摘要：防范化解金融風(fēng)險(xiǎn)是國(guó)家當(dāng)前重要的金融工作之一，從企業(yè)這一微觀主體角度來(lái)看，合理安排資本結(jié)構(gòu)、降低過(guò)度負(fù)債有利于控制企業(yè)的金融風(fēng)險(xiǎn)。為此，本文以2011—2020年我國(guó)A股上市公司為樣本，結(jié)合當(dāng)前數(shù)字經(jīng)濟(jì)的發(fā)展，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的降低作用，并分別構(gòu)建了中介效應(yīng)模型和調(diào)節(jié)效應(yīng)模型進(jìn)行進(jìn)一步研究。實(shí)證結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低企業(yè)過(guò)度負(fù)債水平，融資約束和內(nèi)部治理環(huán)境在這一過(guò)程中發(fā)揮了顯著的中介作用，分析師關(guān)注度和地區(qū)數(shù)字金融水平對(duì)這一過(guò)程分別發(fā)揮了負(fù)向和正向的調(diào)節(jié)作用，即在分析師關(guān)注度低和地區(qū)數(shù)字金融水平高的條件下，企業(yè)數(shù)字化轉(zhuǎn)型能夠更好地降低過(guò)度負(fù)債。本文豐富了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)的相關(guān)研究，同時(shí)為降低企業(yè)過(guò)度負(fù)債和防范化解金融風(fēng)險(xiǎn)提供了新的思路。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；過(guò)度負(fù)債；融資約束；治理機(jī)制

中圖分類(lèi)號(hào)： F832；F275" " " 文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：1007-0753（2024）02-0070-11

一、引言

隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計(jì)算等數(shù)字技術(shù)的不斷發(fā)展，全世界已經(jīng)進(jìn)入了數(shù)字經(jīng)濟(jì)時(shí)代。以我國(guó)為例，2022年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)50.2萬(wàn)億元，總量穩(wěn)居世界第二，同比名義增長(zhǎng)10.3%，占國(guó)內(nèi)生產(chǎn)總值的比重提升至41.5%①。黨的二十大報(bào)告也明確指出，“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”。企業(yè)作為國(guó)家經(jīng)濟(jì)發(fā)展和資本市場(chǎng)運(yùn)行中的微觀主體，紛紛積極響應(yīng)國(guó)家和時(shí)代的號(hào)召，加入數(shù)字化浪潮，以期通過(guò)數(shù)字化技術(shù)實(shí)現(xiàn)在企業(yè)組織架構(gòu)、技術(shù)創(chuàng)新水平、經(jīng)營(yíng)管理模式等方面的轉(zhuǎn)型（劉慧和白聰，2022）。作為當(dāng)前學(xué)術(shù)界和實(shí)務(wù)界的熱點(diǎn)話(huà)題，大量文獻(xiàn)也圍繞企業(yè)數(shù)字化轉(zhuǎn)型研究了其帶來(lái)的經(jīng)濟(jì)結(jié)果。一方面，數(shù)字化轉(zhuǎn)型會(huì)對(duì)企業(yè)多方面的行為選擇產(chǎn)生影響。從信息披露角度來(lái)說(shuō)，數(shù)字化轉(zhuǎn)型改善了企業(yè)的信息環(huán)境，提高了企業(yè)的會(huì)計(jì)信息可比性（聶興凱等，2022）和業(yè)績(jī)預(yù)告質(zhì)量（冼依婷和何威風(fēng)，2022）。從生產(chǎn)經(jīng)營(yíng)角度來(lái)說(shuō)，數(shù)字化轉(zhuǎn)型增強(qiáng)了企業(yè)的可持續(xù)發(fā)展能力（可持續(xù)發(fā)展能力不與后文中的ESG表現(xiàn)和綠色技術(shù)創(chuàng)新并列），提升了企業(yè)的ESG表現(xiàn)（胡潔等，2023）和綠色技術(shù)創(chuàng)新（宋德勇等，2022），促進(jìn)了企業(yè)節(jié)能減排（劉慧和白聰，2022），提高了企業(yè)的全要素生產(chǎn)率（趙宸宇等，2021）。從投融資角度來(lái)說(shuō)，數(shù)字化轉(zhuǎn)型有助于優(yōu)化企業(yè)資本結(jié)構(gòu)，加快企業(yè)資本結(jié)構(gòu)的動(dòng)態(tài)調(diào)整（沈劍飛等，2022），抑制企業(yè)的“存貸雙高”異象（毛建輝，2023）。另一方面，數(shù)字化轉(zhuǎn)型的影響還會(huì)傳導(dǎo)到資本市場(chǎng)，改善企業(yè)的資本市場(chǎng)表現(xiàn)，包括提升股票流動(dòng)性（吳非等，2021）、降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)（林川，2022）等。

由于企業(yè)具有最優(yōu)負(fù)債率即目標(biāo)負(fù)債率，當(dāng)實(shí)際負(fù)債率超過(guò)目標(biāo)負(fù)債率時(shí)就可以稱(chēng)企業(yè)形成了過(guò)度負(fù)債（Leary和Roberts，2005；Graham和Harvey，2001；陸正飛等，2015），而過(guò)度負(fù)債問(wèn)題會(huì)影響未來(lái)股票市場(chǎng)回報(bào)（Caskey等，2012），加劇股價(jià)崩盤(pán)風(fēng)險(xiǎn)（劉麗娜和馬亞民，2018），損害企業(yè)未來(lái)的成長(zhǎng)性（Uysal，2011），給企業(yè)自身和整體金融市場(chǎng)的穩(wěn)定運(yùn)行帶來(lái)風(fēng)險(xiǎn)。2023年10月召開(kāi)的中央金融工作會(huì)議指出，“要全面加強(qiáng)金融監(jiān)管，有效防范化解金融風(fēng)險(xiǎn)”。在這一背景下，如何降低企業(yè)過(guò)度負(fù)債是一個(gè)在理論和實(shí)踐中均具有重要意義的研究話(huà)題?，F(xiàn)有文獻(xiàn)研究了諸多過(guò)度負(fù)債的影響因素，總結(jié)起來(lái)，降低企業(yè)過(guò)度負(fù)債的路徑主要包括緩解融資約束和發(fā)揮治理作用，如放松利率管制（王紅建等，2018）、提高ESG表現(xiàn)（Lai和Zhang，2022）等會(huì)通過(guò)緩解融資約束降低企業(yè)過(guò)度負(fù)債，而存在多個(gè)大股東（張淼和孫光國(guó)，2022）、混合所有制改革（吳秋生和獨(dú)正元，2019）、審計(jì)監(jiān)督（郭檬楠和郭金花，2020）等會(huì)通過(guò)發(fā)揮治理作用降低企業(yè)過(guò)度負(fù)債。

結(jié)合上述對(duì)文獻(xiàn)的梳理可以發(fā)現(xiàn)，從資本結(jié)構(gòu)角度探討數(shù)字化轉(zhuǎn)型對(duì)企業(yè)影響的成果相對(duì)較少，特別是企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的影響尚未得到專(zhuān)門(mén)研究，沈劍飛等（2022）雖然在研究企業(yè)數(shù)字化轉(zhuǎn)型加快資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整的過(guò)程中，指出企業(yè)數(shù)字化轉(zhuǎn)型會(huì)降低實(shí)際資本結(jié)構(gòu)與目標(biāo)資本結(jié)構(gòu)的偏離程度，但并未重點(diǎn)關(guān)注這一話(huà)題，同時(shí)對(duì)其作用機(jī)制也沒(méi)有進(jìn)行更深入的探討?；诖?，在當(dāng)前數(shù)字經(jīng)濟(jì)時(shí)代的大背景下，本文圍繞企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的影響展開(kāi)研究，并深入探索其作用機(jī)制，以期對(duì)現(xiàn)有研究形成有益補(bǔ)充，豐富相關(guān)領(lǐng)域的研究。

本文的研究可能在以下方面做出了有益的貢獻(xiàn)：第一，從降低過(guò)度負(fù)債的角度進(jìn)一步補(bǔ)充了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)結(jié)果的有關(guān)研究，并理清了這一過(guò)程的作用渠道；第二，豐富了關(guān)于降低企業(yè)過(guò)度負(fù)債路徑的研究，為上市公司降低過(guò)度負(fù)債水平、合理安排資本結(jié)構(gòu)提供了經(jīng)驗(yàn)證據(jù)；第三，為資本市場(chǎng)監(jiān)管機(jī)構(gòu)及相關(guān)部門(mén)更好地開(kāi)展金融風(fēng)險(xiǎn)防范工作提供了新思路。

二、理論分析與研究假設(shè)

（一）數(shù)字化轉(zhuǎn)型對(duì)企業(yè)過(guò)度負(fù)債的影響

現(xiàn)有研究表明，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)的影響主要表現(xiàn)在信息和治理兩方面。從信息角度來(lái)看，數(shù)字化轉(zhuǎn)型能夠降低企業(yè)信息不對(duì)稱(chēng)進(jìn)而緩解融資約束（沈劍飛等，2022；張純和呂偉，2007）；從治理角度來(lái)看，數(shù)字化轉(zhuǎn)型能夠改善企業(yè)內(nèi)部治理環(huán)境（李黎和魏文君，2023），同時(shí)結(jié)合前文中指出的緩解融資約束和發(fā)揮治理作用能夠降低企業(yè)過(guò)度負(fù)債（Lai和Zhang，2022；張淼和孫光國(guó)，2022），可以得出企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)緩解融資約束以及改善內(nèi)部治理環(huán)境兩個(gè)機(jī)制降低過(guò)度負(fù)債的觀點(diǎn)?；谝陨戏治?，可以提出本文的主要研究假設(shè)H1。

H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠降低過(guò)度負(fù)債。

（二）數(shù)字化轉(zhuǎn)型對(duì)企業(yè)過(guò)度負(fù)債的影響渠道

從信息角度來(lái)看，企業(yè)數(shù)字化轉(zhuǎn)型能夠降低信息不對(duì)稱(chēng)，進(jìn)而緩解融資約束，降低過(guò)度負(fù)債。首先，企業(yè)在數(shù)字化轉(zhuǎn)型的過(guò)程中會(huì)充分利用大數(shù)據(jù)、人工智能等技術(shù)獲取、處理和傳遞生產(chǎn)運(yùn)營(yíng)中的數(shù)據(jù)，有利于提高企業(yè)輸出的信息質(zhì)量，從而能夠有效提高企業(yè)信息透明度，降低信息不對(duì)稱(chēng)程度（沈劍飛等，2022）。其次，信息不對(duì)稱(chēng)的降低能夠緩解企業(yè)面臨的融資約束。在資金的供求與分配過(guò)程中，由于企業(yè)外部投資者與內(nèi)部人之間的信息不對(duì)稱(chēng)，投資者會(huì)要求更高溢價(jià)，使得企業(yè)的外部融資成本增加，出現(xiàn)融資約束的問(wèn)題（高敬忠等，2021a），故一般認(rèn)為信息不對(duì)稱(chēng)的存在直接導(dǎo)致了企業(yè)的融資約束。而高質(zhì)量的信息披露則能夠降低信息不對(duì)稱(chēng)，緩解企業(yè)的融資約束（張純和呂偉，2007）?，F(xiàn)有大量研究的實(shí)證結(jié)果也支持了企業(yè)數(shù)字化轉(zhuǎn)型有助于緩解融資約束的結(jié)論（王敬勇等，2022；苑澤明等，2022）。最后，融資約束一直被視為造成企業(yè)過(guò)度負(fù)債的重要原因之一，同時(shí)也是降低企業(yè)過(guò)度負(fù)債的重要渠道，如提高ESG表現(xiàn)、放松利率管制等均通過(guò)緩解融資約束進(jìn)而降低過(guò)度負(fù)債（Lai和Zhang，2022；王紅建等，2018）。由于融資約束的存在，企業(yè)不能按照自己的意愿隨時(shí)獲取足額資金，而企業(yè)又需要把握隨時(shí)出現(xiàn)的投資機(jī)會(huì)，因此企業(yè)需要持有一定量的資金（高敬忠等，2021b），這就造成了企業(yè)的過(guò)度負(fù)債。當(dāng)融資約束得到緩解后，企業(yè)能夠按照自己的意愿隨時(shí)獲取足額資金，則不需要為把握隨時(shí)出現(xiàn)的投資機(jī)會(huì)而持有大量的資金（高敬忠等，2021b），因而也就會(huì)降低過(guò)度負(fù)債水平（Lai和Zhang，2022）。所以，企業(yè)數(shù)字化轉(zhuǎn)型能夠降低內(nèi)外部的信息不對(duì)稱(chēng)程度，緩解融資約束，最終降低過(guò)度負(fù)債。因此可以提出假設(shè)H2。

H2：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)緩解融資約束降低過(guò)度負(fù)債。

從治理角度來(lái)看，企業(yè)數(shù)字化轉(zhuǎn)型能夠改善內(nèi)部治理環(huán)境，緩解代理沖突，進(jìn)而降低過(guò)度負(fù)債。首先，企業(yè)在數(shù)字化轉(zhuǎn)型的過(guò)程中會(huì)充分利用大數(shù)據(jù)、人工智能等技術(shù)重塑管理體系，從而帶來(lái)企業(yè)管理模式和管理制度的顛覆性改革（毛建輝，2023），并將所有經(jīng)營(yíng)、投資、融資等活動(dòng)的數(shù)據(jù)保存起來(lái)，通過(guò)數(shù)據(jù)中臺(tái)進(jìn)行收集、分析和可視化處理，使得企業(yè)能夠適時(shí)監(jiān)控，降低監(jiān)督成本和審查成本，大大提高了企業(yè)的監(jiān)督能力（沈劍飛等，2022），從而發(fā)揮治理作用，緩解企業(yè)的代理沖突。企業(yè)數(shù)字化轉(zhuǎn)型有利于改善內(nèi)部治理環(huán)境，緩解代理沖突，這一結(jié)論也得到了大量實(shí)證結(jié)果的支持（韓冬梅等，2023；李黎和魏文君，2023）。代理沖突同樣是造成企業(yè)過(guò)度負(fù)債的重要原因之一，也常被作為影響過(guò)度負(fù)債的作用渠道而存在，存在多個(gè)大股東、審計(jì)監(jiān)督等要素的企業(yè)均發(fā)揮了治理效應(yīng)，通過(guò)緩解代理沖突降低企業(yè)過(guò)度負(fù)債（張淼和孫光國(guó)，2022；郭檬楠和郭金花，2020）。過(guò)度負(fù)債本質(zhì)上是企業(yè)各項(xiàng)融資決策的結(jié)果（董屹宇和郭澤光，2019），而這些融資決策的確定和實(shí)施更多地被控股股東和管理層所掌握。管理層的業(yè)績(jī)通常源于企業(yè)營(yíng)收、利潤(rùn)、規(guī)模等的增長(zhǎng)，因而其會(huì)有動(dòng)機(jī)盲目地利用負(fù)債不斷加大投資力度，導(dǎo)致企業(yè)背離目標(biāo)資本結(jié)構(gòu)，形成過(guò)度負(fù)債。由于有中小股東的存在，企業(yè)的控股股東并不需要承擔(dān)這種過(guò)度負(fù)債帶來(lái)的全部風(fēng)險(xiǎn)，甚至可能利用手中的控制權(quán)優(yōu)勢(shì)掏空企業(yè)資源，侵占中小股東利益，使企業(yè)的過(guò)度負(fù)債問(wèn)題進(jìn)一步惡化。當(dāng)企業(yè)的內(nèi)部治理環(huán)境更差，代理沖突更嚴(yán)重時(shí)，其過(guò)度負(fù)債問(wèn)題也更為凸顯，而當(dāng)內(nèi)部治理環(huán)境得到改善，代理沖突得到緩解時(shí)，企業(yè)的過(guò)度負(fù)債也會(huì)相應(yīng)降低（張淼和孫光國(guó)，2022）。所以，企業(yè)數(shù)字化轉(zhuǎn)型能夠改善內(nèi)部治理環(huán)境，緩解代理沖突，最終降低過(guò)度負(fù)債。因此可以提出假設(shè)H3。

H3：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)改善內(nèi)部治理環(huán)境降低過(guò)度負(fù)債。

本文的理論邏輯結(jié)構(gòu)如圖1所示。

（三）分析師關(guān)注的調(diào)節(jié)作用

數(shù)字化轉(zhuǎn)型對(duì)企業(yè)行為產(chǎn)生影響的過(guò)程中往往會(huì)受到各種外部環(huán)境因素的影響。分析師是資本市場(chǎng)中重要的中介，其通過(guò)自身專(zhuān)業(yè)知識(shí)對(duì)所關(guān)注的上市公司信息進(jìn)行分析，并形成高質(zhì)量的研究報(bào)告供投資者使用（黃宏斌等，2021）。現(xiàn)有研究表明，分析師關(guān)注會(huì)在數(shù)字化轉(zhuǎn)型對(duì)企業(yè)行為產(chǎn)生影響的過(guò)程中起到調(diào)節(jié)作用。例如夏蕓等（2023）的研究指出，在分析師關(guān)注度低的企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的促進(jìn)作用更強(qiáng)。當(dāng)分析師對(duì)企業(yè)的關(guān)注度高時(shí)，更能夠有效發(fā)揮監(jiān)督治理效應(yīng)，降低企業(yè)代理成本，提高企業(yè)治理效率（范潤(rùn)和孫雪嬌，2022），相應(yīng)企業(yè)的外部治理環(huán)境較分析師關(guān)注度低的企業(yè)更好。此時(shí)數(shù)字化轉(zhuǎn)型發(fā)揮治理效應(yīng)改善內(nèi)部治理環(huán)境的作用相對(duì)有限，降低過(guò)度負(fù)債的程度也就更低。因此可以提出假設(shè)H4。

H4：分析師關(guān)注在企業(yè)數(shù)字化轉(zhuǎn)型降低過(guò)度負(fù)債的過(guò)程中能夠發(fā)揮調(diào)節(jié)作用，當(dāng)分析師關(guān)注度低時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型能夠更顯著地降低過(guò)度負(fù)債。

（四）地區(qū)數(shù)字金融水平的調(diào)節(jié)作用

除了微觀環(huán)境，企業(yè)數(shù)字化轉(zhuǎn)型及其產(chǎn)生的結(jié)果還可能會(huì)受到外部宏觀環(huán)境的影響。吳非等（2021）指出，企業(yè)數(shù)字化轉(zhuǎn)型效力的發(fā)揮有賴(lài)于數(shù)字金融的支撐，一方面數(shù)字金融的底層架構(gòu)能夠?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型提供有力的外部技術(shù)支撐，另一方面數(shù)字金融的發(fā)展提高了金融與實(shí)體經(jīng)濟(jì)項(xiàng)目匹配的精準(zhǔn)度和效率，為企業(yè)數(shù)字化轉(zhuǎn)型提供了更多資源支撐。地區(qū)數(shù)字金融的發(fā)展帶動(dòng)了整個(gè)地區(qū)的數(shù)字技術(shù)發(fā)展，產(chǎn)生了良好的技術(shù)溢出效應(yīng)，促進(jìn)了當(dāng)?shù)仄髽I(yè)的數(shù)字化轉(zhuǎn)型，并與之形成協(xié)同效應(yīng)，能夠共同降低過(guò)度負(fù)債。同時(shí)，地區(qū)數(shù)字金融的發(fā)展還能夠?yàn)槠髽I(yè)降低融資門(mén)檻、保障融資環(huán)境，強(qiáng)化了數(shù)字化轉(zhuǎn)型對(duì)融資約束的緩解作用（花俊國(guó)等，2022），也會(huì)使數(shù)字化轉(zhuǎn)型更好地降低過(guò)度負(fù)債。因此可以提出假設(shè)H5。

H5：地區(qū)數(shù)字金融水平在企業(yè)數(shù)字化轉(zhuǎn)型降低過(guò)度負(fù)債的過(guò)程中能夠發(fā)揮調(diào)節(jié)作用，當(dāng)?shù)貐^(qū)數(shù)字金融水平高時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型能夠更顯著地降低過(guò)度負(fù)債。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來(lái)源

本文選取了我國(guó)2011—2020年A股上市公司為研究樣本，研究了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的影響。在數(shù)據(jù)篩選過(guò)程中，本文剔除了ST、*ST公司和當(dāng)年上市的公司?？紤]到樣本數(shù)據(jù)的完整性和金融行業(yè)的特殊性，本文還剔除了存在缺失值的樣本和金融行業(yè)的樣本，最終得到了2011—2020年的23 239個(gè)公司-年度樣本。本文所用到的各變量數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)。為了防止極端值的影響，本文對(duì)使用到的虛擬變量外的所有變量均進(jìn)行了上下1%水平的Winsorize處理。

（二）變量定義與度量

1.被解釋變量：過(guò)度負(fù)債（EXLEV）

參考張會(huì)麗和陸正飛（2013）的研究，本文使用實(shí)際資產(chǎn)負(fù)債率減去當(dāng)年行業(yè)資產(chǎn)負(fù)債率中位數(shù)的方法度量企業(yè)的過(guò)度負(fù)債程度。

2.解釋變量：數(shù)字化轉(zhuǎn)型（DCG）

參考吳非等（2021）和趙宸宇等（2021）的方法，借助文本分析技術(shù)從年報(bào)中提取并統(tǒng)計(jì)數(shù)字化轉(zhuǎn)型這一關(guān)鍵詞的詞頻刻畫(huà)企業(yè)數(shù)字化轉(zhuǎn)型程度。具體來(lái)說(shuō)，將吳非等（2021）整理的人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)、數(shù)字技術(shù)運(yùn)用五個(gè)維度76個(gè)企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞作為詞庫(kù)，使用Python軟件的jieba分詞工具對(duì)上市公司年報(bào)進(jìn)行文本分析和詞頻統(tǒng)計(jì)，即首先在上市公司年報(bào)中提取這些關(guān)鍵詞，然后統(tǒng)計(jì)加總這些關(guān)鍵詞的詞頻，在此基礎(chǔ)上將加總后的數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻加1取對(duì)數(shù)作為構(gòu)造企業(yè)數(shù)字化水平的代理變量DCG。

3.中介變量

針對(duì)融資約束的度量，參考Kaplan和Zingales（1997）、高敬忠等（2021a）的做法，計(jì)算KZ指數(shù)（KZ）作為企業(yè)融資約束的代理變量。KZ指數(shù)越大，說(shuō)明企業(yè)的融資約束程度越高。

針對(duì)內(nèi)部治理環(huán)境的度量，現(xiàn)有大量研究指出，內(nèi)部控制與企業(yè)的內(nèi)部治理環(huán)境具有密切的聯(lián)系（李維安和戴文濤，2013），內(nèi)部控制質(zhì)量越高，企業(yè)的內(nèi)部治理環(huán)境越好。因此參考李黎和魏文君（2023）的做法，選用企業(yè)內(nèi)部控制質(zhì)量來(lái)衡量治理效應(yīng)，具體的內(nèi)部控制質(zhì)量度量數(shù)據(jù)來(lái)自迪博的內(nèi)部控制指數(shù)（ICQ）。

4.調(diào)節(jié)變量

針對(duì)分析師關(guān)注（Analyst），參考范潤(rùn)和孫雪嬌（2022）的做法，使用當(dāng)年對(duì)該上市公司進(jìn)行過(guò)跟蹤分析的分析師（團(tuán)隊(duì)）數(shù)量作為代理變量進(jìn)行度量。

針對(duì)地區(qū)數(shù)字金融水平（Fin_index），參考翟淑萍等（2022）的做法，以北京大學(xué)數(shù)字金融研究中心編制的《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2020年）》中全國(guó)內(nèi)地31個(gè)?。ㄖ陛犑小⒆灾螀^(qū)）（不包括港澳臺(tái)）的數(shù)字普惠金融指數(shù)進(jìn)行度量（郭峰等，2020）。

5.控制變量

本文用到的各控制變量的具體含義和度量方法如表1所示。

（三）模型設(shè)計(jì)

為了驗(yàn)證假設(shè)H1，本文設(shè)計(jì)了模型（1）來(lái)檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的影響：

EXLEVit = β0 + β1DCGit + β2Controlit + year +" industry + εit" " " " " " " " " " " " " " " " " " " " " （1）

模型中Controlit代表控制變量，被解釋變量、解釋變量和控制變量的具體含義及度量見(jiàn)前文。根據(jù)研究假設(shè)H1，本文預(yù)期模型（1）中β1顯著為負(fù)。

為了驗(yàn)證假設(shè)H2和H3，參考江艇（2022）和孫健等（2016）驗(yàn)證中介作用的方法，在模型（1）的基礎(chǔ)上設(shè)計(jì)了模型（2）和（3）來(lái)檢驗(yàn)融資約束和內(nèi)部治理環(huán)境在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的影響中發(fā)揮的中介作用。

Mit = α0 + α1DCGit + α2Controlit + year +" "industry + εit" " " " " " " " " " " " " " " " " " " " " " " " " " " （2）

EXLEVit = δ0 + δ1Mit + δ2Controlit + year +" "industry + εit" " " " " " " " " " " " " " " " " " " " "（3）

在模型（2）和（3）中，M為中介變量，包括融資約束和公司治理，其余各變量的定義與度量均與上文相同，此處不再贅述。

為了驗(yàn)證假設(shè)H4和H5，在模型（1）的基礎(chǔ)上增加DCG與調(diào)節(jié)變量MV的交乘項(xiàng)，構(gòu)造模型（4），通過(guò)考察DCG×MV的回歸系數(shù)符號(hào)和顯著性，檢驗(yàn)分析師關(guān)注和地區(qū)數(shù)字金融水平的調(diào)節(jié)作用。

EXLEVit = λ0 + λ1DCGit + λ2DCGit×MVit + λ3MVit +" " "λ4Controlit + year + industry + εit" " " " （4）

四、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計(jì)

表2列示了本文各研究變量的描述性統(tǒng)計(jì)結(jié)果。首先，EXLEV 的均值為1.002 5，中位數(shù)為0.266 0，表明樣本企業(yè)的資產(chǎn)負(fù)債率平均高于行業(yè)中位數(shù)1%；其次，DCG的均值為1.328 5，中位數(shù)為1.098 6，標(biāo)準(zhǔn)差為1.394 9，表明不同企業(yè)的數(shù)字化轉(zhuǎn)型程度差異較大；最后，其他各控制變量的均值和中位數(shù)等均在合理范圍，基本滿(mǎn)足正態(tài)分布的要求。

（二）實(shí)證結(jié)果分析

表3列示的是模型（1）的多元回歸結(jié)果。結(jié)果顯示，在控制有關(guān)變量的情況下，DCG的估計(jì)系數(shù)為-0.670 9，且在1%水平下顯著，這一結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型程度越高過(guò)度負(fù)債水平越低，即企業(yè)數(shù)字化轉(zhuǎn)型有利于降低過(guò)度負(fù)債，研究假設(shè)H1得到了實(shí)證結(jié)果的支持。從經(jīng)濟(jì)學(xué)意義上分析，參考文雯和牛煜皓（2023）的做法，采用解釋變量的回歸系數(shù)（-0.670 9）乘以描述統(tǒng)計(jì)中的標(biāo)準(zhǔn)差（1.394 9），再除以被解釋變量的標(biāo)準(zhǔn)差（18.023 9）計(jì)算經(jīng)濟(jì)顯著性，企業(yè)數(shù)字化轉(zhuǎn)型水平每提升1%，過(guò)度負(fù)債降低5.19%，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債產(chǎn)生影響的同時(shí)具備統(tǒng)計(jì)顯著性和經(jīng)濟(jì)顯著性。

（三）穩(wěn)健性檢驗(yàn)②

1.工具變量法（IV）

針對(duì)模型（1）可能存在的互為因果導(dǎo)致的內(nèi)生性問(wèn)題，本部分運(yùn)用工具變量法對(duì)其進(jìn)行處理。首先，參考苑澤明等（2022）的做法，選取某年度行業(yè)中其他企業(yè)的平均數(shù)字化轉(zhuǎn)型程度、城市移動(dòng)電話(huà)數(shù)量以及城市互聯(lián)網(wǎng)寬帶接入用戶(hù)數(shù)共同作為工具變量進(jìn)行檢驗(yàn)。其次，參考宋德勇等（2022）的做法，不借助外部因素構(gòu)建有效的內(nèi)部工具變量，使用企業(yè)數(shù)字化轉(zhuǎn)型程度與同行業(yè)以及省份的數(shù)字化轉(zhuǎn)型程度均值差額的三次方作為工具變量進(jìn)行檢驗(yàn)。上述兩種方式選取的工具變量對(duì)應(yīng)的Kleibergen-Paap rk LM 統(tǒng)計(jì)量分別為330.94和334.57，Kleibergen-Paap Wald rk F 統(tǒng)計(jì)量分別為156.76和274.69，說(shuō)明兩種方式選取的工具變量均通過(guò)了不可識(shí)別檢驗(yàn)和弱工具變量檢驗(yàn)。第一種方式選取的工具變量對(duì)應(yīng)的Hansen J 統(tǒng)計(jì)量為7.047，說(shuō)明此種方式選取的工具變量也能夠通過(guò)過(guò)度識(shí)別檢驗(yàn)。使用兩種工具變量進(jìn)行兩階段最小二乘法（2SLS）第二階段的回歸結(jié)果分別如表4中列（1）和列（2）所示，經(jīng)過(guò)IV處理后企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)估計(jì)值仍在1%的顯著性水平下為負(fù)，說(shuō)明上文中得出的結(jié)論具有較好的穩(wěn)健性。

2.傾向得分匹配法（PSM）

企業(yè)可能會(huì)因?yàn)樽陨硖卣鞑町惍a(chǎn)生的樣本選擇問(wèn)題而影響回歸結(jié)果的有效性，參考王應(yīng)歡和郭永禎（2023）、聶興凱等（2022）的做法，使用傾向得分匹配法為處理組企業(yè)重新匹配控制組，以減少樣本選擇偏誤。具體來(lái)說(shuō)，首先根據(jù)企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型進(jìn)行分組構(gòu)造變量DCG01，當(dāng)企業(yè)未進(jìn)行數(shù)字化轉(zhuǎn)型即DCG=0時(shí)，DCG01取0，當(dāng)企業(yè)進(jìn)行了數(shù)字化轉(zhuǎn)型即DCG≠0時(shí)，DCG01取1；其次選擇全部控制變量作為協(xié)變量，同時(shí)控制了年度和行業(yè)后對(duì)DCG01進(jìn)行Logit回歸并計(jì)算傾向得分值；再次根據(jù)傾向得分值采用最近鄰匹配法進(jìn)行一對(duì)一匹配；最后基于匹配后的樣本重新進(jìn)行回歸分析。PSM后的回歸結(jié)果如表4的列（3）所示，DCG的符號(hào)和顯著性與表3沒(méi)有明顯區(qū)別，說(shuō)明上文中得出的結(jié)論具有較好的穩(wěn)健性。

3.控制個(gè)體固定效應(yīng)

盡管模型（1）中已經(jīng)控制了一部分可能對(duì)過(guò)度負(fù)債產(chǎn)生影響的變量，但仍然可能存在由遺漏變量所導(dǎo)致的內(nèi)生性問(wèn)題，因此參考許云霄等（2023）的做法，增加對(duì)面板數(shù)據(jù)個(gè)體固定效應(yīng)的控制來(lái)解決這一問(wèn)題，控制個(gè)體固定效應(yīng)后的回歸結(jié)果如表4的列（4）所示。結(jié)果顯示控制個(gè)體固定效應(yīng)后DCG與EXLEV在5%水平下顯著負(fù)相關(guān)，說(shuō)明上文中得出的結(jié)論并未受到遺漏變量的影響，具有較好的穩(wěn)健性。

4.更換代理變量的度量方法

針對(duì)企業(yè)數(shù)字化轉(zhuǎn)型，本部分仍然采用企業(yè)年報(bào)中數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻來(lái)刻畫(huà)企業(yè)數(shù)字化轉(zhuǎn)型程度，但改為采用趙宸宇等（2021）整理的數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造、現(xiàn)代信息系統(tǒng)四個(gè)維度99個(gè)企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞作為詞庫(kù)進(jìn)行詞頻統(tǒng)計(jì)，構(gòu)造度量企業(yè)數(shù)字化轉(zhuǎn)型程度的另一指標(biāo)DCG1。針對(duì)企業(yè)的過(guò)度負(fù)債，參考陸正飛等（2015）的做法，使用實(shí)際負(fù)債率減去目標(biāo)負(fù)債率重新度量企業(yè)的過(guò)度負(fù)債（EXLEV1）。具體來(lái)說(shuō)，企業(yè)目標(biāo)負(fù)債率的計(jì)算方法為：①使用模型（5）對(duì)樣本分年度進(jìn)行Tobit回歸，得出各自變量系數(shù)的估計(jì)值；②將各系數(shù)的估計(jì)值代入模型（5）計(jì)算得出目標(biāo)負(fù)債率（LEV）。

LEVt = γ0 + γ1Statet-1 + γ2ROAt-1 + γ3IND_LEVt-1 +" γ4Growth_At-1 + γ5FATAt-1 + γ6Sizet-1 +" γ7Top1t-1+ εt" " " " " " " " " " " " " " " " " " " " " "（5）

其中，IND_LEV代表企業(yè)所在行業(yè)的資產(chǎn)負(fù)債率中位數(shù)，Growth_A代表企業(yè)總資產(chǎn)增長(zhǎng)率，F(xiàn)ATA代表企業(yè)固定資產(chǎn)占比，其余各變量的含義與前文相同。

更換企業(yè)數(shù)字化轉(zhuǎn)型和過(guò)度負(fù)債度量方法后的回歸結(jié)果顯示，DCG1與EXLEV和DCG與EXLEV1分別在5%和1%水平下顯著負(fù)相關(guān)，說(shuō)明上文中得出的結(jié)論具有較好的穩(wěn)健性。

五、進(jìn)一步研究

（一）作用渠道檢驗(yàn)

表5列示了影響渠道檢驗(yàn)即H2和H3的回歸結(jié)果。結(jié)果顯示，DCG與KZ在1%水平下顯著負(fù)相關(guān)，與ICQ在1%水平下顯著正相關(guān)，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低融資約束和提高內(nèi)部控制質(zhì)量；KZ與EXLEV在1%水平下顯著正相關(guān)，ICQ與EXLEV在1%水平下顯著負(fù)相關(guān)，說(shuō)明融資約束緩解和內(nèi)部控制質(zhì)量提高有助于降低企業(yè)過(guò)度負(fù)債水平。同時(shí)，對(duì)模型（2）和（3）的回歸系數(shù)α1×δ1的檢驗(yàn)結(jié)果表明α1×δ1顯著異于0，說(shuō)明中介效應(yīng)存在（孫健等，2016）。結(jié)合前文中的理論分析，從統(tǒng)計(jì)檢驗(yàn)結(jié)果和理論分析角度均可以認(rèn)為融資約束和內(nèi)部治理環(huán)境在企業(yè)數(shù)字化轉(zhuǎn)型降低過(guò)度負(fù)債的過(guò)程中發(fā)揮了顯著的中介作用，假設(shè)H2和H3得到了實(shí)證的支持。

（二）調(diào)節(jié)作用檢驗(yàn)

表6中列示了調(diào)節(jié)效應(yīng)檢驗(yàn)，即H4和H5的回歸結(jié)果。結(jié)果顯示，DCG×Analyst與EXLEV在1%水平下顯著正相關(guān)，說(shuō)明當(dāng)分析師關(guān)注度更低時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的降低作用更強(qiáng)；DCG×Fin_index與EXLEV在1%水平下顯著負(fù)相關(guān)，說(shuō)明當(dāng)企業(yè)所處地區(qū)數(shù)字金融水平更高時(shí)，數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的降低作用更強(qiáng)。以上結(jié)果支持了假設(shè)H4和H5。

六、結(jié)論與建議

本文以2011—2020年我國(guó)A股上市公司樣本為例，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的降低作用。檢驗(yàn)結(jié)果表明：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低過(guò)度負(fù)債，在經(jīng)過(guò)工具變量法等一系列穩(wěn)健性檢驗(yàn)后，這一結(jié)論依然成立。進(jìn)一步檢驗(yàn)的結(jié)果顯示，影響渠道檢驗(yàn)方面，融資約束和內(nèi)部治理環(huán)境都在企業(yè)數(shù)字化轉(zhuǎn)型降低過(guò)度負(fù)債的過(guò)程中發(fā)揮了顯著的中介作用；調(diào)節(jié)作用檢驗(yàn)方面，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)過(guò)度負(fù)債的作用會(huì)受到外部環(huán)境的影響，在分析師關(guān)注度低和地區(qū)數(shù)字金融水平高的樣本中，企業(yè)數(shù)字化轉(zhuǎn)型更能夠顯著降低過(guò)度負(fù)債。本文的研究結(jié)果表明數(shù)字化轉(zhuǎn)型能夠給企業(yè)發(fā)展帶來(lái)幫助，優(yōu)化資本結(jié)構(gòu)，控制財(cái)務(wù)風(fēng)險(xiǎn)，為企業(yè)推動(dòng)數(shù)字化轉(zhuǎn)型、優(yōu)化資本結(jié)構(gòu)和有關(guān)監(jiān)管機(jī)構(gòu)進(jìn)行宏觀調(diào)控、防范化解金融風(fēng)險(xiǎn)提供了重要啟示。

結(jié)合本文的研究結(jié)論和意義，可以從企業(yè)和政府角度提出如下建議：

首先，伴隨著數(shù)字經(jīng)濟(jì)時(shí)代的到來(lái)，企業(yè)要抓住數(shù)字化轉(zhuǎn)型機(jī)遇，積極參與到數(shù)字化轉(zhuǎn)型的浪潮中來(lái)。一是企業(yè)要加大對(duì)數(shù)字化的投入，完善數(shù)字化人才的培養(yǎng)和激勵(lì)模式，打造一流的數(shù)字化運(yùn)營(yíng)團(tuán)隊(duì)，更好地結(jié)合自身的需求，根據(jù)自身特點(diǎn)推進(jìn)數(shù)字化轉(zhuǎn)型；二是企業(yè)要認(rèn)識(shí)到數(shù)字化轉(zhuǎn)型對(duì)自身發(fā)展的重要意義，對(duì)內(nèi)可以將經(jīng)營(yíng)、投資、融資等數(shù)據(jù)進(jìn)行收集、分析、可視化處理，更好地為決策提供支持并對(duì)內(nèi)部管理進(jìn)行監(jiān)督，對(duì)外可以提供更高質(zhì)量的信息，緩解企業(yè)融資約束，合理安排企業(yè)負(fù)債，控制財(cái)務(wù)風(fēng)險(xiǎn)，幫助企業(yè)更加健康地發(fā)展。因此，企業(yè)在推動(dòng)數(shù)字化轉(zhuǎn)型的基礎(chǔ)上，更要積極地利用數(shù)字化轉(zhuǎn)型的成果，而不是將其簡(jiǎn)單地作為一項(xiàng)“面子工程”，將辛苦打造的數(shù)字化系統(tǒng)擱置，白白浪費(fèi)資源。

其次，政府要加大力度鼓勵(lì)引導(dǎo)企業(yè)積極推動(dòng)數(shù)字化轉(zhuǎn)型。一是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型必然會(huì)占用企業(yè)有限的資源，政府可以通過(guò)稅收優(yōu)惠、政府補(bǔ)貼等方式為企業(yè)提供資金支持；二是政府可以定期組織企業(yè)、科研機(jī)構(gòu)、社會(huì)團(tuán)體等單位舉辦數(shù)字化轉(zhuǎn)型論壇，促進(jìn)相關(guān)單位交流，推廣企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中的典型經(jīng)驗(yàn)；三是政府可以牽頭制定企業(yè)數(shù)字化有關(guān)的標(biāo)準(zhǔn)，為企業(yè)數(shù)字化轉(zhuǎn)型指明方向，防止企業(yè)在數(shù)字化轉(zhuǎn)型的過(guò)程中走彎路。同時(shí)，由于地區(qū)數(shù)字金融發(fā)展水平能夠強(qiáng)化企業(yè)數(shù)字化轉(zhuǎn)型效力的發(fā)揮，政府還應(yīng)加強(qiáng)地區(qū)的數(shù)字金融建設(shè)，為企業(yè)數(shù)字化轉(zhuǎn)型營(yíng)造良好的環(huán)境，促進(jìn)數(shù)字金融與企業(yè)數(shù)字化轉(zhuǎn)型協(xié)同發(fā)揮作用，由此更好地推動(dòng)金融風(fēng)險(xiǎn)防范工作，促進(jìn)資本市場(chǎng)平穩(wěn)健康發(fā)展。

注釋?zhuān)?/p>

① 數(shù)據(jù)來(lái)自國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布的《數(shù)字中國(guó)發(fā)展報(bào)告（2022年）》。

② 除以下幾種方法外，本文還采用了滯后核心解釋變量、安慰劑檢驗(yàn)、改變樣本范圍等方法進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果均保持穩(wěn)健。

參考文獻(xiàn)：

[1] 劉慧，白聰. 數(shù)字化轉(zhuǎn)型促進(jìn)中國(guó)企業(yè)節(jié)能減排了嗎？[J]. 上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，24（05）：19-32.

[2] 聶興凱，王穩(wěn)華，裴璇. 企業(yè)數(shù)字化轉(zhuǎn)型會(huì)影響會(huì)計(jì)信息可比性嗎？[J]. 會(huì)計(jì)研究，2022（05）：17-39.

[3] 冼依婷，何威風(fēng). 企業(yè)數(shù)字化轉(zhuǎn)型影響業(yè)績(jī)預(yù)告質(zhì)量嗎？[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，44（09）：100-113.

[4] 胡潔，韓一鳴，鐘詠. 企業(yè)數(shù)字化轉(zhuǎn)型如何影響企業(yè)ESG表現(xiàn)——來(lái)自中國(guó)上市公司的證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2023（01）：105-123.

[5] 宋德勇， 朱文博， 丁海. 企業(yè)數(shù)字化能否促進(jìn)綠色技術(shù)創(chuàng)新？——基于重污染行業(yè)上市公司的考察[J]. 財(cái)經(jīng)研究， 2022， 48（04）： 34-48.

[6] 趙宸宇，王文春，李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2021，42（07）：114-129.

[7]沈劍飛，李亞杰，王濤，等. 數(shù)字化轉(zhuǎn)型與企業(yè)資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整[J]. 統(tǒng)計(jì)與信息論壇，2022，37（12）：42-54.

[8]毛建輝. 企業(yè)數(shù)字化轉(zhuǎn)型與“存貸雙高”異象——來(lái)自文本解讀的證據(jù)[J]. 當(dāng)代財(cái)經(jīng)，2023（08）：95-107.

[9] 吳非，胡慧芷，林慧妍，等. 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）：130-144+10.

[10]林川. 數(shù)字化轉(zhuǎn)型與股價(jià)崩盤(pán)風(fēng)險(xiǎn)[J]. 證券市場(chǎng)導(dǎo)報(bào)，2022（06）：47-57.

[11] LEARY M T， ROBERTS M R. Do firms rebalance their capital structures？[J]. Journal of Finance， 2005， 60（06）： 2575-2619.

[12] GRAHAM J R， HARVEY C R. The theory and practice of corporate finance： Evidence from the field[J]. Journal of Financial Economics， 2001， 60（02-03）： 187-243.

[13]陸正飛，何捷，竇歡. 誰(shuí)更過(guò)度負(fù)債：國(guó)有還是非國(guó)有企業(yè)？[J]. 經(jīng)濟(jì)研究，2015，50（12）：54-67.

[14]CASKEY J， HUGHES J， LIU J. Leverage， excess leve-

rage， and future returns[J]. Review of Accounting Studies， 2012， 17（02）： 443-471.

[15]劉麗娜，馬亞民. 實(shí)體企業(yè)金融化、過(guò)度負(fù)債與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于上市公司投資視角的檢驗(yàn)[J]. 云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018，34（03）：41-55.

[16] UYSAL V B. Deviation from the target capital structure and acquisition choices[J]. Journal of Financial Economics， 2011， 102（03）： 602-620.

[17]王紅建，楊箏，阮剛銘，等. 放松利率管制、過(guò)度負(fù)債與債務(wù)期限結(jié)構(gòu)[J]. 金融研究，2018（02）：100-117.

[18] LAI X， ZHANG F. Can ESG certification help company get out of over-indebtedness？ Evidence from China[J]. Pacific-Basin Finance Journal， 2022， 76： 101878.

[19]張淼，孫光國(guó).多個(gè)大股東能驅(qū)動(dòng)企業(yè)降低過(guò)度負(fù)債水平嗎[J]. 財(cái)經(jīng)科學(xué)，2022（03）：29-43.

[20]吳秋生，獨(dú)正元. 混合所有制改革程度、政府隱性擔(dān)保與國(guó)企過(guò)度負(fù)債[J]. 經(jīng)濟(jì)管理，2019，41（08）：162-177.

[21]郭檬楠，郭金花. 國(guó)家審計(jì)監(jiān)督能降低國(guó)企過(guò)度負(fù)債嗎？——基于國(guó)家審計(jì)與社會(huì)審計(jì)協(xié)同的視角[J]. 上海財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，22（06）：95-109.

[22]張純，呂偉.信息披露、市場(chǎng)關(guān)注與融資約束[J]. 會(huì)計(jì)研究，2007（11）：32-38+95.

[23]李黎，魏文君.數(shù)字化轉(zhuǎn)型與企業(yè)杠桿操縱[J]. 財(cái)會(huì)月刊， 2023，44（08）：35-44.

[24]高敬忠，楊朝，彭正銀.網(wǎng)絡(luò)平臺(tái)互動(dòng)能夠緩解企業(yè)融資約束嗎——來(lái)自交易所互動(dòng)平臺(tái)問(wèn)答的證據(jù)[J]. 會(huì)計(jì)研究，2021a（06）：59-75.

[25]王敬勇，孫彤，李珮.數(shù)字化轉(zhuǎn)型與企業(yè)融資約束——基于中小企業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].科學(xué)決策， 2022（11）：1-23.

[26]苑澤明， 于翔， 李萌， 等. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)的融資約束[J]. 會(huì)計(jì)之友， 2022（19）： 99-108.

[27]高敬忠，王天雨，王英允. 經(jīng)濟(jì)政策不確定性與“雙高現(xiàn)象”[J]. 外國(guó)經(jīng)濟(jì)與管理，2021b，43（04）：3-18.

[28]韓冬梅， 馬圣楠， 劉建梅. 數(shù)字化與企業(yè)內(nèi)部控制質(zhì)量[J]. 中國(guó)審計(jì)評(píng)論， 2023（02）：79-110.

[29]董屹宇，郭澤光. 管理層股權(quán)激勵(lì)、兩職合一與企業(yè)過(guò)度負(fù)債——基于兩種代理理論的分析[J].當(dāng)代財(cái)經(jīng)，2019（01）：119-130.

[30]黃宏斌，胡偉燕，陳美健. 自媒體信息披露對(duì)社會(huì)責(zé)任報(bào)告市場(chǎng)反應(yīng)的影響研究[J]. 證券市場(chǎng)導(dǎo)報(bào)，2021（12）：54-65.

[31]夏蕓， 夏鵬佳， 林子昂. 數(shù)字化轉(zhuǎn)型與商業(yè)信用融資——以中國(guó)A股上市公司為例[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2023，42（07）： 30-39.

[32]范潤(rùn)，孫雪嬌. 減少避稅活動(dòng)會(huì)抑制實(shí)體企業(yè)金融化嗎？——基于“金稅三期”準(zhǔn)自然實(shí)驗(yàn)的證據(jù)[J]. 金融評(píng)論，2022，14（04）：79-101+126.

[33]花俊國(guó)， 劉暢， 朱迪. 數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)全要素生產(chǎn)率[J]. 南方金融， 2022（07）： 54-65.

[34]張會(huì)麗，陸正飛. 控股水平、負(fù)債主體與資本結(jié)構(gòu)適度性[J]. 南開(kāi)管理評(píng)論，2013，16（05）：142-151.

[35] KAPLAN S N， ZINGALES L. Do investment-cash flow sensitivities provide useful measures of financing constraints？[J]. The Quarterly Journal of Economics， 1997， 112（01）： 169-215.

[36]李維安， 戴文濤. 公司治理、內(nèi)部控制、風(fēng)險(xiǎn)管理的關(guān)系框架——基于戰(zhàn)略管理視角[J]. 審計(jì)與經(jīng)濟(jì)研究， 2013， 28（04）： 3-12.

[37]翟淑萍，韓賢，張曉琳，等. 數(shù)字金融能降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)嗎[J]. 會(huì)計(jì)研究，2022（02）：117-131.

[38]郭峰，王靖一，王芳，等. 測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J]. 經(jīng)濟(jì)學(xué)（季刊），2020，19（04）：1401-1418.

[39]江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)，2022（05）：100-120.

[40]孫健， 王百?gòu)?qiáng)， 曹豐， 等. 公司戰(zhàn)略影響盈余管理嗎？[J]. 管理世界， 2016（03）：160-169.

[41]文雯， 牛煜皓. 數(shù)字化轉(zhuǎn)型會(huì)加劇企業(yè)投融資期限錯(cuò)配嗎？[J]. 中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)， 2023（05）：18-30.

[42]王應(yīng)歡，郭永禎. 企業(yè)數(shù)字化轉(zhuǎn)型與ESG表現(xiàn)

——基于中國(guó)上市企業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 財(cái)經(jīng)研究，2023，49（09）：94-108.

[43]許云霄，柯俊強(qiáng)，劉江寧，等. 數(shù)字化轉(zhuǎn)型與企業(yè)避稅[J]. 經(jīng)濟(jì)與管理研究，2023，44（06）：97-112.

（責(zé)任編輯：唐詩(shī)柔）

Can Digital Transformation Help Enterprises Prevent Financial Risks？：

From Excess Leverage of Enterprises

YANG Zhao

（ State Grid Tianjin Power Chengnan District Supply Company ）

Abstract： Currently， preventing and resolving financial risks is one of the important financial tasks for the country. From the perspective of enterprises as the micro subject， reasonably arranging capital structure and reducing excess leverage are beneficial for controlling financial risks of enterprises. Therefore， combining with the current development of the digital economy， this paper takes China's A-share listed companies from 2011 to 2020 as a sample to empirically test the effect of enterprise digital transformation on reducing excess leverage， and further study the mediating and moderating effects models separately. The empirical results show that enterprise digital transformation can significantly reduce the level of excess leverage， and financing constraints and internal governance environment play a significant mediating role in this process， and analyst attention and regional digital finance level have negative and positive moderating effects on this process. Another way to think of this is that， under the conditions of low analyst attention and high regional digital finance level， enterprise digital transformation can better reduce excess leverage. This study enriches the research on the economic consequences of enterprise digital transformation， and provides new ideas for reducing excess leverage of enterprises and preventing and resolving financial risks.

Keywords： Digital transformation; Excess leverage; Financing constraints; Governance mechanism

收稿日期：2023-11-07

作者簡(jiǎn)介：楊朝，國(guó)網(wǎng)天津市電力公司城南供電分公司，研究方向?yàn)橘Y本市場(chǎng)財(cái)務(wù)與會(huì)計(jì)。

本文感謝匿名審稿專(zhuān)家的寶貴意見(jiàn)，文責(zé)自負(fù)。