信息化、企业研发与全要素生产率的实证分析

一 引 言

我国经济已由高速增长阶段转向高质量发展阶段，以资本和劳动力投入拉动的经济增长方式难以为继。实施创新驱动发展战略，加快信息化建设进程，提高全要素生产率，是现阶段社会发展的主要目标之一。新的发展观要求充分发挥创新第一推动力的作用，即依靠企业研发促进全要素生产率的提高(王薇和艾华，2018[1]；关书和成力为，2020[2])。不过，企业研发并不总是积极的，必然会受到投资不足、市场失灵等因素的影响。有研究显示，降低企业研发中的不确定性，缩短创新时滞，促进成果转化，都离不开信息化的发展(David et al.，2019)[3]。信息化的影响已经从信息技术扩散阶段发展到以数字驱动型经济为主导的发展阶段：信息化在技术进步、效率提升和组织变革中发挥着越来越重要的作用，成为推动产业转型升级、实现经济高质量发展的关键动力(何小钢等，2020)[4]。针对信息化影响的研究，宏观层面重点关注信息化带来的经济增长效应，中观层面主要包括行业信息化水平和产业创新效率，微观层面主要关注信息技术应用给企业带来的效率和生产率变化(Girmay，2019)[5]。信息化程度不高和创新能力不足是困扰我国企业发展的两个重要因素，影响着我国经济持续快速增长(储伊力和储节旺，2019)[6]。如何更好地推进企业信息化，促进企业研发水平的提升，进一步提高企业全要素生产率，已成为一个亟待解决的问题。信息化、企业研发与全要素生产率之间的作用机制是怎样的？企业研发在信息化与全要素生产率之间起着什么样的效应？这是本文试图回答的问题。

现有关于信息化、企业研发与全要素生产率的研究主要集中在：(1)信息化对全要素生产率的影响研究。自从信息技术生产率悖论被提出以来，关于信息技术与企业生产率有关系的研究一直存在争议。早期的研究停留在国家和行业层面，没有得出非常明确的结论。近年来，学者们利用行业和企业层面的数据来估计信息化对不同行业/企业生产率的影响，结果表明，企业信息化对生产率有正向影响，但对不同行业、不同企业的影响差异较大，且影响程度会随时间而变化(何小钢等，2019)[7]。原因是多方面的，如劳动技能结构、研发创新、组织结构等(董祺，2013[8]；刘小玄和吴延兵，2009[9]；宁光杰和林子亮，2014[10])。(2)企业研发对全要素生产率影响的研究。现阶段，“通过增加研发投入来实现技术进步，从而提高企业全要素生产率”的观点已被广泛接受(Sourafel et al.，2009[11]；罗良文和孙小宁，2020[12]；盛明泉等，2020[13])，但不同样本的实证结果并不完全一致(赵玉林和谷军健，2017[14]；郭建等，2020[15])。赵玉林和谷军健(2017)[14]实证研究得出，企业研发与制造业生产率总体关系不显著，而企业研发与生产率的关系具有产业异质性，研发资本对高技术产业生产率有正向影响，对低技术产业生产率有负向影响；郭建等(2020)[15]研究发现，研发费用加计扣除政策对企业全要素生产率的激励效果不同，对盈利能力较弱企业和资本密集型企业的促进作用更为明显，对政策环境较好地区企业的促进作用较弱。可见，相关研究忽略了企业信息化、产业异质性和产权结构等因素。也有一些文献研究了信息化、企业研发对全要素生产率的影响，但对这三者的作用机理分析仍较为缺乏。

本文以2013-2018年我国创业板上市公司为研究对象，围绕信息化、企业研发与全要素生产率三者之间的关系进行实证分析，同时提出对策建议，以期为创业板上市公司的良性发展提供启示。与现有研究相比，本文可能的贡献在于：现有研究主要集中在信息化对企业全要素生产率的影响或企业研发对企业全要素生产率的影响上，而对信息化、企业研发和全要素生产率关系的研究较少。本文将信息化、企业研发和全要素生产率纳入同一分析框架，研究三者之间关系及其作用机理，包括信息化对企业研发的影响机理，以及企业研发在信息化与全要素生产率关系中的作用等。

二 研究设计

(一)研究假设

1.信息化与企业研发

企业研发始于从环境中获取信息，在组织内部共享信息，分析、处理和生成新信息，最后新信息转化为新产品(彭正银等，2019)[16]。因此，从某种意义上说，企业研发本身就是一种信息活动。信息化可以为企业研发提供技术环境，优化组织结构，使企业在研发中更有效地配置、使用、处理、开发和利用信息资源，从而提高研发效率(Forman和Van，2012)[17]。从传导机制上看，信息化对企业研发的传导机制可分为基本传导机制、非线性传导机制(倒U型)及异质传导机制，这可以解释为什么有的企业能够将信息化作为研发利器，而有些企业却用得不好(Amable et al.，2016)[18]。此外，信息基础设施、应用软件及信息技术人员等可以成为企业新的研发资源(Melville et al.，2004)[19]。更重要的是，信息化可以为企业提供独特的、难以模仿的信息能力，对企业研发产生积极影响——降低市场分析成本，更好地匹配研发与需求，缩短研发周期，提高研发的当期收益，进而实现对企业加大研发投入的激励(付睿臣和毕克新，2009)[20]。因此，提出以下假设：

H1：信息化水平与企业研发正相关，信息化水平越高，对企业研发的促进作用越大。

2.企业研发与全要素生产率

H2：企业研发与全要素生产率正相关，研发投入越高，对全要素生产率的促进作用越大。

3.信息化与全要素生产率

企业工作分工具有互补性，只有企业信息化、经营策略变革、技术创新等要素相辅相成才能减少企业生产流程(Hubbard，2003)[26]。因此，大多关注信息化与企业全要素生产率关系的研究也将企业的其它因素纳入分析框架(黄群慧等，2019)[27]。信息化促进企业整体创新升级：在生产方面，信息化促进产品信息含量的增加，有助于满足消费者的需求；在市场方面，信息化可以解决市场均衡问题，为企业与消费者提供充足的市场信息，降低交易成本；在管理方面，及时、准确的信息沟通可以解决企业管理效率问题；在技术方面，信息化实现了企业各方面信息的有效传输，可以利用信息技术进行挖掘、集成、互联和互动(Fethi et al.，2019)[28]。因此，信息化促进了技术进步，提高了规模效率、技术效率和配置效率，推动企业全要素生产率的增长(程虹，2018)[29]。需要说明的是，也有研究显示，信息化对不同企业全要素生产率的影响存在较大差距(Bloom et al.，2017)[30]。因此，提出以下假设：

H3：企业信息化与全要素生产率正相关，信息化水平越高，对全要素生产率的促进作用越大。

全要素生产率的提高不仅受信息化的直接影响，还有一部分是通过企业研发来实现。信息化为企业研发提供了技术平台，使企业研发成为信息化对全要素生产率影响的必要中介。因此，提出以下假设：

H4：企业信息化的应用若能促进企业研发，将获得更高的企业全要素生产率，企业研发在企业信息化与企业全要素生产率的关系中起着中介效应。

(二)样本选择与数据来源

本文选取2013-2018年我国创业板上市公司作为研究对象，剔除金融公司，因为这类公司具有特殊的会计核算和财务特征，可能影响研究结果的准确性(张娟和黄志忠，2020)[31]。在样本企业的选择上，由于企业信息化程度不同，对研发创新的重视情况也不同，部分变量指标数据会有缺失。为保证研究结果的有效性，剔除数据缺失的企业，最终获得412家样本企业和4532条观测值。相关数据主要来源于上市公司年报，辅以CSMAR数据库，各省GDP数据来源于《中国统计年鉴》。

抗击连续五年干旱取得全面胜利。在连续5年干旱面前，云南省筹集投入抗旱救灾资金23.35亿元，投入抗旱救灾行动421万人次，有效解决了349.76万人饮水困难，抗旱浇灌面积837万亩次（15亩=1 hm2，下同），实现了决不让旱区任何一个人没有水喝和努力把旱灾损失降到最低的目标。全年库塘蓄水突破75亿m3，再创历史新高。

(三)变量定义与度量

1. 信息化(INFOR)。以往的研究还没有形成统一的企业信息化衡量指标。考虑到数据的可获得性，采用参与信息化相关培训的员工占比来衡量企业信息化程度(劭文波等，2018)[32]，在稳健性检验中选择网络销售(互联网和电子商务实现的销售收入占比)来衡量信息化程度(王永进等，2017)[33]。从人力资本和生产经营的角度来反映信息化程度，更为直接客观。

2. 企业研发(RD)。企业研发是指企业为获取科技知识、创造和使用科技、改进产品和服务而进行的工作(Liu et al.，2013)[34]。考虑到数据的可得性，选择我国创业板上市公司实际发生的研发金额取自然对数作为衡量指标(何明志和王晓晖，2019)[35]。

3. 全要素生产率(TFP)。全要素生产率是指在所有生产要素投入不变的情况下，生产量仍能增加的额外生产效率。使用LP方法计算全要素生产率(James和Amil，2003)[36]，在稳健性检验中使用资本生产率(CP)来度量企业的生产率，该指标能够反映企业单位资产的产出水平(鲁晓东和连玉君，2012)[37]。

4. 控制变量(Controls)。结合数据可得性和现有文献，选择企业规模(SIZE)、员工素质(EDU)、资本强度(K)、企业年龄(AGE)及营业利润(OP)作为控制变量(王娟，2017)[38]。由于样本企业所处地区不同，地区经济水平会对企业全要素生产率产生一定的影响，因此也选择地区经济水平(PGDP)作为控制变量(沈琼和王少朋，2019)[39]。

具体变量的符号及计算方法等如表1所示。

表1 变量定义

(四)研究模型

借鉴Edquist和Henrekson(2017)[40]、Fabio et al.(2018)[41]和陈维涛等(2019)[42]关于信息化、企业研发与全要素生产率实证研究的思路，结合创业板上市公司的特点，构建如下基本模型：

企业信息化与企业研发的回归模型：

(1)

企业研发与全要素生产率的回归模型：

(2)

渠道机制检验的回归模型：

(3)

(4)

(5)

其中，i为企业个体，t为年份，δt为年度固定效应，μi为行业固定效应，εit为随机干扰项，用交互项INFOR*RD捕捉交互效应，Controlsj为第j个控制变量。

三 实证分析

(一)描述性统计分析

主要变量的描述性统计结果(见表2)显示，数据基本呈现正态分布特征。企业全要素生产率(TFP)的均值为16.213，最小值为15.025，最大值为18.091；信息化(INFOR)的均值为0.618，最小值为0.342，最大值为1；企业研发(RD)的均值为12.711，最小值为10.011，最大值为14.741。这表明，从总体上看，样本企业的全要素生产率、信息化程度及研发投入都比较高，符合创业板上市公司的特点，但企业间差异较大，其中信息化程度差异最大。此外，员工素质(EDU)的均值为0.464，最小值为0.322，最大值为1.000，说明样本企业中大专以上学历员工较多，文化程度较高；企业所在省GDP的最小值为9.486，最大值为11.485，说明地区经济水平(PGDP)存在显著差异。其他变量的特征与已有文献基本一致，具有较高的准确性和可靠性。

表2 描述性统计

(二)多元回归分析

1. 信息化与企业研发的回归分析。控制时间固定效应和行业固定效应，对模型(1)进行回归分析：先使用普通最小二乘法(OLS)、固定效应模型(FE)、随机效应模型(RE)对面板数据进行估计，通过Hausman检验确定哪种模型方法是最优的，而后与广义最小二乘法回归(FGLS)的结果进行比较，结果见表3。结果显示：R2均在0.7以上，回归拟合度高，效果理想；Hausman检验P值为0.013，小于0.05，说明固定效应模型是最佳选择，与广义最小二乘法的回归结果相比，二者变量系数的符号相同。在固定效应模型中，信息化(INFOR)对企业研发(RD)的影响系数为0.041，在1%水平下显著；在广义最小二乘法回归中，信息化(INFOR)对企业研发(RD)的影响系数为0.034，在5%水平下显著。这表明信息化确实可以降低企业的研发周期，提高企业研发的当期收益，有利于增加企业研发支出总额，验证了付睿臣和毕克新(2009)[20]的研究。控制变量方面，企业规模(SIZE)、员工素质(EDU)和企业年龄(AGE)与企业研发显著正相关，说明企业规模越大，员工素质越高，企业年龄越长越注重创新能力和可持续发展能力，越愿意加大研发投入，这与何小钢等(2020)[4]、王娟(2018)[38]的研究结果一致；资本强度(K)和营业利润(OP)对企业研发的影响显著为正，这可能是因为企业在创新阶段的耗时长且成本支出高昂，需要足够的资金支持；地区经济水平(PGDP)对企业研发具有显著的正向影响，说明企业所在省的经济发展水平越高，生存环境就越好，越容易吸引资金、人才等，与张训婷和邹媛媛(2017)[43]的研究发现类似。假设H1得到验证，信息化水平与企业研发正相关，信息化水平越高，对企业研发的促进作用越大。

表3 信息化与企业研发的回归分析

2. 企业研发与全要素生产率的回归分析。控制时间固定效应和行业固定效应对模型(2)进行回归分析。表4结果显示，R2均在0.7以上，回归拟合度高，效果理想；Hausman检验P值为0.008，小于0.05，固定效应模型是最佳选择，与广义最小二乘法的回归结果相比，二者变量系数的符号相同；在固定效应模型中，企业研发(RD)对全要素生产率(TFP)的影响系数为0.394，在1%水平上显著；在广义最小二乘法的回归结果中，企业研发(RD)对全要素生产率(TFP)的影响系数为0.296，在1%水平上显著。该研究结果符合研究预期：随着研发活动投入的增加，市场竞争已形成良好态势，对全要素生产率增长起到了促进作用。控制变量方面，员工素质(EDU)、资本强度(K)、企业年龄(AGE)、营业利润(OP)与企业全要素生产率显著正相关，说明员工素质越高，资本强度越大，企业年龄越长，营业利润越大，全要素生产率越高；地区经济水平(PGDP)对全要素生产率具有显著的正向影响，说明良好的经济环境有助于全要素生产率的提高；企业规模(SIZE)对全要素生产率(TFP)的影响系数为正，但不显著，可能是当企业规模超过规模经济上限时，企业规模对企业生产率的影响会下降，甚至产生负效应。假设H2得到验证，企业研发与全要素生产率正相关，研发投入越高，对全要素生产率的促进作用越大。

3.渠道机制检验。经Hausman检验，采用固定效应模型进行面板数据回归来检验企业研发的效应(见表5)。从表5列(1)和列(3)可知，信息化与企业研发、全要素生产率均在1%水平上显著正相关。从表5列(4)和列(5)可以观察到调节效应：列(4)中，信息化和企业研发的回归系数显著为正；列(5)中，信息化和企业研发的回归系数变为不显著，且交互项(INFOR*RD)的回归系数为正，但不显著，R2为0.793，变化不大。表明在信息化与全要素生产率的关系中，企业研发的调节效应不明显。在表5列(3)中，信息化回归系数为0.142，在1%水平上显著为正。综合列(1)和列(2)的结果，企业研发在信息化与全要素生产率之间具有中介效应。列(1)信息化的回归系数为0.041，列(4)企业研发的回归系数为0.254，均在1%水平上显著，说明企业研发起着明显的间接中介效应。从列(2)和列(4)的回归结果来看，在控制企业研发变量后，信息化对全要素生产率的回归系数为0.019，在1%水平上仍显著为正，信息化的直接效应显著；而回归系数由0.142降为0.019，说明企业研发起着部分中介效应。参考温忠麟和叶宝娟(2014)[44]的研究，测出企业研发的中介效应占直接效应的比例约为54.81%(0.041*0.254/0.019)，也就是说，信息化约有54.81%通过企业研发作用于全要素生产率。综上所述，假设H3、H4得到了验证。

表5 渠道机制检验

(三)稳健性检验

从以下3个方面验证结果的稳健性：

1. 分行业、地区的稳健性检验。样本企业在行业和地区上存在差异，可能对全要素生产率产生较大影响。因此，从行业和地区两个维度进行稳健性检验：一是分别以劳动密集型行业和非劳动密集型行业为考察对象，二是将样本企业所在地区划分为东部和中西部。表6结果显示：(1)无论是劳动密集型行业的企业还是非劳动密集型行业的企业，信息化、企业研发对企业全要素生产率的提升作用显著，对劳动密集型行业的影响较小，可能是因为劳动密集型行业对技术和设备的依赖程度较低，对研发创新的需求较少；(2)无论是东部地区的企业还是中西部地区的企业，信息化、企业研发对企业全要素生产率的提升作用显著，对东部地区企业的影响较大，可能是因为东部地区经济比较发达，人才吸引力比较大，资金比较充裕，能够更好地满足信息化和企业研发的需求。

表6 分行业、地区的回归结果

2.改变变量度量方式的稳健性检验。从两个方面进行稳健性检验：(1)选择资本生产率(CP)作为被解释变量全要素生产率的替代变量；(2)选择网络销售(ESALE)作为解释变量企业信息化的替代变量。表7结果显示，信息化、企业研发对资本生产率有显著的促进作用，网络销售、企业研发能够显著提高企业全要素生产率水平，都与多元回归分析的结论一致。

表7 改变度量方式的稳健性检验回归结果

(续上表)

3. 考虑内生性问题的稳健性检验。考虑到信息化与全要素生产率之间可能存在逆向因果关系所导致的内生性问题，引入信息化与企业研发的滞后期INFORt-1和RDt-1进行回归分析。结果如表8所示：INFORt-1和RDt-1无论是单独的滞后期，还是共同存在时的滞后期，回归系数都在不同水平上显著，其结果与多元回归分析的结论一致。因此，逆向因果关系所带来的内生性问题并没有影响到研究结论。

表8 内生性的稳健性检验回归结果

四 主要结论及政策含义

现有一些研究分析了信息化、企业研发对全要素生产率的影响，但对其中作用机理剖析不足。针对此，本文以我国创业板上市公司为研究样本，建立多元回归模型，考察信息化、企业研发与全要素生产率三者之间的关系。主要结论是：(1)信息化与企业研发的回归系数显著为正，说明创业板上市公司的信息化对企业研发具有促进作用；(2)企业研发与全要素生产率的回归系数显著为正，说明创业板上市公司的企业研发对全要素生产率有促进作用；(3)渠道机制检验表明，信息化能够提升全要素生产率，企业研发在信息化与全要素生产率之间起部分中介效应，说明信息化对创业板上市公司全要素生产率有促进作用。此外，与劳动密集型创业板上市公司相比，信息化、企业研发对非劳动密集型创业板上市公司全要素生产率的影响更大；与中西部地区创业板上市公司相比，信息化、企业研发对东部地区创业板上市公司全要素生产率的影响更大。

本文的政策含义：(1)要注重推进企业信息化建设。创业板上市公司要重视软硬件和信息平台建设，加强信息运维管理，提高信息内容采集、分析和发布的科学性，加强信息化培训，积极推进生产工艺优化、组织结构转型及信息制度建设。(2)充分发挥企业研发的中介效应。创业板上市公司应注重要素投入的合理配置，让企业创新促进全要素生产率的增长；制定企业创新战略，实施激励措施，调动企业研发积极性，把企业研发转化为实际生产力。(3)根据行业选择信息化策略。对于劳动密集型创业板上市公司，要在企业研发中注重信息技术的转化，提高产品的技术含量；对于非劳动密集型创业板上市公司，注重信息技术在业务流程中的渗透，实现业务环节与信息技术的匹配。(4)根据地区选择信息化策略。对于东部地区的创业板上市公司，可以通过“智能制造”、“柔性生产”等更好地发挥新兴信息技术的关键作用；而对于中西部地区的创业板上市公司，可以加快新兴信息技术的推广应用。(5)政府为企业信息化提供必要的支持。政府要在推进信息基础设施建设、提高运营商竞争等方面发挥积极作用，提高信息服务质量，降低信息服务成本；通过税收优惠、财政补贴、人才培养等方式，与创业板上市公司共同推动数字革命和智能制造，引导企业优化产能、质量和效率。本文选取的创业板上市公司大多是高新技术企业，结论未必适用于所有企业。囿于数据的可获得性，仅用两个指标来衡量企业信息化程度。今后，将尝试扩大时间跨度和样本量，选择更全面的信息化指标，在处理内生性问题时增加工具变量，采用两阶段最小二乘法进行进一步分析。