互联网发展与制造业全要素生产率
2023-07-01邓宗兵文江雪
邓宗兵,文江雪,王 炬
(1.西南大学 经济管理学院,重庆 400715;2.西南大学 普惠金融与农业农村发展研究中心,重庆 400715)
一、问题提出
互联网与经济社会的融合发展已成为不可阻挡的时代潮流,对中国经济发展产生了战略性和全局性的影响。党的十九大明确提出,要推进互联网、大数据、人工智能和实体经济深度融合,构建网络强国和制造强国。中国信息通信研究院发布的《工业互联网产业经济发展报告(2020年)》数据显示,2019年中国工业互联网产业经济总体规模达到2.13万亿元,同比增长47.3%,工业互联网带动制造业增加值规模达到14694.68亿元,带动就业1154.77万人;2020年虽然受到新冠肺炎疫情影响,中国工业互联网产业增加值规模仍达3.57万亿元,同比增长47.2%。在互联网不断发展并取得突破的同时,作为国民经济主体的制造业面临着内外环境的双重压力:一方面,依靠廉价劳动力和资本等要素投入的增长模式已不具有可持续性;另一方面,发达经济体吸引高端制造业回流,新兴经济体对低端制造环节的替代性增强,且中美贸易战、新冠肺炎疫情等多重因素叠加,使中国制造业发展遭遇极大冲击,工业全要素生产率(TFP)增长速度也呈现放缓趋势。那么值得深思的问题是,互联网发展是否能够促进中国制造业TFP提升?如果答案是肯定的,其实现路径与作用机制是什么?如果答案是不确定的,约束条件有哪些?回答以上问题对于合理依靠互联网推动制造业高质量发展具有重要的理论和现实意义。
对中国制造业TFP进行测度并解释其影响因素一直是学术界的研究热点。Young(2000)认为中国制造业的粗放式增长过于依赖外部投入,是不可持续的。更多学者认为在关税自由化、研发、政府干预等因素的影响下,制造业TFP可以并将继续实现可观增长。将互联网作为影响因素纳入生产效率分析的研究,可以追溯到“索罗悖论”,即计算机无法带动生产率提升。“索罗悖论”影响深远,但随着信息技术的不断发展,更多学者支持互联网能够促进生产率提升(李廉水 等,2019)。一方面,互联网发展与实体经济相结合,促进新业态产生(岳云嵩 等,2018);另一方面,互联网技术本身即为信息产品的一种,信息产品的投入有助于降低成本并提高生产效率。从互联网发展对制造业的影响来看,在供给侧,有助于制造企业优化运作方式、降低成本、精简生产要素数量、提升人力资本水平,优化组织结构(王可 等,2018);在需求侧,促使消费结构升级、激发消费新热点、重塑价值创造及分享模式(杜传忠 等,2017),从而推动消费升级,带动制造业TFP提升。
本文的边际贡献如下:第一,以往研究更多关注互联网发展对宏观经济,如经济增长、劳动就业、劳动收入份额等的影响,本文从城市与行业相匹配的角度出发,研究互联网发展对城市层面制造业的影响,弥补此领域文献的相对不足。第二,将研究从考察互联网与数量(GDP)的关系拓展到考察互联网与质量(TFP)的关系,揭示了互联网发展对制造业TFP及其构成的影响,对中国制造业高质量发展具有一定的政策指导意义。第三,在考察直接影响的基础上,从间接影响和网络效应两个维度,就内在机制进行了系统检验与分析。
二、理论分析与假设提出
(一)互联网发展对制造业TFP的直接影响
互联网发展能够促进制造业技术进步。知识积累所支撑的技术进步内生化是经济增长的原动力(Arrow,1971),而互联网促使的信息高速传播正是知识积累的重要途径。技术进步通常表现为不增加要素投入条件下产出的增加,是技术创新和技术引进所引起的最佳生产前沿面向外移动。就技术创新来看,互联网本身作为新型技术嵌入到制造业中,成为信息交流和知识溢出的重要渠道,加快数据到信息、信息到知识的转换过程,推动技术进步(罗仲伟,2021)。同时,互联网发展体现的“开放、协作和共享”原则使其成为重要而优质的社会资本,能够降低产前和产后两个阶段的信息不对称性,改变因创新活动不确定性较高而引发的投资人风险规避态度(郭家堂 等,2016),进而推动技术创新。就技术引进来看,在互联网平台和技术的辅助下,制造企业在供应链上游与科研机构零距离接触,加速技术集成与扩散,在供应链下游将消费者纳入创新体系。同时,制造企业获得学习、模仿和追赶的机会,推动最佳生产前沿面向外移动。由此提出假设1.1:
假设1.1:互联网发展对制造业技术进步具有促进作用。
互联网发展可以促进制造业技术效率提升。若当期生产效率曲线中某一点由于专业化水平和管理水平等的提高发生移动,即使最佳生产前沿面没有向外推移,也会实现生产效率提升(Farrell,1957)。互联网发展使制造企业可以通过将非核心业务外包等方式提升自身专业化水平,充分发挥核心竞争力;互联网发展打破信息壁垒,制造企业无须批量生产就可以对个性化需求做出快速反应,从而减少资源浪费及试错成本,提升管理效率。同时,制造企业可实现对生产过程中各个环节的实时追踪和严密监控,避免管理决策中的主观因素影响,从而提高管理水平,促进技术效率提升。然而,互联网发展也对技术效率带来挑战。根据创新经济学理论,技术对经济的带动效应是动态的(Schumpeter,1939),在互联网发展初期,制造企业原有的生产设备、决策水平和管理流程难以与互联网发展相适应,容易出现效率低下问题(卢福财 等,2021)。另外,传统制造业具有自然垄断行业特质(郭家堂 等,2016),在互联网发展背景下容易出现垄断企业规模过大而产生的规模不经济情况。由此提出假设1.2:
假设1.2:互联网发展对制造业技术效率既存在积极作用,也存在消极作用,影响效果需结合实际情况进一步检验。
为判断互联网发展对制造业TFP整体的影响,需要分析中国制造业TFP是技术进步主导型还是技术效率主导型(Fare et al,2014)。本文采用数据包络法中的DEA-Malmquist指数法对中国285个城市的制造业TFP及其分解项进行测算。由于DEA-Malmquist指数是相对于上一年TFP的变化率,因此对指数进行累乘变换,并以此为基础计算制造业TFP及其分解项的逐年平均值,如图1所示。
图1 制造业TFP及其分解项的年均值趋势
图1显示,样本期间制造业技术进步与制造业TFP的变化趋势基本一致,制造业TFP增长主要是依靠技术进步推动的,根据前文分析,互联网发展可以促进制造业技术进步,由此提出假设1.3:
假设1.3:互联网发展通过技术进步路径推动中国制造业TFP提升。
(二)互联网发展对制造业TFP的非线性影响
随着互联网在制造业中被广泛应用,部门内部以及部门之间的创新活动边界逐渐消失,更多企业参与到互联网技术的运用与推广中,引起创新溢出效应的动态演变,即互联网发展具有显著的网络效应(Katz et al,1985)。一方面,当互联网作为一种新的要素嵌入到制造业当中,传统制造业需要对其适应、匹配和融合,在互联网发展初期,企业参与互联网开发的成本较高,创新溢出效果较为有限,随着互联网应用深度和广度的持续增加,边际成本的下降和边际效应的增加刺激制造企业对互联网需求大幅增长,更多制造企业将互联网纳入生产与运营体系,进而获取创新红利。另一方面,制造业通过网络产品和服务改善传统要素的配置方式和效率。当网络规模和水平较低,信息获取成本较高,互联网发挥的优化效应受限,随着互联网发展水平逐步提升,传统要素配置方式和效率将获取更多收益。基于上述两条非线性关联机制,提出假设2:
假设2:互联网发展对制造业TFP的影响具有边际效应递增的非线性特征。
(三)互联网发展对制造业TFP的间接影响
互联网发展具有资源优化配置效应、知识溢出效应与规模经济效应,对产业结构、创新能力与成本产生重要影响,从而激活互联网发展的生产率效应,影响机制如图2所示。
图2 互联网发展影响制造业TFP的内在机制
首先,互联网发展通过优化产业结构促进制造业TFP提升。产业结构失衡是制约制造业发展的重要因素,而互联网发展有助于促进产业结构优化(卢福财 等,2021)。从外部看,互联网发展对依靠要素垄断获得比较优势的企业产生冲击,使生产效率更高的企业获得市场进入优势。从内部看,制造业通过高效互联的网络系统实现生产过程的协调和优化,提高运转速度以及沟通效率。同时,互联网发展促使信息技术与工业经济深度融合的全新经济生态发展,加速产业结构优化与升级,进而促进制造业TFP提升。
其次,互联网发展通过提升创新能力推动制造业TFP提升。内生增长理论认为,知识溢出是创新发展的核心(Paul,1986)。互联网作为一种信息资源嵌入制造业中,其时空压缩效应可以破除知识传播障碍,加快技术集成与扩散(李雪 等,2022),促使产学研合作与交流,进而提升创新能力,促进制造业TFP提升。
再次,互联网发展通过促进成本节约推动制造业TFP提升。制造企业不但可以依靠互联网实现与客户的实时交流,使用需求拉动式生产减少库存,降低生产环节浪费,减少物流成本,促进生产成本下降,还可以通过互联网提高科学决策能力,促使管理成本降低。另外,在高效信息技术的辅助下,交易双方可以去除不必要的中间环节(杨德明 等,2018),使制造企业获得高效的协调沟通路径,促使交易成本降低。由此提出假设3:
假设3:互联网发展对制造业发挥资源优化配置效应、知识溢出效应与规模经济效应,通过产业结构,创新能力以及成本三个中介变量间接推动制造业TFP提升。
三、研究设计
(一)模型构建
为检验互联网发展对制造业TFP的影响,本文构建基本计量回归模型如下:
TFPi,t=α0+α1INTi,t+α2Xi,t+μi+δt+εi,t
(1)
其中,i和t分别代表城市和时间,TFP表示制造业全要素生产率,INT为互联网发展水平指数,为避免估计结果的有偏性,加入控制变量集合Xi,t,ui控制个体固定效应,δt控制时间固定效应,εi,t为随机扰动项。
基于前文关于网络效应的分析,参考Hansen(1999)的方法建立面板门槛模型,以检验可能存在的非线性关系:
TFPi,t=β0+β1INTi,t×I(INTi,t≤η)+β2INTi,t×I(INTi,t>η)+β3Xi,t+μi+δt+εi,t
(2)
其中,INT既为核心解释变量,又为门槛变量,η为门槛估计值,I(·)为取值为1或0的指示函数,若满足括号中的条件,I=1,反之,则I=0。式(2)考虑的是单门槛情形,可扩充至多门槛情形。
为讨论可能存在的作用机制,参考温忠麟等(2004)的做法,构建中介效应模型如下:
(3)
其中,MED为中介变量,α1表示互联网发展对制造业TFP影响的总效应,中介效应由β1和δ2表示,中介效应的相对大小可以由中介效应与总效应之比来衡量。
(二)变量选取
1.被解释变量
制造业全要素生产率(TFP)。采用DEA-Malmquist指数法进行测算。参考黄群慧等(2019)的做法,选取规模以上工业总产值作为产出指标,并以2006年为基期的GDP平减指数进行平减;将资本和劳动投入作为投入指标,参考邱爱莲等(2014)的做法,分别使用制造业固定资产合计(亿元)和制造业从业人员(万人)进行衡量,并以2006年为基期的固定资产投资价格指数对资本投入进行平减。
2.核心解释变量
互联网发展(INT)。结合城市数据的可得性,本文从互联网投入、互联网应用和互联网产出三个维度构建互联网发展水平指数。其中,投入水平使用互联网相关从业人员代理,具体用信息传输、计算机服务和软件业从业人员占单位从业人员的比重测度;应用水平使用互联网普及率代理,具体用每百人国际互联网用户数测度;产出水平使用电信业务量代理,具体用人均电信业务总量测度。在具体计算过程中,先将三个指标进行标准化处理,在此基础上采用熵值法对各项指标进行赋权并综合成互联网发展水平指数。互联网投入、互联网应用和互联网产出的权重分别为0.1782、0.3369和0.4849。
3.中介变量
(1)产业结构(IS):借鉴李廉水等(2020)的做法,采用第二产业的增加值占地区GDP的比重衡量。(2)创新能力(RD):采用城市层面人均授权专利数衡量。(3)成本(COST):采用成本费用利润率衡量,具体使用利润总额与规模以上工业企业主营业务成本的比率测度,主营业务成本即包含了生产、管理和销售成本等。
4.控制变量
除上述解释变量以外,已有的关于TFP影响因素的研究主要从三个维度展开:其一是创新模式,其二是对外开放程度,其三是政府与制度(陈海涛 等,2021)。根据以上三个角度并参考现有研究,本文选择以下控制变量:(1)经济发展水平(PGDP):采用城市人均GDP衡量。(2)外资依存度(FDI):采用外商直接投资占地区GDP的比重衡量。(3)教育科技投入(STI):使用教育科技投入占地区GDP的比重衡量。(4)政府干预(GOV):选取地区政府财政支出占地区GDP的比重测度。
(三)数据来源和描述性统计
本文使用2006—2019年中国285个地级市面板数据进行分析。由于统计标准差异,在检验成本的中介效应时仅使用了数据较为完整的105个地级市面板数据。文中所用数据均从《中国统计年鉴》《中国城市统计年鉴》《国民经济与社会发展统计公报》和Wind数据库中搜集和计算获得,并采用插值法补充个别样本数据的缺失。描述性统计结果如表1所示。
表1 各变量描述性统计
四、模型检验和结果分析
(一)互联网发展对制造业TFP的直接影响分析
Hausman检验的统计值为143.91,在1%的水平上显著为正,说明应选择固定效应模型(FE)。由于广义最小二乘法(FGLS)在一定程度上能够解决可能存在的异方差和序列相关问题(Wooldridge,2010),FE和FGLS的结果中关键解释变量(INT)的符号一致,因此后文主要使用FGLS模型进行实证分析,回归结果如表2所示。
表2 回归方法选择
表2中的模型(5)显示,互联网发展(INT)的系数为0.6327,通过了1%的显著性检验,说明互联网发展可以促进制造业TFP增长,在加入了控制变量的模型(6)中,INT的估计系数为0.6887,依然显著为正,再次验证了互联网发展对制造业TFP的正向促进作用,互联网不仅本身能够作为一种信息技术嵌入到制造业的各个环节,还能改善制造业中传统要素的效率,带动制造业TFP增长。为进一步分析影响的内在渠道,本文以制造业TFP及其分解项作为被解释变量进行进一步对比分析,回归结果如表3所示。
表3 基准回归结果
表3中的模型(2)显示,INT的回归系数为-0.7752,在1%的水平上显著为负,说明在研究样本期间,互联网发展对技术效率(EFF)具有负向作用。可能的原因是多数制造企业还未能适应互联网渗透,在组织结构和管理流程等方面不能与互联网发展相适应,甚至可能存在制造企业因经验不足而不恰当地依赖互联网发展的情况,使技术效率下降。另外,传统制造业在融入互联网发展的过程中具有自然垄断行业特质,当垄断企业规模过大产生规模不经济,对技术效率反而产生不利影响。在表3的模型(3)中,INT的影响系数为1.3959,在1%的水平上显著为正,说明互联网发展显著促进了技术进步(TECH),互联网发展对制造业TFP的促进作用主要通过推动技术进步实现。
(二)互联网发展影响制造业TFP的门槛检验
将互联网发展(INT)作为门槛变量,验证互联网发展对制造业TPF的影响是否具有边际效应递增的非线性特征,结果如表4和表5所示。
表4 门槛值显著性检验
表5 门槛模型回归结果
表4显示,应选取双重门槛回归模型进行估算,对应的两个门槛值分别为0.0502和0.0753。表5显示,当INT低于0.0502时,估计系数为-10.3584,在1%的水平上显著为负,此阶段的互联网发展不但不能促进制造业TFP提升,反而阻碍制造业发展。当INT位于0.0502和0.0753之间,回归系数为-1.6895,符号虽然为负但不显著,说明随着互联网发展水平提升,其对制造业TFP的负向作用被削弱。当INT大于0.0753,影响系数为3.7745,在1%的水平上显著为正,说明互联网发展达到网络效应发挥作用的临界规模,显著促进制造业TFP提升。对此的合理解释是,在互联网发展水平位于较低的区间时,互联网作为一种新兴技术导入传统制造业中,制造业的研发、生产和运营等环节还处于适应和探索阶段,互联网发展的开放性和服务化思维难以对制造业TFP产生正向作用,甚至可能存在要素配置扭曲的情况。当互联网持续发展达到临界规模,与制造业之间互动的不断增强,其对制造业TFP的促进作用开始显现并不断增强。
本文根据互联网发展水平的门槛值0.0502和0.0753,将研究样本分为互联网发展低水平组(INT≤0.0502)、中等水平组(0.0502
表6 互联网发展水平的分组情况
表6显示,以互联网发展水平为标准,在2006年中国有125个地级市处于低水平组,超过总数的40%,高水平组的城市数占比不足25%。从2012年开始,中等水平组的城市数超过低水平组,且高水平组的城市数增长至136个,一直到2019年都保持了高水平>中等水平>低水平的局面。2019年,高水平组的城市数超过了总数的80%,但还有56个城市位于中等和低水平组,在这些城市中,互联网发展的正向且边际效应递增的非线性作用未实现最优,还存在较大的发展空间。
(三)互联网发展影响制造业TFP的机制分析
根据前文理论分析,选取产业结构(IS)、创新能力(RD)和成本(COST)作为中介变量进行机制分析,检验结果如表7所示。
表7 影响机制检验
表7中的模型(1)为基准回归结果,前文已有详细分析。模型(2)中,INT的系数为正,在5%的水平下显著,说明互联网发展对产业结构优化具有促进作用。互联网发展推动信息技术与工业经济深度融合,带动第二产业实现协调和优化。模型(3)中,INT与IS的系数均在1%的水平上显著为正,且INT的系数低于模型(1)中的系数,说明产业结构构成重要的中介变量。同样,模型(4)显示IS的系数在5%的水平下显著为正,说明互联网发展有助于提升创新能力。模型(5)中,INT与RD的估计系数均在1%的水平上显著为正,且INT的系数相较于模型(1)更低,说明互联网发展通过提升创新能力对制造业TFP产生了间接促进作用。
模型(6)—(8)显示了以成本(COST)作为中介变量的检验结果。在模型(6)和模型(7)中,INT对TFP和COST的影响系数均在5%的水平下显著为正,但在加入COST变量的模型(8)中,INT的影响系数并未下降,说明互联网发展尚未能通过降低成本对制造业TFP产生间接促进作用。可能的原因如下:第一,在互联网与制造业融合的初期,制造企业需投入大量资金购买信息技术设备,短期内造成成本增加;第二,制造企业通过互联网获得控制成本的途径,但同时,企业的成本信息和控制成本的方法更容易被竞争对手获取、学习和模仿,使企业难以获得成本优势;第三,与其他两个中介变量相比,成本变量的样本有限,容易出现无法准确检验的情况。虽然成本并未在互联网发展对制造业TFP的影响中发挥中介效应,但这并不意味着制造企业无须关注成本,反而应对成本控制加以重视,以避免陷入竞争劣势。
(四)区域异质性分析
由于中国各地区在地理特征、资源禀赋、产业布局等方面存较大差异,互联网发展和制造业TFP在区域分布上存在显著差异。本文将样本划分为东中西三大区域进行异质性分析,估计结果如表8所示。
表8 区域异质性检验
表8显示,东中西地区INT的估计系数分别为2.5294、2.8600和0.7184,分别在1%、1%和10%的水平上显著,说明三大区域的互联网发展均促进了制造业TFP提升,与全国整体回归情况一致。对比来看,中部地区的互联网发展对制造业TFP的促进作用最大,东部次之,西部最小。可能的原因是东部地区制造业发展起步较早,制造业TFP的基数较高,受技术和人力资本的约束较小,已经提前接收到互联网发展释放的红利。同时,东部地区各个城市中互联网发展水平差异较大,容易产生创新溢出不均衡的情况,因此东部地区的互联网发展对制造业TFP的促进作用小于中部地区。西部地区互联网发展水平较低,还未能充分发挥其对制造业TFP的正向促进作用。就分解项的回归结果来看,互联网发展对技术效率的负向影响效应从强度上表现为“西部>中部>东部”。对技术进步的正向影响效应从强度上表现为“中部>东部>西部”,互联网发展对西部地区技术效率产生了最为不利的影响,说明西部地区制造业对于互联网渗透带来的要素配置改变最难以调整和适应,而同时,西部地区技术进步接收到的互联网发展红利最小,因此西部地区需要加快互联网发展进程,促使制造企业合理依靠互联网平台与技术以缩小创新差距,促进制造业TFP提升。
(五)稳健性检验与内生性问题的处理
研究表明劳动生产率与TFP之间具有长期稳定的正向关系(Carluccio et al,2019),本文首先使用全员劳动生产率(LP)作为被解释变量进行稳健性检验,具体使用规模以上工业企业总产值与从业人员的比值测度;其次,制造业TFP变动具有一定持续性特征,即当期制造业TFP可能依赖于上一期的TFP水平,本文引入被解释变量的滞后一期作为解释变量,并使用系统GMM估计方法解决弱工具变量问题,稳健性检验结果如表9所示。
表9 稳健性检验结果
表9中的模型(1)显示,INT对LP的影响系数为0.2159,在1%的水平上显著为正,与基准回归结果相符。模型(2)—(4)显示,TFP、EFF和TECH滞后一期的影响系数均显著为正,说明有必要构建动态面板模型,且INT的符号及显著性水平未发生根本变动,说明原估计结果稳健。
另外,由于互联网发展与制造业TFP之间可能存在反向因果关系,参考郭家堂等(2016)的研究,采用互联网发展的滞后一期作为核心解释变量进行回归。原因是当期制造业TFP对当期互联网发展可能产生影响,但难以影响互联网发展的滞后一期,如果互联网发展的滞后一期对当期制造业TFP及其分解项的影响系数仍然显著,则说明在双向因果关系中互联网发展是影响产生的主要原因,内生性问题处理结果如表10所示。
表10 内生性处理结果
表10模型(1)—(3)显示,当INT的滞后一期作为核心解释变量,对TFP、EFF和TECH的影响系数分别为1.1205、-0.9961和4.4417,均通过了1%的显著性检验,说明互联网发展是主要影响因素。
五、结论与政策建议
(一)主要结论
本文利用城市面板数据,通过对互联网发展影响制造业TFP的效应来源、阶段特征和作用机制进行分析,得出以下结论:
第一,互联网发展显著促进了制造业TFP提升,这一结论在进行一系列稳健性检验后仍然成立,该促进作用主要源自技术进步而非技术效率。中部地区的互联网发展对制造业TFP的促进作用最大,东部次之,西部最小。
第二,互联网发展对制造业TFP的影响呈现边际效应递增特征,当互联网发展水平指数低于0.0502时,影响显著为负,当其处于0.0502与0.0753之间,影响不显著为负,只有当其跨过第二门槛值0.0753后,才能对制造业TFP发挥显著的促进作用。至2019年,中国仍有约20%的地级市未能达到该门槛值。
第三,互联网发展通过产业结构和创新能力两个中介变量促进制造业TFP提升,成本并不是一个有效的中介变量。
(二)政策启示
基于上述研究结论,本文提出如下政策建议:
第一,加大互联网基础设施建设投入。硬件方面,合理运用财政政策和专项资金,为互联网发展提供配套设施和支撑平台;软件方面,构建必要的制度体系、出台相关优惠政策,加强互联网人才培养,发挥产学研协同创新优势。在保障互联网广泛覆盖的基础上,政府的支持与扶持政策可适当向西部地区倾斜,提升西部地区的互联网发展水平,进一步激发互联网发展的网络效应,使其对制造业TFP的促进作用不断增强。
第二,推进互联网与制造业的协调发展与高效分工。互联网发展战略的实施离不开产业的配合,地方政府和制造企业应积极从产业层面落实国家互联网产业发展政策,建立“互联网+制造业”发展的统一标准,减少技术与制度摩擦,改善制造企业的互联网应用与发展环境,逐步弱化互联网与制造业之间的边界,形成跨环节、跨空间、跨产业的一体化创新体系。同时,积极寻求通过互联网技术定位成本控制薄弱环节的途径,向竞争对手以及行业领先者学习成本控制的方法,实现更加精准的成本控制。
第三,推动制造业TFP增长模式向双轮驱动转变。制造企业应在生产计划、财务管理、供应链管理等多个层面推进互联网平台与技术的使用,合理依靠互联网发展提升内部管理水平,建立完善的互联网决策支持系统和战略计划,推动制造业TFP增长模式由技术进步单轮驱动向技术进步与技术效率优化双轮驱动转变。
