數(shù)字化轉(zhuǎn)型能破解企業(yè)融資約束嗎?
——商業(yè)信用融資視角

李健 李俊豪 李晏墅

(南京師范大學(xué) 商學(xué)院,江蘇 南京 210023)

一、引言

在國(guó)家加快推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和深化供給側(cè)結(jié)構(gòu)性改革的新形勢(shì)下,融資約束已成為妨礙企業(yè)發(fā)展的重要瓶頸之一。已有研究發(fā)現(xiàn),較高的融資約束不僅可能會(huì)導(dǎo)致企業(yè)經(jīng)營(yíng)項(xiàng)目失敗,還會(huì)影響關(guān)聯(lián)企業(yè)的經(jīng)濟(jì)行為[1]。因此,及時(shí)獲得生產(chǎn)經(jīng)營(yíng)所需的資金對(duì)企業(yè)甚至是整條供應(yīng)鏈的穩(wěn)定運(yùn)行都有至關(guān)重要的作用。但我國(guó)長(zhǎng)期以銀行為主導(dǎo)的金融體系往往存在“規(guī)模歧視”和“所有權(quán)偏好”,導(dǎo)致信貸資源錯(cuò)配的現(xiàn)象層出不窮,使得真正需要資金的企業(yè)難以獲得支持。為了應(yīng)對(duì)此困境,商業(yè)信用等經(jīng)營(yíng)性負(fù)債常常被作為緩解融資約束的重要手段[2]。并且商業(yè)信用融資融入的往往是存貨等有形資產(chǎn),也有助于抑制大量現(xiàn)金流引發(fā)的投資過(guò)度問(wèn)題,提高了企業(yè)資源配置效率[3]。2020年我國(guó)國(guó)家發(fā)改委、科技部等部門印發(fā)了《關(guān)于支持民營(yíng)企業(yè)加快改革發(fā)展與轉(zhuǎn)型升級(jí)的實(shí)施意見(jiàn)》,《意見(jiàn)》指出支持開(kāi)展信用融資,加大以信用信息為核心內(nèi)容的企業(yè)融資模式推廣力度。在此背景下,研究商業(yè)信用融資的影響因素對(duì)優(yōu)化供應(yīng)鏈關(guān)系,實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展具有重要的理論及現(xiàn)實(shí)意義。

在當(dāng)前數(shù)字經(jīng)濟(jì)的浪潮下,數(shù)字化轉(zhuǎn)型已經(jīng)逐漸成為企業(yè)技術(shù)變革的核心戰(zhàn)略方向,有助于企業(yè)贏得未來(lái)發(fā)展的主動(dòng)權(quán)。2022年國(guó)務(wù)院政府工作報(bào)告也明確指出要“促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展,加強(qiáng)數(shù)字中國(guó)建設(shè)整體布局”。在這種政策導(dǎo)向的驅(qū)動(dòng)下,數(shù)字化轉(zhuǎn)型已經(jīng)成為企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展的必由之路[4]。既往研究表明,數(shù)字化轉(zhuǎn)型具有緩解企業(yè)融資約束的作用[5],具體表現(xiàn)在:數(shù)字技術(shù)在金融領(lǐng)域的創(chuàng)新應(yīng)用能夠有效改善企業(yè)信息不對(duì)稱狀況,降低信貸風(fēng)險(xiǎn)[6],解決了企業(yè)融資成本高的難題。然而,目前鮮有文獻(xiàn)探討數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資這種外部融資渠道的影響。商業(yè)信用產(chǎn)生于企業(yè)的供應(yīng)鏈環(huán)節(jié)上,當(dāng)下游企業(yè)面臨資金斷裂的風(fēng)險(xiǎn)時(shí),位于上游的供應(yīng)商提供的商業(yè)信用融資往往能夠有效緩解企業(yè)現(xiàn)金流壓力。已有文獻(xiàn)開(kāi)始探討數(shù)字化轉(zhuǎn)型對(duì)供應(yīng)鏈上企業(yè)行為的影響,認(rèn)為數(shù)字化轉(zhuǎn)型有助于加深供應(yīng)鏈集成程度,使得企業(yè)與供應(yīng)鏈上的利益主體聯(lián)系更加緊密[7],從而有效降低上下游企業(yè)之間信息不對(duì)稱程度,促進(jìn)企業(yè)之間實(shí)現(xiàn)資源互補(bǔ)和信息共享。在供應(yīng)鏈上下游企業(yè)的合作關(guān)系中,信息對(duì)稱是產(chǎn)生商業(yè)信用契約關(guān)系的關(guān)鍵之處[8]。根據(jù)上述邏輯,由此提出本文的研究問(wèn)題:上游供應(yīng)商能否將數(shù)字化轉(zhuǎn)型戰(zhàn)略視為下游企業(yè)具有較低信息風(fēng)險(xiǎn)的信號(hào),進(jìn)而調(diào)整自己的商業(yè)信用政策?數(shù)字化轉(zhuǎn)型又是通過(guò)何種路徑、在何種情境下發(fā)揮“補(bǔ)血”效果?

本文的邊際貢獻(xiàn)在于:首先,以往關(guān)于數(shù)字化轉(zhuǎn)型價(jià)值效應(yīng)的研究主要集中在企業(yè)自身層面,如促進(jìn)企業(yè)社會(huì)責(zé)任履行[9]、提升企業(yè)創(chuàng)新效率[10]、改善企業(yè)主業(yè)績(jī)效[11]等,而尚未關(guān)注數(shù)字化轉(zhuǎn)型對(duì)企業(yè)供應(yīng)鏈上的利益相關(guān)者-供應(yīng)商的授信決策影響。因此,本文的理論探索是對(duì)數(shù)字化轉(zhuǎn)型文獻(xiàn)的有益補(bǔ)充。其次,已有文獻(xiàn)多是從企業(yè)治理環(huán)境等因素探究對(duì)商業(yè)信用融資的影響,而較少?gòu)钠髽I(yè)戰(zhàn)略視角出發(fā)考慮對(duì)商業(yè)信用融資的影響。區(qū)別于已有研究[12-13],本文從數(shù)字化轉(zhuǎn)型這一公司內(nèi)部戰(zhàn)略視角出發(fā),考察了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的影響,豐富了商業(yè)信用融資影響因素研究。最后,本文進(jìn)一步細(xì)化研究,揭示了數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的作用路徑,并在異質(zhì)性分析和進(jìn)一步分析方面做出了探索,形成一個(gè)較為完整的研究框架。本文的研究結(jié)論不僅為破解企業(yè)融資困境提供了新思路,也對(duì)推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的參考價(jià)值。

二、文獻(xiàn)回顧

商業(yè)信用融資是指供應(yīng)鏈上下游企業(yè)在商品交易中基于雙方的信任程度,以賒銷或預(yù)付等形式而形成的借貸關(guān)系。現(xiàn)有文獻(xiàn)對(duì)商業(yè)信用融資影響因素的探析包括宏觀和微觀兩個(gè)方面。在宏觀層面,大多數(shù)關(guān)注的是制度環(huán)境、經(jīng)濟(jì)政策等方面對(duì)商業(yè)信用融資的影響。如McGuinness和Hogan(2016)[14]研究發(fā)現(xiàn),金融危機(jī)后,商業(yè)信用融資在中小企業(yè)中一定程度上成為銀行融資的替代方式;Li等(2021)[15]發(fā)現(xiàn)采用IFRS的國(guó)家會(huì)幫助企業(yè)獲得更多的商業(yè)信用融資;潘越等(2022)[2]發(fā)現(xiàn)法治化營(yíng)商環(huán)境有助于企業(yè)獲得更多的商業(yè)信用融資。微觀層面的影響因素主要聚焦于企業(yè)自身特征、管理層個(gè)人特質(zhì)等。在企業(yè)自身方面,Lee等(2018)[16]發(fā)現(xiàn)企業(yè)占有的市場(chǎng)份額越大,獲得的商業(yè)信用融資會(huì)更多。宋小保和郭春(2022)[17]研究發(fā)現(xiàn)關(guān)聯(lián)供應(yīng)商占比越高,企業(yè)的商業(yè)信用融資越多。此外,還有少量文獻(xiàn)探討了公司戰(zhàn)略對(duì)商業(yè)信用融資的影響,如一些學(xué)者從財(cái)務(wù)戰(zhàn)略[12]和企業(yè)資源配置戰(zhàn)略[13]等角度考察了對(duì)商業(yè)信用融資的影響。管理者個(gè)人特質(zhì)也同樣會(huì)影響企業(yè)商業(yè)信用融資的獲取。如許曉芳等(2018)[18]發(fā)現(xiàn)當(dāng)企業(yè)CEO為女性時(shí),公司會(huì)具有更高的商業(yè)信用融資水平;Kong等(2020)[19]發(fā)現(xiàn)當(dāng)CEO在家鄉(xiāng)與供應(yīng)商聯(lián)系時(shí),有助于獲得更多的商業(yè)信用融資。

數(shù)字化轉(zhuǎn)型是一種由信息系統(tǒng)促成的整體業(yè)務(wù)轉(zhuǎn)型,伴隨著組織和行業(yè)層面的經(jīng)濟(jì)和技術(shù)變革[20]。目前關(guān)于數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的研究主要集中探討對(duì)企業(yè)這一微觀主體的影響。一些學(xué)者從企業(yè)經(jīng)營(yíng)價(jià)值的角度來(lái)考察數(shù)字化轉(zhuǎn)型的影響,如Ferreira等(2019)[21]研究發(fā)現(xiàn)采用新的數(shù)字流程有助于公司提升企業(yè)競(jìng)爭(zhēng)力、創(chuàng)新力和對(duì)市場(chǎng)感知能力;楊水利等(2022)[10]發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)企業(yè)的創(chuàng)新效率有顯著的提升作用;易露霞等(2021)[11]研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型強(qiáng)度越高,則主業(yè)績(jī)效越好。還有一些學(xué)者關(guān)注數(shù)字化轉(zhuǎn)型對(duì)公司治理的影響,如Ilya和Irina(2022)[22]發(fā)現(xiàn)數(shù)字化本身對(duì)企業(yè)的代理沖突具有緩解作用;馬慧和陳勝藍(lán)(2022)[23]發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型通過(guò)緩解企業(yè)內(nèi)部人的壞消息隱藏進(jìn)而降低了股價(jià)崩盤風(fēng)險(xiǎn);徐朝輝和王滿四(2022)[24]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠有效抑制實(shí)體企業(yè)過(guò)度金融化。但數(shù)字化轉(zhuǎn)型在企業(yè)之外產(chǎn)生影響的研究還比較少,僅有少數(shù)文獻(xiàn)探討了數(shù)字化轉(zhuǎn)型會(huì)對(duì)供應(yīng)商創(chuàng)新[25]、供應(yīng)鏈集成[7]等產(chǎn)生影響。

綜上所述,雖然學(xué)術(shù)界對(duì)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果以及商業(yè)信用融資的影響因素已有大量研究,但是仍然存在一些可以完善之處。首先,目前大多數(shù)研究都證實(shí)了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)自身決策的治理效應(yīng),而忽視了對(duì)企業(yè)外部利益相關(guān)者行為決策的影響。其次,現(xiàn)有文獻(xiàn)聚焦于企業(yè)內(nèi)外部環(huán)境對(duì)商業(yè)信用融資的影響,而從公司戰(zhàn)略視角探討對(duì)商業(yè)信用融資影響的研究略有不足。最后,尚未有研究直接涉及數(shù)字化轉(zhuǎn)型是否會(huì)影響商業(yè)信用融資,也未能深入考察數(shù)字化轉(zhuǎn)型影響商業(yè)信用融資的作用機(jī)制、外部條件和經(jīng)濟(jì)后果。基于以上分析,本文試圖建立數(shù)字化轉(zhuǎn)型與商業(yè)信用融資之間的邏輯關(guān)系,以補(bǔ)充現(xiàn)有研究的不足。

三、理論分析與研究假設(shè)

(一)數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響

研究表明,數(shù)字化轉(zhuǎn)型有助于提高企業(yè)與外部利益相關(guān)方的溝通效率,強(qiáng)化了雙方的信息透明空間[9]。而供應(yīng)商作為企業(yè)重要的外部利益相關(guān)方,兩者之間的信息不對(duì)稱將會(huì)成為阻礙企業(yè)商業(yè)信用融資能力的重要因素之一[26]。本研究認(rèn)為數(shù)字化轉(zhuǎn)型能夠提高企業(yè)的信息透明度,進(jìn)而獲得更多的商業(yè)信用融資。

首先,數(shù)字化轉(zhuǎn)型有利于提高企業(yè)與供應(yīng)商之間的信息傳遞效率。與傳統(tǒng)工業(yè)經(jīng)濟(jì)環(huán)境相比,數(shù)字化情境具有開(kāi)放性、無(wú)邊界性、強(qiáng)互動(dòng)性、不確定性等典型特征[27],在生產(chǎn)有效信息的情況下,供應(yīng)商能夠及時(shí)獲得企業(yè)生產(chǎn)、經(jīng)營(yíng)方面信息。比如,工業(yè)互聯(lián)網(wǎng)平臺(tái)等數(shù)字技術(shù)的廣泛使用,有助于供應(yīng)鏈合作伙伴之間達(dá)成信息共享和生產(chǎn)協(xié)同,使得上游供應(yīng)商實(shí)現(xiàn)對(duì)交易產(chǎn)品實(shí)時(shí)追蹤,進(jìn)而以較低的成本對(duì)下游企業(yè)交易流程的規(guī)范性進(jìn)行監(jiān)督。可見(jiàn),數(shù)字化轉(zhuǎn)型有助于打造透明的交易流程,降低企業(yè)與供應(yīng)商之間的信息不對(duì)稱,減少交易雙方事后的監(jiān)督成本,從而獲得供應(yīng)商更多的商業(yè)信用支持。

其次,數(shù)字化轉(zhuǎn)型有利于提升供應(yīng)商獲取和整合企業(yè)信息的質(zhì)量,增進(jìn)交易雙方的信任程度。具體來(lái)講,數(shù)字技術(shù)促使數(shù)據(jù)要素有更強(qiáng)的即時(shí)性、透明性和可驗(yàn)證性[23],導(dǎo)致信息不易扭曲且難以丟失。比如,區(qū)塊鏈技術(shù)的運(yùn)用會(huì)使得交易鏈條上全部的交易信息得到固定存儲(chǔ),一旦發(fā)生修改或調(diào)整,利益相關(guān)者很容易發(fā)現(xiàn),這能有效保證數(shù)據(jù)信息的可靠性和穩(wěn)定性;同時(shí),數(shù)字化轉(zhuǎn)型有助于企業(yè)實(shí)現(xiàn)內(nèi)部管理流程實(shí)時(shí)化和公開(kāi)化,提高會(huì)計(jì)信息質(zhì)量,降低企業(yè)進(jìn)行盈余管理、內(nèi)部交易等違規(guī)操作的動(dòng)機(jī),便于供應(yīng)商準(zhǔn)確評(píng)估企業(yè)狀況。此外,實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)更容易獲得分析師跟蹤與關(guān)注[28],而分析師作為專業(yè)的信息中介,會(huì)對(duì)企業(yè)信息進(jìn)行深度挖掘與解讀并傳遞給資本市場(chǎng)上的利益相關(guān)者,這將間接地對(duì)企業(yè)內(nèi)部的信息舞弊行為施加壓力,從而提升了企業(yè)信息披露質(zhì)量。Chen等(2022)[29]的研究也發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型顯著提高了分析師追蹤的數(shù)量和公共信息預(yù)測(cè)的準(zhǔn)確性,優(yōu)化了資本市場(chǎng)信息環(huán)境。上述過(guò)程均表明數(shù)字化轉(zhuǎn)型有利于供應(yīng)商獲得高質(zhì)量信息,促使供應(yīng)商與企業(yè)建立良好的合作關(guān)系,從而避免雙方因信息不對(duì)稱而使得商業(yè)信用配給減少。

最后,基于信號(hào)傳遞理論,數(shù)字化轉(zhuǎn)型能夠發(fā)揮向外界傳遞積極信號(hào)的作用。數(shù)字化轉(zhuǎn)型是當(dāng)前經(jīng)濟(jì)社會(huì)發(fā)展建設(shè)的熱點(diǎn),實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)往往會(huì)借助年報(bào)信息披露向外界釋放公司未來(lái)價(jià)值的積極信號(hào),進(jìn)而受到政府部門及投資者更多的關(guān)注[4]。對(duì)供應(yīng)商而言,這種正向信號(hào)緩解了供企之間的信息不對(duì)稱,加快了供應(yīng)商對(duì)企業(yè)未來(lái)發(fā)展前景的識(shí)別過(guò)程,使其更愿意為企業(yè)提供商業(yè)信用融資。

綜上,數(shù)字化轉(zhuǎn)型有助于降低企業(yè)與供應(yīng)商之間的信息不對(duì)稱,提高信息透明度水平,進(jìn)而促使企業(yè)獲得更多商業(yè)信用融資。據(jù)此,本文提出如下假設(shè)。

H1數(shù)字化轉(zhuǎn)型有助于企業(yè)獲得更多的商業(yè)信用融資。

H2數(shù)字化轉(zhuǎn)型可以通過(guò)提高信息透明度進(jìn)而促進(jìn)企業(yè)商業(yè)信用融資獲取。

(二)數(shù)字化轉(zhuǎn)型影響商業(yè)信用融資的異質(zhì)性分析

數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響可能因企業(yè)自身微觀特征因素的不同而產(chǎn)生異質(zhì)性。基于此,本文選取企業(yè)所處行業(yè)類型、戰(zhàn)略差異度、企業(yè)生命周期和管理層持股比例四個(gè)調(diào)節(jié)變量進(jìn)行探討,以期深入了解數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)效果。

1.企業(yè)所處行業(yè)類型

對(duì)不同類型的企業(yè)而言,數(shù)字化轉(zhuǎn)型的進(jìn)度及業(yè)務(wù)類型也存在明顯差異。因此,本文將企業(yè)所處的行業(yè)類型分為高科技行業(yè)和非高科技行業(yè),以檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的差異性影響。一方面,良好的技術(shù)稟賦是企業(yè)數(shù)字化轉(zhuǎn)型的基礎(chǔ)[30],相比非高科技行業(yè)企業(yè),處于高科技行業(yè)企業(yè)往往掌握著行業(yè)的前沿技術(shù),對(duì)研發(fā)創(chuàng)新有較高的敏感性,因此這類企業(yè)能夠更好地把握數(shù)字化轉(zhuǎn)型帶來(lái)的契機(jī)。另一方面,研究表明,當(dāng)企業(yè)難以獲得銀行貸款時(shí),商業(yè)信用就會(huì)成為銀行貸款的一種重要的替代性融資方式[31]。而處于高科技行業(yè)的企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)較高,信息透明度較低,且有時(shí)由于固定資產(chǎn)占比低的原因往往得不到銀行貸款,面臨著更嚴(yán)重的融資約束。此時(shí)數(shù)字化轉(zhuǎn)型能夠作為“信任機(jī)制”,通過(guò)信號(hào)傳遞效應(yīng)增強(qiáng)了供應(yīng)商對(duì)企業(yè)未來(lái)還款能力的信心,降低雙方的信息不對(duì)稱程度,提升了企業(yè)的商業(yè)信用融資狀況。綜上所述,本文提出如下假設(shè)。

H3相比于非高科技行業(yè)企業(yè),在高科技行業(yè)企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

2.戰(zhàn)略差異度

戰(zhàn)略差異度是指企業(yè)戰(zhàn)略偏離行業(yè)集中趨勢(shì)的程度[32]。現(xiàn)有研究表明,企業(yè)采用差異化戰(zhàn)略會(huì)帶來(lái)更高的信息不對(duì)稱,使得供應(yīng)商面臨的不確定性增加[33]。因此,本文認(rèn)為戰(zhàn)略差異度會(huì)影響數(shù)字化轉(zhuǎn)型與商業(yè)信用融資之間的關(guān)系。一方面,企業(yè)戰(zhàn)略差異度較高會(huì)使企業(yè)的信息質(zhì)量下降[33],增加供應(yīng)商因提供商業(yè)信用而需要承擔(dān)的風(fēng)險(xiǎn)。此時(shí),企業(yè)更愿意主動(dòng)借助大數(shù)據(jù)技術(shù)構(gòu)建數(shù)據(jù)共享中心讓供應(yīng)商實(shí)時(shí)監(jiān)控和分析公司的業(yè)務(wù)流程,以提高公司信息透明度,使供應(yīng)商了解企業(yè)真實(shí)的經(jīng)營(yíng)情況,進(jìn)而提供更多的商業(yè)信用融資。另一方面,戰(zhàn)略差異度提高了企業(yè)的風(fēng)險(xiǎn)承擔(dān)水平[32],其進(jìn)行不確定性較高的創(chuàng)新活動(dòng)以提高自身競(jìng)爭(zhēng)力的傾向較強(qiáng)。而數(shù)字化創(chuàng)新變革賦予企業(yè)高質(zhì)量發(fā)展的新動(dòng)能,成為企業(yè)提升競(jìng)爭(zhēng)力的有效手段。因此,高戰(zhàn)略差異度會(huì)使企業(yè)更有動(dòng)機(jī)借助數(shù)字化轉(zhuǎn)型帶來(lái)的信息優(yōu)勢(shì)加強(qiáng)與外界的互動(dòng)頻率,及時(shí)吸收技術(shù)、知識(shí)等高端創(chuàng)新要素,以此來(lái)提高自身的競(jìng)爭(zhēng)壁壘[10]。與此同時(shí),供應(yīng)商也更有理由相信企業(yè)未來(lái)有較好的成長(zhǎng)性,從而降低提供商業(yè)信用融資的顧慮。綜上所述,本文提出如下假設(shè)。

H4相比于低戰(zhàn)略差異度的企業(yè),在高戰(zhàn)略差異度的企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

3.企業(yè)生命周期

處于不同生命周期階段,企業(yè)的資源基礎(chǔ)、融資能力等方面都有著較為明顯的區(qū)別,可能會(huì)導(dǎo)致數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響存在差異性。一方面,成熟期作為企業(yè)實(shí)力最雄厚的時(shí)期,有充裕的資金引進(jìn)先進(jìn)的數(shù)字化技術(shù)和管理理念,能夠更好享受到數(shù)字化轉(zhuǎn)型帶來(lái)的溢出效應(yīng)。另一方面,相比非成熟期企業(yè),成熟期企業(yè)組織結(jié)構(gòu)復(fù)雜,官僚層級(jí)現(xiàn)象嚴(yán)重,代理問(wèn)題更加突出[34],這可能會(huì)影響企業(yè)未來(lái)的融資和經(jīng)營(yíng)活動(dòng)。此時(shí)數(shù)字技術(shù)的引進(jìn)能夠幫助成熟期企業(yè)完善內(nèi)部治理體系,提高企業(yè)的會(huì)計(jì)信息質(zhì)量,緩解企業(yè)與供應(yīng)商之間的信息不對(duì)稱,從而繼續(xù)獲取穩(wěn)定的商業(yè)信用融資。綜上所述,本文提出如下假設(shè)。

4.管理層持股比例

作為公司治理的重要手段之一,管理層持股促進(jìn)管理者與股東利益趨同,有效緩解因信息不對(duì)稱帶來(lái)的代理成本問(wèn)題[35]。因此,本文認(rèn)為在管理層持股比例不同的情況下,數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響將產(chǎn)生差異。一方面,商業(yè)信用作為企業(yè)間的不完全契約關(guān)系,供應(yīng)商更依賴契約的自我實(shí)施機(jī)制而非第三方機(jī)制和一體化機(jī)制來(lái)確保契約實(shí)施的有效性[36]。管理層持股比例較低時(shí),管理層與股東之間的代理問(wèn)題較嚴(yán)重,可能會(huì)出現(xiàn)管理層出于個(gè)人私利而損害包括供應(yīng)商在內(nèi)的利益伙伴行為,導(dǎo)致雙方的信任關(guān)系破裂,影響商業(yè)信用契約的履行。此時(shí),將數(shù)字技術(shù)蘊(yùn)含的管理思想和內(nèi)部控制方法應(yīng)用到日常業(yè)務(wù)運(yùn)營(yíng)中,使企業(yè)財(cái)務(wù)和內(nèi)部控制等管理活動(dòng)更加透明[37],縮減管理層任意行使自由裁量權(quán)的空間,緩解供應(yīng)商對(duì)資金安全性的擔(dān)心,從而繼續(xù)為企業(yè)提供更多的商業(yè)信用融資。另一方面,數(shù)字化技術(shù)能夠提高企業(yè)對(duì)信息的收集和傳遞效率,使得公司信息在企業(yè)內(nèi)外部高效流動(dòng)。比如,通過(guò)大數(shù)據(jù)分析技術(shù),可以迅速將企業(yè)各項(xiàng)經(jīng)營(yíng)指標(biāo)展現(xiàn)給供應(yīng)商,進(jìn)而降低管理層藏匿壞信息的動(dòng)機(jī),主動(dòng)維護(hù)商業(yè)信用契約的有效性。綜上所述,本文提出如下假設(shè)。

H6相比于高管理層持股比例的企業(yè),在低管理層持股比例的企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

四、研究設(shè)計(jì)

(一)模型設(shè)定與變量測(cè)量

本文使用如下模型以考察數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響。

TCi,t=β0+β1DCGi,t+β2∑Controlsi,t+Year+Industry+εi,t

(1)

其中,下標(biāo)i代表企業(yè),t代表年份,TC為被解釋變量商業(yè)信用融資,DCG為解釋變量數(shù)字化轉(zhuǎn)型,Controls為控制變量,Year和Industry分別表示年份虛擬變量和行業(yè)虛擬變量,ε表示隨機(jī)誤差項(xiàng)。

被解釋變量:商業(yè)信用融資(TC),參考陸正飛和楊德明(2011)[31]的研究,本文以(應(yīng)付賬款+應(yīng)付票據(jù)+預(yù)收賬款)/總資產(chǎn)來(lái)衡量。

(1) {{1,2,5},{1,2,6}}中一個(gè)子集,{{1,3,5},{1,3,6}}中一個(gè)子集和{{2,3,5},{2,3,6}}中一個(gè)子集都是Y中頂點(diǎn)的色集合,可得1,2,C(ui), i=1,2,…,10,從而每個(gè)C(ui)只能是以下集合之一:{1,2,3,4,5},{1,2,3,4,6},{1,2,3,4,5,6},得出矛盾。

解釋變量:數(shù)字化轉(zhuǎn)型(DCG),參考吳非等(2021)[4],通過(guò)統(tǒng)計(jì)年報(bào)中關(guān)于數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻數(shù)來(lái)刻畫(huà)企業(yè)數(shù)字化轉(zhuǎn)型程度。具體而言,吳非等(2021)[4]基于“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)”和“數(shù)字技術(shù)運(yùn)用”這五類特征詞的詞頻構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)的做法得到了學(xué)術(shù)界和企業(yè)界(深圳希施瑪數(shù)據(jù)科技有限公司的CSMAR數(shù)據(jù)庫(kù))的廣泛認(rèn)可,為保持研究的復(fù)驗(yàn)性,本文也保持一致,選擇基于這五類關(guān)鍵詞構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)的做法。同時(shí)考慮到這類數(shù)據(jù)具有明顯的“右偏性”屬性,本文對(duì)加總后的詞頻數(shù)進(jìn)行對(duì)數(shù)化處理,最終得到企業(yè)數(shù)字化轉(zhuǎn)型的衡量指標(biāo)。

調(diào)節(jié)變量:行業(yè)類型(HIGH-Tec),當(dāng)企業(yè)屬于高科技行業(yè)企業(yè),取值為1,否則為0(1)參考徐朝輝和王滿四(2022)[24],根據(jù)中國(guó)證監(jiān)會(huì)《上市公司行業(yè)分類指引》(2012年修訂),將醫(yī)藥制造行業(yè),航空、航天器及設(shè)備制造行業(yè),電子及通信設(shè)備制造行業(yè),計(jì)算機(jī)及辦公設(shè)備制造行業(yè),醫(yī)療儀器設(shè)備及儀器儀表制造行業(yè)定義為高科技行業(yè)企業(yè)。;戰(zhàn)略差異度(DS),參考葉康濤等(2014)[38],計(jì)算企業(yè)在廣告和宣傳投入、研發(fā)投入、資本密集度、固定資產(chǎn)更新程度、管理費(fèi)用投入和企業(yè)財(cái)務(wù)杠桿這六個(gè)關(guān)鍵領(lǐng)域的資源分配情況。然后分別減去同行業(yè)當(dāng)年該指標(biāo)的平均值,再除以該指標(biāo)的標(biāo)準(zhǔn)差予以標(biāo)準(zhǔn)化,并取絕對(duì)值。最后,對(duì)每個(gè)公司標(biāo)準(zhǔn)化后的六個(gè)戰(zhàn)略指標(biāo)取平均值,得到戰(zhàn)略差異度指標(biāo);企業(yè)生命周期(Stage),參考梁上坤等(2019)[39],采用企業(yè)銷售收入增長(zhǎng)率、存留收益率、資本支出率、公司年齡四個(gè)變量的得分情況來(lái)衡量生命周期,然后得分處于中間1/2的為成熟期企業(yè),并取值為1,否則為0;管理層持股比例(Mshare),參考陳習(xí)定等(2018)[35],本文以管理層持股數(shù)量與總股數(shù)的比值來(lái)衡量。

控制變量:參考彭愛(ài)武和張新民(2022)[13]、潘越等(2022)[2],控制如下變量,固定資產(chǎn)占比(FIX_asset)、企業(yè)規(guī)模(Size)、兩職合一(Dual)、審計(jì)師類型(Big4)、總資產(chǎn)凈利潤(rùn)率(ROA)、董事人數(shù)(Board)、營(yíng)業(yè)收入增長(zhǎng)率(Growth)、資產(chǎn)負(fù)債率(Lev)和股權(quán)集中度(Top1),并控制了行業(yè)和年度效應(yīng)。具體定義見(jiàn)表1。

表1 研究變量定義

(二)樣本選擇和數(shù)據(jù)來(lái)源

本研究以2011-2020年中國(guó)A股上市企業(yè)作為研究樣本,并按照以下原則對(duì)數(shù)據(jù)進(jìn)行篩選和處理:(1)剔除被ST和PT的企業(yè);(2)剔除金融類上市企業(yè);(3)剔除關(guān)鍵變量具有缺失值的企業(yè);(4)剔除資不抵債的企業(yè)。最終得到16 448個(gè)樣本觀測(cè)值。此外,為了減少極端值的影響,本文對(duì)所有連續(xù)變量進(jìn)行了1%和99%的縮尾處理(Winsorize)。在數(shù)據(jù)來(lái)源方面,本文的樣本數(shù)據(jù)均來(lái)自于CSMAR數(shù)據(jù)庫(kù)。

五、實(shí)證結(jié)果分析

(一)描述性統(tǒng)計(jì)

表2為本文的描述性統(tǒng)計(jì)。結(jié)果顯示,商業(yè)信用融資(TC)的最小值為0.01,最大值為0.52,這表明不同企業(yè)所獲得的商業(yè)信用融資水平有所差異。數(shù)字化轉(zhuǎn)型(DCG)的均值0.80,最小值是0.00,最大值是2.25,這表明不同企業(yè)之間數(shù)字化轉(zhuǎn)型程度差距較大。

表2 變量描述性統(tǒng)計(jì)

(二)相關(guān)性分析

表3報(bào)告了Pearson相關(guān)系數(shù)矩陣。結(jié)果顯示,數(shù)字化轉(zhuǎn)型與商業(yè)信用融資在1%的水平上顯著正相關(guān),這在一定程度上支持了本文的研究假設(shè)。此外,從整體上看,變量間相關(guān)系數(shù)都低于0.60,這說(shuō)明本文變量間不存在嚴(yán)重的多重共線性問(wèn)題。

表3 相關(guān)系數(shù)矩陣

(三)基準(zhǔn)回歸結(jié)果

表4是數(shù)字化轉(zhuǎn)型(DCG)與商業(yè)信用融資(TC)關(guān)系的實(shí)證檢驗(yàn)結(jié)果。表4的列(1)僅控制了行業(yè)和年份固定效應(yīng),數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%的水平上顯著為正;列(2)中,在原有基礎(chǔ)上加入了相應(yīng)的控制變量,數(shù)字化轉(zhuǎn)型的回歸系數(shù)依然在1%的水平上顯著為正。這表明,數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資有顯著的正向影響。并且從經(jīng)濟(jì)顯著性來(lái)看,數(shù)字化轉(zhuǎn)型每上升一個(gè)標(biāo)準(zhǔn)差,商業(yè)信用融資將提高3.83%。這說(shuō)明,數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的促進(jìn)作用同時(shí)具有統(tǒng)計(jì)和經(jīng)濟(jì)顯著性,由此驗(yàn)證了本文H1。

表4 基準(zhǔn)回歸結(jié)果

(四)穩(wěn)健性檢驗(yàn)

1.延長(zhǎng)觀測(cè)窗口的穩(wěn)健性檢驗(yàn)

鑒于數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響可能有一定的時(shí)間滯后性,本文延長(zhǎng)了樣本的觀測(cè)窗口,分別將自變量(DCG)滯后1-2期、因變量(TC)前置1-2期,從而進(jìn)行交叉對(duì)比。回歸結(jié)果如表5所示。表5的列(1)(2)是將自變量(DCG)滯后1-2期的回歸結(jié)果,列(3)(4)則是將因變量(TC)前置1-2期的回歸結(jié)果。表5顯示,研究結(jié)論依然成立。

表5 穩(wěn)健性檢驗(yàn):延長(zhǎng)觀測(cè)窗口

2.內(nèi)生性問(wèn)題處理

(1)工具變量法(2SLS)。考慮到數(shù)字化轉(zhuǎn)型與商業(yè)信用融資之間可能存在雙向因果效應(yīng),即獲得更多商業(yè)信用融資的企業(yè)可能會(huì)提高對(duì)數(shù)字技術(shù)的需求。因此還使用了工具變量法(2SLS)來(lái)緩解雙向因果導(dǎo)致的內(nèi)生性問(wèn)題。參考肖紅軍等(2021)[9]的方法,將同地區(qū)同行業(yè)數(shù)字化轉(zhuǎn)型的平均值作為工具變量。表6的列(1)(2)是使用2SLS工具變量法的回歸結(jié)果。其中,在第一階段回歸中工具變量(IV)的回歸系數(shù)在1%的水平上顯著為正,表明工具變量與數(shù)字化轉(zhuǎn)型之間存在較強(qiáng)相關(guān)性(2)工具變量檢驗(yàn)的Kleibergen-Paap rk LM統(tǒng)計(jì)量為2 789.34(p值為0.00),說(shuō)明不存在識(shí)別不足問(wèn)題;Cragg-Donald Wald F統(tǒng)計(jì)量為6 505.11遠(yuǎn)大于10%的Stock-Yogo標(biāo)準(zhǔn)(16.38),說(shuō)明不存在弱工具變量威脅,因此本文選取的工具變量是合理的。;在第二階段的回歸中,數(shù)字化轉(zhuǎn)型(DCG)的回歸系數(shù)在1%的水平上顯著為正,表明本文的研究結(jié)論依然成立。

(2)處理效應(yīng)模型。針對(duì)可能存在的樣本自選擇偏差導(dǎo)致的內(nèi)生性問(wèn)題,進(jìn)一步使用基于極大似然估計(jì)的處理效應(yīng)模型進(jìn)行檢驗(yàn)。生成了數(shù)字化轉(zhuǎn)型的虛擬變量(DCGdummy),即通過(guò)中位數(shù)將其分為高數(shù)字化轉(zhuǎn)型組(賦值為1)和低數(shù)字化轉(zhuǎn)型組(賦值為0),并加入同地區(qū)同行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型平均水平作為外生工具變量。表7報(bào)告了基于極大似然估計(jì)的處理效應(yīng)模型結(jié)果。Wald檢驗(yàn)(Wald test)結(jié)果在1%水平上顯著,表明模型中存在內(nèi)生性問(wèn)題,需要糾正自選擇偏差。在列(2)中,數(shù)字化轉(zhuǎn)型(DCGdummy)的回歸系數(shù)依然在1%水平下顯著為正。這表明在考慮了可能存在樣本自選擇偏差問(wèn)題后,本文的研究結(jié)論依然穩(wěn)健。

表6 內(nèi)生性檢驗(yàn):2SLS工具變量法

(3)傾向得分匹配法。對(duì)于可能由于遺漏變量所引起的內(nèi)生性問(wèn)題,還采用了傾向得分匹配法(PSM)進(jìn)行穩(wěn)健性檢驗(yàn)。首先,將前述數(shù)字化轉(zhuǎn)型虛擬變量(DCGdummy)的樣本分為處理組和控制組;其次,把基準(zhǔn)回歸中所有的控制變量、年份虛擬變量和行業(yè)虛擬變量作為協(xié)變量,使用Logit模型進(jìn)行回歸估計(jì)出全樣本的傾向得分,并使用1∶1近鄰匹配法得到匹配樣本。繪制了樣本匹配前后的核密度函數(shù)圖,如圖1和圖2所示。通過(guò)對(duì)比可以發(fā)現(xiàn),在完成匹配后,處理組和控制組的核密度曲線更為接近,這表明樣本匹配效果良好。表8是利用匹配后的樣本重新回歸的估計(jì)結(jié)果。結(jié)果顯示,本文的研究結(jié)論依然成立。

表7 內(nèi)生性檢驗(yàn):基于MLE估計(jì)的處理效應(yīng)模型

圖1 匹配前 圖2 匹配后

(五)影響機(jī)制檢驗(yàn)

根據(jù)上文理論分析,數(shù)字化轉(zhuǎn)型與商業(yè)信用融資關(guān)系的理論闡述主要是基于供企雙方的信息不對(duì)稱程度,而信息的作用是否能發(fā)揮取決于企業(yè)的信息透明度。因此,本文進(jìn)一步以信息透明度為中介變量進(jìn)行作用機(jī)制的實(shí)證檢驗(yàn),由此驗(yàn)證本文H2。關(guān)于信息透明度的測(cè)量參考辛清泉等(2014)[40],從盈余質(zhì)量、信息披露評(píng)級(jí)、分析師覆蓋及預(yù)測(cè)誤差和審計(jì)師是否來(lái)自四大這四個(gè)角度出發(fā)來(lái)衡量。

表8 內(nèi)生性檢驗(yàn):傾向得分匹配法

表9 信息透明度的機(jī)制檢驗(yàn)結(jié)果

為了驗(yàn)證上述假設(shè),在模型(1)的基礎(chǔ)上,繼續(xù)構(gòu)建了模型(2)(3)。然而,近期一些研究指出中介效應(yīng)按照傳統(tǒng)的三步法檢驗(yàn)可能會(huì)導(dǎo)致中介變量存在內(nèi)生性問(wèn)題[41]。因此,為了緩解潛在內(nèi)生性問(wèn)題,選擇將中介變量滯后一期、自變量滯后兩期進(jìn)行糾正。回歸結(jié)果如表9所示。列(1)與前文一致,驗(yàn)證了數(shù)字化轉(zhuǎn)型有利于企業(yè)獲取商業(yè)信用融資。列(2)中數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%的水平上顯著為正,說(shuō)明了數(shù)字化轉(zhuǎn)型有助于提高信息透明度。列(3)中加入中介變量信息透明度后,數(shù)字化轉(zhuǎn)型的回歸系數(shù)依然在1%的水平上顯著為正,這說(shuō)明在分析數(shù)字化轉(zhuǎn)型與商業(yè)信用融資的關(guān)系中,信息透明度起著部分中介作用。此外,本文也遵循了江艇(2022)[41]的建議(3)中介效應(yīng)分析應(yīng)把研究重心聚焦于自變量對(duì)因變量的因果關(guān)系的識(shí)別可信度以及自變量對(duì)中介變量的因果關(guān)系上。,通過(guò)觀察解釋變量對(duì)中介變量的影響進(jìn)行機(jī)制分析。信息透明度對(duì)商業(yè)信用融資的影響已經(jīng)在上文的理論闡述中進(jìn)行了說(shuō)明。在列(2)中可以看出數(shù)字化轉(zhuǎn)型的系數(shù)在1%的水平上顯著為正,這表明數(shù)字化轉(zhuǎn)型確實(shí)會(huì)通過(guò)信息透明度這一中介變量來(lái)促進(jìn)企業(yè)商業(yè)信用融資獲取。同時(shí),Sobel檢驗(yàn)Z值在1%的水平上顯著;Bootstrap抽樣檢驗(yàn)結(jié)果發(fā)現(xiàn)偏差校正的95%的置信區(qū)間不包含0,從而驗(yàn)證了信息透明度機(jī)制的穩(wěn)健性。至此,H2得以證明,即數(shù)字化轉(zhuǎn)型提高了企業(yè)的信息透明度,進(jìn)而有助于企業(yè)獲得商業(yè)信用融資。

TRANSi,t=β0+β1DCGi,t+β2∑Controlsi,t+Year+Industry+εi,t

(2)

TCi,t=β0+β1DCGi,t-2+β2TRANSi,t-1+β3ΣControlsi,t+Year+Industry+εi,t

(3)

(六)異質(zhì)性分析檢驗(yàn)

如上文所述,為進(jìn)一步分析數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響在何種情境下更為明顯,本文選取行業(yè)類型、企業(yè)生命周期、戰(zhàn)略差異度和管理層持股比例四個(gè)調(diào)節(jié)變量進(jìn)行分組回歸檢驗(yàn)。按行業(yè)類型分為高科技行業(yè)企業(yè)和非高科技行業(yè)企業(yè)組別,按企業(yè)生命周期分為成熟期企業(yè)和非成熟期企業(yè)組別,并按中位數(shù)分組,將樣本分為高/低戰(zhàn)略差異度組和高/低管理層持股比例組,回歸結(jié)果如表10所示。

表10 基于企業(yè)自身特征的異質(zhì)性分析回歸結(jié)果

列(1)(2)對(duì)比發(fā)現(xiàn),高科技行業(yè)組別DCG的回歸系數(shù)大于非高科技行業(yè)組別DCG的回歸系數(shù),并且通過(guò)了組間系數(shù)差異檢驗(yàn)。本文的H3得到驗(yàn)證。即相比于非高科技行業(yè)企業(yè),當(dāng)處于高科技行業(yè)企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

列(3)(4)對(duì)比發(fā)現(xiàn),高戰(zhàn)略差異度組別DCG的回歸系數(shù)大于低戰(zhàn)略差異度組別DCG的回歸系數(shù),并且通過(guò)了組間系數(shù)差異檢驗(yàn),H4得到驗(yàn)證。即相比于低戰(zhàn)略差異度的企業(yè),當(dāng)處于高戰(zhàn)略差異度的企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

列(5)(6)對(duì)比發(fā)現(xiàn),成熟期企業(yè)組別DCG的回歸系數(shù)為大于非成熟期組別DCG的回歸系數(shù),并且通過(guò)了組間系數(shù)差異檢驗(yàn)。本文的H5得到驗(yàn)證。即相比于非成熟期的企業(yè),當(dāng)處于成熟期企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

列(7)(8)對(duì)比發(fā)現(xiàn),低管理層持股比例組別DCG的回歸系數(shù)為大于高管理層持股比例組別DCG的回歸系數(shù),并且通過(guò)了組間系數(shù)差異檢驗(yàn),H6得到驗(yàn)證。即相比于高管理層持股比例的企業(yè),當(dāng)處于低管理層持股比例的企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更加明顯。

六、進(jìn)一步分析

(一)不同數(shù)字化轉(zhuǎn)型口徑對(duì)商業(yè)信用融資的影響

數(shù)字化轉(zhuǎn)型是以加快人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)的開(kāi)發(fā)以及數(shù)字技術(shù)的運(yùn)用為基礎(chǔ)實(shí)現(xiàn)公司運(yùn)作流程的數(shù)字化,進(jìn)而幫助企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展。不同層面的數(shù)字化轉(zhuǎn)型可能會(huì)對(duì)企業(yè)的發(fā)展產(chǎn)生不同的影響。因此,本文將數(shù)字化轉(zhuǎn)型細(xì)分為底層技術(shù)運(yùn)用和技術(shù)實(shí)踐應(yīng)用兩個(gè)層面以考慮對(duì)商業(yè)信用融資的差異性影響。表11報(bào)告了上述回歸結(jié)果。由列(1)可知底層技術(shù)運(yùn)用(BT)的回歸系數(shù)在1%的水平上顯著為正,而技術(shù)實(shí)踐應(yīng)用(DT)的回歸系數(shù)不顯著。這表明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的提升作用主要是在底層技術(shù)運(yùn)用層面。推測(cè)可能的原因是:相比于技術(shù)實(shí)踐應(yīng)用層面上的企業(yè)數(shù)字化轉(zhuǎn)型,底層技術(shù)運(yùn)用層面更加偏重于企業(yè)數(shù)字化技術(shù)(人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等)嵌入,主要集中在企業(yè)內(nèi)部生產(chǎn)經(jīng)營(yíng)管理模式、支撐技術(shù)的數(shù)字化轉(zhuǎn)換與升級(jí)[4],這會(huì)對(duì)企業(yè)的信息披露質(zhì)量及信息透明度有著更為直接有效的影響,極大地緩解企業(yè)內(nèi)外部的信息不對(duì)稱,從而保證了商業(yè)信用契約的履行。

表11 不同數(shù)字化轉(zhuǎn)型口徑影響商業(yè)信用融資的回歸結(jié)果

(二)數(shù)字化轉(zhuǎn)型影響商業(yè)信用融資的經(jīng)濟(jì)后果分析

數(shù)字化轉(zhuǎn)型能夠幫助企業(yè)獲得更多的商業(yè)信用融資。那么,經(jīng)過(guò)數(shù)字化轉(zhuǎn)型的企業(yè)在獲得更多的商業(yè)信用融資后,會(huì)產(chǎn)生何種經(jīng)濟(jì)效果呢?當(dāng)前中國(guó)的經(jīng)濟(jì)已經(jīng)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展需要企業(yè)發(fā)揮主體作用。在企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展的動(dòng)態(tài)過(guò)程中,充足的資金保證不僅是企業(yè)進(jìn)行技術(shù)創(chuàng)新的基礎(chǔ),也是企業(yè)提高生產(chǎn)效率和利潤(rùn)的必要條件[42]。而融資約束會(huì)影響企業(yè)高質(zhì)量發(fā)展過(guò)程中資源配置效率,可能會(huì)增加企業(yè)現(xiàn)金流不足和資金鏈斷裂的風(fēng)險(xiǎn)。研究表明,商業(yè)信用融資是以應(yīng)付賬款為主的債務(wù)融資,相較于股權(quán)融資等外部融資渠道支付的融資成本更低[43]。因此,商業(yè)信用融資能夠發(fā)揮融資功效,有效緩解企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程的融資約束,從而為企業(yè)創(chuàng)新和高質(zhì)量發(fā)展提供穩(wěn)定的現(xiàn)金流。基于此,構(gòu)建如下模型,以探討數(shù)字化轉(zhuǎn)型影響商業(yè)信用融資的經(jīng)濟(jì)后果。

Consequencei,t=β0+β1DCGi,t+β2∑Controlsi,t+Year+Industry+εi,t

(4)

Consequencei,t=β0+β1DCGi,t+β2TCi,t+β3∑Controlsi,t+Year+Industry+εi,t

(5)

模型中的因變量Consequence表示經(jīng)濟(jì)后果,分別從企業(yè)創(chuàng)新(Innovation)和企業(yè)高質(zhì)量發(fā)展(TFP)兩個(gè)方面來(lái)體現(xiàn)。其中,企業(yè)創(chuàng)新借鑒孔東民等(2017)[44],將企業(yè)每年三種類型的專利申請(qǐng)數(shù)量加總并加1之后取自然對(duì)數(shù)來(lái)衡量。企業(yè)高質(zhì)量發(fā)展的測(cè)量則是參考李佳霖等(2021)[42],將全要素生產(chǎn)率作為高質(zhì)量發(fā)展的代理變量。而關(guān)于全要素生產(chǎn)率的測(cè)量參照Giannetti等(2015)[45],采用OLS法進(jìn)行測(cè)算。表12報(bào)告了上述回歸結(jié)果。由列(1)可知,數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%水平上顯著為正,說(shuō)明數(shù)字化轉(zhuǎn)型會(huì)促進(jìn)企業(yè)創(chuàng)新;由列(2)可知,數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%水平上顯著為正,商業(yè)信用融資的回歸系數(shù)也在1%水平上顯著為正,這表明商業(yè)信用融資在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新之間產(chǎn)生部分中介效應(yīng),即數(shù)字化轉(zhuǎn)型能夠通過(guò)獲得更多的商業(yè)信用融資來(lái)促進(jìn)企業(yè)創(chuàng)新。由列(3)可知,數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%的水平上顯著為正,這表明數(shù)字化轉(zhuǎn)型會(huì)促進(jìn)企業(yè)高質(zhì)量發(fā)展;列(4)可知,數(shù)字化轉(zhuǎn)型的回歸系數(shù)在1%水平上顯著為正,商業(yè)信用融資的回歸系數(shù)也在1%水平上顯著為正,這表明商業(yè)信用融資在數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展之間產(chǎn)生部分中介效應(yīng),即數(shù)字化轉(zhuǎn)型能夠通過(guò)獲得更多的商業(yè)信用融資來(lái)促進(jìn)企業(yè)高質(zhì)量發(fā)展。綜上表明,數(shù)字化轉(zhuǎn)型幫助企業(yè)獲得更多的商業(yè)信用融資后,有助于企業(yè)創(chuàng)新和高質(zhì)量發(fā)展。

表12 經(jīng)濟(jì)后果檢驗(yàn)結(jié)果

七、研究結(jié)論與政策啟示

(一)研究結(jié)論

近年來(lái),隨著我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模不斷增加,越來(lái)越多企業(yè)將數(shù)字化轉(zhuǎn)型視為未來(lái)發(fā)展的核心戰(zhàn)略,希望利用數(shù)字化技術(shù)為企業(yè)注入強(qiáng)勁新動(dòng)能。在此背景下,本文利用了2011—2020年中國(guó)A股上市公司數(shù)據(jù),研究了數(shù)字化轉(zhuǎn)型對(duì)商業(yè)信用融資的影響,得到以下研究結(jié)論:第一,數(shù)字化轉(zhuǎn)型有助于企業(yè)獲得更多商業(yè)信用融資。第二,機(jī)制檢驗(yàn)表明,數(shù)字化轉(zhuǎn)型能夠通過(guò)提高企業(yè)的信息透明度進(jìn)而促進(jìn)企業(yè)獲得更多商業(yè)信用融資。第三,通過(guò)異質(zhì)性分析表明,在處于高科技行業(yè)、高戰(zhàn)略差異度、成熟期和低管理層持股比例的企業(yè)中,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用更為明顯。第四,進(jìn)一步分析檢驗(yàn)發(fā)現(xiàn),數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的提升作用主要是在底層技術(shù)運(yùn)用層面;數(shù)字化轉(zhuǎn)型所帶來(lái)的商業(yè)信用融資效果有助于企業(yè)創(chuàng)新和高質(zhì)量發(fā)展。

(二)政策啟示

根據(jù)研究結(jié)論,本文對(duì)此提出以下政策啟示。

第一,穩(wěn)步推進(jìn)數(shù)字化轉(zhuǎn)型戰(zhàn)略。研究發(fā)現(xiàn),數(shù)字化轉(zhuǎn)型有利于提高企業(yè)的商業(yè)信用融資能力。因此,企業(yè)應(yīng)該高度重視數(shù)字化賦能的經(jīng)濟(jì)價(jià)值和治理效應(yīng),充分發(fā)揮數(shù)字技術(shù)在實(shí)現(xiàn)組織流程變革的優(yōu)勢(shì),加強(qiáng)與外部利益相關(guān)主體的交流與合作,以便獲取更多的資金注入,從而增強(qiáng)企業(yè)發(fā)展的活力。此外,通過(guò)檢驗(yàn)表明,數(shù)字化轉(zhuǎn)型所帶來(lái)的商業(yè)信用融資有助于企業(yè)創(chuàng)新和高質(zhì)量發(fā)展。據(jù)此建議,相關(guān)部門要建立健全企業(yè)信用評(píng)價(jià)體系,以加大對(duì)企業(yè)失信行為的處罰力度,積極引導(dǎo)企業(yè)探索商業(yè)信用的數(shù)字化模式,從而有效解決企業(yè)在創(chuàng)新和高質(zhì)量發(fā)展過(guò)程中的融資難題。

第二,利用數(shù)字技術(shù)加強(qiáng)信息披露體系建設(shè)。數(shù)字化轉(zhuǎn)型可以通過(guò)提高信息透明度,進(jìn)而獲取更多商業(yè)信用融資。在進(jìn)一步研究發(fā)現(xiàn),有關(guān)底層數(shù)字技術(shù)的運(yùn)用對(duì)企業(yè)商業(yè)信用融資獲取會(huì)產(chǎn)生更為明顯的促進(jìn)作用。因此,企業(yè)要加大底層關(guān)鍵技術(shù)的研發(fā),推動(dòng)大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)深度應(yīng)用,依托新興數(shù)字化技術(shù)與供應(yīng)商攜手構(gòu)建有效的信息溝通機(jī)制,比如,建立雙方的數(shù)據(jù)交換系統(tǒng),實(shí)現(xiàn)信息傳遞的公開(kāi)化和透明化,由此降低因信息不對(duì)稱帶來(lái)的融資成本。而對(duì)于供應(yīng)商而言,應(yīng)當(dāng)重視數(shù)字化轉(zhuǎn)型所帶來(lái)的信息治理效應(yīng),全面評(píng)估企業(yè)的經(jīng)營(yíng)信息,在控制自身風(fēng)險(xiǎn)的同時(shí)作出合理的商業(yè)信用授予決策。

第三,因地制宜、因企制宜地進(jìn)行差異化的數(shù)字化轉(zhuǎn)型戰(zhàn)略。由于不同企業(yè)在管理模式、基礎(chǔ)條件等方面存在差異,所以實(shí)施數(shù)字化轉(zhuǎn)型所產(chǎn)生的增量效果也會(huì)不盡相同。研究發(fā)現(xiàn),數(shù)字化轉(zhuǎn)型對(duì)企業(yè)商業(yè)信用融資獲取的促進(jìn)作用在高科技行業(yè)、高戰(zhàn)略差異度、成熟期以及低管理層持股比例的企業(yè)中更為顯著。因此,企業(yè)應(yīng)該以精準(zhǔn)數(shù)字化為導(dǎo)向,結(jié)合自身特征和優(yōu)勢(shì)合理配置數(shù)字化資源,最大限度發(fā)揮數(shù)字化轉(zhuǎn)型的效用。同時(shí)政府也應(yīng)進(jìn)一步出臺(tái)針對(duì)性的政策措施,比如通過(guò)稅收優(yōu)惠、提供資金支持等方式,以推動(dòng)不同企業(yè)之間數(shù)字化轉(zhuǎn)型的協(xié)調(diào)發(fā)展,讓更多企業(yè)享受到數(shù)字化紅利。