短貸長投與企業數字化轉型

葉 顯 石 靜 車德欣 鐘 夏

一 引 言

新時代下，以人工智能、大數據為代表的前沿數字技術深刻地改變著原有的技術形態，成為驅動經濟高質量發展的全新動力(向海凌等，2023)［1］。習近平總書記多次強調，“要推進互聯網、大數據、人工智能同實體經濟深度融合，做大做強數字經濟”。黨的二十大報告強調“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”。與此同時，黨和政府適時制定并實施了一系列政策與舉措推動數字經濟的發展(1)自黨的十八大以來，先后出臺了《國家數字經濟戰略綱要》《促進大數據發展行動綱要》《數字中國建設整體布局規劃》等政策。，在深厚的政策基礎上，中國數字經濟發展也交出了亮眼的答卷。數據顯示，即使經濟增速步入下滑區間，2022年中國數字經濟仍以10.3%的增速創造了高達50.2萬億元的絕對產值，還以遠高于同期名義GDP增速(3.3倍)實現了GDP占比41.5%的相對跨越，成為中國經濟提質增量的關鍵一環。于其中，政企研三界與公眾合力共建了在卷入度、沉浸度上都遠超以往的數字化生態(郭炳南等，2022)［2］，推進數字技術和實體經濟深入融合，2022年工業企業數字化研發設計工具普及率急速增長77.0%便是典型例證。應當說，微觀企業應用數字技術及由此引發的創新轉型取得了舉世矚目的成效(何帆和劉紅霞，2019)［3］，構成帶動中國經濟高質量發展的強有力支撐(李君等，2019)［4］。

驅動數字化轉型的要義在于對組織、技術、制度、人才和戰略進行深度變革來予以適配，然而對于眾多企業而言上述投入是“不可承受之重”，引致企業數字化轉型經常面臨諸多“發展中的問題”(王永貴和汪淋淋，2021)［5］。埃森哲2021年調查結果顯示，抽樣企業中僅有16%的樣本在數字化轉型上取得跨越式發展。究其原因，一是企業數字化轉型需要前沿的數字技術創新支撐，但目前的數字設施配置仍不完善；二是數字化轉型的基礎投入過于高昂，所需資源往往超出了企業已有的資源邊界；三是企業數字化轉型活動具有較高不確定性，需要大量的資金來覆蓋其中的轉型風險。不難發現，企業數字化轉型實踐中的“不會轉”“不能轉”和“不敢轉”，本質上是資源要素配置不足引發的困境(裴璇等，2023)［6］。從這個角度來看，金融資源約束是企業高質量發展進程中的重大難題。易言之，數字經濟時代下的微觀經濟主體創新轉型對金融資源有著更大的敏感反應彈性。探討企業金融資源配置行為對數字化轉型的影響，有著重要理論意義和實踐需求。

從金融供給端來看，中國資本市場發育不完善，無法提供多樣化的融資渠道與充足的金融資源，以至于銀行信貸融資一直占據主導地位。進一步來看，銀行機構愿意提供長期信貸的前提是長期信貸利差足以補償其中的風險，而出于流動性管理的需要(白云霞等，2016)［7］，銀行更傾向于提供短期借款。從金融需求端來看，短期貸款具有利率低、容易獲得審批的特點，能夠為企業節省財務費用，相對快速獲得資金，以短期信貸來支撐長期投資活動這一激進的策略成為多數企業的“理性”之選。不難發現，這種投融資的期限結構錯配往往是企業應對金融資源邊界約束的重要替代機制。現有研究(鐘凱等，2016)［8］將這種典型特征事實具象化為“短貸長投”，并發現中國上市企業中存在著較為普遍的短貸長投問題，2000—2019年期間中國上市企業的短貸長投強度均維持在23%以上的高位運行。特別是在中國這樣一個以銀行機構為主體的金融體系下，研究企業短貸長投現象更具實踐典型性和理論代表性。于此，一個值得追索的問題是，短貸長投在數字經濟時代下，將會對企業數字化轉型產生怎樣的影響？

目前，國內外學者對企業短貸長投產生的影響沒有形成統一的觀點，基于“短貸長投—企業數字化轉型”范式而展開的研究也相對缺乏。對短貸長投持負面觀點的文獻強調，大多數企業的投資無法在短期內收回成本，甚至不能支付利息，因此，短貸長投會導致企業債務壓力陡增(盛明泉等，2020)［9］。還本付息壓力一方面使企業長期受到資金流動性的困擾，壓縮了投資效率的提升上限(馬紅等，2018)［10］；另一方面，短貸長投會引發企業實際貸款利率不間斷浮動(孫鳳娥，2019)［11］，抬升企業融資成本的同時也擴張了銀行風險敞口(楊風和李卿云，2016)［12］，給銀行壞賬的發生埋下了導火索，這些都會增加企業數字化轉型的額外成本。與之相反觀點的文獻主要提出兩個正面影響：一是監督效應假說。短貸長投是銀行機構多頻次同企業進行信貸合約簽訂的結果，銀行機構能夠根據多時點的信息掌握來更好地發揮債權人的治理作用(Jensen和Meckling，1976)［13］，進而為數字化轉型活動提供助益；二是積極信號假說。短貸長投意味著企業能不斷從銀行獲得貸款，讓外界對企業產生良好預期，吸引更多投資(Flannery，1986)［14］，激勵企業數字化轉型意愿和動力。不難發現，短貸長投作為中國企業的普遍融資方式，對數字化轉型的影響目前尚未形成定論。本文的研究正是對上述問題的回應，具有明晰的學理價值，同時對中國微觀企業數字化轉型乃至宏觀層面數字經濟高質量發展具有重要借鑒意義。

本文可能的邊際貢獻為：第一，研究視角上，一方面關于短貸長投的經濟效應研究主要落腳于債務違約(劉海明和步曉寧，2022)［15］、資源配置(姜紹靜等，2021)［16］和企業表現(劉曉光和劉元春，2019)［17］等方面，與企業數字化轉型之間的關系鮮有討論；另一方面探索數字化轉型驅動因素的文獻更多關注管理層特征、金融創新與市場化等因素的影響(郭炳南等，2022)［2］，短貸長投扮演何種角色并未受到重視。本文從短貸長投與企業數字化轉型關系視角進行研究拓展。第二，研究內容上，本文不僅揭示短貸長投對企業數字化轉型影響的一般規律和可能存在的結構性特征，還以財務狀況(融資約束與融資成本)和投融資行為(金融杠桿與研發投入)為關鍵機制變量，關注兩者關系的內在機理；此外，在“短貸長投—企業數字化轉型”的基本范式下，嵌入金融監管元素以考察治理短貸長投現象的可能路徑，提供矯正短貸長投不利效應以推動企業數字化轉型的政策工具箱。

二 理論分析與假說提出

短貸長投這一投融資期限錯配現象在中國企業中比較常見(白云霞等，2016)［7］，其對企業的影響主要可從宏觀和微觀兩大方面展開論述。在經濟比較景氣、社會融資環境比較寬松等前提條件下，投融資期限錯配的風險可能會被掩蓋，企業也有可能獲得長短期貸款利差的收益，降低財務成本和緩沖融資壓力(Kahl et al.，2015)［18］。然而，當經濟增長放緩或銀根突然緊縮時，流動性風險就會暴露出來(孫鳳娥等，2017)［19］。特別是在經濟與金融螺旋式趨緊的雙重沖擊下，企業抵質押資產大幅貶值造成資產負債表惡化，進行短貸長投的企業的續貸成本和難度都有所增長，導致企業難以維系資金鏈順利運轉，甚至引發破產清算(Gopalan et al.，2014)［20］。從這個角度來看，盡管短貸長投可以滿足暫時的資金需求，但由此引發的債務期限結構失衡容易加大流動性約束，導致非效率投資(白云霞等，2016)［7］，降低創新要素積累(鐘凱等，2016)［8］。上述研究從多個維度論證了微觀經濟主體短貸長投可能存在的負面效應，但缺乏直接對企業數字化轉型影響的考察。本文認為，當前上市企業普遍采用的短貸長投策略與數字化轉型存在較大的不匹配特征，短貸長投下的企業可能會面臨更加不利的財務狀況，自身的投融資活動也會受到一定沖擊，從而對數字化轉型活動帶來負面效應。

從企業財務狀況視角來看，短貸長投會加劇企業融資困境、提升融資成本，對企業數字化轉型造成顯著不利影響。短貸長投是融資期限與投資使用結構之間的錯配問題，這顯然會對企業財務形成沖擊，進而對企業的數字化轉型項目產生抑制效果。基于企業融資約束的角度，企業短貸長投的主要特點為長期投資需要依賴多個短期信貸資金的“拼接”(李增福等，2022)［21］，短期信貸(分批)到期后的續期乃至新增信貸能否有效覆蓋長期投資所需資金，是企業資金管理過程中的重大難題。在經濟實踐中，短貸長投程度越高，企業資金鏈斷裂的風險將大幅上升，從而加劇企業的融資約束(白云霞等，2016)［7］。不難理解，即便企業自身具有強烈的轉型意愿，但囿于資金短絀，轉型項目難以展開，從而不利于提升企業數字化轉型水平。基于企業融資成本的角度，高強度的短貸長投要求企業經常與銀行進行信貸溝通，以根據當前的市場利率重新簽訂貸款合約，這種與銀行頻繁的貸款談判為企業帶來了額外財務(摩擦)成本。一旦宏觀經濟環境惡化，企業可抵押物價值陡降，銀行基于審慎原則將會大幅提升續貸的門檻，企業勢必要承擔更為高昂的融資成本(楚有為，2020)［22］。其結果是，對于等待周期較長、投資規模較大的數字化轉型項目，企業不得不望而生怯，無法投入過多精力，限制了企業數字化轉型進程的順利推進。

從企業投融資視角來看，短貸長投會刺激企業依賴金融杠桿并降低研發投入，對企業數字化轉型形成顯著擠出效應。依循前述理論邏輯，短貸長投使企業難以回避還本付息和續貸過程中的財務風險，進而提升企業財務壓力(Hall，2002)［23］，由此會對企業正常的投融資行為產生沖擊，進而不利于企業數字化轉型。基于企業金融杠桿的角度，隨著短貸長投強度的提升，企業為了維系財務平衡，只能將更多的精力集中于財務、金融領域。其中，以杠桿方式在金融領域撬動更多的資源，成為企業維系財務穩定乃至基本生存的“理性選擇”。顯然，這種脫實向虛的行為會在很大程度上對企業數字化轉型形成擠出效應(黎偉等，2021)［24］，降低企業數字化轉型的內生動力。基于企業研發投入的角度，短貸長投強度的上升會迫使企業在日常運營中優先處理短期債務問題(鐘凱等，2016)［8］，由此不得不削減對長期項目(如數字化)的關注和投資。更進一步來看，在以維系財務可持續性為前提的生產模式下，具有長期性、高風險、高投入的研發投資往往不得不讓位于短期的信貸配置，而為了保證財務可持續性的投融資行為也會在一定程度上擠占本屬于研發投入的資源。應當說，專項數字化投入是保障企業數字化轉型的根基，當這類投入力度減弱時，開展技術含量高的數字化轉型項目便會面臨較大困境。基于上述討論，本文提出假說1。

假說1：在其他條件不變的前提下，短貸長投強度增加會抑制企業數字化轉型。

承接前文的理論分析邏輯，短貸長投會對企業財務狀況和投融資產生顯著的負面沖擊，進而可能會挫傷企業數字化轉型的內生驅動力。在充分理解短貸長投對企業數字化轉型的影響和作用機制后，一個合理的邏輯是，如何在當前的經濟生態下構建一個關于短貸長投的有效治理框架，以引導企業投融資行為回歸本源？這對于促進經濟高質量發展和經濟業態轉型而言尤為重要。黨的十九大報告提出，要“健全金融監管體系，守住不發生系統性金融風險的底線”，并推動“創新監管方式”。這是針對當前企業不合理金融行為而提出的重要戰略治理導向。從金融供給層面來看，金融監管能對金融資源的流向、結構和有序化進行適度的規范調整，強化實體經濟應用金融資源的靶向性和有效性(如提升實體企業信貸比重和中長期信用貸款等)，減弱錯配可能，從而更好地服務企業的數字化轉型需求。從金融需求層面來看，金融監管對企業短貸長投設定了一定的合規成本，能夠降低企業短貸長投套利、空轉的動機，為企業投融資活動中的風險衍生提供有效的防火墻，推動企業投融資健康發展，進一步中和短貸長投對企業數字化轉型活動的不利影響，從而為企業數字化轉型提供穩定有序的金融生態。因此，本文提出假說2。

假說2：有效的金融監管是降低短貸長投對企業數字化轉型不利沖擊的重要因素。

三 研究設計

(一)數據來源

本文實證研究的樣本集為2007—2020年中國A股上市企業，數據源自CSMAR數據庫。對數據進行如下預處理：一是剔除特殊樣本，包括金融類企業、ST和退市企業以及IPO當年企業；二是提升數據質量，僅保留連續五年無缺失數據的樣本；三是降低異常值擾動，對樣本數據進行上下1%的縮尾處理。

(二)變量設定

1.被解釋變量

企業數字化轉型(DCG)。數字化轉型作為數字經濟時代下微觀經濟主體轉型發展的重大戰略，對企業的生產經營活動有著深刻影響，這種變化會映射在企業具有戰略指導意義的年報文本中(吳非等，2021a)［25］。基于企業年報文本的表述來識別企業數字化轉型戰略具有一定的可操作性和代表性。有鑒于此，首先，運用Python工具對巨潮資訊網中所有上市企業年報進行下載錄入，并提取年報中的所有文本信息形成初步數據池。其次，以吳非等(2021b)［26］的企業數字化轉型關鍵詞詞譜(圖1)為參考系，基于前述年報文本信息進行搜索、匹配(在特定關鍵詞前后10個字符內鎖定“沒”“無”“不”等否定詞表述，若存在否定表述，則該關鍵詞不計入頻數之中)和加總，由此構建企業數字化轉型的基礎數據。第三，考慮到詞頻指標分布呈現的右偏性特點，進一步對企業數字化轉型指標進行對數化處理。特別地，根據企業數字化轉型的技術層次差異，進一步界分為底層技術(ABCD)和技術應用(ADT)等二級指標，供后續的穩健性檢驗使用。

圖1 企業數字化轉型關鍵詞詞譜

2.核心解釋變量

短貸長投(SFLI)。本文將企業的短貸長投定義為從外部金融機構獲取短期借款用于長期生產、經營項目的行為。因此，借鑒裴璇等(2023)［6］的研究，計算企業的長期借款本期增加額與當期短期信貸增量(詳見式(1)、 式(2))，并核算其與購建固定資產等長期活動的現金支出的差額，該差額即是企業當年度的短貸長投額度(徐亞琴和陳嬌嬌，2020)［27］。在此基礎上，本文對其進行了標準化處理，見式(3)。

長期借款本期增加額=本期長期借款+一年內到期非流動負債-前期長期借款

(1)

當期短期信貸增量=取得借款收到的現金-長期借款本期增加額

(2)

(3)

3. 控制變量

為提高研究精度和準確度，在模型中加入一系列控制變量。主要包括：年初總資產(Asset，對數化處理)、營業總收入(Gi，對數化處理)、企業成立年齡(Age)、年報審計是否出自“四大會計師事務所”(Big4，是取值為1，否則為0)、董事長與總經理是否兼任(Dual，董事長與總經理兼任時取1，否則取0)、第一大股東持股比例(Cocon)、凈資產收益率(Roe)、合格境外投資者持股占總股本比例(QFII)。

(三)模型設定與實證策略

為研究短貸長投對企業數字化轉型的影響，本文設定實證模型如下：

DCGi，t=α+β1SFLIi，t-1+∑φCV+∑γIndustry+∑ηYear+∑μCity+ε

(4)

其中，被解釋變量是企業數字化轉型(DCG)；核心解釋變量為短貸長投(SFLI)；CVs表征控制變量；Industry、Year和City表示該樣本企業所屬的行業、年度和城市固定效應，以最大限度降低遺漏偏誤造成的內生性擾動；ε為隨機誤差項。考慮到短貸長投的影響可能存在時滯，本文采用短貸長投(SFLI)滯后一期數據進行匹配，這能顯著削弱模型可能存在的內生性。

四 實證結果及經濟解釋

(一)基準回歸

表1為短貸長投對企業數字化轉型影響的基準回歸結果。結果表明，短貸長投程度(L.SFLI)越高，會顯著抑制企業的數字化轉型(回歸系數為-0.194且通過了1%的顯著性檢驗)。為進一步驗證短貸長投對企業數字化轉型可能存在的非線性效應，本文還納入了短貸長投的二次項(L.SFLI×L.SFLI)進行檢驗，但二次項系數不顯著。這表明，目前并不存在證據支持短貸長投與企業數字化轉型的非線性關系。究其經驗證據的背后邏輯可能是，短貸長投為企業提供高成本、短期限的資金，壓力之下企業更聚焦于短期利益，擠占對長期價值追求項目的資源投入，由此對數字化轉型造成負面影響。進一步地，為了更好地考察短貸長投影響的邊際效果，本文對企業短貸長投程度進行了強弱組別的分類(以中位數為界)。實證結果表明，在短貸長投較強組別中，短貸長投顯著阻滯了企業數字化轉型進程(回歸系數為-0.251且通過了1%的顯著性檢驗)；而在較弱組別中，短貸長投的回歸系數盡管為負值，但并不顯著。這說明，只有在較強的短貸長投程度下，短貸長投才會對企業數字化轉型形成阻礙。因為當企業對短貸長投產生嚴重路徑依賴時，會采取疊加的短期借款以展期貸款期限，這種飲鴆止渴的方式會推高企業經營風險，而資產負債表的惡化壓縮了企業成長空間，這對需要強力支撐的數字化轉型而言更是不利。邊際效應的檢驗也從側面佐證了“越強程度的短貸長投越不利于企業數字化轉型”的核心結論。

表1 短貸長投與企業數字化轉型：基準回歸

(二)穩健性檢驗與內生性處理

為了提升核心結論的確當性，本文開展了多項檢驗。第一，剔除部分可能具有特殊性的樣本，以得到更具普適性規律的經驗證據；第二，延長時間窗口，考察短貸長投在遠期對企業數字化轉型的影響變化；第三，更替回歸模型，基于已有數據的特征結構選取新回歸模型開展檢驗；第四，變更企業數字化轉型度量口徑，采用更加細化的二級指標進行檢驗；第五，變更固定效應，通過控制交乘式的高階固定效應來吸收不可觀測因素的影響；第六，內生性處理，采用工具變量法來進一步減弱內生性干擾。

1.剔除部分樣本

表2的實證回歸對整體樣本中部分特殊樣本進行剔除。第一，短貸長投作為企業典型的金融行為，會受到金融沖擊的影響。在本文考察的樣本期內，2008年國際金融危機的波及就是例證。為了排除這類因素的影響，本文將回歸的時間周期框定在2011—2019年(列(1))。第二，考慮到直轄市在經濟、政治上的特殊性，該地區的樣本可能會存在部分難以觀測的因素導致回歸偏差；類似地，東部地區經濟發展成熟度相對較高，也存在其他因素的影響。為了排除這類因素，本文剔除了直轄市樣本(列(2))和東部地區企業樣本(列(3))。第三，考慮到數字化轉型是經由年報文本識別而來，而部分質量不高的年報可能存在“名不副實”或“言過其實”的表述內容，降低數字化轉型變量的刻畫質量。對此，本文基于內部控制信息披露指數，剔除了中位數以下的樣本(列(4))，以及年報評級在A、B級以下的樣本(列(5))。實證結果表明，從上述幾個維度剔除了部分樣本后，短貸長投對企業數字化轉型依舊呈現出顯著的抑制作用。

表2 穩健性檢驗I：剔除部分樣本

2.延長回歸預測窗口

表3的實證回歸運用時間序列上的動態效應對原有范式進行了檢驗。本部分主要開展兩類檢驗：一是對短貸長投變量進行滯后處理；二是對企業數字化轉型變量進行前置處理。結果表明，在基于短貸長投滯后項的回歸中，短貸長投的回歸系數均顯著為負；在基于企業數字化轉型前置項的回歸中，短貸長投的回歸系數同樣顯著為負。這說明，即便將原有的基本關系放置在一個較長的時間視野中，也并未改變短貸長投抑制企業數字化轉型的核心結論，并且這種負面沖擊能在較長時間區間內形成動態疊加效果，從而進一步放大負面效應。

表3 穩健性檢驗II：延長觀測窗口

3.變更回歸模型

表4的實證回歸主要基于回歸模型的變換來檢驗核心結論的確當性。針對不同數據結構采用不同模型進行回歸可提高估計效率。具體來看，本文被解釋變量來自年報文本識別的詞頻，該數據是一個正整數數據集(0、1、2……)，因此，對對數化前的原始計數值(DCG-1)采用負二項回歸的估計方法一般能有效提高模型效率。進一步地，本文重新構造了數字化轉型變量，只要捕捉到企業年報中出現過數字化轉型關鍵詞，即取值為1，否則為0。針對這種二值虛擬變量(DCG-2)，本文采用Logit回歸開展檢驗。最后，原有的數字化轉型變量(DCG)作為典型的截斷數據(y≥0)，基于Tobit回歸進行識別檢驗往往有著更高的估計效率。綜合上述討論，本部分在調整被解釋變量的數據口徑后，采用針對性的模型進行識別檢驗，前文核心結論并沒有發生改變。

表4 穩健性檢驗III：更替回歸模型

4.變更被解釋變量口徑

表5的實證回歸主要基于企業數字化轉型的細分口徑開展穩健性檢驗。根據數字化轉型詞譜構成，本文得到人工智能(AI)、區塊鏈(BC)、云計算(CC)、大數據技術(DT)四大技術的加總(ABCD)變量和數字技術應用(ADT)變量。結果顯示，短貸長投顯著沖擊了人工智能、區塊鏈、云計算和大數據技術指標，其中，對云計算的阻滯作用更明顯(-0.122)，對區塊鏈的抑制作用相對較弱(-0.01)，這可能是由于目前區塊鏈技術發展較為滯后，還未被大規模應用，而云計算需要規模化的資源予以支撐，短貸長投擠占資源的負面效應就更為突出。同時，短貸長投對企業的數字技術發展和數字化應用也有顯著負面作用。不難看出，在對數字化轉型變量口徑進行降維處理后，前文核心結論依然成立。

表5 穩健性檢驗IV：基于企業數字化轉型口徑的分解

5.變更固定效應形式

本部分采用多重固定效應的形式最大限度降低不可觀測因素對實證結果的干擾。具體來看，在原有的“時間-行業-城市”固定效應基礎上，進一步控制“城市×時間”“省份×時間”“行業×時間”的高階固定效應展開穩健性檢驗，并考慮了個體固定效應。結果如表6所示，無論經過何種固定效應的調整，短貸長投的回歸系數均顯著為負，表明本文核心結論是穩健的。

表6 穩健性檢驗V：變更固定效應形式

6.內生性處理：工具變量法

盡管前文采用多重穩健性檢驗手段論證了核心結論的確當性，但本文仍不可避免地存在遺漏變量、互為因果等內生性問題。為了進一步緩解上述問題對回歸帶來的擾動，本部分采用工具變量法來減弱內生性的干擾。在工具變量的選擇上，借鑒田鴿和張勛(2022)［28］的研究，本文構建“地形起伏度”工具變量，即企業所在城市的海拔標準差。從相關性角度來看，地形起伏度往往與經濟發展有密切的關聯，地形起伏度平緩更有利于經濟的發展，轄域內企業資源可獲性更高，會影響企業短貸長投的決策行為，反之則反是。從排他性角度來看，地形起伏度作為客觀“固定”的地理因素，往往與經濟社會因素(如企業數字化轉型)之間不存在關聯。表7結果顯示，Kleibergen-Paaprk LM統計檢驗結果表明不存在識別不足的問題，Hansen J統計量未通過顯著性檢驗，表明工具變量是有效的。與原有的基準回歸結果相比，短貸長投的回歸系數明顯增大，表明在減弱了內生性問題后，短貸長投對企業數字化轉型的影響依舊為負且影響程度顯著提升。本文核心結論是確當有效的。

表7 內生性檢驗：工具變量法

(三)異質性檢驗

前文對短貸長投與企業數字化轉型的基本關系和穩健性進行了充分檢驗，為理解企業投融資期限錯配行為的經濟影響提供了直接經驗證據。但需要注意的是，中國作為一個典型的經濟大國，轄域內存在多元化的經濟主體，忽略這些屬性特征差異得到的研究結論會有“鈍化”的可能。因此，本文從企業屬性和生命周期特征差異視角展開異質性檢驗，識別短貸長投對企業數字化轉型可能存在的非對稱性影響。

1.企業屬性異質性檢驗

表8列(1)和列(2)對所有制屬性差異進行了檢驗，發現短貸長投對非國有企業數字化轉型有著明顯的負面沖擊(L.SFLI的回歸系數為-0.212且通過了1%的顯著性檢驗)，而對國有企業的影響并不明顯。可能的原因為：第一，國有企業大多數為壟斷型企業，其憑借行業壁壘、產業鏈區位等競爭優勢在攫取超額利潤的同時，自然難以引發變革的內生動力，相比之下，非國有企業面臨更為激烈的市場競爭，自身的變革需求更為明顯。由此，同樣規模的負面沖擊對非國有企業數字化轉型有更大的負向邊際彈性。第二，由于存在政府隱性“兜底”，國有企業資源約束邊界相對寬松，即便存在短貸長投等投融資期限錯配行為，但由于自身金融資源有較強外部支持，能夠有效平滑短貸長投所帶來的不利影響，這類行為對企業的沖擊并不足夠明顯。特別地，《中國民企融資環境報告(2020)》顯示，囿于自身融資約束較強，非國有企業對短期貸款依賴度高，占比達72.8%。這意味著，非國有企業往往更多地使用短貸的方式來開展項目建設，這種行為的扭曲會對本就高風險、高投入的數字化轉型項目產生更大沖擊。

表8 短貸長投與企業數字化轉型：企業屬性異質性

表8列(3)和列(4)基于制造業屬性差異進行了檢驗，發現短貸長投對制造業企業數字化轉型的影響存在顯著負面作用(L.SFLI的回歸系數為-0.188且通過了1%的顯著性檢驗)，而這一結果在非制造業企業中并不明顯。制造業企業作為中國企業的支柱性組成部分，本身就具有投資規模大、利潤低迷的特征，在數字經濟時代下，制造業更是承擔著技術轉型升級的重任，對數字化轉型有著更高的需求。然而，在當前經濟下行壓力下，制造業企業生產發展的脆弱性顯著增加，企業不得不“另辟蹊徑”，借助短貸長投來融取資金，這使得制造業企業只能更加關注短期、低端的生產(技術)項目，從而對數字化轉型項目形成嚴重的擠出效應。此外，不同于非制造業企業，制造業企業偏重于數字技術在生產、管理等全方位的重塑，導致數字化轉型對短貸長投策略的敏感程度更為突出。而非制造業企業有一部分屬于互聯網信息服務行業，天然具備數字化轉型的優勢，對短貸長投策略的敏感程度低，因此，短貸長投對其數字化轉型的影響并不明顯。

2.企業生命周期異質性檢驗

表9從企業生命周期視角展開了異質性檢驗。結果表明，短貸長投顯著降低成長期、成熟期企業的數字化轉型，而未對衰退期企業產生實質性影響。這是因為，無論是成長期抑或是成熟期企業，想要在市場競爭中獲取有利地位，都必須要大力推動自身建設。這就使企業不得不在金融抑制大環境下借助多種渠道(如短貸長投)融取資金開展項目建設，這種扭曲的期限結構錯配行為，對企業長期性、創新性的數字化轉型有著嚴重的負面影響。相比之下，處于衰退期的企業，自身內部治理僵化，缺乏足夠的能動性開展數字化項目，盡管該時期企業財務狀況不佳，但也無法傳遞至企業本就缺乏關注度的數字化轉型中來。

表9 短貸長投與企業數字化轉型：企業生命周期異質性

五 短貸長投影響企業數字化轉型的路徑識別

前文對短貸長投與企業數字化轉型的基本關系和異質性特征展開了詳細的檢驗，為理解短貸長投的數字化轉型抑制效果提供了經驗證據。本部分將進一步考察短貸長投影響企業數字化轉型的具體機制路徑。

本文從兩個方面選取機制變量：一是企業的財務狀況，分別以融資約束和融資成本作為機制變量。其中，融資約束參考Kaplan和Zingales(1997)［29］的做法，構建模型并計算指標(KZ)；融資成本則用財務費用占總負債的比例(COST)衡量。二是企業的投融資行為，從企業的金融性負債杠桿和研發投入展開測度。其中，金融性負債杠桿(F-LEV)借鑒王玉澤等(2019)［30］的做法，用短期借款、長期借款、應付債券及應付利息四項之和占總資產的比例衡量；研發投入則用研發支出占比主營業務收入的比值(R&D)衡量。其余的變量設定和處理邏輯皆同前文。

表10列(1)和列(2)為基于企業財務狀況的機制識別檢驗結果。研究發現，短貸長投不僅嚴重加劇了企業的融資約束問題(L.SFLI的回歸系數為0.797且通過了1%的顯著性檢驗)，還引致融資成本的抬升(L.SFLI的回歸系數為0.545且通過了1%的顯著性檢驗)。確實，當短貸長投強度較高時，企業在特定時期內續存的多筆短期貸款被長期生產項目所占據，自身可動用的資源其實十分有限，且疊加的短期貸款需要企業支付較高的融資成本，從而在較大程度上惡化了企業的融資境遇。進一步來看，企業處于債務困境與再融資成本陡升雙重泥沼下，一方面可利用資源邊界收窄，難以支撐那些長周期、高風險、高投入的數字化轉型項目，此時企業會趨向于把短期的財務可持續性擺在經營策略的第一位，而減少對數字化轉型項目的關注；另一方面不適配數字化轉型的高融資約束(高融資成本)的介入，推動的數字化轉型僅是“畸形”的短平快項目，難以形成高質量可持續的數字化轉型成效，由此對企業數字化轉型產生抑制作用。

表10 短貸長投與企業數字化轉型的機制識別：財務狀況和投融資機制

表10列(3)和列(4)為基于企業投融資行為的機制識別檢驗結果。研究發現，短貸長投程度越強，越能夠顯著提高企業杠桿率(L.SFLI的回歸系數為0.072且通過了1%的顯著性檢驗)。短貸長投強度越大意味著企業基于短期信貸融取資金的空間就越小，自身的財務穩定性也可能會降低。此時，企業為了維系自身正常運營，只能通過金融領域的杠桿進一步匯聚資源，呈現較強的脫實向虛傾向，對實業生產項目(特別是數字化轉型項目)形成資源“抽水”效果，不利于數字化轉型的開展，同時資金長期在金融系統里空轉會誘使企業走向短期盈利的經營之路，對數字化轉型這一長遠活動缺乏重視。依循上述邏輯，企業短貸長投強度越大，抽取了大量可用資源后，自身可用于研發的資金規模會顯著減少(L.SFLI的回歸系數為-0.003且通過了1%的顯著性檢驗)。而且銀行信貸部門審批企業短期借款時，更偏重于固定資產等硬信息，研發此類沉沒成本較大的項目較難獲得信貸支持。這意味著企業為獲得更多短期信貸，也會縮減研發活動投入。毋庸置疑，企業數字化轉型需要以技術創新為基礎，而技術創新主要通過專項性研發來實現。由此，短貸長投對研發投入的抑制作用最終傳遞至數字化生產項目中，形成了顯著的減益效果。

六 進一步研究：基于金融監管視角下的經驗證據

順延前文邏輯，企業短貸長投存在著種種弊端，對數字化轉型帶來了持續性的不利影響。如何化解這類不利因素，成為本部分研究的重點問題。就本質而言，短貸長投是一種典型的金融投融資期限錯配行為，這種錯配是企業內部自發形成的，依靠企業自身的調整優化來改善短貸長投可能會出現事倍功半的困局。因此，通過外部制度環境的優化和校正來降低短貸長投的負面影響，成為破解上述困局的可行路徑。本文認為，金融監管是規范企業投融資行為的重要外部元素。黨的十九大報告提出，要“健全金融監管體系，守住不發生系統性金融風險的底線”，并推動“創新監管方式”。可以推測，金融監管能夠有效優化企業的投融資期限錯配行為，促進企業投融資行為規范化發展(黃海濤等，2020)［31］。于此一個值得追問的問題是，在有效的金融監管約束下，短貸長投是否會對企業數字化轉型造成影響？外部金融監管能否促進微觀主體創新增效？

(一)短貸長投、金融監管與企業數字化轉型

為了回答上述問題，本文在基準模型中加入金融監管變量，以地區金融監管支出相對金融業增加值的相對指標表征金融監管強度(唐松等，2020)［32］。進一步地，以金融監管強度中位數為標準，將樣本界分為金融監管較強和金融監管較弱兩個組別的樣本展開回歸檢驗。

表11結果顯示，在金融監管較強組別中，短貸長投的回歸系數盡管為負，但不顯著，而在金融監管較弱組別中，短貸長投的回歸系數為-0.197且通過了1%的顯著性檢驗。這意味著，在較強的金融監管約束下，短貸長投對企業數字化轉型的負面效應得到明顯緩解乃至中和，假說2得到了經驗證據的支持。

表11 短貸長投與企業數字化轉型：基于金融監管視角下的經驗證據

(二)基于企業異質性特征的再檢驗

前述實證分析表明，較強的金融監管能夠有效中和短貸長投對企業數字化轉型的不利影響，加強金融服務實體經濟的質效。但考慮到樣本中存在多重屬性的企業，金融監管是否會改善短貸長投對所有類型企業數字化轉型的負面作用？基于此，重新按企業異質性檢驗的思路開展研究。

首先，基于企業屬性特征(所有制、制造業)異質性的范式嵌入金融監管元素，結果如表12所示。具體來看，在國有企業組別中，無論金融監管是否增強，短貸長投對企業數字化轉型的負面影響都無法通過顯著性檢驗；而在非國有企業組別中，在較強金融監管約束下，短貸長投的負面效應被中和，而在較弱金融監管約束下，短貸長投有著較強的數字化轉型抑制效果。國有企業本身能夠獲取更多的融資和多維度的支持，短貸長投對企業數字化轉型的影響并不顯著。因此，金融監管的影響效力釋放得并不明顯。而對于非國有企業而言，資源邊界存在較強的約束，短貸長投造成的不利影響明顯，此時，金融監管能夠較好地扮演緩沖的角色。進一步地，無論是否是制造業企業，較強的金融監管都是化解短貸長投負面影響的重要方式，而在較弱的金融監管約束下，短貸長投對制造業和非制造業企業數字化轉型都展現出顯著的抑制效果。這表明，即便在原有的實證檢驗中(表8)，并沒有堅實的證據證明非制造業企業短貸長投的負面效應，但在缺乏監管約束的情況下，非制造業企業短貸長投同樣會衍生對數字化轉型的抑制效果。

表12 短貸長投、金融監管與企業數字化轉型：基于企業屬性特征差異的檢驗

其次，基于企業生命周期異質性的范式嵌入金融監管元素，結果如表13所示。在較強的金融監管下，短貸長投的回歸系數均不顯著；而在金融監管較弱組別中，短貸長投則對成長期和成熟期企業展現出了明顯的數字化轉型抑制效果。特別地，對于衰退期企業而言，金融監管水平強弱并未帶來差異化影響，這可能與該階段的企業不關注數字化轉型項目有關，以至于短貸長投對其未產生統計上的顯著差異影響(見表9)，金融監管也于此未產生顯著效果。有效的金融監管是發揮金融支持實體經濟數字化轉型作用的重要條件，其能夠約束短貸長投對企業高質量發展的不利影響。上述實證研究結論為當前中國金融監管的有效性和必要性提供了經驗支撐。良好的金融監管不會妨礙實體經濟利用金融資源開展數字化轉型，反而能夠為金融高質量服務實體經濟保駕護航。

表13 短貸長投、金融監管與企業數字化轉型：基于企業生命周期特征差異的檢驗

七 結論與政策啟示

本文基于我國A股上市企業財務數據和年報統計詞頻，研究投融資期限錯配與企業數字化轉型問題，嘗試檢驗短貸長投對企業數字化轉型的影響機制，并將金融監管作為一個重要的治理元素納入上述分析框架。得到的主要結論為：(1)短貸長投顯著阻滯了企業數字化轉型。即企業短貸長投程度越高，數字化轉型越滯后。(2)短貸長投對企業數字化轉型的抑制作用因企業的特征差異而不同。對非國有企業、制造業企業和成長期、成熟期企業而言，短貸長投的抑制效果較為突出。(3)從機制傳導路徑來看，短貸長投會加劇企業融資難、融資貴問題，使企業控制杠桿難度加大，減少創新研發投入，增加企業數字化轉型的困難。(4)金融監管是影響短貸長投對企業數字化轉型作用的重要因素。強有力的金融監管能夠削弱短貸長投對企業數字化轉型的負面影響，有些情況下甚至能起到徹底矯正的效果。

根據研究結論可得政策啟示：(1)積極推動數字經濟和實體經濟的深度融合，考慮到現實中企業受限于資金問題的常態，中國應繼續深化金融供給側結構性改革，發展多層次資本市場，拓寬企業融資渠道，為企業數字化轉型創造良好的條件。(2)要積極貫徹“競爭中性”、破除所有制及階段歧視，引導資金流向更加具有變革需求的非國有企業、制造業企業以及成長性高的企業，并為這些企業提供更多長期穩定的資金，嚴控抽貸、壓貸及斷貸行為，從供給端穩定市場預期，從而破解企業投融資期限錯配的頑疾。(3)拓寬融資渠道，增強中長期信貸配給。企業可利用數字金融等新金融方式拓寬自身融資渠道，發揮數字金融的風險控制、獲客匹配度高優勢，在數字技術支撐下及時掌握企業經營狀況，從而為金融機構精準支持企業的數字化轉型活動并做到實時監督提供契機。另外，可通過對數字化轉型中的企業增加定向信貸供給、發行制造業數字化轉型債券等方式，增強中長期信貸配給，破解企業在數字化轉型上的資金掣肘。(4)加強金融監管。金融監管體系應當與金融市場齊頭并進，實時監督金融市場中的“灰犀牛”，才能守住不發生系統性風險的底線。面對國際經濟形勢復雜多變、國內經濟下行壓力加大等可能導致短貸長投風險暴露的情況，監管部門應督促各金融機構展開壓力測試，建立有針對性的預警機制，防范化解金融風險。同時進一步加強行為監管，避免短貸長投的進一步擴散。在監管手段上，借助數字技術、人工智能等前沿技術，構建監管科技體系，以便及時發現風險漏洞，支持數字化轉型持續健康發展。

本文存在的不足之處是：(1)無法對所有與企業數字化轉型相關的特征文本詞進行捕捉，以至于變量的衡量可能會存在一定偏差；(2)本文的結果表明，金融監管對不同屬性企業短貸長投的治理有著差異化的“穿透力”，但鑒于影響機制的復雜性，未直接對企業屬性差異下的渠道機制展開檢驗。未來的研究可在數據豐富和邏輯完善的基礎上進一步修正，如采用神經網絡語言模型來自動捕捉企業數字化轉型的特征詞，降低人工誤差，也可以進一步分析異質性特征視角下金融監管在短貸長投行為治理上的具體渠道機制等議題。