马 永 伟

(中共南京市委党校 经济学教研部，江苏 南京 210046)

一、文献综述及问题的提出

制造业高质量发展是新发展阶段提高制造业供给体系质量，推动国内消费结构升级，应对国际市场竞争的必然要求。倡导和弘扬工匠精神，是推动我国制造业高质量发展的重要战略举措。2016年我国政府工作报告中首次提出“培育精益求精的工匠精神”，工匠精神的价值被高度重视，工匠精神也从行业话语转化为政策话语，成为国家发展战略的重要组成部分。推进中国制造业高质量发展，亟须在制造业发展的各个环节嵌入工匠精神，鼓励制造业企业潜心于技术创新、产品研制和品牌创造，提升“中国制造”的产业品质和国际竞争力。工匠精神是指在特定的生产方式和组织形式下，工匠或劳动者在生产过程中形成的认同、敬畏并专注于所从事行业的职业态度和行为习惯，为技艺改进和生产创新竭尽全力的工作理念和精神。从工匠精神对制造业高质量发展的现实影响来看，现有研究普遍从工匠精神的精益求精、专注坚守和传承创新等三个维度分析其作用于制造业发展的内在机理(1)杨俊青，李欣悦，边洁：《企业工匠精神、知识共享对企业创新绩效的影响》，《经济问题》，2021年第3期。(2)彭维锋：《新时代劳模精神、劳动精神、工匠精神的理论内涵与实践导向》，《江西社会科学》，2021年第5期。。诚然，人类历史中沉淀下来的工匠精神与工匠文化，贯穿于现代化工业制造之中并成为现代化工业制造的灵魂，是制造业高质量发展的深层次诉求。工匠精神不只是代表一种生产理念和精神，更是制造业转型发展的重要影响因素。传承创新的工匠精神为制造技术革新提供了精神动力和制度约束，而创新通过外部因素增强企业竞争优势，成为知识溢出效应的一种机制(3)Acs J.，Employment Growth and Entrepreneurial Activity in Cities，Regional Studies，2004(8).。工匠精神是打造高端制造业品牌，建设制造强国的关键。科技创新、工业基础能力、信息化与工业化整合水平的正向演进，都离不开工匠精神(4)潘竞田：《从时代需求看工匠精神的培育路径》，《国家治理》，2017年第7期。。弘扬工匠精神不但是制造业从速度到效益、从旧动力到新动力更迭转换的内在基础，而且是我国制造业向全球产业价值链中高端攀升，改善产品供给端与需求端不匹配的内生动力(5)张润君：《弘扬工匠精神的时代意义》，《中国社会科学报》，2018年9月13日。。

既有研究表明，多数文献侧重于理性研究和价值判断，实证研究相对较少。部分学者虽然构建了工匠精神与产品质量(6)程虹等：《工匠精神的不足导致产品质量不高：中国企业员工匹配数据调查》，《宏观经济质量》，2016年第4期。、制造业出口竞争力(7)高宁广：《工匠精神对中国制造业出口竞争力的影响分析》，北京邮电大学硕士学位论文，2018年。和企业环境绩效(8)唐国平等：《工匠精神提升了企业环境绩效》，《山西财经大学学报》，2019年第5期。等问题的计量模型，但仅从这些角度观察，存在因变量指标结构单一的问题，无法较为完整、准确地反映工匠精神与制造业高质量发展的数量关系。本文合理构建了工匠精神指数测度指标体系和制造业高质量发展指标体系，更加全面地测度工匠精神与我国制造业高质量发展的内在关联。

二、省域制造业工匠精神指数测度

(一)工匠精神指数测度指标体系构建

根据学界对工匠精神问题的研究，从精益求精、专注坚守和传承创新等三个维度，挖掘工匠精神在制造业高质量发展中的典型社会化表现，构建工匠精神指数测度指标体系，准确和全面地反映不同区域工匠精神的彰显程度。

1．精益求精维度

选取工艺设计、技术改造和行业标准等3个要素指标，利用实用新型专利申请数、外观设计专利申请数、技术改造经费支出和形成国家或行业标准数等数据指标进行指数测算。

2．专注坚守维度

采用专业能力、行业专注度和品牌塑造等3个要素指标，选择职业技术教育经费投入、高技能职业人才培养数量占比、投资增长率占比和商标申请数等制造业数据指标进行指数测算。

3．传承创新维度

选择研发水平、创新投入和创新强度等3个要素指标，利用企业研发机构数量、研发机构高层次创新人才比重、企业R&D经费、R&D人员折合全时当量、政府资金、R&D经费投入强度和有创新活动的企业数量占比等数据指标进行指数测算。

工匠精神指数测度的指标选择，充分考虑工匠精神在现代生产条件下所呈现出来的典型化特征，结合其现实表现和可量化的原则，选择了包括“实用新型专利申请数”在内的15个可测度的数据指标作为评价指标体系的指标层，并将数据指标合成为包括“工艺设计”在内的9个要素指标作为评价指标体系的要素层，在要素指标的基础上合成包括“精益求精”在内的3个准则指标作为评价指标体系的准则层(见表1)。

表1 省域工匠精神指数测度指标体系

(二)数据说明及研究方法

1．数据说明

根据中国省域工匠精神指数测度指标体系中的数据指标，考虑指标数据的可得性，利用2011年至2018年除香港、澳门、台湾、西藏(西藏的制造业行业发展数据缺失严重，不能与工匠精神指数测度指标组成等维度的面板数据)外的30个省域的样本数据，测算我国不同区域工匠精神指数。本文研究数据主要来源于2012年至2019年《中国统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》《中国高科技产业统计年鉴》和2012年至2016年《工业企业科技活动统计年鉴》等。

2．研究方法

本文省域工匠精神指数测度采用客观赋权法——熵值法，该赋权方法是根据各项指标观测值所提供的信息的大小来确定指标权重。熵值法计算步骤如下：

设有m个待评方案，n项评价指标，构成原始指标数据矩阵X=(Xij)m×n，其中，xij为第i个地区第j个指标对应的数值。由于收集的指标体系中的数据指标存在负数，需要对数据做非负化处理。首先对所有指标的熵值进行计算：

(1)将各指标同度量化，第j项指标下第i个方案占该指标的比重Pij

(j=1,2,…，m)

(2)计算第j项指标的熵值ej

(3)计算第j项指标的差异系数gi

gi=1-ei,0≤gi≤1

(4)根据指标计算得出的信息熵，求各数据指标的权重wj

(5)计算各方案综合得分Si

(三)指标权重及工匠精神指数计算结果

1．指标权重计算

全省不动产登记窗口作风问题专项整治工作取得阶段性成效（陈幸德等） ..................................................11-19

根据熵值法的计算原理和步骤，利用指标层数据指标的数值，计算出测度指标体系中各指标的权重值(见表2)。

表2 省域工匠精神指数测度指标权重值

2．工匠精神指数测度

根据测度指标体系中数据指标权重，对指标层数据加权求和，可得要素层指标得分，再计算出准则层指标得分，进而得出工匠精神指数的计算结果。从测算结果来看，2018年全国工匠精神指数均值达到0.4329，相较于2011年增长了7.91%，工匠精神指数总体呈现不断上升的趋势。随着我国制造业高质量发展战略的深入实施，工匠精神在我国制造业发展领域的彰显程度日益深化。但因我国幅员辽阔，省域间经济发展水平差异较大，发达与欠发达地区的工匠精神指数存在较大差距。2018年广东省的工匠精神指数达0.5809，而同期这一数据最低的青海省仅为0.3824，相差0.1985。

三、省域制造业高质量发展评价指标数据测度

(一)制造业高质量发展指标体系构建

根据制造业高质量发展的内在要求，借鉴制造业发展实践的国内外经验，坚持系统性、可比性和数据可测度的原则，从速度效益、产业优化、技术创新、人力资源和绿色发展等5个维度，构建省域制造业高质量发展评价指标体系(见表3)。

表3 省域制造业高质量发展评价指标体系

(二)数据来源和测度方法

研究样本数据的时间范围为2011年至2018年，研究样本区域包括除香港、澳门、台湾和西藏(西藏的制造业行业发展数据缺失严重)以外的30个省(自治区、市)。数据来源于2012年至2019年《中国统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》《中国高科技产业统计年鉴》和2012-2019年《分省(区、市)万元地区生产总值能耗降低率等指标公报》、中经产业研究院数据库、Wind数据库和国家统计局网站等。省域制造业高质量发展指标的权重确定仍采用客观赋权法——熵值法，即根据各项指标观测值所提供的信息的大小来确定指标权重。指标权重确定后，对指标层数据加权求和，可计算准则层得分，进而求得省域制造业高质量发展评价指标的最终得分。

(三)确定权重和测算结果

根据熵值法，利用2011-2018年30个省域的指标数据，确定制造业高质量发展指标层和准则层的权重(见表4)，并计算出省域制造业高质量发展评价指标的最终结果(见表5)。

表4 省域制造业高质量发展评价指标权重值

表5 省域制造业高质量发展评价指标测度结果

四、工匠精神对制造业高质量发展影响的数据检验

(一)Panel-Tobit模型设定

本文利用面板数据(Panel Data)模型计量分析工匠精神与制造业高质量发展之间的关系。同截面数据与时间序列相比，面板数据可以从不同时间和空间多方位反映数据信息，能更好地识别和度量不可发觉的效应，有助于建立和检验更有效的行为模型。面板数据模型可以控制不可观测经济变量导致的最小二乘法估计偏差，比截面数据模型的参数样本估计更准确。相比于时间序列模型，面板数据模型能够通过扩大样本信息，降低经济变量间的共线性，提高估计量的有效性，更为准确地反映现实经济活动。

制造业高质量发展评价指标作为被解释变量，由于其数值为相对得分，取值范围在0-1之间，传统线性回归模型的估计结果可能有偏且不一致，应该选择受限因变量模型(Censored Model)。Tobit模型属于因变量受限模型，可以处理被解释变量有上限、下限或者存在极值特征的问题(9)周华林，李雪松：《模型估计方法与应用》，《经济学动态》，2012年第5期。，能够解决受限或截断因变量模型构建的现实约束。基于上述分析，本文利用审查模型(Tobit)设定面板数据模型为：

其中， Yit为受限因变量，代表制造业高质量发展指标，αi为截距项向量，反映个体差异性，βj为解释变量的参数，εit～(0,σ2)是随机扰动项，i代表省份,t代表年份。

根据本文研究目的和模型约束，变量设置分为解释变量和控制变量。解释变量主要是工匠精神(GJJS)及指标体系中准则层的三个指标，即精益求精(JYQJ)、专注坚守(ZZJS)和传承创新(CCCX)的工匠精神。控制变量是根据理论研究和已有文献的普遍做法，针对性地选取除工匠精神以外的影响制造业高质量发展的其它因素，如生产要素、产业水平和外部环境等。考虑到测度工匠精神的指标体系中，已将部分劳动、资本和技术等生产要素纳入，故不再将生产要素列为控制变量，避免指标重合及估计模型变量的共线性问题。另外，研发投入、外商直接投资、政府支出及产业政策等影响因素的部分指标也已列入工匠精神指数的测度指标体系之中，所以面板数据回归模型的控制变量选择为：其一，消费水平(XFSP)，数据采用社会消费总额除以区域年末总人口数的比值；其二，国际需求(GJXQ)，数据采用出口总额与地区GDP的比值；其三，工业化程度(GYHL)，数据采用工业增加值占地区GDP的比重。

被解释变量为相对得分，解释变量则不宜采用总量指标，应该采用对数和相对数作为解释变量。由于自变量和控制变量中，除消费水平(XFSP)为总量指标外，其它变量均为结构性指标，故直接建立如下对数模型：

Yit=αi+β1GJJSit+β2Ln(XFSPit)+β3GJXQit+β4GYHLit+εit

(1)

Yit=αi+β1JYQJit+β2ZZJSit+β3CCCXit+β4Ln(XFSPit)+β5GJXQit+β6GYHLit+εit

(2)

该模型的被解释变量和解释变量数据在前文中已有测算结果，控制变量数据均来自2012-2019年《中国统计年鉴》，价值指标均剔除物价水平变动的影响，贸易出口数据按当年平均汇率折算。

(二)模型选择与估计方法

面板数据模型可以分为混合估计模型、随机效应模型和固定效应模型，不同估计模型基于截距项αi的不同假定。从时间和截面上看，不同αi之间若都没有显著性差异，则为混合估计模型；而对于不同的截面或时间序列，若模型的截距项αi也不同，则为固定或随机效应模型；如果截距项和解释变量之间不相关，则为随机效应模型。混合估计模型和随机效应模型是Panel-Tobit模型的两种常用形式，选择混合或随机效应模型，可以根据LR(likelihood ratio)检验(似然比检验)的结果进行判断。利用被解释变量和解释变量指标数据对模型(1)和模型(2)进行LR检验：

根据LR检验结果(见表6)，统计量P值均为0.000<0.01，在1%的显著性水平下拒绝不存在个体效应的虚无假设，即拒绝混合估计模型，应该采用随机效应的面板随机Tobit模型。再者，Panel-Tobit模型是因变量受限模型，对受限被解释变量模型进行回归分析，使用最小二乘法(OLS)难以得到一致的估计结果(10)Mcdonald J.Using Least Squares and Tobit in Second Stage DEA Efficiency Analyses，European Journal of Operational Research，2009(2).，而最大似然法(maximum likelihood，ML)则可以得到β和σ的一致估计，所以采用最大似然法进行模型估计，并利用STATA 16.0软件计算参数值。

表6 模型设定检验结果

(三)模型估计结果和分析

根据模型(1)和模型(2)估计数据(见表7)，Wald检验值和对数似然值(两个模型的对数似然值分别为759.458和762.080)都显示模型的整体回归系数显著，并有较好的拟合优度。模型的个体效应标准差σμ和随机干扰项标准差σe数值较小，表明模型个体值相对集中，均数对总体数据有较强的代表性。两个模型控制变量回归系数的显著程度相同，系数的正负值基本接近，表明模型估计结果的稳健性较强，回归结果可信度高。

表7 模型估计结果

从模型(1)的估计结果来看，解释变量工匠精神(GJJS)在1%的水平上通过显著性检验，并且该变量的回归系数(11)由于Tobit模型的回归系数不具有特定的经济含义，必须将系数转化为体现数量效应的边际效应，才能解释自变量与因变量之间的影响效应。因解释变量的系数没有实际的经济意义，故不做分析说明。为正数，说明对我国制造业高质量发展具有积极的正向影响。随着我国制造业发展战略的深入实施，生产要素已经突破了成本、价格和资源优势的约束，工匠精神内在要求的质量、技术和品牌等要素逐渐成为我国制造业发展中的重要内容，为我国制造业高质量发展提供了现实基础。从模型(2)的估计结果来看，专注坚守(ZZJS)和传承创新(CCCX)两个变量都通过了显著性检验，说明对制造业高质量发展存在显著影响；并且两个变量的系数均为正数，表明这两个维度下的工匠精神对制造业高质量发展存在正向效应。弘扬专注坚守和传承创新的工匠精神，有助于强化制造业专业生产能力、提升行业专注度和深耕品牌培育，并对研发机构水平的提升、制造业创新投入的增加、社会创新强度的提高和创新产出的扩大存在正向促进作用，进而对制造业高质量发展产生积极的内在效应。精益求精(JYQJ)变量的估计系数为正数，未通过显著性检验，对制造业高质量发展虽存在正向影响，但影响并不显著。精益求精的工匠精神所追求的工艺设计、技术改造和行业标准，是提升制造业产业附加值和产品质量的重要驱动因素，但相比于技术创新和品牌创建对制造业高质量发展的显著推动作用，呈现出较为弱化的正向效应。在模型(1)和模型(2)的估计结果中，消费水平(XFSP)、国际需求(GJXQ)和工业化水平(GYHL)三个控制变量，无论是显著性还是回归系数正负值，都呈现出了较为一致的结果，这也从侧面表明设定模型的回归结果相当稳健。

五、研究结论与建议

研究结果表明，工匠精神对制造业高质量发展存在显著的正向影响，倡导和弘扬工匠精神是推进我国制造业高质量发展的重要战略举措。特别是专注坚守和传承创新两个维度下的工匠精神对制造业高质量发展有积极的内在效应。发挥工匠精神在我国制造业高质量发展中的积极作用，除了提升制造业产业附加值和产品质量外，关键是培养高质量工匠型人才，提升技术创新能力，加大品牌创建力度，推进我国制造业转型发展。

一是实施技能人才战略，保障制造业人才供给。在国家层面加强谋划和布局，强化技能人才战略实施的顶层设计，以供给侧结构性改革为契机，以精致生产和技术创新为牵引，以工匠精神为动力，实施工匠培育工程，建设支撑中国经济转型和制造业高质量发展的新型技术人才队伍(12)潘晓燕：《实施工匠战略 建设中国完美》，《红旗文稿》，2016年第11期。。进一步健全技能人才培养体系，建立开放、灵活、形式多样的职业教育和培训体系。优化技能人才评价激励环境，构建激发技能人才内在创造潜能的动力机制。二是强化自主创新能力，提升制造业竞争实力。持续深化科技体制改革，优化科技资源过度竞争化的配置方式，摆脱过于行政化的科技评价制度。推进科技资源配置市场化进程，强化企业在科技资源配置中主体地位，发挥多元主体在科技创新中的结构性效能，提高创新主体协同供给效率，建立多元创新主体融合发展的技术创新体系(13)习近平：《决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利》，《人民日报》，2017年10月19日。。进一步加大基础研究领域经费投入，引导企业将更多的创新资源投入基础研究，积极寻求国际协同创新的合作途径，强化我国基础研究和应用基础研究。三是发展智能制造技术，提高制造业智能化水平。进一步强化智能制造发展的顶层设计和规划引领，明确“智能发展”战略目标、发展重点和发展路径，建立健全我国智能制造发展的支撑体系，实现制造业重点产业的智能转型(14)工业和信息化部、财政部：《关于印发智能制造发展规划(2016-2020年)的通知》(工信部联规〔2016〕349号),2016年12月8日。。强化共性技术的研发和推广，支持智能制造技术和装备产业化发展，提升智能制造的支撑能力(15)李金华：《改革开放进程中的中国制造业发展格局》，《东南学术》，2018年第4期。。四是加强质量品牌建设，推进制造业高质量发展。加大对制造业核心基础零部件和关键基础材料创新的攻关力度，建设工业产品质量控制室和质量监督检验中心(16)张延：《先进质量观视角下制造业高质量发展路径探究》，《质量探索》，2019年第1期。。完善制造业产品质量监管体系，发挥核心制造技术突破和质监体系对产品质量提升的促进作用。同时，制定国家品牌发展规划，确立企业在品牌创建中的主体地位。有效发挥重点领域企业品牌培育的示范效应，提高品牌国际化的运营能力和中国制造业品牌的国际影响力。