產業數字化政策效力評估：基于中國四省面板數據的實證分析

【中圖分類號】F49【文獻標志碼】A【文章編號】1673-1069（2025）01-0051-03

1引言

產業數字化是重塑全球經濟格局的核心引擎。據預測，2025年全球數字經濟增量的 60% 將來自產業數字化轉型。2022年中國數字經濟規模達50.2萬億元（占 GDP41.5% ），但區域失衡顯著：廣東、浙江、江蘇、山東四省占比 43.6% ，西部不足 5% ，主因政策供給非均衡。盡管國務院強調“差異化區域政策”，但現有研究存在兩大盲點：一是政策數量與效果的非線性關系尚未厘清，盲目政策堆砌可能引發邊際效益遞減；二是政策工具的結構性效應缺乏實證，區域票賦的調節機制函待驗證。針對上述缺口，本文聚焦以下核心問題：省級政策供給對數字化轉型的彈性系數及邊際遞減規律為何？政策效力是否存在最優聞值？其空間分異特征如何？區域產業基礎（工業化水平、數字基建）如何調節政策效果？理論層面，本研究構建“政策密度-效力”框架，驗證技術-制度協同理論；實踐層面，基于廣東、浙江、江蘇、山東四省面板數據（2018-2022年），解析政策量效關系，為地方政府優化政策組合提供實證依據。研究結論將助力破解“政策余”困境，推動數字經濟均衡發展。

2實證分析

2.1基準模型設定

為系統評估政策供給對數字化轉型的影響機制，本研究基于Cobb-Douglas生產函數框架5，將政策投人視為數字化生產函數中的關鍵要素，并構建以下多元線性回歸模型：

Digital （ ） +βlndustrya +

模型設計邏輯如下：理論依據：Cobb-Douglas框架假設數字化產出由多要素協同決定，政策投入（Policy）作為制度性變量，與互聯網普及率（Internet）、工業化水平（Industry）經濟基礎（GDP）共同構成核心解釋變量，契合“技術-制度協同\"理論。

變量關系預設：對數化處理：政策數量與人均GDP取對數，以緩解異方差并解釋彈性關系（如 表示政策供給量每增加 1% ，數字化指數的變化量）。

控制變量選擇：互聯網普及率衡量數字基建水平間，第二產業占比反映傳統產業載體，二者為政策效力的潛在調節變量（后續通過交互項驗證）。

后續分析銜接非線性檢驗：在基準模型中引人政策數量的二次項 ；驗證邊際遞減效應（見2.3.2）。

模型估計方法初步采用混合0LS回歸，因其適用于短面板數據（ ）且便于解釋變量全局效應；通過Hausman檢驗 ）支持固定效應模型，后續分析中同步匯報兩類結果以增強結論穩健性。

2.2描述性統計

變量描述性統計如表1所示。

通過對2018-2022年四省面板數據的統計分析，研究發現：

政策供給的時空異質性：區域差異，政策數量均值為18.4份/年（標準差6.2），極差達24份（最小值8，最大值32），表明四省政策供給強度差異顯著。時序趨勢，政策數量在樣本期內（2018-2022年）呈單調遞增，2022年四省均值較2018年增長 63.7% （從均值11.2份增至18.4份），印證“十四五\"期間政策供給強化態勢。

數字化水平的分層特征：數字化指數均值為0（標準化后），但極差達3.3個標準差，其中廣東2022年指數為2.1，而山東2018年為-1.2，表明先發地區已進人數字化轉型加速期，后發地區仍處于基礎設施部署階段。

控制變量的區域差異：互聯網普及率的標準差為6.3% ，其中浙江（ 77% 與山東 69% ）的差距反映出數字基礎設施建設的“馬太效應”；第二產業占比的極差達15.2個百分點，江蘇 53.7% ）的高工業化率為政策效力發揮提供了產業載體。

為初步檢驗變量間關聯性，表2報告了核心變量的Pearson相關系數矩陣（雙尾檢驗）。結果顯示：

政策供給（ln_Policy）與數字化指數顯著正相關（ ），初步支持政策對轉型的驅動效應。

互聯網普及率與數字化指數顯著正相關（ p= 0.017），而第二產業占比相關性未通過顯著性檢驗（ 0.193），與后文回歸結果一致。

多重共線性風險較低：變量間相關系數絕對值均低于0.5，且VIF值均小于2.5（見表2），滿足回歸模型要求。

注： ， ， ；下三角為相關系數，對角線為1（因變量自身相關性）。下同。

2.3基準回歸結果分析

2.3.1政策供給的驅動效應

混合0LS回歸結果表明（見表3）：政策數量彈性顯著，政策文件數量每增加 1% ，數字化指數提升 0.23% 。互聯網普及率對數字化指數也有顯著正向影響，而第二產業占比的系數未通過顯著性檢驗。

2.3.2邊際效應遞減檢驗

為驗證政策供給的邊際遞減規律，本研究基于邊際生產力遞減理論，在基準模型中引人政策數量的二次項，構建如下非線性回歸模型：

令導數為零，解得最優政策密度：

回歸結果顯示，二次項系數顯著為負 ，證實政策效力存在倒U型關系（圖1a）；計算得出最優政策密度聞值為年均15份 ，超過此聞值后彈性系數下降 58.3% （圖1b）。

2.4異質性機制的深度挖掘

乘數效應顯著：第二產業占比與互聯網普及率的交互項系數為0.18 ），說明當二者同時提升1個標準差時，政策效力額外增強0.18個單位。以浙江為例，其2022年第二產業占比 49.2% （高于均值 46.3% ）互聯網普及率 77% （高于均值 70.4% ），使得政策彈性系數擴大至

46.3）/5.2×（77-70.4）/6.3=0.31 ，提升 34.8%。

區域分化明顯：分組回歸顯示，高互聯網組（ gt;70.4% 的政策彈性系數達0.27（ ），而低互聯網組不顯著。這表明“數字基建先行”策略的有效性——在光纖網絡覆蓋率超過 70% 的區域，政策工具能夠通過“最后一公里”滲透真正觸達企業端。

2.5可視化分析的政策啟示

政策密度-效力曲線（圖 2a ）顯示：政策投放存在“黃金區間”（5～15份/年），此階段彈性系數隨數量增加快速上升；超過15份后曲線斜率轉負，提示地方政府需從“數量競賽”轉向“質量優化”。

三維交互效應圖（圖2b）揭示：在高工業化（ gt;50% ）高互聯網普及率 （gt;75% ）的“雙高\"區域（如江蘇南部），政策效力達到峰值0.58；而在低工業化、低普及率的“雙低\"區域（如山東西部），政策效力僅為 0.12 這為“一省一策”的差異化治理提供了地理空間依據。

3結論與政策建議

本研究基于四省面板數據，構建量化評估模型，得出以下結論：政策供給對產業數字化有顯著正向效應，省級政策數量每增 1% ，數字化指數提升 0.23%（plt;0.05） ，在數字基礎設施完善省份更突出。政策效力呈倒U型，最優政策密度年均15份，超過則邊際效應下降 58.3% 。區域異質性調節機制顯著，傳統產業與數字基建協同釋放政策紅利。政策存在8～12個月滯后期，財政補貼類政策響應最快。以下是對各省的建議。

廣東省：政策數量已達邊際遞減聞值（年均24.2份），需從“增量供給\"轉向“結構優化”。建議： ① 提高需求型政策占比（如“數字化轉型券”），參考浙江“產業大腦”經驗； ② 建立政策工具箱動態更新機制，淘汰重復性文件，重點支持工業互聯網平臺跨行業復用（如騰訊WeMake）。

浙江省：互聯網普及率 77% ）與政策彈性（0.31）雙高，應強化“數字基建-政策創新”協同。建議： ① 設立“數字李生園區”試點，推廣“政策包 + 服務包\"模式（如阿里云產業AI合作計劃）； ② 探索政策文本NLP情感分析系統，實時監測企業反饋（借鑒趙劍波等，2021）。

江蘇省：第二產業占比 53.7% ）最高，但互聯網普及率（ 73% 低于浙江。建議： ① 設立“傳統產業改造基金”，重點支持鋼鐵、紡織業智能化改造（如沙鋼集團智改案例）； ② 構建“政策-產業-技術\"三角聯動機制，推動5G+工業互聯網\"場景落地。

山東省：數字化指數與互聯網普及率（ 69% ）偏低，需補齊基建短板。建議： ① 實施“雙千兆\"網絡攻堅行動，2025年前實現行政村5G全覆蓋； ② 借鑒廣東“鏈長制”，由省長牽頭電子信息、裝備制造等十條產業鏈數字化轉型，配套“一鏈一策”專項文件。

【參考文獻】

【1】中國信息通信研究院.中國數字經濟發展白皮書[M].北京：人民郵電出版社，2023.

【2】黃萃，蘇峻，施麗萍.政策工具視角的中國風能政策文本量化研究[]科研管理，2015，36（09）：123-132.

【3】王欽，張崔，李海.智能制造政策工具與企業創新績效—基于中國上市公司的實證研究[J]中國工業經濟，2021（05）：137-155.

【4】Daron Acemoglu，James A. Robinson.Response to Sheri Berman'sReview of The Narrow Corridor： States， Societies， and the Fate ofLiberty[J].Perspectives on Politics，2020，18（3）：905-906.

【5】Goldfarb， A.， Tucker， C.Digital economics [J].Journal of EconomicLiterature，2019，57（1）：3-43.

【6】]Hilbert， M.The bad news is that the digital access divide is here tostay： Domestically installed bandwidths among 172 countries for1986-2014[J].Telecommunications Policy，2016，40（6）：567-581.

【7】Porter M E ， Heppelmann J E .How Smart， Connected Products AreTransforming Companies[J].Harvard Business Review，2014，92（1-2）：24.