今天是2024年9月20日，星期五，农历八月十九，美好的一天从阅读《现代财经-早读早分享》开始！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3129期）。原创不易，敬请尊重。谢谢鼓励。

  一、早读分享   

  二、今日社科期刊佳作关注  

数据资产如何赋能制造业企业融资能力

  导读  

在新一轮科技革命和产业变革的引领下，发展数字经济已成为全球共识。2020 年4 月，中共中央、国务院颁布的《关于构建更加完善的要素市场化配置体制机制的意见》指出“加快培育数据要素市场”，标志着数据成为国民经济高质量发展的驱动引擎和重要抓手。不同于一般的商品生产和服务，数据作为一种爆发式增长的新型资源，在企业经营过程中具有无限供给的禀赋（许宪春等，2022）[1]，并具有非竞争性、排他性、正外部性、规模报酬递增和衍生性等特征（徐翔等，2021）[2]。在数字经济与实体经济深度融合的过程中，数据要素不仅能打破传统生产要素的供给制约，也能构建与实际生产率相适应的协同关系，从而提高企业绩效（徐翔等，2021）[2]，带来新的价值增值。

数据“资产形态”的发展势不可挡，数据资产化是数据要素经历资源化和产品化后的必经阶段。在此阶段，数据呈现出的最重要特点是“拥有价值”（Veldkamp，2023）[3]，与企业的利益直接相关。数据资产化的管理应用具有强大的溢出效应，不仅能为企业的决策、创新、转型和升级等提供重要助力，也为经济发展注入崭新的活力。《数据资产管理实践白皮书（6.0 版）》显示，①企业在数据资产管理活动中陆续开展数据资产估值的探索，意味着当数据被高效利用并产生实际效益时，可视化的数据资产能够进行价值量化，从而赋予企业展示自身增长潜力的机会，有助于再次提高数据资产的价值密度。数据资产化是数据资源化、产品化的结果，当数据资产被企业真正用来解锁和落实融资功能时，数据资产化将进一步引导企业进入数据资本化、货币化、证券化阶段，使数据资产的“具有价值”转向“创造价值”。利用数据资产融资将给数据资产赋予更多的金融属性，并有助于深度挖掘数据资产应用的潜在价值，不仅为企业在竞争激烈的融资市场上争取到资金支持，也促使企业高效地利用资本市场资源，为提高金融配置效率提供了良好的契机。

与既有研究相比，本文可能的边际贡献在于：（1）以企业的数据资产为研究对象，通过构建数据资产的量化指标，搭建数据资产与企业融资能力之间的交流通道，为数据资产在企业融资过程中的映射提供经济证据；（2）现有关于企业融资能力的研究大多集中于降低融资成本或缓解融资困境等视角，本文试图从融资规模、融资结构和融资效率视角刻画企业融资能力，以更全面且丰富的实证研究展示数据资产赋能企业融资能力的效果；（3）从高质量发展、信息透明化和风险管控视角，进一步探究企业数据资产对融资能力的作用机制，并从融资条件和企业类型视角，探究数据资产对企业融资能力的异质性影响，为数据资产赋能企业融资能力提供具有针对性的对策建议。

《企业数据资源相关会计处理暂行规定》颁布后，数据要素资源将经入表、入账管理后形成企业的一类表内资产项。区别于传统要素资产，数据资产作为在信息经济和大数据应用框架下发展起来的一种新型资产形态有着极为特殊的一面，不少机构和学者对数据资产的概念给出了不同的诠释。中国资产评估协会对数据资产的定义为：“由特定主体合法拥有或者控制，能持续发挥作用，并且能带来直接或者间接经济利益的数据资源。”②Tambe et al.（2020）[4]指出，数据资产是具备虚拟性技术经济特征的一项特殊无形资产，需要明确数据所有者的经济目的与使用权限。许宪春等（2022）[1]认为，与传统资产类相同，数据资产具备资产确认的相关属性，即数据资产拥有明确的经济所有权归属性和收益性特征。区别于一些数据库和档案类数字平台产生的数据，制造业企业的数据是生产活动引致的衍生物（李宝瑜等，2023）[5]，拥有一整套完整的价值激发过程。在经历“收集、存储、分析、应用”阶段的演变后，数据价值也完成了“挖掘、创造、实现、倍增”的动态转化（李海舰、赵丽，2021）[6]。在对数据资产价值的研究中，Veldkamp（2023）[3]、李海舰等（2021）[6]、谢康等（2023）[7]、路征等（2023）[8]指出，未经过融合和处理的原始数据几乎是没有价值的数据资源，只有将收集的数据集成到一定体量后，才能触发企业在特定场景下的知识效应，这类数据被视为有价值的数据资产。

现有文献主要探究了企业融资的影响因素。在企业外部层面，已有研究从金融生态环境（魏志华等，2014）[9]、经济金融周期（Mclean ＆ Zhao，2014；罗朝阳、李雪松，2020）[10，11]等宏观视角，分析了金融环境对企业融资的影响；还有学者从银企匹配程度（张一林等，2021）[12]、科技信贷平台（黄益平、邱晗，2021）[13]、银行业竞争（段超颖、张文龙，2022）[14]等视角，分析了融资平台的发展对企业融资的影响。在企业内部层面，孙浦阳等（2014）[15]、黄宏斌等（2016）[16]从融资路径视角分别解释了商业信用、企业生命周期对企业融资的影响；Hameed et al.（2015）[17]、陈小运和黄婉（2023）[18]等从融资定价视角，分别剖析了分析师关注度、创新探索发展对企业融资的影响。

上述研究为理解企业的融资动因和融资机制提供了丰富的经验和启发，但鲜有文献将数据资产纳入到企业融资分析框架之中。随着数据资产化进程的推动，利用数据资产进行融资价值变现将使虚拟化的资产变现成企业需要的现实资金激励。因此，本文试图在已有数据资产研究的基础上探究数据资产对企业融资能力的影响，并分析可能存在的作用机制。

融资规模是刻画企业融资能力的一个重要存量指标，能直观地反映出企业对融资行为的主观情绪（陈梦根、张乔，2023）[19]。但是，不断更新的数据资产价值不仅会影响融资市场上投资者的选择倾向，也会促使企业依据捕捉到的投资者情绪变化，选择最适宜的融资方式。数据资产对融资能力的影响主要体现在融资交易效率和资金配置效率方面。融资交易效率体现为企业能否成功地利用数据资产捕捉到融资机会，并以较低水平的融资成本获取到资金。资金配置效率则体现为企业能否有效利用以数据资产融资方式得到的融资资金。因此，本文在以融资规模、融资结构和融资效率衡量企业融资能力的基础上，多方位地剖析数据资产对企业融资能力的影响。

1.数据资产对企业融资规模的影响。传统大规模企业在生产活动中产生大量的数据信息，在转变为数据资产后能为企业提供天然的融资优势（Veldkamp，2023）[3]，增厚资产深度，从而提高企业利用数据资产进行融资的积极性。数据资产还能为一些“重数据”的中小微企业弥补融资基础薄弱的缺陷，从而为初创期或上升期的企业放松融资限制。随着数据资产的发展，企业的状态和地位也在发生变化（Farboodi et al.，2019）[20]，进而改变了企业的融资影响力。美的集团经过对客户服务信息、智慧家居、数字物流等多个数据平台的管理后，使数据结构不断更新，数据构筑不断优化，成功地贴上了智能制造企业的标签（肖静华等，2021）[21]。同时，数据资源与品牌推广的联合效应使美的集团的价值稳步提高，在融资市场上的认可度获得了巩固，从而扩大了企业多元化的融资规模。数据具有虚拟性、非消耗性的特征（徐翔等，2021）[2]，不仅促使数据资源在流通使用中不受地域交通的限制，有利于充分发挥数据资源共享红利的优势（Farboodi et al.，2019）[20]，也促使投资者可以全面了解企业的真实经营状况，有利于解决融资过程中的逆向选择问题，为增加优质资金进入企业奠定了基础。基于上述分析，提出假说1。

假说1：数据资产价值的提升可以扩大企业融资规模。

2.数据资产对企业融资结构的影响。在债权融资方面，传统信贷配给主要将企业的资本规模、财务绩效、市场占有率等指标作为发放资金的审核标准。数据资产作为一种新兴担保物，从质量监管、价值估算到融资授信均处于完整的信贷资质评估场景内（Farboodi ＆ Veldkamp，2020）[22]，促使企业开拓抵押贷款或质押贷款等债权融资渠道，从而辅助企业完成融资预期。利用数据资产进行融资还能帮助一些发展前景较好的中小企业获得授信额度或完成无抵押贷款，有利于弱化传统金融评估对融资“长尾主体”覆盖面不足的缺陷（黄益平、邱晗，2021）[13]，并减少信贷资源错配现象。在股权融资方面，数据资产中蕴含着企业现状与未来发展的全景式信息，在不低估股票价格和保护现有股东利益的基础上，数据资产化将不同类型的数据资源进行整合，有助于重塑企业价值链（Li et al.，2019）[23]，并向隐性投资者清晰地展示企业的潜在价值和释放融资信号，从而获取权益融资的青睐。

基于上述分析，提出假说2。

假说2a：数据资产使企业债权融资占比增加，表现为债权融资偏好。

假说2b：数据资产使企业股权融资占比增加，表现为股权融资偏好。

3.数据资产对企业融资效率的影响。随着企业数字化转型的不断推进，出现了一些“数据概念股”，高涨的投资者情绪使这些企业在融资市场上受到追捧，带来较高的股价（黄宏斌等，2016）[16]，从而降低了数据资源型企业的股权融资成本。在企业数字化转型过程中，数据凭借信息监督和信息审计的优势（Lateef ＆ Omotayo，2019）[24]，不仅能强化内部控制质量，抑制企业进行盈余管理的动机（聂兴凯等，2022）[25]，也有利于提高企业的信息披露质量，为投资者选择适合的融资对象提供了识别标准。当产品面向市场后，企业通过利用数据的挖掘能力，精准地描绘消费者画像、识别市场需求，从而有针对性地改进现有生产模式，提高产品和服务质量（Gomber et al.，2017）[26]。数据平台的柔性调节作用还可以将分散性和个体性较强的生产环节进行有效衔接，从而改善企业的生产组织方式，实现规模经济（张亚豪等，2024）[27]。基于上述分析，提出假说3。

假说3：数据资产价值的增加可以提升企业融资效率。

1.高质量发展效应。在原有生产模式的基础上，制造业企业的数据资产通过重组既有生产要素配置、加强企业各个生产环节的分工协调性（施炳展、李建桐，2020）[28]，提高单位生产资本的产出水平。当经济活动中的数据被合理利用时，企业的运营效率将得到有效提高（Farboodi et al.，2019）[20]，从而提升了企业生产率（徐翔等，2021；Veldkamp，2023）[2，3]。随着数据资产信息不断被披露，企业日益重视数据资产的发展程度，将吸引到较多的高技能人才（苑泽明等，2022）[29]，进而推动企业的人力资本结构升级。高质量发展将赋予企业更多的融资实践机会，促使企业在资本市场中获得良好的融资形象，有利于提升企业的股票流动性水平（吴非等，2021）[30]。另外，企业高质量发展有助于降低企业违约概率（陈小运、黄婉，2023）[18]，使企业更容易获得融资支持，从而降低了投资者的融资风险溢价要求。基于上述分析，提出假说4。

假说4：数据资产通过促进企业高质量发展，提高企业融资能力。

2.信息透明化效应。企业将生产过程中的数据转为结构化和标准化的信息（吴非等，2021）[30]，可以真实地向投资者披露企业的实际投入与收益情况，不仅减少了企业对外输出信息过程中的损耗（聂兴凯等，2022）[25]，也简化了企业内部信息的传递层级。同时，数据具有管理成本低和时效性强的特征，能够增强服务的实时响应能力，既能提升与外界的信息沟通效率，打破原来的“信息孤岛”状态（张亚豪等，2024）[27]，也能缓解企业与外界的信息不对称效应。良好的信息披露质量是企业进行融资的重要信任指标，不仅能及时满足企业在融资过程中的信息评估需求，增强主体的融资资质（陈小运、黄婉，2023）[18]，也能够提升信用贷款融资授信等级，以便开拓出更加灵活的融资渠道（孙浦阳等，2014）[15]，有助于扩大企业融资规模、改善融资结构。随着企业与外界的信息共享权限不断扩大，市场投资者逐渐地捕捉到了企业内部释放的标准化信息，有助于提升企业与潜在资本之间的实际沟通效率（魏志华等，2014）[9]，从而有效地提高了企业融资能力。基于上述分析，提出假说5。

假说5：数据资产通过提高对外信息透明度，提高企业融资能力。

3.风险管控效应。在移动终端和信息通信技术的支持下，数据口令的智能控制通过加强企业运作流程的互联化程度（肖静华等，2021）[21]，不仅使原本难以追查的现金流水转变为可核实的交易记录（张一林等，2021）[12]，也对企业的经营成本支出和利润所得收入等情况做出精细化管理，有利于企业及时防控财务风险。同时，数据信息的收集为企业做出敏捷分析和快速反馈提供了基础（谢康等，2023）[7]，有助于提高企业的智能决策能力，从而对不适宜的运营环节形成即时的自适应机制（李海舰、赵丽，2021）[6]，为未来现金流的持续流入提供强大保障，弱化了企业未来经营的不确定性和风险性（Veldkamp，2023）[3]。企业的稳定经营促使投资者对未来发展充满信心，不仅帮助企业在资本市场中形成良好的价值预期，也能增加企业融资方式的灵活性。此外，较强的财务风险管控能力可以减少投资者索取高融资回报的可能性，有助于改善管理层的短期担忧（Ni ＆Zhu，2018）[31]，从而保障企业拥有持续的融资收益。基于上述分析，提出假说6。

假说6：数据资产通过强化风险管理控制，提高企业融资能力。

本文选取2008—2022 年沪深A 股制造业上市企业作为研究样本，并剔除了ST、*ST、PT 类企业、资产负债率大于100%的企业、当年进行IPO 的企业和财务数据大量缺失的企业，最终得到10 308个样本观测值。为减轻极端异常值对实证结论准确性的影响，本文对各变量进行了上下1%的缩尾处理。企业层面的数据来源于国泰安CSMAR 数据库和锐思RESSET 数据库，在后续稳健性检验和内生性处理中采用的地区层面数据来源于历年《中国统计年鉴》。

1.数据资产。目前，尚未形成完整的数据资产量化评估体系，在数据资产价值的衡量方面存在诸多挑战。Reinsdorf ＆ Ribarsky（2019）[32]指出，可以运用成本法、市场法和收益法衡量数据资产。成本法是指运用数据获得之时产生的成本评估数据价值，但在实际中，数据集通常是企业在生产或交易过程中的衍生品，数据获取的边际成本几乎为零（谢康等，2023）[7]。因此，以历史成本推算数据资产价值无疑是忽视了数据的非竞争性和可复制性特征，用成本法度量数据资产价值的方式受到了质疑。市场法是以同类数据资产的市场交易价格为基准估计目标数据资产价值，并通过数据的专属性、稀缺度和市场应用标准等对价格加以修正，但考虑到数据资产的市场化交易制度还不够成熟，以市场法衡量数据资产价值的效果不佳。收益法是把数据资产为企业带来的未来收入进行贴现，并依据市场集中度和数据组合协同度及时地做出价值调整（李雪梅、赵小磊，2024）[33]，着重突显出数据的积累与使用优势，但企业的交易对象涉及众多领域，如何将数据资产获得的收益与其他收益区分开来，并在定价模型中纳入相应的风险溢价和贴现率水平，成为运用收益法评估数据资产真实价值的关键性挑战。

为了准确地量化数据资产，本文引入企业价值构成的概念。企业市场价值通常是由企业拥有的各类资本价值组成。Belo et al.（2022）[34]基于广义新古典投资模型指出，企业价值大致可划分为实物资本、劳动力资本和无形资本。在数字经济时代，数据要素对企业无形资本的创造发挥着越来越重要的作用，形成了“数据利用—知识创造—促进生产—增加价值”的正向反馈机制（蔡跃洲、马文君，2021）[35]，且数据要素对企业价值创造的实际贡献远高于估计的贡献（徐翔等，2021）[2]。在数据为企业创造价值的前提下，数据资源不断地进行膨胀与积累，经资产化后已能够区别于普通的无形资产，成为企业资产中不可或缺的一部分，如Tambe et al.（2020）[4]指出，数据资产的价值积累至少已达到企业资产总量的25%。在由数据直接驱动的互联网企业中，数据资产的集中度远高于其他资产，并且市值与总资产之间的差距在一定程度上能反映出企业数据资产的价值（蔡跃洲、马文君，2021）[35]。

本文借鉴Tambe et al.（2020）[4]和路征等（2023）[8]对数据资产的量化方法，利用企业市场价值与账面价值之差衡量数据资产价值（Veldkamp，2023）[3]。具体而言，使用剔除固定资产价值（包含投资形成的实物设备和劳动力等）、无形资产价值、配置的金融资产价值后的企业总市场价值构建数据资产价值指标，并进行对数化处理，即数据资产（DA）=ln（市场价值-固定资产-无形资产-金融资产）。其中，使用企业总负债的账面价值与股票市值之和表示市场价值；使用资产负债表中的固定资产净额和无形资产净额分别表示固定资产与无形资产；使用交易性金融资产、衍生金融资产、短期投资净额、可供出售金融资产净额、持有至到期投资净额、长期债权投资净额、长期金融股权投资、投资性房地产以及委托理财产品之和表示金融资产。

2.融资能力。本文以融资规模（Fin_scale）、融资结构（Fin_struct）和融资效率（Fin_eff）衡量企业融资能力。企业的外部融资是获取发展所用资金的主要融资渠道。按外部融资的来源分类，融资规模主要呈现为债权融资额和股权融资额。参考Mclean ＆ Zhao（2014）[10]的方法，以流动负债与非流动负债之和的当年增加值与总资产的比值表示债权融资；以股东权益与留存收益之差的当年增加值与总资产的比值表示股权融资。融资规模是一个整体性概念，无法具体反映出企业在不同融资方式之间的偏好，为探究数据资产与何种融资方式更具备契合度，本文以债权融资额占融资规模的比值衡量企业的融资结构。根据融资效率的相关概念，融资效率是用于衡量企业在一定时间内以最恰当的收益成本率获得资金的能力。因此，对于融资效率的计算至少应体现出融资收益与融资成本两个方面的影响。本文参考方芳和曾辉（2005）[36]的研究：将投资报酬率作为产出，综合资本成本作为投入；以净资产收益率（ROA）表示投资报酬率，以加权融资成本（rWACC）表示综合资本成本；以投资报酬率与综合资本成本的比值作为融资效率的具体计算指标。加权融资成本（rWACC）的计算方式如式（1）所示：

式（1）中，D 和E 分别表示企业通过债权融资方式和股权融资方式获得的资金总额；使用企业的年度利息支出与总负债的比值衡量债权融资成本（rD）；借鉴孙浦阳等（2014）[15]的做法，使用上交所当年挂牌交易的8 年期至10 年期国债到期年收益率的平均值，衡量权益融资的机会成本（rE）；τ 为企业所得税税率。

3.控制变量。参照陈梦根和张乔（2023）[19]对企业融资行为的研究，企业层面的控制变量包括企业规模（Size）、企业年龄（Age）、成长性（Growth）、现金流状况（Ocf）、非债务税盾（Taxshield）、股权集中度（Top1）、两职合一（Dual） 和审计意见（Opinion）。表1 和表2 分别为变量说明和变量的描述性统计。

表1 变量说明

表1 （续）

表2 变量的描述性统计

为实证探究数据资产对企业融资能力的影响，本文设定的计量模型如式（2）所示：

式（2）中，Fini，t 表示企业融资能力；Xi，t 为企业层面的控制变量集；εi，t 为随机误差项；μi、φt、θp，分别表示企业个体固定效应、年份固定效应和行业固定效应；本文重点关注系数α1 的显著性与方向性，若系数α1 显著为正，则表明数据资产对企业融资规模和融资效率具有正向效应，且表现为债权融资偏好；使用在企业层面聚类的标准误。

表3 为数据资产对企业融资能力影响的检验结果。当被解释变量为融资规模（Fin_scale）时，DA 的回归系数为0.042，在1%水平上显著，表明数据资产价值的提升能显著扩大企业融资规模。在经济意义上，数据资产价值每提升一单位，将使融资总额增加4.2%，相对于样本区间内的融资规模均值增加了39.62%（0.042/0.106×100%）。当被解释变量为融资结构（Fin_struct）时，DA 的回归系数为-0.046，在1%的水平上显著，说明数据资产降低了企业的债权融资额占比，但提高了股权融资额占比。当被解释变量为融资效率（Fin_eff）时，DA 的回归系数为0.704，在1%水平上显著，意味着数据资产能提升企业融资效率。总之，数据资产价值的提升显著扩大了企业融资规模、增强了股权融资偏好和提高了融资效率，验证了假说1、假说2b 和假说3 的合理性。

表3 基准回归结果

表3 （续）

注：括号内为t 统计量；***、**、*分别表示1%、5%和10%的显著性水平；下表同。

1.改变融资能力的衡量方式。就融资规模而言，本文将融资规模分解为债权融资规模（Fin_dscale）和股权融资规模（Fin_escale），分别以债权和股权融资额与总资产的比值衡量。就融资结构而言，借鉴黄宏斌等（2016）[16]对股权融资的研究，以吸收权益性投资时收到的现金与总资产的比值衡量股权融资所得。就融资效率而言，采用非径向超效率SBM 模型重新对融资效率进行测算。根据投入产出同向性原则，以流通股比例、资产负债率、总资产收益率和经营成本率作为投入指标，以总资产周转率、销售净利率和净资产收益率作为产出指标，从而得到每个企业在每一年度的融资效率指数。表4 列（1）至列（4）的结果显示，数据资产价值的提升不仅扩大了企业债权融资规模和股权融资规模，也提高了股权融资比例和融资效率，表明基准回归结果具有稳健性。

表4 稳健性检验：改变核心变量的衡量方式

2.改变数据资产的衡量方式。本文参考李健等（2023）[37]对数据资产的量化方法，重新构建DA 指标进行回归分析。依据数据资产的形成阶段，从资产负债表的固定资产和无形资产披露明细中，对与数据资产形成阶段关键词相关的资产科目进行求和，并计算其在固定资产和无形资产总和中的占比，以此作为DA 的衡量指标。表4 列（5）至列（7）的回归结果显示，在改变了数据资产的衡量方式后，数据资产仍能扩大企业融资规模、增加股权融资偏好和提升企业融资效率，表明基准回归结果具有稳健性。

3.改变样本数量。自2018 年以来，政府部门陆续出台了众多支持企业数字化转型的相关政策，可能导致2018 年至2022 年期间的数据资产价值大幅增加，为减弱可能出现的偏差，剔除了2018年后的样本重新进行检验，回归结果见表5 列（1）至列（3）。此外，为削弱直辖市企业的数据资产对整体融资能力的导向性影响，在剔除了注册地位于四个直辖市地区的企业样本后，重新进行回归，回归结果见表5 列（4）至列（6）。从表5 列（1）至列（6）可以看出，DA 对Fin_scale、Fin_struct 和Fin_eff的影响在1%水平上均显著，表明基准回归结果具有稳健性。

表5 稳健性检验：改变样本数量

4.工具变量检验。虽然在基准回归中已经控制了企业、年份和行业固定效应，一定程度上缓解了遗漏变量带来的内生性问题，但仍可能遗漏一些不可观测的变量，如企业融资决策会受企业家精神、市场制度调整和政企关系等因素的影响。数据资产价值的更新速度远高于其他资产，导致数据资产在一个样本期内的价值不够稳定，呈现多变性，可能使解释变量出现测量偏差。为了缓解以上问题带来的内生性挑战，本文采用两种工具变量进行IV-2SLS 法估计。

参考施炳展和李建桐（2020）[28]的研究，选取新中国成立初期（1953 年至1957 年）的各地区人均函件数量作为工具变量，但这种做法不能满足面板数据的计量需求。因此，借鉴赵涛等（2020）[38]的处理方法，引入上一年中国软件和信息技术服务业的固定资产投资与人均函件数量的交乘项，构建DA 的面板工具变量（DA_Tel）。理论上，施炳展和李建桐（2020）[28]认为，通过函件传递信息的方式象征着各地区居民对传统通信的一种偏爱，并逐渐演变为互联网基础设施和信息技术的不断发展与进步，为企业的数据信息交流奠定了良好基础，满足工具变量的相关性要求。同时，函件的使用频率逐步下降，且未直接影响企业融资行为，满足工具变量的外生性条件。

以同年度、同行业、同省份内的其他企业数据资产均值作为DA 的工具变量，记为DA_Mean。同一地区同一行业的企业数字化发展具有溢出效应，可推进彼此的数据资产交易、流通和配置进程，满足工具变量的相关性要求。企业对数据的使用具有情境依赖性和时效性，其他企业的数据资产不能直接作用于本企业的融资能力，满足工具变量的外生性条件。

对表6 列（1）和列（5）结果的解读。在第一阶段中，DA_IV 的估计系数均显著为正；Kleibergen-Paap rk LM 统计值均在1%显著性水平上拒绝了原假设，通过了不可识别检验；Kleibergen-Paap rk Wald F 统计量分别为16.794 和19.493，均大于Stock-Yogo 弱识别检验在10%水平上的临界值16.380，证明工具变量具有合理性。在第二阶段中，拟合DA 对Fin_scale、Fin_struct 和Fin_eff 的影响均显著，证明在考虑了内生性问题后，基准回归结论仍然有效。

表6 工具变量检验

5.GMM 模型。基准回归得到的结论可能忽略了数据资产与融资能力之间的动态化关系。在某一期限范围内，数据资产价值的变动将使融资能力的变化也具备连续性，本文尝试以两步法动态系统GMM 模型替换固定效应模型后，重新进行回归。根据GMM 模型回归结果，在通过了过度识别检验和自相关检验后，数据资产仍可扩大融资规模、增强股权融资偏好和提高企业融资效率，再次证实了基准回归结论的可靠性。

6.滞后解释变量。融资规模、融资结构和融资效率虽能受到数据资产的影响，但具有较强融资能力的企业可能拥有更强烈的意愿推动数据资源应用，导致数据资产与融资能力之间可能存在双向因果关系。为缓解双向因果关系带来的内生性问题，用滞后一期的DA 替换当期DA 后，重新进行回归分析，回归结果见表7 列（4）至列（6）。在延长时间窗口后，数据资产对融资规模、融资结构和融资效率的影响效应与基准回归结果一致。

表7 其他内生性检验

在基准回归结论成立的基础上，为进一步探究数据资产对企业融资能力的作用机制，参考江艇（2022）[39]的做法，构建的计量模型如式（3）所示：

式（3）中，Mi，t 分别为企业高质量发展、对外信息透明度和风险管理变量。

本文使用企业生产率（Adv_TFP）和人力资本结构（Adv_TI）作为企业高质量发展的代理变量。借鉴罗朝阳和李雪松（2020）[11]、苑泽明等（2022）[29]的方法，以LP法估算企业生产率（Adv_TFP），以科技人员比例代表人力资本结构（Adv_TI）。参考Hameed et al.（2015）[17]、Ni ＆ Zhu（2018）[31] 的研究，选取分析师关注度（Infor_AT）、信息披露质量（Infor_DC）作为企业对外信息透明度的代理变量。参考吴非等（2021）[30]、Boubakri et al.（2013）[40]的方法，以Z 指数（Risk_Z）、盈余波动性（Risk_EV）作为风险管理控制的代理变量。表8 为数据资产对企业融资能力作用机制的检验结果。

表8 数据资产对企业融资能力作用机制的检验结果

从表8 列（1）和列（2）可以看出，DA 对Adv_TFP和Adv_TI 的影响均显著为正，说明数据资产价值的提高能引导企业提升生产率水平和优化人力资本结构，验证了假说4。从表8 列（3）和列（4）可以看出，DA 对Infor_AT 和Infor_DC 的影响均显著为正，说明数据资产的价值越高，企业受分析师的关注越多、信息披露质量越好，验证了假说5。从表8 列（5）和列（6）可以看出：DA 对Risk_Z 的影响在1%水平上显著为正，对Risk_EV 的影响在5%水平上显著为负，表明数据资产显著推动了企业对财务风险和经营风险的控制管理。

1.自身融资条件的异质性。将数据资产与企业机构投资者持股比例的交乘项（DA×Org）加入式（2）中重新进行回归，回归结果见表9 列（1）至列（3）。结果显示，DA×Org 对Fin_scale 和Fin_eff 的影响分别在5%和1%水平上显著为正，对Fin_struct 的影响在1%水平上显著为负，说明当机构投资者占比较高时，数据资产扩大融资规模、增强股权融资偏好和提高融资效率的效应显著增强。机构投资者代表市场上颇具权威和实力的投资方，当企业的机构投资者持股比例较高时，意味着市场对企业的发展前景越乐观，从侧面向市场传达出企业的融资价值。因此，在利用数据资产进行融资的过程中，有机构投资者支持的企业可以更好地发挥数据资产的融资优势，从而提升企业融资能力。

表9 数据资产价值对企业融资能力的异质性影响检验：不同融资条件视角

2.外部融资条件的异质性。根据企业注册地所在的地级市是否成立金融资产交易所，构造出企业外部融资环境是否发达的虚拟变量，并与数据资产构建交乘项（DA×Env），并将交乘项纳入式（2）中重新进行回归。结果显示，DA×Env 对Fin_scale 和Fin_struct 的影响均在5%水平上显著为正，对Fin_eff 的影响在1%水平上显著为正，说明发达的融资环境将强化数据资产对融资规模和融资效率的正向效应，但会削弱数据资产对股权融资偏好的正向效应。金融资产交易所是多层次资本市场中的区域性融资市场，当企业注册地拥有金融资产交易所时，往往代表着当地的融资生态环境更加完善，能根据当地企业的实际禀赋条件提供具有区域针对性的创新金融工具，从而吸引到潜在的增量融资机会。同时，这些地区的金融机构拥有更加宽泛和全面的信贷融资支持条件（魏志华等，2014）[9]，在利用数据资产进行融资时更容易被信贷融资市场所接纳。

3.产品性质的异质性。在制造业数字化转型过程中，数据资产在不同生产行业分类下的价值具有差异性（李宝瑜等，2023）[5]。数字产品制造业企业的数据基础设施建设比较齐全，使得数据资产的规模和质量均能达到较高标准，进行数据资产融资的基础更加夯实。根据《数字经济及其核心产业统计分类（2021）》，在对数字产品制造业进行划分的基础上，构建数据资产与数字产品制造企业的交乘项（DA×Dm），回归结果见表10 列（1）至列（3）。结果显示，DA×Dm 对Fin_scale 和Fin_eff 的影响均在1%水平上显著为正，对Fin_struct 的影响显著为负，表明数字产品制造业企业的属性能加强数据资产对融资规模和融资效率的正向作用，并深化数据资产助力股权融资的效果。原因在于，数字产品制造业覆盖了计算机制造、数字媒体设备制造、智能设备制造等高数据产出的企业，这些企业的数据资产化程度远高于其他制造业企业，并且数据从资产化到资本化、货币化、证券化的过程已形成较为成熟的转化机制，从而能实现数据资产对企业融资能力的有效反馈。

表10 数据资产价值对企业融资能力的异质性影响检验：不同企业性质视角

4.产权性质的异质性。以企业是否为国有企业，构建产权异质性虚拟变量，并将数据资产与产权性质虚拟变量的交乘项纳入式（2）中重新进行回归，回归结果见表10 列（4）至列（6）。结果显示，DA×SOE对Fin_scale 和Fin_eff 的影响均在1%水平上显著为正，并对Fin_struct 的影响在5%水平上也显著为正，即国有性质强化了数据资产对融资规模和融资效率的正向作用，但会削弱数据资产具有股权融资偏好的特征。数字科技带来的前沿技术改革打破了国有企业长期以来的资源配置僵化局面，使数据资源促进国有企业转型发展的溢出效应更加明显，在利用数据资产进行融资时，进一步提升了企业融资规模和融资效率。但是，国有企业依靠长期积累的信贷资源，具有较强的融资便利性，已能在较大程度上满足发展所用的资金需求，降低了国有企业利用数据资产改变现有融资结构的边际效用，使得股权融资的动力不足。

本文以制造业上市企业为研究样本，实证检验了数据资产对企业融资规模、融资结构和融资效率的影响及作用机制。研究发现：（1）数据资产价值的提高能显著扩大企业融资规模、增强企业的股权融资偏好和提升企业融资效率；（2）数据资产通过提高全要素生产率和技术型人力资本比例、提升分析师关注程度和信息披露质量、强化财务稳定性和经营稳定性，提升了企业融资能力；（3）在机构投资者持股比例较高的企业和数字产品制造业企业中，数据资产对扩大融资规模、增强股权融资偏好和提高融资效率的作用表现得更强；（4）在注册所在地具备金融资产交易所的企业和国有企业中，数据资产对融资规模的扩充作用和对融资效率的提升作用表现得更强，但会抑制企业进行股权融资的意愿。

第一，完善数据资产确认制度准则，增加企业高质量的数据供给。数据资产质量是影响数据资产化过渡到数据资本化、货币化、证券化的重要因素。对于政府部门而言，为确保制造业企业的数据资产可以最大化地提升企业融资能力，应攻克数据确权工作难题，重点关注数据使用权限审核工作，强化数据治理规范，完善数据资产化相关制度，确保高质量数据信息顺利进入识别和盘点流程，从而保障数据资产质量和经济价值。

第二，合理开发利用数据资源，培育数据资产融资的专项通道。企业应加强对数据资产的挖掘，在符合数据信息生命周期规律之内，提高数据在企业内部运营中的适应性与协调性，引导数据资源合理地流向需求部门，并发挥出数据资产的竞争优势。同时，企业应推动数据公开化进程，加强数据资产管理在多层次部门之间的联动与链接，保持数据信息的完整性和准确性，并通过疏通数据资产信息利用路径，提升企业融资能力。此外，企业还应设立数据融资风险预警机制，严格审查数据流通中的交易资格，防止未经授权的数据被泄露或修改，并利用数据资产进行风险管理，进而提升融资能力。

第三，因企制宜发展数据品牌，提高数据与融资的适配程度。企业应依据实际发展策略，打造出针对不同地域特色或企业特色的数据品牌，最大限度地发挥企业数据资产的商业应用价值，提高不同数据资产对不同融资方式的拟合程度，争取到量身定制的融资力量。

基于数据可得性的考虑，本文对数据资产的内涵与衡量方式进行了理论推导，并采用除去固定资产、无形资产和金融资产外的企业价值作为数据资产的量化指标。但是，随着数据要素资源入表、入账工作的顺利推进，实现更准确、更精细地测度数据资产价值的目标指日可待。因此，未来将持续关注数据资产测量方法的研究成果，以不断完善不足之处。

注释：

①《数据资产管理实践白皮书（6.0版）》指出，数据资产管理活动职能包含数据价值评估。

②2019年12月，中国资产评估协会印发了《资产评估专家指引第9号——数据资产评估》。

［参考文献］

［1］许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究［J］.管理世界，2022，38（02）：16-30.

［2］徐 翔，厉克奥博，田晓轩.数据生产要素研究进展［J］.经济学动态，2021（04）：142-158.

［3］Veldkamp L.Valuing Data as an Assert［J］.Review of Finance，2023，27（05）：1545-1562.

［4］Tambe P，Hitt L，Rock D，et al.Digital Capital and Superstar Firms［R］.NBER Working Papers，2020.

［5］李宝瑜，王 硕，刘 洋，等.国家数据资产核算分类体系研究［J］.统计学报，2023，4（03）：1-10.

［6］李海舰，赵 丽.数据成为生产要素：特征、机制与价值形态演进［J］.上海经济研究，2021（08）：48-59.

［7］谢 康，张 祎，吴 瑶.数据要素如何产生即时价值：企业与用户互动视角［J］.中国工业经济，2023（11）：137-154.

［8］路 征，周 婷，王 理，等.数据资产与企业发展——来自中国上市公司的经验证据［J］.产业经济研究，2023（04）：128-142.

［9］魏志华，曾爱民，李 博.金融生态环境与企业融资约束——基于中国上市公司的实证研究［J］.会计研究，2014（05）：73-80.

［10］Mclean R D，Zhao M X.The Business Cycle，Investor Sentiment and Costly External Finance ［J］.Journal of Finance，2014，69（03）：1377-1409.

［11］罗朝阳，李雪松.金融周期、全要素生产率与债券违约［J］.经济管理，2020，42（02）：5-22.

［12］张一林，郁芸君，陈珠明.人工智能、中小企业融资与银行数字化转型［J］.中国工业经济，2021（12）：69-87.

［13］黄益平，邱 晗.大科技信贷：一个新的信用风险管理框架［J］.管理世界，2021，37（02）：12-21.

［14］段超颖，张文龙.银行业竞争、融资约束与企业创新［J］.统计学报，2022，3（04）：53-67.

［15］孙浦阳，李飞跃，顾凌骏.商业信用能否成为企业有效的融资渠道——基于投资视角的分析［J］.经济学(季刊) ，2014，13（04）：1637-1652.

［16］黄宏斌，翟淑萍，陈静楠.企业生命周期、融资方式与融资约束——基于投资者情绪调节效应的研究［J］.金融研究，2016（07）：96-112.

［17］Hameed A，Morck R，Shen J F，et al.Information，Analysts，and Stock Return Comovement［J］.Review of Financial Studies，2015，28（11）：3153-3187.

［18］陈小运，黄 婉.探索型创新对公司债发行定价的影响［J］.经济管理，2023，45（10）：130-146.

［19］陈梦根，张 乔.数字金融对企业融资行为的影响效应及作用机制［J］.改革，2023（09）：34-52.

［20］Farboodi M，Mihet R，Philippon T，et al.Big Data and Firm Dynamics［R］.NBER Working Papers，2019.

［21］肖静华，吴小龙，谢 康，等.信息技术驱动中国制造转型升级——美的智能制造跨越式战略变革纵向案例研究［J］.管理世界，2021，37（03）：161-179.

［22］Farboodi M，Veldkamp L.Long-run Growth of Financial Data Technology［J］.American Economic Review，2020，110（08）：2485-2523.

［23］Li W C Y，Nirei M，Yamana K.Value of Data：There’s no such Thing as a Free Lunch in the Digital Economy［R］.BEA Working Papers，2019.

［24］Lateef A，Omotayo F O.Information Audit as an Important Tool in Organizational Management：A Review of Literature［J］.Business Information Review，2019，36（01）：15-22.

［25］聂兴凯，王稳华，裴 璇.企业数字化转型会影响会计信息可比性吗［J］.会计研究，2022（05）：17-39.

［26］Gomber P，Koch J A，Siering M.Digital Finance and FinTech：Current Research and Future Research Directions［J］.Journal of Business Economics，2017，87（05）：537-580.

［27］张亚豪，李晓华，刘尚文.数据要素赋能服务型制造发展：场景应用、作用机制与政策建议［J］.改革，2024（01）：69-81.

［28］施炳展，李建桐.互联网是否促进了分工：来自中国制造业企业的证据［J］.管理世界，2020，36（04）：130-149.

［29］苑泽明，于 翔，李 萌.数据资产信息披露、机构投资者异质性与企业价值［J］.现代财经(天津财经大学学报) ，2022，42（11）：32-47.

［30］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，2021，37（07）：130-144.

［31］Ni X R，Zhu W K.The Bright Side of Labor Protection in Emerging Markets：The Case of Firm Transparency［J］.Pacific-Basin Finance Journal，2018，50：126-143.

［32］Reinsdorf M，Ribarsky J.Measuring the Digital Economy in Macroeconomic Statistics：The Role of Data［R］.International Monetary Fund Working Papers，2019.

［33］李雪梅，赵小磊.基于经济学视角的数据要素定价研究［J］.河南社会科学，2024，32（01）：33-42.

［34］Belo F，Gala V D，Salomao J，et al. Decomposing Firm Value［J］.Journal of Financial Economics，2022，143（02）：619-639.

［35］蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约［J］.数量经济技术经济研究，2021，38（03）：64-83.

［36］方 芳，曾 辉.中小企业融资方式与融资效率比较［J］.经济理论与经济管理，2005（04）：38-42.

［37］李 健，董小凡，张金林，等.数据资产对企业创新投入的影响研究［J］.外国经济与管理，2023，45（12）：18-33.

［38］赵 涛，张 智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020，36（10）：65-76.

［39］江 艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（05）：100-120.

［40］Boubakri N，Cosset J C，Saffar W.The Role of State and Foreign Owners in Corporate Risk-Taking：Evidence from Privatization［J］.Journal of Financial Economics，2013，108（03）：641-658.

［基金项目］ 国家自然科学基金面上项目（71273042）；辽宁省社会科学规划基金重大委托项目（L21ZD024）；东北财经大学青岛金融研究院招标课题重点项目（QDY202201）。

［作者简介］ 邢天才（1961—），男，山东青岛人，东北财经大学金融学院教授，东北财经大学青岛金融研究院院长，经济学博士，主要研究方向是资本市场与期货理论；张 宇（1996—），女，山东威海人，东北财经大学金融学院博士研究生，主要研究方向是公司金融与资本市场。

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第3129

期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭

审核审校：蔡双立  方菲  胡少龙

长按以下二维码，关注《现代财经》公众微信号（modern-finance)

欣赏和阅读《现代财经》2024年第9期，敬请点击以下阅读原文