鄭季良， 谷隆迪

(昆明理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院， 昆明 650093)

黨的十九大報告提出“加強(qiáng)推進(jìn)大數(shù)據(jù)、人工智能、互聯(lián)網(wǎng)與實體企業(yè)經(jīng)濟(jì)高度融合”，目前全國加快新型基礎(chǔ)設(shè)施建設(shè)(新基建)步伐，一系列有關(guān)企業(yè)數(shù)字化轉(zhuǎn)型的政策文件相繼出臺，如《2016—2020智能制造發(fā)展規(guī)劃》《關(guān)于深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的指導(dǎo)意見》等，制造業(yè)日益成為數(shù)字經(jīng)濟(jì)發(fā)展的重要著力點[1]。裝備制造業(yè)在制造業(yè)中占據(jù)重要地位，是工業(yè)經(jīng)濟(jì)發(fā)展的基石，深刻影響其他行業(yè)的發(fā)展，但作為產(chǎn)業(yè)升級的重要檢驗平臺，其發(fā)展現(xiàn)狀仍舊停留在“微笑”曲線的中間區(qū)域[2]。從發(fā)達(dá)國家的經(jīng)驗看，為有效達(dá)成裝備制造業(yè)轉(zhuǎn)型升級和效益增長的愿景，可以從提升數(shù)字化轉(zhuǎn)型和服務(wù)化水平入手。數(shù)字化轉(zhuǎn)型為制造業(yè)服務(wù)化的發(fā)展帶來了機(jī)遇，可以通過增加服務(wù)種類、知識密集型的服務(wù)要素比重有效推進(jìn)服務(wù)化水平，為企業(yè)帶來更多效益[3]。為探究中國制造業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)效益的影響和成效，以裝備制造業(yè)為研究對象，收集多達(dá)2 445家企業(yè)資料數(shù)據(jù)，試圖實證研究這幾個問題：近年來數(shù)字化轉(zhuǎn)型在制造業(yè)服務(wù)化推進(jìn)和企業(yè)效益的提高方面產(chǎn)生了什么樣的作用？服務(wù)化在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)效益過程中起到的傳遞或中介作用，在裝備制造業(yè)及各分行業(yè)有差異嗎？哪些分行業(yè)效果好，哪些為薄弱環(huán)節(jié)？這些研究將為全面推進(jìn)裝備制造業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的理論和實踐提供參考和依據(jù)。

1 文獻(xiàn)綜述

從制造業(yè)數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益三者之間的關(guān)系進(jìn)行文獻(xiàn)梳理。

1.1 數(shù)字化轉(zhuǎn)型與企業(yè)效益

數(shù)字化轉(zhuǎn)型這一概念比較新穎，是制造企業(yè)的數(shù)字化變革[4]，通常包括將物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能制造等與實體制造企業(yè)發(fā)展相結(jié)合，可概括為企業(yè)的信息化、網(wǎng)絡(luò)化、智能化發(fā)展[5]，通過構(gòu)建完善數(shù)字生態(tài)體系，加速產(chǎn)業(yè)轉(zhuǎn)型升級[6]。對于制造業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)效益之間的關(guān)系，目前研究成果不多，有代表性的是，李曉鐘等基于浙江省的數(shù)據(jù)，實證了數(shù)字信息運(yùn)用于制造業(yè)上的成效，結(jié)果顯示數(shù)字信息化對企業(yè)效益提升是有益的[7]。

1.2 服務(wù)化水平與企業(yè)效益

企業(yè)服務(wù)化取決于生產(chǎn)服務(wù)系統(tǒng)、服務(wù)融合產(chǎn)品、顧客參與度等多方面的要素，這些要素可以通過差異化的戰(zhàn)略獲得溢價效應(yīng)，為制造企業(yè)和客戶帶來績效或收益。目前國內(nèi)外的多數(shù)研究對于服務(wù)化提高制造企業(yè)效益持肯定態(tài)度[8-10]，既提高了企業(yè)的競爭力，同樣利于企業(yè)進(jìn)行研發(fā)創(chuàng)新活動。但亦有學(xué)者持不同觀點，例如肖挺等通過研究發(fā)現(xiàn)，電子信息設(shè)備、運(yùn)輸設(shè)備等制造行業(yè)服務(wù)化水平與企業(yè)效益間呈“馬鞍型”曲線關(guān)系[11]；更有文獻(xiàn)研究得出兩者有時會呈負(fù)相關(guān)關(guān)系[12]。

1.3 數(shù)字化轉(zhuǎn)型與服務(wù)化推進(jìn)

目前有關(guān)制造業(yè)數(shù)字化轉(zhuǎn)型與服務(wù)化之間關(guān)系的研究較少見，一些文獻(xiàn)對制造業(yè)數(shù)字化發(fā)展促進(jìn)服務(wù)化水平提升進(jìn)行了定性分析和判斷。例如，隨著數(shù)字化信息基礎(chǔ)設(shè)施投資的增加，有利于制造業(yè)資源利用效率的提高，增強(qiáng)制造企業(yè)的服務(wù)能力。數(shù)字技術(shù)具有高度的滲透力和創(chuàng)新力，使產(chǎn)業(yè)邊界更加模糊，推動傳統(tǒng)制造業(yè)結(jié)構(gòu)優(yōu)化和服務(wù)化模式的創(chuàng)新。數(shù)字信息技術(shù)與服務(wù)業(yè)務(wù)相結(jié)合，共同推動制造業(yè)的產(chǎn)業(yè)轉(zhuǎn)型升級[13]。數(shù)字化轉(zhuǎn)型是制造業(yè)進(jìn)行技術(shù)創(chuàng)新的全新拓展和主要著力點，可以完善整個“生產(chǎn)+服務(wù)”鏈條[14]，有利于創(chuàng)新生產(chǎn)服務(wù)型制造模式，對于制造企業(yè)個性化服務(wù)需求挖掘、規(guī)?；ㄖ品?wù)實現(xiàn)等具有促進(jìn)作用[15]。但也有不同觀點，如譚清美等實證發(fā)現(xiàn)數(shù)字信息化的發(fā)展并不總是正向作用于服務(wù)化能力和企業(yè)績效提升，存在風(fēng)險拐點，呈“倒U形”曲線走勢[16]。

總體來說，企業(yè)數(shù)字化轉(zhuǎn)型無論對于促進(jìn)服務(wù)化水平、企業(yè)效益都是有益的，但在不同行業(yè)其正相關(guān)的程度可能不同，在某些具體行業(yè)的研究中甚至也出現(xiàn)了負(fù)相關(guān)的情形。對三者之間的關(guān)系研究尚比較少見，對服務(wù)化在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)效益過程中起到的傳遞和中介作用研究鮮見。為彌補(bǔ)現(xiàn)有研究的不足，選取裝備制造業(yè)為研究對象，一是研究該行業(yè)數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益三者之間的關(guān)系；二是再將裝備制造業(yè)進(jìn)一步化小，研究并揭示各分行業(yè)在數(shù)字化轉(zhuǎn)型、服務(wù)化水平方面的差異，為裝備制造業(yè)的數(shù)字化、服務(wù)化全面和協(xié)同轉(zhuǎn)型發(fā)展提供參考和依據(jù)。

2 研究設(shè)計與假設(shè)提出

2.1 研究設(shè)計

通過文獻(xiàn)綜述，數(shù)字化轉(zhuǎn)型和服務(wù)化發(fā)展總體來說對企業(yè)效益都具有正向影響；而數(shù)字化轉(zhuǎn)型也正向影響著服務(wù)化水平。本文認(rèn)為，在企業(yè)數(shù)字化轉(zhuǎn)型過程中，一方面通過數(shù)字技術(shù)創(chuàng)新直接推進(jìn)企業(yè)效益，另一方面通過增強(qiáng)服務(wù)創(chuàng)新功能，間接推進(jìn)企業(yè)效益。本文主要研究數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益之間的關(guān)系，因此推論：服務(wù)化水平在兩者之間起到了中介的作用。為開展研究，構(gòu)建裝備制造業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)服務(wù)化水平以及企業(yè)效益的機(jī)理分析框架，如圖1所示。

圖1 裝備制造業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)服務(wù)化水平以及企業(yè)效益的機(jī)理分析框架

2.2 假設(shè)提出

數(shù)字化轉(zhuǎn)型對傳統(tǒng)裝備制造業(yè)的影響較為顯著，在傳統(tǒng)制造向智能制造轉(zhuǎn)型中效果明顯[17]，將從3個方面提升企業(yè)效益：①通過智能制造極大增強(qiáng)產(chǎn)品市場價值和競爭力；②加速企業(yè)內(nèi)部模塊化技術(shù)發(fā)展，變革業(yè)務(wù)流程[18]，降低生產(chǎn)成本；③通過工業(yè)互聯(lián)網(wǎng)，協(xié)同供應(yīng)鏈的資源配置，對市場作出快速反應(yīng)。因此，提出假設(shè)1。

H1：裝備制造業(yè)的數(shù)字化轉(zhuǎn)型與企業(yè)效益有顯著正相關(guān)關(guān)系。

在“互聯(lián)網(wǎng)+”與數(shù)字經(jīng)濟(jì)激勵下，數(shù)字化轉(zhuǎn)型為制造業(yè)服務(wù)化水平的提升提供了技術(shù)支持，產(chǎn)生了智能化生產(chǎn)、個性化定制生產(chǎn)、外包服務(wù)、柔性化生產(chǎn)等新型服務(wù)模式創(chuàng)新，加速制造業(yè)服務(wù)化轉(zhuǎn)型[19]，促進(jìn)傳統(tǒng)加工制造型的模式向研發(fā)服務(wù)型模式轉(zhuǎn)變[20]，創(chuàng)造新的商業(yè)模式。因此，提出假設(shè)2。

H2：裝備制造業(yè)的數(shù)字化轉(zhuǎn)型與服務(wù)化水平有顯著正相關(guān)關(guān)系，效應(yīng)明顯。

數(shù)字轉(zhuǎn)型的迅猛發(fā)展不僅創(chuàng)造了許多新型制造模式，同樣帶動了新型銷售方式的涌現(xiàn)，電子商務(wù)與智能制造的優(yōu)勢使制造業(yè)向提升產(chǎn)品服務(wù)附加值轉(zhuǎn)化[21]。通過數(shù)字轉(zhuǎn)型優(yōu)化整合供應(yīng)鏈流程的各個環(huán)節(jié)，推進(jìn)數(shù)字化與服務(wù)化高度融合，提升裝備制造業(yè)企業(yè)效益[22]。也就是說，數(shù)字化轉(zhuǎn)型與服務(wù)化水平的協(xié)同作用，共同提升制造業(yè)價值鏈。鑒于數(shù)字化轉(zhuǎn)型對服務(wù)化水平存在顯著正向影響，因此，可以認(rèn)為，服務(wù)化水平在兩者之間的關(guān)系中起到了中介作用?；谝陨戏治觯岢黾僭O(shè)3。

H3：數(shù)字化轉(zhuǎn)型以服務(wù)化水平作為中介，共同對企業(yè)效益產(chǎn)生顯著正向影響。

2.3 樣本選取與數(shù)據(jù)來源

研究的數(shù)據(jù)來源為CSMAR數(shù)據(jù)庫及滬深A(yù)股上市裝備制造企業(yè)官方網(wǎng)站以及2014—2018年歷年年報披露信息資料，其中剔除掉ST、*ST和PT等高風(fēng)險類別上市公司和數(shù)據(jù)缺失部分，最終篩選得到2 445個研究樣本。根據(jù)證監(jiān)會2012版行業(yè)分類標(biāo)準(zhǔn)，將裝備制造業(yè)細(xì)分為6個分行業(yè)進(jìn)行深入研究和比較分析，其中C36代表汽車制造業(yè)，C37代表其他運(yùn)輸設(shè)備制造業(yè)，由于二者樣本數(shù)量較少，進(jìn)行了合并，如表1所示。

表1 裝備制造業(yè)6大行業(yè)劃分及樣本量

2.4 變量指標(biāo)選取

各變量的衡量指標(biāo)闡述如下：

2.4.1 企業(yè)效益(ROE)

凈資產(chǎn)收益報酬率(ROE)是評估一家企業(yè)獲益能力的重要指標(biāo)，常用來比較同一行業(yè)內(nèi)不同企業(yè)效益，得到國內(nèi)外大多數(shù)學(xué)者的認(rèn)可，是目前學(xué)者使用最多的主流指標(biāo)，因此，選取ROE作為衡量企業(yè)效益的指標(biāo)。

2.4.2 服務(wù)化水平(Serv)

裝備制造業(yè)服務(wù)化水平很難直接度量或獲取，并且公司對外披露的定量數(shù)據(jù)中也沒有專門對其刻畫的信息。服務(wù)化體現(xiàn)在企業(yè)經(jīng)營中對于服務(wù)業(yè)務(wù)活動的延伸和運(yùn)用，并且逐步將其發(fā)展為公司主營業(yè)務(wù)范疇。因此，服務(wù)化水平可以采用企業(yè)經(jīng)營過程中涉及服務(wù)業(yè)務(wù)種類和數(shù)量作為指標(biāo)。借鑒相關(guān)文獻(xiàn)對制造企業(yè)涉及服務(wù)業(yè)務(wù)品類的分類[23]，結(jié)合滬深A(yù)股上市裝備制造企業(yè)主營業(yè)務(wù)范圍中涉及的服務(wù)業(yè)務(wù)，將服務(wù)業(yè)務(wù)種類分為19種，如表2所示。并通過查閱上市制造企業(yè)歷年年報及官網(wǎng)披露信息整理樣本上市企業(yè)經(jīng)營中涉及的服務(wù)業(yè)務(wù)數(shù)量作為服務(wù)化水平衡量指標(biāo)。

表2 裝備制造企業(yè)涉及的服務(wù)業(yè)務(wù)種類

2.4.3 數(shù)字化轉(zhuǎn)型(Digit)

通過查閱國泰安CSMAR數(shù)據(jù)庫中A股上市裝備制造企業(yè)各類數(shù)據(jù)和年報資料以及公司官網(wǎng)披露信息，并借鑒文獻(xiàn)[24-25]對于制造企業(yè)數(shù)字信息化發(fā)展能力評價指標(biāo)構(gòu)建方法，可以將數(shù)字化轉(zhuǎn)型評價體系分為信息化、網(wǎng)絡(luò)化、智能化3個一級指標(biāo)，細(xì)化涵蓋云計算程度、工業(yè)物聯(lián)網(wǎng)、大數(shù)據(jù)平臺建設(shè)、IT基礎(chǔ)設(shè)施建設(shè)、工業(yè)互聯(lián)網(wǎng)普及率、電子商務(wù)銷售、網(wǎng)絡(luò)辦公能力、智能制造、智慧供應(yīng)鏈、自動化研發(fā)投入、人工智能機(jī)器設(shè)備共11項二級指標(biāo)。參照賽迪顧問發(fā)布2018版《中國數(shù)字經(jīng)濟(jì)指數(shù)(DEDI)》和信息通信研究院發(fā)布2018版《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》[26]對各級指標(biāo)賦予權(quán)重，如表3所示。

表3 裝備制造業(yè)數(shù)字化轉(zhuǎn)型評價指標(biāo)構(gòu)建 %

2.4.4 控制變量

根據(jù)相關(guān)文獻(xiàn)研究[27-29]，選取對企業(yè)效益具有重要影響作用的資產(chǎn)負(fù)債率(Debt)、企業(yè)成長能力(Growth)和企業(yè)規(guī)模(Scale)作為控制變量(表4)。其中，企業(yè)成長能力可以選取CSMAR數(shù)據(jù)庫中營業(yè)收入增長率作為指標(biāo)；企業(yè)規(guī)?？梢赃\(yùn)用營業(yè)收入取自然對數(shù)計算方法作為指標(biāo)。

表4 變量符號、名稱及計算方法

2.5 數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益三者關(guān)系模型構(gòu)建

根據(jù)前述假設(shè)H1、H2、H3，建立多元線性回歸模型驗證A股上市裝備制造企業(yè)數(shù)字化轉(zhuǎn)型與服務(wù)化水平、企業(yè)效益三者間的相互關(guān)系，模型如下：

ROE=β1+β11Digit+β12Debt+β13Scale+β14Growth+ε1

(1)

Serv=β2+β21Digit+β22Debt+β23Scale+β24Growth+ε2

(2)

ROE=β3+β31Digit+β32Serv+β33Debt+β34Scale+β35Growth+ε3

(3)

式(1)主要用于檢驗Digit與ROE的關(guān)系(H1)；式(2)用于檢驗Digit與Serv的關(guān)系(H2)；式(3)用于驗證Serv對Digit與ROE之間是否具有中介效應(yīng)。

若式(1)中的系數(shù)β11、式(2)中的系數(shù)β21、式(3)中的系數(shù)β32均顯著，則證明中介效應(yīng)存在，否則不存在；若在式(3)中系數(shù)β32顯著的同時，系數(shù)β31不顯著，則Serv對Digit與ROE存在完全中介；若在式(3)中系數(shù)β32顯著的同時，系數(shù)β31亦顯著，且β31<β11，則Serv對Digit與ROE存在部分中介。3個模型中，β1、β2、β3為常數(shù)項，β11～β35為回歸系數(shù)，ε1、ε2、ε3為隨機(jī)誤差。

3 實證研究

3.1 樣本描述性統(tǒng)計分析

對2014—2018年中國A股裝備制造上市企業(yè)2 445個樣本各變量進(jìn)行描述性統(tǒng)計分析，結(jié)果如表5所示。

由表5可見，企業(yè)效益ROE的均值在2014—2018年分別為0.034 5、0.022 7、0.042 7、0.065 8、0.074 7，行業(yè)企業(yè)經(jīng)營狀況良好，收益呈逐年上升態(tài)勢。每年度最大、最小值之間相差不大，標(biāo)準(zhǔn)差值比較小，總體發(fā)展較為穩(wěn)定。

表5 各變量描述性統(tǒng)計結(jié)果

從Serv描述性統(tǒng)計結(jié)果可知，Serv在5年間的均值分別為5.555 6、6.280 8、7.007 5、7.712 5、8.177 9，企業(yè)服務(wù)能力和水平逐年提高。Serv的標(biāo)準(zhǔn)差比較穩(wěn)定。服務(wù)化水平最大值為15.000 0，最小為4.000 0，表明服務(wù)化水平在行業(yè)間存在一定差距。

數(shù)字化轉(zhuǎn)型描述性統(tǒng)計結(jié)果顯示，Digit的均值在5年間依次為0.357 6、0.401 6、0.451 6、0.505 0、0.558 7，即企業(yè)數(shù)字化轉(zhuǎn)型程度逐年遞增，信息化、網(wǎng)絡(luò)化、智能化程度都在提升，且Digit的標(biāo)準(zhǔn)差均不超過0.050 0，整體數(shù)字化轉(zhuǎn)型程度差異不大。然而Digit均值始終小于0.600 0，說明裝備制造企業(yè)在數(shù)字信息化、網(wǎng)絡(luò)化、智能化發(fā)展上仍然處于較低水平，有待發(fā)展。

Debt的描述性統(tǒng)計結(jié)果顯示，其均值數(shù)據(jù)從2014年的0.412 8到2017年的0.374 1，呈逐年遞減趨勢，2018年上升至0.400 5，總體來看企業(yè)負(fù)債逐漸減少，資金和發(fā)展風(fēng)險降低。企業(yè)規(guī)模Scale的均值在5年間呈逐年遞增態(tài)勢，規(guī)模逐漸成形，代表著行業(yè)總體的健康穩(wěn)健發(fā)展。企業(yè)成長能力Growth的均值2014—2018年分別為0.266 2、0.397 7、0.511 6、0.341 6、0.261 1，2016年達(dá)到極大值0.511 6，呈現(xiàn)“倒U”形曲線波動，在2016年以后開始變?nèi)?，這也與行業(yè)規(guī)模逐年擴(kuò)大帶來的增速變慢有關(guān)。

3.2 數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益之間的關(guān)系

運(yùn)用SPSS22.0對數(shù)據(jù)進(jìn)行整理和處理，首先通過方差膨脹因子(VIF)值分析3個模型中變量間多重共線性問題，然后對模型中各變量進(jìn)行相關(guān)性檢驗和多元回歸分析。

3.2.1 數(shù)字化轉(zhuǎn)型與企業(yè)效益

以Digit、Debt、Scale、Growth為解釋變量，ROE為被解釋變量做回歸處理，結(jié)果如表6所示。

表6 數(shù)字化轉(zhuǎn)型對企業(yè)效益回歸結(jié)果

從回歸結(jié)果看出，各變量的VIF值為1.008～1.507，模型不存在多重共線性問題。調(diào)整后R2為0.051，F(xiàn)值為33.734，通過了1%水平上的F檢驗，模型是合理科學(xué)的。Digit的回歸系數(shù)為0.155，t值為3.319，且Sig<0.01，Digit與ROE在1%的水平上正相關(guān)顯著。同理，Debt與ROE回歸系數(shù)為-0.209，在1%水平上負(fù)相關(guān)顯著；Scale與ROE回歸系數(shù)為0.024，在1%水平上正相關(guān)顯著，控制變量對ROE的影響很好地體現(xiàn)在模型中，假設(shè)H1得證，即裝備制造業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)效益存在正相關(guān)關(guān)系。

3.2.2 數(shù)字化轉(zhuǎn)型與服務(wù)化水平

以Digit、Debt、Scale、Growth為解釋變量，Serv為被解釋變量做回歸處理，結(jié)果如表7所示。

表7 數(shù)字化轉(zhuǎn)型對服務(wù)化水平回歸結(jié)果

從回歸結(jié)果看出，各變量的VIF值為1.008～1.507，模型不存在多重共線性問題。調(diào)整后R2為0.609，模型擬合程度非常好，且通過了1%水平上的F檢驗，模型是合理科學(xué)的。Digit的回歸系數(shù)為15.049，系數(shù)非常大，且Sig<0.01，Digit與Serv在1%的水平上正相關(guān)顯著。同理，Debt與Serv的t值為-1.770，回歸系數(shù)為-0.212，為負(fù)相關(guān)顯著；Scale與Serv回歸系數(shù)為0.118，t值為7.441，在1%水平上正相關(guān)顯著；Growth與ROE的回歸系數(shù)為正，t值為2.775，Sig值為0.006，在1%水平上正相關(guān)顯著，控制變量對Serv的影響很好地體現(xiàn)在模型中。假設(shè)H2得證，即裝備制造業(yè)數(shù)字化轉(zhuǎn)型與服務(wù)化水平存在顯著正相關(guān)關(guān)系，效應(yīng)明顯。

3.2.3 數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益

以Digit、Serv、Debt、Scale、Growth為解釋變量，Serv為被解釋變量做回歸處理，驗證Serv對Digit與ROE的中介作用，結(jié)果如表8所示。

表8 數(shù)字化轉(zhuǎn)型、服務(wù)化水平對企業(yè)效益回歸結(jié)果

從回歸結(jié)果看出，各變量的VIF值為1.011～2.560，模型不存在多重共線性問題。調(diào)整后R2為0.052，F(xiàn)值為27.845在1%的水平上顯著，F(xiàn)檢驗通過，模型是科學(xué)合理的。Serv的回歸系數(shù)為0.007，系數(shù)值比較小，t值為2.029，且Sig<0.05，Serv與ROE在5%水平上正相關(guān)顯著。假設(shè)H3得證，即以服務(wù)化水平作為中介變量的數(shù)字化轉(zhuǎn)型對企業(yè)效益存在顯著正向影響。Digit的回歸系數(shù)為0.043，但Sig值較大，不具有顯著性，亦即Serv在Digit與ROE之間存在完全中介效應(yīng)，但中介效應(yīng)不強(qiáng)。同理，Debt與ROE回歸系數(shù)為-0.208，t值為-9.625，在1%水平上負(fù)相關(guān)顯著；Scale與ROE回歸系數(shù)為0.023，t值為7.960，在1%水平上正相關(guān)顯著，控制變量對ROE的影響很好地體現(xiàn)在模型中。

3.3 分行業(yè)數(shù)字化轉(zhuǎn)型與服務(wù)化水平比較

總體來說，雖然本文的3個假設(shè)都得到了驗證，但是裝備制造業(yè)企業(yè)眾多，從上市公司中，收集到的樣本企業(yè)多達(dá)2 445家，分屬6個子行業(yè)，有條件再進(jìn)行分行業(yè)的比較分析。分行業(yè)的數(shù)字化轉(zhuǎn)型程度與服務(wù)化水平均值統(tǒng)計分析如表9、表10所示。

表9 2014—2018年裝備制造業(yè)分行業(yè)的數(shù)字化轉(zhuǎn)型程度均值演變

表10 2014—2018年裝備制造業(yè)分行業(yè)的服務(wù)化水平均值演變

從表9、表10可以看出，裝備制造業(yè)6個分行業(yè)的數(shù)字化轉(zhuǎn)型程度逐年均在提升，且歷年提升幅度較為穩(wěn)定；服務(wù)化水平同樣伴隨數(shù)字化發(fā)展處于上升狀態(tài)，然而行業(yè)差異性較為明顯?？梢哉J(rèn)為，數(shù)字化發(fā)展起步時間短，各分行業(yè)之間的數(shù)字化發(fā)展水平差別不大，但服務(wù)化水平差異較大。其中，C39計算機(jī)通訊和其他電子設(shè)備制造業(yè)的數(shù)字化轉(zhuǎn)型程度和服務(wù)化水平均領(lǐng)先于其他5個行業(yè)，這與該行業(yè)的特征是吻合的；C34通用設(shè)備制造業(yè)的數(shù)字化轉(zhuǎn)型程度最低，服務(wù)化水平最低。

3.4 分行業(yè)穩(wěn)健性檢驗分析

考慮到裝備制造業(yè)6個子行業(yè)之間的差異性，本節(jié)按行業(yè)分組做進(jìn)一步的實證。通過檢驗，各變量的VIF值都小于5，模型均不存在多重共線性問題，繼而對6個子行業(yè)分別做相關(guān)性和回歸處理，3個模型的實證結(jié)果分別如表11～表13所示。

通過3個模型的回歸分析，從表11～表13可以看出，裝備制造業(yè)6個分行業(yè)均通過了F檢驗，方程均為合理顯著，且調(diào)整后R2取值均比較大，模型具有理想的擬合優(yōu)度。樣本數(shù)據(jù)回歸分析的穩(wěn)健性可以接受。

表11 裝備制造業(yè)6個分行業(yè)數(shù)字化轉(zhuǎn)型對企業(yè)效益回歸結(jié)果

表12 裝備制造業(yè)6個分行業(yè)數(shù)字化轉(zhuǎn)型對服務(wù)化水平回歸結(jié)果

表13 裝備制造業(yè)6個分行業(yè)數(shù)字化轉(zhuǎn)型、服務(wù)化水平對企業(yè)效益回歸結(jié)果

從總體回歸結(jié)果來看，模型(1)、(2)得到的各分行業(yè)數(shù)字化轉(zhuǎn)型對于企業(yè)效益和服務(wù)化水平的回歸系數(shù)均為正，Sig值均小于0.01，回歸系數(shù)大小與總樣本實證結(jié)果相近，假設(shè)1、假設(shè)2的驗證結(jié)果比較穩(wěn)健。但是，模型(3)的結(jié)果與總樣本回歸檢驗結(jié)果不完全一致，其中C33金屬制品業(yè)和C38電氣機(jī)械及器材業(yè)實證結(jié)果顯示服務(wù)化水平在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)效益過程中起到部分中介作用，其他行業(yè)實證結(jié)果則是不具有中介效應(yīng)(Serv的Sig值都大于0.1，不具有顯著性)，即裝備制造業(yè)各行業(yè)的數(shù)字化轉(zhuǎn)型提升服務(wù)化水平并促進(jìn)企業(yè)效益這一作用機(jī)制的效果不同。

從表12控制變量Debt、Scale、Growth的回歸結(jié)果可以看出，各分行業(yè)Debt和Growth的回歸顯著性與總樣本回歸結(jié)果不一致，同時C33金屬制品和C34通用設(shè)備業(yè)的Scale回歸結(jié)果也與總樣本回歸結(jié)果有所差異，說明控制變量回歸結(jié)果受到行業(yè)影響較大。

4 結(jié)論與對策建議

4.1 結(jié)論

通過收集2014—2018年中國A股2 445家裝備制造業(yè)上市企業(yè)的資料和數(shù)據(jù)，實證分析數(shù)字化轉(zhuǎn)型、服務(wù)化水平與企業(yè)效益之間的作用關(guān)系，得到如下結(jié)論：

1)總體來看，裝備制造業(yè)數(shù)字化轉(zhuǎn)型和服務(wù)化水平的提升均促進(jìn)了企業(yè)效益增長，且數(shù)字化轉(zhuǎn)型對于服務(wù)化水平的提升具有很強(qiáng)的促進(jìn)作用，并可以通過提升服務(wù)化水平來促進(jìn)企業(yè)效益增長，即服務(wù)化水平起到了完全中介效應(yīng)，但比較弱。

2)分行業(yè)來看：①6個分行業(yè)數(shù)字化轉(zhuǎn)型和服務(wù)化水平都呈逐年上升的態(tài)勢，但數(shù)字化水平都較低，服務(wù)化水平差異大；②各行業(yè)數(shù)字化轉(zhuǎn)型程度差距不大，計算機(jī)通訊和其他電子設(shè)備業(yè)(C39)數(shù)字化轉(zhuǎn)型程度較為領(lǐng)先，通用設(shè)備業(yè)(C34)、運(yùn)輸設(shè)備業(yè)(C36&C37)的數(shù)字化轉(zhuǎn)型程度較為滯后；③計算機(jī)通訊和其他電子設(shè)備業(yè)(C39)服務(wù)化水平比較領(lǐng)先，通用設(shè)備制造業(yè)(C34)的服務(wù)化水平最低。C39、C34的結(jié)果進(jìn)一步證實行業(yè)數(shù)字化轉(zhuǎn)型與服務(wù)化水平之間是顯著相關(guān)的。

3)在服務(wù)化中介效應(yīng)方面，在分行業(yè)層次，服務(wù)化水平的中介效應(yīng)還不明顯，在電氣機(jī)械及器材分行業(yè)(C38)、金屬制品業(yè)(C33)中起到部分中介作用，而在其他分行業(yè)中不具有中介效應(yīng)。雖然與總體分析結(jié)果不一致，但進(jìn)一步反映出，數(shù)字化轉(zhuǎn)型通過提升服務(wù)化水平繼而促進(jìn)企業(yè)效益的效應(yīng)確實不大，有待深入研究，可能在實踐上有一定的滯后效應(yīng)。

4.2 對策建議

1)加大力度，加快裝備制造業(yè)的數(shù)字化轉(zhuǎn)型步伐。裝備制造業(yè)具有數(shù)字化轉(zhuǎn)型的優(yōu)勢，但目前數(shù)字化程度較低。其路徑是：①在硬件上，提升人工智能、自動化基礎(chǔ)設(shè)施設(shè)備的數(shù)字化水平，通過高端智能產(chǎn)品提升產(chǎn)品附加值；②在軟件上，利用大數(shù)據(jù)平臺和工業(yè)互聯(lián)網(wǎng)建設(shè)，提高供應(yīng)鏈協(xié)同研發(fā)、快速響應(yīng)市場需求的能力。實證研究表明，這是加快促進(jìn)裝備制造業(yè)服務(wù)制造能力和可持續(xù)發(fā)展的必由路徑。

2)補(bǔ)短板，推進(jìn)分行業(yè)服務(wù)化水平的協(xié)同提升。目前，就裝備制造業(yè)的分行業(yè)來說，服務(wù)化水平仍然差異很大，而通過數(shù)字化轉(zhuǎn)型提升服務(wù)化水平、縮小差距不失為一條有潛力的路徑，應(yīng)該分行業(yè)查找短板，形成數(shù)字化轉(zhuǎn)型與服務(wù)化水平共同提升的協(xié)同機(jī)制、優(yōu)化機(jī)制，以充分發(fā)揮出服務(wù)化進(jìn)程對提升企業(yè)產(chǎn)品價值的中介效應(yīng)。例如，美的集團(tuán)通過數(shù)字化轉(zhuǎn)型提高了系統(tǒng)化服務(wù)能力，降低原材料、在制品庫存90%，減少生產(chǎn)損耗68%，提升綜合效率33%，改善產(chǎn)品品質(zhì)10%，整體經(jīng)營效益迅猛增長，集團(tuán)成為業(yè)內(nèi)為數(shù)不多的能夠提供從芯片到云端再到終端的整體智能家居及服務(wù)方案供應(yīng)商[30]。