数字经济能否成为中国制造业高质量发展的新动能?——基于技术创新与管理效率效应视角

杨 毅,于 倩

(1.广西科技大学 经济与管理学院,广西 柳州 545006;2.广西工业高质量发展研究中心,广西 柳州 545006)

引 言

新一轮技术革命引领人类社会进入了数字经济时代,海量数据的应用为现代经济和社会发展提供了源源不断的动力。数字化浪潮快速融合到经济社会各个领域,在促进消费、刺激投资、创造就业和绿色发展等方面发挥了重要作用,为中国创新驱动发展和经济转型注入全新动力。数字经济对实体经济的影响不容低估,尤其是5G技术、移动物联、人工智能等标志性创新技术可以极大改进实体经济发展的传统路径,优化和升级产业结构,助力我国制造业创新性发展,突破“低端锁定”。国家高度重视数字经济的发展,十九大报告中明确指出要着力推动领先技术与实体经济的融合发展。自2020年起国家大力推进以工业互联网、5G等数字经济硬件设施为主体的新型基础设施建设以促进数字经济的发展,数字经济俨然已成为驱动中国经济高质量发展的重要力量,数字经济蕴含的强大发展动力和巨大的经济价值将会重新塑造经济增长的动力机制。

当前,我国面临的外部环境日趋严峻,习近平总书记提出构建以国内大循环为主、国内国际双循环相互促进的新发展格局。制造业作为国民经济的重要支柱,对于实现这一循环有举足轻重的地位,关系着我国能否稳就业、保民生,因此确保制造业的高质量发展至关重要。数字经济对制造业的升级和发展存在着多方面的积极影响,特别是在优化全要素生产率、释放经济活力方面。然而,数字经济与制造业的有机融合并非一日之功,厘清数字经济对制造业发展的影响机制以探究数字经济如何促进制造业高质量发展、数字经济能否成为中国制造业高质量发展的新动能。这些问题是当前亟需解决的问题。

一、文献综述

(一)数字经济的概念与影响效应

1．数字经济的概念

不同时期、不同国家对于数字经济概念的界定有所差异,随着信息化程度的提高以及生产模式的改变,数字经济的范围不断拓宽,内容和内涵也不断丰富。陈小辉和张红伟(2020)[1]基于资源、技术和活动的分析角度指出,当前生产要素发生了改变,不同于传统的生产要素,数字化知识成为关键,新一代信息技术族群作为核心驱动力形成了与传统经济相比完全升级的数字产业经济、产业数字化经济。而乐颖和金波等(2020)[2]则认为数字经济的关键不仅仅是数字化知识本身,他们认为数字技术是数字经济发展的前提,互联网为媒介,目的是把数字化贯穿于实体经济发展的过程当中,推动经济重构和发展。由此,数字经济发展以信息化技术发展为前提,数据成为发展的动力以及平台发展成为主要发展方式。本文有关数字经济的提法倾向于G20杭州峰会(2016)所提出的关于数字经济概念的解释(1)二十国集团数字经济发展与合作倡议[EB/OL].(2016-09-29) (2020-08-27)．Https://www. cac.gov.cn/2016-09/29/c_1119648520.htm．,即数字经济是利用数字知识和信息作为关键生产要素、以现代信息网络为重要载体、利用信息通信技术进行的可以提高效率、优化结构的经济活动。

2．数字经济的影响效应

数字经济的影响效应从领域上分为经济影响和社会影响。从经济效应上看,数字经济的影响主要涉及社会生产模式、经济增长速度、产业结构和国民收入等方面。王梦菲等(2020)[3]认为数字化技术的应用正在重塑社会的生产模式,对于社会产品和服务的提供在质量、效率上都有积极影响。基于我国21个省市的面板数据,刘姿均等[4]运用空间计量模型研究得出互联网经济的覆盖面越大,我国经济增长速度的提升越快,第三产业增加值比重越高的结论。张勋等(2021)[5]研究发现,数字经济发展可以通过优化匹配方式来减少摩擦性失业;通过实现创新创业激励来增加就业机会,从而增加国民的劳动性收入。从社会效应上来看,数字经济正改变着国民的生活方式和生存环境。随着数字化技术的普遍应用,数字经济也使社会上的许多群体受益。老年人的知识水平和健康状况有限,智能设备的应用可以帮助他们在个体独立的情况下感知社会,维持生活质量(OL-Phert和Damodaran,2013)[6]。韩海燕等(2017)[7]通过研究发现,互联网新经济以其自身特点为我国国民提供了新的收入来源,有效提升了社会底层群众的劳动报酬,进而减小社会的基尼系数,增加居民的幸福指数。也有一些研究认为数字经济所引起的连锁反应可以减少环境污染,平衡经济发展和环境保护的关系。Aaron(2016)[8]认为数字经济发展引起的产权制度的变革与创新能起到约束与激励作用,为了降低成本,制造业将关注污染物的排放,从而降低生产的负外部性,减少环境污染。许宪春等(2021)[9]则认为数字经济和数字技术创新相互促进发展,也能提供企业绿色生产的技术。

(二)制造业发展的影响因素

制造业发展的影响因素可以归为研发创新、人力资本、营商环境和政府支持等因素。惠树鹏等(2021)[10]以中国大陆30个省份为样本案例探讨影响工业高质量发展的因素,研究发现存在智能创新、智能环境和智能制度是驱动工业高质量发展的三条路径,且三者驱动作用依次减弱。赵玉林等(2021)[11]基于湖北省高新区面板数据对其高新区高质量发展的影响因素进行分析,研究认为人力资本是影响高新区高质量发展的重要因素之一。贾玉辉等(2020)[12]从企业信心这一独特角度出发,通过研究指出优化营商环境可以提振企业信心,对于企业高质量发展有显著促进作用。阎世平(2020)[13]发现企业技术创新与制造业服务化水平之间存在着“U”形对应关系,且在区域、企业所有制形式、企业规模上具有异质性。对于发达的东部地区具有正“U”形影响,而对于落后的中西部地区有倒“U”形影响;对大型制造企业没有显著影响,对中小型制造企业可有显著的倒“U”形影响。

(三)数字经济与制造业发展

数字经济发展水平对制造业存在多方面的积极影响,特别是在优化全要素生产率、释放经济活力方面(续继等,2019)[14]。傅为忠和刘瑶(2021)基于2011—2019年长三角区域某些省份的面板数据研究发现,产业数字化和制造业高质量发展的耦合协调水平呈现上升趋势,但是整体水平不高且各省之间有所差别[15],这就体现了数字化经济水平在优化全要素生产率方面对于制造业高质量发展的影响。杨文溥(2021)[16]认为数字经济整体上可以通过拉动消费水平这一中介效应促进经济高质量发展,且通过促进第三产业来驱动高质量发展的作用比第二产业更大。刘鑫鑫和惠宁(2021)[17]指出数字经济对制造业高质量发展具有非线性动态影响,两者之间呈现正向边际效率递增规律,同时存在明显的区位异质性,另外这种影响还与产业结构、R&D投入、对外开放和环境规制因素密切相关。

现有文献中数字经济对经济增长方面的研究颇为丰富,但是很少有学者从微观角度出发,去研究数字经济与制造业高质量发展之间的联系,因此,本文的研究丰富并拓展了现阶段这方面的研究。同时,在新发展格局背景下,全面分析和研究此领域对推进“中国制造2025”计划有重要的现实意义。另外,已有文献对于数字经济的研究多局限于文字叙述的定性分析,缺乏数据和模型定量研究证据的支持,因此本文通过构建一个多维度的综合评价体系对数字经济发展水平进行衡量,并采取理论分析与实证分析相结合的方法探究数字经济发展水平对制造业高质量发展的影响。

二、理论分析与研究假设

数字经济促进制造业高质量发展的途径主要有优化资源配置效率、改进生产方式、重塑就业结构和协调供需平衡。第一,数字化技术可以使传统生产物质符号化,同时拓宽了市场和生产要素市场的有效运行,提高相互配合的效率,信息的时效性和透明度得到保证。第二,数字经济可以改变企业的就业结构,劳动力需求水平向高学历人群转移。简单重复的劳动被智能化设备替代,低技能、低知识水平的人会被挤出,企业需要高技能人才去进行复杂的研究工作,所以受过高等教育的高技能劳动力更加珍贵(蔡跃洲和陈楠,2019)[18]。第三,数字经济调节了供求的动态平衡。一方面,随着数字化终端的普及和大数据技术的应用,企业和个人的消费需求可以被平台快速而准确地捕捉,从而有针对性地改变产品供给的数量和种类;另一方面,消费群体通过网络感知消费热点,其多样化的需求被激发出来(荆文君等,2019)[19]。基于上述分析,本文提出如下假设:

H1:数字经济可以促进制造业的高质量发展

不同地区在基础设施建设、技术创新程度和制造业发展程度等方面存在差异,这些差异可能会影响数字经济对制造业发展的效应。东部地区经济发展水平高,资金、人才和基础设施等资源充足,其制造业的发展质量也比较高。在此基础上,根据边际效用递减规律,数字经济对其边际作用可能比较小,甚至不会产生影响(罗贞礼,2020)[20]。中西部地区经济发展水平低可能会限制数字经济对制造业发展的促进效能(肖曙光等,2020)[21]。我国北部地区有传统制造业基础,长三角沿海地区最先发展高新制造业。基于上述分析,本文提出如下假设:

H2:数字经济对制造业高质量发展的影响具有区位异质性

数字经济通过提升企业创新能力、创新要素错配来促进制造业高质量发展。在提升创新能力方面,企业技术创新程度会在研发模式、研发流程以及驱动方式上影响企业的生产率。首先,数字化的开放创新会将新的创新模式扩展至全产业链以及所有部门,让研发多维度同时进行,大大提高创新效率。其次,在研发流程上创新工具和技术的应用能够精准模拟各种参数并将其可视化,大大增加研发的准确性。另外,在驱动方式上云计算、大数据技术的发展将以前传统的经验研发转向数据支持的研发,使研发更加高效和准确。在创新要素配置上,数字经济可以改善制造业的外部融资环境,比如企业可以通过数字化信贷平台进行融资 (汪亚楠等,2020)[22]。与此同时,从政府与企业的角度看,政府也可以利用大数据技术精准识别企业的创新能力以及可发展空间,从而对有潜力的企业实施精准补贴和税收优惠政策(李春涛等,2020)[23]。基于上述分析,本文提出如下假设:

H3:数字经济可以通过技术创新效应影响制造业高质量发展

数字经济的发展可以有效提高企业的管理效率。第一,企业经过数字化转型,实现信息系统化之后可以降低企业内部交流成本和信息获取成本。第二,在生产过程管理方面,数字经济的发展改变了过去传统的低效率工作模式,现在的新型传感器以及工业互联网等数据集成系统解决了以往工作的间断性、分散性问题,使整个生产过程具有整体性(肖静华,2020)[24]。第三,数字经济可以促进企业组织的变革,数字经济的发展使企业能够通过准确获取终端用户需求或者消费偏好来优化资源配置(戚聿东,2020;He et al.,2019)[25-26]。企业生产率的增长与管理效率密切相关(Bloom et al. 2016)[27],而生产率的增长和制造业高质量发展是相辅相成、同向作用的。由此,本文提出如下假设:

H4:管理效率效应是数字经济影响制造业高质量发展的有效路径

三、研究设计

(一)样本选择与数据来源

为探究数字经济对中国制造业高质量发展的影响效应,本文以2005—2021年我国30个省市区为研究样本,为保证数据的完整准确,本文按照以下原则筛选样本:剔除数据缺失的西藏以及港澳台地区;与制造业企业相关的指标选择中,剔除样本期间内财务数据缺失的公司以及ST、*ST公司。

为消除极端值的影响,本文对回归模型中的主要连续变量上下1%的样本观测值进行了Winsorize处理。为减少数据波动过大可能对回归结果造成的影响,本文对数字经济发展水平、外商直接投资等指标做了自然对数化处理。

公司的财务数据来源于国泰安(CSMAR)数据库,部分指标数据来自各省市的《统计年鉴》《中国工业统计年鉴》以及中经网数据库。

(二)指标选择与变量说明

1.被解释变量:制造业高质量发展水平(mhdl)

关于制造业高质量发展水平(mhdl)的评价指标,现有研究并没有达成共识,主要评价方法有三种:增加值法、综合评价指标体系法和全要素生产率法。全要素生产率表示剔除投入要素的贡献后由于技术改进引起的总产出的增加值(李强,2020)[28],大多数学者认为全要素生产率可以更好地反映制造业的高质量发展。所以本文选取全要素生产率来表示制造业高质量发展水平,并根据Fare提出的malmquist生产率指数分析法对全要素生产率进行测度。选取各个省份主要制造业企业的全要素生产率平均值作为该省的malmquist生产率指数,计算31个省份2005—2021年的全要素生产率,结果如表1所示(因篇幅原因未全部列示)。

表1 2005—2021年各省份malmquist指数(全要素生产率)

2.核心解释变量:数字经济发展水平(del)

数字经济发展水平(del)的评价指标参考韦庄禹等(2021)[29]的研究方法(见表2),采用数字化基础设施的发展水平、数字业务规模、移动数字化终端应用程度三个维度来衡量数字经济发展水平。

表2 数字经济发展水平的指标体系

先对各三级指标的原始数据进行标准化处理以消除量纲,然后借鉴张雪玲等(2017)[30]所运用的熵权法对各级指标进行逐步合成,最终获得数字经济发展水平指标。具体步骤如下:

首先,根据公式(1)和(2)计算各指标X′ij的信息熵:

(1)

(2)

(3)

其中,pij表示第i指标第j年数值在该指标总值中所占比重,Hi表示第i指标的信息熵。

其次,根据公式(4)计算各指标的权重。

(4)

式中,m表示指标数量,wi表示第i指标的熵权,gi为第i指标的差异系数,gi=1-Hi。

3.中介效应变量:技术创新水平(patent)和企业管理效率(manage)

为检验技术创新的中介效应是否存在,本文借鉴国内外研究成果,选取各个省份主要制造业2005—2021年的年平均申请专利总数(patent)衡量企业创新水平。参考杨继生等 (2015)[31]的做法,用管理费用和销售费用的加和与营业总收入的比值度量企业管理效率,然后将每个省份的制造业企业效率的平均水平作为衡量指标,选取的时间范围为2005—2021年。

4.控制变量

本文选定的控制变量包括经济发展水平(edl)、技术进步(tp)、经济发展水平(edl)、外商直接投资(fdi)、人力资本水平(hl)、政府参与程度(gpd)、金融发展水平(fdl)、基础设施建设(is)。

综上分析,本文的具体变量说明见表3。

表3 变量说明

(三)模型设定

基于上述分析,设定的计量模型为:

mhdlit=αdelit+∑jβjXijt+μi+γt+εit

(5)

其中,mhdlit表示地区i在t年度的制造业高质量发展水平;α表示数字经济对制造业高质量发展的影响系数,delit表示地区i在t年度的数字经济发展水平;Xijt表示第j个控制变量在省份i在年份t的数值;μi表示模型的个体效应,γt表示模型的时间效应,εit表示模型的随机扰动项。

为进一步探析数字经济影响制造业高质量发展的作用机制,检验企业创新水平和企业管理效率的中介效应,本文借鉴温忠麟等(2014)[32]的研究检验假设H3和假设H4,模型如下:

Mit=α1delit+∑jβjXijt+μi+γt+εit

(6)

mhdlit=α2delit+∑jβjXijt+ηMit+μi+γt+εit

(7)

其中,Mit为中介变量,分别为假设H3和假设H4中的技术创新水平和管理效率,其他变量与(1)式相同。

四、实证分析

(一)基本分析

1.描述性统计分析

对于变量的描述性分析,如表4所示。由表2列示的结果可知,我国制造业高质量发展水平(mhdl)不一致,最大值和最小值分别为6.529和1.182,总体来说差别较大;del平均值较小,说明我国数字经济发展整体水平不高,且数字经济发展水平差别较大,可能是地区或经济发达与否对数字经济发展水平产生了影响;制造业所在地区的edl最小值与最大值差别明显,如前所述,地区要素很可能是导致数字经济发展水平不一致的重要因素之一;外商直接投资(fdi)的平均值属于中等水平,标准差数值较大,这说明不同制造业接受外商直接投资的波动性较大;最小值与最大值差别明显的还包括技术进步(tp)、人力资本水平(hl)、金融发展水平(fdl),都可能成为制造业高质量发展水平的影响因素,在探索数字经济发展水平对因变量制造业高质量发展水平时要加以控制;另外,政府参与度(gpd)和基础设施建设(is)各自的水平差别不大,但是为保证实证分析结果的准确性,也要将其纳入控制变量的范围内。

表4 变量描述性分析

2.相关性分析

从相关分析结果可以看出,制造业高质量发展水平(mhdl)和数字经济发展水平(del)显著相关且系数为正(见表5)。制造业高质量发展水平与经济发展水平(edl)、技术进步(tp)、人力资本水平(hl)在1%的显著水平上与制造业高质量发展呈现正相关关系;政府参与程度(gpd)和金融发展水平(fdl)在5%的水平上与制造业高质量发展显著正相关。数字经济发展水平与经济发展水平(edl)、技术进步(tp)、金融发展水平(tp)和基础设施建设(is)等有正相关关系。

表5 相关性分析

3．单位根(LLC)检验

对各个变量进行面板单位根检验,检验结果均在1%的显著水平上拒绝“存在单位根”的原假设,数据为平稳序列(见表6)。

表6 单位根检验

(二)回归结果分析

本文利用Eviews8.0 软件对2005—2021年间数字经济对制造业高质量发展的影响效应进行验证。首先为了验证H1,并且保证基准回归结果的稳健性,分别使用最小二乘法、固定效应估计法、随机效应法和双向固定效应法建立了四个模型对式(5)进行估计,四个模型的具体结果见表7。

表7 基准回归结果

我们可以看到四个模型的拟合优度较高,说明控制变量的选择在一定程度上是科学有效的。这四个模型都通过了核心解释变量的显著性检验,且回归系数为正。四个模型中,采用双向固定效应法建立的模型效果最好。下面对此模型展开分析。

观察第五列数据。数字经济发展水平每提升1%,该地区制造业高质量发展水平就提升0.126个百分点,且在1%的水平上显著,这表明数字经济发展水平有利于地区制造业的高质量发展。自此假设H1得到验证。

控制变量回归结果显示:经济发展水平(edl)、技术进步(tp)、人力资本水平(hl)、政府参与程度(gpd)、基础设施建设(is)和金融发展水平(fdl)对于制造业高质量发展有显著的促进效应。而外商直接投资(fdi)对于被解释变量的统计结果不显著,而且一定程度上呈负相关关系,这表明借助外商直接投资对制造业的高质量发展并不存在溢出效应,这可能是外商直接投资主要集中在低附加值行业,使其难以与数字经济发展密切融合。

(三)中介效应分析

1．技术创新效应

前文已经得出结论,在没有中介变量的情况下数字经济对制造业高质量发展的影响系数α是显著的,所以此处继续检验。对式(6)进行回归,考察数字经济对中介变量的影响系数α1;对式(7)进行回归,考察数字经济对制造业高质量发展的影响系数α2和中介变量对制造业高质量发展的影响系数η,η×α2为中介效应,若η和α2均显著,则说明存在中介效应;若η和α2中至少有一个不显著,则采用Bootstrap法检验其在95%的置信区间中是否包括0,若不包括0,则说明存在中介效应,反之不存在。回归结果如表8所示。

表8 作用机制分析:技术创新效应

表8第(1)、(2)列结果表明,专利数量代表的技术创新对制造业高质量发展具有促进作用,但数字经济对专利数量的影响系数并不显著,且Bootstrap法检验显示间接效应的95%置信区间[0.0014,0.0021]包括0,说明技术创新是数字经济促进企业生产率提升的有效路径,假设H2得到验证。而且“发明专利”这类高端发明是更具有实质性的创新,其他专利则是比较低端的创新类型,从第(5)-(7)列可以看出,实质性创新对数字经济的发展具有真正的促进作用,而低端专利对数字经济的发展并没有直接促进作用。

2．管理效率效应

企业高效的管理水平可以使技术进步和生产要素更高效的组合,从而促进生产率的提高和企业高质量的发展,而数字经济的发展能够优化企业内部的沟通交流和管理模式,使企业管理效率得到有效提升。

本文的企业管理效率(manage)用管理费用和销售费用的加和与营业总收入的比值度量,manage值越小表示管理效率越高。表9中列(2)显示数字经济的系数在1%水平下显著为正,管理效率的系数在5%水平下显著为负,说明数字经济能够通过提升管理效率对制造业高质量发展产生正向影响,假设H3得到验证。

表9 作用机制分析:管理效率效应

(四)区位异质性分析

为了验证假设H4,本文将全样本按照区域划分为五组,分别是东、西、南、北、中五个区域,各自进行回归分析。回归分析结果见表10。

表10 区位异质性检验结果

我们看到数字经济发展水平对制造业高质量

发展有显著正向促进作用的地区分别是东部、西部和南部地区,且对东部地区的促进作用比西部强。在中部和北部地区,数字经济的发展水平并没有实质性地促进制造业的高质量发展。综上所述,数字经济发展水平对制造业高质量发展的影响具有区域异质性,假设H4得到验证。

(五)稳健性检验

1．稳健性测试:内生性问题的控制

考虑到数字经济和制造业高质量发展之间可能存在逆向因果关系,为控制其可能导致的内生性问题,需要选择合适的工具变量纳入回归方程,本文延续刘瑞明(2012)[33]、杨思莹等(2019)[34]的做法,采用数字经济发展水平的滞后两期作为工具变量。工具变量的外生条件检验如表11所示。

表11 验证工具变量的外生条件

当制造业高质量发展水平(mhdl)分别对解释变量数字经济发展水平(del)和工具变量(滞后两期的数字经济发展水平)进行回归时,两者的回归系数都显著为正;但如果将二者同时放入回归方程时,第四列结果显示解释变量对工具变量的回归中结果为-0.0182,工具变量不再显著。这说明滞后两期的数字经济发展水平仅通过影响当期的数字经济发展水平这一间接渠道来影响当期的制造业高质量发展,并未与被解释变量直接相关,即当期的数字经济发展水平具有外生性。

二阶段最小二乘法的回归结果如表12所示。第一阶段的回归结果R2为0.8540,表明解释变量和工具变量显著正相关,工具变量对解释变量有较强解释力。对于过度识别检验,Anderson canon.corr. LM统计量为107.135,在1%的置信水平上拒绝了“无法识别工具变量”的原假设。第二阶段的回归结果显示数字经济发展与制造业高质量发展显著正相关,初步表明基准回归结果具有稳健性。

表12 两阶段最小二乘法的回归结果

2．稳健性测试:替换被解释变量的度量方法

本文所研究模型中的被解释变量是用索洛残差法计算的,在其他设定保持不变的情况下,现在用传统最小二乘法估计全要素生产率来表示被解释变量,结果记为mhdl_ols,并把它作为被解释变量进行回归分析。结果如表13的第(2)列所示,在5%的置信水平上,数字经济发展水平变量的回归系数显著为正,说明数字经济显著促进了制造业的高质量发展,即研究结论具有稳健性。

表13 稳健性检验结果表

五、研究结论与政策建议

(一)研究结论

数字经济的本质是一种先进生产力,是创新驱动的成果,要深刻认识数字经济本质及其与制造业高质量发展的关系。本文研究结果表明:(1)数字经济对制造业高质量发展具有显著的促进作用,并且替换变量后结论仍然成立,通过了稳健性检验。(2)数字经济通过技术创新效应和管理效率效应两种作用机制促进制造业高质量发展。(3)分地区检验结果发现,数字经济对制造业高质量发展的促进作用具有区位异质性,对制造业高质量发展有显著正向促进作用的地区分别是东部、西部和南部地区,且对东部地区的促进作用比西部强,数字经济的发展在中部和北部地区并没有实质性地促进制造业的高质量发展。

(二)政策建议

(1)基于数字经济能够有效促进制造业高质量发展的事实,现阶段应该把建设大数据中心、5G通信基站等数字化基础设施当做主要任务,促进数字技术大规模应用于推动制造业转型升级,实现制造业的高质量发展。基于数字经济通过技术创新效应和管理效率效应两种作用机制促进制造业高质量发展的结论,国家应加快推进制造业的数字化转型,借助于新一代信息技术提升技术创新能力和管理水平,提升企业生产效率,实现高质量发展。

(2)遵从数字经济促进制造业高质量发展的区位异质性规律,可以向西部、北部以及中部地区实施资源优先策略,争取在夯实物质基础的前提下有条不紊地改革和发展。因地制宜构建数字通讯基站、大数据服务中心、国家重点实验室,为数字经济的快速发展提供必要的硬件支撑。

(3)政府要加大对于数字经济发展的关注度,重视数字型企业,可针对实际企业定期组织员工培训,逐步提高制造企业员工的数字化和工业智能素质。国家和相关部门可以加大对教育的投入,致力于培养更多优秀的新兴数字技术人才,可以在各级高校开设数字经济相关专业,以储备相关领域的人才,或采取人才引进来解决地区间的数字经济领域人才缺口问题。另外,基于金融水平影响制造业发展角度,可以加强数字金融的建设与发展,通过缓解融资约束解决企业融资困境等问题,促进金融资源更为均衡和高效地流动,推动我国经济由高速增长转向高质量发展。