实体企业金融化与数字技术赋能

章永奎 宋寅寅 翁健英 杜兴强

【摘要】当前， 我国实体经济表现出“脱实向虚”的金融化倾向， 实体企业金融化将对数字技术赋能产生何种影响， 这是本文的研究主题。基于2012 ～ 2021年我国A股上市公司的数据， 研究发现：
实体企业金融化会显著抑制数字技术赋能；

在调节效应方面， 现金持有弱化了企业金融化与数字技术赋能的负向关系， 融资约束强化了企业金融化与数字技术赋能的负向关系。本文丰富了企业金融化与数字技术赋能的相关文献， 改善了数字技术赋能的量化方法， 也为我国数字技术赋能实体经济、 助力实体经济的数字化转型提供了一定的政策启示。

【关键词】数字技术；
赋能；
企业金融化；
文本分析；
现金持有；
融资约束

【中图分类号】F276      【文献标识码】A      【文章编号】1004-0994（2023）11-0031-8

一、 引言

在新经济时代， 以人工智能、 区块链、 云计算和大数据技术为首的数字技术正在转变生产和生活方式， 从而赋能实体经济的转型升级， 实现经济高质量发展。据统计， 2015 ～ 2021年我国数字经济占整体经济的比重从27.5%增长至39.80%， 数字经济规模总量从18.6万亿元提升至45.5万亿元， 增长约1.45倍， 数字经济显然已经成为推动我国经济增长的关键动力①。

数字技术对经济高质量发展具有重要影响， 已逐渐成为全球经济发展的重要源泉。全球数字化发展势不可挡， 数字技术赋能的概念逐渐风靡。Follett（1923）最早提出赋能（Empowerment）的概念。伴随着数字技术的发展， “赋能”概念逐渐延伸至“数字技术赋能”。M?kinen（2006）首次对数字技术赋能的含义进行总结， 认为数字技术赋能是指被赋能者通过数字技术获得技术能力， 并获得更加自由、 独立和自主的发展与交流空间， 以帮助个体接触更加广泛的信息， 实现个体认知的提升和事业的发展。余江等（2017）认为， 数字技术通过将各项生产活动与技术融合， 覆盖全产业链的各个环节， 在提升企业各部门之间的协同能力、 促进生产效率提升和技术进步进而加快组织目标的实现等方面发挥重要作用， 此过程即为数字技术赋能。陈晓红（2018）提出， 数字技术赋能是指随着经济的发展和技术的进步， 数字技术成为重要经济发展来源， 其有效嵌入传统产业的发展中， 推动企业的技术创新、 管理创新和应用创新。田秀娟和李睿（2022）则提出， 所谓数字技术赋能即数字技术与实体部门融合共建， 实现实体经济的转型发展， 创造新的经济增长动能。

根据金融发展适度性理论， 金融业的发展具有最优规模， 最优的金融发展程度应该是伴随经济发展不断变化的， 金融服务实体经济的本质不能够被忽视（林毅夫和李永军，2001）。然而， 囿于實体经济项目投资周期长、 收益低的局限， 同时在国际局势动荡的影响下， 当前我国实体经济疲软与金融行业膨胀的并行日益加剧， 经济出现“脱实向虚”倾向， 微观层面企业表现出明显的金融化。Baran和Sweezy（1996）最早提出经济金融化的概念， 他们通过研究垄断资本主义时期的经济行为， 发现在生产活动的中后期出现了无法再进入资本循环的剩余资本， 并且呈现出“剩余资本上升规律”， 这些无法进入循环的资本通过投入金融部门进行消耗， 造成了金融投机活动增加及金融化的现象。企业微观层面的金融化主要体现在两个方面：
一是企业金融资产在总资产中的比重提升（王红建等，2017；
史学智和阳镇，2021）， 二是企业源于金融部门的利润比重提升（Krippner，2005；
Orhangazi，2008；
戴赜等，2018）。

在经济“脱实向虚”的背景下， 金融化如何影响数字技术赋能实体企业的发展是本文研究的主要问题。同时， 本文也检验了现金持有及融资约束在金融化影响数字技术赋能过程中发挥的调节作用。研究发现：
实体企业金融化会显著抑制数字技术赋能；

现金持有弱化了企业金融化与数字技术赋能之间的负向关系， 融资约束强化了企业金融化与数字技术赋能之间的负向关系；

在异质性方面， 规模较小、 产权性质为非国有、 处于高新技术行业的企业金融化对数字技术赋能的抑制作用更明显。

本文可能的贡献是：
第一， 前期文献中， 学者多关注企业金融化对实体产业的“挤出效应”或“蓄水池效应”， 鲜有文献关注企业金融化对数字化的影响。个别文章关注到企业金融化对数字化转型（任晓怡等，2022）或数字技术应用（黎伟等，2021）的影响， 但尚无文章探讨企业金融化与数字技术赋能的关系。实际上， 数字技术赋能与数字化转型或数字技术应用两个概念并不一致， 数字技术赋能强调数字技术在给企业带来结构重塑的基础上所实现的赋能问题， 数字化转型强调企业在数字化时代转型的适应过程， 数字技术应用则只强调数字技术的应用， 实则为有无数字技术的问题。因此， 相对于其他两个概念， 数字技术赋能在刻画数字技术对企业的影响方面更加深刻和广泛。基于此， 本文尝试探讨企业金融化与数字技术赋能之间的关系。第二， 目前有关数字技术赋能的文献多以案例分析和理论研究为主， 尚无人对数字技术赋能进行量化， 本文借鉴已有文献（吴非等，2021）， 利用文本分析方法对数字技术赋能进行量化， 这在一定程度上有利于拓展有关数字技术赋能的实证研究。

二、 文献综述

（一）企业金融化的经济后果

前期文献基于不同国家、 不同时期的样本对企业金融化的经济后果进行了大量研究。大部分学者发现， 企业金融化将对企业实体产业发展产生“挤出效应”；

但也有部分学者发现， 企业金融化能够起到积极作用， 还有学者发现金融化带来的影响是复杂的、 非线性的。

大部分学者认为， 企业金融化会对企业实体产业的发展带来消极影响。Orhangazi（2008）和Demir（2011）发现， 管理层在投资时偏好配置金融资产， 这会使企业的实体投资被挤出， 造成企业实体产业发展资源的短缺， 即所谓的“挤出效应”。在国内研究方面， 学者在对A股上市公司数据进行研究后发现， 我国企业金融化也存在显著的“挤出效应”。比如， 企业过度持有或投资金融资产将导致参与实体产业循环的资金不足、 企业价值创造活动受阻（戴赜等，2018）、 全要素生产率降低（盛明泉等，2018）、 资金在实体产业之外积累（张成思和张步昙，2016）， 以及加大房地产行业泡沫（杜勇等，2017）等。另外， 刘冬冬（2022）对我国制造业的研究发现， 实体企业金融化的“挤出效应”超过了“蓄水池效应”， 不利于企业高质量发展。

然而， 部分研究发现， 企业持有金融资产有利于其发展， 如促进资源的跨期流动（Tornell等，1990）、 降低企业流动性危机带来的不利影响（Demir，2011）、 发挥金融资产的“蓄水池效应”（Theurillat等，2010）、 提高企业融资能力（杜勇等，2017）、 降低融资成本（张明和罗灵，2017）。

此外， 也有学者提出， 金融化带来的影响并不是线性的。如宋军和陆旸（2015）发现， 业绩表现良好的企业金融化能够表现出一定的“蓄水池效应”， 而业绩表现不佳的企业金融化则表现为对实体产业的“挤出效应”。王红建等（2017）发现， 当金融化程度达到23%时， “挤出效应”被“蓄水池效应”所取代， 企业金融化对创新研发的抑制作用变为促进作用。陈洋林等（2023）发现， 实体企业金融化与其创新投入之间存在倒U型关系。胡海峰等（2020）也发现， 企业金融化与生产效率之间存在倒U型关系。

（二）数字技术赋能的影响因素

对于数字技术赋能影响因素的研究， 相关文献相对较少， 前期文献主要从资源投入、 动态能力两个方面分析影响企业数字技术赋能的关键因素。

在资源投入方面， 根据数字创新理论， 企业的数字技术赋能过程是漫长、 艰难的， 需要持续、 稳定的资源投入以保障企业顺利完成数字技术赋能过程， 具体投入包括资金支持和人力资源两大部分。在资金支持方面， 金珺等（2020）通过对万事利集团、 娃哈哈集团的案例分析提出， 数字技术赋能需要企业投入大量资源完成技术维度和组织维度的转变， 支持企业内部生产技术能力的提升与信息系统的建设。在人力资源方面， 李进生和李茹月（2021）认为， 在企业顺应数字技术发展的过程中需要具备先进的观念和拥有专业知识的高素质人才。Charlwood等（2016）认为， 面对数字技术的挑战， 企业需要在人力资源方面做出努力和贡献， 否则将会因专业技术人员、 高级管理人员配置不齐而影响数字技术赋能的过程。

在动态能力方面， 部分学者发现企业动态能力会对数字技术赋能产生一定影响。企业动态能力的概念来自资源基础理论， 是指企业在快速变化的外部环境中捕捉机会、 调整自身、 创新产品的能力。Karimi和Walter（2015）发现， 企业动态能力能够提升核心产品数量、 增强核心产品竞争力， 帮助企业更好地应对数字技术所带来的颠覆过程。Mishra等（2019）发现， 动态能力能够帮助企业完成数字技术与企业资源的整合过程， 促进企业快速适应数字化环境变化， 完成数字技术赋能过程。焦豪等（2021）通过京东集团的案例分析， 提出动态能力能够激发数据效应， 推动数字技术在企业中的应用和转化。赫连志巍（2023）研究发现， 动态能力能够提高企业对数字技术的理解能力和利用效率， 激发员工创新行为， 从而提升数字技术赋能水平。马鸿佳和王亚婧（2023）认为， 数字经济环境下的动态能力是数字动态能力， 包括数字感知能力、 数字利用能力和数字重构能力， 并通过结构方程模型证明了数字动态能力在数字资源与企业数字技术赋能中发挥中介效应。

通过文献梳理可以发现， 前期文献对企业金融化经济后果的探讨主要集中在对企业经营和创新的影响上， 鲜有文章研究企业金融化对数字技术赋能的影响。此外， 现有数字技术赋能的研究主要集中于案例和理论领域， 暂无相关量化方法。基于此， 本文在借鉴前期文献（吴非等， 2021）的基础上提出数字技术赋能的量化方法， 并通过我国上市公司经验证据探讨企业金融化对数字技术赋能的影响。

三、 研究假设

（一）实体企业金融化对数字技术赋能的影响

已有研究认为， 金融化对实体经济的发展有“蓄水池效应”和“挤出效应”两种直接影响， 两种效应同时存在、 相互抗衡， 在不同的经济环境和企业形态下表现出不同的动态平衡。数字技术赋能实际上是企业在数字技术蓬勃发展的环境下， 运用数字技术重塑企业生产经营流程的过程， 是数字时代实体经济发展的动力， 同样属于实体经济发展的范畴。因此， 本文也从以上两种效应展开， 探讨企业金融化对数字技术赋能的影响。

“蓄水池效应”认为：
第一， 企业通过持有金融资产形成资金储备、 获取投资收益， 进而为数字技术赋能提供良好的财务基础。具体来说， 金融资产由于具有较强的可变现性常被认为是广义领域的企业资金储备， 实体企业可以通过配置金融资产获得资金储备来应对未来不确定性的冲击， 从而减少环境变化带来的不利影响， 为企业数字技术赋能活动提供储备资金（Theurillat等，2010）。同时， 实体企业也有机会通过持有金融资产获得投资收益， 提高资金的利用效率（Duchin等，2017）， 从而为数字技术赋能提供宽松的资金环境。第二， 企业能够通过持有金融资产对冲风险， 实现资产的套期保值， 防止由于原材料价格变动而对企业生产经营造成冲击， 保持企业经营的稳定性， 从而提高企业应对数字技术赋能要求的能力。

“挤出效应”认为， 在企业内部可利用资源有限且资源大量投入金融部门的前提下， 必然会造成投资实体产业的资源被挤出。“挤出效应”强调的是企业在资源分配过程中過分偏斜于金融部门， 产业空心化现象日益明显， 从而不利于数字技术赋能实体产业。从“挤出效应”的具体影响来看， 金融化会造成企业的生产效率和资源利用率下降（盛明泉等，2018）， 不利于实体产业利润率的提升（雷新途等，2020）， 同时还可能造成企业生产经营大量受到金融部门市场风险的影响， 从而提高企业财务风险。

结合当前我国的金融化现实情况与国内学者的经验研究， 本文认为， 我国企业金融化对数字技术赋能的“挤出效应”大于“蓄水池效应”， 消极影响更为明显。当前我国金融行业利润高于实体行业， 经济“脱实向虚”趋势明显， 实体经济疲软在微观层面的表现是企业金融化程度不断提升。根据金融发展适宜性理论， 金融部门的过度繁荣导致其积聚了大量本该参与实体产业循环的资金， 造成我国实体产业逐渐“空心化”， 对风险较高、 投入较大的数字技术赋能过程挤出更为明显， 并因此对数字技术赋能实体产业带来不利影响。此外， 从国内学者对我国企业金融化研究的经验证据来看， 有学者发现企业配置金融资产是投机行为， 而非“蓄水池效应”中表述的资金储备行为（杨筝等，2017；
史学智和阳镇，2021）。并且， 在我国金融投资超额回报率高的背景下， 金融化对我国企业创新的“挤出效应”明显， 企业投资金融产品的套利动机显著抑制了其技术创新（王红建等，2017；
杜勇等，2017）。

数字技术作为当前阶段企业发展的关键动力来源， 需要企业积极应对、 大力发展， 但现实背景和相关经验证据都表明， 我国企业当前配置金融资产普遍是出于投机考虑， 而非“蓄水池效应”提及的资金储备动机， 企业金融化会对需要企业资源持续稳定投入的数字技术赋能产生不利影响。基于上述分析， 本文提出假设1：

假设1：
限定其他条件， 实体企业金融化与数字技术赋能负相关。

（二）现金持有的调节效应

企业金融化对数字技术赋能的“挤出效应”是资源有限情况下企业偏离主业发展的表现。舒鑫和于博（2020）通过内生转换模型对我国上市公司进行检验， 发现企业金融化对于实体经济的“挤出效应”是现金流竞争效应而非产品市场竞争。因此， 现金资源作为企业重要的即时资源， 在企业金融化对数字技术赋能的影响中发挥调节作用。

一方面， 企业现金持有水平较低会导致经营者对资源的利用更加谨慎， 并希望通过决策快速改善企业的财务状况， 缓解流动性压力。在实业投资与金融投资收益率差距日益加大和企业现金持有水平较低的背景下， 相比于不确定性高、 投资周期长的数字技术赋能项目， 管理层会更加倾向于投资流动性更强、 回报更快的金融资产。另一方面， 充足的现金持有是企业经营稳妥的表现（王红建等，2014）， 尤其是在应对像数字技术这种新兴技术方面， 若企业持有充足的现金， 则能显著增强抵抗新技术融合失败风险的能力， 弥补在新技术落地过程中的资金缺口。那么， 在企业将一定资源投入金融部门时， 尽管可利用的资源被分流， 但仍能基本满足数字技术赋能的资源要求， 对实体产业“挤出效应”带来的消极影响会显著降低。同时， 若企业现金持有状况良好， 则管理者对企业的发展前景会更加乐观， 对于数字技术赋能这种高风险投资项目的接受度也会更高， 在企业经营决策时会以更加积极的态度应对， 以减轻金融化造成的“挤出效应”。综上， 本文提出假设2：

假设2：
限定其他条件， 现金持有弱化了企业金融化与数字技术赋能的负向关系。

（三）融资约束的调节效应

根据资源基础理论， 在企业资源具有明显约束的情况下， 资源之间呈现明显的替代效应， 由于金融化和数字技术赋能对于企业的资源都有需求， 故两者之间表现出“非此即彼”的状态。因此， 融资约束对于金融化造成的“挤出效应”存在调节作用。一方面， 较强的融资约束会导致管理层对于资源的分配以及投资决策更为谨慎， 增加管理层对于高流动性金融产品的偏好， 强化金融化对数字技术赋能的“挤出效应”。另一方面， 较强的融资约束也会导致管理层更加关注金融市场动态， 使企业运营的重点发生偏离， 将原本对于实体产业的注意力逐步转移至金融部门， 一定程度上忽视了数字技术等新兴技术可能对企业的帮助， 降低了企业的外部环境感知能力， 进而强化金融化对数字技术赋能的“挤出效应”。综上， 本文认为， 较强的融资约束会放大企业金融化带来的消极影响， 使得数字技术赋能过程中可获得的资源进一步减少。因此， 提出假设3：

假设3：
限定其他条件， 融资约束强化了企业金融化与数字技术赋能的负向关系。

四、 研究设计

（一）样本选取和数据来源

本文选取2012 ～ 2021年A股上市公司数据为研究样本， 在此基础上， 对数据进行如下筛选：
（1）剔除内生金融化程度较高的金融企业和房地产企业；

（2）剔除ST和

?ST企业；

（3）剔除当期相关指标缺失的上市公司数据。经过以上筛选， 最终获得2674家公司的22102个观测值作为研究样本。此外， 为降低异常值的干扰， 本文对所有连续变量在1%与99%分位上进行了缩尾处理。在数据来源方面， 数字技术赋能的量化指标所使用的年报材料均源于巨潮资讯网、 证券交易所官方网站， 本文使用爬虫工具下载。其他相关数据来自国泰安经济金融研究数据库（CSMAR）。

（二）变量定义

1. 被解释变量：
数字技术赋能。目前与数字技术/数字化转型相关的衡量指标或方法有数字无形资产（何帆和刘红霞，2019；
祁怀锦等，2020；
张永坤等，2021；
任晓怡等，2022）、 数字化成熟度评估模型（万方和周西平，2021；
金旭君等，2022）及词典关键词年报词频（吴非等，2021；
罗进辉和巫奕龙，2021）三种， 但就笔者掌握的文献看， 尚未有人对数字技术赋能进行量化。考虑到数字技术赋能的概念与数字技术/数字化转型在一定程度上具有相似性， 并且此类信息会在年报中有关企业战略转型、 生产经营成果、 未来发展等部分涉及， 本文参考吴非等（2021）的研究方法， 利用年報词频的办法对数字技术赋能进行量化。但不同于吴非等（2021）全部依赖人为判断筛选关键词， 本文创新性地利用自然语言处理的文本挖掘方法， 使用TF-IDF算法结合人工筛选实现数据技术赋能特征词的提取， 主要方法包括基于TF-IDF算法的词典提取及年报文本分析两部分。

（1）基于TF-IDF算法的词典提取。TF-IDF算法是用于信息检索与数据挖掘的常用加权技术， 能够用于对语料文件关键词的统计分析， 进而评估一个词对语料文件或语料库的重要程度。其被广泛应用于关键词提取的学术研究中。TF-IDF值越大， 则表明该词对文档的贡献越大， 对于文章也越重要。其具体做法是：
首先， 从学术领域和实务领域两个方面收集有关数字技术赋能的学术论文、 重要政策文件、 新闻报纸文章、 深度研究报告等， 并利用PDF Miner模块②将其转化为TXT格式， 通过自然语言处理工具Jieba中文分词库③对文本进行分词处理；

其次， 使用TF-IDF算法构建文本的词频统计表， 计算每个词语的TF-IDF值；

最后， 将所有词语的TF-IDF值按照降序排列并通过进一步的人工筛选， 锁定描述数字技术赋能的核心词典。

本文最终获得的数字技术赋能词典如表1所示， 该词典主要包括技术、 过程及目标三个维度。具体来说：
技术维度主要包括七大底层基础技术和衍生的相关迭代进阶技术， 其为数字技术赋能提供了坚实的技术基础， 是数字技术赋能的前提和必要条件；

过程维度主要包括生产、 产品、 客户、 管理、 数字及创新六个方面， 主要刻画了数字技术如何影响企业的生产经营和销售管理等， 比如更加精准地识别客户需求、 科学安排生产、 创新产品研发、 管理企业及数字资产等；

目标维度主要包括应用和战略两个层面， 应用层面强调企业通过数字技术的应用赋能实体生产后所实现的具体目标， 如构建智能电网、 实现电子商务运营等， 战略层面主要描述企业希望通过数字技术赋能所实现的战略目标， 如掌握数字核心技术、 实现高质量发展等。

以上词典与吴非等（2021）的企业数字化转型结构化特征词谱的重合度为31.25%， 差异主要在于：
企业数字化转型结构化特征词谱更加注重技术层面的刻画；

而本文的数字技术赋能特征词典不仅包含技术层面的词汇， 还包含数字技术赋能过程及战略目标的词汇， 更加注重数字技术赋能的过程及结果描述。

（2）年报文本分析。本文借鉴吴非等（2021）的研究， 运用自然语言处理工具Jieba中文分词库进行文本处理， 在年报中对表1的词典关键词进行检索、 匹配和词频统计。在获取相关词频后， 考虑到数据的右偏特性， 本文借鉴学者们的普遍做法， 设置企业数字技术赋能变量：
企业数字技术赋能程度（Digital）=Ln（1+年度报告匹配词典总词频）。

2. 解释变量：
企业金融化。在前期文献中， 对企业金融化的衡量有以下几种指标：
企业是否参股金融机构哑变量、 金融资产收益占比、 金融资产占比、 金融资产对金融负债比率。考虑到哑变量不能够准确衡量企业金融化程度， 本文采用金融资产占比作为解释变量， 并以金融资产收益占比作为稳健性检验中解释变量的替换变量。

金融资产占比具体衡量如下：
企业金融化（Fin）=金融资产总额/总资产。其中， 2012 ～ 2017年财务报表中的金融资产包括：
交易性金融资产、 衍生金融资产、 发放贷款及垫款净额、 可供出售金融资产、 持有至到期投资净额和投资性房地产。考虑到2018年我国新金融工具会计准则颁布后， 金融资产由原来的四分类改成三分类，  2018 ～ 2021年的金融资产补充债权投资、 其他债权投资和其他权益工具投资， 删掉可供出售金融资产和持有至到期投资净额。

3. 调节变量。根据假设2、 假设3， 本文设置了以下两个调节变量：

（1）现金持有（CF）。借鉴王红建等（2014）、 张成思和刘贯春（2018）的研究， 使用经营活动产生的现金流量净额除总资产衡量企业的现金持有情况， 该指标体现了企业的现金持有及流动性水平。

（2）融资约束（FR）。借鉴Hadlock 和Pierce（2010）、 鞠晓生等（2013）的研究， 选用SA指数衡量融资约束， 相较于其他指标（如KZ指数和WW指数）， SA指数具有较强的外生性， 具体量化如下：

SA=-0.737Size+0.043Size2-0.04Age

其中：
Size是企业资产总额的自然对数， Age是企业年限。SA指数为负值且其绝对值越大表明企业受到的融资约束越严重。为了更加直观地衡量企业融资约束程度， 本文采用SA的绝对值作为衡量企业融资约束的指标， 即：
FR=|SA|， FR的取值越大， 企业面临的融资约束程度越高。

4. 控制变量。借鉴前期文献（如黎伟等， 2021；

黄大禹等， 2022；

任晓怡等， 2022）， 本文选取总资产利润率、 净资产收益率、 营业收入增长率、 股權集中度、 管理费用率、 审计意见、 两职合一作为控制变量。此外， 本文还控制了年度、 行业及省份固定效应。本文具体变量定义见表2。

（三）模型构建

首先， 本文采用模型（1）检验假设1：

若模型（2）中企业金融化与现金持有的交乘项Fini，t×CFi，t的系数β3显著为正， 则假设2为经验证据所支持；

若模型（3）中企业金融化与融资约束的交乘项Fini，t×FRi，t的系数θ3显著为负， 则假设3为经验证据所支持。

五、 实证分析

（一）描述性统计

表3列示了各变量的描述性统计结果。数字技术赋能（Digital）的均值和中位数分别是2.946和2.890， 标准差为1.129， 表明在我国上市企业年报中数字技术赋能的表述强度方面， 不同公司之间差异较大。企业金融化（Fin）的最小值和最大值分别为0和0.884， 表明我国不同公司的金融化程度差异较大， 并且在实体企业中金融资产占总资产的比例最高可达88.4%， 说明个别实体企业过度金融化趋势严重。本文企业金融化（Fin）变量的统计结果与郝晶等（2023）、 吴非等（2021）的研究结果相近。

此外， 本文还进行了各变量的Pearson相关系数分析（表格从略，资料备索）。其中， 数字技术赋能（Digital）与企业金融化（Fin）之间的相关系数为-0.072， 且在1%的水平上显著， 初步支持了假设1。

（二）回归分析

表4为假设1 ～ 3的基准回归结果。在表4的列（1）中， 企业金融化（Fin）的回归系数为-0.393， 且在1%的水平上显著， 说明实体企业金融化确实对数字技术赋能产生了负面影响， 假设1为经验证据所支持。在表4列（2）中， 企业金融化与现金持有的交乘项Fin×CF的系数为2.440， 且在5%的水平上显著， 说明现金持有确实削弱了实体企业金融化对数字技术赋能的负面影响， 假设2为经验证据所支持。在表4的列（3）中， 企业金融化与融资约束的交乘项Fin×FR的系数为-0.682， 且在5%的水平上显著， 说明融资约束确实增强了实体企业金融化对数字技术赋能的负面影响， 假设3为经验证据所支持。

（三）稳健性检验

1. 替换被解释变量与解释变量。为进一步确保本文结果的稳健性， 采用如下两种方法重新进行回归：
（1）替换被解释变量。本文借鉴周阔等（2022）的做法， 利用扣除行业、 年度中位数后的数字技术赋能词数重新衡量数字技术赋能， 构建变量Dig。（2）替换解释变量。本文借鉴张成思和张步昙（2016）、 杜勇等（2019）的研究， 将企业金融化的量化方法替换成企业来自金融部门的收益占总收益的比例（FinInc）， 具体计算方法为：
FinInc=（投资收益+公允价值变动损益+其他综合收益）/营业利润。

表5第（1）列中企业金融化（Fin）的系数显著为负， 第（2）列交乘项Fin × CF的系数显著为正， 第（3）列交乘项Fin ×FR的系数显著为负， 分别再次支持假设1 ～ 3。表5第（4） ～ （6）列报告了将解释变量替换为FinInc后的回归结果， 同样支持假设1 ～ 3。

2. 子样本回归检验。为了保证结果的稳定性， 本文借鉴杜勇等（2017）、 段军山和庄旭东（2021）、 任晓怡等（2022）的研究， 分别选用剔除2015年数据、 剔除东部地区样本公司后的数据进行回归检验。剔除2015年数据主要是由于2015年我国发生股灾， 对企业配置金融资产的行为以及所持有金融资产的价值产生不可预知的影响。剔除东部地区主要是因为东部地区经济更加发达， 金融化与数字技术赋能的关系可能表现得更加明显， 所以有必要将其剔除后再进行回归， 从而以更为普遍的样本说明本文结论的稳健性。

表6第（1） ～ （3）列汇报了剔除2015年样本后的回归结果， 第（4） ～ （6）列汇报了剔除东部地区样本后的回归结果。由第（1）及（4）列结果可知， Fin的回归系数均在1%的显著性水平上为负， 企业金融化对数字技术赋能产生消极影响的结论不变。第（2）及（5）列、 第（3）及（6）列分别展示了现金持有、 融资约束的调节效应回归结果， 以上结果均与基准回归的结果一致， 表明缩小样本范围后研究结论保持不变， 本文的研究结论具有稳健性。

（四）内生性检验

1. 倾向得分匹配法。企业的数字技术赋能会受到内外部多种关键因素的影响， 尽管本文使用多元回归模型且对相关控制变量进行设置， 但仍可能存在遗漏和偏差。为此， 本文通过倾向得分匹配法（PSM）控制内生性。

首先， 判断企业是否存在过度金融化并以此将样本公司分为两组。借鉴Richardson（2006）对非效率投资的残差衡量方法， 采用实际金融化程度与内部指标拟合结果的残差表征企业是否存在过度金融化倾向。同时根据黄贤环等（2019）、 Xie等（2022）的研究， 构建以下模型拟合出实体企业最优金融化水平。

其中：
Levi，t-1表示公司上一期资产负债率；

ListAgei，t-1表示公司上一期时的上市年限， 使用Ln（上期年份-上市年份+1）取得；

Scode、 Year分别为公司、 年份的虚拟变量；

εi，t为残差；

其他变量的设置与前文保持一致。若模型（4）中εi，t大于0， 则说明企业具有过度金融化倾向， 令ExFin为1并作为处理组；

若εi，t小于等于0， 则说明企业不存在过度金融化倾向， 令ExFin为0并作为控制组。

其次， 本文使用Logistic回归模型对ExFin进行回归， 以前文使用的所有控制变量为协变量。经过对匹配结果的筛选和调整， 本文采用1∶4最近邻匹配法和卡尺匹配法（卡尺半径为0.001）进行匹配。

最后， 本文分别使用两种方法下匹配后的样本进行回歸， 以验证假设1 ～ 3。两种匹配方法的结果与基准回归一致， 三个假设在PSM控制内生性后仍然成立（表格从略，资料备索）。

2. 工具变量法。本文还使用工具变量法控制可能由于反向因果关系导致的内生性问题。首先， 在工具变量的选择方面， 本文借鉴相关学者的做法（杜勇等，2017；
彭龙等，2022）， 使用被解释变量企业金融化的滞后一期和二期数据（L.Fin、L2.Fin）作为工具变量。

具体结果如下（表格从略，资料备索）：
在第一阶段回归中， L.Fin、 L2.Fin作为工具变量与本文的解释变量高度相关， 回归系数分别是0.766、 0.080， 且均在1%的水平上显著。在第二阶段回归中， Fin的回归系数为-0.551， 且在1%的水平上显著。这表明使用工具变量法控制内生性后， 企业金融化仍对数字技术赋能产生了显著的负面影响， 假设1仍然成立。关于调节效应， 交乘项Fin×CF与Fin×FR的回归系数为5.249、 -0.849， 分别在1%、 5%的水平上显著， 说明在使用工具变量法控制内生性后， 本文的假设2和假设3依然成立。

此外， 本文还采用了Heckman两阶段模型控制内生性。在第一阶段中， 采用Probit回归模型对企业是否配置金融资产的哑变量Fin_dum进行回归（若配置金融资产则Fin_dum为1， 否则为0）， 计算逆米尔斯比率（IMR）。在第二阶段中， 将第一阶段回归得到的逆米尔斯比率（IMR）加入模型（1） ～ （3）的回归中， 回归结果与基准回归结果一致， 本文的三个假设在采用Heckman两阶段模型控制内生性后仍然成立（表格从略，资料备索）。

六、 结论与启示

（一）结论

本文利用2012 ～ 2021年我国A股上市公司数据， 检验了实体企业金融化对数字技术赋能的影响， 得到如下结论：
实体企业金融化会对数字技术赋能产生显著负向影响；

现金持有、 融资约束在企业金融化与数字技术赋能之间存在调节效应， 现金持有弱化了企业金融化与数字技术赋能的负向关系， 融资约束强化了企业金融化与数字技术赋能的负向关系。

（二）啟示

第一， 对于政策制定者而言， 要引导金融部门将更多的资金用于实体经济， 帮助资金回归本源。对非金融企业接触金融产品应做好控制和协调， 充分考虑实际情况并提供融资渠道， 对企业金融化的征兆和表现进行有效监控， 引导企业适度合理使用金融工具。从金融部门和实体企业两头抓好金融服务实体经济的工作， 坚决遏制经济“脱实向虚”。此外， 要制定鼓励企业进行数字技术赋能的政策， 帮助企业进行数字技术赋能。尽管目前我国经济发展迅速， 但是在数字技术日新月异的环境下， 绝不能固步自封， 而是需要在制度制定层面加大力度鼓励和支持数字技术在实体经济中的落地， 促进企业资金向数字技术赋能实体方向倾斜， 哺育企业完成数字技术的融合， 实现我国经济的高质量发展。

第二， 对于公司而言， 要积极应对外部环境变化， 在清楚认识数字技术的基础上， 合理分配自身资源， 顺应并积极投入数字技术发展浪潮， 通过数字技术赋能提高企业经营绩效， 实现更好的发展。此外， 实体企业还要秉持长期主义的企业战略理念， 坚持发展自身实体产业， 从而稳定获得核心竞争力。同时， 不断提升自我管理水平， 对现金持有水平进行动态调整， 提高资产利用效率， 有效把控企业流动性。

第三， 对于金融部门而言， 应树立起服务实体产业的观念， 设身处地了解不同层次、 不同产权实体企业的融资需求和融资困难， 设计切实可行且有针对性的融资方案， 帮助优质实体企业发展， 有效缓解实体企业的融资约束。

【 注 释 】

① 数据源为中国信息通信研究院发布的《中国数字经济发展报告》（2016年-2022年）。

② PDF Miner模块是一种Python第三方工具模块，能够实现对PDF文档文本内容的提取、将PDF文档转换为其他格式等功能。

③ Jieba中文分词库是常用的Python中文分词组件，主要功能为对中文文本分词、词性标注、获取词语位置等。

【 主 要 参 考 文 献 】

杜勇，张欢，陈建英．金融化对实体企业未来主业发展的影响：促进还是抑制［ J］．中国工业经济，2017（12）：113 ～ 131．

杜勇，谢瑾，陈建英．CEO金融背景与实体企业金融化［ J］．中国工业经济，2019（5）：136 ～ 154．

段军山，庄旭东．金融投资行为与企业技术创新 —— 动机分析与经验证据 ［ J］．中国工业经济，2021（1）：155 ～ 173．

胡海峰，窦斌，王爱萍．企业金融化与生产效率［ J］．世界经济，2020（1）：70 ～ 96．

鞠晓生，卢荻，虞义华．融资约束、营运资本管理与企业创新可持续性［ J］．经济研究，2013（1）：4 ～ 16．

黎伟，许桂华，任晓怡．企业金融化与数字技术应用：促进还是抑制？［ J］．经济体制改革，2021（6）：142 ～ 147．

林毅夫，李永军．中小金融机构发展与中小企业融资［ J］．经济研究，2001（1）：10 ～ 18+93．

彭龙，詹惠蓉，文文．实体企业金融化与企业技术创新 —— 来自非金融上市公司的经验证据［ J］．经济学家，2022（4）：58 ～ 69．

宋军，陆旸．非货币金融资产和经营收益率的U形关系 —— 来自我国上市非金融公司的金融化证据［ J］．金融研究，2015（6）：111 ～ 127．

田秀娟，李睿．数字技术赋能实体经济转型发展 —— 基于熊彼特内生增长理论的分析框架［ J］．管理世界，2022（5）：56 ～ 74．

吴非，胡慧芷，林慧妍等．企业数字化转型与资本市场表现 —— 来自股票流动性的经验证据［ J］．管理世界，2021（7）：130 ～ 144+110．

杨筝，刘放，王红建．企业交易性金融资产配置：资金储备还是投机行为？［ J］．管理评论，2017（2）：13 ～ 25+34．

张成思，张步昙．中国实业投资率下降之谜：经济金融化视角［ J］．经济研究，2016（12）：32 ～ 46．

张成思，刘贯春．中国实业部门投融资决策机制研究 —— 基于经济政策不确定性和融资约束异质性视角［ J］．经济研究，2018（12）：51 ～ 67．

张明，罗灵．民营企业金融化影响生产率的实证研究 —— 基于中国A股民营上市公司的经验分析［ J］．经济体制改革，2017（5）：155 ～ 161．

张永珅，李小波，邢铭强．企业数字化转型与审计定价［ J］．审计研究，2021（3）：62 ～ 71．

Demir F.. Financial Liberalization，Private Investment and Portfolio Choice：
Financialization of Real Sectors in Emerging Markets［ J］．Journal of Development Economics，2011（2）：314 ～ 324．

Duchin R.， Gilbert T.， Harford J.， et al.. Precautionary Savings with Risky Assets：
When Cash Is Not Cash［ J］．Journal of Finance，2017（2）：793 ～ 852．

Hadlock C.， Pierce J.. New Evidence on Measuring Financial Constraints：
Moving Beyond the KZ Index［ J］．Review of Financial Studies，2010（5）：1909 ～ 1940．

Karimi J.，Walter Z.. The Role of Dynamic Capabilities in Responding to Digital Disruption：
A Factor-Based Study of the Newspaper Industry［ J］．Journal of Management Information Systems，2015（1）：39 ～ 81．

Krippner G.. The Financialization of the American Economy［ J］．Socio-Economic Review，2005（2）：173 ～ 208．

Mishra D.， Luo Z.， Hazen B.. Organizational Capabilities that Enable Big Data and Predictive Analytics Diffusion and Organizational Performance：
A Resource-based Perspective［ J］．Management Decision，2019（8）：1734 ～ 1755．

Richardson S.. Over-investment of Free Cash Flow［ J］．Review of Accounting Studies，2006（2-3）：159 ～ 189．

猜你喜欢赋能文本分析融资约束“大蓝鲸”系统：打造增强型的新广播中国广播(2017年10期)2017-10-30争鸣|少儿音乐教育需重新为音乐“赋能”音乐周报(2017年1期)2017-07-10投资者情绪短期对股票市场的影响研究商业经济(2016年11期)2016-12-20农户融资约束的后果分析商业经济(2016年11期)2016-12-20维护正统还是观念复辟？戏剧之家(2016年22期)2016-11-30融资约束：文献综述与启示时代金融(2016年23期)2016-10-31盈余质量对投资效率影响路径的理论分析中国市场(2016年33期)2016-10-18我国地方纪录片的出路研究青年文学家(2016年23期)2016-08-01初中英语听说课教学实践探索考试周刊(2016年45期)2016-06-24

推荐访问:化与 实体 数字