制造業智能化水平測度及其對企業投資效率影響的研究

曾玲玲 肖雅南

（武漢理工大學經濟學院，武漢 430070）

引 言

“智能制造”是我國實現中國制造2025國家戰略的重要前進方向，2021年12月，工信部、發改委、科技部等八部委聯合發布的 《“十四五”智能制造發展規劃》提出，70%的規模以上制造業企業基本實現數字化網絡化，并實現智能制造裝備和工業軟件市場滿足率分別超過70%和50%。

“智能制造”對應的英文解釋有兩個，“Smart Manufacture” 和 “Intelligent Manufacture”，雖然前者提出的更早，但目前更多使用后者［1］。關于制造業智能化測度方面的研究，目前的學者們主要先構造指標評價體系，然后進一步進行量化測度。如李廉水等 （2019）［2］通過軟件應用層、智能基礎層和市場實踐層來共同衡量中國制造業智能化水平。在企業投資效率方面，Myers和 Msjluf （1977）［3］最早對企業非效率投資進行了界定，指出過度投資即投資項目呈現負凈現值時，企業仍堅持執行對該項目進行投資的決策；投資不足即企業對投資項目為正凈現值時卻放棄對該項目的投資機會。有些學者從微觀角度分析企業投資效率的影響因素，李昊楠和郭彥男 （2021）［4］研究發現，委托代理問題的存在會造成利潤上交后，代理人作出更冒險的決策，進而造成國有企業過度投資問題加劇。閏珍麗等 （2021）［5］研究發現，高管兼任會引起企業投資效率的降低。沈菊琴 （2019）［6］指出，在信息不對稱沖突下通常更容易導致道德風險問題。苑澤明等 （2018）［7］認為管理者的過度自信偏好會造成對潛在風險傾向的忽視，出現過度投資行為的發生。除此之外，也有一些學者從法制環境、宏觀政策、市場水平等外部環境因素著手展開研究。萬良勇 （2013）［8］通過研究發現法治有利于提高上市企業投資效率。Wurgler（2000）［9］指出提升金融發展水平對幫助治理企業內部的代理問題有幫助，同時也能緩解企業投資者與企業的信息不對稱，進而提高資本配置效率。張前程 （2014）［10］發現，基準利率對企業投資具有顯著的負向影響，而且對非國有企業尤其是民營企業和市場程度低的地區負面影響更大。

通過對國內外相關研究成果的梳理發現，關于智能化水平的相關研究，宏觀層面（國家、省市級）研究比較多，對于微觀層面相對較少。在智能化水平的測度方面，對研究樣本的選擇也有差別。與此相反，關于企業投資效率的研究起步較早，且研究內容豐富多樣，對企業非效率投資行為影響因素的探討，主要還是從微觀角度進行，基于宏觀角度對企業非效率投資行為影響進行的研究相對來說不多。目前我國正處于轉型升級時期，在 “智能制造”、“工業4.0”等大背景下，將智能化水平引入企業投資效率影響因素的研究框架中，能進一步補充現有研究，不僅加深本人對于二者的認識，也能為政府和企業提供一些相關的決策依據。

1 理論分析與研究假設

1.1 智能化水平的理論分析

在經濟大蕭條之后，西方政府開始意識到單單靠市場來進行經濟運行是不夠的，自此之后凱恩斯主義學派開始盛行，他們提出了政府干預理論，認為在經濟蕭條的大背景下，適當的政府干預是十分有利的。權變理論是在經驗主義學派的理論基礎上發展而成，該理論從企業管理活動出發，認為企業的管理活動是動態變化的，企業的主要目標是獲取市場利潤和份額，因此會根據實際的內外部情況進行相應的管理與改革。企業資源理論認為公司在市場中的價值重點在于其所提供的產品與服務，并且在西方經濟學理論市場分類中也可以顯然看出，其如果要在激烈的市場競爭中占據一席之地，關鍵要素需要具有不可替代性。理性經濟人假設對于企業而言也具有解釋性，企業想要獲得利潤最大化，那么就需要合理地利用所得到的信息，對資源進行合理的配置與利用，創造出更大的收益與市場影響力。核心競爭力理論認為公司如果具有獨特的核心產品或知識技能會使其具有長期的競爭優勢，它也是企業更具有生命力的體現。

1.2 企業投資效率的理論分析

信息不對稱理論認為在企業之中內外信息存在著不對等，企業內部人員必然比外部人員了解的信息量更多，而且在現代企業的發展進程中，所有權和控制權的分離也加劇了信息不對稱的情況，在企業管理中容易出現逆向選擇和道德風險等問題。信號傳遞理論認為，具有信息優勢的一方如果主動將信息傳遞給信息劣勢方，那么將顯著提升市場的信息效率，緩解之前雙方信息不對稱的問題。委托代理理論核心是研究兩權分離之后的企業代理問題，產生的原因是由于代理的一方或者大股東可能會為了自身的利益去損害其他小股東的正當權益，并進一步影響企業投資效率。公司治理的目的是通過建立相關的機制，去調節各方的利益沖突，進而使企業價值最大化。

1.3 智能化水平影響企業投資效率的機理分析

（1）智能化水平對企業投資效率的直接影響。由前文的理論分析可知，智能化轉型將顯著提升制造業企業的核心競爭力和資源利用效率，提升企業的價值以及影響力。在前人的研究層面，將企業的智能化轉型分為3個層次：基礎層、應用層和市場層，并據此測算出智能化水平。在智能化發展的進程中，制造業企業避免不了會加大投入力度，或是資金層面或是人才方面，這些都是企業投資效率的重要影響因素。在此依據前文的陳述，提出如下假設：

H1：智能化水平對企業投資效率具有顯著正向影響。

H1a：智能化水平對投資過度影響不顯著。

H1b：智能化水平能有效緩解投資不足。

（2）時間效應下智能化水平對企業投資的影響。已有前人研究表明，技術進步、工業化、數字化、研發投入等對于微觀企業而言，產生的影響不僅僅是短期的，在之后的一段時間內都會產生持續性的影響。提出假設如下：

H2：智能化水平對企業非效率投資影響具有滯后效應。

H2a：滯后效應能加強回歸結果的顯著性。

（3）融資約束、智能化水平與企業投資效率。智能化發展水平越高的企業，同時也能擁有更充足的資源，融資約束降低，緩解企業的非效率投資，由此提出假設如下：

H3：融資約束會在智能化水平對企業投資效率的影響中起到調節作用。

H3a：融資約束對企業投資過度產生負向影響。

（4）區域分布、智能化水平與企業投資效率。智能化水平在不同區域、不同市場化水平的地區，差距是非常明顯的，據此提出如下假設：

H4：智能化水平對企業投資效率的影響在區域分布上具有顯著異質性。

H4a：在東部地區，智能化水平對企業投資效率具有顯著正向影響。

H4b：在中部地區，智能化水平對企業投資效率具有顯著正向影響。

H4c：在西部地區和東北地區，智能化水平對企業投資效率的影響不顯著。

（5）所有權性質、智能化水平與企業投資效率。在前人的分析中可以看出，企業投資效率的影響因素研究中，絕大部分的微觀企業實證中都存在著產權異質性，由此提出如下假設：

H5：智能化水平對企業投資效率的影響在所有權性質方面有顯著異質性。

H5a：智能化水平對企業投資效率的影響在國有企業更為顯著正向。

H5b：智能化水平對企業投資效率的影響在非國有企業為正向但是結果不顯著。

2 制造業企業智能化水平與企業投資效率的測度及統計分析

2.1 制造業企業智能化水平的測度與統計分析

2.1.1 樣本選擇與范圍

本文通過智能制造試點示范項目企業4年共305個試點項目及企業名單，從多視角層面構建制造型企業智能化發展水平評價指標體系，以智能制造上市企業為研究對象，評價分析制造業上市企業智能化發展狀況。工業和信息化部決定2015年開始實施 “智能制造試點示范專項行動”，所以研究年限定為2015～2020年，在數據收集過程中，有159家試點上市企業，但部分企業數據缺失或退市，因此剔除這類企業的樣本數據，最后的樣本企業共105家。數據主要來源于Wind數據庫、國泰安數據庫。需要說明的是，本文中2020年的樣本數據未因新冠肺炎疫情的影響而出現極端值。

2.1.2 制造業企業智能化水平的指標體系構建

制造業企業的智能化發展，一般首先需要有一定的智能化發展基礎，在此基礎上進一步的實現技術方面的智能化突破；智能化的應用也是制造業企業智能化進程中的重要方面；智能化對于企業和社會而言所創造的價值也是智能化水平評價體系的重要一環。根據上述邏輯，本節采用3個層次來建立智能化水平評價體系，制造業企業智能化水平評價指標體系如表1所示。

表1 制造業企業智能化水平測度指標體系

2.1.3 制造業企業智能化水平測度方法選擇

對制造業企業智能化水平的測度是否科學合理，關鍵在于選取合適的統計方法計算指標權重。目前學者們選擇計算指標權重的方法主要有熵值法、TOPSIS、因子分析法、層次分析法等，但在本節的指標評價中為了避免主觀因素，使評價結果更加客觀，本文選用熵值法計算各三級指標的權重，對制造業企業智能化水平進行評價。

2.1.4 制造業企業智能化水平測度結果分析

根據前文熵值法的計算步驟測得了105家上市企業2015～2020年的企業智能化水平綜合評分，為了能夠觀察出105家智能制造示范上市企業的智能化水平總體、區域和行業分布特征，本文將上市企業按所屬行業和經濟區域進行劃分。

（1）制造業企業智能化總體水平。如圖1所示，智能制造試點企業智能化基礎層水平波動幅度不大，由2015年的1.246上升為1.376；智能化應用層水平逐年提高，由2015年的2.812上升為2020年的3.842，并且有繼續上升的趨勢；智能化應用層水平發展不明顯，這在一定程度上也影響了智能化總體指標水平；智能化總體水平波動上升。

圖1 2015～2020年制造業企業智能化水平發展狀況

（2）制造業企業智能化各指標權重。制造業企業智能化各指標權重分布不均，一級指標權重占比最大的是智能化基礎層，智能化應用層和智能化市場層與其差距大，權重分別為65%、27%和8%。二級指標和三級指標體系中權重占比最大，影響最大的指標是制造業R＆D人員比重，權重為0.5889，所以制造業企業應繼續加大人才投入力度。影響權重排第二的是無形資產應用，權重為0.1063，決定制造業企業智能化水平核心競爭力的因素已不僅取決于有形資產，無形資產的重要作用正逐步加大。

（3）制造業企業智能化總體水平區域發展評價。從圖2可以看出，從2015～2020年整體水平來看東部區域以絕對優勢處于區域發展前列，其次是中部地區和西部地區，東北地區發展最慢。東部地區智能化水平最高，并且與中、西部地區之間的差距不斷加大；中部地區由于其地緣優勢，因而承接了東部地區制造業部分產業的轉移，取得了較快的發展。西部地區和東北地區智能化的各方面均落后于東、中部地區，發展緩慢。

圖2 2015～2020年區域制造業企業智能化總體水平

（4）制造業企業智能化水平行業發展評價。從圖3中可以明顯看出7類制造業細分重點關注行業的智能化水平發展極不均衡。專用設備制造業、通用設備制造業和醫藥制造業發展處于第一級階梯，通用制造業在2019年開始趕超專用設備制造業，總體智能化水平超過1.6，并且2020年也繼續處于7類制造業行業首位。計算機、通信和其他電子設備制造業、電氣機械和器材制造業以及汽車制造業處于第二級階梯，并且智能化發展水平差距不大，計算機、通信和其他電子設備制造業在2020年趕超汽車制造業，電氣機械和器材制造業從2018年開始智能化發展水平增速放緩并呈現出下降趨勢，汽車制造業在2015～2020年智能化發展水平緩慢上升，但增速并不明顯。化學原料和化學制品制造業智能化發展水平處于第三級階梯，并且在2015～2020年區別不大。

圖3 2015～2020年7類制造業細分重點行業智能化水平發展比較

2.2 制造業企業投資效率的測度與統計分析

2.2.1 制造業企業投資效率測度方法的選擇

國內外很多學者根據影響企業投資行為的不同因素去考慮，建立了很多企業投資效率的計量模型。本文在Richardson模型基礎上根據具體情況進行修正，修正后的制造業企業投資效率模型如模型 （1）所示。

2.2.2 制造業企業投資效率指標體系構建

本文計算制造業企業投資效率的變量來自CSMAR數據庫，具體變量明細如表2所示。

表2 制造業企業投資效率測度體系

在本文中，參考前人的研究做法，將企業非預期支出（INV）分成兩部分：投資過度（o＿INV）和投資不足（u＿INV）。企業非預期支出用模型中回歸得到的殘差值的絕對值來進行衡量，其中殘差值中小于0的部分為投資過度；殘差值中大于0的部分為投資不足。投資過度和投資不足在后期的模型中同樣用絕對值來進行衡量。

2.2.3 制造業企業投資效率測度結果分析

（1）模型共線性診斷。從表3中可以明顯看出，本模型中的變量VIF值都小于10，且大部分的VIF值都處于2以下，VIF均值為1.97，VIF最大值為3.11，最小值為1.17。由共線性診斷結果可得出本模型不存在多重共線性問題，模型構建比較好。

表3 制造業企業投資效率主要變量的共線性診斷結果

（2）模型回歸。根據表4可以看出，模型的擬合優度為0.328，可以接受，說明模型用來估計AIE的可信度較高。

表4 制造業企業投資效率回歸結果

（3）模型結果。根據式 （1）得出的回歸殘差結果，描述性統計如表5所示，投資過度與投資不足的樣本數量比較平均，投資不足的樣本數量偏高少許，同時二者之間的均值也相差不大，智能制造樣本企業非預期支出方面的均值和中位數比較相同，它們之間的差距不大。

表5 制造業企業投資效率模型回歸描述性統計結果

由表6可以看出，絕大部分的智能制造試點樣本企業處于東部地區，且從數量上來說較多為投資過度。在另外3個地區總體樣本均值較為平均，中部和西部地區更多為投資不足，細分樣本占比分別為66.67%和62.22%，東北地區樣本全部為投資過度。表6中大多數智能制造試點樣本企業為國有企業，國有與非國有企業之間企業投資效率情況都比較類似和平均。

表6 制造業企業投資效率在不同區域和所有權性質的分布情況

3 實證研究設計與結果分析

3.1 模型構建

3.1.1 面板模型

依據第二部分所提及的理論和機理分析，并借鑒前期相關專家和學者的模型構造思路，依據實際的變量間影響關系，來構建以企業非預期支出為被解釋變量，以制造業企業智能化水平為核心解釋變量，同時包括其他重要控制變量的綜合計量模型 （2） 和模型 （3）：

其中：企業非預期支出為被解釋變量，智能化水平為核心解釋變量，Controlsi，t代表模型中所有的控制變量，區域（Area）、行業（Ind）、年份（Year）、所有權性質（OP）等皆為虛擬變量。在模型 （2）中，主要關注的相關系數是b1，通過它的符號、大小以及顯著性來判斷智能化水平對企業非預期支出的正負向關系、影響程度以及顯著性。若b1顯著為負數，那么前文中的假設1成立，說明智能化水平對企業非預期支出確實有影響，并且智能化水平的提高確實會減少企業非效率投資；若b1顯著為正數，那么H1不成立，說明智能化水平會降低企業投資效率水平。

在模型 （3）中，進一步將企業非預期支出分為投資過度和投資不足兩個部分，深入地研究智能化水平對兩個變量的影響程度以及區別。當被解釋變量為投資過度時，若c1系數顯著為負數，說明智能化水平與企業投資過度之間存在負相關關系，并且智能化水平越高對投資過度有抑制作用，那么H1－1成立；當被解釋變量為投資不足時，若c1系數顯著為負數，說明智能化水平與企業投資不足之間存在負相關關系，并且智能化水平越高對投資不足的抑制作用越大，那么H1－2成立；若兩種情況下c1系數為正數，說明智能化水平對企業投資過度和企業投資不足之間不存在緩解作用，那么前文中的H1－1和H1－2均不成立。

3.1.2 變量定義

根據相關專家和學者的研究結果可以看出，企業的投資效率受到多個因素的影響。在本文中為了控制這些因素對所研究問題的影響，在參考前文所提到的研究的基礎上，將企業自由現金流、兩權分離率、獨立董事占比、第一大股東持股比率、總資產凈利潤率和企業成立年齡作為控制變量，用來剔除其他因素對投資效率的影響。本文的實證分析變量主要說明情況見表7。

表7 實證研究主要變量的主要變量說明

3.2 多元回歸分析

3.2.1 共線性檢驗

本文采用方差膨脹因子方法（VIF）來檢驗實證研究的變量之間是否存在多重共線性問題（結果表略），可以發現各變量VIF值均小于10，且得出的數據全部在1附近，這明顯可以看出變量之間的多重共線性影響較小，能夠進一步進行模型的下一步回歸。

3.2.2 OLS回歸分析

表8中報告了對模型 （2）和 （3）的回歸結果。列 （2）回歸結果表明智能化水平與企業非效率投資的回歸系數在10%的水平上顯著為負，這表明智能化水平能抑制企業非效率投資的情況，有助于提升企業投資效率，H1成立。列 （3）表明智能化水平與投資過度之間存在負相關關系，H1a成立。列 （4）表明智能化水平與投資不足之間的相關系數在10%的水平上顯著為負，說明智能化水平的提升能有效緩解投資不足的情況，H1b成立。

表8 實證研究OLS回歸分析結果

3.2.3 滯后效應

由滯后效應回歸分析結果（表略）可知，滯后1期和2期的回歸結果。兩次回歸的結果分別在10%和5%的水平上顯著為負，且顯著性進一步加強，H2和H2a成立。

3.2.4 調節效應分析

本文選取指標SA指數來刻畫融資約束大小，由SA調節效應回歸分析結果（表略）可知，回歸結果系數的顯著性都得到了加強，H3成立。投資過度的回歸系數在1%的水平上顯著為負數且絕對值增大，證明融資約束的調節效應顯著，H3a成立。

3.3 異質性分析

3.3.1 區域分布

由于地理因素制約、政策落實程度、政府監管水平、當地的法律法規完善程度等的差別，國內各個地區市場之間存在顯著的差異性。表9中，在東部地區回歸結果都為負值，且分別在1%、10%和5%的水平上顯著，H4a成立。并且在東部地區，智能化水平對投資不足的抑制作用更大。在中部地區，智能化水平對企業非效率投資和投資不足的回歸結果都在1%的水平上顯著，證明H4b成立，在投資過度方面，回歸系數為負但不顯著。在西部地區和東北地區，智能化水平對企業非效率投資和投資不足的回歸結果都為正值，H4c成立。

表9 不同區域位置下OLS回歸分析結果

3.3.2 所有權性質

由表10的回歸結果可以明顯看出產權性質確實會對本文探討的重點對象產生明顯的區別，H5成立。當樣本企業為國有企業時，智能化水平對企業非效率投資和投資過度的回歸結果顯著為負，H5a成立。非國有企業回歸結果的相關系數全部為負但并不顯著，H5b成立。

表10 不同所有權性質下OLS回歸分析結果

3.4 穩健性檢驗

為了保證實證結果的穩健性和可參考性，本文進行了一系列穩健性檢驗（結果表略）。本文將主要的解釋變量智能化水平進行替換，具體操作為當智能化水平大于其中位數時，將其賦值為1；當小于其中位數時，賦值為0。

3.4.1 回歸結果的穩健性檢驗

結果顯示，回歸系數的顯著性得到了明顯提高，顯著性水平上升到1%，支持前文的回歸結果。制造業企業提高自身的智能化水平能有效促進企業投資效率，同時也驗證了智能化水平能提高企業投資效率，研究結論仍然成立。

3.4.2 異質性分析的穩健性檢驗

（1）分區域穩健性檢驗。相較于前文的回歸結果，本次的穩健性檢驗回歸系數的顯著性保持在原有水平，但是回歸系數的影響程度降低了。這說明，對整體樣本而言，在東部地區，智能化水平仍然與企業非效率投資之間存在顯著的負相關關系，支持前文的回歸結果。在中部區域，智能化水平仍然與企業非效率投資之間存在顯著的正相關關系。西部和東北地區的相關系數為正，數值不大，但都支持前文的回歸結果。

（2）所有權穩健性檢驗。與前文的回歸結果相比，本次的穩健性檢驗回歸系數的顯著性得到了提高，且回歸系數的影響程度與上述兩次的穩健性同樣降低了。這說明，對整體樣本而言，國有企業智能化水平仍然與企業非效率投資之間存在顯著的負相關關系，支持前文的回歸結果。對于非國有企業，智能化水平仍然與企業非效率投資之間存在負相關關系，所以支持前文的回歸結果。

4 結論及啟示

4.1 主要結論

本文以2015～2020年105家智能制造試點示范項目上市公司為研究對象，從企業角度構建智能化水平測度指標體系，并運用熵值法進行具體測算；接著采用殘差測算企業投資效率；最后通過混合OLS模型、滯后效應模型以及調節效應模型對智能化水平與企業投資效率的關系進行分析，得出以下結論：（1）2015～2020年我國智能制造試點樣本企業的智能化水平總體呈現出不斷上升態勢，人才隊伍建設對制造業企業智能化水平的影響非常顯著。從區域制造業智能化總體水平來看，東部地區以絕對優勢處于區域發展前列，其次是中部地區，西部地區和東北地區發展最慢；（2）從年份來看，我國智能制造試點樣本企業的非預期支出不斷提高，投資過度處于增長態勢，相反，投資不足基本在逐年下降。從區域位置來看，絕大部分的智能制造試點樣本企業處于東部地區，從數量上來說東部地區和東北地區更多為投資過度；中部企業非預期支出比西部地區更高，且二者皆存在投資不足的情況；從所有權性質來看，國有企業和非國有企業在這一層面上區別并不是非常明顯；（3）智能化水平有助于提升企業投資效率；智能化水平在一定情況下能有效防止投資過度的問題；智能化水平的提升能有效緩解投資不足的情況。在東部地區，智能化水平對企業非效率投資有明顯的負相關關系；在中部地區，智能化水平對投資不足的影響程度更大；在西部地區和東北地區，制造業企業的非效率投資情況會隨著智能化水平的提高而加劇。當企業為國有企業時，智能化水平確實對企業非效率投資和投資過度有抑制作用；非國有制造業試點企業的智能化水平能提高企業的投資效率。

4.2 政策建議

對于政府而言：（1）促進制造業企業智能化轉型。政府應該做好智能化改造的輿論導向，使制造業企業認識到智能化對其的深遠意義； （2）提高企業自主創新能力發展。政府部門也應對這類制造業企業給予一定的補貼以及技術上的支持，促進企業在智能化轉型的進程中不掉隊；（3）加強人才隊伍建設。人才隊伍建設對制造業企業智能化水平的影響至關重要，作為政府部門，要加強自身創新型人才隊伍建設，根據國家相關重大項目、重大計劃、重點領域，針對性地培養相關的專業性人才，為制造業企業智能化發展持續輸血；也可以加強海外高層次人才引進。

對于企業而言：（1）緊跟國家發展步伐。了解行業前沿科技與最新動態，積極地學習交流；還要努力提高自身智能化水平，主動完善公司治理，促進企業效率的提升，并為市場提供更優質的產品以及服務；（2）加大智能化投入。智能化水平的提高能顯著加強企業投資效率，減少非效率投資。智能化發展對企業的影響也是深遠和持續性的，智能化轉型能顯著緩解企業的融資約束，讓企業有更好的資本去進行下一輪的投資； （3）優化企業治理結構。企業應根據自身的具體情況，建立定制化的公司治理架構，形成高效的決策機制與應變機制，在智能化發展過程中，積極走向前列。