數字經濟對中國全要素生產率的影響機理：提升效應還是抑制效果？

郭吉濤 梁 爽

一、引言

改革開放以來，中國經濟總量持續攀升躍居世界第二，但質量上仍未邁入世界發展首列。我國應如何順利轉入經濟高質量發展軌道，續寫“中國奇跡”？黨的十九大報告明確指出“提升全要素生產率是實現經濟高質量發展的重要可依賴路徑”。在高質量發展階段，以新興信息技術為代表的數字經濟正以前所未有的規模和速度強勢來襲；中國信通院發布的《中國數字經濟發展白皮書(2021)》指出，2020年我國數字經濟規模達到39.2萬億元，占GDP比重達38.6%，已成為國民經濟的核心增長極之一。在此過程中，我國數字經濟利用網絡信息技術在刺激消費、拉動投資、增強創新能力等方面都發揮了重要作用，為促進全要素生產率及建設現代化經濟體系提供了核心驅動力與可行路徑(荊文君、孫寶文，2019)。面對國家創新發展的事實，黨中央、國務院也高度重視數字經濟發展，并在十四五規劃中明確強調“加快數字經濟發展是打造高質量發展新引擎的現實需要”。由此可見，深入探究數字經濟對全要素生產率的影響效應問題，不僅有利于挖掘數字經濟為經濟整體提質增效的價值與潛力，更能為落實“數字中國”戰略和實現國內數字經濟發展躍升提供有益的理論支持。

數字經濟是國家用來釋放數字化創新效能、提升技術創新速率、拉動產業結構升級的強勁動能，從而加快經濟建設由“數量增長”轉向“質量增長”(Clifton et al.，2019)。經過十多年的積累，我國數字經濟取得長足發展并在部分技術領域邁入世界前沿，然而，2019年的“華為斷供”等中美貿易摩擦暴露出國內高新行業的技術短板，其中以高端芯片為代表的關鍵核心領域最為突出(張龍鵬、鄧昕，2021)。事實上，中國數字經濟發展雖然勢頭強勁、產業規模龐大，但關鍵環節薄弱、高端產業大而不強、與實體產業融合程度不深等狀況持續存留(鄧洲，2020)。這顯然與我國以數字經濟來驅動全要素生產率的戰略目標有較大偏離，進而給數字經濟賦能經濟發展帶來新的壓力與挑戰。因此，在推動經濟高質量發展的新階段，迫切需要明晰數字經濟快速發展對全要素生產率的實際作用及影響機理，深入分析我國數字經濟如何影響全要素生產率的內在機理問題，進一步檢驗數字經濟在不同層面所產生的貢獻與正負效應，從而為尋求數字經濟如何更好地驅動中國全要素生產率提供可能的路徑支持。

二、文獻綜述

現代經濟增長理論表明，全要素生產率是一國經濟持續增長的動力源(Nelson，1996)。隨著資源、勞動力等傳統要素的邊際生產率遞減，全要素生產率的增長陷入停滯，經濟增速放緩甚至下行，如何通過提升全要素生產率實現經濟可持續增長至關重要(Mankiw et al.，1992)。相當一部分學者關注一國技術進步及創新對生產率水平的影響。Jorgenson et al.(2008)研究表明信息及通信技術(ICT)和計算機產品對國內生產率水平的提高和經濟復蘇產生重要促進作用。蔡躍洲、張鈞南(2015)認為，ICT產品通過降低價格及對產業部門的技術滲透帶動生產升級改造，實現技術進步和要素生產率的提升。施炳展(2016)則從微觀層面發現，互聯網能夠降低信息交流成本，實現企業內外的資源優化配置，進而提升企業生產效率。同時，部分學者研究得出互聯網等新興技術與全要素生產率之間的關系存在條件性，如謝莉娟等(2020)指出只有達到一定的互聯網普及率，ICT投資促進全要素生產率的提升作用才顯現，但在過高互聯網普及率下，ICT投資對全要素生產率的促進作用消失。王娟(2016)研究認為，“互聯網+”對資本技術密集型企業全要素生產率的增長均有正向促進作用，但“互聯網+”的溢出效果在區域上卻有所不同。

上述研究為解釋互聯網等信息化技術對全要素生產率的影響提供了豐富基礎。Nelson and Phelps(1966)認為，一國全要素生產率變動水平取決于該國與世界技術前沿的差距。隨著互聯網、云計算和大數據等信息技術的發展與普及，數字經濟成為各國搶占的戰略高地(張輝、石琳，2019)。數字經濟正以前所未有的規模和速度，開辟和重塑新的生產生活方式、社會治理結構和空間格局(付曉東，2020)。但目前我國數字經濟仍處于發展初期，其對全要素生產率的影響尤其是作用機理的研究仍未深入。張永恒、王家庭(2020)通過測算要素錯配指數和數字經濟發展水平發現，數字經濟能夠明顯改善要素錯配水平，側面反映了對全要素生產率的提升能力。與此同時，數字技術作為數字經濟核心驅動力，支撐數字經濟活動的正常運作(付曉東，2020)。基于這一認識，劉平峰、張旺(2020)通過構建資本、勞動賦能型技術產出模型，識別出數字技術是影響全要素生產率增長的主要驅動力和增值源泉。肖旭、戚聿東(2019)認為企業借助數字技術的全方位滲透，搜集、整理、綜合各流程的要素信息，緩解供求雙方之間要素信息分割的矛盾，使需求創意與閑置資源被充分利用，從而提升企業內部全要素生產率。然而，部分學者得出了不同結論，如許憲春、張美慧(2020)提出數字經濟雖變革了國民經濟的社會生產方式，提供了更加高效的經濟運行模式，但近年來世界上大多數國家的GDP或全要素生產率并未顯示出預期由數字經濟帶來的提升。張輝、石琳(2019)指出若數字技術與本地基礎不符，則將陷入數字技術“空心化”，難以對經濟產生正效用。具有相似觀點的Brynjolfsson et al.(1998)認為，人工智能技術的應用對全要素生產率的作用復雜，若過度依賴人工智能技術反而抑制全要素生產率增長。同時，Acemoglu and Restrepo(2018)指出過度信息化會導致資源浪費和勞動力錯配，間接抑制全要素生產率增長。

由此可見，雖然已有文獻涉及數字經濟與全要素生產率的關系研討，但已有研究的論斷與結論仍存在一定的爭議。且隨著數字經濟的加速滲透，其對全要素生產率的影響是多元化、多層次的，如何全面反映數字經濟對全要素生產率的作用機理尤其是對數字經濟與全要素生產率作用關系的系統研究還存在一定缺憾。基于此，本文通過將全要素生產率分解成技術效率、技術進步，更細致的考察數字經濟作用于全要素生產率的具體維度。實證分析數字經濟究竟如何影響全要素生產率，進而揭示數字經濟推進全要素生產率提升的經驗證據。

三、理論分析及研究假設

(一)數字經濟對全要素生產率的直接作用

數字經濟作為新一輪技術變革浪潮的領軍者，跨越了互聯網技術水平與信息產業界域，能夠有效創新生產方式和升級經濟增長模式(荊文君、孫寶文，2019)。一方面，數字經濟的魅力在于打破傳統發展模式，通過對原有產業及傳統成分的滲透、拆棄和整合，加速農業、工業和服務業數字化、智能化轉型，以提高生產部門要素利用效率(付曉東，2020)，促進全要素生產率增長。與此同時，產業數字化和數字產業化的“雙輪聯動”，加速搭建多元化產業技術創新平臺并培育富有競爭力的數字產業集群，重塑現代化生產網絡，以帶動產業生產效率的提高，進一步提升全要素生產率(楊路明、施禮，2021)。另一方面，數字經濟通過高效整合信息流、物質流、資金流等產生價值增值，并憑借互聯網基礎與數字化優勢引導產業從價值重塑轉向價值創造，通過沖擊、顛覆、重塑原有經濟發展模式，逐漸擺脫傳統要素路徑依賴，帶動各區域產業實現指數型、集約型和高效型經濟增長模式，進而加快全要素生產率增長(肖旭、戚聿東，2019)。

此外，由于我國各地區要素稟賦、信息化發展水平、人力資源和政策制度等方面存在較大差異，進而影響數字經濟在各區域的擴散發展。從信息發展水平來看，地區間存在巨大的數字鴻溝，各區域的互聯網普及程度和數字技術的非均衡性配置制約了欠發達地區發展，必然拉大地區經濟發展之間的差距(金春枝、李倫，2016；胡鞍鋼、周紹杰，2002)。從制度方面來看，段博、邵傳林(2020)指出數字經濟通過互補效應和本地市場效應推動集聚經濟的形成，但現行的區域保護政策、戶籍制度等不合理的要素流動機制制約了生產要素跨區域的自由流動，導致經濟集聚擴大了區域差距，加劇了數字紅利在區域間的分配不平等。從人力資本方面來看，發達區域更易集聚高技能勞動力，發揮科技人才集聚效應優勢，推動該地區全要素生產率增長；而欠發達地區受限于人力資本存量，難以推動自主創新且導致有限的資源無法合理配置，容易抑制全要素生產率增長(郭金花、郭淑芬，2020)，從而增加區域經濟協調發展的難度。基于此，本文提出：

H1：數字經濟發展促進了全要素生產率的提升，但存在區域異質性。

(二)數字經濟對全要素生產率的影響路徑

數字經濟具有滲透性、跨越性和顛覆性等多種益于全要素生產率提升的技術特征。進一步將全要素生產率分解為技術效率、技術進步，兩者分別反映了全要素生產率的不同內涵，從不同程度承載了數字經濟效用發揮的結果。

1.數字經濟與技術效率

技術效率代表生產者在給定要素條件下的最大產出能力，通常反映對既有資源的使用和配置效率。數字經濟外在表現的最直觀反映就是注重要素的配置方式及效率(張永恒、王家庭，2020)。具體而言，一方面，數字經濟在發揮生產資料使用效率最大化方面具有天然優勢。依托互聯網和人工智能等新技術的深度應用，數字經濟實現了數據資源的高效利用與開放共享，擺脫了地理實體空間的束縛，促進對分布式要素的處理和整合，實現各經濟個體供求信息的雙向反饋，拓展資源利用空間，從而提高關鍵生產要素的使用效率(劉平峰、張旺，2020；郭吉濤、張邊秀，2021)。另一方面，數字經濟通過技術溢出構建組織間的信息系統實現數字信息高效互換，開啟低成本協調方式。在上下游產業的互動環節，利用產業鏈對整個經濟系統整合優化，減輕搜尋與交易中的“摩擦力”，降低了信息溝通成本，打破信息交流壁壘，從而進一步提升了效率(劉平峰、張旺，2020；李飛、喬晗，2019)。由此，本文提出：

H2：數字經濟對技術效率具有提升作用。

2.數字經濟與技術進步

技術進步意味著通過技術改進與人力資本積累等方式，以擴張生產前沿邊界提升要素投入組合下的產出水平。數字經濟不斷觸發互補式創新的鏈式反應，對技術進步產生長期的波及效應(付曉東，2020)。從技術方面來看，目前國內數字經濟發展以市場驅動為主，應用創新較多，但技術創新相對匱乏(張輝、石琳，2019)，尤其是核心技術缺失，關鍵技術設備、核心零部件受制于人等現狀制約了國內高端技術產業升級，加之自主創新能力不足，對產業鏈的數字化革新僅停留在淺層階段，導致難以產生技術突破、激發技術進步(任保平、豆淵博，2021；鄧洲，2020)；當前，我國企業受設備裝備所限大多仍處于非標準化生產階段，數字技術的發展主要從提高生產效率入手，難以滿足企業和產業技術創新的數字化需求(王世渝，2021)。從人力資本方面來看，數字經濟作為知識密集型產業，實現技術進步需要龐大的人才積累。但目前我國教育體制與經濟發展有所脫節，龐大的人才總量不能滿足數字經濟對跨界融合型人才的需求，導致技術的突破式創新更難以實現(張輝、石琳，2019)。在資金投入方面，數字產業和服務業數字化的投資熱潮是過去一段時間數字經濟保持快速增長的重要驅動力量，但現階段數字產業化與第一、二產業的融合力度不足，服務業作為一種低效的產業，同樣的投入產出比相對較低(江小涓，2020；王世渝，2021)。因此，當前數字經濟快速發展產生的資金虹吸效應可能會降低實體經濟的研發投入。此外，我國政府致力于為數字經濟發展提供全方位的政策支持，但現實中，數字經濟的自然壟斷傾向可能使有限的數據資源被數字巨頭所掌控，一味的政策支持反而加固了數字巨頭的壟斷地位，損害其他創新主體的創新活力和發展動力，削弱對生產前沿面的擴張程度(鄧洲，2020；許恒等，2020)。由此，本文提出：

H3：數字經濟對技術進步具有抑制作用。

(三)數字經濟對產業結構合理化的影響機理

在新時代背景下，產業的結構優化及合理布局是經濟高質量發展的關鍵，成為建設現代化經濟體系的迫切要求。但《中國現代化報告(2020)》顯示，老技術和舊產業將失去原有的產業結構價值和地位，造成部分行業的效率損失。數字經濟作為創新驅動發展的先導力量，依托數字技術和數據資源等關鍵要素打破信息交流壁壘，加速沖擊傳統產業結構，以數字化生產作為產業創新和產業變革的新方式在全球范圍內重塑產業生態，對整體產業結構將產生深刻影響(楊路明、施禮，2021；肖旭、戚聿東，2019)。

隨著數字技術從消費端向生產端的滲透及應用，國內產業進入黃金發展階段。但實踐中，當前數字經濟對生產和消費領域的融合程度極不均衡，對消費領域的滲透力度更為強勁，而對生產領域的“創造效應”并未完全發揮(趙劍波、楊丹輝，2019；江小涓，2020)。從消費端來看，數字經濟帶動了線上消費、物流服務等下游產業的繁榮發展，其中相當一部分利潤源于對傳統產業及傳統就業崗位的替代和擠出，使傳統產業遭受了一定的沖擊，阻礙了產業間的協同發展，進而使數字經濟提升全要素生產率的效率有所損失(許恒等，2020；郭吉濤、梁爽，2020)。從生產端來看，當前數字經濟在制造業生產過程中的價值創造能力仍然偏低，僅停留在典型、示范的部分制造環節(鄧洲，2020)，致使數字經濟對產業結構合理布局的促進作用不明顯。同時，目前國內產業基礎薄弱，現有的組織結構、生產設備短期內難以承載數字經濟的全方位產業化革新，不適宜的技術匹配容易引致“破壞式創新”(孔憲麗、米美玲，2015)，造成產業結構合理化失衡，進而削弱對全要素生產率的提升力度。此外，目前國內數字經濟監管不到位、制度有待完善，使得依托數字經濟率先取得技術突破的產業部門加速集聚創新資源，推高了數據資源的流動壁壘，阻礙了產業鏈上下游關聯企業的協同發展，增加有限資源的協調配置難度，從而阻礙了產業結構合理化升級，對提升全要素生產率帶來不小的壓力(趙劍波、楊丹輝，2019；卓乘風、鄧峰，2018)。由此，本文提出：

H4：數字經濟發展對產業結構合理化的抑制作用，致使產業結構合理化在數字經濟發展提升全要素生產率的過程中存在遮掩效應。

(4)創新環境的調節作用

數字經濟促進全要素生產率增長依賴于創新環境的完善程度，其中，人才環境和金融規模作為反映創新環境的重要維度，將直接影響數字技術的應用和擴散(韓璐等，2021)。因此，本文將人才集聚和金融規模作為衡量創新環境的主要指標，分析其對數字經濟促進全要素生產率的調節效應。

1.人才集聚的調節作用

智力資本是保障數字創新活動順利開展的基礎和先決條件，是推動各地區經濟增長質量變化的重要戰略資源(孫紅軍等，2019)。數字經濟提升全要素生產率依托于智力密集型的高新技術產業，因此更依賴于擁有知識和技術的創新人才。一方面，人才集聚程度高的區域能夠降低創新主體間的搜尋與溝通成本，增強了科技人才的交流與合作，加快其對知識的挖掘、傳遞、吸收和利用。在此環境下，數字經濟發展可持續釋放人才紅利，加快數字技術創新成果向經濟效益轉換(郭金花、郭淑芬，2020)，進而激發數字經濟的創新活力,實現全要素生產率提升。另一方面，人才集聚促進了區域人才競爭，各區域為保競爭優勢將加快提升知識儲備和競爭能力，從而為各區域的數字經濟建設提供更堅實的人才智力支撐，加快區域內及區域間的數字研發活動中的創新效率及創新溢出，進一步提升集聚及輻射能力，加快全要素生產率增長(鄧洲，2020；孫紅軍等，2019)。基于此，本文提出：

H5：隨著人才集聚程度的提高，數字經濟對全要素生產率的提升效果持續增強。

2.金融規模的調節作用

數字經濟的創新活動具有投入規模大、投資風險高、經濟效益滯后等特征，面臨高調整成本和高融資成本的雙重問題(唐松等，2020)。因此能否獲得穩定、充足的金融資源將直接影響數字技術的突破及擴散。一方面，金融發展水平高的區域具有完善的金融信息披露制度及金融發展平臺。在此環境下，有利于降低交易雙方的信息不對稱程度，拓寬數字技術創新的融資渠道，進而緩解數字技術創新的融資約束，激勵其繼續開展創新活動(王聰聰等，2018)，加快全要素生產率的增長。另一方面，隨著金融市場和數字經濟融合的逐漸加深，數字金融構建起新的金融生態環境，使交易過程更加高效透明，有效糾正“階段錯配”和“屬性錯配”等問題，緩解了供應鏈中的金融風險，進而暢通了供應鏈、價值鏈和產業鏈的生產、流通和交換，優化創新活動的融資環境(趙劍波、楊丹輝，2019；唐松等，2020)，進而促進全要素生產率增長。由此，本文提出：

H6：提高金融發展水平有利于增強數字經濟對全要素生產率的提升作用。

綜上所述，數字經濟對全要素生產率的作用機理如圖1所示。

圖1 數字經濟對全要素生產率的作用機理

四、研究設計

(一)模型構建

本文利用省份層面數據探討數字經濟對全要素生產率增長的直接影響及存在的區域異質性，考慮到全要素生產率增長變化是一個動態調整過程，故在模型中添加全要素生產率一期滯后值進行分析。其中，GMM方法主要有差分 GMM 估計和系統 GMM 兩種。考慮到差分GMM估計存在弱工具變量的缺陷，系統GMM的優點是能夠提高估計效率且克服模型中潛在的內生性問題。因此本文采用系統 GMM 估計方法對模型進行估計。對此，本文構建如下動態面板模型，以此克服內生性引致的偏誤問題。

TFPit=α0+α1TFPit-1+α2DEit+αjXit+μi+γt+εit

(1)

其中，TFPit表示i省份在t時期的全要素生產率；DEit為i省份在t時期的數字經濟發展水平；Xit為i省份在t時期影響全要素生產率的控制變量；μi為省份固定效應；γt為年份固定效應；εit為誤差項。

進一步地，依據Kumbhakar and Lovell(2000)研究成果將全要素生產率分解為技術進步(TECH)和技術效率(EFFCH)，以此對數字經濟影響全要素生產率的具體維度進行探討，并構建模型如下：

TECHit=α0+α1TECHit-1+α2DEit+αjXit+μi+γt+εit

(2)

EFFCHit=α0+α1EFFCHit-1+α2DEit+αjXit+μi+γt+εit

(3)

為進一步檢驗數字經濟發展是否會通過影響產業結構合理化間接影響全要素生產率，本文借鑒溫忠麟、葉寶娟(2013)提出的中介效應模型，構造下式：

RISit=α0+α1RISit-1+α2DEit+αjXit+μi+γt+εit

(4)

TFPit=α0+α1TFPit-1+α2DEit+α3RISit+αjXit+μi+γt+εit

(5)

為檢驗創新環境(人才集聚及金融發展)對數字經濟與全要素生產率關系的調節作用，構建如下回歸模型：

TFPit=α0+α1TFPit-1+α2DEit+α3TAGit+α4DEit×TAGit+αjXit+μi+γt+εit

(6)

TFPit=α0+α1TFPit-1+α2DEit+α3FINit+α4DEit×FINit+αjXit+μi+γt+εit

(7)

(二)內生性與工具變量

考慮到數字經濟發展與全要素生產率之間可能存在因果內生關系，且影響全要素生產率的因素較多，目前所涉及的控制變量難以防止遺漏變量問題，因此，本文采用選取工具變量的方式緩解內生性問題，以此識別數字經濟發展對全要素生產率影響的凈效應。鑒于此，本文借鑒黃群慧等(2019)選取人均郵電業務和固定電話普及率作為數字經濟發展的工具變量進行實證檢驗。實證中將給出AR(2)和Sargan值檢驗工具變量的有效性。

(三)變量選取與數據說明

1.被解釋變量

全要素生產率(TFP)及其分解指標是本文的被解釋變量。本文采用DEAP2.1軟件，運用DEA—Malmquist指數對全要素生產率進行測算，并根據Fare et al.(1994)提出的分解方法，構建出Malmquist指數分解，進而區分技術進步和技術效率。從全要素生產率的內部構成來看，全要素生產率的增長來源主要是技術進步和技術效率的綜合作用，如式(8)。

M0(xt+1,yt+1；xt,yt)=(M0t×M0t+1)1/2=TECH(xt+1,yt+1；xt,yt)×EFFCH(xt+1,yt+1；xt,yt)

(8)

EFFCH(xt+1,yt+1；xt,yt)=PECH(xt+1,yt+1；xt,yt)×SECH(xt+1,yt+1；xt,yt)

(9)

TFP=M0(xt+1,yt+1;xt,yt)=TECH×PECH×SECH

(10)

式(8)中，xt、yt代表t期的投入和產出；TECH、EFFCH分別為技術進步和技術效率。其中，根據Kumbhakar and Lovell(2000)研究，在規模報酬可變的條件下，技術效率還可分解為純技術效率(PECH)和規模效率(SECH)。最終，本文構建式(10)對全要素生產率進行估計和分解。測算時所用的產出變量是采用以2000為基期的實際生產總值；使用中國各省份的社會就業人數作為勞動投入變量；資本投入采用“永續盤存法”進行估算，具體的估算公式為：

Kt=It/Pt+(1-δ)Kt-1

(11)

其中Kt是t時期實際的資本存量，It是t時期的固定資本投資總額，Pt是固定資產投資價格指數。基年采用張軍等(2004)所測算的2000年資本存量數據；經濟折舊率在全國各省假定10%。

2.核心解釋變量

本文的核心解釋變量為數字經濟發展水平(DE)。就當前相關研究文獻來看，關于數字經濟發展還未形成統一標準，學者大多采用多級指標進行綜合構建。故本文借鑒張永恒等(2020)相關成果的基礎上，從數字基礎設施建設、數字化生產應用、數字化生活應用和數字化發展潛力四個方面選擇基礎指標進行熵權TOPSIS法測算，以熵權法生成指標權重，再利用TOPSIS法構建各省的數字經濟發展水平指標體系。其中，考慮到數據的可獲得性，最終選擇包含12個具體指標的評價體系，具體指標體系見表1。

表1 數字經濟發展水平評價體系

3.中介變量

產業結構合理化(RIS)：反映了產業間的資源有效利用能力和產業結構的協調效果。本文借鑒干春暉等(2011)的做法，以泰爾指數衡量產業結構合理化水平。

4.調節變量

(1)人才集聚(TAG)，采用各省受教育程度在大學以上的人口所占各省人口比例作為人才集聚的代理變量；(2)金融規模(FIN)，選用各省銀行的存貸款余額與各省GDP的比重來衡量金融發展規模。

5.控制變量

全要素生產率還受到其他一些因素的影響，選取以下控制變量：(1)政府干預程度(GOV)，即地方財政支出與GDP比值；(2)對外依存度(OPEN)，采用各省進出口總額與GDP的比值來表示；(3)基礎設施水平(INFRAS)，使用人均城市道路面積作為基礎設施水平的衡量變量；(4)人力資本水平(HC)，采用各省高校在校生人數所占各省人口比例刻畫區域人力資本水平；(5)產業結構高級化(ISS)，以“第三產業增加值/第二產業增加值”衡量。

(四)數據來源與描述性統計

本文選用2012-2018年全國30個省際的面板數據，由于西藏地區部分指標缺失，故從樣本中去除。本文數據源于各省統計年鑒等公開統計資料。此外，本文對部分變量進行標準化處理，數據分析采用Stata16.0軟件，所涉及的變量描述統計如表2所示。

表2 描述性統計

五、實證結果分析

(一)相關性分析

通過表3可以發現，全要素生產率、技術進步、技術效率三個變量分別與數字經濟表現出顯著相關性，可知其各組變量中存在一定的內在聯系。

(二)模型估計結果

本文運用系統GMM方法所構建的動態面板模型對相關假說進行檢驗。為保證GMM估計的一致性，需對模型殘差序列進行自相關檢驗，并檢驗工具變量的有效性。通過AR(2)的檢驗結果看出，所有模型均不存在二階序列相關并通過了自相關檢驗。過度識別檢驗(Sargan)結果p值均大于0.1，表明模型選取的工具變量均有效，滿足“排他性和相關性”條件。具體估計結果見表4。

表4的回歸結果報告了數字經濟對全要素生產率的影響。具體而言，表4的第(1)列顯示數字經濟對全要素生產率的影響顯著為正，表明數字經濟發展對全要素生產率的提升是有益的，初步驗證了假設H1。同時，在表4的第(5)列、第(6)列中加入工具變量人均郵電業務(PPTS)及固定電話普及率(FTP)進行回歸，相關變量系數的正負與顯著性均未發生改變。

表3 相關性分析

表4 數字經濟對全要素生產率的回歸結果

由表4中的第(2)、(3)和(4)列中可看，區域層面上，數字經濟發展對全要素生產率的作用效果存在差異，由此進一步驗證了假設H1。具體來看，東部地區的數字經濟發展對全要素生產率的作用顯著為正，這意味著東部地區數字經濟的發展對提升全要素生產率是有益的，因為東部地區具有資源、人力稟賦優勢，可能為數字經濟發展提供更大的創新空間及活力，同時東部科技扶持力度更大，使數字經濟發展能夠在東部地區產生1+1>2的效果(段博、邵傳林，2020)，進而加快全要素生產率的提升。而中部地區的數字經濟發展對全要素生產率存在反向作用，這或許因為中部是重工業的核心地區，傳統性產業居多，創新能力先天不足，加之對傳統生產方式的數字化變革成本過高，增加研發成本將擠占傳統產業的生產性投資，將進一步抑制當地的創新積極性，進而容易降低當地產業生產效率(林春、孫英杰，2020；張永恒、王家庭，2020)。同時西部地區不顯著，表明西部數字經濟發展還未能形成規模效應，不足以推動全要素生產率的提升。這可能因為西部的經濟基礎相對較低、缺乏資源稟賦優勢，其產業發展主要依靠招商投資與要素驅動，對要素與投資的依賴程度過高，削弱了當地政策利好促進企業長遠發展的實施效果，加之當地的創新能力及動力薄弱，使得西部數字經濟發展對全要素生產率的提升效果未能顯現(林春、孫英杰，2020)。

由表5的第(2)列可知，數字經濟對技術效率的回歸系數為0.1490，并在5%水平上顯著，說明數字經濟對技術效率具有顯著的正向促進作用，驗證了假設H2。說明數字經濟能夠借助數字技術和云端調配統籌資源合理配置，有效降低要素錯配水平，消除多重維度的信息錯位(張輝等，2019)；且通過數據資源與傳統生產要素不斷組合迭代，激發社會活力，緩解傳統要素邊際遞減趨勢引發的負面效應，從而提高要素的投入產出效率，縮小與最佳產出之間的距離，由此實現全社會技術效率的總體改善(林春等，2020)。

由表5的第(1)列可知，數字經濟發展與技術進步的回歸系數為-0.0373，并在10%水平上顯著，說明數字經濟發展對技術進步的提高是不利的，驗證了前文理論分析的邏輯。導致該現象的原因可能有：其一，數字經濟創新多處于商業模式和應用層面，而基礎研究力量薄弱、核心領域的開源技術能力不足，尤其是數字經濟發展以來的高端元器件大多依賴進口和授權使用，阻礙了技術研發與科技進步的進程(鄧洲，2020)。其二，國內數據分析等智能化領域的人才缺口較大，復合型人才更為緊缺，且頂尖人才基本依靠外部輸入，制約了數字經濟對技術創新溢出效應實現。其三，國內相關政策監管缺位、市場機制不健全。這不僅導致資本的過分追捧誘發了創新主體的激勵扭曲，引致產能過剩；而且趨利機制下的數據、人才等流動性資源被囤積在邊際報酬高的產業，增大創新資源在產業間的協調難度，進而限制了基于數據資源深度挖掘的持續創新，降低了行業創新能力(周利敏、谷玉萍，2021；江小涓，2020)。進而驗證了假設H3。

進一步地，DEA-Malmquist指數還可估算出純技術效率變化指數及規模效率變化指數，由此可進一步探究數字經濟發展影響技術效率的具體路徑。本文利用模型(12)、(13)分析數字經濟與技術效率的分解指標(純技術效率和規模效率)之間的關系，結果見表5的第(3)、(4)列。

PECHit=α0+α1PECHit-1+α2DEit+αjXit+μi+γt+εit

(12)

SECHit=α0+α1SECHit-1+α2DEit+αjXit+μi+γt+εit

(13)

表5結果顯示，數字經濟對純技術效率有正向促進作用，但對規模效率影響不明顯；因此，數字經濟對技術效率的促進作用主要體現為純技術效率的拉動作用。

表5 數字經濟對全要素生產率分解指標的回歸結果

綜上可知，數字經濟對我國全要素生產率的作用機理還未體現在技術水平的提升，因此數字經濟的發展并不代表技術進步本身，且并不意味著我國可直接依靠數字經濟發展占領國內創新制高點，而是要依照國內目前的技術基礎，通過合理的數字技術優化和改進供需對接渠道等方式有效提升經濟主體內部的資源利用效率最大化，進而通過實現技術效率增長貢獻于全要素生產率。

如表6的第(2)列所示，數字經濟對產業結構合理化的回歸結果在1%的水平下顯著為負，因此初步判斷產業結構合理化所起的間接作用一定程度上掩蓋了數字經濟對全要素生產率的真實提升效果；由第(3)列可看，在控制了產業結構合理化影響的間接效應后，數字經濟對全要素生產率的回歸系數仍在1%的水平下顯著為正，進一步證明產業結構合理化遮掩效應的存在，驗證了前文假設H4。這一結果同樣符合預期，即如前文所述，其一，目前數字經濟與商業領域的融合較為成熟，數字技術大多投入到消費領域，對緩解過剩產能、刺激消費升級等起到一定的積極作用(江小涓，2020)。然而，這也在一定程度上破壞了傳統產業的生態格局，易將尚未完成轉型升級的傳統產業擠出市場，致使產業整體發展受阻(許恒等，2020)。其二，雖然數字經濟在各產業部門的滲透力度不斷加深，但現有的數字技術仍無法有效解決生產環節的現實困難，尤其是工業智能化、數字化農業等數字技術應用僅停留在淺層階段，降低了數字經濟對產業整體的協調能力(鄧洲，2020)。同時，行業間技術特征差異過大、數字化轉型能力不一掣肘著產業轉型升級，若不顧自身發展條件和資源基礎，盲目追求數字化轉型，容易破壞產業結構，導致技術引入與產業要素結構相失衡，使數字經濟提升全要素生產率的效率有所損失。其三，當前國內數字經濟發展規劃缺乏完備性。在政策導向性及資本逐利性的作用下，更多社會資本和技術投入迅速流入數字經濟邊際報酬較高的領域，引發極化效應。這不僅壓縮了其他新興產業的創新資源，且不利于產業間的分工合作和協同創新，最終造成產業結構布局失調(卓乘風、鄧峰，2020)，削弱了數字經濟對全要素生產率的促進作用。

為驗證創新環境的調節作用，分別引入數字經濟與人才集聚、金融發展的交互項。由表6中第(4)列可知，數字經濟與人才集聚交互項的系數顯著為正，因此本文H5得到支持。這說明在人才集聚程度高的地區，數字經濟發展對全要素生產率的促進作用更為明顯。從第(5)列可看，數字經濟與金融發展規模的交互項系數顯著為正，這一結果表明，金融規模強化了數字經濟對全要素生產率的提升力度，進而驗證了假設H6。

表6 數字經濟對全要素生產率的影響機制檢驗結果

表7 數字經濟對全要素生產率及分解指標的穩健性檢驗

六、穩健性檢驗

為確保結論的可靠性，本文采用更換核心解釋變量指標進一步檢驗模型的穩健性，使用廣義GMM方法再次進行。由于數字經濟發展離不開數字技術，隨著數字技術由2G加速發展到目前的5G，用戶規模不斷擴大，進而導致電信業務總量持續猛增，因此本文采用各地電信業務總量占GDP的比重替換原變量指標重新估計。從估計結果看，數字經濟對全要素生產率、技術效率的影響效應為正，而對技術進步的影響呈現負的顯著性。此外數字經濟對全要素生產率的影響機制的回歸結果與前文結論仍保持一致，這表明本文回歸模型的估計結果是穩健的，同時印證本文假說。

七、結論與政策建議

本文選取2012-2018年中國30個省份的面板數據，探究數字經濟對全要素生產率的影響機理。結果表明：數字經濟的發展顯著提升了中國全要素生產率水平，但區域層面上，東部地區的數字經濟發展明顯領先于中西部地區，引領著中國全要素生產率加快增長。從全要素生產率的分解指標來看，現階段數字經濟顯著推動了技術效率的提升，但對技術進步產生了阻礙作用。因此，當前數字經濟對我國全要素生產率的提升主要是通過技術效率的提高實現，但現階段數字經濟急劇快速發展帶來的人才和資金虹吸效應對技術進步的負向作用不容忽視。考慮到數字經濟對全要素生產率的影響機理依賴產業結構的協調發展，而數字經濟發展對產業結構合理化的抑制作用，使其在數字經濟發展提升全要素生產率的過程中存在遮掩效應。進一步的機制檢驗表明在創新環境的支持下，人才集聚及金融規模強化了數字經濟對全要素生產率的提升力度。基于以上研究發現，本文提出如下對策建議：

表8 數字經濟對全要素生產率影響機制的穩健性檢驗

第一，根據各地區的實際發展狀況，采取差異化的數字經濟發展戰略。對具有人力、資本稟賦優勢的東部地區，繼續發揮其資源優勢、保持創新活力，不斷將數字經濟創新成果轉化成生產力并向中、西部地區輸送；對于中部地區，應結合其先進制造業核心區域的優勢，積極推進產業的數字化轉型新模式、新業態。同時，積極引進稅收補貼、優惠稅率等政策引導數字經濟的投入創新和吸引要素流入，為數字經濟的發展提供良好的軟基礎保障。此外，考慮對該地區數字經濟發展施加適當的規制強度，充分利用數字技術實現各種生產要素高效流動，提高資本配置效率，改善要素錯配及資本配置過剩狀況，拉伸數字經濟對全要素生產率的提升空間。西部地區應繼續發揮其制度優勢，加大數字經濟基礎設施建設，加強對東中部地區創新成果轉移的承接能力。

第二，引導數字經濟合理發展，加快數字產業化和產業數字化的融合力度，實現數字經濟對核心技術的突破。現階段，我國數字經濟獲得了快速發展，數字產業化規模不斷擴大、數字治理化水平不斷提高、服務業數字化轉型已初見成效，為下一步的數字產業化和產業數字化深度融合奠定了基礎。從數字經濟與技術效率和技術進步的關系來看，當前，數字經濟發展對純技術效率的提高比較明顯，但由于數字經濟的發展更多地依賴以應用創新為主的市場驅動，技術創新不足帶來的核心技術缺失和高技能人才緊缺成為數字經濟抑制技術進步的重要原因。因此，今后一方面，在大力發展數字經濟提高技術效率的同時，也要穩固基礎研究力量，加大核心技術領域的研發強度及資金投入力度，為數字經濟發展實現技術突破奠定基礎；另一方面，應提升軟件工程等關鍵核心領域的領先地位，通過掌握全球信息產業的最新趨勢和技術前沿，有效推進技術轉移和自主研發，實現數字經濟領域的關鍵技術創新突破。此外，應瞄準數字經濟等新發展方向，致力于培育實踐和應用能力的復合型人才，以專業化、定制化的教育體系來滿足新經濟發展對數字化人才的質量及數量要求。同時，應突破數字經濟體制障礙，全面提升監管效能。明確各方的監管職責及分工，搭建多元共治的監督治理體系，攻破數字領域的監管盲區，防止數字巨頭惡意設置行業門檻。由此，激發我國數字經濟發展對技術進步能力的提升效果，拓寬數字經濟對全要素生產率的提升渠道。

第三，加強政策制度創新，重構數字經濟發展的生態系統。機制分析發現，數字經濟發展并未提升產業結構合理化水平，由此削弱了數字經濟對全要素生產率的提升效果。因此，政府應通過制定科學合理的政策制度體系，推動數字經濟競爭范式從現有的產業和企業間的競爭轉為生態體系構建和生態系統的競爭。首先，從產業結構層面解決數字經濟和傳統經濟的發展矛盾。政府應根據產業要素稟賦及發展優勢，選擇適宜的數字技術投入力度，提升數據資源、數字技術與傳統產業的適配程度，消除傳統經濟的發展危機。其次，應大力推廣數字經濟的應用范圍，深度挖掘工業智能化、數字化農業等融合發展模式，倒逼數字技術的研發和融合強度，進一步強化產業間互動協作，實現產業間的存量動態轉換。再次，應積極引導數字經濟價值遵循及基本原則的形成，劃出具體邊界以嚴格監管；審慎控制數據要素流入規模，防治惡意壟斷現象，降低產業結構不合理的波動。最后，將人才集聚和金融規模作為強化數字經濟對全要素生產率的重要抓手，增強數字經濟人才培育力度，并著力推進金融體系的市場化改革，為推動數字經濟發展的持續性提供便捷的融資環境。此外，政府還應加強公共數據公開力度、強化標準化生產及數字技術標準化供給、提高數據價值化管理能力，為數字產業化和產業數字化的深度融合創造良好的環境和氛圍。