數(shù)據(jù)要素的利用能否給企業(yè)融資約束帶來緩釋效應？

【摘" 要】在“數(shù)字中國”戰(zhàn)略布局下，數(shù)字化轉型已經(jīng)成為眾多企業(yè)尋求戰(zhàn)略變革的核心路徑。論文以2012-2022年中國A股上市企業(yè)的數(shù)據(jù)為樣本，通過構建固定效應模型，深入探討數(shù)據(jù)要素利用水平對融資約束的緩釋效應。實證分析結果表明，隨著數(shù)據(jù)要素利用水平的提高，企業(yè)面臨的融資約束問題得到了一定程度的緩解。由此給利益相關者帶來啟示：企業(yè)應立足數(shù)字化轉型，利用大數(shù)據(jù)、云計算等先進技術加強風險管理，創(chuàng)新融資模式，優(yōu)化融資策略。對金融機構而言，數(shù)字化轉型意味著提高服務效率，積極參與供應鏈金融、綠色金融等新興領域，為企業(yè)提供更加多元化、個性化的融資服務。政府則應從政策和基礎設施等方面支持數(shù)據(jù)要素利用，協(xié)助優(yōu)化資源配置，從而提高市場的透明度，為企業(yè)融資創(chuàng)造良好環(huán)境。

【關鍵詞】數(shù)字化；融資約束；緩釋效應；利益相關者

【中圖分類號】F49；F832.5；F275" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）05-0038-04

1 引言

數(shù)據(jù)要素利用已成為企業(yè)尋求戰(zhàn)略性變革、實現(xiàn)高質量發(fā)展的重要支撐力量，隨著數(shù)字經(jīng)濟在市場中的滲透程度越來越深，市場透明度逐漸提高，信息不對稱問題得以緩解，這使得數(shù)據(jù)要素利用與企業(yè)的融資約束的關系也更為密切。黨的二十大報告指出，要加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。中國信息通信研究院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展研究報告（2023年）》顯示，2022年中國數(shù)字經(jīng)濟規(guī)模達到50.2萬億元，占GDP比重達到41.5%，其中，數(shù)字經(jīng)濟在第一、二、三產(chǎn)業(yè)中的滲透比例分別達到10.5%、24.0%、44.7%。在這一背景下，數(shù)據(jù)要素利用已成為企業(yè)提升核心競爭力和實現(xiàn)可持續(xù)發(fā)展的關鍵路徑。企業(yè)對于資金的渴求與融資約束之間的矛盾日益凸顯，而深入數(shù)據(jù)要素的利用為解決這一難題提供了新的視角和可能性。因此，這一命題不僅涉及信息技術與經(jīng)濟金融的交叉融合，也是當前企業(yè)管理與財務研究領域的重要命題之一。基于此，本文以2012-2022年中國A股上市企業(yè)的數(shù)據(jù)為研究樣本，研究數(shù)據(jù)要素利用水平和企業(yè)融資約束之間的關系，從微觀視角探索企業(yè)利用數(shù)據(jù)要素的重要意義，為企業(yè)數(shù)字化轉型、緩解融資約束問題提供了實證依據(jù)。

2 理論分析

數(shù)據(jù)要素利用是指企業(yè)將數(shù)據(jù)作為一種資源要素投入經(jīng)營活動，而這種資源要素的利用在一定程度上表現(xiàn)為企業(yè)數(shù)字化的進程。眾多文獻指出，加快數(shù)字化轉型、提高數(shù)據(jù)要素利用水平有助于企業(yè)加速生產(chǎn)要素的積累[1]、提高內部管理效率[2]和投資效率[3]、降低運營成本[4]。隨著技術的不斷進步和應用場景的不斷拓展，數(shù)字化轉型的未來趨勢也日益明朗。云計算、大數(shù)據(jù)、人工智能等技術在企業(yè)獲取和利用數(shù)據(jù)要素中具有重要作用，物聯(lián)網(wǎng)、區(qū)塊鏈等新興技術也對企業(yè)數(shù)字要素利用水平存在潛在影響。有學者指出企業(yè)利用數(shù)據(jù)要素資源不僅是資源要素層面的變革，更是企業(yè)形成新質生產(chǎn)力的動能[5]，同時，也有越來越多的學者開始關注數(shù)字要素利用在承擔社會責任、促進經(jīng)濟高質量發(fā)展等方面的貢獻和挑戰(zhàn)。

企業(yè)融資約束的成因有很多，現(xiàn)有研究對于融資約束成因的討論主要集中于信息不對稱、代理問題以及金融市場不完善等方面，此外，貨幣政策[6]、金融聚集[7]、政府補助[8]等因素也會影響企業(yè)的融資能力。另外，中小股東的訴訟行為也加劇了同行業(yè)其他公司的融資困境，并產(chǎn)生了溢出效應，這種效應初步表現(xiàn)為一種傳染效應[9]。同時，相關文獻也提出了多種緩解融資約束的策略，包括加強信息披露、完善公司治理結構、發(fā)展多元化融資渠道等，政府也可以通過制定相關政策來支持企業(yè)融資，如提供稅收優(yōu)惠、建立擔保機制等。

研究企業(yè)數(shù)字要素利用水平與融資約束之間的關系是一個重要課題。一般來說，數(shù)字化程度高的企業(yè)往往能夠更好地利用數(shù)字要素。一些研究認為，企業(yè)利用數(shù)據(jù)要素能夠通過提高企業(yè)信息透明度[10]、降低銀企間信息不對稱程度[11]、降低企業(yè)盈余管理程度、提高資源配置效率[12]等途徑來緩解融資約束。此外，數(shù)據(jù)要素利用水平越高的企業(yè)往往能夠更好地收集和展示自身的經(jīng)營信息和財務狀況，獲得分析師的關注，改善信用評價，從而增強外部投資者對企業(yè)的信任度和投資意愿，降低融資成本[13]。也有研究表明，企業(yè)利用數(shù)據(jù)要素能夠通過提升信息效率和信息供給賦能商業(yè)信用融資[14]，增強商業(yè)信用供給，促使供應鏈中的資金顯著流向了交易次數(shù)較少、非國有企業(yè)以及融資約束較低的上下游供應商和客戶[15]。

綜上所述，企業(yè)數(shù)字要素利用水平與融資約束是兩個緊密相關的話題，因此，本文提出假設：數(shù)字要素利用水平能給企業(yè)融資約束帶來緩釋效應。

3 實證研究設計

3.1 樣本選擇與數(shù)據(jù)來源

本文選取滬深兩市2012-2022年的A股上市企業(yè)作為研究樣本，樣本數(shù)據(jù)均來源于國泰安（CSMAR）數(shù)據(jù)庫，為保證實證結果的有效性，且避免異常值對實證結果的影響，本文對初始樣本進行如下處理：①刪除總資產(chǎn)小于總負債的樣本；②刪除金融行業(yè)的樣本；③剔除經(jīng)營不善的ST類和*ST類企業(yè)樣本；④剔除及未披露相關指標、 主要變量缺失的企業(yè)；⑤對連續(xù)型變量在1%和99%的水平上進行縮尾處理。最終獲得11 688個樣本數(shù)據(jù)。

3.2 變量解釋

①被解釋變量?，F(xiàn)有研究中衡量企業(yè)融資約束的方法主要包括FC指數(shù)、KZ指數(shù)、SA指數(shù)、WW指數(shù)。參考相關研究，本文使用SA指數(shù)對融資約束（SA）進行衡量，公式如下：

SA=-0.737Size+0.043Size2 -0.04Age" " "（1）

其中，Size為企業(yè)年總資產(chǎn)的對數(shù)，Age為企業(yè)的上市年限。

②解釋變量。企業(yè)的數(shù)據(jù)要素利用水平（Dig）通常通過其在人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等領域的技術水平和應用情況來體現(xiàn)?？紤]到數(shù)字化在國家戰(zhàn)略中的重要性，以及其對企業(yè)生產(chǎn)經(jīng)營的深遠影響，企業(yè)在年報中往往會披露與數(shù)據(jù)要素利用轉型相關的關鍵信息。因此，本文借鑒了吳非等[16]的研究方法，統(tǒng)計企業(yè)年度財務報告中關于人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)技術和大數(shù)據(jù)技術應用這5項指標細分內容的披露次數(shù)。這些指標在財務報告中出現(xiàn)的頻次越高，表明企業(yè)的數(shù)據(jù)要素利用水平越高。

③控制變量。本文參考已有研究文獻，分別使用企業(yè)規(guī)模（Size）、資產(chǎn)負債率（Lev）、資本密集度（CAP）、綜合杠桿（CL）、流動比率（Liquid）、董事會規(guī)模（Board）、兩權分離（Seperate）、企業(yè)年齡（FirmAge）、前十大股東是否存在關聯(lián)（Aff）作為本文的控制變量。其中，企業(yè)規(guī)模用年總資產(chǎn)的自然對數(shù)衡量；資產(chǎn)負債率為年末總負債與年末總資產(chǎn)的比值；資本密集度為總資產(chǎn)與營業(yè)收入的比值；綜合杠桿為財務杠桿與經(jīng)營杠桿的乘積；流動比率為流動資產(chǎn)與流動負債的比值；董事會規(guī)模為董事會人數(shù)取自然對數(shù)；兩權分離為實際控制人擁有上市公司控制權比例與實際控制人擁有上市公司所有權比例之差；企業(yè)年齡為企業(yè)成立年限；前十大股東存在關聯(lián)為1，不存在關聯(lián)為0。

3.3 模型構建

為檢驗數(shù)據(jù)要素利用水平能否給企業(yè)融資約束帶來緩釋效應，構建如下模型：

SA=α0+α1Digit+γcontrolit+μit+λit+εit" " （2）

其中，i表示企業(yè)；t表示年份；SA為被解釋變量，即企業(yè)i在t時期的融資約束；Digit為解釋變量，即企業(yè)i在t時期的數(shù)據(jù)要素利用水平；controlit為其他影響企業(yè)融資約束的一系列控制變量；α0為常數(shù)項；α1為所關注變量的待估參數(shù)，當其顯著為負時，說明數(shù)據(jù)要素利用水平對企業(yè)融資約束具有負向抑制作用，即數(shù)據(jù)要素利用水平對企業(yè)融資約束具有緩釋效應；μit為企業(yè)固定效應；λit為時間固定效應；εit為隨機擾動項。

4 實證結果分析

4.1 描述性統(tǒng)計結果

表1報告了主要變量的描述性統(tǒng)計結果。從表1可以看出，企業(yè)融資約束（SA）的均值和標準差分別為-3.799和0.247，最小值和最大值分別為-4.558和-3.096，這表明在當前市場環(huán)境下，企業(yè)普遍受到融資約束的影響，數(shù)據(jù)要素利用水平（Dig）的均值和標準差分別為1.610和1.431，最小值和最大值分別為0和5.328，這表明上市公司的數(shù)據(jù)要素利用水平仍存在較大差距。

4.2 基準回歸分析

本文使用Stata17.0對數(shù)據(jù)進行回歸分析，結果如表2所示。其中列（1）為固定效應的模型回歸，可以看出數(shù)據(jù)要素利用水平（Dig）系數(shù)為-0.005，且在1%的水平上顯著，這表明數(shù)據(jù)要素的利用有助于緩解企業(yè)融資約束。同時列（2）和列（3）分別匯報了解釋變量數(shù)據(jù)要素利用水平（Dig）滯后一期、滯后二期的回歸結果，可以看出數(shù)據(jù)要素利用水平（Dig）對融資約束（SA）影響的回歸結果仍顯著，但顯著性有所下降，證明數(shù)據(jù)要素利用水平對企業(yè)融資約束的緩釋效應具有一定及時性。

4.3 穩(wěn)健性檢驗

①替換解釋變量。企業(yè)的數(shù)據(jù)要素利用水平也反映于數(shù)實產(chǎn)業(yè)技術融合程度，因此，本文參照黃先海等[17]的研究方法，使用“數(shù)實產(chǎn)業(yè)技術融合（TechConv）”指標替換原解釋變量數(shù)據(jù)要素利用水平（Dig）。具體而言，基于專利引用信息捕捉數(shù)字產(chǎn)業(yè)知識在實體產(chǎn)業(yè)技術創(chuàng)新中的流動特征，以此測度企業(yè)的數(shù)實產(chǎn)業(yè)技術融合行為，基于此定義，將該指標加總到企業(yè)-年份層面得到企業(yè)各年度數(shù)實產(chǎn)業(yè)技術融合數(shù)量，加1取自然對數(shù)后作為企業(yè)數(shù)實產(chǎn)業(yè)技術融合的衡量指標。替換后回歸結果如表3列（1）所示，數(shù)實產(chǎn)業(yè)技術融合（TechConv）系數(shù)仍在1%的顯著性水平上呈現(xiàn)負值，支持本文基準結論。②替換被解釋變量。本文通過融資約束的另一種衡量方式FC指數(shù)替換原指標進行回歸分析，替換后回歸結果如表3列（2）所示，融資約束（FC）系數(shù)仍顯著為負，支持本文基準結論。③增加控制變量。為了進一步盡可能多地排除公司內部治理因素的影響，本文在控制變量中加入獨立董事比例（Indep）、兩職合一（Dual）、第一大股東持股比例（Top1），其中，獨立董事比例（Indep）為獨立董事除以董事人數(shù)；若董事長與總經(jīng)理是同一個人則兩職合一（Dual）為1，否則為0；第一大股東持股比例（Top1）為第一大股東持股數(shù)量占總股數(shù)的比例。替換后回歸結果如表3列（3）所示，數(shù)字化程度（Dig）系數(shù)在1%的顯著性水平上呈現(xiàn)負值，支持本文基準結論。④剔除異常年份。新冠疫情自2020年起對企業(yè)發(fā)展產(chǎn)生了顯著影響，為了降低異常年份對研究結果造成的干擾，剔除2020-2022年的數(shù)據(jù)，重新進行回歸分析。從剔除后表3列（4）的回歸結果中發(fā)現(xiàn)，數(shù)字化程度（Dig）系數(shù)在1%的顯著性水平上呈現(xiàn)負值，說明在排除特殊年份影響后，企業(yè)的數(shù)據(jù)要素利用水平對其融資約束仍存在緩釋效應。

5 結論與建議

在“數(shù)字中國”的總體戰(zhàn)略框架下，數(shù)字化轉型已躍升為企業(yè)戰(zhàn)略重構的關鍵驅動力。本文以2012-2022年中國A股上市公司為研究樣本，深入剖析了數(shù)據(jù)要素利用水平對融資約束的緩解效應。實證結果表明，隨著數(shù)據(jù)要素利用水平的提高，企業(yè)面臨的融資約束問題得到了一定程度的緩解。具體建議如下：

對上市公司而言，首先，企業(yè)應進一步探索和踐行高效融資策略，積極提高數(shù)據(jù)要素利用水平，利用大數(shù)據(jù)、云計算等先進技術進行精準的數(shù)據(jù)分析，更有效地評估自身的融資需求和風險，從而找到更合適的融資渠道和方式。其次，數(shù)據(jù)要素有助于企業(yè)提升風險管理能力。企業(yè)應通過數(shù)據(jù)要素識別和管理融資風險，避免陷入不必要的融資困境。最后，數(shù)據(jù)要素為企業(yè)創(chuàng)新融資模式提供了可能，企業(yè)可以通過區(qū)塊鏈技術實現(xiàn)供應鏈金融的透明化和高效化，或者通過P2P平臺實現(xiàn)更廣泛的資金募集。

對金融機構而言，一方面，需要不斷創(chuàng)新服務模式，以滿足企業(yè)在數(shù)字化轉型過程中的融資需求。例如，金融機構可以開發(fā)基于大數(shù)據(jù)和AI技術的信用評估模型，為企業(yè)提供更快速、更準確的融資服務。另一方面，金融機構需要對融資項目進行全面、深入的分析和評估，以確保資金的安全和效益。同時，數(shù)據(jù)要素為金融機構拓展服務領域提供了機會，金融機構可以積極參與供應鏈金融、綠色金融等新興領域，為企業(yè)提供更加多元化、個性化的融資服務。

對政府而言，首先，加強數(shù)據(jù)驅動政策、推進數(shù)字化基礎設施建設勢在必行，政府可以利用大量數(shù)據(jù)要素，更準確地了解企業(yè)融資約束的實際情況，從而制定出更具針對性和實效性的政策；其次，為了讓企業(yè)提升數(shù)據(jù)要素利用水平，政府在監(jiān)管上也要進行相應的創(chuàng)新，讓“有形的手”與“無形的手”相結合，促進市場透明度和公平性的形成，減少信息不對稱，提高資源配置效率，緩解企業(yè)融資約束問題，從而提高整個市場的運行效率，實現(xiàn)經(jīng)濟高質量發(fā)展。

【參考文獻】

【1】王謙，付曉東.數(shù)據(jù)要素賦能經(jīng)濟增長機制探究[J].上海經(jīng)濟研究，2021（04）：55-66.

【2】Zhao T， Yan N， ji L. Digital 'Transformation， Life Cyele and Internal Control Eiectiveness： Evidence from China[J].Finance Research Letters，2023（58）：104-223.

【3】史青春，牛悅，徐慧.企業(yè)數(shù)據(jù)要素利用水平影響投資效率機理研究——利用數(shù)據(jù)要素激活冗余資源的中介作用[J].中央財經(jīng)大學學報，2023（11）：105-115.

【4】Warner K， Waeger M. Building dynamic capabilities for digital transformation： An ongoing process of strategic renewal[J].Long Range Planning，2019，52（3）：326-349.

【5】張夏恒，劉彩霞.數(shù)據(jù)要素推進新質生產(chǎn)力實現(xiàn)的內在機制與路徑研究[J/OL].產(chǎn)業(yè)經(jīng)濟評論：1-21[2024-04-04].

【6】閆永佳，宋曉玲.貨幣政策對企業(yè)融資約束異質性影響的統(tǒng)計檢驗[J].統(tǒng)計與決策，2024，40（04）：134-139.

【7】代乾，仇娟東，何風雋.金融聚集對企業(yè)融資約束的影響及機制研究[J].科學決策，2023（11）：48-66.

【8】陳寶東，王國容.地方政府債務、政府補助與高新技術企業(yè)融資約束[J].哈爾濱商業(yè)大學學報（社會科學版），2023（05）：93-107.

【9】孫潔，王梓臣，李杰.中小股東訴訟對同行業(yè)公司融資約束的溢出效應[J].證券市場導報，2024（03）：24-36.

【10】肖紅軍，陽鎮(zhèn)，劉美玉.企業(yè)數(shù)字化的社會責任促進效應：內外雙重路徑的檢驗[J].經(jīng)濟管理，2021，43（11）：52-69.

【11】車德欣，戴美媛，吳非.企業(yè)數(shù)字化轉型對融資成本的影響與機制研究[J].金融監(jiān)管研究，2021（12）：56-74.

【12】劉翰林，黃佳玲.企業(yè)數(shù)字化轉型對融資約束的影響研究——基于“信息論”與“資源論”的視角[J].杭州電子科技大學學報（社會科學版），2024，20（01）：21-30.

【13】黃波，王滿.分析師跟蹤影響了商業(yè)信用融資嗎——基于我國上市公司的實證分析[J].山西財經(jīng)大學學報，2018，40（08）：42-55.

【14】張記元，趙博思.企業(yè)數(shù)字化轉型如何賦能商業(yè)信用融資——基于信息效率與信息治理[J].貴州財經(jīng)大學學報，2024（02）：71-80.

【15】王超，余典范.企業(yè)數(shù)字化的供應鏈融資效應——基于商業(yè)信用視角[J].經(jīng)濟與管理研究，2023，44（10）：109-128.

【16】吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)[J].管理世界，2021，37（07）：130-144+10.

【17】黃先海，高亞興.數(shù)實產(chǎn)業(yè)技術融合與企業(yè)全要素生產(chǎn)率——基于中國企業(yè)專利信息的研究[J].中國工業(yè)經(jīng)濟，2023（11）：118-136.