基于ＰＳＭ－ＤＩＤ 方法的地方數字經濟政策實施成效評估

摘 要： ［目的／ 意義］ 數字經濟政策已成為政府促進經濟發展的重要政策工具， 實證分析我國地方數字經濟政策的實施成效， 有助于推動地方經濟實現高質量發展。［方法／ 過程］ 本文利用２０１０—２０２１ 年中國３３７ 個地級及以上城市的面板數據， 采用ＰＳＭ－ＤＩＤ 方法檢驗了地方數字經濟政策對地區經濟發展的影響。［結果／ 結論］地方數字經濟政策能夠顯著促進地區經濟增長， 但其促進作用存在兩年時滯； 人口規模較大或行政等級較高的城市數字經濟政策實施成效更顯著； 中西部地區數字經濟政策對地區經濟發展的促進作用超過了東部地區。

關鍵詞： 數字經濟政策； 政策評估； 雙重差分法； 傾向得分匹配； 地區經濟增長

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０１．００３

〔中圖分類號〕Ｆ４９ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０１－００３３－１３

隨著大數據、云計算、人工智能和物聯網等新一代數字技術的快速發展， 數字經濟成為驅動中國經濟高質量發展的新動能［１］ 。我國數字經濟總體規模已連續多年位居世界第二［２］ ， 根據中國國家互聯網信息辦公室發布的《數字中國發展報告（２０２２ 年）》顯示， ２０２２ 年我國數字經濟規模達５０. ２ 萬億元，同比名義增長１０. ３％， 占國內生產總值比重提升至４１. ５％［３］ ， 數字經濟已成為推動經濟增長的新引擎。黨中央與各級地方政府出臺的一系列政策文件為數字經濟的發展提供了政策保障與方向指引。然而，中國各地數字經濟政策是否能促進地區經濟顯著性增長？ 數字經濟政策效果的發揮是否存在一定的時滯效應？ 不同地區的數字經濟政策效果是否存在異質性？ 這一系列問題尚未得到充分驗證。基于此，本文采用傾向得分匹配—雙重差分（ＰＳＭ－ＤＩＤ）方法對地方數字經濟政策的實施成效進行評估， 檢驗地方數字經濟政策對地區經濟增長的直接影響， 并探討其時滯性效應和地區異質性。

１ 文獻回顧

１. １ 數字經濟政策

數字經濟以數字技術為基礎， 以數據化、網絡化、智能化和共享化為特征， 作為一種新型經濟形態， 已成為全球經濟增長的主要推力和新質生產力的重要構成［４－６］ 。而數字經濟政策主要用于促進、規制和治理數字經濟發展［７］ ， 經歷了從信息化到平臺經濟、數字經濟等不同的政策實踐階段， 數字經濟、數字金融和數字貿易的相關政策法規逐漸成為政策聚焦點［８］ 。其中， 國家層面頒布的數字經濟政策歷經了萌芽、信息化、“互聯網＋”、數字經濟階段演進， 政策重點總體上呈現從基礎生產制造逐漸轉向研發與應用［９］ ； 省際層面制定的數字經濟政策從總體上看， 其政策性質、目標和內容等均處于比較完善的水平［１０］ ， 但還存在一定程度的“目標—工具” 不匹配問題［１１］ 。隨著中國數字經濟進入與實體經濟不斷融合深化的新階段， 基礎創新能力較弱、發展不平衡、產業數字化程度不高和數字經濟治理薄弱等制約數字經濟發展的問題愈發突出［１２］ ， 亟需各級政府從數字經濟發展專用政策和通用政策兩方面完善政策體系［１３］ ， 構建適合數字生產力發展的激勵制度和約束制度體系［１４］ ， 探索包括創新、安全、開放合作、協調包容等數字經濟深化發展的宏觀政策框架［１５］ 。但是， 目前關于數字經濟政策評估的研究還較少， 現有研究文獻主要集中于數字經濟政策文本量化評價［１６－２０］ ， 探討政策如何促進數字經濟的發展［２１－２４］ ， 以及數字經濟政策如何促進創新［７，２５］ ， 尚缺乏數字經濟政策對經濟實證影響的研究。

１. ２ 數字經濟對經濟增長的影響

數字經濟對經濟增長的機制主要體現在兩個方面： 一方面， 數字經濟通過重構生產要素體系、提升全要素生產率、提高資源配置效率、促進產業融合等方式促進經濟增長［２６］ ； 另一方面， 數字經濟通過產生新的投資需求、增加新消費需求、創造新貿易需求等促進經濟增長［２７］ 。王開科等［２８］ 通過構建數字經濟投入產出模型， 實證分析發現， 我國數字經濟發展可以顯著改善社會生產效率。陳昭等［２９］利用熵值法和ＤＥＡ－Ｍａｌｍｑｕｉｓｔ 指數法， 實證檢驗了數字經濟可以通過提升區域創新水平、產業結構升級顯著促進經濟高質量發展。Ｊｉａｏ Ｓ Ｔ 等［３０］ 運用工具變量法、雙重差分法、中介效應模型、空間計量經濟模型等多種模型分析發現， 中國數字經濟發展對城市經濟增長有正向影響。

數字經濟對經濟增長的促進作用也存在區域異質性。呂明元等［３１］ 發現， 中國區域數字經濟總體發展水平雖然穩步提升， 但東部、西部、中部、東北部四大板塊數字經濟發展差異顯著， 且空間分布的非均衡性和漸進演進態勢可能會影響到數字經濟對區域經濟增長的整體效果。鄭嘉琳等［３２］ 證實了數字經濟對我國經濟高質量發展的影響存在顯著的區域差異， 其中西部地區受益最大， 中部地區受益最小。楊文溥［３３］ 采用面板門限模型， 發現數字經濟對發達地區經濟增長的促進作用強于落后地區。陳昭等［２９］ 發現， 數字經濟對經濟高質量發展具有促進作用， 但是異質性分析發現對中西部地區、高生產率地區與高人力資本水平地區影響更顯著。姚常成等［３４］ 發現， 基礎設施水平、城市創新水平以及市場化水平偏高的地區， 數字經濟對區域經濟的包容性增長效應更加突出。

數字經濟對地區經濟發展的影響具有時滯性。數字經濟從建立、發展到其對區域創新格局產生影響需要一定的時間［３５］ 。數字經濟與區域經濟增長是周期性波動的， 尤其是數字技術的投入帶來的波動變化較大， 這可能會對區域經濟的穩定增長造成一定的影響［３６］ 。Ｚｈｏｕ Ｍ［３７］ 發現， 隨著數字經濟的持續發展， 區域經濟差距呈現先擴大后縮小的倒Ｕ型趨勢。

綜上所述， 基于區域經濟角度， 由于地區間的產業結構、資源稟賦、技術發展和政策實施情況等方面的差異， 數字經濟在不同地區對經濟的影響可能存在差異。在政策實施方面， 不同地區的政策措施差異會對數字經濟發展產生不同影響， 并且這種影響與地區的產業結構、資源稟賦等相互交織， 這些因素如何共同塑造數字經濟的區域效應仍有待進一步研究。由于地區間的初始條件不同， 數字經濟政策在不同地區的經濟影響可能存在差異， 這種差異可以通過ＰＳＭ－ＤＩＤ 方法進行準確地識別和分析。ＰＳＭ 方法通過綜合考慮地區的產業結構、資源稟賦等特征， 將實施數字經濟政策的地區（處理組）和未實施的地區（控制組）進行匹配， 以確保兩組在這些特征上具有可比性。ＤＩＤ 方法則進一步利用處理組和控制組在政策實施前后的差異來估計數字經濟政策的凈效應。因此， 本文將結合ＰＳＭ 與ＤＩＤ 方法識別數字經濟政策在不同地區的影響， 以及這些影響如何受到地區特征的調節。

２ 研究設計

２. １ 數據來源

為了準確、全面評估數字經濟政策的實施效果，本文以中國３３７ 個地級及以上城市作為研究樣本，以２０１０—２０２１ 年作為樣本區間。主要原因如下： 首先， 根據中國國家統計局公布的數據， ２０１０ 年中國國內生產總值達到４０ 萬億人民幣， 人均ＧＤＰ 從８ ５９２元增加到２９ ６７０元， 中國正式成為世界第二大經濟體。與此同時， 《國務院關于加快培育和發展戰略性新興產業的決定》明確將新一代信息技術產業作為戰略性新興產業之一進行重點培育和發展， 強調加快建設寬帶、泛在、融合、安全的信息網絡基礎設施， 推動新一代移動通信、下一代互聯網核心設備和智能終端的研發及產業化， 為數字經濟未來發展奠定了基礎。因此， 本文選擇２０１０ 年作為起始年進行考察。其次， 選擇３３７ 個地級及以上城市涵蓋了中國不同區域、不同規模和不同發展水平的城市類型， 能夠全面地反映數字經濟政策在不同地區、不同條件下的實施效果。在數據來源方面， 各城市年度地區生產總值、第三產業占比、人口密度等經濟社會數據主要通過《中國城市統計年鑒》《中國統計年鑒》《中國城市建設統計年鑒》、各省或市國民經濟和社會發展統計公報及統計年鑒、國泰安數據庫、中國經濟社會大數據研究平臺等獲取， 個別缺失數據借助線性回歸預測的方式進行預測填補， 共計獲得４ ０３２條有效數據。

２. ２ 變量定義

本文的研究重點是地方數字經濟政策實施對地區經濟發展的作用， 以及對地區差異性進行詳細分析。但是考慮到地區經濟發展受到多方面因素的影響， 結合已有文獻與本文研究問題的實際情況， 本文的變量選取、定義和計算方法等如表１ 所示。

１） 被解釋變量。數字經濟政策能夠直接影響經濟發展水平， 而經濟發展水平的變化能夠在一定程度上反映數字經濟政策的作用效果。因此， 本文采用地區經濟發展水平作為衡量數字經濟政策效果的結果變量。具體而言， 本文采用常用的地區實際ＧＤＰ 的對數作為結果變量度量各城市經濟發展水平。

２） 核心解釋變量。本文的核心解釋變量是地方政府的數字經濟政策采納情況， 將其構建為一個虛擬變量ｄｉｇｉｔ ， 該變量用于表示城市ｉ 在第ｔ 年是否采納了數字經濟政策。具體而言， 若某城市ｉ 第ｔ 年已頒布數字經濟政策， 則視為采納， 并將虛擬變量賦值為１， 否則賦值為０。

３） 控制變量。為控制地方政府數字經濟政策采納行為以外的其他外生因素對城市經濟發展水平的影響， 本文借鑒現有相關研究成果， 并基于數據的可獲取性， 共選取９ 個控制變量。在經濟發展中，地區經濟增長離不開產業規模的擴張［４６］ ， 本文采用規模以上工業企業數度量產業規模化程度； 外商投資對區域經濟發展有正向外溢作用［４７］ ， 本文通過實際利用外資額度量各城市的對外開放程度； 人口密度對經濟發展影響比較復雜［４８］ ， 本文將其納入控制變量以揭示其在本研究情境中的作用機制； 雖然產業結構高級化程度對經濟發展影響不確定［４９］ ， 但為避免估計結果有偏誤， 本文亦將其考慮在內； 已有研究證實了城市化水平對區域經濟發展有驅動作用［５０］ ；普通高等學校在校學生數量反映各地區高學歷層次人才積累［５１］ ， 高等教育能夠直接拉動經濟發展［５２］ ，本文采用普通高等學校在校生數量衡量城市人力資本水平； 考慮到中國重視政府調控在資源配置和經濟發展中的作用［５３］ ， 且已有研究指出不同財政支出對經濟發展作用不同［５４］ ， 本文選用較常使用的地方財政預算內支出衡量政府調控； 金融發展水平影響經濟發展［５５］ ， 本文使用金融機構存貸款余額衡量；最低工資制度對經濟增長具有影響［５６］ ， 因此本文采用職工平均工資的對數值衡量收入水平。表２ 為被解釋變量、控制變量描述性統計分析結果。

２. ３ 傾向得分匹配

在政策評估研究中， 傾向得分匹配方法用于減少處理組與對照組之間的選擇偏差。逐期匹配方法能夠根據不同時期的特征進行匹配， 從而更好地捕捉政策效應隨時間的潛在變化。核匹配作為一種非參數方法， 能夠有效降低由于協變量分布差異引起的選擇偏差。本文參照斯麗娟等［５７］ 的做法， 以控制變量為協變量， 構建Ｌｏｇｉｔ 回歸模型， 采用核匹配方法分別對２０１０—２０２１ 年的樣本數據進行逐期匹配。結果如表３ 所示， 全部協變量進行匹配后的標準偏差明顯降低， 大部分降幅在１０％ 以內， 表明匹配過程有效地減少了處理組和對照組在協變量上的變異性。此外， ＰＳ Ｒ２、ＬＲ ＣＨＩ２、ＭｅａｎＢｉａｓ 等指標在匹配后的標準偏差均顯著下降， 進一步證實了匹配后樣本在關鍵協變量上的平衡性得到了明顯提升。

為確保傾向得分匹配結果的可靠性和有效性，本文進一步進行了共同支撐假設檢驗。共同支撐假設要求處理組（Ｔｒｅａｔｅｄ）和未處理組（Ｕｎｔｒｅａｔｅｄ）的傾向得分必須在一個共同的范圍內有重疊， 以確保匹配的樣本可比。根據表４ 所示， ２０１０—２０２１ 年處理組（Ｔｒｅａｔｅｄ）和未處理組（Ｕｎｔｒｅａｔｅｄ）的樣本數量都顯示出明顯的重疊， 表明共同支撐假設得到了滿足。

２. ４ 模型設計

為檢驗已采納數字經濟政策的城市在政策實施后的具體政策效果， 本文采用多時點雙向固定效應雙重差分模型。具體的計量模型如式（１） 所示：