數字經濟對全要素生產率的影響:基于宏觀視角與微觀視角的印證

寇冬雪,張彩云

(1.中國社會科學院 工業經濟研究所, 北京 100006;2.中國社會科學院 經濟研究所, 北京 100836)

一、引言

隨著數字化時代的到來,數字經濟通過對資本和勞動要素賦能催生了新的經濟增長形式,成為新時期經濟增長的重要助推器。根據中國信息通信研究院2022年7月發布的《中國數字經濟發展報告(2022)》,中國數字經濟規模已達45.5萬億元,占GDP的39.8%。與此同時,國家對數字經濟建設給予了重點關注,近期出臺的相關文件和發表的重要講話中關于數字經濟的表述呈爆炸式增長。如黨的二十大報告指出要“加快發展數字經濟,促進數字經濟和實體經濟深度融合”;中共中央政治局第三十四次集體學習會議強調“把握數字經濟發展趨勢和規律,推動中國數字經濟健康發展”;“十四五”規劃中把“加快數字化發展,建設數字中國”作為單獨的篇章進行闡述。數字經濟作為國民經濟的“穩定器”“加速器”,如何有效發揮數字經濟的新動能,對于助力經濟健康持續發展意義深遠。

從經濟學理論上講,數字經濟會以提升全要素生產率的方式進入經濟增長方程,進而影響經濟增長。Klenow[1]的研究測算出資源配置效率的改善對全要素生產率提升的貢獻度高達50%。數字化能夠緩解要素的錯配問題,進而優化資源配置[2]。不僅如此,數字技術與實體經濟的深度融合通過勞動賦能和資本賦能使勞動生產率和資本生產率發生改變,有助于加速重構生產要素體系,從而影響全要素生產率[3]。然而,數字經濟的發展并非必然促進全要素生產率的提升,也可能出現“計算機無處不在,但卻從來沒有反映在生產率上”的“索洛悖論”現象[4]。由于存在信息技術的時滯性、投入產出測量誤差、企業管理不善及資本存量不足等原因[5-8],數字經濟帶來的技術進步并不一定會帶來生產率的增長。更甚者,數字經濟還會產生價格歧視、競價排名、數據信息限制和掠奪性定價等一系列典型壟斷行為[9],嚴重擾亂經濟活動的秩序[10],扭曲資源的合理流動,阻礙生產技術提升。那么,在數字經濟迅速發展且在國民經濟中占比不斷提升的背景下,一個重要的議題是:數字經濟發展對全要素生產率的影響到底如何?厘清該問題,從一個更加全面的視角理解數字經濟對經濟增長的影響,能為數字中國建設提供經驗參考。

本文的邊際貢獻體現在:第一,在研究視角上,不同于以往的研究,本文不僅探討了宏觀城市層面的數字經濟與全要素生產率之間的關系,更從微觀企業數字化層面對二者之間的關系進行驗證,以全面理解數字經濟發揮作用的影響及其內在原因。第二,在研究思路上,本文首先從宏觀層面檢驗數字經濟對全要素生產率的整體影響,基于技術進步和效率提高的視角找到數字經濟影響全要素生產率的原因,并從投入產出結構視角檢驗了數字經濟不利于全要素生產率提升的根源,最后從微觀企業層面對二者之間的關系進行檢驗。全面且深入地剖析了數字經濟對全要素生產率的作用機制,為實現經濟增長提供了一個可借鑒的邏輯框架。第三,在研究方法上,本文匹配了地級市以及上市公司的面板數據,通過構建數字經濟主成分指標和企業數字化轉型指標,驗證了數字經濟和全要素生產率之間的邏輯關系,彌補了既有研究僅從省級層面分析的不足,有助于從更全面、多維度的視角理解數字經濟、全要素生產率、產業結構以及企業數字化之間的內在關系,豐富了既有研究結論,且數據量的擴大也使相關研究結論更具統計學意義上的一般性。

二、文獻綜述

全要素生產率是資本、勞動等要素投入不變時的經濟增長速度[11],因其能更好地反映人力資本質量、企業技術和管理模式等因素對經濟增長的影響,一直以來被當作衡量經濟增長的重要指標。關于數字經濟與全要素生產率的研究,可從數字經濟的演進歷程開始分析。數字經濟一詞最早出現于1996年Don Tapscott 的TheDigitalEconomy:PromiseandPerilintheAgeofNetworkedIntelligence一書[12],關于數字經濟的研究經歷了從信息經濟、互聯網經濟到數字經濟的探索階段[13],學者們考察了信息化、互聯網及人工智能等因素對全要素生產率的作用[14-16],并從技術進步和效率提高兩個方面展開了詳細探討,其中涉及數字經濟對就業的替代問題、對基礎設施的拉動問題等內容的討論。

(一)數字經濟對技術進步的影響

21世紀技術進步最為核心的表現就是大數據在數字經濟、人工智能等領域的廣泛應用,以人工智能、數字化革命為代表的大數據應用帶來空前的技術進步,促使能夠提升勞動生產率、資本效率和產品質量的技術進步獲得空前的發展,并為綠色生產、生活等提供重要的技術手段和保障[17-19]。具體而言,一方面,數字技術能夠促進知識的傳播和積累,提升開放式創新實踐水平,激勵企業從事更多的創新活動[20]。數字化所產生的網絡效應和規模經濟效應及其與人力資源的整合,有助于加快知識在各創新主體之間的傳播和共享[21-22]。邱子迅等[23]認為大數據試驗區的建立顯著提升了地區的全要素生產率,且這種提升作用是由技術進步主導的。Abdul-Nasser等[24]的研究也表明大數據的應用會影響企業的綠色創新活動。不僅如此,數字經濟還能通過促進協同創新實現不同技術領域間各類知識的整合與重構[25],激勵企業進行綠色技術創新[26]。另一方面,數字經濟使人工智能服務可以通過更便宜的資本來補充或替代勞動力[27],那些被替代的勞動力一般為低技能、低效率的勞動力,大量低技能就業崗位會被淘汰,相應地,也會出現更多的高技能就業崗位[28],這會為全要素生產率的提升提供更多的優質人力資本。然而,也有部分研究從研發投入[29]、技術擴散[30]及互聯網發展[16]等視角檢驗發現數字經濟不但沒有提升全要素生產率,反而使之出現降低的趨勢。基于不同視角的研究得出的不同結論使二者之間的關系莫衷一是。

(二)數字經濟對效率提升的影響

一種觀點認為數字經濟有助于緩解資源扭曲、提升資源配置,進而提升全要素生產率。數字經濟改變了傳統的生產模式,打破了傳統要素市場的束縛,緩解了資源錯配和市場扭曲問題[31]。Atrostic等[32]認為企業人員在工作中采用電信通信和網絡辦公等方式會給企業的勞動生產效率帶來積極的影響。Acemoglu等[28]認為互聯網和數字化技術的使用使勞動者突破時空限制,改善了勞動要素的配置效率。不僅如此,數字金融等新興業態的蓬勃發展以及數字基礎設施的迅速發展促進了互聯網接入設施覆蓋性的擴展及設施使用的便利化,迅速填平了中國互聯網的“接入鴻溝”,推動了基于互聯網平臺的借貸市場破解融資約束問題[33-34]。另一種觀點認為數字經濟對生產效率存在負面影響。互聯網的爆炸式增長是一種極不平衡的擴張,這種擴張不僅無法緩解要素扭曲,反而加劇了要素使用過程中的不平等。已有研究顯示,富國和窮國之間的國際互聯網用戶數量分布差距比全球富國與窮國人均收入差距的懸殊程度還要嚴重。伴隨著經濟的發展,“數字鴻溝”正在迅速擴大[35]。不僅如此,數字經濟會產生價格歧視、競價排名、數據信息限制和掠奪性定價等一系列典型壟斷行為,從而引發資源錯配,擾亂市場秩序,降低生產效率[9]。

上述文獻分析了數字經濟對全要素生產率的影響及其機制,其結論對本研究極具啟發性,但該領域仍然有可進一步挖掘的地方:第一,從宏觀層面及微觀層面來看,數字經濟對全要素生產率的影響結果是否一致?第二,其影響結果一致或不一致的原因是什么?第三,助力數字經濟提升全要素生產率的著力點在哪里?本文將回答這3個問題。

三、實證設計

(一)模型設置

為考察數字經濟影響全要素生產率的作用機制,本文從宏觀視角檢驗數字經濟對全要素生產率的影響,并采用微觀的企業數字化視角進行驗證。首先,設置模型(1)和模型(2)如下:

宏觀視角:TFPit=α0+α1DEit+αpXit+μi+γt+εit

(1)

微觀視角:tfpit=α0+α1deit+αpXit+μi+γt+εit

(2)

其中,TFPit表示i城市第t年的全要素生產率,tfpit表示i企業第t年的全要素生產率;DEit表示i城市第t年的數字經濟發展水平,deit表示i企業第t年的數字化水平;Xit表示控制變量,包括交通便利度(road)、人口密度(den)、外商直接投資(fdi)、財政自主權(gov)和第二產業占GDP比重(manu);μi和γt分別表示控制了個體和年份的固定效應,εit表示隨機誤差項。

其次,將全要素生產率劃分為技術變化和效率變化兩部分,檢驗數字經濟對不同類型技術變化和效率變化的影響作用。構建模型(3)和模型(4)如下:

Techit=α0+α1DEit+αpXit+μi+γt+εit

(3)

Efficit=α0+α1DEit+αpXit+μi+γt+εit

(4)

其中,Techit和Efficit分別表示i城市第t年的技術變化(tc)和效率變化(ec);其余指標解釋同上。

最后,基于要素的投入產出結構視角,考察宏觀視角下數字經濟對不同要素結構發揮的作用,同時采用微觀的企業數字化視角進行驗證。設置模型(5)～(8)如下:

宏觀視角:Inputit=α0+α1DEit+αpXit+μi+γt+εit

(5)

Outputit=α0+α1DEit+αpXit+μi+γt+εit

(6)

微觀視角:inputit=α0+α1deit+αpXit+μi+γt+εit

(7)

outputit=α0+α1deit+αpXit+μi+γt+εit

(8)

其中,Inputit和Outputit分別表示i城市第t年的投入和產出;inputit和outputit分別表示i企業第t年的投入和產出;其余指標解釋同上。

(二)變量的選取和說明

1.數字經濟指標測度

學術界對數字經濟的統計數據和測評指標體系尚未有統一定論,本文基于宏觀和微觀視角分別測算數字經濟的發展情況。宏觀層面,根據徐清源等[36]的研究,目前國內外學界和政府部門對數字經濟的測度一般分為兩類:一是在界定范圍內,統計或估算出一定區域內數字經濟規模體量的直接法;二是基于多個維度指標,對不同地區間數字經濟發展情況進行對比,得到數字經濟發展相對情況的對比法。與國際指標相比,國內指標存在時間新、差異性強、數據來源多樣的特點。本文通過梳理,認為目前數字經濟測度指標的構建存在以下特點:一是由于時間跨度短、數據獲取受限等原因,指標主要集中于省級層面;二是指標選取的維度不同,指標差別較大。如楊慧梅等[37]從產業數字化和數字產業化2個維度,采用主成分分析法構建指標體系,劉軍等[38]則從信息化發展、互聯網發展和數字交易3個維度構建指標體系。為了彌補上述指標構建方面的不足,從更全面、豐富的視角檢驗數字經濟的影響,本文借鑒趙濤等[39]、劉軍等[38]及黃群慧等[40]的方法,從互聯網發展和數字普惠金融兩方面對數字經濟綜合發展水平進行測度,并將互聯網發展作為測度核心,加入數字交易的指標體系。采用互聯網普及率、相關從業人員情況、相關產出情況和移動電話普及率4個指標作為互聯網發展的測評維度,并且分別采用百人中互聯網寬帶接入用戶數、計算機服務和軟件業從業人員占城鎮單位從業人員比重、人均電信業務總量和百人中移動電話用戶數進行衡量,采用中國數字普惠金融指數來衡量數字金融發展[41]。最后,通過主成分分析方法,將以上5個指標的數據標準化后進行降維處理,得到數字經濟主成分指標。微觀層面,與多數研究所選指標一樣,采用上市公司公布的年度報告中關于數字化的關鍵詞詞頻來衡量數字經濟的發展情況[42-43]。

2.全要素生產率測度

(1)測度方法和指標選擇

宏觀層面,TFP的測度業已成熟,且大致分為代數指數法、增長核算法(索洛余值法)、隨機前沿生產函數法(SFA)和數據包絡分析(DEA)4類[44]。由于指數法和增長核算法要求市場完全競爭、規模報酬不變、技術進步為希克斯中性,且不能將全要素生產率增長分解為技術進步和效率變化,因此不考慮采用這兩種方法來研究城市的全要素生產率。同時,中國經濟在2010—2020年這十年間處于轉型期,時間跨度大,涉及城市多,各城市之間發展不均衡,很難用統一的生產函數描述,因此也不考慮采用隨機前沿分析法,最終選擇非參數DEA Malmquist生產率指數法來測度全要素生產率。該方法是基于數學規劃的方法,對指標構建的限制較少,無須進行生產函數、無效率項分布及市場競爭狀況的假設,也沒有規模報酬不變、資本和勞動產出彈性的約束,且無需考慮參數的估計和投入產出價格,即使在價格扭曲的情況下也同樣適用。不僅如此,F?re等[45-46]借鑒了Caves等[47]的核算方法,運用基于松弛的方向性距離函數及Malmquist生產率指數將生產率分解為效率變化和技術變化。此方法中的生產率指數具有可分解性,并允許技術非效率的存在,不必考慮隨機沖擊的影響,在分析結果時比較穩定。當發生數據調整時,除了相關年份會變化,其他部分都保持不變,有利于深入挖掘生產率的構成來源。因此,本文借鑒張自然等[48]的方法,采用非參數DEA Malmquist生產率指數法測算中國地級市層面的全要素生產率。微觀層面的全要素生產率采用Olley等[49]的方法測得。

(2)投入產出變量

①產出變量。宏觀層面,本文采用既有文獻中常用的國內生產總值指標(gdp)來表征增加值概念,并將各城市的名義地區生產總值以2006年為基期除以地區生產總值的平減指數,得出各城市的實際地區生產總值(sgdp)。微觀層面,分別用營業總收入(tincome)、營業收入(income)和主營業務收入(mincome)表示產出。②投入變量。宏觀層面,投入包含勞動力(L)和資本存量(K)兩類。勞動力投入(peop)用就業人數來衡量。資本存量(fix)采用永續盤存法計算,即上一期資本存量扣除折舊之后與當期新增固定資產投資之和。城市層面的基期資本存量由各省級2006年固定資本存量按當年各地級市占各省級全社會固定資產投資的比例來確定,各省2006年資本存量采用單豪杰[50]計算的結果。與大多數文獻一樣,本文采用5%的折舊率。關于地級市新增固定資產投資的計算,按照地級市的全社會固定資產投資總額占省級全社會新增固定資產投資的比重確定各地級市的全社會新增固定資產投資。以2006年為基期的地級市固定資產價格指數通過各年各省固定資產價格指數的計算得到。通過這些工作,得到以2006年為基期的各地級市資本存量。微觀層面,分別用就業人數(labor)、資產總額(cap)、固定資產凈額(fcap)表示投入。

3.控制變量

(1)宏觀層面,選取交通便利度(單位人口數量的市轄區城市道路面積,用road表示)、人口密度(行政區域土地面積上的年末人口數,用den表示)、外商直接投資(經過匯率調整后的FDI的實際價格,用fdi表示)、財政自主權(財政收入/財政支出,用gov表示)、第二產業占GDP比重(第二產業/GDP,用manu表示)5項指標作為控制變量。

(2)微觀層面,選取總負債率(負債合計/總資產,用tl表示)、現金持有量(即(貨幣資金+交易性金融資產)/總資產,用cash表示)、公司規模(企業當年資產總額的對數,用size表示)、企業年齡(當年年份減去成立年份后加1,用lnage表示)、固定資產增長率(固定資產當年價值占去年價值的比重減1,用fixedasset表示)、托賓Q(公司市場價值/賬面價值,用TobinQ表示)、企業性質(數值為1表示國有企業,反之為非國有企業,用own表示)7項指標作為控制變量。

(三)數據來源及處理

本文的原始數據分別來源于國家統計局公布的《中國統計年鑒》《中國城市統計年鑒》、EPS等微觀數據庫以及2010—2019年上市公司的面板數據。在宏觀層面,通過將數字經濟主成分指標和城市層面的數據指標進行匹配,計算得出2011—2016年的數據(1)因省級層面全社會固定資產投資、新增固定資產、地級市全社會固定資產投資在2017年及其之后有大量缺失值,因而核算全要素生產率所需要的資本數據只能到2016年,本文所需指標的樣本也只能到2016年。但是,因本文考察的是現象背后的機制,所以其研究結論不受數據時間段的影響,其研究結論也具有相當的學術價值。;在微觀層面,整理并使用2010—2019年23 614家上市公司數據。關于城市層面的數據,本文剔除吐魯番市、哈密市、三沙市、儋州市等數據缺失較嚴重的地區(且不包含港澳臺地區),選取2011—2016年中國197個地級及以上城市的面板數據。產業結構數據、分行業就業數據采用2003年之后經過調整的19個行業(2)分別為農、林、牧、漁業;采礦業;制造業;電力,燃氣及水的生產和供應業;建筑業;批發和零售業;交通運輸,倉儲和郵政業;住宿和餐飲業;信息傳輸,計算機服務和軟件業;金融業;房地產業;租賃和商業服務業;科學研究,技術服務和地質勘查業;水利,環境和公共設施管理業;居民服務,修理和其他服務業;教育業;衛生,社會保障和社會福利業;文化,體育,娛樂用房屋;公共管理和社會組織。的就業人員的處理數據。對于個別缺失的數據已進行插值法補缺,同時為了消除異方差,對部分控制變量進行取對數處理,對需要調整的數據已進行指數調整。為了剔除價格波動的影響,提高數據的準確性及可信性,本文利用國內生產總值指數,以2006年為基期對所有貨幣量進行平減,調整為可比價格。涉及固定資產的數據,都按照固定資產價格指數進行調整。表1展示了全部指標的描述性統計結果。

表1 主要變量的描述性統計

四、實證檢驗

基于上述分析,本文對數字經濟與全要素生產率之間的關系進行檢驗,并進一步將全要素生產率分解為技術變化和效率變化,基于投入產出結構視角,全面剖析數字經濟對全要素生產率的影響及其原因。

(一)基本事實分析

在對數字經濟與全要素生產率的關系進行檢驗之前,本部分首先通過擬合曲線對數字經濟和全要素生產率的增長趨勢進行簡單描繪,直觀展示二者的發展狀況。根據圖1擬合曲線結果,樣本期間數字經濟隨時間的推移呈現顯著的逐年上升趨勢,數字經濟的發展勢頭迅猛。2013年之后雖然增長趨勢略微放緩,但是整體趨勢依然呈現穩步提升,數字時代正加速到來。

圖1 數字經濟增長趨勢

圖2展示了全要素生產率的增長趨勢。由圖2可知,樣本期間,全要素生產率隨時間的推移整體呈現上升趨勢,但個別年份出現下滑。這與經濟發展現狀基本相符,2012年以來,中國進入經濟增長換擋期,經濟增速放緩,產業結構性矛盾開始凸顯。在生產端,高能耗、高污染的粗放型發展方式已經顯露出弊病,環境問題頻繁出現;在消費端,經濟發展水平的提高產生的消費多樣化需求無法滿足,高級化產品短缺。經濟結構處于不斷的動態調整過程中,這必然表現為全要素生產率經過一個快速漲幅之后增速逐漸放緩并隨產業結構的調整逐步回升的過程。直至2015年供給側結構性改革的正式提出,“三去一降一補”的政策開始推行,經濟結構調整力度和速度進一步加大加快,全要素生產率的增長趨勢也開始由逐漸增長轉為下降趨勢。

圖2 全要素生產率增長趨勢

(二)數字經濟與全要素生產率

1.基準回歸

表2顯示了數字經濟對全要素生產率的影響結果。根據回歸結果,無論是否加入控制變量,數字經濟對全要素生產率的影響均在1%的水平上顯著為負,表明在樣本期間數字經濟并未對全要素生產率起到拉動作用,數字經濟的積極效應并未得到充分發揮,驗證了樣本期間“索洛悖論”的存在。控制變量中,交通便利度對全要素生產率的影響作用為正,說明便利的交通確實對要素之間的流動產生了積極影響,提高了不同地區間資源的配置效率,促進了全要素生產率的提升;同時,第二產業占比的增加對全要素生產率起到了微弱的削減作用。

表2 數字經濟對全要素生產率的影響

為檢驗數字經濟未能發揮積極作用的原因,本部分進一步將全要素生產率分解為技術變化和效率變化兩個方面。表3顯示了數字經濟對技術變化和效率變化的影響。根據結果,數字經濟對全要素生產率的影響中,對技術變化的影響在1%的水平上顯著為負,對效率變化的影響在1%的水平上顯著為正。這表明數字經濟不利于技術進步,卻對效率提升起到了積極作用。結合表2可知,數字經濟對全要素生產率的降低作用是源于其對技術進步的負面作用,數字經濟并未推動技術進步,反而阻礙了技術進步。可能的原因是:數字經濟在改善資源配置效率的同時,也存在“破壞性”的一面,數字經濟存在的技術屬性使其具有先行者優勢,對后發者設置了較高的進入壁壘[9],不僅擾亂了市場秩序,還隔斷了新技術的產生。更甚者,數字經濟的虛擬屬性帶來的數字泡沫、數字幻覺等一系列不健康表現[51],不僅會沖擊實體經濟的發展,還會將技術引向不規范、不健康的發展方向。具體原因將在下文做進一步探討。

表3 數字經濟對技術變化和效率變化的影響

2.內生性檢驗

數字經濟與全要素生產率之間的關系可能存在內生性,且內生性可能來自兩方面:一是數字經濟與全要素生產率之間存在互為因果的關系。在數字經濟發展的過程中,城市的生產率對數字化基礎設施的建設及數字經濟的迅速發展等具有重要影響,如互聯網、信息技術等往往首先出現在北京、上海、杭州等一線城市;二是某些未觀測到的遺漏變量可能同時影響數字經濟和全要素生產率的提升。對此,本文采取工具變量方法加以解決。工具變量的選取需同時滿足與因變量沒有直接影響,但與內生解釋變量間存在顯著的相關性兩個條件。本文選取基于城市層面連續校正的DMSP-OLS夜光遙感數據作為工具變量,該數據來源于美國國家海洋大氣局國家地球物理數據中心。由于OLS傳感器在夜間工作,可獲取來自城市、鄉鎮及其他在夜間有持久光源的區域影像,并且去除了因云、火光、汽車和等偶然“噪聲”影響的穩定夜間燈光影像。因此,夜間燈光影像可作為人類活動的表征,逐步成為研究人類活動的重要數據源[52]。

該數據作為工具變量的合理性在于:一方面,燈光強度越高的地區,說明人類活動越頻繁,數字經濟發展程度就越高,其與數字經濟的發展有著顯著的直接相關性;另一方面,夜間燈光強度高的地區,未必全要素生產率就高,其對全要素生產率無直接影響。為保證工具變量的合理性,需要進行3項檢驗:第一,工具變量的外生性檢驗,表4和表5中Hausman檢驗的結果意味著工具變量是外生的;第二,不可識別檢驗,即工具變量個數少于內生變量個數,Anderson LM統計量的結果說明在1%水平上顯著拒絕了“工具變量識別不足”的原假設;第三,弱工具變量檢驗,從結果看,Cragg-Donald Wald F統計量的數值為101.22,大于16.38的臨界值,拒絕了原假設,說明工具變量與內生解釋變量之間存在顯著相關性。回歸結果見表4和表5。

表4 數字經濟影響全要素生產率的內生性檢驗

表5 數字經濟影響技術變化和效率變化的內生性檢驗

根據表4,2SLS-IV第一階段結果顯示工具變量對內生解釋變量數字經濟在1%水平上存在顯著相關性,檢驗結果也證實了這一結論,表明工具變量具備有效性。第二階段的結果顯示:數字經濟對全要素生產率的影響在1%的水平上顯著為負,與表5的結果一致,佐證了樣本期間數字經濟無法提升全要素生產率。同樣,根據表5結果,2SLS-IV第一階段結果顯示了工具變量與內生解釋變量之間的相關性,第二階段的結果顯示數字經濟對全要素生產率中技術進步的影響顯著為負,對效率提升的影響顯著為正,這與表3結果一致,表明數字經濟對全要素生產率的降低作用主要體現在數字經濟對技術進步速度的影響上,佐證了樣本期間“索洛悖論”的存在。整體上,工具變量的檢驗結果表明數字經濟對全要素生產率的負向影響是穩健的,樣本期間數字經濟并不能顯著提升全要素生產率。

(三)數字經濟與全要素生產率:投入產出結構視角

上述分析從全要素生產率分解視角得出數字經濟對全要素生產率的影響關系,本部分將回溯到全要素生產率的指標體系本身,基于投入產出結構視角考察數字經濟的影響,具體結果見表6。

表6 數字經濟對投入產出結構的影響

由表6可知,數字經濟對投入和產出的影響均顯著為正,數字經濟不僅增加了就業人數,擴大了資本存量,還提升了產出。數字經濟的發展顯著增加了勞動力投入和資本投入,但是資本投入增加的幅度大于產出增加的幅度,因而全要素生產率無法得到提升。總體上,該結果符合預期,結合圖2,樣本期間數字經濟處于發展初期,增長速度快,需要大量的投資支撐前期的配套建設,不可避免會出現投入、產出增加,導致技術獲得進步而全要素生產率無法得到提升的情況。

五、進一步分析:基于微觀企業視角的檢驗

相對于宏觀層面要素投入結構調整的復雜性,微觀企業要素投入結構的調整相對容易,因此,本部分基于微觀企業視角檢驗企業數字化對全要素生產率的影響,為宏觀層面的結論提供微觀的印證和解釋。

(一)企業數字化與全要素生產率

1.基準回歸

本部分首先從微觀視角對企業數字化與全要素生產率之間的關系進行檢驗,具體結果見表7。表7第(1)列展示了固定時間效應的回歸結果:企業數字化對全要素生產率的影響在1%的水平上顯著為正。為了防止個體的時間趨勢干擾回歸結果,第(2)列固定了省份的時間趨勢效應,回歸結果并未改變,顯著性也沒有變化。第(3)列又加入固定了行業的回歸結果,回歸結果和顯著性同樣沒有變化。最后,在固定了時間、行業及省份的時間趨勢效應的基礎上,第(4)列加入控制變量,回歸結果依然在1%的水平上顯著為正,說明企業數字化確實顯著提升了全要素生產率。

表7 基準回歸

2.穩健性檢驗

在基準回歸結果的基礎上,本部分進行了穩健性檢驗,表8為解釋變量滯后一期的穩健性檢驗結果。其中,第(2)～(3)列表示采用數字經濟關鍵詞詞頻表征的數字化滯后一期的結果,為保證宏觀與微觀結果具有可比性,第(4)～(5)列展示了將年份區間縮短至2011—2016年的回歸結果。由表8可知,無論是否加入控制變量,無論年份區間是否縮短,企業數字化轉型對全要素生產率的影響均在1%的水平上顯著為正,說明微觀視角的企業數字化轉型有助于提升全要素生產率,與基準回歸結果一致,驗證了回歸結果的穩健性。

表8 穩健性檢驗:滯后一期處理

表9進一步對所有解釋變量進行縮尾處理,以剔除異常值,其中,第(2)～(3)列為對所有解釋變量進行1%縮尾處理后的結果,第(2)列的年份區間為2010—2019年,第(3)列的年份區間為2011—2016年。結果顯示企業數字化均在1%的水平上顯著提升了全要素生產率,同樣證實了基準回歸結果的穩健性。

表9 穩健性檢驗:解釋變量縮尾

(二)企業數字化與全要素生產率:投入產出結構視角

在對微觀企業數字化與全要素生產率之間的關系進行驗證之后,本部分基于要素的投入產出結構視角做進一步檢驗,具體結果見表10。其中,第(2)～(4)列表示投入視角,第(5)～(7)列表示產出視角。由表10可知,企業數字化改變了要素的投入結構,對資產總額和固定資產凈額投入的影響在1%的水平上顯著為負,但對就業人數和產出的作用不顯著,即在勞動和產出不變的情況下,資本的投入顯著下降,從而使全要素生產率得到提升。

表10 企業數字化對全要素生產率的影響:投入產出結構視角

對比宏觀和微觀層面的結果可知,數字經濟抑制了技術進步從而降低了全要素生產率,但是企業數字化又能提升全要素生產率的原因是:企業數字化節約了資本投入,即相對于宏觀層面的大量固定資產投入,企業數字化成本偏低;同時,宏觀層面數字經濟初期的固定投資又是必不可少的。因此,欲使宏觀層面的數字經濟對全要素生產率發揮積極的促進作用,從投入端降低固定資產投資的方法不可取,本文嘗試從產出端的產業結構調整視角對該問題做出回答。

六、一個解決方案:產業結構的調節作用

在上述分析的基礎上,本部分將深入到經濟結構內部,通過考察產業結構發揮的調節作用,為宏觀層面數字經濟促進全要素生產率提供一個解決方案,并將產業結構(indu)納入數字經濟影響全要素生產率的作用機制中,選用調節效應模型考察產業結構調整對數字經濟影響全要素生產率的調節作用。模型設置如下:

TFPit=α0+α1DEit+α2DE×induit+α3induit+αpXit+μi+γt+εit

(9)

其中,induit表示i城市第t年的產業結構,用按照行業劃分的19個行業結構中除去信息傳輸業、計算機服務業和軟件業從業人員以及金融業從業人員之后的第三產業和第二產業的就業人數總和與被除去的這幾個產業的比重來衡量。實證回歸結果見表11。

表11 產業結構調整對數字經濟影響全要素生產率的調節作用

表11檢驗了產業結構調整對數字經濟影響全要素生產率的調節作用,結果顯示:加入控制變量和不加控制變量的數字經濟和產業結構交乘項的結果均表明數字經濟對全要素生產率的影響在1%的水平上顯著為正,說明在產業結構的調節作用下,數字經濟對全要素生產率的影響顯著提升。產業結構優化意味著與數字經濟發展相適應的產業結構的調整過程伴隨著新的技術進步和資源的配置效率的提高,帶來了更高層階上的產業結構調整,數字經濟效應的發揮需要相應的產業結構與之匹配。

為了更清晰地看到產業結構發揮作用的路徑,在上述基礎上,將全要素生產率進一步分解得到表12。從數字經濟與產業結構交乘項的結果可知,產業結構優化對全要素生產率的提升主要反映在技術層面,與表3中的數字經濟對技術進步速度影響的結果完全相反,由此可見,產業結構優化正好可以彌補數字經濟在全要素生產率中技術提升方面的不足,有利于打通數字經濟影響全要素生產率提升的關鍵環節,助力經濟效率的提升。因此,在宏觀層面,需要通過調整產業結構來弱化數字經濟對全要素生產率的負向影響;而在微觀層面,企業可以從投入端引入數字技術,發揮企業數字化對全要素生產率的積極作用。

表12 產業結構調整對技術變化和效率變化的影響

七、研究結論與政策建議

本文采用地級市層面及上市公司面板數據,從宏觀和微觀兩個層面詳細探討了數字經濟對全要素生產率的影響及其原因,得出以下主要研究結論:第一,基于宏觀視角,樣本期間數字經濟對全要素生產率具有顯著的負向影響,基于夜光遙感數據的內生性檢驗支持這一結論。結合將全要素生產率分解為技術變化和效率變化后的檢驗結果可得,數字經濟對全要素生產率產生降低作用的主要原因在于技術進步速度的下降。進一步基于投入產出結構的結果可知,數字經濟降低全要素生產率的原因是勞動力和資本投入增加,且其增加的幅度大于產出增加的幅度。第二,基于微觀視角,企業數字化提升了全要素生產率,其原因是在投入產出不變的情況下,資本得到了節約。第三,對比宏觀微觀層面的結果可知,宏觀層面需要從產出端的產業結構調整的視角弱化數字經濟對全要素生產率的消極作用,微觀層面需要從投入端的企業數字化視角強化數字經濟對全要素生產率的積極作用。

基于上述結論,本文提出如下政策建議:

第一,宏觀層面。在數字經濟發展過程中逐步優化產業結構,使其與數字經濟發展相適配。數字經濟的發展要想實現社會效率的全面提升,必須伴隨產業結構的優化調整,使其能夠順應數字經濟的發展規律。因此,在推動數字產業化和產業數字化的過程中,既要注重構建與之相配套的數字生態環境,又要對相應的數字應用環境進行規范,防范數字壟斷、贏家通吃等扭曲的資源配置降低經濟效率的情況。尤其是在數字經濟發展的前期,不規范的發展方式導致新知識溝通交流和新技術產生途徑被阻礙或被切斷,將會直接影響全社會生產率的提升,誘發“索洛悖論”的出現。

第二,微觀層面。應提升企業數字化程度,加快數字化轉型步伐。由于企業的數字化轉型不是單一環節的數字化,而是整套系統的改造升級,因此需要首先在戰略層面進行數字化戰略規劃,建立嚴格且相對完善的戰略規劃,對轉型過程有一個自上而下的、全面的、清晰的認知及指導;同時,要積極引入數字化專業人才,為企業數字化轉型組建相應的數字人才團隊,進而為支撐企業數字化轉型提供智力保障,持續激發企業數字化的創新效應,最終帶動全要素生產率的提升。