制造业服务化、政府补助与企业全要素生产率

方明 朱章礼

【关键词】 制造业服务化; 全要素生产率; 政府补助; 汽车制造业

【中图分类号】 F275.5  【文献标识码】 A  【文章编号】 1004-5937（2022）05-0077-07

一、引言

改革开放以来，我国汽车工业逐步发展壮大，在国民经济发展和重大社会变革中起到了强大的引领作用。《中国汽车工业发展报告（2021）》提出，2021年是“十四五”开局之年，汽车产业迎来了变革升级与格局重塑的最佳时机，新能源汽车产业跨入了发展新阶段，未来产业分工会进一步向新兴国家转移，竞争态势将更加激烈，作为制造业的标杆，汽车制造业的发展对行业乃至区域经济有着举足轻重的影响。当前我国汽车零部件对国外生厂商的依赖性依旧较大，部分中小型企业缺乏核心竞争力，难以参与到国际竞争中，而企业内部则普遍存在生产效率水平参差不齐的问题。

关于如何提升我国制造业企业的生产率，国内学者主要从宏观层面展开研究，对外直接投资[1]，资本深化[2]，消费升级、收入分配[3]等对企业生产率均有明显的作用。此外，政府的行为和政策引导也会显著影响企业的生产率变动，如财政分权[4]、营商环境优化[5]，其中关于政府补助的研究最多，但相关学者却持相反的观点：一部分学者研究发现，政府补助对生产率有明显的促进作用[6-7]，但考虑到滞后时却表现为抑制作用[8]，也有学者研究发现政府补助滋生了企业寻租行为，从而表现为逆向变动关系[9]。这些研究为如何提升制造业全要素生产率提供了一定的理论支撑，但却忽略了制造业转型升级的现状，实践表明制造业产业结构转型升级已成为不可避免的趋势，为了获得更高的附加值，增强企业核心竞争力，服务化成为越来越多制造业企业的选择。那么从企业内部来看，服务化是否会影响制造业企业全要素生产率？作为政府常用的政策工具之一，政府补助对二者之间的关系又会产生怎样的影响？

基于此，本文从企业内生视角构建制造业服务化评价体系，探讨制造业服务化对企业全要素生產率的影响，以及政府补助在两者关系中的作用。本文的贡献在于：（1）目前学者关于服务化与全要素生产率的关系多集中在宏观层面，本文聚焦于企业内部，通过构建制造业服务化评价体系，从微观层面考察服务化对全要素生产率的影响。（2）进一步探讨政府补助在服务化与企业全要素生产率关系中的作用，为辩证看待政府补助的“双刃剑”效应提供思路。

二、理论分析与研究假设

（一）制造业服务化与全要素生产率

国外学者发现服务化确实会显著促进企业生产率的提升。Bellos[10]发现服务化、可持续性和生产力之间的积极关系;Marco[11]发现数字化和服务化战略的协同作用能引导更高的生产率产出。国内学者也从宏观层面验证服务化与全要素生产率之间存在线性或非线性关系。线性关系主要表现为正向促进作用，服务化通过高效企业管理、高质量的人力资本来促进全要素生产率的提升[12]，区分投入来源发现，高端化服务投入促进效应显著[13]。非线性关系表现为“U型”，且发达国家的U型拐点在制造业投入服务化水平约为83%的位置[14]、倒U型[15]和马鞍型[16]。

从企业层面探讨制造业服务化与全要素生产率的关系，基于现有文献的研究，本文认为制造业服务化对企业全要素生产率的影响存在两个阶段。在第一阶段，服务化导致部分要素被动转移到服务业，从而影响制造业本身技术进步，由于深化分工的影响也造成了一定的成本增加，同时在服务化的初期，企业尚未直观感受到服务环节的高收益性，对于转型升级也缺乏一定的动力，因此初期的服务化不利于企业全要素生产率的提升。在第二阶段，企业逐渐意识到延伸产品链，走服务化转型是制造业的必经之路，服务业逐渐发展产生积极的外部效应，同时知识、技术等要素的持续投入累积成生产优势，企业能够合理分配制造与服务环节的资源，促进资源利用率的提升，通过分工专业化、降低交易成本、技术外溢等途径提高企业全要素生产率。基于此，本文提出假设1。

H1：制造业服务化对企业全要素生产率的影响呈现出U型趋势，具体表现为初期服务化抑制企业全要素生产率，伴随服务化进程的推进，企业内外部实现规模经济，服务化最终能有效提升企业全要素生产率。

由于企业全要素生产率的来源不同，进一步分解为技术效率与技术进步。相关研究表明，制造业服务化转型会通过资本要素的提升、市场需求的推动等途径，提升企业的技术创新效应[17]。企业进行服务化转型的过程中，通过技术创新不断提升研发水平和智能制造水平。因此，不论是对技术的更迭还是利用效率，制造业服务化均能起到促进作用。基于此，本文提出假设2。

H2：制造业服务化对企业全要素生产率的作用来源于技术进步与技术效率的双轮驱动。

（二）制造业服务化、政府补助与全要素生产率

现有研究对于政府补助与企业全要素生产率的关系尚未形成定论，对于政府补助在制造业服务化与企业全要素生产率之间调节作用的研究则更少。一方面，政府补助主要会通过激励企业技术创新来影响制造业服务化与企业全要素之间的关系。企业服务化转型本身会提升企业的技术创新效应，从而促进技术进步，提高企业全要素生产率，而政府补助能为企业技术创新活动提供稳定的资金支持，降低制造业企业陷入研发困境的可能性，同时长期持续性的政府补助有利于增强企业创新的信心，激励企业加大研发投入力度。另一方面，由于补贴与项目的错配会导致企业的寻租行为。由于信息不对称，往往难以甄别企业哪些项目需要或者值得政府补贴，从而有可能会把资金投向低效率的项目[18]，同时考虑到资金的收益性，在分配政府补助时，更倾向于分给目前已有成效、成功率高的项目，但这些项目反而不存在资金压力。在监管前瞻性、有效性不足的环境下，若给予大量的补助金额，会导致企业不再将补助用于扩大生产规模或增加研发投入中，扭曲了政府补助的初衷，不利于企业技术效率和规模效率的提高。基于此，本文提出假设3、假设4。

H3：政府补助对制造业企业服务化与全要素生产率之间的关系起到正向调节作用。

H4：政府补助对制造业企业服务化与全要素生产率之间的关系起到负向调节作用。

三、制造业服务化评价体系

关于制造业服务化水平，大部分学者单独从投入服务化或产出服务化的维度进行测度，以此来代替企业服务化程度，但也有学者试图从理论研究的方向搭建综合的企业服务化水平评价体系。基于资源基础观，企业是能力与资源的集合体，随着外部环境的变化，企业的竞争优势逐渐从拥有稀缺性资源转向到对资源的配置和利用，对资源的配置形成了企业的能力。基于此，本文从企业内生视角出发，构建企业内部资源、企业能力和治理结构3个维度共10个指标的制造业服务化评价体系。

（一）企业内部资源

1.有形资源。传统的资源基础观认为，资产专用性是企业核心竞争力的重要资源，但在服务化转型的过程中，支持企业核心竞争力的资源禀赋要求不尽相同。从固定资产来看，固定资产占比越高，资产灵活变现的能力就越差，而服务化涉及到内部资源结构的重新整合，故而资源结构调整的阻碍也越大;从自由现金流来看，自由现金流水平越高，企业承担风险的能力越强，也越趋向于多元化投资。本文用固定资产粘性和自由现金流衡量有形资源。

2.人力资本。与物质资本相比，人力资本具有更强的能动性，并且相比普通员工的素质，领导者的能力对服务化转型效果的影响更明显[19]。本文用董监高中硕士学历占比衡量人力资本。

3.资本累积。服务化转型意味着企业从“产品”迈入“产品+服务”的经营模式，对于新涉及的领域必然会面临一系列风险，企业要想得以存续并且持续性发展，必然要求不断累积财富[20]，资本存量的增加能给企业进行服务化变革强有力的支撑。本文用资本保值增值率来衡量资本累积。

（二）企业能力

1.技术创新能力。技术创新是企业自我赋能的核心环节，研究发现一般的制造业企业都会提供基于产品的基础服务，而技术赋能服务才是服务化过程中的核心增值环节，因此企业的核心技术能力越强，越有利于服务化转型。本文用研发投入强度衡量企业的技术创新能力。

2.盈利能力。当企业处于高盈利水平时，具备开展服务化转型的优势，企业拥有较多的净现金流，对短期的“服务化困境”具有“补贴”作用;当企业处于低盈利水平时，为寻求新增长点，倒逼企业进行服务化。本文用净资产收益率衡量企业的盈利能力。

3.组织管理能力。战略变革需要与组织各要素相匹配，服务化对企业自身组织管理提出了更高的要求。企业组织管理能力越强，越能灵活应对外部环境变化，合理配置和整合内部资源，越有利于服务化。本文用总资产周转率衡量企业的组织管理能力。

（三）治理结构

1.股权结构。企业实施服务化战略的根本目的是增加企业财富，研究表明，股权集中度与公司多元化发展是负向关系，控股股东股权比例越大，其通过多元化攫取私利的可能性越小，因此股权越集中越难以进行服务化转型。本文用股权集中度衡量企业的股权结构。

2.管理层激励。从长远看，服务化有利于稳步提升企业的经济效益，因此股权激励能够促使管理层从长远角度考虑，使得管理层的行为符合企业的长期发展要求。本文用管理层持股比例度量企业管理层激励水平。

3.董事会治理。董事会是公司内部治理结构的重要组成部分，相比而言，独立董事具有更高的独立性。独董能从外部视角客观地看待企业战略决策，并利用其资源、能力和经验帮助企业决定是否进行服务化转型以及何时转型最佳等问题。本文用董事会中独立董事占比衡量企业董事会治理水平。

四、研究设计

（一）样本选择及数据来源

作为制造业的标杆，汽车制造企业的发展对制造业行业和区域经济起着重要作用。本研究以2014—2019年我国汽车制造业上市企业为初始样本。为保证数据的完整性和连续性，剔除ST与？觹ST公司、相关数据缺失的样本，剔除2014年及以后主营业务发生变化的公司，最终获得44家企业样本。样本数据来源于国泰安（CSMAR）数据库，数据处理均基于Stata15.0和Excel软件。

（二）变量定义

1.全要素生产率（TFP）。基于DEA-Malmquist模型测算企业全要素生产率变化率，投入指标选用年均从业人数、年均固定资产和流动资产的合计数，产出指标选取净利润作为经济类产出，并进一步分解为技术效率指数（Effch）和技术进步指数（Techch）。以2013年为基期，计算出2014—2019年汽车制造业各样本公司的全要素生产率（TFP）、技术效率（TE）和技术进步（TC）。

2.制造业服务化（SER）。本文选择构建指数法，对制造业服务化水平进行测度，依据上述制造业服务化评价体系，采用熵权法测算制造业服务化指数。

3.政府补助（SUB）。政府通过财政补贴、政府采购、税收优惠等方式对企业进行资助。考虑到相关数据的可度量性，本文不再区分直接补助和间接补助，统一以企业年报附注中披露的政府补助项目为基础进行度量。

4.控制变量。控制变量是指影响企业投资效率的其他因素。基于已有研究的常规做法，本文选取企业规模（SIZE）、所有权性质（SOE）、资本密集度（KIN）、资产负债率（LEV）作为控制变量。

具体变量定义见表1。

（三）模型设定

为检验我国汽车制造业服务化与企业全要素生产率的关系，设定如下基准回归模型：

其中，i代表样本企业个体，t代表样本年度，εi，t为随机扰动项，α和β为待估参数。

为了更加准确地区分全要素生产率的来源，本文将TFP进一步分解为技术效率（TE）和技術进步（TC），对分解后的变量也进行回归，回归模型如下：

为检验政府补助的调节作用，在原有基准回归模型中加入了制造业服务化与政府补助的交互项（SER×SUB），调节效应检验模型如下：

五、实证分析

（一）描述性统计分析

由表2可以看出，TFP最大值为2.692，最小值为0.598，标准差为0.262，说明汽车制造业企业全要素生产率在不同年份、不同企业之间存在较大的差异。SER最小值为0.464，最大值为0.822，说明汽车制造业企业服务化进程不一，部分企业服务化程度较高，而部分企业处于刚起步阶段，对于汽车制造业来说，推进企业服务化转型有待持续进行。

（二）基准回归分析

本文所选取的样本为2014—2019年汽车制造企业的相关数据，同时具有时间和截面特征，通过Hausman检验发现，固定效应模型更优，故本文模型均采用固定效应模型进行回归。模型1的基准回归结果如表3中（1）列所示。整体样本中，制造业服务化（SER）一次项回归系数为负数，且在5%水平上显著，二次型回归系数在5%水平上显著为正。表明制造业服务化与我国汽车制造业企业全要素生产率（TFP）之间呈现显著的U型曲线关系，随着服务化水平的提高，汽车制造企业全要素生产率经历先下降后上升的趋势，该检验结果与H1结论相符。从控制变量来看，其回归结果均显著，企业规模对全要素生产率显著为正，说明对汽车制造业来说，扩大规模有利于扩大生产能力，提高生产率;资本密集度显著为负，说明固定资产要素的投入未能为全要素生产率提供帮助，由此判断汽车制造业尚处于劳动密集阶段，还是以劳动要素投入为主。

进一步探讨TFP变化的来源，将TFP分解为技术效率（TE）和技术进步（TC），分别作为被解释变量进行回归，回归结果如表3。（2）列和（4）列为控制变量情况下制造业服务化与TE、TC的回归结果。制造业服务化的一次项与TE回归的系数为负，且在1%水平上显著，二次项回归系数为正且在5%水平上显著，其U型趋势与模型1回归结果一致;对TC的回归结果，一次项为负，二次项为正，但均不显著，初步说明服务化主要是通过技术效率而非技术进步来影响TFP。加入控制变量后的结果如（3）列和（5）列所示，TE的回归结果显著性有所下降，但一次项和二次项的系数未变，整体趋势仍然呈现U型;TC的回归结果均不显著。加入控制变量后的结果进一步验证的制造业服务化主要是以技术效率来影响TFP的变动，这与本文的H2存在差异。服务化对技术进步的影响不显著，分析可能是因为企业初期进行服务化转型时，盲目开展服务业务，导致过多的劳动要素流向服务环节，造成了制造环节的要素缺失，明显地影响了制造环节的技术更迭进步。

上文验证了汽车制造业企业服务化与全要素生产率之间的U型关系，现有文献对于政府补助与全要素生产率之间的关系尚未形成定论，而关于政府补助在服务化与全要素生产率之间作用的研究则较少。因此本文在基准回归模型1的基础上加入政府补助（SUB）以及政府补助与服务化的交互项（SER×SUB），探讨政府补助在两者之间的作用，回归结果如表4所示。（6）列中显示政府补助的回归系数在10%的水平上显著为负，表明政府补助本身不利于汽车制造业企业全要素生产率水平的提升。从（7）列的回归结果来看，政府补助的系数在1% 的水平上显著为负，但服务化与政府补助的交互项的回归系数在1%的水平上显著为正。与（6）列相比，各控制变量与TFP的关系没有发生实质性变化，且交互项系数为正，说明对于汽车制造业企业来说，政府补助能正向调节服务化与全要素生产率的关系，因此H3得到支持，H4不成立。

（三）稳健性检验

1.制造业服务化的重新估计

为进一步考察制造业服务化与企业全要素生产率的关系是否稳健，本文改变制造业服务化衡量指标。借鉴Visnjic et al.[21]的研究方法，采用经营范围分析法作为制造业服务化水平的替代指标。由于国泰安中的经营范围信息比较简单，本文利用Python软件对样本公司的年报进行爬虫，爬取年度报告中第三节公司业务概要的第一部分，即报告期内公司从事的主要业务，对经营范围信息进行适当的补充，并最终统计企业提供各类别服务项目的数量。

重新估计的制造业服务化（SER_NUM）与企业全要素生产率（TFP）及分解（TE、TC）的回归结果如表5中（8）—（10）列所示。从回归结果来看，制造业服务化的系数大小虽有变化，但核心解释变量仍然在5%的水平上显著，服务化与全要素生产率之间的关系仍然表现为U型关系，并且控制变量都基本保持相对稳定，这一结果在较大程度上证实了相应实证结果的可靠性。

2.企业全要素生产率的重新估计

当前估算企业TFP绝对数量的方法主要有OLS、OP和LP，本文选用LP方法重新估算企业全要素生产率。选择企业的营业收入代表产出（y）、固定资产净额代表资本存量（k）、员工人数来表示劳动投入（l），用企业现金流量表中的购买商品接受劳务支付现金这个指标来衡量中间投入（m），并对各指标取对数。

制造业服务化（SER）与企业全要素生产率（TFP_LP）的回归结果如表5中（11）列所示。从回归结果来看，制造业服务化的一次项仍然在5%的水平上显著为负，二次项在5%的水平上显著为正，服务化与全要素生产率之间的关系仍然表现为U型关系，进一步验证了前文实证结果的可靠性。

六、结论与启示

（一）研究结论

本文以2014—2019年我国A股上市的汽车制造业公司为样本，从企业内生视角构建制造业服务化评价体系，实证检验了制造业服务化、政府补助对企业全要素生产率的影响，最终得出以下结论：（1）2014—2019年期间，汽车制造业服务化水平呈现出波动上升的趋势，在2017年有小幅度的回落，随后又逐步上升，说明服务意识逐渐渗透，越来越多的企业将服务化战略纳入到公司的长期计划中;（2）制造业服务化与企业全要素生产率之间存在显著的U型关系，从企业全要素生产率变化的来源来看，服务化对技术效率的影响表现为显著的U型，但对技术进步的影响并不顯著;（3）政府补助对于服务化与企业全要素生产率的关系起着正向调节作用。

（二）对策建议

我国作为制造业大国，全球分工格局的改变要求我国制造业企业积极探索新的发展方向，以从容应对挑战。目前我国制造业总体仍处于工业化阶段，从服务中间要素投入来看，第二产业服务投入率仍处于较低水平。因此，制造业服务化转型尚有较大的发展空间，需要政企联动，共谋制造业转型发展。

从政府角度出发：（1）在服务化初期，政府应当稳步推进，避免急于求成，作为宏观经济的调控者需要有序引导制造业企业进行服务化转型;（2）政府应充分重视服务业与制造业的互动关系，大力支持生产性服务业的发展，合理配置制造业与服务业之间的各种生产资源，实现制造业与服务业融合发展;（3）政府应适度控制补贴强度，合理匹配补贴金额与项目，全过程有效监督，督促企业自主创新，提升生产率。

从企业角度出发：（1）企业应正确认识服务化过程中表现出的“双刃剑”特征，民营企业尤其应该重视服务化转型的机遇;（2）合理利用政府补助资金，加大研发投入，实现技术上的突破，逐步形成核心竞争力;（3）进一步提升技术效率，建立相适应的内部流程及管理制度，提升管理水平和资源利用率，从而提升企业全要素生产率。

【参考文献】

[1] 李夏玲，殷凤，王志华.对外直接投资对母国全要素生产率的影响[J].统计与决策，2020，36（7）：113-117.

[2] 陈汝影，余东华.资本深化、有偏技术进步与制造业全要素生产率[J].现代经济探讨，2020（6）：62-69.

[3] 马广程，许坚.消费升级、收入分配与产业全要素生产率提升——基于省级动态面板数据[J].管理现代化，2020，40（3）：25-28.

[4] 史贞.财政分权与企业全要素生产率：促进还是抑制？——基于地方政府行为的实证检验[J].贵州社会科学，2020（4）：114-122.

[5] 刘军，关琳琳.营商环境优化、政府职能与企业TFP增长新动力——“窗口亮化”抑或“亲上加清”[J].软科学，2020，34（4）：51-57.

[6] 胡春阳，余泳泽.政府补助与企业全要素生产率——对U型效应的理论解释及实证分析[J].财政研究，2019（6）：72-85.

[7] 李政，杨思莹，路京京.政府补贴对制造企业全要素生产率的异质性影响[J].经济管理，2019，41（3）：5-20.

[8] 李晓钟，吴振雄，张小蒂.政府补贴对物联网企业生产效率的影响研究——基于沪深两市2010—2013年公司数据的实证检验[J].中国软科学，2016（2）：105-113.

[9] 焦翠红，陈钰芬.R&D补贴、寻租与全要素生产率提升[J].统计研究，2018，35（12）：80-91.

[10] AGRAWAL V，BELLOS I.The potential of servicizing as a green business model[J].Interfaces，2017，63（5）：1545-1562.

[11] MARCO O B，FERRAN V H，OSCAR B.Uncovering productivity gains of digital and green servitization：implications from the automotive industry[J].Sustainability，2018，10（5）：1524.

[12] 呂越，李小萌，吕云龙.全球价值链中的制造业服务化与企业全要素生产率[J].南开经济研究，2017（3）：88-110.

[13] 郑国姣，常冉.中国装备制造业服务化与绿色全要素生产率研究——基于新型国际分工下的GVC视角[J].技术经济与管理研究，2019（10）：3-8.

[14] 周念利，郝治军，吕云龙.制造业中间投入服务化水平与企业全要素生产率——基于中国微观数据的经验研究[J].亚太经济，2017（1）：138-146.

[15] 夏秋，胡昭玲.制造业投入服务化能提高全要素生产率吗——基于成本和风险的视角[J].当代财经，2018（7）：99-111.

[16] 李琳，刘凯.区域异质性视角下制造业服务化与制造业全要素生产率研究[J].科技进步与对策，2018，35（23）：66-74.

[17] 李帅梅，姚远，卢■.制造业服务化转型的技术创新效应——基于GMM回归模型分析[J].产业创新研究，2019（11）：48-51.

[18] 张帆，孙薇.政府创新补贴效率的微观机理：激励效应和挤出效应的叠加效应——理论解释与检验[J].财政研究，2018（4）：48-60.

[19] 杨水利，梁永康.制造企业服务化转型影响因素扎根研究[J].科技进步与对策，2016，33（8）：101-105.

[20] 吕长江，梁化军.关于企业资本保值增值问题的再探讨[J].会计研究，1998（12）：22-25.

[21] VISNJIC I，NEELY A，WIENGARTEN F.Another performance paradox？：a refined view on the performance impact of servitization[J/OL].Social Science Electronic Publishing，2012.