数字化转型的效率提升。基于成本—收益分析，企业在活动的成本效率提高时倾向于更积极参与[37]。因此，邻近主要城市的企业在效率提升后，将更积极地投入数字化转型。
综上分析，本文提出假设2。
假设2：企业—城市空间邻近对企业数字化转型具有积极影响，距离主要城市较近的企业受到影响更强。

1.3 两职合一的调节作用

地理位置对企业数字化转型的影响，涉及一系列内部决策流程，并受制CEO权力结构的调节作用。在两职合一的情况下，CEO拥有更大的自主权来制定创新决策并推动组织变革[25]，这对企业应对数字化转型过程中的成本和风险至关重要。两职合一有助于减少CEO短期行为并避免多重结构对决策效率的掣肘[26,38]，从而在动机和效率两方面强化地理位置对企业数字化转型这一战略决策的积极作用。
从转型动机来看，两职分离的CEO往往面临更强的董事会监督以及更严苛的财务目标。考核压力会迫使CEO以短期目标为导向，并尽量避免风险较大的创新性决策[27]。相反，两职合一的CEO在短期考核目标和就业风险方面的压力较小，有助于提高CEO风险承担能力并推动管理层通过创新性决策[39]。因此，在面对本地同群企业和主要城市就数字化转型施加的制度压力时，两职合一的CEO更倾向于承担风险，推动企业参与数字化转型，因而加强了地理位置对企业数字化转型的促进作用。
从转型效率来看，两职分离CEO在管理自决权上相对受限。因此在推动创新决策，如企业数字化转型时，他们需要投入更多时间和精力来说服董事会。相比之下，当CEO担任董事长时，其推动创新性决策的难度显著降低。例如管理者认知对企业开放式创新影响的研究表明，CEO两职合一有助于提升管理者的决策效率[24]。因此，在应对本地企业数字化密度或主要城市的影响时，两职合一的CEO能够更迅速地响应数字化转型的技术与管理需求，进而推动企业数字化转型进程。综上分析，本文提出假设3。
假设3a：对于CEO两职合一的企业，本地数字化密度对企业数字化转型的促进作用相对较强。
假设3b：对于CEO两职合一的企业，企业—城市空间邻近对企业数字化转型的促进作用相对较强。

2 研究设计

2.1 样本选取与数据来源

本文以2011—2020年中国A股上市公司为研究对象。样本整理过程中剔除了ST和*ST公司（Special Treatment，特殊处理），以及部分数据缺失严重的企业。企业数据来自国泰安数据库，区域数据来自《中国统计年鉴》。据统计，2021年我国上市公司营收共64.97万亿元，占全年GDP的56.81%，同时上市企业研发投入占全国研发支出的50%。因此，上市企业在数字化转型方面拥有更强的能力和意愿，作为研究对象具有较好的代表性。为确保研究结果的全面性，本研究参考吴非、黄大禹等的方法[4,40]，没有根据数字化转型水平来筛选样本企业。因此，研究样本中包含了数字化得分为0的上市企业。最终，将数字化转型等数据与企业地理坐标匹配后，共获得7509个观测值。
在选择主要城市时，参考Lin等的研究方法[41]，将北京、上海、广州和深圳4个一线城市、直辖市以及其他省会城市定义为主要城市。表1显示，广东、北京、江苏、浙江、上海5省市的企业样本在总数中占比达67.42%，这反映出企业数字化水平存在地域差异，其中经济发达地区在企业数字化转型方面具有明显优势。
表1 样本分布情况

Tab.1 Sample distribution

所在区域 样本量（个） 百分比（%） 累计百分比（%） 数字化均分
广东省 1794 23.89 23.89 23.96
北京市 1088 14.49 38.38 30.86
江苏省 752 10.01 48.39 16.28
浙江省 731 9.73 58.12 21.73
上海市 698 9.30 67.42 19.99
四川省 237 3.16 70.58 18.18
湖南省 231 3.08 73.66 11.59
安徽省 206 2.74 76.40 15.18
湖北省 198 2.64 79.04 15.56
福建省 183 2.44 81.48 27.08
河南省 147 1.96 83.44 31.08
其他省（自治区、直辖市） 1244 16.56 100.00 14.39

2.2 变量测量

2.2.1 被解释变量

企业数字化转型（Digital）是本研究的被解释变量。测量方法借鉴吴非、黄大禹等的研究成果[4,40]，围绕人工智能、区块链、云计算、大数据等底层技术应用以及技术实践应用，归纳整理数字化转型的特征词库。对特征词进行搜索、匹配和词频计数，进而分类归集关键技术方向的词频并形成最终的加总词频，并对总词频加1后取对数。图1为我国上市企业数字化得分的空间分布情况，从中看出企业数字化转型水平在空间上存在不均衡分布。特别是沿海地区强于非沿海地区、东部地区强于中西部地区。此外，数字化转型较为活跃的企业主要集聚在北京、上海、广州、深圳等主要城市。
图1 2020年中国上市企业数字化得分空间分布

注：基于自然资源部标准地图服务网站审图号为GS（2023）2767号的标准地图制作。

Fig.1 Spatial distribution of digitization scores of listed companies in China (2020)

2.2.2 解释变量

在研究地理位置对企业数字化转型的影响时，主要考虑了2种空间邻近关系：本地企业数字化密度和企业—城市空间邻近，这也是本研究的主要解释变量。在确定企业地理位置时，参照国内外相关研究，将企业总部所在地作为其地理位置的衡量标准[15,35]，对其生产工厂或分支机构不纳入考虑。
企业地理位置坐标数据获取于国泰安数据库，并通过ArcGIS软件计算2种主要解释变量。其中，本地企业数字化密度（Density）的测量方法参考Husted等[21]，计算焦点企业半径5 km范围内其他企业的数字化得分均值。首先确定焦点企业周边5 km范围内的企业数量，然后将这些企业的数字化转型得分相加并除以企业数量，得到的均值即为该区域的本地企业数字化密度。企业—城市空间邻近以地理位置与主要城市距离（Distance）作为代理变量。

2.2.3 调节变量

CEO两职合一（Dual）。参考相关研究[38]，CEO和董事长由同一人担任时赋值为1，否则为0。

2.2.4 控制变量

为提高结论可靠性，本研究加入了一系列控制变量。在企业层面，控制变量包括企业年龄（Age）、规模（Size，公司总资产对数化处理）、总资产回报率（ROA）、资产负债率（Lev）、现金流强度（Cash）、董事会规模（Board）以及是否为国有企业（SOE）。在省级层面，包括规模以上工业企业研发项目数（R&D）和普通高等学校数（Univ）。这2个指标通常被视为区域创新能力的重要标志[42]，为企业数字化转型提供了技术基础。最后，为了控制时间效应和行业差异，引入年份（YearDum）和行业（IndDum）的虚拟变量。

2.3 模型设定

为检验地理位置对企业数字化转型的影响，以及两职合一的调节作用，研究设定相应回归模型。
D i g i t a l i , t = β 0 + β 1 D e n s i t y i , t + β 2 D e n s i t y i , t · D u a l i , t + β 3 F I R M     C O N T R O L S i , t + β 4 P R O V I N C E     C O N T R O L S i , t + ∑ Y E A R + ∑ I N D + ε i , t
式中：Digitali，t代表企业i第t年的数字化转型程度；Densityi，t代表企业i第t年的当地企业数字化平均水平；Distancei，t代表企业i在第t年与最近主要城市的地理距离；FIRM CONTROLSi，t代表企业层面控制变量；PROVINCE CONTROLSi，t代表企业i所在省份的省级层面控制变量；β表示各待估参数；εi，t为随机误差项。此外，本研究还控制了时间（YEAR）和行业（IND）的虚拟变量以吸收固定效应。
模型（1）检验本地企业数字化密度对企业数字化转型的影响及两职合一的调节作用。为了消除个体和年份差异性的影响，采用个体时间双固定效应模型估计。各参数均报告了个体聚类稳健标准误调整后的t统计量。
D i g i t a l i , t = β 0 + β 1 D i s t a n c e i , t + β 2 D i s t a n c e i , t · D u a l i , t + β 3 F I R M   C O N T R O L S i , t + β 4 P R O V I N C E   C O N T R O L S i , t + ∑ Y E A R + ∑ I N D + ε i , t
模型（2）检验企业—城市空间邻近对企业数字化转型的影响及两职合一的调节作用。借鉴颜琪、Zamir等的研究[17,23]，采用混合最小二乘回归模型进行分析。企业总部位置的选择通常是基于多重战略因素的综合考虑[43]，并不容易受某一项决策的反向影响。在企业社会责任研究中，地理位置对企业决策的单向影响已得到证实[15,17,23]。基于此，本研究推断企业数字化转型不会反向影响其地理位置，这让模型能有效抵抗潜在的内生性问题。最后，为控制组间相关的干扰，参考Husted等采用个体与时间的双重聚类稳健标准误[15]对t统计量进行调整。

3 实证结果分析

3.1 描述性统计与相关性

描述性统计结果见表2。数字化转型（Digital）的均值为2.183，最大值为6.068，最小值为0，反映了样本企业间数字化转型水平存在显著差异。企业总部与主要城市的距离（Distance），均值为32.270 km，标准差为37.205 km，说明不同企业与主要城市的距离差异很大。本地企业数字化密度（Density）的最小值和最大值分别为0.693和5.697，说明不同地区企业数字化水平的不均衡。CEO两职合一（Dual）均值为0.305，说明多数样本企业的CEO未兼任董事长。
表2 描述性统计

Tab.2 Descriptive statistics

变量 样本量（个） 均值 标准差 最小值 最大值
Digital 7509 2.183 1.351 0.000 6.068
Distance 7509 32.270 37.205 0.163 149.983
Density 7509 2.645 0.868 0.693 5.697
Dual 7406 0.305 0.461 0.000 1.000
SOE 7509 0.292 0.455 0.000 1.000
Cash 7509 0.043 0.071 -0.650 0.874
Size 7509 22.402 1.423 17.954 31.138
Age 7509 2.878 0.348 1.099 3.989
Board 7506 2.118 0.209 1.386 2.890
R&D 7509 9.998 1.161 3.466 11.791
Univ 7509 4.680 0.372 1.946 5.118
本研究进一步分析了各变量的相关系数 ① 。结果显示各主要变量均与企业数字化转型（Digital）显著相关。其中，企业数字化转型与企业—主要城市距离（Distance）负相关，与本地企业数字化密度（Density）和两职合一（Dual）均正相关。此外，相关系数未出现极端值，VIF分析也表明不存在多重共线性问题。

3.2 回归分析

表3汇报了本地企业数字化密度对企业数字化转型的回归结果，包括本地企业数字化密度对企业数字化转型的影响[模型（1）]，两职合一的调节作用[模型（2）]，以及本地企业数字化密度对企业不同领域数字化转型的影响[模型（3）~（6）]。其中，模型（1）结果表明当地企业数字化密度对企业数字化转型具有积极作用（β=0.755，p<0.01），证实H1成立；模型（2）结果表明对于CEO两职合一的企业，本地企业数字化密度对企业数字化转型的积极作用更强（β=0.066，p<0.05），证实H3a成立。
表3 本地企业数字化密度对企业数字化转型的回归结果

Tab.3 Regression results of digital density of local enterprises on the digital transformation of enterprises

主效应
（1）		 调节效应
（2）		 人工智能
（3）		 区块链
（4）		 云计算
（5）		 大数据
（6）
Density 0.755*** 0.752*** 0.268*** 0.014** 0.425*** 0.090***
Density·Dual 0.066**
Dual -0.010 -0.015 0.015 -0.003 0.044 0.014
Lev -0.030 -0.031 -0.090 -0.041 0.042 0.043
ROA 0.048 0.051 -0.122 -0.067 0.104 0.073
Cash -0.081 -0.080 0.074 -0.148*** -0.276* 0.009
Size 0.228*** 0.228*** 0.233*** 0.007 0.139*** 0.096***
Age 0.159 0.145 0.935*** 0.208** 0.140 0.448**
Board 0.277*** 0.280*** 0.054 -0.020 0.306*** 0.064
SOE -0.082 -0.080 -0.140 0.013 -0.090 0.033
R&D 0.030 0.030 -0.174** 0.015 0.061 -0.113**
Univ 0.410 0.399 0.500 0.068 -0.120 0.365
Constant -5.950*** -5.877*** -8.010*** -1.072 -3.352 -3.934***
YearDum Yes Yes Yes Yes Yes Yes
N 7403 7403 7403 7403 7403 7403
Adj.R² 0.443 0.444 0.378 0.034 0.244 0.098

注：***、**、*分别表示在1%、5%和10%水平上显著。表4~表8同。

模型（3）~（6）检验本地企业数字化密度对人工智能、区块链、云计算、大数据等不同领域数字化转型的影响。这4项技术是企业数字化转型的核心内容，但在具体应用场景方面存在差异[4]。其中，人工智能推动企业自动化和效率提升，区块链增强交易环境的透明度和安全性，云计算通过灵活的数据处理方式降低硬件成本，大数据技术则提升企业的预测能力和信息处理速度。考虑到4项数字技术的应用范围和门槛各不相同，因此预期本地企业数字化密度对其影响也有所不同。结果表明，本地企业数字化密度促进了不同领域的数字化转型，特别是在云计算技术方面（β=0.425，p<0.01），对区块链技术应用的促进则较弱（β=0.014，p<0.05），因此本研究将这种差异归结于技术成熟度、应用广泛性等因素。相较其他数字技术，云计算技术发展较早、应用场景广泛，同时入手难度较低、所需投资也较少，因此在面对本地企业数字化密度的影响时，企业更倾向于从云计算技术着手开始数字化转型。
表4报告了企业—城市空间邻近对企业数字化转型的回归结果。根据相关研究，主要城市对周边企业的影响通常存在有限的辐射范围[23]。根据住建部发布的《2022年度中国主要城市通勤监测报告》，我国重点城市“通勤半径”平均为40 km。《报告》指出，通勤半径反映城市紧密通勤联系的空间范围，一定程度上体现城市的辐射能力[44]。因此，本研究以企业距离主要城市40 km为条件进行分组回归，从而考察主要城市对周边企业数字化转型的辐射效应和范围。
表4 企业—城市空间邻近对企业数字化转型的回归结果

Tab.4 Regression results of SPDEC on the digital transformation of enterprises

DIST≤40 km
（1）		 DIST≤40 km
（2）		 DIST≤40 km
（3）		 DIST>40 km
（4）		 DIST>40 km
（5）
Distance -0.039** -0.031* -0.035** 0.035 0.039
Distance·Dual -0.064* -0.078
Density 0.623*** 0.623*** 0.884*** 0.884***
Dual 0.057* 0.069** 0.045 -0.017 0.102
Lev -0.329*** -0.162** -0.158* -0.344*** -0.344***
ROA -0.160 -0.125 -0.118 -0.253 -0.242
Cash -1.038*** -0.778*** -0.761*** -0.069 -0.082
Size 0.094*** 0.073*** 0.073*** 0.083*** 0.082***
Age -0.161*** -0.101** -0.097** -0.080* -0.078
Board -0.012 0.056 0.056 -0.045 -0.047
SOE -0.229*** -0.140*** -0.140*** -0.081** -0.081**
R&D 0.085*** 0.052*** 0.052*** -0.038** -0.035**
Univ 0.026 -0.036 -0.038 -0.014 -0.026
Constant -0.551 -1.238*** -1.247*** -0.620* -0.578
YearDum Yes Yes Yes Yes Yes
IndDum Yes Yes Yes Yes Yes
N 5617 5617 5617 1786 1786
Adj.R² 0.284 0.415 0.415 0.696 0.696
研究发现，对于距离主要城市40 km以内的企业，地理距离与数字化转型负相关。即离主要城市越近，企业数字化转型越积极[模型（1），β=-0.039，p<0.01]。在控制了本地企业数字化密度后，这一关系仍然显著[模型（2），β=-0.031，p<0.1]。此外，CEO两职合一可以加强主要城市空间邻近对企业数字化转型的积极影响[模型（3），β=-0.064，p<0.1]。因此H2和H3b均得到证实。相比之下，对于距离主要城市40 km以外的企业，地理距离对数字化转型的影响和CEO两职合一的调节作用均不显著，表明主要城市对企业数字化转型影响的辐射范围有限。
此外，相较于国外数字化转型，我国主要城市对企业的影响范围相对有限，如在美国，主要城市对企业社会责任的影响范围可超过100 km[15,23]。这一差异可能源于两方面：①与欧美成熟的企业社会责任体系相比，我国主要城市在企业数字化政策、技术和人才培养方面还处于发展初期；②中美城市在交通模式和空间布局上存在差异，以私人汽车为主的美国城市规划导致其影响半径更广。

3.3 内生性与稳健性检验

为了确保分析结果的可靠性，本研究对地理位置影响企业数字化转型的内生性和稳健性进行了检验。
在内生性方面，考虑到本地企业数字化密度对企业数字化转型的影响可能受共同的经济、制度背景，而非企业间的直接影响[45]，本文借鉴Leary等的研究[30]，使用同群企业股票特质收益率作为工具变量。这一工具变量与焦点企业的数字化转型无关，但与同群企业的数字化转型相关，满足工具变量的要求。本研究使用焦点企业周围5 km范围内企业股票特质收益率的均值（Density_rev）作为工具变量。2SLS回归结果见表5，Density的回归系数在1%水平下显著，说明本地企业数字化密度有效地促进了焦点企业的数字化转型。
表5 本地企业数字化密度对企业数字化转型的内生性与稳健性检验

Tab.5 Endogeneity and Robustness tests of the digital density of local listed enterprise on the digital transformation of enterprises

内生性检验 稳健性检验
（1） （2） （3） （4） （5）
Density 1.546***
Density 0.743***
Density·Dual 0.079***
Density_3 km 0.806***
Density_3 km·Dual 0.052**
Density_region 0.544***
Density_region·Dual 0.115***
L.Density 0.355***
L.Density·Dual 0.064*
Controls Yes Yes Yes Yes Yes
YearDum Yes Yes Yes Yes Yes
N 6422 7403 7403 7403 5288
在稳健性方面，模型（2）使用Tobit模型替换OLS模型，结果依然显著。模型（3）以3 km半径的数字化密度（Density_3 km）代替原先5 km半径的数字化密度为解释变量，模型（4）以企业所在行政区域的数字化密度（Density_region）为解释变量。最后，模型（5）引入了本地企业数字化密度的一期滞后项（L.Density）。在以上模型中，核心结论均得到了验证，表明研究结论具有较好的稳健性。
表6汇报了企业与主要城市空间邻近对企业数字化转型影响的稳健性检验结果。模型（1）（2）使用Tobit方法代替OLS进行检验，其中模型（1）为距离主要城市小于40 km的样本，模型（2）为距离主要城市大于40 km的样本。模型（3）~（5）通过替换解释变量进行检验，分别考虑企业距离主要城市小于3 km、5 km和6 km的情况。检验结果表明，邻近主要城市对企业数字化转型有积极影响，而CEO两职合一的企业所受影响更强。
表6 企业—城市空间邻近对企业数字化转型的稳健性检验

Tab.6 Robustness tests of SPDEC on the digital transformation of enterprises

替换估计模型 替换解释变量
（1） （2） （3） （4） （5）
Distance -0.035** 0.039
Distance·Dual -0.064* -0.078
Proximity_3 km 0.111**
Proximity_3 km·Dual 0.435***
Proximity_5 km 0.103***
Proximity_5 km·Dual 0.268***
Proximity_6 km 0.056
Proximity_6 km·Dual 0.207***
Controls Yes Yes Yes Yes Yes
YearDum Yes Yes Yes Yes Yes
IndDum Yes Yes Yes Yes Yes
N 5617 1786 7403 7403 7403

4 影响差异分析

4.1 不同数字化程度下的影响差异

样本数据表明，除少数领先企业外，多数企业的数字化转型水平较低。为全面分析地理位置对不同数字化水平企业的影响，本研究采用分位数回归。表7结果显示，从15分位到90分位，本地企业数字化密度对企业数字化转型的影响逐步增强。同时，企业与城市距离的影响在70分位之后开始显著并逐渐加强。这表明地理位置对企业数字化转型的影响在不同分位上存在差异。此外，随着数字化分位的提高，地理位置对企业数字化转型的正向作用并未减弱，表明其影响仍有增长空间。
表7 地理位置对企业数字化转型的分位数回归

Tab.7 Quantile regression of geographic location on the digital transformation of enterprises

OLS
（1）		 q10
（2）		 q30
（3）		 q50
（3）		 q70
（3）		 q90
（3）
Density 0.623*** 0.204*** 0.473*** 0.692*** 0.914*** 1.070***
Distance -0.031* 0.019 0.036* 0.012 -0.030** -0.098***
Controls Yes Yes Yes Yes Yes Yes
YearDum Yes Yes Yes Yes Yes Yes
IndDum Yes Yes Yes Yes Yes Yes
A d j .   R ² P s e u d o   R ² 0.415 0.353 0.399 0.418 0.403 0.372
N 5617 5788 5788 5788 5788 5788
分析显示，在企业与主要城市的空间邻近对企业数字化转型的影响中，数字化水平较高的企业受到的促进作用更强。可能原因是：①数字化水平较高的企业通常具备较强的技术应用能力，能更有效地利用主要城市提供的数字技术和知识资源[46]，加速其数字化转型。②这些企业能更好地适应主要城市的数字化转型制度，与政府和行业组织等建立良好关系，从而获得如投资激励、税收优惠等资源和机会。因此，相比数字化水平较低的企业，数字化水平较高的企业能从与主要城市的空间邻近中获得更多益处，有助于推进其数字化转型进程。

4.2 不同区域下的影响差异

样本数据表明企业数字化转型水平存在区域差异。因此在不同地区，地理位置对企业数字化转型的影响差异也就成为值得探究的问题。根据国家统计局的经济地带划分，本研究对样本企业按东、中、西部地区进行分组回归（表8）。结果显示，对于企业数字化转型，东、中、西部地区的本地企业数字化密度均有显著正向影响，而企业—城市空间邻近的积极作用仅在东部地区显著。
表8 地理位置对企业数字化转型的分地区回归

Tab.8 Regression of geographical location to the digital transformation of enterprises under different regions

东部地区
（1）		 中部地区
（2）		 西部地区
（3）
Density 0.652*** 0.611*** 0.635***
Distance -0.042** 0.055 0.027
Controls Yes Yes Yes
YearDum Yes Yes Yes
IndDum Yes Yes Yes
A d j .   R ² P s e u d o   R ² 0.401 0.419 0.580
N 4253 804 560
同时，上述结果还表明在不同地区内部，企业与主要城市空间邻近对企业数字化转型的影响存在差异。本研究认为此差异源自技术、政策和市场等多重因素：①东部地区的数字基础设施相较于中西部更加完备，为数字技术发展和应用提供了较强的区位优势[1]。由于主要城市是资源、技术和人才的集聚地[15]，因而东部地区的主要城市对企业数字化转型的促进作用更显著。②相比中西部地区，东部地区地方政府的产业支持政策更有力[47]，有助于推动企业数字化转型。③东部地区的市场竞争机制更加完善，可以促进企业数字化转型[48]。因此，综合来说，东部地区的主要城市能更有效地促进周边企业的数字化转型。

5 结论与启示

5.1 主要结论

本研究结合空间分析与回归分析，基于2011—2020年中国上市企业样本，实证检验了地理位置对企业数字化转型的影响及CEO两职合一的调节效应。研究结论如下：①本地企业数字化密度和企业—城市空间邻近均可以促进企业数字化转型，而CEO两职合一可以强化这两种地理变量对企业数字化转型的积极作用。②进一步研究发现，对于数字化水平较高的企业，本地企业数字化密度与企业与城市空间邻近对其影响更强。③企业—城市空间邻近对企业数字化转型的积极作用仅在东部地区显著，而本地企业数字化密度在东、中、西部地区均有积极影响。

5.2 理论贡献

本研究理论贡献主要有2点：①除了技术因素[7]、个体因素[9]、组织因素[11]以及政策因素[14]外，本研究将空间视角引入企业数字化转型的影响因素研究，考察本地密度和空间邻近2个地理变量对企业数字化转型的影响。研究发现，本地企业数字化密度和企业—城市空间邻近对企业数字化转型具有显著促进作用，这不仅从空间层面拓展了企业数字化转型研究的维度，而且从组织层面为企业数字化转型的空间不均衡现象提供了新的理论解释。②作为经济地理学和空间社会学的交叉领域，空间视角下的组织战略研究主要聚焦于发掘地理因素及其对企业决策的直接影响[15,19,28]，而较少关注可能的情境因素[23]。本研究从领导权结构配置的角度出发，提出并检验了CEO两职合一的情境作用，揭示了不同CEO两职状态下地理位置对企业数字化转型的权变性影响。通过引入这一管理者层面的情境因素，不仅加深了对地理位置与企业数字化转型关系的理解，也为研究地理因素对其他组织战略的影响提供了视角启发。

5.3 对策建议

①各级政府应认识到主要城市对周边企业的辐射作用。借鉴东部地区城市在推动企业数字化转型的成功经验，结合当地情况完善政策法规；加强数字技术资源的建设，促进数字产业化与产业数字化的协同发展，从而营造有利于企业转型的环境。同时，企业应积极利用主要城市的数字技术资源和支持政策。要通过与大学和科研机构合作，培养专业的数字化人才，为企业的转型提供必要的技术和人力支持。
②政府部门应重视高水平企业在数字化转型中的引领作用。通过政策激励和构建平台，引导这些领先企业发挥示范效应，带动其他企业共同转型；鼓励它们成为“头雁”，形成“头雁带领群雁、群雁循序前进”的良性共生体系。同时，企业本身也应积极利用社区同群网络，加强与本地其他企业的交流与合作。通过学习转型技术和经验，企业可以更有效地应对数字化转型过程中遇到的困难和挑战。
③企业在数字化转型过程中应充分认识到CEO两职合一对提高转型效率和效果方面的重要性。特别是对于CEO与董事长职位分离的企业，应考虑在数字化转型的关键环节赋予CEO更多的管理自决权，这样做可以增加企业在数字化转型相关决策上的灵活性和长远视野。通过给予CEO更大的决策自由度，企业能更有效利用其地理位置的优势，从而更有效地推动数字化转型进程。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王守义, 刘柄呈. 制造业企业数字化转型的区域差异及其动态演进[J]. 统计与信息论坛, 2023, 38(7):32-45.

[2]
Verhoef P C, Broekhuizen T, Bart Y, et al. Digital transformation:A multidisciplinary reflection and research agenda[J]. Journal of Business Research, 2021, 122:889-901.

[3]
陈庆江, 王彦萌, 万茂丰. 企业数字化转型的同群效应及其影响因素研究[J]. 管理学报, 2021, 18(5):653-663.

[4]
吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021, 37(7):130-44.

[5]
吴江, 陈婷, 龚艺巍, 等. 企业数字化转型理论框架和研究展望[J]. 管理学报, 2021, 18(12):1871-1880.

[6]
Vial G. Understanding digital transformation:A review and a research agenda[J]. Managing Digital Transformation,2021:13-66.

[7]
郑琼洁, 姜卫民. 数字经济视域下制造业企业数字化转型研究——基于企业问卷调查的实证分析[J]. 江苏社会科学, 2022(1):137-149.

[8]
Kozanoglu D C, Abedin B. Understanding the role of employees in digital transformation:Conceptualization of digital literacy of employees as a multi-dimensional organizational affordance[J]. Journal of Enterprise Information Management, 2020, 34(6):1649-1672.

[9]
Matarazzo M, Penco L, Profumo G, et al. Digital transformation and customer value creation in Made in Italy SMEs:A dynamic capabilities perspective[J]. Journal of Business Research, 2021, 123:642-656.

[10]
Siachou E, Vrontis D, Trichina E. Can traditional organizations be digitally transformed by themselves?The moderating role of absorptive capacity and strategic interdependence[J]. Journal of Business Research, 2021, 124:408-421.

[11]
Porfírio J A, Carrilho T, Felício J A, et al. Leadership characteristics and digital transformation[J]. Journal of Business Research, 2021, 124:610-629.

[12]
何帆, 刘红霞. 数字经济视角下实体企业数字化变革的业绩提升效应评估[J]. 改革, 2019(4):137-48.

[13]
Lotriet R, Kokotwane D K. An assessment of perceptions concerning digital transformation at a South African commercial bank-a case of Anthropocene denial for the economy ?[J]. Tydskrif vir Geesteswetenskappe, 2020, 60(3):687-707.

[14]
应瑛, 张晓杭, 孔小磊, 等. 制度视角下的制造企业数字化转型过程:一个纵向案例研究[J]. 研究与发展管理, 2022, 34(1):8-20.

[15]
Husted B W, Jamali D, Saffar W. Near and dear?The role of location in CSR engagement[J]. Strategic Management Journal, 2016, 37(10):2050-2070.

[16]
王腾, 周海炜, 田鸣. 企业地理位置对企业社会责任的合法化作用机制研究[J]. 河海大学学报:哲学社会科学版, 2019(4):66-73.

[17]
颜琪, 赵自强. 地理位置对企业社会责任披露的影响——基于A股上市公司的经验证据[J]. 世界地理研究, 2021, 32(8):126-138.

[18]
Leal A R, Husted B W, Segovia M F. Environmental performance spillovers among Mexican industrial facilities:The case of greenhouse gases[J]. Journal of Business Research, 2021, 135:711-720.

[19]
Hu C, Mao J, Tian M, et al. Distance matters:Investigating how geographic proximity to ENGOs triggers green innovation of heavy-polluting firms in China[J]. Journal of Environmental Management, 2021,279:111542.

[20]
Tobler W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(sup1):234-240.

[21]
Husted B W, Montiel I, Christmann P. Effects of local legitimacy on certification decisions to global and national CSR standards by multinational subsidiaries and domestic firms[J]. Journal of International Business Studies, 2016, 47(3):382-397.

[22]
Singh S, Khare A, Pandey S K, et al. Industry and community peers as drivers of corporate social responsibility in India:The contingent role of institutional investors[J]. Journal of Cleaner Production, 2021,295:126316.

[23]
Zamir F, Saeed A. Location matters:Impact of geographical proximity to financial centers on corporate social responsibility (CSR) disclosure in emerging economies[J]. Asia Pacific Journal of Management, 2020, 37(1):263-95.

[24]
李云健, 张振刚, 李莉, 等. 管理者认知、开放式创新与企业成长——两职合一的调节作用[J]. 科技进步与对策, 2021, 38(8):86-93.

[25]
刘良灿, 宁鑫, 吕潮林. CEO开放性促进了企业创新吗?——基于创业板上市公司的实证研究[J]. 经济与管理评论, 2018, 34(2):82-93.

[26]
Krause R, Semadeni M, Cannella Jr A A. CEO duality:A review and research agenda[J]. Journal of Management, 2014, 40(1):256-86.

[27]
Li M, Yang J. Effects of CEO duality and tenure on innovation[J]. Journal of Strategy and Management, 2019, 12(4):536-552.

[28]
Deboer J, Panwar R, Rivera J. Toward a place-based understanding of business sustainability:The Role of green competitors and green locales in firms' voluntary environmental engagement[J]. Business Strategy and the Environment, 2017, 26(7):940-955.

[29]
Sorenson O, Baum J A C. Editors' Introduction:Geography And Strategy:The Strategic Management of Space And Place[C]// Baum J A C,Sorenson O(Ed.). Geography and Strategy (Advances in Strategic Management,Vol. 20). Leeds: Emerald Group Publishing Limited, 2003:1-19. https://doi.org/10.1016/S0742-3322(03)20016-4.

[30]
Leary M T, Roberts M R. Do peer firms affect corporate financial policy ?[J]. The Journal of Finance, 2014, 69(1):139-178.

[31]
Bertels S, Peloza J. Running just to stand still?Managing CSR reputation in an era of ratcheting expectations[J]. Corporate Reputation Review, 2008, 11(1):56-72.

[32]
Marquis C, Davis G F, Glynn M A. Golfing alone?Corporations,elites,and nonprofit growth in 100 American communities[J]. Organization Science, 2013, 24(1):39-57.

[33]
Taylor P J. Leading world cities:Empirical evaluations of urban nodes in multiple networks[J]. Urban Studies, 2005, 42(9):1593-608.

[34]
Boschma R A. Proximity and innovation:A critical assessment[J]. Regional Studies, 2005, 39(1):61-74.

[35]
Davis J C, Henderson J V. The agglomeration of headquarters[J]. Regional Science and Urban Economics, 2008, 38(5):445-460.

[36]
Boeh K K, Beamish P W. The cost of distance on subsidiary performance[J]. Asian Business & Management, 2015, 14(3):171-193.

[37]
Mcwilliams A, Siegel D. Corporate social responsibility:A theory of the firm perspective[J]. Academy of Management Review, 2001, 26(1):117-127.

[38]
林润辉, 李飞, 薛坤坤. 管家还是代理人?——CEO角色与企业国际化战略[J]. 管理工程学报, 2021, 35(3):44-55.

[39]
Li J, Tang Y. CEO hubris and firm risk taking in China:The moderating role of managerial discretion[J]. Academy of Management Journal, 2010, 53(1):45-68.

[40]
黄大禹, 谢获宝, 孟祥瑜, 等. 数字化转型与企业价值——基于文本分析方法的经验证据[J]. 经济学家, 2021(12):41-51.

[41]
Lin B, Wu W. Why people want to buy electric vehicle:An empirical study in first-tier cities of China[J]. Energy Policy, 2018, 112:233-41.

[42]
马海涛, 卢硕, 张文忠. 京津冀城市群城镇化与创新的耦合过程与机理[J]. 地理研究, 2020, 39(2):303-318.

DOI

[43]
Jain N K, Kothari T, Kumar V. Location choice research:Proposing new agenda[J]. Management International Review, 2016, 56:303-324.

[44]
陈桂龙. 《2022年度中国主要城市通勤监测报告》发布[J]. 中国建设信息化, 2022(15):52-55.

[45]
霍春辉, 吕梦晓, 许晓娜. 数字化转型“同群效应”与企业高质量发展——基于制造业上市公司的经验证据[J]. 科技进步与对策, 2023, 40(4):77-87.

[46]
Kastelli I, Dimas P, Stamopoulos D, et al. Linking digital capacity to innovation performance:The mediating role of absorptive capacity[J]. Journal of the Knowledge Economy, 2022,https://doi.org/10.1007/s13132-022-01092-w.

[47]
杨文溥. 中国产业数字化转型测度及区域收敛性研究[J]. 经济体制改革, 2022(1):111-118.

[48]
曾皓. 市场竞争机制促进了企业数字化转型吗?——基于市场准入负面清单制度的准自然实验[J]. 外国经济与管理, 2022, 46(3):136-152.

Options
文章导航

/

〈 〉