安徽制造业服务化水平测度及评价

文/宋盛楠（安徽省社会科学院）

制造业是国民经济的主体。当前，安徽处于工业化中后期，制造业约占经济总量的四成，对经济增长的贡献超过50%。先进制造业是安徽现代经济体系建设的主导力量，更是提高安徽经济发展质量的主动力和主引擎。目前，制造业服务化已成为国内外制造业企业获得竞争优势的有效途径，也是制造业企业长期发展的方向和趋势。本文从微观视角下的2011—2016年（因部分影响因素2017年数据缺失，故选取安徽制造业上市企业2011—2016年数据进行实证研究）安徽制造业上市企业的服务化发展入手，运用描述性统计分析和时间序列数据的分析方法，构建新时代下安徽制造业上市企业长期绩效和服务化程度的实证计量模型，横向剖析近年来安徽制造业服务化发展趋势，并纵向分析安徽制造业服务化短板和具体约束因素，尝试以针对性的对策建议切实提高安徽未来制造业服务化发展水平。

一、制造业服务化影响企业绩效的文献分析

目前，国内外学者在研究区域制造业服务化程度对绩效的影响时，主要从产业和企业两个视角展开。产业视角下，一般基于区域内某产业某年的投入产出数据进行整体研究[1-3]；企业视角下，有对制造业企业进行调查问卷和基于制造业上市公司数据的两种样本选取方式[4，5]。而制造业服务化影响企业绩效的成果中，现有三种结论：促进论、U型论、马鞍型（倒U型）或双峰型论。由此可见，制造业服务化程度与绩效之间的关系较为复杂，可能存在二次或三次非线性关系。

二、安徽制造业服务化评价的实证检验

1.制造业服务化绩效评价的指标体系

（1）制造业服务转型绩效指标

《中央企业综合绩效评价管理暂行办法》（国务院国资委令第14号）中，明确规定了企业绩效评价指标，是我国企业绩效评价的权威标准。这些指标是：盈利能力状况、资产质量状况、债务风险状况、经营增长状况和补充资料。本文选取前四方面指标中的基本指标作为企业绩效指标，分别为净资产收益率（roe）、总资产周转率（tat）、资产负债率（debt）和营业收入增长率（oigr）。为了消除可能存在的异方差影响，对所有企业绩效指标都进行对数化处理，即lnroe、lntat、lndebt、lnoigr，成为本文的因变量。

（2）影响因素代表指标

为了全面测算制造业服务化程度与绩效的相关性，本文将公司规模（size）、成立年限（year）、公司性质（ownership）、员工素质（quality）4个影响因素纳入模型中分析。其中，总资产代表公司规模，安徽制造业国有上市公司占比代表公司性质，安徽制造业上市公司拥有大专及以上学历或中级以上职称的员工比例代表员工素质。对公司规模、成立年限也进行对数化处理，即lnsize、lnyear，与ownership、quality一起构成模型自变量中的控制变量。

2.安徽制造业服务化程度的描述性统计分析

本文使用企业财务数据中“主营外业务收入”作为服务收益，以企业开展服务业收益占企业营业总收入的比重作为服务化指标，进行安徽制造业服务化程度的测算。则制造业服务化程度的计算公式为：service=主营外业务收入/营业总收入。

从图1可以看出，2011—2016年安徽制造业服务化程度值的偏度值是0.528232，大于0，整个样本分布向右偏；峰度值为1.531981，小于正态分布的标准值3，样本分布的凸起状况较正态分布不明显；样本的平均值和中位值都为正，可以看出6年中安徽制造业服务化程度整体呈现上升态势，服务化转型效果短期内较好；服务化程度的波动性较大；6年的服务化程度值中，超过平均值的有2个，其余4个都低于平均值，两者所占比例相差33.3个百分点。

图1 2011—2016年安徽制造业服务化程度的描述性统计图

3.安徽制造业服务转型影响绩效的实证模型

（1）因变量的单位根检验

本文研究的数据为典型的时间序列数据，在进行多元回归前，必须要对数据进行单位根检验，确保所有变量的平稳性，避免产生伪回归现象使得最终的多元回归结果出现偏差。

将因变量引入Eviews9.0软件并选择附加不同的趋势项和漂移项，得到检验结果：4个因变量的单位根在2011—2016年的原始数据序列上是平稳的，可以进行下一步的多元回归。

（2）服务化程度的单位根检验

对service及service2分别进行单位根检验，得到检验结果：二者的单位根在2011—2016年的原始数据序列上平稳，可以进行下一步的多元回归。

（3）控制变量的单位根检验

控制变量中，lnyear=ln（目标年－制造业上市公司成立时间）；ownership=国有制造业上市公司数量/制造业企业数量；quality=制造业上市公司素质员工总数/员工总数。将4个控制变量引入Eviews9.0软件并选择附加不同选项，得到单位根检验结果：4个控制变量的单位根在2011—2016年的原始数据序列上平稳。

（4）制造业服务转型影响绩效的多元回归分析

表1 制造业服务化程度影响企业盈利能力的多元回归结果

通过使用Eviews9.0进行回归分析[6]，发现制造业服务化程度与企业资产质量及企业债务风险之间的相关性不明显，无法得出回归结论。因此，下文仅对安徽制造业服务化程度影响企业盈利能力和企业经营增长的相关性进行研究，分析相关结论。

①制造业服务化程度影响企业盈利能力的回归模型分析

回归结果中（见表1），方程的拟合优度R2=0.999568，修正拟合优度(R2)=0.997839，同时，lnroe与service2、service、ownership、lnyear回归的方程显著性好，变量分别在5%和10%的水平下通过T检验，方程有效性好。由此可得多元回归方程为：

由方程可知：service2的回归系数为负，在5%的水平下通过T检验且相关性显著，说明安徽2011—2016年制造业服务化程度与企业盈利能力之间的相关曲线为倒U型，也即公司的服务化改革中出现了初期红利以及利润中期沦陷的问题，“服务化困境”真实存在；ownership的回归系数为正，在10%的水平下通过T检验且相关性显著，说明实施制造业服务化的企业性质与企业绩效之间正相关；lnyear的回归系数为正，在5%的水平下通过T检验且相关性显著，说明实施制造业服务化的企业成立年限与企业绩效之间正相关。

表2 制造业服务化程度影响企业经营增长的多元回归结果

②制造业服务化程度影响企业经营增长的回归模型分析

回归结果中（见表2），方程的拟合优度R2=0.956976，lnoigr与 lnsize、service2、lnyear的回归方程拟合优度高，变量拟合好，3个自变量均在5%的水平下通过T检验，方程有效性好。由此可得多元回归方程为：

由方程可知：lnoigr与service回归结果不显著，service2的回归系数为负，在5%的水平下通过T检验且相关性显著，同样说明安徽制造业企业“服务化困境”存在；lnsize的回归系数为负，在5%的水平下通过T检验且相关性显著，说明实施制造业服务化的企业规模与企业绩效之间负相关；lnyear的回归系数为正，在5%的水平下通过T检验且相关性显著，说明实施制造业服务化的企业成立年限与企业绩效之间正相关。

三、结论及建议

安徽2011—2016年制造业服务化程度与企业绩效的回归曲线是倒U型，说明制造业服务化困境实际存在，即服务化程度上升到一定程度后，会给制造企业带来负面效应。

（1）对回归结果作进一步阐释。2个因变量中有1个与服务化程度service相关且回归系数通过T检验，lnoigr虽然与service回归不显著，但与service2显著相关，说明制造业服务化程度对企业绩效有明显影响。

（2）“服务化困境”与我国制造业发展的大环境密切相关。

目前，我国制造业企业大多已进行服务化转型，企业根据自身条件选择向产业链的上游或下游延伸；部分龙头企业还成立了自己的融资租赁公司等同类型的金融及类金融企业，可直接推动解决企业融资难题，增强制造企业的核心竞争力和资金的流动能力；少数制造企业服务化发展已处于行业前列。但同时，我国一些经济较发达地区的制造业与生产性服务业的融合并不充分，不论是制造能力还是服务环境都依然粗放，国外的先进经验很难复制实施。

根据数据和实证模型分析，得到如下启示：制造企业进行服务化时必须对服务化困境作充分准备。由于企业资源融合存在困难和冲突，因此，选择制造企业的服务化领域时不能盲目跟风，必须在谨慎审度市场实际需求和自身资源约束的基础上，逐步提升服务能效，实现制造价值向服务价值延伸。

（3）安徽制造业上市公司成立年限显著影响绩效水平，制造企业成立年限越长，制造业绩效越好。

两个回归方程中，因变量与lnyear的回归系数均为正且显著，说明成立年限对制造业绩效的影响程度较大，公司成立年限越长，施行服务化转型时，越能给企业带来盈利能力和经营增长能力的提升。同样，在安徽成立时间越长的制造业企业越适宜进行服务化发展，不仅可以实现企业的多元化经营，而且可以给企业带来很大程度的蓬勃发展。