ICT投資、裝備制造業(yè)全要素生產率
——基于技術吸收能力異質性的量化研究

董 景 榮 蘇 美 文

(重慶師范大學 經濟與管理學院，重慶 401331)

一、引言

現代經濟增長理論的索羅模型認為，一個國家經濟增長最終可歸因于要素增長和全要素生產率(total factor productivity，TFP)的增長，中國經濟發(fā)展歷程正是如此。隨著“人口紅利”優(yōu)勢和有利的金融投資周期逐步消失，想要依靠要素投入拉動經濟持續(xù)高速增長的模式已成為過去式，中國經濟有沒有可能再創(chuàng)造一個奇跡？劉俏(2020)認為繼續(xù)保持全要素生產率的增速并非易事，必須要找到中國全要素生產率增速的源泉：中國經濟的“再工業(yè)化”及其所需的基礎設施“新基建”。這提醒我們：工業(yè)產業(yè)需要利用互聯網大數據、人工智能等信息與通訊技術(information and communication technology，ICT)驅動產業(yè)變革。

從資本角度出發(fā)，已有研究發(fā)現ICT投資對經濟增長具有上升趨勢的貢獻(Cardona et al，2013年；Inani & Tripathi，2017；郭美晨和杜傳忠，2019)，其影響可以分解為替代效應和滲透效應(蔡躍洲和張鈞南，2015)。那么，ICT與全要素生產率之間是否也存在積極關系？“生產率悖論”認為計算機的出現并不能提高生產率(Jorgenson et al，2008)，同時，Kettinger & Grover(1994)、張之光和蔡建峰(2012)和Carr(2003)的結論也證實了悖論的存在。但是，隨著技術的不斷創(chuàng)新，信息技術更加廣泛深入地融合產業(yè)發(fā)展，也有越來越多的研究發(fā)現：ICT對生產率存在積極顯著的影響(Acharya，2016)，其中不乏對制造業(yè)全要素生產率的影響(Mitra et al.，2016；肖利平，2018；黃群惠等，2019)。

從技術效能出發(fā)，ICT以智能制造為突破口，加快信息技術與制造技術、產品、裝備融合創(chuàng)新，推廣智能工廠和智能制造模式，全面提升企業(yè)研發(fā)、生產、管理和服務的智能化水平。而我國各地區(qū)能多大程度地吸收、運用ICT技術實現裝備制造業(yè)高質量發(fā)展，歸根結底還取決于自身的吸收能力。因此，僅討論ICT投資對全要素生產率產生的影響缺乏現實意義，應充分考慮各省技術吸收能力，明晰充分釋放ICT效能的適配條件。目前已有眾多研究關注到吸收能力在技術外溢效能中的作用，如技術吸收能力對FDI技術外溢效果有著決定性作用(賴明勇等，2005)，能積極促進OFDI逆向技術溢出(李梅和柳士昌，2012；尹東東和張建清，2016)。但除了韋影(2007)在分析企業(yè)社會資本影響技術創(chuàng)新的同時，考慮吸收能力的作用外，很少有研究從資本的角度出發(fā)，考慮吸收能力在其中的作用。事實上，由于各地區(qū)的技術吸收能力差異，對ICT投資所帶來的先進技術進行有效的學習吸收和模仿程度也會不同，進而ICT投資對各地區(qū)全要素生產率的影響可能也不盡相同。而作為提供技術裝備的裝備制造業(yè)，其生產率水平是各行業(yè)產業(yè)升級、技術進步的重要保障(任曙明和呂鐲，2014)。所以，本文將從資本存量的角度，利用門檻模型進一步檢驗影響ICT對全要素生產率提升作用的各吸收能力因素的門檻特征，并從人力資本和技術差距兩個方面測算引發(fā)積極提升作用的門檻水平。

與現有文獻相比，本文的邊際貢獻存在以下幾點：(1)研究角度。將裝備制造業(yè)全要素生產率的分解指標和ICT投資進行更加細致地研究，從技術進步、技術效率兩個維度揭示ICT投資發(fā)揮作用的路徑和條件；(2)ICT投資的度量。近期文獻有測算省級行業(yè)層面的ICT資本投入，其方法是采用各地區(qū)投入產出表中分行業(yè)ICT中間投入占行業(yè)投入之和的比值作為分行業(yè)ICT資本投入強度(謝莉娟等，2020)，而本研究基于各地區(qū)投入產出表采用永續(xù)盤存法(PIM)分別從ICT硬件和ICT軟件兩方面對省級層面的生產性ICT資本存量進行估算，增加估算結果的合理性；(3)關于全要素生產率的非線性研究中，已有學者用網民人口比例、手機普及率及互聯網普及率作為門限變量探索以互聯網或ICT作為核心解釋變量對全要素生產率的非線性效應(郭家堂和駱品亮，2016；Asongu & Acha-Anyi，2020)。但鮮有學者考慮到ICT促進裝備制造業(yè)高質量發(fā)展還受其自身技術吸收能力的影響。本研究從人力資本和技術差距兩個維度考慮不同區(qū)域間技術吸收能力的差異，利用面板門限回歸模型進一步考察ICT投資對裝備制造業(yè)全要素生產率增長存在的非線性效應。

二、影響機制分析

(一)ICT與全要素生產率

現有研究基本上證實了ICT投資能推動經濟增長。但是，關于ICT投資對裝備制造業(yè)全要素生產率提升的研究還缺乏足夠的實證證據。理論上講，ICT投資可以通過以下兩個途徑影響裝備制造業(yè)全要素生產率：第一，ICT投資可以推動技術進步，進而提升全要素生產率。ICT技術除自身具備的普遍適用性、創(chuàng)新互補性及溢出效應外，還可以通過提供信息通信技術交流平臺，突破時空限制，縮小地域差異。在此過程中，ICT可以不斷促進全社會的人力資本積累和加速要素流動速度，減少要素市場扭曲和研發(fā)投入與人力資本錯配。實現人力資本與研發(fā)投入的有效配置推動技術進步(李靜等，2017)。此外，ICT與裝備制造業(yè)的相互融合,使創(chuàng)新互補性和技術溢出效應發(fā)揮作用；存在ICT創(chuàng)新推動互補性生產條件優(yōu)化升級的可能性,并與其他共同投資通過在企業(yè)之間產生互補創(chuàng)新進一步改變生產過程，使得生產前沿面向外移動(Brynjolfsson，2000；樊茂清等，2012)。第二，ICT可以提高技術效率，進一步提升全要素生產率。ICT與市場深入融合，為市場提供更加對稱性的信息，加快勞動和資本的配置效率。企業(yè)利用ICT技術，能更精確及時地獲取、傳遞信息，使得決策效率顯著提升。此外，積極運用智能制造系統，在技術、產品、模式、業(yè)態(tài)和組織等方面開展全方位的創(chuàng)新，逐步實現生產方式的智能化、定制化、柔性化、綠色化和網絡化，提升裝備制造業(yè)的競爭新優(yōu)勢。我國裝備制造業(yè)與ICT技術融合步伐不斷加快，在激發(fā)“雙創(chuàng)”活力、培育新模式新業(yè)態(tài)、推進供給側結構性改革等方面也已初顯成效?；诖耍疚奶岢觯?/p>

假說1：ICT對裝備制造業(yè)全要素生產率有著不可忽視的正向作用，主要通過技術進步和技術效率兩個路徑發(fā)揮其作用。

(二)ICT與人力資本

眾多學者從不同角度解釋了技術吸收能力的構成因素，人力資本和技術差距是目前經濟學者們公認的兩個決定性因素(劉明霞，2010)。不可忽視的是不同區(qū)域間存在資源稟賦的差異，人力資本作為生產投入要素不僅對產出有著直接的水平效應，還可以促進各地區(qū)對ICT技術的吸收、學習、模仿或實施。除重視作為信息技術傳播和應用主體的人力資本的區(qū)域差異外，尤其重視ICT投資對裝備制造業(yè)全要素生產率增長的影響，這可能會隨著人力資本水平的不同而呈現非線性效應。如果某地區(qū)人力資本水平較低，那么該地區(qū)勞動力的文化水平和信息素養(yǎng)不高，他們應用裝備制造業(yè)信息資源和信息技術的能力也就越欠缺。受自身文化素質低的限制，勞動力很難利用網絡平臺發(fā)布和搜集產品信息，更無法實現對裝備制造業(yè)信息技術的深層次應用，從而阻礙裝備制造業(yè)全要素生產率增長。反之，如果某地區(qū)有較高的人力資本水平，該地區(qū)的勞動力能更有效地學習信息通信技術，從而促進全要素生產率增長?；诖?，本文提出：

假說2：ICT投資對裝備制造業(yè)全要素生產率增長的影響會隨著自身技術吸收能力的不同而呈現非線性效應，表現為ICT對全要素生產率的提升作用會隨著人力資本水平的提高而越來越明顯。

(三)ICT與技術差距

同樣，技術差距之所以影響ICT對全要素生產率的提升主要是因為它影響ICT技術吸收的潛力、效果及應用動力。一方面技術差距越大，技術落后地區(qū)的企業(yè)學習、利用ICT技術的空間就越大，進而提升裝備制造業(yè)的全要素生產率；另一方面技術差距過大時，落后地區(qū)缺乏消化吸收、學習模仿ICT技術的能力，進而ICT投資對裝備制造業(yè)全要素生產率的提升效果有限；此外，ICT投資體現的是ICT產業(yè)的資本投入強度和服務水平高低，通過構建信息平臺，改變企業(yè)融入的競爭氛圍。競爭環(huán)境的改變會對不同技術差距地區(qū)企業(yè)的創(chuàng)新動力產生不同程度影響，即不同技術差距地區(qū)的企業(yè)對ICT的應用動力有所不同。更少的同質化競爭和供應鏈內的企業(yè)合作，使得落后地區(qū)企業(yè)更有可能利用ICT模仿和改進技術達到對先進地區(qū)企業(yè)的趕超，更有動力利用ICT更新設備、管理理念，提高效率。而對于先進地區(qū)企業(yè)來說，由于自身技術水平較前沿、企業(yè)之間技術差距不大及落后地區(qū)企業(yè)的追趕，從而加劇先進地區(qū)企業(yè)的競爭強度。使得先進地區(qū)企業(yè)不得不以更強的動力利用ICT技術創(chuàng)新和研發(fā)新一代的專利技術以有利競爭和追趕，樹立競爭優(yōu)勢及獲取超額利潤。鑒于此，本文提出：

假說3：由于存在技術吸收能力差異，ICT投資對裝備制造業(yè)全要生產率的非線性作用還表現為隨著技術差距的縮小而越來越明顯。

三、省級ICT生產性資本存量估算

(一)估算框架

永續(xù)盤存法(PIM)的非傳統途徑應用的中間過程有關于生產性資本存量的測算，這種測算方法在國外得到廣泛使用。首先，資本存量總額Kit公式表達為：

(1)

其中，Kit表示i省在t時期的資本存量，T表示資產使用年份，Iit表示固定資本形成總額，Rit表示重置需求，Rit=Ki,t-1×δ;δ為折舊率。Siτ表示τ時期固定資產投資的殘值率，由退役模式確定?？紤]到ICT資本品的特性，選擇鐘形退役更加合理。

(2)

(3)

基于以上公式，深入考慮資本在使用過程中的效率損失和磨損，篩選符合資產效率實際損失情況的“年齡—效率”函數。將其轉化為標準效率單位的生產性資本存量。參考國內外理論實踐，本研究考慮雙曲線函數：

(4)

其中，d0表示初始年份相對效率，默認為1。β表示斜率，根據相關研究和已有假設，將ICT軟件和硬件設為0.5。通過對不同役齡階段的投資序列進行加總，得出標準效率單位的ICT生產性資本存量：

(5)

(二)相關指標構建

1.統計范圍界定

OECD將信息通訊技術(ICT)定義為“旨在通過電子手段(包括傳輸和顯示)實現或實現信息處理和通信功能的產品”，主要由硬件和軟件組合而成。在中國經濟行業(yè)分類(GB/T 4754—2017)中，硬件對應于我國的計算機、通信和其他電子設備制造業(yè)，軟件對應于我國服務業(yè)信息傳輸、軟件和信息技術服務。

2.投資序列

由于全社會固定資產投資是不包含計算機軟件等無形生產資產方面的支出，因此選用固定資本形成總額作為測算資本存量的投資序列(許憲春，2010)。省級層面的投資序列，可以通過各省投入產出表得出ICT制造業(yè)和ICT服務業(yè)的固定資本形成總額數據。但投入產出表不是每年編制，需要對間隔年份的數據進行估算，借鑒筱崎彰彥(2003)和孫川(2013)的做法。如表1。

表1 估計投資序列的方法步驟

考慮數據的可得性，本研究的產值由ICT制造業(yè)和軟件信息服務業(yè)的業(yè)務收入衡量，全國ICT服務業(yè)的進口數據由我國國際收支平衡表中計算機和信息服務的借方數據表示。由于省級層面沒有更多年份的投入產出延長表，所以本研究對投資序列數據進行外推，通過以上數據和方法，估算出2007—2016年我國各省的ICT制造業(yè)和服務業(yè)的資本存量。

3.資產使用年限、折舊率與價格指數

據相關學者研究，將ICT軟件、ICT制造業(yè)的使用年限分別確定為5年和8年。綜合各國對硬件和軟件折舊率的衡定，將硬件折舊率確定為0.315，軟件折舊率定為0.369。此外，資本存量的估算，還需要對每年投資序列進行價格指數平減使其有可比性。用固定資產價格指數進行平減，不符合ICT資本品的“摩爾定律”。所以采用美國BEA官網上公布的ICT硬件和軟件的價格指數對每年投資序列進行平減。

4.基期資本存量

估算初期資本存量的方法：整體法、倒推法、增長率法。整體法未考慮資本折舊，導致基期資本存量的高估；倒推法對早期數據的完整性和可獲得性要求高而難以滿足，故這兩種方法都排除而選擇增長法。增長法的具體公式如下：

(8)

四、變量、數據與模型

(一)變量與數據說明

1.被解釋變量的測算

被解釋變量是裝備制造業(yè)各省份全要素生產率(TFP)及其分解項技術效率(EFF)、技術進步(TECH)。運用以產出導向可變規(guī)模報酬的DEA-Malmquist模型和軟件DEAP2.1測算以上被解釋變量。

由于裝備制造業(yè)細分行業(yè)進行了多次微調，所以將2011版“汽車制造業(yè)”和“鐵路、船舶、航天航空和其他運輸設備制造業(yè)”數據合并處理。然后將裝備制造業(yè)各細分行業(yè)對應的投入產出變量對應著省份和年份進行加總，最終形成裝備制造業(yè)2007—2016年的分省份的面板數據。對于產出變量的選擇常分為工業(yè)增加值和工業(yè)總產值兩種。由于工業(yè)增加值考慮了中間投入部分，作為產出變量更具代表性。但2008年以后《中國工業(yè)經濟統計年鑒》不再公布分行業(yè)增加值數據，這里參照王衛(wèi)和綦良群(2017)的方法：2000—2007年裝備制造業(yè)細分行業(yè)的工業(yè)增加值在工業(yè)總產值占比變化不大，故采用2000—2007年的平均比重估算2008年以后的工業(yè)增加值；自2012年開始，裝備制造業(yè)細分行業(yè)工業(yè)總產值不再公布，改為對工業(yè)銷售產值的統計，這里假定工業(yè)總產值與工業(yè)銷售產值增長率相同，進而估算出2012—2016年的工業(yè)總產值；最終估算出2007—2016年的產出變量工業(yè)增加值?？紤]到數據可得性，用總資產和裝備制造業(yè)年平均從業(yè)人員衡量資本和勞動兩個投入變量。為了消除價格因素的影響，分別用出廠價格指數、固定資產投資價格指數對工業(yè)增加值及總資產進行平減。

由于DEA-Malmquist指數法測算出來的裝備制造業(yè)全要素生產率是以相鄰兩期數據作為對比而來的環(huán)比指數，只能反映短期內變化而不能反映長期變化，若直接代入測算可能帶來結果偏差。因此構造以基期年份為基準的累積全要素生產率指數，即將各省年度環(huán)比指數進行累乘，其分解的兩個指數(TECH、EFF)也做類似處理。計算公式如下：

(9)

2.解釋變量

縱觀已有文獻，信息通訊技術(ICT)的度量指標包括網站數目、國際互聯網用戶數、人均移動電話數、信息化綜合評價指標體系等。其次就是直接對ICT資本存量的估計，這種做法的好處在于將ICT資本從總量資本中剝離出來，能進行更加準確地區(qū)分相較于其他生產要素的不同，更好地體現ICT的發(fā)展現狀與未來趨勢。

3.門限變量

一個地區(qū)的教育投資水平從一定程度上反映該地區(qū)的人力資本水平，故用各地區(qū)財政教育經費占GDP比重作為對人力資本(Human)的衡量。另外技術差距的度量常以前沿國的全要素生產率/中國全要素生產率，一般前沿國選擇美國的全要素生產率作為技術前沿(李蕾蕾等，2018)。但這樣的方法不可避免地存在著依照經驗選擇前沿面，而忽視數據本身的選擇。DEA方法生成一個非參數分段曲面，評估出技術效率水平，即決策單元到技術前沿的距離，與技術差距的含義是一樣的。因此利用數據包絡方法(DEA)測度投入產出技術效率衡量技術差距，這里的投入產出變量的選擇，和上文計算裝備制造業(yè)全要素生產率的變量一樣。由于實際生產條件時常不符合規(guī)模報酬不變的假設條件，因此對技術效率(TE)的測算選擇DEA-BCC模型。為了更加直觀衡量技術差距(Tgap)，其測算方法為：Tgap=1-TE。

4.控制變量

全要素生產率作為國家和地區(qū)經濟可持續(xù)增長和發(fā)展的決定性力量，其增長因素眾多，包括研發(fā)、貿易、ICT(Franz et al.;2020)、人力資本、工業(yè)化、國有企業(yè)比重、投資率(徐盈之和趙豫，2007)、行業(yè)出口值、FDI、制度變量、信息基礎設施(李春頂，2009)等。綜上，TFP的影響因素考慮以下三類：一、貿易(EX)和對外開放(FDI)。以裝備制造業(yè)規(guī)模以上出口交貨值占規(guī)模以上主營業(yè)務收入和實際外商直接投資占GDP比重作為貿易和對外開放的代理變量；二、制度背景(SO)。采用各地區(qū)國有全社會固定資產投資在全社會固定資產投資中所占的比重作為制度背景；三、科技創(chuàng)新(RD)與人力資本(Human)，采用各地區(qū)的研究與試驗發(fā)展經費內部支出作為當期R&D支出的衡量，并借鑒朱平芳和徐偉民(2003)的方法對其進行處理；教育提高了人力資本，故用各地區(qū)財政教育經費占GDP比重作為對人力資本的衡量。(以上數據來源于《中國統計年鑒》《中國工業(yè)經濟統計年鑒》《中國科技統計年鑒》、EPS數據庫、CSMAR數據庫)

(二)模型

為了消除異方差影響以及縮小數量級，將所有變量取自然對數。本文構建的回歸模型如下所示：

lnYi,t=β0+β1lnICTi,t+βClnControlsi,t+fi+εi,t

(10)

其中，i表示各省份，t表示年份，Y表示被解釋變量，在后文的計量分析中分別代入全要素生產率變量(TFP)、技術進步變量(TECH)、技術效率變量(EFF)，ICT表示信息通信技術，Controls表示控制變量，fi表示非觀測的個體固定效應，εi,t表示隨機誤差項。從人力資本和技術差距門限效應角度，進一步檢驗ICT投資在不同技術吸收能力條件下對全要素生產率的呈現的非線性影響，在(10)式的基礎上構建門限模型：

lnYi,t=β0+β1lnICTi,tI(qi,t≤γ)+β2lnICTi,tI(qi,t>γ)+βClnControlsi,t+εi,t

(11)

其中，I(·)為指示函數，括號內的條件滿足時取值1，反之為0；qi,t為門限變量,在后文的計量分析中帶入人力資本(Human)和技術差距(Tgap)；γ為特定的門檻值；(11)式為單門限模型，本研究將依據門限效應檢驗確定為幾重門限模型。

五、實證結果分析

(一)基本回歸分析

表2報告了模型的基本回歸結果。其中模型1報告的是混合回歸面板模型，模型2報告的是固定效應。F統計量為0，即相較于混合回歸模型研究采用固定效應模型效果更佳。以下分析針對模型2展開。

根據我們在(10)式中的規(guī)范，我們研究了ICT投資對全要素生產率及其分解項的影響。表2顯示，ICT投資對于裝備制造業(yè)全要素生產率及其分解項技術進步和技術效率的回歸系數分別為0.108 0、0.066 4、0.041 8，其中全要素生產率及技術進步項均通過了1%水平顯著性檢驗，技術效率項通過了10%水平顯著性檢驗，表明加大ICT投資能夠促進裝備制造業(yè)全要素生產率增長，假說1得到了驗證。從影響程度來看，ICT投資對技術進步指數(0.066 4)的影響要大于技術效率指數(0.041 8)。表明實踐過程中，加大ICT投資更有助于ICT產業(yè)與裝備制造業(yè)深入融合，使創(chuàng)新互補性和技術溢出效應發(fā)揮作用，進而有效地提高技術進步指數。也印證了ICT投資能夠激發(fā)裝備制造業(yè)創(chuàng)新主體的積極性，消除個體之間的信息不對稱。因受自身主觀管理經驗、企業(yè)管理能力等因素影響，ICT投資對技術效率促進作用要稍弱一些。

表2 ICT投資對全要素生產率及其分解指標的OLS和FE回歸結果

(二)技術吸收能力對ICT投資效用發(fā)揮的影響

首先對(11)式模型進行門限效應檢驗，以此來確定門限模型的具體設定形式。設定自舉400次迭代，依次搜尋400個樣本點得到模擬分布。分別以人力資本(Human)和技術差距(Tgap)為門限變量進行回歸。檢驗結果如表3顯示，可以看出Human和Tgap對應的單門限檢驗可以在5%顯著性水平下拒絕模型不存在門限值的原假設；雙門限檢驗在10%顯著性水平下拒絕模型存在單一門限的原假設。最終，三門限檢驗結果表明人力資本和技術差距對應的模型在10%顯著性水平下均存在兩個門限值。因此，模型設定為雙門限模型：

lnYi,t=β0+β1lnICTi,tI(qi,t≤γ1)+β2lnICTi,tI(γ1≤qi,t<γ2)+β3lnICTi,tI(qi,t≥γ2)+βClnControlsi,t+εi,t (12)

表4為以人力資本和技術差距作為門限變量的回歸結果。模型3是以人力資本為門限變量，模型4是以技術差距為門限變量，被解釋變量為lnTFP。從模型3的回歸結果可以看出，當地區(qū)處在低人力資本水平區(qū)間(0, 0.046 2)時，我們定義該階段為低技術吸收能力階段，在該階段，隨著人力資本水平的提升，ICT有效促進裝備制造業(yè)全要素生產率的提升；當進入人力資本水平中級階段(0.046 2, 0.068 2)時，ICT對裝備制造業(yè)全要素生產率的提升效用繼續(xù)發(fā)揮作用，并且提升趨勢更加明顯；對于高人力資本水平階段(0.068 2, 1)，提升趨勢更進一步的大幅度的上升，假說2得到了驗證。從模型4的回歸結果看，當技術差距較小時(Tgap<0.003 0)，回歸系數為正，并且在三個階段中系數最大，表明先進地區(qū)更具有潛力和動機利用吸收、學習模仿ICT技術，并且效果更加顯著；當技術差距變大時(0.003 0≤Tgap<0.438 0)，ICT仍然對全要素生產率有提升作用，但這種提升作用有所減弱；當技術差距擴大到一定程度時(Tgap≥0.438 0)，ICT對全要素生產率的提升作用就更弱，表明落后地區(qū)仍然有動機利用信息通訊技術實現高質量發(fā)展，但受限于自身技術能力，其提升效果弱于先進地區(qū)，假說3得到了驗證。

表4 不同技術吸收能力下ICT投資的效用發(fā)揮

(三)穩(wěn)健型檢驗與內生性

1.地區(qū)差異分析

將我國劃分為東部、中部和西部(香港、澳門、臺灣地區(qū)不納入本文統計和分析)。東部地區(qū)包括：北京、福建、廣東、海南、河北、江蘇、遼寧、山東、上海、天津、浙江；中部地區(qū)包括：安徽、河南、黑龍江、湖北、湖南、吉林、江西、內蒙古、山西；西部地區(qū)包括：甘肅、廣西、貴州、寧夏、陜西、四川、新疆、云南、重慶。由于寧夏、西藏數據缺失嚴重，故不考慮在內。本研究進一步探究ICT投資對全要素生產率及分解項的作用是否存在地區(qū)差異，同時也驗證本研究的研究假設是否穩(wěn)健。表5為地區(qū)差異的回歸結果，可以發(fā)現：整體上，ICT投資對東中西的裝備制造業(yè)全要素生產率增長均有提升作用并存在差異性，其中對東部地區(qū)的提升作用高于中部和西部，除技術進步項外對西部地區(qū)的提升作用最弱；這樣的結果和前文研究結果相差不大，進一步證實了結論的可靠性。

表5 地區(qū)差異回歸結果

2.穩(wěn)健性分析

由于考慮到ICT投資估算誤差給實證結果帶來的影響，我們再次對時間段2007—2012年和2013—2016年的樣本數據分別進行回歸。表6實證結果顯示，兩個時間段對應的回歸均是顯著且為正的，除回歸系數有所波動外和前文分析得出的結論相差不大，一定程度上緩解了對于變量估計誤差造成的實驗結果不可信的問題。

表6 穩(wěn)健性檢驗回歸結果

3.內生性修正

為了分析因果關系中的主因，我們采用lnICT的滯后期作為核心解釋變量進行回歸分析，其邏輯是當期的全要素生產率對lnICT滯后期的影響幾乎全無，若lnICT的滯后期對當期全要素生產率及其分解項仍然存在著前文所分析的對應關系，說明在雙向因果關系中，主因是ICT投資。表7-①對應的固定效應模型結果顯示，滯后期lnICT對全要素生產率及其分解項依舊顯著，說明ICT投資是主因。

為了穩(wěn)健起見，選擇工具變量法對內生性問題進一步討論，參照眾多學者的做法，將核心解釋變量lnICT的滯后一期作為當期lnICT的工具變量進行回歸，考慮到異方差以及內生變量與工具變量之間的相關性比較高的情況下，使用以lnICT的滯后一期作為工具變量的GMM矩陣估計法存在一定的合理性。估計結果見表7-②，在技術進步項lnTECH模型中，相比前文基礎回歸結果發(fā)現lnICT系數有所下降，但差別不大。對其結果進行內生性檢驗，D-W-H和WaldF統計量結果顯示內生性不顯著。對技術效率lnEFF模型進行內生檢驗，同樣內生性不顯著。但全要素生產率lnTFP的內生性檢驗結果，出現了D-W-H和WaldF統計量在10%顯著性水平下顯著，說明此模型內生性顯著?？梢姡厣a率對ICT投資也有著一定的影響。對比①固定模型和②GMM模型結果，被解釋變量lnTECH和lnTFP的lnICT系數都有所下降，而lnEFF的系數卻略有提高，系數符號均無改變，依然顯著。由此可見，考慮了內生性問題后，得出ICT投資對全要素生產率及其分解項有著顯著的促進作用，這一結論和上文回歸得出的結果是一致的。

表7 內生性問題分析回歸結果

六、結論與啟示

本研究分析了ICT投資對全要素生產率增長的作用機理。利用2007—2016年中國裝備制造業(yè)行業(yè)省級面板數據，實證考察了ICT在不同吸收能力下的效用發(fā)揮，得出如下結論：第一，在樣本期間，ICT投資對中國裝備制造業(yè)的技術進步有著顯著促進作用，對裝備制造業(yè)的技術效率也有著顯著的正向促進作用，總體上ICT投資對技術進步推動型的裝備制造業(yè)全要生產率有著顯著促進作用。第二，由于存在人力資本和技術差距門限值，ICT投資對全要素生產率促進作用是非線性的。實證發(fā)現，ICT投資對全要素生產率促進作用在人力資本角度上存在兩個門限值，分別是0.046 2、0.068 2；在技術差距角度下也存在兩個門限值，分別是0.003、0.438。即在不同的吸收能力水平下，ICT投資對全要素生產率提升存在異質性作用，表現為ICT投資回歸系數在門檻值兩端均顯著且為正。隨著人力資本水平的提升，促進作用的提升幅度越來越大；隨著技術差距的不斷擴大，促進作用的提升幅度越來越小。

為此，應加快ICT在裝備制造業(yè)產業(yè)鏈各個環(huán)節(jié)的推廣和應用力度，宣傳和普及相關技術知識和操作過程，為提高裝備制造業(yè)全要素生產率增勢賦能。同時，重視裝備制造業(yè)管理知識、技能的提高與運用。注重互聯網數字技術、人工智能等信息通信技術的可得性與協同性。在各省市地區(qū)加快落實信息與通信基礎設施建設以擴展裝備制造業(yè)生產的可行性邊界，使ICT以低成本觸達社會各階層，為各產業(yè)領域的創(chuàng)新提供基礎，促使技術更好地為裝備制造業(yè)生產服務。此外，ICT投資與各區(qū)域技術吸收能力相互耦合之后共同作用于裝備制造業(yè)全要素生產率，即ICT投資是否能夠有效促進裝備制造業(yè)全要素生產率增長，還受到各省人力資本和技術差距的制約。因此，為了提高ICT投資對裝備制造業(yè)全要素生產率增長的促進作用，不能單純依靠盲目加大ICT投資，而應該為ICT發(fā)展提供良好的技術消化吸收和推廣的環(huán)境，重點是加強人力資本水平低和技術差距大的地區(qū)利用ICT實現技術進步的應用動機，推進“再工業(yè)化”和“新基建”落地。