王守海 徐曉彤 劉燁煒

(山東財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院，山東 濟(jì)南 250014)

一、引言

隨著人工智能、大數(shù)據(jù)、云計(jì)算等新興數(shù)字技術(shù)的不斷涌現(xiàn)，人類社會(huì)正加速邁入數(shù)字經(jīng)濟(jì)時(shí)代，如何培育數(shù)字競爭力成為各國關(guān)注的焦點(diǎn)。黨和國家高度重視數(shù)字經(jīng)濟(jì)的發(fā)展，“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要提出“促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合”。2021年《政府工作報(bào)告》指出“加快數(shù)字化發(fā)展，打造數(shù)字經(jīng)濟(jì)新優(yōu)勢(shì)”。一系列政策驅(qū)動(dòng)我國數(shù)字經(jīng)濟(jì)規(guī)模持續(xù)高速增長，為實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供了有力支撐。在數(shù)字中國戰(zhàn)略背景下，產(chǎn)業(yè)數(shù)字化加快發(fā)展。2020年，產(chǎn)業(yè)數(shù)字化占數(shù)字經(jīng)濟(jì)的比重高達(dá)80.9%，成為數(shù)字經(jīng)濟(jì)發(fā)展的主要?jiǎng)幽?。一系列基于?shù)字技術(shù)的新產(chǎn)品、新模式在為經(jīng)濟(jì)發(fā)展提供強(qiáng)勁動(dòng)力的同時(shí)，也為企業(yè)在后疫情時(shí)代提振競爭力提供了新的思路。越來越多的企業(yè)開始投身到數(shù)字化轉(zhuǎn)型的浪潮之中，利用數(shù)字技術(shù)帶動(dòng)產(chǎn)品、流程和組織結(jié)構(gòu)的轉(zhuǎn)變，以求創(chuàng)造更高價(jià)值，數(shù)字化呈現(xiàn)從宏觀向企業(yè)價(jià)值鏈滲透的特征。

數(shù)字化轉(zhuǎn)型賦予了企業(yè)新的發(fā)展動(dòng)能(吳非等，2021)。它本質(zhì)上是通過數(shù)據(jù)的高效流動(dòng)改善企業(yè)資源配置和減少外部不確定性對(duì)企業(yè)沖擊的變革行為(易露霞等，2021)，必然會(huì)對(duì)企業(yè)的運(yùn)營產(chǎn)生一定程度的影響。現(xiàn)有研究考察了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)經(jīng)營業(yè)績(何帆和劉紅霞，2019；易露霞等，2021)、生產(chǎn)效率(趙宸宇等，2021)、專業(yè)化分工水平(袁淳等，2021)等的提升作用，但還沒有文獻(xiàn)從風(fēng)險(xiǎn)防范視角考察數(shù)字化轉(zhuǎn)型對(duì)企業(yè)運(yùn)營的影響。

2014年“11超日債”出現(xiàn)違約后，我國企業(yè)債券違約事件頻發(fā)。債務(wù)違約是企業(yè)運(yùn)營過程中最具破壞力的事件之一，不僅會(huì)對(duì)企業(yè)發(fā)展造成嚴(yán)重影響，還可能會(huì)引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。Wind數(shù)據(jù)庫顯示，2020年共有143只債券違約，違約金額達(dá)1639.94億元，同比增長9.77%。此外，商業(yè)銀行不良貸款率近年來也持續(xù)居高，從2014年末的1.25%攀升至2020年末的1.84%。以上數(shù)據(jù)均從不同側(cè)面表明我國債務(wù)違約集中爆發(fā)的形勢(shì)依然嚴(yán)峻。黨的十九大把防范化解重大風(fēng)險(xiǎn)作為三大攻堅(jiān)戰(zhàn)之一。2021年習(xí)近平總書記主持召開中央財(cái)經(jīng)委員會(huì)第十次會(huì)議時(shí)，更是強(qiáng)調(diào)“統(tǒng)籌做好重大金融風(fēng)險(xiǎn)防范化解工作”。因此，分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響，對(duì)新時(shí)期打好三大攻堅(jiān)戰(zhàn)，促進(jìn)經(jīng)濟(jì)平穩(wěn)健康運(yùn)行具有重要意義。

根據(jù)Merton(1974)的期權(quán)定價(jià)理論，債務(wù)違約風(fēng)險(xiǎn)的大小取決于資產(chǎn)價(jià)值的概率分布，當(dāng)企業(yè)資產(chǎn)的價(jià)值低于債務(wù)的賬面價(jià)值時(shí)，企業(yè)就會(huì)發(fā)生違約?？梢姡瑐鶆?wù)違約風(fēng)險(xiǎn)的大小與企業(yè)價(jià)值密切相關(guān)，價(jià)值增長能夠在一定程度上緩解債務(wù)違約風(fēng)險(xiǎn)。Nambisan et al.(2017)和陳慶江等(2021)發(fā)現(xiàn)數(shù)字技術(shù)的應(yīng)用在改善企業(yè)業(yè)績的同時(shí)，還引發(fā)了價(jià)值創(chuàng)造模式的顛覆性變革，對(duì)企業(yè)長遠(yuǎn)價(jià)值的提升具有重要意義。那么企業(yè)數(shù)字化轉(zhuǎn)型在提升企業(yè)價(jià)值的同時(shí)能否降低債務(wù)違約風(fēng)險(xiǎn)？具體作用機(jī)制是什么？對(duì)上述問題的探究，在當(dāng)前實(shí)體經(jīng)濟(jì)債務(wù)違約風(fēng)險(xiǎn)明顯積聚的背景下，顯得尤為重要。

本文以2008—2019年A股上市公司為研究樣本，系統(tǒng)考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響。考慮到宏觀環(huán)境對(duì)微觀企業(yè)行為的沖擊性，本文進(jìn)一步將經(jīng)濟(jì)政策不確定性納入研究框架，探究在不確定性環(huán)境下企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的差異化影響。本文的貢獻(xiàn)在于：第一，以企業(yè)數(shù)字化轉(zhuǎn)型為切入點(diǎn)，拓展了債務(wù)違約風(fēng)險(xiǎn)影響因素的研究。已有文獻(xiàn)討論了社會(huì)關(guān)系網(wǎng)絡(luò)(許浩然和荊新，2016)、戰(zhàn)略定位差異(王化成等，2019)、金融資產(chǎn)配置(鄧路等，2020)等與債務(wù)違約風(fēng)險(xiǎn)的關(guān)系，卻鮮有文獻(xiàn)關(guān)注數(shù)字技術(shù)應(yīng)用對(duì)企業(yè)內(nèi)部風(fēng)險(xiǎn)變動(dòng)的影響。本文基于Bharath and Shumway(2008)構(gòu)建的簡化違約概率模型，從企業(yè)數(shù)字化轉(zhuǎn)型的角度豐富了債務(wù)違約風(fēng)險(xiǎn)影響因素的研究。第二，深化企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)的研究。本文從風(fēng)險(xiǎn)防范的視角考察數(shù)字化轉(zhuǎn)型的微觀經(jīng)濟(jì)后果，并從企業(yè)經(jīng)營風(fēng)險(xiǎn)、融資約束程度和代理成本三個(gè)方面厘清了企業(yè)數(shù)字化轉(zhuǎn)型影響債務(wù)違約風(fēng)險(xiǎn)的作用機(jī)制，結(jié)論有助于更加深刻地理解數(shù)字化轉(zhuǎn)型對(duì)企業(yè)高質(zhì)量發(fā)展的驅(qū)動(dòng)作用，更全面地評(píng)估企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)施效果。第三，重新刻畫了企業(yè)數(shù)字化水平的衡量指標(biāo)，為后續(xù)企業(yè)數(shù)字化水平的度量提供借鑒。本文以A股上市公司年報(bào)為基礎(chǔ)，利用Python軟件對(duì)年報(bào)“管理層討論與分析”部分進(jìn)行文本分析，搜集匯總數(shù)字化轉(zhuǎn)型的相關(guān)詞匯作為企業(yè)數(shù)字化水平的衡量指標(biāo)。在穩(wěn)健性檢驗(yàn)中，通過剔除樣本觀測(cè)值的方式排除企業(yè)策略性信息披露對(duì)研究結(jié)論的影響。

二、文獻(xiàn)回顧與研究假設(shè)

(一)文獻(xiàn)回顧

現(xiàn)有文獻(xiàn)對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響因素進(jìn)行了充分探討。宏觀層面，學(xué)者們分析了稅收(Panteghini and Vergalli，2016)、未預(yù)期貨幣政策(郭曄等，2016)、環(huán)境不確定性(張靖等，2018)、金融周期(羅朝陽和李雪松，2020)和外部監(jiān)管(Brogaard et al.，2017；Yxildirim，2020)等對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響。微觀層面，早期研究多關(guān)注企業(yè)財(cái)務(wù)因素對(duì)債務(wù)違約的影響(Tinoco and Wilson，2013)，后逐漸轉(zhuǎn)向資源稟賦和管理因素。資源稟賦方面，豐富的社會(huì)關(guān)系網(wǎng)絡(luò)能夠幫助企業(yè)獲取更多資源緩解融資約束，改善經(jīng)營業(yè)績，降低企業(yè)發(fā)生債務(wù)違約的可能性(許浩然和荊新，2016)。良好履行社會(huì)責(zé)任可以幫助企業(yè)吸引投資并降低經(jīng)營風(fēng)險(xiǎn)，提高企業(yè)債務(wù)履約能力(馮麗艷等，2016)。有關(guān)管理因素對(duì)債務(wù)違約影響的研究較多。一方面，企業(yè)一系列管理決策可能對(duì)債務(wù)違約風(fēng)險(xiǎn)產(chǎn)生影響。例如，王化成等(2019)從代理成本和經(jīng)營風(fēng)險(xiǎn)出發(fā)，發(fā)現(xiàn)激進(jìn)的戰(zhàn)略定位決策會(huì)增加企業(yè)債務(wù)違約風(fēng)險(xiǎn)；鄧路等(2020)發(fā)現(xiàn)金融資產(chǎn)配置的“蓄水池效應(yīng)”能夠通過降低代理成本緩解企業(yè)債務(wù)違約風(fēng)險(xiǎn)。但當(dāng)貨幣政策較寬松時(shí)，過多的現(xiàn)金持有會(huì)引發(fā)代理沖突，從而抑制金融資產(chǎn)配置對(duì)違約風(fēng)險(xiǎn)的降低作用。另一方面，完善的風(fēng)險(xiǎn)管理制度和穩(wěn)健的會(huì)計(jì)信息披露可以減少企業(yè)不當(dāng)決策產(chǎn)生的代理問題和經(jīng)營波動(dòng)，降低債務(wù)違約風(fēng)險(xiǎn)(Lundqvist and Vilhelmsson，2018；Kuo，2018)。

Merton(1974)發(fā)現(xiàn)債務(wù)違約風(fēng)險(xiǎn)與企業(yè)價(jià)值密切相關(guān)，上述關(guān)于債務(wù)違約風(fēng)險(xiǎn)影響因素的研究，大多可以歸納到企業(yè)價(jià)值框架下。一方面，外部環(huán)境沖擊、內(nèi)部不當(dāng)管理決策等引發(fā)的經(jīng)營波動(dòng)和代理沖突會(huì)減損企業(yè)價(jià)值，提高企業(yè)債務(wù)違約風(fēng)險(xiǎn)；另一方面，完善的內(nèi)部治理機(jī)制、較強(qiáng)的資源獲取能力和有效的外部監(jiān)督等能夠減少不利因素對(duì)價(jià)值的損害，從而降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。據(jù)此，本文也將基于價(jià)值框架，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)之間的關(guān)系展開探討。

(二)研究假設(shè)

數(shù)字化轉(zhuǎn)型使得大數(shù)據(jù)、云計(jì)算、人工智能等一系列新興技術(shù)廣泛應(yīng)用于企業(yè)生產(chǎn)經(jīng)營過程。傳統(tǒng)生產(chǎn)要素與數(shù)字科技的深度融合能夠幫助企業(yè)優(yōu)化現(xiàn)有業(yè)務(wù)流程、降低經(jīng)營成本并提高生產(chǎn)效率(Mikalef and Pateli，2017)。除生產(chǎn)模式變革外，數(shù)字化轉(zhuǎn)型還要求企業(yè)打破原有經(jīng)營管理模式，建立全新的組織架構(gòu)和運(yùn)營體系(Meffert，2018)，具有鮮明的“不破不立”“破而后立”的創(chuàng)新特征?？梢灶A(yù)見，數(shù)字化背景下企業(yè)業(yè)務(wù)轉(zhuǎn)型和組織轉(zhuǎn)型的協(xié)同配合能夠?qū)ζ髽I(yè)的生產(chǎn)發(fā)展起到極大的推動(dòng)作用，由此帶動(dòng)企業(yè)價(jià)值的提升。本文提出，數(shù)字化轉(zhuǎn)型可能通過以下三種途徑提升企業(yè)價(jià)值，降低債務(wù)違約風(fēng)險(xiǎn)。

首先，從經(jīng)營活動(dòng)的視角看，數(shù)字化轉(zhuǎn)型可以通過降低經(jīng)營風(fēng)險(xiǎn)減少企業(yè)債務(wù)違約。利用數(shù)字技術(shù)，企業(yè)可以將大量非結(jié)構(gòu)化、非標(biāo)準(zhǔn)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化、標(biāo)準(zhǔn)化信息，極大提高了信息的可利用程度(吳非等，2021)。借助數(shù)字技術(shù)構(gòu)建的數(shù)字挖掘系統(tǒng)和決策支持系統(tǒng)，管理者可以更好地掌握市場動(dòng)態(tài)信息，減少非理性決策行為。同時(shí)，信息系統(tǒng)還可以將決策的實(shí)施效果進(jìn)行實(shí)時(shí)反饋，幫助管理者發(fā)現(xiàn)運(yùn)營過程中存在的問題，及時(shí)調(diào)整自身決策行為?？梢?，數(shù)字化轉(zhuǎn)型提高了企業(yè)數(shù)據(jù)分析和整合能力。利用數(shù)字技術(shù)產(chǎn)生的高質(zhì)量信息服務(wù)于企業(yè)的經(jīng)營決策，能夠有效降低經(jīng)營風(fēng)險(xiǎn)。此外，數(shù)字技術(shù)的應(yīng)用還打破了企業(yè)邊界，能夠提高上下游企業(yè)信息共享的意愿和能力(王可和李連燕，2018)，有利于實(shí)現(xiàn)產(chǎn)品全流程精細(xì)化管理，帶動(dòng)企業(yè)運(yùn)營效率提高和運(yùn)營成本下降(趙宸宇等，2021)，進(jìn)一步降低了企業(yè)經(jīng)營風(fēng)險(xiǎn)。良好的經(jīng)營業(yè)績和穩(wěn)定的現(xiàn)金流是確保債務(wù)契約履行的重要經(jīng)濟(jì)基礎(chǔ)(許浩然和荊新，2016)。較低的經(jīng)營風(fēng)險(xiǎn)可以減少企業(yè)經(jīng)營業(yè)績和現(xiàn)金流的波動(dòng)性，為按時(shí)償付到期債務(wù)的本息提供有力保障。

其次，從融資約束的視角看，數(shù)字化轉(zhuǎn)型能夠提高企業(yè)資源獲取的能力，緩解企業(yè)融資約束，從而降低債務(wù)違約風(fēng)險(xiǎn)。第一，企業(yè)數(shù)字化轉(zhuǎn)型與國家“數(shù)字中國”戰(zhàn)略高度一致。由于符合國家方針政策的要求，實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)更容易得到政府和監(jiān)管部門等利益相關(guān)者的認(rèn)可，這意味著企業(yè)可以從政府和相關(guān)部門獲取更多資源和享受更多優(yōu)惠政策，緩解內(nèi)部資金壓力。第二，在數(shù)字經(jīng)濟(jì)飛速發(fā)展的背景下，數(shù)字化轉(zhuǎn)型已成為社會(huì)共識(shí)(易露霞等，2021)。市場投資者對(duì)實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)具有較高的正面預(yù)期，這類企業(yè)本身就是資本市場上資金追逐的熱點(diǎn)，故融資約束程度較低。第三，實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)往往會(huì)通過增加信息披露的方式向市場傳遞其對(duì)數(shù)字化變革的信心。企業(yè)特質(zhì)性信息的披露降低了內(nèi)外部信息的不對(duì)稱性，能夠幫助企業(yè)獲取更多的資金支持。綜上所述，數(shù)字化轉(zhuǎn)型能夠提高企業(yè)的資源獲取能力，降低企業(yè)融資約束程度。較低的融資約束可以提高企業(yè)的償債能力，減少企業(yè)陷入財(cái)務(wù)困境的可能性(文雯等，2021)，有效降低了債務(wù)違約風(fēng)險(xiǎn)。

最后，從代理成本的視角看，股東和管理層之間的代理沖突可能造成企業(yè)決策偏離價(jià)值最大化的目標(biāo)，從而對(duì)企業(yè)價(jià)值帶來負(fù)面影響，而數(shù)字化轉(zhuǎn)型可以通過減少企業(yè)代理問題降低債務(wù)違約風(fēng)險(xiǎn)。一方面，數(shù)字化轉(zhuǎn)型推動(dòng)企業(yè)業(yè)務(wù)流程更加透明化。隨著數(shù)字化進(jìn)程的推進(jìn)，企業(yè)對(duì)信息的收集、分析和處理能力能夠?qū)崿F(xiàn)大幅提升，為信息在企業(yè)內(nèi)部高效、順暢地流轉(zhuǎn)奠定了基礎(chǔ)。順延此邏輯，企業(yè)生產(chǎn)經(jīng)營的各環(huán)節(jié)都可以借助數(shù)據(jù)實(shí)現(xiàn)還原，業(yè)務(wù)流程更加透明，從而壓縮管理層機(jī)會(huì)主義行為的空間，有效緩解股東和管理層之間的代理沖突。另一方面，數(shù)字化轉(zhuǎn)型有利于加強(qiáng)企業(yè)外部監(jiān)督力量。機(jī)構(gòu)投資者、媒體、分析師等是企業(yè)主要的外部監(jiān)督主體，但在實(shí)踐中，內(nèi)外部信息不對(duì)稱導(dǎo)致外部利益相關(guān)者很難對(duì)管理層形成強(qiáng)有力的監(jiān)督(佟巖等，2021)，助長了管理層機(jī)會(huì)主義行為。如前文所述，在企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程中，管理層有強(qiáng)烈的意愿增加信息披露，會(huì)借助網(wǎng)絡(luò)技術(shù)平臺(tái)更好地向外部“推送”信息，極大降低了內(nèi)外部信息不對(duì)稱程度。同時(shí)，數(shù)字技術(shù)的應(yīng)用還拓展了外部利益相關(guān)者的監(jiān)督渠道，為外部利益相關(guān)者監(jiān)督企業(yè)經(jīng)營提供便利(祁懷錦等，2020)。這些都有助于加強(qiáng)市場對(duì)企業(yè)的監(jiān)督力度，從而有效減少企業(yè)內(nèi)部代理問題。基于上述分析，本文提出假設(shè)：

本文考察在宏觀不確定性環(huán)境下，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響是否存在差異。第一，在全球經(jīng)濟(jì)出現(xiàn)明顯下滑、經(jīng)濟(jì)不確定性陡增的大環(huán)境下，企業(yè)生存壓力持續(xù)增加。已有研究表明，當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，企業(yè)風(fēng)險(xiǎn)承擔(dān)意愿顯著提高(孟慶斌和師倩，2017)，其會(huì)通過增加研發(fā)支出等方式激勵(lì)自身實(shí)現(xiàn)高質(zhì)量發(fā)展(劉志遠(yuǎn)等，2017)。數(shù)字技術(shù)的興起賦予了企業(yè)新的發(fā)展動(dòng)能，成為企業(yè)提振競爭力的有力抓手。順延這一邏輯，在較高的不確定性環(huán)境下，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型的意愿會(huì)更為強(qiáng)烈，推進(jìn)變革的積極性也會(huì)更高，從而有效抵御債務(wù)違約風(fēng)險(xiǎn)。第二，較高的不確定性加深了內(nèi)外部信息的不對(duì)稱程度，容易導(dǎo)致企業(yè)因融資困難而出現(xiàn)違約。此外，較高的不確定性還容易造成管理層出現(xiàn)決策失誤，增加了企業(yè)的經(jīng)營風(fēng)險(xiǎn)。可見，在不確定性較高的環(huán)境中，企業(yè)發(fā)生違約的概率更高。此時(shí)，數(shù)字技術(shù)的應(yīng)用一方面能最大限度地降低信息不對(duì)稱，提高市場正面預(yù)期，另一方面能幫助管理層調(diào)整經(jīng)營策略，減少?zèng)Q策失誤，降低經(jīng)營波動(dòng)。因此，數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用也會(huì)更為明顯。反之，當(dāng)經(jīng)濟(jì)不確定性較低時(shí)，企業(yè)面臨的債務(wù)違約風(fēng)險(xiǎn)本身就處于較低水平，數(shù)字化轉(zhuǎn)型的風(fēng)險(xiǎn)緩解效應(yīng)可能并不顯著。綜上所述，本文提出假設(shè)：

三、研究設(shè)計(jì)

(一)數(shù)據(jù)來源及樣本選擇

本文以2008—2019年滬深兩市A股上市公司數(shù)據(jù)為初始研究樣本，進(jìn)行如下處理：(1)剔除金融類企業(yè)；(2)剔除ST和*ST的企業(yè) ；(3)剔除在考察年限中進(jìn)行IPO的企業(yè)；(4)剔除變量缺失無法查證的企業(yè)。經(jīng)過以上篩選，最終得到23282個(gè)企業(yè)年度觀測(cè)值。參照楊德明和劉泳文(2018)的研究，企業(yè)數(shù)字化轉(zhuǎn)型的數(shù)據(jù)來源于上市公司年報(bào)，其他數(shù)據(jù)來自于CSMAR數(shù)據(jù)庫。為了剔除極端值的影響，對(duì)所有連續(xù)變量進(jìn)行1%的縮尾處理。本文所有回歸均采用穩(wěn)健(robust)估計(jì)。

(二)變量定義

1.企業(yè)數(shù)字化轉(zhuǎn)型()

關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的研究，以理論和定性分析為主(黃益平和黃卓，2018；陳劍等，2020)。近年來，學(xué)者們就如何從微觀層面定量衡量企業(yè)數(shù)字化水平做了有益探索。例如，有學(xué)者采用信息化員工占比的方式衡量企業(yè)數(shù)字化水平(王永進(jìn)等，2017)。然而，計(jì)算機(jī)使用并不等同于數(shù)字化，二者之間可能存在較大差距。也有部分學(xué)者使用與數(shù)字化有關(guān)的無形資產(chǎn)占比衡量企業(yè)數(shù)字化程度(何帆和劉紅霞，2019；祁懷錦等，2020)。這種方法雖然直觀，但信息投資水平難以真實(shí)反映企業(yè)數(shù)字化實(shí)際應(yīng)用水平。企業(yè)年報(bào)披露的文本信息具有信息含量，能夠在一定程度上反映出企業(yè)的經(jīng)營發(fā)展戰(zhàn)略(鐘凱等，2021)。吳非等(2020)發(fā)現(xiàn)，企業(yè)很可能在年報(bào)中披露數(shù)字化轉(zhuǎn)型這類特征信息。因此，采用數(shù)字化相關(guān)詞匯在年報(bào)中的披露次數(shù)衡量企業(yè)數(shù)字化轉(zhuǎn)型程度具有一定科學(xué)性和可行性。

基于此，本文采用文本分析法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，具體步驟如下：第一，收集2008—2019年上市公司的年度報(bào)告并轉(zhuǎn)換為txt格式，通過Python提取“管理層討論與分析”部分(MD＆A)的文本。上市公司通常在MD＆A部分對(duì)企業(yè)發(fā)展戰(zhàn)略和經(jīng)營情況進(jìn)行披露，因此，本文參照袁淳等(2021)的研究，著重對(duì)年報(bào)MD＆A部分進(jìn)行文本分析。第二，構(gòu)建企業(yè)數(shù)字化關(guān)鍵詞詞典。由于當(dāng)前并沒有專門的數(shù)字經(jīng)濟(jì)領(lǐng)域的術(shù)語詞典，本文參照吳非等(2021)、趙宸宇等(2021)和袁淳等(2021)的研究，以國家政策語義體系和數(shù)字化轉(zhuǎn)型較為成功企業(yè)的年報(bào)為基礎(chǔ)構(gòu)建企業(yè)數(shù)字化關(guān)鍵詞詞典。首先，以何帆和劉紅霞(2019)研究中列示的數(shù)字化發(fā)展較為成功企業(yè)的年報(bào)為樣本，經(jīng)Python分詞處理及人工識(shí)別，篩選出與企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的高頻詞匯，在全樣本中提取這些詞匯的前后文本，識(shí)別出現(xiàn)頻次較高的文本組合，初步建立數(shù)字化關(guān)鍵詞詞典。在此基礎(chǔ)上，借鑒既有文獻(xiàn)(吳非等，2021；趙宸宇等，2021)及國家數(shù)字經(jīng)濟(jì)相關(guān)的政策文件，對(duì)數(shù)字化關(guān)鍵詞進(jìn)行補(bǔ)充，最終形成如圖1所示的關(guān)鍵詞圖譜，其中的關(guān)鍵詞分為底層數(shù)字技術(shù)、數(shù)字技術(shù)實(shí)踐應(yīng)用和現(xiàn)代信息系統(tǒng)三個(gè)維度。企業(yè)數(shù)字化轉(zhuǎn)型是借助人工智能、大數(shù)據(jù)和云計(jì)算等新興數(shù)字技術(shù)和硬件系統(tǒng)來推動(dòng)企業(yè)技術(shù)體系和組織運(yùn)營模式的數(shù)字化，并最終形成有效的數(shù)字化產(chǎn)出和應(yīng)用的過程。從這一角度看，本文構(gòu)建的數(shù)字化關(guān)鍵詞詞典符合合理性和完備性要求，刻畫的衡量指標(biāo)能在一定程度上反映企業(yè)數(shù)字化水平。第三，運(yùn)用Python技術(shù)，在經(jīng)處理的年報(bào)文本中抓取包含數(shù)字化關(guān)鍵詞的語句。逐條閱讀與數(shù)字化關(guān)鍵詞相關(guān)的語句，進(jìn)行數(shù)據(jù)清洗。剔除關(guān)鍵詞前包含“尚未”“無”“沒有”等否定詞匯的表述；剔除雖包含關(guān)鍵詞但與企業(yè)數(shù)字化轉(zhuǎn)型無關(guān)的表述。第四，統(tǒng)計(jì)經(jīng)過數(shù)據(jù)清洗后數(shù)字化關(guān)鍵詞在文本中的披露次數(shù)，并對(duì)其進(jìn)行對(duì)數(shù)化處理作為企業(yè)數(shù)字化轉(zhuǎn)型程度的衡量指標(biāo)()。

圖1 企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞圖譜

2.債務(wù)違約風(fēng)險(xiǎn)()

Merton(1974)的DD模型被廣泛用于測(cè)算企業(yè)違約概率。該模型中違約距離的計(jì)算方法如下：

其中，DD代表企業(yè)違約距離；V為企業(yè)資產(chǎn)的市場價(jià)值，等于權(quán)益市場價(jià)值V與債務(wù)市場價(jià)值V之和；D為債務(wù)賬面價(jià)值；μ為資產(chǎn)預(yù)期回報(bào)率；σ為企業(yè)價(jià)值總波動(dòng)率；T為看漲期權(quán)的到期時(shí)間。

為得出企業(yè)債務(wù)違約概率，本文采用Bharath and Shumway(2008)的簡化概率計(jì)算模型對(duì)上述模型(1)中的DD進(jìn)行估算：

(1)假設(shè)V=D。其中，D為企業(yè)期末短期負(fù)債與0.5倍長期負(fù)債之和。

(2)假設(shè)μ=企業(yè)上年股票收益率(r)。

(3)企業(yè)資產(chǎn)價(jià)值波動(dòng)率估計(jì)如下：

其中，σ為權(quán)益的波動(dòng)率，用企業(yè)上年月度股票收益率的標(biāo)準(zhǔn)差衡量；σ為債務(wù)的波動(dòng)率，用0.05+0.25σ近似估計(jì)。

(4)T設(shè)定為1。

(5)對(duì)所得DD求累計(jì)標(biāo)準(zhǔn)正態(tài)分布得到債務(wù)違約風(fēng)險(xiǎn)的簡化估計(jì)值：

該指標(biāo)取值在0～1之間，數(shù)值越大，表明企業(yè)債務(wù)違約風(fēng)險(xiǎn)越高。

3.經(jīng)濟(jì)政策不確定性()

關(guān)于不確定性的衡量，本文借鑒Baker et al.(2016)的研究，將其構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)采取計(jì)算月度平均值的方式得到年度經(jīng)濟(jì)不確定性指標(biāo)()。

參照王化成等(2019)和鄧路等(2020)的研究，本文選取了可能對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)產(chǎn)生影響的其他重要因素作為控制變量，包括資產(chǎn)負(fù)債率()、企業(yè)規(guī)模()、總資產(chǎn)收益率()、固定資產(chǎn)比率()、是否虧損()、股權(quán)集中度()、現(xiàn)金流比率()、上市年限()、兩職合一()和獨(dú)立董事占比()。

具體變量定義如表1所示。

表1 主要變量定義

(三)模型設(shè)定

為驗(yàn)證企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響，本文構(gòu)建了如下回歸模型：

四、實(shí)證結(jié)果與分析

(一)描述性統(tǒng)計(jì)

表2為主要變量的描述性統(tǒng)計(jì)結(jié)果?？梢钥闯?，債務(wù)違約風(fēng)險(xiǎn)的均值和最大值分別為0.0200和0.8692，標(biāo)準(zhǔn)差為0.1132，中位數(shù)為0，表明過半數(shù)企業(yè)債務(wù)違約風(fēng)險(xiǎn)近似為零。企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)的區(qū)間范圍為0～4.4308，標(biāo)準(zhǔn)差為1.1937，表明數(shù)字化轉(zhuǎn)型程度在不同企業(yè)間存在較大差異。的均值為1.4212，可見我國企業(yè)數(shù)字化轉(zhuǎn)型程度整體偏低。

表2 主要變量描述性統(tǒng)計(jì)結(jié)果

(二)基準(zhǔn)回歸結(jié)果

為驗(yàn)證企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)的關(guān)系，本文采用遞進(jìn)式回歸策略。表3中列(1)列示了未控制行業(yè)和年份固定效應(yīng)時(shí)企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)的回歸結(jié)果，其中的系數(shù)為-0.0026，在1%水平下顯著。列(2)列示了控制行業(yè)和年份固定效應(yīng)后的回歸結(jié)果，的系數(shù)為-0.0030，在1%水平下顯著?？梢钥闯?，無論是否控制行業(yè)和年份固定效應(yīng)，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為負(fù)。這意味著，企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)顯著負(fù)相關(guān)，即企業(yè)數(shù)字化轉(zhuǎn)型能夠降低債務(wù)違約風(fēng)險(xiǎn)。本文假設(shè)H1得到驗(yàn)證。

表3 企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)

為考察不同環(huán)境下企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的差異化作用，本文首先檢驗(yàn)了經(jīng)濟(jì)政策不確定性對(duì)企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型()的影響。其次，本文按照經(jīng)濟(jì)不確定性中位數(shù)，將全樣本劃分為經(jīng)濟(jì)不確定性高低兩個(gè)組別，重新對(duì)模型(4)進(jìn)行回歸。表4中列(1)是經(jīng)濟(jì)政策不確定性對(duì)企業(yè)數(shù)字化轉(zhuǎn)型意愿影響的回歸結(jié)果?？梢钥闯?，伴隨著經(jīng)濟(jì)政策不確定性的上升，越來越多的企業(yè)開始選擇實(shí)施數(shù)字化變革(的系數(shù)為0.0051，在1%水平下顯著)，這也與本文理論分析部分的邏輯相一致。列(2)和列(3)是按照經(jīng)濟(jì)不確定性指數(shù)的高低進(jìn)行分組回歸的結(jié)果?？梢钥闯?，在高經(jīng)濟(jì)不確定性組別中，數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用高度顯著(的系數(shù)為-0.0045，在1%水平下顯著)；而在低經(jīng)濟(jì)不確定性組中，數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用不再顯著(的系數(shù)為-0.0006且不顯著)；且組間系數(shù)差異在1%水平下顯著。這意味著，在高不確定性環(huán)境中，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用更明顯。本文假設(shè)H2得到驗(yàn)證。

表4 經(jīng)濟(jì)政策不確定性的調(diào)節(jié)作用

(三)穩(wěn)健性及內(nèi)生性檢驗(yàn)

考慮到企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)之間的負(fù)向關(guān)系可能是由于遺漏重要變量所致，本文采用公司層面固定效應(yīng)模型進(jìn)行回歸，以控制遺漏變量對(duì)研究結(jié)論的影響。表5中列(1)列示了固定效應(yīng)模型的回歸結(jié)果，的系數(shù)為-0.0042，仍在1%水平下顯著，回歸結(jié)果支持假設(shè)H1。

此外，本文還參照陳欽源等(2017)和胡國強(qiáng)等(2020)的研究方法進(jìn)行安慰劑檢驗(yàn)，即將企業(yè)數(shù)字化轉(zhuǎn)型和債務(wù)違約風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行隨機(jī)匹配，產(chǎn)生非真實(shí)企業(yè)數(shù)字化轉(zhuǎn)型變量()。如果并非企業(yè)數(shù)字化轉(zhuǎn)型本身，而是存在其他與數(shù)字化轉(zhuǎn)型相關(guān)但無法觀測(cè)的變量影響債務(wù)違約風(fēng)險(xiǎn)，則隨機(jī)變換后的系數(shù)顯著。相反，如果變化后的系數(shù)不顯著，則說明本文設(shè)計(jì)不存在遺漏重要變量。表5中列(2)列示了安慰劑檢驗(yàn)的回歸結(jié)果，的回歸系數(shù)為0.0007，不顯著，說明不存在遺漏重要變量的影響。

表5 固定效應(yīng)模型和安慰劑檢驗(yàn)

本文的研究可能存在反向因果關(guān)系導(dǎo)致的內(nèi)生性問題，即債務(wù)違約風(fēng)險(xiǎn)較低的企業(yè)更傾向于進(jìn)行數(shù)字化轉(zhuǎn)型，企業(yè)數(shù)字化轉(zhuǎn)型不是債務(wù)違約風(fēng)險(xiǎn)較低的原因，而是結(jié)果。本文采用工具變量回歸來緩解可能存在的內(nèi)生性問題。參照趙宸宇等(2021)的研究，工具變量選取了城市人均郵政業(yè)務(wù)量()和人均移動(dòng)電話數(shù)量()，數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒2020》。表6列示了工具變量法的回歸結(jié)果。一方面，第一階段回歸的值為93.21，拒絕了弱工具變量假說；另一方面，在第一階段回歸中，和的系數(shù)分別為0.0254和0.0309，均在1%水平下顯著，而第二階段回歸中Hansen值不顯著，表明兩個(gè)工具變量滿足外生性和相關(guān)性的要求。在控制內(nèi)生性問題后，的系數(shù)在5%水平下顯著，表明本文的研究結(jié)論具有穩(wěn)健性。

表6 工具變量回歸

企業(yè)數(shù)字化轉(zhuǎn)型和債務(wù)違約風(fēng)險(xiǎn)之間的負(fù)向關(guān)系可能會(huì)受到樣本自選擇問題的影響。例如，企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型可能具有一定的行業(yè)屬性，而這些行業(yè)債務(wù)違約風(fēng)險(xiǎn)恰好較低。本文采用Heckman兩階段模型來緩解上述可能存在的內(nèi)生性問題。在第一階段，本文將企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型作為被解釋變量()，將同年份同行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型率()和模型(4)中原有控制變量與被解釋變量進(jìn)行Probit回歸并估算比率。其中，參照趙璨(2020)的研究，=特定行業(yè)內(nèi)實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)數(shù)量/該行業(yè)內(nèi)企業(yè)總量。在第二階段，將估算的比率帶入模型(4)中進(jìn)行回歸。從表7中結(jié)果可以看出，的系數(shù)為-0.0030，在1%水平下顯著，說明在考慮樣本自選擇問題后，企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)之間的負(fù)向關(guān)系仍顯著。

表7 Heckman 兩階段檢驗(yàn)

一是變更企業(yè)數(shù)字化轉(zhuǎn)型衡量方式。采用企業(yè)數(shù)字化轉(zhuǎn)型虛擬變量()衡量企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型?；貧w結(jié)果在表8列(1)中列示，的系數(shù)為-0.0032，在10%水平下顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型與債務(wù)違約風(fēng)險(xiǎn)仍顯著負(fù)相關(guān)，與前文研究結(jié)論一致。

二是變更債務(wù)違約風(fēng)險(xiǎn)衡量方式。采用Z-score模型重新衡量企業(yè)債務(wù)違約風(fēng)險(xiǎn)，=(3.3×息稅前利潤+營業(yè)收入+1.4×留存收益+1.2×凈營運(yùn)資本)/總資產(chǎn)。該指標(biāo)取值越大，代表企業(yè)債務(wù)違約風(fēng)險(xiǎn)越小。從表8列(2)可以看出，的系數(shù)為0.0359，在1%水平下顯著。

表8 穩(wěn)健性檢驗(yàn)：變更主要變量衡量方式

總之，變更主要變量衡量方式后，回歸結(jié)果仍支持原假設(shè)。

趙璨等(2020)研究發(fā)現(xiàn)，企業(yè)對(duì)“互聯(lián)網(wǎng)+”信息的披露存在過分夸大嫌疑。因此，本文的研究結(jié)論也可能受到企業(yè)策略性披露行為的影響。為排除企業(yè)策略性披露行為的影響，本文參照袁淳等(2021)的研究進(jìn)行了如下檢驗(yàn)：(1)剔除樣本期內(nèi)因違規(guī)披露受到監(jiān)管部門處罰的樣本進(jìn)行檢驗(yàn)。(2)僅保留信息披露考評(píng)為優(yōu)秀和良好的深圳證券交易所上市公司。(3)通過構(gòu)建模型估計(jì)數(shù)字化信息的政策披露次數(shù)，根據(jù)殘差剔除信息披露夸大嫌疑較高的前20%樣本。上述回歸結(jié)果分別列示在表9的列(1)～(3)。從中可以看出，企業(yè)數(shù)字化轉(zhuǎn)型和債務(wù)違約風(fēng)險(xiǎn)之間的負(fù)向關(guān)系并未發(fā)生改變，本文研究結(jié)論不受企業(yè)策略性披露行為的影響。

表9 排除企業(yè)策略性披露行為

本文還進(jìn)行了以下穩(wěn)健性檢驗(yàn)：(1)中位數(shù)回歸。用同年度同行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)的中位數(shù)回歸，以緩解行業(yè)和年份等外部環(huán)境因素對(duì)回歸結(jié)果產(chǎn)生的影響。(2)核心解釋變量滯后?？紤]到企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響可能存在時(shí)滯，將數(shù)字化轉(zhuǎn)型變量滯后一期(L.)重新回歸。(3)Tobit模型回歸?？紤]到債務(wù)違約風(fēng)險(xiǎn)的取值在0～1之間，使用Tobit模型進(jìn)一步檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響。(4)變更樣本期間。早期上市企業(yè)年報(bào)MD＆A部分的披露并不完善，可能導(dǎo)致本文所識(shí)別出的數(shù)字化轉(zhuǎn)型詞頻偏低。為防止企業(yè)數(shù)字化轉(zhuǎn)型程度衡量不準(zhǔn)確對(duì)研究結(jié)論的影響，本文將樣本期間進(jìn)一步縮減至2013—2019年。上述回歸結(jié)果分別列示在表10的列(1)～(4)。可以看出，(或者L.)的系數(shù)均顯著為負(fù)，研究結(jié)論仍然成立。

表10 穩(wěn)健性檢驗(yàn)：其他穩(wěn)健性檢驗(yàn)

(四)基于企業(yè)微觀特征的異質(zhì)性檢驗(yàn)

在基準(zhǔn)回歸檢驗(yàn)中，本文考察了數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響及宏觀經(jīng)濟(jì)政策不確定性的調(diào)節(jié)作用。微觀層面，數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的負(fù)向關(guān)系在不同類型企業(yè)之間同樣可能存在差異。因此，本文進(jìn)一步按照企業(yè)產(chǎn)權(quán)性質(zhì)、所處地區(qū)和是否為高科技企業(yè)進(jìn)行分組回歸，以便更全面認(rèn)識(shí)數(shù)字化轉(zhuǎn)型的實(shí)施效果。

表11中列(1)和列(2)的回歸結(jié)果顯示，國有企業(yè)組中的系數(shù)為-0.0029，在5%水平下顯著；非國有企業(yè)組中的系數(shù)為-0.0031，在1%水平下顯著。兩組的組間系數(shù)差異并不顯著，這意味著數(shù)字化轉(zhuǎn)型對(duì)國有企業(yè)和非國有企業(yè)的債務(wù)違約風(fēng)險(xiǎn)均具有降低作用。但二者的底層邏輯可能存在差異。國有企業(yè)擁有充足持續(xù)的內(nèi)外部資源和多層次全流程的核心能力，可以為深度數(shù)字化變革提供有力保障，降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。而非國有企業(yè)雖然在資源獲取能力方面處于劣勢(shì)，但卻擁有較強(qiáng)的創(chuàng)新意識(shí)，對(duì)前沿?cái)?shù)字技術(shù)的關(guān)注度較高，能夠準(zhǔn)確把握數(shù)字化變革方向，確保數(shù)字化轉(zhuǎn)型進(jìn)程的順利推進(jìn)，同樣可以達(dá)到降低債務(wù)違約風(fēng)險(xiǎn)的效果。綜上，國有和非國有企業(yè)都應(yīng)該抓住數(shù)字機(jī)遇，加速實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，提高自身風(fēng)險(xiǎn)應(yīng)對(duì)能力。

表11 異質(zhì)性檢驗(yàn)

列(3)和列(4)列示了企業(yè)所處地區(qū)差異的分組回歸結(jié)果。在東部地區(qū)企業(yè)組別中，實(shí)施數(shù)字化轉(zhuǎn)型能顯著降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)(系數(shù)為-0.0040，在1%水平下顯著)；而在中西部地區(qū)企業(yè)的組別中，的系數(shù)雖然為負(fù)，但并不顯著，表明東部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型效果要顯著優(yōu)于中西部地區(qū)的企業(yè)。本文提出，產(chǎn)生這種差異的可能原因在于東部地區(qū)企業(yè)面臨更大的市場競爭壓力，為了在激烈的競爭環(huán)境中脫穎而出，東部地區(qū)企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型的主觀意愿會(huì)更加強(qiáng)烈。此外，東部地區(qū)企業(yè)還具有較強(qiáng)的創(chuàng)新能力，能夠滿足數(shù)字化變革所需的技術(shù)條件，為數(shù)字化進(jìn)程的推進(jìn)提供有力保障?；诖?，相對(duì)于中西部地區(qū)企業(yè)，東部地區(qū)企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型可能會(huì)更具成效，也更能降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。

列(5)和列(6)是按照是否高科技企業(yè)分組回歸的結(jié)果?？梢钥闯?，的系數(shù)在高科技企業(yè)和非高科技企業(yè)組別的回歸中均顯著。但在高科技企業(yè)組別中，系數(shù)的值為-0.0046，絕對(duì)值大于非高科技企業(yè)組別中系數(shù)的絕對(duì)值(值為0.012，通過組間系數(shù)差異檢驗(yàn))，且顯著性水平更高。這意味著數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用在高科技企業(yè)中更為有效。原因可能在于高科技企業(yè)具有較高的創(chuàng)新需求，技術(shù)創(chuàng)新水平本身就高于其他行業(yè)的企業(yè)，具備實(shí)施數(shù)字化轉(zhuǎn)型的客觀條件。而非高科技企業(yè)由于前期的科技創(chuàng)新積累較弱，可能需要投入更多的時(shí)間和資源摸索轉(zhuǎn)型方向，數(shù)字技術(shù)在企業(yè)業(yè)務(wù)流程、決策體系和信息傳導(dǎo)機(jī)制等中的滲透效果會(huì)慢于高科技企業(yè)，最終導(dǎo)致非高科技企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用弱于高科技企業(yè)。

五、影響機(jī)制檢驗(yàn)

上述基礎(chǔ)回歸和一系列穩(wěn)健性檢驗(yàn)，充分驗(yàn)證了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用，但尚未探究二者之間的具體作用路徑。因此，本文依據(jù)理論分析部分的邏輯，參照溫忠麟等(2004)的研究，在模型(4)的基礎(chǔ)上構(gòu)建了如下中介模型，分別對(duì)降低經(jīng)營風(fēng)險(xiǎn)、緩解融資約束和減少代理成本三種潛在的作用路徑進(jìn)行檢驗(yàn)，以便清楚揭示數(shù)字化轉(zhuǎn)型與企業(yè)債務(wù)違約風(fēng)險(xiǎn)之間的內(nèi)在邏輯。模型(5)和(6)中的代表中介變量。

(一)經(jīng)營風(fēng)險(xiǎn)的中介效應(yīng)

理論分析指出，數(shù)字化轉(zhuǎn)型一方面能夠通過高質(zhì)量信息供給優(yōu)化企業(yè)經(jīng)營決策，另一方面可以助力企業(yè)實(shí)現(xiàn)精細(xì)化管理，帶動(dòng)企業(yè)經(jīng)營效率的提升。這些都有利于減少企業(yè)經(jīng)營波動(dòng)性，降低債務(wù)違約風(fēng)險(xiǎn)。本文首先選取經(jīng)營風(fēng)險(xiǎn)作為中介變量。參照王化成等(2019)的研究，采用三年期的標(biāo)準(zhǔn)差()對(duì)其進(jìn)行衡量，的值越大，代表企業(yè)經(jīng)營風(fēng)險(xiǎn)越高。表12中列(2)列示了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)經(jīng)營風(fēng)險(xiǎn)的回歸結(jié)果，的系數(shù)為-0.0018，在1%水平下顯著，說明數(shù)字化轉(zhuǎn)型能夠顯著降低企業(yè)經(jīng)營風(fēng)險(xiǎn)。列(3)列示了模型(6)的回歸結(jié)果，在加入后，的系數(shù)仍顯著為負(fù)，表明“企業(yè)數(shù)字化轉(zhuǎn)型-經(jīng)營風(fēng)險(xiǎn)-債務(wù)違約風(fēng)險(xiǎn)”的中介路徑成立。

(二)融資約束的中介效應(yīng)

實(shí)施數(shù)字化轉(zhuǎn)型的企業(yè)更容易獲得政府資源支持和資本市場上資金的追捧，具有較強(qiáng)的資源獲取能力，從而有效緩解企業(yè)融資約束程度，降低了債務(wù)違約的可能性。據(jù)此，本文采用KZ指數(shù)衡量企業(yè)融資約束程度，對(duì)“企業(yè)數(shù)字化轉(zhuǎn)型-融資約束程度-債務(wù)違約風(fēng)險(xiǎn)”的中介路徑進(jìn)行檢驗(yàn)。KZ指數(shù)越大，代表企業(yè)融資約束程度越嚴(yán)重。表12中列(4)顯示，企業(yè)數(shù)字化轉(zhuǎn)型有效緩解了企業(yè)融資約束程度(的系數(shù)為-0.0425，在1%水平下顯著)。列(5)中模型(6)的回歸結(jié)果表明：緩解融資約束也是企業(yè)數(shù)字化轉(zhuǎn)型降低債務(wù)違約風(fēng)險(xiǎn)的路徑之一(的系數(shù)為0.0014，在1%水平下顯著；的系數(shù)為-0.0029，在1%水平下顯著)。

表12 作用機(jī)制檢驗(yàn)：經(jīng)營風(fēng)險(xiǎn)和融資約束

(三)代理成本的中介效應(yīng)

企業(yè)數(shù)字化轉(zhuǎn)型還可能會(huì)通過減少代理成本降低債務(wù)違約風(fēng)險(xiǎn)。為檢驗(yàn)該作用機(jī)制，參照吳育輝和吳世農(nóng)(2010)以及謝德仁和黃亮華(2013)的研究，本文分別采用支付的其他與經(jīng)營活動(dòng)有關(guān)的現(xiàn)金與營業(yè)收入的比值(1)和總資產(chǎn)周轉(zhuǎn)率(2)衡量企業(yè)的代理成本。其中1的值越大，2的值越小，代表企業(yè)代理成本越高。表13中列(2)和列(4)列示了企業(yè)數(shù)字化轉(zhuǎn)型和代理成本的回歸結(jié)果。列(2)和列(4)中的系數(shù)為-0.0056和0.0203，均在1%水平下顯著，表明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低代理成本。列(3)和列(5)列示了在主回歸模型中分別加入1和2后的回歸結(jié)果，1和2的系數(shù)分別為0.0097和-0.0042，在10%和5%水平下顯著，且的系數(shù)均顯著為負(fù)，表明代理成本同樣在企業(yè)數(shù)字化轉(zhuǎn)型和債務(wù)違約風(fēng)險(xiǎn)之間發(fā)揮了部分中介的作用。本文在此基礎(chǔ)上進(jìn)行了sobel檢驗(yàn)，值均顯著。

表13 作用機(jī)制檢驗(yàn)：代理成本

六、結(jié)論與啟示

本文以2008—2019年A股上市公司為研究樣本，系統(tǒng)考察了數(shù)字化轉(zhuǎn)型和企業(yè)債務(wù)違約風(fēng)險(xiǎn)之間的關(guān)系和傳導(dǎo)路徑，主要研究結(jié)論如下：(1)數(shù)字化轉(zhuǎn)型有利于降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)，這一核心結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗(yàn)后仍然成立。(2)較高的經(jīng)濟(jì)政策不確定性會(huì)促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用。(3)無論是國有企業(yè)還是民營企業(yè)，實(shí)施數(shù)字化轉(zhuǎn)型均能有效降低自身違約風(fēng)險(xiǎn)；在東部地區(qū)和高科技企業(yè)中，數(shù)字化轉(zhuǎn)型對(duì)債務(wù)違約風(fēng)險(xiǎn)的降低作用更為顯著。(4)作用機(jī)制研究表明，經(jīng)營風(fēng)險(xiǎn)、融資約束程度和代理成本均是企業(yè)數(shù)字化轉(zhuǎn)型影響債務(wù)違約風(fēng)險(xiǎn)的部分中介。

以上結(jié)論具有如下政策啟示：第一，企業(yè)要抓住數(shù)字機(jī)遇，塑造核心競爭力。在高度不確定性的環(huán)境下，數(shù)字化轉(zhuǎn)型能更好發(fā)揮驅(qū)動(dòng)作用。因此，在當(dāng)前全球經(jīng)濟(jì)不確定性不斷增加的大背景下，企業(yè)更應(yīng)堅(jiān)定數(shù)字化變革的決心，扎實(shí)推進(jìn)數(shù)字化轉(zhuǎn)型進(jìn)程，實(shí)現(xiàn)后疫情時(shí)代的再提速。第二，企業(yè)應(yīng)當(dāng)加強(qiáng)信息披露，減少內(nèi)外部信息的不對(duì)稱程度。緩解融資約束是企業(yè)數(shù)字化轉(zhuǎn)型降低債務(wù)違約風(fēng)險(xiǎn)的重要途徑。在轉(zhuǎn)型過程中，企業(yè)應(yīng)當(dāng)加強(qiáng)特質(zhì)性信息披露，降低外部投資者的信息識(shí)別成本。這在為企業(yè)數(shù)字化變革獲取更多資金支持的同時(shí)，也有利于降低債務(wù)違約風(fēng)險(xiǎn)。第三，企業(yè)應(yīng)實(shí)行差異化的數(shù)字化轉(zhuǎn)型戰(zhàn)略，結(jié)合自身實(shí)際規(guī)劃轉(zhuǎn)型路線。數(shù)字化轉(zhuǎn)型對(duì)創(chuàng)新技術(shù)條件有著較高要求。對(duì)于創(chuàng)新基礎(chǔ)薄弱的企業(yè)而言，不可盲目部署和實(shí)施數(shù)字化。企業(yè)在轉(zhuǎn)型前應(yīng)對(duì)轉(zhuǎn)型路線進(jìn)行充分規(guī)劃，確保創(chuàng)新技術(shù)水平與數(shù)字化轉(zhuǎn)型需求相匹配，最大限度降低自身風(fēng)險(xiǎn)。第四，政府部門應(yīng)加大政策扶持力度，助力企業(yè)夯實(shí)轉(zhuǎn)型基礎(chǔ)。當(dāng)前我國債務(wù)違約風(fēng)險(xiǎn)集中爆發(fā)的形勢(shì)依然嚴(yán)峻，數(shù)字化轉(zhuǎn)型是解決企業(yè)債務(wù)違約風(fēng)險(xiǎn)積聚，推動(dòng)實(shí)體經(jīng)濟(jì)平穩(wěn)運(yùn)行的重要途徑。因此，政府相關(guān)部門應(yīng)對(duì)轉(zhuǎn)型企業(yè)給予政策傾斜，鼓勵(lì)企業(yè)加大數(shù)字化創(chuàng)新投入力度，降低整體違約風(fēng)險(xiǎn)。 ■