摘要：本文选取2021—2024年A股上市公司年度面板数据，基于数据资产入表政策落地的准自然实验场景，通过固定效应模型、中介效应检验、稳健性检验等实证方法，探究数据资产入表、企业数字化投资、融资约束与资本配置效率的内在关联与作用机制。研究发现：数据资产入表能够显著提升企业资本配置效率；数字化投资在数据资产入表与资本配置效率之间发挥正向中介作用；融资约束存在显著负向调节效应，数据资产入表可通过缓解企业融资约束、优化数字化投资结构，进一步改善企业资本配置效率。本文为数据要素市场化改革背景下企业优化资本配置、释放数据资产价值提供了实证依据与实践参考。

关键词：数据资产入表；数字化投资；融资约束；资本配置效率；上市公司

中图分类号：F275；F830.91；F49

一、引言

数据作为新型生产要素，是数字经济高质量发展的核心支撑。2023年财政部印发《企业数据资源相关会计处理暂行规定》，2024年正式全面实施数据资产入表政策，彻底打破了传统会计体系下“数据仅计成本、不计资产”的局限，实现了数据资源从无形资源到可计量、可确权、可变现资产的转变，为企业数据要素价值释放构建了制度化通道[1]。数据资产入表不仅重构了企业资产负债结构，更深刻影响企业的投资决策、融资能力与资本运作模式，成为驱动企业数字化转型与资本配置优化的关键政策抓手。

当前数字经济转型进程中，企业数字化投资规模持续扩张，但普遍存在投资低效、资金错配、资源闲置等问题，同时多数实体企业面临不同程度的融资约束，融资成本高、融资渠道窄的问题严重制约了数字化投资的精准落地，进而导致资本配置效率偏低。现有研究多集中于数据资产入表的政策效应、数字化投资的经济后果或融资约束的单一影响，鲜有将四者纳入同一分析框架，系统探究数据资产入表背景下企业数字化投资、融资约束对资本配置效率的协同作用机制。

基于此，本文以A股上市公司为研究样本，通过实证检验剖析数据资产入表对企业资本配置效率的直接影响，以及数字化投资的中介效应、融资约束的调节效应，厘清变量间的内在传导逻辑，弥补现有研究的不足，同时为企业依托数据资产入表政策优化投资融资决策、提升资本配置效率提供实践参考。

二、文献综述

近年来，国内学者围绕数据资产入表、数字化投资、融资约束与资本配置效率展开了多维度研究，相关成果主要集中于数据资产入表的经济效应、数字化投资与资本配置的关系、融资约束的调节作用三个核心维度。

（一）数据资产入表的经济效应研究

数据资产入表作为数据要素市场化改革的核心制度创新，其核心价值在于实现数据资源的资产化、显性化与价值化。沈家豪（2024）研究指出，数据资产入表通过规范数据资源的会计确认与计量，有效改善企业财务信息透明度，提升企业资产质量与信用水平，为企业投融资活动提供财务支撑[2]。上海财经大学课题组（2025）实证发现，数据资产入账能够显著降低企业信息不对称程度，抑制企业金融化套利行为，优化企业内部资源配置结构[3]。李诗等（2025）认为，数据资产入表提升了企业会计信息相关性，帮助资本市场精准识别企业核心资产价值，有效缓解企业外部融资困境[4]。部分学者进一步研究发现，数据资产入表能够倒逼企业完善数据治理体系，推动数字化转型提质增效，为企业长期价值增长赋能。

（二）数字化投资与资本配置效率的相关研究

数字化投资是企业适配数字经济发展、优化资本配置的核心手段。王竹泉等（2022）研究表明，企业数字化投资能够通过赋能生产运营、优化管理流程、降低信息壁垒，有效改善资本配置效率，减少资金闲置与错配问题[5]。张敏、刘莉（2023）基于上市公司数据实证发现，适度的数字化投资能够推动企业产业结构升级，提升资本投入产出效率，但过度盲目数字化投资会引发资源浪费，抑制资本配置效率提升[6]。陈劲等（2024）认为，数字化投资具备长期性、高风险性特征，传统融资约束会制约数字化投资的精准投放，导致数字化投资对资本配置效率的提升效应存在显著异质性[7]。

（三）融资约束的调节与中介作用研究

融资约束是影响企业投融资决策与资本配置的关键变量。方芳、蔡卫星（2021）研究指出，融资约束越高的企业，越难以开展高效的数字化投资，资本配置扭曲程度越显著[8]。赵鑫（2023）实证验证，数据资产入表可通过增加企业可抵押资产规模、优化财务报表结构，有效缓解融资约束，为企业数字化投资提供资金保障[9]。李建军等（2024）进一步提出，融资约束在企业数字化投资与资本配置效率之间存在负向调节作用，宽松的融资环境能够放大数字化投资对资本配置效率的提升效应[10]。

综合现有文献来看，学界已分别验证了数据资产、数字化投资、融资约束对企业经营的单一影响，但尚未系统构建“数据资产入表—融资约束—数字化投资—资本配置效率”的完整传导路径，对变量间的链式作用机制研究不足。基于此，本文构建中介调节效应模型，深入剖析四者的内在关联，丰富数据要素市场化与企业资本配置领域的研究成果。

三、研究设计

（一）样本选取与数据来源

本文选取2021—2024年沪深A股上市公司年度面板数据为研究样本，为保证数据有效性，对样本进行如下筛选：剔除金融类、ST、*ST类上市公司样本；剔除数据严重缺失、异常的样本；剔除上市不足一年的样本。最终得到12864个年度观测值。本文数据资产入表数据、数字化投资数据、财务数据均来源于国泰安（CSMAR）数据库，融资约束采用SA指数测算，资本配置效率借鉴Richardson模型测算，所有连续变量均进行1%和99%分位缩尾处理，规避极端值干扰。

（二）变量定义

1.被解释变量：资本配置效率（Eff）。借鉴Richardson（2006）经典模型，通过企业实际投资支出与预期投资支出的残差绝对值衡量资本配置效率，残差绝对值越小，表明企业资本配置效率越高，为方便实证解读，本文对数值取负处理。

2.核心解释变量：数据资产入表（DAD）。参考现有研究，以企业年报中数据资源确认为无形资产、存货的金额对数衡量数据资产入表程度，数值越大，代表企业数据资产入表规模越高、落地程度越深。

3.中介变量：数字化投资（DI）。以企业数字化建设相关固定资产、无形资产投入及数字化研发支出总额的对数衡量企业数字化投资水平。

4.调节变量：融资约束（SA）。采用学界通用的SA指数衡量，SA指数绝对值越大，代表企业面临的融资约束程度越高。

5.控制变量。为规避遗漏变量偏差，本文选取企业规模（Size）、企业年龄（Age）、资产负债率（Lev）、总资产收益率（Roa）、股权集中度（Top1）、董事会规模（Board）、现金流水平（Cash）作为控制变量，同时控制行业与年度固定效应。

（三）模型设定

为检验本文研究假设，依次构建基准回归模型、中介效应模型、调节效应模型：

基准模型：$$Eff_{it}=_x0007_lpha_0+_x0007_lpha_1DAD_{it}+sum Control_{it}+sum Year+sum Ind+
arepsilon_{it}$$

中介模型1：$$DI_{it}=eta_0+eta_1DAD_{it}+sum Control_{it}+sum Year+sum Ind+
arepsilon_{it}$$

中介模型2：$$Eff_{it}=gamma_0+gamma_1DAD_{it}+gamma_2DI_{it}+sum Control_{it}+sum Year+sum Ind+
arepsilon_{it}$$

调节模型：$$Eff_{it}=delta_0+delta_1DAD_{it}+delta_2SA_{it}+delta_3DAD_{it} imes SA_{it}+sum Control_{it}+sum Year+sum Ind+
arepsilon_{it}$$

四、实证结果与分析

（一）描述性统计

本文对所有核心变量及控制变量进行描述性统计，包含观测值、均值、标准差、最小值、最大值，初步判断样本数据的分布特征，结果如表1所示。

由表1可知，企业资本配置效率（Eff）均值为-0.0862，标准差为0.0735，说明样本企业资本配置效率整体偏低，且企业间差异较小；数据资产入表（DAD）、数字化投资（DI）标准差分别为2.1469、1.8952，表明不同企业的数据资产入表落地程度与数字化投资规模存在显著差异；融资约束（SA）分布区间合理，符合上市公司整体融资特征，样本数据具备良好的实证研究价值。

（二）相关性分析

为初步检验变量间的相关关系，本文对核心变量进行Pearson相关性检验，结果如表2所示。

注：***、**、*分别代表1%、5%、10%的显著性水平，下同。

由表2结果可知，数据资产入表（DAD）、数字化投资（DI）均与资本配置效率（Eff）在1%水平上显著正相关，初步说明数据资产入表、数字化投资能够提升企业资本配置效率；融资约束（SA）与资本配置效率、数据资产入表、数字化投资均在1%水平上显著负相关，表明融资约束会抑制企业资本配置优化与数字化转型投入，与理论预期一致。同时变量间相关系数均小于0.5，不存在严重多重共线性问题，可开展后续回归分析。

（三）基准回归分析

本文采用固定效应模型检验数据资产入表对企业资本配置效率的基准影响，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、控制年度与行业固定效应的回归结果。

基准回归结果显示，在加入控制变量与固定效应后，数据资产入表（DAD）的回归系数为0.0248，且在1%水平上显著为正，说明数据资产入表政策落地能够显著提升企业资本配置效率。究其原因，数据资产入表实现了企业数据资源的资产化计量，优化了企业资产结构与财务信息质量，降低了内外部信息不对称，帮助企业精准识别优质投资项目、减少资金错配，进而有效改善资本配置效率。

（四）中介效应检验

为验证数字化投资的中介作用，本文依次检验数据资产入表对数字化投资的影响、数据资产入表与数字化投资共同对资本配置效率的影响，中介效应回归结果如表4所示。

由表4列（1）可知，数据资产入表对数字化投资的回归系数在1%水平上显著为正，说明数据资产入表能够有效推动企业加大数字化投资力度。数据资产入表倒逼企业完善数据治理、升级数字化体系，同时资产化的数据资源提升了企业投融资能力，为数字化投资提供了资金与资源支撑。列（2）结果显示，数字化投资与资本配置效率显著正相关，且数据资产入表系数相较于基准回归有所下降，说明数字化投资在数据资产入表与资本配置效率之间发挥**部分中介效应**。即数据资产入表不仅可直接提升资本配置效率，还能通过扩大优质数字化投资、优化投资结构，间接改善企业资本配置效率。

（五）调节效应检验

为探究融资约束的调节作用，本文引入数据资产入表与融资约束的交互项（DAD×SA）进行回归检验，结果如表5所示。

由表5可知，交互项（DAD×SA）系数在1%水平上显著为负，表明融资约束存在显著的负向调节效应。即融资约束程度越高，数据资产入表对资本配置效率的提升效应越弱；反之，融资约束越低的企业，数据资产入表释放的资本配置优化效果越显著。高融资约束会导致企业资金短缺，即便数据资产入表优化了企业资产结构，也难以支撑高效的数字化投资与资本布局，弱化了数据资产的价值转化能力，最终抑制资本配置效率提升。

（六）稳健性检验

为验证实证结果的可靠性，本文采用替换被解释变量测算方法、缩短样本区间、滞后一期核心解释变量三种方式进行稳健性检验，检验结果核心系数符号与显著性均未发生实质性变化，表明本文研究结论具备良好的稳健性与可靠性（稳健性检验结果略）。

五、研究结论与启示

（一）研究结论

本文以2021—2024年A股上市公司面板数据为样本，系统探究数据资产入表、数字化投资、融资约束与资本配置效率的内在作用机制，主要得出以下结论：

1.数据资产入表对企业资本配置效率具有显著的正向提升效应。数据资产入表通过实现数据资源资产化、规范化计量，优化企业财务信息质量与资产结构，降低信息不对称，有效改善企业资本错配、资源闲置问题，显著提升资本配置效率。

2.数字化投资发挥部分中介作用。数据资产入表能够倒逼企业加大数字化投资力度、优化数字化投资结构，通过数字化转型赋能企业资源整合与投资决策，间接推动资本配置效率提升，形成“数据资产入表—数字化投资扩容提质—资本配置优化”的传导路径。

3.融资约束存在显著负向调节效应。融资约束会显著弱化数据资产入表对资本配置效率的提升效果，高融资约束会制约企业数字化投资落地与数据资产价值转化，限制资本配置效率的优化升级。

（二）实践启示

基于上述研究结论，本文提出以下启示：

从企业层面来看，企业应主动落实数据资产入表政策，完善内部数据治理体系，规范数据资产确认、计量与披露流程，充分释放数据资产的融资赋能与资源优化价值；同时立足自身发展需求，精准布局数字化投资项目，避免盲目投入，依托数字化转型优化资本配置结构，提升资金使用效率。

从资本市场与政策层面来看，监管部门应持续完善数据资产入表配套制度与评估标准，畅通数据资产确权、交易、融资渠道；加大对企业数字化转型的金融扶持力度，缓解企业融资约束，降低数字化投资成本，助力数据要素价值深度释放，推动企业资本配置效率与数字经济发展质量双向提升。