数字经济行业效率：测算方法、演进趋势及影响机制

姜卫民 郑琼洁 巫强

摘 要：本文创新性地提出基于总产出生产函数的行业效率测算方法，运用投入产出表直接测算了2007—2018年全国和2007—2017年31个省份数字经济核心行业和支撑行业的行业效率，并构建面板回归模型，运用中国2012—2019年29个省份数据，探讨数字经济核心行业效率的影响机制。研究发现：（1）在其他行业效率下滑明显的背景下，中国数字经济行业效率一直保持增长态势，中国数字经济支撑行业效率在全行业中排名较为靠前，数字经济核心行业效率排名明显偏后。随着时间的推移，数字经济核心行业效率的地区及省份差距逐渐缩小，数字经济支撑行业也出现地区分化和省份差异。（2）机制分析表明，人均GDP等宏观经济变量并不是提升数字经济核心行业效率的关键，工业增加值占比对数字经济核心行业效率有促进作用，信息发展变量的影响重点在于技术手段与实体经济的结合。本文为促进中国数字经济持续健康高质量发展提供有益参考。

关键词：数字经济;行业效率;投入产出表;总产出生产函数

中图分类号：F403.2  文献标识码：A

文章编号：1000-176X（2022）03-0034-10

一、问题的提出

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要加快数字化发展，建设数字中国的任务。党的十八大以来，党中央、国务院审时度势实施数字经济战略，先后出台了《国家数字经济战略纲要》《“互联网+”行动指导意见》《促进大数据发展行动纲要》《“十四五”数字经济发展规划》等一系列政策文件，持续推动数字经济新业态新模式健康发展。可见，数字经济既是传统经济转型升级的“跳板”，也是未来新经济快速发展的“蓝海”，正前所未有地重构着经济发展新图景。中国信息通信研究院发布的《中国数字经济发展白皮书》数据显示，中国数字经济增加值已由2007年的1.39万亿元增加到2020年的39.20万亿元，数字经济占GDP的比率由2007年的5.20%上升到2020年的38.51%，数字经济发展迅速。2020年数字经济在抗击新冠肺炎疫情和恢复生产生活方面发挥了重要作用，充分显示了数字经济推动中国经济增长的强劲动力。

数字经济在迅猛发展的同时，其对经济发展的影响也引起学术界的广泛关注。在宏观层面，数字经济发展能促进产业结构升级、优化资源配置并推动经济增长，极大地改善劳动要素的配置效率。如荆文君和孙宝文[1]认为，数字经济可以通过新的要素投入、资源配置效率和全要素生产率三个路径促进经济增长，实现经济高质量发展。杨慧梅和江璐[2]发现，数字经济可以显著提升全要素生产率。盛斌和黎峰[3]认为，数字化和人工智能改变了要素流动结构。Acemoglu和Restrepo[4]認为，数字经济通过减少劳动壁垒、丰富劳动者的就业和择业选择、加快数字技术的推广，极大地改善劳动要素的配置效率。在微观层面，荆文君和孙宝文[1]认为，数字经济的发展能提供更好的匹配机制和创新激励。戚聿东等[5]发现，发展数字化战略推动了国有企业履行社会使命。

数字经济发展的驱动因素主要包括以下三类：一是技术驱动因素。如李彦臻和任晓刚[6]认为，科技驱动是实现数字经济创新的重要内容、方式和手段。戚聿东和蔡呈伟[7]认为，人工智能、区块链、云计算和大数据等数字技术驱动了数字经济的兴起，深刻影响着产业结构和经济增长格局。二是经济驱动因素。如郭峰等[8]认为，数字普惠金融与数字经济指数正相关。刘军等[9]认为，全社会投资、地区经济增长水平、外资依存度、政府干预度、人力资本水平和居民工资水平能够显著促进中国数字经济发展。三是社会驱动因素。如严若森和钱向阳[10]认为，消费者对于数字技术的热情追捧促进了数字经济发展。Teece[11]认为，基础设施建设状况、人力资本水平和公共文化程度，尤其是数字经济强度和人均最终需求水平是促进数字经济规模增长最主要的社会驱动因素。

当前关于数字经济的测度主要从数字经济规模和数字经济效率两方面展开。数字经济规模的测算方法有三类：一是直接估算法。如Brynjolfsson和Collis[12]与Watanabe等[13]在明确界定数字经济范畴的情况下，通过统计估算得到数字经济的规模。康铁祥[14]针对中国国情设计数字经济的基本框架，指出2002年中国数字经济总规模约占GDP的8.85%。二是多指标评价法。即通过构建多重指标的数字经济评价体系，衡量并对比不同地区数字经济的相对发展情况。如郭斌和杜曙光[15]、张昕蔚和蒋长流[16]与马玥[17]基于产业数字化和数字产业化两个维度构建数字经济发展水平的多指标评价体系。刘军等[9]从信息化发展、互联网发展和数字交易发展水平三个维度建立了中国分省份的数字经济多指标评价体系。三是卫星账户法。通过数字化转型的本质特征来界定数字经济的内涵，构建一个既能对接SNA中心体系又能开展独立核算的数字经济卫星账户（DESA）框架。如杨仲山和张美慧[18]在总结OECD等国际组织及美国、新西兰等国家对数字经济测度的基础上，结合中国数字经济的现状，尝试提出中国DESA的整体框架。在数字经济效率的测算方面，现有文献的研究成果较少，主要以数据包络分析（DEA）方法为主，对DEA-Malmquist指数进行测算。如李研[19]与陈楠和蔡跃洲[20]分别运用DEA-Malmquist指数方法测度中国各省份及八大经济区数字经济产出效率的地区差异及动态演变并对中国ICT制造业运行效率和TFP变化情况进行实证分析。蔡昌等[21]利用BCC-DEA模型和Malmquist指数模型分别从静态和动态两个层面测算了2008—2016年中国数字经济产出效率。

综上所述，现有文献在数字经济的作用、影响因素及规模测算等方面已有较为深入的研究，但对于数字经济行业效率测度的研究相对较少，少数研究以DEA方法为主。尽管DEA方法由于其非参数估计的性质不用给出具体生产函数形式而受到青睐，但该方法将任何偏离前沿面的因素归于技术而非效率，忽略了遗漏变量或其他未观察到的影响资源配置效率的因素。因此，本文将回归生产效率的最初定义，参照张军和施少华[22]与田友春等[23]测算全要素生产率的思路，借鉴姜卫民等[24]与Acemoglu等[25]将中间投入纳入生产函数的模型设定，创新性地提出基于总产出生产函数的测算方法，将生产过程中的中间投入与最初投入同时纳入效率测算体系，基于投入产出表对数字经济行业效率进行直接测算，将行业效率测算修正为基于国民经济核算视角的统计分析。这一方法既能够弥补传统测算索洛余值时对生产函数中参数估计可能存在不准确的缺陷，又能有效地避免DEA方法可能造成的变量遗漏问题。因此，基于这一理论方法，本文能更科学有效地研究中国数字经济行业效率演进趋势和影响机制等重要科学问题。

二、行业效率测算模型与数据来源

（一）行业效率测算模型与方法

在经济学上，生产效率的常见衡量指标有劳动生产率（Y/L）、资本生产率（Y/K）、全要素生产率（Y/F（K，L））和增加值率（1-M/T），前三个指标都是基于增加值生产函数Y=AF（K，L）测算出来的，其中，Y为增加值，最受学术界关注的指标全要素生产率仅测算了劳动（L）和资本（K）复合要素的平均生产效率。然而，生产所投入的要素除了劳动、资本之外，还有很大一部分是中间投入。第四个指标增加值率是基于总产出生产函数T=G（V，M）计算出来的，其中，T为总产出，M为中间投入，V为最初投入，不过增加值率的计算较为简单，仅体现了中间投入的利用效率。因此，本文借鉴全要素生产率的测算理念，将中间投入纳入总产出生产函数，考虑行业间投入产出结构，测算出劳动、资本和中间投入的生产效率。其优点在于，借助投入产出模型，可以完全基于统计部门公布的投入产出表直接测算得到行业效率。假设各行业总产出生产函数如下：

xj=egjlαljj∏ni=1zaijij（1）

其中，xj为j行业的总产出，zij为i行业投入到j行业的中间产品实物量，gj为希克斯中性的技术冲击，lj为j行业的劳动报酬，egj即为行业效率。

假设CD生产函数满足规模报酬不变假设，如式（2）所示：

αlj+∑ni=1aij=1（2）

基于全要素生产率的索洛余值计算方法，在总产出生产函数中得到行业效率的表达式如下：

egj=xj/（lαljj∏ni=1zaijij）（3）

在基于增加值生产函数Y=AF（K，L）的全要素生产率测算中，大多数学者是根据时间序列的增加值、资本存量、劳动投入进行计量回归得到参数估计值，再代入全要素生产率的计算公式中得到估计值。而本文根据总产出生产函数推导得到的行业效率是基于投入产出表的数据，并且满足生产的利润最大化，更加贴近效率的内涵。假设各行业面对的价格为外生变量，外生价格向量为p=（p1，p2，…，pn），工资为w。行业生产过程利润最大化，利润函数如式（4）所示：

πj=pjxj-wlj-∑ni=1pizij（4）

其中，πj为j行业的利润，各部门生产过程利润最大化，得到一阶条件，如式（5）所示：

πjzij=pjaijxjzij-pi=0（5）

aij=pizijpjxj，αlj=wljpjxj（6）

式（6）描述行业利润最大化的必要条件。其中，分母pjxj为商品j生产的价值型总产出，分子pizij为商品j生产所使用的商品i的价值，其比值为商品j生产1单位的总产出所需要投入商品i的价值量，即直接投入系数，而这个系数等于CD总产出生产函数中的指数aij，这就与投入产出表中直接消耗系数矩阵对应起来。

这里的推导过程虽然生产函数中的变量是实物量，但价格外生情况下可以假定价格均为1，此时可看做对应的投入产出表仅是商品衡量单位的一个调整，仍然可以将投入产出表的直接消耗系数矩阵aij与CD总产出生产函数的指数一一对应，并且此时测算的行业效率也是可比的。至此，行业效率表达式（3）中的aij、αlj和zij均与投入产出表中的数据一一对应，即基于总产出生产函数的行业效率测算不需要对参数进行估计，而可以采用投入产出表的统计数据直接进行计算。这使得行业效率的计算回避了传统索洛余值测算时对生产函数中参数估计可能不准确的缺陷，从而使行业效率的测算结果更具权威性、一致性和可比性。

（二）数字经济行业的界定

国家统计局于2021年5月公布了《数字经济及其核心产业统计分类（2021）》，将数字经济活动划分为三层，即5个大类、32个中类和156个小类。

国家统计局将数字经济产业的范围确定为：01数字产品制造业、02数字产品服务业、03数字技术应用业、04数字要素驱动业、05数字化效率提升业5个大类。数字经济核心产业对应的01—04大類即数字产业化部分，主要包括计算机通信和其他电子设备制造业、电信广播电视和卫星传输服务业、互联网和相关服务业、软件和信息技术服务业等，是数字经济发展的基础;05大类为产业数字化部分，指应用数字技术和数据资源为传统产业带来的产出增加和效率提升，是数字技术与实体经济的融合。在国家统计局公布分类之前，各省份也对数字经济产业范围进行过划分，如《浙江省数字经济核心产业统计分类目录》将数字经济核心产业划分7大类和128个小类行业。

其中，7大类分别是：（1）计算机、通信和其他电子设备制造业;（2）电子信息机电制造业;（3）专用电子设备制造业;（4）电信、广播电视和卫星传输服务业;（5）互联网及其相关服务业;（6）软件和信息技术服务业;（7）文化数字内容及其服务业。本文综合考虑投入产出表中行业分类和数据可得性，根据国家统计局公布的2007年、2012年、2017年和2018年全国和地区投入产出表以及相关细分行业的解释说明，以通信设备、计算机及其他电子设备制造业和信息传输、软件和信息技术服务业作为数字经济核心行业。根据《中国数字经济发展白皮书（2021年）》，数字经济包括数字产业化和产业数字化两大部分，2020年，前者规模达7.5万亿元，占数字经济的比率为19.1%;后者规模达31.7万亿元，占数字经济的比率为80.9%。在国家统计局公布的《数字经济及其核心产业统计分类（2021）》中，05大类还包括数字化通用、专用设备制造小类（其属于通用、专用设备制造业）和数字金融小类（其属于货币金融服务业），故将通用、专用设备制造业，科学研究和技术服务业，金融业作为数字经济支撑行业。因此，本文以数字经济核心行业和数字经济支撑行业作为数字经济的两个行业展开研究。

（三）数据说明

由于投入产出表里中间投入实物量的数据搜集和统计难度大，调查和编制时间较长，其结果通常滞后2—3年发布，但考虑数据的可获得性、全面性和权威性，这并不影响中国数字行业效率比较研究的实际意义。2017年以前中国的投入产出表5年更新一次，并在此期间公布一次延长表。截至目前，国家统计局公布的最新数据为《中国投入产出表2018》《中国地区投入产出表2017》。本文选用国家统计局公布的2007年、2012年、2017年、2018年全国投入产出表和2007年、2012年、2017年31个省份和地区投入产出表作为原始数据。由于2007—2018年中国各省份投入产出表之间部门统计口径不一，故将所有行业合并为39个行业。

三、数字经济行业效率的演进趋势与比较

（一）数字经济行业效率的整体演进趋势

从2018年行业效率的排序来看，第二产业的行业效率总体上大于第三产业的行业效率，建筑业的行业效率在全部行业中最高，服务业中除了租赁和商务服务业行业效率之外，基本都在中后端。本文所选取的数字经济支撑行业里，通用、专用设备制造业，科学研究和技术服务业在所有行业中的排名靠前，分别为第4名和第7名，数字经济核心行业中，通信设备、计算机及其他电子设备制造业的行业效率排第26名，信息传输、软件和信息技术服务业的行业效率排第30名。分制造业和服务业来看，在所有24个制造业行业中，通用、专用设备制造业，通信设备、计算机及其他电子设备制造业的行业效率排名分别在第3名和第19名;在所有14个服务业行业中，科学研究和技术服务，信息传输、软件和信息技术服务，金融业的行业效率排名分别在第3名、第9名和第11名。由此可见，目前中国数字经济支撑行业的行业效率整体靠前;而数字经济核心行业特别是通信设备、计算机及其他电子设备制造业的行业效率则明显偏后，尚有较大提升空间。

通过测算2007年、2012年、2017年和2018年全国39个行业效率可以看出，样本期内，中国超半数行业效率出现下降，但数字经济行业效率总体上却一直在上升。在2007—2018年的数字经济行业中，通信设备、计算机及其他电子设备制造业（1%），通用、专用设备制造业（9%），科学研究和技术服务（22%），金融（29%）的行业效率基本都在上升。不过，数字经济行业效率还存在波动较大的特征，如信息传输、软件和信息技术服务在2007—2012年增长27%，但在2012—2017年则下降22%。总体来看，制造业部门依然有着更为稳定的行业效率，是维持经济稳定的重要力量，随着数字经济与制造业的融合更为深入，行业效率有着显著增长。

国民经济中的农业、工业和服务业虽然都以投入劳动、资本和中间投入组织生产，可以基于统一的框架和模型进行行业效率的测算，但由于不同部门生产的产品性质差异较大，生产和组织过程也各有特点，所以，不同部门的生产效率存在一些共性的规律，如基于总产出生产函数所测算的制造业的行业效率要明显高于服务业的行业效率。这与采用投入产出表测算其他效率指标时略有差异，如利用投入产出表测算增加值率时，农业部门的增加值率要远高于工业和服务业部门。这种测算和估计更多地不是用于行业效率排名的比较，而是发现不同行业的本质特征。由于不同行业生产的性质差异，其行业效率、增加值率等经济指标存在一个规律性的分布特征，因此，同一个行业在不同地区的行业效率更具可比性，也可挖掘更多有意义的结论。

（二）数字经济核心行业效率比较

1. 地区差异比较

根据国家统计局标准，将31个省份（不包括港澳台地区）划分为东部、中部、西部和东北地区，探讨数字经济核心行业在不同地区的效率状况，如表1所示。从数字经济核心行业看，2007年信息传输、软件和信息技术服务业行业效率的地区排名为东部、东北、西部、中部。2012年，东部第一、中部第四的次序不变，西部超越东北，成为第二，西部地区信息传输、软件和信息技术服务业快速崛起。2017年，西部超越东部，成为第一。这是因为数字经济发展前期依赖于数字化资源、基础设施建设，而西部地区数字化建设在早期相对落后，随着数字化投资、基础设施建设的日臻完善，凭借西部地区的电力资源禀赋优势和“东数西算”工程的逐步推进，西部地区逐渐整合数字化资源和平台，数字经济行业效率得以提高。西部地区信息传输、软件和信息技术服务业行业效率的快速增长，反映出数字化、信息化削弱了经济地理的影响，对于缩小地区经济差距具有重要意义，为解决地区发展不平衡提供了一条可行路径。与信息传输、软件和信息技术服务业不同的是，2007年和2012年，通信设备、计算机及其他电子设备制造业行业效率的地区排名为东北、中部、东部和西部;2017年，中部第二、东部第三的次序不变，西部一度成为四大地区中，通信设备、计算机及其他电子设备制造业行业效率最高的地区，而东北地区最低。这也说明，虽然东部地区数字经济水平明显高于中西部地区，但基础设施影响可能存在边际收益递减规律，未来西部地区数字经济的发展速度更快，地区间“两极分化现象”可能会有所改善。

2. 省份差异比较

从横向比较来看，浙江、贵州、湖北、青海和河北的通信设备、计算机及其他电子设备制造业的行业效率排前五，说明上述5个省份在数字经济核心行业通信设备、计算机及其他电子设备制造业的投入产出效率上相对优于其他省份。浙江拥有杭州这个互联网新势力城市，整体在数字经济上走在前列，其行业效率排名第一并不奇怪。排名第二的贵州也有其自身的优势：一是自然条件优越。冬暖夏凉、地质稳定，水电、煤炭及太阳能等能源富足。二是成本优势明显。地价、人工费、电力价格较低，储存数据的设备运行与维护成本较低。三是知名互联网企业落户。苹果、微软、阿里巴巴、华为、腾讯和百度等数个国内外知名企业选择在贵州发展大数据产业，中国最大的射电望远镜等大型项目都在贵州。

2017年，信息传输、软件和信息技术服务业行业效率排名前五的分别是安徽、新疆、河北、广西和四川，西部地区占3个。从2007与2017年的对比可以看出，2007年，各省份信息传输、软件和信息技术服务业行业效率的差异明显，河北最高，达9.5234，河南最低，仅2.6216;到了2017年，各省份信息传输、软件和信息技术服务业行业效率差距明显减小，福建最低，为3.3239，安徽最高，为7.6942。省际间信息传输、软件和信息技术服务业效率的差距正在缩小。

（三）数字经济支撑行业效率比较

1. 地区差异比较

表2中，从数字经济支撑行业看，2007年、2012年和2017年各地区金融业行业效率都呈梯度分布。2007年，东北和中部位于第一梯队，西部和东部位于第二梯队;2012年，中部和东部位于第一梯队，东北位于第二梯队，西部位于第三梯队;2017年，中部和东部位于第一梯队，西部和东北位于第三梯队。可见，中部地区金融业行业效率始终保持在第一梯队，而西部地区金融业行业效率始终在最低梯度徘徊。这表明了中部地区金融业配置效率最高，产业结构相对合理。2007年和2017年，科学研究和技術服务业行业效率的地区排名从高到低，大多依次为东北、东部、中部和西部，与地区经济发展状况基本保持一致。结合2007年和2017年通用、专用设备制造业行业效率地区排名的变化可发现，东北地区数字经济支撑行业逐步由以金融业、科学研究和技术服务业为主，转向以通用、专用设备制造业为主，这将有助于东北地区数字经济的持续发展。

2. 省份差异比较

从2007年和2017年通用、专用设备制造业行业效率排名可以看出，宁夏的行业效率波动剧烈，出现负增长，与其经济发展相对落后有关，表明该省份数字经济支撑行业急需转型升级。从2007年科学研究和技术服务业行业效率排名来看，北京、江苏等东部发达省份始终在全国前列，在数字经济上的研发投入强度远高于全国平均水平。东部发达省份开放水平高，通过进口引进创新要素，在重大基础研究和科技攻关专项实施方面，聚焦人工智能、云计算、大数据、物联网、网络数据安全、集成电路和芯片制造等领域，突破一系列核心关键技术，形成一批重大原创成果，如苏州工业园区转型升级，已形成全新的数字制造业和电子信息产业的集群。

四、数字经济核心行业效率的影响机制分析

（一）模型设定与变量选取

为研究数字经济核心行业效率的影响机制，本部分采用面板固定效应模型进行经验分析，计量模型如式（7）所示：

Eit=β0+λMacroit+γStrucit+θTechit+ηControlit+αt+ξi+uit  （7）

其中，E为数字经济核心行业的两个行业效率，即通信设备、计算机及其他电子设备制造业（s19）和信息传输、软件和信息技术服务业（s29）的行业效率。Macro为宏观经济变量，包括人均GDP、工业增加值和固定资产折旧。Struc为经济结构变量，包括城镇人口占比和工业增加值占比。Tech为信息发展变量，包括信息技术服务收入和域名数。Control为控制变量，包括教育经费占比、财政科技支出占比、专利授权数和规模以上（简称“规上”）企业R&D投入。λ、γ、θ和η为相应的待估计系数，i为省份，t为年份，αt 和 ξi 分别为未观测到的时间固定效应和个体固定效应，uit 为随机扰动项。

本文采用面板固定效应模型，估计上述变量对数字经济核心行业效率的影响。数字经济核心行业中的通信设备、计算机及其他电子设备制造业与信息传输、软件和信息技术服务业分别属于国民经济的不同产业部门，即制造业和服务业，所以，在研究行业效率影响机制时，区分两个部门进行分析。

（二）数据来源与描述性统计

本文构建中国2012—2019年29个省份面板数据，

西藏自治区、宁夏回族自治区和港澳台地区的效率测算存在缺失或部分缺失，故在影响机制的计量分析中排除这两个省份。以通信设备、计算机及其他电子设备制造业（s19）和信息传输、软件和信息技术服务业（s29）为两类数字经济核心行业的细分行业，相应的行业效率数据来自笔者测算，其余变量数据来自国家统计局网站。基于2012年和2017年各省份的行业效率测算结果，本部分利用线性插值和线性外推法得到2012—2019年各省份数字经济核心行业效率。少部分指标有数据缺失，如2018年和2019年固定资产折旧，本部分也采用线性外推法，根据历史平均增长率补充得到。相关变量的描述性统计如表3所示。

（三）研究结果与分析

数字经济核心行业中细分的两个行业（s19和s29）的行业效率影响机制估计结果如表4所示。从表4可以看出：（1）在宏观经济变量方面，人均GDP与通信设备、计算机及其他电子设备制造业的行业效率正相关，但在同时控制个体固定效应和时间固定效应后，估计系数不显著;人均GDP与信息传输、软件和信息技术服务业行业效率负相关。工业增加值越高，通信设备、计算机及其他电子设备制造业的行业效率反而越低，信息传输、软件和信息技术服务业行业效率也降低，但不显著。固定资产折旧的估计系数均显著为正。可见，大多数宏观经济变量并不是提升数字经济核心行业效率的关键因素。（2）在经济结构变量方面，同时控制个体固定效应和时间固定效应后，城镇人口占比与通信设备、计算机及其他电子设备制造业的行业效率在10%水平上显著负相关，与信息传输、软件和信息技术服务业行业效率正相关，但估计系数不显著。工业增加值占比与数字经济两个核心行业效率均正相关，估计系数均通过显著性检验。考虑到宏观经济变量中固定资产折旧是工业部门中的重要部分，所以，工业增加值占比是影响数字经济核心行业效率的关键因素。（3）在信息发展变量方面，信息技术服务收入与通信设备、计算机及其他电子设备制造业的行业效率负相关，与信息传输、软件和信息技术服务业的行业效率正相关，但都不显著;域名数与数字经济两个核心行业效率均显著负相关。这说明，要提升中国数字经济核心行业效率，重点不在于简单提高信息化水平，而是要强调信息技术手段在制造业的广泛应用以及在实体经济生产、交换、流通和分配等领域的深度渗透。（4）在控制变量方面，教育经费占比增加能显著提高通信设备、计算机及其他电子设备制造业的行业效率，但对信息传输、软件和信息技术服务业行业效率的影响不显著。财政科技支出占比、专利授权数和规上企业R&D投入的估计系数均没有通过显著性检验，说明他们对数字经济核心行业的行业效率影响并不明显。

五、结论与政策建议

（一）結论

本文基于全要素生产率的测算理念，创新性地提出基于总产出生产函数的行业效率测算方法，应用投入产出表，直接测算了2007—2018年全国和2007—2017年地区数字经济的行业效率，具体研究数字经济核心行业效率和支撑行业效率的演进趋势并进一步构建面板固定效应模型，运用2012—2019年29个省份的省级面板数据探讨数字经济核心行业效率的影响机制。研究结论如下：

第一，从演进趋势来看，2007—2018年，全国各行业的行业效率增长速度不断下滑，而数字经济行业效率一直保持正增长，且增速更快。从地区比较来看，东部地区数字经济核心行业效率明显高于中西部地区，但西部地区发展迅速，中部的信息传输、软件和信息技术服务业行业效率较低，西部的通信设备、计算机及其他电子设备制造业行业效率较低，东北地区数字经济支撑行业由以金融业、科学研究和技术服务业为主向以通用、专用设备制造业为主转变。各地区之间的数字经济核心行业效率差距随着时间的推移逐渐缩小，特别是信息传输、软件和信息技术服务业。

第二，机制分析表明，人均GDP、工业增加值和固定资产折旧等宏观经济变量并不是提升数字经济核心行业效率的关键因素。工业增加值占比等经济结构变量是影响数字经济核心行业效率的关键因素。信息技术服务收入对两个细分行业效率的影响都不显著;域名数与数字经济两个核心行业效率均显著负相关。这说明，要提升中国数字经济核心行业效率，重点不在于简单提高信息化水平，而是要强调信息技术手段在制造业的广泛应用以及在实体经济生产、交换、流通和分配等领域的深度渗透。教育经费占比增加能显著提高通信设备、计算机及其他电子设备制造业的行业效率，但对信息传输、软件和信息技术服务业行业效率的影响不显著。财政科技支出占比、专利授权数和规上企业R&D投入的估计系数均没有通过显著性检验，他们对数字经济核心行业的行业效率影响并不明显。

（二）政策建议

第一，推进数字实体经济发展，聚焦生产领域的数字化转型。一是持续推进制造业转型升级。完善支持鼓励政策，促进制造业数字化改造;通过技术改造、贷款贴息、加速折旧、产业引导基金投资等方式支持和鼓励制造业企业数字化转型。二是推动工业数据标准制定与应用，促进数据的开放共享。引导行业组织、企业研究制定工业数据的行业标准、团体标准、企业标准。梳理现有国家标准，适时将成熟的行业标准、团体标准上升为国家标准。三是加强核心技术攻关，夯实技术基础。加大对通信、网络、人工智能、核心器件和基础软件等领域的技术研发资助力度，加强基层操作系统、嵌入式芯片、人机交互、工业大数据、核心工业软件和工业传感器等核心技术攻关。

第二，弥补地区间数字鸿沟，优化地区发展格局。一是加快推进数字经济示范区建设。将先进地区数字经济发展经验和成功模式向其他地区推广，做好先进地区与其他地区之间产业转移和承接工作。二是强化地区间产业对接。推动数字经济先进地区与其他地区共建数字化协同平台，带动其他地区“数字红利”共享，缩小地区差距，畅通区域经济内循环。三是加快补齐各地区发展短板。西部加快通信设备、计算机及其他电子设备制造的基础设施建设，中部完善信息传输、软件和信息技术服务数字化、网络化和智能化发展基础，东北地区应加快金融业、科学研究和技术服务业数字化创新应用和融合，弥补地区间数字鸿沟。

第三，立足自身发展特色，打造各地区数字经济新增长极。一是清晰定位数字经济发展布局。按照“一地一策”原则，系统制定数字经济发展规划，精准解决国内欠发达地区数字经济发展问题，培育一批数字经济高新区、集聚区和创新承载区，增强数据感知、传输、存储和运算能力，为各地区数字经济发展提供有力支撑。二是培育本地数字经济市场。基于庞大的数字经济平台市场，在本地需求不断积累的同时促使更大比例的再消费。地方政府与行业协会要通过保护与支持互联网虚拟市场发展，带动当地上下游产业链企业的发展。三是做好头部企业培优育强。对产业链牵引带动作用明显的数字经济链主企业，通过项目、载体、融资和人才等方面给予打包式组合支持;引导企业联合高校研发机构、行业上下游组建创新联合体，政产学研联动开展关键核心技术攻关。

参考文献：

[1] 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.

[2] 杨慧梅， 江璐. 数字经济、空间效应与全要素生产率[J]. 统计研究， 2021， （4）： 3-15.

[3] 盛斌， 黎峰. 经济全球化中的生产要素分工、流动与收益[J]. 世界经济与政治论坛， 2021， （5）： 1-22.

[4] Acemoglu， D.， Restrepo， P. The Race Between Man and Machine： Implications of Technology for Growth， Factor Shares， and Employment[J]. The American Economic Review， 2018， 108（6）： 1488-1542.

[5] 戚聿东， 杜博， 温馨. 国有企业数字化战略变革：使命嵌入与模式选择——基于3家中央企业数字化典型实践的案例研究[J]. 管理世界， 2021， （11）： 137-158+10.

[6] 李彦臻， 任晓刚. 科技驱动视角下数字经济创新的动力机制、运行路径与发展对策[J]. 贵州社会科学， 2020，（12）：113-120.

[7] 戚聿东， 蔡呈伟. 数字化对制造业企业绩效的多重影响及其机理研究[J]. 学习与探索， 2020， （7）： 108-119.

[8] 郭峰， 王靖一， 王芳， 等. 測度中国数字普惠金融发展：指数编制与空间特征[J]. 经济学（季刊）， 2020， （4）： 1401-1418.

[9] 刘军， 杨渊鋆， 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究， 2020， （6）： 81-96.

[10] 严若森， 钱向阳. 数字经济时代下中国运营商数字化转型的战略分析[J]. 中国软科学， 2018， （4）： 172-182.

[11] Teece， D. J. Profiting From Innovation in the Digital Economy： Enabling Technologies， Standards， and Licensing Models in the Wireless World[J]. Research Policy， 2018， 47（8）： 1367-1387.

[12] Brynjolfsson，E.， Collis，A. How Should We Measure the Digital Economy[J]. Harvard Business Review， 2019， 97（6）： 140-148.

[13] Watanabe，C.， Naveed，K.， Tou，Y.， et al. Measuring GDP in the Digital Economy： Increasing Dependence on Uncaptured GDP[J]. Technological Forecasting and Social Change， 2018， 137 （7）： 226-240.

[14] 康铁祥. 中国数字经济规模测算研究[J]. 当代财经， 2008， （3）：118-121.

[15] 郭斌， 杜曙光. 新基建助力数字经济高质量发展：核心机理与政策创新[J]. 经济体制改革， 2021， （3）： 115-121.

[16] 张昕蔚， 蒋长流. 数据的要素化过程及其与传统产业数字化的融合机制研究[J]. 上海经济研究， 2021， （3）： 60-69.

[17] 马玥. 数字经济对消费市场的影响：机制、表现、问题及对策[J]. 宏观经济研究， 2021， （5）： 81-91.

[18] 杨仲山， 张美慧. 数字经济卫星账户： 国际经验及中国编制方案的设计[J]. 统计研究， 2019， （5）： 16-30.

[19] 李研. 中国数字经济产出效率的地区差异及动态演变[J]. 数量经济技术经济研究， 2021， （2）： 60-77.

[20] 陈楠， 蔡跃洲. 数字经济热潮下中国ICT制造业的发展质量及区域特征——基于省域数据的实证分析[J]. 中国社会科学院研究生院学报， 2019， （5）： 23-39.

[21] 蔡昌， 林高怡， 李劲微. 中国数字经济产出效率：区位差异及变化趋势[J]. 财会月刊， 2020， （6）： 153-160.

[22] 张军， 施少华. 中国经济全要素生产率变动： 1952—1998[J]. 世界经济文汇， 2003， （2）： 17-24.

[23] 田友春， 卢盛荣， 靳来群. 方法、数据与全要素生产率测算差异[J]. 数量经济技术经济研究， 2017， （12）： 22-40.

[24] 姜卫民， 范金， 袁小慧. 中间投入的关联性及经济增长方式的国际比较[J]. 系统工程理论与实践， 2017， （1）： 119-131.

[25] Acemoglu，D.， Akcigit，U.， Kerr，W. Networks and the Macroeconomy： An Empirical Exploration[J]. NBER Macroeconomics Annual， 2016， 30（1）： 273-335.

Industry Efficiency of Digital Economy：Measurement Methods，Evolution Trends and Influence Mechanisms

JIANG Wei-min1， ZHENG Qiong-jie2， 3， WU Qiang2

（1. School of Economics and Management， Nanjing Forestry University， Nanjing 210037，China;

2. Yangtze River Delta Economic and Social Development Research Center， Nanjing University， Nanjing 210093，China;

3.Institute of Economic Development， Nanjing Academy of Social Sciences， Nanjing 210018，China）

Abstract：

Based on the industry efficiency calculation theory of total output production function， this paper directly calculates the industry efficiency of digital economy core industries and supporting industries in 30 provinces in China from 2007 to 2018 and 2007 to 2017 by using the input-output table， constructs a panel regression model， and uses the data of 29 provinces in China from 2012 to 2019 to explore the influence mechanism of digital economy core industry efficiency. Research findings： （1） In the context of the obvious decline in the efficiency of other industries， the efficiency of Chinas digital economy industry has maintained a growth trend. The efficiency of Chinas digital economy supporting industries ranks relatively high in the whole industry， and the efficiency of the core industries of digital economy ranks significantly lower. From the perspective of regional comparison， the industrial efficiency of digital economy in the East and northeast regions is in the first echelon， and that in the central and western regions In the second echelon， with the passage of time， the efficiency gap of core industries of digital economy among regions has gradually narrowed. （2） Mechanism analysis shows that macroeconomic variables such as per capita GDP are not the key to improving the efficiency of core industries of digital economy， the proportion of industrial added value can promote the efficiency of core industries of digital economy， and the impact of information development variables focuses on the combination of technical means and real economy. This paper provides a useful reference for promoting the sustainable， healthy and high-quality development of Chinas digital economy.

Key words：digital economy; industry efficiency; input output table; total output production function

（責任编辑：巴红静）