技术创新能力、服务化程度对高技术制造企业服务化绩效的影响
——来自五大行业数据的实证检验

卫 力,陈慧君

(兰州理工大学 经济管理学院,甘肃 兰州 730050)

摘 要:高技术制造企业服务化战略能够在技术瓶颈期使服务要素对技术要素形成强边际替代效应,为企业寻找盈利增长点开辟新途径,这是其成为当下众多高技术制造企业战略选择的重要原因之一,但是高技术制造企业服务化绩效水平受到多种因素影响。通过梳理制造企业服务化研究文献,认为服务化绩效在逻辑上主要受制于服务要素投入的质量和数量,基于此,将 “技术创新能力、服务化程度是影响服务化绩效的核心变量”作为研究假设,以企业规模、资产负债率等为控制变量构建线性回归模型,并利用Wind数据库2012-2016年的行业数据进行实证检验。研究结果发现,模型整体效应显著,企业技术创新能力与服务化程度、企业服务化绩效存在显著正相关关系,与理论假设基本吻合。以此为基础,分别从企业和政府两个角度提出提升高技术制造企业服务化绩效水平的建议。

关键词:高技术制造企业;服务化绩效;技术创新能力;服务化程度

DOI10.6049/kjjbydc.2018070012

开放科学(资源服务)标识码(OSID):

中图分类号:F276.44

文献标识码:A

文章编号:1001-7348(2019)13-0097-08

The Influence of Technological Innovation Ability and Service Degree on the Service performance of High-tech Manufacturing Enterprises——based on the Empirical Test of Five Major Industries Data

Wei Li, Chen Huijun

(School of Economic & Management, Lanzhou University of Technology, Lanzhou 730050,China)

AbstractThe service-oriented strategy of high-tech manufacturing enterprises can form a strong marginal substitution effect from the input of service elements into technical elements in the period of technology bottleneck, which creates a new way for enterprises to find new profit growth points. This is one of the main reasons why it can become the key strategic choice of many high-tech manufacturing enterprises. However, the level of service performance of high-tech manufacturing enterprises is affected by many factors. This paper considers that the service performance is logically restricted by the "quality" and "quantity" of the service element input based on literature review. Therefore this paper assumes that "the technological innovation ability and the service degree are the core variables that affect the service performance", and takes enterprise size, asset-liability ratio as control variables to build linear regression model for empirical test based on WIND database of high-tech enterprise attributed of the five major industries 2012-2016 data. According to the empirical test result, the paper concludes that the model is significant as a whole and there is a significantly positive correlation between "technological innovation ability" and "service degree" and enterprise service performance which is basically consistent with theoretical hypothesis. Then this paper further puts forward some suggestions on how to improve the service-oriented performance of high-tech manufacturing enterprises from the two angles of enterprise and government, hoping that these suggestions can make the implementation of service-oriented strategy of high-tech manufacturing enterprises more effective.

Key Words:High-tech Manufacturing Enterprise; Service-oriented Performance; Technological Innovation Ability; Service-oriented Degree

收稿日期:2018-10-16

基金项目:国家社会科学基金项目(17BJL069)

作者简介:卫力(1973-),女,山西柳林人,兰州理工大学经济管理学院副教授、硕士生导师,研究方向为企业战略管理;陈慧君(1991-),女,河南遂平人,兰州理工大学经济管理学院硕士研究生,研究方向为企业战略管理。

0引言

随着我国经济发展水平不断提高,劳动力用工成本不断推升,制造企业要在激烈的市场竞争中获得优势地位,就必须加快传统制造产业升级进程[1]。在此背景下,德国率先推出了“工业4.0战略”,美国提出了“先进制造伙伴计划”,中国也提出“制造2025战略规划”。目前,几乎所有国家都在制定适合本国发展需要的制造产业升级规划,在全球市场竞争日益激烈的背景下,加快传统制造产业升级进程已经成为各国政府产业战略的重要内容[2]。然而,传统制造产业升级目标如何实现?规划如何落地?政府管理部门和学术界有着多种观点,其中,“制造企业服务化”的观点越来越受到学术界关注并形成共识[3]。本文认为制造企业服务化战略之所以有助于加快传统制造产业升级进程,原因主要体现在两个方面:一是制造企业服务化通过在产品开发、设计、扩展训练、后勤管理、岗前培训以及价值链管理等企业内部投入服务要素,不断提升内部服务效率以增强制造企业竞争力;二是在与产品相关的企业外部领域,如售后维修、原料采购、企业融资、物料运输、系统集成和技术支持等方面投入服务要素,不断提升外部服务效率,增加产品附加值,或通过外部服务分摊产品生产成本,以此增强制造企业竞争力。高技术制造企业由于具有知识和技术密集、科技员工占比大、资源能源消耗少、生产软件化程度高、产品更新换代快、产品附加值高等特点[4],使得服务要素在该类企业中具有更高的边际替代效应,进而有利于企业内外部服务效率提升,最终提升企业整体绩效。因此,与普通传统制造业企业相比,高技术制造企业率先实施了服务化战略,以在激烈的市场竞争中获得优势地位。然而,从这些已经实施服务化战略的高技术制造企业经营绩效看,既有华为这样的标杆企业,也有太多只将服务化战略停留在口号上的企业,也就是说,实施服务化战略的高技术制造企业存在绩效差异[5]。为探究现象背后的理论逻辑,本文尝试通过实证分析找到影响高技术制造企业服务化绩效水平的核心变量,以此为依据,为我国高技术制造企业实施服务化战略找到一条正确而有效的路径。

基于此,本文将首先对制造企业服务化概念进行追溯,通过文献梳理厘清其运行逻辑,进而提炼出影响高技术制造企业服务化绩效水平的核心变量,形成理论假设并进行实证分析;最后,从企业和政府两个层面,针对影响高技术制造企业服务化绩效水平的相关因素提出对策建议,进而为我国高技术制造企业快速完成制造产业升级提供理论参考。

1文献综述

1.1制造企业服务化概念追溯与发展趋向

制造企业服务化实践先于理论研究。在制造业激烈的市场竞争中,许多企业为了脱颖而出,通过“市场试错”方式制定并实施了多种竞争战略,希望以此取得市场竞争中的相对优势地位[6]。最终,经过反复实践与验证,通过向企业生产、销售各环节投放服务要素以摊薄生产成本和增加产品附加值成为众多创新型制造企业提升整体竞争力的重要选择[7]。服务化战略嵌入取得明显成效后,实务界和学术界给予了越来越多的关注和肯定。如Oliva&Kallenberg[8],Gebauer[9],Brax[10],Schmenner[11]等对制造企业服务化明确给予肯定态度,认为在既定技术条件下,制造企业服务化是能够引起同业差异化竞争的重要战略手段之一。如果对制造企业服务化概念进行理论回顾,最早可追溯到20世纪80年代,由Vandermerwe&Rada[12]提出“服务化”概念。此外,一些学者发现技术优势在企业运营中越来越难以长期维持。如Markusen[13],Park[14],Wasserman[15]等认为,制造企业在技术瓶颈期要实现突破,不仅需要更多的资金投入,而且需要更长的时间去沉淀和消化,即技术瓶颈期需要新的替代性战略思路指导企业发展,否则企业业绩就难以获得持续增长,甚至出现“逆水行舟,不进则退”式下滑。于是,将服务化战略视为技术瓶颈期的替代性战略成为Anderson[16],Wise[17],Galbraith[18],Miller[19]等众多学者的主要研究目标。经过一段时间,人们逐渐发现这种以服务化为核心的差异化战略,不仅在产品附加值提升方面能够取得较好效果,而且在建立行业壁垒方面也显示出强大优势[20],为它们获得并维系市场竞争优势地位奠定了基础。于是,以服务化为核心的差异化战略开始广泛应用于各行业,其中,在制造业领域更为明显,后来被学术界称为“制造业的服务化”[21]。随着服务化思想逐渐主导技术瓶颈期的制造业差异化竞争战略,制造商开始将部分企业资源转投到产品服务和客户支持(如工程过程管理、零部件管理、维护等)方面,以期提供综合解决方案[22]。具体做法是:以服务化相关理论为基础,从相互独立和功能互补的共存视角处理制造企业产品设计与产品交付关系,该关系处理使服务要素得以渗透企业运营各方面,如售后服务化业务[23]、营销服务化业务[24]、服务业务相对于产品业务盈利能力的比较[25],以及服务业务引发的商业模式变革等[26]。最终,在理论与实践同步发展的过程中,制造企业服务化实施效果证明了该发展趋势的正确性。

1.2高技术制造企业服务化绩效影响因素

高技术制造企业具有技术要素投入占绝对优势的特征,而技术要素投入要形成实际市场竞争优势,是以技术要素实现生产力转化为前提的。因此,单靠技术要素投入获得高技术制造企业竞争优势,一旦遭遇技术瓶颈,就极可能引发较高的战略风险[27]。为了有效化解该战略风险,制造企业服务化战略便成为高技术制造企业进行差异化市场竞争的重要选择[28]。然而,对于高技术制造企业而言,服务要素能否对技术要素形成有效的替代效应?从理论上讲是可以的,这是因为高技术制造企业技术要素投入基数较大,而服务要素投入基数较小,根据边际效用递减原理,服务要素投入相对于技术要素投入具有更高的边际替代率。但在实践中,高技术制造企业的服务化绩效并不如预期的好,而且,不同高技术制造企业服务化绩效的差异也较大。因此,学术界对高技术制造企业服务化绩效水平的判断和影响因素识别给予了更多关注[29]。在识别方面(即服务化绩效评价),系统评价方法和评价逻辑早在制造业服务化应用于高技术制造企业前就已经开始,其实,“服务化”投入行为和其它企业行为一样,最终都是为实现组织目标服务的,因此,服务化绩效和企业其它行为绩效一样都需要从不同维度测度。Kelly[30]认为在评价制造企业服务化绩效时,虽然应该充分考虑服务的特殊性,但其量化最终需要借助竞争性绩效、市场绩效、销售绩效、财务和成本绩效等维度表示。也有一些学者认为这样的评价逻辑过于复杂,应该进行适当简化。如Cooper[31]提出服务化绩效应该用机会窗口、市场影响及财务绩效3个指标衡量;De Brentani[32]则认为服务化绩效评价应该从财务指标、内部指标和顾客指标3个维度着手,并从个案层次和阶段性项目两个方面进行测度。当形成合理的评价体系和指标后,就可以根据指标实现程度寻找影响高技术制造企业服务化绩效的关键因素,然后通过改善这些因素找到高技术制造企业提升服务化绩效水平的有效途径。在该方面,学术界已经取得丰硕的理论成果,现有成果基本上从企业运作管理的不同微观层面,围绕企业服务要素投入的运行效率展开,在研究涉及的微观层面中共识度较高的有4个方面:①供应链绩效对制造企业服务化绩效的影响,如赵丽[33]、梅强[34]、熊伟[35]等通过考察企业供应链投入、优化程度与企业服务化绩效的相关性,实现其研究目的;②信息化整合对制造企业服务化绩效的影响,如高先务[36]、周驷华[37]、胡查平[38]等通过考察企业信息投入、信息优化程度与企业服务化绩效的相关性,实现其研究目的;③社会技术能力和企业战略一致性程度对企业服务化绩效的影响,如裴学亮[39]、王伟光[40]、康遥[41]等通过研究,提出制造企业应选择与当前总体技术水平(社会技术能力)相匹配的服务化水平,以实现企业绩效稳定发展;④员工胜任力、顾客参与水平对企业服务化绩效的影响,如李辉[42]、张辉[43]、张书凤等[44]认为员工的工作胜任情况会直接影响企业服务要素转化效率,即高素质员工更容易转化有限的服务要素,达到服务效果,同时,顾客参与水平也决定了企业服务要素的消耗程度。

1.3本文思路

目前,学术界关于影响高技术制造企业服务化绩效的因素分析中虽然存在大量不同观点,一些观点的分析视角甚至完全没有交集,但本文通过梳理有限的理论文献发现,这些文献背后的逻辑还是高度一致的,即如何将有限的服务要素通过合适的方式配置到制造企业部门或运营环节,以实现服务要素使用效率最大化。根据该逻辑,本文认为:一方面,制造企业服务化绩效必然受到企业服务要素投入质量和数量两个核心因素的共同影响;另一方面,为了使两个因素更加变量化或指标化,以及数据获取更加可操作化,本文将以高技术制造企业的技术创新能力反映企业服务要素投入质量,这是因为较高的技术创新能力意味着服务要素拥有更大的边际替代效应,使得服务要素运行效率更高;用企业服务化程度体现服务要素投入数量,这是因为企业服务化程度高意味着服务要素在企业投入资源中占比较高,即投入数量较多。因此,本文拟将技术创新能力和服务化程度两个变量是否对高技术制造企业服务化绩效产生显著影响作为基本假设,并对此进行证实或证伪。

2模型与实证

2.1模型构建

2.1.1 研究假设

通过上述文献梳理得到启示:由于高技术制造企业技术投入明显高于普通制造企业,因而高技术制造企业追加技术要素投入的边际收益率会比普通制造业企业更低,即在高技术制造企业中投入服务要素的边际替代效用更高,这也就是本文以高技术制造企业为研究对象,设置研究假设的重要原因。然而实践中,在高技术制造企业通过提高服务要素投入占比推进服务化战略的过程中,其服务化绩效是由企业投入服务要素的利用效率决定的,而服务要素的利用率又是由服务要素投入质量和数量共同决定的。因此,本文认为影响高技术制造企业服务化绩效的关键因素主要来自技术创新能力和服务化程度两个方面。

高技术制造企业技术创新能力对其服务化绩效的影响可以被视为服务要素质量对其利用效率的提升。其影响逻辑是:技术创新能力发展轨迹一般都不是线性的,而是通过突破关键技术瓶颈实现技术跃迁,而每次技术跃迁都会形成一个相对稳定的技术平台,只有在既定技术平台上,资源配置效率才会呈现出线性变化,经济学中的边际收益率递减规律才会发挥作用。因此,同等水平的资源配置效率如果出现在不同技术平台上,其发挥的总体绩效也会不同,即同样的资源配置效率在高水平技术平台上的总体绩效也会更高。基于此逻辑,提出第一个有待实证检验的假设:

H1:高技术制造企业技术创新能力与其服务化绩效存在显著正相关关系。

本文思路高技术制造企业服务化程度对其服务化绩效的影响可以视为服务要素数量对服务化绩效的影响。其影响逻辑是:对于高技术制造企业而言,前期累积的技术要素投入较大,根据边际效用递减原理,继续追加的增量技术要素的边际收益率会逐渐递减,技术进步也会在该时期逐渐变缓,进而形成技术瓶颈期。然而,如果将增量技术要素投入的财力变为服务要素投入,那么在技术瓶颈期,等量财力支配的服务要素的边际收益率往往高于技术要素,即服务要素对技术要素形成较高的边际替代效应。对于高技术制造企业而言,在技术要素投入占比原本就远高于服务要素投入占比的情况下,逐步提升服务要素投入占比(即提升其服务化程度)将十分有助于企业总体服务化绩效提升。基于此逻辑,得到本文第二个有待实证检验的假设:

H2:高技术制造企业服务化程度与其服务化绩效存在显著正相关关系。

2.1.2 模型设定

依据提出的研究假设,回归模型的核心变量关系已经十分明确,即解释变量“技术创新能力(R&D)”和“服务化程度(Serv)”与被解释变量“服务化绩效(ROE)”都是显著正相关关系。但该假设也存在相应的约束条件:首先,该关系只对高技术制造企业有效,或者说,该关系是以企业技术要素投入占比明显高于服务要素投入占比为前提的;其次,企业经营状况必须是正常的,至少不能是严重亏损的公司,这是因为服务化绩效仅仅解决企业总绩效的“锦上添花”问题,而不是解决企业“生死存亡”问题;最后,虽然关注的是企业服务化绩效,但是不会试图改变企业的高技术制造属性。基于此,回归模型还需要增加相应的控制变量,它们分别是企业规模(Lnsize)、资产负债率(Debt)、服务化程度与企业规模交互项(Serv*Lnsize)、服务化程度与资产负债率交互项(Serv*Debt),最终得到的回归模型表达式为:

ROE=B0+B1Serv+B2R&D+B3Debt+B4LnSize+B5Serv*LnSize+B6Serv*Debt+μ

其中,Bn(n=0,1,2,……,6)为各变量对应的系数,μ为误差项。

2.2数据获取与变量处理

2.2.1 数据获取

本文研究对象是高技术制造企业,为了使获取的数据满足条件,有必要先对高技术制造企业进行界定。总体上讲,高技术制造业对技术要素投入的财力要求高,但这种高投入同时也伴随高风险和高收益;从企业运营的业务要求看,高技术制造企业更加侧重于技术创新能力;从企业组织运营特征看,高技术制造企业更加重视技术进步,其产品研发周期一般较长,要求组织具有较高柔性以灵活应对市场环境变化。高技术制造企业之所以具有这些特点,其根源在于企业是以技术密集为指导思想制定市场竞争战略的。如李强等[45]根据技术密集度指标对制造业行业进行了梳理,符合其标准的行业大致有医药制造业、化学原料及化学制品制造业、仪器仪表制造业、计算机通讯设备及其它电子设备制造业、办公设备制造业等。为了使行业划分标准更加符合高技术制造业的内涵界定,本文将《中国高技术产业统计年鉴》中高技术产业与制造业的交集部分与上述李强等学者界定的行业求交集,同时,考虑到数据的可获取性,选择直接使用Wind数据库中沪深上市公司数据,在数据库的筛选功能下勾选出高技术制造业,经过综合考虑并依据交集结果,本文将从“仪器仪表制造业”、“铁路、船舶、航空航天制造业和其它制造业”、“医药制造业”、“化学原料及化学制品制造业”、“计算机通信和其它运输设备制造业”五大行业中初步选取高技术制造样本企业。再根据上市公司主营产品名称、主营产品类型和经营范围,依据国民经济行业分类标准(GB/T4754—2011),首先剔除未开展服务化业务的公司,再剔除ST和*ST的上市公司。在数据选取时间维度上,为了确保数据连续性和完整性,根据Wind数据库的数据容量,选取2012—2016年的数据,并剔除数据缺失的上市公司,最终得到符合要求的1 700个研究样本。

2.2.2 变量处理

在提炼研究假设的过程中,变量命名的依据主要是变量逻辑关系,而不是数据库中已有统计指标的名称,这意味着回归模型中的一些变量涵义需要用一个或者多个不同名称的统计指标表达。因此,进行实证分析前需要对模型涉及的被解释变量、解释变量、控制变量进行相关定义和解释说明。

(1)服务化绩效(ROE)。它是量化服务化实施效果的重要指标,即单位服务要素能够创造的财务绩效,因此服务化绩效=企业财务绩效/服务要素投入增量。其中,企业财务绩效可以直接由企业盈利能力的相关评价指标表示,如净资产收益率、总资产报酬率等,但考虑到非经常性损益以及税收对企业最终盈利能力的影响,本文认为选取扣除非经常损益的净资产收益报酬率(ROE)表示企业财务绩效更加科学。关于服务要素投入增量数据,理论上只有两种获取途径:一是选择Wind数据库中的数据,二是到企业进行实地调研、数据采集,但通过实地调研采集五大行业数据已经超出了本文研究能力。基于此,本文通过适度降低服务化绩效量化精准性,即假定样本企业在实施服务化战略过程中,其服务要素投入增量的速度都是相对接近的,这样,企业“财务绩效”就能形成对“服务化绩效”的替代表达。该处理方式确实存在较大不足,这是因为它们在内涵上确实具有本质区别,但本文考察的是解释变量和被解释变量的相关性,即一种相对趋势变化,而不是绝对数量结果。因此,只要解释变量对企业财务绩效的影响趋势与对服务化绩效的影响趋势相同,那么,企业“财务绩效”对“服务化绩效”的替代表达逻辑就可接受。事实上,本文重点关注高技术制造企业的技术瓶颈期,而技术瓶颈期的显著特征就是企业投入技术要素的边际收益率已经递减到趋于零的边缘,即此时企业追加的增量技术要素并不能为企业财务绩效带来实质性贡献,反而会拉低财务绩效水平,而企业财务绩效的最终实现是企业服务要素投入对企业盈利能力提升的贡献。因此,企业“财务绩效”对“服务化绩效”形成替代的表达逻辑在高技术企业处于技术瓶颈期是能够接受的。基于此,本文最后选取扣除非经常损益的净资产收益报酬率(ROE)表示企业服务化绩效水平。

(2)服务化程度(Serv)。定义该变量的依据主要是既有文献中关于服务化程度的定义,其中共识性较高的做法是用服务业务收入占总收入比值反映高技术制造企业服务化程度。根据Wind数据库的数据特征,本文认为公司营业外收入在一定程度上可以表示服务业务收入。因此,本文服务化程度(Serv)用其营业外收入占总收入比值衡量。

(3)技术创新能力(R&D)。关于技术创新能力评价方法和指标体系的研究文献很丰富,其中,共识度较高的指标主要包括研发投入能力、创新管理能力、创新产出能力等。但从Wind数据库的数据特征看,数据库披露的主要是相关研发费用信息,基于此,只能假定所有上市公司的研发投入管理能力差异不大,这种假定也是符合逻辑的,即在实践中研发投入都属于稀缺资源,董事会一般不会在没有研发效果的情况下不计成本地持续投入。所以,从这个层面讲,研发费用对于企业技术创新能力而言具有一定代表性,至少两者是同方向发展的。因此,本文最终选择研发支出总额占营业收入比值作为技术创新能力量化指标,用R&D表示。

(3)企业规模(LnSize)。企业规模决定了内部管理和控制规范程度,也决定了企业服务要素投入在企业运营环境中的配置效率。因此,企业规模对高技术制造企业服务化绩效会产生一定影响,依据目前相关文献对企业规模量化的共识性做法,本文选取公司主营业务收入的自然对数表示企业规模变量。

(4)资产负债率(Debt),即负债总额与总资产的比值。设置此控制变量是考虑到高技术制造企业在开展服务化业务时可能会受到该变量影响。如当企业负债率较高时,企业资金相对紧张,其资金成本也相对较高,正如前文所述,服务化绩效解决的仅是企业总绩效“锦上添花”的问题,而不是解决企业“生死存亡”问题。所以,在资金匮乏情况下,企业难以在服务化业务上进行大量投入。

(5)企业规模与服务化程度的交互项(LnSize*Serv)。设置此控制变量的原因是,企业规模会因为内部管理和控制规范性水平不同而对企业服务化程度产生差异化影响,即企业规模对其服务化程度形成一定调节作用,这种由企业规模施加在服务化程度上的影响也会对企业服务化绩效产生影响。

(6)资产负债率与服务化程度的交互项(Debt*Serv)。设置此控制变量的理由和上述一致,即由资产负债率施加在服务化程度上的影响也可能对企业服务化绩效产生影响。

综上所述,本文将各变量定义汇总,如表1所示。

2.3回归分析

按照各变量定义,使用Wind数据库采集五大行业2012-2016年的相关数据进行实证分析,最终分析结果如表2所示。结果显示,末列数据是各变量的方差膨胀因子,其值都远小于10,说明这些变量不存在共线性问题,具备回归分析基础;从各变量和被解释变量的相关性分析结果看,技术创新能力(R&D)、服务化程度与被解释变量的相关性显著,而控制变量和被解释变量的显著相关性存在差异。从回归分析结果看,技术创新能力(R&D)和服务化程度的回归系数显著,且呈现为正相关关系,F检验通过,说明回归方程整体显著,同时t值显著,由此可认为H1和H2都通过实证检验,即技术创新能力、服务化程度与企业服务化绩效都具有显著正相关关系。

表1 变量定义

变量 变量定义 服务化绩效(ROE)税后利润与企业净资产比值 服务化程度(Serv)制造业营业外收入与总收入比值 技术创新能力(R&D)研发支出总额占营业收入的比例 企业规模(Lnsize)企业主营业务收入的对数 资产负债率(Debt)负债总额与总资产比值 交互项1(Serv∗LnSize)服务化程度与企业规模的交互项 交互项2(Serv∗Debt)服务化程度与资产负债率的交互项

表2 五大行业5年数据回归分析结果

ROE与各变量相关系数 模型 非标准化系数B标准误差标准系数 t Sig. VIFROE1常量10.232∗0.66215.4550.000R&D0.216∗∗R&D0.124∗0.0470.0652.6120.0091.278Serv0.351∗∗Serv0.337∗0.0820.1994.1220.0001.270LnSize-0.228∗∗LnSize-0.011∗0.003-0.111-3.5440.0001.315Debt0.089∗∗Debt0.0290.0160.0501.8410.0661.558Serv∗LnSize-0.093∗∗Serv∗LnSize-0.004∗0.001-0.110-3.4070.0011.175Serv∗Debt0.358∗∗Serv∗Debt0.008∗0.0020.1763.7170.0001.674F统计量17.3240.000调整后的R20.384

注:**表示在 0.01 水平(双侧)上显著相关,*表示在 0.05 水平(双侧)上显著相关,回归结果的显著性水平为0.05

2.4稳健性检验

基于中国高技术制造业上市公司总体样本数据,对模型进行相关性分析和回归分析,实证检验了高技术制造企业技术创新能力、服务化程度与服务化绩效的关系,为了保证结果的稳健性,同时考虑到不同行业的差异性,有必要对样本数据再按行业分组进行回归检验,检验结果如表3和表4所示。

表3显示,在对五大行业进行分组检验时,各解释变量之间的VIF值都远小于10,说明各解释变量不存在共线性现象,该结果和总体样本实证结果吻合,即通过了稳健性检验。同时,各变量不存在共线性现象说明行业分组实证也具备进行解释变量与被解释变量相关性分析的条件。最终,在对各行业进行分组检验时,五大行业的技术创新能力和服务化程度都与被解释变量服务化绩效之间存在显著正相关关系,而控制变量与被解释变量的相关性程度存在差异,该结果和总体样本实证结果一致,说明相关性分析具有稳健性和有效性。

表3 五大行业分组检验:相关性分析及各解释变量共线性分析

变量铁路、船舶、航空航天制造业和其它制造业ROE与各变量相关性VIF化学原料及化学制品制造业ROE与各变量相关性VIF计算机通信和其它运输设备制造业ROE与各变量相关性VIF 医药制造业ROE与各变量相关性VIF 仪器仪表制造业ROE与各变量相关性VIFROE11111R&D0.671∗∗1.0820.309∗∗1.2040.347∗∗1.3840.757∗∗1.1770.594∗∗1.324Serv0.816∗∗1.0590.501∗∗1.0520.475∗∗1.2950.699∗∗1.2430.751∗∗1.565LnSize-0.803∗∗1.367-0.285∗∗1.425-0.331∗∗1.765-0.428∗∗1.602-0.719∗∗1.593Debt-0.328∗∗1.231-0.192∗∗1.3200.121∗∗1.5860.0241.0720.313∗∗1.163Serv∗LnSize-0.416∗∗1.796-0.0401.7260.0271.420-0.106∗1.809-0.1221.738Serv∗Debt0.0861.8450.150∗1.2290.491∗∗1.4540.613∗∗1.5540.728∗∗1.363

表4 五大行业分组回归检验结果

解释变量铁路、船舶、航空航天和其它制造业化学原料及化学制品制造业计算机通信和其它运输设备制造业 医药制造业 仪器仪表制造业R&D0.4340.0610.671∗0.0010.218∗0.0010.911∗0.0000.265∗0.011(1.903)(3.315)(3.352)(10.570)(2.560)Serv1.370∗0.0001.415∗0.0001.035∗0.0000.403∗0.0120.730∗0.000(8.012)(7.590)(9.237)(2.523)(5.182)LnSize-0.080∗0.0000.0150.3960.0050.597-0.018∗0.002-0.1190.256(-4.268)(0.850)(0.529)(-3.157)(-3.417)Debt0.0140.6530.0920.0750.0270.227-0.065∗0.0140.063∗0.034(0.451)(1.790)(1.208)(-2.470)(2.142)Serv∗LnSize-0.023∗0.008-0.0280.068-0.041∗0.000-0.009∗0.000-0.013∗0.001(-2.744)(-1.831)(-10.754)(-0.009)(-3.470)Serv∗Debt-0.037∗0.000-0.0220.3370.006∗0.0090.022∗0.0000.0010.776(-4.352)(-0.962)(2.605)(4.710)(0.285)常数项15.265∗0.0005.681∗0.0018.913∗0.0008.649∗0.0009.127∗0.000(7.923)(3.438)(8.550)(9.029)(7.096)调整后的R20.3130.3110.4220.5900.485F统计量6.00620.66214.6434.8028.568

注:*表示在0.05的水平下显著,括号内为t值,右侧为显著性水平

表4显示各行业分组回归结果均通过F检验,说明方程整体显著。与表2结果进行对比后发现,除铁路、船舶、航空航天制造业和其它制造业的技术创新能力回归后不显著外(这是因为该行业2012年的研发投入占比数据出现缺失,被迫使用其它年份的平均值进行替代,导致回归结果受到影响),其它各行业技术创新能力的回归系数均与总样本回归结果基本吻合,而且显著为正;所有行业服务化程度的回归系数均与总样本回归结果一致,也都显著为正。但是,各控制变量在不同行业中的回归结果与总样本回归结果有差别,这些控制变量仅在部分行业与总体回归结果保持一致,说明控制变量的回归结果受到行业性质影响。综上所述,虽然控制变量回归分析结果的稳健性不令人满意,但是解释变量“企业技术创新能力”和“服务化程度”回归分析的稳健性是可以接受的。

2.5实证小结

使用Wind数据库,采集五大行业2012-2016年的相关数据进行实证分析,结果显示:①无论是总体样本的回归分析,还是各行业分组分析,都通过了F检验,说明选取的回归模型整体有效;②实证分析结果和本文提出的两个研究假设基本吻合,说明研究假设不仅在理论上符合逻辑,在实践中也能够得到较好验证;③稳健性检验中各调整后的R2值中,医药制造业数值最高,达到0.59,仪器仪表制造业数值也达到0.485,属于较高水平。化学原料及化学制品制造业的数值最低,但也达到了0.311,说明模型对高技术制造企业服务化绩效影响因素的分析具有较强解释力,对医药制造业尤为显著。此外,将行业分组检验结果与总体样本回归结果进行比较后发现,控制变量(企业规模、资产负债率、两个交互项)的回归显著性与总体样本的回归结果有差异,而且各行业控制变量的显著性差距明显,说明服务化绩效受到行业属性影响,存在一定行业异质性。

3结论与建议

通过对高技术制造企业服务化绩效相关文献的梳理,在寻找影响企业服务化绩效因素的过程中,以企业投入的服务要素是否得到高效配置为依据提出研究假设,并使用Wind数据库中具有高技术制造企业属性的五大行业2012-2016年的相关数据进行实证分析,依据研究假设的理论逻辑和实证分析结果,最终得到以下结论:

(1)高技术制造企业由于技术要素投入占比较高,在遭遇相关技术瓶颈期,可能导致增量技术要素投入的边际收益率快速下降,甚至面临较高投资风险,而此时服务要素的投入会对技术要素形成较高边际替代效应,从而使企业总体盈利水平提升。因此,在技术瓶颈期,高技术制造企业选择服务化战略将有助于其化解技术瓶颈期由巨大技术要素投入引致的投资风险。

(2)高技术制造企业因选择服务化战略而形成的服务化绩效会受多个因素影响,但本文实证分析结果显示,虽然服务化绩效水平受到行业、企业规模等多个因素影响,但在企业内部能够影响服务化绩效的核心变量只有企业技术创新能力和服务化程度两个,而且两个变量与服务化绩效都存在显著正相关关系。

基于上述结论,可以得到两方面启示:一是高技术制造企业遭遇技术瓶颈时,服务化战略是其能够平稳度过瓶颈期的重要选择;二是由于企业技术创新能力与服务化绩效之间存在显著正相关关系,可以推断,高技术制造属性越强,企业服务化战略效果越明显。所以,企业服务化战略不能丢失高技术制造企业属性,即企业在实施服务化战略时一定要把握服务化战略和企业服务化转型的本质区别。为了让高技术制造企业充分利用服务要素提升服务化绩效水平,为企业寻找盈利增长点开辟新途径,使其借助稳定的盈利能力从容度过技术瓶颈期,本文认为,高技术制造企业和政府管理部门应该采取科学策略以共同实现高技术制造企业服务化绩效的提升,具体建议如下:

第一,对高技术制造企业的建议。在高技术制造企业实施服务化战略过程中,服务要素对技术要素产生的高替代效应一定能够为企业带来新盈利机会和企业总体绩效提升,但是高技术制造企业需要准确定位服务化战略对公司经营的意义,明确技术优先的发展思路。本文认为:高技术制造企业的属性不能因为实施了服务化战略而发生改变,也就是说,高技术制造企业的主要盈利来源和公司持续成长的基础仍然是技术革新,企业的市场地位和竞争优势仍然依靠技术革新实现。因此,高技术制造企业必须处理好服务要素和技术要素投入的占比关系,以及占比关系发生变化的时机把握。具体做法是:高技术制造企业在面临相关技术瓶颈时,应该及时大量地投入服务要素,从数量上保障公司服务化水平提升,以形成对技术要素的替代效应,实现公司业绩稳定增长,为公司将来突破技术瓶颈奠定物质基础;当某关键技术实现突破后,技术水平处在更高平台上时,公司应该减缓对服务要素的继续追加,以保证技术要素的持续投入,使公司技术创新能力得到快速提升,以压倒式技术领先能力占据市场竞争优势地位。

第二,对政府管理部门的建议。毫无疑问,企业生死存亡、兴衰成败都是企业自己的事情,应该由市场竞争决定,政府管理部门不应该违背市场规律干涉。但是,政府职能的履行方式和履行程度对企业经营效果也会带来巨大影响,就好比是为一群鱼提供一个小鱼塘?还是为这群鱼提供一条江河?群鱼在两种不同环境下的生存状态存在巨大差异,而政府管理部门对高技术制造企业提供支持的差别就是“鱼塘”还是“江河”的差别。高技术制造企业采纳服务化战略可以化解技术瓶颈期追加技术要素投入可能引发的投资风险。除此之外,还能为企业寻找盈利增长点开辟新途径,这两个目标实现都是以服务化绩效水平提升为前提的。然而,要提升企业服务化绩效水平除了企业自身努力外,还需政府为企业服务要素提供充分发挥其作用的外部环境,使得相同服务要素在优质的市场环境中,经过企业的努力,能够最大程度降低企业运行成本,使服务要素发挥更大作用。具体做法是:首先,政府需要制定更为优惠的人事政策,减少教育、科技投入的经济效应外溢,为高技术制造企业突破技术瓶颈、实现量变引起质变的过程中尽可能帮助企业锁定相关科技要素;其次,政府还应该依托行业中的高技术制造龙头企业,运用财政杠杆引导、鼓励建立行业协会,通过行业协会构建高效的信息共享系统,充分利用其信息开放和共享实现高技术制造企业科技要素与服务要素的协同效应,以此达到提升高技术制造企业服务化绩效的目的。

参考文献:

[1] 阳立高,谢锐,贺正楚,等.劳动力成本上升对制造业结构升级的影响研究——基于中国制造业细分行业数据的实证分析[J].中国软科学,2014(12):136-147.

[2] 佟家栋,谢丹阳,包群,等.“逆全球化”与实体经济转型升级笔谈[J].中国工业经济,2017(6):5-59.

[3] 唐志芳,顾乃华.制造业服务化、全球价值链分工与劳动收入占比——基于WIOD 数据的经验研究[J].产业经济研究,2018(1):15-27.

[4] 王仰东,杨跃承,赵志强.高技术服务业的内涵特征及成因分析[J].科学学与科学技术管理,2007(11):10-13.

[5] 李文秀,陈晓霞,夏杰长.服务企业绩效差异源泉的理论与实证分析[J].社会科学,2012(2):59-64.

[6] O'ROURKE K,J WILLIAMSON.Globalization and history:the evolution of a nineteenth-century atlantic economy [M].MA:MIT Press,1999.

[7] REISKIN E D,WHITE A L,et al.Servicizing the chemical supply chain[J].Journal of industrial ecology,2000,3(2):19-31.

[8] OLIVA R,KALLENBERG R.Managing the transition from products to services [J].International of Service Industry Management,2003,14 (2):1-10.

[9] GEBAUER H,FISCHER T,FLEISCH E.Overcoming the service paradox in manufacturing companies [J].European Management Journal,2004,23 (1):14-26.

[10] BRAX S.A manufacturer becoming service provider-challenges and a paradox [J].Manufacturing Service Quality,2005,15 (2):142-156.

[11] SCHMENNER R.Manufacturing,service and their integration:some history and theory [J].Journal of Operations & Production Management,2009,29 (5):431-441.

[12] VANDERMERWE S,RADA J.Servitization of business:adding value by adding services [J].European Management Journal,1988,6 (4):314-324.

[13] MARKUSEN J R.Trade in producer services and in other specialized intermediate inputs[J].The American Economic Review,1989,79(1):85-95.

[14] PARK S H,CHAN K S.A Cross-country input-output analysis of intersectoral relationships between manufacturing and services and their employment implications[J].World Development,1989,17(2):199-212.

[15] WASSERMAN S,FAUST K.Social network analysis:methods and applications [M].Cambridge:Cambridge University Press,1994.

[16] ANDERSON J,NARUS J.Capturing the value of supplementary services [J].Harvard Business Review,1995 (2):75-83.

[17] WISE R,BAUMGARTNER P.Go downstream:the new profit imperative in manufacturing [J].Harvard Business Review,1999(10):133-141.

[18] GALBRAITH J.Organising to deliver solutions [J].Organizational Dynamics,2002,13 (2):194-207.

[19] MILLER D,HARTWICK J.The problem of solutions:balancing clients and capabilities [J].Business Horizons,2002 (4):3-12.

[20] MARY AMITI,SHANG JIN WEI.Service offshoring,productivity and employment:evidence the United States [J].Fund IMF Working Paper,Research Department,2005 (12):22-28.

[21] FREEMAN L C.Social network visualization[J].Computational Complexity,2009,28 (3):2981-2998.

[22] 赵霞.生产性服务投入、垂直专业化与装备制造业生产率[J].产业经济研究,2017(2):14-26.

[23] 万惠,侯光明.基于TRIZ 理论的新能源汽车制造业服务衍生研究[J].工业技术经济,2018(2):51-57.

[24] 刘晋飞.制造业跨境电商企业成长的影响因素分析[J].经济问题,2018(4):89-96.

[25] 杜运苏,彭冬冬.制造业服务化与全球增加值贸易网络地位提升——基于2000—2014 年世界投入产出表[J].财贸经济,2018,39(2):102-116.

[26] 张伯旭,李辉.推动互联网与制造业深度融合——基于“互联网+”创新的机制和路径[J].经济与管理研究,2017,38(2):87-96.

[27] 陈艳莹,原毅军,袁鹏.中国高端服务业的内涵、特征与界定[J].大连理工大学学报:社会科学版,2011,32(3):20-26.

[28] 徐振鑫,莫长炜,陈其林.制造业服务化:我国制造业升级的一个现实性选择[J].经济学家,2016(9):59-67.

[29] 冉斌.基于服务能力的服务企业绩效评价体系探析[J].商业研究,2013(11):86-91.

[30] KELLY D,STOREY C.New service development:initiation strategy[J].International Journal of Service Industry Management,2000,11(1):45-62.

[31] COOPER R G,KLEINSCHMIDT E J.New product performance:what distinguishes the star products[J].Australian Journal of Management,2000,25(1):17-45.

[32] DE BRENTANI U.Innovative versus incremental new business services:different keys for achieving success [J].Journal of Product Innovation Management,2001,18(3):169-187

[33] 赵丽,孙林岩,李刚,等.中国制造企业供应链整合与企业绩效的关系研究[J].管理工程学报,2011,25(3):1-9.

[34] 梅强,傅金辉,李文元.高技术服务业开放式创新的价值链模型构建[J].科技进步与对策,2013,34(24):65-69.

[35] 熊伟,孙林岩,李一,等.供应商和客户参与对供应链绩效的影响[J].工业工程与管理, 2014,19(4):1-8.

[36] 高先务,程惠英.八大高技术服务业发展水平评估[J].科技进步与对策,2015,32(1):134-140.

[37] 周驷华,万国华.电子商务对制造企业供应链绩效的影响:基于信息整合视角的实证研究[J].管理评论,2017,29(1):199-209.

[38] 胡查平.制造业服务化、服务网络联盟与企业绩效的关系[J].技术经济,2018,37(3):131-138.

[39] 裴学亮,田也壮,孙洪义.制造企业供应链协调与绩效关系:环境不确定性视角下的实证研究[J].管理评论,2013,25(3):136-145.

[40] 王伟光,马胜利,姜博.高技术产业创新驱动中低技术产业增长的影响因素研究[J].中国工业经济,2015(3):70-82.

[41] 康遥,陈菊红,同世隆,等.服务化战略与服务绩效——价值共创调节效应[J].软科学,2016,30(3):103-107.

[42] 李辉,苏勇,王淼.高绩效人力资源实践有助于提高服务绩效吗[J].经济管理,2013,35(4):71-81.

[43] 张辉,牛振邦.特质乐观和状态乐观对一线服务员工服务绩效的影响——基于“角色压力—倦怠—工作结果”框架[J].南开管理评论,2013,16 (1):110-121.

[44] 张书凤,朱永跃,杨卫星,等.制造业服务化背景下技能人才胜任力模型构建与评价[J].科技进步与对策,2018,35(8):119-127.

[45] 李强,原毅军,孙佳.制造企业服务化的驱动因素[J].经济与管理研究,2017(12):55-62.

(责任编辑:胡俊健)