數(shù)字化轉(zhuǎn)型對企業(yè)信用風(fēng)險(xiǎn)的影響基于我國智能制造上市企業(yè)的實(shí)證分析

中圖分類號：F830 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7312（2025）04-0429-12

Abstract： With the rapid development of information technology and the urgent need for industrial upgrading，digital transformation has become a crucial strategic choice for Chinese inteligent manufacturing enterprises to enhance their competitiveness.However，in this process，how to balance the investmentindigital transformationwith risk control，particularlytheprevention ofcredit risks，has emerged as a focal issue of common concern for both academia and practitioners.This paper uses a sample of listed intelligent manufacturing enterprises in China from 2015 to 2O21 to empirically examine the impact of digital transformation on corporate credit risk.The research findings indicate that there is a Ushaped relationship between digital transformationand credit risk.Credit risk declines during initial digital transformation.However， with excessive investment in digital transformation，credit risk increases.This conclusion remains valid after a series of robustness tests.Mechanism analysis indicates that management effects and innovation effects are the pathways through which digital transformation affects credit risk.Moderation effcts show that supply chain finance can help intelligent manufacturing enterprises alleviate the credit risk brought about by digital transformation. Heterogeneity analysis reveals that the U-shaped relationship between digital transformation and credit risk is more pronounced among intelligent manufacturing enterprises with higher production efficiency and lower governance quality.

Key words： inteligent manufacturing; digital transformation; credit risk； supply chain finance; Ushaped relationship

0 引言

智能制造是全球技術(shù)變革的核心方向[1]，是數(shù)字化轉(zhuǎn)型的先鋒代表，智能制造與數(shù)字化轉(zhuǎn)型相輔相成。智能制造中的數(shù)字化轉(zhuǎn)型是指將數(shù)字技術(shù)融入制造過程中，以提高效率、生產(chǎn)力、靈活性和適應(yīng)性。放眼全球，智能制造的數(shù)字化轉(zhuǎn)型正在經(jīng)歷從工業(yè)4.0向工業(yè)5.0的全面邁進(jìn)[2]然而，中國制造企業(yè)的數(shù)字化轉(zhuǎn)型程度與歐美等發(fā)達(dá)國家卻存在較大差距。在此背景下，選擇中國智能制造企業(yè)作為數(shù)字化轉(zhuǎn)型的研究對象具有極高的代表性。

在數(shù)字經(jīng)濟(jì)背景下，數(shù)字化轉(zhuǎn)型對企業(yè)風(fēng)險(xiǎn)的影響已成為當(dāng)今研究的熱點(diǎn)話題。不同學(xué)者基于不同背景、樣本、數(shù)據(jù)和方法，得出了不同的結(jié)論。多數(shù)研究認(rèn)為，數(shù)字化轉(zhuǎn)型能夠降低企業(yè)風(fēng)險(xiǎn)。如降低股價(jià)崩盤風(fēng)險(xiǎn)[3-6]和企業(yè)破產(chǎn)風(fēng)險(xiǎn)[7]緩解財(cái)務(wù)困境[8]、提升企業(yè)風(fēng)險(xiǎn)承擔(dān)水平[9-11]等。然而，數(shù)字化轉(zhuǎn)型是一個(gè)動態(tài)過程，逐漸有學(xué)者發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對企業(yè)風(fēng)險(xiǎn)的影響并不總是積極的。如AI等[12]的研究表明數(shù)字化轉(zhuǎn)型導(dǎo)致股價(jià)崩盤風(fēng)險(xiǎn)先增加后降低。HUANG等[13]的研究表明數(shù)字化轉(zhuǎn)型導(dǎo)致企業(yè)特質(zhì)風(fēng)險(xiǎn)先降低后增加。SUN等[4]的研究表明數(shù)字化轉(zhuǎn)型速度與財(cái)務(wù)困境之間存在U型關(guān)系。WANG等[15]的研究表明數(shù)字化轉(zhuǎn)型增加了企業(yè)違規(guī)行為的發(fā)生概率。由此可見，數(shù)字化轉(zhuǎn)型與企業(yè)風(fēng)險(xiǎn)之間的關(guān)系存在分歧，并且對企業(yè)信用風(fēng)險(xiǎn)的關(guān)注不足。此外，研究者們多數(shù)以全部制造業(yè)為研究樣本，少有學(xué)者將目標(biāo)聚焦在智能制造領(lǐng)域。

供應(yīng)鏈金融作為金融服務(wù)實(shí)體經(jīng)濟(jì)的創(chuàng)新型金融服務(wù)模式，能夠有效降低企業(yè)信用風(fēng)險(xiǎn)[6]供應(yīng)鏈金融依托真實(shí)貿(mào)易背景，以核心企業(yè)資質(zhì)為融資基礎(chǔ)，為供應(yīng)鏈上的企業(yè)提供融資、結(jié)算、現(xiàn)金管理等綜合金融服務(wù)，確保供應(yīng)鏈整體利益最大化。通過盤活資金、優(yōu)化效率，供應(yīng)鏈金融有效降低了供應(yīng)鏈整體的交易成本和信用風(fēng)險(xiǎn)[17-19]。因此，智能制造企業(yè)的數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)的關(guān)系是否會因?yàn)楣?yīng)鏈金融的賦能而發(fā)生改變？如果會發(fā)生改變，那將會如何變化？基于上述疑問，文中探究智能制造企業(yè)與信用風(fēng)險(xiǎn)之間的關(guān)系，并引入供應(yīng)鏈金融作為調(diào)節(jié)變量，實(shí)證檢驗(yàn)供應(yīng)鏈金融對于智能制造企業(yè)緩釋信用風(fēng)險(xiǎn)的賦能效應(yīng)。

1理論分析與研究假設(shè)

1.1 數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)

關(guān)于數(shù)字化轉(zhuǎn)型與企業(yè)風(fēng)險(xiǎn)之間的研究結(jié)論多數(shù)是積極的。然而，隨著數(shù)字化轉(zhuǎn)型進(jìn)入“全面重塑”階段，全球企業(yè)正面臨著“窗口時(shí)間短、挑戰(zhàn)難度大”的“擠壓式轉(zhuǎn)型”困境，這種困境會激發(fā)出數(shù)字化轉(zhuǎn)型的陰暗面，如導(dǎo)致信用風(fēng)險(xiǎn)爆發(fā)。在管理效應(yīng)方面，數(shù)字化轉(zhuǎn)型的過度投人會導(dǎo)致數(shù)字資產(chǎn)的運(yùn)營和維護(hù)成本呈指數(shù)級增加[20]，還會加劇組織間的矛盾和對變革的抵制[21」，最終導(dǎo)致成本效益失衡[22]。在創(chuàng)新效應(yīng)方面，數(shù)字化轉(zhuǎn)型的過度投入會增加企業(yè)創(chuàng)新活動對數(shù)字技術(shù)的路徑依賴[23」，抑制企業(yè)創(chuàng)新思維和創(chuàng)新活力。上述效應(yīng)產(chǎn)生的結(jié)果都會對企業(yè)的盈利能力和現(xiàn)金流穩(wěn)定性造成負(fù)面影響，最終導(dǎo)致信用風(fēng)險(xiǎn)爆發(fā)。因此，文中認(rèn)為，數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)之間存在“U型”關(guān)系，即數(shù)字化轉(zhuǎn)型初期會降低企業(yè)信用風(fēng)險(xiǎn)，隨著數(shù)字化轉(zhuǎn)型的過度投入，會增加信用風(fēng)險(xiǎn)。管理效應(yīng)和創(chuàng)新效應(yīng)是數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)之間“U型”關(guān)系的作用機(jī)制。

H1：智能制造企業(yè)的數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)之間呈現(xiàn)U型關(guān)系，即數(shù)字化轉(zhuǎn)型初期會降低企業(yè)信用風(fēng)險(xiǎn)，隨著數(shù)字化轉(zhuǎn)型的過度投人，會增加信用風(fēng)險(xiǎn)。

1.2 管理效應(yīng)

智能制造企業(yè)的數(shù)字化轉(zhuǎn)型本質(zhì)是“機(jī)器換人”[24-25]。然而，“機(jī)器換人”是一把“雙刃劍”。

一方面，大數(shù)據(jù)分析技術(shù)能夠輔助管理人員決策，減少因主觀判斷而導(dǎo)致的決策失誤，降低出錯(cuò)率。無論是生產(chǎn)經(jīng)營還是戰(zhàn)略規(guī)劃，數(shù)字技術(shù)都能輔助傳統(tǒng)制造提高業(yè)務(wù)效率，增加業(yè)務(wù)收入，降低管理費(fèi)用。較低的管理費(fèi)用通常反映了企業(yè)在成本控制方面的高效管理，企業(yè)能夠?qū)⒏嗟馁Y源投入到核心業(yè)務(wù)和創(chuàng)新活動中，提升運(yùn)營效率和市場競爭力[26]，從而有助于企業(yè)降低信用風(fēng)險(xiǎn)。另一方面，數(shù)字化轉(zhuǎn)型的過度投入會對企業(yè)的管理能力提出挑戰(zhàn)。“機(jī)器換人”意味著企業(yè)要持續(xù)性投入更新穎的固定資產(chǎn)和無形資產(chǎn)。生產(chǎn)設(shè)備和辦公軟件的使用及維護(hù)，需要后期資金的持續(xù)注入。當(dāng)數(shù)字化累計(jì)投資相對較小時(shí)，收入增加符合預(yù)期。隨著累計(jì)投資的增加，企業(yè)越來越受到數(shù)字化悖論的影響，收入增長不如預(yù)期[27]。并且，技術(shù)人員的聘用、管理者和員工的培訓(xùn)以及技術(shù)咨詢會造成管理費(fèi)用增加。高管理費(fèi)用表明企業(yè)在成本控制方面存在問題。如果管理費(fèi)用持續(xù)增長，且未能帶來相應(yīng)的收益增長，說明企業(yè)的經(jīng)營模式或管理決策存在問題。此外，成本控制能力不足的企業(yè)難以有效應(yīng)對市場波動或經(jīng)營環(huán)境惡化帶來的沖擊。因此會加劇成本與收入之間的不對稱，增加企業(yè)經(jīng)營風(fēng)險(xiǎn)，進(jìn)一步加劇信用風(fēng)險(xiǎn)[28]。

H2：智能制造企業(yè)的數(shù)字化轉(zhuǎn)型通過管理效應(yīng)對企業(yè)信用風(fēng)險(xiǎn)產(chǎn)生U型影響。

1.3 創(chuàng)新效應(yīng)

數(shù)字化轉(zhuǎn)型是企業(yè)在商業(yè)模式上的創(chuàng)新，是一種具有風(fēng)險(xiǎn)的戰(zhàn)略變革。不是每一項(xiàng)數(shù)字創(chuàng)新投資都是有利的[29-30]。一方面，智能制造企業(yè)的數(shù)字化轉(zhuǎn)型初期會促進(jìn)創(chuàng)新效率的提升[31-32]。例如，工業(yè)互聯(lián)網(wǎng)平臺能夠讓顧客直接參與研發(fā)設(shè)計(jì)，實(shí)現(xiàn)了供給與需求的精準(zhǔn)對接[33]，并縮短了企業(yè)研發(fā)與消費(fèi)者的空間距離，使得企業(yè)可以更精準(zhǔn)地把握消費(fèi)者偏好和差異化需求，從源頭把控產(chǎn)品創(chuàng)新不被市場接受的風(fēng)險(xiǎn)[34]，提升創(chuàng)新效率。創(chuàng)新效率高的企業(yè)能夠更有效地開發(fā)新產(chǎn)品和新服務(wù)，使企業(yè)能夠更好地適應(yīng)市場需求變化，保持市場競爭優(yōu)勢，從而提升企業(yè)聲譽(yù)[35]，增強(qiáng)業(yè)務(wù)穩(wěn)定性，進(jìn)而降低了企業(yè)信用風(fēng)險(xiǎn)[36]。另一方面，智能制造企業(yè)對數(shù)字化轉(zhuǎn)型過度無序的投人會抑制創(chuàng)新效率。根據(jù)路徑理論，數(shù)字技術(shù)的過度投入導(dǎo)致企業(yè)形成創(chuàng)新路徑依賴，抑制創(chuàng)新思維和創(chuàng)新活動。企業(yè)在過度依賴現(xiàn)有數(shù)字技術(shù)時(shí)，往往會在技術(shù)應(yīng)用和創(chuàng)新活動中表現(xiàn)出固有的慣性[37]。這種慣性使得企業(yè)傾向于沿用已經(jīng)取得成功的技術(shù)路線，而忽視了探索新的創(chuàng)新思路和技術(shù)，限制了企業(yè)對外部環(huán)境變化的敏感性，抑制了其創(chuàng)新思維的多樣性和靈活性。創(chuàng)新效率低下的企業(yè)更容易依賴于傳統(tǒng)業(yè)務(wù)模式，而忽視了新興市場和創(chuàng)新產(chǎn)品的開發(fā)。因此，它們會錯(cuò)失潛在的增長機(jī)會，增加信用風(fēng)險(xiǎn)[38] 。

H3：智能制造企業(yè)的數(shù)字化轉(zhuǎn)型通過創(chuàng)新效應(yīng)對企業(yè)信用風(fēng)險(xiǎn)產(chǎn)生U型影響。

1.4供應(yīng)鏈金融的調(diào)節(jié)效應(yīng)

數(shù)字化轉(zhuǎn)型與供應(yīng)鏈金融屬于相輔相成的關(guān)系。供應(yīng)鏈金融和數(shù)字化轉(zhuǎn)型的結(jié)合有助于提升銀行和企業(yè)之間的信任度，緩解信用風(fēng)險(xiǎn)。金融科技對供應(yīng)鏈金融的賦能促進(jìn)了銀行和企業(yè)之間的\"數(shù)字信任”[39]。基于區(qū)塊鏈、物聯(lián)網(wǎng)、大數(shù)據(jù)分析和知識圖譜等數(shù)字技術(shù)，使得銀行的貸前審批和貸后追蹤都能做到業(yè)務(wù)流程線上化、信用評估數(shù)據(jù)化、風(fēng)控決策自動化、運(yùn)營管理可視化、數(shù)據(jù)交易可信化、風(fēng)險(xiǎn)監(jiān)測動態(tài)化、動產(chǎn)管理智能化，從而提升供應(yīng)鏈融資績效[40]。此外，供應(yīng)鏈金融平臺能夠減少金融機(jī)構(gòu)和有融資需求的企業(yè)之間的信息搜尋和匹配成本。在銀行需要拓展長尾客戶增強(qiáng)業(yè)務(wù)競爭力時(shí)，供應(yīng)鏈金融平臺能夠利用信息集聚優(yōu)勢為銀行推薦安全的潛在客戶[41]，提升金融資源匹配效率。因此，“數(shù)字信任”降低了銀行和企業(yè)之間的信息不對稱，提升了銀行的長期貸款意愿，降低了企業(yè)融資成本，緩解了信用風(fēng)險(xiǎn)[42]

H4：供應(yīng)鏈金融與數(shù)字化轉(zhuǎn)型的結(jié)合能更好地緩解信用風(fēng)險(xiǎn)。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來源

智能制造企業(yè)名單來源于中華人民共和國工業(yè)和信息化部發(fā)布的2015—2021年智能制造示范項(xiàng)目名單。文中對名單進(jìn)行如下處理： ① 由于樣本需要具有能夠計(jì)算違約距離的數(shù)據(jù)，因此將名單與中國A股上市公司進(jìn)行匹配，剔除非上市以及2015年12月31日之后上市的企業(yè)； ② 樣本行業(yè)限定為制造業(yè)； ③ 為了消除異常值的干擾，對所有連續(xù)型變量進(jìn)行了 1% 和 99% 的縮尾處理； ④ 為減少多重共線性，文中對交互項(xiàng)所涉及的變量做了均值中心化處理。最終得到260家智能制造上市公司。上市公司年報(bào)及財(cái)務(wù)數(shù)據(jù)均來自Wind和CSMAR。

2.2 變量選取

2.2.1 被解釋變量

因變量是企業(yè)信用風(fēng)險(xiǎn)，參考粟金霞等[43]的研究，我們利用KMV模型計(jì)算出的違約距離（DD）作為企業(yè)信用風(fēng)險(xiǎn)的代理變量。違約距離越大，信用風(fēng)險(xiǎn)越小。KMV模型的基本理念是，在負(fù)債一定的條件下，企業(yè)是否違約是由企業(yè)資產(chǎn)的市場價(jià)值決定的。在債務(wù)到期日，企業(yè)違約的臨界點(diǎn)是企業(yè)資產(chǎn)價(jià)值等于債務(wù)價(jià)值。如果企業(yè)債務(wù)超過資產(chǎn)價(jià)值，企業(yè)就會違約。KMV模型認(rèn)為股權(quán)和期權(quán)的定價(jià)具有相同的基礎(chǔ)，因此借鑒了BS期權(quán)定價(jià)公式來確定企業(yè)股權(quán)價(jià)值和資產(chǎn)價(jià)值的關(guān)系。KMV模型中的無風(fēng)險(xiǎn)利率，采用財(cái)政部的中國國債收益率，按照1年期每日收益率的平均值計(jì)算所得，其他數(shù)據(jù)來自Wind。根據(jù)以下聯(lián)立方程組利用Matlab軟件計(jì)算企業(yè)資產(chǎn)市場價(jià)值 V_A 和波動率 σ_σA 。

V_E=V_AN（d₁）-De^-rTN（d₂）

在上述公式中， V_E 為公司的股權(quán)價(jià)值； D 為公司債務(wù)賬面價(jià)值； V_A 為公司資產(chǎn)的市場價(jià)值； T 為債務(wù)期限，設(shè)為一年； σ_A 為公司資產(chǎn)價(jià)值的波動率； r 為無風(fēng)險(xiǎn)利率； σ_E 為公司股權(quán)價(jià)值的年化波動率。在得到企業(yè)資產(chǎn)市場價(jià)值 V_A 和波動率 σ_A 后，計(jì)算企業(yè)的違約距離（DD）

式中， E（V_A） 為公司資產(chǎn)價(jià)值的期望;DP為違約點(diǎn)。DP的計(jì)算公式為

DP=SD+0.5LD

式中，SD為企業(yè)短期債務(wù);LD為企業(yè)長期債務(wù)。

2.2.2 解釋變量

自變量是數(shù)字化轉(zhuǎn)型（lnDT）。綜合借鑒吳非[44]和肖土盛等[45]的測算方法及數(shù)字化轉(zhuǎn)型詞典，采用文本分析對上市公司的企業(yè)年報(bào)進(jìn)行“數(shù)字化轉(zhuǎn)型”相關(guān)的詞頻統(tǒng)計(jì)。詞頻總數(shù)加一后取對數(shù)來衡量數(shù)字化轉(zhuǎn)型程度。首先，構(gòu)建詞典。將相關(guān)研究的詞典進(jìn)行匯總，剔除重復(fù)詞語后，形成文中的數(shù)字化轉(zhuǎn)型詞典。其次，將企業(yè)年報(bào)的格式從PDF轉(zhuǎn)換為TXT。最后，將詞典存入Py-thon軟件中的Jieba中文分詞庫中，利用Python軟件對企業(yè)年報(bào)文本中出現(xiàn)的數(shù)字化轉(zhuǎn)型詞匯進(jìn)行詞頻數(shù)統(tǒng)計(jì)并加總，考慮右偏性，對詞頻總數(shù)加一后取對數(shù)。該指標(biāo)越大，數(shù)字化轉(zhuǎn)型程度越高。

2.2.3 調(diào)節(jié)變量

調(diào)節(jié)變量是供應(yīng)鏈金融（InSCF）。參考相關(guān)研究[46-48]構(gòu)建供應(yīng)鏈金融詞典，用文本分析對企業(yè)年報(bào)進(jìn)行詞頻統(tǒng)計(jì)，衡量供應(yīng)鏈金融程度。步驟與數(shù)字化轉(zhuǎn)型詞頻統(tǒng)計(jì)相同。

2.2.4 機(jī)制變量

選用管理費(fèi)用率作為管理效應(yīng)的代理變量，選用創(chuàng)新效率作為創(chuàng)新效應(yīng)的代理變量。參考GUO等的研究，利用利潤表中管理費(fèi)用總額與營業(yè)收入的比值來測度管理費(fèi)用率。研究利用DEA模型測度創(chuàng)新效率。從投入端來看，人力、財(cái)力、物力是開展創(chuàng)新活動不可或缺的資源；從產(chǎn)出端來看，科研成果是最為直接的產(chǎn)出，經(jīng)濟(jì)績效是創(chuàng)新活動的商業(yè)化體現(xiàn)。參考CHEN等、LIN等和ZHANG 等[49-51]的研究，選取研發(fā)支出合計(jì)、研發(fā)人員數(shù)量和企業(yè)固定資產(chǎn)凈額作為投入端的指標(biāo)。選取專利申請數(shù)量、營業(yè)收入則作為產(chǎn)出端指標(biāo)。

2.2.5 控制變量

控制變量包括成長能力（Growth）、董事會規(guī)模（lnBoard）、董事會獨(dú)立性（Inr）、盈利能力（Roa）、流動性水平（Liq），同時(shí)還控制了行業(yè)效應(yīng)（Indus-try）和年度效應(yīng)（Year）。具體變量定義與度量方法，見表1。

2.3 模型構(gòu)建

為了驗(yàn)證主要假設(shè)，構(gòu)建了以下回歸模型

Controls

Controls

Controls + （10）DD_i，t=β₀+β₁lnDT_i，t+β₂lnDT_i，t²+β₃lnSCF_i，t+ θ₄lnDT_i，t×lnSCF_i，t+β₅lnDT²_i，t×lnSCF_i，t+ （11）

其中， DD_i，t 為違約距離，是企業(yè)信用風(fēng)險(xiǎn)的代理變量; 為企業(yè)數(shù)字化轉(zhuǎn)型程度； lnDT_i，t² 為 變量的平方，表示非線性效應(yīng)； MCR_i，t 為管理費(fèi)用率； IE_i，t 為創(chuàng)新效率； lnSCF_i，t 為供應(yīng)鏈金融的開展程度； Σ Controls是控制變量; Σ Industry 和Σ Year分別為行業(yè)固定效應(yīng)和年份固定效應(yīng)；ε_i，t 為誤差項(xiàng)。每一次回歸的標(biāo)準(zhǔn)誤都聚類到公司層面。如果 γ₁ 不顯著，但 α₁ 顯著大于0且 α₂ 顯著小于O，則InDT和DD、MCR以及IE之間呈倒U型關(guān)系，假設(shè)1、假設(shè)2、假設(shè)3成立。如果 β₁ 和 β₄ 均顯著大于0，且 β₂ 和 β₅ 均顯著小于0，則 lnSCF 能夠正向調(diào)節(jié)InDT和DD之間的倒U型關(guān)系，假設(shè)4成立。同時(shí)，根據(jù)LIND等[52]的方法，文中采用U-test檢驗(yàn)來進(jìn)一步驗(yàn)證這兩者之間的倒U型關(guān)系。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

表2為描述性統(tǒng)計(jì)結(jié)果，DD的均值為2.652，最大值為5.957，最小值為1.164，說明智能制造企業(yè)的信用風(fēng)險(xiǎn)差別較大。lnDT的均值為4.018，最大值為6.571，最小值為1.386，說明智能制造企業(yè)的數(shù)字化轉(zhuǎn)型程度差別較大，且大部分企業(yè)都實(shí)施了數(shù)字化轉(zhuǎn)型。lnSCF的均值為3.145，最大值為4.920，最小值為1.099，說明多數(shù)智能制造企業(yè)實(shí)施了SCF，但是SCF的實(shí)施程度還存在較大差異。

3.2 基準(zhǔn)回歸

表3中的列（1）～列（4）為方程（7）和方程（8）的回歸結(jié)果。其中，列（1）和列（3）沒有加入控制變量，列（2）和列（4）加人了控制變量。列（1）＼～列（2）顯示， γ₁ 為-0.003和0.008，且不顯著。列（3）顯示， α₁ 為 0.227，α₂ 為-0.029，均在5% 水平上顯著。列（4）顯示， α₁ 為 0.243，α₂ 為-0.029，均在 5% 水平上顯著，假設(shè)1成立。列（5） ～ 列（6）為方程（11）的回歸結(jié)果。列（5）沒有加人控制變量，列（6）加人了控制變量。列（5）顯示， β₁ 為 0.334，β₂ 為 -0.040，β₄ 為 0.303，β₅ 為-0.035，均在 1% 水平上顯著。列（6）顯示 ?β₁ 為0.341，β₂ 為 -0.040，β₄ 為 0.307，β₅ 為-0.036，均在 1% 水平上顯著。假設(shè)4成立。

表4為方程（7）和方程（8）的U-test檢驗(yàn)結(jié)果。列（1）為不加人調(diào)節(jié)變量lnSCF的U-test檢驗(yàn)結(jié)果，列（2）為加入 lnSCF 之后的U-test檢驗(yàn)結(jié)果。列（1）的 Ξ_t 值為2.09，在 5% 水平上顯著。列（2）的 χ_t 值為2.85，在 1% 水平上顯著。列（1）的ExtremePoint為4.147078，F(xiàn)iellertest區(qū)間為［2.7707611，6.5526498]，均位于lnDT的區(qū)間[0，7.524561]內(nèi)。列（2）的ExtremePoint為4.22785，F(xiàn)iellertest區(qū)間為 [3.2933107，5.2568573] ，均位于lnDT的區(qū)間[0，7.524561]內(nèi)。列（1）中最小值處斜率為 0.243 124 4 ，在 1% 水平上顯著為正，最大值處斜率為 -0.198 006 6 ，在 5% 水平上顯著為負(fù)。列（2）中最小值處斜率為 0.341 020 3 ，在 1% 水平上顯著為正，最大值處斜率為 -0.265 914 2 ，在 1% 水平上顯著為負(fù)。以上結(jié)果進(jìn)一步驗(yàn)證假設(shè)1和 假設(shè)4成立。

對比描述性統(tǒng)計(jì)中的數(shù)字化轉(zhuǎn)型均值（4.018）與U-test結(jié)果中的極值點(diǎn)（4.147078）的大小，可以發(fā)現(xiàn)中國智能制造企業(yè)的數(shù)字化轉(zhuǎn)型的總體水平仍舊處于極值點(diǎn)左側(cè)，加大數(shù)字化轉(zhuǎn)型投入仍舊可以降低企業(yè)信用風(fēng)險(xiǎn)。對比列（1）和列（2）的斜率和極值點(diǎn)，我們發(fā)現(xiàn)lnSCF使得lnDT和DD的倒U型曲線變得更陡峭，且曲線向右移動，說明lnSCF能夠正向調(diào)節(jié)lnDT對DD的影響，且推遲了數(shù)字化轉(zhuǎn)型拐點(diǎn)的到來。

3.3內(nèi)生性分析和穩(wěn)健性檢驗(yàn)

3.3.1 內(nèi)生性分析

1）工具變量法。為了緩解因遺漏變量而導(dǎo)致的內(nèi)生性問題，文中將解釋變量滯后一期作為工具變量，進(jìn)行兩階段最小二乘回歸。結(jié)果見表5中的列（1）和列（2），第一階段回歸結(jié)果顯示， lnDT和 的系數(shù)均在 1% 水平上顯著為正，表明工具變量滿足相關(guān)性要求。第二階段回歸結(jié)果顯示，lnDT的系數(shù)在 1% 的水平上顯著為負(fù)， lnDT² 的系數(shù)在 1% 水平上顯著為負(fù)，與基準(zhǔn)回歸結(jié)果一致。

2）PSM檢驗(yàn)。PSM方法能夠緩解樣本選擇偏誤問題。根據(jù)InDT的中位數(shù)將樣本分為2組，高于中位數(shù)的樣本為1，低于中位數(shù)的樣本為0，按照1：4的卡尺內(nèi)近鄰匹配樣本，對匹配后的樣本重新回歸，回歸結(jié)果見表5中的列（2），與基準(zhǔn)回歸結(jié)果一致。

3）斷點(diǎn)回歸。采用斷點(diǎn)回歸法檢驗(yàn)倒U型關(guān)系。回歸結(jié)果見表5中的列（3），驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健。

3.3.2 穩(wěn)健性檢驗(yàn)

1）對U型關(guān)系做進(jìn)一步檢驗(yàn)。參考HAANS等[53]的研究成果，通過加人解釋變量的三次方來進(jìn)一步驗(yàn)證數(shù)字化轉(zhuǎn)型和違約距離之間倒U型關(guān)系的存在。如果解釋變量的三次方顯著，則模型可能是S型或N型。回歸結(jié)果見表6中的列（1）， 的系數(shù)不顯著。因此，數(shù)字化轉(zhuǎn)型與違約距離之間是倒U型關(guān)系，而非S型或N型，支持假設(shè)1。

2）替換調(diào)節(jié)變量。參考BAI等[54]的研究，將供應(yīng)鏈金融的衡量方式替換成應(yīng)付票據(jù)和短期貸款的和與總資產(chǎn)的比值，重新進(jìn)行回歸。回歸結(jié)果見表6的列（2），回歸結(jié)果與基本回歸一致，支持假設(shè)4。

3）高維固定效應(yīng)。文中將行業(yè)和年份固定效應(yīng)替換為行業(yè)乘以年份以及省份乘以年度的高維固定效應(yīng)，結(jié)果表6中的列（3），回歸結(jié)果與基本回歸一致，支持假設(shè)1。

4）重新聚類。將聚類層級從公司層面調(diào)整到更高層級的行業(yè)乘以時(shí)間維度。結(jié)果見表6中的列（4），回歸結(jié)果與基本回歸一致，支持假設(shè)1。

3.4 機(jī)制分析

3.4.1 管理效應(yīng)

回歸結(jié)果見表7中的列（1），lnDT的系數(shù)為-2.290，lnDT² 的系數(shù)為0.348，均在 5% 的水平上顯著。以上結(jié)果表明數(shù)字化轉(zhuǎn)型對管理費(fèi)用率的影響為顯著U型關(guān)系，即隨著數(shù)字化轉(zhuǎn)型程度的提升，管理費(fèi)用率會先降低后上升，支持假設(shè)2。

3.4.2 創(chuàng)新效應(yīng)

回歸結(jié)果見表7中的列（2），lnDT的系數(shù)為0.107，在 1% 水平上顯著， 的系數(shù)為-0.011，在 5% 的水平上顯著。以上結(jié)果表明數(shù)字化轉(zhuǎn)型對創(chuàng)新效率的影響為倒U型關(guān)系。隨著數(shù)字化轉(zhuǎn)型程度的提升，創(chuàng)新效率會先上升后下，支持假設(shè)3。

3.5 異質(zhì)性分析

3.5.1 治理水平

已有研究表明公司治理水平會加強(qiáng)數(shù)字化轉(zhuǎn)型與企業(yè)特質(zhì)風(fēng)險(xiǎn)之間的非線性關(guān)系。還有研究表明有效的公司治理有助于減少因數(shù)字化轉(zhuǎn)型而導(dǎo)致的公司違規(guī)行為的發(fā)生。因此，我們推斷智能制造企業(yè)數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的影響因公司治理水平的不同而產(chǎn)生差異。文中參考周茜等[55]的研究，通過主成分分析法從監(jiān)督、激勵(lì)、決策多方面構(gòu)造綜合性指標(biāo)作為治理能力的代理變量。其中，高管薪酬、高管持股比例表示激勵(lì)機(jī)制，獨(dú)立董事占比和董事會規(guī)模表示董事會的監(jiān)督作用，機(jī)構(gòu)持股比例和股權(quán)制衡度表示股權(quán)結(jié)構(gòu)的監(jiān)督作用，用董事長與總經(jīng)理是否兩職合一來表示總經(jīng)理的決策權(quán)力。對主成分分析中的第一主成分指數(shù)乘以-1后得到的數(shù)字來測度治理水平，該數(shù)字越大，治理水平越差。根據(jù)行業(yè)中位數(shù)，對樣本進(jìn)行分組，高于中位數(shù)的組為Low，低于中位數(shù)的組為High。回歸結(jié)果見表8中的列（1）和列（2），治理水平低的企業(yè)， 的系數(shù)為0.403，在1% 水平上顯著， 的系數(shù)為-0.045，在 5% 水平上顯著。治理水平高的企業(yè)，lnDT和 lnDT² 的系數(shù)均不顯著。這些結(jié)果表明，相比治理水平高的企業(yè)，治理水平較低的企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的影響更強(qiáng)。

治理水平較低的企業(yè)往往內(nèi)部控制制度缺乏、決策效率低下，因而面臨較大信用風(fēng)險(xiǎn)，而實(shí)施數(shù)字化轉(zhuǎn)型能夠優(yōu)化業(yè)務(wù)流程、降低內(nèi)外部信息不對稱程度，幫助企業(yè)建立有效的數(shù)字治理機(jī)制，改善治理水平，降低信用風(fēng)險(xiǎn)[56]。但是治理水平較高的企業(yè)，其治理制度本身比較完善，信用風(fēng)險(xiǎn)較低，實(shí)施數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的邊際影響較低。因此，相比治理水平高的企業(yè)，治理水平較低的企業(yè)更有意愿實(shí)施數(shù)字化轉(zhuǎn)型，且對信用風(fēng)險(xiǎn)的影響更顯著。

3.5.2 生產(chǎn)效率

已有研究表明數(shù)字化轉(zhuǎn)型能夠提升企業(yè)的生產(chǎn)效率[57-59]。同時(shí)，生產(chǎn)效率的不確定性導(dǎo)致企業(yè)資產(chǎn)價(jià)值波動，從而影響企業(yè)信用風(fēng)險(xiǎn)[60-61]因此，我們推斷智能制造企業(yè)數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的影響因企業(yè)生產(chǎn)效率的不同而產(chǎn)生差異。文中利用DEA模型測度生產(chǎn)效率。參考李揚(yáng)子[2]的研究，投入端的變量為固定資產(chǎn)凈額、商譽(yù)、無形資產(chǎn)、營業(yè)成本和銷售費(fèi)用，產(chǎn)出端的變量為營業(yè)收入。根據(jù)行業(yè)中位數(shù)，對樣本進(jìn)行分組，高于中位數(shù)的組為High，低于中位數(shù)的組為Low。回歸結(jié)果見表8中的列（3）和列（4），生產(chǎn)效率高的企業(yè)，lnDT的系數(shù)為0.324，在 1% 水平上顯著， lnDT² 的系數(shù)為-0.036，在 1% 水平上顯著。生產(chǎn)效率低的企業(yè)，lnDT和 lnDT² 的系數(shù)均不顯著。這些結(jié)果表明，相比生產(chǎn)效率較低的企業(yè)，生產(chǎn)效率較高的企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的影響更強(qiáng)。

企業(yè)生產(chǎn)效率是影響數(shù)字化轉(zhuǎn)型的成功因素之一。生產(chǎn)效率越高，現(xiàn)金流轉(zhuǎn)換能力越強(qiáng)，越能夠?yàn)閿?shù)字化轉(zhuǎn)型提供資金支持，進(jìn)一步保障了企業(yè)的債務(wù)履行能力，降低了信用風(fēng)險(xiǎn)發(fā)生概率[63]而生產(chǎn)效率較低的企業(yè)，由于缺乏資金周轉(zhuǎn)能力，對數(shù)字化轉(zhuǎn)型的投入更為謹(jǐn)慎，投入力度也更低，導(dǎo)致其對信用風(fēng)險(xiǎn)的影響不顯著。因此，相比生產(chǎn)效率較低的企業(yè)，生產(chǎn)效率較高的企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型對信用風(fēng)險(xiǎn)的影響更顯著。

4結(jié)語

以2015—2021年中國智能制造上市企業(yè)為樣本，實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對企業(yè)信用風(fēng)險(xiǎn)的影響。

1）智能制造企業(yè)的數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)之間存在U型關(guān)系。數(shù)字化轉(zhuǎn)型初期，信用風(fēng)險(xiǎn)降低。隨著數(shù)字化轉(zhuǎn)型的過度投入，信用風(fēng)險(xiǎn)加劇。該結(jié)論經(jīng)過內(nèi)生性檢驗(yàn)以及穩(wěn)健性檢驗(yàn)后依然成立。

2）供應(yīng)鏈金融的賦能能夠幫助智能制造企業(yè)緩解數(shù)字化轉(zhuǎn)型所帶來的信用風(fēng)險(xiǎn)。此外，U-test檢驗(yàn)表明現(xiàn)階段中國智能制造企業(yè)的數(shù)字化轉(zhuǎn)型程度仍處于拐點(diǎn)左側(cè)，加大數(shù)字化轉(zhuǎn)型投人仍舊會降低信用風(fēng)險(xiǎn)。供應(yīng)鏈金融的賦能推遲了數(shù)字化轉(zhuǎn)型拐點(diǎn)的到來。

3）機(jī)制分析表明，數(shù)字化轉(zhuǎn)型通過管理效應(yīng)和創(chuàng)新效應(yīng)對企業(yè)信用風(fēng)險(xiǎn)產(chǎn)生U型影響。管理效應(yīng)方面，“機(jī)器換人”雖能提升效率、優(yōu)化資源配置，但過度投人會引發(fā)“數(shù)字化悖論”，導(dǎo)致成本上升、收益受限，反而增加風(fēng)險(xiǎn)；創(chuàng)新效應(yīng)方面，適度轉(zhuǎn)型能提升創(chuàng)新效率和市場適應(yīng)能力，但無序投入會導(dǎo)致路徑依賴和創(chuàng)新惰性，抑制創(chuàng)新并加劇風(fēng)險(xiǎn)。異質(zhì)性分析顯示，U型效應(yīng)在治理水平差和生產(chǎn)效率高的企業(yè)中更顯著。治理差的企業(yè)通過轉(zhuǎn)型顯著改善治理能力，而治理好的企業(yè)邊際效果較弱;效率高的企業(yè)資金充裕，能加大轉(zhuǎn)型投入降低風(fēng)險(xiǎn)，而效率低的企業(yè)因資源受限，風(fēng)險(xiǎn)緩解作用較弱。

4）對于政府來說，要站在宏觀調(diào)控的角度做好頂層設(shè)計(jì)，通過政策制定來合理引導(dǎo)微觀企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型程度和速度，避免“數(shù)字化悖論”所帶來的負(fù)面經(jīng)濟(jì)后果。例如：政府要主導(dǎo)建立完善的數(shù)字化人才培養(yǎng)和培訓(xùn)體系，保障數(shù)字化人才的供給，降低企業(yè)對員工的數(shù)字化培訓(xùn)成本；建立專項(xiàng)補(bǔ)貼基金和提供稅收優(yōu)惠，減少企業(yè)財(cái)務(wù)和稅務(wù)負(fù)擔(dān)；政府牽頭建立產(chǎn)業(yè)聯(lián)盟，促進(jìn)創(chuàng)新協(xié)同和資源共享，避免數(shù)字化轉(zhuǎn)型中的低效重復(fù)投資;加大對治理水平較低、生產(chǎn)效率較高的企業(yè)的引導(dǎo)和支持力度，避免制定“一刀切”政策；加大對供應(yīng)鏈金融的政策支持力度，構(gòu)建全鏈條金融服務(wù)支撐體系。

5）對企業(yè)來說，應(yīng)該意識到在數(shù)字化轉(zhuǎn)型方面投人太少或太多都不利于信用風(fēng)險(xiǎn)的降低。這提示企業(yè)應(yīng)該結(jié)合自身實(shí)際情況，如公司治理水平、生產(chǎn)效率等，合理把控?cái)?shù)字化轉(zhuǎn)型投入力度。根據(jù)U-test結(jié)果顯示，中國智能制造企業(yè)整體的數(shù)字化轉(zhuǎn)型程度仍處于拐點(diǎn)左側(cè)，適度加大數(shù)字技術(shù)投資力度仍可以緩解信用風(fēng)險(xiǎn)，因此智能制造企業(yè)的數(shù)字化轉(zhuǎn)型可以“放心轉(zhuǎn)”。例如，定期培訓(xùn)企業(yè)員工和管理者如何利用數(shù)字技術(shù)提高工作效率，輔助管理決策；完善數(shù)字化監(jiān)管機(jī)制，緩解因數(shù)字化的“野蠻生長”而導(dǎo)致的監(jiān)管滯后效應(yīng)，合理管控?cái)?shù)據(jù)濫用和泄露風(fēng)險(xiǎn)；減少創(chuàng)新活動對數(shù)字技術(shù)的路徑依賴，要意識到“機(jī)器換人”的本質(zhì)是利用數(shù)字技術(shù)替代簡單、重復(fù)的勞動力，只有持續(xù)提升創(chuàng)新思維和創(chuàng)新能力才能防止“機(jī)器換人”帶來威脅的潛在威脅，避免掉人“數(shù)字化陷阱”。同時(shí)，智能制造企業(yè)應(yīng)積極擁抱供應(yīng)鏈金融和金融科技，建立良好的供應(yīng)鏈合作伙伴關(guān)系以及銀行和企業(yè)關(guān)系，善用金融手段為數(shù)字化轉(zhuǎn)型保駕護(hù)航。

文中的邊際貢獻(xiàn)有以下幾個(gè)方面： ① 為數(shù)字化轉(zhuǎn)型與企業(yè)風(fēng)險(xiǎn)，特別是信用風(fēng)險(xiǎn)的關(guān)系分歧提供了新證據(jù)。數(shù)字化轉(zhuǎn)型對企業(yè)風(fēng)險(xiǎn)的影響是正向還是負(fù)向，尚未達(dá)成一致。研究既分析了積極影響，也探討了負(fù)面效應(yīng)，不僅豐富了數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果，還為數(shù)字化悖論提供了新證據(jù)。② 為數(shù)字化轉(zhuǎn)型與信用風(fēng)險(xiǎn)的關(guān)系研究提供了新視角，強(qiáng)調(diào)了供應(yīng)鏈金融對實(shí)體經(jīng)濟(jì)轉(zhuǎn)型升級的賦能效應(yīng)。 ③ 建立了“數(shù)字化轉(zhuǎn)型-管理效應(yīng)/創(chuàng)新效應(yīng)-信用風(fēng)險(xiǎn)”的理論框架，豐富了“數(shù)字化轉(zhuǎn)型-信用風(fēng)險(xiǎn)”的研究思路。

參考文獻(xiàn)：

[1] JIN M，CHEN Y.Has green innovation been improved byintelligent manufacturing？ Evidence from listed Chinesemanufacturing enterprises[J].Technological Forecastingamp; Social Change，2024，205：123487.

[2] SARKARBD，SHARDEOV，DWIVEDI A，et al.Digitaltransition fromindustry 4.0 toindustry 5，0 in smart manufacturing：A framework forsustainablefuture[J]. Technology in Society，2024，78：102649.

[3] JIANG K，DUX，CHEN Z.Firms’digitalization and stockprice crash risk[J].International Review ofFinancial Analysis，2022，82：102196.

[4] LIANG Z， ZHAO Y. Enterprise digital transformation andstock price crash risk[J].Finance ResearchLetters，2024，59：104802.

[5] WUK，F(xiàn)UY，KONGD.Doesthedigitaltransformation ofenterprises affect stock price crash risk？[J].FinanceResearch Letters，2022，48：102888.

[6] ZHU S，GAO J，CHEN K.Digital transformation and risk of share price crash：Evidence from a new digital transformation index[J].Finance Research Letters，2023， 58：104403.

[7]LIU J，WANG S，XU Y，et al. Digital economy development and corporate bankruptcy risk ： Based on the perspective of institutional isomorphism[J]. Emerging markets finance amp; trade，2024，60（04） ：793-807.

[8]CUI L， WANG Y. Can corporate digital transformation alleviate financial distress？[J].Finance Research Letters，2023，55;103983.

[9]LUO W，YU Y，DENG M.The impact of enterprise digital transformation on risk-taking：Evidence from China [J]. Research in International Business and Finance， 2024，69：102285.

[10]TIAN G，LI B，CHENG Y. Does digital transformation matter for corporate risk-taking[J]. Finance Research Letters，2022，49：103107.

[11]ZHAO Z. Digital transformation and enterprise risk-taking[J].Finance Research Letters，2024，62：105139.

[12]AI Y，CHI Z，SUN G，et al. The research on non-linear relationship between enterprise digital transformation and stock price crash risk[J]. The North American Journal of Economics and Finance，2023，68：101984.

[13]HUANG H，WANG C，WANG L，et al. Corporate digital transformation and idiosyncratic risk： Based on corporate governance perspective[J]. Emerging Markets Review， 2023，56：101045.

[14]SUNB，ZHANGY，ZHU K，et al.Is faster really better？ The impact of digital transformation speed on firm financial distress ：Based on the cost-benefit perspective[J]. Journal of business research，2024，179：114703.

[15] WANG W，ZHU G，MO S. Does digital transformation increase corporate violations？[J].Managerial and Decision Economics，2024，45（08） ：5714-5739

[16]WANG Z，WANG Q，LAI Y，et al. Drivers and outcomes of supply chain finance adoption：An empirical investigation in China[J]. International Journal of Production Economics，2020，220：107453.

[17] PAN A，XU L，LI B，et al. The impact of supply chain finance on firm cash holdings： Evidence from China [J].Pacific-Basin Finance Journal，202O，63：101402.

[18]GU H，YANG S，XU Z，et al. Supply chain finance， green innovation，and productivity ： Evidence from China [J].Pacific-Basin Finance Journal，2023，78：101981.

[19］鹿徐，雪孟.供應(yīng)鏈融資對營運(yùn)資金管理效率的影響 [J].技術(shù)與創(chuàng)新管理，2024，45（04）：400-414.

[20]GUO X，LI M，WANG Y，et al. Does digital transformation improve the firm’s performance？ From the perspective of digitalization paradox and managerial myopia [J].Journal of Business Research，2023，163：113868.

[21]GOLGECI I，LACKA E，KUIVALAINEN O，et al. Intra andinter-organizational paradoxes in product-service systems： Current insights and future research directions [J]. Industrial Marketing Management，2022，107： A25 -A31.

[22] XIN B，LIU Y，XIE L. Data capital investment strategy in competing supply chains[J]. Annals of Operations Research，2024，336;1707-1740.

[23] WARNER K S R，WAGER M. Building dynamic capabilities for digital transformation： An ongoing process of strategic renewal[J]. Long Range Planning，2019，52 （03） ：326-349.

[24] CHEN A，ZHAO D，HE C. Firm digital investments and capacity utilisation ： A perspective of factor inputs[J]. Technological Forecasting amp; Social Change，2O24，200： 123182.

[25] ZHOU J，ZHOU Y，WANG B，et al. Human-Cyber-Physical Systems（HCPSs）in the context of new-generation intelligent manufacturing[J].Engineering，2019，5 （04） ：624-636.

[26]DE BLICK T，PAELEMAN I，LAVEREN E. Financing constraints and SME growth： the suppression ffect of cost-saving management innovations[J].Small Business Economics，2024，62（03） ：961-986.

[27]GEBAUER H，F(xiàn)LEISCH E，LAMPRECHT C，et al. Growth paths for overcoming the digitalization paradox [J].Business Horizons，2020，63（03）：313-323.

[28] ZHANG Y. Cost stickiness ，corporate risk and management shareholding[J].E3S Web of Conferences，2021， 253：3050.

[29] GROVER V，KOHLI R. Revealing your hand： Caveats in implementing digital business strategy[J].Mis Quarterly，2013，37（02） ：655-662.

[30]KOHLI R，MELVILLE N P.Digital innovation：A review and synthesis[J]. Information Systems Journal，2019，29 （01） ：200-223.

[31］康妍妍，圓馮.數(shù)字化轉(zhuǎn)型對制造業(yè)上市公司創(chuàng)新績 效的影響研究[J].技術(shù)與創(chuàng)新管理，2024，45（02）： 172-180+196 ：

[32］龔怡丹，宋良榮.智能制造企業(yè)公司治理效率研究 [J].技術(shù)與創(chuàng)新管理，2023，44（05）：601-606.

[33]LI Z，XIE W，WANG Z，et al. Antecedent configurations and performance of business models of intelligent manufacturing enterprises[J]. Technological Forecasting and Social Change，2023，193：122550.

[34]LIU M，LI C，WANG S，et al. Digital transformation， risk-taking，and innovation：Evidence from data on listed enterprises in China[J].Journal of Innovation amp; Knowledge，2023，8（01） ：100332.

[35]FARIDA I，SETIAWAN D. Business strategies and competitive advantage： the role of performance and innovation[J]. Journal of Open Innovation： Technology，Market，and Complexity，2022，8（03） ：163.

[36]LI S T，CHEN X F. The role of supplier collaboration andrisk management capabilities in managing product complexity[J].OperationsManagement Research， 2019，12（03）：146-158.

[37]LI L，YE F，ZHAN Y，et al. Unraveling the performance puzzle of digitalization： Evidence from manufacturing firms[J]. Journal of BusinessResearch，2O22，149：54- 64.

[38]WIDIANINGSIH Y，SETIAWAN D，ARYANI Y A，et al.The relationship between innovation and risk taking ： The role of firm performance[J]. Risks，2023，11（08）： 144.

[39]HAN S，ULHOI JP，SONG H. Digital trust in supply chain finance：The role of innovative fintech service provision[J]. Journal of Enterprise Information Management，2024，37（06） ：1737-1762.

[40]LU Q，JIANG Y， WANG Y. How can digital technology deployment empower supply chain financing？ Aresource orchestration perspective[J]. Supply Chain Management，2024，29（04） ：804-819.

[41]LING R，LI B，PAN A，et al. Supply chain finance and the corporate debt maturity selection[J]. Economic Research Journal，2023，58（10）：93-113.

[42]NIE Z，LING X，CHEN M. The power of technology ： FinTech and corporate debt default risk in China[J]. Pacific-Basin FinanceJournal3，78969.

[43］粟金霞，周利國.供應(yīng)鏈視角下企業(yè)ESG表現(xiàn)對客 戶違約風(fēng)險(xiǎn)的影響研究［J].管理學(xué)報(bào)，2024，21 （09）：1392-1400.

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

[45］肖土盛，孫瑞琦，淳袁，等.企業(yè)數(shù)字化轉(zhuǎn)型、人力資 本結(jié)構(gòu)調(diào)整與勞動收入份額[J].管理世界，2022，38 （12） ：220-237.

[46]李健，王亞靜，馮耕中，等.供應(yīng)鏈金融述評：現(xiàn)狀與 未來［J].系統(tǒng)工程理論與實(shí)踐，2020，40（08）：1977 -1995.

[47］張黎娜，蘇雪莎，袁磊.供應(yīng)鏈金融與企業(yè)數(shù)字化轉(zhuǎn) 型：異質(zhì)性特征、渠道機(jī)制與非信任環(huán)境下的效應(yīng)差 異[J].金融經(jīng)濟(jì)學(xué)研究，2021，36（06）：51-67.

[48］祝由，賈冉，王綱金，等.供應(yīng)鏈金融風(fēng)險(xiǎn)評估研究綜 述：基于知識圖譜技術(shù)[J].系統(tǒng)工程理論與實(shí)踐， 2023，43（03） ：795-812.

[49] CHEN Y，ZHANG S，MIAO J. What limits the innovation efficiency in China’s ICT industry？ A two-stage dynamic network slacks-based measure approach[J]. Technology Analysisamp; Strategic Management，2024，36 （11） ：3936-3954.

[50]LIN T，WU Z，YANG J. The evaluation of innovation efficiency of China’shigh-tech manufacturing industry based on the analysis of the three-stage network DEAMalmquist model[J].Production Planningamp; Control， 2023;1-13.

[51]ZHANG T，LI S，LI Y，et al. Evaluation of technology innovation efficiency for the listed NEV enterprises in China[J].Economic Analysis and Policy，2023，80： 1445-1458.

[52]LIND JT，MEHLUM H. With or without U the appropriate test for a U-shaped relationship[J]. Oxford Bulletin of Economics and Statistics，2010，72（01） ：109-118.

[53]HAANSRFJ，PIETERSC，HEZL.ThinkingaboutU： Theorizing and testing U and inverted U-shaped relationships in strategy research[J]. Strategic Management Joumal，2016，37（07） ：1177-1195.

[54]BAI H，HUANG L，WANG Z.Supply chain financing， digital financial inclusion and enterprise innovation：Evidence from China[J].International Review of Financial Analysis，2024，91：103044.

[55]周茜，許曉芳，陸正飛.去杠桿，究竟誰更積極與穩(wěn)妥 [J].管理世界，2020，36（08）：127-148.

[56]FERNANDO J，LI L，HOU Y. Corporate governance and correlation in corporate defaults[J]. Corporate Governance：An International Review，2020，28（03）：188- 206.

[57] TIAN M，CHEN Y，TIAN G，et al. The role of digital transformation practices in the operations improvement in manufacturing firms：A practice-based view[J].In ternational Journal of Production Economics，2O23，262 ： 108929.

[58] ZHANG T，SHI Z，SHI Y，et al. Enterprise digital transformation and production efficiency ：mechanism analysis and empirical research[J].Economic Research-Ekonomska Istrazivanja，2022，35（01） ：2781-2792.

[59]WANG D，SHAO X. Research on the impact of digital transformation on the production eficiency of manufacturing enterprises：Institution-based analysisofthe threshold effect[J].International Review of Economics amp;Finance，2024，91：883-897. [60]CHEN T，LIAO H，CHEN W.Production efficiency uncertaintyand corporate creditrisk：Structural formcredit model perspectives[J]. Journal of empirical finance，

2014，29：266-280. [61]CHENT，TSENGY，HUNGY，et al.Management efficiency uncertaintyand its implicationsfor bondholders [J].International Review of Economics amp; Finance，

2023，85：73-92.

[62]李揚(yáng)子.管理層能力、高管激勵(lì)與企業(yè)創(chuàng)新戰(zhàn)略選擇 [J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2022（02）：41-51.

[63]LIYA，LIAO W，ZHAOCC.Creditconstraints and firmproductivity：Microeconomic evidence from China [J].Research in International Business and Finance， 2018，45：134-149.

（責(zé)任編輯：王強(qiáng)）