企业数字化转型对债务融资成本影响PSM-DID与机制检验

企业数字化转型对债务融资成本影响PSM-DID与机制检验一、企业数字化转型与债务融资成本的理论关联在数字经济浪潮下，企业数字化转型已成为提升核心竞争力的关键战略。从技术层面看，数字化转型通过引入云计算、大数据、人工智能等技术，重构企业的生产、运营与管理模式。这种模式变革不仅能够优化资源配置效率，还能通过数据驱动的决策方式降低运营风险，进而对企业的债务融资成本产生潜在影响。债务融资成本作为企业融资决策的重要考量因素，主要受企业风险水平、信息透明度以及盈利能力等多方面因素的影响。传统理论认为，企业风险越高、信息透明度越低，债权人要求的风险溢价就越高，债务融资成本也随之上升。而数字化转型恰好能够从多个维度作用于这些影响因素，进而改变企业的债务融资成本结构。从风险视角分析，数字化转型有助于企业实现精细化管理，通过实时数据监控与分析，及时识别并应对生产经营中的潜在风险。例如，制造企业通过搭建物联网平台，能够对生产设备的运行状态进行实时监测，提前预判设备故障，避免因突发停机导致的生产中断风险。这种风险防控能力的提升，能够降低债权人对企业违约风险的预期，从而降低债务融资成本。在信息透明度方面，数字化转型推动企业建立更加完善的信息管理系统，实现财务与非财务信息的高效整合与共享。企业能够通过数字化手段及时、准确地向债权人披露经营状况、财务数据等信息，减少信息不对称问题。信息不对称的缓解能够增强债权人对企业的信任，降低其对风险补偿的要求，进而促使债务融资成本下降。二、PSM-DID模型的构建与变量选择（一）模型构建倾向得分匹配-双重差分法（PSM-DID）作为一种有效的政策评估方法，能够较好地解决内生性问题，准确识别企业数字化转型对债务融资成本的因果效应。其基本思路是首先通过倾向得分匹配（PSM）为实施数字化转型的企业（处理组）匹配特征相似的未实施数字化转型的企业（控制组），然后利用双重差分法（DID）比较处理组和控制组在数字化转型前后债务融资成本的差异，从而分离出数字化转型的净效应。具体模型设定如下：$Cost_{it}=\alpha_0+\alpha_1Treat_i\timesPost_t+\alpha_2Controls_{it}+\mu_i+\lambda_t+\epsilon_{it}$其中，$Cost_{it}$表示企业i在t时期的债务融资成本；$Treat_i$为处理组虚拟变量，若企业i实施了数字化转型则取值为1，否则为0；$Post_t$为时间虚拟变量，在数字化转型实施后的时期取值为1，否则为0；$Controls_{it}$为一系列控制变量；$\mu_i$为个体固定效应，用于控制企业不随时间变化的特征；$\lambda_t$为时间固定效应，用于控制宏观经济环境等时间层面的冲击；$\epsilon_{it}$为随机扰动项。（二）变量选择被解释变量：债务融资成本（Cost）。本文采用利息支出与平均债务余额的比值来衡量，其中平均债务余额为期末短期借款、长期借款、应付债券等债务融资工具余额的平均值。该指标能够较为准确地反映企业为获取债务资金所付出的成本。核心解释变量：数字化转型（Treat×Post）。通过构建企业数字化转型指数来衡量企业是否实施数字化转型。数字化转型指数的构建基于企业年报中与数字化相关的关键词词频统计，如“云计算”“大数据”“人工智能”“区块链”等，对这些关键词的出现次数进行加权求和，得到企业的数字化转型得分。当企业数字化转型得分高于行业中位数时，认定为实施了数字化转型，$Treat_i$取值为1，否则为0。控制变量：为了控制其他因素对债务融资成本的影响，选取了企业规模（Size）、资产负债率（Lev）、盈利能力（Roa）、成长性（Growth）、有形资产比率（Tang）以及股权集中度（Top1）等作为控制变量。企业规模以期末总资产的自然对数表示；资产负债率为期末总负债与总资产的比值；盈利能力采用净资产收益率衡量；成长性用营业收入增长率表示；有形资产比率为固定资产与存货之和占总资产的比例；股权集中度以第一大股东持股比例衡量。三、样本选择与描述性统计（一）样本选择本文选取2016-2023年我国A股上市公司作为研究样本，并按照以下标准进行筛选：（1）剔除金融、保险类上市公司，这类企业的业务特性与融资结构与其他行业存在较大差异；（2）剔除ST、*ST以及退市上市公司，避免异常数据对研究结果的干扰；（3）剔除数据缺失严重的上市公司。经过筛选，最终得到[X]家上市公司的[X]个年度观测值。（二）描述性统计对主要变量进行描述性统计分析，结果如下表所示：变量观测值均值标准差最小值最大值Cost[X]0.0520.0280.0010.187Treat[X]0.4210.49401Post[X]0.5630.49601Size[X]22.3561.32419.56726.891Lev[X]0.4580.2130.0520.927Roa[X]0.0430.056-0.2150.328Growth[X]0.1250.345-0.6892.567Tang[X]0.3870.1890.0210.876Top1[X]0.3560.1520.0890.789从描述性统计结果可以看出，债务融资成本（Cost）的均值为0.052，标准差为0.028，表明不同企业之间的债务融资成本存在一定差异。数字化转型虚拟变量（Treat）的均值为0.421，说明样本中有42.1%的企业实施了数字化转型。控制变量方面，企业规模（Size）的均值为22.356，反映出样本企业的整体规模水平；资产负债率（Lev）均值为0.458，处于较为合理的区间。四、PSM匹配结果与平衡性检验（一）PSM匹配过程采用最近邻匹配法进行倾向得分匹配，匹配比例为1:1。在匹配过程中，以企业规模、资产负债率、盈利能力、成长性、有形资产比率以及股权集中度等控制变量作为匹配特征，计算每个企业的倾向得分。然后为处理组企业匹配倾向得分最接近的控制组企业，确保两组企业在匹配特征上具有相似性。（二）平衡性检验为了验证匹配的有效性，对匹配前后各控制变量的标准化偏差进行检验。平衡性检验结果显示，匹配后各控制变量的标准化偏差均大幅降低，且大部分变量的标准化偏差绝对值小于10%，表明匹配效果良好，处理组和控制组企业在匹配特征上已无显著差异，能够有效排除因企业特征差异导致的选择性偏误，为后续的DID分析奠定基础。具体来看，匹配前企业规模（Size）的标准化偏差为23.5%，匹配后降至4.2%；资产负债率（Lev）的标准化偏差从18.7%下降至5.8%；盈利能力（Roa）的标准化偏差由16.3%变为3.9%。这些数据充分说明PSM匹配有效平衡了处理组和控制组的企业特征，提高了研究结果的可靠性。五、DID回归结果分析（一）基准回归结果基于PSM匹配后的样本进行DID回归，回归结果如下表所示：变量系数标准误t值P值Treat×Post-0.0120.004-3.0000.003Size-0.0050.001-5.0000.000Lev0.0210.0037.0000.000Roa-0.0350.008-4.3750.000Growth-0.0040.002-2.0000.046Tang-0.0180.005-3.6000.000Top1-0.0070.003-2.3330.020常数项0.1250.0158.3330.000从回归结果可以看出，核心解释变量Treat×Post的系数为-0.012，且在1%的水平上显著，表明企业数字化转型能够显著降低债务融资成本，与理论预期一致。具体而言，实施数字化转型的企业相较于未实施数字化转型的企业，债务融资成本平均降低1.2个百分点。控制变量方面，企业规模（Size）的系数为-0.005，在1%的水平上显著，说明企业规模越大，债务融资成本越低。这是因为大规模企业通常具有更强的抗风险能力和更高的信息透明度，更容易获得债权人的信任，从而以较低成本获取债务资金。资产负债率（Lev）的系数为0.021，在1%的水平上显著为正，表明企业负债水平越高，债务融资成本越高。较高的资产负债率意味着企业面临较大的偿债压力，违约风险增加，债权人会要求更高的风险溢价，导致债务融资成本上升。盈利能力（Roa）的系数为-0.035，在1%的水平上显著，说明企业盈利能力越强，债务融资成本越低。盈利能力强的企业能够产生稳定的现金流，具备较强的偿债能力，降低了债权人的风险担忧，因此债务融资成本相对较低。成长性（Growth）的系数为-0.004，在5%的水平上显著，表明企业成长性越好，债务融资成本越低。高成长性企业往往具有较好的发展前景，未来现金流预期较为乐观，债权人更愿意以较低成本为其提供资金支持。有形资产比率（Tang）的系数为-0.018，在1%的水平上显著，说明企业有形资产占比越高，债务融资成本越低。有形资产可以作为债务融资的抵押物，降低债权人的信贷风险，因此有形资产比率较高的企业更容易获得低成本的债务融资。股权集中度（Top1）的系数为-0.007，在5%的水平上显著，表明股权集中度越高，债务融资成本越低。较高的股权集中度意味着大股东对企业的控制能力较强，能够有效监督企业管理层的行为，降低代理成本，增强债权人对企业的信心，从而降低债务融资成本。（二）稳健性检验为了确保研究结果的可靠性，进行了一系列稳健性检验。首先，改变数字化转型的衡量方式，采用企业年报中数字化相关关键词的总词频数作为数字化转型的代理变量，重新进行PSM-DID回归。回归结果显示，核心解释变量的系数仍然显著为负，与基准回归结果一致，表明研究结论具有稳健性。其次，调整PSM匹配方法，采用半径匹配和核匹配两种方式进行匹配，然后再进行DID回归。两种匹配方法下的回归结果均显示，企业数字化转型对债务融资成本具有显著的负向影响，进一步验证了基准回归结果的可靠性。此外，还通过安慰剂检验来排除其他不可观测因素对研究结果的干扰。随机生成处理组和控制组，重复进行PSM-DID回归，结果显示核心解释变量的系数不再显著，说明基准回归结果并非由其他偶然因素导致，企业数字化转型对债务融资成本的降低作用是真实存在的。六、机制检验：风险传导与信息传导路径（一）风险传导机制检验为了验证企业数字化转型通过降低风险水平进而影响债务融资成本的传导机制，构建如下中介效应模型：$Risk_{it}=\beta_0+\beta_1Treat_i\timesPost_t+\beta_2Controls_{it}+\mu_i+\lambda_t+\epsilon_{it}$$Cost_{it}=\gamma_0+\gamma_1Treat_i\timesPost_t+\gamma_2Risk_{it}+\gamma_3Controls_{it}+\mu_i+\lambda_t+\epsilon_{it}$其中，$Risk_{it}$表示企业风险水平，采用Z值来衡量，Z值越大，表明企业风险水平越低。回归结果显示，Treat×Post的系数在第一个模型中显著为正，说明企业数字化转型能够显著降低风险水平；在第二个模型中，Treat×Post的系数仍然显著为负，且Risk的系数显著为负，表明风险水平在数字化转型与债务融资成本之间起到了部分中介作用。即企业数字化转型通过降低风险水平，进而降低了债务融资成本，验证了风险传导机制的存在。（二）信息传导机制检验为了检验信息传导机制，构建以下中介效应模型：$Info_{it}=\delta_0+\delta_1Treat_i\timesPost_t+\delta_2Controls_{it}+\mu_i+\lambda_t+\epsilon_{it}$$Cost_{it}=\theta_0+\theta_1Treat_i\timesPost_t+\theta_2Info_{it}+\theta_3Controls_{it}+\mu_i+\lambda_t+\epsilon_{it}$其中，$Info_{it}$表示信息透明度，采用深交所信息披露考核结果来衡量，考核结果为优秀或良好时取值为1，否则为0。回归结果表明，Treat×Post的系数在第一个模型中显著为正，说明企业数字化转型能够显著提高信息透明度；在第二个模型中，Treat×Post的系数显著为负，且Info的系数显著为负，表明信息透明度在数字化转型与债务融资成本之间起到了部分中介作用。这意味着企业数字化转型通过提升信息透明度，缓解信息不对称问题，从而降低了债务融资成本，验证了信息传导机制的有效性。七、异质性分析：企业特征与行业差异（一）企业规模异质性将样本企业按照规模大小分为大规模企业和小规模企业，分别进行PSM-DID回归。结果显示，大规模企业中Treat×Post的系数为-0.009，在5%的水平上显著；小规模企业中Treat×Post的系数为-0.015，在1%的水平上显著。这表明企业数字化转型对债务融资成本的降低作用在小规模企业中更为明显。造成这种差异的原因可能在于，小规模企业在传统模式下往往面临更高的信息不对称和风险问题，数字化转型能够更有效地改善其信息透明度和风险防控能力，从而对债务融资成本产生更大的影响。而大规模企业本身已经具备一定的信息优势和风险抵御能力，数字化转型带来的边际效益相对较小。（二）行业异质性将样本企业分为制造业、服务业和其他行业，分别进行回归分析。结果显示，制造业企业中Treat×Post的系数为-0.013，在1%的水平上显著；服务业企业中Treat×Post的系数为-0.010，在5%的水平上显著；其他行业企业中Treat×Post的系数不显著。这说明企业数字化转型对债务融资成本的降低作用在制造业和服务业中较为显著，而在其他行业中效果不明显。制造业企业通过数字化转型实现生产流程的智能化改造，提高生产效率和质量，降低生产成本，进而增强盈利能力和风险防控能力，对债务融资成本的影响较为直接。服务业企业通过数字化转型提升服务质量和客户体验，优化运营流程，提高市场竞争力，同样能够有效降低债务融资成本。而其他行业可能由于行业特性或数字化转型程度较低等原因，数字化转型对债务融资成本的影响尚未显现。八、研究结论与启示（一）研究结论本文通过构建PSM-DID模型，基于我国A股上市公司的样本数据，实证检验了企业数字化转型对债务融资成本的影响及其作用机制。研究结果表明：企业数字化转型能够显著降低债务融资成本，实施数字化转型的企业相较于未实施数字化转型的企业，债务融资成本平均降低1.2个百分点。企业数字化转型通过风险传导和信息传导两条路径影响债务融资成本。一方面，数字化转型降