數字化轉型如何影響企業債務融資
——基于A股上市公司的實證研究

文/周琳（復旦大學管理學院）

一、引言

隨著人工智能、物聯網、云計算等信息技術的不斷發展，數字經濟在國民經濟中的地位愈發重要。2021年12月12日，國務院印發了《“十四五”數字經濟發展規劃》，強調數字經濟將成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。對應微觀企業主體，發展數字經濟包含數字產業化及產業數字化兩大內涵。前者是指將大數據、區塊鏈等高端技術工程化、產業化，其主要針對高新信息技術企業。后者則是指現有的企業在研發、生產、銷售等多環節應用先進的數字信息技術，逐步實現數字化轉型，而本文更多關注的是企業進行數字化轉型對融資可能產生的影響。由于數字化轉型涉及多環節、多技術，其輻射范圍較廣且內涵豐富，從內部的營運視角，物聯網等技術可以提升公司及供應鏈生產效率，信息平臺等可以加強內部交流，從而改善公司治理。從外部的信息視角，企業可以借助新媒體向利益相關者傳遞信息，與股東、債權人、分析師等更為便捷地溝通交流。

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

本文從債務融資視角出發探究數字化轉型如何影響企業融資行為。首先，本文構建固定效應模型探究企業債務融資與數字化轉型的關系；其次，本文分別檢驗不同融資約束強度、不同規模、是否虧損、不同所有權性質的條件下，數字化轉型對企業債務融資影響的異質性；第三，本文檢驗了數字化轉型是否對債務融資成本和債務期限結構產生影響；第四，改變新增債務融資及數字化轉型的衡量方式后，檢驗本文主檢驗結果的穩健性。

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

二、研究設計

（一）樣本篩選

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

（二）變量定義

本文的被解釋變量為債務融資Debt_finance。參 照Covas et al.(2011)、吳華強等(2015)，債權融資Debt_finance定義為有息債務的增加額/滯后一期總資產，數據來自CSMAR數據庫。

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

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

（三）模型設定

本文采用固定效應模型來檢驗數字化轉型對企業債務融資的影響，具體模型設定如下：

本文重點關注系數β的經濟意義和統計意義，模型中加入了個體固定效應（行業固定效應或公司固定效應）和時間固定效應（年份固定效應），所有結果均使用穩健標準誤。

三、實證分析

（一）描述性統計

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

表1 描述性統計

（二）主檢驗

為檢驗數字化轉型如何影響企業債務融資，本文對研究設計中的模型進行檢驗，結果如表2所示。被解釋變量為Debt_finance，其中第（1）（3）列未加入控制變量，第（2）（4）列加入控制變量，第（1）（2）列加入行業固定效應和年份固定效應，第（3）（4）列加入公司固定效應和年份固定效應。結果均在1%的置信水平顯著，表明企業數字化轉型后債權融資顯著增加。控制變量中，債務融資與公司規模、公司盈利水平顯著正相關，與公司年齡顯著負相關。

表2 數字化轉型與企業債權融資

表3 不同情境下數字化轉型與企業債務融資的關系

（三）截面檢驗

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

（四）進一步檢驗

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

表4 穩健性檢驗

四、結論

本文從債務融資視角出發探究數字化轉型如何影響企業融資行為。研究發現：第一，企業數字化轉型后，債務融資顯著增加；第二，債務融資與企業數字化轉型的正向關系在融資約束較強、規模較大、非虧損、國有的企業更顯著；第三，企業數字化轉型后，債務融資成本下降，債務期限結構拉長；第四，本文結果在改變被解釋變量及解釋變量定義后依然顯著。本文研究結果表明，數字化轉型對內可以增強企業運營效率，對外可以降低信息不對稱，從而在量、價、期限等維度改善企業債務融資，有效緩解融資約束。但其對融資約束的緩解是結構性的，數字化轉型對債務融資的促進更多是對較易融資的企業發揮“錦上添花”的作用。