互联网能带来企业效率提升吗？——来自中国工业企业数据的证据

王文雯

（浙江财经大学 金融学院/金融创新与普惠金融研究中心，浙江 杭州 310018）

一、引言

如今，我国光纤宽带用户占比从2015 年底的56%提升至现在的94%，千兆光网覆盖家庭超过了1.2 亿户，固定宽带端到端用户体验速度达到51.2Mbps。近年来，5G、人工智能等新技术、新业态、新平台蓬勃兴起，数字化已成为驱动经济社会发展的关键生产要素，网上购物、在线教育、远程医疗等“非接触经济”全面提速，推动着实体经济发展模式、生产方式深刻变革。中国的制造业企业规模不断扩大，但存在着“大而不强”及生产模式落后的问题（王文雯等，2015）[1]。如何通过互联网发展促进企业效率提升进而实现企业高质量发展成为亟须解决的问题。现有文献认为互联网与实体空间存在两方面关系：一方面，宽带在人口密集地区的优势可能最大，因为宽带和经济集聚经济之间的互补性，而且城市有更熟练的工人，其技能通过信息技术而提高。另一方面，互联网有助于小城市享受到大城市的规模经济（Vos 等，2020）[2]。通过将全国各地的人聚集成一个单一的市场，互联网提供了从根本上改变消费可能性的可能性。特别是，互联网可能会通过平衡大、多元化和小、品种匮乏市场之间的消费竞争环境，作为城市集聚效应的替代品（Sinai 和Waldfogel，2004）[3]。

此外，互联网技术为组织变革注入了新的活力。互联网采用轻资产模式经营，减少了中间环节、降低了交易成本、提高了交易效率，使供应链结构由供给导向转向客户需求导向，大大变革了商业组织模式。且互联网通过模块化分工，使生产组织实现极致化分工与极致化合作的紧密结合，推动生产空间组织与分工方式不断创新。

Chen 等（2020）[4]基于1998—2007 年工业企业数据发现，高速互联网显著提高了企业生产效率和工人的工资，而对于高技能强度行业的公司和受过教育程度更高的工人，估计值更高。另外一些学者则并未发现互联网对企业生产效率有显著促进作用。早在1987 年，诺贝尔经济学奖获得者索洛就注意到美国产业界普遍存在一种奇怪现象：尽管美国在信息技术上投入了大量的资源，但是这些投入对生产率的作用甚微。索洛进而提出著名的“索洛悖论”：除了生产率以外，计算机的作用无处不在。DeStefano等（2018）[5]基于英国1999—2005 年的企业数据发现，信息和通信技术对企业规模有促进作用，而不影响企业生产效率。

国内研究互联网对企业绩效的文献主要针对上市公司某类行业或者上市公司全部行业的样本。杨德明和刘泳文（2018）[6]采用2013—2015 年中国上市公司相关数据发现：传统企业与互联网的融合，即“互联网+”，显著提升了公司业绩。与未实施“互联网+”的公司相比，实施“互联网+”的公司每股收益平均提升了约31%，而资产收益率则平均提升了约24%。影响机制检验表明，“互联网+”通过差异化这个中介变量，促进了企业业绩的提升；而成本领先并不是一个有效的中介变量。

此外还有一些学者则考察了诸如企业规模等企业异质性对互联网作用机制的影响。Klaslan 等（2017）[7]在企业层面探索信息和通信技术对土耳其制造业生产力的影响，运用2003—2012 年从土耳其统计研究所获得的企业数据，研究结果显示，信息和通信技术资本对企业效率的影响比传统资本大约25%～50%。对于小型和低技术公司，信息和通信技术资本的贡献高于非信息和通信技术资本。

另外一些学者考虑了互联网对农村地区企业效率的影响。Canzian 等（2019）[8]基于2008—2014 年特伦多农村地区的企业数据发现，ADSL2+促进企业收入和效率在两年内平均增长14.8%和9.1%，但对人工成本与就业并无显著影响。

在衡量企业使用互联网时，杨德明和刘泳文（2018）[6]在上市公司年报中董事会报告部分甄别出关于“互联网+”的若干关键词，构建出反映企业实施“互联网+”程度的指数。肖利平（2018）[9]选取与信息化指数算法中“信息装备率”一项相关的各地区“国际互联网用户数“（单位：万户）来度量该地区的“互联网+”程度。

宽带接入某一地区并不意味着所在地区某一企业使用了互联网，但只有准确衡量企业是否使用互联网才能判断互联网对企业效率的影响。国内一些学者以企业是否使用电子邮箱或者企业是否有网址来判断企业互联网使用情况，但主要考察互联网接入对企业出口模式（刘海洋等，2019）[10]、企业出口的影响（李兵和李柔，2017）[11]。

综上，国内文献关于互联网对企业层面的文献主要聚焦于对出口的影响，而忽略了对企业效率等的考察。此外研究多以上市公司为主要样本，但上市公司一般为更为优质的企业，因此只采用上市公司数据则存在选择性偏误问题。最后关于区域异质性、企业异质性对互联网影响机制的评估也缺乏深入探讨。

二、数据来源与模型设定

（一）数据来源

本文数据来源于2001—2009 年中国工业企业数据库的微观企业数据。该数据库是由各地区和各部门按照全国统一规定的统计范围、计算方法、统计口径和填报目录，组织实施，按时报送所建立的。中国工业企业数据库的统计范围为中国大陆销售地区500 万元以上的大中型制造业企业，包括国有企业、集体企业、股份合作企业、联营企业、有限责任公司、股份有限公司、私营企业、其他内资企业、港澳台商投资企业、外商投资企业。工业统计指标包括工业增加值、工业总产值、工业销售产值等指标以及财务成本指标和从业人员、工资总额指标，因此数据拥有可靠性和代表性。

（二）模型设定

基于上述分析，本文将设定如下模型估计互联网对企业效率的影响：

其中，下标i、j、k、t 分别表示企业、行业、地区和年份；本文的被解释变量为企业效率TFP_lp。其中行业以两位数行业为单位，地区以地级市为单位。

TFP_lp 为企业效率。在测度企业效率时，会存在同时偏差性（simultaneity bias）和样本选择性偏差（selectivity and attrition bias）。前者即企业可以部分感知其效率信息，并据此改变要素投入水平实现利润最大化，带来投入要素内生化于企业效率；后者即企业要素投入会决定企业面对外生冲击时的存活概率，使得资本项估计有偏。本文采用Levinsohn和Petrin（2003）[12]的估算方法（简称LP 法）对企业效率进行估计。该方法根据企业当前效率做出投资决策，并以企业当期中间品投入需求函数的逆函数来控制不可观测的企业效率冲击的代理变量，以解决同时性偏差和样本选择性偏差。

Internet1为本文核心解释变量，为企业是否使用互联网的虚拟变量，借鉴刘海洋等（2020）[10]的方法，本文使用企业电子邮箱作为衡量企业是否使用互联网的变量。由于工业企业数据仅从2001—2009年拥有该指标，本文重点以该时间段的数据作为研究样本。此外，刘海洋等（2020）[10]还指出企业是否拥有自己的网站可以从更为广义角度衡量企业互联网使用情况，但该数据仅从2004 年开始，本文将在后面以企业是否拥有自己的网站作为衡量企业互联网接入情况的替代指标进行稳健性检验。

Control 为本文的其他控制变量，借鉴以往的文献，本文放入企业年限（Lnage）、企业规模（Lnsize）、企业是否出口的虚拟变量（Export）以控制企业特征变量（Grimes 等，2012），此外，城市经济（Urbanization）、地方化经济（Localization）也会对企业效率产生影响（Wang，2021）[13]，因此本文放入赫芬达尔指数的倒数以衡量地方化经济，人口密度衡量多样化境化经济，同时引入就业密度（Employpop）、城市规模（Pop）以控制地方经济发展的变量。最后，地区制度质量也会影响企业效率，因此本文还选取了价格市场决定程度（PM）、金融市场化程度（FM）、劳动力流动性（LM）来衡量企业所在省份的制度质量（张天华和邓宇铭，2020）[14]①该数据来自王小鲁等（2018）编写的《中国分省份市场化指数报告（2018）》。。

中国工业企业数据库2009 年的样本有43 万家，但其中11 万家左右缺失法人代码和企业名称信息。由于2008 年是中国第二次经济普查，该次普查对企业进行了充分调查，并形成了500 万家企业样本，数据信息十分充分。本文将2009 年数据与2008年经济普查数据进行匹配，最终形成32 万家左右法人代码或企业名称的数据。

工业企业数据库所报告的企业行政区划代码在不同年份差异较大，为便于对比，本文以国家统计局2002 年12 月31 日发布的行政区划代码为准，根据国家行政区划调整文件公告，利用合并、替代、删除或者增加等方式，将所有年份的行政区划都统一为该年的标准，从而使得结果具有可比性。再者由于我国国民经济产业分类体系在2002 年进行了一次修订，而中国工业企业数据库中1999—2002年数据分类使用的是GB/T4754-1994 版的国民经济产业分类体系。为统一产业口径，使数据便于处理，本文根据GB/T4754-2002 版的国民经济产业分类对1999—2002 年的产业代码进行了调整。由于数据调查中难免存在纰漏以及实际生产经营中的某些原因导致部分企业指标缺失或取值不合理（如产出为负），因此本文还对这些样本进行了剔除。此外，本文剔除了处于停产、筹建、当年撤销、破产以及其他状态的企业，而仅选择营业状态代码等于1 的企业数据，最后本文剔除雇佣人数少于8 人以及工业增加值与销售额比值小于0 或大于1 的企业数据。

三、实证模型结果分析

（一）初步回归

初步回归结果如表1 所示，表1（1）列运用LP方法测度企业TFP，结果发现互联网并未对企业效率产生显著影响。但关于TFP 测度方法常用的还有固定效应回归、Olley 和Pakes（1996）[15]提出的OP 方法以及Ackerberg 等（2006）[16]提出的ACF 方法。为保证结果稳健性，本文还使用固定效应回归、OP 方法、ACF 方法对企业效率进行了再测度，并分别考察互联网对这几种方法测度下的企业TFP 的影响，结果如表1（2）列～（4）列所示。研究显示和互联网接入并未对企业效率产生显著正向影响。但在表1（1）列中互联网对企业TFP 存在显著负向影响，并在5%的水平下显著，而表1（2）列～（4）列则均并不显著。

表1 初步回归结果

考虑到企业使用电子邮箱可能仅作为联络的渠道，而并不一定使用互联网销售产品，为保证结果进一步的稳健性，本文借鉴刘海洋等（2020）[10]的做法以企业是否有官方网站（Internet2）作为企业使用互联网的另外一个代理变量以进行稳健性检验，由于2003 年之前数据库不含有企业网址变量，因此本研究以2004—2009 年的数据为样本，结果如表1（5）所示，可以发现Internet2前的系数为负，但不显著，结果依然稳健。本文的结论在一定程度上符合“索洛悖论”，即信息技术投入对生产率的促进作用并未体现，这与Haller 和Lyons（2015）、DeStefano等（2018）的结论是一致的。这可能是因为互联网在一定程度上带来了企业产品通过“价格战”来实现销量，反而降低了企业效率。

（二）进一步检验

考虑到城市规模经济会对互联网接入产生的虚拟产业集群产生替代作用（Sinai 和Waldfogel，2004；Vos 等，2020）。本文随后借鉴方创玲（2014）[17]进一步根据城市规模大小将样本分为小型城市、中型城市、大型城市、特大型城市和超大型城市，结果发现仅小型城市的互联网接入对企业效率产生显著正向影响，且在10%的水平下显著，这可能来自于小城市规模较小，其规模经济不足以支撑企业发展，因此需要通过接入互联网向其他城市“借入”规模经济（Vos 等，2020）。而大型城市、超大型城市中的城市互联网均对企业效率产生负影响，这也进一步证明了城市规模对互联网接入效应的替代作用。

表2 稳健性检验1：分城市规模

除了城市规模经济外，企业本身集聚产生的规模经济也会对互联网接入呈现替代作用，因此本文进一步借鉴林毅夫等（2018）[18]的方法识别企业是否在开发区，并将互联网虚拟变量和是否在开发区的交叉项放入回归中，结果发现互联网虚拟变量和开发区虚拟变量的交互项显著为负，且在5%的水平下显著，这也进一步表明互联网接入带来的规模经济和实体产业园区的规模经济存在替代效应（Sinai 和Waldfogel，2004）。

一些学者指出，互联网对于区域的影响存在异质性，通常低收入国家尤其是农村地区的经济发展具有更为重要的意义。因此本文进一步将地区分为城市和农村并探讨互联网对这两类区域是否具有异质性。本文首先根据行政区划代码识别出企业所在街道乡镇级以上行政区划，若识别区域内含有“乡”“镇”“村”字样则归为农村地区，剩余地区则为城市区域。研究结果如表3（2）列、（3）列所示结果发现互联网仅对农村地区的企业效率具有显著正向影响，且在5%的水平下显著为正，但对城市区域的企业效率则存在显著负向影响。这表明互联网技术有助于帮助农村地区接入大城市进而“借得”城市区域的规模经济（Vos 等，2020）。这也进一步表明互联网对于农村企业的重要性。

表3 稳健性检验2

四、结论与政策建议

企业效率的增长是企业实现高质量发展的关键。本文运用2001—2009 年的工业企业数据考察了互联网对企业效率的影响，研究发现互联网仅促进小城市、农村地区企业效率的提升，此外开发区与互联网接入对企业效率的促进作用存在替代效应。

因此本文提出了以下政策建议：第一，以县域为基本单位，各地要研究出台培育规范小城镇数字新业态政策规划，推动数字新业态+一二三产业融合发展，促进小城镇各类市场主体供应链、经营链、生产链、消费链等价值链按需上网和上云用数智赋，形成更多智能+社会服务新平台、新业态、新模式。第二，聚焦构建数字农村新机制，以“数字化”打造农村社会治理“智慧方案”。第三，出台并规范互联网反垄断法律，防范提供捆绑搭售、掠夺性定价、拒绝交易、歧视以及市场挤压等行为损害消费者利益，排除实际或者潜在的竞争对手等的行为，并设置相应的处罚。