中国新一代信息技术投资能否绕过“索洛悖论”——基于“宽带中国”的准自然实验

逯海勇 宋培 李琳

(南开大学 经济学院, 天津 300071)

一、引言

20世纪80年代,伴随集成电路、半导体等传统信息技术的发展,美国对信息技术领域进行了大规模投资,经济却仍长期低迷。Solow于1987年提出“计算机无处不在,除了在生产率统计上”[1],由此展开了长达数十年信息技术投资与生产率关系的争论。这种信息技术投资高速扩张与生产率长期低迷的关系被称为“信息技术生产率悖论”或“索洛悖论”。近年来,伴随以新一代信息技术为核心的产业革命与科技革命勃然兴起,中国积极布局信息网络等新型基础设施建设,不断加大新一代信息技术投资。2013年8月,我国正式发布“宽带中国”战略实施方案,旨在推进信息网络的建设和应用。2022年3月中共中央政治局常务委员会再次强调“新基建”的重要性,提出“加快5G网络、数据中心等新型基础设施建设进度”。由此可见,国家高度重视

新一代信息技术的发展,不断推进与之配套的新型基础设施等新一代信息技术投资。新一代信息技术与传统信息技术同为“通用目的技术”,那么,中国对于新一代信息技术的大规模投资是否也会对生产率提升无效呢?对于这一问题的解答关键在于论证中国新一代信息技术投资能否绕过传统意义上的“索洛悖论”,实现生产率的有效提升。为此,本文首先通过文献梳理“索洛悖论”的提出背景、演进轨迹及产生原因,探讨“索洛悖论”在美国的产生与消失。然后基于新旧两次信息技术革命的不同之处,分析新一代信息技术对中国生产率提升的作用路径。最后借助近年来国家对于新一代信息技术的大规模投资——“宽带中国”战略试点,实证检验其对城市生产率的具体影响与作用机制。

根据信息技术的发展历程,现有对信息技术投资与生产率关系的研究可分为两个阶段。第一阶段围绕传统信息技术投资与生产率关系展开,探讨信息技术投资是否存在“索洛悖论”。20世纪70年代,以微型计算机普及应用为标志的信息技术革命正式拉开帷幕,美国对信息技术领域进行了大规模投资,但与之对应的是美国生产率的长期低迷。1973—1995年美国生产率增长仅有1.35%(1)数据来自于美国劳工部劳动统计局。。统计数据显示的信息技术投资的高速扩张与生产率的缓慢增长引发经济学界的关注。Roach(1987)[2]基于1977-1984年美国计算机应用与生产率增长数据指出,美国企业大规模的信息技术投入并未带来生产率的提升。20世纪80年代,信息技术投资对生产率提升的无效性在学界基本达成共识。20世纪90年代,美国继续推进信息技术投资并推出“全国信息基础设施”等一揽子计划。与此同时,美国经济开始高速增长,信息技术在美国经济复苏中发挥的重要作用逐渐得到经济学界的认可。Jorgenson等(2008)[3]对美国1995-2000年生产率增长分解发现,占美国GDP总量3%的信息制造业贡献了美国生产率增长的25%。Dedrick等(2014)[4]、Chang和Gurbaxani(2012)[5]、Autor和Dorn(2013)[6]也分别从国家层面、企业层面、劳动力层面验证了信息技术投资对生产率增长的促进作用。关于“索洛悖论”产生的原因,学界主流观点主要分为两类。一类是时滞效应假说[7],该假说从历史视角出发,指出信息技术与历史上曾推动生产率高速增长的蒸汽机、发电机等技术相同,均属于典型的“通用技术”,可广泛应用于社会生产生活的各个领域,但其对生产率和经济增长的影响需随技术改进及扩散应用逐渐显现。另一类是测量误差假说[8],该假说从统计数据准确性出发,指出受限于当时的统计方法,信息技术投入在资本投入中对生产率的贡献难以被剥离,因此会低估信息技术投资对生产率的贡献。此外,受限于20世纪80年代美国微观统计数据的缺失,“索洛悖论”的验证也仅基于宏观层面的数据[9]。

第二阶段则聚焦于新一代信息技术投资与生产率关系的研究,两者之间的关系尚无定论。首先是新一代信息技术核心概念的相关研究,从内涵上看,新一代信息技术被视为能将数字化信息进行传递、解析、处理的数字化技术,如5G、大数据、云计算等[10-11]。从特征上来看,不同于上一轮信息革命中计算机性能提升对劳动投入的替代,此次信息技术革命更为突出地表现为信息数字化对经济活动互联互通方式的改造[12]。从现实表现来看,新一轮信息技术革命正重塑社会生产方式、产业组织模式与商业运行模式[13]。其次是新一代信息技术与生产率关系的理论机制研究。现有文献从劳动力配置、资本配置、创新、产业协同等多个角度探究了新一代信息技术对生产率的作用机制。Acemoglu和Restrepo(2018)[14]从劳动力配置视角出发,发现数字化技术可通过提升就业市场匹配效率进而改善劳动要素配置效率。田新民和张志强(2020)[15]从资本配置视角出发,发现数字技术与传统金融的结合可以提升资本配置效率进而促进经济增长。郭丰等(2022)[16]从创新视角出发,发现企业技术创新能力是数字经济推动企业全要素生产率提升的重要途经。王鹏和岑聪(2022)[17]基于产业协同的视角发现新一代信息技术可通过深化生产部门专业分工与协作、优化地区间产业链衔接等途径促进生产效率的提高。最后是新一代信息技术与生产率关系的实证研究。国内研究来看,尚文思(2020)[18]和何小钢等(2019)[19]分别基于中国省级层面和企业层面数据验证了新一代信息技术可以有效提升生产率。国外研究来看,Brynjolfsson等(2019)[20]基于美国统计数据指出现阶段美国对人工智能的投资并未对生产率产生显著影响,其原因可能是人工智能这类通用型技术具有较长的时滞。Graetz和Michaels(2018)[21]基于美国企业层面数据发现工业机器人对企业生产率提升有限。此外,国内学者也对“宽带中国”战略试点这一政策展开评估,大多数文献将“宽带中国”战略视为信息基础设施建设的准自然实验,验证了其对企业转型[22]、产业升级[23]、城市创新[24]、绿色生产率[25]的正向促进作用,也有文献将“宽带中国”战略视为数字经济的准自然实验,探究其对社会分工的影响[26]。

纵观已有文献,现有研究已经从理论到实证对传统信息技术与生产率的关系做了充分的探讨,但新一代信息技术与生产率关系的研究仍处于起步阶段,存在以下不足之处:首先,从研究视角来看,现有研究多从单一视角探讨数字经济或新一代信息技术对生产率的影响,并未结合历史上曾发生的“索洛悖论”;其次,从研究数据来看,现有文献缺乏从城市层面对新一代信息技术与生产率关系的实证研究;最后,从研究观点来看,现有文献尚未对新一代信息技术投资有效性的影响因素展开研究。本文可能的边际贡献在于:(1)理论价值上,以上世纪80年代美国所历经的“索洛悖论”为切入点,借助中国近年来对新一代信息技术的大规模投资项目——“宽带中国”战略试点,探讨中国新一代信息技术投资能否绕过“索洛悖论”、有效提升城市生产率。(2)实证研究上,本文基于中国城市统计数据和中国上市公司数据分别从宏观层面和微观层面验证新一代信息技术投资能否有效提升生产率。(3)现实价值上,本文引入“人力资本”“经济服务化”“市场化”三个调节变量,考察这三者在新一代信息技术投资对城市生产率影响的调节效应,进而明晰何种类型的城市更易突破“索洛悖论”。

二、理论机制

(一)“宽带中国”战略试点的政策背景

2013年8月,我国正式发布《国务院关于印发“宽带中国”战略及实施方案的通知》(下称《通知》),将“宽带中国”计划正式确定为国家战略。在《通知》的指导下,工业和信息化部、国家发展和改革委员会于2014年、2015年和2016年分批遴选了共120个“宽带中国”示范城市(群)。

“宽带中国”战略试点能否代表新一代信息技术投资呢?从新一代信息技术的投资方向来看,国家于2010年10月正式印发的《国务院关于加快培育和发展战略性新兴产业的决定》对新一代信息技术发展的重点方向和主要任务有明确表述,文件指出“加快建设宽带、泛在、融合、安全的信息网络基础设施,推动新一代移动通信、下一代互联网核心设备和智能终端的研发及产业化,加快推进三网融合,促进物联网、云计算的研发和示范应用。着力发展集成电路、新型显示、高端软件、高端服务器等核心基础产业。提升软件服务、网络增值服务等信息服务能力,加快重要基础设施智能化改造”。由此可见,新一代信息技术投资的方向可分为三个方面:一是信息网络基础设施的建设;二是新一代信息技术的研发与应用;三是硬件和软件的开发。从“宽带中国”战略试点的建设内容来看,“宽带中国”示范城市需在入选后3年创建期内完成“推进区域宽带网络协调发展、加快宽带网络优化升级、提高宽带网络应用水平、促进宽带网络产业链不断完善、增强宽带网络安全保障能力”五项重点任务。其中前两条重点任务强调信息基础设施建设本身,后三条重点任务侧重于信息基础设施在社会生产生活中的实际应用,对新一代信息技术研发与应用做出了明确部署。综上看来,“宽带中国”战略试点的建设内容与新一代信息技术的投资方向较为契合,因此本文借助“宽带中国”战略试点作为新一代信息技术投资的代理变量,验证中国新一代信息技术投资能否绕过“索洛悖论”。

(二)新一代信息技术投资提升城市生产率的理论机理

宏观经济学中的全要素生产率或索洛余量可以理解为经济效率,其高低取决于影响投入产出比大小的一系列因素的总和,包括要素配置、技术创新、制度创新、组织管理等,这些都与信息摩擦密切相关。从信息经济学视角来看,市场主体均依赖有限信息做出决策与行动,信息摩擦则是阻碍市场高效配置资源的重要因素,而新一代信息技术发展可以降低市场中各类经济主体间的信息摩擦[27],促进全要素生产率提升。接下来,本文重点从要素配置效率、技术创新能力、产业融合发展三个方面阐述新一代信息技术投资提升城市生产率的理论机理。

1.提高要素配置效率

新一代信息技术投资可以有效提高要素配置效率。第一,新一代信息技术投资有助于提高资本市场的运行效率。高效的资本市场是实体经济健康发展的重要保障,一方面,新一代信息技术可以赋能传统金融服务升级,如采用大数据、人工智能等数字技术完成征信等可标准化的业务流程,降低对物理网点及人工服务的依赖程度,拓宽金融服务边界,最终提高资本市场的运行效率;另一方面,数字金融借助新一代信息技术应运而生,具有征信模式多样、贷款发放迅速、还款方式灵活等优势,可充分满足中小微企业“短小频急”的融资需求,为资本深化提供了“低门槛”的贷款渠道,进而助力企业生产率提高。第二,新一代信息技术投资有助于提高劳动市场的运行效率。摩擦性失业和结构性失业是阻碍经济运行效率的重要影响因素。新一代信息技术可以提高劳动市场的匹配效率,降低搜寻成本与自然失业率。此外,新一代信息技术对劳动力质量即人力资本的提升会产生积极影响,一方面,员工可以通过网络平台获取海量的课程进行自我培训,在生产中发挥“干中学”效应;另一方面,企业也可以通过信息平台,邀请专家对员工展开线上培训,提高人力资本水平。第三,新一代信息技术发展有利于推动制度创新,提升社会治理和组织管理效率。政府和企业的管理部门可以借助信息技术加强制度创新,如政府部门借助新一代信息技术探索数字化治理模式,简化繁琐的办公流程,为经济活动的运行提供高效的服务保障;企业借助数字化平台推动组织变革,形成虚拟化、平台化、模块化组织,提升企业管理效率。

接下来,阐述要素配置效率对城市生产率的重要影响[28]。以资本市场为例,假设一个简单经济,经济体中存在A、B两家企业,它们拥有相同的生产技术,由于资本市场管制的存在,A企业只能以较高的利率通过民间融资得到贷款,而B企业能以较低的利率从银行获得融资,那么B企业的边际生产力将低于A企业,这是因为资本在配置过程中更多地流向了B企业,若将B企业中的部分资本转移到A企业,则可以提高全社会的全要素生产率。这意味着要素配置扭曲会降低全要素生产率,反之要素配置效率提升则会对全要素生产率产生促进影响。正是由于要素配置效率与全要素生产率的关系如此紧密,全要素生产率被认为是广义的要素配置效率。改革开放以来,伴随着市场化的逐渐推进和非公有制经济的迅速发展,资源要素配置的不断改善对中国全要素生产率的提升做出了重要的贡献。结合上文阐述,新一代信息技术投资可以有效提高资本、劳动等要素配置效率,进而提升全要素生产率。

2.提升技术创新能力

新一代信息技术投资有利于提高城市技术创新能力。第一,以新一代信息技术为核心的智能技术群有利于推动技术创新。互联网、大数据等新一代信息技术发展会吸引大量创新资源和要素集聚,推动新兴技术产业集聚发展,而处于智能技术群中的企业由于资源共享、政府扶持等优势,技术创新能力得以大幅提升。第二,新一代信息技术发展有利于优化创新资源配置,推动研发主体由单一向创新网络转变。研发主体可以借助新一代信息技术搭建创新资源共享平台,打破地理限制,减少信息不对称,降低研发成本,推动不同的研发主体展开跨区域合作研发,如院校、企业及研发部门间的产学研合作。第三,新一代信息技术发展提高了地区间、产业间的知识溢出水平。知识溢出一直被视为城市创新能力提高的关键因素,城市信息基础设施的完善与信息技术的应用有利于打破知识溢出的时空束缚,改变组织学习方式,降低信息传递成本,拓宽知识传播的渠道,促进知识在不同地区及群体间的传播与交流,提高知识吸收与再创新速度,最终提升城市创新能力。

接下来,阐述技术创新对城市生产率的重要影响。技术进步作为影响全要素生产率的最重要因素之一,是一国经济持续增长的不竭动力,国家之间的经济追赶最主要的方面就是技术追赶。因此,多数学者普遍将全要素生产率对经济增长的贡献视为技术进步的影响[29]。从生产技术视角来看,更高的技术优势意味着能够以更少的要素投入带来更多的价值产出,即高投入产出效率,能够帮助企业降低生产成本、提升生产效率,从而有助于提升全要素生产率;从产业价值链视角来看,相较于加工组装等环节,产品研发与创新等核心技术处于全球价值链的高附加值环节,能够为经济体带来高额的增加值回报,从而有助于提升全要素生产率。在技术差距不断缩小和发达国家核心技术封锁的背景下,现阶段中国技术创新环境正由以往的错位竞争向并行竞争转变,以新一代信息技术为核心的第四次工业革命也被认为是实现创新追赶和创新驱动的新机遇。结合上文阐述,新一代信息技术投资可以通过提高城市技术创新能力,进而提升全要素生产率。

3.推动产业融合发展

新一代信息技术投资有利于推动产业融合发展。第一,新一代信息技术有利于打破生产性服务业与制造业之间的地理空间束缚,推动产业融合发展。与低效率、不可远距离贸易和缺乏规模经济的传统服务业不同,生产性服务业的产品能够以信息的形式得以保存与呈现,摆脱产业融合发展的空间距离限制。伴随着信息存储、传输、交换等技术不断突破,生产性服务业的服务范围由本地制造业企业延展至外地企业,不仅能发挥出生产性服务业的规模经济效应,还能推动制造业企业向服务化企业转型,促进制造业和生产性服务业融合发展。第二,信息技术服务自身作为生产性服务业之一,其赋能传统产业升级将直接推动产业融合发展。一方面,新一代信息技术与制造业的渗透融合,催生出制造共享、延伸服务、多功能开发、供应链管理和服务型制造等多种业态和模式。以供应链管理为例,企业可以借助信息技术对供应链的每一环节(如研发、采购、生产、销售等)进行流程再造,形成高效协同的智慧供应链网络,提升企业运行效率。另一方面,新一代信息技术与生产性服务业的渗透融合,催生生产性服务业新业态新模式,有效提升了生产性服务业的服务质量和服务水平。以现代物流业为例,依托于人工智能、大数据等信息技术,现代物流可实现智能化、无人化的物流分拣,缩短物流中转时间,提升物流运输速度,为制造业企业提供高效的物流运输保障。

接下来,阐述产业融合发展对城市生产率的促进作用[30]。产业融合发展是构建现代产业体系、转换经济增长动能、提升全要素生产率的重要支撑。2019年11月,国家首次提出“两业融合”的实施意见,即推动先进制造业和现代服务业深度融合发展。伴随5G、大数据、人工智能等新一代信息技术的迅速发展,智能制造、服务型制造、工业4.0等新型制造模式不断涌现,制造业和服务业的边界越来越模糊,产业融合发展将持续深化。以制造业服务化为例,研发、金融、租赁和商务服务等生产性服务业在制造业生产投入中的占比不断提升,有利于推动制造业从组装加工的低附加值环节向研发设计、品牌销售等高附加值环节攀升,实现全球价值链升级,而全球价值链控制能力和分工地位的提高必然带来全要素生产率的提升。结合上文阐述,新一代信息技术投资有利于推动产业融合发展,进而提升全要素生产率。据此,提出本文的核心研究假说。

H1新一代信息技术投资可以通过提高要素配置效率、提升技术创新能力、推动产业融合发展,最终促进城市生产率提升。

三、研究设计

(一)模型设定

2014年、2015年、2016年120个“宽带中国”示范城市分三批次陆续设立,本文以此作为一次相对外生的准自然实验,借以检验新一代信息技术投资与城市生产率的关系。此次“宽带中国”战略试点分多批次设立,故借鉴Beck等(2010)[31]的做法,采用多期双重差分模型加以估计。此外,本文加入城市固定效应和时间固定效应以控制不可观测的城市特征与时间特征。综合上述考虑,建立双向固定多期双重差分模型如下

TFPit=β0+β1policyit+β2controlit+ui+λt+εit

(1)

被解释变量TFPit为城市生产率(下标i、t分别为城市和年份,下同),核心解释变量policyit为政策虚拟变量,该城市获批“宽带中国”战略试点的当年及以后设定为1,否则设定为0,controlit为一系列控制变量,ui和λt分别为城市固定效应和年份固定效应,εit为误差项。

(二)变量选取

1.被解释变量

被解释变量为城市生产率。本文参考Combes等(2012)[32]的做法,采用全要素生产率衡量城市生产率。相较于劳动生产率,全要素生产率更为全面地反映了一座城市总体经济的生产效率。本文采用超效率SBM模型对城市的全要素生产率加以测算,具体计算公式如式(2)-(4)所示。投入指标为资本存量和年末从业人数,产出指标为实际GDP。其中,城市资本存量的计算方法采用张军等(2004)[33]的做法,城市固定资产投资和GDP均使用城市所在省份的固定资产价格指数和GDP指数加以平减,基期设定为2009年。上述测算方法可能会因资本存量的计算方法存在测量误差,因此选用城市人均GDP以及近似全要素生产率作为城市生产率的稳健性检验。人均GDP本质上为城市经济绩效的产物,可从侧面反映一座城市总体的经济效率,且该指标无需二次测算。近似全要素生产率则通过公式直接计算,在一定程度上避免软件测算选择的干扰。

城市全要素生产率具体计算过程如下:首先,利用超效率SBM模型计算t期每个城市的效率值

(2)

λ,s-,s+≥0

(3)

其中,xij、yrj分别表示第j个城市的投入、产出。接下来计算Malmquist指数

(4)

根据Malmquist指数即可得到城市t期的全要素生产率。

2.核心解释变量

核心解释变量为“宽带中国”示范城市政策。城市在获批“宽带中国”示范城市的当年及以后policy设定为1,否则为0。入选“宽带中国”示范城市的城市数量总计为120个,因直辖市规模和体量与其他地级市存在明显差距,故在回归中剔除直辖市样本,此外还剔除了少数数据严重缺乏的城市,最终确定107个试点城市作为实验组。

3.机制变量

(1)要素配置效率(dfi)。考虑到数据准确性与可得性,本文以资本市场为例,论证新一代信息技术投资能够提高要素配置效率,进而促进城市生产率提升。一地区的资本配置效率往往与数字金融发展水平呈正相关关系,因此本文在崔耕瑞(2021)[34]的研究基础上,采用北京大学数字金融研究中心课题组编制的数字金融发展指数来衡量资本配置效率。该指标起始时间为2011年,因此使用该指标做机制分析时,研究样本区间为2011-2019年。(2)技术创新能力(inno)。本文借鉴冯苑等(2021)[35]的指标构建思路,采用城市每万人发明专利授权数来衡量城市创新能力,该指标较城市专利授权数更为全面地反映了城市专利的质量。(3)产业融合发展水平(mix)。生产性服务业作为从制造业分离出来的专业化部门,其发展水平和发展规模体现了生产性服务业对制造业发展的支撑,因此本文在张杰和付奎(2021)[36]指标构建思路的基础上,采用生产性服务业就业人数(万人)来衡量产业融合发展水平(2)参照顾乃华(2011)和宣烨(2012)的研究,将交通运输、仓储和邮政业,信息传输、计算机服务和软件业,金融业,租赁和商务服务业,科学研究、技术服务和地质勘查业这五个行业划分为生产性服务业。,并取对数处理。

4.控制变量

为了尽可能地减少遗漏变量,借鉴已有研究,本文还控制了以下与城市生产率高度相关的可观测变量。(1)金融发展水平(fin),采用金融机构存贷款余额之和与GDP之比衡量。(2)就业结构(est),采用第三产业就业人数与就业总人数之比表示。(3)信息化水平(info),采用每万人电信信息总量来衡量。(4)政府创新投入力度(sci),采用政府财政科学技术支出与政府财政支出之比表示。(5)外商直接投资(fdi),采用外商直接投资与GDP之比衡量。

(三)数据来源及描述性统计

本文以2009—2019年283个地级市为研究对象,考察“宽带中国”战略试点对城市生产率的影响。城市层面的数据主要来自历年《中国城市统计年鉴》及中国研究数据服务平台(CNRDS),“宽带中国”战略试点城市根据2014-2016年工信部公布的入选名单文件整理,个别缺失数据采用插值法补足。变量描述性统计如表1所示。

表1 描述性统计

四、实证分析

(一)基准回归

表2报告了新一代信息技术投资对城市生产率的基准回归结果。表2列(1)为仅加入核心解释变量policy的回归结果,可以发现policy的估计系数在1%的水平上显著为正。表2列(2)-(4)为逐步加入控制变量的回归结果,核心解释变量policy的估计系数仍在1%的水平上显著。上述回归结果初步说明了新一代信息技术投资对城市生产率有正向促进作用。从信息经济学的视角来看,搜寻摩擦带来的搜寻成本及信息不对称带来的信息租金是阻碍经济效率提升的重要因素。而信息基础设施建设及其支撑的新一代信息技术本质上正是为降低经济活动中的信息摩擦而生,其通过宽带网络这一信息载体,辅以大数据、云计算等技术,有效降低了各类经济主体信息搜寻成本,让各类主体之间的互动更为高效,如资本市场借贷双方、多元创新主体、生产性服务业与制造业间的互动。因此,不同于上世纪信息技术投资,新一代信息技术投资有效降低了各类经济主体之间的信息摩擦,使得资本配置更为高效、劳动分工更为专业、知识溢出范围更广,进而促进了城市生产率的提升。

表2 基准回归结果

(二)稳健性检验

1.平行趋势检验

实验组样本与对照组样本在政策实施之前须保持相同的发展趋势,这是双重差分模型能准确识别因果效应的基本前提。为检验事前平行趋势及观测政策效应的动态变化,本文借鉴Jacobson等(1993)[37]的做法,设定以下模型

(5)

policyit为一系列政策虚拟变量,分别为“宽带中国”战略试点政策实施的前3年、当期及后5年的政策虚拟变量。为展示政策效应的动态变化,模型估计结果采用图示法表示,图1绘制了一系列政策虚拟变量的估计系数及95%的置信区间。从图1可以看出,在政策实施之前,政策虚拟变量的估计系数均不显著,表明政策实施之前实验组与对照组的样本具有相同的时间趋势,因此该“宽带中国”战略试点政策可采用双重差分模型加以估计。此外,从图中还可以看出政策实施的当年及后一年,政策虚拟变量的系数均不显著,这表明该政策对城市生产率的正向促进作用至少有一年以上的滞后期。

2.安慰剂检验

尽管模型(1)控制了城市及年份的不可观测变量,但仍可能存在其他时变不可观测的因素致使估计系数出现偏误,因此本文借鉴周茂等(2018)[38]的做法,进行安慰剂检验以排除模型中未控制的不可观测因素对被解释变量的干扰。具体做法为,本文根据“宽带中国”战略试点政策每年确定的城市数量于2014年、2015年、2016年各随机抽取对应城市数量,生成虚假的实验组。若虚假policy的估计系数接近于0,则表明在模型中未控制的不可观测因素不会对结果变量产生影响。将以上随机过程重复500次,虚假policy的估计系数及概率密度如图2所示,虚线为本文的基准回归系数0.039。从图中可以看出,500个估计系数的均值接近于0且大体呈正态分布,与基准回归系数存在显著差异,通过安慰剂检验。

图1 平行趋势检验 图2 安慰剂检验

3.其他稳健性检验

(1)更换实证方法。为降低内生性导致的估计偏差,尽可能保证研究结论的稳健性,本文进一步采用PSM-DID方法检验“宽带中国”战略试点政策的生产率效应。具体做法为,先采用logit模型估计各城市倾向得分,然后将对照组中得分与实验组中城市最为接近的城市一对一近邻匹配,最后基于匹配之后的样本进行双重差分估计。回归结果如表3列(1)所示,估计系数在1%的水平上显著为正,印证了基准回归的稳健性。

表3 稳健性检验结果

(2)更换被解释变量。目前度量城市生产率的方法主要分为三种:一是采用DEA模型测算城市全要素生产率;二是采用人均GDP作为城市生产率的代理指标,但该指标更大程度上反映的是一座城市的经济发展水平,滞后于经济发展效率,可能会造成对生产率的低估;三是直接采用索洛模型的计算公式计算近似全要素生产率(3)具体测算过程为:Y为实际GDP,K为资本存量,L为年末从业人数,s为资本贡献度,取值为1/3,将上述数值代入式(3)中即可得到近似全要素生产率。,具体做法为用产出增长率扣除资本增长率和劳动增长的残差作为全要素生产率,计算公式如式(6)所示,该方法从理论上更符合全要素生产率的定义,但该方法需对s进行主观取值。本文参照杨开忠等(2022)[39]以及胡彬和余子然(2021)[40]的做法将人均GDP和近似全要素生产率作为城市生产率的稳健性评估指标。表3列(2)为人均GDP作为被解释变量的回归结果,表3列(3)为近似全要素生产率作为被解释变量的回归结果,估计系数均显著为正,再次印证了基准回归的稳健性。

atfp=lnY/L-slnK/L

(6)

(3)采用工具变量。本文采用双重差分模型评估“宽带中国”战略试点政策的生产率效应,从理论上讲并不存在明显的内生性,即“宽带中国”试点城市的选择近似随机分配,与扰动项基本不相关。但事实上一项政策的实施几乎都有特定的实施目标和实施对象,不可能完全随机分配。“宽带中国”试点城市的确定可能与城市自身禀赋相关,而这些可能影响政策实施的因素难以在模型中全部控制,因此基准回归仍可能有一定的内生性问题。为此,本文基于历史视角构造工具变量,借鉴黄群慧等(2019)[41]构造工具变量的思路,采用1995年固定电话普及率作为“宽带中国”试点政策的工具变量。选择该工具变量的原因为,上世纪90年代互联网引入中国,拨号上网开启了中国通过网络跨时空获取信息的新时代,固定电话成为当时上网所必需的设备。20世纪90年代电话线的铺设与现在宽带的铺设有极大的相似性,因此历史上固定电话普及率较高地区现在的宽带基础设施可能也更好,基本满足工具变量相关性假定。此外,采用历史变量作为工具变量的优势在于1995年的固定电话普及率很难对十几年后的城市生产率产生影响,因此满足工具变量外生性假定。具体做法为,将1995年固定电话普及率与年份虚拟变量的交互项作为policy的工具变量,进行两阶段多维线性固定效应估计。表3的列(4)(5)分别为第一阶段和第二阶段的回归结果,从表3列(5)可以看出,估计系数在1%的水平上显著为正。弱工具变量检验显示,Cragg-Donald Wald F统计量为85.20,大于10%水平下的临界值16.38,该工具变量不是弱工具变量。此部分证明了即便考虑该政策非严格外生,该文的核心结论仍然稳健可靠。

(4)排除其他政策干扰。“宽带中国”战略试点政策为国家战略,且试点城市为120个,政策实施力度大、实施范围广,政策效应比较明显,因此受其他政策干扰较少。但本文仍考虑同时期内与之相似的政策,排除政策实施期内其他政策的干扰。“智慧城市”试点政策于2012年开始实施,住建部和科技部于2012年、2013年、2014年共批复94座城市试点,试点城市需加快完善网络基础设施建设,推进新一代信息技术用于城市规划、运行、建设和管理等多个方面,该政策在实施时间和实施内容上与“宽带中国”试点政策有一定的相似性。表3列(6)为加入“智慧城市”试点政策的回归结果,从中可以看出被解释变量的估计系数仍在1%的水平上显著,表明即便考虑其他政策干扰,本文的核心结论仍然可靠。

(三)微观层面“信息技术生产率悖论”的再验证

为进一步保证研究结论的可靠性,本文采用2009-2019年上市公司数据,从微观层面对新一代信息技术投资与城市生产率的关系展开验证。模型设定如下

tfpjt=β0+β1DIDjt+δXjt+θcontrolit+φj+λt+ui+εit

(7)

下标j、t、i分别代表上市公司、年份、城市。被解释变量tfpjt为上市公司全要素生产率,本文借鉴鲁晓东和连玉君(2012)[42]的研究,使用LP法对上市企业全要素生产率进行测算,其中,产出指标使用上市公司营业收入(元)衡量,资本投入使用上市公司固定资产净额(千元)衡量,劳动投入以上市公司员工人数(千人)衡量,中间投入使用上市公司“购建固定资产、无形资产和其他长期资产支付的现金(千元)”衡量。核心解释变量DIDjt为“宽带中国”政策虚拟变量,若城市i在第t年被确定为试点城市,则注册在该地的上市公司j在第t年及以后DIDjt设定为1,其余为0。Xjt为上市公司层面控制变量,包括企业规模、研发费用、成立时间、资产负债率、资产收益率、所有制性质。controlit为城市层面控制变量,包括金融发展水平、信息化水平、就业结构、政府创新投入和外商直接投资。φj为公司固定效应,λt为时间固定效应,ui为城市固定效应。上市公司数据来自于国泰安数据库。表4报告了新一代信息技术投资对上市公司全要素生产率的回归结果。表4列(1)-(3)分别为逐步加入控制变量的估计结果。从表4可以看出,核心解释变量DID的估计系数显著为正,表明新一代信息技术投资对城市生产率的促进作用在微观层面仍成立。

表4 企业层面稳健性检验结果

(四)机制分析

上文一系列经验性证据表明新一代信息技术投资能有效提升城市生产率,否定了“信息技术生产率悖论”在中国的存在。接下来,本文实证检验新一代信息技术投资影响城市生产率的作用机制。为此,本文建立以下模型

Mit=β0+β1policyit+β2controlit+ui+λt+εit

(8)

其中,下标i,t分别代表城市和年份,Mit为一系列机制变量dfiit、innoit、mixit。回归结果如表5所示。表5列(2)-(4)分别报告了“宽带中国”试点政策对要素配置效率、技术创新能力、产业融合发展的回归结果,可以发现估计系数均显著为正,这表明新一代信息技术投资对城市要素配置效率、技术创新能力、产业融合发展产生了显著的促进作用,从而有利于提升城市生产率。具体而言,从要素配置效率来看,新一代信息技术投资不仅能够降低要素配置间的信息摩擦,提高资本和劳动市场的运行效率,还能通过普及数字化治理等制度和管理创新,进一步提高资源配置效率。从技术创新能力来看,新一代信息技术投资不仅推动了以其自身为核心的智能技术群集聚发展,还能通过优化创新资源配置、提高知识溢出水平促进城市创新发展。从产业融合发展来看,大数据、人工智能、工业互联网等新一代信息技术一方面可以通过赋能传统产业提升城市生产率,另一方面还能推动形成更加专业化精细化的社会分工,实现先进制造业和生产性服务业融合发展的目标。

表5 机制分析结果

五、进一步分析:何种类型城市更易突破生产率悖论

上文研究表明新一代信息技术投资显著促进了城市生产率的提升,即“信息生产率悖论”在中国并不成立。那么,各城市应当如何抓住此次新一代信息技术大规模应用的契机,充分发挥信息技术的生产率效应呢?本文以“人力资本”“经济服务化”“市场化”为三个调节变量,探究何种类型城市更易突破生产率悖论,以此作为城市如何更好发挥信息技术生产率效应的经验借鉴。为此,本文建立以下调节效应模型展开城市层面的异质性分析

tfpit=β0+β1policyit+β2policyit×eduit+β3eduit+γXit+ui+λt+εit

(9)

tfpit=β0+β1policyit+β2policyit×indusit+β3indusit+γXit+ui+λt+εit

(10)

tfpit=β0+β1policyit+β2policyit×marketit+β3marketit+γXit+ui+λt+εit

(11)

i,t分别代表城市和年份。eduit、indusit、marketit为调节变量,分别为人力资本水平、经济服务化水平、市场化程度。policyit×eduit、policyit×indusit、policyit×marketit分别为调节变量eduit、indusit、marketit与本文核心解释变量policyit的交乘项,其他变量与基准模型设定一致。其中,人力资本水平(edu)借鉴戴琼瑶等(2021)[43]的研究,采用每万人大学生在校数衡量;经济服务化水平(indus)借鉴王燕和吴蒙(2016)[44]的研究,采用第三产业增加值占比衡量;市场化程度(market)借鉴孙早等(2014)[45]的研究,采用樊纲市场化指数衡量。人力资本水平及经济服务化水平数据来源于历年中国城市统计年鉴,市场化程度数据来自由樊纲等编写的《中国分省份市场化指数报告》,该报告测度了各省份的市场化指数,本文将其匹配至城市层面。

(一)人力资本

从新一代信息技术的属性来看,新一代信息技术属于技能偏向的技术进步,其扩散应用依赖于高技能劳动力的支撑,具体体现为:一方面,新一代信息技术正加速向实体经济渗透融合,研发、生产、销售、管理方式都随之更迭变化,这要求从业人员在短时间内完成对新一代信息技术的适应、学习及应用;另一方面,新一代信息技术冲击了现有的分工模式,可标准化任务岗位的劳动力被人工智能替代,这要求从业人员从事更多非程序化、创造性任务。由此可见,一座城市人力资本水平很大程度上影响其新一代信息技术生产率效应的发挥。表6列(1)报告了式(9)的回归结果,交互项的估计系数在1%的水平上显著为正,即城市人力资本水平正向调节了新一代信息技术投资与城市生产率之间的关系。这表明,一座城市人力资本水平越高,越能借助于新一代信息技术投资实现城市生产率提升目标。

表6 异质性分析结果

(二)经济服务化水平

从新一代信息技术对二三产业的赋能差异来看,相较于制造业,现阶段新一代信息技术与服务业融合程度更高,对服务业生产率的提升更为明显。伴随着数字教育、数字医疗、数字文化、数字传媒等智能生活场景的不断出现,新一代信息技术正重塑传统服务业形态,促使服务业生产率低这一基本性质发生根本转变。一方面,依托于高速网络及信息技术,服务产品的“同步性”“个性差异”及“不可储存性”特征得以转变,服务行业可产生极为显著的规模经济效应。另一方面,新一代信息技术在服务业领域的扩散应用,减少了服务业对于劳动力的高度依赖,大量程序化岗位可由人工智能替代,如无人超市、无人物流等。不同于服务业,与制造业高度匹配且现阶段可大规模应用的新一代信息技术较为匮乏,如量子计算、3D打印、机器人等数字化产品还尚未突破消费级应用。因此,一座城市的经济服务化水平越高,新一代信息技术对其生产率赋能的效果可能越明显。表6列(2)汇报了式(10)的回归结果,交互项的系数在1%的水平上显著为正,即经济服务化水平正向调节了新一代信息技术投资与城市生产率之间的关系。这表明,一座城市经济服务化水平越高,越能借助新一代信息技术投资促进城市生产率提高。

(三)市场化程度

伴随新一代信息技术在各行业中的扩散应用,新业态、新模式竞相显现。数字技术催生之下的新业态、新模式需面临原有制度的约束,这种新技术与旧制度之间的不协调容易成为阻碍生产率增长的不利因素。换言之,一座城市市场化程度越高,新技术的进入和退出壁垒越少,企业越容易灵活地调整生产要素去尝试新业态、新模式,推进新一代信息技术的扩散应用,提高其生产效率。由此可见,一座城市市场化水平的高低很大程度上影响信息技术生产率效应的发挥。表6列(3)汇报了式(11)的回归结果,交乘项的系数在1%的水平上显著为正,表明市场化程度正向调节了新一代信息技术投资与城市生产率之间的正向关系。这表明,一座城市市场化水平越高,越能借助于新一代信息技术投资实现城市生产率提升目标。

六、结论及建议

伴随以新一代信息技术为核心的科技革命与产业革命勃然兴起,中国城市化阶段经济增长似乎找到了新的发力点,那么新一代信息技术投资能否提升城市生产率已成为当下亟需回答的重大现实问题。本文以“宽带中国”战略试点政策作为新一代信息技术投资的准自然实验,基于2009-2019年283个城市面板数据,采用双重差分模型实证检验了新一代信息技术投资对城市生产率的影响及作用机制,并进一步探讨了人力资本水平、经济服务化水平、市场化程度对两者关系的调节效应。研究发现:(1)新一代信息技术投资显著促进了城市生产率的提升,这一结论在一系列稳健性检验之后仍然成立。(2)机制分析表明,新一代信息技术投资可通过提高要素配置效率、提升技术创新能力、推动产业融合发展三个渠道对城市生产率产生正向影响。(3)异质性检验表明,较高的城市人力资本水平、经济服务化水平、市场化程度会强化新一代信息技术投资对城市生产率的正向影响。

抓住此次新一轮科技和产业革命的契机,推进信息基础建设等新一代信息技术投资,为新一代信息技术的扩散应用打好基础,是城市化阶段提升生产率的立足点。据此本文提出以下政策建议:(1)鼓励引导新一代信息技术投资,全面部署新型数字基础设施建设。具体而言,一是创新投融资机制,积极引导多方投资主体参与新一代信息技术投资,为新一代信息技术的研发与普及应用提供充足的资金保障。二是以前瞻视野布局新型数字基础设施建设,统筹推进信息基础设施、融合基础设施、创新基础设施建设,落实相应建设配套需求,夯实数字经济“新底座”。(2)加速推进创新型人力资本积累,为城市发展新一代信息技术提供人才支撑。从拓宽数字技能培训渠道、扩大数字专业人员培养规模、加大引进数字技术人才力度等多点发力,积极探索集培训、评价、选拔、使用、激励于一体的数字技能人才培育机制,培养一批具有开拓视野、创新思维和专业技能的高素质人才。(3)全面深化市场化改革,以市场之手助力新一代信息技术提高要素配置效率。发挥市场在资源配置中的决定性作用,突破体制束缚,为新一代信息技术赋能城市生产率减少阻力,对新一代信息技术与实体经济融合过程中出现的新产品、新业态、新模式予以鼓励、支持,及时调整相关制度要求以助力其发展。