数字技术与中国省区产业增长

任希丽 张海伟

摘 要：本文将地区和产业特征相结合，利用双重差分非线性计量模型考察数字技术对中国各省级区域各行业产出增长的影响效应。研究发现，数字技术对地区产业增长的影响效应具有显著的异质性特征。从动态演化视角来看，2004年、2008年和2013年数字技术显著促进了产业增长，即“技术创新效应”和“相对优势效应”大于“创造性破坏效应”；2018年数字技术对产业增长的推动作用不显著，存在“生产率悖论”，意味着各产业数字技术中间投入比例较低所带来的“创造性破坏效应”及地区无法发挥“相对优势效应”抵消了“技术创新效应”。分区域角度来看，东部地区数字技术对产业增长的推动作用较显著。从不同产业角度来看，数字技术对重工业产出增长具有正向推动作用，对轻工业产出增长则在某些年份呈现负向阻碍作用。

关键词：数字技术；中间投入；产业增长

中图分类号：F062. 9  文献标识码：A  文章编号：1001-148X（2023）01-0011-09

收稿日期：2022-10-19

作者简介：任希丽（1985-），女，山东潍坊人，讲师，硕士生导师，博士，研究方向：产业经济学、国际经济学；张海伟（1973-），女，山东淄博人，副教授，博士，研究方向：产业经济学、国际经济学。

基金项目：国家社会科学基金青年项目“‘一带一路沿线国家价值链嵌入对经济周期联动的影响及对策研究”，项目编号：19CJL045。

一、引 言

数字技术飞跃式发展对经济所带来的“创造性破坏”程度前所未有，不仅对现存产业生产效率和生产成本产生影响，还将推动产业结构、产业组织方式以及传统商业模式发生颠覆性变革。

数字技术对经济增长的影响研究是一个由国家、行业到企业层面，由单一视角向复杂视角演变的过程。Solow最早提出了著名的“生产率悖论”，即大规模的信息技术投资与生产率提高之间无显著联系［1］。此后，Stiroh、张之光等、Acemoglu等、Aghion等研究验证了“生产率悖论”的存在［2-5］。但大部分文献表明数字技术资本促进了生产率和经济增长［6-8］，并且发现数字技术对生产率和经济增长的贡献存在国家、地区、行业、企业差异［9-11］。

基于此，本文在充分考虑各省级区域数字资本禀赋和各产业数字中间投入差异的基础上，利用2004年、2008年、2013年和2018年中国经济普查数据，使用双重差分非线性计量模型考察数字技术对产业增长的影响效应及动态演变趋势，并针对东部、中部、西部和东北等不同地区、重工业和轻工业等不同行业进行分组检验，深入剖析地区和行业异质性特征。另外，综合考察影响中国区域产业产出增长的主要因素，包括地区（人力资本禀赋、基础设施、市场化程度）、行业（人力资本密集度、规模经济、技术创新、资本劳动投入比）、企业外部市场（专业化、多样化、市场竞争）、国外市场（出口和外商直接投资）等各层面因素对产业产出增长的动态影响效应。

二、计量模型、变量度量和数据来源

（一）计量模型

数字技术对产业产出增长的影响效应主要体现在三个方面：第一，数字技术具有极强的渗透力，正逐步渗透到其他行业，以该技术范式逐步改造传统行业，提高了传统行业的生产率，即“技术创新效应”。第二，作为一种通用目的技术（General Purpose Technology，GPT），数字技术带来的“创造性破坏效应”以及数字技术在行业间扩散受阻时都会导致产出下降。第三，根据比较优势理论，区域发展中形成的产业结构同区域资源、要素禀赋结构相适应，才能充分发挥区域优势，因此企业生产要素投入决策要与地区要素禀赋结构相适应，即数字技术资本密集型产业在数字技术资本禀赋更丰富的地区增长速度应该相对更快。由此可见，数字技术对产业增长的影响效应具有不确定性，必须紧密结合地区和产业特征来进行考察。为此，运用包含省级区域特征与产业特征交互作用的固定效应模型，将模型设定如下：

gkj=ak+aj+αlnYkj+βitek*itij+ζXkj+εkj（1）

其中，k和j分別表示地区和行业，ak和aj分别表示地区和行业固定效应，gkj为k地区j行业的产出增长率，lnYkj是产业总产值初始水平的对数，即2003年、2007年、2012年和2017年的产业总产值。itek表示k地区数字技术资本禀赋，itij为j行业数字技术资本密集度。Xkj为控制变量，包括人力资本禀赋（he）和人力资本密集度（hi）交互项、基础设施（inf）和规模经济程度（sca）交互项、市场化程度（mar）和技术创新（tfp）交互项、资本劳动投入比（klr）、专业化指数（spec）、多样化指数（div）、竞争性指数（com）、出口（exp）和外商直接投资（fdi）等。

（二）变量的度量

1. 地区产业产出增长

各省（市）产业产出增长率（gkj）采用工业总产值增长率进行测度，在计算过程中使用出厂价格指数进行折算。

2. 数字技术

各地区数字资本禀赋（ite）利用信息化发展总指数来表示，各行业数字中间投入（iti）利用各行业数字中间投入率来度量。从表1各行业数字中间投入比例变化情况可以看到，大部分行业数字技术中间投入比例较低且在2002-2017年没有出现明显变化，与2002年、2007年和2012年相比，2017年各行业数字技术中间投入比例并没有明显提高，很多产业甚至出现了下降。

3. 专业化指数

利用区位商这一概念构建专业化指数（spec），即某产业j产出在省级区域k的相对比重：speckj=ykj/ykyj/y，其中，ykj表示省级区域k中j产业的产出，yk=∑jykj为省级区域k所有产业的产出总和，yj=∑kykj为产业j的全国总产出，y=∑k∑jykj为全国所有产业的总产出。

4. 多样化指数

根据Combes的做法，多样化指数（div）为相对于全国各产业，各地区各产业所占份额的平方和的倒数［12］。其数学表达公式为：

divkj=∑i≠jyki/yk－ykj2－1/∑i≠jyi/y－yj2－1

5. 竞争程度指数

借鉴盛丹等的做法［13］，竞争程度指数（com）计算公式为：comkj=mkj/ykjmj/yj，其中，mkj表示k地区j产业的企业数量，mj表示全国j产业的企业数量。

6.  其他控制变量

各省（市）人力资本禀赋（he）用各省（市）高等教育在校人数占人口的比重表示；产业的人力资本密集度（hi）用各行业科技人员在全部从业人员中所占比重来表示。各地区市场化（mar）情况采用市场化指数表示。产业技术创新采取利用索洛余值法估计得到的全要素生产率（TFP）来衡量。基础设施建设情况（inf）和规模经济程度（sca）借鉴王永进等的做法，分别采用各省份单位面积公路和铁路里程（公里/平方公里）、行业单位企业就业人数进行测算［14］。资本劳动投入比（klr）用各地区各行业固定资产净值年平均余额与全部从业人员年平均人数比值表示。出口（exp）用出口交货值与主营业务收入的比值表示、外商直接投资（fdi）用外商资本与主营业务收入的比值表示。

（三）数据说明

区域层面选取除西藏外的30个省级区域，产业层面选取制造业除“废弃资源和废旧材料回收加工业”和“其他制造业”外的29个细分行业样本。对于行业分类情况，中国在2011年采用了新的行业分类代码，在进行计量分析时，由于在不同年份行业分类对我们估计结果不产生影响，因此我们按照各类统计数据采用的《国民经济行业分类》不做调整，即2004年和2008年行业分类采用2002年《国民经济行业分类》，2013年和2018年行业分类采用2011年《国民经济行业分类》。

各地区市场化指数来自樊纲和王小鲁著的《中国分省份市场化指数报告》。中国各地区各产业规模以上工业企业工业总产值、企业单位数、主营业务收入、总资产、固定资产净值年平均余额、全部从业人员年平均人数、出口交货、外商资本等数据来自于《中国经济普查年鉴》，其中，2018年出口交货值数据缺失。数字技术中间投入比例来自2002年、2007年、2012年和2017年投入产出表，各地区信息化发展总指数来自《中国信息年鉴》。各地区高等教育在校人数、各行业科技人员数、人口、各地区公路和铁路里程、邮政和电信业务额、企业每百人使用计算机数、互联网普及率等数据来自《中国统计年鉴》。

三、实证研究

（一）初步估计结果

在进行估计时，为了克服多重共线性问题，我们采取逐步向模型中加入解释变量的方法来考察各因素对产业增长率的影响，主要估计结果见表2（括号中为t值）。需要指出的是2004年人力资本与数字技术资本相关系数为0. 839，说明二者之间具有很高的相关性，同时加入人力资本与数字技术资本会导致多重共线性问题，因此2004年的回归模型中删除人力资本这个变量。另外，由于2018年出口交货值数据缺失，因此2018年的回归模型中删除出口这个变量。

从动态演化视角来看，2004-2018年，数字技术资本禀赋和数字技术资本密集度交互项的回归系数在统计上由显著变为不显著。2018年以前数字技术显著促进了产业增长，说明 “技术创新效应”和“相对优势效应”大于“创造性破坏效应”。2018年数字技术对产业产出增长的推动作用不显著，出现“生产率悖论”现象，说明各产业数字技术中间投入比例较低所带来的“创造性破坏效应”及各产业数字技术资本密集度不适应地区数字技术资本禀赋所导致的区域无法发挥“相对优势效应”，抵消了“技术创新效应”。

地区市场化程度和产业技术创新交互项、基础设施与行业规模经济交互项的估计系数正负号都不稳定，对产出增长的影响作用都不显著，不是影响产业产出增长的主要因素。

资本劳动投入比的估计系数符号逐渐由显著为负转为显著为正，说明我国产业增长逐渐由依靠廉价丰富的劳动力向物质资本转变，物质资本积累对产业产出增长的促进作用正逐渐显现出来，这一结论与我国的要素禀赋和目前所处的经济发展阶段相吻合。人力资本禀赋和人力资本密集度交互项的估计系数始终不显著，说明相对其他影响因素而言，人力资本还没有成为促进产业产出增长的重要因素。

產业多样化的估计系数一直显著为正，说明“Jacobs外部性”即产业间技术溢出效应比较明显，是推动各地区产业快速增长的重要因素。产业专业化（spec）的估计结果由不显著变为显著，表明“Marshall外部性”作用越来越明显，即产业内企业间技术溢出效应对产业增长的促进作用越来越重要。竞争性指数的估计系数一直都显著为负，说明市场竞争程度越高，越不利于产业增长。因为市场竞争越激烈，企业越无法获得超额利润，越缺乏资金进行技术创新，最终阻碍产出增长。

出口的回归系数在大部分时期都不显著，不是影响产业产出增长的主要因素。外商直接投资的回归系数由显著为负变为显著为正，说明FDI带来的“技术溢出效应”逐渐超过“竞争效应”和对东道国国有资本、个人资本产生的“挤出效应”，促进了产业产出增长。

（二）稳健性检验

从初步估计结果可以看到，2004-2018年，数字技术资本禀赋和数字技术资本密集度交互项的回归系数在统计上由显著变为不显著，为考察研究结果的稳健性，我们使用替换解释变量的方法进行检验。各地区数字技术资本禀赋使用人均邮政和电信业务额（对数）、互联网普及率、企业每百人使用计算机数（对数）等多个指标进行测度，重新对计量模型进行回归，回归时同样采取逐步向模型中加入解释变量的方法进行，主要估计结果见表3，回归结果显示，以不同指标度量的数字技术资本禀赋和数字技术资本密集度交互项的回归系数估计结果都与初步估计结果一致，2004年、2008年和2013年在统计上都非常显著，2018年不显著。说明数字技术确实是影响产业产出增长的重要因素，地区数字技术资本越丰富，产业数字技术中间投入越多，产出增长速度越快，但当数字技术在行业间扩散受阻时，“创造性破坏效应”及区域无法发挥“相对优势效应”，二者抵消了“技术创新效应”，导致其无法充分发挥作为通用目的技术对经济的推动作用，甚至会阻碍产业增长。其他影响因素的回归结果也与表2相一致，其相应的估计系数和显著性均没有发生显著变化。这说明表2中无论对数字技术的检验结果还是其他影响因素的回归结果都是稳健的。

（三）内生性处理

地区数字技术基础设施、资本存量提高会促进产业增长，地区产业快速增长又为数字技术基础设施建设提供资金支持，促进数字技术在行业间扩散，加快行业数字化建设，提高地区的数字技術资本存量。逆向因果关系会导致内生性问题，为此，我们借鉴李波等的做法，选取“大饥荒”时期的死亡率作为地区数字技术资本禀赋的工具变量来克服该问题［15］。

利用工具变量两阶段最小二乘法对表2中的计量模型进行重新估计，主要估计结果见表4。可以看到，在克服内生性后，数字技术资本禀赋和数字技术资本密集度交互项的回归系数除2004年显著性下降外，都与初步估计结果一致，都对产业增长产生正向促进作用。其他影响因素的回归结果也与表2相一致，其相应的估计系数和显著性均没有发生显著变化，说明本文的主要结论是稳健的。数字技术回归系数显著性下降也可能与地区和产业异质性特征有关，因此本文将进一步针对地区和行业进行分组检验，深入探究不同区域、不同行业数字技术影响效应的动态变化。

（四）分组检验

1. 东部、中部、西部和东北地区分组检验

如前所述，产业产出增长存在较大的地区差异，为深入探析不同区域数字技术对产业产出增长的影响效应，分别对东部、中部、西部和东北地区进行回归检验，分组估计结果见表5。可以看到，在不同时期不同区域数字技术对产业产出增长的影响效应具有异质性特征。从动态演变视角来看，数字技术对产出增长的促进作用逐渐由显著变为不显著；分区域角度来看，东部地区数字技术对产业产出增长的推动作用较显著。

不同时期、不同区域产业产出增长的主要因素也存在很大差异。以2018年为例，各地区估计系数在1%的统计水平上显著的影响因素为：东部地区是市场化程度和技术创新交互项、专业化指数和竞争性指数；中部地区是市场化程度和技术创新交互项、多样化指数、竞争性指数；西部地区是基础设施与行业规模经济交互项、资本劳动投入比、多样化指数、竞争性指数和FDI；东北地区是专业化指数。

就2004-2018年整个时期来看，各地区产业产出增长的主要影响因素为：（1）东部地区，数字技术和人力资本对产出增长的促进作用逐渐由显著变为不显著，地区市场化程度和产业技术创新的作用由负转正并逐渐显著，产业专业化带来的技术溢出效应对产业增长的促进作用越来越显著，市场竞争则显著阻碍了产出增长。（2）中部地区，相对其他因素来说，地区市场化程度和产业技术创新、产业专业化带来的促进作用更显著，产业多样化作用由正转负，市场竞争则显著阻碍了产业增长。（3）西部地区，数字技术、地区基础设施和产业规模经济交互项、产业多样化、资本劳动投入比等因素显著促进了产出增长，市场竞争则显著阻碍了产业增长。（4）东北地区，数字技术、市场化程度和技术创新交互项、产业专业化等不同因素在不同时期发挥了促进产业产出增长的作用，市场竞争则对产业产出增长产生了负向阻碍作用。

2. 重工业和轻工业分组检验

在工业化发展进程中，轻工业和重工业发挥了不同的作用，轻工业主要提供消费资料产品，重工业主要提供生产资料产品。将产业所有细分行业划分为轻工业和重工业两种进行分组检验，结果见表6，可以看到，在不同时期不同工业数字技术对产业产出增长的影响效应具有异质性特征。从动态演变视角来看，数字技术对产出增长的促进作用逐渐由显著变为不显著；从不同工业角度来看，数字技术对重工业产出增长具有正向推动作用，对轻工业产出增长则在某些年份呈现负向阻碍作用。

在不同时期影响轻工业和重工业产出增长的主要因素也存在很大差异。就整个时期而言，重工业产出增长的主要影响因素包括市场化程度和技术创新交互项、资本劳动比、多样化、竞争性、FDI等。具体来说，产业多样化显著促进了重工业产出增长，资本劳动投入比和FDI的估计系数都由负转正，市场竞争显著阻碍了重工业增长，市场化程度和技术创新交互项在2004年显著促进重工业增长，而在2013年则显著阻碍了重工业增长，说明在市场化进程中，一定程度的政府管制有利于垄断企业积累资金进行技术创新。轻工业产出增长的主要影响因素包括数字技术、地区基础设施和产业规模经济交互项、专业化、多样化、竞争性、外商直接投资等。具体来说，数字技术、产业专业化和多样化等不同因素在不同时期发挥了促进轻工业增长的作用，地区基础设施和产业规模经济的作用由正转负，市场竞争和外商直接投资则阻碍了轻工业增长。

四、结论与政策含义

本文在充分考虑地区和行业特征的基础上，使用2004年、2008年、2013年和2018年数据，利用双重差分非线性计量模型方法从动态视角深入研究了数字技术对产业产出增长的影响效应，并针对东部、中部、西部和东北等不同地区、重工业和轻工业等不同行业进行了分组检验。同时，本文综合考察了地区（人力资本禀赋、基础设施、市场化程度）、行业（人力资本密集度、规模经济、技术创新、资本劳动投入比）、企业外部市场（专业化、多样化、市场竞争）、国外市场（出口和外商直接投资）等各层面因素对产业产出增长的动态影响效应。得到如下结论：

（1）在不同时期、不同区域、不同工业部门，数字技术对产业产出增长的影响效应具有显著的阶段性和异质性特征。从动态演化视角来看，2018年以前数字技术显著促进了产业增长，即“技术创新效应”和“相对优势效应”大于“创造性破坏效应”；2018年数字技术对产业产出增长的推动作用不显著，出现“生产率悖论”现象，说明各产业数字技术中间投入比例较低所带来的“创造性破坏效应”及各产业数字技术资本密集度不适应地区数字技术资本禀赋所导致的区域无法发挥“相对优势效应”，抵消了“技术创新效应”。分区域角度来看，东部地区数字技术对产业产出增长的推动作用较显著。从不同工业角度来看，数字技术对重工业产出增长具有正向推动作用，对轻工业产出增长则在某些年份呈现负向阻碍作用。

（2）其他因素在不同时期发挥了不同的作用。产业多样化即产业间技术溢出一直是推动产业产出快速增长的重要因素；产业专业化对产出的促进作用逐渐由不显著变为显著；资本劳动比和FDI的作用逐渐由负向阻碍作用变为正向促进作用；市场竞争显著抑制了产业增长。分区域角度来看，在不同时期推动区域产业产出增长的主要因素存在很大差异，人力资本、产业专业化、地区市场化程度和产业技术创新显著促进了东部地区产业产出增长，产业专业化、地区市场化程度和产业技术创新显著促进了中部地区产业发展，基础设施和规模经济、产业多样化、物质资本投入是西部地区产业产出增长的主要因素，东北地区主要是市场化、技术创新、产业专业化等因素。从不同工业角度来看，除了充分发挥产业内企业间技术溢出和产业间技术溢出对产业产出增长的推动作用外，重工业要注重物质资本和FDI的作用，轻工业要更注重进行技术创新。

从研究结论可以看到，不同因素对产出增长的作用不是一成不变的，在制定政策时一定要充分发挥各种因素对产出增长的促进作用，具体政策含义包括：

第一，相对于劳动和人力资本而言，数字技术资本和物质资本的作用更显著。对于数字技术资本因素，各行业数字技术中间投入比例太低已经阻碍了其作用的发挥，尤其是中西部地区和轻工业，对此，各级政府一方面需要加强地区硬件、软件、网络等数字技术基础设施建设，提高数字技术资本存量，另一方面需要加大对各行业数字技术中间投入的投资，引导各行业企业利用数字技术对现有生产技术进行改造，提高数字技术扩散速度和扩大渗透范围，加深融合程度。对于人力资本因素，各地区政府可以通过教育、培训、引进专业人才等措施提高数字化人力资本禀赋，并为企业提供资金支持，提高企业数字化人力资本密集度，充分发挥其对产业数字化发展的推动作用。

第二，产业专业化和多样化生产都显著促进了产出增长，但专业化和多样化经营是两种不同且存在一定矛盾的经营战略，由于资源的稀缺性，各地区政府需要充分权衡利弊后制定相应的产业政策，既充分发挥产业专业化生产“协同效应”带来的高生产效率，又发挥多样化经营对风险的分散效应，有效应对外部冲击，在此基础上充分发挥产业内企业间技术溢出和产业间技术溢出对产业产出增长的推动作用。市场竞争阻碍了产出增长，政府可以适当干预，引导企业有序进入和退出行业，降低企业竞争程度，有利于企业积累资金进行技术创新，尤其是数字技术在各行业的交叉融合創新，提高在基础创新之上的改进型创新能力。

第三，国际市场要重视外商资本对产业产出增长的影响，政府通过引进高质量外商资本，提高“技术溢出效应”，降低“竞争效应”和“挤出效应”，充分发挥外商资本对产出增长的正向促进作用。

参考文献：

［1］ Solow R. Wed better Watch Out［N］.New York Times Book Review， 1987（7）：36.

［2］ Stiroh K J. The Industry Origins of the Second Surge of US Productivity Growth［J］．Federal Reserve Bank of New York， Mimeo， 2006， 43（1）：229-242.

［3］ 张之光，蔡建峰.信息技术资本、替代性与中国经济增长——基于局部调整模型的分析［J］．数量经济技术经济研究，2012（9）：71-81.

［4］ Acemoglu D.， Autor D.H.， Dorn D.， et al. Return of the Solow Paradox？ IT， Productivity and Employment in U.S. Manufacturing［J］．American Economic Review， 2015，104（5）：394-399.

［5］ Aghion P.， Jones B. F.， Jones C. I. Artificial Intelligence and Economic Growth［J］．National Bureau of Economic Research， 2017： 237-282.

［6］ Kromann L.， Malchow Moller N.， Skaksen J. R. Automation and Productivity-across-country， Cross-industry Comparison［J］．Industrial and Corporate Change， 2019： 265-287.

［7］ 李朝鲜.“双循环”背景下数字技术如何赋能商贸流通企业高质量发展［J］．北京工商大学学报（社会科学版），2022，37（5）：59-70.

［8］ 刘平峰，张旺.数字技术如何赋能制造业全要素生产率？［J］．科学学研究，2021，39（8）：1396-1406.

［9］ 何小钢，梁权熙，王善骝.信息技术、劳动力结构与企业生产率——破解“信息技术生产率悖论”之谜［J］．管理世界，2019（9）：65-80.

［10］张辽，吴耸杰.信息技术能力对企业全要素生产率的影响——基于“增长效应”与“平滑效应”的比较视角［J］．中南财经政法大学学报，2020（2）：57-67.

［11］杨慧梅，江璐.数字经济、空间效应与全要素生产率［J］．统计研究，2021，38（4）：3-15.

［12］Combes P. P. Economic Structure and Local Growth： france， 1984-1993［J］．Journal of Urban Economics， 2000， 47（3）： 329-355.

［13］盛丹，王永进.市场化、技术复杂度与中国省区的产业增长［J］．世界经济，2011（6）：26-47.

［14］王永进，李坤望，盛丹.契约制度与产业集聚：基于中国的理论及经验研究［J］．世界经济，2010（1）：141-156.

［15］李波，梁双陆.信息通信技术、信息化密度与地区产业增长［J］．山西财经大学学报，2017（9）：58-71.

Digital Technology and Industrial Growth in Chinas Provinces：An Empirical

Analysis Based on the Difference-in-Difference Nonlinear Econometric Model

REN Xi-li，ZHANG Hai-wei

（School of Economics， Shandong University of Technology， Zibo 255000，China）

Abstract：Combine the regional and industrial characteristics， and use the Difference-in-Difference nonlinearity model to investigate the impact of digital technology on industrial growth. The research found the effect of digital technology on the growth of industrial output has significant heterogeneity characteristics. From the perspective of dynamic evolution， digital technology significantly promoted industrial growth in 2004， 2008 and 2013， that is， the “technological innovation effect” and “relative advantage effect” are greater than the “creative destruction effect”. The promotion of digital technology to industrial growth was not significant in 2018， that is， there was a “productivity paradox”. It means that the “creative destruction effect” and the region cannot play its “relative advantage effect” caused by the low intermediate input ratio of the digital technology in each industry offset the “technological innovation effect”. From the regional perspective， compared to the central and western regions， the role of digital technology to promote industrial growth is more significant in the eastern region. From the different industrial perspective， digital technology has a positive effect on the growth of heavy industry output， while it hinders the growth of light industry output in some years.

Key words：digital technology; intermediate input; industrial growth

（責任编辑：周正）