數字技術對長三角產業結構升級的影響研究*

□ 方湖柳 潘 嫻 馬九杰

內容提要 產業結構升級是長三角區域經濟高質量發展的重要路徑。數字技術作為創新驅動發展的先導力量，深刻影響著產業結構升級。本文基于長三角地區41 個城市2011—2019年的數據，運用中介效應模型、空間計量模型等多種計量方法研究數字技術對產業結構升級的影響。結果表明：（1）總體來看，數字技術有效推動了長三角產業結構升級，資源錯配改善與企業創新是數字技術發揮作用的兩個重要渠道；（2）從空間溢出來看，數字技術對周邊城市的產業結構升級存在正向溢出效應；（3）進一步拓展分析發現，數字技術對長三角產業結構升級存在基于經濟發展水平的門檻效應，具體表現為在經濟發展水平低于門檻值的地區，數字技術對產業結構升級的推動作用更強。本文結論豐富了數字技術與產業結構升級的相關研究，也為推進長三角產業結構升級和區域經濟高質量發展拓寬了政策思路。

一、引言

當前中國經濟正由高速增長階段向高質量發展的新階段邁進。在新階段，中國面臨著新冠疫情沖擊、逆全球化、中美貿易戰等來自國內外的多重挑戰，傳統低端鎖定的產業結構與新階段不相適應的矛盾日益凸顯。為構建國內國際雙循環經濟新格局，中國迫切需要通過產業結構升級來增強供給體系韌性，優化經濟結構。作為中國經濟最為活躍、創新最具活力的區域之一，長三角地區具備率先實現高質量發展的優良條件和推動區域協調發展的輻射帶動能力，在中國現代化建設大局中具有至關重要的戰略地位。2019年，《長江三角洲區域一體化發展規劃綱要》 中明確提出了長三角“一極三區一高地”的新定位要求，并指明為實現區域高質量一體化，打造全國發展強勁活躍增長極，長三角需進一步加大傳統產業升級改造力度，推動產業向中高端邁進。①2020年8月，習近平總書記在扎實推進長三角一體化發展座談會上再次強調，長三角區域要勇當我國科技和產業創新的開路先鋒，率先形成新發展格局。由此可見，推動長三角區域的產業結構升級不僅是實現長三角高質量發展戰略目標的重要任務，更是帶動其他地區實現經濟高質量發展的關鍵。

產業結構升級的核心在于技術升級與效率提升。值得注意的是，中國當前已步入數字經濟時代，以新一代信息技術為核心的數字技術發展迅猛。作為創新驅動發展的先導力量，數字技術正從多個維度對社會生產方式進行升級與重塑，推動新產業、新業態、新模式不斷涌現，深刻影響著產業結構。

在此背景下，部分學者針對數字技術如何推動產業結構升級展開討論。現有研究主要集中于以下三個方面： 一是對數字技術與產業結構升級的關系進行理論分析。學者們大多從產業本身出發闡述信息產業與其他產業之間的聯動效應和溢出效應（Heo & Lee，2019），或基于要素投入角度展開討論，認為數字技術的出現會引發“關鍵生產要素”變遷，進而改變傳統生產方式和商業邏輯（國務院發展研究中心課題組，2018；Nambisan et al.，2019）。二是從宏觀視角出發，通過實證檢驗探究信息化對產業結構升級的作用。Lee et al.（2009）基于產業關聯的研究認為信息化是產業結構升級的催化劑。左鵬飛等（2020）的實證結果也表明信息技術是驅動國內產業結構轉型升級的新型生產力。三是基于微觀視角，對數字經濟背景下企業的轉型路徑進行定量分析或案例研究。如Guler &Buyukozka（2019）通過構建評價模型，發現數字技術的融入將促使企業衍生出新的業務模式，以及戚聿東等（2021）選取國內數字化典型實踐案例，重點分析了國有企業數字化戰略變革發揮“提質降本”效應的模式選擇。總體來看，現有研究從不同角度揭示了數字技術對產業結構升級的重要作用，極大豐富了相關理論，但仍存在拓展研究的空間。第一，現有針對數字技術作用于產業結構升級的機制討論多為定性研究且視角相對分散，缺少系統的實證檢驗；第二，已有文獻多立足于全國層面，忽視了數字經濟發展先行區域的特殊性，聚焦國家戰略發展區域的研究也相對缺失。長三角地區不僅是國家戰略發展區域，也是中國數字化發展的前沿陣地，其能否發揮好數字技術助力供給體系質量提升的積極作用？背后的路徑具體為何？這些問題仍有待回答。對此，本文將利用長三角地區2011—2019年41 個地級以上城市的面板數據，圍繞數字技術與產業結構升級開展針對性的區域研究。

與已有文獻相比，本文可能的邊際貢獻在于以下三個方面：第一，本文基于區域視角，以長三角地區為研究對象，系統探究數字技術對產業結構升級的影響，是對已有研究的一種拓展；第二，本文從資源錯配與企業創新兩個方面出發進行理論分析，較為細致地揭示數字技術影響產業結構升級的內在機制；第三，本文進一步將區域間的空間相關性納入考慮，探討數字技術對產業結構升級的空間溢出效應，以期更加全面地認識數字技術對產業結構升級的影響。

二、理論分析

（一）數字技術對產業結構升級的影響機制

數字技術的創新與運用推動數字產業化與產業數字化深入發展，改變了傳統經濟活動，是產業結構升級的重要引擎。一方面，數字技術促進了物聯網產業、云計算產業、大數據產業等數字產業的出現。隨著數字技術的成熟與進一步創新，這些新興產業將會成為產業體系中的主導產業，促使產業結構向技術密集的高級化方向演進。另一方面，數字技術的變革為業態創新與產業融合創造了機遇。傳統經濟中各產業間均有著明顯的界限，而數字技術能夠推動傳統產業數字化、智能化升級，創新形成智慧農業、工業物聯網等多種新型業態。新業態的出現賦予了產業生態體系更多的靈活性與可能性，使得產業間的邊界逐漸模糊，第一產業、第二產業不斷向第三產業延伸與融合 （Lee et al.，2009）。

不管是數字產業化還是產業數字化，除需要技術創新支撐外，都離不開投入端的要素配置優化。因此，本文認為數字技術將會通過改善資源錯配與激發企業創新兩條路徑對產業結構升級產生影響。

1.數字技術、資源錯配與產業結構升級

資源錯配給產業結構升級帶來了諸多負面影響，是我國產業結構升級進程中亟待解決的問題。資源錯配的其中一個典型表現是大量資本要素長期流向國有企業、大型企業與熱門企業（Hsieh &Klenow，2009）。由于無法準確評估企業信用風險，金融機構往往會根據財務數據與抵押資產做出決策，導致重資產行業成為資本要素的主要獲得者，而具有創新活力的中小企業面臨嚴重的融資約束（劉錫良和文書洋，2019）。這將制約企業生產效率提升，阻礙企業實施創新項目，進而對新興產業發展與傳統產業轉型產生負面影響。同樣，勞動力錯配也是資源錯配的典型表現之一。與產業適配的勞動力結構是產業結構升級的重要基礎，但當勞動力市場存在摩擦時，勞動要素將無法配置在效率最高的部門，也無法滿足產業結構升級對人力資本的需求（汪偉等，2015）。因此從總體看，改善資源錯配是推進我國產業結構升級的重要途徑。

數字技術能夠從微觀層面與宏觀層面改善資源錯配。從微觀層面來看，數字技術的廣泛應用改變了企業的組織管理方式與生產管理模式，有助于企業借助數字化調配實現資源在部門間的合理分配，以優化生產要素組合、提升生產決策合理性。這對于實現資源要素浪費最小化、提升企業生產效率均具有重要意義（Banalieva & Dhanaraj，2019）。從宏觀層面來看，數字技術能夠對區域間的信息數據進行整合、編碼與傳遞，緩解要素供求雙方的信息不對稱，進而促進各類要素以更低成本、更高效率的方式配置到合理的地區、產業與部門（Kuhn& Skuterud，2004）。具體來說，數字技術打破了勞動力市場的信息壁壘，不僅有利于提升勞動力與工作崗位的匹配效率，還推動了高技能勞動力對低技能勞動力的替代（黃海清和魏航，2022）。此外，隨著數字技術的充分運用，資產定價與信用風險評估精準度進一步提升，這能夠減輕金融摩擦與融資約束，進而推動資本的有效配置（陳廉等，2021）。

綜上所述，本文得到假設1：數字技術會改善資源錯配，進而推動產業結構升級。

2.數字技術、企業創新與產業結構升級

數字技術的發展促使海量數據要素滲入產業生產中。不同于傳統要素，數據具有非稀缺性、非排他性、非損耗性等特點，邊際成本極低。因此，數字技術變革極有可能會逆轉原有的要素結構優勢，進而激發企業創新活力，推動企業開展整合式創新與開放式創新（Nambisan et al.，2019）。具體地，數字技術賦能整合式創新指的是企業借助數字技術的動態性、可延展性等優勢，加強對創新過程的管理，通過整合創新要素與創新能力，重塑內部創新體系、激發自主創新活力（戚聿東等，2021）。數字技術賦能開放式創新則主要體現在幫助企業克服空間與資源上的限制。數字技術促使知識趨于標準化、顯性化，提高了知識的流動性與共享性（魏江等，2021），能夠有效降低企業間的交流成本、提升交流效率。這有利于企業推進與不同地區、不同部門企業之間的合作創新。

與此同時，企業創新是影響產業結構升級的關鍵因素。整合式創新的實現對企業轉變粗放的生產經營模式具有重要的促進作用，特別是由數字技術推動的整合式創新有利于發揮企業創新的自生長性，助推企業實現數字產品或服務的迭代升級（劉洋等，2020），進而為數字產業化與產業數字化提供重要支撐。此外，隨著開放式創新水平的提升，企業研發合作不斷深化，更多的外部創新資源融入生產過程并持續為生產技術改進提供助力（劉人懷和張鎰，2019）。這不僅能夠提升產品質量，使產品由低附加值轉向高附加值，還有利于促進后續的產品衍生，從微觀視角延伸價值鏈，為產業結構升級提供動力。

綜上所述，本文得到假設2：數字技術會激發企業創新，進而推動產業結構升級。

（二）數字技術對產業結構升級的空間溢出效應

在數字技術的支持下，傳遞成本低、擴散速度快的信息流不斷壓縮時空距離，打破了地理位置對經濟活動的空間約束（Yilmaz et al.，2002）。一方面，數字技術弱化了地理距離與行政壁壘對要素流動的束縛，使得資金、勞動力等在更廣區域范圍內快速流動、交換（黃群慧等，2019）；另一方面，數字技術推動著不同地區主體間的交流合作不斷深化，其中不僅包括企業間的技術交流與業務合作，也包括企業與其他創新主體的跨區域互動（Keller，2002）。因此，除直接作用于本地外，數字技術的發展能夠促進要素跨區域重組、優化其他地區的要素配置、提供跨地區技術支持、實現知識技術外溢，進而對周邊地區的產業結構升級產生正向協同效應。

綜上所述，本文得到假設3：數字技術對產業結構升級的影響存在正向空間溢出。

三、研究設計

（一）研究區概況

長三角地區位于亞太經濟區的中心地帶，是我國東部沿海地區與長江流域的交匯區，具有優越的地理區位條件與優良的自然資源稟賦。《長江三角洲區域一體化發展規劃綱要》中指出長三角一體化規劃范圍包括上海、江蘇、浙江和安徽三省一市全域，整體面積為35.8 萬平方公里。②自上升為國家戰略以來，長三角一體化成效顯著，經濟發展與數字化轉型均走在全國前列。2020年，長三角地區生產總值為24.47 萬億元，約占全國總量的24.09%，其中數字經濟總量高達10.83 萬億元，在數字中國建設中具有舉足輕重的作用。③然而，長三角內部不同城市間仍存在明顯的發展不平衡，需要繼續探索區域協調發展的新路徑、新模式。因此，本文以長三角全域為研究對象，具體包括上海市、江蘇省、浙江省與安徽省所轄的41 個地級以上城市。

（二）模型構建

為檢驗數字技術對長三角產業結構升級的影響及其內在機制，本文根據前文理論分析得到的假設1 與假設2，構建中介效應模型，將資源錯配與企業創新作為中介變量加入模型中進行中介效應檢驗。第一階段檢驗長三角地區數字技術對產業結構升級的影響，構建基準模型如下：

第二階段、第三階段分別在式（1）基礎上，構建數字技術對中介變量、數字技術與中介變量對產業結構升級的線性回歸方程如下：

其中，indit表示城市i 在t 期的產業結構升級情況，digit表示城市i 在t 期的數字技術水平，mit代表各中介變量，Zit為城市層面的控制變量組；λt和μi分別表示時間效應與個體（地區）效應，εit為誤差項。若式（1）中dig 的系數α1顯著為正，式（2）與式（3）的β1、γ1與γ2也顯著且符合預期，則證明中介效應存在。

考慮到數字技術打破了地理距離限制，為檢驗長三角城市間數字技術對產業結構升級的空間溢出效應，本文在式（1）的基礎上引入各變量的空間交互項，構建空間杜賓模型如下：

其中，ρ 為被解釋變量空間滯后項的彈性系數，θ1和θc為核心解釋變量與控制變量的空間滯后項彈性系數。W 為空間權重矩陣，現有研究通常采用反映地理位置特征的矩陣或反映經濟社會特征的矩陣。考慮到空間不相鄰但相近地區的互相影響，同時避免經濟距離內生于產業結構升級導致的偏誤，本文采用地理距離權重矩陣進行空間計量分析，矩陣中要素wit具體設置如下：

其中，dij代表城市i 與城市j 之間的直線距離，用經緯度坐標計算。

（三）指標選取與評價方法

1.被解釋變量

本文的被解釋變量為產業結構升級。現有研究對產業結構升級的測度主要分為三種： 一是直接測算二產、三產占GDP 的比重 （侯新爍等，2013）；二是用三產與二產的比值衡量產業結構高級化（李虹和鄒慶，2018）；三是將三次產業產值的占比賦予相應的權重并加權，用以表示產業結構升級（汪偉等，2015）。此外，也有部分文獻從產業結構的合理化出發對產業結構升級進行衡量（李虹和鄒慶，2018）。結合產業結構升級的內涵與當前經濟發展的基本態勢，產業結構升級最顯著的特點應表現為第三產業迅速壯大，一產與二產占比下降。因此，為全面反映產業結構的整體升級情況，本文從三次產業全局出發，借鑒汪偉等（2015）的方法，通過測算三次產業產值占總產值比重的加權求和值對產業結構升級進行衡量，具體計算方法如下：

其中si表示城市中第i 產業產值占生產總值的比重。

2.核心解釋變量

本文的核心解釋變量為數字技術。數字技術的概念與測算目前尚未有統一的標準，根據現有研究可知，數字技術包含通信技術、信息技術及相關服務等多項內容（高敬峰和王彬，2020），難以用單一指標對其進行科學表征。因此，本文基于城市層面相關數據可得性，借鑒黃群慧等（2019）衡量互聯網發展的思路，構建包含通信技術發展、信息技術與相關服務發展的綜合指標，并通過主成分分析法獲取數字技術水平。其中通信技術發展用移動電話普及率與通信技術產出情況表示，信息技術發展與相關服務發展用互聯網普及率與數字產業從業情況表示。具體地，互聯網普及率與移動電話普及率分別用百人中的互聯網寬帶接入用戶數與移動電話用戶數衡量，通信技術產出情況用人均電信業務總量衡量，數字產業從業情況用計算機服務和軟件業從業人員占城鎮單位從業人員的比重衡量。

3.中介變量

本文的中介變量分別為資源錯配（rs）與企業創新（inno）。

對于資源錯配，本文參考季書涵等（2016）的做法分別測算資本錯配指數和勞動力錯配指數，并取絕對值求和得到內涵型資源錯配指數。具體計算步驟如下：

第一步，構建柯布道格拉斯生產函數Yit=AKβit，計算資本與勞動的產出彈性βKit與βLit。

第二步，根據產出彈性計算資本與勞動力的相對扭曲指數，即兩種要素對理想使用狀態的偏離程度，計算公式如下：

其中，Kit/Kt表示t 時期城市i 資本存量占總資本存量的比重，Lit/Lt表示t 時期城市i 就業人數占總就業人數的比重；sit表示t 時期城市i 產出占總產出的比重；，表示產出加權后的資本存量占比；，表示產出加權后的就業人數占比。

第三步，根據相對扭曲指數計算資本錯配指數τKit與勞動力錯配指數τKit，并對資本錯配指數和勞動力錯配指數取絕對值并求和，得到內涵型資源錯配指數τit，具體計算公式如下：

對于企業創新的測度，目前存在兩種常用指標：一是反映企業創新投入水平的研發投入（余明桂等，2016）； 二是反映企業創新產出能力的專利申請數或專利授權數（孔東民等，2017）。考慮到部分城市的專利申請或專利授權數據缺失，本文選用各城市每年企業研發投入與營業收入的比值對企業創新進行衡量。

4.其他變量

為更客觀地考察數字技術對產業結構升級的影響，本文參考已有文獻（柏培文和張云，2021）添加如下控制變量：經濟發展水平（pgdp），用地方人均生產總值表示；外商投資水平（fdi），用實際使用外資金額與地區生產總值的比值表示，并根據當年平均匯率將實際使用外資金額換算為人民幣；政府參與程度（gi），用地方財政一般預算內支出占地方生產總值的比重表示； 人力資本水平（edu），由于難以獲取地級市層面的勞動力受教育情況相關數據，因此，本文參考陳強遠等（2021）的做法，用每萬人中普通高等學校在校生數衡量人力資本水平；固定資產投資水平（fa），用固定資產投資總額與地方生產總值的比值表示；外貿依存度（ftd），用進出口總額與地區生產總值的比值來表示，并根據當年平均匯率將進出口總額折算成人民幣。

（四）數據來源

為保證數據的科學性、客觀性及可得性，本文選取2011—2019年長三角地區41 個地級以上城市共9年的面板數據。企業創新變量的數據來源于國泰安數據庫（CSMAR）的上市公司研發創新數據庫。此外所有原始數據均來源于《中國城市統計年鑒》、《浙江省統計年鑒》、《江蘇省統計年鑒》、《安徽省統計年鑒》與各市統計年鑒。各變量的描述性統計結果見表1。

表1 各變量描述性統計

四、實證結果

（一）中介效應模型檢驗結果

根據構建的中介效應模型，本文對數字技術通過改善資源錯配和促進企業創新兩條路徑作用于長三角產業結構升級的理論進行實證檢驗，結果如表2第（1）～（5）列所示。

表2 數字技術作用于產業結構升級的中介效應回歸結果

具體地，列（1）報告了第一階段基準模型的回歸結果，其中核心解釋變量數字技術的系數為0.064，且在1%水平顯著。顯然，數字技術能夠有效推動長三角地區的產業結構升級。列（2）與列（3）報告了資源錯配改善在數字技術驅動產業結構升級過程中的中介作用。列（2）中數字技術對資源錯配的影響系數顯著為負，說明數字技術發展有效改善了長三角地區的資源錯配，列（3）將資源錯配引入到數字技術與產業結構升級的回歸方程中，結果顯示資源錯配系數顯著為負，數字技術系數顯著為正且小于基準回歸中的結果，說明數字技術發展能夠通過改善資源錯配推動長三角產業結構升級，假設1 得到驗證。列（4）與列（5）報告了企業創新在數字技術推動產業結構升級過程中的中介作用。結果顯示，在兩個回歸方程中，數字技術與企業創新的影響系數均顯著為正，且第（5）列的數字技術系數相較于第（1）列中結果有所下降，說明企業創新也是數字技術推動長三角產業結構升級的重要路徑之一，假設2 得到驗證。

為進一步確保中介效應的顯著性，本文進行了Sobel 檢驗。結果顯示，以資源錯配和企業創新為中介變量時，統計量Z 值分別為4.829 和1.853（均至少在10%置信水平下顯著），再次驗證資源錯配改善和企業創新是有效的中介變量。

（二）穩健性檢驗

1.替換變量的穩健性檢驗

考慮到指標選取對研究結論的影響，為保證研究結論的可靠性，本文替換被解釋變量與解釋變量的衡量指標對模型進行重新估計，具體如下：（1）將被解釋變量替換為三產與二產總產值之比（ind2）；（2）將解釋變量替換為北京大學數字普惠金融指數（dig2），該指數是由互聯網金融、網絡借貸與互聯網支付等多類子指標計算出的綜合指標，能夠從側面反映數字技術水平。估計結果如表3、表4所示，核心解釋變量和中介變量的系數符號及顯著性與前文基本一致，且Sobel 檢驗在統計意義上顯著，證明研究結果相對穩健可靠。

表3 替換被解釋變量的穩健性檢驗

表4 替換解釋變量的穩健性檢驗

2.考慮內生性問題的再檢驗

數字技術能夠推動產業結構升級，反之，產業結構升級的技術需求提升也可能拉動數字技術發展，由此，模型中可能存在雙向因果關系導致的內生性問題。此外，模型還可能存在遺漏變量使得結果有偏。因此，本文借鑒黃群慧等（2019）的方法，選取各城市1984年每百萬人固定電話數量作為工具變量。一方面，歷史的電信基礎會影響當地互聯網的前期接入與普及，進而影響數字技術水平；另一方面，相對于當前數字技術的迅猛發展，傳統的固定電話對產業結構升級的影響逐漸式微，可忽略不計。考慮到選取的固定電話數量為截面數據，無法進行面板分析，本文參考Nunn & Qian（2014）的處理方法，引入上一年全國互聯網用戶數，與1984年每百萬人固定電話數量形成交互項，作為最終的工具變量。④結果如表5第（1）～（3）列所示，核心解釋變量、中介變量的系數符號及顯著性未出現較大變化，證明本文研究結論可信。⑤

表5 考慮內生性問題的再檢驗

（三）空間計量模型檢驗結果

在進行空間計量檢驗前，首先應計算2011—2019年的全局Moran’s I 指數來分別驗證數字技術與產業結構升級的空間相關性，結果如表6所示。數字技術與產業結構升級的Moran’s I 指數均在1%的水平下顯著為正，說明長三角城市間的數字技術與產業結構升級均存在正向空間依賴，考慮空間溢出效應才符合客觀事實，有必要采用空間計量模型展開實證分析。再者，為確定空間計量模型的具體估計形式，本文分別進行拉格朗日乘數（LM）檢驗與似然比（LR）檢驗，見表7。其中，LM檢驗結果顯示，空間誤差（SEM）模型相較空間自回歸（SAR）模型更為合適；LR 檢驗結果顯示，空間杜賓（SDM）模型不能被弱化為SEM 模型與SAR模型。因此，本文主要使用SDM 模型對空間溢出效應進行檢驗。

表6 數字技術和產業結構升級Moran’s I指數檢驗結果

表7 空間計量模型檢驗

表8報告了空間杜賓模型的回歸結果，結果顯示數字技術對本地產業結構升級的推動作用依舊顯著。在空間溢出部分，SDM 模型的數字技術空間滯后項系數顯著為正，說明數字技術發展對周邊地區的產業結構升級具有促進作用。空間項系數（ρ）與Moran’s I 指數方向一致，在1%水平顯著為正，同樣驗證了正向空間溢出效應的存在。考慮到空間交互項系數無法直接體現解釋變量的邊際影響，為準確評估數字技術對產業結構升級的作用效果與空間溢出效應，本文測算了數字技術對長三角產業結構升級的直接效應、間接效應與總效應。從表8可以看出，三種效應均顯著為正，并且相較于直接效應，間接效應的貢獻更大。由此，不僅驗證了假設3，也發現在長三角地區，其他城市數字技術對某一城市產業結構升級的驅動作用要大于該城市自身數字技術的驅動作用。這可能是因為長三角各城市間的產業結構升級存在著明顯的正向依賴，其他城市的數字技術不僅能夠對該城市的產業結構升級產生溢出效應，也會通過推動自身產業結構升級對該城市的產業結構升級產生影響。此外，為驗證SDM 模型結果的可靠性，本文還進行了SEM 回歸，結果如表8第（2）列所示，核心解釋變量與空間項系數（λ）的結果與SDM 模型基本一致。

表8 數字技術對產業結構升級的空間溢出效應

（四）基于經濟發展差異的拓展分析

由于地理環境、資源稟賦、發展政策等條件存在差異，地區間不可避免地會出現經濟發展不平衡問題，產業結構失衡就是其中的一個重要表現。而數字技術的出現打破了傳統經濟的地理限制與時間約束，為緩解地區間的產業結構失衡問題提供了新機遇。具體地，在數字技術對產業結構升級的推動作用上，經濟欠發達地區具有一定的后發優勢。一方面，經濟欠發達地區具有知識技術學習的后發優勢。由于數字技術存在外溢性與共享性，經濟欠發達地區能夠直接瞄準前沿技術，學習已有成功經驗，通過完成數字技術的快速普及與融合，實現數字化、信息化追趕，加速推動當地產業結構升級（楊文溥，2021）。另一方面，經濟欠發達地區相較于發達地區具有創新創業的后發優勢。達維多定律指出，在數字經濟時代，只有開發了新產品的企業能夠長期占據市場主導地位，即存在馬太效應（Arthur，1996）。那么隨著數字技術的創新發展與深入運用，區域中的企業發展將會出現兩極分化現象。經濟發達地區的數字技術水平與數字化程度較高，已有數字龍頭企業搶占了市場空間，為維持壟斷地位，這些龍頭企業將會大力打壓新興企業，使新興企業難以積累資金，開展創新活動（王健和姜厚辰，2021）。相反，數字技術發展滯后的欠發達地區市場空間廣闊，具有更強的創新創業活力，能夠參考已有成熟經驗，結合本地產業特色，發展新興產業，延伸產業鏈。在此情況下，相較于市場結構逐漸趨于穩定的經濟發達地區，數字技術對欠發達地區產業結構升級的推動作用可能更為明顯。綜上所述，數字技術對產業結構升級的影響可能呈現出基于經濟發展水平的非線性門檻特征。為此，本文采用面板門檻模型進行檢驗，并將經濟發展水平作為門檻變量引入模型中。考慮到可能存在多階段的非線性影響，本文構建多門檻面板回歸模型如下：

其中，pgdpit為門檻變量經濟發展水平，δ1與δ2分別為不同的門檻值，I（·）為指示函數，用于根據門檻值對樣本進行分段。

門檻效應檢驗的具體結果如表9、表10 所示。表9中的門檻效應自抽樣檢驗顯示，經濟發展水平存在雙重門檻。根據表10 中的具體結果可知，在長三角地區，經濟發展水平不同的城市數字技術對產業結構升級的影響存在較大差異。在經濟發展欠發達（pgdpit＜2.947）的城市，數字技術對產業結構升級的影響系數為0.174；在經濟發展水平相對中等（2.947≤pgdpit＜5.739）的城市，數字技術對產業結構升級的影響系數為0.089；在經濟發展發達（pgdpit≥5.739）的城市，數字技術對產業結構升級的影響系數為0.036。由此可知：在長三角地區，對于經濟欠發達城市，數字技術對產業結構升級的推動作用更為明顯。面對當前長三角城市間數字技術與產業結構升級差距不斷拉大的現實情況，經濟欠發達城市迫切需要加快提升數字技術水平，借助相對更強的數字技術驅動作用實現對經濟發達城市的追趕。

表9 門檻效應檢驗結果

表10 門檻效應回歸結果

五、結論與政策啟示

本文基于長三角地區41 個城市2011 —2019年的面板數據，借助中介效應模型、空間計量模型與面板門檻模型實證檢驗了長三角地區數字技術對產業結構升級的影響程度、作用機制、空間溢出情況與非線性影響，得出以下主要結論：第一，通過改善資源錯配和激發企業創新，數字技術有效推動了長三角地區的產業結構升級，已成為加快實現長三角一體化戰略目標、推動中國經濟高質量發展的重要力量。第二，在長三角地區，數字技術對產業結構升級的影響存在正向的空間溢出，且其他地區數字技術對本地的溢出效應大于本地數字技術的直接正向作用。第三，數字技術對產業結構升級存在非線性影響，具體表現為在經濟發展水平低于門檻值的地區，數字技術對產業結構升級的推動作用更強。

根據以上研究結論，為推動長三角產業結構升級，加快實現長三角高質量發展并形成可全國推廣的示范經驗，本文提出以下三點建議：

第一，培育壯大數字經濟新引擎。長三角各城市應加快發展數字技術，以數字化改革為引領，進一步拓展新型產業，并助推數字與傳統產業深度融合。一方面，要驅動重點領域產學研創新向縱深推進，培養創新型人才與實踐型人才，為數字技術驅動產業結構升級提供高端勞動力。另一方面，要在加強關鍵基礎產業建設的同時，借助“雛鷹計劃”、“鯤鵬計劃” 扶持培育科技型中小型企業，通過激發市場活力，助推數字技術激發企業創新。

第二，發揮中心城市溢出作用。長三角中心城市特別是上海、南京、杭州與合肥應借助自身優勢互相形成聯動，以中心城區的澎湃動能，實現對周邊城市的正向溢出效應，驅動周邊城市產業結構升級。同時，深入挖掘周邊城市數字技術發展的龐大潛力，一邊助力周邊地區發揮后發優勢，一邊推動周邊城市成為副中心城市，進一步提升對外輻射范圍與輻射強度。

第三，加強長三角城市間合作。長三角要牢牢把握一體化戰略機遇，全面帶動長三角欠發達地區數字技術發展，通過助推后發優勢的發揮，縮小地區間產業結構差距。一方面，要推動城市間傳統基礎設施與新型基礎設施并行發展，為數字技術發展與運用提供需求與支撐。另一方面，要積極打破省際行政壁壘和制度壁壘，在原有合作協議的基礎上，全面深化改革，強化長三角城市規劃銜接，打造知識互聯共享一體化平臺，加快實現長三角各地數字技術的協同發展。

注釋：

①2019年12月1日，中共中央、國務院印發《長江三角洲區域一體化發展規劃綱要》，并在第二章總體要求中寫明：長三角“全國發展強勁活躍增長極、全國高質量發展樣板區、率先基本實現現代化引領區、區域一體化發展示范區、新時代改革開放新高地”戰略定位與“創新鏈與產業鏈深度融合，產業邁向中高端”發展目標。

②《長江三角洲區域一體化發展規劃綱要》的前言中指出：規劃范圍包括上海市、江蘇省、浙江省、安徽省全域（面積35.8 萬平方公里）。以上海市，江蘇省南京、無錫、常州、蘇州、南通、揚州、鎮江、鹽城、泰州，浙江省杭州、寧波、溫州、湖州、嘉興、紹興、金華、舟山、臺州，安徽省合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城27 個城市為中心區（面積22.5萬平方公里），輻射帶動長三角地區高質量發展。

③資料來源：中國信息通信研究院和浙江清華長三角研究院于2021年9月29日聯合發布的《長三角數字經濟發展報告（2021）》。

④由于1984年至今安徽省與江蘇省的行政區劃存在較大變化，因此，本文在采取工具變量法時，刪除了樣本中的毫州、宣城、宿遷、池州四個城市。

⑤本文重點關注被解釋變量與解釋變量之間的內生性問題，選取的工具變量外生于被解釋變量而與解釋變量相關。中介效應第二步重在討論解釋變量與中介變量之間的關系，因此，未呈現中介效應第二步的內生性檢驗結果。