数字化转型对企业融资效率的影响——基于文本分析的实证研究

The Impact of Digital Transformation on Corporate Financing Efficiency—An Empirical Study Based on Text Analysis

摘要: 在数字经济与实体经济深度融合的背景下，企业数字化转型已成为优化资源配置、提升经营效率的重要路径。本文以2010~2024年中国A股上市公司为研究样本，对企业融资效率进行测度，研究企业数字化转型对融资效率的影响及机制。结果表明：企业数字化转型能够显著提升企业融资效率。结果在国有控股企业与非国有控股企业、地区市场化发展水平差异化中均显著成立。进一步的调节效应检验发现，股权制衡能够强化数字化转型对融资效率的正向影响。

Abstract: Against the backdrop of deep integration between the digital economy and the real economy, corporate digital transformation has become a crucial pathway for optimizing resource allocation and enhancing operational efficiency. Using a sample of Chinese A-share listed companies from 2010 to 2024, this study measures corporate financing efficiency and examines the impact and mechanisms of digital transformation on financing efficiency. The results indicate that corporate digital transformation significantly improves financing efficiency, a finding that holds true across both state-owned and non-state-owned enterprises, as well as firms with different levels of marketization. Further moderation effect tests reveal that equity balance can strengthen the positive impact of digital transformation on financing efficiency.

1. 引言

近年来，数字技术的快速发展推动企业进行数字化转型，大数据、云计算、人工智能等数字技术在工作场景中的深度应用，不断影响企业的生产经营与产业链协作模式。政府相继出台《“十四五”数字经济发展规划》《推动数字金融高质量发展行动方案》等政策，通过多种举措强化对企业数字化转型的融资支持，形成“转型赋能 + 融资保障”的协同效应合力。引导企业加快数字化转型进程。

企业数字化转型通过整合数据资源、优化业务流程、降低信息不对称等方式，影响着企业的生产经营与资源配置效率。在企业领域，融资作为企业重要的资金来源，其效率直接关系到企业的财务成本与可持续发展。当前，企业普遍面临融资难、融资贵的问题，制约了企业的发展质量。在此背景下，本文主要探究企业数字化转型是否能优化企业融资效率，具有一定的理论与现实意义。

2. 文献综述与研究假设

2.1. 数字化转型

发展数字经济，离不开企业数字化转型，实体企业的数字化转型最能体现数字经济的实际运行状况[1]，推动企业数字化转型是在微观经济领域实现数字经济引领高质量发展的路径[2]。具体而言，企业承载着推动宏观经济高质量发展的重要功能[3]，能够推动企业发展的动力变革、效率变革和组织变革，加快传统产业企业数字化转型，促使新技术与实体经济深度融合，对于推动我国经济高质量发展有重要意义[4]。

企业数字化转型不仅能够改变生产过程和交易模式，催生新平台[5]，也可以一定程度解释企业数字化转型，国外学者从数字技术应用、商业模式改变、协作方法和文化更新等多个视角概括企业数字化转型[6]，以及企业数字化转型中数字创新对企业行为、结构等方面的改变[7]，或者是以技术组合的颠覆引发组织战略性响应[8]。

2.2. 融资效率的影响因素

融资效率的定义可以归纳为两类，第一类是仅从融资的成本或者收益来进行直接分析[9]-[11]；第二类是综合考虑企业的融资成本和产出效率[12] [13]。本文对融资效率的定义参考大多数学者的观点，测度有息负债在总负债中的占比作为融资效率指标，即指标越低，融资效率越高。

2.3. 研究假设提出

第一，企业数字化转型通过对企业信息不对称的缓解，降低企业与其他机构之间的信息差距，使企业更易获得低成本融资；第二，数字化转型能够通过大数据、人工智能等技术，优化风险识别与应对能力，从而对于财务风险进行规避，优化融资结构；第三，优化资源配置，数字化转型能够提升企业资金使用效率，减少资金闲置的情况，降低不必要的外部融资需求。基于此，本文提出核心研究假设：

H1：在控制其他因素的情况下，企业数字化转型能够显著提升融资效率。

同时，公司治理情况对于企业数字化转型的影响也不可忽视。股权制衡能够通过优化公司治理结构，降低代理成本，提升信息披露质量，完善企业内部治理强化数字化转型对融资效率的正向影响。基于此，本文提出调节效应假设：

H2：股权制衡能够强化企业数字化转型对提高融资效率的影响。

3. 研究设计

3.1. 样本选择与数据来源

本文选取中国A股上市公司2010~2024年的面板数据作为研究样本，并对样本进行如下筛选：(1) 剔除金融类上市公司；(2) 剔除ST、*ST类上市公司；(3) 对连续变量进行1%和99%分位的缩尾处理。

本文的核心解释变量数字化转型数据基于上市公司年报文本提取，采用滞后一期数据；融资效率数据通过有息负债与总负债之比进行构建，控制变量数据来源于CSMAR数据库、Wind数据库；企业所在地区市场化发展水平异质性区分数据来源于《中国分省份市场化指数报告》。

3.2. 变量定义

被解释变量：融资效率($Debteff$ )，本研究以2010年至2024年中国A股上市公司数据，依托CSMAR专业数据库获得企业短期借款、一年内到期的非流动负债、长期借款、应付债券、带息长期应付款等作为有息负债，通过有息负债与总负债之比获得融资效率指标，该指标值越低，说明企业在既定投入下能实现更高的融资效率。

解释变量：企业数字化转型($DCG$ )，借助吴非[14]研究方式，通过文本挖掘方法提取年报中与数字化转型相关的关键词(如“数字化”“大数据”“人工智能”“云计算”等)，计算关键词出现频次并进行标准化处理，得到核心解释变量，记为$DCG$ 。为缓解反向因果问题，回归中的核心解释变量均采用滞后一期数据。

控制变量：结合现有研究，本文选取以下控制变量：企业规模(Size)，资产负债率(Lev)，营业收入增长率(Growth)，现金流压力(CashFlow)，固定资产占比(Fixed)，第一大股东持股比例(Top1)，两职合一(Dual)，市场竞争程度(HHI)。同时，控制行业固定效应(Ind)和年份固定效应(Year)。具体解释见表1。

Table 1. Variable definition

表1. 变量定义

变量类型	变量名称	变量符号	变量定义
被解释变量	融资效率	$Debteff$	有息负债/总负债
核心解释变量	企业数字化转型	$DCG$	上市公司公布的年度报告中的相应关键词的词频测度
控制变量	两职合一	$Dual$	董事长与总经理为同一人取1，否则取0
	企业规模	$Size$	年末总资产取自然对数
	资产负债率	$Lev$	总负债/总资产
	盈利能力	$ROA$	净利润/平均总资产
	成长性	$Growth$	(当年营业收入 − 上年营业收入)/上年营业收入
控制变量	企业年龄	$Age$	(观测年份 − 企业成立年份) + 1取对数
	现金流强度	$Cashflow$	经营活动现金净流量/总资产
	固定资产占比	$Fixed$	固定资产净额/总资产
	股权集中度	$Top1$	第一大股东持股比例
	行业市场竞争水平	$HHI$	按二级行业计算的赫芬达尔指数(营业收入占比平方和)

3.3. 模型设定与实证策略

为研究企业数字化转型对于企业融资效率的影响，设定式(1)进行检验：

$\begin{array}{c}Debtef{f}_{i,t}=\beta +{\beta }_{1}DC{G}_{i,t-1}+\sum \beta CVs+\sum Year+\sum Ind+\epsilon \end{array}$ (1)

其中，i代表企业，t代表年份；$Debtef{f}_{i,t}$ 为企业i第t年的融资效率；$DC{G}_{i,t-1}$ 为企业i第$t-1$ 年的数字化转型水平；CVs为控制变量集合；$\epsilon$ 为模型随机误差项。为提升回归结果的可靠性，本文还进行了如下的基础处理，首先，考虑到数字化转型对于融资效率的影响存在一定的时间滞后性，同时为了防止反向因果的出现，因此本为对于核心解释表变量进行了滞后1期的处理，第二，本文同时控制了时间(Year)和行业(Ind)变量，以尽可能吸收固定效应。

4. 实证结果分析

4.1. 描述性统计

表2报告了主要变量的描述性统计结果。从中可以看出，融资效率($Debtef{f}_{i,t}$ )的均值为0.715，标准差为0.097；数字化转型水平($DC{G}_{i,t-1}$ )的均值为1.434，标准差为1.428，表明样本企业数字化转型水平存在一定差异；控制变量方面，企业规模(Size)、资产负债率(Lev)等其他控制变量的取值范围均在合理区间内，未出现明显异常。

Table 2. Descriptive statistics

表2. 描述性统计

Variable	Obs	Mean	Std.Dev.	Min	Max
$Debteff$	47,417	0.7147596	0.0973815	0.2592	1
$DCG$	50,606	1.434115	1.428655	0	6.380123
$Dual$	49,987	0.3065997	0.4610863	0	1
$Size$	51,182	22.23603	1.486831	13.7633	31.5192
$Lev$	49,987	0.4123399	0.2074647	0.0277945	0.910388
$ROA$	49,987	0.0332595	0.0668618	−0.5562487	0.2223428
$Growth$	51,460	0.426701	21.7659	−1	4719.612
$Age$	51,471	2.96264108	0.345667663	0.693147	4.304065
$Cashflow$	47,574	0.0454912	0.0943432	−10.21623	2.221612
$Fixed$	49,987	0.2026481	0.1548784	0.0014824	0.7336846
$Top1$	49,987	0.3369766	0.148467	0.074872	0.757854
$HHI$	49,961	0.2155953	0.2079434	0.022533	1

4.2. 基准回归结果

表3报告了“企业数字化转型–融资效率”关系的核心检验结果。本文主要采用了递进式的回归测度。其中模型M (1)仅进行核心解释变量与被解释变量的固定效应回归，数字化转型指标(DCG)的回归系数为−0.0121，模型M (2)在M (1)基础上，添加了时间和行业规定效应，企业数字化转型指标(DCG)的回归系数为−0.0036；模型M (3)在模型M (1)的基础上纳入了控制变量合集，未添加时间与行业变量，相关回归系数相较于M (1)有所缩小，可以理解为在纳入了控制变量后，部分融资效率的影响因素被控制变量吸收，显著性仍然不变；模型M (4)则是纳入了所有控制变量以及固定效应，结果仍然显著。由此本文的假说H1得到了经验证据支持。

Table 3. Enterprise digital transformation and financing efficiency

表3. 企业数字化转型与融资效率

	M (1)	M (2)	M (3)	M (4)
$DCG$	−0.0121^*** (0.0003)	−0.0036^*** (0.0004)	−0.0019^*** (0.0003)	−0.0021^*** (0.0003)
$Dual$			0.0015 (0.0007)	0.0004 (0.0008)
$Size$			0.0026^*** (0.0005)	0.0056^*** (0.0006)
$Lev$			−0.3148^*** (0.0022)	−0.3005^*** (0.0024)
$ROA$			−0.0832^*** (0.0046)	−0.0850^*** (0.0047)
$Growth$			0.0003^*** (0.00003)	0.0003^*** (0.00003)
$Age$			−0.0025^*** (0.00007)	−0.826^*** (0.0042)
$Cashflow$			0.0146^*** (0.0037)	0.0172^*** (0.0038)
$Fixed$			−0.0927^*** (0.0029)	−0.0823^*** (0.0033)
$Top1$			0.0927^*** (0.0032)	0.0886^*** (0.0039)
$HHI$			0.0100^*** (0.0020)	0.0088^*** (0.0023)
$\epsilon$	0.7323^*** (0.0006)	0.7458^*** (0.0013)	0.8381^*** (0.0094)	0.9402^*** (0.0163)
$Year$	NO	YES	NO	YES
$Ind$	NO	YES	NO	YES
$N$	47,324	47,324	41,135	41,135
$adj.R^2$	0.0276	0.0892	0.4156	0.4282

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

4.3. 稳健性检验

特殊时期，宏观经济环境和企业经营状况受到显著冲击，可能影响实证结果的可靠性。为此，表4的S (1)列剔除2019年后的样本数据，重新进行回归。表4中S (1)模型剔除了2019年及以后的数据样本，截取了2010年~2018年的样本进行回归，发现企业数字化程度对于企业融资效率仍然有显著影响，保持结论不变。

北上广等大城市的地区市场化发展水平、金融资源配置水平与其他地区存在较大差异，可能对实证结果产生干扰。为了防止高数字化程度地域的干扰，S (2)剔除注册地为北京、上海、广州的样本企业，重新回归，DCG的系数为−0.0007，仍然保持显著水平，与基准回归结果一致，进一步验证结论稳健性。

Table 4. Robustness test

表4. 稳健性检验

	S (1)	S (2)
$DCG$	−0.0021^*** (0.0005)	−0.0007^** (0.0003)
$CVs、Year、Ind$	YES	YES
$N$	21,206	33,054
$adj.R^2$	0.3779	0.4855

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

4.4. 内生性检验

尽管本文采用滞后一期的数字化转型数据缓解了反向因果问题，但仍可能存在遗漏变量等内生性问题。本文采用滞后三期的数字化转型水平(DCG_L3)作为工具变量，进行两阶段最小二乘回归。

为处理内生性问题，构建工具变量回归模型如下：

第一阶段：

$DC{G}_{i,t-1}^{\wedge }=\Pi +{\Pi }_{1}DCG\_L{3}_{i,t-3}+\sum \Pi CVs+\sum Year+\sum Ind+\mu$ (2)

第二阶段：

$\begin{array}{c}Debtef{f}_{i,t}=\Psi +{\Psi }_{1}DC{G}_{i,t-1}^{\wedge }+\sum \Psi CVs+\sum Year+\sum Ind+\nu \end{array}$ (3)

其中，DCG_L3为企业i第$t-3$ 年的数字化转型水平(滞后三期，对应DCG的滞后三期)；DCG^为第一阶段回归得到的数字化转型水平拟合值。

Table 5. Instrumental variable test

表5. 工具变量检验

	Q (1)	Q (2)
$DCG$		−0.0050^** (0.0012)
$DCG\_L3$	0.2796^*** (0.0053)
$CVs、Year、Ind$	YES	YES
$N$	34,238	34,238
$adj.R^2$		0.3515

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

表5报告了工具变量回归结果，第一阶段Q (1)回归中，DCG_L3的系数显著，且F统计量远大于10，说明该工具变量是一个强工具变量；第二阶段Q (2)回归中，DCG的系数为−0.0050且显著，与基准回归结果一致，说明在控制内生性问题后，研究假设H1依然成立，结论具有可靠性。

4.5. 异质性分析

企业产权性质是影响企业资源获取、治理机制与政策约束的重要因素，国有控股企业与非国有控股企业在企业规模，融资情况，盈利能力等方面存在差异。同时，两类企业的数字化转型动机与资源投入能力也存在差异，这可能导致数字化转型与融资效率之间异质性的关系。

基于上述情况，表5将样本企业分为国有控股企业和非国有控股企业两组，分别进行回归。表6的P (1)列和P (2)列分别报告了回归结果，国有控股企业组DCG的系数为−0.0033，非国有控股企业组DCG的系数为−0.0013。这可能是由于国有控股企业的体量总体大于非国有控股企业，对于融资的需求相对大，因此数字化转型对于融资效率的提高更明显。

地区市场化发展水平也是衡量地区制度环境完善性的重要指标。在地区市场化发展水平较高的地区，市场机制更健全、信息透明度更高，企业融资决策更依赖市场信号，数字化转型对信息不对称的改善效果可能被市场环境稀释；而地区市场化发展水平较低的地区与市场发展的适配性相对较弱，且有信息流通效率差异，企业融资面临更强的约束，此种情况下数字化转型在突破信息流通效率差异、优化融资流程中作用可能更为突出，进而导致二者之间存在差异。表6以年度地区市场化发展水平中位数为分界点，将大于中位数的样本分为中位数以上组，其余分为中位数以下组，分别进行回归。表5的P (3)列和P (4)列显示，中位数以上组DCG的系数为−0.0019，中位数以下组DCG的系数为−0.0027。说明数字化转型对融资效率的正向影响在不同地区市场化水平的环境中均成立，且在地区市场化水平低于中位数的地区更明显。

Table 6. Heterogeneity test

表6. 异质性检验

	P (1)	P (2)	P (3)	P (4)
DCG	−0.0033^*** (0.0006)	−0.0013^*** (0.0004)	−0.0019^*** (0.0005)	−0.0027^*** (0.0005)
划分依据	国有控股企业	非国有控股企业	中位数以上组	中位数以下组
CVs、Year、Ind	YES	YES	YES	YES
N	13,744	27,391	21,292	19,843
adj.$R^2$	0.2876	0.4827	0.4376	0.4133

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

4.6. 机制分析

为揭示数字化转型影响企业融资效率的内在路径，本节以融资约束机制检验，探究数字化转型如何提升企业融资效率。

结合现有研究[15]，本节对于机制变量定义如下：

类同现有文献，内源融资约束通过现金存量比率测度，指标值越高，表明企业内部资金储备越充裕、盈利积累能力越强，内源融资约束越弱；以企业信用特征衡量外源融资约束，表明企业从外部资本市场获取资金的受限程度，指数越大，表明企业外源融资可得性越高，约束越低。

机制检验结果如表7所示，数字化转型(DCG)在Z (1)列和Z (2)列的回归系数均通过1%水平的显著性检验，表明数字化转型能显著缓解内源融资约束与外源融资约束，进而为融资效率提升提供支撑。

从内源融资约束缓解路径来看，数字化转型通过大数据、人工智能等技术优化业务流程、精准匹配市场需求，有效降低经营成本[16]、提升盈利水平，增加内部资金积累；同时，数字化管理系统的应用减少资金闲置[17]、提高资金周转效率，使企业现金存量比率显著提升，增强内部资金供给能力，从源头缓解内源融资约束，为融资效率提升奠定基础。

在外源融资约束缓解路径上，数字化转型推动企业信息披露规范化、透明化，降低企业与外部资金供给者之间的信息不对称[18]，减少逆向选择与道德风险带来的融资摩擦，降低外源融资的信息成本。

内外源融资约束的缓解形成协同效应。内源融资约束缓解减少了企业对高成本外源融资的依赖，直接降低综合融资成本；外源融资约束缓解则在内部资金不足时，为企业提供低成本、便捷的外部资金支持，避免投资机会流失。二者共同作用下，企业资金配置效率持续优化、融资成本稳步降低，最终实现融资效率的显著提升。

Table 7. Mechanism test

表7. 机制检验

	Z (1)	Z (2)
DCG	0.0036^*** (0.0007)	0.0045^*** (0.0007)
CVs、Year、Ind	YES	YES
N	34,682	34,682
adj.$R^2$	0.2502	0.5599

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

5. 进一步讨论：股权制衡的调节效应

5.1. 调节效应模型构建

当前背景下，企业数字化转型(DCG)对融资效率的影响呈现出复杂性而股权制衡(Balance)作为公司治理的衡量维度之一，其本质是通过分散股权、形成股东间的权力制衡，减少控股股东的“利益侵占行为”[19]、抑制管理层的非理性决策[20]。在数字化转型的场景中，企业往往面临技术迭代快、资源投入不确定性高的问题[21]，完善的股权制衡能够通过多主体的监督与决策制衡，让数字化转型的资源配置更理性、风险控制更到位，从而强化转型对提高融资效率的正向影响。

为检股权制衡起到的调节效应，本部分在基准回归模型中加入数字化转型与股权制衡的交互项(DCG × Balance)，构建如下模型：

$\begin{array}{c}Debtef{f}_{i,t}={\alpha }_0+{\alpha }_{1}DC{G}_{i,t-1}+{\alpha }_{2}Balanc{e}_{i,t}+{\alpha }_{3}DC{G}_{i,t-1}\times Balanc{e}_{i,t}+\sum \alpha CVs+\sum Year+\sum Ind+\sigma \end{array}$ (4)

其中，Balance为股权制衡度，以第二至第十大股东持股比例之和与第一大股东持股比例的比值衡量；DCG × Balance为数字化转型与股权制衡的交互项。

5.2. 调节效应回归结果

表8报告了调节效应回归结果。P (1)列为加入股权制衡度(Balance)的回归结果；P (2)列为加入交互项(DCG × Balance)后，DCG的系数显著为负，交互项(DCG × Balance)的系数为−0.0012。说明股权制衡能够强化数字化转型对融资效率的正向影响，研究假设H2成立。这一结果表明，完善的公司治理结构能够更好地发挥数字化转型的积极作用，进一步优化企业融资效率。

Table 8. Regression of moderation effect

表8. 调节效应回归

	P (1)	P (2)
DCG	−0.0021^*** (0.0003)	−0.0011^** (0.0004)
Balance	0.0235^** (0.0009)	0.0229^*** (0.0011)
DCG × Balance		−0.0012^*** (0.0004)
CVs、Year、Ind	YES	YES
N	41,135	41,135
adj.$R^2$	0.4316	0.4360

注：^***、^**、^*分别表示在1%，5%，10%的显著性水平。

6. 研究结论与启示

6.1. 研究结论

本文以2010~2024年中国A股上市公司为研究样本，系统考察企业数字化转型对融资效率的影响，并探究股权制衡的调节效应，结合稳健性检验与异质性分析，得出以下核心结论：

第一，数字化转型显著提升企业融资效率，这一结论通过了剔除2019年后疫情样本、剔除北京、上海、广州地区样本等稳健性检验，工具变量法处理内生性问题后依然成立。第二，无论企业产权性质、所在地区市场化发展水平，数字化转型对提高融资效率的影响均显著成立。第三国有控股企业中数字化转型的融资效率提升效应程度强于非国有控股企业；地区市场化发展水平低于中位数地区的企业数字化转型效应较高。第四，股权制衡显著强化数字化转型的融资优化效应。第五，数字化转型通过拓宽企业内源融资约束与外缘融资约束，提高融资效率。

6.2. 政策建议

企业层面。首先推进数字化转型精准落地。企业应通过大数据、人工智能等技术优化业务流程，降低与金融机构的信息不对称。同时结合自身规模与行业特征制定差异化转型路径，国有控股企业可依托资源优势加大核心技术投入，非国有控股企业可聚焦细分场景，实现效率突破。其次，构建适度股权制衡的治理结构，优化股权配置，避免股权过度集中或分散。通过完善中小股东参与机制等方式形成合理制衡，发挥股权制衡对数字化转型决策的监督作用，最大化融资效率提升效应。

政策层面。首先优化数字化转型支持政策体系。落实《“十四五”数字经济发展规划》要求，针对不同产权、不同规模企业推出差异化扶持政策，加大对地区市场化发展水平较低区域企业的政策帮扶，借助其更明显的影响系数，搭建区域数字化公共服务平台、引入技术服务商，完善地区融资市场。其次，完善数字化转型与融资对接机制。建立企业数字化水平认证体系，强化信息披露监管，减少资本市场信息不对称，为融资效率提升奠定制度基础。同时，引导企业优化公司治理结构。通过发布治理指引、推广优秀案例等方式，引导企业重视股权制衡的治理价值，完善股东权利制衡机制与决策监督机制，推动公司治理与数字化转型深度协同。

NOTES

^*第一作者。