大數據發展對企業融資效率的影響研究

【摘 要】 文章基于2011—2023年滬深上市公司數據，實證分析大數據發展對企業融資效率的影響關系及具體機制。主要結論有：（1）大數據發展能有效提升企業的融資效率；（2）機制檢驗發現，大數據發展通過提高城市虛擬集聚水平和企業信息披露質量來提高企業融資效率；（3）異質性分析表明，在微觀企業層面，大數據發展對非國有企業、高科技行業企業和高治理能力企業融資效率的提升效應更為明顯；（4）進一步分析表明，良好的地方金融發展水平、市場化水平和數字基礎設施建設有助于深化大數據發展對企業融資效率的提升效應。研究發現對我國企業通過大數據提升城市虛擬集聚水平和企業信息披露質量，進而提升融資效率和推動經濟高質量發展具有重要意義。

【關鍵詞】 企業融資效率； 大數據發展； 大數據綜合試驗區

【中圖分類號】 F061.5；F062.9" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）11-0011-09

一、引言

2023年9月，習近平總書記在黑龍江考察期間提出要加快發展新質生產力。新質生產力的本質是創新，核心要義是以創新驅動高質量發展。然而，企業創新研發活動具有高投入和高風險等特點，通常需要長期的資本投入作支撐。倘若企業具有較高的融資效率，便意味著企業可以以低成本籌集創新活動所需資金，從而降低創新活動成本以提高創新績效，進而推動新質生產力的提升。因此，提高企業融資效率，對提高企業創新績效和新質生產力、推動經濟高質量發展具有重要現實意義。

在數字經濟時代，伴隨著大數據等新一代信息技術的快速發展，數據已經成為新的生產要素，對企業融資產生重要影響。一方面，銀行等金融機構可以通過大數據對信貸數據和信息進行深入分析，有效連接信貸資金的供給方和需求方，提高信貸匹配效率，降低信息匹配成本等融資成本，進而提高企業融資效率。另一方面，大數據發展越完善，越有利于形成新的價格機制，優化資本配置效率，而資本市場所具有的較高資本配置效率意味著銀行等金融機構能夠更快速地響應市場變化和企業需求，為企業提供所需資本。這種有效的資本供給有助于確保企業及時獲得足夠的資金支持其運營和發展需求，企業更有可能通過市場獲得低成本融資，從而提高其融資效率。為充分發揮我國數據資源優勢，2015年8月，國務院發布《促進大數據發展行動綱要》。此后，國家發改委批復貴州省、北京市、天津市、上海市、重慶市、廣東省等10個省份或城市設立大數據綜合試驗區。因此，立足于我國發展新質生產力、推動經濟高質量發展的背景，厘清大數據發展是否有效提升企業融資效率，其具體作用機制是什么，是值得探討的重要問題。

現有關于大數據發展與企業融資的研究，主要集中在大數據發展和企業融資約束這一層面上。具體來說，一方面，大數據發展有助于緩解信貸雙方的信息不對稱，進而緩解企業的融資約束。孫潔和李杰[ 1 ]認為，企業可以利用大數據實現較低成本獲取資本市場上資金供給方的資金供給信息，提高信貸匹配效率，緩解企業融資約束。陳蕊和王宏偉[ 2 ]認為，區域內大數據發展水平的提高有助于構建高效多元的投融資體系，有效緩解區域內企業和金融機構的信息不對稱問題，進而緩解區域內企業所面臨的融資約束。另一方面，大數據發展可以優化金融服務的質量和效率，緩解企業融資約束。戴艷娟等[ 3 ]認為，大數據發展有效降低了企業獲取金融服務的門檻，通過與金融機構進行實時的信息交換，降低金融服務風險，從而緩解企業所面臨的融資約束。李政等[ 4 ]認為大數據發展可以通過完善資本要素市場制度，幫助企業選擇高質量的機構投資者，以緩解企業的融資約束。戴艷娟和沈偉鵬[ 5 ]認為，大數據發展可以通過提高數據資產的靈活性和增強數據要素流動性，優化企業金融資源的配置效率，進而緩解融資約束。

雖然現有許多文獻關注了大數據發展與企業融資約束的作用關系，但少有文獻關注大數據發展與企業融資效率的影響關系和作用機理，其內在機制也不明確。融資約束多反映企業所面臨的融資難等問題，而融資效率則更多反映企業是否能以較低成本獲取外部資本的能力，二者并不能粗略地劃等號。因此，本文使用2011—2023年滬深上市公司數據，實證研究大數據發展對企業融資效率的影響及具體內在機制。

本文的邊際貢獻如下：（1）以大數據綜合試驗區設立為準自然實驗，實證檢驗大數據發展對企業融資效率的影響和作用機制，填補了現有文獻的空缺，拓展了相關研究視角。（2）提出并驗證了大數據發展通過提高企業內部的信息披露質量和企業外部的城市虛擬集聚水平，進而提高企業的融資效率，有助于厘清大數據賦能企業融資效率的作用機理。（3）在微觀層面，探討了大數據發展對企業融資效率的異質性效應，包括企業產權異質性、行業異質性和企業高管治理能力異質性三個方面；在宏觀層面，分析了地方金融發展水平、市場化程度和數字基礎設施建設三個宏觀經濟環境差異對大數據發展與企業融資效率的影響，并為大數據賦能企業融資效率、促進經濟高質量發展提供相關政策啟示。

二、理論分析與研究假設

融資效率指在融資活動中，企業能以低成本獲取外部資本的能力[ 6 ]。因此，要提高融資效率則需要降低融資交易成本，而提高匹配效率和信息效率則是降低融資交易成本的關鍵[ 7 ]。大數據發展通過集聚數字要素，創造有利于提升信貸匹配效率和信息效率的優良環境，為提高企業融資效率提供可能。一方面，依托大數據發展的征信評級技術，金融機構等資本供給方可以通過線上的方式獲取資本需求方更為真實準確的信息，提高信貸匹配效率，并通過對數據的分析和處理，有效降低信貸過程中所產生的搜尋成本和決策成本等信貸交易成本，進而提高企業融資效率。另一方面，資本要素市場的配置效率依賴于價格機制，但價格機制依賴于信息處理效率和傳遞效率。大數據發展可以將大量冗余的數據轉化為有效信息，提高資金供需雙方匹配中的信息處理效率和信息傳遞效率[ 8 ]?；诖髷祿l展提煉出的有效信息，有助于提高信貸過程中資金供需雙方的信息效率，降低信息搜尋和驗證成本，進而提高企業的融資效率。因此，本文提出待驗證的研究假設1：

研究假設1：大數據發展有利于提高企業融資效率。

虛擬集聚主要指數據和信息等要素在虛擬空間的集聚[ 9 ]。數字經濟時代，伴隨著大數據等新一代信息技術的發展，產業集聚演變出從地理空間集聚向虛擬空間集聚的新態勢。大數據發展水平越高，意味著區域內所集聚的數據要素越多，其虛擬集聚程度也就越高[ 9 ]，這為改善企業融資效率提供了可能。具體來看：第一，大數據發展水平越高，虛擬集聚程度也越高，虛擬集聚可以跨越時空限制，將信貸雙方的信息互動距離和互動成本降為零，強化了各主體間信息的跨時空交互，克服信息溢出“距離衰減”所帶來的信息傳遞阻塞問題，充分緩解雙方的信息不對稱，而更低的信息不對稱程度會帶來更高的融資效率[ 10 ]。第二，大數據發展水平和虛擬集聚程度越高的區域，其數據和信息實時交流與交換能力越強，區域內的金融中介可以與企業實現更高效的資本供需匹配，擴大虛擬集聚的正向網絡效應，減少雙方的融資交易成本，提高融資效率[ 11 ]。因此，本文提出待驗證的研究假設2：

研究假設2：大數據發展通過提高虛擬集聚程度來提高企業融資效率。

企業出于滿足市場信息需求和尋求外部融資的考量，會努力實現高質量和高時效性的信息披露[ 12 ]，而大數據可以為企業提供更加高效的數據收集和分析手段，使企業能夠及時準確地向市場披露信息。高質量的信息披露有助于提升企業的信息透明度，增強市場投資者對企業的信任，從而提高企業的融資效率。具體來說：第一，大數據發展促使監管機構加大對企業信息披露質量的監管力度，推動了信息披露標準的提升，企業在信息披露方面更加規范和透明，有助于降低投資者的信息不對稱風險，提升企業的融資效率。第二，大數據發展可以有效提升企業內部的信息分析和處理能力，從而有效提高信息披露質量，而高質量的信息披露可以緩解委托代理問題，減少企業管理層為追求自身利益最大化對資本投入和產出等決策所造成的不利影響，有效降低企業的融資成本，提高融資效率。第三，大數據發展使得企業能夠更好地理解和把握市場需求與行業發展趨勢，為企業的戰略決策提供更可靠的依據。準確的市場分析和預測能力使企業能夠更好地規劃與優化自身的發展方向和戰略布局，并通過提高企業自身信息披露質量，吸引金融機構對企業進行投資，減少企業尋求外源融資的成本，從而提高融資效率。因此，本文提出待驗證的研究假設3：

研究假設3：大數據發展通過提高企業信息披露質量來提高企業融資效率。

三、研究設計

（一）實證模型設計

樣本觀測期內獲得政策試點的城市或地區其獲批時間均發生在2016年。由于2015年貴州省便開始布局建設大數據試驗區，其余省份或城市則在2016年下半年獲批后才開始，因此本文參照以往大多數文獻做法，將貴州省的政策試點時間設定為2015年，其他城市或地區則設定為2016年。本文通過構建多期DID評估大數據發展對企業融資效率的政策效應，具體如下：

Fei，c，t=？琢0+？琢1Datac，t+∑Controls+？酌i+？啄t+？漬c+？著 （1）

其中，Fei，c，t代表c城市中i企業在t年的融資效率，Data為政策虛擬變量。根據前文理論假設，預期？琢1顯著為正?！艭ontrols為控制變量組合，？酌i為企業層面上的個體固定效應，？啄t為年份固定效應，？漬c為城市層面上的固定效應，？著為擾動項。

（二）變量說明

1.被解釋變量

企業融資效率（Fe）。本文基于王秀貞等[ 13 ]的研究，使用數據包絡分析法（DEA）測算上市公司的融資效率，投入指標和產出指標的數據如表1所示。

2.解釋變量

本文將大數據綜合試驗區的政策虛擬變量（Data）作為大數據發展的代理變量，若企業位于政策試點城市或地區內且在政策實施年份之后，取值為1，否則為0。

3.控制變量

綜合現有研究成果，本文擬采用以下控制變量：（1）企業規模（Size）：企業總資產的自然對數；（2）資產負債率（Lev）：年末總負債與年末總資產的比值；（3）盈利能力（Roa）：凈利潤與總資產的比值；（4）董事會規模（Board）：董事會人數的自然對數；（5）兩職合一（Dual）：董事長與總經理是同一個人為1，否則為0；（6）股權集中度（Top10）：前十股東持股比例；（7）托賓Q值（TobinQ）：企業市值與總資產的比值；（8）銀企關系（Bank）：是否持有銀行股份，是為1，否則為0。

（三）數據來源和處理

本文選取2011—2023年滬深上市企業為研究對象，企業層面的數據來源于國泰安數據庫，大數據綜合試驗區試點區域名單來源于工信部官網，對數據進行以下處理：（1）將注冊地設在大數據綜合試驗區內的企業為實驗組，其余企業為控制組；（2）剔除金融類企業；（3）剔除帶有ST或*ST標記的企業；（4）剔除缺少關鍵變量數值的企業；（5）對連續變量進行上下1%水平的縮尾處理。數據描述性統計見表2。

四、實證結果分析

（一）基準回歸

表3列（1）為未控制固定效應的回歸結果，列（2）為控制固定效應的結果。由表3可知，無論是否控制固定效應，大數據發展都顯著提升了企業融資效率。如理論分析所述，銀行等金融機構運用基于大數據發展所產生的征信評級技術，有效提高了信貸資金的供需匹配效率和企業融資效率。此外，大數據發展有助于提高資金供需雙方的信息處理效率和信息傳遞效率，從而提高企業融資效率，因此假設1得到初步驗證。

（二）平行趨勢檢驗

為進行平行趨勢檢驗，同時更加直觀地考察企業融資效率在大數據綜合試驗區試點政策前后的動態差異，本文用事件分析法進行平行趨勢檢驗。如圖1所示，政策實施前4年實驗組和控制組的企業融資效率并不存在顯著差異，而政策實施后第3年開始具有顯著差異，說明政策具有一定的遲滯性和可持續性，因此本文的被解釋變量滿足平行趨勢假設。

（三）穩健性檢驗

1.安慰劑檢驗

本文通過構造政策偽處理時間和偽處理組，重復抽樣500次進行無約束的混合安慰劑檢驗。雙邊p值和右邊p值為0.002（在1%水平上顯著），可以拒絕處理效應為0的原假設。此外，圖2也可以看出處理效應估計值在安慰劑效應分布的右側，表示極端值。

2.PSM—DID檢驗

為緩解樣本自選擇問題，減少估計偏誤，本文使用Logit模型對控制變量回歸獲得傾向得分，再使用核匹配法進行估計。圖3表明，匹配后協變量的標準化偏差明顯縮小，且接近0線，表明匹配后兩個樣本組的特征比匹配前更接近。因此，本文采用核匹配法進行PSM檢驗較為合理。本文將匹配后的樣本進行重新回歸，結果如表4列（1）所示，匹配后樣本的政策效應估計系數的顯著性和符號與基準回歸結果保持一致，證明了基準回歸結果的穩健性。

（四）其他穩健性檢驗

本文還進行了以下穩健性檢驗：（1）排除其他政策影響。將寬帶中國政策（board）和智慧城市試點政策（intel）的虛擬變量納入模型，以得到大數據試驗區設立對企業融資效率的凈效應。（2）控制區域特征。在回歸中納入可能影響企業融資效率的區域變量，如地方經濟發展水平（用人均gdp的對數衡量，表示為lnpgdp）、地方金融發展水平（用金額機構存貸款的對數衡量，表示為lnfin）、第二產業占比（第二產業增加值占城市GDP的比重，表示為p2）、第三產業占比（第三產業增加值占城市GDP的比重，表示為p3）、地區數字金融發展水平（北京大學數字普惠金融總指數，表示為digital）和地區銀行機構數量（bank）。（3）交互固定效應。在控制企業個體、年份和城市固定效應的基礎上，為了控制企業個體和城市層面上隨時間變化的不可觀測因素對回歸結果的影響，本文額外引入了年份與企業個體、年份與城市的交互固定效應。（4）多期雙重穩健估計量。本文參考Callaway和Sant'

Anna[ 14 ]提出的CSDID來緩解多期DID模型因使用固定效應所產生的估計偏誤，具體結果如表4所示，核心解釋變量的符號和顯著性水平穩健。

（五）機制分析

本文使用中介效應驗證大數據發展如何提升企業融資效率這一命題的具體機制。模型設定如下：

Midi，c，t=？琢0+？琢1Datac，t+∑Controls+？酌i+？啄t+？漬c+？著 （2）

Fei，c，t=？茁0+？茁1Midi，c，t+？茁2Datac，t+∑Controls+？酌i+？啄t+？漬c+？著

（3）

其中，Mid為機制變量，其他變量含義與前文相同。重點關注？琢1的符號和顯著性水平。

關于機制變量的選取，如虛擬集聚水平（Vag），本文參考劉燁等[ 15 ]的研究，在區位熵的基礎上加入地理距離外溢衰減指數，具體計算方法如下：

Vagc，t=■ i（■）/（■）？啄ui-1 （4）

式中csit和yit分別表示i城市t年計算機服務、信息傳輸與軟件業的就業人數以及全部就業人數。cs和y分別表示全部城市計算機服務、信息傳輸和軟件業的就業人數以及全部就業人數。？啄ui為城市u和城市i之間的地理距離權重，城市間地理距離由城市之間的球面距離表示，當u＝i時，代表城市的專業化集聚權重為1，該指數的值越大，說明該城市的虛擬集聚水平越高。

關于企業信息披露質量（Eid），本文參考翟光宇等[ 16 ]的研究，使用KV指數來衡量，具體如下：

Ln（Pt-Pt-1）/Pt-1=λ0+λ（Volt/Vol0-1）+？著 （5）

其中，Pt和Volt是第t日股票收盤價與交易量，Vol0是樣本期內股票的平均日交易量，并對模型（5）進行OLS回歸得到KV指數λ（剔除KV指數為負值的情況）。λ越小，表明信息披露質量越高。

表5列（1）—列（4）分別匯報了虛擬集聚和信息披露質量影響企業融資效率的回歸結果。列（1）的回歸結果表明，本文關注的政策變量在1%水平下顯著正向提升虛擬集聚水平；列（2）表明城市虛擬集聚顯著正向提升企業融資效率；列（3）表明大數據綜合試驗區的設立顯著降低了KV指數，也即顯著提升了企業信息披露質量；列（4）表明信息披露質量提升顯著提高了企業的融資效率。綜上所述，表5的回歸結果為大數據綜合試驗區設立提高企業融資效率的具體機制提供了經驗證據，證實了存在“大數據發展—虛擬集聚水平提升—企業融資效率提升”和“大數據發展—企業信息披露質量提升—企業融資效率提升”兩個機制，假設2和假設3得到證明。

（六）異質性分析

前文已經為大數據發展對企業融資效率的影響提供了經驗證據，但是這種政策效應在不同微觀企業特征下有何差異仍需進一步探討。因此，本文進一步從微觀層面出發，多角度探討大數據發展對企業融資效率的異質性特征。

考慮企業所有制異質性，本文將研究樣本劃分為國有企業和非國有企業進行分組回歸。從表6列（1）和列（2）的回歸結果可知，大數據試驗區設立對企業融資效率的提升效應在非國有企業中更顯著。原因可能是與國有企業相比，非國有企業在融資渠道和融資成本等方面的資源較國有企業更為欠缺，因此大數據發展對企業融資效率能帶來更大的改善效應。

考慮行業異質性，參考郭蕾等[ 17 ]的研究，將數據樣本企業分為高科技企業和非高科技企業?；貧w結果如表6列（3）和列（4）所示，相較于非高科技行業企業，大數據試驗區的設立對高科技行業企業融資效率的提升效應更顯著?？赡艿脑蛟谟冢呖萍计髽I對數據要素和數字技術的依賴性比非高科技企業更高，更容易根據政策導向，充分利用大數據處理技術和分析市場信息，促進企業融資效率的提升。而對于非高科技企業，由于其與數字化領域的聯系較弱，大數據試驗區的設立可能會在一定程度上加大與高科技企業之間的數字鴻溝，抑制其通過發展大數據來提升融資效率。

考慮企業治理能力異質性，借鑒劉明[ 18 ]的研究，以高管是否具有金融背景作為企業治理能力異質性的衡量標準。回歸結果如表6列（5）和列（6）所示，當高管具有金融背景時，大數據發展對企業融資效率的提升作用更顯著。原因在于具有金融背景的高管，可以更好地利用自己的資源，為企業提供獲取信貸資源的渠道，降低企業的融資難度和融資成本，幫助企業提高信貸額度并獲得更多的信貸資金，改善企業的融資效率。

（七）進一步分析

如前所述，大數據綜合試驗區在提升企業融資效率的過程中扮演了重要角色，但其具體效果可能因地區發展環境而異。因此，本文進一步從地方發展環境的角度，以地方金融發展水平、市場化水平和數字基礎設施建設三個方面為基礎，探討大數據試驗區對企業融資效率的影響關系在不同發展環境下的潛在作用效果。

1.地方金融發展水平

地方金融業的發展程度直接影響區域內企業獲取信貸資金的難易程度，從而影響企業的融資效率。良好的地方金融發展環境不僅有助于提高企業獲取外源融資的可能性和融資效率，為企業的日常運營和投資決策提供資金保障，而且有助于地方政府通過擴大融資渠道助力地方發展，從而使大數據綜合試驗區更好地發揮推動地區數字經濟發展和企業高質量發展的作用。本文使用省級層面上金融機構存貸款和生產總值的比值作為地區金融發展水平的代理變量。如表7列（1）和列（2）回歸結果所示，在較高金融發展水平地區，核心解釋變量的系數顯著為正，表明地方金融發展水平的提高有助于深化大數據對企業融資效率的提升效果。

2.地方市場化水平

考慮地區市場化程度異質性，本文使用王小魯等[ 19 ]編制的市場化指數，根據市場化指數中位數劃分為高市場化水平地區和低市場化水平地區，回歸結果如表7列（3）和列（4）所示。在高市場化水平地區，大數據對企業融資效率的提升效應比低市場化水平地區更顯著，原因可能在于市場化程度較高的地區，有助于形成公平的宏觀競爭環境，強化信息的披露效率和透明度，企業也有機會拓展更加多樣化的融資渠道，提高融資效率。

3.地方數字基礎設施建設

近年來，各地方政府積極完善數字基礎設施體系以適應數字經濟發展需要。完善的數字基礎設施建設不僅可以提高大數據試驗區的運營和管理效率，推動區域數字經濟發展，而且可以保障企業在尋求外部融資時獲取足夠的數據要素支持。本文參考黃勃等[ 20 ]的研究，用企業所在地區的人均互聯網接入端口數作為地方數字基礎設施的代理變量，結果如表7列（5）和列（6）所示。核心解釋變量的系數在具有良好數字基礎設施的地區顯著為正，表明完善的地方數字基礎設施建設有利于提高大數據試驗區政策對企業融資效率的提升效應。

五、結論與啟示

本文基于2011—2023年滬深上市公司數據，以國家級大數據綜合試驗區的設立作為準自然實驗，實證分析了大數據發展對企業融資效率的影響關系及具體機制。主要結論有：（1）大數據發展能有效提升企業的融資效率，該結論在經過混合安慰劑檢驗等一系列穩健性檢驗后仍成立。（2）機制檢驗證明，在宏觀層面，大數據發展通過提高城市虛擬集聚水平提高企業融資效率；在微觀層面，主要通過提高企業信息披露質量提高企業融資效率。（3）異質性分析表明，在微觀企業層面，大數據發展對非國有企業、高科技行業企業和高治理能力企業融資效率的提升更明顯；進一步分析表明，大數據發展對金融發展水平較高、市場化程度較高和數字基礎建設良好地區企業的融資效率提升更為明顯。

綜合本文的研究結論，得出以下政策建議和啟示：

第一，建立大數據融資信息綜合服務平臺。由中國人民銀行等金融監管機構統籌與指導，以金融機構和征信機構等機構為主體，運用大數據技術，創新信貸風險評估體系，共同構建大數據融資信息綜合服務平臺。鼓勵銀行等金融機構在綜合平臺上發布資金供給信息或具有資金需求的企業在綜合平臺上發布資金需求信息，在平臺上實現信貸雙方的有效匹配，提高企業融資效率。

第二，著力推動企業進行數字化轉型，引導企業積極融入大數據融資信息綜合服務平臺。一方面，政府要強化服務意識，出臺企業數字化轉型相關激勵政策，為有意愿進行數字化轉型的企業提供政策、財政和稅收支持，為企業數字化轉型提供保障。另一方面，大數據融資信息綜合服務平臺運營單位要主動作為，強化宣傳意識，做好企業背調和信用評級工作，完善企業加入大數據融資信息綜合服務平臺的流程。

第三，強化數字基礎設施建設?？紤]到大數據發展對企業融資效率所具有的改善效應，各地區要加快地區數字化基礎設施建設，為大數據賦能企業融資效率，進而賦能新質生產力，促進經濟高質量發展創造有利的客觀環境和條件。此外，各地區要充分轉變經濟發展認識，以發展大數據產業為抓手，加快對傳統基礎設施進行數字化改造，同時積極引進大數據產業，布局城市大數據產業平臺的建設，為加快建立安全高效的大數據融資信息綜合服務平臺提供現實基礎。

【參考文獻】

［1］ 孫潔，李杰.大數據應用、融資約束和企業創新效率［J］.證券市場導報，2022（11）：13-23.

［2］ 陳蕊，王宏偉.大數據發展與企業創新能力提升［J］.當代經濟管理，2024，46（5）：30-42.

［3］ 戴艷娟，沈偉鵬，譚偉杰.大數據發展對企業數字技術創新的影響研究：基于國家大數據綜合試驗區的準自然實驗［J］.西部論壇，2023，33（2）：16-28.

［4］ 李政，越婷婷，賈妍妍.地區大數據發展如何影響企業數字化轉型？［J］.現代財經（天津財經大學學報），2023，43（11）：61-76.

［5］ 戴艷娟，沈偉鵬.大數據發展如何影響企業全要素生產率：基于內外部雙重視角的分析［J］.云南財經大學學報，2024，40（2）：78-94.

［6］ 楊毅，高玥，吳晶晶.供應鏈金融提升了上市公司的融資效率嗎：基于兩類會計穩健性視角的研究［J］.會計之友，2022（1）：52-60.

［7］ 李衛兵，張星.數字化轉型與企業交易成本［J］.華中科技大學學報（社會科學版），2023，37（6）：8-17.

［8］ 孫光林，艾永芳，李淼.資本錯配與中國經濟增長質量：基于金融效率與產能利用率中介效應實證研究［J］.管理學刊，2021，34（5）：57-73.

［9］ 王如玉，梁琦，李廣乾.虛擬集聚：新一代信息技術與實體經濟深度融合的空間組織新形態［J］.管理世界，2018，34（2）：13-21.

［10］ 吳昊旻，張靜輝，張華玉.并購重組市場化改革與會計信息質量［J/OL］.南開管理評論，2023-06-15.

［11］ 王如玉，王志高.金融虛擬集聚平臺的區位選擇［J］.中山大學學報（社會科學版），2021，61（6）：177-190.

［12］ 王小鵬，史陳菲.注冊制下自愿性信息披露質量研究：基于科創板2019—2021年的經驗證據［J］.會計之友，2024（2）：62-71.

［13］ 王秀貞，丁慧平，胡毅.基于DEA方法的我國中小企業融資效率評價［J］.系統工程理論與實踐，2017，37（4）：865-874.

［14］ CALLAWAY B，SANT'ANNA P H C.Difference-in- differences with multiple time periods［J］. Journal of Econometrics，2021，225（2）：200-230.

［15］ 劉燁，王琦，班元浩.虛擬集聚、知識結構與中國城市創新［J］.財貿經濟，2023，44（4）：89-105.

［16］ 翟光宇，武力超，唐大鵬.中國上市銀行董事會秘書持股降低了信息披露質量嗎：基于2007—2012年季度數據的實證分析［J］.經濟評論，2014（2）：127-138.

［17］ 郭蕾，肖淑芳，李雪婧，等.非高管員工股權激勵與創新產出：基于中國上市高科技企業的經驗證據［J］.會計研究，2019（7）：59-67.

［18］ 劉明.大數據綜合試驗區對企業創新的影響研究：來自中國上市公司的經驗證據［J］.云南大學學報（社會科學版），2024（1）：1-12.

［19］ 王小魯，樊綱，胡李鵬.中國分省份市場化指數報告（2018）［M］.北京：社會科學文獻出版社，2019.

［20］ 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展：來自企業數字專利的證據［J］.經濟研究，2023，58（3）：97-115.