数字经济对效率与公平的影响研究

台德进,蔡 荣

(1.南京财经大学 粮食和物资学院,江苏 南京 210003;2.滁州学院 经济与管理学院,安徽 滁州 239000)

一、引 言

提效率和促公平是化解新时期中国发展不平衡不充分矛盾的必然选择,也是提高全体人民生活质量和幸福感的价值所向。在市场机制改革、对外开放以及乡村振兴等一系列强国惠民政策推动下,中国经济取得了极大发展,成为世界第二大经济体,并进入世界中等收入水平国家行列。然而,目前中国在推进经济效率与社会公平的过程中依然面临着前所未有的复杂局面。一是创新驱动效果还未充分显现,依靠要素驱动和投资驱动增长方式带来的增长效率不高。2020年,中国劳动生产率(以美元计的就业人口人均产值)约为美国等发达国家的1/5,仅相当于俄罗斯等新兴经济体的1/2。二是地区之间、行业之间、城乡之间资源分配和共享问题矛盾突出。目前中国城乡居民可支配收入之比为2.6∶1,远高于发达国家1.5∶1的平均水平。三是如何在实践中处理好效率与公平的关系依然处于艰难探索之中,在官员晋升和绩效考核机制下,“重效率、轻公平”的思想仍然存在。对此,党的十七大、十八大和十九大相继提出要兼顾效率与公平,再次分配更加注重公平的发展原则。很显然,提效率、促公平,实现两者协调发展具有重大意义。

在大数据、云计算、人工智能等新一代科技革命和产业革命加速推进下,数字经济在全球范围内得到快速发展,中国也不例外。蓬勃发展的数字经济为提升经济效率和促进社会公平提供了难得的机遇,由此引起了学者们的研究兴趣。在效率方面,一方面数字经济能够打破空间束缚,加强区域联动,同时弱化市场分割和促进区域创新,对提升经济效率具有积极效应[1-2];另一方面数字经济作为一种新的经济形态,对传统产业具有技术溢出和技术冲击效应,能够颠覆传统产业生产模式并促进传统产业数字化改造,对提升效率起着重要作用[3-4]。此外,数字经济凭借其信息优势和技术优势也有助于提升资源配置效率,促进城乡融合和推动乡村振兴[5]。在公平方面,一些学者研究认为数字经济通过提高农村居民收入水平、人力资本水平和降低个人经济活动成本而显著促进了包容性增长[6-7]。然而,有学者研究发现数字经济与城乡收入差距之间呈U型关系[8]。

已有研究对数字经济与效率以及数字经济与收入分配之间的关系展开了有益探讨,为后续的研究提供了参考。现有研究还存在以下不足:第一,对数字经济、经济效率、社会公平三者分别予以研究或者对其中两者的关系进行探讨,没能将三者纳入一个完整的分析框架内加以探究。第二,在分析效率时,大多以全要素生产率或者劳动生产率等单一指标作为衡量标准;在研究社会公平时,大多以城乡收入差距大小作为评判标准,所得结论解释力较弱。第三,对于数字经济背景下效率与公平两者间的关系还不能给出答案。数字经济是否兼顾了效率与公平?如果兼顾,那么数字经济影响效率与公平的机理又是什么?数字经济是更多地促进了效率还是更多地促进了公平,在高质量发展背景下该如何协调二者之间的关系呢?

为了回答上述问题,本文首先结合已有理论并根据中国实际,多维度构建指标体系综合测度数字经济、效率和公平发展水平;然后从农业劳动力转移和市场规模两个角度分析数字经济影响效率与公平的内在机理,并给予实证检验;最后考察数字经济对效率与公平相对发展趋势的影响,提出三者协调发展的政策建议。与已有文献相比,本文将数字经济、效率与公平置于一个统一的分析框架内加以研究,挖掘三者之间的内在联系,这不仅扩大了数字经济的研究范畴,也为一直以来颇受关注的效率与公平问题寻求新的解释。

二、理论分析与研究假说

学界对数字经济如何影响效率或公平讨论颇多。部分研究认为技术进步和产业结构合理化是数字经济影响经济效率的关键路径,认为收入变化是数字经济影响公平的主要渠道。笔者认为,数字经济本身包含大量的技术和信息化元素,是技术进步的典型体现,即数字经济与技术进步高度相关,故技术进步不是本文理想的中介变量。此外,产业结构合理化和居民收入变化是建立在劳动要素自由流动基础之上,数字经济首先促进了劳动力流动而不是产业结构变化或收入变化。事实上,近些年中国在劳动要素流动和产品要素流动两个方面发生了显著变化,以农业劳动力为典型的劳动要素在城乡间频繁流动成为举世瞩目的焦点。此外,农村部门产品和城市部门产品共享性大幅度提升。劳动要素和产品要素流动是其他变量发生嬗变的基础,无流动则既无效率亦无公平。因此,本文将视域转向农业劳动力转移和市场规模,旨在对数字经济影响效率与公平的机理做出更深入的分析。

首先,数字经济通过促进农业劳动力转移影响效率与公平。经济学家普遍认为在边际报酬递减规律作用下任意两种生产要素之间都存在合适的投入比例。伴随数字经济向农业农村渗透,数字技术和数字信息只需要较少的劳动与之相匹配便能支撑整个农业生产,从而大量农业隐蔽性失业人群被逐步释放,由此产生三个方面的效应:

第一,生产规模化效应。中国是一个典型人多地少的国家,农业资源匮乏,人均耕地面积不足世界平均水平的40%,在数字经济推动下被释放出来的农业劳动力转移至非农部门,一定程度上缓解了人地矛盾,为农业规模化、机械化经营提供基础,有助于提升生产效率、降低生产成本。

第二,居民收入增长效应。被释放出来的农业劳动力积极参与非农生产,获得了比从事农业生产更高的收入,也直接或间接享受到了城市部门提供的工业产品和公共服务,比在农村获得更多的效用。城乡收入差距缩小是社会公平的核心内容,也是提高经济效率的前提[9]。

第三,产业结构合理化效应。目前中国第一产业比较劳动生产力(1)比较劳动生产力等于某一产业产值比重与该产业就业人员比重之比,该比值越接近于1,表示该产业结构越合理。过小,而第二、三产业比较劳动生产力过大,在数字经济推动下,从农业部门转移出来的劳动力根据自身禀赋在更为广泛的空间里调配劳动资源和生产资源,引发农村隐蔽性失业人数逐渐减少,第二、三产业就业人数不断增长,这既赋予了农村生产活力又支持了城市发展,引致产业结构得以重组并趋于合理。产业结构合理则意味着“人尽其才、物尽其用”的格局逐渐形成,既有利于提升效率,也有利于促进公平。

在早期阶段,数字经济打破了城乡分割状态,实现了人口迁移流动,迈出了城乡要素融合的第一步,对推动社会公平尤其是缩小城乡收入差距起到了关键性作用。然而,数字经济与知识密集型和技术密集型产业结合密切,进城务工人员由于缺乏知识和技术而被迫从事低技能、低工资工作,从而产生数字鸿沟。刘欢认为数字鸿沟带来的“逆城镇化”降低了农业转移人口的工作稳定性,长期中会显著扩大城乡收入差距[10]。此外,目前在户籍制度限制性条件下新产业工人市民化任重道远,加之不断上升的教育、医疗和住房成本以及公共服务还无法全覆盖等问题可能会反过来引起公平程度降低。因此,早期阶段数字经济引起农业劳动力转移将改善社会公平程度,但数字经济进一步发展所带来的数字鸿沟以及其他系列问题将给转移出去的劳动力带来负面冲击,从而引致不公平。

其次,数字经济通过扩大市场规模影响效率与公平。数字经济凭借其信息优势,借助网络媒介能够突破空间束缚、打破市场分割、加强地区联动,有助于促进全国统一大市场形成,从而间接作用于效率与公平。

第一,从空间角度看,数字经济拉近了生产者与消费者的距离,生产者根据市场需求状况合理安排产量,决定生产规模,然后在一个更为广泛的空间内合理调配产品,避免因信息不对称而造成的资源错配以及由于需求市场狭小而引致的生产不规模或产品库存挤压现象,从而在实现产品和资源城乡共享时,生产效率也得以提升。

第二,从时效角度看,与信息不对称的传统交易模式相比,在数字技术和数字信息帮助下,交易者能够以更快的速度和更低的成本完成交易,特别对农产品而言,数字经济有助于解决物流链条长、中间环节多和两端收益低的问题,变相增加了交易者收入。便捷、快速、高效的交易活动有助于降低成本、增加收益、促进生产、提质增效。

第三,从资源共享角度看,包含网上农贸市场、数字农家乐、特色旅游、特色经济和招商引资等内容的农村电子商务服务得到了前所未有的发展,这为实现城乡融合和扩大农产品销售市场提供了基础[11]。同时,借助于电商物流平台,广大农村地区也可以买到城市部门生产出来的产品,促进了产品双向流动。

数字经济向农业农村蔓延带来了产品交易市场规模扩大,早期阶段对信息资源共享、居民收入尤其是农村居民收入增加起到了重要推动作用,但随着市场规模继续扩大,地区间尤其是城乡间的“数字鸿沟”开始显现,表现为越来越依靠大数据、人工智能、云计算和区块链技术推动的数字经济对人力资本的要求越来越严格。由于农村人力资本、经济条件和创业机会有限,在新一轮数字经济冲击下,市场规模扩大给个人带来的回报率在城乡之间开始发生显著差异[12]。此外,由于市场规模扩大,农村劳动力尤其是农村青壮年从农业部门脱离出来从事产品流通及其他非农行业,由此导致农村人力资本缺失,“数字鸿沟”进一步加深。

基于以上分析,数字经济通过农业劳动力转移和市场规模扩大路径引致农业生产趋于规模化、产业结构趋于合理化以及农民收入增加和信息资源城乡共享等系列效应,推动了经济效率提升,在早期阶段,也促进了社会公平。随着数字经济的进一步推进,地区间、城乡间“数字鸿沟”会愈发明显,由此引起的机会不均等、服务不均等问题又将会抑制社会公平。因此,本文提出以下研究假说:

假说1:数字经济有助于提升经济效率。

假说2:数字经济通过农业劳动力转移和市场规模扩大渠道提升经济效率。

假说3:数字经济通过农业劳动力转移和市场规模扩大渠道先促进后抑制社会公平,引致数字经济与公平呈倒U型关系。

根据以上分析,可以预判,随着数字经济深入推进,效率与公平的相对差距也会凸显。数字经济作为一种先进的生产力,对效率的影响一般不会出现明显的抑制效应,会始终发挥积极推动作用。但是,与效率不同,公平涉及区域间、城乡间的差异化问题,反映的是社会生产关系问题。通常,数字经济会引起社会内部结构的变化,从而对公众的就业、收入、服务等重组再造。公平程度也会随着数字经济的发展而变化,在前期数字经济有助于促进公平,之后则逐渐产生抑制效应。因此,本文提出以下假说:

假说4:数字经济更加侧重于效率提升,随着数字经济的进一步发展,效率与公平的矛盾将会凸显。

三、核心指标的测算:数字经济、效率及公平

(一)数字经济发展水平测度

关于数字经济内涵,许多国际组织和机构都做出了界定。其中,以2016年G20杭州峰会发布的《二十国集团数字经济发展与合作倡议》中的定义最具代表,即数字经济是以数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。之后,中国信息通信研究院发布的《中国数字经济发展与就业白皮书(2019)》对这一概念进行了进一步内涵解析,指出数字经济包含数字产业化和产业数字化两个方面。其中,数字产业化主要指信息通讯产业,包括电子信息制造业、软件和信息技术服务业、电信业、互联网行业等;产业数字化主要指数字技术在传统产业中的应用。近年来,不少学者从数字产业化和产业数字化两个方面选择指标对中国数字经济发展水平予以测度。本文根据数字经济的内涵,并参考已有文献,从电子信息制造业、电信业和互联网等9个维度选择25个指标对数字经济发展水平进行测度,具体如表1所示。

表1 数字经济测度指标体系

在量化操作时,本文采用精确度高、不易受人为因素干扰的熵权法对数字经济发展水平进行测度,结果如图1和图2所示。图1表明,中国数字经济发展迅速,综合指数从2001年的0.015增长至2020年的0.435。图2表明,上海、广东和北京位于中国数字经济发展的第一梯队,江苏和浙江其次,青海和宁夏位于最后梯队。为了说明本文测算结果的可靠性,将各省份的测算结果排名与在上海举行的首届中国城市数字经济论坛发布的《中国区域与城市数字经济发展报告》中关于中国各省份数字经济发展水平的排名相比较,结果显示并无显著差异。

图1 2001—2020年中国数字经济发展水平

图2 2001—2020年各地区数字经济发展平均水平

(二)效率发展水平测度

已有文献对效率的测度方法可以分为两类,一类是以计量经济学为主的参数方法;另一类是以数学规划为主的非参数方法。通过对这两类方法进行整理归纳可以发现,大多数学者使用了全要素生产率或者劳动生产率来衡量效率。实际上,效率不仅仅包括生产效率,还包括资源配置效率、经济结构优化程度以及资本效率等[13]。前文理论分析认为,数字经济凭借其信息优势和技术优势驱动劳动要素和产品要素流动,引致经济规模扩大、产业结构更加合理、生产效率和技术效率更高、资源配置更有效率,从而提升整个社会的经济效率。因此,本文参考叶晓佳等的研究方法,从以下5个维度选择指标对中国及各地区效率水平给予综合测度,具体如表2所示[14]。

表2 效率指标体系构建

同样,使用熵权法测算得到2001—2020年中国经济效率变化状况,如图3所示。可以看出,中国经济效率增长趋势明显,效率综合指数从2001年的0.180增加至2020年的0.784,年均增长率为8.05%。受2008年世界金融危机影响,2009年的效率水平有所降低,但之后又以较快的速度增长。分地区看,北京、上海、浙江、广东和江苏的效率水平较高,山西、湖北、重庆、甘肃和湖南的效率水平较低(见图4)。进一步计算发现,中国经济效率呈现东部高、中西部低的基本格局。其中,东部地区效率平均水平为0.497,中部地区和西部地区分别为0.459和0.461,这一结论与以往的相关研究结果一致[16]。

图4 2001—2020年各地区效率发展平均水平

(三)公平发展趋势测度

值得指出的是,公平不等同于平等,平等强调的是“相等”的意思,而公平体现的是“合理性”,是符合目的性和符合规律性的统一[13]。公平也不完全等同于收入公平或分配公平,它包括起点公平、过程公平和结果公平。起点公平主要指机会公平(教育、就业、医疗等机会公平),过程公平主要指规则公平(法律法规、政策制度等设计公平),结果公平主要指利益分配公平(收入、消费等公平)。考虑到过程公平难以量化,并且起点公平和结果公平在很大程度上也能够体现出过程公平,因此本文从起点公平和结果公平两大层面衡量社会公平程度。有学者从就业、教育、医疗、收入和消费等5个方面选择指标体系对中国公平发展水平进行测度[17-18]。借鉴此做法,本文也从这5个方面对社会公平予以综合测度,具体指标如表3所示。

表3 公平指标体系构建

经熵权法测度得到2001—2020年中国社会公平发展状况,如图5所示,中国社会公平程度得到了较大改善,指数从2001年的0.129增长至2020年的0.329。其中,2001—2016年,公平指数增长强劲,在2016年达到最大值0.590;2017—2020年,公平指数下降趋势明显,出现了效率与公平背道而驰的现象。地区间公平指数差异较为明显(见图6),辽宁、北京、青海、宁夏和黑龙江公平指数位居前五,而湖北、广东、河南、四川和广西公平程度比较靠后。整体上公平指数呈现“东—西—中”递减趋势。

图5 2001—2020年中国社会公平发展水平

图6 2001—2020年各地区社会公平发展平均水平

综合来看,整体上数字经济指数与效率指数呈同一方向变化,似乎正向关联;数字经济与公平呈倒U型变化趋势。那么数字经济与效率、公平之间的这种关系是否真实存在呢?这还需要做进一步实证检验。

四、实证分析

(一)计量模型设定

本文构建面板固定效应模型检验数字经济对经济效率和社会公平的影响。选择面板固定效应模型的原因包括:一是面板固定效应模型能够解决不随时间变化的不可观测因素与核心解释变量相关所引起的内生性问题;二是Hausman检验结果表明面板固定效应模型要优于面板随机效应模型。模型表达式如下:

(1)

其中,i表示省份、t表示年份,被解释变量y分别表示效率(effic)和公平(fair),核心解释变量为数字经济发展水平(digital),以上变量使用上节测度的指数表示。此外,图5中公平曲线出现了转折点,故在模型中加入数字经济的二次项,可准确捕捉变量之间可能存在的倒U型关系。此外,考虑到现实中存在诸如突发事件、宏观政策等随时间而变以及地理因素、地域文化等不随时间而变的因素对效率与公平的影响,故在模型中加入时间固定效应νt和个体固定效应ui,εit表示随机扰动项。X为影响公平与效率的控制变量集合,参考已有文献,本文的控制变量选择如下:

基础设施建设水平(infra)。完善的基础设施拉近了地区间距离,促进了要素跨区域流动,对效率与公平产生深远影响。该变量使用人均公路、铁路和内河航运里程数表示。

对外开放水平(open)。对国内国外两个市场两种资源的充分利用既有助于提升本国居民收入水平和福利水平,又有助于资源的合理配置与使用,从而对效率与公平产生影响。该变量用进出口总额占地区生产总值比重来表示。

资本开放水平(cap)。外资具有多种经济效应,比如技术溢出效应、资本积累效应、就业效应和产业结构调整效应等,与效率和公平有着千丝万缕的联系。该变量用外商直接投资占地区生产总值比重来表示。

金融发展水平(finan)。金融为经济发展提供了资金支持、带动上下游产业发展,为居民存贷款和理财投资提供了可能,与效率和公平有着密切联系。该变量用地区存贷款之和来表示。

房价水平(house)。房地产对于中国经济发展和居民生活水平有着特殊的影响,并且地区间、城乡间房价水平差距极大,在促进了效率的同时,也拉大了地区间公平差距。该变量用商品房屋单位面积均价表示。

工业化水平(indus)。工业化一方面引致了技术进步和资本增加,为中国数以亿计的流动人口提供了就业机会,但另一方面也加大了地区间社会发展不平衡性,与效率和公平有着复杂的关系。该变量用第二产业产值占GDP比重来表示。

控制变量数据来源于《中经网统计数据库》和历年各省份的统计年鉴。

(二)实证结果

1.基准回归结果

表4估计了数字经济对效率的影响情况,其中列(1)是效率对数字经济单独进行回归的结果,估计结果显示数字经济的系数显著为正,表明效率随着数字经济的发展得到了明显提升。在列(2)中纳入数字经济的二次项,结果发现数字经济的一次项系数依然为正,二次项系数在10%的水平上显著为负。当控制包括基础设施等所有控制变量以及时间效应和个体效应之后,如列(3)所示,数字经济的一次项系数依然显著为正,二次项系数则不再显著。由此可见,数字经济显著提升了经济效率,并且两者之间存在线性关系,该结论支持了本文的研究假说1。

表4 基准回归结果

采取同样的方法对数字经济与公平之间的关系进行分析,结果见表4。列(4)显示数字经济与公平显著正相关,表明数字经济有助于促进社会公平。在列(4)的基础上纳入数字经济平方项,可以观察到二次项系数显著为负,一次项系数显著为正,初步判断数字经济与公平之间存在倒U型非线性关系。列(6)显示当依次把控制变量加入模型中,并控制时间效应和个体效应之后,估计结果依然没有实质性改变。由此表明,随着数字经济的发展社会公平呈先升后降的发展趋势。该结论支持了本文的研究假说3,并且与陈文等的研究结论基本一致。此外,通过计算得到U型曲线拐点值为0.379,据此发现中国所有省份在2010年已跨越到拐点值右侧,表明现阶段数字经济对社会公平起到了抑制作用。

2.异质性分析

为检验数字经济对不同区域效率和公平的影响差异化,本文将30个省份按照国家分类标准分为东部、中部和西部三大区域,重新对基准模型进行计量回归。表5表明,当把效率作为被解释变量并控制时间效应、个体效应以及控制变量时,数字经济的一次项系数显著为正,但二次项系数不显著。其中,在东部地区数字经济的系数(0.412)大于中部地区(0.184)和西部地区(0.394)。可能的原因是相比人力资本流失严重的中部地区以及经济基础较为落后的西部地区,东部地区拥有雄厚的人力资本和信息化人才,基础设施配套也更为齐全,数字经济发展水平高于中西部地区,由此带来的效率提升幅度也显著大于其他地区。当把公平作为被解释变量并控制时间效应、个体效应以及其他变量时,数字经济的一次项系数为正,但二次项系数为负,中部和西部地区该系数均在1%的水平上显著,东部地区该系数并不显著,表明数字经济与公平之间的非线性关系普遍存在于中国的中部和西部地区。其逻辑在于:相比东部地区,中部和西部地区城乡间以及城市间差距更加突出,随着数字经济的发展,中西部地区劳动要素和产品要素流动异常显著,但由于人力资本和产业结构差异化严重,由此造成数字经济对公平的影响也更加明显。

表5 异质性分析结果

3.稳健性检验

首先,考虑内生性。考虑解释变量和被解释变量之间可能存在双向因果关系而导致模型估计结果有偏问题,本文使用工具变量法对模型予以估计。借鉴杜传忠等的研究[19],选择各地区1984年每百人固定电话数量(2)数据来源于《新中国五十年统计资料汇编》和《新中国60年统计资料汇编》。与上一年全国互联网用户数的交互项作为数字经济发展水平的工具变量,用两阶段最小二乘法(2SLS)进行回归。工具变量的选择首先满足相关性问题,因为中国互联网走进千家万户基本上是从电话线拨号接入开始的,所以固定电话普及率较高的地区也极有可能是数字经济较为发达的地区。其次,工具变量的选择满足外生性问题,因为历史上固定电话数量不太可能对现今的经济效率和社会公平造成直接影响。此外,参考许和连等的做法,直接使用数字经济滞后1期的值作为工具变量[20]。表6中倒数第四行和第五行显示工具变量通过了不可识别和弱工具变量检验,说明工具变量选择是合理有效的。回归结果显示数字经济与效率、公平之间仍然正向关联,并且在公平作为被解释变量时,数字经济的二次项系数依然显著为负,不改变基准回归的结果。

表6 考虑内生性和更换回归方法

其次,更换回归方法。在本文中效率与公平拥有相同的解释变量,如果两个方程的扰动项存在相关性,那么将两个方程联合估计可能会提高模型估计的效率,故使用似不相关回归(Seemingly Unrelated Regression)模型进行估计,结果见表6。可以看到,回归结果与前文所得结论保持一致。该结论再次支持了本文的假说1和假说3。

4.中介机制检验

前文理论分析认为,农业劳动力转移和市场规模扩大是数字经济影响效率与公平的两条重要路径,为检验上述机制是否存在,本文借鉴温忠麟等的做法[21],建立如下中介效应模型:

(2)

(3)

(4)

其中,med表示中介变量,即农业劳动力转移数量(trans)和市场规模(market),其他变量定义不变。采用何建新等的做法,定义农业劳动力转移数量等于农村实际从业人员数与第一产业从业人员数之差[22]。Mayer等认为一国消费者的数量或收入可以作为市场规模的衡量指标,考虑到部分发达国家或地区人口数量变化较小甚至出现负增长现象,Mayer等人最终使用GDP来表示一国市场规模的大小[23]。陈金丹等人在此基础上对市场规模指标进行了微调,使用GDP与净出口差额表示[24]。因此,遵循该做法,本文使用GDP与净出口差额作为市场规模的衡量指标。

表7中列(1)和列(6)等同于表4中的列(3)和列(6)。列(2)是把农业劳动力转移作为因变量,把数字经济作为核心解释变量时的估计结果,可以看到,数字经济系数显著为正,表明数字经济对农业劳动力转移起到了推动作用。列(4)将效率作为因变量,并控制其他变量、时间效应和个体效应,结果显示数字经济和农业劳动力转移的系数显著为正,数字经济二次项的系数为负,但不显著,表明数字经济能够通过农业劳动力转移渠道提升经济效率,该结论支持前文的研究假说2。列(7)将公平作为因变量,并控制其他变量、时间效应和个体效应,结果显示数字经济和农业劳动力转移的系数均在1%的水平上显著为正,数字经济二次项的系数显著为负,表明数字经济通过农业劳动力转移路径先促进后抑制了社会公平,引致数字经济与公平呈倒U型关系。按照同样的方法,根据列(1)、列(3)和列(5)得知数字经济能够通过市场规模路径提升效率。根据列(3)、列(6)和列(8)得知数字经济也能够通过市场规模路径促进公平。以上结论支持了本研究假说3。

表7 中介机制检验结果

五、进一步分析

(一)效率与公平联合效应检验

前文对数字经济与效率以及数字经济与公平单独展开了探究,得到数字经济与效率呈线性关系、与公平呈非线性关系的结论。当综合考虑效率和公平时,将会引出以下两个问题:一是数字经济是否有助于提升效率和公平的联合效应?二是数字经济是更多地促进了公平还是更多地促进了效率?对于第一个问题,本文借鉴Sen等人提出的社会福利函数的一般形式予以解决[25]。其函数表达式为:SW=W×exp(-I),其中,SW、W和I分别表示社会福利水平、经济发展水平和不均等程度。因此,本文可以将效率和公平的联合效应定义为:

EF=effic×exp(fair)

(5)

其中,effic表示效率(经济发展水平),fair表示公平(不均等程度)。根据前文的讨论,效率和公平均是数字经济(digital)和其他变量(X)的函数,所以有:

effic=f(digital,X)

(6)

fair=g(digital,digital2,X)

(7)

EF=f(digital,X)×exp(digital,digital2,X)

(8)

根据式(6),对数字经济求偏导,得到数字经济对效率和公平联合效应的边际影响:

∂EF/∂digital=∂f(digital,X)/∂digital×exp[g(digital,digital2,X)]+f(digital,X)

×exp[g(digital,digital2,X)]×∂g(digital,digital2,X)/∂digital

(9)

结合表4和表5的回归结果得到:

∂f(digital,X)/∂digital=∂effic/∂digital=0.885

(10)

(11)

将式(10)、式(11)和具体数值带入式(9)便可得到数字经济对效率和公平联合效应的影响及其边际影响,结果见图7和图8。可以发现,数字经济与联合效应显著正相关,表明随着数字经济的发展,效率与公平整体上得到了提升。值得指出的是,效率意味着“做大蛋糕”,实现国家富裕,公平意味着“分配蛋糕”,实现全民富裕。因此,数字经济对效率和公平的推动意味着共同富裕进一步实现。然而,数字经济的边际影响呈倒U型状态,即数字经济对效率与公平联合效应的影响先增强后减弱,原因在于公平随数字经济的发展呈倒U型状态。

图7 数字经济与效率公平联合效应

图8 数字经济对效率公平联合效应的边际影响

(二)效率与公平相对发展趋势检验

对于第二个问题,需要回答的是数字经济是效率偏向型还是公平偏向型。为了解决这一问题,本文接下来将检验数字经济对效率与公平相对发展趋势的影响,建立如下模型:

(12)

其中,rate表示效率与公平的相对比值,其他变量含义不变。从表8中的列(1)可以看到数字经济的系数为正,且在1%的水平上显著,表明效率与公平的相对比值整体上随着数字经济的发展而上升。当考虑数字经济二次项时,发现效率与公平的比值与数字经济呈U型关系。根据图5可知,公平先以较快的速度上升然后呈下降趋势,故效率与公平的比值也随着数字经济的发展而变化。在列(3)中继续加入控制变量,依然不改变列(1)、列(2)的结论。列(4)将所有变量纳入模型,并控制时间效应和个体效应,结果发现效率与公平的相对比值与数字经济正向关联。综合起来,伴随数字经济发展,效率与公平的相对发展趋势出现了背离,即在数字经济推进过程中效率提升快于公平,出现公平滞后于效率的现象。该结论支持了研究假说4。

表8 效率与公平相对发展趋势检验结果

(三)考虑政策调节效应

党的十七大报告提出“初次分配和再次分配都要处理好效率与公平的关系,再分配更加注重公平”,党的十八大报告和党的十九大报告相继强调了这一发展原则。不难看出,在经济高质量发展的今天,效率与公平能否“珠联璧合”是“国之大者”。随之而来的第三个问题是数字经济发展背景下如何处理好效率与公平的关系?对于此问题,答案也许不唯一,但政府作为市场机制缺陷的弥补者和调控者的角色是必不可少的。因此,接下来本文从收入和支出两个层面衡量在数字经济发展过程中政府行为对效率与公平的影响作用。其中,收入(tax)用个人所得税占税收收入的比重表示,衡量的是政府在收入方面发挥的调节作用;支出(exp)用财政支出占GDP的比重表示,衡量的是政府在支出方面发挥的调节作用。分别用以上变量与数字经济变量交叉相乘以考察变量的联合效应。

表9中列(1)显示数字经济与税收的交叉项的系数为负,且在1%的水平上显著,表明税收调控政策弱化了数字经济对效率与公平相对比值的正向作用,即政府的收入调控政策有助于缩小效率与公平之间的相对差距,推动两者朝着收敛的趋势发展。列(2)是在列(1)的基础上进一步控制时间效应和个体效应之后的估计结果,所得结论与列(1)的结论保持一致。列(3)和列(4)是考虑政府支出在效率与公平相对关系中的调节作用,结果显示数字经济与政府支出的交叉项的系数为正,但显著性较弱,反映政府通过支出平衡效率与公平的效果并不明显。实际上,近些年中国政府在精准扶贫、农业补贴、贫困补贴、基础设施建设等方面取得了卓越成效,对促进社会公平有重要贡献。在本文中支出的调节效果不明显是因为本文考虑的是效率与公平的相对变化问题,而非绝对变化。列(5)综合考虑了所有变量,回归结果依然不改变前四列的估计结果。

表9 政策调节效应估计结果

从控制变量来看,金融支持既有利于提升效率,也有利于促进公平,并且在缩小二者相对差距上发挥了显著作用。因此,加大金融支持力度和扩大金融支持范围对化解社会矛盾具有重要意义。基础设施同金融支持具有同等效果,不仅有助于提升效率、更有助于促进公平。高昂的房价在正向影响效率的同时也加剧了社会不公平,而且这种不公平影响范围大,程度深。对此,政府应优化顶层设计,完善住房体制机制改革,推动住房向增加居民福利的方向发展。对外开放水平的系数在1%的水平上显著为正,在平衡效率与公平中发挥了负向作用。因此,提高外资进入门槛,合理引导外资流向农业、居民服务业和其他有利于国计民生的行业,更加关注外资的社会效用和居民福利增加效应。

六、结论与启示

中国高质量发展道路必然追求高效和公平,也必须坚持包容性增长。目前蓬勃发展的数字经济在技术溢出、推动要素流动和扩大市场规模等方面具有突出优势,为提效率、促公平提供了难得的机遇。基于2001—2020年省级面板数据,在对数字经济、效率和公平进行综合测度的基础上实证分析了数字经济与效率、公平的内在联系及作用机制,得到了如下结论:第一,数字经济显著提升了效率,并且二者呈线性关系,而数字经济与公平则呈倒U型关系,即公平程度随数字经济的发展呈先升后降的变化趋势。数字经济与效率、公平的这种关系在中西部地区尤为明显,并且在考虑内生性、更换回归方法等一系列稳健性检验之后这种关系依然成立。第二,数字经济显著推动了农业劳动力转移并扩大了市场规模,成为提升效率、促进公平的两条重要路径。第三,在数字经济驱动下效率与公平并未实现“并驾齐驱”,后期阶段数字经济更偏向于效率提升,使得效率与公平的矛盾加剧。第四,在效率与公平共同发展的道路上,政府宏观调控的角色必不可少,尤其是财政收入对化解效率与公平相对差距意义显著。此外,基础设施和金融支持在缩小效率与公平相对差距上具有正向调节作用,房价和对外开放则具有负向调节作用。

本文的研究结论具有较强的政策含义:第一,本研究表明数字经济整体上兼顾了效率与公平,提升了效率与公平的联合效应,因此在经济高质量发展的今天,中国应抓住数字经济发展机遇。首先,加大数字经济基础设施建设力度,持续推进中国尤其是广大农村地区和偏远地区网络覆盖、5G基站、人工智能等新型基础设施建设,搭建“信息高速公路”。其次,注重数字技术创新,加强关键核心技术攻关,有针对性地开展高端芯片、操作系统、人工智能等关键核心技术研发,注重原始创新和生态培育,积极建设省级前沿技术研究院和国家重点实验室,汇集科研机构、高校、企业力量,推动数字产业化。最后,提高数字经济对三次产业的渗透率和边际贡献率,推动工业互联网产业示范基地,全面推动医疗、教育、制造、交通、物流等环节的数字化。

第二,考虑到农业劳动力转移和市场规模扩大是数字经济促进效率与公平的关键路径,对此,中国政府应建立健全城乡融合发展体制机制,统筹推进户籍制度改革,放开、放宽除个别超大城市外的落户限制,试行以经常居住地登记户口制度,鼓励取消年度落户名额限制,健全农户“三权”市场化退出机制和配套政策,引导农业劳动力合理流向和配置。加快构建国内统一大市场,有效破除地方保护、行业垄断和市场分割,实现各地区城乡经济交互、联动发展。此外,提高互联网普及率,通过互联网等媒介扩大产品的可及性和均衡性,促进产品流通效率、实现经济共享。

第三,在“数字鸿沟”推动下,数字经济更偏向于效率提升,对此,要坚持以政府为主导,积极推进乡村地区数字基地、现代农业产业园、现代农业示范基地建设,积极营造有利于催生新业态和新产业的良好环境。对于数字经济发展水平较高的地区,应充分利用自身的“先行者”优势,进一步提升地区内数字技术创新能力,充分发挥自身示范效应和区域辐射效应。对于数字经济发展水平较低的地区可以选取一些具有潜力的城市或乡村,将其培育成数字经济发展的“领头雁”,然后通过示范效应、乘数效应和极化扩散效应,对周边地区的数字经济发展产生辐射作用。最后,重视人才队伍建设,着力培养一批既懂农业生产又懂互联网应用的新型职业农民,提升乡村数字化服务水平,为激发数字经济发展潜力提供人力资本。

第四,研究还表明政府宏观调控政策弱化了数字经济对效率与公平联合效应的负面影响,因此,作为市场缺陷的弥补者和纠正者,政府应充分发挥这只“看得见手”的作用,财政支出应重点向数字经济发展较弱的中西部地区倾斜,充分发挥落后地区后发优势,缩小地区间“数字鸿沟”,加速全国数字经济收敛速度。此外,要利用财政等手段处理好再次分配问题,本文中的控制变量凸显的作用表明要加大对中小企业和农户生产的金融支持、增加对低收入者和贫困人群的补助、完善基础设施、调控房价、合理利用国内外两个市场两种资源,为经济发展更有效率、更加公平提供动能。