张良贵 王立勇 孙久

摘要：通过构建包含数字经济部门的DSGE模型，数值模拟数字经济结构（包含数字设施、数字产业化和产业数字化）变化对高质量发展效应的作用影响，研究表明：数字经济结构变化对研发效率的影响大于对闲暇时间的影响，对“闲暇时间-研发效率”动态关系变化下高质量发展效应的影响显著;数字设施的快速发展可以促进经济高质量发展，数字产业化和产业数字化之间的动态均衡关系决定了高质量发展效应变化，产业规划政策上需要关注数字设施、数字产业化和产业数字化间的“逐级扩张效应”;数字产业化存在“破冰期”，在初始阶段高质量发展效应会被抑制，但随着规模增加会快速得到提升;数字经济推动高质量发展会呈现倒“U”型走势，政策上需要防控数字经济盲目扩张，合理优化数字經济结构，可以更好地提升高质量发展效应。

关键词：数字经济结构;高质量发展效应;闲暇时间;研发效率

文章编号：2095-5960（2022）02-0014-09;中图分类号：F061.2;F064.1;文献标识码：A

一、引言

高质量发展已经成为中国新时代经济发展的重要特征。十九大报告首次提出高质量发展，将其描述为更高质量、更高效率、更加公平、更可持续的发展。高质量发展的形成与中国特色社会主义发展阶段、发展探索和发展实践紧密相关。从高质量发展理论内涵来看：高质量发展是能够很好满足人民日益增长的美好生活需要的发展，是体现创新发展理念的发展，是创新成为第一动力的发展;[1]高质量发展是建设现代化经济体系的重要转换过程。[2]

数字经济作为高质量发展的重要引擎，可以提高整个供给体系的质量[3]，提高全要素生产率[4，5]，能够增强实体经济创新动力[6-8]，加速经济发展向高质量转换。数字经济驱动高质量发展的内在机理来自三个方面的演化，即要素配置、产业升级和经济结构优化[9-11]：在要素配置方面，数据要素成为新型核心生产要素，运用互联网、大数据、云计算、人工智能等新兴技术可以形成兼具规模经济、范围经济及长尾效应的经济环境，利于形成更完善的价格机制，更好地匹配供需，提高经济均衡水平，实现要素报酬递增。在产业升级方面，数字产业化、产业数字化与实体经济深度融合，带动产业升级，培育发展新经济业态。在经济结构优化方面，新的投入要素、新的资源配置效率、新的全要素生产率、新的经济业态，不仅能提升整体经济规模和经济质量， 更能促进产业均衡和区域均衡发展，实现了经济绿色发展、经济福利共享和经济系统稳定，已经成为引领经济结构优化的重要途径。[12]

数字经济作为一种融合创新经济，以数字化的知识和信息为关键生产要素，主要包括数字技术的产业化和产业的数字化两方面[13]，其本质是信息技术的应用和数字劳动的呈现[14，15]，突破了地理和信息双重约束下既定资源配置决策，进而推动传统企业、技术处理组织之间的互动和作用，演化形成了新的经济形态。[16]数字经济借助网络可以使得闲置的受制于技术知识的简单劳动力转化为具有复杂效用的劳动力，进而提升资本对劳动力和知识的影响，达到要素资源的有效配置。[9]

信息技术的快速发展加速了数字经济与实体经济深度融合，进一步改变和创新了新的经济业态。数字经济驱动高质量发展的内在机理离不开以人为本的技术积累和技术进步。人力资本的积累是实现技术积累和技术进步的重要前提，知识和技能的积累是人力资本积累的重要表现，“干中学”和“信息获取”是知识和技能积累的重要方式。此外，内生经济增长理论也揭示了一国经济实现长期稳定增长的内在机制，从重在强调经济增长过程中的资源配置，如劳动分工、资本积累、人口因素和土地，逐渐聚焦到技术进步、知识溢出和破坏性创新对内生增长机制的解释。其中，人力资本积累和技术进步起到了关键作用。[17]可见，学术界已经普遍认同数字经济对促进中国经济转向高质量发展具有重要意义，也有文献分析了数字经济驱动高质量发展的内在机理。然而，从内生增长理论的角度研究数字经济结构及其动态变化对高质量发展效应的影响并不多见，特别是从闲暇时间和研发效率微观视角测度数字经济结构优化对高质量发展效应的影响。

随着互联网、大数据、云计算、5G等新兴技术的发展，时间配置呈现出多样化、分散化和个人化的倾向[18]，弹性工作时间等新型劳动时间制度开始出现[19]，新型劳动时间体现出由劳动者自行掌控[20]，劳动时间的灵活性明显增强[21]。时间分配在休闲、消费、娱乐、学习的过程中即是数字劳动过程，数字劳动过程与传统劳动过程相比，劳动场所和劳动要素等都发生了变化。[22]闲暇时间和研发效率的微观变化是推动当代劳动转向“数字劳动”“非物质劳动”的关键，成为学术界争论的焦点。[23]闲暇时间和研发效率的微观变化也是评判数字劳动是否加速经济发展、促进产业转型，是否加速劳动异化，是否加速剩余时间剥削的重要依据。[24-26]闲暇时间和研发效率的微观变化也是评判马克思提出的“自由社会”阶段发展水平的重要依据。

基于内生增长理论构建一般动态均衡模型（DSGE），从闲暇时间和研发效率的视角，研究刻画数字经济结构优化及其对高质量发展效应的影响。本文的贡献可能有以下几点：第一，通过数值模拟数字基础设施、数字产业化和产业数字化构成比例变化，探究“闲暇时间-研发效率”动态关系变化机制，进一步丰富了理论研究;第二，基于“闲暇时间-研发效率”动态关系变化机制，测度分析数字经济结构优化对高质量发展效应影响机制，为实证研究拓展了新视角;第三，在数字经济结构优化及高质量发展效应分析的基础上，提出政策建议，为政策制定提供参考。

二、模型构建、指标与数据说明

（一）模型构建

建立了一个包含数字经济部门的DSGE模型，模型的设定主要参考了BGG[27]，Christensen等[28]，Christiano & Motto & Rostagno，Dib，Gertler等，徐舒和左萌等[29]，以及王立勇和张良贵等[30]相关文献。模型中包括了家庭、生产厂商和数字经济部门。

（1）家庭部门

家庭部门通过选择消费Ct、闲暇1-Ht和获取数字经济DEt收益来实现自身效用最大化：

U0=E0∑∞t=0βtu（Ct，Ht，DEt）（1）

单期家庭效用函数可以表达为：

u（·）=logCt+η1log（1-Ht）+η2logDEt（2）

家庭面临的约束条件为：

Ct+Dt≤wtHt+（1+Rt-1）Dt-1+RDGtDEt（3）

其中，Dt代表家庭存款，Rt代表存款利率，wt代表名义工资，Ht代表工作时间，RDEt代表從数字经济DEt中获得的收益率。为了获取更高工资收入，或是保持相对竞争优势，工作中需要采用“干中学”策略，提升自身技能，假设Ht满足：

Ht=（Hwt）ρw（Hedut）1-ρw（4）

其中，Hwt代表有效工作时间，Hedut代表“干中学”的学习培训时间，ρw为有效工作时间比例。参照物质资本存量方程，得到Hedut人力资本积累过程：

Hedut+1=（1-δh）Hedut+Iedut（5）

其中，δh代表人力资本折旧率，表示人口的老龄化与替代性。Iedut代表人力资本投资，随着互联网等信息技术的发展丰富了人力资本的学习方法和交互媒介，假设满足：

Iedut=DEt（edut）ω（6）

其中，ω代表人力资本投资过程中知识储备（用学历水平替代）发挥作用的系数，DEt代表数字经济发展水平，由数字经济结构（数字设施、数字产业化和产业数字化）决定，即：

DEt=（DBt）ρDB（DIt）ρDI（IDt）ρIDeεmest（7）

ρDB、ρDI、ρID分别代表数字设施DBt、数字产业化DIt和产业数字化IDt的占比，εmest代表数字经济发展的冲击影响。

edut代表学历水平，假设满足CES函数形式：

edut=ρup eduuptζh ζh-1+ρlow edulowtζh ζh-1（ζh -1）ζh （8）

其中，ρup代表高学历人力占比，ρlow代表低学历人力占比，edtupt代表高学历人力，edtlowt代表低学历人力，ζh代表人力结构间的替代弹性。

（2）厂商部门

厂商部门满足C-D生产函数形式：

Yt=AtKαyt（τtH1-yt）1-α（9）

其中，Yt代表最终产品的总产出，At代表外生的技术水平，Kyt代表厂商投入生产的资本存量，Hyt代表厂商投入生产的人力，τt代表技术存量，α∈（0，1）代表生产函数中资本投入份额，∈（0，1）代表技术存量在非资本中的投入份额。技术存量τt满足：

τt+1=（1-δτ）τt+newτt（10）

厂商的新增技术newτt满足：

newτt=λ（RDt·τt）υTt（11）

其中，δτ代表技术折旧率，λ∈（0，1）为常数，υ∈（0，1）代表研发效率。研发投入RDt满足：

RDt=At（Krdt）αK（Hrdt）αh（DEt）αDEeεRDt（12）

其中，αK，αh，αDE分别代表投入到研发中的资本、人力和数字经济（代表着信息技术）在研发投入上的替代弹性，εRDt代表研发投入的冲击影响。同时假设人力和资本，分别投向生产和研发，数学表达式为：

Ht=（Hyt）ρhy（Hrdt）1-ρhy（13）

Kt=（Kyt）ρky（Krdt）1-ρky（14）

其中，ρhy∈（0，1）代表投入到生产中人力占比，ρky∈（0，1）代表投入到生产中资本占比。资本存量Kt累积方程满足：

Kt+1=xtIt+（1-δK）Kt（15）

潜在技术水平Tt满足外生扩散过程：

Tt+1=ΘtTt（16）

Θt代表技术扩散速度。

（3）数字经济部门

假设数字经济部门由三部分构成，即数字设施、数字产业化和产业数字化，形式参照柯布-道格拉斯生产函数设定。数字设施DBt取决于经济发展和研发投入，满足：

DBt=（Yt）βy（RDt）βRDBeεDBt （17）

数字产业化DIt取决于研发投入和数字设施，满足：

DIt=（RDt）βRDI（DBt）βDBDeεDIt（18）

产业数字化IDt取决于研发投入、数字设施和数字产业化，满足：

IDt=（RDt）βRID（DBt）βDBI（DIt）βDIIeεIDt（19）

其中，βy代表经济发展在数字设施中的占比，βRDB代表研发投入在数字设施中的占比，βRDI代表研发投入在数字产业化中的占比，βDBD代表数字设施在数字产业化中的占比，βRID代表研发投入在产业数字化中的占比，βDBI代表数字设施在产业数字化中的占比，βDII代表数字产业化在产业数字化中的占比。εDBt，εDIt，εIDt分别代表数字设施、数字产业化和产业数字化的冲击影响。

（4）市场出清

假设总产出Yt由消费Ct、投资It和数字经济DEt组成，即：

Yt=Ct+It+DEt（20）

（5）冲击过程

假设从数字经济DEt获得的收益率RDEt、投资效率xt、新增投资It、技术扩散速度Θt、技术水平At、高学历人力edtupt、低学历人力edtlowt服从AR（1）过程，分别为：

log（RDEt）=ρrdelog（RDEt-1）+εrdet（21）

log（xt）=ρxlog（xt-1）+εxt（22）

log（It）=ρIlog（It-1）+εIt（23）

log（Θt）=ρΘlog（Θt-1）+εΘt（24）

log（At）=ρAlog（At-1）+εAt（25）

log（eduupt）=ρeuplog（eduupt-1）+εupt（26）

log（edulowt）=ρelowlog（edulowt-1）+εlowt（27）

至此，可以得到12个冲击，分别为：数字经济发展水平冲击εmest、研发冲击εRDt、数字基础设施冲击εDBt、数字产业化冲击εDIt、产业数字化冲击εIDt、从数字经济DEt获得的收益率冲击εrdet、投资效率冲击εxt、新增投资冲击εIt、技术扩散速度冲击εΘt、技术水平冲击εAt、高学历人力资本冲击εupt和低学历人力资本冲击εlowt。

（二）指标说明

在DSGE模型中，需要设定的参数有9个（见表1）。 参照现有文献，消费折现因子β设定为0.97，生产函数中资本份额占比α、技术存量在非资本投入中的份额和技术折旧率δτ参照徐舒和左萌等分别设定为0.512、0.2和0.015。[29]资本折旧率δk大部分文献计结果的区间为7%-10%，借鉴张军等2004年估计结果取值为9.6%。人力资本折旧率δh参照吴穹和仲伟等设定为0.01。[31]稳态居民消费占产出比C/Y和稳态投资占产出比I/Y采用仝冰（2010）估计结果分别设定为0.3和0.49，而稳态数字经济占产出比DE/Y设定为1-0.3-0.49=0.21。

其他参数可以利用Dynare软件进行估计和数值模拟，具体参数估计值见表2。从模型设定中可以看到，数字经济部门传导机制方程主要作用在居民效用函数、研发投入和数字经济部门，因此对于参数的估计值重点关注以下几个：闲暇权重η1估计区间为[1.3062，1.5862]，意味着家庭在闲暇上的时间占比在41.38%～69.38%①①Christensen，Dib（2008）将闲暇权重设置为1.315，意味着家庭在工作上的时间31.5%（即1.315-1），闲暇时间为68.5%;国内学者如黄赜琳（2005）将家庭在工作上的时间设置为54.2%，闲暇时间约占45.8%。。研发效率υ估计区间为[0.3951，0.704]。研发投入中资本占比估计区间为[0.3372，0.5389]，人力占比估计区间为[0.4035，0.6985]，数字经济作用占比估计区间为[0.4498，0.6056]，从后验均值来看，在研发投入中影响由大到小的依次是人力、数字经济和资本。从数字经济结构来看，数字经济中数字设施占比估计区间为[0.4103，0.5739]，产业数字化占比估计区间为[0.4278，0.5633]，数字产业化占比估计区间为[0.4298，0.5685]，数字经济结构中占比由大到小依次是数字产业化、产业数字化和数字设施。从数字经济结构内部作用机制来看：数字设施中经济水平占比估计区间为[0.331，0.3644]，研发投入占比估计区间为[0.2927，0.3169]，经济水平对数字设施的影响大于研发投入的影响;数字产业化中研发投入占比估计区间为[0.2901，0.3202]，数字设施占比估计区间为[0.3476，0.5548]，数字设施对数字产业化的影响大于研发投入的影响;产业数字化中研发投入占比估计区间为[0.2901，0.3202]，数字设施占比估计区间为[0.3476，0.5548]，数字产业化占比估计区间为[0.3535，0.5573]，对产业数字化影响由大到小依次是数字产业化、研发投入和数字设施。

剩余参数不作重点分析，但为了研究数字经济结构变化对闲暇时间和研发效率的影响，将以各个参数估计的后验均值作为设定值，进行数值模拟。

（三）数据说明

考虑到观测变量数据的可得性，同时满足各观测变量在时间序列上的完整性，选取了4个观测变量，即国内生产总值 GDP（Yt）、社会零售品销售总额（Ct）、城镇固定资产投资额（It）、普通高等学校毕业生数（eduupt）。样本区间为 1978年至2018年，数据来自国家统计局。以1978年为基期，利用消费价格指数将名义值转化为实际值，以消除价格因素影响。

三、实证检验与分析

（一）数字经济结构传导机理与数值模拟

生产函数（9）中引入了人力资本Hyt与技术存量τt的乘积效应，而技术存量中的新增技术newτt取决于研发投入RDt，在研发投入RDt产出函数（12）中，研發资本Krdt、研发人力Hrdt和数字经济DEt存在着替代关系。显然，数字经济DEt结构性变化，会导致RDt产出函数中投入要素的替代弹性的变化，进而对研发效率υ产生影响。

由效用函数（2）和“干中学”策略函数（4）可知，闲暇时间安排会受到有效工作时间Hwt和学习培训时间Hedut的影响，而Hedut的累积过程中的人力资本投资Iedut包含了数字经济的作用影响。显然，数字经济DEt结构性变化，会导致Iedut变化，进而会对闲暇时间的安排产生影响。

因此，通过数值模拟来验证数字经济结构传导机理及其变化对研发效率和闲暇时间的动态影响，并做如下安排（见表3）：

根据表3的设定，可以得到数字经济结构变化引起研发效率变化趋势如图1至图3所示。随着数字设施占比增加，研发效率持续提升，数字设施占比在0.2～0.4和0.8～1两个阶段研发效率提升速度较快;随着数字产业化占比增加，研发效率跟随波动，数字产业化占比在0.2～0.4阶段研发效率快速下降，在0.4～0.6阶段研发效率快速提升，在0.6～1阶段研发效率逐步下降;随着产业数字化占比增加，研发效率经历了先提升后缓降，产业数字化占比在0.2～0.4阶段研发效率快速提升，在0.4～0.8阶段研发效率缓慢提升，在0.8～1阶段研发效率缓慢下降。数字经济结构变化引起闲暇时间变化趋势如图4至图6所示。随着数字设施占比增加，闲暇时间快速增加，随后缓慢下降，在0.2～0.4阶段快速增加，在0.4～1阶段缓慢下降;随着数字产业化占比增加，闲暇时间经历先快速下降再提升的过程，在0.2～0.4阶段闲暇时间快速下降，在0.4～1阶段闲暇时间持续提升;随着产业数字化占比增加，闲暇时间经历先缓慢提升后快速下降的过程，在0.2～0.6阶段闲暇时间缓慢提升，在0.6～1阶段闲暇时间快速下降。

（二）高质量发展效应度量

与现有文献测度高质量发展效应所选用的指标不同，本文是在数值模拟的基础上进一步构造“闲暇时间-研发效率”动态关系变化下的高质量发展效应，其数学表达式为：

λt=υt1-ηt（28）

其含义为：更少的工作时间，更高的研发效率，前者体现了居民社会福利效应的提高，后者体现了研发投入产出质量的提高。其中，λt代表高质量发展效应变化，数值越大高质量发展效应越显著，反之越不显著。υt代表研发效率变化，ηt代表闲暇时间，可进一步得到数字经济结构变化推动高质量发展效应的变化（如图7至图9所示）。

随着数字设施占比增加，高质量发展效应持续增大;随着数字产业化占比增加，高质量发展效应先减小再增大最后趋于平稳态势;随着产业数字化占比增加，高质量发展效应呈现倒“U”型变化，在产业数字化占比为0.6时，高质量发展效应最大。

（三）实证分析

在数字经济结构传导机理及数值模拟检验的基础上，对提出的三个问题进行实证分析。

问题一，数字经济结构变化对研发效率和闲暇时间的作用机制有何不同？总体来看（如图1至图6），数字经济结构变化对研发效率的影响大于对闲暇时间的影响。从数字经济内部结构变化来看，数字产业化对研发效率和闲暇时间的影响趋势相似，数字设施和产业数字化对研发效率和闲暇时间的影响趋势不同。具体来看：随着数字设施占比的增加，研发效率持续提高，闲暇时间先经历快速提升，而后保持平稳态势;随着数字产业化占比的增加对研发效率和闲暇时间的影响都是经历了“下降-上升-平稳”的变化过程;随着产业数字化占比的增加，研发效率持续提高，闲暇时间经历了先提升后持续下降的过程。

问题二，数字经济结构变化对“闲暇时间-研发效率”动态关系变化下高质量发展效应有何影响？从数字经济结构变化与“闲暇时间-研发效率”动态关系变化下高质量发展效应的趋势来看（如图7至图9）：随着数字设施占比的增加，高质量发展效应持续增大，说明数字设施通过改善要素错配，提升资源配置效率，可以持续促进经济高质量发展;随着数字产业化占比的增加，高质量发展效应经历了“下降-上升-平稳”的过程，说明数字产业化作为新业态，先后经历边际成本与边际收益趋势变化，最终趋向市场稳态;随着产业数字化占比的增加，高质量发展效应呈现倒“U”型走势，说明产业数字化初期借助资源配置效率的提升，提高了边际收益，当资源配置达到临界点时，仍符合内生增长理论机制，即市场资源配置效率机制。

问题三，如何优化数字经济结构提升高质量发展效应？模型的估计结果表明（见表2），数字经济结构中占比由大到小依次是数字产业化、产业数字化和数字设施。从数字经济结构内部的主要作用影响来看，经济水平（估计值为0.3495）对数字设施的影响最大，数字设施（估计值为0.4231）对数字产业化的影响最大，数字产业化（估计值为0.4409）对产业数字化的影响最大。从高质量发展效应表现来看，数字设施的不断发展可以持续提升高质量发展效应;然而，随着数字产业化和产业数字化的发展，高质量发展效应具有不稳定性，特别是当二者占比超过0.6时，高质量发展效应触达高点，而后出现下降态势。

上述结论表明，数字经济结构非均衡发展会导致高质量发展效应的不稳定性。那么，如何优化数字经济结构进而提升高质量发展效应？从数值模拟上可以看到，数字产业化和产业数字化占比超过0.6时高质量发展效应出现了持续下降的拐点。基于此，本文设定两种情形模拟数字经济结构优化下高质量发展效应的变化（如表4）。

情形1，假设数字设施、数字产业化和产业数字化在数字经济结构中占比相同。情形2，假设三者占比由大到小依次是①①现有文献研究指出，数字经济效应最大部分来自产业数字化，其次是数字产业化，最后是数字设施。 ：产业数字化、数字产业化和数字设施，且满足数字產业化比重是数字设施的1.2倍，产业数字化的占比是数字设施的1.8倍②②模拟了数字设施、数字产业化和产业数字化三者间不同的倍数关系，发现在1∶1.2∶1.8比例关系下高质量发展效应最大。。

数字经济结构在情形1和情形2的组合下，得到的高质量发展效应都大于表3中得到的结果，且数字设施占比在0.8时，高质量发展效应最大，滞后于表3中在0.6时出现的高质量发展效应的最大值。情形1和情形2比较来看，情形2组合下得到的高质量发展效应最大。

表3和表4的数值模拟结果表明，优化数字经济结构——数字设施、数字产业化和产业数字化三者间的占比关系，可以提升高质量发展效应，具体来看：经济水平决定数字设施宽度，数字设施决定数字产业化深度，数字产业化决定产业数字化广度，且三者在1∶1.2∶1.8的比例关系下高质量发展效应最大。此外，通过对数字经济结构的优化，可以延后高质量发展效应的拐点出现，但在数字设施占比超过0.8时，数字经济在最优结构下仍会出现高质量发展效应下降趋势的拐点。

四、结论与政策建议

通过构建包含数字经济部门的DSGE模型，数值模拟数字经济结构变化对高质量发展效应的作用影响。研究表明：（1）数字经济结构变化对研发效率的影响大于对闲暇时间的影响。从数字经济内部结构变化来看，数字产业化对研发效率和闲暇时间的影响趋势相似，数字设施和产业数字化对研发效率和闲暇时间的影响趋势不同。（2）数字经济结构变化对“闲暇时间-研发效率”动态关系变化下高质量发展效应有显著影响，随着数字设施占比的增加，高质量发展效应持续增大;随着数字产业化占比的增加，高质量发展效应经历了“下降-上升-平稳”的过程;随着产业数字化占比的增加，高质量发展效应呈现倒“U”型走势。（3）经济水平决定数字设施宽度，数字设施决定数字产业化深度，数字产业化决定产业数字化广度，且三者在1∶1.2∶1.8的比例关系下高质量发展效应最大。（4）通过对数字经济结构的优化，可以延后高质量发展效应的拐点出现，但在数字设施占比超过0.8时，数字经济在最优结构下仍会出现高质量发展效應下降趋势的拐点。

数字经济作为高质量发展的重要引擎，研究分析数字经济结构变化推动高质量发展内在作用机理，对理解和制定高质量发展政策具有一定参考意义。首先，数字设施的快速发展可以促进经济高质量发展，数字产业化和产业数字化之间的动态均衡关系决定了高质量发展效应变化，产业规划政策上需要关注数字设施、数字产业化和产业数字化间的“逐级扩张效应”。其次，在数字产业化初始阶段，高质量发展效应会被抑制，但随着规模增加会快速得到提升，这说明数字产业化存在“破冰期”。第三，数字经济在推动经济高质量发展过程中存在会出现倒“U”型走势，政策上需要防控数字经济盲目扩张，合理优化数字经济结构，可以更好地提升高质量发展效应。

参考文献：

[1]张涛. 高质量发展的理论阐释及测度方法研究[J]. 数量经济技术经济研究，2020（5）：23～43.

[2]高培勇，杜创，等. 高质量发展背景下的现代化经济体系建设：一个逻辑框架[J]. 经济研究，2019（4）：4～17.

[3]宁朝山.基于质量、效率、动力三维视角的数字经济对经济高质量发展多维影响研究[J].贵州社会科学，2020（4）：129～135.

[4]任保平. 数字经济引领高质量发展的逻辑、机制与路径[J].西安财经大学学报，2020（2）：5～9.

[5]范合君，吴婷.数字化能否促进经济增长与高质量发展——来自中国省级面板数据的经验证据[J].管理学刊，2021（3）：36～53.

[6]郭晗. 数字经济与实体经济融合促进高质量发展的路径[J]. 西安财经大学学报，2020（2）：20～24.

[7]宋洋.数字经济、技术创新与经济高质量发展：基于省级面板数据[J].贵州社会科学，2020（12）：105～112.

[8]鲁玉秀，方行明，张安全.数字经济、空间溢出与城市高质量发展[J].经济经纬，2021（6）：21～31.

[9]王娟. 数字经济驱动经济高质量发展：要素配置和战略选择[J]. 宁夏社会科学，2019（5）：88～94.

[10]荆文君，孙宝文. 数字经济促进经济高质量发展：一个理论分析框架[J]. 经济学家，2019（2）：66～73.

[11]张永恒，王家庭.数字经济发展是否降低了中国要素错配水平？[J].统计与信息论坛，2020（9）：62～71.

[12]焦勇.中国数字经济高质量发展的地区差异及动态演进[J].经济体制改革，2021（6）：34～40.

[13]张于喆. 数字经济驱动产业结构向中高端迈进的发展思路与主要任务[J].经济纵横，2018（9）：85～91.

[14]Carlsson.The Digital Economy： what is new and what is not？ [J].Structural Change and Economic Dynamics，2004，15：245～264.

[15]刘荣军. 数字经济的经济哲学之维[J]. 社会科学文摘，2018（3）：47～48.

[16]张鹏. 数字经济的本质及其发展逻辑[J].经济纵横，2019（2）：25～33.

[17]李尚骜，陈继勇，李卓. 干中学、过度投资和 R&D 对人力资本积累的“侵蚀效应”[J]. 经济研究，2011（6）：57～67.

[18]（日）森冈孝二著，米彦军译.过劳时代[M].新星出版社，2019.

[19]Steward， Barbara.Changing Times： The Meaning， Measurement and Use of Time in Teleworking[J]. Time & Society 2000，9（1）： 57～74.

[20]Rosenblat， Alex， and Luke Stark. Algorithmic labor and information asymmetries： A case study of Uber’s drivers.International Journal of Communication，2016， 10（1）：3758～3784.

[21]李胜蓝，江立华. 新型劳动时间控制与虚假自由——外卖骑手的劳动过程研究 [J]. 社会学研究，2020（6）：91～112;243～244.

[22]韩文龙，刘璐.数字劳动过程中的“去劳动关系化”现象、本质与中国应对[J].当代经济研究，2020（10）：15～23.

[23]吴韬. 从非物质劳动到数字劳动：当代劳动的转型及其实质[J].国外社会科学前沿，2019（7）：4～13.

[24]李仙娥.数字经济时代的数字劳动[N].中国社会科学报，2016（4）：11～24.

[25]王行坤.数字资本主义时代的时间政治——评瓦克曼《时间紧迫》[J]. 中国图书评论，2018（8）：94～104.

[26]刘璐璐. 数字经济时代的数字劳动与数据资本化——以马克思的资本逻辑为线索[J]. 东北大学学报 （社会科学版），2019（4）：404～411.

[27]Bernanke，B.S.，M.Gertler，and S.Gilchrist. The Financial Accelerator in a Quantitative Business Cycle Framework.1999，1341～1393.

[28]Christensen，I.，and Dib，A. The Financial Accelerator in an Estimated New Keynesian Model[J]. Review of Economic Dynamics，2008.11：155～178.

[29]徐舒，左萌，姜凌. 技术扩散、内生技术转化与中国经济波动——一个动态随机一般均衡模型[J]. 管理世界，2011（3）：22～31.

[30]王立勇，张良贵，刘文革. 不同粘性条件下金融加速器效应的经验研究[J]. 经济研究，2012（10）：69～81;160.

[31]吴穹，仲伟周，陈恒. 我国区域信息化对工业技术创新效率的影响——基于劳动-教育决策两部门DSGE模型的分析[J].经济问题探索，2018（5）：1～16.

Structural Optimization of Digital Economy and High Quality Development Effect： Experience

Enlightenment From the Dynamic Relationship Between Leisure Time and R&D Efficiency

ZHANG Lianggui1，2，WANG Liyong2，SUN Jiuwen3

（1.Shandong University of Technology，Zibo，Shandong 255000，China;2.Central University of Finance and Economics，Beijing 100081，China;3.Renmin University of China，Beijing 100872，China）

Abstract：

By constructing a DSGE model including digital economic sectors，using numerical simulation to test the impact of changes in digital economic structure （including digital facilities， digital industrialization and industrial digitization） on high-quality development effect. The research shows that the impact of changes in digital economic structure on R&D efficiency is greater than that on leisure time， and on “leisure time-R&D efficiency”. The effect of high-quality development is significant under the change of dynamic relationship.The rapid development of digital facilities can promote high-quality economic development. The dynamic equilibrium relationship between digital industrialization and industrial digitization determines the change of high-quality development effect. Industrial planning policies need to pay attention to the “stepwise expansion effect” among digital facilities， digital industrialization and industrial digitization. There is an “ice breaking period” in digital industrialization. In the initial stage， the effect of high-quality development will be restrained， but it will be rapidly improved with the increase of scale. The promotion of high-quality development by digital economy will show an inverted “U” trend. Policies need to prevent and control the blind expansion of digital economy and reasonably optimize the digital economy structure， which can better improve the effect of high-quality development.

Key words：digital economy structural optimization;high quality development effect;leisure time;R&D efficiency

收稿日期：2021-06-28

基金項目：国家社会科学基金重大项目“新常态下完善我国宏观调控目标体系与宏观调控机制研究”（15ZDA009）;山东省社科规划研究项目“数字经济驱动山东产业融合与动能转换机制研究”（20CJJJ25）;中国博士后基金资助项目“我国‘总体-区域’经济杠杆化特征与宏观调控”（2013M53788）。

作者简介：张良贵（1982—），男，吉林桦甸人，山东理工大学经济学院副教授，硕导，研究方向为宏观经济、计量经济;王立勇（1979—），男，山东烟台人，中央财经大学国际经济与贸易学院教授，博导，研究方向为计量经济、国际经济与贸易;孙久文（1956—），男，北京人，中国人民大学应用经济学院教授，博导，研究方向为区域经济。