工業互聯網對制造企業創新績效的影響機制

伍先福,李欣宇

(1.廣西師范大學 經濟管理學院;2.廣西高校數字賦能經濟發展重點實驗室,廣西 桂林 541004)

0 引言

當前,依靠大規模增加生產要素投入獲取規模經濟效應和范圍經濟效應的傳統增長范式已經難以為繼,依托創新轉型升級成為制造企業高質量發展的主旋律,而效率高低是能否成功創新的關鍵和根本。中共二十大報告指出,創新是第一動力,深入實施創新驅動發展戰略,強化國家戰略科技力量,優化配置創新資源。可見,如何對創新資源進行優化配置,已成為國家政策與實踐關注的焦點。與此同時,以工業互聯網為核心的新型基礎設施作為“新動能”受到政府高度重視。2017年11月,國務院發布《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》,指出工業互聯網加快發展有利于加速智能制造發展,優化生產和服務資源配置,促進傳統產業轉型升級,為制造強國建設提供新動能;《“十四五”數字經濟發展規劃》進一步要求建設可靠、靈活、安全的工業互聯網基礎設施,支撐制造資源的泛在連接、彈性供給和高效配置。在一系列政策引導下,工業互聯網建設得以快速推進,被認為是企業數智化轉型的助推器[1],已成為第四次工業革命的關鍵支撐和發展先進制造企業的重要基石。同時,工業互聯網對制造企業轉型升級的賦能效應初步顯現。中國工業互聯網研究院發布的《中國工業互聯網產業經濟發展白皮書(2022年)》顯示,2021年工業互聯網帶動中國制造企業增加值規模達到 1.75 萬億元,名義增速為 17.78%。然而,如何充分利用工業互聯網賦能機制助推制造企業創新發展,無論是在實踐層面還是學術領域都處于探索階段。因此,對工業互聯網影響制造企業創新績效的作用機制進行檢驗,不僅可為工業互聯網與制造企業高質量發展相關政策的制定及落地提供理論指導,還能為工業互聯網與制造企業創新體系的豐富和完善提供有益參考。

1 文獻綜述

既有文獻較少論述工業互聯網對制造企業創新績效的作用機制,主要探討工業互聯網對整體工業經濟發展的積極影響和“互聯網+制造業”對企業創新的影響。

從工業互聯網影響工業經濟發展的角度看,既有研究認為,工業互聯網會打破傳統“微笑曲線”[2],通過技術、要素、效率賦能制造企業轉型升級,其集成互聯能力和協調融合能力是實現企業智能制造與服務轉型的關鍵[3]。工業互聯網能夠提高制造企業生產效率、經營水平、研發效率,降低成本[4],提高生產工藝流程自動化和柔性化程度,提升我國制造企業整體競爭力[5]。同時,工業互聯網還能解決我國制造企業在全球價值鏈中的低端鎖定問題,促進制造企業價值創造能力提升[6]。工業互聯網實現人、機器和生產企業之間的實時交互,能夠激發機器的最大潛能,是制造企業轉型升級和創新發展的助推器[7],有助于產業生態重構和數據融合增值[8],并通過多種渠道助力制造企業突破低端鎖定問題。此外,工業互聯網還發揮要素配置、需求驅動、分工協作功能,促進產業鏈要素、能力、治理協同,是提升產業鏈現代化水平的重要抓手[9]。

在工業互聯網影響創新績效方面,學者主要從協同創新、知識溢出、資源整合、創新成本等角度進行分析。從協同創新角度出發,“互聯網+”的群智性為創新個體智慧提供了源泉,反饋性為創新個體間的良好溝通與交流提供環境,可以促進創新個體之間協同合作[10];從知識溢出角度出發,在企業內部,工業互聯網有助于促進研發人員溝通與交流,推動企業管理變革[11],同時也能協同企業研發制造流程,催生一系列新技術、新模式和新業態,產生顯著的創新外溢效應[12];從資源整合角度出發,工業互聯網將先進的信息技術作為載體,可打破傳統創新體系的地域局限和組織局限[13],使外部用戶、科研機構及相關企業形成分工合作、共攤研發費用并共享研發成果的開放式創新模式,有助于企業異質性資源獲取[14],通過內外部資源流動提高企業技術創新能力;從創新成本角度出發,“互聯網+制造業”使企業創新資源組合方式及連接方式發生改變,能夠降低企業創新交易成本、契約成本、代理成本和治理成本,進而提高企業創新績效[15]。

雖然現有研究認為嵌入工業互聯網平臺對企業創新績效具有促進作用,但存在以下不足:①對工業互聯網與制造企業創新績效的研究缺乏統一測度方法和模型;②研究樣本主要基于高技術產業或區域層面數據,利用微觀企業數據進行分析的實證研究較少,與企業作為應用主體的實踐不匹配;③尚未明晰工業互聯網對制造企業創新績效賦能的作用路徑,理論分析有待挖掘、檢驗和細化。為此,本文通過構建多時期DID模型和PSM-DID模型,采用定性與定量相結合的研究方法,基于2016—2021年中國制造業A股上市公司數據對工業互聯網賦能制造企業創新績效的影響機制進行實證分析。本文邊際貢獻在于:第一,采用中國制造企業上市公司數據,將實證研究聚焦于我國微觀企業層面,并集中研究制造企業,在研究精度和研究深度上作出一定程度拓展。第二,利用“爬蟲+人工識別”技術合理識別加入工業互聯網的制造企業,識別方法具有一定啟發意義。

2 理論分析與研究假設

根據熊彼特創新理論及內生經濟增長理論,知識、資本、供應源、市場、組織形式均會影響創新。因此,工業互聯網通過知識吸收能力、供應商集中度、融資約束、風險承擔能力等作用路徑影響制造企業創新績效,而市場化水平則在這一過程中發揮調節作用(見圖1)。

2.1 工業互聯網通過提高知識吸收能力影響制造企業創新績效

基于動態能力理論和創新理論,知識吸收能力是企業獲取、轉化和應用新知識提高創新績效的重要因素[16]。工業互聯網有助于制造企業獲取異質性資源,為企業搭建開放式技術共享平臺,幫助企業提升知識吸收能力。首先,獲取多樣化、新穎的外部知識能夠豐富企業知識儲備,進而增強企業吸收能力;其次,工業互聯網可為制造企業開放式創新提供平臺支撐,拓展制造企業技術知識獲取深度,加速技術知識轉化與應用;最后,工業互聯網能夠推動制造企業高效整合、提煉內外部知識,并通過新舊知識轉化促進制造企業創新績效提升。據此,本文提出如下假設:

H1:工業互聯網有助于促進制造企業創新績效提升。

H2:工業互聯網通過知識吸收能力、供應商集中度、融資約束、風險承擔能力等作用路徑影響制造企業創新績效。

2.2 工業互聯網通過降低供應商集中度影響制造企業創新績效

基于知識網絡理論,多主體協同創新能有效提高企業創新效率,而工業互聯網通過降低供應商集中度影響制造企業創新績效。從資源依賴性看,供應商集中會影響企業議價能力和異質性資源獲取,從而阻礙制造企業創新:就議價能力而言,供應商越集中,供應商議價能力越強,企業創新利潤被具有較高議價能力的供應商占有越多,越會降低制造企業技術創新投入意愿;就異質性資源獲取而言,供應商越集中,就越容易錯過與其它廠商的合作,進而遭遇“卡脖子”技術瓶頸,阻礙制造企業技術進步。而工業互聯網可緩解制造企業對供應商地理集中的依賴,有效避免供應商過度集中。相較于傳統模式,工業互聯網能高效吸納更多創新主體,快速實現主體之間的互聯互通,精準對接企業供需,提高制造企業尋找合適供應商的速度和效率,從而削弱制造企業對原有供應商的依賴,有效防范供應商議價能力的負面影響,避免對方侵蝕自身資源。據此,本文提出如下假設:

H2a:工業互聯網通過提高知識吸收能力促進制造企業創新績效提升;

H2b:工業互聯網通過降低供應商集中度促進制造企業創新績效提升;

2.3 工業互聯網通過緩解企業融資約束影響制造企業創新績效

金融資源是企業提高創新能力的保障,企業創新面臨的主要問題是資金壓力[17]。企業創新活動往往具有風險高、研發周期長等特點,需要投入大量資金,但僅依靠內部資金無法覆蓋創新活動全周期,因而企業創新活動高度依賴外部融資。在傳統金融服務中,由于金融機構與企業間存在嚴重的信息不對稱,加之抵押品不足、風險較高,導致企業融資成本高,會嚴重阻礙企業創新[18]?；谛畔⒉粚ΨQ理論,工業互聯網可為制造企業融資需求和金融機構融資提供平臺,幫助金融機構更好地識別制造企業貸款信息的真實性和透明度,有效緩解信息不對稱,并通過大數據和云計算等先進技術,促進融資雙方供需匹配,為制造企業創新提供資金保障。此外,工業互聯網還能幫助制造企業網絡平臺銷售和數字化管理,一方面拓寬銷售范圍,降低市場開發成本;另一方面通過數字化管理提高企業生產效率,改善企業盈利能力,進而緩解企業融資約束。據此,本文提出如下假設:

H2c:工業互聯網通過緩解企業融資約束促進制造企業創新績效提升;

2.4 工業互聯網通過提升風險承擔水平影響制造企業創新績效

企業風險承擔水平是指企業在激烈的市場競爭中為謀求高額利潤而承擔風險的傾向性[19]。企業需要對創新活動風險和收益進行審慎評估才能作出決策,因此企業創新與風險承擔水平緊密相關。企業風險承擔水平提高,意味著企業風險承擔意愿和能力提升,企業會更加積極地開展創新活動,抓住發展時機并投入更多創新資源提升創新績效;反之,企業風險承擔水平降低,創新意愿也會下降,進而導致創新績效減少。既有研究發現,風險承擔水平作為一種中介機制影響其它因素對企業創新的作用,如企業數字化轉型能夠顯著提高企業風險承擔水平,進而賦能企業創新[20]。與之類似,工業互聯網能提高企業風險承擔水平,如通過提升企業數字化管理水平、優化內外部資源配置、增強企業財務穩定性等途徑使企業獲得更好的創新績效。同時,善于創新的企業更有意愿從事風險創新活動,催化風險承擔水平提升[21],由此形成良性循環機制。據此,本文提出如下假設:

H2d:工業互聯網通過提升風險承擔水平促進制造企業創新績效提升;

2.5 市場化水平對工業互聯網影響制造企業創新績效的調節作用

市場化水平是衡量企業經營活動的重要指標,反映市場調配資源的能力,在企業戰略選擇與企業績效之間發揮調節作用。我國各地區市場化改革存在時間先后差異,導致各地區市場化水平明顯不同。一般而言,在市場化水平較高地區由市場主導資源配置,創新資源更豐富,創新信息更透明,市場尋租行為較少,創新需求更易捕捉,具有完善的制度保障和較低的政府干預,相關創新要素可以得到合理配置[22]。因此,企業在市場化水平較高地區應用工業互聯網改善創新效率的空間較小。而在市場化水平較低地區,制造企業面臨的創新環境較差,公司治理水平較低,因而工業互聯網發揮作用的空間更大。據此,本文提出如下假設:

H2e:市場化水平對工業互聯網影響制造企業創新績效提升具有負向調節作用。

根據上述分析,本文構建工業互聯網對制造企業創新績效的影響機制,如圖1所示。

圖1 工業互聯網對制造企業創新績效的影響機制Fig.1 Impact mechanism of industrial internet on innovation performance of manufacturing enterprises

3 研究設計

3.1 模型構建

為檢驗假設H1,本文運用雙重差分法對工業互聯網影響制造企業的創新績效進行評估。考慮到不同制造企業在2016—2021年加入工業互聯網的時間不同,故借鑒劉瑞明(2015)和王玉榮等[23]的研究,采用多期雙重差分法構建如下模型:

zsqzli,t=α+β·iioti,t+θ·controli,t+μi+τt+εi,t

(1)

式(1)中,將2016—2021年加入工業互聯網的制造企業上市公司設置為處理組,未加入工業互聯網的制造企業上市公司設置為控制組。將制造企業上市公司加入工業互聯網的虛擬變量iiot設為本文核心解釋變量,i表示制造企業個體,t表示年份,若制造企業i在t年加入工業互聯網則iioti,t取值為1,否則為0;β表示工業互聯網對制造企業創新績效的影響系數,正負代表工業互聯網正向促進或反向抑制制造企業創新績效提升,絕對值表示影響程度大小。α為常數項;control為模型中的控制變量,包括企業規模(zzc)、資產負債率(zcfzl)、資產盈利率(zcsyl)、企業年齡(age)、股權集中度(gqjzd);μi為企業個體固定效應;τt為時間固定效應;εi,t為隨機擾動項。

3.2 變量選取與測量

3.2.1 被解釋變量

本文中被解釋變量為制造企業創新績效。借鑒Hagedoorn等[24]的研究,選取運用最普遍且數據較易獲取的專利數量衡量企業創新績效,具體采用制造企業上市公司年末統計總申請專利數量衡量?？紤]到創新活動和專利產出具有一定時滯性,本文對滯后一期制造企業上市公司專利申請數量作標準化處理并取自然對數,將其作為創新績效的測度指標。

3.2.2 核心解釋變量

本文中核心解釋變量為企業當年是否加入工業互聯網,參照楊德明和劉泳文[25]的做法,采用“爬蟲關鍵詞+人工確認”技術對其進行賦值,借鑒工業互聯網相關政策及其內涵研究,選取工業互聯網、IIoT、智能制造、云平臺作為關鍵詞。具體步驟如下:第一步,利用爬蟲技術對上市公司年報關鍵詞進行爬取,根據詞頻大小初步判斷企業是否嵌入工業互聯網。如果第t年加總詞頻(totlet)小于3次,則基本認定該企業第t年未嵌入工業互聯網平臺;如果totlet≥3,則需進一步進行人工確認。第二步,針對totlet<3的情況,如果第t-1、t+1年均小于3次,則確定為未嵌入工業互聯網;如果totlet-1≥3或totlet+1≥3,則需進一步進行人工確認。第三步,對于需要人工確認的企業,根據關鍵詞在年報中出現的位置和內容作為評判標準。如提到“基于該技術(前述關鍵詞)提升生產效率、工作效率、管理能力”等語句,或“被評為工業互聯網、智能制造先進企業、示范企業”,抑或是在財務報表中提到該技術并產生其它收益等應用工業互聯網的實質內容,均視為其嵌入工業互聯網;如相關描述為“致力于打造工業互聯網”、行業發展趨勢、政府文件、公司未來展望及未來規劃等內容,則視為其未嵌入工業互聯網。第四步,對2016—2021年的結果進行匯總,并將公司代碼與年份從小到大進行排序,逐個查看企業加入工業互聯網的年份與虛擬變量賦值是否有誤。

3.2.3 中介變量與調節變量

(1)中介變量:①知識吸收能力(zsxsnl),以制造企業研發投入占營業收入的比重衡量;②供應商集中度(gysjzd),以企業前五大供應商采購額占總采購額的比重衡量[26];③融資約束(SA),以常用指標SA指數衡量[27];④風險承擔水平(risk),以企業盈余波動性即行業盈余均值調整后的息稅前利潤與總資產比重的標準差risk1和極差risk2衡量。

(2)調節變量:市場化水平(market),以企業注冊地所在省份市場化指數衡量。

3.2.4 控制變量

為避免遺漏變量導致的偏誤,本文參照已有研究,設置以下控制變量:①企業規模(zzc)。企業規模越大,物質和人力資源越豐富,企業可利用的要素資源越多,越會對創新活動產生正面影響,采用制造企業總資產對數值測量[28];②資產負債率(zcfzl)。資產負債率代表企業整體負債水平,負債率越高說明資金受限越多,越會對企業創新產生負面影響[29],以制造企業公司財務報表披露的期末負債總額除以資產總額衡量;③資產收益率(zcsyl),以企業凈利潤除以平均資產總額衡量,是反映企業盈利能力的重要指標,企業盈利能力越強,就越有可能增加創新投入;④企業年齡(age),以企業成立年份與樣本年份的差值度量,企業成立年限越久,企業發展越成熟,市場占有率越高,企業創新潛力越大;⑤股權集中度(gqjzd),以前十大股東股權占比測量?，F代企業理論認為,股權相對分散的企業容易產生第二類代理問題,進而影響企業創新績效[30]。

綜上所述,各變量含義及測度如表1所示。

表1 變量定義Tab.1 Variable definitions

3.3 樣本選取與數據來源

由于我國工業互聯網2016年以后才進入相對成熟的發展期,故本文選取2016—2021年中國制造業A股上市公司數據作為研究樣本。制造企業上市公司是否加入工業互聯網數據來源于中國制造業A股上市公司發布的年度報告,利用“爬蟲+人工識別”技術處理,其它數據來源于上市公司企業年報、新浪財經網、CSMAR數據庫、CNRDS數據庫、銳思數據庫、同花順數據庫等。

4 實證結果分析

4.1 基準回歸分析

表2第(1)～(6)列解釋變量iiot系數估計值均顯著為正,表明工業互聯網能夠顯著促進制造企業創新績效提升。工業互聯網為制造企業提供了一個開放式技術研發創新平臺,為制造企業提供技術支持,加強企業技術交流與合作,使各領域技術不斷融合,促進企業優化資源配置,為知識積累、交流合作、技術研發、價值創造打下堅實基礎,進而促進制造企業創新績效提升。

4.2 穩健性檢驗

4.2.1 PSM-DID檢驗

由于制造企業是否加入工業互聯網具有一定非隨機性,因此有可能導致直接估計選擇性偏差,且其它因素也會造成兩組企業創新績效差異。因此,本文采用PSM-DID方法對變量進行穩健性檢驗。基于Becker等(2002)的傾向得分匹配方法,選用非替代性一對一最近鄰匹配方法,為每個加入工業互聯網的制造企業(處理組)匹配未加入工業互聯網的制造企業(對照組)。匹配后ATT由未匹配前的0.050縮小至0.041 5,T值為2.53,說明直接計算加入工業互聯網相較于未加入工業互聯網企業的創新績效,將會導致工業互聯網對制造企業創新績效的促進作用被高估。而在控制其它因素后,與未加入工業互聯網的企業相比,加入工業互聯網能使制造企業創新績效提升0.041 5,意味著加入工業互聯網對制造企業創新績效具有顯著促進作用。同時,也驗證了采用PSM能夠消除其它因素對企業創新績效的影響,解決企業選擇性偏誤帶來的內生性問題(見表3)。

由表4結果可以看出,所有匹配變量標準偏差絕對值在匹配后均小于10%,說明本文選取的匹配變量和匹配方法較為合理。同時,匹配后t統計量幾乎不顯著,說明匹配變量在處理組和對照組之間不存在顯著差異,匹配后能夠保證樣本處理的隨機性。

匹配完處理組和對照組后,使用DID方法對匹配好的樣本進行回歸分析,結果如表5所示。其中,核心解釋變量iiot估計系數顯著為正,說明加入工業互聯網對制造企業創新績效具有顯著正向影響。

表2 工業互聯網影響制造企業創新績效的DID回歸結果Tab.2 DID regression results on the industrial internet on innovation performance of manufacturing enterprises

表3 加入工業互聯網的制造企業創新績效平均處理效應Tab.3 Average treatment effect of innovation performance of manufacturing enterprises joining the industrial internet

表4 平衡性檢驗結果Tab.4 Balance test results

表5 PSM-DID回歸結果Tab.5 PSM-DID regression results

4.2.2 更換被解釋變量

將被解釋變量由專利申請數量改為專利授權量(zlsql)進行檢驗,基準回歸結果如表6所示,iiot系數依然顯著為正,表明工業互聯網能夠促進制造企業創新績效提升,且表6中的系數值比系數絕對值大,說明工業互聯網對制造企業獲得專利數量的增長效應更強,主要表現在專利產出上。

4.3 異質性分析

4.3.1 基于獨立創新與合作創新的異質性分析

表7第(1)(2)(3)(4)列分別為加入工業互聯網影響制造企業獨立申請專利總數量(dlsqzl)、獨立申請發明專利數量(dlsqfm)、獨立申請實用新型專利數量(dlsqsy)及獨立申請外觀專利數量(dlsqwg)的回歸結果。由表7結果可知,加入工業互聯網能夠顯著增加制造企業獨立申請的專利數量并促進企業創新績效提升。表7第(5)(6)(7)(8)列為加入工業互聯網對制造企業開放式創新模式下聯合申請專利總數(lhsqzl)、聯合申請發明專利數量(lhsqfm)、聯合申請實用新型專利數量(lhsqsy)及聯合申請外觀設計專利數量(lhsqwg)的影響結果,可見工業互聯網對制造企業開放式創新模式下的創新績效具有顯著促進作用,其中對聯合申請發明專利數量的影響系數顯著為正,但對聯合申請實用新型專利數量和外觀設計專利數量的影響不顯著。

表6 更換被解釋變量的DID回歸結果Tab.1 DID regression results of replacing the dependent variable

表7 工業互聯網對制造企業獨立創新與合作創新的影響Tab.7 Impact of industrial internet on independent and collaborative innovation of manufacturing enterprises

4.3.2 基于不同所有權性質的異質性分析

將研究樣本劃分為國有企業(owned)和非國有企業(noowned)兩類,回歸結果如表8第(1)(2)列所示。從中可見,工業互聯網對不同性質制造企業創新績效的作用效果存在顯著差異,加入工業互聯網對國有制造企業和非國有制造企業創新績效具有顯著促進作用,但對國有制造企業創新績效的促進作用更強。原因在于,融資約束是制約非國有企業創新活動的主要因素,而國有企業比非國有企業更具融資優勢,所受制約較少,因此工業互聯網對國有企業的帶動作用更大。

4.3.3 基于不同類型企業的異質性分析

將樣本企業劃分為勞動密集型(laodong)、資本密集型(ziben)和技術密集型(jishu)三類進行回歸分析,結果如表8第(3)(4)(5)列所示。從中可見,工業互聯網對不同類型制造企業創新績效的作用效果存在顯著差異,加入工業互聯網對技術密集型和資本密集型制造企業創新績效具有顯著促進作用,對勞動密集型制造企業創新績效無顯著影響。原因在于:技術密集型制造企業擁有較多研發設計、專利等無形資產,為企業加入工業互聯網開展創新活動提供了較好的技術支撐;資本密集型制造企業有形資產比較豐富,在加入工業互聯網后能將有形資產轉化為資金投入,從而滿足持續性創新需要。但對于勞動密集型制造企業而言,創新活動相對有限,數字化技術、智能化技術應用較少,加之自身屬性限制,現階段加入工業互聯網規模不大,因此未充分享受工業互聯網帶來的創新紅利。

4.3.4 基于不同產權保護力度的異質性分析

由于專利申請受到知識產權保護的影響,故參照吳超鵬和唐菂[29]的做法,用專利未被侵權率即“1減去專利被侵權率”衡量制造企業所在地區知識產權保護力度,指標值越大表示知識產權保護力度越高。其中,專利被侵權率為專利侵權糾紛案件數除以該省份截至當年累計授權專利數,專利侵權糾紛案件數與各省份累計授權專利數數據來自2016—2020年《中國知識產權年鑒》。計算各省份專利未被侵權率后求均值,高于均值的省份為知識產權保護力度較高省份,知識產權保護力度虛擬變量(zscqbhldg)取值為1;反之,低于均值則為知識產權保護力度較低省份,虛擬變量(zscqbhldd)取值為0。

表8第(6)(7)列為知識產權保護力度不同地區制造企業的回歸結果。從中可見,工業互聯網能顯著促進制造企業創新績效提升,但在知識產權保護力度高的地區,影響系數絕對值小于知識產權保護力度低的地區。這是因為,當制造企業處于知識產權保護力度較低地區時,專利發明被抄襲、剽竊的可能性更大,不利于制造企業形成核心競爭力,企業從中獲益大大減少,致使企業創新意愿下降。而當制造企業處于知識產權保護力度較高的創新環境中時,法律會嚴厲懲戒和制裁其它企業的知識產權侵權行為,保護企業發明專利,為企業創新塑造公平正義的創新環境,使企業享受創新帶來的應有收益,從而激發企業創新意愿,促進企業創新績效提升。此外,在工業互聯網時代,越來越多的企業已經意識到數據成為最新、最有潛力的要素,利用數據進行創新更加普遍,但目前相關數據產權保護法律法規還需要完善,立法部門亟需加大知識產權保護力度,為企業研發創新保駕護航。

表8 異質性分析結果Tab.8 Heterogeneity analysis results

4.4 進一步機制分析

4.4.1 中介效應分析

為驗證假設H2,參考黎文婧和鄭曼妮[31]的研究,本文構建如下中介效應模型:

zsqzli,t=α11+α12iioti,t+α13Controli,t+γi+δt+εi,t

(2)

zjbli,t=α21+α22iioti,t+α23Controli,t+γi+δt+εi,t

(3)

zsqzli,t=α31+α32iioti,t+α33zjbli,t+α34Controli,t+γi+δt+εi,t

(4)

公式(2)(3)(4)中,zsqzli,t表示i企業t年度的創新績效;iioti,t表示是否為工業互聯網的虛擬變量;zjbli,t為中介變量,分別代表制造企業知識吸收能力(zsxsnli,t)、供應商集中度(gsjzdi,t)、融資約束(rzysi,t)、風險承擔水平(riski,t);Controli,t為控制變量,其含義及測度與公式(1)相同。

(1)基于知識吸收能力的中介效應分析。根據前文理論分析,結合陳光華等[32]的方法,采用企業研發強度即研發投入與產品銷售收入之比度量企業知識吸收能力。表9前3列結果顯示知識吸收能力對工業互聯網賦能制造企業創新起中介作用,中介效應系數為0.045,在10%水平上顯著;工業互聯網系數在1%水平上顯著為正,說明知識吸收能力對工業互聯網促進制造企業創新績效提升起部分中介作用,H2a得以驗證。

(2)基于供應商集中度的中介效應分析。表9第(4)(5)列結果表明,工業互聯網能夠提高供應商集中度從而削弱對制造企業創新績效的促進作用。原因可能在于:現階段制造企業加入工業互聯網的規模有限,當加入工業互聯網供應鏈上下游企業數量不多時,考慮到交易成本,供應商越集中,制造企業合作關系越穩定,越有意愿進行信息共享,進而能夠降低信息搜尋成本和交易成本,促進合作創新。為節約成本、提高效率,已經加入工業互聯網的制造企業更傾向于從平臺上選擇相應供應商,以便高效獲取交易資源,這就使得加入工業互聯網的供需企業之間的資源交換越來越頻繁,供需雙方之間可以充分進行信息交流,買方不再局限于地理上集中的供應商,而是可以借助工業互聯網“貨比三家”,作出最優供應商選擇,從而保證企業從更多供應商處獲取資源,進而減輕“斷供風險”。

表9 中介效應檢驗結果Tab.9 Test results of mediating effect

(3)基于融資約束的中介效應分析。中介變量融資約束采用SA指數度量,指數值越大表明融資約束越高[27]。表9第(6)(7)列結果顯示,工業互聯網能夠顯著緩解制造企業融資約束,中介效應系數為-2.315,在1%水平上顯著,說明工業互聯網能夠降低制造企業融資約束進而促進企業創新,H2c得以驗證。

(4)基于風險承擔水平的中介效應分析。本文參考何瑛等[33]的做法,選取企業在觀測時段內的Roa波動程度度量企業風險承擔水平,盈余波動性越大,說明企業風險承擔水平越高。其中,Roa用息稅前利潤除以年末總資產計算,參考John等[34]的做法,得到risk1和risk2兩個指標。表10列示了風險承擔水平對工業互聯網與制造企業創新績效關系的中介作用檢驗結果,可見風險承擔水平risk1與risk2的系數均顯著為正,說明企業風險承擔水平在工業互聯網促進制造企業創新績效提升過程中起部分中介效應,H2d得以驗證。

4.4.2 基于市場化水平的調節效應分析

為檢驗H2e,本文以市場化水平為調節變量,選取企業注冊地所在省份市場化指數進行測度。由表10第5列結果可知,工業互聯網與市場化水平交互項(iiot×market)系數顯著為負,表明市場化水平對工業互聯網影響制造企業創新績效具有負向調節作用。地區市場化水平越高,市場競爭越激烈,為塑造核心競爭力,制造企業越會自發進行創新以獲取更多市場占有率。在這種情況下,雖然工業互聯網可以賦能制造企業創新績效提升,但由于制造企業自身已具備較強的創新能力,使得工業互聯網的賦能效果弱于市場化程度較低地區。相反,當市場化水平較低時,資源要素配置本身不夠完善,制造企業獲取創新資源相對于市場化水平高的地區更有難度。此時,制造企業借助工業互聯網萬物互聯互通特性能夠實現更高效的資源配置,解決企業創新面臨的絆腳石問題,賦能效果更好。

5 結論與啟示

5.1 研究結論

本文以2016—2021年中國制造企業上市公司微觀數據為研究樣本,構建計量模型實證檢驗工業互聯網對制造企業創新績效的影響機制,得出如下結論:

(1)工業互聯網通過增強企業知識吸收能力、緩解企業融資約束、提高企業風險承擔能力等作用路徑促進企業創新績效提升。受當前工業互聯網發展規模限制,出于降低成本和資源獲取的考慮,被迫的供應商地理集中度提高會導致工業互聯網對創新績效的提升效果大大減弱。制造企業所在省份市場化水平是調節工業企業互聯網賦能創新績效的重要情境因素,市場化水平越高,工業互聯網對創新績效的提升作用越有限。

(2)工業互聯網對我國制造企業創新績效的提升作用具有異質性:①加入工業互聯網能夠增加制造企業獨立申請專利數量,對獨立創新模式下專利產出的促進作用顯著,在開放式創新模式下則能夠提高聯合申請發明數量,對實用新型專利數量和外觀設計專利數量沒有顯著影響;②工業互聯網對國有企業創新績效的提升作用強于非國有企業;③工業互聯網對不同類型制造企業創新績效的作用效果存在差異,表現為對資本和技術密集型制造企業創新績效具有顯著促進作用,對勞動密集型制造企業創新績效無顯著影響;④工業互聯網對創新績效的促進作用在知識產權保護力度高的地區強于知識產權保護力度低的地區。

表10 風險承擔水平中介效應與市場化水平調節效應檢驗結果Tab.10 Test results of mediating effect of assumption of risk level and moderating effect of marketization level

5.2 實踐啟示

(1)政府需要塑造完善、公平的外部環境。首先,在幫扶企業實施工業互聯網發展之前,先要評估工業互聯網在不同區域制造企業的應用規模,結合不同區域制造企業發展水平,“因地制宜”“因企制宜”撥付扶持專項資金,區別在不同條件和實際情況下的投入力度,合理分配專項財政資金為制造企業升級蓄力。其次,為制造企業創新發展提供各種資源。在金融支撐上,幫助企業分擔工業互聯網實施風險,完善風險承擔機制;在技術條件上,由政府牽頭制造企業展開創新合作,或者由政府為制造企業提供技術支持;在人才需求上,培育和引進當前市場緊缺的數字應用型人才和高端技術人才,培養新興產業需求人才,為復合型人才供給奠定基礎。再次,在法律法規建設方面,隨著數據要素應用場景的不斷擴大,應充分重視知識產權尤其是數據產權法律法規的訂立和完善,促進數字經濟發展。

(2)企業要以工業互聯網賦能機制為依據,借助工業互聯網提升自身能力、破解相關困境,及時實現數智轉型,避免被低端鎖定從而淘汰出局。首先,除必要研發投入外,要引導企業提高自身知識吸收能力,及時對創新成果進行評估;其次,依托工業互聯網的網絡性,引導企業做好內部溝通協調,加強與外部創新主體的合作,包括合作企業、研究機構、高校以及供應端、客戶端等,相互之間應盡可能地共享創新資源,提升創新效率,促進創新成果產出與轉化應用;最后,合理控制供應商集中度,既要適機選擇匹配度高的數智化轉型企業,也要避免因供應商過度集中而使自身處于議價能力劣勢的窘境。

5.3 不足與展望

本文存在以下局限性:第一,囿于數據不可得且未有統一的權威指標,采用專利申請量對制造企業創新績效進行測量,測量方法存在一定不足。雖然使用替換被解釋變量的方法進行穩健性檢驗,但創新績效還包括人力和資本投入、創新收益等方面,因此未來應通過問卷調研、企業走訪等方式進一步收集制造企業創新活動相關數據,選取創新產品銷售值或產值作為衡量指標,以使研究結論更加準確。第二,僅對勞動、資本、技術密集型3類制造企業進行初步異質性檢驗,未區分能源、電子、輕紡工業等具體制造業企業,由于不同制造行業工業互聯網賦能創新績效的作用效果可能存在較大差異,因此未來可具體細分制造行業對工業互聯網賦能效應進行深入研究。第三,由于工業互聯網應用處于起步階段,相關數據尚不充分,未來應結合更多數據作更深入系統的探討。