應(yīng)里孟 陽(yáng)杰 高曼如

【摘要】智能制造是驅(qū)動(dòng)我國(guó)制造業(yè)轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)高質(zhì)量發(fā)展的新動(dòng)能。 基于我國(guó)制造業(yè)上市公司2014 ～ 2018年實(shí)施智能制造的面板數(shù)據(jù)， 采用雙重差分傾向得分匹配法（PSM-DID）實(shí)證檢驗(yàn)智能制造對(duì)企業(yè)績(jī)效的影響。 結(jié)果表明， 實(shí)施智能制造對(duì)企業(yè)的財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效有顯著的促進(jìn)作用， 并且實(shí)施智能制造的時(shí)間越長(zhǎng)， 其對(duì)企業(yè)績(jī)效的促進(jìn)作用越明顯。 進(jìn)一步研究發(fā)現(xiàn)， 智能制造的實(shí)施如果能與企業(yè)其他互補(bǔ)性要素相結(jié)合， 則可以實(shí)現(xiàn)更高的績(jī)效。

【關(guān)鍵詞】智能制造;財(cái)務(wù)績(jī)效;創(chuàng)新績(jī)效;人工智能

【中圖分類號(hào)】F272 ? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A ? ? ?【文章編號(hào)】1004-0994（2020）12-0011-7

一、 引言

人工智能作為基礎(chǔ)設(shè)施， 正在與制造業(yè)深入融合， 成為驅(qū)動(dòng)制造業(yè)轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)高質(zhì)量發(fā)展的新動(dòng)能。 世界上主要的制造業(yè)大國(guó)均已認(rèn)識(shí)到人工智能對(duì)制造業(yè)的顛覆性影響， 將智能制造作為第四次工業(yè)革命的主攻方向和國(guó)家戰(zhàn)略， 通過制定相應(yīng)的產(chǎn)業(yè)政策來(lái)推動(dòng)智能制造的發(fā)展[1] 。 智能制造通過工業(yè)互聯(lián)網(wǎng)平臺(tái)， 借助大數(shù)據(jù)分析、人工智能、物聯(lián)網(wǎng)、5G、數(shù)字孿生、云計(jì)算、云存儲(chǔ)、邊緣計(jì)算、虛擬現(xiàn)實(shí)、增材制造等先進(jìn)技術(shù)將信息空間和物理世界高度融合， 不僅催生了一大批新型制造模式， 還推動(dòng)了先進(jìn)制造業(yè)和現(xiàn)代服務(wù)業(yè)深度融合發(fā)展[2] ， 從而使生產(chǎn)和服務(wù)變得更加快速、高效、靈活、個(gè)性化、低成本和高質(zhì)量， 有效提高了產(chǎn)品和服務(wù)的附加值及競(jìng)爭(zhēng)力， 最終實(shí)現(xiàn)價(jià)值鏈向中高端攀升。

我國(guó)從2015年開始實(shí)施智能制造試點(diǎn)示范專項(xiàng)行動(dòng)， 一些省、市也陸續(xù)推出各自的智能制造試點(diǎn)示范行動(dòng)計(jì)劃。 根據(jù)工業(yè)和信息化部2018年對(duì)305個(gè)國(guó)家級(jí)智能制造試點(diǎn)示范企業(yè)的初步統(tǒng)計(jì)， 這些項(xiàng)目通過智能化改造， 實(shí)現(xiàn)了從設(shè)計(jì)、研發(fā)、生產(chǎn)、管理到服務(wù)的全價(jià)值鏈優(yōu)化， 生產(chǎn)效率和能源利用率得到大幅提升， 運(yùn)營(yíng)成本、產(chǎn)品研制周期、產(chǎn)品不良率顯著降低。 在國(guó)家、省、市各級(jí)政府立項(xiàng)的試點(diǎn)示范企業(yè)的帶動(dòng)下， 越來(lái)越多的制造業(yè)企業(yè)開始著手進(jìn)行智能化轉(zhuǎn)型。 目前， 我國(guó)的智能制造已進(jìn)入深化應(yīng)用和全面推廣階段， 工業(yè)機(jī)器人使用數(shù)量位居世界第一。 然而， 目前國(guó)內(nèi)關(guān)于智能制造對(duì)企業(yè)的影響研究， 主要還是使用宏觀統(tǒng)計(jì)數(shù)據(jù)或企業(yè)調(diào)查數(shù)據(jù)來(lái)考察智能制造對(duì)勞動(dòng)力[3] 或企業(yè)商業(yè)模式[4] 的影響， 鮮有文獻(xiàn)使用上市公司數(shù)據(jù)來(lái)考察智能制造對(duì)企業(yè)績(jī)效的影響。

關(guān)于信息技術(shù)（IT）商業(yè)價(jià)值的研究文獻(xiàn)有很多， 得出的結(jié)論不一。 一般認(rèn)為， IT是促進(jìn)企業(yè)績(jī)效提升的重要因素[5] 。 也有一些研究表明， IT投資不一定導(dǎo)致更好的業(yè)績(jī)[6] 。 隨著IT應(yīng)用的普及， 通過傳統(tǒng)IT來(lái)提高企業(yè)績(jī)效的機(jī)會(huì)正在減少[7] 。 IT對(duì)企業(yè)績(jī)效本身的貢獻(xiàn)不足， 還需要各種互補(bǔ)的有形資源、無(wú)形資源和人力資源的支持[8] 。 智能制造是企業(yè)信息化應(yīng)用發(fā)展的新階段， 在這一階段， 嵌入人工智能和先進(jìn)制造技術(shù)的新一代信息技術(shù)實(shí)現(xiàn)深度集成， 重構(gòu)了企業(yè)業(yè)務(wù)流程、制造模式、組織結(jié)構(gòu)、管理體系和業(yè)務(wù)模式， 因此形成了動(dòng)態(tài)能力， 這給企業(yè)帶來(lái)了競(jìng)爭(zhēng)優(yōu)勢(shì)。 目前已經(jīng)有研究開始關(guān)注智能制造或工業(yè)4.0對(duì)企業(yè)績(jī)效的影響， 并提供了正面影響的證據(jù)[9，10] 。

考慮到國(guó)內(nèi)外智能制造發(fā)展階段存在的差異， 有必要基于我國(guó)制造業(yè)企業(yè)進(jìn)行專門研究。 本文利用2014 ～ 2018年我國(guó)A股制造業(yè)上市公司的公開數(shù)據(jù)， 通過文本分析獲取企業(yè)實(shí)施智能制造的相關(guān)信息。 為最小化樣本選擇偏差和內(nèi)生性問題， 提高估計(jì)的準(zhǔn)確性， 本文采用雙重差分傾向得分匹配法（PSM-DID）來(lái)比較智能制造采納者（處理組）和非采納者（對(duì)照組）之間財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的差異。 研究發(fā)現(xiàn)， 智能制造的實(shí)施的確有助于提高企業(yè)的財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效， 并且隨著時(shí)間的推移， 智能制造對(duì)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的增進(jìn)作用愈發(fā)明顯。 進(jìn)一步的作用機(jī)理分析發(fā)現(xiàn)， 智能制造促進(jìn)了企業(yè)的研發(fā)投入、增加了對(duì)員工的教育投入， 從而帶動(dòng)了企業(yè)績(jī)效的提升。 企業(yè)績(jī)效的提升則促進(jìn)了企業(yè)規(guī)模的擴(kuò)大， 企業(yè)規(guī)模的擴(kuò)大又反過來(lái)促進(jìn)企業(yè)績(jī)效的提升， 由此形成一個(gè)良性循環(huán)。

本研究的貢獻(xiàn)主要體現(xiàn)在三個(gè)方面。 其一， 通過文本分析獲取實(shí)施智能制造企業(yè)的信息， 獲得了智能制造對(duì)我國(guó)制造業(yè)上市公司財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效產(chǎn)生影響的初步證據(jù)。 其二， 本文拓展了關(guān)于人工智能對(duì)制造業(yè)企業(yè)影響的新興研究課題， 因?yàn)楝F(xiàn)有的研究主要是定性研究， 以獲得工業(yè)4.0實(shí)施的影響[10，11] 。 與本文密切相關(guān)的研究也缺乏對(duì)智能制造影響企業(yè)績(jī)效的機(jī)理研究[9] 。 本研究基于PSM-DID方法， 減少了單一的傾向得分匹配法所存在的內(nèi)生性問題， 進(jìn)一步分析了智能制造對(duì)企業(yè)績(jī)效的作用機(jī)理， 豐富了IT商業(yè)價(jià)值的研究[12] 。 其三， 我國(guó)的人工智能發(fā)展水平在世界上處于相對(duì)領(lǐng)先的地位， 智能制造是人工智能國(guó)家戰(zhàn)略的產(chǎn)物， 本研究結(jié)論支持了智能制造促進(jìn)制造業(yè)高質(zhì)量發(fā)展的觀點(diǎn)[2] 。

二、 文獻(xiàn)回顧和研究假說(shuō)

（一）智能制造對(duì)財(cái)務(wù)績(jī)效的影響

與傳統(tǒng)制造業(yè)相比， 智能制造具有明顯的優(yōu)勢(shì)， 對(duì)企業(yè)的生存和發(fā)展至關(guān)重要。 然而， 這需要企業(yè)投入大量的財(cái)務(wù)資源。 最終將如何影響企業(yè)財(cái)務(wù)業(yè)績(jī)?nèi)匀皇俏粗摹?面對(duì)日益復(fù)雜和激烈的競(jìng)爭(zhēng)環(huán)境， 傳統(tǒng)制造模式難以為繼， 企業(yè)向智能制造轉(zhuǎn)型迫在眉睫。 智能制造可以幫助企業(yè)在這種環(huán)境下持續(xù)、快速、靈活地配置各種資源， 使企業(yè)能快速響應(yīng)市場(chǎng)環(huán)境的變化， 獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。 人工智能除可以降低成本和促進(jìn)銷售增長(zhǎng)外， 還能提高利潤(rùn)率， 從而有助于改善財(cái)務(wù)業(yè)績(jī)[11] 。

首先， 智能制造是制造技術(shù)與信息技術(shù)的深度融合， 形成豐富的大數(shù)據(jù)， 提高了企業(yè)的制造能力和決策水平[13] 。 企業(yè)內(nèi)部各種生產(chǎn)和管理系統(tǒng)的垂直整合， 支持對(duì)生產(chǎn)過程、信息流和物流的主動(dòng)控制。 這種集成不斷優(yōu)化生產(chǎn)模型和生產(chǎn)計(jì)劃， 提高資源配置效率， 促進(jìn)生產(chǎn)率的提高和價(jià)值創(chuàng)造[1] 。 通過與價(jià)值鏈上合作企業(yè)和客戶的橫向整合， 實(shí)現(xiàn)合作企業(yè)之間的資源整合和優(yōu)勢(shì)互補(bǔ)， 使企業(yè)更加注重核心能力的開發(fā)和利用[14] 。 為客戶提供的智能產(chǎn)品和服務(wù)產(chǎn)生了相關(guān)的客戶行為大數(shù)據(jù)， 可以為產(chǎn)品生命周期管理提供幫助， 利于企業(yè)做出更好的產(chǎn)品和服務(wù)發(fā)展決策[15] ， 創(chuàng)造新的商業(yè)模式[1] ， 為市場(chǎng)提供更多的定制化和增值的產(chǎn)品與服務(wù)[14] ， 促進(jìn)先進(jìn)制造業(yè)和現(xiàn)代服務(wù)業(yè)的融合[16] ， 這不僅能創(chuàng)造新的收入來(lái)源， 還可以提升企業(yè)形象和聲譽(yù)， 為企業(yè)帶來(lái)競(jìng)爭(zhēng)優(yōu)勢(shì)[17] 。

其次， 智能制造突破了傳統(tǒng)制造追求規(guī)模經(jīng)濟(jì)的藩籬， 可以低成本生產(chǎn)小批量定制產(chǎn)品。 首先， 智能制造減少了資源和能源消耗[18] ， 也減少了生產(chǎn)中的不良率和錯(cuò)誤交付[11] 。 具有人工智能的機(jī)器還可以在生產(chǎn)過程的早期階段自動(dòng)識(shí)別不合格品， 從而提高質(zhì)量控制水平， 降低生產(chǎn)成本。 智能制造還減少了勞動(dòng)密集型勞動(dòng)投入， 優(yōu)化了企業(yè)的人力資本投入結(jié)構(gòu)， 從而提高了勞動(dòng)生產(chǎn)率， 降低了單位產(chǎn)品的勞動(dòng)成本[19] 。 智能工廠中的柔性生產(chǎn)線可以根據(jù)產(chǎn)品類型的多樣性和變化的條件自動(dòng)調(diào)整生產(chǎn)過程。 它不僅可以實(shí)現(xiàn)對(duì)小批量、多品種產(chǎn)品的高效生產(chǎn)， 還可以實(shí)現(xiàn)對(duì)個(gè)性化需求產(chǎn)品的大規(guī)模、低成本定制， 并能保證產(chǎn)品質(zhì)量、生產(chǎn)效率和資源配置效率， 從而降低單位產(chǎn)品成本[20] 。

基于以上分析， 本文提出以下研究假說(shuō)：

H1：智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效存在正向影響。

（二）智能制造對(duì)創(chuàng)新績(jī)效的影響

智能制造不只是用智能機(jī)器代替人力， 以智能設(shè)備的引進(jìn)和改造作為一個(gè)載體， 它還可以促進(jìn)創(chuàng)新生態(tài)系統(tǒng)的建設(shè)， 并形成相應(yīng)的研發(fā)創(chuàng)新、消化、吸收和再創(chuàng)新能力， 從而避免企業(yè)智能化改造淪為“花瓶”， 而是將其變成真正的生產(chǎn)力。 此外， 智能制造為企業(yè)創(chuàng)造了一個(gè)高度變化和競(jìng)爭(zhēng)的環(huán)境， 創(chuàng)新作為企業(yè)核心競(jìng)爭(zhēng)力的主要源頭， 為保證智能制造對(duì)財(cái)務(wù)績(jī)效貢獻(xiàn)的長(zhǎng)期可持續(xù)性， 智能制造實(shí)施必須在推動(dòng)企業(yè)創(chuàng)新中發(fā)揮重要作用。 已有研究證明， IT是創(chuàng)新的推動(dòng)者和觸發(fā)器[21] 。 IT投入與創(chuàng)新產(chǎn)出（如產(chǎn)品創(chuàng)新、服務(wù)創(chuàng)新、流程創(chuàng)新、技術(shù)創(chuàng)新）之間存在正相關(guān)關(guān)系[22] ， 這種關(guān)系在IT快速發(fā)展時(shí)期更為顯著。 對(duì)我國(guó)企業(yè)的研究結(jié)果表明， IT的靈活性和實(shí)施廣度增加了企業(yè)創(chuàng)新的激進(jìn)性和創(chuàng)新成果的數(shù)量， 而IT的集成和實(shí)施深度只影響了創(chuàng)新成果的數(shù)量[23] 。

IT支持企業(yè)創(chuàng)新存在三大作用機(jī)理[24] 。 第一， IT有助于對(duì)創(chuàng)新生產(chǎn)過程中應(yīng)用的知識(shí)進(jìn)行管理。 第二， IT促進(jìn)了創(chuàng)新生產(chǎn)過程中的機(jī)會(huì)識(shí)別、概念發(fā)展和創(chuàng)新設(shè)計(jì)。 第三， IT支持本地企業(yè)與外部創(chuàng)新伙伴的組織間協(xié)調(diào)。 智能制造作為更高層次的IT應(yīng)用， 在數(shù)據(jù)驅(qū)動(dòng)決策下， 可以進(jìn)一步強(qiáng)化這三種機(jī)理的作用。 此外， IT是幫助提高創(chuàng)新的效率和有效性的工具[25] ， 更重要的是， IT可以幫助理解創(chuàng)新過程并優(yōu)化內(nèi)部研發(fā)過程， 為創(chuàng)新帶來(lái)前所未有的機(jī)會(huì)[26] 。 大數(shù)據(jù)及相關(guān)技術(shù)增加了企業(yè)可獲得信息的數(shù)量和種類， 降低了企業(yè)吸收外部知識(shí)的成本， 有助于促進(jìn)企業(yè)對(duì)外部知識(shí)的整合， 推動(dòng)企業(yè)創(chuàng)新。

基于以上分析， 本文提出以下研究假說(shuō)：

H2：智能制造對(duì)企業(yè)創(chuàng)新績(jī)效存在正向影響。

三、 數(shù)據(jù)和變量

（一）樣本選擇與數(shù)據(jù)來(lái)源

1. 樣本選擇。 針對(duì)智能制造的實(shí)證研究所面臨的一個(gè)主要障礙就是缺乏企業(yè)層面可用的檔案數(shù)據(jù)。 本文使用的智能制造數(shù)據(jù)來(lái)自于新浪財(cái)經(jīng)網(wǎng)站。 通過文本分析方法， 以“智能制造”為關(guān)鍵詞， 從新浪財(cái)經(jīng)網(wǎng)站上的年報(bào)中抓取企業(yè)實(shí)施智能制造的相關(guān)信息。 然后通過人工逐條閱讀和篩選， 最終獲取221家已經(jīng)實(shí)施智能制造的上市公司， 以此作為本文研究的基礎(chǔ)樣本。

2. 數(shù)據(jù)來(lái)源。 在進(jìn)行樣本篩選之后， 主要從國(guó)泰安數(shù)據(jù)庫(kù)和萬(wàn)德數(shù)據(jù)庫(kù)中獲取其他研究數(shù)據(jù)。 選取2014 ～ 2018年221家企業(yè)的數(shù)據(jù)進(jìn)行極端異常值處理。 一些上市公司存在異常的財(cái)務(wù)問題， 考慮到對(duì)實(shí)證檢驗(yàn)結(jié)果的干擾， 資產(chǎn)負(fù)債率大于1的樣本被排除在外。 另外， 剔除ST和PT公司的數(shù)據(jù)。 經(jīng)過上述處理后， 2014 ～ 2018年實(shí)施智能制造的上市公司還有187家。 本文將樣本企業(yè)的財(cái)務(wù)數(shù)據(jù)和公司治理數(shù)據(jù)在1%的水平上進(jìn)行縮尾處理， 以防止異常值對(duì)實(shí)證分析結(jié)果的影響。

（二）變量度量

1. 解釋變量。 本文從有形收益和無(wú)形收益兩個(gè)方面來(lái)衡量智能制造對(duì)企業(yè)績(jī)效的貢獻(xiàn)。 對(duì)于有形收益， 用資產(chǎn)收益率（ROA）（ROA=凈利潤(rùn)/總資產(chǎn)）來(lái)衡量財(cái)務(wù)績(jī)效; 對(duì)于無(wú)形收益， 用專利數(shù)量（Patent）衡量創(chuàng)新績(jī)效。

2. 核心解釋變量。 制造業(yè)有沒有進(jìn)行智能化改造是本文的核心解釋變量， 用交乘項(xiàng)Treat×T代表核心解釋變量制造業(yè)企業(yè)是否實(shí)施智能制造。 其中， Treat為虛擬變量。 如果企業(yè)實(shí)施了智能制造， 那么賦值為1， 否則為0。 交乘項(xiàng)的值就是雙重差分法（DID）的估計(jì)值， 代表了企業(yè)實(shí)施智能制造的影響系數(shù)。

3. 控制變量。 為了更準(zhǔn)確地估計(jì)智能制造對(duì)制造業(yè)企業(yè)績(jī)效的影響， 還選取了其他的控制變量， 這些控制變量主要是制造業(yè)企業(yè)自身的一些特征， 如反映企業(yè)創(chuàng)新投入的研發(fā)強(qiáng)度（tec）、反映企業(yè)大小的企業(yè)規(guī)模因素（sca）、反映企業(yè)性質(zhì)的實(shí)際控制人（own）、反映員工素質(zhì)的員工教育水平（edu）。 以上數(shù)據(jù)均來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。 研發(fā)強(qiáng)度（tec）為公司研發(fā)費(fèi)用支出與銷售收入之比; 企業(yè)規(guī)模（sca）為企業(yè)總資產(chǎn)的自然對(duì)數(shù); 實(shí)際控制人（own）如果為國(guó)有企業(yè)， 取值為1， 民營(yíng)企業(yè)取0; 員工教育水平（edu）為本科及以上學(xué)歷員工數(shù)與員工總數(shù)之比。

四、 實(shí)證檢驗(yàn)

（一）模型設(shè)定

為了研究智能制造對(duì)企業(yè)績(jī)效的影響， 理想的方法是比較同一企業(yè)在智能制造和非智能制造環(huán)境下的績(jī)效和要素結(jié)構(gòu)。 然而， 這兩種狀態(tài)在現(xiàn)實(shí)中是相互排斥的。 在本文中， 筆者采用傾向得分匹配（PSM）方法來(lái)構(gòu)造“反事實(shí)”， 并進(jìn)行雙重差分（DID）估計(jì)。 具體操作是將樣本分為智能制造企業(yè)（處理組）和非智能制造企業(yè)（對(duì)照組）， 在此基礎(chǔ)上， 通過在企業(yè)層面設(shè)置匹配變量， 采用PSM方法選取特征相似的樣本作為實(shí)驗(yàn)對(duì)照組。

其中， Yit是衡量智能制造對(duì)企業(yè)績(jī)效（財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效）影響的指標(biāo)， i和t表示第i個(gè)企業(yè)在第t年度開始實(shí)施智能制造。 T為區(qū)分實(shí)施智能制造的時(shí)間跨度。 Treat被用于區(qū)分處理組和對(duì)照組， Treat×T表示企業(yè)是否實(shí)施智能制造。 研發(fā)強(qiáng)度（tec）、企業(yè)規(guī)模（sca）、實(shí)際控制人（own）、員工教育水平（edu）是一系列控制變量。 γi用來(lái)表示個(gè)體的固定效應(yīng)， 是不隨時(shí)間變化的量。 εit表示誤差項(xiàng)。

其中， Treat×Tt表示企業(yè)實(shí)施智能制造后第t年的虛擬變量。 該方程考察了企業(yè)實(shí)施智能制造的長(zhǎng)短期效應(yīng)。

（二）智能制造對(duì)企業(yè)績(jī)效的影響

為了驗(yàn)證智能制造對(duì)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的影響， 根據(jù)模型（1）， 以財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效為因變量， 估計(jì)智能制造對(duì)制造業(yè)企業(yè)績(jī)效的平均影響。 回歸結(jié)果中還報(bào)告了控制變量。 表1中， 第（1）列和第（3）列為不含控制變量的回歸結(jié)果， 第（2）列和第（4）列為加入控制變量后的回歸結(jié)果。

由表1可知， 無(wú)論回歸中是否考慮控制變量， 當(dāng)將財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效作為解釋變量時(shí)， 交乘項(xiàng)Treat×T的影響系數(shù)都在1%的水平上通過計(jì)量檢驗(yàn)， 且影響系數(shù)大于0。

在不包含控制變量的第（1）列和第（3）列中， 實(shí)施了智能制造的企業(yè)其財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效更高。 相比對(duì)照組， 實(shí)施了智能制造的企業(yè)的財(cái)務(wù)績(jī)效要高36%， 創(chuàng)新績(jī)效要高43%。 初步回歸結(jié)果表明， 實(shí)施智能制造明顯有利于提高企業(yè)的財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效。 在控制研發(fā)強(qiáng)度、企業(yè)規(guī)模、實(shí)際控制人和員工教育水平的情況下， 實(shí)施了智能制造的企業(yè)相比對(duì)照組企業(yè)的財(cái)務(wù)績(jī)效要高19%、創(chuàng)新績(jī)效要高23%。 這說(shuō)明控制變量對(duì)制造企業(yè)的制造績(jī)效和創(chuàng)新績(jī)效也有一定的影響。

如第（2）列和第（4）列所示， 在控制變量對(duì)制造業(yè)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的影響下， 智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的影響呈下降趨勢(shì)。 一方面， 智能制造的實(shí)施對(duì)制造業(yè)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效存在積極的影響。 另一方面， 智能制造并不是影響財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的唯一因素， 實(shí)施智能制造的企業(yè)其財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效還受制于其他多種因素。

對(duì)于控制變量對(duì)制造業(yè)企業(yè)績(jī)效的影響， 從表1中可以看出， 研發(fā)強(qiáng)度越大， 企業(yè)績(jī)效越高。 從這個(gè)意義上說(shuō)， 技術(shù)創(chuàng)新可以增強(qiáng)產(chǎn)品的競(jìng)爭(zhēng)力， 從而推動(dòng)企業(yè)績(jī)效的提升。 此外， 績(jī)效與企業(yè)規(guī)模正相關(guān)， 可能是規(guī)模效應(yīng)降低了企業(yè)的經(jīng)營(yíng)成本， 提高了其產(chǎn)品的競(jìng)爭(zhēng)力。 此外， 規(guī)模效應(yīng)可以增加企業(yè)對(duì)技術(shù)和人才要素的吸引力， 從而提高企業(yè)績(jī)效。 科技含量具有不可替代的作用。 對(duì)于企業(yè)的實(shí)際控制人來(lái)說(shuō)， 國(guó)有企業(yè)的績(jī)效明顯高于民營(yíng)企業(yè)。 由于國(guó)有企業(yè)在不少領(lǐng)域具有壟斷地位， 其往往具有很強(qiáng)的資源優(yōu)勢(shì)和經(jīng)營(yíng)優(yōu)勢(shì)， 這在很大程度上提高了企業(yè)的財(cái)務(wù)績(jī)效。 由于員工是企業(yè)管理的主體， 員工的受教育程度直接影響著企業(yè)的產(chǎn)出， 所以員工的受教育程度會(huì)對(duì)制造業(yè)企業(yè)的財(cái)務(wù)績(jī)效產(chǎn)生影響。

（三）智能制造對(duì)企業(yè)績(jī)效的動(dòng)態(tài)影響

表1給出了智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的平均效應(yīng)， 并且在有無(wú)控制變量的情況下都通過了顯著性檢驗(yàn)， 但是， 上述檢驗(yàn)結(jié)果并沒有說(shuō)明企業(yè)實(shí)施智能制造對(duì)其長(zhǎng)期發(fā)展具有明顯的推動(dòng)作用。 因此， 為了驗(yàn)證這一觀點(diǎn)， 利用所列方程， 檢驗(yàn)智能制造推動(dòng)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的長(zhǎng)期動(dòng)態(tài)效應(yīng)。 回歸結(jié)果如表2所示。

在智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的檢驗(yàn)中， 與表1同理， 第（1）列和第（3）列是不加入控制變量的檢驗(yàn)結(jié)果; 第（2）列和第（4）列是加入控制變量的檢驗(yàn)結(jié)果。 由表2可以看出， 不管是否在公式中加入控制變量， 在以財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效作為被解釋變量時(shí)， 交乘項(xiàng)Treat×Tt的系數(shù)都為正值， 并且通過了1%的顯著性檢驗(yàn)。 這表明實(shí)施智能制造有助于在長(zhǎng)期推動(dòng)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的提升。 從表2還可以看出， 隨著時(shí)間的延長(zhǎng)， 交乘項(xiàng)Treat×Tt的系數(shù)值越來(lái)越大， 表明企業(yè)實(shí)施智能制造不僅在短期可以明顯提升企業(yè)的財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效， 而且對(duì)企業(yè)長(zhǎng)期發(fā)展有更加明顯的推動(dòng)作用。 企業(yè)實(shí)施智能制造的時(shí)間越長(zhǎng)， 智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的作用就越明顯。

同時(shí)， 表2的結(jié)果也說(shuō)明， 我國(guó)的制造業(yè)可以借助智能制造帶來(lái)的機(jī)遇， 實(shí)現(xiàn)跳躍式發(fā)展， 存在“彎道超車”的可能， 并且在我國(guó)政府提出供給側(cè)結(jié)構(gòu)性改革的背景下， 企業(yè)應(yīng)借助政策優(yōu)勢(shì)， 通過不斷累積對(duì)企業(yè)有利的因素， 實(shí)現(xiàn)企業(yè)的高質(zhì)量發(fā)展， 也推動(dòng)我國(guó)制造業(yè)不斷向價(jià)值鏈中高端攀升。 從表2的結(jié)果還可以看出， 在考慮控制變量的因素后， 智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的推動(dòng)力有所減弱， 也說(shuō)明制造業(yè)企業(yè)只有考慮多方面的因素， 實(shí)現(xiàn)各個(gè)要素的均衡發(fā)展， 才能在更大程度上推動(dòng)經(jīng)營(yíng)績(jī)效和創(chuàng)新績(jī)效的提升。

（四）平行趨勢(shì)檢驗(yàn)

企業(yè)績(jī)效的提升受到各方面因素的影響， 即除實(shí)施智能制造以外， 其他因素也有可能導(dǎo)致企業(yè)出現(xiàn)這種實(shí)施智能制造前后的績(jī)效差異， 但這種差異與是否實(shí)施智能制造并無(wú)關(guān)系， 從而使前文的研究結(jié)論不成立， 也就是說(shuō)模型可能存在內(nèi)生性問題。

為了排除這種影響， 本文對(duì)模型進(jìn)行了內(nèi)生性檢驗(yàn)。 借鑒已有文獻(xiàn)的做法[27] ， 假設(shè)制造業(yè)企業(yè)提前兩年或者三年實(shí)施智能制造， 進(jìn)行反事實(shí)的平行趨勢(shì)檢驗(yàn)。 具體的做法是在動(dòng)態(tài)模型基礎(chǔ)上增加反映時(shí)間變化的趨勢(shì)項(xiàng)（Time）， 以此來(lái)反映時(shí)間變化的趨勢(shì)。 以企業(yè)實(shí)施智能制造的時(shí)間（Current）為界限， 把時(shí)間分為這樣幾種， 企業(yè)實(shí)施智能制造之前的第k年（Beforek）以及政策實(shí)施之后的第k年（Afterk）， 此時(shí)， 動(dòng)態(tài)模型中的公式Treat×Tt通過Beforek、Current和Afterk進(jìn)行表示。

假如樣本數(shù)據(jù)是制造業(yè)企業(yè)實(shí)施智能制造的前三年、前兩年和前一年， 那么這些年份的數(shù)據(jù)Before3、Before2、Before1的值為1， 否則這些年份的值取0; 如果觀測(cè)值是制造業(yè)企業(yè)實(shí)施智能制造當(dāng)年的數(shù)據(jù)， 那么Current的值取1， 否則取0; 同理， 假如樣本的數(shù)據(jù)是制造業(yè)企業(yè)實(shí)施智能制造的后三年、后兩年和后一年， 那么這些年份的數(shù)據(jù)After3、After2、After3的值取1， 否則這些年份的值取0。

從表3可以看出， 第（1）列和第（3）列是假設(shè)企業(yè)實(shí)施智能制造提前三年， 第（2）列和第（4）列是假設(shè)制造業(yè)企業(yè)實(shí)施智能制造提前兩年， 這兩者的Beforek均不顯著。 據(jù)此可以推知， 企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的提升是企業(yè)實(shí)施智能制造的結(jié)果， 并非是其他因素或者隨機(jī)因素帶來(lái)的。 另外， 在處理組企業(yè)實(shí)施智能制造以前， 其財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效與對(duì)照組并無(wú)明顯區(qū)別， 滿足了前文提出的平行性假設(shè)， 模型不存在內(nèi)生性問題， 利用雙重差分法所估計(jì)的交乘項(xiàng)Treat×T的系數(shù)是無(wú)偏的。 而在處理組實(shí)施智能制造之后， Afterk的系數(shù)開始出現(xiàn)明顯的變化， Afterk的值為正并且隨著智能制造實(shí)施的時(shí)間延長(zhǎng)， 其值不斷增大， 表明智能制造的實(shí)施對(duì)于制造業(yè)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的提升確實(shí)存在顯著的作用， 所以研究結(jié)論具有一定的穩(wěn)健性。

（五）穩(wěn)健性測(cè)試

在利用雙重差分法（DID）對(duì)模型進(jìn)行處理之前， 本文利用傾向得分匹配法（PSM）對(duì)處理組和對(duì)照組進(jìn)行了處理， 采用的匹配變量主要是控制變量， 包括研發(fā)強(qiáng)度、企業(yè)規(guī)模、實(shí)際控制人和員工教育水平。 為了進(jìn)一步檢驗(yàn)結(jié)果的穩(wěn)健性， 依次將傾向得分匹配的變量更換為三個(gè)單獨(dú)的變量， 即只反映研發(fā)強(qiáng)度的變量、只反映企業(yè)規(guī)模的變量和只反映員工教育水平的變量， 然后對(duì)這些單獨(dú)的變量進(jìn)行一對(duì)一近鄰傾向得分匹配， 再把處理組和對(duì)照組進(jìn)行雙重差分處理， 最后得到檢驗(yàn)結(jié)果， 如表4所示。

（六）智能制造對(duì)企業(yè)績(jī)效的影響機(jī)理

企業(yè)實(shí)施智能制造能夠有效提升財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效， 并且從以上檢驗(yàn)結(jié)果可以看出， 企業(yè)實(shí)施智能制造的時(shí)間越長(zhǎng)， 對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的提升作用越大。 那么， 智能制造是怎樣推動(dòng)制造業(yè)企業(yè)績(jī)效提升的呢？本文對(duì)此進(jìn)行了檢驗(yàn)， 檢驗(yàn)結(jié)果如表5所示。

Treat×Tt代表企業(yè)實(shí)施智能制造第t年后， 智能制造對(duì)企業(yè)各個(gè)要素的驅(qū)動(dòng)影響。 第（1）列各項(xiàng)系數(shù)為正， 并且系數(shù)的值越來(lái)越大， 表明企業(yè)實(shí)施智能制造后， 企業(yè)的研發(fā)強(qiáng)度越來(lái)越大， 對(duì)研發(fā)投入越來(lái)越重視。 第（2）列系數(shù)的值也為正， 其值也越來(lái)越大， 表明企業(yè)實(shí)施智能制造以后， 績(jī)效提升促進(jìn)企業(yè)規(guī)模不斷擴(kuò)大， 企業(yè)規(guī)模的擴(kuò)大又可以反過來(lái)促進(jìn)績(jī)效的提升。 第（3）列與第（1）列和第（2）列類似， 系數(shù)也為正， 并且值越來(lái)越大， 表明企業(yè)實(shí)施智能制造能有效促進(jìn)員工教育水平的提升。 由此可以看出， 企業(yè)實(shí)施智能制造帶動(dòng)研發(fā)強(qiáng)度增大， 繼而形成對(duì)人才的需求， 員工教育水平提高， 研發(fā)強(qiáng)度增大和員工素質(zhì)提高帶動(dòng)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的不斷提升， 并形成了良性的循環(huán)。

五、 結(jié)論

本文基于2014 ～ 2018年我國(guó)制造業(yè)上市公司有關(guān)智能制造的面板數(shù)據(jù)， 利用PSM-DID方法研究智能制造對(duì)企業(yè)財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效的影響。 結(jié)果表明：第一， 實(shí)施智能制造對(duì)企業(yè)的財(cái)務(wù)績(jī)效和創(chuàng)新績(jī)效存在顯著的促進(jìn)作用， 企業(yè)實(shí)施智能制造的時(shí)間越長(zhǎng)， 對(duì)績(jī)效的影響越大。 第二， 智能制造作為制造業(yè)企業(yè)轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)高質(zhì)量發(fā)展的新動(dòng)能， 需要與企業(yè)其他的互補(bǔ)要素結(jié)合， 以更好地推動(dòng)企業(yè)績(jī)效的提升。 鑒于智能制造對(duì)企業(yè)績(jī)效顯著的增進(jìn)作用， 在國(guó)家、省、市各級(jí)政府支持的試點(diǎn)示范企業(yè)的帶動(dòng)作用下， 我國(guó)的傳統(tǒng)制造業(yè)企業(yè)應(yīng)該努力加快數(shù)字化、網(wǎng)絡(luò)化和智能化發(fā)展。

【 主 要 參 考 文 獻(xiàn) 】

[ 1 ] ? Müller J. M.， Voigt K. I.. Sustainable industrial value creation in SMEs： A comparison between Industry 4.0 and Made-in-China 2025[ J].International Journal of Precision Engineering and Manufacturing-Green Technology，2018（5）：659 ～ 670.

[ 2 ] ? 周濟(jì)，李培根，周艷紅等.走向新一代智能制造[ J].Engineering，2018（1）：28 ～ 47.

[ 3 ] ? 孫早，侯玉琳.工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)[ J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（5）：61 ～ 79.

[ 4 ] ? 史竹琴，蔡瑞林，朱先奇.智能生產(chǎn)共享商業(yè)模式創(chuàng)新研究[ J].中國(guó)軟科學(xué)，2017（6）：130 ～ 139.

[ 5 ] ? 王立彥，張繼東.ERP系統(tǒng)實(shí)施與公司業(yè)績(jī)?cè)鲩L(zhǎng)之關(guān)系——基于中國(guó)上市公司數(shù)據(jù)的實(shí)證分析[ J].管理世界，2007（3）：116 ～ 121+137.

[ 6 ] ? 孫健，袁蓉麗，王百?gòu)?qiáng).ERP實(shí)施真的能提升企業(yè)業(yè)績(jī)嗎？[ J].中國(guó)軟科學(xué)，2017（8）：121 ～ 132.

[ 7 ] ? Dos Santos B. L.， Zheng Z.， Mookerjee V. S.， et al.. Are new IT-enabled investment opportunities diminishing for firms？[ J].Information?Systems Research，2012（2）：287 ～ 305.

[ 8 ] ? Grant D.， Yeo B.. A global perspective on tech investment， financing， and ICT on manufacturing and service industry performance[ J].International Journal of Information Management，2018（43）：130 ～ 145.

[ 9 ] ? Tang C. P.， Huang T. C. K.， Wang S. T.. The impact of internet of things implementation on firm performance[ J].Telematics and Informatics，2018（7）：2038 ～ 2053.

[10] ? M?ldner A. K.， Garza-Reyes J. A.， Kumar V.. Exploring lean manufacturing practices' influence on process innovation performance[ J].Journal of Business Research，2020（106）：233 ～ 249.

[11] ? Kiel D.， Müller J. M.， Arnold C.， et al.. Sustainable industrial value creation： Benefits and challenges of Industry 4.0[ J].International Journal?of Innovation Management，2017（8）：N/A.

[12] ? Baskerville R. L.， Myers M. D.. Information systems as a reference discipline[ J].MIS Quarterly，2002（1）：1 ～ 14.

[13] ? Uden L.， He W.. How the internet of things can help knowledge management： A case study from the automotive domain[ J].Journal of?Knowledge Management，2017（1）：57 ～ 70.

[14] ? Frank A. G.， Dalenogare L. S.， Ayala N. F.. Industry 4.0 technologies： Implementation patterns in manufacturing companies[ J].International?Journal of Production Economics，2019（210）：15 ～ 26.

[15] ? Brynjolfsson E.， McElheran K.. The rapid adoption of data-driven decision-making[ J].American Economic Review，2016（5）：133 ～ 139.

[16] ? Frank A. G.， Mendes G. H. S.， Ayala N. F.， et al.. Servitization and Industry 4.0 convergence in the digital transformation of product?firms： A business model innovation perspective[ J].Technological Forecasting and Social Change，2019（141）：341 ～ 351.

[17] ? Grover V.， Chiang R. H. L.， Liang T. P.， et al.. Creating strategic business value from big data analytics： A research framework[ J].Journal?of Management Information Systems，2018（2）：388 ～ 423.

[18] ? Machado C. G.， Winroth M. P.， Ribeiro Da Silva E. H. D.. Sustainable manufacturing in Industry 4.0： An emerging research agenda[ J].International Journal of Production Research，2019（2）：1 ～ 23.

[19] ? Graetz G.， Michaels G.. Robots at work[ J].Review of Economics and Statistics，2018（5）：753 ～ 768.

[20] ? Büchi G.， Cugno M.， Castagnoli R.. Smart factory performance and Industry 4.0[ J].Technological Forecasting and Social Change，2020（150）：N/A.

[21] ? Zhang X.， Chen H.， Wang W.， et al.. What is the role of IT in innovation？ A bibliometric analysis of research development in IT innovation[ J].Behaviour & Information Technology，2016（12）：1130 ～ 1143.

[22] ? Xue L.， Ray G.， Sambamurthy V.. Efficiency or innovation： How do industry environments moderate the effects of firms' IT asset portfolios[ J].Published at： MIS Quarterly，2013（2）：2012.

[23] ? Cui T.， Ye H. J.， Teo H. H.， et al.. Information technology and open innovation： A strategic alignment perspective[ J].Information &?Management，2015（3）：348 ～ 358.

[24] ? Joshi K. D.， Chi L.， Datta A.， et al.. Changing the competitive landscape： Continuous innovation through IT-enabled knowledge capabilities[ J].Information Systems Research，2010（3）：472 ～ 495.

[25] ? Nambisan S.. Information technology and product/service innovation： A brief assessment and some suggestions for future research[ J].Journal?of the Association for Information Systems，2013（4）：215 ～ 226.

[26] ? Duan Y.， Cao G.， Edwards J. S.. Understanding the impact of business analytics on innovation[ J].European Journal of Operational?Research，2020（3）：673 ～ 686.

[27] ? Vandenberghe V.. Alternatives to polynomial trend-corrected differences-in-differences models[ J].Applied Economics Letters，2019（5）：358 ～ 361.