数字技术如何影响制造业高质量发展

徐冬梅,伍 琦,陶长琪

(1.江西农业大学经济管理学院,江西 南昌 330044;2.江西财经大学统计学院,江西 南昌 330013;3.江西财经大学软件与物联网工程学院,江西 南昌 330032)

0 引言

制造业是实体经济的主体，是强国之本，是驱动中国经济增长的重要力量，然而中国制造业在某些方面仍然“大而不强、全而不优”，严重制约其向高质量发展.要实现制造业高质量发展，必须要依靠新一代数字技术进行创新.通过数字网络互联打破行业和地域壁垒，实现需求供给高效对接，通过网络连接效应和数据赋能效应，改变传统要素的供给结构和供给方式，提高传统要素配置效率，进而实现制造业高质量发展.因此，数字技术已成为推动制造业高质量发展的新动能，研究数字技术如何影响制造业高质量发展，对中国科学合理地制定数字经济政策以实现制造业高质量发展具有重要意义.

学者们主要从2个方面对制造业高质量发展展开研究:关于制造业高质量发展内涵和测度的研究和关于其实现路径的研究.关于制造业高质量发展内涵和测度的研究，曲立等[1]在明晰制造业高质量发展内涵特征的基础上，从创新、绿色、开放、共享、高效和风险控制6个维度构建了制造业高质量发展指标体系；汪芳等[2]以制造业行业为对象，从绿色发展效率和出口技术结构2个方面综合测度了制造业高质量发展水平.关于制造业高质量发展实现路径的研究，李巧华[3]根据平台化组织的构成节点和技术创新来源的分解，提出了基于平台开发嵌入、自主研发技术和引进技术的双边市场嵌入路径；惠树鹏等[4]基于中国30个省份数据研究发现，存在“智能创新协同驱动”型、“智能制度协同驱动”型和“智能环境协同驱动”型3条工业高质量发展的驱动路径.

数字技术包含数字组件、数字平台和数字基础设施，是指嵌入在信息通信技术内的产品或服务，或者是由信息技术支撑的产品或服务[5-8],具有可编辑性、可扩展性、开放性和关联性等特征.高敬峰等[9]将其界定为通信技术、信息技术及其相关信息服务.关于数字技术的测度，有学者基于数字组件、数字平台和数字基础设施，用企业年报和企业社会责任报告中披露的相关表述来衡量[6-7,10].也有学者基于OECD发布的投入产出表对其进行测算[9].

数字化浪潮驱动着全球价值链重构，为中国制造企业提供了后发赶超的绝佳机会[11].制造业人工智能的广泛使用，大幅提升其产业链的生产效率，改变了在传统全球价值链体系中的利益分配[12].数字技术通过改变价值创造方式、提高价值创造效率、拓展价值创造载体和增强价值获取能力实现赋能制造业高质量发展[13-14].基于数字化、网络化、智能化等企业创新生态系统新情境以及智慧城市建设，数字技术有助于促进企业创新、推动产品创新和商业模式创新[15],数字技术应用亦对生产率有显著的正向影响[16].

综上所述，在现有文献中关于制造业高质量发展的研究成果较为丰富，学者们也认同数字技术对制造业高质量发展有重要影响，但关于数字技术与制造业高质量发展关系的定性研究偏多，定量研究偏少.基于此，本文尝试通过理论模型解析数字技术影响制造业高质量发展的内在作用机理，构建指标体系对数字技术和制造业高质量发展进行测度，在此基础上实证检验数字技术对制造业高质量发展的促进作用，并对该作用背后的机理进行解读，以期拓展数字技术对制造业高质量发展的推动路径，丰富已有数字技术对制造业高质量发展影响的研究.

1 理论机制

1.1 数字技术促进制造业高质量发展的直接作用机理

数字经济在实体经济中的应用赋能是以信息技术等数字技术进行的，通过大数据技术的识别、选择、过滤、存储、使用来引导和实现资源的优化配置和再生，实现产业转型和制造业高质量发展[17].信息、数据的复制、共享打破了以往生产要素稀缺性对制造业增长的制约，为制造业可持续增长提供了可能.数字技术减少了信息不对称、机会主义、有限理性等造成的搜寻成本、议价成本，繁荣了消费市场，通过增加实际需求促进制造业高质量发展.大数据技术和人工智能技术大幅度提高了企业对产品质量的监管和控制能力，降低了产品不良率，提高了产品质量.在数字技术推动下形成的新模式、新业态迎合了消费者的新需求，给消费者带来质量更高、内容更多样的消费体验，增强了消费动能对制造业高质量发展的正效应.根据上述分析，本文得到假设1.

假设1数字技术对制造业高质量发展有正向影响，即数字技术发展能够促进制造业高质量发展.

由于受各地区经济发展水平、经济结构以及开放程度等因素的影响,经济高质量发展水平呈现出明显的地区差异[18-19],所以数字经济对中国经济高质量发展的影响在东中西部地区表现明显不同[20-21],由此本文推测:数字技术对制造业高质量发展的影响具有区域异质性.

1.2 数字技术促进制造业高质量发展的中介效应机理

数字技术是一种生产要素[22],对资本和劳动产生替代效应，会降低资本要素和劳动要素的市场份额[23-24].因此，本文将数字技术与资本、劳动一起纳入生产函数中，并将资本表示为K，劳动表示为L，数字技术表示为D，采用柯布-道格拉斯(C-D)生产函数构建产出模型

Y=AKαLβDξ.

(1)

制造业高质量发展，既包括“量”的增长，又包括“质”的提升，是“量”和“质”的协调发展.“量”的增长体现了发展的规模、程度和速度，“质”的提升体现了质量和效益.因此，制造业高质量发展表现为高质量的产出.用H表示制造业高质量发展，可将式(1)改写为

H=AKαLβDξ.

(2)

数字技术可显著提高资本和劳动等传统生产要素配置效率[25],通过将社会再生产过程中海量的生产要素供求信息转化为数据，利用大数据互联网进行供需的有效整合与精准匹配，可有效解决信息不完全和外部性问题，降低信息检索和匹配成本，大大提高资本和劳动的配置效率.若用Ca表示资本配置效率提升，La表示劳动配置效率提升，则可将资本配置效率提升Ca和劳动配置效率提升La表示成数字技术D的函数:

Ca=Ca(D),

(3)

La=La(D).

(4)

资本配置效率提升Ca和劳动配置效率提升La意味着同样的资本投入和劳动投入会带来更多的产出.为了将要素配置效率提升对生产的影响体现出来，借鉴刘平峰等[26]的资本赋能型技术和劳动赋能型技术的做法，将式(2)的生产函数改写为

H=A(CaK)α(LaL)βDξ.

(5)

在式(5)中,A为全要素生产率，α、β和ξ分别为资本K、劳动L和数字技术D的产出弹性.

由成本最小化得

s.t. minrK+wL+γD,

其中r为市场利率水平，w为工资率，γ为数字技术使用成本.假定资本市场、劳动力市场和数字技术市场都是完全竞争的.

消费和财富能给人们带来正的效用，劳动给人们带来负的效用.于是，家庭部门效用最大化函数可表示为

其中C为家庭部门消费,θ和η分别表示财富和劳动对居民个人福利的重要程度,ρ为主观贴现率,θ、η和ρ都为正数,K为家庭部门总财富，即为居民储蓄，其积累方程可以表示为

(6)

假定最终产品价格为1，可得利润最大化函数

maxπ=A(CaK)α(LaL)βDξ-rK-wL-γD.

(7)

假定家庭部门的储蓄构成最终产品生产部门资本积累的全部，于是现值Hamiltonian函数可表示为

HU=(lnC+θlnK-ηlnL)e-ρt+λ(wL+rK-C).

(8)

将式(7)和式(8)分别关于K、L、D和λ求1阶偏导数，并结合式(6)进行整理，可得一般均衡条件

H=(λβθγCa/(αwηξ)-αβλργ2/(αrθηwξ2))D/La.

至此,一般均衡模型已经建立.结合一般均衡结果和式(1)～式(5)的分析，可得如下假设.

假设2数字技术通过提升资本配置效率来促进制造业高质量发展，即资本配置效率提升在数字技术促进制造业高质量发展过程中起中介作用.

假设3数字技术通过提升劳动配置效率来促进制造业高质量发展，即劳动配置效率提升在数字技术促进制造业高质量发展过程中起中介作用.

1.3 经济发展水平在数字技术促进制造业高质量发展中的调节作用机理

中国数字经济发展区域差异显著，东部地区最高，西部地区最低[27],这与中国经济发展情况一致，这说明经济发展水平高的地区的数字技术水平更高，即数字技术受经济因素制约，因此，数字技术对制造业高质量发展的有效程度可能与当地的经济发展水平有关.首先，经济发展促进了数字技术发展.经济发展水平高的地区网络基础设施更完善，数字技术人才培养的实力更强，数字技术发展更快.其次，经济发展水平对制造业高质量发展的影响有2方面.一方面，经济发展水平高的地区的要素市场化程度更高，要素配置相对更合理[28],借助于数字技术引导要素进行合理化配置的作用有限；另一方面，经济欠发达地区的政府重视数字技术基础设施建设、重视数字技术人才引进和培养，数字技术在要素配置效率提升方面空间更大，对制造业高质量发展的影响应比经济发展水平高的地区更大.据此，本文提出假设4.

假设4经济发展水平负向调节数字技术对制造业高质量发展的影响.

本文的理论框架图可用图1表示.

图1 数字技术促进制造业高质量发展的理论框架

2 实证分析

2.1 变量说明与数据来源

2.1.1 变量说明 1)被解释变量为制造业高质量发展(H).在参照文献[1,29-30]的基础上，结合数据的可获得性，本文采用“TFP指数”、“协调指数”、“能源消耗”、“开放程度”和“共享水平”5个指标度量制造业高质量发展(见表1).TFP指数基于Malmquist指数测算；协调指数采用“私营企业主营业务收入/国有企业主营业务收入”测算；能源消耗采用“主营业务收入/万吨标准煤”测算；开放程度采用“新产品出口销售收入/新产品销售收入”测算；共享水平采用“各省份规模以上工业企业销售产值/全国规模以上工业企业销售总产值”测算.

表1 制造业高质量发展指标

关于TFP指数的测算,依据R. Färe等[31]的DEA方法，采用DEA-Malmquist指数法测算规模以上工业企业全要素生产率增长的动态变化.产出指标用规模以上工业企业销售产值衡量，资本投入以规模以上工业企业实际资本存量为基础，采用永续盘存法计算，劳动投入以规模以上工业企业平均用工人数表示.资本存量的计算公式为

Kt=It/Pt+(1-δt)Kt-1,

其中It为第t年名义投资额，采用各省份规模以上工业企业的新增固定资产表示；Pt为各省份的工业生产者出厂价格指数；δt为第t年折旧率，根据规模以上工业企业本年折旧和固定资产原价的比例计算；Kt和Kt-1分别为第t年和第t-1年的实际资本存量，初始年份的资本存量为2002年的固定资产净值.

由于各指标计量单位不统一，需先将各指标进行标准化处理，再按照王小鲁等[32]的方法确定权重，进行加权合成，最终得到制造业高质量发展总指标.

2)核心解释变量为数字技术.目前，数字技术尚未有统一的定义，本文依据文献[6-8,33]并结合数据的可获得性，认为可从数字基础设施、数字组件和数字网络技术3方面对其进行测度(见表2).

表2 数字技术指标

通过王小鲁等[32]编制市场化指数方法赋权，将以上指标的数据标准化后的数据降维处理，得到数字技术发展水平指数.

3)中介变量为要素配置效率.要素配置效率是提升制造业全要素生产率的主要方式，也是实现制造业可持续地高质量发展的保障，要素配置效率越高，制造业的全要素生产率会越高，制造业的高质量发展情况会越好.本文的生产要素分为资本要素和劳动要素2大类，相应地，要素配置效率亦分为资本配置效率和劳动配置效率，具体测度如表3所示.

4)调节变量为经济发展水平.人均GDP是反映国家(或地区)生产水平和收入水平的综合指标，故经济发展水平采用“人均国内生产总值”表示.

5)控制变量选择.为了避免遗漏变量可能带来的影响，在参照文献[34-35]的基础上，选取人力资本积累(Ed)、研发投入(rd)、外商直接投资(Fd)、政府干预(Go)和基础设施(Fa)作为控制变量.人力资本积累用“平均受教育年限”表示[36].平均受教育年限越长越有利于制造业高质量发展.平均受教育年限按文盲(15岁及15岁以上不识字或识字很少的人)人均受教育1年、小学人均受教育6年、初中人均受教育9年、高中人均受教育12年、大学(指大专以上)人均受教育16年进行加权计算，预期人力资本积累对制造业高质量发展有正向影响.研发投入用“规模以上工业企业R&D经费内部支出/工业销售产值”表示，预期研发投入对制造业高质量发展具有正向影响.外商直接投资采用“外商投资固定资产合计/工业销售产值”表示，预期外商直接投资对制造业高质量发展具有正向影响.政府干预用“地方财政支出/工业销售产值”表示，预期政府干预对制造业高质量发展具有负向影响.基础设施采用“人均城市道路面积”表示，预期基础设施建设对制造业高质量发展具有正向影响.

表3中所有数据均为以2011年为基期的实际值.

表3 变量定义

2.1.2 数据来源及处理 本文以2011—2019年中国30个省份(不含西藏、台湾、香港、澳门)面板数据为样本.各指标数据来源情况如下:(a)来源于中国宏观经济数据库的有总人口、人均国内生产总值、人均城市道路面积、光缆线路长度、本地电话局用交换机容量、移动电话交换机容量、互联网宽带接入端口、网页数、域名数、软件产品;(b)来源于中国工业经济数据库的有工业销售产值、平均用工人数、私营企业主营业务收入、国有企业主营业务收入;(c)来源于中国科技数据库的有R&D经费内部支出;(d)来源于中国高技术产业数据库的有新产品出口销售收入和新产品销售收入;(e)来源于中国能源数据库的有万吨标准煤;(f)来源于中国上市公司数据库的有信息技术服务上市公司数量;(g)来源于中国教育数据库的有平均受教育年限;(h)来源于国际机器人联合会(IFR)统计数据的有工业机器人保有量.数据匹配和缺失填补主要体现在工业机器人保有量根据各省份工业机器人主要应用的行业产值来分配全国机器人保有量；2019年信息技术上市公司数据根据《中国会计年鉴》中上市公司2019年年报审计情况分析报告中信息服务类上市公司行业占比与各省区上市公司数量推算得到.

除此之外，本文亦对相关指标进行了平减处理.以2011年为基期，规模以上工业企业销售产值、新增固定资产和主营业务收入用工业生产者出厂价格指数平减，人均国内生产总值、地方财政支出用居民消费价格指数平减，R&D经费内部支出和外商投资固定资产合计用固定资产投资价格指数平减.工业生产者出厂价格指数、居民消费价格指数、固定资产投资价格指数均来自中经网统计数据库.

2.2 计量模型构建

2.2.1 基准模型 为了验证数字技术对制造业高质量发展的促进作用，构建如下面板模型:

lnHit=β0+β1lnDit+β2lnEdit+β3lnrdit+β4lnFdit+β5lnGoit+β6lnFait+α1i+γ1t+ε1it,

(9)

其中i表示省份,t表示时间.

2.2.2 影响机制模型 1)中介效应模型.为了检验数字技术对制造业高质量发展的影响机制，参照文献[37-38],在式(9)的基础上，建立如下多重中介效应模型:

lnCait=π0+π1lnDit+π2lnEdit+π3lnrdit+π4lnFdit+π5lnGoit+α2i+γ2t+ε2it,

(10)

lnLait=π′0+π′1lnDit+π′2lnEdit+π′3lnrdit+π′4lnGoit+π′5lnFait+α′2i+γ′2t+ε′2it,

(11)

lnHit=δ0+δ1lnDit+δ2lnCait+δ3lnLait+δ4lnEdit+δ5lnrdit+δ6lnFdit+δ7lnGoit+δ8lnFait+α3i+γ3t+ε3it.

(12)

分3步对已建立的多重中介效应模型进行检验.第1步对式(9)进行回归，若β1显著为正，则对式(10)和式(11)进行回归，否则停止；第2步同时对式(10)和式(11)进行回归，若π1和π′1显著，则数字技术能够显著促进资本配置效率提升和劳动配置效率提升；第3步，对式(12)进行回归，若δ2(δ3)显著但δ1不显著，则资本配置效率提升(劳动配置效率提升)在数字技术影响制造业高质量发展的过程中具有完全中介效应.若δ2(δ3)和δ1均显著且δ1比β1小，则资本配置效率提升(劳动配置效率提升)具有部分中介效应.

2)调节效应模型.经济发展水平的高低会影响数字技术对制造业高质量发展的作用程度，为考察经济发展水平的异质性对制造业高质量发展的影响，本文在式(9)的基础上，添加数字技术与经济发展水平的交互项lnDitlnPGDPit作为解释变量，得到调节效应模型:

lnHit=β0+β1lnDit+β2lnEdit+β3lnrdit+β4lnFdit+β5lnGoit+β6lnFait+β7lnDitlnPGDPit+α4i+γ4t+ε4it.

2.3 回归结果分析

2.3.1 基准模型回归结果分析 1)全国层面.全国层面的基准模型回归结果如表4所示.在表4中第Ⅰ列为没有加入控制变量的回归结果，第Ⅱ列为加入了控制变量的回归结果.

表4 全国层面基准模型回归

在没有加入控制变量时，数字技术在5%显著性水平上显著为正，这表明数字技术发展水平每提高1%，制造业高质量发展水平将提高0.398%；在加入了控制变量后，数字技术依然在5%显著性水平上显著为正.在控制变量方面，人力资本积累的系数在1%显著性水平上显著为正，这说明人力资本积累的增加有助于促进制造业高质量发展；研发投入的系数在1%显著性水平上显著为正，这说明研发投入有助于促进制造业高质量发展；外商直接投资的系数在10%显著性水平上显著为正，这说明外商直接投资具有促进作用；政府干预的系数为负，这说明政府部门的过度干预会抑制制造业高质量发展；基础设施的系数在5%显著性水平上显著为正，这说明基础设施越完善越有利于制造业高质量发展.各控制变量的系数符号与预期基本一致，这说明本文实证结论较为可靠.假设1成立.

2)区域层面.由前文分析可知，数字技术对制造业高质量发展的影响具有区域异质性，本文在全样本基础上参照文献[39]将30个省份分为东部、中部、西部3个地区，讨论数字技术促进制造业高质量发展的区域异质性.估计结果如表5所示.

由表5可见:东部、中部和西部地区的数字技术对制造业高质量发展均具有显著的正向影响，这表明数字技术能够促进各地区制造业高质量发展.但同时数字技术对制造业高质量发展的促进作用存在地区差异，数字技术对西部地区制造业高质量发展的促进作用最大，中部地区次之，东部地区最小.这可能原因是:东部地区要素市场化程度更高[40],资本、劳动等要素在东部地区各产业间流动性更好，数字技术在推动要素配置效率提升方面的作用更小；自国家促进中部地区崛起战略实施以来，中部地区科教实力显著增强，基础设施明显改善，但要素市场化程度仍低于东部地区，数字技术在推动制造业高质量发展方面发挥的作用较东部地区大；西部地区受底子薄、基础小等因素的影响，相比中部地区和东部地区，西部地区的数字技术在改善要素错配、推动传统产业数字化转型等方面更具潜力，对制造业高质量发展的促进作用更大.

表5 区域层面基准模型回归

2.3.2 内生性检验 若回归方程存在双向因果关系，则将会带来严重的内生性问题.数字技术通过提高要素配置效率、改变价值创造方式等促进制造业高质量发展，制造业高质量发展必然要求更高水平的数字技术与之相匹配.因此，本文的研究可能存在内生性问题，为了确保基本结论的稳健性，使用工具变量进行回归.借鉴文献[41-42]将各省份在1985年的固定电话数量(数据来源于1986年中国统计年鉴和中国宏观经济数据库)作为数字技术的工具变量，同时参照N. Nunn等[43]的处理，引入上年度全国互联网宽带接入用户数，与1985年的固定电话数量构造交乘项，得到面板工具变量.工具变量回归结果如表6所示.

表6 工具变量回归

从表6结果可见:在没有加入控制变量时Sargan检验的p值为0.860 4，在加入控制变量后Sargan检验的p值为0.909 8，均大于0.05，这表明工具变量是外生的，估计结果可靠.表6回归结果显示:无论是否加入控制变量，数字技术的系数均在5%显著性水平上显著为正，这说明在工具变量回归后本文基本结论依然成立.

2.3.3 稳健性检验 分别采用Hausman检验、更换模型以及更换控制变量度量方式进行稳健性检验.

1)Hausman检验(限于篇幅,未在此汇报回归结果,若读者需要则可向笔者索要).为了验证本文采用的固定效应模型是合适的，对方程(9)进行检验.通过检验发现p值为0.002，拒绝随机干扰项与解释变量不相关的原假设.因此，本文选用固定效应模型估计是合适的，所得结论是可靠的.

2)换用动态面板模型检验.运用动态面板模型对方程(9)重新进行估计，得到的结果如表7所示.

从表7可见:被解释变量滞后项系数不显著，其他变量系数的显著性和符号与表4结果相比，只是系数大小略有差别，这说明基准模型回归结果具有稳健性.假设1成立.

表7 动态面板模型估计

此外，本文还通过将控制变量中的基础设施表示成“年末实有道路长度/年末总人口”进行稳健性检验(数据来源于中国宏观经济数据库,限于篇幅,未在此汇报回归结果,若读者需要则可向笔者索要),结果与基准模型回归结果基本一致.这再次验证了假设1.

2.3.4 影响机制检验 1)中介效应检验.为进一步揭示数字技术如何影响制造业高质量发展，接下来检验要素配置效率提升的中介效应.中介效应回归结果如表8所示.

a)资本配置效率提升的中介效应.由表8第Ⅰ列可见:数字技术的系数在1%显著性水平上显著为正，这说明数字技术能够促进资本配置效率提升.第Ⅲ列结果显示:数字技术和资本配置效率提升的系数均在5%显著性水平上显著为正，且数字技术的系数估计值小于在表4中第Ⅱ列数字技术的系数估计值，因此，资本配置效率提升在数字技术影响制造业高质量发展的过程中具有部分中介效应.假设2成立.

b)劳动配置效率提升的中介效应.由表8第Ⅱ列可见:数字技术的系数在1%显著性水平上显著为正，这说明数字技术能够促进劳动配置效率提升.第Ⅲ列结果显示:数字技术和劳动配置效率提升的系数均在5%显著性水平上显著为正，且数字技术的系数估计值小于在表4中第Ⅱ列数字技术的系数估计值，因此，劳动配置效率提升在数字技术影响制造业高质量发展的过程中具有部分中介效应.假设3成立.

表8 要素配置效率提升的中介效应

2)经济发展水平的调节效应检验.为了探究在不同经济发展水平下数字技术促进制造业高质量发展是否存在差异，本文进一步分析经济发展水平在数字技术促进制造业高质量发展中的调节效应，结果如表9所示.

表9 经济发展水平的调节效应

由表9可知:经济发展水平与数字技术的交互项在1%显著性水平上显著为负，这表明在数字技术促进制造业高质量发展的过程中，经济发展水平起着负向调节作用，即地区的经济发展水平越低,该地区的数字技术对制造业高质量发展的促进作用越大；地区的经济发展水平越高,该地区的数字技术对制造业高质量发展的促进作用越小.由于地区的经济发展水平越低，要素市场化程度越低，要素错配现象越严重，数字技术在改善要素错配方面成效越显著，所以表现为数字技术对制造业高质量发展的促进作用更大，反之亦然.假设4成立.

3 结论与政策启示

本文通过理论模型解析数字技术对制造业高质量发展的直接作用机理、间接作用机理，以及经济发展水平的调节作用机理，并对机理进行实证检验.研究结果显示:1)数字技术与制造业高质量发展显著正相关，无论是全国层面，还是区域层面，数字技术对制造业高质量发展均具有显著的促进作用；区域结果显示，数字技术对西部地区制造业高质量发展的促进作用最大，中部地区次之，东部地区最小.2)在数字技术促进制造业高质量发展的过程中，资本配置效率提升和劳动配置效率提升均具有部分中介效应.数字技术通过提升资本配置效率和劳动配置效率2条路径来促进制造业高质量发展.3)经济发展水平负向调节数字技术对制造业高质量发展的促进作用.

基于所得结论，得到如下几点启示:

1)基于数字技术促进制造业高质量发展的地区差异，各地应结合本地实际情况，因地制宜地制定相关政策措施，以便更好地发挥数字技术对制造业高质量发展的促进作用.东部地区应继续利用自身综合实力优势，充分发挥数字技术对制造业高质量发展的促进作用；中部地区可利用丰富的人力资源，发挥数字技术赋能人力资本促进制造业高质量发展；西部地区在继续加快推进要素市场化改革的同时，应加强数字新型基础设施建设，改善其薄弱现状，以便更好地发挥数字技术对制造业高质量发展的促进作用.

2)转变政府职能，加强要素市场化建设.各级政府应积极搭建平台，减少政府在要素配置中的直接作用，转变政府职能，从直接干预市场向维护市场秩序转变，引导东部地区继续提高自身要素市场化配置水平的同时，鼓励中西部地区学习借鉴东部地区经验，结合自身地区特点，加强要素市场化建设，提高要素配置效率.

3)加大对中西部地区政策扶持力度，缩小东中西部地区经济差距.政府部门可制定政策措施，消除地区间要素流动障碍，畅通东中西部地区经济循环.适当增加对中西部地区数字基础设施建设投入，加大对中西部地区引进数字人才的政策支持力度，逐步缩小地区间经济差距.