数字经济影响企业信用风险的效应及路径

郭吉涛，朱义欣

（齐鲁工业大学（山东省科学院） 管理学院，山东 济南 250353）

一、引 言

现阶段，我国正处于经济转型的关键时期，保证经济持续健康发展、防控各种重大风险是建设现代化经济体系的重要前提[1]。 “十四五”规划中明确指出要“维护金融安全，守住不发生系统性风险底线”。 然而，据 Wind 数据显示，自 2016 年以来，中国债券违约规模逐年上升， 从2016 年的393.77 亿元增加到2020 年的1448.64 亿元。 违约事件的增多和违约规模的扩大，引发了信用恐慌并导致一大批企业发债失败，对我国金融市场的稳定和经济安全提出了挑战。 如何防范化解企业信用风险、应对经济领域的风险挑战已成为学术界、企业和政府关注的重要议题。 与此同时，随着新一轮科技革命不断推进，数字经济在推动企业转型升级、提高经济效益和重塑信用体系等方面发挥了重要作用[2]，为防范化解企业信用风险提供了新的思路。

2020 年，中国数字经济规模占GDP 比重已增至38.6%，为构建新发展格局提供了重要支撑。 企业作为国家经济的重要组成单元，也因受到数字经济的影响发生了由内而外的颠覆性变革。 数字经济的蓬勃发展使数据成为新的生产要素，重构了企业的生产方式和商业模式，缩短了企业供应链的长度和产业链的空间距离[3]，有利于优化资源配置、释放要素潜力，对企业经营绩效产生了不可忽视的影响。此外，数字经济推动了信用数字化的发展，在构建新型信用体系、解决信用甄别机制缺失等方面发挥了重要作用[4]。 但数字经济发展过程中通常伴随着互联网巨头垄断、羊群效应、虹吸效应、信息安全等问题，对企业发展产生的负面影响同样不可忽视。因此，数字经济的发展对防范化解企业信用风险是否具有积极作用，目前仍缺乏直接证据。

基于以上背景，本文拟探讨数字经济发展对企业信用风险的影响及作用机制。 本文可能的创新点主要体现在3 个方面：第一，目前关于数字经济的实证研究多聚焦于要素错配、经济增长等宏观效应，对数字经济影响微观企业信用风险的关注尚显不足。 本文不仅拓展了数字经济微观效应的研究视角，还从宏观层面丰富了企业信用风险影响因素的相关研究成果。 第二，从还款能力和还款意愿两个维度探寻了数字经济对企业信用风险的影响路径， 并在此过程中嵌入企业所处的信用环境因素，有利于打开数字经济与企业信用风险之间关系的“黑箱”。 第三，考虑我国的本土情境，基于供给侧结构性改革和数字化治理水平角度，拓展了数字经济影响企业信用风险的异质性分析，有利于为经济政策的制定和企业信用风险的治理提供新思路。

二、文献综述

关于企业信用风险的演化成因，国内外学者从企业内外部环境角度进行了诸多探讨。 从外部环境来看，宏观经济环境的变化、经济政策的不确定性等都会对企业的经营带来挑战，企业信用风险不可避免地会受到复杂的外部宏观环境影响。如许遵武研究发现，国际金融危机对全球经济造成的严重冲击导致全球市场需求不足，企业信用风险加剧[5]；Gopalakrishnan 等认为经济政策的不确定性会使企业面临更高程度的信息不对称，进而对企业信用风险产生影响[6]。从企业内部环境角度来看，部分学者立足于企业自身状况考察了企业信用风险的影响因素。如马九杰等认为，企业财务状况、企业规模等对企业信用风险均有一定影响[7]；罗朝阳等研究发现，全要素生产率高的企业资源配置效率和人力资本水平更高，技术和设备更先进，企业盈利能力更强，发生违约风险的可能性更低[1]。 此外，企业内外信息不对称也是造成企业发生信用风险的重要因素。洪银兴认为企业与债权人之间的信息不对称滋生了逆向选择和道德风险，进而导致企业信用风险增加[8]。周宏等研究发现，良好的公司治理可通过减轻企业与投资者之间的信息不对称程度，进而降低企业信用利差[9]。

现阶段，数字经济相关研究成果比较丰富，但遗憾的是，有关数字经济对企业信用风险影响的研究鲜有学者涉及，相关文献多集中于数字经济对宏观国民经济和微观企业经营管理的影响等方面。关于数字经济发展对宏观国民经济的影响，现有文献从数字产业化和产业数字化视角进行了大量研究。一方面，从数字产业化角度来看，数字产业化使数据成为新的生产要素，信息产业利用数据进行生产、创新，从而创造出新技术、新模式和新业态，实现了整体产业的增值[10]。 另一方面，从产业数字化角度来看，数字经济促进了数字技术和传统产业的深度融合，并以技术推动为基础、消费者需求升级为着力点[11]，加快传统产业的转型升级，最终实现经济的高质量发展[2]。 从宏观层面讨论数字经济对国民经济的影响，为我们识别数字经济效应的微观机制提供了理论基础，学者们进一步从微观层面多角度探究了数字经济发展对企业的影响。相关研究表明，数字经济的发展为企业利用数字技术整合资源、加强与市场需求的信息匹配提供了便利，极大提高了企业的内部管理效率、决策效率以及创新效率[12][13]。但也有学者发现，数字经济发展过程中存在平台垄断和监管困难等难题，对企业发展的负面影响也不可小觑[14]。

梳理相关文献可以看出，尽管以往文献鲜有涉及数字经济与微观企业信用风险之间的关系，但数字经济、企业信用风险的相关研究为本文奠定了丰富的理论基础。 企业信用风险是企业偿债能力和管理者还款意愿综合作用的结果[15]。 因此，从企业信用风险的成因来看，提高企业的还款能力、增强管理者的还款意愿是预防企业信用风险发生的重要途径。 但从现有研究来看，数字经济发展对企业存在着正面促进和负向冲击双重效应，其是否能降低企业信用风险，已有文献尚未进行实证研究。 基于此，本文在以往研究基础上，尝试探讨数字经济与企业信用风险之间的关系及其影响路径，以期为数字经济如何影响企业信用风险提供新的经验证据。

三、理论分析与研究假设

（一）数字经济影响企业信用风险的内在机理分析

从成因来看，数字经济对企业信用风险的影响主要包含两个维度：一是企业的还款能力，主要以企业的盈利能力来衡量；二是企业管理者的还款意愿，此因素主要与企业管理者的机会主义行为有关。数字经济利用数字化知识，以全新的技术范式提高了企业的盈利能力和信息传递水平，通过发挥节本增收效应、效率提升效应、信息效应影响企业的信用风险水平。 基于此，本文构建了数字经济影响企业信用风险的内在机理模型（见图1）。

1.节本增收效应分析。 数字经济的发展推动传统企业逐渐向数字化转型，便于企业借助互联网和大数据等技术不断扩展企业活动的边界，充分释放规模经济和范围经济的红利，最终实现企业经营绩效的快速增长[16]，降低企业信用风险。 一方面，互联网等数字技术具有较强的网络外部性，当企业的产品用户增加到临界规模后，便会通过正向反馈机制实现强者愈强的马太效应，使得企业的固定成本和边际成本逐渐降低，最终达到节约企业平均成本的目的，实现规模经济效应[17]。 另一方面，数字技术的延展性使产业边界逐渐模糊，为企业跨界经营提供了重要机遇。 企业可利用大数据、人工智能等技术将自身的核心竞争力复制推广到其他行业，并将企业资源在不同行业之间合理分配，有利于企业突破行业壁垒，实现范围经济效应[16]。

2.效率提升效应分析。 数字经济利用数字技术去中心化、去中介化的优势，推动企业管理组织模式和生产组织方式重塑，有助于组织内部的信息共享和资源协同[11]。 从企业管理组织角度来看，数字技术推动传统组织结构逐渐向网络化和扁平化转型、组织环境逐渐趋于动态化，细化了组织内部分工，使组织内部沟通更加准确、通畅，极大提高了企业决策效率[12]。 在企业面临复杂多变的环境时，较高的决策效率能有效降低企业经营风险，提升企业的生存能力和竞争能力，避免企业因决策失误而导致信用风险。 从企业生产方式角度来看，数字技术为企业提供了完整、系统的监督反馈机制[16]，将企业的生产、运营、销售等环节整合成一种高质量、高效率的生产方式，实现企业供给与市场需求精准匹配，并以迭代的方式向市场提供产品和服务[2]。 这种生产方式克服了传统生产方式的缺点，能够控制企业的生产运营成本，提高生产效率，进而增加企业的经济效益，降低企业信用风险。

3.信息效应分析。 声誉机制理论认为，企业声誉会影响企业未来的收益函数，若企业因处罚等负面事件而声誉受损，就会成为企业不可消除的“档案”，对企业未来的收益产生负面影响[18]。 数字经济促进了新型网络社交媒体的快速发展，使信息传播不再受制于时间或空间，不仅提高了债权人和监管者监督管理层的便利性，其强大的舆论治理和信息传递能力还会使企业难以掩盖负面信息[19]，增加了企业的违约成本。因此，数字经济发展带来的“聚光灯”使企业管理者的行为受到了严密监督，能有效缓解信息不对称，充分发挥声誉的违约惩戒功能，抑制企业管理者的机会主义行为。企业出于维护自身声誉的考虑，只能选择如实披露信息、按时还款，这有利于增强企业的还款意愿，降低信用风险。 基于以上分析，本文提出如下假设：

假设1：数字经济会降低企业的信用风险。

（二）数字经济影响企业信用风险的作用路径分析

从图1 可以看出，增强企业的还款能力和还款意愿是降低信用风险的两个主要维度。 从企业还款能力角度来看，企业全要素生产率是企业的资本、技术、人才等要素投入的综合产出效率，是企业长期竞争优势的来源和基础，在一定程度上反映了企业经营状况。 企业全要素生产率越高，说明企业的生产成本越低、治理水平越高，在市场中的竞争力也越强，企业能够获得充足的资金用来偿还债务[1]。从企业还款意愿角度来看，信息不对称助长了管理者的“机会主义”倾向，而在市场信息不完全的市场条件下，降低企业的信息不对称程度有助于缓解信用缺失等难题[8]。因此，提升全要素生产率和降低信息不对称可能是数字经济影响企业信用风险的重要路径。此外，企业行为嵌入于其所在的信用环境，企业最终的信用行为选择是其自身和外部信用环境交互作用的结果。 因此，在数字经济影响企业信用的过程中，不可避免地要受到外部信用环境的调节作用。 根据上述分析，本文构建了数字经济影响企业信用风险的作用路径图（见图2）。

1.企业全要素生产率的中介作用分析

数字经济通过提升企业全要素生产率影响企业信用风险，主要是基于成本节约和技术创新两个方面。从成本节约角度来看，企业全要素生产率高，意味着企业资源错配程度低，产品的边际产出相对较高，有助于节约企业成本，提高企业经营绩效，从而降低企业信用风险[1]。具体来看，随着数字经济的发展，数字技术的易用性和“赋能效应”重塑了企业的资源配置和生产组织方式[13]，企业利用数字技术强大、高效的处理能力，能够实现数据、信息等数字生产要素与资金、 劳动力等传统生产要素的整合、开发和共享，提高生产要素的协同性，改善企业的资源配置效率， 进而提升企业的全要素生产率，降低企业信用风险。 从技术创新角度来看，创新的溢出效应能够提高企业科技知识存量水平，有利于提升企业整体科技实力，进而提高企业的全要素生产率[20]。 因此，数字经济对企业创新的推动作用也是提高企业全要素生产率、降低企业信用风险的重要途径。 数字经济利用数字技术将数据流、资金流和人才流整合，实现要素跨区域、跨行业、跨层级的交换和共享[21]，从而建立一个网络化的创新生态系统，使企业创新资源的配置效率更高，有利于提高企业创新效率，最终促进企业全要素生产率的提升。 数字经济通过创新途径提升全要素生产率有利于增加企业产品的附加值和利润率，使企业有充沛的资金用于偿还债务，因此更不容易发生信用风险[1]。基于以上分析，本文提出如下假设：

假设2：数字经济通过提高企业的全要素生产率进而降低企业的信用风险。

2.信息不对称的中介作用分析

根据“经济人”假设，若企业行为不存在外部监督，则企业将不存在违约成本，那么企业违约获得的回报将大于守约获得的收益，此时，一个理性的管理者便会选择违约[22]。 由于市场的不完善性，企业与其他信息使用者（政府、债权人等）之间的信息是极其不对称的， 企业会对披露的信息进行 “润色”，隐藏对自身不利的信息。信息阻滞使企业监管面临着监管不足和监管成本高昂等困境[8]，导致企业逆向选择和道德风险的发生，而这是企业信用风险形成的重要因素。 从企业信息披露的角度来看，数字经济的发展使企业管理者“被迫”提高自身的信息透明度。数字技术的广泛应用不仅使其他信息使用者获取上市企业的信息变得更加便利，也引发了公众“愤怒成本”的上升，若管理者仍决定铤而走险隐瞒信息，可能会造成恶劣的社会舆论并引致监管机构的关注和介入，而负面舆论的快速扩散必将对管理者的声誉造成影响，这可能会对其职业生涯造成毁灭性打击[19]。 因此，高昂的违约成本使得管理者不得不提高企业的信息透明度，而这有助于缓解信息不对称，进而降低企业信用风险。 从监管角度来看，数字经济的发展使依靠静态财务数据的传统信用体系逐渐向数据和技术驱动的平台型信用体系转变，推动了各部门、各层级、各领域信用系统的互通和融合，有助于消除“信息孤岛”“信息烟囱”等障碍，破解信用监管的“监管割裂化”问题[4]。 同时，数字经济平台拓宽了社会公众获取信息的渠道，实现了数据采集、信用评估、信用数据运用的管理闭环，降低了企业与其他信息使用者之间的信息不对称程度，提高了企业违约行为被识别的概率和违约成本，有利于抑制企业管理者故意违约的动机，降低企业信用风险。 基于以上分析，本文提出如下假设：

假设3：数字经济通过缓解信息不对称程度进而降低企业的信用风险。

3.地区信用环境的调节作用分析

数字经济的发展使得信息流动更加迅速和便利，个体之间的信息交互作用形成了强大的社会舆论和社会影响[19]，企业出于自身声誉和口碑的考虑，便会选择偿还债务。 因此，社会舆论是数字经济利用声誉机制影响企业信用风险的重要手段。在信用环境良好的地区，守信激励和失信惩戒已成为广为接受的社会行为规范， 在强大社会舆论的作用下，失信行为会增加管理者的心理成本和经济成本，因此，较高的地区信用水平有助于进一步发挥数字经济利用社会舆论提升企业管理者还款意愿的积极作用，使企业管理者更倾向于做出诚信选择[22]。 而在信用环境较差地区，由于当地失信行为普遍，失信成本较低，削弱了社会舆论对失信行为的震慑作用，即使数字经济发展会降低企业的信息不对称程度，但较低的违约成本致使声誉机制的效果无法充分发挥，一个理性的企业管理者很可能做出不诚信选择[23]，从而弱化了数字经济对企业信用风险的抑制作用。此外，现有研究发现，不同企业之间存在着同伴效应和从众行为[24]。 在信用环境良好的地区，诚信文化根植人心，企业的诚信行为会引发其他企业的学习和模仿，这有利于企业与供应商、客户、大型互联网平台企业等社会网络成员建立牢固的信任关系。 由此，数字经济可借助社会网络成员之间的互动关系更好地实现数字稀缺资源的共享和流通，有利于企业针对市场环境进行创新和数字化改造活动，实现企业效率的提升[25]。 因此，良好的信用环境会进一步增强数字经济对企业经营绩效的提升作用，强化其对企业信用风险的抑制效果。 基于以上分析，本文提出如下假设：

假设4：地区信用环境会对数字经济与企业信用风险的关系产生调节效应。

四、研究设计

（一）数据来源

本文以 2012～2018 年沪深两市 1389 家 A 股上市企业作为研究样本，并对样本进行了以下处理：（1）剔除了金融行业和上市时间不足1 年的样本；（2）剔除 ST、*ST 类企业；（3）删除了核心指标数据缺失的样本；（4） 对所有连续型变量进行了1%的Winsorize 处理。 经过以上处理，最终得到 9723 个观察值，并采用STATA16.0 进行实证分析。 本文企业财务数据和省份GDP 数据来源于国泰安 （CSMAR）数据库，数字经济发展水平指标测度数据来源于历年《中国统计年鉴》以及各省份统计年鉴。

（二）变量定义

1.数字经济

本文借鉴张永恒等的研究，基于指标覆盖的全面性和数据可得性，选择了12 个评价指标，从数字化发展潜力、数字基础设施建设、数字化应用3 个维度构建了数字经济发展水平评价指标体系[26]。 其中，数字化发展潜力指标主要包括数字化技术的直接收益、资金投入和人才投入；数字化基础设施建设包括数字化传输基础、承载能力和人员配备等内容； 数字化应用可进一步分为生产应用和生活应用，数字化生产应用包括电商参与水平、电商的经营效益和相关生产投入，数字化生活应用包括各省居民宽带生活、移动生活和互联网消费等指标。 最后采用熵权TOPSIS 方法对上述指标进行赋权测算，最终得到30 个省、自治区、直辖市的数字经济发展水平指数。 具体测算指标体系及权重见表1。

表1 数字经济发展水平测算指标体系

2.企业信用风险

企业信用风险的评价方式有很多种，由于中国的金融市场环境与国外相比存在很大差别，因此很多适用于国外企业的模型并不完全适合用来评价中国企业的信用风险。本文借鉴Zhang 等人以及张玲的做法，采用基于中国企业财务数据分析构建的Zscore 模型来衡量企业的信用风险[27][28]。 根据模型（1）计算得到的Zscore 值越大，表明企业的偿债能力越强，信用风险越小。

3.中介变量

（1）全要素生产率。 全要素生产率的计算方法主要有LP 法和OP 法，但OP 法存在大量样本数据缺失问题，因此本文采用LP 法计算企业的全要素生产率。 在测算过程中， 本文基于柯布-道格拉斯生产函数，选取主营业务收入的自然对数作为企业产出指标，企业总资产的自然对数作为企业资本投入指标，员工总数的自然对数作为企业劳动力投入指标。

（2）信息不对称程度。 本文借鉴周宏等学者的做法，采用企业无形资产占总资产的比重来衡量信息不对称程度[9]。相对于实物资产来说，无形资产的价值不易评估。 拥有较多无形资产的企业，管理者具有更多的信息优势，因此无形资产占企业总资产的比重越高，信息不对称程度越高。

4.调节变量

对于调节变量地区信用环境，本文采用CEI 官方公布的《2017 中国城市商业信用环境指数（CEI）蓝皮书》中披露的省份CEI 指数来衡量。 需要说明的是，CEI 指数中未给出 2014 年、2016 年和 2018年的具体得分。 鉴于信用环境的演变是一个较为缓慢的过程，因此本文将研究样本缺失的2014 年指数用2013 年的数据替代；2016 年指数用2015年的数据代替；2018 年指数则用2017 年的数据替代。 在此基础上， 本文将信用环境指数排名前15的省份划分为信用环境良好的地区，其余为信用环境较差的地区。

5.控制变量

本文选取的企业层面控制变量主要包括企业规模、企业年龄、产权性质、企业担保能力、股权集中度、两职合一。 此外，本文进一步纳入了地区层面和行业层面的控制变量。 其中，地区层面的控制变量主要包括企业所在地区的经济发展水平、法律环境水平和金融发展水平。行业层面的控制变量主要为企业所在行业的竞争程度。具体的变量定义见表2，描述性统计见表3。

表2 主要变量定义

表3 主要变量的描述性统计

（三）模型设定

为研究数字经济对企业信用风险的影响及作用路径，本文构建了如下固定效应回归模型：

其中，Risk 为企业信用风险水平；DE 为企业所在省份数字经济发展水平；M 为本文的中介变量；Control 为企业层面、省份层面和行业层面的控制变量；下标i 表示企业，t 表示年份；μ 为个体固定效应，v 为时间固定效应。 模型（2）为基准回归模型，用来检验假设 1 和假设 4，模型（3）、模型（4）为中介效应检验模型，用来检验假设2 和假设3。

五、实证检验与稳健性分析

（一）基准模型检验结果

为了检验数字经济影响企业信用风险的因果效应，本文构建了包括个体和时间的双向固定效应模型进行实证分析，回归结果如表4 所示。 表4 第（1）列结果显示，在不引入任何控制变量的情况下，数字经济的系数在1%水平上显著为正，这说明数字经济的发展会显著降低企业信用风险，假设1 得到初步验证；第（2）列结果显示，在引入控制变量之后，数字经济的系数依然显著为正。 这与本文的假设1 相符，即地区数字经济发展水平越高，企业发生信用风险的可能性越小。

（二）影响路径检验

1.中介效应检验

首先检验企业全要素生产率的中介作用，结果见表 4 第（3）、（4）列。第（3）列中数字经济的估计系数在5%的水平上显著为正，说明数字经济会通过改造企业的生产方式、推动企业创新等方式对企业全要素生产率发挥正向提升作用；在加入中介变量全要素生产率后，第（4）列中全要素生产率对企业信用风险的影响在1%的水平上显著为正，估计系数为0.4092，说明企业全要素生产率越高，企业发生信用风险的可能性越小；数字经济的回归系数为0.0241，且通过了显著性检验，说明企业全要素生产率在数字经济影响企业信用风险过程中起部分中介作用，即数字经济会通过提高企业的全要素生产率进而降低企业的信用风险，假设2 得到验证。

接下来检验企业信息不对称程度的中介作用。表 4 第（5）、（6）列为信息不对称中介效应回归结果。回归结果显示，第（5）列中数字经济的估计系数显著为负，说明数字经济发展有利于提高企业披露信息的质量，打破“信息孤岛”的制约，提高企业的信息透明度，从而对企业信息不对称程度产生显著的负向影响； 在加入企业信息不对称程度变量后，第（6）列中数字经济的估计系数为0.0267，在1%的水平上显著为正，企业信息不对称程度的估计系数为-0.9271，在5%的水平上显著为负，这说明企业信息不对称会增加企业的信用风险，而数字经济会通过缓解信息不对称进而降低企业的信用风险，企业信息不对称程度在数字经济影响企业信用风险的过程中起部分中介作用，假设3 得到验证。

2.调节效应检验

本文的自变量数字经济为连续型变量，调节变量地区信用环境为类别变量，根据温忠麟等的研究，在验证调节效应时应采取分组回归的方法[30]。 本文即采用此法来检验地区信用环境的调节效应。 表4第（7）、（8）列为两组不同信用环境的样本回归分析结果。 由第（7）列结果可知，在地区信用环境良好的样本中，数字经济回归系数在1%的水平上显著为正，这说明诚信规范和信用文化能够有效增强数字经济对信用风险的抑制作用；表4 第（8）列结果显示，在信用环境较差的地区，数字经济对企业信用风险的抑制作用并不显著，这说明在这种地区，失信成本低会使企业管理者倾向于选择“不诚信”行为，导致数字经济抑制企业信用风险的积极作用无法发挥。此外，本文进一步进行了组间差异检验，suest 检验结果显示， 地区信用环境较差组和良好组样本的回归系数在1%的水平上存在显著差异；费舍尔组合检验结果显示，两组样本的回归系数在10%的水平上存在显著差异。 由此可判断，地区信用环境在数字经济影响企业信用风险的过程中发挥了一定的正向调节作用，假设4 成立。

表4 数字经济影响企业信用风险的实证检验结果

（三）稳健性检验

1.内生性问题

本文参考陈小辉等的研究思路，利用其他省市区相同年度数字经济发展水平均值平方（IV）作为数字经济的工具变量[31]，采用工具变量法重新对模型进行回归分析，研究结果见表5。 从第一阶段回归结果来看，工具变量的系数在1%水平上显著，弱工具变量检验的F 统计量为14.40，大于临界值10，即拒绝弱工具变量的假设，这说明选取的工具变量有效。从第二阶段回归结果来看，关键解释变量DE的系数在5%水平上显著为正，说明在排除内生性的情况下，本文的研究结论是稳健的。 此外，本文进一步对自变量进行滞后一期处理，尽可能缓解逆向因果问题。表5 结果显示，在模型（2）中加入滞后一期的自变量（LDE）后，本文的核心结论依旧成立。

表5 稳健性检验结果：内生性问题

2.替换被解释变量

本文借鉴何德旭等的研究， 采用Altman-Z 值法重新测算企业的信用风险[32]，具体测算方法见式（5）。 Zscore1（与上文进行区别，此处 Z 值为 Zscore1）的数值越大，则说明企业的信用风险越小，若Zscore1 数值小于1.81，则说明企业存在较大的信用风险，破产的可能性极大。 表6 报告了被解释变量替换为Z 值的回归结果，其中回归系数及显著性水平没有较大的变动。 因此，本文的假设在替换因变量后仍然成立。

表6 稳健性检验结果：替换因变量

3.更换数字经济赋权方法

为进一步检验模型的稳健性，本文采用主成分分析法对数字经济的指标重新进行赋权测算。主成分分析法可消除评价指标间的相关影响，各指标的权数是其贡献率，确定的权重可信度较高。 数据的KMO 检验值约为0.7，说明数据是适用于主成分分析法的。 表7 报告了数字经济赋权方法更换为主成分分析法后的回归结果。 结果显示，在更换数字经济赋权方法后，各解释变量回归系数的显著性均没有较大的差异，说明本文的结论稳健。

表7 稳健性检验结果：更换数字经济赋权方法

六、拓展性分析

（一）基于供给侧结构性改革的情境机制分析

现阶段， 数字经济逐渐向社会各领域渗透，打破了时空限制和产业界限，已成为深化供给侧结构性改革、推动中国经济增长的新动能[2]。 因此，本文将从企业信用风险角度，探究数字经济对供给侧结构性改革的引领作用。

在供给侧结构性改革的背景下，产能过剩行业中的企业盈利能力差，企业效率低。 供给侧结构性改革开始后，受政策出台的冲击，产能过剩行业中的企业面临着融资约束问题，导致财务状况恶化，信用风险进一步向产能过剩行业集聚，这极大阻碍了供给侧结构性改革的深入推进。 为了考察数字经济能否从降低企业信用风险角度发挥对于供给侧结构性改革的引领作用，本文借鉴卢露等的研究，将样本企业分为产能过剩行业①和非产能过剩行业[33]，并考察了数字经济对不同行业的企业信用风险的影响，回归结果如表 8 第（1）、（2）列所示。研究结果显示，无论产能过剩行业还是非产能过剩行业，数字经济水平的提高都降低了企业的信用风险，但其对产能过剩行业中的企业影响更大。 互联网、大数据等技术的发展不仅增加了企业生产与市场需求之间的信息沟通，使企业的资源配置和产品销售更有效率[34]，而且使企业能够依托便捷发达的物流网络，突破地理距离的限制，拓展产品销售和服务的空间覆盖范围[35]。 这在一定程度上增加了对企业产品的需求，有利于减少过剩产能，提高企业的产能利用率，降低信用风险。 数字经济对企业产能利用率的提升效应对产能过剩行业中的企业来说，更可能发挥“雪中送炭”作用，因此，数字经济对产能过剩行业中企业信用风险的抑制作用更明显。这也从侧面说明了数字经济有利于降低供给侧结构性改革过程中的“短期阵痛”，推进产能过剩行业的转型升级，从而促进中国经济的高质量发展。

（二）基于数字化治理水平的情境机制分析

数字经济与实体经济的深度融合，在赋能中国经济高质量发展的同时，所潜藏的风险也对政府的数字化治理水平提出了更高的要求[2]。 数字经济的复杂性和创新性加大了监管的难度，而政府数字化治理水平的提高能够增强不同区域、不同部门之间的协同监管能力，有效疏通跨区域跨部门的信息沟通渠道[36]，进而推动数字经济健康发展。 基于此，本文进一步探讨当外部数字化治理水平存在差异时，数字经济对企业信用风险是否存在异质性影响。

从区域层面来看，中国省际间数字化治理水平存在显著差异，本文按照《2020 中国政府数字治理指数报告》披露的各省级政府数字化治理指数的高低，将位于前15 名的省份（直辖市）划分为数字化治理水平较高的地区，其余划分为数字化治理水平较低的地区，具体回归结果如表 8 第（3）、（4）列所示。 位于数字化治理水平较高地区的企业，数字经济对其信用风险的影响系数为正，且在1%的水平上显著，而位于数字化治理水平较低地区的企业，数字经济对其信用风险的影响不显著，说明相比数字化治理水平较低地区的企业，数字经济会显著降低数字化治理水平较高地区企业的信用风险。出现上述结果的原因可能是，政府数字化治理水平的提升，一方面减少了数字技术的发展所带来的互联网巨头垄断、金融科技套利等行为，能够更有效地引导市场自身纠偏机制运转，提高市场的资源配置效率，更好地实现数字经济的“赋能效应”[37]；另一方面则能够实现不同监管部门跨地区、 跨部门协同，进一步借助数字技术推动企业监管信息、信用数据的共享，提高对企业违约行为的识别能力和监管效率，从而对降低企业信用风险大有裨益。

表8 拓展性分析回归结果

七、结论与启示

（一）研究结论

“十四五”时期，防范系统性金融风险是我国国家经济安全工作的重中之重，利用数字经济赋能企业、建设新型信用体系，是防范企业信用风险、保证经济平稳健康运行的重要思路。 本文利用2012～2018 年沪深A 股上市公司数据作为研究样本，实证检验了数字经济对企业信用风险的影响及其作用机制。 研究发现，数字经济的发展显著降低了企业的信用风险。 路径分析表明，企业全要素生产率和信息不对称程度在数字经济影响企业信用风险的过程中发挥中介作用，数字经济通过提高企业全要素生产率、缓解信息不对称程度，进而降低企业的信用风险。此外，本文进一步发现，数字经济能够有效降低供给侧结构性改革中的“短期阵痛”，显著抑制了产能过剩行业中企业的信用风险，从而发挥对供给侧结构性改革的引领作用；政府的数字化治理水平会影响数字经济对企业信用风险抑制效应的发挥，在数字化治理水平较高地区，数字经济会显著降低企业的信用风险，而数字化治理水平较低地区，数字经济对企业信用风险的影响并不显著。

（二）研究启示

第一，政府应当加快推动5G 网络、数据中心等新型基础设施建设，同时要完善税收、科技服务、财政补贴等政策手段，为数字经济的发展提供良好基础。 在面临复杂多变的外部环境时，要鼓励企业充分利用互联网、大数据等数字技术，及时获取与决策相关的信息，提高企业决策效率和抗风险能力。通过数字技术合理地配置资金、人才、数据等要素，提高企业的资源配置效率，进而改善企业的全要素生产率，提升经济效益。 在深化供给侧结构性改革的过程中，应充分发挥数字经济对改革的引领作用，提供配套的财税政策和资金支持，积极推动产能过剩行业中企业的数字化转型，降低改革对产能过剩行业的冲击，使改革的效果得到充分发挥，最终实现经济高质量发展。

第二，信用环境的改善能显著增强数字经济发展对企业信用风险的抑制作用，而当外部信用环境较差时， 数字经济无法充分发挥信息传导效应。 因此，各级地方政府应当加强地区信用环境建设，打造企业信誉资产与声誉机制良性循环的局面，营造以“守信激励”和“失信惩戒”为准则的良好信用环境，建立公平的市场竞争制度。 此外，诚信文化与制度约束相比更具感染力，因此政府应当注重诚信文化在信用环境建设中的重要作用。 政府可借助新媒体和互联网对典型违约案件进行通报，并树立诚实守信的企业榜样，加强对诚信文化的舆论引导。同时也可通过创建信用示范城市，以点带面，为诚信文化的传播提供优质“土壤”。

第三，政府应当尽快实现数字化转型，提高自身的数字化治理水平，积极推动大数据等数字技术在信用监管中的应用，加快传统信用监管体系与数字信息技术的融合。 要强化信用数据归集共享体系， 开辟不同的信用数据搜集和获取的合法渠道，并利用数字技术传输效率高、覆盖面广的优势，实现跨区域、跨部门的监管信息共享，建设新型的平台信用监管体系，充分发挥数字平台的监督作用，消除信用数据碎片化问题，实现公共信用信息与平台信用信息的互通共享。 在此基础上，要完善信用联合奖惩清单管理制度，严格规范联合奖惩对象的认定流程，并制定相应的惩处方案。 要加强网络环境中信用数据的保护力度，建立健全的信息数据安全管理机制，强化对信用数据的安全督查，加大对利用信用数据进行的违法犯罪活动的执法力度。

注：

①产能过剩行业主要包括煤炭开采和洗选业（B06）、黑色金属矿采选业（B08）、有色金属矿采选业（B09）、纺织业（C17）、造纸及纸制品业（C22）、石油加工、炼焦及核燃料加工业（C25）、化学原料及化学制品制造业（C26）、化学纤维制造业（C28）、非金属矿物制品业（C30）、黑色金属冶炼及压延加工业（C31）、有色金属冶炼及压延加工业（C32）、金属制品业（C33）、船舶制造业（C37）、电力、热力生产和供应业（D44）等14 个行业。