數(shù)字化轉(zhuǎn)型能降低企業(yè)過度負(fù)債嗎？

摘要：防范化解金融風(fēng)險是國家當(dāng)前重要的金融工作之一，從企業(yè)這一微觀主體角度來看，合理安排資本結(jié)構(gòu)、降低過度負(fù)債有利于控制企業(yè)的金融風(fēng)險。為此，本文以2011—2020年我國A股上市公司為樣本，結(jié)合當(dāng)前數(shù)字經(jīng)濟(jì)的發(fā)展，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的降低作用，并分別構(gòu)建了中介效應(yīng)模型和調(diào)節(jié)效應(yīng)模型進(jìn)行進(jìn)一步研究。實(shí)證結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低企業(yè)過度負(fù)債水平，融資約束和內(nèi)部治理環(huán)境在這一過程中發(fā)揮了顯著的中介作用，分析師關(guān)注度和地區(qū)數(shù)字金融水平對這一過程分別發(fā)揮了負(fù)向和正向的調(diào)節(jié)作用，即在分析師關(guān)注度低和地區(qū)數(shù)字金融水平高的條件下，企業(yè)數(shù)字化轉(zhuǎn)型能夠更好地降低過度負(fù)債。本文豐富了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)的相關(guān)研究，同時為降低企業(yè)過度負(fù)債和防范化解金融風(fēng)險提供了新的思路。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；過度負(fù)債；融資約束；治理機(jī)制

中圖分類號： F832；F275" " " 文獻(xiàn)標(biāo)識碼：A" " " 文章編號：1007-0753（2024）02-0070-11

一、引言

隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計算等數(shù)字技術(shù)的不斷發(fā)展，全世界已經(jīng)進(jìn)入了數(shù)字經(jīng)濟(jì)時代。以我國為例，2022年我國數(shù)字經(jīng)濟(jì)規(guī)模達(dá)50.2萬億元，總量穩(wěn)居世界第二，同比名義增長10.3%，占國內(nèi)生產(chǎn)總值的比重提升至41.5%①。黨的二十大報告也明確指出，“加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”。企業(yè)作為國家經(jīng)濟(jì)發(fā)展和資本市場運(yùn)行中的微觀主體，紛紛積極響應(yīng)國家和時代的號召，加入數(shù)字化浪潮，以期通過數(shù)字化技術(shù)實(shí)現(xiàn)在企業(yè)組織架構(gòu)、技術(shù)創(chuàng)新水平、經(jīng)營管理模式等方面的轉(zhuǎn)型（劉慧和白聰，2022）。作為當(dāng)前學(xué)術(shù)界和實(shí)務(wù)界的熱點(diǎn)話題，大量文獻(xiàn)也圍繞企業(yè)數(shù)字化轉(zhuǎn)型研究了其帶來的經(jīng)濟(jì)結(jié)果。一方面，數(shù)字化轉(zhuǎn)型會對企業(yè)多方面的行為選擇產(chǎn)生影響。從信息披露角度來說，數(shù)字化轉(zhuǎn)型改善了企業(yè)的信息環(huán)境，提高了企業(yè)的會計信息可比性（聶興凱等，2022）和業(yè)績預(yù)告質(zhì)量（冼依婷和何威風(fēng)，2022）。從生產(chǎn)經(jīng)營角度來說，數(shù)字化轉(zhuǎn)型增強(qiáng)了企業(yè)的可持續(xù)發(fā)展能力（可持續(xù)發(fā)展能力不與后文中的ESG表現(xiàn)和綠色技術(shù)創(chuàng)新并列），提升了企業(yè)的ESG表現(xiàn)（胡潔等，2023）和綠色技術(shù)創(chuàng)新（宋德勇等，2022），促進(jìn)了企業(yè)節(jié)能減排（劉慧和白聰，2022），提高了企業(yè)的全要素生產(chǎn)率（趙宸宇等，2021）。從投融資角度來說，數(shù)字化轉(zhuǎn)型有助于優(yōu)化企業(yè)資本結(jié)構(gòu)，加快企業(yè)資本結(jié)構(gòu)的動態(tài)調(diào)整（沈劍飛等，2022），抑制企業(yè)的“存貸雙高”異象（毛建輝，2023）。另一方面，數(shù)字化轉(zhuǎn)型的影響還會傳導(dǎo)到資本市場，改善企業(yè)的資本市場表現(xiàn)，包括提升股票流動性（吳非等，2021）、降低股價崩盤風(fēng)險（林川，2022）等。

由于企業(yè)具有最優(yōu)負(fù)債率即目標(biāo)負(fù)債率，當(dāng)實(shí)際負(fù)債率超過目標(biāo)負(fù)債率時就可以稱企業(yè)形成了過度負(fù)債（Leary和Roberts，2005；Graham和Harvey，2001；陸正飛等，2015），而過度負(fù)債問題會影響未來股票市場回報（Caskey等，2012），加劇股價崩盤風(fēng)險（劉麗娜和馬亞民，2018），損害企業(yè)未來的成長性（Uysal，2011），給企業(yè)自身和整體金融市場的穩(wěn)定運(yùn)行帶來風(fēng)險。2023年10月召開的中央金融工作會議指出，“要全面加強(qiáng)金融監(jiān)管，有效防范化解金融風(fēng)險”。在這一背景下，如何降低企業(yè)過度負(fù)債是一個在理論和實(shí)踐中均具有重要意義的研究話題。現(xiàn)有文獻(xiàn)研究了諸多過度負(fù)債的影響因素，總結(jié)起來，降低企業(yè)過度負(fù)債的路徑主要包括緩解融資約束和發(fā)揮治理作用，如放松利率管制（王紅建等，2018）、提高ESG表現(xiàn)（Lai和Zhang，2022）等會通過緩解融資約束降低企業(yè)過度負(fù)債，而存在多個大股東（張淼和孫光國，2022）、混合所有制改革（吳秋生和獨(dú)正元，2019）、審計監(jiān)督（郭檬楠和郭金花，2020）等會通過發(fā)揮治理作用降低企業(yè)過度負(fù)債。

結(jié)合上述對文獻(xiàn)的梳理可以發(fā)現(xiàn)，從資本結(jié)構(gòu)角度探討數(shù)字化轉(zhuǎn)型對企業(yè)影響的成果相對較少，特別是企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的影響尚未得到專門研究，沈劍飛等（2022）雖然在研究企業(yè)數(shù)字化轉(zhuǎn)型加快資本結(jié)構(gòu)動態(tài)調(diào)整的過程中，指出企業(yè)數(shù)字化轉(zhuǎn)型會降低實(shí)際資本結(jié)構(gòu)與目標(biāo)資本結(jié)構(gòu)的偏離程度，但并未重點(diǎn)關(guān)注這一話題，同時對其作用機(jī)制也沒有進(jìn)行更深入的探討。基于此，在當(dāng)前數(shù)字經(jīng)濟(jì)時代的大背景下，本文圍繞企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的影響展開研究，并深入探索其作用機(jī)制，以期對現(xiàn)有研究形成有益補(bǔ)充，豐富相關(guān)領(lǐng)域的研究。

本文的研究可能在以下方面做出了有益的貢獻(xiàn)：第一，從降低過度負(fù)債的角度進(jìn)一步補(bǔ)充了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)結(jié)果的有關(guān)研究，并理清了這一過程的作用渠道；第二，豐富了關(guān)于降低企業(yè)過度負(fù)債路徑的研究，為上市公司降低過度負(fù)債水平、合理安排資本結(jié)構(gòu)提供了經(jīng)驗(yàn)證據(jù)；第三，為資本市場監(jiān)管機(jī)構(gòu)及相關(guān)部門更好地開展金融風(fēng)險防范工作提供了新思路。

二、理論分析與研究假設(shè)

（一）數(shù)字化轉(zhuǎn)型對企業(yè)過度負(fù)債的影響

現(xiàn)有研究表明，數(shù)字化轉(zhuǎn)型對企業(yè)的影響主要表現(xiàn)在信息和治理兩方面。從信息角度來看，數(shù)字化轉(zhuǎn)型能夠降低企業(yè)信息不對稱進(jìn)而緩解融資約束（沈劍飛等，2022；張純和呂偉，2007）；從治理角度來看，數(shù)字化轉(zhuǎn)型能夠改善企業(yè)內(nèi)部治理環(huán)境（李黎和魏文君，2023），同時結(jié)合前文中指出的緩解融資約束和發(fā)揮治理作用能夠降低企業(yè)過度負(fù)債（Lai和Zhang，2022；張淼和孫光國，2022），可以得出企業(yè)數(shù)字化轉(zhuǎn)型能夠通過緩解融資約束以及改善內(nèi)部治理環(huán)境兩個機(jī)制降低過度負(fù)債的觀點(diǎn)。基于以上分析，可以提出本文的主要研究假設(shè)H1。

H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠降低過度負(fù)債。

（二）數(shù)字化轉(zhuǎn)型對企業(yè)過度負(fù)債的影響渠道

從信息角度來看，企業(yè)數(shù)字化轉(zhuǎn)型能夠降低信息不對稱，進(jìn)而緩解融資約束，降低過度負(fù)債。首先，企業(yè)在數(shù)字化轉(zhuǎn)型的過程中會充分利用大數(shù)據(jù)、人工智能等技術(shù)獲取、處理和傳遞生產(chǎn)運(yùn)營中的數(shù)據(jù)，有利于提高企業(yè)輸出的信息質(zhì)量，從而能夠有效提高企業(yè)信息透明度，降低信息不對稱程度（沈劍飛等，2022）。其次，信息不對稱的降低能夠緩解企業(yè)面臨的融資約束。在資金的供求與分配過程中，由于企業(yè)外部投資者與內(nèi)部人之間的信息不對稱，投資者會要求更高溢價，使得企業(yè)的外部融資成本增加，出現(xiàn)融資約束的問題（高敬忠等，2021a），故一般認(rèn)為信息不對稱的存在直接導(dǎo)致了企業(yè)的融資約束。而高質(zhì)量的信息披露則能夠降低信息不對稱，緩解企業(yè)的融資約束（張純和呂偉，2007）。現(xiàn)有大量研究的實(shí)證結(jié)果也支持了企業(yè)數(shù)字化轉(zhuǎn)型有助于緩解融資約束的結(jié)論（王敬勇等，2022；苑澤明等，2022）。最后，融資約束一直被視為造成企業(yè)過度負(fù)債的重要原因之一，同時也是降低企業(yè)過度負(fù)債的重要渠道，如提高ESG表現(xiàn)、放松利率管制等均通過緩解融資約束進(jìn)而降低過度負(fù)債（Lai和Zhang，2022；王紅建等，2018）。由于融資約束的存在，企業(yè)不能按照自己的意愿隨時獲取足額資金，而企業(yè)又需要把握隨時出現(xiàn)的投資機(jī)會，因此企業(yè)需要持有一定量的資金（高敬忠等，2021b），這就造成了企業(yè)的過度負(fù)債。當(dāng)融資約束得到緩解后，企業(yè)能夠按照自己的意愿隨時獲取足額資金，則不需要為把握隨時出現(xiàn)的投資機(jī)會而持有大量的資金（高敬忠等，2021b），因而也就會降低過度負(fù)債水平（Lai和Zhang，2022）。所以，企業(yè)數(shù)字化轉(zhuǎn)型能夠降低內(nèi)外部的信息不對稱程度，緩解融資約束，最終降低過度負(fù)債。因此可以提出假設(shè)H2。

H2：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過緩解融資約束降低過度負(fù)債。

從治理角度來看，企業(yè)數(shù)字化轉(zhuǎn)型能夠改善內(nèi)部治理環(huán)境，緩解代理沖突，進(jìn)而降低過度負(fù)債。首先，企業(yè)在數(shù)字化轉(zhuǎn)型的過程中會充分利用大數(shù)據(jù)、人工智能等技術(shù)重塑管理體系，從而帶來企業(yè)管理模式和管理制度的顛覆性改革（毛建輝，2023），并將所有經(jīng)營、投資、融資等活動的數(shù)據(jù)保存起來，通過數(shù)據(jù)中臺進(jìn)行收集、分析和可視化處理，使得企業(yè)能夠適時監(jiān)控，降低監(jiān)督成本和審查成本，大大提高了企業(yè)的監(jiān)督能力（沈劍飛等，2022），從而發(fā)揮治理作用，緩解企業(yè)的代理沖突。企業(yè)數(shù)字化轉(zhuǎn)型有利于改善內(nèi)部治理環(huán)境，緩解代理沖突，這一結(jié)論也得到了大量實(shí)證結(jié)果的支持（韓冬梅等，2023；李黎和魏文君，2023）。代理沖突同樣是造成企業(yè)過度負(fù)債的重要原因之一，也常被作為影響過度負(fù)債的作用渠道而存在，存在多個大股東、審計監(jiān)督等要素的企業(yè)均發(fā)揮了治理效應(yīng)，通過緩解代理沖突降低企業(yè)過度負(fù)債（張淼和孫光國，2022；郭檬楠和郭金花，2020）。過度負(fù)債本質(zhì)上是企業(yè)各項(xiàng)融資決策的結(jié)果（董屹宇和郭澤光，2019），而這些融資決策的確定和實(shí)施更多地被控股股東和管理層所掌握。管理層的業(yè)績通常源于企業(yè)營收、利潤、規(guī)模等的增長，因而其會有動機(jī)盲目地利用負(fù)債不斷加大投資力度，導(dǎo)致企業(yè)背離目標(biāo)資本結(jié)構(gòu)，形成過度負(fù)債。由于有中小股東的存在，企業(yè)的控股股東并不需要承擔(dān)這種過度負(fù)債帶來的全部風(fēng)險，甚至可能利用手中的控制權(quán)優(yōu)勢掏空企業(yè)資源，侵占中小股東利益，使企業(yè)的過度負(fù)債問題進(jìn)一步惡化。當(dāng)企業(yè)的內(nèi)部治理環(huán)境更差，代理沖突更嚴(yán)重時，其過度負(fù)債問題也更為凸顯，而當(dāng)內(nèi)部治理環(huán)境得到改善，代理沖突得到緩解時，企業(yè)的過度負(fù)債也會相應(yīng)降低（張淼和孫光國，2022）。所以，企業(yè)數(shù)字化轉(zhuǎn)型能夠改善內(nèi)部治理環(huán)境，緩解代理沖突，最終降低過度負(fù)債。因此可以提出假設(shè)H3。

H3：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過改善內(nèi)部治理環(huán)境降低過度負(fù)債。

本文的理論邏輯結(jié)構(gòu)如圖1所示。

（三）分析師關(guān)注的調(diào)節(jié)作用

數(shù)字化轉(zhuǎn)型對企業(yè)行為產(chǎn)生影響的過程中往往會受到各種外部環(huán)境因素的影響。分析師是資本市場中重要的中介，其通過自身專業(yè)知識對所關(guān)注的上市公司信息進(jìn)行分析，并形成高質(zhì)量的研究報告供投資者使用（黃宏斌等，2021）。現(xiàn)有研究表明，分析師關(guān)注會在數(shù)字化轉(zhuǎn)型對企業(yè)行為產(chǎn)生影響的過程中起到調(diào)節(jié)作用。例如夏蕓等（2023）的研究指出，在分析師關(guān)注度低的企業(yè)中，數(shù)字化轉(zhuǎn)型對商業(yè)信用融資的促進(jìn)作用更強(qiáng)。當(dāng)分析師對企業(yè)的關(guān)注度高時，更能夠有效發(fā)揮監(jiān)督治理效應(yīng)，降低企業(yè)代理成本，提高企業(yè)治理效率（范潤和孫雪嬌，2022），相應(yīng)企業(yè)的外部治理環(huán)境較分析師關(guān)注度低的企業(yè)更好。此時數(shù)字化轉(zhuǎn)型發(fā)揮治理效應(yīng)改善內(nèi)部治理環(huán)境的作用相對有限，降低過度負(fù)債的程度也就更低。因此可以提出假設(shè)H4。

H4：分析師關(guān)注在企業(yè)數(shù)字化轉(zhuǎn)型降低過度負(fù)債的過程中能夠發(fā)揮調(diào)節(jié)作用，當(dāng)分析師關(guān)注度低時，企業(yè)數(shù)字化轉(zhuǎn)型能夠更顯著地降低過度負(fù)債。

（四）地區(qū)數(shù)字金融水平的調(diào)節(jié)作用

除了微觀環(huán)境，企業(yè)數(shù)字化轉(zhuǎn)型及其產(chǎn)生的結(jié)果還可能會受到外部宏觀環(huán)境的影響。吳非等（2021）指出，企業(yè)數(shù)字化轉(zhuǎn)型效力的發(fā)揮有賴于數(shù)字金融的支撐，一方面數(shù)字金融的底層架構(gòu)能夠?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型提供有力的外部技術(shù)支撐，另一方面數(shù)字金融的發(fā)展提高了金融與實(shí)體經(jīng)濟(jì)項(xiàng)目匹配的精準(zhǔn)度和效率，為企業(yè)數(shù)字化轉(zhuǎn)型提供了更多資源支撐。地區(qū)數(shù)字金融的發(fā)展帶動了整個地區(qū)的數(shù)字技術(shù)發(fā)展，產(chǎn)生了良好的技術(shù)溢出效應(yīng)，促進(jìn)了當(dāng)?shù)仄髽I(yè)的數(shù)字化轉(zhuǎn)型，并與之形成協(xié)同效應(yīng)，能夠共同降低過度負(fù)債。同時，地區(qū)數(shù)字金融的發(fā)展還能夠?yàn)槠髽I(yè)降低融資門檻、保障融資環(huán)境，強(qiáng)化了數(shù)字化轉(zhuǎn)型對融資約束的緩解作用（花俊國等，2022），也會使數(shù)字化轉(zhuǎn)型更好地降低過度負(fù)債。因此可以提出假設(shè)H5。

H5：地區(qū)數(shù)字金融水平在企業(yè)數(shù)字化轉(zhuǎn)型降低過度負(fù)債的過程中能夠發(fā)揮調(diào)節(jié)作用，當(dāng)?shù)貐^(qū)數(shù)字金融水平高時，企業(yè)數(shù)字化轉(zhuǎn)型能夠更顯著地降低過度負(fù)債。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取了我國2011—2020年A股上市公司為研究樣本，研究了企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的影響。在數(shù)據(jù)篩選過程中，本文剔除了ST、*ST公司和當(dāng)年上市的公司。考慮到樣本數(shù)據(jù)的完整性和金融行業(yè)的特殊性，本文還剔除了存在缺失值的樣本和金融行業(yè)的樣本，最終得到了2011—2020年的23 239個公司-年度樣本。本文所用到的各變量數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。為了防止極端值的影響，本文對使用到的虛擬變量外的所有變量均進(jìn)行了上下1%水平的Winsorize處理。

（二）變量定義與度量

1.被解釋變量：過度負(fù)債（EXLEV）

參考張會麗和陸正飛（2013）的研究，本文使用實(shí)際資產(chǎn)負(fù)債率減去當(dāng)年行業(yè)資產(chǎn)負(fù)債率中位數(shù)的方法度量企業(yè)的過度負(fù)債程度。

2.解釋變量：數(shù)字化轉(zhuǎn)型（DCG）

參考吳非等（2021）和趙宸宇等（2021）的方法，借助文本分析技術(shù)從年報中提取并統(tǒng)計數(shù)字化轉(zhuǎn)型這一關(guān)鍵詞的詞頻刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度。具體來說，將吳非等（2021）整理的人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)、數(shù)字技術(shù)運(yùn)用五個維度76個企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞作為詞庫，使用Python軟件的jieba分詞工具對上市公司年報進(jìn)行文本分析和詞頻統(tǒng)計，即首先在上市公司年報中提取這些關(guān)鍵詞，然后統(tǒng)計加總這些關(guān)鍵詞的詞頻，在此基礎(chǔ)上將加總后的數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻加1取對數(shù)作為構(gòu)造企業(yè)數(shù)字化水平的代理變量DCG。

3.中介變量

針對融資約束的度量，參考Kaplan和Zingales（1997）、高敬忠等（2021a）的做法，計算KZ指數(shù)（KZ）作為企業(yè)融資約束的代理變量。KZ指數(shù)越大，說明企業(yè)的融資約束程度越高。

針對內(nèi)部治理環(huán)境的度量，現(xiàn)有大量研究指出，內(nèi)部控制與企業(yè)的內(nèi)部治理環(huán)境具有密切的聯(lián)系（李維安和戴文濤，2013），內(nèi)部控制質(zhì)量越高，企業(yè)的內(nèi)部治理環(huán)境越好。因此參考李黎和魏文君（2023）的做法，選用企業(yè)內(nèi)部控制質(zhì)量來衡量治理效應(yīng)，具體的內(nèi)部控制質(zhì)量度量數(shù)據(jù)來自迪博的內(nèi)部控制指數(shù)（ICQ）。

4.調(diào)節(jié)變量

針對分析師關(guān)注（Analyst），參考范潤和孫雪嬌（2022）的做法，使用當(dāng)年對該上市公司進(jìn)行過跟蹤分析的分析師（團(tuán)隊）數(shù)量作為代理變量進(jìn)行度量。

針對地區(qū)數(shù)字金融水平（Fin_index），參考翟淑萍等（2022）的做法，以北京大學(xué)數(shù)字金融研究中心編制的《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2020年）》中全國內(nèi)地31個省（直轄市、自治區(qū)）（不包括港澳臺）的數(shù)字普惠金融指數(shù)進(jìn)行度量（郭峰等，2020）。

5.控制變量

本文用到的各控制變量的具體含義和度量方法如表1所示。

（三）模型設(shè)計

為了驗(yàn)證假設(shè)H1，本文設(shè)計了模型（1）來檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的影響：

EXLEVit = β0 + β1DCGit + β2Controlit + year +" industry + εit" " " " " " " " " " " " " " " " " " " " " （1）

模型中Controlit代表控制變量，被解釋變量、解釋變量和控制變量的具體含義及度量見前文。根據(jù)研究假設(shè)H1，本文預(yù)期模型（1）中β1顯著為負(fù)。

為了驗(yàn)證假設(shè)H2和H3，參考江艇（2022）和孫健等（2016）驗(yàn)證中介作用的方法，在模型（1）的基礎(chǔ)上設(shè)計了模型（2）和（3）來檢驗(yàn)融資約束和內(nèi)部治理環(huán)境在企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的影響中發(fā)揮的中介作用。

Mit = α0 + α1DCGit + α2Controlit + year +" "industry + εit" " " " " " " " " " " " " " " " " " " " " " " " " " " （2）

EXLEVit = δ0 + δ1Mit + δ2Controlit + year +" "industry + εit" " " " " " " " " " " " " " " " " " " " "（3）

在模型（2）和（3）中，M為中介變量，包括融資約束和公司治理，其余各變量的定義與度量均與上文相同，此處不再贅述。

為了驗(yàn)證假設(shè)H4和H5，在模型（1）的基礎(chǔ)上增加DCG與調(diào)節(jié)變量MV的交乘項(xiàng)，構(gòu)造模型（4），通過考察DCG×MV的回歸系數(shù)符號和顯著性，檢驗(yàn)分析師關(guān)注和地區(qū)數(shù)字金融水平的調(diào)節(jié)作用。

EXLEVit = λ0 + λ1DCGit + λ2DCGit×MVit + λ3MVit +" " "λ4Controlit + year + industry + εit" " " " （4）

四、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計

表2列示了本文各研究變量的描述性統(tǒng)計結(jié)果。首先，EXLEV 的均值為1.002 5，中位數(shù)為0.266 0，表明樣本企業(yè)的資產(chǎn)負(fù)債率平均高于行業(yè)中位數(shù)1%；其次，DCG的均值為1.328 5，中位數(shù)為1.098 6，標(biāo)準(zhǔn)差為1.394 9，表明不同企業(yè)的數(shù)字化轉(zhuǎn)型程度差異較大；最后，其他各控制變量的均值和中位數(shù)等均在合理范圍，基本滿足正態(tài)分布的要求。

（二）實(shí)證結(jié)果分析

表3列示的是模型（1）的多元回歸結(jié)果。結(jié)果顯示，在控制有關(guān)變量的情況下，DCG的估計系數(shù)為-0.670 9，且在1%水平下顯著，這一結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型程度越高過度負(fù)債水平越低，即企業(yè)數(shù)字化轉(zhuǎn)型有利于降低過度負(fù)債，研究假設(shè)H1得到了實(shí)證結(jié)果的支持。從經(jīng)濟(jì)學(xué)意義上分析，參考文雯和牛煜皓（2023）的做法，采用解釋變量的回歸系數(shù)（-0.670 9）乘以描述統(tǒng)計中的標(biāo)準(zhǔn)差（1.394 9），再除以被解釋變量的標(biāo)準(zhǔn)差（18.023 9）計算經(jīng)濟(jì)顯著性，企業(yè)數(shù)字化轉(zhuǎn)型水平每提升1%，過度負(fù)債降低5.19%，說明企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債產(chǎn)生影響的同時具備統(tǒng)計顯著性和經(jīng)濟(jì)顯著性。

（三）穩(wěn)健性檢驗(yàn)②

1.工具變量法（IV）

針對模型（1）可能存在的互為因果導(dǎo)致的內(nèi)生性問題，本部分運(yùn)用工具變量法對其進(jìn)行處理。首先，參考苑澤明等（2022）的做法，選取某年度行業(yè)中其他企業(yè)的平均數(shù)字化轉(zhuǎn)型程度、城市移動電話數(shù)量以及城市互聯(lián)網(wǎng)寬帶接入用戶數(shù)共同作為工具變量進(jìn)行檢驗(yàn)。其次，參考宋德勇等（2022）的做法，不借助外部因素構(gòu)建有效的內(nèi)部工具變量，使用企業(yè)數(shù)字化轉(zhuǎn)型程度與同行業(yè)以及省份的數(shù)字化轉(zhuǎn)型程度均值差額的三次方作為工具變量進(jìn)行檢驗(yàn)。上述兩種方式選取的工具變量對應(yīng)的Kleibergen-Paap rk LM 統(tǒng)計量分別為330.94和334.57，Kleibergen-Paap Wald rk F 統(tǒng)計量分別為156.76和274.69，說明兩種方式選取的工具變量均通過了不可識別檢驗(yàn)和弱工具變量檢驗(yàn)。第一種方式選取的工具變量對應(yīng)的Hansen J 統(tǒng)計量為7.047，說明此種方式選取的工具變量也能夠通過過度識別檢驗(yàn)。使用兩種工具變量進(jìn)行兩階段最小二乘法（2SLS）第二階段的回歸結(jié)果分別如表4中列（1）和列（2）所示，經(jīng)過IV處理后企業(yè)數(shù)字化轉(zhuǎn)型的回歸系數(shù)估計值仍在1%的顯著性水平下為負(fù)，說明上文中得出的結(jié)論具有較好的穩(wěn)健性。

2.傾向得分匹配法（PSM）

企業(yè)可能會因?yàn)樽陨硖卣鞑町惍a(chǎn)生的樣本選擇問題而影響回歸結(jié)果的有效性，參考王應(yīng)歡和郭永禎（2023）、聶興凱等（2022）的做法，使用傾向得分匹配法為處理組企業(yè)重新匹配控制組，以減少樣本選擇偏誤。具體來說，首先根據(jù)企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型進(jìn)行分組構(gòu)造變量DCG01，當(dāng)企業(yè)未進(jìn)行數(shù)字化轉(zhuǎn)型即DCG=0時，DCG01取0，當(dāng)企業(yè)進(jìn)行了數(shù)字化轉(zhuǎn)型即DCG≠0時，DCG01取1；其次選擇全部控制變量作為協(xié)變量，同時控制了年度和行業(yè)后對DCG01進(jìn)行Logit回歸并計算傾向得分值；再次根據(jù)傾向得分值采用最近鄰匹配法進(jìn)行一對一匹配；最后基于匹配后的樣本重新進(jìn)行回歸分析。PSM后的回歸結(jié)果如表4的列（3）所示，DCG的符號和顯著性與表3沒有明顯區(qū)別，說明上文中得出的結(jié)論具有較好的穩(wěn)健性。

3.控制個體固定效應(yīng)

盡管模型（1）中已經(jīng)控制了一部分可能對過度負(fù)債產(chǎn)生影響的變量，但仍然可能存在由遺漏變量所導(dǎo)致的內(nèi)生性問題，因此參考許云霄等（2023）的做法，增加對面板數(shù)據(jù)個體固定效應(yīng)的控制來解決這一問題，控制個體固定效應(yīng)后的回歸結(jié)果如表4的列（4）所示。結(jié)果顯示控制個體固定效應(yīng)后DCG與EXLEV在5%水平下顯著負(fù)相關(guān)，說明上文中得出的結(jié)論并未受到遺漏變量的影響，具有較好的穩(wěn)健性。

4.更換代理變量的度量方法

針對企業(yè)數(shù)字化轉(zhuǎn)型，本部分仍然采用企業(yè)年報中數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻來刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，但改為采用趙宸宇等（2021）整理的數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造、現(xiàn)代信息系統(tǒng)四個維度99個企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞作為詞庫進(jìn)行詞頻統(tǒng)計，構(gòu)造度量企業(yè)數(shù)字化轉(zhuǎn)型程度的另一指標(biāo)DCG1。針對企業(yè)的過度負(fù)債，參考陸正飛等（2015）的做法，使用實(shí)際負(fù)債率減去目標(biāo)負(fù)債率重新度量企業(yè)的過度負(fù)債（EXLEV1）。具體來說，企業(yè)目標(biāo)負(fù)債率的計算方法為：①使用模型（5）對樣本分年度進(jìn)行Tobit回歸，得出各自變量系數(shù)的估計值；②將各系數(shù)的估計值代入模型（5）計算得出目標(biāo)負(fù)債率（LEV）。

LEVt = γ0 + γ1Statet-1 + γ2ROAt-1 + γ3IND_LEVt-1 +" γ4Growth_At-1 + γ5FATAt-1 + γ6Sizet-1 +" γ7Top1t-1+ εt" " " " " " " " " " " " " " " " " " " " " "（5）

其中，IND_LEV代表企業(yè)所在行業(yè)的資產(chǎn)負(fù)債率中位數(shù)，Growth_A代表企業(yè)總資產(chǎn)增長率，F(xiàn)ATA代表企業(yè)固定資產(chǎn)占比，其余各變量的含義與前文相同。

更換企業(yè)數(shù)字化轉(zhuǎn)型和過度負(fù)債度量方法后的回歸結(jié)果顯示，DCG1與EXLEV和DCG與EXLEV1分別在5%和1%水平下顯著負(fù)相關(guān)，說明上文中得出的結(jié)論具有較好的穩(wěn)健性。

五、進(jìn)一步研究

（一）作用渠道檢驗(yàn)

表5列示了影響渠道檢驗(yàn)即H2和H3的回歸結(jié)果。結(jié)果顯示，DCG與KZ在1%水平下顯著負(fù)相關(guān)，與ICQ在1%水平下顯著正相關(guān)，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低融資約束和提高內(nèi)部控制質(zhì)量；KZ與EXLEV在1%水平下顯著正相關(guān)，ICQ與EXLEV在1%水平下顯著負(fù)相關(guān)，說明融資約束緩解和內(nèi)部控制質(zhì)量提高有助于降低企業(yè)過度負(fù)債水平。同時，對模型（2）和（3）的回歸系數(shù)α1×δ1的檢驗(yàn)結(jié)果表明α1×δ1顯著異于0，說明中介效應(yīng)存在（孫健等，2016）。結(jié)合前文中的理論分析，從統(tǒng)計檢驗(yàn)結(jié)果和理論分析角度均可以認(rèn)為融資約束和內(nèi)部治理環(huán)境在企業(yè)數(shù)字化轉(zhuǎn)型降低過度負(fù)債的過程中發(fā)揮了顯著的中介作用，假設(shè)H2和H3得到了實(shí)證的支持。

（二）調(diào)節(jié)作用檢驗(yàn)

表6中列示了調(diào)節(jié)效應(yīng)檢驗(yàn)，即H4和H5的回歸結(jié)果。結(jié)果顯示，DCG×Analyst與EXLEV在1%水平下顯著正相關(guān)，說明當(dāng)分析師關(guān)注度更低時，企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的降低作用更強(qiáng)；DCG×Fin_index與EXLEV在1%水平下顯著負(fù)相關(guān)，說明當(dāng)企業(yè)所處地區(qū)數(shù)字金融水平更高時，數(shù)字化轉(zhuǎn)型對過度負(fù)債的降低作用更強(qiáng)。以上結(jié)果支持了假設(shè)H4和H5。

六、結(jié)論與建議

本文以2011—2020年我國A股上市公司樣本為例，實(shí)證檢驗(yàn)了企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的降低作用。檢驗(yàn)結(jié)果表明：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低過度負(fù)債，在經(jīng)過工具變量法等一系列穩(wěn)健性檢驗(yàn)后，這一結(jié)論依然成立。進(jìn)一步檢驗(yàn)的結(jié)果顯示，影響渠道檢驗(yàn)方面，融資約束和內(nèi)部治理環(huán)境都在企業(yè)數(shù)字化轉(zhuǎn)型降低過度負(fù)債的過程中發(fā)揮了顯著的中介作用；調(diào)節(jié)作用檢驗(yàn)方面，企業(yè)數(shù)字化轉(zhuǎn)型對過度負(fù)債的作用會受到外部環(huán)境的影響，在分析師關(guān)注度低和地區(qū)數(shù)字金融水平高的樣本中，企業(yè)數(shù)字化轉(zhuǎn)型更能夠顯著降低過度負(fù)債。本文的研究結(jié)果表明數(shù)字化轉(zhuǎn)型能夠給企業(yè)發(fā)展帶來幫助，優(yōu)化資本結(jié)構(gòu)，控制財務(wù)風(fēng)險，為企業(yè)推動數(shù)字化轉(zhuǎn)型、優(yōu)化資本結(jié)構(gòu)和有關(guān)監(jiān)管機(jī)構(gòu)進(jìn)行宏觀調(diào)控、防范化解金融風(fēng)險提供了重要啟示。

結(jié)合本文的研究結(jié)論和意義，可以從企業(yè)和政府角度提出如下建議：

首先，伴隨著數(shù)字經(jīng)濟(jì)時代的到來，企業(yè)要抓住數(shù)字化轉(zhuǎn)型機(jī)遇，積極參與到數(shù)字化轉(zhuǎn)型的浪潮中來。一是企業(yè)要加大對數(shù)字化的投入，完善數(shù)字化人才的培養(yǎng)和激勵模式，打造一流的數(shù)字化運(yùn)營團(tuán)隊，更好地結(jié)合自身的需求，根據(jù)自身特點(diǎn)推進(jìn)數(shù)字化轉(zhuǎn)型；二是企業(yè)要認(rèn)識到數(shù)字化轉(zhuǎn)型對自身發(fā)展的重要意義，對內(nèi)可以將經(jīng)營、投資、融資等數(shù)據(jù)進(jìn)行收集、分析、可視化處理，更好地為決策提供支持并對內(nèi)部管理進(jìn)行監(jiān)督，對外可以提供更高質(zhì)量的信息，緩解企業(yè)融資約束，合理安排企業(yè)負(fù)債，控制財務(wù)風(fēng)險，幫助企業(yè)更加健康地發(fā)展。因此，企業(yè)在推動數(shù)字化轉(zhuǎn)型的基礎(chǔ)上，更要積極地利用數(shù)字化轉(zhuǎn)型的成果，而不是將其簡單地作為一項(xiàng)“面子工程”，將辛苦打造的數(shù)字化系統(tǒng)擱置，白白浪費(fèi)資源。

其次，政府要加大力度鼓勵引導(dǎo)企業(yè)積極推動數(shù)字化轉(zhuǎn)型。一是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型必然會占用企業(yè)有限的資源，政府可以通過稅收優(yōu)惠、政府補(bǔ)貼等方式為企業(yè)提供資金支持；二是政府可以定期組織企業(yè)、科研機(jī)構(gòu)、社會團(tuán)體等單位舉辦數(shù)字化轉(zhuǎn)型論壇，促進(jìn)相關(guān)單位交流，推廣企業(yè)數(shù)字化轉(zhuǎn)型過程中的典型經(jīng)驗(yàn)；三是政府可以牽頭制定企業(yè)數(shù)字化有關(guān)的標(biāo)準(zhǔn)，為企業(yè)數(shù)字化轉(zhuǎn)型指明方向，防止企業(yè)在數(shù)字化轉(zhuǎn)型的過程中走彎路。同時，由于地區(qū)數(shù)字金融發(fā)展水平能夠強(qiáng)化企業(yè)數(shù)字化轉(zhuǎn)型效力的發(fā)揮，政府還應(yīng)加強(qiáng)地區(qū)的數(shù)字金融建設(shè)，為企業(yè)數(shù)字化轉(zhuǎn)型營造良好的環(huán)境，促進(jìn)數(shù)字金融與企業(yè)數(shù)字化轉(zhuǎn)型協(xié)同發(fā)揮作用，由此更好地推動金融風(fēng)險防范工作，促進(jìn)資本市場平穩(wěn)健康發(fā)展。

注釋：

① 數(shù)據(jù)來自國家互聯(lián)網(wǎng)信息辦公室發(fā)布的《數(shù)字中國發(fā)展報告（2022年）》。

② 除以下幾種方法外，本文還采用了滯后核心解釋變量、安慰劑檢驗(yàn)、改變樣本范圍等方法進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果均保持穩(wěn)健。

參考文獻(xiàn)：

[1] 劉慧，白聰. 數(shù)字化轉(zhuǎn)型促進(jìn)中國企業(yè)節(jié)能減排了嗎？[J]. 上海財經(jīng)大學(xué)學(xué)報，2022，24（05）：19-32.

[2] 聶興凱，王穩(wěn)華，裴璇. 企業(yè)數(shù)字化轉(zhuǎn)型會影響會計信息可比性嗎？[J]. 會計研究，2022（05）：17-39.

[3] 冼依婷，何威風(fēng). 企業(yè)數(shù)字化轉(zhuǎn)型影響業(yè)績預(yù)告質(zhì)量嗎？[J]. 山西財經(jīng)大學(xué)學(xué)報，2022，44（09）：100-113.

[4] 胡潔，韓一鳴，鐘詠. 企業(yè)數(shù)字化轉(zhuǎn)型如何影響企業(yè)ESG表現(xiàn)——來自中國上市公司的證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評論，2023（01）：105-123.

[5] 宋德勇， 朱文博， 丁海. 企業(yè)數(shù)字化能否促進(jìn)綠色技術(shù)創(chuàng)新？——基于重污染行業(yè)上市公司的考察[J]. 財經(jīng)研究， 2022， 48（04）： 34-48.

[6] 趙宸宇，王文春，李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J]. 財貿(mào)經(jīng)濟(jì)，2021，42（07）：114-129.

[7]沈劍飛，李亞杰，王濤，等. 數(shù)字化轉(zhuǎn)型與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整[J]. 統(tǒng)計與信息論壇，2022，37（12）：42-54.

[8]毛建輝. 企業(yè)數(shù)字化轉(zhuǎn)型與“存貸雙高”異象——來自文本解讀的證據(jù)[J]. 當(dāng)代財經(jīng)，2023（08）：95-107.

[9] 吳非，胡慧芷，林慧妍，等. 企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗(yàn)證據(jù)[J]. 管理世界，2021，37（07）：130-144+10.

[10]林川. 數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險[J]. 證券市場導(dǎo)報，2022（06）：47-57.

[11] LEARY M T， ROBERTS M R. Do firms rebalance their capital structures？[J]. Journal of Finance， 2005， 60（06）： 2575-2619.

[12] GRAHAM J R， HARVEY C R. The theory and practice of corporate finance： Evidence from the field[J]. Journal of Financial Economics， 2001， 60（02-03）： 187-243.

[13]陸正飛，何捷，竇歡. 誰更過度負(fù)債：國有還是非國有企業(yè)？[J]. 經(jīng)濟(jì)研究，2015，50（12）：54-67.

[14]CASKEY J， HUGHES J， LIU J. Leverage， excess leve-

rage， and future returns[J]. Review of Accounting Studies， 2012， 17（02）： 443-471.

[15]劉麗娜，馬亞民. 實(shí)體企業(yè)金融化、過度負(fù)債與股價崩盤風(fēng)險——基于上市公司投資視角的檢驗(yàn)[J]. 云南財經(jīng)大學(xué)學(xué)報，2018，34（03）：41-55.

[16] UYSAL V B. Deviation from the target capital structure and acquisition choices[J]. Journal of Financial Economics， 2011， 102（03）： 602-620.

[17]王紅建，楊箏，阮剛銘，等. 放松利率管制、過度負(fù)債與債務(wù)期限結(jié)構(gòu)[J]. 金融研究，2018（02）：100-117.

[18] LAI X， ZHANG F. Can ESG certification help company get out of over-indebtedness？ Evidence from China[J]. Pacific-Basin Finance Journal， 2022， 76： 101878.

[19]張淼，孫光國.多個大股東能驅(qū)動企業(yè)降低過度負(fù)債水平嗎[J]. 財經(jīng)科學(xué)，2022（03）：29-43.

[20]吳秋生，獨(dú)正元. 混合所有制改革程度、政府隱性擔(dān)保與國企過度負(fù)債[J]. 經(jīng)濟(jì)管理，2019，41（08）：162-177.

[21]郭檬楠，郭金花. 國家審計監(jiān)督能降低國企過度負(fù)債嗎？——基于國家審計與社會審計協(xié)同的視角[J]. 上海財經(jīng)大學(xué)學(xué)報，2020，22（06）：95-109.

[22]張純，呂偉.信息披露、市場關(guān)注與融資約束[J]. 會計研究，2007（11）：32-38+95.

[23]李黎，魏文君.數(shù)字化轉(zhuǎn)型與企業(yè)杠桿操縱[J]. 財會月刊， 2023，44（08）：35-44.

[24]高敬忠，楊朝，彭正銀.網(wǎng)絡(luò)平臺互動能夠緩解企業(yè)融資約束嗎——來自交易所互動平臺問答的證據(jù)[J]. 會計研究，2021a（06）：59-75.

[25]王敬勇，孫彤，李珮.數(shù)字化轉(zhuǎn)型與企業(yè)融資約束——基于中小企業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].科學(xué)決策， 2022（11）：1-23.

[26]苑澤明， 于翔， 李萌， 等. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)的融資約束[J]. 會計之友， 2022（19）： 99-108.

[27]高敬忠，王天雨，王英允. 經(jīng)濟(jì)政策不確定性與“雙高現(xiàn)象”[J]. 外國經(jīng)濟(jì)與管理，2021b，43（04）：3-18.

[28]韓冬梅， 馬圣楠， 劉建梅. 數(shù)字化與企業(yè)內(nèi)部控制質(zhì)量[J]. 中國審計評論， 2023（02）：79-110.

[29]董屹宇，郭澤光. 管理層股權(quán)激勵、兩職合一與企業(yè)過度負(fù)債——基于兩種代理理論的分析[J].當(dāng)代財經(jīng)，2019（01）：119-130.

[30]黃宏斌，胡偉燕，陳美健. 自媒體信息披露對社會責(zé)任報告市場反應(yīng)的影響研究[J]. 證券市場導(dǎo)報，2021（12）：54-65.

[31]夏蕓， 夏鵬佳， 林子昂. 數(shù)字化轉(zhuǎn)型與商業(yè)信用融資——以中國A股上市公司為例[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2023，42（07）： 30-39.

[32]范潤，孫雪嬌. 減少避稅活動會抑制實(shí)體企業(yè)金融化嗎？——基于“金稅三期”準(zhǔn)自然實(shí)驗(yàn)的證據(jù)[J]. 金融評論，2022，14（04）：79-101+126.

[33]花俊國， 劉暢， 朱迪. 數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)全要素生產(chǎn)率[J]. 南方金融， 2022（07）： 54-65.

[34]張會麗，陸正飛. 控股水平、負(fù)債主體與資本結(jié)構(gòu)適度性[J]. 南開管理評論，2013，16（05）：142-151.

[35] KAPLAN S N， ZINGALES L. Do investment-cash flow sensitivities provide useful measures of financing constraints？[J]. The Quarterly Journal of Economics， 1997， 112（01）： 169-215.

[36]李維安， 戴文濤. 公司治理、內(nèi)部控制、風(fēng)險管理的關(guān)系框架——基于戰(zhàn)略管理視角[J]. 審計與經(jīng)濟(jì)研究， 2013， 28（04）： 3-12.

[37]翟淑萍，韓賢，張曉琳，等. 數(shù)字金融能降低企業(yè)債務(wù)違約風(fēng)險嗎[J]. 會計研究，2022（02）：117-131.

[38]郭峰，王靖一，王芳，等. 測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J]. 經(jīng)濟(jì)學(xué)（季刊），2020，19（04）：1401-1418.

[39]江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì)，2022（05）：100-120.

[40]孫健， 王百強(qiáng)， 曹豐， 等. 公司戰(zhàn)略影響盈余管理嗎？[J]. 管理世界， 2016（03）：160-169.

[41]文雯， 牛煜皓. 數(shù)字化轉(zhuǎn)型會加劇企業(yè)投融資期限錯配嗎？[J]. 中南財經(jīng)政法大學(xué)學(xué)報， 2023（05）：18-30.

[42]王應(yīng)歡，郭永禎. 企業(yè)數(shù)字化轉(zhuǎn)型與ESG表現(xiàn)

——基于中國上市企業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 財經(jīng)研究，2023，49（09）：94-108.

[43]許云霄，柯俊強(qiáng)，劉江寧，等. 數(shù)字化轉(zhuǎn)型與企業(yè)避稅[J]. 經(jīng)濟(jì)與管理研究，2023，44（06）：97-112.

（責(zé)任編輯：唐詩柔）

Can Digital Transformation Help Enterprises Prevent Financial Risks？：

From Excess Leverage of Enterprises

YANG Zhao

（ State Grid Tianjin Power Chengnan District Supply Company ）

Abstract： Currently， preventing and resolving financial risks is one of the important financial tasks for the country. From the perspective of enterprises as the micro subject， reasonably arranging capital structure and reducing excess leverage are beneficial for controlling financial risks of enterprises. Therefore， combining with the current development of the digital economy， this paper takes China's A-share listed companies from 2011 to 2020 as a sample to empirically test the effect of enterprise digital transformation on reducing excess leverage， and further study the mediating and moderating effects models separately. The empirical results show that enterprise digital transformation can significantly reduce the level of excess leverage， and financing constraints and internal governance environment play a significant mediating role in this process， and analyst attention and regional digital finance level have negative and positive moderating effects on this process. Another way to think of this is that， under the conditions of low analyst attention and high regional digital finance level， enterprise digital transformation can better reduce excess leverage. This study enriches the research on the economic consequences of enterprise digital transformation， and provides new ideas for reducing excess leverage of enterprises and preventing and resolving financial risks.

Keywords： Digital transformation; Excess leverage; Financing constraints; Governance mechanism

收稿日期：2023-11-07

作者簡介：楊朝，國網(wǎng)天津市電力公司城南供電分公司，研究方向?yàn)橘Y本市場財務(wù)與會計。

本文感謝匿名審稿專家的寶貴意見，文責(zé)自負(fù)。