数字经济如何平衡“稳增长调结构”目标——基于地区-行业层面的分析

白雪洁 宋 培 李 琳

自2014 年4 月25 日中央政治局会议首次提出中国经济稳中求进的总基调以来，“稳增长调结构”就成为各级政府制定政策规划的重要依据。2017 年十九大报告中首次指出，中国经济正经历由高速增长阶段迈向高质量发展阶段，高质量体现在经济社会生态等发展的全方位上。“稳增长调结构”目标强调在经济保持高质量、高效益、可持续发展的同时，推动经济结构优化转型，这无疑与经济高质量发展的理念相契合。改革开放以来，中国经历了以“三高”为主要特征的高速经济增长，实现了从贫穷落后的发展中农业大国向现代化工业大国的转变，创造这一举世闻名“增长奇迹”的动力之一是“结构性加速”效应，即工业化推动生产要素从低生产率的第一产业向高生产率的第二产业转移。反观当下，中国经济正经历由产业结构演进和城市化推动的服务化转型，生产要素正从高生产率的第二产业向低生产率的第三产业转移，这恰与近几年的经济增速放缓并行出现，似乎表明“鲍莫尔成本病”导致的“结构性减速”这一几乎在发达国家无一例外的一般性规律也正在中国显现。事实果真如此吗，中国经济真的进入“结构性减速”阶段了吗？“稳增长”和“调结构”目标难道不可兼得吗？这正是本文要探讨的核心问题。

经济结构服务化转型是否必然要经历经济增速下降？对这一问题的回答仍存有较大争议。第一，关于服务业生产率低于工业的所谓“结构性减速”，无论是库兹涅茨还是鲍莫尔的研究，事实上都遭遇越来越多的质疑与挑战，把工业经济时代的服务业低生产率推及到信息经济时代，忽视服务业内部结构变迁值得商榷，如生产性服务业的发展不仅会提升服务业生产率，还会通过与制造业融合互动提升工业生产率。因此，“结构性减速”在中国当下是否成立仍需探讨。第二，即便“结构性减速”成立，中国经济增速下降的主要原因可能不是“结构性减速”，而是各产业部门全要素生产率的普遍不高和下降，是“未高先减”。这与当前中国产业发展面临的低端产能过剩和高端产能不足并存，创新驱动的全要素生产率水平不高，以及政府为实现“进一步提高服务业比重”的所谓产业结构优化升级目标，助长金融、房地产等部门过度吸纳生产要素等均有关。在这一现实背景下，中国经济结构服务化更像是生产要素在某种程度上的“脱实向虚”，即资源错配。依此观点，如若“未高先减”的实体经济部门能够以技术创新或供给侧结构性改革提升全要素生产率，就能够进一步释放增长空间，冲抵部分可能存在的“结构性减速”，这意味着“调结构”与“稳增长”可能并行不悖。另一方面，全球正处于由新技术新产业革命引爆的数字经济新时代，以物联网、大数据、人工智能等为核心的新一代信息技术正沿着技术—资本—市场—产业—社会等渠道迅速渗入到经济生产和社会生活中，为各类产业提高生产率创造了巨大的空间，如最可能引发“鲍莫尔成本病”的生活性服务业，通过数字化改造实现商业模式创新和机器换人，生产率得到大幅提升。更遑论自身就具有知识和技术密集特征的生产性服务业，其生产率水平更不必然低于工业。那么，如何抓住新一代信息技术等新技术革命契机，缓解经济增长和产业结构转型之间的冲突，实现“稳增长调结构”兼得的目标更值得深入研究。

与本文研究密切相关的文献包括数字经济的概念内涵、测度方法，以及对经济增长和产业结构转型的影响等方面，现有研究主要形成了以下观点。数字经济最早由Don Tapscott(1996)在其著作《数字经济：网络智能时代的前景和危险》中提出，被定义为以数字方式呈现信息流的经济模式。OECD(2014)将数字经济定义为一个由数字技术驱动的、在经济社会领域发生持续数字化转型的生态系统，包括大数据、物联网、人工智能和区块链等。目前学术界对数字经济的测度方法主要分为两种：一是直接法，即在界定范围后估算数字经济规模，如中国信通院、美国经济分析局等使用的方法；
二是间接法，即从多个维度构建数字经济指数，如OECD(2014)构建了包括投资智能化基础设施、赋权社会、创新能力、ICT 促进经济增长与增加就业岗位4 个一级指标，38 个二级指标的数字经济指标体系。2021 年，中国国家统计局提出数字经济是指以数据资源作为关键生产要素、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，并从数字产业化和产业数字化两个层面进行了统计分类。其中，作为经济核算的重要组成部分，数字产业化对经济增长的拉动作用体现为产业自身发展带来的规模扩张，包括数字化基础设施、电子信息制造业、软件和信息技术服务、互联网相关服务等。根据许宪春和张美慧(2020)对数字产业化的测算，我国数字产业增加值实际增长率超过20%，占GDP的比重逐年增加，是名副其实的经济增长新引擎。产业数字化对经济增长的拉动作用体现为其他产业利用数字技术对原有业务实施升级改造进而产生的价值增值(王俊豪和周晟佳，2021)。如传统产业的数字化改造会通过提升大众创业活跃度、整合研发力量、提高供需匹配效率、变革企业管理模式等方式优化资源配置，推动技术进步，最终提升全要素生产率(焦勇，2020；
戚聿东和肖旭，2020)。

关于数字经济与产业结构转型的关系，国外缺乏从数字经济视角研究产业结构转型的文献，多数学者研究了信息技术对产业结构的影响，认为信息技术在推动产业结构转型方面发挥着重要作用，还有学者以金融业为例加以验证，研究表明数字经济可以促进技术创新，进而推动产业结构优化(Jaakkola 等，1991；
Zimmermann 和Korner，1999)。国内学者也提出了较为一致的观点，即数字经济发展可以促进产业结构转型，主要作用路径是供给侧结构性重塑和制造业数字化改造(何大安和许一帆，2020)。还有一些学者从数字经济具体领域展开研究，如左鹏飞等(2020)实证检验了互联网发展对产业结构转型的促进作用，主要体现为互联网发展对产业结构合理化的持续正向作用和与产业结构高级化之间呈现的显著U 型关系。产业智能化和人工智能的应用也可以推动产业结构转型，其内在机制表现为资本、劳动等生产要素在产业间的重新配置(郭凯明，2019)。

综上所述，以工业经济时代的技术和产业演进规律为逻辑起点的“结构性减速”理论认为，随着经济重心向第三产业转移，经济增长速度必将减缓，“调结构”需要以牺牲部分经济增速为代价，“稳增长”与“调结构”之间更可能呈现的是有得必有失的矛盾关系。另一方面，虽有文献从单一视角研究表明数字经济有利于推动产业结构转型与经济增长，但却忽视了数字经济的“出新”与“焕新”功能在缓冲“稳增长”与“调结构”目标冲突，引导二者协调发展中发挥的作用，这正是本文的边际贡献。

数字经济作为创新驱动的主要领域和表现载体之一，能从供需两侧直接或间接地推动产业结构转型，挖掘产业内部的经济增长潜力，提升行业全要素生产率，以此缓解“结构性减速”，最终实现“稳增长调结构”的高质量发展目标。

（一）数字经济的“稳增长”效应

数字经济作为一种通用目的技术(GPT)的颠覆性变革形式，内生于由云计算、大数据、物联网、移动互联网、人工智能等技术所构成的智能技术群，不仅遵循技术经济范式创造出新技术新产品新服务，即不断“出新”，同时还能与既有产业相融合，实现对既有技术、产品、服务和产业的提升改造和创新，也就是“焕新”。出新大约等同于数字产业化，焕新则是产业数字化，二者是相互依存与促进的关系，共同构成数字经济，这一过程被经济学家布莱恩·阿瑟(2018)在新经济形成的“算法”过程中给予充分诠释。无论是出新还是焕新，数字经济都具有推动经济增长的重要作用。

1. 数字经济推动经济增长的直接效应

数字经济对经济增长的直接作用首先体现在智能技术群自身持续、活跃的技术创新上。当前无论是在国际技术竞争领域还是在国内科技创新领域，智能技术群都能吸引更多创新资源和要素聚集，促进知识和技术的交流与碰撞，推动新的创新机会涌现和技术突破，围绕智能技术群的技术创造活动本身就是经济增长的重要内源力量——技术进步，而且这种技术进步还外化成新产品、新服务、新业态、新模式，为经济增长注入活力。此外，数字经济还为创新活动赋予新的内涵。数据作为一种新的创新要素被引入创新系统，促使开放式、平台型创新组织和消费者等新的创新主体不断涌现，推动企业组织结构变革与创新边界网络化。众包众创、极客创客、线上线下相融合等多样化创新模式，以及为了满足数字技术和制度创新要求的公共信息基础设施投资和制度变革，都可以归结到经典的熊彼特五类创新中的一类或几类，成为经济增长的源泉。

2. 数字经济推动经济增长的间接效应

数字经济对经济增长的间接作用主要表现为赋予传统经济增长要素以新的内涵和表现形式。当数据要素被纳入经济增长系统后，它需要与传统要素相结合，推动传统要素高级化。对劳动要素而言，数字技术应用为组织学习、人力资源培训等提供了更多的便捷渠道，有助于发挥人力资本在生产活动中的规模经济、范围经济和长尾效应。对资本要素而言，数字技术在企业内部的价值创造活动(如研发、采购、生产、销售等环节)之间建立起数字“链接”，催生出模块化生产、网络化分工和平台化交易等新的生产模式和商业模式，助力企业获取规模经济的成本优势和满足差异性需求的市场优势，不断提高供需适配性以促进经济增长。数字技术对其他技术要素的改变主要体现在加剧技术创新活动的互动和激烈程度，让技术创新活动更容易捕捉需求变化，加速不同技术群之间的交叉融合。数字经济对传统经济增长要素的赋能还体现为重塑生产要素之间的关系，让工业经济时代居于关键生产要素地位的资本、技术不断寻求与信息和数据的融合，促进单要素和全要素生产率提升。基于此，提出本文的假说1。

假说1：数字经济有利于推动经济增长，实现“稳增长”目标。

（二）数字经济的“调结构”效应

1. 基于供给侧的“调结构”效应分析

“调结构”的完整内涵是从微观企业要素和组织结构到中观产业内的技术和产品结构，再到宏观产业间结构的不断调整优化过程。从企业角度看，“调结构”意味着优化要素配置和组织结构，即不断调整各种形式生产要素的组合和通过管理创新释放组织活力。从产业内角度来看，“调结构”是从投资结构等要素配置起点开始的结构转型，通过传统产业内部的技术改造升级，实现由新技术、新产品、新服务支撑的产业竞争力提升。从产业间角度来看，“调结构”是新兴产业相比传统产业快速成长带来的二者之间比例关系的变化，是服务业规模的不断扩大。而数字经济对这一系列结构的调整优化都可能产生积极影响。首先，在优化要素配置结构方面，数据作为数字经济的核心要素，正加速与传统生产要素的融合，从消费互联网到产业互联网，从共享产品和服务到共享生产设备和创新资源，从传统基础设施到以数据链接的数字化智能化基础设施网络，数据与传统要素融合渗透的应用场景不断拓宽，不断促进要素结构调整优化。其次，在产业内的结构优化方面，数字技术应用可以在企业间搭建起资源共享平台，形成互补的新型资源共享机制，不仅极大提高了资源利用效率，还为中小企业打破资源约束，围绕自身优势展开差异化创新提供可能。最后，对产业间的结构调整而言，以数字技术为代表的新技术成为社会投资的重点领域，新技术的产业化是以“出新”的形式提供新产品和新服务，产生新的价值，从而逐渐改变新兴产业和传统产业的比例关系，并且对传统产业的“焕新”效应发挥示范或牵引作用。虽然“调结构”并不能机械地理解为提升第三产业的GDP 占比，但每一产业通过调整技术、要素、产品和服务结构实现高级化的过程，最终将呈现出经济结构服务化的趋势。数字经济促进“调结构”的显著特征之一是高附加值的服务成为重要的中间品被广泛投入到经济活动中，如服务型制造等(郭凯明等，2020)。

2. 基于需求侧的“调结构”效应分析

在短缺经济时代，可以说存在供给创造需求效应，但在总体上呈现过剩经济的当下，没有被需求吸纳的供给就是无效供给，是过剩供给。从这个意义上讲，“调结构”就是要提高供需适配性，而尽可能精准地掌握需求是增加有效供给的前提。首先，数字产业发展成为市场需求的新增长点，市场需求主体对数字产品与服务的消费规模不断扩大、层次不断丰富，这对数字经济相关的新兴供给产生积极的拉动作用。其次，数字技术如互联网、大数据、人工智能等可以降低供需之间的信息不对称程度，为供给方及时甚至是超前把握需求动向、消费者主动表达需求意愿提供了更加便捷和低成本的渠道，有利于提高市场运行效率。数字经济时代，人们对个性化、品质化、小批量且相对低成本的产品和服务需求不断扩大，这为供给侧结构性改革提供了契机，能够及时把握消费需求变化并通过产品创新、模式创新等实现升级的企业将获得竞争优势，而无力适应的企业就会被迫退出市场，完成市场选择下企业优胜劣汰的“调结构”。此外，数字经济会不断增强生产和服务消费的信息化、虚拟化程度，以数字为载体，数字服务实现了数字内容产业链在服务产业链前后端的延伸，增加了互联网服务、文化娱乐等产业在经济中的占比，更主要的是推动制造与服务相融合，最终表现为经济的服务化转型。基于此，提出本文的假说2。

假说2：数字经济有利于推动产业结构转型，实现“调结构”目标。

（三）数字经济平衡“稳增长”与“调结构”目标的理论机制

从经济学意义上的时间长度来看，以年均GDP 增长率来表征的“稳增长”目标可以视为一种短期目标，而无论是以产业内还是产业间结构变动来表征的“调结构”目标都是一种相对长期的目标，所谓平衡“稳增长”与“调结构”目标，就是伴随产业结构不断朝向技术化、知识化和服务化的演进，经济仍然可以保持中高位的增长，平缓“结构性减速”的剧烈波动。基于工业经济时代产业结构演进特征及发达国家的典型事实所提出的“结构性减速”理论揭示出“稳增长”与“调结构”之间的矛盾，即产业结构高级化将导致经济增速下降，但这一理论所处时代背景的基本特征和逻辑在数字经济时代可能被逐渐改变。这是因为“结构性减速”理论在行业生产率基本稳定和工业生产率高于服务业这两个工业经济时代的规律性特征下才成立，但这两个前提条件在数字时代都可能被改写甚至被颠覆。具体来说，数字经济可以缓解产业结构转型导致的经济增速下降，最终平衡两大经济目标，其作用机制主要是通过提升全行业生产率和数字化改造的行业异质性来实现的。首先，数字技术融入和渗透到工业和服务业，因为是通用性技术变革，不仅能提升效率，更重要的是，优化各行各业的生产关系和整个社会的资源配置方式，从而提升社会整体的效率水平和全要素生产率(钟世川，2014；
王恕立和滕泽伟，2015)。其次，不同行业的数字化融入与改造效果存在显著差异，而服务业生产率在数字经济时代有更大的提升空间。从古典经济学时期开始，经济学家就注意到传统服务业在生产过程中更依赖劳动要素，无法大规模使用机器设备，缺乏规模经济，外加服务产品本身具有“同步性”和“不可存储性”，导致服务业的低效率和不可远距离贸易，但这些局限在数字经济时代可能被突破。第一，信息技术的迭代更新大大加强了服务业的可贸易性，尤其是对于知识密集型服务业如教育培训、远程医疗、文化服务等，可以借助网络空间实现跨区域提供。第二，服务业的内涵与外延发生了极大改变，物流、金融、教育、科研等生产性服务业具有高效率和知识技术密集特征，已成为现代服务业体系的重要组成部分，在数字经济时代有着巨大的成长空间和发展潜力。因此，数字经济的发展为服务业生产率提升创造了极大的空间。第三，结合中国当下，消费互联网的技术和底层应用在传统生活性服务业领域铺陈的广度、深度和速度均处于领先位置，要素再配置和效率改进效应在这类行业领域也率先显现。相比之下，数字经济对工业的赋能效果差强人意，1987 年诺贝尔经济学奖获得者索洛就提出著名的“信息技术生产率悖论”，这意味着制造业数字化与智能化转型并非一蹴而就，还取决于一国劳动力结构和前期基建规模(何小钢等，2019)。除此之外，我国工业部门信息化架构间的通用性和兼容性不足，带来高昂的技术改造成本，同时制约着数字技术架构的布局，成为当前工业互联网进展较慢的重要原因。

综上所述，产生于工业经济时代的鲍莫尔-福克斯假说所阐述的行业间生产率高低及其进步速度快慢的结论在数字经济时代已然有所改变，提升全行业生产率和缩小行业间生产率差距成为数字经济缓解“结构性减速”的两个主要途径，但两者在不同发展阶段发挥的主次作用有所区别。现阶段，数字化对中国经济的渗透发端于服务业，对服务业生产率的提升效果早已显现，而工业的数字化改造仍处于初期阶段，对工业生产率的提升作用尚未完全释放，因此，相较于提升全行业生产率，缩小服务业与工业的生产率差距在缓解“结构性减速”中发挥着主导作用。但随着中国夯实实体经济根基的经济发展战略的推进，若未来能实现运用工业互联网、智能制造等新型制造模式打破“索洛悖论”，挖掘制造业的增长潜力，反过来高质量的制造业又对优化服务业结构，刺激生产性服务业增长产生积极作用，那么缓解“结构性减速”的主要力量将从缩小服务业与工业的生产率差距转化为提升全行业生产率。总而言之，数字经济可以通过提升全行业生产率和缩小行业间生产率差异来实现“稳增长”和“调结构”目标并行的经济高质量发展。基于此，提出本文的假说3。

假说3：数字经济可以打破“结构性减速”成立的两大前提，实现经济增长和产业结构转型的双重目标。

假说3a：数字经济可以通过提升全行业生产率抵消产业结构转型对经济增长的负向影响，缓解“结构性减速”。

假说3b：数字经济可以借助数字化赋能的行业异质性缩小服务业与工业的生产率差距，缓解“结构性减速”。

（一）模型构建及指标说明

1. 模型构建

本文基于省份面板数据，实证检验数字经济对经济增长和产业结构转型的具体影响。基准计量模型设定如下：

为检验“结构性减速”在中国是否成立，以及数字经济在缓解“结构性减速”最终平衡“稳增长调结构”目标中发挥的调节效应，本文构建如下计量模型：

其中，下标i 表示地区、t 表示年份；
数字经济(Dig)为核心解释变量；
Eg 和Ist 为被解释变量，分别表示经济增长和产业结构转型；
Control 为控制变量；
表示省份固定效应；
表示时间固定效应；
为随机扰动项。

2. 核心变量

(1) 数字经济(Dig)：现阶段，数字经济指标的构建方法主要分为直接法和间接法两类，前者通过直接测算数字经济规模来衡量，后者主要采用主成分分析法和文本分析法来测度。本文借鉴赵涛等(2020)研究，并根据国家统计局公布的《数字经济及其核心产业统计分类》，从计算机通信和其他电子设备制造业、电信广播电视和卫星传输服务、互联网相关服务、软件和信息技术服务和产业数字化5 个维度构建数字经济评价指标体系，使用主成分分析法测算2009—2018 年中国30 个省份的数字经济发展指数。数字经济指数测度体系如表1 所示。

表1 数字经济指数评价体系

(2) 经济增长(Eg)：发展经济学中的经济增长主要是指人均收入的增加，因此，本文采用各省份人均GDP 的增长率来衡量。

(3) 产业结构转型(Ist)：无论是一个国家还是一个地区，第三产业比重的上升往往会伴随着生产性服务业规模扩大，而生产性服务业的发展壮大又与制造业分工细化、专注核心价值创造后释放生产性服务外包需求密不可分，这也是从国际比较来看，发达国家和地区在经济发展走向发达经济体的过程中，服务业或者说第三产业的规模比例都呈快速上升之势，最终稳定在占GDP 60%左右的主要原因。当然从服务业内部构成来看，生产性服务业的比重又占到整个服务业的一半以上，甚至更高。这恰恰说明，制造业的优化升级是服务业增长和结构优化的主要推动力，因此，第三产业与第二产业的增加值之比可以视为是一种产业转型，本文使用这一指标来衡量产业结构转型。

3. 控制变量

(1)环境规制(Ers)：本文采用各省份单位产值的环境污染治理投资额来衡量。

(2)外商直接投资(Fdi)：本文采用各省份外商直接投资与GDP 之比来衡量。

(3)国外需求(Ex)：本文采用各省份出口额占GDP 的比重来衡量。

(4)政府支出(Gov)：本文将政府支出纳入控制变量并采用各省份政府支出占GDP 的比重来衡量。

(5)市场化程度(Market)：本文采用王小鲁等(2019)的中国市场化指数报告中各省份市场化总指数来衡量。

(6)资本深化(Kl)：本文采用各省份的资本投入与劳动人数之比来衡量。

4. 数据来源

本文选取2009—2018 年中国30 个省份的面板数据进行实证分析，数据来源于《中国环境统计年鉴》《中国信息年鉴》《中国统计年鉴》《中国电子信息产业年鉴》《中国工业统计年鉴》，以及各省份统计年鉴、国家统计局、中国研究数据服务平台(CNRDS)和中经网统计数据库。本文以2009 年为基期对所有以货币价值表示的数据进行价格调整。

（二）基准回归分析

为避免异常值导致的回归误差，本文在实证分析前先对所有变量进行1%的缩尾处理。其次，对FE 和RE 进行Hausman 检验，结果显示P 值小于0.0001，即拒绝原假设，应选择固定效应模型，表2 为数字经济对经济增长和产业结构转型影响的基准回归结果。其中，第(1)列和第(2)列为数字经济对经济增长影响的回归结果，根据第(1)列的回归结果可以发现，数字经济在1%的显著性水平上显著推动了经济增长。第(2)列为纳入控制变量后的回归结果，结论依然成立，因此，发展数字经济有利于实现“稳增长”目标。第(3)列和第(4)列为数字经济对产业结构转型影响的回归结果，根据第(3)列的回归结果可以发现，数字经济在1%的显著性水平上显著推动了产业结构转型。第(4)列为纳入控制变量后的回归结果，结论依然成立，因此，发展数字经济有利于实现“调结构”目标。

现阶段，中国经济正处于迈向高质量发展阶段，而从工业化发展阶段来看，还处在工业化中后期，进一步，如果从效率视角来考察，工业化水平相比其规模占比可能还低一些。因此，揭示工业经济时代特征的部门间生产率差异，如服务业部门生产率普遍低于工业部门的现实还可能长期存在。而产业结构演进，或者所谓的优化和高级化也会朝向服务业占比增加的方向演进，这意味着“结构性减速”在我国当前阶段可能无法回避，因此，“调结构”与“稳增长”目标似乎不可兼得。表2 的第(5)列为产业结构转型对经济增长影响的回归结果，可以发现，产业结构转型在5%的显著性水平上阻碍了经济增长，即验证了“结构性减速”在中国可能已经发生。这意味着产业结构转型会由于“结构性减速”效应抑制经济增长，然而，表2 的第(1)列至第(4)列表明数字经济可以同时推动产业结构转型和经济增长，这说明数字经济有利于缓解“结构性减速”，实现“稳增长”和“调结构”的双赢。为检验这一观点，本文在实证模型中纳入了数字经济与产业结构转型的交互项，第(6)列回归结果为数字经济在产业结构转型影响经济增长的调节效应，可以发现，产业结构转型与数字经济交互项的回归系数在1%的显著性水平上为正，表明虽然产业结构转型在一定程度上抑制了中国经济增长速度，但是数字经济发展显著降低了这种影响，即在一定程度上缓解了“结构性减速”。因此，基于省份层面的实证研究表明数字经济有利于平衡“稳增长调结构”目标，数字经济在产业结构转型中发挥的调节效应是缓解“稳增长”和“调结构”双重目标之间矛盾的关键。但这一调节效应仅能从结果上验证数字经济可以缓解“结构性减速”，未能深入分析其中的影响机制，无法回答数字经济如何缓解“结构性减速”这一问题。而“结构性减速”成立的两个至关重要的前提是各行业生产率稳定和行业间生产率差异明显，这意味着数字经济有可能打破“结构性减速”成立的两大前提，通过提升全行业生产率水平和缩小服务业与工业间的生产率差距来缓解“结构性减速”。为验证这一观点，本文将在第四部分基于行业层面展开进一步分析。

表2 基准回归结果

（三）稳健性检验和内生性问题

1. 稳健性检验

为保证基准回归结果稳健可靠，本文采用替换被解释变量、解释变量和滞后解释变量3 种方法进行稳健性检验。首先，替换产业结构转型指标，采用第三产业增加值与第一、二产业增加值之和的比值来衡量。其次，替换数字经济指标，一是借鉴刘军等(2020)的做法，采用NBI 指数权重确定法进行赋权，重新测算数字经济发展指数；
二是参考白雪洁等(2022)的方法，从数字化赋权基础设施、数字化交易和数字化媒体3个方面测算各地区数字经济规模，并取对数进行实证检验。最后，考虑到数字经济对经济增长和产业结构转型的影响可能存在滞后效应，为此，本文将核心解释变量滞后一期，对基准计量模型进行重新估计。稳健性检验结果见附录表2 和表3(扫描本文首页二维码获得，下同)，表明本文基本结论是稳健可靠的。

2. 内生性问题

尽管本文在理论部分阐明了数字经济对“稳增长”和“调结构”的影响机制，但在实证分析时难免会遭遇反向因果问题，即经济发展领先的地区，其数字经济发展水平往往越高。此外，遗漏一些重要的变量及相关指标的测量误差也可能导致内生性问题。因此，为保证基本结论的稳健性，本文借鉴黄群慧等(2019)的做法，将各地区1984年每万人电话数与上一年全国互联网用户数量的交互项作为工具变量(IV)，使用两阶段最小二乘估计(2SLS)解决内生性问题。内生性检验结果见附录表2 和表3。回归结果表明，在考虑了内生性问题之后，数字经济发展有利于推动经济增长和产业结构转型的基本结论仍成立。此外，工具变量通过了不可识别检验和弱工具变量检验，表明本文工具变量选取具有合理性。

上述地区层面的实证检验从宏观总体上验证了数字经济有利于缓解“结构性减速”，让“稳增长”与“调结构”的相悖目标可能相向而行，而下述从行业层面的实证检验是从中观的行业视角寻求数字经济影响宏观“稳增长”与“调结构”目标的内在机制，验证其是否动摇了“结构性减速”成立的两个基本前提。由于行业层面的数字经济指数难以构建，而且即便设法构建，该指标也会因为数字经济基础设施环境等因素而难以具备行业差异性。对行业而言，数字经济发展水平集中体现在由企业数字化汇聚而成的行业上。因此，本文基于2007—2019 年中国投入产出表，采用行业数字化投入指标进行实证检验。

（一）模型构建及变量说明

1. 模型构建

为分析数字化投入对行业生产率的影响及其异质性，本文基于2007—2019 年中国行业面板数据进行实证分析，计量模型设定如下：

其中，下标i 和t 分别表示行业和年份；
被解释变量为行业生产率(TFP)；
核心解释变量为数字化投入(Diginput)；
Control 表示控制变量；
表示行业固定效应；
表示时间固定效应；
为随机扰动项。

2. 核心变量

(1) 行业生产率(TFP)：全要素生产率的测算方法主要有非参数法和参数法两类，其中，非参数法主要是数据包络分析(DEA)，参数法包括随机前沿分析(SFA)、索罗残差法等。参数法依赖特定的生产函数形式和参数设定，会导致估计偏差，而非参数法虽然存在线性前沿、相对效率和权重无法反映指标重要性等局限，但可以有效克服参数法的不足。因此，本文使用基于DEA 方法的Malmquist 指数测算第二、三产业的全要素生产率。

本文采用2007—2019 年39 个行业的资本投入、劳动投入、增加值数据，测算行业生产率。其中，工业行业的资本投入使用分行业规模以上工业企业固定资产净值年平均余额指标，劳动投入使用分行业规模以上工业企业从业人员年平均人数指标，产出使用各行业增加值；
服务业分行业的资本投入使用永续盘存法进行估算，劳动投入使用服务行业城镇单位就业人员数，产出使用各行业增加值。

(2) 行业数字生产率(DTFP)：数字生产率与上述行业生产率的测算方法相同，不同的是需要在投入指标中纳入行业的数字化投入。基于2007—2019 年全国41×41部门的投入产出表，数字化投入采用通信设备、计算机及其他电子设备制造业和信息传输、计算机服务和软件业对其他行业的中间投入来衡量。

(3) 数字化投入(Diginput)：现有研究主要采用直接消耗系数和完全消耗系数衡量数字化投入(张晴和于津平，2020)。尽管直接消耗系数的计算方式简单，但不能反映出各行业部门间的间接技术经济关联，因此本文采用基于中国投入产出表的完全消耗系数对数字化投入进行衡量。具体而言，用各行业对数字经济核心产业即通信设备、计算机及其他电子设备制造业和信息传输、计算机服务和软件业的完全消耗系数表示。

3. 控制变量

(1)经济发展水平(Pgdp)：采用各行业人均GDP 的对数值来衡量。

(2)资本密集度(Capital)：采用各行业资本与就业人员之比来衡量。

(3)对外贸易(Trade)：采用各行业进出口占增加值的比重来衡量。

4. 数据来源

本文选取2007—2019 年中国39 个行业的面板数据进行实证检验，数据来源于中国投入产出表、《中国统计年鉴》、国家统计局、《中国工业统计年鉴》和《中国第三产业统计年鉴》。其中，2007—2019 年全国41×41 部门的投入产出表是采用RAS法对已有年份的投入产出表扩展得到。本文以2007 年为基期对所有以货币价值表示的数据进行价格调整。

（二）中国经济“结构性减速”的行业层面再验证

1. “结构性减速”的行业证据

基于地区层面的实证分析表明产业结构转型会阻碍经济增长，即出现“结构性减速”，而导致“结构性减速”的根本原因是工业和服务业间的生产率差异。接下来，本文基于行业层面对中国经济“结构性减速”进行再验证。图1 显示了2007—2019 年中国工业和服务业生产率及其增长率的变化趋势。本文将2007 年工业和服务业生产率的初始值固定为1，以分析生产率的时间变化趋势。从图中可以发现，①工业年均生产率显著高于服务业，且工业和服务业的生产率差异有逐渐扩大的趋势；
②工业生产率的年均增长率高于服务业，且工业生产率的年均增长率方差显著大于服务业，表明工业生产率的波动更大。因此，本文基于传统生产率的测算结果支持了服务业生产率低于工业的观点，进而从行业层面验证了中国经济结构服务化转型会导致“结构性减速”。

图1 工业、服务业的生产率及其增长率差异

2. 数字化投入对行业生产率影响的初步判断

接下来，本文将制造业划分为先进制造业和其他制造业，将服务业分为生产性服务业和生活性服务业来分析生产率在行业内部的结构性差异。图2 显示了工业和服务业生产率的结构性差异。分析发现：①根据图2(上)可知，除2012 年先进制造业生产率增长较低之外，工业生产率的增长率始终高于服务业，由此可得出与图1 一致的结论，即工业生产率显著高于服务业；
②根据图2(下)可知，生产率的增长率在行业间存在显著的结构性差异。具体而言，除2009 年和2014 年略高之外，先进制造业生产率的增长率低于其他制造业；
生产性服务业生产率的增长率低于生活性服务业；
③通过对比传统生产率和数字生产率可以发现，传统制造业与先进制造业的传统生产率走势相似，且前者略高，生活性服务业的传统生产率增长率始终高于生产性服务业，但传统制造业的数字生产率增长率显著高于先进制造业，生活性服务业的数字生产率增长率路径几乎与先进制造业相似。这表明传统制造业的数字化改造效果优于先进制造业，生活性服务业的数字化改造效果优于生产性服务业。而从我国服务业的内部构成来看，生活性服务业的占比远高于生产性服务业，数字化投入对生活性服务业的这种生产率提升效果会缩小原本存在的服务业与制造业的生产率差距。当然，数字化投入对传统制造业的生产率提升效应也比较大，不过因为制造业的内部构成中传统制造业的比例日趋下降，其对制造业整体的生产率提升效果从幅度上可能低于生活性服务业对服务业整体的生产率提升效果，从而在一定程度上缩小工业经济时代的制造业与服务业的生产率差距，对“结构性减速”产生某种阻力。这初步表明数字化改造对行业生产率产生重要影响，且这种影响存在显著的行业异质性。

图2 工业、服务业的生产率增长率结构性差异(上图为传统生产率，下图为数字生产率)

（三）数字化投入对行业生产率的实证检验及异质性分析

上述分析表明数字化改造会对行业生产率产生影响，接下来，本文基于2007—2019 年39 个行业的面板数据对这一影响展开实证检验。根据Hausman 检验的结果选择固定效应模型，表3 报告了数字化投入对行业生产率影响的回归结果。根据表3 第(1)列的回归结果可以发现，数字化投入每提高1 单位将显著推动生产率提升约0.014个单位，第(2)列为纳入控制变量后的回归结果，数字化改造显著提升了行业生产率的结论依然成立。第(3)列和第(4)列为行业异质性的回归结果，根据回归结果可以发现，数字化改造对服务业生产率的提升效果要远远优于工业，这说明服务业通过数字化改造可以缩短与工业生产率的差距，也证实了图2 表达的结果，即生活性服务业的数字化改造促使其生产率有超越先进制造业的趋势。这一结果也表明，互联网对我国产业的融合渗透是从服务业发端，这种行业间的生产率提升因为偏向生活性服务业，使得数字经济对服务业整体的生产率提升效果明显。

表3 数字化投入对行业生产率影响的实证结果

综上所述，结合地区和行业两个层面的实证分析，可以得到以下结论：数字经济发展有助于平衡中国经济“稳增长调结构”双重目标，数字经济主要是通过发挥对产业结构转型的调节效应来缓解“稳增长”和“调结构”目标间的矛盾，而这种缓解矛盾的机制是从影响行业层面的生产率差异得以体现，一方面数字化改造有助于推动全行业生产率进步，对产业结构转型带来的经济增速下降有一定的缓冲作用；
另一方面，数字化改造的生产率提升效应存在显著的行业异质性，整体上对服务业生产率的推动作用要高于工业，而且由于当前我国的服务业中传统服务业占比更大，以工业经济时代的产业间生产率延续到后工业时代的产业结构比例变化后得到的“鲍莫尔成本病”理论，在数字经济渗透改造传统服务业产生更大的生产率提升效果后，工业和服务业的生产率差距大大缩小，从而缓解“结构性减速”进程。

（四）稳健性检验

为保证基准回归结果稳健可靠，本文采用两种方法进行稳健性检验。首先，替换被解释变量，一是使用Super-SBM 模型重新测算行业全要素生产率；
二是采用劳动生产率替代全要素生产率，对基准计量模型进行重新估计。其次，替换解释变量，一是采用各行业对数字产业即通信设备、计算机及其他电子设备制造业和信息传输、计算机服务和软件业的直接消耗系数(Dirdiginput)来衡量数字化投入；
二是采用各行业对数字产业即通信设备、计算机及其他电子设备制造业的完全消耗系数(Hdiginput)来衡量数字化投入；
三是采用各行业对信息传输、计算机服务和软件业的完全消耗系数(Sdiginput)来衡量数字化投入，对基准计量模型进行重新估计。稳健性检验结果见附录表5。综合来看，本文研究结论具有较好的稳健性。

（五）基于细分行业数字化改造的生产率提升效应分析

以上分析内容揭示出本文的研究发现和据此可能得出的政策主张，即政府可以通过发展数字经济、推动行业数字化改造，在平衡“稳增长调结构”目标中取得鱼与熊掌兼得的效果，且基于行业层面的实证分析也表明数字化改造的生产率提升效果存在显著的行业异质性，而政府对整个社会的数字化基础设施和公共服务网络建设，以及企业的数字化改造都需要大量的资金投入，不可能所有行业齐头并进，但优先顺序的确定不应该也不可能由政府主导，因此，各行业前期的数字化应用效果可以作为政府激励、引导或鼓励性政策制定的主要依据之一。同时，进一步明晰数字化改造效果的行业差异性，梳理行业间的关系特征，可以为行业内企业数字化改造的策略选择等提供一定的经验证据。本文基于39 个细分行业的传统生产率和数字生产率测算结果，进一步分析数字化改造对细分行业生产率的提升效果。为便于分析，本文记39 个行业的行业编码为I1-I39。

图3 显示了39 个行业传统生产率、数字生产率的大小及两种测算方法下年均生产率的排名变化。从图中可以发现：①整体而言，传统生产率较高的行业，其数字生产率也普遍较高，这表明数据要素的价值体现在与其他生产要素的融合作用之中，生产率较高行业的数字要素利用效率更高，数据要素赋能传统要素后产生了要素再配置的积极效应，进一步推动了该行业生产率提升；
②虽然数字化改造能够提升行业生产率，但生产率提升效果在细分行业中存在较大差异。本文先后计算传统生产率和数字生产率的行业排名，并通过对比纳入数字化投入后的行业排名变化来分析数字化改造对行业生产率提升的效果差异。如图3 所示，相较于其他工业行业，数字化改造对纺织业、纺织服装鞋帽皮革羽绒及其制品业、造纸印刷及文教体育用品制造业、化学产品、通用设备制造业、专用设备制造业及交通运输设备制造业生产率提升效果较差。这一研究发现在一定程度上说明，数字化改造需要一个相对健康的行业肌体环境，上述几类生产率提升效果不明显的工业行业，近年来大多遭遇产能过剩，价值链中低端锁定等困境，数字化改造并不能够化腐朽为神奇。对这类行业而言，通过供给侧结构性改革，优化要素资源再配置，提升行业自身的健康运行水平后再进行数字化改造，获取数字经济的生产率提升效应可能更为现实，否则可能被裹挟到数字化洪流中，付出巨大的数字化改造成本却事倍功半。相较于其他服务业，数字化改造对交通运输、仓储和邮政、住宿和餐饮业、金融及房地产业的提升效果更好。这再次印证了数字化改造对服务业的生产率提升作用主要体现在传统服务领域，对传统服务业发挥了某种逆势上扬的效果，有利于改变工业、服务业及服务业内部行业间的生产率差异格局，为“稳增长”与“调结构”并举的鱼与熊掌兼得效应发挥关键作用。由此可得，产业数字化改造是一项系统工程，需要考虑数字化投入推动生产率进步的行业差异，政府一方面要承担新型基础设施的主要供给者(并非唯一供给者)的责任，另一方面，需要结合行业发展需求与国家经济社会发展的总体目标，以时序化的行动方案，引导在经济意义上有限的数字资源配置到能够产生更高生产率促进效应的行业中，防止以数字化之名掀起新一轮的投资潮涌，基于此，政府对数字化改造和数字经济的审慎乐观引导可能是更必要的一种选择。

图3 39个行业数字化改造的生产率提升效应

以新一代信息技术为支撑的物联网、大数据、云计算、人工智能等数字经济与实体产业加速融合，为处在低生产率循环的实体产业注入创新活力，可能打破“结构性减速”的生产率前提，为平衡“稳增长调结构”目标带来新的机遇。本文在阐述数字经济对“稳增长”“调结构”及其交互作用影响的理论基础上，基于地区和行业两个层面的面板数据展开实证检验。研究结果表明，①现实中已经发生的即使是由非合理的“脱实向虚”带来的产业结构转型，也会对中国的经济增长产生一定阻碍作用，验证“结构性减速”的一般规律在中国同样成立；
②数字经济能平衡“稳增长调结构”目标，其在产业结构转型影响经济增长中发挥的调节效应成为缓解“结构性减速”的关键，这一调节效应主要通过提升全行业生产率和缩小行业间生产率差距得以实现，也即打破工业经济时代“结构性减速”理论成立的两个前提条件，具体作用机制在行业层面得到解释；
③工业生产率及其增长率高于服务业，且存在结构性差异，满足“结构性减速”的生产率前提；
④数字化改造有助于提高全行业生产率，且对服务业生产率的提升效果要优于工业，一方面，数字化改造的全行业生产率提升效应可以部分抵消产业结构转型对经济增速的负向影响，另一方面，行业的数字化改造缩小了服务业与工业之间的生产率差距，特别是作为“结构性减速”成立条件的传统服务业的低生产率水平得以大幅提升，延缓了“结构性减速”进程，这为实施差异化的数字化建设来平衡“稳增长调结构”目标提供依据；
⑤基于39 个细分行业的异质性分析，表明数字化改造的生产率提升效应在行业内部具有较大差异，这是市场化资源配置的结果，同时也说明如果政府要从数字化平台搭建等公共基础设施投入方面发挥对产业升级的支持作用，就需要以数字资源配置效率为标尺进行更具针对性的施策。

本文研究为政府细化功能性公共政策，把握数字技术和数字经济的通用性技术变革机遇，平衡“稳增长调结构”目标提供了以下政策启示。①培育数字经济赋能的产业生态，为数字产业化的新业态、新模式、新服务、新产品的推广应用创造相对宽松的市场环境，以公共性服务平台建设鼓励支持中小型创新企业的数字产业化创新创业活动。②将数字技术置于创新驱动和创新中国建设的基础性地位，对数字技术创新链进行由公共品向私人品的梯度划分，对芯片、集成电路、基础原材料等数字核心技术“卡脖子”领域实施原始创新攻关，集合国家科技力量，逐渐锻造核心关键技术和产品的自立自给能力，稳定中国产业数字化改造的数字产品和服务供给，使产业数字化成为数字产业化的有力需求拉动。③采取积极甚至是适度超前的原则加强数字化基础设施建设，充分发挥地方政府、国有公用设施企业、行业内龙头企业在数字化基础设施建设方面的积极性，以投融资方式改革给予数字化基础设施建设主体以合理的投资补偿机制。加强数字技术和数字经济发展所需的各类专业化、专门化人才教育和人力资本养成制度建设，完善要素支撑环境。④从促进数字经济与实体经济高效融合的角度制定传统产业数字化改造的实施策略，以生产率提升空间为标准，在前期释放数字经济渗透改造传统服务业的生产率提升效果基础上，将重心转移到制造业和工业领域。政府需要充分尊重市场在要素资源配置中的决定性作用，坚持效率优先、因地制宜原则，为将数字资源优先配置到生产率可提升更大空间的行业中创造条件，切勿简单复制推广某一行业的数字化改造经验，尤其是对政府的引导性公共资源投入，更应探寻生产率选择标准，避免“大水漫灌”式的公共资源投入。⑤健全激励和规制机制，为数字经济发展营造良好的制度环境。企业既是数字化改造的需求者，也是数字技术和产品研发生产的供给者，政府需激励勇于率先开展数字化改造的企业，通过完善产权制度和保障数据安全，为企业的数字化改造提供安全保障。鼓励企业积极开展产学研合作，探索企业、社会及政府协同治理模式，明确反垄断的对象、目标和手段，通过政策创新完善数字反垄断政策，为稳步推动企业数字化改造提供制度保障，激发产业竞争发展的活力。

猜你喜欢 生产率结构性产业结构 中国城市土地生产率TOP30决策(2022年7期)2022-08-04私募股权投资对产业结构升级的影响客联(2022年4期)2022-07-06国家自主创新示范区在西部产业结构优化升级中的作用党政研究(2022年3期)2022-05-25我国宏观杠杆率的结构性特征银行家(2022年5期)2022-05-24资产结构性盈利能力分析财会月刊·上半月(2022年5期)2022-05-17“新”生产率悖论？工业机器人采用对制造业生产率的影响国际商业技术(2022年4期)2022-04-21城镇化对产业结构高级化的影响研究科学与财富(2021年34期)2021-05-10我国产业结构合理化程度的差异研究智富时代(2019年6期)2019-07-24我国产业结构合理化程度的差异研究智富时代(2019年6期)2019-07-24跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13 相关热词搜索：层面，平衡，目标，