互联网应用对中国制造业全要素生产率的影响研究

张建英 张其仔 张慧

摘 要：基于中国A股上市公司数据，实证检验制造业企业互联网应用对全要素生产率的影响及作用机制。结果显示：互联网应用通过节约交易成本这一主要渠道显著地提升了制造业企业全要素生产率；互联网应用对西部地区制造业企业、资本密集制造业企业、出口型制造业企业全要素生产率的提升效果更显著；互联网应用通过节约销售成本和管理成本提升了制造业企业全要素生产率，且管理成本节约对全要素生产率提升的作用更大。因此，应提升制造业企业互联网应用的深度与广度，将节约的销售成本与管理成本投入研发活动之中，推动制造业全要素生产率提升。

关键词： 互联网应用；全要素生产率；制造业；交易成本

中图分类号：F062．9   文献标识码： A    文章编号：1003-7217（2024）01-0135-08

一、引 言

互联网作为第四次工业革命的关键基础技术，是促进制造业企业价值创造的核心驱动要素，正改变着制造业的现代化产业体系建设［1］。在新一轮技术革命与产业变革背景下，以互联网为基础的数字技术与制造业的深度融合已成为加快构建现代化经济体系的推动力。

学术界十分关注互联网与制造业高质量发展问题，相关文献主要围绕以下主题展开。其一，互联网改变传统经济运行机制。互联网经济正在“颠覆”传统的理性选择假设，微观主体不再完全依赖价格机制和供求机制进行决策，而是利用互联网获取信息、配置资源［2］。互联网服务能提高制造业的专业化水平，深化企业分工，从而改变市场供需关系，促进企业生产率增长［3］。其二，互联网的创新效应。互联网平台为企业与外部市场联系提供信息共享渠道，是企业技术创新的一大来源［4，5］。数字化转型是推动企业提升创新产出效率的有效措施［6］。互联网为企业人力资本积累提供渠道，人力资本扩张进一步推动制造业创新绩效提升［7］。其三，互联网的资源配置效应。企业利用互联网获取供应链信息，减少要素购入与产品生产的时间延搁，实现零库存［8］。利用信息技术降低产业内企业间的协调成本和联系难度，提升供应链管理能力［9，10］。企业通过互联网平台实现信息共享并整合供应链资源，优化要素配置［11，12］，提升产业链企业价值［13］。其四，互联网的成本节约与规模经济效应。数字化转型能有效减少信息不对称，降低企业债务成本［14］。利用互联网传递信息能减弱时空距离的影响，减少信息不对称，节约交易成本［15，16］。企业借助互联网的外部性进行信息复制与信息共享以实现内生规模经济［17］，企业规模越大，数字化的驱动作用越强［18］。

文献梳理显示，关于互联网应用的研究多侧重于从宏观和区域视角测算互联网发展水平或互联网普及程度。关于制造业高质量发展的研究主要探讨制造企业绩效、制造业生产率与区域绿色生产率等问题［19］，涉及互联网应用与企业全要素生产率增长［17］不多。利用文本分析、数据挖掘、词频分析等方法测度互联网的微观应用，优化互联网应用微观量化方法，研究互联网应用对制造业企业全要素生产率的影响及其机理，有助于加快推动现代化产业体系建设和高质量发展目标的实现。

二、理论分析与研究假设

互联网应用是指利用互联网络进行信息处理，包括信息披露、信息传递、信息收集、信息加工和信息利用等过程。在互联网环境下，制造业企业可以利用专业互联网平台获取上游供应商的企业信息和产品信息，以便找到合适的供应商降低成本［20］；可以利用企业官方网站、社交媒体账号等向下游采购商或消费者传递企业文化和产品价值信息以促进销售、增加收益；还可以利用互联网通信工具与合作伙伴进行良好的信息沟通以提高管理效率［8］。此外，互联网协同创新平台汇集了人才、资金、信息、数据等创新要素，是促进制造业企业实现价值共创和科技成果转化的重要载体［21］。全要素生产率是指除劳动、资本外的其他要素投入带来的生产率提升的综合效应，包括技术进步、管理创新、组织变革、资源配置优化等方面的综合影响。互联网为企业生产率增长提供技术进步驱动力和实现规模经济必要的通信网络与信息市场[16]。因此，提出研究假设1。

H1 互联网应用能够提升制造业企业全要素生产率。

制造业产业链分工环节多、链上企业比较分散，资源整合难度大，而互联网应用可以减少资源整合的交易成本，提高全要素生产率。一方面，在互联网环境下，垂直B2B平台发挥中介作用减少了中间商环节，在信息传递与资源整合上的效率大幅提高[2]。基于互联网线上线下融合的商业模式改变了传统的市场交易方式［22］，新模式通过减少制造业供应链中间商环节降低了交易不确定性。互联网应用能够减少中间商环节是因为利用了第三方平台的中立性和服务性两大原则。中立性保证了平台传递的信息更加客观，服务性保证了平台的交易、支付、物流配送、售后评价、信息安全等基础服务更加高效。因此，互联网应用通过减少中间商环节缩短了产品生产和销售周期，提高了资源整合效率和服务水平[1]，从而大幅节约了交易成本。

另一方面，互联网应用能缩短制造业企业与上下游供应市场的空间距离，通过提高行业与市场的信息透明度促进信息传递与交互［23］。市场经济有效运行的一个重要前提是信息充分性，一般信息透明度越高制造业企业越容易进入更远距离的供需市场。互联网以一种虚拟的网络克服了制造业产业鏈上企业物理空间布局分散所导致的信息不透明、交易成本高等弊端，通过大幅提升信息传递与交互能力节约了交易成本［14，15，24］。因此，提出研究假设2。

H2 互联网应用通过节约交易成本促进制造业全要素生产率提升。

三、研究设计

（一）样本选择与数据来源

以中国沪深A股制造业上市公司为研究样本，考察互联网应用对全要素生产率的影响。中国互联网服务起步于2000年前后，2003年中国互联网普及率仅为6.15%，到2010年互联网普及率达到34．10%，此后互联网应用得到快速发展。为了保持样本连续性，剔除了2011年1月1日以前上市的公司和ST、*ST上市公司。研究所用样本为2011—2018年848家制造业上市公司的面板数据①（样本分布见表1）。数据分别来源于上市公司年报、wind数据库和中经网统计数据库。

（二）变量设定

1. 被解释变量。被解释变量为全要素生产率（tfp），采用索洛余值法计算。其中，采用柯布道格拉斯生产函数，投入要素除资本和劳动外还考虑了中间品投入。由于对数生产函数回归模型的内生性检验结果不显著，因此采用OLS方法估计要素边际产出。稳健性检验还采用了OP方法估计要素边际产出。

2. 核心解释变量。核心解释变量为互联网应用水平（internet），采用文本分析法计算。首先，手动下载上市公司年报、统计年报篇幅，并利用Python软件统计年报中的关键词。关键词列表参考杨德明和毕建琴的研究[8]，包括互联网、“互联网+”、互联网平台、互联网技术、互联网金融、信息化、信息技术、数字经济、大数据、物联网、云计算、云平台、云服务、电子商务、电商、线上线下、线下线上、O2O、网站、网址、邮箱、网店、微信公众号、移动支付、在线支付、移动社交和微信群。其次，用每个关键词的词频统计量除以年度报告的篇幅进行标准化，以剔除报告长度的影响。最后，用主成分的方差贡献率作权重，对每个主成分进行加权汇总并采用平移法消除负数结果得到核心解释变量。

3. 控制变量。在回归模型中还控制了一些可能影响企业全要素生产率的因素，比如企业年龄（age）、企业规模（size）、所有权（owner）、市场竞争（hhi）、对外开放度（export）和资本密度（capital）等。为了控制固定效应的影响，还添加了个体、时间和地区等固定效应［25，26］。其中，企业年龄为观察期年份减去公司成立年份。企业规模用员工数量的对数表示。市场竞争用行业集中度衡量，采用赫芬达尔赫希曼指数计算。对外开放度用虚拟变量表示，当企业年度海外业务收入大于0时，export取1，否则取0。为了避免可能存在的异方差性，资本密度采用人均固定资产的对数衡量［27］，即对2010年不变价的固定资产取对数。所有权用虚拟变量表示，当企业所有权归属于国有企业时，owner取1，否则取0。

4. 机制变量。现有研究常采用管理费用（mcost）和销售费用（scost）构建交易成本的衡量指标［2］。考虑到管理费用中包含了研发费用，于是，采用剔除本期费用化研发支出的管理费用除以营业总收入衡量管理成本。考虑到企业规模的影响，采用销售期间费用率除以销售人员占比衡量销售成本。

（三）模型设定

随着互联网应用的推广，企业组织间的契约执行成本、协调和监督成本大幅降低，企业组织部门内、部门间的管理协调成本也大幅降低。互联网所带来的交易成本节约、信息透明度增加、创新来源增加、空间距离阻碍减少等在一定程度上提升了制造企业全要素生产率水平。为了检验研究假设H1和H2，构建如下回归模型：

tfpit=β0+β1internetit+∑jγjCit+μi+δt+εit（1）

tcostit=β0+β1internetit+∑jγjCit+μi+δt+εit（2）

tfpit=β0+β1internetit+β2tcostit+∑jγjCit+μi+δt+εit（3）

其中，i表示企业个体；t表示年度时间；tfpit表示全要素生产率；internetit表示互联网应用程度；tcos tit表示制造业企业的交易成本；Cit表示一组控制变量；μi表示不随时间变化的不可观测因素的影响，用来控制个体效应；δt表示不随个体变化的不可观测因素的影响，用来控制时间效应；εit表示随机扰动项。

四、实证结果与分析

（一）描述性统计

表2是变量描述性统计结果。全要素生产率的均值为14.601，标准差为5.721，离散程度较大，表明制造业上市公司的全要素生产率个体差异较大。互联网应用程度的均值为0.2567，标准差为0.297，离散程度在1个标准差之内，表明制造业上市公司互联网应用水平的个体差异相对较小。企业年龄的均值为17.354，标准差为5.166，表明制造业上市公司的经营年限较长且个体差异较大。企业规模的均值为8.006，標准差为1.124，表明大部分制造业上市公司的规模较大，个体差异相对较小。其余变量的标准差小于1，反映出个体差异较小。（二）基准回归及其结果分析

为了检验互联网应用的全要素生产率增长效应，利用制造业上市公司的面板数据对回归模型（1）进行分析，得到结果表3。其中，列（1）为互联网应用程度对全要素生产率的直接回归。列（2）控制了企业、年度和省份固定效应。列（3）进一步控制了所有权、资本密度、出口、市场竞争、企业规模和企业年龄等因素。由于列（3）存在异方差性可能导致系数估计量有偏，对其进行BP异方差检验结果表明估计值在5%的显著水平下存在异方差。于是采用异方差稳健标准误修正系数估计值的显著性统计量，得到列（4）基准回归结果。

由表3列（4）的结果可知，internet对tfp的系数估计值为0.606，在5%的水平下显著，说明提高制造业企业对互联网的应用程度能显著提升全要素生产率水平。这一结论与黄群慧等［3］关于城市互联网发展对企业全要素生产率的影响结论一致。

在控制变量方面，owner的系数估计值在1%的水平下显著为正，表明产权的公有化程度并没有阻碍制造业企业全要素生产率增长。这可能与国有企业积极响应“互联网+”发展战略、积极参与企业上云服务实践有关。export的系数估计值在1%的水平下显著为正，表明制造业企业积极参与海外市场竞争能提高全要素生产率。hhi的系数估计值在1%的水平下显著为负，表明行业集中度越高，越难以形成良好的市场竞争环境，越不利于制造业企业全要素生产率提升。capital、size和age的系数估计值在5%的水平下不显著，表明制造业企业资本密度、企业规模、年龄对全要素生产率的影响不明显。一种可能的解释是传统要素和经营模式在网络经济中的市场优势正逐渐弱化。

（三）稳健性检验

1. 替换被解释变量与解释变量的衡量指标。首先，用OP方法替换OLS方法重新测算全要素生产率，回归结果见表4列（2）。由internet系数估计值的符号和显著性可知，估计结果稳健。其次，用邮箱词频构建互联网应用指标重新估计，得到结果见表4列（3）。internet的系数估计值在1%的水平下显著为正，表明模型估计结果稳健。

2. 采用Bootstrap自助抽样法改变研究样本。考虑样本选择对模型估计结果的影响，用Bootstrap自助法随机抽取5000次构成新样本进行重新回归，结果见表4列（4）。internet系数估计值与列（1）的系数估计结果一致，表明模型估计结果稳健。

3. 采用GMM估计。以internet的滞后1期l. internet为工具变量，在基准模型的基础上构建对异方差和内生性都更加稳健的GMM模型估计，结果见表4列（5）。internet的系数估计值与列（1）基本一致，表明模型估计结果稳健。

（四）异质性分析

1. 地区异质性。信息技术的发展与互联网的普及大幅减少地理空间对人类社会经济活动的阻碍。不同地区的企业密集程度和人口密集程度都存在很大差异。互联网应用对提升制造业企业全要素生产率的影响很可能因地区不同而不同。于是，将样本划分为东部、东北、中部和西部以考察地区差异的影响。在表5中，列（4）internet的系数估计值在1%的水平下显著为正，其余模型该估计值均不显著，表明互联网应用提升了西部地区制造业企业全要素生产率，对其他地区制造业的影响不显著。这一研究结果与Jung[28]基于2007—2011年巴西洲际面板数据的研究结论一致，即互联网对落后地区的经济增长效应更加明显，这与互联网应用减少地理空间距离阻隔相契合。列（5）是加入交乘项internet_west的全样本回归结果，与列（4）的结论一致。

2. 要素禀赋异质性。要素市场信息的披露与网络化程度不同，会影响不同行业的信息透明度和交易不确定性，要素禀赋不同的行业对关键要素的依赖程度也不同。互联网应用对制造业企业全要素生产率增长的影响很可能受要素禀赋差异影响。于是，按要素禀赋类型将制造业分为资本密集型、劳动密集型、技术密集型行业 [29]，以考察要素禀赋的异质性影响。在表6中，列（2）internet 的系数估计值在1%的水平下显著为正，其余模型该估计值均不显著，表明互联网应用提升了资本密集型制造业企业全要素生产率，对劳动密集型和技术密集型制造业企业的影响不显著。这可能与互联网改变传统要素市场的交易方式有关。列（4）是加入交乘项internet_capital的全样本回归结果，与列（2）的结论一致。

3. 对外开放度异质性。外商直接投资能带来先进技术、管理知识与经营理念。出口贸易有助于制造企业获得新的市场需求和扩大经营规模［30］。市场竞争与学习效应能促进企业全要素生产率提升［31］。对外开放度不同，互联网应用对制造业全要素生产率的影响也可能不同。于是，将是否有海外业务收入作为对外开放度的判别标识，有则认为是出口企业，反之，则为非出口企业。在表7中，列（1）internet的系数估计值为0.999，在1%的水平下显著，表明加强互联网应用提升了出口型制造业企业全要素生产率，对非出口型制造业企业的影响不显著。这一结果与戴美虹［32］的研究结论相近，与互联网应用缩短交易主体间的空间距离、促进信息交互的特性相契合。列（3）是加入交乘项internet_export的全样本回归结果，与列（1）结论一致。

（五）内生性分析

互联网应用可能与全要素生产率存在双向因果导致的内生性。尽管全要素生产率可能对企业互联网应用产生影响，但通常不会影响上一期互联网应用。于是，选取互联网应用的滞后一期（l. internet）做工具变量进行2SLS估计。在表8中，被解释变量分别采用了OLS方法和OP方法测算全要素生产率。与表3的基准回归相比，工具变量估计得到的结果分别为1.478和5.692，在5%的水平下都显著；表明互联网应用能够提升制造业企业全要素生产率，假设H1成立。

（六）机制分析

为了检验互联网应用通過节约交易成本影响制造业全要素生产率的假设H2，采用Sobel法对模型（1）～模型（3）进行估计，得到的回归结果见表9。其中，列（1）～列（3）为管理成本机制回归结果，列（4）～列（6）为销售成本机制回归结果。列（2）internet对mcost的系数估计值为-0.009，在5%的水平下显著；表明互联网应用有助于制造业企业节约管理成本。列（3）mcost对tfp的系数估计值为-3.900，在1%的水平下显著；表明节约管理成本也有助于提升制造业企业全要素生产率。列（5）internet对scost的系数估计值为-1.933，在5%的水平下显著；表明制造业企业应用互联网可以大幅节约销售成本。列（6）scost对tfp的系数估计值为-0.006，在5%的水平下显著；表明制造业企业应用互联网可以通过节省销售成本提升全要素生产率。因此，假设H2成立。

五、结论与政策启示

（一）结论

基于中国A股制造业上市公司数据，对互联网应用影响制造业全要素生产率进行理论分析，并构建企业层面的回归模型进行实证考察。结果显示：第一，互联网应用能显著提升制造业企业全要素生产率水平。第二，互联网应用对制造业全要素生产率的促进作用因地区、要素禀赋和对外开放度的不同而存在差异。具体而言，互联网应用提升了西部地区制造业全要素生产率，对东部、东北和中部地区的影响不显著；互联网应用提升了资本密集型制造业全要素生产率，对劳动密集型和技术密集型制造业企业的影响不显著；互联网应用提升了出口型制造业企业全要素生产率，对非出口型制造业企业的影响不显著。第三，从影响机制看，互联网应用通过减少销售成本和管理成本来提升制造业全要素生产率。具体而言，互联网应用对销售成本的节约作用相对较大，对管理成本的节约作用相对较小；但销售成本节约对全要素生产率的提升作用相对较小，管理成本节约对全要素生产率的提升作用更大。

（二）政府启示

第一，加大互联网在制造业产业链中的应用力度，推动制造业高质量发展。制造业产业链长、企业数量多，应加大互联网在制造业研发设计、原料采购、生产管理、仓储运输、推广销售、渠道终端等环节的应用力度以节约制造业的交易成本和提升產业链的资源整合效率。第二，采用差异化的政策积极引导和支持各地区制造业的互联网应用，提升制造业全要素生产率。互联网应用的全要素生产率效应具有明显的地区、要素禀赋和对外开放度异质性，制造业数字化发展政策应考虑互联网发展及应用效果的差异化。一方面，提升西部地区、资本密集型和出口型制造业企业的互联网应用广度，进一步提升全要素生产率。另一方面，提升非西部地区、劳动与技术密集型，以及非出口型制造业企业互联网应用的深度，以此促进全要素生产率的提升。第三，利用互联网应用节约交易成本，提升制造业企业竞争力。互联网应用可以大幅节约管理成本和销售成本，将节约的管理成本和销售成本投入研发活动，从而提升制造业企业核心竞争力。

注释：

①  2018年11月5日，习近平总书记在首届中国国际进口博览会开幕式上宣布设立科创板，实行注册制试点。2019年6月13日，科创板正式开板。这一举措对我国资本市场和上市公司产生了非常大的影响。

参考文献：

［1］ 卢福财，陈慧. 工业互联网、企业成长性与价值创造［J］. 经济管理，2023，45（1）：5-24.

［2］ 何大安. 互联网应用扩张与微观经济学基础——基于未来“数据与数据对话”的理论解说［J］. 经济研究，2018（8）：177-192.

［3］ 黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升：内在机制与中国经验［J］. 中国工业经济，2019（8）：5-23.

［4］ Comin D， Hobijn B. An exploration of technology diffusion［J］. American Economic Review， 2010， 100（5）：2031-2059.

［5］ 佟家栋，杨俊. 互联网对中国制造业进口企业创新的影响［J］. 国际贸易问题，2019（11）：1-15.

［6］ 吴非，胡慧芷，林慧妍，等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］. 管理世界，2021（7）：130-144.

［7］ 李虹辰，曹虹剑. 人力资本扩张与中国制造业创新绩效［J］. 财经理论与实践，2023，44（1）：130-138.

［8］ 杨德明，毕建琴. “互联网+”、企业家对外投资与公司估值［J］. 中国工业经济，2019（6）：136-153.

［9］ 谢莉娟，陈锦然，王诗桪. ICT投资、互联网普及和全要素生产率［J］. 统计研究，2020，37（9）：56-67.

［10］Zhong R. Transparency and firm innovation［J］. Journal of Accounting and Economics，2018，66（1）：67-93.

［11］Foster L， Haltiwanger J， Syverson C. Reallocation， firm turnover， and efficiency： Selection on productivity or profitability？［J］. American Economic Review， 2008， 98（1）：394-425.

［12］邵宜航，步晓宁，张天华. 资源配置扭曲与中国工业全要素生产率——基于工业企业数据库再测算［J］. 中国工业经济，2013（12）：39-51.

［13］贺正楚，刘思思，周永生. 绿色金融、融资效率和产业链企业价值［J］. 财经理论与实践，2022，43（3）：26-33.

［14］陈中飞，江康奇，殷明美. 数字化转型能缓解企业“融资贵”吗［J］. 经济学动态，2022（8）：79-97.

［15］赵振. “互联网+”跨界经营：创造性破坏视角［J］. 中国工业经济，2015（10）：146-160.

［16］Shao B B M， Lin W T. Assessing output performance of information technology service industries： Productivity， innovation and catch-up［J］. International Journal of Production Economics， 2016， 172（1）：43-53.

［17］张永林. 互联网、信息元与屏幕化市场——现代网络经济理论模型和应用［J］. 经济研究，2016（9）：147-161.

［18］赵宸宇，王文春，李雪松. 数字化转型如何影响企业全要素生产率［J］. 财贸经济，2021（7）：114-129.

［19］李涛，沙玮华. 数字经济对地区全要素能源效率的影响研究——基于市场贸易的中介效应分析［J］. 财经理论与实践，2022，43（3）：120-127.

［20］陈剑，刘运辉. 数智化使能运营管理变革：从供应链到供应链生态系统［J］.管理世界，2021，37（11）：227-240.

［21］孙璐，李力，陶福平. 信息交互能力、价值共创与竞争优势——小米公司案例研究［J］.研究与发展管理，2016，28（6）：101-113.

［22］李海舰，田跃新，李文杰. 互联网思维与传统企业再造［J］. 中国工业经济，2014（10）：135-146.

［23］冯华，陈亚琦. 平台商业模式创新研究——基于互联网环境下的时空契合分析［J］. 中国工业经济，2016（3）：99-113.

［24］Asongu S A， Biekpe N. ICT， information asymmetry and market power in African banking industry［J］. Research in International Business and Finance， 2018， 44（4）：518-531.

［25］Zhang A， Zhang Y， Zhao R. A study of the R&D efficiency and productivity of Chinese firms［J］. Journal of Comparative Economics， 2003， 31（3）：444-464.

［26］朱德胜，周晓珮. 股权制衡、高管持股与企业创新效率［J］. 南开管理评论，2016，19（3）：136-144.

［27］刘宗明，吴正倩. 中间产品市场扭曲会阻挠能源产业全要素生产率提升吗？——基于微观企业数据的理论与实证［J］. 中国工业经济，2019（8）：42-60.

［28］Jung J. Regional inequalities in the impact of broadband on productivity： Evidence from Brazil［C］. MPRA Paper，University Library of Munich，Germany，2014.

［29］阳立高，龚世豪，王铂，等. 人力资本、技术进步与制造业升级［J］. 中国软科学，2018（1）：138-148.

［30］Atkeson A， Bustein A. Pricing-to-market， trade costs， and international relative prices［J］. American Economic Review， 2008， 98（5）：1998-2031.

［31］王俊，陈国飞. “互联网+”、要素配置与制造业高质量发展［J］. 技术经济，2020，39（9）：61-72.

［32］戴美虹. 互聯网技术与出口企业创新活动——基于企业内资源重置视角［J］. 统计研究，2019，36（11）：62-75.

Research on the Influence of Internet Application on Total Factor Productivity of Manufacturing Industry in China

Abstract：Based on data from A-share listed companies in China， this study empirically examines the impact and mechanism of Internet application on total factor productivity in manufacturing enterprises. Here are the findings： First， the Internet application significantly improves the total factor productivity of manufacturing enterprises through the main channel of saving transaction costs; Second， Internet application plays a more significant role in the improvement of total factor productivity of manufacturing enterprises in the West， capital-intensive manufacturing enterprises and export-oriented manufacturing enterprises; Third， Internet application can improve the total factor productivity of manufacturing enterprises by saving sales cost and management cost， and management cost saving has a greater effect on the improvement of total factor productivity. Therefore， it is necessary to vigorously improve the depth and breadth of Internet application in manufacturing enterprises， and invest the saved sales cost and management cost into research and development activities to promote the improvement of total factor productivity in manufacturing.

Key words：Internet application; total factor productivity; manufacturing industry；transaction cost