曾玲玲 肖雅南

（武漢理工大學(xué)經(jīng)濟(jì)學(xué)院，武漢 430070）

引 言

“智能制造”是我國(guó)實(shí)現(xiàn)中國(guó)制造2025國(guó)家戰(zhàn)略的重要前進(jìn)方向，2021年12月，工信部、發(fā)改委、科技部等八部委聯(lián)合發(fā)布的 《“十四五”智能制造發(fā)展規(guī)劃》提出，70%的規(guī)模以上制造業(yè)企業(yè)基本實(shí)現(xiàn)數(shù)字化網(wǎng)絡(luò)化，并實(shí)現(xiàn)智能制造裝備和工業(yè)軟件市場(chǎng)滿足率分別超過(guò)70%和50%。

“智能制造”對(duì)應(yīng)的英文解釋有兩個(gè)，“Smart Manufacture” 和 “Intelligent Manufacture”，雖然前者提出的更早，但目前更多使用后者［1］。關(guān)于制造業(yè)智能化測(cè)度方面的研究，目前的學(xué)者們主要先構(gòu)造指標(biāo)評(píng)價(jià)體系，然后進(jìn)一步進(jìn)行量化測(cè)度。如李廉水等 （2019）［2］通過(guò)軟件應(yīng)用層、智能基礎(chǔ)層和市場(chǎng)實(shí)踐層來(lái)共同衡量中國(guó)制造業(yè)智能化水平。在企業(yè)投資效率方面，Myers和 Msjluf （1977）［3］最早對(duì)企業(yè)非效率投資進(jìn)行了界定，指出過(guò)度投資即投資項(xiàng)目呈現(xiàn)負(fù)凈現(xiàn)值時(shí)，企業(yè)仍堅(jiān)持執(zhí)行對(duì)該項(xiàng)目進(jìn)行投資的決策；投資不足即企業(yè)對(duì)投資項(xiàng)目為正凈現(xiàn)值時(shí)卻放棄對(duì)該項(xiàng)目的投資機(jī)會(huì)。有些學(xué)者從微觀角度分析企業(yè)投資效率的影響因素，李昊楠和郭彥男 （2021）［4］研究發(fā)現(xiàn)，委托代理問(wèn)題的存在會(huì)造成利潤(rùn)上交后，代理人作出更冒險(xiǎn)的決策，進(jìn)而造成國(guó)有企業(yè)過(guò)度投資問(wèn)題加劇。閏珍麗等 （2021）［5］研究發(fā)現(xiàn)，高管兼任會(huì)引起企業(yè)投資效率的降低。沈菊琴 （2019）［6］指出，在信息不對(duì)稱沖突下通常更容易導(dǎo)致道德風(fēng)險(xiǎn)問(wèn)題。苑澤明等 （2018）［7］認(rèn)為管理者的過(guò)度自信偏好會(huì)造成對(duì)潛在風(fēng)險(xiǎn)傾向的忽視，出現(xiàn)過(guò)度投資行為的發(fā)生。除此之外，也有一些學(xué)者從法制環(huán)境、宏觀政策、市場(chǎng)水平等外部環(huán)境因素著手展開研究。萬(wàn)良勇 （2013）［8］通過(guò)研究發(fā)現(xiàn)法治有利于提高上市企業(yè)投資效率。Wurgler（2000）［9］指出提升金融發(fā)展水平對(duì)幫助治理企業(yè)內(nèi)部的代理問(wèn)題有幫助，同時(shí)也能緩解企業(yè)投資者與企業(yè)的信息不對(duì)稱，進(jìn)而提高資本配置效率。張前程 （2014）［10］發(fā)現(xiàn)，基準(zhǔn)利率對(duì)企業(yè)投資具有顯著的負(fù)向影響，而且對(duì)非國(guó)有企業(yè)尤其是民營(yíng)企業(yè)和市場(chǎng)程度低的地區(qū)負(fù)面影響更大。

通過(guò)對(duì)國(guó)內(nèi)外相關(guān)研究成果的梳理發(fā)現(xiàn)，關(guān)于智能化水平的相關(guān)研究，宏觀層面（國(guó)家、省市級(jí)）研究比較多，對(duì)于微觀層面相對(duì)較少。在智能化水平的測(cè)度方面，對(duì)研究樣本的選擇也有差別。與此相反，關(guān)于企業(yè)投資效率的研究起步較早，且研究?jī)?nèi)容豐富多樣，對(duì)企業(yè)非效率投資行為影響因素的探討，主要還是從微觀角度進(jìn)行，基于宏觀角度對(duì)企業(yè)非效率投資行為影響進(jìn)行的研究相對(duì)來(lái)說(shuō)不多。目前我國(guó)正處于轉(zhuǎn)型升級(jí)時(shí)期，在 “智能制造”、“工業(yè)4.0”等大背景下，將智能化水平引入企業(yè)投資效率影響因素的研究框架中，能進(jìn)一步補(bǔ)充現(xiàn)有研究，不僅加深本人對(duì)于二者的認(rèn)識(shí)，也能為政府和企業(yè)提供一些相關(guān)的決策依據(jù)。

1 理論分析與研究假設(shè)

1.1 智能化水平的理論分析

在經(jīng)濟(jì)大蕭條之后，西方政府開始意識(shí)到單單靠市場(chǎng)來(lái)進(jìn)行經(jīng)濟(jì)運(yùn)行是不夠的，自此之后凱恩斯主義學(xué)派開始盛行，他們提出了政府干預(yù)理論，認(rèn)為在經(jīng)濟(jì)蕭條的大背景下，適當(dāng)?shù)恼深A(yù)是十分有利的。權(quán)變理論是在經(jīng)驗(yàn)主義學(xué)派的理論基礎(chǔ)上發(fā)展而成，該理論從企業(yè)管理活動(dòng)出發(fā)，認(rèn)為企業(yè)的管理活動(dòng)是動(dòng)態(tài)變化的，企業(yè)的主要目標(biāo)是獲取市場(chǎng)利潤(rùn)和份額，因此會(huì)根據(jù)實(shí)際的內(nèi)外部情況進(jìn)行相應(yīng)的管理與改革。企業(yè)資源理論認(rèn)為公司在市場(chǎng)中的價(jià)值重點(diǎn)在于其所提供的產(chǎn)品與服務(wù)，并且在西方經(jīng)濟(jì)學(xué)理論市場(chǎng)分類中也可以顯然看出，其如果要在激烈的市場(chǎng)競(jìng)爭(zhēng)中占據(jù)一席之地，關(guān)鍵要素需要具有不可替代性。理性經(jīng)濟(jì)人假設(shè)對(duì)于企業(yè)而言也具有解釋性，企業(yè)想要獲得利潤(rùn)最大化，那么就需要合理地利用所得到的信息，對(duì)資源進(jìn)行合理的配置與利用，創(chuàng)造出更大的收益與市場(chǎng)影響力。核心競(jìng)爭(zhēng)力理論認(rèn)為公司如果具有獨(dú)特的核心產(chǎn)品或知識(shí)技能會(huì)使其具有長(zhǎng)期的競(jìng)爭(zhēng)優(yōu)勢(shì)，它也是企業(yè)更具有生命力的體現(xiàn)。

1.2 企業(yè)投資效率的理論分析

信息不對(duì)稱理論認(rèn)為在企業(yè)之中內(nèi)外信息存在著不對(duì)等，企業(yè)內(nèi)部人員必然比外部人員了解的信息量更多，而且在現(xiàn)代企業(yè)的發(fā)展進(jìn)程中，所有權(quán)和控制權(quán)的分離也加劇了信息不對(duì)稱的情況，在企業(yè)管理中容易出現(xiàn)逆向選擇和道德風(fēng)險(xiǎn)等問(wèn)題。信號(hào)傳遞理論認(rèn)為，具有信息優(yōu)勢(shì)的一方如果主動(dòng)將信息傳遞給信息劣勢(shì)方，那么將顯著提升市場(chǎng)的信息效率，緩解之前雙方信息不對(duì)稱的問(wèn)題。委托代理理論核心是研究?jī)蓹?quán)分離之后的企業(yè)代理問(wèn)題，產(chǎn)生的原因是由于代理的一方或者大股東可能會(huì)為了自身的利益去損害其他小股東的正當(dāng)權(quán)益，并進(jìn)一步影響企業(yè)投資效率。公司治理的目的是通過(guò)建立相關(guān)的機(jī)制，去調(diào)節(jié)各方的利益沖突，進(jìn)而使企業(yè)價(jià)值最大化。

1.3 智能化水平影響企業(yè)投資效率的機(jī)理分析

（1）智能化水平對(duì)企業(yè)投資效率的直接影響。由前文的理論分析可知，智能化轉(zhuǎn)型將顯著提升制造業(yè)企業(yè)的核心競(jìng)爭(zhēng)力和資源利用效率，提升企業(yè)的價(jià)值以及影響力。在前人的研究層面，將企業(yè)的智能化轉(zhuǎn)型分為3個(gè)層次：基礎(chǔ)層、應(yīng)用層和市場(chǎng)層，并據(jù)此測(cè)算出智能化水平。在智能化發(fā)展的進(jìn)程中，制造業(yè)企業(yè)避免不了會(huì)加大投入力度，或是資金層面或是人才方面，這些都是企業(yè)投資效率的重要影響因素。在此依據(jù)前文的陳述，提出如下假設(shè)：

H1：智能化水平對(duì)企業(yè)投資效率具有顯著正向影響。

H1a：智能化水平對(duì)投資過(guò)度影響不顯著。

H1b：智能化水平能有效緩解投資不足。

（2）時(shí)間效應(yīng)下智能化水平對(duì)企業(yè)投資的影響。已有前人研究表明，技術(shù)進(jìn)步、工業(yè)化、數(shù)字化、研發(fā)投入等對(duì)于微觀企業(yè)而言，產(chǎn)生的影響不僅僅是短期的，在之后的一段時(shí)間內(nèi)都會(huì)產(chǎn)生持續(xù)性的影響。提出假設(shè)如下：

H2：智能化水平對(duì)企業(yè)非效率投資影響具有滯后效應(yīng)。

H2a：滯后效應(yīng)能加強(qiáng)回歸結(jié)果的顯著性。

（3）融資約束、智能化水平與企業(yè)投資效率。智能化發(fā)展水平越高的企業(yè)，同時(shí)也能擁有更充足的資源，融資約束降低，緩解企業(yè)的非效率投資，由此提出假設(shè)如下：

H3：融資約束會(huì)在智能化水平對(duì)企業(yè)投資效率的影響中起到調(diào)節(jié)作用。

H3a：融資約束對(duì)企業(yè)投資過(guò)度產(chǎn)生負(fù)向影響。

（4）區(qū)域分布、智能化水平與企業(yè)投資效率。智能化水平在不同區(qū)域、不同市場(chǎng)化水平的地區(qū)，差距是非常明顯的，據(jù)此提出如下假設(shè)：

H4：智能化水平對(duì)企業(yè)投資效率的影響在區(qū)域分布上具有顯著異質(zhì)性。

H4a：在東部地區(qū)，智能化水平對(duì)企業(yè)投資效率具有顯著正向影響。

H4b：在中部地區(qū)，智能化水平對(duì)企業(yè)投資效率具有顯著正向影響。

H4c：在西部地區(qū)和東北地區(qū)，智能化水平對(duì)企業(yè)投資效率的影響不顯著。

（5）所有權(quán)性質(zhì)、智能化水平與企業(yè)投資效率。在前人的分析中可以看出，企業(yè)投資效率的影響因素研究中，絕大部分的微觀企業(yè)實(shí)證中都存在著產(chǎn)權(quán)異質(zhì)性，由此提出如下假設(shè)：

H5：智能化水平對(duì)企業(yè)投資效率的影響在所有權(quán)性質(zhì)方面有顯著異質(zhì)性。

H5a：智能化水平對(duì)企業(yè)投資效率的影響在國(guó)有企業(yè)更為顯著正向。

H5b：智能化水平對(duì)企業(yè)投資效率的影響在非國(guó)有企業(yè)為正向但是結(jié)果不顯著。

2 制造業(yè)企業(yè)智能化水平與企業(yè)投資效率的測(cè)度及統(tǒng)計(jì)分析

2.1 制造業(yè)企業(yè)智能化水平的測(cè)度與統(tǒng)計(jì)分析

2.1.1 樣本選擇與范圍

本文通過(guò)智能制造試點(diǎn)示范項(xiàng)目企業(yè)4年共305個(gè)試點(diǎn)項(xiàng)目及企業(yè)名單，從多視角層面構(gòu)建制造型企業(yè)智能化發(fā)展水平評(píng)價(jià)指標(biāo)體系，以智能制造上市企業(yè)為研究對(duì)象，評(píng)價(jià)分析制造業(yè)上市企業(yè)智能化發(fā)展?fàn)顩r。工業(yè)和信息化部決定2015年開始實(shí)施 “智能制造試點(diǎn)示范專項(xiàng)行動(dòng)”，所以研究年限定為2015～2020年，在數(shù)據(jù)收集過(guò)程中，有159家試點(diǎn)上市企業(yè)，但部分企業(yè)數(shù)據(jù)缺失或退市，因此剔除這類企業(yè)的樣本數(shù)據(jù)，最后的樣本企業(yè)共105家。數(shù)據(jù)主要來(lái)源于Wind數(shù)據(jù)庫(kù)、國(guó)泰安數(shù)據(jù)庫(kù)。需要說(shuō)明的是，本文中2020年的樣本數(shù)據(jù)未因新冠肺炎疫情的影響而出現(xiàn)極端值。

2.1.2 制造業(yè)企業(yè)智能化水平的指標(biāo)體系構(gòu)建

制造業(yè)企業(yè)的智能化發(fā)展，一般首先需要有一定的智能化發(fā)展基礎(chǔ)，在此基礎(chǔ)上進(jìn)一步的實(shí)現(xiàn)技術(shù)方面的智能化突破；智能化的應(yīng)用也是制造業(yè)企業(yè)智能化進(jìn)程中的重要方面；智能化對(duì)于企業(yè)和社會(huì)而言所創(chuàng)造的價(jià)值也是智能化水平評(píng)價(jià)體系的重要一環(huán)。根據(jù)上述邏輯，本節(jié)采用3個(gè)層次來(lái)建立智能化水平評(píng)價(jià)體系，制造業(yè)企業(yè)智能化水平評(píng)價(jià)指標(biāo)體系如表1所示。

表1 制造業(yè)企業(yè)智能化水平測(cè)度指標(biāo)體系

2.1.3 制造業(yè)企業(yè)智能化水平測(cè)度方法選擇

對(duì)制造業(yè)企業(yè)智能化水平的測(cè)度是否科學(xué)合理，關(guān)鍵在于選取合適的統(tǒng)計(jì)方法計(jì)算指標(biāo)權(quán)重。目前學(xué)者們選擇計(jì)算指標(biāo)權(quán)重的方法主要有熵值法、TOPSIS、因子分析法、層次分析法等，但在本節(jié)的指標(biāo)評(píng)價(jià)中為了避免主觀因素，使評(píng)價(jià)結(jié)果更加客觀，本文選用熵值法計(jì)算各三級(jí)指標(biāo)的權(quán)重，對(duì)制造業(yè)企業(yè)智能化水平進(jìn)行評(píng)價(jià)。

2.1.4 制造業(yè)企業(yè)智能化水平測(cè)度結(jié)果分析

根據(jù)前文熵值法的計(jì)算步驟測(cè)得了105家上市企業(yè)2015～2020年的企業(yè)智能化水平綜合評(píng)分，為了能夠觀察出105家智能制造示范上市企業(yè)的智能化水平總體、區(qū)域和行業(yè)分布特征，本文將上市企業(yè)按所屬行業(yè)和經(jīng)濟(jì)區(qū)域進(jìn)行劃分。

（1）制造業(yè)企業(yè)智能化總體水平。如圖1所示，智能制造試點(diǎn)企業(yè)智能化基礎(chǔ)層水平波動(dòng)幅度不大，由2015年的1.246上升為1.376；智能化應(yīng)用層水平逐年提高，由2015年的2.812上升為2020年的3.842，并且有繼續(xù)上升的趨勢(shì)；智能化應(yīng)用層水平發(fā)展不明顯，這在一定程度上也影響了智能化總體指標(biāo)水平；智能化總體水平波動(dòng)上升。

圖1 2015～2020年制造業(yè)企業(yè)智能化水平發(fā)展?fàn)顩r

（2）制造業(yè)企業(yè)智能化各指標(biāo)權(quán)重。制造業(yè)企業(yè)智能化各指標(biāo)權(quán)重分布不均，一級(jí)指標(biāo)權(quán)重占比最大的是智能化基礎(chǔ)層，智能化應(yīng)用層和智能化市場(chǎng)層與其差距大，權(quán)重分別為65%、27%和8%。二級(jí)指標(biāo)和三級(jí)指標(biāo)體系中權(quán)重占比最大，影響最大的指標(biāo)是制造業(yè)R＆D人員比重，權(quán)重為0.5889，所以制造業(yè)企業(yè)應(yīng)繼續(xù)加大人才投入力度。影響權(quán)重排第二的是無(wú)形資產(chǎn)應(yīng)用，權(quán)重為0.1063，決定制造業(yè)企業(yè)智能化水平核心競(jìng)爭(zhēng)力的因素已不僅取決于有形資產(chǎn)，無(wú)形資產(chǎn)的重要作用正逐步加大。

（3）制造業(yè)企業(yè)智能化總體水平區(qū)域發(fā)展評(píng)價(jià)。從圖2可以看出，從2015～2020年整體水平來(lái)看東部區(qū)域以絕對(duì)優(yōu)勢(shì)處于區(qū)域發(fā)展前列，其次是中部地區(qū)和西部地區(qū)，東北地區(qū)發(fā)展最慢。東部地區(qū)智能化水平最高，并且與中、西部地區(qū)之間的差距不斷加大；中部地區(qū)由于其地緣優(yōu)勢(shì)，因而承接了東部地區(qū)制造業(yè)部分產(chǎn)業(yè)的轉(zhuǎn)移，取得了較快的發(fā)展。西部地區(qū)和東北地區(qū)智能化的各方面均落后于東、中部地區(qū)，發(fā)展緩慢。

圖2 2015～2020年區(qū)域制造業(yè)企業(yè)智能化總體水平

（4）制造業(yè)企業(yè)智能化水平行業(yè)發(fā)展評(píng)價(jià)。從圖3中可以明顯看出7類制造業(yè)細(xì)分重點(diǎn)關(guān)注行業(yè)的智能化水平發(fā)展極不均衡。專用設(shè)備制造業(yè)、通用設(shè)備制造業(yè)和醫(yī)藥制造業(yè)發(fā)展處于第一級(jí)階梯，通用制造業(yè)在2019年開始趕超專用設(shè)備制造業(yè)，總體智能化水平超過(guò)1.6，并且2020年也繼續(xù)處于7類制造業(yè)行業(yè)首位。計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)、電氣機(jī)械和器材制造業(yè)以及汽車制造業(yè)處于第二級(jí)階梯，并且智能化發(fā)展水平差距不大，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)在2020年趕超汽車制造業(yè)，電氣機(jī)械和器材制造業(yè)從2018年開始智能化發(fā)展水平增速放緩并呈現(xiàn)出下降趨勢(shì)，汽車制造業(yè)在2015～2020年智能化發(fā)展水平緩慢上升，但增速并不明顯?；瘜W(xué)原料和化學(xué)制品制造業(yè)智能化發(fā)展水平處于第三級(jí)階梯，并且在2015～2020年區(qū)別不大。

圖3 2015～2020年7類制造業(yè)細(xì)分重點(diǎn)行業(yè)智能化水平發(fā)展比較

2.2 制造業(yè)企業(yè)投資效率的測(cè)度與統(tǒng)計(jì)分析

2.2.1 制造業(yè)企業(yè)投資效率測(cè)度方法的選擇

國(guó)內(nèi)外很多學(xué)者根據(jù)影響企業(yè)投資行為的不同因素去考慮，建立了很多企業(yè)投資效率的計(jì)量模型。本文在Richardson模型基礎(chǔ)上根據(jù)具體情況進(jìn)行修正，修正后的制造業(yè)企業(yè)投資效率模型如模型 （1）所示。

2.2.2 制造業(yè)企業(yè)投資效率指標(biāo)體系構(gòu)建

本文計(jì)算制造業(yè)企業(yè)投資效率的變量來(lái)自CSMAR數(shù)據(jù)庫(kù)，具體變量明細(xì)如表2所示。

表2 制造業(yè)企業(yè)投資效率測(cè)度體系

在本文中，參考前人的研究做法，將企業(yè)非預(yù)期支出（INV）分成兩部分：投資過(guò)度（o＿INV）和投資不足（u＿INV）。企業(yè)非預(yù)期支出用模型中回歸得到的殘差值的絕對(duì)值來(lái)進(jìn)行衡量，其中殘差值中小于0的部分為投資過(guò)度；殘差值中大于0的部分為投資不足。投資過(guò)度和投資不足在后期的模型中同樣用絕對(duì)值來(lái)進(jìn)行衡量。

2.2.3 制造業(yè)企業(yè)投資效率測(cè)度結(jié)果分析

（1）模型共線性診斷。從表3中可以明顯看出，本模型中的變量VIF值都小于10，且大部分的VIF值都處于2以下，VIF均值為1.97，VIF最大值為3.11，最小值為1.17。由共線性診斷結(jié)果可得出本模型不存在多重共線性問(wèn)題，模型構(gòu)建比較好。

表3 制造業(yè)企業(yè)投資效率主要變量的共線性診斷結(jié)果

（2）模型回歸。根據(jù)表4可以看出，模型的擬合優(yōu)度為0.328，可以接受，說(shuō)明模型用來(lái)估計(jì)AIE的可信度較高。

表4 制造業(yè)企業(yè)投資效率回歸結(jié)果

（3）模型結(jié)果。根據(jù)式 （1）得出的回歸殘差結(jié)果，描述性統(tǒng)計(jì)如表5所示，投資過(guò)度與投資不足的樣本數(shù)量比較平均，投資不足的樣本數(shù)量偏高少許，同時(shí)二者之間的均值也相差不大，智能制造樣本企業(yè)非預(yù)期支出方面的均值和中位數(shù)比較相同，它們之間的差距不大。

表5 制造業(yè)企業(yè)投資效率模型回歸描述性統(tǒng)計(jì)結(jié)果

由表6可以看出，絕大部分的智能制造試點(diǎn)樣本企業(yè)處于東部地區(qū)，且從數(shù)量上來(lái)說(shuō)較多為投資過(guò)度。在另外3個(gè)地區(qū)總體樣本均值較為平均，中部和西部地區(qū)更多為投資不足，細(xì)分樣本占比分別為66.67%和62.22%，東北地區(qū)樣本全部為投資過(guò)度。表6中大多數(shù)智能制造試點(diǎn)樣本企業(yè)為國(guó)有企業(yè)，國(guó)有與非國(guó)有企業(yè)之間企業(yè)投資效率情況都比較類似和平均。

表6 制造業(yè)企業(yè)投資效率在不同區(qū)域和所有權(quán)性質(zhì)的分布情況

3 實(shí)證研究設(shè)計(jì)與結(jié)果分析

3.1 模型構(gòu)建

3.1.1 面板模型

依據(jù)第二部分所提及的理論和機(jī)理分析，并借鑒前期相關(guān)專家和學(xué)者的模型構(gòu)造思路，依據(jù)實(shí)際的變量間影響關(guān)系，來(lái)構(gòu)建以企業(yè)非預(yù)期支出為被解釋變量，以制造業(yè)企業(yè)智能化水平為核心解釋變量，同時(shí)包括其他重要控制變量的綜合計(jì)量模型 （2） 和模型 （3）：

其中：企業(yè)非預(yù)期支出為被解釋變量，智能化水平為核心解釋變量，Controlsi，t代表模型中所有的控制變量，區(qū)域（Area）、行業(yè)（Ind）、年份（Year）、所有權(quán)性質(zhì)（OP）等皆為虛擬變量。在模型 （2）中，主要關(guān)注的相關(guān)系數(shù)是b1，通過(guò)它的符號(hào)、大小以及顯著性來(lái)判斷智能化水平對(duì)企業(yè)非預(yù)期支出的正負(fù)向關(guān)系、影響程度以及顯著性。若b1顯著為負(fù)數(shù)，那么前文中的假設(shè)1成立，說(shuō)明智能化水平對(duì)企業(yè)非預(yù)期支出確實(shí)有影響，并且智能化水平的提高確實(shí)會(huì)減少企業(yè)非效率投資；若b1顯著為正數(shù)，那么H1不成立，說(shuō)明智能化水平會(huì)降低企業(yè)投資效率水平。

在模型 （3）中，進(jìn)一步將企業(yè)非預(yù)期支出分為投資過(guò)度和投資不足兩個(gè)部分，深入地研究智能化水平對(duì)兩個(gè)變量的影響程度以及區(qū)別。當(dāng)被解釋變量為投資過(guò)度時(shí)，若c1系數(shù)顯著為負(fù)數(shù)，說(shuō)明智能化水平與企業(yè)投資過(guò)度之間存在負(fù)相關(guān)關(guān)系，并且智能化水平越高對(duì)投資過(guò)度有抑制作用，那么H1－1成立；當(dāng)被解釋變量為投資不足時(shí)，若c1系數(shù)顯著為負(fù)數(shù)，說(shuō)明智能化水平與企業(yè)投資不足之間存在負(fù)相關(guān)關(guān)系，并且智能化水平越高對(duì)投資不足的抑制作用越大，那么H1－2成立；若兩種情況下c1系數(shù)為正數(shù)，說(shuō)明智能化水平對(duì)企業(yè)投資過(guò)度和企業(yè)投資不足之間不存在緩解作用，那么前文中的H1－1和H1－2均不成立。

3.1.2 變量定義

根據(jù)相關(guān)專家和學(xué)者的研究結(jié)果可以看出，企業(yè)的投資效率受到多個(gè)因素的影響。在本文中為了控制這些因素對(duì)所研究問(wèn)題的影響，在參考前文所提到的研究的基礎(chǔ)上，將企業(yè)自由現(xiàn)金流、兩權(quán)分離率、獨(dú)立董事占比、第一大股東持股比率、總資產(chǎn)凈利潤(rùn)率和企業(yè)成立年齡作為控制變量，用來(lái)剔除其他因素對(duì)投資效率的影響。本文的實(shí)證分析變量主要說(shuō)明情況見(jiàn)表7。

表7 實(shí)證研究主要變量的主要變量說(shuō)明

3.2 多元回歸分析

3.2.1 共線性檢驗(yàn)

本文采用方差膨脹因子方法（VIF）來(lái)檢驗(yàn)實(shí)證研究的變量之間是否存在多重共線性問(wèn)題（結(jié)果表略），可以發(fā)現(xiàn)各變量VIF值均小于10，且得出的數(shù)據(jù)全部在1附近，這明顯可以看出變量之間的多重共線性影響較小，能夠進(jìn)一步進(jìn)行模型的下一步回歸。

3.2.2 OLS回歸分析

表8中報(bào)告了對(duì)模型 （2）和 （3）的回歸結(jié)果。列 （2）回歸結(jié)果表明智能化水平與企業(yè)非效率投資的回歸系數(shù)在10%的水平上顯著為負(fù)，這表明智能化水平能抑制企業(yè)非效率投資的情況，有助于提升企業(yè)投資效率，H1成立。列 （3）表明智能化水平與投資過(guò)度之間存在負(fù)相關(guān)關(guān)系，H1a成立。列 （4）表明智能化水平與投資不足之間的相關(guān)系數(shù)在10%的水平上顯著為負(fù)，說(shuō)明智能化水平的提升能有效緩解投資不足的情況，H1b成立。

表8 實(shí)證研究OLS回歸分析結(jié)果

3.2.3 滯后效應(yīng)

由滯后效應(yīng)回歸分析結(jié)果（表略）可知，滯后1期和2期的回歸結(jié)果。兩次回歸的結(jié)果分別在10%和5%的水平上顯著為負(fù)，且顯著性進(jìn)一步加強(qiáng)，H2和H2a成立。

3.2.4 調(diào)節(jié)效應(yīng)分析

本文選取指標(biāo)SA指數(shù)來(lái)刻畫融資約束大小，由SA調(diào)節(jié)效應(yīng)回歸分析結(jié)果（表略）可知，回歸結(jié)果系數(shù)的顯著性都得到了加強(qiáng)，H3成立。投資過(guò)度的回歸系數(shù)在1%的水平上顯著為負(fù)數(shù)且絕對(duì)值增大，證明融資約束的調(diào)節(jié)效應(yīng)顯著，H3a成立。

3.3 異質(zhì)性分析

3.3.1 區(qū)域分布

由于地理因素制約、政策落實(shí)程度、政府監(jiān)管水平、當(dāng)?shù)氐姆煞ㄒ?guī)完善程度等的差別，國(guó)內(nèi)各個(gè)地區(qū)市場(chǎng)之間存在顯著的差異性。表9中，在東部地區(qū)回歸結(jié)果都為負(fù)值，且分別在1%、10%和5%的水平上顯著，H4a成立。并且在東部地區(qū)，智能化水平對(duì)投資不足的抑制作用更大。在中部地區(qū)，智能化水平對(duì)企業(yè)非效率投資和投資不足的回歸結(jié)果都在1%的水平上顯著，證明H4b成立，在投資過(guò)度方面，回歸系數(shù)為負(fù)但不顯著。在西部地區(qū)和東北地區(qū)，智能化水平對(duì)企業(yè)非效率投資和投資不足的回歸結(jié)果都為正值，H4c成立。

表9 不同區(qū)域位置下OLS回歸分析結(jié)果

3.3.2 所有權(quán)性質(zhì)

由表10的回歸結(jié)果可以明顯看出產(chǎn)權(quán)性質(zhì)確實(shí)會(huì)對(duì)本文探討的重點(diǎn)對(duì)象產(chǎn)生明顯的區(qū)別，H5成立。當(dāng)樣本企業(yè)為國(guó)有企業(yè)時(shí)，智能化水平對(duì)企業(yè)非效率投資和投資過(guò)度的回歸結(jié)果顯著為負(fù)，H5a成立。非國(guó)有企業(yè)回歸結(jié)果的相關(guān)系數(shù)全部為負(fù)但并不顯著，H5b成立。

表10 不同所有權(quán)性質(zhì)下OLS回歸分析結(jié)果

3.4 穩(wěn)健性檢驗(yàn)

為了保證實(shí)證結(jié)果的穩(wěn)健性和可參考性，本文進(jìn)行了一系列穩(wěn)健性檢驗(yàn)（結(jié)果表略）。本文將主要的解釋變量智能化水平進(jìn)行替換，具體操作為當(dāng)智能化水平大于其中位數(shù)時(shí)，將其賦值為1；當(dāng)小于其中位數(shù)時(shí)，賦值為0。

3.4.1 回歸結(jié)果的穩(wěn)健性檢驗(yàn)

結(jié)果顯示，回歸系數(shù)的顯著性得到了明顯提高，顯著性水平上升到1%，支持前文的回歸結(jié)果。制造業(yè)企業(yè)提高自身的智能化水平能有效促進(jìn)企業(yè)投資效率，同時(shí)也驗(yàn)證了智能化水平能提高企業(yè)投資效率，研究結(jié)論仍然成立。

3.4.2 異質(zhì)性分析的穩(wěn)健性檢驗(yàn)

（1）分區(qū)域穩(wěn)健性檢驗(yàn)。相較于前文的回歸結(jié)果，本次的穩(wěn)健性檢驗(yàn)回歸系數(shù)的顯著性保持在原有水平，但是回歸系數(shù)的影響程度降低了。這說(shuō)明，對(duì)整體樣本而言，在東部地區(qū)，智能化水平仍然與企業(yè)非效率投資之間存在顯著的負(fù)相關(guān)關(guān)系，支持前文的回歸結(jié)果。在中部區(qū)域，智能化水平仍然與企業(yè)非效率投資之間存在顯著的正相關(guān)關(guān)系。西部和東北地區(qū)的相關(guān)系數(shù)為正，數(shù)值不大，但都支持前文的回歸結(jié)果。

（2）所有權(quán)穩(wěn)健性檢驗(yàn)。與前文的回歸結(jié)果相比，本次的穩(wěn)健性檢驗(yàn)回歸系數(shù)的顯著性得到了提高，且回歸系數(shù)的影響程度與上述兩次的穩(wěn)健性同樣降低了。這說(shuō)明，對(duì)整體樣本而言，國(guó)有企業(yè)智能化水平仍然與企業(yè)非效率投資之間存在顯著的負(fù)相關(guān)關(guān)系，支持前文的回歸結(jié)果。對(duì)于非國(guó)有企業(yè)，智能化水平仍然與企業(yè)非效率投資之間存在負(fù)相關(guān)關(guān)系，所以支持前文的回歸結(jié)果。

4 結(jié)論及啟示

4.1 主要結(jié)論

本文以2015～2020年105家智能制造試點(diǎn)示范項(xiàng)目上市公司為研究對(duì)象，從企業(yè)角度構(gòu)建智能化水平測(cè)度指標(biāo)體系，并運(yùn)用熵值法進(jìn)行具體測(cè)算；接著采用殘差測(cè)算企業(yè)投資效率；最后通過(guò)混合OLS模型、滯后效應(yīng)模型以及調(diào)節(jié)效應(yīng)模型對(duì)智能化水平與企業(yè)投資效率的關(guān)系進(jìn)行分析，得出以下結(jié)論：（1）2015～2020年我國(guó)智能制造試點(diǎn)樣本企業(yè)的智能化水平總體呈現(xiàn)出不斷上升態(tài)勢(shì)，人才隊(duì)伍建設(shè)對(duì)制造業(yè)企業(yè)智能化水平的影響非常顯著。從區(qū)域制造業(yè)智能化總體水平來(lái)看，東部地區(qū)以絕對(duì)優(yōu)勢(shì)處于區(qū)域發(fā)展前列，其次是中部地區(qū)，西部地區(qū)和東北地區(qū)發(fā)展最慢；（2）從年份來(lái)看，我國(guó)智能制造試點(diǎn)樣本企業(yè)的非預(yù)期支出不斷提高，投資過(guò)度處于增長(zhǎng)態(tài)勢(shì)，相反，投資不足基本在逐年下降。從區(qū)域位置來(lái)看，絕大部分的智能制造試點(diǎn)樣本企業(yè)處于東部地區(qū)，從數(shù)量上來(lái)說(shuō)東部地區(qū)和東北地區(qū)更多為投資過(guò)度；中部企業(yè)非預(yù)期支出比西部地區(qū)更高，且二者皆存在投資不足的情況；從所有權(quán)性質(zhì)來(lái)看，國(guó)有企業(yè)和非國(guó)有企業(yè)在這一層面上區(qū)別并不是非常明顯；（3）智能化水平有助于提升企業(yè)投資效率；智能化水平在一定情況下能有效防止投資過(guò)度的問(wèn)題；智能化水平的提升能有效緩解投資不足的情況。在東部地區(qū)，智能化水平對(duì)企業(yè)非效率投資有明顯的負(fù)相關(guān)關(guān)系；在中部地區(qū)，智能化水平對(duì)投資不足的影響程度更大；在西部地區(qū)和東北地區(qū)，制造業(yè)企業(yè)的非效率投資情況會(huì)隨著智能化水平的提高而加劇。當(dāng)企業(yè)為國(guó)有企業(yè)時(shí)，智能化水平確實(shí)對(duì)企業(yè)非效率投資和投資過(guò)度有抑制作用；非國(guó)有制造業(yè)試點(diǎn)企業(yè)的智能化水平能提高企業(yè)的投資效率。

4.2 政策建議

對(duì)于政府而言：（1）促進(jìn)制造業(yè)企業(yè)智能化轉(zhuǎn)型。政府應(yīng)該做好智能化改造的輿論導(dǎo)向，使制造業(yè)企業(yè)認(rèn)識(shí)到智能化對(duì)其的深遠(yuǎn)意義； （2）提高企業(yè)自主創(chuàng)新能力發(fā)展。政府部門也應(yīng)對(duì)這類制造業(yè)企業(yè)給予一定的補(bǔ)貼以及技術(shù)上的支持，促進(jìn)企業(yè)在智能化轉(zhuǎn)型的進(jìn)程中不掉隊(duì)；（3）加強(qiáng)人才隊(duì)伍建設(shè)。人才隊(duì)伍建設(shè)對(duì)制造業(yè)企業(yè)智能化水平的影響至關(guān)重要，作為政府部門，要加強(qiáng)自身創(chuàng)新型人才隊(duì)伍建設(shè)，根據(jù)國(guó)家相關(guān)重大項(xiàng)目、重大計(jì)劃、重點(diǎn)領(lǐng)域，針對(duì)性地培養(yǎng)相關(guān)的專業(yè)性人才，為制造業(yè)企業(yè)智能化發(fā)展持續(xù)輸血；也可以加強(qiáng)海外高層次人才引進(jìn)。

對(duì)于企業(yè)而言：（1）緊跟國(guó)家發(fā)展步伐。了解行業(yè)前沿科技與最新動(dòng)態(tài)，積極地學(xué)習(xí)交流；還要努力提高自身智能化水平，主動(dòng)完善公司治理，促進(jìn)企業(yè)效率的提升，并為市場(chǎng)提供更優(yōu)質(zhì)的產(chǎn)品以及服務(wù)；（2）加大智能化投入。智能化水平的提高能顯著加強(qiáng)企業(yè)投資效率，減少非效率投資。智能化發(fā)展對(duì)企業(yè)的影響也是深遠(yuǎn)和持續(xù)性的，智能化轉(zhuǎn)型能顯著緩解企業(yè)的融資約束，讓企業(yè)有更好的資本去進(jìn)行下一輪的投資； （3）優(yōu)化企業(yè)治理結(jié)構(gòu)。企業(yè)應(yīng)根據(jù)自身的具體情況，建立定制化的公司治理架構(gòu)，形成高效的決策機(jī)制與應(yīng)變機(jī)制，在智能化發(fā)展過(guò)程中，積極走向前列。