數字經濟賦能中國制造業高質量發展

鄧光婭 王碩

摘 要：當今時代數字經濟既可以引領經濟高質量發展，又是推動制造業增效提質和轉型升級的關鍵動能。本文使用2018—2022年中國制造業企業上市公司的數據，測算數字經濟指數以及制造業高質量發展水平，構建面板模型實證檢驗數字經濟是否可以促進制造業高質量發展，并通過替換被解釋變量衡量方式和增加行業控制固定效應的方式進一步驗證數字經濟促進制造業高質量發展的可靠性。最終得出結論，數字經濟可以明顯促進制造業高質量發展。數字經濟時代，我國政府應大力推動制造業數字化、網絡化及智能化發展，促進全要素生產率提升，推動制造業質量變革、效率變革、動力變革，加快新型工業化進程，促進我國產業向全球價值鏈中高端邁進。

關鍵詞：數字經濟；制造業；高質量發展；創新能力；環境可持續性

本文索引：鄧光婭，王碩.<變量 2>[J].中國商論，2024（12）：-051.

中圖分類號：F276.44 文獻標識碼：A 文章編號：2096-0298（2024）06（b）--04

黨的十九大報告指出，中國已經由高速增長階段轉向高質量發展的新階段，目前正處于轉變發展方式、轉換增長動力、優化經濟結構的關鍵時期。我國是工業大國，制造業高質量發展是我國構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局的關鍵。目前，我國制造業迫切需要通過轉型升級來提高國際競爭力，從而實現高質量發展。數字經濟作為新型經濟形態，可以對傳統行業進行賦能促進傳統制造業轉型升級。因此，本文研究數字經濟對制造業高質量發展的影響，對我國合理科學地制訂數字經濟政策，從而實現制造質量發展具有深刻意義。

1 數字經濟促進制造業高質量發展的作用機理

首先，數字經濟對制造業企業轉型升級有明顯的促進作用。數字技術可以優化企業資源配置，助力制造業結構升級。在數字經濟條件下，數字技術可以提升供需匹配效率，優化資源配置，以此助力制造業結構升級，從而促進制造業高質量發展。

其次，數字經濟使制造業經營模式發生顛覆性改變。數字經濟可以重塑制造業的邊界，打破傳統制造業的壁壘進行產品定制化、創新化生產，從而提高供需對接效率，促進制造業的高質量發展。

最后，數字經濟可以提高制造業企業的勞動生產率。數字經濟的發展可以為企業提供技術和服務，數字技術可以加快生產各環節的信息互通，進而加快生產過程中的生產數據整合，還可以提高生產設備自動化程度，從而促進勞動生產率的提升。

根據以上分析得到假設，即數字經濟可以正向推動制造業高質量發展。

2 實證分析

2.1 變量說明與數據來源

2.1.1 變量說明

被解釋變量為制造業高質量發展，測度制造業高質量發展情況的指標是制造業全要素生產率。在具體選擇方面，本文選用OLS法測度制造業企業全要素生產率水平，另借鑒林小玲和張凱運用固定效應模型，再使用OLS法測算TFP，以及LP法、GMM法衡量TFP用作穩健性檢驗。

核心解釋變量為數字經濟。本文借鑒韓先鋒等數據的可獲得性構建數字經濟指標體系記為del和del1，具體如表1所示。

控制變量。參考現有研究成果，本文對以下可變量進行控制：宏觀層面選取經濟發展水平（edl）、對外開放程度（open）、城鎮化水平（urban）、人力資本水平（hl）、政府參與程度（gpd）、社會消費水平（co）。在微觀層面，本文對以下變量進行控制：企業年齡（age）、企業規模（size）、資產負債率（lev）、現金流比率（cashflow）。

2.1.2 數據來源、處理和變量描述性統計及分析

本文選取 2018—2022年的制造業上市公司數據，剔除上市不滿一年或已經退市的企業、金融企業、ST企業，并對缺失數據進行剔除，共得到11133個觀察值，為減少異常值的影響，對所有連續變量進行1%和 99%的縮尾處理，并利用 Stata17軟件對變量進行描述性統計分析，結果如表2所示。

首先，制造業高質量發展水平（TFP_OLS）的平均值為9.1488，標準差為1.557，中位數為8.77。這表明在制造業的全要素生產率方面存在一定的差異，但整體上，該行業正處于一個相對較高的發展水平。其次，數字經濟發展水平（del）平均值為0.3534，標準差為0.192，中位數為0.35。這說明數字經濟在制造業中的滲透和應用雖處于一個中等水平，但也存在明顯的不均勻性。在宏觀控制變量方面，經濟發展水平（edl）、人力資本水平（hl）、城鎮化水平（urban）標準差分別為9.6914、0.0230、0.6995。這些指標表明宏觀經濟和基礎設施狀況在不同地區具有一定的差異。在微觀層面，企業年齡標準差為0.265，而企業規模（Size）的標準差為1.207。這些數據揭示了制造業企業在微觀特征上也存在一定的差異。

2.2 計量模型構建

為驗證數字經濟對制造業高質量發展的促進作用，本文構建以下面板模型：

TFP_OLSit=α0+α1 delit+γControlsit+ui+μp+θt+εit（1）

其中，被解釋變量TFP_OLS為制造業企業i在第t年的高質量發展水平。核心解釋變量delit為中小企業i所在的省份在第t年的數字經濟水平。Controls表示所有其他的控制變量。此外，模型控制了公司固定效應（ui）、省份固定效應（μp）和年份固定效應（θt），εit是模型中的殘差項。系數α1表示數字經濟對制造業高質量發展的影響，預期該系數顯著為正。

3 回歸結果分析

3.1 基準模型回歸分析

本文主要關注數字經濟發展水平（del）如何影響制造業高質量發展水平（mhd）。使用三種不同的回歸模型——OLS（普通最小二乘法）、RE（隨機效應）和FE（固定效應）進行分析。

首先，在表3（1）列OLS模型中，數字經濟發展水平（del）與制造業高質量發展水平有較強的正相關關系，系數為0.3670，并在5%的顯著性水平上具有統計顯著性。這一結果為本文的研究提供了初步的支持。

其次，在加入隨機效應（RE）模型后，del的系數略有上升，變為0.4176，但依然在1%的顯著性水平上保持統計顯著。這一結果表明，即便考慮到不可觀測的個體隨機效應，數字經濟與制造業高質量發展之間的正向關系依然十分穩健。

最后，在固定效應（FE）模型中，del的系數進一步下降到0.3487，但仍然在1%的顯著性水平上為正且顯著。這意味著在控制了時間不變但各個樣本之間有差異的不可觀測特性后，數字經濟水平每提高1%，制造業高質量發展水平將提高34.87%。

這一發現初步證實了本文的主要研究假設，即數字經濟對制造業高質量發展有明顯的促進作用。然而，這一結論仍需進一步的實證檢驗和深度分析。

3.2 穩健性檢驗

本文采用多重穩健性檢驗方法。首先，改變了被解釋變量的測量方法，分別使用FE（固定效應）、LP（Levinsohn-Petrin）和GMM（廣義矩估計）方法來測算全要素生產率，并將這些新測算的值作為被解釋變量進行回歸。這些結果分別展示在表4列（1）、列（2）和列（3）中。此外剔除了2022年疫情的數據，經過剔除后的穩健性檢驗結果展示在表4列（4）中，并調整了解釋變量——數字經濟發展水平（del）的測算方法。本文采用主成分分析法來重新測算數字經濟水平，并用這個新的測算值進行回歸分析。這一結果展示在表4列（5）中。最后為了捕捉不同行業之間可能存在的差異，本文在模型中加入了行業固定效應，加入行業固定效應后的穩健性檢驗結果展示在表4列（6）中。

本文在進行了多重穩健性檢驗后，得出以下結果。表4列（1）使用FE（固定效應）方法測算的全要素生產率（TFP_FE）作為被解釋變量時，del的系數為0.2707，且在5%的顯著性水平下顯著。表4列（2）采用LP（Levinsohn-Petrin）法測算的全要素生產率（TFP_LP）得到的del的系數為0.2436，且在1%的顯著性水平下顯著。表4列（3）在使用GMM（廣義矩估計）法測算的全要素生產率（TFP_GMM）下，del的系數降至0.2812，但在5%的顯著性水平下仍然顯著。這三列證明了數字經濟發展水平對制造業高質量發展水平（全要素生產率）的正面影響在不同測算方法下都是穩健的。表4列（4）在剔除2020年疫情影響的樣本后，del的系數上升到0.3706，并在1%的顯著性水平下顯著。這表明疫情的剔除并沒有負面影響回歸結果，反而使得數字經濟發展水平的影響更加顯著。表4列（5）采用主成分分析法替代熵權法來測算del時，其系數為0.3409，并在1%的顯著性水平下顯著。這說明無論是使用熵權法還是主成分分析法，數字經濟發展水平對制造業高質量發展水平的正面影響都是穩健的。表4列（6）在增加行業固定效應后，del的系數為0.3409，且在1%的顯著性水平下顯著。這證明即便考慮行業間的差異，數字經濟發展水平仍然是一個穩健的解釋變量。

綜上所述，本文通過各種穩健性檢驗，可以確認數字經濟發展水平（del）對制造業高質量發展水平有著顯著的正面影響。

4 結語

本文通過理論和實證檢驗探究數字經濟對制造業高質量發展的影響，并得到研究結果：數字經濟發展正向促進制造業高質量發展，且經過實證檢驗作用促進效果明顯。本文基于所得結論，得到如下幾點啟示：

（1）政府應深入推動快數字基礎設施建設，加強數字技術創新，提高全要素生產率，強力支持制造業數字化轉型。

（2）激活人才引擎動能，打造制造業數字化競爭新優勢。精準引才，打造制造業數字化人才高地。精心育才，完善人才培育機制。暖心留才，優化人才服務保障。科學用才，激發人才創新潛能。

（3）實現國際合作，充分發揮數字經濟的開放應用，主力對外發展新格局。

參考文獻

韋莊禹.數字經濟發展對制造業企業資源配置效率的影響研究[J].數量經濟技術經濟研究，2022，39（3）：66-85.

劉鑫鑫，惠寧.數字經濟對中國制造業高質量發展的影響研究[J].經濟體制改革，2021（5）：92-98.

段國蕊，于靚.制造業高質量發展評價體系構建與測度： 以山東省為例[J].統計與決策，2021，37（18）：99-102.

方梓旭，戴志敏.中國制造業高質量發展水平測度及時空特征研究[J].軟科學，2023（9）： 1-13.

李巧華.數字技術何以賦能企業科技向善： 耦合視角[J].財會月刊，2022（22）：148-153.

惠樹鵬，王緒海，單錦榮.中國工業高質量發展的驅動路徑及驅動效應研究[J].上海經濟研究，2021（10）：53-61+76.

TAPSCOTT D. The digital economy： Promise and peril in the age of networked intelligence[M].New York：McGraw-Hill， 1996： 8-15

陳曉紅，李楊揚，宋麗潔.數字經濟理論體系與研究展望[J].管理世界，2022（2）：208-224+13-16.

GOLDFARB A， TUCKER C. Digital economics[J]. Journal of economic literature，2019，57（1）：3-43.

趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展： 來自中國城市的經驗證據[J].管理世界2020，36（10）： 65-76．

劉成坤，江越，張啟慧，等.數字經濟發展水平的統計測度及時空演變趨勢研究[J].工業技術經濟，2022，41（2）：129-136.

黃先海，諸竹君.生產性服務業推動制造業高質量發展的作用機制與路徑選擇[J].改革，2021（6）.

徐慧.數字經濟對中國制造業高質量發展的影響[J].時代經貿，2023，20（1）：150-154.

賈建鋒，趙若男，劉偉鵬.數字經濟下制造業國有企業轉型升級的組態研究[J].研究與發展管理，2022，34（2）：13-26.

王德輝，吳子昂.數字經濟促進我國制造業轉型升級的機制與對策研究[J].長白學刊，2020（6）：92-99.

陳斌，何思思.數字經濟時代的虛擬集聚與制造業技術創新： 來自我國城市群的經驗證據[J].南方經濟，2023（8）：72-92.