王和勇 何泓漫
（华南理工大学电子商务系， 广州 510006）
引 言随着新一轮科技革命的到来， 数字经济逐渐成为全球经济的心脏， 为经济发展提供了源源不断的新鲜血液。 党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度、 推进国家治理体系和治理能力现代化若干重大问题的决定》首次增列数据作为生产要素。 2020 年底召开的中央经济工作会议指出： “要大力发展数字经济”。中央政治局的第三十四次集中学习时， 习近平总书记指出了数字经济健康发展的重要性和必须性。
在宏观环境和政策的推动下， 各个产业都在积极地进行数字化转型， 其中制造业作为我国产业发展的基础和核心， 其实现转型升级有着提高产业生产率、 降低生产成本、 提高生产安全性和准确性、 提高服务质量等现实意义。 对于传统制造业来说， 虽然数字化转型的难度较高且存在着极大的风险， 但却是得以革新的必经之路。 制造业数字化转型遇到的挑战有很多： （1） 中小企业的转型进程较为落后， 导致产业链发展不均衡，风险居高不下； （2） 中小企业大多都处于产业链的末端， 抗风险能力弱、 内部管理粗犷、 财务制度不健全， 导致中小制造企业融资困难； （3） 在没有战略思想、 设备建设基础的情况下就开始盲目推进智能化， 流于表面， 生产设备自动化了，但是管理数字化没有同步发展， 导致转型不彻底，成效不显着； （4） 制造企业对新技术的认识不够，在落后的生产、 管理基础上进行数字化转型， 导致投入大量资源却鲜有成效。
在制造业的数字化转型过程中， 政府的财政扶持政策引导了产业的发展方向， 起到了不可替代的作用。 但是政府的财政政策对产业发展到底有着怎样的影响呢？ 有学者通过经济数学分析方法， 分析政府投资对产业结构变动的影响， 得到投资性支出的安排应该针对具体的产业结构的结论［1］。 还有学者在柯布－道格拉斯生产函数的基础上结合财政支出， 分析了我国财政支出和结构对产业升级的作用， 认为文教、 科学、 卫生事业支出对3 个产业都有显着的推动作用［2］。 王保滔等［3］学者利用回归分析和建立脉冲响应函数的方法， 研究了财政支出和税收政策对产业结构优化的影响机制， 认为财政支出对产业结构高度化具有长期的促进作用。 韩振国等［4］学者利用系统的GMM 方法， 从财政支出规模及其结构两个方面，实证分析中国财政支出对制造业结构调整的影响效应， 认为财政规模、 科技性和教育性支出有着正向影响， 投资性和行政管理支出有着负向影响。以上研究在各个方面肯定了财政政策对制造业结构优化的积极作用， 但是目前大多数研究都集中在分析财政支出与产业结构的关系上， 缺失了财政政策对制造业转型升级影响效果的研究。
本文通过研究财政支出对制造业转型升级的作用效果， 丰富制造业转型的评价方法， 以及财政支出与产业转型关系的研究； 通过对制造业转型发展中财政政策的实施效果进行量化分析， 为财政政策效率评估提供评价模型， 为政策的改革和产业的发展推进工作提供参考。
1 理论分析与研究假设1.1 制造业数字化转型的内涵与测量在关于制造业转型升级评价的研究中， 很多学者从科技人才， 数字化技术、 产业绩效、 技术的发展水平、 环境保护情况、 资源消耗情况等角度来研究， 如表1 所示。
表1 指标体系构建角度的文献研究
经过理论分析与大量文献阅读之后， 在2020年王柏生［7］的研究基础上， 本文设置制造业经济创收、 创新水平和环境保护3 个一级指标对制造业的数字化转型进行客观的评价。
1.2 研究假设有学者认为产学研模式的发展与深化有利于推动制造业数字化转型问题中技术升级的解决，而转型的另一个资金成本问题， 由政府和产业协同解决［9］。 政府不仅为制造业集群开展创新活动直接提供资金支持， 如经费资助、 无息贷款和税费减免等， 而且其在制造业发展过程中既是政策制度的制定者， 也是政策制度执行的管理者和监督者。 随着财政支出占地区生产总值比重的增加，制造业的受惠规模和程度也会扩大和加深， 对产业的发展存在有利影响。 关于财政支出的构成，韩振国和杨盈颖［4］提出财政支出可以从4 个方面对制造业转型产生影响， 如图1 所示。
图1 财政支出对制造业转型升级的影响
财政支出中投资性支出通过两种方式影响制造业的转型升级： （1） 政府直接参与市场经济活动， 增加市场需求， 购买企业产品， 提高企业生产获得， 增加企业、 产业的数字化转型资本； （2）政府通过对基础设施的投入， 改善产业的转型环境， 如对5G 基站的建设、 光缆的铺设、 宽带的普及等， 减少制造产业转型升级中数字化技术应用的基础建设阻碍， 为其提供更多转型机会， 同时有助于形成园区或基建的产业聚集效应， 推动制造产业链企业的共同转型。 政府的投资性支出也会引领市场配置资源的方向， 纠正市场失灵问题。
教育性支出会影响市场中劳动力的素质以及创新能力等因素， 通过提高制造业人才素养来间接影响制造业的数字化转型。 然而教育性投资一般都具有时滞性， 并不会立刻出现明显的效果，所以人力资本积累需要连续的高投入。 因此， 教育性支出会通过长期的人力资本累计来对制造业数字化转型人才储备产生影响。
科技性支出则是通过直接提高制造企业研发投入来达到直接增加企业研发设备、 研发基础等要素的效果， 对推动制造产业链上企业的研发以及数字化技术的应用有更好更直接的作用。 科技性支出可以直接影响资本要素的配置， 资源向研发倾斜后， 更高的研发资金吸引了更多的人才，随着时间的推移， 也会间接提高社会的创新水平，反过来对产业也有帮助。 在本文构建的区域制造业数字化转型评价指标体系的一级指标中， 研发水平是制造业数字化转型中最重要的因素， 所以科技性支出是财政支出中对制造业转型直接影响最大的部分。
合理的行政管理支出稳定了经济社会的和谐发展， 同时也稳定了制造业市场的环境。 在市场“无形的手” 作用下， 制造业将有效地以市场需求为导向进行转型升级， 从而更加合理地分配资源。 没有稳定的市场环境， 制造业转型升级的风险将提升， 从而导致制造业无法顺利完成数字化转型。 所以合理的行政管理支出对制造业转型升级也很重要。
综合来说， 财政支出占地区生产总值的比重反映了地区政府的政策倾向。 在制造业发展过程中合理的财政支出对制造业转型有实际影响。 根据上文所述， 本文基于以下假设展开研究， 即财政支出比重的增加对制造业转型有正向影响。
2 研究设计2.1 变量测量（1） 被解释变量： 制造业转型综合指数（ZZ）。ZZ为被解释变量， 是本文构建的评价指标体系测算出来的制造业转型升级综合指数， 并对其进行对数处理。 谨遵科学研究的规范性和严谨性要求，遵循科学性、 系统性、 独立性、 层次性、 可操作性等建立原则， 在2020 年王柏生［7］的研究基础上， 本文针对制造业数字化水平和转型情况建立了评价指标体系， 如表2 所示从3 个方面进行，分别是制造业经济创收、 制造业创新水平和制造业环境保护， 并采用熵值法进行权重赋予， 如表3 所示， 得到创新水平的二级指标的平均权重最高， 这符合产业价值创造能力理论。
表2 制造业转型升级综合评价指标体系
制造业的转型升级过程， 不只是产值的增加过程， 还是制造业对新技术的学习和融合， 甚至进入一个新的产业生命周期， 使得产业的价值创造能力得以提高的过程。 产业价值创造能力是支撑产业竞争优势得以持续， 并驱动产业不断创造新价值的各种能力的动态组合。 动态能力体现在产业的学习和转化过程中， 包括转移能力、 接受能力、 吸收能力和融合能力［10］。 由于制造业已经出现产能过剩的情况， 所以资源需要重新分配，产业内部分企业已经开始学习新的技术， 走上数字化转型的道路。 所以在这一阶段技术创新和制造业对新技术的接受和吸收能力直接决定了制造业能否开始一个新的生命周期， 也直接决定了制造业价值创造能力的大小， 所以创新水平的指标对制造业转型的评价是最为重要的。
（2） 解释变量： 财政支出比重（Fiscal）。Fiscal是财政中的一般预算支出占地区生产总值的比重， 将其取对数处理后作为主要解释变量。 该模型主要探究财政支出比重对制造业转型的影响。
（3） 控制变量。本文对地区的开放程度（Open）、人才水平（Talents）、 城镇化率（City）、 外商直接投资（FDI）、 资本密集度（CIR）、 产业结构（STR）变量进行控制。 其中Open表示地区的开放程度，由进出口总额（按当年汇率换算成人民币）占地区生产总值的比重来表示， 开放程度越高， 外资投入助力研发的可能性越大， 且产业与国外校企交流高新技术的机会越多。Talents为人才水平， 由该地区制造业就业人数占高校学生数的比重来表示， 水平越高， 说明本地制造业能吸引的创新型人才越多。City为城镇化率， 城镇化程度越高的地区， 经济活动越活跃， 制造业就有越多获得资金、 人才等资源的机会。FDI（Foreign Direct Investment）为外商直接投资， 外商投资越多的地区，制造业可获得的资金越多， 转型成功的可能性越大。CIR（Capital Intensity Ratio）为资本密集度， 按存量法计算， 由省级固定资产投资额占地区总人口的比重表示， 资本密集度越高， 资本成本越高，同时风险也就越大， 但是创造更高的劳动生产率的可能性也越大。STR为产业结构， 由第二产业产值占地区生产总值的比重表示， 产业结构也会影响制造业的研发情况， 第二产业占比高的地区，制造业研发水平高于其余地区的可能性更高。 最后将对所有控制变量进行对数处理。
1.2 模型设置变量名称及其说明如表4 所示， 各变量之间的关系如模型（1） 所示。 在模型（1） 中，i和t分别表示地区和年份；β为各变量的估计系数；μi和δt分布表示个体固定效应和时间固定效应的虚拟变量；εit为误差项。 通过豪斯曼检验之后本文选择使用双向固定效应模型， 该模型可以解决不随时间和地区变化的、 不可观测因素造成的内生性问题。 对解释变量和控制变量进行相关性分析后发现， 变量之间的相关性较小， 因此可以不考虑多重共线性问题。
表4 变量名称及说明
3 实证分析3.1 制造业转型评价实证分析（1） 样本选取与数据来源。 针对本文建立的指标体系和探究财政支出与制造业转型关系的计量模型， 从EPS 全球统计数据分析平台、 国泰安经济金融研究数据库， 以及部分省（区、 市）的统计年鉴， 收集了2007 ～2021 年中国31 个省（区、市）的面板数据（基于数据的可获得性， 不包括港、 澳、 台地区）。 为了保障研究质量， 对部分指标数据进行了预处理， 总共得到了8370 条观测值。 在模型实证中则采用Eviews9 数据分析统计软件进行回归以及检验。
（2） 制造业转型综合评价指数。 本文从制造业经济创收、 制造业创新水平和制造业环境保护3 个方面， 收集并整理了31 个省（区、 市）2007 ～2021 年11 个指标的面板数据， 然后利用熵值法分别测算了二级指标和一级指标的权重， 得到制造业转型的综合指数。 结果如表5 所示， 走势如图2 所示。
表5 制造业转型升级综合指数
续 表
图2 全国各地区制造业转型升级综合指数
（3） 结果分析。 北京市和天津市的制造业数字化转型程度较为领先。 北京市的指数在2019 年以后就逐渐领先于各省（区、 市）， 是转型升级最明显的地区。 独特的政治地理优势推动了北京市制造业的快速发展， 特别是数字化技术与先进制造技术的融合优势， 使其成为了制造业转型升级情况排名第一的地区。 天津市制造业转型实力也很强劲， 但是2019 年之后制造业转型升级指数出现波动， 转型效果一般， 产业转型遇到了瓶颈。广东省是发展潜力及速度极大的地区， 指数发展排名第三， 即将赶超天津市。 广东省政府对制造业转型升级提供了很多政策支持， 对技术转型有高度的重视。 广东省有着绝佳的地理优势， 临近港澳， 是改革开放以来高速发展的地区之一， 它的政策支持和地理优势， 使很多资源都汇集在此，多个外地高校在广东省设立分校， 再加上深圳新兴技术产业的高速发展， 广东省吸引外资和人才的能力越来越强， 较早地带动了制造业开始数字化转型。 上海市的转型升级水平也较为突出， 由于是一线城市， 其凭借着智能化改造和产业结构升级等优先发展的优势， 渐渐聚集了大规模的先进制造业集群， 从而对其转型发展产生明显带动作用。
其余地区转型升级差异较小， 保持着稳定的增长趋势， 发展差距不大。 其中青海省结合自身特色和实际情况， 提出了“1119” 数字经济发展促进体系， 对青海省的制造业转型升级起到了巨大的推动作用。 西藏自治区仍在努力进行数字化基础建设， 虽然其制造业基础薄弱， 总量较小，但是数字基础设施和工业互联网基础设施的快速建设， 助力其制造业高速转型， 增长速率较快。
3.2 模型实证（1） 描述性统计。 所有变量的描述性统计结果如表6 所示。 在0.1 的显着性水平下， 所有变量都符合正态分布。 进一步分析统计数据， 本文可以得到以下结论： 各地区的资本密集程度差距较大， 说明各地区资本密集度不同， 涉及的重点产业也不同。 外商投资在不同地区的投资水平相差很大， 大部分外商都在沿海地区进行投资， 在中、 西部地区投资较少。
表6 基准模型变量的描述性统计
（2） 回归结果。 回归结果如表7 所示， 模型效果良好， 在1%的显着性水平下， 财政规模对制造业转型升级的影响是显着的， 且财政支出比重每增加1%， 相当于将制造业转型升级综合指数提高了0.3687%， 符合预期假设。
表7 回归结果
（3） 稳健性检验。 本文在财政支出的稳健性检验上， 选择使用财政支出中对制造业数字化转型有最直接影响的部分， 即将SCI（科技性支出占地区生产总值的比重的对数值）作为替代变量。 模型结果如表8 所示。 科技性支出比重对制造业数字化转型的影响仍然是显着的， 说明该模型效果良好， 且科技性支出比重每增长1%， 就会对制造业转型升级综合指数产生0.0649%的正向影响。
表8 稳健性检验结果
（4） 异质性分析。 本文还根据《数字中国发展报告（2020 年）》 （以下简称《报告》）中按不同地区的信息化发展水平划分的3 个梯队， 进行了3 次回归分析， 结果如表9 所示。 随着地区信息化发展水平的提高， 财政支出比重的显着正向影响效果逐渐增大。 推测其原因可能是地区在提高骨干网络的服务能力以及加强数字化基础建设、数据算力设施建设、 区块链公共基础设施网络建设、 移动物联网业务发展等水平的同时， 能为制造业提供一个更好的技术转型环境， 从而使得财政支出的作用效果增大。
表9 异质性分析
续 表
在对科技性支出进行回归的时候， 结果也都表明有正向的显着影响。 科技性支出比重每增长1%， 3 个梯队的制造业转型升级综合指数就会分别增加0.0165%、 0.026%和0.0115%。 整体呈现了一个倒“U” 型的影响效果， 即当地区的信息化发展水平不高的时候， 科技性支出的影响效果会随着水平的上升而增加， 但是当信息化水平已经达到一定高度的时候， 科技性支出的影响会逐渐衰弱。
4 结 语4.1 研究结论控制财政支出是我国政府在对产业进行引导和调控时的重要方式， 因此探究财政支出比重对我国制造业转型升级的影响是很有必要的。 本文在回顾以往研究的基础上， 对制造业转型升级的评价指标体系进行了构建， 利用熵值法对指标赋权后， 计算出2007～2021 年全国31 个省（区、 市）的制造业转型综合指数， 并在此基础上， 运用双向固定效应模型， 分析我国财政支出比重对区域制造业转型升级的影响效应。 用科技性支出比重代替财政支出比重进行稳健性检验， 结果表示模型稳健性良好， 而后针对《报告》 中的3 个梯队分地区进行了异质性检验， 得出如下结论：
（1） 我国财政支出比重的增加对制造业转型升级起到了正向的作用； （2） 随着地区信息化建设水平的提高， 财政支出比重对制造业转型升级的促进效果增大， 即信息化水平越高， 制造业的数字化基础就越强。 随之， 财政支出的影响作用也会更强； （3） 财政支出从引导产业转型方向、直接提供制造业科技研发支持、 间接提高制造业人才水平、 稳定制造业市场环境、 改善制造业转型的技术基础设施等方面， 对制造业产生了有利影响。
4.2 政策建议本文研究发现， 财政支出占地区生产总值的比重对制造业转型升级产生了显着的正向影响。根据本文结论， 为了财政政策能够更好地促进制造业的转型升级和发展， 提出以下政策建议：
（1） 全国范围扩大财政支出规模以及分地区提高财政支出比重， 以期提高财政支出效率。 不同地区信息化水平差距较大， 应按地区特色合理分配财政支出。 在只有一定经费的情况下， 基础建设较好的地区可以主要提高对企业的科技性支出；基础建设较弱的地区， 可以优先提高基础设施的建设费用， 以最大效率支持制造业的转型升级。
（2） 提高制造业转型基础设施的投入。 在重视针对制造业的财政政策实施的同时， 各个地区都要重视制造业数字化转型基础环境的投入， 包括建设5G 基站、 铺设光缆、 强化骨干网络的服务能力等， 为制造产业提供更好的基础环境， 加大财政支出比重的正向影响效果。
（3） 助力产业共性技术研发平台的搭建， 为技术创新提供帮助。 制造业要实现技术创新， 不仅可以通过产学研、 政府支持来进行， 还可以选择企业互助的方式， 搭建产业共性技术的研发平台， 共享新技术红利。
（4） 长期组织企业对转型思想和方法进行学习。 通过支持协会、 园区等单位对学习活动的组织， 让企业学习长期的战略思想， 把握总体方向，再结合自身公司的发展， 合理地进行转型。
（5） 坚持实施“上云用智赋数” 行动。 通过提高对数字化转型政策的实施力度， 尽量帮助制造企业解决转型困难， 进行系统性的数字化转型，实现数据要素驱动。
