数字经济与制造业高质量发展——以江苏省为例

Digital Economy and High Quality Development of Manufacturing Industry—A Case Study of Jiangsu Province

摘要: 在数字技术全面融入经济发展的背景下，数字经济日益成为推动企业高质量发展的重要力量。本文基于2012~2021年江苏省制造业上市公司数据，探究数字经济对企业高质量发展的影响及机制。研究发现，数字经济显著促进了企业高质量发展，同时市场竞争程度对这一过程产生正向调节效应。经多种稳健性检验，结论依然成立，为推动数字经济与企业发展政策提供重要理论依据。

Abstract: Against the backdrop of the comprehensive integration of digital technology into economic development, the digital economy is increasingly becoming an important force in promoting high-quality development of enterprises. This article is based on data from manufacturing listed companies in Jiangsu Province from 2012 to 2021, exploring the impact and mechanism of the digital economy on the high-quality development of enterprises. Research has found that the digital economy significantly promotes high-quality development of enterprises, while the level of market competition has a positive moderating effect on this process. After multiple robustness tests, the conclusion still holds, providing an important theoretical basis for promoting policies related to digital economy and enterprise development.

1. 引言

随着全球科技创新步伐的加快，数字经济作为新型经济形态，正在全面渗透并深刻影响各行各业，成为推动高质量经济发展的重要引擎。数字经济的快速崛起不仅为我国经济带来了新的增长动能，也为提升制造业核心竞争力、促进产业转型升级提供了有力支撑。江苏省作为我国制造业的重要基地，面临着如何在全球竞争中把握数字经济发展机遇，进一步提升经济发展质量的重大课题。近年来，江苏省围绕数字经济建设，积极推动数字技术与传统产业的深度融合，尤其是在工业制造领域，取得了一系列创新成果。江苏在数字基础设施建设、技术创新和产业链协同等方面都取得了显著进展，逐步形成了较为成熟的数字经济发展体系。然而，尽管如此，数字经济的高质量发展仍面临技术瓶颈、人才短缺、产业转型不均等诸多挑战。

高质量发展不仅仅是经济增长的速度，更是在创新驱动、绿色发展、协调性和共享性等方面的综合体现。在数字经济的推动下，江苏省的制造业高质量发展表现为智能化转型的不断推进、资源配置效率的不断提升以及产业链的精细化管理等方面。数字技术的引入，推动了传统制造业在生产工艺、供应链管理、市场响应等多个环节的智能化和自动化，不仅提升了生产效率，也大幅度优化了资源配置，促进了经济发展质量的提升。

本文将结合江苏省数字经济发展的实际情况，分析数字经济如何在推动制造业高质量发展的过程中发挥核心作用，同时以资源配置效率与市场竞争程度为切入点，分别探究其影响机制，最后提出相应的政策建议与发展路径，以期为江苏省及其他地区在数字经济发展中的高质量转型提供有益借鉴。

2. 政策背景与理论分析

2.1. 政策背景

江苏省的制造业发展模式体现了典型的制度优势。一方面，江苏省通过完善资源要素市场化配置机制，提高了资源利用效率；另一方面，通过强化政策引导与扶持，促进了数字技术在制造业中的深度应用。这些制度背景不仅体现了国家宏观政策的延续性与区域政策的差异化，也为研究江苏制造业的数字化赋能效应提供了理论支撑。江苏省制造业在全国具有重要地位，其总产值连续多年位居全国前列，是观察中国制造业高质量发展的关键窗口。本文选择江苏制造业上市公司数据作为研究样本，具有以下创新性：(1) 区域代表性：江苏省在区域经济发展中展现出显著的经济梯度特征，包括苏南地区的先进制造业、苏中地区的快速工业化发展、以及苏北地区的工业化起步阶段。这种区域异质性为探索数字经济对不同区域的赋能效应提供了理想的研究情境。(2) 政策独特性：江苏省在国家政策框架下制定了具有地方特色的数字经济发展规划，例如江苏制造业智能化改造工程和工业互联网平台建设。这些政策不仅推动了企业的数字化进程，也为本文研究江苏企业的数字化转型与高质量发展提供了独特视角。(3) 数据丰富性：本文基于江苏省364家制造业上市公司2012~2021年的年度数据，覆盖了企业生产经营的多个维度。数据时间跨度大、样本覆盖面广，为分析数字经济赋能江苏制造业高质量发展的机制提供了坚实的数据支持。(4) 研究启示性：江苏制造业的数字化转型经验和实践路径对全国其他地区具有重要的借鉴意义。研究江苏省数字经济赋能制造业的具体机制，不仅能够验证数字经济对企业高质量发展的普遍规律，还可以为区域经济差异化发展提供理论支持和实践指导。这一研究从江苏省的实践中提炼出数字经济赋能制造业发展的经验，揭示其普遍规律和区域特点，进一步丰富了数字经济与制造业高质量发展领域的研究内容。

2.2. 理论分析

2.2.1. 数字经济与企业高质量发展

数字经济作为新一轮技术革命的重要驱动力，深刻影响了企业的生产方式、资源配置和发展路径。首先，一方面数字经济的快速发展为企业提供了广泛的技术工具，如人工智能、大数据和区块链，为制造业企业构建数字化供应链提供了持续赋能支持[1]。这些技术不但优化了企业内部的生产流程，还通过技术扩散推动了行业整体效率的提升；另一方面数字技术提升了邻近地区制造业技术创新活动的密度，提升全行业的技术创新能力，从而促进企业的可持续增长[2]。其次，数字经济通过激发技术创新潜力，推动企业全要素生产率的提升，成为企业高质量发展的内在驱动力。大数据和智能算法帮助企业快速定位市场需求，精准匹配资源，减少无效交易，电子商务的普及显著降低了流通创业门槛和经营成本，提高交易效率，电子商务和数字化支付简化了企业的交易流程，加速了资金和商品的周转效率[3]。在此基础上，数字经济还通过大幅降低交易成本，进一步释放了企业更多的资源用于创新和核心业务拓展，从而推动其高质量发展。与此同时，数字平台让中小企业能够低成本接入市场，与大型企业共同竞争，形成更加公平的竞争环境。数字技术推动了传统产业的数字化转型，数字技术的发展能辐射带动相关领域技术进步和产业发展，赋能传统产业转型升级，不断推动产业结构高级化和产业技术创新发展[4]。健康的市场竞争环境提高了企业的创新动力和市场表现，进一步推动了企业的高质量发展。最后，数字技术的发展和普及使得地理距离和边界不再是经济交流和合作的障碍，企业通过参与数字平台，能够共享知识、技术和市场资源，形成规模经济和协同效应，数字化网络让企业能够更快地与其他企业建立合作关系，加速创新和资源整合[5]。这种开放的网络结构扩大了企业的资源获取渠道，提高了市场响应能力，为高质量发展提供了更多动力。

基于此，提出本文假设：

H1：数字经济显著促进企业高质量发展。

2.2.2. 数字经济、市场竞争程度与企业高质量发展

企业的决策效果不仅取决于其内部因素，还深受外部环境的影响，其中包括政策导向和市场条件等，在众多市场环境因素中，市场竞争程度显著影响企业的数字经济水平[6]。在市场竞争激烈的环境中，企业面临更高的生存压力，需要通过持续优化内部管理、提升技术水平以及提高资源配置效率来保持竞争力，数字经济通过提供先进的技术工具和创新模式，增强企业在激烈竞争中的适应能力[7]。随着市场竞争程度的加剧，企业面临的利润压力不断增加，资源投入可能随之减少。然而，为了在激烈的竞争环境中生存和发展，企业往往需要主动寻求提升竞争力的手段。数字化转型成为一种有效的应对方式，它不仅能够帮助企业增强竞争优势，还为其在激烈的市场环境中立足提供了重要支持[8]。在高竞争市场中，企业不仅会加快数字技术的采纳以获得竞争优势，还会通过合作或技术外溢促进行业整体的技术进步。这种扩散效应能够加速整个行业的数字化转型和高质量发展。激烈的行业竞争能够有效增强企业间的合作研发意愿，同时有助于提升企业绩效，竞争压力推动企业寻找协作机会，共同应对市场挑战，从而使建立共享合作平台成为实现协同发展的重要条件[9]。在跨界竞争情境下，市场竞争能够更充分地激发平台经济的资源匹配功能，从而促进经济总量的增长，为区域经济高质量发展提供坚实的物质基础，能够推动区域经济更高效地迈向高质量发展目标[10]。

基于此，提出本文假设：

H2：市场竞争在数字经济促进企业高质量发展过程中起正向调节作用。

3. 研究设计

3.1. 样本选择与数据来源

本文选取了2012~2021年江苏省制造业上市公司的年度数据为初始样本，为了保证数据质量，本文对样本进行了如下处理：(1) 剔除当年处于ST和^*ST状态的样本；(2) 剔除数据缺失的样本；(3) 对所有连续性变量进行1%和99%分位数的缩尾处理。最后得到2069个观测值。

3.2. 变量选取与说明

3.2.1. 被解释变量

企业高质量发展(TFP_LP)。本文选择全要素生产率(TFP)衡量制造业高质量发展。为了准确估算TFP，常用的测量方法包括LP法(Levinsohn-Petrin法)、OP法(Olley-Pakes法)、OLS法(普通最小二乘法)、FE法(固定效应法)和GMM法(广义矩估计法)。不同的方法在估计过程中具有不同的优势和局限性。LP法不依赖于剔除负投资的样本，因此能够在更多的数据条件下提供精确的全要素生产率估算结果，尤其适用于那些包含非正投资数据的企业样本。参考鲁晓东与连玉君(2012)的做法[11]，本文选取LP法进行全要素生产率的测算。

3.2.2. 解释变量

数字经济(DEL)。目前关于数字经济的测算有多种方法，本文依照目前主流学派采用较多的做法，参考王军(2021)的做法[12]，从数字基础设施、数字产业化、产业数字化、数字创新能力四个维度出发，聚焦于数字经济的代表性领域，构建指标体系，具体指标选择如表1所示，样本数据主要来源于国家统计局官网、中国信息通信研究院以及工业和信息化相关研究报告和公布数据、各省份历年统计年鉴、历年中国数字经济发展报告、《中国统计年鉴》《中国信息年鉴》《中国信息产业年鉴》。据此，通过熵值法测算出DEL指数。

Table 1. Evaluation index system for digital economy

表1. 数字经济评价指标体系

一级指标	二级指标	单位
数字基础设施	互联网宽带接入端口数	万个
	互联网宽带接入用户数	万户
	移动电话基站密度	个/平方
	移动电话普及率	部/百人
	单位面积长途光缆长度	万/公里
数字产业化	软件业务收入占GDP比重	%
	信息技术服务收入占GDP比重	%
	信息服务业从业人数	万人
	电信业务总量占GDP比重	%
产业数字化	企业电子商务占GDP比重	%
	电子商务交易活动企业比例	%
	企业每百人使用计算机数	台
	每百家企业拥有网站数	个
	数字普惠金融指数	-
数字创新能力	规模以上工业企业R&D人员折合全时当量	人年
	规模以上工业企业R&D经费支出	万元
	规模以上工业企业R&D项目(课题)数	项
	技术合同成交总额	万元
	专利申请授权数	件

3.2.3. 调节变量

市场竞争程度(HHI)。赫芬达尔指数不仅能有效反映市场的竞争态势，还能够揭示市场集中度变化对行业竞争格局及企业行为的影响。在本文中，市场竞争程度通过赫芬达尔–赫希曼指数(HHI)来衡量。赫芬达尔指数是衡量市场集中度和竞争强度的重要工具，其计算方法是将市场中所有企业的市场份额平方后求和。赫芬达尔指数的取值范围从0到10,000，值越高表示市场的集中度越高，竞争程度越低；值越低则表明市场竞争较为激烈，企业数量多且市场份额分布均衡。

3.2.4. 控制变量

本文选取以下控制变量：企业年龄(FirmAge)、成长性(Growth)、资产负债率(Lev)、企业价值(TobinQ)、企业规模(Size)、现金流(Cashflow)、资产运营效率(ATO)、董事会规模(Board)、股权集中度(Top1)、独立董事占比(Indep)，见表2。

Table 2. Description of main variables

表2. 主要变量描述

变量名称	变量符号	变量定义
高质量发展	TFP_LP	LP法全要素生产率
数字经济	DEL	数字经济发展水平评价指标体系
市场竞争程度	HHI	赫芬达尔指数
企业年龄	FirmAge	企业成立时间
成长性	Growth	营业收入增长率
资产负债率	Lev	总负债除以总资产
企业价值	TobinQ	TobinQ值
企业规模	Size	企业期末总资产的自然对数

续表

现金流	Cashflow	现金流比率
资产运营效率	ATO	总资产周转率
董事会规模	Board	董事会人数
股权集中度	Top1	第一大股东持股比例
独立董事占比	Indep	独立董事占总董事会成员的比例

3.3. 模型构建

针对本文所提出的相关假设，具体模型设定如模型(1)所示：

$\text{TFP}\_{\text{LP}}_{\text{it}}={\alpha }_0+{\alpha }_1{\text{DEL}}_{\text{it}}+{\alpha }_2{\text{Controls}}_{\text{it}}+{\displaystyle \sum \text{Ind}}+{\epsilon }_{\text{it}}$ (1)

模型(1)中，TFP_LP为企业i在t时期的高质量发展水平，DEL为江苏省数字经济水平，Controls为控制变量组成的向量。Ind为行业虚拟变量，为随机扰动项。

其次，为了验证市场竞争程度的调节作用，本文构建如下模型：

$\text{TFP}\_{\text{LP}}_{\text{it}}={\lambda }_0+{\lambda }_1{\text{DEL}}_{\text{it}}+{\lambda }_2{\text{DEL}}_{\text{it}}*{\text{HHI}}_{\text{it}}+{\lambda }_3{\text{HHI}}_{\text{it}}+{\lambda }_4{\text{Controls}}_{\text{it}}+{\displaystyle \sum \text{Ind}}+{\epsilon }_{\text{it}}$ (2)

4. 实证结果与分析

4.1. 描述性统计分析

描述性统计结果见表3：全要素生产率的均值为8.145，表明大部分企业在提升技术效率、优化资源配置和推动创新方面取得了较为显著的成效，体现出江苏省制造业在高质量发展方面的整体水平。然而，尽管整体表现较好，标准差为0.750，显示出企业之间在技术进步和管理水平上的差异，这也为进一步提高全省制造业的整体发展质量提供了提升空间。在数字经济方面，DEL的均值为0.326，说明大多数企业在数字化转型和技术应用方面尚处于起步阶段，数字技术的渗透度和深度有待进一步提升。另外，所有变量的VIF值均小于10，说明模型中的多重共线性问题较小，可以进行稳健的回归分析。

Table 3. Descriptive analysis

表3. 描述性分析

变量	样本量		均值		标准差		最小值		最大值		VIF
TFP_LP	2069	8.146		0.764		5.879		11.073		-
DEL	2069	0.327		0.075		0.202		0.431		3.46
HHI	2069	0.168		0.110		0.040		0.930		1.04
FirmAge	2069	2.872		0.320		1.609		3.611		1.19
Growth	2069	0.170		0.330		−0.582		3.081		1.08
Lev	2069	0.371		0.189		0.035		0.925		1.51
TobinQ	2069	2.131		1.301		0.816		10.767		1.17
Size	2069	21.840		0.939		19.652		25.606		1.46
Cashflow	2069	0.050		0.062		−0.199		0.256		1.14
ATO	2069	0.632		0.275		0.057		2.061		1.13
Board	2069	2.069		0.182		1.609		2.565		1.88
Top1	2069	0.345		0.134		0.081		0.750		1.09
Indep	2069	37.728		5.107		28.570		57.140		1.77

4.2. 基准回归分析

基准回归结果见表4：展示了全要素生产率(TFP_LP)与数字经济影响(DEL)之间的回归分析结果。在第(1)中，DEL对TFP_LP的影响显著且为正，回归系数为1.0986，且t值为4.90，表明数字经济的影响显著促进了企业的全要素生产率，进一步证明了数字经济在推动企业高质量发展方面的积极作用。在第(2)列中，控制了其他变量后，DEL的回归系数为0.4410，且t值为6.13，依然显著，表明数字经济的影响持续对全要素生产率产生正向影响，但与第(1)列相比，回归系数有所下降，可能是因为引入了更多控制变量后，数字经济的直接效应略有弱化。在第(3)列，进一步引入了行业固定效应，DEL的回归系数为0.4928，且t值为6.46，依然显著，表明行业差异对数字经济影响全要素生产率的作用。

并不显著改变，本文假设1得到验证。此外，控制变量的回归结果也提供了一些有意义的洞察。综上所述，数字经济通过提高企业的全要素生产率促进高质量发展，这一结论在多个模型中得到了验证，同时也说明了规模、市场价值、现金流等因素在影响全要素生产率方面的重要作用。

Table 4. Benchmark regression results

表4. 基准回归结果

	(1)	(2)	(3)
	TFP_LP	TFP_LP	TFP_LP
DEL	1.0986^***	0.4410^***	0.4928^***
	(4.90)	(6.13)	(7.10)
FirmAge		−0.0155	−0.0100
		(−0.93)	(−0.62)
Growth		−0.0144	−0.0152
		(−0.92)	(−1.01)
Lev		0.0434	0.0184
		(1.35)	(0.58)
TobinQ		0.0103^**	0.0095^**
		(2.50)	(2.36)
Size		0.6060^***	0.5994^***
		(94.62)	(92.24)
Cashflow		−0.2107^**	−0.1769^**
		(−2.48)	(−2.11)
ATO		1.4347^***	1.4489^***
		(75.15)	(73.89)
oard		−0.0045	−0.0141
		(−0.12)	(−0.38)
Top1		−0.0357	−0.0441
		(−0.93)	(−1.13)
Indep		0.0010	0.0004
		(0.76)	(0.28)
Industry fe	No	No	Yes
N	2069	2069	2069
Adj R^2	0.0110	0.9120	0.9206

注：^***p < 0.01，^**p < 0.05，^*p < 0.1。下同。

4.3. 调节机制

调节机制见表表5，在模型(4)中，我们引入了数字经济(DEL)、市场竞争程度(HHI)及其交互项(interact)，以探讨市场竞争程度对数字经济影响企业高质量发展的调节作用。首先，DEL的回归系数为0.8322，且t值为6.47，表明数字经济对全要素生产率(TFP_LP)有显著的正向影响，能够有效促进企业高质量发展。HHI的回归系数为0.4745，t值为2.18，表明市场竞争程度对企业全要素生产率有一定的正向影响，尽管该结果接近显著性水平，但可以初步判断，市场竞争程度越高，企业的全要素生产率有可能得到更好的提升。然而，交互项(interact)的回归系数为−2.0258，且t值为−3.15，显示出市场竞争程度在数字经济对高质量发展影响中的显著调节作用。交互项的负值表明，当市场竞争程度较高时，数字经济对企业全要素生产率的推动效应更为显著。换句话说，在竞争激烈的市场环境中，企业面临更强的外部竞争压力，促使它们更积极地采用新技术、优化资源配置，从而数字经济对其生产率的促进作用更为明显。本模型验证了市场竞争程度在数字经济推动全要素生产率(TFP_LP)中的正向调节作用，假设2成立。

Table 5. Adjustment mechanism

表5. 调节机制

	(1)
	TFP_LP
DEL	0.8322^***
	(6.47)
HHI	0.4745^**
	(2.18)
interact	−2.0258^***
	(−3.15)
FirmAge	−0.0115
	(−0.71)
Growth	−0.0173
	(−1.15)
Lev	0.0187
	(0.59)
TobinQ	0.0101^**
	(2.50)
Size	0.6000^***
	(92.48)
Cashflow	−0.1807^**
	(−2.16)
ATO	1.4477^***
	(73.97)
Board	−0.0138
	(−0.37)
Top1	−0.0396
	(−1.02)
Indep	0.0006
	(0.47)
Industry fe	Yes
N	2110
Adj R^2	0.9119

4.4. 稳健性检验

4.4.1. 替换被解释变量

为检验本文研究结果的稳健性，采用不同的方法替代被解释变量进行回归分析，具体地，分别使用固定效应法(TFP_FE)和广义矩估计法(TFP_GMM)对企业全要素生产率的影响进行了重新评估。回归结果见表6，数字经济水平(DEL)对高质量发展水平的正向影响在不同模型中均显著成立，其中在固定效应模型中，DEL的回归系数为0.1382，在GMM模型中，系数为1.1243。两种估计方法所得结论方向一致，验证了本文核心结论的稳健性。此外，控制变量与行业固定效应均已纳入模型，并且调整后的R²分别为0.9720和0.5605，表明模型解释力较高。上述结果进一步强化了数字经济水平对企业高质量发展的关键作用。

4.4.2. 滞后一期解释变量

为进一步验证研究结果的稳健性，本文对核心解释变量(DEL)引入滞后一期变量，并对模型进行重新估计。回归结果见表6，滞后一期的数字经济水平(L1_DEL)对企业高质量发展水平(TFP_LP)的影响系数为0.588，且在1%的显著性水平上通过检验。模型的调整R²值为0.9221，表明回归结果具有较高的解释力。这一结果表明，数字经济水平对企业高质量发展的促进作用具有一定的持续性，验证了核心结论的稳健性。

Table 6. Robustness test

表6. 稳健性检验

	(1)	(2)	(3)
	TFP_FE	TFP_GMM	TFP_LP
DEL	0.1382^***	1.1243^***
	(2.58)	(9.38)
L1_DEL			0.5880^***
			(6.61)
Controls	Yes	Yes	Yes
Industry fe	Yes	Yes	Yes
N	2069	2069	1653
Adj R^2	0.9720	0.5605	0.9221

5. 研究结论与建议

本文基于2012年至2021年江苏省制造业上市公司数据，分析了数字经济对企业高质量发展的影响，并探讨了资源配置效率和市场竞争程度的中介作用与调节作用。通过一系列实证分析，得出以下主要结论：(1) 数字经济显著促进企业高质量发展。(2) 市场竞争程度在数字经济促进企业高质量发展过程中起到了显著的正向调节作用。

基于研究结论，本文提出以下政策建议：(1) 首先，江苏省应进一步加强反垄断和市场监管措施。尽管江苏省在数字经济领域已有一定基础，但与其他发达地区相比，仍存在一定的差距，尤其是在县区和农村地区的基础设施建设上。因此，建议政府加大对数字基础设施的投入，尤其是在经济较为落后的地区，通过公私合营模式(PPP)来吸引社会资本参与。为推动这一进程，政府可以制定具体的建设时间表，明确各项基础设施建设的责任部门和资金来源，并定期评估建设效果，确保各项设施的可持续运营。此外，还应鼓励南京、苏州等发达地区先行先试，重点发展智能制造、互联网+医疗等领域，作为全省数字经济发展的示范区。(2) 此外，江苏省应鼓励企业通过技术创新提升市场竞争力。当前，江苏省部分行业存在垄断现象，市场准入壁垒较高，尤其是互联网、电力和物流等行业的竞争环境仍有待完善。为此，建议政府加强反垄断政策的实施，打破行业垄断，确保市场的公平竞争。同时，可以通过优化市场监管机制，减少不必要的行政审批，鼓励更多创新型企业的进入。此外，为促进市场竞争，政府还应加大对企业技术创新的支持力度，提供税收优惠和研发补贴，特别是在高新技术产业和战略性新兴产业领域，以此推动产业的技术进步和市场活力。(3) 最后，考虑到江苏省不同地区经济发展水平的差异，政策应更加注重区域协调发展。针对经济较为落后的地区，建议政府制定具有地方特色的政策，鼓励发展数字经济和高技术产业，以缩小区域发展差距。同时，由于江苏省内中小企业占比较大，政府应出台专门政策支持中小企业的数字化转型，提供融资支持、税收减免等帮助，以提高其生产效率和市场竞争力。可以通过设立专项基金和信贷支持计划，鼓励企业在数字技术应用上进行投资和创新，并通过定期的政策评估，确保各项支持政策的效果。

基金项目

江苏现代财税治理协同创新中心资助；江苏省社科应用研究精品工程财经发展专项课题成果(24SCB-42)。

NOTES

^*通讯作者。