智慧城市建設與企業債務融資成本

陶云清 李瓊瓊 孫 楠

(1.北京大學 國家發展研究院/數字金融研究中心,北京 100871; 2.浙江大學 經濟學院,浙江 杭州 310058; 3.暨南大學 經濟學院,廣東 廣州 510632)

一、引言

當前我國經濟已由高速增長階段轉向高質量發展階段,經濟增速有所放緩,尤其是在新冠肺炎疫情、貿易摩擦等外部不確定性的沖擊下,經濟下行壓力進一步增大。在此背景下,數字經濟卻彰顯出了強大的韌性,對國民經濟發揮著重要的支持作用[1]?！吨袊鴶底纸洕l展白皮書(2021)》報告指出,2020年中國數字經濟規模達到39.2萬億元,占GDP的比重為38.6%,并且2017-2020年間中國數字經濟規模年均增長率超過12.9%?；诖?黨的十九屆五中全會明確提出要“發展數字經濟,推進數字產業化和產業數字化,推動數字技術和實體經濟深度融合,打造具有國際競爭力的數字產業集群”。大力發展數字經濟、推動數字技術和實體經濟深度融合已然成為政府部門現階段的工作重點之一。

2012年,中央政府發布了《關于開展國家智慧城市試點工作的通知》,明確指出通過積極開展智慧城市建設,提升城市管理能力和服務水平,促進產業轉型發展的目標。智慧城市建設的初衷在于探索出一套完備的政策、組織和資金保障體系,來推動城市信息化基礎設施建設,通過集中發揮云計算、大數據、區塊鏈、人工智能和物聯網等數字技術的力量,加速數字技術與生產生活不斷融合,讓智慧城市成為數字經濟的發展載體。作為一項重要的國家發展戰略,智慧城市無疑能夠推動城市信息化水平的建設[2],改善企業外部信息環境。那么這一外部信息環境的改變對企業的經營行為會產生怎樣的影響?針對這一問題,學者們從企業數字化轉型[3]、全要素生產率[2]、FDI進入[4]等方面展開了討論,但是尚未有文章涉及智慧城市建設與企業債務融資成本的關系。事實上,由于我國信貸市場建設尚不完善,“融資難、融資貴”一直是困擾企業持續發展的一大難題。根據企業信貸理論可知,信息不對稱引致的企業與金融機構之間的道德風險問題以及企業經營效率低下,是銀行等金融機構不愿提供貸款或者提高貸款利率以降低債務風險的主要原因[5][6]。那么企業所在地開展智慧城市建設后,數據信息集成與傳遞效率的提高是否會對企業債務融資產生影響?厘清這一問題具有重要的理論意義和現實意義。

從理論上來說,一方面,智慧城市建設能夠提高企業的經營信息透明度,減少信息不對稱,從而降低企業的債務融資成本。智慧城市系統中的企業借助大數據、互聯網技術可將外部海量、非標準化、非結構化的數據編碼為結構化、標準化信息,信息的可利用度得以提升[7],這有利于企業向外部投資者披露有價值的信息,緩解企業和外部投資者之間的信息不對稱,進而降低企業債務融資成本。另一方面,智慧城市建設還能夠提升企業經營績效,從而向外界釋放積極的投資信號,降低企業債務融資水平。智慧城市建設有利于企業進行數字化轉型[3],并通過助推企業在運營管理、市場營銷、生產等環節的轉型升級,提高企業競爭優勢和經營績效,增強企業的債務履約能力,這降低了金融機構對其債務違約的風險溢價水平,最終降低企業債務融資成本。結合上述分析,本文認為智慧城市建設能夠降低企業債務融資成本。

為驗證上述理論推斷,本文將智慧城市建設視為準自然實驗,采用2010-2017年非金融類上市公司數據系統考察其對企業債務融資成本的影響。具體而言,按照上市公司所在城市是否被納入智慧城市建設名單,設定實驗組和控制組,進而采用雙重差分方法進行因果關系識別。實證結果顯示,智慧城市建設顯著降低了企業債務融資成本,且該效應對于抵押品較少、數字化程度較低的企業更為明顯。機制檢驗表明,智慧城市建設促使企業的信息透明度和經營績效提高,進而降低了企業債務融資成本。本文核心結論通過了平行趨勢檢驗、調整研究樣本、替換核心指標度量方式等一系列穩健性測試,而且與利率市場化改革、民營銀行設立、地方債管理體制改革等其他同時期政策沖擊無關。

與以往文獻相比,本文的邊際貢獻主要體現于兩個方面:第一,本文為后續探討數字技術的相關文獻提供了新的研究視角。目前較多研究基于微觀層面以企業內部的數字化轉型為研究視角,直接采用企業年報中的數字化轉型文本識別數據,討論數字技術發展的經濟效應[7][8]。然而,內生性問題致使回歸結果難以較好地揭示數字技術發展與企業經濟行為的因果關系。同時,文本識別數據也無法有效排除企業夸大披露數字化轉型信息的情況[9]。不同于以往文獻,本文將智慧城市設立作為準自然實驗,運用雙重差分方法考察企業外部數字技術環境變化對企業債務融資成本的影響,這不僅能夠克服計量模型潛在的內生性問題,而且有效地避免了企業夸大披露的情況,為后續相關研究提供了新視角和新思路。

第二,本文從債務融資成本的角度考察了智慧城市建設對微觀企業的影響,這一工作有助于拓展數字經濟資金配置效應的相關研究。既有文獻對智慧城市在環境改善、綠色技術創新、外資進入等方面的積極效應進行了較多討論和驗證[10][11][4],但是對企業融資層面的影響尚未給予足夠關注。此外,盡管有文獻考察了數字金融對企業融資的影響[12],但不同于現有文獻從數字金融視角分析金融供給側改革對企業融資行為的作用,本文則聚焦于由智慧城市建設所帶來的資金需求側主體的行為變化對債務融資的影響及背后的傳導機制,對現有文獻進行了補充。

二、制度背景與理論分析

(一)制度背景

智慧城市是以大數據、云計算、人工智能和區塊鏈等新一代信息通信技術為依托,通過促進信息技術應用和城市經濟社會發展深度融合,實現城市智慧化管理和運行的重要模式。在21世紀初,歐美日韓等發達國家為了提高城市競爭力和打造宜居環境便先后提出智慧城市發展戰略,我國于2010年開始對智慧城市建設進行探索。2012年12月中央政府發布《開展國家智慧城市試點工作的通知》,并印發《國家智慧城市試點暫行管理辦法》和《國家智慧城市(區、鎮)試點指標體系(試行)》。隨后,住建部公布了首批90個智慧城市試點,涉及37個地級市、50個區(縣)和3個鎮。2013年8月,第二批智慧城市試點名單公布,共有103個城市(區、縣、鎮)入選。2014年4月,住建部公布了第三批智慧城市新增試點84個,三批智慧城市試點共接近300個。智慧城市建設極大地驅動了城市數字經濟和數字技術的發展,并加速了企業數字化轉型,為研究數字技術發展的經濟效應提供了新的視角。具體來看,智慧城市設立能夠從三個方面推動實體企業和數字技術融合發展:

首先,智慧城市啟動的信息基礎設施建設加速了數字技術在城市和企業層面的應用。2014年印發的《國家新型城鎮化規劃(2014-2020年)》強調“智慧城市建設要強化信息網絡、數據中心等信息基礎設施建設”,實現“信息網絡寬帶化、規劃管理信息化、基礎設施智能化、公共服務便捷化、產業發展現代化”。誠然,信息基礎建設的完善降低了企業應用數字技術的成本,為企業數字化轉型提供了外部環境支持。其次,智慧城市政策支持帶動了數字產業投資,提高了企業數字技術要素投入。智慧城市的建設涉及物流、制造、社區、政務、交通和生態等方方面面的場景,對數字技術的高需求帶動了信息服務、軟件、設計和芯片等產業的發展,鼓勵企業增加對數字技術的研發和投入。最后,智慧城市所建立的信息網絡打破了傳統的要素連接方式,增加了信息的交互程度,倒逼企業做出數字化轉型。智慧城市借助云服務等工具打造統一的數據庫共享平臺,促進了產業內以及產業間的數據信息流動,從而優化生產要素的流通,若企業沒有進行數字化轉型便會受到數據孤島的困擾。因此,智慧城市建設會激勵企業在生產經營過程中采用數字化技術。

智慧城市試點政策是中央以正式文件推行的,其初衷在于完善信息化基礎設施建設,發揮云計算、大數據、區塊鏈、人工智能和物聯網等數字技術的力量,加速數字技術與經濟活動的深度融合。該政策自2012年發布后得到了眾多城市的積極響應,上海、杭州、南京、煙臺和南通等試點地區相繼出臺了智慧城市建設方案,從產業規劃、技術支持、資金傾斜等多方面來大力推動本地數字化,發展數字經濟。由此可見,數字化已成為各地政府打造智慧城市的主要著力點和落腳點。換言之,智慧城市是數字經濟的載體和具象化表達。事實上,在具體的實證研究中,學界亦將智慧城市試點政策視為數字技術應用或數字化發展的度量變量[10][11]。因此,智慧城市建設試點政策為研究數字技術發展的經濟效應提供了良好的準自然實驗環境,其漸進式的推進過程意味著可以通過構建雙重差分模型來識別智慧城市建設與企業債務融資成本的因果關系。

(二)理論分析

通過對智慧城市政策背景的梳理,本文認為智慧城市建設有助于加速數字技術與企業生產經營活動的有效融合,加速企業的數字化轉型,并主要通過緩解信息不對稱和提高經營績效兩條路徑對企業的債務融資成本發揮作用。

第一,智慧城市建設能夠提高企業的經營信息透明度,減少企業與外部投資者之間的信息不對稱,有助于降低企業的債務融資成本。智慧城市中的信息化系統和架構,有助于改善公司治理水平,提高企業面向利益相關者的信息透明度,降低債權人因道德風險問題對企業風險溢價的補償要求。一方面,企業可以借助數字技術處理內外部海量、非標準化、非結構化數據,將其編碼為結構化、標準化信息,提升了信息的可利用度[7]。豐富、高效的經營信息不僅可以用于企業生產決策,還允許企業向外部投資者披露有價值的信息,降低企業和投資者之間的信息不對稱[13]。另一方面,基于大數據和物聯網的實時更新功能,企業可以實現生產或經營過程的透明化[14],方便投資者和貸款人獲得一手的數據信息,緩解項目粗放管理問題的同時也加大了項目造假的難度,減少各層管理者的機會主義行為。

信息透明度是影響企業債務融資成本的重要因素,已有文獻也證實較高的信息披露質量能夠緩解企業融資約束[15]。若掌握了更加充分的內部信息,金融機構等外部投資者能夠清楚地了解企業信貸需求和動機,從而對企業資金償還狀況形成穩定預期,愿意以更低的利率為企業提供貸款。因此,信息披露質量高的企業債務融資成本相對更低[16]。比如,基于供應鏈金融的角度,龔強等研究發現,供應鏈結合區塊鏈技術可以提供更接近企業真實情況的相關數據信息,促使銀行為供應鏈上的企業提供可及性高、成本低廉的融資服務[17]。因此,當企業外部信息化水平提高后,通過使用數字科技對內部信息進行有效收集、整合、處理和傳遞等來提高信息披露質量,企業能夠緩解信息不對稱對企業信貸融資的限制,從而促使企業能以更低的成本獲得債務融資。

第二,智慧城市建設帶來的數字化轉型還能夠提升企業的經營績效,向外界釋放積極的投資信號,從而降低企業的債務融資成本。首先,數字技術改變了企業運作方式、組織協調機制[18]。隨著數字技術在企業運營中的推廣應用,企業勢必要對內部的各項職能活動做出適應性調整,使得企業組織結構趨于網絡化、扁平化[19],以加快資源的交互整合以及對市場需求即時響應。通過優化需求預測、產品設計、定價與庫存管理、供應鏈管理等環節,數字技術能夠提升企業的運營效率[20]。其次,數字技術的完善拓寬了企業信息收集渠道,減少了企業在要素市場和產品市場中的搜尋成本和交流成本[21]。數字化轉型后的企業推行數字化采購,使得采購效率得以提高,減少了企業生產成本支出[9]。同時,基于互聯網平臺的直播帶貨、短視頻營銷等增加了企業與消費者之間的交流機會,幫助企業更好地了解用戶需求,方便企業實施精準營銷,從而降低了銷售費用[22]。最后,數據作為生產要素之一,包含了優化企業投入產出的重要信息,能夠激活資本、勞動和技術等要素的潛能,從而對其他生產要素的生產效率具有倍增作用。因而數字化轉型還改變了生產環節,提高了企業的生產效率[23]。概言之,在智慧城市建設的推動下,企業組織結構、營銷模式、生產模式會出現不同程度的數字化轉型升級,這大大促進其競爭優勢和經營績效的提高。

企業的經營狀況是金融機構決定放貸規模以及貸款利率的主要依據之一[24]。既有研究表明,經營狀況較好的企業,其償債能力往往更強、破產以及出現貸款違約問題的概率更低,向外界傳遞出健康的財務信號和穩定的盈利預期,因而銀行等金融機構愿意以更低的貸款利率給這類企業提供資金[25]。而通過優化組織架構和運營管理、削減生產成本以及提高要素生產效率,數字化轉型能夠顯著改善企業的經營業績,提高企業的債務履約能力,進而降低金融機構對其債務違約的風險溢價水平,最終表現為企業債務融資成本降低。

綜上所述,依托智慧城市的信息基建和大數據系統,企業能夠及時向銀行傳遞高質量的信息,降低了銀企之間的信息不對稱,同時數字化轉型所帶來的經營績效提升,降低了企業貸款違約概率,也向外界釋放出一種良好的投資信號。因此,本文提出以下假設:

假設H1:智慧城市建設通過提高企業的信息透明度和經營績效,進而降低債務融資成本。

三、研究設計

(一)計量模型

由制度背景可知,智慧城市建設過程是分批試點、逐步推進的,這一特征使其具備了準自然實驗的性質?；诖?本文充分利用各地在推行智慧城市建設時時間與空間上的不同步,利用雙重差分法考察智慧城市建設對企業債務融資成本的影響。具體的計量模型構建如下:

(1)

式(1)中,下標i代表企業,下標t代表時間;被解釋變量Debtcost為企業債務融資成本,解釋變量Smart表示智慧城市建設的虛擬變量。X代表一系列企業層面的控制變量集,具體包括企業年齡、資產規模、企業流動性、企業成長性、董事會規模、獨立董事占比、股權集中度和高管持股比例。此外,為控制不可觀測的企業個體特征和宏觀經濟環境變化對企業融資成本的影響,我們分別控制了企業個體固定效應μi、時間固定效應γt?！蔵t是隨機擾動項,表示其他綜合因素對企業債務融資成本的影響。特別地,為弱化異方差和序列相關等問題對本文參數估計造成的影響,我們進一步對估計系數的標準誤在企業層面進行聚類調整。估計系數β1是我們關注的重點,其反映了智慧城市建設對企業債務融資成本的影響,若β1顯著為負,則表明 智慧城市建設有助于降低企業債務融資成本。

(二)變量定義及說明

結合既有研究,我們對本文涉及的變量進行界定。首先,本文的被解釋變量為企業債務融資成本Debtcost,與既有文獻的度量方式一致[26],我們采用利息支出與企業總負債的比值來度量①。借鑒潘越等的做法[27],我們還采用財務費用與企業總負債的比值作為企業債務融資成本的另一度量指標,進行穩健性檢驗。其次,本文的解釋變量是智慧城市建設的虛擬變量Smart,如果上市公司i所在城市在第t年被納入智慧城市建設名單,則將Smart賦值為1;否則,賦值為0。該變量包含空間和時間兩個維度的影響要素。換言之,本文的核心解釋變量Smart相當于單期DID中的交互項。需要特別說明的是,與既有文獻處理方法一致[28],將當年上半年設立的智慧城市記為當年設立,將下半年設立的智慧城市記為下一年設立。

參考已有研究[29][30],本文對所有控制變量進行如下界定:(1)企業年齡Age,用企業成立年限衡量;(2)資產規模Size,為企業總資產的自然對數;(3)企業流動性Liquidity,以企業流動資產與流動負債的比率衡量;(4)企業成長性Growth,用當年營業收入增量與去年營業收入的比值衡量;(5)董事會規模Board,用董事會人數度量;(6)獨立董事占比Oside,用獨立董事占董事會總人數比重衡量;(7)股權集中度Top1,用第一大股東持股比重衡量;(8)高管持股比例Mshare,用高管持股數占總股數比重衡量。

(三)數據來源與變量描述性統計

本文選用中國滬深A股上市企業作為研究樣本,第一批智慧城市建設在2012年啟動,而第三批智慧城市建設于2014年開始試點,因而選取2010-2017年作為研究窗口。如此處理,既可以保證政策沖擊前后具有足夠的觀測值,又不會因時間跨度過長而引入過多的政策混淆效應。我們對初始樣本進行如下處理:(1)剔除銀行、證券、保險類公司以及ST、PT類公司;(2)刪除資不抵債的樣本;(3)刪除數據嚴重缺失的樣本。同時,我們對所有連續變量進行前后1%的縮尾處理,以避免數據異常值的影響。本文使用的智慧城市建設數據通過手工整理獲得,企業層面的財務數據主要來自國泰安數據庫和銳思數據庫。

變量的描述性統計結果如表1所示,企業債務融資成本Debtcost的均值為0.2316,標準差為0.4519,這說明不同企業的債務融資成本具有一定差異。智慧城市建設的虛擬變量Smart的均值為0.5851,這說明約58.51%的企業所在地被納入智慧城市建設范圍。其他變量的描述性統計結果均處于合理范圍之內。

表1 變量的描述性統計

四、實證結果與分析

(一)基準回歸結果

為考察智慧城市建設對企業債務融資成本的影響,本文基于計量模型(1)對樣本數據進行回歸,表2報告了基準回歸結果,智慧城市建設Smart的估計系數是我們關注的重點。其中,在第(1)列僅控制了企業和時間固定效應,可以看出智慧城市建設Smart的估計系數為-0.0157,且通過了1%水平的顯著性檢驗,這初步說明智慧城市建設顯著降低了企業的債務融資成本。第(2)～(3)列中,逐步納入一系列企業控制變量。觀察結果可知,加入控制變量并不會對本文估計結果產生顯著影響,智慧城市建設Smart的估計系數依然顯著為負,表明智慧城市建設顯著降低了企業債務融資成本。以上實證結果顯示,當企業所在地被納入智慧城市建設名單后,企業的債務融資成本顯著下降。由此可見,智慧城市建設對企業的債務融資成本具有顯著的抑制作用,從而證實本文假設。

表2 基準回歸結果

(二)前置檢驗和作用機制分析

本文的邏輯起點是智慧城市建設依靠云計算、大數據、物聯網和人工智能等信息技術,整合城市運行數據,推進數字產業化和產業數字化,從而實現數字信息技術與城市化、工業化協同發展,即智慧城市建設有助于企業數字化轉型,隨后再作用于企業債務融資成本。概言之,智慧城市建設有助于企業數字化轉型是本文邏輯成立的重要前提。雖然智慧城市建設的初衷就是推動產業數字化發展,且已有文獻多聚焦在該政策對數字技術應用或數字化發展的推動作用[10][11],但智慧城市建設是否確實有助于加速企業數字化轉型還需要進一步驗證,為本文理論推斷提供實證基礎。借鑒吳非等的度量方法[7],我們使用文本分析方法對上市公司年報中涉及數字化轉型的關鍵詞進行詞頻匯總,構建了企業數字化轉型Dig的度量指標。為考察智慧城市建設對企業數字化轉型的影響,建立了如下計量模型:

(2)

式(2)中,被解釋變量Dig為采用文本分析法構建的企業數字化轉型指標,其余變量與上文一致。表3第(1)列報告了回歸結果,可以發現,智慧城市建設Smart的估計系數為0.2501,且通過了1%水平的顯著性檢驗,這表明智慧城市建設確實有助于加快企業數字化轉型。

隨著智慧城市建設的推進,一方面,企業借助數字科技與共享平臺可以高效地整合和處理企業內外部大量的非標準信息數據,提高信息披露的及時性和合規性,從而減少信息不對稱問題。另一方面,數字化轉型能夠極大提升企業運營管理效率,改善企業經營績效[8],向市場傳遞了一種積極信號。信息不對稱問題的緩解和經營績效的改善,減少了金融機構對企業道德風險和信貸違約的擔憂,進而降低了企業債務融資成本。概言之,智慧城市建設通過信息路徑和績效路徑降低了企業債務融資成本。接下來,本文將對此展開細致分析。

首先,本文對信息不對稱路徑進行驗證。企業與信貸機構在經營信息上的不對稱是信貸市場出現扭曲的重要原因。會計披露質量和會計披露合規性可以較好地反映出企業經營信息質量[31],當會計披露質量以及會計披露合規性變高時,企業與信貸機構之間的信息不對稱性往往降低,故而采用這兩個變量作為信息不對稱的衡量指標。具體而言,我們做了如下兩方面檢驗工作:(1)借鑒Khan和Watts的做法[31],我們構建了用于反映企業信息披露質量的會計穩健性指數,并依據該指數的中位數構建二元變量Csore,若企業會計穩健性指數位于中位數以上,將Csore賦值為1,表示企業信息披露質量較高,否則賦值為0,表示企業信息披露質量較低。(2)構建一個二元變量Wg用于度量企業信息披露的合規性,當企業當年未出現財務違規時,將Wg賦值為1,否則賦值為0。為考察智慧城市建設對企業與外部投資者之間信息不對稱的影響,我們建立了如下計量模型:

(3)

式(3)中,被解釋變量Inf為信息不對稱程度,這里使用會計披露質量Csore以及企業信息披露的合規性Wg作為該變量的代理指標,其余變量與上文一致?；貧w結果如表3第(2)(3)列所示。不難發現,智慧城市建設Smart的估計系數均顯著為正,這說明智慧城市建設有助于提高企業的信息披露質量以及信息披露的合規性,緩解企業與外部投資者的信息不對稱,從而證實了智慧城市建設降成本效應的信息不對稱路徑。

其次,本文考察經營績效路徑。具體地,我們采用企業的凈資產利潤率ROA和全要素生產率TFP來度量企業的經營績效,其中,企業全要素生產率采用OP法計算而來[32]。隨后分別檢驗了智慧城市建設對二者的影響,具體的計量模型為:

(4)

式(4)中,被解釋變量Perform為企業的經營績效?；貧w結果如表3第(4)(5)列所示,智慧城市建設Smart的估計系數均顯著為正,這意味著智慧城市建設有助于改善企業經營績效,提高企業償債能力,從而證實了智慧城市建設降成本效應的經營績效路徑。

表3 機制檢驗

(三)排除其他可能性解釋

考慮到本文的研究區間內(2010-2017年),可能還存在其他政策沖擊會影響企業的債務融資成本,如利率市場化改革、地方債管理體制改革。因此,我們在本部分嘗試排除其他政策沖擊引致的競爭性解釋。

首先,排除政府債務管理體制改革的影響。2015年,政府債務管理體制改革使得地方政府的舉債方式由銀行貸款轉變為政府債券,這一改革為銀行發放貸款騰出了更多的空間,從而緩解了企業外部融資困境[33]。由此,本文的基準回歸結果也可能是政府債務管理體制改革帶來的。為排除這一可能性解釋,我們借鑒現有文獻的做法[33],構建該地區是否實施政府債務管理體制改革政策的虛擬變量Reform。如果企業所在地級市當年實施了政府債務管理改革政策,將Reform賦值為1,否則賦值為0。隨后,將其納入計量模型(1)進行再估計,回歸結果見表4第(1)列。

其次,排除民營銀行設立的影響。2014年,經國家批準,3家民營銀行開始運行,此后民營銀行的數量逐漸增加,到2021年底已擴充至19家。理論上,設立民營銀行有利于打破大型銀行對市場的壟斷,加劇銀行競爭,緩解企業的融資難問題[34],這意味著民營銀行設立同樣也會帶來企業債務融資成本的下降。因此,為了排除民營銀行設立的政策混淆效應,我們構建了城市是否設立民營銀行的虛擬變量Privatebank。具體地,如果城市i在第t年設立了民營銀行,將Privatebank賦值為1,否則賦值為0,再將其納入計量模型(1)進行估計,回歸結果見表4第(2)列。

再次,排除利率市場化改革的影響。2015年,隨著中國人民銀行宣布放開存款利率上限,中國的利率市場化改革基本完成。既有文獻指出,利率市場化改革通過加劇銀行間的價格競爭,降低了企業的債務融資成本[26]。因此,為排除利率市場改革的潛在影響,我們構建了城市銀行密度Bank和時間虛擬變量Post15分別作為利率市場化改革的處理變量和政策沖擊變量,再將交互項Bank×Post15納入計量模型(1)進行估計。其中,銀行密度Bank的計算方式為城市銀行分支機構數除以城市人口數。表4第(3)列報告了上述回歸結果。

表4 排除其他可能性解釋

最后,排除固定資產加速折舊政策出臺的影響。2014年,國家開始在生物藥品制造業等六大行業試點固定資產加速折舊政策,2015年試點范圍進一步擴展至汽車、機械、輕工以及紡織等四個領域。理論上,固定資產加速折舊相當于遞延了企業應繳的所得稅稅款,使得企業當期現金流總量增加,這有助于緩解金融機構對企業償債能力的擔憂,從而有助于降低企業融資成本?；谏鲜龇治?我們構建了表征企業是否受政策影響的變量Dep,如果行業i在第t年實施了固定資產加速折舊政策,將Dep賦值為1,否則賦值為0,并將其納入回歸模型(1),估計結果見表4第(4)列。

觀察表4結果可知,核心解釋變量Smart的估計系數始終顯著為負,說明在排除了政府債務管理體制改革、民營銀行設立、利率市場化改革以及固定資產加速折舊政策的影響后,智慧城市建設對企業債務融資成本依然存在顯著的抑制效應。

(四)穩健性檢驗

1. 平行趨勢檢驗。雙重差分法的應用必須滿足平行趨勢假定,即在受政策沖擊之前,實驗組與控制組在債務融資成本上必須維持基本平行變動趨勢。借鑒張克中等的研究方法[28],利用事件研究法來確認該假定是否成立。具體而言,我們將各城市開始智慧城市建設的時間提前1-4年,構建了如下計量模型:

(5)

式(5)中,Smartk均為虛擬變量,表示企業所在地被納入智慧城市建設名單之前k年的樣本。特別地,Smart-4表示企業所在地被納入智慧城市建設名單之前4年及以上的樣本。其他變量定義與上文一致。如果Smartk的估計系數不顯著,說明在政策實施之前, 實驗組與控制組的債務融資成本存在共同變動趨勢。表5報告了事件研究法的回歸結果。容易看出,在前4期(即智慧城市建設之前),核心解釋變量Smartk的估計系數均不顯著,表明實驗組和控制組之間的平行趨勢基本得到驗證。

表5 平行趨勢檢驗

2.安慰劑檢驗?；鶞驶貧w結果可能是由于某種偶然因素導致的,比如實驗組企業剛好是某一類特殊企業,此時并非是智慧城市建設政策而是企業自身因素導致基準回歸結果出現,即出現了遺漏變量的問題。為避免遺漏變量的干擾,本文借鑒Chetty等的研究[35]利用隨機抽樣技術隨機生成實驗組和對照組,從而構造“虛假”的核心解釋變量Smart_F。重復上述操作500次以增強安慰劑檢驗效力。理論上而言,隨機生成的“虛假”核心解釋變量Smart_F與企業債務融資成本無任何關系,其估計系數集中分布在0附近。圖1描繪了 Smart_F估計系數的t值分布?？梢钥闯?估計系數的t值基本符合正態分布,且集中分布于0附近。進一步,對估計結果進行統計性分析(見表6),統計上顯著的系數占比極小。這間接說明,基準回歸結果就是智慧城市建設帶來的,并非來源于其他遺漏的因素。

3.其他穩健性測試。(1)為排除被解釋變量不同度量方式對本文基本結論的影響,我們借鑒潘越等的做法[27],采用財務費用與企業總負債的比值Debtcost1作為企業債務融資成本的另一度量指標并重新回歸,結果見表7第(1)列。(2)考慮到計量模型中缺少城市層面的控制變量,我們在模型中進一步納入城市GDP和城市銀行分支機構數Bankdest兩個變量,回歸結果見表7第(2)列。(3)不同行業會面臨差異化的發展周期以及不同省份具有不同的營商環境,行業和地區層面因素變化可能會影響回歸估計。為排除這一干擾,我們控制了行業-時間交互固定效應以及省份-時間交互固定效應,回歸結果見表7第(3)(4)列。(4)為增強樣本可比性,我們將使用平衡面板數據,確保樣本企業在2010-2017年均有出現,回歸結果見表7第(5)列。為了排除實驗組和對照組企業系統性差異對回歸結果的影響,本文以所有控制變量為匹配變量,采用1∶1最近鄰匹配方法為實驗組企業尋找合適的對照組企業,隨后利用匹配樣本進行回歸,結果見表7第(6)列。觀察表7結果可知,無論是改變被解釋變量的度量方式、調整模型設定,還是改變研究樣本,核心解釋變量Smart的估計系數均顯著為負,與基準回歸結果相比并未發生根本性變化。

圖1 安慰劑檢驗

表6 安慰劑檢驗結果統計

表7 其他穩健性測試

五、異質性分析

上文分析聚焦于智慧城市建設的綜合效應,忽略了智慧城市建設對異質性企業債務融資成本的影響存在差異性。本文接下來對兩者關系進行細致的異質性分析,以期為基準回歸結果和作用機制檢驗提供更進一步的經驗證據。

第一,考慮企業抵押品豐裕度的差異。在嚴重的信息不對稱環境中,資產抵押充當了一種重要的外部保護機制,當企業無法償還債務或破產時債權人可以就抵押物優先受償,從而能夠減緩債權人與債務人之間的代理沖突[36]。在實踐中,資產抵押品已成為企業獲得銀行信貸融資的關鍵因素之一。如果缺乏足夠的抵押品,企業往往需要支付更加高昂的利息成本[37]。因此,根據邊際效應遞減規律,我們推測智慧城市建設對融資成本的降低效應在抵押品少的企業中更為明顯。為證實這一理論推斷,本文參考錢雪松等的做法[38]對企業抵押品豐裕度進行刻畫,具體做法為:采用企業的固定資產占比作為抵押品豐裕度的度量指標,然后將中位數以下的企業劃分為抵押品較少的組別,中位數及以上的企業劃分為抵押品較多的組別。表8第(1)和(2)列報告了基于抵押品豐裕度的分組回歸結果。容易看出,核心解釋變量Smart的估計系數在抵押品較少的企業組中顯著為負,但在抵押品較多的企業組中為不顯著的負值,并且前者系數遠大于后者。這表明智慧城市建設對企業貸款融資成本的抑制作用對于抵押資產少的企業更為明顯。

第二,考慮企業數字化程度的差異。既有研究表明,信息不對稱會引發資本市場上的道德風險和逆向選擇問題,繼而導致更高的融資成本和融資約束[39]。同時,上文的機制檢驗結果表明,智慧城市建設緩解了信息不對稱,從而降低了企業的債務融資成本。從理論上來說,數字化程度較高的企業具有較強的信息處理能力和信息揭示能力,因而這類企業的信息不對稱問題相對較少。由此,本文推測智慧城市建設對企業債務融資成本的抑制效應在數字化程度較低的企業中更為明顯。為證實這一理論推斷,我們借鑒以往文獻的做法對信息不對稱程度進行刻畫[40]。具體而言,采用文本對企業年報進行分析,統計與數字化轉型相關的詞頻,詞頻越高意味著企業數字化程度越高。隨后,將中位數及以上的企業劃分為數字化程度較高的組別,中位數以下的企業劃分為數字化程度較低的組別。如表8第(3)至(4)列結果所示,核心解釋變量Smart的估計系數在數字化程度較低的企業中顯著為負,并且估計系數明顯大于數字化程度較高的企業。這些結果表明,相較于數字化程度較高的企業,智慧城市建設對企業融資成本的抑制作用在數字化程度較低的企業中更強。

表8 異質性分析回歸結果

六、結論與政策建議

數字經濟已成為中國經濟增長的新動能,也是中國經濟高質量發展和構筑國家競爭新優勢的重要支撐。在此背景下,眾多城市相繼出臺并執行了智慧城市建設方案,外部環境的改變對企業生產經營活動產生了深刻影響。本文將智慧城市設立視為一項準自然實驗,采用2010-2017年中國非金融類上市公司年度數據,使用雙重差分方法評估了智慧城市建設對企業債務融資成本的影響。結果顯示,智慧城市設立顯著降低了企業債務融資成本。進一步的作用機制檢驗表明,智慧城市建設通過提高企業的信息透明度和經營績效,降低了債務融資成本。同時,該效應在抵押品較少、數字化程度較低的企業中更為顯著。

本文研究具有如下兩方面的政策啟示:一方面,有必要進一步推行智慧城市建設,促進數字經濟發展。本文結論表明,智慧城市建設有助于企業數字化轉型,進而提高企業的經營績效和融資能力,這意味著智慧城市建設政策的確可以有效推動城市產業數字化和數字產業的發展,對經濟發揮出了引領效應和激勵效應。因此,在未來城市建設過程中,各地政府應該繼續注重智慧城市的頂層設計,加強新一代信息技術和城市發展的深度融合,促進城市現代經濟體系和生產方式加速向網絡化、數字化、智能化演進,以實現經濟的高質量發展。另一方面,要引導企業借助數字技術來優化信息披露質量,提升信貸可得性和降低信貸成本。本文發現,智慧城市建設顯著降低了企業的債務融資成本,其核心機制為提高了企業的信息透明度,這說明數字技術的信息整合和共享功能可以減少企業與外部金融機構之間的信息不對稱,改善信貸資金配置。為此,政府應引導和鼓勵企業在數字化轉型過程中使用大數據、云計算、物聯網、區塊鏈等技術及時向銀行等機構披露資金流向情況、提高經營和財務信息透明度,從而使企業能夠以更低的成本獲得貸款,達到減少金融市場摩擦、促進資金融通的功效。

注釋：

①需要特別說明的是,由于估計系數過小,我們將兩個債務融資成本指標擴大100倍。