工業互聯網對制造業企業全要素生產率的影響

伍先福 鐘鵬

摘?要：本文利用中國制造業A股上市公司2016—2020年的面板數據實證檢驗工業互聯網對制造業企業全要素生產率的影響。研究發現，工業互聯網對制造業企業全要素生產率具有顯著的提升效應；工業互聯網主要通過提高勞動生產率、降低成本費用率、提高研發投入強度等路徑來提升制造業企業全要素生產率；這種全要素生產率提升效應在東部與西部地區顯著但在中部與東北地區不顯著，對技術密集型企業顯著但對勞動密集型與資本密集型企業不顯著，對成熟期企業顯著但對成長期企業不顯著，對民營企業顯著但對國有企業不顯著。為此，有必要設法提高工業互聯網在制造業企業中的滲透率，充分發揮工業互聯網對制造業轉型升級的賦能效應，工業互聯網的推進策略應基于不同情境而有所差異。

關鍵詞：工業互聯網；制造業；全要素生產率；作用機制

中圖分類號：F0629??文獻標識碼：A??文章編號：1001-148X（2024）03-0020-12

收稿日期：2023-06-08

作者簡介：伍先福（1980—），男，湖南婁底人，教授，博士，研究方向：數字經濟與產業升級、全球價值鏈攀升；鐘鵬（1996—），本文通訊作者，女，湖南邵陽人，助教，研究方向：產業經濟學。

基金項目：國家自然科學基金項目“工業互聯網新動能積聚對傳統制造業價值鏈增值的傳導機制：產業網絡集聚視角”，項目編號：71963003；珠江-西江經濟帶發展研究院科學研究基金項目“工業互聯網對珠江-西江經濟帶制造業提質增效的影響研究”，項目編號：ZX2022001。

一、引?言

實體經濟高質量發展與數字經濟全方位推進是當前及今后很長一段時期中國經濟社會發展的兩大主旋律，前者以制造業高質量發展為支撐，后者以新型基礎設施建設為動能。制造業高質量發展的核心和關鍵在于全要素生產率（Total?Factor?Productivity，TFP）的提升，但受中國人口紅利消失、勞動力成本上升、資本邊際報酬下降、民間投資意愿不強、對外開放帶來的技術趕超空間收窄等影響，制造業TFP的提升難度日趨增加、提升瓶頸逐漸變大，據此尋求有效路徑以降低其提升難度并突破其提升瓶頸的緊迫性因而變得越來越強。

當前，以工業互聯網為核心的新型基礎設施作為“新動能”被確定為國家政策，黨的十九大報告提出需“推動互聯網、大數據、人工智能和實體經濟深度融合”；2017年11月，發布了《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》；此后，工業互聯網相關政策密集出臺，如《工業互聯網發展行動計劃（2018—2020年）》《“5G+工業互聯網”512工程推進方案》《工業互聯網創新發展行動計劃（2021—2023年）》等；黨的二十大報告進一步提出應“推動制造業高端化、智能化、綠色化發展”“促進數字經濟和實體經濟深度融合”。梳理前后20余項國家層面的工業互聯網相關政策，發現其共同意識很清晰，即通過“互聯網+先進制造業”打造工業互聯網平臺，并使其為產業數字化轉型升級賦能，而制造業轉型升級的內核便是TFP的提升。

在實踐層面，工業互聯網對制造業轉型升級的賦能效應已初步顯現，據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）》測算，2021年，工業互聯網帶動中國制造業的增加值規模達到?175?萬億元，名義增速為?1778%；帶動就業?142432?萬人，新增就業?14291?萬人。該白皮書指出，工業互聯網對制造業的賦能效應主要體現在：在研發設計上，能顯著降低研發成本、提高研發效率；在生產制造上，可最大限度地優化工藝參數、提高生產線效率；在品控管理上，可提升質檢效率和水平，有效提升良品率?？梢姡谥圃鞓ITFP遭遇提升瓶頸之際，工業互聯網被賦予“賦能”使命，且其賦能效應得以初顯。

本文利用制造業微觀企業數據樣本，嘗試對工業互聯網影響制造業TFP議題進行理論推演與實證檢驗分析，以期為工業互聯網或制造業TFP的縱深研究開啟新視角。

二、理論分析與研究假說

工業互聯網作為一種基于大數據而將人、機、料、法、環相互連接的新型數字基礎設施，不但具有數據傳輸、分析、挖掘等強大功能，進而可通過智能控制來優化企業研發、制造、運輸、銷售等各個環節的設備運行和管理決策；而且具備極強的滲透性，可以實現產業鏈上下游和各產業間的全面互聯，促進產業大范圍、強精準、高效率地配置生產和服務資源?？傮w來看，工業互聯網可與制造業企業的生產、管理和研發等環節深度融合，并主要通過提高勞動生產率、降低成本費用率、提高研發投入強度等作用路徑，推動制造業企業TFP的全面提升（如圖1所示）。

圖1?工業互聯網對制造業企業TFP的影響機制

（一）工業互聯網與生產環節融合可提升企業TFP

工業互聯網平臺可通過其各層體系結構與制造業各環節緊密地連接在一起，促使企業生產方式發生變革，并帶動資源要素通過替代效應和互補效應進行優化配置，最終推動制造業企業勞動生產率獲得顯著提高［1］。就替代效應而言，當投入要素之間因重復多余引起產出下降時，工業互聯網和冗余的投入要素間將呈現替代效應，有助于工業互聯網提高企業生產效率。制造業企業嵌入工業互聯網平臺后，工業互聯網的數據采集層將利用傳感器實時搜集產業數據，并進行大規模的存儲，以此構建基礎“數據集”，這有利于生產環節對現有資源進行隨時調用。此時，工業互聯網不僅替代了重復的工作內容，減少了企業的勞動力開支，還縮短了生產工序的工作時長，提高制造業企業勞動力的邊際產出，優化勞動力與其他資源的配置效率，進而有效地提高企業勞動生產率［2］。就互補效應而言，技術進步和勞動力之間將形成一個互補的體系，協同影響企業的經營績效［3］。工業互聯網的管理服務層可通過聯網設備對生產數據進行整合分析，在線上實時監測分析各生產設備的溫度、壓力等指標是否處在正常范圍內，從而達到對企業生產流程的智能監控；如果設備不處于預定的范圍內，則可以提前發出預警，及時干預潛在問題并有效控制。此時，工業互聯網與勞動力有限的精力與能力之間產生互補效應，從而提高生產效率與質量，減少因勞動“中斷”引起的成本增加。因此，工業互聯網可以通過提高勞動生產率，進而有效提升了制造業企業的TFP。

（二）工業互聯網與管理環節融合可提升企業TFP

在市場環境中，企業間信息通常存在不對稱的情況，這一因素將影響企業的資源配置效率，致使企業的技術效率下降。工業互聯網的“平臺效應”則可以助力制造業企業打破信息不對稱的屏障［4］，通過減少信息搜集費用、減少協調交易成本、降低產品管理費用、減少監督管理成本等成本費用，進而提升企業TFP。工業互聯網平臺將各個“邊”的用戶，如各企業、設備、生產要素等進行全面連接，通過構建一個“網絡化”的、無邊界的交易市場，讓企業在線上進行傳統的商業往來。首先，對于制造業企業而言，既可以在“家門口”獲取大量的市場供給與需求信息，減少信息搜索費用，提升企業尋找合適的客戶或供應商的效率，并且基于數據共享的市場讓交易企業在價格談判、售后服務等信息方面更加透明化，進而有效節省企業協調交易成本，提升企業的技術效率。其次，在動態變化的市場需求背景下，工業互聯網平臺將制造業企業間的供銷模式由傳統的“一對一”單鏈模式轉變為實時的“多對多”網狀模式，企業不再依賴于固定的進貨渠道和銷售渠道，可以在面對多個供應商和客戶時靈活安排采購計劃和生產體系［5］。企業不僅可以在滿足市場需求的前提下，減少庫存積壓，降低產品管理費用，還可基于工業互聯網的數據計算與預測能力，圍繞核心業務，開發出多種可擴展的模塊服務，實現多樣化大規模定制，從而在新的市場上占據銷售優勢，獲得更大的范圍經濟，提升規模效率，進而提升自身的TFP。此外，在工業互聯網平臺中，信息資料的公開透明化也可以作為一種監管手段，最大限度地防止企業的雇員為了謀取利潤而進行投機活動，從而有效降低企業的監督管理成本，提升企業的技術效率。

（三）工業互聯網與研發環節融合可提升企業TFP

工業互聯網是基于人、機、料、法、環互聯體系的通用技術，其集成應用具有知識、技術溢出效應和競爭效應［6］，有助于提高制造業企業的創新意識，從而推動企業加大研發投入強度［7］。首先，新的產品在未來市場上的需求程度存在很大的不確定因素是制造業企業開展研發投入的主要阻礙。通過工業互聯網平臺，制造業企業可以突破地域局限，實現制造業企業的空間集聚。同時，平臺的無邊界性可以打破傳統資源流動的壁壘，擴大知識、技術溢出范圍，有利于平臺內部企業間創新資源要素得到充分創造與流動，即企業間可利用工業互聯網平臺分享核心知識技術或成功應用案例來提升自身技術水平和技術儲備，有助于增強企業的創新信念，進而增大創新投入強度。其次，當產品屬性相近的企業集聚于一個區域時，由于知識具有公共物品性，因此極易造成“擠壓效應”［8］，這就意味著制造業企業在擴大其市場份額時將面臨激烈的競爭，而工業互聯網平臺的開放性將加劇企業之間的競爭程度。如果集聚區內某一個制造業企業率先開發出一種新的產品，那么集聚區內的其他企業將會優先選擇仿效新技術。面對激烈的市場競爭，各制造業企業必須持續增加研發投入強度，不斷進行技術革新，以提高產品的差異性，才能維持其在市場上的競爭力。

此外，制造業企業要想與工業互聯網深度融合，除了建立一個與之相匹配的、可以實現數據高效傳輸和分享的數字化生產環境外，還要具備一定的專業技術基礎扎實的技能人員、數據敏感度強的研發人員和運營經驗豐富的管理人員，這將迫使制造業企業在增加研發資金改進生產設備的同時加強員工的技能培訓，增大研發投入強度，從而提升企業技術效率和創新效率。綜上所述，工業互聯網將加強企業研發投入意愿，推動企業加大研發投入強度，進而提升制造業企業TFP。

基于上述分析，本文從整體上提出如下假說：

H1：嵌入工業互聯網對制造業企業TFP提升具有促進作用。

進一步，基于圖1所示的作用路徑及前述詮釋，提出如下中介作用機制假說：

H2：工業互聯網通過提高勞動生產率來提升制造業企業TFP。

H3：工業互聯網通過降低成本費用率來提升制造業企業TFP。

H4：工業互聯網通過加大研發投入強度來提升制造業企業TFP。

三、研究設計

（一）模型構建

為驗證嵌入工業互聯網對制造業企業TFP提升是否具有促進作用，本文以企業是否嵌入工業互聯網作為核心解釋變量，以制造業全要生產率作為被解釋變量構建實證檢驗模型。在模型選取上，傳統的雙重差分法以企業嵌入工業互聯網的時間作為政策虛擬變量，通過比較制造業企業TFP在嵌入工業互聯網前后的差異，來判斷嵌入工業互聯網對制造業企業TFP的作用效果。由于本文樣本中各企業嵌入工業互聯網的時間并不一致，且同時期政府出臺的相關政策也會對未嵌入工業互聯網的制造業企業產生正向影響，進而影響檢驗結果，因此傳統“單時期”的雙重差分法并不適用于本文。本文借鑒劉瑞明等（2015）的做法［9］，采用“多時期”雙重差分法進行實證檢驗。具體而言，本文將樣本中截止到2020年已嵌入工業互聯網的企業作為處理組，其他未嵌入工業互聯網的企業則作為實驗組，由此構造如下雙向固定效應的多期雙重差分（Differences-in-Differences，DID）模型：

Yit=α+βEndit+θXit+τi+γt+εit（1）

其中，Yit為被解釋變量，即制造業企業i在時期t的TFP，在不同情境設定下分別代表全要素生產率（MI）、技術效率（EC）和技術進步（TC）；Endit為核心解釋變量，表示工業互聯網虛擬變量，即企業在嵌入工業互聯網之前取值為0，否則為1；Xit為控制變量集，主要考慮資產負債率（ppt）、固定資產規模（fppt）、流動性比率（lqd）、企業年齡（age）等因素；τi為企業個體固定效應，γt為時間固定效應，εit為隨機擾動項。β值是本文所重點關注的參數，它衡量了工業互聯網對制造業企業TFP的凈影響；若β顯著為正，則嵌入工業互聯網能有效促進制造業企業TFP提升，反之，工業互聯網對制造業企業TFP有抑制作用。

（二）變量的選取及其測度

1?被解釋變量

本文被解釋變量為制造業企業TFP。由于DEA法不但可以測算出制造業企業TFP第t期至第t+1期的動態變化，而且可以對TFP進行分解，方便分析技術進步、技術效率的變動。因此，本文主要采用DEA-Malmquist指數法測算制造業企業TFP并對其進行分解。測算所需的投入-產出變量分別為：（1）產出變量，采用“營業收入”進行測度；（2）資本投入，采用上市公司資產負債表中的“固定資產凈值”進行測度；（3）勞動投入，采用“員工人數”進行測度；（4）中間投入，采用上市公司現金流量表中“購買商品、接受勞務支付的現金”進行測度。測算所用的投入-產出變量及其含義如表1所示。

2?核心解釋變量

本文核心解釋變量為End，反映制造業企業是否嵌入工業互聯網。參照楊德明和劉泳文（2018）的做法［10］，本文結合工業互聯網實際對其加以調整，即采用“爬蟲技術+人工確認”的方法對End進行賦值，具體過程分為四步：第一步，利用爬蟲技術對上市公司年報進行關鍵詞爬取，并根據詞頻大小初步判斷企業是否已嵌入工業互聯網：如果第t年的加總詞頻（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，則需進一步人工確認。其中，關鍵詞選取參照工業互聯網相關政策及對其內涵的研究，最終選擇“工業互聯網”“IIoT”“智能制造”“云平臺”等作為關鍵詞。第二步，針對totlet＜3的情形，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，則需進一步人工確認。第三步，對于需進一步人工確認的企業，主要根據關鍵詞在年報中出現的位置和語句作為評判標準：如該企業在年報中的關鍵詞相關描述為“致力于打造工業互聯網”，或關鍵詞僅出現在《xxxx通知》《xxxx政府工作報告》等政府文件、公司未來展望以及公司未來規劃、公司財務報表的“遞延收益”等部分時，則視為該企業并未嵌入工業互聯網；反之，如為肯定判斷語句，則視為已嵌入工業互聯網。第四步，將清洗后工業互聯網數據與CSMAR數據庫中2012年證監會行業分類中制造業上市公司通過企業名稱進行數據匹配，最終篩選出嵌入工業互聯網的制造業上市公司清單。若制造業企業確定為已嵌入工業互聯網則賦值為1，否則賦值為0。

3?控制變量

綜合王金杰等（2018）［11］、陳玲和楊文輝（2016）［12］等的研究，本文選取資產負債率、固定資產規模、流動性比率、企業年齡作為控制變量。其中，資產負債率（ppt）采用“負債合計/資產總計”度量；固定資產規模（fppt）采用“固定資產凈額/資產總計”度量；流動性比率（lqd）采用“流動資產合計/流動負債合計”度量；企業年齡（age）采用“年份-企業成立年份+1”度量。

綜上，本文計量實證所涉及的變量內涵及其測度方法如表2所示。

（三）數據來源及處理

本文所用樣本數據為中國制造業A股上市公司2016—2020年的面板數據。之所以將時間區間確定為2016—2020年，主要基于如下考慮：2017年發布的《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》代表著中國工業互聯網發展的里程碑事件，可視為中國工業互聯網大規模有序發展的序曲；此前可視為市場力量自發引致的工業互聯網市場，嵌入企業數量少，2016年才漸成氣候。本文制造業分類標準參照中國證監會《上市公司行業分類指引》（2012年修訂），變量的原始數據均來源于國泰安數據庫（CSMAR）及新浪財經網等。其中，計算制造業企業TFP的投入-產出數據中的營業收入、固定資產凈額以及購買商品、接受勞務支付的現金均來自“財務報表”；員工人數來自“治理綜合信息文件”；公司成立日期來源于“公司基本情況文件”；企業性質來源于“上市公司控制人文件”。除企業性質以外，其他變量均采用對數處理，以排除量綱和異方差的影響。

四、實證結果分析

（一）基準回歸

式（1）的基準回歸結果如表3所示。模型（1）—（3）未包含其余控制變量，模型（4）—（6）則同時包含核心解釋變量及控制變量。整體而言，在未控制其他因素時，工業互聯網的系數為0169，在10%的顯著性水平上顯著，即嵌入工業互聯網能使得制造業企業TFP提高約0169%；加入其他控制因素后，工業互聯網的系數仍然顯著為正。表明無論是否排除其他影響因素，嵌入工業互聯網均能顯著推動制造業企業提升TFP，主假說得到初步驗證。具有顯著促進作用的原因在于：一方面，多數上市制造業企業為資本與技術密集型企業，其建設成本高且受物理空間約束，使其TFP難以得到持續提升。而嵌入工業互聯網后，可以利用大數據、物聯網等新興技術推動企業基礎設施數字化轉型，通過暢通數據的連接來增加數據在交互與處理方面的速度和準確度，現有基本生產要素的流通速度得以加快，進而有效提高產業鏈的資源配置效率，推動制造業企業的技術效率獲得進一步提升。另一方面，工業互聯網的“無界限”極大地提高了企業的數據普及率，從而提升了制造業企業創新發展能力。嵌入工業互聯網可以突破傳統地理限制，知識、技術等溢出效應在虛擬空間內得以增強，為相關制造業企業獲得精確、多元化的信息提供便捷，從而增強制造業企業定制化、個性化等創新發展能力，實現以最低的成本獲得收益最大化，加快企業TFP的提升。

進一步對TFP（MI）進行分解后的回歸結果顯示（見表3模型2、模型3、模型5、模型6），技術進步（TC）的DID回歸系數在5%的顯著性水平上顯著為正，而技術效率（EC）的系數雖然為正但并不顯著，表明雖然工業互聯網對制造業企業TFP的提升作用明顯，但其提升作用主要體現在技術進步（TC）方面，技術效率在研究期間的改善效果并不明顯。其原因可能在于：制造業企業在嵌入工業互聯網提升研發創新能力的同時，對其設備應用及服務方面的要求也會相應提高，企業則需要加大研發創新投入、提升產品應用能力來滿足市場需求。而當前企業可能因研發投入不足、管理模式有待完善等問題導致企業內部勞動人員對智能設備的使用能力受到一定的約束，使得當前資源配置效率未能達到最優狀態，規模效率提升較困難，進而抑制了企業技術效率的總體提升。

就控制變量而言，資產負債率對制造業企業TFP與技術進步有顯著的促進作用，對技術效率的作用不明顯，表明資產負債率主要通過促進制造業企業技術進步提升其TFP，也意味著制造業企業若有意愿承受研發風險，則會加大研發投入，進而提升企業TFP。固定資產規模對制造業企業TFP具有顯著的抑制作用，表明減少固定資產的投入能顯著提升制造業企業TFP，也驗證了研發創新與固定資產二者間具有競爭性，即制造業企業在減少對固定資產的投入的同時會加大其對研發創新的投入，從而有利于制造業企業TFP的提升。?流動性比率的估計系數在10%的水平上顯著為正，表明短期內償債能力越強的企業有能力增大對研發創新的投入，從而有利于推動制造業企業TFP的提升。企業年齡與TFP、技術效率及技術進步的估計系數均在1%的水平上顯著為負，可能是因為當制造業企業成長至一定階段時，生產和管理模式都已僵化，創新意愿不足，這在一定程度上制約了企業技術效率與技術進步的進一步提高，進而不利于制造業企業TFP整體的提升。

（二）穩健性檢驗

1?平行趨勢假定檢驗

使用雙重差分法（DID）進行實證檢驗前需滿足平行趨勢這一前提條件，即如果沒有嵌入工業互聯網這一戰略行為，處理組（嵌入工業互聯網的制造業企業）與控制組（未嵌入工業互聯網的制造業企業）TFP的增長趨勢應大致相同，不存在顯著差異。此外，除了嵌入工業互聯網這一行為，其他的政策因素也會導致制造業企業TFP發生變化，進而影響本文前述的結論分析的準確性?；谏鲜銮疤峒僭O以及進一步的穩健性檢驗，參照譚靜和張建華（2019）［13］，本文設定以下回歸方程用以檢驗嵌入工業互聯網前兩組企業TFP的變化趨勢是否一致：

Yit=∑3t=1β-tDi，-t+∑3t=1βtDi，t+θXit+τi+γt+εit（2）

其中，Di，t表示企業i嵌入工業互聯網前后的第?t?年的啞變量，即Di，-3表明處理組企業處于嵌入工業互聯網前3年，Di，-2表明處理組企業處于嵌入工業互聯網前2年，以此類推……，Di，2表明處理組企業處于嵌入工業互聯網后第2年，Di，3表明處理組企業處于嵌入工業互聯網后第3年。當處理組制造業企業i處于嵌入工業互聯網的第t年時取值為1，否則為0；Xit為控制變量；τi為個體固定效應；γt為時間固定效應。使用式（2）檢驗平行趨勢的原理為：觀察處理組企業在嵌入工業互聯網的前幾年是否比對照組的企業具有較高的TFP，如果Di，-3、Di，-2、Di，-1的系數β顯著，說明在實驗前處理組企業的TFP已顯著高于或低于對照組企業，平行趨勢假定未得到滿足。同時也說明企業TFP的增長可能來源于其他政策性因素，并非嵌入工業互聯網；反之，若Di，-3、Di，-2、Di，-1的系數β不顯著，則說明滿足平行趨勢假定條件，同時也說明企業TFP的增長來源于嵌入工業互聯網。檢驗結果如表4所示。

從表4可以看出，Di，-3、Di，-2、Di，-1的系數均不顯著，說明處理組企業在嵌入工業互聯網的前3年里與對照組企業TFP增長率無顯著差異，平行趨勢假定以及DID回歸結果穩健性得到驗證。

2?PSM-DID檢驗

在嵌入工業互聯網前，雖然處理組與控制組制造業企業在TFP變化情況大致平行，但難以排除其可能存在因自選擇偏差而造成的內生性問題［14］，即各制造業企業是否嵌入工業互聯網并不是隨機的，而可能是會根據自身要素稟賦的情況等因素作出選擇，使得解釋變量與干擾項相關。因此，本文采用傾向得分匹配雙重差分法（PSM-DID）進一步作穩健性檢驗，以降低使用DID法估計時產生的偏差。其基本思路是：在評估嵌入工業互聯網的作用效果時，選擇企業特征因素（通常為控制變量）作為協變量，通過logit模型計算個體嵌入工業互聯網的概率，以此找到與嵌入工業互聯網的企業大致相同的對照組企業，進行后續的對比分析，這樣就能夠有效避免因部分可觀測因素對企業TFP的影響而產生的估計偏誤問題。

具體地，首先，本文以1∶1的匹配比例使用最近鄰匹配法進行PSM估計，分析結果如表5所示?？梢钥闯?，匹配前嵌入工業互聯網的制造業企業與未嵌入工業互聯網的制造業企業相比，TFP有所上升，ATT為1149，T值為1341，在1%的顯著性水平上顯著（t大于258）；匹配后嵌入工業互聯網的制造業企業TFP均值為1219，未嵌入工業互聯網的制造業企業TFP均值為0158，ATT縮小為1061，T值為883，在1%的顯著性水平上顯著，說明若未控制企業其他特征要素進行匹配，直接計算嵌入工業互聯網與未嵌入工業互聯網企業的TFP，則匹配前兩組企業TFP之差為1149，略高于匹配后的ATT（1061），這將高估工業互聯網對制造業企業TFP的作用［15］。而在控制了企業其他自身要素的影響后，與未嵌入工業互聯網的企業相比，嵌入工業互聯網能使制造業企業的TFP提升1061，意味著嵌入工業互聯網對制造業企業TFP的確有顯著促進作用。同時，也驗證了采用PSM能夠消除企業其他自身因素對TFP的影響，可有效解決企業選擇性偏誤帶來的一定的內生性問題。

接下來，則需要進行平衡性檢驗，即判斷匹配后協變量取值在處理組與控制組之間是否均有顯著差異。若差異不顯著（原假設），表明匹配效果較好。檢驗結果如表6所示。從t值結果來看，除了企業年齡外，其他3個協變量均接受了原假設，表明匹配后嵌入工業互聯網的企業與未嵌入工業互聯網的企業之間的特征較接近，盡可能地有效消除了制造業企業樣本間的選擇性偏差。此外，從偏差（bias）結果來看，匹配后除了企業年齡外，其他協變量標準化偏差均小于10%，相比較未匹配前大幅下降，進一步說明匹配后嵌入工業互聯網的企業與未嵌入工業互聯網的企業間特征相近，滿足企業可比性條件。

3?替換被解釋變量的度量方式

為了檢驗實證結果的穩健性，本文參考王永進和張國峰（2016）［16］，采用LP方法重新測算制造業企業TFP，并依據式（1）再次進行回歸估計，分析結果如表7所示。可以看出，無論是DID還是PSM-DID方法，End系數均顯著為正，說明嵌入工業互聯網能夠顯著提升制造業企業TFP。

在進行平行趨勢假定檢驗、PSM-DID檢驗、替換被解釋變量的度量方式等三種方法穩健性檢驗后可以發現，其檢驗結果與基準模型的回歸結果（見表3）在變量符號和顯著性方面基本一致，證實了本文研究結果的穩健性，即工業互聯網顯著促進了制造業企業TFP的提升。

五、機制分析

上述實證檢驗從整體上驗證了前文剔除的主假說，即嵌入工業互聯網能夠促進制造業企業TFP的提升。那么，工業互聯網如何對制造業企業TFP產生促進作用？依據前述理論機制分析（見假說H2、H3、H4），工業互聯網可通過提升勞動生產率、降低管理費用、提高研發投入強度等三種途徑提升制造業企業TFP。對此，本文借鑒溫忠麟和葉寶娟（2014）［17］，采用如下中介效應模型對三種作用機制逐一進行實證檢驗：

MIit=a0+a1Endit+θXit+τi+γt+εit（3）

Interit=b0+b1Endit+θXit+τi+γt+εit（4）

MIit=c0+c1Endit+c2Interit+θXit+τi+γt+εit（5）

其中，式（3）的系數a1表示嵌入工業互聯網對制造業企業TFP的總效應；式（4）的系數b1代表企業嵌入工業互聯網對中介變量Interit的效應，其中，Interit分別表示工業互聯網影響制造業企業TFP的3個機制變量——勞動生產率、管理費用和研發創新投入；式（5）中系數c2代表中介變量對制造業企業TFP的影響，系數c1表示控制中介變量后工業互聯網影響制造業企業TFP的直接效應。中介效應b1×c2是否存在以及其占總效應的比重是本部分所要重點關注的內容。

具體檢驗共分為五個步驟：（1）檢驗估計系數a1：若a1顯著，表明中介效應成立。（2）依次檢驗估計系數b1與c2：若都顯著，則表明間接效應顯著，執行步驟（4）；若其中至少有一個不顯著，則執行步驟（3）。（3）用Sobel方法進一步檢驗b1×c2：若顯著，則間接效應顯著，繼續執行步驟（4）；若不顯著，表明間接效應不顯著，分析停止。（4）檢驗估計系數c1：若顯著，表明直接效應成立，執行步驟（5）；若不顯著，表明直接效應不顯著，只存在中介效應。（5）檢驗b1×c2和c1的符號：若符號相同，表明存在部分中介效應，報告中介效應占總效應的比重，即（b1×c2）/a1；否則為遮掩效應，報告間接效應與直接效應的比例的絕對值，即?|（b1×c2）/c1|。

（一）工業互聯網通過勞動生產率影響制造業企業TFP

參考何小鋼等（2019）［18］，采用營業收入與員工人數之比衡量勞動生產率（LP），假說H2的檢驗結果如表8所示。表8中列（1）的End系數顯著為正，表明嵌入工業互聯網對制造業企業全要生產率的影響存在中介效應。列（2）的End系數為正，并在5%的水平上顯著，表明嵌入工業互聯網可以顯著提高制造業企業勞動生產率。原因可能在于，制造業企業嵌入工業互聯網后，可通過聯網設備共享數據，不僅實現生產制造各個環節的實時管控，還能實現生產方與采購方雙方互聯互通，極大降低信息的不對稱，進而提升企業的勞動生產率。列（3）的勞動生產率（LP）系數在1%的水平上顯著為正，表明間接效應顯著，假說H2得以驗證；同時，企業嵌入工業互聯網的估計系數也顯著為正，表明勞動生產率的提高對提升企業TFP存在部分中介效應。這意味著制造業企業嵌入工業互聯網，不僅提高了企業的勞動生產率，并使得企業資源配置得到不斷優化，而且當資源配置改善至一定狀態時，企業的TFP也得以提升。此外，通過計算，由嵌入工業互聯網引致的勞動生產率提高的中介效應占總效應的比例為436%。

（二）工業互聯網通過成本費用率影響制造業企業TFP

參照趙宸宇等（2021）［19］，本文采用營業成本與管理費用之和占營業收入的比重衡量成本費用率（CER），假說H3的檢驗結果如表9所示。表9中列（1）的End系數顯著為正，表明嵌入工業互聯網對制造業企業全要生產率的影響存在中介效應。在步驟（2）的依次檢驗過程中，發現列（2）的End系數為負但不顯著，列（3）的成本費用率（CER）系數在10%的水平上顯著為負；因此，本文繼而使用Sobel方法檢驗間接效應是否顯著。從Sobel檢驗結果來看，Z值為9655，P值為0000（<005），拒絕b1×c2=0的原假設，表明間接效應成立，說明制造業企業可通過嵌入工業互聯網打通生產、運營等整條產業鏈上的數據，并基于智能設備對現有數據進行分析預測，優化企業運營管理效率，實現成本費用下降，假說H3得以驗證；同時，列（3）的End系數顯著為正，表明管理費用的降低對提升企業TFP存在部分中介效應。這意味著制造業企業嵌入工業互聯網，不僅降低了企業的成本費用，實現企業資源獲得優化配置，還會使企業將更多的資金分配至研發創新，這些均可使企業的TFP得到提升。此外，通過計算，由嵌入工業互聯網引致的管理費用降低的中介效應占總效應的比例為2060%。

（三）工業互聯網通過研發投入強度影響制造業企業TFP

借鑒李香菊和楊歡（2019）［20］，本文采用研發投入金額占企業資產總額的比重衡量研發投入強度（RDI），假說H4的檢驗結果如表10所示。表10中列（1）表明嵌入工業互聯網對制造業企業全要生產率的影響存在中介效應。在步驟（2）的依次檢驗過程中，發現列（2）的End系數為正但不顯著，列（3）的研發投入強度（RDI）系數在1%的水平上顯著為正，因此，本文繼而使用Sobel方法檢驗間接效應是否顯著；從Sobel檢驗結果來看，Z值為3189，P值為00014（<005），拒絕b1×c2=0的原假設，表明間接效應成立，說明制造業企業嵌入工業互聯網可以通過促使研發創新投入增加進而提升TFP，假說H4得以驗證。同時，列（2）—（3）系數b1與c2相乘后的符號與c1的符號相同且c1顯著，這意味著研發投入強度在工業互聯網與企業TFP之間具有部分中介作用。通過計算，由嵌入工業互聯網引致的研發投入強度提高的中介效應占總效應的比例為123%。

六、基于異質性的進一步分析

雖然嵌入工業互聯網對制造業企業TFP具有積極提升效果，但這種作用效果可能存在明顯的異質性，即制造業企業嵌入工業互聯網后對自身TFP的提升效果會因地區發展水平的不同、制造業企業類型的不同、制造業企業性質的不同、制造業企業年齡的不同等出現差異。

（一）基于不同所處區域的異質性分析

受地理位置、人文歷史等多種因素相互作用的影響，中國各地區在基礎設施建設、資源要素稟賦、產業政策支持度等方面呈現差異化發展，工業互聯網的發展階段、發展效果等均會有所不同，制造業企業發展也會相應地出現量與質的差異，致使工業互聯網對不同地區制造業企業的TFP提升效果也存在較大差異。為此，本文根據企業注冊所在地將樣本分為東部地區、中部地區、西部地區、東北地區等四大區域區域劃分標準同《2021年國民經濟和社會發展統計公報》。，其回歸結果如表11所示。從結果來看，工業互聯網對不同地區制造業企業TFP的提升效果確實存在異質性，嵌入工業互聯網對東部地區與西部地區的制造業企業TFP有顯著的提升效果，而對中部地區以及東北地區的制造業企業TFP并無顯著影響。

（二）基于不同企業類型的異質性分析

雖然工業互聯網對制造業企業整體的TFP具有顯著提升作用，但不同類型的制造業企業在發展特征、產業支撐體系等方面發展的側重點不同，致使不同類型制造業企業在對工業互聯網的“吸收能力”上存在明顯異質性，即嵌入同一工業互聯網對不同類型制造業企業TFP的影響不同。具體地，技術密集型制造業對技術的依賴度高，不但能適應嵌入工業互聯網引致的制造流程智能化轉型要求，加速制造業企業技術效率提升進程；而且由于其對研發、管理人員的能力要求相對嚴格，更易吸收消化專業知識與技術并進一步創新，為企業的創新研發提供驅動力，因而工業互聯網對其TFP的提升效果相對最好。相比之下，勞動密集型制造業企業的設備占比不高且主要依賴低技能人力資本，而工業互聯網前期設備成本較高，且企業低水平的勞動力無法在短期內快速適應工業互聯網的高技術含量的生產流程，導致資源綜合利用率較低，使得工業互聯網對勞動密集型制造業企業TFP提升的效果可能相對有限。資本密集型制造業雖有較高的資本和固定設備占比，易于通過嵌入工業互聯網提升生產效率，但其主要依賴于規模效應獲取效益，對高級資源要素需求不高，?使得其研發創新動力不足，難以通過工業互聯網增強技術創新能力，從而影響其TFP的提升效果。

為驗證基于不同企業類型的異質性，本文借鑒陽立高等（2018）［21］，將樣本制造業企業分為勞動密集型企業、資本密集型企業以及技術密集型企業等三大類型，其回歸結果如表12所示。表12說明，嵌入工業互聯網對技術密集型制造業企業的TFP有顯著提升效果，而對勞動密集型以及資本密集型制造業企業的TFP并無顯著影響。

（三）基于不同企業性質的異質性分析

企業性質的不同往往決定了企業在應用工業互聯網時受政府約束程度、經營管理理念、對市場的創新敏感度等方面存在差異，因而其TFP的提升效果也會相應受到影響。制造業企業在應用工業互聯網的過程中受到的最大約束是資金與創新資源要素，國有制造業企業在政府的“保護支持”下，更易獲得嵌入工業互聯網所需的資金補助與高級資源要素，有助于其快速實現生產流程與管理方式智能化轉型，可較好地利用工業互聯網改善自身技術效率。但受管理者任免機制的影響，國有制造業企業更多地關注于可短期內獲取收益的項目，導致其創新動力不足。同時，國有企業的工業互聯網接入機制主要受政府的行政手段控制，對于工業互聯網等新技術的采用需要經過政府部門長時間的層層審批，不但容易降低技術效率，導致資源錯配，而且不利于國有企業快速把握市場機遇，降低企業創新效率和經營業績。?在以上兩種因素的共同影響下，國有制造業企業在應用工業互聯網提升自身TFP時將受到一定限制。相反，民營制造業企業主要基于市場手段配置工業互聯網資源要素，不但可以提升資源的流動程度，增加資源利用率，而且民營制造業企業在面臨激烈的市場競爭時，為保有市場競爭力會更有創新發展的動力提高生產效率與研發效率，嵌入工業互聯網能夠打破其獲取市場信息的“壁壘”，增加企業吸收研發經驗的途徑，進而有利于提升企業研發效率。因此，工業互聯網對國有制造業企業與民營制造業企業TFP促進效果存在異質性。

為驗證基于不同企業性質的異質性，本文將樣本分為國有制造業企業和民營制造業企業兩大企業類型，其回歸結果如表13所示?；貧w結果表明，嵌入工業互聯網對民營制造業企業的TFP有顯著提升效果，而對國有制造業企業的TFP并無顯著影響。

（四）基于不同企業年齡的異質性分析

一般情況下，制造業企業從無到有大致會經歷初創期、成長期、成熟期和衰退期等四個階段，而不同年齡階段的制造業企業具有不同的企業規模、生產成本、技術特點等企業特征，因此受工業互聯網的推動效果會呈現異質性。處于初創期和成長期階段的制造業企業缺乏生產、管理等運營經驗積累，所以沒有足夠的能力吸收和應用創新資源要素，加上企業尚未形成穩定的資本基礎，面臨較大的融資約束問題，因此研發風險較大，致使初創期和成長期的制造業企業的創新意愿不強。隨著企業不斷發展，邁入成熟期階段，前期創新要素投入的產出與成效逐漸顯現，企業開始具有一定的市場占有率，如何鞏固市場地位將成為其新的經營目標，因而企業對研發投入的敏感性逐漸增強。加上企業已積累了充足的資金和豐富的技術經驗，具有承擔研發資金鏈斷裂和研發風險的能力，因此成熟期企業創新意愿會相應提高。當制造業企業進入衰退期階段時，市場份額開始減少，經營績效逐漸下滑，致使企業沒有充足的盈余資金用以支撐新的研發投入。?對于工業互聯網而言，在資金方面，前期的平臺建設和設備更新均需要大量的資金投入；在平臺應用方面，需要技術、管理經驗豐富的人力資源。而成熟期階段的制造業企業不僅更有意愿應用工業互聯網，還有能力滿足工業互聯網的發展條件，提供充足的資金和人力支持。因此，工業互聯網在制造業企業成熟期階段更容易呈現高效率運轉狀態。

經過計算，本文樣本制造業企業成立年限平均值為19755。為驗證基于不同企業年齡的異質性，借鑒張三峰和魏下海（2019）［22］，本文以成立年限是否大于20年為標準，將樣本企業劃分為成長期企業（企業成立年限<20）和成熟期企業（企業成立年限>20）兩種企業類型，其回歸結果如表14所示。從回歸結果來看，嵌入工業互聯網對成熟期制造業企業的TFP有顯著提升效果，而對成長期制造業企業的TFP并無顯著影響。

七、結論與建議

本文基于2016—2020年中國制造業A股上市公司面板數據，構建多期雙重差分模型實證檢驗工業互聯網對制造業企業TFP提升的影響效果，并進一步對其影響效果的作用機制與異質性進行檢驗，主要結論如下：（1）工業互聯網對制造業企業TFP具有明顯的提升作用，這個結論在經歷平行趨勢檢驗、PSM-DID檢驗、替換被解釋變量等穩健性檢驗后依然成立。（2）機制分析發現，工業互聯網主要通過提高勞動生產率、降低成本費用率、提高研發投入強度等三條路徑來提升制造業企業TFP。（3）分析表明，相對于中部地區與東北地區，工業互聯網主要對東部與西部地區制造業企業TFP有明顯的提升作用；相對于勞動密集型與資本密集型制造業企業，工業互聯網主要對技術密集型制造業企業TFP提升具有顯著促進作用；相對于成長期的制造業企業，工業互聯網主要促進成熟期制造業企業TFP的提升；相對于國有制造業企業，工業互聯網主要對民營制造業企業TFP的提升有顯著促進效果?；谏鲜鲅芯拷Y論，本文提出如下政策建議：

第一，積極提高工業互聯網在制造業企業中的滲透率。應建立健全工業互聯網多方聯合發展推進機制，充分發揮政府、企業、研究機構、行業協會、社會媒體等的各自優勢，為制造業企業高效嵌入工業互聯網掃清障礙。例如，政府可建立工業互聯網資助專項資金，用于改善當地5G網絡、大數據中心、工業互聯網平臺等新型基礎設施建設；研究機構和行業協會可持續完善工業互聯網發展評價體系，對企業嵌入工業互聯網的投入與產出進行科學評估，讓制造業企業做到心中有本賬；社會媒體可對工業互聯網嵌入企業的成功經驗和典型做法進行總結提煉，并營造工業互聯網大有可為的良好氛圍。

第二，充分發揮工業互聯網對制造業轉型升級的賦能效應。首先，盡量將研發、生產、銷售等各個價值鏈條全面深度融入工業互聯網中，推動企業間數據在工業互聯網平臺內對接共享，使企業可充分利用工業互聯網的智能化流程優化功能來提高其勞動生產率。其次，應加強對企業員工的工業互聯網相關技能培訓，充分利用高技術人才在數據分析、問題思考等領域的長處，使其借助工業互聯網不斷優化企業在勞動力、資本、知識、技術、數據等方面的投入配置比例，實現制造業企業生產成本的有效降低。最后，制造業嵌入企業應持續加大對工業互聯網的研發投入，盡快突破工業互聯網應用關鍵技術，不斷掃清影響工業互聯網賦能效應發揮的各種阻礙，最終實現通過工業互聯網驅動企業TFP提升的目的。

第三，工業互聯網的推進策略應基于不同情境而有所差異。從所處地區情境看，中部地區和東北地區應著力發展相對滯后的工業互聯網配套設施，東部地區和西部地區可重點打造工業互聯網示范基地，強化工業互聯網對區域制造業企業的賦能效果。從企業類型情境看，勞動密集型制造業企業應注重勞動力的選拔、使用和培養，使其匹配工業互聯網技術特征；資本密集型企業應借助市場的競爭性激發企業的研發創新意識，增強企業研發效率；技術密集型企業可通過加強員工技能培訓等方式提升企業自主學習能力，放大工業互聯網的賦能效果。從企業性質情境看，國有制造業企業要盡快通過市場和政府的雙重手段構建適用工業互聯網發展的商業模式；民營企業應充分發揮市場調節作用不斷迭代工業互聯網的平臺功能，持續優化其對工業互聯網賦能效應的駕馭能力。從企業年齡情境看，成長期制造業企業應快速提升其研發、生產、品控、流通等環節的聯網上云速度，并科學構建適合企業發展的數字化轉型升級模式；成熟期企業應重點通過“產學研”等途徑加強自身研發能力，拓展工業互聯網平臺的應用功能并加以推廣，做好工業互聯網應用的排頭兵。

參考文獻：

［1］?Piva?M，?Vivarelli?M.Technological?Change?and?Employment：?is?Europe?Ready?for?the?Challenge？［J］.Eurasian?Business?Review，?2018，8（1）：?13-32.

［2］?曾湘泉.工作時長和效率的互動邏輯［J］.人民論壇，?2018（14）：?36-37.

［3］?姜偉，李萍.人工智能與全要素生產率：“技術紅利”還是“技術鴻溝”［J］.統計與信息論壇，2022（5）：26-35.

［4］?謝新水.共享經濟的負面表征及行政監管的有效性［J］.理論與改革，?2018（1）：?162-172.

［5］?張小寧.平臺戰略研究評述及展望［J］.經濟管理，?2014，36（3）：?190-199.

［6］?劉斌，?潘彤.人工智能對制造業價值鏈分工的影響效應研究［J］.數量經濟技術經濟研究，?2020，37（10）：?24-44.

［7］?何郁冰.國內外開放式創新研究動態與展望［J］.科學學與科學技術管理，?2015，36（3）：?3-12.

［8］?余泳澤，劉大勇.我國區域創新效率的空間外溢效應與價值鏈外溢效應——創新價值鏈視角下的多維空間面板模型研究［J］.管理世界，?2013（7）：?6-20.

［9］?劉瑞明，趙仁杰.國家高新區推動了地區經濟發展嗎？——基于雙重差分方法的驗證［J］.管理世界，?2015（8）：?30-38.

［10］楊德明，劉泳文.“互聯網+”為什么加出了業績［J］.中國工業經濟，?2018（5）：?80-98.

［11］王金杰，郭樹龍，?張龍鵬.互聯網對企業創新績效的影響及其機制研究——基于開放式創新的解釋［J］.南開經濟研究，?2018（6）：?170-190.

［12］陳玲，楊文輝.政府研發補貼會促進企業創新嗎？——來自中國上市公司的實證研究［J］.科學學研究，?2016，34（3）：?433-442.

［13］譚靜，張建華.?開發區政策與企業生產率——基于中國上市企業數據的研究［J］．經濟學動態，?2019（1）：?43-59.

［14］郭晨，?張衛東.產業結構升級背景下新型城鎮化建設對區域經濟發展質量的影響——基于PSM-DID經驗證據［J］.產業經濟研究，?2018（5）：?78-88.

［15］孫曉華，王昀.R&D投資與企業生產率——基于中國工業企業微觀數據的PSM分析［J］.科研管理，?2014，35（11）：?92-99.

［16］王永進，張國峰.開發區生產率優勢的來源：集聚效應還是選擇效應？［J］.經濟研究，?2016（7）：?58-71.

［17］溫忠麟，葉寶娟.中介效應分析：方法和模型發展［J］.心理科學進展，?2014，22（5）：?731-745.

［18］何小鋼，?梁權熙，王善騮.信息技術、勞動力結構與企業生產率——破解“信息技術生產率悖論”之謎［J］.管理世界，?2019，35（9）：?65-80.

［19］趙宸宇，王文春，?李雪松.數字化轉型如何影響企業全要素生產率［J］.財貿經濟，?2021，42（7）：?114-129.

［20］李香菊，?楊歡.?財稅激勵政策、外部環境與企業研發投入——基于中國戰略性新興產業A股上市公司的實證研究［J］．當代財經，?2019（3）：?25-36.

［21］陽立高，?龔世豪，?王鉑，等.?人力資本、技術進步與制造業升級［J］．中國軟科學，2018（1）：?138-148.

［22］張三峰，?魏下海.?信息與通信技術是否降低了企業能源消耗——來自中國制造業企業調查數據的證據［J］．中國工業經濟，?2019（2）：?155-173.

The?Impact?of?Industrial?Internet?on?the?Total?Factor?Productivity?of

Manufacturing?Enterprises

WU?Xianfu1，2，?ZHONG?Peng3

（1.?School?of?Economics?and?Management，?Guangxi?Normal?University，Guilin?541004，China;

2.?Key?Laboratory?of?Digital?Empowerment?Economic?Development?（Guangxi?Normal?University），

Education?Department?of?Guangxi?Zhuang?Autonomous?Region，Guilin?541004，China;

3.?School?of?Law?and?Business，?Shaoyang?University，Shaoyang?422099，China）

Abstract：?This?paper?uses?panel?data?of?Chinas?manufacturing?A-share?listed?companies?from?2016?to?2020?to?empirically?test?the?impact?of?the?industrial?Internet?on?the?total?factor?productivity?of?manufacturing?companies.?Research?finds?that?the?industrial?Internet?has?a?significant?effect?on?improving?the?total?factor?productivity?of?manufacturing?companies.?In?terms?of?mechanism，?the?industrial?Internet?mainly?improves?the?total?factor?productivity?of?manufacturing?enterprises?by?improving?labor?productivity，?reducing?cost?and?expense?ratios，?and?increasing?R&D?investment?intensity;?in?terms?of?impact?heterogeneity，?this?total?factor?productivity?improvement?effect?is?significant?in?the?eastern?and?western?regions?but?not?significant?in?the?central?and?northeastern?regions，?significant?for?technology-intensive?enterprises?but?not?significant?for?labor-intensive?and?capital-intensive?enterprises，?significant?for?mature?enterprises?but?not?significant?for?growth-stage?enterprises，?significant?for?private?enterprises?but?not?significant?for?state-owned?enterprises.?To?this?end，?it?is?necessary?to?try?to?increase?the?penetration?rate?of?the?industrial?Internet?in?manufacturing?enterprises，?and?give?full?play?to?the?enabling?effect?of?the?industrial?Internet?on?the?transformation?and?upgrading?of?the?manufacturing?industry.?The?promotion?strategies?of?the?industrial?Internet?should?vary?based?on?different?scenarios.

Key?words：industrial?internet;manufacturing?industry;total?factor?productivity;mechanism?of?action

（責任編輯：周正）