数字经济赋能中国制造业高质量发展

邓光娅 王硕

摘 要：当今时代数字经济既可以引领经济高质量发展，又是推动制造业增效提质和转型升级的关键动能。本文使用2018—2022年中国制造业企业上市公司的数据，测算数字经济指数以及制造业高质量发展水平，构建面板模型实证检验数字经济是否可以促进制造业高质量发展，并通过替换被解释变量衡量方式和增加行业控制固定效应的方式进一步验证数字经济促进制造业高质量发展的可靠性。最终得出结论，数字经济可以明显促进制造业高质量发展。数字经济时代，我国政府应大力推动制造业数字化、网络化及智能化发展，促进全要素生产率提升，推动制造业质量变革、效率变革、动力变革，加快新型工业化进程，促进我国产业向全球价值链中高端迈进。

关键词：数字经济；制造业；高质量发展；创新能力；环境可持续性

本文索引：邓光娅，王硕.<变量 2>[J].中国商论，2024（12）：-051.

中图分类号：F276.44 文献标识码：A 文章编号：2096-0298（2024）06（b）--04

党的十九大报告指出，中国已经由高速增长阶段转向高质量发展的新阶段，目前正处于转变发展方式、转换增长动力、优化经济结构的关键时期。我国是工业大国，制造业高质量发展是我国构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的关键。目前，我国制造业迫切需要通过转型升级来提高国际竞争力，从而实现高质量发展。数字经济作为新型经济形态，可以对传统行业进行赋能促进传统制造业转型升级。因此，本文研究数字经济对制造业高质量发展的影响，对我国合理科学地制订数字经济政策，从而实现制造质量发展具有深刻意义。

1 数字经济促进制造业高质量发展的作用机理

首先，数字经济对制造业企业转型升级有明显的促进作用。数字技术可以优化企业资源配置，助力制造业结构升级。在数字经济条件下，数字技术可以提升供需匹配效率，优化资源配置，以此助力制造业结构升级，从而促进制造业高质量发展。

其次，数字经济使制造业经营模式发生颠覆性改变。数字经济可以重塑制造业的边界，打破传统制造业的壁垒进行产品定制化、创新化生产，从而提高供需对接效率，促进制造业的高质量发展。

最后，数字经济可以提高制造业企业的劳动生产率。数字经济的发展可以为企业提供技术和服务，数字技术可以加快生产各环节的信息互通，进而加快生产过程中的生产数据整合，还可以提高生产设备自动化程度，从而促进劳动生产率的提升。

根据以上分析得到假设，即数字经济可以正向推动制造业高质量发展。

2 实证分析

2.1 变量说明与数据来源

2.1.1 变量说明

被解释变量为制造业高质量发展，测度制造业高质量发展情况的指标是制造业全要素生产率。在具体选择方面，本文选用OLS法测度制造业企业全要素生产率水平，另借鉴林小玲和张凯运用固定效应模型，再使用OLS法测算TFP，以及LP法、GMM法衡量TFP用作稳健性检验。

核心解释变量为数字经济。本文借鉴韩先锋等数据的可获得性构建数字经济指标体系记为del和del1，具体如表1所示。

控制变量。参考现有研究成果，本文对以下可变量进行控制：宏观层面选取经济发展水平（edl）、对外开放程度（open）、城镇化水平（urban）、人力资本水平（hl）、政府参与程度（gpd）、社会消费水平（co）。在微观层面，本文对以下变量进行控制：企业年龄（age）、企业规模（size）、资产负债率（lev）、现金流比率（cashflow）。

2.1.2 数据来源、处理和变量描述性统计及分析

本文选取 2018—2022年的制造业上市公司数据，剔除上市不满一年或已经退市的企业、金融企业、ST企业，并对缺失数据进行剔除，共得到11133个观察值，为减少异常值的影响，对所有连续变量进行1%和 99%的缩尾处理，并利用 Stata17软件对变量进行描述性统计分析，结果如表2所示。

首先，制造业高质量发展水平（TFP_OLS）的平均值为9.1488，标准差为1.557，中位数为8.77。这表明在制造业的全要素生产率方面存在一定的差异，但整体上，该行业正处于一个相对较高的发展水平。其次，数字经济发展水平（del）平均值为0.3534，标准差为0.192，中位数为0.35。这说明数字经济在制造业中的渗透和应用虽处于一个中等水平，但也存在明显的不均匀性。在宏观控制变量方面，经济发展水平（edl）、人力资本水平（hl）、城镇化水平（urban）标准差分别为9.6914、0.0230、0.6995。这些指标表明宏观经济和基础设施状况在不同地区具有一定的差异。在微观层面，企业年龄标准差为0.265，而企业规模（Size）的标准差为1.207。这些数据揭示了制造业企业在微观特征上也存在一定的差异。

2.2 计量模型构建

为验证数字经济对制造业高质量发展的促进作用，本文构建以下面板模型：

TFP_OLSit=α0+α1 delit+γControlsit+ui+μp+θt+εit（1）

其中，被解释变量TFP_OLS为制造业企业i在第t年的高质量发展水平。核心解释变量delit为中小企业i所在的省份在第t年的数字经济水平。Controls表示所有其他的控制变量。此外，模型控制了公司固定效应（ui）、省份固定效应（μp）和年份固定效应（θt），εit是模型中的残差项。系数α1表示数字经济对制造业高质量发展的影响，预期该系数显著为正。

3 回归结果分析

3.1 基准模型回归分析

本文主要关注数字经济发展水平（del）如何影响制造业高质量发展水平（mhd）。使用三种不同的回归模型——OLS（普通最小二乘法）、RE（随机效应）和FE（固定效应）进行分析。

首先，在表3（1）列OLS模型中，数字经济发展水平（del）与制造业高质量发展水平有较强的正相关关系，系数为0.3670，并在5%的显著性水平上具有统计显著性。这一结果为本文的研究提供了初步的支持。

其次，在加入随机效应（RE）模型后，del的系数略有上升，变为0.4176，但依然在1%的显著性水平上保持统计显著。这一结果表明，即便考虑到不可观测的个体随机效应，数字经济与制造业高质量发展之间的正向关系依然十分稳健。

最后，在固定效应（FE）模型中，del的系数进一步下降到0.3487，但仍然在1%的显著性水平上为正且显著。这意味着在控制了时间不变但各个样本之间有差异的不可观测特性后，数字经济水平每提高1%，制造业高质量发展水平将提高34.87%。

这一发现初步证实了本文的主要研究假设，即数字经济对制造业高质量发展有明显的促进作用。然而，这一结论仍需进一步的实证检验和深度分析。

3.2 稳健性检验

本文采用多重稳健性检验方法。首先，改变了被解释变量的测量方法，分别使用FE（固定效应）、LP（Levinsohn-Petrin）和GMM（广义矩估计）方法来测算全要素生产率，并将这些新测算的值作为被解释变量进行回归。这些结果分别展示在表4列（1）、列（2）和列（3）中。此外剔除了2022年疫情的数据，经过剔除后的稳健性检验结果展示在表4列（4）中，并调整了解释变量——数字经济发展水平（del）的测算方法。本文采用主成分分析法来重新测算数字经济水平，并用这个新的测算值进行回归分析。这一结果展示在表4列（5）中。最后为了捕捉不同行业之间可能存在的差异，本文在模型中加入了行业固定效应，加入行业固定效应后的稳健性检验结果展示在表4列（6）中。

本文在进行了多重稳健性检验后，得出以下结果。表4列（1）使用FE（固定效应）方法测算的全要素生产率（TFP_FE）作为被解释变量时，del的系数为0.2707，且在5%的显著性水平下显著。表4列（2）采用LP（Levinsohn-Petrin）法测算的全要素生产率（TFP_LP）得到的del的系数为0.2436，且在1%的显著性水平下显著。表4列（3）在使用GMM（广义矩估计）法测算的全要素生产率（TFP_GMM）下，del的系数降至0.2812，但在5%的显著性水平下仍然显著。这三列证明了数字经济发展水平对制造业高质量发展水平（全要素生产率）的正面影响在不同测算方法下都是稳健的。表4列（4）在剔除2020年疫情影响的样本后，del的系数上升到0.3706，并在1%的显著性水平下显著。这表明疫情的剔除并没有负面影响回归结果，反而使得数字经济发展水平的影响更加显著。表4列（5）采用主成分分析法替代熵权法来测算del时，其系数为0.3409，并在1%的显著性水平下显著。这说明无论是使用熵权法还是主成分分析法，数字经济发展水平对制造业高质量发展水平的正面影响都是稳健的。表4列（6）在增加行业固定效应后，del的系数为0.3409，且在1%的显著性水平下显著。这证明即便考虑行业间的差异，数字经济发展水平仍然是一个稳健的解释变量。

综上所述，本文通过各种稳健性检验，可以确认数字经济发展水平（del）对制造业高质量发展水平有着显著的正面影响。

4 结语

本文通过理论和实证检验探究数字经济对制造业高质量发展的影响，并得到研究结果：数字经济发展正向促进制造业高质量发展，且经过实证检验作用促进效果明显。本文基于所得结论，得到如下几点启示：

（1）政府应深入推动快数字基础设施建设，加强数字技术创新，提高全要素生产率，强力支持制造业数字化转型。

（2）激活人才引擎动能，打造制造业数字化竞争新优势。精准引才，打造制造业数字化人才高地。精心育才，完善人才培育机制。暖心留才，优化人才服务保障。科学用才，激发人才创新潜能。

（3）实现国际合作，充分发挥数字经济的开放应用，主力对外发展新格局。

参考文献

韦庄禹.数字经济发展对制造业企业资源配置效率的影响研究[J].数量经济技术经济研究，2022，39（3）：66-85.

刘鑫鑫，惠宁.数字经济对中国制造业高质量发展的影响研究[J].经济体制改革，2021（5）：92-98.

段国蕊，于靓.制造业高质量发展评价体系构建与测度： 以山东省为例[J].统计与决策，2021，37（18）：99-102.

方梓旭，戴志敏.中国制造业高质量发展水平测度及时空特征研究[J].软科学，2023（9）： 1-13.

李巧华.数字技术何以赋能企业科技向善： 耦合视角[J].财会月刊，2022（22）：148-153.

惠树鹏，王绪海，单锦荣.中国工业高质量发展的驱动路径及驱动效应研究[J].上海经济研究，2021（10）：53-61+76.

TAPSCOTT D. The digital economy： Promise and peril in the age of networked intelligence[M].New York：McGraw-Hill， 1996： 8-15

陈晓红，李杨扬，宋丽洁.数字经济理论体系与研究展望[J].管理世界，2022（2）：208-224+13-16.

GOLDFARB A， TUCKER C. Digital economics[J]. Journal of economic literature，2019，57（1）：3-43.

赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展： 来自中国城市的经验证据[J].管理世界2020，36（10）： 65-76．

刘成坤，江越，张启慧，等.数字经济发展水平的统计测度及时空演变趋势研究[J].工业技术经济，2022，41（2）：129-136.

黄先海，诸竹君.生产性服务业推动制造业高质量发展的作用机制与路径选择[J].改革，2021（6）.

徐慧.数字经济对中国制造业高质量发展的影响[J].时代经贸，2023，20（1）：150-154.

贾建锋，赵若男，刘伟鹏.数字经济下制造业国有企业转型升级的组态研究[J].研究与发展管理，2022，34（2）：13-26.

王德辉，吴子昂.数字经济促进我国制造业转型升级的机制与对策研究[J].长白学刊，2020（6）：92-99.

陈斌，何思思.数字经济时代的虚拟集聚与制造业技术创新： 来自我国城市群的经验证据[J].南方经济，2023（8）：72-92.