文/周琳（復(fù)旦大學(xué)管理學(xué)院）

一、引言

隨著人工智能、物聯(lián)網(wǎng)、云計算等信息技術(shù)的不斷發(fā)展，數(shù)字經(jīng)濟在國民經(jīng)濟中的地位愈發(fā)重要。2021年12月12日，國務(wù)院印發(fā)了《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》，強調(diào)數(shù)字經(jīng)濟將成為重組全球要素資源、重塑全球經(jīng)濟結(jié)構(gòu)、改變?nèi)蚋偁幐窬值年P(guān)鍵力量。對應(yīng)微觀企業(yè)主體，發(fā)展數(shù)字經(jīng)濟包含數(shù)字產(chǎn)業(yè)化及產(chǎn)業(yè)數(shù)字化兩大內(nèi)涵。前者是指將大數(shù)據(jù)、區(qū)塊鏈等高端技術(shù)工程化、產(chǎn)業(yè)化，其主要針對高新信息技術(shù)企業(yè)。后者則是指現(xiàn)有的企業(yè)在研發(fā)、生產(chǎn)、銷售等多環(huán)節(jié)應(yīng)用先進的數(shù)字信息技術(shù)，逐步實現(xiàn)數(shù)字化轉(zhuǎn)型，而本文更多關(guān)注的是企業(yè)進行數(shù)字化轉(zhuǎn)型對融資可能產(chǎn)生的影響。由于數(shù)字化轉(zhuǎn)型涉及多環(huán)節(jié)、多技術(shù)，其輻射范圍較廣且內(nèi)涵豐富，從內(nèi)部的營運視角，物聯(lián)網(wǎng)等技術(shù)可以提升公司及供應(yīng)鏈生產(chǎn)效率，信息平臺等可以加強內(nèi)部交流，從而改善公司治理。從外部的信息視角，企業(yè)可以借助新媒體向利益相關(guān)者傳遞信息，與股東、債權(quán)人、分析師等更為便捷地溝通交流。

近年來，越來越多的文獻開始關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型可能帶來的經(jīng)濟后果。學(xué)者主要基于企業(yè)績效（何帆等, 2019）、公司治理（祁懷錦等,2020）、投入產(chǎn)出效率（劉淑春等,2021）、全要素生產(chǎn)率（趙宸宇等,2021）、企業(yè)分工（袁淳等, 2021）、勞動投資效率（翟淑萍等, 2022）等視角，探究數(shù)字化轉(zhuǎn)型如何影響治理、投資、運營等。此外，部分研究從股票流動性（吳非等, 2021）、審計定價（張永坤等, 2021）等視角探討了數(shù)字化轉(zhuǎn)型對利益相關(guān)者的影響。而目前鮮有研究關(guān)注數(shù)字化轉(zhuǎn)型如何影響企業(yè)融資行為，考慮到數(shù)字化轉(zhuǎn)型后企業(yè)運營效率和信息傳遞均會發(fā)生重大變化，而這些改變會直接影響債權(quán)人和股東對企業(yè)的認知和估值。

本文從債務(wù)融資視角出發(fā)探究數(shù)字化轉(zhuǎn)型如何影響企業(yè)融資行為。首先，本文構(gòu)建固定效應(yīng)模型探究企業(yè)債務(wù)融資與數(shù)字化轉(zhuǎn)型的關(guān)系；其次，本文分別檢驗不同融資約束強度、不同規(guī)模、是否虧損、不同所有權(quán)性質(zhì)的條件下，數(shù)字化轉(zhuǎn)型對企業(yè)債務(wù)融資影響的異質(zhì)性；第三，本文檢驗了數(shù)字化轉(zhuǎn)型是否對債務(wù)融資成本和債務(wù)期限結(jié)構(gòu)產(chǎn)生影響；第四，改變新增債務(wù)融資及數(shù)字化轉(zhuǎn)型的衡量方式后，檢驗本文主檢驗結(jié)果的穩(wěn)健性。

本文的研究貢獻包含以下三點：第一，本文拓展了數(shù)字化轉(zhuǎn)型經(jīng)濟后果的研究，以往研究較少關(guān)注數(shù)字化轉(zhuǎn)型對企業(yè)融資行為的影響，本文基于債務(wù)融資視角提供了相應(yīng)的證據(jù)，并且考察了不同條件下其影響的異質(zhì)性。第二，本文補充了企業(yè)債務(wù)融資影響因素的相關(guān)研究，大量文獻從宏觀、產(chǎn)業(yè)政策、公司特征、高管特征、市場中介等維度出發(fā)探究了債務(wù)融資的影響因素，本文從數(shù)字化轉(zhuǎn)型方面提供了嶄新的視角。第三，本文也具有一定的實踐價值，對于融資約束較強的企業(yè)，可以通過數(shù)字化轉(zhuǎn)型提高生產(chǎn)效率，降低與債權(quán)投資人之間的信息不對稱，從而改善自身融資環(huán)境。

二、研究設(shè)計

（一）樣本篩選

本文探究數(shù)字化轉(zhuǎn)型對企業(yè)債務(wù)融資的影響，研究區(qū)間為2007-2020年，樣本具體篩選過程如下：初始總觀測量為37642，第一，剔除金融業(yè)上市公司觀測1131條；第二，剔除總資產(chǎn)、所有者權(quán)益缺失或非正的觀測433條；第三，剔除自變量缺失的觀測256條；第四，剔除被解釋變量缺失的觀測2689條；第五，剔除控制變量缺失的觀測84條。本文最終觀測量為33049。

（二）變量定義

本文的被解釋變量為債務(wù)融資Debt_finance。參 照Covas et al.(2011)、吳華強等(2015)，債權(quán)融資Debt_finance定義為有息債務(wù)的增加額/滯后一期總資產(chǎn)，數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

本文的核心解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型Digital，參照吳非等 (2021)，本文采用年報文本分析來界定企業(yè)數(shù)字化轉(zhuǎn)型。具體地，首先，本文從巨潮資訊網(wǎng)爬取全部A股上市公司年報，提取出每份年報的管理層討論與分析部分；其次，使用python對年報MD&A部分文本進行jieba分詞，統(tǒng)計企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的特征詞詞頻；最后，加1取自然對數(shù)得到企業(yè)數(shù)字化轉(zhuǎn)型變量。

本文的主檢驗中還包含了一系列控制變量，包括公司規(guī)模Size,具體定義為公司年末總市值的自然對數(shù)；賬面市值比Bm，具體定義為年末所有者權(quán)益/年末總市值；償債能力Lev，具體定義為年末總負債/年末總資產(chǎn)；盈利能力Roa，具體定義為凈利潤/年末總資產(chǎn)；上市年份Age，具體定義為公司上市年份加1取自然對數(shù)。數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫。

（三）模型設(shè)定

本文采用固定效應(yīng)模型來檢驗數(shù)字化轉(zhuǎn)型對企業(yè)債務(wù)融資的影響，具體模型設(shè)定如下：

本文重點關(guān)注系數(shù)β的經(jīng)濟意義和統(tǒng)計意義，模型中加入了個體固定效應(yīng)（行業(yè)固定效應(yīng)或公司固定效應(yīng)）和時間固定效應(yīng)（年份固定效應(yīng)），所有結(jié)果均使用穩(wěn)健標準誤。

三、實證分析

（一）描述性統(tǒng)計

表1呈現(xiàn)了本文主要變量的描述性統(tǒng)計。被解釋變量Debt_finance的均值（中值）分別為0.031（0.002），呈現(xiàn)正偏分布，表明債務(wù)融資資源集中在少部分頭部企業(yè)。同時，新增債務(wù)融資近些年有所下滑，2007/2008年Debt_finance的均值為0.042/0.037，而2019/2020年Debt_finance的均值為0.017/0.018，一定程度上由金融去杠桿及實體去杠桿所致。解釋變量Digital的均值（中值）分別為0.774（0.000），同樣呈現(xiàn)較明顯的正偏分布，表明不同企業(yè)的數(shù)字化進程存在較大差異。企業(yè)數(shù)字化轉(zhuǎn)型整體呈現(xiàn)明顯的時間上升趨勢，2007年Digital的均值為0.043，而2020年Digital的均值為1.214。

表1 描述性統(tǒng)計

（二）主檢驗

為檢驗數(shù)字化轉(zhuǎn)型如何影響企業(yè)債務(wù)融資，本文對研究設(shè)計中的模型進行檢驗，結(jié)果如表2所示。被解釋變量為Debt_finance，其中第（1）（3）列未加入控制變量，第（2）（4）列加入控制變量，第（1）（2）列加入行業(yè)固定效應(yīng)和年份固定效應(yīng)，第（3）（4）列加入公司固定效應(yīng)和年份固定效應(yīng)。結(jié)果均在1%的置信水平顯著，表明企業(yè)數(shù)字化轉(zhuǎn)型后債權(quán)融資顯著增加?？刂谱兞恐校瑐鶆?wù)融資與公司規(guī)模、公司盈利水平顯著正相關(guān)，與公司年齡顯著負相關(guān)。

表2 數(shù)字化轉(zhuǎn)型與企業(yè)債權(quán)融資

表3 不同情境下數(shù)字化轉(zhuǎn)型與企業(yè)債務(wù)融資的關(guān)系

（三）截面檢驗

本文進一步檢驗了不同情境下數(shù)字化轉(zhuǎn)型與企業(yè)債務(wù)融資的關(guān)系，模型中均加入控制變量，公司固定效應(yīng)和年份固定效應(yīng)。具體地，第（1）、（2）列基于分年、分行業(yè)的KZ指數(shù)中位數(shù)進行分組（Kaplan et al., 1997），結(jié)果顯示，第（1）列系數(shù)為0.005，結(jié)果在1%的置信水平顯著，第（2）列系數(shù)為0.001，結(jié)果在10%的置信水平不顯著，表明融資約束強的公司結(jié)果更顯著。第（3）、（4）列基于分年、分行業(yè)的公司規(guī)模中位數(shù)進行分組，結(jié)果顯示，第（3）列系數(shù)為0.007，結(jié)果在1%的置信水平顯著，第（4）列系數(shù)為0.003，結(jié)果在10%的置信水平顯著，表明規(guī)模大的公司結(jié)果更顯著。第（5）、（6）列基于公司是否虧損進行分組，結(jié)果顯示，第（5）列系數(shù)為0.004，結(jié)果在1%的置信水平顯著，第（6）列系數(shù)為0.002，結(jié)果在10%的置信水平不顯著，表明未虧損的公司結(jié)果更顯著。第（7）、（8）列基于公司的所有權(quán)性質(zhì)進行分組，結(jié)果顯示，第（7）列系數(shù)為0.007，結(jié)果在1%的置信水平顯著，第（8）列系數(shù)為0.002，結(jié)果在10%的置信水平不顯著，表明國有企業(yè)結(jié)果更顯著。

（四）進一步檢驗

除新增債務(wù)融資外，本文進一步考察其他的一些相關(guān)變量，第（1）（2）列考察了對債務(wù)融資成本的影響，因變量債務(wù)融資成本Debt_cost定義為利息支出/有息負債，第（1）列系數(shù)為-0.003，第（2）列系數(shù)為-0.002，結(jié)果均在1%的置信水平顯著，表明企業(yè)數(shù)字化轉(zhuǎn)型后，債務(wù)融資成本顯著降低。第（3）（4）列考察了對債務(wù)期限結(jié)構(gòu)的影響，因變量債務(wù)期限結(jié)構(gòu)Debt_term定義為長期有息負債/總負債，第（3）列系數(shù)為0.006，結(jié)果在1%的置信水平顯著，第（4）列系數(shù)為0.002，結(jié)果在10%的置信水平顯著，表明企業(yè)在數(shù)字化轉(zhuǎn)型后，債務(wù)期限結(jié)構(gòu)顯著拉長。第（5）（6）列更換了被解釋變量Debt_finance的定義，參照程新生等（2012），重新將Debt_finance定義為（借款所收到的現(xiàn)金+發(fā)行債券所收到的現(xiàn)金）/滯后一期總資產(chǎn)，第（5）列系數(shù)為0.009，結(jié)果在1%的置信水平顯著，第（6）列系數(shù)為0.003，結(jié)果在10%的置信水平顯著。第（7）（8）列更換了解釋變量Digital的定義，重新將Digital定義為企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)詞數(shù)/總詞數(shù)，第（7）（8）列系數(shù)分別為3.540和1.890，結(jié)果均在1%的置信水平顯著。

表4 穩(wěn)健性檢驗

四、結(jié)論

本文從債務(wù)融資視角出發(fā)探究數(shù)字化轉(zhuǎn)型如何影響企業(yè)融資行為。研究發(fā)現(xiàn)：第一，企業(yè)數(shù)字化轉(zhuǎn)型后，債務(wù)融資顯著增加；第二，債務(wù)融資與企業(yè)數(shù)字化轉(zhuǎn)型的正向關(guān)系在融資約束較強、規(guī)模較大、非虧損、國有的企業(yè)更顯著；第三，企業(yè)數(shù)字化轉(zhuǎn)型后，債務(wù)融資成本下降，債務(wù)期限結(jié)構(gòu)拉長；第四，本文結(jié)果在改變被解釋變量及解釋變量定義后依然顯著。本文研究結(jié)果表明，數(shù)字化轉(zhuǎn)型對內(nèi)可以增強企業(yè)運營效率，對外可以降低信息不對稱，從而在量、價、期限等維度改善企業(yè)債務(wù)融資，有效緩解融資約束。但其對融資約束的緩解是結(jié)構(gòu)性的，數(shù)字化轉(zhuǎn)型對債務(wù)融資的促進更多是對較易融資的企業(yè)發(fā)揮“錦上添花”的作用。