数字经济发展对制造业产业结构优化升级的影响研究——基于江苏省的面板数据

王燕 WANG Yan；苏伟 SU Wei

（①中国石油集团川庆钻探工程有限公司钻井液技术服务公司，成都 610057；②中国石油集团川庆钻探工程有限公司国际工程公司，成都 610057）

0 引言

江苏省作为数字经济的先发地，信息经济核心产业的总产值已超过了4.5 万亿元，位居全国第二位，两位融合发展指数连续八年居全国第一；并且数字经济作为江苏省的“新赛道”“主赛道”，在政府产业政策的扶持下，发展势头迅猛，新业态新模式不断涌现。如何整合数字技术与诸如制造业等传统产业的融合和渗透，帮助传统产业集群在数字经济大环境下探索协同创新机制和转型升级，已成为当前研究亟需解决的新课题和新热点。依据江苏省的面板数据为研究对象，探索在数字经济的大环境下，影响制造业产业结构优化升级的因素和机制，为数字经济时代实现制造业产业结构优化升级和高质量发展提供战略依据。

1 熵权法和多元线性回归

1.1 熵权法

熵值法是判断某个指标的离散程度，信息熵值越小，指标的离散程度越大，该指标对综合评价的影响（即权重）就越大，因此，可利用熵权法计算各个指标的权重，为多指标综合评价提供依据。

1.2 多元线性回归

多元线性回归是利用数理统计中回归分析，来确定两种或两种以上自变量间相互依赖的定量关系的一种统计分析方法，如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

2 模型构建和测算分析

2.1 模型构建

在梳理总结数字经济的定义及内涵，以及对国内外关于测度数字经济发展水平的指标体系归纳总结的基础上，选用改进的熵值法测度我国江苏省数字经济发展水平。在传统熵值法中加入时间变量，提高数字经济发展水平评价结果的可比性和合理性。具体过程如下：

第一步，进行评价指标的选取，假设t 代表年份数，n代表城市数量，m 代表指标个数，xθij代表第θ 年第i 个城市的第j 个指标。

第二步，对指标进行无量纲化处理。由于各项指标的计量单位并不统一，在计算综合指标之前，首先将数据进行标准化处理，以消除量纲影响。本文使用0-1 标准化，由于指标体系中的变量都是正向指标，所以运用以下公式：

由于原始数据在进行无量纲化处理后存在为0 的情况，导致后续步骤无法计算，故将无量纲化后的数据整体向右平移0.01 个单位。

第三步，指标的归一化处理，计算第θ 年份中第i 个城市的第j 个指标在指标中所占的比重：

第四步，计算第项指标的熵值：

第七步，计算各城市数字经济综合得分Sθij，综合得分越高，数字经济发展水平就越高：

2.2 测算分析

2.2.1 指标体系 本文根据国家统计局对数字经济的定义构建以下数字经济指标体系，指标体系分为三个维度，如表1，分别是数字基础设施建设水平、数字产业化水平、数字技术创新科研水平。

数字基础设施建设水平：数字经济发展的基础条件是数字基础设施的建设，它为数字经济的发展提供保证。本文参考李捷、沈运红、黄桁等学者的研究选取电信业务总收入、移动电话用户数以及互联网宽带接入用户数衡量数字基础设施建设水平。

数字产业化发展水平：国家统计局发布了数字经济及其核心产业统计分类，界定了数字经济核心产业的范围，分别是计算机通信和其他电子设备制造业、信息传输、软件和信息技术服务业、电信广播电视和卫星传输服务、互联网和相关服务等，对应着数字产业化部分。本文从这四个行业选取指标代表数字产业化水平。由于电信广播电视和卫星传输服务、互联网和相关服务行业收入数据缺失，在数字经济核心产业收入部分未包括。

数字技术创新科研水平：创新水平是数字经济指标体系中不可或缺的指标，它能够驱动数字经济的发展。本文参考沈运红、杨慧梅等学者的研究，选取普通高等学校本专科授予学位数和R&D 经费总支出来表示。

2.2.2 数据来源 本文主要选取2012-2021 年江苏省南京市、无锡市、徐州市、常州市、苏州市、南通市、连云港市7 个城市的数据。数据来源为《江苏统计年鉴》《南京统计年鉴》《无锡统计年鉴》《苏州统计年鉴》以及各地市的统计年鉴等。部分缺失数据采用均值法和年均增长率补齐。

2.2.3 指标权重分析 根据数字基础设施建设水平、数字产业化水平和数字技术创新科研水平所建立的指标体系，计算得出的各个指标的权重如表2 所示：数字产业化水平占比最高，达到了0.5 以上；最后的数字基础设施建设水平占比也在0.2 之上。因此可见选取的三个指标对数字经济发展水平的影响较大。

表2 数字经济指标体系权重

2.2.4 制造业产业结构升级的测度与分析 制造业产业结构升级是指由低端技术产业和中端技术产业向高端技术产业发展的过程。测度制造业产业结构升级，首先要分类制造业行业，其次，本文借鉴干春晖、傅元海等学者的研究方法，用制造业产业结构高级化衡量制造业产业结构升级，以及考虑到数据的可获得性，参考江苏省统计年鉴中工业产业产值与制造业产业产值数值关系，最后，选择高端技术产业总产值占工业产业总产值的比重来测度制造业产业结构升级，进而进行分析。

①制造业细分行业。根据2017 年最新发布的《国民经济行业分类》，本文参考李贤珠（2010）的方法，将我国制造业细分行业具体分为低端技术、中端技术、高端技术产业三类，具体分类见表3 所示，分类依据是根据OECD 技术分类标准，按照各行业的研发强度进行分类。

表3 制造业细分行业分类

②测度分析。由于选取的代表城市中2 个城市的数据缺失严重，故选取2016-2021 年江苏省的南京市、苏州市、无锡市、常州市、连云港市5 个城市28 个制造业细分行业产值数据，数据来源于2017-2021 年各市的统计年鉴，缺失数据用插值法补齐，有些年份缺失数据用年均增长率补齐。计算结果见表4 所示。

表4 江苏省5 个城市制造业产业结构升级水平（单年份）

从时间上来看，5 个城市2017-2021 年制造业产业结构升级水平呈上升态势，说明江苏省大部分城市在2017-2019 年间制造业的产业结构得到了升级。从空间上来看，江苏省苏南地区的制造业产业结构升级差距不大，南京、苏州、无锡、常州6 年间制造业产业结构升级水平平均数达到了0.6 以上，说明苏南地区制造业发展较好，主要以高端技术产业为主。其中苏北地区的连云港制造业产业结构升级水平的平均数在0.5 以下，表明其制造业发展主要是以中、低端技术产业为主，不够完善，仍需要大力度推动制造业产业结构升级。

3 模型构建

3.1 变量定义

3.1.1 被解释变量 制造业产业结构优化升级水平Y。鉴于市级数据的可获得性以及避免指标选取的随意性，依据傅元海等、干春晖等学者对产业结构优化升级的研究成果，以及考虑到数据的可获得性，参考江苏省统计年鉴中工业产业产值与制造业产业产值数值关系，选取各城市工业产业产值与总产值的比值，来表征制造业产业结构优化升级的概念。

3.1.2 解释变量 数字经济发展水平Dig。根据第二章数字经济发展水平指标体系的构建与测算可知，数字经济是推动制造业产业结构升级的重要因素，因此从数字基础设施建设水平、数字化产业发展水平和数字技术创新科研水平三个维度，运用改进的熵值法对指标进行赋权，将所得的综合评分表征数字经济发展水平。

3.1.3 控制变量 ①经济发展水平ED。基于徐伟呈等学者的研究，采取人均GDP 表征各地区经济发展水平。②政府参与程度GI。基于石喜爱等学者的研究，采取地方财政一般预算内支出占GDP 的比值表征政府参与程度。③外贸依存度FTD。基于刘军、谭清美等学者的研究，采取进出口总额占GDP 的比值表征外贸依存度。汇率按照当年人民币对主要外币年平均汇价。④教育投入水平EIL。采取地方财政科学技术费和教育事业费支出的总和占地方财政一般预算内支出的比值表征教育投入水平。

3.2 模型设定

本文以制造业为研究对象，探究过数字基础设施建设水平、数字化产业发展水平、产业数字化和数字技术创新科研水平四个重要因素数字经济对制造业产业结构升级的影响。使用面板数据，因此选用面板数据模型，具体的计量模型设定为：

其中，i 表示各市级地区（i=1，2，…13），t 表示年份（t=2012，2013，…，2021），α、β 为待估参数，ε 为残差。

3.3 描述性统计

本文使用stata 软件对江苏省7 座城市2012-2021 年各指标变量最终的面板数据进行了描述性统计。所得的变量数据特征如表5 所示。

表5 变量指标的描述性统计

通过表5 可以看出，制造业产业结构优化升级水平的极大值为0.504，极小值为0.292，且标准差为0.050，从侧面说明江苏省不同城市不同年份的制造业产业结构变动差异不明显，在数据收集过程中显示无锡、苏州、常州等数字经济发展良好的城市产业结构优化升级水平常年大于均值，说明其高技术制造业产值占比较大。对于数字经济发展水平，南京、苏州地区常年在江苏省处于领先地位，其中南京市的数字经济发展情况一直保持良好的状态。地区经济发展水平的标准差为4.242，说明浙江省的经济发展水平差异也较为明显，其中南京、无锡、苏州地区常年领先于其他城市，而连云港、徐州、南通常年在均值之下。政府参与程度、外贸依存度和教育投入水平城市间差距相对较小，且均呈稳定增长的趋势。

3.4 回归分析

3.4.1 模型选择检验 在对面板数据进行回归分析之前，需先使用豪斯曼（Hasuman）检验，依据其结果判断是否使用固定效应模型或随机效应模型进行最优估计。根据连玉君、王闻达等学者关于豪斯曼（Hausman）检验统计量有效性的研究结果可知，在检验结果中，若豪斯曼（Hausman）检验显示，P 值小于0.1，则使用固定效用模型而非随机效用模型；反之，则使用随机效用模型。具体结果如图1 所示。

图1 豪斯曼（Hausman）检验

由结果可知，豪斯曼（Hausman） 检验统计量为196.40，P 值大于等于0.0000，所以强烈拒绝原假设“H0：与解释变量不相关”，固定效应优于随机效应，直接选择固定效应，所以本文下面将进行固定效应模型回归分析。

3.4.2 回归结构分析 根据上述检验本文选择个体和时间双固定效应模型进行回归，具体回归结果如表6 所示。

表6 固定效应模型回归结果

从模型回归的结果来看数字经济发展水平对于因变量制造业产业结构优化升级的影响系数为正，其代表意义为江苏省数字经济发展水平每增加1%，数字经济的发展水平将增加0.00040，由此可见，数字经济发展水平对于制造业产业结构优化升级水平有着重要的意义，这是因为数字经济可以为制造业提供技术支撑、减少运输成本、提升制造业产品的质量，使得制造业由低端、中端技术产业向高端技术产业发展。经济发展水平回归系数为0.004，在5%水平下显著，表明地区经济发展水平的提供能够促进优化升级江苏省的制造业产业结构。另外、政府参与、教育投入、对外贸易等控制变量对于对山东省制造业产业结构的优化升级水平影响系数均为负，主要的可能是存在数据量少的隐藏问题，其次，政府可能会为了追求短期效益而盲目投资，从而造成重复性建设的现象发证，抑制制造业各产业间协调发展；培养人才是一个长期的过程，所以短期内效果可能不是很有效。以及对江苏省对外出口的产品任以中低端技术产品为主，在一定程度上影响了制造业向高端技术方向的演化，且其他国家企业反馈给我国的技术、资金有一定的延迟，也可能对江苏省制造业产业结构优化升级造成影响。

4 研究结论

通过前面各章节的内容可知，本文是围绕数字经济对制造业产业结构优化升级的影响展开研究的。主要研究工作包括梳理国内外研究现状，界定数字经济和制造业产业结构优化升级的相关概念，分析数字经济对制造业产业结构优化升级的作用机制。其次测度了江苏省数字经济发展水平和制造业产业结构升级水平。最后基于面板数据的固定效应模型实证分析数字经济对制造业产业结构升级的影响。最后，得出的结论如下：

4.1 关于数字经济发展水平与制造业产业结构升级的测度结果与分析

①从时间上来看，2012-2021 年江苏省数字经济发展水平和其二级指标发展水平都呈上升趋势，表明数字经济越来越注重与产业的融合发展；且江苏省制造业产业结构高度化水平整体上呈现波动化上升的变化趋势，各地区制造业产业结构合理化水平整体呈现先上升后下降的动态变动走势。随着数字经济不断发展，数字技术作为新兴要素投入制造业生产和运营的各个方面，从而提高技术密集型制造业发展，资源在得到更有效配置的同时受到“虹吸效应”的影响，使得制造业产业结构合理化不能平稳提升。

②从空间上来看，通过区域间的比较分析可知数字经济发展水平高的地区其制造业产业结构升级水平也相应的高，数字经济发展水平低的地区，其制造业产业结构升级水平也较低。

4.2 关于实证结果的总结与分析

由基准回归模型结果可知数字经济能够推动制造业产业结构优化升级，说明数字经济已成为推动制造业产业结构升级的核心动力，数字基础设施建设水平、数字化产业发展水平和数字技术创新科研水平三者均对制造业产业结构具有明显的优化作用，推动其向技术密集型方向发展。

4.3 对策建议

本文依据现实江苏省发展现状，以及上述结论，从以下几个方面为数字经济助推江苏省制造业产业结构优化升级提供建议：第一，提高数字基础设施建设水平。完善的数字基础设施对数字经济的发展至关重要，应推动数字基础设施在全省范围内的普及，完善中西部地区数字基础设施水平；投入大量的资金技术，加快数字基础设施的更新速度，如升级5G、遥感等，满足广大人民群众的需求。第二，提高数字产业化水平。数字经济核心产业的发展是数字经济发展的基石。应推动数字经济核心产业的发展。政府加大对这些行业的投资力度，保证企业有充足的资金研发软件等，做到关键技术不受制于人；企业应制定数字化人才的培养计划，开展一些内部职业培训，提高企业员工的数字化能力。