数字经济驱动中国产业结构优化升级研究

张璐菲， 袁平红

(安徽财经大学 国际经济贸易学院， 安徽 蚌埠 233030 )

0 引言

数字经济是一种新的经济形式， 可以加速经济发展和治理模式的重建. 近年来， 随着支持数字经济发展的政策的加速实施和数字经济产业基础的迅速发展， 数字经济已成为我国国民经济高质量发展的新动力， 也是助推产业结构优化升级的新力量.

中国信息通信研究院2020年7月3日发布的《中国数字经济发展白皮书(2020)》显示， 2019年我国数字经济将实现35.8万亿元的增加值， 占GDP的四成左右， 数字经济的地位将进一步提高. 据中商产业研究院预测， 2020年我国数字经济增加值规模将突破40万亿元的大关. 作为数字产业化的重要领域， 我国5G创新应用已累计开展400多个， 涉及工业、 交通、 医疗等多个行业. 研究表明， 我国数字产业稳步发展， 基础进一步夯实. 从规模看， 2019年数字产业化增加值7.1万亿元， 同比增长11.1%. 从结构上看， 数字产业结构持续软化， 软件产业和互联网产业比重不断提高. 产业数字化深入推进， 从单点应用到持续协同演进. 数据集成、 平台赋能成为推动产业数字化发展的关键. 2019年我国产业数字化增加值约为28.8万亿元， 占GDP比重29%， 相比于2015年的水平， 提高了21个百分点. 数字治理能力提升， 数字政府建设加速转型， 政府治理实现从低效到高效、 从粗放到精准的转变.

1 文献综述

与本文研究相关的文献主要从产业结构优化升级和测度数字经济发展水平的角度展开研究. 许家云通过实证系统分析了互联网在地区工业结构升级中的作用. 研究发现， 互联网显著促进了东、 中部地区的工业结构升级， 对西部地区工业结构升级没有明显的作用； 在国有化水平低的地区， 互联网的工业结构升级效应较为显著[1]. 徐伟呈等利用面板数据研究“互联网+”和产业结构优化升级的关系. 研究表明， 互联网技术进步可以驱动产业结构向高级化方向发展， 但是由于互联网技术在三大产业中融合度不同， 因此， 不利于产业结构合理化[2]. 昌忠泽等利用省级面板数据对信息技术与产业结构优化升级的中介效应进行分析. 研究发现， 信息技术可以有效助推制造业转型升级， 并且信息技术促进产业结构转型升级存在区域性的差异[3]. 张于喆认为， 数字经济并不是传统意义上的单一型经济， 它对产业发展新内涵、 产业发展新空间和产业发展新领域三个方面产生质的影响， 成为经济增长的动力源泉， 驱动产业向中高端转型升级[4]. 赵西三指出， 互联网发展正由消费互联网向产业互联网转型， 他认为制造业是数字经济的主战场， 而中国的制造业转型升级方向明确， 正在以平台化、 生态化、 软件化、 共享化为方向实现快速发展[5].

数字经济作为一种新兴的经济形态， 由于其发展历史较短， 国内外对数字经济的衡量并没有统一的指标. Georgiadi等认为， 数字经济是由信息通信技术和互联网的渗透实现的所有经济行为， 是以数字化形式传递的新的动态经济[6]. OECD对数字经济的衡量是基于投资智能化基础设施、 赋权社会、 创新能力和ICT促进经济增长与增加就业岗位四个维度构建数字经济评价指标， 对世界主要国家数字经济发展进行对比分析[7]. 许宪春等通过系统梳理互联网经济、 信息经济和数字经济演变过程， 总结出数字经济的形成主要由数字化赋权基础设施、 数字化媒体、 数字化交易和数字经济交易产品四个要素构成[8]. 单志广等利用三元空间理论， 从信息网络空间、 实体物理空间和人类社会空间三个维度设计数字经济发展评价体系， 对每个空间设置一、 二、 三级指数并赋予权重[9]. 万晓榆等利用经济学上的投入产出法， 通过引入数字化治理， 在探究数字经济发展效应中新增数字知识型人才供给和数字化治理两个指标， 构建一整套基于投入产出视角的数字经济发展的综合评价指标体系[10]. 刘方等把数字经济分成数字经济融合产业和数字经济基础产业两个部分， 然后将数字经济这两个部分进行汇总构建数字经济的测度模型， 从而得出数字经济的总体规模[11].

通过对以往文献梳理可以发现， 关于产业结构升级的研究， 大多集中于互联网、 “互联网+”、 信息技术对产业结构优化升级的影响. 关于数字经济的研究， 大部分学者集中于数字经济的概念及其测度方法， 而对于产业结构升级与数字经济之间的关系主要致力于理论研究和分析框架.

目前， 国内外对数字经济的研究大多是分析数字经济的测度和数字经济的内涵， 且对数字经济与产业结构优化升级之间的关系大多是以理论研究为主. 本文通过实证分析探究数字经济对产业结构的影响. 首先， 根据相关文献研究建立数字经济评价指标体系， 利用熵值法将各个指标赋予权重， 进而得出数字经济综合评价指标. 然后， 利用时间和个体双向固定效应模型、 动态面板模型相结合的方法， 探究数字经济对产业结构优化升级的影响， 并通过更换变量指标进一步研究文章结论的稳健性.

2 数字经济发展水平和产业结构优化升级的测算与分析

2.1 数字经济发展水平指标体系构建

数字经济是以互联网的应用普及为背景而出现的. 根据数字经济的界定范围和产业结构优化升级的内涵， 为了客观衡量两者的发展水平， 需要多维度选择指标. 然而， 作为一种新兴的经济形态， 数字经济在现有文献中的衡量标准尚未达成共识. 本文基于现有学者对数字经济的理论分析， 并考虑数据的可获得性， 主要从技术创新水平、 数字基础设施水平、 企业数字化水平三个方面选取11个评价指标， 综合测算省域数字经济的发展水平. 本文科技创新水平指标， 主要从规模以上工业企业中计算机、 通信和其他电子设备制造业的新产品开发数目， R&D经费支出， 专利申请受理数目和R&D人员折合全时当量四个方面反应数字经济发展的创新水平； 数字基础设施水平能够直接体现各地区数字经济发展水平， 本文选取软件业务收入、 电信业务总量、 移动电话普及率和互联网宽带接入端口数四个方面来衡量数字基础设施水平； 企业数字化水平很大程度上影响着数字经济发展， 本文参考已有文献， 选取以域名数、 网站数和网页数为初始指标来综合计算企业数字化水平.

2.2 基于熵值法的数字经济综合水平测度

基于以上数字经济评价指标体系的构建， 本文采用熵值法作为我国数字经济发展综合水平的赋权方法， 计算最终数字经济水平， 使评价结果更为准确.

选取30个省份作为样本， 设计12个评价指标，Xij表示第i个省份的第j个评价指标原始值(i=1,2,3，…, 30；j=1,2,3, …, 12). 熵值法的计算过程如下：

(1)由于不同指标单位不同， 无法进行比较， 因此在进行评价之前， 需将所有指标进行无量纲化， 消除量纲不同带来的的影响， 使数据具有可比性. 本文选择极值法作为我国数字经济水平评价指标无量纲化处理的方法. 极值法的特点是将指标数值全部转化为0～1的区间内， 最小为0， 最大为 1. 由于本文选取的指标均为正向， 在进行数据无量纲处理时， 标准化处理公式为

其中，X表示指标原始数值，X′表示标准化处理后的指标数值.

(2)计算第j个指标下， 第i个省份占该指标的比重：

(3)第j个指标的熵值计算：

(4)差异性系数的计算：

gj=1-ej

(5)确定评价指标的权重：

依据2012—2018年我国30个省份数字经济评价指标标准化处理的结果， 运用熵值法的计算公式分别得出各个评价指标的权重.

表1 所示的是2012年至2018年我国数字经济指标的权重. 计算各指标权重三年的平均值， 作为我国数字经济评价的最终指标权重. 表2 为我国数字经济发展最终指标权重.

表1 2012—2018年数字经济评价指标的权重 %

表2 我国数字经济发展最终指标权重

将得到的指标权重Wj与第i个被评价对象在第j个评价指标上的比值Pij相乘， 得出某年某个省份的数字经济综合水平：

利用上述计算公式， 可计算得到2012—2018年我国30个省份的数字经济发展水平(DEI).

2.3 产业结构优化升级指标测度

经济社会的发展趋势是第一产业比重下降； 第二产业比重先上升后趋于稳定， 最后开始萎缩； 第三产业比重开始占据主导地位. 因此， 本文借鉴徐德云[12]的做法设计产业结构升级测度指标. 产业结构升级的一个重要标志是第三产业比重逐步上升， 而第一产业比重越来越小， 因此在指标设计中， 第三产业被赋予最大的价值， 而第一产业是最小的. 具体产业结构升级指标：

s=Y1* 1+Y2* 2+Y3* 3(1 ≤R≤3)

其中，Y1、Y2、Y3分别为第一产业、 第二产业、 第三产业对GDP贡献率， 即Yi/Y.s为测定产业结构升级的程度. 如果s越接近1， 产业结构层次就越低， 第一产业比重就很大； 如果s越接近3， 表明产业结构层次越高， 经济社会是一种后工业化的信息经济社会， 第三产业在国民经济中占主体地位； 如果s越接近2， 产业结构高度就处在第一和第二产业之间， 经济是一种工业化经济， 以工业为主， 第二产业所占比重很大， 大于一、 三产业的比重.

3 实证及结果分析

3.1 变量选择及数据说明

本文采用2012—2018年中国30个省份的面板数据进行实证研究. 数据来源于2013—2019年《中国统计年鉴》、 30个省份的地区统计年鉴以及国研网、 中经网数据库. 变量的衡量指标均为无量纲化处理后的数据.

(1)被解释变量

设定产业结构优化升级(UIS)作为被解释变量. 采用徐德云对产业结构升级的一个测度指标设计[12]， 利用2012—2018年除西藏以外其他30个省份的三次产业对GDP的贡献率， 并进行赋值， 得到历年各省份产业结构优化升级水平.

(2)解释变量

设定数字经济发展水平(DEI)作为核心解释变量. 从科技创新水平、 基础设施水平和企业数字化水平三个维度来建立数字经济发展水平指标体系， 利用熵值法对各指标进行赋权， 计算2012-2018年各个省份的数字经济发展指数， 从而来衡量中国30个省份数字经济发展水平.

(3)控制变量

产业结构优化升级受到多种因素的影响， 为了能够全面揭示影响产业结构优化升级水平， 本文基于对相关文献的梳理， 选取经济发展水平、 对外开放程度、 政府参与程度和人力资本四个控制变量.

1)经济发展水平

不同水平的经济发展地区集中不同程度的生产效率企业， 进而产业结构优化升级的程度也会各有不同. 本文选取2012—2018年我国30个省份的人均GDP来度量各省份的经济发展水平. 为了避免异方差的影响， 对该变量取对数形式， 记为LnPGDP.

2)对外开放程度

进出口商品结构的优化， 有利于经济水平的提高， 从而推动产业结构优化升级. 本文采用30个省份的进出口总额占GDP的比重来度量对外开放程度， 记为OD.

3)政府参与程度

政府通过有效的资源调节配置可以对经济市场进行有限的干预. 政府的参与影响经济活动， 必然会对产业结构升级带来一定的影响. 本文采用一般公共预算支出占地区GDP的比重来衡量政府的参与程度， 记为GI.

4)人力资本

人力资本水平的提高依靠教育水平的提高， 教育水平的提高有助于创新效率的提高， 进而促进产业结构优化升级. 本文选取2012—2018年30个省份的高等教育普通本专科毕业生数与全国普通本专科毕业生数之比来衡量人力资本水平， 记为HU.各个变量的描述性统计见表3， 这为下文的实证分析提供了研究基础.

表3 变量的描述性统计

3.2 面板数据模型的构建

本文待验证的核心问题为数字经济驱动产业结构优化升级， 通过构建面板数据模型可以解决样本量不足的问题， 提供更多的信息和较少的共线性， 有利于准确分析信息变量之间的关系. 本文根据研究需要， 对数据进行F检验和LM检验， 强烈拒绝使用混合回归.通过豪斯曼检验P值为0.000 9， 拒绝原假设， 使用固定效应模型. 本文静态面板计量回归的具体模型设定如下：

UISit=β0+β1DEIit+β2lnPGDPit+β3ODit+β4GIit+β5HUit+μi+νt+εit

其中，UIS代表被解释变量产业结构优化升级，DEI代表数字经济发展水平.μi和νt表示个体效应和时间效应， 分别用于控制不随时间变化且不易观察的个体因素和时间维度的影响.εit为随机干扰项. lnPGDPit、ODit、GIit、HUit为控制变量， 分别表示经济发展水平、 对外开放程度、 政府参与程度和人力资本.β0表示截距项，β1、β2、β3、β4、β5表示解释变量系数.

为研究动态变化下数字经济对产业结构优化升级的影响， 采用动态面板广义矩估计法进行实证研究， 修正静态面板， 引入被解释变量的滞后一期作为工具变量. 建立的动态面板模型如下：

UISit=β0+αUISit-1+β1DEIit+β2lnPGDPit+β3ODit+β4GIit+β5HUit+μi+νt+εit

其中，UISit-1为产业结构优化升级的滞后一期，α为其回归系数. 其余变量和系数与静态面板模型的设定相同. 图1给出了数字经济发展与产业结构优化升级的散点图. 由简单回归拟合线可知， 数字经济发展与产业结构优化升级大体上存在正相关性.

图1 数字经济发展与产业结构优化升级散点图

3.3 面板数据检验

本文使用Stata软件对数据基于面板模型进行计量分析.

(1)组间异方差检验

由表4可以看出，P值为0， 因此强烈拒绝组间同方差的原假设， 认为存在组间异方差. 本文认为， 不同省份由于经济基础和产业政策不同， 产业结构优化升级程度也会产生差异.

表4 组间异方差检验结果

(2)组内自相关检验

根据表5检验结果得知，P值为0， 强烈拒绝不存在一阶组内自相关原假设. 由于同一省份的产业政策对经济发展进而对产业结构优化升级具有持续性的影响， 不仅对当下产业结构产生影响， 还对未来一定时段产生后续效应， 因此产业结构优化升级存在一阶组内自相关.

表5 组内自相关检验结果

(3)组间同期相关

由表6可以得出，P值小于0.01， 拒绝无组间同期相关的原假设， 认为存在组间同期相关. 各省份虽然产业政策、 经济基础不同， 但是由于相邻省份地理位置之间存在一定的关联性， 另外， 国家的宏观政策整体上影响产业结构， 因此各省份在同期产业发展上存在一定的关联， 从而产业结构优化升级必然具有相关性.

表6 组间同期相关检验结果

3.4 回归结果分析

3.4.1 静态面板模型估计结果

在上述检验的基础上， 本文采用双向固定效应模型和全面FGLS进行回归对比， 具体结果如表7所示. 由全面FGLS估计结果知， 本文所选取的控制变量均在一定的显著性水平上正向影响产业结构优化升级.

从核心解释变量角度分析. 根据表7结果， 无论是从双向固定效应模型还是全面FGLS模型来看， 数字经济发展水平与产业结构优化升级在1%水平上显著且相关系数为正， 这表明数字经济发展水平对产业结构优化升级起到明显的促进作用. 近年来， 数字经济正引发新的科技变革和产业变革. 在大力倡导数字经济背景下， 数字基础设施水平和科技创新水平得到了不同程度的提升， 企业数字化也在不断发展， 这对产业效率的提升以及产业结构的升级起到重要的作用. 但是， 根据实证结果， 由于我国的数字经济发展时间较短， 数字基础设施还不够成熟， 因此， 数字经济相比于对外开放对产业结构升级的驱动力较小.

表7 双向固定效应和全面FGLS实证结果

从控制变量角度分析. 当用人均GDP衡量地方经济发展水平时， 由于存在异方差和自相关对回归结果有一定的影响， 固定效应模型估计不准确. 全面FGLS回归结果显示， 地方经济发展水平与产业结构优化升级在1%的水平上显著， 且两者的回归系数为正. 这表明随着地方经济发展水平的提升， 产业配套设施愈来愈完善， 进而促进了产业结构优化升级. 另外， 政府参与程度与产业结构优化升级也是在1%水平上显著呈现正相关性， 这说明政府的参与在一定程度上可以提升产业结构水平. 主要原因在于政府制定有效的产业政策可以提高产业创新水平， 进而促进产业结构优化升级. 上述两个控制变量虽然都通过1%水平显著性检验且系数均为正， 但是回归系数远小于对外开放程度回归系数， 表明我国对外贸易程度越来越大. 加强对外开放， 提高外贸水平， 利用国际贸易和投资引进高质量资源， 极大促进产业结构优化升级. 人力资本与产业结构升级相关系数为正并且在10%水平上显著， 说明高等教育本专科毕业生得到充分就业， 企业有效吸收高级人力资源， 提高了人力资本与产业发展的匹配效率， 进而促进产业结构优化升级.

3.4.2 动态面板模型估计结果

模型可能出现内生性问题会使得模型结果不稳健， 故本文采用动态面板模型对原模型进行修正. 动态面板数据模型有两种估计方法， 分别是差分广义矩估计(Difference-GMM)和系统广义矩估计(System-GMM). 由于两步法可以避免异方差的影响， 因此， 本文对这两种广义矩估计GMM均采用两步法进行回归估计. 回归结果见表8. 两种模型均通过Sargan过度识别检验和AR序列相关性检验， 得出本文采用的所有工具变量都是有效的且没有二阶序列相关性. 系统广义矩估计可以较好地解决模型中存在的变量内生性问题， 克服动态面板偏差， 提高估计效率. 因此， 本文根据系统广义矩估计的结果进行研究分析.

表8 动态面板模型实证结果

从核心解释变量角度分析. 通过系统广义矩估计结果可得出， 核心解释变量系数在动态面板模型上为正并且在5%水平上呈显著状态. 这说明系统广义矩估计得到的估计结果与静态固定效应估计结果基本一致， 核心解释变量的系数符号没有发生实质性的变化， 即我国数字经济发展对产业结构优化升级具有正向积极的影响， 数字经济每增加1%， 产业结构优化升级提升0.354%. 其次， 产业结构优化升级的滞后一期(L.UIS)在1%水平上显著为正， 证实了产业结构优化升级是一个动态变化的过程， 利用动态面板模型分析是正确的选择. 由于动态面板模型加入被解释变量的滞后一期， 无论是使用系统广义矩估计还是使用差分广义矩估计， 其估计结果显示各控制变量的回归系数与显著性和静态面板回归结果存在些许差异， 主要体现在人均GDP的回归系数变为负的. 其最可能的原因是， 人均GDP对产业结构优化升级的影响体现在其滞后项里.

3.5 模型稳健性检验

为验证核心解释变量对产业结构优化升级的影响是否稳健， 本文通过更换被解释变量的衡量指标， 采用干春晖等[13]的研究方法， 利用泰尔指数(TL)对产业结构优化升级进行衡量. 具体公式为

其中，i表示产业类型，Yi表示第i产业的总产值，Y表示三次产业总产值，Li表示第i产业的就业人数，L表示三次产业总就业人数. 这里做一个说明， 由于泰尔指数是逆向指标， 当TL趋近于0时， 说明产业结构处于合理态势； 相反， 当TL远离0时， 产业结构偏离均衡无法得到优化. 通过系统GMM回归， 结果如表9所示.

表9 更换被解释变量的衡量指标实证结果

模型通过Sargan过度识别检验和AR序列相关性检验， 得出采用的所有工具变量都是有效的且没有二阶序列相关性的结论. 结果显示， 数字经济发展在5%水平上显著为负. 由于更换的被解释变量的衡量指标是逆向的， 因此， 数字经济发展对产业结构优化升级有显著的正向影响， 说明本文建立的模型和得到的实证结论具有可靠性和稳健性.

4 结论及政策建议

鉴于数字经济的发展时间较短以及确保数据的完整性， 本文利用2012—2018年除西藏以外全国30个省份的数据进行实证分析. 首先， 构建数字经济评价指标体系， 利用熵值法赋予各个指标权重， 得到历年30个省份数字经济综合评价指数. 其次， 运用时间和个体双向固定效应模型、 全面FGLS初步探究数字经济对产业结构优化升级的影响效应. 考虑到模型中存在内生性问题， 利用系统GMM进一步验证两者之间的关系. 再次， 通过更换变量的衡量指标验证模型的稳健性和可靠性. 研究结果表明， 无论是静态面板模型还是动态面板模型， 数字经济发展对产业结构优化升级具有显著的正向促进作用. 关于控制变量， 经济发展水平、 对外开放程度和政府参与程度均呈现显著影响.

根据以上的研究， 为了更好发挥数字经济对产业结构优化升级的推动作用， 本文提出以下3点建议.

第一， 完善数字化基础设施建设， 为产业结构迈向中高端打下坚实的基础. 各级政府要把推动社会服务的核心工作放在提供完备的数字基础设施上， 加强人工智能、 物联网、 量子信息、 智慧城市、 区块链等数字领域的基础设施建设. 首先， 加强移动宽带、 互联网建设， 建立高覆盖率的网络服务平台， 以加快创新步伐. 其次， 提高基础的软硬件设施水平， 扩大基础设施投资来源， 夯实数字经济发展的物质基础， 为产业结构优化调整提供坚实的后盾.

第二， 坚持对外开放战略， 推动数字经济快速发展， 促进产业结构调整. 开放是数字经济发展的条件之一. 通过利用外资、 进口和现代网络互融互通能力， 引进大量国外先进的技术和设备， 充分利用国际资源发展数字经济， 加快推进产业的“引进来”和“走出去”战略， 打造对外开放新的制高点， 提高我国产业的国际竞争力和经济的整体素质， 进一步促进产业结构优化升级.

第三， 充分利用有效的产业政策， 为产业结构优化升级营造良好的环境. 政府是数字经济发展中不可或缺的力量， 政府应完善数字经济发展体系， 推动相关政策文件落到实处， 保障国家数字经济稳定发展， 打造数字经济发展新格局. 此外， 通过充分发挥政府综合协调作用， 建立产学研一体化创新体系， 提高我国科技创新向科技成果转化的水平， 提供产业结构升级空间.