中國制造業(yè)企業(yè)績效分化的關鍵影響因素識別及傳導網絡圖解
——基于機器學習組合算法的研究

黃冰潔， 張同斌

(東北財經大學 經濟學院,遼寧 大連 116025)

0 引言

自2010年開始，中國制造業(yè)在世界中的占比超過美國，產出規(guī)模位居世界首位并一直持續(xù)至今。然而，中國制造業(yè)由于缺乏核心競爭力導致其增加值率和績效水平偏低的狀況仍然十分突出。除了整體績效水平偏低之外，中國制造業(yè)內部企業(yè)績效分化的特征也十分明顯。據測算，2013年中國制造業(yè)企業(yè)總資產報酬率中位數為8.46%，而25%分位數和75%分位數分別為2.99%和22.73%。在當前中國經濟增速減緩、制造業(yè)的全面開放和供給側結構性改革的不斷深化的背景下，部分制造業(yè)企業(yè)績效水平呈現“斷崖式”下跌，一些制造企業(yè)績效則呈現“穩(wěn)中有升”，企業(yè)之間績效水平的差異或分布的離散程度會進一步擴大。

現有文獻對于企業(yè)績效的研究已經較為全面，但是關于績效分化或績效異質性問題的分析較少，本文通過整理可將企業(yè)績效分化的影響因素分為三類：第一類是創(chuàng)新因素，Chun等、鄭偉華指出企業(yè)績效的增長主要是依靠技術驅動，強化創(chuàng)造性破壞和信息技術的應用會引致企業(yè)績效出現更大幅度的波動[1,2]；第二類是企業(yè)的業(yè)務類型或商業(yè)模式，Houthoofd等研究發(fā)現業(yè)務范圍或領域的差異是企業(yè)間績效分化的主要原因[3]，這一因素可以解釋績效分化的6.8%～9.7%，Storbacka和Nenonen、程虹等指出投資模式、盈利模式、企業(yè)與消費者的關系等是企業(yè)績效異質性產生的主要原因[4,5]；第三類是單位效應，與第二類因素不同，Chaddad和Mondelli認為與發(fā)展模式和行業(yè)特征相比，個體特征特別是企業(yè)規(guī)模、研發(fā)強度、資本強度等在解釋企業(yè)績效差異方面更有效[6]。

績效影響因素研究中需要考慮的調節(jié)變量太多[7]，如果在傳統(tǒng)計量模型中加入過多的變量，不僅會產生高度的多重共線性問題，而且估計系數的增多也降低了統(tǒng)計檢驗的精確度，這使得模型預測精度和解釋力度均有欠缺[8]。如何在高維度和多特征中選擇重要的變量以分析制造業(yè)企業(yè)績效分化背后的內在原因，大數據分析和機器學習方法的進展提供了新的梳理方法和有效的分析工具[9]。在部分外文文獻中，已經出現了運用大數據與機器學習方法對企業(yè)績效或績效分化影響因素的相關研究。Song等采用支持向量機系列方法檢驗了財務比率指標在企業(yè)績效預測中的效果，研究發(fā)現不同行業(yè)的預測結果存在顯著差別[10]；Jin等采用機器學習方法分析了知識源的廣度和深度與企業(yè)創(chuàng)新績效的多維度和非線性關系，認為知識源廣度和深度的二元平衡可大幅提高創(chuàng)新績效[11]。

本文基于前沿的大數據與機器學習方法，不再關注于單一變量對制造業(yè)企業(yè)績效分化的影響，而是采用LASSO和嶺回歸方法，從多變量和大數據出發(fā)，遴選出影響制造業(yè)企業(yè)績效分化的關鍵因素，并對其重要性進行排序。嶺回歸和LASSO方法彌補了傳統(tǒng)方法在高維數據中估計量穩(wěn)定性較差且不一致的缺陷，并且能夠處理高度共線性數據、降低模型異方差和緩解過擬合問題等。隨后，構建貝葉斯網絡，確定關鍵因素與績效分化之間的傳導路徑，實現對制造業(yè)企業(yè)績效分化及影響因素之間因果關系鏈的圖解和推理。通過明確制造業(yè)績效分化的驅動因素、厘清各因素對績效分化的傳導渠道，不僅直接有助于實現制造業(yè)行業(yè)整體和企業(yè)內部資源的優(yōu)化配置，定向、精準增強制造業(yè)企業(yè)的競爭優(yōu)勢，而且間接有利于維持宏觀經濟的穩(wěn)定，以及培育中國經濟增長的新優(yōu)勢和新動能。

1 機器學習組合研究方法

1.1 嶺回歸與LASSO

以簡單的線性模型為例，如式(1)所示。

Yi=β0+β1x1i+…+βpxpi+ui

(1)

其中，Yi為中國制造業(yè)企業(yè)的績效分化變量，Xi為績效分化的影響因素變量，p為自變量個數，i為個體的標識(i=1,2,…,N)，β為待估參數，ui為隨機擾動項。

在機器學習中通過正則化即在殘差平方和(RSS)最小化的過程中加入新的一項即收縮懲罰項，其中包含調優(yōu)參數λ(λ≥0)和規(guī)范化的系數估計值兩部分。在不同的機器學習方法中規(guī)范化方法卻不盡相同，具體而言：

在嶺回歸中，規(guī)范化項是所有系數的平方和，其目標函數如式(2)所示。

(2)

與嶺回歸不同，LASSO方法中規(guī)范化項是所有系數絕對值之和，即:

(3)

本文采用兩種方法共同篩選出對目標變量重要性程度較大的變量集合，既考慮了嶺回歸方法在高維環(huán)境下估計穩(wěn)健性的優(yōu)點，又包含了LASSO方法使得估計參數具有稀疏的性質，從而達到良好的篩選效果，提高了變量的解釋能力。但其存在的一個典型缺點是放棄了參數估計量的無偏性，是降低估計精度的有偏估計方法。為更加清晰地描述制造業(yè)企業(yè)績效分化影響因素的傳導路徑，本文進一步采用貝葉斯網絡這一圖形模型，對各變量影響績效分化的網絡特征和傳導路徑進行識別，研究方法也成為了嶺回歸+LASSO+貝葉斯網絡的組合模型。

1.2 貝葉斯網絡

貝葉斯網絡方法的基本思想是根據一組隨機變量之間的概率依賴關系建立一個有向無環(huán)圖，節(jié)點和有向弧是網絡的兩類主要構成元素，記有向無環(huán)圖為G=(V,A)，V是網絡中的節(jié)點，A為連接節(jié)點之間的有向弧。其中，網絡中的每個節(jié)點均與一個變量相關聯，連接各節(jié)點的弧代表直接概率依賴關系，位于有向弧尾部的節(jié)點是父節(jié)點，而處于有向弧頭部的節(jié)點為子節(jié)點。

本文參考Heckerman等、Tsamardinos等的方法構建貝葉斯網絡[12,13]。假定中國制造業(yè)企業(yè)績效分化的影響因素變量及績效分化變量組成變量集X={X1,X2,…,Xp,Xp+1}，其中，Y記為Xp+1。在貝葉斯網絡的建立過程中，模型選擇和參數估計分別稱為結構學習、參數學習。假定基于一個數據集D構建貝葉斯網絡B，B=(G,X)。設變量集合X全局分布的參數為Θ，貝葉斯網絡學習的定義如式(4)所示。

(4)

貝葉斯網絡的結構學習算法可以分為基于約束的、基于分數的和混合算法三類。本文采用基于分數的算法，其基本思想是為每個候選的貝葉斯網絡計算一個反映其擬合優(yōu)度的網絡得分如貝葉斯信息準則(Bayesian Information Criterion，BIC)，從一個沒有弧的網絡結構出發(fā)進行空間搜索，每次添加、刪除或反轉一個弧，直到得分無法提高時終止。BIC是可分解的且只依賴于似然函數，其值越大表示結構學習越充分，計算公式如式(5)所示。

(5)

其中，ΠXk是Xk的父節(jié)點集合，ΘXk為與Xk對應的參數集，N為樣本數量。

在進行貝葉斯網絡的結構學習之后，就可以進行參數學習，采用極大似然估計等方法估計X全局分布的參數Θ。建立貝葉斯網絡之后可以分析變量之間的傳導路徑以及緊密程度，變量之間依賴關系的強度或緊密程度通過計算弧強度值進行表示?；姸戎涤嬎愕幕痉椒?，在一個構建完成的貝葉斯網絡中，去除特定的弧，分析網絡得分如BIC值的減少量，以測量每條弧對應變量間的依賴關系強度。移出特定弧后，網絡得分值下降越大的弧表示子節(jié)點與父節(jié)點之間的關系越緊密，反之依賴程度較低。貝葉斯網絡從數據出發(fā)，即避免了主觀人為選擇的盲目性和局限性，又能夠有效地將多元信息進行融合與表達。

2 數據處理與變量計算

本文中選取了中國工業(yè)企業(yè)數據庫2013年制造業(yè)企業(yè)截面大數據進行分析。在數據處理中，首先按照國家統(tǒng)計局公布的《國民經濟行業(yè)分類》(GB/T4754-2011)選取制造業(yè)行業(yè)分類下的所有企業(yè)，然后進行數據清洗，最后得到實際有效樣本共244418個。

本文績效指標采用的是總資產報酬率(ROA)指標，其計算方法為：總資產報酬率=(利潤總額+利息支出)/平均資產總額×100%。在計算得到每個企業(yè)的績效變量后，再按照《國民經濟行業(yè)分類》(GB/T4754-2011)中的三位數產業(yè)即中類代碼求得每個行業(yè)的績效均值，然后中類行業(yè)中每個企業(yè)的績效減去該行業(yè)的績效均值即得到績效分化變量(DROA)，即為本文的研究對象。

對于績效分化的影響因素，本文從企業(yè)屬性特征、要素結構、成本收益和企業(yè)外部環(huán)境方面，在兼顧指標完整性和數據可得性的基礎上，計算得到了19個變量，如表1所示。

表1 中國制造業(yè)企業(yè)績效分化的影響因素變量表

由于行業(yè)特征及其所處的外部環(huán)境存在差異，本文將制造業(yè)劃分為三大類行業(yè)：原材料工業(yè)、裝備制造業(yè)、消費品工業(yè)，分別包含了72068、89409和82941個樣本。本文分全部制造業(yè)企業(yè)、三大類制造業(yè)企業(yè)四個樣本集分別進行績效分化的關鍵影響因素篩選，以及主要影響因素對績效分化影響的傳導路徑分析。

3關鍵因素識別

3.1 中國制造業(yè)企業(yè)績效分化影響因素的排序結果分析

為便于系數之間的對比和排序，本文將除虛擬變量之外的其他變量均進行標準化處理，然后采用嶺回歸和LASSO方法進行了重要性排序。進一步選取了整體制造業(yè)中最重要的12個變量及其對績效分化的影響系數值進行深入分析，如表2所示。需要說明的是，嶺回歸和LASSO方法的計算結果中僅報告系數值，不進行統(tǒng)計推斷，因此不包含統(tǒng)計值和概率值等。

根據表2中的結果可得，中國制造業(yè)企業(yè)績效分化的最重要影響因素為資本生產率(KP)，經計算得到該變量對績效分化的影響系數值明顯大于其他變量的影響系數。這在一定程度上表明，制造業(yè)整體上還遵循“資本效率驅動型”的績效增長模式，資本要素的單位產出能力決定了制造業(yè)企業(yè)績效高于行業(yè)平均績效的幅度。進一步地，對比表2中勞動生產率變量(LP)對制造企業(yè)績效分化的影響程度,表明相對于勞動力要素或其他要素和資本要素對于中國制造業(yè)而言還是相對重要的,資本的邊際收益仍處于上升階段,資本作用效率的增進將有效提升制造業(yè)企業(yè)的績效水平。在資本勞動比(KLr)對制造業(yè)企業(yè)績效分化具有負向影響，重要程度位于策略。資本勞動比是資本密集程度的代表變量，其影響系數為負說明，相對于資本的數量而言，資本的利用效率對于制造業(yè)企業(yè)績效分化的影響更為突出。在資本要素對中國制造業(yè)績效的兩種驅動力即投入增長和效率改善中，更應注重資本使用效率的提高。

表2 中國制造業(yè)績效分化影響因素的重要性排序結果

除了資本生產率之外，杠桿率(LR)、資產有形性(PFA)在重要性排序中位于第2位和第3位，對于中國制造業(yè)績效分化的影響程度也很高。其中，杠桿率為制造業(yè)企業(yè)總資產中負債的比例，即可用于衡量企業(yè)運用債務資本進行生產經營的能力，又可表示企業(yè)的運營風險。由于其對績效分化的影響系數為負值，表明高杠桿率導致的風險上升損失超過了債務資本運營的收益，將對制造業(yè)企業(yè)績效產生不利影響。資產有形性即固定資產在總資產中所占的比重，代表了企業(yè)生產條件和設備質量，固定資產占比越高的企業(yè)，其生產能力越強，能夠抵御外在沖擊進而實現企業(yè)績效的穩(wěn)定增長。

出口變量(Export)和出口強度(ES)對于中國制造業(yè)企業(yè)績效分化呈現出相反的影響效果。其中，出口變量的影響系數為正，表示可以通過多種途徑實現對制造業(yè)企業(yè)績效的推動，例如通過出口連接國外市場拓寬了企業(yè)的發(fā)展機會和資源空間，以解決國內市場需求不足和要素配置扭曲等問題。然而，當出口強度較高時，即出口交貨值占工業(yè)銷售產值的比重上升時，國外市場需求將超過內需，成為制造業(yè)企業(yè)績效的牽制因素，大宗商品價格、匯率沖擊不僅會引發(fā)企業(yè)銷售波動，而且會增大企業(yè)績效的不確定性。

與出口強度變量的作用效果類似，補貼變量(Subsidy)對制造業(yè)企業(yè)的績效分化也產生了負向影響，一種可能的解釋是接受政府補貼的制造業(yè)企業(yè)往往具有“自選擇效應”，即一些績效低于行業(yè)平均水平或者處于初創(chuàng)期未實現充分盈利的企業(yè)傾向于獲得或接受政府補貼。此外，這一結果的出現，也可能是接受補貼的企業(yè)易于形成對政府的依賴，進而未能實現資源的優(yōu)化配置或出現了資源冗余導致的。

在外部環(huán)境變量中，除了出口和補貼之外，市場勢力(Power)對于企業(yè)績效分化也具有重要影響。表2中嶺回歸和LASSO方法的計算結果顯示，市場勢力對制造業(yè)企業(yè)績效分化的影響分別位于第7位和第6位。根據經濟學原理可知，市場勢力越大的企業(yè)，其控制或支配市場價格的能力就越強，因而能以更高的價格進行其產品的銷售，以實現更多的成本加成、獲取超額利潤，進而可以直接推動其績效的提升，促使其績效高于行業(yè)平均水平。在變量重要性排序結果中，與市場勢力高度相關的企業(yè)規(guī)模變量(Scale)緊隨其后。對于規(guī)模越大的制造業(yè)企業(yè)而言，其更容易實現規(guī)模經濟，在規(guī)模經濟或規(guī)模報酬遞增形成的過程中，企業(yè)的長期平均成本會呈現下降的趨勢，成本下降將對其績效提升起到直接推動作用。

3.3 分行業(yè)績效分化影響因素的異質性分析

與表2中整體制造業(yè)的排序結果類似，本文根據嶺回歸和LASSO方法的排序結果，選取了原材料工業(yè)、裝備制造業(yè)、消費品工業(yè)績效分化中最重要的12個影響因素，列于表3。

對比表3和表2可得，原材料工業(yè)、裝備制造業(yè)、消費品工業(yè)中企業(yè)績效分化影響因素的重要性排序結果與整體制造業(yè)的排序結果具有高度的相似性，同時也存在一些變量的排序發(fā)生明顯變動的情形，體現出了不同類型制造行業(yè)內企業(yè)績效分化影響因素的異質性特征。

對于原材料工業(yè)而言，企業(yè)績效分化影響因素中杠桿率(LR)排在第5位，低于整體制造業(yè)中杠桿率第2位的排序，這表明對于該行業(yè)而言，通過借債籌資進行生產運營的風險相對較低，對于績效分化的影響較小。勞動收入份額(SLI)、營銷成本(MC)成為了影響原材料工業(yè)中企業(yè)績效分化的重要因素，這是該行業(yè)產品生產中的要素結構和市場特征所決定的。原材料工業(yè)主要對采掘產品進行加工制造，其中間投入較多，相對而言資本密集型特征并不十分突出，勞動力的成本即工資在增加值中占比較高。并且，由于原材料行業(yè)處于整個制造業(yè)的上游生產環(huán)節(jié)，其產品在流向中下游的過程中，必須進行一定的營銷支出以新建、擴展營銷渠道或打破銷售壁壘，實現產業(yè)的市場價值以提升企業(yè)績效。

與原材料工業(yè)明顯不同，如表3所示，在裝備制造業(yè)企業(yè)績效分化的影響因素重要性排序表中，資金成本(FC)和資產流動性(PLA)分別位于第3位和第4位。規(guī)模大、資本密集是裝備制造業(yè)企業(yè)的典型特征，其在生產過程中對資本的依賴程度很高，融資對于裝備制造業(yè)企業(yè)規(guī)模優(yōu)勢的形成進而對其績效增進有著至關重要的作用。因此，在生產類型和生產規(guī)模的影響下，裝備制造業(yè)企業(yè)產品的成本結構中資金成本占據了相當比例。在裝備制造業(yè)中“融資難、貸款貴”還通過信號傳遞功能導致“信貸歧視”現象的出現，進一步制約企業(yè)的發(fā)展并成為企業(yè)績效提升的“瓶頸”。

消費品工業(yè)大多是制造食品、紡織品等生活資料的民生行業(yè)，處于產業(yè)鏈的下游、離最終需求最近。由于其具有規(guī)模小、進入門檻低的特征，導致消費品生產市場上企業(yè)數量眾多、競爭程度高，企業(yè)的成本加成率和利潤率低，因此政府需要對經營困難的消費品生產企業(yè)進行補貼，以保證民生類產品的市場供給，接受政府補貼在一定程度上也成為了體現消費品生產企業(yè)經營狀況的指示器。表3中的結果顯示，補貼變量(Subsidy)與績效分化之間呈現負向影響關系，且居于績效分化影響因素列表中的第3位。另一方面，由于消費品工業(yè)企業(yè)的利潤率低，如果流動資產占比高不僅說明原材料和半成品等存貨積壓嚴重，而且表明資產的盈利性低，進而將拉低其績效水平。在表3中，嶺回歸方法、LASSO方法計算得到流動比率(CR)對績效分化的影響系數均為-0.016，分別排在重要影響因素的第9位和第10位。

4 傳導網絡分析

4.1 中國制造業(yè)績效分化及其主要影響因素的網絡特征分析

本文根據表2嶺回歸和LASSO方法的排序結果中重合的變量，進一步構建了中國制造業(yè)績效分化及其主要影響因素的貝葉斯網絡，如圖1所示。

基于圖1，本文列出了各變量對績效分化影響距離最近的傳導路徑即最短傳導路徑，包括直接傳導路徑與兩階段間接傳導路徑，列于表4。需要說明的是，表4中的弧強度即為在貝葉斯網絡中去除對應的弧即傳導路徑后，網絡得分值的減少量，其絕對值越大表示子節(jié)點對父節(jié)點的依賴關系越強。

表4 中國制造業(yè)績效分化影響因素的傳導路徑及弧強度

根據表4可得，資本生產率(KP)等6個因素與制造業(yè)企業(yè)績效分化(DROA)之間存在直接傳導路徑，其中，制造業(yè)企業(yè)績效分化對資本生產率(KP)具有高度的依賴性，這再一次驗證了資本生產率在中國制造業(yè)企業(yè)績效分化中的首要地位和決定性作用。由杠桿率、資產有形性至績效分化的直接路徑，即“LR→DROA”、“PFA→DROA”的弧強度絕對值也較大，與LR和PFA在變量重要性排序表2中第2位和第3位的排序是一致的，維持適度的資產負債率、提高資產構成中固定資產的比重將對制造業(yè)企業(yè)績效提升發(fā)揮重要作用。與上述因素相比，出口(Export)、企業(yè)規(guī)模(Scale)和勞動生產率(LP)對制造業(yè)企業(yè)績效分化的直接傳導效應明顯偏低，與資本生產率對績效分化的傳導效應形成了鮮明對照。

資本勞動比(KLr)和補貼變量(Subsidy)對制造業(yè)企業(yè)績效分化具有間接傳導效應，其中資本勞動比以出口為中介與績效分化實現連接，其傳導路徑為“KLr→Export→DROA”。資本勞動比代表的要素結構是制造業(yè)企業(yè)中基本的生產要素配置，是由生產技術所決定的。中國制造業(yè)企業(yè)根據自身的要素稟賦和要素結構等比較優(yōu)勢參與全球價值鏈及國際分工，因而成為了出口的動因之一，但要素結構通過出口對制造業(yè)企業(yè)績效分化的間接傳導效應十分有限，KLr→Export的弧強度絕對值僅為1.77。不同于資本勞動比，補貼既可以通過出口，又可以通過杠桿率實現對制造業(yè)企業(yè)績效分化的傳導，即 “Subsidy→Export→DROA”和“Subsidy→LR→DROA”，且對比表4中補貼變量、資本勞動比對績效分化的傳導路徑可知，補貼的間接傳導路徑更多、傳導效應更大，這與表2制造業(yè)績效分化影響因素重要性排序中補貼變量的重要性高于資本勞動比的結果是相符合的。

4.2 分行業(yè)績效分化影響因素的傳導路徑和強度分析

本文采用原材料工業(yè)、裝備制造業(yè)、消費品工業(yè)嶺回歸和LASSO方法排序結果中重合的變量，構建了三類行業(yè)績效分化及其重要影響因素的貝葉斯網絡，表5呈現出分行業(yè)績效分化影響因素的傳導路徑和弧強度。

表5 分行業(yè)績效分化影響因素的傳導路徑和弧強度

對原材料工業(yè)而言，其企業(yè)績效分化直接依賴于資本生產率(KP)、資產有形性(PFA)和杠桿率(LR)，資本生產率對績效分化的直接傳導效應最大，弧強度絕對值高達16939.75，而杠桿率對績效分化的傳導路徑“LR→DROA”的弧強度絕對值僅為4.65，驗證了表3中杠桿率在原材料工業(yè)績效分化影響因素重要性排序中地位相對較低的結果。資產負債率對于原材料工業(yè)企業(yè)績效的影響雖然較為直接，但是程度較低，這與原材料工業(yè)中企業(yè)生產經營的風險低有關。由于原材料工業(yè)是聯系采掘業(yè)與制造業(yè)的紐帶，處于工業(yè)產業(yè)鏈的上游環(huán)節(jié)，易于形成壟斷競爭市場特征，行業(yè)發(fā)展的穩(wěn)定性強。以資本生產率、資產有形性和杠桿率為中間節(jié)點，企業(yè)規(guī)模(Scale)能夠對原材料工業(yè)企業(yè)績效分化產生間接影響。由于企業(yè)規(guī)模是經營穩(wěn)健性和抗風險能力的代理變量，因而也確認了原材料工業(yè)企業(yè)的規(guī)模特征在維持其績效穩(wěn)定中的重要作用。

裝備制造業(yè)范圍廣、門類多、產品雜，是制造業(yè)的核心部分。根據表5計算可得，存在7條從資本生產率等變量到企業(yè)績效分化變量的直接傳導路徑，其中“KP→DROA”、“LR→DROA”和“PLA→DROA”三條路徑的傳導效應較大。裝備制造業(yè)中機器設備投資額高、企業(yè)生產過程復雜，對資本要素的需求量大、效率要求高，使得資本生產率、杠桿率和資產流動性成為了影響裝備制造業(yè)的直接、重要影響因素。在廣泛引入資本的同時，更加注重吸收先進技術和設備維修改造，實現資本使用效率增進和資本結構優(yōu)化的裝備制造業(yè)企業(yè)，其績效水平越會高于同行業(yè)企業(yè)平均水平。出口強度(ES)和市場勢力(Power)對裝備制造業(yè)企業(yè)績效分化產生了相對微弱的直接傳導效應，出口強度還作為中介，建立了出口變量(Export)與裝備制造業(yè)企業(yè)績效分化的聯系。與資本生產率、資產負債率和資產流動性等資本特征對比可得，裝備制造業(yè)績效的決定因素在于其自身的資本特征，出口和市場勢力屬于裝備制造業(yè)企業(yè)發(fā)展中的外部環(huán)境變量，對于裝備制造業(yè)企業(yè)績效分化的影響路徑復雜但作用程度有限。

消費品工業(yè)位于工業(yè)產業(yè)鏈的下游環(huán)節(jié)，由于我國工業(yè)產業(yè)鏈中存在“上游壟斷，下游競爭”的非對稱市場結構，消費品競爭市場中生產企業(yè)的異質性程度更高。根據表5中的結果可知，各變量對消費品工業(yè)企業(yè)績效分化的影響路徑中包括6條直接路徑和7條間接路徑，各因素對企業(yè)績效的影響路徑也更為多元化和復雜化。在直接路徑中，資本生產率、資產有形性和杠桿率等資本特征變量對消費品工業(yè)企業(yè)績效分化的傳導效應較大，市場勢力、補貼變量和出口變量等外部環(huán)境變量的直接影響效應相對較小。在間接路徑中，企業(yè)規(guī)模變量(Scale)和勞動生產率變量(LP)為影響消費品工業(yè)績效分化的兩類主要因素，兩者在表3消費品工業(yè)績效分化影響因素重要性排序中均位于前10位。特別是企業(yè)規(guī)模對消費品工業(yè)企業(yè)的影響是全方位的，僅從企業(yè)規(guī)模到績效分化就存在5條間接傳導路徑，企業(yè)規(guī)模不僅作用于資本生產率和資產有形性，而且市場勢力、補貼變量和出口變量都對企業(yè)規(guī)模存在一定的依賴性，這進一步表明通過規(guī)模擴張形成規(guī)模經濟是消費品工業(yè)企業(yè)實現績效高于行業(yè)平均水平的有效途徑。

5 結論

本文基于嶺回歸和LASSO等機器學習方法，從中國制造業(yè)企業(yè)特征變量中篩選出影響績效分化的主要因素并對其重要性進行排序，然后構建貝葉斯網絡確定關鍵因素與績效分化之間的傳導路徑，實現對中國制造業(yè)企業(yè)績效分化及影響因素之間因果關系鏈的精確描述，得到主要研究結論為：

中國制造業(yè)企業(yè)績效分化的最重要影響因素為資本生產率，其次為杠桿率、資產有形性等資本相關變量。相對于資本的數量而言，資本的利用效率對于制造業(yè)企業(yè)績效分化的影響更為突出。這表明，中國制造業(yè)整體上遵循“資本效率驅動型”而非“資本數量驅動型”的績效增長模式。在外部環(huán)境相關變量中，出口、補貼和市場勢力等對于中國制造業(yè)企業(yè)績效分化也具有重要影響。

原材料工業(yè)、裝備制造業(yè)和消費品工業(yè)中企業(yè)績效分化影響因素的重要性結果與整體制造業(yè)的結果具有高度的相似性，同時也體現了異質性特征。對于原材料工業(yè)而言，企業(yè)績效分化影響因素中杠桿率的重要度較低；在裝備制造業(yè)企業(yè)績效分化的影響因素中資金成本和資產流動性的重要程度很高，這是由其資本密集型的特點所決定的；對于消費品工業(yè)企業(yè)而言，外部的補貼強度以及能否實現規(guī)模經濟或范圍經濟是影響其績效水平高低的重要因素。

基于本文的研究可得，中國制造業(yè)中企業(yè)績效分化的最主要動因是資本生產率，除了進行必要的投資制度改革以解決資本要素配置扭曲問題之外，技術進步是提高資本生產率的關鍵途徑。當前中國制造業(yè)發(fā)展過程中仍存在著典型的“大而不強”問題，關鍵技術受制于人的問題沒有得到根本解決，應著重在具有傳統(tǒng)優(yōu)勢或領先優(yōu)勢的制造業(yè)領域加大長期而穩(wěn)定的基礎研究投入，以實現核心技術突破與資本生產率提高。

此外，還應根據不同行業(yè)產品的生產模式與市場結構有針對性地制定企業(yè)績效水平提升路徑，如增大原材料工業(yè)企業(yè)中固定資產在總資產中的比重，為裝備制造業(yè)企業(yè)提供優(yōu)惠貸款緩解其資金壓力，促使消費品制造企業(yè)聯合形成規(guī)模優(yōu)勢，都會對企業(yè)績效增進起到促進作用。最后，政府補貼的對象應由績效差的制造業(yè)企業(yè)轉向具有競爭優(yōu)勢的企業(yè)，避免低績效企業(yè)形成對補貼過度依賴的同時，促使落后企業(yè)加快退出市場、實現資源的優(yōu)化配置，提高制造業(yè)經濟效益和宏觀經濟增長質量。