数字经济驱动中国制造业高质量发展的空间效应

梁向东?苏在坤

摘要：数字经济在促进制造业高质量发展过程中能产生规模经济效应、要素效率提升效应、产业融合发展效应及空间溢出效应。基于2011—2019年中国省级面板数据，运用空间杜宾模型考察数字经济与制造业高质量发展之间的空间非线性关系，研究发现：中国各地区数字经济和制造业高质量发展存在显著的空间依赖性；数字经济存在显著的正向溢出效应，在有效推动本地区制造业高质量发展的同时，能够显著促进邻近地区的制造业高质量发展，且区域间的溢出效应明显大于区域内。因此，要加快建设完善数字基础设施，全面推进工业互联网和大数据中心等平台建设，打造数字经济新优势；大力推进传统制造业数字化转型，实现数字经济与传统制造业的深度融合发展；深入发展共享经济，加强数据开放共享。

关键词：数字经济；产业结构；人力资本；制造业高质量发展；空间效应

基金项目：国家社会科学基金一般项目“现代服务业引导区域协调发展的新机制与新路径研究”（20BJL098）

中图分类号：F49文献标识码：A文章编号：1003-854X（2023）06-0019-07

一、引言与相关文献综述

改革开放以来，我国制造业发展成效十分显著，其规模位居全球第一，拥有世界上最全的工业门类和最完整的产业链。但我国制造业在全球价值链中仍处于中低端（1），整体呈现“高投入、高消耗、高污染、低质量、低效益、低产出”特征。解决上述问题的关键在于实现增长模式从要素投入到创新驱动发展的战略转变，推动制造业高质量发展（2）。数字经济以其高成长性、广覆盖性、强渗透性以及跨界融合、智能共享等特性，深刻改变着传统经济的生产方式、商业模式和发展轨迹，对于引领传统制造业高质量发展具有深远的战略意义（3）。

2018年中央经济工作会议首次将高质量发展理念运用于制造业，明确提出坚定不移建设制造强国，推进制造业高质量发展。此后，学者们基于新发展理念定义制造业高质量发展（4）。对于制造业发展质量的评价，部分学者基于单一视角进行研究。如借用全要素生产率评估工業增长动力转换（5）和装备制造业高质量发展（6）。但是全要素生产率无法涵盖环境因素，由此测算出的数据存在缺陷且易受多种因素影响（7），导致该指标在衡量经济增长质量方面具有局限性（8）。也有学者从增加值（9）、制造业竞争力（10）、出口产品单位价值（11）等视角出发测度制造业发展质量。从单一角度的研究难以体现制造业高质量发展的丰富内涵，一些学者从经济效益、结构优化、科技创新和绿色环保等方面来研究我国制造业高质量发展（12）。曲立等基于新发展理念，从创新、绿色、开放、共享、高效和风险控制六个维度系统构建我国区域制造业高质量发展指数（13）。现有研究文献中，大多以创新驱动、技术引领制造业转型、推动制造业高质量发展为主题（14），认为创新是制造业企业实现高质量发展的重要途径（15）。

从数字经济界定与测度的相关研究来看，数字经济是随着信息技术发展而产生的一种新经济形态，学术界主要围绕数字产业化和产业数字化两个方面对数字经济的定义进行研究（16）。从国内外研究看，主要采用构建指标体系法来衡量数字经济发展水平（17）。数字经济正在经历高速增长、快速创新，并被广泛应用到其他经济领域中，对制造业产生了深远影响，主要从以下两个方面展开：一方面，数字经济助力制造业优化资源配置，降低生产成本。数字经济能改变制造业企业生产及协作方式，拓展商品交换的地域与空间，提高生产效率（18），提升企业经营绩效（19）。传统制造业数字化转型能降低产业链的交易成本，提高交易效率，降低企业人力资源成本。另一方面，数字经济能提高制造业创新能力。数字经济通过优化供应链与价值链（20），推动传统制造业优化升级（21），驱动产业链和供应链协同创新，提升制造业绩效（22）。数字技术被广泛用于制造企业信息处理、传播和扩散领域（23），实现制造业价值创造、技术重振，同时加速学习效应的形成和人力资本的积累（24）。

现有文献为本文的研究提供了重要参考，但仍存在需要完善的空间：其一，数字经济指数测度方法还在摸索中，有待深入研究；其二，现有的制造业发展质量评价体系未考虑 “安全保障”维度，需要将其纳入我国现阶段制造业高质量发展的相关分析中来；其三，数字经济和制造业高质量发展可能存在空间相关性，数字经济驱动制造业高质量发展的空间效应的分析有待拓展。因此，本文将重构数字经济和制造业高质量发展的综合评价体系，厘清数字经济驱动制造业高质量发展的内在机理，并分析其空间溢出效应，为推进我国制造业高质量发展战略提供理论支持。

二、理论分析与假设

数字经济作为一种新的经济形态，深刻影响了人类的生产方式、生活方式和治理方式，也影响着制造业发展方式、产业模态及结构，这种影响能产生规模经济效应、要素效率提升效应、产业融合发展效应及空间溢出效应，从而对区域经济发展产生作用。

（一）数字经济与本地区制造业高质量发展

一是规模经济效应。在传统工业经济范式下，企业规模经济受到厂房设备、地理空间等因素制约，随着企业规模扩大，边际成本急剧增加。数字技术催生的平台经济、网络经济等数字经济形态能降低企业生产成本和交易费用、帮助企业满足消费者的多样化需求，并通过精准匹配机制实现要素供给的动态、多元均衡，从而实现要素供需精准匹配，从需求端和供给端极大延展企业市场，使企业在扩大市场范围和规模的同时平均成本不断下降，从而实现边际效益递增，形成规模经济效应。

二是要素效率提升效应。信息和数据已成为关键的生产要素，增加其投入能够改变传统生产要素的投入配比，不断提升技术、管理、劳动力、土地、资本等要素的作用，使得要素投入结构不断优化，要素之间实现更为紧密的结合，进而大幅提升企业及整个产业的核心竞争力。

三是产业融合发展效应。通过工业互联网、大数据等新技术的应用，可以实现数字经济与制造业相互渗透与融合，对传统制造业进行数字化升级改造。新技术与传统经济模式的融合可以带动技术研发体系创新、管理方式变革、商业模式创新和产业价值链体系重构，催生一系列协同发展的新业态、新模式，传统的产业关联关系也得以扩展，并通过产业关联和融合等传导机制促进制造业高质量发展。

综上，提出假设H1：数字经济能够显著驱动本地区制造业高质量发展。

（二）数字经济与邻近地区制造业高质量发展

数字经济隐含着巨大的网络技术辐射能力，在驱动本地区制造业高质量发展的同时能够产生空间溢出效应，主要分为两个方面：一方面，从数字经济自身特性来看，数字经济本身具有高创新性、强渗透性、广覆盖性、强融合性等特性，其多种特性的协同作用使得数字经济产生空间溢出效应。数字经济升级改造制造业，有利于突破要素流动的时空约束和传统的地理束缚，破除阻碍区域间生产要素自由流动的体制和制度壁垒，以接近于实时的速度收集、处理和应用信息，提高新技术及要素的流动性，增强区域间的信息和技术交流，提高关联地区要素整合能力。另一方面，从知识和技术溢出效应来看，数字经济的本质特征在于其发挥的技术扩散与溢出作用。随着工业互联网、物联网等数字技术的兴起，数字经济可以帮助制造业打破空间束缚，实现信息和技术在发达地区与落后地区之间的跨时空传播与交流，打破企业间及其内部的信息孤岛，加强区域间互联互通，同时加深制造业主体间的交流学习，降低合作沟通成本，产生知识溢出和信息共享效应。

综上，提出假设H2：数字经济对邻近地区制造业高质量发展具有空间溢出效应。

三、研究设计

空间面板模型能够通过空间权重矩阵分析区域间的空间相关关系，考察各经济单元的空间关联性。因此，为了检验数字经济驱动制造业高质量发展的空间效应，并进一步进行效应分解，本文将基于空间面板模型对上述研究假设进行验证。

（一）变量测度与数据处理

被解释变量：制造业高质量发展指数（Hqdm）。本文将区域制造业高质量发展内涵界定为创新驱动、绿色发展、对外开放、人民共享、质量效益和安全保障六个维度，遵循科学性、代表性、可比性、可得性原则构建了26个二级指标，具体指标见表1。

本文参考王军等（25）采用的熵值法步骤求出每个指标的客观权重，再对制造业高质量发展指数进行测算。

解释变量：数字经济发展指数（Diec）。在综合指标体系方面，刘军等（26）从信息化发展、互联网发展和数字交易构建数字经济指标体系，赵涛等（27）从互联网发展和数字金融普惠两方面对数字经济综合发展水平进行测度。本文从互联网发展和数字交易两方面来反映数字经济发展情况，对中国数字经济综合评价指标体系进行构建，具体指标见表2。同样本文采用熵值法对数字经济发展指数进行综合测算，记为Diec。

控制变量。影响制造业高质量发展的因素较多，为尽可能减少遗漏变量偏差，须尽量控制其他影响因素，本文加入以下控制变量：金融发展（Fin），采用人均金融机构贷款余额作为代理变量；产业结构高级化（Ind），使用第三产业增加值除第二产业增加值作为代理变量；人力资本（Cap），采用大学生在校人数比重作为代理变量；固定资产投资（Inv），采用固定资产投资总额占地区生产总值比重作为代理变量。

空间权重矩阵。为了更加严谨地考察数字经济对制造业高质量发展的影响，本文综合考虑地理距离与经济联系的作用，构建地理经济权重矩阵。构建方法如下：

其中， Wd为地理距离倒数权重矩阵；diag为对角矩阵，为样本考察期内第n个省市人均GDP年均值与全国人均GDP年均值之比。

（二）数据来源和描述性统计

基于研究目的及数据可获得性等考虑，本文针对中国30个省市（西藏除外）展开研究，时间跨度为2011—2019年，研究样本包含270个观测值，部分缺失数据采用插值法予以填补。同时，为削弱异方差对检验结果的影响，对原始数据进行对数化处理后引入模型。数据来源于国家统计局网站、《中国统计年鉴》、《中国人口与就业统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》以及各省统计年鉴。表3报告了本文所有变量的描述性统计结果。

（三）模型选择

研究数字经济对区域制造业高质量发展的影响效应不能忽略各地区间的空间依赖性和空间交互效应，应当在模型中考虑数字经济与邻近地区制造业高质量发展可能存在的空间交互效应。故在公式（2）、公式（3）和公式（4）中引入控制变量，将模型进一步扩展。

其中Hqdm为被解释变量，Diec 为解释变量，代表空间自回归系数，W为地理经济权重矩阵，分别为核心解释变量、控制变量的估计系数与空间滞后项系数，为空间误差系数，  为随机误差项。

四、实证分析

（一）空间自相關检验

为了检验数字经济驱动制造业高质量发展的空间效应，首先通过全局Moran's I指数、局部Moran's I指数探究数字经济和制造业高质量发展的空间自相关性，全局Moran's I指数反映空间系统内的整体相关性，局部Moran's I指数可以对局部空间分布特征进行检验。Moran's I指数的取值范围在-1到1之间，若该值大于 0，表明研究区域间的数字经济或制造业高质量发展为空间正相关，即存在空间溢出效应；若该值小于0，表明研究区域间的数字经济或制造业高质量发展为空间负相关，即存在空间排斥现象；若该值等于0，表明区域间的数字经济或制造业高质量发展的分布相互独立。Moran's I统计量的绝对值越大，表明数字经济或制造业高质量发展的空间相关性越强。

由表4可知，2011—2019年中国30个样本省份数字经济和制造业高质量发展的全域Moran's I指数都为正值，所有研究年份全部通过5%的显著性检验。这表明2011—2019年中国各省市的数字经济及制造业高质量发展在空间维度上显著存在溢出效应，对邻近地区产生正向影响。

其次，在测算出局部Moran's I指数的基础上，为考察不同地区制造业高质量发展的空间相关性，进一步测算2011—2019年制造业高质量发展指数的局部Moran's I散点图（因篇幅限制，本文未列示）。结果表明，2011年和2019年30个省市制造业高质量发展的Moran's I指数散点集中分布于第一、第三象限，表明各省市制造业高质量发展在空间维度上呈现“高高—低低”聚类特征，存在较强的正向空间相关性。从区域角度看，我国制造业高质量发展水平大致呈现出东、中、西依次递减特征，“高高”省市主要位于京津冀、长三角和珠三角等发达地区，而“低低”省市多位于经济较落后的西部地区，说明受技术创新、人才和资金要素等因素影响。由上述分析可知，中国各省市制造业高质量发展水平存在较大差异，发展极不平衡，在空间维度上具有空间依赖性。

（二）空间计量模型选择

本文首先进行了拉格朗日乘子检验（LM Test）、似然比检验法（LR Test）和瓦尔德检验法（Wald Test），从表5的检验结果显示，在地理经济权重矩阵下LMLAG、LMERR、Robust LMERR和Robust LMLAG统计量均在1%的水平下通过了显著性检验，说明与空间滞后模型和空间误差模型相比，空间杜宾模型（SDM）能更好地拟合空间效应。再结合LR和Wald检验结果， LR和Wald统计量均通过了5%的显著性水平，说明采用SDM模型对样本的解释力更强。此外， Hausman检验值为22.68，通过了5%的显著性水平，故选择固定效应模型。最后，进行联合显著性检验，通过了1%的显著性水平，故本文应选择个体和时间双固定效应的空间杜宾模型。

（三）回归结果分析

表6报告了数字经济驱动中国制造业高质量发展的空间计量模型的估计结果， SAR模型的空间自相关回归估计参数ρ未通过显著性检验，而SEM模型和SDM模型中ρ在1%的水平下显著，说明中国区域制造业高质量发展存在显著的空间依赖性。在SDM模型中，解释变量数字经济（Diec）的回归系数为0.207，且在1%的水平下显著，这说明数字经济能显著驱动本地区制造业高质量发展，且数字经济每提高1个百分点，制造业高质量发展指数会上升0.207个百分点，其空间滞后项系数在5%的水平下为0.665，表明数字经济也促进了邻近地区的制造业高质量发展。同时，从控制变量看，产业结构高级化（Ind）及其空间滞后项系数的估计值显著为负，说明产业结构高级化水平对本地区与邻近地区的制造业高质量发展影响显著且呈现负相关。金融发展（Fin）的系数显著为负，其空间滞后项的系数未通过检验，说明金融发展水平与本地区制造业高质量发展之间呈现显著的负相关，但没有对邻近地区产生显著影响。人力资本（Cap）的系数显著为正，其空间滞后项的系数未通过检验，说明人力资本水平与本地区的制造业高质量发展呈现显著正相关，但对邻近地区没有产生显著影响。固定资产投资（Inv）及其空间滞后项系数的估计值均不显著，说明固定资产投资提升对本地区和邻近地区的制造业高质量发展不存在显著影响。

（四）空间溢出效应检验

本文依据偏微分方程分解方法对空间杜宾模型进行分解，分为直接效应与间接效应。从表7报告的估计结果看，数字经济对制造业高质量发展的空间溢出效应要明显大于直接效应，其间接效应大约是直接效应的1.8倍。说明数字经济具有巨大的网络辐射带动能力，能够打破区域空间束缚、瓦解市场边界，将先进经验和技术在空间上进行扩散和传导，实现了知识、信息和技术溢出，有助于邻近地区的制造业高质量发展水平提升。其次，从控制变量看，产业结构高级化（Ind）的直接效应和间接效应显著为负，可能原因是第三产业的崛起，促使人才、技术等各种资源向第三产业转移，阻碍了第二产业的发展，从而抑制了制造业高质量发展。金融发展（Fin）的直接效应显著为负，但间接效应未通过检验。可能的原因是金融行业易受政策影响，而各地金融及产业发展政策存在区域壁垒，没有充分发挥其对邻近地区的溢出效应。人力资本（Cap）的直接效应呈现显著正向关系，而间接效应不显著。这说明高层次人才培养提升了本地区人力资本水平，从而促进了本地区制造业高质量发展，但对邻近地区溢出效应不明显，可能是区域间存在较强的人才竞争关系，阻碍了区域间人才流动；同时，可能人力资本也向经济发达地区集聚，从而产生虹吸效应，因此本地区的人才资源投入对邻近地区的制造业高质量发展不存在显著关系。固定资产投资（Inv）的直接效应和间接效应均未通过检验，说明对邻近地区的溢出效应并不明显。

（五）稳健性检验

本文通过替换数字经济综合指数，利用软件业务收入占地区生产总值比重（Sof）代替数字经济发展指数来衡量各地区数字经济发展水平，进一步检验结果的稳健性。此外，考虑到空间计量模型对空间权重矩阵较为敏感，为进一步确保研究结论的可靠性，本文通过构建地理矩阵、经济距离矩阵、经济地理嵌套矩阵和工业经济地理矩阵，进一步检验结果的稳健性，矩阵的构建方法如下：

其中dij为两省之间的地理距离，W'2和W'3分别为W2和W3的标准化矩陣且取0.5，为样本考察期内第n个省市人均工业增加值的年均值与全国人均工业增加值的年均值之比。

由表8可知，从替代解释变量的分析结果来看，数字经济促进了中国省域制造业高质量发展，回归结果与上述结论相符，说明本文结论具有稳健性。从采用经济矩阵、嵌套矩阵和工业经济地理矩阵相对应的分析结果看，模型中的R2和Log-L值相对稳定，数字经济及其空间滞后项系数均通过了显著性检验，系数符号均与原始SDM模型结果保持一致，进一步验证了本文结果的稳健性。

五、研究结论与政策启示

考虑数字经济和制造业高质量发展的空间依赖性，本文基于中国30个省市2011—2019年面板统计数据，运用空间计量模型考察数字经济与制造业高质量发展之间的空间非线性关系，主要结论如下：第一，中国各省市数字经济和制造业高质量发展并不是处于完全随机状态，而是存在显著的空间自相关性，呈现出“高高—低低”集聚特征。第二， 数字经济能显著促进本地区制造业高质量发展，还能通过空间溢出效应显著加快邻近地区制造业高质量发展。第三，数字经济存在显著的空间溢出应，且随着经济地理距离的增加，区域间的溢出效应大于区域内，实现了知识和技术溢出。

基于上述研究结论，本文的政策启示在于：

第一，加快建设完善数字基础设施，全面推进工业互联网和大数据中心等平台建设，提升整体数字经济发展水平，打造数字经济新优势。要把握数字经济驱动制造业高质量发展的新动能，充分释放数字经济的规模经济效应。

第二，大力推进传统制造业数字化转型，实现数字经济与传统制造业的深度融合发展。要加快制造企业的数字化转型升级，深入实施智能制造工程，充分发挥数字经济的产业融合发展效应。要深化研发、生产、管理、消费等环节的数字化应用，培育发展个性定制、柔性制造、网络化协同等新模式。

第三，深入发展共享经济，加强数据开放共享。要加强公共数据开放共享以及数字基础设施建设的协调力度，推进研发设计、生产制造、经营管理等环节共建共享，推进数据跨部门、跨层级、跨地区汇聚融合和深度利用。

注释：

（1） 刘斌、魏倩、吕越、祝坤福：《制造业服务化与价值链升级》，《经济研究》2016年第3期。

（2） 梁向东、阳柳：《国家自主创新示范区创新驱动效率测度及政策评价》，《中国软科学》2021年第7期。

（3） 孔慧珍、高智：《发展数字经济 推动高质量发展》，《河北日报》2018年10月31日。

（4） 余东华：《制造业高质量发展的内涵、路径与动力机制》，《产业经济评论》2020 年第1期。

（5） 江飞涛、武鹏、李晓萍：《中国工业经济增长动力机制转换》，《中国工业经济》2014年第5期。

（6） 高文鞠、綦良群：《科技人才、全要素生产率与装备制造业高质量发展》，《中国科技论坛》2020年第9期。

（7） 余泳泽、刘大勇、龚宇：《过犹不及事缓则圆：地方经济增长目标约束与全要素生产率》，《管理世界》2019年第7期。

（8） 师博、任保平：《中国省际经济高质量发展的测度与分析》，《经济问题》2018年第4期。

（9） 彭树涛、李鹏飞：《中国制造业发展质量评价及提升路径》，《中国特色社会主义研究》2018年第5期。

（10） D. Joshi， B. Nepal， A. P. S. Rathore， D. Sharma， On Supply Chain Competitiveness of Indian Automotive Component Manufacturing Industry， Production Economics， 2013， 143（1）， pp.151-161.

（11） Robert C. Feenstra， R. John， International Prices and Endogenous Quality， Quarterly Journal of Economics， 2014， 129（2）， pp.477-527.

（12） 李春梅：《中国制造业发展质量的评价及其影响因素分析——来自制造业行业面板数据的实证》，《经济问题》2019年第8期。

（13） 曲立、王璐、季桓永：《中国区域制造业高质量发展测度分析》，《数量经济技术经济研究》2021年第9期。

（14） 唐晓华、孫元君：《环境规制对中国制造业高质量发展影响的传导机制研究——基于创新效应和能源效应的双重视角》，《经济问题探索》2020年第7期。

（15） 李巧华：《新时代制造业企业高质量发展的动力机制与实现路径》，《财经科学》2019年第6期。

（16） 王军、朱杰、罗茜：《中国数字经济发展水平及演变测度》，《数量经济技术经济研究》2021年第7期。

（17） 汪芳、石鑫：《中国制造业高质量发展水平的测度及影响因素研究》，《中国软科学》2022年第2期。

（18） 杨慧梅、江璐：《数字经济、空间效应与全要素生产率》，《统计研究》2021年第4期。

（19） 肖旭、戚聿东：《产业数字化转型的价值维度与理论逻辑》，《改革》2019年第8期。

（20） 赵西三：《数字经济驱动中国制造转型升级研究》，《中州学刊》2017年第12期。

（21） 沈运红、黄桁：《数字经济水平对制造业产业结构优化升级的影响研究——基于浙江省2008—2017年面板数据》，《科技管理研究》2020年第3期。

（22） 王可、李连燕：《“互联网+”对中国制造业发展影响的实证研究》，《数量经济技术经济研究》2018年第6期。

（23） 陶长琪、周璇：《产业融合下的产业结构优化升级效应分析——基于信息产业与制造业耦联的实证研究》，《产业经济研究》2015年第3期。

（24） 王文娜、刘戒骄、张祝恺：《研发互联网化、融资约束与制造业企业技术创新》，《经济管理》2020年第9期。

（25） 王军、邹广平、石先进：《制度变迁对中国经济增长的影响——基于VAR模型的实证研究》，《中国工业经济》2013年第6期。

（26） 刘军、杨渊鋆、张三峰：《中国数字经济测度与驱动因素研究》，《上海经济研究》2020年第6期。

（27） 赵涛、张智、梁上坤：《数字经济、创业活跃度与高质量发展——来自中国城市的经验证据》，《管理世界》2020年第10期。

作者简介：梁向东，长沙理工大学经济与管理学院教授、博士生导师，湖南长沙，410004；苏在坤，长沙理工大学经济与管理学院，湖南长沙，410004。

（责任编辑 李灯强）