审计论文哪里有？本文选取2016年—2022年我国沪深A股上市公司为研究对象，结合国内外相关文献，通过对现有理论的梳理和实证分析发现，高水平的数字化能力能够显著提升企业的生产效率和优化企业运营管理流程，从而影响盈利能力。
第一章 绪论
1.3 研究综述
1.3.1 企业盈利能力影响因素的相关研究
1903年，杜邦公司为了更深入地分析公司的财务状况和盈利能力，首次提出将净资产收益率分解成几个重要财务指标的乘积。从此，对盈利能力的分析引起了国内外学者的关注。McInnes（1971）分析了30家跨国公司的盈利能力评价系统，发现投资报酬率是被公司使用次数最多的评价盈利能力的财务指标。Emmanuel et al.（1990）依据权变理论首次提出了“权变业绩计量”体系，这一体系是由17项指标一起构成的。并且这个体系在盈利能力评价中首次结合了定量分析法和定性分析法[14]。
近年来，关于企业盈利能力影响因素的研究成果在国内外逐渐丰富起来。孙银英（2011）认为企业盈利能力的强弱受到多方面因素的影响，主要分为三大类：在财务方面的因素一般为衡量企业财务健康状况的重要指标，主要涵盖了企业的生产经营盈利能力、资产盈利能力以及所有者投资盈利能力；在质量方面的影响因素是确保企业长期发展的关键要素，包括会计政策的稳健性、会计收益的现金保障以及盈利的持续性、稳健性和安全性；至于非财务因素虽然不直接反映在财务报表上，但对企业的长期盈利能力和市场竞争力有着深远影响，这些因素主要包括市场占有率、雇员培训、及企业创新等六个因素。Chen et al. （2017）和Wong和Hooy（2018）的研究认为，政治网络可能与企业盈利能力存在负相关关系，因为它们间存在着不稳定的联系，以及“双刃剑”的功能。赵凯和王鸿源（2019）探讨了政府补贴对企业盈利能力的影响机制，认为当行业集中度较低时，企业盈利能力与政府补贴无显著关系；而当行业集中度处于中等水平时，政府补贴会阻碍企业盈利能力的提升；当行业集中度较高时，政府补贴对企业盈利能力会起到显著的正向推动作用。
第三章 研究机理与研究假设
3.1 数字化水平对企业盈利能力的影响机理
资源基础观认为，企业独特的、难以模仿的资源是企业拥有持久竞争力的关键。在当今数字化时代，这一理论也同样适用于解释数字化资源与企业竞争力之间的关系。对于大部分企业来说，数字化资源如大数据分析、云计算、人工智能算法等均属于新型资源，随着技术的发展和相关政策的不断完善，这些资源逐渐成为影响企业发展的关键战略资源。数字化水平对企业盈利能力的影响可能基于以下几方面：
（1）提高企业生产效率
数字化水平的提升可以显著提高企业的生产效率（Di Wang和 Xuefeng Shao，2024; 楼永和刘铭，2022），进而提升企业盈利能力。企业可以使用先进的数字化技术来实现生产自动化和智能化，取代那些简单、重复且劳动强度大的人力工作，还能显著减少人为操作错误，提高生产的精确度和稳定性。通过这种方式，企业在减少对人力资源依赖的同时还提升了生产效率和产品质量。生产自动化和智能化还能带来更高的生产速度和更大的生产规模，使得企业能够快速响应市场需求，增加产量以满足消费者需求。
（2）优化运营管理流程
企业可以使用物联网、区块链、云计算等先进技术，实现对产品从原材料采购、生产加工到成品存储、物流配送，直至最终交付给消费者的整个供应链的实时追踪和监控，极大地提高了供应链的透明度和可追溯性，使企业能够实时掌握产品在供应链各环节的状态，确保产品按时、按质、按量地完成交付。利用数字化手段，企业能够更好地识别和管理供应链中的风险，如供应中断、需求波动、价格波动等。即数字化水平的提升可以优化企业运营管理流程( Jingxiao Zhang et al.,2023；刘柏和鞠瑶蕾，2024)，降本增效，进而提升企业盈利能力。
第五章 实证检验及分析
5.1 描述性统计
表5.1报告了主要研究变量的描述性统计结果，主要包括均值、标准差、最小值、中位数和最大值。从总体样本上看，被解释变量企业盈利能力（ROA）的最大值为19.74，最小值为-24.04，表明企业间的盈利能力差异较大，一些企业的盈利能力非常高，而一些企业处于盈利能力非常低或者亏损的状态。解释变量数字化水平（Dig）的最大值为5.979，最小值为0.693，平均值为3.306，这表明企业间的数字化水平有所差异，大部分企业的数字化水平较低，为本文后续的异质性分析提供了基础。从控制变量来看，财务风险水平（DFL）的最大值为5.854，最小值为-0.087，表明各企业的财务风险水平有较大的差异，较高的财务风险水平可能表明企业存在一定的经营风险。审计意见（Audit）的平均值为0.985，中位数为1，表明大多数样本企业被会计师事务所发表了标准无保留意见的审计报告。其他变量的分布均在合理范围内，不再一一赘述。
5.2 相关性分析
相关性分析一方面可以检验选取变量间是否存在多重共线性问题，另一方面可以初步判断变量间的相关关系进而对假设进行初步检验。表5.2报告了各变量间的相关性检验的结果。
数字化水平（Dig）与企业盈利能力（ROA）之间的相关系数为-0.047，在1%的置信水平上显著，与假设1不符，但这一现象可能受控制变量影响，还需要进一步分析。数字化水平与内部控制质量（IC）之间的系数为0.028，在1%的置信水平上显著，初步验证了假设2。此外，本文选取的控制变量与主变量在一定程度上显著相关。财务风险水平（DFL）、资产负债率（Lev）、研发投入（RD）和企业盈利能力均在1%的置信水平上显著负相关。股权集中度（OC）、营业收入增长率（Growth）、总资产周转率（ATO）、审计意见（Audit）和企业盈利能力均在1%的置信水平上显著正相关。股权集中度与数字化水平在1%的置信水平上显著负相关。总资产周转率、两职合一（Dual）、研发投入和数字化水平在1%的置信水平上显著正相关。这些结果显示本文的控制变量选取较为恰当。
目前大多数研究表明，各变量间的相关性系数不能高于0.4，根据表5.2的结果显示，选取的变量间相关系数的最大值为0.355，因此，初步判定回归模型中的各变量间不存在严重的多重共线性问题。
第六章 研究结论与建议
6.2.2 对监管层面的建议
（1）加强政策引导和支持
首先，国家和政府可以通过税收优惠、财政补贴、专项资金支持等手段来激励企业进行数字化转型，投资于数字化技术和相关基础建设的研发，尤其是位于西部地区的企业和规模较小的企业。还可以更新法律法规，为数字化提供法律支持，例如数据、隐私安全和知识产权等方面。其次，政府可以建立风险分担机制，对于部分企业通过风险补偿基金等方式来分担其在数字化转型过程中遇到的风险，并根据风险产生不良后果的严重程度确定风险补偿金额的大小。此外，政府还应当加强监管和评估，建立健全数字化转型的监管体系，定期评估政策实施的效果，及时调整和完善政策措施。
（2）加强数字化人才培训
首先，国家和政府应当实施数字技术培育项目，重点培养大数据、人工智能等领域的专业人才，构建科学规范的培训体系。可以通过开设订单式培训班，培养复合型人才，推动产业数字化转型。同时，研究并发布国家职业标准和教材，利用互联网平台共享数字培训资源。其次，积极开展人才国际交流活动，引进海外高层次人才，支持留学回国人才创新创业，并加强国际交流。此外，政府还应当加大对数字化人才培养的投入，设立人才培养专项基金，鼓励企业进行数字化人才培养。
（3）积极搭建信息交流平台
首先，国家应当加强5G网络、光纤网络、移动物联网等数字化基础设施的建设，提升基础设施的水平。在此基础上建设国家级数字平台，该平台将作为数字化领域最新研究成果的集散地，确保这些成果能够迅速得到共享与交流，从而加速知识的传播和创新成果的应用。其次，还可以通过国家政务服务平台等，推动政务数据共享，提高数据的开放性和透明度，为企业决策提供数据支持。此外，国家和政府还可以在搭建的交流平台中增设企业与教育机构交流的板块，促进二者之间的合作，推动数字化人才的培养。
参考文献（略）
