On Mechanism Analysis and Effect of Digital Economy on the Promotion of High-quality Economic Development
-
摘要: 数字经济是促进新时代经济高质量增长的重要引擎。基于2011—2019年30个省份的面板数据,分别利用熵值法和DEA-Malmquist指数法测算我国省级数字经济发展综合指数与全要素生产率,实证探讨数字经济对经济高质量发展的影响效应。研究发现:数字经济能显著促进经济高质量发展,该结论经过一系列稳健性检验后仍显著成立;机制分析表明,数字经济是通过提升区域创新水平、加快产业结构升级赋能于经济高质量发展;进一步分析表明,数字经济对相邻地区的经济高质量发展存在空间溢出效应,数字经济对经济高质量发展的促进效应因区域、生产率与人力资本的不同而存在异质性。因而应积极推进数字化基础设施建设,协调好各地区数字经济的均衡发展,实施数字化驱动发展战略,推进经济的高质量发展。Abstract: Accelerating the construction of digital economy is an important engine to promote the high-quality economic development in the new era. Based on the panel data of 30 provinces from 2011 to 2019, the comprehensive index of China's provincial digital economy development and total factor productivity are calculated by using entropy method and DEA Malmquist index method respectively, and the impact of digital economy on high-quality economic development is empirically analyzed. It is found that the digital economy can significantly promote the high-quality economic development, and this conclusion is still valid after a series of robustness tests. Mechanism analysis shows that digital economy enables the high-quality economic development, by improving the level of regional innovation and accelerating the upgrading of industrial structure. Further analysis shows that the digital economy has the spatial spillover effect on the high-quality economic development of adjacent areas; the promotion effect of digital economy on high-quality economic development is heterogeneous due to different regions, productivity and human capital. Therefore, it is proposed to promote the construction of digital infrastructure, coordinate the balanced development of digital economy in various regions, implement the digital driven development strategy, and promote the high-quality economic development.
-
一、 引言
近年来,伴随新一代信息技术如物联网、云计算、大数据、人工智能等的迅猛发展,一种崭新的经济发展模式——数字经济应运而生。通过与传统产业的深度融合,数字经济在促进出口(李坤望等,2015;余姗等,2021)[1-2]、刺激消费(张勋等,2019)[3]、创造就业(赵涛等,2020)[4]等方面发挥着越来越重要的作用,成为驱动中国经济增长的“新引擎”。根据《中国数字经济发展与就业白皮书(2020年)》,2020年中国数字经济规模近5.4万亿美元,占国内生产总值的38.6%,居世界第二,按可比口径计算,同比增长9.6%,增速位居全球第一。当前中国经济已由高速增长阶段转向高质量发展阶段,高效率的生产方式成为构建现代化经济体系的重要支撑(高培勇等,2019)[5],传统投资驱动的增长模式亟待转变为创新驱动的发展模式。习近平总书记在中国科学院第十九次院士大会、中国工程院第十四次院士大会上强调,要“把握数字化、网络化、智能化融合发展的契机,以信息化、智能化为杠杆培育新动能”。那么,数字经济能否促进中国经济的高质量发展?其作用机制如何?数字经济对高质量发展影响的一般特征与空间规律是否存在差异性?探究以上问题,不仅有利于评估数字经济发展的具体效应,对实现经济高质量发展亦具有重大现实意义。
二、 文献综述
(一) 关于数字经济的内涵与测度
关于数字经济的内涵,因研究视角不同而有不同表述。基于狭义角度的数字经济,是指涉及信息通信技术与数字技术的一种新型经济活动(向书坚和吴文君,2018;彭刚等,2021)[6-7]。基于广义角度的数字经济,是指以数据资源作为关键生产要素、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①。数字经济发展迅速且变化极快,仅从几个方面去定义其内涵可能会以偏概全,但可以肯定的是,数字技术是数字经济的核心驱动力(许宪春等,2019)[8]。
①2021年5月27日,国家统计局发布了《数字经济及其核心产业统计分类(2021)》,对数字经济的概念进行了界定,并指出数字经济基本范围包括数字产业化和产业数字化。
关于数字经济发展水平测度,已有研究提出了不同的统计口径与指标体系。如国际层面,经济合作与发展组织(OECD)于2015年构建了一个含有38个指标的数字经济测算体系②;美国经济分析局(BEA)于2019年利用供给使用表测算了美国数字经济的增加值和总产出规模③。国内层面,部分学者侧重于数字经济规模与其增加值的测算,且测算方法与统计口径有不同,因而得出的中国数字经济规模存在较大差异(许宪春和张美慧,2020;蔡跃洲和牛新星,2021)[9-10];还有许多学者从多个维度对数字经济发展指数进行了测度,对数字产业化(王开科等,2020)[11]、数字经济发展的外部环境(陈小辉和张红伟,2021)[12]、数字经济的融合应用(滕磊和马德功,2020)[13]等展开研究,但这些文献多从企业或国家层面对数字经济发展水平进行测量,综合性测算和基于区域层面的测度较少。
②参见经济合作与发展组织(OECD)2015年发布的报告《数字经济展望(Digital Economy Outlook)》,https://www.oecd-ilibrary.org/sites/cde73dfd-zh/index.html?itemId=/content/component/cde73dfd-zh。
③参见美国商务部经济分析局(BEA)2018年发布的报告《定义并测量数字经济(Defining and Measuring the Digital Economy)》,https://www.bea.gov/system/files/papers//WP2018-4。
(二) 关于高质量发展
自党的十九大提出“高质量发展”这一概念,众多学者从多方面展开了研究。主要成果集中体现在以下两个方面。
一是关于高质量发展的内涵。已有研究对高质量发展表述不一。如张军扩等(2019)[14]基于社会主要矛盾变化和新发展理念提出,高质量发展是一种满足人民美好生活需要的经济发展模式,是全面体现创新、协调、绿色、开放、共享新发展理念的发展,同时还是促进经济、政治、社会和生态环境全方位协调的发展;刘伟(2017)[15]基于供给需求和投入产出视角提出,高质量发展应是能提高商品和服务供给质量、能通过创新供给结构引导需求结构调整与升级、能提升投入要素生产效率的发展;汪同三(2018)[16]的研究提出,微观层面的高质量发展主要表现为产品和服务质量主导的发展,宏观层面的高质量发展是指能提升国民经济整体质量和效率的发展。
二是关于高质量发展的测度。已有文献对高质量发展既有单一指标的测度、也有多维度指标体系的衡量。单一指标方面,国外学者如Solow(1956)[17]、Jorgenson和Griliches(1967)[18]构建的经济模型均将全要素生产率作为经济增长的动力源泉。国内亦有部分学者使用全要素生产率对高质量发展进行测算。如李平等(2017)[19]基于经济发展质量角度指出,正是全要素生产率的提高推动了中国经济的可持续、高质量增长;徐现祥等(2018)[20]也认为高质量发展取决于全要素生产率的进步。考虑到环境因素、能源消耗对高质量发展具有重要影响,一些学者还提出应以绿色全要素生产率作为评价高质量发展的指标(余泳泽等,2019;上官绪明和葛斌华,2020)[21-22],等等。多维度指标体系方面,许多学者考虑到高质量发展具有多维、多层次的特征,尝试从多维角度构建测度经济高质量发展的指标体系。如钞小静和任保平(2011)[23]从经济增长的结构、稳定性、福利分配、资源环境四个维度出发构建了28个基础指标,形成了经济增长质量评价指数;Qi(2016)[24]采用经济结构、生产绩效与区域协调三大指标,构建了高质量发展的指标体系;吕祥伟和辛波(2020)[25]基于“五大发展理念”提出了国民经济高质量发展的总体特点,等等。
总体来看,已有研究对具体指标的选取与设置存在较大差异,各指标体系的严谨性与普适性均有不足之处。但相对而言,以全要素生产率来测度高质量发展有较高的共识度。
(三) 关于数字经济对高质量发展的影响
已有研究从理论和实证两个层面解析了数字经济对高质量发展的驱动作用。理论分析层面,主要基于微观、中观和宏观视角探讨了数字经济促进高质量发展的内在逻辑。如从微观视角来看,数字经济通过大数据、云计算等新兴科技形成了规模经济、范围经济和长尾效应,改变了传统盈利模式;从中观来看,网络平台重塑了传统的市场结构;从宏观来看,新的要素投入与资源配置改变了原有的资源配置方式,促进了政府和市场的融合,最终促进了我国经济的高质量发展(荆文君和孙宝文,2019)[26]。实证分析层面,主要表现为构建了数字经济指标体系和以其他指标作为数字经济的替代指标。如王开科等(2020)[11]构建了包含数字经济的投入产出模型,实证了我国数字经济发展能显著促进社会生产效率,推动经济发展;李治国等(2021)[27]、陈晓东和杨晓霞(2021)[28]的研究发现,数字产业化和产业数字化均促进了产业结构升级,正向影响了经济高质量发展,并且产业数字化的影响效应更为显著;唐文进等(2019)[29]则以数字普惠金融指数作为数字经济的代理变量进行研究,同样发现数字经济显著促进了我国经济的高质量发展。
综合已有研究,本文将基于数字经济的基本特征,分别使用熵值法和DEA-Malmquist方法,测度2011—2019年全国30个省份(除西藏外)的数字经济发展水平指数与经济高质量发展水平,运用多种计量方法实证检验数字经济对中国经济高质量发展的影响及其作用机制,并实证检验数字经济对高质量发展的直接效应、间接效应和空间效应,以及数字经济对高质量发展可能存在的异质性影响。
本文可能的创新之处与边际贡献主要体现在以下三个方面:一是研究指标方面,力求克服已有研究对数字经济的衡量指标单一、不够全面之不足,充分考虑指标的时代性和可获取性,从数字经济发展载体、数字经济发展环境、数字产业化以及产业数字化四个维度,设立10个二级指标和33个三级指标,构建一个较为全面的衡量数字经济发展水平的指标体系,并在此基础上评估数字化发展的具体经济效应。二是研究立意与研究范式方面,已有文献仅从单一途径分析了数字经济对经济高质量发展的效应,本文则在“基准分析—机制检验—异质性分析”的研究路径下,从区域创新水平提升及产业结构升级视角,剖析数字经济促进经济高质量发展的内在机理,并进一步探讨数字经济发展因区域、生产率与人力资本不同而导致的异质性。三是研究内容方面,已有文献鲜有考虑数字经济发展的空间效应,本研究则就数字经济对高质量发展的空间溢出效应展开重点分析,因而能提高实证模型估计结果的准确性,深化对数字经济发展空间关联性的认识。
三、 研究假说
(一) 数字经济对高质量发展的直接效应
数据是一种新的生产要素,通过加快信息交互等途径赋予数字经济以强大活力,可创新驱动更高质量的经济增长。首先,从创造效益来看,以互联网、云计算、大数据等新兴技术为代表的数字经济发展,能激励企业在生产环节更高效地使用数字化智能装备,为市场信息匹配提供优化路径,给企业带来更高经济效益[26]。数字经济还能通过便捷的信息交流平台,推动区域创业活动并形成示范效应(周广肃和樊纲,2018)[30],进而对产业升级[28]、结构转型(Noseleit,2011)[31]等产生重要推动作用,促进经济高质量发展,为社会带来更多的经济效益。其次,从降低成本来看,数字经济的广泛应用能有效推动数字物流等的快速发展,有效降低各生产和服务部门的成本,提高经济运行效率,促进经济更高质量的发展。再次,从溢出效益来看,随着数字经济的持续扩散和广泛渗透到各个领域,信息技术服务等产业发展带来的巨大溢出红利可直接促进就业,拉动消费,提升经济发展的质量。基于此,本文提出:
假设1:数字经济发展对经济高质量发展具有正向影响作用。
(二) 数字经济对高质量发展的间接效应
数字经济对高质量发展的间接效应,首先是指通过提升创新水平可推动高质量发展。数字经济时代,消费者对于产品多样化和个性化的需求更强烈,促使产品供求双方从过去的单向输出流动转变为双向交换流动(郭家堂和骆品亮,2016)[32],进而对区域创新系统中的创新供给主体提出了更高要求。一方面,数字经济的发展有助于各创新主体更准确、更及时地掌握产品与服务的供求信息,促进社会资本等各类要素资源的积累[30];可节约信息沟通时间,降低生产经营成本,继而提高企业的研发效率(温珺等,2019)[33]。另一方面,数字经济创造的需求导向型创新,能促使供应链上下游的所有创新主体协同创新,并通过前后向关联效应提升区域整体创新能力,倒逼创新主体拓宽创新的深度和广度,最终带来区域经济发展质量的整体提升(温珺等,2020)[34]。随着产品和服务种类的多元化和规模化发展,相关交易更加复杂多变,但数字经济的发展有效优化和简化了这些问题。同时,大数据和人工智能等数字化技术也有利于创新知识的空间关联,对有效提升多种生产要素在区域创新系统间的流动效率,加速区域人力资本的合理化和高级化进程,促进区域创新水平的提高和经济的包容性增长等,均具有十分重要的意义。基于此,本文提出:
假设2:数字经济可通过提升区域创新水平促进高质量发展。
数字经济对高质量发展的间接效应,其次是指通过提升产业结构的合理化和高级化,可提升区域经济增长质量。产业结构升级有助于引导生产要素流向高成长性和真正能创造价值的行业中,有助于加速产业技术变迁和提升资源配置的效率,最终提升行业的全要素生产率和经济增长质量。由于数字技术具有通用性和强渗透性的特点,数字技术的广泛应用和融合创新对传统行业和原有的商业模式必然带来巨大冲击,催生出共享经济、智能制造、线上办公等高技术的新兴智能产业(裴长洪等,2018)[35]。这些新兴产业能吸引大量人力资本、金融资本等生产要素,令知识密集型产业的比重上升,要素之间的协同性得以增强,产业链的分工边界得以拓展,从而可加速传统产业的转型,促进区域产业结构的升级。数字经济的发展还可进一步改进传统产业中的低效生产技术,让传统组织结构更趋扁平化与去核化,重塑生产组织模式,依靠智能化、数字化降低生产和管理成本,优化传统产业业务流程,使之产生“动能倍增效应”,实现区域经济发展质量的几何式提升[26]。基于此,本文提出:
假设3:数字经济可通过推动产业结构升级促进高质量发展。
(三) 数字经济对高质量发展的空间溢出效应
数字经济在推进信息化发展的过程中,压缩了信息在不同区域间传递的时空距离,增强了区域间各种经济活动的横向和纵向关联,从而产生了空间溢出效应。如Keller(2002)[36]的研究发现,由互联网带来的信息化能产生明显的空间溢出效应,而且沿着知识和技术的传播路径,对溢出的距离作了进一步分析;黄群慧等(2019)[37]的研究认为,城市与省际之间的经济活动具有明显的空间相关性,互联网可优化区域间的资源配置效率;张俊英等(2019)[38]提出,增强区域间企业的联系与合作,能扩大区域间的示范效应与竞争效应,对区域经济增长产生积极影响,等等。由于数字经济是以互联网为载体的新兴经济形态,由此推断,数字经济对于区域的高质量发展也具有空间上的溢出效应。基于此,本文提出:
假设4:邻近地区的经济发展质量能受益于数字经济的空间溢出效应。
四、 研究设计
(一) 模型构建
为检验数字经济对高质量发展的直接效应,构建如下面板固定效应模型:
$$TF{P_{i, t}} = {\alpha _0} + {\alpha _1}DE{I_{i, t}} + {\alpha _2}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (1) 其中,i表示省份,t表示年份,TFPi, t代表省份i在t年的经济高质量发展水平,DEIi, t代表省份i在t年的数字经济发展水平,X表示一系列控制变量的集合。考虑到现实中可能存在突发性事件、经济周期性波动等不可观测因素并对高质量发展产生影响,在模型中加入时间固定效应δt;考虑到不同省份之间可能存在不随时间变化的不可观测因素,再加入省份固定效应μi;εi, t为随机扰动项。
(二) 变量说明与测度
1. 被解释变量:经济高质量发展(TEP)
借鉴陈诗一和陈登科(2018)[39]的做法,以全要素生产率来测度经济高质量发展。测度全要素生产率的方法有参数法和非参数法两种。其中,非参数法的Malmquist指数法将全要素生产率指数分解为技术进步变动指数和技术效率变动指数,可避免研究中的技术进步与技术效率相互掩盖[32],因而在现有研究中应用较广。本文亦选择基于数据包络分析(DEA)的Malmquist指数方法,运用DEAP软件对2011—2019年除西藏外的全国30个省份的全要素生产率测算得出全要素生产率指数,用来衡量经济高质量发展。
具体测算方法如下:产出指标为各省实际GDP,按各省GDP平减指数对名义GDP进行平减得出;投入指标包括劳动力投入和资本投入。其中,劳动力投入以各省份年末从业人员来衡量;资本投入借鉴张军等(2004)[40]、单豪杰(2008)[41]的研究,利用固定资本形成总额和固定资产投资价格指数经永续盘存法测算得出,具体计算公式为:Kt=It+(1-∂)Kt-1。其中Kt和Kt-1分别代表t期和t-1期的资本存量,It代表t期的资本投入额,∂代表折旧率(设为9.6%)。
2. 解释变量
(1) 核心解释变量:数字经济发展水平(DEI)
首先,建立三级指标体系。基于数字经济的内涵,并考虑到数据的时代性和可获取性,从宏观层面选取数字经济发展载体、数字经济发展环境、数字产业化以及产业数字化构建4个数字经济一级指标,进而再细化为10个二级指标和33个三级指标(见表 1)。
表 1 数字经济发展水平指标体系一级指标 二级指标 三级指标 数据来源 数字经济发展载体 1.传统基础设施 ①互联网宽带接入端口数 国家统计局 ②互联网宽带接入用户数 ③每千人拥有域名数 ④每千人拥有网站数 2.新型数字基础设施 ⑤信息传输计算机服务和软件业全社会固定资产投资 ⑥电话普及率 中国信息年鉴 数字经济发展环境 3.数字化人才 ⑦普通高等学校数 国家统计局 ⑧普通高等学校本专科授予学位数 ⑨R&D经费 4.数字化环境 ⑩软件研发人员就业人数 中国城市统计年鉴 数字产业化 5.电信业规模及通信能力水平 ⑪电信业务总量 国家统计局 ⑫移动电话年末用户 ⑬移动电话交换机容量 ⑭长途光缆线路长度 ⑮邮政营业网点数 6.软件和信息技术服务业规模 ⑯软件产品收入规模 中国电子信息产业统计年鉴 ⑰信息技术服务收入规模 7.电子信息制造业规模 ⑱通信设备、计算机及其他电子设备制造业主营业务收入 中国工业经济统计年鉴 ⑲电子信息产业制造业企业数量 国家统计局 产业数字化 8.农业 ⑳开通互联网宽带业务的行政村比重 ㉑农村宽带接入用户 ㉒农林牧渔业增加值 9.工业 ㉓工业增加值 ㉔国家专利申请授权量与规模以上工业企业R&D人员全时当量的比值 ㉕规模以上工业企业新产品销售收入占工业企业主营业务收入的比重 中国科技统计年鉴 ㉖工业企业每百人使用计算机台数 国家统计局 ㉗工业企业电子商务交易额 10.第三产业 ㉘第三产业增加值 ㉙互联网上网人数 ㉚快递量 ㉛人均交通和通信消费支出 ㉜人均文教娱乐消费 ㉝数字普惠金融指数 北京大学互联网金融研究中心 其次,对指标赋予相应权重。数字经济发展水平的综合指数不仅与具体指标有关,也与各指标所占权重相关。指标的赋权方法主要有主观赋权法和客观赋权法。其中,前者以主观判断指标的权重,如主成分分析法、APH法、Delphi法等;后者主要依赖指标的原始信息来赋权,如熵值法、聚类分析法等。主观赋权法因受主观人为因素的影响,赋权时容易出现误差。本文综合考量后,选择客观赋权法中的熵值法对已有指标进行赋权,依此计算得出2011—2019年全国30个省份的数字经济发展水平指数(见表 2)。
表 2 2011—2019年数字经济发展水平指数(DEI)的测度结果省份 2011 2012 2013 2014 2015 2016 2017 2018 2019 北京 0.553 6 0.931 8 1.899 1 1.938 5 2.004 4 2.134 2 2.323 3 2.807 1 2.873 3 天津 0.156 8 0.219 1 0.432 4 0.443 7 0.511 2 0.498 9 0.579 8 0.609 7 0.663 6 河北 0.203 5 0.242 9 0.611 3 0.622 5 0.588 9 0.681 2 0.745 2 0.757 3 0.769 1 山西 0.110 0 0.109 3 0.309 2 0.311 4 0.296 4 0.310 7 0.338 8 0.354 5 0.367 0 内蒙古 0.107 4 0.112 2 0.322 8 0.296 8 0.291 9 0.321 6 0.353 4 0.390 9 0.369 0 辽宁 0.275 9 0.500 5 0.619 8 0.709 0 0.936 6 0.828 6 0.929 4 1.224 4 1.334 1 吉林 0.113 2 0.119 3 0.326 2 0.328 5 0.299 3 0.332 3 0.350 2 0.371 4 0.435 3 黑龙江 0.130 8 0.133 5 0.310 5 0.314 7 0.342 6 0.343 9 0.375 6 0.467 7 0.508 7 上海 0.430 7 0.685 4 1.268 5 1.274 7 1.490 7 1.520 9 1.646 2 1.918 7 1.994 6 江苏 0.624 5 1.067 6 1.902 1 2.079 2 2.689 9 2.409 0 3.157 3 2.871 2 3.024 5 浙江 0.495 3 0.847 5 1.697 5 1.665 7 1.690 4 1.881 3 2.020 0 1.978 7 1.994 0 安徽 0.171 4 0.197 0 0.675 2 0.669 4 0.604 8 0.714 1 0.746 6 0.682 8 0.752 9 福建 0.288 5 0.413 4 0.982 9 1.127 4 1.0102 1.3795 1.288 0 1.206 4 1.670 2 江西 0.110 9 0.122 0 0.449 4 0.419 0 0.361 4 0.434 2 0.448 2 0.398 9 0.465 2 山东 0.392 7 0.573 6 1.301 1 1.347 1 1.470 0 1.594 7 1.783 1 1.944 3 2.182 6 河南 0.216 2 0.258 0 0.856 2 0.8489 0.777 1 0.880 5 0.967 2 0.917 5 0.876 6 湖北 0.210 6 0.276 2 0.805 0 0.790 8 0.822 6 0.879 0 0.970 6 0.958 1 1.279 5 湖南 0.195 7 0.228 2 0.586 2 0.601 2 0.585 3 0.685 5 0.728 0 0.7107 0.7135 广东 0.864 3 1.610 8 3.290 8 3.506 0 3.451 0 3.731 8 4.099 0 4.392 4 4.604 8 广西 0.135 9 0.335 2 0.419 8 0.402 8 0.355 0 0.425 4 0.439 9 0.432 5 0.518 8 海南 0.082 6 0.150 7 0.280 2 0.214 2 0.185 4 0.201 9 0.199 6 0.220 0 0.232 9 重庆 0.155 7 0.175 3 0.542 5 0.512 9 0.488 9 0.573 1 0.597 8 0.577 6 0.648 1 四川 0.287 2 0.377 2 1.088 4 1.046 0 1.033 6 1.120 9 1.236 5 1.226 6 1.1653 贵州 0.081 4 0.085 6 0.361 6 0.335 3 0.260 0 0.3276 0.327 7 0.313 0 0.383 7 云南 0.118 5 0.124 4 0.381 4 0.347 0 0.334 6 0.363 0 0.404 0 0.432 1 0.419 2 陕西 0.158 5 0.189 1 0.644 9 0.640 6 0.563 4 0.657 3 0.694 9 0.674 0 0.733 3 甘肃 0.061 4 0.071 8 0.274 8 0.237 8 0.182 0 0.237 4 0.218 4 0.214 2 0.254 2 青海 0.040 4 0.068 6 0.176 2 0.164 8 0.104 6 0.120 4 0.107 6 0.095 2 0.089 8 宁夏 0.053 5 0.064 2 0.155 5 0.144 1 0.116 9 0.141 6 0.136 2 0.135 0 0.130 0 新疆 0.087 9 0.185 9 0.301 2 0.250 9 0.257 0 0.265 4 0.276 1 0.311 8 0.295 5 因33个三级指标来源不属于同一维度,各指标的量化会存在显著差异。为使指标具有可比性,借鉴王军等(2021)[42]的研究作进一步处理。
先对所选取的正向与负向指标进行处理:
$${\rm{正向指标:}}{\Omega _{ij}} = \frac{{{\Omega _{ij}} - \min \left\{ {{\Omega _j}} \right\}}}{{\max \left\{ {{\Omega _j}} \right\} - \min \left\{ {{\Omega _j}} \right\}}}$$ (2) $${\rm{ 负向指标}}:{\Omega _{ij}} = \frac{{\max \left\{ {{\Omega _{\rm{j}}}} \right\} - {\Omega _{{\rm{ij}}}}}}{{\max \left\{ {{\Omega _{\rm{j}}}} \right\} - \min \left\{ {{\Omega _{\rm{j}}}} \right\}}}$$ (3) 其中,Ωij表示第j个指标第i年的无量纲化结果,max{Ωj}代表该指标每年的最大值,min{Ωj}代表该指标每年的最小值。
再计算指标的客观权重θij:
$${{\theta }_{ij}} = \frac{{{{{\Omega }}_{ij}}}}{{\sum\nolimits_{i = 1}^m {{{{\Omega }}_{ij}}} }}$$ (4) 以及不同指标的信息熵值sj:
$${s_j} = - \frac{1}{{ln m}}\sum\nolimits_{i = 1}^m {{\theta _{ij}}} \times ln {\theta _{ij}}$$ (5) 其中,m代表测度年限。
然后计算信息熵冗余度γj:
$${\gamma _j} = 1 - {s_j}$$ (6) 再根据信息熵冗余度求出各个指标的权重αj:
$${\alpha _j} = \frac{{{\gamma _j}}}{{\sum\nolimits_{j = 1}^m {{\gamma _j}} }}$$ (7) 最后,通过多重线性函数加权计算得出核心解释变量即数字经济综合发展水平指数DEI:
$$DE{I_i} = \sum\nolimits_{j = 1}^m {{\alpha _j}} \times {\theta _{ij}}$$ (8) 其中,DEIi代表第i年的数字经济发展水平指数,该值越大,说明当地的数字经济发展水平越高, 反之则反是。
(2) 控制变量
考虑到其他因素对各地区经济高质量发展也会产生影响,在回归模型中加入相关控制变量,以提高经济高质量发展水平对数字经济回归的精确度。借鉴赵涛等(2020)[4]的研究,设定如下9个控制变量:科技发展水平(tech),以技术市场成交额的自然对数来度量;各地区的经济发展水平(edl),以地区生产总值与地区总人口的比值来衡量;居民工资水平(rwl),以地区城镇非私营单位就业人员平均工资与总人口的比值来衡量;外商投资额(fdi),以外商投资企业投资总额来表示,同时将美元按每年人民币汇率的中间价进行计算,并作对数化处理;政府干预程度(gov),以各地财政一般预算支出与地区生产总值的比值来衡量;对外开放程度(open),以各地区进出口总额与地区生产总值之比来度量;城镇化水平(urban),以各地区年末城镇人口比重来表征;人均道路面积(road),以人均城市道路面积来衡量;人口密度(popul),以城市人口密度来衡量。
(3) 中介变量:区域创新水平和产业结构升级
基于上文的研究假说,选取区域创新水平和产业结构升级作为数字经济影响高质量发展传导机制的中介变量。关于区域创新水平,目前多从创新产出的角度选取相应指标来衡量,而区域创新产出主要有中间产出和最终产出,其中中间产出主要包括发明专利申请量、发明专利授权量等,最终产出则包括新产品产值、新产品销售收入、技术合同成交额等。本文借鉴李婧等(2010)[43]的方法,使用各省份专利申请量来衡量区域创新水平的中间产出。关于产业结构升级,则借鉴干春晖等(2011)[44]的研究,以各省份第三产业增加值与第二产业增加值之比来衡量。主要变量及测度方法见表 3。
表 3 变量名称与测度变量类别 变量名称 变量符号 测度方法 被解释变量 全要素生产率 TFP DEA-Malmquist指数方法 解释变量 数字经济发展指数 DEI 熵值法 中介变量 产业结构升级 isu 第三产业增加值在地区生产总值中所占的比例 区域创新水平 innov 各省份专利申请量 控制变量 科技发展水平 tech 技术市场成交额 经济发展水平 edl 地区生产总值与地区总人口的比值 居民工资水平 rwl 城镇非私营单位就业人员平均工资与总人口的比值 外商投资额 fdi 外商投资企业投资总额 政府干预程度 gov 各地方财政一般预算支出与地区生产总值的比值 对外开放程度 open 进出口总额与地区生产总值之比 城镇化水平 urban 年末城镇人口比重 人均道路面积 road 人均城市道路面积 人口密度 popul 城市人口密度 (三) 数据来源与描述性统计
对2011—2019年中国30个省份的经济高质量发展展开研究,形成270个省份-年份的均衡面板观测数据。研究所使用的数据来自国家统计局及相关年份的《中国统计年鉴》和《中国区域统计年鉴》。表 4为主要变量的描述性统计结果。
表 4 主要变量的描述性统计结果变量 样本量 均值 中位数 标准差 最小值 最大值 TFP 270 0.31 0.30 0.21 0.01 0.94 DEI 270 0.75 0.43 0.79 0.06 4.10 isu 270 0.55 0.48 0.30 0.17 1.45 innov 270 9.13 9.29 1.43 5.72 12.20 tech 270 23.04 23.08 1.74 18.78 26.83 edl 270 10.75 10.70 0.43 9.85 11.93 rwl 270 0.002 4 0.001 4 0.002 6 0.000 4 0.013 fdi 270 26.92 26.83 1.37 23.78 30.13 gov 270 0.29 0.25 0.18 0.06 1.06 open 270 0.13 0.06 0.18 0.000 1 0.86 urban 270 0.58 0.56 0.12 0.37 0.89 road 270 15.59 15.12 4.68 4.11 25.77 popul 270 7.88 7.89 0.41 6.97 8.62 对所有连续变量进行1%水平上的双侧Winsorize缩尾处理,结果表明均不存在严重的离群值。描述性统计结果显示,经济高质量发展指数的均值和标准差分别为0.31和0.21,最大值和最小值分别为0.94和0.01,说明不同区域间的经济发展质量存在较大差异。数字经济指数的均值和标准差分别为0.75和0.43,最大值和最小值分别为4.10和0.06,说明样本地区的数字经济发展程度确实存在明显的异质性特征。从控制变量来看,各个变量均存在一定的差异性,但其数值都在正常范围内变化,不存在极端值。
五、 实证检验
(一) 直接效应分析
表 5报告了数字经济对省际高质量发展的基准回归结果,反映了数字经济对经济高质量发展的直接效应。其中,第(1)至(3)列的数字经济对省际高质量发展的估计系数显著为正,表明数字经济促进了省级层面的高质量发展;第(4)至(6)列是控制了时间和省份固定效应并加入了控制变量的回归结果,第(6)列的数字经济对高质量发展的影响系数为0.116,并在1%的水平上通过了显著性检验,说明数字经济发展对提高省级层面的经济发展质量具有显著正向作用。同时,各地区的经济发展水平(edl)系数显著为负,表明过分追求经济总量的增长可能会降低本地区的经济发展质量。外商投资额(fdi)和人均道路面积(road)与地区经济发展质量呈正相关关系,并在1%的水平上通过了显著性检验,说明引进外来资本和提高城市化水平有助于提升区域经济发展质量。科技发展水平(tech)、城镇化水平(urban)和人口密度(popul)的系数为正,但均未能通过10%水平的显著性检验,后两者意味着城镇化的扩张不会显著促进地区经济发展质量。居民工资水平(rwl)、财政支出(gov)、对外开放程度(open)与经济高质量发展之间呈不显著的负相关关系,表明在扩大对外开放、增加财政支出的同时,区域经济发展的质量并未得到有效提升。上述实证结果支持了假设1。
表 5 数字经济对经济高质量发展的直接效应变量 (1) (2) (3) (4) (5) (6) DEI 0.189*** 0.095*** 0.086*** 0.200*** 0.113*** 0.116*** (14.93) (6.96) (5.45) (14.32) (8.59) (8.36) tech -0.008 0.007 -0.003 0.007 (-1.47) (1.36) (-0.50) (1.30) edl -0.057*** -0.047 -0.190*** -0.195*** (-2.96) (-1.23) (-5.84) (-4.64) rwl -24.154*** -9.177** -14.152*** -7.493 (-7.22) (-1.98) (-3.79) (-1.53) fdi 0.078*** 0.094*** 0.105*** 0.108*** (7.67) (7.45) (8.46) (7.85) gov -0.147* -0.054 (-1.93) (-0.49) open -0.035 -0.096 (-0.46) (-1.32) urban -0.367*** 0.007 (-2.64) (0.05) road 0.006*** 0.008*** (3.19) (4.31) popul -0.012 0.001 (-0.54) (0.05) 常数项 0.170*** -1.016*** -1.666*** 0.228*** -0.345 -0.687 (15.71) (-4.18) (-2.92) (7.34) (-1.48) (-1.26) 时间效应 否 否 否 是 是 是 省份效应 否 否 否 是 是 是 样本量 270 270 270 270 270 270 R2 0.515 0.728 0.762 0.540 0.755 0.787 注:***、**、*分别表示回归系数在1%、5%、10%的显著性水平上显著,括号内为t统计量。下表同。 (二) 间接效应分析
为验证数字经济发展是否通过产业结构升级与区域创新水平两个中介变量促进了经济高质量发展,设定如下中介效应检验模型:
$${{innov}}{{{ }}_{i, t}} = {\beta _0} + {\beta _1}DE{I_{i, t}} + {\beta _2}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (9) $$TF{P_{i, t}} = {\gamma _0} + {\gamma _1}DE{I_{i, t}} + {\gamma _2}{{ innov}}{{{ }}_{i, t}} + {\gamma _3}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (10) $$is{u_{i, t}} = {\delta _0} + {\delta _1}DE{I_{i, t}} + {\delta _2}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (11) $$TF{P_{i, t}} = {\theta _0} + {\theta _1}DE{I_{i, t}} + {\theta _2}is{u_{i, t}} + {\theta _3}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (12) 式(9)(10)考察的是区域创新水平,其中式(9)考察数字经济与区域创新水平是否存在相关关系,式(10)则将数字经济与区域创新水平同时纳入回归模型进行分析。式(11)(12)考察的是产业结构升级,其中式(11)考察数字经济与产业结构升级是否存在相关关系,式(12)则将数字经济与产业结构升级同时纳入回归模型进行分析。上式中,innovi, t表示i省份在t年的区域创新水平,isui, t表示i省份在t年的产业结构升级指数,其他变量定义同基准回归模型。由于基准回归模型式(1)已考察了数字经济对经济高质量发展的直接效应α1,因而对区域创新水平影响机制的分析将重点关注回归系数α1、β1、γ1与γ2。在α1与β1同时成立的基础上,再观察γ1与γ2的显著性与方向。若γ1与γ2均显著,说明该影响机制成立。若γ1与γ2之间至少有一个不显著,则可通过Bootstrap法检验γ1×γ2的显著性。对产业结构升级影响机制的分析与之类似。数字经济对经济高质量发展的间接效应见表 6。
表 6 数字经济对经济高质量发展的间接效应变量 区域创新水平 产业结构升级 (1) (2) (3) (4) (5) (6) TFP innov TFP TFP isu TFP DEI 0.116***(8.36) 0.277***(4.42) 0.106***(7.69) 0.116***(8.36) 0.045**(1.97) 0.108***(12.60) innov 0.034***(2.99) isu 0.66***(9.69) 常数项 -0.687(-1.26) 0.403(0.64) 0.092(0.16) -0.687(-1.26) 0.403(0.64) -0.675(-1.45) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 样本量 270 270 270 270 270 270 R2 0.787 0.846 0.794 0.787 0.846 0.847 表 6第(2)和第(5)列的结果显示,数字经济与两个中介变量之间存在显著正向关系,且均在1%的水平上显著。第(3)和第(6)列是在基准回归模型的基础上加入两个中介变量后的回归结果,可以看出,此时数字经济发展和中介变量对区域经济高质量发展的促进作用仍在1%的水平上显著。相比基准回归模型,加入中介变量后的模型结果显示,数字经济对区域经济高质量发展的影响系数均有所降低,说明产业结构升级与区域创新水平均是数字经济促进区域经济发展质量的重要中介变量,该实证结果支持了假设2和假设3。
下面采用中介效应Sobel检验和非参数Bootstrap方法调整估计偏差,再一次检验中介机制的有效性,结果见表 7和表 8。可以看出,Sobel检验显著拒绝了模型中不存在中介效应的假设。数字经济通过产业结构升级和提升区域创新水平影响经济高质量发展的间接效应分别为0.115和0.015,在总效应中的占比分别为60.72%和7.74%。
表 7 Sobel检验效应 区域创新水平 产业结构升级 系数 95%置信区间 系数 95%置信区间 间接效应 0.115***(0.012) [0.091,0.139] 0.015***(0.005) [0.003,0.026] 直接效应 0.074***(0.018) [0.040,0.108] 0.204***(0.012) [0.183,0.223] 注:小括号内为标准误。表 8同。 表 8 Bootstrap法检验效应 区域创新水平 产业结构升级 Sobel值 0.115***(0.012) 0.015***(0.005) 间接效应 0.115***(0.012) 0.015***(0.005) 直接效应 0.074***(0.014) 0.204***(0.012) 总效应 0.189***(0.011) 0.219***(0.019) 中介效应占比 60.72% 7.74% 注:Bootstrap抽样次数为1 000次。 (三) 空间溢出效应分析
随着地区经济发展的联动性不断增强,相邻地区的数字经济发展水平也会影响本地区的经济高质量发展。数字经济具备渗透性、融合性和协同性特点,能克服地理距离与空间限制,实现跨区域协作与发展,进而产生空间溢出效应。基于此,下面使用空间计量方法进一步验证数字经济与经济高质量发展的关系。
第一步,构建空间权重矩阵。为验证数字经济对相邻省份的高质量发展存在空间溢出效应,需先验证数字经济发展水平是否存在空间相关性。采用Moran'I指数计算2011—2019年我国数字经济发展水平的空间效应,结果见表 9。可以看出,在地理距离权重矩阵下,除2014年和2019年外,数字经济发展水平的Moran'I指数均达到10%的显著性水平。在经济距离权重矩阵下,数字经济发展水平的Moran'I指数均达到1%的显著性水平。上述两种权重矩阵的Moran'I指数均显著为正,表明2011—2019年我国各省份的数字经济均具有显著的空间集聚性。
表 9 不同权重矩阵下数字经济的Moran's I指数矩阵类型 2011 2012 2013 2014 2015 2016 2017 2018 2019 地理距离权重矩阵 0.018* 0.009* 0.004* 0.003 0.012* 0.014* 0.013* 0.005* 0.009 (1.527) (1.299) (1.461) (1.145) (1.373) (1.447) (1.405) (1.364) (1.254) 经济距离权重矩阵 0.284*** 0.279*** 0.202*** 0.208*** 0.256*** 0.246*** 0.245*** 0.26*** 0.274*** (3.213) (3.244) (2.492) (2.567) (2.964) (2.882) (2.857) (2.966) (3.081) 注:括号内为Z值。 第二步,选择空间计量模型。下面构建空间杜宾模型以验证相邻地区的数字经济发展水平对本地经济高质量发展的影响,根据Hausman检验结果,需使用固定效应模型进行分析。具体回归方程如下:
$$TF{P_{i, t}} = {\sigma _0} + \rho W \times TF{P_{i, t}} + {\sigma _1}DE{I_{i, t}} + {\sigma _2}W \times DE{I_{i, t}} + {\sigma _3}{X_{i, t}} + {\mu _i} + {\delta _t} + {\varepsilon _{i, t}}$$ (13) 其中,W代表空间权重矩阵, W×TFPi, t代表各省高质量发展水平的空间滞后项,ρ为空间自回归系数,表示不同地区之间高质量发展的空间自相关性, W×DEIi, t代表各省数字经济的空间滞后项。其余变量含义同基准回归模型。
第三步,空间回归结果分析。表 10报告了空间杜宾模型回归结果,可以看出,无论是地理距离权重矩阵,还是经济距离权重矩阵,数字经济对高质量发展影响的直接效应、溢出效应与总效应均至少在5%的显著性水平上为正。这说明,不仅本省的数字经济发展会促进本省的高质量发展,与本省相邻的其他省份的数字经济发展也能促进本省的高质量发展,即数字经济的发展存在空间溢出效应。
表 10 空间杜宾模型回归结果变量 地理距离权重矩阵 经济距离权重矩阵 (1) (2) (3) (4) (5) (6) 直接效应 溢出效应 总效应 直接效应 溢出效应 总效应 DEI 0.017**(2.16) 0.134***(2.69) 0.152**(2.46) 0.123***(5.93) 0.051***(3.15) 0.174**(2.42) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 Log-likelihood 564.905 564.905 564.905 271.656 271.656 271.656 样本量 270 270 270 270 270 270 R2 0.191 0.191 0.191 0.680 0.680 0.680 (四) 异质性分析
本部分就数字经济影响高质量发展的区域异质性、经济发展质量异质性和人力资本异质性特征,展开进一步的拓展分析,检验结果见表 11。
表 11 异质性检验变量 (1) (2) (3) (4) (5) (6) 东部地区 中西部地区 高生产率水平 低生产率水平 高人力资本水平 低人力资本水平 TFP TFP TFP TFP TFP TFP DEI 0.011 0.184*** 0.070*** 0.007 0.315*** 0.112*** (0.73) (4.94) (5.10) (0.15) (8.13) (8.41) 常数项 -1.683* -0.594 0.196 -0.103 3.468*** -2.631*** (-1.84) (-1.05) (0.30) (-0.36) (5.21) (-3.87) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 样本量 99 171 201 69 135 135 R2 0.922 0.704 0.824 0.749 0.802 0.883 1. 区域异质性
将30个样本省份划分为东部和中西部两个部分,区域异质性回归结果见表 11第(1)(2)列。可以看出,数字经济对高质量发展的影响在东部地区不显著,在中西部地区则有显著促进作用。原因可能是:虽然中西部地区数字化发展的基础不如东部地区,但却能受益于国家的相关宏观调控政策和本地丰富的资源,因而具有良好的后发优势。伴随中西部地区数字经济建设的加速推进,其所释放的红利有效促进了该区域经济的高质量发展,这为中西部地区跨越数字鸿沟、培育数字新动能、实现经济“弯道超车”提供了可能[4]。
2. 经济发展质量异质性
依据中位数对经济发展质量进行划分,如果一个地区的全要素生产率高于对应年份的中位数水平的全要素生产率,则为高生产率地区;相反则为低生产率地区。经济发展质量异质性回归结果见表 11第(3)(4)列。可以看出,数字经济对经济高质量发展的促进作用在高生产率水平地区显著为正,在低生产率地区则不显著。原因可能是:相比低生产率地区,高生产率地区的数字经济发展基础更好、产业结构合理化与高级化水平更优,数字产业集聚能汇聚大量人才、资本和技术等生产要素,可满足数字经济发展对高端生产要素的需求,因而能有效打破数字经济与实体经济融合的障碍,数字化红利的释放能为其经济的高质量发展创造良好条件。
3. 人力资本异质性
人力资本对于一个地区的经济发展至关重要,它能直接影响区域的创新绩效,而数字经济发展本身即意味着创新知识的更高效利用。同样依据中位数对区域人力资本水平进行划分,如果一个地区的人力资本大于对应年份的人力资本中位数水平,则视为高人力资本水平地区,相反则视为低人力资本水平地区。人力资本异质性回归结果见表 11第(5)(6)列。可以看出,数字经济对经济高质量发展的促进作用在高人力资本水平地区和低人力资本水平地区均显著为正,但高人力资本水平地区的系数更高。可能的原因在于:与低人力资本水平地区相比,高人力资本水平地区更能有效发挥数字经济下创新知识和人力资本的空间关联,更有利于人们筛选和吸收准确信息,从而可加速区域创新要素的流动效率,为创新思维的生产与碰撞创造条件(韩先锋等,2019)[45];数字化背景下的高人力资本集聚能助益新技术的商业化,提高创业的活跃度,令创业者获取更高效的创新资源,进而激发创新溢出红利,对区域经济高质量发展产生积极影响[4]。
六、 稳健性检验
(一) 替换解释变量
本文的核心解释变量为省级层面的数字经济发展水平。借助北京大学互联网金融研究中心编制的《数字金融普惠金融指数》(该指数以蚂蚁金服提供的数据为基础),以其作为衡量我国数字经济发展程度的代理变量进行稳健性检验,结果见表 12第(1)列。可以看出,数字经济对高质量发展的促进作用均在1%的水平上显著,与上面的实证结论一致。
表 12 稳健性检验变量 (1) (2) (3) (4) (5) 替换数字经济发展指数 时间段1(2011—2015) 时间段2(2016—2019) 数字经济发展指数滞后一期 工具变量回归 TFP TFP TFP TFP TFP NEW_DEI 0.331***(2.78) L1DEI 0.110***(7.33) DEI 0.098***(5.04) 0.138***(7.43) 0.446***[5.95] 常数项 -1.512***(-2.60) -2.104***(-2.96) 2.585***(2.67) -0.643(-1.07) 0.656[1.15] Kleibergen-Paap 21.44*** 控制变量 是 是 是 是 是 时间效应 是 是 是 是 是 省份效应 是 是 是 是 是 样本量 270 150 120 240 270 R2 0.744 0.782 0.793 0.782 0.682 注:Stock-Yogo弱工具变量检验中,显著性10% 对应的Kleibergen-Paap F值的上限值为16. 38;圆括号内表示的是t值,方括号内为Z值。 (二) 分时段回归
2015年7月,《国务院关于积极推进“互联网+”行动的指导意见》颁布,数字经济的发展被提升至国家战略层面高度。因而将样本研究划分为2011—2015年和2016—2019年两个时段,回归结果分别见表 12第(2)(3)列。可以看出,数字经济对高质量发展的影响显著为正,回归结果依然稳健。
(三) 内生性考量
前述实证检验过程可能因存在遗漏变量或因存在反向因果关系而导致内生性问题。如由于发展阶段等存在差异,不同地区对新的金融态势风险的接受程度往往有差别,不但会影响数字经济的发展,也会影响当地经济活动的开展,但这类因素很难被度量。此外,随着当地经济发展质量的提高,互联网也会朝着更便捷、更低成本、门槛更低和共享性更强的方向进步,从而会反过来促进当地数字经济的发展。下面采用两种方法来缓解模型的内生性问题。
1.对解释变量数字经济发展水平滞后一期进行分析,结果见表 12第(4)列。数字经济发展在t-1期的回归系数在1%的水平上显著为正,再次证实了基准回归结果的稳健性。
2.工具变量法。如前所述,数字经济发展与高质量发展存在一定的因果内生关系,但影响区域经济发展质量的因素较多,前文实证分析中涉及了9个控制变量,难免有遗漏。下面为核心解释变量选取合适的工具变量,以缓解内生性问题,结果见表 12第(5)列。
由于数字经济的发展归根结底是互联网发展的产物,因而不妨以中国互联网接入技术的发展历程作为选取工具变量的背景。电话线拨号接入(PSTN)标志着互联网基本上走进了大众视野,即固定电话的普及能在很大程度上代表互联网的发展,历史上固定电话普及率较高的地区也极有可能是互联网普及率较高的地区。进一步,在固定电话普及之前,人们在区域间的信息沟通主要是依靠当地的邮政部门(邮局),因而一个地方的邮局数量或布局能在一定程度上反映固定电话的分布,进而能在一定程度上影响互联网的接入效率。一方面,邮局的数量和布局会影响当地居民的互联网使用技术与习惯,进而影响互联网的普及与发展,因而选取当地固定电话数量和邮局数量作为本地互联网乃至数字经济发展的工具变量,可以满足相关性要求。另一方面,与互联网信息技术的快速发展相比,固定电话数量和邮局数量对于经济高质量发展的影响也逐渐式微。因而选取历史上的固定电话数量和邮局数量作为工具变量,能在一定程度上满足排他性要求。
基于以上思路,参考黄群慧等(2019)[37]的做法,采用历史上各省份1984年每百人固定电话数量和每百万人邮局数量作为地区数字经济发展指数的工具变量。考虑到本文样本为均衡面板数据,而所选取的工具变量的原始数据为横截面形式的数据,因而借鉴Nunn和Qian(2014)[46]的研究,构建了各省份1984年每百人固定电话数量和每百万人邮局的数量(与个体变化有关)与上一年全国互联网用户数(与时间有关)的交互项,作为省际数字经济发展指数的工具变量。从表 12第(5)列可以看出,数字经济对于区域经济高质量发展的促进作用均在1%的水平上显著。同时,对原假设“工具变量识别不足”进行检验,Kleibergen-Paaprk的LM统计量p值均为0.000,即显著拒绝工具变量与内生解释变量完全不相关的原假设;在工具变量弱识别的检验中,Kleibergen-Paaprk的Wald F统计量大于Stock-Yogo弱识别检验10%水平上的临界值。因而上述检验结果说明,选取历史上各省份电话机数量与同年全国互联网用户数的交叉项作为数字经济发展综合指数工具变量,具有相当的合理性。
七、 结论与政策建议
(一) 主要结论
本文通过构建数字经济与经济高质量发展的度量指标,采用2011—2019年30个省份的面板数据,运用面板固定效应模型、中介效应模型与空间计量模型,从直接作用机制、间接作用机制与空间溢出效应三个方面探讨了数字经济对经济高质量发展的影响。主要得出以下结论:一是数字经济能显著促进经济高质量发展,对推动我国经济快速发展具有重要意义。更换解释变量、分样本回归与引入工具变量等进行稳健性检验后,上述结论仍然成立;二是通过提高区域创新水平与加快产业结构升级,数字经济可间接影响经济高质量发展,且区域创新水平影响的中介效应更大,Sobel检验和非参数Bootstrap方法检验均验证了中介效应的有效性;三是数字经济不仅对本地区的经济高质量发展具有促进作用,对相邻地区的高质量发展水平也具有空间溢出效应;四是数字经济对经济高质量发展的影响存在异质性,在中西部地区、高生产率地区与高人力资本水平地区,其影响更为显著。
(二) 政策建议
1. 全面推动数字经济发展,推进数字中国建设
首先,政府要加大对数字技术的投资与支持力度,制定人才引进、税收补贴优惠等相关扶持政策,拓展信息技术研发平台,不断加快数字产业化与产业数字化的进程。其次,重视大数据等信息基础设施的建设与完善,有针对性、前瞻性地布局新基建,以技术驱动制造业转型升级和提升核心竞争力。最后,汇聚高校与科研机构的智力资源,突破数字领域的关键核心技术,打造数字化发展平台,优先鼓励并引导企业平稳实现开放式数字化转型,为构建结构优化、动能转换的新发展格局提供有力支撑。
2. 实施区域差异化、动态化的数字经济发展战略,推动产业结构升级,提升区域创新水平
由于我国各地区之间的资源禀赋与经济发展水平存在差异,中西部与东部地区的数字化发展差距仍然比较突出,因而需要因地制宜制定数字经济发展战略,以消弭区域间的数字经济发展鸿沟。为此,一方面,东部地区要充分发挥其良好的数字规模经济优势,重点构建现代数字产业生态体系,以推动数字产业化与产业数字化为抓手,更好发挥对周边城市的示范效应和辐射效应;另一方面,中西部地区要加快信息基础设施建设,不断扩大数字经济的覆盖范围,制定相关人才政策,提升数字人才资源储备,激发数字经济的创新动能,让数字经济成为有效缩减区域经济发展不平衡的技术利器。
3. 不断推动区域一体化发展,消除数字发展鸿沟
由于数字经济发展具有空间溢出效应,因而应充分发挥数字经济发展较好地区对相邻地区的辐射作用,推动区域经济的一体化发展。为此,各地政府应破除地方本位思想,畅通数字创新要素在区域间的流动,扩大数字经济红利溢出的空间半径,让更多创新主体享受数字化发展的红利。同时,还应重视国际合作,引导更多优秀的数字企业走出去,为全球数字经济创新和治理体系建设贡献中国智慧,同时,中国企业也能充分汲取国外的先进技术与管理理念。
需要指出的是,本文的研究也存在一定局限性。目前对数字经济的测算缺乏统一标准,尽管本文选取了33个细分指标对各省份的数字经济发展水平进行了度量,但因数字经济定义的宽泛性与部分指标的测度有难度,研究过程中难以全面考虑数字经济的影响因素,因而如何精准衡量数字经济水平仍是未来需要深入探索的问题。此外,本文仅从提升区域创新水平与促进产业结构升级两条路径验证了数字经济对经济高质量发展的影响,对于其他影响途径的检验与识别仍需在后续研究中继续关注。
-
表 1 数字经济发展水平指标体系
一级指标 二级指标 三级指标 数据来源 数字经济发展载体 1.传统基础设施 ①互联网宽带接入端口数 国家统计局 ②互联网宽带接入用户数 ③每千人拥有域名数 ④每千人拥有网站数 2.新型数字基础设施 ⑤信息传输计算机服务和软件业全社会固定资产投资 ⑥电话普及率 中国信息年鉴 数字经济发展环境 3.数字化人才 ⑦普通高等学校数 国家统计局 ⑧普通高等学校本专科授予学位数 ⑨R&D经费 4.数字化环境 ⑩软件研发人员就业人数 中国城市统计年鉴 数字产业化 5.电信业规模及通信能力水平 ⑪电信业务总量 国家统计局 ⑫移动电话年末用户 ⑬移动电话交换机容量 ⑭长途光缆线路长度 ⑮邮政营业网点数 6.软件和信息技术服务业规模 ⑯软件产品收入规模 中国电子信息产业统计年鉴 ⑰信息技术服务收入规模 7.电子信息制造业规模 ⑱通信设备、计算机及其他电子设备制造业主营业务收入 中国工业经济统计年鉴 ⑲电子信息产业制造业企业数量 国家统计局 产业数字化 8.农业 ⑳开通互联网宽带业务的行政村比重 ㉑农村宽带接入用户 ㉒农林牧渔业增加值 9.工业 ㉓工业增加值 ㉔国家专利申请授权量与规模以上工业企业R&D人员全时当量的比值 ㉕规模以上工业企业新产品销售收入占工业企业主营业务收入的比重 中国科技统计年鉴 ㉖工业企业每百人使用计算机台数 国家统计局 ㉗工业企业电子商务交易额 10.第三产业 ㉘第三产业增加值 ㉙互联网上网人数 ㉚快递量 ㉛人均交通和通信消费支出 ㉜人均文教娱乐消费 ㉝数字普惠金融指数 北京大学互联网金融研究中心 表 2 2011—2019年数字经济发展水平指数(DEI)的测度结果
省份 2011 2012 2013 2014 2015 2016 2017 2018 2019 北京 0.553 6 0.931 8 1.899 1 1.938 5 2.004 4 2.134 2 2.323 3 2.807 1 2.873 3 天津 0.156 8 0.219 1 0.432 4 0.443 7 0.511 2 0.498 9 0.579 8 0.609 7 0.663 6 河北 0.203 5 0.242 9 0.611 3 0.622 5 0.588 9 0.681 2 0.745 2 0.757 3 0.769 1 山西 0.110 0 0.109 3 0.309 2 0.311 4 0.296 4 0.310 7 0.338 8 0.354 5 0.367 0 内蒙古 0.107 4 0.112 2 0.322 8 0.296 8 0.291 9 0.321 6 0.353 4 0.390 9 0.369 0 辽宁 0.275 9 0.500 5 0.619 8 0.709 0 0.936 6 0.828 6 0.929 4 1.224 4 1.334 1 吉林 0.113 2 0.119 3 0.326 2 0.328 5 0.299 3 0.332 3 0.350 2 0.371 4 0.435 3 黑龙江 0.130 8 0.133 5 0.310 5 0.314 7 0.342 6 0.343 9 0.375 6 0.467 7 0.508 7 上海 0.430 7 0.685 4 1.268 5 1.274 7 1.490 7 1.520 9 1.646 2 1.918 7 1.994 6 江苏 0.624 5 1.067 6 1.902 1 2.079 2 2.689 9 2.409 0 3.157 3 2.871 2 3.024 5 浙江 0.495 3 0.847 5 1.697 5 1.665 7 1.690 4 1.881 3 2.020 0 1.978 7 1.994 0 安徽 0.171 4 0.197 0 0.675 2 0.669 4 0.604 8 0.714 1 0.746 6 0.682 8 0.752 9 福建 0.288 5 0.413 4 0.982 9 1.127 4 1.0102 1.3795 1.288 0 1.206 4 1.670 2 江西 0.110 9 0.122 0 0.449 4 0.419 0 0.361 4 0.434 2 0.448 2 0.398 9 0.465 2 山东 0.392 7 0.573 6 1.301 1 1.347 1 1.470 0 1.594 7 1.783 1 1.944 3 2.182 6 河南 0.216 2 0.258 0 0.856 2 0.8489 0.777 1 0.880 5 0.967 2 0.917 5 0.876 6 湖北 0.210 6 0.276 2 0.805 0 0.790 8 0.822 6 0.879 0 0.970 6 0.958 1 1.279 5 湖南 0.195 7 0.228 2 0.586 2 0.601 2 0.585 3 0.685 5 0.728 0 0.7107 0.7135 广东 0.864 3 1.610 8 3.290 8 3.506 0 3.451 0 3.731 8 4.099 0 4.392 4 4.604 8 广西 0.135 9 0.335 2 0.419 8 0.402 8 0.355 0 0.425 4 0.439 9 0.432 5 0.518 8 海南 0.082 6 0.150 7 0.280 2 0.214 2 0.185 4 0.201 9 0.199 6 0.220 0 0.232 9 重庆 0.155 7 0.175 3 0.542 5 0.512 9 0.488 9 0.573 1 0.597 8 0.577 6 0.648 1 四川 0.287 2 0.377 2 1.088 4 1.046 0 1.033 6 1.120 9 1.236 5 1.226 6 1.1653 贵州 0.081 4 0.085 6 0.361 6 0.335 3 0.260 0 0.3276 0.327 7 0.313 0 0.383 7 云南 0.118 5 0.124 4 0.381 4 0.347 0 0.334 6 0.363 0 0.404 0 0.432 1 0.419 2 陕西 0.158 5 0.189 1 0.644 9 0.640 6 0.563 4 0.657 3 0.694 9 0.674 0 0.733 3 甘肃 0.061 4 0.071 8 0.274 8 0.237 8 0.182 0 0.237 4 0.218 4 0.214 2 0.254 2 青海 0.040 4 0.068 6 0.176 2 0.164 8 0.104 6 0.120 4 0.107 6 0.095 2 0.089 8 宁夏 0.053 5 0.064 2 0.155 5 0.144 1 0.116 9 0.141 6 0.136 2 0.135 0 0.130 0 新疆 0.087 9 0.185 9 0.301 2 0.250 9 0.257 0 0.265 4 0.276 1 0.311 8 0.295 5 表 3 变量名称与测度
变量类别 变量名称 变量符号 测度方法 被解释变量 全要素生产率 TFP DEA-Malmquist指数方法 解释变量 数字经济发展指数 DEI 熵值法 中介变量 产业结构升级 isu 第三产业增加值在地区生产总值中所占的比例 区域创新水平 innov 各省份专利申请量 控制变量 科技发展水平 tech 技术市场成交额 经济发展水平 edl 地区生产总值与地区总人口的比值 居民工资水平 rwl 城镇非私营单位就业人员平均工资与总人口的比值 外商投资额 fdi 外商投资企业投资总额 政府干预程度 gov 各地方财政一般预算支出与地区生产总值的比值 对外开放程度 open 进出口总额与地区生产总值之比 城镇化水平 urban 年末城镇人口比重 人均道路面积 road 人均城市道路面积 人口密度 popul 城市人口密度 表 4 主要变量的描述性统计结果
变量 样本量 均值 中位数 标准差 最小值 最大值 TFP 270 0.31 0.30 0.21 0.01 0.94 DEI 270 0.75 0.43 0.79 0.06 4.10 isu 270 0.55 0.48 0.30 0.17 1.45 innov 270 9.13 9.29 1.43 5.72 12.20 tech 270 23.04 23.08 1.74 18.78 26.83 edl 270 10.75 10.70 0.43 9.85 11.93 rwl 270 0.002 4 0.001 4 0.002 6 0.000 4 0.013 fdi 270 26.92 26.83 1.37 23.78 30.13 gov 270 0.29 0.25 0.18 0.06 1.06 open 270 0.13 0.06 0.18 0.000 1 0.86 urban 270 0.58 0.56 0.12 0.37 0.89 road 270 15.59 15.12 4.68 4.11 25.77 popul 270 7.88 7.89 0.41 6.97 8.62 表 5 数字经济对经济高质量发展的直接效应
变量 (1) (2) (3) (4) (5) (6) DEI 0.189*** 0.095*** 0.086*** 0.200*** 0.113*** 0.116*** (14.93) (6.96) (5.45) (14.32) (8.59) (8.36) tech -0.008 0.007 -0.003 0.007 (-1.47) (1.36) (-0.50) (1.30) edl -0.057*** -0.047 -0.190*** -0.195*** (-2.96) (-1.23) (-5.84) (-4.64) rwl -24.154*** -9.177** -14.152*** -7.493 (-7.22) (-1.98) (-3.79) (-1.53) fdi 0.078*** 0.094*** 0.105*** 0.108*** (7.67) (7.45) (8.46) (7.85) gov -0.147* -0.054 (-1.93) (-0.49) open -0.035 -0.096 (-0.46) (-1.32) urban -0.367*** 0.007 (-2.64) (0.05) road 0.006*** 0.008*** (3.19) (4.31) popul -0.012 0.001 (-0.54) (0.05) 常数项 0.170*** -1.016*** -1.666*** 0.228*** -0.345 -0.687 (15.71) (-4.18) (-2.92) (7.34) (-1.48) (-1.26) 时间效应 否 否 否 是 是 是 省份效应 否 否 否 是 是 是 样本量 270 270 270 270 270 270 R2 0.515 0.728 0.762 0.540 0.755 0.787 注:***、**、*分别表示回归系数在1%、5%、10%的显著性水平上显著,括号内为t统计量。下表同。 表 6 数字经济对经济高质量发展的间接效应
变量 区域创新水平 产业结构升级 (1) (2) (3) (4) (5) (6) TFP innov TFP TFP isu TFP DEI 0.116***(8.36) 0.277***(4.42) 0.106***(7.69) 0.116***(8.36) 0.045**(1.97) 0.108***(12.60) innov 0.034***(2.99) isu 0.66***(9.69) 常数项 -0.687(-1.26) 0.403(0.64) 0.092(0.16) -0.687(-1.26) 0.403(0.64) -0.675(-1.45) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 样本量 270 270 270 270 270 270 R2 0.787 0.846 0.794 0.787 0.846 0.847 表 7 Sobel检验
效应 区域创新水平 产业结构升级 系数 95%置信区间 系数 95%置信区间 间接效应 0.115***(0.012) [0.091,0.139] 0.015***(0.005) [0.003,0.026] 直接效应 0.074***(0.018) [0.040,0.108] 0.204***(0.012) [0.183,0.223] 注:小括号内为标准误。表 8同。 表 8 Bootstrap法检验
效应 区域创新水平 产业结构升级 Sobel值 0.115***(0.012) 0.015***(0.005) 间接效应 0.115***(0.012) 0.015***(0.005) 直接效应 0.074***(0.014) 0.204***(0.012) 总效应 0.189***(0.011) 0.219***(0.019) 中介效应占比 60.72% 7.74% 注:Bootstrap抽样次数为1 000次。 表 9 不同权重矩阵下数字经济的Moran's I指数
矩阵类型 2011 2012 2013 2014 2015 2016 2017 2018 2019 地理距离权重矩阵 0.018* 0.009* 0.004* 0.003 0.012* 0.014* 0.013* 0.005* 0.009 (1.527) (1.299) (1.461) (1.145) (1.373) (1.447) (1.405) (1.364) (1.254) 经济距离权重矩阵 0.284*** 0.279*** 0.202*** 0.208*** 0.256*** 0.246*** 0.245*** 0.26*** 0.274*** (3.213) (3.244) (2.492) (2.567) (2.964) (2.882) (2.857) (2.966) (3.081) 注:括号内为Z值。 表 10 空间杜宾模型回归结果
变量 地理距离权重矩阵 经济距离权重矩阵 (1) (2) (3) (4) (5) (6) 直接效应 溢出效应 总效应 直接效应 溢出效应 总效应 DEI 0.017**(2.16) 0.134***(2.69) 0.152**(2.46) 0.123***(5.93) 0.051***(3.15) 0.174**(2.42) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 Log-likelihood 564.905 564.905 564.905 271.656 271.656 271.656 样本量 270 270 270 270 270 270 R2 0.191 0.191 0.191 0.680 0.680 0.680 表 11 异质性检验
变量 (1) (2) (3) (4) (5) (6) 东部地区 中西部地区 高生产率水平 低生产率水平 高人力资本水平 低人力资本水平 TFP TFP TFP TFP TFP TFP DEI 0.011 0.184*** 0.070*** 0.007 0.315*** 0.112*** (0.73) (4.94) (5.10) (0.15) (8.13) (8.41) 常数项 -1.683* -0.594 0.196 -0.103 3.468*** -2.631*** (-1.84) (-1.05) (0.30) (-0.36) (5.21) (-3.87) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 省份效应 是 是 是 是 是 是 样本量 99 171 201 69 135 135 R2 0.922 0.704 0.824 0.749 0.802 0.883 表 12 稳健性检验
变量 (1) (2) (3) (4) (5) 替换数字经济发展指数 时间段1(2011—2015) 时间段2(2016—2019) 数字经济发展指数滞后一期 工具变量回归 TFP TFP TFP TFP TFP NEW_DEI 0.331***(2.78) L1DEI 0.110***(7.33) DEI 0.098***(5.04) 0.138***(7.43) 0.446***[5.95] 常数项 -1.512***(-2.60) -2.104***(-2.96) 2.585***(2.67) -0.643(-1.07) 0.656[1.15] Kleibergen-Paap 21.44*** 控制变量 是 是 是 是 是 时间效应 是 是 是 是 是 省份效应 是 是 是 是 是 样本量 270 150 120 240 270 R2 0.744 0.782 0.793 0.782 0.682 注:Stock-Yogo弱工具变量检验中,显著性10% 对应的Kleibergen-Paap F值的上限值为16. 38;圆括号内表示的是t值,方括号内为Z值。 -
[1] 李坤望, 邵文波, 王永进. 信息化密度、信息基础设施与企业出口绩效——基于企业异质性的理论与实证分析[J]. 管理世界, 2015(4): 52-65. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201504008.htm [2] 余姗, 樊秀峰, 蒋皓文. 数字经济对我国制造业高质量走出去的影响——基于出口技术复杂度提升视角[J]. 广东财经大学学报, 2021(2): 16-27. https://xb.gdufe.edu.cn/article/id/a7406f8e-147a-4705-aa10-6e80eb9b6e08 [3] 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019(8): 71-86. doi: 10.3969/j.issn.1005-2674.2019.08.008 [4] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. doi: 10.3969/j.issn.1002-5502.2020.10.006 [5] 高培勇, 杜创, 刘霞辉, 等. 高质量发展背景下的现代化经济体系建设: 一个逻辑框架[J]. 经济研究, 2019(4): 4-17. doi: 10.3969/j.issn.1004-9746.2019.04.002 [6] 向书坚, 吴文君. OECD数字经济核算研究最新动态及其启示[J]. 统计研究, 2018(12): 3-15. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ201812001.htm [7] 彭刚, 朱莉, 陈榕. SNA视角下我国数字经济生产核算问题研究[J]. 统计研究, 2021(7): 19-31. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ202107003.htm [8] 许宪春, 关会娟, 张钟文. 新时代中国经济社会统计的创新与发展[J]. 统计研究, 2019(9): 3-17. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ201909001.htm [9] 许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5): 23-41. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202005003.htm [10] 蔡跃洲, 牛新星. 中国数字经济增加值规模测算及结构分析[J]. 中国社会科学, 2021(11): 4-30, 204. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK202111001.htm [11] 王开科, 吴国兵, 章贵军. 数字经济发展改善了生产效率吗[J]. 经济学家, 2020(10): 24-34. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ202010004.htm [12] 陈小辉, 张红伟. 数字经济如何影响企业风险承担水平[J]. 经济管理, 2021(5): 93-108. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202105006.htm [13] 滕磊, 马德功. 数字金融能够促进高质量发展吗?[J]. 统计研究, 2020(11): 80-92. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYJ202011008.htm [14] 张军扩, 侯永志, 刘培林, 等. 高质量发展的目标要求和战略路径[J]. 管理世界, 2019(7): 1-7. doi: 10.3969/j.issn.1002-5502.2019.07.002 [15] 刘伟. 现代化经济体系是发展、改革、开放的有机统一[J]. 经济研究, 2017(11): 6-8. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201711003.htm [16] 汪同三. 深入理解我国经济转向高质量发展[N]. 人民日报, 2018-06-07(007). [17] SOLOW R M. A contribution to the theory of economic growth[J]. Quarterly Journal of Economics, 1956, 1: 65-94. [18] JORGENSON D, GRILICHES Z. The explanation of productivity change[J]. Review of Economic Studies, 1967, 34(3): 249-283. doi: 10.2307/2296675 [19] 李平, 付一夫, 张艳芳. 生产性服务业能成为中国经济高质量增长新动能吗[J]. 中国工业经济, 2017(12): 5-21. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201712002.htm [20] 徐现祥, 李书娟, 王贤彬, 等. 中国经济增长目标的选择: 以高质量发展终结"崩溃论"[J]. 世界经济, 2018(10): 3-25. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201810002.htm [21] 余泳泽, 杨晓章, 张少辉. 中国经济由高速增长向高质量发展的时空转换特征研究[J]. 数量经济技术经济研究, 2019(6): 3-21. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201906001.htm [22] 上官绪明, 葛斌华. 科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据[J]. 中国人口·资源与环境, 2020(6): 95-104. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ202006010.htm [23] 钞小静, 任保平. 中国经济增长质量的时序变化与地区差异分析[J]. 经济研究, 2011(4): 26-40. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201104004.htm [24] QI J. Fiscal expenditure incentives, spatial correlation and quality of economic growth: evidence from a Chinese province[J]. International Journal of Business and Management, 2016, 11(7): 191-201. doi: 10.5539/ijbm.v11n7p191 [25] 吕祥伟, 辛波. 人力资本促进经济高质量发展的空间效应及其溢出效应研究[J]. 广东财经大学学报, 2020(4): 34-47. https://xb.gdufe.edu.cn/article/id/335545fe-0dc9-475f-941c-855ec5a95396 [26] 荆文君, 孙宝文. 数字经济促进经济高质量发展: 一个理论分析框架[J]. 经济学家, 2019(2): 66-73. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201902008.htm [27] 李治国, 车帅, 王杰. 数字经济发展与产业结构转型升级——基于中国275个城市的异质性检验[J]. 广东财经大学学报, 2021(5): 27-40. https://xb.gdufe.edu.cn/article/id/d67d8b7e-3996-4a50-b548-81ea47391fc2 [28] 陈晓东, 杨晓霞. 数字经济发展对产业结构升级的影响——基于灰关联熵与耗散结构理论的研究[J]. 改革, 2021(3): 26-39. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO202103003.htm [29] 唐文进, 李爽, 陶云清. 数字普惠金融发展与产业结构升级——来自283个城市的经验证据[J]. 广东财经大学学报, 2019(6): 35-49. https://xb.gdufe.edu.cn/article/id/dcd3b08f-d2ff-45dd-b8a8-92149b72d35b [30] 周广肃, 樊纲. 互联网使用与家庭创业选择——来自CFPS数据的验证[J]. 经济评论, 2018(5): 134-147. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL201805010.htm [31] NOSELEIT F. Entrepreneurship, structural change, and economic growth[J]. Journal of Evolutionary Economics, 2011, 23(4): 735-766. [32] 郭家堂, 骆品亮. 互联网对中国全要素生产率有促进作用吗?[J]. 管理世界, 2016(10): 34-49. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201610004.htm [33] 温珺, 阎志军, 程愚. 数字经济与区域创新能力的提升[J]. 经济问题探索, 2019(11): 112-124. https://www.cnki.com.cn/Article/CJFDTOTAL-JJWS201911010.htm [34] 温珺, 阎志军, 程愚. 数字经济驱动创新效应研究——基于省际面板数据的回归[J]. 经济体制改革, 2020(3): 31-38. https://www.cnki.com.cn/Article/CJFDTOTAL-JJTG202003006.htm [35] 裴长洪, 倪江飞, 李越. 数字经济的政治经济学分析[J]. 财贸经济, 2018(9): 5-22. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201809001.htm [36] KELLER W. Trade and the transmission of technology[J]. Journal of Economic Growth, 2002, 7(1): 5-24. doi: 10.1023/A:1013461025733 [37] 黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(8): 5-23. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201908001.htm [38] 张俊英, 郭凯歌, 唐红涛. 电子商务发展、空间溢出与经济增长——基于中国地级市的经验证据[J]. 财经科学, 2019(3): 105-118. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX201903010.htm [39] 陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018(2): 20-34. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201802003.htm [40] 张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000[J]. 经济研究, 2004(10): 35-44. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200410004.htm [41] 单豪杰. 中国资本存量K的再估算: 1952~2006年[J]. 数量经济技术经济研究, 2008(10): 17-31. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY200810004.htm [42] 王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021(7): 26-42. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202107002.htm [43] 李婧, 谭清美, 白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J]. 管理世界, 2010(7): 43-55, 65. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201007008.htm [44] 干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011(5): 4-16, 31. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201105002.htm [45] 韩先锋, 宋文飞, 李勃昕. 互联网能成为中国区域创新效率提升的新动能吗?[J]. 中国工业经济, 2019(7): 119-136. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201907008.htm [46] NUNN N, QIAN N.U.S. food aid and civil conflict[J]. American Economic Review, 2014, 104(6): 1630-1666. 期刊类型引用(99)
1. 李亚菲,何文芊,刘晓宇,裴雷,陈烨,彭星. 基于PSM-DID方法的地方数字经济政策实施成效评估. 现代情报. 2025(01): 33-45 . 百度学术
2. 周韬,张俊丽,李立. 数字经济背景下黄河流域城市经济高质量发展的空间分异与优化路径研究. 生态经济. 2025(02): 103-110 . 百度学术
3. 潘生,刘佳鑫. 低碳数字经济促进经济高质量发展的机制及效应分析. 河南科技. 2025(04): 138-144 . 百度学术
4. 张天顶,王庆柯. 数字产业集聚对中国制造业出口技术复杂度的影响研究. 治理研究. 2025(01): 117-136+160 . 百度学术
5. 王馨悦,颜克高,毛善骏. 发展新质生产力如何提升共同富裕水平?. 财经理论与实践. 2025(02): 106-113 . 百度学术
6. 赵新宇,蔡佳怡,万孟泽. 数字经济对资本市场一体化的作用研究——基于中国省际面板数据的实证检验. 求是学刊. 2025(02): 39-51 . 百度学术
7. 孟静,余佳丽. 数字经济赋能外贸高质量发展的影响研究. 重庆交通大学学报(社会科学版). 2025(02): 61-71 . 百度学术
8. 杨昭. 数字经济发展、税收征纳与个人所得税税收贡献. 财政科学. 2025(01): 111-128 . 百度学术
9. 候杰,张心雨. 跨境电商综合试验区对外贸高质量发展的影响研究. 商业经济研究. 2025(08): 123-128 . 百度学术
10. 刘艳,程文静. 长三角地区数字经济与建筑业高质量发展耦合协调研究. 阜阳师范大学学报(自然科学版). 2025(01): 72-79 . 百度学术
11. 范群林,吴青青,王洁颖. 成渝地区双城经济圈数字经济与共同富裕协调发展度研究. 重庆理工大学学报(社会科学). 2025(04): 72-83 . 百度学术
12. 刘冰,师玺雅. 数字经济对黄河流域绿色经济发展的影响研究. 山东工商学院学报. 2025(03): 61-80+96 . 百度学术
13. 黄景贵,刘响俊,李东敖. 国家大数据综合试验区对数字经济的影响研究——基于双重差分的实证分析. 成都理工大学学报(社会科学版). 2024(01): 71-90 . 百度学术
14. 管杜娟,刘翠苹,苏理梅. 数字经济与经济高质量发展:作用机制与溢出效应. 重庆理工大学学报(社会科学). 2024(01): 66-82 . 百度学术
15. 邓小华,费丹. 数字经济是否有利于提升制造业出口技术复杂度?. 兰州财经大学学报. 2024(01): 43-54 . 百度学术
16. 吴穷. 数字经济对我国经济高质量发展的影响研究. 河北金融. 2024(01): 60-65 . 百度学术
17. 王善高. 数字经济与农业高质量发展:影响效应与作用路径. 统计与决策. 2024(06): 21-26 . 百度学术
18. 高志刚,丁梦雅. 数字经济、碳排放强度与资源型城市高质量发展. 甘肃社会科学. 2024(02): 184-195 . 百度学术
19. 张亨明,尹小贝,霍红. 南繁产业化发展存在的问题与对策. 浙江树人学院学报. 2024(02): 1-10 . 百度学术
20. 王瑶,王秀芝. 数字技术对制造业生产效率的影响研究. 科技广场. 2024(02): 47-58 . 百度学术
21. 詹韵秋,杨舒雯. 发展数字经济对提升我国就业质量的影响研究. 价格理论与实践. 2024(03): 184-188 . 百度学术
22. 汤韵,侯雪莹,杨凯强. 数字经济、经济集聚与区域绿色发展. 吉林工商学院学报. 2024(03): 14-22 . 百度学术
23. 吴学品,李雨澄,李东敖. 数字经济推动中国式现代化的机制分析和实证检验. 成都理工大学学报(社会科学版). 2024(03): 66-82 . 百度学术
24. 单靖涵,王红天. 数字贸易赋能广州跨境电商高质量发展的对策研究. 中国管理信息化. 2024(10): 105-107 . 百度学术
25. 阳玉香,罗婉琴,林锦松. 数字经济对我国跨境贸易高质量发展的实证研究. 衡阳师范学院学报. 2024(03): 100-107 . 百度学术
26. 熊彬,辛莹. 制造业数字化对产业韧性的影响及空间溢出效应分析. 未来与发展. 2024(07): 67-78 . 百度学术
27. 谢思,房克雷,和军. 智慧城市建设能否促进数实融合?——基于双重机器学习的因果推断. 产业经济研究. 2024(04): 100-113 . 百度学术
28. 苗成林,刘利玲,张傲翔. 黄河流域绿色金融、数字经济与经济发展的协调驱动分析. 河北环境工程学院学报. 2024(04): 45-52 . 百度学术
29. 房克雷,谢思,潘竟成. 跨境电商综试区建设能否缩小地区数实融合差距:基于双重机器学习的因果推断. 世界经济研究. 2024(09): 92-104+134+137 . 百度学术
30. 何枭吟,陈汉驰,焦成焕. 数字经济如何影响经济高质量发展?——基于科技创新视角. 创新. 2024(04): 38-50 . 百度学术
31. 王胜. 数字技术对制造业韧性的影响研究——流通效率与产业升级的链式中介效应. 中小企业管理与科技. 2024(16): 59-61+150 . 百度学术
32. 鲁坦,肖晓兰. 数字新质生产力赋能制造业高质量发展的机理和路径——以佛山制造为例. 现代营销(上旬刊). 2024(11): 106-108 . 百度学术
33. 王哲,刘文斐,赵韦舒. 数字经济空间关联对高质量发展收敛的影响机制——以长三角地区为例. 华东经济管理. 2024(11): 18-29 . 百度学术
34. 刘志雄,田景央. 信息通信技术投资对企业全要素生产率的影响研究——基于沪深A股上市公司数据. 贵州商学院学报. 2024(05): 64-78 . 百度学术
35. 鲁坦,肖晓兰. 数字新质生产力赋能制造业高质量发展的机理和路径——以佛山制造为例. 现代营销. 2024(31): 106-108 . 百度学术
36. 高晓珂. 长三角数字经济发展水平测度及影响因素分析. 国际商务财会. 2023(01): 19-23+39 . 百度学术
37. 汪发元,张东晴. 数字经济、科技创新对生态保护的影响——基于长江经济带2011~2020年数据的实证分析. 长江大学学报(社会科学版). 2023(01): 58-67 . 百度学术
38. 钱海慧,张鹏翀. 数字经济对农业高质量发展的影响研究——基于空间计量和门槛效应的实证研究. 新疆农垦经济. 2023(02): 28-37 . 百度学术
39. 金泽虎,吴蕾. 依托数字经济实现中国芯片进口替代的机理与启示. 东北财经大学学报. 2023(01): 74-85 . 百度学术
40. 矫萍,田仁秀. 数字技术创新赋能现代服务业与先进制造业深度融合的机制研究. 广东财经大学学报. 2023(01): 31-44 . 本站查看
41. 曲子豪,朱静仪,梁凯杰,陈晓婷. 数字经济驱动制造集群实现低碳绿色发展综述. 现代商业. 2023(05): 36-39 . 百度学术
42. 何文彬,王珂凡. 数字普惠金融赋能我国经济高质量发展——基于空间计量模型和中介效应的研究. 山东财经大学学报. 2023(02): 26-39 . 百度学术
43. 尹剑,夏芮兹. 互联网对区域金融发展的空间效应分析. 黑龙江金融. 2023(02): 33-38 . 百度学术
44. 李义华,孙雅伦. 数字经济背景下区域物流与经济高质量发展耦合协调研究——基于湖南省2010—2021年的数据分析. 中南林业科技大学学报(社会科学版). 2023(01): 39-48 . 百度学术
45. 惠献波. 数字经济、创业活跃度与共同富裕——来自智慧城市建设的证据. 当代经济管理. 2023(05): 18-24 . 百度学术
46. 蔡超岳,唐健雄,胡晨璐,史吉志. 数字经济发展对旅游经济的影响及空间溢出效应——基于省级面板数据的分析. 内江师范学院学报. 2023(04): 83-93 . 百度学术
47. 包振山,殷凤春. 数字经济、流通业升级与经济增长. 中国流通经济. 2023(04): 37-46 . 百度学术
48. 傅志华,梅辉扬. 数字技术赋能与地方政府环保支出效率:门槛特征和空间效应. 经济纵横. 2023(04): 31-44 . 百度学术
49. 杨颖,许仲宇,陈少铭. 数字经济对广东省协调发展的影响——基于空间杜宾模型的实证分析. 全国流通经济. 2023(01): 157-160 . 百度学术
50. 蔡雪雄,程秋旺,石玉婷. 数字普惠金融对农地流转的影响、作用机制与异质性分析. 经济纵横. 2023(04): 118-128 . 百度学术
51. 曹直,吴非. 税收激励与企业数字化转型——基于固定资产加速折旧政策的准自然实验. 广东财经大学学报. 2023(02): 88-99 . 本站查看
52. 温兴琦,覃谊,彭兰乂,李思敏. 数字鸿沟与个体创业选择——基于城乡差异视角. 珞珈管理评论. 2023(02): 35-59 . 百度学术
53. 郭子彤,尹龙. 数字经济对东北地区经济高质量发展的影响研究. 商业经济. 2023(06): 31-33+66 . 百度学术
54. 傅志华,梅辉扬. 数字经济发展对地方政府财政环保支出偏向的影响——基于财政空间的视角. 北京社会科学. 2023(05): 80-94 . 百度学术
55. 刘永文,康涛. 数字经济发展如何赋能绿色经济效率提升?. 广西财经学院学报. 2023(02): 19-34 . 百度学术
56. 杨先付. 数字经济助力地方经济发展研究——以旅游业为例. 财富时代. 2023(05): 40-42 . 百度学术
57. 卫铭. “互联网+”信息披露与长短期市场反应——投资者关注的视角. 现代财经(天津财经大学学报). 2023(06): 94-113 . 百度学术
58. 王志强,徐毅. 双向FDI协同与经济高质量发展——基于全国省级经济发展数据的实证研究. 现代金融. 2023(06): 3-9 . 百度学术
59. 文丰安. 数字经济发展、要素配置效率与城市绿色生产效率. 产业经济研究. 2023(03): 57-71+86 . 百度学术
60. 姜南,马艺闻,刘谦. 知识产权政策对数字经济的影响机制研究——来自知识产权示范城市的证据. 科学学与科学技术管理. 2023(07): 91-109 . 百度学术
61. 过晓颖,袁思涵. 数字经济对制造业高质量发展的影响. 产业创新研究. 2023(14): 17-20+53 . 百度学术
62. 栗洪伟. 智慧城市建设背景下数字经济发展对实体投资的影响研究. 区域经济评论. 2023(04): 109-116 . 百度学术
63. 王君萍,赵薇. 数字经济对经济高质量发展的影响研究——基于产业结构的门槛作用. 西安石油大学学报(社会科学版). 2023(04): 18-25 . 百度学术
64. 秦小雯,易莹莹. 数字经济对黄河流域经济高质量发展的影响及空间溢出效应研究. 工程经济. 2023(06): 15-26 . 百度学术
65. 林申奥,尹龙. 数字经济对能源效率影响的实证研究. 商业经济. 2023(09): 19-21+51 . 百度学术
66. 薛瑞翔. 数字经济对科创板企业创新效率的影响. 合作经济与科技. 2023(20): 14-16 . 百度学术
67. 刘翠花,戚聿东. 数字经济促进就业扩容提质的理论逻辑、作用机理与推进路径. 理论学刊. 2023(04): 129-141 . 百度学术
68. 张庆琳. 数字经济促进经济高质量发展的现状研究. 经济师. 2023(08): 44-45 . 百度学术
69. 王宝义. 长江经济带与黄河流域数字经济发展水平综合测度及比较研究. 工信财经科技. 2023(04): 73-89 . 百度学术
70. 丁静. 数字经济赋能制造业高质量发展的路径. 江苏经贸职业技术学院学报. 2023(04): 5-7 . 百度学术
71. 余丽婷. 高质量发展目标下数字经济和物流业耦合协调关系研究——以安徽省为例. 重庆三峡学院学报. 2023(05): 39-50 . 百度学术
72. 张优智,刘寅可,赵璟,王翔宇. 智慧城市建设能否促进中国经济高质量发展?. 西部经济管理论坛. 2023(05): 22-37 . 百度学术
73. 孔丹丹,金泽虎. 新发展格局下数字经济与经济高质量发展——基于淮河流域2011—2020年数据的实证分析. 淮南师范学院学报. 2023(04): 87-92+104 . 百度学术
74. 赵心慧. 数字经济减贫:逻辑、效应与对策. 开放导报. 2023(05): 105-112 . 百度学术
75. 郭金花,朱承亮. 数字基础设施建设对中国企业创新影响研究——作用机制与效应检验. 现代财经(天津财经大学学报). 2023(10): 39-55 . 百度学术
76. 林俐,兰夏清,陈爱贞. 跨境电商综试区驱动外贸高质量发展的机制与效应. 经济论坛. 2023(10): 102-112 . 百度学术
77. 章金瑞. 浙江省经济高质量发展的评价研究. 商展经济. 2023(20): 22-26 . 百度学术
78. 何秀萍,梁永康. 我国数字经济政策文本三维量化研究. 河南科学. 2023(10): 1533-1541 . 百度学术
79. 李煜彤. 文献综述:数字经济对区域经济增长的影响研究. 产业创新研究. 2023(20): 17-19 . 百度学术
80. 刘小军,张佳伟. 产业结构升级对经济高质量发展影响的实证研究. 吉林工商学院学报. 2023(05): 11-19 . 百度学术
81. 丘斌,古晨光,王梓贝,雷鸣. 数字经济、人口流动与经济高质量发展. 统计与决策. 2023(20): 17-22 . 百度学术
82. 肖威,李飞星. 数字贸易赋能制造业高质量发展的机制与对策研究——基于佛山企业数字化转型的视角. 广东轻工职业技术学院学报. 2023(05): 7-14 . 百度学术
83. 左喜梅,夏冰倩. 区域创新视角下数字经济赋能产业结构升级研究. 金融理论与实践. 2023(10): 44-53 . 百度学术
84. 谢卫红,刘瑾,张茜,郭海珍. 数字化创新、价值共创与企业效率——来自制造业上市公司的经验证据. 产经评论. 2023(05): 100-114 . 百度学术
85. 杨玉琪,王小华. 数字化赋能与城市经济高质量发展——基于国家级大数据综合试验区的准自然实验. 经济问题探索. 2023(12): 105-123 . 百度学术
86. 郭晓剑,林涵莎. 数字经济视角下我国共同富裕水平及提升路径——基于NCA和fsQCA的组态分析. 工业技术经济. 2023(12): 146-155 . 百度学术
87. 夏帅,疏爽,谭黎阳. 数字经济、家庭资产配置与消费升级. 广东财经大学学报. 2023(06): 4-20 . 本站查看
88. 葛璇. 数字经济发展提升城市经济韧性的实证研究. 中国商论. 2023(24): 56-62 . 百度学术
89. 张利儒,张迪,贾彩瑕. 关于促进河北省数字经济发展的财政支持政策研究. 工业技术与职业教育. 2023(06): 108-111 . 百度学术
90. 吴养学. 数字蝶变促进经济增长的传导路径研究——基于省级面板数据. 武汉商学院学报. 2022(04): 45-49 . 百度学术
91. 路丽. 河北省数字经济发展存在的问题及对策研究. 投资与创业. 2022(16): 30-32 . 百度学术
92. 郎聪萍,郭淑娟. 数字经济对煤炭企业高质量发展的关系研究——一个有调节的中介模型. 煤炭经济研究. 2022(06): 69-74 . 百度学术
93. 刘莉君,张静静,曾一恬. 数字经济推动共建“一带一路”高质量发展的效应研究. 中南大学学报(社会科学版). 2022(05): 122-135 . 百度学术
94. 涂维亮,付冰冰. “区块链+农村金融”融合驱动农村经济发展的效应研究——基于长江经济带创新实践. 长江大学学报(社会科学版). 2022(06): 51-58 . 百度学术
95. 张纪凤,王宏瑞. 数字经济、产业结构与双向FDI协调发展——基于长三角地区的实证研究. 哈尔滨商业大学学报(社会科学版). 2022(06): 78-91 . 百度学术
96. 许飞,姚荣,赵延春,陈婷. 数字建造背景下高职土建专业“BIM+双创”人才培养策略研究. 扬州职业大学学报. 2022(04): 62-65 . 百度学术
97. 李顺勇,张睿轩,张佳璇,赵冠婕. 中国省域数字经济发展水平测度研究. 生产力研究. 2022(12): 38-42+90 . 百度学术
98. 林剑,黄益军,陈娟. 数字化水平对城市集群产业结构的影响路径研究. 开发研究. 2022(06): 94-105 . 百度学术
99. 谢长青,叶林伟,王美华,曾思妮. 人口结构优化如何促进广东经济高质量发展?——基于技术创新与产业升级机制分析. 统计与管理. 2022(12): 78-86 . 百度学术
其他类型引用(102)
-