数字经济对制造业高质量发展的影响——基于技术创新的中介效应分析

武云亮，方婷，程文先

（安徽财经大学国际经济贸易学院，安徽蚌埠，233030）

我国经济已逐步转向高质量的发展阶段，制造业作为国民经济重要的支柱产业，其发展质量对国民经济命脉产生直接影响。《中国制造2025》指出，目前制造业存在大而不强的现象，自主创新的能力明显不足，提升制造业全球价值链地位的速度较慢。数字经济被写入党的十九大报告，成为了经济增长的新动能，依托数字技术突破制造业的“低端锁定”迫在眉睫，人工智能、互联网等新型数字技术助力制造业的技术创新实现“弯道超车”，同时数字经济带来的技术变革促进了技术创新，而技术创新的提升成为了推动制造业高质量发展的重要性因素。因此，厘清数字经济对制造业高质量发展的影响机制，助推中国制造业快速迈向全球价值链中高端的意义重大。

一、文献综述

Tapscott 在其著作中首次提出了“数字经济”［1］。关于数字经济的测度主要分为直接法和对比法［2］。大部分学者基于数字经济发展的典型内涵“数字产业化”和“产业数字化”构建指标体系［3-4］。尽管评价指标的涵盖面和侧重点有差异，但测度方法主要采用主成分分析和熵值方法。

学术界关于制造业高质量发展的测度并没有明确的评价方法，主要集中在综合评价指标体系法、全要素生产率法等［5-6］。新时代以绿色可持续发展为经济运行的目标，提升制造业绿色全要素生产率是必然要求，因此，有些学者将绿色全要素生产率作为制造业高质量发展的代理变量）［7-8］。在影响因素方面，已有研究分析了环境规制、人力资本、数字经济［9-11］。

数字经济与技术创新之间的研究较少，部分学者认为数字经济通过促进产业之间的融合和降低交易成本来推动创新发展，进而提升创新效率［12-13］。数字经济重塑企业与消费者之间的关系，形成个性化的研发设计，促进协同创新［14］。大部分研究证明了互联网能大幅提升技术创新能力，Androutsos 研究发现互联网通过快速催生出新业态和新商业模式，呈现出技术创新的溢出效应［15］。

关于技术创新与制造业高质量发展，熊彼特认为新技术的出现必然会提高生产效率，产业的发展质量也会得到进一步提高［16］。技术创新是推动制造业产业结构升级的内在动力，开展一系列的创新活动不仅提高了企业的工作效率，还有助于制造业更好地完成转型升级［17-18］。

多数学者基于技术—经济范式框架理论研究数字经济对制造业高质量发展的影响，认为数字经济通过革新制造业创新模式和优化生产要素配置进而赋能制造业高质量发展［19-20］。有的学者研究“互联网+”对制造业产业结构优化的影响并进行实证分析，主要集中在制造业内部企业的数字化应用、技术创新、产业链优化等外部因素的角度［21-22］。区域层面上，廖信林等基于长三角城市群视角分析数字经济对制造业升级水平的具体效应［23］。

现有研究表明，数字经济能促进区域创新和技术创新，企业自主创新、协同创新等能提高制造业要素利用率，进而促进制造业高质量发展，鲜有研究将数字经济、技术创新与制造业高质量发展纳入统一的分析框架下进行分析，且相关的实证研究匮乏。论文的边际贡献在于将技术创新进行分类，研究不同类型的技术创新的中介效应，更加全面地识别技术创新影响数字经济推动制造业高质量发展的主要路径，拓宽相关的研究领域。

二、理论分析与研究假设

（一）数字经济对制造业高质量发展的直接影响

数字经济对制造业高质量发展的直接影响有：一方面，数字经济的规模经济效应提高了制造业企业的生产效率。云计算、大数据为代表的信息技术通过高效率计算打破了生产要素流动的时空局限性，拓展制造业产业链分工边界。规模报酬递增大幅度降低了制造业企业的研发资源搜索和匹配成本，促使知识信息和碎片化研发资源实现有效整合。另一方面，数字经济的高渗透性推动产业创新发展。人工智能、物联网技术、移动通信等基础性技术具有网络示范效应，研发资源不断共享产生映射效应，在各个领域内会加快知识外溢扩散，不断渗透上下游产业，打破了生产要素流动的时空局限性，进而推动产业链的升级。

H1：数字经济显著促进制造业高质量发展。

（二）技术创新对制造业高质量发展的影响机制

技术创新对制造业高质量发展的影响体现在以下几个方面：一是促进知识溢出。技术创新通过学习效应和积累效应提高制造业各个企业的知识储备量，增强其知识的吸收能力，衍生出新型工艺和技术；二是提高生产技术。根据Aghion 和Howitt为代表的内生经济增长理论，技术创新精细化改造了企业的生产过程和生产工艺的组织方式，生产设备的性能改良可以推动制造业企业的高效率发展［24］。三是优化资源配置。技术创新推动了企业对生产要素的需求发生改变，企业对资本、劳动等生产要素的依赖程度降低，进而促进了生产要素组合趋于优化。

H2：技术创新推动了制造业高质量发展。

（三）技术创新的中介作用

一方面，数字经济对技术创新有影响。首先，数字经济通过优化创新要素组合，改善创新流程来激发制造业企业创新潜力，进而提升制造业技术创新效率。人工智能、工业机器人等通用技术的出现，降低了制造业研发人员的投入和研发成本，从而提高了技术创新效率，提升了制造业数字化转型。其次，由于数字经济强大的扩散性，革新了原有的商业模式，产生了平台化协同的新模式。基于网络化的创新平台，在数字经济的跨时空和零成本的作用下，制造业企业整合自身和他人的资金流、信息流和物流等，加快创新主体之间的跨区域交流，同时技术创新平台的“示范效应”吸引大量的消费者和制造业企业一起参与到区域技术创新，由于存在“竞争效应”，技术创新质量不断提高，有研发活动的制造业企业占比越高。

另一方面，技术创新的路径主要包括自主创新和模仿创新［25］。模仿创新不仅包括现有的产品设计改进，还包含了知识和技能扩张，它强调对现有知识的整合、提炼、强化和改进。自主创新是通过内部研发的突破拥有核心的技术。自主创新的“扩散效应”和“极化规律”促使制造业采用比以往效率更高的技术。制造业通过自我积累和自主研发进行自主创新，同时在吸收互联网行业的扩散技术基础上实现了技术积累，通过“干中学”形成自主创新体系，推动了制造业的高质量发展。

综合以上分析，猜想数字经济对制造业高质量发展的影响可能部分是通过技术创新作为传导来发挥作用，即技术创新在数字经济与制造业高质量发展之间会起到部分中介变量的作用，其中模仿创新和自主创新在其中的传导机制有着明显的差异。基于此，本文提出假设3。

H3：技术创新在数字经济与制造业高质量发展之间具有中介效应，但在不同的技术创新模式下，这种中介效应存在明显的差异。

图1 数字经济与制造业高质量发展的作用路径图

三、研究设计

（一）模型构建

1.基准模型

数字经济对制造业高质量发展可能呈现正相关，为对上述研究假说进行检验，借鉴李宗显的模型构建［26］，针对数字经济对制造业高质量发展的直接传导机制构建如下的基本模型：

2.中介效应模型

其中，i、t分别表示省份和时期；GTFP 为制造业高质量发展；Digital 为数字经济；inno1 和inno2分别为模仿创新和自主创新；control 为一系列的控制变量；ui和vt分别表示省份和时间固定效应；其余为随机扰动项。

（二）变量测度与说明

1.制造业高质量发展的测度

制造业绿色化在一定程度上可以推动经济结构调整，助推“双碳”目标的实现。因此本文使用Chung 等提出的ML 生产指数［27］，测算包含着资源消耗和环境污染的绿色全要素生产率。本文借鉴李玲等的方法投入要素，首先是资本存量，利用固定资产投资价格指数，以2000 年为基期进行调整，得到所需要的固定资产投资价格指数；其次是劳动力投入，选取规模以上制造业企业平均用工人数作为代理变量；最后是能源投入，采用各省份的能源消耗总量。产出要素，分成期望产出和非期望产出，其中期望产出，本文选取的是按市场价格计算的规模以上制造业企业销售产值，非期望产出选取制造业废水中主要污染物之一的COD、废气中的SO2排放量、制造业固体废物产生量［28］。

2.数字经济的测度

目前关于数字经济测度的文献较少，大部分研究从数字产业化和产业数字化两个角度进行指标构建，两者构成了数字经济的主要组成部分。本文参考葛和平等指标构建方法［29］，从数字产业化、产业数字化和数字治理三个维度构建我国省级区域数字经济综合指标（见表1），利用熵值法进行测度。

表1 数字经济指标

表2 变量说明

3.技术创新的测度

目前研究对自主创新的度量没有统一的衡量指标，本文借鉴林春艳等研究，采用研发支出R&D指标衡量自主创新［30］。模仿创新不仅包括对技术引进的吸收和模仿，而且涉及了对引进技术的创新改进，借鉴唐未兵等处理方法，使用研发支出与外资参与度连乘项衡量模仿创新［31］。

4.控制变量

第一，产业结构（ind）：选取第三产业产值和第二产业产值的比值度量［32］。第二，环境规制（re）：采用环保投资占制造业增加值比重。第三，金融发展水平（fdl）：用各省金融机构存贷款总额占GDP的比重表示。第四，人力资本（hum）：选取人均受教育的年限来衡量该指标。第五，经济发展水平（edl）：采用人均GDP 衡量。

（三）数据来源与描述性统计

本文选取2011—2019 年30 个省份（剔除了新疆）的面板数据作为研究样本，其中主要的数据来源于历年各省的《统计年鉴》《中国电子商务报告》《北京大学数字普惠金融指数》等。部分缺失数据采用插值法补齐，为了避免异方差对模型结果的影响，对变量inno1、inno2、edl、hum 进行对数化处理。各变量的描述性统计结果见表3。

表3 变量的描述性统计结果

四、实证检验及分析

（一）基准回归分析

为了解各变量与被解释变量之间的相关关系，需要对变量进行皮尔逊相关性检验，结果表明均显著相关。同时，为了避免多重共线性，在回归前需要对变量进行多重共线性检验，结果表明各变量之间不存在多重共线性。

本部分基于Hausman 检验结果，选择固定效应模型对模型（1）进行参数估计，实证检验数字经济对制造业高质量发展的直接影响，回归结果如表4所示。

表4 基准回归结果

由表4 可知，模型的F检验P值为0 小于0.05，故在5%的显著性水平下，模型的参数估计不都为0，即模型整体是有效的。数字经济（digital）对制造业高质量发展（gtfp）的回归系数为0.442 且在1%的水平下显著，故数字经济对制造业高质量发展有显著的正向影响，假设H1 得到验证。数字产业化、产业数字化和数字治理三个方面的共同作用提高了市场资源配置效率和调节了制造业的生产方式，降低了制造业企业的交易成本，从而提高生产效率，同时激发了企业的竞争意识，带动制造业企业的高端化转型。

（二）技术创新的中介效应分析

表5 中的模型（2）和模型（3）是基于模仿创新检验的结果，数字经济（digital）对模仿创新（Ininno1）回归系数为负，说明数字经济对模仿创新有显著的负面影响，当同时纳入模仿创新和数字经济时，数字经济变量显著为正，模仿创新变量却不显著，可见模仿创新不能成为数字经济驱动制造业高质量发展的间接渠道。

表5 中介效应

模型（4）和模型（5）从自主创新维度进行分析，当检验数字经济对自主创新的影响作用时，数字经济变量显著为正，且通过1%的显著性水平，说明数字经济能够显著提升自主创新，由模型（5）可知，自主创新（Ininno2）对制造业高质量发展（gtfp）回归系数显著为正，故说明自主创新在数字经济对制造业高质量发展的正向影响中具有显著促进作用，证实了假设H2。

综合来看，自主创新的各回归系数均最大，因此自主创新的中介效应最明显。“数字经济—技术创新—制造业高质量发展”传导路径在自主创新下成立，而在模仿创新下不成立，证实了假设H3。相较于自主创新，以技术扩散为主的模仿创新路径虽然成本的优势十分明显，但是忽略了信息技术资本的作用，数字技术的出现大幅度地改变创新要素的要素禀赋结构，降低了创新要素的相对稀缺性，节约了创新成本。数字技术的出现降低了信息通信和复制成本，增强了知识的外溢性，进而提高了自主创新的效率，有助于加速制造业创新成果转化效率，实现高质量发展。双循环背景下，中国制造业高质量发展对技术创新提出了更高的要求，制造业高质量发展需要自主创新高端技术或引进前沿技术，才能够激发数字经济的潜力，推动制造业高质量发展。

（三）异质性检验

1.基准回归

由于资源禀赋、经济发展阶段、地理位置等不同，中国区域之间存在较大的数字鸿沟，制造业发展质量和数字经济在区域的分布上都具有异质性特征。按照传统的经济划分方式，将各省市划分为东部地区、中部地区、西部地区，进行异质性检验，检验结果见表6：

表6 基准回归

由表6 可知，东部地区数字经济（digital）对制造业高质量发展（gtfp）的影响系数较小，在中西部地区影响较为显著，相对于经济较发达的地区，经济欠发达地区数字经济对制造业高质量发展的影响更加明显，究其原因，东部地区具有地理位置的优越性，最先引进数字技术，制造业发展已经逐渐向高端化演进，数字经济带来的溢出红利已被提前释放出来，导致如今的数字经济溢出效应不足；然而中西部地区前期工业化的进程较缓慢，经济基础远不如东部地区雄厚，但是自然资源丰富且得到了政府等相关机关单位的扶持，有能力支撑数字经济的发展，从而激发了数字经济对制造业高质量发展的溢出红利。

2.分地区中介效应分析

对比表7 与表8 的回归结果可知，自主创新的中介效应在中西部地区更加显著，而模仿创新在东部和中西部均不显著。原因在于，经济发达地区由于科技资源丰富和良好的创新环境，整个地区的自主创新水平起点比经济欠发达地区高，自主创新的中介效应没有经济欠发达地区显著。东部地区数字经济的发展速度较快，数字经济的技术创新的溢出效应疲乏。而中西部地区数字经济发展还处在潜力释放的阶段，技术创新的溢出效应处在最优状态。

表7 东部地区中介效应分析

表8 中西部地区中介效应分析

（四）内生性检验

基准回归结果表明，数字经济的发展有助于制造业高质量发展。然而上述分析存在内生性问题，即随着制造业高质量发展水平的不断提升，其数字技术不断地嵌入，数字经济快速发展。针对内生性问题，本文借鉴黄群慧等研究，选择各地区1984 年每百人固定电话数量作为地区数字经济发展水平的工具变量［33］。同时为了避免不随时间变化的工具变量在固定效应模型中难以应用这一问题，借鉴杨慧梅等方法，构造出各地区1984 年每百人固定电话数量与上一年全国互联网投资额的交互项作为工具变量进行两阶段最小二乘法（2SLS）回归［34］，回归结果见表9，表9 中ols 为最小二乘回归结果，2sls 为两阶段最小二乘回归结果，对比两者之间回归结果，发现关键变量的显著性以及符号未发生明显变化，因此不存在内生性。

表9 内生性检验

（五）稳健性检验

为验证上述结论的可靠性，同时考虑到绿色全要素生产率具有时间上的连续性，本文将制造业高质量发展滞后一期纳入模型，结果见表10。

表10 稳健性检验

结果显示，数字经济（digital）对制造业高质量发展（gtfp）的回归结果依然显著为正，自主创新（inno2）对制造业高质量发展（gtfp）回归系数显著为正。除变量系数以外以及少数的显著性水平略微变化以外，所有模型中变量的符号及显著性均保持一致，主要结论未发生变化。因此，此研究结果具有较高的可靠性。

五、结论与政策启示

（一）研究结论

第一，数字经济通过规模经济效应和网络效应促进制造业高质量发展；第二，自主创新在数字经济对制造业高质量发展的正向影响中具有显著中介效应；第三，相对经济发达地区，经济欠发达地区数字经济对制造业高质量发展影响更加明显；第四，自主创新的中介效应在经济欠发达地区更加明显；第五，控制变量中，产业结构对制造业高质量发展的影响较大且显著为正；环境规制、人力资本、经济发展水平等对制造业的高质量发展具有显著的正向影响。

（二）政策启示

第一，加快数字产业化和产业数字化的步伐，缩小区域间的“数字鸿沟”，实现区域协调发展。数字经济对制造业高质量发展具有区域差异，不同地区之间要因地制宜，稳步推进区域间协调联动发展。东部地区的数字经济红利已提前释放，应大力提高数字经济发展质量，加大研发区块链、5G、人工智能等新型基础设施建设，加快信息技术与产业的快速融合和渗透，加快推进产业数字化。中西部地区的数字经济潜力还处于大量的释放阶段，应该借助政策优势和资源优势，加大对地区宽带、基站、管道、光缆等基础设施的建设，开发与当地产业相对应的数字技术开发试点，形成具有区域特色的产业新模式、新结构。

第二，提升区域自主创新能力。数字经济时代下，只有加大关键数字技术的自主创新和研发能力，才能真正实现从“中国制造”向“中国智造”的转变。依托国家的重点研发计划、“芯火计划”等专项，加强产学研结合，支持构建协同、高效、开放的共性技术研发平台，不断融合创新链、产业链、人才链、政策链。此外，自主创新对于人才要求极高，各区域应该借助地区教育优势培育复合型的高端人才，制定高等院校的特色优势学科建设，加大对数字技术创业者的补贴力度，鼓励社会成员积极参与“大众创新、万众创新”活动。

第三，大力培育技术创新平台。一方面，推进制造业创新中心的建设力度，推进产业孵化器的建设，采取网络开放孵化、产业协同孵化、企业内部孵化等多种形式。另一方面，加快建设将数字经济和实体经济融合的网络化服务公司，为制造业企业的数字化转型升级提供流程优化、业务设计、机器联网工程实施和系统协同等一体化服务。加速物联网平台的应用推广和建设，从而引导大中小类的制造业企业到云上平台，充分利用平台的海量数据，突破产业中价值链、供应链和创新链之间的“流通屏障”和“数据孤岛”，促进制造业的资源优化配置和全要素连接，推动制造业运营和创新模式向共享、高效和协同转变。