旅游及相关服务业上市公司数字化转型的同群效应研究
刘冰1,2， 邓睿3， 罗超亮4
（1. 中山大学商学院，广东 深圳 518107；2. 中山大学·深圳创新创业与科技金融研究中心，广东 深圳 518107；3. 中山大学旅游学院，广东 广州 510275；4. 贵州财经大学工商管理学院，贵州 贵阳 550025）
［摘 要］文章以2007—2021年我国旅游及相关服务业上市公司为研究样本，实证检验了数字化转型同群效应的存在性、同群效应形成的驱动因素和作用机理。结果显示：第一，旅游及相关服务业企业的数字化转型存在明显的行业同群效应，即公司在做出数字化转型决策时会受到来自细分行业同群群体中其他企业数字化转型的影响；第二，行业同群效应受到信息获取模仿和竞争模仿的驱动，即企业所处环境的不确定水平和竞争水平对数字化转型的同群效应产生正向影响；第三，数字化转型的同群效应遵循逻辑模仿律和先内后外律，前者说明企业的数字化转型更容易受到绩效相似的同群群体的影响，后者说明企业的数字化转型更容易受到产权性质相同的同群群体的影响；第四，数字化转型的同群效应可显著改善旅游企业的短期绩效和长期价值。
0 引言
数字经济中不断出现的新兴技术和崭新的商业模式带来的变革被称为数字化转型[4]。《“十四五”旅游业发展规划》也明确提出，要做强做优做大国内旅游市场，加快推进以数字化、网络化、智能化为特征的智慧旅游，深化“互联网+旅游”，对以数字化积极推进旅游高质量发展提出新的更高要求。事实上，旅游产品具有信息含量和无形价值高的特点，相比于制造业，对数字经济更加敏感[5]，以旅游为代表的服务业数字经济渗透率在2020 年已达到40.7%，接近工业的2 倍①。数字化转型有助于企业减少中间费用来降低经营成本，打造新理念进而拓宽服务领域，推动企业重构价值链[6]。数字化转型这种去中介特征提升了旅游业的资源配置效率，重塑了旅游业发展基本机制，可带动旅游企业的组织变革[7]。在此背景下，数字化转型已成为许多旅游企业改善经营绩效、谋求持续竞争优势的战略选择[8]，但现实中这种战略行为的趋同是非理性的盲从，还是理性思考下的主动学习和模仿，因此而产生的同群效应又是如何形成的，数字化转型战略的趋同是否促进了旅游企业的发展等问题尚不清楚。
同群效应（peer effects）描述的是企业在环境不稳定、信息不充分、结果不确定的决策环境中，企业在行为决策上更倾向于参考和模仿同群企业的行为导致的行为趋同[9]，不同于非理性的羊群效应，同群效应认为个体虽然受到群内其他个体的影响作出自身决策，但整个过程都保持理性思考。数字化转型是一个复杂的系统工程，在技术路线、绩效结果和社会评价等方面均存在较高的不确定性，在旅游业中，数字化更是冲击着传统旅游业务、商业模式和旅游企业的发展路径[5]，相关旅游企业的数字化转型战略制定和实施进程中的同群效应更有可能产生。一方面，现有数字化转型研究主要关注数字化转型的动因[10]、经济后果[11]及对企业行为的影响[12]。关于数字化转型的同群效应，现有研究虽对该效应的存在性、影响因素[13]和网络情境因素进行了探析[14]，但这些研究忽视了行业差异，缺乏制造业和服务业的对比分析，旅游及相关服务业企业数字化转型战略的制定及实施更是鲜有研究提及。另一方面，现有旅游企业的数字化转型研究仅关注该战略对旅游企业绩效提升的影响[8]，旅游企业间的数字化转型的同群效应是否存在，同群效应的形成受到哪些因素的影响，这种行为趋同又遵循何种模式，以及这一效应对这些企业带来了何种经济后果等问题均不明晰。
针对上述问题，本研究选取我国旅游及相关服务业上市公司作为研究样本，旨在检验数字经济发展浪潮中我国旅游及相关服务业企业是否通过数字化转型加以应对，并进一步探究这种数字化转型战略在行业间的群体行为，即数字化转型是否存在同群效应。在此基础上，研究同群效应背后的影响因素和作用机理，以期为提高我国旅游及相关服务业企业的数字化水平、更好地实现数字化转型、发展更高质量的旅游产业提供微观层面的参考。
图片来源于微信公众平台公共图片库
1 理论基础和研究假设
1.1 旅游及相关服务业企业数字化转型的同群效应
旅游及相关服务业企业数字化转型的同群效应描述的是基于一定联结关系，比如同一行业、同一区域、同一市场或同一关联网络[15]，形成的特定群体内部的旅游及相关服务业企业有意识地追随或模仿群内其他企业的数字化转型行为。当焦点企业的数字化转型行为受到其同群群体数字化转型结果影响时，这类同群效应被视为内生同群效应，而当焦点企业的数字化转型行为受到其同群群体的属性特征影响时，这类同群效应则被视为情境同群效应，上述效应常因同时存在而无法区分，需要明晰背后的作用机理才能有效识别[16]。一方面，随着数字技术在旅游及相关服务业的快速大量应用，同行业内的数据要素和技术资源的流动加速推动着行业整体的数字化转型[17]；另一方面，相关研究显示，旅游及相关服务业企业全要素生产率的提升和数字化转型技术的地理空间扩散相关[18]。这种地理、技术和行业的重叠会促进企业间的学习[19]，从而诱发企业行为的趋同。因此，该行业企业数字化转型的同群效应常表现为行业同群和地区同群，而要明晰其类型则需进一步深入探究其影响因素和作用机理。
行业共性决定了同一领域内企业面对共同的技术环境、市场竞争与增长机遇[20]。在产业层面中，数字技术与旅游相关产业的深度融合加速旅游细分行业的数字化、智能化和协同化转型[7]，催生着新业态、重塑着旅游业的服务体系[3]、推动着市场范围的扩大和产业集聚[21]。当旅游及相关服务业企业开始采纳新技术，如人工智能、大数据分析、云计算等，进行数字化转型时，会产生一种行业内的压力和动力，促使其他企业也跟进，以把握市场机遇推动自身成长。随着行业内更多企业的数字化转型，共享的知识库和资源也相应增加，有助于整个行业的数字化水平提升，比如智能设备的投入及管理、数据共享、最佳实践、技术解决方案等。与此同时，新兴的高边际生产率旅游业态吸引了优质人力资本的集中，加速了传统旅游子行业生产要素的重新分配[7]。在企业层面，首先，改善客户体验是旅游企业的核心关注点。企业的数字化转型，如通过移动应用、增强现实、虚拟现实等技术推出的各项旅游产品和服务，可以极大地提升消费者旅游体验[22]。当一家企业通过这些技术成功地改善了客户体验，其他企业往往会迅速跟进。企业间的竞争促使它们采用更先进的技术来获取市场优势，而合作则有助于资源共享和风险分散，这两方面共同推动了行业内同群群体的数字化转型。其次，旅游业具有明显的季节性特征，数字化可以帮助企业更有效地管理季节性需求波动，如通过数据分析预测旅游高峰期和淡季，从而优化资源分配和营销策略。这种策略一旦被证明有效，将迅速被行业内其他企业采纳。最后，旅游企业同时面临全球化和本地化的需求，数字化转型使企业能够更好地理解不同文化和地域的需求，提供定制化服务。这种转型的成功案例会激发行业内其他企业效仿，以满足多元化的市场需求。综上，提出如下假设：
H1a：旅游及相关服务业企业的数字化转型存在显著的行业同群效应
同一地区的公司面临着相似的商业环境和地理优势，这些成员之间经常存在一种共生关系[23]。不同地区政府对数字化的支持程度和基础设施的完善程度不同，这直接影响该地区旅游及相关服务业的数字化转型[24]。数字化程度较高的地区，消费者对数字化服务的接受度和期望也相对较高，会促使当地的旅游及相关服务业企业加速数字化转型。在某个地区，一旦有企业成功实施数字化转型并从中受益，其他企业很可能模仿其策略，形成一种区域性的扩散效应[21]。这种效应可能会超越单一企业的界限，影响整个地区的服务业格局。在某些著名旅游目的地，当地企业的数字化水平直接影响旅游者的整体体验。例如，使用数字导览、在线预订系统等服务，可显著提升旅游者的便利性和满意度。因此，这些地区的旅游业数字化转型可能会形成示范效应，推动周边地区的同类企业进行相似的转型。在旅游热点区域，数字化转型成为企业突出其服务和提升客户体验的重要手段，区内企业也可能通过合作共享资源（如数据共享平台），共同提升整个地区的旅游吸引力[25]。数字化转型，作为一种积极的社会价值判断，可以给企业带来良好的声誉。随着区域群体企业数字化转型水平的提高，区域内对数字化发展的社会期望也在提高。在这种情况下，企业更倾向于进行数字化转型，以获得更多利益相关者的支持和认可[26]。综上，提出如下假设：
H1b：旅游及相关服务业企业的数字化转型存在显著的地区同群效应
1.2 旅游及相关服务业企业数字化转型同群效应形成的影响因素分析
社会学习理论认为，同群效应源自个体对同群群体的主动学习和模仿[27]，而个体的这种主动行为主要源自基于信息理论的模仿和基于竞争理论的模仿。一方面，当不确定性非常高时，基于信息的动机很可能会占主导地位，因为不确定下的信息不对称增加了一些公司拥有优越信息的可能性，高不确定性意味着管理者对替代路径的可能成功有较弱的先验概率，因此对外部信息源更开放。另一方面，当不确定性较低或竞争对手非常接近时，基于竞争的动机会占主导地位，竞争越激烈，基于竞争的模仿的可能性就越高[28]。
旅游及相关服务业是一个受季节性、经济状况、宏观政策和技术进步等多种因素影响的行业。一方面，市场需求的不可预测性使得企业在规划资源和服务时面临挑战，随着技术的快速发展，旅游业的服务模式和消费者预订行为也在不断变化。面对技术进步和全球化带来的不确定性，旅游企业需要不断创新以保持竞争力。移动技术、社交媒体、人工智能等新兴技术的发展改变了消费者的预订和体验旅游产品的方式，增加了企业在技术投资和市场策略上的不确定性。另一方面，旅游领域涌现出各种新业态和新形态，其产业边界不断模糊化，内部异质化程度日益提高，平台垄断、大数据“杀熟”、数据孤岛、数字鸿沟等问题逐渐凸显[3]。面对这种复杂环境，企业的信息成本和决策成本增加，此时来自同群企业的决策提供了有效的学习渠道[29]，数字化转型虽是推动创新、提高企业适应性的关键因素，但它对于企业而言充满不确定性，缺乏明确统一的标准，此时企业会将同群企业的行为视为规范，成为决策时的重要信息来源[30]。在高度不确定的环境中，企业愿意主动模仿同群企业来降低决策成本，这是一种信息“搭便车”的行为[31]，可增强自身行为的合法性，同时在高不确定性环境下与同群企业保持一致，以规避战略背离带来的不利影响。因此，旅游及相关服务业企业数字化转型战略面临的不确定性会促进企业基于信息的模仿行为来降低市场风险。故提出如下假设：
H2：信息获取模仿有助于旅游及相关服务业企业数字化转型同群效应的形成，即企业所处环境的不确定水平越高，数字化转型同群效应越明显
在竞争激烈的市场环境中，企业面临着巨大的压力来维持或提升其市场地位。群体成员之间“竞争对手”的身份可能会导致企业对竞争对手的战略行为做出反应，以防止自身竞争优势的丧失[32]。随着竞争强度的提高，企业的独立性下降[33]，企业在竞争程度较高的市场中会更加密切地关注竞争对手，并通过模仿达到与竞争对手的竞争均衡[13，34]。在旅游及相关服务业中，企业在面对数字化转型的决策时，为了不被竞争对手超越，可能会模仿那些在数字化转型方面取得成功的同行[35]，特别是行业领导者的数字化转型策略，以增加自身在市场中的份额和影响力。这意味着数字化技术的发展为旅游及相关服务业带来了新的竞争工具，这些技术（如大数据分析、人工智能、移动应用等）可以显著提升企业的运营效率和客户服务质量，成为企业在激烈竞争中脱颖而出的关键。比如，数字化转型孕育出数字景区、云端文博、元宇宙旅游等新型旅游产品、服务及商业模式，显著提高了产品竞争力[36]。在竞争激烈的环境下，一方面，企业需要快速响应市场变化和技术创新，这种基于竞争的模仿有助于企业更快地实现数字化转型，从而快速适应市场变化；另一方面，为获得竞争优势，企业不仅需要模仿，还需要在模仿的基础上进行创新，这促使企业不断优化其数字化战略，提高服务效率和创新能力。此外，在行业竞争激烈时，企业可能通过模仿减少决策和投资风险。观察同群群体的数字化转型成果可以帮助企业更好地评估技术投资的风险和回报，避免盲目投资。因此，数字经济背景下，旅游及相关服务业企业间日益激烈的竞争会刺激它们出于竞争动机的模仿，带来数字化转型行为决策的趋同。故提出如下假设：
H3：竞争模仿有助于旅游及相关服务业企业的数字化转型同群效应的形成，即行业竞争越激烈，数字化转型同群效应越明显
1.3 旅游及相关服务业企业数字化转型同群效应形成的行为模式分析
组织间模仿行为研究指出，在行动主体具备模仿动机和信息渠道后，还需选择最终的模仿对象[35]，在此过程中，模仿行为方式主要遵从3条模仿定律：逻辑模仿律、先内后外律和模仿级数律[37]。其中，逻辑模仿律认为，模仿对象的选择应符合内在逻辑规律，即强调的是对效率高、绩效好的对象或代表最优结果的行为和对象进行模仿；先内后外律认为模仿对象的选择遵循先内后外的规律，即模仿者会优先选择和自己具有某种同质性特征的对象进行模仿；模仿级数律则主要强调模仿行为的增长速度[38]。其中，前两条模仿定律和模仿对象的选择有关，故本文基于这两条定律对旅游及相关服务业企业数字化转型同群效应的形成背后的行为逻辑进行剖析。
逻辑模仿律在旅游业的数字化转型及其同群效应中发挥着重要作用。模仿确实可以帮助领导者在对抗多个竞争对手时保持领先地位，但模仿目标的选择很重要，模仿可能是动态能力和创新的关键来源，反过来又产生竞争优势，因此，无论是行业中的“弱企业”（weak firm）[39]，还是市场中的“高绩效企业”（high performers）都会理性选择适合自身的模仿对象而形成同群效应[40]。在数字经济快速发展，数字技术不断渗透的背景下，不断有旅游企业开始数字化转型，以生成式人工智能（generative artificial intelligence，GAI）技术应用为例，Expedia 利用GAI为其客户生成个性化的旅行行程，荷兰皇家航空公司基于GAI 进行个性化的营销活动。但这种技术的应用也存在负面影响，GAI可能会操纵在线酒店/餐厅评论或大规模创建虚假身份账户，会产生过时或误导性的信息，可能对旅游利益相关者的相关决策、参与或福利水平产生不利影响[41]。可见，旅游企业在数字化转型进程中，模仿对象的选择和相关技术的应用往往更加审慎。与表现较差的同群成员相比，表现较好的同群群体可能会触发更高水平的信任[42]，故高绩效的企业往往会更关注和模仿数字化转型绩效较好的同群成员的战略行为。对绩效一般的企业而言，数字化转型本身是一个技术复杂度、异质化程度、实施难度和风险较高的发展战略，它们难以掌握市场上的那些明星企业实施数字化战略的准确信息，同时绩效差距较大的企业之间往往对数字技术应用和创新有着不同的理解，这增加了绩效一般的企业向“高绩效企业”模仿的难度[39]。相对而言，绩效相似的群体成员之间更易共享知识和资源，获得那些对自身有益的技术应用、旅游产品服务及管理创新实践的有效信息。因此，在旅游业这类人工智能技术快速应用、旅游产品和管理创新层出不穷的行业中[43]，焦点企业更易学习和模仿与自身绩效水平接近的群内其他企业的数字化转型战略。故提出如下假设：
H4：旅游及相关服务业企业的数字化转型同群效应遵循逻辑模仿律，即焦点企业更容易受到绩效相似的其他企业的影响
模仿行为除了服从逻辑模仿律外，还服从先内后外律，意味着企业在进行数字化转型时往往倾向于模仿与自己基础特征更接近的企业[37]。同群效应会通过身份认同而加强，企业会选择与自己特点相似、情况相仿的同群企业[44]。在我国的制度体系下，产权差异使得国有企业和非国有企业在数字化转型时存在不同的内在逻辑，国有企业的多重使命使其在数字化转型过程中存在市场导向型、能力导向型和公共导向型等多种变革模式[45]。与国有企业相比，非国有企业的市场导向性更强[46]。因此，国有企业的数字化转型行为路径与价值目标和一般企业存在差异。数字化转型资金投入大、技术前沿性强、风险高、回报周期长，国有企业的“天然优势”使其更易与其他具有技术优势的外部机构形成合作，而民营企业在逐利动机的驱动和资本相对匮乏的限制下，很难将大量资源投入数字化转型[47]。故国企的数字化转型对于民营企业而言，参考学习和模仿的价值相对有限。同时，在数字经济浪潮下，许多民营旅游企业面对激烈的竞争，它们在数字化转型和技术创新上相互合作、共创共享的意愿更加强烈[48]，从而使得民营企业间数字化战略的同群效应更加明显。综上，提出如下假设：
H5：旅游及相关服务业企业的数字化转型同群效应遵循先内后外规律，即焦点企业的数字化转型更易受到产权性质相同的其他企业的影响
2 研究设计
2.1 数据来源及研究样本
为探析旅游及相关服务业中数字化转型的同群效应及背后的形成机制，本研究选择的初始样本为沪深两市A 股2007—2021 年的旅游及相关服务业上市公司。
首先，采用间接型界定方式，在中国证监会2012版行业分类标准上，将文化、体育和娱乐业，住宿和餐饮业，水利、环境和公共设施管理业，信息传输、软件和信息技术服务业，租赁和商务服务业共5个行业门类纳入研究样本。其次，参考毕金玲和董淑悦[8]的做法，将文化、体育和娱乐业，住宿和餐饮业，以及水利、环境和公共设施管理业中的水利管理业和公共设施管理业两个细分行业纳入研究样本，然后筛选出信息传输、软件和信息技术服务业，租赁和商务服务业两个行业内，公司经营业务中涵盖旅游业务的上市公司，添加到研究样本中①。最后，为了保证研究质量，对样本数据进行了以下处理：1）剔除上市状态为特别处理（special treatment，ST）和特别转让（particular transfer，PT）的公司样本；2）剔除主要变量缺失的样本。经过样本筛选后，最终得到951个样本观测值。此外，为了消除个别极端异常值对研究结果造成影响，本文对所有连续性变量在1%和99%水平上进行了Winsorize 处理。本文所涉及的数据均来自国泰安数据库。
2.2 变量选择及测度
1）被解释变量。本文的被解释变量为数字化转型，通过对上市公司年报的关键词进行文本分析可以更加客观全面地反映企业的数字化转型水平，故借鉴赵宸宇等[49]、吴非等[50]的研究，以年报中与“数字化转型”相关的词频衡量上市公司的数字化转型程度。本文借助国泰安数据库中上市公司数字化的数据，对人工智能技术、区块链技术、云计算技术、大数据技术和数字技术应用5个方面的词频进行了加总，作为企业数字化转型水平（Digit）的代理指标。
2）解释变量。本文的解释变量为同群群体的数字化转型，目前针对同群群体的定义主要集中在行业、地区上：在行业同群方面，参照《上市公司行业分类指引》对行业做进一步的细分，将与焦点企业处于同一行业内的其他企业界定为行业同群企业，同群群体数字化转型为与焦点企业同处于一个细分行业的其他企业数字化转型的平均值；在地区同群方面，将与焦点企业总部处于同一地区（省、自治区、直辖市）的其他企业界定为地区同群企业，同群群体数字化转型为与焦点企业同处于同一地区的其他企业数字化转型的平均值。
3）其他变量。一是环境不确定性，在研究服务业数字化转型的行业（地区）同群效应的形成机制中引入环境不确定性变量（EU），用来衡量企业面临的外部环境不确定水平的高低。借鉴Ghosh和Olsen[51]的做法，采用企业过去5 年非正常收入经过行业调整后的变异系数作为环境不确定性的衡量指标。首先，将企业过去5年的销售收入作为因变量，对年份作普通最小二乘回归（ordinary leasr squares，OLS），得到的残差作为企业的非正常销售收入；其次，用非正常销售收入的标准差与平均数的比值作为未经行业调整的环境不确定性；最后，用未经行业调整的环境不确定性与同年同行业环境不确定性的比值作为经过行业调整的环境不确定性。二是行业竞争程度，在研究服务业数字化转型的行业（地区）同群效应的形成机制中引入行业竞争程度变量，用来衡量企业面临的竞争环境的激烈程度，采用赫芬达尔指数（Herfindahl-Hirschman index，HHI）对竞争程度进行度量。三是企业绩效，在针对服务业数字化转型的行业（地区）同群效应影响路径的研究中，本文引入了企业绩效变量。借助净资产收益率这一盈利能力指标来衡量企业绩效的高低，并将净资产收益率位于同群群体前30%的企业定义为高绩效企业。四是产权性质，在针对服务业数字化转型的行业（地区）同群效应影响路径的研究中，引入了产权性质（SOE）这一变量将同群群体划分为国有企业还是非国有企业。当企业是国有企业时SOE取值为1，否则为0。
4）控制变量。在参考有关行业同群效应和地区同群效应的研究后，本文选择公司年龄、总资产增长率、公司规模、营业收入、收入增长率、资产负债率、经营性现金流量、股权集中度等10 个控制变量。此外，本文的研究数据涉及多个省份、不同行业和不同年份，本文分别设置了年度控制变量、行业（大类）控制变量和地区（省级）控制变量。上述变量类型、定义及测量具体如表1所示。
表1 变量定义与度量
Tab.1 Variables definition and measurement
2.3 模型构建
为了验证前文假设，本文分别构建了如下计量模型：
式（1）～式（5）中，i、t 代表公司与年份，k 表示控制变量的个数，εi,t 是随机扰动项。式（1）为验证旅游及相关服务业企业数字化转型同群效应是否存在的基准模型，检验同群群体的数字化转型对焦点企业数字化转型的影响。式（2）和式（3）分别在外部层面检验焦点企业面临的环境不确定性和竞争程度对数字化转型同群效应的影响。式（4）和式（5）分别在内部层面检验逻辑模仿（模仿绩效高的同群企业）和由内而外（模仿相同类型的同群企业）这两种同群效应形成背后的行为模式。
3 实证结果分析
3.1 描述性统计及相关性分析
表2显示的是主要变量的描述性统计及相关性系数。被解释变量（Digit）的均值为6.293，最大值为59，说明我国大部分旅游及相关服务业上市公司已开始着手实施数字化转型，标准差为12.340，高于除股权集中度外的其他所有变量，说明这些旅游及相关服务业企业间的数字化转型程度差异较大。行业同群群体数字化转型（Peer_ind）和地区同群群体数字化转型（Peer_reg）的均值分别为6.244和6.319，比较接近被解释变量的均值，说明焦点企业的数字化转型程度和其同群群体的数字化转型程度存在趋同，初步证实了行业（地区）同群效应的存在性。控制变量方面，样本公司虽存在一定的年龄差异，但总资产增长率和资产负债率的差别相对较小，营业收入和营业收入增长率的数据说明虽然大部分企业的收入在增长，但也存在个别收入下降的企业。
表2 描述性统计及相关性分析
Tab.2 Descriptive statistics and correlation analysis
注：***p<0.01，**p<0.05，*p<0.1，下同。
相关性分析的结果显示被解释变量（Digit）与行业同群企业的数字化转型（Peer_ind）的相关系数为0.260 且在1%水平上显著，说明焦点企业的数字化转型与行业同群群体的数字化转型有正相关关系，初步证明了H1a。被解释变量（Digit）与地区同群企业的数字化转型（Peer_reg）之间的相关系数为-0.008，说明焦点企业的数字化转型与地区同群群体的数字化转型有负相关关系，但其系数的绝对值和统计的显著性均小于行业同群群体，更加准确的关系有待回归分析做进一步验证。控制变量中公司年龄（Age）、总资产增长率（Asset_growth）、公司规模（Size）、营业收入（Income）、收入增长率（Income_growth）、股权集中度（Ownership）均与企业自身的数字化转型程度显著相关，说明控制变量的选择良好，与被解释变量存在较强的相关关系。为进一步说明共线性问题，本文对解释变量及控制变量进行了方差膨胀因子检验（variance inflation factor，VIF），VIF最大值为3.18，均值为1.49，均小于临界值5，说明回归模型构建良好，变量间不存在严重的多重共线性问题。
3.2 实证结果及分析
3.2.1 数字化转型同群效应的存在性检验
本研究使用面板固定效应模型，对旅游及相关服务业企业的数字化转型同群效应的存在性进行了验证，结果如表3所示。其中，在行业同群效应的检验方面，模型（1）放入了行业同群群体的数字化转型程度（Peer_ind）和控制变量，同时仅控制了年份，模型（2）则在模型（1）的基础上同时控制年份和地区；在地区同群效应的检验方面，模型（3）放入了地区同群群体的数字化转型程度（Peer_reg）和控制变量，同时仅控制了年份，模型（4）则在模型（3）的基础上同时控制年份和行业。
表3 数字化转型同群效应的检验结果
Tab.3 Results of peer effects in digital transformation
注：括号内标准误差值。
表3中的回归结果显示，行业同群（Peer_ind）的估计系数在模型（1）（β=0.241，p<0.01）和模型（2）（β=0.239，p<0.01）中均显著为正，说明在只控制年份效应和同时控制年份及地区效应后，行业同群企业的数字化转型都对焦点企业数字化转型有显著的促进作用，即样本企业在数字化转型上存在显著的行业同群效应，H1a 成立。地区同群（Peer_reg）的估计系数仅在模型（3）中显著，在同时控制年份和行业固定效应后，其系数并未在统计学上显著，说明样本企业在数字化转型上并不存在显著的地区同群效应，H1b未得到支持。
3.2.2 数字化转型同群效应形成的影响因素分析
在旅游及相关服务业企业的数字化转型同群效应的存在性检验中，仅验证了行业同群效应的存在，故后续仅针对行业同群效应的形成进行讨论和分析。一方面，为了验证数字化转型中同群效应的形成是否由企业间的信息模仿导致，本研究在模型（1）的基础上加入了环境不确定性变量（EU），并加入了其和行业同群的交互项形成模型（5）（仅控制年份固定效应）和模型（6）（同时控制年份和地区固定效应）进行检验。如果H2 成立，在模型（6）中行业同群的回归系数应为正，同时，其和环境不确定性的交互项的回归系数应显著为正。另一方面，为了验证数字化转型中同群效应的形成机制是否由于企业间的竞争模仿导致，本研究在模型（1）的基础上加入了行业竞争程度（HHI）及其和行业同群的交互项形成模型（7）（仅控制年份固定效应）和模型（8）（同时控制年份和地区固定效应）进行检验。如果H3 成立，在模型（8）中行业的回归系数应为正，同时其和行业竞争程度的交互项的回归系数应显著为正。
表4 中模型（5）和模型（6）的回归结果显示，行业同群的系数均为正，且行业同群和环境不确定性的交互项系数均显著为正（β=0.043，p<0.01；β=0.043，p<0.01），显示环境不确定性对行业同群效应存在显著正向影响，说明环境不确定性越高，企业信息获取模仿的需求也越旺盛，同群企业数字化转型程度对焦点企业的影响越大，H2得以验证。表4中模型（7）和模型（8）的回归结果显示，行业同群的系数均为负，且行业同群和行业竞争程度的交互项系数均显著为正（β=0.497，p<0.01；β=0.489，p<0.01），说明行业竞争程度对行业同群效应存在显著影响。具体而言，当行业竞争程度加剧时，同群群体的数字化转型程度对焦点企业有促进作用，H3得以验证。
表4 数字化转型同群效应形成的影响因素及作用分析
Tab.4 Results of a test of the factors influencing formation of peer effects in digital transformation
在分别验证了同群效应的信息模仿和竞争模仿对数字化转型同群效应形成的影响后，本文进一步进行了异质性检验。具体而言，根据总资产增长率（Asset_growth）将全体样本分为扩张组和收缩组两个子样本，扩张组企业的总资产增长率大于零，收缩组企业的总资产增长率小于零，在两个子样本中分别进行比较分析。回归结果如表5所示。
表5 数字化转型同群效应形成的异质性检验
Tab.5 Results of a heterogeneity test of the formation of peer effects in digital transformation
表5中的模型（9）代表扩张组的回归结果，模型（10）代表收缩组的回归结果。模型（9）的回归结果显示扩张组中行业同群和环境不确定性的交互项系数为正，但不显著；模型（10）的回归结果显示收缩组中行业同群和环境不确定性的交互项系数显著为正（β=0.151，p<0.01），说明在同一行业内的企业中，当其总资产增长率为负，即处在收缩过程中时，环境不确定性越高，同群企业数字化转型程度对焦点企业的影响越大。同理，表5 中的模型（11）代表扩张组的回归结果，模型（12）代表收缩组的回归结果。模型（11）的回归结果显示，扩张组中行业同群和行业竞争程度的交互项系数显著为正（β=0.421，p<0.01）；模型（12）的回归结果显示收缩组中行业同群和行业竞争程度的交互项系数也显著为正（β=1.530，p<0.01），说明同一行业内的企业中，不论其处在扩张还是收缩的过程中，当行业竞争程度加剧时，同群群体的数字化转型程度均对焦点企业有促进作用，且处于收缩过程中的企业受到竞争模仿的影响相对更大。原因可能在于竞争升级加速了服务行业的技术迭代和服务产品更新[52]，处于竞争程度较高的行业企业为了保持自身竞争水平，会对外部变化具有更高的敏感程度[53]。随着数字经济的快速发展和数字技术在旅游业中的日益广泛的应用，在面临严峻的外部竞争时，扩张中的旅游企业既需要通过模仿同群企业的成熟做法来进一步巩固自身优势，也需要避免其竞争对手通过数字化转型开发新的技术和产品颠覆其行业地位。而收缩中的旅游企业也亟须通过模仿同群企业的数字化转型来改善发展困境，缩小差距。因而，无论是总资产处于扩张中的企业，还是总资产处于收缩中的企业，在面临激烈的行业竞争时，会强化数字化转型这种主动模仿行为。
3.2.3 数字化转型同群效应形成的行为模式分析
一方面，为验证数字化转型中同群效应的形成是否遵循逻辑模仿的规律，本研究根据资产报酬率将样本分为高绩效组和普通组两个子样本，分别在两个子样本中计算同群效应并进行回归分析。另一方面，为验证数字化转型中同群效应的形成是否遵循先内后外的规律，本研究根据企业产权性质将样本分为国有企业组和非国有企业组两个子样本，并分别在两个子样本中计算同群效应并进行回归分析。回归结果如表6所示。
表6 数字化转型同群效应形成的行为模式检验
Tab.6 Tests of the behavioral patterns in the formation of peer effects in digital transformation
表6 中的模型（13）代表高绩效组的回归结果，模型（14）代表普通绩效组的回归结果。模型（13）的回归结果显示，高绩效组中高绩效同群群体数字化转型（Peer_high）（β=0.723，p<0.01）和普通绩效同群群体数字化转型（Peer_other）（β=0.427，p<0.01）的回归系数均为正且显著，说明同一行业内的其他企业，不论其是否属于高绩效群体，其数字化转型水平均会显著影响高绩效组企业的数字化转型。同时，高绩效同群群体数字化转型的系数的绝对值大于普通绩效同群群体数字化转型回归系数的绝对值，说明高绩效组受到来自高绩效同群群体数字化转型的影响更大，即行业同群效应更显著。模型（14）的回归结果显示，普通绩效组中高绩效同群群体数字化转型（Peer_high）（β=0.188，p<0.05）和普通绩效同群群体数字化转型（Peer_other）（β=0.667，p<0.01）的回归系数均为正且显著，同时后者回归系数的绝对值大于前者，说明普通绩效组受到来自普通绩效同群群体数字化转型的影响更大，行业同群效应更显著。
表6 中的模型（15）代表国有企业组的回归结果，模型（16）代表非国有企业组的回归结果。模型（15）的回归结果显示国有企业组中同群群体数字化转型（Peer_soe）的回归系数为正且显著（β=0.786，p<0.01），非国有企业组中同群群体数字化转型（Peer_else）的回归系数为正但不显著，说明国有企业的数字化转型水平仅受到来自国有企业组的同群群体影响，非国有同群群体数字化转型并不能显著影响国有企业组的焦点企业。模型（16）的回归结果显示非国有企业组中国有企业同群群体数字化转型（Peer_soe）的回归系数为负且不显著，非国有企业同群群体数字化转型（Peer_else）的回归系数显著为正（β=0.794，p<0.01），说明对于非国有组的样本而言，其数字化转型只受到来自非国有同群群体的影响，国有企业组的数字化转型水平不会显著影响非国有企业组中焦点企业的数字化转型。
综上，属于高绩效样本组的焦点企业同时受到来自高绩效群体和普通绩效群体的影响，但高绩效群体的影响更大；属于普通绩效样本组的焦点企业受到来自高绩效群体和普通绩效群体的影响，同时普通绩效群体的影响更大。说明旅游及相关服务业上市公司数字化转型的行业同群效应的形成遵循逻辑模仿律，H4得以验证。国有性质的焦点企业显著受到来自国有群体的影响；非国有性质的焦点企业显著受到来自非国有群体的影响。说明旅游及相关服务业上市公司数字化转型的同群效应的形成遵循先内后外律，H5得以验证。
3.3 稳健性检验和内生性处理
3.3.1 稳健性检验
1）安慰剂检验。本文检验了行业同群效应的存在性，但也存在一种可能，即焦点企业的数字化转型并非由于受到同群群体数字化转型的影响，而是某种共同的外部因素在发挥作用，而该外部因素是不可观测到的，因此也没有被纳入实证模型中检验。为了排除这种可能的外部因素，本文借鉴王玉涛等[54]的作法，通过安慰剂检验来证明同群效应并非来自于同群群体共同的外部因素，而是来自于同群企业间的相互学习和影响。具体检验逻辑如下：首先，保证原有同群群体的个数和每个同群群体中包含的企业数量不变；其次，逐个为焦点企业构建同群群体，但这一过程保持随机，即不再依据同一行业、同一地区的标准；再次，基于随机构建的同群群体计算同群群体的数字化转型；最后，保持其他控制变量不变，用新的同群群体的数字化转型对模型（1）进行重复回归检验，并记录每次的回归系数。如果解释变量的系数依然显著为正，说明随机分组后同群效应依然存在，企业数字化同群效应是共同的外部因素在发挥作用；如果解释变量的系数不显著，说明随机分组后同群效应不存在，企业数字化同群效应是同群群体内部作用的结果。
安慰剂检验中多次重复回归的目的是使同群群体的划分过程变得随机，通过随机分组使得同群群体的构建不受其他标准影响。对于重复检验的次数，学术界并未有统一的结论，常见的做法是重复随机过程500 次。为了确保研究结果的稳健性，本文在安慰剂检验中将随机过程重复2000 次。结果显示，在2000 次模拟中，解释变量同群群体数字化转型回归系数的绝对值总是小于实际回归中的系数0.239。图1 更加直观地展示了2000 次模拟回归中回归系数的分布情况，其中横轴为估计系数，纵轴为概率密度，垂直于横轴的虚线表示实际回归系数0.239。可以看出，模拟回归的系数分布在0附近，且服从正态分布，绝对值均小于0.239。该结果符合安慰剂检验的预期，说明随机分组后同群效应不存在。
图1 安慰剂检验结果
Fig.1 Results of the placebo test
2）稳健性检验。本研究采取替换核心变量的测量方式对计量模型进行了稳健性检验，一是更换被解释变量的测量方式，借鉴陈庆江等[13]的做法，将单个企业年报中与“数字化转型”相关的词频与所属同群群体的词频总和之比作为被解释变量数字化转型的新度量方式，即将被解释变量从绝对变量变成了相对变量；二是更换解释变量的测量方式，借鉴张敦力和江新峰[55]的做法，保持原有被解释变量的度量方式不变，对原有解释变量用群中位数进行代替，构造新的解释变量（New_peer_ind）衡量同群群体的数字化转型水平。表7的稳健性检验结果显示，无论是更换被解释变量的测量方式，还是改变解释变量的测量方式，核心变量回归系数的符号和显著性均和原有回归结果保持一致，说明本研究的实证结论较为稳健。
表7 稳健性检验
Tab.7 Robustness check
3.3.2 内生性问题及处理
第一，样本自选择问题。由于研究样本均隶属于旅游及相关服务业，可能存在样本自选择问题，因此采用Heckman 两阶段方法进行检验。具体过程如下：第一阶段采用Probit 模型估计是否具有数字化转型有的概率（具有数字化转型为1，否则为0），在回归中选择影响企业是否进行数字化转型的变量为公司年龄、公司规模、资产负债率、行业竞争程度变量、产权性质、净资产收益率，进而计算得到逆米尔斯比率；第二阶段将第一阶段计算出的逆米尔斯比率代入模型（1）中，作为新的变量进行回归。若回归结果显示出逆米尔斯比率显著，则反映出样本确实存在自选择问题，且经过了有效调整①。表8是Heckman两阶段的回归结果，显示第一阶段的回归结果显示公司年龄、公司规模、行业竞争程度、产权性质4个变量的系数均为正且显著；资产负债率的系数为负且显著。Heckman 第二阶段的回归结果显示，逆米尔斯比率为正但不显著，同时经过调整后的主要解释变量（Peer_ind）的回归系数显著为正（β=0.416，p<0.01）。这一结果显示在考虑了样本自选择问题后，样本企业数字化转型的同群效应依然显著存在。
表8 Heckman两阶段回归结果
Tab.8 Results of the two-stage Heckman regression
第二，考虑到同群效应检验中可能存在反向因果的内生性问题，即焦点企业受到同群群体影响的同时，又作为其他焦点企业的同群群体，本研究选择工具变量进行了内生性检验：借鉴汪莉等[56]的做法，将“同群企业数字化转型”的滞后项作为工具变量，表9中模型（21）和模型（22）的结果显示，不可识别检验统计值为404.422，（p<0.01），通过了不可识别的检验，弱工具变量统计值大于10%的临界值16.38，说明选择的工具变量是合适的。表10 中的第一阶段的回归结果显示，上述工具变量和同群群体的数字化转型显著正相关，第二阶段中同群群体数字化转型的回归系数也显著为正，和行业同群效应存在性检验结果保持一致。
表9 内生性检验回归结果
Tab.9 Endogeneity test results
注：括号内标准误差值；不可识别检验报告了Kleibergen-Paap rk LM统计量；弱工具变量检验报告了Cragg-Donald Wald F统计量，尖括号内报告了Stock-Yogo弱工具变量检验10%偏误的临界值。
表10 数字化转型同群效应的经济后果
Tab.10 The economic consequences of peer effects in digital transformation
注：DV表示回归模型中的因变量。
3.4 进一步研究与讨论：同群效应的经济后果
在探究旅游及相关服务业企业数字化转型同群效应的存在性、其形成的影响因素和作用机理后，本文进一步探究这种同群效应带来的经济后果。一方面，数字化转型是一项投资大、见效慢、风险高的投资活动，需要企业投入资金对现有系统和信息设备进行改造，巨大的投入可能会导致企业的成本增加，而效益没有明显变化，导致公司价值下降[57]；另一方面，数字化转型有助于企业利用数字技术优化资源配置，降低运营成本，提高运营效率。在此过程中，企业能有效利用先进的数字技术加速开发新的产品和服务，更好地满足消费者的新需求，把握市场机遇，给企业带来正向的业绩回报[58]。此外，已有结论显示，企业数字化转型过程中存在显著的同群效应，企业在作出数字化转型的决策前，会有意识地主动观察和学习同群群体的决策，同群效应的存在会减弱数字化转型过程中的不确定性，进而帮助企业规避风险、降低成本，这也可能导致企业实现降本增效，提升公司价值[59]。
为了进一步探究数字化转型同群效应对企业的影响，本文借鉴毕金玲和董淑悦[8]的做法，构建了如下模型对行业同群效应的经济后果进行了检验：
式（6）中，代表经济后果的被解释变量（Consequence）为代表短期影响的绩效指标（净资产收益率）和代表长期影响的企业长期价值指标（托宾Q值）。针对短期影响，分别从营业成本和运营效率两方面检验了数字化转型同群效应对焦点企业短期绩效的影响，其中，营业成本指标为营业成本率，运营效率为总资产周转率；针对长期影响，由于企业长期价值与其能力增长息息相关[60]，故参照杨林等[61]的思路和方法，分别从企业创新能力和适应能力两方面检验了数字化转型同群效应对焦点企业长期价值的影响，其中，创新能力采用样本公司年度研发投入强度和研发人员比例来测度，对上述两个指标标准化后加总。适应能力则采用企业对研发、资本以及销售这3种企业主要支出变异系数的负数测度。
在经济后果层面，本文借鉴郑兵云等[62]的做法，针对被解释变量进行了行业调整，以净资产收益率为例，用焦点企业的净资产收益率减去该焦点企业所属行业当年的平均净资产收益率，得到经过行业调整后的指标值，其他3个变量同理。在短期影响方面，表10中的结果显示，模型（23）中交互项的回归系数显著为正（β=1.230，p<0.01），说明数字化转型的同群效应会提高焦点企业的短期绩效；模型（24）中交互项的回归系数显著为负（β=-14.983，p<0.1），说明数字化转型的同群效应会降低焦点企业的运营成本；模型（25）中交互项的回归系数不显著，说明同群效应并未提升企业的运营效率。上述结果说明，数字化同群效应主要通过降低营业成本而非提升运营效率来改善焦点企业的短期绩效。在长期影响方面，模型（26）中交互项系数显著为正（β=0.304，p<0.05），意味着从长期来看，数字化转型的同群效应对企业整体价值有正向的提升作用；模型（27）中交互项影响系数显著为正（β=0.552，p<0.05），说明数字化同群效应可显著改善焦点企业的创新能力；模型（28）中交互项系数并不显著，说明数字化同群效应未能促进焦点企业适应能力的提升。上述结论说明，数字化同群效应主要通过强化企业创新能力而非企业适应能力来提升焦点企业的长期价值。
4 结论与总结
4.1 研究结论
本文选取我国沪深两市A 股旅游及相关服务业上市公司2007—2021年的数据作为研究样本，实证检验了数字化转型同群效应的存在性、该同群效应形成的驱动因素和作用机理、该同群效应带来的经济后果，实证结论稳健，具体如下。
第一，我国旅游及相关服务业企业的数字化转型存在显著的行业同群效应，但不存在明显的地区同群效应。即当同群群体数字化转型程度上升时，焦点企业自身也更倾向于数字化转型。此外，在安慰剂检验中经过随机分组后的同群群体并没有显示出行业同群效应，说明数字化转型的行业同群效应确实是因群体内企业的相互学习和模仿而非同群群体受到的共同外部因素所导致的，即焦点企业在作出决策前会观察、模仿和学习其他企业的行为。
第二，上述同群效应的形成受到企业间信息模仿和竞争模仿的驱动。当前旅游及相关服务业在数字经济的不断渗透下，新业态、新模式、新技术和新产品均给旅游企业的数字化转型决策带来了更高的信息需求，当面临的外部环境剧烈动荡时，这些企业既需要通过数字化转型抢抓市场机遇，又需要找到相对可靠的转型路径。因此，企业面临的环境不确定性增加时，同群企业数字化转型程度对焦点企业的影响越大。与此同时，同行业的群内企业存在天然的竞争关系，这种关系也促使企业为了维持自身的竞争优势或缩减与竞争对手的差距而模仿群内成员的数字化转型，因此，企业所处的竞争环境越激烈时，同群企业数字化转型程度对焦点企业的影响越大。异质性检验的结果显示，信息获取模仿的影响仅存在于处于收缩状态的企业，相对于正在扩张的企业，竞争模仿对处于收缩状态企业的影响更大。
第三，上述同群效应形成背后的行为模式遵循逻辑模仿律和先内后外律。尽管存在同群效应，但并非所有的同群群体对焦点企业有相同水平的影响。逻辑模仿律表明，企业的数字化转型更易受到绩效相似的其他企业的影响，高绩效的焦点企业受到来自高绩效群体的影响更大，普通绩效的焦点企业受到来自普通绩效群体的影响更大。先内后外律表明，企业的数字化转型更容易受到产权性质相同的其他企业的影响，国有性质的焦点企业受到国有群体的影响更大，非国有性质的焦点企业受到非国有群体的影响更大。
第四，旅游及相关服务业企业数字化转型的同群效应在短期内对企业经济效益有正向带动作用，在长期内也促进了企业价值的提升。可见，这种数字化转型同群效应对于旅游业发展来说，并非仅仅是“流量”，同时也切切实实地提升了旅游经济发展的“质量”[63]。
4.2 管理启示
第一，旅游及相关服务业企业大都已开始数字化转型，且存在明显的行业同群效应。这表明越来越多的旅游企业已经深刻认识到数字化转型的紧迫性和重要性，并开始实施这一战略。行业同群效应说明数字化转型战略在行业内具有同群外溢效应，说明应积极鼓励行业内具备一定基础的相关企业采用前沿技术、探索旅游数智化新模式、总结数字化转型的经验，然后通过这批企业产生的同群外溢效应扎实推动旅游产业数字化。但值得注意的是，区域同群效应并不存在，说明旅游企业数字化转型的空间溢出效应尚不明显，这在某种程度上反映出区内旅游企业间的业务关联有限，这也启示我们在建设旅游数字产业集群时，不能仅关注建立在互联网上的虚拟集聚，还应关注地理范围内的资源集聚、知识和信息的共享与流动，帮助旅游业摆脱鲍莫尔成本病（即随着旅游业产出的增长，旅游产品和服务成本越来越高，导致旅游业产出增速下降），更好地构建和推动旅游业发展的新质生产力。
第二，数字化转型行业同群效应形成背后是信息模仿与竞争模仿的双轮驱动，信息模仿建立在数字化进程中的合作与共创共享的基础上，竞争模仿则建立在市场份额争夺的基础上。这说明在旅游业的数字化转型升级进程中，企业间的合作和竞争虽有助于带来更大的正外部性来拓展市场边界、扩大市场份额，但也需要积极鼓励新技术的开发与应用，促进这些企业的创新行为，以防范行为趋同导致过度的同质化，同时避免形成“赢者通吃”的行业环境[64]。
第三，数字化转型行业同群效应的影响路径显示旅游及相关服务业中企业的数字化转型存在明显的界线，高绩效和一般绩效企业在模仿对象上有着不同的选择，国有企业和民营企业也倾向于选择相同类型企业进行模仿。这说明不同企业的数字化转型模式和路径差异会导致其在不同类型企业的适用性存在不同，也显示出数字化转型的学习渠道和示范效应相对有限。因此，可充分发挥监管机构的作用，通过它们展示不同企业数字化转型的程度和进展，加强宣传和组织学习等方式，引导行业内的企业对数字化转型的成功案例进行学习和良性模仿，充分发挥市场的积极作用，促进行业整体数字化水平健康发展。
4.3 研究不足及展望
本文虽对旅游及相关服务业企业的数字化转型同群效应的驱动因素、作用机理和经济后果进行了分析和讨论，但仍存在一些不足之处：一是数据的可得性制约了相关指标的度量方法，文章有关数字化转型的测度方式并未很好地反映企业在数字化转型方面的实际投资额、技术应用的广度和深度等相关信息，未来确实极有必要沿着这一思路进一步探索更准确全面的测度方式；二是没有考虑更多的环境和情境因素，在不同研究情境下，可能会出现不同的研究结论；三是信息模仿和竞争模仿动机可能同时存在，逻辑模仿律和先内后外律也可能同时存在，本研究尚未对多种驱动因素和作用路径共存下的数字化转型同群效应进行更深一步的探析；四是本研究仅区分了行业同群和地区同群，尚未进行更为细致的同群群体的划分，未来可基于共同股权、连锁董事、供应链等实际关联对同群进行更严格的界定，有助于形成更为稳健的结论。
图片来源于微信公众平台公共图片库
国家社科基金资助期刊
中国最具国际影响力学术期刊（人文社科类）
全国中文核心期刊
中国人文社会科学期刊AMI综合评价 （A刊）权威期刊
《中文社会科学引文索引》（CSSCI）来源期刊
欢迎转载，转载请联系《旅游学刊》编辑部授权
（lyxkwx@163.com）
