企業(yè)智能財(cái)務(wù)能抑制盈余管理嗎【摘要】企業(yè)財(cái)務(wù)會(huì)計(jì)領(lǐng)域的智能化是數(shù)字經(jīng)濟(jì)時(shí)代的重要方面。文章選取2016—2022年A股上市公司為研究樣本，實(shí)證檢驗(yàn)了企業(yè)智能財(cái)務(wù)與盈余管理的關(guān)系。研究發(fā)現(xiàn)，企業(yè)實(shí)施智能財(cái)務(wù)能有效抑制盈余管理，且這種抑制作用主要通過(guò)提高透明度的機(jī)制來(lái)實(shí)現(xiàn)。異質(zhì)性分析發(fā)現(xiàn)，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用在企業(yè)規(guī)模較大、機(jī)構(gòu)持股比例較高的企業(yè)及市場(chǎng)化程度較高的情況下更顯著。進(jìn)一步分析發(fā)現(xiàn)，企業(yè)實(shí)施智能財(cái)務(wù)不僅有利于降低應(yīng)計(jì)盈余管理，而且能降低真實(shí)盈余管理。研究結(jié)論對(duì)完善企業(yè)數(shù)字化轉(zhuǎn)型、提高財(cái)務(wù)報(bào)告信息質(zhì)量和促進(jìn)資本市場(chǎng)健康發(fā)展具有重要意義?！娟P(guān)鍵詞】智能財(cái)務(wù)；盈余管理；數(shù)字經(jīng)濟(jì)；文本分析【中圖分類號(hào)】F275.2"【文獻(xiàn)標(biāo)識(shí)碼】A"【文章編號(hào)】1004-5937（2025）15-0059-09自2016年G20峰會(huì)起，數(shù)字經(jīng)濟(jì)已連續(xù)9年被寫(xiě)入政府工作報(bào)告，成為我國(guó)建設(shè)高質(zhì)量經(jīng)濟(jì)發(fā)展體系的重要戰(zhàn)略目標(biāo)。在國(guó)家數(shù)字經(jīng)濟(jì)布局下，眾多企業(yè)借助人工智能、云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)開(kāi)展了智能化改造和數(shù)字化轉(zhuǎn)型（以下簡(jiǎn)稱“智改數(shù)轉(zhuǎn)”），通過(guò)數(shù)字技術(shù)與產(chǎn)業(yè)發(fā)展的深度融合，不斷地對(duì)企業(yè)的業(yè)務(wù)流程、產(chǎn)品與服務(wù)以及商業(yè)模式進(jìn)行創(chuàng)新演變。已有文獻(xiàn)廣泛討論了企業(yè)數(shù)字化轉(zhuǎn)型的典型模式及表現(xiàn)[1]，并重點(diǎn)研究了企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型不僅顯著地改變了企業(yè)的專業(yè)化分工[2]，而且提升了企業(yè)生產(chǎn)效率、企業(yè)價(jià)值和資本市場(chǎng)表現(xiàn)等[3]。隨著企業(yè)全面“智改數(shù)轉(zhuǎn)”的推進(jìn)，企業(yè)管理變革逐漸受到關(guān)注。關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型帶來(lái)的管理變革，當(dāng)前研究主要集中于企業(yè)組織結(jié)構(gòu)和內(nèi)部管理模式方面[4]。財(cái)務(wù)會(huì)計(jì)領(lǐng)域作為企業(yè)數(shù)字化管理變革的重要參與者，正在進(jìn)行全面智能化和數(shù)字化變革，智能財(cái)務(wù)已經(jīng)成為新時(shí)代財(cái)務(wù)會(huì)計(jì)領(lǐng)域的新鮮事物，學(xué)術(shù)界和實(shí)務(wù)界對(duì)智能財(cái)務(wù)進(jìn)行了熱烈討論，但目前關(guān)于智能財(cái)務(wù)還未形成統(tǒng)一的共識(shí)和權(quán)威定義。結(jié)合學(xué)術(shù)討論及實(shí)務(wù)表現(xiàn)，本文認(rèn)為智能財(cái)務(wù)主要是以人工智能為代表，包括大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)和區(qū)塊鏈等多種新興信息技術(shù)運(yùn)用于財(cái)務(wù)會(huì)計(jì)領(lǐng)域，以信息技術(shù)賦能傳統(tǒng)的財(cái)務(wù)會(huì)計(jì)工作，提高財(cái)務(wù)工作效率和財(cái)務(wù)信息質(zhì)量，提升財(cái)務(wù)價(jià)值創(chuàng)造能力。智能財(cái)務(wù)是我國(guó)當(dāng)前數(shù)字經(jīng)濟(jì)發(fā)展和企業(yè)數(shù)字化轉(zhuǎn)型中的重要內(nèi)容，但從財(cái)務(wù)視角分析企業(yè)財(cái)務(wù)管理智能化變革的研究目前仍然不多。雖然部分學(xué)者討論了企業(yè)開(kāi)展RPA財(cái)務(wù)機(jī)器人等智能財(cái)務(wù)的應(yīng)用場(chǎng)景及其具體表現(xiàn)[5]，并嘗試從理論視角尋找構(gòu)建智能財(cái)務(wù)的理論框架和建設(shè)路徑[6]，但關(guān)于企業(yè)智能財(cái)務(wù)和改革經(jīng)濟(jì)后果的量化研究還較匱乏。從學(xué)術(shù)研究看，關(guān)于企業(yè)“智改數(shù)轉(zhuǎn)”及其帶動(dòng)的管理變革已經(jīng)成為重要且緊迫的研究問(wèn)題。評(píng)估財(cái)務(wù)會(huì)計(jì)工作智能化改革效果最直接的方面便是企業(yè)的會(huì)計(jì)信息質(zhì)量是否提升，盈余管理是衡量企業(yè)會(huì)計(jì)信息質(zhì)量的重要具象表現(xiàn)。那么，企業(yè)智能財(cái)務(wù)能否抑制盈余管理行為，進(jìn)而提升企業(yè)的會(huì)計(jì)信息質(zhì)量呢？本文以此為切入點(diǎn)研究智能財(cái)務(wù)與盈余管理之間的關(guān)系，旨在細(xì)化企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)研究。本文選取2016—2022年滬深A(yù)股上市公司為樣本，實(shí)證檢驗(yàn)了智能財(cái)務(wù)對(duì)盈余管理的影響。結(jié)果表明，企業(yè)智能財(cái)務(wù)能顯著抑制應(yīng)計(jì)盈余管理行為，提升會(huì)計(jì)信息質(zhì)量，且這種抑制作用主要是通過(guò)提高透明度的機(jī)制來(lái)實(shí)現(xiàn)。異質(zhì)性分析結(jié)果發(fā)現(xiàn)，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用在規(guī)模較大、機(jī)構(gòu)持股比例較高的企業(yè)及市場(chǎng)化程度較高的情況下更顯著。進(jìn)一步分析發(fā)現(xiàn)，企業(yè)實(shí)施智能財(cái)務(wù)不僅有利于降低應(yīng)計(jì)盈余管理，而且能降低真實(shí)盈余管理。本文在控制了內(nèi)生性問(wèn)題后，研究結(jié)論仍然穩(wěn)健。與已有研究相比，本文的邊際貢獻(xiàn)體現(xiàn)在以下方面：結(jié)合企業(yè)實(shí)踐中智能財(cái)務(wù)的主要模式及表現(xiàn)，歸納了企業(yè)智能財(cái)務(wù)的概念并建立相關(guān)詞庫(kù)，基于上市公司年報(bào)的文本分析獲取智能財(cái)務(wù)數(shù)據(jù)，以此為研究視角討論了智能財(cái)務(wù)對(duì)盈余管理的經(jīng)濟(jì)后果，并分析了智能財(cái)務(wù)影響盈余管理的主要路徑和不同情境下的影響差異。研究結(jié)論能有效補(bǔ)充和細(xì)化企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)文獻(xiàn)，拓展和完善企業(yè)智能財(cái)務(wù)相關(guān)研究的鏈條，豐富了企業(yè)智能財(cái)務(wù)經(jīng)濟(jì)后果的文獻(xiàn)。二、文獻(xiàn)綜述與研究假設(shè)企業(yè)數(shù)字化是近年來(lái)研究的熱點(diǎn)問(wèn)題。為促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，“智改數(shù)轉(zhuǎn)”已成為眾多企業(yè)的發(fā)展趨勢(shì)。企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)質(zhì)是通過(guò)數(shù)字技術(shù)賦能企業(yè)現(xiàn)有的組織管理模式、生產(chǎn)模式、銷售模式等，打破其內(nèi)部不同部門之間的“數(shù)據(jù)鴻溝”，驅(qū)動(dòng)其管理模式、生產(chǎn)運(yùn)營(yíng)機(jī)制重塑，推動(dòng)企業(yè)資源配置效率優(yōu)化和管理模式創(chuàng)新?，F(xiàn)有文獻(xiàn)主要針對(duì)企業(yè)數(shù)字化轉(zhuǎn)型內(nèi)容及后果進(jìn)行分析，而從財(cái)務(wù)角度描述企業(yè)數(shù)字化轉(zhuǎn)型后果的文獻(xiàn)相對(duì)不足。財(cái)務(wù)會(huì)計(jì)作為企業(yè)管理的重要組成部分，大致經(jīng)歷了電算化、信息化（狹義）和智能化三個(gè)階段[7]。電算化主要是區(qū)別于手工做賬，開(kāi)始采用會(huì)計(jì)軟件來(lái)提升財(cái)務(wù)管理效率；信息化區(qū)別于電算化的特征主要是構(gòu)建了逐漸趨同的會(huì)計(jì)信息標(biāo)準(zhǔn)，如ERP系統(tǒng)的廣泛使用和XBRL的運(yùn)用等[8]；智能化優(yōu)于信息化的特征主要是“大智移云物區(qū)”等智能化新技術(shù)在企業(yè)中的運(yùn)用[9]，產(chǎn)生了智能報(bào)賬、智能核算和智能運(yùn)營(yíng)服務(wù)等平臺(tái)，并產(chǎn)生了基于新技術(shù)的財(cái)務(wù)智能系統(tǒng)，用于財(cái)務(wù)預(yù)測(cè)、經(jīng)營(yíng)推演、風(fēng)險(xiǎn)量化、價(jià)值優(yōu)化、決策自動(dòng)化和信息推薦等。人工智能（AI）可以幫助企業(yè)滿足三個(gè)關(guān)鍵的目標(biāo)，即自動(dòng)化業(yè)務(wù)流程，強(qiáng)化數(shù)據(jù)分析能力，深化消費(fèi)者及員工利益相關(guān)者的聯(lián)系。首先，從智能核算角度看，自動(dòng)化技術(shù)的發(fā)展使得企業(yè)流程標(biāo)準(zhǔn)化和透明度不斷提升，增加了企業(yè)管理人員為獲取私人利益而進(jìn)行盈余管理的難度。例如，RPA流程自動(dòng)化技術(shù)能根據(jù)已有規(guī)則進(jìn)行大量的重復(fù)性操作[10]，在提供財(cái)務(wù)工作效率的同時(shí)也使會(huì)計(jì)核算的標(biāo)準(zhǔn)化程度不斷提升，而流程的標(biāo)準(zhǔn)化能顯著降低人工工作可能產(chǎn)生的失誤和偏差，在很大程度上提高了會(huì)計(jì)信息的準(zhǔn)確度[11]?；A(chǔ)會(huì)計(jì)信息準(zhǔn)確性提高使得依據(jù)基礎(chǔ)會(huì)計(jì)信息形成的財(cái)務(wù)報(bào)告的準(zhǔn)確度也得到了提升。又例如，業(yè)財(cái)融合一體化和財(cái)務(wù)共享中心的建立使得大量的會(huì)計(jì)核算等工作集中于集團(tuán)層面，減少了下屬部門因工作勝任能力不足和獨(dú)立性不夠而可能產(chǎn)生的盈余管理動(dòng)機(jī)[12]。其次，從智能決策角度看，會(huì)計(jì)信息系統(tǒng)的完善和大數(shù)據(jù)分析方法的應(yīng)用使得企業(yè)決策過(guò)程的信息深度融合，電子數(shù)據(jù)交換（ElectronicDataInterchange，EDI）和實(shí)時(shí)會(huì)計(jì)核算（Real-timeAccounting，RTA）等不僅提升了企業(yè)決策過(guò)程中的信息傳遞速度和效率[9]，而且提升了基于高效、實(shí)時(shí)信息進(jìn)行決策的科學(xué)性和準(zhǔn)確性，從而減少了企業(yè)進(jìn)行盈余管理機(jī)會(huì)主義行為的主觀動(dòng)機(jī)和客觀機(jī)會(huì)。在專業(yè)分工不斷明確、流程標(biāo)準(zhǔn)不斷統(tǒng)一的情況下，財(cái)務(wù)與業(yè)務(wù)部門基于共同價(jià)值目標(biāo)形成具有全面價(jià)值化的規(guī)劃、決策、控制和評(píng)價(jià)的財(cái)務(wù)共享中心，這樣的財(cái)務(wù)共享中心不僅是信息的融合，更是信息、組織和價(jià)值綜合融合下的體現(xiàn)[13]，且從海量原始憑證到賬簿再到報(bào)表的不斷集中，使得會(huì)計(jì)數(shù)據(jù)能更快速和直觀地向信息使用者提供關(guān)鍵數(shù)據(jù)[14]，減少了內(nèi)部傳遞過(guò)程中信息含量的流失，提高了會(huì)計(jì)信息的利用率。最后，從智能審核或智能控制角度看，隨著企業(yè)對(duì)數(shù)據(jù)處理和挖掘水平大幅提升，智能審核或智能控制更加實(shí)時(shí)、高效，能迅速將數(shù)據(jù)編碼輸出成標(biāo)準(zhǔn)化、結(jié)構(gòu)化信息，不同信息源數(shù)據(jù)交叉驗(yàn)證，進(jìn)一步提升了信息透明度，從而在企業(yè)內(nèi)部和外部?jī)蓚€(gè)層面強(qiáng)化監(jiān)督和控制水平，有效緩解信息不對(duì)稱程度[15]，保障投資人利益，同時(shí)也為市場(chǎng)及其他利益相關(guān)者關(guān)注企業(yè)的經(jīng)營(yíng)、生產(chǎn)狀況提供了便利[16]。由此可見(jiàn)，企業(yè)開(kāi)展智能財(cái)務(wù)改造可以逐步形成“智能核算—智能決策—智能控制”的完整財(cái)務(wù)工作鏈條，從而提升會(huì)計(jì)信息全鏈條的透明度。隨著企業(yè)信息透明度的提高，委托人與代理人之間的信息不對(duì)稱降低，使得企業(yè)管理人員進(jìn)行盈余管理的可能性相應(yīng)降低[17]。基于以上分析，本文提出以下假設(shè)：H1：企業(yè)智能財(cái)務(wù)能顯著抑制企業(yè)盈余管理，提高會(huì)計(jì)信息質(zhì)量。三、研究設(shè)計(jì)（一）數(shù)據(jù)來(lái)源和樣本選擇本文以2016—2022年滬深A(yù)股上市公司為樣本，以企業(yè)智能財(cái)務(wù)為自變量，以盈余管理為因變量，實(shí)證檢驗(yàn)企業(yè)智能財(cái)務(wù)與企業(yè)盈余管理的相關(guān)關(guān)系。選擇以2016年為研究起點(diǎn)，主要是基于2016年召開(kāi)的G20峰會(huì)首次提出了“數(shù)字經(jīng)濟(jì)”的概念，隨后企業(yè)才逐步開(kāi)始進(jìn)行智能化改造和數(shù)字化轉(zhuǎn)型。借鑒已有研究，本文對(duì)樣本進(jìn)行以下處理：（1）剔除金融上市公司；（2）剔除樣本期間ST、*ST、PT以及暫停上市的公司；（3）剔除研究數(shù)據(jù)有缺失的樣本。另外，考慮到信息科技公司本身與信息技術(shù)和數(shù)字化密切相關(guān)，可能會(huì)引起樣本偏差，影響研究結(jié)論，本文在穩(wěn)健性檢驗(yàn)中剔除了計(jì)算機(jī)軟件開(kāi)發(fā)相關(guān)行業(yè)樣本。在此基礎(chǔ)上，本文對(duì)連續(xù)變量進(jìn)行了1%和99%水平上的縮尾處理，以避免異常值對(duì)實(shí)證結(jié)果產(chǎn)生影響。企業(yè)智能財(cái)務(wù)數(shù)據(jù)來(lái)源于巨潮資訊網(wǎng)站2016—2022年A股上市公司的年報(bào)文本數(shù)據(jù)，盈余管理計(jì)算變量及控制變量的數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR數(shù)據(jù)庫(kù)，文本抓取由Python3.8完成，其他數(shù)據(jù)操作由Stata17.0完成。（二）變量定義1.智能財(cái)務(wù)由于此前沒(méi)有文獻(xiàn)對(duì)企業(yè)智能財(cái)務(wù)進(jìn)行定量分析，本文參考企業(yè)數(shù)字化相關(guān)研究文獻(xiàn)中的量化方式對(duì)智能財(cái)務(wù)進(jìn)行衡量。已有研究中企業(yè)數(shù)字化的量化方式主要分為兩種：一是采取問(wèn)卷調(diào)查的方式[18]對(duì)企業(yè)數(shù)字化進(jìn)行細(xì)致的問(wèn)題描述，選取樣本范圍內(nèi)企業(yè)數(shù)字化相關(guān)信息并形成有效的數(shù)據(jù)樣本；二是采取大數(shù)據(jù)爬蟲(chóng)的方式對(duì)企業(yè)年報(bào)或其他報(bào)告中有關(guān)企業(yè)數(shù)字化的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，以此反映企業(yè)數(shù)字化程度[19]。本文認(rèn)為第一種方式存在一定的數(shù)據(jù)收集難度，可能無(wú)法得到足夠的有效樣本進(jìn)行分析，且問(wèn)卷設(shè)計(jì)容易受調(diào)查者主觀情緒影響，也可能產(chǎn)生被調(diào)查者的理解偏差，在數(shù)據(jù)的科學(xué)性方面存在不足。因此，本文采用了第二種企業(yè)數(shù)字化程度的量化方式，對(duì)智能財(cái)務(wù)數(shù)據(jù)進(jìn)行了收集。數(shù)據(jù)樣本選取范圍是2016—2022年A股上市公司的年度報(bào)告，選擇年報(bào)作為爬蟲(chóng)范圍是因?yàn)槟陥?bào)是企業(yè)對(duì)外信息披露中較權(quán)威和全面的信息來(lái)源。大數(shù)據(jù)爬蟲(chóng)方法獲取數(shù)據(jù)重要的是關(guān)鍵詞的確定。本文根據(jù)財(cái)政部發(fā)布的《會(huì)計(jì)信息化發(fā)展規(guī)劃（2021—2025年）》（財(cái)會(huì)〔2021〕36號(hào)）、國(guó)資委發(fā)布的《關(guān)于中央企業(yè)加快建設(shè)世界一流財(cái)務(wù)管理體系的指導(dǎo)意見(jiàn)》（國(guó)資發(fā)財(cái)評(píng)規(guī)〔2022〕23號(hào)）等文件，基于本文提出的“智能核算—智能決策—智能控制”的全鏈條智能化框架，并結(jié)合企業(yè)實(shí)踐發(fā)展，確定詞庫(kù)為財(cái)務(wù)機(jī)器人、RPA、財(cái)務(wù)智能化、智能財(cái)務(wù)、智能會(huì)計(jì)、智能審核、智能風(fēng)控等。具體而言，本文采用虛擬變量來(lái)衡量智能財(cái)務(wù)，如企業(yè)年報(bào)中出現(xiàn)詞庫(kù)中的關(guān)鍵詞，當(dāng)年及往后年份設(shè)置為1，表示企業(yè)已開(kāi)展智能財(cái)務(wù)工作；反之取值為0，表示企業(yè)還未開(kāi)展智能財(cái)務(wù)工作②。2.盈余管理基于已有研究文獻(xiàn)，本文分別采用基礎(chǔ)Jones模型、修正Jones模型、收益匹配Jones模型、非線性應(yīng)計(jì)Jones模型來(lái)計(jì)算操控性應(yīng)計(jì)利潤(rùn)，并取絕對(duì)值作為應(yīng)計(jì)盈余管理程度的代理變量。不同模型可以保證研究結(jié)果的穩(wěn)健性，此外進(jìn)一步分析中采用Roychowdhury[20]模型計(jì)算真實(shí)盈余管理水平。3.控制變量本文的控制變量主要包括公司規(guī)模、企業(yè)上市年齡、資產(chǎn)增長(zhǎng)率、資產(chǎn)負(fù)債率、董事會(huì)獨(dú)立性、股權(quán)集中度、審計(jì)費(fèi)用、兩職合一、產(chǎn)權(quán)性質(zhì)等。詳細(xì)的變量定義見(jiàn)表1。（三）模型設(shè)計(jì)為研究企業(yè)智能財(cái)務(wù)對(duì)應(yīng)計(jì)盈余管理的影響，本文建立如下回歸模型：DAi，t=α0+α1lntelligenti，t+α2Duali，t+α3LEVi，t+α4Growthi，t+α5IndepDirRatioi，t+α6ListAgei，t+α7FirmSizei，t+α8OwnCon10i，t+α9SOEi，t+α10Lnfeei，t+α11Year+α12Industry+εi，t""（1）模型（1）中應(yīng)計(jì)盈余管理（DAi，t）為因變量，智能財(cái)務(wù)（Intelligent）為自變量，控制變量包括兩職合一（Dual）、資產(chǎn)負(fù)債率（LEV）、資產(chǎn)增長(zhǎng)率（Growth）、董事會(huì)獨(dú)立性（IndepDirRatio）、企業(yè)上市年齡（ListAge）、公司規(guī)模（FirmSize）、股權(quán)集中度（OwnCon10）、產(chǎn)權(quán)性質(zhì)（SOE）、審計(jì)費(fèi)用（Lnfee），αi為估計(jì)量，εi，t為殘差。本文還控制了行業(yè)和年度固定效應(yīng)。四、實(shí)證結(jié)果分析（一）描述性統(tǒng)計(jì)分析表2是變量的描述性統(tǒng)計(jì)結(jié)果。企業(yè)智能財(cái)務(wù)（Intelligent）均值為0.062，說(shuō)明當(dāng)前開(kāi)展智能財(cái)務(wù)的企業(yè)占比較低。應(yīng)計(jì)盈余管理（|DA|）均值為0.057，標(biāo)準(zhǔn)差為0.060，最小值為0.001，最大值為0.332，說(shuō)明企業(yè)盈余管理水平存在明顯差異。在控制變量中，兩職合一（Dual）的均值為0.298，可見(jiàn)樣本中兩職合一的比例為29.8%。資產(chǎn)負(fù)債率（LEV）均值為0.433，表示樣本企業(yè)大部分獲取外部資金的能力較強(qiáng)。資產(chǎn)增長(zhǎng)率（Growth）均值為0.138，標(biāo)準(zhǔn)差為0.283，標(biāo)準(zhǔn)差大于均值說(shuō)明企業(yè)之間資產(chǎn)增長(zhǎng)率差異較大。董事會(huì)獨(dú)立性（IndepDirRatio）均值為0.378，說(shuō)明樣本中獨(dú)立董事占董事會(huì)人數(shù)的37.8%。企業(yè)上市年齡（ListAge）均值為15.459，說(shuō)明樣本企業(yè)平均上市時(shí)間約為15年。公司規(guī)模（FirmSize）最大值為26.412，最小值為19.975，表明企業(yè)規(guī)模存在明顯差異。股權(quán)集中度（OwnCon10）均值為0.569，說(shuō)明樣本企業(yè)中前十大股東持股比例平均為56.9%，表明我國(guó)企業(yè)股權(quán)相對(duì)集中。產(chǎn)權(quán)性質(zhì)（SOE）的平均值為0.319，說(shuō)明樣本企業(yè)中國(guó)有企業(yè)占比為31.9%。審計(jì)費(fèi)用（Lnfee）最大值為16.258，最小值為12.776，表明企業(yè)審計(jì)費(fèi)用存在明顯差異。（二）相關(guān)系數(shù)分析在實(shí)證回歸分析前，本文對(duì)主要變量進(jìn)行了相關(guān)系數(shù)檢驗(yàn)。結(jié)果顯示，智能財(cái)務(wù)（Intelligent）與應(yīng)計(jì)盈余管理（|DA|）之間的相關(guān)系數(shù)為-0.044，且在1%的水平上顯著，說(shuō)明智能財(cái)務(wù)與應(yīng)計(jì)盈余管理之間存在顯著的負(fù)相關(guān)關(guān)系。此外，大部分變量間的相關(guān)系數(shù)絕對(duì)值小于0.5?？紤]到Pearson相關(guān)系數(shù)衡量的是兩個(gè)變量之間簡(jiǎn)單的相關(guān)關(guān)系，秉持謹(jǐn)慎性原則，本研究進(jìn)行了VIF檢驗(yàn)，結(jié)果顯示主要變量的VIF值為1.02～2.97，均小于5，說(shuō)明本模型不存在多重共線性。由于篇幅所限，Pearson相關(guān)系數(shù)表及VIF檢驗(yàn)結(jié)果表未展示。（三）回歸結(jié)果分析表3報(bào)告了企業(yè)智能財(cái)務(wù)對(duì)應(yīng)計(jì)盈余管理的多元回歸分析結(jié)果。列（1）為僅控制年份和行業(yè)的單變量相關(guān)系數(shù)，列（2）為控制年份和行業(yè)的線性回歸結(jié)果，列（3）和列（4）是進(jìn)一步控制個(gè)體效應(yīng)的多元回歸結(jié)果。根據(jù)表3結(jié)果顯示，企業(yè)智能財(cái)務(wù)對(duì)應(yīng)計(jì)盈余管理的影響系數(shù)在1%的置信水平上顯著為負(fù)，說(shuō)明企業(yè)智能財(cái)務(wù)能夠有效降低盈余管理的行為，本文H1得到驗(yàn)證。（四）穩(wěn)健性檢驗(yàn)為保證研究結(jié)論的穩(wěn)健性，本文進(jìn)一步采用修正Jones模型、收益匹配Jones模型、非線性應(yīng)計(jì)Jones模型估計(jì)企業(yè)應(yīng)計(jì)盈余管理，并實(shí)證檢驗(yàn)企業(yè)智能財(cái)務(wù)與盈余管理的相關(guān)關(guān)系。結(jié)果顯示，智能財(cái)務(wù)對(duì)應(yīng)計(jì)盈余管理的影響系數(shù)在1%或5%的置信水平上顯著為負(fù)，說(shuō)明智能財(cái)務(wù)降低企業(yè)應(yīng)計(jì)盈余管理行為的結(jié)論具有穩(wěn)健性。除了在回歸模型中替換應(yīng)計(jì)盈余管理的衡量指標(biāo)外，本文還進(jìn)行了如下穩(wěn)健性檢驗(yàn)：（1）考慮到信息科技公司本身與信息技術(shù)和數(shù)字化密切相關(guān)，可能會(huì)引起樣本偏差，從而影響研究結(jié)論，本文剔除了計(jì)算機(jī)軟件開(kāi)發(fā)相關(guān)行業(yè)樣本后進(jìn)行回歸分析，結(jié)果顯示企業(yè)智能財(cái)務(wù)與基礎(chǔ)Jones模型計(jì)算的應(yīng)計(jì)盈余管理在5%的置信水平上顯著負(fù)相關(guān)，系數(shù)為-0.0036，其他模型結(jié)果與此接近。（2）考慮到有些公司層面的因素可能會(huì)同時(shí)影響企業(yè)智能財(cái)務(wù)與盈余管理水平，例如企業(yè)治理層和管理層的經(jīng)營(yíng)理念等，為了排除這樣的可能性，本文采用固定效應(yīng)模型對(duì)文中的假設(shè)重新進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果顯示，企業(yè)智能財(cái)務(wù)與應(yīng)計(jì)盈余管理的系數(shù)在各模型中仍然顯著為負(fù)（plt;0.01）。固定效應(yīng)回歸結(jié)果與之前的結(jié)果一致，模型設(shè)定對(duì)本文的回歸結(jié)果沒(méi)有產(chǎn)生影響。（3）通常，真實(shí)盈余管理更具有隱蔽性，更難以防范。對(duì)此，本文進(jìn)一步觀察了企業(yè)智能財(cái)務(wù)對(duì)真實(shí)盈余管理行為的影響。結(jié)果顯示，智能財(cái)務(wù)的系數(shù)在5%的水平上與真實(shí)盈余管理顯著負(fù)相關(guān)，說(shuō)明企業(yè)進(jìn)行財(cái)務(wù)智能化改造不僅能有效降低應(yīng)計(jì)盈余管理，而且能降低企業(yè)真實(shí)盈余管理，進(jìn)一步提升企業(yè)會(huì)計(jì)信息質(zhì)量。限于篇幅，穩(wěn)健性檢驗(yàn)結(jié)果表略。（五）內(nèi)生性檢驗(yàn)為了解決回歸中可能存在的內(nèi)生性問(wèn)題，本文選擇各地區(qū)的數(shù)字經(jīng)濟(jì)政策（Policy）作為企業(yè)智能財(cái)務(wù)的工具變量。選擇各地區(qū)的數(shù)字經(jīng)濟(jì)政策作為工具變量的原因是：在國(guó)家數(shù)字經(jīng)濟(jì)的整體布局下，北京、上海等多個(gè)城市陸續(xù)發(fā)布了與數(shù)字經(jīng)濟(jì)有關(guān)的政策，地區(qū)發(fā)布數(shù)字經(jīng)濟(jì)政策會(huì)帶動(dòng)企業(yè)的智能財(cái)務(wù)改造。本文采用兩階段最小二乘法（2SLS）對(duì)模型進(jìn)行了重新估計(jì)，結(jié)果如表4所示。由表4可見(jiàn)，AndersonCanonLM檢驗(yàn)顯著拒絕原假設(shè)，說(shuō)明模型不存在識(shí)別不足問(wèn)題；Cragg-DonaldWaldF統(tǒng)計(jì)量明顯大于Stock-Yogo弱工具變量檢驗(yàn)的臨界值，顯著拒絕存在弱工具變量的原假設(shè)，說(shuō)明模型不存在弱工具變量問(wèn)題。結(jié)果表明在考慮了內(nèi)生性問(wèn)題后，研究結(jié)果依然成立。五、企業(yè)智能財(cái)務(wù)影響盈余管理的機(jī)制分析根據(jù)前文的文獻(xiàn)綜述和理論分析，企業(yè)開(kāi)展智能財(cái)務(wù)改造可以逐步形成“智能核算—智能決策—智能控制”的完整財(cái)務(wù)工作鏈條，從而提升會(huì)計(jì)信息全鏈條的透明度，有效緩解信息不對(duì)稱程度，降低盈余操縱動(dòng)機(jī)?；谝陨戏治觯疚囊孕畔⑼该鞫龋∣PA）作為中介變量對(duì)企業(yè)智能財(cái)務(wù)與盈余管理的關(guān)系進(jìn)行機(jī)制檢驗(yàn)。具體見(jiàn)表5所示。由表5可知，智能財(cái)務(wù)與信息透明度的回歸系數(shù)在5%水平上顯著為正，意味著智能財(cái)務(wù)顯著提升公司的信息透明度。與此同時(shí)，信息透明度的回歸系數(shù)在1%水平上顯著為負(fù)，表明信息透明度的提升抑制了管理層進(jìn)行盈余管理的動(dòng)機(jī)。六、異質(zhì)性分析首先，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用可能會(huì)受企業(yè)規(guī)模的影響。企業(yè)規(guī)模是影響企業(yè)“智改數(shù)轉(zhuǎn)”投入的重要因素。當(dāng)企業(yè)規(guī)模較大時(shí)，企業(yè)有更多的資金或能力進(jìn)行數(shù)字化和智能化改造，且對(duì)企業(yè)信息透明度的要求更高，能進(jìn)一步加強(qiáng)企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用。因此，本文針對(duì)企業(yè)規(guī)模的異質(zhì)性特征，就企業(yè)智能財(cái)務(wù)對(duì)盈余管理的影響進(jìn)行進(jìn)一步剖析，其中企業(yè)規(guī)模根據(jù)行業(yè)中位數(shù)區(qū)分為大規(guī)模企業(yè)和小規(guī)模企業(yè)，結(jié)果見(jiàn)表6中的列（1）和列（2）。結(jié)果顯示，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用在大規(guī)模企業(yè)更為顯著，這說(shuō)明企業(yè)在財(cái)務(wù)智能化改造過(guò)程中可以根據(jù)企業(yè)規(guī)模合理規(guī)劃并增加智能化項(xiàng)目投資，政府或上市公司監(jiān)管部門在制定相關(guān)監(jiān)管政策時(shí)也可以根據(jù)企業(yè)規(guī)模合理化設(shè)計(jì)。其次，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用可能會(huì)受當(dāng)?shù)厥袌?chǎng)化程度的影響。根據(jù)已有文獻(xiàn)[21]，企業(yè)在市場(chǎng)化程度較高的地區(qū)更能按照合理市場(chǎng)規(guī)則進(jìn)行資源配置。在市場(chǎng)化程度水平較高的地區(qū)，企業(yè)進(jìn)行智能財(cái)務(wù)改造后，更能降低企業(yè)資源配置成本，提升企業(yè)經(jīng)營(yíng)效率和效果，降低盈余管理傾向。對(duì)此，本文根據(jù)樊綱指數(shù)確定的市場(chǎng)化程度指標(biāo)就企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用進(jìn)行了異質(zhì)性特征檢驗(yàn)。表6中的列（3）和列（4）報(bào)告了不同市場(chǎng)化程度下企業(yè)智能財(cái)務(wù)和盈余管理關(guān)系的差異?？刂乒竞湍攴莸墓潭ㄐ?yīng)回歸結(jié)果顯示，在企業(yè)所處地區(qū)市場(chǎng)化程度高的樣本中，智能財(cái)務(wù)的系數(shù)與應(yīng)計(jì)盈余管理顯著負(fù)相關(guān)，而市場(chǎng)化程度較低的樣本中這一關(guān)系并不顯著。最后，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用可能會(huì)受股東特征的影響。本文認(rèn)為企業(yè)智能財(cái)務(wù)主要是通過(guò)增強(qiáng)信息透明度來(lái)抑制企業(yè)盈余管理水平，當(dāng)企業(yè)股東中機(jī)構(gòu)持股比例較高時(shí)，機(jī)構(gòu)股東對(duì)企業(yè)的信息透明度要求更高，企業(yè)進(jìn)行智能財(cái)務(wù)改造后可以進(jìn)一步減少盈余管理行為。表6中的列（5）和列（6）報(bào)告了不同機(jī)構(gòu)持股比例下的企業(yè)智能財(cái)務(wù)和盈余管理關(guān)系的差異。結(jié)果顯示，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用在機(jī)構(gòu)持股比例較高的企業(yè)更為顯著。七、結(jié)論、建議與局限性企業(yè)財(cái)務(wù)會(huì)計(jì)領(lǐng)域的智能化是數(shù)字經(jīng)濟(jì)布局下的重要方面，給企業(yè)帶來(lái)的影響是不可忽視的。本文以2016—2022年A股上市公司數(shù)據(jù)為樣本，研究企業(yè)智能財(cái)務(wù)與盈余管理之間的關(guān)系。研究發(fā)現(xiàn)企業(yè)實(shí)施智能財(cái)務(wù)改造能有效抑制盈余管理，且這種抑制作用主要是通過(guò)增強(qiáng)信息透明度的機(jī)制來(lái)實(shí)現(xiàn)的。異質(zhì)性分析結(jié)果發(fā)現(xiàn)，企業(yè)智能財(cái)務(wù)對(duì)盈余管理的抑制作用在企業(yè)規(guī)模大、機(jī)構(gòu)持股比例高的企業(yè)及市場(chǎng)化程度高的情況下更顯著。進(jìn)一步分析發(fā)現(xiàn)，企業(yè)實(shí)施智能財(cái)務(wù)改造不僅有利于降低應(yīng)計(jì)盈余管理，而且能降低真實(shí)盈余管理。基于以上結(jié)論，本文提出如下建議：（1）全面推動(dòng)企業(yè)智能財(cái)務(wù)發(fā)展。發(fā)展智能財(cái)務(wù)應(yīng)該成為致力于進(jìn)行數(shù)字化轉(zhuǎn)型企業(yè)的重點(diǎn)目標(biāo)之一，國(guó)家也應(yīng)該出臺(tái)相關(guān)政策，加大企業(yè)財(cái)務(wù)信息的規(guī)范化審查工作力度來(lái)促進(jìn)企業(yè)智能財(cái)務(wù)的轉(zhuǎn)型工作。（2）借力企業(yè)數(shù)字化轉(zhuǎn)型和智能化改造，進(jìn)一步提高企業(yè)財(cái)報(bào)信息質(zhì)量。財(cái)報(bào)信息質(zhì)量的提高可以在很大程度上推動(dòng)會(huì)計(jì)政策的規(guī)范化，使市場(chǎng)環(huán)境進(jìn)入良性循環(huán)，從而促進(jìn)資本市場(chǎng)高質(zhì)量發(fā)展，保護(hù)投資人利益。當(dāng)然本文也存在一定的局限性：首先，結(jié)合財(cái)政部相關(guān)文件以及現(xiàn)有國(guó)內(nèi)外學(xué)者研究和企業(yè)實(shí)務(wù)表現(xiàn)，總結(jié)了智能財(cái)務(wù)的主要關(guān)鍵詞，但此詞庫(kù)并不一定能完全涵蓋所有企業(yè)的智能財(cái)務(wù)改革思路，且隨著企業(yè)智能財(cái)務(wù)改革的深化，其內(nèi)涵也會(huì)隨之變化。其次，對(duì)企業(yè)年報(bào)中存在的智能財(cái)務(wù)關(guān)鍵詞進(jìn)行詞頻分析的統(tǒng)計(jì)方法只能在一定程度上反映企業(yè)智能財(cái)務(wù)的實(shí)施情況，并不能完全代表企業(yè)智能財(cái)務(wù)的真實(shí)情況?！緟⒖嘉墨I(xiàn)】［1］戚聿東，杜博，溫馨.國(guó)有企業(yè)數(shù)字化戰(zhàn)略變革：使命嵌入與模式選擇——基于3家中央企業(yè)數(shù)字化典型實(shí)踐的案例研究［J］.管理世界，2021（11）：137-158.［2］袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2021（9）：137-155.［3］吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)：來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021（7）：130-144.［4］戚聿東，肖旭.數(shù)字經(jīng)濟(jì)時(shí)代的企業(yè)管理變革［J］.管理世界，2020（6）：135-152.［5］程平，楊雙.基于流程挖掘的RPA財(cái)務(wù)自動(dòng)化流程設(shè)計(jì)研究［J］.會(huì)計(jì)之友，2023（8）：141-149.［6］劉梅玲，黃虎，佟成生，等.智能財(cái)務(wù)的基本框架與建設(shè)思路研究［J］.會(huì)計(jì)研究，2020（3）：179-192.［7］楊寅，劉勤，黃虎.企業(yè)財(cái)務(wù)智能化轉(zhuǎn)型研究：體系架構(gòu)與路徑過(guò)程［J］.會(huì)計(jì)之友，2020（20）：145-150.［8］續(xù)慧泓，楊周南，周衛(wèi)華，等.基于管理活動(dòng)論的智能會(huì)計(jì)系統(tǒng)研究：從會(huì)計(jì)信息化到會(huì)計(jì)智能化［J］.會(huì)計(jì)研究，2021（3）：11-27.［9］HASANAR.Artificialintelligence（AI）inaccountingamp;auditing：aliteraturereview［J］.OpenJournalofBusinessandManagement，2021（1）：440-465.［10］陳虎，孫彥叢，郭奕，等.財(cái)務(wù)機(jī)器人：RPA