互聯網應用對中國制造業全要素生產率的影響研究

張建英 張其仔 張慧

摘 要：基于中國A股上市公司數據，實證檢驗制造業企業互聯網應用對全要素生產率的影響及作用機制。結果顯示：互聯網應用通過節約交易成本這一主要渠道顯著地提升了制造業企業全要素生產率；互聯網應用對西部地區制造業企業、資本密集制造業企業、出口型制造業企業全要素生產率的提升效果更顯著；互聯網應用通過節約銷售成本和管理成本提升了制造業企業全要素生產率，且管理成本節約對全要素生產率提升的作用更大。因此，應提升制造業企業互聯網應用的深度與廣度，將節約的銷售成本與管理成本投入研發活動之中，推動制造業全要素生產率提升。

關鍵詞： 互聯網應用；全要素生產率；制造業；交易成本

中圖分類號：F062．9?? 文獻標識碼： A??? 文章編號：1003-7217（2024）01-0135-08

一、引 言

互聯網作為第四次工業革命的關鍵基礎技術，是促進制造業企業價值創造的核心驅動要素，正改變著制造業的現代化產業體系建設［1］。在新一輪技術革命與產業變革背景下，以互聯網為基礎的數字技術與制造業的深度融合已成為加快構建現代化經濟體系的推動力。

學術界十分關注互聯網與制造業高質量發展問題，相關文獻主要圍繞以下主題展開。其一，互聯網改變傳統經濟運行機制?；ヂ摼W經濟正在“顛覆”傳統的理性選擇假設，微觀主體不再完全依賴價格機制和供求機制進行決策，而是利用互聯網獲取信息、配置資源［2］?；ヂ摼W服務能提高制造業的專業化水平，深化企業分工，從而改變市場供需關系，促進企業生產率增長［3］。其二，互聯網的創新效應?；ヂ摼W平臺為企業與外部市場聯系提供信息共享渠道，是企業技術創新的一大來源［4，5］。數字化轉型是推動企業提升創新產出效率的有效措施［6］?；ヂ摼W為企業人力資本積累提供渠道，人力資本擴張進一步推動制造業創新績效提升［7］。其三，互聯網的資源配置效應。企業利用互聯網獲取供應鏈信息，減少要素購入與產品生產的時間延擱，實現零庫存［8］。利用信息技術降低產業內企業間的協調成本和聯系難度，提升供應鏈管理能力［9，10］。企業通過互聯網平臺實現信息共享并整合供應鏈資源，優化要素配置［11，12］，提升產業鏈企業價值［13］。其四，互聯網的成本節約與規模經濟效應。數字化轉型能有效減少信息不對稱，降低企業債務成本［14］。利用互聯網傳遞信息能減弱時空距離的影響，減少信息不對稱，節約交易成本［15，16］。企業借助互聯網的外部性進行信息復制與信息共享以實現內生規模經濟［17］，企業規模越大，數字化的驅動作用越強［18］。

文獻梳理顯示，關于互聯網應用的研究多側重于從宏觀和區域視角測算互聯網發展水平或互聯網普及程度。關于制造業高質量發展的研究主要探討制造企業績效、制造業生產率與區域綠色生產率等問題［19］，涉及互聯網應用與企業全要素生產率增長［17］不多。利用文本分析、數據挖掘、詞頻分析等方法測度互聯網的微觀應用，優化互聯網應用微觀量化方法，研究互聯網應用對制造業企業全要素生產率的影響及其機理，有助于加快推動現代化產業體系建設和高質量發展目標的實現。

二、理論分析與研究假設

互聯網應用是指利用互聯網絡進行信息處理，包括信息披露、信息傳遞、信息收集、信息加工和信息利用等過程。在互聯網環境下，制造業企業可以利用專業互聯網平臺獲取上游供應商的企業信息和產品信息，以便找到合適的供應商降低成本［20］；可以利用企業官方網站、社交媒體賬號等向下游采購商或消費者傳遞企業文化和產品價值信息以促進銷售、增加收益；還可以利用互聯網通信工具與合作伙伴進行良好的信息溝通以提高管理效率［8］。此外，互聯網協同創新平臺匯集了人才、資金、信息、數據等創新要素，是促進制造業企業實現價值共創和科技成果轉化的重要載體［21］。全要素生產率是指除勞動、資本外的其他要素投入帶來的生產率提升的綜合效應，包括技術進步、管理創新、組織變革、資源配置優化等方面的綜合影響?；ヂ摼W為企業生產率增長提供技術進步驅動力和實現規模經濟必要的通信網絡與信息市場[16]。因此，提出研究假設1。

H1 互聯網應用能夠提升制造業企業全要素生產率。

制造業產業鏈分工環節多、鏈上企業比較分散，資源整合難度大，而互聯網應用可以減少資源整合的交易成本，提高全要素生產率。一方面，在互聯網環境下，垂直B2B平臺發揮中介作用減少了中間商環節，在信息傳遞與資源整合上的效率大幅提高[2]?；诨ヂ摼W線上線下融合的商業模式改變了傳統的市場交易方式［22］，新模式通過減少制造業供應鏈中間商環節降低了交易不確定性?；ヂ摼W應用能夠減少中間商環節是因為利用了第三方平臺的中立性和服務性兩大原則。中立性保證了平臺傳遞的信息更加客觀，服務性保證了平臺的交易、支付、物流配送、售后評價、信息安全等基礎服務更加高效。因此，互聯網應用通過減少中間商環節縮短了產品生產和銷售周期，提高了資源整合效率和服務水平[1]，從而大幅節約了交易成本。

另一方面，互聯網應用能縮短制造業企業與上下游供應市場的空間距離，通過提高行業與市場的信息透明度促進信息傳遞與交互［23］。市場經濟有效運行的一個重要前提是信息充分性，一般信息透明度越高制造業企業越容易進入更遠距離的供需市場?；ヂ摼W以一種虛擬的網絡克服了制造業產業鏈上企業物理空間布局分散所導致的信息不透明、交易成本高等弊端，通過大幅提升信息傳遞與交互能力節約了交易成本［14，15，24］。因此，提出研究假設2。

H2 互聯網應用通過節約交易成本促進制造業全要素生產率提升。

三、研究設計

（一）樣本選擇與數據來源

以中國滬深A股制造業上市公司為研究樣本，考察互聯網應用對全要素生產率的影響。中國互聯網服務起步于2000年前后，2003年中國互聯網普及率僅為6.15%，到2010年互聯網普及率達到34．10%，此后互聯網應用得到快速發展。為了保持樣本連續性，剔除了2011年1月1日以前上市的公司和ST、*ST上市公司。研究所用樣本為2011—2018年848家制造業上市公司的面板數據①（樣本分布見表1）。數據分別來源于上市公司年報、wind數據庫和中經網統計數據庫。

（二）變量設定

1. 被解釋變量。被解釋變量為全要素生產率（tfp），采用索洛余值法計算。其中，采用柯布道格拉斯生產函數，投入要素除資本和勞動外還考慮了中間品投入。由于對數生產函數回歸模型的內生性檢驗結果不顯著，因此采用OLS方法估計要素邊際產出。穩健性檢驗還采用了OP方法估計要素邊際產出。

2. 核心解釋變量。核心解釋變量為互聯網應用水平（internet），采用文本分析法計算。首先，手動下載上市公司年報、統計年報篇幅，并利用Python軟件統計年報中的關鍵詞。關鍵詞列表參考楊德明和畢建琴的研究[8]，包括互聯網、“互聯網+”、互聯網平臺、互聯網技術、互聯網金融、信息化、信息技術、數字經濟、大數據、物聯網、云計算、云平臺、云服務、電子商務、電商、線上線下、線下線上、O2O、網站、網址、郵箱、網店、微信公眾號、移動支付、在線支付、移動社交和微信群。其次，用每個關鍵詞的詞頻統計量除以年度報告的篇幅進行標準化，以剔除報告長度的影響。最后，用主成分的方差貢獻率作權重，對每個主成分進行加權匯總并采用平移法消除負數結果得到核心解釋變量。

3. 控制變量。在回歸模型中還控制了一些可能影響企業全要素生產率的因素，比如企業年齡（age）、企業規模（size）、所有權（owner）、市場競爭（hhi）、對外開放度（export）和資本密度（capital）等。為了控制固定效應的影響，還添加了個體、時間和地區等固定效應［25，26］。其中，企業年齡為觀察期年份減去公司成立年份。企業規模用員工數量的對數表示。市場競爭用行業集中度衡量，采用赫芬達爾赫希曼指數計算。對外開放度用虛擬變量表示，當企業年度海外業務收入大于0時，export取1，否則取0。為了避免可能存在的異方差性，資本密度采用人均固定資產的對數衡量［27］，即對2010年不變價的固定資產取對數。所有權用虛擬變量表示，當企業所有權歸屬于國有企業時，owner取1，否則取0。

4. 機制變量?，F有研究常采用管理費用（mcost）和銷售費用（scost）構建交易成本的衡量指標［2］?？紤]到管理費用中包含了研發費用，于是，采用剔除本期費用化研發支出的管理費用除以營業總收入衡量管理成本?？紤]到企業規模的影響，采用銷售期間費用率除以銷售人員占比衡量銷售成本。

（三）模型設定

隨著互聯網應用的推廣，企業組織間的契約執行成本、協調和監督成本大幅降低，企業組織部門內、部門間的管理協調成本也大幅降低?；ヂ摼W所帶來的交易成本節約、信息透明度增加、創新來源增加、空間距離阻礙減少等在一定程度上提升了制造企業全要素生產率水平。為了檢驗研究假設H1和H2，構建如下回歸模型：

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表示企業個體；t表示年度時間；tfpit表示全要素生產率；internetit表示互聯網應用程度；tcos tit表示制造業企業的交易成本；Cit表示一組控制變量；μi表示不隨時間變化的不可觀測因素的影響，用來控制個體效應；δt表示不隨個體變化的不可觀測因素的影響，用來控制時間效應；εit表示隨機擾動項。

四、實證結果與分析

（一）描述性統計

表2是變量描述性統計結果。全要素生產率的均值為14.601，標準差為5.721，離散程度較大，表明制造業上市公司的全要素生產率個體差異較大?；ヂ摼W應用程度的均值為0.2567，標準差為0.297，離散程度在1個標準差之內，表明制造業上市公司互聯網應用水平的個體差異相對較小。企業年齡的均值為17.354，標準差為5.166，表明制造業上市公司的經營年限較長且個體差異較大。企業規模的均值為8.006，標準差為1.124，表明大部分制造業上市公司的規模較大，個體差異相對較小。其余變量的標準差小于1，反映出個體差異較小。（二）基準回歸及其結果分析

為了檢驗互聯網應用的全要素生產率增長效應，利用制造業上市公司的面板數據對回歸模型（1）進行分析，得到結果表3。其中，列（1）為互聯網應用程度對全要素生產率的直接回歸。列（2）控制了企業、年度和省份固定效應。列（3）進一步控制了所有權、資本密度、出口、市場競爭、企業規模和企業年齡等因素。由于列（3）存在異方差性可能導致系數估計量有偏，對其進行BP異方差檢驗結果表明估計值在5%的顯著水平下存在異方差。于是采用異方差穩健標準誤修正系數估計值的顯著性統計量，得到列（4）基準回歸結果。

由表3列（4）的結果可知，internet對tfp的系數估計值為0.606，在5%的水平下顯著，說明提高制造業企業對互聯網的應用程度能顯著提升全要素生產率水平。這一結論與黃群慧等［3］關于城市互聯網發展對企業全要素生產率的影響結論一致。

在控制變量方面，owner的系數估計值在1%的水平下顯著為正，表明產權的公有化程度并沒有阻礙制造業企業全要素生產率增長。這可能與國有企業積極響應“互聯網+”發展戰略、積極參與企業上云服務實踐有關。export的系數估計值在1%的水平下顯著為正，表明制造業企業積極參與海外市場競爭能提高全要素生產率。hhi的系數估計值在1%的水平下顯著為負，表明行業集中度越高，越難以形成良好的市場競爭環境，越不利于制造業企業全要素生產率提升。capital、size和age的系數估計值在5%的水平下不顯著，表明制造業企業資本密度、企業規模、年齡對全要素生產率的影響不明顯。一種可能的解釋是傳統要素和經營模式在網絡經濟中的市場優勢正逐漸弱化。

（三）穩健性檢驗

1. 替換被解釋變量與解釋變量的衡量指標。首先，用OP方法替換OLS方法重新測算全要素生產率，回歸結果見表4列（2）。由internet系數估計值的符號和顯著性可知，估計結果穩健。其次，用郵箱詞頻構建互聯網應用指標重新估計，得到結果見表4列（3）。internet的系數估計值在1%的水平下顯著為正，表明模型估計結果穩健。

2. 采用Bootstrap自助抽樣法改變研究樣本?？紤]樣本選擇對模型估計結果的影響，用Bootstrap自助法隨機抽取5000次構成新樣本進行重新回歸，結果見表4列（4）。internet系數估計值與列（1）的系數估計結果一致，表明模型估計結果穩健。

3. 采用GMM估計。以internet的滯后1期l. internet為工具變量，在基準模型的基礎上構建對異方差和內生性都更加穩健的GMM模型估計，結果見表4列（5）。internet的系數估計值與列（1）基本一致，表明模型估計結果穩健。

（四）異質性分析

1. 地區異質性。信息技術的發展與互聯網的普及大幅減少地理空間對人類社會經濟活動的阻礙。不同地區的企業密集程度和人口密集程度都存在很大差異?；ヂ摼W應用對提升制造業企業全要素生產率的影響很可能因地區不同而不同。于是，將樣本劃分為東部、東北、中部和西部以考察地區差異的影響。在表5中，列（4）internet的系數估計值在1%的水平下顯著為正，其余模型該估計值均不顯著，表明互聯網應用提升了西部地區制造業企業全要素生產率，對其他地區制造業的影響不顯著。這一研究結果與Jung[28]基于2007—2011年巴西洲際面板數據的研究結論一致，即互聯網對落后地區的經濟增長效應更加明顯，這與互聯網應用減少地理空間距離阻隔相契合。列（5）是加入交乘項internet_west的全樣本回歸結果，與列（4）的結論一致。

2. 要素稟賦異質性。要素市場信息的披露與網絡化程度不同，會影響不同行業的信息透明度和交易不確定性，要素稟賦不同的行業對關鍵要素的依賴程度也不同?；ヂ摼W應用對制造業企業全要素生產率增長的影響很可能受要素稟賦差異影響。于是，按要素稟賦類型將制造業分為資本密集型、勞動密集型、技術密集型行業 [29]，以考察要素稟賦的異質性影響。在表6中，列（2）internet 的系數估計值在1%的水平下顯著為正，其余模型該估計值均不顯著，表明互聯網應用提升了資本密集型制造業企業全要素生產率，對勞動密集型和技術密集型制造業企業的影響不顯著。這可能與互聯網改變傳統要素市場的交易方式有關。列（4）是加入交乘項internet_capital的全樣本回歸結果，與列（2）的結論一致。

3. 對外開放度異質性。外商直接投資能帶來先進技術、管理知識與經營理念。出口貿易有助于制造企業獲得新的市場需求和擴大經營規模［30］。市場競爭與學習效應能促進企業全要素生產率提升［31］。對外開放度不同，互聯網應用對制造業全要素生產率的影響也可能不同。于是，將是否有海外業務收入作為對外開放度的判別標識，有則認為是出口企業，反之，則為非出口企業。在表7中，列（1）internet的系數估計值為0.999，在1%的水平下顯著，表明加強互聯網應用提升了出口型制造業企業全要素生產率，對非出口型制造業企業的影響不顯著。這一結果與戴美虹［32］的研究結論相近，與互聯網應用縮短交易主體間的空間距離、促進信息交互的特性相契合。列（3）是加入交乘項internet_export的全樣本回歸結果，與列（1）結論一致。

（五）內生性分析

互聯網應用可能與全要素生產率存在雙向因果導致的內生性。盡管全要素生產率可能對企業互聯網應用產生影響，但通常不會影響上一期互聯網應用。于是，選取互聯網應用的滯后一期（l. internet）做工具變量進行2SLS估計。在表8中，被解釋變量分別采用了OLS方法和OP方法測算全要素生產率。與表3的基準回歸相比，工具變量估計得到的結果分別為1.478和5.692，在5%的水平下都顯著；表明互聯網應用能夠提升制造業企業全要素生產率，假設H1成立。

（六）機制分析

為了檢驗互聯網應用通過節約交易成本影響制造業全要素生產率的假設H2，采用Sobel法對模型（1）～模型（3）進行估計，得到的回歸結果見表9。其中，列（1）～列（3）為管理成本機制回歸結果，列（4）～列（6）為銷售成本機制回歸結果。列（2）internet對mcost的系數估計值為-0.009，在5%的水平下顯著；表明互聯網應用有助于制造業企業節約管理成本。列（3）mcost對tfp的系數估計值為-3.900，在1%的水平下顯著；表明節約管理成本也有助于提升制造業企業全要素生產率。列（5）internet對scost的系數估計值為-1.933，在5%的水平下顯著；表明制造業企業應用互聯網可以大幅節約銷售成本。列（6）scost對tfp的系數估計值為-0.006，在5%的水平下顯著；表明制造業企業應用互聯網可以通過節省銷售成本提升全要素生產率。因此，假設H2成立。

五、結論與政策啟示

（一）結論

基于中國A股制造業上市公司數據，對互聯網應用影響制造業全要素生產率進行理論分析，并構建企業層面的回歸模型進行實證考察。結果顯示：第一，互聯網應用能顯著提升制造業企業全要素生產率水平。第二，互聯網應用對制造業全要素生產率的促進作用因地區、要素稟賦和對外開放度的不同而存在差異。具體而言，互聯網應用提升了西部地區制造業全要素生產率，對東部、東北和中部地區的影響不顯著；互聯網應用提升了資本密集型制造業全要素生產率，對勞動密集型和技術密集型制造業企業的影響不顯著；互聯網應用提升了出口型制造業企業全要素生產率，對非出口型制造業企業的影響不顯著。第三，從影響機制看，互聯網應用通過減少銷售成本和管理成本來提升制造業全要素生產率。具體而言，互聯網應用對銷售成本的節約作用相對較大，對管理成本的節約作用相對較??；但銷售成本節約對全要素生產率的提升作用相對較小，管理成本節約對全要素生產率的提升作用更大。

（二）政府啟示

第一，加大互聯網在制造業產業鏈中的應用力度，推動制造業高質量發展。制造業產業鏈長、企業數量多，應加大互聯網在制造業研發設計、原料采購、生產管理、倉儲運輸、推廣銷售、渠道終端等環節的應用力度以節約制造業的交易成本和提升產業鏈的資源整合效率。第二，采用差異化的政策積極引導和支持各地區制造業的互聯網應用，提升制造業全要素生產率?；ヂ摼W應用的全要素生產率效應具有明顯的地區、要素稟賦和對外開放度異質性，制造業數字化發展政策應考慮互聯網發展及應用效果的差異化。一方面，提升西部地區、資本密集型和出口型制造業企業的互聯網應用廣度，進一步提升全要素生產率。另一方面，提升非西部地區、勞動與技術密集型，以及非出口型制造業企業互聯網應用的深度，以此促進全要素生產率的提升。第三，利用互聯網應用節約交易成本，提升制造業企業競爭力?；ヂ摼W應用可以大幅節約管理成本和銷售成本，將節約的管理成本和銷售成本投入研發活動，從而提升制造業企業核心競爭力。

注釋：

① ?2018年11月5日，習近平總書記在首屆中國國際進口博覽會開幕式上宣布設立科創板，實行注冊制試點。2019年6月13日，科創板正式開板。這一舉措對我國資本市場和上市公司產生了非常大的影響。

參考文獻：

［1］ 盧福財，陳慧. 工業互聯網、企業成長性與價值創造［J］. 經濟管理，2023，45（1）：5-24.

［2］ 何大安. 互聯網應用擴張與微觀經濟學基礎——基于未來“數據與數據對話”的理論解說［J］. 經濟研究，2018（8）：177-192.

［3］ 黃群慧，余泳澤，張松林. 互聯網發展與制造業生產率提升：內在機制與中國經驗［J］. 中國工業經濟，2019（8）：5-23.

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

［5］ 佟家棟，楊俊. 互聯網對中國制造業進口企業創新的影響［J］. 國際貿易問題，2019（11）：1-15.

［6］ 吳非，胡慧芷，林慧妍，等. 企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］. 管理世界，2021（7）：130-144.

［7］ 李虹辰，曹虹劍. 人力資本擴張與中國制造業創新績效［J］. 財經理論與實踐，2023，44（1）：130-138.

［8］ 楊德明，畢建琴. “互聯網+”、企業家對外投資與公司估值［J］. 中國工業經濟，2019（6）：136-153.

［9］ 謝莉娟，陳錦然，王詩桪. ICT投資、互聯網普及和全要素生產率［J］. 統計研究，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，步曉寧，張天華. 資源配置扭曲與中國工業全要素生產率——基于工業企業數據庫再測算［J］. 中國工業經濟，2013（12）：39-51.

［13］賀正楚，劉思思，周永生. 綠色金融、融資效率和產業鏈企業價值［J］. 財經理論與實踐，2022，43（3）：26-33.

［14］陳中飛，江康奇，殷明美. 數字化轉型能緩解企業“融資貴”嗎［J］. 經濟學動態，2022（8）：79-97.

［15］趙振. “互聯網+”跨界經營：創造性破壞視角［J］. 中國工業經濟，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］張永林. 互聯網、信息元與屏幕化市場——現代網絡經濟理論模型和應用［J］. 經濟研究，2016（9）：147-161.

［18］趙宸宇，王文春，李雪松. 數字化轉型如何影響企業全要素生產率［J］. 財貿經濟，2021（7）：114-129.

［19］李濤，沙瑋華. 數字經濟對地區全要素能源效率的影響研究——基于市場貿易的中介效應分析［J］. 財經理論與實踐，2022，43（3）：120-127.

［20］陳劍，劉運輝. 數智化使能運營管理變革：從供應鏈到供應鏈生態系統［J］.管理世界，2021，37（11）：227-240.

［21］孫璐，李力，陶福平. 信息交互能力、價值共創與競爭優勢——小米公司案例研究［J］.研究與發展管理，2016，28（6）：101-113.

［22］李海艦，田躍新，李文杰. 互聯網思維與傳統企業再造［J］. 中國工業經濟，2014（10）：135-146.

［23］馮華，陳亞琦. 平臺商業模式創新研究——基于互聯網環境下的時空契合分析［J］. 中國工業經濟，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］朱德勝，周曉珮. 股權制衡、高管持股與企業創新效率［J］. 南開管理評論，2016，19（3）：136-144.

［27］劉宗明，吳正倩. 中間產品市場扭曲會阻撓能源產業全要素生產率提升嗎？——基于微觀企業數據的理論與實證［J］. 中國工業經濟，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］陽立高，龔世豪，王鉑，等. 人力資本、技術進步與制造業升級［J］. 中國軟科學，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，陳國飛. “互聯網+”、要素配置與制造業高質量發展［J］. 技術經濟，2020，39（9）：61-72.

［32］戴美虹. 互聯網技術與出口企業創新活動——基于企業內資源重置視角［J］. 統計研究，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