技术变革是形成新质生产力、推动人类进步的根本动力。近年来，随着大数据技术的迅猛发展及其在企业的应用不断深化，数据已成为与劳动、资本和土地同等重要的生产要素（陈国青等，2018；谢康等，2020）。当前，数据正以空前的深度和广度参与经济活动，推动生产力发生质的飞跃（刘涛雄等，2023）。在此背景下，企业日益重视借助大数据技术构建竞争优势。亚马逊、谷歌、IBM、微软、华为、阿里巴巴和腾讯等国内外领先企业纷纷投入大量资源布局大数据技术，带动各行各业广泛应用大数据技术，赋能高质量发展。

随着大数据技术在企业的广泛应用，系统研究其对企业经营管理的影响机制，对于提升中国企业竞争力、推动经济高质量发展具有重要意义。本文旨在考察企业大数据技术应用水平对其债务融资成本的影响机理，为相关实践提供实证依据。债务融资是企业获取生存和发展所需资金的重要渠道（周楷唐等，2017），因此本文将其作为研究重点。大数据技术的应用可能对企业债务融资成本产生重要影响，原因在于：债务融资成本的高低取决于企业基本面，也受资金提供方与企业之间信息不对称程度的影响（Mansi等，2011；潘爱玲等，2019）。一方面，大数据技术有助于企业更高效地收集和分析经营数据，支持科学决策，进而可能影响企业成本与收益（陈银飞等，2022），改善企业基本面；另一方面，大数据技术能够提升信息生成和传递的效率（宋渊洋等，2024），缓解企业与资金持有方之间的信息不对称。因此，大数据技术能够通过上述两类机制影响企业债务融资成本。

目前，仅有车德欣等（2023）开创性地探讨了企业应用大数据技术对债务融资成本的影响，发现大数据技术通过缓解信息不对称来降低企业债务融资成本。然而，已有文献较少关注企业应用大数据技术所带来的成本与收益变动，未能将企业基本面这一机制纳入分析框架。事实上，相比于信息不对称，企业基本面更根本地决定了债务偿付能力（Mansi等，2011；王雪和杨志国，2023），而信息不对称则在企业基本面的基础上影响债务融资成本与之偏离的程度。因此，只有同时考察大数据技术对企业基本面与信息不对称的影响，才能全面厘清大数据技术对企业债务融资成本的作用机制。

基于此，本文将企业基本面与信息不对称纳入统一的分析框架进行理论与实证检验。研究发现，企业大数据技术应用水平与债务融资成本呈U型关系。具体而言，当大数据技术应用水平中等偏低时，企业进一步提升大数据技术应用水平有助于降低成本、提升收益、缓解信息不对称，进而降低债务融资成本。当大数据技术应用水平较高时，企业继续提升大数据技术应用水平对提升收益和缓解信息不对称的边际效果有限，但会持续提升成本，导致债务融资成本上升。异质性检验发现，企业多元化程度与国际化程度越高，大数据技术对企业成本和收益的影响越显著，其对债务融资成本的影响也越显著（即U型关系越陡峭）；企业无形资产比例越高、成立时间越短，大数据技术缓解信息不对称的效果越明显，因而大数据技术对企业债务融资成本的影响越显著。

本文的边际贡献主要体现在以下三个方面：第一，虽然企业基本面和信息不对称共同决定企业债务融资成本（Mansi等，2011；潘爱玲等，2019），但已有研究多聚焦于信息不对称机制（车德欣等，2023），对企业基本面这一更为根本的机制关注不足。本文通过引入大数据技术应用的收益与成本效应，弥补了这一研究缺口。第二，本文揭示了大数据技术应用水平与企业债务融资成本之间的非线性关系（即U型关系），有助于企业科学评估大数据技术投入的综合效应，为寻求最优的大数据技术应用水平提供理论参考与实践启示。第三，本文围绕企业基本面和信息不对称两个核心影响机制，将企业多元化程度、国际化程度、无形资产比例和成立时间纳入异质性分析框架，发现大数据技术对企业债务融资成本的影响会随着企业特征的变化而变化，这一发现有助于提出更具针对性的管理建议与政策启示。

资金是企业经营的重要投入要素。债务融资是指企业通过承担债务来筹集资金的行为（Abdi和Omri，2020；王腊芳等，2023）。根据是否有金融机构介入，债务融资可划分为以银行贷款为代表的间接融资和以发行债券为代表的直接融资。债务融资成本是企业为使用债务资金所付出的代价。在债务融资过程中，资金提供方会评估企业的经营状况与偿债风险，并据此与企业协商确定资金成本（即债务融资成本）。债务融资成本的降低，有助于增强企业的可持续发展能力与市场竞争力（周楷唐等，2017；张伟华等，2018）。

本文聚焦大数据技术对债务融资成本的影响，属于新技术影响企业债务融资的研究范畴。关于该领域的研究现状如表1所示。

现有文献主要关注基于网络的信息披露（Abdi和Omri，2020）、大数据技术（车德欣等，2023）、数字化转型（刘梦莎等，2023）等对企业债务融资成本的影响。研究发现，企业运用新技术有助于缓解信息不对称，降低财务风险，改善市场预期，进而降低企业债务融资成本。

总体而言，已有研究倾向于假定企业运用新技术的成本较低且收益会持续增长，进而认为新技术的应用总能降低债务融资成本。然而，企业在应用新技术的过程中通常面临较高的成本，包括系统采购、设备更新、平台建设、人员培训及后期运维等方面。 ¹ 同时，由于市场规模有限，新技术应用带来的收益并非持续递增，因此只有将新技术应用的收益与成本同时纳入分析框架，才能系统、全面地识别新技术对企业债务融资成本的影响机制。

基于此，本文将企业应用大数据技术的成本和收益同时纳入分析框架，以期更全面地揭示大数据技术对企业债务融资成本的影响，拓展并深化已有研究。

企业债务融资成本主要受企业基本面以及资金持有方与企业的信息不对称程度两类因素影响（Mansi等，2011；王雪和杨志国，2023）。一方面，企业成本越低、收益越高（即企业基本面越好），其还本付息能力越强（潘爱玲等，2019），资金提供方越倾向于以更低成本提供资金，进而债务融资成本越低。另一方面，由于信息获取渠道有限且验证成本较高，资金提供方与企业存在信息不对称（Abdi和Omri，2020；车德欣等，2023），进而推高债务融资成本。具体表现为：在融资合约签订前，企业倾向于披露有利信息，隐藏不利信息，甚至通过披露虚假信息等逆向选择行为来降低资金提供方预期的债务风险；在融资合约签订后，由于企业与资金提供方之间存在信息不对称和利益不一致，企业可能擅自改变资金用途。企业与资金提供方的信息不对称越严重，资金提供方越难以判断企业发生逆向选择和道德风险的可能性，越会要求更高的风险溢价，导致企业债务融资成本上升。

由于企业成本、收益和信息不对称是影响企业债务融资成本的核心因素，本文将分别探讨大数据技术如何通过上述机制影响企业债务融资成本。

大数据技术应用水平与企业总成本之间呈U型关系。一方面，大数据技术在企业应用过程中会产生大量生产运营数据（宋渊洋等，2024），这些数据有助于企业分析生产运营问题，并通过持续优化生产运营流程降低生产运营成本。例如，企业可以通过实时数据监测，减少生产过程中的损耗、降低报废率，有效控制生产成本。同时，大数据技术还能够帮助管理者收集更丰富、更细致的管理数据（Zhou等，2018），提升数据管理和分析能力（刘业政等，2020），实现精细化管理，进而降低管理成本。此外，大数据技术有助于企业精准识别客户需求、实施定向营销，进而降低企业在获取、维持和服务客户方面的成本（宋渊洋等，2024）。然而，由于企业成本的降低空间有限（企业成本大于0）且降低难度逐步上升，继续通过提高大数据技术应用水平来降低成本的边际效果将逐渐减弱（如图1所示）。

图  1  大数据技术应用水平与企业成本之间的关系

另一方面，随着大数据技术应用水平的不断提升，企业在大数据技术上的投资和使用成本也会相应增加。在大数据技术应用初期，企业可借助现有平台（如钉钉等），以较低成本运用大数据技术，进而节省约80%的自行开发或采购大数据相关设备和技术所产生的成本。 ² 然而，随着大数据技术应用的进一步推进，企业日益需要个性化的大数据平台以及数据存储和分析的软硬件。在此阶段，企业需要承担大量使用成本，包括购买和升级大数据硬件设备（如服务器、存储设备、网络设备等）、软件系统（如CRM、ERP等），以及大数据专业人员的招聘与培训、数据安全与合规等方面的投入（杨俊等，2022）。

综上所述，企业对大数据技术的投资和使用成本随着大数据技术应用水平的上升而不断提高，同时大数据技术应用水平对企业生产运营成本的降低作用边际递减，这使得大数据技术应用水平与企业总成本之间呈U型关系。

大数据技术应用水平对企业收益具有正向影响，但边际效应呈下降趋势。一方面，大数据技术的应用有助于企业动态收集客户与市场的反馈，进而更好地支持研发决策（任曙明和马橙，2024）、新产品开发（张海丽等，2023）和商业模式创新（王立夏等，2022），增强企业产品和服务竞争力，进而提升营业收入（陈银飞等，2022）。另一方面，大数据技术的应用能够产生大量客户和市场数据，分析这些数据有助于企业优化营销决策，建立良性客户关系（谢康等，2023），进一步推动企业营业收入增长。例如，eBay和拼多多应用大数据技术构建用户分析系统，基于结构化和非结构化用户数据分析、预测用户行为；云南白药利用大数据技术收集和分析淘宝用户的行为数据，不断提升产品对粉丝的吸引力，实现了销售额大幅增长。 ³ 然而，每个行业的市场容量有限，企业凭借大数据技术推动其市场份额进一步上升的难度越来越大，这将导致大数据技术应用水平对企业收益的正向影响呈边际递减趋势。

如图2所示，随着大数据技术应用水平的逐步提升，企业总收益呈显著上升趋势，但上升速度逐步减缓。大数据技术应用水平与企业总成本之间呈U型关系（如图1所示），而企业总收益随着大数据技术应用水平的提升而边际递减。基于以上分析，在收益减去成本后，大数据技术应用水平与企业净收益之间呈倒U型关系。

图  2  大数据技术应用水平与企业净收益之间的关系

大数据技术能够提升信息生成与传递的效率，缓解企业与资金提供方之间的信息不对称，进而降低债务融资成本。一方面，大数据技术通过与ERP、CRM等系统的融合，能够生成更丰富、更准确的经营数据，为资金提供方了解企业经营情况奠定基础（Goldstein等，2021；宋渊洋等，2024）。此外，大数据技术催生的信息管理系统、决策系统等有助于减少人为操作的任意性、相机抉择、标准模糊和遗漏数据等问题（王墨林等，2022），进而提高信息质量。另一方面，大数据技术能够提高企业与资金提供方之间的信息传输效率。大数据通信技术、数据分析和可视化技术为资金提供方提供了更便捷的企业信息获取渠道（李唐等，2020），缓解了双方的信息不对称。数字孪生（Digital Twin）等新兴技术甚至可实现生产环节的实时映射，促使资金提供方通过多渠道与企业生产环节进行对话，降低了资金提供方的信息获取成本（戚聿东和蔡呈伟，2019）。信息不对称的缓解有效抑制了企业的逆向选择和道德风险行为，进而有助于降低企业债务融资成本。

大数据技术应用水平与企业债务融资成本之间呈U型关系。一方面，如前文所述，大数据技术应用水平与企业净收益之间呈倒U型关系。企业净收益越高，其偿还本金和利息的可能性越大（潘爱玲等，2019），资金提供方越愿意以较低成本提供资金，因此企业净收益与债务融资成本之间呈负向关系。企业净收益与债务融资成本之间存在负向关系，而大数据技术应用水平与企业净收益呈倒U型关系，因此本文预期大数据技术应用水平与企业债务融资成本之间呈U型关系。另一方面，大数据技术总体上能够缓解企业与资金提供方之间的信息不对称，进而降低企业债务融资成本，但是由于债务融资成本的降低空间有限且降低难度上升（债务融资成本大于等于0），大数据技术应用水平通过缓解信息不对称降低债务融资成本的边际效应递减。综上所述，当大数据技术应用水平中等偏低时，大数据技术应用水平的提高有助于降低成本、提升收益、缓解信息不对称，进而降低债务融资成本。当大数据技术应用水平较高时，进一步提升大数据技术应用水平对提升收益和缓解信息不对称的作用有限，但会持续提升成本，导致债务融资成本上升。

基于上述分析，本文提出研究假设：企业大数据技术应用水平与债务融资成本之间呈U型关系。

本文选取2007−2023年中国A股上市公司作为初始研究样本。研究区间从2007年开始，主要原因在于此前年度（2006年及以前）上市公司年报格式不一，大量文本无法通过Python进行解析，易导致大数据技术应用变量出现系统性缺失。为了减轻样本选择偏差，本文选取2007年及之后年份作为研究区间。在初始样本基础上，本文对数据进行以下处理：（1）剔除金融行业公司；（2）剔除ST和^*ST样本；（3）为了减少异常值的影响，对连续变量（债务融资成本、资产负债率、总资产收益率、企业成长性）进行上下1%的缩尾（Winsorize）处理。企业财务数据来自CSMAR数据库；上市公司年报文本来自巨潮资讯网，并通过Python爬取公司年报中与大数据技术相关的关键词，以构建企业大数据技术应用水平指标。

债务融资成本（Debtcost）。参照曹越等（2021）的做法，本文采用年报附注中披露的企业本年度利息支出占企业总负债的百分比衡量债务融资成本。为了增强结论稳健性，本文还采用包括利息支出的净财务费用占企业总负债的百分比（Ndebtcost）衡量债务融资成本（曹越等，2021）。

大数据技术应用水平（Bigdata）。参照已有研究（Li等，2021；吴非等，2021；张叶青等，2021），本文采用大数据技术相关关键词在企业年报中出现的频率衡量企业大数据技术应用水平。具体步骤如下：首先，基于已有研究、相关政策文件及行业研究报告，初步筛选大数据技术关键词。其次，借助WinGo数据平台相似词工具模块，扩展初始词库。再次，仔细甄别和剔除相似词中与大数据技术不相关的关键词，将剩余关键词与初始关键词合并，形成用来反映大数据技术应用水平的关键词列表。 ⁴ 随后，收集企业年报，将关键词扩充至Python的“jieba”中文分词库，借助Python对企业年报进行文本分析。最后，采用文本挖掘得到的总词频数反映企业大数据技术应用水平，考虑到该指数存在右偏性，本文对总词频加1取自然对数（吴非等，2021）。

本文控制如下影响企业债务融资成本的变量：资产负债率（Lev），等于期末总负债除以总资产；第一大股东持股比例（Top1），等于第一大股东持有股份数除以企业总股数；总资产收益率（ROA），等于净利润除以总资产；企业规模（Size），等于总资产的自然对数；企业成长性（Growth），等于营业总收入增长率；上市年限（Age），等于企业上市年数加1取自然对数。本文同时控制年份与行业固定效应。

具体变量定义见表2。

为了检验大数据技术对企业债务融资成本的影响，本文构建以下模型（1）：

其中，被解释变量为债务融资成本（Debtcost），核心解释变量为大数据技术应用水平（Bigdata），CV为一系列控制变量，Year为年份哑变量，Industry为行业哑变量，δ_i为企业固定效应，ε为随机误差项。

为了控制不随时间变化的企业因素的影响，本文采用企业固定效应模型检验研究假设。同时，本文采用企业随机效应模型和Tobit模型进行再估计，得到的研究结论一致。本文采用Tobit模型进行稳健性测试的原因在于，部分企业在某些年份未进行债务融资，导致债务融资成本有一部分取值为0，在此情况下，Tobit回归能够提供一致且无偏的估计结果（王墨林等，2022）。

表3报告了变量的描述性统计结果。债务融资成本（Debtcost）的最小值为0，最大值为6.874，均值为1.624，说明不同企业债务融资成本存在较大差异。资产负债率（Lev）的均值为0.433，即企业总负债占总资产的比重为43.3%，说明债务融资是上市公司获取资金的重要方式。其他变量的结果与已有文献基本一致，不再赘述。

表4检验了企业大数据技术应用水平对债务融资成本的影响。列（1）至列（3）分别报告了企业固定效应、随机效应及Tobit模型的回归结果。结果显示，大数据技术应用水平（Bigdata）的一次项系数显著为负，二次项系数显著为正，支持U型关系的存在，本文假设得到验证。

本文基于表4列（1）分析结果的计算进一步发现，U型关系的对称轴位于大数据技术应用水平（Bigdata）的 1.960处。表3中，大数据技术应用水平（Bigdata）的均值为1.466，标准差为1.388，95%的样本落在区间[0，4.242]内。由于其对称轴也位于该区间，说明U型关系的下降段与上升段均可在样本中观测。具体而言，1.960位于大数据技术应用水平的68%分位数，即当企业大数据技术应用水平超过68%分位数时，债务融资成本开始上升，本文研究假设得到实证支持。控制变量的符号和显著性均与理论预期及已有研究一致。

为了增强结论可靠性，本文进行如下稳健性测试：

本文采用多种回归方法，考察大数据技术应用水平对债务融资成本的影响，以降低回归方法选择对研究结论的干扰。一方面，考虑到同一企业可能存在多年观测值，表4列（1）、列（2）分别采用企业固定效应和随机效应回归进行假设检验。另一方面，考虑到被解释变量部分取值为0，表4列（3）采用Tobit模型进行参数估计。无论采用何种回归方法，均得出企业大数据技术应用水平与债务融资成本之间呈U型关系的结论，说明不同回归方法下结论保持一致。

本文样本为A股非金融上市企业。新上市企业刚通过股权融资获得较多资金，在债务融资方面与上市已久的企业相比存在系统性差异。因此，本文剔除上市不足4年的企业样本后再次进行回归，以验证研究结论的稳健性，回归结果如表5列（1）所示。与表4列（1）结果进行比较可以发现，剔除样本后，大数据技术应用水平系数的大小、方向和显著性基本不变，说明研究结论受样本选择的影响较小。

本文在基准回归中采用利息支出占企业总负债的百分比衡量企业债务融资成本（Debtcost）。考虑到企业在债务融资时除支付利息外，还需支付手续费等（曹越等，2021），因此本文在稳健性测试中采用包含利息支出的净财务费用占企业总负债的百分比衡量企业债务融资成本（Ndebtcost），以检验研究结论的稳健性，回归结果如表5列（2）所示。结果显示，在更换债务融资成本衡量方式后，企业大数据技术应用水平对债务融资成本的影响方向、系数大小和显著性，与表4列（1）的结果基本一致，说明研究结论在不同被解释变量衡量方法下保持稳健。

为了检验大数据技术应用水平是否存在滞后影响，本文进一步延长观测时间窗口。表6列（1）至列（3）分别采用t−1期、t−2期和t−3期的大数据技术应用水平与t期债务融资成本进行回归。表6的回归结果显示，大数据技术应用水平在所有回归模型中均与债务融资成本之间呈显著U型关系，说明大数据技术应用水平对企业债务融资成本的影响具有延续性，同时说明研究结论对不同的滞后处理保持稳健。

虽然基准回归控制了企业、行业和年份固定效应以及一系列控制变量，但难以控制随时间变化，同时对大数据技术应用水平和债务融资成本均有影响的企业因素。遗漏变量可能导致研究结论存在内生性，本文进一步采用工具变量法进行内生性检验。

具体而言，选取企业所在城市是否入选国家级大数据综合试验区（Bigdata_district）、是否为“宽带中国”试点城市（Broadband_China）作为工具变量。若企业所在城市在t年入选国家级大数据综合试验区，则Bigdata_district在该年及以后年份取值为1，否则为0。与之类似，若企业所在城市在t年入选“宽带中国”试点城市，则Broadband_China在该年及以后年份取值为1，否则为0。选取这两个变量作为工具变量的原因在于，位于国家级大数据综合试验区的企业采用数字技术会得到政策、资金、技术等多方面的扶持（李言和朱棋娜，2023），而宽带是企业应用大数据技术的基础设施（申明浩和谭伟杰，2022），两者均能降低企业使用大数据技术的成本，提升企业大数据技术应用水平，说明工具变量与自变量存在相关性。同时，国家级大数据综合试验区和“宽带中国”试点城市属于企业外生因素，并不会对企业债务融资成本产生直接影响，因此工具变量满足外生性要求。

采用工具变量基于两阶段最小二乘法回归的结果如表7所示。无论是Stock-Yogo检验还是Anderson-Rubin检验，均拒绝了工具变量是弱工具变量的原假设，说明本文工具变量选取合适。表7列（1）工具变量第一阶段的回归结果表明，国家级大数据综合试验区和“宽带中国”试点城市对企业大数据技术应用水平具有显著的正向影响，该发现与预期一致。表7列（3）的回归结果表明，在控制内生性的影响后，大数据技术应用水平与企业债务融资成本之间仍呈U型关系，说明内生性不会从根本上改变本文基本结论。

前文理论分析认为，大数据技术应用水平通过影响企业成本、收益和信息不对称，进而影响企业债务融资成本，本文进一步检验上述影响机制。

首先，为了检验“大数据技术应用水平→企业成本、收益→债务融资成本”这一影响机制是否成立，本文将企业成本、企业收益和企业绩效作为机制变量纳入回归模型。将企业绩效纳入模型的目的是反映企业使用大数据技术带来的综合影响。具体而言，本文采用营业成本除以营业总收入衡量企业成本（Opera_cost），采用营业收入增长率衡量企业成长性（Growth），采用总资产收益率（ROA）衡量企业绩效（Lu等，2018），回归结果如表8所示。

表8列（1）的回归结果表明，大数据技术应用水平与企业成本之间呈U型关系。进一步计算结果表明，U型关系的对称轴为2.162，位于大数据技术应用水平的分布区间内，说明随着大数据技术应用水平的不断提高，企业的营业成本会呈先下降后上升的趋势，该发现与预期一致。表8列（3）的回归结果表明，大数据技术应用水平与企业收益之间呈倒U型关系。进一步计算结果表明，倒U型关系的对称轴为1.924，说明随着大数据技术应用水平的逐步提高，企业收益会呈先上升后下降的趋势，该发现与预期一致。表8列（5）的回归结果表明，大数据技术应用水平与企业绩效之间确实呈倒U型关系（对称轴为1.856），该发现与预期一致。同时，表8列（2）、列（4）、列（6）报告了企业成本、企业收益和企业绩效对债务融资成本的直接影响，表明企业成本对债务融资成本具有显著正向影响，而企业收益和企业绩效对债务融资成本具有显著负向影响，该发现与预期一致。综上所述，大数据技术应用水平能够通过影响成本和收益，进而影响企业债务融资成本。

其次，除企业成本、收益外，大数据技术应用水平还可能通过缓解信息不对称影响企业债务融资成本。由于信息不对称难以直接测量，本文选取3个反映信息不对称的变量对大数据技术带来的信息生成和传递效应进行分析（如表9所示）。

信息披露是企业信息生成和传递的核心活动。首先，本文采用信息披露质量（Disclosure）衡量企业信息生成效率。参考袁蓉丽等（2022）的研究，本文采用证券交易所披露的上市公司信息披露考评分数（来自CSMAR数据库）衡量企业信息披露质量，分值越高，表明企业信息披露质量越高，信息不对称程度越低。其次，本文采用分析师关注度（Analysis）衡量企业信息传递效率，原因在于分析师是重要的信息提供者，分析师关注度越高，企业与外部之间的信息不对称程度越低（Lang等，2012）。分析师关注度以某一年跟踪企业的分析师团队数加1后取自然对数衡量，数值越大，表明信息不对称程度越低。

考虑到分析师的信息传递功能不仅与分析师关注度有关，还与分析师提供信息的准确性有关，因此本文将分析师盈余预测准确性（Accuracy）纳入分析范围（Zhu，2004）。分析师盈余预测越准确，表明分析师获取的信息越真实、可靠，越可能将准确、全面的信息传递给利益相关者（Lang和Lundholm，1996）。企业i在t年的分析师盈余预测准确性按照如下步骤衡量：首先，计算所有分析师对企业i在t年的每股盈余预测中位数；其次，减去企业i在t年的实际每股盈余；再次，除以企业i在t年的股票收盘价；最后，将上述数值取绝对值并乘以（−1），数值越大，表明分析师盈余预测准确性越高，企业信息不对称程度越低。

表9报告了信息不对称机制的回归结果。考虑到大数据技术应用水平与信息不对称之间可能存在非线性关系，本文在回归中同时纳入大数据技术应用水平的二次项，如表9列（2）、列（5）、列（8）所示。列（1）、列（2）的回归结果表明，大数据技术应用水平对信息披露质量具有显著的正向影响（二次项不显著）；列（3）的回归结果显示，信息披露质量能够显著降低债务融资成本，说明信息披露质量发挥了中介作用。列（5）的回归结果表明，大数据技术应用水平与分析师关注度之间呈倒U型关系（对称轴为6.128），由于大多数企业大数据技术应用水平的数值低于6.128，说明大数据技术应用水平总体上对分析师关注度具有正向影响，但边际效应呈递减趋势。列（8）的回归结果表明，大数据技术应用水平与分析师盈余预测准确性之间呈U型关系（对称轴为−0.749）。大数据技术应用水平的取值大于0，说明大数据技术应用水平能够通过提升分析师盈余预测准确性，降低债务融资成本。列（3）、列（6）、列（9）的回归结果表明，信息不对称对债务融资成本具有显著的负向影响。

综上所述，大数据技术应用水平可通过提高信息披露质量、吸引分析师关注与提升分析师盈余预测准确性，有效缓解信息不对称，进而降低企业债务融资成本，但该作用随着大数据技术应用水平的提升呈现边际递减趋势。

本文基于全样本考察了大数据技术应用水平对企业债务融资成本的影响，发现大数据技术应用水平可以通过影响企业成本、收益和信息不对称，进而影响债务融资成本。为了进一步考察该效应在不同企业之间的差异、拓展理论机制，本文围绕上述机制选取企业层面特征进行异质性检验。这一分析有助于识别大数据技术影响的边界条件，进而提出具有针对性的政策建议。

在异质性检验中，本文对连续变量按照中位数分组，高于中位数的样本为高因素组，低于中位数的样本为低因素组，并进行分组回归。为了比较两组回归系数是否存在显著差异，本文构造异质性检验变量的高低哑变量与大数据技术应用水平一次项、二次项的交乘项，并在全样本中进行回归。若至少一项交乘项系数显著，则表明组间差异具有统计意义。

大数据技术应用水平对企业成本和收益的影响与企业多元化和国际化程度密切相关。大数据技术的应用有助于企业收集和分析经营数据，进而优化其决策过程（张海丽等，2023；任曙明和马橙，2024）。企业多元化和国际化程度越高，经营管理越复杂，大数据技术发挥作用的空间越大，越有助于企业快速降低生产运营成本，提高收益；但同时企业也需要投入更多资源以维持高水平的大数据技术应用。综上，当企业多元化和国际化程度较高时，大数据技术应用水平对企业成本和收益的影响增强，进而强化了大数据技术应用水平与企业债务融资成本之间的U型关系（曲线更陡峭）。

本文借鉴Zahavi和Lavie（2013）的做法，构建企业i在t年多元化程度（DIV）的计算模型，具体如下：

其中，企业i在t年进入N个行业，P_i,j是企业i于t年在行业j的营业收入占总收入的比重（1$\leqslant $j$\leqslant $N）。DIV_i,t越大，表示企业多元化程度越高。企业国际化程度采用海外销售收入占企业总收入的比重衡量（宋渊洋等，2011；刘素坤等，2022）。企业多元化程度和国际化程度调节作用的回归结果见表10。表10列（3）、列（6）的回归结果表明，企业多元化程度和国际化程度越高，大数据技术应用水平与企业债务融资成本之间的U型关系越显著，该结果与理论预期一致。

图3左侧展示了企业多元化程度的调节效应。相比于多元化程度较低时，大数据技术应用水平与企业债务融资成本的曲线在多元化程度较高时更陡峭，即大数据技术应用水平对企业债务融资成本的影响在多元化程度较高时更显著。图3右侧展示了企业国际化程度的调节效应。相比于国际化程度较低时，大数据技术应用水平对企业债务融资成本的影响在国际化程度较高时更显著（U型曲线更陡峭）。

图  3  企业多元化程度与国际化程度的调节效应

大数据技术应用水平对信息不对称的影响与企业无形资产比例和成立时间密切相关。一方面，无形资产比例较高的企业，其资产价值与偿债能力较难以被外部资金提供方准确评估，加之对无形资产使用过程的监督难度较大，信息不对称问题更为严重。因此，大数据技术在信息生成和传递方面的价值更为突出，有助于显著降低企业债务融资成本。另一方面，成立时间较短的企业，可供参考的历史信息较少，信息缺口较为严重。大数据技术能够更有效地弥补信息缺失，改善信息环境，缓解信息不对称，从而更大程度地降低债务融资成本。前文理论分析认为，大数据技术应用水平与企业净收益之间呈倒U型关系，这使得在不考虑信息不对称的情况下，大数据技术应用水平与企业债务融资成本之间呈U型关系。企业无形资产比例越高、成立时间越短，大数据技术应用水平对信息不对称的影响越显著，越能有效降低债务融资成本，使得大数据技术应用水平与企业债务融资成本的U型曲线越陡峭。

本文参考Skinner（2024）的做法，采用无形资产净额占总资产的比重衡量无形资产比例（Intan_ratio），采用企业成立年数衡量企业成立时间（Found）。表11报告了无形资产比例和企业成立时间的分组回归结果。表11列（3）、列（6）的回归结果表明，当企业无形资产比例较高、成立时间较短时，大数据技术应用水平与企业债务融资成本的U型曲线更陡峭，即大数据技术应用水平对企业债务融资成本的影响在无形资产比例较高和成立时间较短时更显著。

图4左侧展示了企业无形资产比例的调节效应，当无形资产比例较高时，大数据技术应用水平与企业债务融资成本U型曲线的下降速度和上升速度均更快，说明相比于无形资产比例较低时，大数据技术应用水平在企业无形资产比例较高时对债务融资成本的影响更显著。图4右侧展示了企业成立时间的调节效应，相比于企业成立时间较长的企业，大数据技术应用水平对债务融资成本的影响在企业成立时间较短的企业中更显著。综上所述，企业无形资产比例越高、成立时间越短，大数据技术应用水平对企业债务融资成本的影响越显著。

图  4  无形资产比例与成立时间的调节效应

随着大数据技术与实体经济的深度融合，系统探究大数据技术对企业经营的作用机制，对于提升企业竞争力、推动经济高质量发展具有重要意义。现有研究初步表明，大数据技术通过缓解信息不对称降低企业债务融资成本（车德欣等，2023），但多数研究忽略了企业应用大数据技术伴随的成本和收益变动。为了弥补已有研究的不足，本文将企业应用大数据技术的成本和收益纳入分析框架，旨在更全面地揭示大数据技术应用水平对企业债务融资成本的影响。

本文研究发现，企业大数据技术应用水平与债务融资成本之间存在显著的U型关系，这一结论在采用不同回归方法、剔除部分样本、延长时间窗口期、更换变量度量方式、使用工具变量控制内生性后仍然成立。机制分析发现，当大数据技术应用水平中等偏下时，企业提升大数据技术应用水平有助于降低成本、提高收益、缓解信息不对称，进而降低债务融资成本；当大数据技术应用水平较高时，企业进一步提升大数据应用水平对提高收益和缓解信息不对称的效果有限，但会持续推高成本，导致绩效下降，进而提升企业债务融资成本。异质性检验发现，当企业多元化和国际化程度较高、无形资产比例较高以及成立时间较短时，大数据技术应用水平对债务融资成本的影响更显著。

本文结论对于企业应用大数据技术具有如下重要启示：第一，企业应权衡应用大数据技术的成本和收益，做出最佳的管理决策。对于大数据技术应用水平较低（低于总体的前68%）的企业而言，适度提升大数据技术应用水平能够降低企业债务融资成本。然而，对于大数据技术应用水平较高的企业，应避免盲目投入大量资源提升大数据技术应用水平，原因在于激进的资源投入会推高企业运营成本、降低企业绩效，反而可能导致企业债务融资成本上升。由于企业成本和收益均存在客观数据，企业应结合大数据技术的投资成本谨慎评估大数据技术应用水平提升的综合影响，从而做出最优决策。第二，由于大数据技术应用水平对债务融资成本的影响强度与企业特征有关，企业应根据自身情况采取针对性措施。具体而言，大数据技术应用水平的影响强度在多元化和国际化程度高、无形资产比例高以及成立时间短的企业中更显著，这一结果说明企业应根据所处的大数据技术应用阶段更谨慎地评估大数据技术的综合影响，通过适度应用大数据技术来降低债务融资成本。一方面，当企业大数据技术应用水平较低时，相比于其他企业，多元化和国际化程度高、无形资产比例高以及成立时间短的企业更需要大力提升大数据技术应用水平，以降低债务融资成本。另一方面，当企业大数据技术应用水平较高时，相比于其他企业，多元化和国际化程度高、无形资产比例高以及成立时间短的企业更应警惕激进提升大数据技术应用水平，避免债务融资成本攀升。

本文结论对于政府政策制定具有如下重要启示：首先，由于大部分企业的大数据技术应用水平较低，政府应积极引导和鼓励企业应用大数据技术，促进大数据与实体经济的深度融合，以降低企业债务融资成本，促进地区经济高质量增长。其次，大数据技术应用的成本较高，可能推升大数据技术应用水平较高企业的债务融资成本。为了促进企业不断提升大数据技术应用水平，政府应制定相关政策以降低企业应用大数据技术的成本。例如，政府可通过提供良好的大数据基础设施，并采用财政、税收等政策为企业大数据技术投资提供激励，以降低企业投资大数据技术的成本，减缓大数据技术应用水平提升所伴随的成本增加，为企业提升大数据技术应用水平奠定基础。最后，考虑到大数据技术应用水平对债务融资成本的影响在不同特征企业中存在较强异质性，政府应对不同特征的企业精准施策。对于多元化和国际化程度较高、无形资产比例较高以及成立时间较短的企业，政府应给予更大的政策支持力度，以推动这些企业在大数据技术应用初期通过迅速提升大数据应用水平来降低债务融资成本。同时，政府也应采取相应措施降低这些企业在大数据技术应用水平较高时所面临的急剧攀升的大数据技术投资成本，以缓解企业进一步提升大数据技术应用水平而导致的债务融资成本上升。

本文存在以下局限与未来研究方向：首先，本文聚焦大数据技术应用水平对企业债务融资成本的影响，未来研究可进一步拓展至大数据技术应用水平对企业其他融资活动（如股权融资）或经营活动（如企业多元化）的影响，从而深化对大数据技术应用水平与企业经营之间关系的理解。其次，未来研究可进一步探索其他新技术（如区块链）对企业债务融资的影响，比较不同技术的影响机理与强度差异，从而丰富对不同类型新技术应用对企业经营影响机理的理解。最后，本文选取A股上市公司作为研究样本，未来研究可进一步拓展研究样本，检验本研究框架的适用性，并将企业和国家层面的特殊性纳入研究框架，以构建更普适的理论框架。