數字經濟產業政策對企業全要素生產率的影響

[摘要]以“國家信息化發展戰略”為準自然實驗，選取2011—2022年中國滬深A股上市制造企業作為研究樣本，利用雙重差分法驗證數字經濟產業政策影響高技術制造企業全要素生產率的作用機制。實證檢驗顯示，數字經濟產業政策正向影響高技術制造企業全要素生產率，同時在一系列穩健性檢驗后結果依舊穩健。機制檢驗表明，數字技術創新、資源錯配緩解是數字經濟產業政策影響高技術制造企業全要素生產率的關鍵機制。異質性檢驗證實，時期層面，數字經濟產業政策對高技術制造企業全要素生產率提升具有長期效應、滯后效應，即政策實施后2～6年顯著為正，在出臺后第3年大幅度上升后保持平穩推進狀態；企業層面，數字經濟產業政策對非國有高技術制造企業、大型高技術制造企業、實施組織政治戰略的高技術制造企業全要素生產率的提升作用顯著；區位層面，對市場化水平較低、西部地區、高親近及高清白政商關系下的高技術制造企業全要素生產率的提升作用更加明顯。研究將“國家信息化發展戰略”嵌入高技術制造企業層面進行政策效應評估，為推進“國家信息化發展戰略”與提升高技術制造企業全要素生產率提供政策啟示。

[關鍵詞]數字經濟產業政策；高技術制造企業全要素生產率；數字技術創新；資源錯配

一、 引言

隨著大數據、云計算、人工智能等新一輪科技革命和產業變革的深入發展，數字經濟逐漸與高技術制造業融合，成為驅動高技術制造業全要素生產率增長的新賽道[1-2]。國家互聯網信息辦公室2023年23日發布《數字中國發展報告（2022年）》，2022年我國數字經濟規模達50.2萬億元，同比名義增長10.3%1。然而，數字經濟賦能高技術制造業全要素生產率過程中也有隱憂，面臨研發生產高端芯片受制于人[3]、高端制造回流發達國家[4]、低端制造供給替代[5]、資源配置扭曲[6]、勞動力優勢逐步減弱[7]等諸多壓力，不利于全要素生產率提升。為此，我國亟須打造驅動高技術制造業全要素生產率增長的新引擎，完善數字經濟賦能高技術制造業創新研發機制，助力我國從“制造大國”邁向“智造強國”。數字經濟產業政策是由國家制定的引導數字化產業發展方向、推動數字化產業結構升級、扶持高技術制造企業可持續健康發展的政策，亦是政府優化市場資源配置的重要政策手段[8]。《國家信息化發展戰略綱要》（下文簡稱《綱要》）于2016年由中共中央辦公廳、國務院辦公廳印發，是圍繞國內高技術產業制定的數字經濟產業發展政策，內置數字化產業結構調整計劃、高技術產業扶持計劃2。《綱要》指出要“加快信息化發展，建設數字國家”，“發展核心技術，做強信息產業”，并輔以多項政策機制保障發展產業生態、培育壯大龍頭企業、加大對企業創新扶持。這有利于推動信息化與各產業融合和協同創新，培育新的經濟增長點，成為政府提升高技術制造企業研發質量、緩解資源配置扭曲的新引擎，激勵企業增加創新生產投資[9]，進而提高高技術制造企業全要素生產率。但不可忽視，《綱要》中提出的創新補貼政策也可能對高技術制造企業私人性質創新投入造成“擠出”效應，滯緩其生產資金配置效率，不利于高技術制造企業全要素生產率的提高。那么，數字經濟產業政策到底是高技術制造企業全要素生產率提升的“牽引線”還是“絆腳繩”？其影響機制如何？是否存在異質性？科學梳理與解析上述問題，對于提升高技術企業全要素生產率、扎實推進“智造強國”建設、助推經濟高質量發展具有重要時代意義。

綜觀既有研究可知，關于數字經濟產業政策與制造業全要素生產率的研究較少。蔡曉陳等[10]提出，數字經濟產業政策對企業全要素生產率具有促進作用，且該效應存在政策滯后性。多數學者主要從數字經濟角度對全要素生產率的影響進行探究，如郭偉等[11]利用2011—2021年我國上市公司微觀數據研究發現，數字經濟是促進企業全要素生產率提升的關鍵要素。胡德龍[12]以上市公司數據開展檢驗，得出數字經濟可驅動企業全要素生產率提高的結論。還有學者從驅動因素方面探究數字經濟對全要素生產率提升的影響，即數字經濟能推進技術進步、規模與技術效率提升[13]，促進綠色技術創新、優化產業結構[14]，進而賦能全要素生產率提升。陳一等[15]立足空間溢出視角進行研究，指出數字經濟對綠色全要素生產率影響具有正向空間溢出效應。此外，當前少數學者從產業政策與全要素生產率關系層面展開探究。具體來看，有學者指出鼓勵型政策對制造業綠色全要素生產率水平提高的影響效應不顯著，而限制型政策與制造業綠色全要素生產率間呈“U”形關系[16]。還有學者研究得出，產業政策[17]、戰略性新興產業政策[18]均正向影響企業全要素生產率的提升。

綜上可知，已有關于高技術制造企業全要素生產率和“國家信息化發展戰略”關系的研究極為有限，學者們未能從更深層次挖掘“國家信息化發展戰略”影響高技術制造企業全要素生產率提升的作用機制。并且，多數文獻從企業全要素生產率層面進行探究，對于高技術制造企業層面研究較為匱乏。相較于以往研究，本文貢獻在于：第一，基于高技術制造企業全要素生產率視角，遵循新發展理念，選用LP法測度高技術制造企業全要素生產率指數，為評估“國家信息化發展戰略”政策效果提供微觀經驗證據，拓展“國家信息化發展戰略”和高技術制造企業全要素生產率關系的研究。第二，識別數字技術創新、資源錯配在數字經濟產業政策推進高技術制造企業全要素生產率中的中介效應。第三，探討政策滯后性和長期性、企業所有制和組織政治戰略、政商關系等的異質性，為提升高技術制造企業全要素生產率提供可參考經驗。

二、 理論分析和研究假設

1. 直接效應

數字經濟產業政策作為針對高技術、數字化核心產業而出臺的產業政策，具有鮮明的調控作用，是促進數字化產業發展與產業結構調整的重要政策。《綱要》提出要“加大對科技型創新企業研發支持力度”，旨在通過擴寬企業融資渠道、設立研發投資基金及其他資源傾斜等政策激勵相關企業發展。尤其是在以高技術制造行業為代表的新興產業領域，數字經濟產業政策發揮著扶持初創制造企業、促進制造企業創新、降低經營風險、推動多方合作等多個方面的重要作用[19]。考慮到具體產業政策對于數字經濟發展的重要程度及數據的可得性，本研究考察政府補貼和市場準入兩類產業政策對數字化高技術制造企業全要素生產率的影響。

一方面，政府補貼效能。融資約束是制約高技術制造企業經營發展的主要瓶頸，會抑制其規模擴張和規模效率提升，從而影響高技術制造企業全要素生產率提升[20]。政府補貼為高技術制造企業的生產經營相關活動提供資金支持，與之共擔創新風險[21]，激勵并引導高技術制造企業增加高新產品生產投入[22]。并且，政府補貼能夠幫助高技術制造企業獲得一定額度的低息貸款，降低高技術制造企業的資金使用成本，增加其提升在生產方面的可用資金。這有利于提高高技術制造企業創新能力，改善高技術制造企業生產加工環境，助力其全要素生產率。同時，政府補貼可以傳遞出政府認可高技術制造業發展前景的關鍵信號，進而吸引大量資金涌入高技術制造企業，使其擴大企業規模，進而擴大行業規模。行業規模的擴大會激勵高技術制造企業不斷創新，推動其技術進步，進而以技術賦能高技術制造企業全要素生產率提高。另一方面，市場準入效能。市場準入政策可通過降低審核門檻促使更多高技術制造企業進入數字化制造行業，提高高技術制造企業的競爭程度[23]。市場競爭壓力增強會倒逼高技術制造企業通過創新生產來獲得生存和發展空間，使其獲取超額利潤，從而提升高技術制造企業全要素生產率。據此，本文提出假設1。

假設1：數字經濟產業政策可驅動高技術制造企業全要素生產率提升。

2. 間接效應

提高高技術制造企業全要素生產率的重點在于緩解資源錯配與提升數據技術創新能力。是以，本研究著重從資源配置效率與數據技術創新能力兩層面探析數字產業政策對高技術制造企業全要素生產率的間接影響。

第一，數字技術創新效應。《綱要》提到“加強專利與標準前瞻性布局，完善覆蓋知識產權、技術標準等環節的公共服務體系”。其中，數字經濟產業政策相應的知識產權保護機制可為高技術制造企業的數字技術創新提供良好保障，助力形成高技術制造企業間良性的競爭環境，促進高技術制造企業研發創新產出。同時，企業審批流程簡化、人才供給等相應數字經濟產業政策支持，可助力高技術制造企業引進大量高精尖人才，促進企業數字技術創新，驅動“新興技術+生產要素”有機融合，加快產業結構優化升級[24]，進而帶動高技術制造企業提升全要素生產率。并且，數字技術創新能夠提高高技術制造企業數據挖掘、數據分析與數據儲存能力，使高技術制造企業快速、精準地獲取并分析關鍵生產數據，助其緩解信息不對稱。借此，高技術制造企業可通過獲得的數據作出正確決策并搶占市場先機、優化內部流程，進而助力全要素生產率提高。基于此，本文提出以下研究假設：

假設2：數字經濟產業政策可通過推動數字技術創新，推進高技術制造企業全要素生產率提升。

第二，資源配置效率效應。《綱要》明確指出“大力推進社會事業信息化，優化公共服務資源配置，降低應用成本”。數字經濟產業政策能影響資源配置行為，引導資源配置，賦能高技術制造企業全要素生產效率提升。一方面，數字經濟產業政策能夠推動形成全國統一開放大市場，促進競爭有序的市場體系建設，放寬高技術制造行業準入限制，能夠打破各種形式的不合理限制和隱性壁壘[25]。這能夠使勞動、資本等各類生產資源要素流動，提高要素配置效率，促進高技術制造企業全要素生產率提升。另一方面，數字經濟產業政策為高技術制造企業提供稅收優惠、金融扶持，引導社會資源向高技術制造企業傾斜，推動其產業結構優化升級。這一過程能夠幫助高技術制造業企業更加準確、有效地配置資源，最終促進其全要素生產率提升。依照如上分析，本文提出如下假設：

假設3：數字經濟產業政策可通過提升資源配置效率，驅動高技術制造企業全要素生產率提升。

三、 研究設計

1. 模型設計

本研究以“國家信息化發展戰略”為準自然實驗，運用雙重差分法，比較數字經濟核心制造企業（實驗組）與非數字經濟核心制造企業（控制組）在《綱要》政策實施前后的差異。同時，以《綱要》出臺時間（2016年）為分割點，將樣本分為政策實施前（2011—2015年）與政策實施后（2016—2022年）兩組，以識別該數字經濟產業政策的凈效應。立足此，具體構設模型（1）：

[HMTFPi，t=β0+β1TRAET_POSTi，t+ρXi，t+γt+μi+εi，t] （1）

式（1）中，[HMTFPi，t]指企業[i]在[t]年的高技術制造企業全要素生產率；[GRVI_TIVIi，t]表征數字經濟產業政策，也是分組虛擬變量（[GRVI]）與時間虛擬變量（[TIVI]）的交乘項。[Xi，t]、[γt]、[μi]、[εi，t]逐一指代一系列控制變量、時間固定效應、個體固定效應及隨機誤差項。[β1]表征數字經濟產業政策凈效應，表示“國家信息化發展戰略”對高技術制造企業全要素生產率的影響。

在模型（1）基礎上，進一步構設模型（2）與模型（3），以有效識別“數字經濟產業政策－資源配置效率、數字技術創新－高技術制造企業全要素生產率”中介機制。

[MEDi，t（AEi，t，DTAi，t）=α0+α1GRVI_TIVIi，t+ρXi，t+γt+μi+εi，t]" （2）

[HMTFPi，tγ0+γ1MEDi，t（AEi，t， DTAi，t）+γ2GRVI_TIVIi，t+ρXi，t+γt+μi+εi，t] （3）

上式中，[MEDi，t（AEi，t， DTAi，t）]表示中介變量，[AEi，t]指代資源配置效率，[DTAi，t]為數字技術創新。[γ1]、[γ2]分別為控制數字經濟產業政策的影響后與融入中介變量后，中介變量對高技術制造企業全要素生產率的影響。[α1]指數字經濟產業政策對中介變量的影響。[α1]和[γ1]的乘積意指中介效應。

2. 變量定義

（1）被解釋變量：高技術制造企業全要素生產率（[HMTFP]）

當前，有關企業全要素生產率常見的計算方式主要有OP法、LP法、GMM法[26]。其中，OP法雖然能夠規避同時性偏差問題，但在計算過程中會自動剔除實際投資值非正的樣本，從而造成研究結論出現偏誤。同OP法相比，LP法更為精確，是以中間投入品作為代理變量，通過替換變量以降低樣本損失。據此，本文選用LP法測度高技術制造企業全要素生產率，同時利用GMM法測算的數據展開穩健性檢驗。具體設定如下模型：

[Yi，t=βLi，t+γKi，t+hi（Li，t， Ki，t）+εi，t] （4）

式（4）中，[Y]、[L]、[K]、[h]分別表示營業收入、勞動力投入、資本投入及中間品投入，其余變量定義同模型（1）一致。營業收入利用營業收入減其他營業收入衡量；勞動投入采用員工人數測量；資本投入選取固定資產凈額測算；中間投入通過購買商品、接受勞務支付現金實施度量，隨后對這些變量加1后取對數。為全面剔除樣本數據中可能存在的極端值，對高技術制造企業全要素生產率指標進行1%、99%縮尾處理。

（2）解釋變量：數字經濟產業政策（[GRVI_TIVI]）

本文選用雙重差分法檢驗數字經濟產業政策怎樣影響高技術制造企業全要素生產率。對此，設置時間變量[POST]，如果觀測年份在2016年及以后的樣本取值取1，2016年以前取值為0。與此同時，設置政策變量[TRAET]，根據《數字經濟及其核心產業統計分類（2021）》標準識別企業是否屬于數字經濟核心制造企業，若企業屬于數字經濟核心制造企業取1，反之為0。

（3）中介變量

第一，資源配置效率（[AE]）。參考宋建等[27]、黃漫宇等[28]的研究思路，本研究從資本錯配（[CAM]）和勞動力錯配（[LAB]）兩個維度衡量區域資源錯配情況，具體計算公式為：

[CAM=KrKSrβKrK，LAB=LrLSrβLrL] （5）

式（5）中，[Sr]代表[r]地區GDP占全國GDP的比重；[KrK]和[LrL]分別表示[r]地區資本與勞動力實際運用量占全國總運用量的比重；[βKr]、[βKr]逐一指代[r]地區的資本與勞動力產出彈性；[SrβKr]與[SrβLr]依次指[r]地區資本、勞動力有效配置的運用比例。隨后，選取索羅余值法展開計算。考慮到測算結論大概率會出現負值，進一步對最終計算結果進行取絕對值處理，即測算數值越大意味著資源錯配程度越高。

第二，數字技術創新（[DTA]）。羅佳等[29]研究指出，獲得授權、批準的數字技術專利可直接代表企業數字技術創新成果，故而，本研究以數字技術專利來衡量數字技術創新。其中，利用德溫特創新平臺（Derwent Innovation）有效搜索數字技術創新關鍵詞，使搜索到的關鍵詞同樣本企業每年所申請專利的國際專利IPC分類號相匹配，以識別申請專利是否屬于數字技術領域，判斷其是否有所創新。最終，以每年高技術制造企業數字技術專利新增申請量取對數衡量高技術制造企業的數字技術創新。

（4）控制變量

為盡可能控制高技術制造企業層面的因素，選取企業年齡（[EA]）、企業盈利能力（[CP]）、企業運營成本（[EO]）、行業市場集中度（[IM]）、經營活動現金流（[CF]）、資產負債率（[AL]）作為控制變量。其中，企業年齡以其對數值表征；企業盈利能力通過資產收益率滯后一期衡量；企業運營成本運用成本費用利潤率=利潤總額/（營業成本+期間費用）×100%進行度量；行業市場集中度用赫芬達爾-赫希曼指數表示；經營活動現金流利用經營活動產生的現金流量凈值與總資產之比度量；資產負債率采用企業負債與年末總資本之比度量。

3. 樣本和數據

本研究樣本主要為2011—2022年中國滬深A股上市制造企業。研究數據來自《中國統計年鑒》《上市公司行業分類指引》《國民經濟行業分類》、CSMAR數據庫、Wind數據庫、國家知識產權局專利數據庫。此外，為有效提升樣本精準性與有效性，剔除金融類、ST、*ST、數據缺失嚴重以及連續虧損制造企業。同時，為避免變量間數量級差異與消除離群值的影響，對所有連續變量展開標準化處理和1%的Winsorize處理，最終獲得39756個高技術制造企業年度觀測值。表1為變量描述性統計結果。

四、 實證分析

1. 傾向得分匹配（PSM）

為有效剔除處理組與控制組間其余特征，本文選用PSM的1∶1最近鄰匹配法排除兩者間結果影響。先以基準回歸顯著控制變量為匹配變量，對控制組實施匹配、選取，并獲取與各處理組樣本特征最接近的控制組樣本。觀察圖1可以獲悉，傾向得分匹配之后兩組樣本得分較為接近，意味著樣本匹配質量良好且具有合理性。

2. 基準回歸結果

表2為數字經濟產業政策影響高技術制造企業全要素生產率的結果。表中列（1）為全樣本未加入控制變量的基準回歸結果，[GRVI_TIVI]系數為0.1112（P＜0.01）。列（2）為全樣本加入控制變量的基準回歸結果，[GRVI_TIVI]系數分別為0.1111（P＜0.01）。列（3）和列（4）屬于PSM控制樣本選擇偏差后未引入與引入控制變量的回歸結果，[TRAET_POST]系數值依次是0.1100（P＜0.01）、0.1101（P＜0.01）。觀察結果可知，數字經濟產業政策有效推進高技術制造企業全要素生產率提升，證實假設1。

3. 穩健性檢驗

（1）平行趨勢檢驗。本研究是以《綱要》政策出臺時點為參照構設時期虛擬變量，涵括其出臺前5年和后6年，將各個時期虛擬變量與數字經濟類高技術制造企業虛擬變量的交互項納入基準模型，隨后以選入前一年為基期對政策動態效應進行分析，如圖2所示。觀察可知，數字經濟產業政策實施前動態效應系數在95%置信區間，包含0，表明在數字經濟產業政策實施前，實驗組與對照組間在高技術制造企業全要素生產率上差異較小。數字經濟產業政策實施當年及以后的交互項系數顯著為正，同時置信區間不涵蓋0，意味著數字經濟產業政策推動高技術制造企業全要素生產率的效果較為顯著。

（2）安慰劑檢驗。為全面檢驗高技術制造企業全要素生產率主要受到2016年《綱要》政策的影響，而并非其他因素干擾，本研究通過安慰劑檢驗方式進一步確定結果的穩健性。具體來看，首先從3313個高技術制造企業中挑選871個高技術制造企業作為實驗組，假設這些企業為數字化高技術制造企業，其他企業視為控制組，將隨機選取的政策變量同時間變量組成新交互項，重復基準回歸模型。隨之，新交互項循環1000次PSM后雙重差分回歸（圖3），提高安慰劑檢驗的可信度。觀察可知，大部分交互性系數均值（0.003，對應短虛線）集中在0附近，且絕大多數P值未通過顯著性檢驗，證明不可觀測因素并不能影響本研究結果，表明基準回歸結果穩健。

（3）其他穩健性檢驗。第一，排除其他干擾政策。我國在2011—2022年除了實施《綱要》政策還有其他政策，如《“十三五”國家戰略性新興產業發展規劃》《“十四五”國家信息化規劃》等，可能會對研究結果產生干擾。為此，將各政策涉及的變量納入控制變量，以排除其他政策對實證結果的影響，表3列（1）顯示檢驗結果穩健。第二，工具變量法。為克服可能出現的內生性問題，利用“被解釋變量與控制變量滯后一期”作為制造企業全要素生產率的工具變量，選用系統GMM估計開展回歸，表3列（2）顯示結果穩健。第三，剔除直轄市。就全國經濟資源和政治資源綜合排名來看，北京、天津、上海、重慶4個直轄市的發展位列前茅，同時國家信息化發展戰略執行力和效果優于其他城市，可能影響研究結果的準確性。為規避明顯經濟、政策差異因素影響，剔除直轄市樣本后重新實施檢驗，表3列（3）顯示結果穩健。但是，以上檢驗方式并不能完全排除其他政府創新激勵政策的影響，須進一步剔除所有享受創新激勵資質高技術制造企業，隨之重新展開回歸，具體檢驗結果詳見表3列（4）與列（5）。觀察數據發現，[GRVI_TIVI]的交互項系數仍穩健。經過一系列穩健性檢驗后可知，數字經濟產業政策顯著推動高技術制造企業全要素生產率的結論依舊成立。

4. 中介效應檢驗

表4列（1）－列（3）展示了數字技術創新機制檢驗結果。列（1）為匹配數字技術創新后的基準回歸。列（2）中[GRVI_TIVI]的系數值為0.185（P＜0.01），意味著數字經濟產業政策顯著帶動數字技術創新。列（3）中融入[GRVI_TIVI]和[DTA]之后，[DTA]系數值為0.023（P＜0.05），說明數字經濟產業政策通過帶動數字技術創新促進高技術制造企業全要素生產率提升。綜上，本研究假設2得證。

表4列（4）和列（5）指資源錯配機制檢驗結果。列（4）中[GRVI_TIVI]系數值為-0.013（Plt;0.01），意味著數字經濟產業政策能顯著緩解資源錯配。列（5）中融入[GRVI_TIVI]和[AE]后，[AE]系數值為-0.068（P＜0.01），代表數字經濟產業政策通過緩解資源錯配來提升高技術制造企業全要素生產率，假設3得證。

五、 進一步的異質性分析

1. 時期異質性

由于產業數字化轉型進程的加快，數字經濟產業政策內容可能會伴隨產業數字化進程進行完善與優化，呈現漸進性與動態調整性特征，對高技術制造企業全要素生產率提升作用可能出現時期上的差異。表5列（1）報告了《綱要》政策出臺當年為基期構建時期虛擬變量GRVI_TIVI結果。觀察表中數據可知，在《綱要》政策實施后第1年，GRVI_TIVI系數值不顯著，表征解釋變量對被解釋變量影響具有滯后作用。《綱要》政策實施后第2至第6年，GRVI_TIVI系數均顯著為正，且在出臺后第3年大幅度上升然后保持平穩推進狀態，意味著該促進效應存在長期性。

2. 企業異質性

第一，所有制屬性。不同所有制的高技術制造企業在市場競爭、經濟發展中作用及地位均有所不同，對《綱要》政策實施成效、響應速度以及全要素生產率提升作用均可能存在差異影響。表5列（2）和列（3）展示了將PSM樣本分成國有、非國有高技術制造企業的實證結果。不難發現，列（2）GRVI_TIVI系數值不顯著，而列（3）系數值在1%顯著性水平上為正。這意味著數字經濟產業政策對國有高技術制造企業全要素生產率提升作用不明顯，對非國有高技術制造企業全要素生產率提升正向效用顯著。

第二，組織政治戰略。在利用數字經濟產業政策獲取數字資源、設施及合法性層面，組織政治戰略對高技術制造企業全要素生產率提升作用大概率呈現差異性。基于此，本研究利用高技術制造企業高管政治身份代表組織政治戰略，假若高管為現任政協委員或者人大代表，則此高技術制造企業實施組織政治戰略，反之為未實施。表5列（4）GRVI_TIVI系數顯著為正，列（5）不顯著。這表征數字經濟產業政策實施能正向推進實施組織政治戰略的高技術制造企業全要素生產率提升，而對未實施組織政治戰略的高技術制造企業提升效應不顯著。

3. 區域異質性

其一，市場化水平。本文利用王小魯等[30]的《中國分省份市場化指數報告（2021）》中的數據，根據每年度各省份市場化水平指數中位數，將樣本劃分為高、低市場化水平兩部分，具體結果如表6中列（1）和列（2）。不難發現，列（1）GRVI_TIVI系數值顯著為正，列（2）不顯著。這意味著數字經濟產業政策能正向影響市場化水平較低地區的高技術制造企業全要素生產率，對市場化水平高地區的高技術制造企業的提升作用不顯著。

其二，地理位置。中東部和西部地區在經濟發展、制度環境、產業結構、人力資本等層面差距明顯，因此可能使得數字經濟產業政策對不同地理位置高技術制造企業全要素生產率提升產生影響。表6列（3）和列（4）展示了中東部、西部地區數字經濟產業政策促進效應的差異性。結果顯示，列（3）GRVI_TIVI的系數為正但不顯著，列（4）數值顯著為正，意味著數字經濟產業政策更能促進西部地區高技術制造企業全要素生產率提升。

六、 結論與啟示

1. 結論

本文選取2011—2022年中國滬深A股上市制造企業作為研究樣本，選用雙重差分法研析數字經濟產業政策對高技術制造企業全要素生產率的影響。結果顯示：第一，數字經濟產業政策能促進高技術制造企業全要素生產率提升，且經過平行趨勢、安慰劑以及其他穩健性檢驗后結果依舊穩健。第二，中介效應檢驗證實，數字經濟產業政策能夠緩解資源錯配、加強數字技術創新，進而驅動高技術制造企業全要素生產率提升。第三，異質性結果表征，就時期層面來看，數字經濟產業政策對高技術制造企業全要素生產率提升具有長期效應、滯后效應。就企業層面來看，數字經濟產業政策對非國有高技術制造企業、實施組織政治戰略的高技術制造企業全要素生產率提升作用顯著。就區位層面來看，數字經濟產業政策市場化水平較低、西部地區高技術制造企業全要素生產率提升的驅動更大。

2. 啟示

第一，強扶持：制定數字經濟產業發展戰略體系。其一，制定“兩化”融合戰略體系。政府有關部門要構建“兩化”（信息化驅動現代化）融合戰略體系，實施、維護及完善“兩化”融合流程管理機制，全面覆蓋高技術制造企業生產經營全局，協助其按照自身戰略目標規劃“兩化”融合的有關流程。通過該方式，可以對高技術制造業企業進行持續控制，幫助其在數字化環境中獲得持續的競爭優勢與新型全要素生產能力。其二，制定高技術制造生產激勵獎補體系。政府應當在高技術制造企業創新生產領域充分發揮政府職能，通過激勵獎補的方式對其生產給予獎補。例如，政府可對高技術制造企業獲國家新認定的實驗室、國家工程研究中心、國家產業創新中心給予獎勵補助，提升其全要素生產動力。

第二，筑基礎：提高優質高技術制造企業數字技術創新能力。一方面，相關部門亟須全力支持高技術制造企業參與數字化創新中心、國家工程技術研究中心等數字化創新基礎平臺建設，承擔國家重大科技項目、重大技術裝備數字化創新發展工程。同時，相關部門引導高技術制造企業參與數字技術應用創新重大工程，提高其數據技術創新能力及水平，進而提升高技術制造企業全要素生產率。另一方面，科技部、工業和信息化部等可以積極推進制造行業數字化發展，推動具有自主可控的數字化工業軟件的應用，增強高技術制造企業軟件運用，助力提升其數字技術創新能力，從而提高高技術制造企業全要素生產率。

第三，提效能：完善高技術制造企業資源配置機制。政府相關部門在制定或完善數字經濟產業政策時，可將重點放在深化要素市場化改革，完善資本與勞動力資源配置機制，解決高技術制造企業資源錯配問題，逐步推進制造產業數字化、高質量發展。其一，健全勞動力流動機制。地方政府要完善統一、規范的人力資源市場制度，加快建立協調、銜接的勞動力流動與交流機制，推動勞動力實現跨地區流動，提升勞動力在各地高技術制造企業內的分配效率。其二，完善產業資本扶持機制。政府應不斷完善高技術制造產業創新激勵扶持政策，進一步放寬該產業享受稅收優惠政策的門檻，引導和鼓勵社會資本投入產業數字創新領域，緩解高技術制造企業融資約束。鼓勵數字企業將研發資金用于實質性的生產，提升高技術制造企業產業資本配置效率。

參考文獻：

[1] 孫雪嬌，范潤.數字經濟對大中小企業全要素生產率影響的鴻溝效應[J].經濟管理，2023（8）：45-64.

[2] 余鵬翼，李學沛，白洛凡，等.技術獲取型跨國并購的雙向效應與企業全要素生產率——以先進制造業為例[J].中國軟科學，2022（2）：116-126.

[3] 巫景飛，王澤昊，倪中新.企業數字化與全要素生產率提升——來自中國上市公司的證據[J].貴州財經大學學報，2023（5）：41-51.

[4] 李俊久，姜美旭.全球價值鏈嵌入、技術創新來源與企業全要素生產率[J].武漢大學學報（哲學社會科學版），2023（5）：136-149.

[5] 王勇，王鵬飛.金融監管結構與制造業全要素生產率[J].世界經濟研究，2023（8）：91-105.

[6] 史常亮.數字經濟賦能農業全要素生產率增長：效應與機制[J].華南農業大學學報（社會科學版），2024（3）：94-109.

[7] 王西貝，李海燕.創新要素、資源錯配與全要素生產率的作用研究[J].云南財經大學學報，2023（5）：77-96.

[8] 黃華，姚祖嬋，連智華.數字經濟產業政策環境對創新行為的影響研究——基于自我效能的視角[J].經濟與管理，2022（6）：84-90.

[9] 李宏，喬越.數字化轉型提高了制造業出口技術復雜度嗎？——基于國家信息化發展戰略的擬自然實驗[J].山西大學學報（哲學社會科學版），2021（5）：108-118.

[10] 蔡曉陳，陳靜宇.數字經濟產業政策提高了企業全要素生產率嗎？——基于研發投入與融資約束視角[J].產業經濟研究，2023（3）：16-30.

[11] 郭偉，郭童，耿曄強.數字經濟、人力資本結構高級化與企業全要素生產率[J].經濟問題，2023（11）：73-79.

[12] 胡德龍，巢文鳴.區域創新、數字經濟與企業全要素生產率[J].現代經濟探討，2023（9）：62-72.

[13] 杜傳忠，劉書彤.數字經濟賦能中國制造業全要素生產率的效應測度及路徑分析[J].經濟與管理研究，2023（9）：43-65.

[14] 李杰，劉清.數字經濟如何賦能城市綠色全要素生產率——基于國家大數據綜合試驗區建設的經驗證據[J].現代管理科學，2023（5）：133-142.

[15] 陳一，羅黎輝.數字經濟、產業結構升級與綠色全要素生產率——基于空間計量模型的研究[J].技術經濟與管理研究，2023（10）：21-24.

[16] 李振洋，白雪潔.產業政策如何促進制造業綠色全要素生產率提升？——基于鼓勵型政策和限制型政策協同的視角[J].產業經濟研究，2020（6）：28-42.

[17] 李平，李同舟，董康.產業政策提升數字企業的全要素生產率了嗎？[J].技術經濟，2023（9）：41-52.

[18] 樸英愛，周鑫紅，于鴻.戰略性新興產業政策、研發支出與企業全要素生產率——基于新一代信息技術產業的實證分析[J].經濟問題，2023（1）：70-79.

[19] 張敬文，童錦瑤.數字經濟產業政策、市場競爭與企業創新質量[J].北京工業大學學報（社會科學版），2023（1）：125-136.

[20] 韓亞峰，李新安，楊蔚薇.政府補貼與企業全要素生產率——甄選效應和激勵效應[J].南開經濟研究，2022（2）：120-137.

[21] 路春城，王翠翠，姜常梅.政府補貼、創新投入與制造業企業全要素生產率[J].經濟與管理評論，2023（1）：50-61.

[22] 李政，楊思瑩，路京京.政府補貼對制造企業全要素生產率的異質性影響[J].經濟管理，2019（3）：5-20.

[23] 張寬，雷卓駿，李后建.市場準入管制與企業全要素生產率：來自負面清單的證據[J].世界經濟，2023（5）：152-176.

[24] 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據[J].經濟研究，2023（3）：97-115.

[25] 郭海紅，劉新民.數字鄉村建設能否通過緩解資源要素錯配程度提升農業綠色全要素生產率[J].寧夏社會科學，2023（5）：107-117.

[26] 周易，王曉亮，吳金柯.供應鏈金融會提升企業全要素生產率嗎？[J].經濟問題，2023（11）：57-64.

[27] 宋建，鄭江淮.資本深化、資源配置效率與全要素生產率：來自小企業的發現[J].經濟理論與經濟管理，2020（3）：18-33.

[28] 黃漫宇，王孝行.數字經濟、資源錯配與企業全要素生產率[J].宏觀經濟研究，2022（12）：43-53.

[29] 羅佳，張蛟蛟，李科.數字技術創新如何驅動制造業企業全要素生產率？——來自上市公司專利數據的證據[J].財經研究，2023（2）：95-109.

[30] 王小魯，胡李鵬，樊綱.中國分省份市場化指數報告（2021）[M].北京：社會科學文獻出版社，2021.

基金項目：2020年度河北省社會科學發展研究課題“科技創新視角下河北省戰略性新興產業發展研究”（項目編號：20200202047）。

作者簡介：李志紅，女，中共唐山市委黨校副教授，碩士，研究方向為數字經濟、產業經濟學、區域經濟學。

（收稿日期：2024-03-06" 責任編輯：蘇子寵）