无形资本投入对制造业全要素生产率的效应研究——基于中国2009—2021 年制造业上市公司的样本数据

葛 林

（1.新乡学院 经济学院，河南 新乡 453000；2.北京工业大学，北京 100124）

知识经济时代，在竞争优势的核心要素中，无形资本替代了传统的生产要素，其地位日渐凸显，是企业至关重要的战略资产。无形资本作为企业核心竞争力的重要元素，其合理配置比有形资产投入更重要，是企业高质量增长的内生驱动力，不仅其价值创造能力强，而且还具有一定的垄断性。在日益激烈的市场竞争中，无形资本已经成为驱动经济增长的核心因素，亦是提升企业核心竞争力的关键要素，企业合理有效地利用无形资本等生产投入要素，方能提升企业全要素生产率，从而创造价值，才能保持其竞争优势，最终实现企业高质量发展。因此，文章选取中国制造业上市公司来探究无形资本投入对全要素生产率的影响效应，不仅为内生经济增长理论提供了经验支持，也为企业高质量发展路径提供了有效的证据。

一、无形资本研究综述

关于无形资本的研究，目前主要集中于无形资本的概念与特征、构成与分类以及无形资本与企业全要素生产率的关系。

1. 无形资本的概念界定与特征

关于无形资本概念的界定，国外学者Corrado 等(2013)作出解释：凡是不能形成有形形式的资产都应视为无形资本。他们将无形资本分为：信息资产、创新资产、品牌资产、人力资产、结构资产、组织资产和声誉资产。Evanson(1995)对组织资产进行了明确地阐述：组织资产有利于企业更好地发挥物质资产和人力资产作用，促使企业全要素生产力水平增强。胡耀亭、陈作华(2020)认为，使企业能够良好地发挥自身研发职能的资产可称作创新资产，创新资产可以开发出具有市场生命力、核心竞争力的新产品，成为企业获得竞争优势的动力来源。有关无形资本的概念与特征，国内学者做出了明确地概括：无形资本是新的资产形态，具有不确定性、重复使用性、超额收益性、综合性、增值性、权益属性，能够参与到生产经营中，给企业带来较高的经济性收益。

2. 无形资本的构成与分类

有关无形资本的构成与分类，学者们给出了不同形式的分类标准：梅琳(2012)将无形资本主要分为人力资产与社会资产；罗福凯、袁龙龙(2012)将无形资本进行更细致地分类：市场资产、环境资产、关系资产、信息资产、知识资产；李连光(2013)认为无形资本不仅包括技术资产、制度资产、品牌资产、关系资产，还包括特定于企业层的组织资产、声誉资产、创新资产等。文章结合已有文献对无形资本的分类方法与概念界定，采用了在经济学界广泛应用的CHS 分类框架，将无形资本具体分类为创新资产、人力资产、声誉资产和组织资产四类。

3. 无形资本与全要素生产率

关于无形资本与企业全要素生产率的效应研究，在宏观层面，Corrado 等(2009)确认了无形资本对全要素生产率的重要性，研究发现，2003 年美国GDP 的11.7%投资于无形资本，无形资本的投入刺激了美国当年全要素生产率增长0.84 个百分点。Marrocu 等(2012)研究发现，在许多欧洲国家，德国、意大利、西班牙的无形资本投入对其全要素生产率的促进作用要小一些：分别为0.53 个百分点、0.34 个百分点、0.19 个百分点。

在企业微观层面，国外一些学者对于不同类型的无形资本与企业全要素生产率的关系进行了深刻地研究。Griliches(1979)发现创新资产的产出弹性在0.01～0.25 之间，主要集中在0.08左右。Levinsohn＆Petrin(2003)以制造业企业为样本，通过一组指标衡量了创新资产的正生产率效应，利用意大利微观企业层面的数据，证明无形资本对企业全要素生产率具有激励作用。Ramirez(2008)确认了声誉资产提高企业全要素生产率的作用，声誉资产投资导致了全要素生产率的增长。Bontempi＆Mairesse(2015)研究发现，相对于有形资产的使用，企业对于无形资本的利用会更大程度上提升全要素生产率。国内有大量文献进行了人力资产对企业要素生产率的效应研究，他们一致认为：人力资产会对全要素生产率产生强烈的增量效应（江红莉、蒋鹏程，2021；廖冠民、宋蕾蕾，2020；潘毛毛、赵玉林，2020）。

已有国内外文献从无形资本的概念界定、构成与分类及其对国家全要素生产率、企业全要素生产率进行了大量的探讨，取得了丰富的研究成果，但是研究的视角更加侧重于某一类或整体无形资本对全要素生产率的研究，对于不同无形资本对全要素生产率的贡献程度是否存在差异？不同类型无形资本投资之间是否存在互补性？此外结合中国制度背景，在不同行业、不同性质的无形资本对企业全要素生产率是否会产生异质效应？这些问题的探究对于丰富内生经济增长理论，推动企业和国家高质量发展具有重要的理论意义和现实意义。

二、理论分析与假设提出

1. 无形资本与企业全要素生产率

目前的文献大多使用Cobb-Douglas 生产函数作为理论模型来进行全要素生产率的测算分析与影响因素研究，文章同样使用该模型，依据内生经济增长理论与声誉效应理论，建立起包括创新资产、人力资产、声誉资产、组织资产在内的无形资本对于企业全要素生产率的理论框架。

假设一家公司按照以下生产函数生产商品和服务：Y=A(IC，H，θ)F(L，K)。其中，Y、H、L、K、A 分别表示企业生产的附加值、人力资产、劳动力、物质资产、全要素生产率(TFP)，IC 表示无形资本，θ 表示决定TFP 的其他因素。F 是L 和K 的连续函数，A 是无形资本等因素的递增函数，反映了无形资本可以提高企业的效率，从而提高TFP。内生经济增长理论认为，在经济长期增长过程中，只有在增长模型中引入知识、人力资产等要素，总体经济才能获得可持续发展。如下公式(1)反映了包括人力资产在内的无形资本对生产率的提升是随着边际回报递减而来的。

声誉效应理论认为，声誉信息的建立对于企业降低交易成本起到有效作用，因此企业应该适当投入声誉资产来完善声誉信息的建立，进而提升经济主体的生产效率。创新资产作为无形资本的核心，最终形成核心竞争力，企业可以通过投入人力资产、声誉资产、组织资产，来从外部获得各种无形资本和良好经营环境，较大程度上获取竞争优势，提高企业全要素生产率。式(2)表示投资无形资本的边际收益：

当一个企业有足够的资金时，它是否投资于无形资本提升该企业全要素生产率，实质取决于无形资本相对于有形资产的相对边际收益。

投资有形资产的边际收益可用式(3)表示：因此，式(4)体现了无形资本和有形资产之间的边际回报(DMR)的差异：

DMR 越高，说明企业更倾向于通过投资于无形资本使得企业全要素生产率提升，由此，可以得到：

式(5)反映了DMR 对物质资产的边际回报。从上式来看，随着企业有形资产的增加，有形资产的边际收益降低，无形资本的边际收益提升导致了企业全要素生产率的上升，即：

通过式(5)、(6)可以发现，更高的有形资产导致DMR 的增加，使企业更有可能投资于无形资本，最终使得TFP 提升。因此企业为了追求可持续的发展效益，必须合理投入利用无形资本提升自身全要素生产率，由此提出假设H1：

假设H1：企业无形资本的投入会对企业全要素生产率产生激励效应。

2. 人力资产、声誉资产与创新资产的互补效应

企业i 在t 时刻的产出可以用Cobb-Douglas 生产函数来描述，如公式(7)所示：

公式(7)中Qit、Mit和Kit分别表示企业i 在t 时期的产出值、实物资产投入量和无形资本投入量，Lit表示其劳动力投入。Ait是一种衡量效率水平的方法，通常称为全要素生产率(TFP)。

将公式(7)两边对数化，构成线性生产函数，如式(8)所示：

其中ln(Ait)分解为β0，ωit和ηit元素。β0表示所有企业的平均效率，ωit表示具体企业在某个特定时间与该平均效率的偏差，而ηit是一个真正的误差项，包含未观察到的冲击和测量误差。将上式(8)转化为式(9)所示：

式(9)可继续转化为式(10)所示：

公式(10)检验规模不变收益。一个显著大于（小于） 零的劳动力优势，意味着规模收益递增（递减）。当所有输入要素的成比例收益不变时(μ=βl+βk+βm=1)，生产函数如式(11)所示：

基于式(11)推出企业全要素生产率的计算方法，如公式(12)：

采用公式(12)得出的全要素生产率估算来评价无形资本对其的影响。由声誉效应理论可知，声誉资产可以帮助企业保持核心竞争力。根据前文无形资本与全要素生产率的文献综述中对无形资本的分类方法，将无形资本量化为创新资产、人力资产、声誉资产、组织资产的投入，对全要素生产率效应的回归如公式(13)所示：

公式(13)中IC 代表创新资产，HC 代表人力资产，BC 代表声誉资产，OC 代表组织资产，除无形资本外，还包括一组控制变量用Xit表示。

从声誉效应理论视角看，企业把握好信誉信息的传播，有助于可靠的合作伙伴关系，有利于企业核心竞争力的形成，更容易吸收外资投资，引进更先进的创新资产投入，也更容易吸引人才加盟，间接加大企业对人力资产的投入，使全要素生产率稳步上升，保持健康良性发展的上升趋势。由此，文章提出假设H2：

假设H2：人力资产、声誉资产能够通过创新渠道影响企业全要素生产率的提升。

3. 企业产权属性、规模与内部行业的异质性效应

内生经济增长理论认为，一个公司的经济提升速度取决于知识的增长。首先，组织管理模式和组织管理效率是企业的一种异质资源，知识的增长将提升管理效率，实现新环境下的人力创新。与非国有企业相比，国有企业的体制机制灵活性较差，过度投资阻碍了其本身的创新能力，创新资产的投入大大减少；其次，其国有产权比例较高，会削弱企业的效率，组织管理效率低下；最后，软预算约束的长期存在确实会削弱企业的全要素生产率水平。

无形资本存在行业分布差异显著，中国制造业是国民经济研发投入强度较高的高新技术产业，尤其是计算机、通信等电子设备行业其研发资产投入强度更加充分，相对于其他行业，研发投入在此类产业的无形资本投入中占有相当大的比例，科技进步贡献率较大，对全要素生产率与经济增长贡献较多。经过上述推理分析，提出假设H3：

假设H3：无形资本的投入对中国全要素生产率的影响呈现明显的异质性。

三、研究设计与模型设定

1. 样本选择与数据来源

中国自2007 年1 月1 日实施2006 版企业会计准则，考虑到会计准则的差异，并避免2008 年金融危机前后导致不良的经济后果对企业全要素生产率的影响，进行数据整理时剔除2009 年之前的数据。文章的样本数据来自2009—2019 年制造业上市公司，剔除ST、*ST 特殊的上市公司以及数据缺失的样本，经过数据整理共得到1869 家企业的面板数据。文章对所有连续变量进行缩尾处理，数据全部来源于CSMAR 数据库，采用SPSS 23.0 进行数据整理，使用STATA 15.1 进行实证分析。

2. 变量选取及衡量

（1） 被解释变量

因变量为TFP，借鉴王杰、刘斌(2014)的研究方法，采用TFP_LP 模型对企业TFP 进行度量，TFP 具体计算过程中所用到的数据有：企业主营业收入(Y)，企业年度职工人数(L)，企业固定资产净值(K)，企业购买商品、接受劳务所支付的现金(M)，所用计算方法如公式(14)所示：

（2） 解释变量

创新资产。文章参考马宁、孟卫东(2017)的方法，通过创新资产增值系数来衡量创新资产，计算公式见式(15)。创新资产采用企业研发投入来计算，其中价值增值(VA)的计算公式见公式(16)：

人力资产。参照葛顺奇、罗伟(2015)的研究，计算公司高学历员工占比与技术员工占比，从两方面来度量人力资产密集度。

声誉资产。参考相福刚与迟甜甜(2020)的研究，文章通过两种方法对声誉资产进行量度：以企业官网、社会责任报告等搜集企业获得的权威环保荣誉为标准；借用《财富》杂志评出的“最受赞赏的中国公司”明星和行业排行榜作为声誉资产的变量提取依据。

组织资产。文章借鉴Eisfeldt＆Papanikolaou(2013)的研究，采用永续存量法对组织资产进行度量：

公式(17)中Deproc表示组织资产的折旧率，在文章中采用美国经济分析局所估计出的研发费用的折旧率15%；CPIt是居民消费价格指数；SG＆Ai，t是企业支出的销售费用与管理费用总计。公式(18)中OCi，0是企业i 组织资产的初始值，参照程冕等(2019)的研究，对g 采用对企业SG＆A 费用的实际平均增长率的测算值19.84%；SG＆Ai，1是上市公司第一年的SG＆A 值。

（3） 控制变量

文章所使用的控制变量包括：企业的年龄(AGE)，用企业所在年份减去成立年份，再取对数来表示；资产密集度(CI)使用企业固定资产数额除以企业人员数，并取对数来表示；企业规模(SCALE)使用企业员工人数的对数值进行衡量；企业的市场势力(SL)采用总资产的周转率指标再取对数来表示；资产负债率(ALR)代表企业杠杆程度，以总负债与企业有形资产的比值再取对数来表示；将企业按产权性质(STATE)分类为国有企业与其他企业，以企业的实际法人来判断；企业总利润(PROFIT)可从该企业的财务报表中直接获得并取对数；企业资产流动性(ASLIQ)可通过财务报表中相应财务数据计算得到并取对数来表示。

3. 模型构建

上述机理分析对无形资本与企业全要素生产率的关系做出初步理论推断，为了更加准确地检验无形资本对企业全要素生产率的影响机理，文章将无形资本分类为创新资产、人力资产、声誉资产、组织资产，在模型中采用行业固定效应和时间固定效应分别检验创新资产、人力资产、声誉资产、组织资产对企业全要素生产率的影响效应，构建如下模型1：

为检验创新资产与人力资产在提升企业全要素生产率方面的作用是互补的，即人力资产可能通过创新渠道影响企业全要素生产率的提升，文章构建以下模型2：

为检验创新资产与声誉资产在提升企业全要素生产率方面的作用是互补的，文章构建如下模型3：

四、实证检验结果与分析

1. 描述性统计分析

表1 的描述性统计分析结果显示：中国制造业上市公司企业全要素生产率平均值达到0.574，但其差距明显，表明部分制造业全要素生产率较低；此外，创新资产投入分布不均，最高可达24.061，最低为负数；其余三种无形资本的投入相差不大，但整体而言投资数额均不高。

表1 主要变量的描述性统计表

2. 相关性分析

表2 反映了全要素生产率与各类无形资本的Pearson 相关系数。所有相关系数为正且均显著，因此可以初步判定企业无形资本的投入会对企业全要素生产率产生激励效应。而且，TFP_LP 与各类无形资本的相关系数均小于0.5，故没有变量之间的多重共线性的问题，将变量引入到回归模型中，结果相对更加稳健。

表2 主要变量的相关性分析

3. 进一步分析

为进一步证实人力资产、声誉资产与创新资产在提升企业全要素生产率方面可能存在的互补效应，文章增加了三者之间的交叉项，采用模型2 和模型3 进行回归检验，结果如表3 所示：TFP_LP 对INNO×HUMAN 的弹性系数达到约0.094 左右，相对于原来HUAMN 系数显著增加；INNO×REPU 系数最高达到0.053 左右，相对于原来REPU 系数显著增加。即两种交叉项回归系数总体上均得到提升，人力资产、声誉资产的投入与创新资产的投入对激励全要素生产率存在互补的增量效应，回归结果与假设H2 相符。

表3 增加交叉项的无形资本与企业要全要素生产率回归结果

4. 稳健性检验与内生性检验

（1） 稳健性检验

首先，采用OP 的方法对全要素生产率重新测算，回归结果如表4 的列(1)显示：人力资产和声誉资产与企业全要素生产率的平均回归系数分别达到了0.123、0.041，依然保持在平均最高水平，因此，相比创新资产与组织资产，人力资产与声誉资产具有更明显的促进效应，再次验证了前述假设H1。

其次，按不同类别样本进行检验，表4 的列(2)与列(3)显示：医药制造业、电子设备制造业与全要素生产率的回归系数高于整个制造业样本回归的结果，原因是当前的电子设备制造业的发展很大程度上依赖于无形资本的投入，各类无形资本投入已成为全要素生产率持续增长与经济可持续发展的核心要素。

再次，按照企业性质差异进行检验，通过对比表4 的列(4)与列(5)的检验结果发现：列(4)回归参数显著性增强，回归系数也具有明显的增加，国有企业的创新资产与组织资产大力促进其全要素生产率的提升，原因是大多国有企业相关资产投入不是市场竞争机制作用下资产逐利的结果，而是政府干预的结果，因而相对于非国有企业，其组织配置资源效率较低，组织管理效率较差。

最后，按照企业规模大小进行分样本回归，表4 的列(6)、列(7)显示：较小规模的企业无形资本投入对其全要素生产率的影响更为显著，可能的原因是规模较小的企业便于管理，组织结构并不复杂，组织管理效率较好从而对全要素生产率激励效益就更明显，验证了假设H3。

表4 稳健性检验估计结果

（2） 内生性检验

此外，文章还采用倾向匹配得分(PSM)方法以控制其他因素对企业全要素生产率的影响，无形资本投入的实施效果可以由匹配后的组间差距(ATT)来表示，PSM结果见表5 所示。结果显示：匹配后的ATT 值为0.181，说明无形资本的合理使用能使企业全要素生产率提升的概率增加18.1%；非国有企业ATT 值显著高于国有企业，这与前文稳健性检验中的结论一致，验证了假设H3 的准确性；从不同规模企业匹配结果对比来看，规模在1000 人以下的中小企业匹配后ATT 值要显著大于规模在1000 人以上的大企业，全样本ATT 估计值处于合理预期区间，相对于未匹配之前的ATT 值0.376 有所降低，说明未控制内生性会影响无形资本对企业全要素生产率效应结果，这一结论在国有企业、非国有企业以及分年度估计结果中均成立，再次验证了假设H3。

表5 全要素生产率基于最近邻匹配方法的ATT 值

五、研究结论与启示

文章在整合声誉效应理论与内生经济增长理论的基础上，根据Cobb-Douglas 生产函数模型，利用2009—2021 年制造业上市公司样本，综合探究无形资本对中国制造业全要素生产率的影响效应。研究表明：

第一，总体上，人力资产、声誉资产、创新资产、组织资产这四类无形资本均对企业全要素生产率产生显著激励效应，但不同类别的无形资本对企业全要素生产率影响效应有差异。具体而言，相比创新资产与组织资产，人力资产与声誉资产对企业全要素生产率具有更明显的增量效应。

第二，创新资产与人力资产、声誉资产在提升企业全要素生产率方面的作用是互补的，即人力资产、声誉资产能够通过创新资产对企业全要素生产率产生激励效应。企业可以通过技术创新，较大程度对人力资产、声誉资产充分投入，进而提升全要素生产率。

第三，无形资本对企业全要素生产率影响效应存在异质性，当区分企业不同门类时，医药制造业、电子设备制造业的无形资本投入对企业全要素生产率增量效应更为显著；当区分企业产权性质时，国有企业的创新资产与组织资产较大促进其全要素生产率的提升；当区分企业规模时，规模较小企业的无形资本投入对企业全要素生产率的影响更为显著。