数字经济与制造业高质量发展——基于政府创新偏好调节效应的研究

秦建群 赵晶晶 刘 超

[提要]本文探讨了数字经济对制造业高质量发展的影响及其内在机制。以中国284个地级及以上城市为考察单元，在利用改进的熵值法测度了数字经济综合发展水平的基础上，运用双向固定效应模型检验了数字经济对制造业高质量发展的影响以及生产性服务业集聚在二者之间的中介效应。接着探讨了政府创新偏好对生产性服务业集聚中介效应的调节作用。研究发现：数字经济显著促进了制造业高质量发展，两者存在着“倒U型”的非线性特征。在选取历史数据作为工具变量、考虑抽样误差、安慰剂检验等一系列稳健性检验后，结论仍稳健。机制分析发现：数字经济通过生产性服务业集聚促进制造业高质量发展，且在其中发挥部分中介效应。政府创新偏好对生产性服务业集聚在数字经济促进制造业高质量发展过程中的中介效应起到了正向调节作用。进一步分析发现：不同区域、城市群与非城市群的约束下，数字经济对制造业高质量发展的影响存在显著差异。本文的研究结论对当前数字经济发展和制造业转型升级的政策制定与调整以及发挥地方政府的主体作用具有重要的启示。

一、引言及文献评述

新一轮科技与产业革命的加速拓展，以人工智能、云计算、5G技术、工业互联网为代表的数字技术在产业中的运用，引领进入数字经济时代，数字经济已全方位渗透和应用到生产、生活的各个领域，并且世界主要经济体将发展数字经济作为提升国家竞争力、促进经济增长和社会发展的核心战略之一。数字经济时代引发的新一轮市场变革正成为我国突破制造业“低端锁定”困局、助推制造业向价值链高端攀升的决胜点。党中央高度重视数字经济的发展，作出了建设“数字中国”的战略部署，党的十九大要求“推动互联网、大数据、人工智能和实体经济深度融合”，标志着数字经济与实体经济特别是制造业深度融合发展上升为国家战略。党的十九届五中全会强调“要坚定不移建设数字中国，加快数字化发展”，《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》进一步强调“充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级”，都体现了国家对二者融合发展的高度关注。因此，在数字经济已成为经济增长的新动能将进一步深化第三次产业革命的背景下，考察数字经济如何影响制造业高质量发展的机制和效应，不仅有助于为数字经济与制造业高质量发展相关政策的制定提供理论支持，还可能为未来的变革提供思路与方向，有助于推动供给侧结构性改革的实施，因而具有重要的理论及现实意义。

现有文献从不同视角探究了数字经济对制造业高质量发展的重要作用，形成了一些研究成果。王可和李连燕[1]研究指出，互联网的使用推动了我国制造业的创新活动，提高了制造业供应链上下游企业之间的信息分享意愿，且其本身也可以作为一种高效的商品销售和营销渠道在制造业当中发挥作用，并带来制造业绩效的提升；何文彬[2]研究指出数字化对我国制造业全球价值链的高端化有正面推动作用；邓仲良等[3]研究表明工业机器人的广泛应用提高了生产效率、优化了要素配置结构进而促进制造业转型升级；马中东等[4]研究发现，数字经济整体上缓解劳动和资本要素配置扭曲程度实现制造业质量升级，且有效改善东部地区劳动和资本要素配置的扭曲，而中西部地区制造业质量升级则主要来自于数字经济对劳动要素配置的优化效应；钞小静等[5]研究发现新型数字基础设施可以通过升级生产制造、改善市场匹配两条渠道推动制造业高质量发展；惠宁和杨昕[6]研究发现，数字经济扩大人力资本积累和激发创业活力进而驱动制造业高质量发展；刘鑫鑫和惠宁[7]进一步研究发现数字经济对中西部地区制造业高质量发展的促进作用却不明显。综合已有研究看，既有研究为本文奠定了理论基础和逻辑起点，但深入探讨数字经济通过何种路径影响制造业高质量发展的成果比较有限，在学界尚未形成一致的意见。一是部分实证研究文献对于模型内生性问题关注不足，导致实证结论可信度低；二是目前的研究对数字经济影响制造业高质量发展的中介机制的检验明显不足；三是当前国家创新能力不强已经成为中国经济社会发展的“阿喀琉斯之踵”①，提升国家创新能力已经迫在眉睫。在此背景下，具有强烈创新偏好的政府已成为提升国家创新能力的重要主体，但现有研究未考虑政府创新偏好在数字经济影响制造业高质量发展机制中的调节作用。

基于上述分析，本文重点探讨了数字经济对制造业高质量发展的影响及其内在机制。理论上，数字经济可以通过生产性服务业集聚促进制造业高质量发展以及政府创新偏好对生产性服务业集聚的中介效应产生调节作用。在此基础上，基于改进的熵值法测度了2004—2019年全国284个地级及以上城市的数字经济发展水平，构建了中介效应模型和有调节的中介效应模型，实证检验数字经济对制造业高质量发展的影响以及生产性服务业集聚在二者之间的中介机制。接着引入政府创新偏好作为调节变量，探讨了政府创新偏好对生产性服务业集聚的中介效应的调节作用。研究发现，数字经济显著促进了制造业高质量发展，且二者存在倒“U型”关系。在选取历史数据作为工具变量、考虑抽样误差、安慰剂检验等稳健性检验结论仍成立。就中介机理而言，数字经济通过生产性服务业集聚促进制造业高质量发展，且在其中发挥部分中介效应。政府创新偏好对生产性服务业集聚的中介效应起到了正向调节作用。进一步分析表明，不同区域和城市群与非城市群的约束下，数字经济促进制造业高质量发展具有差异化。本文可能的边际贡献在于以下方面：第一，对数字经济驱动制造业高质量发展直接效应及非线性特征和间接效应的机理进行分析，接着讨论政府创新偏好对生产性服务业集聚的中介效应的调节作用；第二，通过构建中介效应模型，检验数字经济如何通过生产性服务业集聚来影响制造业高质量发展，即深入分析二者间内在机制；第三，为研究政府创新偏好在数字经济影响制造业高质量发展过程中发挥的作用，构建了有调节的中介效应模型，检验政府创新偏好是否对生产性服务业集聚的中介效应具有调节作用；第四，基于不同区域、城市群与非城市群，进一步探讨数字经济对制造业高质量发展是否存在异质性影响，为相关部门促进制造业高质量发展提供参考。

二、理论分析与研究假设

(一)数字经济影响制造业高质量发展的直接效应

数字经济能够优化要素配置、提升管理效率、重塑组织模式、提高供应链效率、创新服务化模式进而促进制造业高质量发展。第一，就优化要素配置而言，数字经济以数字化的信息、知识数据作为关键生产要素，形成新的数据变现模式，实现了各类生产要素的泛在连接、弹性互补和更高效配置，推动生产制造的灵活度与精细性的提升，实现供给端与需求端的全面互联。第二，就管理效率提升而言，大数据、在线监测和人工智能等数字技术实现在生产线各环节实时智能监控，对制造过程产生的大量数据进行挖掘，能够促进线上线下、前端后端各作业环节的整合，实现生产流程再造，企业对产品质量监管和控制能力显著提升，适应了产品科技含量高复杂度提升、迭代创新速度加快、生命周期缩短的发展要求。第三，就重塑组织模式而言，数字经济改变了企业组织形态、业务流程、协调机制，进而促进缺乏灵活性的传统企业组织模式向网络化、扁平化、柔性化以及跨部门化的方向转变。第四，就提高供应链效率而言，大数据、人工智能等技术的应用有效解决了供应链上的连接、检索和交互问题，实现了设计商、制造商、供应商、集成商等的联合，全面提升了供应链效率，并实现上下游企业间产能共享，激活闲置产能，助力中国制造的产能整合与供给侧结构性改革。第五，就创新服务化模式而言，推动制造企业整合内外部资源，创新服务化模式，在个性化定制、系统集成服务、解决方案提供等方面实现新业态、新模式的培育与壮大，提高企业生产效率。[8]然而，随着数字经济持续发展，资本、信息、技术等生产要素集聚超过集聚的最优临界值，带来的拥挤效应[9]会导致资源错配，并且制造业企业之间为了争夺生产要素而进行的恶性竞争会进一步加剧资源错配。同时，数字经济降低了新技术的获取成本，衍生出搭便车行为，导致制造业企业创新利润的压缩，对制造业企业的创新行为产生负向激励，而减少技术创新行为。此外，数字经济拓展制造业企业发展空间，通过占先优势和规模效应，容易形成市场垄断，造成制造业企业的规模不经济，[10]数字经济对制造业高质量发展的驱动力减弱。据此，本研究提出以下研究假设：

H1a：数字经济与制造业高质量发展存在显著的正向相关关系

H1b：数字经济与制造业高质量发展之间呈非线性关系，即倒“U”型

(二)数字经济影响制造业高质量发展的间接效应

数字经济不仅具有以上对制造业高质量发展的直接效应，还会产生影响生产性服务业集聚的间接效应。生产性服务业集聚是引领制造业向价值链高端攀升的重要途径。[11][12]本文认为生产性服务业集聚是数字经济促进制造业高质量发展的重要渠道。第一，数字经济的发展催生了大规模新型数字基础设施建设投资，这些建设投资吸引与新型数字基础设施配套、关联的生产性服务业企业在区域内的集聚，集群内生产性服务业企业通过共享市场信息和要素资源来降低成本，实现规模经济，更高效地提供生产性服务，提高制造业竞争力。第二，数字经济涉及知识密度较高的互联网、人工智能、机器学习、3D打印等领域，集中了大量研发资源，具有较高的研发强度、较强的创新性等特性，数字经济所产生的外溢效应直接通过作为知识资本和人力资本的重要载体的生产性服务业，与制造业企业形成前向关联和后向激励，改变制造企业的技术创新模式，驱动以资源消耗型与劳动密集型为主的制造企业向以知识与技术密集型为主的产业价值链高端攀升，形成新产业、新业态、新模式。第三，数字经济推动信用数字化的发展，解决信用甄别机制缺失，构建新型城市信用体系，提升城市市场化程度，降低交易成本，使生产性服务企业通过互联网形成生产性服务业集聚。在生产性服务业集聚过程中，生产性服务业企业的服务功能向专业化和价值链高端延伸，为制造业企业提供更加精细化和更加高端化的服务，推动制造业企业提高生产技术水平，推动产品向国际化、高端化、品牌化、智能化迈进。第四，数字技术有效提高了市场公开透明度，不同类型生产性服务主体通过网络化平台实现实时传输，便捷获取前沿知识技术信息，[13]突破生产经营主体和服务主体的空间限制，实现各类信息集成，及时传递加工形成有效信息，优化企业资源跨区域配置，提升制造业附加值。据此，本研究提出以下研究假设：

H2：数字经济通过生产性服务业集聚间接影响制造业高质量发展。

(三)政府创新偏好的调节效应

生产性服务业集聚在产业发展中发挥重要作用，[14]但生产性服务业集聚效应的发挥受到诸多非市场化因素的影响。[15]已有研究表明，技术创新与产业政策能有效推动生产性服务业集聚，进而对制造业的发展质量产生积极影响，[16][17]具有强烈创新偏好的政府制定的创新政策势必会通过发挥生产性服务业集聚效应，推进制造业高质量发展。因而生产性服务业集聚的中介效应势必会受到政府创新偏好的影响。在财政分权体制下，中央政府对地方官员的考核和任命机制强化了地方政府为发展本地经济、获得晋升资本而展开竞争，可能会导致社会投资呈现“重生产，轻创新”的偏向。[18]这不仅导致科技创新要素供给的不足直接影响生产性服务业主体的创新能力与技术进步，从而抑制以知识、技术、信息、人才密集为主要特征的生产性服务业发展，[19]而且也导致生产性服务业需求不足，不利于生产性服务业充分集聚和集聚效应的有效发挥，[20]因此，政府应主动发挥宏观调控作用，利用有形的手对无形的手进行矫正。党的十八大提出“实施创新驱动发展战略”，中央政府强调科技创新的重要性，并将技术创新指标纳入地方政府考核体系等一系列规制举措出台，在一定程度上可以引导地方政府提高其决策目标中对创新的重视与偏好，有利于技术创新的开展。[21]在“实施创新驱动发展战略”下，政府创新偏好的提高可能对生产性服务业集聚的中介效应产生调节作用。据此，本研究提出以下研究假设：

H3：政府创新偏好正向调节生产性服务业集聚的中介效应，政府创新偏好越强，越能强化生产性服务业集聚的中介效应。

综上，数字经济促进制造业高质量发展，二者之间呈非线性关系；数字经济通过生产性服务业集聚促进制造业高质量发展；政府创新偏好调节生产性服务业集聚的中介效应。

基于上述理论分析与假设，本文研究思路与变量之间的关系如图1所示，在后续研究中本文将依据该思路进行实证分析。

图1 数字经济影响制造业高质量发展的机制

三、研究设计

(一)模型构建

为检验上述研究假设，首先针对直接效应构建基准模型：

(1)

为深入探讨数字经济发展促进制造业高质量发展的非线性影响，在式(1)中加入数字经济发展水平的平方项，得到式(2)如下：

(2)

在分析数字经济对制造业高质量发展的影响时，数字经济变量的内生性是一个不可回避的问题。具体而言，一方面，数字经济与制造业高质量发展之间存在一定的因果内生关系；另一方面，影响制造业高质量发展的因素较多，目前所涉及的控制变量难以防止遗漏变量问题。由于可能潜在的反向因果和遗漏变量问题，为核心解释变量找到恰当的工具变量是缓解内生性问题的有效办法之一，即工具变量与内生变量(数字经济)高度相关，而又不直接影响被解释变量(制造业高质量发展)。为此，本文借鉴赵涛等[22]采用城市在1984年的固定电话数量和邮局数量作为数字经济的工具变量。1984年的固定电话数量和邮局数量之所以能够作为数字经济的工具变量，一方面是因为互联网作为传统通信技术的延续发展，当地历史上的邮局布局数量从使用技术和使用习惯等影响互联网技术的应用普及，满足有效工具变量相关性假定；另一方面，固定电话等传统电信工具对制造业发展的影响正在逐渐消失，选择传统电信工具作为工具变量满足外生性假定。此外，选用的工具变量原始数据为横截面形式，不能够直接用于面板数据的计量分析，本文参考Nunn等[23]研究中工具变量的构建方法，把上一年移动电话交换机容量(与时间趋势有关)和原变量(与个体变化有关)的交互项作为工具变量。通过上述方法构建的两个工具变量不仅是面板数据，还体现了随时间变化的工具变量对内生变量的影响，保证了工具变量的外生性。另外，为与前文保持一致，与基准模型设定完全一样，构建2SLS的一阶段和二阶段估计模型的式(3)和式(4)：

(3)

(4)

除了式(1)所体现的直接效应，为研究数字经济与制造业高质量发展之间可能存在的中介机制，根据前文所述，本文为研究数字经济通过生产性服务业集聚影响制造业高质量发展的中介机制，构建如下模型：

(5)

(6)

为了考察政府创新偏好对生产性服务业集聚中介效应的调节作用，构建模型(7)如下：

(7)

其中，式INNOV表示政府创新偏好。其他变量与基准模型式(1)和式(6)的设定相同。

(二)变量说明

1.制造业高质量发展水平的测度。制造业高质量发展既是制造业综合实力和核心竞争力的集中体现，也是经济高质量发展在制造业领域的集中体现，因此可以参考经济高质量发展的测度方法(已有相关研究主要是综合评价法、中间变量替代法等)衡量制造业高质量发展水平。综合评价法能够综合评估制造业发展水平，但构建的评价指标体系存在一定程度上的主观性，因而本文参考钞小静等[5]的处理方法选择中间变量替代法以TFP作为制造业高质量发展水平的衡量指标。综合考虑地级市层面数据的可得性及指标选取的代表性，采用DEA-Malmquist方法测算得到各城市制造业效率(MANUFA)作为被解释变量，借鉴王文等[25]的处理方法，以工业口径作为对制造业的近似。本文选择规模报酬可变、产出导向型的DEA-Malmquist模型来测度制造业的全要素生产率。另外，由于Malmquist指数法测算得到的指标并非历年的制造业全要素生产率，而是相比于前一年的变化率，因此本文借鉴程惠芳等[26]的研究方法，将2003年的基期MANUFA设定为1，进一步计算得到具有可比性的制造业全要素生产率。

2.数字经济发展水平的测度。改进的熵值法既可以客观确定各指标的权重，能科学地反映数字经济发展的整体情况，并弥补用单一指标进行研究时无法客观全面揭示数字经济整体情况的缺陷。结合本文研究目的，参考Matters等[27]、Liu等[28]和赵涛等[22]的研究方法并结合改进的熵值法，构建了一个数字经济综合指数，来测算2004—2019年我国284个地级及以上城市的数字经济发展水平。本文选取互联网普及率(百人中互联网宽带接入用户数)、相关从业人员情况(计算机服务和软件业从业人员占城镇单位从业人员比重)、相关产出情况(人均电信业务总量)和移动电话普及率(百人中移动电话用户数)等四个指标进行数据标准化后，再做数据降维处理，得到的城市数字经济综合发展指数，记为DIGECO，具体而言：

第一步，无量纲化处理，同时平移坐标消除负值：

(8)

第三步，计算数字经济得分DIGECOit：

(9)

3.中介变量。数字经济通过中介变量生产性服务业集聚对制造业高质量发展产生影响。借鉴秦建群等[29]的研究方法，本文采用区位熵指数来衡量城市生产性服务业的集聚程度。生产性服务业集聚程度的具体计算公式为：

(10)

4.调节变量。借鉴李政和杨思莹[30]的研究方法，调节变量政府创新偏好采用政府财政支出中科学技术支出占地方财政支出比重来衡量。

5.控制变量。为了避免遗漏关键变量而对估计结果产生估计偏误问题，借鉴以往研究，本文在实证模型中选取对制造业高质量发展可能产生影响的控制变量包括政府规模、外商投资、城市规模、房地产投资、城镇化等，具体如下：政府规模采用财政预算内收入比城市GDP来表示；外商直接投资采用当年实际使用外资比城市生产总值表示，其中，外商直接投资按照当年平均汇率计算得到；城市规模采用辖区人口数与辖区面积之比(万人/平方千米)表示；房地产投资采用房地产开发投资完成额与城市GDP之比表示；城镇化采用第二产业和第三产业从业人员占地区从业人员之比表示。此外，凡是以当年价格计算的变量，均以2003年为基期进行了不变价格的折算以去除价格因素的影响。

(三)数据来源和描述性统计

我国多次调整行政区划，由于部分城市数据缺失较多，按照一致性要求，最终选择2004—2019年284个地级及以上城市作为研究样本，形成了4544个城市—年的面板数据。实证数据均来自《中国城市统计年鉴》《中国统计年鉴》以及部分地级市统计年鉴和统计公报，缺省数据采用线性插值补齐。表1是本文主要变量的描述性统计结果。

表1 变量及描述性统计

四、实证结果与分析

(一)基准模型估计结果

对式(1)进行估计，表2报告了数字经济对城市制造业高质量发展的线性影响的估计结果。在未控制时间效应和控制城市固定效应的基础上，模型1仅纳入核心解释变量，模型2纳入核心解释变量和控制变量；模型3和4在模型1和2基础上控制时间效应。结合四个模型可知，数字经济变量回归系数均显著为正，意味着核心结论在控制其他因素后保持一致。估计结果显示，模型1和2中数字经济显著促进了制造业高质量发展，估计系数分别为31.3894和37.5891，且均在1%的显著性水平上显著。进一步地，在模型3和4中，数字经济仍显著地促进了城市制造业高质量发展，估计系数31.3894和35.3493，且在1%的显著性水平上显著，只是数值大小有变化。此外，在加入控制变量的模型2中，政府规模、城市规模、房地产投资、城镇化等对城市制造业高质量发展产生显著的负向影响；外商投资、城市规模对城市制造业高质量发展产生显著的正向影响。在双向固定效应模型4中，政府规模对城市制造业高质量发展产生显著的负向影响；城市规模对城市制造业高质量发展产生显著的正向影响。

表2 数字经济影响制造业高质量发展的基准回归结果

对式(2)进行估计以检验数字经济与制造业高质量发展之间的非线性关系，估计结果如表3所示。在控制时间效应的基础上，模型1仅纳入核心解释变量，模型2纳入核心解释变量和控制变量，模型3和4在模型1和2基础上控制时间效应。估计结果显示，数字经济对制造业高质量发展的回归系数均在1%的显著性水平下为正，且在模型1、模型2、模型3和模型4中的二次项均在1%的显著性水平下显著为负，这表明数字经济与制造业高质量发展之间存在倒“U”型关系，即数字经济促进了制造业高质量发展，但当数字经济发展水平达到一定高度后，数字经济却阻碍制造业高质量发展，从而验证了研究假设H1。

表3 数字经济对制造业高质量发展影响的非线性

(二)稳健性检验

本文基于考虑抽样误差和模型设定偏误等进行稳健性检验。一是删除直辖市和省会城市。本文涉及284个样本城市包含了直辖市以及省会城市，直辖市在行政级别上与省级行政区同级，省会城市相较于其他城市的配套条件保障性更优，因此利用剔除直辖市和省会城市后的样本重新估计基准模型，估计结果见表4中模型1。二是排除奇异值。将解释变量数字经济变量进行首尾两端各缩尾2.5%后重新估计基准模型，估计结果见表4中模型2。三是替换核心解释变量数字经济的测度指标。为验证估计结果的可靠性，进一步采用信息传输、计算机服务和软件业与城镇单位从业人员期末人数之比作为数字经济的代理指标重新估计基准模型，估计结果见表4中的模型3。四是分时段。2014年我国工业和信息化部、国家发展和改革委员会共遴选出120个城市(群)作为“宽带中国”试点，旨在提升宽带应用水平，普及移动互联网，助力试点城市在技术创新和产业竞争力等方面率先达到国际先进水平。鉴于此，本文将全国样本划分为2004—2013年和2014—2019年两个时段，对“宽带中国”试点实施前后进行重新估计，估计结果见表4中的模型4和模型5。五是Tobit模型估计。由于制造业高质量发展变量存在删截特征，会造成严重的数据截留问题，采用受限因变量模型(Tobit模型)替换线性回归模型后重新进行回归，估计结果见表4中的模型6。根据表4可知，估计结果与前文基准模型估计结果相比除数值大小有所变化外，数字经济的回归系数符号和显著性水平并未发生变化。

表4 稳健性检验结果

(三)内生性问题处理

对式(3)和(4)进行估计，表5报告了工具变量的2SLS估计结果。为了检验推导结果的一致性和合理性，在表5中模型1和模型4中仅纳入核心解释变量和控制变量，模型2和模型5在模型1和4的基础上控制时间固定效应，模型3和模型6在模型2和模型5的基础上控制城市固定效应。不可识别检验Kleibergen-Paap rk LM统计量p值均为0.0000，显著拒绝不可识别的原假设；弱工具变量检验Cragg-Donald Wald F statistic的F值均大于Stock-Yogo检验10%水平上的临界值。这表明选取的工具变量合理，能有效解决变量内生性问题。第一阶段回归中工具变量与数字经济显著正相关。第二阶段回归结果显示，在方向和显著性上，数字经济对制造业高质量发展的影响均与表2所报告的基准回归相似，进一步验证了数字经济对制造业高质量发展的正向影响。表5估计结果显示，在考虑内生性问题的基础上，数字经济依然显著正向影响制造业高质量发展，表明前文结论可靠。

表5 数字经济对城市制造业高质量发展的工具变量估计结果

(四)安慰剂检验

前文采用了多种方法就数字经济对制造业高质量发展的影响进行稳健性检验，但仍可能无法排除一些与数字经济发展无关的其他政策、事件或不可观测因素可能对制造业高质量发展产生影响，从而导致估计偏误。为此，本文借鉴Alder等[31]和金祥义等[32]的方法来排除这些因素的影响，其研究方法为：通过打乱数字经济发展指标的顺序，与城市代码进行随机匹配来构建伪数字经济发展指标，将该过程重复1000次，进行估计并对数字经济的回归系数进行统计分析，识别数字经济与制造业高质量发展之间的真实关系。若随机匹配处理后的数字经济的回归系数均值为正且显著，这表明制造业的高质量发展可能不是由数字经济真实发展引起的，也就是说我们可能遗漏了某些关键因素，而这些关键因素显著影响制造业高质量发展。若数字经济的回归系数均值接近于0，这表明其他政策、事件或不可观测因素对制造业高质量发展不存在显著影响，也就是说制造业高质量发展是由数字经济真实发展引起的。根据基准模型进行了1000次数字经济随机匹配的安慰剂检验，绘制估计系数的核密度图(见图2)，随机匹配得到的伪数字经济回归系数的均值为0.0134，与基准回归结果中表2第(4)列的数字经济的回归系数相比相差较大，非常接近于0，这表明数字经济对制造业高质量发展的促进作用并不是由其他政策、事件或不可观测因素导致，而是由各城市数字经济的发展所导致，验证了制造业高质量发展确实源于数字经济的真实发展。

图2 安慰剂检验下估计系数的核密度分布图

五、中介机制检验与调节效应检验

(一)数字经济影响制造业高质量发展的中介机制检验

表6报告了中介效应模型式(5)和式(6)的估计结果。表6中的模型1、模型3和模型5未控制时间效应，而在模型2、模型4和模型6中控制时间效应，以检验推导结果的一致性和合理性。比较发现，模型变量回归系数依然均显著为正，意味着核心结论在控制时间效应后同样成立。模型2中，数字经济(DIGECO)的系数为35.3493，在1%的显著性水平上显著，说明数字经济的发展显著促进了制造业高质量发展。模型4中，数字经济的系数为86.6612，在1%的显著性水平上显著，说明数字经济的发展显著促进了生产性服务业集聚。在模型6中，生产性服务业集聚对制造业高质量发展的回归系数为0.0897，在1%的显著性水平下显著为正，说明生产性服务业集聚是促进制造业高质量发展的重要因素。此外，数字经济的回归系数为27.5731，在1%的显著性水平上显著为正，且小于模型2的回归系数，表明数字经济对制造业高质量发展的促进作用中，存在生产性服务业集聚的中介效应且表现为部分中介效应。这验证了数字经济部分通过生产性服务业集聚这一途径和机制促进制造业高质量发展，即验证了假设H2。

表6 数字经济影响制造业高质量发展的中介机制检验——生产性服务业集聚的中介效应

(二)政府创新偏好的调节作用检验

上文理论分析表明，生产性服务业集聚的中介效应影响可能受到政府创新偏好的影响，为了验证对式(7)进行估计以检验政府创新偏好对生产性服务业集聚的中介效应是否存在调节作用，估计结果如表7所示。为了检验推导结果的一致性和合理性，模型1是在模型式(7)的基础上不纳入政府创新偏好与中介变量的交乘项和控制变量，模型2在模型1的基础上纳入政府创新偏好与中介变量的交乘项，模型3在模型2的基础上纳入控制变量。比较发现，政府创新偏好与中介变量的交乘项的回归系数均显著为正，意味着核心结论在控制其他因素后保持一致。从表7检验结果表明，交乘项的系数为正，且通过5%的显著性检验。这说明政府创新偏好对生产性服务业集聚的中介效应有正向调节作用，即随着政府创新偏好的提高，强化了生产性服务业集聚的中介效应，从而验证了假设H3。

表7 政府创新偏好的调节效应检验结果

六、进一步分析：异质性

考虑到数字经济发展在空间上表现出的较大差异，进一步以子样本回归的形式就数字经济对制造业高质量发展的影响开展异质性分析。具体而言，其一，按照传统的分类方法，本文将总样本进一步分为东部地区、中部地区和西部地区②等3个子样本分别进行回归。其二，根据《国家新型城镇化规划(2014—2020年)》，本文将总样本进一步分为城市群③与非城市群等2个子样本分别进行回归(见表8)。表8中模型1、模型2和模型3的估计结果表明，数字经济对东部、中部、西部的制造业高质量发展具有显著促进作用，即数字经济能够显著促进制造业高质量发展；中部数字经济的回归系数最大，西部次之，东部最小。一个可能的原因是：东部地区作为我国最早改革开放的重点区域，东部地区第二产业的占比相对较高，高端制造业的发展亦相对较为完善，数字经济对制造业高质量发展仅起到了“锦上添花”的作用。相比于东部地区，数字经济的发展更能对中部地区的制造业高质量发展产生更大的显著带动作用，中部自身具备强大的发展潜力，中部经济虽未能达到东部地区的发达程度，也尚未建立较为成熟的基础设施网络体系，但中部资源承载能力并不落后于东部，同时具备承东启西的地理优势，中国经济呈现出较为突出的梯度转移特征。同时，制造业内部结构正在向技术型经济转变并向发达地区收敛，因此，中部地区在推行“中部崛起”战略下，以新兴技术应用为主的数字经济对带动该地区制造业转型和升级的作用效果会更为明显。西部地区因其自身气候、区位、基础设施等均不占优势，但在“西部大开发”和“一带一路”倡议等政策扶持下，数字经济对制造业高质量发展带来的边际效用高，加快数字经济的发展对西部地区经济发展可起到显著的“雪中送炭”作用。可见，从地区产业升级的视角看，在经济欠发达地区，数字经济更多扮演的是雪中送炭的角色，对地区经济发展的驱动作用大，而在经济相对发达的地区，则更多属于锦上添花，其边际效应相对较小。这一发现也意味着，我国各地区的工业基础和资源禀赋存在较大差异，东部地区各省份已率先进入工业化后期阶段，而中西部地区各省份仍处于工业化中期阶段，存在着明显的梯度差距[33]。数字经济不仅可以加快地区制造业的转型与升级，而且还可以为我国中西部地区实现追赶超越创造条件。表8中模型4和模型5估计结果表明，数字经济对城市群和非城市群的城市制造业高质量发展具有显著的促进作用，城市群的数字经济对制造业高质量发展的正向影响显著高于非城市群。究其原因可能是与非城市群城市相比，一方面，城市群中的城市通常是新型数字基础设施最早大规模普及和发展的地区；而非城市群城市在新型数字基础设施建设进程中则处于落后地位。另一方面，城市群城市之间通过形成的相互联系相互促进的网状关联机制实现了资源共享和经济互利，数字经济对制造业高质量发展的促进效应会得到加强。这表明，数字经济对制造业高质量发展的作用在城市群和非城市群间存在差异性。在城市群中，要加强城市之间的联动发展，使各城市能够互相借鉴、分散和辐射，以达到数字经济对制造业高质量发展更好的促进效果。

表8 数字经济影响制造业高质量发展的异质性估计结果

七、结论与政策启示

本文探讨了数字经济促进制造业高质量发展的影响及其内在机理。理论上，数字经济可以通过生产性服务业集聚促进制造业高质量发展以及政府创新偏好对生产性服务业集聚中介效应的调节作用。实证上，本文以中国2004—2019年284个地级及以上城市为考察单元，利用改进的熵值法测度了数字经济综合发展水平，分别运用双向固定效应模型、中介效应模型和有调节的中介效应模型检验了数字经济对制造业高质量发展的影响、生产性服务业集聚在二者之间的中介作用以及政府创新偏好对生产性服务业集聚中介效应的调节作用，进一步分析发现，不同区域、城市群与非城市群的约束下，数字经济对制造业高质量发展的影响的异质性。研究发现：数字经济显著地促进了制造业高质量发展，两者存在着“倒U型”的非线性特征。在选取历史数据作为工具变量、考虑抽样误差、安慰剂等稳健性检验后，结论仍稳健。就中介机理而言，数字经济通过生产性服务业集聚促进制造业高质量发展提升，且均在其中发挥部分中介作用。政府创新偏好对生产性服务业集聚的中介作用起到正向调节作用。进一步异质性分析发现，数字经济对不同区域、城市群与非城市群的制造业高质量发展影响不同。

本文的结论具有以下政策启示：第一，各地政府应实施动态化、差异化的数字经济发展战略，以此促进当地制造业高质量发展。首先，加快数字技术的创新与应用，持续有效释放数字技术促进制造业高质量发展的潜力，结合城市产业优势，有针对性加快数字经济应用场景项目落地，进而实现产业发展方向的差异化和特色化，将更多资源整合投入到制造业数字化发展中。其次，加大对互联网投资力度，根据城市资源禀赋的差异统筹推进“数字中国”建设，部分城市要聚焦于产业融合，而部分城市应致力于数字治理以及打造数字社会上。特别是通过加快5G商用、大数据模式构建和人工智能应用，进一步发挥数字技术为改善制造业高质量发展带来的红利优势。再次，应加大对制造业企业数字化和智能化改造的政策扶持力度，将自上而下的发展规划与自下而上的制造业场景布局有机结合，形成双向推动融合发展的局面，鼓励加快大数据平台、智能工厂和数字工厂建设，推动企业制造资源与互联网平台全面对接，通过共享生产资料的方式降低企业的数字化转型成本，促进制造业企业高质量发展。此外，要加强分工合作，协同互补发展。在集聚产业的同时，减少不必要的重复建设与竞争，形成1+1>2的效果，进而进一步提升数字经济在制造业高质量发展的贡献。第二，生产性服务业集聚为数字经济驱动制造业高质量发展的重要途径。要充分利用云计算、物联网、数据中心等新一代数字基础设施建设，机器人、大数据、5G等新兴技术的应用，搭建有利于增加生产性服务效率和集聚程度的发展平台，优化产业空间布局，推动产业协同发展，优化制造业内部产业结构，着力促进制造业与服务业深度融合，实现制造业向“智造+服务”的高质量发展转变。第三，提高政府创新管理能力，强化政府创新偏好，加强对地方政府财政支出的监督，健全财政科技支出绩效评价机制，推动财政资源配置结构的调整和效率的提升，切实提高地方政府财政支出质量，发挥政府在创新活动中的引领和保障作用，同时增强地方政府创新激励，提高政府创新偏好。各地方政府应紧紧围绕《中国制造2025》的发展目标，通过数字经济的发展加快生产性服务业与制造业的互动融合，推动制造业向全球产业链和价值链的中高端攀升，最终实现制造业的高质量发展。

注释：

①参见习近平总书记2015年10月29日在党的十八届五中全会第二次全体会议上的重要讲话。

②东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省份。

③京津冀、长三角、珠三角、长江中游、成渝、中原以及哈长城市群这七大城市群共计155个城市。其中各城市群的区域范围主要参照《全国主体功能区规划》《京津冀都市圈区域规划》《长江三角洲城市群发展规划(2015—2030)》《珠江三角洲地区改革发展规划纲要(2008—2020年)》《长江中游城市群发展规划》《成渝城市群发展规划》《中原城市群总体发展规划纲要》等文件。