AI赋能的治理：董事会性别多样性与企业避税行为 马尔万·曼苏尔（Marwan Mansour）、 穆塔兹·阿尔·佐比（Mo’taz Al Zobi）、 艾哈迈德·马雷（Ahmad Marei）、 卢阿伊·达乌德（Luay Daoud） 以及努尔·易卜拉欣·库尔迪（Nour Ibrahim Kurdi）

《Computation》：AI-Enabled Governance: Board Gender Diversity and Corporate Tax Avoidance Marwan Mansour, Mo’taz Al Zobi, Ahmad Marei, Luay Daoud and Nour Ibrahim Kurdi

　　摘要 企业避税已成为一个重大的治理和财政可持续性问题，尤其是在发展中经济体，其中企业税收收入是公共融资的重要来源。虽然先前的研究表明董事会性别多样性（BGD）能够增强伦理监督和监控，但其在限制激进税收规划方面的有效性可能取决于企业的信息和技术环境。本研究探讨了人工智能（AI）能力是否能够加强BGD在减少企业避税方面的治理作用。利用2009至2023年间来自发展中经济体的1586家非金融企业的平衡面板数据，分析采用了企业固定效应模型（FE模型）和动态两步系统广义矩估计（System GMM）来处理未观察到的异质性、内生性和企业税收行为的持续性。研究结果表明，BGD与有效的税率呈正相关，这意味着较低水平的企业避税。此外，通过滞后回归模型测量的AI能力显著增强了这一关系，表明采用较高水平AI的企业显示出性别多样化董事会对税收合规性的更强治理效果。额外的稳健性测试，包括使用其他避税衡量标准、不同的BGD设定、异质性分析以及使用Heckman、倾向得分匹配（PSM）和工具变量（2SLS）方法进行校正，都证实了这些发现的稳定性。总体而言，结果表明技术能力和董事会多样性在加强发展中经济体的公司治理（CG）和财政纪律方面具有互补作用。

1. 引言
企业税收是国家财政系统的基本支柱，为政府提供关键的收入来源，用于资助公共基础设施、社会项目和长期经济发展。然而，企业避税——定义为利用合法策略最小化税收负担——已成为学术研究和政策讨论中日益争议的问题。尽管此类做法可能符合现有法规，但激进的税收规划会侵蚀公共收入，增加财政不平等，并引发对企业透明度和问责制的担忧[1,2]。在这种情况下，避税不仅反映了高效的财务管理，也暴露了潜在的管理机会主义，突显了有效治理机制的重要性。大量研究强调了治理结构在约束机会主义财务行为中的作用。从代理理论的角度来看，管理者可能会进行激进税收规划以提高短期绩效或满足股东预期，即使这些策略会增加监管和声誉风险[3]。因此，有效的治理机制——特别是积极独立董事会——被认为能够缓解管理机会主义并促进更负责任的财务决策[4]。然而，实证研究结果并不一致。一些研究记录了治理在减少避税方面的约束作用，而其他研究则报告了较弱或依赖于特定背景的效果，这表明仅靠治理结构可能不足以约束复杂的财务策略[5,6,7]。这些不一致性表明，治理的有效性不仅取决于董事会结构，还取决于企业的信息环境和其他互补的组织能力。

在CG文献中，BGD作为可能提高监控质量和财务纪律的机制受到了越来越多的关注。性别多样化的董事会通常与更广泛的决策视角、更严格的审议过程以及对伦理和声誉考虑的更高敏感性相关联。多项研究表明，女性董事占比较高的企业表现出更为保守的财务行为和较低的税收激进程度[8,9]。然而，其他研究发现这种关系较弱或不显著，特别是在制度约束或缺乏高质量信息获取的环境中[5,7]。这种混合证据表明，性别多样性的有效性并非普遍存在，而是取决于董事会运作的信息环境和制度背景。

与此同时，快速的技术发展正在重塑企业治理实践。AI和数字化转型技术越来越多地应用于企业的决策系统、财务分析和内部控制流程中。通过处理大量数据并促进实时异常检测，AI可以加强监控、提高透明度并改善合规性[10,11]。进一步的实证证据表明，数字化转型通过改进内部控制体系、降低信息不对称性并增加外部监督来减少企业避税[12,13,14]。从这个角度来看，AI作为一种治理赋能能力，增强了董事会运作的信息环境。

然而，AI的治理影响并不完全是积极的。先进分析工具也可能通过促进复杂的财务建模和无形资产管理来支持更复杂的税收规划策略[15,16]。因此，AI对企业税收行为的影响具有条件性。当治理机制强大时，AI可能增强监控效果和透明度；当治理薄弱时，它可能促进机会主义财务行为。这一双重作用强调了研究技术能力与治理结构之间相互作用的重要性。

尽管关于CG和数字化转型的文献越来越多，但很少有实证研究探讨技术能力如何与董事会特征（特别是BGD）相互作用以影响企业避税。这一差距在发展中经济体尤为重要，因为这些国家的治理机构和监管执行相对较弱，内部治理机制在塑造企业行为中发挥着关键作用。鉴于此，本研究调查了AI能力是否调节了BGD与企业避税之间的关系。利用2009至2023年间来自发展中经济体的1586家非金融企业的面板数据，研究探讨了数字技术能力是否加强了性别多样化董事会在约束机会主义税收行为方面的治理作用。AI能力通过基于披露的AI采用指数来衡量，该指数反映了企业对智能技术的使用情况。为了确保推断的稳健性，实证分析结合了企业FE模型、动态两步系统广义矩估计和工具变量（2SLS）方法，以处理未观察到的异质性、动态内生性和潜在的因果倒置问题。

研究结果表明，性别多样性较高的企业表现出较低的避税水平。更重要的是，AI能力显著增强了这一关系，表明技术能力提高了性别多样化董事会的监控效果。这些结果在三个重要方面为文献做出了贡献：首先，它们提供了关于BGD在发展中经济体中提高税收合规性的新证据；其次，它们将AI能力确定为一种治理赋能资源，增强了透明度和监控效果；第三，它们证明了治理结构和技术能力在塑造企业财务行为方面的互补作用。总体而言，本研究强调了将治理结构与数字能力相结合以加强企业问责制和财政纪律的重要性。这些发现对政策制定者、监管机构和寻求提高发展中国家治理质量和税收合规性的企业利益相关者具有重要意义。

2. 文献综述
2.1. 企业避税作为治理结果
企业避税越来越被视为一种与治理相关的结果，而不仅仅是一种技术性财务策略。虽然税收规划可以增强企业的税后现金流，但激进的避税可能会使企业面临监管审查和声誉风险[2]。因此，企业税收行为不仅反映了管理效率，还反映了组织内部监控和问责机制的有效性[4]。从代理理论的角度来看，信息不对称可能使管理者采取提高财务表现同时降低透明度的策略[3]。Desai和Dharmapala[1]认为，在治理薄弱的情况下，税收庇护可能与管理机会主义有关，而Hanlon和Heitzman[2]强调税收结果严重依赖于监控质量和管理激励。这一观点突出了治理机制在塑造企业税收策略中的核心作用。

实证研究提供了大量关于治理与企业税收行为之间关系的证据，尽管结果尚无定论。一些研究表明，更强的治理机制（如董事会独立性和有效的审计监督）可以减少激进税收规划[5,6,17]。相比之下，其他研究则报告了较弱或依赖于特定背景的效果，表明治理有效性因制度环境而异，并取决于监控质量和执行条件[7,18]。这些混合结果表明，仅靠治理结构可能不足以完全约束复杂的财务决策，如避税。除了治理结构之外，最近的研究还强调了战略和管理因素在塑造税收行为中的重要性。面临重大投资或创新支出的企业可能会进行税收规划以保持内部融资能力。例如，Xiang等人[19]表明，在税收激励不足的情况下，与创新相关的支出会增加账面价值与税收之间的差异，而管理特点和高层管理动态也被发现会影响企业的税收策略[20,21]。这些发现表明，企业税收行为反映了更广泛的战略考虑，而不仅仅是治理相关因素。总体而言，文献表明企业避税是一个多维结果，受到治理机制、管理激励和企业战略条件的共同影响[22,23]。重要的是，混合实证证据的持续存在表明，传统的治理机制可能单独使用时并不足够。相反，它们的有效性可能取决于增强信息处理、透明度和监控质量的互补组织能力。在这方面，新兴研究强调了技术能力（特别是数字化转型和人工智能）在提高治理效果和影响企业税收行为方面的作用[13,14]。

2.2. 董事会性别多样性与财务纪律
在CG文献中，BGD作为监控质量和财务纪律的决定因素受到了越来越多的关注[24]。性别多样化的董事会通常与更广泛的决策视角、更严格的审议过程以及对伦理和声誉考虑的更高敏感性相关联[25]。女性董事通常被认为是更注重利益相关者和风险的回避者，这可以加强对复杂财务决策的监督并减少管理者的机会主义[9,26]。因此，更多的性别多样性可能加强董事会的独立性并提高监控效果。关于BGD与企业税收行为之间关系的实证证据显著增加，尽管结果仍存在差异。一些研究表明，女性董事占比较高的企业表现出较低的税收激进程度和较小的账面价值与税收差异[9]。例如，Mai等人[9]发现女性领导与更为保守的财务报告和较低的避税行为相关，而Gaio等人[8]表明，在经济不确定性条件下，性别多样化的董事会可以抑制激进的税收策略。同样，Fourati等人[27]提供证据表明，BGD加强了抑制机会主义税收规划的治理机制。然而，其他研究则报告了较弱或依赖于特定背景的关系。Hossain等人[7]表明，性别多样性对税收行为的影响因制度环境而异，表明董事会组成本身可能不足以约束复杂的财务策略。Khlifi等人[28]证明，治理特征与更广泛的可持续性和披露实践相互作用，影响税收结果。这些发现表明，性别多样性的有效性取决于具体情境因素，包括制度质量、治理结构和更广泛的信息环境。总体而言，这些混合证据表明，治理有效性是有条件的，取决于企业的内部能力和外部环境[24]。

重要的是，最近的研究强调，有效的董事会监控不仅取决于董事会组成，还取决于信息的可用性和质量。企业税收规划涉及复杂的会计结构和监管考虑，这可能限制董事完全评估管理决策的能力[2,20]。因此，即使在性别多样化的董事会中，如果信息处理能力有限，也可能面临监控上的限制。这一限制突显了治理文献中的一个关键边界条件，表明董事会的有效性取决于增强信息透明度和分析能力的互补组织能力。总之，文献表明，虽然BGD可以加强财务纪律，但其有效性并非普遍存在，而是取决于董事会特征与企业信息环境和组织环境之间的相互作用。这一限制为将技术能力纳入治理分析提供了强有力的理由。特别是，增强数据处理、透明度和监控的技术（如人工智能）可能提高企业在复杂财务领域（如企业税收）中的董事会治理效果。

2.3. 人工智能与数字治理
随着CG的发展，企业正在经历数字化转型，这重塑了内部治理系统和信息处理能力。在这种转型中，AI作为一种独特的技术能力，嵌入在企业分析、风险管理系统和内部控制基础设施中[29]。与广泛的数字化措施不同，AI涵盖了智能技术（如机器学习、自动化和高级分析），这些技术增强了企业处理复杂信息和支持数据驱动决策的能力。通过处理大量数据和促进实时异常检测，AI可以提高监控精度和组织透明度[10,11]。在这样做时，它减少了管理者、董事会和外部利益相关者之间的信息不对称，这是代理理论[1]中的一个核心问题。最近的研究表明，采用人工智能（AI）通过提高监控质量和内部控制系统的有效性来增强治理效果。例如，Saeed [10]指出，基于AI的治理技术加强了董事会的监督和审计委员会的有效性，从而减少了诸如收益管理之类的机会主义财务行为。同样，Huang和Gao [11]证明，由AI驱动的技术能力通过改进内部控制系统和促进实时数据整合来支持更强的治理结构。这些发现将AI定位为一种促进治理的基础设施，它提高了透明度并增强了公司决策者的监控能力。来自更广泛的数字化转型文献的证据进一步支持了技术能力在治理中的作用。研究表明，数字技术通过加强内部控制系统和提高财务报告的透明度来减少信息不对称[13,14]。Chen和Meng [15]进一步认为，数字化转型通过改善信息获取和增强管理者的责任感来重构财务决策过程。在这种情况下，技术能力通过为董事会提供更及时、准确和全面的信息来补充传统的治理机制。从监管角度来看，AI也在加强合规性和监控系统方面发挥着重要作用。基于AI的分析工具使企业和监管机构能够更有效地检测不规则的财务模式，从而提高税收执行和监管监督。实证证据表明，先进的分析技术和集成的数字平台减少了企业和监管机构之间的信息不对称，增强了合规激励和治理透明度[30]。然而，AI的治理影响并不完全是积极的。虽然许多研究强调其监控方面的好处，但新兴的研究表明，先进的分析能力也可能使企业设计出更复杂的财务和税收优化策略。例如，Qu和Jing [16]发现，当企业使用先进分析来实施复杂的税收规划策略或抵消不断上升的技术投资成本时，AI的采用可能会增加企业的避税行为。同样，Chen和Meng [15]认为，数字化转型可能增强企业利用监管复杂性以促进税收最小化的能力。

总的来说，文献表明AI对公司财务行为的影响本质上是条件性的。一方面，AI可以通过提高监控准确性、透明度和信息处理能力来加强治理。另一方面，它也可能增强企业采取复杂财务策略的能力，包括激进税收规划。这些对比的观点表明，AI的治理影响取决于内部监控机制的强度。特别是，当AI与强大的董事会结构相结合时，它更有可能增强治理效果。这种互补性突显了研究AI如何与治理特征（如性别多样性）相互作用以塑造公司税收行为的重要性。

2.4. 治理互补性视角
结合代理理论和基于资源的观点（RBV），AI可以被概念化为一种促进治理的能力，补充企业内部的传统监控机制。代理理论强调董事会在缓解管理者与股东之间信息不对称导致的管理机会主义中的作用[2]，而RBV则强调企业特定的能力（如先进的技术资源）可以增强信息处理能力和决策效率[10,11]。从这个角度来看，AI通过改进数据整合、实时监控和分析精度，扩展了董事会可用的信息和分析能力。这些能力在复杂的财务领域（如企业税收规划）中尤为重要，因为在这些领域中，决策涉及重大的信息复杂性和监管不确定性。通过提高透明度和减少信息不对称，AI可以增强董事会评估管理行为和发现机会主义行为的能力。

然而，AI驱动的监控效果并非自动产生。技术能力的好处取决于利用这些信息的企业内部治理结构的强度。如果没有有效的监督，增强的分析能力可能不会转化为更好的监控结果，甚至可能促进更复杂的财务策略。这意味着技术能力和治理机制在塑造企业行为方面是互补的而不是替代的[13,14]。因此，AI的治理影响取决于董事会层面的监控质量。在治理结构较强的企业（如性别多样化的董事会）中，AI可以通过提供更准确、及时和相关的信息来增强监控效果。相比之下，在治理较弱的企业中，相同的技术能力可能会被低估或被用于机会主义目的。

基于这种互补性视角，本研究提出AI能力增强了性别多样性（BGD）在限制企业避税方面的治理作用。具体来说，AI改善了性别多样化董事会所处的信息环境，从而提高了她们监控管理行为和促进更强财务纪律的能力。

3. 理论框架和假设发展
3.1. 董事会性别多样性与企业避税
代理理论认为，管理者与股东之间的信息不对称可能会鼓励机会主义管理行为，包括激进的税收规划[1]。当管理行为没有得到充分监控时，税收策略不仅可能用于提高企业绩效，还可能用于掩盖管理机会主义。因此，有效的治理机制，特别是积极和独立的董事会，在限制管理者的自由裁量权以及确保财务决策与长期利益相关者的利益一致方面发挥着重要作用。BGD越来越多地被视为一种可能加强董事会监督和财务纪律的治理机制[31]。性别多样化的董事会在决策过程中往往具有更广泛的视野、更强的审议过程以及对道德和声誉风险的更高敏感性[9,26]。女性董事通常与更高的勤勉度、更强的利益相关者导向以及对机会主义财务行为的更低容忍度相关联，这可能加强对企业税收规划等复杂财务决策的监督[8]。实证证据越来越支持性别多样化董事会在塑造企业财务行为方面的监控作用。例如，Mai等人[9]发现，女性领导与较低的收益操纵和税收激进程度相关。同样，Gaio等人[8]显示，在经济不确定性条件下，性别多样化的董事会可以缓解激进的税收策略，而Fourati等人[27]记录了BGD加强了抑制机会主义税收规划的治理机制。尽管一些研究报告了取决于制度环境和治理质量的情境依赖效应[7]，但总体证据表明，性别多样性可以增强监控效果并改善企业财务纪律。因此，与性别多样性相关的更强的董事会监控预计会促进更高的税收合规性并抑制机会主义税收策略。

H1. BGD与有效的税率呈正相关（即与企业避税呈负相关）。

3.2. 人工智能作为数字治理放大器
董事会监控的有效性不仅取决于治理结构，还取决于董事可用的信息环境。AI的进步显著增强了企业信息系统，使得能够实时分析大型财务数据集、异常检测和预测性决策[10,11]。通过加强企业的信息处理能力，AI技术可以减少管理者、董事会和外部利益相关者之间的信息不对称[29]。从治理互补性的角度来看，技术能力可能会增强传统治理机制的有效性。数字化转型研究表明，先进的技术系统可以提高监控准确性、加强内部控制流程，并提高财务报告的透明度[13,14]。这些能力可能使董事会更好地评估复杂的管理决策并发现潜在的机会主义财务行为。然而，数字技术的治理影响并不一定是统一的。虽然许多研究强调AI和数字化转型的监控好处，但其他研究表明，先进分析工具可能允许企业设计出更复杂的财务策略，包括复杂的税收规划安排[15,16]。因此，AI对企业财务行为的影响可能取决于企业内部治理结构的强度。当存在强大的治理机制（如性别多样化的董事会）时，AI能力可能通过提高信息可用性和分析精度来增强监控效果。相反，当治理监督薄弱时，技术能力可能促进更复杂的财务策略，包括税收优化。从这个角度来看，AI可能作为一种数字治理放大器，加强董事会结构在限制机会主义财务行为方面的监控作用。

H2. AI能力正向调节BGD与有效税率之间的关系。

3.3. 概念框架
基于代理理论、RBV和新兴的数字治理视角，本研究开发了一个概念框架，将BGD、AI能力和企业避税联系起来，如图1所示。代理理论强调董事会在缓解管理者与股东之间信息不对称导致的管理机会主义方面的监控作用[1,2]。在这个框架中，预计性别多样化的董事会将通过提高审议质量、增强道德敏感性和加强对企业税收规划等复杂财务决策的审查来加强董事会的监督[8,9]。图1. 研究的概念框架。该框架说明了BGD与企业避税之间的假设关系，其中AI能力作为调节变量，增强了性别多样化董事会的治理效果。同时，董事会监控的效果取决于董事可用的信息环境。AI的进步通过实现实时数据分析、异常检测和更强的内部控制系统来增强企业的信息处理能力[10,11]。通过改善数据整合和减少管理者与董事会之间的信息不对称，AI技术可能增强治理效果，并支持对复杂财务活动的更明智监督。从治理互补性的角度来看，技术能力和治理结构共同作用于塑造企业财务行为。虽然BGD加强了监控激励和道德监督，但AI能力增强了评估复杂管理决策所需的分析能力。因此，AI可能通过提高信息透明度和分析精度来放大性别多样化董事会的监控效果。在这个框架中，BGD预计会影响企业避税，而AI能力通过加强性别多样化董事会的治理作用来调节这种关系。

4. 方法论
4.1. 样本选择
本研究使用2009-2023年间发展中国家的上市公司面板数据集来考察BGD与企业避税之间的关系以及AI能力的调节作用。关注发展中国家尤为重要，因为企业税收收入是政府收入的主要来源，而治理机构和监控系统可能比发达国家相对较弱[3]。在这种环境中，内部治理机制（特别是董事会构成）可能在塑造企业财务行为和监控管理决策方面发挥更重要的作用[17,18]。在数据收集时，2023年是本研究使用的数据库中可获得一致的企业级治理、AI披露和税收报告数据的最新年份。与之前关于公司治理（CG）和避税的研究一致，由于金融机构独特的监管结构、资本要求和税收报告框架，这些机构被排除在外，这限制了与非金融企业的可比性[6,32]。在实证税收研究中排除金融机构是一种常见做法，以确保跨行业的财务和税收变量测量更加一致。为了构建最终数据集，应用了几种筛选程序。首先，移除了关键变量（包括现金有效税率（Cash ETR）、BGD、AI能力和控制变量）有缺失值的企年观测值，以确保数据的完整性和一致性。其次，排除了税前收入为负的观测值，因为在企业报告亏损时，有效税率的测量是没有意义的，这可能会扭曲对避税行为的解释[2,33,34,35]。第三，按照公司金融和治理研究的标准做法，所有连续变量在第1百分位数和第99百分位数处进行了分位数处理，以减少极端观测值对回归估计的影响[17]。应用这些筛选程序后，最终样本包括1586家非金融企业，产生了2009-2023年期间的23,790个企年观测值。这种面板结构允许分析捕捉企业之间的横截面变化以及治理结构和技术能力的时间动态。因此，该数据集为研究BGD和AI能力如何共同影响发展中国家的企业税收行为提供了合适的实证环境。

4.2. 数据来源和变量测量
企业层面的财务、治理和税收数据来自Refinitiv Eikon/DataStream数据库，该数据库为各国上市公司提供标准化的财务报表、治理指标和ESG相关指标[2,33,36]。董事会构成变量（包括BGD和董事会特征）从Refinitiv治理数据集中提取。为了提高数据准确性，本研究还利用了企业的年度报告和企业披露，这些信息提供了关于董事会结构和AI相关活动的额外信息。这种互补方法提高了测量的可靠性，特别是对于捕捉企业层面的技术能力[37,38,39]。### 5. 实证发现

#### 5.1 描述性统计
表2展示了实证分析中使用的所有变量的描述性统计信息。企业税收避税（TA）的平均值为0.214，表明企业平均将其税前收入的21.4%作为现金税款支付，样本之间的差异较为适中。TA的分布（偏度=0.87；峰度=3.42）在winsorization处理后没有出现极端偏离。女性董事占比（BGD）的平均值为0.176，说明女性在董事会中的占比约为17.6%，分布呈正偏态（1.12），反映出女性代表比例普遍较低。人工智能能力（AI）的平均值为5.430，分布较为分散，表明企业在数字能力方面存在差异。偏度接近零，表明AI采纳强度的分布相对对称。描述性分析中使用了原始的AI指数值，而回归分析中使用了标准化（z分数）值。

在控制变量中，企业规模（SIZE）表明样本主要由中大型企业组成，杠杆率（LEV）的平均值为0.482，反映出企业对债务融资的依赖程度较高。净资产收益率（ROA）、企业年龄（AGE）和资本密集度（CAPINT）的差异适中，而董事会规模（MTB）的分布较广且偏度为正，表明企业在成长机会上存在差异。董事会的平均成员数为8.412人，独立性水平为0.471。

在国家层面，国内生产总值（GDP）的年均增长率为3.85%（范围从-6.20%到10.80%），通货膨胀率（CPI）的平均值为5.92%，各国之间的宏观经济条件存在差异。总体而言，数据在治理结构、技术水平、企业层面和宏观经济因素上表现出足够的变异性，支持了AI在女性董事占比（BGD）与企业税收避税（TA）关系中的调节作用的实证分析。

#### 5.2 相关矩阵与多重共线性诊断
表3显示了主要变量的皮尔逊相关矩阵。与描述性统计结果一致，女性董事占比（BGD）与企业税收避税（TA）呈正相关（r = 0.084，p < 0.01），表明女性董事占比较高的企业在实际税率方面较高，税收避税程度较低。人工智能能力（AI）也与企业税收避税（TA）呈正相关（r = 0.112，p < 0.01），表明数字能力较强的企业往往具有更高的税收合规性。BGD与AI之间的相关性为中等（r = 0.217），这表明在技术先进的公司中，性别多样化的董事会更为普遍，同时并未引发多重共线性的担忧。在控制变量中，公司规模（SIZE）与AI呈正相关（r = 0.436），这与先前的研究结果一致，即规模较大的公司拥有更多的技术和组织资源。债务杠杆率（LEV）与税务遵从度（TA）呈负相关，而总资产回报率（ROA）与TA呈正相关，这与之前的研究结果一致。在国家层面，GDP增长与TA呈正相关，而通货膨胀则表现出较弱且复杂的关系，表明宏观经济状况可能会影响企业的税收行为。总体而言，所有成对相关性均远低于传统的0.70阈值，表明多重共线性不太可能成为一个问题[37]。为了进一步评估多重共线性，表4报告了方差膨胀因子（VIFs）的值，所有VIF值均低于3.5，平均VIF为2.12，远低于传统阈值。使用均值中心化变量构建的交互项（BGD × AI）也表现出可接受的VIF水平。这些结果证实多重共线性不会影响回归估计的可靠性[38]。表4. 多重共线性诊断的VIF。

5.3. 回归结果和调节效应
企业税收避税程度通过TA来衡量，其中较高的值表示较低的税收避税水平。因此，限制激进税收规划的治理机制预计会对TA产生正向影响，这与先前的文献一致[2,33]。表5报告了固定效应（FE）回归结果。模型诊断证实了FE模型的适当性，R平方值在0.218到0.242之间，F检验具有显著性。表5. 固定效应和AI调节的回归结果。第（1）列显示，BGD与TA呈正相关且显著（系数 = 0.032，p < 0.05），表明女性董事比例较高的公司表现出较低的税收避税水平。从经济角度来看，BGD增加一个标准差与TA增加约0.45个百分点相关，表明税收合规性有显著改善。这一发现与Almaharmeh等人[32]、Li等人[37]、Mai等人[9]和Gaio等人[8]的研究结果一致，他们发现性别多样化的董事会能够增强监督和道德监督。这一结果可以用女性董事更强的监督和合规导向来解释，这减少了管理层进行激进税收规划的动机。然而，这一发现与Hasan等人[5]、Koay和Sapiei[17]、Shamil等人[6]以及Hossain等人[7]的研究结果相矛盾，后者的研究显示效应较弱或依赖于具体情境。这种差异可能反映了不同环境下制度质量和治理效率的差异。第（2）列引入了滞后AI（AIt?1）以减轻内生性问题。系数为正且显著（系数 = 0.023，p < 0.01），表明数字能力提高了税收合规性。从经济角度来看，AI能力增加一个标准差与TA增加约2.90个百分点相关，表明数字化转型对减少税收避税有显著影响。这一结果与Azenzoul等人[37]、Huang和Gao[11]以及Saeed[10]的研究一致，他们发现AI可以提高透明度和内部控制。从理论角度来看，这些结果支持代理理论[1]、资源基础理论（RBV）[39]以及治理互补性理论[4]。这种效应可以归因于信息处理和监督的改善，这减少了信息不对称性并限制了机会主义行为。然而，这与Qu和Jing[16]以及Xiang等人[19]的研究结果相矛盾，后者发现AI可能通过先进的规划策略促进税收避税。这表明AI的效果取决于它是用于治理还是税收优化。第（3）列展示了BGD与AI之间的交互作用。系数为正且显著（系数 = 0.011，p < 0.05），表明AI增强了性别多样化董事会的治理作用。从经济角度来看，这种交互效应意味着对于AI能力较强的公司，BGD对税收合规性的积极影响增强了约1.39个百分点，突显了治理结构和数字技术之间的互补性。这可以通过治理与技术之间的互补性来解释：性别多样化的董事会提高了监督效果，而AI提高了信息质量和分析能力，从而增强了监督效果。这些发现与Fourati等人[27]、Metwally等人[23]以及Trinh等人[48]的研究结果一致，但与Hasan等人[5]和Shamil等人[6]的研究结果不同，后者的研究认为治理效果有限。这表明治理效率取决于支持性能力。

控制变量显示出预期的符号。公司规模和盈利能力与TA呈正相关，而债务杠杆率为负。GDP增长为正，通货膨胀为负，表明存在宏观经济效应。总体而言，研究结果表明，仅靠治理机制不足以完全限制税收避税；其效果通过补充性的技术能力得到显著增强。因此，BGD和AI共同作用以提高企业税收合规性。

5.4. 调节分析：交互效应
为了进一步检验AI的调节作用，进行了交互效应的图形分析。按照标准的调节程序，绘制了条件边际效应，以说明在不同AI水平下BGD与TA之间的关系[40]。在AI水平较低和较高（均值的±1个标准差范围内）的情况下评估了调节变量。图2展示了BGD与TA之间的交互作用。斜率明显不平行，表明存在调节效应。这与表5中的回归结果一致，当AI水平较高时，BGD与TA之间的正相关关系变得更加强烈。相反，当AI水平较低时，BGD与TA之间的关联仍然为正，但明显较弱。

5.5. 替代测量方法：账面税收差异（BTD）
为了应对TA测量方法的潜在局限性，并确保基准发现不受税收避税代理选择的敏感影响，使用BTD作为替代测量方法重新估计了模型。虽然TA反映了实际缴纳的税款，但BTD捕捉了会计利润和应税收入之间的差异，广泛用于检测激进的税收规划[1,2]。与TA不同，较高的BTD值表示更高的税收激进性。表6报告了结果。表6. 使用BTD的替代模型。第（1）列显示，BGD与BTD呈负相关且显著（系数 = ?0.018，p < 0.05），表明女性董事比例较高的公司表现出较低的税收激进性。这一结果证实了基准发现，并表明性别多样化的董事会加强了监督并减少了机会主义的财务报告行为。第（2）列显示，滞后AI（AIt?1）与BTD呈负相关且显著（系数 = ?0.013，p < 0.01），表明数字能力提高了税收合规性。这可以通过AI在提高透明度、减少信息不对称性和加强内部控制系统中的作用来解释。第（3）列显示，BGD与AI之间的交互作用为负且显著（系数 = ?0.006，p < 0.05），表明AI增强了性别多样化董事会在限制税收激进性方面的治理作用。这表明AI与董事会监控财务报告和检测激进税收行为的能力之间存在互补关系。总体而言，BTD的结果与基准TA发现一致，证实了主要结论对替代税收避税测量方法的稳健性。

5.6. BGD的另一种测量方法（二元规范）
为了进一步验证结果的稳健性，并解决比例BGD变量的潜在测量敏感性问题，采用了另一种二元规范。具体来说，如果董事会至少包含一名女性董事，则BGD被定义为1，否则定义为0。这种规范捕捉了女性董事存在的阈值效应。BGD的二元规范与先前研究一致，这些研究捕捉了女性董事存在的阈值效应[32,49]。它也与强调使用替代治理措施（包括虚拟变量）来测试稳健性的研究结果一致[23,41]。表7报告了结果。第（1）列显示，二元BGD变量与TA呈正相关且显著（系数 = 0.031，p < 0.05），表明至少有一名女性董事的公司表现出较低的税收避税水平。这一发现与基准结果一致，表明即使女性董事的比例很小，也能增强治理监督。第（2）列显示，滞后AI（AIt?1）与TA仍呈正相关且显著（系数 = 0.023，p < 0.01），证实数字能力提高了税收合规性。第（3）列显示，BGD与AI之间的交互项为正且统计上显著（系数 = 0.011，p < 0.05），表明AI增强了性别多样化董事会的治理作用。从经济角度来看，这表明随着公司采用更高水平的AI能力，女性董事参与对税收合规性的影响变得更加强烈，进一步证实了治理与技术之间的互补关系。总体而言，结果与基准发现一致，表明女性董事参与的治理效果对不同的测量方法具有稳健性，且不受BGD特定规范的影响。

5.7. 补充分析：国家-年份固定效应
为了进一步控制跨国家异质性的时间变化，使用国家-年份固定效应重新估计了模型，这些效应吸收了税收政策、执行强度和宏观经济条件的变化。表8报告了结果。在模型（1）中，BGD仍与TA呈正相关且显著（系数 = 0.020，p < 0.01），而AIt?1也显示出正向且显著的影响（系数 = 0.014，p < 0.05），表明治理质量和数字能力较高的公司具有更强的税收合规性。表8. 补充分析：国家-年份固定效应的结果。在模型（2）中，BGD与AIt?1之间的交互项为正且统计上显著（系数 = 0.011，p < 0.01），证实AI增强了性别多样化董事会的治理作用。总体而言，结果与基准发现一致，表明BGD的积极效应和AI的强化作用对于更严格的时间变化国家层面控制具有稳健性。

6. 稳健性分析
6.1. 内生性稳健分析：系统GMM
尽管公司FE估计控制了时间不变的异质性，但由于反向因果关系、遗漏变量以及企业税收行为的动态性质，仍可能产生内生性问题[50]。例如，治理结构较强或税收激进性较低的公司更有可能任命女性董事或采用先进的数字技术，从而可能在治理机制、AI能力和税收结果之间产生潜在的同时性。为了解决这些问题，本研究采用了Arellano和Bover[46]开发的双步系统GMM估计器，并由Blundell和Bond[47]进行了扩展。该方法在CG和金融研究中广泛用于减轻内生性和动态面板偏差[24,33,36]。AI被引入为一个月度滞后（AIt?1）以进一步减少反向因果关系的问题。此外，还包括了GDP增长和通货膨胀等宏观经济控制变量，以捕捉时间变化的国家层面条件。表9报告了结果。滞后因变量的系数在所有模型中均为正且统计上显著，表明企业税收行为具有持续性。与基准结果一致，BGD仍与现金ETR呈正相关且显著，表明性别多样化的董事会与较低的税收避税水平相关。AIt?1也与现金ETR呈正相关且显著，表明数字能力较强的公司表现出更高的税收合规性。重要的是，交互项（BGD × AIt?1）仍为正且统计上显著，证实AI增强了性别多样化董事会的治理作用。表9. 内生性稳健分析：两步系统GMM估计。诊断测试支持模型的有效性。AR(2)测试未发现二阶序列相关的证据，而Hansen测试没有拒绝工具变量有效性的零假设，证实了工具变量的适当性。系统GMM模型规范中未包含国家固定效应，因为这些效应是时间不变的，并且通过数据转换得到了处理。总体而言，研究结果与基线发现一致，这增强了研究结论的稳健性，并支持了治理和数字能力在限制企业避税方面的互补作用。

6.2 地域异质性分析：高AI公司与低AI公司
为了进一步探讨AI能力的调节作用，根据AI采用的中位数水平将样本分为高AI公司和低AI公司。这种方法使我们能够评估BGD的治理效应是否在不同的数字能力水平上有所不同，这与以往探讨情境异质性的公司治理（CG）研究结果一致[24,33,37]。表10报告了分析结果。在低AI子样本中，BGD与现金有效税率（Cash ETR）呈现出轻微的正相关（系数=0.010，p < 0.10），表明治理效应相对较弱。相比之下，在高AI子样本中，BGD的系数更大且具有高度显著性（系数=0.027，p < 0.01），表明性别多元的董事会在数字化先进的公司中能更有效地减少企业避税行为。这些发现表明，AI能力通过改善信息环境和决策过程，增强了性别多元董事会的监督效能。总体而言，地域异质性分析支持了之前的调节结果，证实了数字能力在加强董事会多样性治理作用以限制企业避税方面的作用。

7. 额外的稳健性检验
为了进一步验证基线发现并解决潜在的计量经济学问题，采用了三种额外技术：Heckman两阶段选择模型、PSM和2SLS。这些方法在CG和研究公司金融领域被广泛用来减轻由于样本选择、反向因果关系以及公司可观测异质性导致的偏差[24,33,37]。
在本研究中，治理结构更强或税收激进程度较低的公司可能更有可能任命女性董事或采用AI技术，从而可能产生反向因果关系。运用这些技术有助于确保BGD、AI能力和企业税收行为之间的关系估计不会受到选择偏差或内生性问题的影响。

7.1 应对选择偏差：Heckman两阶段模型
为了解决AI采用中的自我选择问题，本研究采用了Heckman两阶段选择模型[24]。在第一阶段，使用probit模型根据公司特征和治理因素估计AI采用的可能性。然后将在第二阶段回归中纳入逆Mills比率（IMR），以纠正潜在的选择偏差。表11报告了分析结果。IMR的系数为正且具有统计显著性，表明存在选择偏差，并证实了Heckman校正的有效性。重要的是，主要发现与基线结果一致。BGD继续显示出与现金有效税率的正相关且显著的关联，表明性别多元的董事会与较低的避税水平相关。类似地，滞后AI（AIt?1）与税收合规性保持正相关，交互项（BGD × AIt?1）也保持正相关且具有统计显著性。总体而言，这些结果表明AI能力的调节作用并非由AI采用的自我选择或反向因果关系所驱动，进一步增强了研究结论的稳健性。

7.2 PSM分析
另一个潜在问题是，AI能力较高的公司在公司规模、治理结构和财务绩效等可观测特征方面可能与AI能力较低的公司存在系统性差异。如果不予处理，这些差异可能会影响AI能力、BGD与企业避税之间关系的估计。为了解决这一问题，本研究采用了Rosenbaum和Rubin提出的PSM方法。该方法构建了具有相似可观测特征的公司匹配样本，从而减少选择偏差。根据关键财务和治理变量，将AI能力较高的公司（处理组）与AI采用较低的公司（对照组）进行匹配。表12报告了匹配样本的结果。与基线发现一致，滞后AI（AIt?1）与现金有效税率保持正相关且显著，表明数字能力较强的公司具有更高的税收合规性。同样，BGD也与税收合规性保持正相关，交互项（BGD × AIt?1）保持正相关且具有统计显著性，证实了AI加强了性别多元董事会的监督效能。PSM结果总体上增强了主要发现的稳健性，并表明观察到的治理与技术的互补性并非由公司的可观测特征所驱动。

7.3 工具变量估计
为进一步解决潜在的内生性和反向因果关系问题，本研究采用了2SLS方法[48]。该方法考虑了BGD和AI能力可能与企业税收行为共同决定的可能性。使用工具变量来隔离BGD和AIt?1的外生变化。表13报告了分析结果。第一阶段的估计表明工具变量具有高度相关性，体现在具有较强的系数和远高于常规阈值的F统计量上。第二阶段的结果与基线发现一致。BGD继续显示出与现金有效税率的正相关且显著的联系，表明性别多元的董事会与较低的避税水平相关。同样，AIt?1与税收合规性保持正相关，交互项（BGD × AIt?1）也保持正相关且具有统计显著性，证实了治理和数字能力的互补作用。对于使用BTD的替代模型，系数显示出相反的预期符号，进一步增强了结果的稳健性。诊断测试支持工具变量的有效性：内生性测试确认了内生性的存在，而过度识别测试未能拒绝工具变量有效的零假设。总体而言，2SLS结果证实观察到的关系并非由反向因果关系或遗漏变量偏差所驱动，为治理与技术互动在塑造企业税收行为中的因果关系提供了有力证据。

8. 讨论
本研究探讨了BGD是否影响企业避税，以及AI能力是否增强了性别多元董事会的治理效能。研究结果在多种模型规范下为提出的假设提供了强有力的且一致的支持。与假设1一致，结果显示BGD与有效税率呈正相关，表明企业避税水平较低。这一发现支持了性别多元董事会能提高监督质量、道德监督和公司决策透明度的观点，这与以往的研究结果一致。具体来说，先前的研究表明女性董事的代表性在不同制度环境中都能降低税收激进性并促进更为保守的财务行为[8,9,28]，在执行层面上也观察到了类似的证据[26]。从代理理论的角度来看，结果表明女性董事有助于更有效的监督并减少与税收相关的管理机会主义行为。然而，这些发现与某些研究中报告的治理效应较弱或不显著的结果形成对比[6,17]，同时也有证据表明各国之间的结果存在差异[43]。
与假设2一致，结果进一步表明AI能力正向调节了BGD与企业税收合规性之间的关系。这支持了治理与技术互补性的观点，即治理结构和技术能力共同塑造企业行为。BGD加强了监督激励，而AI改善了信息环境、提高了数据处理能力并减少了信息不对称性，从而实现了更有效的监督。这一发现与先前的研究结果一致，这些研究表明先进技术增强了治理效能、改进了内部控制系统并提高了透明度[10,11]。此外，还有证据表明数字化提高了税收合规性和监管效率[30]。
稳健性分析进一步强化了这些结论。结果在不同的模型规范和估计技术（包括系统GMM、Heckman、PSM和2SLS）下保持一致，表明发现结果并非由反向因果关系、选择偏差或公司可观测异质性所驱动。总体而言，研究强调了数字治理日益的重要性，指出传统治理机制的有效性不仅取决于董事会结构，还取决于公司利用技术能力的能力。
从实践和政策角度来看，研究结果表明，旨在提高企业透明度和财政责任感的监管机构和政策制定者应促进董事会多样性和数字化转型。鼓励女性在董事会中的代表性，以及投资AI和数字基础设施，可能加强治理体系并减少机会主义财务行为，特别是在发展中经济体中。
尽管有这些贡献，但仍需认识到一些局限性。首先，使用短期税收指标（如现金有效税率）主要捕捉到的只是实现的税收结果，可能受到特定国家税收制度、执法差异和临时会计因素的影响，而不能完全反映长期避税行为。其次，尽管采用了先进的计量经济学技术，但仍无法完全排除与未观测到的和随时间变化的公司特征相关的残余内生性问题。第三，虽然AI衡量基于披露驱动的文本分析，但可能部分反映了公司的报告动机而不仅仅是实际的技术采用情况。最后，多国环境引入了制度异质性，可能会影响研究结果的普遍性。未来的研究可以通过采用长期避税指标、利用准实验或自然实验设计来加强因果推断，并纳入更直接的AI采用指标来解决这些问题。此外，进一步的研究可以探讨数字化治理结构的其它方面，以更好地理解技术和制度因素如何共同塑造企业财务行为。

9. 结论
本研究考察了2009至2023年间发展中国家企业的BGD、AI能力与企业避税之间的关系。研究发现，BGD与更高的有效税率相关，表明企业避税水平较低，而AI能力则提高了税收合规性。重要的是，交互项结果证实了数字能力增强了性别多元董事会的治理效能，支持了治理和技术能力作为互补机制的观点。本研究通过提供关于BGD治理作用的新证据、识别AI作为治理促进资源，并展示治理结构和技术共同塑造企业财务行为的作用，为相关文献做出了贡献。从政策角度来看，结果强调了促进董事会多样性和数字化转型以提高企业透明度和责任感的重要性。
尽管有这些贡献，但仍需根据与税收测量、潜在内生性和基于披露的AI能力代理指标使用相关的某些局限性来解读这些发现。未来的研究可以通过采用长期税收指标、更直接的技术采用指标和准实验设计来解决这些问题，并探索制度环境在塑造治理-技术互动中的作用。总体而言，研究强调了在数字时代将治理结构与数字能力相结合以增强企业责任感的重要性。