我国“数实融合”的时空异质性与要素配置效率

朱华友,邹小媛,李培祥

(1.浙江师范大学 经济与管理学院, 浙江 金华 321004; 2.广州理工学院, 广东 广州 510540)

一、引言

中国经济依靠要素投入取得快速发展,但依然存在要素配置不协调问题,这对我国经济高质量发展产生了不利影响[1]。随着大数据、人工智能等数字技术的进步,以数字技术为核心的数字经济正在加速变革传统经济模式,不断赋能传统实体产业,已经成为我国经济持续发展的新动力、高质量发展的突破口[2-4]。实体经济作为经济发展的基础,是保持经济持续健康发展的关键。党的十九大报告指出,应将经济发展的着力点放在实体经济上。数字经济与实体经济的融合不断优化产业内部结构,提升产业结构合理化水平,进而起到优化要素配置的作用[5]。因此,探究数字经济与实体经济的融合水平以及对要素配置效率的影响,具有明显的理论和实践意义。

二、文献综述

关于实体经济的定义,目前大多数学者都倾向于将实体经济与虚拟经济放在一起比较,在具体解释何为实体经济时,解释的侧重点会存在一定差异,其中包括基于功能角度提出的“宽实体、窄虚拟”类型[6]。这种分类将实体经济定义为生产服务部门提供的精神与物质产品的生产、流通和消费等经济活动,其基础作用是提供各种生存发展资料、改善人的生活条件以及提高人的各方面素质;虚拟经济则被定义为以金融机构为主体、围绕着货币流通的经济活动,其最终目的是通过货币的清算和支付结算、资本相互融通和资源配置、风险管理等实现“以钱生钱”。因此,界定某一经济活动是否属于实体经济,关键在于其是否具有直接改善人类生存与发展质量、生活方式的作用。按照“宽实体、窄虚拟”的界定标准,从产业层面来说,第一产业和第二产业皆构成了实体经济的重要组成部分,第三产业除去房地产产业和金融业,也都应属于实体经济[7]。此外,管理学之父彼得·德鲁克把国民经济划分为两大部分:第一部分为符号经济,指资本的运动、外汇率与信用流通;第二部分为实体经济,指产品与服务的流通[8]。苏冬蔚等[9]用剔除房地产业与金融业产值后的GDP来衡量实体经济的规模。李青原等[10]以中国A股中非房地产、非金融类上市企业的数据作为实体经济研究的样本。王竹泉等[11]认为实体经济的范围较广,以非金融类上市企业作为考察对象。以上学者主要是将实体经济界定为物质生产部门和部分服务部门。

已有文献关于数字经济对实体经济的影响主要有三种观点:一是认为数字经济可以促进实体经济的发展,这种促进作用对市场化程度较低、经济欠发达的地区更明显[12]。实体企业可以利用数字技术迅速捕捉消费者需求的变化、追踪产品创新成败的根源[13],从而进行有利调整。二是认为数字经济会阻碍实体经济的发展[14-15]。数字经济的发展比实体经济更具有不确定性,企业、政府对其大规模投资,可能会导致数字产业投资过剩[16],进而减少对实体经济的投资。三是认为数字经济给实体经济带来的影响具有不确定性,存在门槛效应[17]。数字技术可能给实体企业的发展带来契机,也可能对实体企业的发展形成阻碍,因为区块链的公开性降低了个人或组织的违法犯罪成本,但也提升了企业的犯错成本[18]。

已有数实融合的研究主要集中于数字经济与制造业融合,如武晓婷等[19]、周晓辉[20]研究了数字经济与制造业融合的影响因素,认为长三角数字经济与先进制造业的融合程度会受到经济发展水平、市场化程度和技术密集程度的影响;赵放等[21]研究了我国数字经济与制造业的融合空间差异;李柏洲等[22]、陈秀英等[23]研究了我国数实融合存在的问题,如数字治理能力滞后、数字核心技术储备不足、数实融合不足等。但已有文献未考虑数字经济与制造业以外的产业融合,也未对数字经济的主要方面如数字基础设施、数字产业化、产业数字化与实体经济融合情况展开的研究。

在数字经济与实体经济融合对经济要素配置的影响方面,仅有少量学者将要素配置看作中介变量而非被解释变量进行研究,如数字经济可以合理分配高效率部门或中心城市过剩的生产要素,最终提高城市群一体化水平[24]。数据、信息等数字要素与劳动、资本等传统生产要素的重组能提升传统要素效率,通过优化要素配置促进制造业升级[25]。目前尚未发现有关数字经济与实体经济融合对要素配置效率影响的研究。

综上所述,已有文献主要是关于数字经济对实体经济的影响研究,有少量文献测度了数字经济与制造业的融合水平,缺乏从整体上测度数字经济与实体经济融合水平的研究,也尚未发现关于数实融合水平对要素配置效率的影响研究。因此,本文重点关注数实融合水平的测量、数实融合发展对要素配置效率的影响,主要的边际贡献包括:(1)根据数实融合度的评价指标体系测算数实融合度,并分别计算数字基础设施、数字产业化、产业数字化与实体经济的融合度,分析其时空演变特征;(2)将数实融合度划分为5个等级,并分析省际差异的收敛特征;(3)实证分析数实融合度对劳动和资本配置效率的影响,并考察数实融合水平对4类地区要素配置效率所产生影响的差异性。

三、数实融合水平测算

(一)研究方法

1.熵值法

本文使用熵值法得到衡量数字经济发展水平的16个指标的权重,并依据各指标权重测算2013—2020年30省(市、自治区)的数字经济水平。参考相关文献[26-28],计算第j项指标的信息熵值:

(1)

其中,Xij为第i个省第j项指标标准化后的指标;n为样本量,n=31。

计算第j项测度指标的权重:

(2)

计算第i个省数字经济发展指数:

(3)

其中,m为三级指标个数。

2.耦合协调模型

耦合度与协调度可以用来衡量数字经济与实体经济相互影响的程度,耦合度代表二者之间关联作用的强弱,协调度反映二者在相互关联下的协调程度,本文利用协调度反映二者的融合水平。如果数字经济与实体经济的耦合程度高,但协调程度低,则二者越发展其协调程度越低;如果二者的耦合度、协调度都较高,则二者越发展其协调度也越高。参考相关文献[29-30],数字经济与实体经济的耦合度计算方式如下:

(4)

其中,U1代表数字经济水平,U2代表实体经济水平;C表示二者的耦合度。耦合度代表数字经济与实体经济的相关程度,但无法反映二者之间是相互促进还是相互制约,因此,本文继续测算数字经济与实体经济的耦合协调度,计算公式如下:

(5)

其中,D为数字经济与实体经济的耦合协调度,D∈[0,1],D越接近1代表数字经济与实体经济两大系统的融合度越高,即二者关联越密切。参考姜晓艳等[31]的划分方法,将其划分为10个等级(见表1)。α、β为系数,由于数字经济与实体经济都是核心指标,故令α=β=0.5。

表1 耦合协调度等级划分

3.收敛模型

本文利用σ收敛和绝对β收敛模型研究我国各省数实融合度的时间变化特征。通过σ收敛判断各省数实融合度的离差随时间变化呈上升还是下降趋势。参考徐维祥等[32]的研究方法,采用变异系数衡量数实融合度的σ收敛,计算方法如下:

(6)

绝对β收敛是指在不考虑其他影响因素的情况下,随着时间推移,数实融合度低的省份的数实融合度增长率大于数实融合度高的省份的数实融合度增长率,最终各省数实融合度趋于一致。参考王凯等[33]的研究,模型公式如下:

(7)

(二)数据来源与指标体系构建

1.数据来源

鉴于数据的可得性,选取我国30个省、市、自治区(不含西藏、澳门、香港和台湾)为研究对象,时间跨度为2013—2020年。研究数据来自《北京大学普惠金融指数》《中国统计年鉴》《中国科技统计年鉴》《中国第三产业统计年鉴》以及各省统计年鉴。为消除量纲的影响,采用极差标准化法对数据进行标准化处理。

2.实体经济指标构建

通过梳理现有文献可知,实体经济指标构建主要有以下3种方法:一是用制造业规模代表实体经济水平。但实际上实体经济除了包含制造业,还包括采矿业、建筑业、农业等产业,因而这一方法无法代表实体经济的全貌,只可用来代表狭义的实体经济水平[34]。二是用媒介法衡量实体经济。这一方法比较精确,但在进行量化时却存在较大难度[35]。大多数学者采用第三种方法,即用GDP与房地产业和金融业的生产总值之差来代表实体经济的规模[36-38]。之所以将房地产业纳入非实体经济的范围,是因为我国房地产业具有较高的金融衍生品属性[7]。因此,本文采用第三种方法。

3.数字经济指标构建

关于数字经济水平的度量,目前国内外尚未形成完全统一的衡量方法。指数获得方法大体可分为2种:一是直接采用研究机构得出的数据,如使用新华三集团发布的《中国城市数字经济指数白皮书》[17]、腾讯研究院编制的《中国“互联网+”数字经济指数》[14]等文件;二是重新构建衡量数字经济水平的指标体系[39-42]。指标构建法更为普遍科学,因此,本文借鉴赵涛等[43]的测度方法,同时遵循科学性和数据可得性原则,从数字经济基础、数字产业化和产业数字化3个维度选取16个指标构建衡量数字经济水平的指标体系[43-44],具体如表2所示。

表2 数实融合指标体系

表3 数实融合度空间变化特征

4.要素配置效率的测算

参考生延超等[45]的测度方法,用劳动生产率、资本生产率分别衡量劳动要素的分配效率(AEL)、资本要素的分配效率(AEK),并利用熵值法得出综合要素配置效率(AE)。

(三)数实融合水平的时空异质性

根据表2构建的数实融合指标体系与公式(5),计算2013—2020年中国30个省份数实融合水平的耦合协调度,并分析其时空演变特征。

1.时间异质性

由图1可知,2013—2020年中国年均数实融合度不断提高,二者共同发展、相互影响程度逐渐增强。分地区来看,东、中、西部地区与全国年均融合度的变动趋势相似,东部地区的年均数实融合度最高,且远高于全国平均水平,由2013年的0.420 6上升到2020年的0.610 5,即由濒临失调升级为初级协调;中部地区次之,其与全国的年均数实融合度最为接近,由2013年的0.312 1上升到2020年的0.496 4,由轻度失调升级为勉强协调;西部地区的年均数实融合度最低,且低于全国平均水平,由2013年的0.221 2上升为2020年的0.366 7,即由中度失调升级为轻度失调;东北地区年均融合度总体呈上升趋势,与其他地区相比,其上升速度较为缓慢,由2013年的0.300 4上升为2020年的0.366 7。综合来看, 2013—2020年我国各地区数实年均融合度不断提高,年均融合水平东部>中部>东北>西部,主要位于轻度失调至勉强协调阶段。

图1 2013—2020年中国数字经济与实体经济年均融合度时间变化特征

2.分项融合度

为对比构成数字经济的数字基础设施、数字产业化和产业数字化与实体经济的融合水平差异,本文绘制了2013—2020年中国数字经济与实体经济年均分项融合水平时间变化趋势图(见图2)。从图2可知,构成数字经济的3个方面与实体经济融合度同总体融合度的变化趋势相似,均呈逐年提高趋势。相对于数字产业化、数字基础设施,产业数字化与实体经济之间的融合程度最高,且在总体融合度之上,由2013年的0.343 1上升到2020年的0.518 5,由轻度失调升级为勉强协调阶段;数字基础设施与实体经济融合度次之,其同总体融合度最为接近,由2013年的0.313 8上升到2020年的0.473 9,由轻度失调升级为濒临失调阶段;数字产业化同实体经济的融合水平最低,由2013年的0.283 5上升到2020年的0.444 7,由中度失调升级为濒临失调阶段。表明数实融合的关键在于加深产业的数字化程度,利用数字技术助力实体产业进行产品创新与技术进步,推动仍处于价值链中低端的实体产业转型升级,最终实现实体经济与数字经济的进一步融合。

图2 2013—2020年中国数字经济与实体经济年均分项融合度

3.空间异质性

为了进一步分析数实融合度的空间分布特征,本文将2013年、2015年、2017年和2020年的数实融合度分别划分为极度失调—严重失调(Ⅰ)、中度失调—轻度失调(Ⅱ)、濒临失调—勉强协调(Ⅲ)、初级协调—中级协调(Ⅳ)、良好协调—优质协调(Ⅴ)5个阶段,分类结果见图3。2013年,中国数实融合度处于极度失调至中级协调区间,其中,东部地区中广东的数实融合度最高,位于第Ⅳ阶段;北京、江苏、浙江和山东处于第Ⅲ阶段,东北地区的辽宁处于第Ⅲ阶段,西部地区的青海、甘肃、宁夏和东部地区的海南处于第Ⅰ阶段,其余省份皆处于第Ⅱ阶段,即中度失调至轻度失调区间。2015年,数实融合度档次提升的省份占比约为23%,主要从第Ⅱ阶段提升至第Ⅲ阶段。2017年,数实融合度档次提升的省份有3个,其中浙江和山东从第Ⅲ阶段提升至第Ⅳ阶段,湖南从第Ⅱ阶段提升至第Ⅲ阶段。2020年,数实融合度处于极度失调至优质协调区间,与2017年相比,档次提升的省份占比约33%。尤其是东部地区的广东和江苏从第Ⅳ阶段提升至第Ⅴ阶段,但西部地区的青海和宁夏仍然处于第Ⅰ阶段;东北三省所处阶段不变,中部地区除山西处于第Ⅱ阶段外,其余省份皆处于第Ⅲ阶段。

图3 2013—2020年中国数实融合度的σ系数演变

综上,2013—2020年我国大部分省份数实融合水平上升,东部、中部地区融合度均提升了1～2个档次,西部和东北地区大部分省份融合度亦提升了1～2个档次,个别省份的融合度在原来的档次内发生小幅提升。说明我国数字经济系统与实体经济系统的结构在不断优化,各地区在提升数字经济水平的同时,也重视实体经济的发展,数实关系的调节能力不断提升。

4.空间差异收敛性

本文测算了2013—2020年中国数实融合度的变异系数,并绘制了收敛趋势图(见图4)。由图4可知,全国数实融合度的σ系数总体呈下降趋势,表明全国层面的数实融合度呈σ收敛。具体来看,东北地区σ系数呈波动下降趋势,且降幅最大,由2013年的0.245 6下降到2020年的0.170 2,下降了7.54%;西部地区σ系数由2013年的0.410 1下降到2020年的0.342 6,下降了6.75%,收敛性较强;中部地区σ系数基本持平,说明该地区融合度的收敛特征不明显;东部σ系数总体呈略微上升的趋势,表明区域内省份间融合度的差异略微增大,可能是因为东部既包括广东、江苏、山东等数实融合良好的省份,也包括海南、天津等低水平融合的省份。

图4 机制分析

为了进一步把握数实融合度的收敛特征,本文对中国数实融合度进行了β收敛检验(见表4)。由表4可知,全国数实融合度的估计系数β始终显著为负,说明大部分地区的融合度呈现β收敛特征。分地区来看,4类地区的系数β皆显著为负,皆呈现β收敛特征,中部和东北收敛速度较快,收敛周期较短,而西部和东部地区的收敛速度则较慢,收敛周期也较长。可能是因为东部和西部地区区域内数实融合度的区域差异较大,而且受地理位置、资源禀赋等因素的影响,导致收敛速度较慢。

四、机制分析和实证分析

(一)机制分析

数实融合发展能够有效提高劳动力和资本等要素的配置效率。数据作为数字经济发展的重要产物,提升要素配置效率的核心在于其能够承载大量有价值的信息。将数据中有价值的信息应用于实体产业,可以提高劳动力、资本等要素间的协同性,减小企业运行的不确定性,降低信息不对称导致的资源错配,进而提高资源配置效率[46]。在资本和劳动等要素市场中,供求关系与投资者的风险偏好、劳动者的闲暇效用等密切相关。随着数字经济与实体经济进一步融合,工资浮动、利率波动和要素供求关系等市场信息将被迅速准确地反映。通过数据挖掘和分析,各类市场主体能有效提升要素配置效率,如厂商可以根据求职者信息进行智能匹配,筛选出更多合适的候选人;劳动者能以更低成本增强工作搜寻强度,找到与其匹配度更高的工作;金融机构可以更加了解投资者的风险偏好,对投资者进行个性化金融产品推荐;投资者能更准确预测金融市场变化,将资金投向合适的地方。此外,以电子商务发展为代表的产业数字化发展在促进新业态成长的同时,创造了多样的就业岗位,吸引了大量回报率较低的资金,促成积极创业创新的态势,提升了要素配置的市场化能力(见图5)。

(二)模型设定

为了考察数实融合对要素配置效率的影响,构建模型如下:

(8)

式(8)中,i表示省,t表示时间;xit、yit分别表示数字经济与实体经济融合度、市场要素配置效率;Controlit为控制变量,包括产业结构水平(stru)、政府控制程度(gov)、城镇化水平(urb)和经济开放度(open);μi为个体效应,λt为时间效应;εit为随机扰动项。

(三)变量定义与数据说明

1.被解释变量

本文的被解释变量为要素配置效率,包括综合要素配置效率(AE)、劳动力要素配置效率(AEL)和资本要素配置效率(AEK),具体测算方法见前文。

2.解释变量

本文的解释变量为数字经济与实体经济的融合度,由前文测算得出。一方面,实证分析数字经济与实体经济总体融合度(D)对要素配置效率的影响;另一方面,分别分析数字基础设施与实体经济的融合度(D1)、数字产业化与实体经济的融合度(D2)、产业数字化与实体经济的融合度(D3)对要素配置效率的影响。

3.控制变量

为减少内生性问题,参考相关文献,选择4个可能影响要素配置效率的变量进行控制。一是产业结构水平(stru),用地区第三产业增加值与GDP的比值进行表征[47];二是政府控制程度(gov),用地方一般公共预算支出占GDP的比重进行表征[48];三是城镇化水平(urb),用年末城镇人口占总人口的比重进行表征[1];四是经济开放度(open),用进出口占GDP的比重进行表征[49]。

4.变量描述性统计

由表5可知,数字经济与实体经济总体融合度的均值为0.398 9,标准差为0.164 8,要素配置效率的均值为0.284 5,标准差为0.159 2,均处于合理区间,其他变量的均值和标准差亦处于合理区间。

表5 变量描述性统计

(四)实证结果与分析

1.基准回归结果

为检验数字经济与实体经济融合对要素配置效率的影响,本文对模型(8)进行基准回归,并对省份和时间固定效应进行控制,回归结果见表6。

表6 基准回归结果

表6的列(1)、列(4)是AE作为被解释变量的实证结果,列(2)、列(5)是AEL作为被解释变量的实证结果,列(3)、列(6)则是将AEK作为被解释变量;列(4)～列(6)在列(1)～列(3)的基础上加入了控制变量。由列(4)可知,数字经济与实体经济融合对综合要素配置效率的影响显著为正,回归系数为0.511 1,说明数字经济与实体经济融合水平的提高可以显著提高要素配置效率,与前文的理论分析一致。由列(5)可知,数字经济与实体经济融合对劳动力要素配置效率的影响显著为正,回归系数为0.698 5,表明数实融合水平每提升1%,劳动要素配置效率就提高0.698 5%,由列(6)可知,数字经济与实体经济融合对资本要素配置效率的影响显著为正,且回归系数为0.339 7,说明2013—2020年数实融合发展对提升资本配置的效果显著。数字经济与实体经济融合度对资本配置效率的回归系数小于对劳动力配置效率的回归系数,可能是因为我国政府对银行具有较强的控制能力,对信贷配给的话语权也较强[50],资本配置受到的影响较小。

为了进一步分析数字经济与实体经济融合对要素配置效率的影响,分别测度数字基础设施与实体经济融合度、数字产业化与实体经济融合度、产业数字化与实体经济融合度对要素配置效率的影响,具体回归结果见表7。分析列(1)可知,数字基础设施与实体经济融合对要素配置规模效率的回归系数在1%的水平上显著为正,表明数字基础设施建设是数实融合发展的基石,数字基础设施与实体经济协调度的提高,即融合度的提高有利于要素配置效率的提升。数字产业化与实体经济融合对要素配置规模效率的回归系数为0.420 1,在1%的水平上显著,表明数字产业化与实体经济融合度提高后,相应省份的要素配置有所优化。产业数字化与实体经济融合对要素配置规模效率的影响显著为正,表明产业数字化与实体经济融合程度越高,数字产业化水平与实体经济水平协调度越高,要素配置效率也越高。对比(1)～(3)列主要解释变量的回归系数可知,数字基础设施、数字产业化、产业数字化与实体经济融合水平的提高均能显著促进要素配置效率的提高,且数字基础设施与实体经济融合的促进作用最明显。

2.分类回归分析

根据2013—2020年数字经济与实体经济年均融合度、年均要素配置效率的不同,利用SPSS 27软件,将30个研究对象分为4类(见表8)。类型Ⅰ代表融合度较高、要素配置效率也较高的地区,包括北京和和上海;类型Ⅱ代表融合度较高、但要素配置效率相对较低的地区,包括江苏、浙江、山东和广东4个东部沿海省份;类型Ⅲ代表融合度较低、但要素配置效率较高的省份,包括江西、安徽、河南、湖北和湖南等中部省份,也包括天津、河北、福建、辽宁4个东部省份;类型Ⅳ代表融合度较低、且劳动力要素配置效率也较低的省份。

表8 30个省聚类结果

根据表8的分类,实证分析不同类型省份的数字经济与实体经济融合度对要素配置效率的影响(见表9)。

表9 分类回归分析

由表9可知,不同类别的省份,数字经济与实体经济融合度对要素配置效率的影响存在较大差异。由表9列(1)可知,数字经济与实体经济融合度对要素配置效率的影响为正,但不显著,表明对于融合度和要素配置效率较高的省份(类型Ⅰ),数字经济与实体经济融合度的提高对要素配置效率未产生显著影响。分析列(2)可知,回归系数在10%的水平上显著为负,表明对于融合度较高、但要素配置效率相对较低的省份(类型Ⅱ),数字经济与实体经济融合度的提高对要素配置效率的优化产生了一定的阻碍作用。可能是因为数字经济与实体经济的融合代表着数据要素这一新型要素与劳动力、资本等传统要素的融合,数据与其他要素相似,同样遵循边际收益递减规律,即新投入的数据要素对效率提升的作用不断减小,最终反而不利于要素配置效率的提升。由列(3)可知,数字经济与实体经济融合度对要素配置效率的影响显著为正,表明对于融合度较低、但要素配置效率较高的省份(类型Ⅲ),融合度的提高能优化要素配置效率。分析列(4)可知,数字经济与实体经济融合度的回归系数在1%的水平上显著为正,表明对于融合度较低、且劳动力要素配置效率也较低的省份(类型Ⅳ),数字经济与实体经济融合度的提高能促进要素配置效率提升。综合分析列(1)～列(4)可知,数字经济与实体经济融合水平的提高能显著提升融合度较低省份的要素配置效率,但对融合度较高省份的要素配置效率的影响不显著,甚至产生了阻碍作用。

3.稳健性检验

鉴于30个省份的数字经济与实体经济融合度、要素配置效率存在显著差异,计量结果的稳健性可能受到极端值的影响,本文利用Winsorize方法,对所有涉及到的连续变量进行1%的缩尾处理,并对处理后的数据进行回归。回归结果与前文无较大差异,表示回归结果稳健有效。

三、研究结论与思考

(一)研究结论

本文建立了具体量化数实融合度的评价指标体系,测度我国30个省(市、自治区)数字经济、数字基础设施、数字产业化、产业数字化与实体经济的融合度,并对其时空演化特征和省际差异进行分析。此外,本文考察了数字经济与实体经济融合对要素配置效率的影响,以及不同类别省份前者对后者产生影响的差异性。研究得出以下4点结论:

(1)从时间来看,2013—2020年数实融合水平呈逐渐上升趋势,大部分省份仍处于较低水平融合状态。从空间来看,年均数实融合水平东部>中部>东北>西部地区。省际差异总体呈减小趋势,尤其是中部和东北地区的融合度收敛速度最快。

(2)在考察期内,数字经济基础设施、数字产业化和产业数字化与实体经济的融合水平变化趋势和数实融合水平的变化趋势相似,融合水平逐渐提高。相比于数字经济基础设施和数字产业化,产业数字化与实体经济的融合程度最高。

(3)数字产业化、产业数字化与实体经济融合度的提高均有助于促进要素配置效率提高,其中,数字基础设施与实体经济融合的促进作用最明显;相比于资本要素配置效率,数字经济与实体经济融合度对劳动要素配置效率的促进作用更大。

(4)在控制省份、时间固定效应和控制变量后,数字经济与实体经济融合水平的提升能显著改善Ⅲ类和Ⅳ类地区的要素配置效率,即能显著改善融合度较低省份的要素配置效率,但对融合度较高省份的要素配置效率的影响不显著。

(二)政策建议

(1)一方面,实体企业需主动将数字产品、信息服务等数字经济构成运用到企业研发、生产、销售等环节,加快实现数字化转型;另一方面,政府应不断顺应数字经济的发展,强化数字治理能力,并维护数实融合发展的市场秩序,为二者的健康融合做好顶层设计。

(2)在强化数字基础设施建设和扩大数字产业规模的同时,尤其要重视产业的数字化建设。考虑到产业数字化与实体经济的融合度较高,要促进数实融合水平关键在于提升实体产业的数字化水平,并不断推动数据这一新型生产要素与劳动力、企业家才能等传统生产要素的融合重组。

(3)结合数字经济与实体经济融合的区域异质性,因地制宜。一方面,给予中西部地区相应的政策支持,创造有利于落后地区数实融合的环境;另一方面,根据中国各省的数字经济与实体经济发展现状,制定差异化的数实融合发展策略。

(4)应优先推动数字基础设施与实体经济的融合,最大程度发挥数实融合的要素配置优化效应。考虑到数实融合对要素配置效率的影响存在异质性,应充分了解不同类别省份的特点,根据各省融合水平的高低实施差别化措施,使数字经济与融合成为提高我国要素配置效率的新动力。