










本文的实证分析基于2010–2022年中国制造业上市公司数据,将2015–2018年实施的“智能制造试点示范专项行动”视为准自然实验,运用多期双重差分模型,系统检验了智能制造政策对供应链韧性的影响及其作用机制。
研究设计方面,以企业是否入选试点及入选时间构建核心解释变量,被解释变量为供应链韧性指数(采用CRITIC–TOPSIS法测算),并从企业特征与城市环境两个层面选取了一系列控制变量。
基准回归结果显示,智能制造政策显著提升了企业的供应链韧性,该结论在逐步控制城市、企业和时间固定效应后依然稳健。
为验证结果的可靠性,研究进行了全面的稳健性检验。包括PSM–DID以缓解样本选择偏差、构建工具变量处理内生性问题、多种方法修正测量偏误、排除大数据试验区等竞争性政策的干扰、进行安慰剂检验,以及采用动态合成双重差分法缓解对照组选择偏误,所有检验均支持基准结论。
机制检验表明,智能制造政策主要通过促进企业的“知识深化重构”(吸收新知识要素)和“知识拓展重构”(整合新旧知识创造新产品)两条路径来增强供应链韧性,Sobel与Bootstrap检验证实了机制的有效性。
进一步分析发现,该政策具有显著的供应链韧性溢出效应,即使试点企业与上下游地理距离较远,其韧性仍能提升。异质性分析则揭示,政策效果在政策执行能力强、知识产权保护完善以及供需关系稳定的情境下更为突出。#实证分析 #数据分析 #计量经济学 #经济学 #stata #经管
研究设计方面,以企业是否入选试点及入选时间构建核心解释变量,被解释变量为供应链韧性指数(采用CRITIC–TOPSIS法测算),并从企业特征与城市环境两个层面选取了一系列控制变量。
基准回归结果显示,智能制造政策显著提升了企业的供应链韧性,该结论在逐步控制城市、企业和时间固定效应后依然稳健。
为验证结果的可靠性,研究进行了全面的稳健性检验。包括PSM–DID以缓解样本选择偏差、构建工具变量处理内生性问题、多种方法修正测量偏误、排除大数据试验区等竞争性政策的干扰、进行安慰剂检验,以及采用动态合成双重差分法缓解对照组选择偏误,所有检验均支持基准结论。
机制检验表明,智能制造政策主要通过促进企业的“知识深化重构”(吸收新知识要素)和“知识拓展重构”(整合新旧知识创造新产品)两条路径来增强供应链韧性,Sobel与Bootstrap检验证实了机制的有效性。
进一步分析发现,该政策具有显著的供应链韧性溢出效应,即使试点企业与上下游地理距离较远,其韧性仍能提升。异质性分析则揭示,政策效果在政策执行能力强、知识产权保护完善以及供需关系稳定的情境下更为突出。#实证分析 #数据分析 #计量经济学 #经济学 #stata #经管


