摘要：文章基于2014—2023年中国制造业上市企业数据，实证检验工业智能化对制造业企业成本粘性的作用机理。研究发现：工业智能化能够抑制制造业企业的成本粘性，该结论经过内生性检验和稳健性检验后依旧成立；工业智能化能够通过增强制造业企业的内部控制和降低供应链集中度来抑制成本粘性；工业智能化对数字化转型程度较高制造业企业成本粘性的抑制效果更明显。为此，提出了推动工业智能化在制造业领域深度应用、加快工业智能化平台建设以及强化工业智能化的智力支撑等政策建议。
关键词：工业智能化,成本粘性,制造业企业,数字化转型
引言
党的二*大报告指出“推进新型工业化，加快建设制造业强国”。制造业是我国国民经济发展的基石，更是国家综合实力的重要体现。现阶段，制造业的传统成本优势在人口红利不断衰减的影响下逐步被削弱，进而影响企业的资源配置能力并导致成本粘性的产生。工业智能化为解决这一问题提供了新的思路，其凭借数字化、信息化、智能化等优势对企业的生产方式和管理模式产生了颠覆式变革，从而重塑企业生产形态与创造力。那么，工业智能化影响制造业企业成本粘性的具体机制是什么？企业的数字化转型能否进一步影响工业智能化与成本粘性的关系？基于该现实问题，本文以制造业上市企业数据为研究样本，构建一系列计量模型展开实证研究。
一、文献综述
与本文相关的文献分为两类。一是关于制造业企业成本粘性的研究，该部分文献分为成本粘性的影响因素与经济效应两个方向。成本粘性的影响因素研究主要以数字化转型或绿色转型为主。例如，战歌等（2023）[1]从成本调整、管理者预期等视角进行了实证分析，研究表明数字化转型能够抑制制造业企业的成本粘性，企业的调整成本和管理者预期等正向调节该机制。栗华临等（2024）[2]从绿色转型角度展开了讨论，结果表明制造业企业绿色转型能够加剧成本粘性，并在长周期内提升企业的可持续发展能力，该机制在国有企业和中西部企业中更突出。付晓改等（2024）[3]从内部控制和信息不对称的角度考察了数字化转型对成本粘性的影响，研究发现数字化转型显著抑制了成本粘性，对内控能力较弱和信息不对称程度较高的企业影响更明显。成本粘性的经济效应研究主要以债务风险和企业绩效为主。例如，武英芝（2021）[4]实证考察了制造业企业成本粘性与债务非风险的关系，研究指出二者之间存在正相关关系，商业信息和研发能力在二者之间分别存在中介效应和调节效应。周谦（2023）[5]探讨了成本粘性对“专精特新”企业绩效的作用机理，研究发现成本粘性显著抑制了企业绩效，并与企业研发投入存在替代效应。
二是关于工业智能化的研究，该部分文献分为中观产业和微观企业视角的研究。中观产业视角的研究集中在产业结构升级方向。例如，柴正猛等（2024）[6]的实证研究表明，工业智能化在短期和长期内均有利于产业结构升级，对产业结构高级化存在正向影响，但对产业结构合理化存在负向影响，并且对内陆地区的影响高于沿海地区。李金城（2024）[7]在测度工业智能化指数基础上检验了其对产业链韧性的作用机理，研究指出工业智能化通过提高产业要素配置水平和加快产业知识溢出有效提升了产业链韧性，对沿海和北方地区的影响更明显。微观企业视角的研究集中在绿色创新方向。例如，袁丽静等（2024）[8]基于进口工业机器人的微观数据考察了智能化对企业绿色转型的影响，研究发现工业智能化通过抑制企业排污推动了绿色转型，对产业结构更优和基础设施更完善地区的作用更突出。孙悦琦等（2024）[9]采用面板泊松分布固定效应模型考察了工业智能化与企业绿色转型的关系，研究表明二者存在正相关关系，全要素生产率和企业ESG能够正向调节该正向关系。
既有文献肯定了工业智能化对企业数字化转型或绿色转型的积极影响，并证实了企业数字化转型或绿色转型与成本粘性关联密切，但遗憾的是鲜有文献针对工业智能化与制造业企业成本粘性开展直接性研究。鉴于此，本文基于2014—2023年中国制造业上市企业面板数据，实证检验工业智能化对制造业企业成本粘性的作用机理，以期为促进制造业企业高质量发展提供理论支撑和经验证据。
二、理论机制与研究假说
（一）工业智能化与制造业企业成本粘性
工业智能化主要通过工业机器人的使用影响制造业企业的成本变动和成本粘性。一方面，工业机器人的应用降低了企业生产中劳动要素的投入，通过机器规模化生产提升劳动生产效率并降低劳动摩擦成本，缓解了传统业态下制造业企业生产资料成本过高的困境，进而降低企业的成本粘性。另一方面，工业机器人的应用促进了企业技术进步，并通过技术进步的溢出效应最大程度降低生产损耗，尤其是工业智能化与数字化的深度融合能够不断优化企业的能源配置、互联互通及协同调度，培养智能高效的生产模式，促进企业规模经济的形成，进而降低企业的成本粘性。综上分析，提出研究假设H1：工业智能化能够抑制制造业企业的成本粘性。
（二）内部控制与供应链集中度的中介作用
根据信息不对称理论，制造业企业的生产管理决策会受信息处理的约束。制造业企业在复杂且竞争激烈的市场环境下需要精准、动态地掌握企业内外部的环境和技术信息，工业智能化能够通过规范化、高效化的生产降低企业组织管理风险，优化企业内部控制质量，并帮助企业建立更具非线性化的管理模式与流程。从内部控制与成本粘性的关系看，内部控制水平的提升意味着企业解决委托代理问题能力的提升，有效的内部控制既能够帮助管理层科学治理企业，对管理者实施有效的监督和约束，又能够协调企业委托人、代理人等多方利益冲突，降低管理层的机会主义行为，进而降低企业成本粘性。综上分析，提出研究假设H2a：工业智能化能够通过增强制造业企业的内部控制来抑制成本粘性。
根据资源依赖的相关理论，制造业企业的成本变动与控制和企业的资源替代或相互合作能力密切相关。工业智能化在实时分析、过程模拟和预测分析等层面的独特优势有效提升了制造业企业的资源使用和配置水平，促进企业生产向高效化与批量化方向转型，而这种转型能够向制造业产业链的上下游延伸，优化企业的供应链结构，降低单一或固定供应链对企业生产的桎梏。从供应链集中度降低与成本粘性的关系看，企业采用多元化的供应商模式一方面降低了单一原材料或原件供货的潜在风险，摆脱了对单一供应商的依赖，另一方面提升了企业在供应链中的溢价能力，进而优化企业的成本控制。综上分析，提出研究假设H2b：工业智能化能够通过降低制造业企业的供应链集中度来抑制成本粘性。
（三）数字化转型的调节作用
事实上，工业智能化应用与企业的数字化转型息息相关，工业机器人的应用离不开大数据、云计算等数字信息技术的支撑，工业智能化的自动控制也离不开数据资源的开发与应用。数字化转型在工业智能化影响企业成本粘性中的调节逻辑如下：一方面，数字化与智能化的深度融合有效降低了信息不对称程度，通过提升企业内部的信息共享水平和信息流畅度加快了工业智能化技术进步的溢出，进而促进企业持续提升生产效率和资源利用率，降低成本粘性；另一方面，数字化转型所带来的企业管理模式优化有助于提升资源配置能力，尤其降低了资源投入比例偏高的制造业企业的生产冗余成本，通过数字化的生产管理体系降低企业成本粘性。综上分析，提出研究假设H3：数字化转型能够正向调节工业智能化对制造业企业成本粘性的抑制机制。
三、研究设计
（一）变量说明
被解释变量：制造业企业成本粘性（COST）。沿用学术界的普遍做法，本文将成本粘性定义为企业营业收入增加时成本增加额与营业收入增加时成本减少额的差额，具体计算如下：
其中：SC为销售费用，MA为管理费用，OP为营业成本。
解释变量：工业智能化（INTE）。基于数据的可得性，工业智能化的测算参考董明放等（2024）[10]的做法，采用制造业企业机器设备人均价值表示。
机制变量：内部控制（INCO），采用迪博数据库的企业内部控制指数表示；供应链集中度（SUPL），计算出企业前五大供应商采购额占总采购之比以及前五大客户销售额占总销售额之比，对前向和后向供应链集中度比值取均值表示SUPL指标；数字化转型（DIGT），采用文本识别法测算DIGT指标，具体如下：首先，对样本企业的年报进行文本提取，提取内容主要是“管理层讨论与分析”与“公司治理”；其次，采用Python对提取内容中的关键词进行词频统计，构建数字化高频关键词词典（共包含人工智能、云计算和数据挖掘等79个关键词，备索）；最后，通过公式（2）计算DIGT指数。
控制变量（X）：实证中进一步控制了企业规模（SIZE）、负债率（DEBT）、资产收益率（ROA）和托宾Q值（TQ）等变量，具体说明见表1。
式（3）—（8）中，COST、INTE、INCO、SUPL和DIGT分别为成本粘性、工业智能化、内部控制、供应链集中度和数字化转型，X为控制变量，μ和η为个体与时间固定效应，ε为随机误差项。
（三）研究样本与数据来源
本文实证样本选择2014—2023年我国沪深A股制造业上市公司。样本采取了如下处理：剔除了ST和PT类企业；剔除了IPO不满一年企业；剔除了主要财务指标缺失企业；对所有连续变量进行了双侧1%的缩尾处理。实证数据来自CSMAR数据库、CNRDS数据库、巨潮资讯网以及上交所和深交所官网。
四、实证结果与分析
（一）基准回归
根据研究假设H1，控制个体固定效应和时间固定效应后的基准回归结果（见表2），列（1）至列（5）为依次加入控制变量后的检验结果。可以看出：未加入控制变量下的工业智能化检验系数为-0.039，在5%统计性水平下显著；随着控制变量的逐步加入，模型的拟合度和工业智能化检验系数的显著性不断提升；加入全部控制变量后的工业智能化检验系数为-0.085，在1%统计性水平下显著。结果表明，无论是否加入控制变量，工业智能化对制造业企业成本粘性的影响均显著为负，即工业智能化显著抑制了制造业企业的成本粘性，验证了研究假设H1的成立。
根据列（5）所示的控制变量的检验结果：企业规模和负债率的检验系数分别在5%和1%的统计性水平上显著为正，表明企业规模、负债率与成本粘性呈正向相关，即企业的规模越大、负债率越高，则成本粘性越大；资产收益率的检验系数在1%统计性水平上显著为负，表明企业的资产收益率越高，成本粘性越小；托宾Q值的检验系数未通过显著性检验，表明企业的资产市值与成本粘性不存在关联性。
（二）内生性检验
为避免工业智能化与成本粘性之间双向因果关系导致的内生性问题，即成本粘性低的制造业企业具有更高的工业智能化水平，本文采用工具变量法进行内生性检验。工具变量的选择参考李金城（2024）[7]的做法，以样本企业所在地区1984年的邮局数量（IV）表示，其原因是该数据属于历史数据，能够在地区层面反映工业智能化水平，与此同时，该数据对单个企业的影响较弱，满足外生性条件。根据内生性检验结果（见表3），第一阶段检验中工具变量对工业智能化的影响在1%的统计性水平上显著为正，第二阶段检验中工业智能化对企业成本粘性的影响在5%的统计性水平上显著为负，且模型通过了弱工具变量检验和不可识别检验。结果表明，以工具变量控制内生性偏误后，工业智能化抑制制造业企业成本粘性的研究结论依旧成立。
（三）稳健性检验
为保证研究结果的稳健性，本文进行了以下稳健性检验：第一，替换核心变量法。替换被解释变量，参考陈良华等（2019）[11]的做法，采用ABJ模型重新测算成本粘性；替换解释变量，参考孙悦琦等（2024）[9]的做法，以分解至企业层面的工业机器人渗透密度的自然对数表示工业智能化水平。第二，增加滞后项，增加工业智能化的滞后一期项（INTE_1）进行回归。第三，调整数据处理方法，对所有连续变量进行双侧5%的缩尾处理。根据稳健性检验结果（见表4）：替换核心变量检验中的工业智能化检验系数分别为-0.092和-0.073，通过了1%的统计性检验；增加滞后项检验中的工业智能化及其滞后项系数分别为-0.081和-0.044，通过了1%和5%的统计性检验；调整数据处理方法检验中的工业智能化系数为-0.077，通过了1%的统计性检验。可以看出，三类稳健性检验结果与基准回归结果基本保持一致，验证了基准回归结论的可靠。
（四）影响机制检验
根据研究假设H2a和H2b，引入内部控制和供应链集中度等中介变量后的影响机制检验结果见表5。可以看出：工业智能化对制造业企业内部控制和供应链集中度的影响系数分别为0.152和-0.218，均通过了1%的统计性检验，表明工业智能化能够提升制造业企业的内部控制水平和降低供应链集中度；列（2）和（4）中的工业智能化对成本粘性的影响系数均在1%统计性水平上显著为正，且内部控制在5%的统计性水平上对成本粘性的影响为负值，供应链集中度在10%的统计性水平上对成本粘性的影响为正值，结果表明内部控制与供应链集中度与企业成本粘性分别呈负向相关和正向相关，内部控制和供应链集中度中介了工业智能化对制造业企业成本粘性的抑制机制，即工业智能化能够通过增强制造业企业的内部控制和降低供应链集中度来抑制成本粘性，验证了研究假设H2a和H2b的成立。
（五）调节机制检验
根据研究假设H3，引入数字化转型调节变量后的调节机制检验结果见表6。可以看出：引入调节变量后的工业智能化检验系数依旧在1%的统计性水平上显著为负值，表明引入调节变量后工业智能化依然抑制了制造业企业的成本粘性；数字化转型的检验系数为-0.049，通过了5%的统计性检验，表明数字化转型能够抑制制造业企业的成本粘性；数字化转型与工业智能化交互项的检验系数为-0.113，通过了1%的统计性检验，表明数字化转型正向调节了工业智能化对制造业企业成本粘性的抑制机制，即工业智能化对数字化转型程度较高的制造业企业成本粘性的抑制效果更强烈，验证了研究假设H3的成立。
五、结论与建议
本文基于2014—2023年中国制造业上市企业面板数据，实证检验了工业智能化对制造业企业成本粘性的影响，并考察了内部控制和供应链集中度的传导机制，以及数字化转型的调节机制。主要研究结论如下：一是工业智能化显著抑制了制造业企业的成本粘性；二是工业智能化显著提升了制造业企业的内部控制水平并降低了供应链集中度，内部控制和供应链集中度中介了工业智能化对制造业企业成本粘性的抑制机制；三是数字化转型能够抑制制造业企业的成本粘性，工业智能化对数字化转型程度较高的制造业企业成本粘性的抑制效果更强烈。
本文得出的政策建议如下：第一，推动工业智能化在制造业领域的深度应用。政府层面应鼓励并引导制造业企业加大工业智能化转型，通过联合技术攻关、产业政策扶持等方式促进工业机器人在制造业的普及与应用；企业应加大对工业智能化的投入，优化企业组织管理架构使之与工业智能化生产运营相匹配，促进数字技术与工业智能化的深度融合。第二，加快工业智能化平台建设。应以工业互联网、人工智能为基础，紧密围绕制造强国战略打造工业智能化平台，加大对工业智能化的新型基础设施投资，通过平台建设协调制造业内部的信息协同与智能化生产共享。第三，强化工业智能化的智力支撑。具备专业素养的高水平人才是推进制造业领域实现工业智能化的智力基础，应不断完善智能人才培养体系，加快建设由政府、科研机构、高校和企业等多方面参与的人才培养体制，加强非技能岗位工人的工业智能化职业培训，增强智能人才对工业智能化的有效供应。
参考文献：
[1]战歌，周茹，任高远.数字化转型能抑制制造业企业成本粘性吗?[J].统计与管理，2023，38（9）：81-91.
[2]栗华临，李英，刘倩.绿色转型与企业成本粘性[J].财会月刊，2024，45（1）：60-65.
[3]付晓改，符加林，陈欢欢，等.数字化转型有利于降低制造业企业成本粘性吗?基于内部控制和信息不对称视角的分析[J].工程管理科技前沿，2024，43（4）：76-82.
[4]武英芝.新产品研发能力、制造业企业成本粘性与债务违约风险兼论供应链商业信用的中介效应[J].财会通讯，2021（14）：44-48.
[5]周谦.“专精特新”中小制造业成本粘性对企业绩效影响机理与效应研究[J].价值工程，2023，42（30）：25-27.
[6]柴正猛，张培铎，韩先锋.工业智能化能成为产业结构升级的新动能吗[J].科技进步与对策，2024，41（19）：56-66.
[7]李金城.工业智能化的产业链韧性提升效应：理论机制与经验证据[J].改革，2024（7）：80-94.
[8]袁丽静，王婉军，王国新.智能化改造与企业绿色转型基于进口工业机器人微观数据的研究[J].经济学动态，2024（3）：44-60.
[9]孙悦琦，陈省宏.工业智能化对企业绿色转型的影响研究[J].金融与经济，2024（9）：76-83.
[10]董明放，王郭.工业智能化如何提升制造企业创新意愿[J/OL].科技进步与对策：1-10[202 4-09-20].
[11]陈良华，胡雨菲，迟颖颖.基于供应链视角的供应商关系对企业成本粘性影响研究来自中国制造业上市公司的经验数据[J].河海大学学报（哲学社会科学版），2 019，21（3）：37-45+106.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/82468.html
