股权激励与系统性数字创新：新兴市场企业的治理机制 白英杰（Yingjie Bai）与宗俊奇（Junqi Zong）

《Systems》：Equity Incentives and Systemic Digital Innovation: Governance Mechanisms in Emerging Market Firms Yingjie Bai and Junqi Zong

　　摘要：系统性数字创新在推动企业未来增长中发挥着关键作用。作为战略规划中的关键决策者，高管在促进数字创新方面发挥着至关重要的作用。因此，如何有效激励高管参与系统性数字创新仍然是一个重要的研究问题。本文基于委托代理理论，探讨了股权激励如何促进系统性数字创新，这是一种嵌入在组织治理和资源配置系统中的企业层面的数字技术创新形式。利用2007年至2024年中国A股上市公司的面板数据，我们研究了主要新兴市场背景下的治理机制。研究结果表明，股权激励显著促进了系统性数字创新。管理层的冒险精神和长期导向在某种程度上中介了这一关系，表明激励机制的匹配重塑了高管在跨期决策上的行为取向。此外，高管的IT背景增强了股权激励的积极效果，而融资约束则削弱了这种效果。这些发现突显了股权激励作为一种治理机制，有助于新兴市场企业持续进行系统性数字创新。

1. 引言
在本文中，系统性数字创新指的是包括数字创新结果的不同要素以及帮助实现这些创新的过程的复杂组合。它涵盖了企业如何利用数字技术元素（如信息、计算、通信和连接性）并将它们重新组合，以推进新产品开发、生产流程改进、组织形态转型和商业模式创新的过程[1]。这一定义强调数字创新的焦点是数字技术本身[2]，并且创新过程的特点是可重构性和快速迭代[3]。这些特性促进了多层技术系统（例如设备、网络、平台和应用程序）[4]内数字技术元素的持续重组和迭代升级[4]，这些系统通过标准化接口[5]相互连接[5]，从而推动数字技术能力和相关创新成果的持续发展[6]。关于系统性数字创新的研究具有重要的实际意义，并为理论发展提供了实质性的价值。数字技术创新不仅支持企业开发新的数字产品和服务，提高流程效率和质量[7]，还使企业能够对组织结构和商业模式进行迭代更新[8]。反过来，它增强了企业适应环境的能力和长期价值创造的能力[9]，最终提高了企业绩效[10]。因此，加强企业的数字创新能力已成为寻求在数字经济中实现可持续发展的企业面临的关键挑战[11]。

先前的研究已经确定了数字创新的多个前置因素。在外部环境层面，制度逻辑和合法性压力塑造了企业的数字创新[9]，而数字创业生态系统的组成部分（如数字基础设施治理、数字市场和用户参与）为数字创新创造了机会空间和扩散条件[12]。在组织层面，数字创新取决于企业的数字基础设施和能力[13]。此外，企业的数字导向和资源分配是促进数字创新的重要组织条件[14,15]。在高管层面，数字创新受到CEO个性特征以及高层管理团队（TMT）背景特征（如异质性和国际多样性）的影响[16,17]。然而，尽管有大量的研究，现有研究主要集中在技术能力、组织条件和高管关注度上，而很大程度上忽视了股权激励作为治理机制在数字创新背景下塑造管理层行为的作用。因此，我们试图回答以下研究问题：股权激励是否影响系统性数字创新，如果影响，是通过哪些治理机制实现的？委托代理理论为解释股权激励在解决代理问题方面的治理效应提供了理论基础[18]。在所有权和控制权分离的企业中，管理者在短期绩效压力下可能会变得风险规避和短视[19]。股权激励鼓励更大的风险承担[20]，并通过将管理者财富与长期企业价值联系起来，使管理者和股东的目标保持一致[21]。现有研究发现，如限制性股票等股权激励可以促进企业创新[22]。然而，很少有研究通过多种治理机制全面探讨股权激励对数字创新的影响，而不是只关注单一机制。此外，数字创新与一般创新不同，因为它涉及高不确定性、重大风险和长回报周期[3]。这使高管在做出数字技术创新决策时面临更大的风险规避问题和时间代理冲突，从而可能减少对数字创新的投资，并对数字创新结果产生负面影响。同时，数字创新也受到高管特征的影响[23]。具有IT背景的高管更能识别数字技术机会并促进跨职能整合[24]。因此，有必要进一步研究高管特征（特别是IT背景）对股权激励与数字创新之间关系的调节作用。此外，企业层面的因素（如融资约束）也影响企业创新投资所需的财务资源的可用性[25,26]。因此，也应考虑企业层面因素的调节作用。

基于委托代理理论，本研究使用2007年至2024年中国A股上市公司的样本，探讨了股权激励对企业数字创新的治理效应。研究结果表明，股权激励主要通过两个渠道显著增加了企业数字创新：更大的风险承担和更强的长期导向。此外，具有IT背景的高管更能有效地将股权激励转化为数字创新行动，而融资约束削弱了股权激励对数字创新的积极效果。本文的理论贡献有三个方面。首先，本研究通过将股权激励作为关键治理机制，扩展了对数字创新高管层面前置因素的研究。其次，本研究通过同时考察两个关键渠道——管理层的冒险精神和长期导向——而不是只关注单一机制，揭示了股权激励对数字创新影响的治理机制。第三，它从高管特征和企业条件的角度丰富了人们对股权激励与数字创新之间关系边界条件的理解。

本文的其余部分结构如下。第2节发展理论框架并提出研究假设。第3节描述数据、变量构建和实证模型。第4节报告实证结果和稳健性测试。第5节讨论研究的理论贡献、管理意义和局限性，以及未来研究的方向。最后，第6节总结本文。

2. 理论与假设
2.1. 股权激励对系统性数字创新的影响
基于委托代理理论[21]，股权激励是一种关键的契约安排，用于降低代理成本并使股东和高管的目标保持一致[18]。由于数字创新需要大量投资，涉及高风险，并且通常只有在长期内才能产生回报[3]，因此它特别容易受到代理问题的影响。例如，鉴于数字创新的高风险，风险规避的高管可能会减少创新投资。同时，长的回报周期可能导致管理者短视，导致高管为了追求短期绩效而削减长期支出。首先，股权激励鼓励高管承担与创新失败相关的风险，从而为数字创新创造一个支持性的环境。数字创新的特点是高度不确定性和失败风险，其绩效难以实时观察和验证[7,8]。这些特性加剧了信息不对称性，使得股东难以有效监督管理者的行为，从而加剧了代理问题。基于股权的补偿减少了管理者对短期绩效波动的担忧，并鼓励他们参与更多探索性和不确定性的项目[27,28]。通过将管理者财富与企业价值更紧密地联系起来，股权激励可以增加管理者承担风险的意愿[29,30,31]。更高的风险承担水平与更大的创新接受度、更积极的创新态度以及对研发（R&D）投资的更强动机相关联，从而促进创新[32]。增加的管理层风险承担使企业能够从事更多不确定性和探索性的信息技术创新活动[24]。此外，它增强了对新数字技术的实验，最终促进了系统性数字创新。其次，股权激励鼓励高管更加重视企业的长期发展，并增加对数字技术创新的长期投资。数字创新的价值实现往往涉及时间滞后和路径依赖性，使得短期财务指标无法完全反映其长期利益[5]。在短期绩效评估和基于期限的激励约束下，管理者可能会采取短视的决策，导致对长期研发的投资不足[19,33]。股权激励——特别是那些具有较长归属期限和长期支付结构的公司——扩展了管理者的时间视野[34]，减少了对短期绩效的过度敏感，并鼓励对长期计划的持续资源分配[35]。通过长期激励机制，股权激励可以鼓励高管更倾向于长期投资[36,37]。高管的时间导向影响他们的战略决策[38]，更强的管理层长期导向鼓励更大的创新投资[39,40]。数字创新策略需要预见性和持久性[6]。因此，通过培养长期导向，股权激励有助于增加对数字技术创新的持续投资，如数字技术研发、数据能力建设和平台投资，并支持对数字技术创新的持续投资。总体而言，股权激励缓解了代理问题，并可以增强高管的风险承担能力[27,30,31]以及他们的长期导向[36,37]。这些机制反过来又支持了对信息技术基础设施的更大投资[24]。股权激励还激励企业增加创新投资，并影响企业关于数字化转型的战略决策[41]。通过影响高管的行为，股权激励鼓励对数字基础设施和数字技术研发活动的更大投资，从而为系统性数字创新提供支持。基于此，我们提出以下假设：
假设1：股权激励对系统性数字创新有积极影响。

2.2. 风险承担的中介效应
数字技术的发展通常伴随着高不确定性和巨大的失败风险[6,9]，这使得股东难以有效监督管理者的决策。在这种信息不对称和职业关切下，高管可能会变得谨慎并避免高风险项目[18]。例如，高管可以减少对数字技术研发的投资，并限制企业的整体创新努力。因此，加强管理者承担计算风险的意愿对于支持持续的数字创新至关重要。股权激励可以缓解这些风险规避的代理问题，并增加管理者承担风险的意愿[28,31]。通过将管理者财富与企业价值更紧密地联系起来，股权激励使管理者能够分享成功创新带来的价值收益[42]，从而增加他们追求更高风险、更高回报的战略行动的倾向[30]。更高的潜在股票回报激励高管追求风险更高、预期回报更高的项目[29]，先前的研究表明，股权激励和管理者持股所有权系统性地增加了管理者的风险承担[43]。更大的风险承担使高管能够更果断地追求数字创新，通过投入资源于数字技术研发、技术实验和新应用探索，从而提高这些活动转化为可观察创新成果的可能性。管理者更大的风险承担意愿使企业能够参与更多不确定性和探索性的信息技术创新活动[24]。高管更高的风险承担鼓励接受创新想法，推动积极的创新努力，并加强了对研发活动的投资[32]。总之，股权激励鼓励管理者承担风险，从而使他们能够更充分地参与不确定性和探索性活动[30]。风险承担还促进了企业对信息技术创新计划的积极追求[24]。通过这种机制，股权激励间接促进了系统性数字创新，通过培养更高的意愿去承担高风险、高回报的项目。基于此，我们提出以下假设：
假设2：风险承担在股权激励与系统性数字创新之间的关系中起着积极的中介作用。

2.3. 长期导向的中介效应
数字创新通常需要高投资强度和长回报周期，其价值往往无法通过短期财务指标完全捕捉[44]。在短期绩效评估压力下，管理者可能会优先考虑能够快速产生回报或稳定当前绩效的项目，从而削减长期研发投资并产生管理者短视[19]。因此，培养一种面向长期价值创造的决策导向对于推进数字创新至关重要。股权激励可以通过扩展管理者的时间视野和强化高管的长期导向来缓解短期代理问题。通过将管理层的薪酬与公司的长期价值更紧密地联系起来，股权激励机制鼓励管理者关注长期的股价表现和未来的现金流，同时减少了对短期业绩波动的过度敏感[36]。先前的研究表明，股权激励，尤其是那些具有较长归属期的股权激励，会塑造管理者的时间导向[45]，而更强的长期导向支持长期投资和创新行为[35]。管理者的长期导向反过来又激励他们持续地将资源投入到诸如数字技术研发、数据能力构建和平台投资等长期项目中。管理者的长期导向有助于公司保持投资的连续性和战略耐心[46]，为技术积累、组织学习和能力重构提供稳定的预期[47]。此外，具有更强长期导向的管理者更有可能采用全面和创造性的决策过程[48]，并在不确定性下坚持长期研发和实验[40]。通过培养这种持续的方法，管理者的长期导向使数字创新能够从短期探索发展到持续迭代，最终改善创新成果。总之，股权激励可以塑造管理者的长期导向，进而影响与数字化转型相关的战略决策[41]。更强的长期导向鼓励对创新的持续投资[39]。因此，股权激励通过促进管理者的长期导向来推动企业的数字创新，确保对系统性数字创新的持续资源投入。基于此，我们提出以下假设：

假设3：长期导向在股权激励与系统性数字创新之间的关系中起积极的中介作用。

2.4. 管理者信息技术经验的调节作用
当高管具备信息技术（IT）背景时，他们的专业知识和工作经验有助于公司选择更合适的信息系统实施团队，加强全组织的信息化支持与承诺，从而提高信息技术和系统实施的成功率[49]。具有更强IT背景的高管也能够更准确地评估快速变化的技术环境中的数字创新，使他们能够将由股权激励引发的价值最大化动机转化为对数字创新项目的积极支持。随着信息系统领导者的角色从技术管理转向战略参与，高级技术领导对于推进组织的数字议程变得越来越关键[50]。与此观点一致，当首席信息官（CIO）加入高层管理团队并获得更多的组织关注时，公司在数字创新上的重视和进展往往会增加[51]。此外，高管的技术背景影响了他们在组织内的影响力行为和资源调动能力[52,53]。因此，在具有更丰富IT背景的团队中，股权激励更有可能被导向到适当的数字创新机会上，从而增强其对数字创新的积极影响。

此外，IT背景可以提高高管评估、管理和执行数字创新项目的能力，减少实施过程中的信息不对称性和协调摩擦，增加激励措施转化为可操作创新成果的可能性。当CIO的背景与公司战略一致时，资本市场的反应更为积极，这表明具有技术导向的高管可以提高数字技术研发投资的一致性[54]。相关地，与IT相关的人力资本提高了高管在IT创新中的决策质量，并放大了风险承担激励对数字创新的影响[24]。从治理的角度来看，CIO在IT控制中的战略角色影响了控制的缺陷和治理结果，意味着具有技术导向的高管提高了数字系统的可控性和执行效率[55]，并长期塑造了公司的IT能力[56]。综合这些论点，这些论点表明高管的IT背景增强了股权激励对公司数字创新的积极影响——也就是说，当高管具有更强的IT背景时，股权激励对数字创新的促进作用更强。基于此，我们提出以下假设：

假设4：管理者信息技术经验对股权激励与系统性数字创新之间的关系具有积极的调节作用。

2.5. 融资约束的调节作用
融资约束指的是公司获取外部资本（例如银行贷款、债券或股权融资）的能力有限，这可能表现为更高的融资成本、更严格的信用限额或资金供应不足。这样的约束迫使公司更加依赖内部现金流来为投资和创新提供资金，增加了现金流的敏感性[57]。当融资约束严重时，公司往往更间歇性和保守地进行投资，导致资源分配不足，尤其是在那些具有长期回报的高不确定性创新项目上[58]。

首先，融资约束直接限制了公司用于数字创新的资源分配和投资连续性，从而削弱了股权激励的治理效果。由于数字创新通常需要大量资本、周期长且充满不确定性，它需要稳定的资金来将管理层的“意图”转化为实际行动和创新成果，即使股权激励增加了管理者的风险承担能力和长期导向。通过影响投资的跨期分配，融资约束增加了公司支出对内部现金流的敏感性，并导致投资的不连续性，特别是限制了长期、高不确定性的项目[59]，还可能导致资源错配和效率降低[25]。更严格的融资约束使得公司更难以维持对技术创新投资的持续投入[60]。尽管高管受到股权激励的激励，但有限的融资资源获取可能会限制创新的持续努力，从而削弱股权激励对数字创新的影响。

其次，融资约束会通过提高外部融资成本和破产风险来加剧对短期现金流和风险控制的依赖，从而阻碍高风险数字创新项目的持续追求。在融资受限的情况下，偿债和流动性压力增加了财务稳定性的重要性，使得高不确定性创新更有可能被推迟或缩减[61]。与此观点一致，改善的融资条件可以减轻融资约束对创新的抑制作用。金融市场整合可以重塑融资约束对创新活动的影响[25]，资本市场自由化可能通过改善融资环境来促进企业创新[26]。政策工具如创新补贴也可以部分缓解公司的融资约束[62]。在数字背景下，融资约束同样影响了企业数字化转型的进展和成果，而数字金融的发展可能通过缓解这些约束来改善资本获取[63]。总之，当融资约束更为严重时，股权激励在维持数字创新投资方面的效果较差，削弱了其对数字创新的积极影响。基于此，我们提出以下假设：

假设5：融资约束对股权激励与系统性数字创新之间的关系具有负面的调节作用。

本研究的理论框架如图1所示。

3. 方法
3.1. 数据和样本
我们使用2007年至2024年间中国A股上市公司的数据来检验我们的假设。由于中国上市公司在2007年采用了新的会计准则，我们的样本期从该年开始，一直持续到2024年，即数据可获得的最新年份。样本包括在上海和深圳证券交易所上市的公司，这两个交易所是中国最大的证券市场，为我们的分析提供了全面和具有代表性的数据来源。数据来源于巨潮信息网、中国股票市场与会计研究（CSMAR）数据库、中国研究数据服务（CNRDS）平台和WIND数据库。为了构建面板数据集，我们排除了被指定为特殊处理（ST）的公司、未进行股份结构改革（S）的公司以及在样本期间被摘牌的公司，因为这些公司的财务或交易条件异常，可能会影响我们的实证结果。在应用这些筛选标准后，最终的面板数据集包含来自4937家公司的51,078个公司-年份观测值。为了减轻异常值和极端值的影响，变量在第1和第99百分位进行了Winsonization处理。

3.2. 测量指标
因变量：系统性数字创新（Digital）。为了衡量企业层面的数字创新，我们使用基于专利的指标。由于专利申请被广泛用于代理公司的技术创新，先前的研究通过使用大量利用数字技术的专利来衡量数字创新[8]。遵循这种方法，我们的主要指标是数字专利申请的数量，并使用数字专利授权作为稳健性指标。我们汇总了与上市公司相关的所有发明和实用新型专利（在数字经济背景下设计专利较为罕见），并分四个步骤构建这一指标。首先，我们使用国际专利分类（IPC）代码将每个专利分配到一个行业。具体来说，我们依赖于中国国家知识产权局（CNIPA）发布的“国际专利分类与国民经济行业分类（2018）参考表”[64]，将专利分类代码映射到国民经济行业类别，并根据专利的主要IPC代码确定其所属行业。其次，我们通过将第一步获得的行业类别与国家统计局（2021年）发布的“数字经济及其核心产业统计分类”[65]进行匹配，来识别与数字经济相关的专利。第三，使用得到的数字经济专利集合作为原始样本，我们按省份/直辖市和行业总结它们的申请和授权状态。第四，我们根据核心公司及其子公司/附属公司的名称将这些数字经济专利记录与上市公司关联起来，并计算公司层面的数字经济发明和实用新型专利申请和授权的数量。

自变量：管理层股权激励（Incentive）。这一指标通过高管持有的股份比例来评估股权激励，具体来说是高管持有的股份总和相对于所有权结构中总股份的比例。鉴于公司所有权往往相对稳定，这作为一个连续且客观的衡量标准。此外，高管的持股与公司战略有更强的相关性，使得高管持有的股份比例成为衡量股权激励的合适代理变量[66]。

中介变量：管理者风险承担（Risk-taking）。我们使用公司的战略投资概况来捕捉他们的风险承担水平。根据先前的研究[67]，我们认为研发支出、资本化支出和长期债务都反映了前瞻性的、高不确定性的承诺，其未来的折现值本质上是不确定的。具体来说，我们首先将研发支出、资本化支出和长期债务按总资产进行缩放，以获得三个强度指标。由于这些项目都与公司的风险暴露正相关，然后我们对这三个标准化指标进行因子分析，并提取出一个潜在因子。得到的因子得分作为我们衡量公司战略风险承担水平的代理变量，较高的值表示更愿意进行高风险、长期的投资。

中介变量：管理者长期导向（Long-term）。管理者长期导向是使用从公司年度报告中提取的基于文本的指标来衡量的，遵循先前的研究[39]。公开的年度报告不仅总结了过去的业绩，还概述了未来的计划和战略重点，其内容经过外部审计，增强了可靠性。我们首先从巨潮信息网收集样本中公司的年度报告，并将其转换为txt格式。只包括具有完整年度报告数据的公司，以确保与第3.1节描述的样本一致。接下来，我们提取“管理层讨论与分析”（MD&A）部分，并使用Python 3.11进行文本清洗。基于在清洗后的语料库上训练的连续词袋（CBOW）模型，我们从与长期导向相关的种子词开始，扩展它们以构建包含56个词的长期导向词典。按照推荐的规模开发和验证程序[48]，我们迭代地完善和验证这个词典。然后，我们将最终确定的词典纳入Jieba分割词典中，并计算每个公司年份中MD&A中长期导向词汇的频率，按该部分的总词数进行缩放。为了提高准确性，我们使用自然语言处理（NLP）技术识别出长期导向声明中的公司主体，并根据敏感性测试移除涉及词典术语的否定表达。得到的标准化词频度作为我们衡量管理者长期导向的代理变量，较高的值表示高层管理者话语和战略框架中更强的长期关注。

调节变量：管理者信息技术经验（Experience）。如果高管具有信息技术（IT）相关的教育背景或在企业信息化方面的专业经验，我们将其分类为具有IT背景。我们将高管IT背景操作化为高层管理团队中具有IT背景的高管比例，作为公司层面IT专业能力的代理。根据教育部2012年发布的《普通高等学校本科专业目录》[68]，与信息技术相关的教育包括电子信息、计算机科学、电子商务、信息与计算科学、信息管理与信息系统以及信息资源管理等专业。与信息技术相关的工作经验包括涉及信息技术、信息管理、信息系统、信息化开发、ERP实施、软件开发、互联网/网页开发、计算机工程、电子工程、系统工程、系统架构、电子商务和电子政务、物联网（IoT）以及云计算等职位。高管背景数据来源于CSMAR数据库中的“高管个人资料文件”，我们按照上述程序识别了与信息技术相关的教育培训和专业经验。

**主持人：融资约束（Constraints）**
基于Whited和Wu [69]的研究，我们构建了如下融资约束（FC）指数：
FC = ?0.091 × CF ? 0.06 × DivPos + 0.021 × Lev ? 0.044 × Size + 0.102 × ISG ? 0.035 × SG
其中，CF是现金流与总资产的比例，计算方法为经营活动产生的净现金流除以总资产；DivPos是一个指示变量，如果公司在当年支付现金股息则值为1，否则为0；Lev是长期债务与总资产的比例；Size是总资产的自然对数；ISG是行业平均销售增长率，行业分类采用中国上市公司协会的标准（制造业使用两位数代码，其他行业使用一位数代码）；SG是公司的销售收入增长率。

**控制变量**
参考现有研究，我们纳入了以下控制变量：
- **财务杠杆（Leverage）**：通过总负债与总资产的比例来衡量。
- **董事会规模（Board）**：以董事总数的自然对数表示。
- **独立董事比例（Independent）**：独立董事数量除以董事总数得出。独立董事指的是与公司、管理层或主要股东没有可能影响其独立判断的重大关系的董事会成员。
- **机构持股（Institution）**：以机构投资者持有的股份比例表示。
- **员工数量（Employee）**：以员工总数的自然对数表示。
- **所有权集中度（CR）**：指最大股东持有的公司股份比例。
- **控制权与现金流权分离（Separation）**：指控股股东的投票权与所有权之间的差异。在中国企业中，总经理可能同时担任董事长职务，我们使用虚拟变量“dual”来表示这种情况。
- **公司年龄（Age）**：以公司成立年份与当前年份的差值表示。

**3.3. 实证模型**
为了检验股权激励是否作为治理机制促进系统性数字创新，以及其背后的机制和边界条件，我们构建了一系列固定效应回归模型。模型具体如下：

**检验假设1**：假设股权激励对系统性数字创新有积极影响，我们首先估计以下基线模型：
Digitalit = α + β × Incentivesit + ∑jγj × Controlj,it + μi + λt + εit
其中α是截距项；β是管理层股权激励的系数；γ表示控制变量的系数；μ和λ分别代表公司和年份的固定效应；ε是误差项。回归模型中包含的所有控制变量均如上所述。

**检验假设2和3**：关于风险承担和长期导向的中介效应，我们分别为每个中介变量估计了中介模型：
Risk-takingit = α + β × Incentivesit + ∑jγj × Controlj,it + μi + λt + εit
Digitalit = α + β × Incentivesit + δ1 × Risk-takingit + ∑jγj × Controlj,it + μi + λt + εit
Long-term orientationit = α + β × Incentivesit + ∑jγj × Controlj,it + μi + λt + εit
Digitalit = α + β × Incentivesit + δ2 × Long-term orientationit + ∑jγj × Controlj,it + μi + λt + εit
其中δ1表示管理层风险承担对系统性数字创新的影响，δ2表示管理层长期导向对系统性数字创新的影响。

**检验假设4和5**：关于管理层IT经验和融资约束的调节效应，我们估计了以下调节模型：
Digitalit = α + β × Incentivesit + σ1 × Experienceit + φ1 × Incentives × Experienceit + ∑jγj × Controlj,it + μi + λt + εit
Digitalit = α + β × Incentivesit + σ2 × Constraintsit + φ2 × Constraintsit + ∑jγj × Controlj,it + μi + λt + εit
其中σ1和σ2分别表示管理层IT经验和融资约束的系数，φ1和φ2分别表示它们对数字创新的调节效应。

**4. 结果**
**4.1. 描述性统计**
表1展示了描述性统计数据和皮尔逊相关系数矩阵。数字创新（Digital）的平均值为1.431，这是基于对数转换后的值。这一相对较低的均值表明，目前上市公司申请的数字技术专利数量较少。股权激励（Incentive）的平均值为10.444，说明高管的平均持股比例约为10%，相对较低。风险承担（Risk-taking）的平均值为?0.041，表明某些公司的高管风险承担水平可能有限。长期导向（Long-term orientation）的平均值为4.264，表明某些公司的高管长期战略导向也可能较低。IT经验（Experience）的平均值为0.054，表明大多数公司中具有IT背景的高管比例较低。融资约束（Constraints）的平均值为?0.802，表明上市公司普遍面临较低的融资约束。数字创新与股权激励、风险承担、长期导向和IT经验呈正相关，与融资约束呈负相关。各变量之间的绝对相关性适中，表明多重共线性不太可能是一个主要问题。

**4.2. 回归结果**
表2报告了固定效应面板回归结果。表2的第（1）列展示了仅包含控制变量的系统性数字创新回归结果。这一基线模型使我们能够考察公司层面和高管层面因素与系统性数字创新之间的关联。财务杠杆（Leverage）呈负相关，表明高杠杆公司可能限制创新投资。董事会规模（Board）的系数为正但不具统计显著性，表明较大规模的董事会对数字创新的影响有限。独立董事比例（Independent）为正但不显著，而机构持股（Institution）显著为正，这与治理较好的公司更倾向于促进创新的观点一致。员工数量（Employee）为正且显著，表明规模较大的公司拥有更多人力资源来支持复杂的创新项目。所有权集中度（CR）为负且显著，表明由单一大股东主导的公司可能缺乏参与系统性数字创新的动力。所有权分离（Separation）为正且显著，表明分离所有权和控制权可能激励创新。CEO兼任董事长（Dual）为正且显著，公司年龄（Age）为正且显著，表明更成熟的公司也参与数字创新。这些结果为后续包含主要解释变量和交互项的列提供了基准参考。表2的第（2）列显示，股权激励（Incentive）与数字创新呈正相关（β = 0.010，p < 0.01），支持主要效应假设。

**4.3. 调节效应分析**
- **第一个中介变量**：表2的第（3）列显示，股权激励显著增加了风险承担（β = 0.004，p < 0.01）。
- **第二个中介变量**：表2的第（4）列显示，风险承担与数字创新呈正相关（β = 0.591，p < 0.01），且股权激励的系数仍然显著。
- **长期导向的中介效应**：当将长期导向加入表2的第（6）列后，风险承担与数字创新仍呈正相关（β = 0.125，p < 0.01），同时股权激励的系数仍然显著。

此外，还进行了Sobel检验和Bootstrap检验。表2底部显示，Sobel检验结果表明风险承担和长期导向的中介效应分别占18.760%和28.080%，间接效应与直接效应的比率分别为23.100%和39.000%。这证实了股权激励确实通过增强风险承担和塑造长期导向两种机制影响数字创新。表2还展示了Bootstrap检验结果，表明中介变量的间接效应和直接效应均显著为正，说明这些变量在促进数字创新方面仅起部分调节作用。

**4.4. 稳健性检验**
首先，作为稳健性检验，我们采用工具变量（IV）方法来缓解表3第（1）和（2）列中的内生性问题。具体来说，我们利用中国证监会2016年发布的《上市公司股权激励管理办法》修订版作为准自然实验，构建了IV1工具变量。基于这一政策变化，我们创建了一个差异-差异（difference-in-differences）风格的工具变量，定义为2016年之后的虚拟变量（2016年及以后为1，否则为0）与公司是否实施股权激励计划的指标的交互项。IV2定义为高管持股的一期滞后值。从理论角度来看，这些工具变量的选择满足两个关键要求：首先，相关性——基于政策的工具变量和滞后的高管持股都与股权激励的实施密切相关；其次，外生性——基于政策的工具变量代表外生政策冲击，高管持股的一期滞后在合理程度上独立于同期误差项，从而满足外生性要求。第一阶段的结果表明工具变量与股权激励密切相关。第二阶段的估计结果与我们的基线结论一致。重要的是，IV识别的结果得到了标准诊断测试的支持：欠识别检验拒绝了模型未识别的零假设，弱工具变量检验表明工具变量足够强，过度识别检验未拒绝工具变量有效的零假设。这些诊断结果表明工具变量满足相关性和外生性的关键要求，IV估计结果不受弱识别影响。

**4.5. 结论**
综上所述，股权激励通过增强风险承担和塑造长期导向两种机制影响数字创新。此外，管理层IT经验和融资约束的调节效应也显著影响了数字创新。由于某些公司在某些年份不申请数字专利，因此因变量中包含了许多零观测值。为了在这种条件下获得一致的估计结果，采用了左截断的Tobit模型。表3第（6）列的结果显示，股权激励的系数仍然显著为正，这与基线固定效应回归模型的结果一致。最后，为了减少关于反向因果关系的担忧，并允许创新对激励的响应有所延迟，我们在表3的第（7）和（8）列中使用了滞后一期和两期的股权激励来重新估计模型。结果在质量上没有变化。在表3的第（9）列中，我们用数字创新的另一种代理变量（Grant）替换了基线测量值，结论仍然稳定。总体而言，这些补充测试的证据表明，股权激励对企业的数字创新具有积极影响。

5. 讨论
5.1. 理论贡献
首先，我们从高管激励的角度丰富了数字创新的前因。以往关于数字创新的研究主要解释了企业为何以及如何通过外部制度环境、数字基础设施和组织能力以及高层支持和关注分配来追求数字创新[11,70,71]。相比之下，数字创新中的治理结构和激励合同问题仍然研究不足。本研究将注意力转向公司治理和高管激励安排，展示了股权激励作为一种核心治理工具，如何通过协调利益和引导管理行为来塑造企业的数字创新决策和结果。这样做为数字创新前因的文献增添了一条治理-激励路径。这一视角扩展了对数字创新的理论探讨，并与从强调“技术和能力”解释向“治理和组织”解释的转变相一致。通过将数字创新视为一个系统性的治理过程，而不是纯粹的技术活动，本研究回应了最近要求从系统层面看待数字创新的呼声。
其次，本研究基于委托代理理论发展了一个综合框架，结合了股权激励中的风险承担和长期导向的治理机制，提供了一个同时解决多重代理问题的连贯视角。委托代理理论认为，所有权和控制权的分离导致了代理问题[20,23]。尽管如此，以往的研究大多集中讨论代理问题或只考察其中一个特定方面，而缺乏综合性的视角。例如，一些研究仅从长期导向的角度探讨了股权激励对数字化转型的影响[44]，而其他研究则只关注与创新投资相关的风险承担[32]。数字创新活动固有的高不确定性、较长的回报周期和低绩效可观测性为同时考察多重代理问题提供了合适的背景。由于存在多种代理问题，如风险分担问题和时间导向冲突，高管在做出数字创新决策时可能会表现出风险规避和短视的行为。基于这一逻辑，我们确定了两种将股权激励与数字创新联系起来的主要治理机制。首先，股权激励通过提高管理者对失败风险和绩效波动的容忍度来增强管理者的风险承担能力，从而促进对数字技术的探索性投资。其次，股权激励扩展了管理者的决策视野，加强了他们对长期价值的关注，从而强化了数字创新的持续性和耐心。这些论点共同构建了将激励与行为偏好（特别是风险承担和长期导向）以及最终与数字创新结果联系起来的路径。通过明确地将股权激励与系统性的数字创新联系起来，本研究提供了一个比现有文献更为综合的视角。
最后，我们确定了股权激励对数字创新的治理效应的几个边界条件，这些条件涉及高管层面和企业层面。研究进一步表明，股权激励对数字创新的治理效应并非固定不变，而是系统性地依赖于管理能力结构和企业资源状况。一方面，特定领域的人力资本影响了管理者对风险技术项目的理解和反应，创造了激励安排与能力基础之间的互补性，共同影响数字创新结果[26]。由于数字创新通常需要跨职能协调和持续的推动力，高管的IT背景可以提供一种共同的语言和焦点，从而提高数字创新议程的组织动员和实施效率[55]。另一方面，数字创新依赖于持续的资本投资，而融资限制可能会限制对长期、高不确定性项目的资源分配，从而削弱激励机制的治理效果[27]。因此，我们将高管的IT背景和融资限制纳入一个统一的分析框架中，以明确股权激励在何时以及对谁来说最能有效促进数字创新。这种情境化的解释丰富了我们对数字创新领域中股权激励的理解，并为未来在不同能力和资源限制下的治理机制研究提供了基础。

5.2. 管理意义
首先，本研究揭示了股权激励在系统性数字创新中的作用，这有助于企业更加重视股权激励，从而促进其更广泛的应用。研究结果表明，当股权激励合同以战略重点关注数字创新来设计时，其有效性可以得到提升。尽管实践中已经多次证实了股权激励的重要性，但许多企业仍然实施与自身具体情况或战略目标不太匹配的标准化计划。结果表明，根据战略目标量身定制的激励计划——例如选择与公司发展战略一致的核心人才、设定反映创新目标的绩效指标，并将数字创新标准纳入授予或行使条件——可能更好地发挥股权激励的激励作用。
其次，本研究还揭示了股权激励运作的两种治理机制，这有助于企业更好地设计股权激励计划，并制定平衡风险承担和长期导向的有效激励条款。研究结果表明，在高风险、长期导向的数字创新背景下，强调长期导向并包含约束性特征的股权激励（如适当设计的授予期和支付期限）与持续的管理投资、更高的实验和失败容忍度以及减少的短视决策相关。此外，提供更高潜在回报的激励设计可以刺激高管的风险承担行为，进一步增强他们参与战略性数字创新项目的积极性。将中期到长期的数字创新目标嵌入绩效评估系统中可能强化这些行为效应。
最后，研究结果帮助企业根据实际情况确定如何实施股权激励计划，从而在面对不同的管理特征和企业特定情况时有效利用股权激励。结果表明，高管的IT专长增强了股权激励的激励效果，而高层管理团队中较高的数字知识密度，加上首席信息官或数字领导者在战略决策和跨职能协调中的积极参与，与激励措施更有效地转化为数字创新行动相关。这些发现表明，企业可以通过培养管理团队中的IT能力并让数字领导者参与关键创新决策来充分利用股权激励。此外，研究发现融资限制会减弱股权激励的影响，突显了保持多样化融资渠道、优化资本结构和实施结构化项目级预算以维持系统性数字创新投资的实际重要性。

5.3. 局限性和未来研究方向
首先，本研究仅基于中国企业的样本，这可能限制了研究结果的普遍性。尽管中国代表了一个典型的新兴市场环境，但未来的研究可以将分析扩展到更广泛的国家，以评估在不同制度环境下的结果稳健性。由于数据可用性的限制，一些关键概念是通过代理变量来操作的，这可能无法完全捕捉到潜在的理论概念。例如，数字创新是通过基于专利的指标来衡量的，这可能会忽略过程导向的创新形式；风险承担的代理变量可能部分反映了投资强度而非真正的管理风险偏好；而从文本分析中得出的长期导向的衡量可能受到噪声的影响。未来的研究可以采用更丰富和多样化的数据来源来改进这些变量的测量，并探索它们之间的潜在非线性关系。
其次，本研究仅考察了两种主要的治理机制——风险承担和长期导向——这些机制通过股权激励塑造了数字创新的重要行为基础。然而，其他治理和组织机制可能尚未被研究。未来的研究可以测试额外的机制，如管理学习和关注分配、跨职能协作和数字治理结构、创新容忍度和绩效评估系统，以及外部合作伙伴关系和生态系统嵌入性，以更全面地解释股权激励如何影响数字创新。
最后，本研究考虑了高管层面（例如IT背景）和企业层面（例如融资限制）的边界条件，但并未完全纳入更广泛的外部和行业背景。未来的研究可以考察制度环境、行业技术范式、市场竞争强度、区域数字基础设施以及供应链或平台生态系统关系，以评估不同环境下股权激励对数字创新影响的异质性和边界条件。

6. 结论
为了探讨股权激励如何影响系统性数字创新以及它们通过哪些治理机制发挥作用，本研究实证检验了股权激励对新兴市场企业系统性数字创新的影响。结果表明，股权激励与系统性数字创新呈正相关，并通过两种关键治理机制发挥作用。一方面，风险承担起到了中介作用。股权激励与管理者对风险的更高容忍度和更大的实验意愿相关，鼓励企业更积极地参与数字技术研发、探索性试验和新应用开发，从而提高数字创新产出。另一方面，长期导向也起到了中介作用。通过将管理者薪酬与长期价值对齐，股权激励有助于抑制短视决策，加强持续投资和能力建设的战略耐心，进而改善数字创新的连续性和结果。此外，高管的IT专长似乎通过提高管理者识别数字技术机会、管理创新项目和协调跨职能协作与资源整合的能力，增强了股权激励的有效性。相反，融资限制被发现会削弱这种关系。当资本连续性受限时，即使有较强的管理股权激励，企业也可能无法维持创新投资，从而降低股权激励的整体效果。