新質生產力如何影響全要素生產率

摘要：文章基于中國31個省級行政區2013-2022年的面板數據，探討了新質生產力對全要素生產率（TFP）的影響及數字化轉型的調節作用。研究發現，新質生產力顯著推動全要素生產率的提升，且數字化轉型進一步增強了這一作用。為此，提出以下政策建議，提升新質生產力，縮小地區差距，加快數字化轉型。為全要素生產率影響因素提供了實證依據，并為政策制定者提供了具體建議。

關鍵詞：新質生產力；全要素生產率；數字化轉型

《國務院關于加快構建新發展格局的指導意見》強調要發展新質生產力，提升全要素生產率。然而，與發達國家相比，我國新質生產力對全要素生產率的貢獻率僅為40%左右，而美國、日本、德國等國已超過60%。這一差距反映了我國在技術創新和產業升級方面的滯后，同時也揭示了提升全要素生產率的巨大潛力。因此，提升新質生產力成為推動我國經濟高質量發展的關鍵任務①。

現有研究主要聚焦于傳統要素投入對全要素生產率的影響，較少探討新質生產力對全要素生產率的作用機制。新質生產力作為一種新型生產要素，其對全要素生產率的影響路徑和效應尚不明確。因此深入研究新質生產力如何影響全要素生產率具有重要的理論和實踐意義。本研究將基于我國各地區新質生產力發展的不平衡現狀，運用實證分析方法，探討新質生產力對全要素生產率的影響機制及效應。

一、文獻綜述

在新發展格局背景下，學者們對新質生產力與全要素生產率之間的關系進行了廣泛研究。通過對相關文獻的梳理，可以發現，現有研究主要集中在以下幾個關鍵領域。

1. 新質生產力作為經濟高質量發展的重要驅動力，對全要素生產率的提升具有重要影響。張姣玉和羅紅艷（2024）指出，新質生產力是中國式現代化的新載體和新突破。趙麗錦等（2024）認為，新質生產力能夠賦能制造業價值轉型。王方方等（2024）研究表明，中國新質生產力發展呈現出明顯的空間差異。這些研究表明，新質生產力的發展水平與全要素生產率之間存在密切關聯。

2. 新質生產力通過多種途徑影響全要素生產率。張虎等（2024）研究發現，數字化轉型對企業全要素生產率有顯著影響。柳鯤鵬（2024）指出，基礎設施建設與城市全要素生產率增長存在關聯。李波和謝倩玲（2024）認為，供應鏈優化能夠提升企業全要素生產率。這些研究表明，新質生產力可能通過技術創新、資源優化配置和效率提升等途徑影響全要素生產率。

3. 新質生產力通過推動技術創新、優化資源配置和促進產業結構升級來提升全要素生產率。技術創新能夠突破傳統生產方式，提高效率；資源配置優化提升資本和勞動力的利用率；產業結構升級則推動經濟向高附加值方向發展，從而實現全要素生產率的增長。劉元雛和陳亞軍（2024）指出，金融科技創新是提升企業全要素生產率的關鍵，能夠通過降低融資成本、提高資本利用率和優化資源配置，促進企業技術創新和產業升級，進一步推動全要素生產率的提高。因此本文提出以下假設：

假設1：新質生產力的發展對全要素生產率有顯著的正向影響。

4. 數字化轉型作為新質生產力的重要組成部分，在新質生產力與全要素生產率之間起到調節作用。張虎等（2024）的研究表明，數字化轉型對企業全要素生產率產生了顯著影響。趙英欽和田偉健（2024）則發現，研發國際化能夠提升企業的創新能力和全要素生產率。這些研究表明，數字化程度對新質生產力對全要素生產率的影響效果具有重要作用。因此，本文提出了以下假設：

假設2：數字化轉型在新質生產力與全要素生產率之間發揮著積極的調節作用。

這兩個假設建立在現有文獻的基礎之上，能夠加深人們對新質生產力與全要素生產率關系的深入理解。通過驗證這些假設，可以把握新質生產力對全要素生產率的影響機制，為制定相關政策提供實證依據。

二、研究設計

（一）樣本選擇與數據來源

本文以2013-2022年期間中國31個省級行政區（不含港澳臺）為樣本，共收集310個有效觀測值。由于部分數據缺失，西藏自治區被排除在外，因此最終分析涵蓋了除西藏外的30個省級行政區，為研究提供了廣泛的地理覆蓋。

本文所使用的數據來源于多個權威渠道，包括《中國統計年鑒》、《中國科技統計年鑒》、國家統計局官網以及《中國數字經濟發展指數報告》。這些數據涵蓋了全國各省級行政區的全要素生產率、新質生產力指數以及數字化轉型水平等核心指標，提供了堅實的基礎支撐。在數據處理方面，所有金額數據均依據2013年基期GDP平減指數進行了調整，確保了跨年度的可比性，剔除了通貨膨脹對數據的影響。此外，為了減少極端值對分析結果的影響，連續變量在處理時進行了1%和99%分位數的縮尾處理。這一數據處理方法不僅保證了數據的準確性和穩健性，還增強了實證分析的可靠性，為后續的模型分析提供了有力保障。

（二）模型設定

1. 基準模型

為檢驗新質生產力對全要素生產率的影響，本文采用新質生產力指數作為核心解釋變量，建立以下計量模型：

TFPi，t=α0+α1NQPi，t+βControlsi，t+μi+λt+εi，t（1）

其中，i表示省份，t表示年份；TFPi，t代表作為被解釋變量的全要素生產率。NQPi，t代表核心解釋變量新質生產力指數；Controlsi，t代表控制變量；μi為省份固定效應；λt為時間固定效應；εi，t代表隨機擾動項。

2. 調節效應模型

為檢驗數字化轉型對新質生產力與全要素生產率關系的調節作用，本文加入數字化水平變量與新質生產力的交互項，探討數字化轉型的調節效應，建立以下計量模型：

TFPi，t=β0+β1NQPi，t+β2DIGi，t+β3NQP*DIGi，t+γControlsi，t+μi+λt+εi，t（2）

其中，i表示省份，t表示年份；TFPi，t為被解釋變量，即全要素生產率；NQPi，t為核心解釋變量，代表新質生產力指數；DIGi，t表示數字化轉型水平；NQP*DIGi，t為新質生產力指數與數字化轉型水平的交互項；Controlsi，t代表控制變量；μi為省份的固定效應；λt為時間的固定效應；εi，t為隨機誤差項。

3. 變量定義

本研究將全要素生產率（TFP）作為因變量，采用DEA-Malmquist指數法計算，以衡量地區在一定時期內的生產效率變化。該方法綜合考慮多種生產要素的投入與產出，全面反映TFP的變動。

核心解釋變量為新質生產力指數（NQP），通過主成分分析法構建，綜合多個經濟和技術因素，反映技術創新、產業升級及資源配置效率的整體水平。NQP值越高，表示新質生產力水平越高。

調節變量為數字化轉型水平（DIG），采用中國信息通信研究院發布的數字經濟發展指數作為代理，涵蓋數字基礎設施、信息技術應用及互聯網普及率等方面。DIG水平越高，表明地區數字化能力強，有助于提升TFP。本研究進一步探討了數字化轉型在NQP與TFP之間的調節作用。

根據已有相關研究，本文在回歸分析中納入了以下控制變量：

（1）經濟發展水平用PGDP表示，衡量標準為各省份人均GDP的對數值。

（2）產業結構用IND表示，衡量標準為第二產業增加值占GDP的比例。

（3）對外開放程度，用OPEN表示，采用進出口總額占GDP的比重來衡量。

（4）政府干預程度，用GOV表示，采用財政支出占GDP的比重來衡量。

（5）固定資產投資強度，用INV表示，采用固定資產投資額占GDP的比重來衡量。

所有變量均經過對數化處理，以減少異方差問題并使數據分布更加接近正態分布。

三、實證分析

（一）描述性統計結果

本研究對全要素生產率（TFP）、新質生產力指數（NQP）及數字化轉型水平（DIG）進行了描述性統計分析。結果顯示，TFP均值為1.0324，標準差0.1452，表明生產效率較為穩定；NQP均值為0.5637，標準差0.2813，顯示出顯著的區域差異；DIG均值為42.6589，標準差18.7524，反映出數字化轉型進程的不均衡。這些變量的顯著地區差異為后續實證分析提供了基礎，強調在探討新質生產力對全要素生產率影響時需考慮區域間的經濟發展、產業結構和技術創新等異質性因素。

本研究對全要素生產率（TFP）、新質生產力指數（NQP）及數字化轉型水平（DIG）進行了Fisher-ADF面板單位根檢驗，結果在1%顯著性水平下拒絕單位根假設，確認變量平穩。同時，方差膨脹因子（VIF）均低于5，表明不存在顯著的多重共線性問題。這些結果確保了回歸分析的可靠性和有效性，為后續實證分析奠定了堅實基礎。

在模型選擇過程中，F檢驗顯示個體效應和時間效應均顯著，因此選擇了雙向固定效應模型。隨后，Hausman檢驗結果顯示卡方統計量為23.45，p值為0.0014，顯著拒絕隨機效應模型。這驗證了雙向固定效應模型的適用性，確保模型能夠有效捕捉數據中的異質性，提高了實證分析的可靠性。

（二）基準回歸分析

表3報告了新質生產力對全要素生產率影響的基準回歸結果。

研究結果表明，新質生產力指數（NQP）對全要素生產率（TFP）具有顯著正向影響，影響系數為0.1856，在1%顯著性水平下，表明新質生產力每提高1單位，全要素生產率將提升18.56%。這一結果驗證了假設1，支持了新質生產力對全要素生產率的促進作用，強調了其在推動經濟效率和技術進步中的重要性。

四、調節效應

表4展示了數字化轉型調節效應的回歸分析結果。

結果顯示，新質生產力指數（NQP）與數字化轉型水平（DIG）的交互項系數為0.0324，符號為正，通過了1%的顯著性檢驗，說明數字化轉型對新質生產力與全要素生產率之間存在正向的調節效應。這意味著數字化轉型能進一步增強新質生產力對全要素生產率的正向影響，假設2得到了驗證。

新質生產力指數的系數仍然顯著為正（0.1743），與基準回歸結果一致，再次驗證了新質生產力對全要素生產率的正向影響。數字化轉型水平的系數也顯著為正（0.0456），表明數字化轉型本身也能直接促進全要素生產率的提升。

交互項NQP*DIG的顯著正系數（0.0324）表明，隨著數字化轉型水平的提高，新質生產力對全要素生產率的正向影響會進一步增強。這一結果揭示了數字化轉型在新質生產力與全要素生產率關系中的重要調節作用，強調了在發展新質生產力的同時推進數字化轉型的重要性。

五、結語

本文研究了新質生產力對全要素生產率的影響，并探討了數字化轉型的調節效應。結果表明，新質生產力顯著促進了全要素生產率的增長，而數字化轉型則進一步強化了這一影響。這表明，新質生產力的提升不僅能直接促進全要素生產率的增長，數字化轉型還能夠進一步放大這一影響。因此，建議制定差異化的政策，積極培育新質生產力，尤其是在不同地區之間縮小發展差距，并加快數字化轉型的步伐，以最大化其促進作用。

未來的研究可以通過擴展樣本范圍、優化測量方法，進一步細化對新質生產力與全要素生產率關系的探討，同時探索更多可能的影響因素。這將為推動經濟高質量發展提供更加扎實的理論依據和切實可行的政策建議。

參考文獻：

[1]張姣玉，羅紅艷.新質生產力：中國式現代化新載體、新突破、新思路[J].鄭州大學學報（哲學社會科學版），2024，57（04）：24-31.

[2]趙麗錦，胡曉明，王文華.新質生產力賦能制造業價值轉型的理論基礎、作用機制與實現路徑[J].財會通訊，2024（14）：9-15.

[3]王雪梅，和立.新質生產力引領鄉村文化產業振興的價值意蘊、實踐困境和優化建議[J].哈爾濱市委黨校學報，2024（04）：13-18.

[4]王方方，涂先青，楊智晨，等.中國新質生產力發展的空間格局與演變趨勢——基于“先進性—發展潛力—實現水平”的三維評價[J/OL].西部論壇，1-16[2024-07-16].

[5]趙芷仟.新質生產力對企業高質量發展的影響研究——來自中國A股上市公司的經驗證據[J].新疆農墾經濟，2024（11）：81-92.

[6]張虎，鄒媛媛，高子桓.數字化轉型對企業全要素生產率的影響——基于產業鏈關聯視角[J].統計與決策，2024（13）：165-170.

[7]劉紅峰，劉惠良.“雙碳”目標下湖南省農業綠色全要素生產率分析[J].中南林業科技大學學報，2024（07）：184-192.

[8]曹婧.土地金融化、資源錯配與企業全要素生產率[J].金融評論，2024（01）：71-85+155.

[9]柳鯤鵬.交通基礎設施建設與城市全要素生產率增長及其收斂[J].經濟與管理，2024，38（04）：27-34.

[10]李波，謝倩玲.供應商地理分布擴張與企業全要素生產率——高鐵開通的調節作用[J/OL].世界地理研究，1-19[2024-07-16].

[11]王娟，劉思悅，徐遠遠.社保繳費會促進工業企業全要素生產率提高嗎？——基于《社會保險法》實施的準自然實驗[J].金融教育研究，2024，37（04）：21-33.

[12]張瀝幻，張金昌.新質生產力的影響因素與作用機制研究——基于企業全要素生產率視角[J].國土資源科技管理，2024，41（05）：131-144.

[13]劉元雛，陳亞軍.金融科技如何提升企業全要素生產率？——基于戰略性新興產業視角[J].現代經濟探討，2024（07）：89-101.

[14]趙英欽，田偉健.海歸高管、研發國際化與企業創新——基于全要素生產率視角[J/OL].財會通訊，1-6[2024-07-16].

（作者單位：鹽城市大豐區統計局計算機站）