中国制造业结构升级的组态路径研究
摘要
关键词
制造业结构升级;TOE框架;组态分析
正文
[中图分类号] F424.0;F427 [文献标识码] A
一、引 言
进入新时代以来,随着人工智能、5G、工业互联网等新一代信息技术的发展,中国制造业正加速向“中国智造”转型。随着制造业增加值的稳步提升,中国在维护全球产业链和供应链方面发挥着越来越重要的作用。但近年来我国制造业增加值占GDP比重呈现下降趋势,一方面,中国人口红利的消失和生产要素成本的上涨,削弱了制造业的价格优势,低端制造业发展受阻;另一方面,国际金融危机后,世界各主要发达国家为了应对经济萧条、失业率攀升等问题,纷纷出台政策吸引制造业回流,逆全球化行为进一步挤压了外需增长空间,这使得内需对经济发展的支撑作用更加凸显。而我国现阶段低端产能过剩和中高端产能不足并存的现状使得消费结构和产业结构之间无法形成良性互动。因此,想依靠内需拉动经济,必须有本土高端制造业体系作为支撑。
二、文献评述与模型构建
目前学者们对制造业结构升级做了大量的研究,从研究内容上看,主要可归结为动力机制、影响因素和升级路径三个方面。其中,影响因素可概括为以数字经济、技术创新等为核心的技术维度;以财税政策、环境规制等为核心的组织维度和以生产性服务业集聚、FDI、OFDI为核心的环境维度。从研究方法上看,学者们聚焦技术维度、组织维度、环境维度中的单一因素或某两个因素对制造业结构升级的净效应,并未体现不同维度的多个因素对制造业结构升级的综合影响,不能系统解释制造业结构升级的多因素联动机制。单一因素是否以及在何种程度上构成制造业结构升级的必要条件?影响制造业结构升级的驱动路径是什么?各因素之间是否存在替代关系?等问题仍有待进一步探讨。
因此,本文在整合现有研究的基础上,基于“技术-组织-环境”(TOE)的分析框架,构建影响制造业结构升级的理论模型(如图1所示),探讨各个维度的影响因素对制造业结构升级的联动效应。
图1 研究框架
三、研究方法与数据
(一)研究方法
本文采用fsQCA和NCA相结合的方法对制造业结构升级的路径进行探讨。fsQCA方法是运用组态分析的方法研究多要素之间的协同效应。通过对现有文献的分析可以看出,学术界大都认可数字基础设施、创新能力、财政支出和对外直接投资等因子对制造业结构升级产生了正向影响,但是对于环境规制、金融集聚等因子对制造业结构升级的影响,不同的学者得出了相悖的结论,由此可推测这些因子对制造业结构升级的影响并非是简单的线性关系,极可能是通过多个因素的协同联动产生了组合效应,从而影响了制造业结构升级。但是fsQCA方法在对必要条件进行识别时,只能定性地陈述某条件是否是制造业结构升级的必要条件,不能定量的体现必要程度。而Dul提出的NCA方法能够有效克服fsQCA的上述不足之处,因此本文选取NCA与fsQCA相结合的方法,通过对案例的比较分析,探索影响制造业结构升级的核心因素和驱动路径。
(二)数据及校准
1、结果变量(制造业结构升级指数)
本文采用潘为华(2022)的方法,从利润的角度对制造业结构升级水平加以衡量。因为制造业越趋向价值链高端,利润率也越高,相对于低利润率的制造业则呈现出升级状态[1]。根据傅元海(2014)将制造业细分行业按技术水平分为高端、中端、低端的划分标准,用高端技术制造业的利润总额占制造业各细分行业的利润总额的比重表示制造业结构升级水平。
2、条件变量
技术条件。两化融合程度采用国家工业信息安全发展研究中心发布《中国两化融合发展数据地图(2020)》中的两化融合发展水平指标进行衡量,该指标基于基础设施、协同创新、竞争力和绩效等视角对两化融合程度进行了综合评估。
组织条件。财政支出水平采用教育支出和科技支出占各省预算支出的比重进行衡量;环境规制采用刘荣增等(2021)的测量方法,采用各省2020年工业污染治理投资完成额占第二产业增加值的比重进行衡量,数据均来源于中国统计年鉴。
环境条件。金融集聚指数(LQ)采用区位熵指数计算,公式如下:LQ=(Eij /Ei)/(Ekj/Ek) ,在本文中j特指金融业,所以Eij表示i省份的金融业增加值,Ei表示i省份的GDP,Ekj表示k国家的金融业增加值,Ek表示k国家的GDP,相关数据来源于国家统计局;对外直接投资水平采用对外投资流量占地区生产总值的比重进行衡量,数据来源于国家统计局、中国对外直接投资统计公报。
3、变量校准
本文运用直接校准法将变量转换为模糊集。选取5个条件变量与1个结果变量样本数据的75%、50%和25%分位数作为校准锚点,分别代表完全隶属、交叉点和完全不隶属。在 fsQCA中,校准后隶属度等于0.5的案例因为无法判断是“隶属”还是“不隶属”,所以该案例在真值表中会被忽略从而影响结论的准确性,因此本文参照Fiss (2011)的方法给隶属度为1以下的变量都加入0.001的常数,并不影响分析结果[2]。各变量校准锚点详见表1。
表1 各变量的校准
变量名称 | 校准 | |||
完全隶属 | 交叉点 | 完全不隶属 | ||
结果变量 | 制造业结构升级指数 | 0.652 | 0.444 | 0.312 |
条件变量 | 两化融合 | 58.450 | 50.700 | 46.950 |
财政支出 | 0.210 | 0.176 | 0.163 | |
环境规制 | 0.002 | 0.001 | 0.001 | |
金融集聚 | 1.047 | 0.900 | 0.813 | |
对外直接投资 | 0.058 | 0.030 | 0.018 |
四、结果分析
(一)必要条件分析
NCA通过构建x-y散点图,运用上限回归(CR)和上限包络(CE)两种方法绘制上限线,用上限线以上的空白区域与上限线以下的区域之比即效应量(d)作为判断x是否是必要条件的依据。效应值(d)的取值范围在0-1之间,0≤d<0.1表示低等效果,0.1≤d<0.3表示中等效果,0.3≤d<0.5表示高等效果。其中,上限回归(CR)用于分析连续变量和超过5个的离散变量,上限包络(CE)用于分析二分变量和不到5个的离散变量。在表2中,报告了分别采用CE和CR两种方法得出的NCA必要条件分析结果。用NCA判定必要条件需要同时满足以下两个条件:效应量(d)≥0.1且蒙特卡洛仿真置换检验(p值)显示效应量显著[3]。基于上述分析可见,两化融合和金融集聚虽然显著,但是效应量均小于0.1,因此不能判定是制造业结构升级的必要条件。而财政支出(p=1.0)、环境规制(p=1.0)、对外直接投资(p=1.0)的检验结果均不显著,说明它们也不是制造业结构升级的必要条件。
表2 NCA必要条件分析结果
条件 | 方法 | 精确度 | 上线区域 | 范围 | 效应值(d) | P值 |
两化融合 | ce | 100% | 0.028 | 0.989 | 0.029 | 0.047 |
cr | 90.30% | 0.025 | 0.989 | 0.025 | 0.085 | |
财政支出 | ce | 100% | 0.000 | 0.998 | 0.000 | 1.000 |
cr | 100% | 0.000 | 0.998 | 0.000 | 1.000 | |
环境规制 | ce | 100% | 0.000 | 0.988 | 0.000 | 1.000 |
cr | 100% | 0.000 | 0.988 | 0.000 | 1.000 | |
金融集聚 | ce | 100% | 0.047 | 0.998 | 0.047 | 0.005 |
cr | 96.80% | 0.029 | 0.998 | 0.029 | 0.012 | |
对外直接投资 | ce | 100% | 0.000 | 0.998 | 0.000 | 1.000 |
cr | 100% | 0.000 | 0.998 | 0.000 | 1.000 |
表3进一步报告了必要条件的瓶颈效应量,表示条件变量至少要达到什么水平(%)才能使结果变量达到某一特定水平。例如两化融合至少要达到5.0%的水平且金融集聚至少要达到9.2%的水平才能使制造业结构升级达80%的水平,其他条件均不存在瓶颈水平。
表3 NCA必要条件瓶颈 %
制造业结构升级 | 两化融合 | 财政支出 | 环境规制 | 金融集聚 | 对外直接投资 |
0 | NN | NN | NN | NN | NN |
10 | NN | NN | NN | NN | NN |
20 | NN | NN | NN | NN | NN |
30 | 0.4 | NN | NN | NN | NN |
40 | 1.3 | NN | NN | NN | NN |
50 | 2.2 | NN | NN | NN | NN |
60 | 3.2 | NN | NN | NN | NN |
70 | 4.1 | NN | NN | NN | NN |
80 | 5.0 | NN | NN | 9.2 | NN |
90 | 5.9 | NN | NN | 27.3 | NN |
100 | 6.9 | NN | NN | 45.4 | NN |
注:表中采用上限回归分析(CR),NN表示不必要。
本文进一步采用 fsQCA 方法进行必要条件检验,当一致性>0.9时,方可判定条件变量为必要条件。检验报告如表4所示,单个条件的一致性均低于0.9,故不存在影响制造业结构升级的必要条件。该结果与NCA结果一致。
表4 QCA必要条件检验
条件变量 | 制造业结构升级水平 | |
一致性 | 覆盖度 | |
两化融合 | 0.723440 | 0.698712 |
~两化融合 | 0.408648 | 0.384674 |
财政支出 | 0.584720 | 0.570363 |
~财政支出 | 0.535797 | 0.499558 |
环境规制 | 0.497429 | 0.493455 |
~环境规制 | 0.601638 | 0.552133 |
金融集聚 | 0.714508 | 0.691622 |
~金融集聚 | 0.383475 | 0.360198 |
对外直接投资 | 0.728718 | 0.690099 |
~对外直接投资 | 0.412979 | 0.396427 |
注:~表示该条件不存在,例如“~两化融合”表示非高水平两化融合。
(二)条件组态分析
本文采用fsQCA3.0软件对影响制造业结构升级的条件组态进行分析,将原始一致性阈值设定为0.8,PRI一致性阈值设置为0.75,案例频数阈值设定为1,涵盖31个样本。表5呈现了影响高水平制造业结构升级的4条驱动路径。其中,●表示边缘条件存在,●表示核心条件存在,⊗表示边缘条件缺失,表示核心条件缺失,空格表示该条件变量不重要。每一纵列代表了一种条件组态,总体解的一致性为0.913,表示在所有满足这4种条件组态的案例中,有91.3%的省份呈现出较高的制造业结构升级水平。解的覆盖度为0.528,表示4种条件组态可以解释52.8%的高水平制造业结构升级案例。无论是单个组态还是总体解的一致性水平均高于最低标准0.75[4],4种条件组态均可看作高水平制造业结构升级的充分条件组合。进一步根据4种组态的特征,可以提炼为两种驱动模式,即均衡驱动型和技术-环境驱动型。
表5 高水平制造业结构升级的组态分析
均衡驱动型 | 技术-环境驱动型 | |||
条件变量 | 组态1 | 组态2a | 组态2b | 组态2c |
两化融合 | ● | ● | ● | ● |
财政支出 | ● |
|
| |
环境规制 |
|
| ||
金融集聚 | ● | ● | ● | ● |
对外直接投资 | ● |
| ● | |
一致性 | 0.884 | 0.932 | 0.961 | 0.867 |
原始覆盖度 | 0.362 | 0.130 | 0.201 | 0.313 |
唯一覆盖度 | 0.117 | 0.017 | 0 | 0.020 |
解的一致性 | 0.913 | |||
解的覆盖度 | 0.528 |
注:本表中⊗均表示边缘条件缺失。
1、均衡驱动型
组态1指出高两化融合、高金融集聚为核心条件,补充高财政支出、高对外直接投资为边缘条件可以促成高水平的制造业结构升级。本组态表明对于两化融合和金融集聚均已处于较高水平的省份,如若政府能加大财政在科技和教育方面的扶持力度,扩大对外直接投资规模,环境规制对制造业结构升级的影响不大。
2、技术-环境驱动型
组态2a指出高两化融合、高金融集聚为核心条件,补充非高财政支出、非高对外直接投资为边缘条件可以促成高水平制造业结构升级。本组态表明在财政支出力度小和对外直接投资规模小的省份,如果两化融合和金融集聚发展都处于较高水平,环境规制对制造业结构升级的影响并不大。该路径能解释约13.0%的高水平制造业结构升级案例,代表省份有辽宁、湖北
组态2b指出高两化融合、高金融集聚为核心条件,补充非高财政支出、非高环境规制为边缘条件可以促成高水平制造业结构升级。本组态表明在财政支出力度小、环境规制不强的省份,如果两化融合和金融集聚发展都处于较高水平,对外直接投资对制造业结构升级的影响并不大。该路径能解释约20.1%的高水平制造业结构升级案例,代表省份有重庆、辽宁、上海。
组态3c指出高两化融合、高金融集聚为核心条件,补充高对外直接投资、非高环境规制为边缘条件可以促成高水平的制造业结构升级。本组态表明缺乏环境规制的省份,如果两化融合、金融集聚和对外直接投资都处于较高水平,财政支出对制造业结构升级的影响并不大。该路径能解释约31.3%的高水平制造业结构升级案例,代表省份有北京、广东、重庆、上海、安徽。
五、研究结论与实践启示
本文在TOE框架下,运用NCA和fsQCA相结合的研究方法,以2020年的相关数据对我国31个省份进行分析,探究了影响制造业结构升级的核心要素及驱动路径。本文的结论如下:(1)本文运用 NCA 方法发现单一条件不是构成高水平制造业结构升级的必要条件,说明制造业结构升级是多个条件相互作用的结果;(2)本文运用fsQCA方法发现了促成高水平制造业结构升级的4条路径,可归纳为两种驱动模式,即均衡驱动型和技术-环境驱动型。其中,两化融合和金融集聚为核心条件,政府在制造业结构升级中的作用尚有较大的提升空间;(3)我国制造业企业技术创新模式由引进模仿向自主研发转变。本文的研究结论对现有制造业结构升级的研究有以下两方面的实践启示。
[1] 潘为华.数字普惠金融与制造业升级:影响机制与经验证据[J].财经理论与实践.2022,(06):10-16.
[2] Fiss P C.Building better casual theories:A fuzzy set approach to typologies in organizational research[J]. Academy of Management Journal, 2011,54(2):393-420.
[3] DUL J,Van Der Laan E,Kuik R. A statistical significance test for necessary condition analysis[J].Organi‐zational Research Methods,2020,23(2):385-395.
[4] Schneider C Q,Wagemann C. Set-theoretic methods for the social sciences:A guide to qualitative comparative analysis[M].Cambridge University Press,2012.
...