规模以上工业企业新产品项目数量对总利润的影响探究

2023-12-04黄亦芃王佳欣

商展经济 2023年22期

关键词：利润效应变量

黄亦芃王佳欣

(对外经济贸易大学北京 100000)

1 选题概述

1.1 研究的具体问题

本文选择研究的方向为科技发展对工业行业利润产生影响的各项因素，具体问题为估计规模以上工业企业相关新产品项目数量对规模以上工业企业的总利润的因果效应。

1.2 选题的意义和原因

工业作为最主要的物质生产部门，为居民生活、各行业的经济活动提供物质产品，这一重要作用是其他任何产业部门都无法替代的，建立构造健全的产能结构是解决我国目前所面临的“中等收入陷阱”的必由之路。例如，制造商领导的回收再制造供应链中，技术创新成本影响制造商的回收再制造模式。本文通过对我国的工业发展情况进行一种更加立体化的诠释，在产业链上游绿色家电的研发与设计中利用绿色技术创新机制来提高家电产品的绿色度，调整有限的资源要素用于科学研究、设备升级、管理结构改造时所应占有的权重，助力实现有利于生产效率提高的最优配比，因此具有指导生产经营的重要现实意义。

2 理论模型分析

2.1 确定解释变量和被解释变量

规模以上工业企业利润总额为本文选择的被解释变量。在阐述被解释变量时，本文共选取了六组对被解释变量可能产生显著影响的省份间年度数据：规模以上工业企业相关新产品项目数、工业生产者价格指数、工业企业流动资产合计、历年来居民人均消费支出、工业企业销售费用和工业企业的有效专利申请数目。其中，本文以规模以上工业企业相关新产品项目数为解释变量，其他五项因素为控制变量，并进行模型构建。

2.2 基于相关理论来阐释解释变量对被解释变量的影响机制

解释变量：规模以上工业企业相关新产品项目数量。作为一种特殊的创新活动，新产品开发涉及多个学科技术知识的整合问题，其本质是企业不断创造新知识的过程。新产品本身包含科学成果的积极投入因素，其设计、开发、投产过程均需多元技术主体的相互配合，其开发数量也是科研成果的反映渠道。作为衡量指标，可以反映我国总体的技术开发环境、接受广度与行业内预期总水平。新产品项目数量同样与知识产权保护水平密切关联，作为激励创新的重要工具，保护知识产权就是保护创新。

控制变量：(1)工业生产者价格指数(PPI)。工业生产者价格指数是衡量工业企业产品出厂价格变动趋势和变动程度的因素，由员工工资，即劳动力价格和生产要素两部分组成。要达到缩短新产品开发周期、提高新产品的技术含量和降低新产品开发费用的目标，原材料供应商是一个不可忽视的重要因素。根据财务会计中利润=收入-成本的基本公式，PPI作为衡量企业生产成本的价格指标，其涨落会对利润的计算产生直接干预。在此基础上，PPI会通过上下游传导机制使相同波幅传导至与利润密切相关的消费者价格指数(CPI)层面，使利润的计算产生偏差，故而将工业生产者价格指数作为控制变量进行考察。

(1)流动资产合计。流动资产是指企业可在一年或超过一年的一个营业周期内变现或运用的资产。在工业生产领域，企业的流动资产意味着企业实际上所能控制和支配的资源，即企业目前要进行经营活动所需要具备的生产要素。流动资产的净值使扩大生产规模和丰富产能结构具备可能性。因此，在同等技术条件下，掌握的流动资产越多，创造利润的能力也就越强，本文预测企业所持有的流动资产越多，利润越高。

(3)人均消费支出。人均消费支出是一个国家国民生产总值(GNP)除以该国国民人口总数所得出的商，即分摊到每个国民身份上的国民生产总值的平均值。在经济学上，一般用来衡量或表示一个国家的经济发展程度。首先，人均消费支出作为衡量消费水平的重要标准，标志着需求端对工业企业利润的拉力；其次，人均消费支出具有广阔的社会面向，投射出社会总体的消费程度，是衡量一个国家经济水平不可或缺的重要指标。最后，人均消费支出的变动对工业企业的利润同样会产生影响，可能使拟合的结果出现偏差，故而作为控制变量进行考量。

(4)销售费用。销售费用是与企业销售商品活动有关的费用，但不包括销售商品本身的成本和劳务成本。在会计术语中，销售费用应被纳入成本的一部分进行计算。工业企业在生产经营中可能被征收各种税费，甚至由于经济的政策导向，将对各项税费的控制作为财务上的重要考量，从而出现改变生产结构的现象。费用出自会计术语，但在工业企业的生产经营和利润计价中，由于实际上必须考虑的碳配额或污水排放等环境问题，会对后者产生显著影响。

(5)有效专利申请数。企业技术创新支撑能力逐渐成为制约企业技术创新发展的主要影响因素。有效专利指的是在统计期间，各个企业向专利局提交的申请数量，种类包括发明、实用新型和外观设计等。专利申请数与知识产权在生产过程中所受的重视程度密切挂钩，均能鼓励生产者通过法定程序确定发明创造的权利归属关系，从而有效保护发明创造成果，独占市场，以换取最大利益，也体现出市场对科学技术创新的保护程度。

2.3 初步判定各个解释变量对于被解释变量的影响方向

变量的变化方向预测如表1所示。

表1 变量的变化方向预测

3 数据说明

3.1 数据的收集和整理

本课题数据来源于国家统计数据库，目前，该数据库已覆盖国家统计局和其他部门的统计指标3881个，加载数据报表近13000张，总数据量达到191万笔。本文所选取的数据及原因已在第二节中进行说明，数据选取时间为2013—2021年，包含31个省份各个年度的平面数据及面板数据(见表2)。

表2 变量名称及意义

3.2 数据的描述性分析

总利润与新产品项目数量散点图如图1所示。

图1 总利润与新产品项目数量散点图

3.2.1 被解释变量与解释变量的散点图

3.2.2 数据的描述性分析

图2至图8列出了项目的观测值个数279个，以及各个变量的均值、标准差、最小值、最大值、偏度及峰度。

图2 总利润描述性分析

图3 新产品项目数量描述性分析

图4 PPI描述性分析

图5 流动资产描述性分析

图6 人均消费支出描述性分析

图7 销售费用描述性分析

图8 有效专利申请数描述性分析

3.2.3 异方差讨论

在实际情况下，干扰总利润的因素有很多，其中很多因素都与新产品项目数量有所联系，本文认为总体回归函数中的随机误差项在解释变量条件下的方差是会变化的，不符合同方差条件。同时，由于异方差稳健标准误无论同方差假设是否被违反，都是正确的，所有应总是计算异方差稳健标准误，故本文在模型中采用异方差稳健标准误。

4 模型设定和实证分析

4.1 混合截面数据分析与回归方程函数形式选取

为了更精确地阐明解释变量与被解释变量之间的关系，本小组采用混合截面分析方法分析数据，进行多次多元回归分析，并进行假设检验，选取最优化模型。

4.1.1 线性模型回归结果分析

假设检验分析：由Stata的统计结果，解释变量new_product的系数P值大于5%的显著水平，因此不能拒绝其系数为0的原假设，说明其对总利润的影响在统计上不显著。其他变量对总利润的影响是显著的，故本文对其他变量采用线性形式。

4.1.2 引入对数项的非线性模型回归结果分析

由于散点图中解释变量与被解释变量之间呈现的图像更接近对数函数图像，同时新产品项目数量的变动百分比在经济学中具有重要意义，故引入new_product的对数ln_new_product代替new_product的绝对量。

假设检验分析：由Stata中显示的数据可以看出，比起模型一，ln_new_product的系数P值有了很大程度的缩小，可以在5%的显著性水平上拒绝其系数为0的原假设，因此认为新产品项目数量变动的百分比对总利润有显著影响,应采用多元非线性回归模型。

4.1.3 加入平方项的非线性模型回归结果分析

本文在模型中加入new_product的对数形式的平方项ln_new_product2，观察平方项对总利润的影响程度，并分析其显著性，判断是否是模型中重要的一项变量。

假设检验分析：Stata分析结果显示，平方项的回归结果并不显著，同时改变了一次项解释变量ln_new_product的系数符号，也降低了其显著性，故本文认为ln_new_product2不是模型中重要的一项变量，不应将其引入。因此，本文在后续的优化模型中去除了这一变量。

4.1.4 引入交互项的非线性模型回归结果分析

在选择的四个控制变量中，本文认为在实际生产生活中，它们相互之间的影响是十分复杂的，例如销售费用与出厂价格指数存在一定的关系；当销售费用增加时，企业成本增加，出厂价格也会相应增加，以保证企业获得利润；又比如，当企业规模较大，企业的销售费用较大时，会对其流动资产数额产生反向变动的影响。为保证统计的严谨性，本文在模型中多次引入了可能有联系的两个不同变量的交互项，力求寻找显著性强的交互项，并作为模型最终引入变量。最终本文发现，current_asset与var_cost的交互项asset_cost对模型解释具有良好效果。

假设检验分析：由Stata分析结果可以看到，在引入交互项后，解释变量的显著性增强，且各项变量均较为显著，可以在5%的显著性水平上拒绝它们的系数为0的原假设，所以应在模型中引入此交互项。同时，模型联合检验中的F统计量远大于临界值，联合检验也是显著的，本模型四是目前进行混合截面数据分析后的最优模型。

4.2 面板回归分析

本文使用在混合截面数据分析之后得到的最优模型四，进一步加入固定效应，并进行面板回归分析。

4.2.1 加入虚拟变量的固定效应估计

(1)加入虚拟变量的个体固定效应回归

根据Stata的回归结果，个体固定效应F值大于临界值，个体固定效应显著。加入描述不同省份的虚拟变量后，虽然拟合优度上升到了0.9666，F值较大，联合假设检验显著，但根据t值，有两个变量变得不显著，因此不能认为加入个体固定效应后改善了遗漏变量偏差的问题。

(2)加入虚拟变量的时间固定效应回归

根据Stata的回归结果，时间固定效应F值大于临界值，个体固定效应显著。然而，加入虚拟变量的时间固定效应后，对拟合优度没有显著提升，联合假设依旧检验显著，但根据t值，仍然有两个变量变得不显著，因此也不能认为加入时间固定效应后改善了遗漏变量偏差的问题。

(3)加入虚拟变量的双固定回归效应

由Stata分析的数据可以看到，加入虚拟变量的双固定效应回归模型的R2很高，达到0.9730，F统计量的P值也很小，但变量中有5个都变得不显著，因此引入双固定效应对遗漏变量偏差也没有很好的改善。

4.2.2 直接进行固定效应回归

本文首先设置面板，对面板数据进行描述性统计。

(1)个体固定效应回归

本文利用Stata直接进行个体固定效应回归，得到的模型拟合优度大幅降低，只有0.6226，同时存在多个系数不显著的情况。此外，F值比较低，联合显著性假设检验不通过，不符合之前的预期及之前模型的结论，因此认为这个模型并不是很具有说服力。

(2)时间固定效应回归

加入时间固定效应之后本文利用Stata直接进行了回归，和模型四相比拟合优度变化不显著，虽然F值较高，说明联合显著性假设检验结果较为显著，各项系数正负号相符，但无法保证在5%的水平上显著，不符合之前的预期和结论，所以不能认为该模型较好地改善了遗漏变量偏差带来的问题。

(3)既有个体固定效应又有时间固定效应的回归

本文利用St at a进行既有个体固定效应又有时间固定效应的回归，得到的模型拟合优度大幅降低，只有0.6943，同时存在多个系数不显著的情况。此外，F值比较低，联合显著性假设检验不通过，不符合之前的预期及之前模型的结论，因此认为这个模型同样并不是很具有说服力。

5 模型选择与评价

5.1 模型汇总

由于加入虚拟变量的模型与直接利用Stata自带的面板数据估计命令进行固定效应回归得到的结果相同，因此本文在模型汇总时不考虑加入虚拟变量的模型。本文共涉及7个模型的建立，汇总如表3所示。

表3 模型汇总

5.2 内部有效性威胁分析

5.2.1 遗漏变量偏差

在实际中，与新产品项目数量有关，而且对企业总利润产生影响的因素有很多，比如企业的发展水平、员工的薪资水平等。但对于遗漏变量偏差的问题，本文已经引入了一系列重要的控制变量，以及加入交互项的方法对该问题进行了一定改善，但面对其他难以观测或难以找到控制变量的遗漏变量，还可以在未来使用工具变量或利用随机对照试验研究感兴趣的效应，进一步解决遗漏变量偏差对内部有效性构成的威胁。

5.2.2 函数形式误设

在第一次回归时，本文使用了简单的线性模型，发现模型存在较大问题，因此从函数形式入手，进行改动，最后得到了解释力度更好的非线性模型。虽然本文在探究过程中对函数形式进行了一步步修正，但依然不能保证目前得到的最优模型的函数形式完全正确。因此，本文还需要通过观察数据和回归函数估计图作进一步研究，采取不同的函数形式进行修正。

5.2.3 测量误差

本文的数据来自国家统计局，且都为事实数据并非调查数据，因此应不存在应答者给出错误答案及故意误报的问题。虽然数据库较为可靠，但依然可能存在一定的测量误差偏差。为了解决测量误差的问题，本文可以使用工具变量回归的方法，或者建立测量误差的数学模型调整估计值。

5.2.4 数据缺失

本文的数据涵盖了31个省或直辖市9年共279个数据，并不存在数据缺失问题，在面板回归分析设置面板时，Stata报告为平衡面板，因此可以认为数据不存在缺失问题。

5.2.5 双向因果关系

从经济角度分析，模型中被解释变量总利润会对解释变量新产品项目数量产生影响。总利润高的工业企业可能愿意投入更多资金进行新产品的研发，所以存在双向因果关系。要缓解双向因果关系偏差，本文可利用工具变量回归，或设计并实施一项使反向因果关系失效的随机对照实验。