數字經濟、科技創新與制造業轉型升級

沈運紅，楊金華

（杭州電子科技大學管理學院，杭州 310018）

0 引言

全球經濟與科技正在加速融合，新一代信息技術，例如人工智能、大數據、物聯網和5G，已成功地滲透到制造業，促進了數字經濟的迅猛增長，并且為制造業的數字化轉型注入了強勁的動力。我國已成為全球制造業的重要支柱，低端和中端制造業的競爭力已經明顯增強，而高端領域的技術水平仍然比較落后。數字經濟的出現極大地促進了制造業的高質量發展，為企業帶來了前所未有的變革和創新，使得制造業能夠實現全面數字化轉型。張于喆（2018）[1]認為數字經濟是融合型經濟，是經濟發展和制造業轉型升級的重要因素，也是全球新型數字產業競爭的引擎。焦勇（2020）[2]認為數字經濟不僅可以提升制造業的效率，還能夠帶來額外的價值，為制造業數字化轉型提供新的參考模式。涂強楠和何宜慶（2021）[3]發現科技創新投入比例升高將有利于制造業高度化轉型升級。陳懷超等（2022）[4]提出了通過提升人才數字素養來促進制造業轉型升級，并驗證了其能夠促進制造業向高度化轉型升級。李曉鐘和吳甲戌（2020）[5]發現數字經濟和它的各個子系統都能夠推動中國產業結構的變革和升級。傅智宏等（2022）[6]將數字經濟劃分為四個主要領域：設備、服務、交易和媒體，用于研究地區數字經濟的發展趨勢和影響因素。

已有研究取得了豐碩成果，但還存在以下拓展空間：第一，雖然部分學者探討了科技和人才方面的創新，但忽略了科技創新是多方面的，人才創新本質上也屬于科技創新的一部分，而現有文獻較少將科技創新和人才創新納入同一框架進行研究。第二，在數字經濟與制造業轉型升級的相關文獻中，鮮有文獻深入分析空間異質性和時間異質性，尤其是分不同維度探討時空異質性。

1 理論分析與研究假設

1.1 數字經濟與制造業轉型升級

數字經濟的發展徹底改變了傳統的產業鏈結構，促使制造業實現更加靈活的生產，更加有序的合作，從而大大提升了制造業的整體競爭力[7]。數字經濟滲透到社會發展的各個領域，與傳統制造業協同發展，提升了生產要素匹配效率，優化了資源配置方式，同時引發技術對資本和勞動力的替代。制造業正在經歷前所未有的變革，優化生產要素的配置將有助于推動制造業高質量發展，提高企業核心競爭力[8]。數字匹配技術的應用重新配置了制造業企業生產過程中所需的資源，優化了生產要素配置過程，帶動了制造業企業數字生產效率的提高[9]。數字經濟從兩個方面促進傳統制造業轉型升級：（1）數字經濟通過數字技術全方位滲透到制造業企業內部的研發創新機構，促進高新技術制造業的誕生，使傳統制造業提高附加值和生產效率，進而促進制造業向高度化轉型升級。（2）數字經濟促進了生產要素資源的合理配置，通過一系列數字技術改變生產要素之間的不匹配模式，促進制造業協作更加合理，體現在促進制造業合理化轉型升級。據此，本文提出：

假設1：數字經濟對制造業轉型升級起到了顯著正向促進作用。

1.2 科技創新的中介作用

科技人才集聚是科技人力資本在空間上聚集的結果，科技人力資本是驅使科技人才集聚的內在因素，而科技人才集聚則是科技人力資本進一步演化的結果[10]。數字經濟快速發展改變了產業鏈上的資源配置方式，產生價值溢出效應，吸引了更多的外來科技人才，科技人才又進一步提高了制造業企業的核心競爭力，促進了科技人力資本的形成?？萍既肆Y本從各個不同的地方向某一地區流動形成科技人力資本的集合，進而形成科技人才集聚[11]?？萍既瞬偶坌獢U散到高技術制造業企業，提高制造業企業的創新能力和核心競爭力，對于高新技術制造業企業的發展會產生巨大的推動作用。數字經濟吸引地區高質量人才，人力資源市場結構得到優化，科技人才集聚程度不斷上升，勞動者更偏向于薪酬待遇更高的技術密集型制造業，導致技術密集型制造業占比不斷提高，由此促進制造業向高度化轉型升級[12]。科技人才集聚促進了制造業生產率的提高，改變了原來的分工協作模式，引發了不同制造業部門之間的收入差距，并導致生產要素在不同制造業行業之間轉移，為了得到有效配置，經過精心組織和有效協作，制造業的各個環節都能夠達到一個更加完善的狀態，由此促進制造業向合理化轉型升級。據此，本文提出：

假設2：科技人才集聚在數字經濟與制造業轉型升級中發揮了中介效應。

科技創新效率度量了企業成果轉化的效率，企業利用知識創新與技術創新的協同性，通過技術進步和創新資本等要素擺脫以模仿創新為主的發展模式，通過提升共性技術的研發水平和產業的科技含量強化了對先進知識的學習與積累[13]，轉變了傳統經營理念，通過不斷加大研發創新的力度和提高生產投入環節的效能，科技創新效率得到了優化和提升，帶動了制造業企業的投入產出效率和產業附加值的進一步提升，從而實現制造業數字化轉型發展[14]。隨著數字技術和人工智能的不斷發展，傳統的人力勞動已經逐漸被替代，這將極大地改進制造業的生產流程和工藝，降低生產成本也將為企業帶來更多的市場機遇，進而提高企業的科技創新能力。科技創新可以改變技術要素與市場要素的配置方式，從而推動技術產業化發展，提高科技創新效率，促進地區產業結構向技術密集型轉型，進而推動制造業向高度化轉型升級，從而提升經濟效益。數字經濟的發展帶動了制造業的科技創新，項目資金可以更有效地投入那些生產效率較高的行業，而不是那些生產效率較低的行業，最終導致更多的項目資金流向創新型企業。據此，本文提出：

假設3：科技創新效率在數字經濟與制造業轉型升級中發揮了中介效應。

2 研究設計

2.1 變量選取

2.1.1 被解釋變量

制造業高度化轉型升級（AMIS）用技術密集型制造業產值與資本密集型制造業產值之比來衡量[15]。制造業合理化轉型升級（RMIS）反映了制造業的協調程度，通過泰爾指數來測算制造業合理化轉型升級[16]，具體公式如下：

2.1.2 解釋變量

數字經濟（DEC）。借鑒潘為華等（2021）[17]的研究，構建數字經濟指標體系（見表1），并運用熵權TOPSIS法測算各項指標權重，用綜合評分來衡量數字經濟發展水平。

表1 數字經濟指標體系

2.1.3 中介/門檻變量

科技人才集聚（TAL）。借鑒張所地等（2020）[18]的研究，選取R＆D 人員數量來度量科技人才數量?；诋a業區位熵的理論，構建科技人才區位熵來度量科技人才集聚，具體公式如下：

科技創新效率（INT）。借鑒王雅麗和黃永春（2021）[19]的研究，科技創新投入階段包括了科技、研發和教育方面的要素投入，因此選取科學技術費用投入、R＆D經費投入和教育經費投入作為投入指標；在科技創新產出階段，發明專利授權數量反映了知識成果轉化水平，新產品產值反映了商業價值化成果，技術市場成交額可以衡量技術經濟效益成果，以此作為產出指標來構建科技創新投入產出模型。

2.1.4 控制變量

本文借鑒涂強楠和何宜慶（2021）[3]的研究，選取以下控制變量：經濟發展水平（EDL），用人均GDP來衡量；外商投資水平（FDI），用外商投資總額來衡量；政府參與程度（GOV），用地方財政一般預算內支出占GDP 的比重衡量；金融發展水平（FIN），用各地區金融機構存貸款總額衡量；教育投入水平（EDU），用地方財政科學和教育支出占一般預算內支出的比重衡量。

2.2 計量模型

2.2.1 基準回歸模型

根據上文的機理分析，采用面板回歸模型檢驗數字經濟與制造業轉型升級的總體效應，構建如下基準回歸模型：

2.2.2 中介效應模型

在基準回歸模型的基礎上，引入科技人才集聚和科技創新效率來探討數字經濟與制造業轉型升級的傳導路徑，構建如下中介效應模型：

2.2.3 門檻效應模型

考慮到科技人才集聚和科技創新效率對數字經濟與制造業轉型升級存在非線性的間接效應，設定如下的面板門檻模型：

2.3 數據說明

本文選取了2010—2021 年我國30 個省份（不含西藏和港澳臺）規模以上制造業的統計數據進行實證研究，收集了360 個數據樣本，數據樣本均來自于各省份統計年鑒。各變量的描述性統計如表2所示。

表2 描述性統計結果

3 實證分析

3.1 單位根檢驗

本文采用HT 檢驗對收集整理好的數據進行單位根檢驗，在零階差分的單位根HT檢驗下，經濟發展水平、外商直接投資、政府參與程度和金融發展水平的統計值均通過了顯著性檢驗，達到了平穩狀態，但制造業高度化轉型升級、制造業合理化轉型升級、科技人才集聚、科技創新效率、數字經濟和教育投入水平未通過顯著性檢驗，表明存在單位根，通過一階差分各變量均達到了平穩狀態。

3.2 協整檢驗

為進一步探討含單位根的變量之間是否存在長期均衡關系，對變量進行協整檢驗，本文采用Kao 檢驗、Westerlund檢驗和Pedroni檢驗三種檢驗方法，通過三種檢驗結果可知，所有含單位根的變量的統計量都通過了顯著性檢驗，證明了相同階的變量之間有著明顯的長期協整關系。

3.3 基準回歸分析

由表3 列（1）可知，當將制造業高度化轉型升級作為被解釋變量時，數字經濟的系數為3.621且在1%的水平上顯著，說明數字經濟能夠驅動制造業高度化轉型升級。由表3 列（2）可知，當以制造業合理化轉型升級為被解釋變量時，數字經濟的系數為0.484，在1%的水平上顯著，說明數字經濟能夠驅動制造業合理化轉型升級。假設1 得到了驗證，即數字經濟對制造業轉型升級起到了顯著正向促進作用。數字經濟利用數字技術轉換新舊動能，改善資源配置效率，通過提升制造業企業的生產效率和競爭力來促進傳統制造業的轉型升級，從而實現經濟的可持續發展。

表3 回歸分析結果

3.4 穩健性檢驗

本文通過工具變量法來緩解內生性問題。借鑒黃群慧等（2019）[20]的研究，選用1984年每百人固定電話數量和每百人郵局數量與互聯網用戶數構造交互項，作為數字經濟的工具變量，并進行兩階段最小二乘回歸（IV-2SLS）。對工具變量進行檢驗，在“不可識別檢驗”中，Anderson LM統計量的P值小于0.01，證明了工具變量是可識別的。在“弱工具變量檢驗”中，Cragg-Donald Wald F 統計量大于10%水平上的臨界值，證明該工具不是弱工具變量。在“過度識別檢驗”中，Sargan-Basmann 檢驗的統計量不顯著，證明了所有工具變量均為外生變量。在DWH檢驗中，P值均小于0.01，證明數字經濟是內生變量，以上檢驗結果說明了該工具變量的選擇是合理的。表3 列（3）和列（4）顯示了在工具變量法下，數字經濟對制造業高度化轉型升級和制造業合理化轉型升級的影響系數仍顯著為正，進一步驗證了基準回歸結果的穩健性。

3.5 中介效應檢驗

當科技人才集聚成為中介變量時，下頁表4 列（1）至列（3）顯示數字經濟與科技人才集聚之間的關聯性非常強，系數為1.424且在1%的水平上顯著?？萍既瞬偶蹖τ谥圃鞓I高度化轉型升級的影響系數為0.644，且在1%的水平上顯著，說明科技人才集聚在數字經濟驅動制造業高度化轉型升級中發揮了正向中介作用?？萍既瞬偶蹖τ谥圃鞓I合理化轉型升級具有重要的影響，其回歸系數為0.029且在1%的水平上顯著，說明科技人才集聚在數字經濟驅動制造業合理化轉型升級中發揮了正向中介作用。以上結果證明科技人才集聚在數字經濟驅動制造業轉型升級中發揮了正向中介作用，假設2得到了驗證。加入中介變量后的數字經濟對制造業高度化轉型升級和制造業合理化轉型升級的影響系數仍顯著為正，但系數與基準模型相比有所下降，說明科技人才集聚發揮了部分中介作用。

表4 中介效應檢驗結果

當科技創新效率作為中介變量時，表4列（4）至列（6）顯示數字經濟和科技創新效率之間存在著一定的相關性，其系數為0.593 且在1%的水平上顯著?？萍紕撔滦蕦χ圃鞓I高度化轉型升級的影響系數為0.878 且在1%的水平上顯著，說明科技創新效率在數字經濟驅動制造業高度化轉型升級中發揮了正向中介效應。科技創新效率對制造業合理化轉型升級的影響系數為0.023 且在1%的水平上顯著，說明科技創新效率在數字經濟驅動制造業合理化轉型升級中發揮了正向中介效應。以上結果證明科技創新效率在數字經濟驅動制造業轉型升級中發揮了正向中介效應，假設3得到了驗證。加入中介變量后的數字經濟對制造業高度化轉型升級和制造業合理化轉型升級的影響系數仍顯著為正，但系數與基準模型相比有所下降，說明科技創新效率發揮了部分中介作用。

3.6 門檻效應檢驗

本文選取科技人才集聚和科技創新效率作為門檻變量進行門檻效應檢驗，采用Bootstrap算法抽樣500次。結果顯示，科技人才集聚在制造業高度化轉型升級中通過了單一門檻檢驗，在1%的水平上顯著，門檻值為1.623，未通過雙重門檻和三重門檻檢驗；科技人才集聚在制造業合理化轉型升級中通過了單一門檻和雙重門檻檢驗，兩個門檻值分別為0.771和1.652，未通過三重門檻檢驗。科技創新效率在制造業高度化轉型升級中通過了單一門檻檢驗，在5%的水平上顯著，門檻值為0.705；科技創新效率在制造業合理化轉型升級中通過了單一門檻和雙重門檻檢驗，兩個門檻值分別為0.388和0.741。

根據表5的門檻效應檢驗結果可知，數字經濟對制造業轉型升級的影響效應呈現非線性特征。表5 列（1）顯示，當科技人才集聚的值小于1.623時，數字經濟對制造業高度化轉型升級的回歸系數為1.865；當科技人才集聚的值大于1.623 時，數字經濟對制造業高度化轉型升級的回歸系數為3.827。表5 列（2）顯示，當科技創新效率低于0.705 時，數字經濟對制造業高度化轉型升級的回歸系數為1.677；當科技創新效率高于0.705 時，數字經濟對制造業高度化轉型升級的回歸系數為3.932。表5列（3）顯示，當科技人才集聚的值低于0.771 時，數字經濟對制造業合理化轉型升級的回歸系數為0.238；當科技人才集聚的值介于0.771～1.652 時，數字經濟對制造業合理化轉型升級的回歸系數為0.351；當科技人才集聚的值超過1.652 時，數字經濟對制造業轉型升級的回歸系數為0.435。表5列（4）顯示，當科技創新效率低于0.388 時，數字經濟對制造業合理化轉型升級的回歸系數為0.309；當科技創新效率介于0.388～0.741 時，數字經濟對制造業合理化轉型升級的回歸系數為0.383；當科技創新效率高于0.741 時，數字經濟對制造業合理化轉型升級的回歸系數為0.504。以上結果說明科技人才集聚和科技創新效率在跨過相應的門檻值后，數字經濟對制造業轉型升級的作用效果得到了進一步提升。

表5 門檻效應回歸結果

3.7 異質性分析

3.7.1 時間異質性分析

我國在2015 年發布《中國制造2025》，開始了以制造業數字化轉型和高質量發展為目標，因此本文以2015 年為界劃分兩個時間段：第一階段為2010—2014年，第二階段為2015—2021 年，來討論數字經濟對制造業轉型升級的影響是否存在時間異質性。下頁表6 列（1）和列（2）顯示，對于制造業高度化轉型升級而言，在第一階段數字經濟對制造業高度化轉型升級的影響系數為1.643，在5%的水平上顯著；在第二階段數字經濟對制造業高度化轉型升級的影響系數為3.919，通過了1%水平的顯著性檢驗，這說明在第二階段數字經濟對制造業高度化轉型升級的影響效應比第一階段更為顯著。表6列（3）和列（4）顯示，當以制造業合理化轉型升級為被解釋變量時，在第一階段和第二階段數字經濟對制造業合理化轉型升級的影響系數分別為0.356和0.402，均通過了1%水平上的顯著性檢驗，這說明在第一階段和第二階段數字經濟對制造業合理化轉型升級的影響效應基本不存在明顯的異質性。自2015年以來，我國加快推動了數字經濟與制造業技術融合發展，把制造業數字化轉型升級作為主攻方向，全面提升制造業企業研發能力，產業效率的提高帶動了制造業總產值的大幅度上升，但制造業產業結構布局方面提升的幅度并不大。

表6 時間異質性分析結果

3.7.2 空間異質性分析

進一步將30 個省份劃分為沿海區域和內陸區域，以探討數字經濟對制造業轉型升級的影響的空間異質性。表7列（1）和列（2）顯示，沿海區域數字經濟對制造業高度化轉型升級的影響系數為3.877，在1%的水平上顯著；內陸區域數字經濟對制造業高度化轉型升級的影響系數為2.311，在5%的水平上顯著，說明沿海區域數字經濟對制造業高度化的影響程度要顯著高于內陸區域。表7列（3）和列（4）顯示，沿海區域數字經濟對制造業合理化轉型升級的影響系數為0.723，在1%的水平上顯著；內陸區域數字經濟對制造業合理化轉型升級的影響系數為0.586，在5%的水平上顯著，說明沿海區域的數字經濟對制造業合理化轉型升級的影響程度也顯著高于內陸區域。產生空間異質性的原因在于沿海區域改革開放時間早于內陸區域，經濟開放程度較高，同時沿海區域地理位置優越，沿海區域的制造業企業擁有更先進的技術和管理經驗，資源配置效率和貿易程度較高，因此數字經濟對制造業轉型升級的影響程度也較高。

表7 空間異質性分析結果

4 結論與建議

本文通過實證分析得出如下結論：（1）數字經濟在制造業高度化和合理化轉型升級中均發揮了顯著正向促進作用，通過工具變量法進行穩健性檢驗后，該結論依舊成立。（2）數字經濟能夠通過科技人才集聚和科技創新效率推動制造業高度化和合理化轉型升級，科技創新是制造業轉型升級的重要中介渠道。（3）科技人才集聚和科技創新效率在制造業高度化轉型升級中均存在單一門檻效應，在制造業合理化轉型升級中均存在雙重門檻效應。（4）數字經濟對制造業高度化轉型升級的影響存在時間異質性，但對制造業合理化轉型升級的影響不存在時間異質性；數字經濟對制造業高度化和合理化轉型升級的影響均存在空間異質性，對沿海區域的影響效應比內陸區域更顯著。

基于以上研究結論，提出如下建議：（1）持續推進以人工智能、大數據、5G等為代表的信息技術與制造業的融合發展，推廣企業自動化的生產運作模式，以信息技術服務塑造制造業獨特性，共同打造制造業信息化、數字化和智能化的生態圈，加快制造業數字化轉型發展。（2）政府層面應該完善地方人才引進政策，推進科技型人才團隊建設，鼓勵制造業企業和高校合作，加強相互間的研發合作和經驗共享。企業層面應該大力招聘和培養科技人才，實施科技人才的持股計劃以留住科技人才。（3）建立完善的政府研發補貼科學評價機制，對企業科技投入產出效率做出合理評價以確定財政補助的對象、范圍和金額，進一步提高科技創新效率。注重科技成果化給企業帶來的生產效益，改進工藝，提高企業研發投入的占比和投入產出效率。（4）統籌兼顧沿海區域和內陸區域數字經濟的發展差異。把內陸區域的發展重點轉向數字基礎設施建設方面，進一步促進內陸區域制造業的發展。