企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本的影響研究

【摘 要】 在“數(shù)字中國”戰(zhàn)略的推動下，數(shù)字化轉(zhuǎn)型為企業(yè)實現(xiàn)高質(zhì)量發(fā)展注入了強勁動力。文章選取2012—2022年滬深A股上市公司作為研究樣本，采用固定效應模型和Hansen門檻回歸模型，實證分析企業(yè)數(shù)字化轉(zhuǎn)型、數(shù)字普惠金融與債務融資成本之間的關(guān)系。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型與債務融資成本負相關(guān)，企業(yè)數(shù)字化轉(zhuǎn)型通過降低信息不對稱和企業(yè)財務風險來降低債務融資成本；企業(yè)數(shù)字化轉(zhuǎn)型與債務融資成本受到數(shù)字普惠金融的影響，存在非線性的單門檻效應；異質(zhì)性分析發(fā)現(xiàn)，在制造業(yè)企業(yè)和低市場化地區(qū)的企業(yè)中，數(shù)字化轉(zhuǎn)型降低債務融資成本的作用更為顯著。

【關(guān)鍵詞】 企業(yè)數(shù)字化轉(zhuǎn)型； 債務融資成本； 數(shù)字普惠金融； 門檻效應

【中圖分類號】 F270.3" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）20-0066-09

一、引言

數(shù)字經(jīng)濟在大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等新技術(shù)的支持下成為當前全球經(jīng)濟發(fā)展的重要引擎，數(shù)字經(jīng)濟正以其獨特的魅力和潛力引領著新一輪的產(chǎn)業(yè)革命和經(jīng)濟變革。黨的二十大報告提出，建設現(xiàn)代化產(chǎn)業(yè)體系，堅持把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上，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。2023年，《數(shù)字中國建設整體布局規(guī)劃》指出，到2035年，我國的數(shù)字化發(fā)展水平要進入世界前列。在以習近平同志為核心的黨中央高度重視數(shù)字化發(fā)展的政策背景下，企業(yè)作為市場經(jīng)濟的主體，實施數(shù)字化轉(zhuǎn)型成為必然的戰(zhàn)略選擇。通過數(shù)字化轉(zhuǎn)型，企業(yè)能夠提升運營效率、優(yōu)化資源配置、創(chuàng)新商業(yè)模式，實現(xiàn)更高質(zhì)量的發(fā)展。債務融資成本關(guān)系到企業(yè)的生存和可持續(xù)發(fā)展，如何以較低的成本獲得資金，是長期困擾我國企業(yè)發(fā)展的問題，也是學術(shù)界關(guān)注的焦點。已有文獻研究表明，企業(yè)數(shù)字化轉(zhuǎn)型成為解決融資難題的新抓手。企業(yè)數(shù)字化轉(zhuǎn)型通過增加媒體對企業(yè)的關(guān)注度[ 1 ]，提升市場的正面預期，抑制企業(yè)的短貸長投和金融杠桿行為[ 2 ]，強化其內(nèi)部控制，從而幫助企業(yè)降低債務融資成本，并且企業(yè)數(shù)字化轉(zhuǎn)型程度越高，企業(yè)債務融資成本越低。盡管已有學者探討了數(shù)字化轉(zhuǎn)型的經(jīng)濟效應，然而，有關(guān)數(shù)字化轉(zhuǎn)型影響債務融資成本的邊界條件的文獻研究卻相對較少。

數(shù)字普惠金融依托大數(shù)據(jù)、云計算等新技術(shù)，實現(xiàn)了融資群體普惠覆蓋的同時提升了金融機構(gòu)的信息捕捉能力，降低了因信息不對稱帶來的過高融資成本[ 3 ]，有效緩解企業(yè)在數(shù)字化轉(zhuǎn)型推進過程中普遍遇到的資源配置不充分及資金流緊張的問題，增強企業(yè)數(shù)字化轉(zhuǎn)型的動力和信心，從而降低債務融資成本。然而，不容忽視的是，若數(shù)字普惠金融的發(fā)展超出了合理范疇，可能導致企業(yè)增加金融投機活動，侵蝕實體經(jīng)濟和產(chǎn)業(yè)資本并誘發(fā)系統(tǒng)性金融風險，從而擠占企業(yè)用于創(chuàng)新的資金資源[ 4 ]，減弱企業(yè)數(shù)字化轉(zhuǎn)型的推進力度，進而影響數(shù)字化轉(zhuǎn)型降低企業(yè)債務融資成本方面的正面效應。因此，不同發(fā)展程度的數(shù)字普惠金融可能對企業(yè)數(shù)字化轉(zhuǎn)型和債務融資成本間的關(guān)系產(chǎn)生非線性影響。鑒于此，本研究選取2012—2022年滬深A股上市公司為分析樣本，旨在深入探討企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本產(chǎn)生作用的內(nèi)在機理。進一步，本研究還將考察不同發(fā)展水平的數(shù)字普惠金融會對數(shù)字化轉(zhuǎn)型與企業(yè)債務融資成本間的關(guān)系產(chǎn)生何種影響，這有助于探究企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本影響的邊界條件。

與既有文獻相比，本文可能的研究貢獻在于：（1）通過剖析企業(yè)的外部環(huán)境，將數(shù)字普惠金融納入作為一個外部約束條件，分析企業(yè)數(shù)字化轉(zhuǎn)型影響債務融資成本的作用機制，并進一步分析不同發(fā)展水平的數(shù)字普惠金融對上述關(guān)系的差異化影響，有助于增進對數(shù)字化轉(zhuǎn)型與債務融資成本邊界條件的理解；（2）豐富了債務融資成本的影響因素研究，區(qū)別于以往內(nèi)外部治理、信息披露和高管特征等方面的研究，本文從企業(yè)數(shù)字化轉(zhuǎn)型這一角度研究其對債務融資成本的影響，發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型也是影響債務融資成本的重要因素；（3）進一步探討企業(yè)所屬行業(yè)類別和所處地區(qū)市場化水平等特性差異，有助于從公司內(nèi)在屬性與外部市場環(huán)境的雙重視角，更全面地揭示數(shù)字化轉(zhuǎn)型效應的多樣表現(xiàn)，從而增強對數(shù)字化轉(zhuǎn)型效果的認識。

二、理論分析與研究假設

（一）企業(yè)數(shù)字化轉(zhuǎn)型和債務融資成本的關(guān)系

已有文獻研究表明，信息不對稱程度和企業(yè)財務風險是決定企業(yè)債務融資成本高低的兩個關(guān)鍵影響因素。根據(jù)信息不對稱理論，由于債權(quán)人與企業(yè)間存在信息不對稱的現(xiàn)象，債權(quán)人難以充分識別企業(yè)面臨的機會和風險，容易引發(fā)逆向選擇，并且債務契約履行過程中可能存在著道德風險問題，企業(yè)管理者有動機以損害債權(quán)人的利益為代價來追求私利[ 5 ]，因此，債權(quán)人通常會要求更高的風險溢價，以作為對沖潛在投資風險的手段。企業(yè)財務風險直接影響企業(yè)違約風險，財務風險高導致債權(quán)人對企業(yè)失去信心，加大風險溢價成本。事實上，債務融資作為企業(yè)重要的財務決策，必然會受到公司戰(zhàn)略的影響，鑒于數(shù)字化轉(zhuǎn)型已成為企業(yè)發(fā)展的核心戰(zhàn)略，并有效推動了企業(yè)在治理結(jié)構(gòu)等方面的變革，那么企業(yè)的數(shù)字化轉(zhuǎn)型如何影響企業(yè)債務融資過程中的信息不對稱和財務風險則成為改變債務融資成本的關(guān)鍵。基于此，本文從信息不對稱和財務風險兩個維度來分析數(shù)字化轉(zhuǎn)型對債務融資成本的影響。

首先，數(shù)字化轉(zhuǎn)型能夠提升信息傳遞效率，減少不同治理主體間的信息偏差。一方面，企業(yè)進行數(shù)字化轉(zhuǎn)型有助于提升對信息的收集、分析和處理能力，可以保障信息在不同部門之間充分流動，打破信息壁壘，改善治理層級間的“數(shù)字鴻溝”現(xiàn)象，從而降低企業(yè)內(nèi)部之間的信息不對稱，建立高效透明的組織架構(gòu)[ 6 ]；另一方面，企業(yè)借助數(shù)字科技將數(shù)據(jù)編碼輸出成結(jié)構(gòu)化、標準化信息[ 7 ]，提升了信息可利用度，促進了企業(yè)與市場投資者之間、企業(yè)與企業(yè)之間的信息交流，整個市場呈現(xiàn)出更加開放、透明的治理環(huán)境[ 8 ]，有效緩解了市場內(nèi)部信息不對稱的問題。在此基礎上，企業(yè)運營效率與生產(chǎn)質(zhì)量呈現(xiàn)提升態(tài)勢，尤其當企業(yè)業(yè)績表現(xiàn)出色時，更傾向于主動披露信息，這種積極溝通的策略加深了市場對企業(yè)運營實況的了解程度，降低企業(yè)獲得融資的難度，并使得資本市場的交易活動更為活躍。這種雙向獲取信息量的提升顯著降低了信息不對稱性。根據(jù)信號傳遞理論，較高的信息透明度可以向外界傳遞企業(yè)具有較高信息質(zhì)量的信號，可以引發(fā)媒體關(guān)注和正面評價[ 2 ]，有助于吸引利益相關(guān)者主動了解企業(yè)，提高企業(yè)與利益相關(guān)者之間的信任程度，從而使得企業(yè)更容易獲得商業(yè)信用融資并且降低企業(yè)債務融資成本，并且較高的信息透明度對于債權(quán)人來說，是形成精確現(xiàn)金流預測及設定合理的債務償還預期的有力支持，減輕貸款發(fā)放前的審查負擔及貸款發(fā)放后的監(jiān)管開銷，降低債權(quán)人因風險考量而施加的溢價要求[ 9-10 ]。

其次，數(shù)字技術(shù)的應用使得數(shù)字挖掘與分析技術(shù)成為識別企業(yè)財務風險的重要源泉。數(shù)據(jù)挖掘能夠高度自動化地分析企業(yè)數(shù)據(jù)，掌握更加實時、動態(tài)的市場趨勢、消費需求、資本市場等信息，使高質(zhì)量信息服務于企業(yè)的經(jīng)營決策，幫助決策者調(diào)整市場策略，有效提高企業(yè)風險識別的效率。同時，數(shù)字技術(shù)強大的數(shù)據(jù)對比分析能力通過對數(shù)據(jù)的抽取、加工、建模，從多維度分析企業(yè)經(jīng)營狀況，提供經(jīng)營分析數(shù)據(jù)，識別企業(yè)財務風險[ 11 ]。此外，數(shù)字化轉(zhuǎn)型跨界融合特征打破了傳統(tǒng)部門、利益相關(guān)者間的邊界，使得企業(yè)經(jīng)營管理與公司治理信息以更加開放、共享的方式呈現(xiàn)，主要表現(xiàn)在對內(nèi)有助于會計信息在企業(yè)內(nèi)不同部門之間有效流動，提升會計信息透明度，使決策得到有效監(jiān)管，抑制管理層利用職權(quán)優(yōu)勢操縱會計信息等私利行為，有利于實現(xiàn)股東對管理層的監(jiān)管；對外則表現(xiàn)為，數(shù)字技術(shù)的應用提升企業(yè)對消費者、客戶、供應商需求的掌控能力，對市場作出更加精準的判斷，提升企業(yè)經(jīng)營效率，進而降低企業(yè)財務風險。外部債權(quán)人屬于風險規(guī)避型，當感知到企業(yè)財務風險減小時，會形成對其投資安全性的正面評估，進而增強對企業(yè)的信任。這種信任度的提升同時伴隨著風險預期的減弱，為降低企業(yè)債務融資成本創(chuàng)造了有利條件。

基于以上分析，本文提出假設1—假設3。

H1：企業(yè)數(shù)字化轉(zhuǎn)型將顯著降低企業(yè)債務融資成本。

H2：企業(yè)數(shù)字化轉(zhuǎn)型通過緩解信息不對稱降低債務融資成本。

H3：企業(yè)數(shù)字化轉(zhuǎn)型通過降低企業(yè)財務風險降低債務融資成本。

（二）企業(yè)數(shù)字化轉(zhuǎn)型、數(shù)字普惠金融與債務融資成本

數(shù)字普惠金融是數(shù)字技術(shù)與普惠金融的有機結(jié)合，是指在大數(shù)據(jù)、云計算、區(qū)塊鏈等新技術(shù)的支持下通過金融服務促進普惠金融的行動。數(shù)字技術(shù)的融入對普惠金融的發(fā)展形成了實質(zhì)性推力，有利于優(yōu)化外部環(huán)境的功能，提升市場資源配置效率[ 12 ]。然而，有研究揭示數(shù)字普惠金融在優(yōu)化資源配置的同時，也潛藏著引發(fā)金融風險的可能[ 13 ]。

當數(shù)字普惠金融處于合理限度區(qū)間時，數(shù)字普惠金融能夠降低金融服務門檻和成本，幫助企業(yè)克服信息不對稱問題，能夠有效評估企業(yè)還款能力，緩解企業(yè)融資約束、拓寬企業(yè)融資渠道、降低企業(yè)融資成本[ 14 ]。企業(yè)推進數(shù)字化轉(zhuǎn)型的實踐進程中，難免會出現(xiàn)資源匱乏及資金供應緊張的狀況，從而阻礙企業(yè)數(shù)字化的推進。在資源供給不足的情況下，數(shù)字普惠金融發(fā)展具有必要性。利用數(shù)字普惠金融發(fā)展改善企業(yè)的融資渠道，并為投資者提供新的可能性，在一定程度上降低企業(yè)數(shù)字化轉(zhuǎn)型的研發(fā)成本，緩解有較大不確定性、較前瞻性的數(shù)字化創(chuàng)新項目的資金困境[ 15 ]，分擔企業(yè)數(shù)字化轉(zhuǎn)型的風險。因此，數(shù)字普惠金融的發(fā)展，通過提供便捷和高效的金融支持，助力面臨融資約束的企業(yè)順利實施數(shù)字化轉(zhuǎn)型，增強其開展數(shù)字化轉(zhuǎn)型的信心和底氣。數(shù)字普惠金融有助于企業(yè)實施數(shù)字化轉(zhuǎn)型，而企業(yè)的數(shù)字化轉(zhuǎn)型程度越高，企業(yè)債務融資成本越低[ 1 ]。

然而，數(shù)字普惠金融快速發(fā)展為企業(yè)帶來自由現(xiàn)金流的同時，也導致企業(yè)出現(xiàn)“金融化”趨勢[ 16 ]。由于金融生態(tài)改善難以與數(shù)字普惠金融發(fā)展速度完全同步，當數(shù)字普惠金融過熱時，便難以有效約束和合理監(jiān)管企業(yè)的金融投資套利行為，同時也難以充分發(fā)揮金融市場的信息披露和甄別機制的作用。過高的數(shù)字普惠金融發(fā)展水平會使企業(yè)處于一個較為寬松的金融環(huán)境之中，降低投資現(xiàn)金流的敏感性，減弱了企業(yè)實施數(shù)字化轉(zhuǎn)型來減少融資成本的積極性。另外，企業(yè)數(shù)字化轉(zhuǎn)型能提高企業(yè)的信息透明度，有利于向外界傳遞企業(yè)具有較高信息質(zhì)量的信號，但是數(shù)字普惠金融過快發(fā)展導致企業(yè)數(shù)字化轉(zhuǎn)型提高企業(yè)信息透明度的作用減弱，作為“信息”載體的功能可能部分被數(shù)字普惠金融吞噬，企業(yè)數(shù)字化轉(zhuǎn)型降低債務融資成本的部分作用被數(shù)字普惠金融所替代，具體表現(xiàn)為對企業(yè)數(shù)字化轉(zhuǎn)型的“擠出效應”。

基于以上分析，本文提出假設4。

H4：企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本的影響存在與數(shù)字普惠金融支持水平相關(guān)的門檻效應。

三、研究設計

（一）數(shù)據(jù)選取

本文選取2012—2022年滬深A股上市企業(yè)作為研究對象，公司財務數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（CSMAR），并對數(shù)據(jù)進行如下篩選：剔除金融保險行業(yè)樣本；剔除ST類公司樣本；剔除變量數(shù)據(jù)缺失的樣本；對連續(xù)變量在1%和99%的水平進行截尾處理以排除極端值的干擾。通過上述數(shù)據(jù)處理，本文共獲得22 627條有效觀測值。

（二）變量定義

1.被解釋變量

債務融資成本（DFC）。參考李廣子等[ 17 ]的做法，以利息支出與公司總負債的比值衡量企業(yè)債務融資成本。

2.解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（DCG）。借鑒吳非等[ 7 ]的做法，對2012—2022年度研究樣本的年報進行分析，統(tǒng)計與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞出現(xiàn)頻次進行對數(shù)化處理后作為衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的量化指標。

3.門檻變量

數(shù)字普惠金融（DIFI）。參考郭峰等[ 18 ]的研究，本文以北京大學數(shù)字普惠金融指數(shù)除以100來衡量研究樣本所在地級市的數(shù)字普惠金融發(fā)展程度。

4.中介變量

（1）信息不對稱（IA）。采用兩種指標衡量信息不對稱。第一種衡量信息不對稱指標是企業(yè)當年內(nèi)的分析師跟蹤數(shù)量加1取自然對數(shù)，該指標是信息不對稱的反向指標，即企業(yè)的信息不對稱程度越低，分析師關(guān)注度越高。第二種衡量指標參考于蔚等[ 19 ]的研究，對流動性比率指標、非流動性比率指標以及收益率反轉(zhuǎn)指標進行主成分分析，從而得到信息不對稱指標ASY，該數(shù)值越大意味著信息不對稱越嚴重。

（2）企業(yè)財務風險（Risk）。采用兩種指標衡量企業(yè)財務風險。第一種衡量指標參考Altman et al.[ 20 ]提出的Z-score模型來度量財務風險。第二種衡量企業(yè)財務風險指標是KMV—Merton模型，用違約距離描述企業(yè)財務困境。

5.控制變量

為提高研究精度，本文參考吳非等[ 7 ]、李廣子等[ 17 ]的研究，對以下變量進行控制：企業(yè)規(guī)模（Size）、經(jīng)營性現(xiàn)金流（CFO）、資產(chǎn)負債率（Leverage）、凈資產(chǎn)收益率（ROE）、成長性（Growth）、虧損（Loss）、兩職合一（Dual）、產(chǎn)權(quán)性質(zhì)（Soe）、第一大股東持股比例（Top1）、有形資產(chǎn)占比（Tangibility）、企業(yè)年齡（Age）。

具體變量定義如表1所示。

（三）模型設定

1.基準回歸模型

構(gòu)建如下基準回歸模型檢驗H1：

其中，i、j和t分別表示企業(yè)、行業(yè)和年份；DFC表示企業(yè)債務融資成本；DCG表示企業(yè)數(shù)字化轉(zhuǎn)型；X表示一系列控制變量；？滋和？啄分別表示行業(yè)固定效應和時間固定效應；？著表示隨機擾動項。

2.門檻效應檢驗模型

本文基于Hansen[ 21 ]提出的門檻面板模型估計方法，借鑒曹翠珍等[ 22 ]面板模型的構(gòu)建方法，模型設定如下：

其中，I（·）為示性函數(shù)，當括號內(nèi)條件成立時，取值為1，否則取0。？茲為回歸系數(shù)，DIFI為門檻值。

3.中介效應檢驗模型

為檢驗數(shù)字化轉(zhuǎn)型對債務融資成本產(chǎn)生影響的可能的路徑機制，借鑒江艇[ 23 ]的研究，構(gòu)建模型如下：

其中，IA為信息不對稱，Risk為企業(yè)財務風險，？酌0和？濁0分別為常數(shù)項，？酌和？濁為各變量的系數(shù)，其余變量的定義與模型1一致。

四、實證分析

（一）描述性統(tǒng)計

表2為變量描述性統(tǒng)計結(jié)果。DCG的最大值和最小值分別是5.2204和0，表明企業(yè)間的數(shù)字化轉(zhuǎn)型程度參差不齊。DFC均值為0.0169，中位數(shù)為0.0150，均值大于中位數(shù)說明樣本接近正態(tài)分布但左偏，最小值為0，最大值為0.0570。其他控制變量的表現(xiàn)與已有研究結(jié)果基本保持一致，故不再贅述。

（二）基準回歸及中介效應回歸結(jié)果

基準回歸結(jié)果見表3。其中，列（1）不控制其他變量，列（2）控制其他變量。列（1）和列（2）的結(jié)果都通過了1%的統(tǒng)計顯著性檢驗且都為負，表明企業(yè)能夠通過數(shù)字化轉(zhuǎn)型減少其債務融資成本，H1得到實證支持。

表3（見附表）中列（3）—列（6）為中介機制分析結(jié)果，其中列（3）和列（4）匯報了企業(yè)數(shù)字化轉(zhuǎn)型對信息不對稱的影響，企業(yè)數(shù)字化轉(zhuǎn)型在1%的水平上顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠降低外部投資者與企業(yè)之間的信息不對稱程度。列（5）和列（6）匯報了企業(yè)數(shù)字化轉(zhuǎn)型對財務風險的影響，企業(yè)數(shù)字化轉(zhuǎn)型在1%的水平上顯著為正，說明企業(yè)數(shù)字化轉(zhuǎn)型程度越高，企業(yè)財務風險越低。而現(xiàn)有文獻已充分證明，降低企業(yè)債務融資成本的關(guān)鍵是提高企業(yè)信息透明度和降低財務風險，由此驗證了H2、H3。

（三）穩(wěn)健性檢驗

1.替換數(shù)字化轉(zhuǎn)型的衡量方式

企業(yè)數(shù)字化轉(zhuǎn)型參考趙宸宇等[ 24 ]的做法，其他設定與基準模型均保持一致。結(jié)果見表4列（1），企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著為負，說明基準回歸的結(jié)果穩(wěn)健。

2.替換債務融資成本的衡量方式

參考吳非等[ 7 ]與袁淳等[ 25 ]的做法，用財務費用占總負債的比值衡量企業(yè)債務融資成本。結(jié)果見表4列（2），企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著為負，研究結(jié)果與前文保持一致，說明結(jié)論穩(wěn)健。

3.滯后一期

由于數(shù)字化轉(zhuǎn)型產(chǎn)生的經(jīng)濟效果存在時滯性，本文對企業(yè)數(shù)字化轉(zhuǎn)型（DCG）進行滯后一期處理，以減弱可能存在的反向因果關(guān)系，其他設定與基準模型均保持一致。結(jié)果見表4列（3），企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著為負，說明基準回歸的結(jié)果穩(wěn)健。

4.工具變量法

為了緩解內(nèi)生性問題的潛在影響，采用工具變量法進行檢驗。參考車德欣等[ 2 ]的做法，采用企業(yè)所在地級市的上市企業(yè)規(guī)模數(shù)量作為工具變量。表4列（4）和列（5）報告了內(nèi)生檢驗結(jié)果。第一階段中工具變量IV與企業(yè)數(shù)字化轉(zhuǎn)型顯著正相關(guān)，滿足工具變量的相關(guān)性。第二階段中數(shù)字化轉(zhuǎn)型與債務融資成本顯著負相關(guān)，數(shù)字化轉(zhuǎn)型DCG的回歸系數(shù)為-0.0021，表明在引入工具變量后，實施數(shù)字化轉(zhuǎn)型降低了0.21%的債務融資成本。工具變量法得出的數(shù)字化轉(zhuǎn)型回歸系數(shù)絕對值比前文的模型更大，這表明如果不考慮內(nèi)生性問題，將會低估數(shù)字化轉(zhuǎn)型在降低企業(yè)債務融資成本方面的作用。

（四）進一步分析

1.異質(zhì)性分析

（1）行業(yè)異質(zhì)性

企業(yè)所屬的行業(yè)類別不同，企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本的影響可能存在異質(zhì)性影響[ 26 ]，分組有利于形成針對性的政策導向。因此，本文根據(jù)企業(yè)是否屬于制造業(yè)來進行分組。表5列（1）、列（2）報告了企業(yè)行業(yè)的異質(zhì)性分析結(jié)果。制造業(yè)企業(yè)系數(shù)絕對值大于非制造企業(yè)樣本的回歸系數(shù)絕對值，且組間系數(shù)差異通過顯著性檢驗，說明數(shù)字化轉(zhuǎn)型對融資成本的作用在制造業(yè)企業(yè)中更明顯。制造業(yè)企業(yè)比非制造業(yè)企業(yè)面臨著更嚴峻的成本上升挑戰(zhàn)，其要素成本的攀升直接制約了盈利水平，加之融資成本偏高，進一步加劇了經(jīng)營壓力[ 27 ]。在此背景下，實施數(shù)字化轉(zhuǎn)型能夠賦能制造業(yè)企業(yè)邁向智能化生產(chǎn)模式，減少對低技能勞動力的依賴從而有效控制人工成本，并通過優(yōu)化生產(chǎn)工藝流程和提升產(chǎn)品品質(zhì)，實現(xiàn)資源利用的高效化，提升生產(chǎn)效能，進而增強企業(yè)盈利能力。因此，數(shù)字化轉(zhuǎn)型在緩解融資成本壓力方面，對制造業(yè)企業(yè)的正面影響相較于非制造業(yè)企業(yè)而言更為顯著。

（2）地區(qū)市場化水平異質(zhì)性

地區(qū)市場化水平是公司外部環(huán)境的重要組成部分，不同的市場化水平表明地區(qū)間的制度環(huán)境和金融市場狀況存在差異，當企業(yè)所處的外部環(huán)境不同時可能對債務融資成本產(chǎn)生不同的影響。借鑒樊綱等[ 28 ]的研究，以企業(yè)所處省份的市場化指數(shù)度量地區(qū)市場化水平，以市場化指數(shù)的中位數(shù)值為界限，將樣本劃分為高市場化地區(qū)企業(yè)與低市場化地區(qū)企業(yè)。表5列（3）、列（4）報告了地區(qū)市場化分組檢驗結(jié)果。低市場化地區(qū)企業(yè)系數(shù)絕對值大于高市場化地區(qū)企業(yè)的回歸系數(shù)絕對值，表明數(shù)字化轉(zhuǎn)型緩解融資成本壓力的作用在低市場化地區(qū)的企業(yè)中更顯著。一般而言，高度市場化的區(qū)域其市場機制運行高效并且法制體系也趨于完善，有利于降低信息不對稱[ 29 ]，弱化企業(yè)與投資者之間的代理問題，有利于降低企業(yè)債務融資成本。而所處低市場化地區(qū)的企業(yè)通過數(shù)字化轉(zhuǎn)型提升信息傳遞效率，減少不同治理主體間的信息偏差，從而降低債權(quán)人對公司風險的感知，以此降低債務融資成本。因此，數(shù)字化轉(zhuǎn)型在減輕債務融資成本方面的作用在低市場化地區(qū)的企業(yè)中更為顯著。

2.門檻檢驗

為檢驗數(shù)字普惠金融在不同發(fā)展水平下如何影響數(shù)字化轉(zhuǎn)型與企業(yè)債務融資成本之間的關(guān)系，采用自舉抽樣檢驗法對數(shù)字普惠金融門檻效應的存在性進行檢驗，結(jié)果如表6所示，數(shù)字普惠金融通過了5%水平的單門檻效應檢驗，對應的置信區(qū)間較窄，具有較高置信度。

門檻回歸結(jié)果見表7。當數(shù)字普惠金融小于等于門檻值2.8674時，數(shù)字化轉(zhuǎn)型對企業(yè)債務融資成本的影響系數(shù)為-0.0004，并在1%的水平上顯著，二者呈負相關(guān)關(guān)系。該結(jié)果表明數(shù)字普惠金融有利于企業(yè)降低債務融資成本。然而，當數(shù)字普惠金融的發(fā)展跨過門檻值2.8674時，二者之間的影響系數(shù)由-0.0004變?yōu)?.0002，這表明當數(shù)字普惠金融發(fā)展過快時，企業(yè)實施數(shù)字化轉(zhuǎn)型反而會增加企業(yè)債務融資成本。由此證明數(shù)字普惠金融是一把“雙刃劍”，驗證了H4成立。

五、結(jié)論與政策啟示

本文基于2012—2022年滬深A股上市公司面板數(shù)據(jù)，借助固定效應模型和面板門檻模型探究企業(yè)數(shù)字化轉(zhuǎn)型對債務融資成本的影響，并進一步分析不同發(fā)展水平的數(shù)字普惠金融對數(shù)字化轉(zhuǎn)型與債務融資成本的影響效應。研究發(fā)現(xiàn)：（1）企業(yè)數(shù)字化轉(zhuǎn)型會顯著降低債務融資成本，通過改變被解釋變量和解釋變量的衡量方式以及滯后解釋變量，所得回歸分析結(jié)果與基礎回歸分析的結(jié)論保持一致性，企業(yè)數(shù)字化轉(zhuǎn)型通過降低信息不對稱和企業(yè)財務風險來降低債務融資成本。（2）將數(shù)字普惠金融作為門檻變量，發(fā)現(xiàn)數(shù)字普惠金融是一把“雙刃劍”，當數(shù)字普惠金融小于門檻值，數(shù)字化轉(zhuǎn)型對企業(yè)債務融資成本產(chǎn)生抑制作用；當數(shù)字普惠金融大于門檻值時，數(shù)字化轉(zhuǎn)型與企業(yè)債務融資成本為正向的提升作用。（3）企業(yè)通過數(shù)字化轉(zhuǎn)型能更有效地減輕制造業(yè)及低市場化地域內(nèi)企業(yè)的債務融資成本負擔。據(jù)此，本文提出如下政策建議：

首先，企業(yè)應抓住數(shù)字技術(shù)快速發(fā)展的機遇，主動實施數(shù)字化轉(zhuǎn)型，促進數(shù)字技術(shù)與實體產(chǎn)業(yè)深度融合。企業(yè)通過實施數(shù)字化轉(zhuǎn)型不僅能夠增加經(jīng)濟效益，還有利于增強企業(yè)的生存能力及競爭力。因此，企業(yè)應積極響應并嚴格執(zhí)行政府關(guān)于推動數(shù)字化轉(zhuǎn)型所出臺的各項政策，制定數(shù)字化轉(zhuǎn)型戰(zhàn)略、建設技術(shù)基礎設施、加強企業(yè)數(shù)字化思維以及培養(yǎng)數(shù)字化人才，確保數(shù)字化轉(zhuǎn)型成為驅(qū)動企業(yè)高質(zhì)量發(fā)展的核心動力源泉。

其次，數(shù)字化轉(zhuǎn)型已被證實能有效緩解企業(yè)債務融資的成本壓力，尤其對制造業(yè)及市場成熟度欠佳地區(qū)的企業(yè)展現(xiàn)出更為突出的效益，因而企業(yè)可以把數(shù)字化轉(zhuǎn)型作為降低融資成本、解決融資難題的抓手。企業(yè)通過數(shù)字化轉(zhuǎn)型能夠提高信息透明度、優(yōu)化融資決策、降低運營成本以及增強風險管理能力，從而降低債務融資成本。政府在推進企業(yè)數(shù)字化轉(zhuǎn)型過程中可以給予制造業(yè)企業(yè)和處于地區(qū)市場化水平低的企業(yè)適當政策傾斜，按照企業(yè)所處地域和是否屬于制造業(yè)企業(yè)有針對性地進行補助。

最后，數(shù)字經(jīng)濟背景下，金融機構(gòu)應合理拓展其數(shù)字金融服務范疇，依托數(shù)字普惠金融的開放共享、便捷高效、成本優(yōu)化及準入門檻低等優(yōu)勢為企業(yè)提供優(yōu)質(zhì)的金融服務，切實解決企業(yè)面臨的融資難題。強化金融監(jiān)管，健全金融風險預判預警機制。定期進行風險評估和測評，通過改善金融生態(tài)有效遏制企業(yè)套利空間，從而避免金融過熱干擾企業(yè)資源配置和戰(zhàn)略選擇，使金融發(fā)展更有利于實體經(jīng)濟資源配置合理性的提高。

【參考文獻】

［1］ 劉夢莎，邵淇，阮青松.數(shù)字化轉(zhuǎn)型對企業(yè)債務融資成本的影響研究［J］.財經(jīng)問題研究，2023（1）：63-72.

［2］ 車德欣，戴美媛，吳非.企業(yè)數(shù)字化轉(zhuǎn)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.

［3］ 杜金柱，吳戰(zhàn)勇，吳信科.數(shù)字普惠金融、融資效率與企業(yè)雙元創(chuàng)新［J］.會計之友，2023（19）：49-57.

［4］ 唐松，賴曉冰，黃銳.金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進還是抑制？——理論分析框架與區(qū)域?qū)嵺`［J］.中國軟科學，2019（7）：134-144.

［5］ 陳漢文，周中勝.內(nèi)部控制質(zhì)量與企業(yè)債務融資成本［J］.南開管理評論，2014，17（3）：103-111.

［6］ 林炳洪，李秉祥，張濤.數(shù)字化轉(zhuǎn)型能否提升公司治理水平？——基于中國A股上市公司的經(jīng)驗證據(jù)［J］.經(jīng)濟體制改革，2023（5）：176-182.

［7］ 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)驗證據(jù)［J］.管理世界，2021，37（7）：130-144，10.

［8］ 習成龍，劉煥峰.數(shù)字化轉(zhuǎn)型與企業(yè)會計信息質(zhì)量［J］.會計之友，2024（6）：82-89.

［9］ BHARATH S T，SUNDER J，SUNDER S V.Accounting quality and debt contracting［J］.The Accounting Review，2008，83（1）：1-28.

［10］ 周楷唐，麻志明，吳聯(lián)生.高管學術(shù)經(jīng)歷與公司債務融資成本［J］.經(jīng)濟研究，2017，52（7）：169-183.

［11］ 杭慧芹，許蘇蘭.數(shù)字化轉(zhuǎn)型背景下企業(yè)財務風險識別與管控探討［J］.財會通訊，2022（24）：131-134， 170.

［12］ 楊皖蘇，葉明丹.ESG信息披露會緩解企業(yè)融資約束嗎？——基于數(shù)字普惠金融的調(diào)節(jié)效應［J］.財會通訊，2023（18）：42-47.

［13］ 李蒼舒，沈艷.數(shù)字經(jīng)濟時代下新金融業(yè)態(tài)風險的識別、測度及防控［J］.管理世界，2019，35（12）：53-69.

［14］ 劉偉，戴冰清.數(shù)字金融賦能企業(yè)創(chuàng)新：結(jié)構(gòu)、功能與傳導路徑［J］.金融發(fā)展研究，2022（3）：39-49.

［15］ 李朝鮮.“雙循環(huán)”背景下數(shù)字技術(shù)如何賦能商貿(mào)流通企業(yè)高質(zhì)量發(fā)展［J］.北京工商大學學報（社會科學版），2022，37（5）：59-70.

［16］ 李佳霖，張倩肖，董嘉昌.金融發(fā)展、企業(yè)多元化戰(zhàn)略與高質(zhì)量發(fā)展［J］.經(jīng)濟管理，2021，43（2）：88-105.

［17］ 李廣子，劉力.債務融資成本與民營信貸歧視［J］.金融研究，2009（12）：137-150.

［18］ 郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征［J］.經(jīng)濟學（季刊），2020， 19（4）：1401-1418.

［19］ 于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應與資源效應［J］.經(jīng)濟研究，2012，47（9）：125-139.

［20］ ALTMAN E I.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy［J］.The Journal of Finance，1968，23（4）：589-609.

［21］ HANSEN B E.Threshold effects in non-dynamic panels：estimation，testing，and inference［J］.Journal of Econometrics，1999，93（2）：345-368.

［22］ 曹翠珍，張越，郭金花.數(shù)字技術(shù)賦能企業(yè)提升環(huán)境信息披露質(zhì)量實證研究［J］.統(tǒng)計與信息論壇，2023， 38（12）：37-49.

［23］ 江艇.因果推斷經(jīng)驗研究中的中介效應與調(diào)節(jié)效應［J］.中國工業(yè)經(jīng)濟，2022（5）：100-120.

［24］ 趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］.財貿(mào)經(jīng)濟，2021，42（7）：114-129.

［25］ 袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］.中國工業(yè)經(jīng)濟，2021（9）： 137-155.

［26］ 趙晨.數(shù)字金融對民營制造業(yè)企業(yè)價值的影響研究［J］.會計之友，2024（14）：17-25.

［27］ 陳中飛，江康奇，殷明美.數(shù)字化轉(zhuǎn)型能緩解企業(yè)“融資貴”嗎［J］.經(jīng)濟學動態(tài)，2022（8）：79-97.

［28］ 樊綱，胡李鵬，王小魯.中國分省份市場化指數(shù)報告（2021）［M］.北京：社會科學文獻出版社，2021.

［29］ 韓少真，李輝，張涵詩，等.互聯(lián)網(wǎng)賦能實體經(jīng)濟企業(yè)降低成本——外部環(huán)境與內(nèi)部能力的調(diào)節(jié)作用［J］.會計之友，2024（6）：29-36.