数字经济下企业数字化转型与资本结构动态调整

张益青 栾天虹

（浙江工商大学金融学院 浙江 杭州市 310018）

一、引言

21 世纪以来，互联网的普及推动了以人工智能、大数据、云计算、区块链为代表的新一代数字技术的发展，全球经济逐渐呈现数字化特点，人类社会进入了以数字化为特征的全新时期。数据的重要性不断凸显，党的十九届四中全会将数据确认为第七种生产要素，数据要素市场的发展也在努力推动中，数字化成为我国经济发展的新动能。

中共中央和国务院高度重视我国数字经济的建设与发展。习近平总书记在中共中央政治局第三十四次集体学习时强调，要推动数字经济和实体经济深度融合，发挥数字技术对经济发展的放大、叠加、倍增作用。《“十四五”数字经济发展规划》将“到2025年，数字技术与实体经济融合取得显著成效”设立为总目标。企业作为宏观经济的微观载体，其数字化转型成为两者融合发展的现实需求。在数字化的背景下，我们不禁思考数字化转型对企业的发展是否具有积极意义？

目前有大量文献对企业数字化转型的微观经济效应进行研究，主要考察了数字化对债务违约风险（王守海等，2022）、股票流动性（吴非等，2021）、全要素生产率（赵宸宇等，2021）、企业分工（袁淳等2021）、企业经济效益（何帆和刘红霞，2019）等的影响，主要表现为积极效应。但未有文献将数字化转型和企业资本结构动态调整相联系。

MM 定理提出以来，企业的资本结构受到广泛关注。随着理论的不断发展，动态权衡理论表明企业存在目标资本结构，企业会不断调整自身资本结构来向之靠近。王朝阳等（2018）提出杠杆率与资本结构就是一枚硬币的两面，“去杠杆”“稳杠杆”“降杠杆”本质上都是资本结构的动态调整过程。2017 年我国政府工作报告中指出，要积极稳妥去杠杆，重点降低企业杠杆率，将企业杠杆水平调整至最优水平。近期，逆全球化和新冠肺炎疫情突发和反复，进一步冲击企业资金流，对企业杠杆率造成不良影响。鉴于此，本文拟探究数字化转型是否可以促进企业“稳杠杆”，加速企业资本结构动态调整。

与既有文献相比，本文的边际贡献在于：一是将数字化转型与资本结构动态调整联系起来，剖析两者之间的关系，丰富了数字化转型的经济后果研究，为促进企业“稳杠杆”提供了启示；二是由于企业数字化转型过程复杂，转型强度的测算困难，相关统计数据缺乏，本文借助Python 爬取上市公司年报，通过文本分析法对数字化转型关键词进行词频统计，以此衡量数字化转型水平，在指标的刻画上进行了有益补充；三是打开了数字化转型与资本结构动态调整的机制黑箱，梳理出“信息不对称”和“财务稳定”作用机制，并实证检验其影响路径，拓宽了对资本结构动态调整的影响因素研究；四是将企业微观特征和行业因素纳入分析，考察企业规模、产权性质、行业竞争程度的异质性，为政府针对性提出政策建议提供依据。

二、理论机制与研究假设

修正后的MM 理论提出以来，关于资本结构的研究不断深入，企业存在目标资本结构成为共识，动态调整理论应运而生。有大量文献已经针对资本结构动态调整的影响因素做出了探讨。宏观层面上，学者考察了货币政策、经济政策不确定性、市场化进程等对资本结构动态调整的影响（邹萍，2015；姜付秀和黄继承，2011）。微观层面上，基于金融资产配置、高管薪酬激励、产权性质等视角进行分析（安素霞和刘来会等，2020；郭雪萌等，2019；盛明泉等，2012）。上述研究为理解资本结构动态调整的动因和机制提供了丰富借鉴。

动态资本结构理论认为，由于企业内外部环境不断变化，企业会不断调整和优化自身资本结构，来向目标资本结构趋近，而调整的速度则取决于调整成本（Fischer 等，1989）。上述研究的影响因素大都通过影响调整成本进而影响资本结构调整速度。关于调整成本，主要关注信息不对称、经营决策产生的调整成本及财务状况等方面（田新民等，2020）。数字化转型作为企业未来发展的新动能，是数字科技和企业生产发展深度融合的表现，赋予了企业更大的经济活力，理论上会在企业资本结构上体现出来。基于此，本文从“信息不对称”和“财务状况”两个主要路径出发，探究数字化转型对资本结构调整速度的影响及作用机制。

数字化转型可以有效降低信息不对称程度，从而提高资本结构调整速度。信息不对称是调整成本的一方面。随着信息不对称程度的提高，由此引发的道德风险和逆向选择需要企业额外承担风险溢价（林慧婷等，2016），企业股权融资和债权融资的调整成本上升；同时信息不对称的上升带来委托代理问题的加重，高管会基于自身利益而不是企业价值最大化进行资本结构决策，从而对资本结构调整速度产生负面影响。企业的数字化转型，将数字技术、大数据等融入到企业的日常生产经营管理中，信息透明度大幅增加，无论是市场投资者，还是股东都获取了更充分可靠的信息，有效缓解了企业和投资者之间、股东和高管之间的信息不对称程度，从而提高了资本结构调整速度。

数字化转型可以有效改善财务状况，从而提高资本结构调整速度。数字化赋能传统企业转型升级，区块链、大数据等技术的快速发展和应用，驱动企业积极创新，降低企业内部管控成本和外部交易成本，有效提升企业价值和财务表现。企业在生产管理过程中积累了大量数据，数字技术的应用可以最大限度发挥数据效应，通过对海量数据进行处理，挖掘有效信息。企业信息处理、信息提取能力的提升，可以增强财务运作和生产管理效率，从而有效改善财务状况。财务状况也是调整成本的一方面。从上市公司的融资渠道来看，主要分为股权融资和债务融资，上市公司成功获取资金的关键因素在于投资者和债权人有意愿进行投资（田新民等，2020）。相比于陷入财务困境的企业，投资者更有意愿投资内在价值高、财务状况良好的企业，从而提高该类企业的融资效率、降低融资成本，进而提高资本结构调整速度。

综合上述分析，本文提出如下假设：

H1：企业数字化转型会显著提高资本结构调整速度。

H2：企业数字化转型通过降低信息不对称程度提高资本结构调整速度。

H3：企业数字化转型通过改善财务状况提高资本结构调整速度。

三、研究设计

（一）样本选取与数据来源

本文以2008-2020 年A 股上市公司为初始研究样本，并参考相关文献按以下原则进行筛选：剔除金融行业，剔除期间内退市、ST、已停牌的公司，剔除资不抵债的企业，剔除数据缺失严重的样本，公司需至少连续5年不存在数据缺失，对关键连续变量进行了1%和99%的缩尾处理来避免极端值的影响，最终获得17807 个观测值。企业层面的数据来自于WIND 和国泰安数据库，上市公司年报来自上交所和深交所官方网站。

（二）资本结构动态调整模型

本文参考Flannery 和Rangan（2006）、王朝阳等（2018）、田新民等（2020）的研究，使用部分调整模型来表达资本结构的动态调整过程：

其中，I为自变量，此处指数字化转型强度（dig）。CV是一系列可以反映负债融资成本和收益的变量，以此来对目标资本结构进行拟合。CV包括企业规模（size）、抵押能力（fa）、息税前利润（ebit）、非债务税盾（dep）、营收增长率（growth）、行业资本结构水平（indlev）。

本文研究的是企业数字化转型对资本结构调整速度的影响，以及信息不对称程度（synch）和财务稳定（z）在这一影响中发挥的中介作用。因此，假设以上三个变量都会影响资本结构动态调整，参考相关研究，设定如下函数：

其中，C代指数字化转型强度、信息不对称程度、财务稳定。本文重点关注这三个变量对调整速度的影响，即λ系数。为了避免对式（3）直接回归产生的偏误，本文将方程进行联立后一步回归。

首先，将式（2）代入式（1），得到：

然后，将式（3）代入式（4），整理后得到：

式（5）为资本结构动态调整的联合一步式回归方程。将数字化转型、信息不对称、财务稳定变量代入式（5）进行回归，可以得到重点关注的系数的相反数，即Clev的系数。

本文参考温忠麟和叶宝娟（2014）提出的中介效应检验流程，采用因果步骤法对中介效应进行检验。当C 指代数字化转型（dig）时，对式（5）进行回归可以得到数字化转型对调整速度影响的总效应；当C 指代数字化转型（dig）和信息不对称时，对财务稳定进行控制，可以得到控制财务稳定情况下，数字化转型对调整速度的影响；当C 指代数字化转型和财务稳定时，可以得到控制信息不对称情况下，对调整速度的影响。同时，本文使用式（6）来检验数字化转型对中介变量信息不对称、财务稳定的影响：

（三）变量选取

1.核心解释变量：数字化转型。微观企业层面的数字化转型程度测算富有挑战性，相关统计数据缺乏，因此本文参考王守海等（2022）、吴非等（2021）、赵宸宇等（2021）、袁淳等（2021）的研究，采用文本分析法来构建企业数字化转型指标。具体步骤如下：第一步，使用Python 爬取上市公司年报；第二步，利用PDFminer3k 模块将上市公司年报的PDF 文件转换为TXT 文本；第三步，参考数字化相关文献和政策文件建立数字化词典（图1），从人工智能、区块链、云计算、大数据、数字技术应用五个维度展开，并将该词典扩充到Jieba 分词库；第四步，基于文本分析法统计数字化词典中关键词在年报中出现的次数，并进行汇总。分布图显示统计数据具有明显的右偏性特征，本文将其对数化处理，最终获得刻画数字化转型程度的指标。

图1 数字化词典

2.中介变量：信息不对称、财务稳定。本文参考孟庆斌等（2019）的研究，采用股价同步性（synch）来衡量信息不对称水平。股价同步性越高，说明公司股价变动与市场变动关联性越强，所反映的公司特质信息越低，信息不对称程度越高。股价同步性的计算，模型如（7）（8）所示：

其中，R表示公司i在t年第w周的股票回报率；R表示A股所有公司在t年第w周经流通市值加权的综合周市场回报率；R表示除公司i以外的同行业内其他公司经流通市值加权的平均周回报率。经式（7）回归后得到R，代入式（8），计算得出股价同步性指标。

关于财务稳定，本文使用破产预测模型进行测算，模型如（9）所示：

其中，X表示流动资产/总资产；X表示留存收益/总资产；X表示息税前利润/总资产；X表示股票市值/总负债；X表示销售收入/总资产。

各变量定义及描述性统计结果详见表1。

表1 变量定义及描述性统计

四、实证分析

（一）基准回归

为探究数字化转型对资本结构动态调整的总效应，本文根据式（5）回归，由于此处不适用于两步最优GMM 估计，选取固定效应模型进行拟合，并进一步控制时间固定效应。本文也列示了不控制时间、不考虑稳健标准误的固定效应模型结果来进行对比。表2 列（1）显示，数字化转型与资本结构滞后一期的交互项（dig×l.lev）系数为-0.0173，在1%的统计水平下显著，说明企业数字化转型程度越高，企业资本结构调整速度越快。列（2）（3）分别显示不控制时间、不考虑稳健标准误固定效应，结果与列（1）相同。这意味着企业数字化转型会加速资本结构动态调整，假设1 得以验证。

表2 数字化转型与资本结构调整速度

（二）稳健性检验

基准回归的结果初步验证了数字化转型会加速资本结构动态调整，但内生性问题可能会对模型结果产生干扰。为了缓解内生性问题，本文参考吴非等（2021）、郑建明等（2018）的研究，采取多期DID 模型，通过设置个体虚拟变量（du）和时期虚拟变量（dt），区分对照组和实验组进行研究。其中，du=1 表示企业在样本期间内进行数字化转型，du=0 表示企业在样本期间内一直未进行数字化转型；dt=1 表示公司在当年及之后进行数字化转型，否则dt=0。考虑到双重差分法需要数字化转型前后几年都有观测值，本文将样本期间内数字化转型不足两年的定义为du=0，同时剔除样本期间内一直进行数字化转型的样本。将式（5）中的C 指代为du×dt 进行回归，可考察企业数字化转型前后对资本调整速度的影响；将C 指代为du×dt×dig 时，可考察企业数字化转型后转型强度对资本结构调整速度的影响。

实证结果如表3的列（1）所示，du×dt×l.lev的系数为-0.0512，在1%的统计水平下显著，表明在采用双重差分法克服内生性后，数字化转型依然可以加速资本结构动态调整。进一步引入数字化转型强度（dig），结果如列（2）所示，du×dt×dig×l.lev系数为-0.02，在1%的水平下显著，表明在考虑数字化转型基础上，企业数字化转型程度越强，资本结构调整速度越快。考虑内生性后，假设1依然成立。

表3 稳健性检验

本文还进行了其他稳健性检验来进一步保证研究结果的可靠性。一是考虑金融危机效应，重大的金融事件会对企业数字化转型进程、杠杆率产生影响，为了避免2008 年金融危机、2015 年中国股灾影响的干扰性，本文选取2011-2014 年样本进行回归；二是改变样本区间，结果如列（3）（4）所示，数字化转型与资本结构滞后一期的交互项（dig×l.lev）系数依然显著为负，再一次验证了结果的稳健性。

（三）中介机制分析

1.数字化转型、信息不对称与资本结构调整速度。根据中介效应因果步骤法的要求，首先检验数字化转型对中介变量信息不对称程度的影响，按式（6）进行回归。表4的列（2）显示了固定效应的稳健回归结果，数字化转型对信息不对称程度的影响显著为-0.0287，表明随着企业数字化转型程度的加强，信息不对称可以有效得到缓解。

为了检验信息不对称程度是否会对资本结构调整速度产生影响，将式（5）中的C指代为synch，结果如表5 列（3）所示，synch×l.lev 系数为0.0169，表明信息不对称程度越强，企业资本结构调整越慢。信息不对称程度的加强，会带来企业股权融资、债权融资成本的上升，从而阻碍资本结构调整。接着，本文研究控制信息不对称的情况下，数字化转型对资本结构动态调整的影响，结果如表5 的列（4）所示，数字化转型与资本结构滞后一期的交互项（dig×l.lev）系数为-0.0202，在1%的水平下依然显著为负。根据检验结果，在数字化转型影响资本结构调整速度的路径中，存在信息不对称的部分中介效应，假设2 得以验证。

2.数字化转型、财务稳定与资本结构调整速度。同样地，对于财务稳定中介变量，首先检验数字化转型对财务稳定的影响，按式（6）进行回归，表4列（1）显示了回归结果，数字化转型对财务稳定的影响系数为0.2610，在1%的水平下显著为正，与何帆和刘红霞（2019）的结论保持一致。这表明随着企业数字化转型程度的加强，一方面促进创新、扩大产出绩效，另一方面通过数字技术的应用降低运营管理成本，从而改善企业财务状况。

表4 数字化转型与信息不对称/财务稳定

为了检验财务稳定是否会对资本结构调整速度产生影响，将式（5）中的C 指代为z，结果如表5 列（1）所示，z×l.lev 系数显著为-0.0304，表明企业财务状况越好，资本结构调整速度越快。这是由于良好的财务状况会激发投资者的投资意愿，提高融资效率，降低融资成本，从而促进资本结构调整。接着，按因果步骤法的要求，还要检验控制财务稳定的情况下，数字化转型对资本结构动态调整的影响，结果如表5列（2）所示，数字化转型与资本结构滞后一期交互项（dig×l.lev）系数显著为-0.0143。这表明控制财务稳定影响后，数字化转型对资本结构动态调整依然产生正向效应。根据检验结果，在数字化转型影响资本结构调整速度的路径中，存在财务稳定的部分中介效应，假设3 得以验证。

表5 数字化转型、信息不对称/财务稳定、资本结构调整速度

五、异质性分析

本部分区分产权性质、企业规模、行业竞争度进行异质性分析，结果如表6 所示。列（1）（2）显示了国企、非国企的回归结果，国企数字化转型与资本结构滞后一期交互项（dig×l.lev）系数为-0.01，非国企交互项系数为-0.0142，均在10%的统计水平下显著。结果表明，数字化转型对资本结构调整速度的影响在非国企中更大，与盛明泉等（2012）的研究结论保持一致。国有企业由于承担政策负担，存在严重的预算软约束问题。

表6 产权性质、规模、行业竞争度异质性分析

按企业规模的中位数区分大规模、小规模企业，回归结果如列（5）（6）所示。大规模企业数字化转型与资本结构滞后一期交互项（dig×l.lev）系数显著为-0.025，小规模企业交互项系数显著为-0.0197，表明数字化转型对资本结构动态调整的影响在大规模企业中更明显。规模越大的企业，融资便利度越高，资本结构调整速度越快。

从企业外部来看，行业竞争度也会产生一定影响。本文参考袁淳等（2021）的做法，区分样本为管制性行业和竞争性行业，按照证监会2012 版行业分类标准，将行业代码为 B、C25、C31、C32、C36、C37、D、E48、G53、G54、G55、G56、I63、I64、K、R 的行业定义为管制性行业，其余为竞争性行业，回归结果如列（3）（4）所示。竞争性行业数字化转型与资本结构滞后一期交互项（dig×l.lev）的系数为-0.0179，在1%的显著性下显著，而管制性行业交互项系数为-0.0123，表明数字化转型对资本结构调整速度的影响在竞争性行业中更大。相比于管制性行业，竞争性行业竞争更加激烈，企业为了避免自身陷入财务困境，退出市场，会加速向目标资本结构趋近。同时，竞争越激烈，企业越会积极寻求转型，通过数字化转型来获取先发优势，因而竞争性行业中企业资本结构调整速度越快。

六、结论和政策建议

数字经济发展白皮书显示，我国数字经济规模不断扩大，数字经济成为我国发展的新动能。在数字化背景下，探究数字化的经济后果，具有重要的现实意义。当前逆全球化、新冠肺炎疫情反复的情况进一步加重了企业杠杆率。因此，本文基于杠杆率与资本结构的密切联系，探究数字化转型对资本结构动态调整的影响。借助文本分析法构建数字化转型指标，部分动态调整模型刻画资本结构调整速度，实证检验数字化转型对资本结构调整速度的影响、机制、异质性等问题，得到以下研究结论：一是总体上看，企业数字化转型可以提高资本结构调整速度；二是影响机制方面，数字化转型可以通过降低信息不对称程度、提高财务稳定性来降低调整成本，从而加速资本结构动态调整；三是异质性研究发现，数字化转型对资本结构调整速度的正向效应在非国企、大规模企业、竞争性行业中更大。

基于此，本文提出如下政策建议：第一，国家重点关注数字技术与实体经济融合发展，而企业数字化转型是两者深度融合的微观着力点，因此政府要充分认识到企业数字化转型的积极效应。根据不同行业、不同企业的转型基础、微观特征，政府要差异化为企业数字化转型提供有利条件，推动转型成功。第二，数字经济作为未来发展方向，政府要积极布局5G、信息网络等新型基础设施的构建与完善，为数字化的发展奠定良好基础。第三，企业要重视数字化转型对资本结构调整速度的正向效应。企业的资本结构与企业价值息息相关，企业通过调整自身资本结构来达到最优水平，可以有效提高企业的价值和增长率。同时，企业的数字化转型可以推动企业“稳杠杆”，助力打赢三大攻坚战之一。因此，企业要加大数字化投入，推动数字技术与企业生产、管理深度融合。