数字经济赋能制造业高质量发展的机制研究——基于中国省域面板数据的实证

周向红 杨汝婷 陈文强

(1.湖南科技大学 大数据与智能决策研究中心，湖南 湘潭 411201；2.湖南科技大学 商学院，湖南 湘潭 411201；3.湖南有色金属投资有限公司，湖南 长沙 410007)

一、引言

“数字经济”最早是由全球著名经济学家Tapscott于1996年提出。随后，大量学者与机构从不同视角对数字经济的内涵进行界定，但核心为数字产业化、产业数字化、数字化治理和数据价值化四个部分。2016年G20杭州峰会通过了《二十国集团数字经济发展与合作倡议》，将数字经济定义为以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、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。这是广泛认可的数字经济定义。作为实体经济的基础，制造业也随着数字经济的发展不断升级，智能制造、服务型制造、网络化协同制造等制造业新模式也在不断形成，数字经济逐渐成为制造业未来高质量发展的关键。党的十八大以来，数字产业化和产业数字化稳步推进，数字经济规模不断扩大；党的二十大提出，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。大量研究表明，数字经济作为农业经济、工业经济更迭后的主要经济形态，已成为推动我国产业高质量发展的重要引擎和新动能(任保平和何厚聪，2022)[1]，其对制造业提升技术创新能力、资源利用效率与质量效益水平有重要贡献，对赋能制造业高质量发展、推动制造业企业转型升级有显著作用。

当前学术界对数字经济的研究颇多，但关于数字经济影响制造业高质量发展机理研究还处于起步阶段，对数字经济赋能制造业高质量发展的相关实证研究相对较少。数字经济影响制造业方面，国内外学者分别从影响机理、驱动因素和发展路径等三方面进行研究。

第一，数字经济影响制造业高质量发展的机理研究。数字互联技术能够提升信息共享能力，促进人力资本积累，加快制造业技术创新。邓峰和任转转(2020)从人才和技术驱动角度分析互联网对中国制造业高质量发展的驱动作用[2]；施炳展和李建桐(2020)实证发现互联网普及率的提高可以通过降低搜寻成本显著促进中国制造业企业分工水平的提升[3]。蔡延泽等(2021)设定以创新环境为门槛变量的面板门槛模型，证明数字经济对制造业结构高级化和合理化具有显著正向影响，数字经济能够通过优化产业结构、提高全要素生产率促进制造业高质量发展[4]。沈运红和黄桁(2020)实证得出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是驱动制造业产业结构优化升级的三个重要因素[5]。Liu等(2022)基于有序度模型和协同度模型，分析数字产业与传统制造业转型的协同度，以优化传统制造业资源配置方式，更好发挥数字产业在传统制造业转型升级中的作用[6]。惠宁和杨昕(2022)指出数字经济发展水平的提升对制造业绿色全要素生产率具有显著正向作用[7]。余东华和王梅娟(2022)研究发现数字经济能够显著提升制造业技术效率，进而提高制造业全要素生产率[8]。He和Gong(2022)从城市群的角度出发，研究发现数字经济对实现长三角地区制造业高质量发展、推动制造业企业转型升级具有促进作用[9]。也有学者从数字经济提升制造业全球价值链竞争力的角度进行研究(吴友群等，2022；Meng 和Zhao，2022)[10][11]。

第二，制造业高质量发展的驱动因素。学者主要从技术进步、进口竞争、产业结构、外商直接投资与政府干预等方面展开了讨论(李春梅，2019；汪芳和石鑫，2022)[12][13]。陈旭升和李云峰(2020)通过构建向量自回归模型探究技术创新能力与我国制造业高质量发展的关系，实证发现两者具有Granger因果关系并存在长期均衡[14]；任转转和邓峰(2022)从供给侧要素结构转型视角探究互联网发展对制造业高质量发展的影响，并分析了互联网促进制造业高质量发展过程中要素结构转型的中介效应[15]。Hu和Tan(2016)研究发现出口参与度和产品差异化能够影响制造业生产率的增长[16]。田晖等(2021)从“质”和“量”层面研究了进口竞争对中国制造业高质量发展的影响[17]，并以创新的中介效应为切入点，厘清进口竞争对中国制造业发展质量的影响机制(程倩和田晖，2021)[18]。李蕾和刘荣增(2021)通过构建中介效应模型分析得出先进制造业与现代服务业的融合能改善投入要素的供给质量，实现制造业的高质量发展[19]。刘鑫鑫和惠宁(2021)构建了线性影响机制、非线性影响机制与非线性约束机制，进一步考察发现数字经济对制造业高质量发展的非线性影响受到对外开放、产业结构、R&D投入和环境规制因素的约束[20]。韩超和朱鹏洲(2016)从产品质量视角入手，发现外资准入政策对产品质量有提升效应，进而实现以产品质量为代表的制造业高质量发展[21]。

第三，数字经济赋能制造业高质量发展路径。李英杰和韩平(2021)从优化发展环境、健全新型基础设施、加大科技创新力度、完善产业生态、推动产业融合及加强专业人才培养等方面，提出数字经济背景下促进我国制造业高质量发展的路径[22]。Wang(2021)实证发现数字经济可以通过优化资源配置来促进产业结构升级、提升创新能力与赋能制造业绿色发展[23]。余东华和王梅娟(2022)认为激发和培育企业家精神对制造业高质量发展具有重要作用[8]。梁小甜和文宗瑜(2022)从数字产业化、产业数字化两系统入手，发现两系统及数字耦合度有助于促进制造业高质量发展，并进一步研究发现数字经济能够通过增加创新投入和提升人均创新促进制造业高质量发展[24]。任保平和何厚聪(2022)从打造智能化政府、决策科学化、加快数字领域立法等方面提出了政策支持体系，并从产业结构优化、加强基础研究、加大资金支持力度、培育数字经济人才等方面提供路径选择与政策取向[1]。任保平和孙一心(2022)基于数字产业化与产业数字化两个方向，从加强数字化基础设施建设、提升劳动力质量、完善相关制度体系等方面为数字经济赋能制造业高质量发展提供具体路径，并从宏观经济政策、产业政策与金融政策方面指明政策取向[25]。

综上所述，当前研究虽已得出数字经济对制造业高质量发展具有一定的影响，但是深入研究数字经济与制造业内涵与赋能机制的成果仍较少。本文将从数字经济与制造业高质量发展的实质内涵出发，以中国省域数字经济与制造业为样本，构建相应的指标体系，基于熵值法对数字经济与制造业高质量发展水平进行权重计算，在此基础上实证检验数字经济赋能制造业高质量发展的内在机理，并进一步探讨数字经济对制造业高质量发展的区位异质性，以期为数字经济赋能制造业高质量发展提供针对性建议。

二、理论基础

数字经济主要分为数字基础设施，数字产业发展、数字设备应用与数字技术创新四个方面(祝合良和王春娟，2020)[26]。数字经济作为一种新经济形态，从产品层面赋能制造业质量变革、从技术与创新层面赋能制造业效率变革、从供需端赋能制造业动力变革，为制造业转型升级提供动力，进而赋能制造业高质量发展。

图1 数字经济对制造业高质量发展的赋能机理

(一)产品层面：数字经济赋能制造业质量变革

质量变革是我国经济高质量发展的保障，对制造业的各生产环节而言，质量变革不仅包括产品生产的质量管控，还包括产品设计与产品销售过程的创新。首先，在产品设计环节，企业研发部门可以通过低成本的数据挖掘技术收集客户偏好信息，更好把握消费者的需求及变化趋势，实现客户定制化需求，此外消费者可以借助数字化的开放性创新平台参与新产品的设计和研发环节，颠覆制造业传统的设计研发模式，降低创新成本。其次，在产品生产过程中，数字化的制造技术可以根据工厂生产需求来安排原材料采购配比，结合生产销售时间，帮助工厂实现精准配比，避免生产线出现“断流”，提高资源的配置效率，也可以避免因人为差错导致生产质量不过关的问题。最后，在产品销售环节，“线上一体化销售+线下体验”的新销售模式能够跟踪客户需求并挖掘潜在市场，以制定精准的营销策略，提升企业差异化供给能力；同时销售部可将数据捕捉的需求信息反馈到研发与设计部，促进产品消费升级，实现产品的差异化竞争。

(二)产业结构与创新层面：数字经济赋能制造业效率变革

效率变革是高质量发展的核心目标。一方面，将传统制造业与先进制造业相结合，通过产业高端化、智能化与绿色化逐步推进，推动传统制造业产业结构改造升级，化解过剩产能；同时，数字经济的出现加剧了企业竞争，倒逼传统制造业加速供给侧改革，推动传统制造业转型。另一方面，大数据、云计算等智能技术能够打破产业间壁垒，打通上下游产业以进行模块化生产，提高全要素生产效率；同时互联网借助其外溢效应，通过知识传播和模仿创新，带动整个产业的发展，加速数字经济与制造业的融合。

(三)供需层面：数字经济赋能制造业动力变革

动力变革指供需支撑力变化调整形成经济发展动力。一方面，在数字经济的背景下，供给端的变革体现在要素与产品的创新上。传统制造业的生产要素一般从自然资源中获取或通过加工得到，如今可以通过数字化处理得到新型生产要素，突破了传统生产要素稀缺的局限性，借助互联网达到生产要素自由共享、重复使用的目的；此外，大数据等技术降低企业间的沟通协调成本，通过充分共享增加产品的附加值，提升供给端的产品质量，促进制造业高质量发展。另一方面，数字化技术为需求端提供消费动能，在数字化技术、物联网技术与大数据深度融合下，制造业可以基于产品与服务需求，提高产品质量与服务水平，不仅满足消费者多层次、个性化和灵活性的需求，也促进了制造业创新能力的提升，推动制造业高质量发展。

三、数字经济赋能制造业高质量发展的影响因素识别

(一)指标设计

1.被解释变量

制造业高质量发展水平(HQDM)。学术界暂未形成制造业高质量发展通用的评价方法。部分学者采用全要素生产率(韦庄禹等，2021；王瑞荣和陈晓华，2022)来衡量制造业高质量发展水平[27][28]；也有学者采用具有代表性的单一指标(沈运红和黄桁，2020；梁小甜和文宗瑜，2022)测算制造业高质量发展水平[5][24]。本文借鉴刘国新等(2020)[29]、傅为忠和储刘平(2020)[30]和苏永伟(2020)[31]的研究，基于制造业高质量发展的内涵与要求，并鉴于指标的可获得性及代表性，从经济效益、创新能力、绿色发展与结构优化4个维度构建制造业高质量发展评价体系。由于制造业占工业的比例较大，部分制造业数据在统计年鉴中没有统计，故采用第二产业数据与规模以上工业企业相关数据代替，如表1所示。制造业的经济效益是实现制造业高质量发展的基础，在经济效益一级指标下，包含产值增速、销售利润率和劳动生产效率3个二级指标。技术创新能够为制造业高质量发展注入新的活力，选取经费投入、人员投入与人均发明专利数3个二级指标来衡量创新能力。绿色发展是制造业高质量发展的引擎，选取废水排放强度、单位工业增加值能耗与工业污染治理完成率作为绿色发展的二级指标。制造业产业结构优化是推动制造业高质量发展的关键，选取高端产业比重和出口结构2个二级指标来衡量制造业产业结构优化水平。

表1 制造业高质量发展水平评价体系

表2 数字经济发展水平指标体系

表3 主要变量定义

2.解释变量

数字经济发展水平(DEL)。数字经济作为一种新经济形态，学术界已有大量研究对其进行测度评价，一般通过构建指标体系进行评价。本文借鉴刘鑫鑫和惠宁(2021)[20]、韦庄禹等(2021)[27]、王瑞荣和陈晓华(2022)[28]的研究，遵循数据的可获取性、全面性与有效性原则，从数字化基础设施、数字产业发展、数字设备应用与数字技术创新4个维度选取10个细分指标，分析数字经济的发展水平。长途光缆线路长度、互联网宽带接口端数与移动电话交换机容量可以较好地表征数字基础设施建设情况，本文选取该3个指标来衡量数字基础设施；由于缺乏大数据产业的统计数据，因此借助电子信息产业数据代替大数据产业，选用以下3个指标来衡量数字产业发展水平：软件业务收入，技术合同成交额，信息传输、软件和信息技术服务业，城镇单位就业人数；创新能力是数字经济产业发展的根本，从物流与电信业务规模的角度出发，利用人均快递业务量与人均电信业务量2个分项指标来评价数字设备应用水平；数字技术创新维度选取研究与试验发展经费支出与高等学校在校生数来表示。

3.控制变量

为降低计量模型中可能存在的遗漏变量偏误，本文借鉴刘鑫鑫和惠宁(2021)[19]、韦庄禹等(2021)[27]、陈晓峰(2022)[32]的研究，控制了一系列可能对制造业高质量发展产生影响的因素：经济发展水平(EDL)：选取各地区人均GDP表示；教育投入水平(EIL)：用地方财政支出中教育经费支出占地方财政一般预算支出的比值表示；政府参与程度(Gov)：用地方财政一般预算支出占GDP比重表示；外商直接投资(FDI)：用各省份的外商投资企业实际使用外资表示，并利用历年人民币与美元之间的汇率进行换算；技术进步(Pat)：使用各省市专利授权数衡量技术进步；固定资产投资(Inv)：采用各省市的固定资产投资额作为该指标的代理变量。

(二)指标权重计算

熵值法是综合考虑各个测度指标间的差异程度，客观反映各指标在综合评价体系中的重要程度，优点在于减少了人为主观评价的影响(张国俊等，2021)[33]。考虑到指标性质和计量单位不统一，本文首先通过采用正向和负向两种处理方法对原始数据进行无量纲化处理，然后选用熵值法对制造业高质量发展指标与数字经济发展指标进行赋权，具体评价步骤如下：

1.数据无量纲化处理

(1)

(2)

公式(1)(2)中，xij表示第i个样本第j个评价指标的数值，maxxij为第j项指标的最大值，minxij为第j个指标的最小值，为标准化值。

2.平移处理

为避免无量纲化处理后出现0值对后期的计算产生影响，对无量纲化处理后的数据进行整体平移：

(3)

式(3)中：α为平移幅度，为尽可能保证数据的真实性，避免平移对后期运算产生影响，本文选取α=0.0001。

3.权重计算

分别计算第j项指标下，第i年占该指标的权重wij：

(4)

4.熵值计算

第j个指标的熵值zj的具体计算如公式(5)

(5)

其中，zj是第j项指标的熵值，m表示样本数量，wij表示第i年第j个指标的权重。

5.差异系数计算

第j个指标的差异系数cj的计算公式如式(6)

cj=1-zj

(6)

0≤cj≤1，其值越大，表明指标xj在综合评价体系中重要。

6.综合权重

测度指标xj的综合评价值Πj，计算如公式(7)：

(7)

其中，Πj值越小，说明指标xj在综合评价体系中的综合权重越小。

7.综合评价值

用每个指标无量纲化处理后所占比重与相对应的权重的乘积之和为综合评价值，具体计算如公式(8)：

(8)

(三)模型构建

为了考察数字经济发展水平对制造业高质量发展的影响，本文建立计量模型：

HQDMit=α+β1DELit+β2EDLit+β3EILit+β4Govit+β6FDIit+β7Patit+β8Invit+Di+εit

(9)

式(9)中，HQDM代表t年i企业的高质量发展水平，为被解释变量；DEL表示t年i企业的数字经济发展水平，为解释变量；控制变量为经济发展水平(EDL)、教育投入水平(EIL)、政府参与程度(Gov)、外商直接投资(FDI)、技术进步(Pat)、固定资产投资(Inv)可能对制造业高质量发展水平产生影响的变量；Di为i企业不随时间变化的个体固定效应，εit为随机误差项；α为常数项；β1～β8是解释变量与控制变量的系数，其中β1代表数字经济发展水平对制造业发展的影响，如果显著为正，则表示数字经济对制造业高质量发展具有显著促进作用，反之亦然。

(四)数据说明与变量的描述性统计

为避免因数据波动过大对回归结果造成影响，本文对外商直接投资、技术进步、固定资产投资等指标做自然对数化处理。本文数据均来自历年的《中国统计年鉴》《中国工业统计年鉴》《中国信息产业统计年鉴》、EPS全球统计数据库以及各省份统计年鉴及统计公报等。考虑到数据的科学性与可得性，对于缺失及难以获取的西藏、海南与港澳台的数据予以剔除，最终得到我国30个省份2011—2020年的数据，并对缺失数采用线性插值法进行填补，采用熵值法对制造业高质量发展指标与数字经济发展指标进行权重与综合指数的计算。各变量的描述性统计结果见表4。

表4 变量的描述性统计

四、基于省域数字经济对制造业高质量发展赋能的实证分析

(一)基准回归

在通过多重共线性检验后，基于2011—2020年省域面板数据，将构建的计量模型运用Stata16进行面板回归，为检验数字经济对省域制造业高质量发展的影响，本文分别使用普通最小二乘法(OLS)，固定效应模型(FE)与随机效应模型(RE)进行估计，结果如表5所示。在1%的显著性水平下，OLS模型、随机效应模型和固定效应模型核心解释变量DEL均通过了显著性检验，且回归系数始终为正。经Hausman检验，p值为0.000，说明使用固定效应模型估计的结果最优、最稳健。从固定效应模型的回归结果看，在控制经济发展水平(EDL)、教育投入水平(EIL)、政府参与程度(Gov)、外商直接投资(FDI)、技术进步(Pat)、固定资产投资(Inv)等变量后，数字经济发展水平每提高1%，制造业高质量发展水平就会提高0.399%，说明数字经济的发展对制造业高质量发展具有正向的促进作用。

表5 基准回归结果

关于控制变量，经济发展水平(EDL)的回归系数在1%的置信水平上显著为正，说明较高的经济发展水平有利于发挥创新驱动效应，促进制造业高质量发展；教育投入(EIL)与政府参与程度(Gov)对制造业的发展作用并不显著，可能是因为教育投入后，培养人才的周期较长，导致现阶段教育投入对制造业高质量发展作用不显著。此外，政府的参与也对制造业高质量发展具有挤出效应，使得企业或者私人的可用资金大大减少，从而导致投资和消费能力降低，无法推动制造业高质量发展。外商直接投资(FDI)的回归系数在10%的置信水平上显著为负，即外商直接投资对于制造业高质量发展起到一定的抑制作用，可能是因为过去的外商投资主要集中在低附加值产业，而制造业高质量发展需要高附加值产业的推动；技术进步(Pat)的回归系数在1%置信水平上显著为正，说明技术的创新与进步能够促进产业结构的升级与转型，推动制造业高质量发展；固定资产投资(Inv)对制造业高质量发展也呈现显著正向影响，这是由于中国制造业全要素生产率的增长在较大程度上依赖于固定资产投资的增加(于斌斌，2017)。[34]

(二)稳健性检验

为验证研究结论的稳健性，本文采用删除部分样本的方法进行稳健性检验。参考吴非等(2021)[35]的研究方法，剔除掉2015年中国股灾以及2020年新冠肺炎疫情对数字经济发展的影响。一是剔除2015年数据；二是剔除2020年数据；三是将2015年与2020年数据均剔除。如表6所示，对样本进行部分年份剔除后，数字经济(DEL)对制造业高质量发展(HQDM)的回归系数均显著为正，其正向促进作用依旧成立。

表6 稳健性检验结果

(三)内生性检验

内生性检验是因果关系研究中必要关注的问题。一方面，本文虽然已经控制了可能会产生影响的控制变量，但在实际情况中仍然存在难以控制或难以度量的重要变量，如各地的产业发展传统差异、地理位置、对中央或地方政府的政策响应力度等，因此存在测算偏误、遗漏变量等问题。另一方面，各省市数字经济发展水平的提高，诚然会促进制造业企业的转型升级，但制造业发展水平较高的地区为了提升生产效率同样会注重数字化技术的发展，进而会推动该地数字经济的发展，因此可能出现逆向因果关系导致的内生性问题。为避免出现测算偏误、遗漏变量与逆向因果关系造成的内生性问题，首先，本文使用滞后一期和滞后二期的变量替代当前变量重新估计，结果如表7所示。从表7的(1)(2)列估计结果可以看出，数字经济对制造业高质量发展的影响系数显著为正，意味着数字经济有利于制造业高质量发展，与前文基准回归的结论一致。其次，本文使用工具变量法，选择数字经济的滞后一期作为工具变量，再采用两阶段最小二乘法(2SLS)进行回归估计。如表7的(3)列第一阶段的回归结果表明，解释变量DEL和工具变量L.DEL显著正相关。R2为0.995，F统计量为6920.66，说明工具变量对解释变量具备较强的解释力。弱工具变量检验结果显示，Cragg-Donald Wald F统计量为11591.7，远高于经验值10，即不存在弱工具变量问题。由于本文中工具变量个数等于内生解释变量的个数，因此不需要进行过度识别检验，即表明不存在不可识别的问题。表7第(4)列为第二阶段回归结果，结果显示数字经济的影响系数仍显著为正，表明前文基准回归结果具有稳健性。

表7 内生性检验结果与两阶段最小二乘法回归结果

(四)区位异质性检验

为考察数字经济对制造业高质量发展的影响是否存在区位异质性，本文在传统的地理划分基础上，根据《中华人民共和国2020年国民经济和社会发展统计公报》，将全样本区域划分为东北、东部、中部、西部4个地区，并使用固定效应模型进行回归分析。结果如表8所示。由表8的估计发现，仅东部与中部地区样本回归中数字经济分别通过了1%与5%的显著性水平检验，即数字经济对东部与中部地区制造业的高质量发展起到了显著的促进作用，但作用强度由东部到中部趋减，说明数字经济对制造业高质量发展的驱动作用较依赖于区域经济水平。而东北与西部地区样本回归中数字经济的系数为正，但回归结果并不显著，说明数字经济对东北与西部的制造业高质量发展并未产生显著影响，可能也与区域的经济发展水平、地理位置等因素有关。由此，可以得出数字经济对制造业高质量发展的影响存在区位异质性的结论。

表8 区位异质性检验结果

五、研究结论与对策建议

(一)研究结论

本文聚焦数字经济和制造业高质量发展，从理论方面分析了数字经济赋能制造业高质量发展的内涵与内在机理，从实证方面检验了数字经济对制造业高质量发展的赋能机制，得出以下结论：

数字经济发展水平的提升对制造业高质量发展具有显著正向促进作用，且这一正向关系通过删除部分样本的方式进行稳健性检验也证明回归结果准确无误。从基准回归结果可以看出，数字经济发展水平每提升1%，将通过直接赋能的方式提升制造业高质量发展水平0.399%。在传统的地理划分方法的基础上，本文将全样本区域划分为东北、东部、中部、西部4个地区进行区位异质性检验。分区域的估计结果表明，数字经济赋能中国制造业高质量发展存在明显的区域异质性。数字经济水平对中国东部与中部地区的制造业高质量发展具有显著的正向影响，但影响系数由东部向中部地区递减，即数字经济对东部地区制造业高质量发展的影响系数高于全国水平；从东北与西部地区来看，数字经济并未对该地区的制造业高质量发展产生赋能效应。由此推测，数字经济赋能制造业高质量发展与区域经济发展水平、地理位置等因素有关，这也为数字经济赋能制造业高质量发展的路径分析提供了思路。

(二)对策建议

根据回归结果发现，经济发展水平、技术进步、固定资产投资等因素是影响数字经济赋能制造业高质量发展的重要因素，因此基于理论分析与回归结果，提出数字经济赋能制造业高质量发展的路径建议。

1.健全数字化基础设施建设，推动制造业效率变革

根据本文回归结果，数字化基础设施属于固定资产投资，健全数字化基础设施建设，能够带动制造业效率变革，推动制造业实现高质量发展。首先，新型基础设施建设作为制造业效率变革与动能转换的重要抓手，应当健全并落实新型数字化基础建设发展中的优惠政策，如行业优惠政策，经济服务政策等，为“新基建”的实施保驾护航。其次，需要加大对5G网络、新一代互联网、物联网等领域的投资力度，因地制宜打造工业互联网平台，对于我国东北、西部经济欠发达地区，应鼓励有实力的企业主导工业互联网平台建设，对于我国东部与中部，应聚焦装备制造业等重点行业的数字化转型升级需求，在搭建基础工业互联网平台的基础上着力形成多层次、多元化和系统化的平台新高地，均衡推动全国制造业逐步实现效率变革。最后，为保障数据的安全性，防止数据泄露，应注重数据分类分级管理，准确识别重要数据、核心数据，实现技术模块之间的协同配合，增强新型基础设施在制造业效率变革方面的正向叠加作用。

2.加大数字化技术投入力度，促进制造业数智发展

根据本文研究结果可知，技术创新始终是制造业发展获得动力的基础，而数字化仅仅是数字经济的初始发展阶段，搜集、存储并处理数据时还需要让数字智能化。当前传统产业向数智化转型的过程中存在堵点、痛点，政府部门应进一步加大投入力度，实施精准补贴，及时发现并解决传统产业在“数智增效”方面的痛点，并按照产业链的个性化需求进行统筹。另外，制造业企业应坚定实施科技创新驱动战略，建立数字化技术与人工智能技术相结合的现代工业共性科技系统，着重对制造业领域目前依赖的信息化、网络化平台等新兴数字化技术进行改善提升，并尽快打破技术壁垒，以过强过硬的数智化水平解决成本高、效率低等问题，提升企业或制造业整个行业的竞争力，推动高质量发展。

3.借助数字化打通数实融合，实现制造业产业升级

实体经济是带动国民经济增长的根本，而国民经济增长拉动制造业的发展。随着数字经济进入发展快车道，通过数字经济赋能实体经济已是各行业大势所趋。但我国制造业的数实融合面临着制造能力、数字化水平、数据流动等多方面的制约，为突破这些瓶颈，一方面需要抓住电子信息产业发展的历史机遇，明确发展目标，深入探究电子信息制造业产业链图谱，加大对国外先进地区电子信息制造业项目的引进，同时加大对国内带动性与支撑性项目与企业的支持，推动产业链做大做强。另一方面，制造业电商为工业产品提供新力量，是助推传统制造业转型升级的新引擎，因此要重视制造业与电子商务领域的融合，完善电商扶持政策，强化电商服务生态链建设，大力发展先进制造业电子商务，并引导大中型生产制造企业优化电子商务供应链，推动制造业产业转型升级，实现动力变革。

4.打造数字化专业人才队伍，提高制造业创新能力

虽然根据本文回归结果，教育投入对制造业的作用并不显著，但在知识经济时代，市场竞争归根到底是科技水平的竞争，科技水平的发展靠人才推动，因此数字化专业人才队伍对技术进步具有强大支撑作用，也间接带动了制造业发展。一方面，应完善数字化人才的培养方案。将数字化学科专业课程、办学模式与培养方式贯穿基础教育、高等教育与职业教育，鼓励政府、科研所、高校与企业深度合作，鼓励科研人员与数字经济产业人员加强良性互动，通过合作提升制造业企业创新水平，促进高校科研成果转化，并通过实践指导数字化理论的创新，推动产业转型升级。另一方面，应优化数字人才的培训体系与人才引进方式。加强政府、企业、产业等人员的数字化转型培训，将培训分为“基础员工培训”“中层管理者培训”“高管培训”三类，打造数字化专业人才队伍。此外，常态化举办丰富的数字经济活动，通过数字经济创新创业大赛、技能大赛等多种形式活动聚集高质量科技人才，充分挖掘创新型人才。

5.通过政府数字化转型引导，激活制造业“双创”热情

政府参与程度在本文回归结果中对制造业高质量发展作用并不显著，但究其原因可能是政策具有导向性，准确的政策导向能够使数字经济赋能制造业高质量发展降本增效。相关部门应准确把握当前数字经济与制造业发展融合的主要阶段，将其列入国民经济与社会发展战略规划体系中，并围绕《中国制造2025》等项目推进数字经济社会与制造业生产区域健康发展，针对中小型制造业与中国东北与西部等制造业数字化转型较为落后的企业或地区，提供金融支持与减税降费政策的倾斜。另外，在平衡国内制造业发展的同时，要推动高水平的对外开放。当前，我国制造业大多处于产业链中下游，产品附加值较低，因此应加强与数字经济发展速度较快、成效较好的国家进行交流，打造数字经济国际合作创新发展的重要窗口，同时通过对外开放与“双创”成果交流提高产业链与供应链的安全性和稳定性，激发制造业创新活力。