数字经济、科技创新与制造业转型升级

沈运红，杨金华

（杭州电子科技大学管理学院，杭州 310018）

0 引言

全球经济与科技正在加速融合，新一代信息技术，例如人工智能、大数据、物联网和5G，已成功地渗透到制造业，促进了数字经济的迅猛增长，并且为制造业的数字化转型注入了强劲的动力。我国已成为全球制造业的重要支柱，低端和中端制造业的竞争力已经明显增强，而高端领域的技术水平仍然比较落后。数字经济的出现极大地促进了制造业的高质量发展，为企业带来了前所未有的变革和创新，使得制造业能够实现全面数字化转型。张于喆（2018）[1]认为数字经济是融合型经济，是经济发展和制造业转型升级的重要因素，也是全球新型数字产业竞争的引擎。焦勇（2020）[2]认为数字经济不仅可以提升制造业的效率，还能够带来额外的价值，为制造业数字化转型提供新的参考模式。涂强楠和何宜庆（2021）[3]发现科技创新投入比例升高将有利于制造业高度化转型升级。陈怀超等（2022）[4]提出了通过提升人才数字素养来促进制造业转型升级，并验证了其能够促进制造业向高度化转型升级。李晓钟和吴甲戌（2020）[5]发现数字经济和它的各个子系统都能够推动中国产业结构的变革和升级。傅智宏等（2022）[6]将数字经济划分为四个主要领域：设备、服务、交易和媒体，用于研究地区数字经济的发展趋势和影响因素。

已有研究取得了丰硕成果，但还存在以下拓展空间：第一，虽然部分学者探讨了科技和人才方面的创新，但忽略了科技创新是多方面的，人才创新本质上也属于科技创新的一部分，而现有文献较少将科技创新和人才创新纳入同一框架进行研究。第二，在数字经济与制造业转型升级的相关文献中，鲜有文献深入分析空间异质性和时间异质性，尤其是分不同维度探讨时空异质性。

1 理论分析与研究假设

1.1 数字经济与制造业转型升级

数字经济的发展彻底改变了传统的产业链结构，促使制造业实现更加灵活的生产，更加有序的合作，从而大大提升了制造业的整体竞争力[7]。数字经济渗透到社会发展的各个领域，与传统制造业协同发展，提升了生产要素匹配效率，优化了资源配置方式，同时引发技术对资本和劳动力的替代。制造业正在经历前所未有的变革，优化生产要素的配置将有助于推动制造业高质量发展，提高企业核心竞争力[8]。数字匹配技术的应用重新配置了制造业企业生产过程中所需的资源，优化了生产要素配置过程，带动了制造业企业数字生产效率的提高[9]。数字经济从两个方面促进传统制造业转型升级：（1）数字经济通过数字技术全方位渗透到制造业企业内部的研发创新机构，促进高新技术制造业的诞生，使传统制造业提高附加值和生产效率，进而促进制造业向高度化转型升级。（2）数字经济促进了生产要素资源的合理配置，通过一系列数字技术改变生产要素之间的不匹配模式，促进制造业协作更加合理，体现在促进制造业合理化转型升级。据此，本文提出：

假设1：数字经济对制造业转型升级起到了显著正向促进作用。

1.2 科技创新的中介作用

科技人才集聚是科技人力资本在空间上聚集的结果，科技人力资本是驱使科技人才集聚的内在因素，而科技人才集聚则是科技人力资本进一步演化的结果[10]。数字经济快速发展改变了产业链上的资源配置方式，产生价值溢出效应，吸引了更多的外来科技人才，科技人才又进一步提高了制造业企业的核心竞争力，促进了科技人力资本的形成。科技人力资本从各个不同的地方向某一地区流动形成科技人力资本的集合，进而形成科技人才集聚[11]。科技人才集聚效应扩散到高技术制造业企业，提高制造业企业的创新能力和核心竞争力，对于高新技术制造业企业的发展会产生巨大的推动作用。数字经济吸引地区高质量人才，人力资源市场结构得到优化，科技人才集聚程度不断上升，劳动者更偏向于薪酬待遇更高的技术密集型制造业，导致技术密集型制造业占比不断提高，由此促进制造业向高度化转型升级[12]。科技人才集聚促进了制造业生产率的提高，改变了原来的分工协作模式，引发了不同制造业部门之间的收入差距，并导致生产要素在不同制造业行业之间转移，为了得到有效配置，经过精心组织和有效协作，制造业的各个环节都能够达到一个更加完善的状态，由此促进制造业向合理化转型升级。据此，本文提出：

假设2：科技人才集聚在数字经济与制造业转型升级中发挥了中介效应。

科技创新效率度量了企业成果转化的效率，企业利用知识创新与技术创新的协同性，通过技术进步和创新资本等要素摆脱以模仿创新为主的发展模式，通过提升共性技术的研发水平和产业的科技含量强化了对先进知识的学习与积累[13]，转变了传统经营理念，通过不断加大研发创新的力度和提高生产投入环节的效能，科技创新效率得到了优化和提升，带动了制造业企业的投入产出效率和产业附加值的进一步提升，从而实现制造业数字化转型发展[14]。随着数字技术和人工智能的不断发展，传统的人力劳动已经逐渐被替代，这将极大地改进制造业的生产流程和工艺，降低生产成本也将为企业带来更多的市场机遇，进而提高企业的科技创新能力。科技创新可以改变技术要素与市场要素的配置方式，从而推动技术产业化发展，提高科技创新效率，促进地区产业结构向技术密集型转型，进而推动制造业向高度化转型升级，从而提升经济效益。数字经济的发展带动了制造业的科技创新，项目资金可以更有效地投入那些生产效率较高的行业，而不是那些生产效率较低的行业，最终导致更多的项目资金流向创新型企业。据此，本文提出：

假设3：科技创新效率在数字经济与制造业转型升级中发挥了中介效应。

2 研究设计

2.1 变量选取

2.1.1 被解释变量

制造业高度化转型升级（AMIS）用技术密集型制造业产值与资本密集型制造业产值之比来衡量[15]。制造业合理化转型升级（RMIS）反映了制造业的协调程度，通过泰尔指数来测算制造业合理化转型升级[16]，具体公式如下：

2.1.2 解释变量

数字经济（DEC）。借鉴潘为华等（2021）[17]的研究，构建数字经济指标体系（见表1），并运用熵权TOPSIS法测算各项指标权重，用综合评分来衡量数字经济发展水平。

表1 数字经济指标体系

2.1.3 中介/门槛变量

科技人才集聚（TAL）。借鉴张所地等（2020）[18]的研究，选取R＆D 人员数量来度量科技人才数量。基于产业区位熵的理论，构建科技人才区位熵来度量科技人才集聚，具体公式如下：

科技创新效率（INT）。借鉴王雅丽和黄永春（2021）[19]的研究，科技创新投入阶段包括了科技、研发和教育方面的要素投入，因此选取科学技术费用投入、R＆D经费投入和教育经费投入作为投入指标；在科技创新产出阶段，发明专利授权数量反映了知识成果转化水平，新产品产值反映了商业价值化成果，技术市场成交额可以衡量技术经济效益成果，以此作为产出指标来构建科技创新投入产出模型。

2.1.4 控制变量

本文借鉴涂强楠和何宜庆（2021）[3]的研究，选取以下控制变量：经济发展水平（EDL），用人均GDP来衡量；外商投资水平（FDI），用外商投资总额来衡量；政府参与程度（GOV），用地方财政一般预算内支出占GDP 的比重衡量；金融发展水平（FIN），用各地区金融机构存贷款总额衡量；教育投入水平（EDU），用地方财政科学和教育支出占一般预算内支出的比重衡量。

2.2 计量模型

2.2.1 基准回归模型

根据上文的机理分析，采用面板回归模型检验数字经济与制造业转型升级的总体效应，构建如下基准回归模型：

2.2.2 中介效应模型

在基准回归模型的基础上，引入科技人才集聚和科技创新效率来探讨数字经济与制造业转型升级的传导路径，构建如下中介效应模型：

2.2.3 门槛效应模型

考虑到科技人才集聚和科技创新效率对数字经济与制造业转型升级存在非线性的间接效应，设定如下的面板门槛模型：

2.3 数据说明

本文选取了2010—2021 年我国30 个省份（不含西藏和港澳台）规模以上制造业的统计数据进行实证研究，收集了360 个数据样本，数据样本均来自于各省份统计年鉴。各变量的描述性统计如表2所示。

表2 描述性统计结果

3 实证分析

3.1 单位根检验

本文采用HT 检验对收集整理好的数据进行单位根检验，在零阶差分的单位根HT检验下，经济发展水平、外商直接投资、政府参与程度和金融发展水平的统计值均通过了显著性检验，达到了平稳状态，但制造业高度化转型升级、制造业合理化转型升级、科技人才集聚、科技创新效率、数字经济和教育投入水平未通过显著性检验，表明存在单位根，通过一阶差分各变量均达到了平稳状态。

3.2 协整检验

为进一步探讨含单位根的变量之间是否存在长期均衡关系，对变量进行协整检验，本文采用Kao 检验、Westerlund检验和Pedroni检验三种检验方法，通过三种检验结果可知，所有含单位根的变量的统计量都通过了显著性检验，证明了相同阶的变量之间有着明显的长期协整关系。

3.3 基准回归分析

由表3 列（1）可知，当将制造业高度化转型升级作为被解释变量时，数字经济的系数为3.621且在1%的水平上显著，说明数字经济能够驱动制造业高度化转型升级。由表3 列（2）可知，当以制造业合理化转型升级为被解释变量时，数字经济的系数为0.484，在1%的水平上显著，说明数字经济能够驱动制造业合理化转型升级。假设1 得到了验证，即数字经济对制造业转型升级起到了显著正向促进作用。数字经济利用数字技术转换新旧动能，改善资源配置效率，通过提升制造业企业的生产效率和竞争力来促进传统制造业的转型升级，从而实现经济的可持续发展。

表3 回归分析结果

3.4 稳健性检验

本文通过工具变量法来缓解内生性问题。借鉴黄群慧等（2019）[20]的研究，选用1984年每百人固定电话数量和每百人邮局数量与互联网用户数构造交互项，作为数字经济的工具变量，并进行两阶段最小二乘回归（IV-2SLS）。对工具变量进行检验，在“不可识别检验”中，Anderson LM统计量的P值小于0.01，证明了工具变量是可识别的。在“弱工具变量检验”中，Cragg-Donald Wald F 统计量大于10%水平上的临界值，证明该工具不是弱工具变量。在“过度识别检验”中，Sargan-Basmann 检验的统计量不显著，证明了所有工具变量均为外生变量。在DWH检验中，P值均小于0.01，证明数字经济是内生变量，以上检验结果说明了该工具变量的选择是合理的。表3 列（3）和列（4）显示了在工具变量法下，数字经济对制造业高度化转型升级和制造业合理化转型升级的影响系数仍显著为正，进一步验证了基准回归结果的稳健性。

3.5 中介效应检验

当科技人才集聚成为中介变量时，下页表4 列（1）至列（3）显示数字经济与科技人才集聚之间的关联性非常强，系数为1.424且在1%的水平上显著。科技人才集聚对于制造业高度化转型升级的影响系数为0.644，且在1%的水平上显著，说明科技人才集聚在数字经济驱动制造业高度化转型升级中发挥了正向中介作用。科技人才集聚对于制造业合理化转型升级具有重要的影响，其回归系数为0.029且在1%的水平上显著，说明科技人才集聚在数字经济驱动制造业合理化转型升级中发挥了正向中介作用。以上结果证明科技人才集聚在数字经济驱动制造业转型升级中发挥了正向中介作用，假设2得到了验证。加入中介变量后的数字经济对制造业高度化转型升级和制造业合理化转型升级的影响系数仍显著为正，但系数与基准模型相比有所下降，说明科技人才集聚发挥了部分中介作用。

表4 中介效应检验结果

当科技创新效率作为中介变量时，表4列（4）至列（6）显示数字经济和科技创新效率之间存在着一定的相关性，其系数为0.593 且在1%的水平上显著。科技创新效率对制造业高度化转型升级的影响系数为0.878 且在1%的水平上显著，说明科技创新效率在数字经济驱动制造业高度化转型升级中发挥了正向中介效应。科技创新效率对制造业合理化转型升级的影响系数为0.023 且在1%的水平上显著，说明科技创新效率在数字经济驱动制造业合理化转型升级中发挥了正向中介效应。以上结果证明科技创新效率在数字经济驱动制造业转型升级中发挥了正向中介效应，假设3得到了验证。加入中介变量后的数字经济对制造业高度化转型升级和制造业合理化转型升级的影响系数仍显著为正，但系数与基准模型相比有所下降，说明科技创新效率发挥了部分中介作用。

3.6 门槛效应检验

本文选取科技人才集聚和科技创新效率作为门槛变量进行门槛效应检验，采用Bootstrap算法抽样500次。结果显示，科技人才集聚在制造业高度化转型升级中通过了单一门槛检验，在1%的水平上显著，门槛值为1.623，未通过双重门槛和三重门槛检验；科技人才集聚在制造业合理化转型升级中通过了单一门槛和双重门槛检验，两个门槛值分别为0.771和1.652，未通过三重门槛检验。科技创新效率在制造业高度化转型升级中通过了单一门槛检验，在5%的水平上显著，门槛值为0.705；科技创新效率在制造业合理化转型升级中通过了单一门槛和双重门槛检验，两个门槛值分别为0.388和0.741。

根据表5的门槛效应检验结果可知，数字经济对制造业转型升级的影响效应呈现非线性特征。表5 列（1）显示，当科技人才集聚的值小于1.623时，数字经济对制造业高度化转型升级的回归系数为1.865；当科技人才集聚的值大于1.623 时，数字经济对制造业高度化转型升级的回归系数为3.827。表5 列（2）显示，当科技创新效率低于0.705 时，数字经济对制造业高度化转型升级的回归系数为1.677；当科技创新效率高于0.705 时，数字经济对制造业高度化转型升级的回归系数为3.932。表5列（3）显示，当科技人才集聚的值低于0.771 时，数字经济对制造业合理化转型升级的回归系数为0.238；当科技人才集聚的值介于0.771～1.652 时，数字经济对制造业合理化转型升级的回归系数为0.351；当科技人才集聚的值超过1.652 时，数字经济对制造业转型升级的回归系数为0.435。表5列（4）显示，当科技创新效率低于0.388 时，数字经济对制造业合理化转型升级的回归系数为0.309；当科技创新效率介于0.388～0.741 时，数字经济对制造业合理化转型升级的回归系数为0.383；当科技创新效率高于0.741 时，数字经济对制造业合理化转型升级的回归系数为0.504。以上结果说明科技人才集聚和科技创新效率在跨过相应的门槛值后，数字经济对制造业转型升级的作用效果得到了进一步提升。

表5 门槛效应回归结果

3.7 异质性分析

3.7.1 时间异质性分析

我国在2015 年发布《中国制造2025》，开始了以制造业数字化转型和高质量发展为目标，因此本文以2015 年为界划分两个时间段：第一阶段为2010—2014年，第二阶段为2015—2021 年，来讨论数字经济对制造业转型升级的影响是否存在时间异质性。下页表6 列（1）和列（2）显示，对于制造业高度化转型升级而言，在第一阶段数字经济对制造业高度化转型升级的影响系数为1.643，在5%的水平上显著；在第二阶段数字经济对制造业高度化转型升级的影响系数为3.919，通过了1%水平的显著性检验，这说明在第二阶段数字经济对制造业高度化转型升级的影响效应比第一阶段更为显著。表6列（3）和列（4）显示，当以制造业合理化转型升级为被解释变量时，在第一阶段和第二阶段数字经济对制造业合理化转型升级的影响系数分别为0.356和0.402，均通过了1%水平上的显著性检验，这说明在第一阶段和第二阶段数字经济对制造业合理化转型升级的影响效应基本不存在明显的异质性。自2015年以来，我国加快推动了数字经济与制造业技术融合发展，把制造业数字化转型升级作为主攻方向，全面提升制造业企业研发能力，产业效率的提高带动了制造业总产值的大幅度上升，但制造业产业结构布局方面提升的幅度并不大。

表6 时间异质性分析结果

3.7.2 空间异质性分析

进一步将30 个省份划分为沿海区域和内陆区域，以探讨数字经济对制造业转型升级的影响的空间异质性。表7列（1）和列（2）显示，沿海区域数字经济对制造业高度化转型升级的影响系数为3.877，在1%的水平上显著；内陆区域数字经济对制造业高度化转型升级的影响系数为2.311，在5%的水平上显著，说明沿海区域数字经济对制造业高度化的影响程度要显著高于内陆区域。表7列（3）和列（4）显示，沿海区域数字经济对制造业合理化转型升级的影响系数为0.723，在1%的水平上显著；内陆区域数字经济对制造业合理化转型升级的影响系数为0.586，在5%的水平上显著，说明沿海区域的数字经济对制造业合理化转型升级的影响程度也显著高于内陆区域。产生空间异质性的原因在于沿海区域改革开放时间早于内陆区域，经济开放程度较高，同时沿海区域地理位置优越，沿海区域的制造业企业拥有更先进的技术和管理经验，资源配置效率和贸易程度较高，因此数字经济对制造业转型升级的影响程度也较高。

表7 空间异质性分析结果

4 结论与建议

本文通过实证分析得出如下结论：（1）数字经济在制造业高度化和合理化转型升级中均发挥了显著正向促进作用，通过工具变量法进行稳健性检验后，该结论依旧成立。（2）数字经济能够通过科技人才集聚和科技创新效率推动制造业高度化和合理化转型升级，科技创新是制造业转型升级的重要中介渠道。（3）科技人才集聚和科技创新效率在制造业高度化转型升级中均存在单一门槛效应，在制造业合理化转型升级中均存在双重门槛效应。（4）数字经济对制造业高度化转型升级的影响存在时间异质性，但对制造业合理化转型升级的影响不存在时间异质性；数字经济对制造业高度化和合理化转型升级的影响均存在空间异质性，对沿海区域的影响效应比内陆区域更显著。

基于以上研究结论，提出如下建议：（1）持续推进以人工智能、大数据、5G等为代表的信息技术与制造业的融合发展，推广企业自动化的生产运作模式，以信息技术服务塑造制造业独特性，共同打造制造业信息化、数字化和智能化的生态圈，加快制造业数字化转型发展。（2）政府层面应该完善地方人才引进政策，推进科技型人才团队建设，鼓励制造业企业和高校合作，加强相互间的研发合作和经验共享。企业层面应该大力招聘和培养科技人才，实施科技人才的持股计划以留住科技人才。（3）建立完善的政府研发补贴科学评价机制，对企业科技投入产出效率做出合理评价以确定财政补助的对象、范围和金额，进一步提高科技创新效率。注重科技成果化给企业带来的生产效益，改进工艺，提高企业研发投入的占比和投入产出效率。（4）统筹兼顾沿海区域和内陆区域数字经济的发展差异。把内陆区域的发展重点转向数字基础设施建设方面，进一步促进内陆区域制造业的发展。