陳楠 蔡躍洲

摘 要：在新發(fā)展階段，為了提高中國制造業(yè)國際競爭力、實(shí)現(xiàn)高質(zhì)量發(fā)展，須加快推進(jìn)數(shù)字技術(shù)與制造業(yè)深度融合，保持合理增長速度的同時提升發(fā)展質(zhì)量。本文基于2001年至2017年我國27個制造業(yè)細(xì)分行業(yè)的面板數(shù)據(jù)，以數(shù)字技術(shù)專利統(tǒng)計(jì)量作為技術(shù)進(jìn)步和滲透應(yīng)用的代理變量，對輕紡制造業(yè)、資源加工業(yè)、機(jī)械設(shè)備制造業(yè)三大類別進(jìn)行分組回歸。結(jié)果表明，數(shù)字技術(shù)對制造業(yè)增長的促進(jìn)作用具有顯著的行業(yè)異質(zhì)性特征，集中體現(xiàn)在機(jī)械設(shè)備制造業(yè)，而對輕紡制造業(yè)和資源加工業(yè)的滲透影響不足。以機(jī)械設(shè)備制造業(yè)為樣本的機(jī)制檢驗(yàn)結(jié)果表明，數(shù)字技術(shù)主要通過提高成本利潤率、減少用工數(shù)量、降低用工成本等路徑提高制造業(yè)的增長質(zhì)量，而在提升產(chǎn)品質(zhì)量、促進(jìn)創(chuàng)新等方面的影響有限。

關(guān)鍵詞：制造業(yè)增長；數(shù)字化轉(zhuǎn)型；專利應(yīng)用分類；行業(yè)異質(zhì)性；影響機(jī)制

一、引 言

2021年是我國“十四五”規(guī)劃的開局之年。經(jīng)過“十三五”時期的不懈努力，我國已實(shí)現(xiàn)全面建成小康社會的第一個百年目標(biāo)，正大步邁進(jìn)實(shí)現(xiàn)全面建成社會主義現(xiàn)代化國家第二個百年目標(biāo)的新階段。新發(fā)展階段，我國經(jīng)濟(jì)發(fā)展的特征和重心也發(fā)生了轉(zhuǎn)變，從高速增長轉(zhuǎn)向了以質(zhì)量變革、效率變革和動力變革為驅(qū)動的高質(zhì)量發(fā)展。制造業(yè)是經(jīng)濟(jì)社會發(fā)展的物質(zhì)基礎(chǔ)和實(shí)體經(jīng)濟(jì)的主體，制造業(yè)高質(zhì)量發(fā)展是支撐我國宏觀經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵所在。然而，隨著勞動力供給、碳減排等外部約束不斷收緊，我國制造業(yè)快速增長所依賴的傳統(tǒng)成本優(yōu)勢大大削弱，迫切需要尋找產(chǎn)業(yè)轉(zhuǎn)型升級的新出路。2010年以來，以大數(shù)據(jù)、云計(jì)算、人工智能為代表的新一代信息技術(shù)/數(shù)字技術(shù)快速發(fā)展，在全球范圍內(nèi)驅(qū)動新一輪科技革命和產(chǎn)業(yè)變革加速演進(jìn)，數(shù)字化轉(zhuǎn)型成為制造業(yè)發(fā)展的重點(diǎn)方向。美國、德國、日本、韓國等發(fā)達(dá)經(jīng)濟(jì)體加速布局與數(shù)字技術(shù)深度融合的先進(jìn)制造業(yè)，旨在重振實(shí)體經(jīng)濟(jì)，搶占新一輪科技革命和產(chǎn)業(yè)變革的制高點(diǎn)（陳楠和蔡躍洲，2020）。我國也高度重視制造業(yè)與數(shù)字技術(shù)的融合發(fā)展，自2015年起，先后出臺了《中國制造2025》《國務(wù)院關(guān)于深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的指導(dǎo)意見》《智能制造發(fā)展規(guī)劃》《工業(yè)互聯(lián)網(wǎng)發(fā)展行動計(jì)劃》等一系列政策和規(guī)劃?！秶窠?jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要草案》（以下簡稱“十四五”規(guī)劃綱要）更是明確“堅(jiān)持把發(fā)展經(jīng)濟(jì)著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，加快推進(jìn)制造強(qiáng)國、質(zhì)量強(qiáng)國建設(shè)……保持制造業(yè)比重基本穩(wěn)定，增強(qiáng)制造業(yè)競爭優(yōu)勢，推動制造業(yè)高質(zhì)量發(fā)展”。這表明“十四五”期間，我國制造業(yè)的高質(zhì)量發(fā)展既要保持合理的增長速度，又要提升增長質(zhì)量。

不少國內(nèi)學(xué)者將數(shù)字化轉(zhuǎn)型視為實(shí)現(xiàn)我國制造業(yè)高質(zhì)量發(fā)展的重要途徑和關(guān)鍵所在（呂鐵，2019；趙劍波，2020；李英杰和韓平，2021），相關(guān)領(lǐng)域的學(xué)術(shù)研究也取得了豐富成果。在宏觀層面，數(shù)字技術(shù)憑借其技術(shù)—經(jīng)濟(jì)特征，廣泛應(yīng)用于生產(chǎn)制造各領(lǐng)域，通過要素貢獻(xiàn)、效率提升、知識創(chuàng)造等路徑，實(shí)現(xiàn)對制造業(yè)高質(zhì)量發(fā)展的支撐作用，當(dāng)然，數(shù)字技術(shù)的增長促進(jìn)作用依然存在“索洛悖論”帶來的滯后效應(yīng)（蔡躍洲和張鈞南，2015；蔡躍洲和陳楠，2019）。在微觀層面，數(shù)字技術(shù)的應(yīng)用能夠提高企業(yè)在產(chǎn)品研發(fā)、運(yùn)營管理、市場營銷、生產(chǎn)制造等各個環(huán)節(jié)的績效表現(xiàn)（肖靜華，2020；謝康等，2020；池毛毛等，2020）。然而，在行業(yè)層面，數(shù)字技術(shù)推動制造業(yè)高質(zhì)量發(fā)展的影響機(jī)制以及制造業(yè)內(nèi)部的行業(yè)異質(zhì)性特征等問題，既有研究并未給予特別的關(guān)注。此外，相關(guān)領(lǐng)域?qū)嵶C研究多使用工業(yè)機(jī)器人和企業(yè)調(diào)研數(shù)據(jù)表征數(shù)字技術(shù)進(jìn)步，與實(shí)際的技術(shù)發(fā)展和應(yīng)用范疇之間還存在較大差別，降低了分析結(jié)果的有效性和穩(wěn)健性。為此，本文在已有文獻(xiàn)的基礎(chǔ)上，選取數(shù)字技術(shù)專利數(shù)據(jù)表征技術(shù)進(jìn)步和滲透應(yīng)用，按照數(shù)字技術(shù)的應(yīng)用領(lǐng)域，將專利數(shù)據(jù)與技術(shù)應(yīng)用行業(yè)進(jìn)行匹配，從行業(yè)異質(zhì)性角度，考察數(shù)字技術(shù)對中國制造業(yè)增長速度及增長質(zhì)量的影響，以期更加準(zhǔn)確地刻畫數(shù)字技術(shù)在我國制造業(yè)細(xì)分領(lǐng)域的應(yīng)用和影響現(xiàn)狀，深入理解數(shù)字技術(shù)推動我國制造業(yè)高質(zhì)量發(fā)展的影響機(jī)制，為繼續(xù)推進(jìn)我國制造業(yè)的數(shù)字技術(shù)應(yīng)用、數(shù)字化轉(zhuǎn)型提供理論和實(shí)證支撐。

二、文獻(xiàn)綜述及研究思路

（一）制造業(yè)數(shù)字化轉(zhuǎn)型及其行業(yè)異質(zhì)性特征

2010年以來，新一代信息技術(shù)/數(shù)字技術(shù)加速商業(yè)化應(yīng)用，已滲透至生產(chǎn)生活各個方面，其中，數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)，特別是數(shù)字技術(shù)與制造業(yè)的融合發(fā)展備受各界關(guān)注。與傳統(tǒng)的信息通信技術(shù)相比，以新一代人工智能為代表的數(shù)字技術(shù)具有快速識別數(shù)據(jù)之間的復(fù)雜關(guān)系、穩(wěn)定提升數(shù)據(jù)分析結(jié)果、敏捷適應(yīng)外部變化等優(yōu)勢特征，特別適合應(yīng)用于生產(chǎn)制造領(lǐng)域（Schuh等，2019）。因此，在技術(shù)發(fā)展的初期，數(shù)字技術(shù)就獲得了較為廣泛的關(guān)注和應(yīng)用。早在2015年，《麻省理工斯隆管理評論》（MIT Sloan Management Review）與德勤（Deloitte）開展的一項(xiàng)全球企業(yè)數(shù)字化調(diào)研就發(fā)現(xiàn)，在超過4800位受訪者中76%認(rèn)為數(shù)字技術(shù)對其任職企業(yè)非常重要，92%相信數(shù)字化轉(zhuǎn)型對企業(yè)未來三年的發(fā)展意義重大。企業(yè)數(shù)字化轉(zhuǎn)型成熟度的自我評估結(jié)果也表明，26%的受訪企業(yè)處于轉(zhuǎn)型初期，45%處于發(fā)展期，而29%已經(jīng)進(jìn)入成熟期（Kane等，2015）。

為了對技術(shù)應(yīng)用企業(yè)和行業(yè)提供指導(dǎo)和建議，也對既有數(shù)字化轉(zhuǎn)型工作開展評估和考核，國內(nèi)外學(xué)者嘗試對數(shù)字化轉(zhuǎn)型模式和路徑進(jìn)行歸納提煉，并構(gòu)建轉(zhuǎn)型成熟度評估模型和數(shù)字化指標(biāo)體系。Oks等（2017）和Jeschke等（2017）在詳細(xì)闡釋工業(yè)互聯(lián)網(wǎng)（IIoT）、信息物理系統(tǒng)（CPS）、網(wǎng)絡(luò)制造系統(tǒng)（CMS）等相關(guān)概念的基礎(chǔ)上，指出數(shù)字技術(shù)的應(yīng)用需要企業(yè)具備相應(yīng)的技術(shù)、組織和人力資源基礎(chǔ)，并提出了包含智能工廠、智能產(chǎn)品、智能服務(wù)、智能數(shù)據(jù)等多個模塊的數(shù)字化轉(zhuǎn)型路線圖。許多國外學(xué)者以傳統(tǒng)的IT系統(tǒng)成熟度模型為理論基礎(chǔ)，構(gòu)建了適用于數(shù)字技術(shù)的成熟度評估模型，評估維度通常包含戰(zhàn)略和組織、產(chǎn)品和服務(wù)、生產(chǎn)制造、業(yè)務(wù)運(yùn)營、數(shù)據(jù)資產(chǎn)、人力資源等多個領(lǐng)域（Schumacher等，2016；Christian等，2016）。國內(nèi)學(xué)者也嘗試構(gòu)建了數(shù)字化評估指標(biāo)體系。萬倫等（2020）從價值、要素和能力維度構(gòu)建了制造業(yè)數(shù)字化轉(zhuǎn)型參考框架，并基于框架給出了數(shù)字化轉(zhuǎn)型評估體系，旨在幫助和指導(dǎo)技術(shù)應(yīng)用企業(yè)的數(shù)字化轉(zhuǎn)型實(shí)踐。陳疇鏞和許敬涵（2020）從技術(shù)變革、組織變革和管理變革三個方面構(gòu)建了一套制造企業(yè)數(shù)字化轉(zhuǎn)型能力評價指標(biāo)體系，對浙江省新昌縣的三家軸承制造企業(yè)進(jìn)行了數(shù)字化轉(zhuǎn)型能力評價，并基于評估結(jié)果提出了相關(guān)建議。作為制造業(yè)數(shù)字化轉(zhuǎn)型的初期探索，上述研究內(nèi)容和成果為數(shù)字化轉(zhuǎn)型實(shí)踐提供了理論支撐，也為后續(xù)研究奠定了基礎(chǔ)。

隨著研究的逐步深入，學(xué)者們發(fā)現(xiàn)在制造業(yè)內(nèi)部，不同細(xì)分行業(yè)、生產(chǎn)類型的制造企業(yè)在數(shù)字技術(shù)應(yīng)用場景、實(shí)施難度、預(yù)期收益等方面存在較大差異。例如，汽車制造和家電制造行業(yè)都具有生產(chǎn)規(guī)模大、對產(chǎn)品質(zhì)量和生產(chǎn)效率要求高、市場需求向個性化多樣化方向發(fā)展等特點(diǎn)（張清郁，2018；Wildgrube等，2018）。數(shù)字技術(shù)在汽車、家電制造行業(yè)的應(yīng)用場景主要包括以數(shù)據(jù)共享為基礎(chǔ)的大規(guī)模個性化定制、基于數(shù)據(jù)分析的產(chǎn)品優(yōu)化和生產(chǎn)管理優(yōu)化、供應(yīng)鏈和產(chǎn)業(yè)生態(tài)構(gòu)建等；數(shù)字化轉(zhuǎn)型通常可以帶來產(chǎn)品質(zhì)量提升、成本降低、效率提升等較為直觀的技術(shù)收益（Dremel等，2017；Rachinger等，2019；呂文晶等，2019；梁超和祝運(yùn)海，2019；梁新怡等，2021）。與之類似的行業(yè)還包括大型飛機(jī)等航空航天設(shè)備制造行業(yè)，因其具有生產(chǎn)規(guī)模小、產(chǎn)品價值高、研制和生產(chǎn)周期長等特點(diǎn)，行業(yè)對協(xié)同程度有較高要求，數(shù)字化應(yīng)用場景主要是基于機(jī)理模型的協(xié)同設(shè)計(jì)、仿真驗(yàn)證和生產(chǎn)工藝優(yōu)化，同樣可以帶來效率提升、成本降低等直接收益（于勇等，2009）。然而，以鋼鐵、冶金等為代表的資源加工型制造業(yè)，以及紡織業(yè)等輕紡加工型制造業(yè)，在行業(yè)特征、數(shù)字化應(yīng)用場景和預(yù)期收益方面與上述行業(yè)存在較大差異。例如，鋼鐵制造具有連續(xù)生產(chǎn)、資產(chǎn)價值高、工藝過程復(fù)雜等特點(diǎn)，對安全環(huán)保有較高要求（王龍等，2021）。以數(shù)字孿生為核心的智能工廠建設(shè)和數(shù)字化轉(zhuǎn)型，更多關(guān)注提高安全生產(chǎn)水平、實(shí)現(xiàn)能耗管控、加強(qiáng)風(fēng)控能力等領(lǐng)域（王春梅等，2018；劉玠，2020；姚林和王軍生，2020）。紡織行業(yè)的數(shù)字技術(shù)應(yīng)用案例以打通供產(chǎn)銷的平臺化經(jīng)營案例為主（Jaw等，2016），且相關(guān)研究數(shù)量有限，也反映出輕紡加工型制造業(yè)的數(shù)字化滲透水平較低、應(yīng)用場景不明確等問題。

（二）數(shù)字技術(shù)對制造業(yè)增長的影響

近年來，數(shù)字技術(shù)所帶來的經(jīng)濟(jì)社會影響愈發(fā)顯著，技術(shù)進(jìn)步對制造業(yè)的影響也開始在相關(guān)行業(yè)統(tǒng)計(jì)數(shù)據(jù)和企業(yè)微觀數(shù)據(jù)中有所體現(xiàn)，為該領(lǐng)域?qū)嵶C分析提供了數(shù)據(jù)基礎(chǔ)。越來越多的經(jīng)濟(jì)學(xué)研究將其研究內(nèi)容轉(zhuǎn)向了數(shù)字技術(shù)對制造業(yè)轉(zhuǎn)型升級、行業(yè)增長、效率提升等方面產(chǎn)生的影響，研究方法也從初期的案例學(xué)習(xí)、成熟度評估等，轉(zhuǎn)向了數(shù)字化變量構(gòu)建、計(jì)量回歸等定量分析。許多國內(nèi)外學(xué)者選擇工業(yè)機(jī)器人數(shù)據(jù)作為數(shù)字技術(shù)的代理變量，驗(yàn)證其對于制造業(yè)生產(chǎn)效率（即增長質(zhì)量）的影響。Kromann等（2011）將國際機(jī)器人聯(lián)合會（International Federation of Robotics， IFR）公布的工業(yè)機(jī)器人數(shù)據(jù)和EU-KLEMS數(shù)據(jù)庫進(jìn)行匹配，以每百萬工作小時的工業(yè)機(jī)器人使用數(shù)量作為數(shù)字技術(shù)的衡量指標(biāo)，對制造業(yè)細(xì)分行業(yè)的生產(chǎn)率進(jìn)行了面板回歸分析。結(jié)果顯示，無論從長期還是短期而言，數(shù)字技術(shù)對制造業(yè)生產(chǎn)率都具有顯著的提升作用。李丫丫和潘安（2017）、李丫丫等（2018）以我國制造業(yè)統(tǒng)計(jì)數(shù)據(jù)和聯(lián)合國貿(mào)發(fā)數(shù)據(jù)庫（United Nations Conference on Trade and Development，UNCTAD）數(shù)據(jù)為樣本，驗(yàn)證了工業(yè)機(jī)器人應(yīng)用及工業(yè)機(jī)器人進(jìn)口貿(mào)易對于我國制造業(yè)全要素生產(chǎn)率的促進(jìn)作用。

基于企業(yè)公開信息或企業(yè)調(diào)查數(shù)據(jù)的數(shù)字化變量構(gòu)建和計(jì)量分析也取得了顯著進(jìn)展。何帆和劉紅霞（2019）基于46 978份企業(yè)公告數(shù)據(jù)，將企業(yè)是否實(shí)施數(shù)字化轉(zhuǎn)型戰(zhàn)略作為核心解釋變量，考察了數(shù)字化變革對企業(yè)總資產(chǎn)收益率與凈資產(chǎn)回報(bào)率的影響。戚聿東和蔡呈偉（2020）采用文本挖掘方法，構(gòu)建了我國非高新技術(shù)制造業(yè)上市公司2011年至2018年數(shù)字化程度指標(biāo)，并考察了數(shù)字化程度對企業(yè)績效的多重影響及作用機(jī)理。劉飛（2020）使用我國制造業(yè)上市公司2007年至2019年年報(bào)數(shù)據(jù)，分析驗(yàn)證了制造業(yè)數(shù)字化轉(zhuǎn)型對生產(chǎn)率的影響機(jī)制和效果。趙宸宇等（2021）基于上市公司微觀數(shù)據(jù)，采用文本分析和專家打分相結(jié)合的方法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，從實(shí)證角度檢驗(yàn)了數(shù)字化轉(zhuǎn)型對制造業(yè)企業(yè)全要素生產(chǎn)率的影響。相關(guān)實(shí)證研究結(jié)果基本肯定了數(shù)字技術(shù)對于制造業(yè)企業(yè)投資收益、運(yùn)營管理、市場銷售、全要素生產(chǎn)率等多個方面的提升作用。

也有部分研究使用世界銀行企業(yè)調(diào)查數(shù)據(jù)，考察互聯(lián)網(wǎng)技術(shù)、數(shù)字化轉(zhuǎn)型等對我國制造業(yè)企業(yè)的影響。王可和李連燕（2018）使用2012年世界銀行對中國制造業(yè)企業(yè)的調(diào)查數(shù)據(jù)進(jìn)行回歸分析，結(jié)果表明互聯(lián)網(wǎng)的應(yīng)用促進(jìn)了我國制造業(yè)創(chuàng)新活動的發(fā)展，提高了供應(yīng)鏈上下游企業(yè)的信息分享意愿，且其本身也可以作為一種高效的商品銷售和市場營銷渠道，提升制造企業(yè)績效表現(xiàn)。王莉娜（2020）基于世界銀行中國企業(yè)調(diào)查數(shù)據(jù)，運(yùn)用多分格主成分分析法構(gòu)建了企業(yè)層面的數(shù)字化指數(shù)，并使用基于控制函數(shù)的分位數(shù)回歸方法分析考察了數(shù)字化對中國企業(yè)的影響。研究發(fā)現(xiàn)，我國企業(yè)的數(shù)字化發(fā)展較好，但企業(yè)間發(fā)展水平不平衡；數(shù)字化對企業(yè)轉(zhuǎn)型升級具有顯著促進(jìn)作用，但對不同類型的企業(yè)具有差異性影響。

（三）既有文獻(xiàn)評述及后續(xù)研究思路

針對數(shù)字技術(shù)在制造業(yè)的應(yīng)用以及技術(shù)對行業(yè)增長所產(chǎn)生的影響，既有研究在明確相關(guān)概念和內(nèi)涵的基礎(chǔ)上，歸納總結(jié)了制造業(yè)及其細(xì)分行業(yè)的數(shù)字化轉(zhuǎn)型模式和路徑，使用案例分析、指標(biāo)構(gòu)建、計(jì)量回歸等定性和定量方法，梳理刻畫了數(shù)字技術(shù)在生產(chǎn)制造領(lǐng)域的應(yīng)用現(xiàn)狀，分析驗(yàn)證了數(shù)字技術(shù)對制造業(yè)行業(yè)及企業(yè)的影響效果和機(jī)制。這些工作為理解數(shù)字技術(shù)與制造業(yè)發(fā)展的關(guān)系，從理論和實(shí)證上提供了有力支撐。當(dāng)然，該領(lǐng)域研究還有以下問題亟待深入探討。

一是實(shí)證研究的難點(diǎn)依然在于數(shù)字技術(shù)代理變量的選取，現(xiàn)有研究大多使用工業(yè)機(jī)器人數(shù)據(jù)和企業(yè)調(diào)查數(shù)據(jù)表征數(shù)字技術(shù)的發(fā)展和應(yīng)用。其中，工業(yè)機(jī)器人僅能代表數(shù)字技術(shù)的一個分支，難以全面刻畫數(shù)字技術(shù)的發(fā)展趨勢和影響效果；而企業(yè)調(diào)查數(shù)據(jù)多來自走訪調(diào)研、調(diào)查問卷或企業(yè)公開信息，受企業(yè)主觀因素影響較大，影響實(shí)證結(jié)果的可靠性。

二是針對數(shù)字技術(shù)在制造業(yè)的應(yīng)用，特別是細(xì)分行業(yè)之間異質(zhì)性特征的研究，大多采用了案例學(xué)習(xí)的方法，歸納總結(jié)數(shù)字技術(shù)在典型企業(yè)、典型行業(yè)的應(yīng)用模式，梳理技術(shù)進(jìn)步對制造業(yè)的影響路徑與機(jī)制。多數(shù)研究僅專注于某個細(xì)分領(lǐng)域，缺少行業(yè)之間的橫向?qū)Ρ?，且相關(guān)量化研究結(jié)果也十分有限。

三是有關(guān)數(shù)字技術(shù)影響的研究大多集中于數(shù)字技術(shù)在制造業(yè)整體或企業(yè)層面的效率促進(jìn)作用（包括生產(chǎn)效率、投資收益、創(chuàng)新績效等），而數(shù)字技術(shù)對制造業(yè)高質(zhì)量發(fā)展的傳導(dǎo)機(jī)制、影響程度等，還需要更加系統(tǒng)的研究和判斷。另外，許多關(guān)于創(chuàng)新影響的量化研究使用企業(yè)自我評估結(jié)果作為被解釋變量，難以獲得客觀的研究結(jié)論。

基于此，本文擬就數(shù)字技術(shù)對制造業(yè)增長速度及質(zhì)量的影響，從細(xì)分行業(yè)異質(zhì)性特征出發(fā)，在實(shí)證層面開展相關(guān)的分析和檢驗(yàn)。具體安排如下：第三部分，從行業(yè)異質(zhì)性視角出發(fā)，分析檢驗(yàn)數(shù)字技術(shù)對制造業(yè)增長產(chǎn)生的影響。選取數(shù)字技術(shù)專利統(tǒng)計(jì)量作為實(shí)證分析的核心解釋變量，按照數(shù)字技術(shù)的應(yīng)用領(lǐng)域，將專利數(shù)據(jù)與技術(shù)應(yīng)用行業(yè)進(jìn)行匹配，從而獲得我國制造業(yè)各細(xì)分行業(yè)數(shù)字技術(shù)專利應(yīng)用的面板數(shù)據(jù)，并對其進(jìn)行分組回歸，據(jù)此分析驗(yàn)證數(shù)字技術(shù)對不同制造業(yè)類別帶來的異質(zhì)性影響。第四部分，主要關(guān)注數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響。在明確數(shù)字技術(shù)（應(yīng)用）促進(jìn)我國機(jī)械設(shè)備制造業(yè)增長的基礎(chǔ)上，使用統(tǒng)計(jì)數(shù)據(jù)構(gòu)建行業(yè)績效指標(biāo)，驗(yàn)證數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響，進(jìn)一步梳理數(shù)字技術(shù)推動制造業(yè)高質(zhì)量發(fā)展的影響機(jī)制。第五部分，研究結(jié)論及政策建議。歸納總結(jié)本文實(shí)證分析的主要結(jié)果，為繼續(xù)推動數(shù)字技術(shù)在我國制造業(yè)的應(yīng)用和行業(yè)數(shù)字化轉(zhuǎn)型提出建議。

三、數(shù)字技術(shù)對制造業(yè)增長的影響及其行業(yè)異質(zhì)性

（一）數(shù)字技術(shù)專利數(shù)據(jù)特征

為進(jìn)一步補(bǔ)充和完善數(shù)字技術(shù)的代理變量，本文使用數(shù)字技術(shù)的專利申請量和授權(quán)量作為核心解釋變量，用于表征數(shù)字技術(shù)在我國制造業(yè)領(lǐng)域的應(yīng)用和發(fā)展。盡管專利數(shù)據(jù)本身存在無法涵蓋未申請專利保護(hù)的技術(shù)發(fā)明和應(yīng)用、專利質(zhì)量參差不齊等弊端（Griliches， 1998），但相較于既有文獻(xiàn)的變量選擇，專利數(shù)據(jù)能夠代表具有商業(yè)價值的技術(shù)進(jìn)步，且更加直接地對應(yīng)數(shù)字技術(shù)及其應(yīng)用范圍，可以為本文實(shí)證研究提供良好數(shù)據(jù)支撐，也可以作為既有研究的有益補(bǔ)充。 在中汽知識產(chǎn)權(quán)運(yùn)營中心的數(shù)據(jù)服務(wù)支持下1，本文按照世界知識產(chǎn)權(quán)組織（World Intellectual Property Organization，WIPO）公布的信息通信技術(shù)（ICT）國際專利分類號（International Patent Code， IPC），將我國國家知識產(chǎn)權(quán)局專利數(shù)據(jù)中屬于信息通信技術(shù)（即數(shù)字技術(shù)）范疇的相關(guān)專利進(jìn)行提取。然后，基于專利文本分析，按照專利技術(shù)的應(yīng)用領(lǐng)域，篩選出應(yīng)用于制造業(yè)的數(shù)字技術(shù)專利，并與國民經(jīng)濟(jì)行業(yè)分類中的制造業(yè)細(xì)分行業(yè)進(jìn)行匹配，從而得到1985年至2018年應(yīng)用于31個制造業(yè)細(xì)分行業(yè)的數(shù)字技術(shù)專利申請量和授權(quán)量1，用于表征各細(xì)分行業(yè)的數(shù)字技術(shù)滲透應(yīng)用及其技術(shù)進(jìn)步狀況。

1..數(shù)字技術(shù)專利的時間分布

圖1展示了我國制造業(yè)數(shù)字技術(shù)專利申請和授權(quán)的逐年統(tǒng)計(jì)量。1985年至2018年期間，我國制造業(yè)領(lǐng)域的數(shù)字技術(shù)專利申請共計(jì)2 310 639件，專利授權(quán)共計(jì)1 281 723件。根據(jù)圖1專利數(shù)量發(fā)展趨勢，可以將數(shù)字技術(shù)在制造業(yè)的應(yīng)用和發(fā)展大致劃分為三個階段：（1）2000年以前，制造業(yè)領(lǐng)域的數(shù)字技術(shù)積累較少且發(fā)展速度緩慢，相關(guān)專利申請和授權(quán)數(shù)量都非常有限。（2）2000年至2010年期間，傳統(tǒng)信息通信技術(shù)在制造業(yè)的應(yīng)用和發(fā)展進(jìn)入穩(wěn)步提升階段，相關(guān)專利申請和授權(quán)量逐步積累至可觀規(guī)模。（3）2010年以來，隨著大數(shù)據(jù)、云計(jì)算、人工智能等新一代信息通信技術(shù)的興起，我國制造業(yè)領(lǐng)域的數(shù)字技術(shù)專利進(jìn)入快速成長階段；特別是2015年以后，《中國制造2025》《新一代人工智能發(fā)展規(guī)劃》等國家政策相繼出臺，以深度學(xué)習(xí)算法為核心的新一代人工智能技術(shù)也進(jìn)入商業(yè)應(yīng)用爆發(fā)期，再次促進(jìn)了數(shù)字技術(shù)在制造業(yè)領(lǐng)域的應(yīng)用和發(fā)展，相關(guān)專利統(tǒng)計(jì)量的年度增長速度顯著提升?；谏鲜鰰r間趨勢特征，綜合考慮數(shù)據(jù)的可獲得性等因素，本文選擇2001年至2017年作為實(shí)證分析的時間窗口。該時間段涵蓋了制造業(yè)數(shù)字技術(shù)的穩(wěn)步提升階段和快速發(fā)展階段，能夠較好反映數(shù)字技術(shù)在生產(chǎn)制造領(lǐng)域的發(fā)展應(yīng)用，及其產(chǎn)生的經(jīng)濟(jì)影響。

2..數(shù)字技術(shù)專利的行業(yè)分布

圖2展示了1985年至2018年期間，我國數(shù)字技術(shù)專利授權(quán)量在31個制造業(yè)細(xì)分行業(yè)的分布狀況，并按照專利數(shù)量進(jìn)行了行業(yè)排序。根據(jù)圖中信息可知，數(shù)字技術(shù)專利在制造業(yè)內(nèi)部的集中程度很高，技術(shù)發(fā)展的行業(yè)不平衡特征突出。其中，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（以下簡稱ICT制造業(yè)）專利授權(quán)量排名第一，占全產(chǎn)業(yè)數(shù)字技術(shù)專利授權(quán)總量的60.07%；排名前5位的行業(yè)合計(jì)占比90.8%，排名前10位的行業(yè)合計(jì)占比97.75%，剩余細(xì)分行業(yè)各自占比不足0.5%，行業(yè)之間差距懸殊。需要特別指出的是，ICT制造業(yè)的專利代表了通用目的型數(shù)字技術(shù)的發(fā)展水平，屬于數(shù)字產(chǎn)業(yè)化范疇，為數(shù)字經(jīng)濟(jì)整體發(fā)展和產(chǎn)業(yè)數(shù)字化提供了物質(zhì)基礎(chǔ)；而制造業(yè)其他細(xì)分行業(yè)的數(shù)字技術(shù)專利，則可以看作是與其他行業(yè)技術(shù)相結(jié)合的專屬技術(shù)，其應(yīng)用范圍更多局限于該細(xì)分行業(yè)內(nèi)部，代表了傳統(tǒng)產(chǎn)業(yè)數(shù)字化技術(shù)的發(fā)展水平。

考慮到數(shù)字技術(shù)專利在制造業(yè)內(nèi)部懸殊的行業(yè)分布，后續(xù)實(shí)證將在變量描述性統(tǒng)計(jì)特征分析的基礎(chǔ)上，對制造業(yè)面板數(shù)據(jù)進(jìn)行分組回歸，以提高分析結(jié)果的合理性。同時，針對ICT制造業(yè)數(shù)字技術(shù)專利的特殊性，本文在穩(wěn)健性檢驗(yàn)中剔除了ICT制造業(yè)，以期驗(yàn)證其他細(xì)分行業(yè)的數(shù)字技術(shù)還能否帶來制造業(yè)的增長促進(jìn)作用。

3..數(shù)字技術(shù)專利應(yīng)用分類的合理性

首先，本文使用的制造業(yè)細(xì)分行業(yè)數(shù)字技術(shù)專利，是基于專利文本分析，按照專利應(yīng)用領(lǐng)域（而非專利申請企業(yè)所屬行業(yè)）作為細(xì)分行業(yè)劃分標(biāo)準(zhǔn)。這樣的數(shù)據(jù)處理方式，一定程度上保證了數(shù)字技術(shù)專利與其應(yīng)用范疇的良好對應(yīng)。盡管專利從創(chuàng)新產(chǎn)出到技術(shù)應(yīng)用之間還存在不確定性，但相較于企業(yè)數(shù)字化指標(biāo)、工業(yè)機(jī)器人等既有數(shù)字技術(shù)變量，能夠申請和獲批的數(shù)字技術(shù)專利可以更加客觀、全面地反映制造業(yè)細(xì)分行業(yè)具有商業(yè)價值的技術(shù)進(jìn)步。因此，使用數(shù)字技術(shù)專利數(shù)據(jù)分析技術(shù)進(jìn)步對制造業(yè)增長的影響具有其合理性，也能夠?yàn)榧扔袑?shí)證分析提供有益補(bǔ)充。

其次，數(shù)字技術(shù)專利與其他專利的增長趨勢具有明顯差異。圖3展示了2012年至2018年制造業(yè)數(shù)字技術(shù)專利申請量的年增長率，及制造業(yè)規(guī)上企業(yè)全部專利申請量的年增長率。兩條曲線的變化方向和幅度都存在顯著差異，表明數(shù)字技術(shù)專利的增長趨勢顯著區(qū)別于專利總量趨勢。因此，本文使用專利數(shù)據(jù)進(jìn)行實(shí)證分析，可以有效剝離出數(shù)字技術(shù)區(qū)別于其他技術(shù)進(jìn)步的發(fā)展趨勢及經(jīng)濟(jì)影響。同時，本文在后續(xù)的回歸分析中，使用細(xì)分行業(yè)研發(fā)投入作為控制變量，進(jìn)一步控制了各行業(yè)研發(fā)強(qiáng)度等其他技術(shù)因素對行業(yè)增長的影響。

（二）數(shù)字技術(shù)對制造業(yè)增長的影響

1..制造業(yè)細(xì)分行業(yè)及分類

本文實(shí)證分析的主要方法是基于制造業(yè)細(xì)分行業(yè)的面板數(shù)據(jù)分析，因此需要對我國制造業(yè)細(xì)分行業(yè)及類別的劃分標(biāo)準(zhǔn)進(jìn)行明確和統(tǒng)一。首先，我國制造業(yè)細(xì)分行業(yè)的統(tǒng)計(jì)口徑經(jīng)歷了多次調(diào)整，涉及多個細(xì)分行業(yè)的合并和拆分。為保證數(shù)據(jù)延續(xù)性，將《國民經(jīng)濟(jì)行業(yè)分類（2017）》制造業(yè)門類下屬31個細(xì)分行業(yè)歸并為27個行業(yè)（詳見表1），并據(jù)此整理2001年至2017年份行業(yè)面板變量。涉及調(diào)整的行業(yè)包括：將2001年至2011年“橡膠制品業(yè)”和“塑料制品業(yè)”合并為“橡膠和塑料制品業(yè)”；將2012年至2017年“汽車制造業(yè)”和“鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)”合并為“交通運(yùn)輸設(shè)備制造業(yè)”；另外，各年份“其他制造業(yè)”“廢棄資源綜合利用業(yè)”“金屬制品、機(jī)械和設(shè)備修理業(yè)”三個細(xì)分行業(yè)因數(shù)據(jù)缺失較多且行業(yè)占比低，不納入分析樣本。其次，基于文獻(xiàn)綜述內(nèi)容可知，制造業(yè)不同細(xì)分行業(yè)或不同類別之間，在數(shù)字技術(shù)應(yīng)用、數(shù)字化轉(zhuǎn)型領(lǐng)域存在較大差異。本文借鑒孫曉華和辛夢依（2013）的處理方法，將27個制造業(yè)細(xì)分行業(yè)劃分為三大類別，其中輕紡制造業(yè)包含農(nóng)副食品加工等12個細(xì)分行業(yè)、資源加工業(yè)包含石油、煤炭及其他燃料加工業(yè)等8個行業(yè)，機(jī)械設(shè)備制造業(yè)包含金屬制品業(yè)等7個行業(yè)。全部行業(yè)分類信息參見表1。

2..數(shù)據(jù)來源、變量選擇及模型構(gòu)建

本文使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》《中國勞動統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》中制造業(yè)相關(guān)統(tǒng)計(jì)數(shù)據(jù)，與制造業(yè)數(shù)字技術(shù)專利數(shù)據(jù)進(jìn)行匹配，最終獲得2001年至2017年制造業(yè)27個細(xì)分行業(yè)的面板數(shù)據(jù)作為實(shí)證分析的總樣本。變量構(gòu)建過程和描述性統(tǒng)計(jì)特征具體介紹如下。

被解釋變量：以細(xì)分行業(yè)的主營業(yè)務(wù)收入作為被解釋變量，用于表征制造業(yè)的行業(yè)增長。選取《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年分行業(yè)規(guī)模以上工業(yè)企業(yè)主營業(yè)務(wù)收入數(shù)據(jù)，作為我國制造業(yè)27個細(xì)分行業(yè)主營業(yè)務(wù)收入的代理變量，再對其取自然對數(shù)，生成被解釋變量lnrevenue。

核心解釋變量：選取并構(gòu)建2001年至2017年制造業(yè)27個細(xì)分行業(yè)的數(shù)字技術(shù)專利申請量和授權(quán)量作為核心解釋變量，用于表征數(shù)字技術(shù)在制造業(yè)的滲透應(yīng)用和技術(shù)進(jìn)步。對專利統(tǒng)計(jì)量取自然對數(shù)后，生成專利申請變量lnictapply和專利授權(quán)變量lnictgrant。后續(xù)檢驗(yàn)中將分別使用專利申請量和專利授權(quán)量進(jìn)行交叉驗(yàn)證，以提高回歸結(jié)果穩(wěn)健性。

控制變量：為了控制數(shù)字技術(shù)進(jìn)步以外的制造業(yè)增長影響因素，基于既有文獻(xiàn)從制造業(yè)細(xì)分行業(yè)的資本投入、勞動力投入、研發(fā)投入、外資依存度和出口依存度等多個角度選取了控制變量。具體包括：（1）使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)固定資產(chǎn)合計(jì)數(shù)據(jù)，取自然取數(shù)后生成固定資產(chǎn)變量lncap。（2）使用《中國勞動統(tǒng)計(jì)年鑒》2001年至2017年制造業(yè)分行業(yè)年末就業(yè)人員數(shù)據(jù)，取自然取數(shù)后生成就業(yè)人員變量 lnlabor。（3）使用《中國科技統(tǒng)計(jì)年鑒》2001年至2017年制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)內(nèi)部研發(fā)投入數(shù)據(jù)，取自然取數(shù)后生成研發(fā)投入變量 lnrd。（4）使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)外商資本金數(shù)據(jù)，取自然取數(shù)后生成外商資本變量lnfdi。（5）使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年分行業(yè)規(guī)模以上工業(yè)企業(yè)出口交貨值和工業(yè)銷售產(chǎn)值數(shù)據(jù)，得到前者在后者的比值，生成出口交貨值占比變量 exporate。變量構(gòu)建過程中遇到的缺失值使用《中國統(tǒng)計(jì)年鑒》數(shù)據(jù)進(jìn)行補(bǔ)充。實(shí)證分析使用的全部變量定義和描述性統(tǒng)計(jì)特征匯總于表2。

圖4展示了數(shù)字技術(shù)專利授權(quán)量與制造業(yè)細(xì)分行業(yè)主營業(yè)務(wù)收入之間的散點(diǎn)圖，數(shù)字標(biāo)簽代表其所屬細(xì)分行業(yè)，可與表1信息進(jìn)行比對。根據(jù)圖表信息初步判斷，數(shù)字技術(shù)與行業(yè)增長之間的關(guān)系存在較大的行業(yè)異質(zhì)性特征。部分行業(yè)的主營業(yè)務(wù)收入與數(shù)字技術(shù)專利之間呈現(xiàn)出明顯的正相關(guān)關(guān)系，較為典型的包括：印刷和記錄媒介復(fù)制業(yè)（11），文教、工美、體育和娛樂用品制造業(yè)（12），金屬制品業(yè)（21），通用設(shè)備制造業(yè)（22），計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（26），儀器儀表制造業(yè)（27）等，其中多數(shù)屬于機(jī)械設(shè)備制造業(yè)。同時，也有部分行業(yè)主營業(yè)務(wù)收入與數(shù)字技術(shù)專利之間沒有展現(xiàn)出正相關(guān)關(guān)系，甚至可能存在負(fù)向關(guān)系，較為典型的包括：農(nóng)副食品加工業(yè)（1）、家具制造業(yè)（9）、化學(xué)纖維制造業(yè)（16）、有色金屬冶煉和壓延加工業(yè)（20）等，以輕紡工業(yè)和資源加工業(yè)為主。

基于圖4判斷，數(shù)字技術(shù)專利與行業(yè)主營業(yè)務(wù)增長的關(guān)系存在較大的行業(yè)異質(zhì)性，基于總樣本的整體回歸結(jié)果無法準(zhǔn)確反映數(shù)字技術(shù)對制造業(yè)增長的影響；同時，輕紡制造業(yè)、資源加工業(yè)、機(jī)械設(shè)備制造業(yè)所包含的細(xì)分行業(yè)也展示出了較為明顯的類別共性。為此，不妨按照表1列出的制造業(yè)類別劃分進(jìn)行分組回歸。

3..回歸結(jié)果分析

按照公式（1），分別對2001年至2017年輕紡制造業(yè)、資源加工業(yè)、機(jī)械設(shè)備制造業(yè)三類行業(yè)面板數(shù)據(jù)進(jìn)行混合回歸、固定效應(yīng)回歸和隨機(jī)效應(yīng)回歸，Hausman檢驗(yàn)結(jié)果均支持固定效應(yīng)模型。因此，對三類行業(yè)面板分別進(jìn)行個體和時間雙向固定效應(yīng)回歸，加入與行業(yè)增長相關(guān)的控制變量，并使用聚類穩(wěn)健標(biāo)準(zhǔn)誤。表3匯總了三類行業(yè)面板的主要回歸結(jié)果。其中，模型1-3使用數(shù)字技術(shù)專利申請量作為核心解釋變量，模型2和3分別使用專利申請量的滯后一期和二期變量，以判斷數(shù)字技術(shù)對行業(yè)增長的滯后性影響。模型4-6使用數(shù)字技術(shù)專利授權(quán)量作為核心解釋變量，模型5和6分別使用專利授權(quán)量的滯后一期和二期變量。

根據(jù)回歸結(jié)果可知，數(shù)字技術(shù)應(yīng)用對制造業(yè)增長的影響存在較強(qiáng)的行業(yè)異質(zhì)性，技術(shù)的增長促進(jìn)作用主要集中在機(jī)械設(shè)備制造業(yè)?；?2個輕紡制造行業(yè)和8個資源加工行業(yè)17年面板數(shù)據(jù)的分析結(jié)果顯示，數(shù)字技術(shù)專利申請量和授權(quán)量，無論是在同期還是滯后期，都沒有展現(xiàn)出穩(wěn)健的增長促進(jìn)作用；僅有資源加工業(yè)滯后二期的數(shù)字技術(shù)專利授權(quán)量，獲得了顯著的正向影響系數(shù)（0.048 1）。與之對比，在基于7個機(jī)械設(shè)備制造行業(yè)17年面板數(shù)據(jù)分析的結(jié)果中，數(shù)字技術(shù)專利申請量和授權(quán)量對行業(yè)主營業(yè)務(wù)收入的影響系數(shù)分別為0.112和0.134，在5%水平下顯著，表明數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)的增長產(chǎn)生了正向影響。在其他條件保持不變的前提下，數(shù)字技術(shù)專利申請量的自然對數(shù)每增長1%，可帶來主營業(yè)務(wù)收入的自然對數(shù)增長11.2%；專利授權(quán)量的自然對數(shù)每增長1%，可帶來主營業(yè)務(wù)收入的自然對數(shù)增長13.4%。同時，滯后一期和二期的專利統(tǒng)計(jì)量自然對數(shù)也都得到了正向回歸系數(shù)，且全部4個系數(shù)都在1%水平下顯著，表明數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)增長的促進(jìn)作用相對穩(wěn)健，且具有顯著的滯后效應(yīng)。

4..穩(wěn)健性檢驗(yàn)

表3結(jié)果初步肯定了數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)增長的促進(jìn)作用及其滯后效應(yīng)，然而，技術(shù)進(jìn)步與經(jīng)濟(jì)增長之間存在因果聯(lián)立偏誤造成的內(nèi)生性問題。具體而言，數(shù)字技術(shù)的應(yīng)用和發(fā)展有助于推動制造業(yè)細(xì)分行業(yè)的增長，而行業(yè)增長反過來也會為技術(shù)研發(fā)提供資金、制度、環(huán)境等積極因素，從而推動數(shù)字技術(shù)的進(jìn)一步發(fā)展，由此造成了技術(shù)進(jìn)步與行業(yè)增長之間的雙向因果關(guān)系。為此，我們采用子樣本回歸和動態(tài)面板回歸系統(tǒng)GMM兩個方法進(jìn)行穩(wěn)健性檢驗(yàn)，以期進(jìn)一步驗(yàn)證數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)增長的促進(jìn)作用。

（1）剔除特殊行業(yè)的子樣本回歸

根據(jù)圖2信息可知，ICT制造業(yè)的數(shù)字技術(shù)專利數(shù)量和占比遠(yuǎn)高于制造業(yè)平均水平，即使在機(jī)械設(shè)備制造業(yè)類別內(nèi)部，其數(shù)字技術(shù)專利水平也遠(yuǎn)高于其他細(xì)分行業(yè)。為避免極端行業(yè)對回歸結(jié)果的影響，將ICT制造業(yè)數(shù)據(jù)樣本從機(jī)械設(shè)備制造業(yè)面板中剔除，構(gòu)成非ICT機(jī)械設(shè)備制造業(yè)2001年至2017年行業(yè)面板數(shù)據(jù)，再按照公式（1）及相關(guān)模型設(shè)定進(jìn)行回歸，相關(guān)結(jié)果匯總于表4。結(jié)果表明，子樣本回歸結(jié)果依然支持?jǐn)?shù)字技術(shù)應(yīng)用對行業(yè)增長的促進(jìn)作用及滯后效應(yīng)。以專利申請量作為核心解釋變量時，盡管同期變量回歸系數(shù)不顯著，但滯后一期和二期的專利申請量得到正向回歸系數(shù)0.167和0.201，分別在10%和5%水平下顯著。以專利授權(quán)量作為核心解釋變量時，同期、滯后一期和二期變量系數(shù)分別為0.122、0.140和0.111，在5%水平下顯著。上述回歸結(jié)果無論是系數(shù)數(shù)值，還是顯著性水平，都與表3機(jī)械設(shè)備制造業(yè)回歸結(jié)果非常相似。這說明，即使不考慮專利水平最高的ICT制造業(yè)，數(shù)字技術(shù)的發(fā)展和應(yīng)用依然可以對其他機(jī)械設(shè)備制造行業(yè)帶來顯著、穩(wěn)健的增長促進(jìn)作用。

（2）動態(tài)面板回歸

為了進(jìn)一步驗(yàn)證數(shù)字技術(shù)應(yīng)用與行業(yè)增長之間的關(guān)系，本文又使用了動態(tài)面板回歸進(jìn)行穩(wěn)健性檢驗(yàn)，將被解釋變量（即行業(yè)主營業(yè)務(wù)收入）的滯后項(xiàng)和存在內(nèi)生性問題的解釋變量（即數(shù)字技術(shù)專利統(tǒng)計(jì)量）的滯后項(xiàng)，作為解釋變量加入回歸模型，并使用系統(tǒng)廣義矩估計(jì)（system general moment method，即系統(tǒng)GMM）進(jìn)行參數(shù)估計(jì)。這一方法的優(yōu)勢在于能夠在部分存在遺漏變量和測量誤差等內(nèi)生性問題的前提下，獲得相關(guān)參數(shù)的一致估計(jì)（Blundel和Bond，1998；Roodman， 2009；邵小快和胡懷國，2013）。

在模型設(shè)定方面，以行業(yè)主營業(yè)務(wù)收入作為被解釋變量，數(shù)字技術(shù)專利授權(quán)量作為核心解釋變量，加入行業(yè)增長相關(guān)的控制變量，同時引入被解釋變量和專利變量的滯后項(xiàng)，從而構(gòu)成動態(tài)面板；對GMM工具變量使用collapse選項(xiàng)，以控制工具變量個數(shù)。通過核心解釋變量滯后項(xiàng)設(shè)定，構(gòu)建模型1和模型2，具體模型設(shè)定參見表5注釋。系統(tǒng)GMM估計(jì)結(jié)果匯總于表5。在模型1中，數(shù)字技術(shù)專利授權(quán)量同期的增長影響系數(shù)為0.236，在5%水平下顯著；在模型2中，專利授權(quán)量滯后一期的系數(shù)為0.075 5，在5%水平下顯著。上述模型的AR（2）和Hansen檢驗(yàn)的P值均大于0.1，表明殘差項(xiàng)不再存在自相關(guān)，系統(tǒng)GMM估計(jì)結(jié)果較好。動態(tài)面板回歸結(jié)果表明，在有效控制遺漏變量、雙向因果等內(nèi)生性問題的前提下，數(shù)字技術(shù)專利與行業(yè)主營業(yè)務(wù)收入之間的回歸結(jié)果依然滿足因果統(tǒng)計(jì)推斷的要求，進(jìn)一步驗(yàn)證了數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)產(chǎn)生的增長促進(jìn)作用，影響效果穩(wěn)健且具有一定的滯后性。

（三）數(shù)字技術(shù)應(yīng)用對制造業(yè)增長影響的進(jìn)一步分析

通過對制造業(yè)細(xì)分行業(yè)面板數(shù)據(jù)的分組回歸，驗(yàn)證了數(shù)字技術(shù)應(yīng)用對我國機(jī)械設(shè)備制造行業(yè)增長的促進(jìn)作用，影響效果穩(wěn)健且具有至少兩年的滯后效應(yīng)。但是，數(shù)字技術(shù)專利統(tǒng)計(jì)量與輕紡制造業(yè)、資源加工制造業(yè)的主營業(yè)務(wù)收入之間并沒有展現(xiàn)出穩(wěn)健的正相關(guān)關(guān)系。數(shù)字技術(shù)應(yīng)用對制造業(yè)增長的影響存在較大的行業(yè)異質(zhì)性特征，其原因可能包括以下幾個方面。

第一，數(shù)字技術(shù)對制造業(yè)細(xì)分行業(yè)的滲透應(yīng)用程度不同。根據(jù)圖2信息可知，數(shù)字技術(shù)專利授權(quán)量排在第一位的是與數(shù)字技術(shù)直接相關(guān)的計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)，專利授權(quán)量在制造業(yè)內(nèi)部占比60.07%。排名前5位的細(xì)分行業(yè)都屬于機(jī)械設(shè)備制造業(yè)，而輕紡制造業(yè)和資源加工業(yè)所包含的細(xì)分行業(yè)大多排名靠后。這一行業(yè)差異與蔡躍洲和牛新星（2018）的數(shù)字經(jīng)濟(jì)測算結(jié)果基本一致，即包含ICT制造業(yè)的數(shù)字產(chǎn)業(yè)化是我國數(shù)字經(jīng)濟(jì)的重要產(chǎn)業(yè)構(gòu)成，而基于數(shù)字技術(shù)滲透應(yīng)用的產(chǎn)業(yè)數(shù)字化更多集中在非ICT機(jī)械設(shè)備制造業(yè)；輕紡制造和資源加工類細(xì)分行業(yè)中數(shù)字技術(shù)的滲透應(yīng)用仍不夠充分，未來存在較大的提升發(fā)展空間。

第二，數(shù)字技術(shù)的應(yīng)用場景、實(shí)施難度等存在較大的行業(yè)差異。以ICT制造、汽車制造為代表的機(jī)械設(shè)備制造業(yè)，具有零部件模塊化、生產(chǎn)流程標(biāo)準(zhǔn)化水平高等特征，數(shù)字化轉(zhuǎn)型場景以生產(chǎn)線機(jī)器替代、產(chǎn)品質(zhì)量檢測等為主，應(yīng)用場景明確且實(shí)施難度較低。與之相比，輕紡制造業(yè)和資源加工業(yè)以長流程制造為主，具有原材料來源多樣、成分復(fù)雜等特點(diǎn)，且生產(chǎn)過程一般由多個重大裝備組合而成，行業(yè)機(jī)理復(fù)雜，加入難以建模，數(shù)字化實(shí)施難度較高。據(jù)此可以解釋輕紡制造和資源加工類制造業(yè)的數(shù)字技術(shù)應(yīng)用、數(shù)字化轉(zhuǎn)型意愿不強(qiáng)烈，數(shù)字技術(shù)專利規(guī)模較小，增長影響不顯著等問題。

第三，數(shù)字技術(shù)在不同行業(yè)產(chǎn)生的技術(shù)收益也存在較大差異。由于機(jī)械設(shè)備制造業(yè)的數(shù)字技術(shù)應(yīng)用和數(shù)字化轉(zhuǎn)型場景以機(jī)器替代、質(zhì)量檢測、成本管控等為主，因而能夠獲得較為直觀的財(cái)務(wù)收益，直接反映在行業(yè)主營業(yè)務(wù)收入的增長。輕紡制造和資源加工行業(yè)本身的信息化、自動化基礎(chǔ)較好，工藝參數(shù)也相對成熟，數(shù)字技術(shù)主要被用于解決生產(chǎn)安全、節(jié)能環(huán)保等問題，或用于打造產(chǎn)業(yè)生態(tài)，因而很難帶來直接的中短期主營業(yè)務(wù)收入增長或行業(yè)規(guī)模擴(kuò)張。

四、數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響及機(jī)制分析

在明確了數(shù)字技術(shù)應(yīng)用對我國機(jī)械設(shè)備制造業(yè)增長的促進(jìn)作用后，本部分將以2001年至2017年機(jī)械設(shè)備制造業(yè)行業(yè)面板數(shù)據(jù)作為分析樣本，使用相關(guān)統(tǒng)計(jì)數(shù)據(jù)構(gòu)建行業(yè)績效指標(biāo)，考察數(shù)字技術(shù)應(yīng)用對制造業(yè)增長質(zhì)量的影響？并進(jìn)一步總結(jié)數(shù)字技術(shù)對制造業(yè)增長速度和增長質(zhì)量的影響路徑，以分析和判斷數(shù)字技術(shù)對制造業(yè)高質(zhì)量發(fā)展的影響機(jī)制。

（一）數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響

既有研究指出，大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響路徑主要包括提升產(chǎn)品質(zhì)量、改善生產(chǎn)流程、提高生產(chǎn)運(yùn)營效率、降低生產(chǎn)運(yùn)營成本、降低經(jīng)營風(fēng)險、重塑業(yè)務(wù)流程、增強(qiáng)創(chuàng)新能力等等（Schuh等，2019；Parviainen等，2017；何帆和劉紅霞，2019；戚聿東和蔡呈偉，2020），即通過“降本”“增效”“提質(zhì)”和“創(chuàng)新”等路徑，實(shí)現(xiàn)對制造業(yè)增長質(zhì)量的促進(jìn)作用。目前，相關(guān)研究主要通過案例分析、指標(biāo)構(gòu)建、微觀計(jì)量等方法，對上述路徑進(jìn)行了梳理和驗(yàn)證，但行業(yè)層面的實(shí)證研究還十分有限。為此，本節(jié)以2001年至2017年機(jī)械設(shè)備制造業(yè)行業(yè)面板數(shù)據(jù)作為樣本，構(gòu)建表征制造業(yè)增長質(zhì)量的績效指標(biāo)，即成本利潤率、新產(chǎn)品收入、用工數(shù)量和用工成本，使用固定效應(yīng)回歸等計(jì)量方法，分析檢驗(yàn)數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響效果。

1. 變量選擇和模型構(gòu)建

基于行業(yè)數(shù)據(jù)的可獲得性，本文共構(gòu)建了4個行業(yè)績效指標(biāo)，用于分析數(shù)字技術(shù)（應(yīng)用）對制造業(yè)增長質(zhì)量的影響：（1）使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年機(jī)械設(shè)備制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)利潤總額數(shù)據(jù)和主營業(yè)務(wù)成本數(shù)據(jù)，計(jì)算前者與后者的比值，得到成本利潤率變量p2crate，用于檢驗(yàn)數(shù)字技術(shù)對行業(yè)盈利能力和生產(chǎn)成本的影響；（2）使用《中國科技統(tǒng)計(jì)年鑒》2008年至2017年機(jī)械設(shè)備制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)新產(chǎn)品收入和主營業(yè)務(wù)收入數(shù)據(jù)1，計(jì)算前者對后者的比值，得到，用于檢驗(yàn)數(shù)字技術(shù)對行業(yè)創(chuàng)新和產(chǎn)品質(zhì)量的影響。（3）使用《中國勞動統(tǒng)計(jì)年鑒》2001年至2017年機(jī)械設(shè)備制造業(yè)分行業(yè)年末就業(yè)人員數(shù)據(jù)，取自然對數(shù)后，得到用工數(shù)量變量lnlabor，用于檢驗(yàn)數(shù)字技術(shù)對行業(yè)用工數(shù)量的影響；（4）使用《中國勞動統(tǒng)計(jì)年鑒》2001年至2017年機(jī)械設(shè)備制造業(yè)分行業(yè)人均年工資數(shù)據(jù)，取自然對數(shù)后，得到用工成本變量lnwagepc，用于檢驗(yàn)數(shù)字技術(shù)對行業(yè)用工成本的影響。

在機(jī)制檢驗(yàn)部分，增加了控制變量：（1）在分析數(shù)字技術(shù)對新產(chǎn)品收入的影響時，增加行業(yè)利潤水平變量lnprofit，使用《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》2001年至2017年機(jī)械設(shè)備制造業(yè)分行業(yè)規(guī)模以上工業(yè)企業(yè)利潤總額數(shù)據(jù)，并對其取自然對數(shù)，用于控制行業(yè)利潤水平對新產(chǎn)品收入的影響；（2）在分析數(shù)字技術(shù)對制造業(yè)用工數(shù)量的影響時，增加行業(yè)用工成本變量lnwagepc，用于控制行業(yè)工資水平對用工數(shù)量的影響；（3）在分析數(shù)字技術(shù)對用工成本的影響時，增加行業(yè)主營業(yè)務(wù)收入變量lnrevenue，用于控制行業(yè)整體收入水平對工資水平的影響。新增變量的定義及描述性統(tǒng)計(jì)特征已匯報(bào)于表2。

2. 數(shù)字技術(shù)對成本利潤率的影響

針對數(shù)字技術(shù)對盈利水平和成本效率的影響分析，以細(xì)分行業(yè)的成本利潤率作為被解釋變量，使用數(shù)字技術(shù)專利申請量和授權(quán)量進(jìn)行個體時間雙向固定效應(yīng)回歸，控制了資本投入、勞動投入、研發(fā)投入和外商資本變量。根據(jù)表6回歸結(jié)果可知，數(shù)字技術(shù)專利申請的同期、滯后一期和二期變量，都對成本利潤率產(chǎn)生了顯著的正向影響。其中同期變量的影響系數(shù)為0.0162，在5%水平下顯著。滯后一期和二期變量的回歸系數(shù)分別為0.0237和0.0256，在1%水平下顯著，滯后期變量系數(shù)和顯著性都有所提升。專利授權(quán)量對成本利潤率的正向影響也十分穩(wěn)健。同期和滯后一期的專利授權(quán)量回歸系數(shù)分別為0.0160和0.0183，均在1%水平下顯著?；貧w結(jié)果表明數(shù)字技術(shù)的應(yīng)用可以顯著提高制造業(yè)的成本利潤率，影響效果穩(wěn)健且具有滯后效應(yīng)。進(jìn)一步分解來看，數(shù)字技術(shù)的應(yīng)用可以提高行業(yè)的利潤水平（利潤總額），同時降低生產(chǎn)成本（主營業(yè)務(wù)成本），即通過“增效”“降本”提高制造業(yè)的增長質(zhì)量。

3. 數(shù)字技術(shù)對新產(chǎn)品收入的影響

在分析數(shù)字技術(shù)對新產(chǎn)品收入的影響時，以新產(chǎn)品銷售收入在主營業(yè)務(wù)收入中的占比作為被解釋變量，使用數(shù)字技術(shù)的專利申請量和授權(quán)量對其進(jìn)行個體時間雙向固定效應(yīng)回歸，并控制行業(yè)利潤水平、研發(fā)投入和外商資本變量對新產(chǎn)品收入的影響。表7回歸結(jié)果表明，數(shù)字技術(shù)專利對新產(chǎn)品收入沒有促進(jìn)作用，即數(shù)字技術(shù)在提升產(chǎn)品質(zhì)量、促進(jìn)創(chuàng)新等方面的影響沒有得到統(tǒng)計(jì)上的支持。

4. 數(shù)字技術(shù)對用工數(shù)量和成本的影響

針對數(shù)字技術(shù)帶來的用工影響，分別以從業(yè)人數(shù)和人均年工資作為被解釋變量，使用數(shù)字技術(shù)專利統(tǒng)計(jì)量對其進(jìn)行個體、時間雙向固定效應(yīng)回歸，控制了行業(yè)資本投入、人均工資水平、研發(fā)投入、外商資本對用工數(shù)量的影響，以及行業(yè)資本投入、人力投入、研發(fā)投入、外商資本、利潤總額對用工成本的影響。

表8報(bào)告的回歸結(jié)果表明，數(shù)字技術(shù)應(yīng)用對制造業(yè)用工數(shù)量具有負(fù)向影響，但滯后期較長。專利授權(quán)量在滯后四期才開始呈現(xiàn)對從業(yè)人數(shù)的負(fù)向影響，滯后五期和六期的回歸系數(shù)持續(xù)顯著為負(fù)，分別為？0.319、？0.391和？0.395，均在10%水平下顯著。專利申請量對用工數(shù)量的影響滯后效應(yīng)更長，回歸系數(shù)在滯后六期才開始顯著為負(fù)。表明數(shù)字技術(shù)的應(yīng)用能夠降低機(jī)械設(shè)備制造業(yè)的用工需求，但技術(shù)應(yīng)用所帶來的生產(chǎn)自動化、機(jī)器替代等效果，需要較長時間的調(diào)整和適應(yīng)。

表9報(bào)告了數(shù)字技術(shù)專利對用工成本的回歸結(jié)果，數(shù)字技術(shù)應(yīng)用對機(jī)械設(shè)備制造業(yè)的人均工資水平具有負(fù)向影響，相關(guān)影響的滯后期較長。數(shù)字技術(shù)的專利授權(quán)量滯后五期至七期，對行業(yè)人均工資產(chǎn)生了顯著的負(fù)向影響，回歸系數(shù)分別為-0.137、-0.194和-0.380，均在1%水平下顯著。專利申請量對用工成本的影響滯后期更長，在滯后七期以后才呈現(xiàn)顯著的負(fù)向回歸結(jié)果。

在分析數(shù)字技術(shù)專利申請量與機(jī)械設(shè)備制造業(yè)人均工資之間的關(guān)系時，我們發(fā)現(xiàn)數(shù)字技術(shù)應(yīng)用與行業(yè)用工成本之間的關(guān)系存在先正向后負(fù)向的趨勢轉(zhuǎn)變。圖5展示了數(shù)字技術(shù)專利申請量同期（lag0）至滯后九期（lag9）的回歸系數(shù)變化趨勢。其中，僅滯后五期（0.167）和滯后六期（？0.004 55）兩個系數(shù)的統(tǒng)計(jì)顯著性較低，其余系數(shù)均在5%水平下顯著。根據(jù)圖表信息和相關(guān)回歸結(jié)果可知，數(shù)字技術(shù)與機(jī)械設(shè)備制造業(yè)人均工資之間存在較強(qiáng)的相關(guān)關(guān)系，數(shù)字技術(shù)在應(yīng)用前期可以顯著提升行業(yè)平均工資水平，而后期則會降低工資水平。這可能是因?yàn)閿?shù)字技術(shù)作為一種技能偏向型技術(shù)進(jìn)步（skill-biased technological change），在應(yīng)用前期與勞動技能之間的互補(bǔ)效應(yīng)占主導(dǎo)，提高了技術(shù)應(yīng)用行業(yè)和企業(yè)對高技能水平、高學(xué)歷勞動力的用工需求，帶來了勞動技能的溢價，行業(yè)工資水平隨之提高；隨著技術(shù)應(yīng)用逐漸成熟，企業(yè)完成了生產(chǎn)和業(yè)務(wù)流程、崗位設(shè)置和組織架構(gòu)等一系列配套機(jī)制的調(diào)整和適應(yīng)，此時，技術(shù)進(jìn)步的替代效應(yīng)開始發(fā)揮主導(dǎo)作用，傳統(tǒng)制造行業(yè)的生產(chǎn)類崗位將被大規(guī)模替代，用工需求下降，行業(yè)整體用工成本隨之下降（Acemoglu & Restrepo，2020；Autor，2014；蔡躍洲和陳楠，2019）。

（二）數(shù)字技術(shù)對制造業(yè)增長的影響機(jī)制分析

基于實(shí)證檢驗(yàn)結(jié)果，可以就數(shù)字技術(shù)對制造業(yè)增長質(zhì)量的影響效果得到如下結(jié)論。首先，數(shù)字技術(shù)的應(yīng)用可以有效提高成本利潤率，一方面有助于提高行業(yè)利潤水平，另一方面有助于降低生產(chǎn)成本，從而帶來“降本”“增效”的數(shù)字化收益。其次，數(shù)字技術(shù)沒有展現(xiàn)出對新產(chǎn)品收入的正向影響，技術(shù)進(jìn)步在提高產(chǎn)品質(zhì)量、增強(qiáng)創(chuàng)新能力等方面的影響沒有得到行業(yè)統(tǒng)計(jì)數(shù)據(jù)的支持。最后，在用工影響方面，數(shù)字技術(shù)對機(jī)械設(shè)備制造業(yè)的用工數(shù)量和用工成本都具有負(fù)向影響，表明數(shù)字技術(shù)作為新一代自動化技術(shù)，可以通過“機(jī)器替代”實(shí)現(xiàn)對勞動力的替代效應(yīng)，減少制造業(yè)用工需求，降低勞動收入占比，但技術(shù)進(jìn)步的用工影響滯后期較長。

圖6進(jìn)一步梳理了數(shù)字技術(shù)對制造業(yè)高質(zhì)量發(fā)展的影響路徑?；诒疚慕y(tǒng)計(jì)分析和計(jì)量回歸結(jié)果可知，現(xiàn)階段數(shù)字技術(shù)在我國制造業(yè)的應(yīng)用可以有效促進(jìn)機(jī)械設(shè)備制造業(yè)的行業(yè)增長速度，并且通過提高成本利潤率、減少用工數(shù)量、降低用工成本等路徑，實(shí)現(xiàn)“降本”“增效”等數(shù)字化轉(zhuǎn)型成效，實(shí)現(xiàn)增長質(zhì)量的提升，進(jìn)而推動制造業(yè)高質(zhì)量發(fā)展。然而，數(shù)字技術(shù)通過提高新產(chǎn)品收入等路徑實(shí)現(xiàn)高質(zhì)量增長的影響機(jī)制，沒有得到行業(yè)統(tǒng)計(jì)數(shù)據(jù)的支持，技術(shù)進(jìn)步在“提質(zhì)”“創(chuàng)新”等方面的影響潛力還有較大發(fā)展空間。

五、研究結(jié)論及政策建議

基于2001年至2017年我國制造業(yè)27個細(xì)分行業(yè)的面板數(shù)據(jù)，本文首先以數(shù)字技術(shù)的專利申請量和授權(quán)量作為核心解釋變量，對輕紡制造業(yè)、資源加工業(yè)和機(jī)械設(shè)備制造業(yè)進(jìn)行了分組回歸，從行業(yè)異質(zhì)性的角度分析驗(yàn)證了數(shù)字技術(shù)應(yīng)用對制造業(yè)增長的影響。再以機(jī)械設(shè)備制造業(yè)面板為樣本，選取成本利潤率、新產(chǎn)品收入、用工數(shù)量和用工成本等行業(yè)績效指標(biāo)，分析驗(yàn)證了數(shù)字技術(shù)應(yīng)用對制造業(yè)增長質(zhì)量的影響，并進(jìn)一步厘清了數(shù)字技術(shù)通過影響增長速度和增長質(zhì)量，推動制造業(yè)高質(zhì)量發(fā)展的路徑機(jī)制。本文的主要研究結(jié)論包括：第一，數(shù)字技術(shù)應(yīng)用發(fā)展對我國制造業(yè)增長的影響存在較為顯著的行業(yè)異質(zhì)性，對行業(yè)增長的促進(jìn)作用主要體現(xiàn)在機(jī)械設(shè)備制造業(yè)，而對輕紡制造業(yè)和資源加工業(yè)的滲透應(yīng)用不足。第二，數(shù)字技術(shù)主要通過提高成本利潤率、減少用工數(shù)量、降低用工成本等路徑促進(jìn)制造業(yè)質(zhì)量的提升。第三，數(shù)字技術(shù)對制造業(yè)用工數(shù)量和用工成本具有顯著的負(fù)向影響，但相關(guān)影響的滯后期較長。

基于以上實(shí)證分析結(jié)果，本文就繼續(xù)推動數(shù)字技術(shù)在我國制造業(yè)的應(yīng)用和制造業(yè)數(shù)字化轉(zhuǎn)型提出如下建議：

第一，加強(qiáng)數(shù)字技術(shù)與傳統(tǒng)制造行業(yè)的融合發(fā)展，特別關(guān)注數(shù)字技術(shù)在輕紡制造業(yè)和資源加工業(yè)的應(yīng)用。受行業(yè)特征、技術(shù)應(yīng)用場景、實(shí)施難度和預(yù)期收益等多方面的影響，數(shù)字技術(shù)的應(yīng)用和影響主要集中在包含ICT制造業(yè)的機(jī)械設(shè)備制造領(lǐng)域，而對輕紡制造業(yè)和資源加工業(yè)的技術(shù)滲透較低。未來，應(yīng)繼續(xù)推動數(shù)字技術(shù)在制造業(yè)的應(yīng)用和產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，針對技術(shù)應(yīng)用難度較高的行業(yè)和企業(yè)，可以通過行業(yè)協(xié)會、工業(yè)互聯(lián)網(wǎng)平臺等渠道降低數(shù)字化轉(zhuǎn)型門檻，幫助企業(yè)挖掘數(shù)字化場景、識別轉(zhuǎn)型配套機(jī)制，實(shí)現(xiàn)數(shù)字技術(shù)在制造業(yè)領(lǐng)域更加廣泛的應(yīng)用和收益。

第二，加強(qiáng)數(shù)字技術(shù)在新產(chǎn)品研發(fā)、生產(chǎn)流程和業(yè)務(wù)模式創(chuàng)新等方面的發(fā)展和應(yīng)用，充分挖掘數(shù)字技術(shù)的創(chuàng)新潛力。目前，企業(yè)數(shù)字技術(shù)應(yīng)用大多集中在辦公自動化、生產(chǎn)制造自動化、市場營銷數(shù)字化等領(lǐng)域（馬曄風(fēng)等，2020），因而數(shù)字化成效也主要體現(xiàn)在“降本” “增效”等方面。數(shù)字技術(shù)在創(chuàng)新領(lǐng)域的應(yīng)用和收益還非常有限。然而，以新一代人工智能為代表的數(shù)字技術(shù)，在顛覆創(chuàng)新流程、實(shí)現(xiàn)突破性技術(shù)變革和產(chǎn)品創(chuàng)新方面具有獨(dú)特優(yōu)勢，是數(shù)字技術(shù)支撐長期經(jīng)濟(jì)增長的重要途徑之一（Aghion等，2017；Agrawal等，2018；蔡躍洲和陳楠，2019）。為此，應(yīng)加強(qiáng)引導(dǎo)數(shù)字技術(shù)在制造業(yè)產(chǎn)品、技術(shù)和模式創(chuàng)新領(lǐng)域的理論和實(shí)踐探索，持續(xù)追蹤人工智能在新藥研發(fā)、新材料研發(fā)、基因組學(xué)等領(lǐng)域的國際學(xué)術(shù)和產(chǎn)業(yè)前沿，挖掘數(shù)字技術(shù)的潛在長期收益。

第三，充分利用數(shù)字技術(shù)對用工影響的滯后期，更好應(yīng)對“機(jī)器替代”所帶來的就業(yè)和收入沖擊。數(shù)字技術(shù)作為新一代自動化技術(shù)，對制造業(yè)的從業(yè)人員數(shù)量和人均工資具有顯著的負(fù)向影響，可能帶來較為嚴(yán)重的勞動就業(yè)和收入分配風(fēng)險。但是，根據(jù)本文的實(shí)證分析結(jié)果，數(shù)字技術(shù)對制造業(yè)就業(yè)崗位和收入水平的負(fù)向沖擊，即“機(jī)器替代”效應(yīng)存在4至7年的滯后期。因此，相關(guān)行業(yè)和企業(yè)應(yīng)充分利用技術(shù)影響的滯后期，有計(jì)劃地做好被替代員工的培訓(xùn)和安置工作，通過員工數(shù)字化技能培訓(xùn)、內(nèi)部轉(zhuǎn)崗等方式，在企業(yè)內(nèi)部吸收技術(shù)進(jìn)步帶來的勞動技能溢價，最大限度降低“機(jī)器替代”的負(fù)面影響。

參考文獻(xiàn)

[1] 蔡躍洲、張鈞南：《信息通信技術(shù)對中國經(jīng)濟(jì)增長的替代效應(yīng)與滲透效應(yīng)》[J]，《經(jīng)濟(jì)研究》 2015年第12期。

[2] 李英杰、韓平：《數(shù)字經(jīng)濟(jì)下制造業(yè)高質(zhì)量發(fā)展的機(jī)理和路徑》[J]，《宏觀經(jīng)濟(jì)管理》2021年第5期。

[3] 梁超、祝運(yùn)海：《美的智造：傳統(tǒng)制造業(yè)的數(shù)字化轉(zhuǎn)型》[J]，《清華管理評論》2019年第9期。

[4] 梁新怡、鐘俊鵬、羅鋒：《家電制造企業(yè)數(shù)字化轉(zhuǎn)型的現(xiàn)狀和策略研究——以美的集團(tuán)為例》[J]，《當(dāng)代經(jīng)濟(jì)》2021年第6期。

[5] 劉飛：《數(shù)字化轉(zhuǎn)型如何提升制造業(yè)生產(chǎn)率——基于數(shù)字化轉(zhuǎn)型的三重影響機(jī)制》[J]，《財(cái)經(jīng)科學(xué)》2020年第10期。

[6] 劉玠：《人工智能推動冶金工業(yè)變革》[J]，《鋼鐵》2020年第6期。

[7] 呂鐵：《傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的趨向與路徑》[J]，《人民論壇·學(xué)術(shù)前沿》2019年第18期。

[8] 呂文晶、陳勁、劉進(jìn)：《工業(yè)互聯(lián)網(wǎng)的智能制造模式與企業(yè)平臺建設(shè)——基于海爾集團(tuán)的案例研究》[J]，《中國軟科學(xué)》2019年第7期。

[9] 馬曄風(fēng)、蔡躍洲、陳楠：《企業(yè)數(shù)字化建設(shè)對新冠肺炎疫情應(yīng)對的影響與作用》[J]，《產(chǎn)業(yè)經(jīng)濟(jì)評論》2020年第5期。

[10] 戚聿東、蔡呈偉：《數(shù)字化對制造業(yè)企業(yè)績效的多重影響及其機(jī)理研究》[J]，《學(xué)習(xí)與探索》2020年第7期。

[11] 邵小快、胡懷國：《經(jīng)濟(jì)增長實(shí)證研究中的內(nèi)生性》[J]，《經(jīng)濟(jì)學(xué)動態(tài)》2013年第3期。

[12] 蔡躍洲、牛新星：《數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化視角的中國數(shù)字經(jīng)濟(jì)測算——基于ICT特征和增長核算的理論方法及實(shí)證分析》[J]，中國社會科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所工作論文，2018年。

[13] 沈運(yùn)紅、黃桁：《數(shù)字經(jīng)濟(jì)水平對制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的影響研究——基于浙江省2008-2017年面板數(shù)據(jù)》[J]，《科技管理研究》2020年第3期。

[14] 孫曉華、辛夢依：《R&D投資越多越好嗎？——基于中國工業(yè)部門面板數(shù)據(jù)的門限回歸分析》[J]，《科學(xué)學(xué)研究》2013年第3期。

[15] 王春梅、周東東、徐科等：《綜述鋼鐵行業(yè)智能制造的相關(guān)技術(shù)》[J]，《中國冶金》2018年第7期。

[16] 王可、李連燕：《“互聯(lián)網(wǎng)+”對中國制造業(yè)發(fā)展影響的實(shí)證研究》[J]，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2018年第6期。

[17] 王莉娜：《數(shù)字化對企業(yè)轉(zhuǎn)型升級的影響——基于世界銀行中國企業(yè)調(diào)查數(shù)據(jù)的實(shí)證分析》[J]，《企業(yè)經(jīng)濟(jì)》2020年第5期。

[18] 王龍、冀秀梅、劉玠：《人工智能在鋼鐵工業(yè)智能制造中的應(yīng)用》[J]，《鋼鐵》2021年第4期。

[19] 肖靜華：《企業(yè)跨體系數(shù)字化轉(zhuǎn)型與管理適應(yīng)性變革》[J]，《改革》2020年第4期。

[20] 謝康、夏正豪、肖靜華：《大數(shù)據(jù)成為現(xiàn)實(shí)生產(chǎn)要素的企業(yè)實(shí)現(xiàn)機(jī)制：產(chǎn)品創(chuàng)新視角》[J]，《中國工業(yè)經(jīng)濟(jì)》2020年第5期。

[21] 姚林、王軍生：《鋼鐵流程工業(yè)智能制造的目標(biāo)與實(shí)現(xiàn)》[J]，《中國冶金》2020年第7期。

[22] 蔡躍洲、陳楠：《新技術(shù)革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)》[J]，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2019年第5期。

[23] 于勇、陶劍、范玉青：《大型飛機(jī)數(shù)字化設(shè)計(jì)制造技術(shù)應(yīng)用綜述》[J]，《航空制造技術(shù)》2009年第11期。

[24] 張清郁：《基于人工智能平臺的汽車制造技術(shù)發(fā)展探析》[J]，《中國設(shè)備工程》2018年第17期。

[25] 趙宸宇、王文春、李雪松：《數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率》[J]，《財(cái)貿(mào)經(jīng)濟(jì)》2021年第7期。

[26] 趙劍波：《推動新一代信息技術(shù)與實(shí)體經(jīng)濟(jì)融合發(fā)展：基于智能制造視角》[J]，《科學(xué)學(xué)與科學(xué)技術(shù)管理》2020年第3期。

[27] 陳疇鏞、許敬涵：《制造企業(yè)數(shù)字化轉(zhuǎn)型能力評價體系及應(yīng)用》[J]，《科技管理研究》2020年第11期。

[28] 池毛毛、葉丁菱、王俊晶、翟姍姍：《我國中小制造企業(yè)如何提升新產(chǎn)品開發(fā)績效——基于數(shù)字化賦能的視角》[J]，《南開管理評論》2020年第3期。

[29] 李唐、李青、陳楚霞：《數(shù)據(jù)管理能力對企業(yè)生產(chǎn)率的影響效應(yīng)——來自中國企業(yè)—勞動力匹配調(diào)查的新發(fā)現(xiàn)》[J]，《中國工業(yè)經(jīng)濟(jì)》2020年第6期。

[30] 李丫丫、潘安：《工業(yè)機(jī)器人進(jìn)口對中國制造業(yè)生產(chǎn)率提升的機(jī)理及實(shí)證研究》[J]，《世界經(jīng)濟(jì)研究》2017年第3期。

[30] 李丫丫、潘安、彭永濤、楊文斌：《工業(yè)機(jī)器人對省域制造業(yè)生產(chǎn)率的異質(zhì)性影響》[J]，《中國科技論壇》2018年第6期。

[31] Acemoglu D & Restrepo P. Unpacking Skill Bias： Automation and New Tasks. Boston University - Department of Economics - The Institute for Economic Development Working Papers Series， 110， 2020.

[32] Agrawal A， Mchale J & Oettl A. Finding Needles in Haystacks： Artificial Intelligence and Recombinant Growth. NBER Working Paper， No.24541， 2018.

[33] Autor D H. Skills， Education， and the Rise of Earnings Inequality among the "Other 99 Percent". Science， Vol.344， No.6186， 2014， pp.843-851.

[34] Blundell R & Bond S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models. Journal of Econometrics， Vol. 87， No.1， November 1998， pp.115-143.

[35] Christian L， Thomas S， Katja B， et al. SIMMI 4.0 – A Maturity Model for Classifying the Enterprise-wide IT and Software Landscape Focusing on Industry 4.0. Annals of Computer Science & Information Systems， Vol.37， No.4， 2016， pp.621.

[36] Dremel C H M W J. How AUDI AG Established Big Data Analytics in its Digital Transformation. MIS Quarterly Executive， Vol.2， No.16， 2017， pp.81-100.

[37] Graetz G & Michaels G. Robots at Work. CEBR Discussion Papers， 2015.

[38] Griliches Z. Patent Statistics as Economic Indicators： A Survey. NBER Chapters， 1998.

[39] Jaw， Yi-Long， Chen， et al. Effect of Digital Transformation on Organizational Performance of SMEs Evidence from the Taiwanese Textile Industrys Web Portal. Internet Research： Electronic Networking Applications and Policy， Vol.26， No.1， 2016， pp.186-212.

[40] Jeschke S， Brecher C， Song H， et al. Industrial Internet of Things： Cyber-manufacturing Systems. Springer International Publishing， 2017.

[41] Kane G C， Palmer D， Nguyen A P， et al. Strategy， Not Technology， Drives Digital Transformation. MIT Sloan Management Review， 2015.

[42] Kromann L， Skaksen J R & Sorensen A. Automation， Labor Productivity and Employment —— A Cross Country Comparison. Copenhagen Business School Working Paper， 2011.

[43] Oks S J， Fritzsche A & Mslein K M. An Application Map for Industrial Cyber-Physical Systems. Springer International Publishing， 2017.

[44] Philippe A， Jones B F & Jones C I. Artificial Intelligence and Economic Growth. NBER Working Paper， No. 14015， 2017.

[45] Rachinger M， Rauter R M C， Vorraber W， et al. Digitalization and its Influence on Business Model Innovation. Journal of Manufacturing Technology Management， Vol.30， No.8， 2019， pp.1143-1160.

[46] Roodman D. How to Do xtabond2： An Introduction to "Difference" and "System" GMM in Stata. Working Paper， 2006.

[47] Schuh G & Scholz P. Development of a Framework for the Systematic Identification of AI Application Patterns in the Manufacturing Industry： 2019 Portland International Conference on Management of Engineering and Technology （PICMET）， 2019.

[48] Wildgrube M.， Schaupensteiner N. & Wehinger J. Volkswagen Education Lab： Accelerating the Digital Transformation of Corporate Learning. In Urbach N. & R？glinger M. （eds） Digitalization Cases. Management for Professionals. Springer， Cham. 2019. https：//doi.org/10.1007/978-3-319-95273-4_20.

The Impact of Digital Technology on the Growth Rate and Quality of Chinas Manufacturing Industry： An Empirical Analysis Based on Patent Application Classification and Industry Heterogeneity

NAN CHEN

（Chinese Academy of Social Sciences， 100732）

YUEZHOU CAI

（Chinese Academy of Social Sciences， 100732）

Abstract： To improve the international competitiveness of Chinas manufacturing industry and achieve high-quality development in the new development stage， it is necessary to accelerate the in-depth integration of digital technology and manufacturing industry， not only to maintain a reasonable growth rate， but also to improve the quality of development. Based on the panel data of 27 manufacturing sub-industries in China from 2001 to 2017， this paper uses digital technology patent as a proxy variable for technology progress and application. Light & textile manufacturing industry， resource processing industry， and machinery & equipment manufacturing industry are categorized and regressed separately. Results show that digital technology plays very different roles in promoting growth as for different manufacturing categories. Growth benefits are mainly concentrated in the machinery & equipment manufacturing industry， whereas the penetration into and impact on light & textile manufacturing industry and resource processing industry are insufficient. By focusing on the machinery & equipment manufacturing industry panel， we further our findings in digital technologys influencing mechanism. Digital technology contributes to the growth quality of the manufacturing industry mainly by increasing profitto-cost ratio， downsizing workforce scale， and reducing labor cost. Technologys impact on product quality and innovation are still quite limited.

Keywords： Manufacturing Growth， Digital Transformation， Patent Application Classification， Industry Heterogeneity Influencing Mechanism.

JEL： O14， O33

執(zhí)行編輯〔應(yīng)珊珊〕

陳楠，中國社會科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所助理研究員。蔡躍洲，中國社會科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所數(shù)字經(jīng)濟(jì)研究室主任、研究員、博士生導(dǎo)師。蔡躍洲（通信作者），E-mail： caiyuezhou@cass.org.cn；caiyuezhou88@sina.com。

基金項(xiàng)目：國家自然科學(xué)基金重大項(xiàng)目“宏觀大數(shù)據(jù)建模和預(yù)測研究”（71991475）；國家自然科學(xué)基金面上項(xiàng)目“新一代信息技術(shù)影響增長動力及產(chǎn)業(yè)結(jié)構(gòu)的理論與經(jīng)驗(yàn)研究”（71873144）；國家社會科學(xué)基金重點(diǎn)項(xiàng)目“數(shù)字經(jīng)濟(jì)對中國經(jīng)濟(jì)發(fā)展的影響研究”（18AZD006）。

1 中汽知識產(chǎn)權(quán)運(yùn)營中心是一家從事專利數(shù)據(jù)分析的專業(yè)機(jī)構(gòu)，筆者所在課題組向其購買了數(shù)據(jù)服務(wù)。

1 中汽知識產(chǎn)權(quán)專利數(shù)據(jù)庫僅保留了最新的專利有效量，沒有留存相關(guān)歷史數(shù)據(jù)。由于不同行業(yè)、不同時期的專利有效量變化趨勢和特征存在較大差異，很難進(jìn)行統(tǒng)一推算。因此，為保證核心解釋變量的真實(shí)可靠，本文選擇專利申請量和授權(quán)量作為數(shù)字技術(shù)的代理變量，以期更加準(zhǔn)確地反映數(shù)字技術(shù)在制造業(yè)細(xì)分行業(yè)的應(yīng)用和發(fā)展。