信息通信技術對中國工業行業的技術外溢效應研究

蔣仁愛 賈維晗

(西安交通大學 經濟與金融學院，陜西 西安 710061)

一、引言

21世紀以來，人類社會迅速進入了信息網絡時代，各個國家的技術進步與信息技術的發展緊密地聯系在一起。正如蒸汽機、電力的發明給人類生產和生活方式帶來根本性變革一樣，信息通信技術(Information and Communication Technology,ICT)也在深刻改變著人們的生產生活，對國際政治、經濟、文化、社會等領域發展產生全方位的影響(Liao et al.,2016)。伴隨著信息通信技術發展，信息通信技術和產品迅速地在中國擴散和普及。2017年互聯網寬帶接入用戶為3.49億戶，互聯網普及率達到55.8%注數據來源于2018年第3期《中國經濟統計快報》以及2018年《中國統計摘要》。。移動互聯網的發展速度更為引人注目，根據工信部最新發布的數據，僅2016年中國新增4G用戶數3.4億，總數達7.7億戶。同時，信息通信技術還被廣泛應用于企業的生產經營當中，企業平均每百人使用25臺計算機，每百家企業中有56家企業擁有網站，10.9%的企業參與電子商務交易活動注數據來源于2017年《中國統計年鑒》。。2002—2013年中國35個工業行業中，信息通信技術行業R&D投入占總R&D投入的平均比重達到20%注本文以R&D經費內部支出代表R&D流量，通過永續盤存法計算R&D存量作為R&D投入指標。其中，2002—2013年中國各個工業行業的R&D經費內部支出來自于《中國科技統計年鑒》。。為了搶占未來信息技術發展的戰略要地，《中國制造 2025》明確將新一代信息技術產業列為優先突破發展的十大重點領域之首，《國家十三五規劃綱要》已確立實施網絡強國戰略、國家大數據戰略、“互聯網+”行動計劃，以拓展網絡經濟空間，促進互聯網和經濟社會融合發展。為搶抓人工智能發展的重大戰略機遇，構筑中國人工智能發展的先發優勢，國務院在2017年頒布了《新一代人工智能發展規劃》，以加快人工智能與經濟、社會、國防深度融合，提升新一代人工智能科技創新能力。由此可以預見，中國的信息技術產業在引領中國經濟發展和技術進步方面將會發揮越來越重要的作用。

信息通信技術在全球的快速發展和廣泛應用是不爭的事實，但信息通信技術能否必然帶來技術進步則存在很大的爭議。盡管大量文獻研究信息通信技術資本深化對勞動生產率增長的貢獻率，但是對于信息通信技術影響全要素生產率的研究尚不充分，基于中國情景的研究更為缺乏。在此背景下，研究信息通信技術能否促進中國工業行業的生產效率這一問題不僅具有理論價值，也具有重大現實意義。

二、文獻綜述

信息通信技術[注]本文所討論的“信息技術產品”對應于國外文獻中出現的ICT(Information and Communications Technology)。在《中國電子信息產業統計年鑒》中，對電子信息產業有如下的定義：電子信息產業是研制和生產電子設備及各種電子元件、器件、儀器、儀表的工業，是軍民結合型工業。由廣播電視設備、通信導航設備、雷達設備、電子計算機、電子元器件、電子儀器儀表和其他電子專用設備等生產行業組成。而根據其收錄的統計數據可見，“電子信息產品”涵蓋的范圍包括：通信設備產品、廣播電視設備產品、電子計算機產品、家用電子電器產品、電子元器件產品、電子專用設備產品。而《國際信息技術產品協議》中，對信息技術產品的權威定義則涵蓋了以下五大類別產品：計算機及軟件、電訊產品、半導體及半導體生產設備、科學儀器、其他產品。從其內涵分類看，《中國電子信息產業統計年鑒》中對電子信息產品的定義與國際上定義的信息技術產品基本吻合。因此，考慮到數據的可得性，本文所討論的信息技術產品選擇《中國電子信息產業統計年鑒》中對電子信息產品的定義并采用相關數據。具體而言，本文的信息通信技術產業對應于中國35個工業行業中的“通信設備、計算機及其他電子設備制造業”。的生產率效應研究最早始于Solow(1987)提出的“生產率悖論”，即生產率增長與信息通信技術投資之間存在不匹配。信息通信技術主要通過資本深化和技術進步兩種途徑促進生產率增長(Cardona et al.,2013;Bashir et al.,2014;Venturini,2015)。

早期學者研究發現，信息通信技術產品價格下降會引發信息通信技術投資浪潮，這使得信息通信技術資本可以替代其它投入要素而被廣泛應用于生產過程中，從而直接促進生產率增長，因此基于增長核算框架來分析信息通信技術資本深化對生產率的影響(Jorgenson,2001;Siegel et al.,1992)。大量此類文獻證實了信息通信技術資本深化對生產率增長的正向效應(Siegel et al.,1992;Oulton,2002;Oulton,2010;Martínez et al.,2010;Tambe et al.,2011;Cette et al.,2015;Kumar et al.,2016)，而信息通信技術投資也被看作是1995年以來歐美之間存在生產率差異的主要原因(Jorgenson,2001;Inklaar et al.,2005)。然而，這些研究的特點是：基于新古典增長理論，在完全競爭市場和規模報酬不變等嚴格的假設前提框架下，進而分析信息通信技術資本對生產率的貢獻，并未考慮到信息通信技術的溢出效應以及使用部門生產函數的轉變(Cardona et al.,2013)。伴隨企業R&D投入的不斷增大，其對技術進步的推動作用越來越明顯，Romer(1986,1990)和Lucas(1988)建立了內生增長理論模型，將技術進步內生化，成功解釋了技術進步是經濟活動主體主觀努力的結果。

后續學者開始將注意力轉移到技術進步，關注信息通信技術對全要素生產率的影響，具體主要表現在兩種觀點。一種觀點認為，信息通信技術行業通過自主R&D投資促進生產率的增長。Venturini(2015)利用15個OECD國家1980—2003年的數據，將商業部門R&D資本區分為信息通信技術行業和非信息通信技術行業研究發現，信息通信技術生產行業的自主R&D投資對TFP增長存在顯著的正向效應。另一種觀點認為，信息通信技術能夠通過R&D知識溢出對生產率產生影響(Chou et al.,2014;Venturini,2015;Acharya,2016)。Venturini(2015)指出，不僅信息通信技術生產部門的技術知識會溢出到信息通信技術使用部門，促進信息通信技術使用部門TFP乃至總TFP的增長，而且信息通信技術具備數字化的內在特征(Bashir et al.,2014)，為技術知識在不同國家之間轉移提供便利化途徑；同時基于15個OECD國家的樣本實證分析了信息通信技術相關的R&D支出對總量TFP 增長的作用，結果發現信息通信技術生產行業以1%～3%商業部門就業或增加值的較小規模，這有效解釋了20%的私有部門研究和1/4的知識創造活動產生的總量生產率溢出。

有別于傳統技術，信息通信技術由于具有通用技術特性而引起學者們的廣泛關注。具體而言，信息通信技術具有以下三方面的通用技術特性：首先，信息通信技術具備擴散性。信息通信技術在不同家庭、企業、行業和國家之間的普遍采用已成為基本共識。Cette et al.(2015)測算發現，2013年美國、英國、加拿大和歐元區的信息通信技術資本系數(即信息通信技術資本存量占當前價GDP的比重)占到8%～11%之間。與此同時，由于信息通信技術擴散程度的差異性，其所產生的“數據鴻溝”問題日益凸顯(Weber et al.,2011;Cardona et al.,2013;Savage et al.,2009)。其次，是信息通信技術具有互補性創新特征。已有文獻的研究思路主要分為兩種，一種是將信息通信技術資本、互補性創新與行業生產率增長三個關鍵變量歸于統一的理論框架(Basu et al.,2003;Basu et al.,2007;Acharya,2016)。另一種研究思路則考慮信息通信技術與特定互補性資產之間的關系，包括與人力資本(Falk et al.,2017)、新產品和流程的引入(Becchetti et al.,2003)、工作場所組織(Rasel,2016;Arvanitis et al.,2016)、創新活動或績效(Reeson et al.,2016;Paunov et al.,2016)等之間的關系。第三，信息通信技術的技術平臺特征。信息通信技術作為一種技術平臺，具有網絡外部性特征，即網絡中的用戶數量越多，網絡所創造的使用價值越大(Chou et al.,2014)。值得注意的是，網絡外部性意味著信息通信技術對使用者生產率增長的作用并不是線性的，而是存在某一個門檻值，類似于信息通信技術產品的通用服務水平，此時信息通信技術投資將會出現遞增報酬(R?ller et al.,2001;Koutroumpis,2009)。

盡管上述文獻從不同視角詳盡闡述了信息通信技術的資本和通用技術特性，但是在信息通信技術對技術進步的影響效果這一問題仍存在較大爭議。部分文獻驗證了信息通信技術對技術進步具有顯著的正向作用。Chou et al.(2014)利用30個OECD國家2000—2009年的數據研究表明，信息通信技術對技術進步存在正向效應。蔡躍洲等(2015)基于格蘭杰因果檢驗發現，信息通信技術資本增長與生產率增長之間總體上存在顯著的雙向因果關系。然而，另一些文獻并不支持這一結論。Liao et al.(2016)認為，由于具有GPT特征，信息通信技術通過知識溢出效應促進了生產率增長，但是這一效應具有滯后性，并基于美國1977—2005年24個信息通信技術使用行業的數據研究發現，信息通信技術對技術進步具有滯后的正向效應。孫琳琳等(2012)用倍差法和生產函數估算方法對1981—2005年產業層面數據研究發現，2000年以后信息通信技術密集使用行業并沒有出現明顯的TFP改進，即中國的信息通信技術資本使用并未顯著促進行業的TFP增長。

基于以上研究，本文轉變已有的研究視角，從信息通信技術的知識資本特性出發，以信息通信技術行業R&D投入作為信息通信技術知識存量的代理指標，結合投入產出系數來估算中國行業層面的信息通信技術和非信息通信技術外溢存量，利用擴展的Los et al.(2000)生產函數框架，對比分析了信息通信技術和非信息通信技術外溢對中國35個工業行業生產率的影響。本文的創新之處體現在以下兩個方面：一是研究指標的新穎性，從信息通信技術的知識資本特性出發，以信息通信技術行業R&D存量作為信息通信技術知識存量的代理指標；二是研究內容的多樣化，不僅考察信息通信技術外溢對中國工業行業生產效率的影響效果，分析其隨時間的變化特征，檢驗不同行業特征所形成的異質性效應，而且運用分位數回歸法比較其在不同生產率水平的行業間的差異性表現。通過將信息通信技術外溢內生化，分析其對中國生產率的增長效應，豐富和完善了信息通信技術外溢驅動機理研究。同時，對比分析創新能力、人力資本和所有制結構等行業特性對信息通信技術外溢的重要影響，為中國基于信息通信技術整合創新資源促進技術進步提供了科學依據，因而具有重要的現實意義。

三、研究框架與變量測算

(一)實證框架

本文通過生產函數方法檢驗信息通信技術外溢對中國工業行業生產效率的影響效果。我們借鑒Los et al.(2000)以及潘文卿等(2011)的方法，構建LV模型。首先考慮內生增長理論中所假定的生產函數形式：

Y=Af(K,L,RD)

(1)

其中，Y表示產出；K、L分別表示資本要素投入、勞動要素投入；RD為知識資本的替代變量，即R&D投入；A代表除生產要素以外能夠改變生產要素投入比例的其它因素，比如技術進步、制度創新等。由于信息通信技術對其它行業具有技術溢出效應，全要素生產率進一步可以表示為信息通信技術外溢變量Rict的函數A(Rict)。

借鑒Los et al.(2000)的研究辦法，我們將生產函數設定為C-D生產函數形式，函數A(Rict)以冪函數的形式出現，在生產函數等式兩邊同時除以勞動要素投入L，取對數后得到基本的LV模型：

(2)

其中，i表示行業；t表示年份；y為勞動生產率，通過Y/L計算得到；k為人均資本，即資本投入要素與勞動投入要素之比；rd為人均R&D投入，即R&D投入與勞動投入之比；Rict為信息通信技術外溢，通過信息通信技術行業的R&D存量(即信息通信技術存量)與溢出權重相乘得到；βk+βl+βrd=δ，βk、βl和βrd分別為資本、勞動力和R&D投入的產出彈性，當δ=1時，即假定規模報酬不變，當δ≠1時，放松規模報酬不變假設，使生產函數設定更具有一般性。

本文在LV模型基礎上進行適當擴展，同時將信息通信技術行業和非信息通信技術行業基于R&D投入的技術外溢納入模型之中，以實證比較它們對生產率的作用效果。擴展后的模型表示如下[注]為了簡化，此后表述規模報酬不變下的模型形式。：

(3)

其中，Rnict表示非信息通信技術外溢；βk和βrd分別表示資本和R&D投入的產出彈性；εit為隨機干擾項；βict和βnict分別表示信息通信技術和非信息通信技術對全要素生產率的影響系數，預期符號為正，即信息通信技術和非信息通信技術外溢對中國工業行業的生產率產生正效應。

本文運用分位數回歸法，進一步分析隨著各行業生產率的變化，信息通信技術外溢對生產率貢獻的相應變化。借鑒Koenker et al.(1978)以及Koenker(2005)研究辦法，分位數回歸模型設定如下：

(4)

min{

∑ln y≥Xβτ|

ln y-Xβ|

+∑ln y

ln y-Xβ|

}

(5)

Armstrong et al.(1979)和Koenker(2005)先后指出，上述最小化問題可以用線性規劃技巧求解。

(二)變量及數據

本文采用2002—2013年中國35個工業行業規模以上工業企業的年度數據進行估計。基于實證模型的設定，本文所運用的變量主要包括產出Y、資本投入K、勞動投入L、R&D資本存量RD、信息通信技術外溢Rict以及非信息通信技術外溢Rnict。

(1)產出。產出用規模以上企業工業增加值表示，數據主要來自于《中國工業統計年鑒》。2002年和2005—2007年的數據直接可得，而其他年份的數據則存在不同程度的缺失問題。對此，本文主要采用三種調整方法。方法一是對于僅有大中型企業工業增加值數據的年份，即2003年和2011年，主要通過前一年規模以上企業與大中型企業工業增加值的比值估算得到。方法二是對于僅有規模以上企業工業總產值數據的年份，可以通過前后年份規模以上企業工業增加值與工業總產值的比值估算得到。具體而言，2004年利用2003年和2005年比值的平均值計算，2008—2010年則運用前5年比值的平均值估算。以2008年為例，具體公式為：

(6)

(2)資本和勞動投入。固定資產存量K是在各行業規模以上固定資產原值數據基礎上，通過永續盤存法計算得到。規模以上企業固定資產原值數據來自于《中國工業統計年鑒》。永續盤存法的計算公式如下：

Kt=Kt-1×(1-δ)+It

(7)

K2002=I2002/(g+δ)

(8)

其中，It為第t年的固定資產流量，通過當年固定資產原值減去上一年固定資產原值計算得到；g表示2003—2013年間固定資產投資流量的年平均增長率；δ表示固定資產折舊率，本文中沿用潘文卿等(2011)的方法，按建筑資產和設備資產的加權折舊率(7.5%)計算而得；勞動力投入用規模以上企業從業人員年平均數表示，數據來自于《中國工業統計年鑒》，2005—2011年的數據直接可得，其他年份的數據則主要通過兩種方法進行估算：一是對于僅有全部工業企業從業人員年平均數指標的年份(即2004年)，按照規模以上企業占全部工業企業從業人員年平均數的比重計算得到，這一比重為75%，二是對于僅有規模以上企業從業人員年末數的年份，通過對5年規模以上企業從業人員年平均數增長率的平均值進行估算。以2013年為例，可用如下公式估算：

(9)

(3)R&D資本存量。R&D資本存量[注]本文采用R&D資本存量數據的原因在于：其一，Griliches(1980)指出，與R&D流量相比，R&D資本存量(即過去年份R&D投資的累積量)是產出增長更為關鍵的影響因素；其二，經檢驗發現，R&D流量指標存在明顯的內生性問題。使用永續盤存法估算價格縮減后的R&D流量數據得到。R&D流量指標用中國35個工業行業規模以上企業R&D經費內部支出表示，數據來自于《中國科技統計年鑒》。R&D支出有多個組成部分，部分用于購買固定資產，部分用于購買實驗材料，也有部分用于研發過程中的各種人員費用，而后兩者以對貨物和服務的消費為最終支出對象。借鑒朱平芳等(2003)的方法，R&D價格縮減指數由固定資產投資價格指數和居民消費價格指數按45%和55%的比例加權合成。在得到不變價的R&D流量以后，我們通過永續盤存法將其轉變為R&D資本存量數據。資本折舊率沿用蔣仁愛等(2012)的做法，選取為10%。

(4)信息通信技術外溢。本文從信息通信技術的知識資本特性出發，利用信息通信技術行業R&D存量作為信息通信技術知識存量的替代指標，并在此基礎上測度信息通信技術對各個工業行業的技術溢出效應。信息通信技術外溢指標Rict通過信息通信技術行業的R&D資本存量與溢出權重相乘得到。從已有文獻可知，溢出權重的測度從兩個維度展開，多數研究基于貿易維度的權重，例如投入產出系數，里昂惕夫逆系數，后向關聯測度等(Terleckyj,1980;Sveikauskas,1981;Odagiri,1985;Goto et al.,1989;Wolff et al.,1993;Wolff,1997)。Los(2000)則提出了一種技術維度的產業相似度方法，即利用投入產出表中的直接消耗系數所表征出的技術特征相似度來度量權重。由于直接消耗系數(或投入產出系數)不僅能較為充分的反映投入產出表中信息通信技術產業與其他產業之間聯系，以及信息通信技術產品與其他行業產品之間直接的技術經濟聯系，而且可操作性強，因而本文選取直接消耗系數作為溢出權重。信息通信技術外溢指標的具體計算公式為：

(10)

ωij,t=(1-(t-2002)/5)ωij,2002+((t-2002)/5)ωij,2007t=2003,…,2006

(11)

ωij,t=(1-(t-2007)/5)ωij,2007+((t-2007)/5)ωij,2012t=2008,…,2011

(12)

(5)非信息通信技術外溢。非信息通信技術外溢指的是除信息通信技術行業以外的34個工業行業基于R&D資本存量而對其它行業產生的加總的技術溢出效應。非信息通信技術外溢指標Rnict采用與信息通信技術外溢相同的思路，其計算公式如下所示：

(13)

(6)測算結果的描述性統計。從表1的第一列可以看出，2002—2013年間中國35個工業行業的勞動生產率均表現出增長趨勢。其中，黑色金屬礦采選業的勞動生產率增長幅度最大，達到22倍之多。非金屬礦采選業及其它采選業、文教體育用品制造業這兩個行業2013年的勞動生產率分別為該行業2002年勞動生產率的18.6倍和12.9倍。勞動生產率上升最為緩慢的行業是煙草制品業，其次分別是石油和天然氣開采業，通信設備、計算機、其它電子設備制造業，分別增加了130.3%、73.6%、23%。由此可見，伴隨著整體經濟的迅猛增長，中國各工業行業的勞動生產率都得到了明顯的提高，同時存在顯著的行業差異。

表1 描述性統計分析

注：y為勞動生產率，通過Y/L計算得到；rd為人均R&D投入，即R&D投入與勞動投入之比；Rict為信息通信技術外溢存量；Rnict表示非信息通信技術外溢存量。

表1的第二列給出了各行業人均R&D投入的波動情況。整體上看，2002—2013年各行業在不同程度上加大了自主研發的投入力度。在此期間，家具制造業的人均R&D增長尤為強勁，期末值達到期初值的108.9倍；金屬制品業次之，為101.6倍。在此期間，通信設備、計算機及其它電子設備制造業的人均R&D投入上升幅度最小，為145.8%。這種增長幅度的行業差異性與各行業人均R&D投入水平有關。2002年家具制造業的人均R&D投入為0.004萬元/人，通信設備、計算機及其他電子設備制造業則高達1.7萬元/人；盡管家具制造業的增速居于最高水平，2013年其人均R&D投入(0.4萬元/人)仍只是通信設備、計算機及其它電子設備制造業(4.1萬元/人)的大約1/10。

表1的第三列顯示，2002—2013年各行業的信息通信技術外溢水平有不同幅度的提高。值得注意的是，燃氣生產和供應業的信息通信技術外溢在此期間增長了329.4倍。交通運輸設備制造業，電力、熱力的生產和供應業這兩個行業的信息通信技術外溢增速也頗為可觀，分別達到69.8倍和49.5倍。信息通信技術外溢增長速度較慢的行業有儀器儀表及文化辦公用品機械制造業、造紙及紙制品業、印刷業和記錄媒介的復制業，分別增加了2.4倍、1.8倍、1.6倍。進一步分析發現，在2002年時，上述行業的信息通信技術外溢水平普遍較低，行業之間的差距總體上并不明顯；然而，2002年以后這些行業的信息通信技術外溢經歷了截然不同的增長模式。究其原因主要在于：伴隨著中國城市化進程的加快，與造紙、印刷等行業相比，燃氣、交通設施、電力等行業所面對的消費者群體規模快速擴大，市場競爭更加激烈，使得這些行業擁有更加雄厚的資本基礎以及更加強烈的創新動機采用新的信息技術，因而其信息通信技術外溢存量增長迅猛。

表1的第四列表明，與信息通信技術外溢相比，2002—2013年非信息通信技術外溢的增長表現出較小的行業差異性。其中，文教體育用品制造業的非信息通信技術外溢指標波動最大，在此期間增長了38倍。通信設備、計算機及其它電子設備制造業緊隨其后，上升了35倍之多。非信息通信技術外溢變化最為緩慢的三個行業是有色金屬礦采選業，石油加工、煉焦及核燃料加工業，電力、熱力的生產和供應業，分別增長了8.2倍、6.5倍、6.4倍。

四、實證結果分析

(一)固定效應模型回歸結果

在運用面板數據分析時，主要考慮兩種模型：固定效應(FE)模型和隨機效應(RE)模型。前者假設各行業的市場集中度、進入壁壘和產品差異化等異質性對被解釋變量的影響不隨時間而變化，即截距項是固定參數；后者則假定各行業的異質性對生產率的影響會隨著時間而變動，即截距項是隨機的。Wooldridge(2003)指出，假定誤差項中被忽略的變量與模型中的所有解釋變量都不相關時才使用任意效應模型，否則使用固定效應模型。事實上，由于被忽略的變量包含眾多的行業特性，以致被忽略的變量與模型中的所有解釋變量都不相關這一假設是難以成立的。因此，本文使用FE模型分析信息通信技術外溢對中國工業行業生產效率的影響效果。我們分析后發現，無論是施加規模報酬不變這一假設，還是放松這一假設，基本模型的回歸結果都是一致的，因而這里只給出受約束條件下的結果。

表2是基本模型的回歸結果。基于中國35個工業行業2002—2013年的面板數據，在控制行業人均資本投入的基礎上，模型1—3分別考察了人均R&D資本存量、信息通信技術外溢和非信息通信技術外溢對生產率的影響，模型4同時比較了這三個變量與生產率之間的關系。表2中的4組模型均采用固定效應模型進行分析，擬合優度均大于0.8，具有較好的擬合效果。

信息通信技術外溢顯著促進了各行業的生產率增長。模型2表示，信息通信技術外溢指標每增長1%，各行業的生產率將提高0.126%；模型4表明，在同時控制了信息通信技術和非信息通信技術外溢后，該彈性數值略微有所下降，低于人均R&D資本存量對生產率的貢獻，且與非信息通信技術外溢對生產率的作用效果相差不大。與Oulton(2002)、Dahl et al.(2011)、Shahiduzzaman et al.(2014)、Mamun et al.(2014)、Cette et al.(2015)、Bertschek et al.(2016)研究結論相吻合，驗證了信息通信技術是生產率增長的重要推動力量。

非信息通信技術外溢是生產率增長的重要來源。模型3表明，非信息通信技術外溢對行業生產率的彈性系數為0.137。模型4同時考慮了信息通信技術外溢和非信息通信技術外溢的影響發現，信息通信技術外溢和非信息通信技術外溢對生產率的影響程度基本相當。現有研究總體支持信息通信技術和非信息通信技術對生產率存在正向作用(Inklaar et al.,2005；Seo et al.,2009；Martínez et al.,2010；Hanclova et al.,2015)，而對這兩種影響力量的相對大小存在不同。Inklaar et al.(2005)對比分析了1979—2000年歐盟4國以及美國生產率的增長源泉發現，美國信息通信技術對生產率增長的貢獻始終大于非信息通信技術，而歐盟4國前一時期(1979—1995年)非信息通信技術的貢獻更大，后一時期(1995—2000年)則恰好相反。Hanclova et al.(2015)利用歐盟7國和歐盟14國1994—2008年的數據研究發現，信息通信技術和非信息通信技術均有助于經濟增長，但是非信息通信技術的作用效果始終優于信息通信技術。這表明，信息通信技術和非信息通信技術外溢對生產率增長的影響效果與各個國家所處的發展階段具有明顯的關聯性。

人均R&D資本存量對生產率的貢獻要大于信息通信技術和非信息通信技術外溢的貢獻。在4個模型中，人均R&D資本存量的彈性系數均在1%下顯著，介于0.339～0.364之間，表明自主R&D投資是促進各行業生產率增長的主要推動力。這一結果符合預期，與大量國內外學者的研究結論一致(Hu,2001;Jefferson et al.,2006;吳延兵,2006;蔣仁愛 等,2012；蔣殿春 等，2015)。

表2 中國信息通信技術和非信息通信技術外溢對35個工業行業勞動生產率的影響

注：*、**、***分別表示相關系數在0.1、0.05、0.01水平下顯著；括號中的數值為標準差；各模型均采用受約束模型進行分析。下同。

接下來，我們考慮信息通信技術外溢對生產率的影響效果是否以及如何隨時間而改變。進入21世紀以后，隨著信息通信技術在全球范圍內的擴散，信息通信技術逐漸成為中國經濟發展不可忽視的重要促進力量。ITU(國際電信聯盟)構建了包含信息通信技術連接、信息通信技術使用、信息通信技術技能等11個指標在內的信息通信技術發展指數(IDI)，用以測度世界各國的信息通信技術發展程度。早在2002年，中國的IDI指數為1.95，在154個國家中居于第90位，顯著低于當時世界平均水平(2.48)。而到了2015年，中國IDI指數(4.80)大幅提高，與世界平均水平(4.74)大致相當。為了使子樣本有足夠的觀察值，以滿足系數估計的效率，我們將觀測樣本平均分為2002—2007年和2008—2013年兩個階段，對表2的模型2—4進行分階段回歸，以分析信息通信技術生產率效應隨時間的動態變化趨勢。

表3是分階段回歸結果。模型1—2和模型3—4分別單獨考察了信息通信技術外溢和非信息通信技術外溢對生產率增長的分階段效應，模型5—6同時考慮了信息通信技術外溢和非信息通信技術外溢對生產率的分階段影響。表3中的6組模型采用固定效應模型進行分析，擬合優度大于0.6，具有較好的擬合結果。信息通信技術的生產率效應在前一階段并未顯現，后一階段則顯著促進各行業生產率增長。2002—2007年信息通信技術外溢的彈性系數并不顯著，甚至為負值，然而隨著信息通信技術滲透到中國的各行各業，2008—2013年信息通信技術已經發展成為生產率增長的重要來源。與之相反，盡管非信息通信技術對生產效率的影響效果在整個時期均較為顯著，但是這一作用呈現出隨時間弱化的趨勢。這一結果主要體現了如下兩種含義：第一，信息通信技術生產率效應的這種差異性表現驗證了信息通信技術的通用技術特征。Koutroumpis(2009)、Liao et al.(2016)研究指出，信息通信技術作為一種通用技術平臺，其對生產率增長的作用可能是非線性的，即當達到一定的門檻值以后，信息通信技術對生產率的促進作用才得以凸顯。第二，信息通信技術對生產率增長的重要性日益提升，而非信息通信技術對生產率的影響則有所減弱。Martínez et al.(2010)運用動態一般均衡框架分析了美國1980—2004年的生產率增長來源發現，在前一時期(1980—1994年)，信息通信技術和非信息通信技術對生產率增長的貢獻分別為0.62%和0.23%，而到后一時期(1995—2004年)，非信息通信技術對生產率增長的貢獻下降到0.02%，信息通信技術的貢獻則上升到0.93%。這與本文的研究結論基本符合。值得注意的是，人均R&D投入的彈性系數不僅在整個時期均顯著，而且表現出隨時間增大的態勢，這表明中國自主創新能力日益增強。

表3 信息通信技術和非信息通信技術對工業行業生產效率影響效果的分階段回歸結果

正如上文所指出的，中國的信息通信技術外溢和非信息通信技術外溢表現出顯著的行業異質性特征。信息通信技術外溢效應與各行業的技術吸收能力密切相關。由于創新水平、管制環境等行業特性上的差異，各行業對信息通信技術的吸收能力參差不齊，因而從信息通信技術外溢中所得到的績效改進程度存在差異(Ren et al.,2015)。考慮到各行業的創新水平、人力資本、所有制結構與技術吸收能力有關(李梅 等,2012；Liu et al.,2016)，本文進一步選取人均發明專利、R&D人員全時當量和國有企業及國有控股企業占比作為特征變量，按照特征變量的取值高低將整個樣本區分為兩個部分，并分別檢驗信息通信技術對生產率的影響效應。表4給出信息通信技術和非信息通信技術對中國工業行業生產率的異質性效應回歸結果。模型1—2對比分析人均發明專利低于和高于平均值時，信息通信技術和非信息通信技術對中國工業行業的技術外溢效應，模型3—4是針對不同人力資本水平的回歸結果，模型5—6則主要關注所有制結構的影響。表4中的6組模型同時控制行業和時間固定效應，擬合優度大于0.8，具有良好的擬合效果。

行業自主創新能力對信息通信技術外溢具有“替代效應”，而國有企業占比過高則對信息通信技術外溢產生“擠出效應”。模型1和模型2表明，隨著行業創新水平的上升，自主R&D投入對生產率的作用效應明顯提高，而信息通信技術的技術外溢效應有所降低。當人均發明專利小于平均值時，信息通信技術對勞動生產率的彈性系數為0.125；而當人均發明專利小于平均水平時，彈性系數減小到0.090。針對人力資本的分析得到的結論相似。模型3—4表明，當行業人力資本水平上升到高于平均值時，自主研發對勞動生產率的影響系數從0.093上升到0.226，而信息通信技術外溢對勞動生產率的彈性系數則從0.139下降到0.062。模型5—6表明：當國有企業占比小于平均水平時，信息通信技術每增加10%，行業勞動生產率將提高1.91%；當國有企業占比高于平均水平時，這一比例將降低到1.10%。

表4 信息通信技術和非信息通信技術對中國工業行業生產率的異質性效應

(二)分位數回歸結果

為了進一步考察信息通信技術外溢在不同生產率水平的行業中的影響，本文運用分位數回歸進行計量分析。針對回歸模型4(參見式(4))，在控制固定效應的基礎上，在5%～95%的分位點上，每隔5%進行一次分位數回歸，從而可以得到相應的信息通信技術外溢變量的估計系數。以因變量(勞動生產率)的分位點為X軸、以信息通信技術外溢變量的估計系數為Y軸，可以得到估計系數的平滑曲線。圖1是在勞動生產率5%～95%的分位點上信息通信技術外溢對生產率的影響系數的變化趨勢。

圖1 信息通信技術外溢對生產率的影響系數

注：在5%～95%分位數上，信息通信技術外溢的彈性系數均在5%的水平下顯著；圖中虛線表示基于固定效應模型得到的信息通信技術外溢的彈性系數，表示信息通信技術外溢對生產率的平均影響，取值為0.125。

圖1顯示，隨著生產率的分位點的上升，信息通信技術外溢對生產率的彈性系數介于0.073～0.152之間，總體呈現出先下降后上升的趨勢，表明信息通信技術外溢對中國各行業生產率的貢獻具有顯著的行業差異性，信息通信技術外溢對生產率水平較高和較低的行業生產率促進作用更大。總體而言，信息通信技術外溢對生產水平較高和較低的行業生產率的彈性系數均較為顯著，這解釋了固定效應模型中該系數的高度顯著性；而固定效應模型中該系數為0.125，介于分位數回歸的系數波動區間。因而，本文的分位數回歸很好地驗證了固定效應模型中信息通信技術外溢的系數大小以及顯著性。

分位數回歸結果再次確認了信息通信技術外溢會促進中國各行業生產率的提高，然而，隨著勞動生產率的分位點由低變高，信息通信技術外溢對生產率的促進作用呈現出先下降后上升的態勢，存在顯著的非線性關系。

首先，對于生產率較低的行業，如服裝、鞋、帽制造業，家具制造業等，其最初的信息通信技術外溢水平普遍較低；在信息通信技術滲透水平跨越門檻值之后，信息通信技術的生產率效應得以充分發揮。2002年，這些行業信息通信技術外溢存量的平均值為0.58萬元，僅為各行業平均水平的6.8%[注]經過分析后發現，2002—2013年生產率較低的行業主要有非金屬礦采選業及其他采選業，紡織業，服裝、鞋、帽制造業，皮革、毛皮、羽毛(絨)及其制品業，木材加工及木、竹、草等制品業，家具制造業，文教體育用品制造業等；而生產率水平較高的行業則主要包括石油和天然氣開采業，煙草制品業，石油加工、煉焦及核燃料加工業，化學原料及化學制品制造業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業，電力、熱力的生產和供應業等。。隨后，此類行業的信息通信技術外溢呈現出持續增長態勢，到2013年，信息通信技術外溢較期初平均上升了9.43倍。信息通信技術的迅速擴散對這些行業傳統的生產和營銷模式起到了顛覆性作用。隨著信息通信技術的大量引入，如客戶關系管理系統(CRM)、供應鏈管理系統(SCM)等，一方面生產者得以更快捷地獲取有關消費者偏好的實時信息(Becchetti et al.,2003)；另一方面，位于供應鏈上的生產商和交易商更方便地進行網絡溝通(Chou et al.,2014；Falk et al.,2017)，這兩方面的共同作用使得信息通信技術的生產率效應在這些行業之中表現得尤為突出。

其次，對于生產率較高的石油和天然氣開采業，化學原料及化學制品制造業等行業，信息通信技術外溢表現出更高的生產率促進效應。這可能存在以下兩個方面原因：一方面，這些資本密集型產業的利用信息通信技術水平普遍不高，但由于企業規模較大，行業信息通信技術的技術引入成本較低，規模經濟效益顯著，因而信息通信技術外溢具有較高的邊際效應。2013年該類行業的信息通信技術外溢僅為各行業平均水平的大約1/5，然而，這些行業每單位信息通信技術所創造的產值(單位信息通信技術產值，即工業增加值與信息通信技術外溢之比)卻達到各行業平均水平的1.5倍。另一方面，這些行業規模龐大或具有壟斷性質，資本充裕，由于所面臨的融資約束較小，風險承受能力較強，這些行業有動機和能力采用最先進的信息通信技術技術(Haller et al.,2011;Giotopoulos et al.,2017)；信息通信技術技術與這些行業較高的要素稟賦(例如，完善的專業化基礎設施以及豐富的信息通信技術專業化人才等)之間形成互補性關系，從而極大地提高了信息通信技術的技術利用效率(Liao et al.,2016)。

(三)穩健性檢驗

信息通信技術與專業化的基礎設施、人力資本、企業組織等互補性投資相關，因而容易與生產率互為因果關系，從而產生內生性問題(Bresnahan et al.,2002；Lee et al.,2005；Venturini,2015)。相對于生產率低的行業，生產率較高的行業更有能力同時在信息通信技術和互補性資產上進行投資，信息通信技術的生產率效應更大。因此，信息通信技術與生產率之間的雙向因果關系會導致信息通信技術外溢與回歸的殘差項相關，從而產生內生性問題(Chou et al.,2014)。另一類是導致估計偏誤的是遺漏變量，行業發展水平、產業政策、企業管理能力等變量對各行業的生產率水平有重要影響(Majumdar et al.,2009)，同時，它們也與技術吸收能力密切相關，從而影響了信息通信技術外溢和非信息通信技術外溢。

為了控制信息通信技術外溢和非信息通信技術外溢與生產率之間潛在的雙向因果關系，以及行業發展水平、產業政策、企業管理能力等遺漏變量可能產生的偏誤，本文采用工具變量法(IVE)重新對式(2)和式(3)進行估計。工具變量的選取原則是，它必須與內生變量高度相關，而與殘差項不相關。由于滯后一期人均R&D資本存量、信息通信技術和非信息通信技術外溢與當期值高度相關，相關系數分別為0.994、0.991和0.998；同時，各行業的企業性質構成可能與技術外溢水平高度相關，因此本文選用滯后一期的人均R&D外溢、信息通信技術外溢、非信息通信技術外溢以及各行業的國有企業單位數占比、外資企業單位數占比等作為工具變量。若J-test檢驗證明工具變量是有效的，且IVE估計結果與固定效應模型得到的結果基本一致，說明該變量的內生性問題并不嚴重，此前固定效應模型得到的結果是穩定的。

表5 信息通信技術和非信息通信技術外溢對勞動生產率的IVE估計結果

注：*、**、***分別表示相關系數在0.1、0.05、0.01的水平下顯著；括號中的數值為標準差；各模型均采用受約束模型進行分析；模型1和模型2分別把信息通信技術外溢和非信息通信技術外溢作為潛在的內生變量，模型3、模型4、模型5分別把人均R&D投資外溢、信息通信技術外溢、非信息通信技術外溢看作潛在的內生變量，模型6則同時將信息通信技術外溢和非信息通信技術外溢當作潛在的內生變量；Hausman內生性檢驗是卡方統計值，括號內對應的是概率P值，原假設為工具變量估計與FE估計沒有系統區別；有效性檢驗J-test是工具變量的聯合F統計值，括號內對應的是概率P值，原假設是工具變量均等于零(與殘差項不相關)。

模型1、模型2分別把信息通信技術外溢和非信息通信技術外溢作為潛在的內生變量，模型3、模型4、模型5分別把人均R&D資本外溢、信息通信技術外溢和非信息通信技術外溢看作潛在的內生變量，而模型6同時把信息通信技術外溢和非信息通信技術外溢當作潛在內生變量。從表5的J-test的F統計值可以看出，所選用的工具變量不能拒絕同時為零的原假設，即工具變量與殘差項不相關。而Hausman內生性檢驗結果表明，信息通信技術外溢和非信息通信技術外溢的內生性并不嚴重。表5中的6個模型與此前固定效應模型得到的結果并沒有本質的區別，人均R&D資本存量是各行業生產率增長的主要推動力，信息通信技術外溢顯著地促進了各行業的生產率增長。這驗證了此前固定效應的結果是穩健的。

五、研究結論及政策啟示

本文將信息通信技術作為知識資本，測算了行業的信息通信技術外溢存量，并基于Los et al.(2000)的生產函數框架，結合2002—2013年中國35個工業行業的面板數據，在控制行業自主R&D的基礎上，實證分析了信息通信技術外溢對中國生產率增長的影響效果，得出如下主要研究結論：(1)信息通信技術外溢對各行業的生產率彈性系數是0.125，表明顯著促進了中國的生產率增長；(2)隨著信息通信技術在中國的廣泛滲透，信息通信技術外溢對各工業行業生產效率的促進作用得以凸顯。分階段考察可知，2002—2007年信息通信技術的生產率效應并未顯現，后一階段信息通信技術才顯著促進了行業的生產率；(3)異質性效應檢驗結果表明，行業自主創新能力對信息通信技術外溢具有“替代效應”，而國有企業占比過高則對信息通信技術外溢產生“擠出效應”；(4)分位數回歸結果表明，信息通信技術外溢確實促進了生產率的提高，與此同時，隨著各行業生產率的提高，信息通信技術外溢指標對各行業生產率的促進作用表現出先下降后上升的趨勢，即信息通信技術外溢與行業生產率之間存在顯著的非線性關系。

根據本文的研究結論，得到如下的政策啟示：

一是加大信息化基礎設施投資，完善信息網絡建設，制定信息化相關的行業標準，為中國各行業吸收利用信息通信技術提供更好的平臺和環境。信息通信技術外溢是中國工業行業生產率增長的重要源泉，因而政府應當提高對信息通信技術的重視程度，并為各個工業行業吸收利用信息通信技術提供良好的制度保障。

二是繼續穩步推進市場化改革，進一步提高各個工業行業的競爭水平，從而為各行業吸收信息通信技術外溢注入內在動力源泉。國有企業占比過高會對信息通信技術外溢效應產生消極作用，因而適當降低國有企業在各個工業行業的控制力度，轉而由市場力量主導行業發展，這將會對信息通信技術的擴散具有重要意義。

三是繼續提高中國各行業R&D投資的強度，在提升各行業自主創新能力的同時，要注重對外部創新資源的吸收與利用。當行業的創新水平和人力資本水平較高時，自主創新對生產率的促進作用更大。因而政府應當重視中國創新水平較低的工業行業自主研發投入，并為提高各行業的創新能力提供配套的相關政策支撐。與此同時，創新水平較高的行業往往容易忽視對外部技術外溢的吸收利用，不論信息通信技術還是非信息通信技術外溢的作用效果均明顯低于創新水平較低的行業。政府和企業相關部門應該充分重視這個問題，要注重對企業的信息通信技術與創新資源的結合程度進行具體分析，密切關注信息技術和人工智能的發展動態，借助信息通信技術發展最大化R&D投入的產出效率。