汪方軍（博士生導(dǎo)師），胡俊敏

一、引言

黨的二十大報(bào)告提出：堅(jiān)持把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，推進(jìn)新型工業(yè)化，加快建設(shè)制造強(qiáng)國(guó)，推動(dòng)制造業(yè)高端化、智能化發(fā)展。隨著美國(guó)、德國(guó)等發(fā)達(dá)國(guó)家率先實(shí)施“先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃”及“德國(guó)工業(yè)4.0”戰(zhàn)略布局，全球制造業(yè)開(kāi)始向智能化方向發(fā)展，智能制造對(duì)于重塑我國(guó)制造業(yè)競(jìng)爭(zhēng)新優(yōu)勢(shì)至關(guān)重要。為此，我國(guó)在2015 年提出《中國(guó)制造2025》，作為制造強(qiáng)國(guó)建設(shè)的行動(dòng)綱領(lǐng)；2015 年工業(yè)和信息化部、國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)聯(lián)合發(fā)布了《國(guó)家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2015年版）》，之后又發(fā)布了2018 年版和2021 年版指南，不斷完善國(guó)家智能制造標(biāo)準(zhǔn)的頂層設(shè)計(jì)，通過(guò)制定修訂多項(xiàng)國(guó)家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)等，致力于在新的生產(chǎn)力發(fā)展博弈中實(shí)現(xiàn)“彎道超車”；2016 年工業(yè)和信息化部、財(cái)政部聯(lián)合發(fā)布了《智能制造發(fā)展規(guī)劃（2016-2020年）》，強(qiáng)調(diào)工業(yè)化信息化兩化融合，推動(dòng)智能制造的實(shí)施。

《國(guó)家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2021版）》將智能制造定義為：基于先進(jìn)制造技術(shù)與新一代信息技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等產(chǎn)品全生命周期，具有自感知、自決策、自執(zhí)行、自適應(yīng)、自學(xué)習(xí)等特征，旨在提高制造業(yè)質(zhì)量、效率效益和柔性的先進(jìn)生產(chǎn)方式。隨著國(guó)家標(biāo)準(zhǔn)的逐步完善和信息技術(shù)的不斷發(fā)展，企業(yè)智能制造必然會(huì)不斷經(jīng)歷迭代升級(jí)的過(guò)程，因此，準(zhǔn)確衡量企業(yè)智能制造發(fā)展水平的變化趨勢(shì)，對(duì)于我國(guó)制造強(qiáng)國(guó)的戰(zhàn)略部署具有重要的現(xiàn)實(shí)意義和政策含義。

在企業(yè)層面，智能制造通過(guò)融合新一代通信技術(shù)和先進(jìn)制造技術(shù)，推動(dòng)企業(yè)在硬件（計(jì)算機(jī)和通信設(shè)施、智能制造裝備等）和軟件（制造技術(shù)、驅(qū)動(dòng)軟件、高端人才等）資產(chǎn)等方面的更新升級(jí)，重塑產(chǎn)品在設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等全生命周期的價(jià)值創(chuàng)造活動(dòng)過(guò)程，從而對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)產(chǎn)生重大影響，最終實(shí)現(xiàn)可觀的未來(lái)收益。因此，科學(xué)合理地測(cè)度企業(yè)智能制造水平，能夠幫助企業(yè)開(kāi)展自我評(píng)價(jià)，分析行業(yè)發(fā)展，及時(shí)調(diào)整投資決策和經(jīng)營(yíng)戰(zhàn)略，實(shí)現(xiàn)價(jià)值最大化。

本文聚焦于企業(yè)智能制造發(fā)展水平的衡量，通過(guò)回顧已有研究，深入剖析各類衡量方法的優(yōu)缺點(diǎn)，并提出基于企業(yè)面板數(shù)據(jù)的智能制造指數(shù)構(gòu)建方法。通過(guò)選取2015 ～2021 年制造業(yè)、采礦業(yè)和能源生產(chǎn)供應(yīng)業(yè)的A 股上市公司作為初始樣本，綜合智能制造的供給投入端（Input）和成效產(chǎn)出端（Output），運(yùn)用面板隨機(jī)前沿分析方法（Panel Stochastic Frontier Approach，PSFA）計(jì)算企業(yè)智能制造指數(shù)（Intelligent Manufacturing，IM），以反映我國(guó)企業(yè)智能制造水平的變化趨勢(shì)。該智能制造指數(shù)構(gòu)建方法克服了現(xiàn)有衡量方式中數(shù)據(jù)難以獲取、主觀性強(qiáng)、僅考慮投入/產(chǎn)出端等局限性，能夠科學(xué)合理地測(cè)度企業(yè)智能制造水平，便于企業(yè)進(jìn)行智能制造水平的自我評(píng)估與行業(yè)對(duì)標(biāo)分析。

二、文獻(xiàn)回顧和述評(píng)

有關(guān)智能制造水平衡量的研究較少，視角不一、方法多樣，包括國(guó)家層面（周濟(jì)，2015；王媛媛和張華榮，2020；唐宜紅和顧麗華，2022；陳秀英和劉勝，2020）、地區(qū)層面（劉軍等，2022；萬(wàn)曉榆等，2020；董志學(xué)和劉英驥，2016）以及企業(yè)層面（龔炳錚，2015；劉進(jìn)等，2022；孟凡生和趙剛，2018；呂榮杰等，2020）的衡量方法，采用的衡量方法包括指標(biāo)體系法、替代指標(biāo)法（如工業(yè)機(jī)器人數(shù)量）、文本分析法、專家打分法、問(wèn)卷調(diào)查法、人工判定法等。

1.國(guó)家層面智能制造水平的衡量。國(guó)家層面智能制造水平的衡量方法主要有指標(biāo)體系法和替代指標(biāo)法兩種。指標(biāo)體系法即依據(jù)特定標(biāo)準(zhǔn)和方法（投入產(chǎn)出分析法、層次分析法、因子分析法等），構(gòu)建由多級(jí)指標(biāo)組成的評(píng)價(jià)體系，最終得到綜合指數(shù)的方法。例如：周濟(jì)（2015）依據(jù)制造強(qiáng)國(guó)的四個(gè)特征——雄厚的產(chǎn)業(yè)規(guī)模、優(yōu)化的產(chǎn)業(yè)結(jié)構(gòu)、良好的質(zhì)量效益、持續(xù)的發(fā)展能力，構(gòu)建了由4 個(gè)一級(jí)指標(biāo)、18 個(gè)二級(jí)指標(biāo)構(gòu)成的制造業(yè)評(píng)價(jià)體系，利用該綜合指標(biāo)來(lái)衡量國(guó)家智能制造水平；王媛媛和張華榮（2020）運(yùn)用投入產(chǎn)出分析方法，構(gòu)建了“制造業(yè)智能化指數(shù)”（IMI），并利用2005 ～2015年OECD投入產(chǎn)出表數(shù)據(jù)，對(duì)G20 國(guó)家制造業(yè)總體以及分行業(yè)智能化發(fā)展水平進(jìn)行了測(cè)度。另外，國(guó)際機(jī)器人聯(lián)合會(huì)官網(wǎng)上公布的各國(guó)使用工業(yè)機(jī)器人的數(shù)量也被諸多學(xué)者用作衡量國(guó)家制造業(yè)智能化發(fā)展程度的代理變量（唐宜紅和顧麗華，2022；陳秀英和劉勝，2020）。

2.地區(qū)層面智能制造水平的衡量。在地區(qū)層面智能制造水平的衡量上，被廣泛使用的方法為指標(biāo)體系法（劉軍等，2022；萬(wàn)曉榆等，2020；董志學(xué)和劉英驥，2016）。目前，指標(biāo)體系法已被列入用于評(píng)價(jià)各?。ㄗ灾螀^(qū)、直轄市）智能制造水平的國(guó)家標(biāo)準(zhǔn)——《智能制造水平評(píng)價(jià)指標(biāo)體系及指數(shù)計(jì)算方法》（GB/T 42757-2023）之中。該標(biāo)準(zhǔn)提出了包含投入端和產(chǎn)出端的4 個(gè)一級(jí)指標(biāo)、11 個(gè)二級(jí)指標(biāo)的智能制造水平評(píng)價(jià)指標(biāo)框架，詳盡地說(shuō)明了數(shù)據(jù)采集方法、指標(biāo)權(quán)重及指數(shù)計(jì)算公式，將于2023 年12 月1日起實(shí)施。

3.企業(yè)層面智能制造水平的衡量。關(guān)于企業(yè)層面智能制造水平的衡量，指標(biāo)體系法最早被提出并應(yīng)用，且隨著研究視角的多樣而不斷豐富（龔炳錚，2015；易偉明等，2018；肖吉軍等，2020）。之后，有學(xué)者開(kāi)始逐漸探索采用其他行之有效的衡量方法，包括文本分析法、專家打分法、問(wèn)卷調(diào)查法等。

文本分析法是指基于公司披露的非結(jié)構(gòu)性文本能夠傳遞諸多信息的觀點(diǎn)，選取企業(yè)年報(bào)全文或管理層討論與分析部分，對(duì)特定文本進(jìn)行搜集分析，挖掘特定主題的企業(yè)決策信息（Li，2010）。例如，呂榮杰等（2020）通過(guò)對(duì)企業(yè)年報(bào)進(jìn)行文本分析，基于“智能化”“智能制造”等關(guān)鍵詞出現(xiàn)的頻數(shù)，構(gòu)建高管團(tuán)隊(duì)對(duì)企業(yè)智能制造過(guò)程中智能產(chǎn)品和智能生產(chǎn)關(guān)注度的指標(biāo)。專家打分法即通過(guò)構(gòu)建智能制造關(guān)鍵詞詞庫(kù)，根據(jù)企業(yè)年報(bào)中關(guān)鍵詞的描述信息，由專家人工閱讀并判斷每家企業(yè)的智能制造水平。例如，劉進(jìn)等（2022）采用專家打分法評(píng)估江蘇省制造業(yè)上市企業(yè)的智能制造水平，以分析政府補(bǔ)貼及稅收優(yōu)惠對(duì)企業(yè)智能制造的影響。問(wèn)卷調(diào)查法即依據(jù)智能制造的不同維度構(gòu)建量表，然后進(jìn)行數(shù)據(jù)采集與分析。例如，孟凡生和趙剛（2018）運(yùn)用問(wèn)卷調(diào)查法獲取我國(guó)15 個(gè)?。ㄊ校┑男履茉囱b備制造企業(yè)大樣本問(wèn)卷結(jié)果，從制造和智能兩個(gè)維度來(lái)測(cè)度企業(yè)智能制造水平。

目前，工業(yè)和信息化部開(kāi)展的智能制造試點(diǎn)示范項(xiàng)目也被用于衡量企業(yè)智能制造水平。例如，權(quán)小鋒和李闖（2022）、張樹(shù)山等（2021a；2021b）將“智能制造試點(diǎn)示范專項(xiàng)行動(dòng)”視為準(zhǔn)自然實(shí)驗(yàn)，通過(guò)傾向得分匹配—雙重差分（PSM-DID）方法，研究智能制造與成本粘性、企業(yè)技術(shù)創(chuàng)新投入、企業(yè)績(jī)效的關(guān)系。另外，有學(xué)者依據(jù)國(guó)家規(guī)劃、財(cái)經(jīng)新聞以及企業(yè)主營(yíng)業(yè)務(wù)等信息來(lái)判斷企業(yè)是否為智能制造企業(yè)，以人工判定的方法對(duì)企業(yè)智能制造進(jìn)行定性衡量從而開(kāi)展相關(guān)研究（劉峰和寧健，2016；應(yīng)里孟等，2020）。此外，還有學(xué)者從不同行業(yè)、不同企業(yè)類型出發(fā)，針對(duì)石化行業(yè)（任嵬等，2019）、機(jī)械制造企業(yè)（任俊飛等，2020）、汽車行業(yè)（蘇青福等，2021）、中小企業(yè)（高亮等，2022）等提出了智能制造水平衡量方法。

4.文獻(xiàn)述評(píng)。從現(xiàn)有研究可以看出，指標(biāo)體系法被廣泛應(yīng)用于智能制造水平的衡量，其方法多樣、指標(biāo)構(gòu)建靈活，但同時(shí)也存在側(cè)重點(diǎn)不同、標(biāo)準(zhǔn)不一的問(wèn)題。專家打分法、調(diào)查問(wèn)卷法以及人工判定法均帶有較強(qiáng)的主觀性，同時(shí)存在數(shù)據(jù)獲取成本較高、難度較大以及同行業(yè)公司信息獲取壁壘高等問(wèn)題，因此這三種方法難以推廣到企業(yè)層面構(gòu)建微觀指數(shù)。此外，工業(yè)和信息化部智能制造試點(diǎn)示范項(xiàng)目的準(zhǔn)自然實(shí)驗(yàn)方法雖然數(shù)據(jù)權(quán)威，但作為定性數(shù)據(jù)無(wú)法充分衡量企業(yè)智能制造水平。國(guó)際機(jī)器人聯(lián)合會(huì)官網(wǎng)上公布的工業(yè)機(jī)器人數(shù)量只能從投入端這一單一視角進(jìn)行衡量，其受到企業(yè)其他資產(chǎn)協(xié)同互補(bǔ)的影響，且存在數(shù)據(jù)獲取難度較大的問(wèn)題，也無(wú)法有效反映企業(yè)智能制造水平。文本分析法也存在一定的問(wèn)題：即使詞集選取時(shí)能夠較好地捕捉到企業(yè)智能制造的相關(guān)信息，但依然存在關(guān)鍵詞詞頻可能在上下文語(yǔ)境的差異下引發(fā)度量偏差的情況。另外，文本分析法作為一種產(chǎn)出端的衡量方式，能否較為準(zhǔn)確地捕捉企業(yè)“做了什么”“做得如何”還與關(guān)鍵詞出現(xiàn)的上下文語(yǔ)境內(nèi)容有關(guān)，而目前尚無(wú)法做到對(duì)具體情境進(jìn)行甄別，因此詞頻只能粗略地反映企業(yè)有關(guān)智能制造的信息披露。

綜上，目前衡量企業(yè)智能制造水平的方法存在定性數(shù)據(jù)局限性高、主觀性強(qiáng)、難以獲取數(shù)據(jù)、難以推廣應(yīng)用、僅考慮投入/產(chǎn)出端等問(wèn)題，因此迫切需要構(gòu)建一個(gè)綜合企業(yè)供給投入端和成效產(chǎn)出端的全面、易得、可追溯的智能制造指數(shù)，用于科學(xué)衡量企業(yè)智能制造水平。

三、企業(yè)智能制造指數(shù)

技術(shù)效率是指在既定的投入下產(chǎn)出可增加的能力，或在既定的產(chǎn)出下投入可減少的能力。由于隨機(jī)前沿分析方法（SFA）基于數(shù)據(jù)隨機(jī)假設(shè)，可以更好地刻畫(huà)企業(yè)智能制造投入產(chǎn)出效率水平，對(duì)參數(shù)的極大似然估計(jì)更適合大樣本，本文利用面板隨機(jī)前沿分析方法來(lái)測(cè)算企業(yè)智能制造指數(shù)。參考《智能制造水平評(píng)價(jià)指標(biāo)體系及指數(shù)計(jì)算方法》（GB/T 42757-2023）中的部分二級(jí)指標(biāo)，本文將企業(yè)智能制造資本投入（包括硬件資本投入和軟件資本投入）以及智能制造勞動(dòng)投入作為供給投入端，將企業(yè)年度營(yíng)業(yè)收入作為成效產(chǎn)出端。

由于上市公司年報(bào)中較少披露有關(guān)智能制造或機(jī)器人、人工智能等新一代信息技術(shù)投入的具體信息，但相應(yīng)的硬件軟件投入在企業(yè)智能化轉(zhuǎn)型過(guò)程中必不可少，本文借鑒劉飛和田高良（2019）的研究，通過(guò)計(jì)算企業(yè)的硬件資本投入和軟件資本投入，間接反映智能制造資本投入。其中：硬件資本主要包括固定資產(chǎn)中的機(jī)器機(jī)械設(shè)備、電子設(shè)備、計(jì)算機(jī)及輔助設(shè)備和通訊設(shè)備的年度凈值；軟件資本為無(wú)形資產(chǎn)中的軟件資產(chǎn)年度凈值。此外，選取生產(chǎn)和技術(shù)人員人數(shù)作為智能制造勞動(dòng)投入。

1.數(shù)據(jù)來(lái)源和研究設(shè)計(jì)。選取2015 ～2021 年制造業(yè)、采礦業(yè)、能源生產(chǎn)供應(yīng)業(yè)所有A股上市公司作為初始樣本，上市公司年報(bào)中均披露了企業(yè)智能制造硬件資本投入和軟件資本投入、生產(chǎn)和技術(shù)員工人數(shù)以及年度營(yíng)業(yè)收入等數(shù)據(jù)，保證了大樣本的可得性。本文使用的智能制造硬件資本投入和軟件資本投入數(shù)據(jù)來(lái)源于RESSET 數(shù)據(jù)庫(kù)，員工數(shù)據(jù)來(lái)源于Wind 數(shù)據(jù)庫(kù)，企業(yè)營(yíng)業(yè)收入及其他財(cái)務(wù)數(shù)據(jù)來(lái)源于CSMAR數(shù)據(jù)庫(kù)。

考慮到資本和勞動(dòng)相互作用對(duì)產(chǎn)出的影響，在面板隨機(jī)前沿分析中選擇超越對(duì)數(shù)生產(chǎn)函數(shù)（Trans-Log），通過(guò)極大似然法估計(jì)出各個(gè)參數(shù)值，然后用技術(shù)無(wú)效率項(xiàng)的條件期望來(lái)測(cè)算非效率值，具體如模型（1）所示：

其中，Qi、Ki、Li分別代表營(yíng)業(yè)收入、智能制造資本投入與智能制造勞動(dòng)投入。智能制造資本投入為固定資產(chǎn)中的機(jī)器機(jī)械設(shè)備、電子設(shè)備、計(jì)算機(jī)及輔助設(shè)備、通訊設(shè)備期末凈值和無(wú)形資產(chǎn)中的軟件資產(chǎn)期末凈值之和；智能制造勞動(dòng)投入為生產(chǎn)和技術(shù)員工人數(shù)總和。

由于樣本為面板數(shù)據(jù)，本文使用Cornwell 等（1990）的固定效應(yīng)模型和Jondrow 等（1982）的估計(jì)量，通過(guò)E（u|ε）對(duì)技術(shù)效率低下進(jìn)行估計(jì)，得到非效率指標(biāo)u，然后生成智能制造水平的代理變量——智能制造指數(shù)（IM）：

IMit=exp（-u）×100

由于u＞0，IM 值介于0 ～100 之間，IM 值越接近于100，代表該決策單元的技術(shù)效率越高，企業(yè)智能制造水平越高。

2.企業(yè)智能制造指數(shù)描述性統(tǒng)計(jì)分析。本文基于以上研究設(shè)計(jì)測(cè)算出企業(yè)智能制造指數(shù)，剔除因樣本不足導(dǎo)致的智能制造指數(shù)缺失值和1‰水平上的極端值，最終剩余1796家企業(yè)的9368個(gè)“公司—年度”樣本數(shù)據(jù)。

表1 列示了智能制造指數(shù)分行業(yè)的描述性統(tǒng)計(jì)結(jié)果。由表1可知：制造業(yè)企業(yè)占總樣本的93.36%，其智能制造指數(shù)均值為2.104，小于采礦業(yè)和能源生產(chǎn)供應(yīng)業(yè)及全樣本的均值；制造業(yè)智能制造指數(shù)的最小值僅為0.080，最大值達(dá)到47.398，反映出我國(guó)制造業(yè)企業(yè)間的智能制造發(fā)展水平差異較大；另外，各行業(yè)智能制造指數(shù)的均值均高于中位數(shù)，說(shuō)明部分企業(yè)智能化程度已處于較高水平，而大部分企業(yè)的智能制造水平還有待提升。

表1 智能制造指數(shù)分行業(yè)描述性統(tǒng)計(jì)

表2 列示了智能制造主要數(shù)據(jù)的分年度均值統(tǒng)計(jì)情況，圖1 直觀地展示了其變化趨勢(shì)。由表2 和圖1 可知：2015 ～2020 年企業(yè)智能制造水平呈逐年上升的趨勢(shì)，2021 年稍有下降；硬件資本投入遠(yuǎn)高于軟件資本投入，但軟件資本投入增幅明顯高于硬件資本投入；另外，生產(chǎn)和技術(shù)員工人數(shù)經(jīng)歷了先下降后上升的過(guò)程，說(shuō)明智能制造對(duì)生產(chǎn)員工帶來(lái)了替代效應(yīng)，同時(shí)對(duì)技術(shù)員工提出了更高的能力要求，勞動(dòng)力結(jié)構(gòu)改善引發(fā)人員波動(dòng)。

圖1 智能制造主要數(shù)據(jù)均值變化趨勢(shì)

表2 智能制造主要數(shù)據(jù)分年度均值

3.基于智能制造試點(diǎn)示范項(xiàng)目的智能制造指數(shù)有效性檢驗(yàn)。工業(yè)和信息化部在智能制造試點(diǎn)示范項(xiàng)目的遴選過(guò)程中，制定了《智能制造試點(diǎn)示范項(xiàng)目要素條件》作為指引，對(duì)企業(yè)具備的要素和條件提出了相應(yīng)要求，因此可以確定入選試點(diǎn)示范項(xiàng)目的企業(yè)智能制造水平較高。根據(jù)工業(yè)和信息化部2015 ～2018 年發(fā)布的智能制造試點(diǎn)示范項(xiàng)目名單，以是否入選該名單對(duì)樣本進(jìn)行分組，并進(jìn)行智能制造指數(shù)的均值T檢驗(yàn)。表3的檢驗(yàn)結(jié)果表明，入選試點(diǎn)示范項(xiàng)目組的智能制造指數(shù)均值顯著高于未入選試點(diǎn)示范項(xiàng)目組，且均值差異在1%的水平上顯著。

表3 基于智能制造試點(diǎn)示范項(xiàng)目的分組均值檢驗(yàn)

由于智能制造試點(diǎn)示范項(xiàng)目于2015 ～2018 年開(kāi)展，且2019 年后受疫情影響較大，故本文還分別選取2015 ～2019年、2015 ～2018年的樣本進(jìn)行有效性檢驗(yàn)。表3中的結(jié)果顯示，2015 ～2019年、2015 ～2018年入選試點(diǎn)示范項(xiàng)目組的智能制造指數(shù)均值依然顯著高于未入選試點(diǎn)示范項(xiàng)目組。可以看出，入選智能制造試點(diǎn)示范項(xiàng)目的上市公司的智能制造指數(shù)顯著更高，因此本文提出的智能制造指數(shù)能夠有效反映企業(yè)智能制造水平。

四、結(jié)語(yǔ)

在我國(guó)推進(jìn)新型工業(yè)化，加快建設(shè)制造強(qiáng)國(guó)，推動(dòng)制造業(yè)高端化、智能化發(fā)展的背景下，本文聚焦于企業(yè)層面的智能制造水平衡量，參考智能制造水平的國(guó)家標(biāo)準(zhǔn)以及已有研究，綜合企業(yè)智能制造的供給投入端和成效產(chǎn)出端，利用面板隨機(jī)前沿分析方法，測(cè)算企業(yè)從智能制造投入到產(chǎn)出經(jīng)濟(jì)效益的過(guò)程效率，得到反映企業(yè)智能制造水平的效率指數(shù)（IM）。經(jīng)過(guò)分析發(fā)現(xiàn)，我國(guó)制造業(yè)企業(yè)間智能制造發(fā)展水平差異較大，且大部分企業(yè)的智能制造水平低于平均水平。自2015 年起，隨著智能制造發(fā)展規(guī)劃的提出以及相關(guān)國(guó)家標(biāo)準(zhǔn)的不斷完善，企業(yè)智能制造水平呈顯著上升趨勢(shì)。此外，本文利用工業(yè)和信息化部發(fā)布的智能制造試點(diǎn)示范項(xiàng)目名單，對(duì)智能制造指數(shù)的有效性進(jìn)行了檢驗(yàn)，結(jié)果顯示本文構(gòu)建的智能制造指數(shù)能夠較好地反映企業(yè)智能制造水平。

基于面板隨機(jī)前沿分析方法的企業(yè)智能制造指數(shù)能夠科學(xué)合理地反映企業(yè)智能制造水平，其大樣本可得的優(yōu)點(diǎn)對(duì)于學(xué)術(shù)研究以及企業(yè)時(shí)間序列上的自我評(píng)價(jià)與行業(yè)比較分析都具有較好的參考價(jià)值。

【 主要參考文獻(xiàn)】

陳秀英，劉勝.智能制造轉(zhuǎn)型對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)影響的實(shí)證研究［J］.統(tǒng)計(jì)與決策，2020（13）：121 ～124.

董志學(xué)，劉英驥.我國(guó)主要省市智能制造能力綜合評(píng)價(jià)與研究——基于因子分析法的實(shí)證分析［J］.現(xiàn)代制造工程，2016（1）：151 ～158.

高亮，吉敏，楊敬輝.中小企業(yè)智能制造能力成熟度模型［J］.科技管理研究，2022（6）：36 ～42.

龔炳錚.智能制造企業(yè)評(píng)價(jià)指標(biāo)及評(píng)估方法的探討［J］.電子技術(shù)應(yīng)用，2015（11）：6 ～8.

劉飛，田高良.信息技術(shù)是否替代了就業(yè)——基于中國(guó)上市公司的證據(jù)［J］.財(cái)經(jīng)科學(xué)，2019（7）：95 ～107.

劉峰，寧健.智能制造企業(yè)技術(shù)創(chuàng)新效率及其影響因素［J］.企業(yè)經(jīng)濟(jì)，2016（4）：142 ～147.

劉進(jìn)，李霆威，王雷.財(cái)稅政策對(duì)企業(yè)智能制造的影響——以江蘇為例［J］.科技與經(jīng)濟(jì)，2022（1）：6 ～10.

劉軍，錢(qián)宇，曹雅茹等.中國(guó)制造業(yè)智能化驅(qū)動(dòng)因素及其區(qū)域差異［J］.中國(guó)科技論壇，2022（1）：84 ～93.

呂榮杰，張思佳，吳超.高管團(tuán)隊(duì)注意力對(duì)企業(yè)技術(shù)獲取模式的影響——基于智能制造視角［J］.科技管理研究，2020（8）：166 ～175.

孟凡生，趙剛.傳統(tǒng)制造向智能制造發(fā)展影響因素研究［J］.科技進(jìn)步與對(duì)策，2018（1）：66 ～72.

權(quán)小鋒，李闖.智能制造與成本粘性——來(lái)自中國(guó)智能制造示范項(xiàng)目的準(zhǔn)自然實(shí)驗(yàn)［J］.經(jīng)濟(jì)研究，2022（4）：68 ～84.

任俊飛，吳立輝，魚(yú)鵬飛等.機(jī)械制造企業(yè)智能制造能力成熟度評(píng)價(jià)研究［J］.科技創(chuàng)新與應(yīng)用，2020（2）：55 ～56+58.

任嵬，索寒生，招庚等.石化行業(yè)智能工廠能力成熟度模型研究［J］.計(jì)算機(jī)與應(yīng)用化學(xué)，2019（3）：247 ～254.

蘇青福，劉雙虎，董方岐等.汽車行業(yè)智能制造能力成熟度評(píng)估指標(biāo)研究［J］.信息技術(shù)與標(biāo)準(zhǔn)化，2021（Z1）：37 ～43.

唐宜紅，顧麗華.智能制造對(duì)出口的影響——基于工業(yè)機(jī)器人的經(jīng)驗(yàn)證據(jù)［J］.國(guó)際經(jīng)貿(mào)探索，2022（4）：4 ～21.

萬(wàn)曉榆，趙寒，張炎.我國(guó)智能化發(fā)展評(píng)價(jià)指標(biāo)體系構(gòu)建與測(cè)度［J］.重慶社會(huì)科學(xué)，2020（5）：84 ～97+2.

王媛媛，張華榮.G20 國(guó)家智能制造發(fā)展水平比較分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020（9）：3 ～23.

肖吉軍，鄭穎琦，徐潔萍.基于AHP與DHNN的智能制造成熟度評(píng)估模型研究［J］.系統(tǒng)科學(xué)學(xué)報(bào)，2020（2）：105 ～110.

易偉明，董沛武，王晶.基于高階張量分析的企業(yè)智能制造能力評(píng)價(jià)模型研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2018（1）：11 ～16.

應(yīng)里孟，陽(yáng)杰，高曼如.智能制造與企業(yè)績(jī)效——基于PSM-DID方法的實(shí)證檢驗(yàn)［J］.財(cái)會(huì)月刊，2020（12）：11 ～17.

張樹(shù)山，胡化廣，孫磊等.智能制造如何影響企業(yè)績(jī)效？——基于“智能制造試點(diǎn)示范專項(xiàng)行動(dòng)”的準(zhǔn)自然實(shí)驗(yàn)［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2021a（11）：120～136.

張樹(shù)山，胡化廣，孫磊.智能制造有利于增加企業(yè)技術(shù)創(chuàng)新投入嗎——基于智能制造試點(diǎn)的準(zhǔn)自然實(shí)驗(yàn)［J］.科技進(jìn)步與對(duì)策，2021b（23）：76 ～85.

周濟(jì).智能制造——“中國(guó)制造2025”的主攻方向［J］.中國(guó)機(jī)械工程，2015（17）：2273 ～2284.

Cornwell C.，P.Schmidt，R.C.Sickles.Production frontiers with crosssectional and time-series variation in efficiency levels［J］.Journal of Econometrics，1990（1-2）：185 ～200.

Jondrow J.，C.A.K.Lovell，I.S.Materov，P.Schmidt.On the estimation of technical inefficiency in the stochastic frontier production function model［J］.Journal of Econometrics，1982（2-3）：233 ～238.

Li F..Textual analysis of corporate disclosures：A survey of the literature［J］.Journal of Accounting Literature，2010（29）：143 ～165.