留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

信息消费对中国高质量出口的影响

赵红岩 尹天宝 张省博

赵红岩, 尹天宝, 张省博. 信息消费对中国高质量出口的影响[J]. 广东财经大学学报, 2025, 40(1): 32-48.
引用本文: 赵红岩, 尹天宝, 张省博. 信息消费对中国高质量出口的影响[J]. 广东财经大学学报, 2025, 40(1): 32-48.
ZHAO Hongyan, YIN Tianbao, ZHANG Shengbo. The Impact of Information Consumption on China's High-Quality Exports[J]. Journal of Guangdong University of Finance & Economics, 2025, 40(1): 32-48.
Citation: ZHAO Hongyan, YIN Tianbao, ZHANG Shengbo. The Impact of Information Consumption on China's High-Quality Exports[J]. Journal of Guangdong University of Finance & Economics, 2025, 40(1): 32-48.

信息消费对中国高质量出口的影响

基金项目: 

国家社会科学基金一般项目 21BGL014

详细信息
    作者简介:

    赵红岩(1963-),女,湖北黄陂人,东华大学旭日工商管理学院教授,博士生导师

    张省博(1995-),男,河南鹤壁人,中南财经政法大学财政税务学院博士研究生

    通讯作者:

    尹天宝(1996-)(通讯作者),男,湖北洪湖人,东华大学旭日工商管理学院博士研究生

  • 中图分类号: F49;F746.12

The Impact of Information Consumption on China's High-Quality Exports

  • 摘要: 激发消费潜力是打通国内大循环,加快建设国内国际“双循环”新发展格局的重要环节,对提升出口技术复杂度、推动中国高质量出口、实现高水平对外开放具有重大战略意义。基于2009—2022年269个地级市面板数据,以国家信息消费试点改革构建双重差分模型,研究信息消费对中国高质量出口的影响。研究发现,信息消费能显著促进出口技术复杂度提升,推动中国高质量出口,该结论经过一系列稳健性检验后依然成立。异质性分析表明,信息消费的推动效果在大规模、非资源型、高信息基础设施、低收入差距和低污染程度城市更为明显。机制分析发现,技术创新效应、外资流入效应、消费倍增效应和市场竞争效应是信息消费促进出口技术复杂度提升以推动中国高质量出口的重要影响渠道;信息消费推动出口技术复杂度提升的效果受到人力资本、金融发展和知识产权保护水平的正向调节作用。拓展性分析发现,信息消费对高质量出口产生扩散效应,显著提高邻近城市出口技术复杂度。
  • 自加入世界贸易组织以来,中国充分抓住经济全球化的机遇,凭借丰富的自然资源、低劳动力成本优势和出口导向型战略,迅速融入世界贸易分工体系,实现出口贸易跨越式增长,贸易规模屡创新高,但中国出口大而不强,出口产品技术含量和附加值相对较低,长期处于价值链中低端生产环节。当前,面对世界经济复苏乏力,外需疲软和国内劳动力、土地等传统生产要素成本上升的多重压力,中国亟需寻求新的发展动力来摆脱“低端锁定”的困境,实现出口由数量扩张向质量提升的转型。经典国际贸易理论认为,一个国家某种产品出口是一个由本国市场需求所培育的动态比较优势的过程,即国内某种产品市场需求规模较大,该类产品越容易成为本国净出口产品,这一理论被称为“本地市场效应”[1]。然而,国家统计局数据显示,2013—2022年中国平均消费率仅为54.1%,远低于发达国家80%的平均消费率,这表明中国内需仍有巨大的提升空间和潜力。那么,如何创造新的消费动能,提振内需并以内循环带动外循环,培育出口竞争优势,推动中国高质量出口以实现由贸易大国向贸易强国的转变,是现阶段中国亟需解决的问题。

    信息消费是信息技术与传统消费结合的新型消费模式,能借助信息化产品或互联网、数字技术等信息化服务手段,打破传统消费模式,推动线上和线下消费互动,扩大居民消费潜力,加快形成以国内经济循环为主,国外经济循环为辅的新发展格局。这有助于提高外贸竞争优势,促进出口技术复杂度提升,推动中国高质量出口。国家工业与信息化部及发展和改革委员会公布的数据显示,2014年中国信息消费规模增长至2.8万亿元,截至2022年上半年信息消费规模已达到3.24万亿元,年均增长率超过15%。显然,信息消费已成为激活消费市场、激发内需以推动经济高质量增长的新动力源。基于此,本研究以国家信息消费试点城市设立的准自然实验,探究信息消费究竟能否推进中国高质量出口?若是,那么信息消费通过哪些渠道对高质量出口产生影响?深入探讨上述问题,不仅有助于培育消费新动能、提升消费层次、充分挖掘内需潜力,也为促进内外循环的协同发展、增强贸易竞争力、构建贸易强国、加速实现高水平对外开放提供理论借鉴。

    信息消费是指消费主体购买信息产品或服务的一种经济现象[2]。出口技术复杂度是指一国或地区出口产品中含有的技术或知识的价值,是实现对外贸易转型的关键环节,能够科学合理衡量产品出口质量[3]。通过梳理现有文献发现,与本研究相关的文献主要从以下三方面展开探讨。

    一是探讨信息消费的衡量方式及其影响因素。关于信息消费的衡量方式,一部分学者使用单一指标衡量信息消费水平。如王瑜和施娜将医疗保健、娱乐文化和交通通讯的居民消费支出占总消费比重来衡量居民信息消费水平[4]。另一部分学者采用合成的综合指标衡量信息消费水平。徐梦周等从互联网用户数、快递业务总量和移动电话普及率构建其测算评价体系,并使用主成分方法测算2012至2019年中国各省市信息消费水平[5]。关于信息消费的影响因素研究,既有研究多从教育与收入水平[6]、人口集聚[7]等方面展开探讨。

    二是探讨信息技术对出口技术复杂度的影响效应。在微观层面上,金祥义和施炳展发现,网络搜索能够降低企业信息成本,促进企业提升出口产品技术含量,并对省内和邻省企业的出口产品质量存在显著的正向影响[8]。在宏观层面上,卓乘风和邓峰基于2004—2016年中国各省数据研究发现,网络技术应用通过改善资源配置效率,不仅提升了制造业出口技术含量,还缩小了区域制造业出口产品技术水平的差距[9]

    三是探讨信息消费试点政策的经济社会影响。一部分学者从微观视角探讨信息消费试点政策对企业数字化转型的影响[10],另一部分学者基于宏观视角探讨信息消费试点政策对城市产业结构升级[11]、城市创新水平[12]的影响。

    综上所述,鲜有研究基于信息消费试点政策探讨信息消费对中国高质量出口的影响效应。鉴于此,本研究利用2009—2022年中国269个地级市的数据,采用交叠双重差分模型,分析信息消费对中国高质量出口的影响效应。本研究具有以下边际贡献:首先,采用交叠双重差分模型,识别信息消费试点政策影响出口技术复杂度的净效应及其内在作用机制,拓展了出口技术复杂度影响因素和信息消费影响效应的研究视野。其次,从城市规模、资源禀赋、信息基础设施水平、收入差距和环境污染程度等多个维度,探究信息消费对高质量出口的异质性影响,丰富相关领域的研究内容。此外,考虑人力资本、金融发展和产权保护等创新环境因素的调节作用,为完善信息消费试点政策和促进信息消费发展提供经验证据,以充分推动中国出口质量的提升。最后,利用空间双重差分模型(SDID),考察信息消费政策实施的空间溢出效应,拓展信息消费政策溢出效应相关研究的探讨。

    为提高消费水平和拉动国内需求,国务院于2013年颁布《关于促进信息消费扩大内需的若干意见》,指出从需求端充分挖掘市场消费潜力、激发市场活力、改善消费环境,从供给端完善宽带网络、物流等基础设施建设,鼓励信息技术应用和产品研发,增加信息产品数量和质量,从而促进消费转型升级、经济结构优化和生产效率的提高,以此加快建设以内循环主、外循环为辅的新发展格局。此后,工信部于2013年公示包含北京市、深圳市、扬州市等68个地级市在内的首批信息消费试点城市名单,2014年公示包含上饶市、黄石市等36个地级市在内的第二批信息消费试点城市名单。试点地区在培育消费新动能、发展消费新形态、提升信息服务以及扩大国内有效需求等方面发挥积极作用,为推动中国高质量出口提供新的动能。随后,2018年和2022年工信部与国务院相继发布《扩大和升级信息消费三年行动计划(2018—2020年)》和《扩大内需战略规划纲要(2022—2035年)》,进一步强调要因地制宜有序推动信息消费发展的深度和广度,加快消费新型业态发展,持续加强消费基础性作用,提高经济发展的内生动力。

    本研究主要从供需视角探讨信息消费对中国高质量出口的影响。需求端方面,一是信息消费发展使得消费者借助淘宝、京东等网络平台充分获取商品质量信息和价格,能够快速寻找到心仪商品。同时,消费者也会对产品的挑选变得愈发“专业”和“挑剔”,对产品质量的期望日益增高,迫使企业改进生产工艺、创新产品,提高产品质量[13]。二是信息消费发展通过网络平台方式使得消费者与厂商进行实时连接,能及时将产品的使用体验向生产者反馈,使得生产者以产品生产为中心的模式向以消费为中心的模式转变,改变供需结构,推动产业结构向服务化、智能化方向转型,促使产业向中高端生产环节攀升,推动出口技术复杂度的提升。

    供给端方面,一是信息消费发展使得企业借助亚马逊、阿里巴巴等电商平台,在线开设店铺并销售产品,缩减企业进入国外市场的各类成本支出,如厂房建设、设备购买和产品销售推广等支出,提高企业利润水平,缓解企业研发新产品或改进旧产品技术所面临的资金压力,推动出口技术复杂度提升。二是人工智能、物联网、大数据和5G技术等信息技术的飞速发展,赋予机器设备强大的学习、计算和协作能力,为企业产品质量升级改造带来信息技术的驱动力,使得复杂和先进工艺广泛应用到产品生产过程,增加产品技术含量[14],进而提升出口技术复杂度。

    基于以上分析,提出如下假设:

    假设1:信息消费能推动中国高质量出口。

    信息消费推动中国高质量出口的影响渠道主要包括:

    一是技术创新效应。一方面,信息消费发展使得消费者以传统方式获取产品信息的渠道逐渐衰减,而以互联网、大数据和5G技术等为代表的新型信息技术来获取产品信息的渠道逐渐增加,引致消费者增加对多样化信息消费服务或产品的需求,信息产品或服务模式由此不断迭代更新,继而推动城市创新水平提升[12]。另一方面,信息消费发展将生产者和消费者以网络形式链接起来,大幅提高企业获取消费者消费需求信息的速度。同时,为吸引更多消费者购买产品,企业会增加对技术研发或创新活动的资金投入,提高现有技术水平和生产率,以生产更多种类和更优质产品,满足消费者新的需求,从而提升企业技术创新水平,促进产品出口技术含量提升以提高出口质量。

    二是外资流入效应。一方面,试点城市的互联网、大数据和人工智能等信息技术应用,为外资企业克服跨地区生产合作所面临的距离、制度、语言和风俗习惯等障碍提供解决的可能性,加速外资企业与本土企业在要素、知识等方面的融合发展,使得外资企业快速全方位深入熟悉国内市场情况,增强外资流入意愿。另一面,试点城市活跃的消费市场,巨大的市场消费潜力,为外资企业进入提供庞大的消费群体和良好的市场投资前景[15],吸引外资流入。外资流入带来技术转移效应,促进国内企业生产技术水平提升以优化出口产品质量。

    三是消费倍增效应。远程教育、在线医疗、直播带货、智慧家居和智慧办公等新型消费业态和方式,引导消费者增加对个性化、多元化、高端化产品的需求,提升消费品质。同时,微信、支付宝等移动支付软件,为消费者提供安全、便利的消费支付方式,在加快消费者决策速度的同时降低消费过程中支付的“心理痛感”,从而提高居民消费的积极性[16]。此外,数字技术的应用促使金融机构逐渐由线下转为线上,为居民消费提供便利渠道获取信贷资金,进而有利于释放居民消费潜力。国内消费需求扩容升级,产生巨大市场潜力,扩大企业获利空间,有助于企业生产技术提高,促进产品出口技术复杂度提升[17]

    四是市场竞争效应。试点城市大力推动信息基础、应用和支撑等关键软件开发与应用,促进与信息化相关产业链上下游企业蓬勃发展,吸引众多企业进入,提高试点城市的市场竞争程度[18]。另外,试点城市的大数据、物联网等信息基础设施发展,提高信息资源生产效率,增加信息资源供给数量与质量的同时,大幅提升信息资源在市场中的传播能力和速率,使得经济主体能以较低成本获取大量优质信息资源。而随着经济主体获得的信息资源数量上升,市场透明度和信息不对称问题得到有效改善,有助于吸引众多优质企业进入与当地企业开展良性竞争[19],提高市场竞争程度。市场竞争程度越高,会迫使企业加大对技术开发或产品创新的资金投入,提升生产技术水平和产品创新能力,保持其竞争优势和市场地位,从而提升出口技术复杂度。

    基于以上分析,提出如下假设:

    假设2:信息消费通过技术创新、外资流入、消费倍增和市场竞争来推动中国高质量出口。

    人力资本、金融发展和知识产权保护是影响试点城市数字内容产品创新和应用的重要因素[20]

    首先,与土地、资本等生产要素相比,人力资本具有能动性、再生性和创造性等特质,是推动企业创新能力提升的重要载体。而地区创新能力提升能有效克服地区信息建设所面临的技术困难,为其提供必要软硬件基础。人力资本水平越高,知识、技术和信息等要素资源越易被快速应用到信息产品生产与服务过程,提高信息产品产出效率,扩大信息化产品质量与数量[21],从而促进信息消费发展。人力资本还能通过监督、决策优化等方式避免管理者短视行为,提高企业组织管理能力,为信息基础、应用和支撑软件创新活动顺利进行和线上新型服务业态发展减少阻力[22],从而提升信息消费水平。

    其次,数字产品的研发创新活动具有高投入、高风险、长周期和收益回报不确定性等特点,这将导致企业面临较高的融资约束和较大的调整成本。因此,能否获得长期稳定的资金支持,将影响数字化产品开发与应用,从而作用于信息消费发展。而金融发展水平在拓宽企业融资渠道的同时提供竞争力借贷利率和个性化融资方案,有效缓解企业内部资金不足的窘境,也能避免企业因持有大量闲置现金而面临高额资金占用成本,从而增加企业现金流量和新产品研发创新活动资金使用[23],提高企业风险承受能力和试错空间以确保创新活动顺利开展,助力信息消费发展。另外,金融发展水平较高的城市,金融市场的信息披露制度、服务平台等方面建设相对完善,能减少投资者对信息搜寻、整理的成本,克服信息不对称问题,有助于形成公开透明化的融资环境[24],有效引导资金流入创新能力强的企业,激励企业研发推出数字化产品速度,助力信息消费发展。

    最后,现实中大量的数字化产品、技术与资产均以数据编码形式显现,其被抄袭、复制和盗取的成本非常低,导致侵权事件频繁发生,严重削弱企业对数字技术与产品创新的投入意愿。而知识产权保护能减少专利、技术和知识等侵权行为发生,提升其模仿和窃取的机会成本,降低企业数字产品研发创新面临的贬值风险[25]。因此,知识产权保护能减少企业数字技术和产品创新中的“搭便车”行为,确保企业在开展数字技术和产品研发创新时能够拥有暂时性垄断收益,从而激励企业从事数字创新活动的积极性,增加数字产品数量和质量,推动信息消费发展。另外,知识产权保护也能规避企业与其他创新主体之间存在的道德风险,缓解合作创新过程中面临的产权纠纷,加强数字技术创新合作意愿[26],实现知识、技术共享与交流,大幅增加企业数字产品创新成果,助力信息消费发展。

    基于以上分析,提出如下假设:

    假设3:信息消费推动中国高质量出口将受到人力资本、金融发展和知识产权保护的正向调节作用

    为考察信息消费是否推动中国高质量出口,参考何凌云和张元梦的研究[11],构建双重差分模型,具体形式为:

    $$ \text { ETS }_{i t}=\beta_0+\beta_1 \text { Policy }_{i t}+\delta \sum X_{i t}+\gamma_i+\mu_t+\varepsilon_{i t} $$ (1)

    其中,ESTit表示t时期i城市的出口技术复杂度;Policy表示信息消费试点政策虚拟变量,若城市i在时期t属于信息消费试点城市,则Policyit取值为1,否则取值为0;∑Xit表示控制变量集,γi为城市固定效应,μt为年度固定效应;εit为随机误差项。

    1.   被解释变量:高质量出口

    参考Richardo等的做法[27],利用贸易数据额修正的出口技术复杂度作为城市高质量出口的代理变量。具体测算步骤如下。

    首先,根据国研网对外贸易数据库中HS2位编码大类产品出口数据,计算产品层面出口技术复杂度,公式为:

    $$ { PRODY }_{k t}=\sum\limits_j \frac{x_{j k t} / X_{j t}}{\sum\limits_j \left(x_{j k t} / X_{j t}\right)} Y_{j t} $$ (2)

    其中,PORDYktt时期内k产品出口技术复杂度,xjkt是t时期内j省份k产品出口额,Xjtt时期内j省份所有产品出口总额,xjkt/Xktt时期内j省份k产品的出口份额,$ \frac{x_{j k t } / X_{j t}}{\sum x_{j k t} / X_{j t}} $为t时期j省份k产品出口比较优势指数,Yjt为t时期省份j人均GDP

    其次,计算各省出口技术复杂度,公式为:

    $$ E X P Y_{j t}=\sum\limits_k\left(x_{j k t} / X_{j t}\right) P R O D Y_{k t} $$ (3)

    其中,EXPYjtt时期j省份出口技术复杂度。

    最后,参考钞小静等研究[28],以各地级市第三产业占GDP的比重与各省出口技术复杂度(EXPYjt)相乘得到各地级市出口技术复杂度(ESTit)。

    2.   核心解释变量:信息消费

    根据工信部公示的两批信息消费试点城市名单,设置试点虚拟变量和试点时间虚拟变量,并将其交互项(Policy=treat×time)作为核心解释变量。其中,鉴于信息消费试点政策实施时间分别在2013年和2014年年底实施,故将2014年和2015年作为试点地区受到政策影响的时间点。同时,为满足双重差分法个体处理稳定性假设以确保回归结果的准确性,将只在县级或某一区试点的地级市从样本中剔除,最终得到76个试点城市作为处理组,193个非试点城市作为控制组。

    ① 试点城市名单:上海、乐山、佛山、保山、克拉玛依、兰州、北京、北海、南京、南充、南宁、南昌、厦门、合肥、吉林、吴忠、咸阳、哈尔滨、唐山、嘉兴、嘉峪关、大庆、大连、天津、太原、威海、宁波、安庆、宝鸡、徐州、惠州、成都、新乡、新余、本溪、杭州、柳州、株洲、桂林、武汉、汕头、沈阳、泉州、洛阳、济宁、海口、淄博、深圳、潍坊、牡丹江、玉溪、珠海、白城、白银、盐城、眉山、石家庄、福州、秦皇岛、绍兴、绵阳、芜湖、苏州、蚌埠、衡阳、襄阳、西宁、贵阳、郑州、郴州、重庆、金华、银川、长治、马鞍山、黄石。

    3.   机制变量

    一是技术创新(Pat)。地区技术创新水平越高,科技创新成果越丰富,越能推动产品技术升级,进而生产更多高技术含量产品出口。参考尹天宝等[29]研究,采用每万人拥有的专利申请授权数量表示地区技术创新水平。二是外资流入(FDI)。外资流入使本地区以低成本、高效率方式获得外来先进的生产技术、工艺流程和管理经验,提高地区生产效率和创新水平,推动地区产品出口技术复杂度提升。参考赵晓阳等的研究[15],采用实际利用外商直接投资额衡量外资流入。三是消费倍增(Dem)。消费倍增产生多样性消费需求,迫使国内企业不断改进现有技术水平或进行多样化产品创新,生产更高质量和更多样化的产品,满足消费者新的消费需求,从而推动出口技术复杂度提升。参考黄庆华和向静的研究[30],采用人均社会消费品零售总额来衡量消费质与量的倍增。四是市场竞争(Cmpe)。市场竞争度让在位企业的市场地位面临潜在竞争者威胁,使企业加大产品技术研发或创新资金投入,促进产品技术升级,增加其核心竞争力,从而提升出口技术复杂度。参考牛志伟等的研究[31],采用上市公司营业收入数据,利用HHI方法计算并以其倒数衡量地区市场竞争程度,该值越大表明市场竞争越激烈。

    4.   控制变量

    为避免遗漏变量导致的回归结果偏误,结合现有文献研究[3, 13],选取如下控制变量:经济发展水平(pgdp),用城市人均GDP来衡量;产业结构(Inst),用第三产业增加值与第二产业增加值的比值来衡量;科技投入(Ino),用城市科技支出与城市GDP的比值衡量;人口密度(pip),用城市年末人口数量与其行政区域面积比值衡量;对外开放程度(open),用城市进出口总额与城市GDP的比值衡量;基础设施水平(road),用城市人均道路面积衡量。

    为避免2008年金融危机的干扰,囿于数据的可得性,将样本时间段设定为2009—2022年,并剔除试点政策只在某一区、县实施的地级市和数据缺失严重的地级市,共计得到269个地级市(不包括港、澳、台等地区)。测算出口技术复杂度的数据来自国研网对外贸易数据库,市场竞争数据来自国泰安(CSMAR)数据库,其他变量数据来源于《中国城市统计年鉴》和各地区统计年鉴以及统计公报。

    表  1  主要变量描述性统计
    变量类型 变量名 符号 单位 观测值 平均值 标准差 最小值 最大值
    被解释变量 出口技术复杂度 EST - 3 766 2.538 1.268 0.337 9.825
    核心解释变量 信息消费 Policy - 3 766 0.176 0.380 0.000 1.000
    控制变量 经济发展 pgdp 万元 3 766 5.395 3.556 0.010 46.775
    产业结构 Inst - 3 766 1.034 0.596 0.109 5.650
    科技投入 Ino - 3 766 0.275 0.276 0.013 6.310
    人口密度 pip 千人/km2 3 766 0.410 0.352 0.000 2.648
    对外开放 open - 3 766 0.183 0.294 0.000 2.462
    基础设施 road 千人/km2 3 766 0.018 0.008 0.000 0.090
    机制变量 技术创新 Pat 件/百人 3 766 0.258 0.500 0.000 5.330
    外资流入 FDI 千亿元 3 766 0.061 0.145 0.000 2.048
    消费规模 Dem 万元/人 3 766 2.172 1.975 0.000 16.596
    市场竞争 Cmpe - 3 766 4.676 5.555 1.000 46.185
    下载: 导出CSV 
    | 显示表格

    表 2报告了信息消费影响出口技术复杂度的基准回归结果。列(1)仅控制核心解释变量,列(2)加入控制变量,列(3)加入城市固定效应,列(4)同时加入城市固定和时间固定效应。结果发现,无论是否加入控制变量、城市固定或城市与时间双向固定效应,信息消费试点政策的估计系数在1%水平上显著为正,表明信息消费能提升出口技术复杂度,推动城市高质量出口。信息消费试点政策以消费为抓手,借助信息化拓宽消费领域,扩大国内市场消费规模,提高企业获利空间,有利于企业改进生产技术和扩大生产规模,满足市场多样化需求,提高产品技术含量和附加值。另外,信息消费能改善消费者面临的信息不对称问题,转变居民消费结构和模式,刺激更多个性消费、定制消费等高端享受型消费,这会倒逼国内企业加大技术研发的投入或进口高技术含量的中间品或半成品,生产更多种类和更高质量产品,满足消费者异质性消费需求,从而促进地区出口技术复杂度的提升,推动中国高质量出口。假设1得到了验证。

    表  2  基准回归结果
    变量 (1) (2) (3) (4)
    Policy 1.180*** 0.451*** 0.373*** 0.119***
    (20.73) (10.52) (12.36) (8.02)
    pgdp 0.098*** 0.196*** 0.013***
    (13.29) (40.62) (2.91)
    Inst 1.326*** 1.852*** 0.872***
    (36.38) (78.26) (28.52)
    Ino 0.353*** 0.320*** 0.122***
    (4.24) (7.81) (3.91)
    pip 0.071* -0.831*** -0.330***
    (1.68) (-16.82) (-5.02)
    open -0.331*** 0.353*** 0.107**
    (-6.39) (4.75) (2.43)
    road 27.860*** 32.821*** -2.644**
    (14.10) (20.44) (-2.17)
    常数项 2.331*** -0.005 -0.898*** 1.676***
    (113.45) (-0.11) (-19.74) (29.94)
    城市固定效应 未控制 未控制 控制 控制
    年份固定效应 未控制 未控制 未控制 控制
    样本量 3 766 3 766 3 766 3 766
    R2 0.125 0.651 0.896 0.980
    注:* * *、* *和*分别表示在1%、5%和10%的水平下显著,括号内为t统计量。下表同。
    下载: 导出CSV 
    | 显示表格
    1.   平行趋势检验

    双重差分模型的重要前提条件是实验组与控制组在政策实施时点前满足平行趋势假设,即试点城市与非试点城市的出口技术复杂度在政策实施前需保持相同变化趋势。借鉴张国建等研究[32],将政策实施前第5年作为基期,使用事件研究法进行平行趋势检验,具体模型设定形式如下:

    $$ E S T_{i t}=\beta_0+\sum\limits_{s=1}^4 \beta_{pre\_s } S_{pre\_s }+\beta_{ {current }} S_{ {current }}+\sum\limits_{s=1}^8 \beta_{post\_s} S_{post\_s}+\delta \sum X_{i t}+\gamma_i+\mu_t+\varepsilon_{i t} $$ (4)

    其中,Spre_sScurrentSpost_s为信息消费政策实施前、当年和实施后的年份虚拟变量与政策试点城市虚拟变量的交互项,其他变量说明与式(1)一致。由平行趋势图(见图 1)可知,试点政策实施前的估计系数值均不显著,即政策实施前试点城市与非试点城市的出口技术复杂度并无显著差异,通过平行趋势检验。

    图  1  平行趋势检验
    2.   内生性处理

    在基准回归中控制城市与时间固定效应能缓解遗漏变量对回归结果造成的偏误,但信息消费试点城市选取是依据地区经济发展、基础设施和人口密度等多方面因素的考量,并不是随机选取的[11]。并且,出口技术复杂程度较高的地区,一般也拥有良好的经济基础、投资环境和完善的基础设施建设,易于参与产品价值链分工网络。即信息消费与出口技术复杂度可能存在反向因果关系导致基准回归结果存在偏误。因此,本研究采用工具变量法缓解内生性问题。

    鉴于信息消费与互联网普及程度和电子商务消费水平密切相关[5],而互联网技术发展最先是从电话拨号上网开始,随后才是宽带接入技术。即历史固定电话机数量越多,该地区的信息网络普及水平程度越高。而历史固定电话机数量不大可能影响当前城市出口技术复杂度。同时,历史邮局数量越多,该城市网络快递点的数量也可能越多,从而影响当前城市电子商务消费水平,但历史邮局数量却不大可能影响当前城市出口技术复杂度。因此,本文选取1984年城市固定电话机和邮局拥有数量作为信息消费的工具变量。考虑到1984年固定电话和邮局数量并不随时间变化,参考黄群慧等[33]研究,分别引入上一年全国互联网用户数与1984年固定电话机数量的交互项(DH)和1984年邮局数量的交互项(GD)来构建工具变量,并采用两阶段最小二乘法进行估计,结果如表 3所示。列(1)(2)工具变量系数均在1%水平上显著为正,说明工具变量与核心解释变量有较好的相关性。并且Kleibergen-Papa rk LM统计量的P值均为0.000以及Wald rk F统计量远大于Stock-Yogo弱识别检验10%水平上的临界统计值16.38,说明工具变量选取比较合理。列(3)(4)显示信息消费的系数估计值在1%水平下显著为正,表明信息消费能提升出口技术复杂度,推动中国高质量出口的结论并不会受内生性问题的干扰。

    表  3  2SLS回归估计结果
    变量 第一阶段估计结果 第二阶段估计结果
    (1) (2) (3) (4)
    DH 0.008***
    (7.28)
    GD 0.030***
    (11.24)
    policy 1.291*** 0.790***
    (6.45) (5.81)
    Kleibergen-Papa 70.123 75.668
    rk LM统计量 [0.000] [0.000]
    Kleibergen-Papa 53.034 126.412
    Wald rk F统计量 {16.38} {16.38 }
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    样本量 2 968 2 756 2 968 2 756
    R2 0.914 0.950
    注:[]数值为P值,{}数值为Stock-Yogo弱识别检验10%水平上的临界值。
    下载: 导出CSV 
    | 显示表格
    3.   安慰剂检验

    根据Bertrand等的研究[34],交叠双重差分模型可能会存在序列相关问题,导致估计结果的标准误变小,出现过度拒绝原假设的情形。为此,本研究借鉴吴茵茵等的研究[35],采用非参数置换方法进行安慰剂检验。具体过程是先在研究样本中每次随机抽取76个城市作为虚假的实验组,将余下193个城市作为对照组,在2010—2021年时间段随机抽取时间作为政策实施时间点,将其过程重复2 000次,共计获得2 000个虚假实验组以及虚假政策时间的交互项,重新进行估计,得到2 000个虚假的估计系数分布图,如图 2所示。可知,虚假估计的系数值服从正态分布,且大多数值集中于0附近,而基准回归系数值0.119位于分布的低尾处,远离虚假估计系数分布。这表明基准回归结果通过安慰剂检验,估计结果具有稳健性。

    图  2  安慰剂检验
    4.   PSM-DID法

    为尽可能缩小实验组和控制组的差异,避免样本选择性偏差导致基准回归结果产生偏误,进一步采用PSM-DID法进行稳健性估计。具体而言,选取控制变量中基础设施水平、经济发展水平、人口密度、产业结构和对外开放程度作为匹配的协变量,参考余长林和马青山的研究[36],分别采用卡尺最近邻匹配的混合匹配、逐年匹配方法进行Logit回归估计,得到倾向得分值来筛选样本,并重新运用交叠DID估计,结果见表 4。可知,无论采用混合匹配还是逐年匹配方法,信息消费政策虚拟变量的回归系数均在1%水平上显著为正,说明信息消费确实对中国高质量出口有显著推动作用,结论具有稳健性。

    表  4  PSM-DID法估计结果
    变量 混合匹配 逐年匹配
    (1) (2)
    Policy 0.080*** 0.104***
    (5.44) (6.94)
    常数项 1.583*** 1.619***
    (28.07) (25.99)
    控制变量 控制 控制
    城市固定效应 控制 控制
    年份固定效应 控制 控制
    样本量 3 684 3 221
    R2 0.979 0.979
    下载: 导出CSV 
    | 显示表格
    5.   异质性处理效应

    根据Goodman-Bacon的研究[37],交叠双重差分模型估计得到平均处理效应是由处理组与从未处理组、晚处理组与从未处理组、早处理组与晚处理组这三类结果的加权平均值。其中,基于早处理与晚处理组得到差分结果是导致整体估计结果产生偏误或相反的主要因素。依据Goodman-Bacon的DID分解定理[37],计算这类估计结果所占权重,判断是否对整体结果产生实质性影响,结果如表 5。分解结果表明,早处理与晚处理这类负权重仅为1.4%,而其他两类所占权重为98.6%。说明导致有偏结果的这类权重比例非常小,可以忽略不计,并不会对基准回归结果造成影响。

    表  5  Goodman-Bacon分解结果
    DD Comparison Weight Avg DD Est
    Earlier T vs. Later C 0.011 0.065
    Later T vs. Earlier C 0.014 -0.214
    T vs. Never treated 0.975 0.133
    注:T=Treatment;C=Comparison。
    下载: 导出CSV 
    | 显示表格
    6.   其他稳健性检验

    为进一步确保基准回归结果的可靠性,本研究还从以下几方面进行稳健性检验。

    一是更换试点名单。将政策试点只在某一区或县的地级市纳入试点名单,重新进行估计。表 6列(1)显示信息消费政策虚拟变量的系数值为正,并在1%水平下显著为正,与基准回归结果基本一致。

    表  6  其他稳健性检验
    变量 更换试点名单 重新度量因变量 剔除样本 缩尾处理 截尾处理 排除其他政策的影响
    (1) (2) (3) (4) (5) (6) (7)
    Policy 0.108*** 0.013*** 0.089*** 0.074*** 0.119*** 0.118*** 0.100***
    (7.94) (8.02) (6.72) (5.14) (8.02) (6.52) (4.24)
    常数项 1.672*** 0.141*** 1.665*** 1.606*** 1.676*** 1.597*** 1.714***
    (30.69) (23.92) (32.48) (29.66) (29.94) (15.52) (18.32)
    控制变量 控制 控制 控制 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制 控制 控制 控制
    样本量 3 948 3 766 3710 3 766 3 766 1 414 1 372
    R2 0.980 0.980 0.979 0.978 0.980 0.984 0.980
    下载: 导出CSV 
    | 显示表格

    二是重新度量因变量。鉴于产品特征变化随时间的变动相对较小,而人均GDP随时间变化的程度较大,会导致产品出口技术复杂度变化。因此,为保证出口技术复杂度的跨期稳定性,参考齐俊妍等[38]研究,对其进行标准化处理。表 6列(2)显示信息消费系数在1%水平上显著为正。

    三是剔除样本。北京、上海、天津和重庆这四个直辖市由于行政区划的特殊地位以及经济发展水平等方面远超其他城市,直接纳入样本进行回归,可能导致估计结果出现偏误。因此,剔除四个直辖市的样本,进行重新估计。表 6列(3)结果显示,信息消费政策虚拟变量的系数值在1%水平下依旧显著为正。

    四是缩减样本。为避免样本中异常值的影响,对数据进行1%双侧缩尾和截尾处理。表 6列(4)(5)显示信息消费变量系数值在1%水平下仍然显著为正。

    五是排除其他政策的影响。信息消费政策试点对城市出口技术复杂度的影响,可能受到同期“智慧城市”和“宽带中国”政策的干扰。因此,参考吴茵茵等的研究[35],分别保留“智慧城市”和“宽带中国”政策试点城市的样本,重新进行回归。表 6列(6)(7)显示信息消费政策虚拟变量的估计系数在1%水平下显著为正,再次验证基准回归结果的稳健性。

    1.   城市规模异质性

    根据《国务院关于调整城市规模划分标准的通知》,以地区常住人口规模100万作为划分标准,将人口规模超过100万的城市界定为大型城市,低于100万的城市界定为中小型城市,进行分组回归。表 7列(1)(2)显示信息消费估计系数值在1%显著水平上显著为正,考虑到两组回归系数的置信区间存在重叠,影响组间系数差异的统计显著性,本文还通过费舍尔组合检验法进行检验,经验P值为0.075,通过检验,但信息消费对大型城市出口技术复杂度的促进作用高于中小型城市。可能的原因是,大型城市拥有良好的基础设施、庞大的潜在市场、较多的政策扶持和较高的财政自主权以及高效的管理水平,能为物联网、云计算等技术密集型信息产业发展提供雄厚的财力支撑和良好的基础环境。相比中小城市,大型城市工资水平相对较高,能吸引更多周边地区小城市人口流入,为信息消费城市建设提供充足劳动力,从而推进中国高质量出口。

    表  7  异质性分析(一)
    变量 城市规模 资源禀赋
    大型城市 中小型城市 资源禀赋城市 非资源禀赋城市
    (1) (2) (3) (4)
    Policy 0.091*** 0.064*** 0.041** 0.117***
    (5.19) (2.92) (2.12) (6.24)
    常数项 1.664*** 1.668*** 1.802*** 1.676***
    (20.75) (23.03) (24.23) (21.28)
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    经验P值 0.075 0.010
    样本量 1 848 1 918 1 512 2 254
    R2 0.986 0.975 0.978 0.982
    下载: 导出CSV 
    | 显示表格
    2.   资源禀赋异质性

    按照《全国资源型城市可持续发展规划(2013—2020年)》将样本分为资源禀赋城市和非资源禀赋城市,进行分组回归。表 7列(3)(4)显示信息消费估计系数值至少在5%水平上显著为正,并通过费舍尔组合检验,且信息消费对非资源禀赋城市出口技术复杂度的促进效果大于资源禀赋城市。可能的原因是,相比非资源禀赋城市,资源禀赋城市主要以自然资源开采和加工为主导产业,会导致城市产业结构僵化和经济不可持续发展,并且资源禀赋城市的创新基础相对薄弱,数字产品研发创新动力较弱。另外,过度依赖资源发展经济,可能会出现“资源诅咒”和“荷兰病”等现象,抑制信息消费对出口技术复杂度的提升效应。

    3.   信息基础异质性

    采用互联网普及率衡量信息基础水平,并以其中位数为基准,将样本分为高信息基础与低信息基础城市两组进行回归。表 8列(1)(2)显示信息消费对高信息基础城市出口技术复杂度具有显著的提升作用,而对低信息基础城市出口技术复杂度的影响却不显著,且通过费舍尔组合检验。可能的原因是,互联网发展程度较高的城市更易为消费者提供低成本甚至免费搜索信息的开放式平台,有效打破消费者传统线下消费的方式,有助于信息消费扩张。因此,高信息基础城市信息消费更易于推动高质量出口。

    表  8  异质性分析(二)
    变量 信息基础 收入差距 污染程度
    低信息基础 高信息基础 低收入差距 高收入差距 低污染程度 高污染程度
    (1) (2) (3) (4) (5) (6)
    Policy 0.037 0.082*** 0.144*** 0.085*** 0.121*** 0.099***
    (1.42) (3.00) (9.06) (3.57) (5.38) (5.84)
    常数项 1.312*** 2.081*** 1.552*** 1.837*** 1.668*** 1.385***
    (17.74) (27.64) (23.82) (21.89) (26.97) (18.95)
    控制变量 控制 控制 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制 控制 控制
    经验P值 0.045 0.035 0.000
    样本量 1 868 1 893 1 848 1 918 1 876 1 890
    R2 0.984 0.980 0.981 0.980 0.973 0.988
    下载: 导出CSV 
    | 显示表格
    4.   收入差距异质性

    采用城市居民与农村居民可支配收入之比衡量城乡收入差距,并以其中位数为基准,将样本分为高收入差距与低收入差距城市两组进行回归。表 8列(3)(4)显示信息消费对低收入差距城市出口技术复杂度的促进效果大于高收入差距城市,且通过费舍尔组合检验。可能的原因是,收入差距过大,意味着城市高、低收入群体比例较大,而中等收入群体比例较低。相对中等收入群体,高收入群体的边际消费倾向相对较低;而低收入群体的边际消费倾向较高,但消费能力较低,更倾向于储蓄而非消费,从而抑制整体消费水平,消费潜力难以释放,制约信息消费的发展,阻碍出口技术复杂度提升。

    5.   污染程度异质性

    采用各城市PM2.5浓度衡量城市污染程度,并以其中位数为基准,将样本分为高污染与低污染城市,进行分组回归。表 8列(5)(6)显示信息消费对低污染程度城市出口技术复杂度的促进作用明显大于高污染程度城市,且通过费舍尔组合检验。长期生活在污染程度较高的地区会增加各种慢性疾病发病率的概率,危害居民身体健康。这会降低劳动力的工作效率,减少劳动者收入,进而抑制居民消费意愿,制约信息消费发展,从而阻碍本地出口技术复杂度提升。另外,环境污染加剧也会提高本地居民流出倾向,特别是对环境污染敏感的高素质、高技能创新型人才,其追求舒适、宜居的生活环境意愿更为强烈,进而加剧当地人才流失,阻碍地区信息化产品的研发与创新,抑制信息消费对高质量出口的促进作用。

    为检验假设2,参考钟坚和冯峥的研究[26],设定如下机制模型,分析信息消费对中国高质量出口的影响机制。

    $$ { Medi }_{i t}=\beta_0+\beta_1{ Policy }_{i t}+\delta \sum X_{i t}+\gamma_i+\mu_t+\varepsilon_{i t} $$ (5)

    其中,Medi为中介变量,分别表示技术创新(Pat)、外资流入(FDI)、消费倍增(Dem)和市场竞争(Cmpe),其他变量解释与式(1)一致。

    表 9列(1)显示信息消费估计系数为0.050且在1%水平上显著为正,表明信息消费通过促进技术创新推动出口技术复杂度的提升。信息消费试点城市多样化的信息产品,能够扩大研发人员的社会交往活动范围,丰富科研人员的生活,提高科研人员工作效率,促进科技创新成果产出的增加,提高地区技术创新水平,从而推动高质量出口。列(2)信息消费的估计系数为0.018且在1%水平上显著为正,说明信息消费吸引外资流入,缓解了地区购买外来新专利与新生产技术所面临外汇需求短缺的困境,推动地区出口技术复杂度提升,提高出口质量。列(3)信息消费的估计系数为0.522且在1%水平上显著为正,说明信息消费发展能通过消费倍增效应,推动地区出口技术复杂度的提升。信息消费发展促使线上交易活动盛行,能快速地获取产品价格、质量等方面的信息,提高消费质与量,推动地区出口技术复杂度的提升。列(4)信息消费的估计系数为1.286且在1%水平上显著为正,说明信息消费通过加剧市场竞争促进地区出口技术复杂度提升。信息消费发展使得企业能及时获得用户使用产品体验的信息反馈,为赢得市场先机、抢占更大的市场份额,企业研发或改进现有技术,提高产品差异性或质量,阻碍潜在竞争者的进入,从而促进地区出口技术复杂度的提高。

    表  9  机制分析
    变量 技术创新 外资流入 消费倍增 市场竞争
    (1) (2) (3) (4)
    Policy 0.050*** 0.018*** 0.522*** 1.286***
    (4.70) (3.00) (10.57) (6.87)
    常数项 0.252*** -0.008 1.305*** 4.751***
    (4.88) (-0.38) (3.44) (8.63)
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    样本量 3 766 3 766 3 766 3 766
    R2 0.944 0.840 0.935 0.660
    下载: 导出CSV 
    | 显示表格

    为检验假设3,参考尹天宝等的研究[29],将调节变量及其与信息消费的交乘项引入基准模型,具体模型设定如下:

    $$ { ETS }_{i t}=\beta_0+\beta_1 { Policy }_{i t}+\beta_2 { Adjust }_{i t}+\beta_3 { Adjust }_{i t} \times \text { Policy }_{i t}+\delta \sum X_{i t}+\gamma_i+\mu_t+\varepsilon_{i t} $$ (6)

    其中,Adjust为调节变量,分别表示人力资本(hum)、金融发展(fd)与知识产权保护(ipr),其他变量的解释与式(1)相同。

    参考赵彦飞等的研究[20],使用各城市科学研究、技术服务行业就业人数占总人口的比重衡量人力资本;参考尹天宝等的研究[29],使用各城市金融机构存贷款余额与GDP比重衡量金融发展;参考沈国兵和黄铄珺的研究[39],使用各城市知识产权类结案数的比较优势指数衡量知识产权保护。表 10列(1)显示人力资本与信息消费交乘项的系数为0.011,在5%水平上显著为正,说明拥有良好的人力资本水平,不仅能在政策实施过程学习、消耗和吸收新知识来增加信息化产品的成果产出,也能加快信息化产品推广与使用,提高信息消费水平,从而促进地区出口技术复杂度的提升。列(2)中金融发展与信息消费的交乘项系数为0.045且在1%水平上显著为正,说明地区金融发展水平拓宽企业融资渠道,有效缓解企业所面临的融资约束,充分保证企业智能化、数字化产品研发创新所需资金,确保研发创新活动顺利开展,助力信息消费提升地区出口技术复杂度。列(3)中知识产权保护和信息消费的交乘项的系数也显著为正,说明知识产权保护的加强能增加企业对数字产品技术和知识模仿抄袭的侵权成本,确保创新企业拥有超额收益,从而激发企业创新热情,生产优质的智能化、数字化产品与服务,提高信息消费水平,从而推动高质量出口。

    表  10  调节效应分析
    变量 人力资本 金融发展 知识产权保护
    (1) (2) (3)
    Policy 0.085*** 0.053*** 0.106***
    (5.86) (3.96) (7.05)
    Policy×hum 0.011**
    (2.51)
    hum 16.715***
    (5.65)
    Policy×fd 0.045***
    (9.91)
    fd -0.003
    (-0.42)
    Policy×ipr 0.012***
    (2.91)
    ipr 0.013
    (1.10)
    常数项 1.251*** 1.128*** 1.090***
    (15.83) (17.31) (15.21)
    控制变量 控制 控制 控制
    城市固定效应 控制 控制 控制
    年份固定效应 控制 控制 控制
    样本量 3 766 3 766 3 766
    R2 0.981 0.981 0.980
    下载: 导出CSV 
    | 显示表格

    信息消费试点城市拥有良好的信息化基础设施,得益于其先进的技术、管理经验和知识等,有可能对邻近地区产生溢出效应。另外,信息消费试点城市通过出口效应学习发达国家的先进经验与生产技术等,不仅可以促进本地出口技术复杂度提升,也可利用溢出效应提升邻近地区出口技术复杂度。因此,本研究建立空间双重差分杜宾模型,考察信息消费对高质量出口的空间溢出效应,模型设定如下:

    $$ \begin{gathered} { EST }_{i t}=\beta_0+\beta_1 { Policy }_{i t}+\beta_2 W \times { Policy }_{i t}+\rho W \times { EST }_{i t}+\delta \sum X_{i t} \\ +\beta_3 \sum W \times X_{i t}+\gamma_i+\mu_t+\varepsilon_{i t} \end{gathered} $$ (7)

    其中,W为空间权重矩阵,分别采用邻接、地理距离和经济距离权重矩阵反映信息消费对邻近地区出口技术复杂度的影响效应;W×ESTitW×PolicyitW×Xit分别为地区出口技术复杂度、信息消费和控制变量的空间滞后项;ρ为空间自回归系数。其他变量含义与式(1)一致。

    为避免空间杜宾模型点估计结果所造成的偏误,将结果进行偏微分效应分解,得到信息消费对本地区出口技术复杂度的直接效应和对周边地区的间接效应,结果见表 11。从中可知,不论是哪种空间权重矩阵估计,直接效应和间接效应的系数估计值均显著为正,说明信息消费不仅能显著促进本地出口技术复杂度的提升,还能显著推动邻近地区出口技术复杂度的提升,并且地理距离和经济地理越近的城市其扩散效应越强。

    表  11  空间双重差分(SDID)模型估计结果
    变量 邻接权重矩阵 地理距离权重矩阵 经济距离权重矩阵
    Policy 0.125*** 0.119*** 0.119***
    (4.23) (3.95) (3.90)
    W×Policy 0.035 0.168* 0.133
    (0.74) (1.72) (1.40)
    直接效应 0.135*** 0.132*** 0.129***
    (4.21) (4.09) (3.94)
    间接效应 0.113* 0.442** 0.341**
    (1.76) (2.31) (1.97)
    总效应 0.248*** 0.574*** 0.471**
    (2.97) (2.80) (2.51)
    ρ 0.358*** 0.505*** 0.469***
    (7.80) (7.38) (6.85)
    控制变量 控制 控制 控制
    城市固定效应 控制 控制 控制
    年份固定效应 控制 控制 控制
    样本量 3 766 3 766 3 766
    R2 0.500 0.551 0.548
    下载: 导出CSV 
    | 显示表格

    本研究以信息消费试点城市作为准自然实验,采用交叠双重差分模型,检验信息消费对中国高质量出口的影响效应。研究得出:一是信息消费能提升出口技术复杂度,推动中国高质量出口,并在大规模城市、非资源禀赋城市、高信息基础城市、低收入差距城市和低污染程度城市的推动效果更加显著;二是信息消费通过技术创新、外资流入、消费倍增和市场竞争效应推动高质量出口;三是人力资本、金融发展和知识产权保护能显著增强信息消费对高质量出口推动作用;第四,信息消费对邻近城市高质量出口具有显著的溢出效应。

    本研究为促进信息消费城市建设,推动中国高质量出口,助力贸易高质量发展提供了重要的政策启示。首先,信息消费是中国高质量出口的内在动力,对构建内需体系、吸引全球资源、加快形成“双循环”格局以增强贸易竞争力至关重要。因此,政府应总结试点经验,推广成功模式,投资新基建,优化信息设施,全面提升物流、通信和支付等重要节点的运行效率,扩大消费覆盖面的同时整合网络平台资源,构建信息数据库,支持企业及时调整生产以满足消费者个性化、多样化产品与服务需求,提升产品供给数量与质量,推动高质量出口。并积极培育消费新业态,鼓励数字化技术应用,促进产业融合,推动产业链升级。另外,政府应引导试点与非试点地区间要素流动,破除信息壁垒,加强区域间互动,发挥信息消费的辐射效果,促进区域经济共同发展。

    其次,信息消费对高质量出口的推动效果因城市特性而异。因此,需根据城市条件,分阶段、有侧重地实施建设方案,避免“一刀切”。高收入差距城市应优化收入结构,高污染城市应加强环境管理,资源型、信息设施较差和中小型城市需改变产业结构,优化信息基础设施性能,提高财政自主权。

    再次,信息消费通过技术创新、外资流入等途径推动高质量出口。因此,政府应加快市场建设,消除要素流动障碍,持续加强基础研究和关键技术投入,组建共享平台,激发创新活力;应健全招商引资评价体系,吸引外资,加强网络经济平台监管,完善法律法规,搭建信息搜索共享平台,营造安全消费环境,促进市场良性竞争。

    最后,为高效发挥信息消费的推动效果,政府需投资信息技术教育,培养复合型人才,积极吸引海外数字、科技人才,推进技术转移和创新。推进金融市场化改革,优化金融服务体系,放宽市场准入,鼓励传统银行等金融机构数字技术应用,为地区提供高效金融支持。此外,探索数据知识产权保护新方法,提高行政执法能力,制定法律法规,普及法律教育,保护数字资产。

  • 图  1  平行趋势检验

    图  2  安慰剂检验

    表  1  主要变量描述性统计

    变量类型 变量名 符号 单位 观测值 平均值 标准差 最小值 最大值
    被解释变量 出口技术复杂度 EST - 3 766 2.538 1.268 0.337 9.825
    核心解释变量 信息消费 Policy - 3 766 0.176 0.380 0.000 1.000
    控制变量 经济发展 pgdp 万元 3 766 5.395 3.556 0.010 46.775
    产业结构 Inst - 3 766 1.034 0.596 0.109 5.650
    科技投入 Ino - 3 766 0.275 0.276 0.013 6.310
    人口密度 pip 千人/km2 3 766 0.410 0.352 0.000 2.648
    对外开放 open - 3 766 0.183 0.294 0.000 2.462
    基础设施 road 千人/km2 3 766 0.018 0.008 0.000 0.090
    机制变量 技术创新 Pat 件/百人 3 766 0.258 0.500 0.000 5.330
    外资流入 FDI 千亿元 3 766 0.061 0.145 0.000 2.048
    消费规模 Dem 万元/人 3 766 2.172 1.975 0.000 16.596
    市场竞争 Cmpe - 3 766 4.676 5.555 1.000 46.185
    下载: 导出CSV

    表  2  基准回归结果

    变量 (1) (2) (3) (4)
    Policy 1.180*** 0.451*** 0.373*** 0.119***
    (20.73) (10.52) (12.36) (8.02)
    pgdp 0.098*** 0.196*** 0.013***
    (13.29) (40.62) (2.91)
    Inst 1.326*** 1.852*** 0.872***
    (36.38) (78.26) (28.52)
    Ino 0.353*** 0.320*** 0.122***
    (4.24) (7.81) (3.91)
    pip 0.071* -0.831*** -0.330***
    (1.68) (-16.82) (-5.02)
    open -0.331*** 0.353*** 0.107**
    (-6.39) (4.75) (2.43)
    road 27.860*** 32.821*** -2.644**
    (14.10) (20.44) (-2.17)
    常数项 2.331*** -0.005 -0.898*** 1.676***
    (113.45) (-0.11) (-19.74) (29.94)
    城市固定效应 未控制 未控制 控制 控制
    年份固定效应 未控制 未控制 未控制 控制
    样本量 3 766 3 766 3 766 3 766
    R2 0.125 0.651 0.896 0.980
    注:* * *、* *和*分别表示在1%、5%和10%的水平下显著,括号内为t统计量。下表同。
    下载: 导出CSV

    表  3  2SLS回归估计结果

    变量 第一阶段估计结果 第二阶段估计结果
    (1) (2) (3) (4)
    DH 0.008***
    (7.28)
    GD 0.030***
    (11.24)
    policy 1.291*** 0.790***
    (6.45) (5.81)
    Kleibergen-Papa 70.123 75.668
    rk LM统计量 [0.000] [0.000]
    Kleibergen-Papa 53.034 126.412
    Wald rk F统计量 {16.38} {16.38 }
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    样本量 2 968 2 756 2 968 2 756
    R2 0.914 0.950
    注:[]数值为P值,{}数值为Stock-Yogo弱识别检验10%水平上的临界值。
    下载: 导出CSV

    表  4  PSM-DID法估计结果

    变量 混合匹配 逐年匹配
    (1) (2)
    Policy 0.080*** 0.104***
    (5.44) (6.94)
    常数项 1.583*** 1.619***
    (28.07) (25.99)
    控制变量 控制 控制
    城市固定效应 控制 控制
    年份固定效应 控制 控制
    样本量 3 684 3 221
    R2 0.979 0.979
    下载: 导出CSV

    表  5  Goodman-Bacon分解结果

    DD Comparison Weight Avg DD Est
    Earlier T vs. Later C 0.011 0.065
    Later T vs. Earlier C 0.014 -0.214
    T vs. Never treated 0.975 0.133
    注:T=Treatment;C=Comparison。
    下载: 导出CSV

    表  6  其他稳健性检验

    变量 更换试点名单 重新度量因变量 剔除样本 缩尾处理 截尾处理 排除其他政策的影响
    (1) (2) (3) (4) (5) (6) (7)
    Policy 0.108*** 0.013*** 0.089*** 0.074*** 0.119*** 0.118*** 0.100***
    (7.94) (8.02) (6.72) (5.14) (8.02) (6.52) (4.24)
    常数项 1.672*** 0.141*** 1.665*** 1.606*** 1.676*** 1.597*** 1.714***
    (30.69) (23.92) (32.48) (29.66) (29.94) (15.52) (18.32)
    控制变量 控制 控制 控制 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制 控制 控制 控制
    样本量 3 948 3 766 3710 3 766 3 766 1 414 1 372
    R2 0.980 0.980 0.979 0.978 0.980 0.984 0.980
    下载: 导出CSV

    表  7  异质性分析(一)

    变量 城市规模 资源禀赋
    大型城市 中小型城市 资源禀赋城市 非资源禀赋城市
    (1) (2) (3) (4)
    Policy 0.091*** 0.064*** 0.041** 0.117***
    (5.19) (2.92) (2.12) (6.24)
    常数项 1.664*** 1.668*** 1.802*** 1.676***
    (20.75) (23.03) (24.23) (21.28)
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    经验P值 0.075 0.010
    样本量 1 848 1 918 1 512 2 254
    R2 0.986 0.975 0.978 0.982
    下载: 导出CSV

    表  8  异质性分析(二)

    变量 信息基础 收入差距 污染程度
    低信息基础 高信息基础 低收入差距 高收入差距 低污染程度 高污染程度
    (1) (2) (3) (4) (5) (6)
    Policy 0.037 0.082*** 0.144*** 0.085*** 0.121*** 0.099***
    (1.42) (3.00) (9.06) (3.57) (5.38) (5.84)
    常数项 1.312*** 2.081*** 1.552*** 1.837*** 1.668*** 1.385***
    (17.74) (27.64) (23.82) (21.89) (26.97) (18.95)
    控制变量 控制 控制 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制 控制 控制
    经验P值 0.045 0.035 0.000
    样本量 1 868 1 893 1 848 1 918 1 876 1 890
    R2 0.984 0.980 0.981 0.980 0.973 0.988
    下载: 导出CSV

    表  9  机制分析

    变量 技术创新 外资流入 消费倍增 市场竞争
    (1) (2) (3) (4)
    Policy 0.050*** 0.018*** 0.522*** 1.286***
    (4.70) (3.00) (10.57) (6.87)
    常数项 0.252*** -0.008 1.305*** 4.751***
    (4.88) (-0.38) (3.44) (8.63)
    控制变量 控制 控制 控制 控制
    城市固定效应 控制 控制 控制 控制
    年份固定效应 控制 控制 控制 控制
    样本量 3 766 3 766 3 766 3 766
    R2 0.944 0.840 0.935 0.660
    下载: 导出CSV

    表  10  调节效应分析

    变量 人力资本 金融发展 知识产权保护
    (1) (2) (3)
    Policy 0.085*** 0.053*** 0.106***
    (5.86) (3.96) (7.05)
    Policy×hum 0.011**
    (2.51)
    hum 16.715***
    (5.65)
    Policy×fd 0.045***
    (9.91)
    fd -0.003
    (-0.42)
    Policy×ipr 0.012***
    (2.91)
    ipr 0.013
    (1.10)
    常数项 1.251*** 1.128*** 1.090***
    (15.83) (17.31) (15.21)
    控制变量 控制 控制 控制
    城市固定效应 控制 控制 控制
    年份固定效应 控制 控制 控制
    样本量 3 766 3 766 3 766
    R2 0.981 0.981 0.980
    下载: 导出CSV

    表  11  空间双重差分(SDID)模型估计结果

    变量 邻接权重矩阵 地理距离权重矩阵 经济距离权重矩阵
    Policy 0.125*** 0.119*** 0.119***
    (4.23) (3.95) (3.90)
    W×Policy 0.035 0.168* 0.133
    (0.74) (1.72) (1.40)
    直接效应 0.135*** 0.132*** 0.129***
    (4.21) (4.09) (3.94)
    间接效应 0.113* 0.442** 0.341**
    (1.76) (2.31) (1.97)
    总效应 0.248*** 0.574*** 0.471**
    (2.97) (2.80) (2.51)
    ρ 0.358*** 0.505*** 0.469***
    (7.80) (7.38) (6.85)
    控制变量 控制 控制 控制
    城市固定效应 控制 控制 控制
    年份固定效应 控制 控制 控制
    样本量 3 766 3 766 3 766
    R2 0.500 0.551 0.548
    下载: 导出CSV
  • [1] KRUGMAN P. Scale economies, product differentiation, and the pattern of trade[J]. The American Economic Review, 1980, 70(5): 950-959.
    [2] 耿荣娜. 智慧城市背景下退休老人信息消费行为及信息消费能力提升研究[J]. 情报科学, 2019(7): 106-112.
    [3] 周文慧, 钞小静. 自由贸易试验区建设推进中国高质量出口了吗?[J]. 经济评论, 2023(2): 92-106.
    [4] 王瑜, 施娜. 宁夏城乡居民信息消费差距与经济增长互动关系研究[J]. 北方民族大学学报(哲学社会科学版), 2018(3): 170-176. doi: 10.3969/j.issn.1674-6627.2018.03.024
    [5] 徐梦周, 胡青, 吕铁. 信息消费能促进区域创新效率提升吗——基于省域面板数据的实证研究[J]. 中国软科学, 2022(8): 184-192. doi: 10.3969/j.issn.1002-9753.2022.08.017
    [6] 刘晓倩, 韩青. 中国农村居民信息消费影响因素的空间计量研究[J]. 经济问题探索, 2018(4): 37-44.
    [7] 张裕东, 姚海棠. 人口集聚影响居民信息消费的溢出效应与集聚效应[J]. 经济问题探索, 2021(2): 31-37.
    [8] 金祥义, 施炳展. 互联网搜索、信息成本与出口产品质量[J]. 中国工业经济, 2022(8): 99-117. doi: 10.3969/j.issn.1006-480X.2022.08.006
    [9] 卓乘风, 邓峰. 基础设施投资与制造业贸易强国建设——基于出口规模和出口技术复杂度的双重视角[J]. 国际贸易问题, 2018(11): 104-119.
    [10] 王馨, 王营, 吕静. 信息消费促进企业数字化转型研究[J]. 国际金融研究, 2023(11): 87-96.
    [11] 何凌云, 张元梦. 新型消费如何促进产业结构升级——基于信息消费试点的准自然实验[J]. 广东财经大学学报, 2022(5): 4-17. http://xb.gdufe.edu.cn/article/id/92bbe94f-9e53-4f9d-ae1f-93a485602786
    [12] 闫晨, 蔡曦, 代谦. 国家信息消费试点对城市创新水平的影响研究[J]. 经济体制改革, 2024(1): 53-61.
    [13] 雷娜, 郎丽华. 国内市场一体化对出口技术复杂度的影响及作用机制[J]. 统计研究, 2020(2): 52-64.
    [14] 张艾莉, 尹梦兰. 技术创新、人口结构与中国制造业出口复杂度[J]. 软科学, 2019(5): 29-34.
    [15] 赵晓阳, 衣长军, 郭敏敏. 数字经济发展能否"稳外资"[J]. 经济评论, 2023(2): 31-42.
    [16] 黄凯南, 郝祥如. 数字金融发展对我国城乡居民家庭消费的影响分析——来自中国家庭的微观证据[J]. 社会科学辑刊, 2021(4): 110-121.
    [17] 许家云, 刘艺璇. 消费撬动出口升级——事实与机制[J]. 南开经济研究, 2023(10): 127-144.
    [18] 王海, 闫卓毓, 郭冠宇, 等. 数字基础设施政策与企业数字化转型: "赋能"还是"负能"[J]. 数量经济技术经济研究, 2023(5): 5-23.
    [19] 蓝庆新. 数字经济是推动世界经济发展的重要动力[J]. 人民论坛·学术前沿, 2020(8): 80-85.
    [20] 赵彦飞, 李雨晨, 陈凯华. 国家创新环境评价指标体系研究: 创新系统视角[J]. 科研管理, 2020(11): 66-74.
    [21] 李天籽, 陆铭俊. 城市人力资本与企业创新[J]. 东北师大学报(哲学社会科学版), 2022(3): 115-123.
    [22] 王新光. 管理者短视行为阻碍了企业数字化转型吗——基于文本分析和机器学习的经验证据[J]. 现代经济探讨, 2022(6): 103-113.
    [23] 翟华云, 刘易斯. 数字金融发展、融资约束与企业绿色创新关系研究[J]. 科技进步与对策, 2021(17): 116-124.
    [24] 王儒奇, 陶士贵, 刘强. 数字经济能否提升城市创新能力——基于双边随机前沿模型的新视角与再测算[J]. 江苏大学学报(社会科学版), 2023(3): 48-62.
    [25] 梁冉, 文学国, 朱四伟, 等. 知识产权保护促进了企业创新质量的提升吗?——来自国家知识产权示范城市的准自然实验[J]. 科学学与科学技术管理, 2024(3): 3-20.
    [26] 钟坚, 冯峥. 知识产权制度建设与企业数字技术创新——来自中国制造业上市公司的证据[J]. 广东财经大学学报, 2024(3): 114-128. http://xb.gdufe.edu.cn/article/id/dc26dfed-c2cb-44a2-b16d-cafceeff78c3
    [27] RICARDO H, JASON H, DANI R. What you export matters[J]. Journal of Economic Growth, 2007, 12(1): 1-25.
    [28] 钞小静, 薛志欣, 孙艺鸣. 新型数字基础设施如何影响对外贸易升级——来自中国地级及以上城市的经验证据[J]. 经济科学, 2020(3): 46-59.
    [29] 尹天宝, 赵红岩, 仲颖佳. 全球价值链嵌入对中国绿色经济效率的影响研究[J]. 当代财经, 2023(1): 17-28.
    [30] 黄庆华, 向静. 消费升级与经济高质量发展: 以长江经济带108个地级市为例[J]. 城市与环境研究, 2022(4): 41-59.
    [31] 牛志伟, 许晨曦, 武瑛. 营商环境优化、人力资本效应与企业劳动生产率[J]. 管理世界, 2023(2): 83-100.
    [32] 张国建, 佟孟华, 李慧, 等. 扶贫改革试验区的经济增长效应及政策有效性评估[J]. 中国工业经济, 2019(8): 136-154.
    [33] 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.
    [34] BERTRAND M, MULLAINATHAN D A. How much should we trust differences-in-differences estimates[J]. Quarterly Journal of Economics, 2004, 1: 249-275.
    [35] 吴茵茵, 齐杰, 鲜琴, 等. 中国碳市场的碳减排效应研究——基于市场机制与行政干预的协同作用视角[J]. 中国工业经济, 2021(8): 114-132.
    [36] 余长林, 马青山. 特高压输电与区域经济发展——来自特高压工程的经验证据[J]. 数量经济技术经济研究, 2023(10): 202-224.
    [37] GOODMAN-BACON A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.
    [38] 齐俊妍, 王永进, 施炳展, 等. 金融发展与出口技术复杂度[J]. 世界经济, 2011(7): 91-118.
    [39] 沈国兵, 黄铄珺. 城市层面知识产权保护对中国企业引进外资的影响[J]. 财贸经济, 2019(12): 143-157.
  • 加载中
图(2) / 表(11)
计量
  • 文章访问数:  100
  • HTML全文浏览量:  55
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-08-28
  • 网络出版日期:  2025-03-01
  • 刊出日期:  2025-01-28

目录

/

返回文章
返回