趙峰 高嬌嬌 唐昭輝

摘? ?要：數(shù)字化轉(zhuǎn)型為企業(yè)帶來(lái)了積極影響，在一定程度上促進(jìn)了企業(yè)的發(fā)展。以往的文獻(xiàn)集中研究了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)績(jī)效、融資約束的影響，較少關(guān)注對(duì)企業(yè)權(quán)益資本成本的作用。本文基于Python爬蟲(chóng)和文本分析技術(shù)自行構(gòu)建中國(guó)“企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)”，以2010—2021年中國(guó)A股上市公司為樣本進(jìn)行研究，研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型能夠促進(jìn)權(quán)益資本成本的降低，該項(xiàng)結(jié)論在進(jìn)行了一系列穩(wěn)健性檢驗(yàn)后仍然成立。在影響機(jī)制方面，企業(yè)數(shù)字化轉(zhuǎn)型可以通過(guò)降低信息不對(duì)稱(chēng)、提升股票流動(dòng)性以及提升企業(yè)的創(chuàng)新水平等渠道促進(jìn)權(quán)益資本成本的下降。進(jìn)一步研究發(fā)現(xiàn)，對(duì)于非國(guó)有企業(yè)、低股權(quán)集中度企業(yè)和高行業(yè)集中度企業(yè)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的降低作用更加顯著。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；權(quán)益資本成本；信息不對(duì)稱(chēng)；股票流動(dòng)性；創(chuàng)新水平

中圖分類(lèi)號(hào)：F832? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2023）03-0042-10

DOI：10.19647/j.cnki.37-1462/f.2023.03.007

一、引言

黨的二十大報(bào)告提出“加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群”。數(shù)字經(jīng)濟(jì)加速了企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程，使得產(chǎn)業(yè)格局在過(guò)去十年發(fā)生了劇烈的震蕩 （Sadeghi等，2021）[1]，置身于“數(shù)字化產(chǎn)業(yè)”及“產(chǎn)業(yè)數(shù)字化”大潮中的企業(yè)更是面臨著前所未有的機(jī)遇和挑戰(zhàn)（張永珅等，2021）[2]。顯然，數(shù)字化發(fā)展已經(jīng)成為當(dāng)代企業(yè)需要開(kāi)展的一個(gè)戰(zhàn)略要?jiǎng)?wù)，其不斷涌現(xiàn)的新產(chǎn)品、新服務(wù)和新業(yè)態(tài)，更是驅(qū)動(dòng)著人們對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的研究。為此，越來(lái)越多的企業(yè)開(kāi)始投身到數(shù)字化轉(zhuǎn)型的浪潮之中，做好管理變革，識(shí)別市場(chǎng)模式和機(jī)會(huì)，利用數(shù)字技術(shù)推動(dòng)企業(yè)轉(zhuǎn)型升級(jí)。

客觀來(lái)看，企業(yè)的轉(zhuǎn)型行為必然會(huì)在一定程度上映射至資本市場(chǎng)活動(dòng)中（吳非等，2021）[3]。其中權(quán)益資本成本作為公司股東的必要收益率，是衡量資本市場(chǎng)發(fā)展水平和資源配置效率的重要標(biāo)準(zhǔn)（毛新述等，2012）[4]。企業(yè)數(shù)字化轉(zhuǎn)型在一定程度上能夠緩解企業(yè)的融資約束和降低企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，這些又與權(quán)益資本成本有密切關(guān)系。在此背景下我們不禁思考，數(shù)字化轉(zhuǎn)型能否降低企業(yè)權(quán)益資本成本？其作用機(jī)制又是什么？通過(guò)回答上述問(wèn)題，能夠從微觀層面進(jìn)一步補(bǔ)充企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)施效果，從而深入了解資本市場(chǎng)的資源配置效率、財(cái)務(wù)質(zhì)量以及投融資決策，為相關(guān)政策制定提供經(jīng)驗(yàn)證據(jù)。 鑒于此，本文以2010—2021年中國(guó)A股上市公司為研究樣本，利用文本分析法統(tǒng)計(jì)企業(yè)年報(bào)中與數(shù)字化轉(zhuǎn)型有關(guān)的詞頻來(lái)構(gòu)建“企業(yè)數(shù)字化轉(zhuǎn)型”指標(biāo)，實(shí)證檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響。

本文的主要貢獻(xiàn)在于：第一，以企業(yè)數(shù)字化轉(zhuǎn)型為切入點(diǎn)，拓寬了權(quán)益資本成本影響因素的研究領(lǐng)域。以往研究從企業(yè)的資產(chǎn)質(zhì)量、經(jīng)營(yíng)風(fēng)險(xiǎn)、核心競(jìng)爭(zhēng)力（王化成等，2017；張修平等，2020；戚聿東等，2021）[5-7]等企業(yè)特征方面研究了權(quán)益資本成本的影響因素，而本文從數(shù)字領(lǐng)域視角出發(fā)，拓寬了有關(guān)權(quán)益資本成本的研究。第二，豐富了企業(yè)數(shù)字化轉(zhuǎn)型的研究成果。本文從更加多維的角度出發(fā)，通過(guò)中介效應(yīng)模型檢驗(yàn)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型主要是通過(guò)影響信息不對(duì)稱(chēng)、股票流動(dòng)性以及企業(yè)創(chuàng)新水平來(lái)發(fā)揮作用的，并在此基礎(chǔ)上進(jìn)行一系列實(shí)證檢驗(yàn)，為深刻認(rèn)識(shí)企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果提供了微觀層面的證據(jù)。第三，本研究高度契合國(guó)家數(shù)字化發(fā)展戰(zhàn)略，對(duì)于鼓勵(lì)中小企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型以提升其自身競(jìng)爭(zhēng)力和推動(dòng)建設(shè)“數(shù)字中國(guó)”具有重要價(jià)值。

二、理論分析與研究假設(shè)

從已有文獻(xiàn)看，針對(duì)權(quán)益資本成本的影響因素已經(jīng)有較多較深入的研究。具體來(lái)講，在宏觀層面，學(xué)者們主要研究了市場(chǎng)環(huán)境、治理環(huán)境、法律制度和證券監(jiān)管 （La Porta等，2002；Hail和Leuz，2006；肖作平和周嘉嘉，2012；廖義剛，2015）[8-11]等對(duì)權(quán)益資本成本的影響；而在微觀層面，很多文獻(xiàn)從市場(chǎng)風(fēng)險(xiǎn)、公司治理、信息透明度、機(jī)構(gòu)投資者行為（Chen等，2009；支曉強(qiáng)和何天芮，2010；周嘉南和雷霆，2014；代昀昊，2018）[12-15]等方面進(jìn)行深入研究。上述文獻(xiàn)對(duì)于深入了解權(quán)益資本成本的影響機(jī)制大有裨益。

作為公司內(nèi)部重要的財(cái)務(wù)衡量指標(biāo)，權(quán)益資本成本反映了企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)以及再融資的能力，也是衡量資本市場(chǎng)發(fā)展水平和資源配置效率的重要標(biāo)準(zhǔn)。而企業(yè)數(shù)字化轉(zhuǎn)型在數(shù)字經(jīng)濟(jì)的驅(qū)動(dòng)下成為當(dāng)今社會(huì)經(jīng)濟(jì)發(fā)展的必然趨勢(shì)， 能夠?qū)ζ髽I(yè)生產(chǎn)經(jīng)營(yíng)及決策產(chǎn)生一定的影響（韋誼成等，2022）[16]，從而影響企業(yè)權(quán)益資本成本。

首先，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)降低信息不對(duì)稱(chēng)程度來(lái)降低權(quán)益資本成本。企業(yè)內(nèi)外的信息不對(duì)稱(chēng)程度是影響公司權(quán)益資本成本的重要因素（戚聿東等，2021）[7]，而數(shù)字技術(shù)的應(yīng)用能夠有效地降低企業(yè)的信息不對(duì)稱(chēng)程度，進(jìn)而起到降低權(quán)益資本成本的作用。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型作為一種新的商業(yè)模式，通過(guò)運(yùn)用計(jì)算機(jī)、區(qū)塊鏈、物聯(lián)網(wǎng)等數(shù)字化技術(shù)，能更加充分地獲取和加工有效信息，使得市場(chǎng)主體獲取信息更加有效精準(zhǔn)，從而消除各種信息不對(duì)稱(chēng)。相關(guān)研究也表明，企業(yè)數(shù)字化轉(zhuǎn)型不僅能夠通過(guò)強(qiáng)化對(duì)海量數(shù)據(jù)的處理能力緩解信息不對(duì)稱(chēng)程度，進(jìn)而增強(qiáng)市場(chǎng)預(yù)期，提高資本市場(chǎng)流動(dòng)性（吳非等，2021）[3]，同時(shí)也可以通過(guò)改善企業(yè)信息與營(yíng)商環(huán)境降低企業(yè)信息不對(duì)稱(chēng)程度（盛思思和徐展，2022）[17]。隨著企業(yè)信息不對(duì)稱(chēng)程度的降低，投資者能夠通過(guò)更有效地獲取信息了解企業(yè)的真實(shí)運(yùn)營(yíng)狀況，降低投資者的估計(jì)風(fēng)險(xiǎn)，進(jìn)而降低公司的權(quán)益資本成本（張修平等，2020）[6]。此外，企業(yè)信息不對(duì)稱(chēng)程度的降低能夠進(jìn)一步加強(qiáng)投資者對(duì)公司信息披露質(zhì)量的認(rèn)識(shí)，通過(guò)提高公司信息披露質(zhì)量降低投資者的期望報(bào)酬率，從而促進(jìn)公司權(quán)益資本成本的下降（Coles等， 1995）[18]。

其次，企業(yè)數(shù)字化轉(zhuǎn)型可以通過(guò)提升股票流動(dòng)性來(lái)降低權(quán)益資本成本。股票流動(dòng)性是資本市場(chǎng)價(jià)格發(fā)現(xiàn)、信息流動(dòng)、資源配置的基礎(chǔ)（陳輝和顧乃康，2017）[19]，在很大程度上映射出了市場(chǎng)主體以合理價(jià)格交易資產(chǎn)的能力，與企業(yè)的權(quán)益資本成本具有天然的聯(lián)系，提升股票流動(dòng)性是降低公司權(quán)益資本成本的一個(gè)重要途徑（Amihud和Mendelson，2006）[20]。數(shù)字化轉(zhuǎn)型作為企業(yè)內(nèi)部一種新的變革方式，能夠通過(guò)提升企業(yè)的財(cái)務(wù)價(jià)值和財(cái)務(wù)穩(wěn)定性等機(jī)制促進(jìn)股票流動(dòng)性的提升，進(jìn)而降低權(quán)益資本成本。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型程度的提高可視為向資本市場(chǎng)釋放良好信號(hào)，將會(huì)增強(qiáng)投資者對(duì)企業(yè)未來(lái)發(fā)展的信心，使得其投資情緒高漲積極買(mǎi)進(jìn)該企業(yè)股票，通過(guò)股票交易量的攀升來(lái)提升企業(yè)股票流動(dòng)性。隨著股票流動(dòng)性的提升，企業(yè)投資者能夠更好地了解公司內(nèi)部發(fā)展?fàn)顩r（Easley和O'hara，2004）[21]，改善資本配置效率，通過(guò)降低投資者的轉(zhuǎn)讓權(quán)實(shí)現(xiàn)成本使其期望獲取的轉(zhuǎn)讓風(fēng)險(xiǎn)補(bǔ)償降低，進(jìn)而促進(jìn)企業(yè)權(quán)益資本成本的降低（Diamond和Verrecchia，1991）[22]。

最后，企業(yè)數(shù)字化轉(zhuǎn)型可以通過(guò)提升企業(yè)的創(chuàng)新水平來(lái)降低權(quán)益資本成本。企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)充分驅(qū)動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)賦能企業(yè)創(chuàng)新活動(dòng)，改變企業(yè)創(chuàng)新模式和創(chuàng)新體系，從而降低權(quán)益資本成本。一方面，數(shù)字經(jīng)濟(jì)的發(fā)展使得客戶(hù)與企業(yè)更加了解對(duì)方，客戶(hù)提高了對(duì)產(chǎn)品生產(chǎn)和制造的認(rèn)知，進(jìn)而對(duì)企業(yè)產(chǎn)品和服務(wù)產(chǎn)生更高的心理預(yù)期，企業(yè)將會(huì)加大研發(fā)投入，強(qiáng)化創(chuàng)新動(dòng)能。隨著創(chuàng)新投入的提高，投資者獲得的超額收益也就越高（周銘山等，2017）[23]，進(jìn)而促進(jìn)權(quán)益資本成本的顯著降低。另一方面，進(jìn)行實(shí)體經(jīng)營(yíng)的企業(yè)往往可以通過(guò)數(shù)字化變革增強(qiáng)其創(chuàng)新能力（何帆和劉紅霞，2019）[24]，改善信息處理、加工、流通效率，提升創(chuàng)新潛能。數(shù)字化轉(zhuǎn)型在促進(jìn)傳統(tǒng)企業(yè)改革的同時(shí)，智能技術(shù)取代了一部分低技能工作，增加了企業(yè)對(duì)高新技術(shù)人才的需求，提高了企業(yè)人力資本水平，進(jìn)而促進(jìn)了企業(yè)內(nèi)部創(chuàng)新研發(fā)活動(dòng)與管理效率（安同良和聞銳，2022）[25]。而企業(yè)在提升創(chuàng)新水平實(shí)現(xiàn)產(chǎn)品差異化生產(chǎn)、擴(kuò)大市場(chǎng)份額的同時(shí)能夠提升企業(yè)的市場(chǎng)競(jìng)爭(zhēng)地位，優(yōu)化生產(chǎn)流程，從而有助于提升生產(chǎn)效率，降低生產(chǎn)成本，進(jìn)而有助于降低企業(yè)的權(quán)益資本成本?；谝陨戏治觯疚奶岢鲆韵录僭O(shè)：

假設(shè)H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠降低企業(yè)權(quán)益資本成本。

假設(shè) H2a：企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)降低信息不對(duì)稱(chēng)程度來(lái)降低權(quán)益資本成本。

假設(shè) H2b：企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)提升股票流動(dòng)性來(lái)降低權(quán)益資本成本。

假設(shè) H2c：企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)提升企業(yè)的創(chuàng)新水平來(lái)降低權(quán)益資本成本。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

本文選取2010—2021年我國(guó)A股上市公司的數(shù)據(jù)為研究樣本，探索數(shù)字化轉(zhuǎn)型對(duì)公司權(quán)益資本成本的影響。所有初始數(shù)據(jù)來(lái)源于萬(wàn)得和國(guó)泰安數(shù)據(jù)庫(kù)，并作如下處理：第一，剔除金融行業(yè)企業(yè)；第二，剔除ST、ST*、PT以及期間退市的股票；第三，為了減少極端值對(duì)整體分析的影響，對(duì)所有連續(xù)控制變量進(jìn)行了1%和99%的縮尾處理，最終得到18428條觀測(cè)值。在回歸結(jié)果中對(duì)行業(yè)效應(yīng)與年份效應(yīng)均進(jìn)行了控制。

（二）主要變量定義

1. 解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（DCGI）。本文借鑒袁淳等（2021）[26]做法，對(duì)企業(yè)年報(bào)“管理層討論與分析”中關(guān)鍵詞進(jìn)行python爬蟲(chóng)抓取，與企業(yè)數(shù)字化術(shù)語(yǔ)詞典進(jìn)行文本匹配以及頻數(shù)統(tǒng)計(jì)，得到每家上市公司歷年年報(bào)中各個(gè)關(guān)鍵詞的出現(xiàn)頻率后，采用企業(yè)數(shù)字化相關(guān)詞匯頻數(shù)總和除以年報(bào)“管理層討論與分析”語(yǔ)段長(zhǎng)度衡量微觀企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，并將該指標(biāo)乘以 100，該數(shù)值越大，表示企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

2. 被解釋變量：權(quán)益資本成本（COC）。權(quán)益資本成本的研究已經(jīng)相對(duì)成熟，主要包括早期的資本資產(chǎn)定價(jià)模型（CAPM）、后期的三因素模型和套利定價(jià)理論。鑒于事后估計(jì)權(quán)益資本成本存在諸多缺陷，近年來(lái)學(xué)者的主要研究方向轉(zhuǎn)為事前估計(jì)。事前估計(jì)通常采用非正常盈余增長(zhǎng)模型，包括PEG模型、MPEG模型與OJ模型等。

Easton（2004）[27]提出了PEG模型和MPEG模型，這類(lèi)模型假定非正常收益的增長(zhǎng)率[△g]，存在一個(gè)期望變化率[g=（gt+1-gt）/gt]。

PEG模型中假設(shè)[△g]恒為0，得到：

其中，[epst+2]為分析師預(yù)測(cè)的第[t+2]期每股收益均值，[epst+1]為分析師預(yù)測(cè)的第[t+1]期每股收益均值，[Pt]為第t期期末的每股價(jià)格。同理，參考Easton（2004）[27]得到了MPEG模型，該模型假設(shè)在預(yù)測(cè)有限期內(nèi)，非正常收益增長(zhǎng)率的期望變化率不為零，其優(yōu)點(diǎn)是對(duì)股利政策沒(méi)有其他限定，能更好地解釋單個(gè)企業(yè)的預(yù)期收益和風(fēng)險(xiǎn)。進(jìn)一步地，本文借鑒肖作平（2016）[28]等，令長(zhǎng)期增長(zhǎng)率[γ-1]為5%得到了OJ模型。

已有研究表明，PEG 模型估計(jì)的權(quán)益資本成本能夠恰當(dāng)?shù)夭蹲降礁黠L(fēng)險(xiǎn)因素的影響，較其他權(quán)益資本成本模型更適合中國(guó)資本市場(chǎng)（毛新述等，2012）[4]。為此，本文將PEG模型得到的[rPEG]作為權(quán)益資本成本的代理指標(biāo)進(jìn)行實(shí)證分析，同時(shí)將MPEG模型以及OJ模型方法測(cè)算的權(quán)益資本成本[rMPEG]和[roj]用于穩(wěn)健性檢驗(yàn)中①。

3. 中介變量。（1）信息不對(duì)稱(chēng)指標(biāo)。本文借鑒宋敏等（2021）[29]和于蔚等（2012）[30]的做法，先構(gòu)建流動(dòng)性比率指標(biāo)（LR）、非流動(dòng)性比率指標(biāo)（ILL）、收益率反轉(zhuǎn)指標(biāo)（GAM）三個(gè)股票流動(dòng)性指標(biāo)， 然后對(duì)LR、ILL、GAM進(jìn)行主成分分析，提取它們的共同變異信息（即與非對(duì)稱(chēng)信息相關(guān)的成分），記為ASY，ASY越大，意味著信息不對(duì)稱(chēng)程度越高。（2）股票流動(dòng)性指標(biāo)。本文借鑒Roll（1984）[31]、Goyenko等（2009）[32]和張崢等（2014）[33]做法構(gòu)建如下指標(biāo)：

其中，[Pt] 為單個(gè)股票在[t]時(shí)期考慮現(xiàn)金紅利再投資的日收益率，[covΔPt，ΔPt-1]為單個(gè)股票在[t]時(shí)期考慮現(xiàn)金紅利再投資的日收益率的一階差分序列的協(xié)方差。（3）創(chuàng)新水平指標(biāo)。本文借鑒李壽喜和王袁晗（2022）[34]做法，采用研發(fā)人員占比（RD1 =研發(fā)人員人數(shù)/企業(yè)總?cè)藬?shù)）及研發(fā)投入占比（RD2=研發(fā)投入資金/營(yíng)業(yè)收入）指代。

4. 控制變量。本文參考以往有關(guān)文獻(xiàn)，控制了如下變量：公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)利潤(rùn)率（ROA）、現(xiàn)金流比率（Cashflow）、營(yíng)業(yè)收入增長(zhǎng)率（Growth）、管理費(fèi)用率（Mfee）、獨(dú)董比例（Indep）、托賓Q值（TobinQ）、賬面市值比（BM）。此外，還控制了行業(yè)和年份變量。

（三）模型設(shè)定

本文構(gòu)建以下模型進(jìn)行實(shí)證檢驗(yàn)：

模型（3）是本文的基準(zhǔn)回歸，被解釋變量[COC]為權(quán)益資本成本，核心解釋變量[DCGI]為企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，[Controls]為控制變量，[δ]為誤差項(xiàng)，本文主要考察[DCGI]的估計(jì)系數(shù)，若系數(shù)顯著為負(fù)，則表明企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了權(quán)益資本成本。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

本文主要變量描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2。其中，企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的均值為0.0659，最大值0.928，最小值為0，說(shuō)明各企業(yè)數(shù)字化轉(zhuǎn)型的程度存在較大差異。而權(quán)益資本成本的均值0.110，最大值0.295，最小值0.018，說(shuō)明各個(gè)企業(yè)在權(quán)益資本成本方面有顯著區(qū)別。企業(yè)規(guī)模Size均值為22.36，最小值19.52，最大值26.40，說(shuō)明各企業(yè)的資產(chǎn)實(shí)力差距很大。其他控制變量的均值和標(biāo)準(zhǔn)差也在正常范圍之內(nèi)。

（二）基準(zhǔn)回歸分析

表3是企業(yè)數(shù)字化轉(zhuǎn)型與權(quán)益資本成本的基準(zhǔn)回歸結(jié)果。第（1）列沒(méi)有加入控制變量、行業(yè)和年份固定效應(yīng)，結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.039，在1%水平上顯著；第（2）列控制了行業(yè)和年份固定效應(yīng)，第（3）列加入了控制變量但沒(méi)有控制行業(yè)和年份，第（4）列加入控制變量并控制行業(yè)和年份，第（5）列加入控制變量并控制年份和個(gè)體固定效應(yīng)。無(wú)論是否加入控制變量、行業(yè)固定效應(yīng)、年份固定效應(yīng)及個(gè)體固定效應(yīng)，解釋變量企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)均為負(fù)，且均在1%水平上顯著，這表明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低權(quán)益資本成本，從而證實(shí)了本文假設(shè)H1。

（三）穩(wěn)健性檢驗(yàn)

1. 替換被解釋變量。本文借鑒郭照蕊和黃?。?021）[35]方法，使用MPEG和OJ兩種模型重新測(cè)度權(quán)益資本成本，再次進(jìn)行檢驗(yàn)，具體結(jié)果見(jiàn)表4。替換被解釋變量之后，企業(yè)數(shù)字化轉(zhuǎn)型的估計(jì)系數(shù)仍然在1%的水平下顯著為負(fù)，證實(shí)了本文結(jié)論的穩(wěn)健性。

2. 傾向得分匹配法?？紤]到樣本選擇引起的內(nèi)生性問(wèn)題，本文采用傾向得分匹配法（PSM）進(jìn)行檢驗(yàn)。以企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型（0-1虛擬變量）為被解釋變量，以企業(yè)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、現(xiàn)金流比率、營(yíng)業(yè)收入增長(zhǎng)率、管理費(fèi)用率、獨(dú)董比例、賬面市值比和托賓Q值作為特征變量，按照一對(duì)一最近鄰匹配的原則進(jìn)行配對(duì)并計(jì)算傾向得分值，將匹配后的樣本重新進(jìn)行回歸?；貧w結(jié)果如表5所示，不論是否加入控制變量，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負(fù)，證明研究結(jié)論是穩(wěn)健的。

3.工具變量法。上文證實(shí)了企業(yè)數(shù)字化轉(zhuǎn)型會(huì)降低權(quán)益資本成本，但可能存在反向因果關(guān)系問(wèn)題，即權(quán)益資本成本低的企業(yè)才會(huì)進(jìn)行企業(yè)數(shù)字化轉(zhuǎn)型。為解決這一內(nèi)生性問(wèn)題，本文以企業(yè)數(shù)字化轉(zhuǎn)型的行業(yè)和年度均值（AVERDCGI）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量，采用兩階段最小二乘法（2SLS）進(jìn)行檢驗(yàn)。選擇該變量作為工具變量的原因在于：企業(yè)數(shù)字化轉(zhuǎn)型的行業(yè)和年度均值與單個(gè)企業(yè)數(shù)字化密切相關(guān)，但不容易直接影響企業(yè)的權(quán)益資本成本。本文采用Cragg-Donald Wald F 統(tǒng)計(jì)量檢驗(yàn)工具變量是否為弱工具變量，經(jīng)檢驗(yàn)可知該統(tǒng)計(jì)量在1%水平上顯著，拒絕工具變量識(shí)別不足的原假設(shè)。因此，本文選取的工具變量是合理的。表6第（1）列和第（2）列分別報(bào)告了工具變量法第一階段和第二階段的回歸結(jié)果，表7報(bào)告了第一階段F值為2379.47，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負(fù)，從而證明了本文實(shí)證結(jié)果的穩(wěn)健性。

4.多期雙重差分模型（DID）檢驗(yàn)。本文參考吳非等（2021）[3]和鄭建明等（2018）[36]，采用多期雙重差分模型（DID）來(lái)進(jìn)一步克服內(nèi)生性問(wèn)題，設(shè)置了實(shí)驗(yàn)組與對(duì)照組對(duì)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型前后進(jìn)行兩次差分，構(gòu)建雙重差分模型來(lái)檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型如何影響權(quán)益資本成本，具體設(shè)定如下：

其中，[du]為個(gè)體虛擬變量，如果公司在其間進(jìn)行數(shù)字化轉(zhuǎn)型，那么在當(dāng)年和之后年份[du]賦值為1，如果該公司一直未進(jìn)行數(shù)字化轉(zhuǎn)型，[du]賦值為0。[dt]為時(shí)期虛擬變量，如果公司在第t期進(jìn)行了數(shù)字化轉(zhuǎn)型，[dt]賦值為1，否則為0。[α2]為本文重要的待估參數(shù)，體現(xiàn)了企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型前后權(quán)益資本成本的變化情況。另外，鑒于政策效應(yīng)的直觀實(shí)證結(jié)果需要政策變化前后幾年都有足夠的觀察值，本文剔除了數(shù)字化轉(zhuǎn)型不到兩年的樣本以及連續(xù)實(shí)驗(yàn)期少于五年的樣本。

此外，為驗(yàn)證雙重差分模型的穩(wěn)健性，本文將模型（4）進(jìn)行一定變化并再次檢驗(yàn)：

其中，模型（5）著重控制了企業(yè)的行業(yè)固定效應(yīng)以及時(shí)間固定效應(yīng)，[β1]體現(xiàn)了企業(yè)推動(dòng)數(shù)字化轉(zhuǎn)型前后權(quán)益資本成本的變化，為關(guān)鍵的待估參數(shù)。進(jìn)一步地，考慮到模型中虛擬變量的設(shè)定可能忽視企業(yè)數(shù)字化轉(zhuǎn)型強(qiáng)度的影響，因此，通過(guò)帶有調(diào)節(jié)效應(yīng)的雙重差分模型來(lái)估計(jì)這一影響，具體模型如下：

其中，系數(shù)[λ1]作為主要待估參數(shù)，體現(xiàn)了企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型的強(qiáng)度大小對(duì)權(quán)益資本成本產(chǎn)生的影響。

表8第（1）列中，du[×]dt系數(shù)為-0.005，在1%的水平上顯著為負(fù)，這表明企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型后，權(quán)益資本成本有明顯降低。在第（2）列中，本文采用公式（5）進(jìn)行檢驗(yàn)，結(jié)果顯示：du×dt系數(shù)仍然顯著為負(fù)。第（3）列用公式（6）進(jìn)行檢驗(yàn)，實(shí)證結(jié)果顯示，du[×]dt[×]DCGI的回歸系數(shù)顯著為負(fù)（系數(shù)為-0.019），在采用雙重差分克服內(nèi)生性問(wèn)題后，企業(yè)數(shù)字化轉(zhuǎn)型所帶來(lái)的權(quán)益資本成本變化程度增加。

如表9所示，本文檢驗(yàn)了平行趨勢(shì)，即在數(shù)字化轉(zhuǎn)型的前四年到前一年（du-4至du-1），相關(guān)回歸系數(shù)的結(jié)果均無(wú)法通過(guò)統(tǒng)計(jì)顯著性檢驗(yàn)，表明實(shí)證結(jié)果基本通過(guò)了平行趨勢(shì)檢驗(yàn)。而且，數(shù)字化轉(zhuǎn)型的后一年到后四年（du+1至du+4）通過(guò)了1%的統(tǒng)計(jì)顯著性檢驗(yàn)，且有持續(xù)性特征。由此得知，經(jīng)過(guò)多重的穩(wěn)健性和內(nèi)生性處理，本文的核心結(jié)論保持著高度一致性，即企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本有顯著負(fù)向影響。

（四）異質(zhì)性檢驗(yàn)

1. 企業(yè)屬性。國(guó)有企業(yè)與非國(guó)有企業(yè)在資源獲取、市場(chǎng)份額、政策環(huán)境以及改革創(chuàng)新等諸多方面具有明顯差異（吳非等，2021）[3]。國(guó)有企業(yè)在經(jīng)營(yíng)許可和社會(huì)資源獲取方面通常有國(guó)家背書(shū)以及政府資源，從而擁有不錯(cuò)的市場(chǎng)份額，因此，面臨的競(jìng)爭(zhēng)壓力較小，面對(duì)政策變化通常有較長(zhǎng)的反應(yīng)時(shí)滯，對(duì)數(shù)字化變革較為遲鈍，本身進(jìn)行數(shù)字化轉(zhuǎn)型的意愿也不高。而非國(guó)有企業(yè)有著巨大的競(jìng)爭(zhēng)壓力，為了獲得更高的市場(chǎng)份額，通常會(huì)推行改革與創(chuàng)新，力求實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型到企業(yè)降本增效的正反饋調(diào)節(jié)。因此，在不同所有權(quán)性質(zhì)下，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響效果可能不同。為此，我們按照實(shí)際控制人的屬性將全樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)，分別進(jìn)行檢驗(yàn)。

從表10第（1）列和第（2）列可以看到，國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.020，而非國(guó)有企業(yè)的系數(shù)為-0.022，非國(guó)有企業(yè)組的系數(shù)絕對(duì)值更大。組間差異檢驗(yàn)中，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗(yàn) p 值為 0.001，在1%水平上顯著，說(shuō)明二者的系數(shù)差異是顯著的。因此，相對(duì)于國(guó)有企業(yè)，非國(guó)有企業(yè)的數(shù)字化轉(zhuǎn)型程度對(duì)于降低權(quán)益資本成本的效果更大。

2. 股權(quán)集中度。股權(quán)集中度高的行業(yè)通常為傳統(tǒng)行業(yè)及房地產(chǎn)行業(yè)，此類(lèi)行業(yè)所采用的商業(yè)模式也是非常完善和系統(tǒng)的，穩(wěn)定性較高，受到數(shù)字化變革的沖擊較小（黃節(jié)根等，2021）[37]。而高科技行業(yè)企業(yè)通常由創(chuàng)始人、天使投資人、員工分別持股，股權(quán)較為分散，其本身對(duì)數(shù)字化水平要求就高，面對(duì)數(shù)字化變革的反應(yīng)將會(huì)更加靈敏。兩類(lèi)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響效果可能不同，因此，我們根據(jù)第一大股東持股比例的中位數(shù)，將全部樣本劃分為高股權(quán)集中度企業(yè)和低股權(quán)集中度企業(yè)，分別檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型程度降低權(quán)益資本成本的效果。

表10第（3）列和第（4）列結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型在高股權(quán)集中度組的系數(shù)為-0.020，在低股權(quán)集中度組為-0.021，且低股權(quán)集中度組的系數(shù)更加顯著。從組間差異檢驗(yàn)結(jié)果來(lái)看，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗(yàn) p 值為 0.001，在1%水平上顯著，證實(shí)了上述差異在統(tǒng)計(jì)上的顯著性，即相對(duì)于高股權(quán)集中度企業(yè)，數(shù)字化轉(zhuǎn)型降低權(quán)益資本成本的作用在低股權(quán)集中度企業(yè)中更加明顯。

3. 行業(yè)集中度。高行業(yè)集中度的企業(yè)通常不是資本密集型而是技術(shù)密集型，這類(lèi)企業(yè)擁有高技術(shù)壁壘以及高準(zhǔn)入門(mén)檻（宋麗穎和楊潭，2016）[38]，通常為高技術(shù)產(chǎn)業(yè)企業(yè)。尤其是高技術(shù)產(chǎn)業(yè)中的電子通信及設(shè)備制造業(yè)以及航空航天制造業(yè)，該類(lèi)企業(yè)對(duì)數(shù)字化轉(zhuǎn)型較為敏感。因?yàn)椴煌袠I(yè)集中度的企業(yè)對(duì)數(shù)字化轉(zhuǎn)型的敏感程度不同，因此，本文按照赫芬達(dá)爾指數(shù)的中位數(shù)將全樣本劃分為高、低行業(yè)集中度企業(yè)，分析企業(yè)數(shù)字化轉(zhuǎn)型程度降低權(quán)益資本成本的效果。

表10第（5）列和第（6）列顯示，高行業(yè)集中度組的數(shù)字化轉(zhuǎn)型系數(shù)為-0.021，而低行業(yè)集中度組的系數(shù)為-0.017。從組間差異檢驗(yàn)結(jié)果看，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗(yàn) p 值為 0.005，在1%水平上顯著，證實(shí)了上述差異在統(tǒng)計(jì)上的顯著性。因此，相對(duì)于低行業(yè)集中度企業(yè)，數(shù)字化轉(zhuǎn)型降低權(quán)益資本成本的作用在高行業(yè)集中度企業(yè)中更加明顯。

五、影響路徑研究

根據(jù)前文分析，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)降低信息不對(duì)稱(chēng)、提升股票流動(dòng)性和創(chuàng)新水平三條路徑降低公司權(quán)益資本成本。為了證實(shí)上述傳導(dǎo)路徑，本文參考溫忠麟和葉寶娟（2014）[39]的做法，構(gòu)建模型（7）、模型（8）和模型（9），使用逐步法檢驗(yàn)中介效應(yīng)。另外，以sobel法以及Bootstrap法（抽取自助樣本1000次）作為中介效應(yīng)檢測(cè)的補(bǔ)充，判斷中介效應(yīng)存在的穩(wěn)定性。

其中，[Mediator]為中介變量，包括信息不對(duì)稱(chēng)指數(shù)（ASY）、股票流動(dòng)性指數(shù)（Roll）和企業(yè)創(chuàng)新指標(biāo)（RD）?；貧w結(jié)果見(jiàn)表11。同時(shí)，考慮到傳導(dǎo)的時(shí)滯以及變量之間可能存在的反向因果干擾，本文將自變量前置一期處理（fDCGI）及因變量滯后一期處理（lCOC），中介變量和控制變量仍為本期數(shù)據(jù)，回歸結(jié)果見(jiàn)表12。

表11和表12的第（1）列中企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型能在一定程度上通過(guò)信息賦能降低企業(yè)的信息不對(duì)稱(chēng)水平。表11的第（2）列報(bào)告了中介效應(yīng)檢驗(yàn)結(jié)果，可以看出加入中介變量信息不對(duì)稱(chēng)之后，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)為-0.018，T值為-6.90，在1%水平顯著，并且Sobel檢驗(yàn)和Bootstrap檢驗(yàn)均顯示傳導(dǎo)機(jī)制有效。表12第（2）列顯示，將自變量前置一期處理及因變量滯后一期處理后系數(shù)仍然顯著， Sobel檢驗(yàn)與Bootstrap檢測(cè)均通過(guò)。該分析證實(shí)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響部分是通過(guò)信息不對(duì)稱(chēng)這一中介變量實(shí)現(xiàn)的，信息不對(duì)稱(chēng)性降低是降低權(quán)益資本成本的一條路徑 ，也驗(yàn)證了本文的假設(shè)H2a。

表11和表12的第（3）列中企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型能提高股票流動(dòng)性。從表11第（4）列結(jié)果可以看出，加入中介變量股票流動(dòng)性之后，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.017，T值為-6.44，在1%水平顯著。進(jìn)一步地，Sobel檢驗(yàn)和Bootstrap檢驗(yàn)結(jié)果均顯示傳導(dǎo)機(jī)制有效。表12第（4）列顯示，將自變量前置一期處理及因變量滯后一期處理后系數(shù)仍然顯著， Sobel檢驗(yàn)與Bootstrap檢測(cè)均通過(guò)，系數(shù)均顯著。該分析證實(shí)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響部分是通過(guò)股票流動(dòng)性這一中介變量實(shí)現(xiàn)的，股票流動(dòng)性的提高是降低權(quán)益資本成本的一條路徑 ，也驗(yàn)證了本文的假設(shè)H2b。

同理，表11和表12的第（5）和（7）列回歸結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，說(shuō)明數(shù)字化轉(zhuǎn)型可以促進(jìn)研發(fā)人員占比和研發(fā)投入占比的上升，增強(qiáng)企業(yè)創(chuàng)新水平。從表11的第（6）、（8）列可知，加入中介變量創(chuàng)新水平之后，數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負(fù)，并且Sobel檢驗(yàn)和Bootstrap檢驗(yàn)均顯示傳導(dǎo)機(jī)制有效。將自變量前置一期處理及因變量滯后一期處理后仍然顯著存在中介效應(yīng)。該分析證實(shí)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響部分是通過(guò)創(chuàng)新水平這一中介變量實(shí)現(xiàn)的，創(chuàng)新水平的提升是降低權(quán)益資本成本的一個(gè)路徑 ，也驗(yàn)證了本文的假設(shè)H2c。

六、結(jié)論

本文基于Python爬蟲(chóng)和文本分析技術(shù)自行構(gòu)建中國(guó)“企業(yè)數(shù)字化轉(zhuǎn)型”指標(biāo)，以2010—2021年A股上市公司為樣本，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的影響與作用機(jī)制，得出以下結(jié)論：第一，企業(yè)數(shù)字化轉(zhuǎn)型可以顯著降低權(quán)益資本成本；第二，企業(yè)數(shù)字化轉(zhuǎn)型可以通過(guò)降低信息不對(duì)稱(chēng)、提升股票流動(dòng)性以及提升企業(yè)的創(chuàng)新水平等渠道促進(jìn)權(quán)益資本成本的下降；第三，異質(zhì)性研究發(fā)現(xiàn)，對(duì)于非國(guó)有企業(yè)、低股權(quán)集中度企業(yè)和高行業(yè)集中度企業(yè)，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)權(quán)益資本成本的降低作用更顯著?；谝陨涎芯拷Y(jié)論，主要有以下政策啟示：

對(duì)企業(yè)而言，應(yīng)重視數(shù)字化轉(zhuǎn)型對(duì)權(quán)益資本成本的降低作用。首先，應(yīng)加快企業(yè)的數(shù)字化發(fā)展，樹(shù)立轉(zhuǎn)型意識(shí)。企業(yè)應(yīng)當(dāng)思考如何從數(shù)字化轉(zhuǎn)型中獲得競(jìng)爭(zhēng)力，加大對(duì)核心技術(shù)、基礎(chǔ)軟件的研發(fā)力度，通過(guò)運(yùn)用新興技術(shù)，促進(jìn)企業(yè)實(shí)現(xiàn)智能化發(fā)展，將數(shù)字技術(shù)轉(zhuǎn)化為自身的競(jìng)爭(zhēng)力。其次，重視數(shù)字化人才培養(yǎng)。企業(yè)應(yīng)加強(qiáng)對(duì)現(xiàn)有員工的數(shù)字化培訓(xùn)，引導(dǎo)員工緊跟數(shù)字時(shí)代化進(jìn)程提高數(shù)字技能，在此基礎(chǔ)上，大力引進(jìn)數(shù)字技術(shù)高端人才，為企業(yè)發(fā)展及技術(shù)創(chuàng)新注入更多能量。最后，進(jìn)一步完善企業(yè)的信息質(zhì)量。由于數(shù)字化轉(zhuǎn)型能緩解信息不對(duì)稱(chēng)，降低信息成本，因此，企業(yè)應(yīng)進(jìn)一步提升信息質(zhì)量，以便更好地保障投資者權(quán)益，完善資本市場(chǎng)的信息效應(yīng)。

對(duì)政府而言，應(yīng)采取一系列措施促進(jìn)企業(yè)數(shù)字化變革，為其數(shù)字化進(jìn)程保駕護(hù)航。首先，不斷加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，平衡區(qū)域數(shù)字發(fā)展水平。數(shù)字基礎(chǔ)設(shè)施的完善有助于增強(qiáng)各區(qū)域數(shù)字技術(shù)創(chuàng)新動(dòng)力，有效融合數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)，從而為打通經(jīng)濟(jì)社會(huì)發(fā)展的信息“大動(dòng)脈”貢獻(xiàn)重要力量。其次，政府應(yīng)加大對(duì)數(shù)字化企業(yè)的扶持力度，激勵(lì)數(shù)字技術(shù)與企業(yè)產(chǎn)品服務(wù)深度融合，推動(dòng)傳統(tǒng)企業(yè)轉(zhuǎn)型升級(jí)。最后，政府應(yīng)不斷完善有關(guān)數(shù)字化發(fā)展的法律法規(guī)，為企業(yè)數(shù)字化轉(zhuǎn)型營(yíng)造更好的制度環(huán)境。特別地，針對(duì)數(shù)字化信息技術(shù)和數(shù)據(jù)等知識(shí)產(chǎn)權(quán)，應(yīng)加大保護(hù)力度，助力企業(yè)高質(zhì)量發(fā)展。

注：

①M(fèi)PEG模型得到的權(quán)益資本成本為[rMPEG=dpst+12Pt+（dpst+12Pt）2+epst+2-epst+1Pt]? ，其中，[epst+2] 為分析師預(yù)測(cè)的第[t+2]期每股收益均值，[epst+1] 為分析師預(yù)測(cè)的第[t+1]期每股收益均值，[Pt]為第[t]期期末的每股價(jià)格， [dpst+1]為下一期的每股股利，[dpst+1=epst+1×k]，[k]為過(guò)去三年的平均股利支付率。

OJ模型得到的權(quán)益資本成本為[roj=A+A2+eps1P0（g2-（γ-1））]，[A=12（γ-1）+dps1P0]，[g2=eps2eps1-1]。其中，[eps2]和[eps1]分別為分析師對(duì)第一期和第二期預(yù)測(cè)的每股收益；[dps1=eps1×k]，[k]為過(guò)去三年平均股利支付率；長(zhǎng)期增長(zhǎng)率[gp=γ-1]。

參考文獻(xiàn)：

[1]Sadeghi V J，A Garcia-perez，E Candelo. 2021. Exploring the Impact of Digital Transformation on Technology Entrepreneurship and Technological Market Expansion：The Role of Technology Readiness， Exploration and Exploitation[J].Journal of Business Research， 124.

[2] 張永珅，李小波，邢銘強(qiáng).企業(yè)數(shù)字化轉(zhuǎn)型與審計(jì)定價(jià) [J].審計(jì)研究，2021，（03）.

[3]吳非，胡慧芷，林慧妍，任曉怡.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù) [J].管理世界，2021，37（07）.

[4]毛新述，葉康濤，張頔.上市公司權(quán)益資本成本的測(cè)度與評(píng)價(jià)——基于我國(guó)證券市場(chǎng)的經(jīng)驗(yàn)檢驗(yàn) [J].會(huì)計(jì)研究，2012，（11）.

[5]王化成，張修平，侯粲然，李昕宇.企業(yè)戰(zhàn)略差異與權(quán)益資本成本——基于經(jīng)營(yíng)風(fēng)險(xiǎn)和信息不對(duì)稱(chēng)的中介效應(yīng)研究 [J].中國(guó)軟科學(xué)，2017，（09）.

[6]張修平，李昕宇，盧闖，宋秀慧.資產(chǎn)質(zhì)量影響企業(yè)權(quán)益資本成本嗎？ [J].會(huì)計(jì)研究，2020，（02）.

[7]戚聿東，孫昌玲，王化成.企業(yè)核心競(jìng)爭(zhēng)力能夠降低權(quán)益資本成本嗎——基于文本分析的經(jīng)驗(yàn)證據(jù) [J].會(huì)計(jì)研究，2021，（08）.

[8]La Porta R，Lopez-de-silanes F，Shleifer A，Vishny R. 2002. Investor Protection and Corporate Valuation [J]. The Journal of Finance，57（3）.

[9]Hail L，Leuz C. 2006. International Differences in the Cost of Equity Capital：Do Legal Institutions and Securities Regulation Matter？ [J].Journal of Accounting Research， 44（3）.

[10]肖作平，周嘉嘉.制度環(huán)境和權(quán)益資本成本——來(lái)自中國(guó)省際數(shù)據(jù)的比較研究 [J].證券市場(chǎng)導(dǎo)報(bào)，2012，（08）.

[11]廖義剛.環(huán)境不確定性、內(nèi)部控制質(zhì)量與權(quán)益資本成本 [J].審計(jì)與經(jīng)濟(jì)研究，2015，30（03）.

[12]Chen K C W，Chen Z，Wei K C. 2009. Legal Protection of Investors， Corporate Governance， and the Cost of Equity Capital [J].Journal of Corporate Finance，15（3）.

[13]支曉強(qiáng)，何天芮.信息披露質(zhì)量與權(quán)益資本成本[J].中國(guó)軟科學(xué)，2010，（12）.

[14]周嘉南，雷霆.股權(quán)激勵(lì)影響上市公司權(quán)益資本成本了嗎？ [J].管理評(píng)論，2014，26（03）.

[15]代昀昊.機(jī)構(gòu)投資者、所有權(quán)性質(zhì)與權(quán)益資本成本 [J].金融研究，2018，（09）.

[16]韋誼成，劉小瑜，何帆.數(shù)字化轉(zhuǎn)型與公司治理水平研究——來(lái)自A股主板上市公司的經(jīng)驗(yàn)證據(jù) [J].金融發(fā)展研究，2022，（03）.

[17]盛思思，徐展.區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展與企業(yè)融資約束 [J].工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（01）.

[18]Coles J L，Loewenstein U，Suay J. 1995. On Equilibrium Pricing Under Parameter Uncertainty [J].Journal of Financial and Quantitative Analysis，30（3）.

[19]陳輝，顧乃康.新三板做市商制度、股票流動(dòng)性與證券價(jià)值 [J].金融研究，2017，（04）.

[20]Amihud Y，Mendelson H. 2006. Asset Pricing and the Bid-ask Spread [J]. Journal of Financial Economics，9.

[21]Easley D，O'hara M. 2004. Information and the Cost of Capital [J].The Journal of Finance，59（4）.

[22]Diamond D W，Verrecchia R E. 1991. Disclosure， Liquidity，and the Cost of Capital [J].Journal of Finance，46（4） ．

[23]周銘山，張倩倩，楊丹.創(chuàng)業(yè)板上市公司創(chuàng)新投入與市場(chǎng)表現(xiàn)：基于公司內(nèi)外部的視角 [J].經(jīng)濟(jì)研究，2017，52（11）.

[24]何帆，劉紅霞.數(shù)字經(jīng)濟(jì)視角下實(shí)體企業(yè)數(shù)字化變革的業(yè)績(jī)提升效應(yīng)評(píng)估 [J].改革，2019，（04）.

[25]安同良，聞銳.中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新的影響機(jī)制及實(shí)證 [J].現(xiàn)代經(jīng)濟(jì)探討，2022，（05）.

[26]袁淳，肖土盛，耿春曉，盛譽(yù).數(shù)字化轉(zhuǎn)型與企業(yè)分工：專(zhuān)業(yè)化還是縱向一體化 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2021，（09）.

[27]Easton P D. 2004. Pe Ratios，Peg Ratios，and Estimating the Implied Expected Rate of Return on Equity Capital [J].The? Accounting Review，79（1）.

[28]肖作平.終極所有權(quán)結(jié)構(gòu)對(duì)權(quán)益資本成本的影響——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù) [J].管理科學(xué)學(xué)報(bào)，2016，19（01）.

[29]宋敏，周鵬，司海濤. 金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2021（04）.

[30]于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應(yīng)與資源效應(yīng) [J].經(jīng)濟(jì)研究，2012，47（09）.

[31]Roll R. 1984. A Simple Implicit Measure of the Effective Bid-ask Spread in an Efficient Market [J].The Journal of? Finance，39（4）.

[32]Goyenko R Y，Holden C W，Trzcinka C A. 2009. Do Liquidity Measures Measure Liquidity？ [J].Journal of Financial Economics，92（2）.

[33]張崢，李怡宗，張玉龍，劉翔.中國(guó)股市流動(dòng)性間接指標(biāo)的檢驗(yàn)——基于買(mǎi)賣(mài)價(jià)差的實(shí)證分析 [J].經(jīng)濟(jì)學(xué)，2014，13（01）.

[34]李壽喜，王袁晗.企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新——來(lái)自電子制造業(yè)的經(jīng)驗(yàn)證據(jù) [J].工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（08）.

[35]郭照蕊，黃俊.高鐵時(shí)空壓縮效應(yīng)與公司權(quán)益資本成本——來(lái)自A股上市公司的經(jīng)驗(yàn)證據(jù) [J].金融研究，2021，（07）.

[36]鄭建明，李金甜，劉琳.新三板做市交易提高流動(dòng)性了嗎？——基于“流動(dòng)性悖論”的視角 [J].金融研究，2018，（04）.

[37] 黃節(jié)根，吉祥熙，李元旭.數(shù)字化水平對(duì)企業(yè)創(chuàng)新績(jī)效的影響研究——來(lái)自滬深A(yù)股上市公司的經(jīng)驗(yàn)證據(jù)[J].江西社會(huì)科學(xué)，2021，41（05）.

[38] 宋麗穎，楊潭.財(cái)政補(bǔ)貼、行業(yè)集中度與高技術(shù)企業(yè)R&D投入的非線性關(guān)系實(shí)證研究 [J].財(cái)政研究，2016，（07）.

[39]溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進(jìn)展，2014，22（05）.

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“中國(guó)外匯衍生品監(jiān)管指數(shù)構(gòu)建、監(jiān)管效果及監(jiān)管優(yōu)化研究”（20BJY260）。

作者簡(jiǎn)介：趙峰，男，山東德州人，北京工商大學(xué)國(guó)際經(jīng)管學(xué)院教授，博士生導(dǎo)師，研究方向?yàn)橘Y本市場(chǎng)、金融科技、國(guó)際金融和外匯風(fēng)險(xiǎn)管理；高嬌嬌，女，河南周口人，北京工商大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)橘Y本市場(chǎng)、金融科技和公司金融；唐昭輝，男，湖南郴州人，北京工商大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)榻鹑诳萍肌①Y本市場(chǎng)和公司金融。

Abstract：Digital transformation has had a positive impact on the business and has contributed to its growth to some extent. Previous literature focused on the impact of digital transformation on corporate performance and investment efficiency，but paid less attention to the impact on corporate equity capital cost. Based on Python crawler and text analysis technology，this paper builds China's "enterprise digital transformation index" by taking A-share listed companies from 2010 to 2021 as samples. The study finds that digital transformation of firms can contribute to a reduction in the cost of equity capital，a finding that still holds after a series of robustness tests. In terms of impact mechanisms，the digital transformation of firms can contribute to a reduction in the cost of equity capital through channels such as reducing information asymmetry，enhancing stock liquidity，and improving firms' innovation levels. Further study finds that the effect of corporate digital transformation on the reduction of cost of equity capital is more significant for non-state owned enterprises，low equity concentration enterprises and high industry concentration enterprises.

Key Words：digital transformation of enterprises，cost of equity capital，asymmetric information，stock liquidity，innovation level

（責(zé)任編輯? ? 劉? ?陽(yáng)；校對(duì)? ?LY，WY）