金融科技对企业数字化转型的影响

The Impact of Fintech on the Digital Transformation of Enterprises

摘要: 进入21世纪后，金融科技的迅速发展正在对传统金融模式产生深远影响。数字化转型已成为企业未来发展的关键方向，对企业而言，它具有重要意义，能够帮助企业提升核心竞争力，从而实现更为稳健的发展。因此，探讨金融科技与企业数字化转型之间的具体关系显得尤为重要。本文将在相关研究的基础上，首先分析两者的作用机制，随后以金融科技和企业数字化转型为研究对象，选取2013~2023年的相关数据，采用实证分析方法，通过面板回归模型研究金融科技对企业数字化转型的影响。实证结果表明，金融科技的进步对企业数字化转型起到了积极推动作用，同时存在显著的地区差异效应和融资约束的中介效应。基于此，本文提出了推动企业数字化转型的建议，以供企业参考。

Abstract: Since the 21st century, the rapid development of Fintech is having a profound impact on the traditional financial model. Digital transformation has become a key direction for the future development of enterprises. For enterprises, it is of great significance as it can help them enhance their core competitiveness and thus achieve more stable development. Therefore, it is particularly important to explore the specific relationship between Fintech and the digital transformation of enterprises. Based on relevant research, this paper will first analyze the mechanism of action of both. Then, taking Fintech and enterprise digital transformation as the research objects, it will select the relevant data from 2013 to 2023, adopt empirical analysis methods, and study the impact of Fintech on enterprise digital transformation through panel regression models. Empirical results show that the advancement of Fintech has played a positive role in promoting the digital transformation of enterprises. Meanwhile, there are significant regional difference effects and mediating effects of financing constraints. Based on this, this paper puts forward suggestions for promoting the digital transformation of enterprises for their reference.

1. 绪论

(一) 研究背景与意义

1) 研究背景

近年来，金融科技的迅猛发展对传统金融体系产生了深远的影响，推动了金融行业模式的变革，为企业的转型与发展开辟了新机遇。在当今竞争激烈的商业环境中，数字化转型已成为企业保持竞争力、实现可持续增长的关键途径。数字化转型是指企业通过采用先进的信息技术和数字化工具，对业务流程、组织结构以及价值创造进行全面升级和重塑。这一转型不仅提升了企业的运营效率和灵活性，还增强了其市场适应能力和创新能力，从而获得了竞争优势。

金融科技在企业数字化转型中的作用不可忽视。它不仅为企业提供了资金支持，帮助加速转型进程，还为企业带来了技术上的优势。金融科技的核心技术，如区块链、人工智能、大数据分析等，与数字化转型所需的技术高度契合。企业通过应用这些技术，能够优化内部流程，提高决策效率，增强数据管理和分析能力，从而推动数字化转型向更高层次发展。

因此，深入分析金融科技对企业数字化转型的具体影响，对于帮助企业更好地理解技术应用的价值、调整发展策略具有重要意义。

2) 研究意义

理论意义：本文的研究为金融科技和企业数字化转型的理论体系提供了重要支持。通过分析和解释影响因素，本研究揭示了金融科技对企业数字化转型的实质影响，为学术界的研究人员和实践者提供了宝贵的参考资料。

实践意义：本文的研究可以为企业在数字化转型过程中的决策和战略规划提供有力的指导，使其能够更好地应对挑战并抓住机遇。此外，通过深入了解金融科技与企业数字化转型的互动关系，可以为金融科技行业提供有价值的参考，帮助其更好地满足企业的需求。

(二) 国内外文献评述

1) 金融科技的研究

金融科技的起源可追溯至1993年，当时花旗银行发布的报告首次提出了这一概念。自那时起，金融科技发展迅速，成为一个日益成熟的领域。英国金融行为监管局将金融科技视为金融服务行业去中介化的路径，意味着其兴起将推动金融行业的创新与转型。在对金融科技的讨论中，大多数学者从金融行业本身出发，认为金融科技不仅仅是金融与技术的简单结合，而是深刻影响金融交易和服务的一系列技术工具。Ma等人(2017)指出，金融科技通过整合先进技术与金融需求，带来了行业创新和变革[1]。Lee等人(2018)则强调金融科技生态系统中的创新技术，这些技术不仅促进了金融部门的革新，还为用户提供了更加个性化、安全便捷的金融服务体验[2]。Michael等人(2020)认为，金融科技的核心在于其垂直应用及其创新性和可拓展性，这种多维视角凸显了金融科技的复杂性和广泛性[3]。林慰曾(2021)指出，金融科技的监管面临效率低下的问题，解决这一问题的关键在于完善相关法规，以确保监管的科学性和有效性，进而保障金融市场的稳定与金融科技创新的可持续发展[4]。李瑛(2021)进一步提到，金融科技在发展过程中也伴随着潜在的风险与挑战，因此加强监管体系的建设显得尤为重要，以确保其健康发展[5]。

根据学者对企业数字化转型的定义，尹金等人(2020)认为，数字化转型不仅仅是技术的引入，更是企业交易模式、管理模式以及生产方式的深刻变革。借助信息技术的应用，企业可以简化和优化业务流程，从而提升效率并在市场竞争中获得优势[6]。龚雅娴(2022)进一步指出，数字化转型包含多个关键环节。首先，技术创新能优化生产管理，提高生产效率和质量；其次，通过与其他企业建立数据链条，实现数据共享与整合，增强数据驱动能力；最后，将数据迁移至云端进行集中存储和管理，便于更精确的数据分析和决策支持[7]。严子淳等人(2021)认为，企业数字化转型的核心目标在于通过产品创新和服务升级来重新塑造商业模式，从而实现企业利润的最大化[8]。在数字化转型路径的选择上，李辉等人(2020)指出，这一过程复杂且涉及多个方面，如转型方式的选择、业务流程的调整以及企业组织结构的优化，这些因素相互作用，推动企业的全面转型[9]。针对地方国有企业如何有效推进数字化转型，张继栋(2021)提出，管理层应高度重视数字化转型，将其纳入绩效考核体系，并建立激励机制，以促进转型的顺利实施[10]。杨雅程等人(2022)则认为，企业可以根据不同需求采取不同的转型路径，渐进式转型从生产端起步，逐步实现数字化；跃迁式转型则从销售端开始，依靠资源优化配置加速数字化转型[11]。

徐继峰等人(2021)指出，金融科技企业在推动数字化转型过程中起着至关重要的作用。它们通过先进的科技手段和创新思维，将数字化产品、终端设备及系统与金融服务深度融合，从而促进企业在生产、销售和管理等各个方面实现全面的数字化变革[12]。唐松等人(2022)通过实证研究探讨了金融科技与企业数字化转型之间的关系，结果表明，金融科技在企业的成长期和成熟期对数字化转型的推动作用尤为显著。该研究揭示，金融科技对企业数字化转型的影响在不同发展阶段存在差异，尤其是在企业衰退期，其效果相对较弱。这可能是因为在衰退阶段，企业面临其他紧急问题，因此对数字化转型的投入和关注较少[13]。

2) 金融科技对企业数字化转型的影响机制分析

在企业在数字化转型过程中，金融科技对其的影响机制是多维度的。首先，金融科技有效推动了企业在数字化转型过程中的资源边界扩展。通过数字技术，金融科技能够高效地整合来自市场的多样化、小额和分散的金融资源，进而为企业提供更为广泛的资金渠道。金融科技平台，如贸易融资和供应链金融，能提供多层次、高效的资金流动渠道，使得企业能够便捷地获得融资，扩大其资源边界。此外，金融科技还可以处理大量非结构化数据，通过数据分析和深度挖掘，帮助企业获得更多的市场信息，从而提升金融资源与企业需求的匹配度，缓解企业融资难题[14]。此外，金融科技还为企业提供基于数据的决策支持和市场分析，帮助企业识别并抓住市场机遇，推动创新的实现[15]。

基于上述分析，本文提出假设1：金融科技的发展能够有效促进企业数字化转型。

首先，各地区的产业结构和经济发展水平有着显著差异。发达地区通常具备更成熟和先进的经济基础与产业体系，企业在数字化转型过程中更早采用金融科技，以提升效率和降低运营成本。相比之下，欠发达地区可能面临技术基础设施不足、产业结构单一等问题，金融科技的应用及其影响力相对较弱。其次，地区之间的技术普及率和企业对新技术的接受度差异显著。在一些地区，金融市场成熟，金融科技公司较多，创新氛围浓厚，为企业数字化转型提供了丰富的支持和机会。而在其他地区，金融生态系统较为薄弱，金融科技企业稀少，限制了金融科技对企业数字化转型的推动作用。最后，各地区的政策支持和监管环境也是影响金融科技在企业数字化转型过程中作用的重要因素[16]。

因此根据上述分析，本文提出假设2：金融科技对企业数字化转型的影响存在地区异质性，且对我国东部发达地区的影响最大。

在企业日常运营中，创新项目的资金需求通常排在满足生存性需求之后。当企业面临财务压力时，为应对现金流问题，往往会优先削减研发和创新相关的开支。因此，当企业自身资金无法满足创新投资需求时，外部融资变得尤为重要，能够为创新项目提供必要的资金支持，推动项目的实施。然而，在自由竞争的金融市场中，企业寻求创新项目融资并非易事。金融发展历程表明，企业常常受到金融配给和融资限制的约束，这种融资困难制约了企业的创新活动，且有大量案例表明，许多创新项目因无法承担高昂费用而被迫停止。金融科技通过缓解融资约束，能够为企业提供更多的资金来源，从而促进创新活动的持续进行，并优化企业的财务稳定性与现金流管理。此外，金融科技的应用还可以确保企业数字化创新项目的可持续发展，助力企业数字化转型的顺利推进。

因此根据上述分析，本文提出假设3：金融科技发展可以通过减缓企业的融资约束来实现财务的稳定，进而影响企业的数字化转型。

2. 实证设计

(一) 样本选择与数据来源

本文为实证检验金融科技对企业数字化转型的影响，主要选取了2013~2023年中国上市公司的面板数据作为研究样本。金融科技指数，本文选取金融科技企业数作为代理变量，通过“天眼查”网站检索金融科技的相关关键词统计获得；企业数字化转型指标则是利用Python爬虫技术收集并整理了上海交易所和深圳交易所所有A股上市公司的年度报告，通过词频统计获得。股权性质、总资产利润率、两职合一、资产负债率、公司规模、公司成立年限数据由国泰安数据库获得。在数据的处理过程中，为消除数据中级端值对回归估计结果的影响，采用Winsorize法对各代变量进行1%分位及99%分位的缩尾处理。

(二) 变量定义

(1) 数字化转型：本文借鉴了吴非对数字化转型程度测量方法的研究[17]，通过分析上市公司年报中出现的相关关键词，计算大数据、人工智能、云计算、区块链和数字技术等术语的出现频次总和，作为衡量企业数字化转型程度的代理指标。

(2) 金融科技的度量：本文参考宋敏[18]的方法，运用“天眼查”网站检索了金融科技的相关关键词，并对字段进行一系列的筛选和剔除根据样本中金融科技公司的业务范围以及巴塞尔银行监管委员会对金融科技业务模式的分类，采用模糊匹配的方法筛选公司经营范围，并保留匹配成功的样本，最终保留下来各地市的金融科技公司。最后，统计每个地级市每年的金融科技公司数量，并以此作为衡量该地区金融科技发展水平的标准，数值越高，表示该地区的金融科技发展水平越好。

(3) 中介变量：根据上文分析再结合已有研究，本文选取融资约束(kz)作为中介变量。

(4) 控制变量的度量：依据既有的研究，本文选择控制变量为股权性质、总资产利润率、两职合一、资产负债率、公司规模与公司成立年限。

数据来源于国泰安数据库。各变量的具体定义如表1。

(三) 模型设计

为了研究金融科技对数字化转型的影响，本文借鉴李为等(2022) [19]、吴丹红等(2023) [20]就金融科技对企业数字化转型影响的建模手法，因此构建如下研究模型：

Table 1. Variable definition table

表1. 变量定义表

变量类型	变量名称	变量符号	变量定义
被解释变量	数字化转型	DCG	A股企业使用数字化技术次数(词频统计)的对数
解释变量	金融科技	Fin	地级市金融科技公司数量加1，并取自然对数
中介变量	融资约束	FC	融资约束指数(FC越大，说明融资约束约严重)
控制变量	股权性质	SOE	国有控股企业取值为1，其他为0
	总资产收益率	ROA	利润率/资产总额
	两职合一	Dual	董事长与总经理是同一个人为1，否则为0
	资产负债率	Lev	年末总负债除以年末总资产
	公司规模	Size	年总资产的自然对数
	公司成立年限	Age	公司成立年限的自然对数

$DC{G}_{it}={\alpha }_{it}+{\theta }_{it}Fi{n}_{it}+{\lambda }_{i}CV{s}_{it}+{\epsilon }_{it}$ (方程1：总体回归)

$F{c}_{it}={\alpha }_{it}+{\theta }_{it}Fi{n}_{it}+{\lambda }_{i}CV{s}_{it}+{\epsilon }_{it}$ (方程2：中介变量回归)

$DC{G}_{it}={\alpha }_{it}+{\theta }_{it}Fi{n}_{it}+{\beta }_{it}F{\text{c}}_{it}+{\lambda }_{i}CV{s}_{it}+{\epsilon }_{it}$ (方程3：含中介变量的回归)

其中，被解释变量为数字化转型(DCG)，解释变量为金融科技(Fin)，融资约束(Fc)为中介变量，CVs为控制变量，ε_it为模型随机误差项。

3. 实证检验结果

(一) 描述性统计分析

本文数据的描述性统计如表2，从表2可以看出，在经过数据处理后本文的数据并不存在极端数值。经过对数化处理后，企业数字化转型指数DCG的均值为1.403，最小值为0，最大值为5.063，与吴非[17]的测量结果相差不大；金融科技指数的均值为4.638，最小值为0，最大值为10.40，也较符合宋敏[18]的统计结果。其他各控制变量数据的统计结果也较符合实际。

Table 2. Descriptive statistical analysis

表2. 描述性统计分析

	(1)	(2)	(3)	(4)	(5)
变量	N	mean	sd	min	max
DCG	28,839	1.403	1.409	0	5.063
Fin	28,839	4.638	2.591	0	10.40
Size	28,839	22.18	1.316	19.82	26.27
Lev	28,839	0.419	0.209	0.0511	0.900
ROA	28,838	0.0418	0.0660	−0.249	0.218
Dual	28,839	0.287	0.453	0	1
SOE	28,839	0.345	0.475	0	1
Age	28,839	2.894	0.338	1.792	3.526

(二) 相关性分析

表3为数据相关性分析的统计结果，从表格中可以看出，本文核心解释变量金融科技指数与被解释变量企业数字化转型指数的相关性系数为0.335，可以初步说明二者存在正相关关系，但是还需要更进一步的回归分析来证明。

Table 3. Correlation analysis

表3. 相关性分析

	DCG	Fin	Size	SOE	ROA	Dual	Lev	Age
DCG	1
Fin	0.335	1
Size	0.0325	0.105	1
SOE	−0.162	−0.0322	0.376	1
ROA	−0.0057	−0.0093	−0.0314	−0.109	1
Dual	0.101	0.0801	−0.189	−0.308	0.0652	1
Lev	−0.0613	−0.0199	0.516	0.298	−0.394	−0.155	1
Age	0.0403	0.102	0.191	0.18	−0.125	−0.118	0.202	1

(三) 回归分析

表4显示了“金融科技指数–企业数字化转型”的全样本回归结果。采用最小二乘回归进行分析，并加入个体和年份双向固定效应来控制住随着企业个体不变的变量以及随着事件不变的变量，采用个体和年份双向固定效应在一定程度上缓解了由于遗漏变量导致的内生性问题。

如表4所示，第一列未加入控制变量，第二列在第一列的基础上加入了控制变量，两列的回归系数在1%的显著性水平下均显著为正，说明每个地区的金融科技水平与企业数字化转型呈现正相关关系，即各地区金融科技的发展促进企业的数字化转型，为假设1提供了经验证据支持。

Table 4. Regression analysis of Equation (1)

表4. 方程(1)回归分析

VARIABLES	(1)	(2)
	DCG	DCG
Fin	0.118^***	0.107^***
	(4.98)	(4.59)
Size		0.283^***
		(12.24)
SOE		−0.011
		(−0.21)
ROA		−0.297^**
		(−2.42)
Dual		−0.033
		(−1.50)
Lev		−0.139^*
		(−1.65)
Age		0.213
		(1.38)
Constant	0.191^***	−6.313^***
	(2.64)	(−10.75)
Observations	28,839	28,838
R-squared	0.299	0.318
Number of id	3758	3758
Company FE	YES	YES
Year FE	YES	YES

Robust t-statistics in parentheses; ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

(四) 稳健性检验

为了缓解本文回归模型中存在的内生性问题，本文在稳健性检验时采用工具变量法。试图综合过往文献寻找一个合适的工具变量来控制模型的内生性。本文选取“该地级市到杭州的距离”作为工具变量，考虑了以下三个方面：首先，距离会通过经济活动产生影响，但其本身不会随经济发展而变化；其次，“被调查者所在城市与杭州的距离”既与城市的金融科技水平直接相关，又不会通过金融科技水平而间接影响到企业的数字化转型，满足工具变量的两个条件，可以减少遗漏变量内生性。

如表5所示，为工具变量法的两阶段回归结果，由第二列的结果可以看出，地区金融科技水平在1%的显著性水平上和企业数字化转型指数正相关，与基准回归的结果一致，说明本文回归结果具有一定的稳健性。

Table 5. Results of instrumental variable regression

表5. 工具变量法回归结果

VARIABLES	(1)	(2)
	first	two
	Fin	DCG
distance	0.027^***
	(24.84)
Fin		2.116^***
		(25.82)
Size	0.349^***	−0.620^***
	(24.77)	(−14.80)
SOE	−0.253^***	0.167^**
	(−7.16)	(2.18)
ROA	−1.846^***	3.062^***
	(−7.36)	(5.69)
Dual	0.503^***	−0.918^***
	(14.56)	(−11.10)
Lev	−1.495^***	2.561^***
	(−16.15)	(11.21)
Age	0.822^***	−1.461^***
	(18.15)	(−12.80)
Constant	−4.965^***	8.577^***
	(−16.13)	(11.25)
Observations	28,838	28,838
R-squared	0.064

t-statistics in parentheses; ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

(五) 异质性分析

本样本分析可能未充分考虑地区差异带来的结构性影响。不同地区在资源供给效率、转型意愿和创新潜力方面存在显著差异，这可能导致“金融科技–企业数字化转型”之间的影响效果发生变化。根据文章的研究视角，并参考现有文献的经验分类，本文将我国按照地理位置和气候条件划分为东部、中部和西部三个区域。

进行异质性回归分析得到结果如下。如表6的结果所示，金融科技发展对东部数字化转型程度的回归系数显著为正，而金融科技发展对于中部地区和西部地区的数字化转型程度的回归系数为正但是不显著，表明金融科技对东部地区企业数字化转型程度的驱动作用更强。因此本文的假设2被证实。

Table 6. Heterogeneity test analysis

表6. 异质性检验分析

VARIABLES	(1)	(2)	(3)
	East	Middle	West
Fin	0.135^***	0.084	0.036
	(3.55)	(1.49)	(0.65)
Size	0.316^***	0.224^***	0.301^***
	(8.75)	(4.72)	(5.37)
SOE	0.096	−0.043	0.011
	(1.40)	(−0.49)	(0.05)
ROA	−0.296^*	−0.514^*	−0.522
	(−1.78)	(−1.88)	(−1.43)
Dual	−0.038	−0.048	−0.045
	(−1.27)	(−0.92)	(−0.75)
Lev	−0.235^*	−0.203	−0.068
	(−1.84)	(−1.14)	(−0.31)
Age	0.049	0.511	−0.622
	(0.24)	(1.27)	(−1.24)
Constant	−6.622^***	−5.715^***	−4.492^***
	(−7.92)	(−4.09)	(−2.59)
Observations	14,520	4561	3379
R-squared	0.341	0.312	0.300
Number of id	1965	553	403
Company FE	YES	YES	YES
Year FE	YES	YES	YES

Robust t-statistics in parentheses; ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

(六) 中介效应检验

本文将使用逐步回归法来验证融资约束的中介效应。首先，做金融科技对企业数字化专业影响的回归；其次，金融科技对中介变量融资约束的影响进行回归；最后，将中介变量(融资约束)引入科技金融对企业数字化转型影响的回归方程，结果如下表7所示：

Table 7. Results of mediation effect test

表7. 中介效应检验结果

VARIABLES	(1)	(2)	(3)
	DCG	FC	DCG
Fin	0.107^***	−0.019^***	0.106^***
	(4.59)	(−12.86)	(4.47)
FC			−0.128^*
			(−1.89)
Size	0.283^***	−0.144^***	0.257^***
	(12.24)	(−79.92)	(9.70)
SOE	−0.011	−0.005	−0.011
	(−0.21)	(−0.91)	(−0.22)
ROA	−0.297^**	0.218^***	−0.174
	(−2.42)	(15.20)	(−1.39)
Dual	−0.033	0.006^**	−0.031
	(−1.50)	(2.57)	(−1.38)
Lev	−0.139^*	−0.431^***	−0.176^**
	(−1.65)	(−57.71)	(−2.01)
Age	0.213	−0.008	0.136
	(1.38)	(−0.83)	(0.83)
Constant	−6.313^***	3.798^***	−5.468^***
	(−10.75)	(99.20)	(−7.74)
Observations	28,838	26,330	26,330
Number of id	3758	3581	3581
R-squared	0.318	0.447	0.311
Company FE	YES	YES	YES
Year FE	YES	YES	YES

Robust t-statistics in parentheses; ^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

由表7可知，方程1总体回归中，自变量Fin为正，且显著，方程2中介变量回归中，自变量Fin为负，且显著，即金融科技越发达，企业所受的融资约束越小。方程3含中介变量的回归中，Fin为正且显著，中介变量FC系数为负，且显著，因此可以看出融资约束存在中介效应，即金融科技发展通过减缓企业融资约束实现财务稳定，进而影响企业数字化转型，因此假设3得到验证。

4. 主要结论与建议

本文金融科技对我国企业数字化转型的影响做了研究，所选数据的时间段为2013到2023年。本文在相关文献、研究的基础上，建立了面板回归模型来实证研究金融科技对我国企业数字化转型的影响，并对所建模型做了异质性、稳健性检验，进而来验证本文的假设1、2是否成立。回归结果表明，金融科技的发展促进了我国企业的数字化转型，假设1得以验证，说明金融科技的发展满足了企业数字化转型中的资源边界扩张需求，更重要的是还能激活企业的创新动力，从而推动企业加快数字化转型；异质性检验则表明金融科技对企业数字化转型的影响存在地区差异性，且东部发达地区的企业影响更大，因此假设2也被验证；中介效应检验则表明融资约束在金融科技的发展会降低企业的融资约束，融资约束的降低进而对企业数字化转型产生正面影响，因此假设3被验证。在此实证基础上，本文将会给出以下建议，以期对各企业数字化转型提供可行性参考。

首先，加强金融科技的发展和应用：鉴于金融科技对企业数字化转型的积极影响，政府和金融机构应进一步加强金融科技的发展和应用。通过投资和支持创新科技企业，提供金融科技解决方案和服务，以满足企业数字化转型的融资和技术需求。

其次，促进地区间的数字化转型平衡：考虑到金融科技对企业数字化转型的地区差异性影响，政府应该采取措施促进地区间的数字化转型平衡。这可以包括加强基础设施建设、提供培训和支持措施，以帮助中西部地区的企业更好地利用金融科技进行数字化转型。

再者，提供更加灵活的金融服务：金融科技的发展为企业提供了更加灵活和个性化的金融服务机会。金融机构应积极响应数字化转型的需求，推出适应企业需求的金融产品和服务。这包括更灵活的融资方案、风险评估工具和支持创新项目的金融解决方案，以满足企业的融资和创新需求。

最后，关注融资约束问题：尽管金融科技的发展有助于降低企业的融资约束，但仍需关注中小企业等特定群体面临的融资挑战。政府和金融机构可以采取相应的政策措施，如改善融资环境、加强信用评估机制、推动创新金融产品的开发等，以支持这些企业的数字化转型。