数字经济驱动制造业高质量发...数字经济与制造业的实证检验_周正.pdf

年月河南师范大学学报（哲学社会科学版）第 卷 第期 （）：数字经济驱动制造业高质量发展的增长效应 基于中国数字经济与制造业的实证检验周正，门博阳，王搏（哈尔滨商业大学 经济学院，黑龙江 哈尔滨 ）摘要：数字经济已成为推动实体经济增长的重要动能。本文使用中国数字经济与制造业 年至 年的相关数据，测度数字经济和制造业高质量发展水平，并在理论分析的基础上实证检验数字经济对制造业高质量发展的影响及其作用机制。研究表明，中国数字经济发展水平整体呈现上升趋势，年至 年期间表现为匀速增长，年至 年期间，增长速度整体呈现出逐步加快趋势。中国制造业高质量发展指数总体呈逐步攀升态势，年至 年期间表现为平稳增长，年至 年出现轻微回落，年至 年呈现加速发展态势，数字经济发展水平对我国制造业高质量发展的影响显著为正。因此，政府应继续加大对数字经济与制造业融合发展的支持力度，推动制造业高质量发展，彻底解决中国制造业“早熟型增速放缓”的窘境。关键词：数字经济；制造业；高质量发展作者简介：周正（），男，河南郑州人，哈尔滨商业大学经济学院研究员，博士生导师，主要从事产业组织理论与政策等相关研究；门博阳（），男，黑龙江哈尔滨人，哈尔滨商业大学经济学院博士生，主要从事产业组织理论与政策等相关研究；王搏（），男，黑龙江哈尔滨人，哈尔滨商业大学经济学院博士生，主要从事产业组织理论与政策等相关研究。基金项目：国家社会科学基金一般项目（）中图分类号：文献标识码：文章编号：（）收稿日期：数字经济的崛起推动了制造业生产技术和生产模式的快速进步，也加剧了制造业激烈的市场竞争。在数字经济发展引发新一轮工业革命大背景下，我国高度重视数字经济驱动制造业发展的机遇，先后提出了包括“制造强国”“中国制造 ”和“智能制造”等在内的制造业发展战略，面对制造业发展的客观需求和严峻的内外部形势，指明了未来我国制造业发展的目标和方向。一、理论分析与研究假设数字经济具有渗透性强、影响范围广和包容度高等特点，数字经济驱动制造业发展的主要因素可细分为数字化生产要素、数字技术和数字网络等三个层次。结合制造业高质量发展的具体特征，可将其刻画为资源配置效率、创新升级能力和包容性发展三个方面：其一，生产要素数字化可以显著提升制造业资源配置效率。数据资源等原生数字化生产要素能够打破信息不对称壁垒，降低资源错配风险。融合数字化生产要素中的数字金融能通过促进企业创新推动制造业技术创新，提高资源配置效率。此外，数字化教育资源颠覆了传统学习模式，强化了制造业人力资本深度，间接提高了制造业资源配置效率。其二，数字技术可以有效增强制造业创新升级能力。数字技术作为冯素玲，许德慧：数字产业化对产业结构升级的影响机制分析：基于 年中国省际面板数据的实证分析，东岳论丛，年第期。孙早，侯玉琳：人工智能发展对产业全要素生产率的影响：一个基于中国制造业的经验研究，经济学家，第期。郭然，原毅军，张涌鑫：互联网发展、技术创新与制造业国际竞争力：基于跨国数据的经验分析，经济问题探索，年第期。网络首发时间：2023-03-07 14:43:52网络首发地址：https:/ 年至 年间数字经济和制造业高质量发展的趋势和可能存在的关系，并在理论分析的基础上，使用线性回归模型检验 年至 年期间数字经济驱动制造业高质量发展的主要因素和经济后果。（一）模型设定数字经济驱动制造业高质量发展的过程较为复杂，前文已经从理论上剖析了数字经济驱动制造业发展的机理，为了检验数字经济是否能够驱动制造业高质量发展，本文构建实证方程：。其中，为制造业高质量发展指数，是该模型中的被解释变量。为数字经济发展水平，是该模型的核心解释变量。、为参数，为控制变量，为随机扰动项。其中 和 将使用下文构建的指标体系予以测量。（二）指标选取鉴于 年国有企业改革影响，本文数据选取时间起点设置为 年。此外，由于 年中美贸易摩擦加剧，美国对中国包括电子及通信设备制造业在内的高技术产业征收高额关税，并设置技术壁垒，而 年开始的新型冠状疫情又严重阻碍了数字经济与制造业发展。由于以上“黑天鹅”事件的冲击，年开始的统计数据不能准确刻画常态下数字经济与制造业的发展趋势。基于以上考虑，本文实证分析的数据截至 年。数字经济发展水平及制造业高质量发展指数的相关数据将在后文进行测算，此处不再赘述。各种变量的原始数据均来源于 中国统计年鉴、国家统计局、中经网数据库，原始数据的个别缺失数据采用插值法进行补全。本文实证解释变量为数字经济发展水平，其水平值由后文从数字化生产要素、数字技术和数字网络三部分测算得出。被解释变量为制造业高质量发展指数，其指数由后文提到的制造业资源配置效率、创新升级能力和包容性发展三个方面测算得出。控制变量方面，使用中经网数据库公布的人均受教育年限来表示人力资本水平；使用公路里程数表示交通发展水平，即中国公路线路里程数；人均 由经济发展水平来表示，并以 年为基期的平减指数对人均 做平减处理；金融发展水平使用金融机构贷款余额占 比重表示，即金融机构各项贷款余额与当年 比值。三、实证检验与结果分析（一）数字经济发展水平测度本文着眼于数字化生产要素、数字技术和数字网络三个方面，包括长途光缆线路长度、电话普及率和网页数量等八个具体指标，借鉴杨慧梅等学者的思想，构建中国数字经济发展水平的测度体系（如表所示），首先对各指标做标准化处理，然后采用熵值法进行指标的客观赋权，最后测算出数字经济发展水平。本文选取 年至 年数据作为研究样本。其中，长途光缆线路长度等数据取自 中国统计年鉴。许宪春，任雪，常子豪：大数据与绿色发展，中国工业经济，年第期。刘洋，应震洲，应瑛：数字创新能力：内涵结构与理论框架，科学学研究，年第期。杨慧梅，江璐：数字经济、空间效应与全要素生产率，统计研究，年第期。互联网普及率的个别缺失数据采用 中国统计年鉴 数据，使用互联网上网人数与全国人口数之比计算补齐，网页数个别缺失数据取自 年中国互联网络信息资源数量调查报告，其他指标的个别缺失数据采用线性插值法等进行补齐。表中国数字经济发展水平指标体系目标一级指标二级指标单位数字经济发展水平数字化生产要素网页数量信息传输、软件和信息服务业增加值信息传输、软件和信息服务业收入信息传输、软件和信息服务业从业人数个亿元亿元万人数字技术电话普及率互联网普及率部百人数字网络长途光缆线路长度移动电话交换机容量公里万户（）数据标准化处理数字经济发展水平指标体系各项数据因其单位各有不同，且无法换算成统一的单位，故需要对各项数据指标进行标准化处理，消除单位不一致对测量及实证结果的影响。此处对数字经济各指标进行无量纲的标准化，并对标准化数据做非负处理，具体公式为：。其中，表示第行的第项数据的标准化数值，表示第行的第项数据的原始数值，和 表示该数据样本的最小值和最大值。（）熵值法原理及测量结果根据熵值理论，第项指标的熵值可以表示为：。对于第项指标值在各个评级样本中的差异越小，则指标的熵值越大，该指标对方案所起的作用就越小；相反，该指标值在各个评级样本中的差异越大，则指标的熵值越小，该指标对方案所起的作用就越大。由此将第项指标的权重定义为：（）（）。根据各指标计算得出的熵值权重最终可以得出第个样本的综合评价指标得分，即数字经济发展指标体系中某个指标的系数：。最后，通过以上处理及各分项加总测算出中国数字经济发展水平指数（见表）。表 年至 年中国数字经济发展水平指数年份 指数 年份 指数 （二）制造业高质量发展水平测度在深刻理解高质量发展及制造业高质量发展的经济学含义的基础上，构建了包含资源配置效率、创新升级能力和包容性发展三个方面的制造业高质量发展指标体系（见表）。该体系增加了现有制造业高质量发展指标体系鲜有考虑的社会共享范围，使得高质量发展指数的测量更为合理、准确，为研究和测度产业高质量发展指标体系提供了理论及技术支撑。表中国制造业高质量发展指标体系目标一级指标二级指标三级指标公式单位正逆性制造业高质量发展指数资源配置效率经济效益产值增长率全员劳动生产率（本年产值上年产值上年产值主营业务收入从业人员数万元人创新升级能力科技创新结构优化研发强度专利申请数新产品收入占比制造业出口贡献研发费用主营业务收入专利申请数新产品收入主营业务收入制造业出口交货值制造业总产值项包容性发展绿色发展社会共享单位产值能耗单位产值二氧化硫排放量资产纳税率职工工资增长率总能耗制造业总产值二氧化硫排放量制造业总产值应交增值税固定资产净值年平均余额（本年工资总额上年工资总额）上年工资总额吨标准煤万元吨亿元如前文所述，本文数据的时期为 年至 年。其中，制造业产值等数据取自 中国统计年鉴。工资总额指标数据取自劳动统计年鉴的分行业就业人员工资总额数据。二氧化硫排放量取自 中国环境统计年鉴。制造业产值个别缺失数据采用公式：本年产品销售收入上年存货余额本年存货余额进行计算补齐。出口交货值、应交增值税和固定资产净值年均余额等指标数据的个别缺失使用线性插值法等方式进行补齐。（）数据标准化处理同理于数字经济发展水平测度，测量制造业高质量发展水平指数前也要对各项指标数据进行标准化处理，使指标数据变成无量纲化的统一形式，消除单位不一致对测量及实证结果的影响。此处对制造业发展各指标进行无量纲的标准化处理的方式与对数字经济指标数据方式略有不同，需要单独处理逆向指标的无量纲化。其中，诸如制造业产值增长率等正向指标无量纲化及标准化数据做非负处理的公式为：，该公式处理的标准化数据越大意味着对目标指数的促进作用越大。诸如单位产值二氧化硫排放量等逆向指标无量纲化及标准化数据做非负处理的公式为：，该公式处理的标准化数据越小意味着对目标指数的促进作用越大。（）制造业高质量发展指数测量结果利用制造业（不包含计算机、通信和其他电子设备制造业数据）年至 年相关数据，测算制造业期间的高质量发展水平。使用上述标准化公式及熵值法对制造业高质量发展指数进行测算（见表）。表 年至 年中国制造业高质量发展指数年份 指数 年份 指数 （三）变量的描述性统计根据上述测量并对相关变量数据做完标准化等相关处理后，各变量的描述性分析结果如（表所示）。表变量的描述性统计结果变量类型经济含义变量名变量数最小值最大值平均值标准差解释变量数字经济发展水平 被解释变量制造业高质量发展指数 人均教育年 控制变量公路里程万公里 人均 元 金融机构贷款占比 由表可知，所有变量数据的标准差都小于其均值，说明所选择的变量整体的离散程度较小，且分布较为集中。其中，解释变量数字经济发展水平的最大值是最小值的 倍；控制变量中的人均 的最大值与最小值相差较大。造成最大值与最小值差距较大的现象主要有两方面原因：一是某些变量在样本期间实现了长足的进步；二是某些变量是国家政策扶持和倡导的发展方向，发展势头较为迅猛。以上即是本文所涉及变量的统计性描述结果。（四）变量的平稳性分析及协整检验（）变量的平稳性分析本文使用的实证数据为时间序列数据，因此在做实证分析之前必须检验各个指标变量的平稳性，保证所有的变量指标是平稳的，满足计量分析的要求。在检验指标变量的平稳性时，参照时间序列单位根的检验方法，对本文数据指标进行了单位根检验，检验结果见表。由表可知，在所使用的各种变量数据中，数字经济发展水平和制造业高质量发展指数均通过了单位根检验，说明这两个变量都是平稳变量，即零阶单整变量（）。人均受教育年限、公路线路里程和金融机构贷款余额占比等四个变量未通过单位根检验，但是这四个变量的一阶差分序列均通过了单位根检验，说明这四个变量虽然是非平稳的时间序列，但是都是一阶单整变量（）。因此，鉴于存在非平稳变量，需要对实证数据作进一步的协整检验，当且仅当这些变量数据满足协整关系，才能够开展下一步的实证分析工作。表各变量指标的单位根检验结果变量原始序列结论差分序列结论 （）平稳（）平稳 （）（）（）平稳（）（）（）平稳 （）不平稳（）平稳 （）不平稳（）平稳 （）不平稳（）平稳 （）不平稳（）平稳注：本检验不包含滞后项等，括号内为值，、分别表示在、和 的水平通过检验。（）变量的协整检验根据上文单位根的检验结果可知，