项 燕

(安徽新华学院 财会与金融学院，安徽 合肥 230088)

“创新型国家”的建设需要各行各业的努力和贡献，制造业是中国国民经济的重要支柱，其创新效率是我国整体创新效率的重要组成部分，国家在顶层设计上对制造业的创新和发展质量尤为关注。早在2015年国务院就已经发布了《中国制造2025》，意图通过提升中国制造业的创新水平和制造质量将中国由“制造大国”推向“制造强国”。数字技术已经成为全球经济发展的新动力，世界各国皆对数字技术实现新一轮产业变革抱有很高期望。我国同样对数字技术的发展和价值高度重视，尤其强调数字技术对制造业创新效率的推动作用，多次在顶层设计上出台文件，指导数字技术对制造业发展方向的引领和带动，比如国务院于2016年印发了《关于深化制造业与互联网融合发展的指导意见》，2017年发布了《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，均突出了数字技术在制造业转型升级过程中的重要性。

那么，在《中国制造2025》发布了近7年之后，中国制造业的创新效率如何？数字技术在制造业创新过程中的驱动力又如何？这是当前中国社会各界密切关注的话题。尤其在中国改革开放不断加深的背景下，中国企业在性质上有国有企业和民营企业之分，不同性质的企业在创新基础、创新机制、资源禀赋等方面均存在差异，制造业的创新效率是否因为企业异质性的存在而有差异？数字技术在推动制造业创新效率提升过程中是否也会因此而出现差异？对这些问题展开讨论，有助于在实践中为决策者制定具有差异化的制造业创新效率提升政策提供参考和借鉴，更好的发挥数字技术在制造业创新过程中的价值。同时，围绕这些问题展开研究在理论研究上也具有较高价值。当前学界对制造业创新高度关注，比如赵彦飞(2021)[1]、赖红波(2021)[2]、周世新(2022)[3]等学者评价了中国制造业的创新效率，王艳(2017)[4]、宋波(2021)[5]、严荔(2021)[6]等学者多角度分析了制造业创新效率的影响因素，但有针对性的探讨数字技术对制造业创新效率影响的文献很少，而在企业异质性角度下的研究更为罕见。本文在企业异质性角度下，通过理论与实证相结合，深入研究数字技术对制造业创新效率的影响，能够很好的弥补了当前学界在理论研究上的缺失。

一、假设提出

1.数字技术对制造业创新效率的影响机制

(1)直接影响机制

数字技术作为一种先进的生产方式，有效提升了不同资源间的连接程度，优化了市场要素在制造业内的配置效率，提升制造企业生产经营活动过程中各种资源的利用效率，而创新活动作为企业生产经营活动的一部分，也必然受到数字技术的影响。数字技术为制造企业各种创新资源的整合提供了更加有效的手段，提升了制造企业利用各种创新资源的能力，提升创新效率[7]。同时，制造企业可以利用内外部数字技术，如数字化平台、大数据技术等实现范围效应和规模效应，使用更低的成本开展更为多样化的创新活动，提升创新效率。此外，数字技术本身也是一种新兴技术，并且处在快速发展过程中，具有一定的扩散效应。一家制造企业的先进的数字技术通过前向溢出、后向溢出以及研发部门与应用部门之间的互动溢出等方式带动其他制造企业的生产技术、生产工艺水平的提升，为其他企业进一步的有效创新提供基础，促进整个制造业创新效率的提升。

(2)间接影响机制

第一，迫使制造业转型升级。随着数字技术的产生与推广，诸如信息技术、大数据技术、人工智能技术等逐渐渗透到一部分制造企业中，这类制造企业尽管在前期投入了大量资金用于购置研发设备，但当新产品销量达到一定规模后，会形成正向反馈机制，带来强者越强的马太效应[8]，率先获得了创新红利，转型升级为行业中的高端企业。而依然处于中低端的制造企业的低数字技术水平带来的是产品附加值低、市场竞争力低，在激烈的市场竞争压力下，这类企业最终也会被迫寻找自我突破和转型升级的机会，进而提升整个制造行业的数字技术水平，为整个行业创新效率的提升提供更加坚实的基础。

第二，促使企业人力资本结构升级。数字技术全面提升了制造业的信息化和自动化水平，重复性较强的简单工作任务被机器和计算机替代，技术性强、复杂度高的工作岗位不断涌现，技术水平、学习能力等对制造企业的重要性进一步提升，具备低人力资本结构特征的中、低技能劳动力将被逐渐挤出行业[9]，接受了高等教育或具备特定技能的高技能劳动力的比较优势进一步凸显，制造企业人力资本结构升级成为历史必然，这为制造业创新效率的提升准备了人才基础。

第三，刺激需求层次升级。随着数字化终端的逐渐普及，在网络外部性作用下电商平台的影响力日益扩大，消费者通过各种电商平台对所需产品的了解更加全面，同时可比较的对象也更多，需求者的差异化、多样化需求被激发出来，对产品质量的要求也更为苛刻，市场整体需求层次升级。面对需求者更高层次的需求，制造企业迫于生存和市场压力必须不断推陈出新，强化产品的创新力度和速度。

基于以上分析，提出假设1：数字技术对制造业创新效率存在显著正向影响。

2.企业异质性下的影响差异

由于性质的差异，国有制造企业和民营制造业在创新过程中存在多方面差异，比如在创新的资源基础、创新的激励机制等，数字技术对制造业创新效率影响作用的发挥也会因为企业异质性而存在差异。

首先，激励机制差异会带来差异化的影响。数字技术是当前社会经济发展的新趋势，是民营企业实现竞争突破的有利时机。民营制造企业会积极寻求差异化发展模式，利用数字技术浪潮实现创新突破，以达到“弯道超车”的目的。国有制造企业作为政府资产，无论其经营状况如何，政府部门都会为其“买单”，在市场变化过程中感受到的压力相对较小，应对数字技术浪潮的积极性也会相对较低。所以，民营制造企业受到数字技术的激励更强烈，数字技术对其创新效率的影响更大。此外，从员工激励角度来看，数字技术对民营制造企业的创新效率的影响也相对较大。相比国有制造企业，民营制造企业的管理机制更加灵活，在创新激励机制上，民营制造企业也更加有自由，可以根据市场变化情况和自身发展需要及时制定、修改相关员工激励措施，以最大限度地激发员工的创新潜力[10]。而国有制造企业则因为较多监管措施、繁冗的审批程序而使得激励机制较为固化，在数字技术发挥影响力过程中，会因为过于迟钝的反映速度而弱化影响力度。

其次，资源利用效率差异也会带来差异化的影响。国有企业一直以来都有着丰富的资源，但是由于缺乏有效的监管机制和激励机制，良好的资源禀赋并没有得到最有效的利用。民营制造企业虽然在可获得资源量上不及国有企业，但在更大的生存压力下，往往能够对有限的资源进行更加有效的利用。在数字技术驱动下，民营制造企业可以更加有效的利用创新资源，同样资源量下，民营制造企业能够获得更多的创新产出。所以，资源利用效率差异造成数字科技对民营制造企业的影响力更大。

综上分析，提出假设2：数字技术对不同性质的制造企业创新效率的影响存在差异，对民营制造企业创新效率的影响力更大。

二、实证检验

1.制造业创新效率测量

(1)DEA模型

制造业创新效率的测量应该同时考虑投入和产出，本文应用基于多种输入、多种输出的效率评估模型-DEA模型(数据包络分析模型)对我国制造业创新效率的测量。DEA模型有若干种形式，其中的BCC形式是基于规模为变数的相对效率模型。本文的测量对象是不同省域的制造业创新效率，随着我国经济的快速发展，各省份制造业规模均在快速变化，所以本文选择DEA模型中的BCC形式。BCC形式计算得到的制造业创新效率有三种，分别为综合创新效率(STE)、技术效率(PTE)和规模效率(SE)，其中综合创新效率包含技术效率和规模效率，三者之间的关系是STE=PTE×SE。

①决策单元

决策单元是DEA模型中将多种输入转化为相应产出的实体，各决策单元在特性上有诸多相似之处，比如处于相同的空间或时间维度、面临的外部环境相同、有相同的输入和输出等。本文所要计算的是各省份制造业的创新效率，决策单元为各省份，各省份均为我国省级行政单位，同处在我国社会经济大环境下，并且本文设置了相同的输出和输入指标，符合决策单元的设定标准。

②输入指标和输出指标

结合决策单元(省份)的数据可获得性，参考张永安(2019)[11]、唐晓华(2020)[12]、陈实(2022)[13]等学者的研究，制造业在创新活动上的投入(输入)分为人力投入和资金投入两方面。人力投入选择拥有研发机构的企业数和科技活动人员数。拥有研发机构的制造企业说明其配备了专门的技术研发人员，是企业在创新上的主要人力投入，这类企业数量体现了一地区制造业在创新的人力投入上的规模。而科技活动人员是创新的力量源泉，体现一地区内制造业的人才容纳规模，是制造业创新在人力上的主要投入。在资金投入上主要选择R&D经费内部支出和研发设备原值两个指标，R&D经费内部支出是衡量一地区内制造业创新活动的主要资金投入指标，研发设备原值反映了一个地区制造业在固定资产上的投入情况。结合章新蓉(2021)[14]、徐国庆(2022)[15]等学者的研究，产出(输出)指标选择制造业有效发明专利数量、技术开发项目数量和新产品开发项目数量三个。

2.创新效率值计算与分析

2015年中国发布了《中国制造2025》，所以各指标选择2016—2021年内地31个省(直辖市、自治区)的制造业年度数据，所有数据综合整理自各省份的统计局官方网站、CSMAR数据库以及《中国工业统计年鉴》《中国经济普查年鉴》《中国科技统计年鉴》，个别缺失值用内推法弥补。其中，大部分省份2021年的年度数据尚未公布，仅有前两季度或前三季度的数据，所以各省份2021年的数据用前三或前两季度数据进行均值折算替代。将样本数据分为国有制造企业和民营制造企业两组，其中，国有制造企业的数据较为完整，而民营制造企业的数据缺失相对较为严重，对于缺失的民营制造企业数据利用各省份的整体数值和国有制造企业数值进行换算所得。

利用整理的输入指标和输出指标数据分别计算各省份2016—2021年国有制造企业和民营制造企业的综合创新效率(STE)、技术效率(PTE)和规模效率(SE)，计算过程由Eviews10.0实现。为了解中国制造业创新效率的整体情况，计算各省份每年的效率均值如表1所示。

从表1中可以发现，目前中国制造业的创新效率整体偏低，无论是国有企业还是民营企业，2021年的综合创新效率值均低于0.8，但处于不断上升的趋势，国有制造企业的综合创新效率值从2016年的0.641增长到2021年的0.761，而民营制造企业从2016年的0.669增长到2021年的0.795。比较不同性质企业的综合创新效率值可以发现，民营制造企业的创新效率不但每年均高于国有制造企业，而且上涨趋势更加明显，其综合创新效率值自2016年以来始终处于上涨状态。而国有制造企业虽然也基本保持上升趋势，但受新冠疫情的影响，2020年有了小幅度下降。进一步比较不同性质企业的技术效率和规模效率可以发现，国有制造企业的规模效率普遍高于技术效率，而民营制造企业的技术效率则普遍高于规模效率，说明在创新过程中，国有制造企业依靠的是高强度的资源投入，以追求创新的规模提升，而民营制造企业则更强调创新资源的高效率利用。

表1 2016—2020年各省份制造业创新效率均值

2.数字技术水平测量

目前，学界对数字技术水平的测量方法存在较大争议，本文参考俞立平(2012)[16]、叶琦林(2020)[17]、黄海滨(2021)[18]等学者的研究，利用熵值法对中国各省份2016—2021年的数字技术水平进行测量，该方法可以很好的对数据所包含的信息进行客观评价，尽量避免了主观因素所带来的干扰。

指标体系的构建是熵值法测量数字技术水平的基础，综合参考沈运红(2020)[8]、叶琦林(2020)[17]、李大伟(2021)[10]等学者的研究，设置数字技术基础、数字技术规模、数字技术应用等3个二级指标(见表2)。电缆是现代数字技术发展的基础，其长度体现了现代数字化建设的总规模，将电缆长度总量设置为数字技术基础下的三级指标。软件产业是数字技术发展的重要物质支撑，该产业的总收入是数字技术发展规模的主要内容。电信业务量从使用规模上体现数字技术规模。所以，设置软件产业收入和电信业务量为数字技术规模下的三级指标。数字技术应用下的三级指标设置为移动电话用户数和互联网普及率。

表2 数字技术水平熵值法指标体系

收集整理中国各省份各指标数据，计算各省份2016—2021年间的数字技术水平值，并计算2016—2021年各省份均值发现，中国数字技术水平在快速提升，但在绝对数水平上还比较低，2021年各省数字技术水平均值为37.6，相比于联合国最新《人类发展指数》中公布的发达国家均值50以上的数字技术水平差距较大。

3.模型设定与变量选择

利用2016—2021年中国各省份的面板数据分别构建数字技术对国有制造企业和民营制造企业创新效率影响的面板数据回归模型，其中被解释变量分别为前文计算的综合创新效率(STE)、技术效率(PTE)和规模效率(SE)，解释变量为数字技术水平(D_tech)。各模型为：

G_STEit=α+βD_techit+μit

(1)

G_PTEit=α+βD_techit+μit

(2)

G_SEit=α+βD_techit+μit

(3)

M_STEit=α+βD_techit+μit

(4)

M_PTEit=α+βD_techit+μit

(5)

M_SEit=α+βD_techit+μit

(6)

其中，D_techit表示i省份第t年的数字技术发展水平。G_STEit、G_PTEit、G_SEit分别表示i省份第t年国有制造企业的综合创新效率、技术效率和规模效率，M_STEit、M_PTEit、M_SEit分别表示i省份第t年民营制造企业的综合创新效率、技术效率和规模效率，μit为随机扰动项，α和β为待估参数。

为控制相关因素对制造业创新效率产生的干扰，参考丁莹莹(2020)[19]、肖红(2020)[20]等学者的研究，选择以下变量为各模型的控制变量。

政府财政支出(GS)。地方政府财政支出对市场具有调节作用，同时会对地方市场起到一定的刺激作用，进而对地方制造业创新效率产生影响，用各省份的预算支出占名义GDP的比例替代。

产业结构(IS)。产业结构差异可能对制造业创新效率产生显著影响，使用第三产业产值和第二产业产值的比值替代。

城镇化水平(UL)。一地区的城镇化水平反映的是农村人口和城镇人口的比例差异，体现了当地人力资源的整体质量，是当地整体创新能力的重要影响因素，对制造业创新效率有一定影响，用各省份的城镇化率替代。

固定资产投资(FA)。一地区的固定资产投资是制造业发展的重要基础，对于制造业创新能力的提升也起着基础性作用，用各省份固定资产投资总额的对数替代。

对外开放度(DO)。中国内地各省份对外开放的开始时间有差异，对外开放程度也不同，面临来自外资企业的竞争压力也有所不同。外资企业会通过产业间的关联效应和技术溢出效应影响各省份制造业创新效率，利用人民币对美元汇率平减后的外商直接投资额替代。

4.模型拟合与分析

面板数据模型有混合效应(PR)、固定效应(FER)、随机效应(RER)三种具体形式，利用F检验和Hausman检验评判本文各面板数据模型的具体形式。表3中检验结果显示，在10%显著性水平下，F检验显示各模型在混合效应和固定效应之间选择固定效应，Hausman检验显示各模型在随机效应和固定效应之间更适合固定效应。所以，本文各面板数据模型更适合固定效应形式。

表3 面板数据模型形式检验

利用各省份2016—2021年的面板数据，加入各控制变量，对各模型进行参数估计，估计结果如表4所示。在多解释变量的模型中，内生性问题会给模型参数估计结果带来偏误，造成参数估计结果缺乏稳健性，所以需要对各模型估计结果进行稳健性检验。将本文样本数据分为2016—2018和2019—2021两个子样本，分别用这两个子样本对各模型重新进行参数估计。估计结果显示，两个子样本的估计结果相似度很高，同时与全样本估计结果在显著性、回归系数符号上几乎一致，在回归系数绝对值上也高度相似。所以本文各模型的参数估计结果稳健性较高，可用于分析现实问题。

表4 各面板数据回归模型参数估计结果

表4中，各模型的Pro.(F-stat)均为0.000，表明各模型整体估计结果的显著性水平很高，模型整体优度很高。各模型的回归系数均为正数，并且至少在10%水平下显著，表明数字技术对国有制造企业和民营制造企业的各种创新效率均有显著的正向影响，所以本文假设1成立。比较模型(1)和模型(4)可以发现，模型(1)的回归系数值大幅度低于模型(4)，且显著性水平也低于模型(4)，模型(4)在1%水平下显著，而模型(1)在5%水平下显著，数字技术对民营制造企业的综合创新效率的影响在力度和显著性上均高于对国有制造企业综合创新效率的影响，所以本文假设2成立。

进一步比较不同性质企业下的其他模型可以发现，模型(3)的回归系数值明显高于模型(2)，且显著性水平也更高，数字技术对国有制造企业创新的规模效率的影响力要高于对创新的技术效率的影响力，国有制造企业在创新过程中更倚重丰富的数字资源来实现创新数量上的提升，在数字经济浪潮下，其依然没有转变一直以来的“资源堆砌”习惯，创新的质量有限。而民营制造企业下的各模型中，模型(5)的回归系数值明显大于模型(6)，且通过了1%的显著性水平，数字技术对民营制造企业创新的技术效率的影响力高于对创新的规模效率的影响力，民营制造企业在创新过程中，数字技术对其创新质量和创新层次的影响更明显。

三、结论与建议

1.主要结论

制造业作为中国国民经济的重要支柱，其创新效率是中国整体创新效率的重要组成部分。数字技术作为当前经济发展的新动力，其对制造业创新效率的影响情况决定着中国制造业参与当前数字经济浪潮的程度。同时，在中国企业存在异质性的环境下，探讨数字技术对不同性质制造企业创新效率的影响对于从异质性角度出发制定更有针对性、更加有效的产业政策意义明显。本文首先从直接影响机制和间接影响机制两个角度分析数字技术对制造业创新效率的影响机制，并探讨了在企业异质性下这种影响的差异，提出了假设。其次构建了制造业创新效率的DEA模型，分别对国有制造企业和民营制造企业的创新效率进行了测算，并利用熵值法对中国各省份2016—2021年的数字技术水平进行了测量。最后构建了数字技术对不同性质制造企业创新效率的面板数据模型，实证检验了异质性下数字技术对制造企业创新效率的影响。研究发现：(1)目前中国制造业的创新效率整体偏低，但处于不断上升的趋势。民营制造企业的创新效率整体上高于国有制造企业，且上涨趋势更加明显。国有制造企业创新的规模效率高于技术效率，而民营制造企业创新的技术效率则高于规模效率。(2)相对于发达国家，当前中国数字技术水平比较低，但处于快速提升阶段。(3)数字技术对国有制造企业和民营制造企业的创新效率均存在显著的正向影响，但对民营制造企业的综合创新效率的影响胜于对国有制造企业综合创新效率的影响。(4)数字技术对国有制造企业创新的规模效率的影响力要高于对创新的技术效率的影响力，对民营制造企业创新的技术效率的影响力高于对创新的规模效率的影响力。

2.政策建议

为了更好地发挥数字技术在制造业创新过程中的作用，推动“中国制造业2025”和“创新型国家”战略目标更好的实现，立足于本文研究结论，提出以下几点政策建议。

(1)加强数字技术基础设施建设。数字技术基础设施是数字经济发展的基础保障，也是发挥对制造业创新效率影响力的重要基础，中国各省份需要进一步加强数字基础设施的建设和完善力度。比如加强数字技术新型基础设施建设，不断升级信息通讯基础设施，尤其是工业互联网、大数据中心、5G通讯基站等新一代信息网络的建设，以推动数字技术在实体经济中运用的广度，助推制造业智能化生产和高效创新。

(2)强调制造业数字人才的培养。人才是数字技术发展以及在制造业中深度运用的重要保障，各地方政府可以结合当地高等教育实际，鼓励和支持有能力的高等院校设立数字技术相关专业，同时倾入更多资源吸纳或培养数字技术方向的师资，推动当地数字技术人才积累。此外，可以由政府部门牵头，建立制造企业与高等院校合作的平台，推动高校数字人才培养与制造企业人才需求的高效协同。制造企业自身也要关注在职员工的数字化技能的提升，可以通过在职培训、学历提升、行业交流与合作、专家讲座等多种形式培养和提升在职员工的数字技能，并且可以将员工在数字技术方面获得的荣誉、技能证书等纳入员工的年度考核中，以激发员工自我提升的积极性。

(3)调整资源配置结构，提升对民营制造企业的支持力度。一地区在短期内可用于支持制造业创新的资源有限，地方政府应该更多的考虑当前中国制造业创新效率的异质性，提升对民营制造企业的创新资源支持力度，发挥其在创新的技术效率上的优势，进而提升当地创新质量和层次。尤其在数字技术方面的资源支持，对民营制造企业应该有比以往更大的资源倾斜力度，以更好的发挥数字技术对当地制造业创新效率的推动作用。

(4)加大对国有制造企业的资源利用监管。数字技术对国有制造企业创新效率的影响力度低于民营制造企业，尤其在创新的技术效率上，国有制造企业对数字技术的利用质量有限。政府部门在向国有制造企业提供数字技术资源过程中，不仅要强调事前审批，事中监管和事后控制也要进一步强化，强化对资源利用过程和资源成果的监管。比如，可以增加事中控制的频率，对制造企业获批的各种数字资源进行多阶段成果审核，严格按照申报书中的利用计划监管企业对相关数字资源的利用，严格按照申报书中预期使用结果审核最终资源利用结果，对于存在资源浪费、投入-产出比过低、资源利用效果层次过低的企业给予大幅度降低后续资源支持幅度、甚至不予支持的惩罚，而对于相关资源利用效果明显、产出质量高的企业，可以给予更多奖励，以激励、推动国有制造企业对提升数字资源的利用效率和创新层次。