數字經濟的增長效應及其影響機制

李 鑫，魏 姍

（1.上海社會科學院世界經濟研究所，上海 200235；2.西安交通大學經濟與金融學院，西安 710061；3.江蘇師范大學馬克思主義學院，江蘇 徐州 221116）

0 引言

現代信息技術催生了數字經濟，也帶來了新一輪的工業革命，以大數據、云計算、人工智能、量子計算等技術為標志的數字技術逐漸滲透至越來越多的經濟社會領域，而這引致了生產方式、生活方式的巨大變革。同時，數據作為數字經濟的核心要素，也逐漸成為一種生產要素，在生產、營銷、管理等各方面對經濟社會運行起到了巨大的促進作用。數字經濟在當前經濟社會中已經占據舉足輕重的地位，數字經濟對經濟增長的影響也越來越深遠。從經濟學視角考慮，數字經濟可以更加有效地配置資源，從而提升經濟效率。數字技術的廣泛應用極大地拓展了經濟活動的范圍，同時也對各國的產業發展道路產生了深刻的影響。數字經濟對經濟增長的促進作用集中體現在技術變革引致的效率提升進而優化要素資源配置、提升經濟發展水平上，但數字經濟對經濟增長的具體作用效果仍有待進一步分析。不同區域數字經濟發展水平可能存在較大差異，這種異質性是否會導致不同的作用效果也需要通過實證分析來驗證。基于此，本文從數字用戶、數字平臺、數字產業和數字交易四個維度，運用主成分分析法測度了我國30個省份的數字經濟發展水平，從動態視角和區域異質性視角探討了增長效應的作用程度和地區差異，并基于數字經濟各維度和不同時間區間進行了穩健性檢驗。

1 理論分析與研究假設

1.1 數字經濟的增長效應

已有研究認為數字經濟對經濟增長的促進作用表現出逐漸疊加的態勢，整體效應類似于Young（1993）[1]提出的“干中學”理論。這種促進作用存在一種加速效應，而這主要源于數字經濟中數據資本的應用。徐翔和趙墨非（2020）[2]將數據化的生產要素定義為數據資本，分析其經濟增長路徑，認為其具有拉動經濟增長的潛在能力。邱子迅和周亞虹（2021）[3]采用廣義DID模型分析了國家級大數據綜合試驗區的影響效應，認為數字經濟顯著提高了地區生產率且這種促進作用很大程度上是技術升級主導的。據此，本文提出：

假設1：數字經濟能夠顯著促進經濟增長，且呈現一種加速效應。

1.2 數字經濟增長效應的作用機制

本文從貿易開放度和全要素生產率兩個層面考量其調節機制。一方面，數字經濟對經濟的提升主要體現在流通中，最直接的表現就是數字貿易。數字經濟有助于降低貿易成本[4]，擴展貿易邊界[5]，促進對外貿易活動的增長[6]，因此貿易開放度高的地區數字經濟對經濟增長的貢獻度也可能越高。但考慮到部分地區經濟發展水平較低且貿易開放度極低，在這種情況下發展數字經濟可能并不能促進經濟增長，反而會因為數字基礎設施等的投入占用要素資源，降低經濟發展速度。據此，本文提出：

假設2：貿易開放度在數字經濟的增長效應中具有“U”型調節作用。

另一方面，數字經濟作為新的業態和經濟模式，其發展離不開技術等的推動，數字經濟的增長效應可能受到地區技術水平的影響。沈曉平等（2022）[7]在研究數字經濟對國內經濟的影響效應時發現數字技術應用的推動效應較強，可以預見的是，技術水平相對較高的地區數字經濟的增長效應可能較強。據此，本文提出：

假設3：全要素生產率在數字經濟的增長效應中具有正向調節作用。

2 研究設計

2.1 模型設定

假定社會生產函數符合柯布-道格拉斯生產函數的設定，即Y=A(t)LαKβ，其中，A(t)表示技術進步，α和β分別表示勞動力和資本的產出彈性，且假定社會生產過程中K/L不隨時間變化，即滿足希克斯中性技術進步條件。參考谷克鑒和陳福中（2016）[8]的模型設定，經濟增長函數可設定為：

其中，Y代表經濟增長，模型中勞動力、資本均為時間t的函數。考慮到資本投入實質上是各類資源的投入，在開放經濟條件下，外商投資作為重要的資本來源也是需要考慮的對象，因此將金融發展水平、能源消費量和實際利用外資水平作為資本投入的代理變量納入模型。另外，為了考察數字經濟的增長效應，將數字經濟作為新增投入要素加入式（1），可以得到如下模型：

運用國內生產總值（gdp）表示地區經濟增長水平，就業人數（qe）表示勞動力投入，將金融發展水平（fid）、能源消費量（ecp）和實際利用外資水平（afc）作為資本投入的代理變量，創新能力（npg）作為技術進步的代理變量，同時引入產業結構（IS）作為地方經濟的特征變量。依照柯布-道格拉斯生產函數的特點，分別用相應的經濟增長系數來反映各要素對經濟增長的影響程度。因此式（2）可表示為：

其中，α、β、δ、γ、η分別表示勞動力、金融發展水平、能源消費量、實際利用外資水平和數字經濟對地區經濟增長的影響。

對式（3）兩邊同時取自然對數，可得：

其中，μi為對地區估計的截距項，為方便表示且突出本文的主題，令αi=μi；將除數字經濟外的其他變量記為X，將式（4）進一步化簡為：

其中，下標i表示省份，t表示時間，lngdp是GDP 的對數，digit表示數字經濟發展水平，X表示除數字經濟外的其他控制變量。考慮到使用的是面板數據模型，為控制不同省份不隨時間變化的不可觀測因素，在式（5）中加入地區固定效應，同時依照慣例加入時間固定效應，可得：

其中，系數β0衡量數字經濟對經濟增長的影響，φi為省份固定效應，μt為時間固定效應，εit為隨機誤差項。

考慮到靜態模型僅考察了數字經濟的當期影響，而產業結構轉型具有較強的發展慣性以至于外在表現往往是動態且相對滯后的，僅進行靜態分析并不能很好地反映實際情況。因此，將被解釋變量的滯后一期加入式（6），構建動態面板數據模型：

2.2 變量選取

2.2.1 核心解釋變量

本文核心解釋變量為數字經濟（digit）。結合數據的可得性和可靠性以及已有研究，本文構建包含數字用戶、數字平臺、數字產業和數字交易四個維度的數字經濟指標體系，見表1。對于數字經濟發展綜合指數的測算，本文借鑒齊俊妍和任奕達（2020）[9]的方法，運用主成分分析法計算得到三個特征值大于1且反映78%信息量的主成分，根據各主成分占比計算綜合指數，作為數字經濟發展水平的度量指標。

表1 數字經濟指標體系

2.2.2 控制變量

為了更全面地分析數字經濟對產業結構的影響，設定如下控制變量：就業人數（qe），用城鎮就業人數表示；金融發展水平（fid），用金融業增加值/GDP 表示；創新能力（npg），用專利申請授權數表示；能源消費量（ecp），用電力消費量（實物量）表示；實際利用外資水平（afc），用年度實際利用外資表示；產業結構（IS），參考陳世金等（2021）[10]的做法，選取第二產業增加值占GDP 比重與第三產業增加值占GDP比重的比值來度量產業結構。

2.2.3 調節變量

本文將貿易開放度（open）和全要素生產率（tfp）作為調節變量，在下文的影響機制分析中用以考察數字經濟增長效應的作用機制。其中，貿易開放度為地區進出口貿易總額與國內生產總值的比值；全要素生產率參照Battese和Coelli（1995）[11]的研究，采用SFA方法測算。

2.3 數據來源

本文選取2011—2020 年我國30 個省份（不含西藏和港澳臺）的均衡面板數據。研究使用的數據除了數字普惠金融指數來自北京大學數字金融研究中心課題組發布的《北京大學數字普惠金融指數（2011—2020 年）》外，其他數據主要來自中經網統計數據庫、國研網經濟類數據庫、《中國統計年鑒》《中國電子商務報告》，對個別缺失數據運用插補法和平均值法補齊。

3 實證分析

3.1 基準回歸結果

根據經驗分析，應選擇固定效應模型進行估計，考慮到避免模型選擇錯誤導致的估計誤差，分別選用混合效應、固定效應和隨機效應模型進行估計，并進行了Wald檢驗和Hausman 檢驗。其中，Wald 檢驗統計量F（29，254）=19.10，顯著拒絕不存在個體固定效應的假設，故排除混合效應模型；同時Hausman 檢驗結果顯示chi2（8）=37.62，顯著拒絕不存在系統性差異的原假設，因此本文選擇固定效應模型進行估計。

實證結果如表2 所示。列（1）至列（7）報告了逐步回歸結果。結果顯示，數字經濟的系數均正向顯著且數值變化不大，表明數字經濟對經濟增長的促進效應比較明顯，這驗證了假設1。就業人數、創新能力、實際利用外資水平和產業結構的系數顯著為正，表明技術進步、勞動力增加、實際利用外資增加、產業結構升級均能顯著促進經濟增長；金融發展水平的系數顯著為負，這可能是因為本文選擇的時間段金融業發展超過經濟增長的正常需求，即金融業的過快增長可能導致金融走向脫實向虛的歧路，進而抑制產業資本積累和實體經濟發展[12]。

表2 基準回歸結果

3.2 異質性分析

考慮到我國東、中、西部地區發展差異明顯，數字經濟發展水平也可能存在較大差異，本文將樣本按照地域分布劃分為東、中、西部地區三個子樣本進行分析。由圖1 可以發現，中部和西部地區數字經濟發展水平較為接近，均呈快速增長態勢，但整體發展水平低于東部地區；東部地區各省份數字經濟發展較不均衡，其中海南、遼寧等省份發展較為滯后。從增速來看，各省份均呈較快增長態勢，東部地區的海南、遼寧、天津增速相對較慢，中部地區的安徽、西部地區的四川在區域內增速最快，甚至趕超部分東部地區省份。

圖1 東、中、西部地區各省份數字經濟發展水平

地區差異可能同樣反映在作用效果上，本文針對東、中、西三大地區分別分析數字經濟的增長效應。下頁表3中列（1）和列（2）分別為東部地區不包含控制變量和包含控制變量的回歸結果，列（3）和列（4）為中部地區回歸結果，列（5）和列（6）為西部地區回歸結果。可以發現，中部和西部地區回歸系數均顯著為正，表明增長效應明顯，且對中部地區的增長效應高于對西部地區的增長效應，原因在于中部地區相對于西部地區數字經濟發展水平更高，對經濟增長的促進作用更加明顯。東部地區回歸系數不顯著，可能的原因是，東部地區數字經濟發展水平和經濟發展水平均相對較高，數字經濟相對于其他要素投入的促進作用并不明顯；由于東部地區數字經濟對經濟增長促進作用的滯后效應明顯，因此當期的結果并不能反映二者間的真實關系。下文運用動態模型進行了進一步檢驗，發現第二個原因應為更合理的解釋。

表3 東、中、西部地區回歸結果

3.3 內生性問題處理

數字經濟的增長效應可能存在的滯后效應和雙向因果問題，這有可能產生內生性問題進而導致模型估計偏誤，本文構建動態模型分析數字經濟的增長效應。考慮到動態面板模型中被解釋變量滯后項與隨機擾動項可能存在一定的相關性，傳統的最小二乘估計難以得到無偏且一致的估計結果，比較常見的做法是更換估計方法。本文運用三種方法來檢驗動態模型的估計效果，分別為面板工具變量法、差分GMM 和系統GMM，均引入被解釋變量的高階滯后項作為工具變量控制由此產生的內生性問題。區別在于面板工具變量法側重于對固定效應模型進行離差變化，并使用工具變量法進行回歸；差分GMM運用一階差分消除個體效應影響后進行廣義矩估計；系統GMM 則在差分GMM 的基礎上添加水平GMM 以修正個體效應被去除可能造成的估計不一致。

表4的動態模型回歸結果顯示，無論是采用面板工具變量法、差分GMM 還是系統GMM 方法，核心解釋變量（digit）的系數均顯著為正，且回歸結果與靜態模型較為接近，表明數字經濟對經濟增長有明顯的促進作用。采用動態面板模型重新分區域進行異質性分析，由于中西部地區有一定的同質性，因此將全樣本分為東部地區和中西部地區。由于拆分后樣本量較少，難以滿足GMM方法的要求，因此使用面板工具變量法進行分析。對東部地區和中西部地區的動態分析結果顯示，數字經濟的增長效應同樣顯著，且東部地區較中西部地區的效應更強，結果也更顯著，這也驗證了上文的觀點。

表4 動態模型回歸結果

從模型設定的有效性來看，表4中GDP的滯后項系數顯著為正，且在1%的水平上顯著，表明數字經濟的增長效應存在一定的發展慣性，動態模型設定是有意義的。同時，從AR（2）的結果來看，隨機擾動項不存在顯著的二階序列自相關問題，可接受原假設擾動項無自相關問題；Hansen 檢驗表明工具變量整體有效，不存在過度識別問題，模型設定整體有效。

3.4 穩健性檢驗

3.4.1 分維度檢驗

數字經濟發展水平的度量指標是一個綜合的指標，包括數字用戶、數字平臺、數字產業、數字交易四個維度。為保證結果的穩健性，本文將綜合指數的四個維度拆分開來，分別檢驗各個維度對經濟增長的作用，借鑒柏培文和張云（2021）[13]的做法，對各維度的指標進行無量綱化處理，并運用算術平均法將各維度指標分別合成一個綜合指標以分別度量四個維度的發展狀況。

表5 中列（1）至列（4）分別展示了數字用戶、數字平臺、數字產業和數字交易四個維度對經濟增長作用的結果。結果顯示，數字用戶、數字平臺和數字交易三個維度的變化對經濟增長的影響均正向顯著，其中，數字用戶和數字交易的系數更大，表明其增長效應更加明顯；數字產業的增長效應不顯著，可能的原因是數字產業并不直接作用于經濟增長。但整體來看，數字經濟發展三個維度指標均對經濟增長有顯著促進作用，證明前文實證結果較為穩健。

表5 分維度檢驗結果

3.4.2 不同時間區間的檢驗

考慮到數字經濟的增長效應在不同時間段可能不同，本文將樣本時間區間劃分為不同時間段，以檢驗上文回歸結果的穩健性。具體劃分為5 組，同樣使用系統GMM 估計方法，結果如表6 所示。其中，列（1）為2011—2016 年，列（2）為2012—2017 年，列（3）為2013—2018 年，列（4）為2014—2019，列（5）為2015—2020年，每組時間長度均為6年。可以看到，在不同的時間段內，數字經濟對于經濟增長均保持顯著的正向影響，且影響程度與基準回歸結果相差不大，說明本文的結果較為穩健。

表6 不同時間區間的回歸結果

4 影響機制分析

由前文分析可知，數字經濟的增長效應可能受到地區貿易開放度和全要素生產率的影響。因此，將貿易開放度和全要素生產率作為調節變量，考察二者對數字經濟的增長效應的影響機制。為檢驗前文提出的假設，設定回歸模型如式（8）至式（10）所示：

其中，i、t、φi、μt的含義與前文一致。式（8）和式（9）用來檢驗貿易開放度對數字經濟增長效應的“U”型調節作用，式（10）檢驗全要素生產率對數字經濟增長效應的正向調節作用。在實證檢驗中，考慮了未添加控制變量和添加控制變量的情形，表7 中列（1）、列（3）、列（5）均為未添加控制變量的回歸結果，列（2）、列（4）、列（6）為添加控制變量的回歸結果。

表7 報告了機制檢驗結果。列（1）至列（4）為貿易開放度的調節效應檢驗結果，列（1）、列（2）為線性調節作用檢驗結果，貿易開放度的調節作用顯著為負，列（3）、列（4）匯報了引入二階調節項的回歸結果，模型R2顯著提升，且一階調節交互項系數顯著為負，二階調節交互項系數顯著為正。同時，經計算發現滿足極值點在取值范圍內且小于均值，數據范圍兩側斜率相反，表明貿易開放度對數字經濟增長效應的調節作用具有“U”型特征，即當貿易開放度較低時，其對數字經濟增長效應可能存在負向調節作用，但當貿易開放度達到一定水平后，這種調節作用變為正向，驗證了假設2。

關于全要素生產率對數字經濟增長效應的調節作用，檢驗結果如表7列（5）、列（6）所示，可以發現，不管是否加入控制變量，全要素生產率這一調節變量對數字經濟增長效應的影響均顯著為正，驗證了假設3。

5 結論與建議

數字經濟作為一種新的經濟形態，正逐漸成為經濟社會新的增長動力。本文深入分析了數字經濟的增長效應，同時，將貿易開放度和全要素生產率納入分析框架，考察數字經濟增長效應的調節機制。基于2011—2020年的省級面板數據，構建數字經濟指標體系，并運用面板固定效應模型、動態面板模型、調節效應模型，多維度檢驗了數字經濟的增長效應及其影響機制。主要結論如下：第一，數字經濟對經濟增長有明顯的促進作用。第二，異質性分析結果表明，東部地區與中西部地區數字經濟發展水平差異明顯；靜態模型結果顯示，數字經濟對東部地區的作用效果不顯著，這與滯后效應有關，數字經濟對中部地區的作用效果較西部地區更強，數字經濟基礎影響數字經濟的增長效應；動態模型結果顯示，東部地區和中西部地區數字經濟的增長效應均顯著為正，且東部地區促進效果更強。第三，調節效應模型結果顯示，貿易開放度對數字經濟的增長效應具有“U”型調節作用，全要素生產率具有正向調節作用。

基于以上實證結果，本文提出如下建議：第一，應注意充分發揮數字經濟促進經濟發展的優勢，加大對數字技術的投資力度和研發力度，推動數字技術在各行各業的應用，特別應注重5G、區塊鏈、人工智能、大數據等技術在傳統行業的多樣化、多層次的應用，同時應加強數字基礎設施建設，加大數字化人才培養力度，鞏固數字經濟發展基礎，推動數字社會、數字經濟高質量發展。第二，考慮到東、中、西部地區數字經濟基礎差異及經濟發展水平差異，應注意實施差異化發展戰略，尤其是中西部地區應加大數字相關投入，同時應注意監測戰略實施成效，根據實際發展狀況動態調整資源投入，深化數字經濟促進經濟發展的作用程度，為減小地區發展的不均衡性提供“數字”支撐。第三，數字經濟增長效應的調節機制表明數字經濟與貿易開放度和全要素生產率有密切關系。應注意在貿易開放度較低、經濟較差的地方適度發展數字經濟，避免拔苗助長；在貿易開放度高、經濟較好的地方加快數字經濟發展速度，推動數字經濟基礎設施建設水平、數字化水平的提升，以更好地促進經濟增長。同時，注意提升地區技術水平，積極引進高技術人才，培育高技術產業，引進高技術項目，增加技術推動能力，以助力數字經濟發展，推動經濟發展水平快速提升。