潘 藝 張金昌

1（中國社會科學院大學研究生院，北京 102488）2（中國社會科學院工業(yè)經(jīng)濟研究所，北京 100006）

引 言

我國 “十四五”規(guī)劃明確指出 “加快建設數(shù)字經(jīng)濟、數(shù)字社會、數(shù)字政府，以數(shù)字化轉(zhuǎn)型整體驅(qū)動生產(chǎn)方式、生活方式和治理方式變革”的目標。黨的二十大再次強調(diào) “建設數(shù)字中國”的戰(zhàn)略目標。通過數(shù)字化轉(zhuǎn)型、促進數(shù)字經(jīng)濟發(fā)展，已成為引領(lǐng)經(jīng)濟社會變革、推動中國經(jīng)濟高質(zhì)量發(fā)展的重要引擎［1］。制造業(yè)是我國經(jīng)濟的重要基礎［2］，許多制造業(yè)企業(yè)通過數(shù)字化轉(zhuǎn)型獲得了成功，如海爾通過數(shù)字化轉(zhuǎn)型成為了全球最大的家電制造商，步科、正泰等制造業(yè)企業(yè)通過數(shù)字化轉(zhuǎn)型促進了企業(yè)發(fā)展，但更多企業(yè)的數(shù)字化轉(zhuǎn)型進程并不順利。國家信息中心 《中國產(chǎn)業(yè)數(shù)字化報告（2020）》顯示，企業(yè)因轉(zhuǎn)型能力弱出現(xiàn) “不會轉(zhuǎn)”、因轉(zhuǎn)型成本高出現(xiàn) “不愿轉(zhuǎn)”、因轉(zhuǎn)型 “陣痛期”長出現(xiàn) “不敢轉(zhuǎn)”等現(xiàn)象，埃森哲 《2021中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》報告顯示，只有16%的中國企業(yè)數(shù)字化轉(zhuǎn)型成效顯著。許多企業(yè)對是否進行數(shù)字化轉(zhuǎn)型存在困惑，甚至部分企業(yè)因數(shù)字化轉(zhuǎn)型陷入 “不轉(zhuǎn)型等死、轉(zhuǎn)型找死”的兩難困境。其主要原因就是企業(yè)數(shù)字化轉(zhuǎn)型是一個不斷迭代的長期過程［3］， 需要企業(yè)投入大量資金［4，5］，而大部分企業(yè)自有資金不足，只能依賴外部融資解決資金問題，而融資問題一直是阻擾我國企業(yè)發(fā)展的 “阿喀琉斯之踵”［6］。

近些年，大數(shù)據(jù)、人工智能、云計算等數(shù)字技術(shù)發(fā)展迅速，數(shù)字技術(shù)與傳統(tǒng)金融的融合，推動我國金融業(yè)邁入了數(shù)字金融時代［2］。數(shù)字金融的出現(xiàn)和發(fā)展有效彌補了傳統(tǒng)金融的短板，降低了金融服務的門檻和服務成本，改善了企業(yè)的融資環(huán)境［7］，但數(shù)字金融發(fā)展對制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的影響如何，是起到了促進作用還是抑制作用？以及通過哪些渠道影響了企業(yè)數(shù)字化轉(zhuǎn)型？目前鮮有文獻進行研究，因此本文利用2011～2020年制造業(yè)上市企業(yè)數(shù)據(jù)，以及企業(yè)所在城市的數(shù)字金融和數(shù)字化轉(zhuǎn)型數(shù)據(jù)，研究數(shù)字金融對企業(yè)數(shù)字化轉(zhuǎn)型的影響和傳導機制，拓展了數(shù)字金融、數(shù)字化轉(zhuǎn)型的研究范圍，充實了相關(guān)研究文獻，揭開了數(shù)字金融與企業(yè)數(shù)字化轉(zhuǎn)型之間的＂黑箱＂，為政府出臺相關(guān)金融政策，更好的促進企業(yè)數(shù)字化轉(zhuǎn)型提供了實踐證據(jù)。

1 文獻綜述和研究假設

1.1 文獻綜述

數(shù)字金融是指與新興數(shù)字技術(shù)應用相關(guān)的所有金融產(chǎn)品和金融服務，是一種新型金融業(yè)態(tài)［8］，相較于傳統(tǒng)金融而言，數(shù)字金融具有更高的可獲得性、更廣的覆蓋范圍和更低的服務成本［7］。一些學者從宏觀角度上研究后認為，數(shù)字金融能夠顯著地提升社會保障水平［9］、縮小城鄉(xiāng)收入差距［10］、促進地區(qū)高質(zhì)量發(fā)展［6］；更多的學者從微觀角度上進行研究發(fā)現(xiàn)，數(shù)字金融能通過緩解企業(yè)的融資約束［11］， 激勵企業(yè)創(chuàng)新［12］， 促進企業(yè)高質(zhì)量發(fā)展［6］；但也有學者研究發(fā)現(xiàn)，數(shù)字金融發(fā)展對銀行帶來負面影響［13］， 加劇銀行的風險［14］， 對企業(yè)有不利的影響［15］。

雖然目前學術(shù)界對數(shù)字化轉(zhuǎn)型的定義及其涵蓋范圍還缺乏共識［16］，但以大數(shù)據(jù)、人工智能、云計算等數(shù)字技術(shù)的運用推動企業(yè)生產(chǎn)方式的革新［17］，作為企業(yè)數(shù)字化轉(zhuǎn)型的研究方向已經(jīng)得到普遍共識。眾多學者研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)經(jīng)營效率［18］、推動企業(yè)高質(zhì)量發(fā)展［19］、 促進企業(yè)成長［20］， 因此肯定了企業(yè)數(shù)字化轉(zhuǎn)型的積極效果；也有部分學者研究后認為，企業(yè)數(shù)字化轉(zhuǎn)型面臨著資金［4，5］、 人才［19，21］、 技術(shù)［16］等多方面問題，使得企業(yè)數(shù)字化轉(zhuǎn)型困難甚至失敗，因此對企業(yè)數(shù)字化轉(zhuǎn)型的效果尚無定論。

通過以上文獻研究發(fā)現(xiàn)，數(shù)字金融與企業(yè)數(shù)字化轉(zhuǎn)型存在一定的關(guān)聯(lián)性：數(shù)字金融發(fā)展緩解了企業(yè)的融資約束，使得企業(yè)能夠通過外部融資獲得更多的資金，而充足的資金又是企業(yè)數(shù)字化轉(zhuǎn)型的保障。但是上述文獻并沒有深入分析數(shù)字金融和企業(yè)數(shù)字化轉(zhuǎn)型之間的關(guān)系和影響機制，因此給本文的研究提供了方向。

1.2 研究假設

數(shù)字金融利用大數(shù)據(jù)、互聯(lián)網(wǎng)、云計算等技術(shù)，緩解了金融機構(gòu)和企業(yè)之間信息不對稱性的問題，降低了金融機構(gòu)的服務成本、提高了信貸效率，并且數(shù)字金融打破了傳統(tǒng)金融的空間和時間限制［11］，使得原先那些無法獲取金融服務或被排除在傳統(tǒng)金融體系之外的企業(yè)能夠通過數(shù)字金融的平臺和渠道來獲取服務［22］。數(shù)字金融發(fā)展緩解了企業(yè)的融資約束，使得企業(yè)獲得外部融資資金更加便捷和高效［11］。制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型最大的障礙是沒有足夠的資金［4］，而數(shù)字金融發(fā)展克服了企業(yè)數(shù)字化轉(zhuǎn)型中的最大障礙，有力的保障并促進了企業(yè)數(shù)字化轉(zhuǎn)型的開展。據(jù)上分析，本文提出：

假設1：數(shù)字金融發(fā)展能促進制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型。

企業(yè)數(shù)字化轉(zhuǎn)型是一項全方位、多角度變革的復雜系統(tǒng)工程，涉及技術(shù)、業(yè)務、流程、制度等各環(huán)節(jié)各個崗位的全員參與。制造業(yè)企業(yè)現(xiàn)有的人員結(jié)構(gòu)不足以支撐和實施數(shù)字化戰(zhàn)略的落地，因此需要引進有數(shù)字技術(shù)背景的高素質(zhì)專業(yè)人才支撐企業(yè)數(shù)字化轉(zhuǎn)型。企業(yè)數(shù)字化轉(zhuǎn)型并不是簡單的購買軟件和硬件設備，而是利用數(shù)字化技術(shù)對現(xiàn)有流程和系統(tǒng)的再造。我國大多數(shù)制造業(yè)企業(yè)數(shù)字基礎設施建設仍較薄弱，企業(yè)在一些領(lǐng)域普遍缺乏技術(shù)標準和接口［23］，因此需要通過研發(fā)投入進行平臺和系統(tǒng)建設，實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的目標。無論是高素質(zhì)人才的引進還是研發(fā)投入，都需要資金的支持，而數(shù)字金融發(fā)展為企業(yè)資金需求提供了保障。綜上分析，本文提出：

假設2：數(shù)字金融通過引進高素質(zhì)人才的途徑促進了制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型。

假設3：數(shù)字金融通過促進研發(fā)投入的途徑促進了制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型。

2 模型設計和數(shù)據(jù)說明

2.1 模型設計

為了驗證假設1，設計如下模型 （1）：

其中，Digit是被解釋變量，表示制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，DiFin是解釋變量，表示企業(yè)所在城市的數(shù)字金融指數(shù)，Control是控制變量，Year、Pro和Ind分別為年度、地區(qū)和行業(yè)固定效應，ε表示殘差項，i表示企業(yè)，t表示年度。根據(jù)本文假設2和假設3，借鑒溫忠麟和葉寶娟 （2014）［24］的中介效應檢驗方法，設計如下傳導機制模型 （2）和 （3）：

其中，MVit是中介變量，分別為人才引進（Hum）和研發(fā)投入（RDP）。通過對模型 （2）中系數(shù)β1和模型 （3）中系數(shù)γ3的顯著性識別企業(yè)人才引進和研發(fā)投入的中介效應，并且分別使用Sobel和Bootstrap進行檢驗，最終確定本文假設2和假設3是否成立。

2.2 變量說明

（1）被解釋變量。數(shù)字化轉(zhuǎn)型（Digit），采用廣東金融學院的上市企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)進行衡量。該數(shù)據(jù)是廣東金融學院基于2007～2020年滬深A股上市企業(yè)披露的年報文本信息，運用大數(shù)據(jù)文本分析和因子分析的雙重量化工具統(tǒng)計而成。企業(yè)數(shù)字化轉(zhuǎn)型還可以細分為：人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)和數(shù)字技術(shù)運用5個維度。以上數(shù)據(jù)取對數(shù)后，作為本文研究的被解釋變量。

（2）解釋變量。數(shù)字金融（DiFin），采用北京大學數(shù)字金融研究中心的數(shù)字普惠金融指數(shù)進行衡量。該數(shù)據(jù)目前已經(jīng)涵蓋了2011～2020年全國31個省（區(qū)、市）、337個地級以上城市以及約2800個縣（級市、旗轄區(qū)等）（考慮到數(shù)據(jù)的可獲得性，不包含港、澳、臺地區(qū)）。數(shù)字金融還可以細分為：覆蓋廣度、使用深度和數(shù)字化程度3個維度。本文采用制造業(yè)上市企業(yè)所在城市的數(shù)字普惠金融指數(shù)數(shù)據(jù)進行研究，并使用明細數(shù)據(jù)做異質(zhì)性分析。以上數(shù)據(jù)取對數(shù)后，作為本文研究的解釋變量。

（3）中介變量。根據(jù)上文的研究假設，本文選取人才引進（Hum）和研發(fā)投入（RDP）作為中介變量。關(guān)于人才引進的指標，本文參考肖曙光和楊潔 （2018）［25］的方法，以本科及以上學歷員工數(shù)占總員工數(shù)的比例作為人才引進的度量指標；關(guān)于企業(yè)研發(fā)投入指標，本文參考黃群慧等 （2019）［26］的方法，采用人均研發(fā)投入作為研發(fā)投入的度量指標。

（4）控制變量。參考相關(guān)學者的文獻，并綜合考慮數(shù)據(jù)可得性和相關(guān)性，本文選取企業(yè)年齡（Age）、 企業(yè)規(guī)模（Size）、 資產(chǎn)負債率（Lev）、 資本要素密集度（Cap）、股權(quán)集中度（Ten）、兩職合一（Dual）、 獨立董事比例（Inde）、 審計意見（Aud）作為控制變量。

上述各變量如表1所示，各變量方差膨脹系數(shù)（VIF）的計算結(jié)果均小于10，說明各變量之間不存在嚴重共線性問題。從表1各變量描述統(tǒng)計結(jié)果來看，數(shù)字化轉(zhuǎn)型Digit的均值為1.9779，標準差為1.5732，表明數(shù)字化轉(zhuǎn)型數(shù)據(jù)呈現(xiàn)正態(tài)分布，其最大值和最小值分別為5.3565和0，表明不同企業(yè)間的數(shù)字化轉(zhuǎn)型存在較大差異；數(shù)字金融DiFin均值為5.1900，標準差為0.4457，最大值和最小值分別為5.7708和4.0167，表明數(shù)字金融DiFin在不同地區(qū)的發(fā)展程度也存在一定差異，使得本文研究具有一定的現(xiàn)實意義。另外本文選取的控制變量分布值域也比較廣，能夠?qū)Ρ疚牡难芯科鸬揭欢ǖ目刂谱饔?，對本文的研究也有一定影響作用?/p>

表1 各變量說明和描述性統(tǒng)計

2.3 樣本選擇與數(shù)據(jù)來源

本文選擇2011～2020年A股制造業(yè)企業(yè)作為初始研究樣本。其中企業(yè)數(shù)據(jù)來源于Wind系統(tǒng)數(shù)據(jù)庫，企業(yè)所在城市的數(shù)字金融指數(shù)數(shù)據(jù)來源于北京大學數(shù)字金融研究中心 《北京大學數(shù)字普惠金融指數(shù)》，企業(yè)的數(shù)字化轉(zhuǎn)型數(shù)據(jù)來源于廣東金融學院 《中國上市企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)評價研究報告》。在進行樣本篩選過程中，按照以下原則進行處理：（1）剔除ST等經(jīng)營不善的上市企業(yè)；（2）剔除營業(yè)收入和現(xiàn)金流小于0的經(jīng)營數(shù)據(jù)異常和不連續(xù)的觀測值； （3）剔除數(shù)字金融數(shù)據(jù)地市級數(shù)據(jù)和上市企業(yè)地市級數(shù)據(jù)不匹配（變量缺失）的觀測值。經(jīng)過上述處理，最終得到2011～2020年間19831個樣本數(shù)據(jù)（基于數(shù)據(jù)的可獲得性，不包括港、澳、臺地區(qū)）。為了消除異常值的影響，本文對所有連續(xù)變量1%和99%分位上進行了Winsorize處理。本文使用的分析軟件為Stata15。

3 實證分析

3.1 基本回歸

表2報告了數(shù)字金融和企業(yè)數(shù)字化轉(zhuǎn)型的回歸結(jié)果。列 （1）和 （2）結(jié)果顯示，在加入控制變量前后系數(shù)DiFin在1%水平上顯著為正，表明數(shù)字金融能促進制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型；在此基礎上分別加入時間、地區(qū)和行業(yè)固定效應后回歸，列 （3）和 （4）的回歸結(jié)果顯示系數(shù)DiFin在1%水平上仍然顯著為正，進一步表明數(shù)字金融發(fā)展能促進制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型，本文假設1成立。數(shù)字金融發(fā)展降低了制造業(yè)企業(yè)獲得信貸資金的門檻、縮短借款審批流程，使資金的回報率上升［27］，充沛的資金有助于制造業(yè)企業(yè)開展數(shù)字化轉(zhuǎn)型。

表2 基本回歸

3.2 穩(wěn)健性檢驗

（1）替換被解釋變量。本文首先采用省級數(shù)字金融數(shù)據(jù)替換被解釋變量進行穩(wěn)健性檢驗，結(jié)果如表3列 （1）和 （2）所示。從回歸結(jié)果來看，在加入控制變量和固定效應前后，系數(shù)DiFin分別在10%和1%水平上顯著為正，表明在更換被解釋變量后，數(shù)字金融能促進制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)論依然成立，本文假設1初步得到驗證。

（2） 剔除異常值。 借鑒唐松等 （2020）［28］、潘藝等 （2023）［29］的方法，考慮到2015年中國股災和2020年新冠肺炎疫情對上市企業(yè)的影響，以及直轄市存在較大經(jīng)濟特殊性對數(shù)字金融發(fā)展的影響，所以將上述不易觀測卻又真實存在的重大影響因素剔除，然后分別進行回歸，結(jié)果見表3列 （3）～（6）所列。從回歸結(jié)果來看，加入控制變量前后系數(shù)DiFin在1%水平上顯著為正，表明在剔除異常值后，數(shù)字金融有助于制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)論成立，本文假設1再次得到驗證。

表3 穩(wěn)健性檢驗-剔除異常值

（3）內(nèi)生性檢驗。為避免反向因果問題，減少內(nèi)生性的干擾，本文參考楊君等 （2021）［30］的處理方法，對數(shù)字金融變量進行了滯后1期、滯后2期和滯后3期處理。并且借鑒黃群慧等 （2019）［26］的方法，選取各城市1985年每百人固定電話數(shù)量和每萬人郵局數(shù)量作為地區(qū)數(shù)字金融發(fā)展的工具變量。從內(nèi)生性檢驗結(jié)果（表略）來看，F(xiàn)值均遠超過臨界值（10），所以可以排除弱工具變量的問題，說明本文選取的工具變量合理有效。在考慮了潛在的內(nèi)生性問題之后，回歸系數(shù)DiFin依然顯著為正，說明數(shù)字金融發(fā)展對制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型有顯著促進作用，本文假設1又一次得到驗證。

（4）更換標準誤聚類層級。為了使回歸結(jié)果穩(wěn)健，本文檢驗了標準誤聚類層級的穩(wěn)健性（表略）。從回歸結(jié)果來看，行業(yè)聚類、地區(qū)聚類、行業(yè)*地區(qū)聚類和企業(yè)聚類的顯著性并沒有發(fā)生顯著變化。因此，可以認為數(shù)字金融發(fā)展可以促進制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)論不會隨著標準誤層級的改變而發(fā)生明顯的波動，進一步驗證了本文假設1結(jié)果穩(wěn)健。

4 進一步研究：傳導機制和異質(zhì)性分析

4.1 傳導機制分析

（1）人才引進的機制分析。將人才引進（Hum）作為中介變量代入模型 （2）和 （3）后回歸，結(jié)果如表4列 （2）和 （3）所示。列 （2）的系數(shù)DiFin在1%水平上顯著為正，表明數(shù)字金融發(fā)展能促進制造業(yè)企業(yè)人才引進；列 （3）的系數(shù)Hum在1%水平上顯著為正，系數(shù)DiFin不顯著，表明數(shù)字金融發(fā)展通過人才引進促進了制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，其中人才引進起到了完全中介效應，本文假設2初步成立。針對上述結(jié)果，本文先進行Sobel檢驗，結(jié)果顯示P為0（小于0.05），驗證了人才引進（Hum）的中介效應存在；再使用Bootstrap檢驗，在1000次抽樣后回歸結(jié)果顯示95%置信區(qū)間為［0.1259，0.1548］（區(qū)間結(jié)果不包含0），再次驗證了人才引進（Hum）的中介效應存在，本文假設2驗證成立。主要原因是：隨著數(shù)字技術(shù)的推廣應用，企業(yè)原有人員架構(gòu)不能有效支撐企業(yè)數(shù)字化轉(zhuǎn)型。數(shù)字金融發(fā)展使得企業(yè)獲得更多的融資資金，有助于企業(yè)招聘高素質(zhì)人才來支持企業(yè)數(shù)字化轉(zhuǎn)型。隨著高素質(zhì)人才的加入，相關(guān)人才在不同的崗位上發(fā)揮作用，有效地支撐并促進了企業(yè)數(shù)字化轉(zhuǎn)型。

（2）研發(fā)投入的機制分析。按照上述方法將研發(fā)投入（RDP）作為中介變量進行回歸，結(jié)果如表4列 （4）和 （5）所示?；貧w結(jié)果表明，數(shù)字金融發(fā)展可以促進企業(yè)研發(fā)投入，企業(yè)的研發(fā)投入促進了企業(yè)數(shù)字化轉(zhuǎn)型，其中研發(fā)投入起到了部分中介效應作用，本文假設3成立。Sobel和Bootstrap檢驗結(jié)果表明研發(fā)投入的中介效應存在，因此本文假設3驗證成立。主要原因是：制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型需要研發(fā)投入，而研發(fā)投入又需要持續(xù)的資金支持，數(shù)字金融發(fā)展緩解了企業(yè)融資困境，讓企業(yè)比以往能獲得更充足的資金，因而有效的促進了制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型。

表4 傳導機制分析-人才引進和研發(fā)投入

4.2 異質(zhì)性分析

（1）數(shù)字金融異質(zhì)性分析。數(shù)字金融指數(shù)包含：覆蓋廣度（DiExt）、使用深度（DiDep）和數(shù)字化程度（DiLev）3個維度，不同維度的發(fā)展對企業(yè)數(shù)字化轉(zhuǎn)型的影響可能存在異質(zhì)性。表5回歸結(jié)果表明：覆蓋廣度、使用深度和數(shù)字化程度3個維度都能促進制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，其中使用深度對企業(yè)數(shù)字化轉(zhuǎn)型的影響最大，覆蓋廣度次之，數(shù)字化程度最小。從 《北京大學數(shù)字普惠金融指數(shù)》報告來看，2015年后，使用深度和覆蓋廣度呈現(xiàn)增長趨勢，前者明顯快于后者，而數(shù)字化程度呈現(xiàn)小幅下降趨勢。從3個維度對企業(yè)數(shù)字化轉(zhuǎn)型的影響程度來看，同樣呈現(xiàn)使用深度影響程度最大，數(shù)字化程度最弱，只有覆蓋廣度的41.87%，使用深度的31.46%。由此可見，數(shù)字化金融各細分維度的發(fā)展對企業(yè)數(shù)字化轉(zhuǎn)型的影響有顯著相關(guān)性，其中使用深度的影響最大。

表5 異質(zhì)性分析-數(shù)字金融異質(zhì)性

（2）數(shù)字化轉(zhuǎn)型異質(zhì)性分析。制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型包括：人工智能技術(shù)（AI）、大數(shù)據(jù)技術(shù)（DATA）、云計算技術(shù)（Cloud）、區(qū)塊鏈技術(shù)（Block）和數(shù)字技術(shù)運用（APP）5個維度，數(shù)字金融發(fā)展對數(shù)字化轉(zhuǎn)型的不同維度存在異質(zhì)性影響。表6回歸結(jié)果表明：數(shù)字金融對大數(shù)據(jù)技術(shù)、云計算技術(shù)和數(shù)字技術(shù)運用都有促進作用，而對人工智能技術(shù)、區(qū)塊鏈技術(shù)沒有顯著影響。從對比來看，數(shù)字金融對云計算技術(shù)影響作用最大，數(shù)字技術(shù)運用次之，大數(shù)據(jù)技術(shù)最小?？赡茉蚴牵褐圃鞓I(yè)企業(yè)的數(shù)字化轉(zhuǎn)型中，大數(shù)據(jù)技術(shù)是一項基礎性建設工作，比較容易實現(xiàn)；企業(yè)的信息系統(tǒng)將收集到的數(shù)據(jù)進行整理、計算、統(tǒng)計并出具不同維度的分析報表，為不同管理層提供決策依據(jù)，因而促進了云計算技術(shù)的快速發(fā)展；企業(yè)APP的廣泛使用，促進了數(shù)字技術(shù)的廣泛應用；相比之下，我國人工智能還在起步階段，沒有實現(xiàn)深度的應用，數(shù)字貨幣也在調(diào)試階段，區(qū)塊鏈技術(shù)也沒有廣泛應用。

表6 異質(zhì)性分析-數(shù)字化轉(zhuǎn)型異質(zhì)性

（3）企業(yè)規(guī)模異質(zhì)性分析。按照企業(yè)規(guī)模的差異，可以分為大型、中型和小型企業(yè)。從表7列 （1）～（3）的回歸結(jié)果來看，數(shù)字金融發(fā)展對大中型企業(yè)的數(shù)字化轉(zhuǎn)型有顯著促進作用，而對小型企業(yè)的數(shù)字化轉(zhuǎn)型有抑制作用。進一步研究發(fā)現(xiàn)，人才引進和研發(fā)投入在數(shù)字金融對大中型企業(yè)數(shù)字化轉(zhuǎn)型過程中都起到了中介效應，而在小型企業(yè)的數(shù)字化轉(zhuǎn)型過程中，人才引進和研發(fā)投入并沒有起到中介效應。因此，小型企業(yè)無法像大中型企業(yè)成功數(shù)字化轉(zhuǎn)型的原因可能是：小型企業(yè)基礎比較薄弱，人才和技術(shù)比較欠缺，數(shù)字金融雖然緩解了小型企業(yè)融資困境，但數(shù)字化轉(zhuǎn)型需要持續(xù)投入大量資金用于人才引進和研發(fā)投入，而小型企業(yè)往往缺乏持續(xù)的資金投入，因此制約了數(shù)字化轉(zhuǎn)型；另外，數(shù)字化轉(zhuǎn)型是一個非常復雜的過程［31］，不僅僅是購買數(shù)字化軟件和設備，還要全面推進產(chǎn)品、服務、流程、模式和組織的數(shù)字化轉(zhuǎn)型，需要企業(yè)領(lǐng)導層有全面的、整體的、戰(zhàn)略性的思維，相比之下，小型企業(yè)的負責人缺少這方面的意識和能力，因此小型企業(yè)數(shù)字化轉(zhuǎn)型比較困難甚至失敗。

（4）企業(yè)所有制異質(zhì)性分析。按照企業(yè)所有制的差異，可以分為國有、民營、外資和其他企業(yè)。從表7列 （4）～（6）的回歸結(jié)果來看，數(shù)字金融發(fā)展對國有企業(yè)數(shù)字化轉(zhuǎn)型影響最大，民營企業(yè)次之，對外資企業(yè)沒有顯著影響?？赡茉蚴牵簲?shù)字化轉(zhuǎn)型是國家的重要戰(zhàn)略方向，國有企業(yè)必須契合國家戰(zhàn)略實現(xiàn)數(shù)字化轉(zhuǎn)型［32］，并且國有企業(yè)有國家信譽支撐，資源和市場具有優(yōu)勢地位，更容易獲得金融機構(gòu)的青睞，國有企業(yè)有比較充足的資金和人才支撐數(shù)字化轉(zhuǎn)型的工作［33］，因此國有企業(yè)在數(shù)字金融發(fā)展過程中，更容易開展并實現(xiàn)數(shù)字化轉(zhuǎn)型；相對于國有企業(yè)，民營企業(yè)在資金和人才方面明顯缺乏優(yōu)勢，因此數(shù)字金融發(fā)展對民營企業(yè)數(shù)字化轉(zhuǎn)型的影響力度較弱；而在我國發(fā)展的外資企業(yè)大多數(shù)是國外總部在中國設立的子公司或者合資公司，研發(fā)都集中在國外總部，中國子公司往往承擔制造和生產(chǎn)工作，并且其生產(chǎn)設備、技術(shù)水平和管理流程都受國外總部的管理和支持，并且都已經(jīng)達到領(lǐng)先水平，因此我國數(shù)字金融發(fā)展對外資企業(yè)的數(shù)字化轉(zhuǎn)型影響并不顯著。

（5）企業(yè)密集性異質(zhì)性分析。按照制造業(yè)企業(yè)密度性的差異，可以將企業(yè)分類為勞動、資本和技術(shù)密集型企業(yè)。從表7列 （7）～（9）的回歸結(jié)果來看，數(shù)字金融發(fā)展對技術(shù)密集性企業(yè)數(shù)字化轉(zhuǎn)型有顯著影響，對勞動和資本密集型企業(yè)沒有顯著影響。通過傳導機制研究發(fā)現(xiàn)，勞動密集型企業(yè)的數(shù)字化轉(zhuǎn)型，人才引進和研發(fā)投入都沒有起到中介效應，而技術(shù)密集型企業(yè)的數(shù)字化轉(zhuǎn)型，人才引進和研發(fā)投入都起到了中介效應。由此可見，技術(shù)密集型企業(yè)的數(shù)字化轉(zhuǎn)型需要大量資金的支持，而數(shù)字金融發(fā)展正好解決技術(shù)密集型企業(yè)的資金需求，技術(shù)密集型企業(yè)在資金支持下，通過人才引進和研發(fā)投入，實現(xiàn)了數(shù)字化轉(zhuǎn)型；我國大多數(shù)勞動密集型企業(yè)仍從事低附加值的手工制作，對通過投入大量資金進行數(shù)字化轉(zhuǎn)型的意識和需求并不高，數(shù)字金融發(fā)展大多數(shù)是解決企業(yè)日常經(jīng)營和生產(chǎn)的資金流問題，因此數(shù)字金融對勞動密集型企業(yè)的數(shù)字化轉(zhuǎn)型影響并不顯著；我國大量資本密集型企業(yè)處于行業(yè)壟斷地位，一直受金融機構(gòu)的青睞，受融資約束影響較少，因此數(shù)字金融發(fā)展對其數(shù)字化轉(zhuǎn)型的影響也不顯著。

表7 異質(zhì)性分析-企業(yè)規(guī)模、所有制、密集性異質(zhì)性

5 總結(jié)和政策建議

5.1 研究總結(jié)

本文選取2011～2020年中國A股制造業(yè)上市企業(yè)為研究樣本，匹配對應的數(shù)字金融和數(shù)字化轉(zhuǎn)型數(shù)據(jù)，通過實證研究發(fā)現(xiàn)：（1）數(shù)字金融發(fā)展能夠顯著促進制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型； （2）作用機制研究發(fā)現(xiàn)，數(shù)字金融通過人才引進和研發(fā)投入的途徑促進制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型；（3）異質(zhì)性分析顯示：數(shù)字金融發(fā)展的3個維度都能顯著促進企業(yè)轉(zhuǎn)型，其中使用深度作用最大；數(shù)字金融發(fā)展能顯著促進大數(shù)據(jù)、云計算技術(shù)的發(fā)展，以及數(shù)字技術(shù)的運用，但對人工智能和區(qū)塊鏈技術(shù)的發(fā)展沒有顯著影響；數(shù)字金融能顯著促進大中型企業(yè)、國有和民營企業(yè)、技術(shù)密集型企業(yè)的數(shù)字化轉(zhuǎn)型，對外資、勞動和資本密集型企業(yè)沒有顯著影響，而對小型企業(yè)的數(shù)字化轉(zhuǎn)型有抑制作用。

5.2 政策建議

根據(jù)上述研究結(jié)論，提出以下3點政策建議：（1）進一步加大數(shù)字金融發(fā)展的力度，但發(fā)展重點應該從覆蓋廣度向使用深度轉(zhuǎn)移，可以從政策層面上鼓勵和引導金融機構(gòu)加大數(shù)字金融使用深度的發(fā)展，在風險可控的基礎上立足于客戶視角進行功能開發(fā)和完善，讓數(shù)字金融的各項應用更能滿足客戶的需求；（2）國家相關(guān)部門牽頭制定并完善數(shù)字技術(shù)的標準和規(guī)范，數(shù)字金融大力支持科技公司開發(fā)數(shù)字化產(chǎn)品，實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的統(tǒng)一平臺和管理軟件，在數(shù)字金融的支持下推動小微企業(yè)和勞動密集型企業(yè)逐步開展數(shù)字化轉(zhuǎn)型工作；（3）數(shù)字金融重點扶持人工智能和區(qū)塊鏈技術(shù)，加快人工智能和區(qū)塊鏈技術(shù)的市場化應用，促進制造業(yè)全面數(shù)字化轉(zhuǎn)型的發(fā)展；（4）從企業(yè)角度來說，應該逐步開展數(shù)字化轉(zhuǎn)型工作，避免因全面開展數(shù)字化轉(zhuǎn)型而造成的資金短缺進而引起的企業(yè)風險。