徐颖 刘登鳌

摘 要：   数字经济与实体经济深度融合，成为推动制造业高质量发展的新引擎。论文在构建制造业高质量发展指标基础上将数据要素禀赋纳入制造业发展分析框架，利用2013—2020年省际面板数据，实证检验数字经济驱动制造业高质量发展的影响效应及作用机制。研究表明：数字经济显著推动制造业高质量发展，数据要素禀赋是数字经济促进制造业高质量发展的重要机制，其中数据流量规模的促进作用高于数据用户规模的促进作用。研究发现为数字经济时代进一步挖掘数据要素价值，助力实现制造业高质量发展提供了理论依据和实践经验。

关键词：  数字经济；制造业高质量发展；数据要素禀赋；调节效应

中图分类号：  F 49

文献标志码：   A

Digital Economy， Data Factor Endowment and High-QualityDevelopment of Manufacturing

XU Ying LIU Dengao

（School of Ecnomics， Zhejiang University of Technology， Hangzhou 310023， China）

Abstract：  The deep integration of the digital economy and the real economy has become a new engine to promote the high-quality development of the manufacturing industry. Based on the construction of high-quality development indicators of manufacturing industry， this paper incorporates data element endowments into the analysis framework of manufacturing development， and empirically tests the influence effect and mechanism of digital economy driving high-quality development of manufacturing industry by using inter-provincial panel data from 2013 to 2020. The results show that the digital economy significantly promotes the high-quality development of the manufacturing industry， and the data element endowment is an important mechanism for the digital economy to promote the high-quality development of the manufacturing industry， among which the promotion of the scale of data flow is higher than that of the scale of data users. The research results provide a theoretical basis and practical experience for further mining the value of data elements in the digital economy era to help achieve high-quality development of the manufacturing industry.

Key words：   digital economy; high-quality development of manufacturing industry; data factor endowment; moderating effect

數据要素作为数字经济发展壮大的根基，具有强大的增长牵引力，但是当前有关数据要素的探讨大多集中于定性分析，且分析角度集中于宏观经济运行效率与微观企业生产管理效率，尚未有文献从产业角度入手分析数字经济时代下数据要素对高质量发展的影响效应。本文以数据要素禀赋为调节变量，对数字经济、数据要素禀赋与制造业高质量发展的影响机制进行理论分析与实证检验，以期弥补相关领域的研究空白。

1 理论分析

1.1 数字经济驱动制造业高质量发展

数字经济具有高融合性的特征，通过数字化革新吸引高端要素投入，推动制造业转型升级。数字经济一方面以数字产业化为支撑，通过技术渗透融合为制造厂商提供数字化产品、服务与解决方案，支撑制造业产业数字化转型（王俊豪和周晟佳，2021）；另一方面，数字经济以产业数字化为根本。数字技术的不断渗透与应用打破了限制传统行业效率提升的桎梏，使得制造业整体运行效率明显提升，推动实现效率变革。数字技术与数字基础设施相互支撑，通过智能制造技术与生产过程紧密结合提升制造业有效供给水平，推动实现质量变革（张新生，2018）。数字化转型过程中集聚高端人才与先进技术等资源，带动了制造业整体创新水平提升，通过知识信息等的外部扩散推动实现制造业发展动力变革（张昕蔚，2019）。

通过以上分析，本文提出相应的研究假设：

H1：  数字经济对制造业高质量发展具有正向驱动作用。

1.2 数字经济时代数据要素禀赋及对制造业高质量发展的影响

数字经济和人类生产活动交织催生了数据的爆发式增长。凭借自身高渗透性、高流动性、高价值性等特性，数据要素表现出显著正外部性。其一，数据可以辐射其他生产要素，通过要素间协调互补改善要素投入质量，提升整体配置效率（盛磊，2017）。其二，数据具有强大的导向力，通过数据流吸引技术流与人才流对实体经济生产组织方式变革与创新产生深刻影响（白永秀等，2022）。借助新兴数字技术对数据进行挖掘分析会对制造业施以引导作用，推动制造业企业实现从“规模生产”到“个性化定制”的转变，能够提升数字经济时代下人民生活质量（李春发和李冬冬，2020）。通过数字技术挖掘数据信息带来的“创造性价值”已经成为制造业产业形态向高质量模式转变的新动能。

通过以上分析，本文提出相应的研究假设：

H2：  数据要素禀赋对数字经济推动制造业高质量发展发挥正向调节作用。

2 研究设计

2.1 模型设定

為检验数字经济推动制造业高质量发展的效应与机制，本文构建基准模型如下：

Hmanuit=β0+β1DELit+∑βjXjit+μi+t+εit （1）

其中：Hmanu为被解释变量，表示制造业高质量发展水平；DEL为核心解释变量，表示数字经济发展水平；X为设定的控制变量组；μi表征个体固定效应；t表征时间固定效应；εit为随机扰动项；下标i代表省份；t代表时间。此外，本文引入调节模型检验数据要素禀赋对数字经济驱动制造业高质量发展的调节效应。

Hmanuit=β0+β1DELit+β2Datait+∑βjXjit+μi+t+εit （2）

Hmanuit=β0+β1DELit+β2Datait+β3DELit*Datait+∑βjXjit+μi+t+εit （3）

式（2）和式（3）中，Data表示数据要素禀赋的代理变量，用于判断数据要素配置的调节效应。

Hmanuit=β0+β1DELit+β2Da1it+∑βjXjit+μi+t+εit （4）

Hmanuit=β0+β1DELit+β2Datait+β3DELit*Da1it+∑βjXjit+μi+t+εit （5）

式（4）和式（5）中，Da1表示数据要素用户规模的代理变量，用于判断数据要素中数据用户规模的调节效应。

Hmanuit=β0+β1DELit+β2Da2it+∑βjXjit+μi+t+εit （6）

Hmanuit=β0+β1DELit+β2Datait+β3DELit*Da2it+∑βjXjit+μi+t+εit （7）

式（6）和式（7）中，Da2表示数据要素流量规模的代理变量，用于判断数据要素中数据流量规模的调节效应。

2.2 指标选取与变量测度

被解释变量：制造业高质量发展Hmanu。本文构建了经济、社会、生态三维一体制造业高质量发展评价指标体系（表1），以经济效率、产业发展、企业成长指标表征经济效益，以创新环境、共享水平表征社会效益，以绿色发展水平表征生态效益，体现制造业高质量发展的丰富内涵。采用熵值法计算指标综合得分。

核心解释变量：数字经济发展水平DEL。数字产业化和产业数字化是数字经济的核心构成部分，数字基础设施是数字经济赋能的支撑体系。基于此三个维度，本文构建省级数字经济发展评价指标体系并用熵值法计算综合得分。

调节变量：数据要素配置Data。本文在借鉴李治国等人（2021）研究基础上从数据产生主体与流动载体入手衡量数据要素禀赋水平，构建由用户规模（Da1）与流量规模（Da2）组成的数据要素禀赋指标。其中，用户规模主要由互联网宽带接入用户与移动互联网用户数加总而得，流量规模则采用各地区移动互联网年度流量使用规模表示，综合数据要素配置水平由熵值法获得。

控制变量：本文选取以下五个控制变量控制可能影响制造业高质量发展的因素。（1）开放水平Ltrade：采用对外贸易依存度指标衡量。（2）市场化水平market：采用非国有经济就业比重衡量。（3）城镇化率townhabitant：采用各地年末人口总量中城镇人口比重衡量。（4）政府支持水平govexp：以地方财政支出强度衡量。（5）污染水平pollution：采用固体排放物总量表示。

2.3 数据来源与描述性统计分析

本文研究对象为2013—2020年除西藏外的中国内陆省份（地区）。数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》及各省份统计年鉴。此外，本文用插值法补充原始缺失数据并预先对绝对值数据进行对数化处理，以消除量纲和异方差影响。

表3报告了主要变量的描述性统计结果。制造业高质量发展得分均值为0.365，表明当前我国制造业高质量发展仍处于起步阶段；得分最大值为0.736，最小值为0.141， 标准差为0.144， 显示我国不同省份之间制造业高质量发展水平差异较为明显。同样的分析过程亦适用于数字经济综合得分。从时序特征来看，制造业高质量发展均值由2014年的低值0.34提升到高值0.38，整体呈缓慢波动性增长趋势（图1）。数字经济发展水平在样本期内亦呈现类似特征的变动趋势。

3 实证分析

3.1 基准回归

表4汇报了双向固定效应模型基准回归结果。未加入控制变量时数字经济对制造业高质量发展影响效应在1%水平上显著，数字经济评估得分每增加一个单位，高质量发展指数得分平均约增加0.984个单位。逐步引入控制变量，数字经济对制造业高质量发展的影响水平仍在1%水平上显著，且效应系数仍处于0.9以上水平，表明数字经济发展对制造业高质量发展具有明显正向促进作用。

3.2 异质性分析

3.2.1 分区域回归

基准回归结果分析是基于整体平均效应而言，但是不同省份间发展基础水平差异会对数字经济与制造业高质量发展产生异质性影响。本文检验了数字经济对东部、中部、西部与东北地区制造业高质量发展的不同效应。表5列（1）至列（4）显示数字经济对制造业高质量发展在各地区都具有显著的正向驱动作用，且该驱动效应呈现出东部>中部>西部>东北地区的格局。东部地区经济发展水平较高， 科技创新能力较强且创新应用面广，数字经济能够较好  发挥经济效应。中部地区虽然基础设施正不断发展完善，但数字创新与应用水平有待提高。而东北地区与西部地区数字创新能力与基础设施水平则需要进一步提高，数字经济提振作用有待进一步挖掘。

3.2.2 分指标回归

表5列（5）至列（7）报告了数字经济发展水平分项指标对于制造业高质量发展的不同促进作用。结果显示三项分指标均对制造业高质量发展发挥正向效应，显著性水平1%。其中，数字产业化对于制造业高质量发展的促进效应最为明显，其次是数字基礎设施，而产业数字化的正向驱动效应要低于前两者。数字产业化以数字产品和服务为主要内容，当前发展成果较为丰富，能够直接对制造业发挥数字化赋能提升效应。数字基础设施则是体现数字经济特征的新一代信息通信基础设施，对制造业高质量发展有直观拉动作用。产业数字化是制造业转向智能化、网络化、信息化的根本，产业变革阻力相应加大，直观上推动效应要低于前两者。

3.3 调节效应分析

表6列（1）与列（2）分别汇报了未引入与引入交乘项后的回归结果， 重点关注交乘项的符号与显著性。数据要素禀赋水平与数字经济发展水平的交乘项在1%水平上显著且符号为正，表明数据要素禀赋在数字经济促进制造业高质量发展过程中发挥正向调节作用。鉴于数据要素禀赋水平由用户规模与流量规模两部分组成，分别将其与数字经济构造交乘项检验调节作用，结果由表6列（3）与列（4）呈现。用户规模与流量规模的交乘项结果均在1%水平上显著，且符号为正，但仅有流量规模主效应显著，表明相较于扩大用户规模，数据流量规模的调节效应更为明显，原因在于数据流量规模扩大能够为数据进一步深入挖掘与分析提供基础支撑。

3.4 稳健性检验

首先，替换被解释变量检验数字经济对制造业发展的效应。测度制造业绿色TFP成为衡量制造业高质量发展水平的重要指标，本文在EBM模型的基础上构建全局ML指数测度各省份制造业绿色全要素生产率，投入产出参考李玲（2012）测度指标选择。表7列（1）显示数字经济对制造业高质量发展仍然具有显著性水平为1%的驱动作用，且数据要素禀赋仍对其发挥稳定的正向调节效应。

其次，替换解释变量并重新估计。基于原先构建的数字经济发展评价指标体系改用主成分分析法重新测算综合得分并作为核心解释变量纳入回归模型中，计量结果由表7列（2）汇报。结果表明主成分分析法测度的数字经济水平仍然可以对制造业高质量发展起到正向促进作用，且数据要素禀赋的正向调节效应依然稳健。

再次，本文采用工具变量法解决内生性问题。借鉴黄群慧（2019）与Nunn and Qian（2014）的方法，选取固话普及率作为工具变量，构建自2000年始由第三产业投资与固话普及率交乘的面板数据。同时本文将滞后一期的解释变量作为另一工具变量，二者均通过工具变量检验。采用两个工具变量进行2SLS和GMM估计，结果显示数字经济对制造业高质量发展的影响效应及数据要素禀赋水平的正向调节效应均在1%水平上显著，证明前述研究结论是稳健的。

4 结论与建议

本文在探讨数字经济推动制造业高质量发展理论基础上得到实证研究结论：第一，数字经济对制造业高质量发展具有显著正向驱动效应，其中数字产业化、产业数字化、数字基础设施三项分指标分别发挥不同程度的促进效应。第二，不同区域内数字经济对制造业高质量发展均具有显著的促进作用，且东部地区效应最大。第三，数据要素禀赋在数字经济驱动过程中发挥显著正向调节作用。

基于以上结论，本文提出如下发展建议：（1）大力发展数字经济，提升数字赋能水平。坚持创新驱动发展战略，鼓励制造业企业勇于创新、敢于创新，在更深层次上放大数字经济的赋能效应。（2）充分发挥东部地区领头羊作用，积累可复制推广的发展经验；同时相应在落后地区布局数字化基础设施，充分发挥各地的基础优势，实现区域协调发展。（3）加快数据要素市场培育，加大数据要素在生产活动中的挖掘分析与应用力度。一方面，以数据为黏合剂推进制造业数智化转型，运用大数据推动制造环节革新；另一方面，积极探索数据要素与人才、技术等创新要素协同联动机制，形成以数据为核心要素的制造业发展新范式。

参考文献：

［1］  王俊豪，周晟佳.中国数字产业发展的现状、特征及其溢出效应［J］.数量经济技术经济研究，2021，38（3）：103-119.

［2］ 张新生.基于数字孪生的车间管控系统的设计与实现［D］.郑州：郑州大学，2018.

［3］ 张昕蔚.数字经济条件下的创新模式演化研究［J］.经济学家，2019（7）：32-39.

［4］ 白永秀，李嘉雯，王泽润.数据要素：特征、作用机理与高质量发展［J］.电子政务，2022（6）：23-36.

［5］ 李春发，李冬冬，周驰.数字经济驱动制造业转型升级的作用机理：基于产业链视角的分析［J］.商业研究，2020（2）：73-82.

［6］ 李治国，王杰.数字经济发展、数据要素配置与制造业生产率提升［J］.经济学家， 2021（10）：41-50.

［7］ 李玲，陶锋.中国制造业最优环境规制强度的选择：基于绿色全要素生产率的视角［J］.中国工业经济，2012（5）：70-82.

［8］ 黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验［J］.中国工业经济，2019（8）：5-23.

［9］ NUNN N， QIAN N. U.S. Food aid and civil conflict［J］. The American Economic Review， 2014（6）.