数字金融对企业数字化转型的影响和机制研究——来自中国A股制造业上市企业的经验证据

潘 艺 张金昌

1（中国社会科学院大学研究生院，北京 102488）2（中国社会科学院工业经济研究所，北京 100006）

我国 “十四五”规划明确指出 “加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”的目标。党的二十大再次强调 “建设数字中国”的战略目标。通过数字化转型、促进数字经济发展，已成为引领经济社会变革、推动中国经济高质量发展的重要引擎［1］。制造业是我国经济的重要基础［2］，许多制造业企业通过数字化转型获得了成功，如海尔通过数字化转型成为了全球最大的家电制造商，步科、正泰等制造业企业通过数字化转型促进了企业发展，但更多企业的数字化转型进程并不顺利。国家信息中心 《中国产业数字化报告（2020）》显示，企业因转型能力弱出现 “不会转”、因转型成本高出现 “不愿转”、因转型 “阵痛期”长出现 “不敢转”等现象，埃森哲 《2021中国企业数字化转型指数》报告显示，只有16%的中国企业数字化转型成效显著。许多企业对是否进行数字化转型存在困惑，甚至部分企业因数字化转型陷入 “不转型等死、转型找死”的两难困境。其主要原因就是企业数字化转型是一个不断迭代的长期过程［3］， 需要企业投入大量资金［4，5］，而大部分企业自有资金不足，只能依赖外部融资解决资金问题，而融资问题一直是阻扰我国企业发展的 “阿喀琉斯之踵”［6］。

近些年，大数据、人工智能、云计算等数字技术发展迅速，数字技术与传统金融的融合，推动我国金融业迈入了数字金融时代［2］。数字金融的出现和发展有效弥补了传统金融的短板，降低了金融服务的门槛和服务成本，改善了企业的融资环境［7］，但数字金融发展对制造业企业数字化转型的影响如何，是起到了促进作用还是抑制作用？以及通过哪些渠道影响了企业数字化转型？目前鲜有文献进行研究，因此本文利用2011～2020年制造业上市企业数据，以及企业所在城市的数字金融和数字化转型数据，研究数字金融对企业数字化转型的影响和传导机制，拓展了数字金融、数字化转型的研究范围，充实了相关研究文献，揭开了数字金融与企业数字化转型之间的＂黑箱＂，为政府出台相关金融政策，更好的促进企业数字化转型提供了实践证据。

1.1 文献综述

数字金融是指与新兴数字技术应用相关的所有金融产品和金融服务，是一种新型金融业态［8］，相较于传统金融而言，数字金融具有更高的可获得性、更广的覆盖范围和更低的服务成本［7］。一些学者从宏观角度上研究后认为，数字金融能够显著地提升社会保障水平［9］、缩小城乡收入差距［10］、促进地区高质量发展［6］；
更多的学者从微观角度上进行研究发现，数字金融能通过缓解企业的融资约束［11］， 激励企业创新［12］， 促进企业高质量发展［6］；
但也有学者研究发现，数字金融发展对银行带来负面影响［13］， 加剧银行的风险［14］， 对企业有不利的影响［15］。

虽然目前学术界对数字化转型的定义及其涵盖范围还缺乏共识［16］，但以大数据、人工智能、云计算等数字技术的运用推动企业生产方式的革新［17］，作为企业数字化转型的研究方向已经得到普遍共识。众多学者研究发现，企业数字化转型能够显著提升企业经营效率［18］、推动企业高质量发展［19］、 促进企业成长［20］， 因此肯定了企业数字化转型的积极效果；
也有部分学者研究后认为，企业数字化转型面临着资金［4，5］、 人才［19，21］、 技术［16］等多方面问题，使得企业数字化转型困难甚至失败，因此对企业数字化转型的效果尚无定论。

通过以上文献研究发现，数字金融与企业数字化转型存在一定的关联性：数字金融发展缓解了企业的融资约束，使得企业能够通过外部融资获得更多的资金，而充足的资金又是企业数字化转型的保障。但是上述文献并没有深入分析数字金融和企业数字化转型之间的关系和影响机制，因此给本文的研究提供了方向。

1.2 研究假设

数字金融利用大数据、互联网、云计算等技术，缓解了金融机构和企业之间信息不对称性的问题，降低了金融机构的服务成本、提高了信贷效率，并且数字金融打破了传统金融的空间和时间限制［11］，使得原先那些无法获取金融服务或被排除在传统金融体系之外的企业能够通过数字金融的平台和渠道来获取服务［22］。数字金融发展缓解了企业的融资约束，使得企业获得外部融资资金更加便捷和高效［11］。制造业企业数字化转型最大的障碍是没有足够的资金［4］，而数字金融发展克服了企业数字化转型中的最大障碍，有力的保障并促进了企业数字化转型的开展。据上分析，本文提出：

假设1：数字金融发展能促进制造业企业数字化转型。

企业数字化转型是一项全方位、多角度变革的复杂系统工程，涉及技术、业务、流程、制度等各环节各个岗位的全员参与。制造业企业现有的人员结构不足以支撑和实施数字化战略的落地，因此需要引进有数字技术背景的高素质专业人才支撑企业数字化转型。企业数字化转型并不是简单的购买软件和硬件设备，而是利用数字化技术对现有流程和系统的再造。我国大多数制造业企业数字基础设施建设仍较薄弱，企业在一些领域普遍缺乏技术标准和接口［23］，因此需要通过研发投入进行平台和系统建设，实现企业数字化转型的目标。无论是高素质人才的引进还是研发投入，都需要资金的支持，而数字金融发展为企业资金需求提供了保障。综上分析，本文提出：

假设2：数字金融通过引进高素质人才的途径促进了制造业企业数字化转型。

假设3：数字金融通过促进研发投入的途径促进了制造业企业数字化转型。

2.1 模型设计

为了验证假设1，设计如下模型 （1）：

其中，Digit是被解释变量，表示制造业企业数字化转型，DiFin是解释变量，表示企业所在城市的数字金融指数，Control是控制变量，Year、Pro和Ind分别为年度、地区和行业固定效应，ε表示残差项，i表示企业，t表示年度。根据本文假设2和假设3，借鉴温忠麟和叶宝娟 （2014）［24］的中介效应检验方法，设计如下传导机制模型 （2）和 （3）：

其中，MVit是中介变量，分别为人才引进（Hum）和研发投入（RDP）。通过对模型 （2）中系数β1和模型 （3）中系数γ3的显著性识别企业人才引进和研发投入的中介效应，并且分别使用Sobel和Bootstrap进行检验，最终确定本文假设2和假设3是否成立。

2.2 变量说明

（1）被解释变量。数字化转型（Digit），采用广东金融学院的上市企业数字化转型指数进行衡量。该数据是广东金融学院基于2007～2020年沪深A股上市企业披露的年报文本信息，运用大数据文本分析和因子分析的双重量化工具统计而成。企业数字化转型还可以细分为：人工智能技术、大数据技术、云计算技术、区块链技术和数字技术运用5个维度。以上数据取对数后，作为本文研究的被解释变量。

（2）解释变量。数字金融（DiFin），采用北京大学数字金融研究中心的数字普惠金融指数进行衡量。该数据目前已经涵盖了2011～2020年全国31个省（区、市）、337个地级以上城市以及约2800个县（级市、旗辖区等）（考虑到数据的可获得性，不包含港、澳、台地区）。数字金融还可以细分为：覆盖广度、使用深度和数字化程度3个维度。本文采用制造业上市企业所在城市的数字普惠金融指数数据进行研究，并使用明细数据做异质性分析。以上数据取对数后，作为本文研究的解释变量。

（3）中介变量。根据上文的研究假设，本文选取人才引进（Hum）和研发投入（RDP）作为中介变量。关于人才引进的指标，本文参考肖曙光和杨洁 （2018）［25］的方法，以本科及以上学历员工数占总员工数的比例作为人才引进的度量指标；
关于企业研发投入指标，本文参考黄群慧等 （2019）［26］的方法，采用人均研发投入作为研发投入的度量指标。

（4）控制变量。参考相关学者的文献，并综合考虑数据可得性和相关性，本文选取企业年龄（Age）、 企业规模（Size）、 资产负债率（Lev）、 资本要素密集度（Cap）、股权集中度（Ten）、两职合一（Dual）、 独立董事比例（Inde）、 审计意见（Aud）作为控制变量。

上述各变量如表1所示，各变量方差膨胀系数（VIF）的计算结果均小于10，说明各变量之间不存在严重共线性问题。从表1各变量描述统计结果来看，数字化转型Digit的均值为1.9779，标准差为1.5732，表明数字化转型数据呈现正态分布，其最大值和最小值分别为5.3565和0，表明不同企业间的数字化转型存在较大差异；
数字金融DiFin均值为5.1900，标准差为0.4457，最大值和最小值分别为5.7708和4.0167，表明数字金融DiFin在不同地区的发展程度也存在一定差异，使得本文研究具有一定的现实意义。另外本文选取的控制变量分布值域也比较广，能够对本文的研究起到一定的控制作用，对本文的研究也有一定影响作用。

表1 各变量说明和描述性统计

2.3 样本选择与数据来源

本文选择2011～2020年A股制造业企业作为初始研究样本。其中企业数据来源于Wind系统数据库，企业所在城市的数字金融指数数据来源于北京大学数字金融研究中心 《北京大学数字普惠金融指数》，企业的数字化转型数据来源于广东金融学院 《中国上市企业数字化转型指数评价研究报告》。在进行样本筛选过程中，按照以下原则进行处理：（1）剔除ST等经营不善的上市企业；
（2）剔除营业收入和现金流小于0的经营数据异常和不连续的观测值；

（3）剔除数字金融数据地市级数据和上市企业地市级数据不匹配（变量缺失）的观测值。经过上述处理，最终得到2011～2020年间19831个样本数据（基于数据的可获得性，不包括港、澳、台地区）。为了消除异常值的影响，本文对所有连续变量1%和99%分位上进行了Winsorize处理。本文使用的分析软件为Stata15。

3.1 基本回归

表2报告了数字金融和企业数字化转型的回归结果。列 （1）和 （2）结果显示，在加入控制变量前后系数DiFin在1%水平上显著为正，表明数字金融能促进制造业企业数字化转型；
在此基础上分别加入时间、地区和行业固定效应后回归，列 （3）和 （4）的回归结果显示系数DiFin在1%水平上仍然显著为正，进一步表明数字金融发展能促进制造业企业的数字化转型，本文假设1成立。数字金融发展降低了制造业企业获得信贷资金的门槛、缩短借款审批流程，使资金的回报率上升［27］，充沛的资金有助于制造业企业开展数字化转型。

表2 基本回归

3.2 稳健性检验

（1）替换被解释变量。本文首先采用省级数字金融数据替换被解释变量进行稳健性检验，结果如表3列 （1）和 （2）所示。从回归结果来看，在加入控制变量和固定效应前后，系数DiFin分别在10%和1%水平上显著为正，表明在更换被解释变量后，数字金融能促进制造业企业数字化转型的结论依然成立，本文假设1初步得到验证。

（2） 剔除异常值。

借鉴唐松等 （2020）［28］、潘艺等 （2023）［29］的方法，考虑到2015年中国股灾和2020年新冠肺炎疫情对上市企业的影响，以及直辖市存在较大经济特殊性对数字金融发展的影响，所以将上述不易观测却又真实存在的重大影响因素剔除，然后分别进行回归，结果见表3列 （3）～（6）所列。从回归结果来看，加入控制变量前后系数DiFin在1%水平上显著为正，表明在剔除异常值后，数字金融有助于制造业企业数字化转型的结论成立，本文假设1再次得到验证。

表3 稳健性检验-剔除异常值

（3）内生性检验。为避免反向因果问题，减少内生性的干扰，本文参考杨君等 （2021）［30］的处理方法，对数字金融变量进行了滞后1期、滞后2期和滞后3期处理。并且借鉴黄群慧等 （2019）［26］的方法，选取各城市1985年每百人固定电话数量和每万人邮局数量作为地区数字金融发展的工具变量。从内生性检验结果（表略）来看，F值均远超过临界值（10），所以可以排除弱工具变量的问题，说明本文选取的工具变量合理有效。在考虑了潜在的内生性问题之后，回归系数DiFin依然显著为正，说明数字金融发展对制造业企业数字化转型有显著促进作用，本文假设1又一次得到验证。

（4）更换标准误聚类层级。为了使回归结果稳健，本文检验了标准误聚类层级的稳健性（表略）。从回归结果来看，行业聚类、地区聚类、行业*地区聚类和企业聚类的显著性并没有发生显著变化。因此，可以认为数字金融发展可以促进制造业企业数字化转型的结论不会随着标准误层级的改变而发生明显的波动，进一步验证了本文假设1结果稳健。

4.1 传导机制分析

（1）人才引进的机制分析。将人才引进（Hum）作为中介变量代入模型 （2）和 （3）后回归，结果如表4列 （2）和 （3）所示。列 （2）的系数DiFin在1%水平上显著为正，表明数字金融发展能促进制造业企业人才引进；
列 （3）的系数Hum在1%水平上显著为正，系数DiFin不显著，表明数字金融发展通过人才引进促进了制造业企业数字化转型，其中人才引进起到了完全中介效应，本文假设2初步成立。针对上述结果，本文先进行Sobel检验，结果显示P为0（小于0.05），验证了人才引进（Hum）的中介效应存在；
再使用Bootstrap检验，在1000次抽样后回归结果显示95%置信区间为［0.1259，0.1548］（区间结果不包含0），再次验证了人才引进（Hum）的中介效应存在，本文假设2验证成立。主要原因是：随着数字技术的推广应用，企业原有人员架构不能有效支撑企业数字化转型。数字金融发展使得企业获得更多的融资资金，有助于企业招聘高素质人才来支持企业数字化转型。随着高素质人才的加入，相关人才在不同的岗位上发挥作用，有效地支撑并促进了企业数字化转型。

（2）研发投入的机制分析。按照上述方法将研发投入（RDP）作为中介变量进行回归，结果如表4列 （4）和 （5）所示。回归结果表明，数字金融发展可以促进企业研发投入，企业的研发投入促进了企业数字化转型，其中研发投入起到了部分中介效应作用，本文假设3成立。Sobel和Bootstrap检验结果表明研发投入的中介效应存在，因此本文假设3验证成立。主要原因是：制造业企业的数字化转型需要研发投入，而研发投入又需要持续的资金支持，数字金融发展缓解了企业融资困境，让企业比以往能获得更充足的资金，因而有效的促进了制造业企业的数字化转型。

表4 传导机制分析-人才引进和研发投入

4.2 异质性分析

（1）数字金融异质性分析。数字金融指数包含：覆盖广度（DiExt）、使用深度（DiDep）和数字化程度（DiLev）3个维度，不同维度的发展对企业数字化转型的影响可能存在异质性。表5回归结果表明：覆盖广度、使用深度和数字化程度3个维度都能促进制造业企业数字化转型，其中使用深度对企业数字化转型的影响最大，覆盖广度次之，数字化程度最小。从 《北京大学数字普惠金融指数》报告来看，2015年后，使用深度和覆盖广度呈现增长趋势，前者明显快于后者，而数字化程度呈现小幅下降趋势。从3个维度对企业数字化转型的影响程度来看，同样呈现使用深度影响程度最大，数字化程度最弱，只有覆盖广度的41.87%，使用深度的31.46%。由此可见，数字化金融各细分维度的发展对企业数字化转型的影响有显著相关性，其中使用深度的影响最大。

表5 异质性分析-数字金融异质性

（2）数字化转型异质性分析。制造业企业的数字化转型包括：人工智能技术（AI）、大数据技术（DATA）、云计算技术（Cloud）、区块链技术（Block）和数字技术运用（APP）5个维度，数字金融发展对数字化转型的不同维度存在异质性影响。表6回归结果表明：数字金融对大数据技术、云计算技术和数字技术运用都有促进作用，而对人工智能技术、区块链技术没有显著影响。从对比来看，数字金融对云计算技术影响作用最大，数字技术运用次之，大数据技术最小。可能原因是：制造业企业的数字化转型中，大数据技术是一项基础性建设工作，比较容易实现；
企业的信息系统将收集到的数据进行整理、计算、统计并出具不同维度的分析报表，为不同管理层提供决策依据，因而促进了云计算技术的快速发展；
企业APP的广泛使用，促进了数字技术的广泛应用；
相比之下，我国人工智能还在起步阶段，没有实现深度的应用，数字货币也在调试阶段，区块链技术也没有广泛应用。

表6 异质性分析-数字化转型异质性

（3）企业规模异质性分析。按照企业规模的差异，可以分为大型、中型和小型企业。从表7列 （1）～（3）的回归结果来看，数字金融发展对大中型企业的数字化转型有显著促进作用，而对小型企业的数字化转型有抑制作用。进一步研究发现，人才引进和研发投入在数字金融对大中型企业数字化转型过程中都起到了中介效应，而在小型企业的数字化转型过程中，人才引进和研发投入并没有起到中介效应。因此，小型企业无法像大中型企业成功数字化转型的原因可能是：小型企业基础比较薄弱，人才和技术比较欠缺，数字金融虽然缓解了小型企业融资困境，但数字化转型需要持续投入大量资金用于人才引进和研发投入，而小型企业往往缺乏持续的资金投入，因此制约了数字化转型；
另外，数字化转型是一个非常复杂的过程［31］，不仅仅是购买数字化软件和设备，还要全面推进产品、服务、流程、模式和组织的数字化转型，需要企业领导层有全面的、整体的、战略性的思维，相比之下，小型企业的负责人缺少这方面的意识和能力，因此小型企业数字化转型比较困难甚至失败。

（4）企业所有制异质性分析。按照企业所有制的差异，可以分为国有、民营、外资和其他企业。从表7列 （4）～（6）的回归结果来看，数字金融发展对国有企业数字化转型影响最大，民营企业次之，对外资企业没有显著影响。可能原因是：数字化转型是国家的重要战略方向，国有企业必须契合国家战略实现数字化转型［32］，并且国有企业有国家信誉支撑，资源和市场具有优势地位，更容易获得金融机构的青睐，国有企业有比较充足的资金和人才支撑数字化转型的工作［33］，因此国有企业在数字金融发展过程中，更容易开展并实现数字化转型；
相对于国有企业，民营企业在资金和人才方面明显缺乏优势，因此数字金融发展对民营企业数字化转型的影响力度较弱；
而在我国发展的外资企业大多数是国外总部在中国设立的子公司或者合资公司，研发都集中在国外总部，中国子公司往往承担制造和生产工作，并且其生产设备、技术水平和管理流程都受国外总部的管理和支持，并且都已经达到领先水平，因此我国数字金融发展对外资企业的数字化转型影响并不显著。

（5）企业密集性异质性分析。按照制造业企业密度性的差异，可以将企业分类为劳动、资本和技术密集型企业。从表7列 （7）～（9）的回归结果来看，数字金融发展对技术密集性企业数字化转型有显著影响，对劳动和资本密集型企业没有显著影响。通过传导机制研究发现，劳动密集型企业的数字化转型，人才引进和研发投入都没有起到中介效应，而技术密集型企业的数字化转型，人才引进和研发投入都起到了中介效应。由此可见，技术密集型企业的数字化转型需要大量资金的支持，而数字金融发展正好解决技术密集型企业的资金需求，技术密集型企业在资金支持下，通过人才引进和研发投入，实现了数字化转型；
我国大多数劳动密集型企业仍从事低附加值的手工制作，对通过投入大量资金进行数字化转型的意识和需求并不高，数字金融发展大多数是解决企业日常经营和生产的资金流问题，因此数字金融对劳动密集型企业的数字化转型影响并不显著；
我国大量资本密集型企业处于行业垄断地位，一直受金融机构的青睐，受融资约束影响较少，因此数字金融发展对其数字化转型的影响也不显著。

表7 异质性分析-企业规模、所有制、密集性异质性

5.1 研究总结

本文选取2011～2020年中国A股制造业上市企业为研究样本，匹配对应的数字金融和数字化转型数据，通过实证研究发现：（1）数字金融发展能够显著促进制造业企业的数字化转型；

（2）作用机制研究发现，数字金融通过人才引进和研发投入的途径促进制造业企业的数字化转型；
（3）异质性分析显示：数字金融发展的3个维度都能显著促进企业转型，其中使用深度作用最大；
数字金融发展能显著促进大数据、云计算技术的发展，以及数字技术的运用，但对人工智能和区块链技术的发展没有显著影响；
数字金融能显著促进大中型企业、国有和民营企业、技术密集型企业的数字化转型，对外资、劳动和资本密集型企业没有显著影响，而对小型企业的数字化转型有抑制作用。

5.2 政策建议

根据上述研究结论，提出以下3点政策建议：（1）进一步加大数字金融发展的力度，但发展重点应该从覆盖广度向使用深度转移，可以从政策层面上鼓励和引导金融机构加大数字金融使用深度的发展，在风险可控的基础上立足于客户视角进行功能开发和完善，让数字金融的各项应用更能满足客户的需求；
（2）国家相关部门牵头制定并完善数字技术的标准和规范，数字金融大力支持科技公司开发数字化产品，实现企业数字化转型的统一平台和管理软件，在数字金融的支持下推动小微企业和劳动密集型企业逐步开展数字化转型工作；
（3）数字金融重点扶持人工智能和区块链技术，加快人工智能和区块链技术的市场化应用，促进制造业全面数字化转型的发展；
（4）从企业角度来说，应该逐步开展数字化转型工作，避免因全面开展数字化转型而造成的资金短缺进而引起的企业风险。