企业数字化转型会影响资本结构决策吗——来自资本结构调整速度的证据 (1).pdf

金融发展研究 第7期收稿日期：2023-04-05修回日期：2023-06-12企业数字化转型会影响资本结构决策吗？来自资本结构调整速度的证据张焰朝1刘家博2（1.河南财经政法大学会计学院，河南郑州450046；2.新疆大学商学院，新疆乌鲁木齐830091）摘要：本文以20072020年沪深A股上市企业为研究对象，实证检验了数字化转型对资本结构动态调整的影响。结果显示：数字化转型显著加快了企业资本结构动态调整的速度。影响机制分析表明，数字化转型通过降低债务融资成本和代理成本两条路径促进了企业资本结构调整。异质性检验发现，数字化转型对资本结构调整速度的影响存在非对称性，数字化转型主要影响资本结构向上调整的速度，而对向下调整速度的影响并不明显；对于非国有企业、技术密集型和资本密集型行业，数字化转型对资本结构调整速度的提升作用相对较大。数字化转型对资本结构调整方式影响的检验表明，数字化转型提高了通过债务融资方式调整资本结构的概率。关键词：数字化转型；资本结构动态调整；调整速度；调整成本中图分类号：F830 文献标识码：A 文章编号：1674-2265（2023）07-0013-10DOI：10.19647/ki.37-1462/f.2023.07.002作者简介：张焰朝，男，河南安阳人，河南财经政法大学会计学院，博士，研究方向为资本市场财务与会计；刘家博，女，河南周口人，新疆大学商学院，研究方向为企业管理。一、引言随着数字技术的迅猛发展，数字经济成为国民经济高质量发展的重要支撑和世界各国广泛关注的经济发展模式，如何提高数字化和实体经济的融合发展已成为当前促进我国经济发展的重要问题。从微观角度看，企业承载着数字经济发展和转型的重要功能（吴非等，2021；韦谊成等，2022）1，2，加快企业数字化转型已成为发展数字经济的主要任务（陈冬梅等，2020；戚聿东和肖旭，2020）3，4。已有文献表明数字化转型对企业的生产经营、治理及投资等行为决策有重要影响，区别以往文献，本文试图从财务行为的角度考察数字化转型对资本结构决策的影响。资本结构决策对于企业而言至关重要，资本结构是否合理直接关系到企业的长期发展和价值实现，动态权衡理论认为企业拥有目标资本结构，当偏离该目标资本结构水平时，会以此为方向进行调整，而趋向目标资本结构的速度取决于调整成本（Leary和Rob-erts，2005）5。根据现有研究，债务融资成本和代理成本是影响资本结构调整的重要因素。一方面，债务融资成本的上升增大了资本结构调整成本，阻碍了资本结构动态调整，而债务融资成本的降低能够有效促进资本结构调整（Barry 和 Brown，1984；潘爱玲等，2021）6，7。另一方面，企业管理层负责做出资本结构的调整决策，因而管理层与股东间的代理冲突也是影响资本结构调整速度的关键要素。Morellec 等（2012）8的研究表明，股东和管理层间的代理冲突会降低企业向最优资本结构调整的速度，扭曲企业资本结构动态调整行为。数字化转型既可以提高信息透明基金项目：教育部人文社会科学研究青年基金项目“供应链金融对企业投资行为的影响研究”（21YJC630001）；河南省哲学社会科学规划项目“数字化转型对财务决策的影响及路径研究以河南上市企业为例”（2022CJJ124）；河南省高等学校哲学社会科学创新团队支持计划“数字经济下资本市场财务与会计研究”（2023-CXTD-07）。理 论 研 究】【13金融发展研究 第7期度，提高债权人对企业的预期，降低企业债务融资成本（刘梦莎等，2023）9，还可以降低代理成本（张焰朝和卜君，2023）10。那么企业数字化转型是否能够引起资本结构决策的变化？是否能够提高资本结构动态调整速度？对上述问题的回答有助于理解数字化转型对企业价值实现的积极作用，以及准确评估数字化转型的实施效果。鉴于此，本文利用文本分析法构建了企业的数字化转型程度指标，以20072020年沪深A股上市企业为对象，检验了数字化转型与资本结构动态调整速度之间的关系。实证结果表明，数字化转型显著加快了资本结构动态调整的速度。进一步分析发现，债务融资成本和代理成本的降低是企业数字化转型加快资本结构动态调整速度的重要机制。数字化转型主要影响资本结构向上调整的速度，而对向下调整的速度影响并不明显；对于非国有企业、技术密集型和资本密集型行业，企业数字化转型对资本结构动态调整速度的提升作用相对较大；企业数字化转型与资本结构调整方式之间关系的检验表明，负债融资是数字化转型背景下资本结构调整的主要方式。本文可能的贡献主要有以下几点：首先，本文研究了数字经济发展背景下微观企业数字化转型对财务决策的影响，全面评估了数字化转型在促进企业资本结构动态调整方面的积极作用，深化了数字化转型经济后果方面的研究。其次，扩展了资本结构调整影响因素的文献。本文从市场微观主体数字化转型的角度揭示了数字化转型对资本结构动态调整的加速作用，同时为资本结构的非对称调整提供了更全面的证据，从而丰富了有关动态权衡理论的研究。最后，本文从企业杠杆优化的角度为数字化转型的公司治理效应提供了直接证据，为如何利用数字化转型实现降杠杆和稳杠杆等经济目标提供了一定的决策参考，同时对提高资本结构决策效率具有重要的实践价值。二、理论分析与假设提出已有研究表明企业存在着最优的资本结构，而不完美市场的存在使得企业通常并不能达到最优的资本结构，市场的低效率使企业的实际资本结构表现为高于或者低于目标资本结构两种状态，此时向下调整或者向上调整负债率将有利于提高企业价值，但市场存在不完备性，交易成本就能够对企业资本结构的调整产生不利影响（Faulkender等，2012）11。企业数字化转型能够通过降低债务融资成本和代理成本，使资本结构调整成本下降，进而优化企业的资本结构决策，提高管理层以价值最大化为目的进行财务决策的积极性，提高资本结构调整速度。第一，数字化转型能够降低债务融资成本，从而激励企业积极调整资本结构，提高资本结构调整速度。由于管理层和债权人之间的信息不对称，管理层有较强的动机从事对债权人利益有害的机会主义行为，这将恶化管理层和债权人之间的利益冲突，增大债权人的投资风险（Ashbaugh-Skaife 等，2006）12。当债权人预期到管理层可能的机会主义行为时，将会要求更高的风险溢价以弥补其较高的投资风险（Kabir 等，2013）13，使企业的债务融资成本增加，从而不利于资本结构调整。而数字化转型可以降低债务融资成本，提高资本结构调整速度。一方面，会计信息是债权人筛选和监督企业的主要工具，高质量的会计信息可以降低企业与债权人之间的信息不对称，从 而 直 接 影 响 债 务 契 约 的 设 定（Bharath 等，2006）14。数字化转型能够通过数字技术将数据编码输出成标准化、结构化信息，提升信息可利用度。随着数字化转型逐步嵌入、融合到企业的运营管理和业务体系，企业信息传递效率和会计信息质量得以提高（张焰朝和卜君，2023）10，债权人能够掌握比以往更加充分的信息，降低了债权人和企业在订立契约和后续监督过程中所需付出的成本，从而降低了企业的债务融资成本（Zhang，2008）15，促进了资本结构调整（Barry 和 Brown，1984；潘爱玲等，2021）6，7。另一方面，在数字经济发展的背景下，数字化转型程度较高的企业能够利用其数字化优势，借助年报信息或者生产技术转型等方式，向外界释放积极信号，在一定程度上提升了资本市场主体对企业的正面评价和预期，这种改变会迅速地反映到市场中，降低企业债务融资成本（刘梦莎等，2023）9。债务融资成本的降低为管理层做出最优的资本结构决策提供了有利条件，提高了企业资本结构调整的速度。第二，数字化转型能够降低代理成本，提高资本结构调整速度。股东与管理层间的代理冲突使管理层在进行资本结构决策时会降低实际资本结构低于目标水平时趋向目标调整资本结构的速度（Morellec等，2012）8。还有观点认为股东与管理层之间存在的代理问题会使管理层进行过多债务融资，从而谋求未来最大利益，造成资本结构高于目标水平时趋向目标调整资本结构的速度变慢（Lambrecht和Myers，2008；王晓亮和邓可斌，2020）16，17。因此，当股东与管理层之间代理成本较高时，管理层不以企业价值最大化为目理 论 研 究】【14金融发展研究 第7期标，其存在的机会主义行为会使企业偏离最佳资本结构，同时扭曲资本结构决策行为，降低资本结构动态调整速度。而企业数字化转型促进了企业日常生产经营 等 关 键 活 动 的 透 明 化（曾 建 光 和 王 立 彦，2015）18，有效降低了外部监督成本和审查成本（罗进辉和巫奕龙，2021）19，从而缓解代理冲突，使管理层基于企业价值最大化的目标来进行财务决策，从而加快资本结构调整速度。综上所述，一方面，企业数字化转型可以改善自身信息传递效率，提高会计信息质量，提升债权人对企业的正面预期，从而降低企业的债务融资成本，最终促进资本结构向目标方向动态调整；另一方面，企业数字化转型有效降低了外部监督成本和审查成本，经理人的信息优势被削弱，企业信息环境的改善减小了股东和管理层间的代理成本，管理层在做出资本结构调整决策时会更多地以企业价值最大化为目标，从而提高了资本结构动态调整的速度。据此，本文提出如下假设：H1：数字化转型加快了企业资本结构动态调整的速度。三、研究设计（一）样本选择及处理采用 20072020 年沪深 A 股上市企业为初始样本，在初始样本的基础上，参考已有文献的做法，按以下步骤进行筛选：（1）剔除金融行业样本、ST或*ST 状态样本；（2）剔除在考察期中进行 IPO 的企业；（3）剔除相关数据缺失的样本。根据上述标准，最后得到14319个公司年度观察值。本文对所有连续变量在1%水平上进行了Winsorize处理，以消除极端值对研究结果的影响。上市公司年报来源于巨潮资讯网，相关财务和治理数据主要来源于国泰安数据库和中国研究数据服务平台（CNRDS）。（二）变量定义与说明1.企业数字化转型。本文借鉴吴非等（2021）1、赵宸宇等（2021）20的方法，基于上市企业披露的年报，采用文本分析法来刻画企业数字化转型强度。参考吴非等（2021）1依据数字技术内核提取的词汇，本文确定了与数字化转型相关的关键词（见图1）。利用Python技术抓取相关的关键词并统计其在不同年份年报中出现的次数，出现频率越高，说明企业在数字化转型方面取得的成效越显著。在加总所有词频数的基础上进行对数化处理，最终得到刻画企业数字化转型的整体指标DCG。2.资本结构调整速度。参考Byoun（2008）21、黄俊威和龚光明（2019）22的做法，使用模型（1）来估计资本结构调整速度：Levi,t-Levi,t-1=()Levi,t-Levi,t-1+i,t（1）其中，Lev表示企业的实际负债率，Lev*表示企业的目标负债率，回归系数代表着资本结构调整速度，其含义是Lev与Lev*之间的差距以平均每年的速度减少。借鉴现有文献的做法，使用相关企业特征变量拟合目标资本结构值：Levi,t=1EBITi,t-1+2TQi,t-1+3DEPi,t-1+4Sizei,t-1+5FAi,t-1+6IndLevi,t-1（2）企业特征变量选取上一年度的抵押能力（FA）、盈利能力（EBIT）、非债务税盾（DEP）、规模（Size）、成长机会（TQ）以及年度行业资本结构中位数（IndLev）。将模型（2）代入模型（1），得到以下模型：Levi,t=(1-)Levi,t-1+1EBITi,t-1+2TQi,t-1+3DEPi,t-1+4Sizei,t-1+5FAi,t-1+6IndLevi,t-1+i,t（3）参考Faulkender等（2012）11、黄继承等（2014）23等的做法，本文采用修正的最小二乘虚拟变量法（LSDVC）估计模型（3），将估计出的系数代入公式（2），得到Lev*的值。再将Lev*代入模型（1），得到资本结构调整速度。3.模型设定。为了检验企业数字化转型对资本结构调整速度的影响，借鉴Faulkender等（2012）11、黄继承等（2016）24的做法，对模型（1）进行修正和扩人工智能技术 人工智能、商业智能、图像理解、投资决策辅助系统、智能数据分析、智能机器人、机器学习、深度学习、语义搜索、生物识别技术、人脸识别、语音识别、身份验证、自动驾驶、自然语言处理 大数据技术 大数据、数据挖掘、文本挖掘、数据可视化、异构数据、征信、增强现实、混合现实、虚拟现实 区块链技术 区块链、数字货币、分布式计算、差分隐私技术、智能金融合约 云计算技术 云计算、流计算、图计算、内存计算、多方安全计算、类脑计算、绿色计算、认知计算、融合架构、亿级并发、E B级存储、物联网、信息物理系统 数字技术运用 移动互联网、工业互联网、移动互联、互联网医疗、电给子商务、移动支付、第三方支付、N F C支付、智能能源、B 2 B、B 2 C、C 2 B、C 2 C、O 2 O、网联、智能穿戴、智慧农业、智能交通、智能医疗、智能客服、智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金融、数字金融、F i n t e c h、金融科技、量化金融、开放银行 企业数字化转型 人工智能、商业智能、图像理解、投资决策辅助系统、智能数据分析、智能机器人、机器学习、深度学习、语义搜索、生物识别技术、人脸识别、语音识别、身份验证、自动驾驶、自然语言处理。大数据、数据挖掘、文本挖掘、数据可视化、异构数据、征信、增强现实、混合现实、虚拟现实。云计算、流计算、图计算、内存计算、多方安全计算、类脑计算、绿色计算、认知计算、融合架构、亿级并发、EB级存储、物联网、信息物理系统。区块链、数字货币、分布式计算、差分隐私技术、智能金融合约。移动互联网、工业互联网、移动互联、互联网医疗、电子商务、移动支付、第三方支付、NFC支付、智能能源、B2B、B2C、C2B、C2C、O2O、网联、智能穿戴、智慧农业、智能交通、智能医疗、智能客服、智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金融、数字金融、金融科技、量化金融、开放银行。图1：企业数字化转型的词频图谱理 论 研 究】【15金融发展研究 第7期展，并使用面板固定效应的方法估计企业数字化转型与资本结构动态调整的关系：Levi,t-Levi,t-1=()0+1DCGi,t()Levi,t-Levi,t-1+i,t（4）同时，为更加方便列示结果，将模型（4）进行如下转换：Delta_Levi,t=()0+1DCGi,tTarget_Levi,t+i,t（5）模型（5）估计出的交互项系数1就表示数字化转型对资本结构调整速度的影响，若1显著为正，则表明企业数字化转型能够提高资本结构的调整速度。同时模型采用了Cluster 聚类稳健标准误调整的t统计量。具体变量定义见表1。四、实证结果与分析（一）描述性统计表2是本文主要变量的描述性统计结果。实际负债率Lev的均值为0.410，最小值为0.053，最大值为0.995，标准差为0.203，说明上市企业的资本结构存在着一定的差异，平均来看处于中等水平；实际资本结构偏离目标资本结构Target_Lev的均值为0.012，最小值为-0.141，最大值为0.276，说明实际资本结构偏离目标资本结构的程度较小，但分布比较广泛，与黄继承等（2016）24报告的结果相近。资本结构实际调整的偏差和目标调整的偏差均呈现出向上调整的态势，这也说明了研究资本结构的动态调整具有一定的现实意义。企业数字化转型DCG的均值为1.787，最小值为0，最大值为4.990，说明上市企业之间的数字化程度存在着较大差异性，与已有文献报告的结果基本一致。估计目标资本结构值的企业特征变量均在合理的取值范围内，不再详述。（二）基准回归：数字化转型与资本结构调整速度先根据公式（5）对企业数字化转型与资本结构调整速度之间的关系进行考察。表3是数字化转型和资本结构动态调整速度的基准回归结果。第（1）列未加入数字化转型变量DCG，Target_Lev的回归系数为0.216，说明本文研究区间内我国上市企业调整资本结构的平均速度为21.6%。Faulkender等（2012）11得到美国上市公司19652006年间平均的资本结构调整速度为31.6%，即相对于美国企业而言，我国企业的调整速度较慢。第（2）列加入了数字化转型变量 DCG，Target_Lev 的回归系数为 0.177，交互项DCGTarget_Lev的系数为0.023，且在1%的水平上显著为正，这一结果表明数字化转型使资本结构调整速度提高了约13%（0.023/0.177）。即企业数字化转型程度越高，资本结构动态调整的速度越快，H1得到验证。表1：主要变量定义变量名称实际负债率目标负债率资本结构实际调整的偏差资本结构目标调整的偏差企业数字化转型盈利能力成长机会非债务税盾公司规模抵押能力行业资本结构水平变量符号LevLev*Delta_LevTarget_LevDCGEBITTQDEPSizeFAIndLev变量定义总负债/总资产根据模型（2）计算Levi,tLevi,t-1Lev*i,tLevi,t-1企业年报中与数字化转型相关的关键词频数的自然对数息税前利润/总资产（股票市场价值+负债账面价值）/总资产固定资产折旧/总资产总资产的自然对数固定资产/总资产既定年度既定行业资产负债率的中位数表2：描述性统计variableLevLev*Delta_LevTarget_LevDCGEBITTQDEPFAIndLevN14319143191431914319143191431914319143191431914319mean0.4100.4220.0080.0121.7870.0482.1450.0170.1840.406sd0.2030.1930.0680.0311.3390.0741.3850.0130.1440.095min0.0530.075-0.626-0.1410.000-0.3290.8550.0000.0020.226p500.4000.4120.0000.0081.6090.0501.7010.0140.1500.397max0.9950.8610.8730.2764.9900.2228.8640.0650.6570.690表3：数字化转型与资本结构调整速度变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2（1）Delta_Lev0.216*（29.80）-0.025*（-3.21）YesYes143190.205（2）Delta_Lev0.177*（18.46）0.023*（6.40）-0.024*（-3.15）YesYes143190.212注：括号内为经公司层面聚类处理的稳健标准误的t统计量；*、*和*分别表示在 10%、5%和1%水平显著，下同。理 论 研 究】【16金融发展研究 第7期（三）稳健性检验1.内生性检验：工具变量法。为缓解本文存在的内生性问题，采用工具变量法进行检验。借鉴赵宸宇等（2021）20和袁淳等（2021）25的做法，使用各省每万人移动电话用户数（MobileIV）作为企业数字化转型的工具变量，企业所在地通信方式的普及度会在一定程度上影响企业对信息技术的接受及应用程度，但不会直接影响企业的资本结构决策。表4是工具变量法检验的结果，由于本文关注的是交互项DCGTar-get_Lev的回归系数，因而第一阶段中分别使用工具变量MobileIV和MobileIVTarget_Lev对数字化转型变量 DCG 和 DCGTarget_Lev 进行回归，MobileIV和 MobileIVTarget_Lev 的回归系数分别为 0.075 和0.026，且均在1%的水平上显著为正，意味着某地区每万人移动电话数量越多，当地企业的数字化转型程度越高，和理论逻辑一致。弱工具变量检验中Cragg-Donald Wald F统计量为94.636，拒绝了工具变量是弱工具变量的假设。第二阶段交互项DCGTarget_Lev的回归系数为0.004且在5%的水平上显著为正，即企业数字化转型提高了资本结构调整速度，表明使用工具变量法处理内生性问题后结论依然稳健。表4：工具变量法检验变量MobileIVMobileIVTarget_LevTarget_LevDCGDCGTarget_LevConstantFirmYearNadj.R2第一阶段DCG0.075*（7.53）-0.009（-1.17）-0.147*（-2.12）0.199*（2.12）YesYes143190.041DCGTarget_Lev0.013*（2.92）0.026*（7.54）1.480*（49.48）-0.078*（-1.92）YesYes143190.388第二阶段Delta_Lev0.195*（13.82）0.036*（1.72）0.004*（2.46）-0.044*（-3.22）YesYes143190.1432.内生性检验：解释变量滞后。由于数字化转型对资本结构调整决策的影响可能存在一定的时间滞后性，因而本文将数字化转型分别滞后一期和两期后重新回归，回归结果如表5所示，结论不变。3.修订资本结构部分调整模型。借鉴Faulkender等（2012）11的做法，为将资本结构调整分离为主动调整和机械调整，本文进行如下处理：先使用有息负债总额除以总资产的方式衡量实际负债率Levi，t，然后令Levi，t-1等于上一年的有息负债除以上一年度总资产与当年的净收益之和。在此基础上重新估计上述模型，此时估计出的1即为资本结构主动调整的速度，重新回归后结果如表 6 第（1）列所示，结论不变。4.改变估计目标负债率Lev*的模型。前文采用最小二乘虚拟变量法估计模型（3），然后将估计出的系数代入模型（2）得到目标负债率的值，在此借鉴黄继承等（2014）24的做法，以 GMM 模型估计模型（3）来计算目标资本结构。重新回归结果如表 6 第（2）列所示，结论不变。表6：其他稳健性检验变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2（1）Delta_Lev0.216*（16.21）0.020*（3.84）-0.009（-0.99）YesYes137980.240（2）Delta_Lev0.182*（19.49）0.007*（2.29）-0.036*（-3.71）YesYes142880.1985.数字化转型指标分解。为了深化企业数字化转型对资本结构动态调整的理解，借鉴吴非等（2021）1的做法，将数字化转型指标降维分解，划分出了人工智能（AI）、区块链（BD）、云计算（CC）、大数据（DT）以及实践应用层面（ADT）5个指标，分别检验与资本结构调整速度的关系。回归结果如表 7 所示，5 个指标和 Target_Lev 的交互项系数均显著为正，即企业实施的人工智能、区块链、云计算、大数据技术和数字技术运用均能加快资本结构调整速度，研究结论稳健度较高。6.改变数字化转型程度的衡量方式。前文统计了各关键词在不同年份的年报中出现的次数，然后在加总所有词频数的基础上进行对数化处理得到数字化转表5：解释变量滞后变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2滞后一期Delta_Lev0.183*（18.32）0.021*（5.31）-0.031*（-3.42）YesYes112370.208滞后两期Delta_Lev0.201*（13.83）0.024*（4.39）-0.027*（-2.57）YesYes88910.225理 论 研 究】【17金融发展研究 第7期型变量DCG。在此借鉴袁淳等（2021）25的做法，重新度量企业数字化转型程度：其一，考虑到行业差异，剔除数字化转型指标中的行业趋势，将数字化转型指标DCG减去所在行业当年的DCG均值，得到指标DCGadj，该指标表示企业数字化转型在行业内的相对水平；其二，将数字化转型指标同上降维分解为5个指标，对 5 个细分指标进行分年度离差标准化处理，具 体 而 言，DCG_Si=DCGi-min（DCGi）/max（DCGi）-min（DCGi），然后将标准化后的细分指标加总，得到新的数字化转型指标DCGstd。重新回归结果如表8所示，无论是经行业均值调整后的数字化转型指标 DCG 还是离差标准化后的数字化转型指标DCG_Si，其与资本结构目标调整偏差的交互项均在1%的水平上显著为正，即改变数字化转型程度的衡量方法以后，企业数字化转型依然显著提高了资本结构调整速度，结论不变。五、进一步分析（一）企业数字化转型影响资本结构动态调整速度的机制分析前文的理论分析表明，数字化转型影响企业资本结构动态调整速度的路径有两条：一方面，企业数字化转型可以改善自身信息传递效率，提高会计信息质量，提升资本市场上债权人对企业的正面评价和预期，降低企业的债务融资成本，从而有效地促进资本结构向目标方向的动态调整。另一方面，数字化转型提高了信息透明度，有效降低了外部监督成本和审查成本，企业信息环境的改善使股东和管理层间的代理成本减小，管理层在做出资本结构调整决策时会更多地以企业价值最大化为目标，从而促进了资本结构动态调整。为了验证债务融资成本和代理成本的降低是否为数字化转型影响资本结构动态调整速度的作用机制，构建如下模型进行检验：Debtcosti,t/AssetTurni,t=0+1DCGi,t+Controlsi,t+Industry+Year+i,t（6）因变量Debtcost和AssetTurn分别用来衡量企业的债务融资成本和代理成本。借鉴钱雪松等（2019）26的做法，债务融资成本（Debtcost）使用利息支出与总负债的比值度量。同时，参考Ang等（2000）27的做法，使用资产周转率（AssetTurn）作为企业第一类代理成本的代理变量，资产周转率越高表明企业的代理成本越低。参照现有文献，控制变量包含企业规模（Asset）、大 股 东 持 股 比 例（Top1）、成 长 机 会（Grow）、高管持股比例（Msha）、独立董事比例（In-dB）、固 定 资 产 比 例（Tangible）、资 产 收 益 率（Roa）、资产负债率（Lev）、产权性质（SOE）和董事会规模（Bsize）。回归结果如表9所示，数字化转型与债务融资成本和代理成本的回归系数均在统计上显著，说明数字化转型可以降低企业的债务融资成本和代理成本，即债务融资成本和代理成本的降低是企业数字化转型加快资本结构动态调整速度的重要影响机制。（二）数字化转型对资本结构动态调整速度影响的异质性检验1.资本结构调整方向差异。根据前文所述，由于不完美市场的影响，实际资本结构有可能高于或低于目标资本结构，因而当资本结构向目标资本结构动态调整时，可分为向下和向上调整两种不同方式。向下或者向上调整资本结构的动机并不一致，资本结构调整速度存在着明显的不对称性（Byoun，2008；黄继承等，2014）21，23。为了考察企业数字化转型对不同方表7：数字化转型指标分解变量Target_LevAITarget_LevBDTarget_LevCCTarget_LevDTTarget_LevADTTarget_LevConstantFirmYearNadj.R2（1）Delta_Lev0.211*（29.02）0.006*（6.03）-0.025*（-3.23）YesYes143190.211（2）Delta_Lev0.214*（29.54）0.039*（2.38）-0.025*（-3.22）YesYes143190.206（3）Delta_Lev0.209*（27.91）0.002*（3.32）-0.025*（-3.27）YesYes143190.208（4）Delta_Lev0.211*（28.95）0.017*（5.16）-0.025*（-3.25）YesYes143190.209（5）Delta_Lev0.205*（26.19）0.002*（4.11）-0.024*（-3.12）YesYes143190.208表8：改变数字化转型程度的衡量方式变量Target_LevDCGadjTarget_LevDCGstdTarget_LevConstantFirmYearNadj.R2（1）Delta_Lev0.216*（29.57）0.011*（2.63）-0.024*（-3.13）YesYes143190.207（2）Delta_Lev0.198*（25.75）0.081*（7.66）-0.025*（-3.23）YesYes143190.214理 论 研 究】【18金融发展研究 第7期向上资本结构调整的影响是否存在非对称性，根据实际与目标资本结构的相对高低把样本分为向下调整组和向上调整组进行检验。分组回归结果如表 10 所示，在向上调整组中，交互项DCGTarget_Lev的系数在5%的水平上显著为正；而在向下调整组中，交互项的系数为正但并不显著。这表明数字化转型对资本结构调整速度的影响存在着非对称性，即数字化转型主要影响资本结构向上调整的速度，而对向下调整的速度影响并不明显。可能的原因是，数字化转型能够有效降低管理层调整资本结构的成本，为促进资本结构动态调整提供更加有利的条件，负债不足的部分企业可以利用较低的资本结构调整成本提高自身的负债率，最大化债务税盾收益以达到提高企业价值的目的。但是对过度负债的部分企业来说，数字化转型向外界释放的积极信号提升了市场主体对企业的评价和正面预期，从而也降低了该类型企业维持较高负债水平时的风险，因而过度负债的企业在数字化转型背景下向下调整资本结构的动机相对较小。2.产权性质差异。已有研究表明企业的融资环境能够对资本结构的动态调整产生重要的影响。国有企业的预算软约束以及更容易获得银行的信贷资金等特点，使得国有企业在资源获取等方面有着天然的优势。而非国有企业普遍面临更高的融资成本，融资环境相对较差，有着更强烈的主观意愿从事创新转型活动（吴非等，2021）1，因而本文考察产权性质差异对数字化转型与资本结构调整速度之间关系的影响。分组回归结果如表11所示，在国有企业组中，交互项DCGTarget_Lev的系数为正，但在统计上不显著；在非国有企业组中，交互项DCGTarget_Lev的系数在1%的水平上显著为正。即数字化转型仅能对非国有企业的资本结构调整产生积极的影响。相对于国有企业，非国有企业较差的融资环境并不利于资本结构的动态调整，而数字化转型既能通过降低信息不对称改善融资环境，还可以向外界传送积极的信号，提高投资者对企业的预期，有效优化企业面临的融资环境，因此，数字化转型对企业资本结构调整成本的降低作用在非国有企业中更加明显，从而对非国有企业的资本结构调整速度影响更大。表11：产权性质差异检验变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2国有企业Delta_Lev0.187*（9.67）0.012（1.49）0.003（0.29）YesYes47490.213非国有企业Delta_Lev0.204*（17.70）0.024*（5.90）-0.063*（-5.49）YesYes95700.2443.要素密集度差异。为了考察数字化转型与资本结构调整速度之间的关系是否会受到行业差异的影响，根据鲁桐和党印（2014）28的做法，把全样本按照要素密集度分为技术密集型、资本密集型和劳动密集型三类，分组回归结果如表12所示。在技术密集型以及资本密集型行业，企业数字化转型能够显著提升资本结构调整速度，而在劳动密集型行业，企业数表9：数字化转型影响资本结构动态调整速度的机制检验变量DCGAssetTop1LevGrowBSizeIndBTangibleRoaSOEMShaConstantIndustryYearNadj.R2债务融资成本Debtcost-0.000*（-1.97）0.000*（3.44）-0.000*（-12.58）0.023*（26.48）-0.000*（-8.29）-0.002*（-2.63）0.001（0.45）0.019*（20.75）-0.027*（-6.73）-0.003*（-11.67）-0.004*（-5.10）0.012*（3.28）YesYes131800.267代理成本AssetTurn0.024*（2.87）-0.018*（-2.33）0.002*（4.24）0.643*（8.85）0.000（1.19）-0.059（-1.39）-0.331*（-2.33）-0.170*（-2.92）0.698*（8.20）0.041*（1.74）-0.097*（-2.20）1.074*（5.21）YesYes134810.238表10：资本结构调整方向差异检验变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2向上调整组Delta_Lev0.172*（16.40）0.008*（2.01）-0.070*（-8.87）YesYes72100.380向下调整组Delta_Lev0.169*（15.10）0.005（1.20）0.022*（2.18）YesYes71090.268理 论 研 究】【19金融发展研究 第7期字化转型并不能有效提高资本结构调整速度。对此可能的解释是，技术密集型企业有着较强的科技创新基础，可以更好地满足数字化转型所需的技术支撑和人才优势等条件，因而该类型的企业在推进数字化转型的过程当中更加有成效，可以为管理层进行资本结构调整提供更加有利的条件。资本密集型企业的各种业务经营活动对设备与技术的依赖度相对较高，投资项目规模一般较大，该类型的企业有动力实施数字化转型以匹配资本的运行和技术的更新，并且数字化转型过程中对设备的升级改造、技术创新等信息能够更好地传达到市场中，提升投资者对企业的正面预期，减小资本结构调整成本。劳动密集型企业缺乏数字化转型所依赖的技术与人才支撑，对数字化转型的把握可能不够敏锐，在推行数字化的进程中可能会造成一定的资源浪费，提高外界投资者对于企业期望的力度有限，不足以有效地减少资本结构调整成本；并且近年来我国劳动力成本快速上升，劳动密集型企业较高的成本上涨压力也使其难以快速调整资本结构。表12：要素密集度差异检验变量Target_LevDCGTarget_LevConstantFirmYearNadj.R2技术密集型Delta_Lev0.168*（8.33）0.027*（4.25）-0.023（-1.64）YesYes42350.224资本密集型Delta_Lev0.169*（13.35）0.026*（4.85）-0.022*（-2.13）YesYes63960.205劳动密集型Delta_Lev0.209*（10.11）0.013（1.40）-0.022（-1.50）YesYes36880.213（三）数字化转型对资本结构调整方式的影响资本结构调整主要包括调整债务（发行债务和偿还债务）、调整权益（发行股票和回购股票）等方式（Leary和Roberts，2005；Hovakimian，2004）5，29。向上调整资本结构的渠道包括增加负债和减少权益，向下调整资本结构的渠道包括减少负债和增加权益。前文的研究表明数字化转型能够影响资本结构的调整速度，为了进一步明确数字化转型促使企业通过调整债务还是调整权益的方式趋向于目标资本结构，本文借鉴巫岑等（2019）30的方法设立如下模型：P()Adjust=1=0+1DCG|Dev+2DCG+3|Dev+（7）在模型（7）中，自变量|Dev|为资本结构目标调整偏差的绝对值，DCG为企业数字化转型。当资本结构向上调整时因变量包含三个指标：哑变量Debt_in，当“取得借款收到的现金”除以年初总资产大于等于阈值（5%）时取1，否则取0；哑变量Equi-ty_de，当“分配股利、利润