黄河流域数字经济发展与制造业升级：特征事实与互动效应.pdf

经济学 黄河流域数字经济发展与制造业升级：黄河流域数字经济发展与制造业升级：特征事实与互动效应特征事实与互动效应 王艳1，柯倩1，雷淑珍2 （1.西安理工大学 经济与管理学院，陕西 西安 710048；2.西北大学 经济管理学院，陕西 西安 710127）摘 要：在分别构建数字经济发展、制造业升级水平的指标测度体系的基础上，探究黄河流域 9 省数字经济发展和制造业升级的特征事实，并运用 PVAR 模型深入分析两者的动态互动效应。根据研究结果，1.特征事实的分析显示：黄河流域整体数字经济发展和制造业升级不“匹配”，数字经济发展的速度明显高于制造业升级的发展速度，且越靠近黄河下游，数字经济发展水平及制造业升级水平越高；2.互动效应实证检验显示：短期内黄河流域数字经济发展对制造业升级存在显著的促进作用，而制造业升级对数字经济发展存在的促进作用并不显著，长期黄河流域数字经济发展与制造业升级之间具有动态互促效应，但由于黄河流域制造业长期重工业化特性，对数字经济需求较小，模型的响应程度较小。关键词：黄河流域；数字经济；制造业升级；特征事实；互动效应 中图分类号：F127 文献标识码：A 文章编号：1008-472X(2023)02-0001-16 收稿日期：2023-03-04 基金项目：国家社会科学基金重大项目“黄河流域生态环境保护与高质量发展耦合协调与协同推进研究”（21ZDA066）；国家自然科学基金面上项目“黄河流域环境保护与产业协同发展机理、动态评价与实现路径研究”（72273103）。作者简介：王艳（1973-），女，陕西宝鸡人，西安理工大学经济与管理学院，教授，研究生导师，研究方向：区域经济与公共政策；柯倩（2000-），女，陕西咸阳人，西安理工大学经济与管理学院，硕士研究生，研究方向：区域经济与公共政策。引言 数字经济是当前世界科技革命和产业变革的主导力量，制造业是我国的立国之本、强国之基，更是实体经济发展的重要基础。党的二十大报告指出“高质量发展是我国社会主义现代化建设的首要任务，要坚持将经济发展重心放在实体经济上，推进新型工业化，加快数字经济与实体经济的融合”。可见，数字经济与实体经济融合发展对于构建现代化产业体系，实现经济高质量发展至关重要。为此，我国先后发布了“十四五”数字经济发展规划中国制造 2025等发展战略，在政策引导下，各部门深入实施智能制造工程，加快制造业数字化转型，促进云计算、大数据、人工智能与制造业融合发展，我国制造业发展由此迈上新台阶，不断地向高端化、智能化、绿色化迈进，制造业规模稳居世界第一1。然而，与世界先进水平相比，我国制造业仍然“大而不强”，在关键技术、自主创新能力等方面都存在一定差距，阻碍了“中国制造”向“中国智造”迈进的步伐，这些问题在黄河流域尤为突出。2021年 10 月，中共中央、国务院印发了黄河流域生态保护和高质量发展规划纲要，提出要改善黄河流域地区工业高能耗发展现状，实现生态文明建设和区域协调发展2。黄河流域的多数省区位于中西部欠发达地区，流域制造业以重化工业居多，技术密集型制造业发展较弱，制约了当地的生态保护和高质量发展。而数字经济不仅可以直接促进黄河流域高质量发展，还可以通过产业结构合理化、高级化释放高质量发展红利3。黄河流域要实现高质量发展，就需要实现数字经济与制造业的深度融合。因此，厘清黄河流域数字经济发展与制造业升级的特征及互动关系就显得尤为重要。鉴于此，本文在分析黄河流域9 省数字经济发展及制造业升级的特征事实基础上，运用 PVAR 模型探究数字经济发展与制造业升级之间的动态互动效应。2023 年 6 月 西安电子科技大学学报（社会科学版）Jun.2023 第 33 卷第2 期 Journal of Xidian University(Social Science Edition)Vol.33 No.2 1 一、文献回顾 关于数字经济发展与制造业升级的相关研究，现有文献主要分为三个方面：首先是数字经济的相关研究，学术界主要围绕其内涵及发挥的效应展开。作为驱动现代经济增长的主导力量，“数字经济”一经提出就引起了国内外学者的广泛关注4。G20 峰会对数字经济的权威定义为：以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。数字经济效应的研究主要集中在数字经济对经济发展的影响，在我国高质量发展过程中，数字经济能够刺激科技创新水平、引领产业升级、促进绿色生态发展5-7，且科技创新与产业升级在数字经济促进高质量发展过程中发挥着中介效应8,9，数字经济对高质量发展、绿色发展、产业结构升级等方面的影响均存在区域异质性，表现为东部地区水平最高，中部次之，西部最低10-14。其次是制造业升级相关研究，学术界主要围绕制造业升级路径及影响因素展开。制造业升级的主要内容是制造业整体发展水平提升，高端制造业的比重不断提高，高加工度、高智能化、高附加值制造业成为经济增长中的主导产业15。制造业升级路径的研究中，现有学者在新发展格局背景下，提出以国内大市场为主要导向重构制造业产业链，积极营造有利于自主创新的良好产业生态环境，协调区域布局促进制造业整体高质量发展，依托“一带一路”倡议提升国际循环水平，根据地区情况分别选择需求引致型、成本倒逼型和创新驱动型等升级路径16。有关制造业升级的影响因素研究居多，环境规制、人力资本、数字经济、金融发展等多种因素都能够促进制造业升级17-20，且制造业升级也表现出一定的异质性，呈现出东中西递减的态势。最后是数字经济发展和制造业升级两者关系的研究，相关主要集中在数字经济发展对制造业升级的单向影响，现有研究表明数字经济发展不仅能够直接促进我国制造业升级，还能通过数字化技术创新和数字科技人才等发挥的中介效应促进制造业升级，且数字经济对制造业升级的影响具有区域异质性和行业异质性，显著体现在长江经济带、珠江三角洲等东部发达地区和高新技术制造业19,21。个别学者从互动角度出发探究两者的互动关系，提出数字经济发展和制造业升级存在双向的正向影响关系，在相互作用下正逐步趋向融合22。现有研究对数字经济发展的效应与制造业升级的路径进行了系统的阐述，为国内外相关研究奠定了坚实的基础，但对两者关系的研究大多从数字经济推动制造业升级的单向角度出发，忽略了制造业升级的反作用力，缺乏互动融合视角下对数字经济发展与制造业升级动态互动效应的研究，且研究对象更多集中在长江经济带、长江三角洲、珠江三角洲等东部经济发达地区，缺乏对中西部欠发达地区的研究。因此本文创新性地从互动融合的角度出发，以黄河流域 9 省为研究对象，构建数字经济发展和制造业升级水平指标体系，根据结果分析黄河流域数字经济发展与制造业升级的特征事实，运用 PVAR 模型将数字经济发展与制造业升级纳入统一研究框架，探究两者的动态关系，深化相关领域研究。除此之外，本文研究能为黄河流域高质量发展提供新思路，有助于加快落实黄河流域生态保护和高质量发展规划以及各省区数字经济与制造业升级等发展规划。二、数字经济发展与制造业升级的动态互动效应 数字经济和制造业作为经济高质量发展的两大核心，在经济运行的过程中必定存在动态互动关系，数字经济为制造业升级提供技术要素来源，制造业为数字经济发展提供数据要素来源，两者互相影响互相作用，以实现数字经济与制造业的深度融合。数字经济发展与制造业升级之间的动态互动效应体现在两方面：一方面，数字经济作为产业转型新动能，能够推动大数据和工业互联网等数字技术在制造业中的应用，促进资源的合理配置和效率提升，且随着数字经济的发展，信息技术赋能传统制造业，促进制造业由要素驱动向创新驱动转变，从而促进制造业升级。第一，拓展分工边界。根据产业经济理论，产业链起源于分工，各环节的合理分工与资本流、信息流、物流等生产要素高度相关。数字经济创造了新的生2 产要素数据，打破了传统产业链间生产要素流动的时空局限，降低了产业链组织分工对地理空间的依赖性23，形成了复杂的网络动态产业链模式，加快了产业链重构与制造业升级的进程。第二，降低交易成本。制造业产业链的交易成本可分为组织成本与执行成本24。数字经济能够通过数字平台、互联网等降低组织成本（时间成本、谈判成本等），能够通过智能算法、自动化管理降低执行成本（劳动力成本、运输成本等）。交易成本的降低为企业创造了更多的收益，为制造业技术变革和创新提供资金支持。第三，价值分配的转移。随着大数据、人工智能等数字技术的融入，价值创造增加，制造业产业价值链的“微笑曲线”上升，传统制造业的价值分配发生转移，高端制造业的利润大幅提升，促使产业链上的各企业倾向于向高端制造业转型升级。第四，需求的倒逼效应。平台经济是数字时代的一大产物，消费者信息成为互联网企业的重要资产，互联网平台通过数据挖掘等大数据分析技术实现精准营销，一些小众的、个性化需求被放大，倒逼企业不断进行转型升级实现价值创造。另一方面，随着制造业升级的进程不断推进，制造业生产模式变革，加快生产过程自动化、数字化和智能化步伐，技术研发环境不断革新，为数字经济提供较大发展空间，推动制造业与数字技术融合，促进数字经济发展。第一，创造数据要素来源。制造业生产、加工、销售等价值创造的各个环节，都能创造出海量数据要素来源，这些数据通过深度挖掘、加工处理形成数据资本，能够推动数字经济走向数据共享、网络协同发展时代25。第二，驱动创新。制造业的数字化、网络化、协同化会对互联网基础设施提出更高的要求26，刺激对互联网设备的更新需求。同时，传统制造业为提高自己的企业价值，会依赖数字经济的赋能作用，这就对数字技术提出更高的要求，即不断革新以匹配制造业发展。除此之外，数字经济赋能效应的发挥存在“安装期”，而制造业数据要素及创新需求的应用和实现存在一定的“反应期”，且数字经济与制造业同处于一个经济系统，会受到经济内生外生多种因素的影响，因而数字经济发展与制造业升级会存在动态波动的互动关系。三、黄河流域数字经济发展及制造业升级的指标测算 为准确衡量数字经济与制造业升级水平，分析两者的动态互动关系，本文构建相应指标体系，运用熵权法等进行权重的测算，具体测算及说明如下：（一）数字经济发展水平指标体系构建及测算方法 1.数字经济发展水平指标体系构建 数字经济以信息为核心要素，信息技术为基础，互联网为平台和载体，通过数字化技术提供产品和服务，从而实现消费者和生产者之间的数字化交易、交流和合作26,27。数字经济发展水平需要结合多个方面指标共同衡量，目前学术界关于数字经济发展水平指标衡量体系的争议较多，缺乏统一的衡量标准，本文借鉴刘军等学者所建立的数字经济指数评价指标体系将数字经济分为 3 个一级指标，即信息化水平、互联网发展和数字交易发展指标28。参考国家统计局、中国工业和信息化部、中国互联网络信息中心以及刘军、陈怀超等学者的研究成果以及可获得的数据情况22,28，将数字经济发展水平按照一级指标进一步细分成 8 个二级指标，14个三级指标。数据来源于中国统计年鉴（2012-2021）、中国互联网络发展状况统计报告（第31-49 次）及各省统计年鉴。指标体系及计算如表 1 所示。其中，信息化水平指标是用于衡量黄河流域内各省区信息化程度。信息化能够加快企业生产效率，提高科技水平，缩小我国与发达国家之间的差距，是实现高质量发展及数字时代必不可少的因素。参考刘军等学者的研究以及数据的可获得性28，将其分为信息化基础设施、信息化应用水平以及信息化发展环境。光缆密度指单位面积光缆长度，用于衡量信息化基础设施的建设，为信息化发展提供基础设施保障。移动电话普及率能够反映出地区内信息化硬件设备的拥有量；域名数体现地区内信息化软件的应用情况，两者共同衡量信息化应用水平。研发强度是指研发经费占地区生产总值的比重，主要表现地区的科技研发的经费情况和政府支持力度；R&D 人员全时当量体现出科技的人力投入情况，科技力量推动信息化技术的发展，因此用这两个指标来衡量信息化发展环境。3 互联网发展指标是为了衡量黄河流域各省区互联网的发展状况。互联网的蓬勃发展大大便利了人们的生活，降低企业成本、刺激消费，数字时代离不开互联网技术，因此，互联网发展是衡量数字经济的重要指标。结合茶洪旺等学者的互联网发展指标构建与数据情况29，用互联网基础建设、互联网资源、互联网应用及发展来综合衡量。互联网接入端口密度是单位面积接入端口数，体现地区内互联网的接入设备普及范围；IPV4 指互联网通信协议第四版，其数量保障着互联网信息的传递，互联网接入端口密度和 IPV4 占比共同衡量了当地互联网基础建设的水平。网页平均字节体现网络信息资源的丰富程度，网页数量揭示了网络资源的配置情况，两者共同体现了互联网资源的发展情况。宽带互联网用户人数占比是各省宽带互联网的连接用户占全国的比重，体现了宽带互联网连接的应用程度；快递业务量体现线上互联网业务的成交量，体现互联网线上交易的普及程度；城镇可支配收入体现居民互联网的消费能力，三个因素结合共同衡量互联网应用及发展程度。数字交易发展指标是为了体现数字时代运用数字交易的程度，是数字经济发展的表现，是数字经济发展的目标。本文将数字交易发展指标分为数字交易基础和数字交易量。根据刘军等学者的研究说明28，电子商务销售额与网上零售额都是描述数字交易重要的指标，但限于统计数据的可获得性，本文用营业网点的数量和快递业务收入来代替。营业网点为是数字交易得以实现的基础，用来衡量数字交易基础，快递业务收入用来衡量数字交易量。表 1：基于可获得数据的黄河流域数字经济发展水平指标评价体系 一级指标 二级指标 三级指标 指标计算方法 数字经济发展水平 信息化水平指标 信息化基础设施 光缆密度 光缆长度/省域面积 信息化应用水平 移动电话普及率 每百人移动电话数量 域名数 每万人拥有的域名数量 信息化发展环境 研发强度 R&D 经费/地区生产总值 R&D 人员全时当量 R&D 人员年实际工作量 互联网发展指标 互联网基础建设 互联网接入端口密度 互联网接入端口数/省域面积 IPV4 占比 各省 IPV4 量/全国 IPV4 量 互联网资源 网页平均字节 每个网页平均字节 网页数量 每万人平均拥有网页数量 互联网应用及发展 宽带互联网用户占比 各省宽带互联网用户人数/全国宽带互联网用户人数 快递业务量 每万人快递业务量 城镇可支配收入 居民年平均可支配收入 数字交易发展指标 数字交易基础 营业网点数量 营业网点总数量 数字交易量 快递业务收入 年快递业务总收入 2.数字经济发展水平测算方法 结合本文所建立的数字经济发展水平指标体系，运用熵权法对数字经济发展水平的 14 个三级指标进行运算处理，计算各指标权重，计算步骤为：（1）运用极差归一化方法对所有数据进行无量纲化处理，同时为避免出现 0 值，对处理后的数据平移 0.001 个单位，本文选取的指标均为正向指标，公式为：（1）4 其中分别指地区、年份、指标，指归一化处理且平移后 i 地区 t 年 j 指标的数值，指i 地区 t 年 j 指标的数值，和分别指 j 指标中最大值和最小值。（2）计算各项指标的功效函数 p 值，公式为：（2）其中指 i 地区 t 年 j 指标的功效函数值；m 是指地区数量，本文选取黄河流域九省（区）9 个地区，则；n 为年份的数量，本文选取 2011 年2020 年十年的数据，则。（3）计算熵值 e，公式为：（3）其中 指 j 指标的熵值，。（4）计算各指标熵值的冗余度 r 及权重 w，由于数据量较大，权重和为 1 会导致最终计算值较小，因此将单位定为%，即权重和为 100，公式分别为：（4）（5）其中 指 j 指标的冗余度，指 j 指标的权重，q 是指标数量，即。（5）计算影响力指数并进行线性加权，计算数字经济发展水平 DE，公式为：（6）其中指 i 地区 t 年数字经济发展水平。（二）制造业升级水平指标构建及测算方法 1.制造业升级水平指标构建 经济发展和技术进步往往与制造业的发展密不可分，制造业能够通过联动效应扩散到服务业等其他经济部门进行技术创新的传播。中国制造升级成为中国智造会为我国经济注入新的活力30。国内学者在制造业升级的测度指标选取上存在一定的分歧。本文探讨数字化下制造业升级，也即数字技术和制造业不断融合，制造业技术密集型不断提升，结合国内很多学者在进行制造业升级相关研究，如卫平、徐晓慧等学者均运用制造业高度化来衡量制造业产业升级31-32。本文参考诸位学者的研究思路，借鉴韩国学者李贤珠以及我国傅元海等学者将制造业按技术水平分为高、中、低三个等级的方法（如表 2 所示）33-34，并结合干春晖等学者测度制造业升级的思路，用高端和中端技术制造业产值之比来衡量制造业升级35。数据来源于 中国统计年鉴（2012-2021）、中国工业经济统计年鉴（2012-2017、2020、2021）以及黄河流域各省统计年鉴（2018-2019）。由于各省制造业产值数据不全，而产值与销售收入十分近似，用销售收入代替产值，即制造业升级水平=高端技术制造业销售收入/中端技术制造业销售收入，对于个别数据缺失的情况，用行业营业收入以及产值变化进行估算。2.制造业升级水平测算方法 制造业升级（MIU）用高端制造业销售收入（HS）与中端销售收入（MS）之比衡量。计算公式为：（7）（8）（9）5 其中 MIUit、HSit、MSit分别指指 i 地区 t 年的制造业升级、高端制造业销售总收入、低端制造业销售总收入，hsitk、msitl指 i 地区 t 年的高端制造业 k 和中端制造业 l 的销售收入，h 和 r 分别指所统计的高端、中端制造业数量，根据国家统计局统计分类 h=10，r=6。表 2：基于技术等级的制造业产业分类 制造业产业技术等级 制造业行业 高端技术制造业 通信设备计算机及其它电子设备制造业 电气机械及器材制造业 通用、专用设备制造业 交通运输、非交通运输设备制造业 仪器仪表及文化办公用机械制造业 医药、化学原料、化学制品、化学纤维制造业 中端技术制造业 石油加工、炼焦及核燃料制造业 橡胶和塑料制品制造业 金属、非金属矿物制品制造业 黑色及有色金属冶炼及压延加工 低端技术制造业 农副食品及食品加工、酒、饮料及烟草等制造业 家具、木材加工及木、草等制造业 纺织、纺织服装、鞋帽、皮革等制造业 造纸、印刷及文教体育用品等及其他制造业 注：分类参考经济合作与发展组织（OECD）技术水平分类标准。四、黄河流域数字经济发展与制造业升级的特征事实分析 黄河流域分为上中下游，流经我国 9 个省份，不同流域的省份对应的地理位置、资源特点、发展战略都不尽相同，因此本文测算黄河流域 2011-2020 年数字经济发展水平（DE）和制造业升级水平（MIU）以分析黄河流域 DE 和 MIU 的特征事实。（一）整体特征分析 1.时序演变特征 图 1 展示了 2011-2020 年黄河流域数字经济发展与制造业升级的时间演变趋势。图 1：黄河流域数字经济发展与制造业升级水平时间演变趋势图 6 由图 1 可以看出：从整体上看，黄河流域数字经济发展水平保持着稳步增长的状态，黄河流域制造业升级水平呈现出平稳的增长趋势，增长速率较慢。其中，数字经济的年平均增长率为 18%，而制造业升级的年平均增长率仅为 0.6%。需要说明的是，从 2013 年之后，黄河流域数字经济发展与制造业升级的差值逐年递增，反映出两者的互动融合趋势呈递减状态。可见，目前黄河流域的制造业产业亟需结合数字技术，改进制造业企业升级模式。2.区域差异特征 考虑到黄河流域不同地区数字经济发展与制造业升级的差异性，本文计算了 2011-2020 年黄河流域 9 省数字经济发展及制造业升级水平指标的平均值，应用自然断点法对数据进行分类，图 2（a）（b）分别展示了黄河流域各省区数字经济发展和制造业升级水平。图 2：2011-2020 年数字经济发展与制造业升级各省平均发展水平 （a）黄河流域各省数字经济发展水平（b）黄河流域各省制造业升级水平 由图 2（a）可知，除四川省，其他省份越靠近上游，数字经济发展水平越低，越靠近下游越高，下游山东、河南两地数字经济发展水平领先于其他省区，中游山西和陕西基本处于中等水平，上游青海、甘肃、宁夏、内蒙古水平一直较低，而四川成为上游数字经济发展的高地。由图 2（b）可知，四川省是黄河流域制造业升级水平最高的地区，其他上游省区以及中游山西省制造业升级水平都较低，中游陕西省和下游河南、山东两省处于中等水平。同时，对比图 2（a）和（b），可以发现，山东、河南、山西三省数字经济和制造业发展“不匹配”，即高的数字经济发展水平对应中等或较低的制造业升级水平，说明数字技术对制造业的赋能未能完全发挥，四川省和陕西省实现了数字经济发展和制造业升级较匹配的高水平和中水平发展，而其他省份都处于发展水平较低的匹配状态，无法实现数字经济与制造业的互促发展。（二）个体特征分析 为了进一步了解黄河流域各省份数字经济发展与制造业升级水平的变化与区域差异，根据测算结果绘制图 3，图 3（a）和图 3（b）分别展示了黄河流域各省数字经济和制造业升级的变化趋势。7 图 3：黄河流域 9 省数字经济发展与制造业升级水平的变化趋势图 （a）9 省区数字经济发展水平的变化趋势（b）9 省区制造业升级水平的变化趋势 1.黄河流域各省数字经济的变化特征 根据图 3（a），黄河流域 9 省的数字经济时间变化特点如下：从整体的变化趋势来说，黄河流域多数省份呈现增长状态，其中，河南省的增长速率最高、四川省次之，山东省发展水平最高、河南省次之，青海省的增长速率及发展水平均最低；从不同区域来说，位于黄河流域上游的青海省、甘肃省、宁夏回族自治区、内蒙古自治区 4 个省份由于地理障碍，数字基础设施建设数量较少，人才缺乏，数字经济发展明显滞后于其他地区，虽然在样本期间有一定增长，但增长速率较缓。值得注意的是，由于四川省在地理位置上的特殊性（属于我国中部地区，且黄河和长江两条河流均流经四川省），在经济发展过程中更多依赖于长江经济带的推动作用，因此四川省虽然同处上游区域，但其数字经济水平远超上中游各省，在 9 省中排名第 3；黄河流域中游陕西和山西两省，数字经济发展基本一致，均处于中等水平，且保持着稳定的中等增长速率；黄河流域下游山东省和河南省数字经济发展水平较高，增长也较快，在样本期间稳居第一第二。综上所述，黄河流域 9 省数字经济的时空演变规律为：除四川省外，其他省份数字经济增长速率及发展水平表现为下游最高、中游次之、上游最低，四川省则呈现出较高的增长速率和发展水平。2.黄河流域各省制造业升级的变化特征 根据图 3（b），黄河流域 9 省的制造业升级水平变化特点如下：从整体的变化趋势来说，黄河流域多数省份呈现低水平增长，其中，陕西省的增长速率最高，四川省的制造业升级水平最高，甘肃省的增长速率和升级水平均最低；从不同区域来说，黄河流域上游的青海省、内蒙古自治区、宁夏自治区、甘肃省矿产、煤炭资源较丰富，因此长期以来其制造业一直依靠自然资源的优势，未能形成技术密集型和知识密集型产业，在升级的过程中，由于原本制造业资本密集型，需要大量资本投入，升级困难，基本处于低升级或者不升级状态，相较于其他省份，这 4 省的制造业发展极不均衡，增长速率缓慢甚至出现负增长，是黄河流域高质量发展亟需解决的问题；而四川省制造业升级水平不同于其他上游省份，长期处于 9 省首位，体现黄河流域最高的制造业升级水平，近几年其制造业可能面临技术瓶颈，水平有所下降。流域中游山西省的升级水平较低，增速较低，这与山西省丰富的煤炭资源所带来的工业特性相关；而陕西具有分布密集的高校和科研资源，拥有航天航空两大科技基地，装备制造业也处于领先地位，是样本期间黄河流域 9 省中增速最高的。黄河流域上游河南省具有大量人力资本，为其制造业发展不断注入新的活力，因此河南省的制造业升级水平和增速都较高，仅次于陕西省，但近几年略有负增长；山东在 20112017 年间制造业升级水平较高，但持续负增长，2017 年后低于河南和陕西两省，可能与其长期依靠发展的制药、化学产业受绿色发展的政策影响有关。综上所述，黄河流域 9 省制造业升级的时空演变规律为：除四川外，黄河流域上游制造业升级均表现为低水平低增长态势，除山西外，中下游均具较高的制造业升级水平且具较好的增长趋势。8 从目前黄河流域数字经济和制造业升级的特征事实中，可以发现，随着我国经济的增长，黄河流域数字经济发展与制造业升级水平均有了一定的提升，尤其是数字经济发展水平增长较快，但两者的发展仍存在一些不足：黄河流域上中下游省份发展不协调，下游数字经济发展和制造业升级水平较高、中游次之、下游较落后；数字经济发展和制造业升级不“匹配”，数字经济发展水平增速很快，而制造业升级水平增速较低，说明数字经济通过互联网信息、数字技术等对制造业升级的赋能没有达到充分的发挥，制造业升级结合数字技术促进制造业数字化的作用不够明显，在个别地区发展的过程中出现了逆融合趋势，即出现了数字经济增长，制造业升级下降的现象。五、黄河流域数字经济发展与制造业升级的动态互动关系的实证分析 通过上文分析，可以发现目前黄河流域数字经济发展与制造业升级互动发展存在一定的不足，因此，为了进一步明确数字经济发展和制造业升级的动态互动关系，运用 PVAR 模型对其进行分析，分析步骤如下：（一）PVAR 模型构建及描述性统计 1.模型构建 面板向量自回归模型（PVAR）是 Holtz-Eakin 等学者于 1988 年在 VAR 模型的基础上提出的36。PVAR 模型集中了面板回归分析和 VAR 模型的优势，能够研究变量之间的动态关联，将所有的变量统一视为内生变量，分析各个变量及其滞后项之间的关系，既能够有效解决个体异质性问题，控制不可观测个体的异质性，又能够充分考虑个体和时间效应，可用于分析冲击来临时经济变量的动态反应并对变量进行分解，得到不同冲击对变量的影响19。该模型，不但能研究变量之间的动态关联，控制不可观测个体的异质性，而且可用于分析冲击来临时经济变量的动态反应并对变量进行分解，得到不同冲击对变量的影响。提前并不设定自变量与因变量，易于本文研究两变量的互动影响关系，构建如下PVAR 模型：（10）上述模型中，下标 i 为地区（i=1,2,39），t 为年份（2011 年-2020 年），j 为滞后阶数，滞后阶数从 1 取到 z；Yit表示 i 地区 t 年内生变量值（数字经济与制造业升级）；a0为截距项向量，为系数向量，i为个体固定效应，t为时间固定效应，it为随机误差。2.描述性统计 为消除异方差对 DE、MIU、取对数 LNDE、LNMIU，表 3 为描述性统计结果。由表 3 可知，黄河流域数字经济发展水平最大值为 5.1288，最小值为 0.0520，标准差为 1.1780，差距相对较大；制造业升级水平最大值为 2.0700，最小值为 0.1621，标准差为 0.4644，差距相对较小。表 3：基于黄河流域九省（区）2011 年-2020 年数据变量的描述性统计结果 变量 样本量 最大值 最小值 平均值 标准差 DE 90 5.1288 0.0520 1.1111 1.1780 MIU 90 2.0700 0.1621 0.7887 0.4644 LNDE 90 1.6349-2.9567-0.4477 1.0933 LNMIU 90 0.7276-1.8196-0.4185 0.6177（二）平稳性检验和最优滞后阶数确定 1.单位根检验 为防止伪回归，要确定变量的平稳性，本文运用单位根检验最常见的 3 种方法（LLC 检验、IPS检验、Fisher-ADF 检验）对变量进行单位根检验。确定变量平稳的标准为 3 种检验方法得到的结果都9 拒绝原假设“存在单位根”（p0.01）。检验结果如表 4 所示。表 4：面板数据单位根检验结果 样本 变量 LLC 检验 IPS 检验 Fisher-ADF 检验 平稳性 t p t p t p 总体 LNDE-10.2841 0.0000*-2.8001 0.0005*40.4172 0.0018*平稳 LNMIU-2.7413 0.0031*-2.8846 0.0030*16.3638 0.5672 不平稳 d_LNDE-8.6054 0.0000*-3.4268 0.0001*108.0587 0.0000*平稳 d_LNMIU-2.4164 0.0078*-3.4949 0.0003*35.8843 0.0073*平稳 注：d_表示对变量进行一阶差分，*表示统计量在 0.01 显著水平下显著。通过检验结果可以看出，变量 LNDE 通过了三种检验，是平稳的，但是 LNMIU 未通过 Fisher-ADF检验，结果不平稳，因此对 LNDE、LNMIU 进行一阶差分得到 d_LNDE、d_LNMIU，结果均在 0.01的显著性水平上通过检验，即原变量是一阶单整的。2.最优滞后阶数选择及稳定性检验 为了得到模型的最优滞后阶数，在不同阶数下计算 MBIC、MAIC、MQIC 这些信息准则，结果如表 5 所示。根据最优滞后阶数最小值原则，准则指标的值越小，说明模型更加平衡，因此各信息准则计算的最小值确定的阶数应该为最优滞后阶数。表 5：最优滞后阶数检验结果 滞后阶数 MBIC MAIC MQIC 1-36.60627*-15.87288*-22.03800*2-26.02489 -10.47485 -15.09869 3-17.22042 -6.85372 -9.936282 4-9.621351 -4.438004 -5.979285 注：*表示根据最优滞后阶数选择原则所选择的最小值。根据变量检验结果选择滞后阶数为一阶，为确定本文所选取的最优滞后阶数的稳定性，运用单位圆进行判别，如图 4 所示，图中，所有的特征根均在单位圆中，均小于 1，证明最优滞后阶数一阶是合理的，可以建立滞后一阶的 PVAR 模型。图 4：单位圆检验最优滞后阶数的稳定性 （三）PVAR 模型的 GMM 估计 通过对模型的相应参数进行估计，能够根据结果判断相关变量之间影响的作用效果，因此本文对10 模型进行 GMM 估计结果如表 6 所示：表 6：PVAR 模型的 GMM 估计 变量名 列（1）列（2）d_LNDE d_LNMIU L1.d_LNDE-0.4390*（-1.78）0.1325*（1.89）L1.d_LNMIU 0.0448（0.21）-0.0554（-0.24）注：L1.表示滞后一阶，表格中括号内报告的为 z 统计量，*代表统计结果在 0.1 的显著性水平下显著。表 6 中列（1）将数字经济发展（d_LNDE）作为被解释变量，根据统计结果，滞后一期的数字经济（L1.d_LNDE）对数字经济的影响为-0.4390，具有一定的抑制作用，且结果在 0.1 的显著水平下显著，可能的原因是目前黄河流域数字经济发展水平较低，信息化及互联网应用效率较低，不能实现数字经济对自身以后期发展的促进作用，同时数字经济存在一定的“安装期”，在这个期间内，可能会产生一定的抑制性；滞后一期的制造业升级（L1.d_LNMIU）对数字经济具有不显著的促进作用，可见制造业对于数字技术的应用能够促进数字经济发展，但可能因为黄河流域制造业长期以资源密集型产业为主，对先进数字技术的应用较少导致统计结果不显著。列（2）将制造业升级（d_LNMIU）作为被解释变量，可见滞后一期的数字经济发展对于制造业升级具有显著的促进作用，影响系数为 0.1325，互联网信息技术的不断完善，推动数字经济的发展，传统制造业通过数字经济实现驱动要素的转变升级，从而实现制造业升级；滞后一期的制造业升级对制造业升级不具有显著的促进作用，最可能的原因是黄河流域产业结构不合理，传统制造业重化工业链条需要大量资本投入，升级速度较慢。（四）格兰杰因果关系检验 为了进一步确定各变量短期的相互关系，对变量进行 Granger 因果关系检验，检验结果如表 7 所示：表 7：Granger 因果关系检验结果 变量 原假设 滞后阶数 卡方 结论 DE MIU 不是原因 1 0.044 接受 MIU DE 不是原因 1 3.578*拒绝 注：表中 DE、MIU 指 d_LNDE，d_LNMIU，*代表统计结果在 0.1 的显著水平上显著。通过格兰杰因果关系检验结果可以得出数字经济发展是制造业升级的单向格兰杰因（0.1 的显著性水平下），说明黄河流域的数字经济发展对制造业升级的影响显著，而制造业升级对数字经济影响不显著；格兰杰因果关系检验结果和模型的 GMM 估计结果一致，证明相关变量影响关系的检验准确。（五）脉冲响应函数分析 GMM 估计及格兰杰因果关系检验都是探究变量之间的短期影响，为探求变量之间的长期关系，利用脉冲响应函数对变量进行分析。本文利用 Monte-carlo 方法进行 300 次模拟，得到 10 期响应结果，如图 5 所示。根据脉冲响应结果可以看出，黄河流域数字经济发展与制造业升级两者之间的脉冲响应持续期基本在 5 年左右，5 年后所有的响应结果基本无波动且趋于零值。两者的内生影响基本依靠快速发展的科技力量，如数字化转型、大数据技术应用等，相关技术的发展所产生的的作用效果一般持续 5 年，因此技术革新的周期应当小于 5 年。图 5 中 IRF of DE to DE 表示对于来自数字经济的冲击数字经济的响应结果，由响应结果可知，数字经济对自身的冲击响应呈“V”型，在 1 期内对自身的冲击产生显著负向响应，第 1 期负向响应最强，随后产生正向响应，且在第 2 期达到峰值，2 期后逐渐波动趋于零值。虽然在短期 1 期内，数字11 经济发展对自身存在抑制作用，但 1 期后存在一定时期的促进作用，可见长期数字经济能够起到对自身发展的促进作用，但这种促进作用不能长期维持。数字基础设施具有一定的“安装周期”，且黄河流域地区数字经济的投入受限于黄河流域的数字经济发展水平，不能如期促进自身发展。图 5 中 IRF of MIU to DE 表示制造业升级对于数字经济发展的脉冲响应结果。可见，在数字经济发展的冲击下，制造业升级的响应存在较大的波动，在 1 期内，产生显著的正向响应，并且在第一期响应最强，随后在第 2 期内产生负向响应，且在第 2 期达到最低，在第 3 期又产生一定的正向响应，随后逐渐趋于零值。黄河流域制造业升级得益于数字经济发展的短期效果，数字及信息化技术给制造业企业带来了更高的产值和利润，黄河流域制造业升级水平也得以提高，而后可能由于黄河流域制造业和数字经济融合水平低，且数字化技术更新速度较快，其促进作用不能持续，因而 1 期之后的响应结果并不显著。图 5 中 IRF of DE to MIU 表示受到制造业升级的冲击时数字经济发展的响应结果。脉冲响应图显示，数字经济对制造业升级的冲击响应呈现倒“V”型，在第 1 期内产生正向响应，且在第 1 期达到峰值，第 2 期内有一定的负向响应，且在第 2 期达到最低，随后一些轻微波动直至趋于零值。制造业对数字技术的应用，是数字经济与制造业融合的实现，随着制造业不断升级，数字经济的数字化环境和数字交易水平不断提升，数字经济得到发展，随着时间的推移，制造业对数字经济的影响不断减少最终趋于平缓，可能由于黄河流域制造业目前对数字经济的应用需求较低，响应结果并不显著。图 5 中 IRF of MIU to MIU 表示制造业升级受到自身冲击时的响应结果。可知，制造业升级对于自身的冲击产生显著的负向响应，在第 1 期达到最低值，之后有些微正向响应，很快平稳并趋于零值。黄河流域制造业升级在短期内对自身具有抑制作用，长期影响并不显著。这与黄河流域制造业发展的重工业化有关，这种产业特点使得制造业升级需要巨大的资金投入，且具有时滞性不能很快得到修正，不仅在短期内影响制造业升级，也使得黄河流域的制造业升级水平相较于其他地区而言过低。图 5：数字经济发展与制造业升级的脉冲响应图 注：横轴表示滞后期（年），纵轴表示响应变量对脉冲向量的响应程度，中间实线