数字经济发展对工业用地利用效率的影响——基于国家级大数据综合试验区的准自然实验

朱乾隆，石晓平，2，马贤磊，2，邹 旭

（ 1.南京农业大学公共管理学院，江苏 南京 210095；2.南京农业大学中国资源环境与发展研究院，江苏 南京 210095）

长期以来，在“以地谋发展”经济增长模式的影响下，中国工业用地资源闲置、粗放和低效利用的问题较为突出[1]。中共二十大报告指出，坚持把发展经济的着力点放在实体经济上，构建优势互补、高质量发展的区域经济布局和国土空间体系，同时提出加快发展数字经济，促进数字经济与实体经济深度融合。在数字经济时代，数据作为一种新型生产要素，正推动经济增长模式由传统生产要素驱动向数据要素驱动转型。根据国家统计局的概念界定，数字经济是指以数据资源为关键生产要素、以现代信息网络为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动①资料来源：国家统计局《数字经济及其核心产业统计分类（2021）》。。近年来，中国积极推进数字经济发展，在一系列政策试点中完善区域数字基础设施、引导大数据等数字技术与传统产业融合发展。《中国数字经济发展白皮书（2022年）》显示，截至2022年，我国数字经济规模已达到50.2万亿元，数字经济占GDP比重相当于第二产业占国民经济的比重。数字经济的快速发展为我国城市工业用地资源的优化配置提供了新的机遇。

诸多学者关注了数字经济对工业企业发展和城市土地资源配置等方面的影响。一方面，数字经济赋能工业企业转型升级，提高工业企业生产效率。已有研究[2]明确指出，数字经济通过数字产业化和产业数字化，既推动以数据要素为核心的新产业、新业态的发展，也能够加速传统产业的数字化转型，进而优化工业企业资源要素配置，促进全要素生产率的提升[3]，助力实体经济发展[4]。另一方面，数字经济发展在资源要素配置，尤其是土地资源配置中发挥重要作用。数据要素具有低成本、可复制、非竞争性、高渗透性等特点，通过与传统的土地、资本、劳动力等生产要素的组合迭代和融合发展，数字经济能够优化资源要素配置结构[5]。武宵旭等[6]研究指出，数字经济发展能够在一定程度上矫正要素市场广泛存在的资源错配问题，提高资源配置效率。部分学者聚焦数字经济对城市土地资源配置的影响，明确指出数字经济的发展能够提高土地要素的配置效率[7]，并发现消费升级在数字经济提升城市土地利用效率的中介作用[8]，以及基础设施建设在数字经济发展影响城市土地绿色利用效率中发挥调节作用[9]。

工业企业是实体经济发展的主体，工业用地是企业生产发展的重要载体。通过上述文献梳理可以看出，数字经济发展有利于提高企业生产效率，改善土地等资源要素配置结构，提升城市土地利用效率。然而，已有研究主要围绕土地市场发育[10]、地方政府互动[11]以及外生制度冲击[12]对工业用地利用效率的影响，鲜有文献直接探讨数字经济与工业用地利用效率之间的关系。数字经济时代，数字经济已然成为驱动经济高质量发展的新动能和新引擎，其能否赋能城市工业用地利用效率值得深入研究。如果答案是肯定的，其中的内在作用机制是什么？厘清上述问题，有助于更好地推进我国数字经济战略探索，提高工业用地利用效率，对数字经济与实体经济融合发展也具有重要的理论和实践意义。

鉴于此，本文将国家级大数据综合试验区设立视为准自然实验，利用2011—2021年中国277个地级及以上城市的面板数据，基于多期双重差分模型，探究数字经济发展对工业用地利用效率的影响及作用机制。可能的边际贡献在于：第一，以国家级大数据综合试验区为切入点，聚焦数字经济发展与工业用地利用效率，通过理论分析与实证检验，探讨数字经济发展能否以及如何影响工业用地利用效率。第二，根据国家数字经济发展的战略探索，探究和总结国家级大数据综合试验区在推动经济转型和资源优化配置中的政策效果与实践经验。

1 理论分析与研究假说

工业用地低效利用与传统的强调要素投入数量的粗放型经济发展模式不无关系。但随着我国经济步入新的发展阶段，数字经济正在成为促进动力转换、结构升级和效率变革的重要引擎。同时，通过一系列的数字经济发展战略试点和实践探索，我国进一步完善地区数字基础设施，搭建数据资源整合和开放共享平台，推动大数据、物联网等数字技术的创新发展。与传统经济相比，数字经济作为一种新的经济形态，可以通过信息的数字化生成、运用和共享，加速催生壮大新产业、新技术和新业态，已然渗透到工业企业的土地利用决策当中。为系统研究数字经济发展对工业用地利用效率的影响，本文立足于数字经济发展的理论内涵，从数据支撑、创新融合和开放共享三个维度出发[13]，分析其能否影响工业用地投入或产出，进而导致工业用地利用效率变化。为进一步剖析数字经济发展影响工业用地利用效率的作用机制，本文从企业技术创新和工业转型升级两个视角，详细探究数字经济发展如何影响工业企业生产经营与土地要素配置决策，继而影响工业用地利用效率（图1）。

图1 数字经济发展影响工业用地利用效率的分析框架Fig.1 Analytical framework of the impact of digital economy development on industrial land use efficiency

1.1 数字经济发展、企业技术创新与工业用地利用效率

在数据支撑维度，数字经济以数据这一新型生产要素作为基础，可以利用数据要素有效整合工业企业内部资源。一方面，数据要素可以直接影响工业企业决策，加速技术创新发展。通过数据的采集、处理和分析等过程，数据要素可以进入工业生产活动，通过有效支撑工业企业的智能化管理，形成数字生产力，从而在节能降耗、提升良率等方面优化革新生产工艺。同时，数据要素易复制和可共享的特性，使其兼具低成本和高效率的优点，工业企业生产经营的边际投入较低[14]。因此，数字经济可以为工业企业的研发创新留足投入资金保障，从而可能提高企业的技术创新水平[5,15]。另一方面，数据要素可以与传统生产要素协同作用，进而影响技术创新。当数据要素纳入生产活动，低级重复或高危繁重的劳动投入可能会被一定程度替代，转而增加具备数字知识和数字技能的人才需求，工业企业的人力资本结构得到优化。例如，部分流水线或高空作业等岗位正被机器取代。同时，通过海量数据的分析应用，工业企业可以强化人才和岗位的匹配程度，保障了人才效能的发挥，为技术创新提供有益的智力支撑，进而改善城市技术创新环境，促进城市的技术进步[15]。

在创新融合维度，数字经济可以加速工业企业与外部资源的知识分享和合作。数字经济时代，数字创新产品和服务的重要特征之一即是快速迭代[16]，单纯依靠自身内部资源已无法适用数字经济发展的需求。数字经济发展可以增强信息传输的效率，降低特定产品与特定组织的耦合程度，提升了企业之间知识分享与合作的可能[13]。通过工业企业与外部资源的知识网络联结，可以有效促进不同企业研发部门之间的知识交流，为工业企业的技术创新提供了更大空间。同时，工业企业技术创新引致的知识、技术在地区间的扩散效应和溢出效应，也有助于促进区域整体创新水平的提升。

作为工业产业发展的空间载体，工业用地利用效率与工业企业的技术创新密切相关。一般认为，技术创新意味着生产要素的边际转化率和投资回报率提升，即以更低的要素投入获得更高的产出效益[17]。针对工业用地而言，工业企业的技术创新水平较高，那么单位土地所需的劳动、资本和能源等投入相对偏少，而经济产出则相对较高，环境效益也相对较好。

1.2 数字经济发展、工业转型升级与工业用地利用效率

在开放共享维度，数字经济发展呈现出平台化和网络化特征。通过互联网、区块链、大数据等技术的应用，工业企业可以将生产、流通、消费与服务等各个环节整合到平台，实现产业的加速融合和协同发展。在传统产业的解构和重构过程中，数字经济催生出了新的经济模式、产业形态和工业产品[13]，将从供给侧直接推动工业结构的优化升级。一个典型案例是，在数字技术的加持下，传统汽车产业正向智能汽车产业转型，并辐射带动了新能源、新材料、人工智能、电子信息等相关行业的跨越升级。从需求侧而言，已有研究认为，互联网等数字技术改变了传统的消费结构、激发了新的消费需求[18]，如5G网络、移动终端、VR设备等。消费偏好的转变可以诱导工业企业推陈出新，为了适用数字经济下不断变化的消费结构，工业企业可能通过及时形成市场需求信息，适时调整产品结构和制造工艺，从而带来工业结构的优化升级。

工业用地利用效率的提升离不开工业转型升级。工业转型升级往往伴随着要素投入的相对减少、经济产出的相对提升，以及环境污染的有效控制等多方面[19]。上述工业用地所承载的投入产出的相对变化情况，可以直接改善工业用地利用效率。

根据以上分析，本文提出研究假说：

假说1：数字经济发展有利于提升工业用地利用效率。

假说2：数字经济发展可以通过企业技术创新和工业转型升级提升工业用地利用效率。

2 研究设计、变量说明与数据来源

2.1 识别策略

数字经济时代，大数据发展至关重要。为落实数字经济和国家大数据发展战略，2015年国务院印发《促进大数据发展行动纲要》，明确指出要推动社会生产要素的集约化整合与高效化利用，探索大数据综合试验区建设。2016年2月，贵州省获批建设首个国家级大数据综合试验区。同年10月，京津冀、珠三角、上海、内蒙古等7个区域第二批获批建设国家级大数据综合试验区。国家级大数据综合试验区建设试点的主要任务是围绕数据资源管理、共享、整合、应用、合作和创新等方面进行试验，整合区域数据资源，以大数据产业集聚，辐射和带动区域协同发展。因此，本文从外生政策冲击的视角，选择中国实施的国家级大数据综合试验区政策作为数字经济发展的代理变量，将2016年两次的综合试验区建设试点作为一项准自然实验，通过构建多期双重差分模型，评估数字经济发展对工业用地利用效率的影响。

2.2 模型构建

本文利用多期双重差分模型检验国家级大数据综合试验区建设对工业用地利用效率的影响，其基本模型如下：

式（1）中：EFFit为被解释变量，即工业用地利用效率；DIDit为数字经济发展变量，以国家级大数据综合试验区建设试点的政策虚拟变量表示；β0为待估计系数，若其显著，则表明该试验区建设能够影响工业用地利用效率；α0为常数项；δ0为待估计系数；Xit为一系列控制变量；μt和λi分别为时间固定效应和个体固定效应；εit为随机扰动项。

另外，为进一步验证国家级大数据综合试验区建设对工业用地利用效率影响的作用机制，借鉴BARDON[20]的做法，在式（1）的基础上构建如下回归模型：

式（2）—式（3）中：MEit为中介变量，分别用企业技术创新（Innovait）和工业转型升级（Structit）表示；α1、α2为常数项；β1、β2、δ1、δ2和γ分别为待估计系数；若β0显著，且β1和γ也显著，则表明其中存在中介效应。

2.3 变量说明

（1）被解释变量。工业用地利用效率指当工业用地投入一定时，获得最大化工业产出的能力，或者经济产出一定的约束下，工业用地利用的充分程度。本文参考宋洋等[21]的做法，从投入和产出两个方面构建工业用地利用效率评价指标体系。其中，投入指标主要包括劳动力投入、资本投入和能源投入，分别用地均第二产业从业人数、地均固定资本存量①固定资本存量数据参考郭炳南等[22]的做法，采用永续盘存法计算得到。和地均能源消耗量②由于地级市层面万元GDP能耗数据缺失严重，本文利用《中国能源统计年鉴》获取的省级层面能源消耗总量与各地级市GDP占全省GDP总量的比重相乘，得到各地级市能源消耗量数据。表示。产出指标既包括期望产出，即地均第二产业产值，也包括地均工业废水排放量、地均工业二氧化硫排放量和地均工业烟（粉）尘排放量等非期望产出。本文使用包含非期望产出的Super-SBMUndesirable模型，测算出样本城市工业用地利用效率（EFF）。

（2）解释变量。本文的核心解释变量是数字经济发展，以国家大数据综合试验区设立的政策虚拟变量（DID）表示，由政策处理变量（Treat）和政策时间变量（Time）的交互项组成。根据城市i或其所在的省份（自治区）在第t年是否被设立为国家大数据综合试验区来赋值，若城市i在第t年被设立为国家大数据综合试验区，则赋值为1；否则赋值为0。其中，选取2011—2021年277个地级及以上城市样本，并将设立试验区的贵州、内蒙古、广东、河北、河南等省或自治区所辖的地级市，以及北京、上海、天津、重庆和沈阳等合计67个城市作为处理组，另外210个城市为控制组。由于贵州省2016年2月获批建设大数据综合试验区，其余试验区设立时间为2016年10月，分别接近年初和年底，因此，本文将政策实施时间分别定义为2016年和2017年。

（3）中介变量。为探究数字经济发展对工业用地利用效率的影响机制，本文选取企业技术创新（Innova）和工业转型升级（Struct）两个中介变量进行验证。其中，数字经济发展能够在一定程度上增加企业的研发投入，促进科技成果的转化，进而提高企业生产效率和土地利用效率。常见衡量企业技术创新的指标主要有研发投入和专利产出[23]，由于缺乏企业层面技术创新的微观数据，本文将中国专利数据库中各类发明专利信息汇总到地市层面后，以人均发明专利数衡量地级市的技术创新水平。另外，学界对工业转型升级的衡量方式尚未统一，部分学者通过指标体系测算、全要素生产率或产业结构高级化等表示工业转型升级水平[24-25]。本文参考王春杰等[26]的做法，利用地区工业利润率表示工业转型升级，具体以地级市规模以上工业企业的营业利润与营业收入的比值测算。选择地区工业利润率衡量工业转型升级的原因在于，地区工业利润率能够在一定程度上反映制造业在产品价值链上所处的位置，一般而言，高技术产业或产业高端部分的利润率比低技术产业或产业低端部分的利润率高，某一地区的工业利润率较高，表明该地区产业层次相对较高，与利润率低的地区相比则呈现一定程度的产业升级状态。

（4）控制变量。借鉴已有研究，本文选取如下可能会影响工业用地利用效率的控制变量[27-28]：经济发展水平（Pergdp），以人均GDP表示；基础设施水平（Infras），用人均城市道路面积表示；金融规模（Finan），以年末人均金融机构存款总额表示；人口规模（Pop），以城市人口密度表示；政府干预程度（Govern），用财政支出占GDP的比重表示；土地市场化水平（Market），以土地一级市场招拍挂出让面积占总供应面积的比重表示；工业用地价格（Price），以工业用地出让平均价格表示。

2.4 数据来源与描述性统计

国家级大数据综合试验区名单数据，由国家发展改革委员会批复的第一批和第二批国家级大数据综合试验区设立文件整理得到。工业用地交易数据来自中国土地市场网（https://www.landchina.com），专利数据来自中国专利数据库，规模以上工业企业经济数据来自各省市统计年鉴，其他数据主要来自于《中国城市统计年鉴》 《中国城市建设统计年鉴》 《中国能源统计年鉴》等统计资料。本文对所有价值类变量以2011年为基期进行了平减处理，以增强数据的可比性。另外，为减少极端异常值导致的回归结果的估计偏误，对所有非百分比变量进行了对数化处理。在剔除部分因行政区划调整导致的数据不连续和严重缺失城市样本后，使用线性插值法对少数缺失数据进行补充，本文最终得到2011—2021年277个地级及以上城市的平衡面板数据。主要变量的描述性统计见表1。

表1 主要变量描述性统计Tab.1 Descriptive statistics of main variables

3 实证结果与分析

3.1 基准回归：数字经济发展对工业用地利用效率的影响

本文首先评估了数字经济发展对工业用地利用效率的影响，回归结果见表2。其中，列（1）和列（2）未加入控制变量，列（3）和列（4）为加入控制变量的回归结果，列（2）和列（4）同时控制时间固定效应和个体固定效应。从列（4）可以看出，国家级大数据综合试验区的建立对工业用地利用效率具有正向影响，估计系数为0.036，并在1%的显著性水平下显著。另外，在加入控制变量、控制时间固定效应和个体固定效应后，回归结果依然显著，表明数字经济发展有助于促进工业用地利用效率的提升。控制变量回归结果显示，经济发展水平、金融规模、人口规模、土地市场化水平和工业用地价格对工业用地利用效率具有正向影响，而基础设施水平和政府干预程度与工业用地利用效率负相关。据此，本文的假说1得到验证。结合前文的理论分析可以推测，随着国家级大数据综合试验区的建立，试点城市数字经济发展水平不断提高，数据要素在地区间得以快速流动和高效配置。同时，数据要素市场的完善，为城市传统基础设施、工业企业生产方式以及技术水平等的数字化转型提供支撑，推动新产业、新技术和新业态的创新发展，进而影响城市土地资源配置方式与决策，促进工业用地利用效率的提升。而数字经济发展通过何种路径和机制影响工业用地利用效率，仍有待后文作用机制分析进一步验证。

表2 基准回归结果Tab.2 Benchmark regression results

3.2 稳健性检验

（1）平行趋势检验。利用多期双重差分模型评估政策效应必须满足平行趋势假设，本文借鉴BECK等[29]的做法，借助动态DID的方法，比较了该试验区设立前6年和后5年的政策效应差异①本文将试验区设立前的第6期定为基期，同时考虑到共线性问题，将其剔除。，检验结果见图2。可以看出，国家级大数据综合试验区设立之前，工业用地利用效率的回归系数主要为负，且不显著；而试验区设立之后，回归系数显著为正，满足平行趋势假设。另外，随时间的推移，该试验区设立对工业用地利用效率的回归系数整体呈增加趋势，表明数字经济发展对工业用地利用效率的影响具有时间动态效应。

图2 平行趋势检验Fig.2 Parallel trend test results

（2）安慰剂检验。为检验基准回归结果的稳健性，本文通过重复随机抽样的方式，构建虚拟处理组和虚拟试验区设立时间，生成虚拟政策变量（交互项），检验工业用地利用效率是否受到国家级大数据综合试验区建设以外的其他因素影响。在此基础上，进行重复500次回归，并将回归结果进行统计，图3汇报了500次回归的估计系数和P值分布。从中可以看出，估计系数主要分布在0值附近，且大多数P值均高于0.1，与基准回归结果有显著差异，表明本文基准回归的结论是稳健的。

图3 安慰剂检验Fig.3 Placebo test results

（3）排除其他并行政策影响。为排除研究期内其他并行政策对工业用地利用效率的可能性影响，本文借鉴已有研究[12,30]，构建低碳城市试点政策的虚拟变量（Carbon）以及差别化城镇土地使用税政策的虚拟变量（Tax），并将其纳入回归分析。由表3 列（1）可以看出，在考虑上述政策对工业用地利用效率的影响后，国家级大数据综合试验区的设立对工业用地利用效率影响的回归系数虽有所下降，但依然显著为正，进一步证明了基准回归结果的稳健性。

表3 稳健性检验结果Tab.3 Robustness test results

（4）更换被解释变量和解释变量。为避免因指标选取和测算方法导致的估计结果偏误，本文借鉴赵爱栋等[10]和王博等[31]的做法，分别利用随机前沿分析法（SFA）和比值法重新计算工业用地利用效率，并得到新的被解释变量EFF_1和EFF_2进行回归，回归结果见表3列（2）和列（3）。另外，为提高研究结论的科学性和可靠性，借鉴赵涛等[32]和陈贵富等[33]的研究，从数字基础设施、数字产业发展和产业数字化三个方面构建评价指标体系，并借助熵值法测度研究期内样本城市的数字经济发展水平（Digital）。其中，数字基础设施主要包括互联网普及率和移动电话普及率，分别使用每百人互联网宽带接入用户数和每百人移动电话用户数表示；数字产业发展包括数字产业发展基础及其相关产出情况，分别使用计算机服务和软件业从业人员占城镇单位从业人员比重以及人均电信业务总量表示；产业数字化指数字技术与实体经济的融合发展，利用数字普惠金融指数表示。在此基础上，利用双向固定效应模型回归，回归结果见表3列（4）。可以看出，在替换被解释变量和解释变量后，数字经济发展对工业用地利用效率的影响依然显著为正，与前文的研究结论一致。

（5）其他稳健性检验。第一，内生性处理。为了排除国家级大数据综合试验区建设对工业用地利用效率可能的滞后性影响，以及该试验区建设试点选择中的内生性干扰，即可能会对部分试点城市具有选择性偏好，从而导致内生性问题。本文使用解释变量的滞后1期进行回归。第二，样本选择偏差。为排除极端异常值造成的回归误差，本文对被解释变量的前后5%进行截尾处理，并利用截尾后的样本重新进行回归。表3中列（5）和列（6）显示了上述稳健性检验的回归结果。可以看出，在考虑内生性问题和样本选择偏差之后，数字经济发展与工业用地利用效率仍然具有显著的正相关关系，再次验证了基准回归结果的稳健性。

3.3 数字经济发展对工业用地利用效率影响的异质性

（1）区域异质性。考虑到不同地区的经济发展水平、基础设施和地理条件等存在差异，本文将城市样本按照东部地区和中西部地区进行分组回归，考察数字经济发展影响工业用地利用效率的区域异质性，回归结果见表4列（1）和列（2）。结果显示，国家级大数据综合试验区建设能够在1%显著性水平下影响中西部地区城市的工业用地利用效率，但在东部城市样本中，该试验区建设对工业用地利用效率的影响并不显著。可能的原因在于，东部地区的试点城市样本包括京津冀、珠三角、上海等相对发达城市，其数字经济发展基础相对较好，尤其是数字经济产业、人力资本和大数据技术的集聚与发展。并且，相对于中西部地区，东部地区城市工业用地资源更加紧缺，国家级大数据综合试验区建设在提升工业用地利用效率中的边际效应并不明显。相对而言，中西部地区产业发展基础和信息化发展水平较低，先天优势明显不足，但是通过学习和借鉴东部发达地区经验，承接东部地区产业转移、发展高科技产业和完善新型基础设施，能够将国家的大数据发展战略转化为城市发展的后发优势，促进地区工业用地资源的优化配置[34]。

表4 异质性分析结果Tab.4 Heterogeneity analysis results

（2）资源禀赋异质性。资源禀赋是城市发展和土地要素配置的重要基础，不同城市的自然资源禀赋存在明显差异。相比于非资源型城市，资源型城市的发展往往依赖自身资源，产业结构相对单一，并在长期的发展过程中形成路径依赖，产业结构的数字化转型难度较大。本文从城市资源禀赋差异的角度出发，比较国家级大数据综合试验区建设对样本城市工业用地利用效率的异质性影响，回归结果见表4的列（3）、列（4）。可以看出，该试验区建设对资源型城市和非资源型城市的工业用地利用效率具有明显的差异。其中，国家级大数据综合试验区建设与非资源型城市工业用地利用效率之间呈现显著的正相关关系，与基准回归结果一致；而该试验区建设对资源型城市工业用地利用效率的影响并不显著。基于此，本文推测数字经济发展虽然能够在一定程度上促进工业产业数字化转型，引导数据资源流动共享和促进企业技术创新，但资源型城市长久以来存在的产业结构单一、资源依赖和发展路径依赖严重等问题，仍难以在短时间内破解。

3.4 数字经济发展对工业用地利用效率影响的作用机制

为进一步探究数字经济发展影响工业用地利用效率的作用机制，结合前文的理论分析，本文选取企业技术创新（Innova）和工业转型升级（Struct）两个中介变量，对其中可能的影响路径进行检验。在此基础上，根据式（2）和式（3）进行回归分析，表5报告了回归结果。其中，列（1）和列（3）分别检验了国家级大数据综合试验区建设对企业技术创新和工业转型升级影响。结果表明，该试验区建设对企业技术创新和工业转型升级均具有正向影响，其中，企业技术创新的估计系数相对较大，且在1%显著性水平下显著。另外，列（2）和列（4）为加入中介变量后，该试验区建设对工业用地利用效率的影响。可以发现，国家级大数据综合试验区建设与企业技术创新、工业转型升级的回归系数均在1%显著性水平下显著为正，表明企业技术创新和工业转型升级在该试验区建设影响工业用地利用效率的过程中起到部分中介作用。同时，本文使用Sobel模型进一步检验了回归结果的稳健性，结果显示Sobel检验的P值均小于0.05，表明中介效应成立。结合前文的理论分析，本文推测，国家级大数据综合试验区的建设有助于改善区域创新环境，促进创新要素和资源在区域之间的高效流动，并且通过企业技术创新的扩散效应，能够提高城市的技术创新水平。同时，数字经济发展以大数据等信息技术手段赋能传统产业转型，推动工业转型升级，提高工业企业生产效率和资源配置效率，进而提升工业用地利用效率。至此，本文的假说2得到验证。

表5 影响机制分析结果Tab.5 Results of impact mechanism analysis

4 结论与建议

本文以中国实施的国家级大数据综合试验区政策为准自然实验，选取2011—2021年277个地级及以上城市的面板数据，在利用Super-SBMUndesirable模型计算城市工业用地利用效率的基础上，借助多期双重差分模型探究数字经济发展对工业用地利用效率的影响。主要研究结论如下：第一，数字经济发展有助于提升工业用地利用效率，此结论在经过一系列稳健性检验后依然成立。第二，数字经济发展对工业用地利用效率的影响具有显著的异质性。其中，国家级大数据综合试验区建设对工业用地利用效率的提升作用在中西部地区和非资源型城市显著为正，在东部地区和资源型城市不显著。第三，通过影响机制分析发现，数字经济发展能够通过促进企业技术创新和工业转型升级，提升城市的工业用地利用效率。

基于以上研究结论，本文得到如下政策启示。首先，充分发挥数字经济发展赋能工业用地资源配置的积极作用，推动工业用地资源配置优化。数字经济时代，试点城市应紧抓国家级大数据综合试验区等战略机遇，通过大数据资源整合和数据要素创新配置，发展新产业、新技术和新业态，进而以产业数字化转型优化工业企业资源配置，提高工业用地利用效率。其次，结合城市经济发展阶段、自然资源禀赋和数字经济发展基础，因地制宜地推进数字经济政策创新。数字经济发展对工业用地利用效率的影响具有明显的异质性，地方政府应完善数字经济发展的顶层设计，在把握城市发展现状和主要特征的基础上，着力补齐数字经济发展短板，以数字经济发展助力经济发展方式和发展路径转型，并将其转化为推动城市发展的后发优势。最后，充分释放数字经济在促进企业技术创新和工业转型升级的积极效应，促进数字经济与实体经济深度融合。一方面，增加科技创新投入，改善城市基础设施和技术创新环境，提高工业企业的技术创新水平，为现代化产业发展提供技术支撑。另一方面，引导数据要素和传统产业、传统生产要素的加速融合与协同发展，推动产业结构转型升级，进而助力工业企业的现代化转型。