數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)的影響機(jī)制研究

段鈺 蘇民 黃子涵

[摘要]數(shù)字經(jīng)濟(jì)與新能源產(chǎn)業(yè)的深度融合已逐漸成為全球競爭的重要領(lǐng)域，探究數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響具有重要的時代價值和理論意義?；?012—2020年新能源上市公司的市場交易和財(cái)務(wù)數(shù)據(jù)以及省級面板數(shù)據(jù)，采用固定效應(yīng)模型和面板門檻模型進(jìn)行實(shí)證研究，結(jié)果表明：從全國層面來看，數(shù)字經(jīng)濟(jì)能夠顯著降低新能源企業(yè)的信用風(fēng)險(xiǎn)，并且這一影響在知識溢出的調(diào)節(jié)作用下存在雙門檻效應(yīng)。隨著地區(qū)知識溢出水平的提高，數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的邊際作用效果先減弱后增強(qiáng)。從區(qū)域?qū)用鎭砜?，相較于中、西部地區(qū)，數(shù)字經(jīng)濟(jì)對東部地區(qū)新能源企業(yè)信用風(fēng)險(xiǎn)的影響最為明顯。根據(jù)研究結(jié)論，提出加強(qiáng)數(shù)字經(jīng)濟(jì)與實(shí)體產(chǎn)業(yè)的集成結(jié)合、完善區(qū)域創(chuàng)新機(jī)制以及實(shí)施差異性的地區(qū)數(shù)字化發(fā)展戰(zhàn)略等建議。

[關(guān)鍵詞]數(shù)字經(jīng)濟(jì)；信用風(fēng)險(xiǎn)；知識溢出；新能源企業(yè)

一、 引言

新能源企業(yè)作為推動我國經(jīng)濟(jì)綠色轉(zhuǎn)型的重要微觀載體，在數(shù)字經(jīng)濟(jì)的影響下，發(fā)生了顛覆式變革。工業(yè)互聯(lián)網(wǎng)的應(yīng)用使數(shù)據(jù)成為鏈接各項(xiàng)產(chǎn)業(yè)活動的紐帶，不僅重塑了新能源企業(yè)的生產(chǎn)方式和商業(yè)模式，也推動了新能源供應(yīng)鏈與服務(wù)鏈的智能互聯(lián)。這有利于優(yōu)化能源供給結(jié)構(gòu)，提升資源配置效率，對后疫情時代企業(yè)走上快速復(fù)蘇道路起到了不可忽視的作用。然而，利用數(shù)字經(jīng)濟(jì)賦能實(shí)體企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型是一項(xiàng)復(fù)雜工程和長期任務(wù)，不可畢其功于一役，以堅(jiān)持底線思維，防范信用風(fēng)險(xiǎn)為基本原則，穩(wěn)中求進(jìn)，逐步實(shí)現(xiàn)才是切合實(shí)際的最優(yōu)實(shí)現(xiàn)路徑。因此，對數(shù)字經(jīng)濟(jì)助企降險(xiǎn)效應(yīng)的研究與探討已經(jīng)成為推動實(shí)體產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)在要求和當(dāng)務(wù)之急。

基于數(shù)字經(jīng)濟(jì)和實(shí)現(xiàn)“雙碳”目標(biāo)的雙重背景，本文試圖探究數(shù)字經(jīng)濟(jì)與新能源企業(yè)信用風(fēng)險(xiǎn)之間的復(fù)雜關(guān)系，可能的邊際貢獻(xiàn)有3個方面。第一，在研究視角上，現(xiàn)有文獻(xiàn)中關(guān)于數(shù)字經(jīng)濟(jì)在微觀層面的經(jīng)濟(jì)后果研究較多集中在對企業(yè)生產(chǎn)效率、商業(yè)模式、組織結(jié)構(gòu)和治理機(jī)制等方面的影響，本文嘗試從信用風(fēng)險(xiǎn)的角度豐富和發(fā)展數(shù)字經(jīng)濟(jì)的微觀效應(yīng)研究成果。第二，在研究內(nèi)容上，通過理論分析與實(shí)證檢驗(yàn)重點(diǎn)回答數(shù)字經(jīng)濟(jì)是否有利于化解新能源企業(yè)的信用風(fēng)險(xiǎn)這一問題，并利用雙門檻回歸模型探討在不同的地區(qū)知識溢出水平下，數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)的作用規(guī)律。第三，在變量刻畫上，基于GKMV模型估計(jì)企業(yè)的信用風(fēng)險(xiǎn)，在利用高斯混合模型重新擬合中間變量[d1]和[d2]概率分布的基礎(chǔ)上，對模型的主要參數(shù)與計(jì)算方法進(jìn)行修正與改進(jìn)，力求達(dá)到科學(xué)精準(zhǔn)的測量效果。

二、 文獻(xiàn)綜述與理論分析

1. 數(shù)字經(jīng)濟(jì)與企業(yè)信用風(fēng)險(xiǎn)

圍繞數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)的影響這一問題，學(xué)術(shù)界主要從償債能力和償債意愿兩個層面進(jìn)行揭示[1]。在償債能力方面，隨著數(shù)字經(jīng)濟(jì)逐漸滲透到實(shí)體產(chǎn)業(yè)的各領(lǐng)域全過程，數(shù)字經(jīng)濟(jì)以全新的技術(shù)范式突破了企業(yè)原有的生產(chǎn)方式和管理模式，不僅帶動了生產(chǎn)效率的提升，也推動了企業(yè)形成新型的數(shù)字化管理模式，這為增強(qiáng)企業(yè)的償債能力、降低信用風(fēng)險(xiǎn)提供了有力支撐[2]。一方面，數(shù)字經(jīng)濟(jì)具有較強(qiáng)的網(wǎng)絡(luò)外部性，當(dāng)企業(yè)的用戶數(shù)量達(dá)到一定的規(guī)模時，企業(yè)便能夠從大宗交易、統(tǒng)一采購原材料與攤薄研發(fā)成本等方面降低平均成本，享受規(guī)模經(jīng)濟(jì)帶來的紅利[4]。另一方面，數(shù)字技術(shù)的普及降低了經(jīng)濟(jì)活動的信息門檻，拓展了企業(yè)銷售的覆蓋半徑，便于企業(yè)以主營業(yè)務(wù)積累的顧客資源為核心低成本地開展多樣性業(yè)務(wù)。這既為行業(yè)提供了多樣化的產(chǎn)品和服務(wù)，契合長尾需求，也成功地增加了主營業(yè)務(wù)的價值，實(shí)現(xiàn)范圍經(jīng)濟(jì)效應(yīng)[5]。

在償債意愿方面，償債意愿指的是當(dāng)企業(yè)擁有足額償債資金時仍然選擇違反償債約定的主觀態(tài)度，與借款人的機(jī)會主義行為有關(guān)[6]?；诮?jīng)典經(jīng)濟(jì)學(xué)的理論框架，企業(yè)作為追求利益最大化的“經(jīng)濟(jì)人”，只有當(dāng)違約行為的外部成本大于外部收益時，才會選擇償還債務(wù)[7]。然而，信息交互網(wǎng)絡(luò)和“核聚變式”的信息傳播方式無限放大了信息的傳播速度和范圍，導(dǎo)致企業(yè)違約的輿論壓力和機(jī)會成本激增[8]。這就使得理性的企業(yè)不得不提升自身的信息透明度，按時履行償債義務(wù)，避免負(fù)面輿論的擴(kuò)散對企業(yè)的持續(xù)經(jīng)營造成不利影響[9]。此外，償債能力也是決定企業(yè)償債意愿的重要因素。研究發(fā)現(xiàn)，償債能力較強(qiáng)的企業(yè)往往更加注重市場評價對企業(yè)未來發(fā)展空間的影響[10]?；谏鲜龇治?，本文提出以下假設(shè)：

H1：數(shù)字經(jīng)濟(jì)能夠顯著降低企業(yè)的信用風(fēng)險(xiǎn)，即數(shù)字經(jīng)濟(jì)水平越高，越有助于降低企業(yè)的信用風(fēng)險(xiǎn)。

2. 數(shù)字經(jīng)濟(jì)、知識溢出與新能源企業(yè)信用風(fēng)險(xiǎn)

隨著新能源產(chǎn)業(yè)的增長動力逐漸由低成本要素驅(qū)動向高附加值創(chuàng)新驅(qū)動轉(zhuǎn)變，知識將代替?zhèn)鹘y(tǒng)的生產(chǎn)要素，成為推動新能源產(chǎn)業(yè)轉(zhuǎn)型升級的主導(dǎo)力量。在數(shù)字經(jīng)濟(jì)與新能源企業(yè)的信用風(fēng)險(xiǎn)之間，知識溢出的調(diào)節(jié)作用主要體現(xiàn)在兩個層面。

第一，知識溢出具有協(xié)同創(chuàng)新效應(yīng)?；谄髽I(yè)的創(chuàng)新體系而言，企業(yè)的創(chuàng)新生產(chǎn)不僅依賴自身的技術(shù)條件和人才儲備，還來源于對其他企業(yè)的要素獲取[12]。在數(shù)字化情境下，智力資本在區(qū)域內(nèi)的高效流通，降低了新知識與新技術(shù)的創(chuàng)造成本，滿足了企業(yè)在轉(zhuǎn)型升級過程中所產(chǎn)生的技術(shù)需求，在實(shí)現(xiàn)區(qū)域企業(yè)的協(xié)同發(fā)展中促進(jìn)了企業(yè)信用水平的提升[13]。

第二，知識溢出促進(jìn)數(shù)字經(jīng)濟(jì)的集聚效應(yīng)釋放。雖然互聯(lián)網(wǎng)等新興技術(shù)的應(yīng)用豐富了知識要素的傳播方式，削弱了知識擴(kuò)散的時空阻礙，使智力資本的大范圍流通變得更加容易，但由于構(gòu)成企業(yè)競爭優(yōu)勢的核心智力要素往往是只能通過面對面交流傳播的暗默知識，這就使得知識溢出具有空間集聚效應(yīng)[14-15]。企業(yè)為了能夠以快速、精準(zhǔn)和低成本的方式獲取新知識，會自發(fā)地集聚在知識溢出源周圍。同時，數(shù)字經(jīng)濟(jì)所營造的良好的創(chuàng)新環(huán)境與營商環(huán)境不僅激勵著企業(yè)更加高效地開展創(chuàng)新活動，還促使新興技術(shù)、風(fēng)險(xiǎn)投資與創(chuàng)新型人才趨向集聚，為深化和拓展產(chǎn)業(yè)鏈條不斷注入能量和活力[16]。因此，知識溢出水平越高，越可能為當(dāng)?shù)氐男履茉串a(chǎn)業(yè)帶來知識溢出與數(shù)字經(jīng)濟(jì)協(xié)同的雙重集聚效應(yīng)，并在促進(jìn)技術(shù)進(jìn)步、推動產(chǎn)業(yè)和區(qū)域發(fā)展中起到推波助瀾的作用。基于此，本文提出以下假設(shè)：

H2：知識溢出可以正向調(diào)節(jié)數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的抑制作用。

根據(jù)上述分析，本文搭建了數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)的影響機(jī)理模型，見圖1。

三、 研究設(shè)計(jì)

1. 數(shù)據(jù)來源

本文采用2012—2020年東方財(cái)富新能源概念板塊（BK0493）的181家上市公司作為初始樣本，樣本企業(yè)多屬于電氣機(jī)械和器材制造業(yè)、電力熱力生產(chǎn)和供應(yīng)業(yè)、通用設(shè)備制造業(yè)、專用設(shè)備制造業(yè)、計(jì)算機(jī)通信和其他電子設(shè)備制造業(yè)、非金屬礦物制品業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、金屬制品業(yè)等八大制造業(yè)。為了提升數(shù)據(jù)質(zhì)量，剔除了以下樣本公司：（1）上市時間晚于2012年1月1日的上市公司；（2）ST或*ST類的上市公司；（3）核心指標(biāo)數(shù)據(jù)缺失的上市公司。同時，為了避免新能源企業(yè)集中于個別地區(qū)，影響研究結(jié)論的穩(wěn)健性與可靠性，本文控制位于同一地區(qū)的樣本個數(shù)在3至15之間。經(jīng)過前述處理，最終得到112家新能源上市公司作為本文的研究樣本。由于西藏、青海和新疆3個地區(qū)符合條件的樣本個數(shù)較少，故不作討論。上市公司的股票交易和財(cái)務(wù)數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫，衡量數(shù)字經(jīng)濟(jì)水平的省級面板數(shù)據(jù)來自歷年《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》和《高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》。

2. 變量選取

（1）企業(yè)信用風(fēng)險(xiǎn)

KMV模型是現(xiàn)代信用風(fēng)險(xiǎn)評價中應(yīng)用最為廣泛的模型之一。它的基本思路是將公司股權(quán)的期權(quán)性質(zhì)引入信用風(fēng)險(xiǎn)的測度中，認(rèn)為股東權(quán)益相當(dāng)于一份以公司資產(chǎn)價值為標(biāo)的、債務(wù)價值為執(zhí)行價格的歐式看漲期權(quán)，從而借助B-S期權(quán)定價公式，運(yùn)用上市公司的市場交易和財(cái)務(wù)數(shù)據(jù)推算資產(chǎn)的市場價值。然后，再通過比較資產(chǎn)價值與負(fù)債價值的大小來衡量上市公司的信用風(fēng)險(xiǎn)水平。模型的具體計(jì)算步驟如下：

[E=VNd1-De-rtNd2] （1）

[EσE=Nd1VσA] （2）

其中：

[d1=lnVD+（r+12σ2A）tσAt] （3）

[d2=d1-σAt] （4）

式（1）至式（4）展示了公司資產(chǎn)價值的演算過程。由已知參數(shù)股權(quán)價值E及其波動率[σE]、負(fù)債價值D、無風(fēng)險(xiǎn)利率r和債務(wù)到期時間t估算出未知的資產(chǎn)價值V及其波動率[σA]。接著，再用資產(chǎn)價值V與KMV模型中的違約點(diǎn)DP進(jìn)行比較，最終計(jì)算得到的違約距離DD即為表征上市公司信用風(fēng)險(xiǎn)水平的關(guān)鍵指標(biāo)?？紤]到資產(chǎn)價值的波動性，違約距離通常以資產(chǎn)價值波動率的倍數(shù)表示：

[DD=EV-DPE（V）σA] （5）

由于我國的金融市場環(huán)境與西方國家相比存在較大差異，直接使用原模型的指標(biāo)設(shè)定與計(jì)算方法會使測量結(jié)果有偏。因此本文借鑒邵翠麗[17]提出的GKMV模型，運(yùn)用高斯混合模型重新估計(jì)中間變量[d1]和[d2]的概率分布并對主要參數(shù)的指標(biāo)選取與計(jì)算方法進(jìn)行修正（表1），從而達(dá)到提升原模型精確性與適用性的目的。根據(jù)GKMV模型計(jì)算得到的違約距離越大，表明企業(yè)的償債水平越高，信用風(fēng)險(xiǎn)越低。

（2）數(shù)字經(jīng)濟(jì)水平

目前各國對數(shù)字經(jīng)濟(jì)的界定存在分化，再加上新產(chǎn)業(yè)、新模式、新業(yè)態(tài)的不斷涌現(xiàn)，使數(shù)字經(jīng)濟(jì)水平尚缺乏統(tǒng)一的測度標(biāo)準(zhǔn)。本文借鑒張雪玲等[18]的研究思路，以數(shù)字經(jīng)濟(jì)的內(nèi)在定義和發(fā)展特點(diǎn)為依據(jù)，從信息基礎(chǔ)建設(shè)、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化和數(shù)字化投入四個層面構(gòu)建省級數(shù)字經(jīng)濟(jì)水平的指標(biāo)體系（表2）。其中，信息基礎(chǔ)設(shè)施通過傳輸基礎(chǔ)和承載能力度量；產(chǎn)業(yè)數(shù)字化通過應(yīng)用廣度與深度度量；數(shù)字產(chǎn)業(yè)化通過生產(chǎn)投入和產(chǎn)業(yè)規(guī)模度量；數(shù)字化投入通過資金投入和人才儲備度量。最后采用熵值法為15個三級指標(biāo)賦予權(quán)重，計(jì)算各地區(qū)各年份的數(shù)字經(jīng)濟(jì)指數(shù)。

（3）知識溢出水平

專利申請數(shù)量能夠反映地區(qū)創(chuàng)新活動的豐富程度，是表征當(dāng)?shù)刂R生產(chǎn)能力與技術(shù)創(chuàng)新水平的重要指標(biāo)。本文借鑒余婕等[19]的研究，采用專利申請數(shù)量的對數(shù)衡量地區(qū)知識溢出水平。

（4）控制變量

參照以往學(xué)者的研究，本文控制以下企業(yè)層面的變量：（1）盈利能力Roa，以資產(chǎn)收益率表示；（2）企業(yè)規(guī)模Size，以總資產(chǎn)的自然對數(shù)表示；（3）股權(quán)集中度Top1，以第一大股東持股比例表示；（4）流動比率Cratio，以流動資產(chǎn)和流動負(fù)債的比率表示；（5）所有權(quán)屬性Sow，國有企業(yè)取1，否則取0；（6）兩職合一Dual，若董事長與總經(jīng)理兼任取1，否則取0[1]。具體變量的描述性統(tǒng)計(jì)見表3。

3. 模型設(shè)計(jì)

（1）固定效應(yīng)模型

關(guān)于回歸模型的選擇，對面板數(shù)據(jù)進(jìn)行Chow檢驗(yàn)、LR檢驗(yàn)和Hausman檢驗(yàn)，發(fā)現(xiàn)上述檢驗(yàn)均在5%的水平下拒絕原假設(shè)。為此，本文構(gòu)建固定效應(yīng)模型來檢驗(yàn)數(shù)字經(jīng)濟(jì)水平對新能源企業(yè)信用風(fēng)險(xiǎn)的抑制作用以及知識溢出的調(diào)節(jié)作用，待檢驗(yàn)?zāi)Ｐ腿缦拢?/p>

[DDi，t=α0+β1lnDigii，t+β2Controli，t+μi+γt+εi，t] （6）

[DDi，t=α0+β1lnDigii，t+β2lnKSi，t+β3lnDigii，t*lnKSi，t+β4Controli，t+μi][+γt+εi，t] （7）

其中，DD為根據(jù)GKMV模型得到的違約距離，表征企業(yè)的信用風(fēng)險(xiǎn)水平；Digi為企業(yè)所在地區(qū)的數(shù)字經(jīng)濟(jì)水平；KS為地區(qū)知識溢出水平；Control為控制變量；[μi]為個體效應(yīng)；[γt]為時間效應(yīng)；[εi，t]為隨機(jī)誤差項(xiàng)；下標(biāo)i，t分別為企業(yè)和年份。

（2）面板門檻模型

考慮到不同的知識溢出強(qiáng)度可能會影響其調(diào)節(jié)作用，本文將知識溢出作為門檻變量引入Hansen面板門檻模型中，探究隨著知識溢出水平的提升，數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的作用規(guī)律。本文建立的門檻回歸模型如下：

[DDi，t=α0+β1lnDigii，t×IlnKSi，t≤λ+β2lnDigii，t×IlnKSi，t>λ+β3Controli，t+μi+εi，t] （8）

其中，[λ]為待估門檻值，[ I（*）]為示性函數(shù)。

四、 實(shí)證結(jié)果分析

1. 固定效應(yīng)分析

表4為固定效應(yīng)模型的實(shí)證結(jié)果?；貧w（1）的計(jì)量結(jié)果表明，數(shù)字經(jīng)濟(jì)每提升1%，新能源企業(yè)的違約距離就會增加0.073，在1%水平下顯著，在樣本期內(nèi)提升數(shù)字經(jīng)濟(jì)水平可以顯著降低新能源企業(yè)的信用風(fēng)險(xiǎn)，假設(shè)H1得到驗(yàn)證。回歸（2）納入了調(diào)節(jié)變量后，數(shù)字經(jīng)濟(jì)的系數(shù)估計(jì)值明顯提高，并且數(shù)字經(jīng)濟(jì)與知識溢出的交互項(xiàng)系數(shù)為0.018，在1%水平下顯著，說明地區(qū)知識溢出水平的提升有利于發(fā)揮數(shù)字經(jīng)濟(jì)對降低新能源企業(yè)信用風(fēng)險(xiǎn)的積極作用，該結(jié)果與假設(shè)H2的預(yù)期一致?；貧w（3）至回歸（6）從衡量數(shù)字經(jīng)濟(jì)水平的指標(biāo)體系出發(fā)，進(jìn)一步將數(shù)字經(jīng)濟(jì)水平分解為信息基礎(chǔ)建設(shè)、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化和數(shù)字化投入4個維度，分別作為解釋變量進(jìn)行回歸檢驗(yàn)。結(jié)果顯示，產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化水平對新能源企業(yè)違約距離的正效應(yīng)系數(shù)較小且統(tǒng)計(jì)結(jié)果并不顯著，可見現(xiàn)階段我國數(shù)字經(jīng)濟(jì)與實(shí)體產(chǎn)業(yè)的融合程度尚淺，削弱了數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響。

2. 門檻回歸分析

鑒于知識溢出的正向調(diào)節(jié)作用可能會受到知識溢出強(qiáng)度的影響，本文以地區(qū)知識溢出水平作為門檻變量，采用重復(fù)自抽樣方法（Bootstrap）進(jìn)行門檻效應(yīng)檢驗(yàn)，結(jié)果如表5所示。知識溢出均在1%的顯著性水平下通過了單、雙門檻檢驗(yàn)，且兩個門檻估計(jì)值分別為12.591和13.029。這表明在知識溢出的調(diào)節(jié)作用下，數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)的影響存在顯著的雙門檻效應(yīng)。

表6為門檻回歸結(jié)果。在不同的知識溢出水平下，數(shù)字經(jīng)濟(jì)對新能源企業(yè)的違約距離均有正向影響，但不同階段的影響效果存在一定的差異：隨著地區(qū)知識溢出水平的提升，數(shù)字經(jīng)濟(jì)對降低新能源企業(yè)信用風(fēng)險(xiǎn)的邊際作用規(guī)律為先減弱后增強(qiáng)。當(dāng)知識溢出處于較低水平時，企業(yè)雖然只能基于自身的知識資本存量開展創(chuàng)新活動，但在技術(shù)研發(fā)、產(chǎn)品開發(fā)與成果轉(zhuǎn)化的過程中，企業(yè)能夠逐漸積累無形資產(chǎn)，獨(dú)占創(chuàng)新產(chǎn)品和搶占創(chuàng)新優(yōu)勢。當(dāng)知識溢出位于較低水平與較高水平之間時，由于知識溢出放大了知識和技術(shù)要素的傳播速度和應(yīng)用范圍，縮短了創(chuàng)新產(chǎn)品的生命周期，使企業(yè)不得不加快研發(fā)速度和提高研發(fā)投入以契合快速變化的市場需求。激烈的創(chuàng)新競爭環(huán)境增加了企業(yè)日常經(jīng)營的不確定性，導(dǎo)致企業(yè)對數(shù)字經(jīng)濟(jì)水平變化的敏感性降低。當(dāng)知識溢出位于較高水平時，數(shù)字經(jīng)濟(jì)對新能源企業(yè)違約距離的影響最為明顯，這是因?yàn)樵谳^高的知識溢出水平下，學(xué)習(xí)新技術(shù)相對創(chuàng)造新技術(shù)具有比較成本優(yōu)勢，企業(yè)更容易將外部的智力資本和創(chuàng)新技術(shù)轉(zhuǎn)化為內(nèi)在的發(fā)展動力。這一階段知識溢出帶來的節(jié)本增收效應(yīng)將會大于其引發(fā)的不確定性，相應(yīng)地，數(shù)字經(jīng)濟(jì)對有效化解企業(yè)信用風(fēng)險(xiǎn)的積極作用也會愈加凸顯。

3. 區(qū)域異質(zhì)性分析

為了能夠更加全面、充分地分析數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響，本文按照國家統(tǒng)計(jì)局的分類標(biāo)準(zhǔn)，將樣本公司所在地區(qū)分為東部和中西部，分區(qū)域?qū)颖具M(jìn)行回歸估計(jì)和統(tǒng)計(jì)分析。根據(jù)表7的回歸結(jié)果，數(shù)字經(jīng)濟(jì)對東部地區(qū)新能源企業(yè)違約距離的影響系數(shù)為0.089，在10%水平下顯著，而對于中西部地區(qū)新能源企業(yè)的影響系數(shù)為0.012，且結(jié)果并不顯著。這說明相較于中西部地區(qū)，數(shù)字經(jīng)濟(jì)對東部地區(qū)新能源企業(yè)信用風(fēng)險(xiǎn)的影響更為明顯。同時，考慮到我國新能源企業(yè)的分布呈現(xiàn)出一定的空間集聚特征，地區(qū)分布不均勻可能會影響上述結(jié)果的穩(wěn)定性。因此本文進(jìn)一步將地區(qū)作為結(jié)構(gòu)斷點(diǎn)，對模型進(jìn)行Chow結(jié)構(gòu)變點(diǎn)檢驗(yàn)，結(jié)果顯示，在5%的水平下拒絕原假設(shè)，模型存在顯著的結(jié)構(gòu)變點(diǎn)，也就是說，在以地區(qū)為界限劃分的兩個樣本中，數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響存在非對稱性。上述研究結(jié)論具有一定的穩(wěn)定性和可靠性。

4. 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)前述模型的穩(wěn)健性，本文采用替換變量的方法加以驗(yàn)證。首先，選取信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)固定資產(chǎn)投資來表征地區(qū)數(shù)字經(jīng)濟(jì)水平，代入固定效應(yīng)模型重新進(jìn)行統(tǒng)計(jì)分析。表8的檢驗(yàn)結(jié)果顯示，數(shù)字經(jīng)濟(jì)仍然能夠顯著降低新能源企業(yè)的信用風(fēng)險(xiǎn)，并且知識溢出可以正向調(diào)節(jié)數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的抑制作用，說明本文的研究結(jié)論對于數(shù)字經(jīng)濟(jì)水平的不同測度方法保持穩(wěn)健。其次，針對面板門檻模型，本文采用總藏書量的對數(shù)作為門檻變量，重新進(jìn)行回歸檢驗(yàn)。從表9的計(jì)量結(jié)果可以看出，在知識溢出的調(diào)節(jié)作用下，數(shù)字經(jīng)濟(jì)與企業(yè)信用風(fēng)險(xiǎn)之間依然存在雙門檻效應(yīng)。與前述回歸結(jié)果相比，門檻值和系數(shù)估計(jì)值雖略有浮動，但數(shù)字經(jīng)濟(jì)對企業(yè)信用風(fēng)險(xiǎn)影響效果的變化趨勢是一致的，均為先減弱后增強(qiáng)。因此，本文構(gòu)建的面板門檻模型同樣通過了穩(wěn)健性檢驗(yàn)。

五、 結(jié)論與建議

本文采用2012—2020年新能源上市公司的市場交易和財(cái)務(wù)數(shù)據(jù)以及省級面板數(shù)據(jù)探究數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響。通過理論分析與實(shí)證檢驗(yàn)，得到以下主要結(jié)論：第一，從總體來看，提升數(shù)字經(jīng)濟(jì)水平可以顯著降低新能源企業(yè)的信用風(fēng)險(xiǎn)。但分維度討論發(fā)現(xiàn)，產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化對企業(yè)信用風(fēng)險(xiǎn)的抑制作用較弱；第二，知識溢出可以正向調(diào)節(jié)數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的抑制作用，并且在知識溢出的調(diào)節(jié)作用下，數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響存在雙門檻效應(yīng)；第三，分區(qū)域來看，數(shù)字經(jīng)濟(jì)對新能源企業(yè)信用風(fēng)險(xiǎn)的影響存在顯著的區(qū)域異質(zhì)性。

為了在數(shù)字經(jīng)濟(jì)時代能夠有效防范與化解新能源企業(yè)的信用風(fēng)險(xiǎn)，本文提出以下建議：首先，我國應(yīng)抓住數(shù)字經(jīng)濟(jì)的發(fā)展機(jī)遇，將發(fā)展重點(diǎn)放在推進(jìn)產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化上。這就需要政府有目的、有重點(diǎn)地引導(dǎo)數(shù)字經(jīng)濟(jì)與實(shí)體產(chǎn)業(yè)的集成結(jié)合，依據(jù)不同類型企業(yè)的生產(chǎn)流程、經(jīng)營運(yùn)作和管理模式選擇具有獨(dú)特競爭力的發(fā)展方式和融合機(jī)制，幫助企業(yè)破除數(shù)字化轉(zhuǎn)型過程中遇到的技術(shù)瓶頸，提高企業(yè)的全要素生產(chǎn)率，增強(qiáng)其償債能力。其次，考慮到知識溢出的外部性和創(chuàng)新效應(yīng)，地方政府在完善創(chuàng)新機(jī)制時除了要重視積累自身的知識資本存量，還要注重外溢知識的獲取。地區(qū)可以通過增加科技投入，營造良好的創(chuàng)新環(huán)境及搭建產(chǎn)學(xué)研合作交流平臺等方式吸引多元創(chuàng)新主體集聚，助力地區(qū)知識溢出達(dá)到較高水平，使數(shù)字經(jīng)濟(jì)對有效化解企業(yè)信用風(fēng)險(xiǎn)的積極作用得到最大程度地發(fā)揮。最后，中西部地區(qū)應(yīng)抓住“東數(shù)西算”工程帶來的重要機(jī)遇，積極借鑒東部地區(qū)的先進(jìn)經(jīng)驗(yàn)，根據(jù)自身的區(qū)位條件和資源優(yōu)勢構(gòu)建適合本地區(qū)的數(shù)字化發(fā)展機(jī)制，從而有規(guī)劃、有側(cè)重地利用數(shù)字經(jīng)濟(jì)促進(jìn)當(dāng)?shù)匦履茉雌髽I(yè)信用水平的提升。

參考文獻(xiàn)：

[1] 郭吉濤，朱義欣.數(shù)字經(jīng)濟(jì)影響企業(yè)信用風(fēng)險(xiǎn)的效應(yīng)及路徑[J].深圳大學(xué)學(xué)報(bào)（人文社會科學(xué)版），2021，38（6）：69-80.

[2] 荊文君，孫寶文.數(shù)字經(jīng)濟(jì)促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展：一個理論分析框架[J].經(jīng)濟(jì)學(xué)家，2019（2）：66-73.

[3] 楊汝岱.大數(shù)據(jù)與經(jīng)濟(jì)增長[J].財(cái)經(jīng)問題研究，2018（2）：4.

[4] Hart O， Moore J. A Theory of Debt Based on the Inalienability of Human Capital[J]. Social Science Electronic Publishing，1994，109（4）：841-879.

[5] Abeler J， Becker A， Falk A. Representative evidence on lying costs[J].Journal of Public Economics，2014，113（5）：96-104.

[6] 朱孟楠，梁裕珩，吳增明.互聯(lián)網(wǎng)信息交互網(wǎng)絡(luò)與股價崩盤風(fēng)險(xiǎn)：輿論監(jiān)督還是非理性傳染[J].中國工業(yè)經(jīng)濟(jì)，2020（10）：81-99.

[7] 彭紅楓，葉永剛.基于還款能力和還款意愿的貸款定價模型研究[J].中國管理科學(xué)，2011，19（6）：40-47.

[8] 白俊紅，蔣伏心.協(xié)同創(chuàng)新、空間關(guān)聯(lián)與區(qū)域創(chuàng)新績效[J].經(jīng)濟(jì)研究，2015，50（7）：174-187.

[9] 毛琦梁.時空壓縮下的空間知識溢出與產(chǎn)業(yè)升級[J].科學(xué)學(xué)研究，2019，37（3）：422-435.

[10] 曹玉平.互聯(lián)網(wǎng)普及、知識溢出與空間經(jīng)濟(jì)集聚——理論機(jī)制與實(shí)證檢驗(yàn)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，42（10）：27-41.

[11] 邵翠麗.基于KMV模型的一種信用風(fēng)險(xiǎn)評估方法及其應(yīng)用——以萬科A為例[J].會計(jì)之友，2018（19）：34-39.

[12] 張雪玲，焦月霞.中國數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)及其應(yīng)用初探[J].浙江社會科學(xué)，2017（4）：32-40+157.

[13] 余婕，董靜.風(fēng)險(xiǎn)投資引入與產(chǎn)業(yè)高質(zhì)量發(fā)展——知識溢出的調(diào)節(jié)與門限效應(yīng)[J].科技進(jìn)步與對策，2021，38（14）：62-71.

基金項(xiàng)目：國家社科基金項(xiàng)目“后疫情背景下主權(quán)信用評級的決定因素、市場影響及風(fēng)險(xiǎn)防范研究”（項(xiàng)目編號：21BJY125）。

作者簡介：段鈺（1997-），女，太原理工大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生，研究方向?yàn)轱L(fēng)險(xiǎn)管理；蘇民（1972-），男，太原理工大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，研究方向?yàn)橹鳈?quán)信用評級與金融資產(chǎn)配置；黃子涵（1998-），女，太原理工大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生，研究方向?yàn)轱L(fēng)險(xiǎn)管理。

（收稿日期：2022-06-06? 責(zé)任編輯：蘇子寵）