数字化能否促进制造业高质量发展——基于中国省际面板数据的经验证据*

樊自甫，陶友鹏

(重庆邮电大学 经济管理学院，重庆 400065)

一、引 言

人类社会进入数字经济时代，数字化已成为全球经济社会发展的重要驱动力，特别是新冠肺炎疫情进入常态化阶段后，不受空间约束的数字经济优势逐渐凸显，数字化正在持续提升整个社会的“免疫力”，成为疫情期间经济高质量发展与制造业高质量发展的重要引擎。习近平总书记多次强调数字经济是世界科技革命与产业变革的重要抓手，要发挥数字化的重要作用，促进数字技术与实体经济的深度融合。当前，我国制造业数字化从发展层次上形成了中央、地方、企业三级架构，呈现出全面推动制造业数字化的发展态势。中央政府连续出台制造业数字化转型升级行动计划与政策文件，以部署和指导全国的制造业数字化发展，地方政府积极响应国家号召，相继实施多项战略举措，形成了上下联动的发展态势。在企业层面，各行业纷纷行动，在企业生产经营过程中实施数字化改造。例如，矿产行业伊泰集团利用人工智能、VR、AR等数字技术实现了智能化开采，进而实现“无人化开采”，通过配备员工GPS定位系统、安全监测监控系统、束管监测系统等数字化系统对生产数据进行收集、分析，实现了企业的数字化转型。

制造业作为重要支柱产业，持续影响着我国经济发展，但存在大而不强、全而不优等问题[1]，其科技研发资源投入不足，污染重、能耗高，生产效率低，核心技术缺乏等问题制约了制造业的高质量发展。为此，抓住供给侧结构性改革的主线，利用数字化技术构建高质量、可持续、以制造业为核心的现代产业体系是助力制造业高质量发展的重要途径。制造业数字化发展的关键在企业的产品设计、制造、销售、库存管理和售后等环节，应广泛应用互联网、大数据、物联网、人工智能等数字技术，推动企业生产的数字化、网络化和智能化，优化生产组织模式，提升企业生产和资源配置效率。数字技术的广泛应用不仅能够降低制造企业各环节成本，提高生产效率，而且能将消费者的消费信息转化为数据要素，企业可利用消费者数据信息以需定产，在实现个性化生产的同时，有效解决产能过剩问题。

二、文献综述

(一)数字化的内涵与测度研究

一是数字化的内涵研究。1703年，Leibniz[2]将数字化定义为二进制系统，Sjodin等[3]认为数字化是一个利用先进技术带来变革的“过程”，催生了大数据、物联网、工业互联网和云计算等新现象。肖旭等[4]将数字化定义为传统产业运用人工智能、云计算等数字技术提升企业生产数量及效率的过程；沈建光等[5]将产业数字化的内涵界定为企业对产业链全要素、全流程的数字化再造过程；杨卓凡[6]认为工业互联网平台、应用操作软件、电子商务平台是数字化的重要业态。二是数字化的测度研究。目前，关于数字化的测度研究可以概括为3个维度，分别是产业、企业和区域维度。产业维度，腾讯研究院从数字中国、数字产业、数字政务以及数字文化4个方面来测度中国的数字化发展水平[7]。企业维度，王瑞[8]运用问卷分析法与层次分析法测度了企业的数字化程度，为制造业企业提升数字化能力提供了路径参考。区域维度，范合君等[9]构建了数字化能力概念模型，使用数字化使用能力、数字化引领能力、数字化盈利能力、数字化创新能力等4个一级指标以及17个二级指标来测度区域数字化能力。

(二)制造业高质量发展测度研究

关于制造业高质量发展的研究，同样是从内涵与测度两个方面进行。唐晓华等[10]认为制造业高质量发展的核心是增强效果与绿色发展，李英杰等[11]认为制造业高质量发展的核心应该是在制造业生产、销售等过程中质量、动力以及效率的有机结合。在制造业高质量发展水平测度体系构建方面，宋晓娜等[12]运用云理论对制造业高质量发展水平进行测度，通过构建创新-协调-绿色-开放-共享综合测度体系分析发现，近几年全国制造业发展质量水平整体呈现持续稳定上升趋势，但地区之间的差异较大；李秋香等[13]从价值链角度对不同区域的制造业高质量发展水平进行了分析，认为中国制造业高质量发展过程中应注重区域产业结构的均衡，主动对接国家政策，鼓励创新和重视人才培养；贺正楚等[14]从国际竞争力视角对中国制造业发展质量水平进行了分析，发现中国制造业高质量发展受到国际市场份额、贸易竞争指数、比较优势的影响；汪芳等[15]以中国制造业27个行业为研究对象，从绿色发展效率和出口技术结构2个方面综合测度了制造业高质量发展水平；张爱琴等[16]基于制造业数字化转型背景，采用CRITIC(criteria importance though intercrienia correlation)-熵值法组合权重与TOPSIS(technique for order preference by similarity to an ideal solution)相结合的评价方法，对中国30个省市(1)不含西藏、香港、澳门和台湾，下同。2013-2018年的制造业高质量发展水平进行了测度。

(三)数字化与制造业高质量发展关系研究

综上所述，极少有学者从实证角度检验数字化与制造业高质量发展的关系，且数字化与制造业高质量发展测度评价体系较为匮乏。为此，本文尝试在构建数字化与制造业高质量发展评价指标体系的基础上，运用2015-2019年中国省际面板数据对全国30个省市数字化水平以及制造业高质量发展水平进行测度，然后实证检验两者之间的相关关系，并分地区检验数字化对高质量发展影响的异质性，最后有针对性地提出相关政策建议。

三、研究设计

(一)变量设定与测度

1.被解释变量

制造业高质量发展(high-quality development of manufacturing industry，HDMI)。制造业高质量发展不是一味关注制造业的体量，而是关注制造业在发展中的质量，是一个涵盖制造业多个方面并呈现高级发展状态的综合概念，其包含产品质量的提升与产品生产过程中的绿色化，也包含制造业全要素生产率的提升以及竞争力的增强等。本文在梳理制造业高质量发展评价体系文献的基础上，结合《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出的制造业发展目标，从基础水平、创新能力、绿色发展3个方面来衡量制造业的高质量发展水平，形成包含3个一级指标、12个二级指标的评价指标体系，如表1所示。

表1 制造业高质量发展指标体系

在指标赋权方面，本文采用熵值法来确定数字化与制造业高质量评价体系指标权重，熵值法是根据各个指标的变异程度来确定指标权重，并通过权重表示各指标在指标体系中的重要程度，熵值法有主观干预少、客观赋权的优点，相比其他赋权方法，更能客观反映各个指标的信息[23]。

(1)基础水平。由于区域制造业高质量发展水平受现有技术水平、生产能力等影响，本文选取单位工业增加值能耗、产品质量优等品率、新产品销售率、高端制造业产值增速等4个指标反映制造业高质量发展的基础水平。

(2)创新能力。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提到在中国现代化建设中必须将科技创新放在核心位置。创新是制造业发展与转型升级的核心驱动力，要实现制造强国以及促进制造业高质量发展，必须把创新摆在首要位置。本文选取单位工业增加值发明专利数、科学研究和技术服务业城镇单位就业人员数量、规模以上工业企业R&D人员全时当量、规模以上工业企业R&D经费等4个指标反映制造业高质量发展中的创新能力。

(3)绿色发展。绿色化是制造业进入高质量发展阶段不可忽视的一环，是制造业实现可持续发展、实现经济效益与环境效益最优化的重要途径。根据各地工业废水、废气和废弃物的排放和处理情况，选取了4个指标：二氧化硫排放强度、工业固体废弃物综合利用率、废水处理项目投资和废气处理项目投资。

通过对2015-2019年指标样本数据的收集、整理、标准化与计算等，得出中国30个省市的制造业高质量发展指数如表2所示。从时间序列来看，绝大多数省市的制造业高质量发展指数呈上升趋势，北京、广东等东部发达省市上升趋势较快，但大多数西部欠发达省市的指数上升趋势较为缓慢。2019年，制造业高质量发展指数的全国平均值为0.94，其中指数高于平均值的省市有9个，指数低于全国平均值的省市超过20个，东部地区制造业高质量发展指数平均值为1.34，中部地区的平均值为0.82，西部地区的平均值为0.56，证明了各地区间、各省市间制造业高质量发展的差距仍然较大。

4.2 固定资产管理 固定资产管理是整个系统的核心部分，在该部分可以看到每台设备的详细状况，包括固定资产卡片、安装培训、验收、合同、招标、购置申请等整个生命周期的信息，具体运行效果见图5。

2.核心解释变量

数字化(digitization，DIG)。关于数字化水平的测度，目前尚未形成学者们公认的评价体系。考虑到单一指标只能体现数字化的部分进程与特征，难以反映数字化发展的综合水平，本文从数字化环境、数字化创新、数字化应用3个方面构建区域数字化水平测度指标体系，最终形成包含3个一级指标、13个二级指标的数字化水平测度评价指标体系，如表3所示。对于指标的赋权，同样采用了熵值法。

表2 制造业高质量发展指数

(1)数字化环境。包括电子商务销售额、有电子商务交易活动企业数、每百人使用计算机数和中小企业信息化服务平台指数4个指标。其中，电子商务销售额以及有电子商务交易活动企业数反映了地区电子商务活动的参与度，可以衡量区域利用数字化、网络化手段开展经济活动的规模，还可以衡量区域电子商务发展水平[24]；每百人使用计算机数可以反映互联网在居民中的渗透率；中小企业信息化服务平台数可以反映区域中小企业的信息化服务体系的完备程度与建设水平。

表3 数字化水平测度指标体系

(2)数字化创新。包括装备数控化率、专利申请授权数、技术市场成交额3个指标。其中，装备数控化率是指制造企业可进行数字化控制的装备数量在生产装备数量中的比率；专利申请授权数、技术市场成交额在一定程度上反映数字化创新能力。

(3)数字化应用。包括企业ERP、MES、PLM与SCM普及率以及企业采购环节与销售环节电子商务应用指数6个指标。其中，企业ERP普及率即企业资源规划应用的运用程度，企业MES普及率即企业在生产过程中执行管理的渗透程度，企业PLM普及率即企业在自身产品中进行的生命周期管理的比率，企业SCM普及率即企业在全业务流程中进行供应链管理的占比，企业采购及销售环节电子商务应用指数反映企业在各流程中对电子商务的应用程度。上述指标值越大，反映各省市数字化在企业的渗透越深。

对2015-2019年内指标样本数据进行收集、整理、标准化与计算，得到中国30个省市的区域数字化指数如表4所示。从地区来看，东部地区的数字化水平高于中西部地区，西部地区数字化水平相对落后，青海、甘肃、宁夏等省份位于全国末位。从时间序列来看，各省市的数字化水平呈逐步上升趋势，广东、北京、江苏等东部省市数字化指数上升趋势迅速，且远高于西部省市。2019年，全国数字化指数平均值为1.14，其中，高于全国平均值的省市同样为9个，东部地区制造业高质量发展指数平均值为1.59，中部地区的平均值为1.08，西部地区的平均值为0.67，中西部地区平均值均低于全国平均值。

3.控制变量

控制变量包括外商直接投资(foreign direct investment，FDI)、消费水平(consumption level，CL)、教育水平(education level，EL)、财政支出(finance expenditure，FE)和城市化水平(urbanization level, UL)。外商直接投资能够通过产业间关联和技术溢出等渠道影响区域制造业高质量发展，所以采用外商投资企业出口总额来代表外商直接投资水平。消费水平以消费能力反映市场需求，对制造业高质量发展具有重要引导作用，采用社会消费品零售总额表示区域消费水平。教育在提高劳动力技能水平、人文素质、环保意识等诸多方面起着不容忽视的作用，这些因素直接影响了制造业高质量发展水平，采用每十万人口高等学校平均在校生数代表教育水平。财政支出对于城市制造业集聚具有正向的推动作用[25]，推动制造业高质量发展，采用地方财政支出数据代替。城市化为制造业高质量发展提供了基础设施、人才与政策环境[26]，采用城镇人口占总人口比例代表城市化水平。

表4 各省市数字化指数

(二)数据来源

遵循科学性、客观性、可操作性、权威性、代表性等原则，在时间维度上选择持续发布的统计数据，在空间维度上选择各省市普遍采用的指标。相关数据来源于中经网数据库、对应年份的《中国统计年鉴》《中国信息化与工业化融合发展水平评估报告》《中国工业统计年鉴》等，时间跨度为2015-2019年，空间跨度为中国30个省市，由于2018年《中国信息化与工业化融合发展水平评估报告》未公开发布，该年份企业ERP普及率、企业MES普及率、企业PLM普及率、企业SCM普及率、企业采购环节电子商务应用指数、企业销售环节电子商务应用指数数据均采用插值法进行弥补。

四、实证分析

(一)描述性统计

核心解释变量与被解释变量的描述性统计结果如表5所示。

表5 变量描述性统计表

表5中，制造业高质量发展指数的最小值在2015-2019年呈现先降后升趋势，最大值呈逐步上升趋势，每年的最小值与最大值之间差距较大，表明中国省际间制造业高质量发展水平差距较大；制造业高质量发展指数均值在2015-2017年几乎没有变化，2017年以后，均值增长较快；制造业高质量发展指数的标准差在每年度都大于0.5，且逐年增加，表明中国省际间制造业高质量发展水平差距较大，且还在不断扩大。数字化指数在2015-2019年的标准差在不断扩大，表明省际数字化水平存在显著差异且差异在逐年扩大；数字化指数的均值整体呈现逐年上升趋势，表明中国数字化总体能力在不断提升。

(二)基准回归模型

为了检验数字化水平与制造业高质量发展之间的关系，本文设计了基准回归模型

HDMIit=β0+β1DIGit+β2Controlsit+εit

(1)

(1)式中：i为个体样本；t为时间；ε为随机扰动项；Controls为控制变量，主要包括外商直接投资(FDI)、消费水平(CL)、教育水平(EL)、财政支出(FE)、城市化水平(UL)。回归系数β及其显著性水平分别反映数字化对制造业高质量发展的作用效果。

首先，验证数字化对制造业高质量发展的基本影响。为了检验模型的有效性，分别运用面板数据固定效应模型与随机效应模型来检验数字化对制造业高质量发展的影响，结果如表6所示。

表6 数字化水平与制造业高质量发展水平 基准回归结果

模型1与模型2分别是未加控制变量的面板数据固定效应模型与随机效应模型检验结果，模型3与模型4分别是加入了控制变量的固定效应模型与随机效应模型检验结果。可以看出，在未加入控制变量时，数字化在固定效应模型与随机效应模型中的系数分别为0.369与0.666，都为正值且在1%的置信水平下显著；加入控制变量之后，数字化在固定效应模型与随机效应模型中的系数分别为0.292与0.461，也都为正值且在1%的置信水平下显著，说明数字化对于制造业高质量发展具有显著的正向影响。

(三)区域异质性分析

由于中国各省份资源禀赋差异较大，数字化与制造业高质量发展的地区分布呈现明显的异质性，为了进一步验证在不同地区数字化对制造业高质量发展的异质性影响，将研究对象按区域分为东部、中部、西部3个区域，并用面板数据的随机效应模型进行检验，结果如表7所示。东部地区数字化系数为0.868，中部地区数字化系数为0.360，西部地区数字化系数为0.391，都为正值且在1%的置信水平下显著。可以看出，东、中、西部数字化均对制造业高质量发展有显著影响，东部地区数字化对制造业高质量发展的影响结果明显高于中部与西部地区，可能的原因是：东部地区拥有更为充裕的资金和高技术人才等资源，数字化技术的优势在引领制造业高质量发展中能更充分地被释放，而中西部地区由于数字化专业人才相对匮乏，对先进数字化设备以及数字化系统的使用不够精通，难以充分发挥数字化在制造业高质量发展中的正向带动作用。

表7 区域异质性结果

(四)稳健性检验

模型的稳健性检验一般有三种方式：一是改变解释变量与被解释变量的测度方式，二是替换解释变量，三是采用不同的计量方法进行检验。本文主要以改变被解释变量的测度方式进行模型的稳健性检验。考虑到上文已经运用熵值法对数字化水平进行了测度，在进行稳健性检验时，采取主成分分析法对区域数字化指数进行重新测度，然后运用固定效应模型与随机效应模型进行回归，以验证结果的稳健性，回归结果如表8所示。可以看出，采用主成分分析法重新测度的数字化对制造业高质量发展在固定效应模型(模型5)与随机效应模型(模型6)中的影响系数分别为0.155与 0.299，都为正值且在1%的置信水平下显著，模型的稳健性得到验证。

表8 变更解释变量测度方式的回归结果

(五)内生性检验

常见可能产生内生性问题的因素主要有三种，分别是遗漏变量、变量测度误差以及逆向因果问题[27]。在前文分析中已经控制了外商直接投资、消费水平、教育水平、财政支出以及城市化水平等变量的影响，解决了部分遗漏变量问题，也通过重新测量数字化指数解决了变量测度误差的内生性问题。对于逆向因果问题，本文将解释变量滞后一年作为新的解释变量进行检验，新的检验结果如表9所示。可以看出，数字化对制造业高质量发展在固定效应模型(模型7)与随机效应模型(模型8)中的影响系数分别为0.391和0.367，都为正值且在1%的置信水平下显著，分析验证了本模型不存在逆向因果问题。

表9 逆向因果问题检验结果

五、结论与政策建议

本文在构建数字化与制造业高质量发展测度评价指标体系的基础上，采用2015-2019年的省际面板数据对我国各省市数字化水平以及高质量发展水平进行了测度，验证了数字化对制造业高质量发展的影响，并对可能存在的内生性问题进行了稳健性检验，得到以下主要结论：(1)东部地区的制造业高质量发展水平远高于西部地区，这得益于优越的地理位置以及人才、资金、技术等资源集聚优势，位于制造业高质量发展水平“第一梯队”省市的经济水平也稳居全国前列。西部地区制造业高质量发展水平较低，且与东部地区的差距呈现出逐步扩大态势；(2)东部地区的数字化水平远高于西部地区，位于制造业高质量发展水平“第一梯队”的省市同样位于数字化水平的“第一方阵”；(3)通过面板数据回归模型分析，发现数字化对制造业高质量发展有着显著的促进作用。

根据上述结论，结合我国制造业发展现状，提出以下政策建议：(1)平衡区域间数字化发展差异。我国各省市数字化水平参差不齐，需要对区域间数字化水平进行平衡，特别是数字化水平较低的中西部地区，需要在政府层面对制造企业数字化改造进行政策性引导，激励企业开展生产换线、机器换人、设备换芯，建立数字化车间、智能工厂等；引导制造企业加强对大数据、物联网、人工智能等数字技术的研发与应用，建设数据采集、传输、存储和分析平台，制订基于数据的生产经营决策；增强中西部地区制造企业与东部地区制造企业的交流互动，学习东部先进制造企业的发展经验，制定帮扶政策，引导东部地区数字化人才、技术、资金等加速向中西部地区流动，推动区域间的协调发展。(2)全面提升制造业高质量发展水平。鼓励制造业企业与高校、研发机构、科研院所等建立密切的产学研用合作关系，积极引进高端人才、先进技术等资源，通过数字平台赋能、数据要素整合等方式全面推动产业数字化，从而推动整个制造业高质量发展。(3)把握“渝新欧”国际铁路联运大通道建设及“一带一路”战略机遇，加强与俄罗斯、巴基斯坦等沿线国家的交流合作，共享数字化成果，助推制造业数字化转型。(4)利用数字化推动区域间制造业高质量发展。东部地区在稳步发展传统制造业的基础上，应积极布局新兴数字产业，推动全域数字化；中部与西部地区重点加强数字化基础设施建设，营造良好的数字化发展环境，吸引更多的优质数字技术服务企业和人才帮助本地区制造业实现高质量发展。