网站导航 | 网站地图 | 关于我们现代商业杂志社投稿采编平台官方网站

 财会研究
消费品牌数字化转型投入与企业财务绩效相关性研究
发布时间:2026-05-11 点击: 165 发布:www.xiandaishangye.cn 编辑:马建伟

摘 要:在数字经济浪潮下,消费品牌数字化转型已成为企业提升竞争力的核心战略,但其对企业财务绩效的影响机制尚不明确。文章基于2012-2022年我国A股上市消费品牌企业的面板数据,构建固定效应回归模型,实证研究消费品牌数字化转型投入与企业财务绩效之间的关系。结果显示:消费品牌数字化转型投入与企业财务绩效之间存在显著的正向相关关系,数字化转型投入是财务绩效提升的重要驱动因素,其中数字化营销投入对财务绩效的促进作用显著高于数字化研发投入。
关键词:数字化转型;财务绩效;消费品牌;固定效应模型

一、引言

当前,数字经济已成为全球经济增长的重要引擎。我国“十四五”数字经济发展规划明确提出,到2025年数字经济核心产业增加值占GDP比重达到10%。消费品牌作为连接生产与消费的关键环节,在数字化浪潮下面临着前所未有的机遇与挑战。根据《中国数字经济发展报告2022》统计数据显示,2021年我国实物商品网上零售额达10.8万亿元,同比增长12.0%,占社会消费品零售总额比重达24.5%。面对消费者行为数字化、渠道多元化、营销精准化等趋势,传统消费品牌企业纷纷加大数字化转型投入,涉及数字化研发、数字化营销、数字化渠道等多个维度。然而,数字化转型投入周期长、见效慢、风险高,短期内可能挤占企业利润,长期能否显著提升财务绩效,学术界尚未形成一致结论。我国消费品牌企业数量众多、发展阶段各异,数字化转型的战略定位和资源配置需要因地制宜。探索消费品牌数字化转型投入与企业财务绩效之间的内在关系,对指导企业科学制定数字化战略、优化资源配置、实现高质量发展具有现实意义。

二、文献综述

近年来国内外学者从不同视角对数字化转型与企业绩效的关系开展了卓有成效的研究,本文从研究方法和研究维度的不同加以分类。从研究方法上来说,戚聿东等运用面板数据回归分析发现制造企业数字化转型能显著提升企业绩效,但服务型企业数字化转型的绩效提升效应存在滞后性;李琦等从资源编排视角下的动态面板模型和门槛效应模型研究了数字化转型与企业绩效的关系,在达到数字化成熟度阈值之前数字化投入对绩效的正向影响不显著,超过阈值后促进作用明显增强;王秀丽等基于DEA效率分解法和聚类分析法发现区域数字化水平差异会弱化数字化转型对企业绩效的促进作用;赵亚普等采用Lotka-Volterra模型考察了“数字化投入—传统业务—企业绩效”之间的关系,指出企业要实现数字化转型的绩效提升,应注重数字化业务与传统业务的协同发展;陈冬梅等通过建立空间计量模型认为区域内龙头企业数字化转型能提升本企业和周边企业的绩效水平。

从研究维度上来说,刘淑春等利用案例分析发现在零售行业,全渠道数字化整合有助于提升销售效率和客户黏性;孙新波等发现在消费品行业中,通过数字化营销和智能供应链建设能显著提升资产周转率和利润率;吴晓波等认为长三角地区消费品牌企业数字化投入、组织韧性和企业绩效之间存在长期均衡关系,推动数字化与组织变革协同能提升绩效表现;黄丽华等以数字化成熟度为视角,实证了数字化能力能缩小东部、中部和西部地区消费品牌企业之间的绩效差距。陈春花等利用耦合协调模型实证发现在消费电子行业,数字化领导力对数字化投入与绩效的协调关系起到调节作用;张晨等通过构建空间杜宾模型研究了消费品牌数字化营销、渠道整合对企业绩效的影响,得到数字化营销能提升短期绩效,渠道整合对绩效提升具有长期效应且存在空间溢出效应。李飞等通过研究美妆行业数字化投入与绩效关系发现,数字化客户关系管理投入越密集越有利于提升客户生命周期价值。

通过文献梳理,许多学者运用不同统计计量方法对数字化转型与企业绩效之间的关系及影响因素展开研究。但多数研究将数字化转型投入简单表示为数字化相关资产占比,鲜有从数字化营销投入和数字化研发投入两个维度来衡量数字化转型,且多数以制造业或全行业作为研究对象,针对消费品牌的专门研究较少。由于不同品类消费品牌的客群特征、渠道结构和竞争格局存在差异,因此在数字经济背景下,具体策略落实到细分品牌类别就显得格外重要。本文通过构建固定效应回归模型分析了消费品牌数字化转型投入对企业财务绩效的长期动态关系,为消费品牌企业在数字化浪潮下如何更好地优化资源配置、科学制定数字化战略、从而提升财务绩效作出指导和借鉴。

三、研究方法与变量说明

(一)研究方法

本文选取2012-2022年我国A股上市消费品牌企业的面板数据构建固定效应回归模型,通过控制个体异质性来估计数字化转型投入对财务绩效的影响。其公式表示为

由于数字化转型投入可表示为数字化营销投入和数字化研发投入两种模式并存,因此本文构建数字化营销投入、数字化研发投入和企业财务绩效作为核心变量的固定效应模型。

(二)变量选取

  1. 财务绩效(ROA):表示企业运用资产获取利润的能力,是衡量企业财务绩效的核心指标。本文采用总资产收益率(净利润/平均总资产)来表示企业财务绩效。公式为:

其中ROA越大表示企业财务绩效越好。

  1. 数字化转型投入(Digital):表示企业在数字化相关领域投入的资源总和。本文借鉴吴非等的做法,利用上市公司年报中数字化转型关键词频次取对数作为衡量企业数字化转型投入力度的指标。同时,将数字化转型投入细分为数字化营销投入(Digital_M,关键词包括“直播带货”“社交电商”“私域运营”“精准营销”等)和数字化研发投入(Digital_R,关键词包括“大数据平台”“人工智能”“云计算”“物联网”等)。公式为:

=ln(1+数字化转型关键词出现频次)

  1. 控制变量:为消除其他因素对财务绩效的影响,本文选取以下控制变量:企业规模(Size,总资产取对数)、资产负债率(Lev,总负债/总资产)、营业收入增长率(Growth,当年营收/上年营收-1)、企业年龄(Age,成立年限取对数)、股权集中度(Top1,第一大股东持股比例)。

为消除数据异方差的影响,对部分变量采取对数处理。财务数据均来自国泰安数据库(CSMAR)和上市公司年报,本文采用Stata17.0进行实证分析。变量描述性统计如表1所示。

表1 变量数据描述统计

变量符号样本量均值标准差最小值最大值
财务绩效ROA13500.0420.058-0.2140.186
数字化转型投入Digital13502.1561.2470.0005.682
数字化营销投入Digital_M13501.0230.8920.0004.125
数字化研发投入Digital_R13501.5721.0340.0005.012
企业规模Size135022.1341.25619.56726.342
资产负债率Lev13500.4580.1920.0570.892
营收增长率Growth13500.1560.284-0.5231.845
企业年龄Age13502.8760.3421.7923.512
股权集中度Top1135034.56714.2358.56072.340

四、实证检验

(一)平稳性检验

由于面板数据可能存在单位根导致伪回归问题,因此选用LLC和IPS单位根检验。如表2所示,在1%的显著性水平下,所有变量的LLC检验和IPS检验均显著拒绝存在单位根的原假设,表明各变量均为平稳序列,可以直接进行回归分析。

表2 面板数据单位根检验结果

变量LLC检验IPS检验结论
ROA-12.347***-8.562***平稳
Digital-10.283***-7.341***平稳
Digital_M-9.456***-6.892***平稳
Digital_R-9.872***-7.123***平稳
Size-8.345***-5.678***平稳
Lev-11.234***-7.892***平稳
Growth-13.456***-9.123***平稳
Age-7.234***-5.123***平稳
Top1-6.567***-4.892***平稳

注:*****分别表示统计量在10%、5%和1%的水平下显著。

(二)模型选择与回归分析

面板数据模型通常包括混合OLS模型、固定效应模型和随机效应模型。通过F检验和Hausman检验确定模型形式。F检验的p值为0.000,拒绝使用混合OLS模型的原假设;Hausman检验的p值为0.000,拒绝随机效应模型的原假设。因此,本文选择固定效应模型进行回归分析。根据表3可知,数字化转型投入对财务绩效的回归系数为0.0062,在1%水平上显著,表明数字化转型投入能显著提升企业财务绩效。

表3 基准回归结果

变量模型1(ROA)模型2(ROA)模型3(ROA)
Digital0.0062***


(0.0012)

Digital_M
0.0085***


(0.0015)
Digital_R

0.0038**



(0.0014)
Size0.0045**0.0042**0.0048**

(0.0018)(0.0017)(0.0019)
Lev-0.0856***-0.0834***-0.0872***

(0.0098)(0.0096)(0.0101)
Growth0.0234***0.0228***0.0241***

(0.0045)(0.0044)(0.0047)
Age0.00320.00290.0035

(0.0056)(0.0055)(0.0057)
Top10.00010.00010.0001

(0.0001)(0.0001)(0.0001)
常数项-0.0892**-0.0856**-0.0923**

(0.0345)(0.0341)(0.0352)
个体固定效应控制控制控制
年份固定效应控制控制控制
0.3240.3410.298
样本量135013501350

注:括号内为稳健标准误;***、**分别表示统计量在10%、5%和1%的水平下显著。

(三)内生性处理

数字化转型投入与财务绩效之间可能存在反向因果关系,即绩效好的企业更有能力进行数字化投入。本文采用工具变量法(两阶段最小二乘)处理内生性问题,选取同行业其他企业数字化转型投入的均值作为工具变量。表4显示,第一阶段F统计量为28.34,大于10,排除弱工具变量问题;第二阶段回归中数字化转型投入的系数仍显著为正,表明结论稳健。

表4 工具变量回归结果

变量第一阶段(Digital)第二阶段(ROA)
IV_同行均值0.782***

(0.147)
Digital
0.0071***


(0.0018)
控制变量控制控制
F统计量28.34
样本量13501350

注:***、**分别表示统计量在10%、5%和1%的水平下显著。

(四)异质性分析

不同品类消费品牌的数字化转型效果可能存在差异。本文将样本分为可选消费(家电、服装、美妆等)和必选消费(食品、日用品等)两组进行分组回归。由表5可知,可选消费品牌的数字化转型投入对财务绩效的促进作用(系数0.0078)显著大于必选消费品牌(系数0.0039),且前者在1%水平上显著,后者仅在10%水平上显著。这可能是由于可选消费品牌更依赖品牌形象和客户体验,数字化营销对其销售转化作用更为明显。

表5 异质性分析结果

变量可选消费(ROA)必选消费(ROA)
Digital0.0078***0.0039*

(0.0016)(0.0021)
控制变量控制控制
个体固定效应控制控制
0.3560.278
样本量780570

注:***、**分别表示统计量在10%、5%和1%的水平下显著。

(五)稳健性检验

为确保结论可靠性,本文进行了以下稳健性检验:(1)替换被解释变量,采用净资产收益率(ROE)替代总资产收益率(ROA);(2)替换解释变量,采用数字化无形资产占比替代关键词频次;(3)剔除样本中的极端值,对连续变量进行上下1%缩尾处理。如表6所示,所有稳健性检验中数字化转型投入的系数均显著为正,表明结论稳健。

表6 稳健性检验结果

变量ROE数字化无形资产占比缩尾处理
Digital0.0142***
0.0058***

(0.0031)
(0.0011)
Digital_资产
0.0356***


(0.0089)
控制变量控制控制控制
0.2870.2560.331
样本量135013501350

注:***、**分别表示统计量在10%、5%和1%的水平下显著。

五、结论与政策建议

(一)研究结论

本文基于固定效应回归模型,通过单位根检验、模型选择、异质性分析、内生性处理和稳健性检验对消费品牌数字化转型投入与企业财务绩效的关系进行计量分析,得出以下结论:

  1. 数字化转型投入与财务绩效之间存在显著的正向相关关系。根据基准回归结果,消费品牌数字化转型投入每增加1个标准差,总资产收益率提升约0.62个百分点,表明数字化转型投入能有效提升企业财务绩效。

  2. 数字化营销投入对财务绩效的促进作用显著高于数字化研发投入。根据细分维度回归,数字化营销投入的系数为0.0085,数字化研发投入的系数为0.0038,前者约为后者的2.2倍。这说明对于消费品牌而言,前端营销数字化比后端研发数字化更能快速转化为财务回报。

  3. 数字化转型对财务绩效的促进作用存在品类异质性。可选消费品牌的数字化转型效果显著优于必选消费品牌,前者系数约为后者的2倍,这与可选消费品牌更依赖数字化触达和体验营销的特征相匹配。

从实证结果来看,消费品牌数字化转型投入是提升财务绩效的有效手段,数字化营销投入对财务绩效的提升效果显著优于数字化研发投入。

(二)政策建议

根据上述结论,本文提出以下建议:

第一,科学规划数字化转型投入结构,优先布局数字化营销。

消费品牌企业应根据自身发展阶段和资源禀赋,合理配置数字化投入方向。在数字化转型初期,可适度优先投入数字化营销领域,包括直播电商、社交电商、私域流量运营等,快速实现销售转化和客户积累。待企业具备一定数字化基础和盈利能力后,再逐步加大数字化研发投入,构建数据中台、智能供应链等技术底座。避免盲目追求“大而全”的数字化投入,防止因短期投入过高挤占利润、影响财务健康。

第二,因品制宜制定数字化战略,差异化推进转型进程。

对于服装、美妆、家电等可选消费品牌,应充分发挥数字化营销优势,利用精准投放、内容种草、KOL合作等手段提升品牌溢价和转化率;对于食品、日用品等必选消费品牌,应注重数字化渠道的渗透率和复购率提升,强化会员体系和私域运营,通过数据驱动优化产品组合和定价策略。同时,不同区域市场的消费品牌应根据当地数字化基础设施和消费者习惯,采取差异化的落地策略。

第三,强化数字化与组织协同,构建系统性转型能力。

数字化转型不仅是技术投入,更是组织变革。企业应同步推进数字化人才引进、组织架构调整和绩效考核优化。建立跨部门的数字化协同机制,打破数据孤岛,实现营销、研发、供应链各环节的数据打通和业务联动。政府部门可加强消费品牌数字化转型的公共服务供给,包括数字化人才培养、行业数据平台建设、标杆案例推广等,降低中小企业数字化转型的门槛和成本。积极参与数字消费新业态、新模式的探索,抓住扩大内需和消费升级的战略机遇,推动消费品牌企业实现高质量发展。