智能制造、內部控制、高管薪酬與企業創新持續性

葉紅雨 袁 嬌

（上海理工大學管理學院 上海 200093）

一、引言

當前，我國經濟已進入高質量發展階段，原有的經濟結構、發展方式和增長動力等迫切需要轉型升級。同時，全球競爭加劇，外部環境瞬息萬變，企業要保持領先不能只靠一次或一個階段的成功創新[1]，必須重視、提高并保持創新持續性。隨著智能制造和工業4.0 的提出，物聯網、人工智能、大數據等技術的應用推動制造業向智能化、自動化、數字化方向發展，智能制造被認為是現階段賦能實體企業、提高經濟發展質量的關鍵[2]。為助力智能制造的發展，我國在政策和實踐上“雙管齊下”。政策上，工信部為實現2035 遠景目標、加快推動數字化轉型、拓寬智能制造行業應用范圍，編制了《“十四五” 智能制造發展規劃》[3]。實踐上，從2015 年開始，工信部每年評選一批智能制造示范工廠作為行業發展引領者，至2018 年總共評選出305 個示范工廠，涵蓋了92 個行業[4]。隨著試點項目的不斷推廣，智能制造為我國經濟高質量發展實現了有效賦能。與此同時，智能制造能否促進制造業企業創新持續性的提升？為應對企業創新的高度不確定性，內部控制又能發揮怎樣的作用？作為企業創新的重要決策者，高管在創新活動中發揮著不可替代的作用，那么，高管薪酬又會產生怎樣的影響？本文擬針對上述問題展開研究。

關于智能制造的效果，已有文獻主要集中在兩個層面。一是宏觀層面。章瀟萌和劉相波[5]認為，智能化生產能提高產出率并降低失業率，有利于經濟增長。李金華[6]指出，目前我國智能制造水平總體來說還不夠高，成熟度還有待提升；智能制造和經濟的發達程度存在相關性。二是微觀層面。張樹山等[7]發現，智能制造通過影響企業創新投入顯著提高企業績效；試點政策具有行業內溢出效應。丁煥峰等[8]認為，工業智能化對制造業企業創新的影響整體上表現為促進作用，且通過與要素配置結構、勞動力技能結構形成循環累積因果效應作用于企業創新。趙爍[9]、尹洪英和李闖[2]從優化企業創新結構和提高企業創新質量兩個方面闡述了智能制造的影響，并發現這一影響在勞動力密集度高、低技能勞動力占比高行業以及民營企業中表現更為明顯。谷城和張樹山[10]以及劉曉靜等[11]發現，智能制造通過緩解融資約束驅動企業綠色創新行為，進而提升企業ESG 表現。溫湖煒和鐘啟明[12]以及黃鍵斌等[13]認為，智能化程度和服務創新存在很強的正相關性，企業可通過二者深度融合而向價值鏈下游升級，進而有效提升全要素生產率。

關于企業創新持續性影響因素的研究較少，且主要集中在政府補貼[14]、經濟政策不確定性[15]、高管認知[16]、技術多元化[17]和金融化[18]等方面。盡管有學者關注到智能制造對企業創新的影響，但鮮有研究智能制造對企業創新持續性的影響。同時，相較于其他經營活動，企業創新通常會經歷較長的周期且具有明顯的不確定性，使得不同利益相關者對企業創新意見分歧更大，再加上委托代理等問題的存在，制約了企業創新活動的開展[19]。內部控制作為一種內部治理機制，能有效解決組織內部的矛盾沖突，高質量的內部控制可以有效協調各層級、各部門的工作，使創新活動能夠有條不紊而非被動進行[20]，這為企業創新持續性提供了過程性保障。與此同時，智能制造是企業實現轉型升級的有效途徑，可以通過完善內部控制從而提升企業的持續創新能力，因此，引入內部控制可以更好地揭示智能制造作用于制造業企業創新持續性的機理。此外，合理的薪酬體系可以緩解委托代理目標不一致的矛盾，降低管理者風險厭惡，從而做出對企業有利的創新決策[21]，即高管薪酬會影響管理者戰略決策中的權衡行為[22]。

本文擬以中國智能制造示范項目推廣為準自然事件，利用雙重差分模型研究智能制造對企業創新持續性的影響效應，并進一步探索其作用機理。本文可能的貢獻如下：（1）在研究內容上，本文從微觀層面對智能制造作用于創新持續性進行研究，在拓展已有研究的基礎上也為企業實踐提供借鑒。（2）在研究視角上，本文從內部控制這一中介視角切入，進一步探索智能制造對企業創新持續性的內在作用機理，并分析高管薪酬在此過程中的情境化作用。

二、理論分析與研究假設

（一） 智能制造與企業創新持續性

企業創新持續性是指企業現在的創新活動會使企業未來的創新行為長期保持下去。面對瞬息萬變的市場需求和復雜的外部環境，企業要形成并維持競爭優勢，就必須不斷地進行技術創新[17]。隨著創新活動不斷深入，企業接觸到的知識和技術越來越復雜多樣，僅依賴一家企業或一項技術已無法滿足需求，為此，企業必須進行跨領域搜尋[23]。與傳統制造模式不同，智能制造是一種以先進的信息技術和機械技術為核心，貫穿于設計、生產、管理、銷售、服務等產品全生命周期，通過自動化、數字化和智能化等方式實現生產過程高效、安全和可持續發展的新型制造模式[7]。

數字化是智能制造的重要表現，可以通過建立數字化模型為企業技術創新提供便利[24]，即通過實時監測生產過程中的各種數據，促進人力、物力、信息等創新資源合理優化地使用，實現企業內資源的共享和協同。此外，智能制造使企業能更系統地整合從外部獲得的新知識、新技術并經過新舊融合轉化為自身可使用的獨特資源，為持續創新奠定基礎[25]。相較之下，“多技術”型企業具有較強的知識協作能力，能夠更好地在合作伙伴之間實現知識共享、轉移和創造，有效提升產品的設計與生產效率，使創新管理智能化，從而推動企業不斷創新。綜上，本文提出如下研究假設：

H1:智能制造能提升企業創新持續性。

（二） 內部控制的中介作用

《企業內部控制基本規范》將內部控制定義為“是由企業董事會、監事會、經理層和全體員工實施的、旨在實現控制目標的過程”，其目標是合理保證企業經營管理合法合規、資產安全、財務報告及相關信息真實完整，提高經營效率和效果，促進企業實現發展戰略。美國審計準則委員會（ASB）指出，內部控制是在一定的環境下，單位為了提高經營效率、充分有效地獲得和使用各種資源，達到既定管理目標，而在單位內部實施的各種制約和調節的組織、計劃、程序和方法?！皟炔靠刂拼龠M論”認為較高質量的內部控制會促進企業的技術創新、創新效率和價值創造能力[26]。在研發的投入和產出過程中，內部控制可以通過減少內部代理成本和預防風險兩條途徑提高創新績效，并加強創新信息的傳遞[20]。良好的內控環境能夠促進企業組織結構不斷優化，形成透明、高效和規范的管理環境，一定程度上緩解委托代理問題[19]。此外，內部控制在決策優化和文化建設等方面的優勢，使企業能夠更加穩健地推進創新活動，確保創新的可持續性。

實施智能制造可緩解企業內外部矛盾，提高決策效率、生產效率和產品質量，促進企業與供應商和客戶的協同，推動企業內部控制的數字化和智能化，從而對企業創新持續性產生深遠影響[10]。首先，智能制造通過數字化平臺實現了企業內部信息流的透明和高效，從而提高了內部控制的效率和準確性。其次，大數據使企業能更精準地把握市場需求，降低研發過程中的不確定性，加大管理者持續進行創新投入的可能性[2]。最后，智能制造實現了生產過程的自動化和智能化，可以減少人工干預和錯誤，規范管理者行為，防止機會主義，從而提高創新決策的科學性及合理性。綜上，智能制造能直接提升企業創新持續性，也能通過內部控制這一中介促進創新持續性提升，據此本文提出如下研究假設：

H2：內部控制在智能制造與企業創新持續性之間起部分中介作用。

（三） 高管薪酬的調節作用

管理者在研發決策時會受到重要組織或個人的影響，不同背景的管理者持有不同的創新投資觀點[27]。此外，科學合理的薪酬標準也是組織內部控制環境的重要內容。徐光偉和劉星[28]研究發現，高管貨幣薪酬水平越高，企業投資水平越低。王建華等[29]研究發現，高管薪酬對企業技術創新的影響存在過度激勵。徐芳和程克群[30]對前三名高管薪酬總額取對數研究發現，高管薪酬激勵對企業創新持續性具有顯著的負向影響；薪酬在解決代理問題的實際運用中其效果不一定立竿見影，一旦雙方利益出現沖突，為防止公司正常業績和持續經營受損，管理層會放棄激進的決策比如創新，從而使高管逐漸喪失持續創新的動力。綜上，本文提出如下研究假設：

H3：高管薪酬在內部控制和創新持續性之間起負向調節作用。

三、研究設計

（一） 樣本選取與數據來源

本文選擇2013—2022 年我國A 股上市制造業企業為樣本，在樣本期內剔除了 ST、* ST 和非完整統計變量。根據工信部發布的試點項目名單，本文對已開展智能制造的企業進行了認定，最后保留19668 個可觀察數據。本文所用財務數據來自國泰安數據庫（CSMAR），內部控制指數數據來自迪博數據庫（DIB）。同時，本文分別在1%、99%的分位數下對所有的連續變量做了縮尾處理，以消除極值對估計的影響。所有數據均在Excel 與Stata14.0 中進行處理。

（二） 變量定義與說明

1. 被解釋變量

國內學者普遍認同創新持續性是指目前進行的技術創新活動和成果能夠為企業未來一段時間的創新提供支持并使其長期持續[15]。創新持續性并不只是體現為研發方面的投入，還要將企業的人力資源、機器設備的更新改造、新技術的引進吸收消化和創新等方面的資金投入考慮在內[31]。因此，本文借鑒鞠曉生等[32]的做法，采用無形資產增量與總資產的比值來度量企業的創新持續性。

2. 解釋變量

本文的解釋變量為智能制造，用DID 虛擬變量（Policy）表征。企業在被認定試點的那一年即被認為已實施智能制造，Policy 變量從認定年開始取值均為1，否則為0。此外，針對存在同一企業在不同年份重復入選現象，本文從企業首次入選開始賦值。

3. 中介變量

關于內部控制的衡量，現有文獻使用最多的是迪博內部控制指數。該指標考慮了內部控制目標、經營環境、戰略執行及內部治理等多個方面，具有很高的權威性，能客觀評價一個企業的內部控制情況。本文參考許瑜和馮均科[33]的研究，選擇迪博內部控制指數/100 作為內部控制的度量方式。

4. 調節變量

本文選擇高管薪酬作為調節變量，用前3 名高管薪酬總額的自然對數表示。

5. 控制變量

本文在選擇控制變量時參考了余芬和樊霞[16]的研究，具體變量如表1 所示。

表 1 變量描述

（三） 模型設計

1. 直接效應檢驗

本文將智能制造試點示范項目作為政策沖擊，利用DID 考察智能制造與企業創新持續性的因果關系，為此，本文建立漸進式雙重差分模型如下：

式（1）中，i、t分別代表樣本企業與年份；SRD 為被解釋變量，即企業創新持續性；Policy 是政策虛擬變量，表示外生沖擊；Controls 表示控制變量；Firm 是個體固定效應；Year 是年份固定效應；ε表示隨機擾動項。本文的回歸結果對回歸系數標準誤進行了企業層面的聚類處理。

2. 有調節的中介效應檢驗

為檢驗內部控制的中介效應以及高管薪酬的調節效應，本文借鑒溫忠麟等[34-35]提出的有調節的中介模型的層次檢驗程序，構建如下回歸模型：

式（2）至式（5）中，Ic 為內部控制；Salary 是高管薪酬，Ic*Salary 表示內部控制與高管薪酬的交互項。其余變量與上文解釋相同。

四、實證分析

（一） 描述性統計

表2 為描述性統計結果。表2 顯示，我國制造業上市公司的創新持續性（SRD）平均水平為0.004，最小值為-0.038，最大值為0.073，說明總體狀況并不理想，其中中位數為-0.000，表明創新持續性未能達到均值水平的企業超過50%；內部控制均值（Ic）為6.165，標準差為1.579 大于1，說明我國制造業上市公司內部控制水平差距較大；高管薪酬（Salary）的標準差為0.703，表明上市公司高管薪酬存在較大差距。

表 2 描述性統計

（二） 平行趨勢檢驗

平行趨勢檢驗是進行雙重差分分析的基本前提，本文參考Beck 等[36]和張杰、付奎[37]的“事件分析法”思路進行檢驗，構建如下動態模型：

式中，δt為本文關注的估計系數，表示智能制造試點政策施行前的四年以及實施后的三年的政策虛擬變量估計值，以此判定控制組和處理組的趨勢變化是否有顯著差別；δ為常數項，μ為控制變量的系數。為更直觀地驗證雙重差分模型與平行趨勢假設的一致性，本文通過圖示法對智能制造試點項目實施前后企業創新持續性的變化情況進行對比分析，并繪制出相應的系數δt及其95%的置信區間(如圖1 所示)。

圖 1 平行趨勢檢驗

由圖1 可知，在智能制造實施前，政策效應在試點企業與非試點企業中具有相同的發展趨勢，而在企業被評選為示范項目即被認定為實施智能制造后，對照組與處理組之間的差異不斷變大。綜上，平行趨勢檢驗通過，可繼續下一步研究，即采用DID 評估智能制造對企業創新持續性的影響。

（三） 多元回歸分析

1. 基準回歸

表3 第（1）、（2）列為智能制造試點政策對企業創新持續性影響效應的回歸結果，兩列都控制了個體和時間固定效應，區別在于是否加入控制變量。表3 顯示，在兩種情形下，Policy 的回歸系數分別在 1% 和5%的置信水平下顯著為正，說明智能制造試點政策提升了制造業企業的創新持續性，假設1 得以驗證。

表 3 基準回歸以及分組回歸結果

2. 分組回歸

為進一步研究不同所有制類型下智能制造試點政策的執行效應是否存在差異，本文按企業國有和非國有對樣本進行分組回歸，結果如表3 第（3）、（4）列所示。表3 顯示，國有制造企業對Policy 變量的回歸系數不明顯，而非國有制造企業在10%的置信度下具有0.002 的顯著性。本文據此認為，智能制造試點對非國有制造企業的轉型升級起到了積極推動作用，而對國有制造企業的推動作用不明顯。

3. 有調節的中介效應檢驗

表4 為內部控制的中介效應和高管薪酬的調節效應回歸結果。其中，第（1）至（3）列為內部控制的中介效應檢驗結果。表4 顯示，λ1和β1均在5%的水平下顯著，分別為0.002 和0.180，說明智能制造對制造業企業的內部控制有積極作用。且η3也顯著為正，說明內部控制存在部分中介作用，即智能制造通過提升企業內部控制水平從而提升企業創新持續性，假設2 得以驗證。第（4）列報告了高管薪酬的調節效應檢驗結果，由于內部控制與高管薪酬的交互項對企業創新持續性的回歸系數顯著為負，與Ic 變量的回歸系數符號相反，假設3 得以驗證，即高管薪酬在內部控制和創新持續性之間起負向調節作用。

表 4 中介效應及調節效應回歸結果

（四） 穩健性檢驗

1. 時間安慰劑檢驗

為確保研究結果的穩健性，排除外界偶然因素對結論的干擾，本文首先進行時間安慰劑檢驗，其邏輯如下：如果實施智能制造促進了企業創新持續性，那么回歸時人為改變政策實施時間，如把企業入選時間提前兩年（記為Policy-2），原有的結果將發生改變且不支持本文假設。檢驗結果見表5 第（1）列，由于Policy-2 的系數并不顯著，證明智能制造影響企業創新持續性的結果是穩健的。

表 5 穩健性檢驗

2. PSM-DID 模型

盡管雙重差分法能分離出智能制造試點的平均處理效應，但由于這不是一個嚴格的自然試驗，因此，本文擬采用多時點PSM-DID 模型進行穩健性檢驗。本文借鑒白俊紅等[38]的做法構造截面PSM 和逐年PSM。本文采用1：2 卡尺最近鄰匹配對每一組別樣本進行篩選和配對，過程中有放回，運用多時點DID 方法重新估計智能制造試點政策對企業創新持續性的影響效應。匹配后再次進行回歸，估計結果見表5 第（2）列和第（3）列。由于解釋變量Policy 的系數為正且顯著，與基準回歸無顯著差異，說明智能制造對企業持續創新具有積極作用的結果穩健。

3. 個體安慰劑檢驗

本文采用隨機抽取處理組來檢驗回歸結果的穩健性，即試點企業也通過隨機方式產生，并依據基準模型重復抽樣500 次進行回歸模擬。 圖2 展示了隨機抽樣的回歸估計結果，由圖2 可知，政策的系數估計均值近似為0，且服從正態分布，與上文的基準回歸系數 0.002 存在顯著差異，這表明未觀測到的隨機因素未對企業創新持續性產生影響。

圖 2 安慰劑檢驗

五、結論與建議

本文利用2013—2022 年我國制造業上市公司面板數據，采用多時期DID 方法，考察了智能制造對企業創新持續性的影響以及其中的產權屬性異質性差異，在此基礎上探討了內部控制的中介效應以及高管薪酬的調節作用。研究表明：（1）智能制造能夠提升制造業企業創新持續性；（2）智能制造能夠正向提升非國有制造業企業創新持續性，對國有制造業企業尚未發揮出明顯作用；（3）內部控制在智能制造與企業創新持續性之間起部分中介作用；（4）高管薪酬在內部控制與企業創新持續性之間起負向調節作用。

基于上述研究結論，本文提出如下幾點建議：

第一，政府要進一步擴大智能制造試點和示范規模，逐步形成試點示范帶動、行業共同發展的良好局面。政府相關部門應繼續建立完善多系統、多層次的政策體系，做好工業智能化的頂層設計，為企業持續創新活動提供資金支持和政策激勵，為制造業高質量發展營造一個有利的制度環境。另外，政府在制定激勵和幫扶政策時，要注重審核流程的科學、完善、公平和嚴格，要針對不同企業進行細分與再規劃，避免政策“一刀切”。此外，政府還應進一步優化智能制造實施過程中的監督評價機制，強化對企業的監督和管理。

第二，企業要充分發揮智能制造對創新持續性的推動作用。企業要綜合運用內部研發和外部獲取兩種方式拓展多元化的知識技術基礎，努力提高企業創新持續性。重點龍頭企業要發揮示范引領效應，推廣智能化成功轉型的模式和經驗；中小企業要聚焦生產制造模式轉型，充分發揮主觀能動性。國有企業要努力提升組織韌性和靈活性，努力提升專業化生產服務能力和內部控制水平，助推智能制造提升企業創新持續性。同時，制造業企業在智能化轉型過程中要順應新業態、新形勢，深入貫徹企業可持續發展理念。

第三，在公司治理層面，要高度重視薪酬標準體系。充分考慮員工尤其是高層管理者在創新決策中與薪酬相關的心理變化，一方面要創新激勵方式，實現激勵方式的多重組合，另一方面，要將高管薪酬控制在合理范圍內，確保高管決策有利于提升企業的創新持續性。