王敬勇 孫 彤 李 珮 龔鈺軒

1 引 言

隨著數(shù)字經(jīng)濟(jì)的浪潮方興未艾，我國政府高度重視數(shù)字經(jīng)濟(jì)的發(fā)展。黨的十九大報(bào)告明確指出要“推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”，國務(wù)院在《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》指出“到2025年數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占國內(nèi)生產(chǎn)總值（GDP）比重達(dá)到10%，數(shù)字化創(chuàng)新引領(lǐng)發(fā)展能力大幅提升”。2020年我國數(shù)字經(jīng)濟(jì)規(guī)模占據(jù)GDP比重達(dá)38.6% ，成為國民經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐，為基于生產(chǎn)發(fā)展與人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等技術(shù)深度融合的企業(yè)數(shù)字化轉(zhuǎn)型提供了得天獨(dú)厚的政策土壤與源源不竭的技術(shù)動(dòng)力。在政策驅(qū)動(dòng)和數(shù)字經(jīng)濟(jì)發(fā)展背景下，數(shù)字化轉(zhuǎn)型成為了企業(yè)與時(shí)俱進(jìn)、創(chuàng)新發(fā)展的必由之路。

中小企業(yè)是我國現(xiàn)代國民經(jīng)濟(jì)的重要組成部分，是實(shí)體經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的主戰(zhàn)場(chǎng)，支持中小企業(yè)數(shù)字化轉(zhuǎn)型，是破除技術(shù)研發(fā)制約、緩解中小企業(yè)融資難融資貴的關(guān)鍵舉措。特別是在全球經(jīng)濟(jì)發(fā)展的不確定性增加，經(jīng)濟(jì)下行壓力加大的環(huán)境下，我國中小企業(yè)更應(yīng)該加快數(shù)字化轉(zhuǎn)型，積極融入數(shù)字經(jīng)濟(jì)發(fā)展，突破瓶頸賦能創(chuàng)新發(fā)展。目前來看，融資難融資貴作為中小企業(yè)發(fā)展中的頑疾，一直是各方關(guān)注的焦點(diǎn)，其在很大程度上反應(yīng)了中小企業(yè)發(fā)展的好壞。

目前并未有文獻(xiàn)確切地將“企業(yè)數(shù)字化轉(zhuǎn)型-融資約束”聯(lián)系起來，二者之間的關(guān)系并沒有直接的研究和結(jié)論。從經(jīng)營績(jī)效角度來看，數(shù)字化轉(zhuǎn)型提升中小企業(yè)內(nèi)部融資能力，緩解了中小企業(yè)融資約束。數(shù)字化轉(zhuǎn)型有助于提升企業(yè)的技術(shù)創(chuàng)新能力（李海艦等，2014[1]）與專業(yè)化分工水平（袁淳等，2021[2]），優(yōu)化傳統(tǒng)工業(yè)化管理思維（劉淑春等，2021[3]）,實(shí)現(xiàn)跨渠道融合（黃漫宇和王孝行，2022[4]），提高了運(yùn)營效率（Ghosh等，2014[5]）以及公司績(jī)效（何帆和劉紅霞，2019[6]）。從公司治理角度來看，數(shù)字化轉(zhuǎn)型緩解信息不對(duì)稱，提升了信息使用者對(duì)公司經(jīng)營情況的監(jiān)控能力，企業(yè)舞弊等行為更容易被偵測(cè)，抑制了管理者和控股股東的操縱和造假動(dòng)機(jī)（譚志東等，2022[7]）。數(shù)字化轉(zhuǎn)型是一種組織變革方式（Vial，2019[8]），能夠提高信息傳遞效率（Lin 和Kunnathur，2019[9]），緩解信息不對(duì)稱問題（裴長(zhǎng)洪等，2018[10]），提高了財(cái)務(wù)會(huì)計(jì)信息透明度（Warren等，2015[11]），改善公司治理水平（祁懷錦等，2020[12]）。因而，數(shù)字化轉(zhuǎn)型有助于信用信息共享，加強(qiáng)中小企業(yè)與金融機(jī)構(gòu)的緊密聯(lián)系，從而降低金融機(jī)構(gòu)的服務(wù)風(fēng)險(xiǎn)與成本，緩解融資約束。但不難發(fā)現(xiàn)，已有文獻(xiàn)對(duì)兩者的直接關(guān)系探討還未形成一個(gè)明確答案，需要做進(jìn)一步的研究。本文擬對(duì)“企業(yè)數(shù)字化轉(zhuǎn)型—融資約束”的影響機(jī)制和影響條件進(jìn)行檢驗(yàn)，為中小企業(yè)融資約束的研究提供新的研究結(jié)論。

與現(xiàn)有數(shù)字化轉(zhuǎn)型影響研究不同，本文的貢獻(xiàn)之處在于：第一，直接聯(lián)系了數(shù)字化轉(zhuǎn)型與企業(yè)融資，進(jìn)而更為明確地得到二者關(guān)系，拓寬數(shù)字化轉(zhuǎn)型企業(yè)與公司融資相關(guān)話題的同時(shí)亦豐富了數(shù)字化轉(zhuǎn)型領(lǐng)域影響因素及經(jīng)濟(jì)后果的已有文獻(xiàn)。第二，目前關(guān)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)資金持有、使用及進(jìn)行融資行為的作用效果仍存在爭(zhēng)議（Ekata，2012[13]；楊德明和畢建琴，2019[14]；徐夢(mèng)周和呂鐵，2020[15]；戚聿東和蔡呈偉，2020[16]）。本文嘗試從數(shù)字化轉(zhuǎn)型對(duì)融資約束成因因素的影響作用作為切入點(diǎn)，同時(shí)探究微觀環(huán)境和外部環(huán)境因素影響下數(shù)字化轉(zhuǎn)型與融資約束間的關(guān)系，回應(yīng)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)資金和融資產(chǎn)生負(fù)面作用問題的同時(shí)，為宏觀市場(chǎng)對(duì)融資行為的管控提供政策啟示。第三，本文就企業(yè)數(shù)字化轉(zhuǎn)型是否對(duì)融資約束有所影響進(jìn)行探究，深層次分析其內(nèi)部影響機(jī)制，既豐富了數(shù)字化轉(zhuǎn)型的相關(guān)理論，同時(shí)對(duì)于解決中小企業(yè)融資約束困境具有實(shí)際的經(jīng)濟(jì)應(yīng)用價(jià)值。

2 理論分析與研究假設(shè)

解釋中小企業(yè)融資約束成因的理論主要有信息不對(duì)稱理論與信貸配給理論。信息不對(duì)稱理論指出，信息不對(duì)稱使得金融機(jī)構(gòu)獲得中小企業(yè)信用數(shù)據(jù)成本較高，也很難知悉中小企業(yè)還貸能力和監(jiān)管其投資用途，金融機(jī)構(gòu)認(rèn)為中小企業(yè)違約風(fēng)險(xiǎn)比大型企業(yè)和國有企業(yè)大，因而導(dǎo)致金融機(jī)構(gòu)懼貸惜貸。信貸配給理論認(rèn)為，由于金融機(jī)構(gòu)的有效融資供給不足，導(dǎo)致金融機(jī)構(gòu)會(huì)把有限資源投向信用高的優(yōu)質(zhì)客戶，而不是風(fēng)險(xiǎn)較高的中小企業(yè)。以上表明中小企業(yè)融資約束已經(jīng)不僅僅是由于信息不對(duì)稱引起的，也是高昂的融資成本、狹窄的融資渠道以及自身經(jīng)營能力不足帶來較高的信用風(fēng)險(xiǎn)產(chǎn)生的。企業(yè)數(shù)字化轉(zhuǎn)型作為“實(shí)體經(jīng)濟(jì)+數(shù)字科技”的深度融合戰(zhàn)略，將在很大程度上提升信息處理速度和流動(dòng)效率，激發(fā)創(chuàng)新潛能，助推企業(yè)價(jià)值提升。數(shù)字化轉(zhuǎn)型本身可以作為連接中小企業(yè)與金融機(jī)構(gòu)的信息媒介，成為一種融資渠道，緩解融資約束。從數(shù)字化轉(zhuǎn)型角度來看，其符合中小企業(yè)融資過程中所需的降低信息不對(duì)稱與融資成本、提高技術(shù)創(chuàng)新能力等要求，能夠?qū)θ谫Y約束產(chǎn)生顯著影響。基于以上分析，本文通過上述3個(gè)路徑探討數(shù)字化轉(zhuǎn)型對(duì)融資約束的影響及作用機(jī)制。

2.1 數(shù)字化轉(zhuǎn)型對(duì)融資約束的影響路徑分析

首先，數(shù)字化轉(zhuǎn)型可以通過降低信息不對(duì)稱程度緩解融資約束。在信息經(jīng)濟(jì)學(xué)理論中，信息不對(duì)稱被解釋為“委托-代理”的博弈論：在貸款申請(qǐng)與發(fā)放的過程中，只有企業(yè)知道自身的還款意愿與還款能力，從而成為處于信息優(yōu)勢(shì)地位的代理方，而商業(yè)銀行作為委托方在這一過程中處于信息劣勢(shì)，外部債權(quán)人作為信息劣勢(shì)方會(huì)要求企業(yè)以高額的風(fēng)險(xiǎn)溢價(jià)為這種信息不對(duì)稱買單。在金融市場(chǎng)中，一方若無法掌握對(duì)方的全部信息可能會(huì)導(dǎo)致決策的偏差。企業(yè)信息透明度提升意味著金融機(jī)構(gòu)與外部投資者評(píng)估企業(yè)信用風(fēng)險(xiǎn)的成本將大大降低，這縮小了企業(yè)與投資者間的信息不對(duì)稱，吳非等（2021）[17]研究證明了企業(yè)數(shù)字化轉(zhuǎn)型可以有效降低信息不對(duì)稱程度，增強(qiáng)市場(chǎng)投資者預(yù)期，從而有助于企業(yè)（尤其是中小企業(yè)）更多地獲取外源性融資。在運(yùn)用數(shù)字化技術(shù)處理海量數(shù)據(jù)時(shí)，將其規(guī)范化成為可處理的信息，并通過數(shù)字平臺(tái)等渠道輸出給信息使用者，讓融資雙方都能夠掌握包括非標(biāo)準(zhǔn)化的非財(cái)務(wù)信息在內(nèi)的具體多維度信息等，能夠有效降低投資者識(shí)別企業(yè)的信息成本。特別是數(shù)字化轉(zhuǎn)型可以使中小企業(yè)更容易融入工業(yè)互聯(lián)網(wǎng)，而工業(yè)互聯(lián)網(wǎng)不僅能進(jìn)一步加快數(shù)字化轉(zhuǎn)型，使中小企業(yè)能夠獲得更多的資源，更容易獲得工業(yè)互聯(lián)網(wǎng)提供的金融服務(wù)并通過工業(yè)互聯(lián)網(wǎng)改善產(chǎn)業(yè)方與資金方的信息差來緩解其融資約束。

其次，數(shù)字化轉(zhuǎn)型可以降低中小企業(yè)的融資成本以緩解融資約束。目前，融資成本高一直是中小企業(yè)融資難的關(guān)鍵問題，主要反應(yīng)在市場(chǎng)對(duì)中小企業(yè)違約率的期望值過高，對(duì)中小企業(yè)信任度不高，因而只有降低融資成本才能提高中小企業(yè)的融資意愿。一方面，運(yùn)用“ABCD技術(shù)”（人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)）的企業(yè)數(shù)字化轉(zhuǎn)型往往伴隨著企業(yè)財(cái)務(wù)共享升級(jí)應(yīng)用、稅務(wù)管理體系化精確化、管理會(huì)計(jì)指導(dǎo)性增強(qiáng)等發(fā)展趨勢(shì)（韓向東和季獻(xiàn)忠，2021[18]），使得企業(yè)將財(cái)務(wù)共享與管理會(huì)計(jì)深度融合，進(jìn)一步挖掘和發(fā)揮數(shù)據(jù)價(jià)值、持續(xù)加大數(shù)字化監(jiān)管力度，倒逼企業(yè)提升數(shù)字化管理水平以及管理會(huì)計(jì)地位凸顯。從財(cái)務(wù)視角來審視業(yè)務(wù)的效益和價(jià)值，從而有助于企業(yè)實(shí)現(xiàn)更加精準(zhǔn)地開展融資活動(dòng)，更加有效地利用資金的目標(biāo)，加快資金流傳從而減少負(fù)債，降低杠桿率。另一方面，數(shù)字化轉(zhuǎn)型能夠有效提高中小企業(yè)的交易規(guī)范，讓交易行為變得更加可視化和透明化，增強(qiáng)了中小企業(yè)的網(wǎng)絡(luò)數(shù)字信用并轉(zhuǎn)化為商業(yè)信用，降低融資成本。在這一過程中，規(guī)范化行為使得企業(yè)與金融機(jī)構(gòu)間的融資交易行為得到充分簡(jiǎn)化，加快了業(yè)務(wù)進(jìn)程，緩解了融資行為帶來的重復(fù)性工作，增強(qiáng)了企業(yè)自身信譽(yù)的同時(shí)提高了金融機(jī)構(gòu)和銀行對(duì)企業(yè)的信任度，當(dāng)中小企業(yè)信用度提高時(shí)，可以使得中小企業(yè)減少在接受金融服務(wù)時(shí)的抵押擔(dān)保成本。

最后，數(shù)字化轉(zhuǎn)型提高中小企業(yè)的創(chuàng)新能力以降低融資約束水平。企業(yè)創(chuàng)新能力是企業(yè)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵，創(chuàng)新能力越強(qiáng)，企業(yè)績(jī)效越高，越易于緩解融資約束。但中小企業(yè)創(chuàng)新能力面臨著內(nèi)部與外部?jī)蓚€(gè)問題，內(nèi)部問題表現(xiàn)為中小企業(yè)內(nèi)部組織架構(gòu)難以合理地管理，與外部互通效率較低致使其創(chuàng)新投入較少；外部問題主要表現(xiàn)為現(xiàn)有的市場(chǎng)環(huán)境中有著多種阻礙，存在創(chuàng)新互動(dòng)與信息交流的壁壘，致使中小企業(yè)在創(chuàng)新的過程中存在巨大的交易成本和風(fēng)險(xiǎn)不確定性。從外部來看，數(shù)字化轉(zhuǎn)型正在潛移默化地改變企業(yè)的創(chuàng)新環(huán)境，從傳統(tǒng)企業(yè)面向其所處地域內(nèi)市場(chǎng)參與者進(jìn)行交易的經(jīng)營模式，轉(zhuǎn)向利用內(nèi)外資源與能力來有效創(chuàng)造顧客價(jià)值的數(shù)字化商業(yè)模式，降低了信息交換、協(xié)調(diào)、保護(hù)、執(zhí)行等交易成本（嚴(yán)若森和錢向陽，2018[19]；祁懷錦等，2020[12]），從而釋放價(jià)值。數(shù)字化獲取的信息將減少市場(chǎng)參與者之間的信息不對(duì)稱，從而使市場(chǎng)更加流動(dòng)并影響競(jìng)爭(zhēng)。從內(nèi)部來看，數(shù)字化轉(zhuǎn)型可以有效提升企業(yè)組織內(nèi)部韌性（王慧等，2021[20]）與流程重構(gòu)能力（孟韜和李佳雷，2020[21]）；數(shù)字化轉(zhuǎn)型幫助企業(yè)提高數(shù)據(jù)處理能力（Ferreira等，2019[22]），增強(qiáng)了企業(yè)感知機(jī)會(huì)和獲取知識(shí)的能力；數(shù)字化轉(zhuǎn)型可以監(jiān)督管理者的代理問題，通過數(shù)字化技術(shù)和運(yùn)用創(chuàng)新手段，實(shí)現(xiàn)業(yè)務(wù)突破，并從企業(yè)管理者角度規(guī)范管理者行為（余薇和胡大立，2022[23]）；數(shù)字化轉(zhuǎn)型可以增強(qiáng)勞動(dòng)和資源投入的產(chǎn)出效果，且在這個(gè)過程中積累的豐富數(shù)據(jù)可以使企業(yè)獲得“學(xué)習(xí)效應(yīng)”，增強(qiáng)管理者能力，為企業(yè)創(chuàng)新績(jī)效的進(jìn)一步提升創(chuàng)造條件（Ban和Rudin，2018[24]）。因而通過改善創(chuàng)新環(huán)境、提高創(chuàng)新效率、降低創(chuàng)新成本等途徑，使得企業(yè)提高了創(chuàng)新能力，從根本增加自身競(jìng)爭(zhēng)優(yōu)勢(shì)，使得企業(yè)績(jī)效得到提升，也相應(yīng)地增強(qiáng)了抗風(fēng)險(xiǎn)能力，緩解了企業(yè)融資約束。

基于以上分析，本文提出假設(shè)H1：中小企業(yè)開展數(shù)字化轉(zhuǎn)型能夠降低融資約束水平，并通過降低信息不對(duì)稱、降低融資成本與提高創(chuàng)新能力等三種影響機(jī)制降低融資約束水平。

2.2 企業(yè)微觀特征與外部環(huán)境

中小企業(yè)融資約束除了需要考慮數(shù)字化轉(zhuǎn)型因素帶來的影響外，企業(yè)自身的內(nèi)部微觀特征因素和外部環(huán)境影響因素同樣會(huì)對(duì)融資約束水平產(chǎn)生作用，主要體現(xiàn)在異質(zhì)性影響層面?；谶@一觀點(diǎn)，本文選取以下可能存在的作用因素，明確其影響作用與數(shù)字化轉(zhuǎn)型間的關(guān)系，以此達(dá)到探究各影響因素在數(shù)字化轉(zhuǎn)型作用下與融資約束間關(guān)系的目的。

（1）企業(yè)微觀特征的異質(zhì)性

①股權(quán)質(zhì)押。在資本市場(chǎng)中，股權(quán)質(zhì)押是上市公司極為普遍的融資行為，即通過上市公司股東與銀行之間的股票質(zhì)押進(jìn)而獲得融資的行為。對(duì)于股東而言，通過股權(quán)質(zhì)押可以保證控制權(quán)，在監(jiān)管過程中的審批也能夠因此較為寬松（ 謝德仁，2019[25]），同時(shí)在股權(quán)質(zhì)押的過程中，股東的投票權(quán)等都不會(huì)受到影響，股東可以繼續(xù)行使其作為公司股東的權(quán)力，但Yeh（2003）[26]提出在股權(quán)質(zhì)押的過程中，該種方式作為債務(wù)融資的手段會(huì)在無形中加劇代理問題，進(jìn)而會(huì)影響企業(yè)價(jià)值。股權(quán)質(zhì)押對(duì)于企業(yè)股東來說，更多的是出于私人資金需求目的而非公司運(yùn)營所需。我國的方巧玲等（2021）[27]認(rèn)為，正是因?yàn)楣蓹?quán)質(zhì)押為股東帶來便利，使得財(cái)務(wù)壓力和財(cái)務(wù)風(fēng)險(xiǎn)隨之提升，股權(quán)質(zhì)押后股東更有可能掏空上市公司，同時(shí)增強(qiáng)了控股股東對(duì)上市公司進(jìn)行策略性市值管理的動(dòng)機(jī)，提高了上市公司與外部資金提供者之間的信息不對(duì)稱程度，進(jìn)而加劇了融資約束（唐瑋等，2019[28]）。江偉等（2015）[29]認(rèn)為公司融資約束與成本調(diào)整策略密切相關(guān)，而在股權(quán)質(zhì)押部分，因?yàn)樯婕叭绾握{(diào)整公司經(jīng)營成本，通過股權(quán)質(zhì)押的行為在無形中提高了企業(yè)的經(jīng)營成本，這對(duì)于企業(yè)融資行為來說存在負(fù)面影響，因此不難得出控股股東的股權(quán)質(zhì)押會(huì)提高信息不對(duì)稱程度，從而減輕了數(shù)字化轉(zhuǎn)型對(duì)融資約束的緩解作用，即得到緩解企業(yè)融資約束問題需要滿足股權(quán)質(zhì)押比例低的條件的結(jié)論。

②股票流動(dòng)性。股票流動(dòng)性是資本市場(chǎng)的重要微觀結(jié)構(gòu)特征，在中國金融體制改革的過程中，對(duì)促進(jìn)金融市場(chǎng)服務(wù)實(shí)體經(jīng)濟(jì)具有重要的意義。從一方面來說，股票流動(dòng)性越高，越有利于優(yōu)化市場(chǎng)交易環(huán)境，使得經(jīng)營決策更加有效，進(jìn)而改善資本配置效率（熊家財(cái)和蘇冬蔚，2014[30]），降低融資成本（張崢等，2014[31]），緩解企業(yè)融資約束。從另一方面來說，股票流動(dòng)性較高還可以優(yōu)化不合理的股權(quán)結(jié)構(gòu)，提升大股東參與公司治理的積極性（曹廷求和劉海明，2015[32]），強(qiáng)化管理層激勵(lì)契約及業(yè)績(jī)監(jiān)督，從而抑制代理沖突（熊家財(cái)財(cái)和蘇冬蔚，2016[33]）。在代理問題得到一定解決后，可以防止股東出于自利動(dòng)機(jī)大量持有現(xiàn)金，因而當(dāng)企業(yè)需要融資時(shí)，將排除利益攫取的目的，在一定程度上更有利于實(shí)現(xiàn)信息透明度的提升，進(jìn)而有利于數(shù)字化轉(zhuǎn)型的實(shí)施。除此之外，Amihud(2002)[34]的研究表明，由于流動(dòng)性溢價(jià)的存在，股票流動(dòng)性降低了交易成本，進(jìn)而降低投資者要求的回報(bào)率，從而使得融資成本更低，企業(yè)有更多可利用的資金，可用于研發(fā)投入和技術(shù)升級(jí)，股票流動(dòng)性繼而可以加速數(shù)字化轉(zhuǎn)型，同時(shí)數(shù)字化轉(zhuǎn)型水平的提升同樣可以加快資金循環(huán)過程。因此提高企業(yè)的股票流動(dòng)性可以降低企業(yè)融資成本，提高信息透明度，進(jìn)而降低企業(yè)的融資約束。

（2）外部環(huán)境的異質(zhì)性

①機(jī)構(gòu)投資者。從外部環(huán)境角度來說，首先考慮機(jī)構(gòu)投資者在企業(yè)融資過程中產(chǎn)生的影響作用。機(jī)構(gòu)投資者的投資行為代表了外部信息使用者與需要融資的企業(yè)間達(dá)成了信息傳達(dá)一致，因此機(jī)構(gòu)投資者才會(huì)信任企業(yè)的盈利能力和融資償還能力，進(jìn)而證明了企業(yè)信息的可信度，優(yōu)化企業(yè)融資行為中的形象，達(dá)到降低融資約束的目的。機(jī)構(gòu)投資者既有動(dòng)力也有能力提升企業(yè)投資效率，這對(duì)企業(yè)的日常經(jīng)營、投資和融資都具有重要意義（Jensen，1986[35]）。在現(xiàn)代企業(yè)制度下，對(duì)于機(jī)構(gòu)投資者而言面臨的最大的融資約束問題就來自過度投資帶來的經(jīng)濟(jì)壓力（甄紅線和王謹(jǐn)樂，2016[36]）。當(dāng)面對(duì)融資約束時(shí)，這一問題會(huì)使得企業(yè)的投資-現(xiàn)金流敏感性很高，因此企業(yè)融資成本上升可以歸于機(jī)構(gòu)投資者因代理成本高。在這一背景下，機(jī)構(gòu)投資者會(huì)通過信息搜集和專業(yè)判斷優(yōu)勢(shì)對(duì)持股企業(yè)更多地關(guān)注，以降低代理成本，為中小股東的共同利益扮演著積極的監(jiān)督角色（惠寧和陳錦強(qiáng)，2020[37]），所以機(jī)構(gòu)投資者與融資約束間的關(guān)系還可以認(rèn)定為是兩者和影響融資約束中介條件因素間的關(guān)系。武雪婷等（2020）[38]認(rèn)為諸如信息不對(duì)稱的影響因素會(huì)使機(jī)構(gòu)投資者在企業(yè)融資過程中向外傳遞信息，使得信息能夠被其他投資者充分使用，基于以上觀點(diǎn)，機(jī)構(gòu)投資者對(duì)企業(yè)信息進(jìn)行搜集判斷的過程也是信息使用的過程，當(dāng)有越來越多的機(jī)構(gòu)投資者關(guān)注企業(yè)，提高了信息可信度，進(jìn)而降低企業(yè)融資約束，因此機(jī)構(gòu)投資者投股比例較大時(shí)，企業(yè)融資約束能夠緩解。

②經(jīng)濟(jì)政策不確定性。企業(yè)外部環(huán)境中存在一個(gè)重要的影響因素即經(jīng)濟(jì)政策的不確定性，而經(jīng)濟(jì)政策的不確定性會(huì)使得融資約束增加。在“十四五”數(shù)字經(jīng)濟(jì)規(guī)劃中明確指出了要培養(yǎng)數(shù)字化轉(zhuǎn)型支撐服務(wù)生態(tài)的目標(biāo)，這也意味著為了達(dá)到這一目的，國家會(huì)不斷調(diào)整相應(yīng)的經(jīng)濟(jì)政策以實(shí)現(xiàn)該目標(biāo)。Pástor 和Veronesi（2012）[39]較早研究政策不確定性對(duì)企業(yè)的影響，通過分析發(fā)現(xiàn)政策不確定性會(huì)提高企業(yè)股價(jià)的波動(dòng)并會(huì)加大企業(yè)的融資約束。在宏觀經(jīng)濟(jì)背景下，各級(jí)政府為實(shí)現(xiàn)既定經(jīng)濟(jì)目標(biāo)，在充分發(fā)揮市場(chǎng)主導(dǎo)作用的同時(shí)，會(huì)通過實(shí)施各類經(jīng)濟(jì)政策刺激經(jīng)濟(jì)發(fā)展（朱巧玲和杞如福，2022[40]）。一系列為了應(yīng)對(duì)時(shí)局變化的經(jīng)濟(jì)政策隨著國家形勢(shì)的發(fā)展而陸續(xù)出臺(tái)，但經(jīng)學(xué)者研究發(fā)現(xiàn)，經(jīng)濟(jì)政策的不確定性會(huì)抑制企業(yè)的投資（李鳳羽等，2015[41]）由于經(jīng)濟(jì)政策的變動(dòng)會(huì)導(dǎo)致信息更新速度快，企業(yè)在進(jìn)行融資時(shí)提供的信息也會(huì)因此降低透明度，因此在進(jìn)行投資時(shí)需要更加審慎地考慮信息的可信度以及與時(shí)代變更條件下經(jīng)濟(jì)政策的匹配度。除此之外，由于金融機(jī)構(gòu)更樂意為財(cái)務(wù)穩(wěn)健的企業(yè)提供放貸，經(jīng)濟(jì)政策不確定性的提高就會(huì)使得信貸公司縮減放貸規(guī)模，這也在無形中增加了企業(yè)的融資約束（宋全云等，2019[42]）?；诖?，經(jīng)濟(jì)政策不確定性越小越有利于企業(yè)緩解融資約束進(jìn)行融資。

圖1 企業(yè)微觀特征及外部環(huán)境的調(diào)節(jié)作用

基于以上異質(zhì)性分析，本文提出假設(shè)H2：在股權(quán)質(zhì)押比例低、企業(yè)流動(dòng)性大，同時(shí)機(jī)構(gòu)投資者持股比例大、經(jīng)濟(jì)政策不確定性小的樣本中，數(shù)字化轉(zhuǎn)型有助于緩解融資約束。

3 研究設(shè)計(jì)

3.1 樣本選取和數(shù)據(jù)來源

本文選取2008-2020年深市中小企業(yè)板和創(chuàng)業(yè)板上市公司的數(shù)據(jù)為初始研究樣本，并對(duì)初始數(shù)據(jù)進(jìn)行了如下處理以使研究結(jié)果更加穩(wěn)?。海?）剔除行業(yè)類別為金融類的上市公司數(shù)據(jù)；（2）剔除面臨退市風(fēng)險(xiǎn)以及停止交易等待退市的ST或PT企業(yè)樣本；（3）剔除財(cái)務(wù)數(shù)據(jù)異常及變量數(shù)據(jù)缺失過多的企業(yè)樣本；（4）數(shù)字化轉(zhuǎn)型是一個(gè)長(zhǎng)期戰(zhàn)略行為，本文僅保留至少連續(xù)5年的樣本，即2017年以前上市的公司；（5）并對(duì)樣本數(shù)據(jù)中的連續(xù)變量進(jìn)行了上下1%的Winsor縮尾處理。最終獲得1378個(gè)上市公司9649個(gè)樣本數(shù)據(jù)。本文除數(shù)字化轉(zhuǎn)型變量數(shù)據(jù)外，其余數(shù)據(jù)均來自國泰安CSMAR數(shù)據(jù)庫。

3.2 變量說明

（1）被解釋變量

企業(yè)融資約束程度（KZ）。在Kaplan 和Zingales（1997）[43]的研究的基礎(chǔ)上，本文參考了魏志華等人（2014）[44]的方法計(jì)算融資約束程度，且KZ數(shù)值越大，意味著企業(yè)面臨的融資約束程度越高。KZ指數(shù)與其他指數(shù)相比，因?yàn)檫\(yùn)用了托賓Q指數(shù)作為衡量的主要因素，能夠從經(jīng)營性凈現(xiàn)金流、現(xiàn)金股利、現(xiàn)金持有、資產(chǎn)負(fù)債率等多角度來得出相關(guān)的KZ指數(shù)值，可以精確地運(yùn)用股利支付水平反映和衡量融資約束程度。

（2）解釋變量

數(shù)字化轉(zhuǎn)型程度。這一指標(biāo)的度量和測(cè)算一直都是一個(gè)難題。在既往研究中，劉飛等（2015）[45]通過篩選企業(yè)固定資產(chǎn)和無形資產(chǎn)中數(shù)字化資源凈值的方法篩選所需數(shù)據(jù)，繼而以數(shù)字化資源在企業(yè)全部資產(chǎn)中的占比來表示企業(yè)數(shù)字化水平，這種方法的缺陷在于難以篩選全部數(shù)字化轉(zhuǎn)型指標(biāo)，只對(duì)在固定資產(chǎn)及無形資產(chǎn)中存在投入并存在可衡量數(shù)字化資源的樣本企業(yè)具有代表性。類似的研究還有王立彥和張繼東（2007）[46]選擇企業(yè)ERP系統(tǒng)的應(yīng)用程度來衡量數(shù)字化轉(zhuǎn)型程度，李坤望等（2015）[47]選用電信支出、IT投資等信息資產(chǎn)的占比作為指標(biāo)，王永進(jìn)等（2017）[48]通過企業(yè)中信息人員占比代表數(shù)字化轉(zhuǎn)型程度。同樣，上述研究的指標(biāo)選取方法在其研究領(lǐng)域可能存在一定說服力，但這些指標(biāo)更多體現(xiàn)企業(yè)的信息化程度，難以體現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的具體進(jìn)程。在此基礎(chǔ)上，何帆和劉紅霞（2019）[6]選擇手工整理上市公司公告和年報(bào)中企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型的“0-1”虛擬變量指數(shù)，但該方法的缺陷在于難以衡量數(shù)字化轉(zhuǎn)型的“程度”。

近年來，在研究數(shù)字化轉(zhuǎn)型問題的文獻(xiàn)中，還有一種對(duì)上市公司年報(bào)進(jìn)行文本分析并對(duì)關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)的方法，由吳非等（2021）[17]提出。這種方法能夠通過反映企業(yè)發(fā)展趨勢(shì)和戰(zhàn)略選擇的年報(bào)準(zhǔn)確抓取企業(yè)數(shù)字化轉(zhuǎn)型動(dòng)向，且由于該方法有具體的“企業(yè)數(shù)字化轉(zhuǎn)型”內(nèi)容來刻畫該指標(biāo)的程度，可操作性也較高，但該方法同樣存在缺陷。由于中小型企業(yè)數(shù)字化轉(zhuǎn)型的開展需要資本參與，這對(duì)企業(yè)自身財(cái)務(wù)狀況和財(cái)力水平都提出了很高的要求，中小型企業(yè)資金狀況能否滿足企業(yè)數(shù)字化轉(zhuǎn)型所需的資本支出是一個(gè)未知數(shù)，因而在中小企業(yè)年報(bào)中所提及的“數(shù)字化轉(zhuǎn)型”可能只是一種對(duì)未來的前瞻而非實(shí)際數(shù)字化轉(zhuǎn)型結(jié)果，用企業(yè)預(yù)期或者前期對(duì)數(shù)字化轉(zhuǎn)型的投入來衡量數(shù)字化轉(zhuǎn)型程度可能存在誤差。但與前文提到的其他數(shù)字化轉(zhuǎn)型指標(biāo)衡量方法相比，該方法中存在的誤差在大多數(shù)年報(bào)中可能均存在，因此在不同年份、不同企業(yè)間數(shù)字化轉(zhuǎn)型指數(shù)仍具有可比性，且考慮到目前大部分?jǐn)?shù)字化轉(zhuǎn)型相關(guān)文獻(xiàn)都選擇參考這一方法衡量數(shù)字化轉(zhuǎn)型程度進(jìn)行研究，本文認(rèn)為找到具有普適代表性的數(shù)字化轉(zhuǎn)型程度指標(biāo)測(cè)度方法前，該方法所度量的數(shù)字化轉(zhuǎn)型程度指標(biāo)具有最高可行性和最大說服力，在本文研究的主題下，可以假定該方法不會(huì)對(duì)研究結(jié)果產(chǎn)生嚴(yán)重干擾。

鑒于此，本文選擇參考吳非等（2021）[17]的做法，采用文本分析法，通過Python的爬蟲功能抓取2008-2020年度深市中小企業(yè)板和創(chuàng)業(yè)板上市公司財(cái)務(wù)報(bào)告中有關(guān)數(shù)字技術(shù)的關(guān)鍵詞，并將相應(yīng)的詞頻匯總的出企業(yè)數(shù)字化轉(zhuǎn)型程度，其度量公式為。相關(guān)詞匯可分為人工智能技術(shù)、區(qū)塊鏈結(jié)束、云計(jì)算技術(shù)以及大數(shù)據(jù)技術(shù)四個(gè)方向，其具體范圍分類整理如下：

圖2 數(shù)字技術(shù)關(guān)鍵詞范圍及分類

（3）中介機(jī)制變量

①信息透明度。本文參考潘越等（2011）[49]的研究，以證券被分析師關(guān)注度（Inform）指標(biāo)衡量企業(yè)信息透明度，被分析師關(guān)注度越高表明企業(yè)信息透明度越高。

②融資成本。本文參考陳漢文和周中勝（2014）[50]的研究，以企業(yè)獲得銀行貸款的利息支出/營業(yè)收入，作為企業(yè)融資成本的度量。

③創(chuàng)新能力。本文參考張璇等（2017）[51]的研究，以研發(fā)支出強(qiáng)度=研發(fā)支出/營業(yè)收入衡量，

通過借鑒一系列與數(shù)字化轉(zhuǎn)型相關(guān)的文獻(xiàn)（吳非等，2021[17]；趙宸宇等，2021[52]；李春濤等，2020[53]；陳劍等，2020[54]），歸納了與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞，借鑒相關(guān)變量的選取進(jìn)行以下模型設(shè)計(jì)。

3.3 模型設(shè)計(jì)

為研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)緩解中小企業(yè)融資約束的影響，本文建立了如式（1）所示的模型以檢驗(yàn)假設(shè)：

該模型中，企業(yè)所受融資約束程度（KZ）為被解釋變量，企業(yè)數(shù)字化轉(zhuǎn)型程度（DIG）是核心解釋變量，控制變量Controls包含公司年限（LNAGE）以上市公司成立以來到當(dāng)年度時(shí)期的自然對(duì)數(shù)、第一大股東持股比例（FSH1）、現(xiàn)金流比率（Cash flow）、資產(chǎn)負(fù)債率（LEV）、托賓Q（TQ）、營業(yè)收入增長(zhǎng)率（Growth）、獨(dú)立董事占比（DLZB）以及十大會(huì)計(jì)師事務(wù)所（Big10）在內(nèi)的控制變量的集合。模型同時(shí)控制了時(shí)間（YEAR）與行業(yè)（IND）兩個(gè)變量以吸收固定效應(yīng)。

4 實(shí)證分析

4.1 描述性統(tǒng)計(jì)

表1為本文主要變量的描述性統(tǒng)計(jì)分析結(jié)果。就被解釋變量企業(yè)融資約束程度來看，均值為0.54，中位數(shù)為0.826，但均值比中位數(shù)小說明樣本接近正態(tài)分布但右偏，最大值為4.156，最小值為-5.993，表明樣本公司面臨的融資約束差異較大；對(duì)于解釋變量企業(yè)數(shù)字化轉(zhuǎn)型程度而言，其最大值和最小值分別是6.19和0，說明研究樣本中各上市公司的數(shù)字化轉(zhuǎn)型程度存在明顯差異。此外， 其他控制變量的表現(xiàn)其中數(shù)字化轉(zhuǎn)型企業(yè)規(guī)模大部分在平均水平以上，且均呈現(xiàn)第一大股東持股比例接近，獨(dú)立董事構(gòu)成類似等特點(diǎn)。與已有研究結(jié)果差別不大，因此在此不再贅述，

表1 描述性統(tǒng)計(jì)結(jié)果

4.2 基礎(chǔ)回歸結(jié)果分析

表2報(bào)告了數(shù)字化轉(zhuǎn)型和企業(yè)融資約束兩者關(guān)系的檢驗(yàn)結(jié)果，其中第（1）列呈現(xiàn)了不加入控制變量的回歸結(jié)果，列（2）和列（3）列顯示了加入控制變量，其中列（2）不采用公司層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤和列（3）采用的回歸結(jié)果。列（4）參考Moser（2012）[55]的方法，在原有模型中引入行業(yè)虛擬變量與時(shí)間變量的交乘項(xiàng)，同時(shí)控制行業(yè)、時(shí)間與該交乘項(xiàng)，建立高維聯(lián)合固定效應(yīng)模型的回歸結(jié)果。

四種回歸結(jié)果中數(shù)字化轉(zhuǎn)型變量（Lndigital）系數(shù)顯著為負(fù)，這表明企業(yè)數(shù)字化轉(zhuǎn)型會(huì)顯著降低融資約束，即企業(yè)數(shù)字化轉(zhuǎn)型程度越高，融資約束水平越低。由此為本文的假設(shè)1提供證據(jù)支持。在控制變量中，企業(yè)規(guī)模（LNSIZE）、現(xiàn)金流比率（Cash flow）、營業(yè)收入增長(zhǎng)率（Growth）的系數(shù)顯著為負(fù)，表明企業(yè)規(guī)模越大，現(xiàn)金流越大、營業(yè)收入增長(zhǎng)越快，融資約束越低。另外對(duì)于中小企業(yè)來說，當(dāng)外部銀行貸款困難較多時(shí)，股權(quán)質(zhì)押可能會(huì)成為大股東外部融資的主要渠道，因而，當(dāng)?shù)谝淮蠊蓶|持股比例（FSH1）越高時(shí)，融資約束水平越低，但股權(quán)質(zhì)押也可能成為大股東掏空中小企業(yè)的主要手段，影響數(shù)字化轉(zhuǎn)型作用效果，這在異質(zhì)性分析中討論。最后，中小企業(yè)可以通過外部監(jiān)督機(jī)構(gòu)傳遞的信息質(zhì)量緩解融資約束，表2的回歸中十大事務(wù)所（Big10）系數(shù)顯著為負(fù)，相比于其他會(huì)計(jì)師事務(wù)所，四大或十大會(huì)計(jì)師事務(wù)所的審計(jì)質(zhì)量更高，因而，向外部投資者傳遞了更真實(shí)的企業(yè)會(huì)計(jì)信息，從而降低了企業(yè)的融資約束水平。

表2 基礎(chǔ)回歸結(jié)果

4.3 機(jī)制檢驗(yàn)

為探究數(shù)字化轉(zhuǎn)型緩解企業(yè)融資約束的影響機(jī)制，本部分選取企業(yè)信息透明度、融資成本、創(chuàng)新能力作為中介變量，采用中介效應(yīng)模型進(jìn)行機(jī)制檢驗(yàn)。機(jī)制檢驗(yàn)的具體模型如下所示：

其中，分別表示信息透明度、融資成本、創(chuàng)新能力等三個(gè)中介機(jī)制變量。本文采用中介效應(yīng)模型的三步法進(jìn)行機(jī)制檢驗(yàn)，中介檢驗(yàn)結(jié)果如下表3所示。

表3 機(jī)制檢驗(yàn)結(jié)果

表3中信息透明度中介效應(yīng)回歸結(jié)果中，第（1）列數(shù)字化轉(zhuǎn)型變量（Lndigital）的系數(shù)為0.089，在1%水平上顯著為正，表明提高數(shù)字化轉(zhuǎn)型程度能夠顯著提高企業(yè)信息透明度，而第（2）列中介變量（Inform）的系數(shù)顯著為負(fù)，即信息透明度的提高可使企業(yè)融資約束程度降低。Sobel檢驗(yàn)統(tǒng)計(jì)量為-8.20（p=0.000），該結(jié)果為部分中介效應(yīng)。最終結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型一方面直接降低企業(yè)融資約束程度，另一方面數(shù)字化轉(zhuǎn)型的互通互聯(lián)特性，在信息供給與需求兩個(gè)方面提高了企業(yè)信息透明度來降低融資約束水平。

在融資成本影響機(jī)制檢驗(yàn)的回歸結(jié)果中，第（3）列Lndigital的系數(shù)為-0.002且顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型能夠顯著降低中小企業(yè)融資成本，而第（4）列中，融資成本系數(shù)為1.420且顯著為正，即融資成本提高了中小企業(yè)融資約束水平，但Lndigital系數(shù)仍為-0.046，且在1%水平下顯著，另外，Sobel檢驗(yàn)統(tǒng)計(jì)量為-3.04（p=0.000）表明數(shù)字化轉(zhuǎn)型通過降低融資成本緩解融資約束的部分中介效應(yīng)成立。因而，數(shù)字化轉(zhuǎn)型具有降低融資成本從而緩解融資約束的影響機(jī)制。

在創(chuàng)新能力影響機(jī)制檢驗(yàn)的回歸結(jié)果中，第（5）列Lndigital的系數(shù)為-0.004且顯著為正，表明數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)創(chuàng)新能力，而第（6）列中，創(chuàng)新能力系數(shù)為-0.661且顯著為負(fù)，即創(chuàng)新能力緩解了企業(yè)融資約束水平，Sobel檢驗(yàn)統(tǒng)計(jì)量為-2.67（p=0.000）表明部分中介效應(yīng)成立。由此可以得到，數(shù)字化轉(zhuǎn)型能提高中小企業(yè)的創(chuàng)新能力，增強(qiáng)了企業(yè)內(nèi)源融資規(guī)模，從而緩解融資約束水平。

4.4 進(jìn)一步分析

為探究其他因素在“數(shù)字化轉(zhuǎn)型-中小企業(yè)融資約束”關(guān)系中所產(chǎn)生的異質(zhì)性影響，本部分選取了微觀企業(yè)層面的股權(quán)質(zhì)押（Pledege）與股票流動(dòng)性（Turnover）及企業(yè)外部的機(jī)構(gòu)投資者持股比例（INST）與經(jīng)濟(jì)政策不確定性（EPU）等指標(biāo)進(jìn)行異質(zhì)性檢驗(yàn)，其結(jié)果分別見下表4和表5所示。

表4 微觀企業(yè)層面的異質(zhì)性影響

續(xù)表

表5 企業(yè)外部環(huán)境的異質(zhì)性影響

（1）股權(quán)質(zhì)押。根據(jù)組間樣本均值差異性檢驗(yàn)，股權(quán)質(zhì)押與非股權(quán)質(zhì)押兩組樣本中的KZ均值分別為0.845和0.199，檢驗(yàn)統(tǒng)計(jì)量t=-17.793，通過顯著性檢驗(yàn)，表明股權(quán)質(zhì)押的公司融資約束更大；同時(shí)，在兩組樣本中，企業(yè)數(shù)字化轉(zhuǎn)型變量均值差異性檢驗(yàn)統(tǒng)計(jì)量為t=4.165，非股權(quán)質(zhì)押的企業(yè)數(shù)字化轉(zhuǎn)型程度更高。在表4的第（1）和（2）兩列給出了企業(yè)是否采用股權(quán)質(zhì)押的異質(zhì)性影響。在列（1）的采用股權(quán)質(zhì)押樣本中，回歸結(jié)果顯示Lndigital的系數(shù)-0.021為負(fù)但不顯著，而列（2）未采用股權(quán)質(zhì)押樣本中，Lndigital的系數(shù)-0.083顯著為負(fù)，表明在有股權(quán)質(zhì)押的樣本中，數(shù)字化轉(zhuǎn)型并不能有效降低中小企業(yè)面臨的融資約束，本文稱為股權(quán)質(zhì)押的風(fēng)險(xiǎn)擠出效應(yīng)，即股權(quán)質(zhì)押擠出了數(shù)字化轉(zhuǎn)型投資，降低了數(shù)字化轉(zhuǎn)型的作用。雖然股權(quán)質(zhì)押是企業(yè)解決融資約束的重要方式，但也增強(qiáng)了控股股東“市值管理”動(dòng)機(jī)（唐瑋等，2019[56]），即股權(quán)質(zhì)押增大了企業(yè)與外部投資者的信息不對(duì)稱，也加大了控股股東侵占企業(yè)利益的風(fēng)險(xiǎn)，從而不利于數(shù)字化轉(zhuǎn)型降低融資約束效應(yīng)的發(fā)揮。另外，數(shù)字化轉(zhuǎn)型需要投入大量的資金，當(dāng)控股股東現(xiàn)金流不足時(shí)，即使股權(quán)質(zhì)押融資到資金也會(huì)補(bǔ)充控股股東的現(xiàn)金流，而不會(huì)支持企業(yè)的數(shù)字化轉(zhuǎn)型。

（2）股票流動(dòng)性。本文參考熊家財(cái)和蘇冬蔚（2014）[30]的做法，采用當(dāng)年度企業(yè)股票換手率作為企業(yè)股票流動(dòng)性（Turnover）評(píng)估指標(biāo)，當(dāng)年換手率越高，股票流動(dòng)性越大。構(gòu)建股票流動(dòng)性虛擬變量，即設(shè)置股票流動(dòng)性大于行業(yè)年度中位數(shù)為1，否則為0，分別為股票流動(dòng)性高和低兩組樣本。根據(jù)組間樣本中位數(shù)差異性檢驗(yàn)，股票流動(dòng)性高與股票流動(dòng)性低兩組樣本中的KZ中位數(shù)分別為0.712和0.826，檢驗(yàn)統(tǒng)計(jì)量t=7.352，通過顯著性檢驗(yàn)，表明股票流動(dòng)性低的公司融資約束更大；同時(shí)，在兩組樣本中，企業(yè)數(shù)字化轉(zhuǎn)型變量中位數(shù)差異性檢驗(yàn)統(tǒng)計(jì)量為t=4.995，股票流動(dòng)性低的企業(yè)數(shù)字化轉(zhuǎn)型程度更高。表4的列（3）與列（4）為股票流動(dòng)性的異質(zhì)性檢驗(yàn)結(jié)果?？刂葡嚓P(guān)變量后，不論是股票流動(dòng)性高的樣本還是股票流動(dòng)性低的樣本，Lndigital的系數(shù)均顯著為負(fù)，但股票流動(dòng)性低組中，數(shù)字化轉(zhuǎn)型的融資約束緩解程度更高。

（3）機(jī)構(gòu)投資者持股比例。本文按照機(jī)構(gòu)投資者持股比例是否大于同行業(yè)同年度中位數(shù)，設(shè)置機(jī)構(gòu)投資者虛擬變量，檢驗(yàn)機(jī)構(gòu)投資者持股比例的異質(zhì)性影響。根據(jù)組間樣本中位數(shù)差異性檢驗(yàn)，機(jī)構(gòu)投資者持股比例大與機(jī)構(gòu)投資者持股比例小兩組樣本中的KZ中位數(shù)分別為0.923和0.762，檢驗(yàn)統(tǒng)計(jì)量t=21.719，表明機(jī)構(gòu)投資者持股比例大的公司融資約束更大；同時(shí)，在兩組樣本中，企業(yè)數(shù)字化轉(zhuǎn)型變量中位數(shù)差異顯著性檢驗(yàn)統(tǒng)計(jì)量值為0.045，兩組樣本差異不顯著。表5的列（1）和列（2）的回歸結(jié)果表明，在機(jī)構(gòu)投資者持股比例大的樣本中，數(shù)字化轉(zhuǎn)型的系數(shù)顯著為負(fù)，而在較小的樣本中，雖然為負(fù)但不顯著。在數(shù)字化轉(zhuǎn)型過程中，持股比例較大的機(jī)構(gòu)投資者更關(guān)注數(shù)字化轉(zhuǎn)型的效果，通過主動(dòng)參與幫助中小企業(yè)數(shù)字化轉(zhuǎn)型，降低信息不對(duì)稱程度，減輕融資約束。機(jī)構(gòu)投資者專業(yè)團(tuán)隊(duì)，具有信息處理能力、資源整合能力等溢出到中小企業(yè)，從而提高中小企業(yè)數(shù)字化轉(zhuǎn)型能力。另外中小企業(yè)數(shù)字化轉(zhuǎn)型能力的提高，進(jìn)一步降低了機(jī)構(gòu)投資者信息搜集、處理以及監(jiān)督成本。因而機(jī)構(gòu)投資者的專業(yè)能力與中小企業(yè)數(shù)字化轉(zhuǎn)型能力相輔相成，共同緩解了融資約束。

（4）經(jīng)濟(jì)政策不確定性。本文 借鑒Baker等（2016）[57]的做法計(jì)算經(jīng)濟(jì)政策不確定性，并通過算術(shù)平均方式將月度數(shù)據(jù)轉(zhuǎn)為年度數(shù)據(jù)，得出經(jīng)濟(jì)政策不確定性指標(biāo)（EPU），進(jìn)一步按照EPU是否大于同行業(yè)同年度中位數(shù)設(shè)置虛擬變量，考察經(jīng)濟(jì)政策不確定性的異質(zhì)性影響。根據(jù)組間樣本中位數(shù)差異性檢驗(yàn)，經(jīng)濟(jì)政策不確定性高與經(jīng)濟(jì)政策不確定性低兩組樣本中的KZ中位數(shù)分別為0.895和0.787，檢驗(yàn)統(tǒng)計(jì)量t=10.205，表明經(jīng)濟(jì)政策不確定性高的公司融資約束更大；同時(shí)，在兩組樣本中，企業(yè)數(shù)字化轉(zhuǎn)型變量中位數(shù)差異性檢驗(yàn)統(tǒng)計(jì)量為t=-755.470，經(jīng)濟(jì)政策不確定性低的企業(yè)數(shù)字化轉(zhuǎn)型程度更高。表5中列（3）、列（4）表明，不論是經(jīng)濟(jì)政策不確定性高的樣本，還是小的樣本，均在1%的顯著性水平下弱化主效應(yīng)，分組回歸后系數(shù)差異性檢驗(yàn)卡方統(tǒng)計(jì)量為45.37（p值為0.000），表明經(jīng)濟(jì)政策不確定性高的樣本中，中小企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型不僅能夠增加獲得外部資源的機(jī)會(huì)，同時(shí)也能夠降本增效，更好地應(yīng)對(duì)不確定性帶來的不利影響，緩解融資約束。

5 穩(wěn)健性檢驗(yàn)

5.1 關(guān)于內(nèi)生性

（1）重復(fù)抽樣回歸

由于樣本不是隨機(jī)可能引起的內(nèi)生性問題，本文又進(jìn)行了重復(fù)抽樣500次和1000次，由此解決隨機(jī)變量問題。由表6重復(fù)抽樣回歸結(jié)果的列（1）、（2）可以看出，數(shù)字化轉(zhuǎn)型系數(shù)Lndigital符號(hào)保持不變，說明在重復(fù)抽樣的前提下，數(shù)字化轉(zhuǎn)型與企業(yè)融資約束水平仍呈現(xiàn)出顯著負(fù)相關(guān)關(guān)系。

表6 重復(fù)抽樣回歸

續(xù)表

（2）工具變量：兩階段回歸

企業(yè)數(shù)字化轉(zhuǎn)型有助于促進(jìn)資金流入，反過來當(dāng)融資約束降低、資金需求得到滿足時(shí)企業(yè)亦有動(dòng)機(jī)進(jìn)行數(shù)字化轉(zhuǎn)型。為排除基礎(chǔ)模型（1）中因上述雙向因果關(guān)系或遺漏變量而存在的內(nèi)生性問題，本文參考張璇等（2017）[51]與梁琦和林愛杰（2020）[58]的做法，運(yùn)用工具變量法，將同省份同行業(yè)內(nèi)除本企業(yè)之外的其他企業(yè)數(shù)字化轉(zhuǎn)型程度（Lndigital）的平均值作為工具變量進(jìn)行兩階段工具變量估計(jì)。首先，Hausman檢驗(yàn)統(tǒng)計(jì)量13.72（P=0.033），在5%顯著性水平下拒絕原假設(shè)，認(rèn)為存在內(nèi)生解釋變量Lndigital；另外，又使用異方差穩(wěn)健的DWH檢驗(yàn)（統(tǒng)計(jì)量為12.0076，p=0.0005），也拒絕了原假設(shè)，認(rèn)為存在內(nèi)生解釋變量Lndigital；最后使用弱工具變量檢驗(yàn)統(tǒng)計(jì)量（F=308.552，p=0.000），拒絕弱工具變量假設(shè)。結(jié)果在表7中分別報(bào)告了加入控制變量前后的內(nèi)生檢驗(yàn)結(jié)果。結(jié)果表明，工具變量的選取有效，且剔除內(nèi)生性問題后結(jié)果依然穩(wěn)健。

表7 重復(fù)抽樣回歸與工具變量回歸

續(xù)表

（3）PSM -DID

本文按照吳非等（2021）[17]的研究方法，企業(yè)應(yīng)逐步推動(dòng)數(shù)字化轉(zhuǎn)型，而不是一蹴而就，因而可以把第一次數(shù)字化轉(zhuǎn)型的披露當(dāng)成一個(gè)準(zhǔn)自然實(shí)驗(yàn)。同時(shí)為了避免“虛假”數(shù)字化轉(zhuǎn)型，披露不足3年的且不連續(xù)披露的樣本，本文認(rèn)為該企業(yè)未真正實(shí)施數(shù)字化轉(zhuǎn)型。為了解決數(shù)字化轉(zhuǎn)型不是隨機(jī)分配而導(dǎo)致雙重差分模型估計(jì)有偏的問題，本文嘗試使用傾向得分法（PSM）的馬氏距離進(jìn)行1：1匹配，選取的匹配協(xié)變量有企業(yè)規(guī)模、資產(chǎn)負(fù)債率、營業(yè)收入增長(zhǎng)率、總資產(chǎn)利潤率、企業(yè)年齡等特征變量，得到匹配樣本，再次使用雙重差分方法估計(jì)，使得實(shí)證設(shè)計(jì)跟接近隨機(jī)分配。

圖3的PSM的平衡性檢驗(yàn)表明匹配前后各個(gè)變量的均值之間沒有明顯差異。圖4給出了共同支撐檢驗(yàn)圖形，匹配前后的密度函數(shù)圖對(duì)比表明匹配之后的兩條線很相近，說明匹配效果較好，滿足共同支撐檢驗(yàn)。

圖3 PSM的平衡性檢驗(yàn)

圖4 共同支撐檢驗(yàn)圖

本文采用樣本權(quán)重不為空、樣本滿足共同支撐假設(shè)、頻數(shù)加權(quán)回歸三種匹配后的樣本重新進(jìn)行雙重差分估計(jì)。在頻數(shù)加權(quán)回歸中，由于是根據(jù)權(quán)重進(jìn)行的頻數(shù)加權(quán)，實(shí)際參與回歸的樣本會(huì)根據(jù)權(quán)重進(jìn)行復(fù)制，即回歸樣本會(huì)增加。估計(jì)結(jié)果如表8的第（1）、（2）和（3）列所示，二次差分項(xiàng)（DID）的回歸系數(shù)顯著為負(fù)，表明匹配后的估計(jì)結(jié)果與基本回歸一致，可以排除內(nèi)生性的影響。

表8 PSM-DID回歸結(jié)果

續(xù)表

5.2 其他穩(wěn)健性檢驗(yàn)

為確保實(shí)證結(jié)果穩(wěn)健，本部分采用以下幾種方式進(jìn)行穩(wěn)健性檢驗(yàn)，具體結(jié)果與說明如下：首先采用替換被解釋變量方法，使用Kaplan 和 Zingales（1997）[43]的方法計(jì)算融資約束的KZ指數(shù)；其次，替換解釋變量方法，借鑒祁懷錦等（2020）[12]的方法，以上市公司財(cái)務(wù)報(bào)告附注披露的年末無形資產(chǎn)明細(xì)項(xiàng)中與數(shù)字經(jīng)濟(jì)相關(guān)部分占無形資產(chǎn)總額的比例作為代理變量。具體地，當(dāng)無形資產(chǎn)明細(xì)項(xiàng)包含“軟件”、“網(wǎng)絡(luò)”、“客戶端”、“管理系統(tǒng)”、“智能平臺(tái)”等與數(shù)字經(jīng)濟(jì)技術(shù)相關(guān)的關(guān)鍵詞以及與此相關(guān)的專利時(shí)，標(biāo)記該明細(xì)項(xiàng)目為“數(shù)字經(jīng)濟(jì)技術(shù)無形資產(chǎn)”，再對(duì)同一公司同一年度多項(xiàng)數(shù)字經(jīng)濟(jì)技術(shù)無形資產(chǎn)加總，計(jì)算其占本年度無形資產(chǎn)的比例，即為企業(yè)數(shù)字經(jīng)濟(jì)化程度代理變量。第三，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型需要一個(gè)過程，因此，采用數(shù)字化轉(zhuǎn)型程度的滯后一期，考察數(shù)字化轉(zhuǎn)型的滯后效應(yīng)。第四，為控制可能遺漏變量造成的回歸偏誤，我們使用差分方法降低不隨時(shí)間改變的個(gè)體固定因素的影響。第五，我們刪除了受到金融危機(jī)影響的2008年和2009年，排除金融危機(jī)對(duì)企業(yè)融資約束的影響。最后，我們還使用增加控制變量，以及中位數(shù)回歸的方法。幾種穩(wěn)健性檢驗(yàn)回歸結(jié)果如表9所示，本文的研究結(jié)論依舊比較穩(wěn)健。

表9 穩(wěn)健性檢驗(yàn)

6 研究結(jié)論

本文首先從理論角度梳理了有關(guān)企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)文獻(xiàn)以及數(shù)字化轉(zhuǎn)型影響企業(yè)融資約束的內(nèi)在機(jī)理，其次從實(shí)證層面檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)融資約束的影響?？傮w而言，本文的主要結(jié)論如下：（1）基準(zhǔn)回歸可知，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著緩解中小企業(yè)融資約束。（2）中介效應(yīng)檢驗(yàn)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型可以通過提高企業(yè)信息透明度、降低融資成本、提高創(chuàng)新能力的機(jī)制降低融資約束程度。（3）異質(zhì)性檢驗(yàn)結(jié)果表明，在股權(quán)質(zhì)押比例低、股票流動(dòng)性大、機(jī)構(gòu)投資者持股比例大以及經(jīng)濟(jì)政策不確定性小的樣本中，數(shù)字化轉(zhuǎn)型能夠更有效地緩解融資約束。

本文的研究結(jié)論具有如下政策建議。第一，從企業(yè)層面來說，具體措施可以采取如加強(qiáng)企業(yè)自身信息化建設(shè)，將數(shù)據(jù)處理流程規(guī)范化，實(shí)現(xiàn)信息傳遞的透明性和準(zhǔn)確性，讓融資過程中的信息使用者能夠根據(jù)數(shù)字化的經(jīng)營信息得到企業(yè)準(zhǔn)確的生產(chǎn)運(yùn)營狀況數(shù)據(jù)，以此借助數(shù)字化轉(zhuǎn)型來緩解融資約束。第二，從國家層面來說，制定相應(yīng)法律法規(guī)，依據(jù)《中國制造2025計(jì)劃》中大力發(fā)展數(shù)字化的路線引導(dǎo)企業(yè)穩(wěn)健走好每一步，不僅有助于推動(dòng)全面實(shí)現(xiàn)我國生產(chǎn)經(jīng)營數(shù)字化，還能夠肅清經(jīng)濟(jì)市場(chǎng)環(huán)境，保障中小企業(yè)在成長(zhǎng)過程中不因融資困難而受到約束。