數字經濟發展對工業用地利用效率的影響
——基于國家級大數據綜合試驗區的準自然實驗

朱乾隆，石曉平，2，馬賢磊，2，鄒 旭

（ 1.南京農業大學公共管理學院，江蘇 南京 210095；2.南京農業大學中國資源環境與發展研究院，江蘇 南京 210095）

長期以來，在“以地謀發展”經濟增長模式的影響下，中國工業用地資源閑置、粗放和低效利用的問題較為突出[1]。中共二十大報告指出，堅持把發展經濟的著力點放在實體經濟上，構建優勢互補、高質量發展的區域經濟布局和國土空間體系，同時提出加快發展數字經濟，促進數字經濟與實體經濟深度融合。在數字經濟時代，數據作為一種新型生產要素，正推動經濟增長模式由傳統生產要素驅動向數據要素驅動轉型。根據國家統計局的概念界定，數字經濟是指以數據資源為關鍵生產要素、以現代信息網絡為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動①資料來源：國家統計局《數字經濟及其核心產業統計分類（2021）》。。近年來，中國積極推進數字經濟發展，在一系列政策試點中完善區域數字基礎設施、引導大數據等數字技術與傳統產業融合發展?！吨袊鴶底纸洕l展白皮書（2022年）》顯示，截至2022年，我國數字經濟規模已達到50.2萬億元，數字經濟占GDP比重相當于第二產業占國民經濟的比重。數字經濟的快速發展為我國城市工業用地資源的優化配置提供了新的機遇。

諸多學者關注了數字經濟對工業企業發展和城市土地資源配置等方面的影響。一方面，數字經濟賦能工業企業轉型升級，提高工業企業生產效率。已有研究[2]明確指出，數字經濟通過數字產業化和產業數字化，既推動以數據要素為核心的新產業、新業態的發展，也能夠加速傳統產業的數字化轉型，進而優化工業企業資源要素配置，促進全要素生產率的提升[3]，助力實體經濟發展[4]。另一方面，數字經濟發展在資源要素配置，尤其是土地資源配置中發揮重要作用。數據要素具有低成本、可復制、非競爭性、高滲透性等特點，通過與傳統的土地、資本、勞動力等生產要素的組合迭代和融合發展，數字經濟能夠優化資源要素配置結構[5]。武宵旭等[6]研究指出，數字經濟發展能夠在一定程度上矯正要素市場廣泛存在的資源錯配問題，提高資源配置效率。部分學者聚焦數字經濟對城市土地資源配置的影響，明確指出數字經濟的發展能夠提高土地要素的配置效率[7]，并發現消費升級在數字經濟提升城市土地利用效率的中介作用[8]，以及基礎設施建設在數字經濟發展影響城市土地綠色利用效率中發揮調節作用[9]。

工業企業是實體經濟發展的主體，工業用地是企業生產發展的重要載體。通過上述文獻梳理可以看出，數字經濟發展有利于提高企業生產效率，改善土地等資源要素配置結構，提升城市土地利用效率。然而，已有研究主要圍繞土地市場發育[10]、地方政府互動[11]以及外生制度沖擊[12]對工業用地利用效率的影響，鮮有文獻直接探討數字經濟與工業用地利用效率之間的關系。數字經濟時代，數字經濟已然成為驅動經濟高質量發展的新動能和新引擎，其能否賦能城市工業用地利用效率值得深入研究。如果答案是肯定的，其中的內在作用機制是什么？厘清上述問題，有助于更好地推進我國數字經濟戰略探索，提高工業用地利用效率，對數字經濟與實體經濟融合發展也具有重要的理論和實踐意義。

鑒于此，本文將國家級大數據綜合試驗區設立視為準自然實驗，利用2011—2021年中國277個地級及以上城市的面板數據，基于多期雙重差分模型，探究數字經濟發展對工業用地利用效率的影響及作用機制?？赡艿倪呺H貢獻在于：第一，以國家級大數據綜合試驗區為切入點，聚焦數字經濟發展與工業用地利用效率，通過理論分析與實證檢驗，探討數字經濟發展能否以及如何影響工業用地利用效率。第二，根據國家數字經濟發展的戰略探索，探究和總結國家級大數據綜合試驗區在推動經濟轉型和資源優化配置中的政策效果與實踐經驗。

1 理論分析與研究假說

工業用地低效利用與傳統的強調要素投入數量的粗放型經濟發展模式不無關系。但隨著我國經濟步入新的發展階段，數字經濟正在成為促進動力轉換、結構升級和效率變革的重要引擎。同時，通過一系列的數字經濟發展戰略試點和實踐探索，我國進一步完善地區數字基礎設施，搭建數據資源整合和開放共享平臺，推動大數據、物聯網等數字技術的創新發展。與傳統經濟相比，數字經濟作為一種新的經濟形態，可以通過信息的數字化生成、運用和共享，加速催生壯大新產業、新技術和新業態，已然滲透到工業企業的土地利用決策當中。為系統研究數字經濟發展對工業用地利用效率的影響，本文立足于數字經濟發展的理論內涵，從數據支撐、創新融合和開放共享三個維度出發[13]，分析其能否影響工業用地投入或產出，進而導致工業用地利用效率變化。為進一步剖析數字經濟發展影響工業用地利用效率的作用機制，本文從企業技術創新和工業轉型升級兩個視角，詳細探究數字經濟發展如何影響工業企業生產經營與土地要素配置決策，繼而影響工業用地利用效率（圖1）。

圖1 數字經濟發展影響工業用地利用效率的分析框架Fig.1 Analytical framework of the impact of digital economy development on industrial land use efficiency

1.1 數字經濟發展、企業技術創新與工業用地利用效率

在數據支撐維度，數字經濟以數據這一新型生產要素作為基礎，可以利用數據要素有效整合工業企業內部資源。一方面，數據要素可以直接影響工業企業決策，加速技術創新發展。通過數據的采集、處理和分析等過程，數據要素可以進入工業生產活動，通過有效支撐工業企業的智能化管理，形成數字生產力，從而在節能降耗、提升良率等方面優化革新生產工藝。同時，數據要素易復制和可共享的特性，使其兼具低成本和高效率的優點，工業企業生產經營的邊際投入較低[14]。因此，數字經濟可以為工業企業的研發創新留足投入資金保障，從而可能提高企業的技術創新水平[5,15]。另一方面，數據要素可以與傳統生產要素協同作用，進而影響技術創新。當數據要素納入生產活動，低級重復或高危繁重的勞動投入可能會被一定程度替代，轉而增加具備數字知識和數字技能的人才需求，工業企業的人力資本結構得到優化。例如，部分流水線或高空作業等崗位正被機器取代。同時，通過海量數據的分析應用，工業企業可以強化人才和崗位的匹配程度，保障了人才效能的發揮，為技術創新提供有益的智力支撐，進而改善城市技術創新環境，促進城市的技術進步[15]。

在創新融合維度，數字經濟可以加速工業企業與外部資源的知識分享和合作。數字經濟時代，數字創新產品和服務的重要特征之一即是快速迭代[16]，單純依靠自身內部資源已無法適用數字經濟發展的需求。數字經濟發展可以增強信息傳輸的效率，降低特定產品與特定組織的耦合程度，提升了企業之間知識分享與合作的可能[13]。通過工業企業與外部資源的知識網絡聯結，可以有效促進不同企業研發部門之間的知識交流，為工業企業的技術創新提供了更大空間。同時，工業企業技術創新引致的知識、技術在地區間的擴散效應和溢出效應，也有助于促進區域整體創新水平的提升。

作為工業產業發展的空間載體，工業用地利用效率與工業企業的技術創新密切相關。一般認為，技術創新意味著生產要素的邊際轉化率和投資回報率提升，即以更低的要素投入獲得更高的產出效益[17]。針對工業用地而言，工業企業的技術創新水平較高，那么單位土地所需的勞動、資本和能源等投入相對偏少，而經濟產出則相對較高，環境效益也相對較好。

1.2 數字經濟發展、工業轉型升級與工業用地利用效率

在開放共享維度，數字經濟發展呈現出平臺化和網絡化特征。通過互聯網、區塊鏈、大數據等技術的應用，工業企業可以將生產、流通、消費與服務等各個環節整合到平臺，實現產業的加速融合和協同發展。在傳統產業的解構和重構過程中，數字經濟催生出了新的經濟模式、產業形態和工業產品[13]，將從供給側直接推動工業結構的優化升級。一個典型案例是，在數字技術的加持下，傳統汽車產業正向智能汽車產業轉型，并輻射帶動了新能源、新材料、人工智能、電子信息等相關行業的跨越升級。從需求側而言，已有研究認為，互聯網等數字技術改變了傳統的消費結構、激發了新的消費需求[18]，如5G網絡、移動終端、VR設備等。消費偏好的轉變可以誘導工業企業推陳出新，為了適用數字經濟下不斷變化的消費結構，工業企業可能通過及時形成市場需求信息，適時調整產品結構和制造工藝，從而帶來工業結構的優化升級。

工業用地利用效率的提升離不開工業轉型升級。工業轉型升級往往伴隨著要素投入的相對減少、經濟產出的相對提升，以及環境污染的有效控制等多方面[19]。上述工業用地所承載的投入產出的相對變化情況，可以直接改善工業用地利用效率。

根據以上分析，本文提出研究假說：

假說1：數字經濟發展有利于提升工業用地利用效率。

假說2：數字經濟發展可以通過企業技術創新和工業轉型升級提升工業用地利用效率。

2 研究設計、變量說明與數據來源

2.1 識別策略

數字經濟時代，大數據發展至關重要。為落實數字經濟和國家大數據發展戰略，2015年國務院印發《促進大數據發展行動綱要》，明確指出要推動社會生產要素的集約化整合與高效化利用，探索大數據綜合試驗區建設。2016年2月，貴州省獲批建設首個國家級大數據綜合試驗區。同年10月，京津冀、珠三角、上海、內蒙古等7個區域第二批獲批建設國家級大數據綜合試驗區。國家級大數據綜合試驗區建設試點的主要任務是圍繞數據資源管理、共享、整合、應用、合作和創新等方面進行試驗，整合區域數據資源，以大數據產業集聚，輻射和帶動區域協同發展。因此，本文從外生政策沖擊的視角，選擇中國實施的國家級大數據綜合試驗區政策作為數字經濟發展的代理變量，將2016年兩次的綜合試驗區建設試點作為一項準自然實驗，通過構建多期雙重差分模型，評估數字經濟發展對工業用地利用效率的影響。

2.2 模型構建

本文利用多期雙重差分模型檢驗國家級大數據綜合試驗區建設對工業用地利用效率的影響，其基本模型如下：

式（1）中：EFFit為被解釋變量，即工業用地利用效率；DIDit為數字經濟發展變量，以國家級大數據綜合試驗區建設試點的政策虛擬變量表示；β0為待估計系數，若其顯著，則表明該試驗區建設能夠影響工業用地利用效率；α0為常數項；δ0為待估計系數；Xit為一系列控制變量；μt和λi分別為時間固定效應和個體固定效應；εit為隨機擾動項。

另外，為進一步驗證國家級大數據綜合試驗區建設對工業用地利用效率影響的作用機制，借鑒BARDON[20]的做法，在式（1）的基礎上構建如下回歸模型：

式（2）—式（3）中：MEit為中介變量，分別用企業技術創新（Innovait）和工業轉型升級（Structit）表示；α1、α2為常數項；β1、β2、δ1、δ2和γ分別為待估計系數；若β0顯著，且β1和γ也顯著，則表明其中存在中介效應。

2.3 變量說明

（1）被解釋變量。工業用地利用效率指當工業用地投入一定時，獲得最大化工業產出的能力，或者經濟產出一定的約束下，工業用地利用的充分程度。本文參考宋洋等[21]的做法，從投入和產出兩個方面構建工業用地利用效率評價指標體系。其中，投入指標主要包括勞動力投入、資本投入和能源投入，分別用地均第二產業從業人數、地均固定資本存量①固定資本存量數據參考郭炳南等[22]的做法，采用永續盤存法計算得到。和地均能源消耗量②由于地級市層面萬元GDP能耗數據缺失嚴重，本文利用《中國能源統計年鑒》獲取的省級層面能源消耗總量與各地級市GDP占全省GDP總量的比重相乘，得到各地級市能源消耗量數據。表示。產出指標既包括期望產出，即地均第二產業產值，也包括地均工業廢水排放量、地均工業二氧化硫排放量和地均工業煙（粉）塵排放量等非期望產出。本文使用包含非期望產出的Super-SBMUndesirable模型，測算出樣本城市工業用地利用效率（EFF）。

（2）解釋變量。本文的核心解釋變量是數字經濟發展，以國家大數據綜合試驗區設立的政策虛擬變量（DID）表示，由政策處理變量（Treat）和政策時間變量（Time）的交互項組成。根據城市i或其所在的省份（自治區）在第t年是否被設立為國家大數據綜合試驗區來賦值，若城市i在第t年被設立為國家大數據綜合試驗區，則賦值為1；否則賦值為0。其中，選取2011—2021年277個地級及以上城市樣本，并將設立試驗區的貴州、內蒙古、廣東、河北、河南等省或自治區所轄的地級市，以及北京、上海、天津、重慶和沈陽等合計67個城市作為處理組，另外210個城市為控制組。由于貴州省2016年2月獲批建設大數據綜合試驗區，其余試驗區設立時間為2016年10月，分別接近年初和年底，因此，本文將政策實施時間分別定義為2016年和2017年。

（3）中介變量。為探究數字經濟發展對工業用地利用效率的影響機制，本文選取企業技術創新（Innova）和工業轉型升級（Struct）兩個中介變量進行驗證。其中，數字經濟發展能夠在一定程度上增加企業的研發投入，促進科技成果的轉化，進而提高企業生產效率和土地利用效率。常見衡量企業技術創新的指標主要有研發投入和專利產出[23]，由于缺乏企業層面技術創新的微觀數據，本文將中國專利數據庫中各類發明專利信息匯總到地市層面后，以人均發明專利數衡量地級市的技術創新水平。另外，學界對工業轉型升級的衡量方式尚未統一，部分學者通過指標體系測算、全要素生產率或產業結構高級化等表示工業轉型升級水平[24-25]。本文參考王春杰等[26]的做法，利用地區工業利潤率表示工業轉型升級，具體以地級市規模以上工業企業的營業利潤與營業收入的比值測算。選擇地區工業利潤率衡量工業轉型升級的原因在于，地區工業利潤率能夠在一定程度上反映制造業在產品價值鏈上所處的位置，一般而言，高技術產業或產業高端部分的利潤率比低技術產業或產業低端部分的利潤率高，某一地區的工業利潤率較高，表明該地區產業層次相對較高，與利潤率低的地區相比則呈現一定程度的產業升級狀態。

（4）控制變量。借鑒已有研究，本文選取如下可能會影響工業用地利用效率的控制變量[27-28]：經濟發展水平（Pergdp），以人均GDP表示；基礎設施水平（Infras），用人均城市道路面積表示；金融規模（Finan），以年末人均金融機構存款總額表示；人口規模（Pop），以城市人口密度表示；政府干預程度（Govern），用財政支出占GDP的比重表示；土地市場化水平（Market），以土地一級市場招拍掛出讓面積占總供應面積的比重表示；工業用地價格（Price），以工業用地出讓平均價格表示。

2.4 數據來源與描述性統計

國家級大數據綜合試驗區名單數據，由國家發展改革委員會批復的第一批和第二批國家級大數據綜合試驗區設立文件整理得到。工業用地交易數據來自中國土地市場網（https://www.landchina.com），專利數據來自中國專利數據庫，規模以上工業企業經濟數據來自各省市統計年鑒，其他數據主要來自于《中國城市統計年鑒》 《中國城市建設統計年鑒》 《中國能源統計年鑒》等統計資料。本文對所有價值類變量以2011年為基期進行了平減處理，以增強數據的可比性。另外，為減少極端異常值導致的回歸結果的估計偏誤，對所有非百分比變量進行了對數化處理。在剔除部分因行政區劃調整導致的數據不連續和嚴重缺失城市樣本后，使用線性插值法對少數缺失數據進行補充，本文最終得到2011—2021年277個地級及以上城市的平衡面板數據。主要變量的描述性統計見表1。

表1 主要變量描述性統計Tab.1 Descriptive statistics of main variables

3 實證結果與分析

3.1 基準回歸：數字經濟發展對工業用地利用效率的影響

本文首先評估了數字經濟發展對工業用地利用效率的影響，回歸結果見表2。其中，列（1）和列（2）未加入控制變量，列（3）和列（4）為加入控制變量的回歸結果，列（2）和列（4）同時控制時間固定效應和個體固定效應。從列（4）可以看出，國家級大數據綜合試驗區的建立對工業用地利用效率具有正向影響，估計系數為0.036，并在1%的顯著性水平下顯著。另外，在加入控制變量、控制時間固定效應和個體固定效應后，回歸結果依然顯著，表明數字經濟發展有助于促進工業用地利用效率的提升?？刂谱兞炕貧w結果顯示，經濟發展水平、金融規模、人口規模、土地市場化水平和工業用地價格對工業用地利用效率具有正向影響，而基礎設施水平和政府干預程度與工業用地利用效率負相關。據此，本文的假說1得到驗證。結合前文的理論分析可以推測，隨著國家級大數據綜合試驗區的建立，試點城市數字經濟發展水平不斷提高，數據要素在地區間得以快速流動和高效配置。同時，數據要素市場的完善，為城市傳統基礎設施、工業企業生產方式以及技術水平等的數字化轉型提供支撐，推動新產業、新技術和新業態的創新發展，進而影響城市土地資源配置方式與決策，促進工業用地利用效率的提升。而數字經濟發展通過何種路徑和機制影響工業用地利用效率，仍有待后文作用機制分析進一步驗證。

表2 基準回歸結果Tab.2 Benchmark regression results

3.2 穩健性檢驗

（1）平行趨勢檢驗。利用多期雙重差分模型評估政策效應必須滿足平行趨勢假設，本文借鑒BECK等[29]的做法，借助動態DID的方法，比較了該試驗區設立前6年和后5年的政策效應差異①本文將試驗區設立前的第6期定為基期，同時考慮到共線性問題，將其剔除。，檢驗結果見圖2。可以看出，國家級大數據綜合試驗區設立之前，工業用地利用效率的回歸系數主要為負，且不顯著；而試驗區設立之后，回歸系數顯著為正，滿足平行趨勢假設。另外，隨時間的推移，該試驗區設立對工業用地利用效率的回歸系數整體呈增加趨勢，表明數字經濟發展對工業用地利用效率的影響具有時間動態效應。

圖2 平行趨勢檢驗Fig.2 Parallel trend test results

（2）安慰劑檢驗。為檢驗基準回歸結果的穩健性，本文通過重復隨機抽樣的方式，構建虛擬處理組和虛擬試驗區設立時間，生成虛擬政策變量（交互項），檢驗工業用地利用效率是否受到國家級大數據綜合試驗區建設以外的其他因素影響。在此基礎上，進行重復500次回歸，并將回歸結果進行統計，圖3匯報了500次回歸的估計系數和P值分布。從中可以看出，估計系數主要分布在0值附近，且大多數P值均高于0.1，與基準回歸結果有顯著差異，表明本文基準回歸的結論是穩健的。

圖3 安慰劑檢驗Fig.3 Placebo test results

（3）排除其他并行政策影響。為排除研究期內其他并行政策對工業用地利用效率的可能性影響，本文借鑒已有研究[12,30]，構建低碳城市試點政策的虛擬變量（Carbon）以及差別化城鎮土地使用稅政策的虛擬變量（Tax），并將其納入回歸分析。由表3 列（1）可以看出，在考慮上述政策對工業用地利用效率的影響后，國家級大數據綜合試驗區的設立對工業用地利用效率影響的回歸系數雖有所下降，但依然顯著為正，進一步證明了基準回歸結果的穩健性。

表3 穩健性檢驗結果Tab.3 Robustness test results

（4）更換被解釋變量和解釋變量。為避免因指標選取和測算方法導致的估計結果偏誤，本文借鑒趙愛棟等[10]和王博等[31]的做法，分別利用隨機前沿分析法（SFA）和比值法重新計算工業用地利用效率，并得到新的被解釋變量EFF_1和EFF_2進行回歸，回歸結果見表3列（2）和列（3）。另外，為提高研究結論的科學性和可靠性，借鑒趙濤等[32]和陳貴富等[33]的研究，從數字基礎設施、數字產業發展和產業數字化三個方面構建評價指標體系，并借助熵值法測度研究期內樣本城市的數字經濟發展水平（Digital）。其中，數字基礎設施主要包括互聯網普及率和移動電話普及率，分別使用每百人互聯網寬帶接入用戶數和每百人移動電話用戶數表示；數字產業發展包括數字產業發展基礎及其相關產出情況，分別使用計算機服務和軟件業從業人員占城鎮單位從業人員比重以及人均電信業務總量表示；產業數字化指數字技術與實體經濟的融合發展，利用數字普惠金融指數表示。在此基礎上，利用雙向固定效應模型回歸，回歸結果見表3列（4）?？梢钥闯?，在替換被解釋變量和解釋變量后，數字經濟發展對工業用地利用效率的影響依然顯著為正，與前文的研究結論一致。

（5）其他穩健性檢驗。第一，內生性處理。為了排除國家級大數據綜合試驗區建設對工業用地利用效率可能的滯后性影響，以及該試驗區建設試點選擇中的內生性干擾，即可能會對部分試點城市具有選擇性偏好，從而導致內生性問題。本文使用解釋變量的滯后1期進行回歸。第二，樣本選擇偏差。為排除極端異常值造成的回歸誤差，本文對被解釋變量的前后5%進行截尾處理，并利用截尾后的樣本重新進行回歸。表3中列（5）和列（6）顯示了上述穩健性檢驗的回歸結果?？梢钥闯?，在考慮內生性問題和樣本選擇偏差之后，數字經濟發展與工業用地利用效率仍然具有顯著的正相關關系，再次驗證了基準回歸結果的穩健性。

3.3 數字經濟發展對工業用地利用效率影響的異質性

（1）區域異質性。考慮到不同地區的經濟發展水平、基礎設施和地理條件等存在差異，本文將城市樣本按照東部地區和中西部地區進行分組回歸，考察數字經濟發展影響工業用地利用效率的區域異質性，回歸結果見表4列（1）和列（2）。結果顯示，國家級大數據綜合試驗區建設能夠在1%顯著性水平下影響中西部地區城市的工業用地利用效率，但在東部城市樣本中，該試驗區建設對工業用地利用效率的影響并不顯著。可能的原因在于，東部地區的試點城市樣本包括京津冀、珠三角、上海等相對發達城市，其數字經濟發展基礎相對較好，尤其是數字經濟產業、人力資本和大數據技術的集聚與發展。并且，相對于中西部地區，東部地區城市工業用地資源更加緊缺，國家級大數據綜合試驗區建設在提升工業用地利用效率中的邊際效應并不明顯。相對而言，中西部地區產業發展基礎和信息化發展水平較低，先天優勢明顯不足，但是通過學習和借鑒東部發達地區經驗，承接東部地區產業轉移、發展高科技產業和完善新型基礎設施，能夠將國家的大數據發展戰略轉化為城市發展的后發優勢，促進地區工業用地資源的優化配置[34]。

表4 異質性分析結果Tab.4 Heterogeneity analysis results

（2）資源稟賦異質性。資源稟賦是城市發展和土地要素配置的重要基礎，不同城市的自然資源稟賦存在明顯差異。相比于非資源型城市，資源型城市的發展往往依賴自身資源，產業結構相對單一，并在長期的發展過程中形成路徑依賴，產業結構的數字化轉型難度較大。本文從城市資源稟賦差異的角度出發，比較國家級大數據綜合試驗區建設對樣本城市工業用地利用效率的異質性影響，回歸結果見表4的列（3）、列（4）?？梢钥闯觯撛囼瀰^建設對資源型城市和非資源型城市的工業用地利用效率具有明顯的差異。其中，國家級大數據綜合試驗區建設與非資源型城市工業用地利用效率之間呈現顯著的正相關關系，與基準回歸結果一致；而該試驗區建設對資源型城市工業用地利用效率的影響并不顯著。基于此，本文推測數字經濟發展雖然能夠在一定程度上促進工業產業數字化轉型，引導數據資源流動共享和促進企業技術創新，但資源型城市長久以來存在的產業結構單一、資源依賴和發展路徑依賴嚴重等問題，仍難以在短時間內破解。

3.4 數字經濟發展對工業用地利用效率影響的作用機制

為進一步探究數字經濟發展影響工業用地利用效率的作用機制，結合前文的理論分析，本文選取企業技術創新（Innova）和工業轉型升級（Struct）兩個中介變量，對其中可能的影響路徑進行檢驗。在此基礎上，根據式（2）和式（3）進行回歸分析，表5報告了回歸結果。其中，列（1）和列（3）分別檢驗了國家級大數據綜合試驗區建設對企業技術創新和工業轉型升級影響。結果表明，該試驗區建設對企業技術創新和工業轉型升級均具有正向影響，其中，企業技術創新的估計系數相對較大，且在1%顯著性水平下顯著。另外，列（2）和列（4）為加入中介變量后，該試驗區建設對工業用地利用效率的影響?？梢园l現，國家級大數據綜合試驗區建設與企業技術創新、工業轉型升級的回歸系數均在1%顯著性水平下顯著為正，表明企業技術創新和工業轉型升級在該試驗區建設影響工業用地利用效率的過程中起到部分中介作用。同時，本文使用Sobel模型進一步檢驗了回歸結果的穩健性，結果顯示Sobel檢驗的P值均小于0.05，表明中介效應成立。結合前文的理論分析，本文推測，國家級大數據綜合試驗區的建設有助于改善區域創新環境，促進創新要素和資源在區域之間的高效流動，并且通過企業技術創新的擴散效應，能夠提高城市的技術創新水平。同時，數字經濟發展以大數據等信息技術手段賦能傳統產業轉型，推動工業轉型升級，提高工業企業生產效率和資源配置效率，進而提升工業用地利用效率。至此，本文的假說2得到驗證。

表5 影響機制分析結果Tab.5 Results of impact mechanism analysis

4 結論與建議

本文以中國實施的國家級大數據綜合試驗區政策為準自然實驗，選取2011—2021年277個地級及以上城市的面板數據，在利用Super-SBMUndesirable模型計算城市工業用地利用效率的基礎上，借助多期雙重差分模型探究數字經濟發展對工業用地利用效率的影響。主要研究結論如下：第一，數字經濟發展有助于提升工業用地利用效率，此結論在經過一系列穩健性檢驗后依然成立。第二，數字經濟發展對工業用地利用效率的影響具有顯著的異質性。其中，國家級大數據綜合試驗區建設對工業用地利用效率的提升作用在中西部地區和非資源型城市顯著為正，在東部地區和資源型城市不顯著。第三，通過影響機制分析發現，數字經濟發展能夠通過促進企業技術創新和工業轉型升級，提升城市的工業用地利用效率。

基于以上研究結論，本文得到如下政策啟示。首先，充分發揮數字經濟發展賦能工業用地資源配置的積極作用，推動工業用地資源配置優化。數字經濟時代，試點城市應緊抓國家級大數據綜合試驗區等戰略機遇，通過大數據資源整合和數據要素創新配置，發展新產業、新技術和新業態，進而以產業數字化轉型優化工業企業資源配置，提高工業用地利用效率。其次，結合城市經濟發展階段、自然資源稟賦和數字經濟發展基礎，因地制宜地推進數字經濟政策創新。數字經濟發展對工業用地利用效率的影響具有明顯的異質性，地方政府應完善數字經濟發展的頂層設計，在把握城市發展現狀和主要特征的基礎上，著力補齊數字經濟發展短板，以數字經濟發展助力經濟發展方式和發展路徑轉型，并將其轉化為推動城市發展的后發優勢。最后，充分釋放數字經濟在促進企業技術創新和工業轉型升級的積極效應，促進數字經濟與實體經濟深度融合。一方面，增加科技創新投入，改善城市基礎設施和技術創新環境，提高工業企業的技術創新水平，為現代化產業發展提供技術支撐。另一方面，引導數據要素和傳統產業、傳統生產要素的加速融合與協同發展，推動產業結構轉型升級，進而助力工業企業的現代化轉型。