数据要素的利用能否给企业融资约束带来缓释效应？

【摘" 要】在“数字中国”战略布局下，数字化转型已经成为众多企业寻求战略变革的核心路径。论文以2012-2022年中国A股上市企业的数据为样本，通过构建固定效应模型，深入探讨数据要素利用水平对融资约束的缓释效应。实证分析结果表明，随着数据要素利用水平的提高，企业面临的融资约束问题得到了一定程度的缓解。由此给利益相关者带来启示：企业应立足数字化转型，利用大数据、云计算等先进技术加强风险管理，创新融资模式，优化融资策略。对金融机构而言，数字化转型意味着提高服务效率，积极参与供应链金融、绿色金融等新兴领域，为企业提供更加多元化、个性化的融资服务。政府则应从政策和基础设施等方面支持数据要素利用，协助优化资源配置，从而提高市场的透明度，为企业融资创造良好环境。

【关键词】数字化；融资约束；缓释效应；利益相关者

【中图分类号】F49；F832.5；F275" " " " " " " " " " " " " " " " " " " " " " "【文献标志码】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章编号】1673-1069（2024）05-0038-04

1 引言

数据要素利用已成为企业寻求战略性变革、实现高质量发展的重要支撑力量，随着数字经济在市场中的渗透程度越来越深，市场透明度逐渐提高，信息不对称问题得以缓解，这使得数据要素利用与企业的融资约束的关系也更为密切。党的二十大报告指出，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。中国信息通信研究院发布的《中国数字经济发展研究报告（2023年）》显示，2022年中国数字经济规模达到50.2万亿元，占GDP比重达到41.5%，其中，数字经济在第一、二、三产业中的渗透比例分别达到10.5%、24.0%、44.7%。在这一背景下，数据要素利用已成为企业提升核心竞争力和实现可持续发展的关键路径。企业对于资金的渴求与融资约束之间的矛盾日益凸显，而深入数据要素的利用为解决这一难题提供了新的视角和可能性。因此，这一命题不仅涉及信息技术与经济金融的交叉融合，也是当前企业管理与财务研究领域的重要命题之一。基于此，本文以2012-2022年中国A股上市企业的数据为研究样本，研究数据要素利用水平和企业融资约束之间的关系，从微观视角探索企业利用数据要素的重要意义，为企业数字化转型、缓解融资约束问题提供了实证依据。

2 理论分析

数据要素利用是指企业将数据作为一种资源要素投入经营活动，而这种资源要素的利用在一定程度上表现为企业数字化的进程。众多文献指出，加快数字化转型、提高数据要素利用水平有助于企业加速生产要素的积累[1]、提高内部管理效率[2]和投资效率[3]、降低运营成本[4]。随着技术的不断进步和应用场景的不断拓展，数字化转型的未来趋势也日益明朗。云计算、大数据、人工智能等技术在企业获取和利用数据要素中具有重要作用，物联网、区块链等新兴技术也对企业数字要素利用水平存在潜在影响。有学者指出企业利用数据要素资源不仅是资源要素层面的变革，更是企业形成新质生产力的动能[5]，同时，也有越来越多的学者开始关注数字要素利用在承担社会责任、促进经济高质量发展等方面的贡献和挑战。

企业融资约束的成因有很多，现有研究对于融资约束成因的讨论主要集中于信息不对称、代理问题以及金融市场不完善等方面，此外，货币政策[6]、金融聚集[7]、政府补助[8]等因素也会影响企业的融资能力。另外，中小股东的诉讼行为也加剧了同行业其他公司的融资困境，并产生了溢出效应，这种效应初步表现为一种传染效应[9]。同时，相关文献也提出了多种缓解融资约束的策略，包括加强信息披露、完善公司治理结构、发展多元化融资渠道等，政府也可以通过制定相关政策来支持企业融资，如提供税收优惠、建立担保机制等。

研究企业数字要素利用水平与融资约束之间的关系是一个重要课题。一般来说，数字化程度高的企业往往能够更好地利用数字要素。一些研究认为，企业利用数据要素能够通过提高企业信息透明度[10]、降低银企间信息不对称程度[11]、降低企业盈余管理程度、提高资源配置效率[12]等途径来缓解融资约束。此外，数据要素利用水平越高的企业往往能够更好地收集和展示自身的经营信息和财务状况，获得分析师的关注，改善信用评价，从而增强外部投资者对企业的信任度和投资意愿，降低融资成本[13]。也有研究表明，企业利用数据要素能够通过提升信息效率和信息供给赋能商业信用融资[14]，增强商业信用供给，促使供应链中的资金显著流向了交易次数较少、非国有企业以及融资约束较低的上下游供应商和客户[15]。

综上所述，企业数字要素利用水平与融资约束是两个紧密相关的话题，因此，本文提出假设：数字要素利用水平能给企业融资约束带来缓释效应。

3 实证研究设计

3.1 样本选择与数据来源

本文选取沪深两市2012-2022年的A股上市企业作为研究样本，样本数据均来源于国泰安（CSMAR）数据库，为保证实证结果的有效性，且避免异常值对实证结果的影响，本文对初始样本进行如下处理：①删除总资产小于总负债的样本；②删除金融行业的样本；③剔除经营不善的ST类和*ST类企业样本；④剔除及未披露相关指标、 主要变量缺失的企业；⑤对连续型变量在1%和99%的水平上进行缩尾处理。最终获得11 688个样本数据。

3.2 变量解释

①被解释变量。现有研究中衡量企业融资约束的方法主要包括FC指数、KZ指数、SA指数、WW指数。参考相关研究，本文使用SA指数对融资约束（SA）进行衡量，公式如下：

SA=-0.737Size+0.043Size2 -0.04Age" " "（1）

其中，Size为企业年总资产的对数，Age为企业的上市年限。

②解释变量。企业的数据要素利用水平（Dig）通常通过其在人工智能、区块链、云计算和大数据等领域的技术水平和应用情况来体现。考虑到数字化在国家战略中的重要性，以及其对企业生产经营的深远影响，企业在年报中往往会披露与数据要素利用转型相关的关键信息。因此，本文借鉴了吴非等[16]的研究方法，统计企业年度财务报告中关于人工智能、区块链、云计算、大数据技术和大数据技术应用这5项指标细分内容的披露次数。这些指标在财务报告中出现的频次越高，表明企业的数据要素利用水平越高。

③控制变量。本文参考已有研究文献，分别使用企业规模（Size）、资产负债率（Lev）、资本密集度（CAP）、综合杠杆（CL）、流动比率（Liquid）、董事会规模（Board）、两权分离（Seperate）、企业年龄（FirmAge）、前十大股东是否存在关联（Aff）作为本文的控制变量。其中，企业规模用年总资产的自然对数衡量；资产负债率为年末总负债与年末总资产的比值；资本密集度为总资产与营业收入的比值；综合杠杆为财务杠杆与经营杠杆的乘积；流动比率为流动资产与流动负债的比值；董事会规模为董事会人数取自然对数；两权分离为实际控制人拥有上市公司控制权比例与实际控制人拥有上市公司所有权比例之差；企业年龄为企业成立年限；前十大股东存在关联为1，不存在关联为0。

3.3 模型构建

为检验数据要素利用水平能否给企业融资约束带来缓释效应，构建如下模型：

SA=α0+α1Digit+γcontrolit+μit+λit+εit" " （2）

其中，i表示企业；t表示年份；SA为被解释变量，即企业i在t时期的融资约束；Digit为解释变量，即企业i在t时期的数据要素利用水平；controlit为其他影响企业融资约束的一系列控制变量；α0为常数项；α1为所关注变量的待估参数，当其显著为负时，说明数据要素利用水平对企业融资约束具有负向抑制作用，即数据要素利用水平对企业融资约束具有缓释效应；μit为企业固定效应；λit为时间固定效应；εit为随机扰动项。

4 实证结果分析

4.1 描述性统计结果

表1报告了主要变量的描述性统计结果。从表1可以看出，企业融资约束（SA）的均值和标准差分别为-3.799和0.247，最小值和最大值分别为-4.558和-3.096，这表明在当前市场环境下，企业普遍受到融资约束的影响，数据要素利用水平（Dig）的均值和标准差分别为1.610和1.431，最小值和最大值分别为0和5.328，这表明上市公司的数据要素利用水平仍存在较大差距。

4.2 基准回归分析

本文使用Stata17.0对数据进行回归分析，结果如表2所示。其中列（1）为固定效应的模型回归，可以看出数据要素利用水平（Dig）系数为-0.005，且在1%的水平上显著，这表明数据要素的利用有助于缓解企业融资约束。同时列（2）和列（3）分别汇报了解释变量数据要素利用水平（Dig）滞后一期、滞后二期的回归结果，可以看出数据要素利用水平（Dig）对融资约束（SA）影响的回归结果仍显著，但显著性有所下降，证明数据要素利用水平对企业融资约束的缓释效应具有一定及时性。

4.3 稳健性检验

①替换解释变量。企业的数据要素利用水平也反映于数实产业技术融合程度，因此，本文参照黄先海等[17]的研究方法，使用“数实产业技术融合（TechConv）”指标替换原解释变量数据要素利用水平（Dig）。具体而言，基于专利引用信息捕捉数字产业知识在实体产业技术创新中的流动特征，以此测度企业的数实产业技术融合行为，基于此定义，将该指标加总到企业-年份层面得到企业各年度数实产业技术融合数量，加1取自然对数后作为企业数实产业技术融合的衡量指标。替换后回归结果如表3列（1）所示，数实产业技术融合（TechConv）系数仍在1%的显著性水平上呈现负值，支持本文基准结论。②替换被解释变量。本文通过融资约束的另一种衡量方式FC指数替换原指标进行回归分析，替换后回归结果如表3列（2）所示，融资约束（FC）系数仍显著为负，支持本文基准结论。③增加控制变量。为了进一步尽可能多地排除公司内部治理因素的影响，本文在控制变量中加入独立董事比例（Indep）、两职合一（Dual）、第一大股东持股比例（Top1），其中，独立董事比例（Indep）为独立董事除以董事人数；若董事长与总经理是同一个人则两职合一（Dual）为1，否则为0；第一大股东持股比例（Top1）为第一大股东持股数量占总股数的比例。替换后回归结果如表3列（3）所示，数字化程度（Dig）系数在1%的显著性水平上呈现负值，支持本文基准结论。④剔除异常年份。新冠疫情自2020年起对企业发展产生了显著影响，为了降低异常年份对研究结果造成的干扰，剔除2020-2022年的数据，重新进行回归分析。从剔除后表3列（4）的回归结果中发现，数字化程度（Dig）系数在1%的显著性水平上呈现负值，说明在排除特殊年份影响后，企业的数据要素利用水平对其融资约束仍存在缓释效应。

5 结论与建议

在“数字中国”的总体战略框架下，数字化转型已跃升为企业战略重构的关键驱动力。本文以2012-2022年中国A股上市公司为研究样本，深入剖析了数据要素利用水平对融资约束的缓解效应。实证结果表明，随着数据要素利用水平的提高，企业面临的融资约束问题得到了一定程度的缓解。具体建议如下：

对上市公司而言，首先，企业应进一步探索和践行高效融资策略，积极提高数据要素利用水平，利用大数据、云计算等先进技术进行精准的数据分析，更有效地评估自身的融资需求和风险，从而找到更合适的融资渠道和方式。其次，数据要素有助于企业提升风险管理能力。企业应通过数据要素识别和管理融资风险，避免陷入不必要的融资困境。最后，数据要素为企业创新融资模式提供了可能，企业可以通过区块链技术实现供应链金融的透明化和高效化，或者通过P2P平台实现更广泛的资金募集。

对金融机构而言，一方面，需要不断创新服务模式，以满足企业在数字化转型过程中的融资需求。例如，金融机构可以开发基于大数据和AI技术的信用评估模型，为企业提供更快速、更准确的融资服务。另一方面，金融机构需要对融资项目进行全面、深入的分析和评估，以确保资金的安全和效益。同时，数据要素为金融机构拓展服务领域提供了机会，金融机构可以积极参与供应链金融、绿色金融等新兴领域，为企业提供更加多元化、个性化的融资服务。

对政府而言，首先，加强数据驱动政策、推进数字化基础设施建设势在必行，政府可以利用大量数据要素，更准确地了解企业融资约束的实际情况，从而制定出更具针对性和实效性的政策；其次，为了让企业提升数据要素利用水平，政府在监管上也要进行相应的创新，让“有形的手”与“无形的手”相结合，促进市场透明度和公平性的形成，减少信息不对称，提高资源配置效率，缓解企业融资约束问题，从而提高整个市场的运行效率，实现经济高质量发展。

【参考文献】

【1】王谦，付晓东.数据要素赋能经济增长机制探究[J].上海经济研究，2021（04）：55-66.

【2】Zhao T， Yan N， ji L. Digital 'Transformation， Life Cyele and Internal Control Eiectiveness： Evidence from China[J].Finance Research Letters，2023（58）：104-223.

【3】史青春，牛悦，徐慧.企业数据要素利用水平影响投资效率机理研究——利用数据要素激活冗余资源的中介作用[J].中央财经大学学报，2023（11）：105-115.

【4】Warner K， Waeger M. Building dynamic capabilities for digital transformation： An ongoing process of strategic renewal[J].Long Range Planning，2019，52（3）：326-349.

【5】张夏恒，刘彩霞.数据要素推进新质生产力实现的内在机制与路径研究[J/OL].产业经济评论：1-21[2024-04-04].

【6】闫永佳，宋晓玲.货币政策对企业融资约束异质性影响的统计检验[J].统计与决策，2024，40（04）：134-139.

【7】代乾，仇娟东，何风隽.金融聚集对企业融资约束的影响及机制研究[J].科学决策，2023（11）：48-66.

【8】陈宝东，王国容.地方政府债务、政府补助与高新技术企业融资约束[J].哈尔滨商业大学学报（社会科学版），2023（05）：93-107.

【9】孙洁，王梓臣，李杰.中小股东诉讼对同行业公司融资约束的溢出效应[J].证券市场导报，2024（03）：24-36.

【10】肖红军，阳镇，刘美玉.企业数字化的社会责任促进效应：内外双重路径的检验[J].经济管理，2021，43（11）：52-69.

【11】车德欣，戴美媛，吴非.企业数字化转型对融资成本的影响与机制研究[J].金融监管研究，2021（12）：56-74.

【12】刘翰林，黄佳玲.企业数字化转型对融资约束的影响研究——基于“信息论”与“资源论”的视角[J].杭州电子科技大学学报（社会科学版），2024，20（01）：21-30.

【13】黄波，王满.分析师跟踪影响了商业信用融资吗——基于我国上市公司的实证分析[J].山西财经大学学报，2018，40（08）：42-55.

【14】张记元，赵博思.企业数字化转型如何赋能商业信用融资——基于信息效率与信息治理[J].贵州财经大学学报，2024（02）：71-80.

【15】王超，余典范.企业数字化的供应链融资效应——基于商业信用视角[J].经济与管理研究，2023，44（10）：109-128.

【16】吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021，37（07）：130-144+10.

【17】黄先海，高亚兴.数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究[J].中国工业经济，2023（11）：118-136.