装备制造业数字化转型、服务化水平与企业效益——基于2 445家企业数据的实证研究

郑季良， 谷隆迪

(昆明理工大学 管理与经济学院， 昆明 650093)

党的十九大报告提出“加强推进大数据、人工智能、互联网与实体企业经济高度融合”，目前全国加快新型基础设施建设(新基建)步伐，一系列有关企业数字化转型的政策文件相继出台，如《2016—2020智能制造发展规划》《关于深化制造业与互联网融合发展的指导意见》等，制造业日益成为数字经济发展的重要着力点[1]。装备制造业在制造业中占据重要地位，是工业经济发展的基石，深刻影响其他行业的发展，但作为产业升级的重要检验平台，其发展现状仍旧停留在“微笑”曲线的中间区域[2]。从发达国家的经验看，为有效达成装备制造业转型升级和效益增长的愿景，可以从提升数字化转型和服务化水平入手。数字化转型为制造业服务化的发展带来了机遇，可以通过增加服务种类、知识密集型的服务要素比重有效推进服务化水平，为企业带来更多效益[3]。为探究中国制造业数字化转型对企业效益的影响和成效，以装备制造业为研究对象，收集多达2 445家企业资料数据，试图实证研究这几个问题：近年来数字化转型在制造业服务化推进和企业效益的提高方面产生了什么样的作用？服务化在数字化转型促进企业效益过程中起到的传递或中介作用，在装备制造业及各分行业有差异吗？哪些分行业效果好，哪些为薄弱环节？这些研究将为全面推进装备制造业数字化转型发展的理论和实践提供参考和依据。

1 文献综述

从制造业数字化转型、服务化水平与企业效益三者之间的关系进行文献梳理。

1.1 数字化转型与企业效益

数字化转型这一概念比较新颖，是制造企业的数字化变革[4]，通常包括将物联网、云计算、大数据、互联网、人工智能制造等与实体制造企业发展相结合，可概括为企业的信息化、网络化、智能化发展[5]，通过构建完善数字生态体系，加速产业转型升级[6]。对于制造业数字化转型与企业效益之间的关系，目前研究成果不多，有代表性的是，李晓钟等基于浙江省的数据，实证了数字信息运用于制造业上的成效，结果显示数字信息化对企业效益提升是有益的[7]。

1.2 服务化水平与企业效益

企业服务化取决于生产服务系统、服务融合产品、顾客参与度等多方面的要素，这些要素可以通过差异化的战略获得溢价效应，为制造企业和客户带来绩效或收益。目前国内外的多数研究对于服务化提高制造企业效益持肯定态度[8-10]，既提高了企业的竞争力，同样利于企业进行研发创新活动。但亦有学者持不同观点，例如肖挺等通过研究发现，电子信息设备、运输设备等制造行业服务化水平与企业效益间呈“马鞍型”曲线关系[11]；更有文献研究得出两者有时会呈负相关关系[12]。

1.3 数字化转型与服务化推进

目前有关制造业数字化转型与服务化之间关系的研究较少见，一些文献对制造业数字化发展促进服务化水平提升进行了定性分析和判断。例如，随着数字化信息基础设施投资的增加，有利于制造业资源利用效率的提高，增强制造企业的服务能力。数字技术具有高度的渗透力和创新力，使产业边界更加模糊，推动传统制造业结构优化和服务化模式的创新。数字信息技术与服务业务相结合，共同推动制造业的产业转型升级[13]。数字化转型是制造业进行技术创新的全新拓展和主要着力点，可以完善整个“生产+服务”链条[14]，有利于创新生产服务型制造模式，对于制造企业个性化服务需求挖掘、规模化定制服务实现等具有促进作用[15]。但也有不同观点，如谭清美等实证发现数字信息化的发展并不总是正向作用于服务化能力和企业绩效提升，存在风险拐点，呈“倒U形”曲线走势[16]。

总体来说，企业数字化转型无论对于促进服务化水平、企业效益都是有益的，但在不同行业其正相关的程度可能不同，在某些具体行业的研究中甚至也出现了负相关的情形。对三者之间的关系研究尚比较少见，对服务化在数字化转型促进企业效益过程中起到的传递和中介作用研究鲜见。为弥补现有研究的不足，选取装备制造业为研究对象，一是研究该行业数字化转型、服务化水平与企业效益三者之间的关系；二是再将装备制造业进一步化小，研究并揭示各分行业在数字化转型、服务化水平方面的差异，为装备制造业的数字化、服务化全面和协同转型发展提供参考和依据。

2 研究设计与假设提出

2.1 研究设计

通过文献综述，数字化转型和服务化发展总体来说对企业效益都具有正向影响；而数字化转型也正向影响着服务化水平。本文认为，在企业数字化转型过程中，一方面通过数字技术创新直接推进企业效益，另一方面通过增强服务创新功能，间接推进企业效益。本文主要研究数字化转型、服务化水平与企业效益之间的关系，因此推论：服务化水平在两者之间起到了中介的作用。为开展研究，构建装备制造业数字化转型促进服务化水平以及企业效益的机理分析框架，如图1所示。

图1 装备制造业数字化转型促进服务化水平以及企业效益的机理分析框架

2.2 假设提出

数字化转型对传统装备制造业的影响较为显著，在传统制造向智能制造转型中效果明显[17]，将从3个方面提升企业效益：①通过智能制造极大增强产品市场价值和竞争力；②加速企业内部模块化技术发展，变革业务流程[18]，降低生产成本；③通过工业互联网，协同供应链的资源配置，对市场作出快速反应。因此，提出假设1。

H1：装备制造业的数字化转型与企业效益有显著正相关关系。

在“互联网+”与数字经济激励下，数字化转型为制造业服务化水平的提升提供了技术支持，产生了智能化生产、个性化定制生产、外包服务、柔性化生产等新型服务模式创新，加速制造业服务化转型[19]，促进传统加工制造型的模式向研发服务型模式转变[20]，创造新的商业模式。因此，提出假设2。

H2：装备制造业的数字化转型与服务化水平有显著正相关关系，效应明显。

数字转型的迅猛发展不仅创造了许多新型制造模式，同样带动了新型销售方式的涌现，电子商务与智能制造的优势使制造业向提升产品服务附加值转化[21]。通过数字转型优化整合供应链流程的各个环节，推进数字化与服务化高度融合，提升装备制造业企业效益[22]。也就是说，数字化转型与服务化水平的协同作用，共同提升制造业价值链。鉴于数字化转型对服务化水平存在显著正向影响，因此，可以认为，服务化水平在两者之间的关系中起到了中介作用。基于以上分析，提出假设3。

H3：数字化转型以服务化水平作为中介，共同对企业效益产生显著正向影响。

2.3 样本选取与数据来源

研究的数据来源为CSMAR数据库及沪深A股上市装备制造企业官方网站以及2014—2018年历年年报披露信息资料，其中剔除掉ST、*ST和PT等高风险类别上市公司和数据缺失部分，最终筛选得到2 445个研究样本。根据证监会2012版行业分类标准，将装备制造业细分为6个分行业进行深入研究和比较分析，其中C36代表汽车制造业，C37代表其他运输设备制造业，由于二者样本数量较少，进行了合并，如表1所示。

表1 装备制造业6大行业划分及样本量

2.4 变量指标选取

各变量的衡量指标阐述如下：

2.4.1 企业效益(ROE)

净资产收益报酬率(ROE)是评估一家企业获益能力的重要指标，常用来比较同一行业内不同企业效益，得到国内外大多数学者的认可，是目前学者使用最多的主流指标，因此，选取ROE作为衡量企业效益的指标。

2.4.2 服务化水平(Serv)

装备制造业服务化水平很难直接度量或获取，并且公司对外披露的定量数据中也没有专门对其刻画的信息。服务化体现在企业经营中对于服务业务活动的延伸和运用，并且逐步将其发展为公司主营业务范畴。因此，服务化水平可以采用企业经营过程中涉及服务业务种类和数量作为指标。借鉴相关文献对制造企业涉及服务业务品类的分类[23]，结合沪深A股上市装备制造企业主营业务范围中涉及的服务业务，将服务业务种类分为19种，如表2所示。并通过查阅上市制造企业历年年报及官网披露信息整理样本上市企业经营中涉及的服务业务数量作为服务化水平衡量指标。

表2 装备制造企业涉及的服务业务种类

2.4.3 数字化转型(Digit)

通过查阅国泰安CSMAR数据库中A股上市装备制造企业各类数据和年报资料以及公司官网披露信息，并借鉴文献[24-25]对于制造企业数字信息化发展能力评价指标构建方法，可以将数字化转型评价体系分为信息化、网络化、智能化3个一级指标，细化涵盖云计算程度、工业物联网、大数据平台建设、IT基础设施建设、工业互联网普及率、电子商务销售、网络办公能力、智能制造、智慧供应链、自动化研发投入、人工智能机器设备共11项二级指标。参照赛迪顾问发布2018版《中国数字经济指数(DEDI)》和信息通信研究院发布2018版《中国数字经济发展白皮书》[26]对各级指标赋予权重，如表3所示。

表3 装备制造业数字化转型评价指标构建 %

2.4.4 控制变量

根据相关文献研究[27-29]，选取对企业效益具有重要影响作用的资产负债率(Debt)、企业成长能力(Growth)和企业规模(Scale)作为控制变量(表4)。其中，企业成长能力可以选取CSMAR数据库中营业收入增长率作为指标；企业规模可以运用营业收入取自然对数计算方法作为指标。

表4 变量符号、名称及计算方法

2.5 数字化转型、服务化水平与企业效益三者关系模型构建

根据前述假设H1、H2、H3，建立多元线性回归模型验证A股上市装备制造企业数字化转型与服务化水平、企业效益三者间的相互关系，模型如下：

ROE=β1+β11Digit+β12Debt+β13Scale+β14Growth+ε1

(1)

Serv=β2+β21Digit+β22Debt+β23Scale+β24Growth+ε2

(2)

ROE=β3+β31Digit+β32Serv+β33Debt+β34Scale+β35Growth+ε3

(3)

式(1)主要用于检验Digit与ROE的关系(H1)；式(2)用于检验Digit与Serv的关系(H2)；式(3)用于验证Serv对Digit与ROE之间是否具有中介效应。

若式(1)中的系数β11、式(2)中的系数β21、式(3)中的系数β32均显著，则证明中介效应存在，否则不存在；若在式(3)中系数β32显著的同时，系数β31不显著，则Serv对Digit与ROE存在完全中介；若在式(3)中系数β32显著的同时，系数β31亦显著，且β31<β11，则Serv对Digit与ROE存在部分中介。3个模型中，β1、β2、β3为常数项，β11～β35为回归系数，ε1、ε2、ε3为随机误差。

3 实证研究

3.1 样本描述性统计分析

对2014—2018年中国A股装备制造上市企业2 445个样本各变量进行描述性统计分析，结果如表5所示。

由表5可见，企业效益ROE的均值在2014—2018年分别为0.034 5、0.022 7、0.042 7、0.065 8、0.074 7，行业企业经营状况良好，收益呈逐年上升态势。每年度最大、最小值之间相差不大，标准差值比较小，总体发展较为稳定。

表5 各变量描述性统计结果

从Serv描述性统计结果可知，Serv在5年间的均值分别为5.555 6、6.280 8、7.007 5、7.712 5、8.177 9，企业服务能力和水平逐年提高。Serv的标准差比较稳定。服务化水平最大值为15.000 0，最小为4.000 0，表明服务化水平在行业间存在一定差距。

数字化转型描述性统计结果显示，Digit的均值在5年间依次为0.357 6、0.401 6、0.451 6、0.505 0、0.558 7，即企业数字化转型程度逐年递增，信息化、网络化、智能化程度都在提升，且Digit的标准差均不超过0.050 0，整体数字化转型程度差异不大。然而Digit均值始终小于0.600 0，说明装备制造企业在数字信息化、网络化、智能化发展上仍然处于较低水平，有待发展。

Debt的描述性统计结果显示，其均值数据从2014年的0.412 8到2017年的0.374 1，呈逐年递减趋势，2018年上升至0.400 5，总体来看企业负债逐渐减少，资金和发展风险降低。企业规模Scale的均值在5年间呈逐年递增态势，规模逐渐成形，代表着行业总体的健康稳健发展。企业成长能力Growth的均值2014—2018年分别为0.266 2、0.397 7、0.511 6、0.341 6、0.261 1，2016年达到极大值0.511 6，呈现“倒U”形曲线波动，在2016年以后开始变弱，这也与行业规模逐年扩大带来的增速变慢有关。

3.2 数字化转型、服务化水平与企业效益之间的关系

运用SPSS22.0对数据进行整理和处理，首先通过方差膨胀因子(VIF)值分析3个模型中变量间多重共线性问题，然后对模型中各变量进行相关性检验和多元回归分析。

3.2.1 数字化转型与企业效益

以Digit、Debt、Scale、Growth为解释变量，ROE为被解释变量做回归处理，结果如表6所示。

表6 数字化转型对企业效益回归结果

从回归结果看出，各变量的VIF值为1.008～1.507，模型不存在多重共线性问题。调整后R2为0.051，F值为33.734，通过了1%水平上的F检验，模型是合理科学的。Digit的回归系数为0.155，t值为3.319，且Sig<0.01，Digit与ROE在1%的水平上正相关显著。同理，Debt与ROE回归系数为-0.209，在1%水平上负相关显著；Scale与ROE回归系数为0.024，在1%水平上正相关显著，控制变量对ROE的影响很好地体现在模型中，假设H1得证，即装备制造业数字化转型与企业效益存在正相关关系。

3.2.2 数字化转型与服务化水平

以Digit、Debt、Scale、Growth为解释变量，Serv为被解释变量做回归处理，结果如表7所示。

表7 数字化转型对服务化水平回归结果

从回归结果看出，各变量的VIF值为1.008～1.507，模型不存在多重共线性问题。调整后R2为0.609，模型拟合程度非常好，且通过了1%水平上的F检验，模型是合理科学的。Digit的回归系数为15.049，系数非常大，且Sig<0.01，Digit与Serv在1%的水平上正相关显著。同理，Debt与Serv的t值为-1.770，回归系数为-0.212，为负相关显著；Scale与Serv回归系数为0.118，t值为7.441，在1%水平上正相关显著；Growth与ROE的回归系数为正，t值为2.775，Sig值为0.006，在1%水平上正相关显著，控制变量对Serv的影响很好地体现在模型中。假设H2得证，即装备制造业数字化转型与服务化水平存在显著正相关关系，效应明显。

3.2.3 数字化转型、服务化水平与企业效益

以Digit、Serv、Debt、Scale、Growth为解释变量，Serv为被解释变量做回归处理，验证Serv对Digit与ROE的中介作用，结果如表8所示。

表8 数字化转型、服务化水平对企业效益回归结果

从回归结果看出，各变量的VIF值为1.011～2.560，模型不存在多重共线性问题。调整后R2为0.052，F值为27.845在1%的水平上显著，F检验通过，模型是科学合理的。Serv的回归系数为0.007，系数值比较小，t值为2.029，且Sig<0.05，Serv与ROE在5%水平上正相关显著。假设H3得证，即以服务化水平作为中介变量的数字化转型对企业效益存在显著正向影响。Digit的回归系数为0.043，但Sig值较大，不具有显著性，亦即Serv在Digit与ROE之间存在完全中介效应，但中介效应不强。同理，Debt与ROE回归系数为-0.208，t值为-9.625，在1%水平上负相关显著；Scale与ROE回归系数为0.023，t值为7.960，在1%水平上正相关显著，控制变量对ROE的影响很好地体现在模型中。

3.3 分行业数字化转型与服务化水平比较

总体来说，虽然本文的3个假设都得到了验证，但是装备制造业企业众多，从上市公司中，收集到的样本企业多达2 445家，分属6个子行业，有条件再进行分行业的比较分析。分行业的数字化转型程度与服务化水平均值统计分析如表9、表10所示。

表9 2014—2018年装备制造业分行业的数字化转型程度均值演变

表10 2014—2018年装备制造业分行业的服务化水平均值演变

从表9、表10可以看出，装备制造业6个分行业的数字化转型程度逐年均在提升，且历年提升幅度较为稳定；服务化水平同样伴随数字化发展处于上升状态，然而行业差异性较为明显。可以认为，数字化发展起步时间短，各分行业之间的数字化发展水平差别不大，但服务化水平差异较大。其中，C39计算机通讯和其他电子设备制造业的数字化转型程度和服务化水平均领先于其他5个行业，这与该行业的特征是吻合的；C34通用设备制造业的数字化转型程度最低，服务化水平最低。

3.4 分行业稳健性检验分析

考虑到装备制造业6个子行业之间的差异性，本节按行业分组做进一步的实证。通过检验，各变量的VIF值都小于5，模型均不存在多重共线性问题，继而对6个子行业分别做相关性和回归处理，3个模型的实证结果分别如表11～表13所示。

通过3个模型的回归分析，从表11～表13可以看出，装备制造业6个分行业均通过了F检验，方程均为合理显著，且调整后R2取值均比较大，模型具有理想的拟合优度。样本数据回归分析的稳健性可以接受。

表11 装备制造业6个分行业数字化转型对企业效益回归结果

表12 装备制造业6个分行业数字化转型对服务化水平回归结果

表13 装备制造业6个分行业数字化转型、服务化水平对企业效益回归结果

从总体回归结果来看，模型(1)、(2)得到的各分行业数字化转型对于企业效益和服务化水平的回归系数均为正，Sig值均小于0.01，回归系数大小与总样本实证结果相近，假设1、假设2的验证结果比较稳健。但是，模型(3)的结果与总样本回归检验结果不完全一致，其中C33金属制品业和C38电气机械及器材业实证结果显示服务化水平在数字化转型促进企业效益过程中起到部分中介作用，其他行业实证结果则是不具有中介效应(Serv的Sig值都大于0.1，不具有显著性)，即装备制造业各行业的数字化转型提升服务化水平并促进企业效益这一作用机制的效果不同。

从表12控制变量Debt、Scale、Growth的回归结果可以看出，各分行业Debt和Growth的回归显著性与总样本回归结果不一致，同时C33金属制品和C34通用设备业的Scale回归结果也与总样本回归结果有所差异，说明控制变量回归结果受到行业影响较大。

4 结论与对策建议

4.1 结论

通过收集2014—2018年中国A股2 445家装备制造业上市企业的资料和数据，实证分析数字化转型、服务化水平与企业效益之间的作用关系，得到如下结论：

1)总体来看，装备制造业数字化转型和服务化水平的提升均促进了企业效益增长，且数字化转型对于服务化水平的提升具有很强的促进作用，并可以通过提升服务化水平来促进企业效益增长，即服务化水平起到了完全中介效应，但比较弱。

2)分行业来看：①6个分行业数字化转型和服务化水平都呈逐年上升的态势，但数字化水平都较低，服务化水平差异大；②各行业数字化转型程度差距不大，计算机通讯和其他电子设备业(C39)数字化转型程度较为领先，通用设备业(C34)、运输设备业(C36&C37)的数字化转型程度较为滞后；③计算机通讯和其他电子设备业(C39)服务化水平比较领先，通用设备制造业(C34)的服务化水平最低。C39、C34的结果进一步证实行业数字化转型与服务化水平之间是显著相关的。

3)在服务化中介效应方面，在分行业层次，服务化水平的中介效应还不明显，在电气机械及器材分行业(C38)、金属制品业(C33)中起到部分中介作用，而在其他分行业中不具有中介效应。虽然与总体分析结果不一致，但进一步反映出，数字化转型通过提升服务化水平继而促进企业效益的效应确实不大，有待深入研究，可能在实践上有一定的滞后效应。

4.2 对策建议

1)加大力度，加快装备制造业的数字化转型步伐。装备制造业具有数字化转型的优势，但目前数字化程度较低。其路径是：①在硬件上，提升人工智能、自动化基础设施设备的数字化水平，通过高端智能产品提升产品附加值；②在软件上，利用大数据平台和工业互联网建设，提高供应链协同研发、快速响应市场需求的能力。实证研究表明，这是加快促进装备制造业服务制造能力和可持续发展的必由路径。

2)补短板，推进分行业服务化水平的协同提升。目前，就装备制造业的分行业来说，服务化水平仍然差异很大，而通过数字化转型提升服务化水平、缩小差距不失为一条有潜力的路径，应该分行业查找短板，形成数字化转型与服务化水平共同提升的协同机制、优化机制，以充分发挥出服务化进程对提升企业产品价值的中介效应。例如，美的集团通过数字化转型提高了系统化服务能力，降低原材料、在制品库存90%，减少生产损耗68%，提升综合效率33%，改善产品品质10%，整体经营效益迅猛增长，集团成为业内为数不多的能够提供从芯片到云端再到终端的整体智能家居及服务方案供应商[30]。