企业数字责任的驱动因素：一种机器学习方法

《Emerging Markets Review》：Drivers of corporate digital responsibility: A machine learning approach

　　摘要：数字化带来了诸多重要的伦理问题，包括数据隐私、网络安全以及人工智能的伦理使用。本研究探讨了企业数字责任披露这一新兴概念，明确了其背后的理论动因，并分析了影响企业数字责任披露实践的各种因素。研究采用机器学习方法，从企业在其官方X平台（原Twitter）上发布的2,136,265条帖子中提取关键主题模式，进而构建出衡量企业数字责任披露实践的新指标。研究的样本涵盖了标准普尔500指数、富时350指数、多伦多证券交易所300指数以及标准普尔-澳大利亚证券交易所200指数中的企业。为揭示披露模式，研究运用k均值聚类算法，发现了企业在X平台上处理数字责任问题的不同方式。随后，研究采用Heckman（1979）的两阶段方法，实证分析特定企业特征对企业在X平台上进行数字责任披露的意愿、程度及强度的影响。研究还通过两步法来纠正样本选择偏差，从而解决与异方差性相关的潜在偏差问题。研究结果表明，规模较大但盈利能力较低的企业更倾向于重视数字责任披露，而流动性与财务杠杆则对其影响甚微。

引言：数字化已成为现代企业推动经济增长的重要力量。数字技术的日益重要推动了企业运营的显著进步，促使企业开发出创新的产品和流程（Jin和Mirza，2024）。大数据分析、云计算、机器学习以及人工智能等新兴数字技术为企业提供了革新运营、转变商业模式以获取更多发展机会的可能（Lobschat等人，2021；Jin和Mirza，2024；Scarpi和Pantano，2024）。这些创新通过优化运营、提升数据驱动的洞察力以及增强预测能力，正在重塑企业体验，助力企业做出更快、更明智的决策。随着这些技术的发展，它们有望进一步提升效率，帮助企业抓住快速数字化世界中的经济机遇（Bednárová和Serpeninova，2023）。然而，这种前所未有的力量也给商业领域带来了重大的伦理挑战，比如隐私、数据保护以及人权方面的问题（Bonsón等人，2021；Bednárová和Serpeninova，2023）。《Digital 2024全球概览报告》指出，71%的消费者认为人工智能的发展速度过快。随着人工智能越来越多地融入日常生活，企业也意识到了它的双重作用——它在提升运营效率和提供洞察力方面具有巨大潜力，但其伦理使用问题也引发了广泛关注，这促使企业在其人工智能应用中注重透明度（《Digital 2024全球概览报告》，2024）。即便人工智能是出于良好意图而被引入，它仍可能被滥用或用于非预期目的。使用这些技术的组织必须意识到，他们的工具可能会被以不当方式使用，从而给不同的利益相关者带来不良后果。因此，数字技术的使用必须遵循伦理标准，企业需要在自身企业文化中植入一套全面的规范，确保数字技术及数据的负责任开发和应用（Lobschat等人，2021；Kunz和Wirtz，2024；Tóth和Blut，2024）。学者们将这类规范称为企业数字责任，强调与数字技术相关的伦理考量，倡导负责任地使用这些技术。他们将企业数字责任定义为一套指导企业开发和应用数字技术及数据的共同原则框架（Lobschat等人，2021；Scarpi和Pantano，2024）。作为一套全面的框架，企业数字责任旨在应对数字时代面临的各类伦理挑战，敦促企业超越常规业务运作，采取负责任的数字化实践（Scarpi和Pantano，2024；Tóth和Blut，2024）。随着企业数字责任概念的不断发展，各利益相关者越来越要求企业在非财务报告中公开其数字化实践情况。日益增长的期望促使企业公开报告其企业数字责任举措，因此一些企业开始在年度报告和非财务报告中主动加入自愿性的企业数字责任披露内容（Bonsón等人，2023）。不过，由于这一报告领域仍处于起步阶段，目前缺乏标准的理论框架和明确的衡量指标，使得企业难以持续、准确地量化并报告其企业数字责任实践情况。目前的一些研究，如Lobschat等人（2021）、Herden等人（2021）、Wirtz等人（2023）以及Van der Merwe和Al Achkar（2022）的研究，主要侧重于对企业数字责任的定义和概念阐述。然而，关于哪些具体企业因素会影响企业进行企业数字责任披露，目前尚无相关研究。从理论层面来看，许多研究往往忽视了推动企业采用企业数字责任实践并披露相关信息的动机，大多仅涉及企业数字责任发展的初期阶段的问题（Bonsón等人，2021）。换句话说，目前关于企业数字责任披露的讨论仍然比较抽象，缺乏对企业进行此类披露的驱动因素和动机的清晰阐述。此外，目前试图量化企业数字责任披露的实证研究较为有限，这在一定程度上影响了人们对企业如何有效衡量和传达其数字责任举措的理解。例如，Cheng和Zhang（2023）指出了目前关于企业数字责任的实证研究不足，并提出了一套15项企业数字责任指标，用以区分企业的数字化进程。同样，Merbecks（2024）也指出，关于德国企业企业数字责任举措现状的实证证据十分匮乏，他通过对DAX 30指数旗下企业非财务报告中的企业数字责任相关披露内容进行定性分析，试图解决这一问题。这凸显出建立标准化标准和测量工具的迫切需求，以便企业能够系统地评估和汇报其企业数字责任工作进展（Mihale-Wilson等人，2022）。基于以上原因，本研究采用基于机器学习的计算技术，构建了一套全面的框架，用于识别和分析企业数字责任披露实践，同时探讨哪些企业特征对这些实践的影响更为显著。在分析过程中，我们还深入研究了企业数字责任的理论基础，探讨了企业数字责任与企业社会责任这一更广泛概念之间的关联。事实上，企业数字责任涉及数字领域特有的伦理问题，如数据隐私、网络安全以及人工智能伦理，但其核心原则仍与企业社会责任的理念紧密相连。这两个概念本质上都是为了解决企业环境中的伦理问题，倡导企业采取负责任的行为（Carl等人，2022）。通过分析二者之间的相似之处，我们认为企业数字责任应被视为企业社会责任的延伸，是针对数字时代特殊需求而形成的。为此，我们重点研究在X平台（原Twitter）上披露的企业数字责任信息，因为该平台是企业沟通的重要渠道，应用极为广泛。根据一项最新调查，2023年X平台的访问量位居第五，也是谷歌搜索量排名前20的网站之一（《Digital 2024全球概览报告》，2024），这充分体现了该平台作为企业与其各类利益相关者之间沟通渠道的重要性。具体而言，我们研究了来自英语国家的主要股票指数所涵盖的领军企业，在2010年1月12日至2023年5月2日期间在其官方X账户上发布的2,136,265条帖子。研究采用主题建模这一文本分析技术，对提取的大量文本数据进行分析（Roberts等人，2014），并识别大型文本语料库中的潜在结构（Chae和Park，2018）。在识别出与企业数字责任相关的帖子中的关键主题模式并追踪其随时间的变化趋势后，对于每家企业在每一年，我们首先确定那些通过X平台进行企业数字责任披露的企业，然后衡量此类披露的程度和强度，以此判断不同企业之间的企业数字责任披露水平差异。为探索这些模式，研究首先运用k均值聚类算法，根据企业在X平台上的企业数字责任披露活动的相似程度，将样本企业分为三个不同的群体，进而揭示出企业在X平台上处理企业数字责任问题的潜在模式。之后，研究采用Heckman（1979）的两阶段方法，分析影响企业是否倾向于在X平台上进行披露，以及那些已经开始在X平台上进行企业数字责任披露的企业在披露过程中的参与程度的关键驱动因素。我们运用这一两步法来纠正样本选择偏差，同时通过解决内生性问题和异方差性相关的潜在偏差，进一步提升研究的稳健性。为考虑不同行业和不同年份之间的差异，研究还纳入了行业固定效应和年份固定效应（De Chaisemartin和D'Haultfoeuille，2024）。研究结果表明，企业数字责任披露目前仍然较少，且仍处于初步阶段。基准测试显示，虽然大多数企业尚未将企业数字责任实践和披露纳入其日常运营，但美国和英国的企业在这一领域处于领先地位，分别有41%和28%的企业在X平台上展现出中等至较高的企业数字责任披露水平。这些结果表明，企业通过披露企业数字责任相关信息，试图获得合法性认可（符合合法性理论），并在利益相关者之间建立信任（符合利益相关者理论）。回归分析结果显示，盈利能力较低但规模较大的企业更倾向于在X平台上进行企业数字责任披露，而流动性与财务杠杆则对企业采用企业数字责任披露实践没有显著影响。本研究有多项重要贡献。首先，它构建了新的企业数字责任披露指标，用于定量衡量企业通过X平台进行企业数字责任披露的采用程度和水平。据我们所知，这是首项构建多项企业数字责任指标，并运用这些指标对企业数字责任披露情况进行定量研究的工作。通过这种方式，本研究对企业数字责任披露实践进行了更深入的分析，不仅丰富了关于企业数字责任的相关研究文献，也为日益增多的关于企业自愿性非财务信息披露的研究做出了贡献。其次，在构建这些指标的过程中，研究采用了LDA主题建模方法来分析披露内容。尽管主题建模在许多研究领域都有广泛应用，但在会计和企业披露相关文献中的应用却相对较少。因此，这种研究方法为相关主流文献引入了一种较为新颖且不同的研究技术，证明了其在企业披露研究领域的适用性。第三，通过研究影响企业数字责任披露实践的企业特定属性，本研究深入了解了企业如何认识和实施企业数字责任披露实践，同时找出了导致企业实践存在差异的因素。此外，研究结果还证实，企业倾向于披露与自身数字化转型相关的信息，这既是为了确保自身与利益相关者多元化的利益保持一致（符合利益相关者理论），也是为了向外界表明其致力于采取负责任的数字化实践（符合信号传递理论）。第四，本研究使用了涵盖多个国家（标准普尔500指数、富时350指数、多伦多证券交易所300指数以及标准普尔-澳大利亚证券交易所200指数）的庞大数据库，且研究时间跨度较长，这突破了当前企业数字责任研究领域普遍采用的单一国家研究模式。这样的研究设计有助于更全面地了解企业数字责任披露实践及其决定因素，从而进一步提升研究结果的稳健性。本文的结构如下：下一节将回顾相关文献。第3节介绍数据收集和研究方法。第4节呈现并分析研究结果，第5节则给出总结与结论。

片段一：企业数字责任的演变。在过去十年中，数字化一直被视为推动各组织实现经济和社会进步的关键力量（Bonsón等人，2021）。随着数字化在企业中的不断普及，它有望提升企业的生产力、运营效率，并为企业带来新的收入来源。然而，数字技术在大规模融入商业环境的同时，也给企业带来了新的伦理困境，增加了企业的责任负担，其中包括人权、隐私等方面的问题。

片段二：企业数字责任披露的理论背景。企业报告企业数字责任是一项新兴且仍在发展中的议题，现有的相关文献还处于初级阶段（Bonsón等人，2023）。因此，从理论层面来看，用于分析企业进行企业数字责任披露背后动因的全面框架仍然十分匮乏。然而，如果我们认为CDR可以视为CSR的延伸，那么就可以从CSR理论中汲取有用的见解来解释CDR的披露实践。通过运用已有的CSR理论，本研究旨在探讨企业特定特征对数字CDR披露的采用程度、范围及强度的影响，从而实现研究目标并验证提出的假设。为此，研究选取了来自英语国家主要股票指数的领先企业作为样本，具体包括：英国的FTSE 350、美国的S&P 500、澳大利亚的S&P ASX 200以及加拿大的TSX 300。

如图1所示，77%的样本企业拥有可访问的X账号，便于收集和分析其披露的与CDR相关的内容。相比之下，6%的企业由于隐私限制或缺乏相关内容而无法访问其账号，而在数据收集时，还有17%的企业在该平台上没有可见的账号信息。图2进一步按股票指数分类展示了X账号的可访问性情况。

总结而言，鉴于数字技术在商业运营中的重要性日益凸显，本研究也意识到了与之相关的隐私、数据保护及人权方面的风险与挑战。随着企业不断应对这些复杂问题，近期文献开始关注CDR这一概念，它涵盖了指导企业负责任地使用数字技术的伦理标准与规范（Suchacka, 2019; Tóth and Blut, 2024）。

参考文献：
Ahmad et al., 2024
Andrikopoulos and Kriklani, 2013
Cavaco and Crifo, 2014
Chen and Xie, 2022
Chen et al., 2018
Chkir et al., 2021
Clarkson et al., 2008
Crisóstomo et al., 2020
Eickhoff et al., 2017
Feng et al., 2017
France Stratégie, 2021
Hummel and Schlick, 2016
Ioannou and Serafeim, 2012
Jiang et al., 2024
Lovejoy and Saxton, 2012
Md Zaini et al., 2018
Mueller, 2022
Oliveira et al., 2019
Pradhan and Nibedita, 2021
Reis et al., 2018
Samans and Nelson, 2020
Samans and Nelson, 2022
Schwartz and Carroll, 2003
Seidl