摘要：本文以我国2024-2025年沪深A股中小型软件上市企业为样本，实证分析数据资产入表对企业债务融资成本的影响，并进一步探究数据资产入表持续性、入表资产类型对二者关系的调节作用与异质性影响。研究结果表明：数据资产入表能够显著降低中小型软件企业融资成本，且数据资产入表规模越大、入表质量越高，降本效应越显著；入表持续性能正向强化数据资产入表与融资成本的负相关关系；相较于交易型数据资产入表，自用型数据资产入表对中小型软件企业融资成本的降低效用更突出。

关键词：数据资产入表；中小型软件企业；融资成本；资产类型；入表持续性

一、引言

数字经济时代下，数据已正式纳入新型生产要素范畴，数据资产化、数据资本化成为企业提质增效、拓宽融资渠道的核心路径。中小型软件企业具备轻资产、高研发、重数据、抵押物不足的典型特征，内部留存利润有限，内源融资难以覆盖技术研发、业务扩张、项目落地的资金需求，外部融资成为其持续经营与发展的核心资金来源[1]。在我国资本市场体系中，股权融资门槛高、审批周期长、股权稀释成本高，难以适配中小型软件企业的发展现状，而债务融资凭借税盾效应、操作灵活、资金到位快的优势，成为中小型软件企业的主流融资方式[2]。但长期以来，无实物抵押物、信息不对称、信用评级偏低等问题，导致中小型软件企业普遍面临融资成本高、融资额度低、融资难度大的困境，高企的融资成本严重制约行业中小企业的创新发展。

2024年1月1日《企业数据资源相关会计处理暂行规定》全面落地实施，明确企业可将符合条件的数据资源确认为无形资产、存货等合规资产并纳入财务报表核算，标志着我国数据资产入表进入常态化、规范化阶段[3]。数据资产正式入账，打破了中小型软件企业“数据无价、账无资产”的困境，有效盘活企业存量数据资源，补齐轻资产企业资产短板，对优化企业资产结构、缓解信息不对称、提升金融机构授信意愿具有重要作用。当前，国内外学者围绕数据资产入表的会计处理、价值评估、政策机制展开了丰富研究，但针对数据资产入表与企业融资成本的实证研究仍较为匮乏。

现有相关研究主要聚焦于数据资产入表对企业融资约束、融资效率的影响。多数研究证实，数据资产合规入表能够优化企业财务指标、提升信息透明度，有效缓解企业融资约束（李娟，2024；张铭等，2025）。从企业异质性来看，数据资产入表对轻资产科技企业的融资约束缓解效应显著强于重资产传统企业（王浩宇，2024），且正规、持续的入表行为比短期试探性入表的赋能效果更显著（刘思琪，2025）。在行业层面，软件、信息技术服务等数字行业企业的数据资产价值转化率更高，融资改善效果更突出，但现有研究尚未针对性聚焦中小型软件企业，也未深入探究数据资产入表特征（持续性、资产类型）对融资成本的差异化影响，相关实证研究存在空白。

鉴于此，本文基于信号传递理论、信息不对称理论、资产抵押理论与声誉理论，以2024-2025年A股中小型软件上市企业为研究样本，实证检验数据资产入表对企业融资成本的影响，并引入入表持续性作为调节变量、入表资产类型作为分组变量，探究不同入表特征下的异质性效果。

本文的研究贡献主要体现在三个方面：第一，聚焦中小型软件企业这一轻资产、高融资约束的细分主体，细化数据资产入表的微观经济后果，填补数字行业中小企业数据融资领域的研究空白；第二，从入表持续性、入表资产类型两个全新维度，探究数据资产入表对融资成本的差异化影响，丰富数据资产资本化的异质性研究；第三，基于最新政策与行业数据，为中小型软件企业规范开展数据资产入表、降低融资成本，以及金融机构优化数据质押融资服务、政府完善数据要素配套政策提供实证支撑与实践参考。

二、理论分析与假设提出

（一）数据资产入表对中小型软件企业融资成本的影响

基于信息不对称理论，中小型软件企业经营透明度低、财务披露不完善，金融机构难以精准识别企业真实经营状况与发展潜力，为规避信贷风险，会主动提高风险溢价，推高企业债务融资成本[4]。而数据资产合规入表能够从根本上缓解信息不对称问题。根据《企业数据资源相关会计处理暂行规定》，企业入表的数据资产需经过合规梳理、价值评估、权属核验，且需在财务报告中详细披露数据资产规模、类型、用途、核算方式等信息，大幅提升企业财务信息透明度与规范性，帮助银行等金融机构精准研判企业资产实力、经营稳定性与未来现金流水平，降低金融机构的信息搜集成本与信贷风控成本，进而下调企业贷款利率、缩减隐性融资费用。

从资产抵押理论来看，中小型软件企业缺乏固定资产、不动产等传统抵押物，信贷授信额度受限、融资成本居高不下。数据资产入表后，合规计量的数据资产成为企业账面有效资产，可作为质押物开展数据资产质押融资、授信增信，有效拓宽企业抵押融资渠道，打破轻资产融资壁垒[5]。截至2025年三季度，国内已有375家非上市企业通过数据资产入表实现融资，累计融资规模达18.99亿元，其中软件、信息技术企业占比超62%，充分印证了数据资产入表的融资赋能价值[6]。随着企业数据资产入表规模扩大，账面资产总额提升、资产负债率优化，企业偿债能力与资信水平显著提升，金融机构信贷投放意愿增强，融资的显性成本与隐性成本持续下降。

基于信号传递理论，数据资产合规入表向资本市场传递了企业经营合规、治理规范、数据资源优质、发展前景良好的积极信号。能够完成数据资产梳理、评估、入账的中小型软件企业，往往具备稳定的经营现金流、规范的内部管理体系与持续的创新能力，可有效降低债权人的风险预期，减少信用评估偏差与代理成本，最终实现融资成本的有效压降。据此，本文提出研究假设：

H1：数据资产入表能够显著降低中小型软件企业融资成本。

H2：中小型软件企业数据资产入表规模越大，融资成本降低效果越显著。

（二）数据资产入表持续性的调节影响

数据资产入表对融资成本的优化作用并非短期即时效应，而是长期积累、持续赋能的结果。根据声誉理论，短期试探性入表、零星入表行为，难以形成稳定的资产积累与市场声誉，对企业资信水平的提升作用有限，金融机构难以将短期入表行为纳入信贷定价体系。而持续性数据资产入表，代表企业建立了常态化的数据资源治理、价值评估、财务核算体系，体现了企业规范经营、长期发展的战略导向[7]。

持续入表能够逐年积累账面数据资产规模，持续优化企业资产结构与财务指标，不断向金融市场传递稳定、积极的经营信号，持续缓解银企信息不对称，逐步提升企业信用评级与市场认可度。同时，长期合规入表的企业，更容易获得政府数据要素政策扶持与金融机构专项信贷倾斜，享受更低的贷款利率、更长的还款周期、更少的担保费用，进一步放大降本效应。反之，非持续、间断性的入表行为，易被金融机构认定为短期套利、政策跟风行为，无法形成有效增信。据此，本文提出假设：

H3：数据资产入表持续性能够正向强化入表行为对中小型软件企业融资成本的降低作用，持续入表企业的降本效应更显著。

（三）数据资产入表类型的异质性影响

根据会计核算规则，数据资产入表主要分为自用型数据资产（确认为无形资产）与交易型数据资产（确认为存货）两类，两类资产的价值稳定性、盈利持续性、风险水平存在显著差异，对融资成本的影响存在异质性[8]。自用型数据资产主要服务于企业内部研发、生产、运营、客户管理，是软件企业核心经营资源，价值稳定性强、复用率高，能够持续赋能企业产品迭代与业务升级，为企业带来长期稳定的现金流，风控价值更高。

交易型数据资产以对外销售、交易为核心目的，市场需求波动大、价值变现不确定性高、合规风险相对较强，金融机构对其价值认可度、质押授信比例相对较低。从市场实践来看，2025年国内软件企业自用型数据资产质押融资获批率达78.3%，平均融资利率降幅达12.6%，而交易型数据资产质押融资获批率仅45.2%，利率降幅仅5.3%，差异化特征显著[9]。据此，本文提出假设：

H4：相较于交易型数据资产入表，自用型数据资产入表对中小型软件企业融资成本的降低作用更显著。

三、研究设计

（一）样本与数据来源

本文选取2024-2025年沪深A股中小型软件上市企业为研究样本，其中中小企业判定标准参照证监会行业分类标准与企业规模划型标准，软件企业限定为软件和信息技术服务业（I65）。为保证样本有效性，本文对初始样本进行如下筛选：1.剔除ST、*ST及退市风险警示企业；2.剔除财务数据、数据资产入表数据缺失的样本；3.剔除资产负债率异常、经营数据极端异常的样本；4.剔除金融类、跨界经营非核心软件业务的企业。

最终筛选得到826个有效企业年度观测值。数据资产入表相关数据通过上市公司年报、社会责任报告、临时公告手工整理获取，企业财务数据、公司治理数据均来源于CSMAR数据库、Wind数据库，行业与年度数据手动匹配整理。本文采用Stata17.0计量软件开展实证回归分析，同时对所有连续变量进行首尾1%的缩尾处理，规避极端值对回归结果的干扰。

（二）变量定义

1. 被解释变量：融资成本（FC）。参考现有主流研究，采用债务融资成本衡量企业整体融资成本，计算公式为：$$FC=rac{利息支出}{期末总负债}$$，数值越小代表企业融资成本越低。

2. 解释变量：是否数据资产入表（DAD）、数据资产入表规模（lnDAS）。是否入表为虚拟变量，企业当年完成数据资产合规入表则取值为1，否则为0；入表规模采用企业当年入账数据资产总额的自然对数衡量，消除量纲影响。

3. 调节变量：入表持续性（Sust）。若企业连续两年及以上开展数据资产入表则取值为1，仅单年入表或未入表则取值为0。

4. 分组变量：入表类型（Type）。企业以自用型数据资产入表为主则取值为1，以交易型数据资产入表为主则取值为0。

5. 控制变量：借鉴相关研究成果，选取企业规模（Size）、企业年龄（Age）、资产负债率（Lev）、利息保障倍数（ICR）、营业收入增长率（Growth）、总资产收益率（ROA）为核心控制变量，同时控制年度固定效应（Year）与行业固定效应（Industry）。

具体变量定义如下表所示：

（三）模型设计

为检验本文H1、H2、H3、H4四项研究假设，结合变量关系与研究逻辑，构建如下可编辑多元线性回归模型：

模型1（检验H1：是否入表对融资成本的影响）：$$FC_{i,t}=lpha_0+lpha_1DAD_{i,t}+lpha_2Size_{i,t}+lpha_3Age_{i,t}+lpha_4Lev_{i,t}+lpha_5ICR_{i,t}+lpha_6Growth_{i,t}+lpha_7ROA_{i,t}+sum Year+sum Industry+arepsilon_{i,t}$$

模型2（检验H2：入表规模对融资成本的影响）：$$FC_{i,t}=lpha_0+lpha_1lnDAS_{i,t}+lpha_2Size_{i,t}+lpha_3Age_{i,t}+lpha_4Lev_{i,t}+lpha_5ICR_{i,t}+lpha_6Growth_{i,t}+lpha_7ROA_{i,t}+sum Year+sum Industry+arepsilon_{i,t}$$

模型3（检验H3：入表持续性的调节效应）：$$FC_{i,t}=lpha_0+lpha_1lnDAS_{i,t}+lpha_2Sust_{i,t}+lpha_3lnDAS_{i,t} imes Sust_{i,t}+lpha_4Size_{i,t}+lpha_5Age_{i,t}+lpha_6Lev_{i,t}+lpha_7ICR_{i,t}+lpha_8Growth_{i,t}+lpha_9ROA_{i,t}+sum Year+sum Industry+arepsilon_{i,t}$$

模型4（检验H4：入表类型的异质性效应）：将总样本按入表类型分为自用型、交易型两个子样本，分别代入模型2开展分组回归，对比两组核心系数的显著性与差异。

四、实证分析

（一）描述性统计分析

本文对所有核心变量、控制变量进行描述性统计，具体结果如下表所示：

从描述性统计结果可以看出：第一，样本企业融资成本（FC）均值为0.0725，最小值0.0103，最大值0.1862，说明中小型软件企业间融资成本差异较大，整体融资成本偏高，存在明显的融资痛点；第二，数据资产入表（DAD）均值为0.684，表明2024-2025年超68%的样本中小型软件企业已开展数据资产合规入表，入表普及率较高；第三，入表持续性（Sust）均值0.592，说明仅59.2%的企业实现持续入表，近四成企业为短期试探性入表；第四，入表类型（Type）均值0.653，意味着65.3%的入表企业以自用型数据资产入表为主，符合软件企业重研发、重内部数据运营的行业特征；第五，入表规模（lnDAS）标准差为2.1568，离散程度较高，反映不同企业数据资产入账规模差距显著，数据资产资本化能力分化明显；第六，各控制变量数据分布合理，样本企业规模、成长性、盈利能力、偿债能力存在合理差异，样本具备代表性。

（二）回归结果分析

1. 数据资产入表、入表规模对融资成本的基础影响

本文通过模型1、模型2检验核心假设H1、H2，基础回归结果如下表所示：

注：***p<0.01，**p<0.05，*p<0.1，下文表格统一沿用该显著性标准。

由上表回归结果可知：是否数据资产入表（DAD）的系数为-0.0186，在1%水平上显著为负，说明开展数据资产入表的中小型软件企业，融资成本显著低于未入表企业，假设H1成立；数据资产入表规模（lnDAS）系数为-0.0042，同样在1%水平显著为负，表明企业数据资产入账规模越大，资产增信效果越强，融资成本压降效果越明显，假设H2成立。控制变量中，资产负债率（Lev）显著为正，说明负债水平越高，企业融资风险越高，融资成本越高；企业规模、成长性、总资产收益率、利息保障倍数显著为负，符合传统融资理论，即企业经营实力越强、偿债能力越好，融资成本越低。

2. 入表持续性的调节效应检验

通过模型3检验入表持续性的调节作用，回归结果如下表所示：

回归结果显示，入表规模与入表持续性的交互项（lnDAS×Sust）系数为-0.0038，在1%水平显著为负，且核心解释变量系数绝对值相较于基础回归明显提升。这表明数据资产入表持续性存在显著的正向调节效应，持续入表能够强化数据资产入表对融资成本的压降作用，相较于短期、间断性入表企业，持续规范入表的中小型软件企业融资成本降低效果更显著，假设H3成立。究其原因，持续入表形成的稳定资产积累、规范治理体系与市场声誉，能够持续缓解银企信息不对称，提升金融机构授信认可度，放大降本赋能效果。

3. 入表类型的异质性效应检验

将样本分为自用型入表、交易型入表两组，开展分组回归检验H4，结果如下表所示：

由分组回归结果可知：自用型入表组lnDAS系数为-0.0056，在1%水平显著为负，降本效应极其显著；交易型入表组lnDAS系数为-0.0015，但未通过显著性检验。这充分说明，相较于交易型数据资产入表，自用型数据资产入表对中小型软件企业融资成本的降低作用更突出，假设H4成立。核心原因在于软件企业自用型数据资产绑定核心业务，价值稳定、风险可控，能够持续赋能企业经营发展，更容易获得金融机构认可，而交易型数据资产价值波动大、变现不确定性高，增信效果有限。

（三）稳健性检验

为验证本文回归结果的可靠性，避免变量衡量偏差、样本选择偏差影响实证结论，本文采用替换被解释变量衡量方式开展稳健性检验。原有融资成本为利息支出/期末总负债，稳健性检验中将融资成本重新定义为：$$FC=rac{利息支出}{平均总负债}$$，平均总负债=（期初总负债+期末总负债）/2，规避期末负债时点波动对结果的干扰。

将新的被解释变量代入所有模型重新回归，核心解释变量、交互变量的系数符号、显著性水平与原回归结果基本一致，各假设结论均成立，说明本文的实证研究结果稳健可靠，不存在显著的测量偏差与回归偏误。

五、研究结论与对策建议

（一）研究结论

本文以2024-2025年A股中小型软件上市企业为研究样本，实证检验了数据资产入表对企业融资成本的影响，以及入表持续性、入表类型的调节与异质性影响，最终得出以下结论：

1. 数据资产入表能够显著降低中小型软件企业融资成本，且存在规模效应。企业开展数据资产合规入表可有效缓解银企信息不对称、补齐轻资产抵押物短板、提升企业资信水平，显著压降债务融资成本；且数据资产入账规模越大，降本效果越显著。

2. 数据资产入表持续性具有正向调节作用。持续开展数据资产入表能够不断积累企业资产声誉与信用优势，强化入表行为对融资成本的压降效应，而非持续性、短期试探性入表的降本效果微弱，难以形成稳定的融资赋能价值。

3. 数据资产入表对融资成本的影响存在显著异质性。自用型数据资产入表能够显著降低中小型软件企业融资成本，而交易型数据资产入表的降本效果不显著，核心源于两类资产的价值稳定性、经营赋能性与市场认可度差异。

（二）对策建议

1. 企业层面：规范开展常态化、高质量数据资产入表。中小型软件企业应充分把握数据资产入表政策红利，摒弃短期试探性入表行为，建立常态化数据资源梳理、价值评估、合规入账机制；优先聚焦研发数据、用户数据、运营数据等自用型核心数据资产入表，夯实企业账面资产实力；同时主动完善数据资产信息披露，提升财务透明度，最大化发挥数据资产的增信降本作用，缓解企业融资困境。

2. 金融机构层面：优化数据资产融资授信体系。银行等金融机构应针对软件行业中小企业特征，建立差异化的数据资产价值评估体系，提高自用型数据资产的质押授信比例、下调授信利率；简化数据资产质押融资审批流程，创新数据资产质押、增信、授信等专项金融产品，精准适配中小型软件企业的融资需求，破解轻资产企业融资难题。

3. 政府层面：完善数据资产入表配套政策与激励机制。监管部门应进一步细化软件行业数据资产入表操作细则，规范数据确权、价值评估、会计核算标准，降低中小企业入表成本；出台专项财税补贴、融资贴息政策，激励中小企业持续合规入表；搭建区域性数据资产交易与征信平台，打通“数据资产-信用-融资”的转化通道，充分释放数据要素对中小企业融资的赋能价值。