“互联网+”、双元创新与企业全要素生产率--基于辽宁省制造业的实证研究

李 岩, 程志颖, 杜玉凤, 侯 爵

(沈阳化工大学 经济与管理学院, 沈阳 110142)

信息技术的快速发展和互联网的普及已经深刻改变了社会经济发展的格局。数字化时代,互联网已经不再仅仅是一种通信工具,而是成为推动经济增长和创新的重要驱动力。在2015年国务院发布的《关于积极推进“互联网+”行动的指导意见》中,首次提出推动互联网与制造业融合的重要任务,旨在提升制造业的数字化、网络化和智能化水平,大力发展智能制造,推动经济转型升级,并提高企业的全要素生产率。在辽宁省的经济发展中,制造业扮演着重要的支柱角色,截至2022年,辽宁省制造业总产值占第二产业产值的比重约为70%。然而,随着资源环境和市场需求的变化,辽宁原有传统工业企业已无法适应经济高质量发展要求,导致制造业发展规模逐年下降,全国影响力减弱,从而制约了辽宁经济的总体增长[1]。面对传统制造业急需转型的现状,辽宁省根据《政府工作报告》中,针对制造业发展制定了战略重点领域,并将扩大和加强制造业作为政府的重要工作。为实现制造业的转型升级,辽宁省提出了创新驱动的政策方针,并明确了技术创新在此过程中的关键作用。基于此背景,通过引入互联网技术,实现制造业企业的双元创新,成为提高企业全要素生产率的重要途径。故“互联网+”水平能否通过影响企业双元创新能力对企业全要素生产率产生作用有待深入探究,这将为辽宁省制造业企业的发展提供有力的理论和实证依据。

“互联网+”制造业是指互联网通过它的创新优化作用和传播能力对制造业进行的交叉渗透,当前的研究主要从省级面板数据层面研究“互联网+”对中国传统制造业的影响,认为“互联网+”能够给传统制造业转型带来契机[2]。郭家堂和骆品亮[3]使用2002-2014年的省级面板数据研究了互联网对于地区经济以及行业部门的影响,显示互联网对中国全要素生产率具有明显的促进作用。韩宝国和朱平芳[4]通过2000-2011年中国宽带渗透的省际面板数据,研究宽带渗透率对于人均GDP年增长率的带动作用。刘军等[5]基于2015-2018年中国30个省份经济数据,研究数字经济发展水平对中国经济的影响、区域差异及驱动因素。Kieran等[6]基于欧盟KLEMS数据库(1)KLEMS项目由哈佛大学Jorgenson教授倡导成立。世界KLEMS项目旨在建立一个全新的各国详细产业层面的投入、产出和生产率数据集,用以推动和促进世界各国经济增长和生产率模式的研究,发现全要素生产率的增长在很大程度上受到“技术前沿”发展的推动。

全要素生产率这一指标,能全面衡量系统内生产单位各个要素的综合生产能力,是评判企业是否实现高质量发展的关键指标[7]。当前关于“互联网+”影响企业制造业全要素生产率的途径研究多从知识技术溢出效应、生产相关的技术水平的提高以及资源的重新配置三个方面来阐述阐述。从知识、技术溢出效应的层面,王泽宇等[8]认为“互联网+”的发展降低了企业交流成本和缩短了企业交流时间,打破了由于时间和地域带来的不便性,提高了资源配置效率,加快了企业对于市场变化的应对能力,加大了知识和技术提升带来的积极正向作用,推动了互联网平台建立和提升了企业创新能力,从而提升了制造业企业的全要素生产率。从生产相关的技术水平提升方面,余东华和信婧[9]对省级面板数据进行实证分析,发现信息技术的传播能够促进生产性服务业集聚[9]。从资源的重新配置方面,孙早和刘李华[10]认为信息化对全要素生产率有显著的促进作用,但是信息化会带来“创造性破坏”效应,这需要通过提高市场化程度才能得以释放。然而创新作为制造业进步的核心,是持续推动转型和升级的关键力量,应被视为制造业发展战略的中心要素[11],“互联网+”技术的发展所带来的创造性破坏的解决思路应该从创新入手[12],并且通过加快建设协同发展的产业创新体系推动我国高质量制造业发展[13],而工业制造企业的出口导向型经济依赖于产品和服务的创新能力来保持竞争优势。[14]李萌萌和郭晓川[15]根据互补机制理论和双元创新理论,以2014-2019上市公司数据实证证明开发式创新和探索式创新分别对资源型企业全要素生产率有负向和正向的作用,并且探索式创新能促进数字化应用的生产率效应。

综上所述,现有研究存在一些不足之处。首先,关于企业层面“互联网+”水平的量化研究相对较少,“互联网+”涉及的内容广泛,包括云计算、大数据、物联网、人工智能等多种技术,以及营销、管理、服务等多个业务领域,因此难以用一个单一的指标或模型进行全面度量;其次,“互联网+”对于制造业企业的影响分为直接与间接影响,其中关于创新能力方面的中介效应研究还需要继续扩充;最后,关于特定地区“互联网+”对制造业企业全要素生产率影响的研究文献相对较少。基于此,深入探究“互联网+”对辽宁省制造业企业全要素生产率的影响,并进一步分析企业双元创新能力在其中的中介效应。本文的边际贡献在于:第一,基于上市公司的微观数据,采用文本挖掘的方法衡量辽宁省制造业企业的“互联网+”水平;第二,从双元创新的分析视角揭示“互联网+”对企业全要素生产率的影响机制,双元创新中介效应将企业创新能力分为应用性创新能力和探索性创新能力两个层面,有助于更为全面地理解“互联网+”对企业全要素生产率的作用过程;第三,选取2000-2022年辽宁省制造业企业作为研究对象,这一特定区域具有独特的代表性和地域特征,为其他地区企业提供借鉴和参考价值。

1 理论分析和假设研究

1.1 “互联网+”对辽宁省制造业企业全要素生产率有促进作用

辽宁省制造业自从经济发展速度放缓之后开始不断地下滑,作为传统的老工业基地有着原先积累的经验与地位,但是也存在着很多的传统工业存在的弊病,包括创新能力不足、资源整合能力差、依赖环境资源等,这也是辽宁省制造业转弱、经济下行的主要原因推手。这也意味着辽宁的制造业发展必须跳出传统的思维,在此形势下,创新驱动是辽宁制造业转型的必然方向,而互联网信息技术的发展无疑是最佳的实现方式[16]。一方面有欧洲国家“再工业化”的经验,另一方面双创政策的推进为辽宁制造业转型做了良好的铺垫。“互联网+”制造业之所以能够实现辽宁省制造业的转型,是因为针对辽宁省制造业创新能力弱的缺点,互联网一能集合制造业生产数据为创新技术提供良好的基础;二能创建互联网平台对制造业的生产、售卖提供广阔的海内外市场;三能实时同步先进技术发展降低沟通成本;四能便捷地培养大量的人才积攒人力资本。基于上述的四个方面推出“互联网+”对于辽宁省制造业企业转型是有促进作用的。全要素生产率作为衡量地区经济发展的重要指标,“互联网+”的发展同时也实现了增加创新动能提升了技术进步、增加对劳动力的培训提升了人力资本、改善了生产要素配置影响了资本存量,从而影响了全要素生产率。

假设1:“互联网+”能够推动辽宁省制造企业全要素生产率提升。

1.2 双元创新的中介效应

1.2.1 “互联网+”通过影响应用性创新提升企业全要素生产率

“互联网+”对企业的应用性创新能力存在积极影响。应用性创新是指通过应用已有技术和知识,对产品、服务、生产流程等进行改进和优化。“互联网+”给企业提供了更多的创新工具和渠道,使企业能够更加方便地获取和应用各种先进技术和知识。通过“互联网+”,企业可以利用大数据分析、云计算、物联网等技术手段进行市场调研、产品设计、生产流程优化等,从而提高企业的应用性创新能力。同时,应用性创新通过稳定地开发和对已有知识的应用[17],沿着预设的产品路线进行,能够稳定提升企业的全要素生产率。这种创新模式依赖于对产品市场的深度理解,以提升产品生产效率、降低生产成本,并根据消费者需求提升产品质量,巩固企业的市场地位,并形成价格、成本、质量和品牌优势,从而产生品牌效应[18]。品牌效应的形成推动了技术进步、资本积累和劳动力技能提升,对于企业全要素生产率是一个新的层次的提升。

1.2.2 “互联网+”通过影响探索性创新提升企业全要素生产率

“互联网+”对企业的探索性创新能力存在积极影响。探索性创新是指通过开展新产品、新技术、新市场等方面的探索,寻找新的商业机会和创新路径。“互联网+”为企业提供了更广阔的市场空间和创新机会,通过“互联网+”,企业可以获得更多的市场信息和消费者反馈,及时捕捉市场变化和需求变化,进而开展探索性创新。“互联网+”还可以帮助企业打破传统产业壁垒,进入新兴市场,开拓新的商业领域,从而提高企业的探索性创新能力。相较于应用性创新,探索式创新面对的更多是风险和不确定性,但是根据产品生命周期理论,当前市场新产品、新领域层出不穷,只有提高探索与应对风险的能力才能在未来的制造业占据一席之地。这种能力对于拓宽业务范围、优化生产效率和提高顾客满意度起到核心作用,从而促进全要素生产率的提升。具体来说,企业通过深入研究新市场,能够捕捉行业趋势,发现有潜力的商业模式,提高市场份额。在技术层面,企业通过探索新技术,实现技术创新和升级,改善生产流程,减少生产成本。在产品和服务方面,企业通过创新设计和优化功能,能够提供更具竞争力的产品和服务,满足消费者需求。

假设2:“互联网+”可以通过影响企业的双元创新能力提升辽宁省制造企业的全要素生产率。

2 研究设计

2.1 样本选取和数据来源

筛选2000-2022年辽宁省沪深制造业A股上市公司作为初始研究样本;接着对初始研究样本进行二次筛选,去除ST企业与主营业务收入为零或为负数的企业,同时剔除存在异常值、指标严重缺失的样本;最后建立包含32家辽宁省制造业上市公司2000-2022年的非平衡性面板数据。“互联网+”数据来自上市公司的年度报告,双元创新数据来自企业专利数据库,其他数据来公司财务报表与国泰安数据库。

2.2 变量选取

2.2.1 被解释变量:全要素生产率

现有文献中关于企业全要素生产率的计算方法主要包括最小二乘法、固定效应法、广义矩估计法(GMM)、Levinsohn-Petrin 法(LP 法)以及 Olley-Pakes 法(OP 法)[19]。结合研究对象与数据情况,参考杨汝岱[20]、范剑勇等[21]选取LP法与GMM法来计算企业的全要素生产率,记作TFP_LP与TFP_GMM。

2.2.2 解释变量:“互联网+”

参考赵宸宇[22]的做法,收集2000-2022年辽宁省制造业上市公司的年度报告,转换为.txt 格式,然后通过 Python 提取上市公司经营情况分析部分的文本。基于赵宸宇[22]中“互联网+”的分词词典,使用 Jieba 功能对所有样本进行分词处理,统计“互联网+”相关高频词汇的披露次数,记作Int。

2.2.3 中介变量:双元创新

双元创新能力分为应用性创新与探索性创新。现有文献中关于企业双元创新的衡量方法包括问卷调查法[23]、专利数据衡量法[24]、研发支出衡量法等[25]。根据数据的可得性,参考阳镇等[24]采用企业外观设计和实用新型专利数衡量企业的应用性创新能力,用企业发明专利数衡量企业的探索性创新能力,分别记作Ei与Bi。

2.2.3 控制变量

选取的控制变量[26]包括资产负债率(Lev)、净资产收益率(Roe)、现金流比率(Caf)、存货占比(Inv)、固定资产占比(Fix)、董事人数(Board)、上市年限(Lia)、公司成立年限(Fia),具体含义如表1所示。

表1 主要变量解释说明

2.3 模型设定

2.3.1 基准回归模型

为验证假设1中“互联网+”水平对辽宁省制造业企业的全要素生产率存在促进效应,将面板固定效应模型作为基准回归模型,具体模型设定如下:

TFP_LPi,t=α0+α1Inti,t+φiControli,t+

μi+ηi+εi,t

(1)

式中:TFP_LPi,t为企业i在t时期的全要素生产率;Inti,t为企业i在t时期的“互联网+”水平;Controli,t为其他控制变量,用来提高模型的稳健型,包括资产负债率、净资产收益率、现金流比率、存货占比、固定资产占比、董事人数、上市年限、公司成立年限;α0、μi、ηi、εi,t分别为截距项、个体固定效应、时间固定效应、随机误差项;α1为“互联网+”水平对企业全要素生产率的影响系数,φi为各控制变量的系数,当α1>0时,二者之间呈正比;当α1<0时,二者之间呈反比。

2.3.2 中介模型

为验证假设2中“互联网+”可通过影响企业的双元创新促企业全要素生产率提升,以双元创新(Ei、Bi)为中介变量,对双元创新是否为“互联网+”与企业全要素生产率之间的中介变量进行检验。中介效应模型参考温忠麟和叶宝娟[27]的检验方法,分别构建下列模型表达式:

Eii,t=β0+β1Inti,t+λiControli,t+μi+ηi+εi,t

(2)

TFP_LPi,t=β0+β1Inti,t+β2Eii,t+λiControli,t+

μi+ηi+εi,t

(3)

Bii,t=δ0+δ1Inti,t+σiControli,t+μi+ηi+εi,t

(4)

TFP_LPi,t=δ0+δ1Inti,t+δ2Bii,t+σiControli,t+

μi+ηi+εi,t

(5)

式中:Eii,t为企业i在t时期的应用性创新能力;Bii,t为企业i在t时期的探索性创新能力;β0与δ0为截距项;β1、β2、λi、δ1、δ2、σi为各变量对应的系数。若系数α1、β1、β2、δ1、δ2均显著,说明“互联网+”可通过企业双元创新能力促进企业的全要素生产的提升,即存在中介效应。

2.4 描述性统计

为初步了解各个变量的特征,首先对各个变量分别进行基础性的描述。从描述性统计结果(表2)可以看出,代表集中趋势和离散程度的各项统计特征均在合理范围之内。其中,Ei的平均值为20.186,Bi的平均值为7.379,对比可以发现,辽宁省制造企业的应用性创新能力远高于探索性创新能力;但Ei的标准差为32.318,Bi的标准差为20.994,说明辽宁省制造企业的应用性创新能力在不同的企业中存在较大的差异,而探索性创新能力更为平稳。

表2 主要变量的描述性统计

3 实证结果与分析

3.1 基准回归

为验证假设1,采用非平衡面板数据双重固定效应逐步回归法来估计“互联网+”对辽宁省制造业的全要素生产率的影响,模型通过F检验与豪斯曼检验。结果如表3所示,在逐步加入控制变量的进行回归的过程中,“互联网+”(Int)的系数极为稳定,均在0.04左右,且均在1%的水平上显著为正。在列(9)的回归结果中,“互联网+”的系数为0.04,说明辽宁省制造业企业“互联网+”水平每增加1%,企业的全要素生产率将提高0.04%。即企业“互联网+”水平越高,企业全要素生产率越高,假设1成立。控制变量中净资产收益率(Roe)、现金流比率(Caf)与企业全要素生产率之间也存在显著的正向关系,即净资产收益率与现金流比率高的企业越趋向于提升自身的全要素生产率。

表3 基准回归

3.2 中介效应分析

表4为“互联网+”通过双元创新影响辽宁省制造业企业全要素生产率的中介效应检验结果。列(1)为主效应回归结果,“互联网+”(Int)系数在1%的水平上显著为正,表示“互联网+”与辽宁省制造业企业全要素生产率的存在正相关关系。列(2)为验证企业应用性创新能力(Ei)是否对辽宁省制造业企业全要素生产率有影响,应用性创新能力系数为1.059且在1%的水平上显著为正,表示应用性创新能力对辽宁省制造业企业全要素生产率的促进效应为1.059个百分点。列(3)为验证企业的应用性创新能力是否在“互联网+”与企业全要素生产率之间起中介作用,应用性创新能力的系数为0.005且在1%的水平上显著为正,说明中介效应存在,即“互联网+”水平可通过影响企业的应用性创新能力提升企业的全要素生产率。同理,列(1)、列(4)和列(5)可以验证企业的探索性创新能力在“互联网+”与企业全要素生产率之间起中介作用,假设二成立。

表4 中介效应检验结果

3.3 稳健性检验

为确保实证结果的稳健性,对企业的全要素生产率(被解释变量)采用了广义矩估计法(GMM法)再次进行回归,结果如表5列(1)所示,Int的系数在1%的水平上显著为正;参考赵宸宇等[28]的方法,将企业的全要素生产率替换为企业的劳动生产率(LPY)进行回归,结果如列(2)所示,Int的系数在1%的水平上显著为正;同时,为了避免极端值对回归结果的影响,对各变量在1%和5%水平上进行缩尾处理,结果如列(3)列与列(4)所示,Int的系数依然在1%的水平上显著为正。通过以上的检验,说明本文的结论具有一定的稳健性。

表5 稳健性检验结果

4 结论与建议

基于2000-2022年辽宁省制造业企业的非平衡面板数据,本文探索了“互联网+”对辽宁省制造业企业全要素生产率的影响并验证了企业双元创新能力的中介效应。研究结果显示,“互联网+”在辽宁制造业企业的转型中起到了重要的推动作用,具体来说,制造业企业的“互联网+”应用程度与企业全要素生产率之间存在显著的正相关关系,即“互联网+”的应用程度越高,制造业企业的全要素生产率也越高。而且这种作用可以通过影响企业的应用性创新能力与探索性创新能力来实现,即双元创新能力在“互联网+”影响企业的全要素生产率中起中介作用。这为辽宁省制造业的转型升级提供了新的路径,同时也为其他地区的企业提供了借鉴,基于此,本文提出以下建议。

1)推进互联网对制造业的交叉渗透。首先在制造业技术发展方面,企业应该关注先进技术发展、利用互联网技术搜集分析行业生产数据,明确企业自身技术与先进技术之间的差距以及改进的方向。紧跟先进企业的技术创新步伐,积极地应用企业制造智能化以提升产品生产效率、生产质量。其次,积极地建立国内外工业互联网平台,将视野从国内竞争激烈的市场中放到全球对产品有需求的国家。通过互联网平台实现国有、非国有、大型、小型企业的协同发展、资源共享[29],实现真正地向高端制造业突破。最后将互联网应用到企业管理中,制造业企业相较于其他行业而言与上下游的关系更为密切,制造业企业需要向上游购买生产原料,需要向下游出售产成品[30]。互联网技术的引入能够有效地反映市场行情的变化,企业生产链条中互联网的应用能够很大程度打通制造业上下游企业的沟通问题,有利于企业掌握市场情况及时的更改生产计划以达到利润最大化。

2)培育企业的双元创新能力。重视企业双元创新能力的培育,通过制定创新政策、优化创新环境、提供创新支持等措施,激发企业的创新活力。具体而言,加大对企业研发投入的税收优惠力度,鼓励企业加大探索性创新和应用性创新的投入;加强企业技术创新服务体系建设,为企业提供技术咨询、成果转化等服务,促进创新成果的产业化应用。另外,加强企业内部创新能力的培养,建立完善的创新机制和管理体系,鼓励员工提出创新想法并提供相应的支持和奖励;深化与外部创新实体的协作,例如与高等院校、科学研究机构等建立产学研协同平台,共同进行研发项目;加大研发投入,提升科技含量和技术水平;注重知识产权保护,提高创新成果的转化和商业化能力。

3)注重制造业互联网人才的培养。制定相应的人才培养政策,鼓励和引导企业投入更多地资源培养制造业互联网人才。例如,实施税收优惠政策,对企业在人才培训和引进方面的投入给予一定程度的税收减免,支持企业开展人才培训和技能提升项目。另外,企业可以设立专门的人才培养基金,根据员工的个人发展需求,为其提供定制化的培训计划,鼓励员工参加相关培训和进修,提升其互联网技能和知识。企业还可以根据市场需求和人才供应情况,制定合理的薪酬标准和激励政策,吸引优秀的制造业互联网人才加入,为企业的发展积累人力资本。