ICT投资、装备制造业全要素生产率——基于技术吸收能力异质性的量化研究

董 景 荣 苏 美 文

(重庆师范大学 经济与管理学院，重庆 401331)

一、引言

现代经济增长理论的索罗模型认为，一个国家经济增长最终可归因于要素增长和全要素生产率(total factor productivity，TFP)的增长，中国经济发展历程正是如此。随着“人口红利”优势和有利的金融投资周期逐步消失，想要依靠要素投入拉动经济持续高速增长的模式已成为过去式，中国经济有没有可能再创造一个奇迹？刘俏(2020)认为继续保持全要素生产率的增速并非易事，必须要找到中国全要素生产率增速的源泉：中国经济的“再工业化”及其所需的基础设施“新基建”。这提醒我们：工业产业需要利用互联网大数据、人工智能等信息与通讯技术(information and communication technology，ICT)驱动产业变革。

从资本角度出发，已有研究发现ICT投资对经济增长具有上升趋势的贡献(Cardona et al，2013年；Inani & Tripathi，2017；郭美晨和杜传忠，2019)，其影响可以分解为替代效应和渗透效应(蔡跃洲和张钧南，2015)。那么，ICT与全要素生产率之间是否也存在积极关系？“生产率悖论”认为计算机的出现并不能提高生产率(Jorgenson et al，2008)，同时，Kettinger & Grover(1994)、张之光和蔡建峰(2012)和Carr(2003)的结论也证实了悖论的存在。但是，随着技术的不断创新，信息技术更加广泛深入地融合产业发展，也有越来越多的研究发现：ICT对生产率存在积极显著的影响(Acharya，2016)，其中不乏对制造业全要素生产率的影响(Mitra et al.，2016；肖利平，2018；黄群惠等，2019)。

从技术效能出发，ICT以智能制造为突破口，加快信息技术与制造技术、产品、装备融合创新，推广智能工厂和智能制造模式，全面提升企业研发、生产、管理和服务的智能化水平。而我国各地区能多大程度地吸收、运用ICT技术实现装备制造业高质量发展，归根结底还取决于自身的吸收能力。因此，仅讨论ICT投资对全要素生产率产生的影响缺乏现实意义，应充分考虑各省技术吸收能力，明晰充分释放ICT效能的适配条件。目前已有众多研究关注到吸收能力在技术外溢效能中的作用，如技术吸收能力对FDI技术外溢效果有着决定性作用(赖明勇等，2005)，能积极促进OFDI逆向技术溢出(李梅和柳士昌，2012；尹东东和张建清，2016)。但除了韦影(2007)在分析企业社会资本影响技术创新的同时，考虑吸收能力的作用外，很少有研究从资本的角度出发，考虑吸收能力在其中的作用。事实上，由于各地区的技术吸收能力差异，对ICT投资所带来的先进技术进行有效的学习吸收和模仿程度也会不同，进而ICT投资对各地区全要素生产率的影响可能也不尽相同。而作为提供技术装备的装备制造业，其生产率水平是各行业产业升级、技术进步的重要保障(任曙明和吕镯，2014)。所以，本文将从资本存量的角度，利用门槛模型进一步检验影响ICT对全要素生产率提升作用的各吸收能力因素的门槛特征，并从人力资本和技术差距两个方面测算引发积极提升作用的门槛水平。

与现有文献相比，本文的边际贡献存在以下几点：(1)研究角度。将装备制造业全要素生产率的分解指标和ICT投资进行更加细致地研究，从技术进步、技术效率两个维度揭示ICT投资发挥作用的路径和条件；(2)ICT投资的度量。近期文献有测算省级行业层面的ICT资本投入，其方法是采用各地区投入产出表中分行业ICT中间投入占行业投入之和的比值作为分行业ICT资本投入强度(谢莉娟等，2020)，而本研究基于各地区投入产出表采用永续盘存法(PIM)分别从ICT硬件和ICT软件两方面对省级层面的生产性ICT资本存量进行估算，增加估算结果的合理性；(3)关于全要素生产率的非线性研究中，已有学者用网民人口比例、手机普及率及互联网普及率作为门限变量探索以互联网或ICT作为核心解释变量对全要素生产率的非线性效应(郭家堂和骆品亮，2016；Asongu & Acha-Anyi，2020)。但鲜有学者考虑到ICT促进装备制造业高质量发展还受其自身技术吸收能力的影响。本研究从人力资本和技术差距两个维度考虑不同区域间技术吸收能力的差异，利用面板门限回归模型进一步考察ICT投资对装备制造业全要素生产率增长存在的非线性效应。

二、影响机制分析

(一)ICT与全要素生产率

现有研究基本上证实了ICT投资能推动经济增长。但是，关于ICT投资对装备制造业全要素生产率提升的研究还缺乏足够的实证证据。理论上讲，ICT投资可以通过以下两个途径影响装备制造业全要素生产率：第一，ICT投资可以推动技术进步，进而提升全要素生产率。ICT技术除自身具备的普遍适用性、创新互补性及溢出效应外，还可以通过提供信息通信技术交流平台，突破时空限制，缩小地域差异。在此过程中，ICT可以不断促进全社会的人力资本积累和加速要素流动速度，减少要素市场扭曲和研发投入与人力资本错配。实现人力资本与研发投入的有效配置推动技术进步(李静等，2017)。此外，ICT与装备制造业的相互融合,使创新互补性和技术溢出效应发挥作用；存在ICT创新推动互补性生产条件优化升级的可能性,并与其他共同投资通过在企业之间产生互补创新进一步改变生产过程，使得生产前沿面向外移动(Brynjolfsson，2000；樊茂清等，2012)。第二，ICT可以提高技术效率，进一步提升全要素生产率。ICT与市场深入融合，为市场提供更加对称性的信息，加快劳动和资本的配置效率。企业利用ICT技术，能更精确及时地获取、传递信息，使得决策效率显著提升。此外，积极运用智能制造系统，在技术、产品、模式、业态和组织等方面开展全方位的创新，逐步实现生产方式的智能化、定制化、柔性化、绿色化和网络化，提升装备制造业的竞争新优势。我国装备制造业与ICT技术融合步伐不断加快，在激发“双创”活力、培育新模式新业态、推进供给侧结构性改革等方面也已初显成效。基于此，本文提出：

假说1：ICT对装备制造业全要素生产率有着不可忽视的正向作用，主要通过技术进步和技术效率两个路径发挥其作用。

(二)ICT与人力资本

众多学者从不同角度解释了技术吸收能力的构成因素，人力资本和技术差距是目前经济学者们公认的两个决定性因素(刘明霞，2010)。不可忽视的是不同区域间存在资源禀赋的差异，人力资本作为生产投入要素不仅对产出有着直接的水平效应，还可以促进各地区对ICT技术的吸收、学习、模仿或实施。除重视作为信息技术传播和应用主体的人力资本的区域差异外，尤其重视ICT投资对装备制造业全要素生产率增长的影响，这可能会随着人力资本水平的不同而呈现非线性效应。如果某地区人力资本水平较低，那么该地区劳动力的文化水平和信息素养不高，他们应用装备制造业信息资源和信息技术的能力也就越欠缺。受自身文化素质低的限制，劳动力很难利用网络平台发布和搜集产品信息，更无法实现对装备制造业信息技术的深层次应用，从而阻碍装备制造业全要素生产率增长。反之，如果某地区有较高的人力资本水平，该地区的劳动力能更有效地学习信息通信技术，从而促进全要素生产率增长。基于此，本文提出：

假说2：ICT投资对装备制造业全要素生产率增长的影响会随着自身技术吸收能力的不同而呈现非线性效应，表现为ICT对全要素生产率的提升作用会随着人力资本水平的提高而越来越明显。

(三)ICT与技术差距

同样，技术差距之所以影响ICT对全要素生产率的提升主要是因为它影响ICT技术吸收的潜力、效果及应用动力。一方面技术差距越大，技术落后地区的企业学习、利用ICT技术的空间就越大，进而提升装备制造业的全要素生产率；另一方面技术差距过大时，落后地区缺乏消化吸收、学习模仿ICT技术的能力，进而ICT投资对装备制造业全要素生产率的提升效果有限；此外，ICT投资体现的是ICT产业的资本投入强度和服务水平高低，通过构建信息平台，改变企业融入的竞争氛围。竞争环境的改变会对不同技术差距地区企业的创新动力产生不同程度影响，即不同技术差距地区的企业对ICT的应用动力有所不同。更少的同质化竞争和供应链内的企业合作，使得落后地区企业更有可能利用ICT模仿和改进技术达到对先进地区企业的赶超，更有动力利用ICT更新设备、管理理念，提高效率。而对于先进地区企业来说，由于自身技术水平较前沿、企业之间技术差距不大及落后地区企业的追赶，从而加剧先进地区企业的竞争强度。使得先进地区企业不得不以更强的动力利用ICT技术创新和研发新一代的专利技术以有利竞争和追赶，树立竞争优势及获取超额利润。鉴于此，本文提出：

假说3：由于存在技术吸收能力差异，ICT投资对装备制造业全要生产率的非线性作用还表现为随着技术差距的缩小而越来越明显。

三、省级ICT生产性资本存量估算

(一)估算框架

永续盘存法(PIM)的非传统途径应用的中间过程有关于生产性资本存量的测算，这种测算方法在国外得到广泛使用。首先，资本存量总额Kit公式表达为：

(1)

其中，Kit表示i省在t时期的资本存量，T表示资产使用年份，Iit表示固定资本形成总额，Rit表示重置需求，Rit=Ki,t-1×δ;δ为折旧率。Siτ表示τ时期固定资产投资的残值率，由退役模式确定。考虑到ICT资本品的特性，选择钟形退役更加合理。

(2)

(3)

基于以上公式，深入考虑资本在使用过程中的效率损失和磨损，筛选符合资产效率实际损失情况的“年龄—效率”函数。将其转化为标准效率单位的生产性资本存量。参考国内外理论实践，本研究考虑双曲线函数：

(4)

其中，d0表示初始年份相对效率，默认为1。β表示斜率，根据相关研究和已有假设，将ICT软件和硬件设为0.5。通过对不同役龄阶段的投资序列进行加总，得出标准效率单位的ICT生产性资本存量：

(5)

(二)相关指标构建

1.统计范围界定

OECD将信息通讯技术(ICT)定义为“旨在通过电子手段(包括传输和显示)实现或实现信息处理和通信功能的产品”，主要由硬件和软件组合而成。在中国经济行业分类(GB/T 4754—2017)中，硬件对应于我国的计算机、通信和其他电子设备制造业，软件对应于我国服务业信息传输、软件和信息技术服务。

2.投资序列

由于全社会固定资产投资是不包含计算机软件等无形生产资产方面的支出，因此选用固定资本形成总额作为测算资本存量的投资序列(许宪春，2010)。省级层面的投资序列，可以通过各省投入产出表得出ICT制造业和ICT服务业的固定资本形成总额数据。但投入产出表不是每年编制，需要对间隔年份的数据进行估算，借鉴筱崎彰彦(2003)和孙川(2013)的做法。如表1。

表1 估计投资序列的方法步骤

考虑数据的可得性，本研究的产值由ICT制造业和软件信息服务业的业务收入衡量，全国ICT服务业的进口数据由我国国际收支平衡表中计算机和信息服务的借方数据表示。由于省级层面没有更多年份的投入产出延长表，所以本研究对投资序列数据进行外推，通过以上数据和方法，估算出2007—2016年我国各省的ICT制造业和服务业的资本存量。

3.资产使用年限、折旧率与价格指数

据相关学者研究，将ICT软件、ICT制造业的使用年限分别确定为5年和8年。综合各国对硬件和软件折旧率的衡定，将硬件折旧率确定为0.315，软件折旧率定为0.369。此外，资本存量的估算，还需要对每年投资序列进行价格指数平减使其有可比性。用固定资产价格指数进行平减，不符合ICT资本品的“摩尔定律”。所以采用美国BEA官网上公布的ICT硬件和软件的价格指数对每年投资序列进行平减。

4.基期资本存量

估算初期资本存量的方法：整体法、倒推法、增长率法。整体法未考虑资本折旧，导致基期资本存量的高估；倒推法对早期数据的完整性和可获得性要求高而难以满足，故这两种方法都排除而选择增长法。增长法的具体公式如下：

(8)

四、变量、数据与模型

(一)变量与数据说明

1.被解释变量的测算

被解释变量是装备制造业各省份全要素生产率(TFP)及其分解项技术效率(EFF)、技术进步(TECH)。运用以产出导向可变规模报酬的DEA-Malmquist模型和软件DEAP2.1测算以上被解释变量。

由于装备制造业细分行业进行了多次微调，所以将2011版“汽车制造业”和“铁路、船舶、航天航空和其他运输设备制造业”数据合并处理。然后将装备制造业各细分行业对应的投入产出变量对应着省份和年份进行加总，最终形成装备制造业2007—2016年的分省份的面板数据。对于产出变量的选择常分为工业增加值和工业总产值两种。由于工业增加值考虑了中间投入部分，作为产出变量更具代表性。但2008年以后《中国工业经济统计年鉴》不再公布分行业增加值数据，这里参照王卫和綦良群(2017)的方法：2000—2007年装备制造业细分行业的工业增加值在工业总产值占比变化不大，故采用2000—2007年的平均比重估算2008年以后的工业增加值；自2012年开始，装备制造业细分行业工业总产值不再公布，改为对工业销售产值的统计，这里假定工业总产值与工业销售产值增长率相同，进而估算出2012—2016年的工业总产值；最终估算出2007—2016年的产出变量工业增加值。考虑到数据可得性，用总资产和装备制造业年平均从业人员衡量资本和劳动两个投入变量。为了消除价格因素的影响，分别用出厂价格指数、固定资产投资价格指数对工业增加值及总资产进行平减。

由于DEA-Malmquist指数法测算出来的装备制造业全要素生产率是以相邻两期数据作为对比而来的环比指数，只能反映短期内变化而不能反映长期变化，若直接代入测算可能带来结果偏差。因此构造以基期年份为基准的累积全要素生产率指数，即将各省年度环比指数进行累乘，其分解的两个指数(TECH、EFF)也做类似处理。计算公式如下：

(9)

2.解释变量

纵观已有文献，信息通讯技术(ICT)的度量指标包括网站数目、国际互联网用户数、人均移动电话数、信息化综合评价指标体系等。其次就是直接对ICT资本存量的估计，这种做法的好处在于将ICT资本从总量资本中剥离出来，能进行更加准确地区分相较于其他生产要素的不同，更好地体现ICT的发展现状与未来趋势。

3.门限变量

一个地区的教育投资水平从一定程度上反映该地区的人力资本水平，故用各地区财政教育经费占GDP比重作为对人力资本(Human)的衡量。另外技术差距的度量常以前沿国的全要素生产率/中国全要素生产率，一般前沿国选择美国的全要素生产率作为技术前沿(李蕾蕾等，2018)。但这样的方法不可避免地存在着依照经验选择前沿面，而忽视数据本身的选择。DEA方法生成一个非参数分段曲面，评估出技术效率水平，即决策单元到技术前沿的距离，与技术差距的含义是一样的。因此利用数据包络方法(DEA)测度投入产出技术效率衡量技术差距，这里的投入产出变量的选择，和上文计算装备制造业全要素生产率的变量一样。由于实际生产条件时常不符合规模报酬不变的假设条件，因此对技术效率(TE)的测算选择DEA-BCC模型。为了更加直观衡量技术差距(Tgap)，其测算方法为：Tgap=1-TE。

4.控制变量

全要素生产率作为国家和地区经济可持续增长和发展的决定性力量，其增长因素众多，包括研发、贸易、ICT(Franz et al.;2020)、人力资本、工业化、国有企业比重、投资率(徐盈之和赵豫，2007)、行业出口值、FDI、制度变量、信息基础设施(李春顶，2009)等。综上，TFP的影响因素考虑以下三类：一、贸易(EX)和对外开放(FDI)。以装备制造业规模以上出口交货值占规模以上主营业务收入和实际外商直接投资占GDP比重作为贸易和对外开放的代理变量；二、制度背景(SO)。采用各地区国有全社会固定资产投资在全社会固定资产投资中所占的比重作为制度背景；三、科技创新(RD)与人力资本(Human)，采用各地区的研究与试验发展经费内部支出作为当期R&D支出的衡量，并借鉴朱平芳和徐伟民(2003)的方法对其进行处理；教育提高了人力资本，故用各地区财政教育经费占GDP比重作为对人力资本的衡量。(以上数据来源于《中国统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》、EPS数据库、CSMAR数据库)

(二)模型

为了消除异方差影响以及缩小数量级，将所有变量取自然对数。本文构建的回归模型如下所示：

lnYi,t=β0+β1lnICTi,t+βClnControlsi,t+fi+εi,t

(10)

其中，i表示各省份，t表示年份，Y表示被解释变量，在后文的计量分析中分别代入全要素生产率变量(TFP)、技术进步变量(TECH)、技术效率变量(EFF)，ICT表示信息通信技术，Controls表示控制变量，fi表示非观测的个体固定效应，εi,t表示随机误差项。从人力资本和技术差距门限效应角度，进一步检验ICT投资在不同技术吸收能力条件下对全要素生产率的呈现的非线性影响，在(10)式的基础上构建门限模型：

lnYi,t=β0+β1lnICTi,tI(qi,t≤γ)+β2lnICTi,tI(qi,t>γ)+βClnControlsi,t+εi,t

(11)

其中，I(·)为指示函数，括号内的条件满足时取值1，反之为0；qi,t为门限变量,在后文的计量分析中带入人力资本(Human)和技术差距(Tgap)；γ为特定的门槛值；(11)式为单门限模型，本研究将依据门限效应检验确定为几重门限模型。

五、实证结果分析

(一)基本回归分析

表2报告了模型的基本回归结果。其中模型1报告的是混合回归面板模型，模型2报告的是固定效应。F统计量为0，即相较于混合回归模型研究采用固定效应模型效果更佳。以下分析针对模型2展开。

根据我们在(10)式中的规范，我们研究了ICT投资对全要素生产率及其分解项的影响。表2显示，ICT投资对于装备制造业全要素生产率及其分解项技术进步和技术效率的回归系数分别为0.108 0、0.066 4、0.041 8，其中全要素生产率及技术进步项均通过了1%水平显著性检验，技术效率项通过了10%水平显著性检验，表明加大ICT投资能够促进装备制造业全要素生产率增长，假说1得到了验证。从影响程度来看，ICT投资对技术进步指数(0.066 4)的影响要大于技术效率指数(0.041 8)。表明实践过程中，加大ICT投资更有助于ICT产业与装备制造业深入融合，使创新互补性和技术溢出效应发挥作用，进而有效地提高技术进步指数。也印证了ICT投资能够激发装备制造业创新主体的积极性，消除个体之间的信息不对称。因受自身主观管理经验、企业管理能力等因素影响，ICT投资对技术效率促进作用要稍弱一些。

表2 ICT投资对全要素生产率及其分解指标的OLS和FE回归结果

(二)技术吸收能力对ICT投资效用发挥的影响

首先对(11)式模型进行门限效应检验，以此来确定门限模型的具体设定形式。设定自举400次迭代，依次搜寻400个样本点得到模拟分布。分别以人力资本(Human)和技术差距(Tgap)为门限变量进行回归。检验结果如表3显示，可以看出Human和Tgap对应的单门限检验可以在5%显著性水平下拒绝模型不存在门限值的原假设；双门限检验在10%显著性水平下拒绝模型存在单一门限的原假设。最终，三门限检验结果表明人力资本和技术差距对应的模型在10%显著性水平下均存在两个门限值。因此，模型设定为双门限模型：

lnYi,t=β0+β1lnICTi,tI(qi,t≤γ1)+β2lnICTi,tI(γ1≤qi,t<γ2)+β3lnICTi,tI(qi,t≥γ2)+βClnControlsi,t+εi,t (12)

表4为以人力资本和技术差距作为门限变量的回归结果。模型3是以人力资本为门限变量，模型4是以技术差距为门限变量，被解释变量为lnTFP。从模型3的回归结果可以看出，当地区处在低人力资本水平区间(0, 0.046 2)时，我们定义该阶段为低技术吸收能力阶段，在该阶段，随着人力资本水平的提升，ICT有效促进装备制造业全要素生产率的提升；当进入人力资本水平中级阶段(0.046 2, 0.068 2)时，ICT对装备制造业全要素生产率的提升效用继续发挥作用，并且提升趋势更加明显；对于高人力资本水平阶段(0.068 2, 1)，提升趋势更进一步的大幅度的上升，假说2得到了验证。从模型4的回归结果看，当技术差距较小时(Tgap<0.003 0)，回归系数为正，并且在三个阶段中系数最大，表明先进地区更具有潜力和动机利用吸收、学习模仿ICT技术，并且效果更加显著；当技术差距变大时(0.003 0≤Tgap<0.438 0)，ICT仍然对全要素生产率有提升作用，但这种提升作用有所减弱；当技术差距扩大到一定程度时(Tgap≥0.438 0)，ICT对全要素生产率的提升作用就更弱，表明落后地区仍然有动机利用信息通讯技术实现高质量发展，但受限于自身技术能力，其提升效果弱于先进地区，假说3得到了验证。

表4 不同技术吸收能力下ICT投资的效用发挥

(三)稳健型检验与内生性

1.地区差异分析

将我国划分为东部、中部和西部(香港、澳门、台湾地区不纳入本文统计和分析)。东部地区包括：北京、福建、广东、海南、河北、江苏、辽宁、山东、上海、天津、浙江；中部地区包括：安徽、河南、黑龙江、湖北、湖南、吉林、江西、内蒙古、山西；西部地区包括：甘肃、广西、贵州、宁夏、陕西、四川、新疆、云南、重庆。由于宁夏、西藏数据缺失严重，故不考虑在内。本研究进一步探究ICT投资对全要素生产率及分解项的作用是否存在地区差异，同时也验证本研究的研究假设是否稳健。表5为地区差异的回归结果，可以发现：整体上，ICT投资对东中西的装备制造业全要素生产率增长均有提升作用并存在差异性，其中对东部地区的提升作用高于中部和西部，除技术进步项外对西部地区的提升作用最弱；这样的结果和前文研究结果相差不大，进一步证实了结论的可靠性。

表5 地区差异回归结果

2.稳健性分析

由于考虑到ICT投资估算误差给实证结果带来的影响，我们再次对时间段2007—2012年和2013—2016年的样本数据分别进行回归。表6实证结果显示，两个时间段对应的回归均是显著且为正的，除回归系数有所波动外和前文分析得出的结论相差不大，一定程度上缓解了对于变量估计误差造成的实验结果不可信的问题。

表6 稳健性检验回归结果

3.内生性修正

为了分析因果关系中的主因，我们采用lnICT的滞后期作为核心解释变量进行回归分析，其逻辑是当期的全要素生产率对lnICT滞后期的影响几乎全无，若lnICT的滞后期对当期全要素生产率及其分解项仍然存在着前文所分析的对应关系，说明在双向因果关系中，主因是ICT投资。表7-①对应的固定效应模型结果显示，滞后期lnICT对全要素生产率及其分解项依旧显著，说明ICT投资是主因。

为了稳健起见，选择工具变量法对内生性问题进一步讨论，参照众多学者的做法，将核心解释变量lnICT的滞后一期作为当期lnICT的工具变量进行回归，考虑到异方差以及内生变量与工具变量之间的相关性比较高的情况下，使用以lnICT的滞后一期作为工具变量的GMM矩阵估计法存在一定的合理性。估计结果见表7-②，在技术进步项lnTECH模型中，相比前文基础回归结果发现lnICT系数有所下降，但差别不大。对其结果进行内生性检验，D-W-H和WaldF统计量结果显示内生性不显著。对技术效率lnEFF模型进行内生检验，同样内生性不显著。但全要素生产率lnTFP的内生性检验结果，出现了D-W-H和WaldF统计量在10%显著性水平下显著，说明此模型内生性显著。可见，全要素生产率对ICT投资也有着一定的影响。对比①固定模型和②GMM模型结果，被解释变量lnTECH和lnTFP的lnICT系数都有所下降，而lnEFF的系数却略有提高，系数符号均无改变，依然显著。由此可见，考虑了内生性问题后，得出ICT投资对全要素生产率及其分解项有着显著的促进作用，这一结论和上文回归得出的结果是一致的。

表7 内生性问题分析回归结果

六、结论与启示

本研究分析了ICT投资对全要素生产率增长的作用机理。利用2007—2016年中国装备制造业行业省级面板数据，实证考察了ICT在不同吸收能力下的效用发挥，得出如下结论：第一，在样本期间，ICT投资对中国装备制造业的技术进步有着显著促进作用，对装备制造业的技术效率也有着显著的正向促进作用，总体上ICT投资对技术进步推动型的装备制造业全要生产率有着显著促进作用。第二，由于存在人力资本和技术差距门限值，ICT投资对全要素生产率促进作用是非线性的。实证发现，ICT投资对全要素生产率促进作用在人力资本角度上存在两个门限值，分别是0.046 2、0.068 2；在技术差距角度下也存在两个门限值，分别是0.003、0.438。即在不同的吸收能力水平下，ICT投资对全要素生产率提升存在异质性作用，表现为ICT投资回归系数在门槛值两端均显著且为正。随着人力资本水平的提升，促进作用的提升幅度越来越大；随着技术差距的不断扩大，促进作用的提升幅度越来越小。

为此，应加快ICT在装备制造业产业链各个环节的推广和应用力度，宣传和普及相关技术知识和操作过程，为提高装备制造业全要素生产率增势赋能。同时，重视装备制造业管理知识、技能的提高与运用。注重互联网数字技术、人工智能等信息通信技术的可得性与协同性。在各省市地区加快落实信息与通信基础设施建设以扩展装备制造业生产的可行性边界，使ICT以低成本触达社会各阶层，为各产业领域的创新提供基础，促使技术更好地为装备制造业生产服务。此外，ICT投资与各区域技术吸收能力相互耦合之后共同作用于装备制造业全要素生产率，即ICT投资是否能够有效促进装备制造业全要素生产率增长，还受到各省人力资本和技术差距的制约。因此，为了提高ICT投资对装备制造业全要素生产率增长的促进作用，不能单纯依靠盲目加大ICT投资，而应该为ICT发展提供良好的技术消化吸收和推广的环境，重点是加强人力资本水平低和技术差距大的地区利用ICT实现技术进步的应用动机，推进“再工业化”和“新基建”落地。