馮玉靜，翟亮亮

(1.安徽財(cái)經(jīng)大學(xué) 財(cái)政與公共管理學(xué)院，安徽 蚌埠233030；2.山東財(cái)經(jīng)大學(xué) 國際經(jīng)貿(mào)學(xué)院，山東 濟(jì)南 250014)

0 引言

產(chǎn)業(yè)政策對(duì)企業(yè)個(gè)體的傳導(dǎo)作用與內(nèi)在作用機(jī)制已成為學(xué)術(shù)界研究熱點(diǎn)。產(chǎn)業(yè)政策是政府干預(yù)經(jīng)濟(jì)的主要方式，通過引導(dǎo)產(chǎn)業(yè)發(fā)展方向，達(dá)到促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的目的。當(dāng)前，關(guān)于產(chǎn)業(yè)政策效果存在兩種觀點(diǎn)：一種是產(chǎn)業(yè)政策有效論，鑒于存在市場(chǎng)失靈的情況，產(chǎn)業(yè)政策能夠彌補(bǔ)市場(chǎng)機(jī)制缺陷[1]，與市場(chǎng)形成互補(bǔ)效應(yīng)。在不斷趕超進(jìn)程中，中國經(jīng)濟(jì)增長的奇跡離不開產(chǎn)業(yè)政策的扶持。另一種是產(chǎn)業(yè)政策無效論，即政府有限性注定產(chǎn)業(yè)政策具有自身弊端，在產(chǎn)業(yè)發(fā)展過程中過于注重政府政策意愿容易違背市場(chǎng)規(guī)律、擾亂市場(chǎng)秩序，如政策干預(yù)會(huì)降低資源配置效率，甚至產(chǎn)生資源誤置效應(yīng)等[2]，上述后果與產(chǎn)業(yè)政策制定的初衷背道而馳。

制造業(yè)服務(wù)化是當(dāng)前世界制造業(yè)發(fā)展趨勢(shì)。相較于西方發(fā)達(dá)國家，我國制造業(yè)服務(wù)化水平明顯偏低[3]。當(dāng)前，制造業(yè)市場(chǎng)飽和、產(chǎn)品同質(zhì)化嚴(yán)重和競(jìng)爭力低下，企業(yè)為了生存被迫壓低價(jià)格，直接后果是利潤過低，進(jìn)而陷入資金困境，導(dǎo)致研發(fā)創(chuàng)新嚴(yán)重受阻。制造業(yè)和服務(wù)業(yè)深度融合是破除上述枷鎖的關(guān)鍵。因此，服務(wù)化是制造業(yè)轉(zhuǎn)型升級(jí)和高質(zhì)量發(fā)展的必然選擇。2007年，國務(wù)院提出《關(guān)于加快發(fā)展服務(wù)業(yè)的若干意見》，促進(jìn)現(xiàn)代制造業(yè)與服務(wù)業(yè)有機(jī)融合。2015年，“中國制造2025”戰(zhàn)略出臺(tái)，明確要求制造業(yè)由生產(chǎn)型制造轉(zhuǎn)變?yōu)榉?wù)型制造，將制造業(yè)服務(wù)化作為未來制造業(yè)的發(fā)展方向。2016年，工業(yè)和信息化部發(fā)布《發(fā)展服務(wù)型制造專項(xiàng)行動(dòng)指南》，提出制造企業(yè)應(yīng)該是“制造+服務(wù)”的企業(yè)。2019年，國家發(fā)改委印發(fā)《關(guān)于推動(dòng)先進(jìn)制造業(yè)和現(xiàn)代服務(wù)業(yè)深度融合發(fā)展的實(shí)施意見》，提出制造企業(yè)要加大生產(chǎn)性服務(wù)投入，通過兩業(yè)融合推動(dòng)制造業(yè)高質(zhì)量發(fā)展。由此，制造業(yè)服務(wù)化的重要性、必要性和緊迫性可見一斑。

圍繞“中國制造2025”戰(zhàn)略，一系列產(chǎn)業(yè)政策相繼實(shí)施。因此，本文以“中國制造2025”戰(zhàn)略實(shí)施為契機(jī)，研究產(chǎn)業(yè)政策對(duì)制造企業(yè)服務(wù)化的影響及內(nèi)在作用機(jī)制，具有重要理論意義和現(xiàn)實(shí)價(jià)值。

1 文獻(xiàn)綜述

產(chǎn)業(yè)政策是宏觀或者中觀層面的因素，企業(yè)個(gè)體生產(chǎn)經(jīng)營不可避免地會(huì)受其影響。學(xué)者們針對(duì)產(chǎn)業(yè)政策的微觀經(jīng)濟(jì)效應(yīng)展開了大量研究，主要體現(xiàn)在以下方面：從企業(yè)融資看，產(chǎn)業(yè)政策能夠通過信息效應(yīng)和資源效應(yīng)增加企業(yè)獲得銀行貸款的機(jī)會(huì)，降低融資約束[4]，有助于解決企業(yè)普遍面臨的融資難、融資貴問題。對(duì)企業(yè)投資而言，產(chǎn)業(yè)政策能夠?yàn)槠髽I(yè)帶來較多的政府補(bǔ)助和銀行借款，受扶持企業(yè)容易出現(xiàn)投資規(guī)模大而效率低的問題[5]。在企業(yè)生產(chǎn)率方面，產(chǎn)業(yè)政策能夠促進(jìn)企業(yè)全要素生產(chǎn)率提升[6-7]，但在不同作用機(jī)理下，不同政策工具表現(xiàn)也不盡相同[8]。在企業(yè)資源配置方面，產(chǎn)業(yè)政策能夠引導(dǎo)資源在不同企業(yè)之間重新分配，影響企業(yè)資源配置效率，甚至導(dǎo)致資源錯(cuò)配[9]。從企業(yè)研發(fā)創(chuàng)新角度看，產(chǎn)業(yè)政策主要通過激勵(lì)研發(fā)創(chuàng)新促進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展[1,10-11]；從創(chuàng)新產(chǎn)出角度看，產(chǎn)業(yè)政策能夠通過信貸、稅收、政府補(bǔ)貼和市場(chǎng)競(jìng)爭機(jī)制顯著促進(jìn)企業(yè)技術(shù)創(chuàng)新[12]；從創(chuàng)新投入角度看，產(chǎn)業(yè)政策能夠顯著促進(jìn)企業(yè)研發(fā)投入，且對(duì)研發(fā)人力投入的促進(jìn)作用大于研發(fā)財(cái)力投入[13]。由此，企業(yè)創(chuàng)新產(chǎn)出和創(chuàng)新投入均受產(chǎn)業(yè)政策的正向影響。

制造業(yè)服務(wù)化需要投入大量高端服務(wù)要素，融資約束是企業(yè)面臨的首要問題。根據(jù)不同資金來源，融資約束分為內(nèi)源融資約束和外源融資約束，內(nèi)外源融資約束均會(huì)阻礙服務(wù)化，對(duì)高端服務(wù)化的阻礙作用尤為顯著[14]。從FDI和OFDI角度看，兩者均有利于制造業(yè)服務(wù)化，F(xiàn)DI對(duì)產(chǎn)品相關(guān)服務(wù)的促進(jìn)作用大于顧客支持服務(wù)，OFDI對(duì)技術(shù)密集型行業(yè)的促進(jìn)作用最大[15-16]。

梳理上述文獻(xiàn)可知，產(chǎn)業(yè)政策確實(shí)對(duì)企業(yè)個(gè)體行為具有傳導(dǎo)作用，但學(xué)術(shù)界對(duì)產(chǎn)業(yè)政策的微觀經(jīng)濟(jì)效應(yīng)褒貶不一，大多數(shù)研究集中在企業(yè)融資、投資、生產(chǎn)率和研發(fā)創(chuàng)新等方面，鮮有文獻(xiàn)關(guān)注產(chǎn)業(yè)政策對(duì)制造企業(yè)服務(wù)化行為的影響。因此，本研究能夠豐富產(chǎn)業(yè)政策微觀經(jīng)濟(jì)效應(yīng)的文獻(xiàn)基礎(chǔ)。制造業(yè)服務(wù)化影響因素研究成果較少，且大多關(guān)注企業(yè)內(nèi)部因素，外部因素研究較為匱乏。因此，現(xiàn)有文獻(xiàn)對(duì)影響因素的識(shí)別不足，后續(xù)需要進(jìn)行再識(shí)別，本研究是對(duì)現(xiàn)有影響因素研究的有益補(bǔ)充。

2 理論分析與研究假設(shè)

創(chuàng)新是企業(yè)提供專業(yè)、全面服務(wù)的基礎(chǔ)和前提，因而創(chuàng)新是制造企業(yè)服務(wù)化的關(guān)鍵[17-18]。服務(wù)化的實(shí)質(zhì)在于將上下游環(huán)節(jié)的服務(wù)要素有效融入生產(chǎn)制造環(huán)節(jié)，要求企業(yè)具有足夠的自主創(chuàng)新能力進(jìn)行產(chǎn)品設(shè)計(jì)和開發(fā)，進(jìn)而拓展服務(wù)業(yè)務(wù)[19]。技術(shù)創(chuàng)新能夠提高產(chǎn)品質(zhì)量、優(yōu)化產(chǎn)品設(shè)計(jì)，強(qiáng)化產(chǎn)品差異性并降低產(chǎn)品可替代性，進(jìn)而提高企業(yè)績效，促進(jìn)企業(yè)服務(wù)化轉(zhuǎn)型。制造企業(yè)服務(wù)化需要?jiǎng)?chuàng)新作為技術(shù)支撐，而創(chuàng)新是產(chǎn)業(yè)政策促進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展的主通道。提高制造業(yè)創(chuàng)新能力是“中國制造2025”的戰(zhàn)略目標(biāo)之一，要求制造業(yè)發(fā)展由要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變。因此，本文主要基于企業(yè)研發(fā)創(chuàng)新視角展開探討。

產(chǎn)業(yè)政策的積極影響表現(xiàn)在以下方面：首先，為企業(yè)帶來成本效應(yīng)。成本是創(chuàng)新的重要約束，產(chǎn)業(yè)政策能夠降低創(chuàng)新成本。例如，工業(yè)園區(qū)、創(chuàng)新孵化基地等能夠?yàn)槠髽I(yè)提供較完備的基礎(chǔ)配套設(shè)施，營造良好的創(chuàng)新氛圍[20]；稅收優(yōu)惠通過事后降低稅率、稅收抵免和研發(fā)費(fèi)用加計(jì)扣除等方式，減少企業(yè)負(fù)擔(dān)。其次，為企業(yè)帶來資源效應(yīng)。創(chuàng)新需要大量資金和人才，產(chǎn)業(yè)政策中的政府補(bǔ)貼能夠?qū)ζ髽I(yè)直接進(jìn)行資金補(bǔ)給，在短期內(nèi)緩解融資約束，從而降低創(chuàng)新風(fēng)險(xiǎn)。政府通過提供低息貸款和降低信貸審批要求等方式對(duì)市場(chǎng)進(jìn)行干預(yù)，引導(dǎo)大量資源流向受扶持行業(yè)。此外，在政策引導(dǎo)下，高校和科研機(jī)構(gòu)能夠?yàn)槭芊龀之a(chǎn)業(yè)培養(yǎng)大量適用人才，積累充足的人力資本。再次，為企業(yè)帶來競(jìng)爭效應(yīng)。放松行業(yè)管制、降低進(jìn)入壁壘、簡化行政審批手續(xù)等措施使企業(yè)進(jìn)入退出更加頻繁，新舊企業(yè)之間的資源爭奪將加劇行業(yè)競(jìng)爭，而優(yōu)勝劣汰機(jī)制會(huì)促使企業(yè)主動(dòng)加大研發(fā)創(chuàng)新力度，以增強(qiáng)自身競(jìng)爭優(yōu)勢(shì)。最后，產(chǎn)業(yè)政策會(huì)為市場(chǎng)帶來信號(hào)效應(yīng)。受扶持產(chǎn)業(yè)名錄可以向市場(chǎng)傳達(dá)明確的利好信號(hào)，即受扶持行業(yè)具有較大的發(fā)展?jié)摿洼^好的前景。銀行對(duì)受扶持企業(yè)的盈利能力抱有樂觀預(yù)期，向其提供貸款的意愿較為強(qiáng)烈。同理，其它社會(huì)資本也傾向于流入受扶持行業(yè)，以追求長期穩(wěn)定的收益。資本聚集能夠緩解融資約束[21]，激勵(lì)企業(yè)進(jìn)行自主創(chuàng)新。產(chǎn)業(yè)政策通過激勵(lì)創(chuàng)新對(duì)制造企業(yè)服務(wù)化的作用機(jī)理如圖1所示。

結(jié)合產(chǎn)業(yè)政策、創(chuàng)新與制造企業(yè)服務(wù)化間的關(guān)系，基于上述成本效應(yīng)、資源效應(yīng)、競(jìng)爭效應(yīng)和信號(hào)效應(yīng)，本文提出以下研究假設(shè)：

H1：產(chǎn)業(yè)政策通過激勵(lì)創(chuàng)新促進(jìn)制造企業(yè)服務(wù)化。

圖1 產(chǎn)業(yè)政策對(duì)制造企業(yè)服務(wù)化的影響機(jī)理Fig.1 Influence mechanism of industrial policy on manufacturing servitization

產(chǎn)業(yè)政策可能會(huì)產(chǎn)生消極影響，主要表現(xiàn)如下：首先，對(duì)企業(yè)自主研發(fā)產(chǎn)生擠出效應(yīng)。產(chǎn)業(yè)政策中的政府補(bǔ)貼與企業(yè)自身研發(fā)創(chuàng)新投入間的關(guān)系較為復(fù)雜,政府補(bǔ)貼旨在促進(jìn)企業(yè)創(chuàng)新，然而一定程度上會(huì)擠出企業(yè)創(chuàng)新投入[11]。長期來看，企業(yè)容易對(duì)政府補(bǔ)貼和外部資金產(chǎn)生依賴，反而不利于企業(yè)的自主創(chuàng)新。其次，產(chǎn)生企業(yè)尋租效應(yīng)。在資源利益驅(qū)使下，企業(yè)尋租動(dòng)機(jī)增強(qiáng)。為了獲取政府補(bǔ)貼和稅收優(yōu)惠，企業(yè)可能會(huì)進(jìn)行策略性創(chuàng)新而非實(shí)質(zhì)性創(chuàng)新，或者存在研發(fā)操縱行為，進(jìn)而產(chǎn)生大量無效研發(fā)投入[22]，最終導(dǎo)致創(chuàng)新效率降低?？紤]到實(shí)力較強(qiáng)的大企業(yè)更容易從優(yōu)惠政策中獲益，因而實(shí)力較弱的中小企業(yè)更有動(dòng)力進(jìn)行尋租，最終導(dǎo)致資源總體利用效率降低。

結(jié)合產(chǎn)業(yè)政策、創(chuàng)新與制造企業(yè)服務(wù)化間的關(guān)系，基于上述擠出效應(yīng)和尋租效應(yīng)，本文提出以下研究假設(shè)：

H2：產(chǎn)業(yè)政策通過抑制創(chuàng)新阻礙制造企業(yè)服務(wù)化。

3 研究設(shè)計(jì)

3.1 雙重差分(DID)模型設(shè)定與變量說明

本文以2015年“中國制造2025”戰(zhàn)略實(shí)施為準(zhǔn)自然實(shí)驗(yàn)，設(shè)置分組虛擬變量和分期虛擬變量?！爸袊圃?025”確定的十大重點(diǎn)支持領(lǐng)域分別是新一代信息技術(shù)產(chǎn)業(yè)，包括集成電路及專用裝備、信息通信設(shè)備和操作系統(tǒng)及工業(yè)軟件；高檔數(shù)控機(jī)床和機(jī)器人；航空航天裝備，包括航空裝備和航天裝備；海洋工程裝備及高技術(shù)船舶；先進(jìn)軌道交通裝備；節(jié)能與新能源汽車；電力裝備；農(nóng)機(jī)裝備；新材料；生物醫(yī)藥及高性能醫(yī)療器械。分組虛擬變量采用Treat表示，若公司屬于上述重點(diǎn)領(lǐng)域，則為實(shí)驗(yàn)組，Treat取值為1，否則為控制組，Treat取值為0。分期虛擬變量采用Post表示，若年份在2015年以后，則為戰(zhàn)略實(shí)施后，Post取值為1，否則為戰(zhàn)略實(shí)施前，Post取值為0。雙重差分法常用于估計(jì)政策干預(yù)和事件處置效應(yīng)，該類政策或事件的特點(diǎn)是，其并不在同一時(shí)間影響所有個(gè)體，或者對(duì)個(gè)體的影響并不相同?！爸袊圃?025”重點(diǎn)支持行業(yè)界限明確，從出臺(tái)到實(shí)施的緩沖期非常短，可以認(rèn)為是企業(yè)所受的外生政策沖擊，為DID模型運(yùn)用提供了良好的前提條件。由圖2可以看出，在2015年“中國制造2025”實(shí)施以前，實(shí)驗(yàn)組和控制組服務(wù)化率的時(shí)間變化趨勢(shì)基本相同，但在2015年以后，實(shí)驗(yàn)組的服務(wù)化率提高幅度明顯大于控制組，兩組間的差距逐漸拉大。據(jù)此，能夠初步判斷“中國制造2025”戰(zhàn)略對(duì)制造企業(yè)服務(wù)化率的影響在經(jīng)濟(jì)學(xué)意義上適合運(yùn)用DID模型進(jìn)行因果效應(yīng)識(shí)別。雙重差分法的反事實(shí)邏輯能夠在很大程度上避免模型設(shè)定中的內(nèi)生性問題，如互為因果和遺漏變量等問題。

基于上述思想，本文構(gòu)建如下DID模型：

Oservit=β0+β1Treati×Postt+αX+?i+μt+εit

(1)

式(1)中，i、t分別表示企業(yè)個(gè)體和時(shí)間年份，被解釋變量Oservit表示企業(yè)i在年份t的服務(wù)化率，解釋變量是交互項(xiàng)Treati×Postt。X是一系列企業(yè)層面的控制變量，?i表示企業(yè)個(gè)體固定效應(yīng)，μt表示年份固定效應(yīng)，εit表示隨機(jī)擾動(dòng)項(xiàng)。β0是常數(shù)項(xiàng)，α是控制變量的系數(shù)集。β1是本文關(guān)注的參數(shù)，其符號(hào)和數(shù)值代表戰(zhàn)略實(shí)施對(duì)制造企業(yè)服務(wù)化率影響的方向和大小。制造企業(yè)服務(wù)化率Oservit以上市公司其它業(yè)務(wù)收入占營業(yè)總收入的比重表示，鑒于當(dāng)前我國制造業(yè)服務(wù)化水平不高，企業(yè)主營業(yè)務(wù)收入主要來自產(chǎn)品銷售，服務(wù)業(yè)務(wù)收入則歸屬于企業(yè)其它業(yè)務(wù)收入。因此，在一定程度上可以采用營業(yè)總收入中的其它業(yè)務(wù)收入比重近似表征制造企業(yè)服務(wù)化率。制造企業(yè)平均服務(wù)化率變化趨勢(shì)如圖2所示，服務(wù)化率不斷提升，但整體上不足50%，仍有很大提升空間。本文選取如下控制變量：企業(yè)規(guī)模(size)，以企業(yè)總資產(chǎn)的自然對(duì)數(shù)衡量；企業(yè)經(jīng)營年限(age)，以統(tǒng)計(jì)年份減去企業(yè)上市年份加上1表示；企業(yè)資產(chǎn)負(fù)債率(lev)，將負(fù)債總額除以資產(chǎn)總額計(jì)算得到；企業(yè)現(xiàn)金持有量(cash)，以貨幣資金和交易性金融資產(chǎn)與總資產(chǎn)之比表示；企業(yè)總資產(chǎn)增長率(tagr)，以年末資產(chǎn)總額除以年初資產(chǎn)總額衡量；企業(yè)賬面市值比(mbratio)，以股東權(quán)益除以公司市值加以衡量，其中股東權(quán)益等于資產(chǎn)總額減去負(fù)債總額；企業(yè)托賓Q值(tobin)，將資產(chǎn)總額減去現(xiàn)金期末余額的差除以該差值加上累計(jì)折舊攤銷的和計(jì)算得到；企業(yè)應(yīng)收類資產(chǎn)比率(arnr)，以應(yīng)收類資產(chǎn)總額除以資產(chǎn)總額表示；企業(yè)無形資產(chǎn)比重(itang)，采用無形資產(chǎn)凈額除以總資產(chǎn)計(jì)算得到。

圖2 2000-2019年中國制造業(yè)上市公司服務(wù)化率變化趨勢(shì)Fig.2 Trends of Chinese listed manufacturing firms' servitization rate from 2000-2019

3.2 數(shù)據(jù)來源與主要變量描述性統(tǒng)計(jì)

本文數(shù)據(jù)來源于2000—2019年國泰安數(shù)據(jù)庫(CSMAR)，對(duì)數(shù)據(jù)進(jìn)行如下處理：第一，剔除非制造業(yè)行業(yè)樣本，參照中國國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)(GB/T 4754-2017)，選取代碼為C13-C43的全部制造業(yè)上市公司作為本文研究樣本；第二，剔除數(shù)據(jù)有異常值的樣本；第三，剔除數(shù)據(jù)有缺失的樣本。

本文主要變量描述性統(tǒng)計(jì)結(jié)果如表1所示。制造業(yè)服務(wù)化率Oserv的均值為0.459 9，標(biāo)準(zhǔn)差為0.055 8；制造業(yè)上市公司的平均服務(wù)化率為46%，波動(dòng)較小。Oserv的最小值為20.89%，最大值為75.37%，最小值與最大值相差較大，說明制造業(yè)不同上市公司之間的服務(wù)化率呈現(xiàn)出不平衡的特點(diǎn)。企業(yè)是否屬于重點(diǎn)領(lǐng)域Treat的均值為0.543 9，標(biāo)準(zhǔn)差為0.498 1；戰(zhàn)略實(shí)施前后Post的均值為0.421 7，標(biāo)準(zhǔn)差為0.493 8。因此，受“中國制造2025”戰(zhàn)略重點(diǎn)支持和2015年戰(zhàn)略實(shí)施后的制造業(yè)上市公司占比分別為54.39%、42.17%，均具有較好的代表性，但也存在較大波動(dòng)。其它控制變量情況也在表1中列出。

表1 主要變量描述性統(tǒng)計(jì)結(jié)果Tab.1 Descriptive statistical results of main variables

4 實(shí)證檢驗(yàn)

4.1 基準(zhǔn)回歸結(jié)果

本文運(yùn)用面板數(shù)據(jù)固定效應(yīng)模型實(shí)證分析“中國制造2025”戰(zhàn)略實(shí)施對(duì)制造企業(yè)服務(wù)化率的影響，基準(zhǔn)回歸結(jié)果如表2所示。表2列(1)、列(2)固定企業(yè)個(gè)體效應(yīng)和時(shí)間年份效應(yīng)，同時(shí)，考慮到制造業(yè)不同行業(yè)的反應(yīng)可能不盡相同，以及對(duì)于不同行業(yè)可能會(huì)運(yùn)用不同的政策工具，因而基準(zhǔn)回歸模型在行業(yè)層面進(jìn)行了聚類。列(1)中只有交互項(xiàng)Treat×Post，系數(shù)在1%水平上顯著為正。列(2)在列(1)的基礎(chǔ)上加入一系列企業(yè)層面的控制變量，結(jié)果顯示，交互項(xiàng)Treat×Post的系數(shù)仍然在1%水平上顯著為正。由此，“中國制造2025”戰(zhàn)略實(shí)施能夠顯著促進(jìn)制造企業(yè)服務(wù)化率提升。因此，H1得以證實(shí)。列(3)和列(4)沒有固定時(shí)間年份效應(yīng)，列(5)和列(6)沒有固定企業(yè)個(gè)體效應(yīng)，列(7)和列(8)沒有在行業(yè)層面進(jìn)行聚類。結(jié)果顯示，列(3)-(8)交互項(xiàng)Treat×Post的系數(shù)仍顯著為正，進(jìn)一步證實(shí)“中國制造2025”戰(zhàn)略實(shí)施對(duì)制造企業(yè)服務(wù)化率具有促進(jìn)作用。考慮到盡可能在模型中控制不隨時(shí)間和個(gè)體變化的因素以及不同行業(yè)差異，后續(xù)研究均在列(2)的基礎(chǔ)上展開。

在其它控制變量方面，企業(yè)規(guī)模size的系數(shù)在1%水平上顯著為正，制造企業(yè)拓展現(xiàn)代服務(wù)業(yè)務(wù)需要大規(guī)模投入，規(guī)模越大的企業(yè)越有實(shí)力，實(shí)力強(qiáng)的企業(yè)更容易形成品牌效應(yīng)，有利于其加大市場(chǎng)營銷力度和升級(jí)售后服務(wù)；企業(yè)經(jīng)營年限age的系數(shù)在1%水平上顯著為正，隨著經(jīng)營年限增長，企業(yè)對(duì)市場(chǎng)了解愈加充分，從而有利于掌握顧客對(duì)產(chǎn)品附加服務(wù)的高端消費(fèi)需求；企業(yè)資產(chǎn)負(fù)債率lev的系數(shù)在1%水平上顯著為負(fù)，過高的負(fù)債率抑制企業(yè)新領(lǐng)域開發(fā)動(dòng)機(jī)，不利于企業(yè)服務(wù)化；企業(yè)現(xiàn)金持有量cash的系數(shù)在1%水平上顯著為負(fù)，在一定程度上較大的現(xiàn)金持有量是閑置資本，會(huì)降低資本利用率；企業(yè)總資產(chǎn)增長率tagr的系數(shù)在5%水平上顯著為正，總資產(chǎn)增長率代表企業(yè)發(fā)展實(shí)力，有利于企業(yè)服務(wù)化；企業(yè)賬面市值比mbratio的系數(shù)在1%水平上顯著為正，鑒于賬面市值比效應(yīng)的存在，比值高的企業(yè)往往具有較高的投資收益率，能夠促進(jìn)企業(yè)服務(wù)化；企業(yè)TobinQ值的系數(shù)在1%水平上顯著為負(fù)，托賓Q值越大，企業(yè)越有動(dòng)力通過建設(shè)新廠房、購置新設(shè)備等方式擴(kuò)大生產(chǎn)規(guī)模，大量資源投入到制造環(huán)節(jié)雖然可以增加產(chǎn)品收益，但無形中擠占了服務(wù)產(chǎn)品投入，或者降低了服務(wù)產(chǎn)品投入比重，從而不利于企業(yè)服務(wù)化；企業(yè)應(yīng)收類資產(chǎn)比率arnr的系數(shù)在1%水平上顯著為負(fù)，大量應(yīng)收類資產(chǎn)會(huì)造成資本閑置，降低資本利用率，加重企業(yè)融資困難，不利于拓展新的服務(wù)業(yè)務(wù)；企業(yè)無形資產(chǎn)比重itang的系數(shù)在1%水平上顯著為正，無形資產(chǎn)一般包括科學(xué)技術(shù)和人才資源，其值越大，意味著企業(yè)具有越高的創(chuàng)新能力，有助于促進(jìn)企業(yè)服務(wù)化。

制造業(yè)是國民經(jīng)濟(jì)的主體，是立國之本、興國之器、強(qiáng)國之基。放眼世界，西方發(fā)達(dá)國家制造業(yè)在其國民經(jīng)濟(jì)中占據(jù)關(guān)鍵地位，例如德國的“工業(yè)4.0”和美國的“先進(jìn)制造伙伴計(jì)劃”等都將制造業(yè)作為重點(diǎn)。“中國制造2025”立足國內(nèi)國際大環(huán)境，是針對(duì)高端制造業(yè)行業(yè)的國家戰(zhàn)略，有助于推動(dòng)制造業(yè)由大變強(qiáng)。當(dāng)前，中國經(jīng)濟(jì)正處于進(jìn)一步深化供給側(cè)結(jié)構(gòu)性改革和加強(qiáng)需求側(cè)管理的歷史階段，服務(wù)化是制造業(yè)轉(zhuǎn)型升級(jí)的必然需求。本文研究證實(shí)“中國制造2025”戰(zhàn)略能夠促進(jìn)制造企業(yè)服務(wù)化，為產(chǎn)業(yè)政策的有效性提供了新的經(jīng)驗(yàn)證據(jù)。

表2 基準(zhǔn)回歸結(jié)果Tab.2 Result of baseline regression

4.2 穩(wěn)健性檢驗(yàn)

4.2.1 平行趨勢(shì)假設(shè)檢驗(yàn)

平行趨勢(shì)假設(shè)是使用雙重差分模型估計(jì)處置效應(yīng)的關(guān)鍵假設(shè)，要求在沒有處置事件發(fā)生的情況下，實(shí)驗(yàn)組和控制組的被解釋變量均值差異在不同時(shí)間內(nèi)保持一致，即兩組被解釋變量的時(shí)間變化趨勢(shì)一致。觀察圖2可以發(fā)現(xiàn)，2015年以前實(shí)驗(yàn)組和控制組服務(wù)化率Oserv的變化趨勢(shì)基本一致，而2015年及2015年以后變化趨勢(shì)明顯不同。雖然圖示法能夠直觀顯示實(shí)驗(yàn)組和控制組被解釋變量的時(shí)間變化趨勢(shì)，但仍需要運(yùn)用更正式的方法對(duì)平行趨勢(shì)假設(shè)進(jìn)行檢驗(yàn)。在基準(zhǔn)回歸模型式(1)的基礎(chǔ)上，加入分組虛擬變量Treat與戰(zhàn)略實(shí)施前某個(gè)或者幾個(gè)年份虛擬變量的交互項(xiàng)。

平行趨勢(shì)假設(shè)檢驗(yàn)結(jié)果如表3所示，列(1)-(5)逐一加入Treat×Beforen，Treat×Post的系數(shù)仍然在1%水平顯著為正，除Treat×Before1在10%水平上表現(xiàn)出較弱的顯著性外，Treat×Before2、Treat×Before3、Treat×Before4和Treat×Before5的系數(shù)均不顯著。考慮到雙重差分模型對(duì)平行趨勢(shì)假設(shè)的要求是實(shí)驗(yàn)組和控制組在事件發(fā)生前至少3年的變化趨勢(shì)一致。因此，“中國制造2025”戰(zhàn)略實(shí)施不存在企業(yè)個(gè)體預(yù)期效應(yīng)，本文DID模型設(shè)定通過了平行趨勢(shì)假設(shè)檢驗(yàn)。

4.2.2 傾向得分匹配分析

雙重差分模型背后的反事實(shí)思想是假定實(shí)驗(yàn)組和控制組除在是否受外生事件影響方面存在差異外，其它方面均不存在系統(tǒng)性差異?？紤]到企業(yè)個(gè)體異質(zhì)性，先進(jìn)行傾向得分匹配，通過近鄰匹配方式重新為實(shí)驗(yàn)組個(gè)體尋找對(duì)應(yīng)的控制組個(gè)體，能夠有效控制受“中國制造2025”重點(diǎn)支持企業(yè)與未受“中國制造2025”重點(diǎn)支持企業(yè)之間其它方面差異對(duì)服務(wù)化率的影響，回歸結(jié)果如表4列(1)和列(2)所示。Treat×Post的系數(shù)仍然在1%水平上顯著為正，即本文基本結(jié)論并沒有受到實(shí)驗(yàn)組和控制組之間可能存在的差異影響。

4.2.3 安慰劑檢驗(yàn)

進(jìn)行安慰劑檢驗(yàn)的一種方法是提前外生事件發(fā)生的年份，采用事件發(fā)生前年份數(shù)據(jù)重新進(jìn)行雙重差分分析。假設(shè)“中國制造2025”戰(zhàn)略實(shí)施年份分別是2013年、2011年和2009年，設(shè)定分期虛擬變量，回歸結(jié)果如表4列(3)—(5)所示。Treat×Post2013、Treat×Post2011和Treat×Post2009的估計(jì)系數(shù)均不顯著，說明“虛擬事件”不存在，即本文實(shí)驗(yàn)組和控制組的企業(yè)服務(wù)化率差異確實(shí)來源于“中國制造2025”戰(zhàn)略的重點(diǎn)扶持。

表3 平行趨勢(shì)假設(shè)檢驗(yàn)結(jié)果Tab.3 Result of parallel trend hypothesis test

表4 傾向得分匹配與提前戰(zhàn)略實(shí)施年份檢驗(yàn)結(jié)果Tab.4 Result of propensity score matching and anticipation of the strategy

進(jìn)行安慰劑檢驗(yàn)的另一種方法是重復(fù)隨機(jī)抽樣，通過隨機(jī)分配實(shí)驗(yàn)組和控制組進(jìn)行模擬回歸。盡管在基準(zhǔn)回歸模型中固定企業(yè)個(gè)體效應(yīng)和年份時(shí)間效應(yīng)，并在行業(yè)層面進(jìn)行聚類，但仍不能完全排除不可觀測(cè)因素的影響。為了證實(shí)本文基本結(jié)論不具有偶然性，運(yùn)用重復(fù)隨機(jī)抽樣方法進(jìn)行安慰劑檢驗(yàn)[23]。重復(fù)隨機(jī)抽取1 000次檢驗(yàn)結(jié)果如圖3所示，得到的1 000個(gè)虛擬回歸系數(shù)主要集中在零點(diǎn)附近，呈現(xiàn)近似以0為中心的正態(tài)分布，且絕大多數(shù)虛擬系數(shù)未達(dá)到10%的顯著性水平。圖中右側(cè)虛線是真實(shí)的估計(jì)系數(shù)，其明顯是該分布中的異常值，說明真實(shí)的估計(jì)系數(shù)與虛擬回歸系數(shù)存在顯著差異。安慰劑檢驗(yàn)結(jié)果表明，本文基本結(jié)論并不是出于偶然，進(jìn)一步驗(yàn)證了雙重差分模型設(shè)定的正確性。

4.2.4 動(dòng)態(tài)效應(yīng)檢驗(yàn)

為了進(jìn)一步考察“中國制造2025”戰(zhàn)略實(shí)施對(duì)制造企業(yè)服務(wù)化影響的時(shí)間變化情況，采用Beck等[24]的分析方法進(jìn)行動(dòng)態(tài)效應(yīng)檢驗(yàn)，結(jié)果如圖4所示。戰(zhàn)略實(shí)施當(dāng)年及之后年份與Treat交互項(xiàng)的系數(shù)均顯著大于0，說明“中國制造2025”戰(zhàn)略實(shí)施當(dāng)年和之后4年均顯著促進(jìn)了制造企業(yè)服務(wù)化。具體來看，戰(zhàn)略實(shí)施當(dāng)年的促進(jìn)效果顯著，企業(yè)個(gè)體對(duì)“中國制造2025”反應(yīng)迅速。隨后3年促進(jìn)作用仍然顯著，但強(qiáng)度上有所減弱，之后第四年又轉(zhuǎn)為增強(qiáng)。服務(wù)化需要研發(fā)創(chuàng)新作為支撐，而研發(fā)創(chuàng)新的收益周期較長，因而在作用強(qiáng)度上表現(xiàn)出一定的滯后性。整體上，“中國制造2025”為向服務(wù)化轉(zhuǎn)型過程中的制造企業(yè)提供了及時(shí)、有效的支持。

4.3 異質(zhì)性分析

4.3.1 企業(yè)所有權(quán)異質(zhì)性

根據(jù)不同企業(yè)所有權(quán)性質(zhì)將研究樣本分為國有企業(yè)、民營企業(yè)和外資企業(yè)3個(gè)子樣本，分別進(jìn)行雙重差分分析，回歸結(jié)果如表5列(1)—(3)所示。列(2)中Treat×Post的系數(shù)在1%水平上顯著為正，列(1)和列(3)中Treat×Post的系數(shù)均不顯著，表明“中國制造2025”戰(zhàn)略實(shí)施能夠顯著促進(jìn)民營企業(yè)服務(wù)化，而對(duì)國有企業(yè)和外資企業(yè)服務(wù)化的促進(jìn)作用不顯著。可能原因是，民營企業(yè)普遍面臨融資困難，在戰(zhàn)略扶持下，融資約束得以緩解，更加積極進(jìn)行研發(fā)創(chuàng)新，服務(wù)化進(jìn)程加快；國有企業(yè)和外資企業(yè)本身已經(jīng)具備較大的規(guī)模和較強(qiáng)的實(shí)力，企業(yè)服務(wù)化率較高，因而戰(zhàn)略扶持的促進(jìn)作用不顯著。

圖3 非參數(shù)隨機(jī)模擬效果Fig.3 Effect of nonparametric random simulation

4.3.2 企業(yè)所在地區(qū)異質(zhì)性

不同地區(qū)的市場(chǎng)發(fā)育程度存在較大差異，會(huì)影響企業(yè)個(gè)體行為。根據(jù)所在地區(qū)，將研究樣本分為東部地區(qū)企業(yè)、中部地區(qū)企業(yè)和西部地區(qū)企業(yè)3個(gè)子樣本，分別進(jìn)行雙重差分分析，回歸結(jié)果如表5列(4)—(6)所示。列(4)和列(5)中Treat×Post的系數(shù)均在1%水平上顯著為正，費(fèi)舍爾組合檢驗(yàn)(重復(fù)抽樣100次)[25]結(jié)果顯示，兩系數(shù)并無顯著差異，列(6)中Treat×Post的系數(shù)則不顯著，表明“中國制造2025”戰(zhàn)略實(shí)施顯著促進(jìn)了東部地區(qū)企業(yè)和中部地區(qū)企業(yè)服務(wù)化，但是西部地區(qū)企業(yè)沒有受到顯著影響?？赡茉蚴牵b于東部地區(qū)具有得天獨(dú)厚的區(qū)位優(yōu)勢(shì)，大多數(shù)制造業(yè)上市公司集聚于此，發(fā)育成熟的市場(chǎng)使企業(yè)對(duì)產(chǎn)業(yè)政策反應(yīng)較迅速；中部地區(qū)雖然在經(jīng)濟(jì)發(fā)展方面落后于東部地區(qū)，但承接了來自東部地區(qū)的部分產(chǎn)業(yè)轉(zhuǎn)移，具有較大的市場(chǎng)潛力，“中國制造2025”戰(zhàn)略扶持使其后發(fā)優(yōu)勢(shì)逐漸顯現(xiàn)；西部地區(qū)經(jīng)濟(jì)發(fā)展落后、市場(chǎng)發(fā)育不成熟，企業(yè)多將資源用于生產(chǎn)制造環(huán)節(jié)，因而對(duì)服務(wù)化的促進(jìn)作用不顯著。

4.4 機(jī)制檢驗(yàn)

結(jié)合理論分析和基準(zhǔn)回歸結(jié)果，“中國制造2025”戰(zhàn)略能夠通過激勵(lì)創(chuàng)新促進(jìn)制造企業(yè)服務(wù)化的假設(shè)得以證實(shí)。在此基礎(chǔ)上，作進(jìn)一步的機(jī)制檢驗(yàn)，選擇合適的中介變量，構(gòu)建如下中介效應(yīng)模型：

Oservit=β0+β1Treati×Postt+αX+?i+μt+εit

(2)

Mit=β0+β1Treati×Postt+αX+?i+μt+εit

(3)

Oservit=β0+β1Treati×Postt+Mit+αX+?i+μt+εit

(4)

中介效應(yīng)模型為式(2)、式(3)和式(4)。式(2)與基準(zhǔn)回歸模型式(1)相同；式(3)的被解釋變量是中介變量M，解釋變量是交互項(xiàng)Treat×Post，控制變量與式(2)相同；式(4)式在式(2)的基礎(chǔ)上加入中介變量M，被解釋變量是制造企業(yè)服務(wù)化率Oserv，解釋變量是交互項(xiàng)Treat×Post和中介變量M。對(duì)于中介變量的選擇，本文從企業(yè)生產(chǎn)率、投資支出率和投資收益率3個(gè)方面加以考慮。企業(yè)全要素生產(chǎn)率tfp，運(yùn)用LP方法測(cè)算[26]；企業(yè)投資支出率invt，以企業(yè)構(gòu)建固定資產(chǎn)、無形資產(chǎn)和其它長期資產(chǎn)支付的現(xiàn)金扣除掉處置固定資產(chǎn)、無形資產(chǎn)和其它長期資產(chǎn)收回的現(xiàn)金凈額之后再除以總資產(chǎn)計(jì)算得到；企業(yè)投資收益率tzsyl，將投資收益除以營業(yè)總收入計(jì)算而得。中介效應(yīng)模型的機(jī)制檢驗(yàn)結(jié)果如表6所示，列(1)和列(2)是企業(yè)生產(chǎn)率機(jī)制檢驗(yàn)結(jié)果，列(1)的被解釋變量是企業(yè)全要素生產(chǎn)率tfp，Treat×Post的系數(shù)在1%水平上顯著為正，表明“中國制造2025”戰(zhàn)略實(shí)施可以提高企業(yè)全要素生產(chǎn)率；列(2)的被解釋變量是企業(yè)服務(wù)化率Oserv，Treat×Post的系數(shù)仍然在1%水平上顯著為正，tfp的系數(shù)也在1%水平上顯著為正，表明全要素生產(chǎn)率提高能夠正向影響服務(wù)化。因此，“中國制造2025”戰(zhàn)略實(shí)施能夠通過提高生產(chǎn)率促進(jìn)制造企業(yè)服務(wù)化。列(3)和列(4)是企業(yè)投資支出率檢驗(yàn)結(jié)果，列(3)的被解釋變量是企業(yè)投資支出率invt，Treat×Post的系數(shù)在1%水平上顯著為正，表明“中國制造2025”戰(zhàn)略實(shí)施可以提高企業(yè)投資支出率；列(4)的被解釋變量是企業(yè)服務(wù)化率Oserv，Treat×Post的系數(shù)仍然在1%水平上顯著為正，invt的系數(shù)在5%水平上顯著為正，表明企業(yè)投資支出率越高對(duì)服務(wù)化的促進(jìn)作用越大。因此，“中國制造2025”戰(zhàn)略實(shí)施通過促進(jìn)投資提高制造企業(yè)服務(wù)化率。列(5)和列(6)是企業(yè)投資收益率機(jī)制檢驗(yàn)結(jié)果，列(5)的被解釋變量是企業(yè)投資收益率tzsyl，Treat×Post的系數(shù)在1%水平上顯著為負(fù)，表明“中國制造2025”戰(zhàn)略實(shí)施以來，制造企業(yè)投資收益率出現(xiàn)了不升反降的現(xiàn)象；列(6)的被解釋變量是企業(yè)服務(wù)化率Oserv，Treat×Post的系數(shù)仍然在1%水平上顯著為正，tzsyl的系數(shù)也在1%水平上顯著為正，表明投資收益率正向影響企業(yè)服務(wù)化。因此，“中國制造2025”戰(zhàn)略實(shí)施在一定程度上降低了企業(yè)投資收益率，進(jìn)而不利于企業(yè)服務(wù)化率提高。

圖4 動(dòng)態(tài)效應(yīng)檢驗(yàn)Fig.4 Dynamic effect test

表5 企業(yè)所有權(quán)異質(zhì)性與所在地區(qū)異質(zhì)性分析結(jié)果Tab.5 Result of firms ownership and location heterogeneity

表6 機(jī)制檢驗(yàn)結(jié)果Tab.6 Result of mechanism test

由表6回歸結(jié)果分析可知，“中國制造2025”戰(zhàn)略實(shí)施會(huì)同時(shí)帶來正向效應(yīng)和負(fù)向效應(yīng)，正向效應(yīng)如提高生產(chǎn)率、增加投資等，有助于促進(jìn)創(chuàng)新，進(jìn)而正向作用于制造企業(yè)服務(wù)化；負(fù)向效應(yīng)如降低投資收益率等，會(huì)抑制創(chuàng)新，進(jìn)而負(fù)向作用于制造企業(yè)服務(wù)化。正向效應(yīng)與負(fù)向效應(yīng)相互抵消、達(dá)到均衡之后，整體上表現(xiàn)為“中國制造2025”戰(zhàn)略實(shí)施能夠促進(jìn)制造企業(yè)服務(wù)化率提高。

5 結(jié)語

5.1 研究結(jié)論

在制造業(yè)面臨發(fā)展困境、積極進(jìn)行服務(wù)化轉(zhuǎn)型的背景下，本文基于上市公司數(shù)據(jù)庫研究產(chǎn)業(yè)政策對(duì)制造企業(yè)服務(wù)化的影響。在理論分析部分，發(fā)現(xiàn)產(chǎn)業(yè)政策實(shí)施對(duì)制造企業(yè)服務(wù)化既有正向作用也有負(fù)向作用；在實(shí)證檢驗(yàn)部分，以2015年“中國制造2025”戰(zhàn)略實(shí)施作為準(zhǔn)自然實(shí)驗(yàn)，構(gòu)建雙重差分模型估計(jì)產(chǎn)業(yè)政策對(duì)制造企業(yè)服務(wù)化的影響，得到如下基本結(jié)論：

(1)整體上，“中國制造2025”戰(zhàn)略實(shí)施能夠通過促進(jìn)創(chuàng)新提高制造企業(yè)服務(wù)化率。從作用機(jī)制來看，“中國制造2025”戰(zhàn)略通過影響創(chuàng)新作用于制造企業(yè)服務(wù)化，同時(shí)帶來正向效應(yīng)和負(fù)向效應(yīng)，因而對(duì)制造企業(yè)服務(wù)化的影響也不同。 “中國制造2025”戰(zhàn)略實(shí)施能夠通過提高生產(chǎn)率和增加投資促進(jìn)制造企業(yè)服務(wù)化，同時(shí)通過降低投資收益率阻礙制造企業(yè)服務(wù)化，整體上表現(xiàn)為“中國制造2025”促進(jìn)制造企業(yè)服務(wù)化。

(2)“中國制造2025”戰(zhàn)略對(duì)制造企業(yè)服務(wù)化的促進(jìn)作用在不同所有制性質(zhì)企業(yè)之間具有顯著差異。民營企業(yè)受到顯著促進(jìn)作用，而對(duì)國有企業(yè)和外資企業(yè)的促進(jìn)作用則不顯著。

(3)“中國制造2025”戰(zhàn)略對(duì)制造企業(yè)服務(wù)化的促進(jìn)作用在不同地區(qū)企業(yè)之間也具有顯著差異。東部地區(qū)企業(yè)和中部地區(qū)企業(yè)受到顯著促進(jìn)作用，而對(duì)西部地區(qū)企業(yè)的促進(jìn)作用則不顯著。

5.2 啟示

“中國制造2025”戰(zhàn)略確實(shí)有助于促進(jìn)制造業(yè)服務(wù)化，本文研究帶來以下啟示：在產(chǎn)業(yè)政策具體執(zhí)行過程中，政府要加大監(jiān)管力度，避免政策優(yōu)惠濫用，確保資金真正投入到研發(fā)創(chuàng)新中；明確受扶持企業(yè)標(biāo)準(zhǔn)，防止尋租、腐敗行為發(fā)生；定期檢驗(yàn)政策效果，若現(xiàn)實(shí)情況與政策初衷有所偏離，應(yīng)及時(shí)對(duì)政策作出調(diào)整。企業(yè)要合理利用政策優(yōu)惠，注重自主研發(fā)創(chuàng)新，增加研發(fā)創(chuàng)新投入；在開發(fā)新的服務(wù)業(yè)務(wù)之前，積極進(jìn)行充分的市場(chǎng)調(diào)研，深入了解顧客需求，降低沉沒成本。