【《基于Tobit模型的我国共享制造高质量发展影响因素测度分析案例》3700字（论文）】

[71]的计算方法，以共享制造上市企业财报附注中披露的年末无形资产明细项中与“数字经济”相关的部分占无形资产总额的比例作为代理变量。假设3:企业规模与共享制造企业高质量发展效率呈正相关关系企业在生产和规模扩张过程中，存在最优企业规模，能使企业在最优点上实现发展质量的最优化。当企业规模未达到最优生产规模时，将一直处于规模效益递增状态，企业的产出增长比例将大于投入增长比例，企业的高质量发展效率持续增高。因此，本文选取共享制造上市公司的总资产占所有样本企业总资产之和的比例来表示企业规模指标。外部影响因素：假设1:企业所在地经济发展状况与共享制造企业高质量发展效率呈正相关关系地区的经济发展状况为企业的生产经营提供经济支持和营造市场环境，对于企业的长期发展有较大的影响。本文采用企业所在地级市的GDP水平来衡量企业所在地经济发展状况。假设2:企业所占市场份额与共享制造企业高质量发展效率呈正相关关系企业的市场份额代表着企业在行业中的地位，意味着企业在行业中所占市场的比例。共享制造企业可以通过提高产品质量、增加技术壁垒、提供优质服务等方式来扩大市场份额，从而获取更多客户，开拓共享制造企业的业务范围，从而促进企业的高质量发展。本文选取共享制造企业的主营业务收入在总样本的主营业务收入比例为市场份额占比。假设3:政府补助与共享制造企业高质量发展效率呈正相关关系企业的生产经营活动与政府的支持密不可分，政府作为经济发展的重要支持，往往可以通过通过补贴、减免税收、奖金激励等方式支持企业生产经营活动。政府补助是指每家企业每年获得的政府补助总额，通过影响企业生产研发投入、降低企业经营风险等方式影响企业的发展质量。但也有学者表明，政府补助也会阻碍经营效率的提高。因此需要控制好政府补助的力度和范围。本文直接选取WIND数据库中共享制造企业的政府补助额作为数据来源。1.2.2Tobit模型构建 本文构建tobit回归模型如下：T该式中QUOTETfpitTfpit表示第i家企业第t年的高质量发展效率值，QUOTETiit、DtitTiit、Dtit、QUOTESizeitSizeit、QUOTEMsitMsit、QUOTEGdpitGdpit、QUOTEGsitGsit分别对应第i家企业第t年六个自变量的数值，QUOTEβ1、β1.3数据来源与描述性统计本文数据来源于wind数据库及上市企业财报、《2016-2020年中国城市统计年鉴》等。具体选取指标为：（1）技术强度（Technicalintensity-ti）；（2）企业数字化水平（Digitallization-dt）；（3）企业规模（Size）；（4）企业所占市场份额（MarketShare-ms）；（5）企业所在地经济状况（Gdp）；（6）政府补助（GovernmentSubsidy-gs）。借鉴已有文献中关于影响上市公司发展质量的研究成果，选取以下三个指标作为控制变量：（1）企业成立年限（Firmage-fa），采用（当年年份-公司成立年份+1）数据；（2）人力资本（HumanResources-hr），选取共享制造上市企业中大专及以上学历员工在员工总数中的占比作为人力资本指标。（3）总资产同比增长率（TotalAssetsGrowthRate-tagr），代表企业的成长能力。为保证数据的可信度，本文首先对于面板数据的缺失值作了插值法处理，同时由于数据量纲级别差异较大，为保证数据的平稳性，在缩尾法的基础上对数据进行对数处理。经处理后的变量数据和描述性统计如下：表1.1变量的描述性分析变量名均值标准差最小值最大值ti0.632580.26928770.06451.2092dt0.31535880.20557270.0010.7421size1.3591250.0319571.30061.4209ms1.9008560.851560403.3881gdp1.0261240.36365250.31331.5877gs1.6592710.79535030.20663.2248firmage0.46242340.04975850.34190.5358hr1.5777360.28749450.89931.9816tagr1.2069570.45795720.05452.09581.4实证分析1.4.1多重共线性检验首先对数据变量进行方差膨胀因子（VIF）检验，检测解释变量之间是否存在共线性问题。如下表可知，方差膨胀因子平均值为1.07，容差值均大于0.4，部分较接近于1，VIF全都小于2.5，因此，解释变量之间并不存在多重共线性问题。表1.2变量的膨胀方差因子（VIF）检验结果VariableVIF1/VIFti1.200.833123dt1.560.642771size2.390.417946ms2.390.418377gdp1.610.620949gs1.080.925742MeanVIF1.701.4.2回归结果分析在测度可得的37家共享制造上市企业高质量发展效率值（tfp）的基础上，本文采用Stata16软件，对前文构建的共享制造高质量发展效率影响因素模型进行回归分析。模型I仅包含共享制造高质量发展效率的各解释变量、模型II、模型III、模型IV为分次加入分别加入人力资本（hr）、企业成立年限（firmage-fa）、总资产增长率（TotalAssetsGrowthRate-tagr）为控制变量，得到的Tobit模型回归显著性结果如下表1.2所示。表1.2共享制造企业高质量发展效率的影响因素估计结果变量名模型Ⅰ模型Ⅱ模型Ⅲ模型Ⅳti-0.0835-0.0727-0.0784-0.204*（-1.04）（-0.91）（-0.95）（-1.89）dt0.309**0.311**0.335**0.420**（2.96)（3.01)（3.03)（3.56)size1.882**1.726**1.718**1.240*（2.49)（2.20)（2.27)（1.84)ms-0.0818**-0.0805**-0.0803**-0.0969**（-2.42)（-2.41)（-2.44)（-2.47)gdp0.113**0.121**0.140**0.133*（2.46)（2.28)（2.05)（1.75)gs0.0848**0.0841**0.0835**0.0842**（3.28)（3.25)（3.19)（2.79)firmage0.3420.3950.997**（0.89)（0.76)（2.13)hr0.04200.171*（0.51)（1.92)tagr0.0498（0.66)_cons-1.477-1.424-1.443-1.294（-1.45)（-1.43)（-1.53)（-1.54)注:*、**、***分别表示在10%，5%和1%的水平上显著，括号内为稳健标准误。从回归结果来看，企业数字化水平、企业规模、企业所在地经济水平、政府补助与共享制造企业高质量发展效率呈显著正相关关系，企业所占市场份额与共享制造企业高质量发展效率呈显著负相关关系。而研发强度没有通过显著性检验。本文选取的控制变量中，总资产增长率与高质量发展效率无显著相关关系。企业数字化水平、企业规模、企业所在地经济水平、政府补助与共享制造企业高质量发展效率呈显著正相关关系。意味着：企业拥有的智能云平台等数字经济相关的无形资产越多，数字化转型程度越高，高质量发展效率越高。企业规模越大，越容易产生规模效应，促进企业的快速成长，有利于向高质量发展转型。企业所在地的经济水平越高，往往说明该地区的消费能力和企业集聚程度相对较高，因此能为企业营造良好的市场环境，有利于企业的发展。政府补助越多，对于企业自身的生产研发投入就越高，政府补助能帮助企业有效减少试错风险，为企业的发展提供一定的经济支持和政策保障，因此是有助于企业高质量发展的。企业所占市场份额与共享制造企业高质量发展效率呈显著负相关关系，说明企业不能盲目专注于扩大市场份额，采取非理性手段比如低价竞争等抢占市场份额，更应着重于自身的产品质量和技术效益，才能实现企业的高质量发展。研发强度没有通过显著性检验，说明目前共享制造企业的研发强度对于高质量发展的影响不大。且系数为负，说明不利于企业高质量发展。这可能是由于研发强度过大时，大量的研发投入反而降低了企业的最优投入产出效率，并且各年各企业的研发强度并不能代表企业当年的技术水平，研发的投入也不一定在当年就看到效果，存在一定的滞后性。因此企业需要调整公司战略布局，研究合理的研发投入比例，并且将研发成果真正应用落地。1.5小结本章采用混合效应的Tobit模型对于面板数据进行回归分析，得出了影响共享制造企业高质量发展效率的因素。结论如下:从Tobit模型的回归结