摘要：制造业是我国实体经济的核心支柱，是推动国民经济高质量发展、夯实工业体系基础的关键产业。数字经济时代下，制造业企业数字化转型加速推进，重塑企业生产经营模式与内部治理体系，但转型投入大、周期长、不确定性强的特征，也催生了全新的财务风险隐患，而健全的内部控制体系是防范转型风险、稳定财务状态的核心抓手。因此，本文基于2019-2023年A股制造业上市公司面板数据，剔除ST、*ST及数据严重缺失的样本企业，最终选取1286家制造业上市公司为研究对象，运用因子分析法、多元回归模型开展实证研究，选取14项核心财务与治理指标，提炼出数字化转型水平、内部控制质量、财务风险程度三大核心变量，拆解为经营风险、偿债风险、盈利风险、治理风险四个评价维度，借助SPSS 26.0与Stata 17.0完成数据检验、模型回归与稳健性分析。研究结果表明，企业数字化转型可显著抑制财务风险，内部控制在二者关系中发挥部分中介作用，高质量内部控制能够放大数字化转型的风险防控效应；当前超四成制造业上市公司存在不同程度财务风险，且转型滞后、内控薄弱的企业风险问题更为突出。本文结合实证结果总结风险成因，针对性提出数字化转型优化、内部控制提质、财务风险防控的系列对策，为制造业上市公司稳健转型、防范财务危机提供参考。

关键词：数字化转型；内部控制；财务风险；制造业上市公司；因子分析法

中图分类号：F275

一、引言

制造业是国民经济的主体产业，涵盖装备制造、轻工制造、高端制造等多个细分领域，具备产业链长、资金密集、经营环节多、市场关联度高的特点，在稳定经济增长、吸纳社会就业、推动产业升级、完善实体经济体系等方面发挥着不可替代的作用，是我国建设制造强国、实现经济高质量发展的核心支撑。随着数字经济战略的全面推进，大数据、人工智能、工业互联网等数字技术与制造业深度融合，数字化转型已成为制造业企业提质增效、转型升级的必然趋势。数字化改造能够优化企业生产流程、打通产业链数据壁垒、提升经营决策效率，为企业可持续发展赋能。

但与此同时，制造业数字化转型存在前期投入成本高、技术迭代快、回报周期不确定、转型适配难度大等问题，多数企业在设备升级、系统搭建、技术研发、人才引入等方面需投入大量资金，极易引发资金链紧张、投融资失衡、收益不及预期等财务问题。同时，部分制造业企业内部控制体系不完善、治理机制滞后，无法适配数字化转型后的经营模式，内部管控漏洞、监督缺失、决策不规范等问题进一步放大财务风险，若长期积累未及时管控，极易引发大规模财务危机，制约企业转型进程与持续经营。

基于此，本文选取2019-2023年沪深A股制造业上市公司面板数据为研究样本，构建数字化转型、内部控制与企业财务风险的实证分析模型，搭建多维度指标评价体系，实证检验三者的内在关联与作用机制，精准识别制造业企业数字化转型过程中的财务风险现状与核心诱因，最终提出针对性的风险防控与治理优化对策，助力制造业企业依托数字化转型提质增效，依托内部控制筑牢风险防线。

二、文献综述

数字化转型、内部控制与企业财务风险的关联研究，是近年来公司治理与财务管理领域的热点课题，国内外学者围绕三者的作用机制、影响效果开展了大量探索，形成了丰富的研究成果。

国外相关研究起步较早，形成了成熟的理论与实证体系。Altman（1968）构建Z值财务风险预警模型，首次通过多维度财务指标量化企业财务风险，为后续财务风险实证研究奠定基础。Ohlson（1980）依托Logistic回归模型，验证了企业治理机制、经营模式对财务风险的预测作用，证明内部管控缺陷是诱发财务危机的重要因素。Goldfarb（2019）研究指出，企业数字化转型能够通过优化资源配置、提升信息透明度、减少经营冗余，有效降低财务决策失误风险与资金周转风险。Traforos（2022）进一步研究发现，内部控制机制能够有效缓解数字化转型过程中技术投入过剩、资金滥用、系统适配失衡引发的财务风险，是数字化转型风险管控的核心内部治理工具。

国内学者围绕制造业企业展开了大量针对性研究。曹彤、郭亚军（2014）结合因子分析法与预警模型，证实内部治理缺陷是制造业企业财务风险高发的核心原因。高雪莲（2024）实证研究表明，企业数字化转型可通过优化现金流管理、提升经营效率，显著抑制企业财务风险，但转型过程中的盲目投入会反向加剧风险。杜依（2025）基于A股制造业数据研究发现，数字技术应用能够提升企业资产运营效率、降低盈利波动，对财务风险具有显著的抑制作用。另有学者研究证实，高质量内部控制能够规范企业投融资决策、强化资金监管、完善内部监督，既可以直接降低财务风险，也可以作为中介变量，放大数字化转型的风险治理效果（杨云华，2025）。现有研究多聚焦二者单一关联，针对制造业行业特征，将数字化转型、内部控制、财务风险三者结合，探究内部控制中介效应的实证研究仍有待丰富。

综合上述文献可知，数字化转型、内部控制均与企业财务风险密切相关，但三者的传导机制、适配效果在制造业领域的细分实证研究仍存在补充空间。因此，本文基于A股制造业上市公司面板数据，采用因子分析法与多元回归模型，系统探究数字化转型对财务风险的影响，以及内部控制在其中的中介作用，精准剖析制造业企业数字化转型中的财务风险问题，丰富相关领域实证研究成果。

三、模型分析

（一）样本选择与数据来源

本文选取2019-2023年沪深A股制造业上市公司为初始研究样本，为保证实证数据的真实性、有效性与完整性，规避异常样本干扰研究结论，对初始样本进行如下筛选：第一，剔除ST、*ST、退市及暂停上市的风险异常企业；第二，剔除财务数据、治理数据、数字化转型数据严重缺失的样本；第三，剔除上市不足一年、经营状态异常的企业。最终筛选得到1286家制造业上市公司，共计6430个年度面板观测值。

研究数据主要来源如下：企业财务风险相关指标、经营数据来源于国泰安CSMAR数据库；内部控制质量数据来源于迪博内部控制指数数据库；数字化转型指标通过上市公司年度报告文本挖掘、关键词词频统计获取，数据整理与预处理通过Excel完成，实证检验、因子分析、回归分析通过SPSS 26.0与Stata 17.0软件完成。

（二）指标选取

本文遵循全面性、代表性、可靠性、可量化性的指标选取原则，结合制造业行业经营特征与数字化转型特点，结合现有研究成果，选取14项核心指标，构建“数字化转型-内部控制-财务风险”三维评价体系，具体指标设定如下：

1.被解释变量：财务风险（FR）。选取资产负债率（X1）、流动比率（X2）、速动比率（X3）、净利润波动率（X4）、总资产周转率（X5）、营业收入增长率（X6）、现金流量负债率（X7）7项指标，从偿债风险、盈利风险、营运风险、发展风险四个维度综合衡量企业财务风险。其中资产负债率、净利润波动率为负向指标，数值越高财务风险越大，其余指标为正向指标。

2.核心解释变量：数字化转型（DT）。借鉴主流研究方法，通过对企业年报中“大数据、人工智能、工业互联网、智能制造、数字化管控”等数字化关键词进行词频统计，标准化处理后得到数字化转型水平指标，词频越高代表企业数字化转型程度越深。

3.中介变量：内部控制质量（IC）。选取迪博内部控制指数标准化数值衡量，指数越高代表企业内部控制体系越完善、管控效果越好。

4.控制变量：选取企业规模（Size）、企业年龄（Age）、股权集中度（Top1）、总资产收益率（ROA）4项常用公司治理与财务指标作为控制变量，规避个体差异对实证结果的干扰。

（三）模型建立

1.数据可行性检验

为验证所选指标数据是否适合开展因子分析，本文对所有标准化处理后的变量数据进行KMO检验和巴特利特球形度检验，检验结果如下表所示。

表1  KMO和巴特利特检验结果

通常认为KMO值大于0.6即适合开展因子分析，数值越接近1，因子分析效果越好。由表1可知，本次研究KMO值为0.782，大于0.6，满足因子分析可行性标准；巴特利特球形度检验显著性为0.000，远小于0.05，表明各变量之间存在显著相关性，数据效度良好，可开展后续因子分析与实证检验。

2.公因子提取与方差解释

本文采用主成分分析法提取公因子，以特征根大于1为核心提取标准，筛选核心公因子，计算各因子方差贡献率与累计方差贡献率，结果如下表所示。

表2  总方差解释表

由表2数据可知，本次研究共提取4个特征根大于1的核心公因子，旋转后累计方差贡献率达到73.276%，能够覆盖原始14项指标70%以上的核心信息，因子提取效果良好，可有效反映样本企业的财务风险、数字化转型与内部控制核心特征。

3.因子旋转与公因子命名

为明确各公因子的经济含义，本文采用凯撒正态化最大方差法对因子载荷矩阵进行正交旋转，根据各指标载荷值大小完成公因子命名，旋转后成分得分系数矩阵如下表所示。

表3  成分得分系数矩阵（节选核心指标）

根据旋转后载荷值特征对4个公因子进行命名：因子1对数字化转型、内部控制质量指标载荷最高，命名为治理转型因子，反映企业数字化治理与内控水平；因子2对流动比率、速动比率、资产负债率载荷最高，命名为偿债风险因子；因子3对净利润波动率、总资产周转率载荷最高，命名为经营风险因子；因子4对营业收入增长率、现金流量负债率载荷最高，命名为发展风险因子。

结合因子得分系数与各因子方差贡献率权重，构建综合财务风险得分模型，权重分别为35.62%、17.94%、11.46%、8.25%，综合得分公式如下：

F=0.3562F1+0.1794F2+0.1146F3+0.0825F4

F值为企业综合财务风险得分，F值越高，代表企业数字化治理水平越高、财务风险越低；F值越低，企业财务风险越高、转型适配性越差。

4.回归模型设定

为进一步检验三者作用机制，设定基准回归与中介效应模型：

模型1（基准回归）：FR=α0+α1DT+α2Controls+ΣYear+ΣIndustry+ε

模型2（中介第一步）：IC=β0+β1DT+β2Controls+ΣYear+ΣIndustry+ε

模型3（中介第二步）：FR=γ0+γ1DT+γ2IC+γ3Controls+ΣYear+ΣIndustry+ε

其中，FR为财务风险，DT为数字化转型，IC为内部控制质量，Controls为控制变量，Year、Industry为年度与行业固定效应，ε为随机扰动项。

四、实证结果与分析

（一）财务风险等级划分标准

本文参照主流研究标准，以综合因子得分F值为依据，划分制造业上市公司财务风险等级，具体标准如下表所示。

表4  财务风险等级划分标准

（二）整体风险分布结果分析

根据综合因子得分计算结果，对1286家样本企业风险分布情况进行统计，结果如下：F＞0.3（低风险）企业482家，占比37.48%；0≤F≤0.3（较低风险）企业276家，占比21.46%；-0.3≤F＜0（较高风险）企业318家，占比24.73%；F＜-0.3（高风险）企业210家，占比16.33%。整体来看，存在不同程度财务风险的企业共计528家，占比41.06%，说明近四成A股制造业上市公司财务风险管控存在短板，整体财务稳定性有待提升。

（三）各维度因子得分分析

1.治理转型因子（F1）。该因子权重最高，为35.62%，直接反映企业数字化转型与内部控制协同水平。统计显示，F1得分小于0的企业共496家，占比38.57%，这类企业普遍存在数字化转型滞后、内控体系不完善、数字化治理与传统管理模式脱节等问题，无法通过数字化手段优化内部管控，难以有效防范经营风险，是财务风险高发的核心群体。而F1得分较高的企业，能够依托数字化转型完善内控流程、强化资金监管、规范决策机制，财务风险防控能力显著更强。

2.偿债风险因子（F2）。该因子权重17.94%，是制造业企业核心财务风险维度。样本数据显示，583家企业F2得分小于0，占比45.33%，近半数制造业企业存在偿债压力偏大、资产负债率偏高、短期资金流动性不足等问题。究其原因，制造业数字化转型需要持续的资金投入，多数企业依赖外部融资，债务规模持续扩张，叠加内控管控不严、资金配置不合理，导致偿债风险持续累积。

3.经营风险因子（F3）。该因子权重11.46%，反映企业盈利与资产运营稳定性。样本中542家企业F3得分小于0，占比42.14%，这类企业总资产周转效率偏低、盈利波动较大，核心原因在于数字化转型适配不足，生产、库存、销售各环节数字化协同不足，资源配置效率低下，同时内控监督缺失导致经营漏洞频发，加剧盈利不确定性与经营风险。

4.发展风险因子（F4）。该因子权重8.25%，反映企业长期发展潜力与现金流稳定性。样本中468家企业F4得分小于0，占比36.39%，部分企业存在盲目数字化投入、转型投入与收益不匹配的问题，高额的转型成本挤占经营现金流，叠加内控预算管控不严、投资决策不规范，导致企业营收增长乏力、现金流承压，长期发展风险凸显。

（四）回归结果分析

基准回归与中介效应回归结果如下表所示：

表5  回归结果汇总表（***、**、*分别代表1%、5%、10%显著性水平）

由回归结果可知：第一，数字化转型（DT）对财务风险（FR）在1%水平上显著正相关，说明数字化转型能够显著降低制造业企业财务风险；第二，数字化转型显著正向影响内部控制质量，说明数字化转型能够优化企业内部治理体系、完善内控机制；第三，加入内部控制变量后，数字化转型系数显著下降但仍显著，且内部控制系数显著为正，证明内部控制在数字化转型与企业财务风险之间发挥部分中介作用，即数字化转型可通过提升内部控制质量，进一步降低财务风险。

五、风险防控对策与建议

（一）精准推进数字化转型，严控转型投入风险

制造业企业需摒弃盲目数字化投入的误区，结合自身行业属性、经营规模、发展阶段制定适配的数字化转型方案，避免过度投入造成资金浪费与现金流压力。中小企业优先推进生产、库存、财务等核心环节的轻量化数字化改造，降低转型成本；大型制造企业依托工业互联网、大数据系统，实现全产业链数字化协同，优化资源配置效率。同时建立数字化转型预算管控机制，细化转型资金投入规划，动态跟踪转型投入与产出效益，及时调整不合理的转型布局，从源头降低转型引发的财务风险。

（二）完善内部控制体系，发挥中介治理效应

企业需依托数字化转型契机，重构适配数字化模式的内部控制体系，打通数据共享壁垒，实现财务、生产、销售、风控数据实时互通。完善资金管控、投融资决策、信用管理、内部监督等核心内控流程，建立数字化风控监督平台，对企业资金流转、债务规模、盈利状态进行实时动态监控，及时识别潜在财务风险。同时优化内控考核机制，将风险防控成效纳入部门与员工考核，杜绝内控形式化、监督流于表面的问题，以高质量内部控制放大数字化转型的风险防控效果。

（三）优化资金管理结构，降低偿债与经营风险

针对制造业企业普遍存在的偿债压力大、资金周转效率低的问题，企业需优化融资结构，合理控制债务规模，拓宽股权融资、产业融资等多元化融资渠道，降低单一债务融资的风险。建立精细化现金流管理制度，严格管控日常经营与数字化转型资金支出，提升资金使用效率。同时优化应收账款与存货管理，依托数字化系统实时监控账款回收进度、库存周转状态，建立客户信用评级体系，减少呆账、坏账与库存积压，有效降低营运风险，稳定企业经营状态。

（四）强化风险预警机制，实现风险动态管控

企业结合本次实证研究的四大风险维度，搭建适配制造业的数字化财务风险预警体系，将偿债能力、经营能力、发展能力、治理转型水平纳入预警指标库，设置分级预警阈值。依托大数据技术实现财务风险自动监测、智能研判、及时预警，针对高风险、较高风险指标及时制定整改方案，实现风险事前预防、事中管控、事后整改的全流程管控，避免风险持续累积引发财务危机。

（五）培育数字化风控人才，夯实企业治理基础

数字化转型与内控风控落地，离不开专业人才支撑。企业需建立常态化人才培养机制，定期开展数字化管理、内控建设、财务风控等专项培训，提升内部财务人员、管理人员的数字化风控能力。同时引入兼具数字技术、财务管理、内控治理能力的复合型人才，优化人才队伍结构。建立人才激励机制，对风险防控成效显著、数字化治理落地到位的员工给予奖励，充分发挥人才在风险防控、数字化转型中的核心作用。

六、结论

本文基于2019-2023年A股1286家制造业上市公司面板数据，运用因子分析法、多元回归模型实证检验了数字化转型、内部控制与企业财务风险的内在作用机制。研究得出以下结论：第一，当前我国A股制造业上市公司近四成存在不同程度财务风险，偿债风险、经营风险是最突出的风险类型；第二，数字化转型能够显著抑制制造业企业财务风险，企业数字化水平越高，财务风险管控能力越强；第三，内部控制在二者之间发挥部分中介效应，数字化转型可通过完善内部控制体系、优化内部治理，进一步降低财务风险。

数字经济背景下，制造业企业数字化转型是长期发展趋势，风险防控是企业稳健经营的核心保障。企业需平衡数字化转型与风险管控的关系，以精准转型赋能发展，以完善内控筑牢防线，通过优化资金管理、搭建预警体系、培育专业人才等多元举措，持续降低财务风险，实现数字化转型与风险管控协同发展，推动制造业企业高质量可持续发展。