《Systems》：Open Government Data and Manufacturing Servitization: A Value-Chain Perspective from Beijing–Tianjin–Hebei
编辑推荐：
本研究从价值链视角考察开放政府数据（Open Government Data, OGD）与制造业服务化（manufacturing servitization）之间的关联。使用2020–2024年京津冀地区注册的A股上市制造企业面板数据，研究人员估计固定效应模
本研究从价值链视角考察开放政府数据（Open Government Data, OGD）与制造业服务化（manufacturing servitization）之间的关联。使用2020–2024年京津冀地区注册的A股上市制造企业面板数据，研究人员估计固定效应模型（fixed-effects models）。基准估计显示，OGD与制造业服务化之间存在统计显著的正向关联。渠道分析提供间接证据，与资源分配效率（resource allocation efficiency）、智能制造（smart manufacturing）和交易成本（transaction costs）作为该关系潜在路径相一致。补充的工具变量（instrumental variable, IV）估计同样得到正系数，但受工具变量识别假设约束。异质性分析显示，数字化转型（digital transformation）更先进的企业中正向关联更强，与公共数据和企业内部数字能力之间的互补性（complementarity）相一致。创新能力（innovation capacity）或适应能力（adaptive capacity）较低的企业中关联也更强，提示外部信息可能具有补偿作用（compensatory role）。分组系数检验支持这些差异，而连续交互结果较弱。进一步分析识别出数据开放质量（data openness quality）与制造业服务化之间的正向关联。这些发现通过强调数据质量和企业能力差异，为公共数据再利用与制造业服务化讨论提供信息。
研究背景与问题：数字技术改变制造企业组合产品与服务创造价值的方式，服务化研究关注向解决方案、全生命周期支持和持续客户关系转变，涉及商业模式与组织能力调整。京津冀地区为实证情境。2022年12月中国公布数据产权、流通交易、收益分配和治理等措施，包括公共数据使用。既有研究将开放政府数据（OGD）与创新、资源分配、生产率、就业及城市层面制造业—服务业融合联系，并强调区分数据发布与有效利用；但较少直接考察制造企业服务相关收入构成。为此，研究人员从价值链视角考察公共数据开放与制造企业服务收入份额的关系，提出上游资源分配、中游智能制造和下游交易协调为潜在渠道，并考察企业数字转型、创新能力和适应能力的作用。贡献在于以关键词识别的服务收入占主营业务收入比重刻画制造企业服务业务构成，构建价值链框架并分析能力异质性。
研究开展与结论意义：研究人员使用2020–2024年京津冀16个城市261家A股上市制造企业的1044个企业—年度观测，将城市层面中国开放数据指数（China Open Data Index）匹配到企业，采用企业与年份固定效应模型估计条件关联。基准结果为正；渠道分析提供与资源分配、智能制造和交易成本相一致的间接证据；工具变量估计为正但依赖识别假设；数字转型更先进企业中关联更强，创新或适应能力较低企业中关联也更强；数据开放质量与服务收入份额正相关。意义在于强调可用公共数据与企业能力对制造企业服务业务发展的相关性，但结论限于样本、地区和时期，且非确定因果效应。
关键技术方法：样本为2020–2024年京津冀16个城市注册的261家A股上市制造企业，共1044个企业—年度观测，来源于CSMAR和区域统计年鉴；OGD采用复旦大学数字与移动治理实验室发布的中国开放数据指数城市综合得分。基准采用企业与年份固定效应模型，标准误按城市聚类，并报告野生聚类自助法（wild cluster bootstrap）。历史样本为2012–2014年，以城市平台上线构造双重差分（difference-in-differences, DID）。稳健性采用城市地形崎岖度作工具变量（IV）的两阶段最小二乘法（two-stage least squares, 2SLS）、替换因变量。渠道代理包括Olley–Pakes全要素生产率（TFP）、年报关键词频率和费用/资产比率；异质性按2020年中位数分组并固定至2021–2024年。
研究结果：
5.1 描述性统计：1044个观测中，Open均值38.676、中位数41.030；Ser均值25.065%、中位数6.285%，服务化异质性较大；Ser=100%仅表示可观察业务收入均按关键词规则归入匹配类别，不表示纯服务收入，0表示无匹配服务类别。
5.2 基准回归：固定效应回归中Open系数为正，有控制时0.2144并在5%水平显著；Open增加一个标准差12.062对应Ser高2.586个百分点，约为样本均值25.065%的10.32%，属条件关联而非因果预测。
6 潜在渠道分析：参照Baron and Kenny框架作序列回归，并依Imai et al.强调因果中介需额外识别假设，结果仅作间接证据。
6.1 资源分配效率：以Olley–Pakes全要素生产率（TFP）为代理，Open与TFP正相关（0.0027），TFP条件于Open时与Ser正相关（19.2289），但TFP也含技术和管理因素。
6.2 智能制造：以年报关键词频率为代理，Open与代理正相关，代理条件于Open时与Ser正相关；该指标反映披露关注，不能直接证明技术实施。
6.3 交易成本与费用率代理：以销售、管理、财务费用/总资产为代理，Open与该比率负相关，该比率条件于Open时与Ser负相关；结果与渠道相容，但比率含常规经营和融资成本。
7 稳健性检验：
7.1 城市平台上线设定（独立历史样本）：以2012–2014年样本和地级市平台上线作DID，系数无控制10.7715、有控制5.7443，分别1%和5%显著，符号与基准一致，因果解释依赖识别假设。
7.2 替换因变量：按Li et al.对产品延伸服务、集成解决方案和功能服务赋权1、2、3构造加权服务数，Open系数正且显著，作为补充敏感性检验。
7.3 工具变量分析：以城市地形崎岖度为IV作2SLS，第一阶段系数14.4411（p<0.01）、F=143.966，第二阶段Open系数0.5658（5%显著），与OLS的0.2144同号；外生性检验不拒绝Open外生（p=0.1359），解释依赖排除限制。
8 异质性分析：按2020年中位数分组并固定至2021–2024年，分组交互为主要证据，连续交互较弱。
8.1 数字化转型：以文本熵权指数度量，低组不显著、高组1%显著，分组交互0.7127（1%显著），连续交互0.0973（p=0.6072）不显著，支持互补性但限于高低组对比。
8.2 创新能力：以研发强度和技术人员比例度量，低创新组Open系数0.6148（1%显著）、高组不显著（?0.0264），交互?0.6412（p=0.0027），连续交互不显著，支持低创新能力企业关联更强。
8.3 适应能力：以研发、资本和广告支出强度变异系数负值为代理，低适应组系数0.5701（1%显著）、高组不显著（?0.0047），交互?0.5748（p=0.0075），连续交互?0.1728仅10%显著（p=0.0764），提示补偿作用但证据较弱。
9 进一步分析：以中国开放数据指数数据层指数度量数据提供范围、标准和数据集可用性，评估的数据开放质量与Ser正相关且显著；该指标不能识别企业实际使用数据集，也不建立单个数据质量改进的因果效应。
讨论部分：该研究的企业服务收入份额结果与Guo et al.的城市层面制造业—服务业融合证据互补，但两者测量不同维度，系数不可直接比较；亦与生产率、就业和资源分配证据互补而不意味这些结果同步变化。渠道模式与信息和协调成本解释大体一致，但TFP、年报词频和费用率代理的限制使渠道因果贡献未决。数字转型更强企业关联更强，符合数字资源与组织能力配置讨论；创新或适应能力较低企业关联更强，提示外部信息可能补偿，但不表示所有低能力企业均更多受益，解释和应用信息的基本能力仍重要；这些解释主要基于高低组比较。区域背景可能通过产业联系、服务需求和数据可用性调节关系，单区域样本不能直接建立地理差异。
研究结论（译）：该研究从价值链视角考察2020–2024年京津冀上市制造企业的服务收入构成。四项发现总结样本和研究设计内的证据。第一，基准设定中更高的公共数据开放度与服务收入份额显著正相关；该结果关乎制造企业业务构成，不应解释为服务化成熟度或盈利能力更高的证据。第二，基于回归的渠道分析识别出与资源分配、智能制造和交易协调作为潜在路径相一致的模式；代理变量和观察性设计支持间接解释，而非已识别的因果中介效应。第三，数字化转型更先进的企业中关联更强，与公共信息和内部数字能力互补一致；创新能力或适应能力较低的企业中关联更强，提示可能的补偿作用；这些解释涉及不同能力维度，并以企业能够使用外部信息为条件；解释主要反映高低组比较，连续交互证据较弱。第四，评估的数据开放质量与服务收入份额正相关。总体而言，这些发现强调可用公共信息和企业能力是服务业务发展的相关条件；推广至样本制造企业、地区和时期之外仍需进一步证据。
