工业互联网对制造企业创新绩效的影响机制

伍先福,李欣宇

(1.广西师范大学 经济管理学院;2.广西高校数字赋能经济发展重点实验室,广西 桂林 541004)

0 引言

当前,依靠大规模增加生产要素投入获取规模经济效应和范围经济效应的传统增长范式已经难以为继,依托创新转型升级成为制造企业高质量发展的主旋律,而效率高低是能否成功创新的关键和根本。中共二十大报告指出,创新是第一动力,深入实施创新驱动发展战略,强化国家战略科技力量,优化配置创新资源。可见,如何对创新资源进行优化配置,已成为国家政策与实践关注的焦点。与此同时,以工业互联网为核心的新型基础设施作为“新动能”受到政府高度重视。2017年11月,国务院发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》,指出工业互联网加快发展有利于加速智能制造发展,优化生产和服务资源配置,促进传统产业转型升级,为制造强国建设提供新动能;《“十四五”数字经济发展规划》进一步要求建设可靠、灵活、安全的工业互联网基础设施,支撑制造资源的泛在连接、弹性供给和高效配置。在一系列政策引导下,工业互联网建设得以快速推进,被认为是企业数智化转型的助推器[1],已成为第四次工业革命的关键支撑和发展先进制造企业的重要基石。同时,工业互联网对制造企业转型升级的赋能效应初步显现。中国工业互联网研究院发布的《中国工业互联网产业经济发展白皮书(2022年)》显示,2021年工业互联网带动中国制造企业增加值规模达到 1.75 万亿元,名义增速为 17.78%。然而,如何充分利用工业互联网赋能机制助推制造企业创新发展,无论是在实践层面还是学术领域都处于探索阶段。因此,对工业互联网影响制造企业创新绩效的作用机制进行检验,不仅可为工业互联网与制造企业高质量发展相关政策的制定及落地提供理论指导,还能为工业互联网与制造企业创新体系的丰富和完善提供有益参考。

1 文献综述

既有文献较少论述工业互联网对制造企业创新绩效的作用机制,主要探讨工业互联网对整体工业经济发展的积极影响和“互联网+制造业”对企业创新的影响。

从工业互联网影响工业经济发展的角度看,既有研究认为,工业互联网会打破传统“微笑曲线”[2],通过技术、要素、效率赋能制造企业转型升级,其集成互联能力和协调融合能力是实现企业智能制造与服务转型的关键[3]。工业互联网能够提高制造企业生产效率、经营水平、研发效率,降低成本[4],提高生产工艺流程自动化和柔性化程度,提升我国制造企业整体竞争力[5]。同时,工业互联网还能解决我国制造企业在全球价值链中的低端锁定问题,促进制造企业价值创造能力提升[6]。工业互联网实现人、机器和生产企业之间的实时交互,能够激发机器的最大潜能,是制造企业转型升级和创新发展的助推器[7],有助于产业生态重构和数据融合增值[8],并通过多种渠道助力制造企业突破低端锁定问题。此外,工业互联网还发挥要素配置、需求驱动、分工协作功能,促进产业链要素、能力、治理协同,是提升产业链现代化水平的重要抓手[9]。

在工业互联网影响创新绩效方面,学者主要从协同创新、知识溢出、资源整合、创新成本等角度进行分析。从协同创新角度出发,“互联网+”的群智性为创新个体智慧提供了源泉,反馈性为创新个体间的良好沟通与交流提供环境,可以促进创新个体之间协同合作[10];从知识溢出角度出发,在企业内部,工业互联网有助于促进研发人员沟通与交流,推动企业管理变革[11],同时也能协同企业研发制造流程,催生一系列新技术、新模式和新业态,产生显著的创新外溢效应[12];从资源整合角度出发,工业互联网将先进的信息技术作为载体,可打破传统创新体系的地域局限和组织局限[13],使外部用户、科研机构及相关企业形成分工合作、共摊研发费用并共享研发成果的开放式创新模式,有助于企业异质性资源获取[14],通过内外部资源流动提高企业技术创新能力;从创新成本角度出发,“互联网+制造业”使企业创新资源组合方式及连接方式发生改变,能够降低企业创新交易成本、契约成本、代理成本和治理成本,进而提高企业创新绩效[15]。

虽然现有研究认为嵌入工业互联网平台对企业创新绩效具有促进作用,但存在以下不足:①对工业互联网与制造企业创新绩效的研究缺乏统一测度方法和模型;②研究样本主要基于高技术产业或区域层面数据,利用微观企业数据进行分析的实证研究较少,与企业作为应用主体的实践不匹配;③尚未明晰工业互联网对制造企业创新绩效赋能的作用路径,理论分析有待挖掘、检验和细化。为此,本文通过构建多时期DID模型和PSM-DID模型,采用定性与定量相结合的研究方法,基于2016—2021年中国制造业A股上市公司数据对工业互联网赋能制造企业创新绩效的影响机制进行实证分析。本文边际贡献在于:第一,采用中国制造企业上市公司数据,将实证研究聚焦于我国微观企业层面,并集中研究制造企业,在研究精度和研究深度上作出一定程度拓展。第二,利用“爬虫+人工识别”技术合理识别加入工业互联网的制造企业,识别方法具有一定启发意义。

2 理论分析与研究假设

根据熊彼特创新理论及内生经济增长理论,知识、资本、供应源、市场、组织形式均会影响创新。因此,工业互联网通过知识吸收能力、供应商集中度、融资约束、风险承担能力等作用路径影响制造企业创新绩效,而市场化水平则在这一过程中发挥调节作用(见图1)。

2.1 工业互联网通过提高知识吸收能力影响制造企业创新绩效

基于动态能力理论和创新理论,知识吸收能力是企业获取、转化和应用新知识提高创新绩效的重要因素[16]。工业互联网有助于制造企业获取异质性资源,为企业搭建开放式技术共享平台,帮助企业提升知识吸收能力。首先,获取多样化、新颖的外部知识能够丰富企业知识储备,进而增强企业吸收能力;其次,工业互联网可为制造企业开放式创新提供平台支撑,拓展制造企业技术知识获取深度,加速技术知识转化与应用;最后,工业互联网能够推动制造企业高效整合、提炼内外部知识,并通过新旧知识转化促进制造企业创新绩效提升。据此,本文提出如下假设:

H1:工业互联网有助于促进制造企业创新绩效提升。

H2:工业互联网通过知识吸收能力、供应商集中度、融资约束、风险承担能力等作用路径影响制造企业创新绩效。

2.2 工业互联网通过降低供应商集中度影响制造企业创新绩效

基于知识网络理论,多主体协同创新能有效提高企业创新效率,而工业互联网通过降低供应商集中度影响制造企业创新绩效。从资源依赖性看,供应商集中会影响企业议价能力和异质性资源获取,从而阻碍制造企业创新:就议价能力而言,供应商越集中,供应商议价能力越强,企业创新利润被具有较高议价能力的供应商占有越多,越会降低制造企业技术创新投入意愿;就异质性资源获取而言,供应商越集中,就越容易错过与其它厂商的合作,进而遭遇“卡脖子”技术瓶颈,阻碍制造企业技术进步。而工业互联网可缓解制造企业对供应商地理集中的依赖,有效避免供应商过度集中。相较于传统模式,工业互联网能高效吸纳更多创新主体,快速实现主体之间的互联互通,精准对接企业供需,提高制造企业寻找合适供应商的速度和效率,从而削弱制造企业对原有供应商的依赖,有效防范供应商议价能力的负面影响,避免对方侵蚀自身资源。据此,本文提出如下假设:

H2a:工业互联网通过提高知识吸收能力促进制造企业创新绩效提升;

H2b:工业互联网通过降低供应商集中度促进制造企业创新绩效提升;

2.3 工业互联网通过缓解企业融资约束影响制造企业创新绩效

金融资源是企业提高创新能力的保障,企业创新面临的主要问题是资金压力[17]。企业创新活动往往具有风险高、研发周期长等特点,需要投入大量资金,但仅依靠内部资金无法覆盖创新活动全周期,因而企业创新活动高度依赖外部融资。在传统金融服务中,由于金融机构与企业间存在严重的信息不对称,加之抵押品不足、风险较高,导致企业融资成本高,会严重阻碍企业创新[18]。基于信息不对称理论,工业互联网可为制造企业融资需求和金融机构融资提供平台,帮助金融机构更好地识别制造企业贷款信息的真实性和透明度,有效缓解信息不对称,并通过大数据和云计算等先进技术,促进融资双方供需匹配,为制造企业创新提供资金保障。此外,工业互联网还能帮助制造企业网络平台销售和数字化管理,一方面拓宽销售范围,降低市场开发成本;另一方面通过数字化管理提高企业生产效率,改善企业盈利能力,进而缓解企业融资约束。据此,本文提出如下假设:

H2c:工业互联网通过缓解企业融资约束促进制造企业创新绩效提升;

2.4 工业互联网通过提升风险承担水平影响制造企业创新绩效

企业风险承担水平是指企业在激烈的市场竞争中为谋求高额利润而承担风险的倾向性[19]。企业需要对创新活动风险和收益进行审慎评估才能作出决策,因此企业创新与风险承担水平紧密相关。企业风险承担水平提高,意味着企业风险承担意愿和能力提升,企业会更加积极地开展创新活动,抓住发展时机并投入更多创新资源提升创新绩效;反之,企业风险承担水平降低,创新意愿也会下降,进而导致创新绩效减少。既有研究发现,风险承担水平作为一种中介机制影响其它因素对企业创新的作用,如企业数字化转型能够显著提高企业风险承担水平,进而赋能企业创新[20]。与之类似,工业互联网能提高企业风险承担水平,如通过提升企业数字化管理水平、优化内外部资源配置、增强企业财务稳定性等途径使企业获得更好的创新绩效。同时,善于创新的企业更有意愿从事风险创新活动,催化风险承担水平提升[21],由此形成良性循环机制。据此,本文提出如下假设:

H2d:工业互联网通过提升风险承担水平促进制造企业创新绩效提升;

2.5 市场化水平对工业互联网影响制造企业创新绩效的调节作用

市场化水平是衡量企业经营活动的重要指标,反映市场调配资源的能力,在企业战略选择与企业绩效之间发挥调节作用。我国各地区市场化改革存在时间先后差异,导致各地区市场化水平明显不同。一般而言,在市场化水平较高地区由市场主导资源配置,创新资源更丰富,创新信息更透明,市场寻租行为较少,创新需求更易捕捉,具有完善的制度保障和较低的政府干预,相关创新要素可以得到合理配置[22]。因此,企业在市场化水平较高地区应用工业互联网改善创新效率的空间较小。而在市场化水平较低地区,制造企业面临的创新环境较差,公司治理水平较低,因而工业互联网发挥作用的空间更大。据此,本文提出如下假设:

H2e:市场化水平对工业互联网影响制造企业创新绩效提升具有负向调节作用。

根据上述分析,本文构建工业互联网对制造企业创新绩效的影响机制,如图1所示。

图1 工业互联网对制造企业创新绩效的影响机制Fig.1 Impact mechanism of industrial internet on innovation performance of manufacturing enterprises

3 研究设计

3.1 模型构建

为检验假设H1,本文运用双重差分法对工业互联网影响制造企业的创新绩效进行评估。考虑到不同制造企业在2016—2021年加入工业互联网的时间不同,故借鉴刘瑞明(2015)和王玉荣等[23]的研究,采用多期双重差分法构建如下模型:

zsqzli,t=α+β·iioti,t+θ·controli,t+μi+τt+εi,t

(1)

式(1)中,将2016—2021年加入工业互联网的制造企业上市公司设置为处理组,未加入工业互联网的制造企业上市公司设置为控制组。将制造企业上市公司加入工业互联网的虚拟变量iiot设为本文核心解释变量,i表示制造企业个体,t表示年份,若制造企业i在t年加入工业互联网则iioti,t取值为1,否则为0;β表示工业互联网对制造企业创新绩效的影响系数,正负代表工业互联网正向促进或反向抑制制造企业创新绩效提升,绝对值表示影响程度大小。α为常数项;control为模型中的控制变量,包括企业规模(zzc)、资产负债率(zcfzl)、资产盈利率(zcsyl)、企业年龄(age)、股权集中度(gqjzd);μi为企业个体固定效应;τt为时间固定效应;εi,t为随机扰动项。

3.2 变量选取与测量

3.2.1 被解释变量

本文中被解释变量为制造企业创新绩效。借鉴Hagedoorn等[24]的研究,选取运用最普遍且数据较易获取的专利数量衡量企业创新绩效,具体采用制造企业上市公司年末统计总申请专利数量衡量。考虑到创新活动和专利产出具有一定时滞性,本文对滞后一期制造企业上市公司专利申请数量作标准化处理并取自然对数,将其作为创新绩效的测度指标。

3.2.2 核心解释变量

本文中核心解释变量为企业当年是否加入工业互联网,参照杨德明和刘泳文[25]的做法,采用“爬虫关键词+人工确认”技术对其进行赋值,借鉴工业互联网相关政策及其内涵研究,选取工业互联网、IIoT、智能制造、云平台作为关键词。具体步骤如下:第一步,利用爬虫技术对上市公司年报关键词进行爬取,根据词频大小初步判断企业是否嵌入工业互联网。如果第t年加总词频(totlet)小于3次,则基本认定该企业第t年未嵌入工业互联网平台;如果totlet≥3,则需进一步进行人工确认。第二步,针对totlet<3的情况,如果第t-1、t+1年均小于3次,则确定为未嵌入工业互联网;如果totlet-1≥3或totlet+1≥3,则需进一步进行人工确认。第三步,对于需要人工确认的企业,根据关键词在年报中出现的位置和内容作为评判标准。如提到“基于该技术(前述关键词)提升生产效率、工作效率、管理能力”等语句,或“被评为工业互联网、智能制造先进企业、示范企业”,抑或是在财务报表中提到该技术并产生其它收益等应用工业互联网的实质内容,均视为其嵌入工业互联网;如相关描述为“致力于打造工业互联网”、行业发展趋势、政府文件、公司未来展望及未来规划等内容,则视为其未嵌入工业互联网。第四步,对2016—2021年的结果进行汇总,并将公司代码与年份从小到大进行排序,逐个查看企业加入工业互联网的年份与虚拟变量赋值是否有误。

3.2.3 中介变量与调节变量

(1)中介变量:①知识吸收能力(zsxsnl),以制造企业研发投入占营业收入的比重衡量;②供应商集中度(gysjzd),以企业前五大供应商采购额占总采购额的比重衡量[26];③融资约束(SA),以常用指标SA指数衡量[27];④风险承担水平(risk),以企业盈余波动性即行业盈余均值调整后的息税前利润与总资产比重的标准差risk1和极差risk2衡量。

(2)调节变量:市场化水平(market),以企业注册地所在省份市场化指数衡量。

3.2.4 控制变量

为避免遗漏变量导致的偏误,本文参照已有研究,设置以下控制变量:①企业规模(zzc)。企业规模越大,物质和人力资源越丰富,企业可利用的要素资源越多,越会对创新活动产生正面影响,采用制造企业总资产对数值测量[28];②资产负债率(zcfzl)。资产负债率代表企业整体负债水平,负债率越高说明资金受限越多,越会对企业创新产生负面影响[29],以制造企业公司财务报表披露的期末负债总额除以资产总额衡量;③资产收益率(zcsyl),以企业净利润除以平均资产总额衡量,是反映企业盈利能力的重要指标,企业盈利能力越强,就越有可能增加创新投入;④企业年龄(age),以企业成立年份与样本年份的差值度量,企业成立年限越久,企业发展越成熟,市场占有率越高,企业创新潜力越大;⑤股权集中度(gqjzd),以前十大股东股权占比测量。现代企业理论认为,股权相对分散的企业容易产生第二类代理问题,进而影响企业创新绩效[30]。

综上所述,各变量含义及测度如表1所示。

表1 变量定义Tab.1 Variable definitions

3.3 样本选取与数据来源

由于我国工业互联网2016年以后才进入相对成熟的发展期,故本文选取2016—2021年中国制造业A股上市公司数据作为研究样本。制造企业上市公司是否加入工业互联网数据来源于中国制造业A股上市公司发布的年度报告,利用“爬虫+人工识别”技术处理,其它数据来源于上市公司企业年报、新浪财经网、CSMAR数据库、CNRDS数据库、锐思数据库、同花顺数据库等。

4 实证结果分析

4.1 基准回归分析

表2第(1)～(6)列解释变量iiot系数估计值均显著为正,表明工业互联网能够显著促进制造企业创新绩效提升。工业互联网为制造企业提供了一个开放式技术研发创新平台,为制造企业提供技术支持,加强企业技术交流与合作,使各领域技术不断融合,促进企业优化资源配置,为知识积累、交流合作、技术研发、价值创造打下坚实基础,进而促进制造企业创新绩效提升。

4.2 稳健性检验

4.2.1 PSM-DID检验

由于制造企业是否加入工业互联网具有一定非随机性,因此有可能导致直接估计选择性偏差,且其它因素也会造成两组企业创新绩效差异。因此,本文采用PSM-DID方法对变量进行稳健性检验。基于Becker等(2002)的倾向得分匹配方法,选用非替代性一对一最近邻匹配方法,为每个加入工业互联网的制造企业(处理组)匹配未加入工业互联网的制造企业(对照组)。匹配后ATT由未匹配前的0.050缩小至0.041 5,T值为2.53,说明直接计算加入工业互联网相较于未加入工业互联网企业的创新绩效,将会导致工业互联网对制造企业创新绩效的促进作用被高估。而在控制其它因素后,与未加入工业互联网的企业相比,加入工业互联网能使制造企业创新绩效提升0.041 5,意味着加入工业互联网对制造企业创新绩效具有显著促进作用。同时,也验证了采用PSM能够消除其它因素对企业创新绩效的影响,解决企业选择性偏误带来的内生性问题(见表3)。

由表4结果可以看出,所有匹配变量标准偏差绝对值在匹配后均小于10%,说明本文选取的匹配变量和匹配方法较为合理。同时,匹配后t统计量几乎不显著,说明匹配变量在处理组和对照组之间不存在显著差异,匹配后能够保证样本处理的随机性。

匹配完处理组和对照组后,使用DID方法对匹配好的样本进行回归分析,结果如表5所示。其中,核心解释变量iiot估计系数显著为正,说明加入工业互联网对制造企业创新绩效具有显著正向影响。

表2 工业互联网影响制造企业创新绩效的DID回归结果Tab.2 DID regression results on the industrial internet on innovation performance of manufacturing enterprises

表3 加入工业互联网的制造企业创新绩效平均处理效应Tab.3 Average treatment effect of innovation performance of manufacturing enterprises joining the industrial internet

表4 平衡性检验结果Tab.4 Balance test results

表5 PSM-DID回归结果Tab.5 PSM-DID regression results

4.2.2 更换被解释变量

将被解释变量由专利申请数量改为专利授权量(zlsql)进行检验,基准回归结果如表6所示,iiot系数依然显著为正,表明工业互联网能够促进制造企业创新绩效提升,且表6中的系数值比系数绝对值大,说明工业互联网对制造企业获得专利数量的增长效应更强,主要表现在专利产出上。

4.3 异质性分析

4.3.1 基于独立创新与合作创新的异质性分析

表7第(1)(2)(3)(4)列分别为加入工业互联网影响制造企业独立申请专利总数量(dlsqzl)、独立申请发明专利数量(dlsqfm)、独立申请实用新型专利数量(dlsqsy)及独立申请外观专利数量(dlsqwg)的回归结果。由表7结果可知,加入工业互联网能够显著增加制造企业独立申请的专利数量并促进企业创新绩效提升。表7第(5)(6)(7)(8)列为加入工业互联网对制造企业开放式创新模式下联合申请专利总数(lhsqzl)、联合申请发明专利数量(lhsqfm)、联合申请实用新型专利数量(lhsqsy)及联合申请外观设计专利数量(lhsqwg)的影响结果,可见工业互联网对制造企业开放式创新模式下的创新绩效具有显著促进作用,其中对联合申请发明专利数量的影响系数显著为正,但对联合申请实用新型专利数量和外观设计专利数量的影响不显著。

表6 更换被解释变量的DID回归结果Tab.1 DID regression results of replacing the dependent variable

表7 工业互联网对制造企业独立创新与合作创新的影响Tab.7 Impact of industrial internet on independent and collaborative innovation of manufacturing enterprises

4.3.2 基于不同所有权性质的异质性分析

将研究样本划分为国有企业(owned)和非国有企业(noowned)两类,回归结果如表8第(1)(2)列所示。从中可见,工业互联网对不同性质制造企业创新绩效的作用效果存在显著差异,加入工业互联网对国有制造企业和非国有制造企业创新绩效具有显著促进作用,但对国有制造企业创新绩效的促进作用更强。原因在于,融资约束是制约非国有企业创新活动的主要因素,而国有企业比非国有企业更具融资优势,所受制约较少,因此工业互联网对国有企业的带动作用更大。

4.3.3 基于不同类型企业的异质性分析

将样本企业划分为劳动密集型(laodong)、资本密集型(ziben)和技术密集型(jishu)三类进行回归分析,结果如表8第(3)(4)(5)列所示。从中可见,工业互联网对不同类型制造企业创新绩效的作用效果存在显著差异,加入工业互联网对技术密集型和资本密集型制造企业创新绩效具有显著促进作用,对劳动密集型制造企业创新绩效无显著影响。原因在于:技术密集型制造企业拥有较多研发设计、专利等无形资产,为企业加入工业互联网开展创新活动提供了较好的技术支撑;资本密集型制造企业有形资产比较丰富,在加入工业互联网后能将有形资产转化为资金投入,从而满足持续性创新需要。但对于劳动密集型制造企业而言,创新活动相对有限,数字化技术、智能化技术应用较少,加之自身属性限制,现阶段加入工业互联网规模不大,因此未充分享受工业互联网带来的创新红利。

4.3.4 基于不同产权保护力度的异质性分析

由于专利申请受到知识产权保护的影响,故参照吴超鹏和唐菂[29]的做法,用专利未被侵权率即“1减去专利被侵权率”衡量制造企业所在地区知识产权保护力度,指标值越大表示知识产权保护力度越高。其中,专利被侵权率为专利侵权纠纷案件数除以该省份截至当年累计授权专利数,专利侵权纠纷案件数与各省份累计授权专利数数据来自2016—2020年《中国知识产权年鉴》。计算各省份专利未被侵权率后求均值,高于均值的省份为知识产权保护力度较高省份,知识产权保护力度虚拟变量(zscqbhldg)取值为1;反之,低于均值则为知识产权保护力度较低省份,虚拟变量(zscqbhldd)取值为0。

表8第(6)(7)列为知识产权保护力度不同地区制造企业的回归结果。从中可见,工业互联网能显著促进制造企业创新绩效提升,但在知识产权保护力度高的地区,影响系数绝对值小于知识产权保护力度低的地区。这是因为,当制造企业处于知识产权保护力度较低地区时,专利发明被抄袭、剽窃的可能性更大,不利于制造企业形成核心竞争力,企业从中获益大大减少,致使企业创新意愿下降。而当制造企业处于知识产权保护力度较高的创新环境中时,法律会严厉惩戒和制裁其它企业的知识产权侵权行为,保护企业发明专利,为企业创新塑造公平正义的创新环境,使企业享受创新带来的应有收益,从而激发企业创新意愿,促进企业创新绩效提升。此外,在工业互联网时代,越来越多的企业已经意识到数据成为最新、最有潜力的要素,利用数据进行创新更加普遍,但目前相关数据产权保护法律法规还需要完善,立法部门亟需加大知识产权保护力度,为企业研发创新保驾护航。

表8 异质性分析结果Tab.8 Heterogeneity analysis results

4.4 进一步机制分析

4.4.1 中介效应分析

为验证假设H2,参考黎文婧和郑曼妮[31]的研究,本文构建如下中介效应模型:

zsqzli,t=α11+α12iioti,t+α13Controli,t+γi+δt+εi,t

(2)

zjbli,t=α21+α22iioti,t+α23Controli,t+γi+δt+εi,t

(3)

zsqzli,t=α31+α32iioti,t+α33zjbli,t+α34Controli,t+γi+δt+εi,t

(4)

公式(2)(3)(4)中,zsqzli,t表示i企业t年度的创新绩效;iioti,t表示是否为工业互联网的虚拟变量;zjbli,t为中介变量,分别代表制造企业知识吸收能力(zsxsnli,t)、供应商集中度(gsjzdi,t)、融资约束(rzysi,t)、风险承担水平(riski,t);Controli,t为控制变量,其含义及测度与公式(1)相同。

(1)基于知识吸收能力的中介效应分析。根据前文理论分析,结合陈光华等[32]的方法,采用企业研发强度即研发投入与产品销售收入之比度量企业知识吸收能力。表9前3列结果显示知识吸收能力对工业互联网赋能制造企业创新起中介作用,中介效应系数为0.045,在10%水平上显著;工业互联网系数在1%水平上显著为正,说明知识吸收能力对工业互联网促进制造企业创新绩效提升起部分中介作用,H2a得以验证。

(2)基于供应商集中度的中介效应分析。表9第(4)(5)列结果表明,工业互联网能够提高供应商集中度从而削弱对制造企业创新绩效的促进作用。原因可能在于:现阶段制造企业加入工业互联网的规模有限,当加入工业互联网供应链上下游企业数量不多时,考虑到交易成本,供应商越集中,制造企业合作关系越稳定,越有意愿进行信息共享,进而能够降低信息搜寻成本和交易成本,促进合作创新。为节约成本、提高效率,已经加入工业互联网的制造企业更倾向于从平台上选择相应供应商,以便高效获取交易资源,这就使得加入工业互联网的供需企业之间的资源交换越来越频繁,供需双方之间可以充分进行信息交流,买方不再局限于地理上集中的供应商,而是可以借助工业互联网“货比三家”,作出最优供应商选择,从而保证企业从更多供应商处获取资源,进而减轻“断供风险”。

表9 中介效应检验结果Tab.9 Test results of mediating effect

(3)基于融资约束的中介效应分析。中介变量融资约束采用SA指数度量,指数值越大表明融资约束越高[27]。表9第(6)(7)列结果显示,工业互联网能够显著缓解制造企业融资约束,中介效应系数为-2.315,在1%水平上显著,说明工业互联网能够降低制造企业融资约束进而促进企业创新,H2c得以验证。

(4)基于风险承担水平的中介效应分析。本文参考何瑛等[33]的做法,选取企业在观测时段内的Roa波动程度度量企业风险承担水平,盈余波动性越大,说明企业风险承担水平越高。其中,Roa用息税前利润除以年末总资产计算,参考John等[34]的做法,得到risk1和risk2两个指标。表10列示了风险承担水平对工业互联网与制造企业创新绩效关系的中介作用检验结果,可见风险承担水平risk1与risk2的系数均显著为正,说明企业风险承担水平在工业互联网促进制造企业创新绩效提升过程中起部分中介效应,H2d得以验证。

4.4.2 基于市场化水平的调节效应分析

为检验H2e,本文以市场化水平为调节变量,选取企业注册地所在省份市场化指数进行测度。由表10第5列结果可知,工业互联网与市场化水平交互项(iiot×market)系数显著为负,表明市场化水平对工业互联网影响制造企业创新绩效具有负向调节作用。地区市场化水平越高,市场竞争越激烈,为塑造核心竞争力,制造企业越会自发进行创新以获取更多市场占有率。在这种情况下,虽然工业互联网可以赋能制造企业创新绩效提升,但由于制造企业自身已具备较强的创新能力,使得工业互联网的赋能效果弱于市场化程度较低地区。相反,当市场化水平较低时,资源要素配置本身不够完善,制造企业获取创新资源相对于市场化水平高的地区更有难度。此时,制造企业借助工业互联网万物互联互通特性能够实现更高效的资源配置,解决企业创新面临的绊脚石问题,赋能效果更好。

5 结论与启示

5.1 研究结论

本文以2016—2021年中国制造企业上市公司微观数据为研究样本,构建计量模型实证检验工业互联网对制造企业创新绩效的影响机制,得出如下结论:

(1)工业互联网通过增强企业知识吸收能力、缓解企业融资约束、提高企业风险承担能力等作用路径促进企业创新绩效提升。受当前工业互联网发展规模限制,出于降低成本和资源获取的考虑,被迫的供应商地理集中度提高会导致工业互联网对创新绩效的提升效果大大减弱。制造企业所在省份市场化水平是调节工业企业互联网赋能创新绩效的重要情境因素,市场化水平越高,工业互联网对创新绩效的提升作用越有限。

(2)工业互联网对我国制造企业创新绩效的提升作用具有异质性:①加入工业互联网能够增加制造企业独立申请专利数量,对独立创新模式下专利产出的促进作用显著,在开放式创新模式下则能够提高联合申请发明数量,对实用新型专利数量和外观设计专利数量没有显著影响;②工业互联网对国有企业创新绩效的提升作用强于非国有企业;③工业互联网对不同类型制造企业创新绩效的作用效果存在差异,表现为对资本和技术密集型制造企业创新绩效具有显著促进作用,对劳动密集型制造企业创新绩效无显著影响;④工业互联网对创新绩效的促进作用在知识产权保护力度高的地区强于知识产权保护力度低的地区。

表10 风险承担水平中介效应与市场化水平调节效应检验结果Tab.10 Test results of mediating effect of assumption of risk level and moderating effect of marketization level

5.2 实践启示

(1)政府需要塑造完善、公平的外部环境。首先,在帮扶企业实施工业互联网发展之前,先要评估工业互联网在不同区域制造企业的应用规模,结合不同区域制造企业发展水平,“因地制宜”“因企制宜”拨付扶持专项资金,区别在不同条件和实际情况下的投入力度,合理分配专项财政资金为制造企业升级蓄力。其次,为制造企业创新发展提供各种资源。在金融支撑上,帮助企业分担工业互联网实施风险,完善风险承担机制;在技术条件上,由政府牵头制造企业展开创新合作,或者由政府为制造企业提供技术支持;在人才需求上,培育和引进当前市场紧缺的数字应用型人才和高端技术人才,培养新兴产业需求人才,为复合型人才供给奠定基础。再次,在法律法规建设方面,随着数据要素应用场景的不断扩大,应充分重视知识产权尤其是数据产权法律法规的订立和完善,促进数字经济发展。

(2)企业要以工业互联网赋能机制为依据,借助工业互联网提升自身能力、破解相关困境,及时实现数智转型,避免被低端锁定从而淘汰出局。首先,除必要研发投入外,要引导企业提高自身知识吸收能力,及时对创新成果进行评估;其次,依托工业互联网的网络性,引导企业做好内部沟通协调,加强与外部创新主体的合作,包括合作企业、研究机构、高校以及供应端、客户端等,相互之间应尽可能地共享创新资源,提升创新效率,促进创新成果产出与转化应用;最后,合理控制供应商集中度,既要适机选择匹配度高的数智化转型企业,也要避免因供应商过度集中而使自身处于议价能力劣势的窘境。

5.3 不足与展望

本文存在以下局限性:第一,囿于数据不可得且未有统一的权威指标,采用专利申请量对制造企业创新绩效进行测量,测量方法存在一定不足。虽然使用替换被解释变量的方法进行稳健性检验,但创新绩效还包括人力和资本投入、创新收益等方面,因此未来应通过问卷调研、企业走访等方式进一步收集制造企业创新活动相关数据,选取创新产品销售值或产值作为衡量指标,以使研究结论更加准确。第二,仅对劳动、资本、技术密集型3类制造企业进行初步异质性检验,未区分能源、电子、轻纺工业等具体制造业企业,由于不同制造行业工业互联网赋能创新绩效的作用效果可能存在较大差异,因此未来可具体细分制造行业对工业互联网赋能效应进行深入研究。第三,由于工业互联网应用处于起步阶段,相关数据尚不充分,未来应结合更多数据作更深入系统的探讨。