信息技术投资对批发零售业公司绩效影响的时滞效应研究

韩耀军 王永亮

（上海外国语大学国际工商管理学院，上海 200083）

信息技术投资对批发零售业公司绩效影响的时滞效应研究

韩耀军 王永亮

（上海外国语大学国际工商管理学院，上海 200083）

充分挖掘信息技术的价值、提高信息技术投资效率，进而改善公司绩效，不仅是公司管理者也是学术界非常关注的问题。现有研究很少考虑信息技术投资对公司绩效影响的滞后情况。本文利用回归分析对中国批发零售业31家上市公司信息技术投资对公司绩效影响的时滞效应进行了实证研究。实证结果表明，批发零售业上市公司信息技术投资对业务流程影响的绩效滞后期为1年，对财务绩效影响的滞后期为2年，而信息技术投资对市场绩效滞后期不显著。

批发零售业；信息技术投资；时滞效应；实证研究

1 引言

批发零售业是我国竞争最为激烈、市场化程度最高的行业之一。在大数据时代，企业会越来越深刻感受到充分发挥信息技术优势是提升竞争能力的关键要素，例如批发零售业公司应用OA系统实现企业的办公自动化，应用ERP系统实现企业内部管理优化，对人力资源、财务、物资物流等资源进行集成一体化，包括对供应商以及分销商的管理，应用CRM系统实现对客户关系的管理等等。批发零售企业纷纷加大对信息技术的投资力度，既是互联网蓬勃发展的外部驱动，也是内部优化管理的自驱动力。随着各种信息技术在批发零售业的实施应用，企业更关心如何将信息技术转化为生产力、如何提高信息技术投资效率。不少学者研究了同一时期信息技术投资对公司绩效的影响，Bryniolfsson （1993）认为企业学习和调整引起的滞后是有些学者得出信息技术投资对公司绩效无显著影响的原因之一，Mahmood与Szewczak等人（1998）从信息系统的角度研究了信息技术投资与组织绩效的关系，得出了滞后2年的结论。Viet Dao与 Robert Zmud等人（2007）将信息技术投资分为自动化、信息化与转化三种类型，结果发现自动化信息技术投资对生产成本、利润与市场价值有显著影响，在会计绩效方面，转化型信息技术投资比自动化有更长时间的滞后，而在市场绩效方面，正好相反。Lu Zhang与Jinghua Huang等人（2012）采用多元回归方法检测ERP系统投资对托宾Q的影响，选取126家上市公司的9年数据，实证结果表明在ERP实施后的前三年，对托宾Q并没有显著的影响，然而从第四年开始，托宾Q显著增加。

我国学者孙晓琳等人（2010）选取信息技术类上市公司为样本，以总资产收益率（ROA）度量公司绩效，用信息技术投资占公司总资产的比例定义信息技术强度，以软件投资强度与硬件投资强度作为自变量，控制变量为公司规模，用公司总资产度量，结果发现我国信息技术公司的信息技术投资对组织绩效有负向影响，硬件投资存在时滞效应，在短期内，硬件投资与公司绩效是负相关，2年后对公司绩效有显著的积极影响，而软件投资在短期内对公司绩效的影响并不显著，2年后有显著的负面影响，信息技术存量资产对公司绩效有显著的正向影响，同期新增的信息技术投资对公司绩效的影响不显著。任菲等人（2012）选取了421家上市公司，考察三年的滞后效果，结论表明信息技术投资对主营业务收入的增长有显著且持续的作用，对净利润的贡献逐年递增，在投资后第三年呈现显著效果。Matt Campbell（2012）选取跨度为12年的数据，实证结果表明信息技术投资对公司绩效有很强的滞后效应，具体来讲，信息技术投资大约三年后，销售报酬率与主营业务成本才会有显著变化，投资四年后，单位资产的运营收益才会呈现最大收益。

从现有的研究成果看，一方面是大多数没有考虑到信息技术投资对公司绩效影响的滞后情况，或者只是借鉴前人的滞后研究成果应用于自己的样本，另一方面，没有考虑到信息技术投资对公司绩效的影响过程。本文将重点研究信息技术投资对公司绩效影响的滞后效应。这对于企业把握信息技术投资的时间、充分挖掘信息技术的价值、提高信息技术投资效率，进而改善公司绩效具有重要的意义。

2 研究设计

2.1 研究对象及问题

本文的研究对象为批发零售业上市公司，数据来源于公司年报及国泰安数据库，具有可靠性，按照国民经济行业分类（GB/T 4754-2011），批发和零售业指从事的内容是商品在流通环节中的批发活动和零售活动。本文探讨的主要问题包括以下三个：

（1）信息技术投资对公司绩效影响的过程。

（2）不同过程的投入产出指标。

（3）批发零售业信息技术投资对公司绩效影响的滞后效应。

2.2 实证准备

2.2.1 批发零售业公司业务流程分析

本文希望能揭示信息技术投资对公司绩效的影响情况，以往的研究往往简单地把信息技术投资指标作为自变量，公司绩效指标作为因变量，通过回归方法研究它们的直接关系，以确定是否存在“生产率悖论”。但是，随着对信息技术投资价值以及价值实现途径研究的不断深入，人们逐渐认识到信息技术投资和公司绩效提升之间存在复杂的关系，信息技术需要通过一系列的中间作用过程才能最终影响公司的绩效，而且这种影响作用还受到组织权变因素的影响。

信息技术作为一种投入要素投入生产过程中，会影响到企业的生产经营过程和管理过程。本文参考Christina Soh（1995）提出的模型和Bruce Dehning（2002）提出的模型及指标，在批发零售业信息技术投资发挥效益的整个运营过程中，将其分为两个阶段，如图1所示。

图1 信息技术投资对公司绩效影响的过程

2.2.2 变量选择

本文选取如表1所示的具体投入产出指标，并做详细阐释。本文提出以下三类绩效指标：业务流程绩效指标，反映公司中间活动过程，包括存货周转率、应收账款周转率和总资产周转率；财务绩效指标，反映公司的财务情况，包括总资产收益率（ROA）、净资产收益率（ROE）、人均营业收入额、人均净利润额；市场绩效指标用托宾Q测量，反映公司市值对重置成本的比例。

表1 投入产出变量及指标

（1）信息技术投资。为了消除公司规模不同造成的影响，本文采用人均硬件及人均软件投入额度量。

人均硬件投入额：通过上市公司年报附注固定资产中的“电子设备”“电脑设备”“信息设备”“电子及通讯设备”“电子、计算机设备”等相关项目的本期增加账面原值提取。

人均软件投入额：通过上市公司年报附注无形资产中的“（电脑、计算机、办公）软件”“软件系统”等相关项目的本期增加账面原值提取。

（2）业务流程绩效。业务流程绩效包括三个指标：存货周转率、应收账款周转率与总资产周转率。

存货周转率：该指标反映了公司存货资金占用量是否合理及存货的流动性情况。存货周转率值越高，表示公司的存货运营效率越高，可以提高公司的短期偿债能力。其计算公式如下：

存货周转率=营业成本/存货平均占用额，

存货平均占用额=（存货期末余额+存货期初余额）/2

应收账款周转率：该指标衡量公司应收账款流动程度。应收账款周转率越高，收回应收账款所需的时间越短，否则会影响资金周转，阻碍公司的正常运营。其计算公式如下：

应收账款周转率=营业成本/应付账款平均占用额

应付账款平均占用额=（应付账款期末余额+应付账款期初余额）/2

总资产周转率：该指标反映了公司对总资产的营运能力。值越大，表明总资产周转速度越快，公司对总资产的营运能力越强。计算公式如下：

总资产周转率=营业收入/平均资产总额

平均资产总额=（资产合计期末余额+资产合计期初余额）/2

（3）财务绩效。财务绩效包括4个指标：总资产收益率（ROA）、净资产收益率（ROE）、人均营业收入额与人均净利润额。

总资产收益率（ROA）：该指标反映了每单位资产所能产生的净利润，是反映盈利能力的重要指标，值越高，表明公司对资产利用率越高。其计算公式如下：

总资产收益率（ROA）=净利润/总资产平均余额

总资产平均余额=资产合计期末余额+资产合计期初余额）/2

净资产收益率（ROE）：该指标反映了每单位股东权益所能产生的净利润，也是衡量公司盈利能力的重要指标，值越高，表明公司对净资产（股东权益）的利用率越高。其计算公式如下：

净资产收益率（ROE）=净利润/股东权益平均余额

股东权益平均余额=（股东权益期末余额+股东权益期初余额）/2

人均营业收入额=营业收入额/人数。

人均净利润额=净利润额/人数。

（4）市场绩效。主要用托宾Q反映市场绩效。本文用期末总资产代替重置成本，该指标反映了市场对公司未来利润的预期。如果Q＜1，表示公司的市场价值低于其重置成本，如果Q＞1，表示公司的市场价值高于其重置成本。其计算公式如下：

托宾Q=市场价值A/期末总资产

市场价值A=股权市值+净债务市值，其中非流通股权市值用净资产代替计算

2.2.3 数据来源

根据证监会公布的上市公司行业分类，批发零售业2014年前A股上市公司共152家，选取2011-2014年报中披露信息技术投资（硬件投资、软件投资）的公司，并且剔除ST、*ST以及有重大重组并购的公司，符合条件的共31家。数据取自公司年报及国泰安CSMAR数据库。

3 实证分析

3.1 时滞模型的构建

本文以2014年业务流程绩效及公司绩效指标为因变量，分别对2011至2014年信息技术投入指标进行多元回归分析，即分别探讨滞后3、2、1、0期的效果。由于数据跨度四年，考虑到通货膨胀等影响，将货币数值除以各年GDP平减指数（以1978年为基期）得到实际值。考虑到公司规模的影响，取人均实际总资产作为控制变量。回归模型如下：

其中，Y分别取2014年的存货周转率、应收账款周转率、总资产周转率、ROA、ROE、人均营业收入、人均净利润及托宾Q；X1t表示新增硬件投入额，X2t表示新增软件投入额，X3t表示年初人均总资产；t取2014、2013、2012、2011，分别代表2014年、2013年、2012年、2011年的值。滞后0期表示取2014年公司绩效为因变量，2014年新增硬件、新增软件投入额为自变量，2014年初人均总资产为控制变量，以此类推，滞后1期表示自变量取2013年的值，滞后2期表示自变量取2012年的值，滞后3期表示自变量取2011年的值。

3.2 时滞效应结果分析

使用Eviews 8.0软件进行多元线性回归分析，分别以存货周转率、应收账款周转率、总资产周转率、ROA、ROE、人均营业收入、人均净利润、托宾Q为因变量，以相对应时期的人均硬件投入额、人均软件投入额、人均总资产为自变量，结果如表2-表8所示。其中用*表示P＜0.05，**表示P＜0.01，***表示P＜0.001。如果不存在这3个标记，表明该变量未通过显著性检验。

（1）存货周转率的回归分析。以2014年存货周转率为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归检验，分析结果如表2所示。

表2结果表明，四个滞后模型均未通过总体线性的显著性检验，而且三个自变量均没有通过t检验，所以人均硬件投入额、人均软件投入额、人均总资产对存货周转率无显著影响，且滞后期不显著。

表2 存货周转率回归结果

（2）应收账款周转率的回归分析。以2014年应收账款周转率为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。用怀特检验发现滞后1期模型存在异方差性，所以用1/|resid|进行了修正，结果如表3所示。

表3 应收账款周转率回归结果

观察表3，滞后0、2、3期模型均未通过总体线性的显著性检验，而且三个自变量均没有通过t检验。但滞后1期模型的R2为0.9981，模型的拟合优度很高；总体线性的显著性检验P＜0.01，所以通过F检验；三个自变量均通过t检验，其中，人均硬件投入额、人均总资产的t检验P＜0.01，表示在99%的置信度下显著，人均软件投入额的t检验P＜0.05，表示在95%的置信度下显著。回归分析表明2013年新增人均硬件投入额、新增人均软件投入额对2014年应收账款周转率存在显著的负向影响，而人均总资产对其存在显著的正向影响，人均硬件投入额、人均软件投入额、人均总资产对应收账款周转率的影响滞后1年。

（3）总资产周转率的回归分析。以2014年总资产周转率为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。滞后1期模型的怀特检验存在异方差性，结果用1/|resid|进行了修正，分析结果如表4所示。

表4 总资产周转率回归结果

观察表4，滞后0、2、3期模型均未通过总体线性的显著性检验，而且三个自变量均没有通过t检验。滞后1期模型方程的R2为0.9984，模型的拟合优度很高；总体线性的显著性检验P＜0.01，所以通过F检验；三个自变量均通过t检验，P＜0.01，即在99%的置信度下显著。回归分析表明2013年新增人均硬件投入额及人均总资产对2014年总资产周转率存在显著的负向影响，而2013年新增人均软件投入额对2014年总资产周转率存在显著的正向影响，所以可通过增加人均软件投入额以提高总资产周转率。人均硬件投入额、人均软件投入额、人均总资产对总资产周转率的影响滞后1年。

（4）总资产收益率的回归分析。以2014年总资产收益率为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。滞后2期模型的怀特检验存在异方差性，结果用1/|resid|进行了修正，分析结果如表5所示。

表5 总资产收益率回归结果

由表5发现，滞后2期模型方程总体线性的显著性检验P＜0.01，所以通过F检验；三个自变量均通过t检验，其中，人均硬件投入额、人均软件投入额t检验P＜0.1，即在90%的置信度下显著，人均总资产t检验P＜0.01，即在99%的置信度下显著。回归分析表明2012年新增人均硬件投入额对2014年ROA有显著的正向影响，所以可通过增加人均硬件投入以提高总资产收益率；2012年新增人均软件投入额及人均总资产对2014年ROA存在显著的负向影响。人均硬件投入额、人均软件投入额与人均总资产对ROA的影响滞后2年。

（5）净资产收益率的回归分析。以2014年净资产收益率为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。其中，当期（0期）的怀特检验存在异方差性，结果用1/|resid|进行了修正，分析结果如表6所示。

表6 净资产收益率回归结果

由表6发现，当期的滞后模型方程通过总体线性的显著性检验；当期的人均软件投入额、人均总资产t检验P＜0.1，即在90%的置信度下显著，但是人均硬件投入额t检验P＞0.1，没有通过t检验，对净资产收益率的影响不显著，滞后期并不显著。

（6）人均营业收入额的回归分析。以2014年人均营业收入额为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。滞后1、2、3期的怀特检验存在异方差性，结果用1/|resid|进行了修正，分析结果如表7所示。

表7 人均营业收入额回归结果

由表7发现，当期模型方程的总体线性的显著性检验P＜0.1，在90%的置信度下显著，滞后1、2、3期模型方程的总体线性的显著性检验P＜0.01，通过F检验；滞后2、3期的人均硬件投入额、人均软件投入额、人均总资产三个自变量的t检验P＜0.01，表示在99%的置信度下显著。回归分析表明2011年、2012年的新增人均硬件投入额、新增人均软件投入额、人均总资产对2014年人均营业收入额存在显著的影响，即人均硬件投入额、人均软件投入额、人均总资产对应收账款周转率的影响滞后2-3年。但是，比较R2大小，滞后2期的R2为0.9977，滞后3期的R2为0.3732，显然滞后2期的模型拟合优度更高，所以更倾向于滞后2年，即2012年新增人均硬件投入额及人均总资产对2014年人均营业收入额有显著的正向影响，所以可以通过提高人均硬件投入以增加人均营业收入；2012年新增人均软件投入额对2014年人均营业收入额有显著的负向影响。

（7）人均净利润额的回归分析。以2014年人均净利润额为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。滞后2期模型的怀特检验存在异方差性，结果用1/|resid|进行了修正，分析结果如表8所示。

表8 人均净利润额回归结果

由表8发现，当期、滞后1、2期的总体线性显著性检验P＜0.01，通过F检验；滞后2期模型方程的R2为0.9857，模型的拟合优度很高；滞后2期的三个自变量均通过t检验，P＜0.01，表示在99%的置信度下显著。回归分析表明2012年新增人均硬件投入额及人均总资产对2014年人均净利润额存在显著的正向影响，所以可通过增加人均硬件投入以提高人均净利润；2012年新增人均软件投入额对2014年人均净利润额存在显著的负向影响。人均硬件投入额、人均软件投入额、人均总资产对人均净利润额的影响滞后2年。

（8）托宾Q的回归分析。以2014年托宾Q为因变量，分别以2014、2013、2012、2011年的人均硬件投入额、人均软件投入额为自变量，年初人均总资产为控制变量，进行多元回归分析。分析结果如表9所示。

表9可知，四个滞后模型方程均未通过总体线性的显著性检验，而且三个自变量都没有通过t检验，所以人均硬件投入额、人均软件投入额、人均总资产对托宾Q的影响不显著，滞后期不显著。

表9 托宾Q回归结果

4 结论

本文以批发零售业符合条件的31家上市公司为例，选取2011-2014年数据，通过多元线性回归分析信息技术投资对公司绩效的影响。本文提出以下三类绩效指标：业务流程绩效指标，反映公司中间活动过程，包括存货周转率、应收账款周转率和总资产周转率；财务绩效指标，反映公司的财务情况，包括总资产收益率（ROA）、净资产收益率（ROE）、人均营业收入额、人均净利润额；市场绩效指标用托宾Q测量。实证结果表明批发零售业上市公司信息技术投资对应收账款周转率、总资产周转率有滞后1年的显著正向影响，对总资产收益率、人均营业收入、人均净利润有滞后2年的显著正向影响，对存货周转率、净资产收益率、托宾Q的影响不显著。从一定程度上可以说信息技术投资对业务流程绩效滞后1年，对财务绩效滞后2年，这一结论证明了本文所建立的信息技术投资对企业绩效影响的过程模型，信息技术投资先作用于公司业务流程，改善运营，进而促进财务绩效的改善。研究结果还进一步表明，由于信息技术投资对企业绩效具有滞后性，所以企业对信息技术的投资不能期望当年投资当年就能提高效益，必须具有前瞻性。

下一步的工作将在此基础上研究信息技术投资效率的计算与分析。

[1] Brynjolfsson E. The Productivity Paradox of Information Technology [J]. Communications of the Acm, 1993, 36(12):66-77.

[2] Mahmood M A, Szewczak E J. Information technology investment and organizational performance: new perspectives from information systems research and practice [C]// Measuring information technology investment payoff. IGI Publishing, 1998.

[3] Shaft T M, Zmud R W, Dao V. An Examination of Lag Effects in Relationships between Information Technology Investment and Firm-Level Performance [C]. Proceedings of the twenty eighth International Conference on Information Systems, AIS, 2007:135-155..

[4] Zhang, Jinghua, Huang. Impact of ERP Investment on Company Performance: Evidence from Manufacturing Firms in China [J]. Tsinghua Science & Technology, 2012(3):232-240.

[5] Matt Campbell. What a Difference a Year Makes: Time Lag Effect of Information Technology Investment on Firm Performance [J]. Journal of Organizational Computing & Electronic Commerce, 2012, 22(3):237-255.

[6] Christina Soh. How it creates business value: a process theory synthesis [J].Management Science, 1995, 17(1):29-41.

[7] Dehning B, Richardson V J. Returns on Investments in Information Technology: A Research Synthesis [J]. Journal of Information Systems, 2002, 16:7-30.

[8] 孙晓琳, 邢一亭, 王刊良. 信息技术投资与组织绩效关系的实证研究——来自我国IT类上市公司的证据[J]. 科学学研究, 2010, 28（3）:397-404.

[9] 任菲, 石川, 李东. 我国信息技术投资对公司盈利性的影响[J].商业研究, 2012, （4）.

[10] 王永亮. 信息技术投资对公司绩效的影响——以中国批发零售业上市公司为例[D]. 上海外国语大学硕士论文, 2016.5

Research on Time Lag Effect of the Impact of Information Technology Investment on Wholesale and Retail Corporate Performance

Han Yaojun Wang Yongliang

Fully exploiting the value of information technology, improving the efficiency of information technology investment and the performance of the company is not only the companies’ but also the academic community’s concerned problem. Some previous studies didn’t take the impact of information technology investment on the lag period of corporate performance into account. The empirical research on time lag effect of information technology investment on enterprise performance based on 31 wholesale and retail industry listed companies is conducted in this paper. The results showed that wholesale and retail trade listed companies’ information technology investment has significant influences on business process performance which lagged one year and fi nancial performance which lagged two years. The impact of information technology investment on market performance is not significant.

The Wholesale and Retail Trade; Information Technology Investment; Time Lag Effect; Empirical Research

F275

A

1005-9679(2016)06-0056-06

韩耀军，上海外国语大学国际工商管理学院教授、博士，研究方向为网格计算、信息管理、技术经济及管理；王永亮，上海外国语大学国际工商管理学院硕士，研究方向为技术经济及管理。