加快建设数字基础设施 着力提高全要素生产率

惠 宁，薛瑞宏

(西北大学 经济管理学院, 陕西 西安 710127)

一、问题的提出

习近平总书记在党的二十大报告提出:“加快建设现代化经济体系,着力提高全要素生产率,着力提升产业链供应链韧性和安全水平,着力推进城乡融合和区域协调发展,推动经济实现质的有效提升和量的合理增长。”“建设现代化产业体系,坚持把发展经济的着力点放在实体经济上,推进新型工业化,加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国。”[1]将推动数字经济发展、建设制造强国作为我国长期战略目标。我国数字经济蕴藏无限活力,逐步渗透至经济社会的各领域之中,在缓解市场扭曲[2]、提升经济效率[3]和优化产业结构[4]等方面发挥了重要作用,成为新时代赋能我国经济发展的新型引擎。尤其当前我国面临着因人口红利逐步消失以及要素边际报酬递减而引致的经济发展动力不足和新旧动能急需转化等多重问题之际,数字经济凭借其在信息传播、数据创造和低成本等方面的独到优势,通过数字化的知识与信息深入推动我国经济提质增效,数字经济是推动我国经济高质量发展的重要依托。当然,数字经济的深层次发展离不开数字基础设施支撑,以 5G基站建设、人工智能和大数据中心为代表的数字基础设施作为现代数字经济发展的“网络传输纽带”和“信息物质载体”,逐渐成为释放经济红利的重要因素。这也意味着数字基础设施对建设中国现代化经济体系、推动实体经济高质量发展具有重要意义。习近平总书记在中共中央政治局第三十四次集体学习中指出:“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,催生新产业新业态新模式,不断做强做优做大我国数字经济。”[5]数字基础设施建设已成为当前我国应对经济下行趋势、推动产业和消费结构转型升级、加快新旧动能转换的重大战略举措。

数字基础设施是指以数据创新为驱动、通信网络为基础、数据算力设施为核心的基础设施体系。根据新古典增长理论,宽带网络等数字基础设施建设可促进资本要素的积累,从而促进经济增长。关于数字基础设施的衡量指标,学术界还未达成统一认识。国外学者Röller&Waverman[6]、Datta&Agarwal[7]、Koutroumpis[8]分别用电话服务价格、每百户电话线主线数、固定宽带速度衡量这一指标,运用经济合作与发展组织(Organization for Economic Co-operation and Development,OECD)国家的面板数据考察了数字基础设施建设与经济增长二者之间存在的关系,发现信息基础设施对经济增长具有显著的正向作用力。国内学者郑世林等[9]、张勋和万广华[10]、赵培阳和鲁志国[11]、冯正强和于佳惠[12]则分别以人均移动电话普及率、可取得座机电话、电话用户和人均互联网用户两个变量的均值、软件和信息技术服务业固定资产投资水平衡量数字基础设施建设状况,证实了数字基础设施建设在促进经济增长、提高区域生产率、改善收入分配等方面发挥了积极的作用。由此可见,国内外研究均说明了数字基础设施在当代经济运行中不可撼动的地位。

与传统基础设施相比,数字基础设施不仅具备更广范围、更快速度的跨时空信息传播能力,而且具有网络外部性、溢出性等特点,增强了区域间经济活动关联的广度与深度,故而引发了学者广泛的研究。那么数字基础设施对经济运行的驱动效应是否具有空间溢出效应?如果有,究竟会加速相邻或相似地区的信息要素流动,延展区际经济发展的“扩散效应”,产生“示范效应”,还是加剧示范地区的“洼地效应”,对相邻或相似地区资源要素产生掠夺和“虹吸效应”?Yilmaz 等通过对美国48个州的面板数据进行实证检验,较早关注到了数字化带来的空间溢出效应[13]。Keller则从知识和技术传播的角度,补充了前者对其溢出距离的讨论[14]。基于中国背景进行的相关研究同样支持数字基础设施具有空间溢出性的结论，但就“数字鸿沟”这一问题并未形成一致的结论。一种观点认为,数字基础设施的发展不会带来整体经济效率的直接提升[15],即信息技术的使用需要一定的知识储备,相对落后地区的居民受教育程度较低,使用先进信息技术的能力较差[16],且现实中不断积聚的资本会通过网络连接转化为互联网资本,形成马太效应,加剧区域间发展不平衡[17-18]。另一种观点认为,数字基础设施提升了经济效率[19],即信息基础设施可以有效降低个体获取市场信息的搜寻成本,缓解落后地区的信息不对称问题[20-21]以及低收入群体的信息约束和信贷约束,使就业机会均等化,促进其生产经营[22-23],缩小区域间发展差距。

21世纪以来,众多工业化国家纷纷将通信等信息网络建设纳入本国创新体系构建的国家战略部署和优先行动领域中。鉴于数字基础设施建设的重要作用,我国分别于2014年、2015年和2016年批复了3批共120个“宽带中国”示范城市,加快提升地区宽带发展水平,推进以宽带网络为核心的重大信息工程和数字基础设施建设,并在宽带用户规模与普及率、宽带网络能力、宽带信息应用等方面取得一系列显著成效。以宽带为核心的数字基础设施建设致力于加快宽带网络优化升级、提高宽带网络普及应用水平,并逐步渗入国计民生的各个方面,形成支撑经济高质量发展的坚实基础[24]。更有诸多学者对数字基础设施建设与经济增长之间的影响机制进行量化分析,视“宽带中国”为准自然试验,基于地级市面板数据研究数字基础设施对我国国计民生的影响,其结果表明宽带网络等数字基础设施在提升国家信息化水平、激发地区创新活力[25]、改善环境质量[26]、加快企业转型升级[27]、夯实数字经济发展基础[28]等方面取得了重要进展,有力推动网络强国和数字中国建设迈上新台阶。

为了加快大数据部署,全方位推动大数据的发展和应用,打造以大数据为引领的新发展格局,提升创新驱动力,建设数据强国,2015年8月国务院印发《促进大数据发展行动纲要》(国发〔2015〕50号),明确指出:“开展区域试点,推进贵州等大数据综合试验区建设,促进地区性大数据基础设施的整合和数据资源的汇聚应用。”[29]通过不断的实践,总结出一套可以在全国范围内推广复制的大数据产业发展经验。2015年9月,贵州启动建设首个大数据综合试验区试点,2016年我国公布第二批大数据综合试验区建设名单,具体包括北京、天津、河北、内蒙古、辽宁、河南、上海、重庆、广东。至此,国家级大数据综合试验区已经成为推动我国数字经济发展的重要政策工具。

现有研究多基于微观视角,以国家大数据综合试验区为准自然实验,分别评估了大数据、数字经济对城市创新能力[30]、城市空气质量[31]以及全要素生产率[32]的影响,均是将“宽带中国”以及大数据综合试验区建设等政策工具视为准自然实验,聚焦于地级市面板数据,构建双重差分模型考察这一政策实施是否促进了我国经济的高质量发展。然而已有文献缺乏从宏观视角对政策实施后地区间经济发展质量的明显比对。那么,基于上述研究,不禁要问,相较于其余地区,已加入“宽带中国”试点或是大数据综合试验区的地区数字基础设施建设对全要素生产率的驱动作用是否会更为显著?

鉴于此,本文试图回答以下问题:数字基础设施建设能否提高全要素生产率?也就是说,快速发展的数字经济能否承担起经济发展动能转换的重任?如果可以,其中影响机制是怎样的?异质性如何?在空间上是具有示范效应还是虹吸效应?本研究从理论层面构建数字基础设施影响全要素生产率的分析框架,实证检验揭示在数字经济发展阶段数字基础设施建设对全要素生产率的影响效应、非线性特征以及空间溢出效应,并对地区异质性作了进一步的阐述。相对于既有研究而言,上述问题的探讨,对于贯彻习近平总书记在党的二十大报告提出的“加快建设现代化经济体系,着力提高全要素生产率”,“推动经济实现质的有效提升和量的合理增长”[1],实现传统产业转型升级,区域创新能力提质增效,实体经济高质量发展具有重要的意义。本研究的边际贡献在于:一是在识别策略上不同于已有研究关于新型基础设施的衡量指标,借助移动基站数量这一指标深入研究数字基础设施建设对全要素生产率的影响;二是通过理论以及实证分析同样支持了新型基础设施具有空间溢出性的结论,但更为重要的是对数字鸿沟作出了解释。三是在研究视角上鲜有文献关注数字基础设施建设对企业或省级层面全要素生产率的影响,本研究选取30个省区市作为研究样本,立足于宏观视角分析数字基础设施建设与全要素生产率之间存在的关系。四是进一步划分为宽带中国试点地区以及非宽带中国试点地区、大数据综合试验区与非大数据综合试验区,多角度深入探讨数字基础设施建设对我国全要素生产率的影响,为“加快建设现代化经济体系,着力提高全要素生产率”[1]提供理论阐释和现实依据。

二 、数字基础设施建设对全要素生产率影响的理论研究假设

(一)数字基础设施建设对全要素生产率的影响

全要素生产率(TFP)一直是经济发展等相关文献的重点研究对象,它是资本、劳动力等要素投入不变时经济增长的速度[33]。与GDP等经济增长数量指标相比,全要素生产率能够更好地反映人力资本质量、企业技术水平以及地方产业结构等经济增长质量,因而是国家政策评估的重要标准。本文以数字基础设施建设与全要素生产率之间的关系为研究对象,立足于宏观视角分析数字基础设施建设对全要素生产率的影响效应。根据新古典增长理论,数字基础设施建设作为生产性投资,不仅提高了资源配置效率[34],而且提升了创新水平[35],为地区带来的资本、劳动、能源等投入对全要素生产率产生直接的影响作用。一方面,数字基础设施建设构建了智能化的信息技术平台,显著提高了大容量信息传送、前沿知识技术外溢以及研究成果共享的速度,降低了信息在传递过程中的成本以及内容缺损,提高了经济信息以及知识技术在不同群体之间的流转频率,从而打破了市场信息不对称的壁垒,使劳动、资本和技术等生产要素能够在短时间内得到有效配置,缓解了资源错配而导致的经济运行效率低下。另一方面,根据梅特卡夫法则和网络边际成本递减规律,数字基础设施建设中硬件投入的成本随着用户规模的扩大,呈现出边际成本递减边际收益递增的趋势,会产生较为明显的规模经济效应,促进地区技术进步,从而进一步提升地区全要素生产率。

数字经济时代下最为明显的特征就是高速有效的信息传递缩短了时空距离,产业部门间的经济边界越发模糊,信息的获取成本大幅下降,这种现象的出现会鼓励越来越多的经济主体一起参与到经济高质量发展的建设中,这也意味着经济主体将在更大区域范围内享受经济高质量发展带来的红利[36]。数字基础设施建设对于市场经济的影响,既体现在资源配置、要素流转、区位联动的正外部性上,又呈现在政府的动态规划以及高度架构层面上的调节效应。发展经济学家罗森斯坦·罗丹(Paul Rosenstein-Rodan)的大推进理论认为,基础设施因建设周期较长,且具有明显的空间不可分、时间不可逆的基本特征,其建设必须优先于生产性活动,并且政府对于基础设施建设的投资起着至关重要的推动作用[37]。随着数字经济的蓬勃发展,数字基础设施的建设将使各部门之间联动的边际成本持续降低,能够深层次驱动经济高质量发展,且这种效果会受到政府规划的影响。

此外,基础设施建设具有较强的规模效应和网络效应,会对“本地—邻地”经济活动产生显著的空间溢出效应。那么,作为一项战略性公共基础设施建设工程,基于信息外部性,数字基础设施建设能够有效打破信息交流的时空约束,促进知识资本等要素在不同地区及产业间转移与流动,增强地区间的研发合作和技术交流,延展区际经济发展的“扩散效应”,产生“示范效应”,最终通过正向溢出提升整体全要素生产率。同时,在网络边际成本递减和技术报酬递增规律的双重驱使下,数据、知识等创新要素会加速向数字基础设施发达的地区集聚,产生驱动全要素生产率提升的网络叠加效应,加剧数字基础设施较为发达地区与其余地区之间的“数字鸿沟”,致使地区间经济发展不平衡的问题愈发突出。基于上述分析,本文提出:

假设1:数字基础设施建设可提高全要素生产率。

假设2:数字基础设施建设对全要素生产率的影响存在政府财政支持的单门槛效应。

假设3:数字基础设施建设对全要素生产率存在空间溢出效应。

(二)“宽带中国”试点对全要素生产率的影响

以“宽带中国”战略为标志的数字基础设施建设旨在通过发挥宽带网络的作用推进发展方式转变,进而实现经济高质量发展。

首先,整体来说,当申报城市成功入选“宽带中国”示范地区后,需要经过为期3年左右的创建期,加快自身的宽带基础设施建设水平,以完成创建示范的目标任务,达到全国领先水平之列。同时,示范地区在创建期,会优先得到工业和信息化部、国家发展与改革委员会在信息新技术新业务试点、示范项目等方面的政策支持。在创建示范目标任务驱使和相关部门政策倾斜的双重驱动下,“宽带中国”示范地区会通过增加宽带基础设施建设投资等方式,加快本地区宽带网络基础设施的建设进程。以上分析表明,相比于非示范地区,“宽带中国”示范地区在数字基础设施建设方面的发展将更迅速,宽带网络等数字基础设施作为数字经济发展的重要载体,是我国建设“信息高速公路”的重要依托,因而加入“宽带中国”试点地区的全要素生产率增长会更显著。

其次,立足于不同市场主体进行分析。“宽带中国”战略通过扩大宽带用户规模、提升宽带普及水平以及提高宽带信息应用能力深入改善并建设试点地区的宽带基础设施。在这一过程中,数据会将消费者多样化的需求精准匹配至供给方,推动企业催生数字化改造的新发展模式,以此形成引导企业进行数字化转型的“棘轮效应”。除了企业,由于宽带网络等数字基础设施的逐步完善,无论是老年消费者亦或是偏远地区的消费者,都可获得低成本对接市场的能力,获得前所未有的、丰富多彩的商品选择权[38-39],从而进一步激发对数字经济的需求和贡献。

最后,“宽带中国”战略坚持建立以企业为主体、市场为导向、产学研紧密结合的体系,促进国内外优势资源的整合配置。宽带网络等数字基础设施的外部性及外溢性特征,显著改善了传统知识信息的获取方式,让市场主体以更加便捷的途径进行学习交流,提高了前沿知识的传播效率,节约了市场主体的学习成本,加速了人力资本的“干中学”积累。同时进一步激发了个体在知识的获取、传递以及共享的主观能动性。

由以上分析可知,“宽带中国”这一战略能够赋予经济发展的新活力、新动能,明显推动了全要素生产率的提升。据此,本文相应提出:

假设4:“宽带中国”试点地区的数字基础设施建设对全要素生产率的正向作用力更显著。

假设5:“宽带中国”试点地区的数字基础设施建设对全要素生产率的影响存在边际效应递增的非线性特征。

假设6: “宽带中国”试点地区的数字基础设施建设对全要素生产率存在空间溢出效应, 且贡献较大。

(三)大数据综合试验区对全要素生产率的影响

数字经济迅猛发展,其主要特征就是力求革新的大数据技术显著提高信息的生产与流转频率,推动我国进入信息化时代。历经数年,我国在大数据的发展与应用方面已拥有一定优势,具备广阔的市场发展前景。但数据开放共享程度较低、产业基础羸弱等现实困境亟待解决。为了进一步加快大数据部署,深化大数据应用,加快数字发展、绿色发展、创新发展,我国明确提出开展大数据试验区建设,力求在试点地区总结出一套在全国范围内适用的大数据产业发展经验。深度挖掘数据要素价值,才能充分释放数字要素促进经济社会发展的不竭动能。设立大数据试验区的主要目标是要强化数字基础设施统筹,有效打破数据资源壁垒,打造一批大数据先进产品,培育一批大数据骨干企业,建设一批大数据众创空间,培养一批大数据产业人才,以期有效推动相关制度创新和技术创新,发掘数据资源价值。

一方面,从试验区的发展目标可以看出,设立大数据试验区的深层次目的是要深入挖掘和利用数据要素,进一步推进数字经济与实体经济的深度融合。数字经济以数字化的知识与信息为关键生产要素、以信息网络作为载体、以信息通信技术的有效使用作为经济效率提升的经济活动。数字经济的发展主要取决于数据要素与当代通信技术,而要发挥数据要素的效率倍增作用,必然离不开数字基础设施的逐步完善。大数据试验区的十大工程中包括了“信息基础设施提升工程”,因而大数据试验区的设立不仅能深化数据的挖掘与应用,同时数字基础设施的建设也会促进现代信息通信技术的发展,必将推动数字经济的快速发展。

另一方面,试验区的重要任务是实现数据信息的共享开放。大数据技术的应用打破了市场上信息不对称的壁垒,单位或个体在信息传递过程中进一步提升人力资本,企业利用大数据降低交易成本,催化企业内部革新和自动化的进程,使经济效率得到提升。随着自动化水平的上升生产成本逐渐下降,对于同一工作,培训劳动力的成本远高于机器,因此,以前人工不可替代的工作越来越多逐步实现自动化,使得单位劳动生产率大幅度提升。同时,企业还可以利用大数据技术降低管理决策成本,发现营销机会,精准对接客户,提供针对性服务,使生产由需求拉动,防止出现生产过剩,企业能够作出更准确的生产和销售决策。而且,政府也可在大数据平台上提升其政务服务水平,促进信息公开,提升治理效率,增进人民福利。试验区内的企业信息化改革将会催生出新业态,原先的产品服务将会以一种技术水平更高、管理模式更先进、产品质量更优秀、产业链定位更精准、社会效益更高的形态出现,促进地区产业结构优化升级,且进一步辐射带动周边地区,促进我国全域经济高质量发展。据此,本文相应提出:

假设7:大数据综合试验区的数字基础设施建设对全要素生产率存在更强的促进作用。

假设8:大数据综合试验区的数字基础设施建设对全要素生产率的影响呈现出边际效应递增的非线性特征。

假设9:大数据综合试验区的数字基础设施建设对全要素生产率存在空间溢出效应,且贡献较大。

三、数字基础设施建设对全要素生产率影响的计量模型设定

(一)模型设定

为检验上述研究假设,本文设定基准模型考察数字基础设施建设对全要素生产率的影响,具体为:

TFPit=α+βDIit+λcZit+μi+εit

(1)

式(1)中,TFPit为i地区在t时期的全要素生产率,DIit为i地区在t时期的数字基础设施建设水平,Zit代表一系列控制变量,α为常数项,β为核心解释变量系数,系数大小及方向反映数字基础设施建设对全要素生产率的影响,λc是控制变量系数,μi表示不随时间变化的个体固定效应,εit为随机误差项。

除了式(1)所体现的直接效应,还应考虑数字基础设施建设对全要素生产率的非线性溢出,这里采用Hansen的面板门槛模型做非线性机制考察,考虑到样本存在多个门槛值的可能性,在式(1)的基础上进一步构建如下模型:

TFPit=α+β1DIit·I(governit≤γ1)+β2DIit·I(γ2≥governit>γ1)+…+βnDIit·I(governit≤γn)+λcZit+μi+εit

(2)

其中,govern为门槛变量政府财政支持力度,γ为待估的门槛值,I(·)为取值1或0的指示函数,满足括号内条件即为1,否则为0。其余变量与式(1)相同。

最后,为进一步讨论数字基础设施建设对全要素生产率的空间溢出效应,在式(1)中引入此二者以及其他控制变量的空间交互项,进一步将其拓展为空间面板计量模型:

TFPit=α+ρWTFPit+βDIit+φWDIit+λcZit+φcWZit+μi+δt+εit

(3)

其中,ρ代表空间自回归系数,W为空间权重矩阵,为了提高实证结果的稳健性,本文采用了地理距离矩阵进行回归。φ和φc分别为核心解释变量以及控制变量空间交互项的弹性系数,δt为控制时间固定效应,其余变量与式(1)相同。当φ=φc=0,且随机误差项不存在空间依赖性时为空间自回归模型(SAR);当ρ=φ=φc=0,且随机误差项存在空间依赖性时为空间误差模型(SEM);当随机误差项不存在空间依赖性时为空间杜宾模型(SDM)。

(二)变量说明

1. 被解释变量TFP 全要素生产率(TFP)是经济可持续增长的动力。全要素生产率的提高意味着社会生产效率和资源配置效率提高,也在一定程度上可以反映经济社会的技术进步、体制优化、组织管理改善等无形生产要素的现状。本文利用实际GDP为产出，投入要素为从业人员数、固定资产(永续盘存法获得),在Battese和Coelli模型的基础上,采用SFA方法对我国全要素生产率进行分析。

2. 解释变量DI 移动通信基站作为移动通信基础设施的终端,用以解决无线电信号的覆盖问题,是从“有线”到“无线”的过渡点,其在手机等移动终端用户和网络运营商的中央计算机系统之间起到承上启下、中转衔接的作用,故本文采用移动电话基站来测度数字基础设施建设水平(DI)。

3. 控制变量 本文选取如下控制变量:产业升级(structure):第三产业产值/第二产业产值;政府财政支持(fina):一般公共预算支出/国内生产总值;人力资本(edu):平均受教育年限(小学学历·6+初中·9+高中·12+大学以上·16)/六岁以上人口;贸易开放度(trade):进出口总额/国内生产总值;知识产权保护(property):技术市场交易额/国内生产总值;研发投入强度(rd):R&D经费内部支出/国内生产总值。

(三)数据来源与处理

本文以数字基础设施作为切入点进行研究,且鉴于相关数据的可得性,本文以2013—2019年为研究时段,选取中国 30 个省级行政区域为研究样本(由于中国港澳台地区和西藏自治区数据存在明显缺失,故做了剔除处理)。本文所使用的相关数据来自《中国科技统计年鉴》以及《中国统计年鉴》,指标描述性统计见表1。

表1 变量描述性统计

四、数字基础设施建设对全要素生产率影响的估计结果及分析

(一)整体回归结果分析

1. 基准回归结果 经Hausman检验,本文采取固定效应模型进行估计,同时使用稳健性标准误进一步消除异方差带来的影响,回归结果如表2所示。模型1中未加入任何控制变量,模型2中加入五个控制变量,其结果表明在模型1中,移动基站每增加1万个,全要素生产率可提升0.066单位,初步验证了假说1;在加入控制变量后,核心解释变量系数依然显著为正,回归结果中产业结构、人力资本、贸易开放度和知识产权保护的控制变量的系数均显著为正,可以看出,目前产业结构的不断升级、人力资本的逐步积累、外贸开放程度的进一步深化、对知识产权保护的严格执行,对全要素生产率的提升都起到了积极的促进作用。而研发力度的不足或是研发方向的偏差,或是投入资金的无效率,导致其对全要素生产率的影响不够显著。

由于可能有重要变量的遗漏以及解释变量与被解释变量之间可能存在反向因果关系而导致内生性问题,影响基准回归结果的准确度,故而在个体固定效应模型的基础上将解释变量滞后一期视作工具变量,采用Gmm2s估计方法进行回归,回归结果如表2第(3)列、第(4)列所示。第(3)列为第一阶段回归结果,其中L-DI 的系数显著为正,且F值统计量远大于10,表明工具变量选择合理。在第(4)列中,Kleibergen-PaapK rk LM 检验(识别不足检验)和Kleibergen-Paap rk Wald F 检验(弱识别检验)均在1%的水平上拒绝原假设,证明了工具变量的有效性。利用工具变量处理内生性问题后,DI系数值在1%的水平上显著为正,表明数字基础设施建设对全要素生产率有明显的促进效应。为进一步确保基准结果的准确性,本文对变量进行对数化处理,结果如表2第(5)列所示,解释变量保持了较好的一致性,前文得出的结论仍具较好的稳健性,进一步佐证了假说1。

表2 数字基础设施建设对全要素生产率影响的基准回归结果

2. 非线性回归结果 考虑到数字经济的网络效应以及其边际效应递增的梅特卡夫法则成立,本文研究了数字基础设施建设对全要素生产率影响存在的非线性溢出效应。为验证假设2,这里采用面板门槛回归模型进行实证检验。首先对门槛存在性与否进行检验,确定门槛个数及门槛值,检验结果见表3。经过“自助法”(boorstrap)反复抽样300次后,结果表明财政支持力度门槛变量显著通过了单一门槛检验,说明数字基础设施建设与全要素生产率之间存在明显的单门槛效应,门槛值为0.247 8。故本文采用单门槛模型研究数字基础设施建设与全要素生产率之间的非线性溢出效应,结果见表4。从模型(3)中可发现,当政府财政投入力度不够时,数字基础设施建设对全要素生产率的影响并不显著;当财政力度突破门限值时,数字基础设施建设系数值为0.077,高于基准回归的系数0.021,此时数字基础设施建设对全要素生产率表现出更显著的促进作用，说明数字基础设施建设对全要素生产率的促进效应还受到政府财政支持力度的影响,体现为数字基础设施建设与政府财政支持形成了积极互动。综上所述,数字基础设施建设对全要素生产率的影响存在政府财政支持的门槛效应,假说2得到了支持。

表3 数字基础设施建设对全要素生产率影响的门槛模型检验

表4 数字基础设施建设对全要素生产率影响的门槛模型回归结果

3. 空间溢出效应回归结果 在进行参数估计前,本文利用Moran’s指数对数字基础设施建设与全要素生产率进行全局自相关检验,结果表明,数字基础设施建设Moran’s指数显著为正,拒绝了无空间相关性的原假设,表明我国基础设施建设水平表现出显著的空间正相关关系。但由于全要素生产率的系数呈现出不稳定的状态,因此本文需进一步探索空间模型的适用度。依照Elhorst的检验思路,依次从LM检验、SDM模型固定效应检验、Hausman检验以及SDM模型简化检验组成的“具体到一般”和“一般到具体”相结合的方法,确定了时间固定效应的SDM模型为最优选择。首先通过LM检验,其结果表明LM(lag)和LM(error)检验均在1%的水平下显著,即表明了空间回归模型的适用性。Hausman检验结果表明应使用固定效应模型。LRspatial lag检验和LR spatial error检验均表明拒绝原假设,说明空间杜宾模型(SDM)不可以退化成空间滞后模型(SLM)与空间误差模型(SEM),空间杜宾模型(SDM)是最合适的模型，如表5所示。

表5 数字基础设施建设与全要素生产率的空间模型检验结果

为进一步比较估计结果的稳健性,表6为以地理矩阵为权重矩阵的空间杜宾模型、空间自回归模型和空间误差模型的回归结果,其空间自回归系数ρ和空间误差回归系数λ显著为正,表明可运用空间模型进行估计。其中杜宾模型空间自回归系数ρ为0.824,且在1%的水平下显著,表明各省区市之间的全要素生产率存在显著的正向溢出,进一步支撑了前面空间相关性分析的结论。同时,数字基础设施建设与空间权重矩阵的交乘项系数显著为正,表明相邻地区之间数字基础设施建设具有显著的空间溢出效应,对邻近地区的全要素生产率产生了较强的示范效应,假说3得到了初步验证。空间交互项的回归系数不能直接用以讨论数字基础设施建设对全要素生产率的边际影响,故需要使用变量变化的偏微分解释,使用直接效应和间接效应来解释某地区自变量对本地区以及其他地区因变量的影响。从表6可知,数字基础设施建设直接效应系数为0.01,表明移动基站数量每增加1万个,本地区的全要素生产率提高0.01;数字基础设施建设的间接效应系数为0.146,表明邻近地区移动基站数量每增加1万个,本地区全要素生产率提高0.146,可见数字基础设施建设的空间溢出效应的贡献较大。从以上分析可知,数字基础设施建设对全要素生产率的影响存在本地邻近效应,假说3成立。

表6 数字基础设施建设对全要素生产率影响的空间模型回归结果

(二)区位异质性讨论

1. 分地区基准回归结果 我国幅员辽阔,在资源禀赋、对外贸易、制度约束和产业结构等方面存在差距,进而演化成地区发展差距,那么数字基础设施建设对全要素生产率的影响是否存在区域异质性? 是否会因区位的差异而表现不同? 本文沿袭惯例, 按经济技术发展水平和地理位置相结合的原则, 将30个省区市划分为三大经济地区, 即东部沿海地区、 中部地区和西部地区, 对三大地区分别进行回归, 基准回归结果见表7。 从表7可看出, 不同地区数字基础设施建设对全要素生产率的影响具有显著的不一致性。 与整体样本的基准回归结果相比, 东部地区的影响系数大于整体基准回归,表明东部地区数字基础设施建设对全要素生产率有更为显著的正向驱动作用, 而中西部地区则不显著。 从中可看出, 在科技水平较高、 基础设施较为完善的东部地区, 数字基础设施建设显著促进了全要素生产率增长。 而中西部由于科技水平和基础设施水平较低, 就现阶段而言, 数字基础设施建设未能促进全要素生产率增长。

2. 分地区门槛模型回归结果 考虑东西部地区数字基础设施建设对全要素生产率的非线性效应,其门限效应回归结果如表8所示。表8(1)为对整体的门限回归结果,(2)(3)(4)分别为对东部、中部、西部三地区的回归结果。从表中不难发现,东中西部地区的非线性效应存在显著异质性。当政府财政支持力度较低时,东部地区数字基础设施建设回归系数在1%的水平下显著为正,中西部地区则不显著;当财政支持突破门限值时,东部以及西部地区系数显著为正,且西部地区估计系数值大于东部地区估计系数值,这一结果凸显出西部地区对大额财政支持存在依赖性,中部地区这一系数值显著为负,可能的解释是中部地区财政资金存在无效率现象,从而使当地的经济运行受阻。另一方面,东部地区数字基础设施建设与全要素生产率二者呈现出边际效应递减的关系,随着政府财政支持力度的增大,数字基础设施建设促进全要素生产率的能力随之减弱,因而东部地区应寻求政府财政支持力度的最优值,进而确保数字基础设施建设对全要素生产率的促进作用最大化;而西部地区政府应加大财政支持,进一步提升数字基础设施建设在经济发展中的推动作用。

表7 数字基础设施建设对全要素生产率影响的分地区基准回归结果

表8 数字基础设施建设对全要素生产率影响的分地区门槛模型回归结果

3. 分地区空间溢出效应 进一步探究东中西部地区数字基础设施建设对全要素生产率的空间溢出效应的异质性,表9报告了各样本回归后的直接效应、间接效应及相应显著性。其中(1)为整体SDM回归结果,(2)(3)(4)分别为东部、中部和西部地区的SDM 回归结果。可以看到,东中西部地区的杜宾模型自回归系数ρ分别为0.618、0.719以及0.757,且都在1%水平下显著,表明本地区的数字基础设施建设水平会对邻近地区的全要素生产率产生正向作用,表明地区间的全要素生产率存在空间溢出效应。同时,东中部地区数字基础设施建设空间滞后项的系数分别为0.035、0.029,西部地区无显著影响,说明数字基础设施建设能够通过地理机制对周边地区全要素生产率产生积极影响。进一步利用偏微分计算互联网综合发展水平的直接效应、空间溢出效应和总效应,值得注意的是,东部地区空间溢出效应系数为0.102,且在1%的水平下显著,远大于直接效应系数0.028,说明东部地区数字基础设施建设对全要素生产率存在空间溢出效应,且贡献较大。中西部地区数字基础设施对全要素生产率的直接效应和溢出效应并不显著,由于中西部地区产业基础等较为羸弱,目前数字基础设施还未能有效驱动全要素生产率增长。即当前对于经济较为发达地区而言,数字基础设施建设对当地经济发展是“锦上添花”,而对于经济本就欠发达地区而言,数字基础设施建设对当地经济发展却并非是雪中送炭。

表9 数字基础设施建设对全要素生产率影响的分地区溢出效应回归结果

中国疆域辽阔,不同区位之间的发展不平衡不充分问题突出。改革开放后东部地区在一系列政策的支持下,凭借着便利的交通和区位优势率先发展,经济发达程度、人力资本以及科教资源条件相比中西部地区较为优越,加之铁路、公路等交通基础设施网络的分布差异,导致东部地区资金、技术、人才等各类要素资源难以覆盖到广大的中西部地区,致使中西部地区经济发展滞后于东部地区。因此,数字基础设施建设对东部地区无异于是锦上添花。而中西部地区经济基础、科技力量、交通运输条件远不如东部地区,各种信息要素在产业间的流动以及反馈机制不完善,区域内资源分配和协调综合能力也较弱,信息通讯技术并未有效缓解地区的信息不对称问题,造成了地区“数字鸿沟”这一现象的出现,因而现阶段在网络效应下地区间的发展不平等问题会愈加突出。

(三)数字基础设施建设影响全要素生产率的进一步分析

1. 区分“宽带中国”试点地区和非“宽带中国”试点地区 作为推动新一轮信息化发展浪潮的战略性公共基础设施,宽带网络是当前数字基础设施建设的重点领域之一，必须进一步研究数字基础设施建设对全要素生产率的影响。

首先,明确“宽带中国”政策实施后数字基础设施建设对我国全要素生产率是否有明显的驱动作用。2014年仅将部分城市设为宽带中国试点城市,2015年则将试点地区覆盖至整个省,为考察政策效果,本文选取2016—2019年的数据进行实证分析,回归结果如表10(2)所示。宽带总样本基准回归结果系数显著为正,且远大于整体样本数字基础设施建设的系数值0.021,显著性亦有提高,可初步说明“宽带中国”试点政策的实施,促使我国数字基础设施建设对全要素生产率的正向作用力更大。进一步深入研究,比对“宽带中国”政策实施后的宽带地区和非宽带地区,为确保回归结果的可信度,此处剔除了2019年有宽带中国试点城市的省份,如湖南省、云南省及河北省。宽带地区数字基础设施建设系数值为0.132,在1%的水平下显著,且远大于整体样本和宽带总样本的系数值,可说明在“宽带中国”试点地区数字基础设施建设对全要素生产率的促进作用更明显,而非宽带地区数字基础设施建设对全要素生产率的影响并不显著,表明“宽带中国”这一战略的实施加大了数字基础设施建设对地区全要素生产率的驱动作用,假说4得以验证。

表10 “宽带中国”基准回归结果

其次,宽带地区和非宽带地区的数字基础设施建设对全要素生产率的非线性影响差异,其门限效应回归结果如表11所示。整体样本、宽带总样本分别为2013—2019年、2016—2019年门槛模型回归结果,对比可发现,在政府财政支持力度较低时,总宽带样本中DI的回归系数为0.141,且在1%水平下显著,而整体样本系数不显著。当政府财政支持力度高于门槛值后, 整体样本、宽带总样本中DI系数均在1%的水平下显著为正,但宽带总样本的系数值远大于整体样本,进一步说明了我国“宽带中国”试点政策的实施,强化了政府财政支持在数字基础设施建设影响全要素生产率中的重要作用力。换言之,即使财政支出水平较低,数字基础设施建设对全要素生产率仍然存在促进作用;在财政支出水平较高时,这一促进作用更为明显,初步验证了假说5。对比宽带地区和非宽带地区的非线性效应的异质性影响,其结果可看出,宽带地区在政府财政支持处于低水平时,数字基础设施建设系数在1%水平下显著为正;当财政支持力度迈过门槛值时,数字基础设施建设系数值为0.219,明显增大,且其显著性未发生变化,这一数据表明,有“宽带中国”试点的地区,伴随政府财政投资力度的加大,数字基础设施建设对全要素生产率的促进效应表现出显著的正向作用力,且呈现出边际效用递增的非线性特征。而未加入“宽带中国”试点的地区,当政府支持力度不够时,数字基础设施建设对全要素生产率的影响则不太显著。通过宽带地区和非宽带地区的比对,在政府财政的大力支持以及“宽带中国”政策的双重加固下,地区的全要素生产率可得到积极有效的提高,支持了假说5。

最后,区分宽带地区和非宽带地区研究数字基础设施建设对全要素生产率的空间溢出效应差异,其回归结果如表12所示。其中整体样本和宽带总样本分别是对2013—2019年、2016—2019年全部数据实证回归得到的结果。显然,表12中4个模型中杜宾模型自回归系数ρ分别为0.824、0.807、0.676、0.728,且都在1%水平下显著,表明本地区的全要素生产率会对邻近地区的全要素生产率产生正向作用,即地区间全要素生产率存在空间溢出效应。对比整体样本(1)和宽带总样本(2)容易发现,直接效应系数一致,且二者的溢出效应均远大于直接效应,表明数字基础设施建设的空间溢出效应的贡献较大。宽带总样本的溢出效应系数为0.154,比整体样本稍有增加,显著性无差别,在一定程度上可以说明“宽带中国”政策工具的实施加强了我国数字基础设施建设对全要素生产率的空间溢出效应,初步验证了假说6。再进一步对比宽带地区和非宽带地区的空间溢出效应,宽带地区的直接效应和溢出效应远大于整体样本及宽带总样本中的系数值,且溢出效应高于直接效应,而非宽带地区二者系数均不显著,意味着“宽带中国”试点地区的邻近地区数字基础设施建设对当地全要素生产率有明显促进作用,亦可见“宽带中国”试点地区的空间溢出效应的贡献较大,假设6得以验证。

表11 “宽带中国”门槛模型回归结果

表12 “宽带中国”溢出效应结果

2.区分大数据综合试验区与非大数据综合试验区 大数据综合试验区通过数据资源开放共享，加速信息流动,促进交易市场开放透明,缓解创新活动中的信息不对称问题,继而优化要素配置,最终提升地区经济水平,可见,国家级大数据综合试验区已经成为推动我国数字经济发展的重要政策工具。

首先,本文选取2016—2019年30个省区市的数据,并将贵州省、北京市、天津市、河北省、广东省、上海市、河南省、重庆市、辽宁省以及内蒙古自治区设为国家级大数据综合试验区,将剩余省份设为非大数据综合试验区,其回归结果如表13所示。(1)为2013—2019年的面板数据固定效应回归结果,(2)为2016—2019年的面板数据固定效应回归结果,数字基础设施建设系数值为0.104,相比于基准回归值,回归系数值明显增大且显著性提高至1%,这一结果可说明，在我国建设国家级大数据综合试验区后,数字基础设施建设对全要素生产率的推动作用显著提高,初步佐证了假设7。进一步对比大数据综合试验区和非大数据综合试验区,发现大数据综合试验区数字基础设施建设的回归系数显著为正,且大于基准回归的值,而非大数据综合试验区的数字基础设施建设系数显著为负。显而易见,在大数据综合试验区数字基础设施建设对全要素生产率起到了正向驱动作用,而非大数据综合试验区的作用力则相反,说明我国大数据综合试验区的建立对数字基础设施建设提升全要素生产率的影响力更大,进一步验证了假设7。

表13 大数据综合试验区基准回归结果

其次,区分大数据综合试验区与非大数据综合试验区研究数字基础设施建设对全要素生产率影响的非线性效应差异,其门槛模型回归如表14所示。为进一步对比,整体样本为全部年限数据门槛模型回归结果,大数据综合试验区总样本为大数据综合试验区设立后的年限数据门槛模型回归结果。从表14可看出:在政府财政支持处于较低水平时,整体样本的数字基础设施建设回归系数不显著,大数据综合试验区总样本系数显著为0.140,表明这一阶段数字基础设施建设与全要素生产率呈显著正相关,意味着即使政府财政扶持力度较低,数字基础设施建设对全要素生产率仍然存在促进作用;当政府财政支持突破阈值时,整体样本和大数据综合试验区总样本的系数均显著,且大数据综合试验区总样本的系数值大于整体样本的,表明这一阶段大数据综合试验区总样本的数字基础设施建设对全要素生产率的正向作用力更强。综合来说,我国在设立大数据综合试验区后,政府财政支持使得数字基础设施建设促进全要素生产率这一作用力更为强劲,初步验证了假设8。再进一步分析大数据综合试验区和非大数据综合试验区,大数据综合试验区不论政府财政支出处于何种水平,数字基础设施建设对全要素生产率的促进作用一直显著为正,且当财政支出水平较高时,这一系数值高于整体样本和大数据综合试验区总样本的值,可见,数字基础设施建设对全要素生产率有着更为强劲的促进作用,且在大数据综合试验区随着政府财政支出水平的提高,数字基础设施建设对全要素生产率的影响呈现出边际效用递增的非线性特征。而非大数据综合试验区这一阶段的系数值显著为负,表明在非大数据综合试验区数字基础设施建设对全要素生产率起到了抑制性作用。综合以上对比分析可知,在我国大数据综合试验区的建设以及政府财政支持的双向加持下,数字基础设施建设对全要素生产率产生了更为显著的推动作用,支持了假说8。

表14 大数据综合试验区门槛模型回归结果

最后,大数据综合试验区与非大数据综合试验区的数字基础设施建设影响全要素生产率的空间溢出效应的异质性,具体回归结果见表15。整体样本为全部年限数据的SDM回归结果,大数据综合试验区总样本为2016年大数据综合试验区建立之后的SDM回归结果。表15的4个模型中杜宾模型自回归系数ρ分别为0.824、0.664、0.359、0.812,都通过了显著性检验,可见本地区的全要素生产率会对邻近地区的全要素生产率产生显著促进作用,地区间全要素生产率存在空间溢出效应。对比观察整体样本和大数据综合试验区总样本,可发现大数据综合试验区总样本的直接效应系数为0.016,相较于整体样本的估计值明显变大,显著性水平亦有提高,说明在设立大数据综合试验区后,数字基础设施建设对本地区的全要素生产率促进作用显著增强;整体样本和大数据综合试验区总样本的溢出效应系数均在1%的水平下显著为正,表明邻近地区的数字基础设施建设对本地区的全要生产率存在积极影响,初步佐证了假设9。

表15 大数据综合试验区空间模型回归结果

进一步区分大数据综合试验区和非大数据综合试验区, 深入评估空间溢出效应的异质性,其中大数据综合试验区的直接效应和溢出效应系数均显著为正,其系数值大于整体样本和大数据综合试验区总样本的值,且空间溢出效应的系数值为0.156，远大于直接效应系数值0.039,同时非大数据综合试验区的估计系数不显著。显然,与非大数据综合试验区相比,大数据综合试验区的数字基础设施建设以及邻近地区数字基础设施建设对本地区全要素生产率都会存在更为强大的正向作用,其空间溢出效应的贡献更为明显,假设9得以佐证。

综上所述,“宽带中国”、大数据综合试验区确实是经济发展的一剂“良药”,这些政策工具力图大规模改善当地数字基础设施水平,拉动有效投资,促进信息消费,推进发展方式转变,不断提升数字基础设施对经济的助推作用,最终形成试验区的辐射带动和引领示范效应。值得注意的是,这些政策工具虽丰富了试点地区的数字基础设施的拥有程度以及应用程度,长此以往,可能会加剧与非试验区间的信息落差,“数字鸿沟”不得解,从而导致地区间经济发展两极分化。因而必须大力且大范围建设数字基础设施,缓解数字基础设施建设的地区间的不平衡问题,缩小地区间的“数字鸿沟”,使更多地区更加公平地享受数字化成果,从而推动我国区域间协同发展。

五、结论与启示

本文以我国30个省区市为研究样本,通过构建固定效应模型、门槛模型以及空间杜宾模型多维度探讨数字基础设施建设对全要素生产率存在的影响,研究发现:第一,数字基础设施建设对全要素生产率具有显著的促进作用,通过引入工具变量等稳健性检验,该结论仍然成立。第二,数字基础设施对全要素生产率的影响存在边际效应递增的非线性特征,且政府财政支持可强化该效应,表明数字基础设施建设、政府财政支持能够对全要素生产率形成推动合力。第三,数字基础设施对全要素生产率的影响具有溢出效应,可通过地理机制影响周边地区的经济发展。第四,进一步的异质性分析发现,数字基础设施对全要素生产率的提升效应、非线性特征以及本地邻近效应在经济较为发达的东部地区更为明显。第五,基于“宽带中国”、大数据综合试验区等政策工具对我国地区进行划分,其结果进一步表明宽带网络、大数据等数字基础设施建设对全要素生产率具有正向作用力。

数字基础设施建设对全要素生产率具有显著的促进作用,进而促进数字经济高质量发展。为了进一步贯彻习近平总书记在党的二十大报告提出的“加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群。优化基础设施布局、结构、功能和系统集成,构建现代化基础设施体系。”[1]加快建设现代化经济体系,着力推进制造强国、质量强国、网络强国、数字强国建设,必须扩大数字基础设施覆盖面,完善数字基础设施。具体而言:

第一,完善已有的宽带网络、信息通讯等数字基础设施,深入推进数字基础设施建设进度。数字经济的发展、大数据的应用都有赖于互联网和信息通讯设备等数字基础设施,因此,政府应贯彻落实网络强国战略,进一步加快5G基站、人工智能、大数据中心、物联网、工业互联网等数字基础设施建设步伐,进一步提升其普及程度以及服务质量,促进信息传输提速增效,充分释放信息要素红利,为以数据要素为核心的数字经济更好发挥环境福利效应创造良好的条件,推动新一轮数字网络基础设施与实体经济融合发展。

第二,立足地区自身优势,因地制宜进行数字基础设施建设,缩小地区间的“数字鸿沟”，更好地发挥数字基础设施建设对地区经济高质量发展的提升作用。我国在数字基础设施建设区域布局中,应根据地区自身的发展特色与优势采取相应措施,尤其应注重技术或经济相对落后地区的数字基础设施建设,大力提高数字基础设施建设水平,实现地区间的平衡发展。其中东部地区具有良好的数字基础设施，数字经济产业基础强大,在我国经济发展中承担着突破关键技术、重大基础研发的创新性任务。此外,通过加强中西部地区的数字基础设施建设投资,提升中西部地区的全要素生产率，促进中西部地区数字经济的发展,发挥数字经济的后发优势。强化中西部地区与东部地区的产业关联,推动东部地区辐射中西部地区,加强数字技术驱动,保障数据、知识、信息、专利、资金、人才等要素在地区间顺畅流转,改善数字经济发展的不平衡性,使得以数据要素为核心的数字经济发展发挥出最大化的经济效益以及社会福利。

第三,充分实施“宽带中国”、大数据综合试验区试点建设,逐步将更多城市纳入试点范围。实证结果证明,政策工具的贯彻实施对所在地区的全要素生产率具有正向影响，且对邻近地区的全要素生产率具有正向溢出效应，表明我国这两项政策工具已取得阶段性成果。因此,应充分认识数字基础设施建设对数字经济发展的强力推动作用,总结试验区成功经验,形成一般性规律认识和多样化经验，通过政策扶持、专项基金设立和技术交流等方式充分贯彻并实施政策工具,在此基础上坚持逐步推进原则,适度有序扩大“宽带中国”、大数据综合试验区的实施范围,在数字基础设施建设方面打造优质数字经济发展环境,拓宽数字经济发展的深度与广度,推动形成地区数字经济竞争领先优势。

第四, 进一步加大政府财政对数字基础设施建设的投资力度。 在数字经济能够成为推动经济高质量发展的新动能的现实之下, 加大对数字基础设施的投资力度, 推进数字基础设施建设, 特别是通过加快 5G 基站商用、 大数据模式构建和人工智能应用, 进一步巩固信息技术为高质量发展带来的红利优势。 从结论可知, 政府财政支持力度对数字基础设施和全要素生产率存在边际效应递增的非线性特征, 有政策工具试点且越发达的地区这一特征越为显著， 因此， 把合理的数字基础设施建设投资布局作为缓解区域经济发展差异的重要战略手段, 加大对欠发达地区数字基础设施建设投资力度。 我国发展相对滞后的省份主要集中在中西部地区, 为此, 国家在数字基础设施投资布局上需要向中西部地区倾斜, 这样不仅能更好地发挥国家投资的整体效益, 还能增强中西部地区经济发展的动力, 推动区域经济协调发展。

当然,未来仍然存在值得继续探讨和改进之处:一是数字基础设施的内涵极为丰富,移动基站的数量虽说在一定程度上可用来衡量数字基础设施,但仍较为单薄,不能够全面精准地描述数字基础设施建设水平,因此，全方位地建立一个衡量指标是未来针对这一主题可继续推进的一个方向。二是囿于数据限制,本文实际上评估的仍是数字基础设施建设影响全要素生产率的短期效应,而事实上需要经过更长一段时间才能呈现出这一影响的全貌,因而在未来数据可得时,进一步研究这一影响的长期效应,更为全面地评估数字基础设施建设对全要素生产率存在的影响效应。