摘要:中小企业普遍存在资产结构轻、价值辨识度低、融资渠道狭窄等痛点,传统信贷融资模式难以匹配中小企业数字化转型发展需求。数据资产入表政策的落地实施,为中小企业数据资源资本化、资产价值显性化提供了制度支撑,成为推动企业价值重构、破解融资困境的全新路径。本文构建数据资产入表影响中小企业融资创新的理论模型,剖析其价值重塑、信用增信、融资渠道拓展的作用机制,提出数据资产入表可通过优化企业资产结构、提升市场价值认可度、拓宽资本获取路径,实现中小企业融资模式创新。选取2021-2023年A股中小板、创业板中小企业为研究样本,构建多元回归模型开展实证检验。研究结果表明,数据资产入表能够显著推动中小企业价值重构,有效缓解企业融资约束、降低融资成本;企业价值重构在数据资产入表与融资创新之间发挥中介作用。同时,企业数字化水平、信息披露质量对核心路径存在正向调节效应。稳健性检验进一步验证了数据资产入表对中小企业融资创新的驱动效应具备稳定性。本研究为中小企业落地数据资产入表、实现价值升级、创新融资模式,以及政府完善数据资产市场化制度体系提供了实证依据与决策参考。
关键词:数据资产入表;中小企业;价值重构;融资创新;融资约束
中图分类号:F276.3 文献标识码:A
一、引言
数字经济时代,数据已成为继土地、劳动力、资本、技术之后的第五大生产要素,数据资源的资产化、资本化转型成为企业高质量发展的核心抓手[1]。随着《企业数据资源相关会计处理暂行规定》正式实施,数据资产入表全面落地,彻底打破了传统企业资产核算体系的局限,为海量轻资产特征的中小企业带来发展新机遇[2]。中小企业作为国民经济的毛细血管,是创新创业、吸纳就业、产业升级的核心主体,但长期受限于固定资产匮乏、财务报表单薄、信用背书不足等问题,普遍面临融资难、融资贵、融资慢的发展困境,传统银行信贷、股权融资等模式难以适配中小企业的成长特征[3]。
在传统融资体系下,金融机构主要依托固定资产、营业收入、抵押物等传统指标评估企业价值与偿债能力,大量中小企业的数字化成果、数据资源价值无法量化体现,形成“数据有价值、报表无体现、融资无支撑”的结构性矛盾[4]。数据资产入表政策从会计制度层面,实现了企业数据资源的确认、计量、列报与披露,将隐性的数据资源转化为可量化、可确权、可质押的显性资产,为中小企业价值重构提供了制度基础,也为资本市场融资创新提供了全新标的[5]。
当前学界关于数据资产的研究多集中于会计核算规则、资产管理体系、大型企业数字化转型等领域,针对数据资产入表与中小企业价值重构、融资创新的关联性实证研究较为匮乏。现有研究尚未充分厘清数据资产入表驱动中小企业价值升级的内在逻辑,也未系统验证其对融资模式创新、融资约束缓解的作用路径。同时,中小企业数字化程度参差不齐、数据治理能力薄弱,数据资产入表的价值释放效应、融资赋能效应仍有待实证检验[6]。基于此,本文以2021-2023年A股中小企业为研究样本,从价值重构的中介视角,实证检验数据资产入表对中小企业融资创新的驱动机制,揭示其内在作用路径与边界条件,以期丰富数据要素市场化与中小企业融资创新的相关研究,为中小企业破解融资难题、实现数字化价值变现提供实践参考。
二、理论分析与研究假设
(一)数据资产入表与中小企业融资创新
融资创新的核心是企业可抵押资产扩容、信用体系重构、融资渠道多元化,而中小企业传统融资困境的本质是资产价值错配与信息不对称问题。在传统会计准则下,企业数据资源无法确认为资产,仅能作为费用核算,导致中小企业资产规模被低估、核心数字化价值被隐藏,金融机构难以精准评估企业真实经营价值与发展潜力[7]。
数据资产入表通过会计规则革新,实现了数据资源的资产化确认,从三个维度推动中小企业融资创新。一是资产结构优化,将无形数据资源转化为表内资产,扩充企业总资产规模,改善企业轻资产属性,提升企业资产负债率、净资产收益率等核心财务指标的合理性,满足金融机构授信基础要求;二是信用信号传递,数据资产入表要求企业规范数据治理、完善信息披露,向资本市场传递企业数字化合规、经营稳健、具备长期成长潜力的积极信号,降低投融资双方信息不对称;三是融资标的拓展,数据资产可作为质押、增信标的,催生数据质押贷款、数据资产证券化等新型融资模式,打破传统固定资产抵押的融资壁垒[8]。基于上述分析,提出研究假设:
假设H1:数据资产入表能够显著驱动中小企业融资创新,有效缓解企业融资约束、降低融资成本。
(二)企业价值重构的中介作用
中小企业价值重构是指在数字经济背景下,企业从传统固定资产价值导向,转向数据价值、技术价值、成长价值多维融合的价值体系升级过程。数据资产入表是中小企业价值重构的核心制度驱动力,其不仅改变企业会计核算方式,更重塑了企业的市场价值评估逻辑[9]。
1.价值量化重构机制。数据资产入表将企业日常经营、数字化转型积累的数据资源转化为可计量的表内资产,弥补了传统财务报表无法体现数字化价值的短板,精准反映企业核心竞争力与隐性价值,实现企业账面价值与真实市场价值的匹配。
2.市场价值提升机制。数据资产作为新型生产要素,具备高成长性、高附加值的特征,企业数据资产的确认与披露,能够提升投资者、金融机构对企业未来盈利预期,抬高企业市场估值与行业话语权。
3.融资价值转化机制。企业价值重构完成后,资产含金量、信用等级、市场认可度显著提升,企业可依托重构后的价值体系,突破传统融资限制,获取更低成本、更多元的融资资源,实现融资模式创新[10]。据此推断,数据资产入表可通过推动企业价值重构,间接赋能融资创新,提出假设:
假设H2:企业价值重构在数据资产入表与中小企业融资创新之间发挥显著的中介作用。
(三)数字化水平与信息披露质量的调节作用
1.企业数字化水平的调节作用。企业数字化水平是数据资产价值释放的基础条件,数字化程度越高的中小企业,数据采集、治理、应用能力越强,入表的数据资产质量越高、价值真实性越强,对企业价值重构的赋能效果越显著,进而更高效地推动融资创新。反之,低数字化水平企业数据资源零散、治理不规范,数据资产入表的价值释放效应有限[11]。
假设H3:企业数字化水平对数据资产入表驱动融资创新的路径存在正向调节作用,数字化水平越高,驱动效应越显著。
2.信息披露质量的调节作用。数据资产入表的融资赋能效应依赖于信息透明化,高质量的信息披露能够精准向市场传递数据资产规模、质量、应用场景等核心信息,降低投资者风险预判成本,强化数据资产的信用增信效果。低信息披露质量会导致数据资产价值无法被市场有效识别,弱化融资创新效应[12]。
假设H4:信息披露质量对数据资产入表驱动融资创新的路径存在正向调节作用,信息披露质量越高,驱动效应越显著。
三、研究设计
(一)样本选取与数据来源
本文选取2021-2023年沪深A股中小板、创业板中小企业为研究样本,以2021年作为政策前置观测期,2022-2023年作为数据资产入表政策落地观测期。样本数据来源于国泰安数据库(CSMAR)、上市公司年报及巨潮资讯网。为保障数据有效性与实证结果稳健性,对样本进行如下筛选处理:剔除金融类、房地产类特殊行业企业;剔除ST、*ST及退市企业;剔除核心变量数据严重缺失的样本;对所有连续变量进行上下1%的缩尾处理,规避极端值干扰。最终得到有效企业年度观测值9852个。
(二)变量定义与度量
1.变量说明
本文被解释变量为融资创新(FinInn),采用融资约束程度(KZ指数)与融资成本综合衡量,KZ指数越小、融资成本越低,代表企业融资创新效果越好、融资困境缓解越明显。核心解释变量为数据资产入表(DataAsset),借鉴主流研究方法,以企业年报中确认的无形资产类数据资产、存货类数据资产总额取对数衡量,数据资产入账规模越大,代表企业入表实施程度越高。
中介变量为企业价值重构(ValueRe),采用托宾Q值(TobinQ)衡量,托宾Q值越高,代表企业市场价值与账面价值匹配度越高,价值重构效果越显著。调节变量分别为企业数字化水平(Digital)、信息披露质量(InfoQual),数字化水平采用企业数字化关键词词频对数衡量,信息披露质量采用深交所、上交所信息披露考评等级量化赋值。
控制变量选取企业规模、资产负债率、盈利能力、成长能力、第一大股东持股比例、两职合一、企业年龄、固定资产比例、董事会规模、独立董事比例,全面控制企业微观特征对融资创新的干扰。具体变量定义如表1所示。
变量类型 | 变量名称 | 变量符号 | 变量定义 |
|---|---|---|---|
被解释变量 | 融资创新 | FinInn | 采用KZ指数衡量融资约束,指数越小,融资创新效果越好、融资约束越弱 |
核心解释变量 | 数据资产入表 | DataAsset | 企业表内确认的数据资产总额取自然对数 |
中介变量 | 企业价值重构 | ValueRe | 托宾Q值=(股票市值+负债账面价值)/资产重置成本 |
调节变量 | 企业数字化水平 | Digital | 企业年报数字化转型关键词词频总和取对数 |
调节变量 | 信息披露质量 | InfoQual | 考评等级A=4、B=3、C=2、D=1,数值越高质量越高 |
控制变量 | 企业规模 | Size | 企业年末总资产取自然对数 |
资产负债率 | Lev | 总负债/总资产 | |
盈利能力 | ROA | 净利润/总资产 | |
成长能力 | Growth | 营业收入同比增长率 | |
第一大股东持股比例 | Firsthold | 第一大股东持股数/总股本 | |
两职合一 | Dual | 董事长与总经理为同一人取1,否则取0 | |
企业年龄 | Age | 企业成立年限取自然对数 | |
固定资产比例 | FA | 固定资产净值/总资产 | |
董事会规模 | Bsize | 董事会总人数 | |
独立董事比例 | Indp | 独立董事人数/董事会总人数 |
2.模型设计
为验证本文研究假设,构建基准回归、中介效应、调节效应模型如下:
基准回归模型(验证H1):$$FinInn_{it}=lpha_0+lpha_1 DataAsset_{it}+sumlpha Control_{it}+arepsilon_{it}$$
中介效应模型(验证H2):
$$ValueRe_{it}=eta_0+eta_1 DataAsset_{it}+sumeta Control_{it}+arepsilon_{it}$$
$$FinInn_{it}=gamma_0+gamma_1 DataAsset_{it}+gamma_2 ValueRe_{it}+sumgamma Control_{it}+arepsilon_{it}$$
调节效应模型(验证H3、H4):
$$FinInn_{it}=delta_0+delta_1 DataAsset_{it}+delta_2 Moderate_{it}+delta_3 DataAsset_{it} imes Moderate_{it}+sumdelta Control_{it}+arepsilon_{it}$$
其中,$$Moderate$$为数字化水平、信息披露质量调节变量,$$i$$为企业个体,$$t$$为年度,$$arepsilon$$为随机扰动项。
四、实证分析
(一)描述性统计
各变量描述性统计结果如表2所示。样本企业融资创新(FinInn)的KZ指数均值为0.315,标准差为1.207,说明中小企业整体存在明显融资约束,且不同企业融资水平差异较大。数据资产入表(DataAsset)均值为1.862,最小值为0,最大值为5.936,表明样本中小企业数据资产入表实施程度参差不齐,多数企业数据资产资本化程度较低。企业价值重构(ValueRe)托宾Q值均值为2.413,符合中小企业高成长、高估值特征。数字化水平、信息披露质量及各控制变量取值均处于合理区间,样本数据无明显异常,具备实证分析条件。
变量 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
FinInn | 9852 | 0.315 | 1.207 | -5.812 | 7.126 |
DataAsset | 9852 | 1.862 | 1.053 | 0.000 | 5.936 |
ValueRe | 9852 | 2.413 | 1.325 | 0.872 | 8.653 |
Digital | 9852 | 2.105 | 0.986 | 0.000 | 4.892 |
InfoQual | 9852 | 2.731 | 0.812 | 1.000 | 4.000 |
Size | 9852 | 21.963 | 1.285 | 17.852 | 26.891 |
Lev | 9852 | 0.452 | 0.213 | 0.062 | 0.915 |
ROA | 9852 | 0.048 | 0.065 | -0.263 | 0.295 |
Growth | 9852 | 0.153 | 0.216 | -0.562 | 1.213 |
Firsthold | 9852 | 0.338 | 0.149 | 0.065 | 0.752 |
Dual | 9852 | 0.435 | 0.496 | 0.000 | 1.000 |
Age | 9852 | 2.652 | 0.785 | 1.098 | 3.891 |
FA | 9852 | 0.265 | 0.152 | 0.011 | 0.735 |
Bsize | 9852 | 8.426 | 1.853 | 5.000 | 15.000 |
Indp | 9852 | 0.382 | 0.091 | 0.200 | 0.667 |
(二)基准回归结果分析
数据资产入表对中小企业融资创新的基准回归结果如表3所示。列(1)为未加入控制变量的回归结果,列(2)为加入全部控制变量后的回归结果。结果显示,无论是否加入控制变量,数据资产入表(DataAsset)对融资创新(FinInn)的系数均在1%水平上显著为负,系数为-0.126(p<0.01)。这表明数据资产入表能够显著降低中小企业KZ指数,缓解企业融资约束,推动融资模式创新,本文假设H1成立。
从控制变量来看,企业规模、盈利能力、成长能力系数显著为负,说明企业规模越大、盈利水平越高、成长能力越强,融资创新效果越好,融资约束越弱;资产负债率系数显著为正,表明过高的负债水平会加剧中小企业融资困境,与现有研究结论一致,基准回归结果符合理论预期。
变量 | (1)无控制变量 | (2)加入控制变量 |
|---|---|---|
DataAsset | -0.153***(-4.82) | -0.126***(-4.05) |
Size | - | -0.083***(-3.62) |
Lev | - | 0.312***(5.18) |
ROA | - | -0.215***(-4.26) |
Growth | - | -0.068*(-1.83) |
Firsthold | - | -0.025(-0.68) |
Dual | - | 0.019(0.52) |
Age | - | -0.012(-0.45) |
FA | - | 0.082*(1.91) |
Bsize | - | -0.011(-0.72) |
Indp | - | -0.065(-0.81) |
常数项 | 0.582***(12.36) | 1.852***(8.63) |
R² | 0.085 | 0.216 |
注:*p<0.1,**p<0.05,***p<0.01;括号内为t值,下同。 | ||
(三)中介效应检验
为验证企业价值重构的中介作用,依次开展中介效应检验,结果如表4所示。列(1)结果显示,数据资产入表(DataAsset)对企业价值重构(ValueRe)的系数在1%水平上显著为正(0.218***),说明数据资产入表能够有效推动中小企业价值重构,提升企业市场价值。列(2)将核心解释变量与中介变量同时纳入模型,结果显示,数据资产入表、企业价值重构系数均显著为负,且核心解释变量系数绝对值相较于基准回归有所下降。
这表明企业价值重构发挥了部分中介效应,数据资产入表不仅可以直接推动中小企业融资创新,还能通过优化企业价值体系、提升企业市场认可度、完善资产价值结构,间接缓解融资约束、实现融资模式创新,本文假设H2成立。
变量 | (1)DataAsset→ValueRe | (2)纳入中介变量回归 |
|---|---|---|
DataAsset | 0.218***(5.36) | -0.079***(-3.12) |
ValueRe | - | -0.102***(-4.58) |
控制变量 | Yes | Yes |
常数项 | 1.265***(7.92) | 1.583***(8.26) |
R² | 0.189 | 0.243 |
(四)调节效应检验
数字化水平、信息披露质量的调节效应检验结果如表5所示。列(1)、列(2)为数字化水平调节效应结果,数据资产入表与数字化水平交互项(DataAsset×Digital)系数显著为负,说明数字化水平越高,数据资产入表对融资创新的驱动效应越强,正向调节作用显著,假设H3成立。列(3)、列(4)为信息披露质量调节效应结果,交互项(DataAsset×InfoQual)系数显著为负,表明高质量信息披露能够强化数据资产入表的融资赋能效果,假设H4成立。
究其原因,高数字化水平企业的数据资产质量更高、价值真实性更强,能够精准实现价值重构;高质量信息披露可有效降低市场信息不对称,让金融机构充分识别企业数据资产价值,最大化释放数据资产的融资增信效应。
变量 | (1)数字化水平 | (2)交互效应 | (3)信息披露质量 | (4)交互效应 |
|---|---|---|---|---|
DataAsset | -0.118***(-3.86) | -0.092***(-3.25) | -0.121***(-3.92) | -0.085***(-3.06) |
Digital | -0.075***(-2.93) | -0.068***(-2.71) | - | - |
DataAsset×Digital | - | -0.042**(-2.35) | - | - |
InfoQual | - | - | -0.081***(-3.12) | -0.073***(-2.89) |
DataAsset×InfoQual | - | - | - | -0.038**(-2.16) |
控制变量 | Yes | Yes | Yes | Yes |
R² | 0.228 | 0.239 | 0.231 | 0.242 |
(五)稳健性检验
为保障实证结果的可靠性,本文采用替换被解释变量、缩短样本区间、固定年度与行业效应三种方式开展稳健性检验,结果如表6所示。替换被解释变量为企业融资成本后,数据资产入表系数仍显著为负;将样本区间缩短为2022-2023年政策落地期,核心结论保持不变;控制年度、行业固定效应后,核心解释变量系数显著性与符号未发生偏移。
稳健性检验结果表明,数据资产入表驱动中小企业价值重构、赋能融资创新的核心结论具备稳定性与可靠性,本文各项研究假设均成立。
变量 | (1)替换被解释变量 | (2)缩短样本区间 | (3)固定双向效应 |
|---|---|---|---|
DataAsset | -0.105***(-3.52) | -0.113***(-3.68) | -0.098***(-3.31) |
控制变量 | Yes | Yes | Yes |
年度固定效应 | No | No | Yes |
行业固定效应 | No | No | Yes |
R² | 0.208 | 0.212 | 0.265 |
五、研究结论与对策建议
(一)研究结论
本文以2021-2023年A股中小企业为研究样本,基于价值重构中介视角,实证检验数据资产入表对中小企业融资创新的驱动机制与边界条件。研究得出以下结论:第一,数据资产入表能够显著缓解中小企业融资约束、降低融资成本,有效推动企业融资模式创新,是破解中小企业融资困境的重要制度抓手。第二,企业价值重构在核心路径中发挥部分中介效应,数据资产入表通过实现数据价值显性化、优化企业资产结构、提升市场估值水平,完成企业价值体系重构,进而赋能融资创新。第三,企业数字化水平、信息披露质量存在显著正向调节作用,数字化程度越高、信息披露越规范,数据资产入表的融资赋能效应越显著。第四,数据资产入表对中小企业融资创新的驱动效应具备稳健性,在替换变量、调整样本、控制固定效应后核心结论依然成立。
(二)对策建议
1.全面推进中小企业数据资产规范化入表,夯实价值重构基础。政府应持续完善数据资产会计核算、确权登记、价值评估配套制度,出台适配中小企业的轻量化入表指引,降低中小企业数据资产入表的合规成本与操作门槛。针对中小微企业数字化能力薄弱的痛点,开展专项培训与技术帮扶,引导企业规范数据采集、治理、归档流程,提升表内数据资产质量,充分释放数据要素价值,为企业价值重构提供制度与数据支撑。
2.依托企业价值重构成果,创新中小企业融资服务体系。金融机构应打破传统固定资产抵押的信贷思维,建立适配数据资产的价值评估、风险管控、授信审批体系,推出数据质押贷款、数据资产增信融资、数字供应链金融等创新产品。依托企业数据资产入表后的价值重构成果,精准识别中小企业核心竞争力与成长潜力,降低优质数字化中小企业的融资门槛与融资成本,拓宽多元化融资渠道。
3.强化数字化建设与信息披露协同,放大政策赋能效应。中小企业应主动推进数字化转型,完善内部数据治理体系,提升数据资产规范化水平;同时严格落实数据资产信息披露要求,精准披露数据资产规模、应用场景、价值收益等核心信息,降低资本市场信息不对称。通过“数字化升级+规范化披露”双向发力,强化数据资产的信用增信效果,最大化发挥数据资产入表的价值重构与融资创新赋能作用。
4.完善配套政策激励机制,构建长效赋能体系。监管部门应建立数据资产入表激励机制,对积极落实入表、数据治理规范的中小企业给予财税补贴、信用加分、融资贴息等政策支持。同时搭建数据资产市场化交易平台,打通数据资产确权、估值、质押、流转全链条,让数据资产真正成为中小企业可落地、可变现、可融资的核心资产,持续推动中小企业价值升级与融资模式创新。