数字经济发展是否降低了中国要素错配水平？

张永恒，王家庭

(1.河南理工大学 太行发展研究院，河南 焦作 454000；2.南开大学 中国城市与区域经济研究中心，天津 300071)

一、问题提出

当前，世界正在经历以数字经济为代表的第四次工业革命，数字成为一种独立的生产要素，并且比土地、劳动和资本等传统要素更加高级。数字经济已经成为中国国民经济体系重要的组成部分。《中国互联网发展报告》指出，2018年中国数字经济规模达31.3万亿元，占国内生产总值(GDP)比重高达34.8%。毕马威预测，到2030年数字经济在中国GDP中的占比将高达77%，并创造153万亿元的贡献。国际数据公司IDC预测，2018年至2025年中国的数据量将以30%的年均增速领先全球，预计在2025年增至48.6ZB，占全球的27.8%，成为世界最大数据圈。同时党的十九届四中全会通过《中国中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》，指出数据可以作为生产要素参与价值分配。自此，数字拥有了与劳动、资本和土地同等重要的地位。数字经济成为主导中国经济发展的支柱力量。

在数字经济蓬勃兴起的同时，中国还面临严重的要素错配现象。已有研究表明，要素错配水平的降低能提升中国全要素生产率30%～50%[1]，中国要素错配水平的改善空间平均能达到160%，即使改善一半也能保证年均3.85%的经济增速[2]。可以认为，当前中国的资源环境、产能过剩以及重复建设问题在很大程度上都是要素错配的现实表现。对要素错配形成的原因及对策，国内外大量学者作了广泛且深入的研究。在传统经济方式下，要素错配的改善主要通过优化国内外资本和劳动等要素的流动效率来实现。其中，信息不对称是导致生产要素难以流向高效地区，从而形成要素错配的重要因素。在数字经济快速发展背景下，一方面，数字本身具有极高的流动性，另一方面，数字经济高渗透性将使所有要素都逐步数据化，有效解决信息不对称问题，从而降低要素错配水平，提升全要素生产率。尤其是在经历了新冠肺炎疫情后，数字技术、云端调配更被证明是统筹资源合理配置的高效工具，以5G网络、数据中心为重点的“新基建”也成为中央加快部署的主要领域。

综上，研究数字经济究竟如何能对要素配置产生影响，能否起到降低中国要素错配水平的作用？对不同要素的错配水平的影响有何差异？针对上述问题开展研究，将对中国制定科学合理的数字经济政策，促进要素合理配置，实现高质量发展具有重要的现实意义。

从现有研究看，在Hsieh和Klenow构建了要素错配的分析框架并估算中国的要素错配水平后，众多学者在此框架下进行了深入研究，尤其是关于中国要素错配影响因素的研究。地方保护主义导致的行政垄断和市场分割、城市规模、产业集聚、交通基础设施、户籍制度和二元经济结构等因素都可能推高要素错配水平，进而抑制全要素生产率(TFP)的提升。袁志刚等认为中国劳动力错配造成的TFP损失高达20%[3]。李静等认为若能有效消除资本和劳动的要素错配，中国全部工业企业的总量TFP能提升51%以上[4]。柏培文等指出劳动力、资本要素错配引起收入分配差距[5]。曹东坡等研究表明要素错配对中国服务业产出造成9%～11%的损失，且呈逐年扩大趋势[6]。杨志才等研究了17项指标对要素错配的影响程度及变化趋势[7]。以上研究表明，要素配置效率降低因素是多元的。

当前，虽然正在经历着数字革命，但由于数字经济发展正处于初期，因而，关于数字经济如何影响要素配置的研究较少。但也有学者从互联网或其他角度进行研究。韩长根和张力认为互联网对资源错配的影响存在门槛效应，只有当互联网普及率达到一定水平时才能对资本或劳动力的错配产生改善效果[8]。黄群慧等发现互联网技术可以通过减少资源错配来提升制造业生产率[9]。陈维涛等利用2015年“阿里巴巴电子商务发展指数和中国上市公司的数据，实证分析了互联网电子商务对中国企业TFP的影响及作用机制，并认为互联网电子商务的发展显著提升了企业的TFP，尤其是互联网电子商务的应用，能通过促进企业研发提升企业的TFP[10]。张景娜等分别研究了互联网+对农村劳动力和制造业就业的影响[11-12]。

综上，已有研究主要从互联网发展或信息通讯技术的角度，研究了信息化对降低要素错配水平的影响，深化了此类问题的认知。但是，互联网发展属于应用层面，信息通讯技术属于技术和基础设施层面，尽管都从不同侧面反映数字经济水平，但不能完全等价。中国信息通信研究院、阿里研究院等机构，相继发布了关于中国数字经济发展的评价指数，但时期跨度较短，难以据此进行更深入研究。本文主要贡献在于：第一，结合已有对数字经济的认识，构建指标体系，拓展了关于中国数字经济发展水平的评价，从而可以做出更深入的研究；第二，采用静态和动态面板数据模型探讨数字经济发展对降低要素错配水平的影响，丰富了此类问题的研究；第三，研究结果发现，数字经济对降低不同要素错配水平的影响不同，有助于更全面地探索数字经济建设在不同领域的前沿方向。

二、理论机制研究

“要素错配”是相对要素的“有效配置”而言的。如果所有要素都可以基于市场机制自由流动，实现帕累托最优，那就是“有效配置”。但是，由于市场分割因素的存在，生产要素无法自由流动，或者由于信息的不对称而难以促使要素流向利用效率更高的区域，将导致了要素错配现象的出现。20世纪80年代以来，以数字革命为标志的新一轮技术革命蓬勃发展，以云计算、物联网和人工智能为代表的数字化席卷了经济生活的所有领域。通过数字技术使所有生产要素实现数字化转型，成为社会发展趋势，同时也催生了更多新业态、新模式和新产业，引导更多要素流向效率更高的数字化产业领域，提高了要素配置效率。另外，它还能够通过数据共享，有效减弱区域间、行业间和企业间的信息不对称，减少生产要素的流动壁垒，大幅降低要素错配水平。

总体上，数字经济对要素配置效率的影响主要基于数字技术的三大特征，即渗透性、替代性和协同性[13]。渗透性是指数字技术作为一种通用性技术，能够渗透到社会生活的各领域；替代性是指由于摩尔定律的存在，使得芯片化、数字化产品的价格持续快速下跌，从而使数字化要素可以显著替代其他要素；协同性是指生产要素数字化之后，能够提升数字化产品的非竞争性，通过互联网实现信息共享，降低交易成本，增强要素之间的协同性。随着数字技术的发展，三大特征的主导性呈现次序更替的过程，在促使生产要素发生多维变化的同时，也使要素禀赋的变化呈现阶段性特征。一般情况下，企业对要素配置方式包括要素搜寻和要素利用。而数字经济正是基于自身特征，结合两种要素配置方式提升要素配置效率。具体作用机制和演进阶段如图1所示。

图1 数字技术提升要素配置效率的理论机制及阶段演进图

(一)渗透性：搜寻并改造既有要素，实现要素信息的双向反馈，降低要素搜寻成本

在数字经济发展初期，数字技术建设主要通过软硬件设施搜集各种要素信息，实现要素数字化转型，并从中挖掘更多空闲要素或其他有价值的要素，增加可利用要素规模。要素数字化转型能够避免或有效降低使用者在实体空间的搜寻成本。

数字经济之前，信息的传输方式主要是语言、文字或模拟信号等，难以实现生产要素供求双方实时互动。但是，在数字经济下，数字技术可以渗透到所有生产要素，实现对既有要素的数字化转型。通过芯片或其他手段将生产要素的信息具体化、动态化，并借助互联网技术在云端共享，以供任何主体随时随地查询。也就是说，互联网公平性和实时交互性可以使要素的需求者(供给者)突破信息获取在时空层面的局限，实现供求双方的实时双向反馈，有效降低要素的搜寻成本。鲁元平等研究发现互联网的信息搜索、传播功能所产生的信息福利效应非常显著，且在弱势人群中更加明显[14]。

(二)替代性：创造新要素替代传统要素，改变要素利用方式的同时增强使用效率

随着数字技术的不断渗透，更多生产要素实现了数字化转型，为数字经济进一步发展建立基础，数字经济进入了成熟期。此时，数字技术替代性的主导地位开始显现。即数字技术开始大范围实施对传统要素的改造，在创造更多新要素、新服务和新产品的同时，也改变了要素的利用方式和效率。王春云等认为无形资产的增加促使资本服务的作用已经超越了资本存量，数字化资本有效提升了中国的资本回报率，特别是在以信息通信技术资本生产和使用为主的交通运输、通信和房地产租赁等行业的效应更加明显[15]。

从现有数字经济发展来看，在数字技术实施替代过程的早期，主要是对服务部门的替代，包括ATM机、网上银行、企业资源规划、客户关系管理等。该替代过程正在对当下中国的劳动力结构产生影响。孙早等研究发现工业智能化正导致中国劳动力结构呈现 “两极化”特征，即工业智能化促使先进设备对初、高中学历劳动力的替代，并增加社会对高、低教育程度劳动力的需求[16]。当然，数字化要素在实施替代的同时也大大提升了要素利用效率。

(三)协同性：产业数字化与数字产业化协同演进，降低交易成本，提升要素配置效率

随着数字经济的不断成熟，一方面，数字技术需要解决对更多微观要素的渗透，或更注重要素信息的全面性，需要产业数字化继续推进；另一方面，多元化、多维度的要素信息提升了对大数据产业的依赖，需要加强数字产业化建设。数字经济到了完善期，此时更加需要产业数字化和数字产业化的相互协同。

协同在微观层面体现为数字化要素通过大数据和云计算实现的协同，在宏观层面则体现为产业数字化和数字产业化之间的协同。宏观和微观的协同发展降低了生产生活中的各项交易成本，共同提升要素配置效率。数字技术的渗透性和替代性使数字化产品越来越多，所产生的数据量呈爆炸式增长。全球数据量在2019年达到41ZB，到2025年将达到175ZB。不仅数据量大幅上升，而且数据算法准确率也逐步提高，对生产生活中大量交易进行精准的数字化调控，降低交易成本。通过数字技术对物流运输车辆的调度，降低空载率。

产业数字化带来更大规模的数据和数据基础设施需求，为数字产业化提供研究内容和资金，带动了数字产业化的发展；数字产业化则可以有效降低产业数字化的成本，并提供更多专业化服务，使产业数字化的实施变的更加低廉和快捷。另外，两者的共同发展又将促使更多要素流入大数据产业，提升高科技产业的要素配置效率。

根据上述作用机制和路径可以认为，数字经济建设能通过降低搜寻成本、提升要素利用效率、优化要素配置结构，有效降低要素错配水平。但是，由于数字技术发展存在阶段性，在不同要素中的数字化程度可能存在差异，因而，数字经济发展对不同要素的错配水平可能产生不同效应，结合实证结果，对不同要素的数字化建设方向提出有效对策。

三、模型、变量与数据说明

(一)模型构建

为考察数字经济对降低要素错配水平的影响，本文构建如下模型：

τKit=α0+βdigecit+∑γjxijt+μi+λt+εit

(1)

τLit=α0+βdigecit+∑γjxijt+μi+λt+εit

(2)

其中，下标i代表地区，下标t代表年份。τKit和τLit分别代表各地的资本错配和劳动错配水平，以反映地区要素错配状况；digecit是本文核心解释变量，代表数字经济发展水平；xijt代表其他控制变量，之后做详细说明。μi代表不可观测的地区个体固定效应，λt代表时间固定效应，εit代表随机干扰项，服从正态分布，且μi和εit无相关性。

上述模型为静态模型，考虑到要素错配可能存在一定的时间惯性，本文在上述模型基础上，加入资本和劳动要素错配水平的一阶滞后，控制可能存在的动态效应，动态模型如下：

τKit=α0+α1τKi，t-1+βdigecit+∑γjxijt+μi+

λt+εit

(3)

τLit=α0+α1τLi，t-1+βdigecit+∑γjxijt+μi+

λt+εit

(4)

其中，τKi，t-1和τLi，t-1分别代表资本错配和劳动错配水平的一阶滞后项。

(二)变量描述和数据说明

1.地区要素错配水平。借鉴白俊红和刘宇英的做法，地区要素错配可分为资本错配指数τKi和劳动错配指数τLi[17]。具体衡量方式如下：

(5)

其中，γKi和γLi代表要素的绝对错配系数，衡量的是要素与不存在扭曲时的相对加成状况。实际测算中可以用价格相对扭曲系数代替：

(6)

ln(Yit/Lit)=lnA+βKiln(Kit/Lit)+μi+λt+εit

(7)

对产出水平Yit，采用各省份GDP衡量，考虑到数据可得性和测算结果的准确性，采用GDP平减指数折算至以1990为基期的实际GDP。对资本投入Kit，采用各省固定资本存量衡量，并使用永续盘存法计算，也折算至以1990年为基期的水平，公式为Kt=It/Pt+(1-δt)Kt-1。其中，Kt是t期固定资本存量，It是t期的固定资本投资额，Pt是固定资本投资价格指数，δt是折旧率，采用9.6%。对于基期各省固定资本存量的确定采用张军的估算结果[18]。对劳动力投入水平Lit，采用各省城镇单位就业人员衡量。

在上述研究基础上，估算资本和劳动力的产出贡献。考虑到各省资本和劳动力的产出弹性可能存在差异，本文利用最小二乘虚拟变量法估算各省的要素产出弹性，并在式(7)基础上引入个体虚拟变量与ln(Kit/Lit)的交互项，使每个截面拥有不同的估计系数。结果表明，个体虚拟变量与ln(Kit/Lit)的交互项都非常显著，表明设定的变系数模型合理。在估算出各省的要素产出弹性后，根据式(5)和(6)计算各省资本错配指数与劳动错配指数。为综合资本配置不足和过度两类情况，对两个指数均取绝对值。如被解释变量系数为负，表明被解释变量增加有利于降低要素错配水平。

2.数字经济发展水平(dige)。国内近几年有很多机构发布了数字经济指数，涵盖领域主要是数字基础设施、产业和社会发展等。学术界也有不少基于年鉴或调研数据构建的评价体系，但存在时期跨度较短或者地域性局限等问题，无法直接应用。在充分借鉴相关成果基础上，本文依据当前对数字经济认识的新态势，遵循全面性、可获得性、可比性和前瞻性原则，从数字基础设施建设、数字化应用、数字化发展潜力三个角度构建指标体系。其中数字化应用应当包含生产和生活两个方面，进而拓展为包含数字基础设施、生产应用、生活应用和发展潜力的4个要素层。在具体指标选择中，参考上述权威机构发布的数字经济发展报告或白皮书，选取符合本研究视角，体现数字经济某方面特征的指标纳入，最终确定包含12个具体指标层的评价体系。

在评价体系中，基础设施反映当前数字经济发展的人员和网络传输基础，涉及3项三级指标。其中，城镇单位就业人员中信息传输、软件和信息技术服务业占比反映人员配备情况；人均光缆长度反映网络基础；人均移动电话交换机数量反映网络承载能力。生产应用主要衡量数字经济在生产层面的渗透水平，涉及3项三级指标。其中，每百人使用计算机数反映生产层面的数字化程度；电商销售额占GDP比重反映数字化产出效率；有电商交易活动的企业占比反映数字经济在企业的普及率。生活应用主要衡量数字经济在居民生活中的应用水平，涉及3项三级指标。其中，互联网宽带普及率和移动电话普及率分别反映宽带和移动互联网在居民生活的渗透程度；互联网消费衡量数字经济在生活中的应用效果，对该指标，由于从2016年起，中国网购快递的数量占比就已达60%，因此采用快递收入与GDP的比率衡量。发展潜力反映数字经济的发展空间，涉及3项三级指标。考虑到数字技术相关企业大都属于高科技企业，因而选取研发内部经费支出中高科技企业占比反映数字经济的资金投入强度；选取研发人员全时当量中高科技企业占比反映劳动投入强度；另外，由于利润越高预示该行业发展前景越好，故选取软件业务收入占GDP比重衡量数字经济的直接收益状况。具体指标体系见表1。

表1 数字经济发展水平评价体系

在确立评价指标体系后，采用熵权TOPSIS方法进行测算。首先利用熵权法计算各指标权重，然后再利用TOPSIS方法对各省数字经济发展水平进行综合，降低主观因素的干扰，结果相对合理。

3.控制变量。要素错配水平还受其他一些因素的影响，选取以下控制变量：①外资依存度(fdi)。外商投资的市场敏感性非常强，同时也极其重视投资收益，因此外资流入不仅会增强市场竞争，还会引导更多生产要素流入高效率领域，改善要素错配状况。另外，外资流入还会带来更多先进管理经验和技术，提升要素使用效率。采用外商投资企业投资总额占GDP比重衡量。②金融发展水平(fina)。金融信贷政策及水平能够引导资金流向，从而影响要素配置。由于金融业在发放贷款时，不仅考虑贷款收益，更需要考虑自有资金的安全性和稳定性。在中国国有经济、大企业占据主导的情况下，金融贷款大都流向了收益率相对不高但相对稳定的领域。但近两年大力发展互联网金融，金融机构也创新了很多金融产品，解决中小企业融资难融资贵的问题，因而，金融业的快速发展可能对要素错配产生改善效果。采用金融业增加值占GDP的比重衡量。③市场化水平(mkt)。市场经济下，价格是配置要素的最有效手段，提升市场化程度会增强竞争，使价格信号更加准确，进而改进要素的优化配置。一般情况下，市场化水平越高，非国有经济比重将越低，从而人们的收入将主要来自非国有经济，故选取工资总额中非国有经济工资收入占比衡量。④产业结构(stru)。产业结构演变是高生产率行业对低生产率行业的逐步替代过程，从而优化生产要素在不同行业的配置水平，降低要素错配指数。相对来说，由于服务业成本病的存在，二产生产率总体高于三产，故采用各省第二产业产值的GDP占比衡量。⑤技术创新水平(inno)。技术创新水平高的行业都有较高的资本收益，相关从业人员收入水平较高，具有较高的社会地位，因此，相关要素的利润敏感性更强，成本的阻碍性更弱，从而提升技术创新水平会有利于改善要素错配。采用三项专利发明的万人授权数衡量。⑥贸易开放水平(trade)。只有高效率企业才会突破地域限制进入其他市场，加剧市场竞争程度，淘汰更多低效率企业，从而使要素流向高效率企业，降低要素错配水平，采用地区进出口贸易总额占GDP比重衡量。

4.研究区间及数据来源。由于数字经济发展较晚，在构建的数字经济评价体系中，很多数据从2013年以后才有统计，因此在研究数字经济影响要素错配的实证分析中，样本选择是2013—2018年中国30个省级行政区的平衡面板数据(未包括中国西藏和港澳台地区)。另外，在估算资本和劳动产出弹性时，考虑数据的可得性和一致性，同时考虑样本研究区间越长，估计结果会更准确，因此将样本选择区间延长为1998—2018年。所有原始数据均来自国家统计局网站、CSMAR经济金融数据库和各省市统计年鉴。另外，为降低模型的异方差问题，对所有变量均取对数处理。

四、实证结果分析

(一)要素错配与数字经济状况的描述

根据上述方法，本文得到了各省份2013—2018年资本错配指数、劳动错配指数和数字经济指数。两个要素错配指数的绝对值越大，表明错配程度越高。指数大于0表明，相对全国来说，该地区的要素配置不足，反之要素配置过度。表2报告了2018年各省的要素错配指数和数字经济发展指数。为进行地域比较，本文将各省按两种方式进行划分，一种是按照东、中、西和东北划分，一种是按照南北划分。

由表2可知，中国各省份均存在一定程度的要素错配，且对不同要素来说，存在较大地域差异。对于要素错配需注意以下几点：首先，北京和上海体现出资本配置严重不足，劳动力配置过度的情况，通过测算程序发现，主要原因是北京和上海的资本产出贡献远高于全国平均水平，京沪两地的资本利用效率较高导致资本配置呈现严重不足的特点。其次，东北三省都呈现要素配置严重不足的状况，辽宁和黑龙江的资本和劳动都呈现配置不足，仅吉林的资本配置呈现轻微过剩，表明东北三省的资本扭曲现象极为严重，资金和人才都呈现外流态势。再次，浙江、山东、江苏、天津等发达地区，都呈现资本配置过度而劳动不足态势，由于以上都是中国制造业比较发达的地区，表明中国的普通劳动力短缺现象在上述地区较为普遍。最后，资本和劳动都显示配置过度的省份大都是中西部地区，比如贵州、内蒙古、青海、安徽等。如果从南北划分来看，在14个劳动配置过度省份中有9个都属北部地区。对于数字经济发展状况，数字经济指数前十名中有7个都属东部，其他3个则属于西部，中部地区数字经济指数相对较为落后，表明数字经济发展格局为东部强于西部，西部强于中部；另外，如果按照南北划分，前十名中有7个都属南部，说明中国南部地区的数字经济发展水平普遍较高。

表2 2018年各省资本错配指数、劳动错配指数和数字经济发展水平

在进行实证分析前，首先绘制资本错配指数、劳动错配指数与数字经济的偏相关图，并以此初步判断两者可能存在的关系，如图2-3所示。可以发现，数字经济与资本错配指数呈负向关系，而与劳动错配指数呈正向关系，表明数字经济发展有助于降低资本错配程度，却未对降低劳动错配产生明显效果。

图2 数字经济与资本错配指数的偏相关图

图3 数字经济与劳动错配指数的偏相关图

(二)模型估计结果

对于模型估计，首先采用基于DK标准误的静态面板模型对式(1)和式(2)进行估计，然后再估计构建的动态面板模型式(3)和式(4)。广义矩估计(GMM)可以有效解决内生性问题，另外，为综合检验估计结果的稳健性，分别采用差分GMM和系统GMM进行估计。为保证GMM估计的一致性，需要对模型残差序列进行自相关检验，并检验工具变量的有效性。通过Arellano-Bond的检验结果可以看出，资本错配和劳动错配方程的差分GMM、系统GMM都不存在二阶序列相关，方程通过了自相关检验。Sargan检验的p值大于0.1，表明模型选取的工具变量都是外生和有效的。因此差分GMM和系统GMM的估计结果是一致和有效的。估计结果见表3。

表3 数字经济影响要素错配的估计结果

在估计结果中，静态面板模型显示核心解释变量数字经济发展指数对资本错配指数的影响显著为负，对劳动错配指数的影响为正，但并不显著。在加入被解释变量的一阶滞后以后，对资本错配指数，差分GMM和系统GMM的结果显示，数字经济发展指数产生的影响仍显著为负；对劳动错配指数，差分GMM的结果显著为负，而系统GMM的结果虽然为负却并不显著。数字经济发展有效降低了资本错配水平，但对劳动错配水平的降低却并不稳健，或者说影响程度较弱。

结合中国数字经济发展的实践，可以发现上述情况的原因：当前中国数字经济发展主要方向是物联网、工业互联等，表明数字技术对资本等生产物资的渗透率较高，可以认为数字技术对资本要素的影响已经到了成熟期。再加上资金具有流动性强、流动成本低的特点，因而，资金更容易通过网络信息的共享，提升收益率，降低错配水平。而对劳动错配来说，虽然企业用工信息会通过网络等各种渠道发布，但相对来说，各地对劳动力具体信息的采集和数字化工作关注的较少，仅仅关注劳动力总量、年龄分布以及文化程度等表层信息，而对劳动力具备的特长，愿意就业的行业、地域以及曾经的工作经历等信息的数据化工作较为缺乏。同时由于对个人隐私的保护，即使已经信息化的劳动力信息也很难实现有效共享。另外，对很多普通劳动力来说，当他们有外出工作意愿时，主要依靠熟人或劳务公司，对通过网络寻找高收入工作的意愿和能力都比较有限。也就是说，数字经济对劳动力产生的影响主要集中在消费领域，从劳动供给角度的数字技术渗透率严重不足，因此，数字经济发展对劳动错配并未呈现像资本一样的理想效果。另外，根据动态面板的回归结果还可以发现，资本错配指数和劳动错配指数的一阶滞后均在1%水平上显著为正，表明要素错配存在较强的路径依赖，以往的要素错配会加剧错配程度。

对于控制变量，差分GMM、系统GMM结果与静态面板模型存在一定差异，但考虑到静态面板模型未考虑可能存在的内生性问题，因此主要结合动态面板模型进行分析。对于资本错配的回归结果，差分GMM和系统GMM的差异主要是回归系数大小的问题，系数符号及显著性基本一致；对于劳动错配的结果，差分GMM的显著性更好，主要基于差分GMM的估计进行分析，同时兼顾系统GMM的估计差异，既考虑了分析结论在模型选择上的一致性，又考虑了模型结果的差异。

估计结果显示，外商直接投资对资本错配指数的影响显著为正，对劳动错配指数的影响在差分GMM中显著为负，而系统GMM估计结果并不显著，表明外资进入可能会改善劳动错配，但却会加剧资本错配程度。说明当前中国各地大规模招商引资政策，虽然为本地带来了很多资本积累，但从全国来看，竞争性、分散性的资本积累难以发挥规模优势，地方政府的招商引资政策扭曲了资本的市场化配置，加剧了资本错配。当然，外资引入会解决地方就业问题，同时外资企业的高收入也有助于劳动力的合理配置，降低劳动错配水平。金融发展水平对资本错配的影响显著为负，对劳动错配的影响却并不显著。主要原因是2012年以后，中小企业融资难融资贵开始成为社会焦点，解决融资困境的手段就是大力发展金融业，增加金融衍生品和服务，才能为高效率中小企业提供更多资本，避免所有资本都流入效益较低但却比较稳定的大企业，进而改善了资本错配，但对劳动错配的改善却相对有限。市场化水平对资本错配的影响均显著为负，对降低劳动错配却并未产生理想效果。表明非国有企业发展在资本效益上的作用明显，能够增强市场竞争，降低资本错配水平。但由于劳动力各项保障成本和权益的提高，非国有企业的竞争力依然有限，对劳动力的吸引程度较弱。产业结构对资本和劳动错配均显著为负，尽管关于劳动错配的系统GMM结果为负的非显著性，表明第二产业发展对资本和劳动的错配均起到改善作用。本文还尝试将该变量更换为第三产业占比，回归结果中该指标系数均由负转正，研究结果表明中国第二产业效率总体高于第三产业，第三产业中效率较高的生产性服务业发展较为不足。技术创新对资本和劳动错配均产生了明显改善，验证了之前指标选取中做出的分析，即高技术行业和人才培育能有效克服市场分割的影响，提升要素配置效率。贸易开放水平对资本错配呈现正的显著性，而对劳动错配的影响都不显著，在一定程度上表明当前中国进出口贸易加剧了资本错配，同时也未改善劳动错配水平，主要原因可能是政府为鼓励出口而对市场干预过多，制定的各种出口优惠政策扭曲了相关行业的要素市场价格，加剧了要素错配。

(三)稳健性检验

为进一步检验模型的稳健性，本文共采取两种措施。一是更换核心解释变量，二是对原模型调整控制变量，采取逐步回归的方法。由于数字经济发展离不开数字技术，而随着中国数字技术由2G快速发展到现在的5G，用户规模不断壮大，从而导致电信业务总量持续高速增长，因此，采用各地电信业务总量占GDP的比重替换原模型的核心解释变量重新估计。结果显示，无论是静态面板模型还是动态面板模型，数字经济都呈现对资本错配指数的改善，而对劳动错配指数的影响系数均未呈现负的显著性。在静态面板模型中，对资本错配指数，即使不加入控制变量，核心解释变量的系数也是显著为负，随着控制变量的逐步增多，系数的符号和显著性水平均未发生变化，只是系数值出现了轻微变化；对劳动指数，呈现的都是系数是非显著的。

五、结论和启示

随着数字经济快速发展，如何依靠大数据、云计算等数字技术提高要素配置效率，降低要素错配水平是中国深化供给侧结构性改革，快速实现高质量发展的重要议题。本文在数字经济降低要素错配的理论分析基础上，估算了中国2013—2018年中国30个省市的要素错配水平，并构建评价体系测度各省(市)数字经济状况，在此基础上，通过静态和动态面板模型，检验了数字经济发展对不同要素错配水平的影响。主要结论有：

第一，在研究期内，中国各省份均存在不同水平的要素错配，且地区差异明显。北京和上海由于较高资本收益率而呈现严重资本短缺；东部地区由于劳动力短缺而呈现资本配置过剩的特征；西部地区可能由于经济效率总体偏低而呈现资本和劳动大都过度配置的特征；东北则呈现资本和劳动力都配置不足的特征。如果按南北划分的话，总体上，北部省份主要呈现劳动配置过度，而南部省份呈现资本配置过度的特征。对于数字经济发展状况，总体呈现出东部强于西部，西部强于中部的特征，如果从南北划分来看，则呈现南部强于北部的特征。

第二，数字经济对资本错配存在显著的负向影响，对劳动错配的影响并不显著，即当前中国数字经济发展更有利于改善资本的错配状况，对改善劳动错配并未发挥明显作用，在采取不同的稳健性检验后，依然体现上述特征。该结论验证了理论机制分析中提出的，数字经济对不同要素的渗透可能存在阶段性差异，从而导致数字经济会产生不同效果。另外，中国资本错配和劳动错配都存在较强的路径依赖。

因此，在数字经济背景下，应大力发展数字技术，实现社会经济生活的数字化转型，进一步改善中国的要素错配状况。在此情形下，各级政府部门应当从“点、线、面”三个维度综合统筹数字经济发展。“点”是基于要素层面的，不仅包括资本、土地、沙漠、垃圾等具有或不具有生产价值的物体，更包括基于人的各维度的信息，万物互联是包括人、财、物等所有方面的互联互通，其中的“人”必须是万物互联的中心和重心，要通过芯片技术、数据采集和数据挖掘技术，挖掘更多具有针对性的要素动、静态信息。“线”是指基于数据和实物传输层面的基础设施建设，包括数字网络基础设施和应用基础设施。网络基础设施比如物联网、智能终端等，主要用来对相关信息的采集和传输；应用基础设施比如车联网、无人驾驶、无人配送等，主要用来对实物提供高效快捷的调配。“面”是基于全国区域协调发展层面和标准、政策上的考虑。数字技术统筹调配全国的各种要素。要想实现各种生产要素高效流动，需要全国各地在数字技术的标准、法规和服务等层面都具有一致性，才能统一市场，实现统一调配，充分挖掘各地的要素禀赋优势，培育自身独特的竞争力，进而实现生产要素高效化配置。