產業政策、創新與制造企業服務化
——基于“中國制造2025”準自然實驗的經驗研究

馮玉靜，翟亮亮

(1.安徽財經大學 財政與公共管理學院，安徽 蚌埠233030；2.山東財經大學 國際經貿學院，山東 濟南 250014)

0 引言

產業政策對企業個體的傳導作用與內在作用機制已成為學術界研究熱點。產業政策是政府干預經濟的主要方式，通過引導產業發展方向，達到促進產業結構升級的目的。當前，關于產業政策效果存在兩種觀點：一種是產業政策有效論，鑒于存在市場失靈的情況，產業政策能夠彌補市場機制缺陷[1]，與市場形成互補效應。在不斷趕超進程中，中國經濟增長的奇跡離不開產業政策的扶持。另一種是產業政策無效論，即政府有限性注定產業政策具有自身弊端，在產業發展過程中過于注重政府政策意愿容易違背市場規律、擾亂市場秩序，如政策干預會降低資源配置效率，甚至產生資源誤置效應等[2]，上述后果與產業政策制定的初衷背道而馳。

制造業服務化是當前世界制造業發展趨勢。相較于西方發達國家，我國制造業服務化水平明顯偏低[3]。當前，制造業市場飽和、產品同質化嚴重和競爭力低下，企業為了生存被迫壓低價格，直接后果是利潤過低，進而陷入資金困境，導致研發創新嚴重受阻。制造業和服務業深度融合是破除上述枷鎖的關鍵。因此，服務化是制造業轉型升級和高質量發展的必然選擇。2007年，國務院提出《關于加快發展服務業的若干意見》，促進現代制造業與服務業有機融合。2015年，“中國制造2025”戰略出臺，明確要求制造業由生產型制造轉變為服務型制造，將制造業服務化作為未來制造業的發展方向。2016年，工業和信息化部發布《發展服務型制造專項行動指南》，提出制造企業應該是“制造+服務”的企業。2019年，國家發改委印發《關于推動先進制造業和現代服務業深度融合發展的實施意見》，提出制造企業要加大生產性服務投入，通過兩業融合推動制造業高質量發展。由此，制造業服務化的重要性、必要性和緊迫性可見一斑。

圍繞“中國制造2025”戰略，一系列產業政策相繼實施。因此，本文以“中國制造2025”戰略實施為契機，研究產業政策對制造企業服務化的影響及內在作用機制，具有重要理論意義和現實價值。

1 文獻綜述

產業政策是宏觀或者中觀層面的因素，企業個體生產經營不可避免地會受其影響。學者們針對產業政策的微觀經濟效應展開了大量研究，主要體現在以下方面：從企業融資看，產業政策能夠通過信息效應和資源效應增加企業獲得銀行貸款的機會，降低融資約束[4]，有助于解決企業普遍面臨的融資難、融資貴問題。對企業投資而言，產業政策能夠為企業帶來較多的政府補助和銀行借款，受扶持企業容易出現投資規模大而效率低的問題[5]。在企業生產率方面，產業政策能夠促進企業全要素生產率提升[6-7]，但在不同作用機理下，不同政策工具表現也不盡相同[8]。在企業資源配置方面，產業政策能夠引導資源在不同企業之間重新分配，影響企業資源配置效率，甚至導致資源錯配[9]。從企業研發創新角度看，產業政策主要通過激勵研發創新促進相關產業發展[1,10-11]；從創新產出角度看，產業政策能夠通過信貸、稅收、政府補貼和市場競爭機制顯著促進企業技術創新[12]；從創新投入角度看，產業政策能夠顯著促進企業研發投入，且對研發人力投入的促進作用大于研發財力投入[13]。由此，企業創新產出和創新投入均受產業政策的正向影響。

制造業服務化需要投入大量高端服務要素，融資約束是企業面臨的首要問題。根據不同資金來源，融資約束分為內源融資約束和外源融資約束，內外源融資約束均會阻礙服務化，對高端服務化的阻礙作用尤為顯著[14]。從FDI和OFDI角度看，兩者均有利于制造業服務化，FDI對產品相關服務的促進作用大于顧客支持服務，OFDI對技術密集型行業的促進作用最大[15-16]。

梳理上述文獻可知，產業政策確實對企業個體行為具有傳導作用，但學術界對產業政策的微觀經濟效應褒貶不一，大多數研究集中在企業融資、投資、生產率和研發創新等方面，鮮有文獻關注產業政策對制造企業服務化行為的影響。因此，本研究能夠豐富產業政策微觀經濟效應的文獻基礎。制造業服務化影響因素研究成果較少，且大多關注企業內部因素，外部因素研究較為匱乏。因此，現有文獻對影響因素的識別不足，后續需要進行再識別，本研究是對現有影響因素研究的有益補充。

2 理論分析與研究假設

創新是企業提供專業、全面服務的基礎和前提，因而創新是制造企業服務化的關鍵[17-18]。服務化的實質在于將上下游環節的服務要素有效融入生產制造環節，要求企業具有足夠的自主創新能力進行產品設計和開發，進而拓展服務業務[19]。技術創新能夠提高產品質量、優化產品設計，強化產品差異性并降低產品可替代性，進而提高企業績效，促進企業服務化轉型。制造企業服務化需要創新作為技術支撐，而創新是產業政策促進相關產業發展的主通道。提高制造業創新能力是“中國制造2025”的戰略目標之一，要求制造業發展由要素驅動向創新驅動轉變。因此，本文主要基于企業研發創新視角展開探討。

產業政策的積極影響表現在以下方面：首先，為企業帶來成本效應。成本是創新的重要約束，產業政策能夠降低創新成本。例如，工業園區、創新孵化基地等能夠為企業提供較完備的基礎配套設施，營造良好的創新氛圍[20]；稅收優惠通過事后降低稅率、稅收抵免和研發費用加計扣除等方式，減少企業負擔。其次，為企業帶來資源效應。創新需要大量資金和人才，產業政策中的政府補貼能夠對企業直接進行資金補給，在短期內緩解融資約束，從而降低創新風險。政府通過提供低息貸款和降低信貸審批要求等方式對市場進行干預，引導大量資源流向受扶持行業。此外，在政策引導下，高校和科研機構能夠為受扶持產業培養大量適用人才，積累充足的人力資本。再次，為企業帶來競爭效應。放松行業管制、降低進入壁壘、簡化行政審批手續等措施使企業進入退出更加頻繁，新舊企業之間的資源爭奪將加劇行業競爭，而優勝劣汰機制會促使企業主動加大研發創新力度，以增強自身競爭優勢。最后，產業政策會為市場帶來信號效應。受扶持產業名錄可以向市場傳達明確的利好信號，即受扶持行業具有較大的發展潛力和較好的前景。銀行對受扶持企業的盈利能力抱有樂觀預期，向其提供貸款的意愿較為強烈。同理，其它社會資本也傾向于流入受扶持行業，以追求長期穩定的收益。資本聚集能夠緩解融資約束[21]，激勵企業進行自主創新。產業政策通過激勵創新對制造企業服務化的作用機理如圖1所示。

結合產業政策、創新與制造企業服務化間的關系，基于上述成本效應、資源效應、競爭效應和信號效應，本文提出以下研究假設：

H1：產業政策通過激勵創新促進制造企業服務化。

圖1 產業政策對制造企業服務化的影響機理Fig.1 Influence mechanism of industrial policy on manufacturing servitization

產業政策可能會產生消極影響，主要表現如下：首先，對企業自主研發產生擠出效應。產業政策中的政府補貼與企業自身研發創新投入間的關系較為復雜,政府補貼旨在促進企業創新，然而一定程度上會擠出企業創新投入[11]。長期來看，企業容易對政府補貼和外部資金產生依賴，反而不利于企業的自主創新。其次，產生企業尋租效應。在資源利益驅使下，企業尋租動機增強。為了獲取政府補貼和稅收優惠，企業可能會進行策略性創新而非實質性創新，或者存在研發操縱行為，進而產生大量無效研發投入[22]，最終導致創新效率降低。考慮到實力較強的大企業更容易從優惠政策中獲益，因而實力較弱的中小企業更有動力進行尋租，最終導致資源總體利用效率降低。

結合產業政策、創新與制造企業服務化間的關系，基于上述擠出效應和尋租效應，本文提出以下研究假設：

H2：產業政策通過抑制創新阻礙制造企業服務化。

3 研究設計

3.1 雙重差分(DID)模型設定與變量說明

本文以2015年“中國制造2025”戰略實施為準自然實驗，設置分組虛擬變量和分期虛擬變量。“中國制造2025”確定的十大重點支持領域分別是新一代信息技術產業，包括集成電路及專用裝備、信息通信設備和操作系統及工業軟件；高檔數控機床和機器人；航空航天裝備，包括航空裝備和航天裝備；海洋工程裝備及高技術船舶；先進軌道交通裝備；節能與新能源汽車；電力裝備；農機裝備；新材料；生物醫藥及高性能醫療器械。分組虛擬變量采用Treat表示，若公司屬于上述重點領域，則為實驗組，Treat取值為1，否則為控制組，Treat取值為0。分期虛擬變量采用Post表示，若年份在2015年以后，則為戰略實施后，Post取值為1，否則為戰略實施前，Post取值為0。雙重差分法常用于估計政策干預和事件處置效應，該類政策或事件的特點是，其并不在同一時間影響所有個體，或者對個體的影響并不相同。“中國制造2025”重點支持行業界限明確，從出臺到實施的緩沖期非常短，可以認為是企業所受的外生政策沖擊，為DID模型運用提供了良好的前提條件。由圖2可以看出，在2015年“中國制造2025”實施以前，實驗組和控制組服務化率的時間變化趨勢基本相同，但在2015年以后，實驗組的服務化率提高幅度明顯大于控制組，兩組間的差距逐漸拉大。據此，能夠初步判斷“中國制造2025”戰略對制造企業服務化率的影響在經濟學意義上適合運用DID模型進行因果效應識別。雙重差分法的反事實邏輯能夠在很大程度上避免模型設定中的內生性問題，如互為因果和遺漏變量等問題。

基于上述思想，本文構建如下DID模型：

Oservit=β0+β1Treati×Postt+αX+?i+μt+εit

(1)

式(1)中，i、t分別表示企業個體和時間年份，被解釋變量Oservit表示企業i在年份t的服務化率，解釋變量是交互項Treati×Postt。X是一系列企業層面的控制變量，?i表示企業個體固定效應，μt表示年份固定效應，εit表示隨機擾動項。β0是常數項，α是控制變量的系數集。β1是本文關注的參數，其符號和數值代表戰略實施對制造企業服務化率影響的方向和大小。制造企業服務化率Oservit以上市公司其它業務收入占營業總收入的比重表示，鑒于當前我國制造業服務化水平不高，企業主營業務收入主要來自產品銷售，服務業務收入則歸屬于企業其它業務收入。因此，在一定程度上可以采用營業總收入中的其它業務收入比重近似表征制造企業服務化率。制造企業平均服務化率變化趨勢如圖2所示，服務化率不斷提升，但整體上不足50%，仍有很大提升空間。本文選取如下控制變量：企業規模(size)，以企業總資產的自然對數衡量；企業經營年限(age)，以統計年份減去企業上市年份加上1表示；企業資產負債率(lev)，將負債總額除以資產總額計算得到；企業現金持有量(cash)，以貨幣資金和交易性金融資產與總資產之比表示；企業總資產增長率(tagr)，以年末資產總額除以年初資產總額衡量；企業賬面市值比(mbratio)，以股東權益除以公司市值加以衡量，其中股東權益等于資產總額減去負債總額；企業托賓Q值(tobin)，將資產總額減去現金期末余額的差除以該差值加上累計折舊攤銷的和計算得到；企業應收類資產比率(arnr)，以應收類資產總額除以資產總額表示；企業無形資產比重(itang)，采用無形資產凈額除以總資產計算得到。

圖2 2000-2019年中國制造業上市公司服務化率變化趨勢Fig.2 Trends of Chinese listed manufacturing firms' servitization rate from 2000-2019

3.2 數據來源與主要變量描述性統計

本文數據來源于2000—2019年國泰安數據庫(CSMAR)，對數據進行如下處理：第一，剔除非制造業行業樣本，參照中國國民經濟行業分類標準(GB/T 4754-2017)，選取代碼為C13-C43的全部制造業上市公司作為本文研究樣本；第二，剔除數據有異常值的樣本；第三，剔除數據有缺失的樣本。

本文主要變量描述性統計結果如表1所示。制造業服務化率Oserv的均值為0.459 9，標準差為0.055 8；制造業上市公司的平均服務化率為46%，波動較小。Oserv的最小值為20.89%，最大值為75.37%，最小值與最大值相差較大，說明制造業不同上市公司之間的服務化率呈現出不平衡的特點。企業是否屬于重點領域Treat的均值為0.543 9，標準差為0.498 1；戰略實施前后Post的均值為0.421 7，標準差為0.493 8。因此，受“中國制造2025”戰略重點支持和2015年戰略實施后的制造業上市公司占比分別為54.39%、42.17%，均具有較好的代表性，但也存在較大波動。其它控制變量情況也在表1中列出。

表1 主要變量描述性統計結果Tab.1 Descriptive statistical results of main variables

4 實證檢驗

4.1 基準回歸結果

本文運用面板數據固定效應模型實證分析“中國制造2025”戰略實施對制造企業服務化率的影響，基準回歸結果如表2所示。表2列(1)、列(2)固定企業個體效應和時間年份效應，同時，考慮到制造業不同行業的反應可能不盡相同，以及對于不同行業可能會運用不同的政策工具，因而基準回歸模型在行業層面進行了聚類。列(1)中只有交互項Treat×Post，系數在1%水平上顯著為正。列(2)在列(1)的基礎上加入一系列企業層面的控制變量，結果顯示，交互項Treat×Post的系數仍然在1%水平上顯著為正。由此，“中國制造2025”戰略實施能夠顯著促進制造企業服務化率提升。因此，H1得以證實。列(3)和列(4)沒有固定時間年份效應，列(5)和列(6)沒有固定企業個體效應，列(7)和列(8)沒有在行業層面進行聚類。結果顯示，列(3)-(8)交互項Treat×Post的系數仍顯著為正，進一步證實“中國制造2025”戰略實施對制造企業服務化率具有促進作用。考慮到盡可能在模型中控制不隨時間和個體變化的因素以及不同行業差異，后續研究均在列(2)的基礎上展開。

在其它控制變量方面，企業規模size的系數在1%水平上顯著為正，制造企業拓展現代服務業務需要大規模投入，規模越大的企業越有實力，實力強的企業更容易形成品牌效應，有利于其加大市場營銷力度和升級售后服務；企業經營年限age的系數在1%水平上顯著為正，隨著經營年限增長，企業對市場了解愈加充分，從而有利于掌握顧客對產品附加服務的高端消費需求；企業資產負債率lev的系數在1%水平上顯著為負，過高的負債率抑制企業新領域開發動機，不利于企業服務化；企業現金持有量cash的系數在1%水平上顯著為負，在一定程度上較大的現金持有量是閑置資本，會降低資本利用率；企業總資產增長率tagr的系數在5%水平上顯著為正，總資產增長率代表企業發展實力，有利于企業服務化；企業賬面市值比mbratio的系數在1%水平上顯著為正，鑒于賬面市值比效應的存在，比值高的企業往往具有較高的投資收益率，能夠促進企業服務化；企業TobinQ值的系數在1%水平上顯著為負，托賓Q值越大，企業越有動力通過建設新廠房、購置新設備等方式擴大生產規模，大量資源投入到制造環節雖然可以增加產品收益，但無形中擠占了服務產品投入，或者降低了服務產品投入比重，從而不利于企業服務化；企業應收類資產比率arnr的系數在1%水平上顯著為負，大量應收類資產會造成資本閑置，降低資本利用率，加重企業融資困難，不利于拓展新的服務業務；企業無形資產比重itang的系數在1%水平上顯著為正，無形資產一般包括科學技術和人才資源，其值越大，意味著企業具有越高的創新能力，有助于促進企業服務化。

制造業是國民經濟的主體，是立國之本、興國之器、強國之基。放眼世界，西方發達國家制造業在其國民經濟中占據關鍵地位，例如德國的“工業4.0”和美國的“先進制造伙伴計劃”等都將制造業作為重點。“中國制造2025”立足國內國際大環境，是針對高端制造業行業的國家戰略，有助于推動制造業由大變強。當前，中國經濟正處于進一步深化供給側結構性改革和加強需求側管理的歷史階段，服務化是制造業轉型升級的必然需求。本文研究證實“中國制造2025”戰略能夠促進制造企業服務化，為產業政策的有效性提供了新的經驗證據。

表2 基準回歸結果Tab.2 Result of baseline regression

4.2 穩健性檢驗

4.2.1 平行趨勢假設檢驗

平行趨勢假設是使用雙重差分模型估計處置效應的關鍵假設，要求在沒有處置事件發生的情況下，實驗組和控制組的被解釋變量均值差異在不同時間內保持一致，即兩組被解釋變量的時間變化趨勢一致。觀察圖2可以發現，2015年以前實驗組和控制組服務化率Oserv的變化趨勢基本一致，而2015年及2015年以后變化趨勢明顯不同。雖然圖示法能夠直觀顯示實驗組和控制組被解釋變量的時間變化趨勢，但仍需要運用更正式的方法對平行趨勢假設進行檢驗。在基準回歸模型式(1)的基礎上，加入分組虛擬變量Treat與戰略實施前某個或者幾個年份虛擬變量的交互項。

平行趨勢假設檢驗結果如表3所示，列(1)-(5)逐一加入Treat×Beforen，Treat×Post的系數仍然在1%水平顯著為正，除Treat×Before1在10%水平上表現出較弱的顯著性外，Treat×Before2、Treat×Before3、Treat×Before4和Treat×Before5的系數均不顯著。考慮到雙重差分模型對平行趨勢假設的要求是實驗組和控制組在事件發生前至少3年的變化趨勢一致。因此，“中國制造2025”戰略實施不存在企業個體預期效應，本文DID模型設定通過了平行趨勢假設檢驗。

4.2.2 傾向得分匹配分析

雙重差分模型背后的反事實思想是假定實驗組和控制組除在是否受外生事件影響方面存在差異外，其它方面均不存在系統性差異。考慮到企業個體異質性，先進行傾向得分匹配，通過近鄰匹配方式重新為實驗組個體尋找對應的控制組個體，能夠有效控制受“中國制造2025”重點支持企業與未受“中國制造2025”重點支持企業之間其它方面差異對服務化率的影響，回歸結果如表4列(1)和列(2)所示。Treat×Post的系數仍然在1%水平上顯著為正，即本文基本結論并沒有受到實驗組和控制組之間可能存在的差異影響。

4.2.3 安慰劑檢驗

進行安慰劑檢驗的一種方法是提前外生事件發生的年份，采用事件發生前年份數據重新進行雙重差分分析。假設“中國制造2025”戰略實施年份分別是2013年、2011年和2009年，設定分期虛擬變量，回歸結果如表4列(3)—(5)所示。Treat×Post2013、Treat×Post2011和Treat×Post2009的估計系數均不顯著，說明“虛擬事件”不存在，即本文實驗組和控制組的企業服務化率差異確實來源于“中國制造2025”戰略的重點扶持。

表3 平行趨勢假設檢驗結果Tab.3 Result of parallel trend hypothesis test

表4 傾向得分匹配與提前戰略實施年份檢驗結果Tab.4 Result of propensity score matching and anticipation of the strategy

進行安慰劑檢驗的另一種方法是重復隨機抽樣，通過隨機分配實驗組和控制組進行模擬回歸。盡管在基準回歸模型中固定企業個體效應和年份時間效應，并在行業層面進行聚類，但仍不能完全排除不可觀測因素的影響。為了證實本文基本結論不具有偶然性，運用重復隨機抽樣方法進行安慰劑檢驗[23]。重復隨機抽取1 000次檢驗結果如圖3所示，得到的1 000個虛擬回歸系數主要集中在零點附近，呈現近似以0為中心的正態分布，且絕大多數虛擬系數未達到10%的顯著性水平。圖中右側虛線是真實的估計系數，其明顯是該分布中的異常值，說明真實的估計系數與虛擬回歸系數存在顯著差異。安慰劑檢驗結果表明，本文基本結論并不是出于偶然，進一步驗證了雙重差分模型設定的正確性。

4.2.4 動態效應檢驗

為了進一步考察“中國制造2025”戰略實施對制造企業服務化影響的時間變化情況，采用Beck等[24]的分析方法進行動態效應檢驗，結果如圖4所示。戰略實施當年及之后年份與Treat交互項的系數均顯著大于0，說明“中國制造2025”戰略實施當年和之后4年均顯著促進了制造企業服務化。具體來看，戰略實施當年的促進效果顯著，企業個體對“中國制造2025”反應迅速。隨后3年促進作用仍然顯著，但強度上有所減弱，之后第四年又轉為增強。服務化需要研發創新作為支撐，而研發創新的收益周期較長，因而在作用強度上表現出一定的滯后性。整體上，“中國制造2025”為向服務化轉型過程中的制造企業提供了及時、有效的支持。

4.3 異質性分析

4.3.1 企業所有權異質性

根據不同企業所有權性質將研究樣本分為國有企業、民營企業和外資企業3個子樣本，分別進行雙重差分分析，回歸結果如表5列(1)—(3)所示。列(2)中Treat×Post的系數在1%水平上顯著為正，列(1)和列(3)中Treat×Post的系數均不顯著，表明“中國制造2025”戰略實施能夠顯著促進民營企業服務化，而對國有企業和外資企業服務化的促進作用不顯著。可能原因是，民營企業普遍面臨融資困難，在戰略扶持下，融資約束得以緩解，更加積極進行研發創新，服務化進程加快；國有企業和外資企業本身已經具備較大的規模和較強的實力，企業服務化率較高，因而戰略扶持的促進作用不顯著。

圖3 非參數隨機模擬效果Fig.3 Effect of nonparametric random simulation

4.3.2 企業所在地區異質性

不同地區的市場發育程度存在較大差異，會影響企業個體行為。根據所在地區，將研究樣本分為東部地區企業、中部地區企業和西部地區企業3個子樣本，分別進行雙重差分分析，回歸結果如表5列(4)—(6)所示。列(4)和列(5)中Treat×Post的系數均在1%水平上顯著為正，費舍爾組合檢驗(重復抽樣100次)[25]結果顯示，兩系數并無顯著差異，列(6)中Treat×Post的系數則不顯著，表明“中國制造2025”戰略實施顯著促進了東部地區企業和中部地區企業服務化，但是西部地區企業沒有受到顯著影響。可能原因是，鑒于東部地區具有得天獨厚的區位優勢，大多數制造業上市公司集聚于此，發育成熟的市場使企業對產業政策反應較迅速；中部地區雖然在經濟發展方面落后于東部地區，但承接了來自東部地區的部分產業轉移，具有較大的市場潛力，“中國制造2025”戰略扶持使其后發優勢逐漸顯現；西部地區經濟發展落后、市場發育不成熟，企業多將資源用于生產制造環節，因而對服務化的促進作用不顯著。

4.4 機制檢驗

結合理論分析和基準回歸結果，“中國制造2025”戰略能夠通過激勵創新促進制造企業服務化的假設得以證實。在此基礎上，作進一步的機制檢驗，選擇合適的中介變量，構建如下中介效應模型：

Oservit=β0+β1Treati×Postt+αX+?i+μt+εit

(2)

Mit=β0+β1Treati×Postt+αX+?i+μt+εit

(3)

Oservit=β0+β1Treati×Postt+Mit+αX+?i+μt+εit

(4)

中介效應模型為式(2)、式(3)和式(4)。式(2)與基準回歸模型式(1)相同；式(3)的被解釋變量是中介變量M，解釋變量是交互項Treat×Post，控制變量與式(2)相同；式(4)式在式(2)的基礎上加入中介變量M，被解釋變量是制造企業服務化率Oserv，解釋變量是交互項Treat×Post和中介變量M。對于中介變量的選擇，本文從企業生產率、投資支出率和投資收益率3個方面加以考慮。企業全要素生產率tfp，運用LP方法測算[26]；企業投資支出率invt，以企業構建固定資產、無形資產和其它長期資產支付的現金扣除掉處置固定資產、無形資產和其它長期資產收回的現金凈額之后再除以總資產計算得到；企業投資收益率tzsyl，將投資收益除以營業總收入計算而得。中介效應模型的機制檢驗結果如表6所示，列(1)和列(2)是企業生產率機制檢驗結果，列(1)的被解釋變量是企業全要素生產率tfp，Treat×Post的系數在1%水平上顯著為正，表明“中國制造2025”戰略實施可以提高企業全要素生產率；列(2)的被解釋變量是企業服務化率Oserv，Treat×Post的系數仍然在1%水平上顯著為正，tfp的系數也在1%水平上顯著為正，表明全要素生產率提高能夠正向影響服務化。因此，“中國制造2025”戰略實施能夠通過提高生產率促進制造企業服務化。列(3)和列(4)是企業投資支出率檢驗結果，列(3)的被解釋變量是企業投資支出率invt，Treat×Post的系數在1%水平上顯著為正，表明“中國制造2025”戰略實施可以提高企業投資支出率；列(4)的被解釋變量是企業服務化率Oserv，Treat×Post的系數仍然在1%水平上顯著為正，invt的系數在5%水平上顯著為正，表明企業投資支出率越高對服務化的促進作用越大。因此，“中國制造2025”戰略實施通過促進投資提高制造企業服務化率。列(5)和列(6)是企業投資收益率機制檢驗結果，列(5)的被解釋變量是企業投資收益率tzsyl，Treat×Post的系數在1%水平上顯著為負，表明“中國制造2025”戰略實施以來，制造企業投資收益率出現了不升反降的現象；列(6)的被解釋變量是企業服務化率Oserv，Treat×Post的系數仍然在1%水平上顯著為正，tzsyl的系數也在1%水平上顯著為正，表明投資收益率正向影響企業服務化。因此，“中國制造2025”戰略實施在一定程度上降低了企業投資收益率，進而不利于企業服務化率提高。

圖4 動態效應檢驗Fig.4 Dynamic effect test

表5 企業所有權異質性與所在地區異質性分析結果Tab.5 Result of firms ownership and location heterogeneity

表6 機制檢驗結果Tab.6 Result of mechanism test

由表6回歸結果分析可知，“中國制造2025”戰略實施會同時帶來正向效應和負向效應，正向效應如提高生產率、增加投資等，有助于促進創新，進而正向作用于制造企業服務化；負向效應如降低投資收益率等，會抑制創新，進而負向作用于制造企業服務化。正向效應與負向效應相互抵消、達到均衡之后，整體上表現為“中國制造2025”戰略實施能夠促進制造企業服務化率提高。

5 結語

5.1 研究結論

在制造業面臨發展困境、積極進行服務化轉型的背景下，本文基于上市公司數據庫研究產業政策對制造企業服務化的影響。在理論分析部分，發現產業政策實施對制造企業服務化既有正向作用也有負向作用；在實證檢驗部分，以2015年“中國制造2025”戰略實施作為準自然實驗，構建雙重差分模型估計產業政策對制造企業服務化的影響，得到如下基本結論：

(1)整體上，“中國制造2025”戰略實施能夠通過促進創新提高制造企業服務化率。從作用機制來看，“中國制造2025”戰略通過影響創新作用于制造企業服務化，同時帶來正向效應和負向效應，因而對制造企業服務化的影響也不同。 “中國制造2025”戰略實施能夠通過提高生產率和增加投資促進制造企業服務化，同時通過降低投資收益率阻礙制造企業服務化，整體上表現為“中國制造2025”促進制造企業服務化。

(2)“中國制造2025”戰略對制造企業服務化的促進作用在不同所有制性質企業之間具有顯著差異。民營企業受到顯著促進作用，而對國有企業和外資企業的促進作用則不顯著。

(3)“中國制造2025”戰略對制造企業服務化的促進作用在不同地區企業之間也具有顯著差異。東部地區企業和中部地區企業受到顯著促進作用，而對西部地區企業的促進作用則不顯著。

5.2 啟示

“中國制造2025”戰略確實有助于促進制造業服務化，本文研究帶來以下啟示：在產業政策具體執行過程中，政府要加大監管力度，避免政策優惠濫用，確保資金真正投入到研發創新中；明確受扶持企業標準，防止尋租、腐敗行為發生；定期檢驗政策效果，若現實情況與政策初衷有所偏離，應及時對政策作出調整。企業要合理利用政策優惠，注重自主研發創新，增加研發創新投入；在開發新的服務業務之前，積極進行充分的市場調研，深入了解顧客需求，降低沉沒成本。