数字经济驱动制造业高质量发展的增长效应

周正 门博阳 王搏

DOI：10.16366/j.cnki.1000-2359.2023.01.10

摘要：数字经济已成为推动实体经济增长的重要动能。本文使用中国数字经济与制造业1999年至2018年的相关数据，测度数字经济和制造业高质量发展水平，并在理论分析的基础上实证检验数字经济对制造业高质量发展的影响及其作用机制。研究表明，中国数字经济发展水平整体呈现上升趋势，1999年至2006年期间表现为匀速增长，2007年至2018年期间，增长速度整体呈现出逐步加快趋势。中国制造业高质量发展指数总体呈逐步攀升态势，1999年至2007年期间表现为平稳增长，2008年至2010年出现轻微回落，2011年至2018年呈現加速发展态势，数字经济发展水平对我国制造业高质量发展的影响显著为正。因此，政府应继续加大对数字经济与制造业融合发展的支持力度，推动制造业高质量发展，彻底解决中国制造业“早熟型增速放缓”的窘境。

关键词：数字经济；制造业；高质量发展

中图分类号：F49文献标识码：A文章编号：1000-2359（2023）01-0072-07收稿日期：2022-07-05数字经济的崛起推动了制造业生产技术和生产模式的快速进步，也加剧了制造业激烈的市场竞争。在数字经济发展引发新一轮工业革命大背景下，我国高度重视数字经济驱动制造业发展的机遇，先后提出了包括“制造强国”“中国制造2025”和“智能制造”等在内的制造业发展战略，面对制造业发展的客观需求和严峻的内外部形势，指明了未来我国制造业发展的目标和方向。

一、理论分析与研究假设

数字经济具有渗透性强、影响范围广和包容度高等特点，数字经济驱动制造业发展的主要因素可细分为数字化生产要素、数字技术和数字网络等三个层次。结合制造业高质量发展的具体特征，可将其刻画为资源配置效率、创新升级能力和包容性发展三个方面：

其一，生产要素数字化可以显著提升制造业资源配置效率 冯素玲，许德慧：《数字产业化对产业结构升级的影响机制分析：基于2010—2019年中国省际面板数据的实证分析》，《东岳论丛》，2022年第1期。。数据资源等原生数字化生产要素能够打破信息不对称壁垒，降低资源错配风险。融合数字化生产要素中的数字金融能通过促进企业创新推动制造业技术创新，提高资源配置效率 孙早，侯玉琳：《人工智能发展对产业全要素生产率的影响：一个基于中国制造业的经验研究》，《经济学家》，2021第1期。。此外，数字化教育资源颠覆了传统学习模式，强化了制造业人力资本深度，间接提高了制造业资源配置效率。其二，数字技术可以有效增强制造业创新升级能力 郭然，原毅军，张涌鑫：《互联网发展、技术创新与制造业国际竞争力：基于跨国数据的经验分析》，《经济问题探索》，2021年第1期。。数字技术作为数字经济的核心要素，带动数字经济发展壮大，倒逼制造业通过创新满足数字经济发展需要。数字技术的影响具体表现为推动技术变革及具体方案实施，集中体现在制造数据搜集和生产环节优化等方面，加速制造业从研发到生产直至销售过程的转换，使其“数智”水平和运营效率得到一定提高，最大程度迎合个性化的消费需要。其三，数字网络推动制造业包容性发展。数字网络能够引导生产要素有效流动，推动制造业绿色发展。数据信息可以通过数字网络跨越空间，这种数据流动能够引导人才、资本和技术按需流动 许宪春，任雪，常子豪：《大数据与绿色发展》，《中国工业经济》，2019年第4期。。促进制造业实现生产资料等要素的高效汇集与使用，重塑管理新流程，催生制造业数字化新业态 刘洋，应震洲，应瑛：《数字创新能力：内涵结构与理论框架》，《科学学研究》，2021年第6期。。

综上所述，本文提出如下理论假设：第一，数字经济的数字化生产要素能提高制造业的劳动生产率，提升制造业决策效率，降低交易成本，提升制造业资源配置效率。第二，数字经济的数字技术属性通过促进制造业技术创新，加快制造业创新推广，提高制造业边际效益，增强制造业创新升级能力。第三，数字经济的数字网络部分也能通过加速制造业内的资源流动，提高制造业劳动者收入，助力制造业集约化发展，推动制造业包容性发展。

二、模型设定与指标选取

根据以上理论分析，本文构建包含数字化生产要素、数字技术和数字网络三方面内容的指标体系测度数字经济发展水平，并构建包含资源配置效率、创新升级能力和包容性发展三方面内容的指标体系测度制造业高质量发展指数。通过对数字经济发展水平和制造业高质量发展指数的测度，观察1999年至2018年间数字经济和制造业高质量发展的趋势和可能存在的关系，并在理论分析的基础上，使用线性回归模型检验1999年至2018年期间数字经济驱动制造业高质量发展的主要因素和经济后果。

（一）模型设定

数字经济驱动制造业高质量发展的过程较为复杂，前文已经从理论上剖析了数字经济驱动制造业发展的机理，为了检验数字经济是否能够驱动制造业高质量发展，本文构建实证方程：

hmiij=α0+α1delij+δkij+μij。其中，hmi为制造业高质量发展指数，是该模型中的被解释变量。del为数字经济发展水平，是该模型的核心解释变量。α、δ为参数，k为控制变量，μ为随机扰动项。其中hmi和del将使用下文构建的指标体系予以测量。

（二）指标选取

鉴于1998年国有企业改革影响，本文数据选取时间起点设置为1999年。此外，由于2018年中美贸易摩擦加剧，美国对中国包括电子及通信设备制造业在内的高技术产业征收高额关税，并设置技术壁垒，而2020年开始的新型冠状疫情又严重阻碍了数字经济与制造业发展。由于以上“黑天鹅”事件的冲击，2019年开始的统计数据不能准确刻画常态下数字经济与制造业的发展趋势。基于以上考虑，本文实证分析的数据截至2018年。

数字经济发展水平及制造业高质量发展指数的相关数据将在后文进行测算，此处不再赘述。各种变量的原始数据均来源于《中国统计年鉴》、国家统计局、中经网数据库，原始数据的个别缺失数据采用插值法进行补全。本文实证解释变量为数字经济发展水平，其水平值由后文从数字化生产要素、数字技术和数字网络三部分测算得出。被解释变量为制造业高质量发展指数，其指数由后文提到的制造业资源配置效率、创新升级能力和包容性发展三个方面测算得出。控制变量方面，使用中经网数据库公布的人均受教育年限来表示人力资本水平；使用公路里程数表示交通发展水平，即中国公路线路里程数；人均GDP由经济发展水平来表示，并以1999年为基期的平减指数对人均GDP做平减处理；金融发展水平使用金融机构贷款余额占GDP比重表示，即金融机构各项贷款余额与当年GDP比值。

三、实证检验与结果分析

（一）数字经济发展水平测度

本文着眼于数字化生产要素、数字技术和数字网络三个方面，包括长途光缆线路长度、电话普及率和网页数量等八个具体指标，借鉴杨慧梅 杨慧梅，江璐：《数字经济、空间效应与全要素生产率》，《统计研究》，2021年第4期。等学者的思想，构建中国数字经济发展水平的测度体系（如表1所示），首先对各指标做标准化处理，然后采用熵值法进行指标的客观赋权，最后测算出数字经济发展水平。

本文选取1999年至2018年数据作为研究样本。其中，长途光缆线路长度等数据取自《中国统计年鉴》。互联网普及率的个别缺失数据采用《中国统计年鉴》数据，使用互联网上网人数与全国人口数之比计算补齐，网頁数个别缺失数据取自《2002-2005年中国互联网络信息资源数量调查报告》，其他指标的个别缺失数据采用线性插值法等进行补齐。

（1）数据标准化处理

数字经济发展水平指标体系各项数据因其单位各有不同，且无法换算成统一的单位，故需要对各项数据指标进行标准化处理，消除单位不一致对测量及实证结果的影响。此处对数字经济各指标进行无量纲的标准化，并对标准化数据做非负处理，具体公式为：

Xij=0.01+xij-xxinxmax-xmin。其中，Xij表示第i行的第j项数据的标准化数值，xij表示第i行的第j项数据的原始数值，xmin和xmax表示该数据样本的最小值和最大值。

（2）熵值法原理及测量结果

根据熵值理论，第j项指标的熵值可以表示为：ei=-KΣni=1XijlnXij。对于第j项指标值在各个评级样本中的差异越小，则指标的熵值越大，该指标对方案所起的作用就越小；相反，该指标值在各个评级样本中的差异越大，则指标的熵值越小，该指标对方案所起的作用就越大。由此将第j项指标的权重定义为：αi=（1=ej）/Σnj=1（1-ej）。根据各指标计算得出的熵值权重最终可以得出第i个样本的综合评价指标得分，即数字经济发展指标体系中某个指标的系数：θj=αj×Xij。

最后，通过以上处理及各分项加总测算出中国数字经济发展水平指数（见表2）。

（二）制造业高质量发展水平测度

在深刻理解高质量发展及制造业高质量发展的经济学含义的基础上，构建了包含资源配置效率、创新升级能力和包容性发展三个方面的制造业高质量发展指标体系（见表3）。该体系增加了现有制造业高质量发展指标体系鲜有考虑的社会共享范围，使得高质量发展指数的测量更为合理、准确，为研究和测度产业高质量发展指标体系提供了理论及技术支撑。

如前文所述，本文数据的时期为1999年至2018年。其中，制造业产值等数据取自《中国统计年鉴》。工资总额指标数据取自劳动统计年鉴的分行业就业人员工资总额数据。二氧化硫排放量取自《中国环境统计年鉴》。制造业产值个别缺失数据采用公式：本年产品销售收入+上年存货余额-本年存货余额进行计算补齐。出口交货值、应交增值税和固定资产净值年均余额等指标数据的个别缺失使用线性插值法等方式进行补齐。

（1）数据标准化处理

同理于数字经济发展水平测度，测量制造业高质量发展水平指数前也要对各项指标数据进行标准化处理，使指标数据变成无量纲化的统一形式，消除单位不一致对测量及实证结果的影响。此处对制造业发展各指标进行无量纲的标准化处理的方式与对数字经济指标数据方式略有不同，需要单独处理逆向指标的无量纲化。其中，诸如制造业产值增长率等正向指标无量纲化及标准化数据做非负处理的公式为：Xij=0.01+xij-Xminxmax-xmin，该公式处理的标准化数据越大意味着对目标指数的促进作用越大。诸如单位产值二氧化硫排放量等逆向指标无量纲化及标准化数据做非负处理的公式为：Xij=0.01+xmax-xijxmax-xmin，该公式处理的标准化数据越小意味着对目标指数的促进作用越大。

（2）制造业高质量发展指数测量结果

利用制造业（不包含计算机、通信和其他电子设备制造业数据）1999年至2018年相关数据，测算制造业期间的高质量发展水平。使用上述标准化公式及熵值法对制造业高质量发展指数进行测算（见表4）。

（三）变量的描述性统计

根据上述测量并对相关变量数据做完标准化等相关处理后，各变量的描述性分析结果如（表5所示）。

由表5可知，所有变量数据的标准差都小于其均值，说明所选择的变量整体的离散程度较小，且分布较为集中。其中，解释变量数字经济发展水平的最大值是最小值的100倍；控制变量中的人均GDP的最大值与最小值相差较大。造成最大值与最小值差距较大的现象主要有两方面原因：一是某些变量在样本期间实现了长足的进步；二是某些变量是国家政策扶持和倡导的发展方向，发展势头较为迅猛。以上即是本文所涉及变量的统计性描述结果。

（四）变量的平稳性分析及协整检验

（1）变量的平稳性分析

本文使用的实证数据为时间序列数据，因此在做实证分析之前必须检验各个指标变量的平稳性，保证所有的变量指标是平稳的，满足计量分析的要求。在检验指标变量的平稳性时，参照时间序列单位根的检验方法，对本文数据指标进行了单位根检验，检验结果见表6。

由表6可知，在所使用的各种变量数据中，数字经济发展水平和制造业高质量发展指数均通过了单位根检验，说明这两个变量都是平稳变量，即零阶单整变量I（0）。人均受教育年限、公路线路里程和金融机构贷款余额占比等四个变量未通过单位根检验，但是这四个变量的一阶差分序列均通过了单位根检验，说明这四个变量虽然是非平稳的时间序列，但是都是一阶单整变量I（1）。因此，鉴于存在非平稳变量，需要对实证数据作进一步的协整检验，当且仅当这些变量数据满足协整关系，才能够开展下一步的实证分析工作。

（2）变量的协整检验

根据上文单位根的检验结果可知，控制变量中反映人力资本水平和金融发展水平的变量指标数据为非平稳序列，鉴于此，本文为了保证后续实证分析的可靠性，对目前变量数据进行协整检验。鉴于本文使用时间序列的样本特点，EG两步法是检验数据指标协整的最佳方法，且便于后文实证检验效果的直观性及连贯性，对于EG两步法的回归分析结果将在实证分析部分一并列出，此处不再列示，具体结果如表7所示。

从表7所示情况来看，实验组变量数据通过了1%显著水平下的协整检验，说明各变量间存在稳定的协整关系，拒绝原假设。以上各变量数据可以用作進行下一步的实证分析。

（五）数字经济驱动制造业高质量发展的实证结果分析

在上述分析的基础上对包含数字经济、制造业高质量发展等六个指标在内的变量进行了回归检验，具体结果如表8所示：

如表8所示，以制造业高质量发展为被解释变量的回归结果来看，数字经济对制造业高质量发展的影响显著为正，这与理论分析结论一致。从回归检验的结果看，数字经济发展水平每提高1%，制造业高质量发展指数将至少提高0.91%。这说明数字经济的发展不仅能够极大地推动制造业的高质量发展，也是促进制造业由高速增长转为高质量发展，解决制造业“早熟型增速放缓”问题的有力手段之一。数字经济对制造业高质量发展驱动之所以能表现出显著的正向效果，究其原因主要在于：首先，数字经济强渗透、易普及的特点使得数字经济在包括制造业在内的多个产业中广泛使用。具有一定规模和技术能力的数字经济能够帮助制造业降低运输成本，消除信息不对称并提高资源流动效率，促进制造业实现低成本、高效益的运营模式，提高制造业的资源配置效率及效益，为制造业高质量发展奠定必要的经济基础。其次，数字经济的互联网、大数据和人工智能等新兴技术带来了新一轮的工业革命，由此能够推动制造业进行技术革命，提高其创新能力、降低研发成本并加快创新成果转化。再次，数字技术带来的制造业生产技术的提高和生产工艺的创新等，能够极大地提高制造业的生产效率，推动制造业向集约化方向发展，实现制造业低耗高产的绿色发展模式。最后，数字经济除了能够帮助金融业等服务产业实现服务、支撑的普惠性，引导制造业将高质量发展的成果以合理的比例及形式回馈至社会，以公平共享为原则，不断提高自身产业价值，更好地履行社会责任。

进一步分析，从控制变量的结果来看，四个控制变量与制造业高质量发展总体上存在显著的相关性。其中，反映人力资本水平高低的人均受教育年限能够始终对制造业高质量发展起到正向的促进作用，当加入人力资本水平控制变量后，数字经济驱动制造业高质量发展的系数变小也可以证明上述论断。当继续加入交通设施水平（公路线路里程数）和经济发展水平（人均GDP）时，这两个控制变量对制造业高质量发展的影响并不显著，但却出现了数字经济驱动制造业高质量发展的影响程度增大的情况，说明这两个控制变量虽然并未对制造业高质量发展产生明显的效果，但是在数字经济驱动制造业高质量发展的过程中能够起到一定的作用。继续加入金融发展水平（金融机构贷款额占GDP比），显示在1999年至2018年期间，中国数字经济发展水平和人力资本水平与制造业高质量发展存在显著的正相关关系，而这一时期的交通设施水平、经济发展水平和金融发展水平与制造业高质量发展表现出显著的负相关关系。在此期间中国的人力资本水平能够正向推动制造业高质量发展，主要是由于人力资本水平的不断提高，一方面能够带来人力资本存量的大幅提升，提高劳动生产率。另一方面，较高的人力资本水平能够帮助制造业企业等提高生产、管理等环节决策正确性概率，从而降低失误成本，增强企业容错能力及竞争力，帮助制造业及其企业持续发展。按照以往文献的分析，交通设施水平、经济发展水平和金融发展水平的提高应该能够降低制造业生产成本，降低制造业运输成本，提高制造业资源配置效率等，但在本文回归分析却并未表现出对制造业高质量发展的显著促进效果，其原因可能主要有如下三点：首先，虽然各个控制变量的某一个变量均能够单独地促进或者抑制制造业的发展，但是当各个控制变量共同作用于制造业发展的时候，由于各控制变量在某一时间的发展水平不同，相互之间的错位匹配使其无法发挥协同作用，或者是促进与抑制作用相互抵消，这些导致了各个控制变量与制造业高质量发展之间没有出现应该有的显著关系。其次，各个控制变量更多的是促进了制造业效益方面的提升，而对于制造业创新能力和结构优化升级的促进作用较小，对制造业绿色发展和共享发展的促进作用更是微乎其微。所以，整体上虽然能够促进制造业经济效益的提升，但对于制造业高质量发展的作用并不显著。最后，可能是该时期三个控制变量的发展阶段、特征与制造业高质量发展所需要三个变量的水平相悖，从而造成了抑制而非促进的情况发生。鉴于控制变量与制造业发展并非本文研究重点，此处不再赘述。

（六）稳健性检验

为了验证实证结果的稳健性，分别使用数字网络、数字化技术和上网人数三个指标替代数字经济发展水平，并作为解释变量代入方程中进行实证检验，用以验证基础实证模型及结论的稳健性。相关指标均通过了平稳性及协整检验，限于篇幅此处不再赘述，具体结果见表9。

由表9可知，数字网络对制造业高质量发展的影响显著为正，与基础模型实证结论一致，且数字网络发展水平每提高1%，制造业高质量发展水平提高0.49%。数字技术水平对制造业高质量发展的影响显著为正，与基础模型实证结论一致，且数字技术水平每提高1%，制造业高质量发展水平提高0.55%。上网人数对制造业高质量发展的影响显著为正，与基础模型实证结论一致，且上网人数每提高1%，制造业高质量发展水平提高0.61%。通过将其与表8进行对比可知，数字网络、数字技术和上网人数三者单独对制造业高质量发展和数字经济发展水平对制造业高质量发展的影响方向完全一致，并且在显著性上只表现出了系数存在些许差异。综上所述，数字经济对制造业高质量发展的实证结果稳健，验证了理论假设。

四、研究结论

本文在已有研究的基础上，首先运用熵值法测度了我国1999年至2018年间的数字经济发展水平和制造业高质量发展指数，结果显示数字经济与制造业高质量发展趋势趋同。其一，通过理论分析和实证检验揭示数字经济驱动制造业高质量发展的影响因素和传导机制。结论表明，中国数字经济发展水平整体呈现上升趋势。其中，1999年至2006年期间，增长方式表现为匀速增长，每年增长幅度相近。2007年至2018年期间，除个别年份增长相对迟缓，增长速度整体呈现出逐步加快趋势。说明中国数字经济自1994年落地生根以来，得到了快速发展，数字经济的规模和实力得到了实质性的提高，具备了驱动制造业实现高质量发展的基础。其二，中国制造业高质量发展指数总体呈逐步攀升态势。其中，1999年至2007年期间，制造业高质量发展水平表现为平稳向好，2008年至2010年由于受到全球金融危机的影响，制造业高质量发展情况受到了一定程度的影响，出现了轻微回落。经过三年的调整后，2011年至2018年制造业高质量发展情况出现了加速发展态势。其三，数字经济发展水平对我国制造业高质量发展的影响显著为正，数字经济发展水平每提高1%，制造业高质量发展指数将至少提高0.91%。实证结果进一步表明，从制造业高质量发展的内生动力方面看，僅人力资本水平、交通设施水平、经济发展水平及金融发展水平等要素规模的提升对制造业高质量发展的正向拉动作用有限，意味着规模经济的增长模式并不能对制造业高质量发展起到明显的促进作用。数字经济可以通过生产要素数字化、迭代式技术创新、网络化包容性发展等方式，以优化制造业生产函数的方式提升上述各要素的正向拉动作用，与理论假设及分析结论一致。

The Growth Effect of High-quality Manufacturing Development Driven by Digital Economy

——Empirical Test Based on Chinas Digital Economy and Manufacturing Industry

Zhou Zheng，Men Boyang，Wang Bo

（Harbin University of Commerce，Harbin 150028，China）

Abstract：

The digital economy has become an important driving force for real economic growth. This paper uses the data of Chinas digital economy and manufacturing industry from 1999 to 2018 to measure the high-quality development level of digital economy and manufacturing industry， and empirically tests the impact of digital economy on the high-quality development of manufacturing industry and its mechanism based on theoretical analysis. The research shows that the development level of Chinas digital economy is on the rise as a whole. From 1999 to 2006， it grew at a constant rate， and from 2007 to 2018， the growth rate gradually accelerated. The quality development index of Chinas manufacturing industry showed a steady increase from 1999 to 2007， a slight decline from 2008 to 2010， and an accelerated development from 2011 to 2018. The development level of digital economy has significantly positive influence on the high-quality development of Chinese manufacturing industry. Therefore， the government should continue to increase support for the integrated development of digital economy and manufacturing industry， promote the high-quality development of manufacturing industry， and completely solve the problem of “precocious slowdown in growth” of Chinas manufacturing industry.

Key words：digital economy;manufacturing industry;high-quality development［责任编校陈浩天］

作者简介：周正（1975-），男，河南郑州人，哈尔滨商业大学经济学院研究员，博士生导师，主要从事产业组织理论与政策等相关研究；门博阳（1983-），男，黑龙江哈尔滨人，哈尔滨商业大学经济学院博士生，主要从事产业组织理论与政策等相关研究；王搏（1988-），男，黑龙江哈尔滨人，哈尔滨商业大学经济学院博士生，主要从事产业组织理论与政策等相关研究。

基金项目：国家社会科学基金一般项目（19BJY104）