数字经济发展赋能共同富裕的非线性效应研究

张维星,周之浩

(兰州财经大学 统计学院,甘肃 兰州 730020)

一、问题的提出

党的十九届五中全会提出了2035年基本实现社会主义现代化的美好愿景,并强调了当前的重要任务,即努力让所有人民共享日益美好幸福的生活,共创日益显著的成果。推动实现共同富裕,是迈向社会主义现代化国家的必要条件。如何加速推动共同富裕,让富裕惠及所有人民?数字经济是加速共同富裕的新型动力源,正在引领我国的效率变革、质量变革以及动力变革[1]。同时,《浙江高质量发展建设共同富裕示范区实施方案(2021—2025年)》明确提出,以数字化改革撬动共同富裕,向区域协调发展、全体人民共享富裕迈进[1]。因此,深入探索数字经济与共同富裕的内在关系,不仅有助于提高生产效率、降低社会成本,还可以推动产业融合发展、加速全社会共享数字红利,对早日实现共同富裕和实现经济质量发展具有重要战略指导作用。

从现有研究来看,数字经济能够契合共同富裕的内涵[2],一方面,数字经济能够扩容经济总量、提高生产力、为共同富裕提供物质支撑[3];另一方面,数字经济为促进共同富裕美好生活带来新机遇,为扩大新发展阶段更高水平开放、更高质量发展贡献新动能[4]。因此,数字经济是新发展阶段经济转型的新变量,也是共同富裕的新引擎。与此同时,我国数字经济虽然发展趋势迅猛,但也存在新型产业基础薄弱、数字技术较为落后、数据安全难以得到保障等问题[5],这显然成为一国实现以数字经济促进经济均衡增长、助力普惠共享发展等战略目标的阻力[1]。在研究过程中,又面临数字经济和共同富裕的理论测度方法尚未统一、数字经济增能社会主义共同富裕的实证分析缺乏等问题。因而,进一步探讨数字经济增能社会主义共同富裕的有效机制,并发现数字经济社会中由于技术发展水平、数字化程度等差异所形成的异质性影响,将变得尤为关键。

综上所述,现阶段数字经济与共同富裕的相关研究已较为完善,但仍存在以下两个方面的不足:第一,研究数字经济与共同富裕二者关系的文献多侧重理论层面分析,定量分析较少;第二,数字经济对共同富裕的赋能机理尚未达成共识,非线性关系研究甚少。与以往文献相比,本文的边际贡献在于:第一,相较于从理论上梳理数字经济与共同富裕关系的文献,本文以数字经济与共同富裕的内涵界定以及前人研究成果为依据,定量分析二者的赋能关系;第二,基于2011—2020年30个省份的面板数据,运用半参数可加面板模型拟合出高斯核回归图形,更准确地反映数字经济与共同富裕的关系,通过静态面板模型与面板门限回归模型等计量模型进行验证,最后使用工具变量法与系统广义矩估计进行模型的内生性分析。

二、理论分析与研究假说

(一)数字经济是实现全体人民共同富裕的新路径与强劲驱动力

数字技术高度契合共同富裕的目标要求,是满足人民美好生活需要的重要途径[1]。数字经济是否促进共同富裕的关键在于能否为低收入群体或地区带来经济增长,并缩小贫富差距与区域差距。一方面,数字技术的创新效应可以创造社会财富,表现出强大的“做大蛋糕”的动力机制[1]。数字经济以人工智能、大数据等为核心,催生了大量新产业新模式,日益成为经济增长的新引擎,创造出新的财富[3]。作为一种新型生产要素,数字技术具有创新性,不仅可以通过技术溢出影响传统产业[6],为更快实现社会福利最大化创造条件,还可以从知识溢出方面大幅降低企业生产研发成本[7],刺激经济提质增效,为“做大蛋糕”提供有力支撑。另一方面,数字技术的普惠性和共享性,可助力分好共同富裕的“蛋糕”[1]。数字经济不仅可以通过减少市场分割[1],将中西部的资源优势与东部地区的技术优势和产业优势相结合[3],以东带西,促进区域均衡协调发展,还可以借助数字连通、数据共享和收入分配均等化等方式,加快全体人民共享数字经济红利[8]。目前,数字经济的蓬勃发展,是激活高质量发展的密钥,更是满足人民美好生活需要的引擎。据此,可以提出以下假设:

H1:数字经济是助推全体人民共享共富的核心驱动力,为实现共同富裕提供了技术路径。

(二)数字经济对共同富裕具有非线性促进作用

随着数字化程度的加深,数字经济对共同富裕的赋能效果可能存在非线性特征。一方面,部分学者指出数字经济存在“边际递增”的特性。在数字技术的高渗透性和网络外部性[9],以及数字要素的要素报酬递增特性的影响下[10],数字经济的边际效应随数字技术的进步而递增[11]。同时,数据驱动经济高质量、产业结构升级等也可能呈现出非线性的递增态势[12]。数字经济的空间外溢性具有明显的非线性趋势[13]。另一方面,部分学者认为,数字技术对共同富裕的赋能效果随着数字化程度的加深,呈现出“边际递减”的变化趋势。在数字化程度较低的省份,数字经济对城乡共同富裕的促进作用更显著[14],数字普惠金融对缩小区域差距有门槛效应[15]。在数字经济萌芽时期,技术溢出效应使得数字经济推动传统产业的数字化升级,催生农村新业态新岗位,缩小城乡差距[16],进而谋求社会福利普及化;但在发展后期,数字经济赋能共同富裕的边际贡献有所下降。因此,可以提出以下假设:

H2:数字经济赋能共同富裕的影响可能存在非线性特征。

(三)数字经济对共同富裕的影响具有显著差异性

通过文献梳理发现,无论是从数字经济的不同维度还是不同发展水平与不同区域来看,数字经济对共同富裕的影响存在显著差异性。从数字化的不同维度来看,数字经济对经济一般增长、均衡增长存在差异性。随着“新基建”战略的实施,数字基础设施与数字产业化、产业数字化一起,构成数字经济的核心要素[17]。范合君和吴婷[18]从生产数字化、流通数字化以及消费数字化三个维度对数字化的赋能效果进行探析;向云等[1]通过对数字经济多个维度的赋能效应进行对比发现,数字产业化是共同富裕的重要决定因素。从不同的发展程度和区域来看,数字经济对共同富裕的影响,因不同区域共同富裕进程的差异表现出明显的异质性。张少华和陈治[19]指出数字经济红利在经济发展较落后的省份更容易显现,马勇等[20]发现数字经济对实体经济的影响随着实体经济水平的提高而呈现出显著差异。同时,在“西部大开发”和“中部崛起”等战略的支持下,中西部地区的数字经济赋能效果要优于经济较发达的东部地区[1],数字经济在发达地区对实体经济的促进效应明显小于经济欠发达地区的正面影响[21]。因此,可以提出以下假设:

H3:在不同的数字经济维度、发展水平和区域等的影响下,数字经济对共同富裕的影响表现出明显的差异性。

三、模型设定与变量选取

(一)模型设定

1.半参数可加模型及其扩展

学者Opsomer和Ruppert在20世纪末提出半参数可加模型[22],其优点在于:第一,相较于参数估计方法,拟合效果更好;第二,可同时刻画变量间的线性关系和非线性关系[23],有助于解决复杂的经济问题。本文在半参数可加模型的基础上进行扩展,引入虚拟变量作为面板个体固定效应,并将非参数估计与参数估计相结合,为本文研究结果提供了更可靠的模型依据[21]。半参数可加面板数据模型如下:

(1)

2.实证模型构建

一方面,数字经济是驱动共同富裕的新引擎,本文通过对共同富裕(Cp)与数字经济(Dig)变量间的关系进行拟合,发现数字经济与共同富裕呈非线性关系;另一方面,除了数字经济以外,市场化程度、教育水平、对外贸易以及外商投资等都是影响共同富裕的决定性因素。因此,为了验证数字经济与共同富裕的非线性关系,本文结合半参数可加面板模型,将数字经济设定为非参数变量,将其他变量作为参数变量,设定上述核心变量对共同富裕的GAM估计方程如下:

Cpit=αi+Xit,1β1+…+Xit,pβp+f(Digit)+ui+εit

(2)

(3)

式(3)中,fx(xi,x0,h)指位于x0处的概率密度,h是指“带宽”,即xi在x0附近邻域的大小。h越大表明核密度估计越光滑。

(二)变量选取与测算结果

1.被解释变量:共同富裕发展水平(Cp)

共同富裕指全面富裕与全民共富、共建同富与逐步共富[24];是“共同”和“富裕”两者的有机统一[25];是在以中国特色社会主义制度作为根本保证和以经济质量转型作为核心载体的前提下,实现全体人民共享发展成果的一种状态[26]。通过对共同富裕理论内涵的透彻理解,从共同富裕的内涵中提炼出发展性、共享性和可持续性三个特征,并参考韩亮亮等[27]构建的共同富裕综合指标体系,依据发展性、共享性和可持续性3个一级维度、10个二级指标和21个三级指标构建综合指标体系(见表1)。接下来运用熵权法对初始数据进行标准化处理、赋予权重及综合测算,最终得到共同富裕的综合指数。

表1 共同富裕的综合测度指标体系

2.非参数解释变量:数字经济发展水平(Dig)

基于《“十四五”数字经济发展规划》对数字经济的界定,①本文借鉴王军等[28]、刘洋和陈晓东[29]的研究成果,从数字产业化、产业数字化以及数字基础设施3个一级指标、9个二级指标和28个三级指标构建数字经济发展测度指标体系(见表2)。首先收集该28个数据,并进行属性确定,其次基于面板数据熵权法测度出数字经济综合指数,最后分维度测算出3个一级指标综合指数——数字产业化指数、产业数字化指数以及数字基础设施指数。

表2 数字经济的综合测度指标体系

3.参数部分解释变量

(1)市场化程度(Mar)。利用樊纲等[30]测算的市场化进程指数推算得到。(2)对外贸易依存度(Open)。用货物贸易总额占GDP的比重来衡量。(3)外商投资强度(Fdi)。用实际利用外资额与各省份生产总值的占比来度量。(4)教育发展水平(Edu)。本文采用地方教育财政支出占各省份财政一般预算支出的比重来测度。(5)产业集聚(Indus)。用第三产业区位熵来度量,具体做法如下:

(4)

表3 主要变量名称、符号及定义

(三)数据来源与描述性统计

本文采用中国2011—2020年30个省份的面板数据来反映数字化对共同富裕的实际影响。基本数据源于《中国城市统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》,以及各省历年统计年鉴、中经数据库、国泰安数据库及国家统计局。变量的描述性统计见表4。

表4 主要变量的描述性统计

表4列出了相关变量的描述性统计信息。首先,各省份共同富裕程度存在一定程度的差距,最大值0.772,最小值0.076,均值为0.303,为我们的研究提供了良好的基础。其次,数字经济的综合指数和分维度指数,大多集中在0.021～0.975的范围内,均值都集中在0.200左右,差距不是很明显,分维度研究其对共同富裕的影响有助于厘清数字经济的赋能效果。最后,在控制变量方面,只有市场化程度指数波动明显,分散在2.330～12.000的区间内,其他控制变量均差异较小并且始终维持在0.008～1.772之间。

四、实证结果及分析

(一)数字经济对共同富裕的非线性效应

为了验证数字经济与共同富裕的非线性关系,本文利用半参数可加面板模型进行了实证分析。实证结果分为非参数估计与参数估计,因为非参数估计结果无法用数值表示,所以选用图形来体现数字经济对共同富裕的影响效果,具体效果如下。

1.非参部分估计结果分析

为探究数字经济对共同富裕的影响,本文利用R软件,采用扩展后的半参数可加面板模型(GAM),绘制2011—2020年中国数字经济对共同富裕的高斯核回归图。回归模型为面板随机效应模型,将最优带宽设定为回归带宽,并用约束性最大似然法(REML)进行非参数平滑[21],所得回归结果如图1所示(图1的纵轴为共同富裕综合指数,横轴代表数字经济发展水平,下同)。

图1 数字经济对共同富裕的影响趋势图

图1主要反映了数字经济对共同富裕的影响的作用趋势,初步验证了中国在加速实现共同富裕的过程中数字经济发展水平所发挥的总体作用,也凸显了目前中国数字红利在发挥过程中遭遇的发展瓶颈。具体来看,数字经济对共同富裕的赋能效果呈现波动式上升趋势,从而验证了假设1。图1中,横轴表示解释变量数字经济的取值,纵轴是与解释变量相对应的共同富裕的非参数函数值,虚线部分表示95%的置信带。结合实际来看,前期阶段,在政策大力扶持与市场推动下,数字技术发展迅猛,不断拓展新业态、新产业及新模式,其带来的市场一体化效应、溢出效应和普惠效应必定会助推共同富裕程度快速攀升,这与上文的理论相吻合。但与此同时,随着数字经济发展到一定程度,传统产业自主创新能力不足、数字技术对外依赖较高、数字安全得不到保障等问题渐渐显现,数字经济对共同富裕的赋能效果开始变得较为缓慢。一方面,数据安全得不到保障,数据共享障碍繁多,数据确权困难重重,数据资产地位尚未确定;另一方面,数字平台的急速拓展加速形成了“一家独大”的市场格局,带来了市场垄断的问题,数据监管难以沿用传统反垄断规则。总而言之,数字经济对共同富裕的赋能效果既优势明显又困难重重,整体呈波动上升态势。当然,情况是否如此,还需要后文进一步验证和分析。

2.参数估计分析

参数部分解释变量(对外贸易依存度、市场化程度、产业集聚、外商直接投资强度以及教育发展水平)对共同富裕影响的估计结果见表5。

表5 参数部分估计系数结果

表5列出了截距项和参数变量市场化程度、对外贸易依存度、产业集聚、外商直接投资以及教育发展水平等变量影响共同富裕的估计系数。可以发现,所有解释变量的估计系数均在5%的水平上显著,且拟合效果非常好。具体来看,产业集聚对共同富裕有显著的负向影响。产业集聚程度较高,在一定程度上虽然可以降低生产成本、增强区域联系、提升经济收益,但同时也会带来负面影响。例如,产业集聚使资源汇集在同一个区域内,形成了一定的市场垄断,从而进一步拉大了区域间差距,阻碍了全体人民共享成果的步伐。当负面影响超过正向影响后,产业集聚掣肘着我国的共同富裕与经济均衡增长。市场化程度、对外贸易依存度以及外商直接投资等变量对共同富裕均有显著的正向影响。新发展阶段,破除市场分割与地区保护、加快构建全国统一大市场以及积极构建新发展格局,有助于迸发数据活力,并为数字经济带动共同富裕提供内在动力。同时,教育发展水平的提高也显著促进了共同富裕的实现。

(二)稳健性检验

为了验证上述半参数可加面板模型的估计结果是否可靠,本文运用加入平方项的静态面板固定效应模型与面板门限回归模型进行稳健性检验。

1.面板固定效应模型

由于半参数可加面板模型的估计结果显示了数字经济发展水平与共同富裕之间存在非线性关系,因此本部分根据其拟合的图形结果将数字经济的二次项纳入控制模型中,重新对变量间的关系进行验证。使用的面板回归模型如下:

(5)

变量定义与上文一致,具体结果见表6。

在实证分析中,首要步骤是模型的识别与选择。②从表6可以发现,首先,Hausman Test、LM Test和F Test均在1%的水平下不接受原假设,所以选择固定效应;其次,需要对模型的随机扰动项进行截面相关、自相关及异方差这三大问题的检验。③检验发现,误差项存在自相关、截面相关与异方差的问题。基于上述原因,我们选择上表中的Driscoll-Kraay标准误模型作为基准回归模型。该模型在面板双固定效应模型的基础上解决了以上三大问题,结果更加可靠稳健。观察该模型估计结果发现,数字经济是共同富裕显著的驱动力。具体来看,数字经济的一次项系数为正,二次项系数显著为负,意味着面板回归结果中,数字经济的驱动效应先增加后减少,其形状与上文半参数估计结果基本相符,同时也验证了H1与H2。

控制变量中,市场化程度、对外贸易依存度、外商直接投资以及教育发展水平对共同富裕大多具有显著的正向拉动作用。主要原因分别是:(1)加快市场化进程,不仅有助于形成自由、平等、良性的市场竞争,还会促进自由资源配置的合理化,进而打破区域分割,加速推动共同富裕;(2)对外贸易强度越大,中国与世界的关系越密切,越有助于吸收国外先进技术与资本投资,节约本国的生产劳动、提高人民收入与经济效益;(3)积极引进外资有助于吸纳更多的劳动力就业,同时可以促进农民增收、减缓城乡差距;(4)加大教育投资不仅有助于提高一国的劳动力质量,提升大众的知识文化水平,为推动科技飞跃提供深厚的根基与保证,还可以优化人才结构,传播科学知识,使科学知识转化为现实生产力,提高人的职业技能,创造出更多的社会财富。而产业集聚对共同富裕具有显著的抑制作用,原因可能在于产业集聚会拉大区域差距,不利于区域协调均衡发展。当产业分散于全国各地,企业生产链的上游企业提供资金与技术,下游企业提供劳动力与机器设备,整个生产链所在区域的人民收入都会提高,从而有助于促进区域间经济均衡增长,进一步加速实现共同富裕。另外,参数部分变量的待估计系数均与半参数估计结果整体趋于一致。基于此,模型设定更加可靠稳健。

2.面板门限回归模型

为验证半参数可加面板模型非参部分拟合的非线性结果,本文基于面板门限模型探究数字经济在不同水平下对共同富裕的赋能效果。具体面板门限模型如下:

Cpit=β0+β1Digit×I(Digit≤γ)+β2Digit×I(Digit>γ)+λjXit+ui+εit

(6)

其中,γ表示门限值,β0、β1、β2、λj表示待估参数,其他变量同上。估计结果见表7。

表7 面板门限回归模型估计结果

表7列出了面板门限回归结果,即不同数字化程度下,数字经济对共同富裕的赋能效果存在差异。首先利用Bootstrap进行门限值检验,可以看出只有第一个门限值在5%的水平下通过了检验,说明该模型只存在一个门限值0.213,门限估计值似然比函数图见图2。接下来估计核心解释变量数字经济在不同数字化程度下的系数。当数字化程度小于0.213时,数字经济的估计系数显著为正,且为0.341;当数字化程度超过0.213时,数字经济的系数变小(0.154),说明数字经济可以明显驱动共同富裕,但随着数字化程度的加深,数字经济对共同富裕的驱动作用逐渐变弱,赋能效果出现“边际效应递减”的非线性特征。这不仅验证了假设2,也与半参数估计结果相一致,进一步说明了上述估计结果的稳健性。

图2 门限估计值似然比函数图

(三)内生性检验

为解决内生性问题,如数字经济发展和共同富裕水平互为因果、模型遗漏重要变量等,本文借鉴韩亮亮等[27]与向云等[1]的做法,选用工具变量法与动态面板模型两种方法进行检验。

1.工具变量法

本文借鉴韩亮亮等[27]的思想,选择1984年每百人固定电话与数字经济发展水平的滞后一期的交乘项以及1984年各省万人邮局数与数字经济滞后一期的交互项作为当期数字经济发展水平的两个工具变量,同时纳入模型中,运用两阶段最小二乘估计的方法进行内生检验。检验结果见表8。

表8 两阶段最小二乘估计结果

表8报告了固定效应两阶段最小二乘估计,随机效应两阶段最小二乘估计以及面板固定效应的回归结果。首先利用Hausman Test进行模型选择,可以发现模型在1%的水平下拒绝原假设,所以选择固定效应两阶段最小二乘估计,即表8第2列。从该列可以看出,模型在1%的水平下通过了弱识别性检验、内生性检验以及外生性检验,选取的工具变量均是有效的。利用工具变量法缓解了内生性问题后,数字经济与共同富裕仍呈现正相关,进一步验证了模型的稳定性与可靠性。

2.动态面板模型

建立动态面板模型,对模型的内生性进行验证。公式如下:

(7)

式(7)中,L.Cp指被解释变量共同富裕的滞后一期,其余变量与上文相同。⑤具体估计结果见表9。

表9 动态面板回归结果

从表9可以看出:一方面,上述模型的残差均不具有二阶自相关性;另一方面,根据过度识别(Hansen)检验可以发现,所有工具变量都是有效的,为外生变量,不存在过度识别问题,系统GMM估计结果是有效的。F检验结果表明,解释变量系数为0的原假设未能通过显著性检验,表明回归结果整体显著。从检验结果来看,被解释变量共同富裕的一阶滞后项的检验结果均显著。同时,动态面板估计结果与静态面板模型估计结果大致相同,各变量的系数和显著性也无明显差别,进一步证明了模型的稳健性。

五、异质性分析

依据前文的理论分析发现,数字经济对共同富裕具有差异化影响。为了验证该理论,本文从不同维度、不同发展水平及不同区域三个方面对数字经济影响共同富裕的异质性效果进行分析。

(一)分维度异质性

表10报告了数字经济三个分维度影响共同富裕的回归结果。第(1)—(4)列分别显示数字经济综合水平、数字基础设施、数字产业化以及产业数字化对共同富裕的影响。对比发现,数字经济、数字基础设施、数字产业化的回归系数均显著为正,产业数字化的系数不显著为正,且数字基础设施对共同富裕的促进效应最大,数字产业化次之,产业数字化影响最小。

表10 分维度异质性分析结果

存在这种差异的可能原因在于:第一,作为数字经济的重要组成部分,数字基础设施的建设不仅助力推进基本公共服务均等化,还可以加速智慧城市和数字乡村建设,缩小城乡与区域差距,进而夯实共同富裕的基础保障;第二,数字核心技术与传统产业融合是一个持久的过程,目前融合的广度和深度仍有待加强,因而产业数字化的赋能效果反而有限;第三,产业数字化虽然在一定程度上会助推我国经济高质量发展,但产业数字化同时也会带来低技能劳动力失业、数字鸿沟拉大、企业或行业垄断等问题,从而导致贫富分化,不利于共同富裕。因此,在一定程度上验证了H3。

(二)不同发展水平与不同区域的异质性

表11报告了面板分位数回归结果与分区域分析结果。从表11第(2)—(4)可以看出,随着共同富裕程度的提高,数字经济对共同富裕赋能效果逐渐减弱。对比0.25、0.5以及0.75三个分位点下数字经济对共同富裕的估计系数可以发现,随着分位点的增加,数字经济的估计系数逐渐从0.475降低到0.399再下降至0.333,说明共同富裕水平越高的地区,数字经济的赋能效果越小。从(5)—(6)列可以看出,东部地区数字经济赋能效果弱于西部地区,西部地区又略逊于中部地区。⑦这可能有两方面的原因,一是共同富裕与数字经济具有较高的一致性与同步性,即共同富裕程度较高的地区也是数字经济发展较快的地区,并且同时大多集中在东部地区。相较于中西部地区,东部地区本身经济就比较发达,人民富裕程度也较高,加大数字技术投资力度对该地区共同富裕的边际效应不如西部地区的边际效应大。二是目前西部地区受政府扶持力度较大,并且具有较为丰富的资源禀赋,一方面加大数字经济投资力度,有助于推进产业数字化,改善人民生活水平,另一方面把握当下数字经济发展机遇,有助于缩小东西部区域差距,实现弯道超车。这进一步验证了H3,即数字经济会加速驱动实现共同富裕,但也会随着共同富裕程度的提高,促进作用逐渐减弱。

表11 不同发展水平与不同区域估计结果

与已有文献相比,本文更侧重于利用非参数估计与参数估计相结合的方法,对数字经济与共同富裕间的非线性关系进行研究。实证发现:第一,数字经济对共同富裕拒用正向驱动作用,但赋能效果呈现“边际效用递减”非线性特征;第二,数字经济对共同富裕的影响在不同维度、不同发展水平以及不同地区都存在显著差异。该研究不仅验证了前人数字经济赋能共同富裕的结论,还进一步阐述了二者的非线性关系,对其异质性影响进行了论述。

六、结论与政策建议

依托于2011—2020年30个省份的面板数据,本文以数字经济与共同富裕之间的关系为主线,通过构建半参数可加面板模型、面板固定效应模型以及动态面板模型,对数字经济的赋能效果进行了详细阐述,并得出了以下两个结论:第一,数字经济对共同富裕呈现显著的正向影响,但该影响因数字化程度的不同而呈现“边际效用递减”的非线性特征。第二,数字经济对共同富裕存在异质性影响。分维度看,数字基础设施的赋能作用最大,数字产业化效果最小,而产业数字化的赋能效果介于二者之间;分地区看,数字经济对东部地区的共同富裕影响低于中西部赋能效果;在不同的共同富裕水平下,随着共同富裕程度的加深,数字经济对共同富裕的促进效应逐渐降低。

根据本文研究的结论,并结合新时代中国数字经济发展与实现共同富裕面临的困境,提出如下政策建议:

第一,大力发展数字经济,发挥规模经济效应,弥合数字经济边际效应递减的趋势,作为其可持续的内生动能,推动高质量发展,保证共同富裕的实现。具体来讲,就是发挥数字要素作为新生产要素的重要推动力,加快数字产业化发展;加强以5G为核心的数字基础设施建设投入,为数字经济新动能提供设施基础;推动要素配置效率和企业的数字化水平,推动传统产业转型升级,实现产业数字化。通过上述三个方面,做到数字技术与传统产业相融合,创新驱动传统制造业发展,以数字技术催生新业态与新就业,缩小城乡差距与收入差距,尽可能实现公共服务均等化与社会福利最大化,加速实现共同富裕。

第二,从数字经济赋能共同富裕的异质性分析结果来看,各区域要有针对性地制定差异化的发展策略。如东部地区需要在巩固自身地理位置与经济发展优势的基础上创新突破,发挥浙江、江苏等数字经济与共同富裕示范区的作用,以先富带动后富,积极推动整个东部地区经济更高更快发展;中西部地区应以补短板为主,加强新型数字基础设施建设,抓住数字经济发展机遇,充分利用其技术溢出和知识溢出效应,大力引入先进的科学技术、吸引高素质人才和外商投资等。要大力发展传统产业,鼓励新兴产业,努力缩小地区差距,构建有助于数字经济发展的社会环境,使数字红利能够早日惠及全中国所有人民。

[注 释]

① 《“十四五”数字经济发展规划》中,数字经济被定义为“以数据资源为关键要素,以现代信息网络为主要载体,以信息通信技术融合应用、全要素数字化转型为重要推动力,促进公平与效率更加统一的新经济形态”。

② 模型的选择与识别:第一步,用F检验方法比较混合回归模型(PLS)和固定效应模型(FE),若p值大于0.05,不拒绝原假设,则不存在固定效应,选择PLS,反之,则可能选择FE;第二步,用LM检验比较混合回归模型(PLS)和随机效应模型(RE),若p<0.05,拒绝原假设,误差项存在一阶自相关,随机效应存在一阶自相关,则选择随机效应;第三步,用Hausman 检验比较固定效应模型FE和随机效应模型RE,若p<0.05,拒绝原假设,选择固定效应模型。

③ 误差项的三大问题检验:第一,截面相关检验。用Free’s test来验证是否存在截面相关问题,若Free’统计量实际值大于1%水平下的临界值,则拒绝原假设,说明模型有截面相关问题。第二,异方差检验。Modified Wald Test用来检验残差是否存在异方差,发现Modified Wald Test结果在1%的水平下不接受原假设,说明误差项存在异方差问题。第三,自相关检验。采用Wooldridge Test来检验残差是否存在自相关,发现Wooldridge Test结果在1%的水平下不接受原假设,模型存在自相关问题。

④ 外生性检验(Sargan Test)用来检验外生性问题,原假设是工具变量与误差项不相关;内生性检验(Endogeneity Test)用来检验核心解释变量是否存在内生性问题,原假设为核心解释变量与误差项不相关;相关性检验即弱识别性检验(Weak Indentify Test),用来检验工具变量是否为弱工具变量,原假设是工具变量与核心解释变量不相关。

⑤ 为保证GMM估计的一致性,必须保证不存在自相关且工具变量与误差项不相关。因而用Arellano-Bond的自相关检验方法进行检验,要求检验结果“存在一阶自相关性”且“不存在二阶自相关”,同时使用Hansen过度识别约束检验对所用的工具变量的有效性进行检验。

⑥ AR(1)、AR(2)检验的零假设为残差不存在一阶、二阶自相关;Hansen检验的零假设为工具变量与残差无相关性,即模型不存在过度识别;F检验的零假设为回归方程解释变量系数为0。

⑦ 根据“七五计划”与《中国卫生健康统计年鉴》,目前我国东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省(市);中部和西部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等20个省(市、自治区)。