数字金融赋能制造企业高质量发展路径研究

王艳格

(绍兴文理学院 元培学院, 绍兴 312000)

党的二十大报告指出,“高质量发展是全面建设社会主义现代化国家的首要任务”,制造业作为经济发展的微观主体,是实现国民经济高质量发展的中坚力量[1]。在制造企业的发展中,企业资金需求能否满足,企业的现金持有水平能否面对环境不确定性中的机遇与挑战,对制造企业能否实现高质量发展发挥着重要作用。传统金融服务由于信息不对称、信贷风险和信贷成本控制等原因导致资金更多地流向具有优质抵质押资产的大型制造企业,而中小型制造企业仍有较大的资金缺口。随着“互联网+”“大智移云物区”等技术的加速发展,在金融服务领域,数字金融的发展方兴未艾,数字科技正在对传统的金融服务业进行升级改造[2-3]。相较于传统的金融服务,数字金融的发展拓宽了金融服务的覆盖范围和服务深度,提高了企业获得资金的速度,降低了企业获得金融支持的门槛,提高了企业的现金持有水平,契合了企业高质量发展对金融服务的需求。基于此,研究制造企业的高质量发展意义重大,研究数字金融如何影响制造企业高质量发展及其作用机制也显得尤为重要。

1 文献综述

数字金融是金融与科技深度融合的产物[4],Bettinger[5]指出金融科技是融合了计算机技术、银行专业知识和现代管理科学的一种综合性概念。随着互联网与数字技术的发展,传统金融服务顺势不断改造升级,逐步发展成人们熟知的“数字金融”。近些年来,关于数字金融的研究层出不穷,滕磊和马德功[6]、徐亚平等[7]从宏观视角出发,研究发现数字金融对我国经济高质量发展具有显著的促进作用。更多的学者从微观企业出发,研究数字金融对企业发展的影响,主要有数字金融对企业技术创新[8]、企业绿色技术创新[9]、企业价值[10]、企业财务绩效[11]、企业全要素生产率[12]等方面的影响,从研究结果来看,数字金融对促进微观企业持续稳定发展发挥着积极的作用。

党的十九大报告指出,我国经济已由高速增长阶段转向高质量发展阶段,此后“高质量发展”成为学术界研究的热点问题。陈惠中和赵景峰[13]研究发现数字金融发展和产业结构优化均能对经济高质量发展产生正向影响。冯珏和黄解宇[14]认为微观金融集聚能够促进企业的高质量发展;余东华和王梅娟[1]通过研究发现数字经济通过改善技术效率促进企业的高质量发展;宋佳和张金昌[15]研究发现数字金融通过缓解融资约束促进制造企业高质量发展[15]。由此可见,影响宏观经济和微观企业高质量发展的因素众多,数字金融是其中重要的因素。关于企业高质量发展的衡量标准,马金华等[16]、张志元和马永凡[17]以全要素生产率作为衡量制造企业高质量发展的替代变量;宋晓娜和张峰[18]、黄东兵等[19]通过构建创新、协调、绿色、开放、共享综合体系对制造业高质量发展水平进行测度;罗华伟等[20]从质量效益、运营效率、科技创新、绿色发展4个方面来评价国企上市公司高质量发展指标体系。可见,关于企业高质量发展的评价标准,学术界尚未形成一致意见。

通过梳理现有的文献发现,学者对数字金融和高质量发展的研究已经取得了较为丰富的成果,但仍有以下不足之处:第一,大多数学者对企业高质量发展的研究主要集中于全行业数据,而对于在我国经济中发挥重要作用的制造行业的聚焦研究较少,这为本文研究对象的选择提供了方向;第二,数字金融对企业高质量发展的作用机制尚有较大的探索余地。基于此,本文主要的贡献在于:第一,本文聚焦于实体经济的代表制造企业,利用最新的数字普惠金融数据,研究其与制造企业高质量发展的关系,丰富了高质量发展的研究对象;第二,从数字金融的覆盖广度、使用深度和数字化程度三个维度衡量其对制造企业高质量发展的影响,拓展和深化了数字金融与制造企业高质量发展的相关研究;第三,通过考察现金持有水平在数字金融和制造企业高质量发展中的中介作用,研发投入在数字金融和制造企业高质量发展中的调节作用,拓展了数字金融对制造企业高质量发展影响的作用机制,为数字金融与制造企业高质量发展之间的关系提供了新的证据。

2 理论分析与研究假设

2.1 数字金融与制造业高质量发展的关系

“高质量发展”始于宏观层面经济的高质量发展,企业作为经济发展中的微观主体,其作为个体对经济产生的影响虽微不足道,但是每个微观主体组成的整体对经济发展的影响却是不容忽视的,因此,宏观经济的高质量发展离不开微观企业的高质量发展。数字金融是传统金融服务与数字技术的深度融合,能够利用数字技术的优势,实现传统金融服务的普惠化、数据化和平台化,以此来延伸传统金融服务的覆盖深度和服务广度,以期建立全链条数字金融服务体系[21]。宏观经济和微观企业要想实现高质量发展离不开资金支持,数字金融颠覆了传统金融机构的服务模式,能够为企业的发展提供更多的金融支持,但数字金融的发展对企业高质量发展的作用到底如何?该问题一直是学者研究的热点。崔耕瑞[22]运用中国大陆2011-2019年30个省份的省际面板数据,研究发现数字金融对产业高质量发展各维度(具体包括绿色转型、动能培育、结构优化、福利改善、价值创造和效率提升)均存在显著的促进作用。企业作为经济发展中的微观主体,对于经济高质量发展更是有着举足轻重的作用,宋佳和张金昌[15]以制造企业为例,研究发现,数字金融能显著推动制造业企业实现高质量发展,且融资约束发挥着中介作用。张超等[23]将研究视角聚焦在浙江省,研究发现,数字金融对浙江省实体企业高质量发展具有正向影响。综上可知,数字金融的发展对宏观经济、实体企业的高质量发展上有着显著的促进作用,制造企业作为国民经济的支柱产业,是经济增长的发动机,研究数字金融对制造企业的高质量发展意义重大,鉴于此,提出如下假设。

H1:数字金融能够显著地促进制造企业的高质量发展。

2.2 现金持有水平的中介作用

现金是企业资产的重要组成部分,对企业发展的重要性不言而喻,持有充足的现金,不仅可以帮助企业提高抵御风险的能力,而且能够在一定程度上衡量企业的生存和发展能力[24]。随着日趋激烈的市场竞争,在优胜劣汰的市场竞争法则面前,在环境不确定性逐渐增加的情况下,如果企业能够保持充足的现金持有水平,将会为应对上述环境提供一定的保障。通过信号传递理论可知,企业持有充足的现金可以向社会公众传递企业经营状况良好,资源配置合理等信号,从而吸引更多的投资者,进一步充裕企业的现金流,提高企业的现金持有水平。数字金融的发展将会提高企业的现金持有水平,主要体现在以下两个方面:一是数字金融的发展降低了企业的融资成本,减少了企业的利息费用和借款手续费等融资支出,从而增加了企业得现金持有水平;二是数字金融的发展使得企业能够更加快捷地获取所需资金,相较于以往的融资模式,企业可以拥有更加充足的现金,以备抓住稍纵即逝的投资机会,从而提高企业价值,促进企业高质量发展。温倩和余林昕[25]研究表明,企业现金持有能够显著地提升企业价值;黎精明等[26]以A股上市制造企业为例,研究发现企业的现金持有水平和财务绩效有显著的正相关关系。因此本文认为,数字金融的发展能够提高制造企业的现金持有水平,而现金持有水平又通过增加企业投资机会、提高企业研发投入等途径促进企业提质增效,逐步推动制造企业实现高质量发展。因此,提出如下假设。

H2:现金持有水平在数字金融对制造企业高质量发展的影响中承担着中介作用。

2.3 研发投入的调节作用

科学技术是第一生产力,是实现高水平科技自立自强的重要支撑,在我国加快实施创新驱动发展战略的过程中,制造企业必须抓住机遇,加大研发经费投入,提高创新产出,从而在日益激烈的市场竞争中掌握核心技术,获取持续的市场竞争优势,实现企业长期稳定的高质量发展。张勇[27]研究表示企业需要深入开展研发活动,以获取长期的竞争优势,从而实现企业的高质量发展;崔艳娟和彭丽丽[28]研究表明绿色金融发展有利于激发企业绿色研发投入的动力,从而促进企业提高全要素生产率,由此可见,研发投入在企业的高质量发展中发挥着重要的作用。关于如何扩大企业研发投入,唐松等[29]研究认为持续有力的金融支持是提升企业创新产出的关键;周达勇和董必荣[30]研究表明银行信贷通过缓解融资约束和信号传递效应显著促进中小企业开发性创新投入。因此,金融支持对促进企业研发投入具有重要的作用,而数字金融为企业提供了持续的资金支持。但是,企业研发投入水平并不仅仅受到资金的影响,企业的盈利能力、企业规模大小等因素也会影响企业的研发投入水平。对于制造企业来说,研发投入水平越高,创新产品产出越多,企业的竞争优势越明显,同时研发投入水平越高的企业,资金需求就越大,随着数字金融的发展,研发投入水平较高的企业能够借着数字金融发展的契机,扩大资金来源,提升融资效率,加大企业研发投入水平[31],在这种良性循环中,企业更容易实现高质量发展。反观之,研发投入水平较低的企业,出于企业规模和资金等不利条件的限制,数字金融带来的融资红利,可能被企业用于更加重要的自身发展上,因此并不一定能够通过加大研发投入来提升企业的高质量发展水平。综上所述,本文认为研发投入在数字金融与制造企业高质量发展的关系中起到了一定的调节作用,基于此,提出如下假设。

H3:研发投入会加大数字金融对制造企业高质量发展的促进作用。

3 实证研究设计

3.1 样本选择与数据来源

从中国沪深两市上市公司中选取2012-2021年的数据作为样本进行实证分析。通过以下步骤进行数据处理:一是剔除B股上市公司样本;二是剔除掉ST、*ST和PT的公司样本;三剔除非制造行业的数据,研究数字普惠金融对制造企业高质量发展的影响;四是剔除指标严重缺失和数据异常的企业样本。为了避免异常值对回归结果的影响,按照上下1%对数据进行了缩尾处理。数字金融数据来自《北京大学数字普惠金融指数(2011-2021年)》第四期,其他上市公司的数据均来自国泰安数据库,数据处理与回归分析均在Excel和stata16中完成。

3.2 变量设计

3.2.1 被解释变量

被解释变量是制造企业高质量发展水平。参考冯钰和黄解宇[14]的做法,选取全要素生产率(total factor productivity,TFP)作为制造企业高质量发展水平的替代变量,选取该变量是因为全要素生产率可以涵盖企业的技术改造升级、管理模式改进、产品质量提高和企业综合升级的综合成果。计算全要素生产率常见的方法有固定效应(ordinary lest squares,OLS)法、固定效应估计、Olley-Pakers(OP)法、Levinsohn-Petrin(LP)法等。相较于OLS法,OP估计法和LP估计法都能够较好地解决生产率估计中的内生性问题,结果也更加可靠。因此,在基准回归中采用LP估计法来测算全要素生产率,使用固定效应的OLS方法测算的全要素生产率做稳健性检验。LP估计法测算全要素生产率的公式为

lnYit=θ0+θ1lnKit+θ2lnLit+θ3lnMit+εit

(1)

式中:企业总产出Y用“营业收入”表示;资本投入K用“年末固定资产净额”表示;劳动力L用“年末员工总数”表示;中间投入M用企业当年“购买商品、接受劳务支付的现金”表示。

3.2.2 解释变量

解释变量是数字金融,使用《北京大学数字普惠金融指数 (2011-2021 年)》中的数字普惠金融指数(digital finance index,DIFI)来衡量。该指数是北京大学数字金融中心和蚂蚁科技集团联合编制的,覆盖31个省份、337个地级以上城市,包括覆盖广度、使用深度和数字化程度3个维度,包括省级数据、地市级数据和县级数据。在基准回归分析中,将制造企业的注册地址与地市级数字普惠金融指数相匹配,以确保回归结果的精确性,同时将数字金融的细化指标覆盖广度、使用深度和数字化程度3个指标进行对照回归分析。在稳健性检验中,选取省级层面数字普惠金融指数进行回归分析,检验回归结果的稳定性与一致性。根据地市级数字普惠金融指数可知,最大的指数是杭州市2021年的数字普惠金融指数359.68,该指标明显和其他变量的数量级别不匹配,为解决该问题,参考姚正海和孙鑫[11]的做法,将数字普惠金融指数除以100,以此作为数字金融的替代指标,参与回归分析。

3.2.3 中介变量

中介变量是现金持有水平(Cash)。参考王卫星和杜靖[24]的研究,以企业现金流量表中的现金及现金等价物与资产负债表中总资产的比值作为制造企业的现金持有水平的衡量指标。

3.2.4 调节变量

调节变量是研发投入(R&D)。参考张勇[27]的做法,以企业年度研发投入总额除以企业年度营业收入总额来表示。

3.2.5 控制变量

参考现有研究成果,在选取控制变量时,主要考虑该指标是否可能影响制造企业的高质量发展,最终确定以下指标作为本文的控制变量,包括企业规模(Assets)、资产负债率(Lev)、净资产收益率(Roe)、股权集中度(First1)、所有权性质(State)和两职合一(Dual)。

综上所述,变量定义及详细说明如表1所示。

表1 变量定义及说明

3.3 模型构建

为研究数字金融能否促进制造企业高质量发展,参考潘爽等[32]、余东华和王梅娟[1]构建下列模型进行回归分析,以此来检验假设H1。

TFPit=α0+α1DIFIit+α2Controlsit+Year+

Industry+εit

(2)

为检验现金持有水平对数字金融与制造企业高质量发展关系的中介作用,参考以往学者的研究构建下列中介检验模型,验证假设H2。

Cashit=β0+β1DIFIit+β2Controlsit+

Year+Industry+εit

(3)

TFPit=λ0+λ1DIFIit+λ2Cashit+λ3Controlsit+

Year+Industry+εit

(4)

为考察研发投入对数字金融与制造企业高质量发展关系的调节作用,构建下列调节效应检验模型,以此来检验假设H3。

TFPit=γ0+γ1DIFIit+γ2R&Dit+γ3DIFIit×

R&Dit+γ4Controlsit+Year+Industry+εit

(5)

式中:i为企业;t为时间;Controlsit为i企业t时期的控制变量。控制变量包括企业规模(Assets),企业规模越大,资金越充足,实力越雄厚,管理越完善,更容易实现高质量发展;资产负债率(Lev),企业的资产负债率越高,企业的投融资决策越容易受到牵制,因此会阻碍企业的高质量发展;净资产收益率(Roe),企业的净资产收益率越高,说明企业的经营效益越好,越能体现企业的高质量发展;股权集中度(First1),企业的股权集中度越高,管理决策权限越集中,企业的凝聚力和向心力越强,越有利于企业的高质量发展;此外,设置虚拟变量所有权性质(State)和两职合一(Dual)。参考刘立夫和杜金岷[12]的研究,在模型中添加了时间固定效应(Year)和行业固定效应(Industry)。

4 实证结果与稳健性检验

4.1 描述性统计

主要变量的描述性统计结果如表2所示,共有17 242个样本值,制造企业全要素生产率最大值为4.95,最小值为3.188,说明制造企业之间的发展水平参差不齐,全要素生产率的均值为3.842,说明在制造企业中大部分企业处于中低发展水平。地市级数字金融指数(DIFI)最大值为3.515,最小值为0.858,标准差是0.691,由此可知城市之间的数字普惠金融发展存在一定的差异,同时从数字金融的覆盖广度、使用深度和数字化程度的描述性统计结果也可以看出我国城市之间的数字普惠金融发展程度具有一定的差异性,且二级明细指标和数字金融总指标的最大最小值、标准差数值相差不大。制造企业现金持有水平(Cash)最大值为0.590,最小值为0.012 5,说明不同的企业,持有的现金量具有较大差异。研发投入水平(R&D)最小值为0.000 7,最大值为0.240,均值为0.047 7,可以看出大部分企业的研发投入水平处于中低水平。

表2 描述性统计结果

4.2 基准回归结果分析

在进行回归分析之前,首先进行多重共线性检验,主要目的是避免选取的变量之间存在较严重的共线性,导致估计结果不准确。通过多重共线性检验得到方差膨胀因子VIF=1.25,该结果远远小于10,因此说明变量之间不存在多重共线性。在回归模型的选择上,采用Hausman检验,最终得到P=0.000,由此可以看出,P在1%的显著性水平上拒绝原假设,因此在进行回归分析时采用固定效应模型。同时为了解决面板数据一般都会存在的异方差和自相关的问题,采用聚类稳健性标准误。此外,借鉴以往学者的经验在进行回归分析时,同时控制时间和行业变量,最终的回归结果如表3所示。

表3 基准回归结果

由表3中列(1)主回归结果可知,数字金融能够在5%的显著性水平上促进制造企业的高质量发展,该结果符合假设H1。除此之外,研究了数字金融的覆盖广度、使用深度和数字化程度对制造企业高质量发展的影响,从列(2)覆盖广度、列(3)使用深度、列(4)数字化程度这三组回归结果可知,数字金融覆盖范围越广、使用深度越深对制造业高质量发展的促进作用越明显,而数字化程度对制造企业高质量发展的促进作用并不显著。从回归系数上也可以看出,数字金融的使用深度对制造业的高质量发展起到的促进作用最大,覆盖广度次之,数字化程度的作用并不明显。由基准回归结果可知,数字金融能够从全方位、深层次的角度促进制造企业的高质量发展。

4.3 中介效应检验

现金持有水平的中介效应检验结果如表4所示,列(1)的回归结果与前文主回归结果一致,在此处列示是为了更好的观察中介效应的回归结果。从列(2)的回归结果可知,数字金融的发展可以显著提高制造企业的现金持有水平,数字金融的发展加快了企业的融资速度,拓宽了企业的融资渠道,使企业获得更多的资金从而促进企业的发展。从列(3)的回归结果可知,在模型中加入现金持有水平变量之后,数字金融对制造企业的高质量发展的促进作用有所下降,系数从原来的0.025变为0.020,系数的显著性水平从5%降到10%,由此可以得出,现金持有水平在数字金融对制造企业高质量发展的影响中发挥了部分中介作用,假设H2得到了验证。

表4 中介效应回归检验结果

4.4 调节效应检验

研发投入的调节效应检验结果如表5所示,根据列(1)的回归结果可以看出,在模型中加入研发投入变量,数字金融和研发投入均能够显著地促进制造业的高质量发展。根据列(2)的回归结果可知,研发投入与数字金融交乘项的系数为0.503且在1%的水平上显著,说明研发投入水平正向调节数字金融与制造企业高质量发展的关系,验证了假设H3。在研发投入水平较高的企业中,能够更好地利用数字金融带来的契机,积极拓展融资渠道,获取更多的资金支持,进一步加大研发投入,提高创新产出,从而促进企业的高质量发展。

表5 调节效应回归检验结果

4.5 稳健性检验

4.5.1 内生性检验

被解释变量是微观层面数据,解释变量是宏观层面数据,由微观企业层面的数据反向影响宏观金融层面的数据引起的内生性问题并不突出,但依旧可能存在不可观测变量同时影响数字金融和制造企业高质量发展,从而产生内生性问题,因此,进行内生性检验必不可少。借鉴大多数学者的做法,采用工具变量估计法来缓解可能存在的内生性问题。在工具变量的选择上参考曹晓雪和张子文[8]的做法,采用数字金融在时间上的一阶差分与滞后一期的乘积作为工具变量,进行回归估计。通过表6的回归结果可知,在第一阶段回归中工具变量对数字金融在1%的水平上显著为正;在第二阶段回归中,在考虑了数字金融内生性问题后,数字金融与制造企业高质量发展指标(TFP)的相关系数为0.032,且在5%的水平上显著,这表明,上文的回归分析结果是稳健且一致的。

表6 工具变量回归结果

4.5.2 替换被解释变量

以固定效应的OLS法计算的全要素生产率(TFP_OLS)来测量制造企业的高质量发展水平,以此作为被解释变量的替代变量。由表7中列(1)的结果可知,替换被解释变量后,不会影响数字金融与制造企业高质量发展的正相关关系,与前文结果一致。

表7 稳健性检验结果

4.5.3 替换解释变量

在主回归模型中数字金融指数选取的是地市级层面的数据。因此,在进行稳健性检验时,选用省级数字普惠金融指数(SDIFI)作为解释变量进行回归分析,结果如表7的列(2)所示,解释变量替换成省级数据之后,数字金融对制造企业高质量发展的正向影响依旧显著。

4.5.4 替换平衡面板样本

在前文的回归分析中,数据样本为非平衡面板,在进行稳健性检验时将数据样本换成平衡面板数据,得出的结果如表7的列(3)所示,样本变换之后,虽然显著性水平有所下降,但是数字金融对制造企业高质量发展的正向促进作用依旧显著,回归结果依然稳健。

4.6 进一步分析

4.6.1 企业规模异质性分析

为检验数字金融对制造企业高质量发展的影响在不同规模的企业中是否存在差异,将样本分成大型企业组和中小企业组,分组进行回归,回归结果如表8所示。结果列(1)是主板上市制造企业,即大型企业,从回归结果可知,在大型企业样本回归中,数字金融对大型制造企业的高质量发展并没有显著的作用;结果列(2)是中小板、创业板和科创板上市制造企业,即中小企业,从回归结果可知,数字金融显著地促进了中小制造企业的高质量发展。出现以上的结果可能的原因是,主板上市的制造企业一般是制度完善、经营稳定、管理规范、资金雄厚的大型企业,一直受到传统金融服务的青睐,数字金融发展的利好,并未给大型企业带来实质性的影响;相反,对于非主板上市的中小型制造企业来说,数字金融的发展降低了金融机构与中小制造企业之间的信息不对称,信贷效率显著提高,对于中小制造企业来说能够充分利用数字金融发展带来的利好,解决发展中的资金需求,因此,数字金融对中小制造企业的高质量发展起到一定的推动作用。由此可以得出,数字金融对制造企业高质量发展的影响具有规模异质性。

表8 企业规模异质性检验结果

4.6.2 企业产权异质性分析

将研究样本分成国有企业组和非国有企业组,主要目的是检验在不同的产权性质中,数字金融对制造企业高质量发展的影响是否存在差异,回归检验结果如表9所示。结果列(1)是非国有企业组回归结果,由此可以看出数字金融能够在1%的显著性水平上促进非国有制造企业的高质量发展;结果列(2)是国有企业组的回归结果,从结果可以看出数字金融的发展在10%的水平上显著抑制国有制造企业的高质量发展。出现上述结果可能的原因是国有企业资金雄厚,信誉良好,一直是传统金融服务的重要客户,在获得信贷支持方面具有天然优势。但是随着金融服务与数字技术的深度融合,企业与金融机构之间的信息不对称逐渐缓解,使得国有企业丧失部分信贷优势。由于社会总资金有限,对于原本在传统金融服务中占有融资优势的国有企业来说,可供借贷的资金被分流到非国有企业中,因此,在数字金融发展的同时,非国有企业的高质量发展得到了促进,非国有制造企业的高质量发展得到一定程度的抑制。由此可以得出,数字金融对制造企业的影响具有产权异质性。

表9 产权异质性检验结果

5 结论与建议

选取2012-2021年A股上市制造企业的数据为样本,主要研究了数字金融赋能制造企业高质量发展的路径及作用机制,通过回归分析发现,数字金融从覆盖广度、使用深度和数字化程度三个维度均能显著促进制造企业的高质量发展;在中介效应检验中发现,现金持有水平在数字金融对制造企业高质量发展的影响中发挥了部分中介作用;在调节效应检验中发现,研发投入正向调节数字金融与制造企业高质量发展的促进作用;在异质性分析中发现,在不同规模的制造企业中,数字金融对大型制造企业的高质量发展促进作用并不明显,而对中小制造企业的高质量发展具有显著的促进作用;在不同产权的制造企业中,数字金融对非国有制造企业的高质量发展具有显著的促进作用,而对国有制造企业的高质量发展具有一定的抑制作用。

制造企业是我国国民经济的支柱产业,是立国之本、兴国之器、强国之基,经济的高质量发展离不开制造企业的高质量发展。通过研究,对如何加快我国制造企业的高质量发展,提出以下几点建议:一是加大力度支持数字金融的发展,继续深化数字技术与金融服务的融合,对创新金融模式有突出性贡献的机构,以立模范树典型的形式,积极引导行业共同营造鼎故革新的新常态;二是加快全国数字金融一体化建设,缩小东西部,南北方之间数字金融的发展差距,让全国范围内的制造企业都能更好地享受数字金融红利,为实现制造企业的高质量发展打好基础;三是要利用好数字金融红利,加大企业研发投入,充分发挥好研发投入的调节作用,不断提高企业创新产出,增强自身盈利能力,推动企业提质增效,从而稳步推进企业的高质量发展;四是加快构建制造企业高质量发展评价体系,对符合新时期高质量发展要求的制造企业加大支持力度,同时对于不符合高质量发展要求的制造企业实行市场淘汰机制。