数字经济对制造业高质量发展的非线性异质影响研究

李 娜，王 宏，王 艺

（1.西安翻译学院，陕西 西安 710105；2.新疆理工学院 南疆发展研究院，新疆 阿克苏 735400）

一、引言

自新中国成立以来，中国制造业获得跨越式发展，规模遥遥领先于世界各国。尽管如此，其在长期发展进程仍存在大而不强的桎梏，关键技术领域一直位于全球价值链低端，“卡脖子”现象频频出现[1]。十九大报告中明确表示要加快发展先进制造业，大力助推人工智能、互联网等新兴技术与实体经济融合。2021 年全国“两会”也着重强调，推动制造业高质量转型是中国经济发展的重要战略性任务。近年来，随着以大数据、互联网为核心的数字化技术飞速发展，数字经济逐渐进入大众视野，并且从生产、流通、消费等诸多环节创新了经济发展模式。2022 年的政府工作报告中明确表示，要进一步加快产业数字化转型升级步伐，完善数字经济治理，强化数字中国建设整体布局。因此，数字经济与实体经济深度融合，已成为制造业提质增效与转型升级的重要引擎，可有效赋能制造业高质量发展。

然而，当前从数字经济层面着手讨论制造业高质量发展的文献较少，因此文章重点参考了互联网和信息技术对制造业创新、结构、利润影响等方面的研究。就企业创新来看，王文娜等(2020)[2]、Paiola＆Gebauer(2020)[3]分别运用定量与定性研究方法，探明信息技术能够显著推动制造业创新，倒逼企业从以产品为内核的传统商业模式转变为以数字化为基准的服务模式。就产业结构升级来看，严北战、周懿(2020)[4]、石喜爱等(2018)[5]通过实证检验发现，互联网发展有助于制造业转型升级，其中“互联网+”需求侧发挥的正向作用更为显著，推动区域制造业价值链攀升。就企业利润来看，黄群慧等(2019)[6]、肖利平(2018)[7]指出，互联网通过激发制造企业研发新产品、强化供应链协同能力，可有效促进其内部要素优化配置，为制造业组织变革、效率提升和技术进步助益。综上可以发现，现阶段鲜有学者对数字经济与制造业高质量发展进行融合研究，且关于两者间非线性关系、约束机制等方面的文献更为罕见。

鉴于此，文章将中国沪深交易所A 股上市制造企业作为研究对象，运用非参数分位数回归模型实证探究数字经济对制造企业高质量发展的非线性异质影响。相较现有研究，主要创新之处在于：理论层面，参照非线性异质效应思路，刻画数字经济发展水平对制造企业高质量发展的非线性及异质影响机理；实证层面，基于B-样条构建的非参数分位数回归模型，实证检验数字经济发展水平对制造企业高质量发展的影响，为制造企业合理参与数字经济活动、提升绿色创新绩效提供科学决策依据。

二、研究设计

1. 研究假设

（1） 数字经济对制造业高质量发展的非线性影响机理

数字经济作为一种新兴经济形态，对中国制造业高质量发展具有重要意义，但同时也面临规模化程度受约束的最优化影响效应。

第一，数字经济规模化程度较低。数字经济诞生初期，规模化程度较低，再加上其低回报、高投入、建设成本较高等特征，导致多数企业回避投资新型数字化技术。此时，仅有少数企业收获了数字经济带来的红利，且数字经济对国内制造企业高质量发展的挤出效应也受到一定限制。后续随着数字经济的用户规模持续扩张，数字经济边际成本出现降低势态，但边际收益却在提升。这种可观的数字红利使制造企业持续增加对数字化技术的资本投入，越来越多信息、数据等高端生产要素开始深入应用到制造业生产、流通等诸多环节，为制造业网络化和自动化运用提供强大推力。由此涌现出一大批平台经济、共享经济等新模式、新业态，促使传统制造业运营方式被完全颠覆、传统边界渐趋模糊、社群红利被最大化激发，届时数字经济对制造业高质量的驱动作用便会达到一个爆点。刘鑫鑫、惠宁(2021)[8]基于省级面板数据发现，数字经济与制造业高质量发展之间存在正向边际效率递增关系，即随着数字经济发展水平提升和用户规模扩张，其对制造业高质量发展产生的促进作用逐渐强化。

第二，数字经济规模扩张过度。一旦数字经济打破传统规模限制，过度扩张将会导致其脱离原本服务实体经济的功能，转变为过分追求泡沫化增值和投机逐利。大量制造企业的产业资本被调离至新获利渠道，持续加大金融资产投入，挤占了企业内部可用资金量，导致高质量发展带来的长期价值增值能力被严重忽略。谭小芬等(2022)[9]指出，过度追求效益展开的投资行为，容易造成企业杠杆率背离和金融资源投向错配现象，最终对企业经济高质量和可持续发展产生不利影响。丁健(2022)[10]以科创板上市公司为研究样本发现，风险投资会为企业开展科创活动提供大量投融资，促进企业高质量创新，但也会导致企业内部高质量转型资本大幅缩减。

（2） 数字经济对制造业高质量发展的异质影响机理

制造业价值创造能力通常会表现出一定异质性特征，这与制造企业高质量发展水平异质性息息相关。制造企业高质量发展水平越高，价值便会越大，需要持有的资本或从外部获得融资的概率也会相应增加。但受外部融资冲击可能性较大、破产风险和调整成本较高等问题影响，制造企业从事数字经济活动的现金储备动机会显著增强。基于此，通过增加主营业务收益、提高企业价值，数字经济促进制造业高质量发展的正向效应会进一步发挥。如果制造企业具备很强的盈利能力，其将有限资本用于购置金融资产就需要更高机会成本，这会在一定程度上削弱企业的套利动机。但若数字经济规模化程度持续提高，说明制造企业从数字经济活动中获益逐步增加，甚至有可能超越高质量发展创造的价值提升。届时，制造企业利用参与数字经济活动获取利益的动机便会产生主导影响，从而对内部高质量转型发展产生挤出效应。因此，从支持制造企业投资数字经济活动角度出发，高质量发展水平较高制造企业参与数字经济规模扩张可能存在最优界限。当制造企业高质量发展水平较低时（对应中低分位点），企业价值也较低，参与数字经济活动更多是为了追求资产增值带来的高收益，表现出强烈挤出效应，这与高质量发展水平的制造企业行为具有明显差别。所以在面临更低套利成本与更大市场套利机遇情形下，高质量发展水平较低制造企业参与数字经济活动的套利行为会对其内部高质量转型产生更显著的抑制效应。杨志安、杨枫(2022)[11]认为，过度投资技术创新会导致金融资源错配，进而削弱企业创新发展战略对绿色转型的作用，对制造企业高质量发展产生抑制影响。惠宁、杨昕(2022)[12]从产业升级、创业活动和人力资本角度出发，指出大力发展数字经济有助于积累人力资本、激发创业活力，为制造业高质量发展提供强大驱动力。文章认为这种结论差异在某种程度上是源于数字经济对制造业高质量发展产生影响的过程中，并未考虑企业本身高质量发展水平异质性引发的影响机理发生变化所致。

2. 研究方法

以变量x 代表制造业高质量发展，y 代表数字经济发展水平，z=(z1，z2，…，zN)代表控制变量。由此，构建分位数回归模型如下所示：

式中，τ(0＜τ＜1)表示分位点，Uyi(τ)表示当y 和z 已知时x的τ 分位数。函数fτ(yi)的具体呈现形式暂时未知，主要用以揭示数字经济发展水平对制造业高质量发展的边际影响。而且对于高质量发展水平不同（即所处分位点不同） 的制造企业而言，这一影响很有可能表现出明显异质性，即不同分位点的影响程度也有所不同。在建模过程中，主要借鉴罗良清等(2022)[13]研究，分别运用参数和非参数方法对函数fτ(yi)进行处理。

（1） 参数分位数回归分析

假设数字经济发展水平和制造业高质量发展之间可能存在线性关系或二次函数关系，可将式(1)分别具化为式(2)和式(3)：

当各控制变量均给定时，式(2)可用于揭示数字经济发展水平对制造业高质量发展的线性影响，式(3)则可以刻画出“U”型和倒“U”型两类非线性影响。但对于其他非线性形式，式(3)并不适用，故在此需进一步采用非参数方法展开下一步研究。

（2） 非参数分位数回归分析

通过参照田密、罗幼喜(2022)[14]研究，选用样条基函数展开法对未知函数fτ(yi)作出近似估计。具体将B- 样条基函数引入式(1)使非线性函数fτ(＾)变得平滑，由此可得公式如下：

上式中，β(τ)和λn(τ)表示待估计参数，m=1，2，…，M+1；n=1，2，…，N；Bm，p(τ)表示第m 个分段多项式阶为p 的B- 样条基函数。一般情况下，当阶数满足3 时便可以取得较为满意的实证效果。基于此，取值p 为3 来衡量数字经济发展水平对制造业高质量发展的非线性影响。

3. 数据选取与变量设置

（1） 样本选取与数据来源

文章以2011—2020 年沪深交易所A 股上市制造企业为研究对象，探究数字经济对制造业高质量发展的影响。其中，制造业高质量发展指标涉及的企业数据均来源于国泰安CSMAR数据库；数字经济发展水平指标数据均源自《中国统计年鉴》《中国金融统计年鉴》 《中国科技统计年鉴》 《中国互联网信息统计报告》 《中国劳动统计年鉴》 以及国家统计局颁布的《数字经济及其核心产业统计分类（2021）》。剔除有关数据缺失样本，最终得到整体样本总量为年度观测值350 个企业。

（2） 变量设置

制造业高质量发展(HQDM)。选用绿色创新绩效表征企业高质量发展水平。绿色创新绩效定义为绿色技术应用率的自然对数与传统制造技术自然对数之比。其中，绿色技术的应用涉及产品设计、生产、包装、流通、使用等诸多环节。

数字经济发展水平(DEDL)。为确保取对数后数值依然为正且相对关系不产生变化，参照盛斌、刘宇英(2022)[15]的做法，将数字经济发展水平使用数字产业化和产业数字化规模之和与传统产业规模自然对数比值进行表征。其中，数字产业化主要可以划分为数字要素驱动、数字技术应用业、数字产品服务业、数字产品制造业四类。依据杜庆昊(2021)[16]的研究，数字产业化本质上便是数字经济的核心产业，可以理解为完全依赖于数据要素和数字技术，为产业数字化发展提供数字服务、产品、技术、化解方案和基础设施的各类型经济活动。产业数字化主要体现为数字化效率提升，即通过应用数据资源和数字技术，进而为传统产业带来效率提升和产出增加的实体经济与数字技术的结合。

控制变量(X)。文章分别控制了人力资本(HC)、科技发展(TD)、知识产权保护(IPP)、产业结构(IS)、经济发展水平(LED)、对外开放(TOW)、创新研发投入(RD)、环境规制(ER)、企业年龄(BA)、企业规模(ES)等变量。另外，为规避上市企业高质量发展水平在不同年份发生波动，将年份变量也纳入控制范围。

三、实证分析

1. 基于全样本的实证分析

通过式(1)计算可得3 个典型分位点的估计结果（见表1）。通过观察表1 回归系数可知，模型1、模型2、模型3 在不同分位点处的回归系数差异均较大。据模型1 结果可以发现，数字经济发展水平系数均为负，说明无论处于哪个分位点，过度参与数字经济活动的挤出效应都高于促进效应。但随着分位点数量不断增加，回归系数也在逐渐增大，说明随着企业绿色创新能力增强，高质量发展水平提高，参与数字经济活动的促进效应会相应增加（系数绝对值持续下降）。据模型2 回归结果可知，0.9、0.5 分位点处，数字经济发展水平的回归系数显著为负，说明二次曲线开口向下，显现出倒“U”型特征，而且0.9 分位点系数低于0.5 分位点，说明前者开口较小。0.1 分位点处的系数虽然也为负，但并不显著。据模型3 回归结果也可以得到相似结论，说明回归结果准确性较高。

表1 全样本分位数回归结果与模型检验

另外，文章基于式(3)计算结果，可描绘出数字经济发展水平对制造业高质量影响曲线（篇幅所限，图略）。可知，数字经济发展水平对制造业高质量发展存在非线性效应，且在不同分位点表现出一定的异质性特征。具体而言：

第一，三条曲线的形状特征各有不同，0.9 分位点处表现为倒“U”型特征，说明随着数字经济发展水平提高，制造业高质量发展水平起初有所增加，但达到一定峰值时便开始下降，这意味着制造企业参与数字经济活动存在一个最优化投资水平，可以促使高质量发展水平提升最大化。经计算，最优化投资水平为0.7376。在2011—2020 年间，中国A 股上市制造企业参与数字经济活动的平均水平值为0.8461，意味着高质量发展水平为中等以下企业参与数字经济活动的程度同样偏高。

第二，针对0.1 分位点，伴随数字经济发展水平提升，制造业高质量发展水平一直在下滑，表明参与数字经济活动的挤出效应长期高于促进效应。对于这类型企业而言，降低对数字经济规模扩张的资本投入更有益于内部高质量发展。

第三，0.5 分位点介于二者之间，在数字经济发展水平提升过程中，最初促进效应与挤出效应基本维持一致，一旦数字经济发展规模突破一定限制（超越0.8），挤出效应开始逐步占据主导地位，说明仅从数字经济活动参与角度来看，此类制造企业资本配置对高质量发展的促进作用较小。整体而言，随着分位点增大，制造企业高质量发展对参与数字经济活动的影响敏感程度先减后增。对于制造业高质量发展水平较低的企业来说，挤占效应居于主导地位；对于制造业高质量发展水平较高的企业来说，促进效应占据主导地位，之后呈挤出效应。

2. 基于所有制区分的实证分析

为判断所有制差异是否会对整体结论产生差异化影响，将350 个样本制造企业划分为国有企业和非国有企业两种，分别对其数字经济与高质量发展的关系展开探究。通过式(4)计算可得基于所有制区分的分位数回归结果如表2 所示，并绘制图1平面展现图，以方便观测走向。

图1 国有制造企业和非国有制造企业数字经济对内部高质量发展的影响

表2 基于所有制区分的分位数回归结果

通过分析表2 和图1 不难发现：第一，在0.5 分位数处，国有制造企业和非国有制造企业均呈现出近似水平形态，同全样本分析结果一致。但在0.1、0.9 分位点处，国有制造企业的弯曲程度更小，对参与数字经济活动的敏感程度低于非国有制造企业。相对来说，国有制造企业更容易得到政府资金支持及金融机构贷款，面临的融资约束问题也相对较少，因此对投入大量资金参与数字经济活动的影响效应便较小。第二，在0.1分位点处，非国有制造企业结果同全样本较为相似，表现出显著下滑趋势，而国有制造企业则显现出接近倒“U”型趋势，但整体趋势依然呈向下倾斜的演化特征，最优化参与数字经济活动的水平值为0.6743。究其原因，可能是由于前者的盈利目的更明显，但对于欠缺绿色创新精神的非国有制造企业来说，运用金融资本开展套利活动的动机会更加强烈；而国有制造企业是中国国民经济平稳发展的重要支柱，除基本盈利之外，还承担着调节国民经济的重大职能。第三，在0.9 分位点处，二者均表现出倒“U”型特征，其中非国有制造企业更为明显。国有制造企业的最优参与数字经济活动水平值为0.8753，非国有制造企业为0.7482，但非国有制造企业的弯曲程度更大，适度参与数字经济规模扩张的促进效应更加强烈。

3. 基于产业类型区分的实证分析

据前文可知，数字经济与制造业高质量发展的关系会受所有制差异影响。那么，产业类型差异是否会对二者关系产生影响？这一问题值得进一步探究。由于技术密集型和资本密集型是制造业中较为典型的两种产业类型，故在此选取技术密集型制造企业和资本密集型制造企业展开基于产业类型区分的实证分析。再次通过式(4)计算得出基于产业类型划分的分位数回归结果如表3 所示，并在此基础上绘制图2。

图2 技术密集型和资本密集型制造企业数字经济对高质量发展的影响

表3 基于产业类型划分的分位数回归结果

通过分析可以发现，二者同样呈现出明显的非线性异质性特征。整体来看，技术密集型制造企业的三条曲线均位于资本密集型制造企业上方，说明同等的资本参与数字经济活动，技术密集型制造企业获得的高质量发展均高于资本密集型制造企业。同时，在0.1、0.5、0.9 三个分位点处，参与数字经济活动对前者高质量发展的促进效应均大于后者。具体而言：

第一，在0.9 分位点处，技术密集型制造企业的弯曲程度更大，提升更加明显。技术密集型制造企业和资本密集型制造企业的最优化参与数字经济活动的水平值分别为0.7406、0.7800。

第二，在0.5 分位点处，尽管二者变化都比较平缓，但技术密集型制造企业呈倒“U”型关系，而资本密集型制造企业表现出的则是缓慢下滑。

第三，在0.1 分位点处，资本密集型制造企业随着参与数字经济活动的资本投入上升，高质量发展水平急速下降，而技术密集型制造企业在一段时间之后才开始呈现出明显下滑趋势。

4. 内生性检验

制造企业绿色创新发展战略本身便可能会对其业绩产生影响，从而作用于企业内部金融资产配置，因此参与数字经济活动的资本投入程度和企业高质量发展之间或许存在着某种反向因果关系。为控制这些可能存在的内生性问题，研究选取（投资收益+公允价值变动收益+汇总收益）/（利润总额） 作为工具变量，因为这部分收益并非来源于主营业务，而是来自包含金融资产在内的所有非主营业务，故这部分利润与企业目前持有的金融资产数量间存在较高相关性，但同时它并非企业主营业务与绿色创新投资的主要资本来源。所以该工具变量在经济意义层面上，与企业绿色创新之间不存在显著相关关系，能够满足作为工具变量的首要条件。针对制造企业参与数字经济活动的资本投入水平，采用二阶段分位数回归法展开检验，结果见图3。可以发现，3 张图形的曲线趋势大致相同，同前文中实证检验结果保持一致，即在0.9 分位点处表现出倒“U”型特征、在0.5 分位点处表现出趋于水平态势、在0.1 分位点处表现出显著下滑趋势，说明将内生性结果考虑在内后，研究结论依然具备稳健性。

图3 两阶段分位数回归(q=1，0.5，0)

四、主要研究结论及启示

文章选取2011—2020 年沪深交易所A 股上市制造企业的微观数据，基于B- 样条构建非参数分位数模型，实证检验数字经济对制造业高质量发展的影响，研究发现：

第一，数字经济对中国制造业高质量发展的影响呈现倒“U”型非线性特征，且存在适度参与数字经济活动驱动制造企业高质量发展水平提升最大化效应。

第二，数字经济在不同分位点上存在明显异质效应，说明数字经济对制造业高质量发展存在不同影响模式。

第三，非国有制造企业、技术密集型制造企业高质量发展在高分位点对数字经济的敏感度更高，并且随着分位点的提高相应地最优数字经济发展水平不断提升。在低分位点的制造企业更多呈现出抑制作用，说明对于高质量发展水平较低的制造企业来说，通过参与数字经济活动获利的动机更加强烈。

基于上述研究结论，文章得出如下两点启示：

第一，制造企业应深入应用数字新兴技术，提高内部协同能力和智能化水平。生产实践过程中，要长期致力于搭建数据平台，充分利用数字技术，加速各环节智能控制和智能制造实现进程，提高内部生产效率与资源配置效率。通过打造智能工厂和智能车间，切实推进智能制造替代传统制造，驱动生产流程不断优化；搭建企业运营大数据平台，实时获取企业生产、经营、销售风险等方面的相关数据，分析企业的生产经营情况，为企业高质量转型升级提供有效决策参考。

第二，政府应持续优化制度环境，大力推进数字基础设施建设，深度释放数据要素潜能。一方面，政府不可“缺位”，应为数字经济和制造业高质量发展的深度融合创造良好环境，做好宏观层面调控，有序维护市场公平竞争秩序，坚决打击一切垄断行为；另一方面，不能“越位”和“错位”，应有效发挥市场在资源分配中的决定性作用，进一步简政放权，维护企业合法权益，提升经济效益。具体而言，政府应持续增强对互联网服务和基础设施的保障，紧抓数字产业化和产业数字化机遇，大力推动新型基础设施建设，将相关扶持性政策落地，使其切实服务于制造业高质量发展和数字化转型升级。