数字经济对制造业高质量发展的影响：基于人力资本与企业创新的中介效应分析

谢思　任珍珍

［摘  要］数字经济对制造业高质量发展的影响可以从直接效应与间接效应两个方面展开。在理论分析基础上，运用我国2014—2020年省级面板数据进行实证检验，结果显示，数字经济对制造业高质量发展具有明显的推动作用；数字经济能够通过人力资本与企业创新两个要素影响制造业高质量发展；异质性检验表明，在东、西部地区数字经济赋能效应显著，而在东北和中部地区数字经济赋能效应尚未显现。

［关键词］数字经济；制造业；高质量发展；中介效应

［中图分类号］F424；F49  ［文献标识码］A  ［文章编号］1672-2426（2023）07-0034-10

当前，数字经济成为制造业企业创新发展的关键推动力，很多国家已经通过数字化改革完成产业升级，占据产业链顶端以及高价值产业。在数字技术创新方面，中国也在积极进行探索，在互联网、大数据、人工智能等迅速发展的条件下，制造业可以借此进行企业技术创新，并不断推动产业结构升级，摆脱陷于低端产业链的局面。在此背景下，本文探讨数字经济对制造业高质量发展的影响，以期帮助我国改善制造业发展相对滞后的不利局面，从而推动我国在建设社会主义现代化强国的道路上更进一步。

一、理论分析

（一）数字经济影响制造业高质量发展的直接效应

数字经济的不断发展，促使传统制造业在生产要素方面不断创新。数据等高端要素不断参与到制造业生产过程，推动制造业产业业态和商业模式不断革新，推动制造业实现高质量发展。数字经济驱动制造业高质量发展的直接效应可以细分为数字经济降低制造业各项生产成本、数字经济提高制造业销售竞争力。

1.数字经济可以降低制造业各项生产成本。首先，数字技术快速升级促使部分传统生产要素转化为数字化生产要素，不仅丰富了要素市场的多样性，也提高了制造业的生产效率。［1］其次，得益于柔性电子、高端传感器、低碳技术等数字信息技术的加入，制造业企业可以减少资源损耗，降低废物产生量，提高资源重复利用率。

2.数字经济可以提高制造业销售竞争力。在生产前，制造业可以通过互联网和大数据平台等了解消费者的偏好，生产高度匹配消费者喜好的产品，不仅可以减少资源的浪费，还可以提高产品竞争力。在产品的售后上，借助高效的信息交流平台，制造业可以及时获得消费者的反馈，有利于产品的优化升级，进一步提高制造业的产品竞争力。

（二）数字经济影响制造业高质量发展的间接效应

1.人力资本赋能效应。首先，数字经济的快速发展改变了相关行业对人力资本的需求，倒逼人力资本质量不断提高。随着数字技术和产业融合不断加深，传统的工作内容和工作方式发生较大改变。制造业企业用工偏好逐渐从数量型用工偏好向质量型用工偏好转变。［2］其次，信息技术的发展让人们可以更加便捷地获取信息和知识，降低了信息获取的成本，人们也可以在更加灵活和多样的方式下进行学习，这使得教育和人力培训得以在时间和空间上跨越更大的距离。最后，在数字经济下，越来越多的人开始关注在线培训、自学和远程教育等学习方式。这种新的学习模式也促进了教育的创新和发展，让更多的人有机会获得正规的教育和专业技能的培训，这种数字化教育方式让人力资本质量得到了全面提升。［3］而人力资本是制造业最重要的驅动因子，通过知识、技术等要素的积累不仅可以有效促进要素在行业间的流动和优势转换，从而加快制造业产业结构的转型，还可以充分发挥技术和知识溢出效应，有效地推动我国制造业从劳动密集型向技术密集型转变，为制造业高质量发展提供支撑。

2.企业创新赋能效应。首先，数字经济的信息技术优势为企业创新能力的提升奠定了基础。数字经济的快速发展为企业提供了更多便捷高效的创新资源，可以有效地促进企业之间的资源共享和技术交流，以实现更广泛的创新合作和知识创造。［4］其次，通过数字技术的应用，知识转化为创新成果的概率大大提高，创新过程更加便利和高效。企业和个人可以获得更多的创新机会，并且可以更有效地将自己的想法变成产品和服务。［5］最后，信息交互能力的提高有助于企业及时获得市场需求信息，以更加精准地满足市场需求。这也减少了企业创新存在的风险，提高了创新与现实需求之间的匹配效率，让企业更加有信心地进行创新活动。企业创新通过学习效应和积累效应提高制造业的知识储备量，促进制造业知识溢出，增强制造业知识吸收能力。［6］同时通过规模效应提高竞争优势，为制造业带来新的增长和发展机会，促进整个行业的升级和创新，进而实现制造业的高质量发展。

二、研究设计

（一）变量测度

1.被解释变量。被解释变量为制造业高质量发展水平（mhq）。已有文献在测度制造业高质量发展方面并无统一标准。部分学者采用制造业绿色全要素生产率来测度，主要运用柯布-道格拉斯生产函数法［7］和数据包络分析法［8］。还有一些学者结合各自的研究内容，构建了相应的指标体系：有基于高质量发展内涵构建涵盖产业基础和结构、数字化能力、质量竞争力、社会贡献等八个方面的评价指标体系［9］；也有结合新发展理念从创新、速度、结构、绿色四个方面构建的评价指标体系［3，10-11］。使用综合指标更能全面系统评价制造业发展水平，更能准确地对制造业高质量发展进行测度。基于高质量发展的内涵和特征，依据上述学者的研究，本文从五个维度构建了制造业高质量发展评价指标体系，具体如表1所示。

2.核心解释变量。核心解释变量为数字经济发展水平（dig）。现有研究对数字经济的内涵界定还没有统一的衡量标准，致使其测度方法各异，研究中主要使用构建指标体系的方法进行测度。在官方组织机构层面，经济合作与发展组织（OECD）作为对数字经济研究起步较早的机构，在《衡量数字经济》中构建了涵盖创新发展、赋权社会、经济增长和促进就业四个一级指标的指标体系，涵盖了数字经济各个方面。中国信息通信研究院在《中国数字经济发展白皮书》中提出，以数字经济指数度量数字经济发展程度，数字经济指数充分考虑了数字经济发展所需的基础条件、基础产业和综合应用。上海社会科学院构建了涵盖关于数字的设施、产业、创新和治理四个方面的数字经济竞争力分析模型。此外，众多学者主要从数字基础、数字化产业、数字应用、数字创新等方面构建数字经济发展指标体系。［12-15］借鉴现有文献，本文选取了三个一级指标、十个二级指标构建数字经济发展水平指标体系，如表2所示。

在测度制造业高质量发展水平和数字经济发展水平时，需先确定各指标所赋权重，再计算各省份数字经济发展和制造业高质量发展的综合得分。由于主观赋权法受人为因素影响较大，而客观赋权法能够避免主观误差，因此本文采用基于熵值法的客观赋权法。

3.中介变量。人力资本（hum）：人力资本所承载的知识和技能是实现制造业高质量发展的重要驱动要素。具体而言，人力资本通过存量积累、集聚效应和异质性结构对制造业高质量发展产生影响。教育是人力资本形成和发展的最主要途径，通过教育可以赋予劳动力一定的知识和技能。因此，本文借鉴已有研究的做法，用平均受教育年限测度人力资本水平，公式为：

式中，pri为接受过小学教育的人数，其教育年限为6年；jun为接受过中学教育的人数，其教育年限为9年；sen为接受过高中教育的人数，其教育年限为12年；col为接受过大专及以上教育的人数，其教育年限为16年；T为6岁及以上总人口数。

企业创新能力（inno）：制造业企业开发新产品的经费很大程度上是企业创新能力的体现，经费投入越多，说明其创新能力越强。参考廖信林和杨正源［16］的研究，本文采用规模以上工业企业开发新产品经费来衡量企业创新能力，以求更好地反映企业的创新能力。

4.控制变量。由于制造业的发展依赖多种要素，参考相关文献，本文选择政府职能（gov）、金融发展水平（fin）、基础设施建设水平（infra）、产业结构（is）和对外开放水平（fdi）作为控制变量，具体衡量数据如表3所示。

（二）数据来源、处理与变量的描述性统计

数据是数字经济发展的关键生产要素。2014年，大数据交易进入初步发展阶段，同时“大数据”被首次写入中央政府工作报告当中。因此，本文选择数据时间起点为2014年。鉴于数据的可得性，本文选取了2014—2020年中国30个省份的数据（西藏自治区部分年份数据缺失），所有数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国电子信息产业统计年鉴》及各地区统计年鉴。数据波动过大会影响实证结果的准确性［17］，本文对数据作如下处理：对制造业高质量发展水平、数字经济发展水平、金融发展水平、基础设施建设水平和企业创新能力数据进行二次化对数处理。为更好地解决数据缺失问题，本文采用插值法等相关方法对数据进行补齐。表4为所有变量的描述性统计结果。

（三）模型构建

在上述理论与实证假设的基础上，建立面板数据模型如下：

式中，mhq it 为i地区在t年制造业高质量发展水平；dig it 为i地区在t年数字经济发展水平；Xijt  为i省份第j个控制变量在t年的数值； μi 为上述模型中的个体效应， ηt 为上述模型中的时间效应， εit为上述模型中的随机扰动项。其中，gov、llfin、llinfra、is、fdi均为控制变量，gov为政府职能，llfin为金融发展水平，llinfra为基础设施建设水平，is为产业结构，fdi为对外开放水平。

为进一步探究数字经济对制造业高质量发展影响的内在机制，构建中介效应模型如下：

式中，Mediht为i省份第h个中介变量在t年数值，中介变量包括人力资本水平和企业创新能力；其余变量含义与式（2）相同。

三、實证结果

（一）基准回归

本文采用stata进行数据处理，对我国30个省份2014—2020年统计资料进行数据分析。本文先用似然比（LR）和Hausman检验确定模型选择，结果显示，拒绝混合效应模型与随机效应模型，同时结合经济理论认识，本文采用双向固定效应模型。模型估计结果见表5。

表5（1）列和（2）列分别代表未加入控制变量和加入控制变量后的模型基准回归结果。对比两个回归结果可知，（2）列数字经济发展水平的估计系数略微减小，这表明在没有考虑控制变量时，会出现漏掉重要解释变量的情况。（2）列解释变量的估计系数为正，意味着本文核心结论在其他因素得到控制之后也成立。以表5（2）列为例，数字经济对制造业高质量发展在5%的显著水平上有显著的拉动作用，具体而言，数字经济发展水平每上升1%，制造业高质量发展水平提升25.1%，驱动作用显著，这可能是数字经济发展在优化市场配置资源效率、丰富制造业生产方式、重塑就业结构以及稳定供求关系等多方面共同作用的结果。

（二）稳健性检验

在基准回归的实证分析中，尽管本文加入了诸多控制变量，同时也考虑了各地区的固定效应，但由于资源禀赋、文化制度、组织内部效率等经济社会背景因素的不可观测，且数字经济发展水平与制造业高质量发展水平之间可能存在着双向因果关系，即一方面数字经济的快速发展和数字技术普遍应用到制造业细分行业很大程度上促进了制造业高质量发展水平的提高；另一方面随着制造业高质量发展水平的逐渐提高，数字技术应用不断深化细化，必将促进数字经济发展水平的不断提高，这使得模型估计仍然可能存在内生性问题。鉴于此，在基准回归的基础上，本文采用以下方法对模型估计结果进行稳健性检验。

关于内生性问题，学者普遍借助工具变量把内生变量拆分为与干扰项有关和与干扰项无关两部分，用与干扰项无关的部分进行一致估计。为解决模型的内生性问题，本文将使用数字经济滞后两期作为工具变量，运用两阶段最小二乘法（2SLS）对其进行处理。在使用工具变量时常常需要确保以下两个条件来保证所使用的工具变量是有效的。

相关性：数字经济滞后两期（工具变量）与数字经济（核心解释变量）相关，本文对数字经济与数字经济滞后两期的相关系数矩阵进行研究，发现两者的相关系数为0.977，即二者之间存在很强的相关性，也就是说数字经济发展与它的滞后两期存在一定的联系。

外生性：本文参考韦庄禹等人［17］检测工具变量外生性的方法，外生性检验具体结果如表6所示，第（3）列为数字经济对制造业高质量发展的回归结果、第（4）列为数字经济滞后两期对制造业高质量发展的回归结果、第（5）列为数字经济和数字经济滞后两期同时对制造业高质量发展的回归结果。结果表明，数字经济和数字经济滞后两期分别加入时回归结果均显著，两者同时加入时工具变量不显著，这就意味着滞后两期的数字经济只是间接通过当前的数字经济影响制造业高质量发展，而不是直接影响制造业高质量发展。因此认为本文所选取的工具变量符合外生性。

使用2SLS法的前提是在工具变量恰好识别的前提假设下，因此需要做弱工具变量检验，结果见表6，Cragg-Donald Wald F数值743.041远远大于判别值16.380，即说明没有弱工具变量问题。通过对工具变量的检验，可以看出2SLS结果是有效的，其回归结果见表6第（6）列。回归分析显示，我国制造业高质量发展与数字经济发展水平有着明显的正向关系。R2和F统计值分别为0.841和129.120，表明了工具变量具有很好的解释能力。

（三）中介效应

基于温忠麟等人［18］提出的中介效应检验过程，以基准回归中核心解释变量显著影响被解释变量的结果为依据，对模型（3）和模型（4）中的参数分别进行了验证，若两者均显著，那么中介效应显著。

首先验证人力资本（hum），回归结果见表7中第（7）（8）两列。（7）列中解释变量估计系数显著为正，说明数字经济可以提高人力資本水平；（8）列中解释变量估计系数同样显著为正，且相比原基准回归的估计系数有所减小，表明数字经济的快速发展提升了对高知识、高技能、高学历人才的需求，人力资本质量的提高又进一步驱动制造业高质量发展。

其次验证企业创新能力（llinno），回归结果见表7第（9）（10）两列。（9）列中解释变量的估计系数显著为正，说明数字经济发展可以提高企业创新能力；（10）列中解释变量的估计系数显著为正，表明数字经济创造的开放式创新环境推动了企业更大范围的技术创新，进而推动制造业高质量发展。

（四）区域异质性

为验证数字经济在不同区域对我国制造业高质量发展的不同影响，本文将30个省份分为东部、中部、西部和东北四个地区①，并采用双向固定效应模型对这四个样本的制造业发展情况进行分析，以探究各个地区数字经济的作用。结果如表8中第（11）—（14）列所示。在10%的显著性水平下我国东部地区数字经济回归系数为正，在1%的显著性水平下，西部地区的数字经济回归系数为正，但在我国中部和东北两个地区，数字经济在促进制造业高质量发展方面的作用并不显著。这可能是因为各区域间要素市场活跃度、制造业发展水平、技术创新水平等因素的不同大大影响了各区域制造业数字化发展进程。

从回归系数上来看，东部和西部地区的数字经济发展指数大于全国层面的系数。数字经济发展水平每提高1%，其大约能使东部地区和西部地区制造业高质量发展水平分别提高38.6%和35.0%，从中可以看出东部地区的促进效应大于西部地区。其原因可能是东部地区有良好的制造业基础，资金、人才、资源等要素供给充足，促进了数字经济与制造业的深度融合。西部地区自然资源丰富，但工业水平及基础设施还有待提升，企业数字化和数字化企业程度低，还有很大的提升空间，从而使得数字经济对制造业高质量发展的边际效应高。同时，西部地区的制造业企业在转型升级过程中，其生产力增长空间相对而言比较大，制造业企业可以获得更多的升级红利。而我国中部地区和东北地区信息基础设施建设相对薄弱，人才流失严重，电子设备、仪器仪表等高技术产业数量相对稀少，这些因素阻碍了数字化技术在中部地区和东北地区的大范围推广，因此数字经济发展对中部地区和东北地区的制造业企业没有起到很好的促进作用。

四、研究结论和对策建议

（一）研究结论

本文在相关理论基础上，借助2014—2020年省际面板数据研究数字经济如何赋能制造业高质量发展以及区域异质性，主要结论如下。第一，数字经济发展可以直接赋能制造业高质量发展，且这一正向关系经过一系列稳健性检验后依然成立。异质性分析研究表明，东、西部地区数字经济赋能效应较为显著，中部地区和东北地区数字经济赋能效应暂时未显现出来。第二，中介效应分析表明，人力资本和企业创新是数字经济促进制造业高质量发展的重要渠道，且二者的中介效应均表现为正向强化效应，即数字经济能够通过提升人力资本水平和提高企业创新能力促进制造业高质量发展。

（二）政策建议

1.加快发展数字经济，实现数字技术与制造业的深度融合。各省要增强在数字基础设施领域的研究投入，促进“企业+高校+机构”协同发展，加快数字技术在制造业的推广和使用，由此推动制造业数字化转型。同时，通过建立数字经济示范区，把发达地区的发展经验和成功模式推广到欠发达地区，使区域之间的数字经济实现“先富带后富”。

2.避免“一刀切”政策，各地区要因地制宜。对东部地区而言，要加快数字技术与制造业深度融合，将数字技术优势充分发挥到制造业生产的全过程。对西部地区而言，要抓住数字化、智能化的发展机遇，加强制造业、服务业与信息行业的融合。对中部地区和东北地区而言，一方面要学习东部地区的成功经验，积极参与东部地区的产业链建设，承接适合本地区发展的产业转移；另一方面政策要逐渐向高端技术偏移，积极推动数字化产业发展，继续完善数字基础设施，努力突破数字化资源的瓶颈，缩小数字鸿沟。各省在推进产业数字化的进程中，应当避免单一的发展模式，努力实现多元化的发展。

3.聚焦突破卡脖子核心技术，提升技术创新能力。突破核心技术难题：一是要鼓励企业积极主动地参与核心技术研发，借助产学研合作平台激发更多创新活力。二是促使校企合作的创新成果有效转化，不断引领技术向制造业快速渗透，为实现制造业数字化转型提供动力，进而推动产品创新水平不断提升，促进制造业高质量发展。三是地方政府可以对制造业高技术产品研发进行补贴，并对高技术产品予以减免税赋来激励企业的创新意愿，也可以通过减免租金吸引高技术企业入驻科技产业园，营造浓厚的创新氛围。

4.充分发挥人力资本对区域创新的促进作用，加大投入，多渠道、多层次地提升人力资本水平。地方政府应该把更多的注意力放在基础教育、职业教育、技能培训上，筑牢创新型人才培养的基础。应聚焦数字化前沿方向和关键领域，引导职业学校、高等院校设置数字经济专业、开展相关课程，培养具备数字创新能力的技术人才。

注释：

①东部地区包括北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省；中部地区包括山西省、安徽省、江西省、河南省、湖北省、湖南省；西部地区包括内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区；东北地区包括辽宁省、吉林省、黑龙江省。

参考文献：

［1］荆文君，孙宝文.数字经济促进经济高质量发展：一个理论分析框架［J］.经济学家，2019（2）：66-73.

［2］叶胥，杜云晗，何文军.数字经济发展的就业结构效应［J］.财贸研究，2021，32（4）：1-13.

［3］李史恒，屈小娥.数字经济赋能制造业高质量发展：理论机制与实证检验［J］.经济问题探索，2022（10）：105-117.

［4］刘洋，陈晓东.中国数字经济发展对产业结构升级的影响［J］.经济与管理研究，2021，42（8）：15-29.

［5］王可，李连燕.“互联网+”对中国制造业发展影响的实证研究［J］.数量经济技术经济研究，2018，35（6）：3-20.

［6］武云亮，方婷，程文先.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［J］.长春理工大学学报（社会科学版），2023，36（3）：100-108.

［7］鄒蔚，彭锐.科技创新促进湖北工业高质量发展效率评价研究［J］.科技与经济，2020，33（1）：31-35.

［8］徐星，惠宁，崔若冰，等.数字经济驱动制造业高质量发展的影响效应研究——以技术创新效率提升与技术创新地理溢出的双重视角［J］.经济问题探索，2023（2）：126-143.

［9］李晓钟.我国制造业高质量发展评价与区域差异比较研究［J］.社会科学家，2022（8）：17-25.

［10］傅为忠，储刘平.长三角一体化视角下制造业高质量发展评价研究——基于改进的CRITIC-熵权法组合权重的TOPSIS评价模型［J］.工业技术经济，2020，39（9）：145-152.

［11］李旭辉，朱启贵，夏万军，等.基于五大发展理念的经济社会发展评价体系研究——基于二次加权因子分析法［J］.数理统计与管理，2019，38（3）：506-518.

［12］张雪玲，焦月霞.中国数字经济发展指数及其应用初探［J］.浙江社会科学，2017（4）：32-40+157.

［13］刘军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究［J］.上海经济研究，2020（6）：81-96.

［14］刘志坚.数字经济发展、科技创新与出口技术复杂度［J］.统计与决策，2021，37（17）：29-34.

［15］周晓辉，刘莹莹，彭留英.数字经济发展与绿色全要素生产率提高［J］.上海经济研究，2021（12）：51-63.

［16］廖信林，杨正源.数字经济赋能长三角地区制造业转型升级的效应测度与实现路径［J］.华东经济管理，2021，35（6）：22-30.

［17］韦庄禹，李毅婷，武可栋.数字经济能否促进制造业高质量发展？——基于省际面板数据的实证分析［J］.武汉金融，2021（3）：37-45.

［18］温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745.

责任编辑  魏亚男

［收稿日期］2023-05-19

［基金项目］辽宁省哲学社会科学青年人才培养对象委托课题“数字经济的区域差异、影响因素与优化路径研究”（2022lslqnrcwtkt-33），主持人谢思；辽宁大学青年科研基金项目“数字经济驱动制造业高质量发展的机制与路径研究”（LDQN2022009），主持人谢思。

［作者简介］谢  思（1992— ），女，辽宁沈阳人，辽宁大学经济学院讲师、硕士生导师，经济学博士，主要从事数字经济、政府监管研究。

任珍珍（1997— ），女，山西吕梁人，辽宁大学经济学院硕士研究生，主要从事数字经济研究。