数字经济、产业结构升级与全要素生产率

摘  要：文章在分析数字经济发展对全要素生产率影响机理的基础上，基于2010—2019年我国省际面板数据，应用中介效应模型考察数字经济发展对全要素生产率增长的促进效应。结果表明，总体上数字经济可有效通过产业结构升级促进全要素生产率的增长。分区域看，数字经济对我国东部、中西部省份的产业结构升级均起到显著促进作用，但在产业结构升级和全要素生产率的优化方面，东部地区数字经济发展的作用明显高于中西部地区。

关键词：数字经济；全要素生产率；产业结构升级；中介效应分析

中图分类号：F062.9

文献标识码：A 

0 引    言

随着数字技术的不断发展，数字经济不仅对经济规模有着直接的贡献，而且对产业结构升级起到了重要推动作用。一方面，数字技术改变了传统产业要素供给结构，提高了要素配置效率，另一方面，数字经济不断推进新业态及新旧结合业态的发展。在新常态下，深入分析数字经济如何通过优化产业结构推动全要素生产率的增长，从而不断完善宏观调控政策，对实现新时代高质量发展的目标具有重要的理论和实践意义。

从现有文献看，学者们对数字经济影响经济转型以及高质量发展进行了深入研究，并取得了较为丰富的成果。现有对数字经济、产业结构升级和全要素生产率三者之间作用关系的研究主要集中在以下方面：一是对于数字经济相关产业影响全要素生产率提升的作用机理的研究。丁志帆（2020）^[1]从企业发展、产业创新、要素这三个层次总结了数字经济影响经济发展的作用机制；肖国安和张琳（2019）^[2]从数字化基础设施、数字生态化和数字人才这三个方面构建了测度体系，认为数字经济带动了创新需求、创新供给，并促进传统产业转型升级，从而驱动经济增长。二是关于数字经济对产业结构升级影响的研究。Thompson和Garbacz（2007）^[3]认为，电信、移动通信等行业的发展显著促进了生产率增长；沈运红和黄桁（2020）^[4]探索了数字基础设施建设、数字化产业发展、数字技术科研水平等因素对传统制造业产业结构转型升级的影响；王开科等（2020）^[5]设计了五部门结构的投入产出模型，定义了数字经济效率系数用于衡量数字经济对效率的影响程度，测算结果显示，数字技术普及度的提高是有效提升生产效率的重要因素。三是产业结构调整对经济效率影响的研究。余泳泽等（2016）^[6]指出产业结构调整可以通过生产要素重置、产业技术溢出以及分工专业化等多种渠道对全要素生产率产生影响；蔡跃洲和付一夫（2017）^[7]指出在短期内应着力优化产业结构，以此促进全要素生产率增长；殷红等（2020）^[8]研究发现产业结构转型升级、工业和服务业结构优化均对全要素生产率具有较强的影响，且不同经济时期产业结构高级化对全要素生产率均呈现较强的促进作用。

通过对现有文献的梳理可知，学者们对数字经济、产业结构升级与全要素生产率三者之间关系的研究相对较少。此外，基于中介效应探讨数字经济促进全要素生产率增长的作用机制的研究也较少。本文分析了数字经济发展、产业结构升级与全要素生产率增长的关系，通过构建数字经济、产业结构升级评价体系，并结合中介效应模型来考察数字经济发展对全要素生产率增长的促进效应。

1数字经济促进全要素生产率提升的路径与作用机制

1.1 数字经济与全要素生产率

数字经济相关生产要素通过影响经济规模、生产效率、技术创新等方面显著促进了全要素生产率增长。

首先，数字经济促进了资本的积累，推动经济规模攀升。数字经济的高渗透性和高替代性促使人们在生产过程中不断增加科技及人力资本投入，显著增加了高端要素的投入比重。其次，数字经济提高了生产效率。数字经济的高协同性能够提高其他要素之间的配合，最终促进生产效率的提高。最后，数字经济带来了技术创新效应，内生增长理论认为，科技创新是驱动经济高质量发展的关键因素。从宏观层面看，数字经济推动产业创新促使产业升级转型，形成规模效应从而促进区域创新^[9]。从微观层面看，数字经济带来了更安全、公开的市场环境，使企业进行自身创新升级以谋求生存和发展，为企业从事研发等创新活动提供了全新条件和途径。

1.2 产业结构升级与全要素生产率

产业结构升级从资源配置效率、技术效率和规模效率等方面提高了全要素生产率。

产业结构升级通过提高资源配置效率来促进全要素生产率的增长。要素配置分配效应指出，在市场机制下，根据资本、人力和科学技术等主要要素的转移和流动，不同部门可相应地划分为低生产率、高生产率两类。配置效率的提高满足了高效率部门发展对生产要素的需求，也刺激了低效率部门做出调整，通过提高技术效率促进技术进步，从而提高全要素生产率。

产业结构升级通过技术效率提升全要素生产率。产业结构的优化体现为向技术密集型产业过渡，生产效率不断提升。生产效率高的产业多数具有较高的产业关联度，可以通过技术外溢促进其他产业的技术优化使用，使管理水平明显提高，进而提升生产过程中的技术水平和效率。

产业结构升级通过规模效率提高全要素生产率。产业结构升级是劳动分工不断深化的产物，专业化的生产提高了生产规模效率，从而有效地提高了全要素生产率。

1.3 数字经济推动产业结构升级，进而提高全要素生产率

数字经济带来了产业结构升级效应。一方面，数字经济提升了传统产业生产效率，数字经济发展加快了传统产业的生产、交易和流通速度；另一方面，数字经济相关产业与传统产业深度融合，使得新业态、新模式趋于系统化、复杂化。

本文综合以上分析提出假设：数字经济会促进产业结构升级的正向发展，从而提升全要素生产率。综合来看，数字经济对全要素生产率的影响机制可从产业结构优化方面进行分析，且两者对全要素生产率在理论上均表现出正向影响。本文基于以上假设，对数字经济影响全要素生产率的产业结构优化效应进行实证检验。

2 研究设计

2.1 模型构建

为检验数字经济是否会通过产业结构升级对全要素生产率增长产生影响，设定模型如下:

其中，tfp 为被解释变量，即全要素生产率增长率；dig为解释变量，即数字经济发展水平，本文通过建立数字经济指标体系来衡量。w 为中介变量，即产业结构升级水平。α 、β 、γ 为参数，μ 、ε 、ξ 为随机扰动项。control为控制变量，具体包括：（1）固定资产投资，选择固定资产投资额占GDP的比重来衡量。已有研究证明存在使得全要素生产率最大化的公共基础设施投资规模[^10]。（2）政府投入，选择财政支出占 GDP 的比重来衡量，财政支出一方面通过基础设施改善提高地区区位优势，另一方面通过教育、社会保障、文化等公共物品提高生产效率。（3）人力资本，选择居民平均受教育年限来衡量。人力资本是全要素生产率的重要促进要素，较高水平的人力资本积累能有效阻止全要素生产率的减缓。（4）对外开放水平，选择进出口总额占GDP的比重来衡量。对外开放在促进技术进步和效率提升上的作用更为突出，能在一定程度上促进全要素生产率的增长。

本文借鉴温忠麟等（2004）^[9]提出的中介效应模型进行实证分析，检验数字经济是否会通过产业结构升级对全要素生产率增长产生影响。该检验共有四个步骤:第一，检验回归系数 α₁ 的显著性，如果 α₁ 显著，则可以进入下一步检验；如果 α₁ 不显著，则应当终止检验。第二，对系数 β₁和系数 γ₂ 进行显著性检验，如果两个系数均通过了显著性检验，则存在中介效应，可进入下一步检验；如果其中一个系数不显著，则跳过第三步直接进入第四步，对上述两系数进行Sobel检验。第三，根据上一步的检验结果，如果γ₁ 不显著,则说明是完全中介过程,即数字经济对全要素生产率增长的影响都是通过中介变量产业结构优化来实现的；如果 γ₁ 显著, 则说明为部分中介过程。第四，进行Sobel检验，如果通过检验，则说明中介效应显著；如果未通过，则说明中介效应不显著。

2.2 数字经济发展水平的测算

现有关于衡量数字经济发展水平的研究主要包括数字经济增加值的测算、数字经济指数的编制和构建卫星账户等。中国信息通信研究院编制了数字经济指数，测算了中国数字经济规模，并评估了我国200余个城市的数字经济发展水平；埃森哲公司使用计量分析方法测算了数字经济的总量规模，同时测算了信息通信技术软、硬件等产业总量；万晓榆等（2019）^[11]从投入产出的角度构建了数字经济发展的评估体系;屈超和张美慧（2015）^[12]提出了构建信息通信技术卫星账户的可行性；杨仲山和张美慧（2019）^[13]构建了能够反映数字经济相关行业活动的数字经济卫星账户。

虽然上述研究为本文提供了理论参考，但也具有测算方法存在局限性，现有数据统计口径不适用等问题。本文考虑数据的可获得性和质量，主要从数字化基础设施、数字产业发展水平和数字技术创新科研水平这三个维度构建评价指标体系（见表1），测算中国31个省份（不含港澳台）的数字经济发展水平。

2.3 产业结构升级的测度

本文分别从产业结构合理化、产业结构高级化、劳动生产率这三个维度选取指标测算反映产业结构升级的综合指数。

产业结构合理化水平选择泰尔指数的倒数来衡量，具体测算公式如下：

其中，TL 为泰尔指数，Y 为三次产业增加值，L 为三次产业从业人数。泰尔指数是逆向指标，当泰尔指数为0 时，资源在三次产业间的配置是有效率的，产业结构是合理的；反之，泰尔指数越大，产业结构越偏离平衡状态。

产业结构高级化利用结构角度值测度。先设定三个变量 X_1,0、X_2,0、X_3,0 分别为第一、二、三次产业增加值占GDP比重，得到一组三维向量 X₀ =(X_1,0，X_2,0，X_3,0) ；再分别计算 X0 与向量 X₁ =(1，0，0)，X₂ =(0，1，0)，X₃ =(0，0，1)的夹角 θ₁ 、θ₂ 、θ₃ ，公式为：

其中，W 越大，表明产业结构高级化水平越高。

劳动生产率采用全员劳动生产率，即国内生产总值/年平均从业人员数来计算。

2.4 全要素生产率的测算

本文采用基于DEA模型的Malmquist指数衡量我国各省份全要素生产率。该方法无需估计生产函数，而且能够对全要素生产率增长的具体来源进行分析，可用于面板数据，反映决策单元效率的时序变化。DEA模型通过定义决策单元与生产前沿的距离函数来判断决策单元的技术有效性，同时，Malmquist指数模型基于规模收益不变（CRS）模型构造生产前沿，通过对比决策单元不同时期的效率值，得到决策单元的全要素生产率增长率。在 t 期的技术条件下，从 t 到 t + 1期的要全素生产率公式如下：

进行测算时，产出指标为各省份的地区生产总值，按当年价格的产出指标分别选取2010—2019年各省份的地区生产总值；投入指标分为两要素，即劳动力的投入和资本要素的投入。劳动投入指标采用各省份的就业人员表示，选取固定资本存量来衡量资本投入，在估算固定资本存量时，选择永续盘存法进行估算，即 K_it = I_it + ( 1 - δ_it )  K_{i,t - 1} 。K_it 为 i 省份第 t 期的资本存量，K_{i,t - 1} 为 i 省份第t - 1 期的资本存量，I_it 为 i 省份第 t 期的实际投资额，δ_it 为 i 省份第 t 期的资本折旧率，参考王小鲁等（2009）^[14]的研究，选取10.96%为固定资产形成总额的折旧率；基期资本存量的计算公式参考 Hall 和 Joens（1999）^[15]、单豪杰（2008）^[16]、王恕立和胡宗彪（2012）^[17]的做法，计算公式为：基期资本存量=下一期的实际固定投资额/（包括下一期在内的近五年的实际固定资产投资额平均增长率+平均折旧率）

2.5 综合指数的测度与权重的设定

本文在测算数字经济、产业结构优化综合指数时，采用改进的熵权法来确定评价指标权重。计算方法如下：

定义第 i 个地区第 t 年的第 j 个指标为 X_itj ，利用熵权法计算综合指数的步骤如下：

（1）确定指标:设时间长度为 r 年，省份个数为 n ，指标个数为 m ，则 X_ωij 为第 ω 年省份 i 的第 j 个指标值。

（2）指标标准化处理:先对原始指标进行标准化处理，即无量纲化。为便于后续的对比和分析,无量纲化处理可根据具体情况分为正向指标和负向指标，其中，正向指标的计算公式为 X '_ωij = X_ωij /X_max ;负向指标的计算公式为X '_ωij = X_min /X_ωij 。

（3）确定指标权重: Y _ωij = X '_ωij /∑ω∑iX '_ωij 。

（4）第 j 项指标的熵值的计算方法为：e_j = - k∑ j ∑iy_ijln(Y_ωij) ，其中，k＞0 ，k = ln(rn) 。

（5）计算第 j 项指标的信息效用值: g_j = 1 - e_j 。

（6）计算各指标的权重: w_j = g_j /∑_j g_j 。

（7）计算各省份数字经济发展水平、产业结构优化水平综合得分: H_ωi = ∑j (w_j X '_ωij) 。

3 实证结果分析

本文收集整理了2010—2019年我国31个省份的面板数据，对其进行回归分析，验证数字经济对全要素生产率的中介效应。为避免伪回归导致结果有偏，对指标进行面板数据单位根检验（见表2）。为保证数据的平稳性以及清除有可能存在的异方差问题，对受教育程度、固定资产投资额占比、财政支出占比和进出口总额占比这四个变量进行对数化处理。

3.1 产业结构中介效应的实证

表3中的模型1为基准模型，用于检验是否存在中介效应检验条件，模型2和模型3用于检验是否存在产业结构优化效应。

由模型1可知，数字经济对全国全要素生产率增长的影响显著为正，具备中介效应检验的条件。接下来，从产业结构方面检验数字经济对全要素生产率增长的作用机制。模型 2 的结果表明，数字经济对产业结构升级产生了显著的正向影响。模型 3 的结果则表明，产业结构对全国全要素生产率增长的影响为正。由于这两个系数均显著，说明数字经济对全要素生产率的增长存在正向的产业结构效应，即数字经济会通过优化产业结构推动全要素生产率的增长。在加入产业结构后，数字经济和全要素生产率增长之间的显著关系没有发生变化，但是系数由第一步的0.077减小到0.076，同时全要素生产率增长率和产业结构之间显著正相关，系数为0.113，说明产业结构在数字经济和全要素生产率之间起到了部分的中介作 用，计算可得中介效应在总效应中的占比为51.5%（0.351× 0.113÷0.077）。

控制变量方面，受教育程度显著地推进了全要素生产率的增长，说明人力资本是重要的投入要素，能够有效促进本地区发展动能的提升；进出口总额显著地推进了全要素生产率的增长，有利于深化科技和制度创新；固定资产投资能够促进其全要素生产率的增长，固定资产投资为企业生产效率提升创造了良好的外部环境；财政支出对全要素生产率的增长存在负向作用，大规模增加投入对全要素生产率的正向增长效应难以持续。

3.2 产业结构中介效应的区域差异

我国区域经济发展存在不平衡性，为进一步验证上文结论的可靠性与稳定性，将我国31个省份划分为东部和中西部地区，并分别对其进行中介效应回归分析，以便验证产业结构中介效应是否存在区域性差异，结果见表4。

表4结果显示，从东部地区的模型回归结果来看，数字经济对产业结构升级产生了显著的正向影响，产业结构对东部地区全要素生产率的增长产生了正向影响。由于这两个系数均显著，说明数字经济对全要素生产率的增长存在正向的产业结构效应；中西部地区模型的回归结果与东部地区相似，数字经济对产业结构升级产生了显著的正向影响，同时，产业结构对全要素生产率的增长产生了正向影响。上述两个系数中只有一个通过了显著性检验，根据上述中介效应计算步骤，还需要进行Sobel检验。检验结果显示，Z值大于临界值，说明中西部地区同样存在中介效应，这就验证了前文提出的假设。

上述回归结果说明了数字经济对全要素生产率增长的影响不随区域差异而改变，比较回归系数可知，数字经济对东部地区产业升级的影响更为突出，可能的原因是：东部地区产业基础较好、科技水平较高，使得东部地区数字经济较早起步发力，数字经济与实体经济得以深入融合。

3.3 稳健性检验

由模型10的结果可知，当中介变量由产业结构升级指数替换成产业结构高级化系数之后，数字经济对全要素生产率增长的影响显著为正。结合模型11和模型12的结果来看，数字经济会对产业结构升级产生显著的正向影响，产业结构对全国全要素生产率的增长产生了正向影响。表5和表6的结果表明，当中介变量由产业结构升级指数替换成产业结构高级化系数之后，中介效应的检验结果与上文结果基本一致，即数字经济对全要素生产率增长存在显著的中介效应，不随区域差异而改变，且数字经济对东部地区产业升级的影响更为突出。因此，前文的回归分析通过了稳健性检验。

4  结论和政策建议

本文探讨了数字经济发展对全要素生产率的影响机理，基于2010—2019年我国31个省份的面板数据，应用中介效应模型检验数字经济发展对全要素生产率增长的促进效应，结果表明，数字经济通过促进产业结构升级提升了全要素生产率。主要结论如下:第一，数字经济发展显著促进了产业结构的转型升级，提升了产业生产效率。第 二，与中西部地区相比，我国东部地区的数字经济发展程度较高，数字经济对东部地区产业结构优化和全要素生产率增长的影响更为突出。第三，从全国层面看，数字经济优化了全国产业结构，有效促进了全要素生产率的增长；分区域看，数字经济对东部和中西部地区产业结构均起到了显著的优化作用，有效提升了区域全要素生产率，由于东部地区在数字经济发展进程中抢得先机，数字经济通过产业结构升级进而影响全要素生产率的中介效应明显高于中西部地区。第四，影响全要素生产率的传统因素依旧发挥着作用。人力资本的投入、政府财政支持、进出口贸易等常规因素，仍存在较强的解释力。这一结论说明在大力发展数字经济的同时，也应注重高质量的科技创新、持续的研发投入和充足的高端智力要素补给。

基于以上实证结果，本文给出如下政策建议:

一是大力培育新经济、新业态、新模式。加强数字经济发展规划部署，聚焦智能教育、医疗健康、文娱消费、智慧交通、智能制造等几大前沿领域，积极主动与5G、人工智能、区块链、大数据等创新技术紧密结合，激发数字经济新动能在推进经济高质量发展上的效能。

二是抓住数字经济大发展和新型基础设施建设加速推进的契机，加快创新平台、应用场景、基础网络等布局，推进形成有利于自主创新的产业生态，积极培育一批拥有技术主导权的领军企业。同时，深化科技创新治理机制改革，聚集各方资源协同推进创新，不断加大对企业创新的支持力度，全力营造良好的创新创业生态。

三是分区施策、错位发展，稳步推进区域数字经济协调发展。加速推进区域数字经济与传统产业的融合研究。数字经济发展能够助力区域经济发展，重视区域间数字经济和产业效率的差异，建立各具特色的区域经济模式，针对各区域的经济发展水平、资源禀赋等实施异质性发展政策。

统计与决策

CSSCI来源期刊、中文核心期刊

投  稿

请登陆本刊投稿平台http://www.tjyjc.com

订阅&合作

订阅杂志：027-87819376