黃亦芃 王佳欣

(對外經(jīng)濟(jì)貿(mào)易大學(xué) 北京 100000)

1 選題概述

1.1 研究的具體問題

本文選擇研究的方向?yàn)榭萍及l(fā)展對工業(yè)行業(yè)利潤產(chǎn)生影響的各項(xiàng)因素，具體問題為估計規(guī)模以上工業(yè)企業(yè)相關(guān)新產(chǎn)品項(xiàng)目數(shù)量對規(guī)模以上工業(yè)企業(yè)的總利潤的因果效應(yīng)。

1.2 選題的意義和原因

工業(yè)作為最主要的物質(zhì)生產(chǎn)部門，為居民生活、各行業(yè)的經(jīng)濟(jì)活動提供物質(zhì)產(chǎn)品，這一重要作用是其他任何產(chǎn)業(yè)部門都無法替代的，建立構(gòu)造健全的產(chǎn)能結(jié)構(gòu)是解決我國目前所面臨的“中等收入陷阱”的必由之路。例如，制造商領(lǐng)導(dǎo)的回收再制造供應(yīng)鏈中，技術(shù)創(chuàng)新成本影響制造商的回收再制造模式。本文通過對我國的工業(yè)發(fā)展情況進(jìn)行一種更加立體化的詮釋，在產(chǎn)業(yè)鏈上游綠色家電的研發(fā)與設(shè)計中利用綠色技術(shù)創(chuàng)新機(jī)制來提高家電產(chǎn)品的綠色度，調(diào)整有限的資源要素用于科學(xué)研究、設(shè)備升級、管理結(jié)構(gòu)改造時所應(yīng)占有的權(quán)重，助力實(shí)現(xiàn)有利于生產(chǎn)效率提高的最優(yōu)配比，因此具有指導(dǎo)生產(chǎn)經(jīng)營的重要現(xiàn)實(shí)意義。

2 理論模型分析

2.1 確定解釋變量和被解釋變量

規(guī)模以上工業(yè)企業(yè)利潤總額為本文選擇的被解釋變量。在闡述被解釋變量時，本文共選取了六組對被解釋變量可能產(chǎn)生顯著影響的省份間年度數(shù)據(jù)：規(guī)模以上工業(yè)企業(yè)相關(guān)新產(chǎn)品項(xiàng)目數(shù)、工業(yè)生產(chǎn)者價格指數(shù)、工業(yè)企業(yè)流動資產(chǎn)合計、歷年來居民人均消費(fèi)支出、工業(yè)企業(yè)銷售費(fèi)用和工業(yè)企業(yè)的有效專利申請數(shù)目。其中，本文以規(guī)模以上工業(yè)企業(yè)相關(guān)新產(chǎn)品項(xiàng)目數(shù)為解釋變量，其他五項(xiàng)因素為控制變量，并進(jìn)行模型構(gòu)建。

2.2 基于相關(guān)理論來闡釋解釋變量對被解釋變量的影響機(jī)制

解釋變量：規(guī)模以上工業(yè)企業(yè)相關(guān)新產(chǎn)品項(xiàng)目數(shù)量。作為一種特殊的創(chuàng)新活動，新產(chǎn)品開發(fā)涉及多個學(xué)科技術(shù)知識的整合問題，其本質(zhì)是企業(yè)不斷創(chuàng)造新知識的過程。新產(chǎn)品本身包含科學(xué)成果的積極投入因素，其設(shè)計、開發(fā)、投產(chǎn)過程均需多元技術(shù)主體的相互配合，其開發(fā)數(shù)量也是科研成果的反映渠道。作為衡量指標(biāo)，可以反映我國總體的技術(shù)開發(fā)環(huán)境、接受廣度與行業(yè)內(nèi)預(yù)期總水平。新產(chǎn)品項(xiàng)目數(shù)量同樣與知識產(chǎn)權(quán)保護(hù)水平密切關(guān)聯(lián)，作為激勵創(chuàng)新的重要工具，保護(hù)知識產(chǎn)權(quán)就是保護(hù)創(chuàng)新。

控制變量：(1)工業(yè)生產(chǎn)者價格指數(shù)(PPI)。工業(yè)生產(chǎn)者價格指數(shù)是衡量工業(yè)企業(yè)產(chǎn)品出廠價格變動趨勢和變動程度的因素，由員工工資，即勞動力價格和生產(chǎn)要素兩部分組成。要達(dá)到縮短新產(chǎn)品開發(fā)周期、提高新產(chǎn)品的技術(shù)含量和降低新產(chǎn)品開發(fā)費(fèi)用的目標(biāo)，原材料供應(yīng)商是一個不可忽視的重要因素。根據(jù)財務(wù)會計中利潤=收入-成本的基本公式，PPI作為衡量企業(yè)生產(chǎn)成本的價格指標(biāo)，其漲落會對利潤的計算產(chǎn)生直接干預(yù)。在此基礎(chǔ)上，PPI會通過上下游傳導(dǎo)機(jī)制使相同波幅傳導(dǎo)至與利潤密切相關(guān)的消費(fèi)者價格指數(shù)(CPI)層面，使利潤的計算產(chǎn)生偏差，故而將工業(yè)生產(chǎn)者價格指數(shù)作為控制變量進(jìn)行考察。

(1)流動資產(chǎn)合計。流動資產(chǎn)是指企業(yè)可在一年或超過一年的一個營業(yè)周期內(nèi)變現(xiàn)或運(yùn)用的資產(chǎn)。在工業(yè)生產(chǎn)領(lǐng)域，企業(yè)的流動資產(chǎn)意味著企業(yè)實(shí)際上所能控制和支配的資源，即企業(yè)目前要進(jìn)行經(jīng)營活動所需要具備的生產(chǎn)要素。流動資產(chǎn)的凈值使擴(kuò)大生產(chǎn)規(guī)模和豐富產(chǎn)能結(jié)構(gòu)具備可能性。因此，在同等技術(shù)條件下，掌握的流動資產(chǎn)越多，創(chuàng)造利潤的能力也就越強(qiáng)，本文預(yù)測企業(yè)所持有的流動資產(chǎn)越多，利潤越高。

(3)人均消費(fèi)支出。人均消費(fèi)支出是一個國家國民生產(chǎn)總值(GNP)除以該國國民人口總數(shù)所得出的商，即分?jǐn)偟矫總€國民身份上的國民生產(chǎn)總值的平均值。在經(jīng)濟(jì)學(xué)上，一般用來衡量或表示一個國家的經(jīng)濟(jì)發(fā)展程度。首先，人均消費(fèi)支出作為衡量消費(fèi)水平的重要標(biāo)準(zhǔn)，標(biāo)志著需求端對工業(yè)企業(yè)利潤的拉力；其次，人均消費(fèi)支出具有廣闊的社會面向，投射出社會總體的消費(fèi)程度，是衡量一個國家經(jīng)濟(jì)水平不可或缺的重要指標(biāo)。最后，人均消費(fèi)支出的變動對工業(yè)企業(yè)的利潤同樣會產(chǎn)生影響，可能使擬合的結(jié)果出現(xiàn)偏差，故而作為控制變量進(jìn)行考量。

(4)銷售費(fèi)用。銷售費(fèi)用是與企業(yè)銷售商品活動有關(guān)的費(fèi)用，但不包括銷售商品本身的成本和勞務(wù)成本。在會計術(shù)語中，銷售費(fèi)用應(yīng)被納入成本的一部分進(jìn)行計算。工業(yè)企業(yè)在生產(chǎn)經(jīng)營中可能被征收各種稅費(fèi)，甚至由于經(jīng)濟(jì)的政策導(dǎo)向，將對各項(xiàng)稅費(fèi)的控制作為財務(wù)上的重要考量，從而出現(xiàn)改變生產(chǎn)結(jié)構(gòu)的現(xiàn)象。費(fèi)用出自會計術(shù)語，但在工業(yè)企業(yè)的生產(chǎn)經(jīng)營和利潤計價中，由于實(shí)際上必須考慮的碳配額或污水排放等環(huán)境問題，會對后者產(chǎn)生顯著影響。

(5)有效專利申請數(shù)。企業(yè)技術(shù)創(chuàng)新支撐能力逐漸成為制約企業(yè)技術(shù)創(chuàng)新發(fā)展的主要影響因素。有效專利指的是在統(tǒng)計期間，各個企業(yè)向?qū)＠痔峤坏纳暾垟?shù)量，種類包括發(fā)明、實(shí)用新型和外觀設(shè)計等。專利申請數(shù)與知識產(chǎn)權(quán)在生產(chǎn)過程中所受的重視程度密切掛鉤，均能鼓勵生產(chǎn)者通過法定程序確定發(fā)明創(chuàng)造的權(quán)利歸屬關(guān)系，從而有效保護(hù)發(fā)明創(chuàng)造成果，獨(dú)占市場，以換取最大利益，也體現(xiàn)出市場對科學(xué)技術(shù)創(chuàng)新的保護(hù)程度。

2.3 初步判定各個解釋變量對于被解釋變量的影響方向

變量的變化方向預(yù)測如表1所示。

表1 變量的變化方向預(yù)測

3 數(shù)據(jù)說明

3.1 數(shù)據(jù)的收集和整理

本課題數(shù)據(jù)來源于國家統(tǒng)計數(shù)據(jù)庫，目前，該數(shù)據(jù)庫已覆蓋國家統(tǒng)計局和其他部門的統(tǒng)計指標(biāo)3881個，加載數(shù)據(jù)報表近13000張，總數(shù)據(jù)量達(dá)到191萬筆。本文所選取的數(shù)據(jù)及原因已在第二節(jié)中進(jìn)行說明，數(shù)據(jù)選取時間為2013—2021年，包含31個省份各個年度的平面數(shù)據(jù)及面板數(shù)據(jù)(見表2)。

表2 變量名稱及意義

3.2 數(shù)據(jù)的描述性分析

總利潤與新產(chǎn)品項(xiàng)目數(shù)量散點(diǎn)圖如圖1所示。

圖1 總利潤與新產(chǎn)品項(xiàng)目數(shù)量散點(diǎn)圖

3.2.1 被解釋變量與解釋變量的散點(diǎn)圖

3.2.2 數(shù)據(jù)的描述性分析

圖2至圖8列出了項(xiàng)目的觀測值個數(shù)279個，以及各個變量的均值、標(biāo)準(zhǔn)差、最小值、最大值、偏度及峰度。

圖2 總利潤描述性分析

圖3 新產(chǎn)品項(xiàng)目數(shù)量描述性分析

圖4 PPI描述性分析

圖5 流動資產(chǎn)描述性分析

圖6 人均消費(fèi)支出描述性分析

圖7 銷售費(fèi)用描述性分析

圖8 有效專利申請數(shù)描述性分析

3.2.3 異方差討論

在實(shí)際情況下，干擾總利潤的因素有很多，其中很多因素都與新產(chǎn)品項(xiàng)目數(shù)量有所聯(lián)系，本文認(rèn)為總體回歸函數(shù)中的隨機(jī)誤差項(xiàng)在解釋變量條件下的方差是會變化的，不符合同方差條件。同時，由于異方差穩(wěn)健標(biāo)準(zhǔn)誤無論同方差假設(shè)是否被違反，都是正確的，所有應(yīng)總是計算異方差穩(wěn)健標(biāo)準(zhǔn)誤，故本文在模型中采用異方差穩(wěn)健標(biāo)準(zhǔn)誤。

4 模型設(shè)定和實(shí)證分析

4.1 混合截面數(shù)據(jù)分析與回歸方程函數(shù)形式選取

為了更精確地闡明解釋變量與被解釋變量之間的關(guān)系，本小組采用混合截面分析方法分析數(shù)據(jù)，進(jìn)行多次多元回歸分析，并進(jìn)行假設(shè)檢驗(yàn)，選取最優(yōu)化模型。

4.1.1 線性模型回歸結(jié)果分析

假設(shè)檢驗(yàn)分析：由Stata的統(tǒng)計結(jié)果，解釋變量new_product的系數(shù)P值大于5%的顯著水平，因此不能拒絕其系數(shù)為0的原假設(shè)，說明其對總利潤的影響在統(tǒng)計上不顯著。其他變量對總利潤的影響是顯著的，故本文對其他變量采用線性形式。

4.1.2 引入對數(shù)項(xiàng)的非線性模型回歸結(jié)果分析

由于散點(diǎn)圖中解釋變量與被解釋變量之間呈現(xiàn)的圖像更接近對數(shù)函數(shù)圖像，同時新產(chǎn)品項(xiàng)目數(shù)量的變動百分比在經(jīng)濟(jì)學(xué)中具有重要意義，故引入new_product的對數(shù)ln_new_product代替new_product的絕對量。

假設(shè)檢驗(yàn)分析：由Stata中顯示的數(shù)據(jù)可以看出，比起模型一，ln_new_product的系數(shù)P值有了很大程度的縮小，可以在5%的顯著性水平上拒絕其系數(shù)為0的原假設(shè)，因此認(rèn)為新產(chǎn)品項(xiàng)目數(shù)量變動的百分比對總利潤有顯著影響,應(yīng)采用多元非線性回歸模型。

4.1.3 加入平方項(xiàng)的非線性模型回歸結(jié)果分析

本文在模型中加入new_product的對數(shù)形式的平方項(xiàng)ln_new_product2，觀察平方項(xiàng)對總利潤的影響程度，并分析其顯著性，判斷是否是模型中重要的一項(xiàng)變量。

假設(shè)檢驗(yàn)分析：Stata分析結(jié)果顯示，平方項(xiàng)的回歸結(jié)果并不顯著，同時改變了一次項(xiàng)解釋變量ln_new_product的系數(shù)符號，也降低了其顯著性，故本文認(rèn)為ln_new_product2不是模型中重要的一項(xiàng)變量，不應(yīng)將其引入。因此，本文在后續(xù)的優(yōu)化模型中去除了這一變量。

4.1.4 引入交互項(xiàng)的非線性模型回歸結(jié)果分析

在選擇的四個控制變量中，本文認(rèn)為在實(shí)際生產(chǎn)生活中，它們相互之間的影響是十分復(fù)雜的，例如銷售費(fèi)用與出廠價格指數(shù)存在一定的關(guān)系；當(dāng)銷售費(fèi)用增加時，企業(yè)成本增加，出廠價格也會相應(yīng)增加，以保證企業(yè)獲得利潤；又比如，當(dāng)企業(yè)規(guī)模較大，企業(yè)的銷售費(fèi)用較大時，會對其流動資產(chǎn)數(shù)額產(chǎn)生反向變動的影響。為保證統(tǒng)計的嚴(yán)謹(jǐn)性，本文在模型中多次引入了可能有聯(lián)系的兩個不同變量的交互項(xiàng)，力求尋找顯著性強(qiáng)的交互項(xiàng)，并作為模型最終引入變量。最終本文發(fā)現(xiàn)，current_asset與var_cost的交互項(xiàng)asset_cost對模型解釋具有良好效果。

假設(shè)檢驗(yàn)分析：由Stata分析結(jié)果可以看到，在引入交互項(xiàng)后，解釋變量的顯著性增強(qiáng)，且各項(xiàng)變量均較為顯著，可以在5%的顯著性水平上拒絕它們的系數(shù)為0的原假設(shè)，所以應(yīng)在模型中引入此交互項(xiàng)。同時，模型聯(lián)合檢驗(yàn)中的F統(tǒng)計量遠(yuǎn)大于臨界值，聯(lián)合檢驗(yàn)也是顯著的，本模型四是目前進(jìn)行混合截面數(shù)據(jù)分析后的最優(yōu)模型。

4.2 面板回歸分析

本文使用在混合截面數(shù)據(jù)分析之后得到的最優(yōu)模型四，進(jìn)一步加入固定效應(yīng)，并進(jìn)行面板回歸分析。

4.2.1 加入虛擬變量的固定效應(yīng)估計

(1)加入虛擬變量的個體固定效應(yīng)回歸

根據(jù)Stata的回歸結(jié)果，個體固定效應(yīng)F值大于臨界值，個體固定效應(yīng)顯著。加入描述不同省份的虛擬變量后，雖然擬合優(yōu)度上升到了0.9666，F(xiàn)值較大，聯(lián)合假設(shè)檢驗(yàn)顯著，但根據(jù)t值，有兩個變量變得不顯著，因此不能認(rèn)為加入個體固定效應(yīng)后改善了遺漏變量偏差的問題。

(2)加入虛擬變量的時間固定效應(yīng)回歸

根據(jù)Stata的回歸結(jié)果，時間固定效應(yīng)F值大于臨界值，個體固定效應(yīng)顯著。然而，加入虛擬變量的時間固定效應(yīng)后，對擬合優(yōu)度沒有顯著提升，聯(lián)合假設(shè)依舊檢驗(yàn)顯著，但根據(jù)t值，仍然有兩個變量變得不顯著，因此也不能認(rèn)為加入時間固定效應(yīng)后改善了遺漏變量偏差的問題。

(3)加入虛擬變量的雙固定回歸效應(yīng)

由Stata分析的數(shù)據(jù)可以看到，加入虛擬變量的雙固定效應(yīng)回歸模型的R2很高，達(dá)到0.9730，F(xiàn)統(tǒng)計量的P值也很小，但變量中有5個都變得不顯著，因此引入雙固定效應(yīng)對遺漏變量偏差也沒有很好的改善。

4.2.2 直接進(jìn)行固定效應(yīng)回歸

本文首先設(shè)置面板，對面板數(shù)據(jù)進(jìn)行描述性統(tǒng)計。

(1)個體固定效應(yīng)回歸

本文利用Stata直接進(jìn)行個體固定效應(yīng)回歸，得到的模型擬合優(yōu)度大幅降低，只有0.6226，同時存在多個系數(shù)不顯著的情況。此外，F(xiàn)值比較低，聯(lián)合顯著性假設(shè)檢驗(yàn)不通過，不符合之前的預(yù)期及之前模型的結(jié)論，因此認(rèn)為這個模型并不是很具有說服力。

(2)時間固定效應(yīng)回歸

加入時間固定效應(yīng)之后本文利用Stata直接進(jìn)行了回歸，和模型四相比擬合優(yōu)度變化不顯著，雖然F值較高，說明聯(lián)合顯著性假設(shè)檢驗(yàn)結(jié)果較為顯著，各項(xiàng)系數(shù)正負(fù)號相符，但無法保證在5%的水平上顯著，不符合之前的預(yù)期和結(jié)論，所以不能認(rèn)為該模型較好地改善了遺漏變量偏差帶來的問題。

(3)既有個體固定效應(yīng)又有時間固定效應(yīng)的回歸

本文利用St at a進(jìn)行既有個體固定效應(yīng)又有時間固定效應(yīng)的回歸，得到的模型擬合優(yōu)度大幅降低，只有0.6943，同時存在多個系數(shù)不顯著的情況。此外，F(xiàn)值比較低，聯(lián)合顯著性假設(shè)檢驗(yàn)不通過，不符合之前的預(yù)期及之前模型的結(jié)論，因此認(rèn)為這個模型同樣并不是很具有說服力。

5 模型選擇與評價

5.1 模型匯總

由于加入虛擬變量的模型與直接利用Stata自帶的面板數(shù)據(jù)估計命令進(jìn)行固定效應(yīng)回歸得到的結(jié)果相同，因此本文在模型匯總時不考慮加入虛擬變量的模型。本文共涉及7個模型的建立，匯總?cè)绫?所示。

表3 模型匯總

5.2 內(nèi)部有效性威脅分析

5.2.1 遺漏變量偏差

在實(shí)際中，與新產(chǎn)品項(xiàng)目數(shù)量有關(guān)，而且對企業(yè)總利潤產(chǎn)生影響的因素有很多，比如企業(yè)的發(fā)展水平、員工的薪資水平等。但對于遺漏變量偏差的問題，本文已經(jīng)引入了一系列重要的控制變量，以及加入交互項(xiàng)的方法對該問題進(jìn)行了一定改善，但面對其他難以觀測或難以找到控制變量的遺漏變量，還可以在未來使用工具變量或利用隨機(jī)對照試驗(yàn)研究感興趣的效應(yīng)，進(jìn)一步解決遺漏變量偏差對內(nèi)部有效性構(gòu)成的威脅。

5.2.2 函數(shù)形式誤設(shè)

在第一次回歸時，本文使用了簡單的線性模型，發(fā)現(xiàn)模型存在較大問題，因此從函數(shù)形式入手，進(jìn)行改動，最后得到了解釋力度更好的非線性模型。雖然本文在探究過程中對函數(shù)形式進(jìn)行了一步步修正，但依然不能保證目前得到的最優(yōu)模型的函數(shù)形式完全正確。因此，本文還需要通過觀察數(shù)據(jù)和回歸函數(shù)估計圖作進(jìn)一步研究，采取不同的函數(shù)形式進(jìn)行修正。

5.2.3 測量誤差

本文的數(shù)據(jù)來自國家統(tǒng)計局，且都為事實(shí)數(shù)據(jù)并非調(diào)查數(shù)據(jù)，因此應(yīng)不存在應(yīng)答者給出錯誤答案及故意誤報的問題。雖然數(shù)據(jù)庫較為可靠，但依然可能存在一定的測量誤差偏差。為了解決測量誤差的問題，本文可以使用工具變量回歸的方法，或者建立測量誤差的數(shù)學(xué)模型調(diào)整估計值。

5.2.4 數(shù)據(jù)缺失

本文的數(shù)據(jù)涵蓋了31個省或直轄市9年共279個數(shù)據(jù)，并不存在數(shù)據(jù)缺失問題，在面板回歸分析設(shè)置面板時，Stata報告為平衡面板，因此可以認(rèn)為數(shù)據(jù)不存在缺失問題。

5.2.5 雙向因果關(guān)系

從經(jīng)濟(jì)角度分析，模型中被解釋變量總利潤會對解釋變量新產(chǎn)品項(xiàng)目數(shù)量產(chǎn)生影響?？偫麧櫢叩墓I(yè)企業(yè)可能愿意投入更多資金進(jìn)行新產(chǎn)品的研發(fā)，所以存在雙向因果關(guān)系。要緩解雙向因果關(guān)系偏差，本文可利用工具變量回歸，或設(shè)計并實(shí)施一項(xiàng)使反向因果關(guān)系失效的隨機(jī)對照實(shí)驗(yàn)。

5.3 最終回歸結(jié)果與總結(jié)

根據(jù)所有回歸結(jié)果，本文最終選擇的是模型四，能夠較好地解釋規(guī)模以上工業(yè)企業(yè)相關(guān)新產(chǎn)品項(xiàng)目數(shù)量對規(guī)模以上工業(yè)企業(yè)總利潤的影響。

標(biāo)準(zhǔn)化形式的回歸結(jié)果：

以下對回歸結(jié)果中各系數(shù)進(jìn)行解釋：

截距項(xiàng)——回歸函數(shù)的大致位置；

(1)ln_new_product前的系數(shù)——其他條件不變時，新產(chǎn)品項(xiàng)目數(shù)量每增加1%，總利潤平均增加130.3725%；

(2)var_PPI前的系數(shù)——其他條件不變時，工業(yè)生產(chǎn)者價格指數(shù)每增加一單位，總利潤平均增加25.94913億元；

(3)current_asset前的系數(shù)——其他條件不變時，流動資產(chǎn)每增加一單位，總利潤平均增加0.0288084億元；

(4)per_exp前的系數(shù)——其他條件不變時，人均消費(fèi)支出每增加一單位，總利潤平均減少0.0138524億元；

(5)var_cost前的系數(shù)——其他條件不變時，銷售費(fèi)用每增加一單位，總利潤平均增加1.797113億元；

(6)new_patent前的系數(shù)——其他條件不變時，有效發(fā)明專利數(shù)每增加一單位，總利潤平均減少0.0173853億元；

(7)asset_cost前的系數(shù)——流動資產(chǎn)對總利潤的影響隨銷售費(fèi)用的增加而增強(qiáng)。

6 結(jié)語

從最終回歸結(jié)果可以看出，新產(chǎn)品項(xiàng)目數(shù)量變動的百分比對企業(yè)總利潤有很大的正向影響。在實(shí)際生產(chǎn)中，工業(yè)企業(yè)可通過提升生產(chǎn)產(chǎn)品的創(chuàng)新性來提高企業(yè)競爭力，進(jìn)而獲得利潤大幅增加。