“互联网+”对中国制造业高质量发展的影响分析

陈 伟,伍 琦,杨璐辰,陶长琪

(1.江西理工大学商学院,江西 南昌 330013;2.江西财经大学统计学院,江西 南昌 330013;3.江西财经大学软件与物联网工程学院,江西 南昌 330013)

0 引言

自改革开放40多年以来，依靠传统生产要素的大量投入，中国制造业持续发展，年均增长率高达11%，取得了举世瞩目的成就，中国也由此成为世界制造大国.但随着近年来人口红利的消失、资本回报率下降、经济结构不优等现象的凸显，制造业依靠资源、劳动力等基础生产要素持续发展模式已逐步被否定.由于以“互联网+”为代表的新一代信息技术，具备“高科技、强渗透”等特点，所以这使得产业通过创新突破原有发展模式来推动持续高质量发展成为可能.信息技术发展，日新月异，诸如航天云网INDICS平台、海尔智能定制平台等新兴“互联网+制造业”平台不断涌现，相关产业发展红利不断释放，探索“互联网+”与制造业高质量发展之间存在的联动关系，正逐步成为当前中国学界、业界所关注的焦点.

自党的十九大报告中提出“努力推动我国经济向高质量发展”的论断，国内诸多学者结合中国发展国情从经济发展内涵、路径选择等方面进行了相关研究，并认为高质量发展的核心就在于创新[1],以“互联网+”为代表的新一代信息技术具备超强的渗透、融合、衍生作用，其可以促进制造业技术创新、模式变革[2].因此，学术界逐步将研究目光投向“互联网+”与制造业发展之间的作用关系.众所周知，“索洛悖论”的提出与延展在新信息时期是基于信息技术对工业发展具有促进作用的共识.这种作用可能是信息技术对工业发展所带来的直接技术突破，也可能是一种抽象思维，促进产业组织及产业发展模式变革[3-4],即信息技术可以通过创新对工业发展起着促进作用.此外，由于网络效应的存在，所以“互联网+”与制造业发展之间的关系变得相对复杂[5].

通过上述论述可以发现，关于“互联网+”及制造业高质量发展的研究多在于内涵定义、模式拓展等理论研究，而2者内在的具体关联、作用路径及定量研究却相对缺乏.特别是对“互联网+”作用于不同类型制造业影响是否具有一致性、“互联网+”对制造业影响的黑箱效应如何揭示、“互联网+”对制造业影响呈现何种特征等问题的回答不够充分.而上述问题又是探究“互联网+”对制造业高质量发展作用路径的关键所在.因此，明晰当前中国“互联网+”及制造业高质量发展现状，厘清以“互联网+”为首的新信息技术对制造业高质量发展的作用关系，具有一定理论与现实意义.

1 理论与机理分析

1.1 “互联网+”对制造业高质量发展的理论分析

随着经济社会飞速发展，“互联网+”已逐步融入中国社会发展过程中.事实上，“互联网+”作为新兴生产要素和战略性人造资源[6],对制造业作用早已超越其技术本身，在生产思维、发展模式等其他方面都有重要影响.众所周知，“互联网+”对产业发展的影响落脚在产业，但以“创新”为核心环节的中间作用路径却始终无法绕开.通俗而言，创新可以视作新信息技术对制造业产业影响落地的媒介.利用“互联网+”这一要素促进技术、组织、制度等综合创新，推动知识信息溢出与重整，进而实现制造业在生产效率、技术范式和商业模式等多方面原有瓶颈的突破，是推动新时期制造业变革的必然路径[7].具体如图1所示.

图1 “互联网+”影响制造业高质量发展路径

1.1.1 “互联网+”对创新的影响 知识本身具有的外部性特征使其呈现一定外溢性，这种外溢性对知识有效传递有着密切联系.创新的本质在于知识的传递与整合，因此知识的外溢性将影响创新[8-9].类似于图片、声音，知识作为一种特殊信息，离不开传播媒介的辅助.知识外溢可能由不同原因造成.一种观点认为，空间距离会影响信息传递有效性与准确性，造成不同区域信息接受差异，因此空间因素对知识外溢的影响是不可忽略的[10].另一种观点是，由于知识累积效应的存在[11],所以知识传递应该由高位势向低位势流动[12-13].但总体而言，这种传播媒介扰动主要通过有形与无形的空间展开.“互联网+”这一新信息技术不仅可以为知识传递奠定良好的技术基础，增强传递的效率，破除知识外溢的空间障碍,而且还可以作为一种包容性思维，提供了分享理念，突破无形的“场”壁垒，为知识溢出提供有力支撑.

创新本身是一项高风险、高投入的行为，除非有技术强力推动或者市场的“倒逼”，参与者一般存在创新的“惰性”.“互联网+”促进知识共享，利用知识溢出的外部性，可以有效降低创新的风险，提升创新主体的创新意识[14]. “互联网+”发展的外部性与网络性是指:随着网络节点的增加，信息交流越来越充分，在“互联网+”发展到一定临界程度后，其对经济系统的促进作用将瞬间放大[15].

1.1.2 创新对制造业高质量发展的影响 由“互联网+”所带来的技术创新可以推动制造业“高级化”转变.信息技术推动生产技术变革，其影响主要体现在:1)通过信息技术与传统制造业在技术、产品、设备上的交互融合，如信息传感技术嵌入传统制造业，可以提升装备智能化水平以促进生产工艺改进;2)信息技术的衍生性直接催生新制造业,如通过物联网技术，可以对产品从设计、制造、包装等全生命周期进行智能化管理，提升各类资源使用效率，催生制造服务型产业.

“互联网+”推动的组织创新也将对制造业组织形态带来深远影响.首先，由“互联网+”所带来的创新往往是一种集成式创新.这种创新突破创新主体之间的壁垒，将人力、资本、信息、技术有效集成发展，对传统组织结构产生革命性影响,如通过科研机构、高校、企业的协同创新平台，扩张并延伸了企业创新网络，加强了企业与高校、科研院所协同发展的紧密度.此外，“互联网+”也给企业管理结构带来了“分散化、扁平化、柔性化”变革.

“互联网+”所带来的创新还体现在:推动了制造业生产、销售模式的更新，满足了消费者个性化需求.一方面，随着“互联网+”技术在制造业企业生产中的深度应用，企业设计、生产、管理等环节逐步集成统一，效率提升;另一方面，“互联网+”的发展极大地降低了生产者与消费者之间信息交流成本，推动电商、个性化定制等新兴营销模式，促进制造业与服务业融合.

当然“互联网+”所推动的创新是一把“双刃剑”，在促进制造业发展的同时，也可能出现部分负向作用.如销售模式创新推动的个性化定制可能对制造业设计、生产设备的标准化带来较大难度甚至提高企业制造成本，降低企业生产意愿.而掌握“互联网+”这一新兴资源的信息服务商容易形成“寡头”垄断，提升企业信息搜寻成本，抑制产业发展.

1.2 “互联网+”对制造业高质量发展的机理解析

本文拟在D-S垄断竞争框架下，结合J.C. Hallak等[16]的研究,分析“互联网+”通过对创新影响来促进制造业高质量发展的机理.假定zi表示在“互联网+”背景下制造业部门所生产的各种差异化产品集Z中的一种产品且为连续变量，zi满足zi∈Z且0

U=(∑g(zi)1/σq(zi)(σ-1)/σ)σ/(σ-1),

(1)

其中q(zi)表示对异质性产品zi的需求,g(zi)表示产品蕴含的创新强度,σ表示在“互联网+”背景下制造业所生产的差异化产品的替代弹性，且0<σ<1.假设消费者收入水平为I，则在有限预算下有

∑p(zi)q(zi)=I.

(2)

联立式(1)与式(2)可得产品zi的最优消费量

q(zi)=g(zi)p(zi)-σM/P1-σ,

r(zi)=g(zi)M(p(zi)/P)1-σ.

(3)

令互联网发展水平为θ,θ∈(0,+∞).互联网带来的技术溢出效应降低了企业的边际成本，提高了企业的生产效率.因此，本文设定的生产成本为

C(v)=Mc(v,g(v),θ)q(v),

(4)

其中Mc是边际成本，v表示企业的生产率水平.为便于推导，假设边际成本的具体形式为

Mc=g(v)β(μ-θ)/(v+θ),

(5)

其中β是可变成本对产品创新强度的弹性，0<β<1,μ表示互联网发展水平的调节系数，μ>0.式(5)假设边际成本Mc与产品创新强度g(v)、企业生产率v以及互联网发展水平θ有关，且伴随着互联网水平的不断发展，边际成本会逐步下降.将式(5)代入式(4),并对产品创新强度g(v)求偏导数得到

∂C(v)/∂g(v)=βg(v)β-1q(v)(μ-θ)/(v+θ).

当μ>θ时，∂C(v)/∂g(v)>0;当μ<θ时，∂C(v)/

∂g(v)<0.这表明:在互联网发展初期，企业研发创新投入较大，企业生产成本会随之增加；伴随着互联网的逐步发展，软硬件设施的进一步完善，创新水平会逐步呈现出规模效应，企业生产成本会随着创新水平的逐步提高而呈现下降趋势.

在垄断竞争市场下，企业利润最大化条件为边际成本等于边际收益，企业边际利润为0，故企业的利润函数可表示为

maxπ=r-g(v)β(μ-θ)q(v)/(v+θ).

(6)

将式(3)代入式(6)并对价格求1阶偏导数,可得

g(v)M((1-σ)p(v)-σ+g(v)(μ-σ)σ·

p(v)-(σ+1)/(v+θ))/P1-σ=0.

(7)

在此基础上可得,当μ<θ时,产品创新强度g(v)与互联网发展水平θ的关系为

g(v)=(p(v)(1-1/σ)(v+θ)/(μ-θ))1/β.

(8)

进一步对式(8)求1阶偏导数,得

∂g(v)/∂θ=(p(v)(1-1/σ)(v+θ)/(μ-

θ))(1-β)/β(p(v)(1-1/σ)(v+μ)/(μ-θ)2)/

β>0.

这表明:当互联网发展水平达到一定程度时，企业创新水平会伴随着互联网的发展而不断提高.值得注意的是，当μ>θ时，式(7)不存在均衡解，即不能明确互联网发展水平与创新水平之间的关系.这可能原因是:在互联网发展初期，信息技术的引入会提高企业技术创新水平，但信息技术与设施的引入成本，也会挤压企业研发创新投入，不利于企业创新能力的提高.因此2者间的关系有待进一步验证和分析.

综上所述，本文拟提出以下假设:

假设1“互联网+”对制造业高质量发展具有一定影响；

假设2“互联网+”可以通过创新来影响制造业高质量发展；

假设3由于“互联网+”的网络效应及创新“沉没成本”效应，所以“互联网+”对制造业高质量发展的影响呈非线性关系.

2 中国“互联网+”与制造业高质量发展现状

2.1 指标体系构建

自2015年“互联网+”概念提出以来，学界对其基本内涵界定，却始终未有统一定论[17].如部分学者认为“互联网+”是互联网技术与传统制造业深度融合发展出来的新经济形态，也有学者认为“互联网+”是促进互联网向其他行业渗透的技术基础，是一种新工具、新要素.因此，在对“互联网+”发展状况进行定量分析时，分歧也相对较大.“互联网+”作为一种新兴信息技术，其发展已经超出技术本身.为相对完整分析当前中国“互联网+”发展程度，本文在国家统计局信息化发展指数基础上，结合“互联网+”的发展特征，参照文献[18-19]的研究，构建了反映中国“互联网+”发展水平的评价指标体系.具体如表1所示.

表1 中国“互联网+”发展评价指标体系

相较于“互联网+”的定义模糊且充满争议，自党的十九大报告提出高质量发展以来，高质量发展的内涵界定相对统一.“创新”、“绿色”、“高效”、“民生”等成为制造业高质量发展的核心所在.本文在党的十九大报告对经济高质量发展内涵解释的基础上，结合文献[18,20]的研究成果，构建了中国制造业高质量发展评价指标体系(见表2).

表2 中国制造业高质量发展评价指标体系

2.2 数据来源

本文对中国以及中国30个省份(除西藏、台湾、香港、澳门外)及部分制造业细分行业从2012—2020年数据进行收集整理.所需数据来源于中国统计年鉴、中国工业统计年鉴、中经数据库、中国进出口统计年鉴、EPS数据统计平台、中国科技统计年鉴、各省国民经济和社会发展统计公报、中国教育统计年鉴、中国高技术产业统计年鉴、wind金融资讯终端、腾讯研究院、CNNIC《中国互联网络发展状况统计报告》.

2.3 指数合成

本文利用熵权法对各指标数据进行指数合成.同时对相关指标进行标准化处理.

正向指标的标准化处理方法为

X′ij=(Xij-min{X1j,X2j,…,Xnj}/(max{X1j,X2j,…,Xnj}-min{X1j,X2j,…,Xnj});

负向指标的标准化处理方法为

X′ij=(max{X1j,X2j,…,Xnj}-Xij)/(max{X1j,X2j,…,Xnj}-min{X1j,X2j,…,Xnj}).

根据上述方法对各省“互联网+”发展及制造业高质量发展进行测算，并利用GIS分析各省“互联网+”及制造业高质量发展状况(见图2～图5).

图2 2012年“互联网+”发展状况

图3 2020年“互联网+”发展状况

图4 2012年制造业高质量发展状况

图5 2020年制造业高质量发展状况

由图2～图5可以看出2012—2020年间中国“互联网+”发展状况稳步提升，代表不同省份“互联网+”发展状况的颜色深度逐步趋于均衡，中西部地区与东部沿海地区色差逐步接近，新疆、内蒙古等也有较为明显的改善，但东北地区色差改变不大.而2012—2020年间中国制造业高质量发展状况相对稳定，东部沿海地区优势明显，但随着时间推移，中部地区安徽省、江西省、湖南省、湖北省等色差逐步与东部地区靠近，东北、华北地区发展相对东部沿海地区正在减弱.

在现实中，形成上述结果的原因较为复杂.随着国家“互联网行动计划”的推进，中国在互联网基础、互联网应用、人才培养等多项指标上都有质的飞跃，国家整体互联网技术水平及发展状况有较大提升.针对国务院《关于“互联网+”行动指导意见》，各地区纷纷出台自身的发展计划.特别地,安徽省、贵州省、重庆市等中西部地区纷纷大力引进国内大型信息企业的研发中心及数据处理中心，推动了当地互联网相关产业的深入发展，促进了区域信息化水平提升.东北地区近年来尽管对“互联网+”相关产业出台了不少政策，但由于产业发展过于依赖传统产业且近年来人才流失十分严重，所以互联网、物联网、智能制造等新兴产业发展相对缓慢.对中国制造业高质量发展而言，由于东部沿海地区拥有丰富的高层次人力资源、雄厚的资本、先进的技术，使得其先进制造业的发展拥有得天独厚的优势，所以东部沿海地区一直处于中国制造业高质量发展的前沿阵地.由于知识、技术外溢作用的存在，所以中部地区在产业承接上相比西部地区及东北地区有较大优势，因此，近年来，其制造业高质量发展的推进也相对明显.在贵州大数据、重庆智能制造基地的强力推动下，近年来西部地区的制造业发展出现喜人成绩，但由于互联网技术的“长尾效应”，所以其与传统制造业较好融合尚需一段时间，对制造业高质量发展的推动相比中部地区稍微偏弱.而华北地区及东北地区制造业发展却呈现发展变缓的趋势，这可能原因是:这些地区相对以传统产业为主，“国企铁饭碗”思想较为深入，在市场化改革、产业转型上难度较大，阻碍了区域制造业高质量发展.

3 “互联网+”对制造业高质量发展的作用分析

3.1 模型设定

基于上述理论分析，为了厘清“互联网+”对制造业高质量发展的影响，拟采用面板数据模型作为基准模型进行实证检验.具体如下:

MHit=β0+β1Nit+βXit+μi+μt+εit,

其中MHit表示i地区t时期的制造业高质量发展程度,Nit是i地区t时期的“互联网+”发展程度,Xit是一系列控制变量,μi为个体固定效应,μt为时间固定效应,εit为随机扰动项.

3.2 变量测度与数据说明

3.2.1 变量设定 被解释变量为制造业高质量发展程度MH.将上述由制造业运行规模、发展效益、结构优化、发展潜力等指标所合成的制造业高质量发展指数作为被解释变量.

解释变量为“互联网+”发展程度N.将上述由互联网发展基础、互联网发展状况、互联网应用状况、互联网建设状况等指标所合成的“互联网+”发展指数作为解释变量.

除“互联网+”发展水平外，其他因素也会对制造业高质量发展程度产生影响.借鉴已有研究，本文拟选取如下控制变量：根据刘鑫鑫等[21]的研究，选取人力资本水平ED(采用平均受教育年限来衡量)和市场化水平MA(采用非国有企业工业总产值占工业总产值的比例来衡量);根据郭家堂等[22]的研究，选取对外开放程度OP(采用FDI占GDP的比例来衡量);根据韩先锋[19]、杜传忠等[23]的研究，选取金融发展水平FI(采用区域内金融机构人民币贷款余额占地区生产总值的比例来衡量)、基础设施及配套IS(采用地区物流效率和区域内物流周转量来衡量)和环境规制RE(采用污染治理投资额占GDP的比例来衡量).

3.2.2 数据来源 “互联网+”指数与制造业高质量发展指数来源于前述的计算结果，其他变量数据来源于中国统计年鉴、中经数据库、中国进出口统计年鉴、中国工业统计年鉴、EPS数据统计平台、中国科技统计年鉴、各省国民经济和社会发展统计公报、中国教育统计年鉴、中国高技术产业统计年鉴、wind金融资讯终端、腾讯研究院、CNNIC《中国互联网络发展状况统计报告》.

3.3 实证结果与分析

考虑模型的短面板数据，先通过Hausman检验，再采取固定效应模型考察“互联网+”对制造业高质量发展的影响.

3.3.1 基准回归分析 为了考察“互联网+”及各控制变量对制造业高质量发展的影响，将被解释变量与解释变量单独回归，并逐步纳入控制变量，具体结果如表3所示.

从整体样本层面分析可知:无论是否添加相关控制变量，“互联网+”对制造业高质量发展的影响在10%的显著性水平上显著为正，在逐步加入控制变量后，相关系数符号依然未发生变化.

从表3中模型(g)可知:当“互联网+”发展水平每提升1%，将促进制造业高质量发展水平提升0.093%.这意味着:从经济学意义上看，“互联网+”发展水平的提升将有利于促进制造业高质量的发展.这验证了假设1.从控制变量的分析看，人力资本水平、市场化水平、对外开放程度、产业配套水平均对制造业高质量发展有较为显著的正向促进作用.这主要原因是:随着中国经济增长方式的转变，原有简单依靠低端劳动要素投入而获取高速发展的模式已经一去不复返，高素质的劳动力资源是推动制造业发展的有力保障;同时随着市场化改革推进，对外开放持续深入，基础设施的逐步完善，产业生产的各类要素在国内与国际双循环中逐步流通，发展效率得以提升，促进制造业高质量发展.此外，金融发展水平、环境规制对制造业高质量发展呈现了抑制作用，这主要体现是:当前制造业产业发展所需的金融要素配置依然不合理,错配低配现象仍然严重.尽管信贷规模有所扩大，但是不少资金流入非实体经济中，造成经济循环无效流通，这也是当前中国强调产业发展“脱虚向实”的根本原因.而在当前制造业中传统制造业的占比依然较高，产业转型压力仍然较大.

表3 “互联网+”对制造业高质量发展的基准回归结果

3.3.2 产业异质性分析 制造业包含较广，不同细分产业的发展特征、产业模式都有较大区别，使得“互联网+”对各自产业的影响作用也不尽相同.因此，为了详细分析“互联网+”对不同制造业的影响，将制造业总体划分为劳动密集型产业、资本密集型产业、技术密集型产业(根据国家统计局国民经济行业分类代码表中的分类，选取农副食品加工业、服装与纺织业等行业为劳动密集型产业；选取石油加工、化学原料及化学制品业、金属制品业、非金属矿物制品业等行业为资本密集型产业；选取医药制造业、专用设备制造业、汽车制造业、通讯设备、计算机及其他电子设备制造业等为技术密集型产业).不同产业回归结果如表4所示.

表4 “互联网+”影响制造业高质量发展的异质性分析

通过上述分析可知:“互联网+”对制造业不同细分产业的高质量发展都具有一定正向促进作用，对技术密集型产业的作用程度要显著高于对劳动密集型与资本密集型产业的作用程度,其原因可能是:1)劳动密集型与资本密集型产业发展主要沿用传统发展模式，主要以规模扩张为基础进而形成价格优势，企业对于初期投入及过程维护较高的信息化装备使用意愿相对较低，进而使得“互联网+”技术的发展对于该类产业影响相对偏低;2)以高新技术产业为代表的技术密集型产业的行业信息化程度相对较高，“互联网+”技术的运用对产业生产系统的构建作用更为明显.

4 间接机制与门槛效应

4.1 中介效应

通过前文分析，“互联网+”对制造业高质量发展的影响实际上是通过创新作为媒介进而产生的间接影响机制，本文借鉴温忠麟等[24]关于中介模型的研究，进一步检验创新在此是否真的产生这一媒介作用.具体实证模型如下:

MHit=β0+β1Nit+βXit+μi+μt+εit,

INit=α0+α1Nit+μi+μt+εit,

MHit=λ0+λ1Nit+λ3INit+δXit+μi+μt+εit.

在模型中选定IN为中介变量，根据刘鑫鑫等[21]的研究思路，采用规模以上工业企业R&D内部经费支出与工业企业主营业务收入的比值来衡量.其他控制变量同上不变，具体检验结果如表5所示.

表5 中介效应检验结果

由基准回归模型(g)知:“互联网+”对制造业高质量发展具有显著正向作用，这是中介效应检验的前提.在表5中模型(k)是“互联网+”对创新水平的影响，模型(l)是“互联网+”与创新水平联合对制造业高质量发展的作用.具体而言，“互联网+”可以显著促进创新水平的提升.当考虑“互联网+”与创新水平2者共同对制造业高质量影响时，2者均产生显著正向影响，且“互联网+”系数小于基准模型(g)中“互联网+”系数，其中直接效应为0.027，相关中介效应为0.001 2，满足中介效应检验的3个步骤.这也意味着:“互联网+”的不断发展可以通过产业创新能力的提升来激发“互联网+”对制造业高质量发展的影响效应.这验证了关于“互联网—创新能力提升—制造业高质量发展”的理论路径的探讨，即验证了假设2.

4.2 门槛效应

自2015年李克强总理在政府报告中提出制定“互联网+”行动计划以来，互联网创新成果不断与中国制造业产业深度融合，催生了中国制造业产业“智能化升级”的大浪潮.但近年来，蓬勃发展的数字经济背后，部分地区制造业硬件升级、数字化改造出现了盲目推进的隐忧.在制造业产业发展中软硬件的“错误配、低效配”显然将阻隔制造业的高质量发展，究其原因是:“互联网+”对制造业高质量发展影响效应还未厘清，简单的认为2者关系是“越多越好”的线性增长.实际上，作为新一代信息技术，“互联网+”的发展有其特殊性，网络效应、沉没效应等使其与制造业的关系可能存在未可预知的非线性关系，特别是针对不同的制造业产业，这种影响也会呈现不同的特点.为厘清上述影响，本文拟借鉴B.E. Hansen的研究，构建如下门槛回归模型来进行说明:

MHit=θ0+θ1NitI(Eit≤ρ1)+θ2NitI(ρ1ρn)+∑ωXit+ui+εit,

其中Eit是门槛变量，ρn是门槛值，I(·)为指示函数，当括号内的函数条件满足时，其取值为1，否则为0，其他变量同前文所述.

先对门槛存在性进行检验.设定“互联网+”发展水平N为门槛变量，不同产业样本的门槛变量均显著通过相应的显著性水平检验，这也意味着“互联网+”对制造业高质量发展的影响并不是简单的线性关系，即验证了假设3.相关检验结果如表6和表7所示.

表6 门槛效应检验结果

表7 门槛效应回归结果

上述结果表明:从制造业总体层面看，“互联网+”对制造业高质量发展影响呈现双门槛特征;从制造业具体细分类型看，劳动密集型制造业呈现单门槛特征，资本密集型、技术密集型制造业呈现双门槛特征.相对而言，在劳动密集型产业中“互联网+”对制造业高质量发展的影响更为简单，而在资本密集型与技术密集型中，“互联网+”对制造业高质量发展的影响更为复杂.就门槛值而言，“互联网+”在技术密集型产业中数值比资本密集型而言更大.其主要原因可能是:当前劳动密集型产业仍然以规模扩张、以“利”换“量”为主的发展模式，“互联网+”对生产效率提升方面显得更为突出，其影响相对单一;而在资本密集型与技术密集型产业中，“互联网+”的作用不仅体现在生产效率的提升，也表现在产业链融合、生态构建、发展模式演变等方面产生影响，进而使得影响变得更为复杂多变.然而,“互联网+”在技术密集型产业中的门槛值比在资本密集型产业中的门槛值更大,其原因可能是:在技术密集型产业中，产业技术与“互联网+”融合较资本密集型产业而言更为深入，对“互联网+”发展水平的要求也更高.

由于不同制造业产业的技术特征有所区别，所以“互联网+”对其影响也较为复杂.从总体层面看，尽管“互联网+”对制造业高质发展有正向促进关系，但在不同阶段其系数变化有所区别.当“互联网+”发展水平低于0.209时，促进作用较小，仅为0.039;在其发展水平进入一定阶段后，系数增加幅度有提升，但变化较缓，从0.039增加到0.045;当“互联网+”发展水平超过0.747时，“互联网+”对制造业高质量发展促进程度才会有显著提升，达到0.113.究其原因是:当“互联网+”水平发展偏低时，制造业产业在引进相关信息化、智能化硬件设备时会存在一定的先期成本，此时新技术给产业发展带来的经济效益与社会效益并不明显;随着“互联网+”发展逐步推进，新技术与制造业融合有磨合时期，相对成本也较高，使得新技术对制造业提升作用尽管存在，但仍不明显;当“互联网+”发展水平达到相对较高的程度时，其网络效应才开始逐步呈现,对制造业产业发展的促进作用呈现扩增效应.

从细分类型看，劳动密集型产业受“互联网+”影响相对简单，主要呈现“先抑制后促进”的特征.这主要反映了当前劳动密集型产业对产业智能化的转型仍有犹豫的现状，特别是在一些低端产业中，中小企业智能化转型所需要的硬件匹配、信息搜寻等成本远大于劳动力增加成本，故当“互联网+”发展水平相对偏低时,强制推动智能化、信息化转型，对产业产生明显抑制作用，只有在“互联网+”发展水平提升后，其促进作用才开始逐步对冲前期抑制作用.对于资本与技术密集型产业而言，2者对“互联网+”发展水平较为敏感.当“互联网+”发展带来新的技术时,通过技术衍生与技术融合形成新的生产工艺与生产模式，这些都将对制造业形成积极影响，不过由“互联网+”发展所引起的竞争与溢出效应又会使得资本密集型产业出现短暂的产业“迷失现象”.因此,“互联网+”对其作用表现为“促进—抑制—促进”的“U”型特征.

4.3 稳健性检验

4.3.1 调整控制变量 为保证模型及检验结果的准确性，本文采用调整控制变量的方式对基准回归模型进行稳定性检验.借鉴邓峰等[25]的研究，增加控制变量城镇化水平IP(采用各地区城镇人口与总人口的比值来衡量).

4.3.2 内生性检验 “互联网+”促进制造业高质量发展，同时制造业高质量发展也可能催生新的技术，进而推动“互联网+”的发展，即可能存在解释变量与被解释变量互为因果关系(内生性问题).为了解决内生性问题,本文拟采用系统GMM方法对基准回归模型进行稳健性检验.借鉴杜传忠等[23]的研究，利用互联网用户数比例与各省每百人移动电话机比例构建交互项，将其作为“互联网+”发展水平的工具变量.用该工具变量对基准回归模型及中介模型进行内生性检验.在使用工具变量回归时，若识别弱工具变量的WaldF检验大于10%临界值，过度识别检验Sargan统计类P值大于0.05，则该工具变量是有效性的和外生的.基准回归模型稳健性检验结果如表8所示.

表8 基准回归模型稳健性检验

从基准回归原模型与中介效应模型内生性检验(见表9)可以看出:在使用有效工具变量后，估计结果中相关变量系数的符号大体与基准回归模型估计一致;同时在前述实证中，对于不同样本估计结果，主要解释变量的符号也与基准回归模型大体一致.这说明了模型的稳健性，也进一步表明“互联网+”可以有效促进制造业高质量发展.

表9 中介效应模型内生性检验

5 结论与建议

正确认识并把握“互联网+”对制造业高质量发展的作用关系，这对顺利实现中国从制造业“大国”向“强国”转变具有重要的理论与现实意义.本文通过实证分析得到的结论主要有:1)中国“互联网+”发展逐步提升，区域发展差距逐步缩小，东北地区发展相对缓慢，中西部地区发展较快.制造业高质量发展整体相对稳定，东部地区具有明显优势，东北地区发展趋弱.2)“互联网+”对制造业高质量发展具有显著的正向促进作用，但对不同类型制造业的高质量发展的促进作用强度有所区别，其对技术密集型、资本密集型产业促进强度高于对劳动密集产业促进强度.3)在“互联网+”对制造业高质量发展影响中，创新可以作为媒介产生间接效应.4)“互联网+”对制造业高质量发展呈现显著的非线性影响，对不同类型制造业的非线性影响不尽相同.对劳动密集型产业影响为“先抑制后促进”，对资本密集型与技术密集型产业则呈现“促进—抑制—促进”的特征，且随着“互联网+”不断发展，“互联网+”的网络效应越来越明显.

通过上述结论可知:要顺利推动中国制造业高质量发展并实现“制造强国”的战略目标，就离不开以“互联网+”为主的新信息技术的发展带动.因此，本文提出如下建议:

1)推动“互联网+”与传统制造业融合发展，利用“互联网+”的网络效应，强化其对制造业高质量发展的推动作用.以促实体经济转型升级为主线，紧密围绕“促进实体经济转型升级”主线，利用“产学研”创新网络，通过当前新一代信息技术构建数字化、网络化创新平台，强化高校、科研院所与企业互动交流，促进创新“供给端”与“需求端”有效对接.

2)利用新信息技术提升创新资源配置效率，降低“互联网+”的“沉没成本”，推动创新对高质量发展的促进作用.提升创新要素集聚效率,健全科创商业化体系，促进科创转化效率.依托大学科技园、科技企业孵化器等载体，培育科技创新空间；鼓励高校科研机构对外开放实验设备及技术资源，带动一批高新技术小微企业成长；利用“互联网+”技术尝试建立科技要素交换市场，提高科技创新资源流通效率.

3)“因地制宜”制定符合区域与产业发展特色的“互联网+”政策.各地区应结合各自主导产业发展情况，制定专项计划，提升本地区技术吸收转化能力，充分利用“互联网+”对制造业高质量发展推动作用的溢出效应，推动本地区的制造业持续高质量发展.