互联网使用与企业库存决策行为：理论机制与中国证据

何小钢 朱国悦

一、引言

存货是企业持有的重要资产，1998年到2014年期间，中国工业企业存货占总资产的比重平均为18.38%，存货投资对经济增长和企业成长都具有重要的意义。从宏观上看，库存是GDP波动的主要来源之一(Bils和Kahn，2000[1])，掌握库存变动规律对于理解和预测宏观经济运行状况大有裨益。从微观上看，库存直接影响企业的销售规模和运营成本，是企业经营规模和运营效率等综合竞争力的一个重要体现(Cannon，2008[2]；Capkun等，2009[3]；张勋等，2018[4])。持有过多的存货会带来一系列成本，包括库存资金占用、房屋租赁及库存管理等费用(张勋等，2018[4]；李雨浓等，2020[5])，并且还可能会因产品陈旧而出现存货滞销等问题，进一步增加企业经营成本和扩大经营风险。此外，过高的库存还会暴露企业经营过程中的问题，如低水平的生产工艺、工作平衡性差以及供应商拖欠等(Jacobs等，2004[6])，给企业带来持续的负面影响。因此，库存是制约企业提升经营绩效和竞争力的重要因素，如何降低企业库存水平对提升企业竞争力至关重要。

现有文献关于企业库存的影响因素的研究，主要聚焦于两个方面：其一，从宏观视角研究企业库存的决定因素。研究者主要从基础设施、通货膨胀、利率波动、外资管制放松等宏观环境角度来探讨企业库存的影响因素(李涵和黎志刚，2009[7]；刘秉镰和刘玉海，2011[8]；饶品贵等，2016[9]；戴严科和林曙，2017[10]；张勋等，2018[4]；李雨浓等，2020[5])。其二，从企业微观视角考察供应链管理、信息技术使用等因素对库存变动的影响。研究者从供应链管理的视角考察采购、交付与制造等与企业库存的关系(Oke和Szwejczewski，2005[11])。Caglayan等(2012)[12]发现，销售不确定性会增加企业库存。值得指出的是，近年来随着信息技术的兴起，在企业微观视角的研究中，部分文献初步探讨了信息技术应用对企业库存绩效的影响，但这些文献侧重于探讨库存管理效率在企业信息化与企业绩效之间的作用。也就是说，库存管理效率是作为企业信息化与企业绩效之间的一个中间变量，关于“企业采用信息技术对库存调整行为的直接影响”的相关研究仍然非常匮乏。企业采用互联网这类新型信息技术对企业库存产生怎样的影响？其影响机制和渠道如何？值得进一步深入研究。特别是在中国情境下，企业的互联网普及程度对库存行为产生何种影响，尚未有文献探讨。

近年来，以互联网为代表的新一代信息通信技术迅猛发展，对经济社会发展产生了深远影响。互联网不但影响企业分工和生产效率，而且还影响技术进步、对外贸易和经济增长(严成樑，2012[13]；郭家堂和骆品亮，2016[14]；李兵和李柔，2017[15]；毛宇飞和曾湘泉，2017[16]；施炳展和李建桐，2020[17])。随着网络强国建设以及“互联网+”行动计划等重大政策的出台，互联网将在未来很长一段时间对中国经济产生全方位的重大影响(施炳展和李建桐，2020[17])。因此，从互联网这一视角探讨和识别互联网如何与制造业融合，进而降低企业库存水平、提升企业竞争力，具有重要的理论价值和实践意义。

互联网应用能够显著降低企业内部以及外部沟通的信息交流成本和协调成本，提高企业对市场需求的感知能力和供应链的灵活性。同时，企业互联网化降低了创新主体的信息获取成本，提高了企业的创新能力(沈国兵和袁征宇，2020[18])，有利于企业产品竞争力的提升。那么，互联网的上述特征能否推动企业库存水平的下降？互联网对企业库存的具体影响效应如何，其推动机制是怎样的？对这一系列问题的解答，有助于丰富我们对实体经济降本增效的具体措施的理解。综上，笔者基于信息经济与企业库存理论，在厘清互联网影响企业库存的内在逻辑基础上，采用2001—2007年中国工业企业数据库(ASIF)，综合采用多元线性回归分析、工具变量方法，实证分析互联网对中国制造业企业库存水平的影响，并从供应链整合、企业创新能力和市场竞争3个维度验证其理论机制。

二、理论机制与研究假设

互联网作为第三次科技革命的重要产物，其带来信息获取成本的下降对企业库存决策行为产生重要影响。现有文献与之相关的探讨主要集中在两方面：其一，互联网的使用会降低信息获取以及相关的复制成本，提升了创新主体的知识水平，从而推动企业内部技术升级，进而提高企业的创新能力以及产品技术复杂度(沈国兵和袁征宇，2020[18]；卢福财和金环，2020[19])。其二，企业互联网化降低内、外部交流成本和搜寻成本，促进企业与外部的分工合作(施炳展和李建桐，2020[17])，从而提升企业的供应链绩效。同时，相关研究表明，互联网带来的信息获取成本和复制成本的降低会导致企业所面临外部市场环境的恶化(Yang等，2013[20])，激烈的市场竞争会给企业带来诸多的不确定性，也会影响库存决策。

在上述的研究中，供应链绩效导致产品流动性的提升、创新能力带来产品竞争力的增强以及市场竞争带来的不确定性是影响企业库存变动的重要因素(Oke和Szwejczewski，2005[11]；Lee等，2015[21]；韩忠雪和周婷婷，2011[22])。因此，基于已有研究，本文分别从供应链整合、创新能力和市场竞争这三个方面探讨互联网对企业库存的作用机制。

(一)互联网、供应链整合与企业库存

互联网作为一种通用技术，能够显著降低企业内部以及外部沟通的信息交流成本，将企业内部的业务流程与外部的商务活动相结合(沈国兵和袁征宇，2020[18])，以提升企业的供应链绩效，进而降低企业的库存水平。互联网提升企业的供应链绩效主要是通过整合供应链来实现，企业供应链的整合对降低库存有显著影响已被大量的理论和实证文献所证实：企业的供应链整合水平的提高是通过与供应链伙伴共享关键的加工信息来实现的，供应链整合水平越高，企业便可以对市场需求、交货时间和提高库存周转率做出更灵活的反应(Clark和Lee，2000[23])。

而互联网可能会通过以下途径促进供应链整合并降低企业的库存水平：首先，互联网等相关信息技术改变了与交换相关的活动以及这些活动之间的联系(Palmer和Griffith，1998[24])。一个企业的供应链可以分为一系列的主要活动：入库物流、出库物流、营销和销售、售后服务。在这些活动中，有些是组织内部的，有些是组织外部的，但所有的这些活动的主要目标都是为最终客户创造价值，为了实现这一目标必须进行组织内部和外部的整合。而使用互联网可以与供应链伙伴分享实时信息(如需求预测、生产计划信息等)，促进与供应链伙伴之间的一体化协调(Karoway，1997[25])，提高了生产与需求的匹配程度，从而提高了企业的供应链整合水平。其次，互联网促进供应链整合的论点也得到了交易成本经济学的进一步支持。交易成本经济学认为，企业间的合作与协调受到相关交易成本的限制，随着交易成本的增加，市场效率会降低，从而可能会导致市场价格的上升(Coase，1937[26])。影响交易成本的决定因素包括交易频率、不确定性和机会主义行为等。由于互联网能够提供准确、及时、可靠的信息，它能够替代传统的面对面的交流方式，减少了交易频率和信息的不确定性。同时，互联网也被证明是降低协调成本有效的手段(Nooteboom，1992[27])。因此，互联网降低了交易成本，促进了企业分工与合作，进而降低了企业的库存水平。由此，我们提出如下假说：

H1：互联网通过提升供应链整合来降低企业的库存水平。

(二)互联网、创新能力与企业库存

互联网能够降低企业获取信息的成本，以及相关复制成本(沈国兵和袁征宇，2020[18])，为企业带来了大量的创新资源，使企业由原先的封闭式创新转变为开放式创新，从而提升企业创新能力(王金杰等，2018[28])。

互联网带来的企业创新能力的提升可能会进一步通过以下途径影响企业的库存水平。首先，企业创新能力的提升使得其现有产品的质量得到了提高(李方静，2014[29])，相比于之前的产品，现有产品的质量提升给企业带来了更大的市场需求。另一方面，创新能力的提升促进了企业生产技术复杂度的升级，使企业获得了先进的生产技术(卢福财和金环，2020[19])。这些新工艺、新技术赋予了企业原有产品新的外观以及新的特性，满足了消费者定制化的需求，从而促进了更多的销售。进一步地，由于企业创新带来的产品质量的提升会增加消费者对企业的信任，从而带动了企业其他产品和服务的销售，最终降低企业整体的库存水平(Sadikoglu和Zehir，2010[30])。其次，互联网带来的企业创新能力的提升不仅仅体现在生产和产品上，还体现在流程创新上。流程创新主要通过降低流动时间、提高生产的规范性以及降低安全库存来实现企业的低库存水平(Lee等，2015[21])。从流动时间(1)流动时间，是指将原材料转化为成品所需的时间。自19世纪末以来，流动时间一直是衡量一个生产系统效率的关键指标。上来看，根据利特尔定律，如果企业通过流程创新来缩短流动时间，那么原材料、在制品和产成品的库存就会减少，库存周转率便会提高(Little，1961[31])。从生产的规范性角度来看，在规范的生产过程中，可以减少生产线上的错误和缺陷，节省因丢弃有缺陷的零件或产品而造成的浪费，并提高产品质量的一致性。例如，被广泛使用的革命性的生产过程管理制度(JIT)，能够成功地消除生产过程中的缺陷(Lieberman和Demeester，1999[32])。通过降低缺陷率，公司可以减少因维修和返工所需的库存量，稳定的产品质量也会减少客户的退货或换货。此外，“源头高质”消除了广泛检查和潜在维修所需的额外时间，从而减少了总流动时间，进而减少流程中的库存。从安全库存的角度来看，流程创新的一个主要好处就是缩短流动时间，从而缩短生产准备时间。通过创新改进流程还可以减少提前期的变化。由于提前期更短、更稳定，企业会设定一个较低的库存水平(Stevenson，2005[33])。最后，企业实现一项技术创新可能需要很长的时间，但该技术并不能被原始创新者长时间保留，可能会很快外溢到行业内的其他企业。尤其是在互联网的环境下，企业可以从竞争对手或非营利机构的研究活动中获益，这种外部性提高了整个行业的创新水平，从而提升了行业内整体企业的经营绩效水平(Lee等,2015[21])。

由此，我们提出如下假说：

H2：互联网可以通过提升创新能力来降低企业的库存水平。

(三)互联网、市场竞争与企业库存

现有企业形成市场进入壁垒的决定因素主要包括规模经济、绝对成本优势、转换成本和不完全信息等(Yang等，2013[20])。一方面，互联网等信息技术的出现降低了企业获取相关信息的成本，改变了以往信息不对称的格局(施炳展和李建桐，2020[17])，这将会吸引更多新企业进入市场。另一方面，技术创新是在位厂商获得竞争优势的主要手段，而互联网增强了企业的“模仿效应”，导致这些新技术很容易被其他厂商所模仿，使得原有的市场竞争水平变得更加激烈。这些企业在获得新技术之后也很容易占据市场，因此在市场扩张的过程中，互联网会显著降低新企业的市场进入壁垒，最终促进了整个行业的竞争(Yang等，2013[20])。

互联网带来的进入壁垒的降低导致更多的企业进入市场，从而带来竞争效应并改变企业所面临的市场环境。面对激烈的市场竞争，企业会充分考虑市场环境的变化而调整自己的微观行为(姜付秀等，2008[34]；刘凤委和李琦，2013[35])。存货作为企业投资决策的重要组成部分，直接面向产品市场，必然会受到激烈的市场竞争的影响。市场竞争可能通过以下3个途径来影响企业的库存：首先，从企业风险的角度来看，当市场集中度降低，行业中竞争的企业数量增多且分散时，产品的市场流动性随之变大，而产品市场的流动性会减弱企业再购买的倾向性(Hoberg等，2014[36])。并且，随着产品市场竞争程度的增加，企业面临的经营风险和不确定性也会增大，企业出于预防性动机会采取相对保守的支出策略，减少存货持有水平，而增加现金拥有量(韩忠雪和周婷婷，2011[43])，以保持财务的灵活性来应对市场上激烈的竞争。其次，从企业成本的角度来看，企业持有存货有诸多成本，如储存成本、缺货成本等，但企业除了需要考虑上述成本外，还需要考虑持有存货的机会成本以及存货的预期收益(Akhtar，1983[37])。随着产品市场的竞争程度增加，企业面临的特质性风险也会显著增加(吴昊旻等，2012[38])，从银行获得贷款的成本也会越高，此时企业增加存货的资本成本相对较高。因此，在产品市场竞争激烈的行业中，由于企业持有过多的存货，流动资金便相对匮乏，其所面临的投资机会的损失风险也就越大，持有存货的机会成本也就增加。此时，企业会相应地减少存货持有水平。最后，从企业收益的角度来看，随着产品市场的竞争程度增加，各企业之间很可能出现价格战或营销战，产品价格的波动会变得很难预测。此时，企业如果增加存货将不利于产品销售和相关成本的控制，进而影响企业的营业利润。因此，当持有存货的成本大于未来产品的销售利润时，企业持有存货的获利动机降低，从而减少存货的持有水平。

由此，我们提出如下假说：

H3：互联网可以通过促进市场竞争来降低企业的库存水平。

三、研究设计

(一)计量模型

为检验互联网对企业库存的影响，本文建立如下模型：

lnVi,t=β0+β1lmemails,t-1+β2Xi,s,j,t+θi+δt+εi,t

(1)

其中：lnVi,t表示企业非产成品库存的自然对数；解释变量lmemails,t-1表示省份层面企业互联网普及率的自然对数，由于互联网融入生产存在时间上的滞后(Devaraj和Kohli， 2000[39]；沈国兵和袁征宇，2020[18])，同时为避免反向因果等内生性问题，我们将互联网普及率取滞后一期纳入模型；Xi,s,j,t为企业和省份层面的相关控制变量；θi为企业固定效应；δt为时间固定效应；εi,t表示误差项；下标i表示企业，s表示企业所在省份，j表示企业所在的行业，t表示年份。

(二)变量构建与说明

1.被解释变量。

本文实证模型的被解释变量为企业i在年份t的非产成品库存的自然对数。企业的库存可以分为原材料库存、半成品库存和产成品库存。考虑到非产成品库存的波动能够更好地体现企业生产决策的变化(李雨浓等，2020[5])，此外，根据1998—2007 年中国工业企业数据库计算得出，企业的非产成品库存占到了总库存的三分之二以上。因此，本文根据研究目的和可获得的数据，并参考李涵和黎志刚(2009)[7]、李雨浓等(2020)[5]的做法，使用企业的非产成品存货作为被解释变量，该指标等于企业总库存减去产成品库存。下文中均用存货指代非产成品存货。此外，为了增强回归结果的稳健性，本文还使用企业非产成品存货在存货中的占比(lnVr)作为被解释变量，从存货结构的角度来考察互联网对企业库存的影响。

2.核心解释变量。

对于本文的核心解释变量lmemail，我们借鉴施炳展和李建桐(2020)[17]的做法，使用各省份的企业互联网普及率的自然对数衡量。该指标等于省份s在年份t拥有电子邮箱的样本企业数除以样本企业总数再取自然对数。lmemail的值越大，说明该省份的企业互联网普及率越高。而对于企业是否拥有企业邮箱的识别，本文参考李兵和李柔(2017)[15]的方法，利用企业的邮箱中是否包含了@这一特征字段来识别：如果包含了该字段，则认为企业拥有电子邮箱，否则认为企业没有电子邮箱。由于企业对于是否拥有电子邮箱可能会存在漏报，并且即使企业没有电子邮箱也可能会使用互联网。因此，用企业邮箱计算的省份层面企业互联网普及率可能低估了现实水平(李兵和李柔，2017[15])，本文后续的实证结果可以视作互联网对企业库存水平影响的一个下限。此外，考虑到核心解释变量的测量误差可能会对实证结果的可靠性产生影响，本文利用《中国工业企业数据库》中企业网址(2)识别企业是否拥有网址的方法与识别企业有无电子邮箱的方法类似，如果企业网址中包含了“www、WWW、com、COM、cn、CN、HTTP、http”这些字段，则认为该企业拥有网址，否则认为没有。具体识别方法可参考李兵和李柔(2017)[15]、施炳展和李建桐(2020)[17]。的数据重新构建省份层面的企业互联网普及率：lmweb,用企业网址计算的省份层面的企业互联网普及率，等于省份s在年份t拥有企业网址的样本企业数除以样本企业总数再取自然对数。由于企业电子邮箱和网址都是反映互联网程度的重要指标，所以我们利用企业电子邮箱和企业网址数据计算了一个综合指标来反应省份层面的互联网普及率：lminternet，利用lmemail和lmweb的算数平均值的对数表示。所有变量均取滞后一期进入模型。

3.控制变量。

考虑到还有很多其他的因素会影响企业的库存水平，本文选取了一系列企业层面的控制变量，以控制企业自身存在的可能会影响企业库存的特征。这些控制变量包括：企业年龄(lnage)，用年份t减去企业开业年份后加1再取对数表示；固定资产净值(lnfa)，用企业i在年份t时的固定资产净值的对数表示；企业销售额(lnindsale)，用企业i在年份t时的销售额的对数表示；本年折旧(lndepret)，用企业i在年份t时的本年折旧的对数表示；利润总额(lnpi)，用企业i在年份t时的利润总额的对数表示；国有资本占比(lnstateshare)，用企业i在年份t的国有资本占实收资本的比重的对数表示；企业负债(lndebt)，用企业i在年份t时的销售额的对数表示；企业员工数(lnemployes)，用企业i在年份t的雇员数的对数表示；补贴收入(lnsubsidy)，用企业i在年份t时的补贴收入的对数表示；长期投资(lninvest)，用企业i在年份t时的长期投资的对数表示；地理聚集程度(lnproemp)，表示省份s行业j在年份t的地理集聚程度。理论上企业地理聚集程度越高，有利于降低企业之间的运输成本(施炳展和李建桐,2020[5])，因此有利于降低企业的库存。其计算公式为：

(2)

其中employeei,t为企业i在年份t所拥有的员工数量，outputi,t为企业i在年份t的工业总产值，outputs,j,t为省份s行业j在年份t所有样本企业的工业总产值之和。

由于其他的基础设施和通信手段可能会对企业库存产生影响(李涵和黎志刚，2009[7]；刘秉镰和刘玉海，2011[8])，为了保证后续回归结果的稳健性，本文加入了一些省份层面的控制变量，以防遗漏一些重要的因素。这些变量包括：省份层面公路密度(lnroad)，用省份s在年份t的公路总里程与该省份的总面积的比值并取对数表示；省份层面铁路网密度(lnrail)，用省份s在年份t的铁路总里程与该省份的总面积的比值并取对数表示；省份层面移动电话普及率(lnmobile)，用省份s在年份t的移动电话用户数量与人口总数的比值并取对数来表示；省份层面固定电话普及率(lntele)，用省份s在年份t的固定电话用户数量与人口总数的比值并取对数来表示。

4.机制变量。

本文还选取了一些机制变量，分别对假说H1～H3进行检验。这些变量包括：供应链整合(lnsupply)，用企业i在年份t的中间品投入与其工业总产值的比重再取对数值表示。竞争效应用了两个指标来衡量，分别为行业中企业数目的对数值(lnN)和行业平均毛利润的对数值(lngross)，其中行业平均毛利润是用行业总毛利润与行业企业总数的比值表示。创新效应(lninno)，利用企业i在年份t获得的专利授权数的对数表示。

(三)数据说明与描述性统计

本文的数据来源主要有三个：第一，企业创新效应的衡量指标：专利授权数量的数据来源于中国国家知识产权局，本文参照寇宗来和刘学悦(2020)[40]的方法，将专利数据和中国工业数据库进行合并。第二，省份层面的相关控制变量数据来源于《中国统计年鉴》，并与工业企业数据库进行合并。第三，被解释变量、解释变量以及相关企业层面的控制变量等的数据均来源于2001—2007年《中国工业企业数据库》，该数据库涵盖了所有国有和非国有的年销售额超过500万元的企业的年度数据。同时，参照聂辉华等(2012)[41]的做法，剔除了一些不合理的观察值。此外，由于统计局在2002年前后采取的是不同的产业分类标准，我们参照Brandt等(2012)[42]的方法，对2002年前后的企业的行业4位码进行调整和统一。经过整理后，最终我们得到了1 468 791条观察值，346 045家企业所组成的面板数据。相关的描述性统计见表1。

表1 描述性统计

四、实证分析

(一)基准回归

本文使用2001—2007年中国工业企业数据，对方程(1)进行估计，表2报告了互联网对企业库存的基准回归结果。列(1)是在未加入控制变量，只控制了企业固定效应和年份固定效应的情况下，互联网对企业库存的影响系数在1%的水平上显著为负，互联网普及率的提高总体上可以降低企业库存的水平。同时，列(2)、列(3)分别加入企业年龄、固定资产净值、销售额、本年折旧、利润总额、企业负债等控制变量，以及控制省份固定效应和行业固定效应后，互联网的估计系数仍在1%的显著性水平上为负，初步证实了互联网对企业库存水平产生了显著的负向作用。

表2 基准回归

就控制变量而言，企业年龄、固定资产净值、销售额以及从业人数对企业库存水平的影响显著为正，这是因为随着这些变量的不断增加，表明企业的规模的不断扩大以及市场份额的不断提升，企业为了确保能够迎合市场需求，便会不断增加原有仓库的存货，同时也可能增加库存点，从而提高了企业的库存水平。本年折旧对企业库存的影响为正，表明企业当年的折旧越高，越会增加生产的错误和缺陷，增加企业因返工和维修所需的库存。企业利润对企业库存的影响为负，这也符合我们的预期：企业利润越高表明企业面临越为宽松的财务约束，从而减少了企业的应急库存。企业的国有资本占比系数为负，说明企业的国有资本占比越高，越会给企业带来“声誉效应”，从而促进企业的销售，减少企业的库存。企业负债和补贴收入的系数显著为正，说明企业负债和受到的补贴越高，意味着其经营绩效也就越差，从而积压的库存也就越多。企业长期投资对企业库存的影响显著为正，说明企业增加其长期投资，也会促进存货的增加。地理聚集程度的系数不显著，这与我们的预期不符，可能的原因在于，地理聚集程度随时间变化较小，从而该变量对企业库存水平的影响在一定程度上被企业固定效应或省份固定效应所吸收。

(二)稳健性检验

为了增强实证结果的严谨性，本文做了如下稳健性检验。

1.替换核心解释变量。

考虑到使用样本企业的电子邮箱普及率计算省份层面的互联网普及率可能存在较大的测量误差。为了排除测量误差对估计结果的干扰，我们利用企业网址数据重新计算省级互联网普及率(lmweb)以及融合企业电子邮箱和网址构建的lminternet作为省级互联网普及率的代理指标重新进行回归，回归结果见表3列(1)、列(2)。表3列(1)和列(2)的核心解释变量分别为lmweb和lminternet，被解释变量为企业库存水平。回归结果显示，在考虑了核心解释变量的测量误差后，互联网对企业库存的影响依然显著为负。

表3 稳健性检验1

2.使用非产成品存货占比作为被解释变量。

本文借鉴李雨浓等(2020)[5]的做法，从企业存货结构的角度进行考察，使用非产成品存货在总存货中的比重作为被解释变量，对模型再次进行回归。表3列(3)报告了使用非产成品存货占比作为被解释变量的回归结果。结果显示，无论是从企业存货的绝对量的角度进行考察还是从相对量的角度进行考察，互联网均会显著降低企业的库存水平。

3.剔除存活小于3年的企业和使用平衡面板。

互联网等信息技术的出现会加剧市场竞争，竞争效应会使一些企业因经营不善而倒闭，这些企业的存货可能会出现异常的波动，因此本文从样本中剔除存活年份小于3年的企业后再进行回归，回归结果如表4列(1)所示。结果显示，互联网对存活3年及以上的企业都显著降低了其库存水平。

进一步地，由于在中国工业企业数据库中，只有年销售额超过500万的企业才会参与调查。当公司规模缩小、破产或被其他公司收购时，它们就会退出调查，现有企业成长到符合数据库进入条件时，也会被纳入调查，因此行业内企业的频繁流动可能会对企业的库存水平产生影响。为了排除行业内新企业的进入和老企业的退出对估计结果的干扰，本文保留2001—2007年的平衡面板数据再次进行估计，结果如表4列(2)所示。结果显示，在保留了平衡面板数据之后，互联网依然能够显著降低企业的库存水平。

4.加入其他通信、运输指标。

在以上的分析中，本文并未考虑其他类型的通讯以及运输手段的作用。如果其他类型的通信或者运输手段能够代替甚至超越互联网的作用，那么专门研究互联网对企业库存的影响就没有太大的意义。因此本文通过加入其他类型的通信和运输指标来考察这些指标与互联网对企业库存影响的异同，回归结果如表4列(3)所示。

表4列(3)在基准回归的基础上进一步加入了省份层面的移动电话普及率(lnmobile)、固定电话普及率(lntele)、公路密度(lnroad)以及铁路密度(lnrail)。回归结果表明，即使在加入了其他类型的通信和运输指标后，互联网对企业库存水平的影响依然显著为负，这说明互联网能够独立于其他类型的通信和运输手段对企业库存水平产生显著的负向影响。从其他类型的通信和运输指标的系数来看，移动电话普及率(lnmobile)对企业库存的影响显著为负，但是与互联网的作用相比，其影响较小，可能的原因在于：移动电话所能传递的信息较少，而互联网不仅能够传递大量的信息，并且传递的信息种类相比于移动电话也丰富得多(施炳展和李建桐，2020[17])，从而更有利于企业拓宽销售渠道，降低库存水平。固定电话普及率(lntele)的系数显著为正，这与我们的预期相反，这可能是因为在2001—2007年移动电话逐渐兴起，替代了固定电话所发挥的作用，因此固定电话出现大量的闲置(郑世林等，2014[43])，固定电话普及率对企业库存影响显著为正就是固定电话资源闲置效应的体现。公路密度(lnroad)和铁路密度(lnrail)对企业库存的影响都比互联网的作用要小，这可能是因为它们只通过降低企业的运输成本和提高企业的运输效率来降低企业的库存水平，而并不能像互联网那样拓宽企业的销售渠道，从而对企业库存的影响较小。

表4 稳健性检验2

5.内生性讨论。

内生性问题的存在，会使本文的计量模型的估计结果有偏和不一致。一方面，本文采用滞后一期的互联网普及率,虽然能在一定程度上解决反向因果等内生性问题，但是该方法的一个重要缺点是会遗漏当期有用的信息。另一方面，虽然我们控制了其他可能影响企业库存的变量，但还会遗漏某些对企业库存有影响的重要变量。因此，我们在实证分析互联网对企业库存的影响时，必须考虑内生性的问题。

对于上述存在的内生性问题，本文采取工具变量来解决。为此，本文选取1985年人均邮电业务总量(perpost)作为企业互联网普及率的工具变量。选取该工具变量的合理性在于：一方面，人均邮电业务总量代表了该地区的电信基础设施水平，也必将会影响该省份的互联网发展水平；另一方面，滞后期的历史数据并不会对样本期内的企业库存水平产生影响。

工具变量的两阶段回归结果见表5。第一阶段的回归结果表明，perpost与lmemail在1%的水平上显著正相关，同时，本文也进行了工具变量识别不足和弱工具变量检验，这共同表明了本文工具变量的合理性。第二阶段的回归结果表明，在克服了内生性问题之后，互联网对企业库存的影响依然显著为负，并且系数更大，这进一步说明本文的基本结论是可靠的。

表5 工具变量回归

五、进一步分析：影响机制及异质性检验

(一)机制检验

上述分析较为全面地揭示了互联网对企业库存的作用，但是并没有对“互联网如何影响企业库存？”这一问题给出明确的答案。为进一步厘清互联网影响企业库存调整的传导机制，本文将从供应链整合、创新效应和竞争效应三个渠道检验互联网对企业库存的影响。

1.供应链整合效应。

互联网等信息技术的出现，一方面降低了企业之间的信息交流成本，使企业之间可以通过互联网分享实时信息，促进了企业供应链的一体化协调，另一方面降低了交易成本，增加了企业之间的分工与合作，从而导致供应链伙伴对本企业产品的需求增加，继而影响企业的非产成品存货。因此，本文使用中间品投入与工业总产值的比值作为供应链整合的代理变量。需要说明的是，《中国工业企业数据库》中的中间品投入主要是指外购中间品投入，并不包含自身生产的中间品投入。因而我们可以用该指标来表示企业供应链端的分工与合作。为了对供应链整合的机制进行实证检验，本文构建如下计量模型：

lnsupplyi,t=α0+α1lmemails,t+α3Xi,s,j,t+θi+δt+εi,t

(3)

其中，lnsupplyi,t为中间品投入与工业总产值的比值的自然对数，其余变量与模型(1)相同(下同)。回归中均加入了企业层面的控制变量、企业固定效应和年份固定效应，具体回归结果见表6列(1)。结果显示，互联网与企业供应链整合显著正相关，这说明互联网促进了企业之间的分工与合作，进而降低了企业的非产成品存货。假说1得证。

2.创新效应。

互联网使得企业由原来的封闭式创新转变为开放式创新，不仅提升了企业产品的竞争力，还提升了企业生产流程的规范性和安全性，进而提高了企业的库存周转率。本文参考王金杰等(2018)[28]的研究，使用专利授权数量来衡量企业的创新能力。主要的原因在于：第一，无论是发达国家还是发展中国家，创新演进的过程依旧是引进、模仿和吸收，专利是创新能力最好的衡量指标。第二，由于许多地方政府会以企业专利申请数作为奖励企业创新的标准，因此会出现许多虚假申请以及不合格申请的情况，如果使用专利申请数作为企业创新的代理指标，会使企业创新的测度失真。而专利授权数则是根据专利的创造性标准由国家知识产权局审核通过的，可以部分避免上述问题。因此，本文建立如下计量模型对创新效应的机制进行实证检验：

lninnoi,t=γ0+γ1lmemails,t+γ3Xi,s,j,t+θi+δt+εi,t

(4)

其中解释变量lninnoi,t为企业专利授权数的自然对数，这一指标越大，表明企业的创新能力越高。回归结果如表6列(2)所示，互联网与企业专利授权数在5%的显著性水平上正相关，这表明互联网显著促进了企业创新能力的提升。假说2得证。

表6 机制检验

3.市场竞争效应。

互联网也会通过市场竞争来影响企业的库存。一方面，互联网拓宽了企业获取信息的渠道，降低了新企业进入的门槛。另一方面，互联网增强了企业之间的“模仿效应”，使技术创新很容易被在位厂商和新企业所模仿，让原本的市场竞争变得更加激烈。由于市场竞争程度的增加，企业会从成本、收益和风险的角度考虑，降低自身的存货水平，以避免更大的损失。

本文选取行业中企业数目和行业平均毛利润作为市场竞争的代理变量。如前所述，互联网会降低行业的进入壁垒，会有更多的新企业进入。此外，市场竞争程度增加的一个典型特征为行业平均毛利润降低。因此，本文建立如下计量模型对市场竞争机制进行检验：

lnNi,t=ρ0+ρ1lmemails,t+ρ3Xi,s,j,t+θi+δt+εi,t

(5)

lngrossi,t=τ0+τ1lmemails,t+τ3Xi,s,j,t+θi+δt+εi,t

(6)

其中lnNi,t和lngrossi,t分别代表行业中企业数目的对数、行业平均毛利润的自然对数。如果互联网能够增加市场竞争程度，那么式(5)的系数ρ1应显著为正，而式(6)的系数τ1的系数应显著为负。回归结果见表6列(3)和列(4)。结果显示，互联网显著增加了行业中企业的数目，并且降低了行业平均毛利润，表明互联网显著增加了市场竞争程度。假说3得证。

(二)异质性检验

根据前文的分析发现，互联网能够显著降低企业的库存水平，但之前的分析并没有对样本企业的类型进行区分，从而有可能掩盖样本企业之间的异质性。由于企业所有权不同以及所在行业的不同，互联网对企业库存的影响也可能有所区别，尤其是行业特征会造成企业库存之间的显著差异。因此，在该部分本文进一步从企业层面和行业层面检验互联网对企业库存的异质性影响。

1.按企业层面分组。

按照企业自身的性质，以企业所有权性质、企业规模和企业是否出口进行分样本回归。其中，企业所有权性质的划分是借鉴Hsieh和Song(2015)[44]的做法，通过计算2001—2007年样本期间内企业平均的资本组成结构，将国有资本所占份额大于0.5的企业定义为国有企业，其他的为非国有企业。企业规模是按照国家统计局2017年发布的《统计上大中小微型企业划分办法(2017)》，对样本企业的规模重新进行了划分。出口与非出口企业的划分是通过企业在基期2001年是否出口来定义的，如果企业出口值大于0，则定义为出口企业，否则为非出口企业。

表7列(1)、列(2)分别报告了以国有企业和非国有企业为子样本的回归结果。从中可以看到，在非国有企业的子样本回归中，互联网对企业库存的影响显著为负，而在国有企业的子样本回归中不显著。可能的原因在于，国有企业的存货不一定是企业最大化利益的结果，而往往带有一定的计划色彩，即便互联网促进了企业之间的交流，国有企业的存货仍然缺乏变动的灵活性。与国有企业相比，外资企业与民营企业更容易受到市场激励，利用互联网增加企业之间的分工合作，拓宽销售渠道，提升自身的库存绩效。表7列(3)～列(5)根据企业规模将样本区分为大型企业、中型企业和小型企业。分别对其子样本回归后发现，互联网对小型企业的库存影响最大，中型企业次之，而大型企业不显著，分析其原因在于大型企业大多存在垄断性特征，本身具有一定的声誉效应，其销售渠道以及与其他企业合作可能并不依赖于互联网。表7列(6)、列(7)根据是否出口将样本划分为出口企业与非出口企业。对子样本回归后发现，出口企业的库存受互联网的影响相较于非出口企业更大，这是因为相比于非出口企业，互联网不仅增加了出口企业国内的销售渠道，还拓宽了其海外销售渠道。

表7 企业层面的异质性检验

2.按行业层面分组。

本文进一步讨论了互联网对不同行业的企业库存水平的异质性影响，根据企业所在的行业性质，将样本分为上游企业、中下游企业以及重工业和轻工业。表8列(1)、列(2)显示了上游企业和中下游企业的分样本估计结果、结果显示互联网对上游和中下游企业的库存水平均有显著的负向影响，且对前者的影响更大。这是因为本文研究的库存为非产成品库存，而上游企业的库存多为原材料库存，因此互联网对上游企业库存水平的影响更为显著。表8列(3)、列(4)分别显示了重工业与轻工业的子样本回归结果。从中可以看出，轻工业行业的企业库存受互联网的影响相较于重工业企业更大。这是由重工业和轻工业的行业属性所决定的，即轻工业行业的企业存货调整相比于重工业企业更为容易，对互联网的反应更为敏感。

表8 行业层面的异质性检验

六、研究结论与展望

(一)研究结论

企业库存决策行为一直都是战略管理研究和实践的热点问题，虽然现有研究对信息技术与库存绩效的关系进行了初步的探讨(Shah和Shin，2007[45]；Mishra等，2013[46])，但关注信息技术对库存变动的影响机理以及不同企业间差异性的研究仍然不足。本文以2001—2007年中国工业企业数据库为研究样本，实证检验了互联网使用对企业库存调整行为的影响效应，并检验了其作用条件和影响机制。通过研究，本文主要得出以下结论。

第一，互联网的使用能够有效降低中国制造业企业的库存水平。现有研究并未针对互联网对企业库存变动的影响机理进行详细探讨。本研究则利用中国工业企业数据库等多个数据库，检验了企业互联网化对库存变动的影响，并探究了其影响机制。研究发现，互联网的使用去库存效应主要是通过供应链整合、创新能力提升和促进市场竞争3个渠道来实现。

第二，企业互联网化降低了企业之间的信息交流成本和交易成本，通过与供应链伙伴分享实时信息，提高生产与需求的匹配程度以及降低不确定性等带来的成本，促进企业与外部的分工合作，以提高库存绩效。互联网的使用还会通过开放式创新，提高企业的创新能力，进而提升产品质量、赋予产品新的特性以及通过流程创新拓宽企业的市场销售渠道，最终降低库存。进一步地，互联网的使用还会降低行业进入壁垒，从而使行业内竞争更加激烈，企业出于利润最大化的考虑，会增加现金持有量、减少存货的机会成本，减少企业持有的库存量。

第三，互联网使用的去库存效应在不同企业和不同行业效果不一样。从企业层面上看，互联网对库存水平的影响在非国有企业、小型企业和出口企业更为敏感。这表明，与国有企业相比，外资企业与民营企业更容易受到市场激励，能更为有效地利用互联网增加企业之间的分工合作，拓宽销售渠道，提升自身的库存绩效。从行业层面上看，互联网对上游行业和轻工业行业企业的库存水平降低效应更为突出。这说明，应该根据企业性质以及行业特征制定去库存政策。

(二)管理启示

从本研究及其结论中，我们得到如下主要管理启示。

第一，企业在“互联网+”背景下应充分利用互联网思维的管理模式，完善企业内部管理，积极融入互联网的新商业模式中。随着互联网降低了信息交流的门槛和大数据管理的兴起，一方面，企业管理人员要依靠互联网实时监控库存的变化，通过互联网的数据库管理功能实现精细化和动态化的库存管理。另一方面，利用互联网带来的新商业模式，加强与供应商之间的合作，并利用互联网的开放式创新条件，提升自身的创新能力，以应对激烈的市场竞争，抢占市场份额，提高企业的库存绩效。

第二，不同企业在新一轮互联网浪潮中应该有针对性地制定发展战略。根据本文的研究结论，不同类型的企业应用互联网对其库存水平有着不同的影响，总体来说，互联网更能降低非国有企业、小型企业以及出口企业的库存水平。因此，从企业发展的角度来看，其他对互联网不敏感的企业应通过加大核心技术创新的投入、加大高端人才的培养等方式，提高产品的核心竞争力，避免在“互联网+”背景下失去竞争力，从而实现长远的发展目标。

第三，地方政府要鼓励和引导制造业企业加强对互联网的应用，以提高本地区的企业互联网普及率。通过鼓励互联网与制造业企业的融合发展，促进企业降本增效，推进企业转型升级。中央政府应缩小各地区之间互联网普及率的差距，避免因互联网普及率的差异引起各地区企业经营绩效更大的差距。企业则应根据自身条件，积极利用当地城市的新型互联网基础设施溢出效应，提高核心产品竞争力。

(三)局限与展望

本文探讨了互联网使用对企业库存决策行为的影响，并进一步分析了互联网对企业库存的作用机制以及不同企业和行业类型间的异质性，研究局限与展望主要归结为以下方面。第一，限于研究主题，本文仅从企业库存的角度考察了互联网使用的经济效应，随着数据的可获得性的增加以及研究的深入，未来的研究还可以从企业管理模式创新、人力资源管理优化、供应链管理模式等其他角度深化和拓展互联网的经济效应。第二，本文从供应链整合、市场竞争和创新效应三方面研究了互联网的去库存效应，除了这三个机制之外，还存在诸如市场势力、地理区位、基础设施等影响互联网降低企业库存水平的其他因素，这些因素与互联网的交互效应有待于进一步探索，限于篇幅，本文并未对此进行详细挖掘，这也为未来的研究提供了空间。