黄河流域数字经济产出效率测度及影响因素分析

王文静

(山东青年政治学院 经济管理学院,济南 250103)

当前,全球经济增长受多重冲击显著放缓、动力不足、下行压力增大,在这一背景下,中国坚持深化改革、扩大开放,持续扮演着世界经济的“稳定器”和“动力源”的角色。中国经济的高质量发展从传统的追求数量增长和规模扩张,逐步转向追求质量和效率的提高。根据中国信息通信研究院发布的《中国数字经济发展报告(2023 年)》,可以看出,数字经济作为国民经济的“稳定器”“加速器”作用更加凸显,2022年数字经济规模达到50.2万亿元,占GDP比重达到41.5%。党的二十大报告提出,“加快建设网络强国、数字中国”,数字经济是构建现代化经济体系的重要引擎。2023年2月,中共中央、国务院印发了《数字中国建设整体布局规划》,指出在数字时代,数字中国建设是推进中国式现代化的重要引擎,是构筑国家竞争新优势的有力支撑,对全面推进中华民族伟大复兴具有重要意义和深远影响。

黄河流域是我国重要的经济地带,是全国重要的农牧业生产基地和能源基地。黄河流域生态保护和高质量发展是重大国家战略。(1)窦怡鑫、李媛：《数字经济驱动黄河流域经济高质量发展的影响研究》,《西部经济管理论坛》2022年第6期。2022年5月《黄河流域数字新经济发展白皮书》显示,黄河流域数字新经济发展呈现稳步增长态势,黄河流域下游的山东、河南两省发展指数远高于上游和中游省(区),数字经济的发展为黄河流域的高质量发展提供了机遇。对于大多数省份发展水平落后和地理位置偏远的黄河流域来说,数字经济具有更大的经济增长潜力和空间。要发挥数字经济对黄河流域经济高质量发展的引领支撑作用,首先就要测算黄河流域的数字经济产出效率到底如何?黄河上游、中游、下游区域间产出效率是否有差异?影响黄河流域数字经济全要素生产率的因素有哪些?如何提升黄河流域的数字经济全要素生产率,致力于黄河流域高质量发展?回答好上述问题,对进一步提升黄河流域的数字经济发展水平、产出效率,实现高质量发展具有一定的现实意义。

一、文献综述

数字经济的概念可以追溯到1995年,唐·泰普斯科特(Don Tapscott)提出,与传统经济相比,数字经济应该具有知识性、融合性、创新性、数字化等特征。(2)Don Tapscott,“The digital economy：Promise and peril in the age of networked intelligence,”New York：The McGraw-Hill Companies(1995)：156-168．进入21世纪,国内外学者开始从经济学视角对数字经济的内涵进行探讨,基姆(Kim)等认为：数字经济是一种特殊的经济形态,数字经济的活动本质为“商品和服务以数字化形式进行交易”。(3)Kim B.,Barua A.,Whinston A B., “Virtual field experiments for a digital economy：A new research methodology for exploring an information economy,”Decision Support Systems,no.3(2002)：215-231．

在现有对数字经济的研究,更多的是侧重测度数字经济的产出水平。例如：孙亚男、费锦华测算2006—2019年中国省域数字经济规模的区域差异及空间分布动态。(4)孙亚男、费锦华、王艺霖：《中国省域数字经济规模测算及空间分异研究》,《统计与决策》2023第6期。王立新、孙梦婷基于因子分析的主成分分析法测度2015—2019年我国31个省份数字经济发展水平。(5)王立新、孙梦婷：《中国31省份数字经济发展水平测算研究》,《经济论坛》2023年第2期。何地、赵炫焯基于2013—2020年我国31个省域相关数据,运用熵权Topsis评价法、莫兰指数、Dagum基尼系数及其分解、空间收敛模型对我国数字经济发展水平、时空格局以及区域差异进行探析。(6)何地、赵炫焯、齐琦：《中国数字经济发展水平测度、时空格局与区域差异研究》,《工业技术经济》2023年第3期。

对于数字经济的产出效率研究较少,现有成果主要集中在以下层面。1.全国层面：李妍探究中国各省份及八大经济区数字经济产出效率的地区差异及动态演变。(7)李研：《中国数字经济产出效率的地区差异及动态演变》,《数量经济技术经济研究》2021第2期。温婷、肖文彬、亓思楠采用三阶段超效率SBM模型测算了2014—2020年29个省份的数字经济生产效率,并在此基础上研究其时空动态演变特征。(8)温婷、肖文彬、亓思楠：《中国数字经济生产效率测度及其时空动态演进》,《统计与决策》2022年第23期。蔡昌、林高怡、李锦微基于2008—2016年29个省份的面板数据,利用BCC-DEA模型和Malmquist指数模型分别从静态和动态测算中国数字经济产出效率。(9)蔡昌、林高怡、李劲微：《中国数字经济产出效率：区位差异及变化趋势》,《财会月刊》2020年第6期。赵新伟利用SBM-DEA方法综合测算中国2010年与2019年我国数字经济产业效率,揭示了不同时期数字经济产业效率的空间分布及演进过程,并探讨了地区数字经济产业效率的收敛性特征。(10)赵新伟：《我国数字经济产业效率空间演进及收敛性研究》,《现代财经(天津财经大学学报)》2022年第8期。祁红梅选取2010—2019年中国29个省份数字经济相关数据为研究样本,利用DEA-MI动态指数模型与Dagum基尼系数对各省份数字经济产出效率进行统计测度,结果表明：中国数字经济产出效率Malmquist指数整体表现出先升后降趋势;29个省份数字经济产出效率存在显著空间异质性。(11)祁红梅：《中国数字经济产出效率的动态测度及区域差异分析》,《经济体制改革》2022第3期。2.省级层面：胡笑梅、王梦洁基于2013—2019年数据研究了长江经济带的产出效率。(12)胡笑梅、王梦洁：《基于DEA-Malmquist指数法长江经济带数字经济产出效率研究》,《长春理工大学学报(社会科学版)》2022第5期。葛文婷、戚戬、徐豪威构建了2011—2019年中部省域数字经济产业的投入产出指标体系,利用Malmquist指数模型对中部省域的数字经济效率进行了测算和评价。(13)葛文婷、戚戬、徐豪威：《基于DEA-Malmquist模型的中部省域数字经济效率测算》,《科技和产业》2020年第9期。卢玲珠基于2010—2019年我国东部地区面板数据测算数字经济效率,研究发现：无论是静态截面效率还是动态跨期效率地区效率均存在较大差异。(14)卢玲珠：《我国东部地区数字经济效率差异研究》,《西华大学学报(哲学社会科学版)》2021年第6期。解亚淼、成祖松基于2011—2017年安徽省16个城市的投入产出数据,利用BCC-DEA模型和 Malmquist指数指数模型分别测算安徽省数字经济产出水平和全要素生产率,并建立面板回归模型探究全要素生产率和技术进步指数的影响因素。(15)解亚淼、成祖松：《基于DEA的安徽省数字经济产出效率研究》,《内江师范学院学报》2021年第8期。

综上所述,可以看到全国各地都非常重视数字经济的发展,国内外学者对数字经济产出效率方面的研究较少。黄河流域的高质量发展是国家的重大战略之一,黄河流域的数字经济产出效率怎么样需要进一步的实证研究。本文采用数据包络分析方法(DEA)对黄河流域的数字经济产出效率进行测算并分析区域差异,运用Malmquist指数方法研究黄河流域数字经济的全要素生产率的动态变化趋势及区域差异,在此基础上,建立面板回归模型探究全要素生产率的影响因素,探求黄河流域数字经济高质量发展的对策建议。

二、评价方法和指标数据选取

(一) DEA模型

数据包络分析(DEA)方法是处理多投入和多产出指标复杂系统的非参数前沿效率分析方法。该方法具体包括规模报酬不变的CCR和规模报酬可变的BCC两种评价模型,BCC模型是对CCR模型的改进,其中,每个评价对象成为一个决策单元,即DMU,进行效率评价的基础是决策单元的投入产出指标要有可比性,模型客观地赋予投入产出指标的每个权重,可有效避免人的主观意识的干扰。本文将选取2011—2021年黄河流域9省的样本数据,运用DEA-BCC模型对黄河流域的数字经济产出效率进行评价分析。具体模型如下：

由上述模型可知,若θ<1,则说明DMU处于非有效状态,评价单元处于技术无效,投入产出效率非有效,既定的产出下,投入未能得到充分利用;若θ=1,则DMU处于技术有效状态,评价单元的投入产出效率为优。

(二) Malmquist指数

Malmquist指数是一个动态衡量生产率变化的指标,它可以测算决策评价单元在不同时期的效率变动情况。全要素生产率的增长有三个来源：第一是技术效率的改善,第二是技术进步,第三是规模效应。Malmquist指数本身对全要素生产率的度量分为两个部分：效率的变化和技术进步。本文将利用Malmquist指数法进一步探究黄河流域数字经济产出效率的动态变化趋势。具体模型如下：

按照法尔(Fare)等(16)Rolf Fare, Shawna Grosskopf, Mary Norris and Zhongyang Zhang, “Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries,” American Economic Review, no. 84(1994)：66-83.的研究,用两个曼奎斯特指数的几何平均值来计算全要素生产率的变化：

Malmquist指数分解为技术效率变化指数(EC)和技术进步指数(TC),技术效率变化(EC)指数分解为纯技术效率指数(PEC)和规模效率指数(SEC)两部分。因此可得：

M=EC×TC=PEC×SEC×TC

若M>1,表明全要素生产率水平有所增长;若M=1,表明全要素生产率水平没有变化;若M<1,表明全要素生产率水平有所下降。

(三)评价指标与数据的选取

测度数字经济的产出效率,根据已有研究对数字经济的划分标准,同时考虑黄河流域的实际情况、数据的可得性、以及研究的可操作性等多种因素来对数字经济投入和产出指标进行界定。本文数字经济的投入指标中的资本投入选取以计算机、通信和其他电子设备制造业与信息传输、软件和信息技术服务业的固定资产投资总量来衡量,劳动投入选取两个行业的总就业人数。对于数字经济的产出指标理应为数字经济的产出水平,即数字经济规模,但人们对数字经济规模的测度仍处于探索中,没有统一评价指标。因此,本文采用蔡昌等(17)蔡昌、林高怡、李劲微：《中国数字经济产出效率：区位差异及变化趋势》,《财会月刊》2020年第6期。的指标选择方法,该方法认为由于地区的数字经济规模往往与地区的经济规模有很大的相关性,因此,选取地区实际国内生产总值与地区社会劳动生产率作为数字经济的产出指标,其中,为了剔除价格因素的影响,各地区历年生产总值以2011年为基期进行了平减处理。具体情况见表1。

表1 数字经济产出效率投入产出指标

本文研究对象为黄河流域 9 个省的数字经济产出效率,具体省份及所处区域划分为上游(青海、四川、甘肃、宁夏、内蒙古)、中游(陕西、山西)、下游(河南、山东)。样本年份为 2011—2021年,原始数据分别来源于《中国统计年鉴》《中国固定资产投资统计年鉴》《中国投资领域统计年鉴》《中国工业统计年鉴》以及各省统计年鉴、统计公报等。

三、基于DEA的黄河流域数字经济产出效率测算、区域差异

(一)各省份产出效率比较分析

当综合技术效率(即产出效率)为1时,表明投入产出达到了最优状态,即纯技术效率和规模效率同时有效;综合技术效率小于1时,表明投入的资源使用是无效率的,需要合理配置资源。

根据数字经济产出效率投入产出指标,将我国黄河流域9省的投入产出数据带入规模可变的DEA模型,运用DEAP2.1软件测算了2011—2021黄河流域各省数字经济综合技术效率,见表2。

由表2可以看出,2011—2021年黄河流域数字经济产出综合技术效率均值为0.734,其综合技术效率值随时间升高,而后又略微下降,各年份的综合技术效率均值都未达到1,即DEA无效,说明黄河流域数字经济产出效率整体水平有待提高。从时间上看,黄河流域综合技术效率在2016年达到最大值0.867,在2012年达到最小值0.59。究其原因,金融危机后,世界经济恢复和增长乏力,2016年G20杭州峰会上,将发展数字经济作为中国创新增长的主要路径提出来,并受到各方的积极响应、支持,黄河流域各省也开始注重数字经济的发展。从具体省份来看,在2011—2021年,青海省的综合技术效率均值为0.988,效率值为1的年份较多,数字经济产出效率处于技术有效状态,青海省的数字经济投入产出效率较优,并且青海省的数字经济产出效率在黄河流域9省中最高;宁夏和内蒙古的综合技术效率分别为0.962和0.942,排名第二和第三,说明宁夏和内蒙古的数字经济产出效率也比较高;甘肃和山西的综合技术效率分别为0.893和0.827,排名第四和第五,高于黄河流域的综合技术效率的平均值;其中,山东、陕西、河南、四川的综合技术效率值均低于黄河流域的平均值,说明这四个省的数字经济产出效率有待提高。究其原因来看,2021年有16省市区数字经济规模已突破1万亿元,其中就包括黄河流域的山东、河南、四川,从发展速度来看,四川、陕西、甘肃、山西、内蒙古发展迅速,已经超过全国数字经济的平均水平。虽然山东、陕西、河南、四川数字经济规模大、增速快,但产出效率不高,这也进一步说明,数字经济规模与产出效率之间的关系不一定是正向的,数字经济规模大,投入产出效率不一定高。究其原因,可能过量的投入导致了产出效率低下。在9个省中,有7个是规模报酬递减的,造成了规模不经济。

(二)山东、陕西、河南、四川产出效率分解评价

黄河流域中有4省的产出效率低于黄河流域经济带的平均值0.734,为深入分析山东、陕西、河南、四川数字经济产出效率垫底的影响因素,本文在表3中把四省的综合技术效率分解为纯技术效率和规模效率。

表2 2011—2021年黄河流域各省份数字经济产出效率比较

表3 山东、陕西、河南、四川产出效率分解评价

研究发现,山东的纯技术效率常年为1,但规模效率不高,这说明山东的管理能力、技术水平是有效的,但地区投入没有达到最佳规模产出,还需要调整生产规模,提高规模效率。陕西综合技术效率受到纯技术效率和规模效率的双重制约,具体来看,在2011—2014年综合技术效率处于DEA无效状态的主要影响因素是规模效率的影响,此时,应调整生产规模,提高规模效率;在2015—2021年,规模效率提高了,综合技术效率偏低主要受纯技术效率的影响,此时,应该大力发展数字经济,大力推动科技创新,加快关键核心技术攻关,进一步提升数字经济管理水平,合理配置数字经济资源。河南省、四川省综合技术效率也是受到纯技术效率和规模效率的双重制约,具体来看,规模效率不高是2011—2013年综合技术效率低下的主要原因,此时,应该调整生产规模,提高规模效率;2014—2021年,综合技术效率主要受到纯技术效率的影响,数字投入资源利用有待提高,此时,关注的重点应是如何提高纯技术效率,借以提高数字经济的产出效率。

(三)分区域数字经济产出效率比较

将黄河流域 9省可以划分为三个区域,上游(青海、四川、甘肃、宁夏、内蒙古)、中游(陕西、山西)、下游(河南、山东)。下面将探讨数字经济在不同区域的产出效率(见表4)。

从综合技术效率来看,黄河下游综合技术效率最低,黄河中游次之,黄河上游最高。这与农业经济、工业经济的区位分布规律不同,未按照传统的上游、中游、下游的分布规律,并不是经济越发达的地方,产出效率越高,可能是因为数字经济中的数字化、信息化减弱了地理位置对经济发展水平的影响。因此,数字经济对于缩小地区经济差距,解决区域发展不平衡具有重要的研究意义。具体来看的话,黄河上游的大多数年份的纯技术效率和规模效率都在0.9以上,说明黄河上游的产出效率较高,接近于DEA有效;黄河中游的综合技术效率均值为0.649,产出效率不高,从分解结果来看,黄河中游的规模效率大多数年份都比较高呈递增趋势,而纯技术效率有下降趋势,这说明黄河中游的产出效率非有效主要是由纯技术效率引起,该区域未来要注意推动科技创新,提升数字经济核心技术,提高数字经济资源的利用效率;黄河下游综合技术效率是三个区域最低的,从分解结果来看的话,综合技术效率受到纯技术效率和规模效率的双重制约,该区域未来发展一方面要大力推动科技创新,加快关键核心技术攻关,进一步提升数字经济管理水平,另一方面要扩大生产规模,合理配置数字经济的各项资源,提高要素的配置效率。

表4 黄河流域分区域数字经济产出效率

四、基于Malmquist指数的黄河流域数字经济产出效率动态评价

为了能正确地测评黄河流域数字经济产出效率的时间变化趋势,下面将利用Malmquist指数法进一步探究黄河流域数字经济产出效率的动态变化趋势,同时,将Malmquist指数进行分解,探寻造成这种变化的原因。

(一)整体Malmquist指数及其分解

表5是2011—2021年黄河流域数字经济Malmquist指数及其分解。由表5可知,2011—2021年黄河流域数字经济全要素生产率总体呈现先降后升再降又升,震荡式波动。其中,2016—2017年、2018—2019年全要素生产率为1.162和1.054,Malmquist指数大于1,主要是技术进步引起的。2011—2012年、2019—2020年 Malmquist指数下降,主要是受技术效率变化的影响,技术效率变动的结构中,受规模效率变化的影响最大,此阶段,应该扩大生产规模,合理配置数字经济资源,以提高全要素生产率。剩余年份,Malmquist指数下降,主要是技术进步下降的影响,此阶段,应该合理配置数字资源和大力发展科技创新,以提升黄河流域的数字经济产出能力,而不应仅仅是靠规模扩张来提高数字经济产出效率。

(二)各省份Malmquist指数及其分解

表6反映了黄河流域9个省的Malmquist指数及其分解。由表6可知,只有内蒙古的Malmquist指数大于1,全要素生产率出现增长,其余各省的Malmquist指数均小于1,全要素生产率出现下降,这说明除了内蒙古,其余各省的综合数字经济效率没有得到提高,其中,青海下降最多,下降14.1%。究其原因,全要素生产率的变化=技术效率变化×技术进步变化,各省的技术效率变化都接近于1,然而,技术进步变化与1相差较多,可见,技术进步是导致全要素生产率下降的原因,相对与技术效率的变化,技术进步拖慢了全要素生产率的增长。

表5 2011—2021年黄河流域数字经济Malmquist指数及其分解

表6 各省份Malmquist指数及其分解

(三)分区域全要素生产率变化趋势

图1 2011—2021年分区域全要素生产率变化图

图1反映了黄河流域上游、中游、下游和黄河流域整体的全要素生产率的纵向变化趋势,整体呈现先降后升再降再升的波动趋势,且总体走势有上升趋势。具体来看的话,黄河中游区域在2013—2014年、2014—2015年、2015—2016年、2016—2017年这四个时间段里全要素生产率呈现了持续增长,黄河下游区域在2014—2015年、2015—2016年、2016—2017年、2017—2018年这四个时间段里全要素生产率呈现了持续增长,黄河上游区域及黄河流域整体变化趋势一致,全要素生产率都是在2014—2015年、2015—2016年、2016—2017年这三个时间段里呈现了持续增长。其中,黄河上游的Malmquist指数大于1的时间段最多,有5个,说明黄河上游相对于中下游来说,数字经济产出效率较高。总体而言,在样本期内,上游区域对黄河流域的数字经济产出效率发挥了积极的推动作用,虽然黄河中游在2016—2017年全要素生产率有一个大的拉升,但中游和下游总体上未能对黄河流域的数字经济产出效率起到相应的积极作用。

五、影响因素选取及回归分析

为进一步探究黄河流域数字经济的全要素生产率,本文利用2011—2021年黄河流域各省的面板数据构建计量模型,分析黄河流域数字经济全要素生产率的影响因素。

(一)模型构建

考已有研究(18)苏冰杰、卢方元、朱峰等：《中国数字经济发展水平：时空特征、动态演化及影响因素》,《运筹与管理》2022年第9期。(19)蔡绍洪、谷城、张再杰：《中国省域数字经济的时空特征及影响因素研究》,《华东经济管理》2022年第7期。,本文选取数字经济全要素生产率(TEP)作为被解释变量,选取经济发展水平(EL)、人力资本水平(HC)、政府科技投入强度(GOV)、城镇化水平(URB)、产业结构(IS)、对外依存度(FDI)、自主创新水平(PA)作为解释变量,变量选取见表7。模型如下：

表7 选取变量及说明

TEPit=α0+α1ELit+α2HCit+α3GOVit+α4URBit+α5ISit+α6FDIit+α7PAit+γi+εit

式中：下标i、t分别表示省份、年份,α0表示截距,αi表示对应变量的回归系数,γi表示不随时间变化的个体效应,εit表示随机误差项。

(二)模型检验

本文选取的数据类型为面板数据,时间维度大于截面维度,属于长面板。因此,需要对模型可能存在的异方差和自相关进行检验。具体检验结果见表8。

由表8可以看出Wald检验和Breusch-Pagan LM检验在5%的显著性水平下均拒绝“同方差”“不存在组内相关”和“无组间同期相关”的原假设,该结果表明模型存在组间异方差、组内自相关和组间同期相关。因此,本文采用全面FGLS进行模型估计。

(三)回归分析结果

利用stata17,将面板数据带入模型,可得到影响黄河流域数字经济全要素生产率发展的估计结果(见表9)。本文给出了自回归系数相同(AR)和自回归系数不同(PSAR)两种方式的全面FGLS估计结果。从表9可以看出,AR和PSAR的估计系数比较接近,但PSAR显著性最高,说明异方差和自相关会对估计结果影响较大。

表8 异方差和相关性检验结果

表9 全面FGLS估计结果

相对于AR结果,PSAR解释变量显著的更多一些,说明εit都要有各自的自回归系数。因此,本文以PSAR估计结果为准进行分析。回归结果显示：(1)经济发展水平对全要素生产率具有正向影响,且结果较为显著,说明黄河流域经济发展水平对数字经济的发展起到了一定的促进作用。(2)人力资本水平对全要素生产率具有负向影响,说明现有的人才培育模式不适应数字经济发展的市场需求,这已成为制约数字经济创新提质的重要因素,要积极推动社会认定标准与企业实际应用更好契合,培育紧缺急需数字技能人才。(3)政府科技投入强度对全要素生产率具有正向影响,说明地方政府科技支出能够促进全要素生产率提升,科技创新对数字经济社会发展的支撑和引领作用不断增强。(4)城镇化水平对全要素生产率产生了负向影响,且非常显著,说明黄河流域在城镇化的进程中,数字经济未能与城镇化进程充分融合,制约了全要素生产率的提高。(5)产业结构对全要素生产率产生了负向影响,且比较显著,表明黄河流域产业结构需要进一步升级,要加强产业数字化转型程度,对于数字经济全要素生产率的提高,需要技术密集型产业、服务业等来驱动。(6)对外依存度对全要素生产率具有负向影响,原因可能在于中美贸易摩擦使得黄河流域各地区对外贸易受阻,整体对外贸易水平下降,先进的技术难以引进、成本加剧,从而导致经济负担变大,制约了数字经济产出效率的提高。(7)自主创新水平对全要素生产率具有促进作用,且十分显著,表明数字技术是数字经济发展的关键要素,自主创新水平能够推动数字技术的提升,打通数字经济发展渠道,从而促进了数字经济的发展。

六、 结论与建议

本文首先运用DEA方法对2011—2021年黄河流域数字经济产出效率进行测算并分析了区域差异,其次,利用Malmquist指数法进一步探究黄河流域数字经济产出效率的动态变化趋势,最后,利用黄河流域各省的面板数据构建计量模型,分析黄河流域数字经济全要素生产率的影响因素。得出以下结论：(1)2011—2021年黄河流域数字经济产出综合技术效率均值为0.734,各年份的综合技术效率均值都未达到1,黄河流域数字经济整体水平还有待提高。9个省中青海、宁夏、内蒙古综合技术效率接近于1,相对优于其他省份。深入分析山东、陕西、河南、四川数字经济产出效率垫底的影响因素,发现山东数字经济产出效率不高主要受规模效率的影响,陕西、河南、四川的数字经济产出效率受到纯技术效率和规模效率的双重制约。(2)黄河流域数字经济产出效率分区域来看的话,黄河上游最高,黄河中游次之,黄河下游最低。这说明,并不是经济越发达的地方,产出效率越高。可能是因为数字经济中的数字化、信息化减弱了地理位置对经济发展水平的影响。因此,数字经济对于缩小地区经济差距,解决区域发展不平衡具有重要的研究意义。(3)2011—2021年黄河流域数字经济全要素生产率总体呈现先降后升再降又升,震荡式波动。分省来看的话,除了内蒙古,其余各省的综合数字经济效率没有得到提高,究其原因,各省的技术效率变化都接近于1,然而,技术进步变化与1相差较多,可见,技术进步是导致全要素生产率下降的原因,相对于技术效率的变化,技术进步拖慢了全要素生产率的增长。(4)黄河流域全要素生产率分区域来看的话,上游区域对黄河流域的数字经济发挥了积极的推动作用,黄河中、下游作用不明显。(5)全面FGLS估计结果显示：经济发展水平、政府科技投入强度、自主创新水平对黄河流域数字经济的全要素生产率具有正向影响,人力资本水平、城镇化水平、产业结构、对外依存度对全要素生产率产生了负向影响。

基于以上实证分析结果,提出以下政策建：第一,加大政策支持。数字经济是未来经济发展的增长点,也是未来主导的经济形态。黄河流域数字经济的产出效率的提高,离不开相关政策的支持。一方面,政府相关部门要及时制定出台相关数字经济发展政策,为数字产业化企业及产业数字化企业提供良好的发展平台,加快信息化基础设施的建设,促进经济高质量发展。另一方面是提高财政资源配置效率和资金使用效益,做好财政资金投入的合理配置。第二,加快数字经济人才队伍建设。技术的创新离不开人才,要加快形成结构多元、层次合理的数字经济人才队伍,加快培育具备创新意识、实践能力强的人才队伍,加大创新投入,鼓励企业技术创新,提升科研人员的技术水平,促进沿黄9省的技术进步提升,带动全要素生产率的提高。第三,促进区域数字经济产业结构升级。黄河流域要积极推动数字经济与实体经济融合发展,加快传统产业升级。各区域要发挥各自在发展数字经济方面的优势,补齐数字经济发展产业链条,释放不同区域数字产业化和产业数字化等数字经济发展的溢出红利,强化区域间产业结构互补,促进数字经济和产业结构升级协同发展。第四,提高自主创新水平。自主创新水平能够推动数字经济的快速发展,因此,要加强黄河流域地区科技研发投入,提高自主创新能力;对自主创新企业给予相关优惠政策;加强完善以企业为主体、产学研结合的创新体系;增强专利意识,加强知识产权保护。第五,促进区域协调发展。从上述结果可以看出,黄河流域数字经济的产出效率区域间存在明显的差异,数字经济发展好的省份未必是产出效率最高的。因此,黄河流域各区域应该加强交流,强化区域合作,推动数字经济技术发展,加快数字经济示范区推广,积极缩小不同区域数字经济发展水平差异,致力于打造黄河流域数字经济发展新高地。