The Impact of Smart Manufacturing on Firm Markup
-
摘要: 制造业企业加成率提升是制造强国建设的直观体现。以“智能制造试点示范行动”为准自然实验，综合评估了智能制造对企业加成率的影响。研究发现，智能制造通过提高企业创新能力和优化企业资源配置提升了企业加成率，并且智能制造提升企业加成率的作用效果对于成熟期企业、国有企业、处于技术更迭快的行业及中东部地区的企业更为显著。调节机制显示，企业数字化转型程度越高，智能制造提升企业加成率的作用效果就越强。研究结论为持续推进制造业智能化转型升级提供了理论支撑。Abstract: The increase in the markup of manufacturing firms is an intuitive reflection of building a strong manufacturing nation. This paper takes the "Smart Manufacturing Pilot Demonstration Action" as a quasi-natural experiment to comprehensively evaluate the impact of smart manufacturing on firm markup. The study finds that smart manufacturing enhances firm markup by improving innovation capabilities and optimizing resource allocation, and the effect of smart manufacturing on markup is more pronounced for mature firms, state-owned enterprises, firms in industries with rapid technological change, and firms located in the central and eastern regions. Further discussion confirms that the higher the degree of a firm's digital transformation, the stronger the effect of smart manufacturing on enhancing firm markup. The conclusions of this study provide theoretical support for continuously advancing the intelligent transformation and upgrading of the manufacturing industry.
-
表 1 变量描述性统计
变量 样本量 均值 标准差 最小值 最大值 企业加成率 19 389 1.281 0.483 0.335 3.982 智能制造 19 389 0.046 0.209 0 1 企业规模 19 389 22.063 1.186 16.758 27.621 现金流量 19 389 0.051 0.080 -4.270 2.222 资产负债率 19 389 0.398 0.230 0.008 13.397 资产收益率 19 389 0.040 0.128 -3.565 10.401 托宾Q值 19 389 2.213 2.423 0.658 122.190 上市年龄 19 389 2.069 0.800 0.000 3.497 股权集中度 19 389 33.177 14.234 1.840 89.990 账面市值比 19 389 0.590 0.238 0.008 1.520 
下载: 导出CSV
表 2 基准回归结果
变量 (1) (2) (3) (4) markup markup markup markup imtem 0.068***
(0.019)0.064**
(0.028)0.107***
(0.019)0.085***
(0.019)控制变量 否 是 是 是 常数项 1.278***
(0.001)3.258***
(0.178)2.486***
(0.235)3.339***
(0.252)企业固定效应 是 否 是 是 年份固定效应 是 是 否 是 样本量 19 389 19 389 19 389 19 389 Adj-R2 0.709 0.103 0.699 0.716 注：括号内数字为聚类至企业层面的稳健标准误，***、**、*分别表示在1%、5%、10%水平下显著。下表同。
下载: 导出CSV
表 3 替换被解释变量
变量 (1) (2) (3) (4) markupacfl markupolsm markupolsl markup intem 0.113*
(0.062)0.069***
(0.017)0.135*
(0.079)robot 0.095***
(0.025)控制变量 是 是 是 是 常数项 -1.000
(0.743)2.990***
(0.225)-1.274
(0.946)-4.258***
(0.486)企业固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 19 389 19 389 19 389 19 389 Adj-R2 0.670 0.716 0.670 0.550
下载: 导出CSV
表 4 工具变量法
变量 (1) (2) intem markup iv1 0.935***
(0.069)iv2 0.390***
(0.087)intem 0.091*
(0.053)控制变量 是 是 企业固定效应 是 是 年份固定效应 是 是 样本量 19 389 19 389 K-P LM检验 151.243***
(0.000)K-P Wald F检验 91.876
(19.93)Hansen J检验 1.221
(0.269)注：K-P LM检验和Hansen J检验括号内数字为P值，K-P Wald F检验括号内数字为Stock-Yogo统计量在5%水平下的临界值。
下载: 导出CSV
表 5 其他稳健性检验
变量 (1) (2) (3) markup markup markup intem 0.079***
(0.019)0.085***
(0.013)0.082***
(0.019)控制变量 是 是 是 常数项 3.328***
(0.254)3.339***
(0.174)3.213***
(0.265)企业固定效应 是 是 是 年份固定效应 是 是 是 样本量 19 188 19 389 19 255 Adj-R2 0.717 0.716 0.725
下载: 导出CSV
表 6 企业生命周期和所有制异质性检验
变量 (1) (2) (3) (4) (5) 成长期 成熟期 衰退期 国有企业 非国有企业 markup markup markup markup markup intem 0.062***
(0.020)0.086***
(0.029)0.100
(0.065)0.090***
(0.030)0.075***
(0.027)控制变量 是 是 是 是 是 常数项 2.946***
(0.345)2.965***
(0.409)3.489***
(0.728)3.607***
(0.453)3.132***
(0.325)企业固定效应 是 是 是 是 是 年份固定效应 是 是 是 是 是 样本量 7 719 6 818 3 072 5 314 13 488 Adj-R2 0.720 0.765 0.651 0.704 0.721
下载: 导出CSV
表 7 行业技术更迭和地区异质性检验
变量 (1) (2) (3) (4) 技术更迭快 技术更迭慢 中东部 西部 markup markup markup markup intem 0.111***
(0.032)0.073***
(0.024)0.093***
(0.021)0.052
(0.048)控制变量 是 是 是 是 常数项 3.287***
(0.402)3.056***
(0.298)3.264***
(0.267)3.914***
(0.757)企业固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 5 238 14 125 16 921 2 375 Adj-R2 0.723 0.720 0.728 0.650
下载: 导出CSV
表 8 机制检验
变量 (1)
rd(2)
markup(3)
misk(4)
markupintem 0.005***
(0.002)0.081***
(0.019)-0.416***
(0.104)0.050***
(0.015)rd 0.946**
(0.419)misk -0.083***
(0.019)控制变量 是 是 是 是 常数项 0.145***
(0.040)3.202***
(0.247)-2.154***
(0.347)2.156***
(0.303)企业固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 19 389 19 389 19 389 19 389 Adj-R2 0.570 0.722 0.736 0.674
下载: 导出CSV
表 9 企业数字化转型的调节效应检验
变量 markup intem 0.040*
(0.024)dg 0.000
(0.005)intem×dg 0.030**
(0.014)控制变量 是 常数项 3.348***
(0.252)企业固定效应 是 年份固定效应 是 样本量 19 389 Adj-R2 0.716
下载: 导出CSV
-
[1] 沈坤荣, 乔刚, 林剑威. 智能制造政策与中国企业高质量发展[J]. 数量经济技术经济研究, 2024(2): 5-25. [2] 尹洪英, 李闯. 智能制造赋能企业创新了吗?——基于中国智能制造试点项目的准自然试验[J]. 金融研究, 2022(10): 98-116. [3] 权小锋, 李闯. 智能制造与成本粘性——来自中国智能制造示范项目的准自然实验[J]. 经济研究, 2022(4): 68-84. [4] 黄卓, 陶云清, 刘兆达, 等. 智能制造如何提升企业产能利用率——基于产消合一的视角[J]. 管理世界, 2024(5): 40-59. [5] 刘文革, 耿景珠, 杜明威. 制造业智能化与企业出口产品质量: 来自中国的微观证据[J]. 商业经济与管理, 2023(1): 53-69. [6] MELITZ M J, OTTAVIANO G I P. Market size, trade, and productivity[J]. Review of Economic Studies, 2008, 75(1): 295-316. doi: 10.1111/j.1467-937X.2007.00463.x [7] 毛其淋, 许家云. 中间品贸易自由化提高了企业加成率吗?——来自中国的证据[J]. 经济学(季刊), 2017(2): 485-524. [8] MUKHERJEE S, CHANDA R. Tariff liberalization and firm-level markups in Indian manufacturing[J]. Economic Modelling, 2021, 103: 105594. doi: 10.1016/j.econmod.2021.105594 [9] JIN G, ZHANG J, YE Y, et al. Social insurance law and firm markup in China[J]. Economic Modelling, 2024, 132: 106645. doi: 10.1016/j.econmod.2024.106645 [10] YUE W. Human capital and firms' markup: evidence from China[J]. Journal of Applied Economics, 2022, 25(1): 878-906. doi: 10.1080/15140326.2022.2072675 [11] 韩民春, 刘曈, 袁瀚坤. 数字服务贸易开放与制造业企业加成率: 来自A股上市公司的经验证据[J]. 经济学家, 2023(11): 48-58. [12] 戴翔, 马皓巍. 数字化转型、出口增长与低加成率陷阱[J]. 中国工业经济, 2023(5): 61-79. [13] 杜传忠, 曹效喜, 刘书彤. 人工智能与高新技术企业竞争力: 机制与效应[J]. 商业经济与管理, 2024(2): 30-49. [14] 肖挺, 叶浩. 工业机器人应用对于企业加成率的影响研究[J]. 科研管理, 2024(8): 41-50. [15] 范冬梅, 李莹. 工业机器人应用对出口企业加成率的影响研究[J]. 当代财经, 2024(5): 128-141. [16] 陈德球, 张雯宇. 企业数字化转型与产品市场竞争地位[J]. 武汉大学学报(哲学社会科学版), 2024(2): 118-131. [17] 王永钦, 董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究, 2020(10): 159-175. [18] 牛子恒, 邹宗森. 实体经济振兴: 智能制造与制造业企业"脱实向虚"[J]. 经济学家, 2024(1): 78-88. [19] NAMBISAN S. Information systems as a reference discipline for new product development[J]. MIS Quarterly, 2003, 27(1): 1-18. doi: 10.2307/30036517 [20] GOLDFARB A, TUCKER C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1): 3-43. doi: 10.1257/jel.20171452 [21] 韩民春, 宋昌昊, 袁瀚坤. 数字化转型、供应链韧性与企业加成率[J]. 经济学动态, 2025(1): 111-127. [22] 牛子恒, 金环. 智能制造、人力资本结构与企业全要素生产率[J]. 经济体制改革, 2024(5): 88-96. [23] 李宏, 梁宝琦, 曹知修. 数字化转型对企业成本加成率的影响研究[J]. 湖南大学学报(社会科学版), 2023(4): 65-76. [24] DE LOECKER J, WARZYNSKI F. Markups and firm-level export status[J]. American Economic Review, 2012, 102(6): 2437-2471. doi: 10.1257/aer.102.6.2437 [25] 尹恒, 张子尧. 需求异质与企业加成率估计[J]. 中国工业经济, 2019(12): 60-77. [26] 杜传忠, 陈永昌. 知识产权政策对制造业市场竞争力的影响[J]. 西安交通大学学报(社会科学版), 2024(2): 91-103. [27] BECK T, LEVINE R, LEVKOV A. Big bad banks? the winners and losers from bank deregulation in the United States[J]. Journal of Finance, 2010, 65(5): 1637-1667. doi: 10.1111/j.1540-6261.2010.01589.x [28] 袁蓉丽, 李瑞敬, 孙健. 董事的信息技术背景能抑制盈余管理吗[J]. 南开管理评论, 2021(3): 139-151. [29] DICKINSON V. Cash flow patterns as a proxy for firm life cycle[J]. The Accounting Review, 2011, 86(6): 1969-1994. doi: 10.2308/accr-10130 [30] 韦庄禹. 数字经济发展对制造业企业资源配置效率的影响研究[J]. 数量经济技术经济研究, 2022(3): 66-85. [31] HSIEH C T, KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. The Quarterly Journal of Economics, 2009, 124(4): 1403-1448. doi: 10.1162/qjec.2009.124.4.1403 [32] 李小青, 何玮萱, 崔承杰. 数字化转型如何影响制造企业高质量发展?——资源编排与开放式创新视角[J]. 珞珈管理评论, 2024(4): 25-45. [33] 孙小宁. 数字化转型能否助力制造业"脱虚向实"?——基于企业投资行为的经验证据[J]. 河南师范大学学报(哲学社会科学版), 2024(5): 66-73. [34] 肖静华, 吴小龙, 谢康, 等. 信息技术驱动中国制造转型升级——美的智能制造跨越式战略变革纵向案例研究[J]. 管理世界, 2021(3): 161-179. [35] 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. -
点击查看大图
图(2) / 表(9)
计量
- 文章访问数: 32
- HTML全文浏览量: 23
- PDF下载量: 5
- 被引次数: 0