王 軍 張 毅 馬 驍

(首都經(jīng)濟(jì)貿(mào)易大學(xué)，北京 100070)

一、引言

長(zhǎng)期以來(lái)，我國(guó)依賴要素的大量投入實(shí)現(xiàn)了經(jīng)濟(jì)高速增長(zhǎng)，但這種以資本、勞動(dòng)投入為主的粗放式增長(zhǎng)難以為繼且欠缺發(fā)展質(zhì)量(劉志彪 等，2020)。由于資本邊際報(bào)酬遞減和勞動(dòng)力成本逐年攀升，轉(zhuǎn)換經(jīng)濟(jì)增長(zhǎng)方式并尋求新的發(fā)展動(dòng)能成為宏觀經(jīng)濟(jì)進(jìn)入新常態(tài)后改革的現(xiàn)實(shí)任務(wù)。近年來(lái)，以互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)為依托的數(shù)字經(jīng)濟(jì)蓬勃發(fā)展，為我國(guó)宏觀經(jīng)濟(jì)增長(zhǎng)提供了新的內(nèi)生動(dòng)力。相關(guān)數(shù)據(jù)顯示，我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模由2005年的2.6萬(wàn)億元增長(zhǎng)到2020年的39.2萬(wàn)億元，占GDP比重躍升至38.6%(1)數(shù)據(jù)來(lái)源：https://m.yicai.com/news/101288986.html。，數(shù)字經(jīng)濟(jì)已然成為我國(guó)新一輪技術(shù)變革和產(chǎn)業(yè)升級(jí)的重要推手，為助力發(fā)展方式轉(zhuǎn)變和經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化注入了強(qiáng)勁動(dòng)力。

全要素生產(chǎn)率(Total Factor Productivity，TFP)最早由Solow(1956)提出，是宏觀經(jīng)濟(jì)學(xué)分析經(jīng)濟(jì)增長(zhǎng)源泉的重要概念與工具之一。對(duì)于我國(guó)這樣一個(gè)發(fā)展中大國(guó)而言，提高全要素生產(chǎn)率是推動(dòng)經(jīng)濟(jì)由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展的政策著力點(diǎn)之一(袁禮 等，2018)。但不容樂(lè)觀的是，近年來(lái)我國(guó)全要素生產(chǎn)率水平整體呈波動(dòng)下滑態(tài)勢(shì)(陳彥斌 等，2021)，造成這一現(xiàn)象的原因主要包括過(guò)度依賴要素投入量的外延式增長(zhǎng)方式未得到根本轉(zhuǎn)變、科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率不高、傳統(tǒng)生產(chǎn)要素在總量與成本方面的優(yōu)勢(shì)持續(xù)弱化等。如何多措并舉提高全要素生產(chǎn)率水平、推動(dòng)經(jīng)濟(jì)平穩(wěn)運(yùn)行與高質(zhì)量發(fā)展，是當(dāng)下亟待解決的關(guān)鍵問(wèn)題。

資源錯(cuò)配是影響全要素生產(chǎn)率的重要因素之一(Restuccia et al.，2008)。相對(duì)于最優(yōu)配置，資源錯(cuò)配是指資源的邊際產(chǎn)出在橫截面上不相等(Hsieh et al.，2009)，其造成的資源逆效率流動(dòng)往往導(dǎo)致生產(chǎn)率高的市場(chǎng)主體面臨要素約束和限制，而生產(chǎn)率低的市場(chǎng)主體則占據(jù)過(guò)多的生產(chǎn)要素，從而引致全要素生產(chǎn)率降低(張建華 等，2015)。改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)發(fā)展伴隨著較為嚴(yán)重的資源錯(cuò)配，其負(fù)效應(yīng)業(yè)已成為制約經(jīng)濟(jì)高質(zhì)量發(fā)展的重要因素(蓋慶恩 等，2015)。2020年，中共中央、國(guó)務(wù)院印發(fā)《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》，提出了進(jìn)一步改善資源錯(cuò)配以提升全要素生產(chǎn)率水平的切實(shí)方案。

在新發(fā)展階段，數(shù)字經(jīng)濟(jì)技術(shù)范式的引入與傳統(tǒng)生產(chǎn)組織方式的變革有機(jī)結(jié)合，成為驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)能之一(荊文君 等，2019)。那么，數(shù)字經(jīng)濟(jì)通過(guò)改善資源配置效率進(jìn)而促進(jìn)全要素生產(chǎn)率提升的作用機(jī)制是否真實(shí)存在？對(duì)這一問(wèn)題的解答有利于厘清數(shù)字經(jīng)濟(jì)發(fā)展的現(xiàn)實(shí)成效，也可以為我國(guó)“十四五”時(shí)期經(jīng)濟(jì)高質(zhì)量發(fā)展與2035年遠(yuǎn)景目標(biāo)的實(shí)現(xiàn)提供政策啟示。全要素生產(chǎn)率是一個(gè)經(jīng)濟(jì)體在科技創(chuàng)新方面綜合實(shí)力的體現(xiàn)，很大程度上取決于市場(chǎng)主體間資源的配置狀況，因此從提高資源配置效率的視角出發(fā)揭示數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響機(jī)制，對(duì)于完善現(xiàn)有研究也具有一定的學(xué)術(shù)價(jià)值。基于上述分析，本文利用2010—2019年我國(guó)30個(gè)省份面板數(shù)據(jù)，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響以及資源錯(cuò)配的中介作用。較之已有研究，本文可能的邊際貢獻(xiàn)主要包括：第一，既有文獻(xiàn)大多基于單一視角討論數(shù)字經(jīng)濟(jì)對(duì)資源錯(cuò)配或全要素生產(chǎn)率的影響，而本文將數(shù)字經(jīng)濟(jì)、資源錯(cuò)配和全要素生產(chǎn)率三者納入統(tǒng)一分析框架，論證并得出數(shù)字經(jīng)濟(jì)通過(guò)矯正資源錯(cuò)配進(jìn)而正向作用于全要素生產(chǎn)率這一研究結(jié)論；第二，通過(guò)構(gòu)建數(shù)理模型嚴(yán)格證明了各變量間的經(jīng)濟(jì)學(xué)邏輯與數(shù)量關(guān)系，完善了數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率影響機(jī)制的相關(guān)研究在數(shù)理模型構(gòu)建方面的技術(shù)處理。

二、文獻(xiàn)綜述

數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)和工業(yè)經(jīng)濟(jì)之后的一種全新的經(jīng)濟(jì)形態(tài)，具有增長(zhǎng)速度與發(fā)展質(zhì)量并重的顯著特征。既有文獻(xiàn)主要從以下三個(gè)方面論證數(shù)字經(jīng)濟(jì)、資源錯(cuò)配和全要素生產(chǎn)率的內(nèi)在關(guān)系。

一是數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響。依托互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和人工智能等技術(shù)與傳統(tǒng)工業(yè)經(jīng)濟(jì)的深度融合，數(shù)字經(jīng)濟(jì)的發(fā)展有效促進(jìn)了供給側(cè)的技術(shù)進(jìn)步和效率改善，進(jìn)而推動(dòng)了全要素生產(chǎn)率穩(wěn)步提升(郭家堂 等，2016；Acemoglu et al.，2020；邱子迅 等，2021)。從微觀層面來(lái)看，互聯(lián)網(wǎng)平臺(tái)、數(shù)字網(wǎng)絡(luò)的廣泛運(yùn)用有助于優(yōu)化企業(yè)生產(chǎn)決策，提高微觀市場(chǎng)主體的生產(chǎn)效率，最終實(shí)現(xiàn)全要素生產(chǎn)率的提升(肖利平，2018；黃群慧 等，2019)。從宏觀層面來(lái)看，數(shù)字經(jīng)濟(jì)及數(shù)字技術(shù)具有顯著的正外部性、高流動(dòng)性以及低成本傳播性，這使得數(shù)字經(jīng)濟(jì)不僅能夠有效促進(jìn)本地區(qū)全要素生產(chǎn)率提升，還可以通過(guò)空間溢出效應(yīng)牽引鄰近地區(qū)全要素生產(chǎn)率水平的提高(楊慧梅 等，2021；張焱，2021)。

二是資源錯(cuò)配對(duì)全要素生產(chǎn)率的影響。自2008年金融危機(jī)以來(lái)，我國(guó)全要素生產(chǎn)率年均增速下降1%以上(劉世錦 等，2015)，增速放緩主要源于資源配置扭曲(張少輝 等，2019)。從現(xiàn)有文獻(xiàn)來(lái)看，關(guān)于引致資源錯(cuò)配的原因，主要有兩類解釋：其一，部分研究認(rèn)為政策或制度的不合理是導(dǎo)致資源錯(cuò)配的重要原因(Epifani et al.，2011；羅德明等，2012；Restuccia et al.，2013；Alfaro et al.,2014)；其二，另一部分研究則強(qiáng)調(diào)資源錯(cuò)配主要是由競(jìng)爭(zhēng)市場(chǎng)不完善所造成的(Ziebarth，2013；Bento et al.，2017)。資源錯(cuò)配導(dǎo)致的生產(chǎn)效率低下會(huì)降低全要素生產(chǎn)率并損害經(jīng)濟(jì)總產(chǎn)出與社會(huì)福利水平(陳斌開(kāi) 等，2015；李魯 等，2016；劉宗明 等，2019；陳汝影 等，2020)。有研究表明，如果資本錯(cuò)配能夠被切實(shí)矯正，我國(guó)制造業(yè)全要素生產(chǎn)率將提高57.79%(蓋慶恩 等，2015)；更為樂(lè)觀的預(yù)測(cè)是，如果不存在資源錯(cuò)配，我國(guó)經(jīng)濟(jì)總產(chǎn)出水平將提高110%(Hsieh et al.，2009)。

三是數(shù)字經(jīng)濟(jì)影響全要素生產(chǎn)率的機(jī)制分析。數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響主要取決于數(shù)字技術(shù)的應(yīng)用程度，這是因?yàn)閿?shù)字技術(shù)能夠顯著改善資源配置效率。數(shù)字經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)傳統(tǒng)工業(yè)生產(chǎn)朝著信息化、數(shù)字化與智能化的方向轉(zhuǎn)型升級(jí)，從生產(chǎn)技術(shù)變革與經(jīng)濟(jì)范式轉(zhuǎn)換等多個(gè)方面打破了傳統(tǒng)資源配置方式的桎梏，如數(shù)字經(jīng)濟(jì)借助網(wǎng)絡(luò)優(yōu)勢(shì)降低了生產(chǎn)和交易成本，矯正了資源錯(cuò)配，進(jìn)而促進(jìn)了全要素生產(chǎn)率的提高(劉傳明 等，2020)，數(shù)字化信息平臺(tái)的普及帶動(dòng)了就業(yè)靈活性、崗位多樣性以及勞動(dòng)力信息獲取能力的提升，重塑并改善了勞動(dòng)要素配置效率(叢屹 等，2020)。此外，數(shù)字經(jīng)濟(jì)還有助于微觀市場(chǎng)主體突破地理和交易場(chǎng)所的限制，通過(guò)強(qiáng)化市場(chǎng)競(jìng)爭(zhēng)促使生產(chǎn)要素在區(qū)域間實(shí)現(xiàn)網(wǎng)絡(luò)化配置，進(jìn)而降低要素市場(chǎng)扭曲程度并優(yōu)化資源錯(cuò)配狀況(余文濤 等，2020)。市場(chǎng)扭曲程度的降低與要素配置效率的提高反映至宏觀層面，將表現(xiàn)為全要素生產(chǎn)率的提升。

綜上可知，現(xiàn)有文獻(xiàn)大多直接討論數(shù)字經(jīng)濟(jì)和全要素生產(chǎn)率之間的關(guān)系，很少將資源配置狀況納入理論分析過(guò)程。當(dāng)前，我國(guó)正面臨以數(shù)字經(jīng)濟(jì)為代表的新經(jīng)濟(jì)形態(tài)的快速發(fā)展和資源錯(cuò)配在供給側(cè)廣泛存在的經(jīng)濟(jì)事實(shí)，忽略任何一個(gè)因素都會(huì)使研究結(jié)論有失偏頗，拋開(kāi)資源錯(cuò)配單獨(dú)討論數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響很可能會(huì)高估數(shù)字經(jīng)濟(jì)發(fā)展的正向效應(yīng)，而缺少對(duì)數(shù)字經(jīng)濟(jì)的討論則容易使研究陷入舊的思維定式，從而導(dǎo)致經(jīng)濟(jì)效應(yīng)評(píng)估的準(zhǔn)確性大打折扣。因此，本文將數(shù)字經(jīng)濟(jì)、資源錯(cuò)配和全要素生產(chǎn)率納入統(tǒng)一分析框架，是對(duì)現(xiàn)有研究的有益補(bǔ)充和進(jìn)一步深化。

三、理論機(jī)制分析

本文首先構(gòu)建基準(zhǔn)模型刻畫(huà)數(shù)字經(jīng)濟(jì)時(shí)代前的傳統(tǒng)工業(yè)經(jīng)濟(jì)，由于計(jì)劃經(jīng)濟(jì)體制遺留問(wèn)題和要素市場(chǎng)化發(fā)育不成熟，當(dāng)企業(yè)的生產(chǎn)要素比例偏離最優(yōu)配置時(shí)，資源錯(cuò)配將拉低宏觀經(jīng)濟(jì)的全要素生產(chǎn)率水平，抑制經(jīng)濟(jì)增長(zhǎng)。在完成對(duì)傳統(tǒng)工業(yè)經(jīng)濟(jì)的討論后，引入數(shù)字經(jīng)濟(jì)和數(shù)字技術(shù)，以識(shí)別數(shù)字經(jīng)濟(jì)、資源錯(cuò)配與全要素生產(chǎn)率的內(nèi)在關(guān)聯(lián)和作用機(jī)理。

(一)基準(zhǔn)模型

首先，考慮一個(gè)包含N個(gè)生產(chǎn)性企業(yè)的宏觀經(jīng)濟(jì)，其中每個(gè)生產(chǎn)性企業(yè)采用形式相同的生產(chǎn)函數(shù)組織生產(chǎn)：

(1)

其中，Yi為企業(yè)的總產(chǎn)出，Ki、Li分別為企業(yè)i的物質(zhì)資本、勞動(dòng)投入，Ai為企業(yè)i的生產(chǎn)率水平。參照J(rèn)ones(2011)的建模思路，設(shè)宏觀經(jīng)濟(jì)的總產(chǎn)出Y由N個(gè)企業(yè)的產(chǎn)值Yi(i=1,…,N)以對(duì)數(shù)線性函數(shù)的形式共同決定，其表達(dá)式為：

(2)

政府的過(guò)度干預(yù)和要素市場(chǎng)的市場(chǎng)化發(fā)育滯后使得國(guó)有和非國(guó)有、大中小企業(yè)之間的生產(chǎn)要素分配和使用比例存在扭曲，例如政府對(duì)信貸市場(chǎng)的非市場(chǎng)化干預(yù)將引致信貸資本對(duì)國(guó)有企業(yè)的過(guò)度投放，造成低水平產(chǎn)業(yè)重復(fù)建設(shè)，抑或大中型企業(yè)憑借自身影響力在資本、勞動(dòng)市場(chǎng)占據(jù)優(yōu)勢(shì)，導(dǎo)致資源無(wú)法通過(guò)市場(chǎng)合理配置，進(jìn)而引發(fā)資源錯(cuò)配。假設(shè)企業(yè)在資本、勞動(dòng)要素市場(chǎng)均面臨不同程度的扭曲τKi、τLi，那么相對(duì)于完全競(jìng)爭(zhēng)市場(chǎng)上資本、勞動(dòng)要素的價(jià)格pK(0)、pL(0)而言，企業(yè)使用資本、勞動(dòng)的要素成本將受資源錯(cuò)配的影響變?yōu)閜K(τKi)和pL(τLi)，其中pK(·)、pL(·)分別為扭曲τKi、τLi在定義域上的增函數(shù)。

設(shè)N個(gè)生產(chǎn)性企業(yè)的產(chǎn)品價(jià)格為p，此時(shí)企業(yè)利潤(rùn)最大化的決策為：

(3)

假設(shè)宏觀經(jīng)濟(jì)的總物質(zhì)資本、勞動(dòng)供給量分別為K、L，且沒(méi)有生產(chǎn)要素閑置。由式(3)，設(shè)企業(yè)i在進(jìn)行利潤(rùn)最大化決策后的資本、勞動(dòng)要素使用量分別為Ki=λi(Ai,τKi,τLi)K、Li=μi(Ai,τKi,τLi)L，其中λi(Ai,τKi,τLi)、μi(Ai,τKi,τLi)分別為企業(yè)i的資本、勞動(dòng)要素使用量占宏觀經(jīng)濟(jì)資本、勞動(dòng)要素總量K、L的比例。扭曲τKi、τLi的存在一定會(huì)導(dǎo)致資源錯(cuò)配現(xiàn)象出現(xiàn)，且隨著扭曲程度的增大，企業(yè)實(shí)際采用的要素比例偏離最優(yōu)比例的程度不斷增大。將要素使用量表達(dá)式代入式(1)、(2)可得：

(4)

(5)

當(dāng)且僅當(dāng)每一個(gè)企業(yè)的生產(chǎn)要素配置比例都滿足最優(yōu)化條件，式(5)中的宏觀經(jīng)濟(jì)的全要素生產(chǎn)率才能達(dá)到最大值，同時(shí)意味著生產(chǎn)要素市場(chǎng)實(shí)現(xiàn)了最優(yōu)配置，即有λi(Ai,τKi,τLi)=λi(Ai,0,0)=θi、μi(Ai,τKi,τLi)=μi(Ai,0,0)=θi。最優(yōu)化問(wèn)題的解同時(shí)意味著，當(dāng)各生產(chǎn)性企業(yè)面臨的要素市場(chǎng)扭曲τKi、τLi均為0時(shí)，企業(yè)的生產(chǎn)要素配置比例才能達(dá)到最優(yōu)配置比例θi。一旦企業(yè)的生產(chǎn)要素配置比例偏離θi，無(wú)論相比于最優(yōu)配置比例是上升還是降低，宏觀經(jīng)濟(jì)的全要素生產(chǎn)率水平都會(huì)降低，且降低的程度由其偏離最優(yōu)配置比例的幅度所決定，本文將這種情況統(tǒng)稱為資源錯(cuò)配。

(二)數(shù)字經(jīng)濟(jì)情形

基準(zhǔn)模型刻畫(huà)了資源錯(cuò)配對(duì)全要素生產(chǎn)率的影響機(jī)制，本文將在基準(zhǔn)模型的基礎(chǔ)上納入數(shù)字經(jīng)濟(jì)的主要特征，進(jìn)一步闡釋數(shù)字經(jīng)濟(jì)、資源錯(cuò)配與全要素生產(chǎn)率的經(jīng)濟(jì)學(xué)邏輯與數(shù)量關(guān)系。伴隨數(shù)字經(jīng)濟(jì)下信息網(wǎng)絡(luò)、平臺(tái)的發(fā)展，經(jīng)濟(jì)組織結(jié)構(gòu)趨于扁平化，生產(chǎn)要素市場(chǎng)上的微觀市場(chǎng)主體能夠更加直接、廣泛地聯(lián)系，當(dāng)一單位要素的產(chǎn)出在邊際上不相等時(shí)，生產(chǎn)要素可以有效流向邊際產(chǎn)出更高的需求者，從而顯著降低資源錯(cuò)配程度，實(shí)現(xiàn)生產(chǎn)要素的配置優(yōu)化。

為了更準(zhǔn)確地闡釋數(shù)字經(jīng)濟(jì)對(duì)資源錯(cuò)配的矯正作用，本部分采用更為詳細(xì)的數(shù)學(xué)形式對(duì)資源錯(cuò)配現(xiàn)象的出現(xiàn)與緩解進(jìn)行分析。以資本錯(cuò)配為例，我國(guó)各行業(yè)普遍存在龐大的“投入-產(chǎn)出”結(jié)構(gòu)，即各生產(chǎn)性企業(yè)需要投入其他企業(yè)的產(chǎn)品進(jìn)行生產(chǎn)，同時(shí)自身的產(chǎn)品也可能被其他企業(yè)所加工，宏觀經(jīng)濟(jì)通過(guò)復(fù)雜的供應(yīng)鏈關(guān)系生產(chǎn)出最終產(chǎn)品。N個(gè)生產(chǎn)性企業(yè)的物質(zhì)資本需求量分別為Ki(i=1,…,N)，假設(shè)N個(gè)生產(chǎn)性企業(yè)的產(chǎn)出中有Mi(i=1,…,N)作為中間產(chǎn)品供應(yīng)進(jìn)入資本市場(chǎng)，當(dāng)不存在資本錯(cuò)配時(shí)，設(shè)代數(shù)形式下企業(yè)i的資本要素配置形式為：

(6)

其中，λi,s(s=1,…,N)分別為不存在要素錯(cuò)配時(shí)企業(yè)i對(duì)企業(yè)s產(chǎn)品的需求量，且有λi,s∈[0,1]，從而有λi(Ai,0,0)=λi(λi,1,λi,2,…,λi,N)=θi。當(dāng)不存在資源錯(cuò)配現(xiàn)象時(shí)，宏觀經(jīng)濟(jì)中資本要素市場(chǎng)的整體配置情況為：

(7)

其中，N×N的矩陣λ為資本要素市場(chǎng)的資源有效配置矩陣，其每一列的元素相加之和為1：

(8)

當(dāng)資源錯(cuò)配現(xiàn)象出現(xiàn)后，要素市場(chǎng)的扭曲將對(duì)矩陣λ產(chǎn)生影響，從而對(duì)各企業(yè)生產(chǎn)產(chǎn)生負(fù)向沖擊。在數(shù)學(xué)形式上，其可被視為對(duì)矩陣λ施加了一個(gè)N×N的錯(cuò)配矩陣τ，矩陣τ中的元素τi,s的數(shù)值大小與符號(hào)分別決定了企業(yè)i購(gòu)買(mǎi)企業(yè)s產(chǎn)品時(shí)面臨扭曲的程度大小和作用方向。矩陣λ和τ的所有元素共同形成要素市場(chǎng)扭曲下的資源錯(cuò)配矩陣λ*，即有：

(9)

一般情形下，要素配置不足的企業(yè)既可能獲得一部分所需的中間產(chǎn)品s(即有λi,s>τi,s>0)，也可能完全無(wú)法獲取(即有λi,s=τi,s>0)，要素配置過(guò)量的企業(yè)i可能占據(jù)了全部的閑置中間產(chǎn)品s(即有(λi,s-1)=τi,s<0)，也可能在市場(chǎng)配置上過(guò)量獲取了其中一部分(即有(λi,s-1)<τi,s<0)。錯(cuò)配矩陣τ用以刻畫(huà)一般情形下的要素市場(chǎng)配置情況，基于式(9)，定義特定企業(yè)在資本要素市場(chǎng)中面臨的整體扭曲程度為：

(10)

為了滿足數(shù)學(xué)形式上的對(duì)稱，當(dāng)式(10)輸出的值為正值時(shí)，則認(rèn)定企業(yè)i的生產(chǎn)要素整體配置不足；反之，當(dāng)式(10)輸出的值為負(fù)值時(shí)，則認(rèn)定企業(yè)i的生產(chǎn)要素整體配置過(guò)量。在宏觀經(jīng)濟(jì)實(shí)現(xiàn)數(shù)字化之前，若各生產(chǎn)性企業(yè)的生產(chǎn)要素邊際產(chǎn)出不相等并偏離資源的有效配置，資源錯(cuò)配現(xiàn)象則隨之出現(xiàn)，企業(yè)i在生產(chǎn)要素市場(chǎng)上將面臨扭曲價(jià)格pK(τKi)，這使得企業(yè)i實(shí)現(xiàn)利潤(rùn)最大化的表達(dá)式如式(3)所示，即資源配置矩陣λ*將影響企業(yè)的生產(chǎn)決策選擇與企業(yè)經(jīng)營(yíng)情況，引致資源配置效率降低。

隨著數(shù)字化平臺(tái)、網(wǎng)絡(luò)的普及應(yīng)用，原本在傳統(tǒng)經(jīng)濟(jì)情形下面臨要素市場(chǎng)扭曲的主體的境況得以顯著改善。在數(shù)字經(jīng)濟(jì)情形下，即使交易雙方未曾謀面，也能通過(guò)功能強(qiáng)大的搜索引擎和第三方交易平臺(tái)進(jìn)行交易。就企業(yè)組織生產(chǎn)而言，數(shù)字經(jīng)濟(jì)的交易機(jī)制可以有效打破地區(qū)、行業(yè)壁壘，為生產(chǎn)要素的流轉(zhuǎn)流通創(chuàng)造有利條件，從而實(shí)現(xiàn)生產(chǎn)要素的高效配置。反映到本文的理論模型中，對(duì)于特定的中間產(chǎn)品供給者s，市場(chǎng)扭曲的存在促使其以差異性價(jià)格向不同的中間產(chǎn)品需求者提供生產(chǎn)要素，面臨較低要素價(jià)格的需求者i傾向于占據(jù)更多的生產(chǎn)要素，而面臨較高要素價(jià)格的需求者i*則無(wú)法獲取到合意的資源配置量，這就導(dǎo)致資源配置過(guò)度((λi,s-1)<τi,s≤0)和配置不足(λi*,s>τi*,s≥0)現(xiàn)象在要素市場(chǎng)上同時(shí)存在。而數(shù)字經(jīng)濟(jì)提供的交易機(jī)制賦予特定的中間產(chǎn)品供給者s以公平價(jià)格售賣(mài)生產(chǎn)要素的動(dòng)機(jī)和能力，即通過(guò)將面臨較低要素價(jià)格的需求者i占有的過(guò)量生產(chǎn)要素配置給面臨較高要素價(jià)格的需求者i*，由此特定的中間產(chǎn)品供給者s的總收益將顯著上升，公平價(jià)格的實(shí)現(xiàn)也使得要素的邊際報(bào)酬在橫截面上相等，從而矯正資源錯(cuò)配；對(duì)于特定的中間產(chǎn)品需求者i和i*，數(shù)字經(jīng)濟(jì)引致的生產(chǎn)要素流轉(zhuǎn)流通將糾正占據(jù)過(guò)量資源的需求者i的生產(chǎn)行為，如果釋放的資源可以被準(zhǔn)確、有效配置至面臨資源短缺的需求者i*，則需求者i*的產(chǎn)出水平和生產(chǎn)效率也將得到切實(shí)改善。由此可見(jiàn)，數(shù)字經(jīng)濟(jì)優(yōu)化了要素市場(chǎng)上供需雙方的生產(chǎn)組織行為，對(duì)資源錯(cuò)配起到了矯正作用。從數(shù)學(xué)意義上看，矯正作用相當(dāng)于對(duì)錯(cuò)配矩陣τ施加了一個(gè)N×N的矯正矩陣κ：

(11)

其中，Di(i=1,…,N)為N個(gè)企業(yè)各自的數(shù)據(jù)獲取量。考慮到“創(chuàng)造性破壞”與個(gè)體隱私，擁有數(shù)據(jù)的市場(chǎng)主體可能不會(huì)選擇公開(kāi)個(gè)人數(shù)據(jù)，企業(yè)獲取自身所需的數(shù)據(jù)量Di需要付出成本，設(shè)數(shù)據(jù)要素的價(jià)格為pD。在施加矯正矩陣κ后，錯(cuò)配矩陣τ將變?yōu)殄e(cuò)配矯正矩陣τ*，即有Matrix τ*=Matrix τ-Matrix κ。在數(shù)字經(jīng)濟(jì)中，要素市場(chǎng)的資源配置矩陣λ不再受錯(cuò)配矩陣τ的影響，而是與錯(cuò)配矯正矩陣τ*共同輸出數(shù)字經(jīng)濟(jì)下的資源配置方案λ**，即有Matrix λ**=Matrix λ-Matrix τ*。

隨著企業(yè)獲取的數(shù)據(jù)量增大，數(shù)字經(jīng)濟(jì)的矯正作用將顯著提升，定義矩陣中各元素的期望值為Eτ*,i,s(Di)，錯(cuò)配矯正矩陣τ*的方差為Ωτ*(Di)(i=1,…,N)，則有：

Eτ*,i,s(Di)=Eτ*,i,s[τi,s-κi,s(Di)|Di]

(12)

從數(shù)學(xué)意義上看，數(shù)字經(jīng)濟(jì)及數(shù)字技術(shù)的引入將使得期望值Eτ*,i,s(Di)趨向并收斂于零扭曲，同時(shí)使方差Ωτ*(Di)逐漸降低：

(13)

(14)

由式(14)，結(jié)合式(12)、(13)可知，隨著企業(yè)掌握的數(shù)據(jù)量Di的提高，無(wú)論是資源配置不足抑或資源配置過(guò)度，企業(yè)i在資本要素市場(chǎng)中面臨的扭曲程度τKi都將以波幅逐漸平緩的方式趨于零扭曲，數(shù)字經(jīng)濟(jì)對(duì)資源錯(cuò)配現(xiàn)象的矯正作用逐步顯現(xiàn)，此時(shí)企業(yè)i的最優(yōu)化問(wèn)題將由式(3)轉(zhuǎn)變?yōu)椋?/p>

(15)

盡管勞動(dòng)要素市場(chǎng)出現(xiàn)資源錯(cuò)誤配置的原因與資本要素市場(chǎng)不盡相同，但數(shù)字經(jīng)濟(jì)對(duì)要素市場(chǎng)的矯正作用在定性意義上是一致的，勞動(dòng)要素市場(chǎng)的扭曲及其糾正從數(shù)理意義上與資本要素市場(chǎng)的分析也能保持一致，因此可以同理推得考慮數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)要素市場(chǎng)施加矯正作用后的企業(yè)最優(yōu)化問(wèn)題：

(16)

式(16)表明，數(shù)字經(jīng)濟(jì)從統(tǒng)計(jì)意義上降低了資本、勞動(dòng)要素市場(chǎng)的扭曲程度，并削弱了要素市場(chǎng)扭曲的波動(dòng)幅度，進(jìn)而顯著推動(dòng)了資源的有序流動(dòng)和優(yōu)化配置，改善了廣大企業(yè)的經(jīng)營(yíng)情況。在傳統(tǒng)經(jīng)濟(jì)情形下，企業(yè)i無(wú)法在數(shù)據(jù)要素市場(chǎng)獲取任何數(shù)據(jù)信息，這事實(shí)上是在數(shù)字經(jīng)濟(jì)情形下的有約束最優(yōu)化問(wèn)題的基礎(chǔ)上又施加了一個(gè)更為嚴(yán)格的約束條件，即Di(傳統(tǒng)經(jīng)濟(jì))=0，化簡(jiǎn)后的最優(yōu)化問(wèn)題表達(dá)式(16)與式(3)一致。在數(shù)字經(jīng)濟(jì)情形下，企業(yè)i在進(jìn)行最優(yōu)化問(wèn)題求解時(shí)面臨更為松弛的約束條件，這表明企業(yè)i在數(shù)字經(jīng)濟(jì)情形下的數(shù)據(jù)獲取量Di(數(shù)字經(jīng)濟(jì))必然不低于傳統(tǒng)經(jīng)濟(jì)情形下的零水平，數(shù)字經(jīng)濟(jì)矯正資源錯(cuò)配的正向效應(yīng)顯著存在。

(17)

(18)

其中，ΩK、ΩL分別為宏觀經(jīng)濟(jì)中各企業(yè)的生產(chǎn)要素配置比例偏離最優(yōu)配置比例的總方差。式(17)、(18)的經(jīng)濟(jì)學(xué)意義是，在數(shù)字經(jīng)濟(jì)情形下，生產(chǎn)要素將在各生產(chǎn)性企業(yè)之間更為高效地配置，各企業(yè)的生產(chǎn)要素配置比例相比于其在傳統(tǒng)經(jīng)濟(jì)情形下在整體上更貼近于最優(yōu)配置比例，此時(shí)資源錯(cuò)配程度顯著降低，生產(chǎn)要素配置更加優(yōu)化，即有：

(19)

(20)

設(shè)TFP(D)和TFP(0)分別為數(shù)字經(jīng)濟(jì)和傳統(tǒng)經(jīng)濟(jì)下的全要素生產(chǎn)率水平，聯(lián)立式(5)、(19)、(20)，可以得到TFP(D)>TFP(0)，即數(shù)字經(jīng)濟(jì)下的全要素生產(chǎn)率水平相比于傳統(tǒng)工業(yè)經(jīng)濟(jì)顯著提升。

基于上述理論分析，本文提出：

假設(shè)1：數(shù)字經(jīng)濟(jì)發(fā)展對(duì)宏觀經(jīng)濟(jì)全要素生產(chǎn)率水平起正向促進(jìn)作用。

假設(shè)2：數(shù)字經(jīng)濟(jì)的引入將切實(shí)矯正要素市場(chǎng)上廣泛存在的資源錯(cuò)配，資源配置狀況的改善將進(jìn)一步引致全要素生產(chǎn)率水平的提升。

假設(shè)3：數(shù)字經(jīng)濟(jì)對(duì)資源配置的改善效應(yīng)受要素種類(資本或勞動(dòng))或配置狀況(過(guò)度或不足)的影響，其具體大小和方向有待進(jìn)一步的定量分析。

四、計(jì)量模型、變量與數(shù)據(jù)說(shuō)明

(一)基準(zhǔn)模型設(shè)定

為考察數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響，建立如下基準(zhǔn)模型：

TFPi,t=α0+α1deii,t+α2controli,t+λi+ut+εi,t

(21)

其中：TFPi,t為被解釋變量全要素生產(chǎn)率指數(shù)，deii,t表示i省份在t年的數(shù)字經(jīng)濟(jì)發(fā)展水平，controli,t表征一系列控制變量合集；α0為常數(shù)項(xiàng)，α1表征數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的參數(shù)估計(jì)結(jié)果，α2表示一系列控制變量的參數(shù)估計(jì)結(jié)果；λi代表省份固定效應(yīng)，ut代表年份固定效應(yīng)，εi,t為隨機(jī)擾動(dòng)項(xiàng)。

(二)中介效應(yīng)模型設(shè)定

本文采用Baron et al.(1986)提出的依次檢驗(yàn)法考察資源錯(cuò)配的中介效應(yīng)，其檢驗(yàn)程序具體如式(22)～(25)所示：

TFPi,t=β0+β1deii,t+β2controli,t+λi+ut+εi,t

(22)

τKi,t=β3+β4deii,t+β5controli,t+λi+ut+εi,t

(23)

τLi,t=β6+β7deii,t+β8controli,t+λi+ut+εi,t

(24)

TFPi,t=β9+β10deii,t+β11τKi,t++β12τLi,t+β13controli,t+λi+ut+εi,t

(25)

中介效應(yīng)檢驗(yàn)邏輯為：首先，檢驗(yàn)系數(shù)β1是否顯著。若具有統(tǒng)計(jì)顯著，則進(jìn)行下一步檢驗(yàn)；若不顯著，也應(yīng)繼續(xù)下一步檢驗(yàn)。其次，檢驗(yàn)系數(shù)β4和β7，若兩者都顯著，則進(jìn)一步檢驗(yàn)β10的顯著性，β10顯著為部分中介，β10不顯著則為完全中介。

(三)變量說(shuō)明

1.被解釋變量：全要素生產(chǎn)率(TFP)

本文采用DEA-Malmquist指數(shù)對(duì)全要素生產(chǎn)率(TFP)進(jìn)行測(cè)算，該方法集合了非參數(shù)估計(jì)與數(shù)據(jù)包絡(luò)分析的優(yōu)勢(shì)，能夠更大程度地減輕因生產(chǎn)函數(shù)誤設(shè)帶來(lái)的測(cè)度誤差。該方法被廣泛應(yīng)用于全要素生產(chǎn)率(TFP)的測(cè)度之中(高帆，2015)，其測(cè)算方法如下：

(26)

Kt=It/Pt+(1-δt)Kt-1

(27)

其中：Kt表示當(dāng)期的固定資本存量；It為當(dāng)期的名義固定資本形成額；Pt為固定資產(chǎn)投資價(jià)格指數(shù)；δt表示折舊率，取9.6%；Kt-1表示上一期的固定資本存量。

2.核心解釋變量：數(shù)字經(jīng)濟(jì)(dei)

本文使用線性加權(quán)法從4個(gè)維度對(duì)我國(guó)30個(gè)省份(不含港澳臺(tái)以及西藏)2010—2019年數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行測(cè)算，包括信息通信基礎(chǔ)設(shè)施、ICT初級(jí)應(yīng)用、企業(yè)數(shù)字化發(fā)展和數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展。參照劉軍等(2020)，本文設(shè)置如表1所示的數(shù)字經(jīng)濟(jì)指數(shù)測(cè)度指標(biāo)體系，對(duì)30個(gè)省份的數(shù)字經(jīng)濟(jì)發(fā)展情況進(jìn)行全面概述。

表1 數(shù)字經(jīng)濟(jì)指數(shù)評(píng)價(jià)指標(biāo)體系

在確定指標(biāo)體系后，數(shù)字經(jīng)濟(jì)指數(shù)測(cè)度具體過(guò)程如下：

第一步，標(biāo)準(zhǔn)化處理。為便于指標(biāo)比較，消除指標(biāo)之間的量綱差別，采用最大值、最小值標(biāo)準(zhǔn)化法進(jìn)行處理。因?yàn)樗x指標(biāo)都是正向指標(biāo)，所以公式為：

(28)

其中，Xi,j表示第i(i=1，…，30)個(gè)對(duì)象的第j(j=1，…，13)個(gè)指標(biāo)的原始數(shù)據(jù)，Yi,j表示第i個(gè)對(duì)象的第j個(gè)指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)。

第二步，確定權(quán)重。由于本文數(shù)字經(jīng)濟(jì)原始指標(biāo)較多，且在測(cè)度整體數(shù)字經(jīng)濟(jì)發(fā)展水平時(shí)需要捕捉每個(gè)指標(biāo)的信息和權(quán)重，因此準(zhǔn)確刻畫(huà)每個(gè)指標(biāo)的權(quán)重尤為關(guān)鍵。對(duì)于賦權(quán)方法，目前學(xué)界較為常用的有AHP和熵權(quán)法。相對(duì)于AHP法，熵權(quán)法較少受主觀干擾，可以根據(jù)信息熵計(jì)算出各指標(biāo)的熵權(quán)得到較為合理的指標(biāo)權(quán)重。因此，本文選擇熵權(quán)法刻畫(huà)指標(biāo)權(quán)重。

第三步，計(jì)算數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)。在確定權(quán)重之后，利用式(29)對(duì)數(shù)字經(jīng)濟(jì)進(jìn)行測(cè)度：

(29)

其中，Wj表示指標(biāo)j的權(quán)重。

3.中介變量：資本錯(cuò)配和勞動(dòng)錯(cuò)配

資源錯(cuò)配是相對(duì)最優(yōu)配置而言的，測(cè)算省份層面的資本錯(cuò)配和勞動(dòng)錯(cuò)配先要從要素的價(jià)格扭曲系數(shù)入手，本文借鑒陳永偉等(2011)、白俊紅等(2018)的方法，通過(guò)測(cè)度資本錯(cuò)配指數(shù)(τK)和勞動(dòng)錯(cuò)配指數(shù)(τL)以考察各省份資本和勞動(dòng)的錯(cuò)配情況。

(30)

其中，γK和γL分別為資本和勞動(dòng)投入的價(jià)格絕對(duì)扭曲系數(shù)，表示投入要素價(jià)格沒(méi)有扭曲時(shí)的加成情況。由于在實(shí)際測(cè)算中價(jià)格絕對(duì)扭曲系數(shù)很難觀測(cè)，通常需要用價(jià)格相對(duì)扭曲系數(shù)來(lái)代替：

(31)

4.控制變量

為盡可能減少遺漏變量帶來(lái)的估計(jì)偏差，參考既有文獻(xiàn)(楊慧梅 等，2021；邱子迅 等，2021；張騰 等，2021)并結(jié)合本研究實(shí)際，在模型中納入如下控制變量：對(duì)外開(kāi)放(fdi)、經(jīng)濟(jì)發(fā)展水平(pgdp)、城鎮(zhèn)化(urban)、政府干預(yù)(gov)、工業(yè)化(industry)、市場(chǎng)化(index)、金融發(fā)展效率(fe)、人力資本(human)。

本文主要變量的說(shuō)明如表2所示。

表2 主要變量說(shuō)明

(四)數(shù)據(jù)來(lái)源與變量描述性統(tǒng)計(jì)

本文原始數(shù)據(jù)主要來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》，部分缺失數(shù)據(jù)通過(guò)各省份統(tǒng)計(jì)年鑒進(jìn)行補(bǔ)充。主要變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表3。

表3 主要變量的描述性統(tǒng)計(jì)

五、實(shí)證結(jié)果分析

(一)基準(zhǔn)回歸結(jié)果

基于式(21)進(jìn)行參數(shù)估計(jì)，結(jié)果如表4所示。其中，列(1)為僅控制年份固定效應(yīng)的估計(jì)結(jié)果，列(2)為納入控制變量且控制年份固定效應(yīng)的估計(jì)結(jié)果，列(3)為納入控制變量且控制省份特征變量的估計(jì)結(jié)果，列(4)為納入控制變量且同時(shí)控制省份特征變量和年份固定效應(yīng)的估計(jì)結(jié)果。本文以列(4)為參照展開(kāi)討論。由列(4)可知，核心解釋變量數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)為0.1551，且在5%的水平下顯著，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展顯著促進(jìn)了全要素生產(chǎn)率的提升，本文假設(shè)1得到驗(yàn)證。

表4 基準(zhǔn)回歸結(jié)果

(二)穩(wěn)健性檢驗(yàn)

為確保研究結(jié)論的可靠性，本文進(jìn)行了以下穩(wěn)健性檢驗(yàn)。

1.內(nèi)生性問(wèn)題的處理

考慮到全要素生產(chǎn)率較高的地區(qū)往往數(shù)字經(jīng)濟(jì)發(fā)展水平也較高，這種互為因果關(guān)系可能引發(fā)內(nèi)生性問(wèn)題，進(jìn)而導(dǎo)致估計(jì)結(jié)果出現(xiàn)偏誤。針對(duì)于此，本文采用工具變量法緩解模型可能存在的內(nèi)生性問(wèn)題。參考黃凌云等(2018)，選擇數(shù)字經(jīng)濟(jì)指數(shù)(dei)與其均值差值的三次方構(gòu)造工具變量(iv-dei(IV))，同時(shí)選擇樣本考察期前(2001—2009年)的互聯(lián)網(wǎng)普及率水平作為數(shù)字經(jīng)濟(jì)的另一個(gè)工具變量(iv-internet(IV))，分別對(duì)工具變量的有效性、弱工具變量以及過(guò)度識(shí)別進(jìn)行檢驗(yàn)，并在此基礎(chǔ)上對(duì)數(shù)字經(jīng)濟(jì)的內(nèi)生性進(jìn)行Hausman檢驗(yàn)，結(jié)果如表5所示。不難發(fā)現(xiàn)，不可識(shí)別檢驗(yàn)在1%的顯著水平上拒絕了工具變量不可識(shí)別的原假設(shè)，弱工具變量檢驗(yàn)的統(tǒng)計(jì)值至少大于10%水平上的臨界值，Sargen檢驗(yàn)不能拒絕“所有工具變量均外生”的原假設(shè)，這表明本文選取的工具變量是有效的。進(jìn)一步，Hausman檢驗(yàn)拒絕“不存在內(nèi)生性”的原假設(shè)，說(shuō)明本文核心解釋變量數(shù)字經(jīng)濟(jì)存在內(nèi)生性問(wèn)題，采用工具變量進(jìn)行實(shí)證檢驗(yàn)是必要的。

表5 內(nèi)生性檢驗(yàn)

工具變量估計(jì)結(jié)果見(jiàn)表6。由第一階段回歸結(jié)果可知，工具變量(iv-dei(IV))、(iv-internet(IV))與內(nèi)生變量數(shù)字經(jīng)濟(jì)(dei)均在1%的水平下顯著正相關(guān)；第二階段回歸結(jié)果顯示，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)分別在10%和1%的水平下顯著為正。這說(shuō)明在盡可能解決內(nèi)生性問(wèn)題后，數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率仍具有顯著的正向促進(jìn)作用，從而證實(shí)本文研究結(jié)論是穩(wěn)健的。

表6 工具變量法估計(jì)結(jié)果

2.基于準(zhǔn)自然實(shí)驗(yàn)的穩(wěn)健性檢驗(yàn)

為使研究結(jié)論更加可靠，本文借鑒邱子迅等(2021)的做法，將國(guó)家設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)(2)2016年2月，國(guó)家發(fā)展改革委、工業(yè)和信息化部、中央網(wǎng)信辦同意貴州省建設(shè)國(guó)家大數(shù)據(jù)(貴州)綜合試驗(yàn)區(qū)，這也是首個(gè)國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)。同年10月，同意在京津冀、珠三角、上海、河南、重慶、沈陽(yáng)、內(nèi)蒙古共七個(gè)區(qū)域推進(jìn)國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)。作為一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，重新進(jìn)行回歸。由于設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)存在時(shí)間先后差異，因此使用多期雙重差分模型(DID)進(jìn)行估計(jì)，模型設(shè)定如下：

TFPi,t=β0+β1digpolicyi,t+β2Xi,t+λi+ut+εi,t

(32)

其中：digpolicy為政策虛擬變量，若i省份在t年為大數(shù)據(jù)綜合試驗(yàn)區(qū)，則取值為1，否則為0；其余變量解釋與式(21)相同。本文采用系統(tǒng)廣義矩估計(jì)方法(SYS-GMM)進(jìn)行參數(shù)估計(jì)，該方法能夠有效解決傳統(tǒng)OLS回歸參數(shù)結(jié)果向上偏倚和固定效應(yīng)模型(FE)參數(shù)向下偏倚的問(wèn)題。同時(shí)，考慮到設(shè)立大數(shù)據(jù)綜合實(shí)驗(yàn)區(qū)這一實(shí)驗(yàn)并不能保證具有完全隨機(jī)性，而傾向值匹配法和倍差法的結(jié)合可以有效解決該問(wèn)題引致的選擇性偏差，因此通過(guò)協(xié)變量一對(duì)一近鄰匹配算法對(duì)樣本進(jìn)行匹配，使用匹配倍差法(PSM-DID)重新估計(jì)。表7列(1)～(4)分別報(bào)告了POLS、FE、SYS-GMM和PSM-DID的參數(shù)估計(jì)結(jié)果(3)限于篇幅，平行趨勢(shì)檢驗(yàn)和匹配倍差法的共同趨勢(shì)檢驗(yàn)結(jié)果未詳細(xì)列示。。

表7 基于準(zhǔn)自然實(shí)驗(yàn)的檢驗(yàn)結(jié)果

由列(3)可知，大數(shù)據(jù)綜合試驗(yàn)區(qū)設(shè)立(digpolicy)的回歸系數(shù)在10%的水平下顯著為正，說(shuō)明國(guó)家設(shè)立大數(shù)據(jù)綜合試驗(yàn)區(qū)有助于提升全要素生產(chǎn)率(TFP)。列(4)PSM-DID的估計(jì)結(jié)果顯示，在克服選擇性偏差問(wèn)題后，大數(shù)據(jù)綜合試驗(yàn)區(qū)設(shè)立(digpolicy)的系數(shù)值、方向和顯著性與基準(zhǔn)回歸結(jié)果相比并未發(fā)生根本性變化。上述檢驗(yàn)結(jié)果表明，前文研究結(jié)論是穩(wěn)健可靠的。

3.替換被解釋變量的測(cè)算方法

進(jìn)一步，本文替換被解釋變量的測(cè)度方法，即采用索羅余值法測(cè)算樣本省份全要素生產(chǎn)率水平(記為T(mén)FP_ols)，重新檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的影響，估計(jì)結(jié)果如表8所示。其中，列(1)是未納入控制變量但控制省份特征變量和年份固定效應(yīng)的參數(shù)估計(jì)結(jié)果，列(2)是納入控制變量和年份固定效應(yīng)而未控制省份特征變量的參數(shù)估計(jì)結(jié)果，列(3)是同時(shí)納入控制變量、省份特征變量以及年份固定效應(yīng)的參數(shù)估計(jì)結(jié)果。由列(3)可知，在替換全要素生產(chǎn)率的測(cè)度方法后，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)依然顯著為正，與表4的結(jié)果基本一致。綜上，本文研究結(jié)論的可靠性再次得到驗(yàn)證。

表8 替換被解釋變量測(cè)算方法的檢驗(yàn)結(jié)果

(三)作用機(jī)制檢驗(yàn)

1.資源錯(cuò)配的中介效應(yīng)檢驗(yàn)

前文理論分析部分指出，數(shù)字經(jīng)濟(jì)發(fā)展通過(guò)矯正資本、勞動(dòng)錯(cuò)配促進(jìn)了全要素生產(chǎn)率的提升。接下來(lái)，對(duì)這一理論邏輯進(jìn)行驗(yàn)證。對(duì)式(22)～(25)進(jìn)行估計(jì)，結(jié)果如表9所示。列(1)報(bào)告了數(shù)字經(jīng)濟(jì)(dei)對(duì)全要素生產(chǎn)率(TFP)的估計(jì)結(jié)果，從中可見(jiàn)，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)在5%的水平下顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展有助于推動(dòng)全要素生產(chǎn)率的增長(zhǎng)；列(2)、(3)是數(shù)字經(jīng)濟(jì)(dei)對(duì)中介變量資本錯(cuò)配(τK)和勞動(dòng)錯(cuò)配(τL)的參數(shù)估計(jì)結(jié)果，不難發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)均在1%的水平下顯著為負(fù)，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展有效減緩了資本和勞動(dòng)的錯(cuò)配程度；列(4)為同時(shí)納入解釋變量數(shù)字經(jīng)濟(jì)以及中介變量資本和勞動(dòng)錯(cuò)配后的參數(shù)估計(jì)結(jié)果，可以看出，數(shù)字經(jīng)濟(jì)(dei)對(duì)全要素生產(chǎn)率(TFP)的影響仍然顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)所引致的全要素生產(chǎn)率提升是通過(guò)矯正資本、勞動(dòng)錯(cuò)配實(shí)現(xiàn)的。由此，假設(shè)2得到驗(yàn)證。

表9 資本、勞動(dòng)錯(cuò)配的中介效應(yīng)檢驗(yàn)結(jié)果

2.數(shù)字經(jīng)濟(jì)對(duì)資本、勞動(dòng)配置過(guò)度和不足的影響

進(jìn)一步，將資源錯(cuò)配分為配置過(guò)度和配置不足兩種情況分別進(jìn)行檢驗(yàn)，參數(shù)估計(jì)結(jié)果如表10所示。其中，列(1)和列(2)為資本配置過(guò)度和不足的參數(shù)估計(jì)結(jié)果，列(3)和列(4)為勞動(dòng)配置過(guò)度和不足的參數(shù)估計(jì)結(jié)果。由列(1)、(2)可見(jiàn)，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)分別在1%和10%的水平下顯著為負(fù)，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展對(duì)資本配置過(guò)度和不足均具有顯著的抑制作用。列(3)的結(jié)果顯示，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)在5%的水平下顯著為負(fù)，說(shuō)明數(shù)字經(jīng)濟(jì)能夠顯著改善勞動(dòng)配置過(guò)度問(wèn)題；由列(4)可知，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)雖為負(fù)但不顯著，說(shuō)明數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)配置不足有一定改善作用，但這種作用還未充分顯現(xiàn)和有效發(fā)揮。

表10 數(shù)字經(jīng)濟(jì)對(duì)資本、勞動(dòng)配置過(guò)度和不足影響的檢驗(yàn)結(jié)果

綜上可知，數(shù)字經(jīng)濟(jì)對(duì)資本、勞動(dòng)錯(cuò)配均具有一定的矯正作用，且對(duì)資本、勞動(dòng)配置過(guò)度的改善作用顯著大于配置不足的情形，實(shí)證結(jié)果與假設(shè)2、3的預(yù)期相契合。數(shù)字經(jīng)濟(jì)對(duì)資本、勞動(dòng)過(guò)度配置的矯正和改善作用較顯著，這主要是因?yàn)椋簲?shù)字經(jīng)濟(jì)可以通過(guò)數(shù)字技術(shù)和信息網(wǎng)絡(luò)精準(zhǔn)識(shí)別出市場(chǎng)主體的要素需求，從而減少資本、勞動(dòng)要素的過(guò)度、冗余投入，大幅改變過(guò)去重投入、輕效率的情況。而數(shù)字經(jīng)濟(jì)對(duì)資本、勞動(dòng)配置不足的矯正作用較小，原因可能在于：資本、勞動(dòng)配置不足的生產(chǎn)性企業(yè)自身資源稟賦較差，實(shí)現(xiàn)要素優(yōu)化配置的自我調(diào)節(jié)能力較弱，并且這類企業(yè)的數(shù)字化轉(zhuǎn)型往往也較慢，進(jìn)而導(dǎo)致數(shù)字經(jīng)濟(jì)發(fā)展對(duì)其資源錯(cuò)配的改善效果大打折扣。

(四)異質(zhì)性分析

考慮到我國(guó)各地區(qū)在經(jīng)濟(jì)發(fā)展水平、區(qū)位條件、產(chǎn)業(yè)布局以及社會(huì)基礎(chǔ)設(shè)施等方面存在一定程度的差異，這可能導(dǎo)致數(shù)字經(jīng)濟(jì)發(fā)展對(duì)全要素生產(chǎn)率的影響呈現(xiàn)出非均衡特征。為此，本文進(jìn)一步從區(qū)域、產(chǎn)業(yè)、市場(chǎng)化程度以及數(shù)字經(jīng)濟(jì)發(fā)展水平等層面入手展開(kāi)異質(zhì)性分析。

1.分區(qū)域、分產(chǎn)業(yè)的異質(zhì)性檢驗(yàn)

表11的列(1)～(3)報(bào)告了數(shù)字經(jīng)濟(jì)對(duì)我國(guó)東、中、西三大區(qū)域全要素生產(chǎn)率影響的參數(shù)估計(jì)結(jié)果。從中可見(jiàn)，數(shù)字經(jīng)濟(jì)對(duì)三大區(qū)域全要素生產(chǎn)率的影響效應(yīng)大小呈東部、西部和中部地區(qū)依次遞減的特征。數(shù)字經(jīng)濟(jì)對(duì)東部地區(qū)全要素生產(chǎn)率的影響最顯著，這可能是因?yàn)楸本?、上海、浙江以及廣東等經(jīng)濟(jì)發(fā)展水平較高的省份較好地發(fā)揮了數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的促進(jìn)作用；數(shù)字經(jīng)濟(jì)對(duì)中部地區(qū)全要素生產(chǎn)率雖存在正向影響，但未能通過(guò)顯著性檢驗(yàn)，說(shuō)明數(shù)字經(jīng)濟(jì)對(duì)中部地區(qū)全要素生產(chǎn)率的正向作用并未充分顯現(xiàn)，中部省份需要進(jìn)一步挖掘數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的拉升作用；有趣的是，數(shù)字經(jīng)濟(jì)對(duì)西部地區(qū)全要素生產(chǎn)率的提升具有顯著促進(jìn)作用，這可能與近年來(lái)川渝貴等省份大力發(fā)展數(shù)字化產(chǎn)業(yè)密不可分。

表11的列(4)～(6)報(bào)告了數(shù)字經(jīng)濟(jì)對(duì)第一、第二和第三產(chǎn)業(yè)全要素生產(chǎn)率影響的參數(shù)估計(jì)結(jié)果。由列(4)可以看出，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)為正但不顯著，這可能與第一產(chǎn)業(yè)數(shù)字化普及應(yīng)用水平不高有關(guān)，特別是當(dāng)前農(nóng)業(yè)數(shù)字化生產(chǎn)和產(chǎn)業(yè)數(shù)字化水平較低，明顯抑制了數(shù)字經(jīng)濟(jì)對(duì)第一產(chǎn)業(yè)全要素生產(chǎn)率的促進(jìn)作用；列(5)中，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)在5%的水平下顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展顯著促進(jìn)了第二產(chǎn)業(yè)全要素生產(chǎn)率的增長(zhǎng)，這與制造業(yè)最先在生產(chǎn)、經(jīng)營(yíng)中與數(shù)字技術(shù)、數(shù)據(jù)要素廣泛融合有關(guān)，尤其是近年來(lái)我國(guó)制造業(yè)企業(yè)積極實(shí)施數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化發(fā)展戰(zhàn)略，以大數(shù)據(jù)、人工智能和工業(yè)互聯(lián)網(wǎng)為代表的數(shù)字智能技術(shù)的運(yùn)用極大地促進(jìn)了制造業(yè)產(chǎn)業(yè)的技術(shù)進(jìn)步和資源優(yōu)化配置；列(6)的結(jié)果顯示，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)為0.1005，且通過(guò)了10%水平的顯著性檢驗(yàn)，原因可能是近年來(lái)數(shù)字經(jīng)濟(jì)已逐步滲透至服務(wù)業(yè)的方方面面，如數(shù)字化貿(mào)易、智慧物流和電子商務(wù)的數(shù)字技術(shù)普及促進(jìn)了服務(wù)行業(yè)的要素自由流動(dòng)、流程優(yōu)化以及資源優(yōu)化配置，進(jìn)而推動(dòng)了全要素生產(chǎn)率的提升。

表11 分區(qū)域、分產(chǎn)業(yè)異質(zhì)性檢驗(yàn)結(jié)果

2.南北市場(chǎng)化程度的異質(zhì)性檢驗(yàn)

政策法規(guī)的非市場(chǎng)化干預(yù)是引致資源錯(cuò)配進(jìn)而導(dǎo)致全要素生產(chǎn)率下降的重要因素之一。理論上，市場(chǎng)化程度越高，越有助于資源優(yōu)化配置進(jìn)而推動(dòng)全要素生產(chǎn)率水平提升。近年來(lái)，我國(guó)南北區(qū)域在經(jīng)濟(jì)發(fā)展上的差距引發(fā)社會(huì)各界的廣泛關(guān)注，著名經(jīng)濟(jì)學(xué)家任澤平將南北經(jīng)濟(jì)發(fā)展差距歸因于市場(chǎng)化程度的差異?；诖?，本文參考李成友等(2021)的做法并遵從傳統(tǒng)南北分界方法，以秦嶺-淮河為界將樣本省份劃分為南北區(qū)域進(jìn)行異質(zhì)性檢驗(yàn)，估計(jì)結(jié)果見(jiàn)表12。其中，列(1)和列(3)是未納入控制變量但控制省份特征變量和年份固定效應(yīng)的參數(shù)估計(jì)結(jié)果，列(2)和列(4)為納入控制變量且控制省份特征變量和年份固定效應(yīng)的參數(shù)估計(jì)結(jié)果。

表12 南北市場(chǎng)化程度異質(zhì)性檢驗(yàn)結(jié)果

由列(2)可知，在南方地區(qū)省份樣本組，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)在1%的水平下顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展有助于促進(jìn)全要素生產(chǎn)率提高；列(4)的估計(jì)結(jié)果顯示，在北方地區(qū)省份樣本組，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)系數(shù)為正但不顯著，說(shuō)明數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的促進(jìn)作用未能充分顯現(xiàn)。出現(xiàn)上述結(jié)果的原因可能在于：南方地區(qū)各省份整體市場(chǎng)化程度較高，政府干預(yù)和市場(chǎng)扭曲程度相對(duì)較低，數(shù)字經(jīng)濟(jì)發(fā)展產(chǎn)生的正向效應(yīng)得到了更大程度的體現(xiàn)；而北方地區(qū)各省份則需要深化市場(chǎng)化改革以不斷增強(qiáng)本區(qū)域的競(jìng)爭(zhēng)效應(yīng)，使市場(chǎng)機(jī)制在資源配置中發(fā)揮更重要的作用，從而充分挖掘出數(shù)字經(jīng)濟(jì)發(fā)展對(duì)全要素生產(chǎn)率提升的推動(dòng)潛力。

3.數(shù)字經(jīng)濟(jì)發(fā)展水平的異質(zhì)性檢驗(yàn)

進(jìn)一步，本文還考察了不同數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)全要素生產(chǎn)率的差異化影響。依據(jù)數(shù)字經(jīng)濟(jì)發(fā)展水平的中位數(shù)，將全樣本劃分為高發(fā)展水平組和低發(fā)展水平組。在此基礎(chǔ)上，重新進(jìn)行檢驗(yàn)，結(jié)果如表13所示。由列(1)可見(jiàn)，在高發(fā)展水平組，數(shù)字經(jīng)濟(jì)(dei)的回歸系數(shù)在5%的水平下顯著為正。而列(2)低發(fā)展水平組的估計(jì)結(jié)果顯示，數(shù)字經(jīng)濟(jì)(dei)對(duì)全要素生產(chǎn)率(TFP)存在負(fù)向影響但不顯著。這說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展滯后將制約全要素生產(chǎn)率的提升，因此經(jīng)濟(jì)落后地區(qū)要多措并舉，努力提高本區(qū)域的數(shù)字經(jīng)濟(jì)發(fā)展水平，盡快縮小區(qū)域間數(shù)字經(jīng)濟(jì)發(fā)展差距。

表13 數(shù)字經(jīng)濟(jì)發(fā)展水平異質(zhì)性檢驗(yàn)結(jié)果

六、結(jié)論與啟示

本文將數(shù)字經(jīng)濟(jì)、資源錯(cuò)配和全要素生產(chǎn)率納入整體分析框架，探究數(shù)字經(jīng)濟(jì)發(fā)展對(duì)全要素生產(chǎn)率的影響以及資源錯(cuò)配的中介效應(yīng)。通過(guò)采集2010—2019年我國(guó)30個(gè)省份數(shù)據(jù)開(kāi)展實(shí)證研究，主要結(jié)論包括：(1)數(shù)字經(jīng)濟(jì)發(fā)展顯著促進(jìn)了全要素生產(chǎn)率水平的提升；(2)作用機(jī)制檢驗(yàn)結(jié)果表明，數(shù)字經(jīng)濟(jì)通過(guò)矯正資源(資本、勞動(dòng))錯(cuò)配促使全要素生產(chǎn)率顯著提升，且數(shù)字經(jīng)濟(jì)對(duì)資源配置過(guò)度存在顯著的改善作用，但對(duì)資源配置不足的影響并未充分顯現(xiàn)；(3)異質(zhì)性檢驗(yàn)結(jié)果顯示，對(duì)于東部和西部地區(qū)，第二、三產(chǎn)業(yè)，市場(chǎng)化程度較高的南方省份，以及數(shù)字化發(fā)展水平較高的區(qū)域，數(shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的正向影響更明顯。

基于上述研究結(jié)論，本文提出如下政策建議：

第一，準(zhǔn)確把握數(shù)字經(jīng)濟(jì)提高全要素生產(chǎn)率水平的作用機(jī)理，統(tǒng)籌推進(jìn)“雙輪驅(qū)動(dòng)”發(fā)展戰(zhàn)略。本文理論機(jī)制分析結(jié)果不以產(chǎn)業(yè)具體特征為轉(zhuǎn)移，數(shù)字經(jīng)濟(jì)及數(shù)字技術(shù)的引入均構(gòu)成提振生產(chǎn)效率的重要變量，這意味著當(dāng)前我國(guó)高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)的發(fā)展變遷進(jìn)程不應(yīng)割裂，經(jīng)濟(jì)政策要緊盯提高全要素生產(chǎn)率水平這一關(guān)鍵目標(biāo)。從政策著力點(diǎn)來(lái)看，要加大對(duì)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)的研發(fā)投入，完善數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)，推動(dòng)全產(chǎn)業(yè)鏈與高新產(chǎn)業(yè)集群的融通發(fā)展，為傳統(tǒng)產(chǎn)業(yè)完成數(shù)字化轉(zhuǎn)型提供良好的政策環(huán)境，以鏈群融合的方式推動(dòng)高技術(shù)產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)形成完整高效的數(shù)字產(chǎn)業(yè)生態(tài)體系，確保高技術(shù)產(chǎn)業(yè)持續(xù)對(duì)全要素生產(chǎn)率水平的提高發(fā)揮支撐作用，并引導(dǎo)傳統(tǒng)產(chǎn)業(yè)主動(dòng)融入數(shù)字化發(fā)展大勢(shì)。

第二，切實(shí)發(fā)揮數(shù)字經(jīng)濟(jì)對(duì)資源錯(cuò)配的矯正作用，實(shí)現(xiàn)生產(chǎn)要素的自由流動(dòng)與優(yōu)化配置。數(shù)字經(jīng)濟(jì)及數(shù)字技術(shù)的引入有利于廣大市場(chǎng)主體對(duì)既有生產(chǎn)行為進(jìn)行調(diào)整優(yōu)化，因此旨在實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型或引入數(shù)字技術(shù)的經(jīng)濟(jì)實(shí)踐務(wù)必要以其能否有效推動(dòng)生產(chǎn)要素的自由流動(dòng)與優(yōu)化配置為重要參考和評(píng)判標(biāo)準(zhǔn)，產(chǎn)業(yè)政策應(yīng)能夠切實(shí)激發(fā)數(shù)字技術(shù)對(duì)傳統(tǒng)要素市場(chǎng)的矯正作用，要主導(dǎo)建立全國(guó)性的數(shù)字化生產(chǎn)要素交易平臺(tái)，破除因定價(jià)機(jī)制、監(jiān)管邊界造成的區(qū)域壁壘或屏障，緩解要素市場(chǎng)扭曲，消除資源錯(cuò)配和結(jié)構(gòu)失衡，進(jìn)而促進(jìn)全要素生產(chǎn)率穩(wěn)步增長(zhǎng)。

第三，高度重視數(shù)字經(jīng)濟(jì)發(fā)展的非均衡特征，形成國(guó)民經(jīng)濟(jì)互促互補(bǔ)發(fā)展合力。如何推動(dòng)數(shù)字經(jīng)濟(jì)在各層面、多層級(jí)上均衡發(fā)展尤為重要，應(yīng)切實(shí)發(fā)揮數(shù)字化發(fā)展程度較高地區(qū)、產(chǎn)業(yè)的先發(fā)優(yōu)勢(shì)，引導(dǎo)其廣泛參與全球信息革命與產(chǎn)業(yè)重組的新進(jìn)程，避免在國(guó)際層面出現(xiàn)巨大的數(shù)字經(jīng)濟(jì)發(fā)展程度差異，同時(shí)充分重視并正確對(duì)待我國(guó)區(qū)域、產(chǎn)業(yè)層面廣泛存在的數(shù)字鴻溝，大力加快數(shù)字化發(fā)展程度較低地區(qū)、產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程。要鼓勵(lì)各地區(qū)、產(chǎn)業(yè)發(fā)揮其在數(shù)據(jù)存量、質(zhì)量與算法算力等方面的比較優(yōu)勢(shì)，優(yōu)化數(shù)字經(jīng)濟(jì)發(fā)展總體布局，推動(dòng)區(qū)域、產(chǎn)業(yè)間的數(shù)字化互聯(lián)互通，加快實(shí)施“東數(shù)西算”工程，實(shí)現(xiàn)不同地區(qū)全要素生產(chǎn)率的協(xié)同提升。