制造業服務化、政府補助與企業全要素生產率

方明 朱章禮

【關鍵詞】 制造業服務化; 全要素生產率; 政府補助; 汽車制造業

【中圖分類號】 F275.5? 【文獻標識碼】 A? 【文章編號】 1004-5937（2022）05-0077-07

一、引言

改革開放以來，我國汽車工業逐步發展壯大，在國民經濟發展和重大社會變革中起到了強大的引領作用?！吨袊嚬I發展報告（2021）》提出，2021年是“十四五”開局之年，汽車產業迎來了變革升級與格局重塑的最佳時機，新能源汽車產業跨入了發展新階段，未來產業分工會進一步向新興國家轉移，競爭態勢將更加激烈，作為制造業的標桿，汽車制造業的發展對行業乃至區域經濟有著舉足輕重的影響。當前我國汽車零部件對國外生廠商的依賴性依舊較大，部分中小型企業缺乏核心競爭力，難以參與到國際競爭中，而企業內部則普遍存在生產效率水平參差不齊的問題。

關于如何提升我國制造業企業的生產率，國內學者主要從宏觀層面展開研究，對外直接投資[1]，資本深化[2]，消費升級、收入分配[3]等對企業生產率均有明顯的作用。此外，政府的行為和政策引導也會顯著影響企業的生產率變動，如財政分權[4]、營商環境優化[5]，其中關于政府補助的研究最多，但相關學者卻持相反的觀點：一部分學者研究發現，政府補助對生產率有明顯的促進作用[6-7]，但考慮到滯后時卻表現為抑制作用[8]，也有學者研究發現政府補助滋生了企業尋租行為，從而表現為逆向變動關系[9]。這些研究為如何提升制造業全要素生產率提供了一定的理論支撐，但卻忽略了制造業轉型升級的現狀，實踐表明制造業產業結構轉型升級已成為不可避免的趨勢，為了獲得更高的附加值，增強企業核心競爭力，服務化成為越來越多制造業企業的選擇。那么從企業內部來看，服務化是否會影響制造業企業全要素生產率？作為政府常用的政策工具之一，政府補助對二者之間的關系又會產生怎樣的影響？

基于此，本文從企業內生視角構建制造業服務化評價體系，探討制造業服務化對企業全要素生產率的影響，以及政府補助在兩者關系中的作用。本文的貢獻在于：（1）目前學者關于服務化與全要素生產率的關系多集中在宏觀層面，本文聚焦于企業內部，通過構建制造業服務化評價體系，從微觀層面考察服務化對全要素生產率的影響。（2）進一步探討政府補助在服務化與企業全要素生產率關系中的作用，為辯證看待政府補助的“雙刃劍”效應提供思路。

二、理論分析與研究假設

（一）制造業服務化與全要素生產率

國外學者發現服務化確實會顯著促進企業生產率的提升。Bellos[10]發現服務化、可持續性和生產力之間的積極關系;Marco[11]發現數字化和服務化戰略的協同作用能引導更高的生產率產出。國內學者也從宏觀層面驗證服務化與全要素生產率之間存在線性或非線性關系。線性關系主要表現為正向促進作用，服務化通過高效企業管理、高質量的人力資本來促進全要素生產率的提升[12]，區分投入來源發現，高端化服務投入促進效應顯著[13]。非線性關系表現為“U型”，且發達國家的U型拐點在制造業投入服務化水平約為83%的位置[14]、倒U型[15]和馬鞍型[16]。

從企業層面探討制造業服務化與全要素生產率的關系，基于現有文獻的研究，本文認為制造業服務化對企業全要素生產率的影響存在兩個階段。在第一階段，服務化導致部分要素被動轉移到服務業，從而影響制造業本身技術進步，由于深化分工的影響也造成了一定的成本增加，同時在服務化的初期，企業尚未直觀感受到服務環節的高收益性，對于轉型升級也缺乏一定的動力，因此初期的服務化不利于企業全要素生產率的提升。在第二階段，企業逐漸意識到延伸產品鏈，走服務化轉型是制造業的必經之路，服務業逐漸發展產生積極的外部效應，同時知識、技術等要素的持續投入累積成生產優勢，企業能夠合理分配制造與服務環節的資源，促進資源利用率的提升，通過分工專業化、降低交易成本、技術外溢等途徑提高企業全要素生產率?；诖?，本文提出假設1。

H1：制造業服務化對企業全要素生產率的影響呈現出U型趨勢，具體表現為初期服務化抑制企業全要素生產率，伴隨服務化進程的推進，企業內外部實現規模經濟，服務化最終能有效提升企業全要素生產率。

由于企業全要素生產率的來源不同，進一步分解為技術效率與技術進步。相關研究表明，制造業服務化轉型會通過資本要素的提升、市場需求的推動等途徑，提升企業的技術創新效應[17]。企業進行服務化轉型的過程中，通過技術創新不斷提升研發水平和智能制造水平。因此，不論是對技術的更迭還是利用效率，制造業服務化均能起到促進作用?；诖?，本文提出假設2。

H2：制造業服務化對企業全要素生產率的作用來源于技術進步與技術效率的雙輪驅動。

（二）制造業服務化、政府補助與全要素生產率

現有研究對于政府補助與企業全要素生產率的關系尚未形成定論，對于政府補助在制造業服務化與企業全要素生產率之間調節作用的研究則更少。一方面，政府補助主要會通過激勵企業技術創新來影響制造業服務化與企業全要素之間的關系。企業服務化轉型本身會提升企業的技術創新效應，從而促進技術進步，提高企業全要素生產率，而政府補助能為企業技術創新活動提供穩定的資金支持，降低制造業企業陷入研發困境的可能性，同時長期持續性的政府補助有利于增強企業創新的信心，激勵企業加大研發投入力度。另一方面，由于補貼與項目的錯配會導致企業的尋租行為。由于信息不對稱，往往難以甄別企業哪些項目需要或者值得政府補貼，從而有可能會把資金投向低效率的項目[18]，同時考慮到資金的收益性，在分配政府補助時，更傾向于分給目前已有成效、成功率高的項目，但這些項目反而不存在資金壓力。在監管前瞻性、有效性不足的環境下，若給予大量的補助金額，會導致企業不再將補助用于擴大生產規?；蛟黾友邪l投入中，扭曲了政府補助的初衷，不利于企業技術效率和規模效率的提高?；诖?，本文提出假設3、假設4。

H3：政府補助對制造業企業服務化與全要素生產率之間的關系起到正向調節作用。

H4：政府補助對制造業企業服務化與全要素生產率之間的關系起到負向調節作用。

三、制造業服務化評價體系

關于制造業服務化水平，大部分學者單獨從投入服務化或產出服務化的維度進行測度，以此來代替企業服務化程度，但也有學者試圖從理論研究的方向搭建綜合的企業服務化水平評價體系?；谫Y源基礎觀，企業是能力與資源的集合體，隨著外部環境的變化，企業的競爭優勢逐漸從擁有稀缺性資源轉向到對資源的配置和利用，對資源的配置形成了企業的能力?；诖?，本文從企業內生視角出發，構建企業內部資源、企業能力和治理結構3個維度共10個指標的制造業服務化評價體系。

（一）企業內部資源

1.有形資源。傳統的資源基礎觀認為，資產專用性是企業核心競爭力的重要資源，但在服務化轉型的過程中，支持企業核心競爭力的資源稟賦要求不盡相同。從固定資產來看，固定資產占比越高，資產靈活變現的能力就越差，而服務化涉及到內部資源結構的重新整合，故而資源結構調整的阻礙也越大;從自由現金流來看，自由現金流水平越高，企業承擔風險的能力越強，也越趨向于多元化投資。本文用固定資產粘性和自由現金流衡量有形資源。

2.人力資本。與物質資本相比，人力資本具有更強的能動性，并且相比普通員工的素質，領導者的能力對服務化轉型效果的影響更明顯[19]。本文用董監高中碩士學歷占比衡量人力資本。

3.資本累積。服務化轉型意味著企業從“產品”邁入“產品+服務”的經營模式，對于新涉及的領域必然會面臨一系列風險，企業要想得以存續并且持續性發展，必然要求不斷累積財富[20]，資本存量的增加能給企業進行服務化變革強有力的支撐。本文用資本保值增值率來衡量資本累積。

（二）企業能力

1.技術創新能力。技術創新是企業自我賦能的核心環節，研究發現一般的制造業企業都會提供基于產品的基礎服務，而技術賦能服務才是服務化過程中的核心增值環節，因此企業的核心技術能力越強，越有利于服務化轉型。本文用研發投入強度衡量企業的技術創新能力。

2.盈利能力。當企業處于高盈利水平時，具備開展服務化轉型的優勢，企業擁有較多的凈現金流，對短期的“服務化困境”具有“補貼”作用;當企業處于低盈利水平時，為尋求新增長點，倒逼企業進行服務化。本文用凈資產收益率衡量企業的盈利能力。

3.組織管理能力。戰略變革需要與組織各要素相匹配，服務化對企業自身組織管理提出了更高的要求。企業組織管理能力越強，越能靈活應對外部環境變化，合理配置和整合內部資源，越有利于服務化。本文用總資產周轉率衡量企業的組織管理能力。

（三）治理結構

1.股權結構。企業實施服務化戰略的根本目的是增加企業財富，研究表明，股權集中度與公司多元化發展是負向關系，控股股東股權比例越大，其通過多元化攫取私利的可能性越小，因此股權越集中越難以進行服務化轉型。本文用股權集中度衡量企業的股權結構。

2.管理層激勵。從長遠看，服務化有利于穩步提升企業的經濟效益，因此股權激勵能夠促使管理層從長遠角度考慮，使得管理層的行為符合企業的長期發展要求。本文用管理層持股比例度量企業管理層激勵水平。

3.董事會治理。董事會是公司內部治理結構的重要組成部分，相比而言，獨立董事具有更高的獨立性。獨董能從外部視角客觀地看待企業戰略決策，并利用其資源、能力和經驗幫助企業決定是否進行服務化轉型以及何時轉型最佳等問題。本文用董事會中獨立董事占比衡量企業董事會治理水平。

四、研究設計

（一）樣本選擇及數據來源

作為制造業的標桿，汽車制造企業的發展對制造業行業和區域經濟起著重要作用。本研究以2014—2019年我國汽車制造業上市企業為初始樣本。為保證數據的完整性和連續性，剔除ST與？觹ST公司、相關數據缺失的樣本，剔除2014年及以后主營業務發生變化的公司，最終獲得44家企業樣本。樣本數據來源于國泰安（CSMAR）數據庫，數據處理均基于Stata15.0和Excel軟件。

（二）變量定義

1.全要素生產率（TFP）?；贒EA-Malmquist模型測算企業全要素生產率變化率，投入指標選用年均從業人數、年均固定資產和流動資產的合計數，產出指標選取凈利潤作為經濟類產出，并進一步分解為技術效率指數（Effch）和技術進步指數（Techch）。以2013年為基期，計算出2014—2019年汽車制造業各樣本公司的全要素生產率（TFP）、技術效率（TE）和技術進步（TC）。

2.制造業服務化（SER）。本文選擇構建指數法，對制造業服務化水平進行測度，依據上述制造業服務化評價體系，采用熵權法測算制造業服務化指數。

3.政府補助（SUB）。政府通過財政補貼、政府采購、稅收優惠等方式對企業進行資助?？紤]到相關數據的可度量性，本文不再區分直接補助和間接補助，統一以企業年報附注中披露的政府補助項目為基礎進行度量。

4.控制變量?？刂谱兞渴侵赣绊懫髽I投資效率的其他因素?；谝延醒芯康某Ｒ幾龇?，本文選取企業規模（SIZE）、所有權性質（SOE）、資本密集度（KIN）、資產負債率（LEV）作為控制變量。

具體變量定義見表1。

（三）模型設定

為檢驗我國汽車制造業服務化與企業全要素生產率的關系，設定如下基準回歸模型：

其中，i代表樣本企業個體，t代表樣本年度，εi，t為隨機擾動項，α和β為待估參數。

為了更加準確地區分全要素生產率的來源，本文將TFP進一步分解為技術效率（TE）和技術進步（TC），對分解后的變量也進行回歸，回歸模型如下：

為檢驗政府補助的調節作用，在原有基準回歸模型中加入了制造業服務化與政府補助的交互項（SER×SUB），調節效應檢驗模型如下：

五、實證分析

（一）描述性統計分析

由表2可以看出，TFP最大值為2.692，最小值為0.598，標準差為0.262，說明汽車制造業企業全要素生產率在不同年份、不同企業之間存在較大的差異。SER最小值為0.464，最大值為0.822，說明汽車制造業企業服務化進程不一，部分企業服務化程度較高，而部分企業處于剛起步階段，對于汽車制造業來說，推進企業服務化轉型有待持續進行。

（二）基準回歸分析

本文所選取的樣本為2014—2019年汽車制造企業的相關數據，同時具有時間和截面特征，通過Hausman檢驗發現，固定效應模型更優，故本文模型均采用固定效應模型進行回歸。模型1的基準回歸結果如表3中（1）列所示。整體樣本中，制造業服務化（SER）一次項回歸系數為負數，且在5%水平上顯著，二次型回歸系數在5%水平上顯著為正。表明制造業服務化與我國汽車制造業企業全要素生產率（TFP）之間呈現顯著的U型曲線關系，隨著服務化水平的提高，汽車制造企業全要素生產率經歷先下降后上升的趨勢，該檢驗結果與H1結論相符。從控制變量來看，其回歸結果均顯著，企業規模對全要素生產率顯著為正，說明對汽車制造業來說，擴大規模有利于擴大生產能力，提高生產率;資本密集度顯著為負，說明固定資產要素的投入未能為全要素生產率提供幫助，由此判斷汽車制造業尚處于勞動密集階段，還是以勞動要素投入為主。

進一步探討TFP變化的來源，將TFP分解為技術效率（TE）和技術進步（TC），分別作為被解釋變量進行回歸，回歸結果如表3。（2）列和（4）列為控制變量情況下制造業服務化與TE、TC的回歸結果。制造業服務化的一次項與TE回歸的系數為負，且在1%水平上顯著，二次項回歸系數為正且在5%水平上顯著，其U型趨勢與模型1回歸結果一致;對TC的回歸結果，一次項為負，二次項為正，但均不顯著，初步說明服務化主要是通過技術效率而非技術進步來影響TFP。加入控制變量后的結果如（3）列和（5）列所示，TE的回歸結果顯著性有所下降，但一次項和二次項的系數未變，整體趨勢仍然呈現U型;TC的回歸結果均不顯著。加入控制變量后的結果進一步驗證的制造業服務化主要是以技術效率來影響TFP的變動，這與本文的H2存在差異。服務化對技術進步的影響不顯著，分析可能是因為企業初期進行服務化轉型時，盲目開展服務業務，導致過多的勞動要素流向服務環節，造成了制造環節的要素缺失，明顯地影響了制造環節的技術更迭進步。

上文驗證了汽車制造業企業服務化與全要素生產率之間的U型關系，現有文獻對于政府補助與全要素生產率之間的關系尚未形成定論，而關于政府補助在服務化與全要素生產率之間作用的研究則較少。因此本文在基準回歸模型1的基礎上加入政府補助（SUB）以及政府補助與服務化的交互項（SER×SUB），探討政府補助在兩者之間的作用，回歸結果如表4所示。（6）列中顯示政府補助的回歸系數在10%的水平上顯著為負，表明政府補助本身不利于汽車制造業企業全要素生產率水平的提升。從（7）列的回歸結果來看，政府補助的系數在1% 的水平上顯著為負，但服務化與政府補助的交互項的回歸系數在1%的水平上顯著為正。與（6）列相比，各控制變量與TFP的關系沒有發生實質性變化，且交互項系數為正，說明對于汽車制造業企業來說，政府補助能正向調節服務化與全要素生產率的關系，因此H3得到支持，H4不成立。

（三）穩健性檢驗

1.制造業服務化的重新估計

為進一步考察制造業服務化與企業全要素生產率的關系是否穩健，本文改變制造業服務化衡量指標。借鑒Visnjic et al.[21]的研究方法，采用經營范圍分析法作為制造業服務化水平的替代指標。由于國泰安中的經營范圍信息比較簡單，本文利用Python軟件對樣本公司的年報進行爬蟲，爬取年度報告中第三節公司業務概要的第一部分，即報告期內公司從事的主要業務，對經營范圍信息進行適當的補充，并最終統計企業提供各類別服務項目的數量。

重新估計的制造業服務化（SER_NUM）與企業全要素生產率（TFP）及分解（TE、TC）的回歸結果如表5中（8）—（10）列所示。從回歸結果來看，制造業服務化的系數大小雖有變化，但核心解釋變量仍然在5%的水平上顯著，服務化與全要素生產率之間的關系仍然表現為U型關系，并且控制變量都基本保持相對穩定，這一結果在較大程度上證實了相應實證結果的可靠性。

2.企業全要素生產率的重新估計

當前估算企業TFP絕對數量的方法主要有OLS、OP和LP，本文選用LP方法重新估算企業全要素生產率。選擇企業的營業收入代表產出（y）、固定資產凈額代表資本存量（k）、員工人數來表示勞動投入（l），用企業現金流量表中的購買商品接受勞務支付現金這個指標來衡量中間投入（m），并對各指標取對數。

制造業服務化（SER）與企業全要素生產率（TFP_LP）的回歸結果如表5中（11）列所示。從回歸結果來看，制造業服務化的一次項仍然在5%的水平上顯著為負，二次項在5%的水平上顯著為正，服務化與全要素生產率之間的關系仍然表現為U型關系，進一步驗證了前文實證結果的可靠性。

六、結論與啟示

（一）研究結論

本文以2014—2019年我國A股上市的汽車制造業公司為樣本，從企業內生視角構建制造業服務化評價體系，實證檢驗了制造業服務化、政府補助對企業全要素生產率的影響，最終得出以下結論：（1）2014—2019年期間，汽車制造業服務化水平呈現出波動上升的趨勢，在2017年有小幅度的回落，隨后又逐步上升，說明服務意識逐漸滲透，越來越多的企業將服務化戰略納入到公司的長期計劃中;（2）制造業服務化與企業全要素生產率之間存在顯著的U型關系，從企業全要素生產率變化的來源來看，服務化對技術效率的影響表現為顯著的U型，但對技術進步的影響并不顯著;（3）政府補助對于服務化與企業全要素生產率的關系起著正向調節作用。

（二）對策建議

我國作為制造業大國，全球分工格局的改變要求我國制造業企業積極探索新的發展方向，以從容應對挑戰。目前我國制造業總體仍處于工業化階段，從服務中間要素投入來看，第二產業服務投入率仍處于較低水平。因此，制造業服務化轉型尚有較大的發展空間，需要政企聯動，共謀制造業轉型發展。

從政府角度出發：（1）在服務化初期，政府應當穩步推進，避免急于求成，作為宏觀經濟的調控者需要有序引導制造業企業進行服務化轉型;（2）政府應充分重視服務業與制造業的互動關系，大力支持生產性服務業的發展，合理配置制造業與服務業之間的各種生產資源，實現制造業與服務業融合發展;（3）政府應適度控制補貼強度，合理匹配補貼金額與項目，全過程有效監督，督促企業自主創新，提升生產率。

從企業角度出發：（1）企業應正確認識服務化過程中表現出的“雙刃劍”特征，民營企業尤其應該重視服務化轉型的機遇;（2）合理利用政府補助資金，加大研發投入，實現技術上的突破，逐步形成核心競爭力;（3）進一步提升技術效率，建立相適應的內部流程及管理制度，提升管理水平和資源利用率，從而提升企業全要素生產率。

【參考文獻】

[1] 李夏玲，殷鳳，王志華.對外直接投資對母國全要素生產率的影響[J].統計與決策，2020，36（7）：113-117.

[2] 陳汝影，余東華.資本深化、有偏技術進步與制造業全要素生產率[J].現代經濟探討，2020（6）：62-69.

[3] 馬廣程，許堅.消費升級、收入分配與產業全要素生產率提升——基于省級動態面板數據[J].管理現代化，2020，40（3）：25-28.

[4] 史貞.財政分權與企業全要素生產率：促進還是抑制？——基于地方政府行為的實證檢驗[J].貴州社會科學，2020（4）：114-122.

[5] 劉軍，關琳琳.營商環境優化、政府職能與企業TFP增長新動力——“窗口亮化”抑或“親上加清”[J].軟科學，2020，34（4）：51-57.

[6] 胡春陽，余泳澤.政府補助與企業全要素生產率——對U型效應的理論解釋及實證分析[J].財政研究，2019（6）：72-85.

[7] 李政，楊思瑩，路京京.政府補貼對制造企業全要素生產率的異質性影響[J].經濟管理，2019，41（3）：5-20.

[8] 李曉鐘，吳振雄，張小蒂.政府補貼對物聯網企業生產效率的影響研究——基于滬深兩市2010—2013年公司數據的實證檢驗[J].中國軟科學，2016（2）：105-113.

[9] 焦翠紅，陳鈺芬.R&D補貼、尋租與全要素生產率提升[J].統計研究，2018，35（12）：80-91.

[10] AGRAWAL V，BELLOS I.The potential of servicizing as a green business model[J].Interfaces，2017，63（5）：1545-1562.

[11] MARCO O B，FERRAN V H，OSCAR B.Uncovering productivity gains of digital and green servitization：implications from the automotive industry[J].Sustainability，2018，10（5）：1524.

[12] 呂越，李小萌，呂云龍.全球價值鏈中的制造業服務化與企業全要素生產率[J].南開經濟研究，2017（3）：88-110.

[13] 鄭國姣，常冉.中國裝備制造業服務化與綠色全要素生產率研究——基于新型國際分工下的GVC視角[J].技術經濟與管理研究，2019（10）：3-8.

[14] 周念利，郝治軍，呂云龍.制造業中間投入服務化水平與企業全要素生產率——基于中國微觀數據的經驗研究[J].亞太經濟，2017（1）：138-146.

[15] 夏秋，胡昭玲.制造業投入服務化能提高全要素生產率嗎——基于成本和風險的視角[J].當代財經，2018（7）：99-111.

[16] 李琳，劉凱.區域異質性視角下制造業服務化與制造業全要素生產率研究[J].科技進步與對策，2018，35（23）：66-74.

[17] 李帥梅，姚遠，盧■.制造業服務化轉型的技術創新效應——基于GMM回歸模型分析[J].產業創新研究，2019（11）：48-51.

[18] 張帆，孫薇.政府創新補貼效率的微觀機理：激勵效應和擠出效應的疊加效應——理論解釋與檢驗[J].財政研究，2018（4）：48-60.

[19] 楊水利，梁永康.制造企業服務化轉型影響因素扎根研究[J].科技進步與對策，2016，33（8）：101-105.

[20] 呂長江，梁化軍.關于企業資本保值增值問題的再探討[J].會計研究，1998（12）：22-25.

[21] VISNJIC I，NEELY A，WIENGARTEN F.Another performance paradox？：a refined view on the performance impact of servitization[J/OL].Social Science Electronic Publishing，2012.