短贷长投与企业数字化转型

叶 显 石 静 车德欣 钟 夏

一 引 言

新时代下，以人工智能、大数据为代表的前沿数字技术深刻地改变着原有的技术形态，成为驱动经济高质量发展的全新动力(向海凌等，2023)［1］。习近平总书记多次强调，“要推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。党的二十大报告强调“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”。与此同时，党和政府适时制定并实施了一系列政策与举措推动数字经济的发展(1)自党的十八大以来，先后出台了《国家数字经济战略纲要》《促进大数据发展行动纲要》《数字中国建设整体布局规划》等政策。，在深厚的政策基础上，中国数字经济发展也交出了亮眼的答卷。数据显示，即使经济增速步入下滑区间，2022年中国数字经济仍以10.3%的增速创造了高达50.2万亿元的绝对产值，还以远高于同期名义GDP增速(3.3倍)实现了GDP占比41.5%的相对跨越，成为中国经济提质增量的关键一环。于其中，政企研三界与公众合力共建了在卷入度、沉浸度上都远超以往的数字化生态(郭炳南等，2022)［2］，推进数字技术和实体经济深入融合，2022年工业企业数字化研发设计工具普及率急速增长77.0%便是典型例证。应当说，微观企业应用数字技术及由此引发的创新转型取得了举世瞩目的成效(何帆和刘红霞，2019)［3］，构成带动中国经济高质量发展的强有力支撑(李君等，2019)［4］。

驱动数字化转型的要义在于对组织、技术、制度、人才和战略进行深度变革来予以适配，然而对于众多企业而言上述投入是“不可承受之重”，引致企业数字化转型经常面临诸多“发展中的问题”(王永贵和汪淋淋，2021)［5］。埃森哲2021年调查结果显示，抽样企业中仅有16%的样本在数字化转型上取得跨越式发展。究其原因，一是企业数字化转型需要前沿的数字技术创新支撑，但目前的数字设施配置仍不完善；二是数字化转型的基础投入过于高昂，所需资源往往超出了企业已有的资源边界；三是企业数字化转型活动具有较高不确定性，需要大量的资金来覆盖其中的转型风险。不难发现，企业数字化转型实践中的“不会转”“不能转”和“不敢转”，本质上是资源要素配置不足引发的困境(裴璇等，2023)［6］。从这个角度来看，金融资源约束是企业高质量发展进程中的重大难题。易言之，数字经济时代下的微观经济主体创新转型对金融资源有着更大的敏感反应弹性。探讨企业金融资源配置行为对数字化转型的影响，有着重要理论意义和实践需求。

从金融供给端来看，中国资本市场发育不完善，无法提供多样化的融资渠道与充足的金融资源，以至于银行信贷融资一直占据主导地位。进一步来看，银行机构愿意提供长期信贷的前提是长期信贷利差足以补偿其中的风险，而出于流动性管理的需要(白云霞等，2016)［7］，银行更倾向于提供短期借款。从金融需求端来看，短期贷款具有利率低、容易获得审批的特点，能够为企业节省财务费用，相对快速获得资金，以短期信贷来支撑长期投资活动这一激进的策略成为多数企业的“理性”之选。不难发现，这种投融资的期限结构错配往往是企业应对金融资源边界约束的重要替代机制。现有研究(钟凯等，2016)［8］将这种典型特征事实具象化为“短贷长投”，并发现中国上市企业中存在着较为普遍的短贷长投问题，2000—2019年期间中国上市企业的短贷长投强度均维持在23%以上的高位运行。特别是在中国这样一个以银行机构为主体的金融体系下，研究企业短贷长投现象更具实践典型性和理论代表性。于此，一个值得追索的问题是，短贷长投在数字经济时代下，将会对企业数字化转型产生怎样的影响？

目前，国内外学者对企业短贷长投产生的影响没有形成统一的观点，基于“短贷长投—企业数字化转型”范式而展开的研究也相对缺乏。对短贷长投持负面观点的文献强调，大多数企业的投资无法在短期内收回成本，甚至不能支付利息，因此，短贷长投会导致企业债务压力陡增(盛明泉等，2020)［9］。还本付息压力一方面使企业长期受到资金流动性的困扰，压缩了投资效率的提升上限(马红等，2018)［10］；另一方面，短贷长投会引发企业实际贷款利率不间断浮动(孙凤娥，2019)［11］，抬升企业融资成本的同时也扩张了银行风险敞口(杨风和李卿云，2016)［12］，给银行坏账的发生埋下了导火索，这些都会增加企业数字化转型的额外成本。与之相反观点的文献主要提出两个正面影响：一是监督效应假说。短贷长投是银行机构多频次同企业进行信贷合约签订的结果，银行机构能够根据多时点的信息掌握来更好地发挥债权人的治理作用(Jensen和Meckling，1976)［13］，进而为数字化转型活动提供助益；二是积极信号假说。短贷长投意味着企业能不断从银行获得贷款，让外界对企业产生良好预期，吸引更多投资(Flannery，1986)［14］，激励企业数字化转型意愿和动力。不难发现，短贷长投作为中国企业的普遍融资方式，对数字化转型的影响目前尚未形成定论。本文的研究正是对上述问题的回应，具有明晰的学理价值，同时对中国微观企业数字化转型乃至宏观层面数字经济高质量发展具有重要借鉴意义。

本文可能的边际贡献为：第一，研究视角上，一方面关于短贷长投的经济效应研究主要落脚于债务违约(刘海明和步晓宁，2022)［15］、资源配置(姜绍静等，2021)［16］和企业表现(刘晓光和刘元春，2019)［17］等方面，与企业数字化转型之间的关系鲜有讨论；另一方面探索数字化转型驱动因素的文献更多关注管理层特征、金融创新与市场化等因素的影响(郭炳南等，2022)［2］，短贷长投扮演何种角色并未受到重视。本文从短贷长投与企业数字化转型关系视角进行研究拓展。第二，研究内容上，本文不仅揭示短贷长投对企业数字化转型影响的一般规律和可能存在的结构性特征，还以财务状况(融资约束与融资成本)和投融资行为(金融杠杆与研发投入)为关键机制变量，关注两者关系的内在机理；此外，在“短贷长投—企业数字化转型”的基本范式下，嵌入金融监管元素以考察治理短贷长投现象的可能路径，提供矫正短贷长投不利效应以推动企业数字化转型的政策工具箱。

二 理论分析与假说提出

短贷长投这一投融资期限错配现象在中国企业中比较常见(白云霞等，2016)［7］，其对企业的影响主要可从宏观和微观两大方面展开论述。在经济比较景气、社会融资环境比较宽松等前提条件下，投融资期限错配的风险可能会被掩盖，企业也有可能获得长短期贷款利差的收益，降低财务成本和缓冲融资压力(Kahl et al.，2015)［18］。然而，当经济增长放缓或银根突然紧缩时，流动性风险就会暴露出来(孙凤娥等，2017)［19］。特别是在经济与金融螺旋式趋紧的双重冲击下，企业抵质押资产大幅贬值造成资产负债表恶化，进行短贷长投的企业的续贷成本和难度都有所增长，导致企业难以维系资金链顺利运转，甚至引发破产清算(Gopalan et al.，2014)［20］。从这个角度来看，尽管短贷长投可以满足暂时的资金需求，但由此引发的债务期限结构失衡容易加大流动性约束，导致非效率投资(白云霞等，2016)［7］，降低创新要素积累(钟凯等，2016)［8］。上述研究从多个维度论证了微观经济主体短贷长投可能存在的负面效应，但缺乏直接对企业数字化转型影响的考察。本文认为，当前上市企业普遍采用的短贷长投策略与数字化转型存在较大的不匹配特征，短贷长投下的企业可能会面临更加不利的财务状况，自身的投融资活动也会受到一定冲击，从而对数字化转型活动带来负面效应。

从企业财务状况视角来看，短贷长投会加剧企业融资困境、提升融资成本，对企业数字化转型造成显著不利影响。短贷长投是融资期限与投资使用结构之间的错配问题，这显然会对企业财务形成冲击，进而对企业的数字化转型项目产生抑制效果。基于企业融资约束的角度，企业短贷长投的主要特点为长期投资需要依赖多个短期信贷资金的“拼接”(李增福等，2022)［21］，短期信贷(分批)到期后的续期乃至新增信贷能否有效覆盖长期投资所需资金，是企业资金管理过程中的重大难题。在经济实践中，短贷长投程度越高，企业资金链断裂的风险将大幅上升，从而加剧企业的融资约束(白云霞等，2016)［7］。不难理解，即便企业自身具有强烈的转型意愿，但囿于资金短绌，转型项目难以展开，从而不利于提升企业数字化转型水平。基于企业融资成本的角度，高强度的短贷长投要求企业经常与银行进行信贷沟通，以根据当前的市场利率重新签订贷款合约，这种与银行频繁的贷款谈判为企业带来了额外财务(摩擦)成本。一旦宏观经济环境恶化，企业可抵押物价值陡降，银行基于审慎原则将会大幅提升续贷的门槛，企业势必要承担更为高昂的融资成本(楚有为，2020)［22］。其结果是，对于等待周期较长、投资规模较大的数字化转型项目，企业不得不望而生怯，无法投入过多精力，限制了企业数字化转型进程的顺利推进。

从企业投融资视角来看，短贷长投会刺激企业依赖金融杠杆并降低研发投入，对企业数字化转型形成显著挤出效应。依循前述理论逻辑，短贷长投使企业难以回避还本付息和续贷过程中的财务风险，进而提升企业财务压力(Hall，2002)［23］，由此会对企业正常的投融资行为产生冲击，进而不利于企业数字化转型。基于企业金融杠杆的角度，随着短贷长投强度的提升，企业为了维系财务平衡，只能将更多的精力集中于财务、金融领域。其中，以杠杆方式在金融领域撬动更多的资源，成为企业维系财务稳定乃至基本生存的“理性选择”。显然，这种脱实向虚的行为会在很大程度上对企业数字化转型形成挤出效应(黎伟等，2021)［24］，降低企业数字化转型的内生动力。基于企业研发投入的角度，短贷长投强度的上升会迫使企业在日常运营中优先处理短期债务问题(钟凯等，2016)［8］，由此不得不削减对长期项目(如数字化)的关注和投资。更进一步来看，在以维系财务可持续性为前提的生产模式下，具有长期性、高风险、高投入的研发投资往往不得不让位于短期的信贷配置，而为了保证财务可持续性的投融资行为也会在一定程度上挤占本属于研发投入的资源。应当说，专项数字化投入是保障企业数字化转型的根基，当这类投入力度减弱时，开展技术含量高的数字化转型项目便会面临较大困境。基于上述讨论，本文提出假说1。

假说1：在其他条件不变的前提下，短贷长投强度增加会抑制企业数字化转型。

承接前文的理论分析逻辑，短贷长投会对企业财务状况和投融资产生显著的负面冲击，进而可能会挫伤企业数字化转型的内生驱动力。在充分理解短贷长投对企业数字化转型的影响和作用机制后，一个合理的逻辑是，如何在当前的经济生态下构建一个关于短贷长投的有效治理框架，以引导企业投融资行为回归本源？这对于促进经济高质量发展和经济业态转型而言尤为重要。党的十九大报告提出，要“健全金融监管体系，守住不发生系统性金融风险的底线”，并推动“创新监管方式”。这是针对当前企业不合理金融行为而提出的重要战略治理导向。从金融供给层面来看，金融监管能对金融资源的流向、结构和有序化进行适度的规范调整，强化实体经济应用金融资源的靶向性和有效性(如提升实体企业信贷比重和中长期信用贷款等)，减弱错配可能，从而更好地服务企业的数字化转型需求。从金融需求层面来看，金融监管对企业短贷长投设定了一定的合规成本，能够降低企业短贷长投套利、空转的动机，为企业投融资活动中的风险衍生提供有效的防火墙，推动企业投融资健康发展，进一步中和短贷长投对企业数字化转型活动的不利影响，从而为企业数字化转型提供稳定有序的金融生态。因此，本文提出假说2。

假说2：有效的金融监管是降低短贷长投对企业数字化转型不利冲击的重要因素。

三 研究设计

(一)数据来源

本文实证研究的样本集为2007—2020年中国A股上市企业，数据源自CSMAR数据库。对数据进行如下预处理：一是剔除特殊样本，包括金融类企业、ST和退市企业以及IPO当年企业；二是提升数据质量，仅保留连续五年无缺失数据的样本；三是降低异常值扰动，对样本数据进行上下1%的缩尾处理。

(二)变量设定

1.被解释变量

企业数字化转型(DCG)。数字化转型作为数字经济时代下微观经济主体转型发展的重大战略，对企业的生产经营活动有着深刻影响，这种变化会映射在企业具有战略指导意义的年报文本中(吴非等，2021a)［25］。基于企业年报文本的表述来识别企业数字化转型战略具有一定的可操作性和代表性。有鉴于此，首先，运用Python工具对巨潮资讯网中所有上市企业年报进行下载录入，并提取年报中的所有文本信息形成初步数据池。其次，以吴非等(2021b)［26］的企业数字化转型关键词词谱(图1)为参考系，基于前述年报文本信息进行搜索、匹配(在特定关键词前后10个字符内锁定“没”“无”“不”等否定词表述，若存在否定表述，则该关键词不计入频数之中)和加总，由此构建企业数字化转型的基础数据。第三，考虑到词频指标分布呈现的右偏性特点，进一步对企业数字化转型指标进行对数化处理。特别地，根据企业数字化转型的技术层次差异，进一步界分为底层技术(ABCD)和技术应用(ADT)等二级指标，供后续的稳健性检验使用。

图1 企业数字化转型关键词词谱

2.核心解释变量

短贷长投(SFLI)。本文将企业的短贷长投定义为从外部金融机构获取短期借款用于长期生产、经营项目的行为。因此，借鉴裴璇等(2023)［6］的研究，计算企业的长期借款本期增加额与当期短期信贷增量(详见式(1)、 式(2))，并核算其与购建固定资产等长期活动的现金支出的差额，该差额即是企业当年度的短贷长投额度(徐亚琴和陈娇娇，2020)［27］。在此基础上，本文对其进行了标准化处理，见式(3)。

长期借款本期增加额=本期长期借款+一年内到期非流动负债-前期长期借款

(1)

当期短期信贷增量=取得借款收到的现金-长期借款本期增加额

(2)

(3)

3. 控制变量

为提高研究精度和准确度，在模型中加入一系列控制变量。主要包括：年初总资产(Asset，对数化处理)、营业总收入(Gi，对数化处理)、企业成立年龄(Age)、年报审计是否出自“四大会计师事务所”(Big4，是取值为1，否则为0)、董事长与总经理是否兼任(Dual，董事长与总经理兼任时取1，否则取0)、第一大股东持股比例(Cocon)、净资产收益率(Roe)、合格境外投资者持股占总股本比例(QFII)。

(三)模型设定与实证策略

为研究短贷长投对企业数字化转型的影响，本文设定实证模型如下：

DCGi，t=α+β1SFLIi，t-1+∑φCV+∑γIndustry+∑ηYear+∑μCity+ε

(4)

其中，被解释变量是企业数字化转型(DCG)；核心解释变量为短贷长投(SFLI)；CVs表征控制变量；Industry、Year和City表示该样本企业所属的行业、年度和城市固定效应，以最大限度降低遗漏偏误造成的内生性扰动；ε为随机误差项。考虑到短贷长投的影响可能存在时滞，本文采用短贷长投(SFLI)滞后一期数据进行匹配，这能显著削弱模型可能存在的内生性。

四 实证结果及经济解释

(一)基准回归

表1为短贷长投对企业数字化转型影响的基准回归结果。结果表明，短贷长投程度(L.SFLI)越高，会显著抑制企业的数字化转型(回归系数为-0.194且通过了1%的显著性检验)。为进一步验证短贷长投对企业数字化转型可能存在的非线性效应，本文还纳入了短贷长投的二次项(L.SFLI×L.SFLI)进行检验，但二次项系数不显著。这表明，目前并不存在证据支持短贷长投与企业数字化转型的非线性关系。究其经验证据的背后逻辑可能是，短贷长投为企业提供高成本、短期限的资金，压力之下企业更聚焦于短期利益，挤占对长期价值追求项目的资源投入，由此对数字化转型造成负面影响。进一步地，为了更好地考察短贷长投影响的边际效果，本文对企业短贷长投程度进行了强弱组别的分类(以中位数为界)。实证结果表明，在短贷长投较强组别中，短贷长投显著阻滞了企业数字化转型进程(回归系数为-0.251且通过了1%的显著性检验)；而在较弱组别中，短贷长投的回归系数尽管为负值，但并不显著。这说明，只有在较强的短贷长投程度下，短贷长投才会对企业数字化转型形成阻碍。因为当企业对短贷长投产生严重路径依赖时，会采取叠加的短期借款以展期贷款期限，这种饮鸩止渴的方式会推高企业经营风险，而资产负债表的恶化压缩了企业成长空间，这对需要强力支撑的数字化转型而言更是不利。边际效应的检验也从侧面佐证了“越强程度的短贷长投越不利于企业数字化转型”的核心结论。

表1 短贷长投与企业数字化转型：基准回归

(二)稳健性检验与内生性处理

为了提升核心结论的确当性，本文开展了多项检验。第一，剔除部分可能具有特殊性的样本，以得到更具普适性规律的经验证据；第二，延长时间窗口，考察短贷长投在远期对企业数字化转型的影响变化；第三，更替回归模型，基于已有数据的特征结构选取新回归模型开展检验；第四，变更企业数字化转型度量口径，采用更加细化的二级指标进行检验；第五，变更固定效应，通过控制交乘式的高阶固定效应来吸收不可观测因素的影响；第六，内生性处理，采用工具变量法来进一步减弱内生性干扰。

1.剔除部分样本

表2的实证回归对整体样本中部分特殊样本进行剔除。第一，短贷长投作为企业典型的金融行为，会受到金融冲击的影响。在本文考察的样本期内，2008年国际金融危机的波及就是例证。为了排除这类因素的影响，本文将回归的时间周期框定在2011—2019年(列(1))。第二，考虑到直辖市在经济、政治上的特殊性，该地区的样本可能会存在部分难以观测的因素导致回归偏差；类似地，东部地区经济发展成熟度相对较高，也存在其他因素的影响。为了排除这类因素，本文剔除了直辖市样本(列(2))和东部地区企业样本(列(3))。第三，考虑到数字化转型是经由年报文本识别而来，而部分质量不高的年报可能存在“名不副实”或“言过其实”的表述内容，降低数字化转型变量的刻画质量。对此，本文基于内部控制信息披露指数，剔除了中位数以下的样本(列(4))，以及年报评级在A、B级以下的样本(列(5))。实证结果表明，从上述几个维度剔除了部分样本后，短贷长投对企业数字化转型依旧呈现出显著的抑制作用。

表2 稳健性检验I：剔除部分样本

2.延长回归预测窗口

表3的实证回归运用时间序列上的动态效应对原有范式进行了检验。本部分主要开展两类检验：一是对短贷长投变量进行滞后处理；二是对企业数字化转型变量进行前置处理。结果表明，在基于短贷长投滞后项的回归中，短贷长投的回归系数均显著为负；在基于企业数字化转型前置项的回归中，短贷长投的回归系数同样显著为负。这说明，即便将原有的基本关系放置在一个较长的时间视野中，也并未改变短贷长投抑制企业数字化转型的核心结论，并且这种负面冲击能在较长时间区间内形成动态叠加效果，从而进一步放大负面效应。

表3 稳健性检验II：延长观测窗口

3.变更回归模型

表4的实证回归主要基于回归模型的变换来检验核心结论的确当性。针对不同数据结构采用不同模型进行回归可提高估计效率。具体来看，本文被解释变量来自年报文本识别的词频，该数据是一个正整数数据集(0、1、2……)，因此，对对数化前的原始计数值(DCG-1)采用负二项回归的估计方法一般能有效提高模型效率。进一步地，本文重新构造了数字化转型变量，只要捕捉到企业年报中出现过数字化转型关键词，即取值为1，否则为0。针对这种二值虚拟变量(DCG-2)，本文采用Logit回归开展检验。最后，原有的数字化转型变量(DCG)作为典型的截断数据(y≥0)，基于Tobit回归进行识别检验往往有着更高的估计效率。综合上述讨论，本部分在调整被解释变量的数据口径后，采用针对性的模型进行识别检验，前文核心结论并没有发生改变。

表4 稳健性检验III：更替回归模型

4.变更被解释变量口径

表5的实证回归主要基于企业数字化转型的细分口径开展稳健性检验。根据数字化转型词谱构成，本文得到人工智能(AI)、区块链(BC)、云计算(CC)、大数据技术(DT)四大技术的加总(ABCD)变量和数字技术应用(ADT)变量。结果显示，短贷长投显著冲击了人工智能、区块链、云计算和大数据技术指标，其中，对云计算的阻滞作用更明显(-0.122)，对区块链的抑制作用相对较弱(-0.01)，这可能是由于目前区块链技术发展较为滞后，还未被大规模应用，而云计算需要规模化的资源予以支撑，短贷长投挤占资源的负面效应就更为突出。同时，短贷长投对企业的数字技术发展和数字化应用也有显著负面作用。不难看出，在对数字化转型变量口径进行降维处理后，前文核心结论依然成立。

表5 稳健性检验IV：基于企业数字化转型口径的分解

5.变更固定效应形式

本部分采用多重固定效应的形式最大限度降低不可观测因素对实证结果的干扰。具体来看，在原有的“时间-行业-城市”固定效应基础上，进一步控制“城市×时间”“省份×时间”“行业×时间”的高阶固定效应展开稳健性检验，并考虑了个体固定效应。结果如表6所示，无论经过何种固定效应的调整，短贷长投的回归系数均显著为负，表明本文核心结论是稳健的。

表6 稳健性检验V：变更固定效应形式

6.内生性处理：工具变量法

尽管前文采用多重稳健性检验手段论证了核心结论的确当性，但本文仍不可避免地存在遗漏变量、互为因果等内生性问题。为了进一步缓解上述问题对回归带来的扰动，本部分采用工具变量法来减弱内生性的干扰。在工具变量的选择上，借鉴田鸽和张勋(2022)［28］的研究，本文构建“地形起伏度”工具变量，即企业所在城市的海拔标准差。从相关性角度来看，地形起伏度往往与经济发展有密切的关联，地形起伏度平缓更有利于经济的发展，辖域内企业资源可获性更高，会影响企业短贷长投的决策行为，反之则反是。从排他性角度来看，地形起伏度作为客观“固定”的地理因素，往往与经济社会因素(如企业数字化转型)之间不存在关联。表7结果显示，Kleibergen-Paaprk LM统计检验结果表明不存在识别不足的问题，Hansen J统计量未通过显著性检验，表明工具变量是有效的。与原有的基准回归结果相比，短贷长投的回归系数明显增大，表明在减弱了内生性问题后，短贷长投对企业数字化转型的影响依旧为负且影响程度显著提升。本文核心结论是确当有效的。

表7 内生性检验：工具变量法

(三)异质性检验

前文对短贷长投与企业数字化转型的基本关系和稳健性进行了充分检验，为理解企业投融资期限错配行为的经济影响提供了直接经验证据。但需要注意的是，中国作为一个典型的经济大国，辖域内存在多元化的经济主体，忽略这些属性特征差异得到的研究结论会有“钝化”的可能。因此，本文从企业属性和生命周期特征差异视角展开异质性检验，识别短贷长投对企业数字化转型可能存在的非对称性影响。

1.企业属性异质性检验

表8列(1)和列(2)对所有制属性差异进行了检验，发现短贷长投对非国有企业数字化转型有着明显的负面冲击(L.SFLI的回归系数为-0.212且通过了1%的显著性检验)，而对国有企业的影响并不明显。可能的原因为：第一，国有企业大多数为垄断型企业，其凭借行业壁垒、产业链区位等竞争优势在攫取超额利润的同时，自然难以引发变革的内生动力，相比之下，非国有企业面临更为激烈的市场竞争，自身的变革需求更为明显。由此，同样规模的负面冲击对非国有企业数字化转型有更大的负向边际弹性。第二，由于存在政府隐性“兜底”，国有企业资源约束边界相对宽松，即便存在短贷长投等投融资期限错配行为，但由于自身金融资源有较强外部支持，能够有效平滑短贷长投所带来的不利影响，这类行为对企业的冲击并不足够明显。特别地，《中国民企融资环境报告(2020)》显示，囿于自身融资约束较强，非国有企业对短期贷款依赖度高，占比达72.8%。这意味着，非国有企业往往更多地使用短贷的方式来开展项目建设，这种行为的扭曲会对本就高风险、高投入的数字化转型项目产生更大冲击。

表8 短贷长投与企业数字化转型：企业属性异质性

表8列(3)和列(4)基于制造业属性差异进行了检验，发现短贷长投对制造业企业数字化转型的影响存在显著负面作用(L.SFLI的回归系数为-0.188且通过了1%的显著性检验)，而这一结果在非制造业企业中并不明显。制造业企业作为中国企业的支柱性组成部分，本身就具有投资规模大、利润低迷的特征，在数字经济时代下，制造业更是承担着技术转型升级的重任，对数字化转型有着更高的需求。然而，在当前经济下行压力下，制造业企业生产发展的脆弱性显著增加，企业不得不“另辟蹊径”，借助短贷长投来融取资金，这使得制造业企业只能更加关注短期、低端的生产(技术)项目，从而对数字化转型项目形成严重的挤出效应。此外，不同于非制造业企业，制造业企业偏重于数字技术在生产、管理等全方位的重塑，导致数字化转型对短贷长投策略的敏感程度更为突出。而非制造业企业有一部分属于互联网信息服务行业，天然具备数字化转型的优势，对短贷长投策略的敏感程度低，因此，短贷长投对其数字化转型的影响并不明显。

2.企业生命周期异质性检验

表9从企业生命周期视角展开了异质性检验。结果表明，短贷长投显著降低成长期、成熟期企业的数字化转型，而未对衰退期企业产生实质性影响。这是因为，无论是成长期抑或是成熟期企业，想要在市场竞争中获取有利地位，都必须要大力推动自身建设。这就使企业不得不在金融抑制大环境下借助多种渠道(如短贷长投)融取资金开展项目建设，这种扭曲的期限结构错配行为，对企业长期性、创新性的数字化转型有着严重的负面影响。相比之下，处于衰退期的企业，自身内部治理僵化，缺乏足够的能动性开展数字化项目，尽管该时期企业财务状况不佳，但也无法传递至企业本就缺乏关注度的数字化转型中来。

表9 短贷长投与企业数字化转型：企业生命周期异质性

五 短贷长投影响企业数字化转型的路径识别

前文对短贷长投与企业数字化转型的基本关系和异质性特征展开了详细的检验，为理解短贷长投的数字化转型抑制效果提供了经验证据。本部分将进一步考察短贷长投影响企业数字化转型的具体机制路径。

本文从两个方面选取机制变量：一是企业的财务状况，分别以融资约束和融资成本作为机制变量。其中，融资约束参考Kaplan和Zingales(1997)［29］的做法，构建模型并计算指标(KZ)；融资成本则用财务费用占总负债的比例(COST)衡量。二是企业的投融资行为，从企业的金融性负债杠杆和研发投入展开测度。其中，金融性负债杠杆(F-LEV)借鉴王玉泽等(2019)［30］的做法，用短期借款、长期借款、应付债券及应付利息四项之和占总资产的比例衡量；研发投入则用研发支出占比主营业务收入的比值(R&D)衡量。其余的变量设定和处理逻辑皆同前文。

表10列(1)和列(2)为基于企业财务状况的机制识别检验结果。研究发现，短贷长投不仅严重加剧了企业的融资约束问题(L.SFLI的回归系数为0.797且通过了1%的显著性检验)，还引致融资成本的抬升(L.SFLI的回归系数为0.545且通过了1%的显著性检验)。确实，当短贷长投强度较高时，企业在特定时期内续存的多笔短期贷款被长期生产项目所占据，自身可动用的资源其实十分有限，且叠加的短期贷款需要企业支付较高的融资成本，从而在较大程度上恶化了企业的融资境遇。进一步来看，企业处于债务困境与再融资成本陡升双重泥沼下，一方面可利用资源边界收窄，难以支撑那些长周期、高风险、高投入的数字化转型项目，此时企业会趋向于把短期的财务可持续性摆在经营策略的第一位，而减少对数字化转型项目的关注；另一方面不适配数字化转型的高融资约束(高融资成本)的介入，推动的数字化转型仅是“畸形”的短平快项目，难以形成高质量可持续的数字化转型成效，由此对企业数字化转型产生抑制作用。

表10 短贷长投与企业数字化转型的机制识别：财务状况和投融资机制

表10列(3)和列(4)为基于企业投融资行为的机制识别检验结果。研究发现，短贷长投程度越强，越能够显著提高企业杠杆率(L.SFLI的回归系数为0.072且通过了1%的显著性检验)。短贷长投强度越大意味着企业基于短期信贷融取资金的空间就越小，自身的财务稳定性也可能会降低。此时，企业为了维系自身正常运营，只能通过金融领域的杠杆进一步汇聚资源，呈现较强的脱实向虚倾向，对实业生产项目(特别是数字化转型项目)形成资源“抽水”效果，不利于数字化转型的开展，同时资金长期在金融系统里空转会诱使企业走向短期盈利的经营之路，对数字化转型这一长远活动缺乏重视。依循上述逻辑，企业短贷长投强度越大，抽取了大量可用资源后，自身可用于研发的资金规模会显著减少(L.SFLI的回归系数为-0.003且通过了1%的显著性检验)。而且银行信贷部门审批企业短期借款时，更偏重于固定资产等硬信息，研发此类沉没成本较大的项目较难获得信贷支持。这意味着企业为获得更多短期信贷，也会缩减研发活动投入。毋庸置疑，企业数字化转型需要以技术创新为基础，而技术创新主要通过专项性研发来实现。由此，短贷长投对研发投入的抑制作用最终传递至数字化生产项目中，形成了显著的减益效果。

六 进一步研究：基于金融监管视角下的经验证据

顺延前文逻辑，企业短贷长投存在着种种弊端，对数字化转型带来了持续性的不利影响。如何化解这类不利因素，成为本部分研究的重点问题。就本质而言，短贷长投是一种典型的金融投融资期限错配行为，这种错配是企业内部自发形成的，依靠企业自身的调整优化来改善短贷长投可能会出现事倍功半的困局。因此，通过外部制度环境的优化和校正来降低短贷长投的负面影响，成为破解上述困局的可行路径。本文认为，金融监管是规范企业投融资行为的重要外部元素。党的十九大报告提出，要“健全金融监管体系，守住不发生系统性金融风险的底线”，并推动“创新监管方式”。可以推测，金融监管能够有效优化企业的投融资期限错配行为，促进企业投融资行为规范化发展(黄海涛等，2020)［31］。于此一个值得追问的问题是，在有效的金融监管约束下，短贷长投是否会对企业数字化转型造成影响？外部金融监管能否促进微观主体创新增效？

(一)短贷长投、金融监管与企业数字化转型

为了回答上述问题，本文在基准模型中加入金融监管变量，以地区金融监管支出相对金融业增加值的相对指标表征金融监管强度(唐松等，2020)［32］。进一步地，以金融监管强度中位数为标准，将样本界分为金融监管较强和金融监管较弱两个组别的样本展开回归检验。

表11结果显示，在金融监管较强组别中，短贷长投的回归系数尽管为负，但不显著，而在金融监管较弱组别中，短贷长投的回归系数为-0.197且通过了1%的显著性检验。这意味着，在较强的金融监管约束下，短贷长投对企业数字化转型的负面效应得到明显缓解乃至中和，假说2得到了经验证据的支持。

表11 短贷长投与企业数字化转型：基于金融监管视角下的经验证据

(二)基于企业异质性特征的再检验

前述实证分析表明，较强的金融监管能够有效中和短贷长投对企业数字化转型的不利影响，加强金融服务实体经济的质效。但考虑到样本中存在多重属性的企业，金融监管是否会改善短贷长投对所有类型企业数字化转型的负面作用？基于此，重新按企业异质性检验的思路开展研究。

首先，基于企业属性特征(所有制、制造业)异质性的范式嵌入金融监管元素，结果如表12所示。具体来看，在国有企业组别中，无论金融监管是否增强，短贷长投对企业数字化转型的负面影响都无法通过显著性检验；而在非国有企业组别中，在较强金融监管约束下，短贷长投的负面效应被中和，而在较弱金融监管约束下，短贷长投有着较强的数字化转型抑制效果。国有企业本身能够获取更多的融资和多维度的支持，短贷长投对企业数字化转型的影响并不显著。因此，金融监管的影响效力释放得并不明显。而对于非国有企业而言，资源边界存在较强的约束，短贷长投造成的不利影响明显，此时，金融监管能够较好地扮演缓冲的角色。进一步地，无论是否是制造业企业，较强的金融监管都是化解短贷长投负面影响的重要方式，而在较弱的金融监管约束下，短贷长投对制造业和非制造业企业数字化转型都展现出显著的抑制效果。这表明，即便在原有的实证检验中(表8)，并没有坚实的证据证明非制造业企业短贷长投的负面效应，但在缺乏监管约束的情况下，非制造业企业短贷长投同样会衍生对数字化转型的抑制效果。

表12 短贷长投、金融监管与企业数字化转型：基于企业属性特征差异的检验

其次，基于企业生命周期异质性的范式嵌入金融监管元素，结果如表13所示。在较强的金融监管下，短贷长投的回归系数均不显著；而在金融监管较弱组别中，短贷长投则对成长期和成熟期企业展现出了明显的数字化转型抑制效果。特别地，对于衰退期企业而言，金融监管水平强弱并未带来差异化影响，这可能与该阶段的企业不关注数字化转型项目有关，以至于短贷长投对其未产生统计上的显著差异影响(见表9)，金融监管也于此未产生显著效果。有效的金融监管是发挥金融支持实体经济数字化转型作用的重要条件，其能够约束短贷长投对企业高质量发展的不利影响。上述实证研究结论为当前中国金融监管的有效性和必要性提供了经验支撑。良好的金融监管不会妨碍实体经济利用金融资源开展数字化转型，反而能够为金融高质量服务实体经济保驾护航。

表13 短贷长投、金融监管与企业数字化转型：基于企业生命周期特征差异的检验

七 结论与政策启示

本文基于我国A股上市企业财务数据和年报统计词频，研究投融资期限错配与企业数字化转型问题，尝试检验短贷长投对企业数字化转型的影响机制，并将金融监管作为一个重要的治理元素纳入上述分析框架。得到的主要结论为：(1)短贷长投显著阻滞了企业数字化转型。即企业短贷长投程度越高，数字化转型越滞后。(2)短贷长投对企业数字化转型的抑制作用因企业的特征差异而不同。对非国有企业、制造业企业和成长期、成熟期企业而言，短贷长投的抑制效果较为突出。(3)从机制传导路径来看，短贷长投会加剧企业融资难、融资贵问题，使企业控制杠杆难度加大，减少创新研发投入，增加企业数字化转型的困难。(4)金融监管是影响短贷长投对企业数字化转型作用的重要因素。强有力的金融监管能够削弱短贷长投对企业数字化转型的负面影响，有些情况下甚至能起到彻底矫正的效果。

根据研究结论可得政策启示：(1)积极推动数字经济和实体经济的深度融合，考虑到现实中企业受限于资金问题的常态，中国应继续深化金融供给侧结构性改革，发展多层次资本市场，拓宽企业融资渠道，为企业数字化转型创造良好的条件。(2)要积极贯彻“竞争中性”、破除所有制及阶段歧视，引导资金流向更加具有变革需求的非国有企业、制造业企业以及成长性高的企业，并为这些企业提供更多长期稳定的资金，严控抽贷、压贷及断贷行为，从供给端稳定市场预期，从而破解企业投融资期限错配的顽疾。(3)拓宽融资渠道，增强中长期信贷配给。企业可利用数字金融等新金融方式拓宽自身融资渠道，发挥数字金融的风险控制、获客匹配度高优势，在数字技术支撑下及时掌握企业经营状况，从而为金融机构精准支持企业的数字化转型活动并做到实时监督提供契机。另外，可通过对数字化转型中的企业增加定向信贷供给、发行制造业数字化转型债券等方式，增强中长期信贷配给，破解企业在数字化转型上的资金掣肘。(4)加强金融监管。金融监管体系应当与金融市场齐头并进，实时监督金融市场中的“灰犀牛”，才能守住不发生系统性风险的底线。面对国际经济形势复杂多变、国内经济下行压力加大等可能导致短贷长投风险暴露的情况，监管部门应督促各金融机构展开压力测试，建立有针对性的预警机制，防范化解金融风险。同时进一步加强行为监管，避免短贷长投的进一步扩散。在监管手段上，借助数字技术、人工智能等前沿技术，构建监管科技体系，以便及时发现风险漏洞，支持数字化转型持续健康发展。

本文存在的不足之处是：(1)无法对所有与企业数字化转型相关的特征文本词进行捕捉，以至于变量的衡量可能会存在一定偏差；(2)本文的结果表明，金融监管对不同属性企业短贷长投的治理有着差异化的“穿透力”，但鉴于影响机制的复杂性，未直接对企业属性差异下的渠道机制展开检验。未来的研究可在数据丰富和逻辑完善的基础上进一步修正，如采用神经网络语言模型来自动捕捉企业数字化转型的特征词，降低人工误差，也可以进一步分析异质性特征视角下金融监管在短贷长投行为治理上的具体渠道机制等议题。