數據要素、技術進步與制造業(yè)結構升級

摘 要：在數字經濟蓬勃發(fā)展的時代背景下，數據要素正逐漸成為重塑產業(yè)格局的核心驅動力。本文基于2013—2021年中國內地30個省級行政區(qū)的面板數據，采用雙向固定效應模型系統(tǒng)探究數據要素對制造業(yè)結構升級的影響。實證結果表明，數據要素對推動制造業(yè)結構升級具有顯著的正向促進作用，且該結論經由內生性檢驗與一系列穩(wěn)健性檢驗后依然成立。進一步研究發(fā)現，數據要素可通過推動技術進步實現制造業(yè)結構升級，且數據要素對制造業(yè)結構升級的作用主要集中在中部與東部地區(qū)以及金融發(fā)展水平高的區(qū)域?；诖?，本文從創(chuàng)設數據要素流通環(huán)境、深化數據要素應用水平、完善創(chuàng)新型人才培養(yǎng)與激勵制度三個維度提出針對性政策建議，以供參考。

關鍵詞：數據要素；制造業(yè)；產業(yè)結構；技術進步；雙向固定效應模型

中圖分類號：F424；F062.4 文獻標識碼：A 文章編號：2096-0298（2025）06（b）--04

在數字經濟蓬勃發(fā)展的時代背景下，數據要素正成為重塑產業(yè)格局的核心驅動力。作為企業(yè)發(fā)展的“石油”，數據要素能夠為實體經濟的穩(wěn)步增長提供強大動力。制造業(yè)作為實體經濟與現代化產業(yè)體系的重要支柱，是數字經濟發(fā)展的重要根基，制造業(yè)的轉型升級與高質量發(fā)展是數字經濟“革故鼎新”的重要方向。然而，目前我國制造業(yè)在產業(yè)結構的優(yōu)化升級上仍然面臨生產要素錯配、產業(yè)融合較弱、創(chuàng)新能力不足等諸多問題，成為實現產業(yè)結構優(yōu)化與高質量發(fā)展的重要制約因素。作為數字經濟時代的重要生產要素，數據要素具有可復制、可共享、無限增長和供給優(yōu)勢，為我國制造業(yè)的產業(yè)結構升級提供了新的機遇。依托數據要素在生產過程中的特殊價值，發(fā)揮其基礎資源與創(chuàng)新引擎的作用，推動制造業(yè)結構優(yōu)化升級，是當前制造業(yè)“高質量發(fā)展”號召下的必然選擇。

現有研究已指出數據要素對制造業(yè)轉型升級的重要作用（李治國和王杰，2021；MITRA，2011），揭示了數據要素賦能傳統(tǒng)生產要素升級以發(fā)揮乘數效應作用的渠道（呂鐵和李冉，2022；王德祥，2022），但鮮有研究分析數據要素對制造業(yè)結構升級的影響與機制。基于此，本文從產業(yè)結構出發(fā)，對數據要素促進制造業(yè)結構升級的效應進行實證分析，從技術進步的角度研究數據要素促進制造業(yè)結構升級的中介機制，有助于豐富關于數據要素與制造業(yè)升級領域的實證研究，為我國制造業(yè)結構升級提供啟示與借鑒。

1 理論分析與研究假說

1.1 數據要素對制造業(yè)結構升級的影響

在生產側，數據要素作為一種具備特殊屬性的生產要素，對提高供應鏈運轉效率、增強企業(yè)韌性、促進價值鏈分工深化具有重要意義。數據要素通過輻射帶動其他生產要素，與勞動力、資本、技術等傳統(tǒng)生產要素發(fā)揮協(xié)同效應，優(yōu)化各類要素配置，促進生產要素在全生產鏈條充分流動，從而賦能制造業(yè)與其他產業(yè)融合發(fā)展，推動制造業(yè)結構升級。此外，通過數據要素驅動的市場信息共享，能幫助制造企業(yè)及時調整生產模式，實現數字化、智能化轉型；而生產要素市場整體對數據要素資源的需求，又會進一步放大制造業(yè)高端技術部門開發(fā)數據資源的優(yōu)勢，推動更多新興產業(yè)部門涌現，最終驅動高端產業(yè)在制造業(yè)內部結構的比重不斷增加。

在需求側，與數據要素相伴而生的數字化技術不僅釋放了數據要素的價值，還能驅動面向產品的高端技術研發(fā)，為消費者帶來具有高技術含量的新興產品。數據要素推動了其他生產要素的充分流動與優(yōu)化配置，減少了社會生產資源的錯配，從而顯著降低傳統(tǒng)生產部門的產品成本，最終表現為生存型消費主要產品的價格下降，消費者得以在滿足基礎要求的前提下提高發(fā)展型消費的需求。消費結構優(yōu)化所帶來的新業(yè)態(tài)、新模式改變了區(qū)域制造業(yè)傳統(tǒng)的外包生產模式，推動制造研發(fā)部門不斷開發(fā)數字化、服務化的新產品，從而加速制造業(yè)與服務業(yè)的耦合發(fā)展，驅動制造業(yè)內部結構不斷優(yōu)化。因此，本文提出假設：

假設1：數據要素能夠推動制造業(yè)結構升級。

1.2 數據要素、技術進步與制造業(yè)結構升級

數據要素呈現共享的特征，數據要素稟賦優(yōu)勢明顯地區(qū)的制造企業(yè)通常能借助蓬勃發(fā)展的大數據產業(yè)，通過數據資源的流通與共享來實現數字化轉型與產業(yè)融合，降低數字技術的創(chuàng)新成本，推動企業(yè)生產模式的技術升級。同時，大數據的高速發(fā)展為區(qū)域企業(yè)創(chuàng)造了良好穩(wěn)定的創(chuàng)新環(huán)境，促進技術資源的優(yōu)化整合與配置，打破信息資源共享在時間與空間上的約束，降低企業(yè)研發(fā)新技術的難度與成本。

在數據資源優(yōu)勢的推動下，區(qū)域可依托數據要素實現先進設備、高素質人才、資金等創(chuàng)新資源的集聚，而創(chuàng)新資源能經由研發(fā)轉化進一步推動區(qū)域整體技術水平的提升，推動數字化產業(yè)與技術密集型產業(yè)的發(fā)展，實現制造業(yè)結構升級。一方面，制造企業(yè)的先進知識與技術突破能通過集群環(huán)境下的知識溢出與技術擴散效應，對區(qū)域整體制造業(yè)的技術迭代與產業(yè)轉型起到輻射帶動作用；另一方面，區(qū)域技術水平的升級能夠催生新興行業(yè)與部門的成長，顛覆區(qū)域原有的主導產業(yè)格局，引發(fā)主導行業(yè)的更替。同時，由于生產要素與信息獲取在低技術部門與中高技術部門的水平之間存在顯著差異，因此對數據要素的利用能力對中高技術部門的優(yōu)勢將被進一步放大，加速中高技術部門的發(fā)展，繼而改良制造業(yè)的產業(yè)結構。因此，本文提出假設：

假設2：數據要素推動制造業(yè)結構升級存在技術進步的中介機制。

2 研究設計

2.1 變量選取

2.1.1 被解釋變量：制造業(yè)結構升級（mstr）

關于制造業(yè)結構升級，現有研究主要存在兩種衡量方式：其一，產業(yè)結構合理化；其二，產業(yè)結構高級化。前者更關注產出結構與勞動力投入結構的均衡發(fā)展；后者則更關注產業(yè)內部由技術進步引發(fā)的結構性變革。本文選擇后一種方式，參考傅元海等（2016）的計算方式與制造業(yè)行業(yè)的分類標準，使用制造業(yè)高端技術產業(yè)的銷售收入與制造業(yè)中低端技術產業(yè)銷售收入的比值來對制造業(yè)結構升級水平進行衡量。

2.1.2 核心解釋變量：數據要素（data）

對于數據要素，本文參考潘宏亮等（2025）的研究，采用構建指標體系的方式測算，具體包括寬帶接入端口數，移動電話基站數，區(qū)域光纜密度，國家級數據中心數量，信息傳輸、軟件和信息技術服務業(yè)就業(yè)人數，軟件與信息業(yè)固定資產投資，軟件與信息技術業(yè)務收入，電信業(yè)務總量，數字普惠金融指數，互聯(lián)網普及率，要素市場化指數，數字技術應用指數12個指標構建評價體系，采用熵值法測算得到結果。其中，國家級數據中心數量由工信部每年公布的名單整理得到；要素市場化指數選取樊綱等（2011）所整理的市場化指數中要素市場的發(fā)育程度指數分項；數字技術應用指數則借鑒李春濤等（2020）的研究方法，利用“省份+關鍵詞”在百度新聞高級檢索頁面進行檢索，爬取檢索結果中相應報道內容及其發(fā)布時間，按年份和省份匯總報道的總數量，標準化后得到數字技術應用指數。本文所采用的關鍵詞為：EB級存儲、差分隱私技術、大數據、多方安全計算、分布式計算、機器學習、類腦計算、流計算、內存計算、區(qū)塊鏈、人工智能、認知計算、深度學習、數據可視化、數據挖掘、圖計算、圖像理解、文本挖掘、物聯(lián)網、異構數據、語義搜索、云計算、自然語言處理、NFC支付、互聯(lián)網金融、綠色計算、融合架構、商業(yè)智能、身份驗證、生物識別技術、網聯(lián)、信息物理系統(tǒng)、虛擬現實、移動互聯(lián)、移動支付、億級并發(fā)、語音識別、征信、智能客服、智能數據分析。其他指標均為各省份的年度統(tǒng)計數據。

2.1.3 機制變量：技術進步（tech）

對于技術進步，本文通過計算索羅余值來表征區(qū)域在生產過程中的技術進步水平。借鑒王靜和張西征（2012）的做法，本文對投入要素的彈性系數進行估計，利用各年資本存量與總就業(yè)人數計算得到的資本彈性系數為0.383。對于資本存量的計算，本文采用永續(xù)盤存法，以2005年為基期，使用全社會固定資產投資額與固定資產價格指數進行計算，折舊率取9.6%。

2.1.4 控制變量

本文設定以下控制變量：（1）經濟發(fā)展水平（lngdp），采用區(qū)域年度生產總值的自然對數衡量；（2）政府效率（gov），采用地方財政一般預算內的支出與GDP的比值衡量；（3）固定資產投資（finv），采用固定資產投資額與GDP的比值衡量；（4）金融發(fā)展（finance），采用金融機構存貸款之和與GDP的比值衡量；（5）交通設施（lntraffic），采用區(qū)域公路里程的自然對數衡量；（6）人口規(guī)模（lnpop），采用每平方公里人口數的自然對數衡量。

2.2 數據來源

年度統(tǒng)計指標的數據來源于《中國統(tǒng)計年鑒》《中國電子信息產業(yè)統(tǒng)計年鑒》《中國互聯(lián)網發(fā)展統(tǒng)計報告》《中國工業(yè)統(tǒng)計年鑒》、北京大學數字普惠金融指數及各省市統(tǒng)計年鑒，缺失值采用插值法補齊。樣本為2013—2021年我國30個省級行政區(qū)，鑒于數據可獲得性，不包括西藏與港澳臺地區(qū)。

2.3 模型設定

為研究數據要素對制造業(yè)結構升級的影響，本文構建雙向固定效應模型如下：

mstrit=α0+α1datait+α2Conit+λi+λt+εit（1）

其中，i為省份；t為時間；α0為截距；α1為核心解釋變量系數；Cons表示控制變量組；λi、λt分別為省份、時間固定效應；ε為隨機擾動項。

3 實證分析

3.1 基準回歸結果

表1列（1）匯報了模型（1）的估計結果。核心解釋變量的回歸系數在1%的顯著性水平上為正，說明數據要素對制造業(yè)結構升級的作用是正向且顯著的。雙向固定效應模型的回歸系數為2.391，說明在控制其他可能的影響因素后，數據要素水平每提升1單位，制造業(yè)產業(yè)結構水平將提升2.391，驗證了假設1。

3.2 內生性檢驗

內生性問題可能導致模型估計產生較大偏差，因此需要進行內生性檢驗，以得到更為可靠的估計結果。本文采用工具變量法進行兩階段最小二乘法回歸，選擇1984年歷史郵電業(yè)務數據與時間的交乘項作為工具變量。表1列（2）～列（3）匯報了利用工具變量進行兩階段最小二乘回歸的結果，其中弱識別檢驗F統(tǒng)計量為72.91，遠大于10%臨界值16.38，說明不存在弱工具變量的問題。在加入工具變量后，解釋變量的回歸系數仍在5%水平上顯著為正，說明假設1成立。

3.3 穩(wěn)健性檢驗

為確?；鶞驶貧w結果的穩(wěn)健性，本文進行以下穩(wěn)健性檢驗：（1）考慮新冠的影響，本文將區(qū)間調整為2013—2019年，以獲得更為可靠的結論；（2）考慮到國家政策在直轄市與自治區(qū)的特殊性，本文剔除直轄市與自治區(qū)的樣本后進行回歸；（3）為估計得到更為穩(wěn)健的影響效應，本文將解釋變量滯后一期進行回歸；（4）為避免變量測度方式所導致的偶然性，本文將解釋變量更換為CRITIC賦權法進行賦權測算后重新進行回歸；（5）考慮到極端值對系數估計造成的影響，本文對各變量分別進行雙側1%與5%縮尾處理，使用縮尾處理后的變量進行重新回歸。在進行5種穩(wěn)健性檢驗后，解釋變量的回歸系數始終為正且具備顯著性，再次印證了假設1成立，確保了研究結論的穩(wěn)健性。

3.4 中介機制檢驗

對于技術進步中介機制的研究，由于傳統(tǒng)的三步法會出現較大的系數估計偏誤，本文借鑒江艇（2022）的研究建議，將模型（1）中的被解釋變量更換為機制變量進行回歸。表1列（4）是采用雙向固定效應模型進行回歸的結果，表明解釋變量對機制變量的回歸系數在1%水平上顯著為正。同時，本文使用工具變量進行兩階段最小二乘回歸，在解決內生性問題后，系數的顯著性與符號未發(fā)生改變，說明數據要素對技術進步具有顯著的正向作用，驗證了假設2，即技術進步的中介機制成立。

3.5 異質性分析

3.5.1 地理位置的異質性

本文按照地理位置將研究樣本劃分為西部地區(qū)、中部與東部地區(qū)兩組，并分別對模型（1）進行回歸。表1列（5）與列（6）是地理位置異質性分析結果，西部地區(qū)估計系數為-0.048，并未在10%的水平上顯著，中部與東部地區(qū)估計系數為2.742且在5%水平上顯著，說明數據要素對制造業(yè)結構升級的作用主要集中在中部與東部地區(qū)。從地理維度上看，中東部地區(qū)的產業(yè)發(fā)展較為成熟，信息業(yè)與服務業(yè)對經濟轉型的牽引力較大，因此數據要素更容易推動傳統(tǒng)制造業(yè)實現服務化數字化轉型與制造業(yè)結構升級；而在西部地區(qū)，受限于經濟落后與基礎設施建設水平較低，數據要素缺乏充分發(fā)展環(huán)境，其對產業(yè)升級產生的正向效應弱于中部地區(qū)與東部地區(qū)。

3.5.2 金融發(fā)展水平的異質性

依據金融發(fā)展水平的中位數，本文將30個省級行政區(qū)劃分為低金融發(fā)展水平組與高金融發(fā)展水平組，以探究數據要素對制造業(yè)結構升級作用在金融發(fā)展水平上的異質性。表1列（7）與列（8）分別匯報了低金融發(fā)展組與高金融發(fā)展組的回歸結果。其中，低金融發(fā)展組的回歸系數為0.104，并未在10%水平上顯著；高金融發(fā)展組的回歸系數為3.130，在5%水平上具備顯著性，說明數據要素對金融發(fā)展的推動作用在金融發(fā)展水平高的區(qū)域更為明顯且集中。金融發(fā)展水平較高的地區(qū)能借助健全的金融供給體系，為以數據要素生產為核心的新興數字產業(yè)與制造業(yè)的發(fā)展提供資金支持，為數據要素的發(fā)揮促進作用提供強大的經濟支撐。

4 結語

本文的主要研究結論為：（1）數據要素對制造業(yè)結構升級具有正向的促進作用；（2）數據要素對制造業(yè)結構升級的促進作用存在技術進步的中介機制；（3）數據要素對制造業(yè)結構升級的作用在地理位置與金融發(fā)展水平上具有明顯異質性?；诖?，本文提出以下建議：

首先，政府應進一步推動數據要素市場化配置，加強頂層設計，降低數據要素的交易成本，提高數據要素在制造業(yè)產業(yè)鏈供應鏈的配置與流通效率。加強政策傾斜，整合數據資源，推動跨行業(yè)、跨區(qū)域的數據要素資源流動與共享，加強并積極引導數字基礎設施的建設與數字金融產業(yè)的發(fā)展，彌合區(qū)域間發(fā)展不平衡“數字鴻溝”的困境。其次，制造企業(yè)需不斷提升數據要素在供應鏈生產流程中的嵌入水平，發(fā)揮數據要素與傳統(tǒng)生產要素的協(xié)同效應。強化數字化技術應用，搭建制造企業(yè)數據共享平臺，提高企業(yè)數據采集、數據挖掘與數據驅動生產決策的能力，加速制造企業(yè)與制造集群的數字化、智能化轉型進程，推動生產模式的優(yōu)化和產品結構的升級。最后，加強科技創(chuàng)新支持。加大研發(fā)資金支持力度，提高創(chuàng)新紅利，鼓勵制造企業(yè)與產業(yè)部門加大研發(fā)投入力度，實現技術升級。完善創(chuàng)新型人才培養(yǎng)與激勵制度，促進產學研融合，推動高校與研發(fā)機構技術向制造業(yè)生產側轉移，通過開展培訓、人員交流等形式降低先進技術的應用門檻，以強化技術進步所發(fā)揮的中介作用。

參考文獻

李治國，王杰.數字經濟發(fā)展、數據要素配置與制造業(yè)生產率提升[J].經濟學家，2021（10）：41-50.

MITRA A，SHARMA C，VéGANZONèS-VAROUDAKIS M A.Estimating impact of infrastructure on productivity and efficiency of Indian manufacturing[J].Applied Economics Letters，2011，19（8）：779-783.

呂鐵，李冉.制造企業(yè)數字化轉型：數據要素賦能傳統(tǒng)要素的視角[J].學習與探索，2022（9）：108-117.

王德祥.數字經濟背景下數據要素對制造業(yè)高質量發(fā)展的影響研究[J].宏觀經濟研究，2022（9）：51-63+105.

陳文，常琦.大數據賦能了企業(yè)綠色創(chuàng)新嗎： 基于國家級大數據綜合試驗區(qū)的準自然實驗[J].財經科學，2022（8）：76-92.

梁海萌，申丹虹.數字經濟發(fā)展戰(zhàn)略對產業(yè)結構升級的政策效應： 基于國家級大數據綜合試驗區(qū)的準自然實驗[J].現代管理科學，2023（1）：46-55.

傅元海，葉祥松，王展祥.制造業(yè)結構變遷與經濟增長效率提高[J].經濟研究，2016，51（8）：86-100.

潘宏亮，趙蘭香，葉璐.我國數據要素發(fā)展水平的測度及時空演進研究[J].科學學研究，2025，43（1）：205-216.

樊綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011，46（9）：4-16.

李春濤，閆續(xù)文，宋敏，等.金融科技與企業(yè)創(chuàng)新： 新三板上市公司的證據[J].中國工業(yè)經濟，2020（1）：81-98.

王靜，張西征.高科技產品進口溢出、創(chuàng)新能力和生產效率[J].數量經濟技術經濟研究，2012，29（9）：22-39.

郭峰，王靖一，王芳，等.測度中國數字普惠金融發(fā)展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

江艇.因果推斷經驗研究中的中介效應與調節(jié)效應[J].中國工業(yè)經濟，2022（5）：100-120.