房地产企业数字化转型与融资能力

Digitization and Financing Ability of Real Estate Enterprises

摘要: 伴随着数字技术的推广应用，中国的房地产企业也渐渐认识到了数字化转型的重要性，并开始将数字化转型作为企业未来发展的重要方向。本文基于2013~2022年中国沪深A股房地产业上市公司数据，使用实证分析的研究方法，分析了房地产企业数字化转型对其融资能力的影响。研究结果显示，房地产企业数字化转型能够有效提升其融资能力，经济政策不确定性发挥了调节作用。异质性分析发现，数字化转型对非国有企业和一线城市企业融资能力的提升作用更加显著。本文的研究进一步丰富了数字化转型经济效果的相关理论，能为房地产企业提升其融资能力提供借鉴。

Abstract: With the advancement and implementation of digital technologies, real estate firms in China have come to recognize the critical significance of digital transformation, positioning it as a key focus for their future growth. Utilizing data from Shanghai and Shenzhen A-share real estate companies spanning from 2013 to 2022, this paper conducts an empirical analysis to explore how the digital transformation of these enterprises influences their financing capabilities. The findings reveal that such transformation can substantially enhance their ability to secure financing, with economic policy uncertainty acting as a moderating factor. Furthermore, a detailed analysis indicates that digital transformation yields even greater benefits for financing capabilities in non-state-owned enterprises and those located in first-tier cities. This research contributes to the existing literature on the economic impacts of digital transformation and can serve as a valuable resource for real estate companies aiming to bolster their financing prospects.

1. 引言

目前，我国经济正经历从高速增长向高质量发展的转型，同时处于发展模式变革、经济结构调整及增长动力转换的关键时期。在这一背景下，2023年中共中央与国务院发布了《数字中国建设整体布局规划》，将数字经济提升至国家战略高度。中国的房地产企业也渐渐认识到了数字化转型的重要性，对于资金密集型的房地产企业，数字化转型将对其融资能力产生重要影响。房地产企业数字技术的应用能够有效整合市场信息和企业自身生产经营信息，提升企业的资源获取和信息呈现能力，缓解银企的信息不对称问题，提高其融资能力。

通过梳理文献研究发现，数字化转型对企业层面影响的研究主要集中在企业全要素生产率、技术创新、创新绩效、企业财务绩效等几个方面。关于全要素生产率的研究，赵宸宇等(2021) [1]的研究发现数字化转型可以通过引进高技术人才来提高劳动要素的专业化程度，优化人力资本结构，进而提高企业的全要素生产率；黄星刚等(2022) [2]也得出了相同的结论，认为企业数字化转型通过数字研发与仿真设计提高资源配置效率进而提升企业全要素生产率。李雪松等(2022) [3]认为企业在进行数字化转型的过程中，能够有效地融入全球创新网络，从而显著增强其创新绩效。此外，相关研究还发现数字化转型可以通过平台化与精准式数字服务提升供应链集成运转效率(李琦等，2021) [4]、降低经营成本(楼永和刘铭，2022) [5]进而提高企业运营效率。也有学者研究了数字化转型对企业融资活动的影响。易露霞等(2021) [6]在企业绩效方面的研究认为企业数字化转型通过数据获取和预测提高内部控制能力、改善信息不对称、降低融资成本进而驱动企业业绩提升。但是直接将数字化转型与企业融资能力联系起来的研究还比较匮乏，作为资金投入需求极大的资金密集型产业，有必要研究数字化转型对房地产企业融资能力的影响。

与现有数字化转型影响研究不同，本文首先将当前企业成长发展的大趋势数字化转型与企业融资能力直接联系起来进行研究，再者选择了对融资能力极为敏感的房地产企业作为研究对象，使得研究更加具有针对性。同时本文探讨了在经济政策不确定性环境下，数字化转型对于房地产企业融资能力的影响效果变化。本文的研究丰富了数字化转型经济效果的相关理论，将为房地产企业提升其融资能力提供借鉴。

2. 理论分析

房地产企业数字化转型能够缓解银企信息不对称和减少企业的道德风险。从企业信贷融资等间接融资来看，一方面，企业借助数字化工具能够将软信息(例如经营口碑、产品销售状况等)以数字足迹的形式转化为硬信息，从而在一定程度上降低银行与企业之间的贷前信息不对称问题[7]。另一方面，企业完成数字化转型后，数字技术的运用提升了业务流程的透明度，使得银行等金融机构能够更加便捷地获取相关信息。企业信息的透明化有助于金融机构通过金融科技手段深入了解企业的生产和经营状况，从而提供更加全面和准确的信用评估服务，帮助有效管理信贷风险。从企业直接融资来看，投资者借助企业数字化运营留下的数字足迹，通过大数据技术可以获取企业经营信息，项目投资进展、资金使用情况，并能够通过数字化平台的信息披露和监管，减少信息不对称和道德风险。另外，从企业价值和投资者信心方面来看，数字化转型战略的实施促使企业在运营效率、客户体验、决策质量及创新能力等维度实现跨越式发展，这一系列变革不仅体现在财务指标、市场占有率等显性绩效的提升上，更通过向资本市场释放积极信号使投资者对企业的信心将进一步增强，从而愿意提供更多的资金支持。最后，企业实施数字化转型符合国家产业政策导向(王守海等，2022) [8]，因此，进行数字化转型的企业更易获得政府及监管机构等相关利益方的认可与关注，从而能够获取更多的资源支持和优惠政策，以减轻其内部资金压力。综合上述分析，企业数字化转型能够提升企业的资源获取和信息呈现能力，缓解银企信息不对称和减少企业的融资道德风险提高其融资能力。据此本文提出H1假设：

H1：房地产企业数字化转型能够显著提升其融资能力。

房地产企业作为资金密集型企业，其融资活动深受经济政策的影响。因此，在数字化转型对其企业融资能力提升的这一过程中，很有可能受到经济政策不确定性的影响。Bradley等(2016) [9]表明经济政策不确定性越高时，企业的融资成本越高。当经济政策不确定较高时，市场上的信息噪音较大，公司获取信息的难度加大[10]，而数字化转型带来的信息获取和信息呈现能力，在处理这一问题时具有较高的可适性。相比于经济政策不确定性较低的时期，经济政策不确定性较高的时期其信息环境更加复杂，数字化转型缓解信息不对称的作用将更加关键，因此其对房地产企业融资能力的提升效果也有可能更加突出。综上所述，本文认为在经济政策不确定性较高的情况下，房地产企业数字化转型对其融资能力的提升效果更加显著，故假设如下：

H2：经济政策不确定性能够强化房地产企业数字化转型对融资能力的提升作用。

3. 研究设计

3.1. 模型设计

模型一：固定效应模型

本文首先构建固定效应模型如式(1)，作为基础模型初步判断数字化转型与融资能力之间的关系：

$K{Z}_{i,t}={\alpha }_0+{\alpha }_{1}DI{G}_{i,t}+{\alpha }_{2}Cons+{\text{μ}}_i+{\sigma }_t+{\epsilon }_{i,t}$ (1)

模型二：调节效应检验模型

为了检验经济政策不确定性对数字化转型的影响，引入$DI{G}_{i,t}$ 与$PO{L}_{i,t}$ 的交乘项，构建模型如(2)：

$K{Z}_{i,t}={\beta }_0+{\beta }_{1}DI{G}_{i,t}+{\beta }_{2}PO{L}_{i,t}+{\beta }_{3}DI{G}_{i,t}\ast PO{L}_{i,t}+{\beta }_{4}Cons+{\mu }_i+{\sigma }_t+{\epsilon }_{i,t}$ (2)

式(1)和式(2)中，下标i和t分别表示公司和年份。$K{Z}_{i,t}$ 是公司i在t年度的融资能力，核心解释变量$DI{G}_{i,t}$ 表示公司i在t年度的数字化转型水平，$PO{L}_{i,t}$ 为调节变量，控制变量依次为企业规模(SIZE)、上市年限(AGE)、资产负债率(LEV)、资产收益率(ROA)、自由现金水平(CASH)、成长性(GROWTH)、政府干预程度(GOV)、货币政策(LPR)，${\mu }_i$ 表示个体固定效应，${\sigma }_t$ 则控制时间固定效应；${\alpha }_0$ 和${\beta }_0$ 为常数项，${\epsilon }_{i,t}$ 为随机扰动项。

3.2. 量说明

1. 被解释变量

企业融资约束程度(KZ)。本文使用融资约束KZ指数，来表示企业的融资能力，KZ指数越小则表示企业的融资约束越低，融资能力越强。关于KZ指数的计算，本研究基于Kaplan与Zingales (1997) [11]的理论研究，借鉴了魏志华等(2014) [12]的方法，计算融资约束程度。通过构建回归模型，分析了现金流、现金股利等相关变量之间的关系，并依据回归分析结果来计算KZ指数。

2. 解释变量

企业数字化转型(DIG)。本研究采用国泰安数据库中综合考虑企业数字化应用、数字化成果、环境支持、组织赋能、技术驱动及战略引领六个维度的企业数字化转型指数，以更为客观和全面的方式评估企业数字化转型程度。当企业数字化转型指数越大时，代表企业的数字化转型程度越高。

3. 调节变量

经济政策不确定性(POL)。本文借鉴Baker等(2016) [13]的做法计算经济政策不确定性，得出经济政策不确定性月度指数EPU，本文取EPU月度指数的算术平均值，将其转换为年度数据并取对数得到经济政策不确定性指标(POL)，该数值越大说明经济政策不确定性越高。

4. 控制变量

本文借鉴已有文献，在回归的过程中，对公司特征和外部环境相关变量进行了控制。选取企业规模(SIZE)、上市年限(AGE)、资产负债率(LEV)、资产收益率(ROA)、自由现金水平(CASH)、成长性(GROWTH)、政府干预程度(GOV)、货币政策(LPR)为主要控制变量，并在后续进行固定效应操作中对年份和个体进行双固定。其中个别指标如公司规模亦进行了取对数处理。变量具体含义如表1所示。

Table 1. Variable names

表1. 变量名称表

变量类型	变量名称	变量符号	变量定义
被解释变量	融资能力	KZ	融资约束KZ指数
解释变量	数字化转型	DIG	CSMAR企业数字化转型指数
调节变量	经济政策不确定性	POL	EPU月度指数年度均值取自然对数
控制变量	企业规模	SIZE	期末总资产取自然对数
	上市年限	AGE	当年年度 − 上市年度 + 1后取自然对数
	资产负债率	LEV	总负债/总资产
	净资产收益率	ROE	净利润/股东权益余额
	自由现金水平	CASH	经营活动净现金流/平均资产总额 (平均资产总额 = (上期期末资产 + 本期期末资产)/2)
	成长性	GROWTH	营业收入增长率
	政府干预程度	GOV	财政支出/国内生产总值
	货币政策	LPR	一年期LPR年度均值

3.3. 样本及数据来源

本研究利用国泰安数据库，选取了2013年至2022年间沪深两市A股上市公司的相关数据作为分析样本。依据2012年版本的行业分类标准，选择行业代码为K70的房地产业上市公司，并剔除ST及*ST类公司。在剔除数据缺失严重的企业后，最终获得了99家企业的842条有效数据。此外，对所有连续变量进行了1%的双边缩尾处理。

4. 实证结果

4.1. 描述性统计

本文首先对数据进行了描述性统计分析，表2为变量的描述性统计结果。首先，从被解释变量企业的融资能力来看，均值为2.469，中位数为2.785，标准差为1.951，最大值为6.345，最小值为−3.609，表明样本公司的融资能力差异较大；对于企业数字化转型程度来说，其均值和中位数分别为32.09和30.79，最小值和最大值分别为52.44和22.55，标准差为7.016。我们可以看出其均值略大于中位数，表明相当一部分企业在数字化转型方面的进展较为缓慢。同时，最大值与最小值之间的差异达到了29.89，进一步反映出不同企业在数字化转型程度上存在显著的差异性，且企业数字化转型程度较为分散。值得注意的是企业的成长性，最小值和最大值分别为−0.887和50.79，标准差为7.327，说明企业之间的成长性具有较大差异，部分企业展现出了较高的发展潜力。对于其他控制变量来说，均值和中位数较为接近且标准差较小，数据分布较为均匀。

Table 2. Descriptive statistics

表2. 描述性统计

variable	N	mean	p50	sd	min	max
KZ	842	2.469	2.785	1.951	−3.609	6.345
DIG	842	32.09	30.79	7.016	22.55	52.44
SIZE	842	23.76	23.67	1.503	19.68	27.78
AGE	842	2.986	3.097	0.410	1.110	3.432
LEV	842	0.645	0.686	0.178	0.139	0.937
ROA	842	0.0540	0.0700	0.164	−1.080	0.279
CASH	842	0.0150	0.0160	0.0950	−0.258	0.282
GROWTH	842	3.172	1.124	7.327	−0.887	50.79
GOV	842	0.237	0.241	0.0130	0.215	0.255
LPR	842	4.467	4.300	0.682	3.679	5.731

4.2. 基准回归分析

表3为数字化转型与融资能力的基准分析结果。表中的第(1)列为随机效应检验，第(2)列为个体固定效应检验，两种模型数字化转型对融资能力的影响都是显著的，这也从侧面说明了回归结果的稳健性。但是从本文的豪斯曼检验结果来看，P值小于0.05，本文适用于选择固定效应模型进行回归。第(3)列在固定了个体和时间之后回归结果依然显著，且R²数值逐步增大，表明模型拟合优度逐步提升，模型的拟合效果变好。这也进一步反应了本文选择双向固定效应模型的合理性，所以本文主要针对第(3)列的回归结果进行分析。

从第(3)列回归结果可以看出数字化转型与融资约束显著负相关，即企业数字化转型程度越高，融资约束越低，融资能力越强，证明了研究假设H1，即数字化转型能够提升房地产企业的融资能力。对于企业内部控制变量，企业资产收益率、自由现金水平、成长性系数显著为负，表明企业财务方面表现越好，融资约束越低。而企业年龄和资产负债率显著为正，这可能是由于随着企业年龄的提升和较高的负债不能再吸收更多新的投资导致企业的融资约束升高。对于外部控制变量，在随机效应模型与个体固定效应模型下，政府干预有利于降低企业的融资约束，同时LPR的升高也会导致企业融资约束的升高。但在个体和时间双固定效应模型下却出现了相反的表现，这表明该模型的时间效应显著，且这两个外部控制变量可能与因变量之间存在非线性关系。

Table 3. Baseline regression

表3. 基准回归

	(1)	(2)	(3)
	KZ	KZ	KZ
DIG	−0.018^***	−0.027^***	−0.022^**
	(0.007)	(0.009)	(0.009)
SIZE	−0.060	−0.014	0.009
	(0.048)	(0.103)	(0.103)
AGE	0.707^***	1.667^***	1.368^***
	(0.127)	(0.380)	(0.417)
LEV	5.732^***	5.670^***	5.656^***
	(0.311)	(0.385)	(0.380)
ROA	−1.227^***	−0.945^***	−0.934^***
	(0.187)	(0.190)	(0.188)
CASH	−12.848^***	−12.631^***	−12.536^***
	(0.292)	(0.289)	(0.289)
GROWTH	−0.006	−0.011^***	−0.012^***
	(0.004)	(0.004)	(0.004)
GOV	−19.702^***	−17.405^***	219.419^***
	(2.178)	(2.403)	(46.297)
LPR	0.015	0.189^**	−2.332^***
	(0.051)	(0.077)	(0.513)
_cons	3.590^***	−1.390	−42.647^***
	(1.341)	(2.592)	(8.618)
N	842.000	842.000	842.000
R^2		0.776	0.788
R^2_a		0.744	0.755
id		Yes	Yes
time			Yes

4.3. 稳健性检验

为确保实证结果稳健，本部分采用替换变量的方式进行稳健性检验，参考Hadlock and Pierce (2009) [14]等对融资约束FC指数的计算，将本文的被解释变量融资约束KZ指数替换为融资约束FC指数进行回归。两个融资约束指数都是用于衡量企业融资约束程度的指标，但它们的侧重点有所不同，KZ指数更注重企业内部的财务状况，FC指数则更关注外部环境对融资的影响。这将可能会导致回归结果在控制变量上存在一些差异，但对于本文的核心解释变量数字化转型(DIG)，如表4所示回归结果依然显著，说明该归回模型得出的结论是稳健和可信的。

Table 4. Robustness test

表4. 稳健性检验

	(1)	(2)
	KZ	FC
DIG	−0.022^**	−0.003^***
	(0.009)	(0.001)
SIZE	0.009	−0.099^***
	(0.103)	(0.011)
AGE	1.368^***	0.099^**
	(0.417)	(0.046)
LEV	5.656^***	−0.482^***
	(0.380)	(0.042)
ROA	−0.934^***	0.005
	(0.188)	(0.021)
CASH	−12.536^***	−0.064^**
	(0.289)	(0.032)
GROWTH	−0.012^***	0.000
	(0.004)	(0.000)
GOV	219.419^***	−31.718^***
	(46.297)	(5.157)
LPR	−2.332^***	0.352^***
	(0.513)	(0.057)
_cons	−42.647^***	8.228^***
	(8.618)	(0.960)
N	842.000	842.000
R^2	0.788	0.484
R^2_a	0.755	0.403
id	Yes	Yes
time	Yes	Yes

4.4. 调节效应检验

表5列示了经济政策不确定性调节作用的检验结果。第(2)列显示交互项TJ (TJ = DIG*POL)与企业融资约束KZ的回归系数在1%水平下显著为负，与基准检验方向相同，说明经济政策不确定性促进了数字化转型对企业融资能力的提升作用。假设2得到验证，即经济政策不确定性能增强数字化转型对企业融资能力的影响关系。

Table 5. Test of adjustment effect

表5. 调节效应检验

	(1)	(2)
	KZ	KZ
DIG	−0.022^**	−0.146^***
	(0.009)	(0.040)
SIZE	0.009	−0.016
	(0.103)	(0.102)
AGE	1.368^***	1.284^***
	(0.417)	(0.416)
LEV	5.656^***	5.610^***
	(0.380)	(0.378)
ROA	−0.934^***	−0.939^***
	(0.188)	(0.187)
CASH	−12.536^***	−12.530^***
	(0.289)	(0.287)
GROWTH	−0.012^***	−0.012^***
	(0.004)	(0.004)
GOV	219.419^***	−52.524^***
	(46.297)	(9.071)
LPR	−2.332^***	3.175^***
	(0.513)	(0.630)
TJ		−0.020^***
		(0.006)
POL		2.422^***
		(0.658)
_cons	−42.647^***	−19.666^***
	(8.618)	(5.662)
N	842.000	842.000
R^2	0.788	0.791
R^2_a	0.755	0.758

4.5. 异质性分析

1. 股权异质性

上市国有企业是指政府或国家占有超过一半的股权，或者虽然股权比例不足一半但能够对企业经营决策和资产财务状况起到支配作用，并能凭此股本获取资本收益的上市公司。本文根据企业股权性质将样本分为国有企业和非国有企业进行回归，回归结果如表6所示，数字化转型对融资能力的影响在非国有企业中更为显著。这可能是因为国有企业因其自身股权性质影响，受政策支持、社会关系及国企本身信誉等因素的加持，相较于非国有企业在进行融资活动时往往处于更加优势的环境，而非国有企业往往面临更激烈的市场竞争，数字化转型帮助它们提升了竞争力和市场份额。这种竞争力的提升使得这些企业在融资时更具吸引力，能够获得更好的融资条件，因此对于非国有企业融资能力的提升作用更加明显。

Table 6. Equity heterogeneity

表6. 股权异质性

	(1)	(2)	(3)
	KZ	KZ (国有企业)	KZ (非国有企业)
DIG	−0.022^**	−0.012	−0.036^**
	(0.009)	(0.011)	(0.016)
SIZE	0.009	−0.071	−0.026
	(0.103)	(0.128)	(0.181)
AGE	1.368^***	0.905^*	2.342^***
	(0.417)	(0.534)	(0.730)
LEV	5.656^***	6.567^***	4.686^***
	(0.380)	(0.496)	(0.605)
ROA	−0.934^***	−0.847^***	−1.064^***
	(0.188)	(0.257)	(0.291)
CASH	−12.536^***	−12.502^***	−12.612^***
	(0.289)	(0.348)	(0.502)
GROWTH	−0.012^***	−0.012^***	−0.004
	(0.004)	(0.005)	(0.008)
GOV	219.419^***	226.414^***	197.607^**
	(46.297)	(52.637)	(83.881)
LPR	−2.332^***	−2.656^***	−1.696^*
	(0.513)	(0.586)	(0.930)
_cons	−42.647^***	−40.424^***	−41.507^***
	(8.618)	(9.897)	(15.575)
N	842.000	493.000	349.000
R^2	0.788	0.815	0.779
R^2_a	0.755	0.782	0.734
id	Yes	Yes	Yes
time	Yes	Yes	Yes

2. 地区异质性

房地产企业所在地区的不同亦可能影响数字化转型与融资能力间的关系。根据2024年5月第一财经发布的《城市商业魅力排行榜》，本研究将企业按照其城市类别分为一线(包括新一线)城市企业与非一线城市企业，以此进行回归分析。回归结果如表7所示，数字化转型对融资能力的影响在一线城市企业中更为显著。这可能是因为市场化程度高的地区，法律法规会更加完善且政府政策给予的限制会相对较少，市场环境更为开放包容，数字化转型作为一种新趋势能够在这种环境下更好的生存与发展。此外，开放包容的市场环境也使得该地区企业对融资方式多元化的接受程度更高[15]，数字技术能够在各种融资方式中发挥作用，提高企业融资能力。

Table 7. Regional heterogeneity

表7. 地区异质性

	(1)	(2)	(3)
	KZ	KZ (一线城市)	KZ (非一线城市)
DIG	−0.022^**	−0.023^**	−0.023
	(0.009)	(0.010)	(0.023)
SIZE	0.009	0.001	0.020
	(0.103)	(0.113)	(0.280)
AGE	1.368^***	1.229^***	1.623
	(0.417)	(0.455)	(1.198)
LEV	5.656^***	5.464^***	6.259^***
	(0.380)	(0.422)	(0.957)
ROA	−0.934^***	−0.930^***	−0.847^*
	(0.188)	(0.209)	(0.435)
CASH	−12.536^***	−12.461^***	−12.981^***
	(0.289)	(0.305)	(0.888)
GROWTH	−0.012^***	−0.013^***	0.009
	(0.004)	(0.004)	(0.027)
GOV	219.419^***	237.025^***	213.643^*
	(46.297)	(50.341)	(113.963)
LPR	−2.332^***	−2.572^***	−2.252^*
	(0.513)	(0.557)	(1.291)
_cons	−42.647^***	−44.735^***	−43.014^**
	(8.618)	(9.429)	(20.881)
N	842.000	657.000	185.000
R^2	0.788	0.811	0.717
R^2_a	0.755	0.780	0.643
id	Yes	Yes	Yes
time	Yes	Yes	Yes

5. 总结与建议

本研究在实证的基础上分析了房地产企业进行数字化转型对其融资能力的影响。总体而言，研究得出了以下主要结论：(1) 基于基准回归的结果显示，房地产企业的数字化转型对其融资能力具有显著的提升作用；(2) 调节效应检验发现，房地产企业数字化转型在经济政策不确定性较高的情况下对融资能力的提升更加明显；(3) 异质性检验结果表明，在非国有企业、一线城市企业的样本中，数字化转型能够更有效地提升融资能力。

由以上结论可知，房地产企业数字化转型对企业融资能力的提升有着积极的影响，但是也受经济政策不确定性的调节作用影响，同时由于企业自身属性的不同其影响效果也存在一定的差异性。因此，本文现给出以下建议，首先从房地产企业的角度来说，第一，企业可以通过数字化转型来提高其融资能力，从而实现企业成长；第二，在经济政策不确定性较高的情况下，企业可以将数字化转型作为企业提升竞争力的新思路，提升企业的生存能力和可持续发展能力；第三，对于非国有企业、一线城市企业，这些企业更应抓住数字化转型的契机，提升其融资能力，促进企业更好的发展。再者，从政府的角度来说，应当积极引导并鼓励企业进行数字化转型，为企业数字化转型提供政策支持，营造良好的数字化建设环境。同时，也要注意激励政策的差异化，积极探索适合不同类型企业的数字化转型道路，推出更加适合适用的专项政策。

NOTES

^*第一作者。

^#通讯作者。