數字金融、金融錯配與制造業企業數字化轉型

王雨婷

(西南大學經濟管理學院 重慶 400715)

1 引言

“十四五”規劃及2035年遠景目標強調，要充分發揮海量數據和豐富應用場景的優勢，驅使數字技術和實體經濟緊密融合，加快傳統產業轉型升級，打造新產業、新業態、新模式。2022年，我國數字經濟規模達到50.2萬億元，同比名義增長10.3%，已連續11年顯著高于同期GDP名義增速；數字經濟占GDP比重達41.5%，這一比重相當于第二產業占國民經濟的比重。其中，我國產業數字化規模為41萬億元，占數字經濟的比重為81.7%。制造業是我國實體經濟發展的重要基石，雖然有部分龍頭企業通過數字化轉型已成為全球頂尖制造業企業，但中國企業數字化轉型成效顯著的僅占17%。當前，以互聯網、物聯網、大數據、云計算、人工智能等為代表的新一代數字技術日新月異，數字金融應運而生，數字金融為全球經濟注入活力，目前已成為全球經濟高質量發展的新動能。

目前，學者大多聚焦數字金融對經濟增長(連俊華，2022)、城鄉收入差距(楊怡等，2022)、消費升級(易行健、周利，2018)等宏觀層面的影響。關于數字金融對企業行為的影響，主要考慮對企業全要素生產率(江紅莉等，2021)、創新(唐松等，2020)、風險承擔(馬連福、杜善重，2021)等方面的影響，有關數字金融影響企業數字化轉型的文獻相對較少。王宏鳴等(2022)發現，數字金融通過四個渠道促進企業數字化轉型：緩解資金限制、優化商業環境、改善風險承擔和增加研發支出。但已有研究并未很好地揭示數字金融在企業數字化轉型中的作用機理，且鮮有文獻從制造業面臨的“三大轉型難題”分析數字金融給制造業企業數字化轉型的影響。

基于此，本文利用2011—2022年制造業上市企業數據，分析了數字金融對制造業數字化轉型的影響，并引入了金融錯配這一中介變量進行實證研究。本文的邊界貢獻是：第一，目前學者大多聚焦數字金融在宏觀層面的影響，微觀層面則主要考慮生產績效、創新等方面的影響，本文從“三大轉型難題”進行理論分析，豐富了數字金融在微觀企業層面的經濟效應研究；第二，本文引入金融錯配，探討了數字金融影響企業數字化轉型的機制；第三，本文進行了金融市場化水平和企業所有制的異質性分析。

2 理論分析與研究假設

2.1 數字金融與制造業企業數字化轉型

數字金融具有普惠性，可以更好地完成金融服務實體經濟的任務，破解制造業企業面臨“不會轉”“不能轉”“不敢轉”的困局。

(1)數字金融發揮信息效應破解“不會轉”的困局。數字化轉型不是簡單地引入數字技術設備，其核心是管理模式的根本性變革，重塑企業的組織結構、業務模式和生產流程。一方面，數字金融天然的信息耦合效應能夠緩解信息不對稱、降低企業獲取和處理信息的成本，為企業的數字化轉型提供技術支持(馬連福、杜善重，2021)；另一方面，數字金融驅使企業培養和引進高素質技術人才來改善現有的人員結構不足以實施數字化戰略的難題。

(2)數字金融發揮資源效應破解“不能轉”的困局。企業數字化轉型需要長期穩定的資金來源，因此外部融資是不可或缺的轉型動力。一方面，數字金融使得銀行能夠獲取企業的“軟信息”，并轉化為“硬信息”來判斷貸款違約風險(黃益平和邱晗，2021)，將更多金融弱勢群體納入業務范圍，同時促進企業長期融資由抵押貸款向信用貸款轉型(李逸飛等，2022)；另一方面，企業信用透明化使得政府部門更容易甄選符合資助條件的高潛能制造業企業，并提供資金支持，極大地降低企業轉型成本，分擔轉型風險(吳非等，2021)。

(3)數字金融發揮同群效應破解“不敢轉”的困局。出于學習動機與避險動機，企業會向同群企業中轉型成功的企業學習(杜勇等，2023)，能夠提高轉型的成功率，進而提高企業實行數字化轉型戰略的積極性。

綜上分析，本文提出以下假設：

H1：數字金融能夠促進制造業企業的數字化轉型。

2.2 數字金融、金融錯配與制造業企業數字化轉型

傳統金融長期以商業銀行為核心，但傳統金融暴露了一些結構性問題，比如“屬性錯配”“領域錯配”和“階段錯配”問題(唐松等，2020)，使得金融資源出現了顯著的“流動性分層”現象。政府的產業政策、財政補貼、信貸傾向令大量金融資源配給至政府自身項目、傳統制造業、污染較大的重化工企業、房地產行業，而對中小企業、戰略性新興產業、制造業升級的金融資源需求配給嚴重不足，眾多亟須大量資金進行數字化轉型的制造業企業無法從外部獲得融資進行數字化轉型。

數字金融能夠有效緩解金融錯配。首先，數字金融能有效降低搜尋成本、風險識別成本、數據處理成本，獲取邊際客戶的信息成本幾乎為零，能夠更好地幫助長尾群體突破融資難題，改善金融錯配；其次，數字金融使企業信用更加透明化，有效減少銀企間因信息不對稱帶來的金融摩擦問題。最后，銀行可借助大數據和人工智能技術,高效收集海量數據，快速獲取和分析有效信息，并利用物聯網和區塊鏈實現跟蹤和遠程監控，增加軟信息的“硬度”(張金清等，2022)，進而優化企業的信用期限結構，推動企業長期融資方式從按揭向信用借貸轉變(李逸飛等，2022)，降低了企業獲取信貸的成本。由此，本文提出以下假設：

H2：數字金融能夠通過降低企業的金融錯配程度，進而促進企業的數字化轉型。

3 研究設計

3.1 模型設定

第一，為了驗證數字金融對制造業企業數字化轉型的影響，本文設置了如下模型：

第二，為了驗證數字金融對制造業企業金融錯配的影響，本文設置如下模型：

第三，為了驗證金融錯配的中介作用，本文設置如下模型：

式(3)中：i表示企業；t表示時間；εi,t為隨機誤差項。

3.2 變量測度與說明

3.2.1 被解釋變量

企業數字化轉型(Digtrans)，參考吳非等(2021)的研究，界分了包括人工智能技術、區塊鏈技術、云計算技術、大數據技術和數字技術應用的“底層技術運用”與“技術實踐應用”兩個層面，分類歸集這兩個層面的詞頻并最終加總，從而構建企業數字化轉型的指標體系。

3.2.2 核心解釋變量

數字金融(DIF)，采用北京大學互聯網金融研究中心編制的《數字普惠金融指數》來衡量。

3.2.3 中介變量

金融錯配(FM)，參考韓珣、李建軍(2020)的研究，用企業的資金成本與所在行業平均資金成本的偏離程度來表示，即兩者之差。本文采用財務費用占負債總額扣除應付賬款的比值來衡量企業的資金成本。

3.2.4 控制變量

(1)盈利能力(Roa)，用凈利潤/總資產來衡量；(2)資產負債率(Lev)，用總負債/總資產來衡量；(3)總資產周轉率(Tat)，用營業收入凈額/平均資產總額來衡量；(4)企業成長性(Growth)，用營業收入增長率來衡量；(5)兩職合一(Dual)，設置0和1的虛擬變量，若總經理與董事長兼任取1，否則取0；(6)股權集中度(Top)，用第一大股東持股比例來衡量。此外，還控制了行業和年份效應。

3.3 數據來源與樣本處理

本文選取2011—2022年滬深A股上市公司制造業作為研究樣本，企業層面的原始數據均來源于國泰安(CSMAR)數據庫，數字金融數據來源于北京大學數字普惠金融指數，移動互聯網普及率來源于各地地方統計局。為了使分析更加準確，本文對上述數據做了以下處理：(1)剔除ST類企業；(2)對所有企業層面的連續變量進行雙邊1%的縮尾處理。

4 實證檢驗

4.1 主效應回歸：數字金融對制造業企業數字化轉型的影響

主效應回歸分析具體結果如表1所示。表1列(1)未加入控制變量，數字金融的回歸系數在1%的水平上顯著為正；表2列(2)加入了控制變量，列(3)進一步對行業和年份進行了控制，仍然在1%的水平上顯著正相關。結果證明數字金融能夠顯著促進企業數字化轉型，假設H1得以驗證。

表1 數字金融對企業數字化轉型的影響

表2 中介效應檢驗

4.2 機制路徑分析

表2列(1)的結果顯示，數字金融的回歸系數在1%的水平上負相關，說明地區數字金融發展能夠緩解金融錯配，主要原因可能是以信息技術為支撐的數字金融可通過大數據來解決信息不對稱問題，進而緩解金融錯配程度。表2列(2)將解釋變量、被解釋變量和中介變量納入同一個模型進行回歸。由結果可以看出，數字金融與企業數字化轉型在1%的水平上顯著正相關；金融錯配與企業數字化轉型在1%的水平顯著負相關，說明金融錯配作為中介變量是顯著的。數字金融的系數由表1中的0.064降至0.063，表明金融錯配起到了部分中介作用，驗證了假設H2。

4.3 內生性檢驗

數字金融與企業數字化轉型之間的互為因果關系可能性較小，但仍有可能因遺漏變量而引起內生性問題。因此，本文選擇了兩種方法作為內生性檢驗的工具：第一種方法是解釋變量數字金融滯后一期(L.Dif)。表3列(1)結果表明，解釋變量滯后一期后，數字金融對制造業企業數字化轉型仍有積極的促進作用；第二種方法是工具變量法。本文選取互聯網普及率作為工具變量，并采用2SLS法對模型進行重新估計。表3的列(2)、(3)是工具變量法的結果顯示，數字金融對制造企業數字化轉型的促進作用在1%的顯著水平上為正。以上內生性檢驗結果均證明了主回歸結果穩健。

4.4 穩健性檢驗

本文采用替換被解釋變量和替換回歸模型的方法進行穩健性檢驗。

第一，替換被解釋變量。以上市公司財務報告附注披露的年末無形資產明細項中與數字技術應用相關部分占無形資產總額的百分比為代理變量(張永坤等，2021)。具體地，無形資產明細項中包括“軟件”“網絡”“客戶端”“管理系統”“智能平臺”等與數字化轉型相關的關鍵詞及專利時，標記為“企業數字技術無形資產”，再根據年份加總，計算其占無形資產的比例，即數字化轉型的代理變量。表4的前三列使用了替換被解釋變量的方法進行穩健性檢驗，列(1)是基準回歸穩健性檢驗，列(2)(3)則是中介效應的穩健性檢驗，回歸結果穩健。

表4 穩健性檢驗

第二，替換回歸模型。本文使用的樣本中有部分企業數字化轉型的代理變量數值為0，因此重新應用Tobit回歸對模型進行檢驗，表4列(4)為僅更換回歸模型方法的結果，數字金融的系數仍顯著為正，說明樣本中存在的一部分數字化轉型為0值的企業并未對最初的假設造成影響。表4列(5)為同時替換被解釋變量和回歸模型方法的結果，數字金融的系數為正，在1%的水平上顯著，再次驗證了假設H1。表4列(6)(7)為替換模型并替換被解釋變量的中介效應穩健性檢驗，結果依舊顯著，再一次驗證了假設H2。

5 進一步分析

為了深入研究數字金融發展影響不同特征制造業企業數字化轉型的差異，本文進一步基于企業所有制屬性、企業所處地區市場化水平進行異質性分組回歸，回歸結果如表5所示。

表5 異質性分析

一是企業產權性質。按企業產權性質將樣本分為國有企業和非國有企業。由表5列(1)(2)以看出，國有企業和非國有企業的回歸系數分別為0.050和0.071，均在1%的水平上顯著為正，說明數字金融對兩類企業的數字化轉型均有促進作用，且對非國有企業數字化轉型的促進作用更強?？赡艿脑蚴?，相較國有企業，非國有企業受到的融資約束更強，數字金融利用數字技術降低了金融服務門檻，提高了金融的覆蓋率、降低了融資成本，從而有效緩解了非國有企業的融資約束，使得非國有企業有足夠的資金進行數字化轉型。

二是金融市場化水平。本文采用王小魯等編著的《中國分省份市場化指數報告》中的金融市場化指數來衡量。若該省份近五年金融市場化指數均值位于所有省份金融市場化指數均值中位數以上，則為金融市場化水平較高組；否則，為金融市場化水平較低組。表5的列(3)(4)結果顯示，兩組系數在1%的水平上均顯著為正，且所處地區在市場化水平低的企業更加明顯?？赡艿脑蚴牵阂环矫?，市場化程度低的地區，企業難以受到有效的外部監管，而數字金融可在一定程度上彌補這一缺陷；另一方面，市場化水平較低的地區，企業的內部控制質量較差(李志斌，2013)，數字金融帶來的信息效應能夠影響企業內部經營和決策，令其有效規避逆向選擇和道德風險問題，顯著提高企業的內部控制質量(王宏鳴等，2022)，進而有利于推進數字化轉型。

6 結語

6.1 研究結論

本文基于2011—2022年滬深A股的制造業上市公司樣本，考察了數字金融對制造業企業數字化轉型的影響及內在機制。研究結果表明：第一，數字金融能夠顯著促進制造業企業的數字化轉型；第二，中介機制檢驗結果表明，數字金融能通過降低金融錯配程度，進而提高企業的數字化轉型；第三，異質性分析結果表明，數字金融對國有企業數字化轉型的影響更顯著；在金融市場化水平較低地區，數字金融對企業數字化轉型的促進作用更顯著。

6.2 政策與管理啟示

根據以上研究結論，本文提出以下3點政策建議：

(1)進一步加快數字金融的發展。各地政府應順應數字化發展的潮流，給予企業數字化轉型更多的政策支持(如稅收優惠等鼓勵政策)。相關部門要牽頭制定相關的法律法規，完善數字金融的規范和標準(如健全征信系統和數據資源共享機制)，為數字金融服務實體經濟營造良好的信用環境。引導傳統金融機構和數字金融平臺合作，進一步提高金融資源的配置效率，更大程度地滿足制造業數字化轉型所需資金。

(2)金融機構提高信息甄別能力。除了縮小金融供需缺口外，還應將金融資源有效流向融資需求旺盛、發展潛力大的制造業企業。同時，傳統金融機構應加快數字技術戰略部署，積極擁抱金融數字化發展趨勢。

(3)企業應逐步開展轉型工作。目前，傳統制造業企業的數字化轉型尚處于“摸著石頭過河”的階段，制造企業在決策時需考慮自身在整個生命周期中的獨特情況和性質，以及企業的資源狀況、財務狀況、創新能力諸多方面，通過逐步升級硬件設施，引入數字技術人才，重塑生產流程、組織架構和商業模式，進而驅動企業展開全方位的數字化轉型。