睢 博， 雷宏振

(陜西師范大學(xué) 國際商學(xué)院， 陜西 西安 710119)

一、 問題的提出

為了實現(xiàn)數(shù)字化與實體經(jīng)濟的融合，國務(wù)院于2015年首次提出《中國制造2025》戰(zhàn)略，全面推進實施制造強國戰(zhàn)略。2019年3月，李克強在《政府工作報告》中強調(diào)，要圍繞推動制造業(yè)高質(zhì)量發(fā)展，拓展“智能+”，為制造業(yè)轉(zhuǎn)型升級賦能?！笆奈濉币?guī)劃指出要“推動數(shù)字經(jīng)濟和實體經(jīng)濟深度融合。以數(shù)字化轉(zhuǎn)型整體驅(qū)動生產(chǎn)方式、生活方式和治理方式變革”。隨著實體經(jīng)濟投入數(shù)字化懷抱，眾多企業(yè)擁抱智能化技術(shù)。然而，工業(yè)智能化的轉(zhuǎn)型困難重重，工業(yè)智能化的實施能否真正提升技術(shù)創(chuàng)新？工業(yè)智能化與技術(shù)創(chuàng)新之間的作用機制又是什么？這些問題都需要進一步進行研究。

持續(xù)提升企業(yè)創(chuàng)新能力是我國實施創(chuàng)新驅(qū)動戰(zhàn)略的重要保障，已有研究分別從產(chǎn)業(yè)政策以及制度保護和產(chǎn)業(yè)集聚層面對企業(yè)創(chuàng)新的影響進行研究。[1-3]工業(yè)智能化對技術(shù)創(chuàng)新影響的研究開始于諸多學(xué)者對人工智能的相關(guān)研究。目前，人工智能的相關(guān)研究主要集中在人工智能對經(jīng)濟增長、就業(yè)以及收入分配的影響。在宏觀經(jīng)濟增長方面，由于人工智能具有ICT(Information and Communication Technology，即信息和通信技術(shù))的基本技術(shù)—經(jīng)濟特征，因此，人工智能通過滲透性、替代性以及協(xié)同性等技術(shù)特征，實現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級，進而影響國民經(jīng)濟增長。[4-5]人工智能還通過“機器學(xué)習(xí)”不斷誘發(fā)新的技術(shù)進步，改變了勞動力結(jié)構(gòu)和資本積累，促進全要素生產(chǎn)率提升和經(jīng)濟高質(zhì)量發(fā)展。[6-8]在就業(yè)和收入分配方面，以自動化為代表的人工智能對于復(fù)雜程度較高的高端就業(yè)崗位以及部分低端就業(yè)崗位替代能力不強，由此導(dǎo)致中端就業(yè)崗位比重相對下降，出現(xiàn)所謂的就業(yè)極化。[9-11]人工智能技術(shù)對工作重復(fù)性高、創(chuàng)造性低的行業(yè)沖擊更大。[12]工業(yè)智能化通過網(wǎng)絡(luò)化和信息化，使得勞動力擺脫了重復(fù)的勞動。智能化與工業(yè)化的結(jié)合會對企業(yè)內(nèi)部的勞動力結(jié)構(gòu)產(chǎn)生巨大的沖擊，企業(yè)使用廉價資本替代勞動力的同時，也加速了勞動力與其他資本的結(jié)合程度。[11]工業(yè)智能化的實施克服了手工勞動計算的低效率，計算機通過設(shè)置好的軟件系統(tǒng)進行信息的搜集、分析以及處理，增加信息的搜集和處理能力；也使研發(fā)人員擺脫了簡單的、重復(fù)的數(shù)據(jù)搜集和處理工作，可以全身心地投入到更加復(fù)雜的、高級的研發(fā)設(shè)計工作之中，企業(yè)創(chuàng)新效率顯著提升。[13]智能技術(shù)對制造業(yè)的滲透與改造使得企業(yè)的信息共享和處理能力大幅提升，企業(yè)之間“認知距離”突破行業(yè)和地理的限制，降低了企業(yè)創(chuàng)新過程中的信息收集的成本，提升企業(yè)創(chuàng)新產(chǎn)出。[14]關(guān)于工業(yè)智能化的研究方向與人工智能方向大體一致。[15]需要說明的是，按照科技革命理論劃分，工業(yè)智能化是第三次工業(yè)革命的核心，強調(diào)以人工智能系統(tǒng)替代人類的腦力勞動，是工業(yè)化的新類型及高級階段。[16]

綜上所述，從研究思路來看，已有文獻討論了工業(yè)智能化對經(jīng)濟增長以及就業(yè)的影響，工業(yè)智能化的實施，改變了勞動力結(jié)構(gòu)、提升全要素生產(chǎn)率，進而提升經(jīng)濟增長。上述研究結(jié)論暗含一個基本觀點：即工業(yè)智能化一定引致技術(shù)創(chuàng)新。然而，工業(yè)智能化轉(zhuǎn)型并非一蹴而就，工業(yè)智能化與技術(shù)創(chuàng)新之間的關(guān)系是什么？工業(yè)智能化的實施能否真正提升技術(shù)創(chuàng)新？工業(yè)智能化與技術(shù)創(chuàng)新之間的作用機制又是什么？對于上述問題鮮有提及，涉及企業(yè)層面的研究更少。由于中國工業(yè)智能化始于2015年，時間維度短，已有研究在宏觀層面使用因子分析法測度工業(yè)智能化水平，在微觀層面則利用企業(yè)是否使用工業(yè)機器人作為工業(yè)智能化的替代變量，缺乏對工業(yè)智能化的有效度量。[15-17]基于以上認識，本文從微觀企業(yè)視角，利用雙重差分法研究工業(yè)智能化與技術(shù)創(chuàng)新之間的關(guān)系，并進一步討論工業(yè)智能化與企業(yè)技術(shù)創(chuàng)新之間的作用機制，為提高企業(yè)創(chuàng)新產(chǎn)出提供依據(jù)和建議。

二、 研究假設(shè)的提出

工業(yè)智能化是現(xiàn)代工業(yè)在機械化、電氣化、自動化的基礎(chǔ)上，通過網(wǎng)絡(luò)化和信息化，實現(xiàn)智能化的過程。在這一過程中，計算機通過設(shè)置好的軟件系統(tǒng)進行信息的搜集、分析以及處理，進而控制機器進行有序的生產(chǎn)。工業(yè)智能化的實施擺脫了手工勞動局限，增加信息的搜集和處理能力，不僅將勞動力從簡單重復(fù)的工作中解放出來，而且打破了不同行業(yè)之間的限制，加速了知識的流動和整合。[16]由此可見，工業(yè)智能化的基本特征是實現(xiàn)計算機代替腦力勞動的高級化過程。智能技術(shù)的應(yīng)用有助于企業(yè)生產(chǎn)效率的提升，降低生產(chǎn)成本，緩解企業(yè)創(chuàng)新過程中面臨的不確定性，從而釋放內(nèi)部創(chuàng)新動力，激發(fā)企業(yè)創(chuàng)新的積極性。[17]工業(yè)智能系統(tǒng)在信息搜集廣度和處理速度方面比人的腦力勞動更具有優(yōu)勢。在企業(yè)進行研發(fā)創(chuàng)新時，當研發(fā)人員擺脫了簡單的、重復(fù)的數(shù)據(jù)搜集和處理工作后，可以全身心地投入到更加復(fù)雜的、高級的研發(fā)設(shè)計工作當中，企業(yè)創(chuàng)新效率顯著提升。[13]工業(yè)智能化代替研發(fā)人員從事基礎(chǔ)性工作的同時，也擴大了企業(yè)對知識的學(xué)習(xí)和應(yīng)用能力。然而，傳統(tǒng)的產(chǎn)業(yè)理論認為知識的學(xué)習(xí)具有高度地方化的特征，知識的流動僅僅發(fā)生在相關(guān)聯(lián)的企業(yè)之間，完全不相干的企業(yè)之間不會產(chǎn)生知識的共享和外溢。企業(yè)之間的“認知距離”可能過大或者過小，難以達到最優(yōu)的“認知距離”。[18]一定“認知距離”范圍內(nèi)的企業(yè)更容易發(fā)生的知識的外溢。[19]智能技術(shù)對制造業(yè)的滲透與改造使得企業(yè)的信息共享和處理能力的大幅提升，企業(yè)之間的“認知距離”突破了行業(yè)和地理的限制，降低了企業(yè)創(chuàng)新過程中的信息搜集的成本，提升企業(yè)信息搜集的效率。[14]除此以外，工業(yè)智能化引起的就業(yè)極化現(xiàn)象激發(fā)了企業(yè)對高技能勞動者的需求，企業(yè)的人力資本隨之增加。在先進技術(shù)和機器設(shè)備快速更新的時代，高人力資本勞動者對企業(yè)創(chuàng)新的促進作用更為重要。[20-21]基于此，我們提出假設(shè)1：實施工業(yè)智能化有利于企業(yè)的技術(shù)創(chuàng)新。

傳統(tǒng)經(jīng)濟理論認為，勞動投入是經(jīng)濟增長的重要動力源泉之一。隨著我國進入老齡化社會，人口紅利逐漸消失。[8]勞動力市場供給不足引發(fā)勞動力市場價格持續(xù)上升。[22]勞動力成本的上升迫使企業(yè)尋找先進的技術(shù)和設(shè)備，提高企業(yè)生產(chǎn)效率，降低企業(yè)成本。[23]一方面，智能技術(shù)能夠?qū)⒑唵沃貜?fù)的勞動通過計算機程序?qū)崿F(xiàn)，與工業(yè)化的結(jié)合對企業(yè)內(nèi)部勞動力結(jié)構(gòu)發(fā)生巨大的沖擊，企業(yè)使用更加廉價的資本替代傳統(tǒng)勞動力，工業(yè)智能化的勞動力“替代效應(yīng)”隨之發(fā)生。[11]企業(yè)內(nèi)部從事一線工作的中技能勞動者在整體就業(yè)中的比重不斷下降，人們逐步擺脫了重復(fù)的低技能勞動，降低了企業(yè)低技能勞動力的需求。由于高技能勞動者從事大量復(fù)雜的、無序的工作，高技能勞動力受到的沖擊反而較小，在整體就業(yè)中的占比重逐漸增加。[10]另一方面，工業(yè)智能化導(dǎo)致了勞動力“互補效應(yīng)”。工業(yè)智能化加速了勞動力與其他資本的結(jié)合程度，工業(yè)智能技術(shù)的應(yīng)用促使企業(yè)生產(chǎn)人員“干中學(xué)”的效果得到加強，研發(fā)人員搜尋信息和學(xué)習(xí)知識的能力大幅提升。在研發(fā)投入既定的前提下，高技能勞動者對新知識的學(xué)習(xí)和應(yīng)用效果更好，更加適合采用智能技術(shù)吸收外界紛雜無序的信息，將其轉(zhuǎn)化為自身所需的技術(shù)，生產(chǎn)新的產(chǎn)品。[21]無論是勞動力的“替代效應(yīng)”還是“互補效應(yīng)”，都暗含伴隨著工業(yè)智能化的實施，企業(yè)的勞動力結(jié)構(gòu)發(fā)生了改變，高技能勞動力在整體就業(yè)中占比逐漸增加?；诖耍覀兲岢黾僭O(shè)2：實施工業(yè)智能化會改變企業(yè)的勞動力結(jié)構(gòu)，進而提升企業(yè)技術(shù)創(chuàng)新水平。

融資約束是影響企業(yè)創(chuàng)新的重要因素之一，工業(yè)智能化使得企業(yè)使用更加廉價的資本代替勞動力，通過數(shù)據(jù)共享與組織柔性化提高了企業(yè)的生產(chǎn)效率，稱為工業(yè)智能化的“生產(chǎn)力效應(yīng)”。[14]企業(yè)的大部分勞動者從重復(fù)性的勞動中釋放出來，企業(yè)的勞動力成本降低，節(jié)約了企業(yè)的自有資金，使企業(yè)轉(zhuǎn)而投向更加復(fù)雜的、高端的技術(shù)研發(fā)中，緩解了企業(yè)在研發(fā)過程中的融資約束。[24]除此以外，智能技術(shù)的應(yīng)用將企業(yè)價值鏈中的研發(fā)、生產(chǎn)和銷售等環(huán)節(jié)緊密地聯(lián)系在一起，打破企業(yè)在上述環(huán)節(jié)的地理界限和行業(yè)邊界，會降低交易費用，促使企業(yè)將剩余的資金用于研發(fā)。由于知識的流動僅僅發(fā)生在相關(guān)聯(lián)的企業(yè)之間，采用智能化技術(shù)為不同企業(yè)之間交流建立了平臺，企業(yè)可以通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算進行信息、知識的交換和存儲，企業(yè)搜尋信息和學(xué)習(xí)知識的能力大幅度提升，提高了企業(yè)的知識溢出水平，降低企業(yè)研發(fā)過程中的不確定性，緩解企業(yè)面臨的融資約束，提升企業(yè)創(chuàng)新水平?；诖?，提出假設(shè)3：實施工業(yè)智能化緩解了企業(yè)的融資約束，進而促進企業(yè)技術(shù)創(chuàng)新水平的提升。

三、 實證分析

(一) 變量選取與模型構(gòu)建

1. 變量的選取

第一，被解釋變量。借鑒阿塔納索夫(J. Atanassov)等人以及溫軍和馮根福的研究，使用企業(yè)發(fā)明專利申請量和企業(yè)當年發(fā)明專利授權(quán)量反映企業(yè)的創(chuàng)新產(chǎn)出。分別記為Patentapply和Patentsq。[25-26]

第二， 解釋變量的選取。由于工業(yè)智能化的提出較晚，國內(nèi)工業(yè)智能化數(shù)據(jù)匱乏，采用雙重差分法(Difference-in-difference)構(gòu)建測度指標Zngyit×dit。先構(gòu)建虛擬變量Zngyi，表示i企業(yè)是否實施工業(yè)智能化，實施的企業(yè)為1，其余為0；dit表示i企業(yè)實施工業(yè)智能化的年份，實施年份為1，其余為0。因此，Zngyit×dit表示t年工業(yè)智能企業(yè)是否實施工業(yè)智能化轉(zhuǎn)型，1表示實施，其余為0。

第三，控制變量。其一，公司特征變量。使用企業(yè)研發(fā)投入占營業(yè)收入比重表示企業(yè)的研發(fā)強度，記為Rmd。一般來說，企業(yè)規(guī)模越大，創(chuàng)新能力越強。借鑒漢森(Hansen)和希爾(Hill)的做法，采用公司總資產(chǎn)的對數(shù)值衡量企業(yè)規(guī)模，表示為Size。[27]使用凈資產(chǎn)負債率、流動比率和速動比率反映企業(yè)的償債能力，分別記為Jzcfzl、Ldbl、Sdbl；使用總資產(chǎn)周轉(zhuǎn)率反映企業(yè)營運能力，記為Laz；使用主營業(yè)務(wù)比率和管理費用與營業(yè)總收入之比反映企業(yè)的成長能力，分別記為Zyywbl、Glfybyysr。其二，行業(yè)特征變量。不同的行業(yè)具有不同的競爭程度、不同的產(chǎn)品模式和不同的技術(shù)升級換代速度，資產(chǎn)規(guī)模和企業(yè)價值均具有顯著差異。因此，為了控制行業(yè)差異對企業(yè)價值的影響，本文借鑒大衛(wèi)(David)等的做法，用行業(yè)凈資產(chǎn)負債率，行業(yè)凈資產(chǎn)收益率來反映企業(yè)的行業(yè)特征，分別記為Indus1和Indus2。[28]

2. 模型構(gòu)建

第一，泊松回歸。由于企業(yè)專利數(shù)據(jù)符合泊松分布的假設(shè)，普通面板OLS估計會造成研究結(jié)果出現(xiàn)偏差，本文使用固定效應(yīng)計數(shù)模型(HHG)驗證工業(yè)智能化對企業(yè)技術(shù)創(chuàng)新的影響[29]，其模型的設(shè)定形式如下：

E(Ptentit|xi1,xj1,…,xiT,c)=E(patentit|xit,ci

(1)

式(1)表示嚴格外生假定下HHG模型，i代表企業(yè)個體，t代表年份。其中，Patentit為被解釋變量，表示企業(yè)創(chuàng)新產(chǎn)出，xit為控制變量。Patentit服從均值為cim(xit,β0)的泊松分布。

第二，雙重差分。考慮到工業(yè)智能化對企業(yè)創(chuàng)新的影響是一個長期過程，本文采用雙重差分法。由于被解釋變量為非負整數(shù)型數(shù)據(jù)，本文使用混合截面計數(shù)模型進行回歸，構(gòu)建模型(2)：

E(patentit|xit,ci)=exp(β1zngyit+β2dit+β3zngyit×dit+xitβ+αi)

(2)

其中，Zngyi表示i企業(yè)是否實施工業(yè)智能化，dit表示i企業(yè)實施工業(yè)智能化的年份，Zngyit×dit表示工業(yè)智能化企業(yè)是否實施工業(yè)智能化轉(zhuǎn)型。由于不同企業(yè)實施工業(yè)智能化的時間并不相同。因此，本文使用異時性雙重差分處理微觀企業(yè)面板數(shù)據(jù)，構(gòu)建模型(3)：

E(patentit|xit,ci)=exp(β1zngyit×dit+xitβ+αi)

(3)

為了刻畫工業(yè)智能化對企業(yè)創(chuàng)新的滯后影響，構(gòu)建包含工業(yè)智能化滯后虛擬變量的模型(4)：

E(patentit|xit,ci)=exp(β1zngyit×dit+β2after1it+β3after2it+xitβ+αi)

(4)

其中，after1和after2分別表示工業(yè)智能化實施的時間滯后1期和滯后2期。

第三，傾向得分匹配。為了處理內(nèi)生性問題，本文借鑒溫軍等人的研究方法，采用傾向得分匹配(PSM)方法為每個工業(yè)智能化企業(yè)匹配適宜的非工業(yè)智能化企業(yè)，盡可能使工業(yè)智能化的選擇過程由非隨機化向隨機化逼近，以減少企業(yè)創(chuàng)新水平對選擇過程的影響，從而緩解“反事實樣本數(shù)據(jù)”的缺失和內(nèi)生性問題，保證回歸結(jié)果的有效性和準確性。[30]

(二) 數(shù)據(jù)來源與描述性統(tǒng)計分析

本文選擇滬深兩市全部A股上市公司的數(shù)據(jù)作為研究樣本。其中，企業(yè)發(fā)明專利申請量和專利授權(quán)量、企業(yè)研發(fā)強度指標均來自國泰安數(shù)據(jù)庫，其他上市公司財務(wù)指標來自萬得數(shù)據(jù)庫。由于上市部分財務(wù)指標以及專利數(shù)據(jù)無法更新到2020年，本文最終選取2010—2019年的上市公司作為研究對象。在樣本選取過程中，其一，剔除金融行業(yè)數(shù)據(jù)；其二，為了控制極端值的影響，對模型中的所有連續(xù)變量在1%的水平上進行縮尾處理；其三，剔除報告日與首發(fā)日的年份差額為負數(shù)的樣本；其四，剔除資產(chǎn)負債率大于100%的含有奇異值的樣本。最終確定的研究觀測值為1 878個。

表1表示相關(guān)變量的統(tǒng)計性描述，企業(yè)創(chuàng)新產(chǎn)出分別使用發(fā)明專利的申請量(Patentapply)和授權(quán)量(Patentsq)表示，企業(yè)當年發(fā)明專利申請和授權(quán)量的均值分別為8.116和11.681，標準差為27.540和37.944，表明企業(yè)發(fā)明申請和授權(quán)專利的變化比較大，企業(yè)間創(chuàng)新產(chǎn)出波動比較大；研發(fā)投入(Rmd)的均值為3.859，標準差為3.020，表明企業(yè)研發(fā)投入波動也較大。專利和研發(fā)數(shù)據(jù)的波動反映企業(yè)創(chuàng)新行為存在較大的差異。

表1 相關(guān)變量的統(tǒng)計性描述

(三) 基礎(chǔ)回歸

表1表示工業(yè)智能化對企業(yè)創(chuàng)新的回歸結(jié)果，模型(1)—(4)反映工業(yè)智能化對企業(yè)專利授權(quán)的影響。模型(5)—(8)反映工業(yè)智能化對企業(yè)專利申請的影響。從整體上看，泊松回歸的wald統(tǒng)計量和LL統(tǒng)計量結(jié)果良好，模型整體的擬合結(jié)果良好。模型(1)—(2)反映靜態(tài)條件下實施工業(yè)智能化對企業(yè)專利授權(quán)的影響。在控制時間效應(yīng)和個體效應(yīng)時，模型(1)中Zngy×d的回歸系數(shù)在1%的水平上顯著，然而，Zngy×d的系數(shù)為負，表示工業(yè)智能化在當期對企業(yè)專利授權(quán)的影響顯著為負。將工業(yè)智能化的時間滯后項引入模型(2)中，時間滯后項after1和after2的回歸系數(shù)均在1%的水平上顯著，且after1和after2的系數(shù)均為正。模型(2)的結(jié)果表明在滯后1期和滯后2期時，工業(yè)智能化的實施促進了企業(yè)專利授權(quán)的增加。模型(3)—(4)分別表示動態(tài)條件下工業(yè)智能化對企業(yè)專利授權(quán)的影響，模型(3)—(4)中Zngy×d、after1和after2的回歸系數(shù)在顯著性和方向上與靜態(tài)實證結(jié)果基本一致。比較模型(4)中after1和after2的系數(shù)，動態(tài)條件下工業(yè)智能化對企業(yè)專利授權(quán)的正向作用在滯后一期最為明顯，在滯后二期正向作用逐漸減弱。

模型(5)—(6)反映靜態(tài)條件下實施工業(yè)智能化對企業(yè)專利申請的影響。在控制時間效應(yīng)和個體效應(yīng)時，模型(5)中Zngy×d的回歸系數(shù)在1%的水平上顯著為正，表示當期工業(yè)智能化的實施顯著促進了企業(yè)專利申請。將工業(yè)智能化的時間滯后項引入模型(6)中，時間滯后1期的回歸系數(shù)均在1%的水平上顯著為正，滯后2期的回歸系數(shù)為正，但是在10%的水平上不顯著。比較模型(6)中不同時期工業(yè)智能化對企業(yè)專利申請的影響，引入工業(yè)智能化的時間滯后項之后，工業(yè)智能化對企業(yè)專利申請的當期正向作用減弱，滯后1期的正向作用最為明顯，滯后2期的正向作用并不顯著。模型(7)—(8)分別表示動態(tài)條件下工業(yè)智能化對企業(yè)專利申請的影響，模型(7)—(8)中Zngy×d和after1的回歸系數(shù)在顯著性和方向上與靜態(tài)實證結(jié)果基本一致。模型(8)中，工業(yè)智能化滯后2期的回歸系數(shù)為負，且在10%的水平上不顯著。比較模型(8)中不同時期的工業(yè)智能化對企業(yè)專利申請的影響，Zngy×d、after1和after2的系數(shù)在動態(tài)條件下工業(yè)智能化對企業(yè)專利申請的正作用在滯后1期最為明顯，在滯后2期并不顯著，且為負向作用。

從整體上看，工業(yè)智能化的實施促進了企業(yè)創(chuàng)新，假設(shè)1成立。這種正向促進作用在工業(yè)智能化實施滯后1期最為明顯。值得注意的是，比較工業(yè)智能化對企業(yè)專利申請和專利授權(quán)的影響，工業(yè)智能化對企業(yè)專利授權(quán)的正向作用在滯后1期和滯后2期顯著，工業(yè)智能化對企業(yè)專利申請的正向作用在當期和滯后1期顯著。工業(yè)智能化對企業(yè)專利授權(quán)和專利申請影響差異的原因可能是專利授權(quán)本身具有一定的滯后性。智能技術(shù)的應(yīng)用使企業(yè)員工擺脫了重復(fù)的低技能勞動，增強企業(yè)吸收知識和應(yīng)用知識的能力，增加企業(yè)間的知識溢出，降低企業(yè)研發(fā)中的不確定性。[18]工業(yè)智能化的應(yīng)用促進了企業(yè)的創(chuàng)新，企業(yè)專利申請顯著提升。企業(yè)的專利申請并不一定最終被認可，只要經(jīng)過一定的程序?qū)徍?，被國家專利認定機構(gòu)認可的專利才能稱為專利授權(quán)。

(四) 基于傾向得分匹配的內(nèi)生性處理

使用雙重差分(DID)方法分析工業(yè)智能化對企業(yè)技術(shù)創(chuàng)新影響時，存在兩個隱含的問題。一是存在“反事實樣本數(shù)據(jù)”缺失。現(xiàn)有數(shù)據(jù)僅能反映工業(yè)智能化實施后的企業(yè)創(chuàng)新水平，并不能反映企業(yè)未實施工業(yè)智能化的情況。二是工業(yè)智能化與企業(yè)創(chuàng)新之間可能存在一定的內(nèi)生性。工業(yè)智能化的實施可能會影響企業(yè)創(chuàng)新，而企業(yè)創(chuàng)新的變化，反過來影響企業(yè)工業(yè)智能化的選擇，單純依靠雙重差分方法容易造成結(jié)果偏差。為了減少“反事實樣本數(shù)據(jù)”缺失和內(nèi)生性造成的結(jié)果偏差，借鑒溫軍和馮根福的研究，使用傾向得分匹配(PSM)對工業(yè)智能化企業(yè)進行匹配，盡可能降低引發(fā)結(jié)果的偏差，保證回歸結(jié)果的有效性和準確性。[26]

通過構(gòu)建影響企業(yè)是否實施工業(yè)智能化的logit模型，獲得處理組和控制組的傾向性得分，按照鄰近匹配規(guī)則進行一對一匹配。匹配完成后，對變量匹配效果進行檢驗。表3表示2015年實施工業(yè)智能化時處理組和控制組的控制變量變化情況。大部分變量匹配前后的標準化偏差小于10%，不存在顯著性差異。值得注意的是，Zyywbl匹配后的標準化偏差有所上升，然而處理組和控制組的標準化偏差上升幅度不大。從整體上看，按照鄰近匹配規(guī)則進行一對一匹配后，大部分控制變量的實驗組和控制組之間差異不在顯著，傾向得分匹配效果比較理想。

表2 工業(yè)智能化對企業(yè)創(chuàng)新的回歸結(jié)果

表3 經(jīng)過最鄰匹配處理后的控制組和處理組的偏差變化情況(2015年)

使用泊松模型對匹配后的樣本進行分析，檢驗工業(yè)智能化對企業(yè)創(chuàng)新的影響，結(jié)果見表4。表4與基準模型表2的形式一致，比較表3和表4的實證結(jié)果，我們發(fā)現(xiàn)匹配前后工業(yè)智能化對企業(yè)創(chuàng)新的影響基本一致。值得注意的是，工業(yè)智能化對企業(yè)專利授權(quán)的滯后1期和滯后2期影響在匹配后均有所增強，而對企業(yè)專利申請的影響在滯后2期有所減弱。上述結(jié)果表明，在控制影響企業(yè)是否實施工業(yè)智能化的因素后，對企業(yè)專利授權(quán)和專利申請的影響存在一定的差異，且這種差異存在一定的時滯性。從整體上看，匹配后工業(yè)智能化對企業(yè)創(chuàng)新的影響與匹配前無顯著差異，工業(yè)智能化對企業(yè)創(chuàng)新產(chǎn)生了正向促進作用，假設(shè)1成立。

表4 PSM后工業(yè)智能化對企業(yè)創(chuàng)新的回歸結(jié)果

(五) 工業(yè)智能化對企業(yè)創(chuàng)新影響的作用機制探討

進一步對工業(yè)智能化對企業(yè)創(chuàng)新影響的作用機制進行分析，通過對已有文獻的梳理和理論分析，本文重點關(guān)注工業(yè)智能化實施過程中的人力資本機制和融資約束機制。

首先，對勞動力結(jié)構(gòu)進行檢驗。借鑒阿西莫格魯(Acemoglu D )等的勞動力分類標準，使用上市公司碩士以上職工人數(shù)占企業(yè)總?cè)藬?shù)比重表示企業(yè)的勞動力結(jié)構(gòu)。[31]比較不同勞動力水平的工業(yè)智能化對企業(yè)創(chuàng)新的影響。表5反映勞動力結(jié)構(gòu)作用機制下工業(yè)智能化對企業(yè)創(chuàng)新的影響。模型(1)—(2)表示勞動力結(jié)構(gòu)作用機制下工業(yè)智能化對企業(yè)專利授權(quán)的影響。在模型(1)中，基期工業(yè)智能化的實施對高勞動力水平企業(yè)的專利授權(quán)產(chǎn)生正向影響，然而工業(yè)智能化對低勞動力水平企業(yè)創(chuàng)新的負向作用大于前者，因此基期工業(yè)智能化對企業(yè)專利授權(quán)的勞動力結(jié)構(gòu)機制并不成立。同理，在模型(2)中，滯后1期工業(yè)智能化對企業(yè)專利授權(quán)的勞動力結(jié)構(gòu)機制是成立的，假設(shè)2成立?；诤蜏?期工業(yè)智能化對企業(yè)專利授權(quán)的作用機制并不成立。依次分析模型(3)和(4)中工業(yè)智能化對企業(yè)專利申請的影響，模型(3)中，基期工業(yè)智能化對企業(yè)專利申請的勞動力機制不成立。在模型(4)中，工業(yè)智能化滯后1期對企業(yè)專利授權(quán)的勞動力結(jié)構(gòu)機制是成立的，假設(shè)2成立。然而，基期和滯后2期工業(yè)智能化對企業(yè)專利授權(quán)的作用機制不成立。從整體上看，在滯后1期時，工業(yè)智能化對企業(yè)創(chuàng)新的勞動力結(jié)構(gòu)機制是成立的，假設(shè)2成立。

表5 工業(yè)智能化對企業(yè)創(chuàng)新勞動力結(jié)構(gòu)機制檢驗

其次，對融資約束機制進行檢驗。借鑒吳秋生和黃賢環(huán)的研究成果，使用SA指數(shù)衡量企業(yè)的融資約束。[32]表6反映融資約束作用機制下工業(yè)智能化對企業(yè)創(chuàng)新的影響。模型(1)—(2)表示融資約束機制下工業(yè)智能化對企業(yè)專利授權(quán)的影響。在模型(1)中，基期工業(yè)智能化的實施對高融資約束企業(yè)的專利授權(quán)產(chǎn)生負向影響，且工業(yè)智能化對低融資約束企業(yè)的創(chuàng)新的負向作用大于前者。因此，基期工業(yè)智能化對企業(yè)專利授權(quán)的融資約束機制不成立。同理，模型(2)中工業(yè)智能化滯后1期和滯后2期時，工業(yè)智能化對企業(yè)專利授權(quán)的融資約束機制成立，假設(shè)3成立。依次分析模型(3)和(4)中工業(yè)智能化對企業(yè)專利申請的影響。模型(3)基期工業(yè)智能化對企業(yè)專利申請的融資約束機制不成立。在模型(4)中，工業(yè)智能化對企業(yè)專利申請的融資約束機制均不成立。從整體上看，工業(yè)智能化對企業(yè)創(chuàng)新的融資約束機制僅對企業(yè)專利授權(quán)產(chǎn)生作用，且融資約束機制在工業(yè)智能化滯后1期和2期存在。

表6 工業(yè)智能化對企業(yè)創(chuàng)新融資約束機制檢驗

四、 研究結(jié)論與政策建議

本文研究了工業(yè)智能化對企業(yè)創(chuàng)新的影響，研究結(jié)論如下： 第一，工業(yè)智能化對企業(yè)創(chuàng)新產(chǎn)生正向作用，且工業(yè)智能化存在一定的時滯性； 第二，工業(yè)智能化的實施會優(yōu)化企業(yè)的勞動力結(jié)構(gòu)，進而促進企業(yè)的創(chuàng)新水平提升； 第三，工業(yè)智能化對企業(yè)創(chuàng)新的融資約束機制僅對企業(yè)專利授權(quán)產(chǎn)生作用，且融資約束機制存在時滯性。針對上述結(jié)論，本文提出以下幾點建議：

第一，企業(yè)在進行工業(yè)智能化轉(zhuǎn)型時，需要保持更多的耐心，工業(yè)智能化對企業(yè)創(chuàng)新的促進作用并非一蹴而就，創(chuàng)新需要一定的周期才能實現(xiàn)；企業(yè)需要不斷加強高技能人才的引進和培養(yǎng)，為實施工業(yè)智能促進企業(yè)創(chuàng)新提供智力支持。第二，由于工業(yè)智能化的人力資本機制暗含了人力資本積累是工業(yè)智能化順利實施的關(guān)鍵所在，政府應(yīng)當加大對相關(guān)人員的培訓(xùn)，提高勞動者的人力資本水平。第三，政府有針對性地出臺有效的金融支持政策，緩解企業(yè)在工業(yè)智能化轉(zhuǎn)型和研發(fā)過程中的融資約束。

總之，通過企業(yè)和政府的不懈努力，工業(yè)智能化必將推動企業(yè)創(chuàng)新水平的提升，為經(jīng)濟高質(zhì)量發(fā)展提供充足的動力。