中共十九大报告强调,必须推动互联网、大数据、人工智能和实体经济深度融合。国务院连续出台了《关于深化制造业与互联网融合发展的指导意见》、《关于深化“互联网+先进制造业”发展工业互联网的指导意见》等文件。在大数据时代,“互联网+”渗透到各产业领域,许多学者通过构建计量模型实证分析“互联网+”与经济发展之间的关系,研究如何更高效利用“互联网+”促进经济发展,主要包括全要素生产率[1]、经济增长[2]、产业发展[3]等方面。与此同时,高质量发展要求贯彻新发展理念,实现更少的要素投入、更高的配置效率、更低的环境成本、更好的经济效益。推动经济升级发展,是适应我国阶段性发展、趋势性变化的必由之路,也是一个涉及多层面、多领域的系统工程,需要综合考量,协调推进。具体来说,包括以下方面:①创新驱动。科学技术是第一生产力,以创新驱动促进工业企业提质增效,是工业高质量发展的内在要求;②结构优化。工业高质量发展意味着产业结构不断合理化和高端化,一方面,工业高质量发展要求不断优化产业链,形成规模效应,另一方面,工业高质量发展要求改造和提升传统产业,不断提升经济效能和生产效率;③绿色发展。绿色发展既是工业高质量发展的必然要求,也是我国推进工业高质量发展的重要任务,通过淘汰能耗高、产出少的企业,治理污染高、效益低的行业,加快工业转型升级。
与现有文献相比,本文以2008—2017年中国内地30个省(市)为研究样本,将“互联网+”对工业高质量发展的影响作为研究重点,回答以下问题:①“互联网+”对工业高质量发展的影响效果。以往文献在分析“互联网+”对工业增长的影响时,侧重于单一指标,忽略了对工业发展的综合影响,而本文将通过多维指标设计,综合考察工业高质量发展状况;②“互联网+”对工业高质量发展的影响路径。通过中介效应分析,“互联网+”既可以通过科技创新影响工业高质量发展,也可能通过绿色发展影响工业高质量发展;③“互联网+”对工业高质量发展影响的稳健性。为了有效解决内生性问题,本文采取系统GMM动态模型估计分析“互联网+”与工业高质量发展的关系,并采取工具变量法作稳健性检验。
“互联网+工业”备受学术界关注,现有文献成果主要分为以下3个方面:
(1)“互联网+”对工业生产效率的影响。Xiao等[3]强调,“互联网+”产品被大量应用于工业企业生产中,有利于降低工业企业生产成本,进而提升工业企业经济效益;Jiménez[4]指出,随着工业互联网兴起,通过“互联网+”开发的智能产品被广泛应用于工业生产中,提高了工业生产效率,并降低了生产成本;Tasic等[5]认为,将“互联网+”运用于工业企业中,可促进工业发展;叶初升、任兆柯[6]采用地级市面板数据实证发现“互联网+”能够促进产业转型升级。
(2)“互联网+”对工业技术创新的影响。李佳钰、周宇[2]实证分析互联网对工业创新效率的作用,发现“互联网+”对创新效率有正向促进作用;胡冰[7]实证研究得出,“互联网+”可以加强外商投资对技术创新的促进作用;平新乔[8]指出,“互联网+”可以优化制造业创新方式,使其由封闭式创新转变为开放式创新;张伯旭、李辉[9]指出,“互联网+”与制造业深度融合可以改变传统制造模式,提高制造业创新水平,实现智能制造。
(3)“互联网+”对工业绿色发展的影响。李琳、刘琛[10]建立面板数据模型实证检验互联网对工业绿色全要素生产率的影响,结果表明,互联网可显著促进长江经济带工业绿色技术进步;汪东芳、曹建华[11]运用面板Tobit模型、门槛回归模型分析互联网发展影响地区全要素能源效率的作用机理,结果表明,互联网发展和全要素能源效率之间具有比较密切的关系。现有文献研究方向侧重于“互联网+”对工业发展单一指标的影响,如生产效率、技术创新以及绿色发展等,较少将“互联网+”如何影响工业高质量发展这个综合性指标纳入分析框架。与以往文献不同,本文创新点在于:第一,考虑“互联网+”对工业高质量发展的综合影响;第二,通过中介面板模型实证分析“互联网+”影响工业高质量发展的传导路径。
张长全、严长勇[12]通过VEC模型实证分析“互联网+”对工业经济的影响,发现“互联网+”与工业发展互为因果,即“互联网+”与工业发展是双向促进的,并且“互联网+”对工业发展的促进更显著,说明“互联网+”是工业高质量发展的重要动力。本文从理论层面探究“互联网+”对工业高质量发展的影响:从生产方面来说,将“互联网+”智能化产品应用于工业生产中,可以提高生产效率,降低可变成本。从销售方面来说,由于“互联网+”的存在,衍生出许多线上交易平台,如淘宝、京东、拼多多等,使得工业产品销售渠道增多,交易成本下降。综合以上两个方面,“互联网+”能够增加工业产品产出、提升工业发展质量。因此,本文提出第一个假设:
H1:“互联网+”能够促进工业高质量发展。
叶翠红、张建华[13]通过实证分析得出,科技创新是主导工业生产率增长的重要因素。“互联网+”本质上是新一代信息技术的运用,是信息技术创新驱动产业发展的新模式新业态。因此,“互联网+”能够推动工业企业的信息化技术升级,进而提高工业发展质量。特别是,“互联网+”可以推动工业企业生产工艺创新,实现智能化制造。因此,本文提出第二个假设:
H2:科技创新是影响“互联网+”促进工业高质量发展的重要因素。
李斌、彭星、欧阳铭珂[14]采用面板门槛模型估计环境规制和中国工业发展方式转变间的非线性关系,结果表明,环境规制可以通过作用于绿色全要素生产率影响工业发展方式转变。“互联网+”本身是一种“清洁”模式,这种模式是无污染的、节能的。工业企业可以凭借“互联网+”信息技术,更新生产设备,降低能耗率,进而推动工业升级发展。因此,本文提出第三个假设:
H3:绿色发展是影响“互联网+”促进工业高质量发展的重要因素。
(1)基础模型构建。基于经济理论,本文尝试构建“互联网+”促进工业高质量发展的数理模型,具体如下:
y10=A11x1l+A21x2l+A31x3l+A41l+A1xl
(1)
y10为最终产品总量,x1为人均固定资产投资,l为劳动力数量,x2为人均节能环保财政支出,x3为人均地方财政科学技术支出,x为“互联网+”,A11、A21、A31、A41、A1为各指标的贡献率。最终产品产量的影响因素不仅包含劳动力数量和人均固定资产投资额,还包括人均地方节能环保财政支出、人均地方财政科学技术支出等。人均地方财政节能环保支出能够减少工业企业对环境的污染,促进工业企业集约化生产;人均地方财政科学技术支出增加,能够推动工业企业技术创新;尤其是“互联网+”能够改变企业经营模式,提高生产效率。因此,将上述3个指标加入式(1)。
规模效益与最终产品总量是正比例关系,公式如下:
y11=ky10
(2)
联立式(1)、(2),解出y11,在此基础上,方程两边同时除以l,得到式(3)。
y1=A11x1+A21x2+A31x3+A41+A1x
(3)
其中,y1为用人均指标衡量的规模效益。
(2)研发部分模型构建。本文认为,工业高质量发展不仅与规模效益相关,还与研发效率有关,“互联网+”能够促进技术创新,进而推动工业高质量发展。一方面,“互联网+”提供信息化改造,提升工业企业生产工艺,推动企业技术创新;另一方面,工业企业技术创新直接影响企业生产效益和竞争能力,促进工业高质量发展。因此,将研发方程式设为:
y2=A12x1+A22x2+A32x3+A42+A2x
(4)
y2为研发支出(用人均指标衡量),A12、A22、A32、A42、A2为各指标贡献率。
(3)环保部分模型构建。工业高质量发展不仅与研发效率相关,还与环保效果有关,“互联网+”能够促进环境保护,进而推动工业高质量发展。一方面,“互联网+”能够促进工业企业集约化发展,减少工业企业生产能耗和污染,加强企业环境保护;另一方面,工业企业的环境保护意识可以影响企业可持续发展和转型升级,进而影响工业高质量发展。因此,将环保方程设为:
y3=A13x1+A23x2+A33x3+A43+A3x
(5)
y3为环保支出(用人均指标衡量),A13、A23、A33、A43、A3为各指标贡献率。
采取熵权法构建工业高质量发展指标评价体系,将工业高质量发展方程设为:
y=λ1y1+λ2y2+λ3y3
(6)
将上述6个方程联立成方程组:
(7)
联立方程组解出:
y=(λ1A11+λ2A12+λ3A13)*x1+(λ1A21+λ2A22+λ3A23)*x2+(λ1A31+λ2A32+λ3A33)*x3+(λ1A41+λ2A42+λ3A43)+(λ1A1+λ2A2+λ3A3)*x
(8)
本文根据上述理论及模型分析,绘制“互联网+”影响工业高质量发展的机理图(见图1)。“互联网+”由基础设施、应用消费、技术潜力3个部分组成,工业高质量发展由规模效益、研发效率、环保效果3个部分组成。“互联网+”促进工业高质量发展的途径分为直接和间接两种:直接途径是指“互联网+”直接推动工业高质量发展;间接途径是指“互联网+”分别通过科技创新和绿色发展两个中介传导机制促进工业高质量发展。
图1 “互联网+”对工业高质量发展影响机理
本文选取2008—2017年中国内地30个省(市)作为研究样本,实证分析“互联网+”对工业高质量发展的影响。数据来源于《中国统计年鉴》、《中国区域经济统计年鉴》以及各省(市)统计年鉴和统计公报。由于西藏数据缺失较多,故未纳入统计。由于“互联网+”和工业高质量发展数据无法直接获取,因此,在保证科学性、层次性、可比性、可行性的基础上,通过对一系列指标进行筛选,尝试构建合适的“互联网+”和工业高质量发展评价指标体系。
3.2.1 “互联网+”评价指标体系构建
目前没有统一的“互联网+”评价体系,而“互联网+”发展程度从某种角度看是信息化运用于社会生产模式的程度。因此,本文通过测度信息化指标衡量“互联网+”应用程度。借鉴黄智、万建香[15]构建的信息化评价体系,将本文“互联网+”评价指标体系分为基础设施、应用消费、技术潜力3个一级指标。基础设施是指与互联网相关的硬件拥有情况,应用消费是指互联网的利用程度,技术潜力是指互联网发展的潜力状况。采用每百户移动电话拥有量、每百户计算机拥有量、人均互联网端口接入量3个二级指标评价基础设施;采用人均移动电话年末用户、人均互联网上网人数两个二级指标衡量应用消费指数;采用万人普通高校本专科毕业人数、万人专利授权数衡量技术潜力指数。如果数据采取绝对量,那么各指标数据数量级会产生很大的差异,给实证分析带来不便。因此,所选取的指标均为相对值,如表1所示。
表1 “互联网+”评价指标体系
一级指标二级指标单位指标属性基础设施每百户移动电话拥有量台/百户正向每百户计算机拥有量台/百户正向人均互联网端口接入量个/人正向应用消费人均移动电话年末用户人/人正向人均互联网上网人数人/人正向技术潜力万人普通高校本专科毕业人数人/万人正向万人专利授权数件/万人正向
3.2.2 工业高质量发展评价指标体系构建
工业高质量发展主要体现在3个方面:规模效益、研发效率、环保效果。规模效益直接体现规上工业发展水平;研发效率反映企业当前技术创新水平,对高质量发展有重要意义;环保效果也是重要指标,是工业高质量发展的必然要求。规模效益通过单位规上工业利润总额、单位规上主营业务收入两个二级指标衡量;研发效率通过规上工业每万名从业人数拥有R&D人员全时当量数、人均R&D经费两个二级指标衡量;环保效果通过单位工业污染治理完成投资和单位工业废气、废水、固体废物排放量4个二级指标衡量。借鉴邓文博[16]、李小平[17]、贺丹[18]对工业发展测量指标选取方法,构建工业高质量发展评价指标体系,如表2所示。
表2 工业高质量发展评价指标体系
一级指标二级指标单位指标属性规模效益单位规上工业利润总额万元/个正向单位规上工业主营业务收入万元/个正向研发效率人均R&D经费万元/人正向规上工业万名从业人数拥有R&D人员全时当量数人年/万人正向单位工业污染治理完成投资万元/个正向环保效果单位工业污水排放量万t/个负向单位工业废气排放量万t/个负向单位工业固体废物排放量万t/个负向
为保证评价指标体系的客观性,借鉴杨丽、孙之淳[19]的研究成果,采取熵权法计算权重。同时,对原有熵权法进行改善,加入时间变量以完善评价指标体系。熵权法的具体模型如下:
步骤一:选取需要计算权重的指标。共30个省份,10个年份,a个指标,则b省第c年的第d个指标值为Xcbd。
步骤二:指标标准化处理。因为指标单位或数量级不同难以加权,为了消除影响,需要对指标进行标准化处理。处理方法如下:对于正向指标:对于负向指标:
步骤三:确定指标权重:
步骤四:计算第d个指标的熵值:
步骤五:计算各指标相应权重:
步骤六:分别计算“互联网+”和工业高质量发展总得分:
将所有年份、所有省份的“互联网+”和工业高质量发展总得分分别记为xit、yit(其中,下标i表示省份,下标t表示年份)。
为了消除数量级差异带来的误差,本文对所有变量进行标准化。同时,为了消除变量异常值导致的结果偏差,对标准化后的所有变量进行缩尾处理。具体变量描述性统计结果如表3所示。
表3 变量描述性统计结果
变量符号样本量均值标准误最小值最大值y工业高质量发展总得分3000.4780.1930.1810.878x“互联网+”总得分3000.6380.1360.3870.880x1人均固定资产投资额3000.3040.1930.04910.711x2人均节能环保财政支出3000.1230.07990.02600.354x3人均地方科学技术财政支出3000.1200.1440.01750.603z1有效发明专利数3000.04330.04740.01070.198z2单位地区生产总值能耗3000.4100.2270.01110.885
分别采用静态面板模型和动态面板模型以及中介效应模型进行回归估计。
3.5.1 静态面板模型设定
yit=a+bxit+cx1it+dx2it+ex3it+ui+tt+vit(9)
其中,yit为被解释变量,代表工业高质量发展;a为常数项;xit为核心解释变量,代表“互联网+”,b为xit的待估计系数;x1it、x2it、x3it为控制变量,x1it是人均固定资产投资额,x2it是人均节能环保财政支出,x3it是人均地方财政科学技术支出,c、d、e分别为其待估计系数;ui为个体效应;tt为时间虚拟变量,vit为误差扰动项,且服从独立同分布。
3.5.2 动态面板模型设定
yit=a+fyi(t-1)+gyi(t-2)+hyi(t-3)+bxit+cx1it+dx2it+ex3it+ui+tt+vit
(10)
由于工业高质量发展是一个动态过程,因而在设定模型时需要加入被解释变量的滞后项,从而构建动态面板模型。其中,yi(t-1)为解释变量,是指在第t-1年i省工业高质量发展总得分,即被解释变量的一阶滞后项,其余滞后项同理。
3.5.3 中介效应模型设定
yit=a1+b1xit+c1x1it+d1x2it+e1x3it+ui+tt+v1it
(11)
z1it=a2+b2xit+c2x1it+d2x2it+e2x3it+ui+tt+v2it
(12)
yit=a3+b3xit+c3x1it+d3x2it+e3x3it+ui+tt+v3it
(13)
考虑到“互联网+”可以通过某个中介传导机制影响工业高质量发展,因而设定中介效应模型。借鉴温忠麟等[20]的中介效应模型研究成果,构建式(11)、(12)、(13)。上述模型中,z1it为有效发明专利数,是中介变量,其余变量解释同上。为确保中介变量选取的有效性,需要进行一系列检验:第一步,检验解释变量(“互联网+”)对被解释变量(工业高质量发展)的显著性,只有b1显著,才能继续考虑中介效应,如果回归结果不显著,则拒绝中介效应模型;第二步,检验“互联网+”对中介变量(科技创新)回归的显著性,即b2的显著性,如果显著,则继续进行中介效应模型分析,反之,拒绝中介效应模型;第三步,在前两步均通过中介效应检验的基础上,对e的显著性进行检验,如果显著则说明中介模型是有效的。在e显著的基础上,继续检验b3的显著性,如果b3显著则为不完全中介效应,如果b3不显著则为完全中介效应。绿色发展中介效应模型同理。各变量具体说明如下:
(1)解释变量。本文解释变量是工业高质量发展,可将工业高质量发展的所有二级指标加权求和后得到指标综合得分。
(2)被解释变量。被解释变量是“互联网+”,数据获取与解释变量数据获取原理相同。
(3)控制变量。根据柯布道格拉斯公式可知,人均工业资本投入影响人均工业产出,进而影响工业高质量发展。因此,本文选取人均固定资产投资作为控制变量。王旭、陈蓉、李明宝[21]在实证分析科技创新对区域经济增长的影响时,选取地方财政科学技术支出衡量科技创新投入,本文借鉴其研究思路,选取人均地方财政科学技术支出为控制变量。立道、王英杰[22]在实证分析财政分权、节能财政支出对绿色发展的影响时,选取环保财政支出作为解释变量,并发现环保财政支出对绿色发展有正向促进作用。因此,本文选取人均节能财政支出作为控制变量。
(4)中介变量。根据之前理论分析,选取科技创新和绿色发展为中介变量,由于科技创新和绿色发展无法直接测度,借鉴袁茜等[23]的研究成果,选取有效发明专利数衡量科技创新;借鉴刘欢[24]的研究成果,选取单位地区生产总值能耗作为绿色发展水平考核指标。
本文采用30个省(市)10年面板数据,横截面个数大于年份,是短面板,不需进行单位根检验。静态面板模型包含4类,分别是固定效应模型、随机效应模型、混合OLS估计、变系数模型。由于数据年限只有10年,不适合作变系数模型,理论上是采取固定效应模型,但具体选择哪个模型,需要使用相关统计量进行比较分析。采用F-test和Hausman-test,其中F-test的H0接受混合OLS模型,而Hausman-test的H0接受随机效应模型,H1拒绝随机效应模型而接受固定效应模型。由表4看出,F-test和Hausman-test分别在1%、5%的显著水平上拒绝原假设。因此,最终选取固定效应模型。
本文采取Stata15软件进行静态面板回归分析,表4中3列的被解释变量为工业高质量发展,解释变量则为“互联网+”、人均固定资产额、人均节能环保财政支出、人均地方财政科学技术支出。第一列只控制了时间固定效应,第二列只控制了个体固定效应,第三列控制了双向固定效应。从表4可以看出,在控制时间和个体固定效应之后,x的回归系数为0.293,在5%的水平上显著为正,说明“互联网+”会促进工业高质量发展,与实际情况相符。“互联网+”使工业发展进入信息化时代,推动智能化机器代替人工劳动,提高生产率并降低成本。无论是在单向固定效应模型,还是在双向固定效应模型中,x1至少在5%的水平上显著为负,说明随着固定资产投资增加,企业规模会逐渐扩大,有助于工业产品数量增长,但大规模企业升级发展的动力往往不足,因而对高质量发展反而起制约作用。表4中3列的x2回归系数分别为0.206、0.539、0.439,均在1%的水平上显著为正,说明人均节能环保财政支出对工业高质量发展有显著正向促进作用。表4中3列的x3回归系数分别为0.206、0.539、0.438,均在1%的水平显著正,说明人均地方财政科学技术支出能够增加工业企业收益,进而推动工业高质量发展。模型3的r2为0.819,大于0.3,说明模型拟合优度很好。综上所述,假设H1成立。
表4 静态面板模型估计结果
变量(1)(2)(3)yyyx0.114-0.440∗∗∗0.293∗∗(1.04)(-4.72)(2.30)x1-0.0422-0.148∗∗-0.130∗∗(-1.03)(-2.15)(-2.50)x21.240∗∗∗1.204∗∗∗0.823∗∗∗(12.02)(6.25)(5.38)x30.206∗∗∗0.539∗∗∗0.439∗∗∗(2.77)(3.16)(3.70)_cons0.09750.590∗∗∗-0.0250(1.03)(7.13)(-0.24)yearYesNoYesidNoYesYesN300300300R20.6760.5450.819F45.99∗∗∗79.60∗∗∗89.72∗∗∗hausmanChi2=10.731p=0.0298固定效应模型设定检验18.28∗∗∗
注:t statistics in parentheses*p<0.1,**p<0.05,***p<0.01,下同
为了确认是否存在内生性问题,采用Hausman-test和DavIPson & MacKinnon-test两种方法进行检验。结果发现,模型存在内生性问题。为了解决内生性问题,在静态模型的基础上,将被解释变量的一阶至三阶滞后项加入模型,采用系统GMM模型,具体如表5所示。系统GMM估计通过序列自相关和Sargan检验,表示本文所设定的动态模型是合理的。由表5可知,工业高质量发展的滞后一阶至三阶项系数在1%的水平上显著,说明“互联网+”对工业高质量发展的影响具有动态性。由表6可见,GMM结果稳健,随着控制变量增加,x的系数一直都在1%的水平上显著为正。
表5 系统GMM模型估计结果
变量(1)(2)(3)(4)yyyyL.y0.211∗∗∗0.250∗∗∗0.238∗∗∗0.222∗∗∗(50.05)(47.79)(48.76)(32.34)L2.y-0.0279∗∗∗-0.0815∗∗∗-0.0863∗∗∗-0.125∗∗∗(-16.16)(-24.12)(-12.84)(-23.82)L3.y-0.0522∗∗∗0.0518∗∗∗0.0260∗∗∗0.0353∗∗∗(-15.88)(14.15)(4.53)(4.09)x0.196∗∗∗0.190∗∗∗0.253∗∗∗0.327∗∗∗(9.17)(9.74)(11.78)(10.72)x1-0.192∗∗∗-0.211∗∗∗-0.249∗∗∗(-16.30)(-16.91)(-16.08)x20.411∗∗∗0.187∗∗∗(21.69)(5.93)x30.658∗∗∗(5.80)_cons0.361∗∗∗0.391∗∗∗0.327∗∗∗0.264∗∗∗(41.95)(47.03)(30.25)(9.71)N180180180180sargan的p值0.60400.61250.56590.6079AR(1)的p值0.89880.85670.10570.0273AR(2)的p值0.94700.20350.44670.1552
由表6可知,“互联网+”通过推动科技创新,进而促进工业高质量发展。根据表6中(1)可知,“互联网+”的系数在5%的水平上显著为正,说明”互联网+“能够促进工业高质量发展。而(2)中“互联网+”的系数为0.167,在1%的水平上显著为正,说明“互联网+”可以带动科技创新。由表6中(3)可知,科技创新系数在1%的水平上显著为正,中介效应值为12.293%。在中介效应回归之后,进行Sobel检验,得z统计量为2.772,p值小于0.01。由此可知,科技创新是一个有效的中介变量,假设H2成立。
表6 中介效应分析结果(以科技创新为中介变量)
变量(1)(2)(3)yz1yx0.293∗∗0.167∗∗∗0.170(2.30)(4.49)(1.31)x1-0.130∗∗0.0192-0.144∗∗∗(-2.50)(1.26)(-2.83)x20.823∗∗∗-0.02180.839∗∗∗(5.38)(-0.49)(5.61)x30.439∗∗∗0.166∗∗∗0.317∗∗∗(3.70)(4.78)(2.62)z10.736∗∗∗(3.52)_cons-0.0250-0.130∗∗∗0.0709(-0.24)(-4.36)(0.68)yearYesYesYesidYesYesYesN300300300R20.8940.8490.899F89.7229.8687.90Sobel-test12.293%
一般来说,能耗率越高,则表明工业企业资源消耗越多,故会增加对生态环境的污染及消耗。由表7可得,“互联网+”可以通过绿色发展路径促进工业高质量发展。通过表7中(2)可知,核心解释变量(“互联网+”)对中介变量(绿色发展)的回归系数在1%的水平上显著为正,说明“互联网+”发展能够抑制能耗率提升。对比表7中(1)和(3),“互联网+”系数由0.293降到0.218,显著性水平由5%的水平降到10%。同时,表7(3)中绿色发展系数在1%的水平上显著为正,中介效应值为7.483%,Sobel检验的z统计值为2.169,对应的p值小于0.05。综上所述,绿色发展是不完全中介变量,部分支持假设H3,这有可能是由于本文选取的绿色发展指标仅侧重于能耗,未能全方位体现绿色可持续发展。
表7 中介效应分析结果(以绿色发展为中介变量)
变量(1)(2)(3)yz2yx0.293∗∗-0.164∗∗∗0.218∗(2.30)(-2.80)(1.72)x1-0.130∗∗0.00805-0.126∗∗(-2.50)(0.34)(-2.48)x20.823∗∗∗0.188∗∗∗0.909∗∗∗(5.38)(2.66)(5.99)x30.439∗∗∗0.106∗0.487∗∗∗(3.70)(1.95)(4.17)z2-0.456∗∗∗(-3.44)_cons-0.02500.688∗∗∗0.289∗∗(-0.24)(14.61)(2.13)yearYesYesYesidYesYesYesN300300300R20.8940.9840.899F89.72∗∗∗322.3∗∗∗87.67∗∗∗Sobel-test7.483%
为了进一步解决内生性问题,采用工具变量法进行两阶段回归,将核心解释变量的一阶滞后项作为核心解释变量的工具变量。从表8可以看出,核心解释变量一阶滞后项的系数在1%的水平上显著为正,说明核心解释变量的一阶滞后项对当期项有显著正向影响。
表8 被工具变量解释的变量回归结果
变量(1)xL.x0.272∗∗∗(3.03)x1-0.0536(-1.63)x20.289∗∗∗(3.83)x30.147∗∗(1.97)_cons0.323∗∗∗(6.84)yearYesidYesN270R20.942F222.35∗∗∗
进一步地,采取工具变量代替核心解释变量进行第二阶段回归。从表9可以看出,x的系数在5%的水平上显著为正。同时,对所选取的工具变量进行弱工具变量检验和不可识别检验。因为被工具变量解释的变量只有1个,工具变量也只有1个,故不存在过度识别的可能性。此外,通过Cragg-Donald Wald检验,得到统计量F结果大于10,非常显著,在1%的水平上拒绝弱工具变量的原假设。而且,通过Anderson Canon LM检验,得到p值小于0.01,也就是在1%的水平上显著拒绝不可识别的原假设。因此,选取核心变量一阶滞后项作为工具变量是可取的。综上所述,本文所构建的模型是稳健的。
表9 稳健性检验结果:2SLS回归
变量(1)yx1.836∗∗(2.36)x1-0.014(-0.15)x20.225(0.62)x30.089(0.43)_cons-0.463(-1.27)yearYesidYesN270R20.831wald2542.69∗∗∗
现有文献研究主要集中在“互联网+”促进经济增长、工业发展、技术创新等方面,与上述文献不同,本文基于固定效应模型和系统GMM模型,分析“互联网+”对工业高质量发展的综合影响。实证研究表明,“互联网+”对工业高质量发展有显著正向促进作用,人均地方财政科学技术支出、人均财政节能环保支出等控制变量也在不同程度上对工业高质量发展有正向推动作用。通过中介效应模型分析可以得出,“互联网+”能够通过科技创新和绿色发展这两个中介变量促进工业高质量发展。
(1)加强“互联网+”的普及和应用。加快“互联网+”基础设施建设,利用互联网信息技术创新工业企业生产、经营、管理、销售,实现生产智能化、经营多样化、管理精细化、销售线上化;实现企业机器设备自动化,用智能化生产代替人工生产;利用互联网技术降低管理成本;创新工业产品销售渠道,实现线上出售工业产品。深化“互联网+”与工业融合,加速工业服务型转型,促进工业结构转型与升级,走高质量发展道路。
(2)推进以市场为导向、企业为主体的产学研协同创新体系建设。加强中科院、工程院、高校与工业企业之间的合作,鼓励科研人员在完成原有工作的前提下到企业兼职,将科研成果运用于工业实际生产中;制定科研转让或投资奖励政策,确保科研单位及人员能够得到合理的收益。与此同时,加强单位或个人知识产权保护,保障科研人员的合法权益。
(3)促进工业企业规模化聚集化发展。利用集群效应,使工业企业之间互通有无、共享科技成果,获得技术外溢所带来的成倍收益,实现规模经济。根据各地实际状况,在培育产业集群过程中构建产业配套体系,形成网络共生生态。
(4)促进工业企业绿色可持续发展。对进入工业园区的企业进行筛选,拒绝高污染、高消耗企业入园,鼓励企业走低污染、低消耗、高科技、高附加值的新型工业化集聚道路。实施“腾笼换鸟”战略,鼓励高能耗的劳动和资本密集型企业转型升级,改善企业生产工艺,构建绿色工业体系。
本研究具有一定的价值,但也存在以下局限:未能找到合适的工具变量完全消除内生性,受数据限制,不能作更多稳健性检验。未来可以从以下方面加以探讨:找到合适的工具变量的尽可能消除内生性;纳入更多的解释变量;采用城市面板数据,选取实施“互联网+”政策的实验组和未实施“互联网+”政策的控制组,通过双重差分模型,分析“互联网+”对工业高质量发展的影响。
[1] 肖利平.“互联网+”提升了我国装备制造业的全要素生产率吗[J].经济学家,2018(12):38-46.
[2] 李佳钰,周宇.互联网对中国工业技术创新效率的影响:基于阶段异质效应的分析[J].人文杂志,2018(7):34-43.
[3] NI XIAOMING,TIAN YUCONG.The design of industrial phased array ultrasonic flaw detection system based on Internet of Things technology[EB/OL].http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6664252 ,2012.
[4] JIMENEZ M,MATUS JA,MARTINEZ M A.Economic growth as a function of human capital,internet and work[J].Applied Economics,2014,46(26):3202-3210.
[5] TASIC V,PAVLOV M,BRODIC D,et al.The use of the internet and wireless communications in the monitoring and control of industrial processes[C].Information and Communication Technology,Electronics and Microelectronics(MIPRO),2014.
[6] 叶初升,任兆柯.互联网的经济增长效应和结构调整效应——基于地级市面板数据的实证研究[J].南京社会科学,2018(4):18-29.
[7] 胡冰.互联网经济下我国产业创新溢出效应的实证研究[J].经济问题,2018(9):87-90+96.
[8] 平新乔.“互联网+”与制造业创新驱动发展[J].学术研究,2019(3):76-80+177.
[9] 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.
[10] 李琳,刘琛.互联网、禀赋结构与长江经济带工业绿色全要素生产率——基于三大城市群108个城市的实证分析[J].华东经济理,2018,32(7):5-11.
[11] 汪东芳,曹建华.互联网发展对中国全要素能源效率的影响及网络效应研究[J].中国人口·资源与环境,2019,29(1):86-95.
[12] 张长全,严长勇.基于“互联网+”与“工业4.0”联动机制的实证研究[J].北京工业大学学报(社会科学版),2017,17(2):58-67.
[13] 叶翠红,张建华.创新资源再配置对工业生产率增长的影响研究——MP方法的拓展及来自中国工业的证据[J].研究与发展管理,2016,28(5):100-108.
[14] 李斌,彭星,欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济,2013(04):56-68.
[15] 黄智,万建香.“互联网+”与工业产业结构升级的影响研究——以上海市为例[J].科技管理研究,2018,38(17):81-87.
[16] 邓文博.广东省创新投入与工业经济增长的灰色关联分析[J].嘉应学院学报,2018,36(6):42-46.
[17] 李小平,卢现祥,陶小琴.环境规制影响了中国工业行业的利润水平吗[J].学术研究,2013(4):61-68+159.
[18] 贺丹,田立新.基于低碳经济转型的产业结构优化水平实证研究[J].北京理工大学学报(社会科学版),2015,17(3):31-39.
[19] 杨丽,孙之淳.基于熵值法的西部新型城镇化发展水平测评[J].经济问题,2015(3):115-119.
[20] 温忠麟,张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004(5):614-620.
[21] 王旭,陈蓉,李明宝.科技创新对区域经济的影响研究——基于省际面板数据的实证分析[J].工业技术经济,2018,37(9):39-44.
[22] 和立道,王英杰,张鑫娜.财政分权、节能环保支出与绿色发展[J].经济与管理评论,2018,34(6):25-35.
[23] 袁茜,吴利华,张平.绿色增长下我国大型制造企业创新效率提升路径研究[J].科技进步与对策,2017,34(22):85-92.
[24] 刘欢,邓宏兵,谢伟伟.长江经济带市域人口城镇化的时空特征及影响因素[J].经济地理,2017,37(3):55-62.