数字经济与产业结构高级化、合理化：基于多模型指数构建的实证研究

林 博 寇冬雪

数字经济与产业结构高级化、合理化：基于多模型指数构建的实证研究

林 博1寇冬雪2

（1. 中国社会科学院拉丁美洲研究所 北京 100007； 2. 中国社会科学院工业经济研究所 北京 100006）

本文基于多模型指数构建检验了数字经济对产业结构合理化及高级化的影响及内在机制。研究得出，数字经济有助于促进产业结构高级化，对产业结构合理化的促进作用在克服内生性影响后显著。数字经济有助于促进东西部地区产业结构高级化，不利于西部地区产业结构合理化。电力消费在数字经济促进产业结构高级化和产业结构合理化过程中存在负向调节作用。技术市场、电子商务和全要素生产率在数字经济促进产业结构高级化过程中存在正向调节作用，区域创新在数字经济促进产业结构高级化过程中存在负向调节作用。

数字经济；产业结构；高级化；合理化

近年来，我国推进新型工业化发展，在大数据、云计算、5G、人工智能、区块链等数字技术领域取得了长足进步，数字技术驱动作用逐渐增强，不断推动生产、流通、交易等环节持续创新和升级，工业化发展出现新图景。我国产业结构转型升级进程不断加快，第三产业增加值占GDP的比重从改革开放初期的24.6%提升到2022年前三季度的53.5%，一举扭转了长期以来产业结构单一的不利局面，为转变经济发展方式、实现高质量发展奠定了重要基础。与此同时，产业结构合理化程度不断优化，产业之间协调能力不断增强。数字经济发展能否真正促进我国产业结构高级化和产业结构合理化，这成为理论和实证研究领域的热点话题。因此，从多模型指数构建维度进行实证研究和论证显得尤为重要。

一、文献综述

国内学者普遍认为数字经济对我国产业结构升级起到促进作用。数字经济发展驱动服务外包产业升级和转型，推动由工业主导型经济向服务主导型经济转变[1]。这给我国从制造业数字化转型切入促进产业结构向中高端迈进提供了重要机遇[2]。数字经济促进产业结构升级主要有以下机制：一是数字技术促进全要素生产率提升。数字革命和人工智能革命促进了劳动生产率的提高，智能机器制造部分替代了传统的劳动力、资本等要素，改变了全要素的结构[3]。在数字经济时代，数据成为核心生产要素[4]，数字技术和制造业深度融合催生数字化生产要素，数字技术成为驱动制造业全要素生产率增长的新引擎[5]，不断推动产业升级和经济增长[6]。二是产业数字化和数字产业化相互促进。数字经济在全球范围内快速增长，信息通信技术在数字经济发展中具有重要作用[7]，数字产业本身规模不断扩展带动第三产业持续发展。同时，数字产业化催生新创新模式，推动科技创新和产业转型[8]。工业互联网对于推动企业数字化转型和产业优化升级具有基础性作用，未来会迎来加速落地期[9]。同时，数字经济下的工业智能化推动产业变革和创新，有助于高质量就业的实现[10]。三是数字经济加速新型工业化。在数字要素推动下，工业化展开新的发展图景，由传统的以机械化（以蒸汽机为代表）、电气化（以发电机、发动机为代表）、信息化（以电子计算机、互联网为代表）驱动的工业革命，转向由数字技术、人工智能为代表的数字化、智能化为驱动因素的新工业革命。数字经济为经济增长提供新动能，制造业成为主战场，推动我国工业发展质量的不断提升[11]，数字化浪潮带来的“组合式创新”成为第四次工业革命时代创新方式重大变革的表现之一，产业政策范式出现转型[12]。

关于数字经济促进产业转型升级的实证研究也是以往文献的热点，有学者通过面板数据统计分析，发现数字经济的发展提升了我国劳动力资源配置效率[13]。也有学者使用中介效应模型，发现数字经济可有效改善劳动和资本要素配置扭曲状况[14]。实证研究同样发现，数字经济正向促进我国产业结构转型升级，影响效果在不同区域间存在一定的差异[15]，而反映在制造业就业上，呈现先降后升的正“U”型[16]。针对“一带一路”沿线国家，实证结果显示数字经济正向促进经济增长[17]。以往实证研究少有从多模型指数构建维度验证数字经济对产业结构高级化、合理化的影响，本文试图增加这一方面的经验证据。

二、数字经济指数构建和测算

（一）变异系数模型下的数字经济指数构建和测算

1. 指数构建

数字经济指数可以从窄维度视角来展开，通常采取变异系数法进行构建。以往有些指标体系过于复杂，一些指标已经不能与当下快速发展的信息化社会相匹配。窄维度视角的优势在于指数构建简单便捷，能快速纳入新指标以反映现状。在建立指标体系时，既要符合当下现实需要，与时俱进地去除旧指标，增加新指标，也要考虑到数据的可得性。

首先，将指标构建成为标准化数据矩阵如下：

进而，计算变异系数=均值/标准差：

权重比例为：

指数得分为：

2. 指标选择与数据来源

指标选取主要利用各年度的《中国信息年鉴》和中国互联网信息中心定期发布的《中国互联网发展状况统计报告》数据，从信息通信基础资源和相关信息技术应用两个维度考察数字经济指数，具体两个维度细节指标（表1）。

表1 各省数字经济指数构建

指标名称指标说明 数字经济指数相关信息技术应用Z1各省域名数量（万个）/ 年末常住人口(万人) 信息通信基础资源Z2互联网宽带接入端口数（万个）/ 年末常住人口(万人)

资料来源：《中国信息年鉴》《中国互联网发展状况统计报告》。

在对两个指标权数确定方法上选择变异系数法。具体做法首先为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。具体是根据年度横截面构建省份和指标项矩阵，再以每年为单位进行权重计算。计算权重后再计算指数得分，并对得分取对数得到不同年度各个省份的数字经济指数。

3. 检验和测算结果

通过上述公式可以计算各省（直辖市）2014-2020年在变异系数法下数字经济得分（Score1）情况，衡量各地数字经济指数。

图1 变异系数法下各省（直辖市）数字经济指数（2014-2020年）

通过变异系数法构建数字经济指数，得出2014-2020年我国30个省（直辖市）数字经济指数情况，走势如图1。结果显示，北京、福建、上海、浙江等地数字经济水平较高，尤其是福建省在2014年之后数字经济指数增长较快，北京在2016年之后指数出现下降但仍领先其他地区。

（二）因子分析模型下的数字经济指数构建和测算

1. 指数构建

除了从窄维度构建数字经济指标，本部分进一步从宽维度视角，采用因子分析模型进行指标构建。首先，从网络基础设施、通讯技术设施、数字产业发展三个维度形成数字经济发展水平指标体系。其次，在指标体系基础上，构建因子分析模型，将原始变量通过模型结合成代表不同维度水平的因子组合，并衡量不同因子所占权重的大小。因子模型构建如下：

上述模型和变量满足如下条件：

通过因子分析模型得到数字经济发展水平综合因子Score2。

2. 指标选择与数据来源（表2）

表2 指标选择和数据来源

指数一级指标二级指标计算方法 数字网络基础设施(A1)移动互联网用户人数占比X1移动互联网用户/ 年末常住人口 通讯技术设施(A2)移动电话交换机容量X2移动电话交换机容量/ 年末常住人口 长途光缆线路X3长途光缆线路长度/ 区域面积 数字产业发展(A3)各省域名数量X4各省域名数量/ 年末常住人口

3. 检验和测算结果

检验过程分为三步走进行。第一步对因子分析模型原始数据进行标准化处理和检验；第二步进行因子特征值计算和因子变换，根据因子得分系数矩阵进行因子得分模型计算；第三步计算数字发展水平得分矩阵，进而将数字发展水平对产业结构指标进行回归模型计算。

首先，对数字经济发展水平指数三级指标原始数据进行标准化计算，并进行KMO检验以及Bartlett球形检验。其次，对所有指标的方差贡献率和相关矩阵进行计算，对特征值大于1的因子进行提取，之后进行旋转变换，负荷系数趋近于0或1，计算矩阵旋转前后的累积贡献率和因子贡献率。最后，对两个主因子进行分析后得到成分得分矩阵、旋转后载荷矩阵。并根据因子得分系数矩阵建立因子得分模型如下：

1=0.0051+0.3922-0.3323+0.3834 （6）

2=0.7931+0.1612+0.3743+0.1484 （7）

结合第一主因子和第二主因子得分情况和方差贡献率，可以构建因子指数Score2①：

2=(0.60791+0.30912) /0.917 （8）

通过上述公式可以计算各省（直辖市）2014年到2020年在因子分析模型下数字经济得分（Score2）情况，衡量各地数字经济指数。

图2 因子分析模型下各省（直辖市）数字经济指数（2014-2020年）

图2表示因子分析模型下2014-2020年我国30个省（直辖市）数字经济衡量指数情况。结果显示，北京、江苏、上海、陕西等地数字经济水平较高，北京、江苏、上海在2017年之后数字经济指标有较大幅度下降。除西藏地区外其余地区数字经济均保持增长，西藏地区数字经济指数出现下滑，但在2017年之后开始缓慢爬升。

三、数字经济发展对产业结构高级化、合理化的影响

（一）产业结构高级化、合理化指数构建

1. 产业结构高级化指数构建（TS）

产业结构高级化指数（TS）是用于显示产业结构变化的趋势，是二、三产业规模之间的一种比例。以往诸多研究也通过第三产业产值同第二产业产值之间的比例来反映产业结构高级化[18]。计算公式如下：

其中，TS代指产业结构高级化指数，反映产业结构比重向第三产业发展的趋势，是“经济服务化”的进程[19]。通过上述公式，可以计算得到31个省、直辖市、自治区的TS面板数据。

2. 产业结构合理化指数构建（TL）

产业结构合理化指数（TL）是用于显示产业之间的协调程度，是产出结构同要素投入结构之间一种均衡状态的反映。借鉴干春晖等[20]的做法，产业结构合理化以泰尔指数的倒数来进行度量。计算公式如下：

当经济系统处于均衡时，存在

此时，=0

当TL不等于0的情况下，显示产业结构偏离均衡状态，产业结构合理化程度随数值偏离。通过上述公式，计算得到31个省、直辖市、自治区的TL面板数据。

（二）研究设计

1. 样本选择与数据来源

基于《中国统计年鉴》《地方统计年鉴》、国家统计局数据库、CEIC数据库，本文选取2014-2020年31个省、直辖市、自治区的面板数据构成样本，并对原始数据进行无量纲处理，对缺失数据采用线性插值法和ARIMA填补法补全。

2. 变量设定

（1）被解释变量：产业结构高级化指数（TS）、产业结构合理化指数（TL）。通过产业结构高级化指数和产业结构合理化指数作为被解释变量，用来度量产业结构变化的趋势和程度。被解释变量的计算生成过程如前文指标构建模型，通过代入各变量原始数据，最终计算形成匹配本文样本集合的面板数据。

（2）解释变量：变异系数模型下的数字经济指数（Score1）和因子分析模型下的数字经济指数（Score2）。通过变异系数模型和因子分析模型分别构建数字经济指数，用来度量各地区数字经济发展程度和水平，数值大小排列以及时序上的变动趋势，可以在一定程度上反映各地数字经济的情况。解释变量的计算生成过程如前文指标构建模型，通过代入模型筛选后的二级指标变量，最终计算形成匹配本文样本集合的面板数据。

（3）控制变量：参考以往研究和经典理论模型，纳入包括：外商直接投资（FDI）、财政支出水平（Govern）、教育水平（Edu）、城镇化水平（Urban）、金融发展水平（Finance）等主要变量。控制固定效应，考虑到数据“短面板”的特性，双控制省份固定效应和时间固定效应会损失自由度降低系数显著性，故采取单控制固定效应。

3. 模型设定

构建产业结构对数字经济发展水平的基准回归模型，如下：

在基准模型的基础上，由于被解释变量、解释变量形成2×2的矩阵关系，因而，可以生成以下4组回归模型：

为了考虑模型变量之间可能存在的共线性问题，对两组解释变量和控制变量组合进行VIF检验，得到VIF数值分别为：3.78、4.25。因而，可以判断不存在严重的多重共线性问题，模型变量选取是适当的。同时，考虑到模型存在的内生性和异质性问题，通过最小二乘虚拟变量法（LSDV法）及LM检验，本文选用固定效应进行检验。考虑到模型中可能存在包括遗漏变量偏误、双向因果等内生性潜在来源，在基准模型的基础上，本文采用工具变量法进行处理。具体参考黄群慧等[21]的思路，选取“人均固定电话户数”（IV1），即区域固定电话年末用户（万户）/区域人口（万人）作为数字经济的工具变量，并选取两阶段最小二乘法（2SLS）来进行处理。

（三）实证结果分析

表3为数字经济影响产业结构的基准回归结果，结果显示：第一，数字经济对产业结构高级化指数产生正向显著影响，即随着数字经济的发展，第三产业占比逐渐提高，“经济服务化”程度加深。第二，数字经济对产业结构合理化指数的影响在基准回归中并不明确，甚至在数字经济指标1的回归系数中产生负向影响，数字经济指标2的回归系数虽为正向但不显著，这说明产业之间的协调程度受数字经济发展影响到线性数量关系并不明确，或者由于内生性或样本量较小的影响而不明显。

表3 基准回归结果

变量TSTSTLTLTSTS (1)(2)(3)(4)(5)(6) Score12.153**(2.17) -0.461**(-2.04) 1.405***(2.62) Score2 0.496*(1.85) 0.100(1.40) 0.560***(4.75) Control variablesYESYESYESYESYESYES Province FEYESYESNONONONO Year FENONONONOYESYES Observations186186186186186186 R-squared0.5410.4540.4890.4660.7300.709

注：*** P<0.01, ** P<0.05, * P<0.1；（）内为t值。

为缓解模型中存在的内生性问题，本文通过工具变量法（IV）做进一步回归（表4）。根据回归结果，数字经济依然表现出对产业结构高级化和产业结构合理化的正向促进作用，进一步支持了前文基准回归所示结果，且在克服内生性影响后，数字经济发展对产业结构合理化正向促进的数量关系开始显著。

表4 工具变量法（IV）回归结果

变量TSTSTLTL (1)(2)(3)(4) Score19.534***(4.07) 1.816*(1.92) Score2 2.702***(3.90)0.831(0.65)0.515**(2.05) Control variableYESYESYESYES Observations186186186186 Sargan P0.0000.0000.0000.000

注：*** P<0.01, ** P<0.05, * P<0.1；（）内为z统计量。

综上，数字经济指数对产业结构高级化、合理化在数量关系上存在正向促进作用。其中，数字经济对产业结构高级化正向影响显著，在克服内生性影响后，数字经济对产业结构合理化的正向影响数量关系也得到证实。

（四）稳健性检验

稳健性检验考虑通过变量替换、滞后一期项和变换估计方法来实现。1.变量替换：由于本文实现了两类建模方法下的数字经济变量Score1、Score2对产业结构高级化和产业结构合理化的回归分析，两类变量之间存在相互的稳健性验证，表现出一致性方向的回归结果。2.滞后一期项：在加入滞后一期项后，其系数表现出方向一致性，且数值通过显著性检验。3.变换估计方法：基准回归估计方法为固定效应模型，通过测试有无时间固定效应和省份固定效应以及混合回归，发现结果仍保持方向上和显著性上的一致性。囿于篇幅限制，此处不再展示具体结果。

四、进一步分析

（一）异质性分析

本部分首先对结果展开区域异质性检验。按照1986年全国人大六届四次会议“七五”计划提出的传统东部、中部、西部的划分方法验证不同区域分组下模型回归结果。结果显示，东部地区数字经济变量对产业结构高级化具有显著正向影响，对产业结构合理化影响作用不显著；中部地区数字经济变量对产业结构高级化、合理化指标影响均不显著；西部地区数字经济对产业结构高级化具有显著正向影响，对产业结构合理化具有显著负向影响。数量关系上的不同结果一方面可能由于分组后样本量减小产生的偏误，尤其是中部地区组别仅为48个观测数；另一方面可能反映如下经济事实：1.东部地区数字经济对第三产业发展的促进作用因其作为第三产业的数字服务产业本身规模在迅速扩大，加之较为饱和的第二产业受数字技术发展产生的“精减”（比如因一些传统工厂和生产线的关闭造成的产业收缩）。2.中部地区由于第二产业仍在快速发展，数字经济对第二产业规模促进作用较大，故数字经济对产业结构影响的数量关系尚未明确显示方向。3.西部地区数字经济虽促进了产业结构高级化，但由于数字经济的高能耗等负向作用甚至包括可能存在重复建设的资源浪费，对产业结构合理化产生负向影响。

表5 不同区域分组下回归结果

变量TSTLTSTLTSTL 东部中部西部 Score12.147***(4.35)-0.078(-0.49)-0.231(-0.22)-0.333(-0.41)1.482**(2.02)-3.124***(-4.29) Control variablesYESYESYESYESYESYES FENONONONONOYES Observations666648487272 R-squared0.9170.6710.3470.3180.4530.371

注：*** P<0.01, ** P<0.05, * P<0.1；（）内为z值。

（二）机制分析

进一步分析数字经济和其他经济变量对产业结构的叠加影响或交互影响，引入专利（申请数（件），以patent表示）、技术市场（技术市场成交额（万元）/GDP(亿)/10000，以tech表示）、电力消费(各省电力消费量(亿千瓦时)/GDP，以electric表示)、电子商务(电子商务销售额（亿元）/GDP，以ecom表示)、区域创新能力（区域创新能力综合效用值，以inno表示）、全要素生产率（各省全要素生产率TFP，以tfp表示）等变量，并同数字经济变量构建交互变量，建立线性交互模型，并进行系数估计和假设检验。其中，专利、技术市场、电力消费和电子商务变量数据来自《中国统计年鉴》《地方统计年鉴》，区域创新能力数据来源为《2001-2020中国区域创新能力评价报告》，全要素生产率参考Battese & Coelli[22]的模型，采用最新的SFA方法计算所得。

通过构建线性交互模型，得出纳入电力消费同数字经济交互变量的线性交互模型回归结果（表6），结果显示数字经济指标变量对产业结构高级化和产业结构合理化的影响显著为正，而交互变量的影响显著为负，这表明数字经济发展引发电力消费的增加对产业结构高级化和产业结构合理化起到负向作用。因此，数字经济发展带来的电力消耗和碳排放压力，应得到充分重视，这将会对产业结构高级化、合理化带来不利影响。

表6 交互作用回归结果A

变量TSTLTSTL (1)(2)(3)(4) Score12.679**(2.23)0.146(0.45) Score1*electric-8.722*(-1.71)-4.412(-1.65) Score2 0.918***(4.22)0.274***(4.64) Score2*electric -6.158***(-5.35)-2.626***(-3.83) Control variablesYESYESYESYES Province FEYESYESYESYES Year FENONONONO Obs186186186186 R-squared0.6150.4930.6250.518

注：*** P<0.01, ** P<0.05, * P<0.1；（）内为t 值。

在对除电力消费之外其他弱交互变量对产业结构的回归中（表7），应用固定效应模型进行线性估计，结果显示，线性交互项系数在被解释变量为产业结构高级化的模型中显著，但在被解释变量为产业结构合理化的模型中不显著（为便于观察，对不显著的结果暂不在文中列示），说明这种交互作用对产业结构高级化有显著影响，但对产业结构合理化没有影响。数字经济通过促进技术市场、电子商务和全要素生产率进而对产业结构高级化产生正向促进作用，可能的原因是技术市场和电子商务为数字经济发展提供了良好的外部环境，而全要素生产率能够进一步激发数字经济的潜能，这些因素的提升均有助于数字经济的良性发展，带来更高层次的技术进步和技术效率，尤其是电子商务对第三产业的带动，有助于进一步促进产业结构的高级化。而数字经济通过区域创新对产业结构高级化产生负向影响，原因可能是区域创新能力主要体现为一个地区创新机构之间的互动和联系情况，相对于第三产业中少数高技术领域创新机构之间的联系，第二产业的创新机构互动更强，联系更紧密。因此，区域创新反而抑制了数字经济对产业结构高级化的促进作用。数字经济对产业结构合理化的机制影响尚不明确，可能原因在于产业之间的协调来自于产业自身发展，数字经济和其他经济变量的交互影响很微弱。

表7 交互作用回归结果B

变量TSTSTSTSTSTS (1)(2)(3)(4)(5)(6) Score10.839(1.28)0.111(0.20)1.106(1.28) Score1*tech18.081***(4.11) Score1*ecom 6.877***(6.54) Score1*tfp 0.363***(3.97) Score2 0.587*(1.96)0.770***(3.29)0.085(0.29) Score2*patent -0.038(-0.79) Score2*inno -0.005***(-2.82) Score2*tfp 0.178***(2.98) Control variablesYESYESYESYESYESYES Province FEYESYESYESYESYESYES Year FENONONONONONO Obs186186186186186186 R-squared0.7700.7230.6380.5880.6220.628

注：*** P<0.01, ** P<0.05, * P<0.1；（）内为t 值。

五、政策建议

基于2014-2020年的省份数据，本文检验了数字经济对产业结构合理化及产业结构高级化的影响及其内在机制。研究得出：数字经济对产业结构高级化存在正向促进作用，对产业结构合理化的促进作用在克服内生性影响后开始显著。异质性分析表明，数字经济促进了东部地区和西部地区的产业结构高级化，降低了西部地区的产业结构合理化。机制分析结果表明，数字经济发展通过增加电力消费对产业结构高级化和产业结构合理化起到负向作用。数字经济通过促进技术市场、电子商务和全要素生产率进而对产业结构高级化产生正向促进作用，通过区域创新对产业结构高级化产生负向影响。基于上述分析，本文认为：

一是加快数字化转型步伐，以产业数字化和数字产业化助力产业结构合理化和高级化。一方面，加快新型数字基础设施建设，为数字化转型提供底座支撑。从加快传统通信基础设施的改造升级和加快新一代信息网络基础设施建设两方面着手，助力大数据、物联网、5G、人工智能等新技术、新产业的发展。另一方面，加快推进智能制造与工业互联网融合发展，释放数字化转型的强大动能，以技术突破和标准引领为双向靶点，优先着力于与数字技术易于结合的细分领域，实现重点制造业集群的数字化转型。

二是在数字经济发展过程中，警惕电力消耗对产业结构高级化和产业结构合理化的负面影响。数字经济发展依托的强大算力需要大量的电力支持，巨大的电能消耗会阻碍产业结构转型及经济绿色发展。因此，对于数字经济中的能源消耗，可以依托自然条件实现物理节能，如数据中心建设可以选在具有天然“冷源”的西部地区，依靠其优越的自然环境优势实现节能（如贵州、宁夏等地大数据中心的设立），同时也能挖掘经济欠发达地区新的经济增长点。此外，可通过在消费端倡导绿色发展理念形成节能环保的社会生活环境，鼓励绿色消费、引领全民节能，倒逼生产端的产业结构调整升级。

① 篇幅所限，总方差分析、旋转后载荷矩阵和系数得分系数结果表略去，可联系作者获取。

[1] 李西林. 中国服务外包产业转型升级方向、路径和举措[J]. 国际贸易, 2017(09): 9-14.

[2] 张于喆. 数字经济驱动产业结构向中高端迈进的发展思路与主要任务[J]. 经济纵横, 2018, (09): 85-91.

[3] ACEMOGLU D, PASCUAL R . The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment[J]. American Economic Review, 2018, 108(06): 1488-1542.

[4] 于立, 王建林. 生产要素理论新论——兼论数据要素的共性和特性[J]. 经济与管理研究, 2020(04): 62-73.

[5] 刘平峰, 张旺. 数字技术如何赋能制造业全要素生产率?[J]. 科学学研究, 2021, 39(08): 1396-1406.

[6] 王建冬, 童楠楠. 数字经济背景下数据与其他生产要素的协同联动机制研究[J]. 电子政务, 2020(03): 22-31.

[7] BUKHT R, HEEKS R. Defining, Conceptualising and Measuring the Digital Economy[J]. SSRN Electronic Journal, 2017, 68: 1-24.

[8] 王一鸣. 以数字化转型推动创新型经济发展[J]. 前线, 2020(11): 67-70.

[9] 王喜文. 工业互联网: 以新基建推动新变革[J]. 人民论坛·学术前沿, 2020(13): 23-31.

[10] 王文. 数字经济时代下工业智能化促进了高质量就业吗[J]. 经济学家, 2020, (04): 89-98.

[11] 曹正勇. 数字经济背景下促进我国工业高质量发展的新制造模式研究[J]. 理论探讨, 2018(02): 99-104.

[12] 张海丰, 王琳. 第四次工业革命与政策范式转型: 从产业政策到创新政策[J]. 经济体制改革, 2020(05): 109-115.

[13] 丛屹, 俞伯阳. 数字经济对中国劳动力资源配置效率的影响[J]. 财经理论与实践, 2020(02): 108-114.

[14] 马中东, 宁朝山. 数字经济、要素配置与制造业质量升级[J]. 经济体制改革, 2020(03): 24-30.

[15] 李晓钟, 吴甲戌. 数字经济驱动产业结构转型升级的区域差异[J]. 国际经济合作, 2020(04): 81-91.

[16] 杨骁, 刘益志, 郭玉. 数字经济对我国就业结构的影响——基于机理与实证分析[J]. 软科学, 2020(10): 25-29.

[17] 陈福中. 数字经济, 贸易开放与“一带一路”沿线国家经济增长[J]. 兰州学刊, 2020(11): 100-112.

[18] 付凌晖. 我国产业结构高级化与经济增长关系的实证研究[J]. 统计研究, 2010, 27(08): 79-81.

[19] 吴敬琏. 中国增长模式抉择[M]. 上海: 上海远东出版社, 2013.

[20] 干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011(05): 1-16+31.

[21] 黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(08): 5-23.

[22] BATTESE G E, COELLI T J. A model for technical inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J]. Empirical Economics, 1995, 20(02): 325-332.

Digital Economy and Upgrading and Rationalization of Industrial Structure: Empirical Research Based on Multi-model Index Construction

LIN Bo1，KOU Dongxue2

（1. Institute of Latin America, Chinese Academy of Social Sciences, Beijing 100007, China; 2. Institute of Industrial Economics, Chinese Academy of Social Sciences, Beijing 100006, China）

Based on multi-model index construction, this paper examines the impact and internal mechanism of digital economy on the rationalization and Advanced of industrial structure. The research shows that digital economy helps to promote the upgrading of industrial structure, and its promotion effect on the rationalization of industrial structure is significant after overcoming the endogenous influence. Digital economy helps to promote the upgrading of the industrial structure in the eastern and western regions, and is not conducive to the rationalization of the industrial structure in the western regions. Power consumption plays a negative role in the process of digital economy promoting the upgrading and rationalization of industrial structure. Technology market, e-commerce and total factor productivity have a positive regulatory role in the process of digital economy promoting the upgrading of industrial structure, while regional innovation has a negative regulatory role in the process of digital economy promoting the upgrading of industrial structure.

digital economy, industrial structure, upgrading, rationalization

F121.3

A

1672-4860（2023）02-0040-09

2022-09-12

2022-11-23

林 博（1988-），男，汉，河北邢台人，助理研究员，博士。研究方向：数字经济、拉美经济。

寇冬雪（1990-），女，汉，河南新乡人，博士后。研究方向：数字经济、资源与环境。

研究阐释党的十九届五中全会精神国家社会科学基金重大项目：推进新型工业化与经济体系优化升级研究，项目编号：21ZDA021。

·感谢匿名审稿人对本文的建议，作者文责自负。