數字金融對企業數字化轉型的影響和機制研究
——來自中國A股制造業上市企業的經驗證據

潘 藝 張金昌

1（中國社會科學院大學研究生院，北京 102488）2（中國社會科學院工業經濟研究所，北京 100006）

引 言

我國 “十四五”規劃明確指出 “加快建設數字經濟、數字社會、數字政府，以數字化轉型整體驅動生產方式、生活方式和治理方式變革”的目標。黨的二十大再次強調 “建設數字中國”的戰略目標。通過數字化轉型、促進數字經濟發展，已成為引領經濟社會變革、推動中國經濟高質量發展的重要引擎［1］。制造業是我國經濟的重要基礎［2］，許多制造業企業通過數字化轉型獲得了成功，如海爾通過數字化轉型成為了全球最大的家電制造商，步科、正泰等制造業企業通過數字化轉型促進了企業發展，但更多企業的數字化轉型進程并不順利。國家信息中心 《中國產業數字化報告（2020）》顯示，企業因轉型能力弱出現 “不會轉”、因轉型成本高出現 “不愿轉”、因轉型 “陣痛期”長出現 “不敢轉”等現象，埃森哲 《2021中國企業數字化轉型指數》報告顯示，只有16%的中國企業數字化轉型成效顯著。許多企業對是否進行數字化轉型存在困惑，甚至部分企業因數字化轉型陷入 “不轉型等死、轉型找死”的兩難困境。其主要原因就是企業數字化轉型是一個不斷迭代的長期過程［3］， 需要企業投入大量資金［4，5］，而大部分企業自有資金不足，只能依賴外部融資解決資金問題，而融資問題一直是阻擾我國企業發展的 “阿喀琉斯之踵”［6］。

近些年，大數據、人工智能、云計算等數字技術發展迅速，數字技術與傳統金融的融合，推動我國金融業邁入了數字金融時代［2］。數字金融的出現和發展有效彌補了傳統金融的短板，降低了金融服務的門檻和服務成本，改善了企業的融資環境［7］，但數字金融發展對制造業企業數字化轉型的影響如何，是起到了促進作用還是抑制作用？以及通過哪些渠道影響了企業數字化轉型？目前鮮有文獻進行研究，因此本文利用2011～2020年制造業上市企業數據，以及企業所在城市的數字金融和數字化轉型數據，研究數字金融對企業數字化轉型的影響和傳導機制，拓展了數字金融、數字化轉型的研究范圍，充實了相關研究文獻，揭開了數字金融與企業數字化轉型之間的＂黑箱＂，為政府出臺相關金融政策，更好的促進企業數字化轉型提供了實踐證據。

1 文獻綜述和研究假設

1.1 文獻綜述

數字金融是指與新興數字技術應用相關的所有金融產品和金融服務，是一種新型金融業態［8］，相較于傳統金融而言，數字金融具有更高的可獲得性、更廣的覆蓋范圍和更低的服務成本［7］。一些學者從宏觀角度上研究后認為，數字金融能夠顯著地提升社會保障水平［9］、縮小城鄉收入差距［10］、促進地區高質量發展［6］；更多的學者從微觀角度上進行研究發現，數字金融能通過緩解企業的融資約束［11］， 激勵企業創新［12］， 促進企業高質量發展［6］；但也有學者研究發現，數字金融發展對銀行帶來負面影響［13］， 加劇銀行的風險［14］， 對企業有不利的影響［15］。

雖然目前學術界對數字化轉型的定義及其涵蓋范圍還缺乏共識［16］，但以大數據、人工智能、云計算等數字技術的運用推動企業生產方式的革新［17］，作為企業數字化轉型的研究方向已經得到普遍共識。眾多學者研究發現，企業數字化轉型能夠顯著提升企業經營效率［18］、推動企業高質量發展［19］、 促進企業成長［20］， 因此肯定了企業數字化轉型的積極效果；也有部分學者研究后認為，企業數字化轉型面臨著資金［4，5］、 人才［19，21］、 技術［16］等多方面問題，使得企業數字化轉型困難甚至失敗，因此對企業數字化轉型的效果尚無定論。

通過以上文獻研究發現，數字金融與企業數字化轉型存在一定的關聯性：數字金融發展緩解了企業的融資約束，使得企業能夠通過外部融資獲得更多的資金，而充足的資金又是企業數字化轉型的保障。但是上述文獻并沒有深入分析數字金融和企業數字化轉型之間的關系和影響機制，因此給本文的研究提供了方向。

1.2 研究假設

數字金融利用大數據、互聯網、云計算等技術，緩解了金融機構和企業之間信息不對稱性的問題，降低了金融機構的服務成本、提高了信貸效率，并且數字金融打破了傳統金融的空間和時間限制［11］，使得原先那些無法獲取金融服務或被排除在傳統金融體系之外的企業能夠通過數字金融的平臺和渠道來獲取服務［22］。數字金融發展緩解了企業的融資約束，使得企業獲得外部融資資金更加便捷和高效［11］。制造業企業數字化轉型最大的障礙是沒有足夠的資金［4］，而數字金融發展克服了企業數字化轉型中的最大障礙，有力的保障并促進了企業數字化轉型的開展。據上分析，本文提出：

假設1：數字金融發展能促進制造業企業數字化轉型。

企業數字化轉型是一項全方位、多角度變革的復雜系統工程，涉及技術、業務、流程、制度等各環節各個崗位的全員參與。制造業企業現有的人員結構不足以支撐和實施數字化戰略的落地，因此需要引進有數字技術背景的高素質專業人才支撐企業數字化轉型。企業數字化轉型并不是簡單的購買軟件和硬件設備，而是利用數字化技術對現有流程和系統的再造。我國大多數制造業企業數字基礎設施建設仍較薄弱，企業在一些領域普遍缺乏技術標準和接口［23］，因此需要通過研發投入進行平臺和系統建設，實現企業數字化轉型的目標。無論是高素質人才的引進還是研發投入，都需要資金的支持，而數字金融發展為企業資金需求提供了保障。綜上分析，本文提出：

假設2：數字金融通過引進高素質人才的途徑促進了制造業企業數字化轉型。

假設3：數字金融通過促進研發投入的途徑促進了制造業企業數字化轉型。

2 模型設計和數據說明

2.1 模型設計

為了驗證假設1，設計如下模型 （1）：

其中，Digit是被解釋變量，表示制造業企業數字化轉型，DiFin是解釋變量，表示企業所在城市的數字金融指數，Control是控制變量，Year、Pro和Ind分別為年度、地區和行業固定效應，ε表示殘差項，i表示企業，t表示年度。根據本文假設2和假設3，借鑒溫忠麟和葉寶娟 （2014）［24］的中介效應檢驗方法，設計如下傳導機制模型 （2）和 （3）：

其中，MVit是中介變量，分別為人才引進（Hum）和研發投入（RDP）。通過對模型 （2）中系數β1和模型 （3）中系數γ3的顯著性識別企業人才引進和研發投入的中介效應，并且分別使用Sobel和Bootstrap進行檢驗，最終確定本文假設2和假設3是否成立。

2.2 變量說明

（1）被解釋變量。數字化轉型（Digit），采用廣東金融學院的上市企業數字化轉型指數進行衡量。該數據是廣東金融學院基于2007～2020年滬深A股上市企業披露的年報文本信息，運用大數據文本分析和因子分析的雙重量化工具統計而成。企業數字化轉型還可以細分為：人工智能技術、大數據技術、云計算技術、區塊鏈技術和數字技術運用5個維度。以上數據取對數后，作為本文研究的被解釋變量。

（2）解釋變量。數字金融（DiFin），采用北京大學數字金融研究中心的數字普惠金融指數進行衡量。該數據目前已經涵蓋了2011～2020年全國31個省（區、市）、337個地級以上城市以及約2800個縣（級市、旗轄區等）（考慮到數據的可獲得性，不包含港、澳、臺地區）。數字金融還可以細分為：覆蓋廣度、使用深度和數字化程度3個維度。本文采用制造業上市企業所在城市的數字普惠金融指數數據進行研究，并使用明細數據做異質性分析。以上數據取對數后，作為本文研究的解釋變量。

（3）中介變量。根據上文的研究假設，本文選取人才引進（Hum）和研發投入（RDP）作為中介變量。關于人才引進的指標，本文參考肖曙光和楊潔 （2018）［25］的方法，以本科及以上學歷員工數占總員工數的比例作為人才引進的度量指標；關于企業研發投入指標，本文參考黃群慧等 （2019）［26］的方法，采用人均研發投入作為研發投入的度量指標。

（4）控制變量。參考相關學者的文獻，并綜合考慮數據可得性和相關性，本文選取企業年齡（Age）、 企業規模（Size）、 資產負債率（Lev）、 資本要素密集度（Cap）、股權集中度（Ten）、兩職合一（Dual）、 獨立董事比例（Inde）、 審計意見（Aud）作為控制變量。

上述各變量如表1所示，各變量方差膨脹系數（VIF）的計算結果均小于10，說明各變量之間不存在嚴重共線性問題。從表1各變量描述統計結果來看，數字化轉型Digit的均值為1.9779，標準差為1.5732，表明數字化轉型數據呈現正態分布，其最大值和最小值分別為5.3565和0，表明不同企業間的數字化轉型存在較大差異；數字金融DiFin均值為5.1900，標準差為0.4457，最大值和最小值分別為5.7708和4.0167，表明數字金融DiFin在不同地區的發展程度也存在一定差異，使得本文研究具有一定的現實意義。另外本文選取的控制變量分布值域也比較廣，能夠對本文的研究起到一定的控制作用，對本文的研究也有一定影響作用。

表1 各變量說明和描述性統計

2.3 樣本選擇與數據來源

本文選擇2011～2020年A股制造業企業作為初始研究樣本。其中企業數據來源于Wind系統數據庫，企業所在城市的數字金融指數數據來源于北京大學數字金融研究中心 《北京大學數字普惠金融指數》，企業的數字化轉型數據來源于廣東金融學院 《中國上市企業數字化轉型指數評價研究報告》。在進行樣本篩選過程中，按照以下原則進行處理：（1）剔除ST等經營不善的上市企業；（2）剔除營業收入和現金流小于0的經營數據異常和不連續的觀測值； （3）剔除數字金融數據地市級數據和上市企業地市級數據不匹配（變量缺失）的觀測值。經過上述處理，最終得到2011～2020年間19831個樣本數據（基于數據的可獲得性，不包括港、澳、臺地區）。為了消除異常值的影響，本文對所有連續變量1%和99%分位上進行了Winsorize處理。本文使用的分析軟件為Stata15。

3 實證分析

3.1 基本回歸

表2報告了數字金融和企業數字化轉型的回歸結果。列 （1）和 （2）結果顯示，在加入控制變量前后系數DiFin在1%水平上顯著為正，表明數字金融能促進制造業企業數字化轉型；在此基礎上分別加入時間、地區和行業固定效應后回歸，列 （3）和 （4）的回歸結果顯示系數DiFin在1%水平上仍然顯著為正，進一步表明數字金融發展能促進制造業企業的數字化轉型，本文假設1成立。數字金融發展降低了制造業企業獲得信貸資金的門檻、縮短借款審批流程，使資金的回報率上升［27］，充沛的資金有助于制造業企業開展數字化轉型。

表2 基本回歸

3.2 穩健性檢驗

（1）替換被解釋變量。本文首先采用省級數字金融數據替換被解釋變量進行穩健性檢驗，結果如表3列 （1）和 （2）所示。從回歸結果來看，在加入控制變量和固定效應前后，系數DiFin分別在10%和1%水平上顯著為正，表明在更換被解釋變量后，數字金融能促進制造業企業數字化轉型的結論依然成立，本文假設1初步得到驗證。

（2） 剔除異常值。 借鑒唐松等 （2020）［28］、潘藝等 （2023）［29］的方法，考慮到2015年中國股災和2020年新冠肺炎疫情對上市企業的影響，以及直轄市存在較大經濟特殊性對數字金融發展的影響，所以將上述不易觀測卻又真實存在的重大影響因素剔除，然后分別進行回歸，結果見表3列 （3）～（6）所列。從回歸結果來看，加入控制變量前后系數DiFin在1%水平上顯著為正，表明在剔除異常值后，數字金融有助于制造業企業數字化轉型的結論成立，本文假設1再次得到驗證。

表3 穩健性檢驗-剔除異常值

（3）內生性檢驗。為避免反向因果問題，減少內生性的干擾，本文參考楊君等 （2021）［30］的處理方法，對數字金融變量進行了滯后1期、滯后2期和滯后3期處理。并且借鑒黃群慧等 （2019）［26］的方法，選取各城市1985年每百人固定電話數量和每萬人郵局數量作為地區數字金融發展的工具變量。從內生性檢驗結果（表略）來看，F值均遠超過臨界值（10），所以可以排除弱工具變量的問題，說明本文選取的工具變量合理有效。在考慮了潛在的內生性問題之后，回歸系數DiFin依然顯著為正，說明數字金融發展對制造業企業數字化轉型有顯著促進作用，本文假設1又一次得到驗證。

（4）更換標準誤聚類層級。為了使回歸結果穩健，本文檢驗了標準誤聚類層級的穩健性（表略）。從回歸結果來看，行業聚類、地區聚類、行業*地區聚類和企業聚類的顯著性并沒有發生顯著變化。因此，可以認為數字金融發展可以促進制造業企業數字化轉型的結論不會隨著標準誤層級的改變而發生明顯的波動，進一步驗證了本文假設1結果穩健。

4 進一步研究：傳導機制和異質性分析

4.1 傳導機制分析

（1）人才引進的機制分析。將人才引進（Hum）作為中介變量代入模型 （2）和 （3）后回歸，結果如表4列 （2）和 （3）所示。列 （2）的系數DiFin在1%水平上顯著為正，表明數字金融發展能促進制造業企業人才引進；列 （3）的系數Hum在1%水平上顯著為正，系數DiFin不顯著，表明數字金融發展通過人才引進促進了制造業企業數字化轉型，其中人才引進起到了完全中介效應，本文假設2初步成立。針對上述結果，本文先進行Sobel檢驗，結果顯示P為0（小于0.05），驗證了人才引進（Hum）的中介效應存在；再使用Bootstrap檢驗，在1000次抽樣后回歸結果顯示95%置信區間為［0.1259，0.1548］（區間結果不包含0），再次驗證了人才引進（Hum）的中介效應存在，本文假設2驗證成立。主要原因是：隨著數字技術的推廣應用，企業原有人員架構不能有效支撐企業數字化轉型。數字金融發展使得企業獲得更多的融資資金，有助于企業招聘高素質人才來支持企業數字化轉型。隨著高素質人才的加入，相關人才在不同的崗位上發揮作用，有效地支撐并促進了企業數字化轉型。

（2）研發投入的機制分析。按照上述方法將研發投入（RDP）作為中介變量進行回歸，結果如表4列 （4）和 （5）所示。回歸結果表明，數字金融發展可以促進企業研發投入，企業的研發投入促進了企業數字化轉型，其中研發投入起到了部分中介效應作用，本文假設3成立。Sobel和Bootstrap檢驗結果表明研發投入的中介效應存在，因此本文假設3驗證成立。主要原因是：制造業企業的數字化轉型需要研發投入，而研發投入又需要持續的資金支持，數字金融發展緩解了企業融資困境，讓企業比以往能獲得更充足的資金，因而有效的促進了制造業企業的數字化轉型。

表4 傳導機制分析-人才引進和研發投入

4.2 異質性分析

（1）數字金融異質性分析。數字金融指數包含：覆蓋廣度（DiExt）、使用深度（DiDep）和數字化程度（DiLev）3個維度，不同維度的發展對企業數字化轉型的影響可能存在異質性。表5回歸結果表明：覆蓋廣度、使用深度和數字化程度3個維度都能促進制造業企業數字化轉型，其中使用深度對企業數字化轉型的影響最大，覆蓋廣度次之，數字化程度最小。從 《北京大學數字普惠金融指數》報告來看，2015年后，使用深度和覆蓋廣度呈現增長趨勢，前者明顯快于后者，而數字化程度呈現小幅下降趨勢。從3個維度對企業數字化轉型的影響程度來看，同樣呈現使用深度影響程度最大，數字化程度最弱，只有覆蓋廣度的41.87%，使用深度的31.46%。由此可見，數字化金融各細分維度的發展對企業數字化轉型的影響有顯著相關性，其中使用深度的影響最大。

表5 異質性分析-數字金融異質性

（2）數字化轉型異質性分析。制造業企業的數字化轉型包括：人工智能技術（AI）、大數據技術（DATA）、云計算技術（Cloud）、區塊鏈技術（Block）和數字技術運用（APP）5個維度，數字金融發展對數字化轉型的不同維度存在異質性影響。表6回歸結果表明：數字金融對大數據技術、云計算技術和數字技術運用都有促進作用，而對人工智能技術、區塊鏈技術沒有顯著影響。從對比來看，數字金融對云計算技術影響作用最大，數字技術運用次之，大數據技術最小。可能原因是：制造業企業的數字化轉型中，大數據技術是一項基礎性建設工作，比較容易實現；企業的信息系統將收集到的數據進行整理、計算、統計并出具不同維度的分析報表，為不同管理層提供決策依據，因而促進了云計算技術的快速發展；企業APP的廣泛使用，促進了數字技術的廣泛應用；相比之下，我國人工智能還在起步階段，沒有實現深度的應用，數字貨幣也在調試階段，區塊鏈技術也沒有廣泛應用。

表6 異質性分析-數字化轉型異質性

（3）企業規模異質性分析。按照企業規模的差異，可以分為大型、中型和小型企業。從表7列 （1）～（3）的回歸結果來看，數字金融發展對大中型企業的數字化轉型有顯著促進作用，而對小型企業的數字化轉型有抑制作用。進一步研究發現，人才引進和研發投入在數字金融對大中型企業數字化轉型過程中都起到了中介效應，而在小型企業的數字化轉型過程中，人才引進和研發投入并沒有起到中介效應。因此，小型企業無法像大中型企業成功數字化轉型的原因可能是：小型企業基礎比較薄弱，人才和技術比較欠缺，數字金融雖然緩解了小型企業融資困境，但數字化轉型需要持續投入大量資金用于人才引進和研發投入，而小型企業往往缺乏持續的資金投入，因此制約了數字化轉型；另外，數字化轉型是一個非常復雜的過程［31］，不僅僅是購買數字化軟件和設備，還要全面推進產品、服務、流程、模式和組織的數字化轉型，需要企業領導層有全面的、整體的、戰略性的思維，相比之下，小型企業的負責人缺少這方面的意識和能力，因此小型企業數字化轉型比較困難甚至失敗。

（4）企業所有制異質性分析。按照企業所有制的差異，可以分為國有、民營、外資和其他企業。從表7列 （4）～（6）的回歸結果來看，數字金融發展對國有企業數字化轉型影響最大，民營企業次之，對外資企業沒有顯著影響。可能原因是：數字化轉型是國家的重要戰略方向，國有企業必須契合國家戰略實現數字化轉型［32］，并且國有企業有國家信譽支撐，資源和市場具有優勢地位，更容易獲得金融機構的青睞，國有企業有比較充足的資金和人才支撐數字化轉型的工作［33］，因此國有企業在數字金融發展過程中，更容易開展并實現數字化轉型；相對于國有企業，民營企業在資金和人才方面明顯缺乏優勢，因此數字金融發展對民營企業數字化轉型的影響力度較弱；而在我國發展的外資企業大多數是國外總部在中國設立的子公司或者合資公司，研發都集中在國外總部，中國子公司往往承擔制造和生產工作，并且其生產設備、技術水平和管理流程都受國外總部的管理和支持，并且都已經達到領先水平，因此我國數字金融發展對外資企業的數字化轉型影響并不顯著。

（5）企業密集性異質性分析。按照制造業企業密度性的差異，可以將企業分類為勞動、資本和技術密集型企業。從表7列 （7）～（9）的回歸結果來看，數字金融發展對技術密集性企業數字化轉型有顯著影響，對勞動和資本密集型企業沒有顯著影響。通過傳導機制研究發現，勞動密集型企業的數字化轉型，人才引進和研發投入都沒有起到中介效應，而技術密集型企業的數字化轉型，人才引進和研發投入都起到了中介效應。由此可見，技術密集型企業的數字化轉型需要大量資金的支持，而數字金融發展正好解決技術密集型企業的資金需求，技術密集型企業在資金支持下，通過人才引進和研發投入，實現了數字化轉型；我國大多數勞動密集型企業仍從事低附加值的手工制作，對通過投入大量資金進行數字化轉型的意識和需求并不高，數字金融發展大多數是解決企業日常經營和生產的資金流問題，因此數字金融對勞動密集型企業的數字化轉型影響并不顯著；我國大量資本密集型企業處于行業壟斷地位，一直受金融機構的青睞，受融資約束影響較少，因此數字金融發展對其數字化轉型的影響也不顯著。

表7 異質性分析-企業規模、所有制、密集性異質性

5 總結和政策建議

5.1 研究總結

本文選取2011～2020年中國A股制造業上市企業為研究樣本，匹配對應的數字金融和數字化轉型數據，通過實證研究發現：（1）數字金融發展能夠顯著促進制造業企業的數字化轉型； （2）作用機制研究發現，數字金融通過人才引進和研發投入的途徑促進制造業企業的數字化轉型；（3）異質性分析顯示：數字金融發展的3個維度都能顯著促進企業轉型，其中使用深度作用最大；數字金融發展能顯著促進大數據、云計算技術的發展，以及數字技術的運用，但對人工智能和區塊鏈技術的發展沒有顯著影響；數字金融能顯著促進大中型企業、國有和民營企業、技術密集型企業的數字化轉型，對外資、勞動和資本密集型企業沒有顯著影響，而對小型企業的數字化轉型有抑制作用。

5.2 政策建議

根據上述研究結論，提出以下3點政策建議：（1）進一步加大數字金融發展的力度，但發展重點應該從覆蓋廣度向使用深度轉移，可以從政策層面上鼓勵和引導金融機構加大數字金融使用深度的發展，在風險可控的基礎上立足于客戶視角進行功能開發和完善，讓數字金融的各項應用更能滿足客戶的需求；（2）國家相關部門牽頭制定并完善數字技術的標準和規范，數字金融大力支持科技公司開發數字化產品，實現企業數字化轉型的統一平臺和管理軟件，在數字金融的支持下推動小微企業和勞動密集型企業逐步開展數字化轉型工作；（3）數字金融重點扶持人工智能和區塊鏈技術，加快人工智能和區塊鏈技術的市場化應用，促進制造業全面數字化轉型的發展；（4）從企業角度來說，應該逐步開展數字化轉型工作，避免因全面開展數字化轉型而造成的資金短缺進而引起的企業風險。