东北三省数字经济对新质生产力发展的影响研究

Research On the Impact of the Digital Economy in the Three Northeastern Provinces on the Development of New Quality Productivity

摘要: 多年来，数字经济蓬勃发展，逐渐成为我国经济发展的重要形态。以现代通信技术为载体、数据信息为关键要素，数字经济展现出了强大的创造力，同时也对新质生产力的发展具有强大的支撑作用。本文对2011~2023年东北三省的省级面板数据进行研究，采用熵值法构建了数字经济和新质生产力的指标体系，实证检验了数字经济对新质生产力发展的影响。研究发现：东北三省数字经济对新质生产力的发展具有显著的促进作用；从作用机制来看，技术创新水平和资源配置效率均是数字经济推动新质生产力发展的有效路径。

Abstract: Over the years, the digital economy has flourished and gradually become an important form of economic development in China. As a carrier of modern communication technology and with data information as a key element, the digital economy has demonstrated strong creativity and a powerful supporting role in the development of new quality productivity. This paper studies the provincial panel data of the three northeastern provinces from 2011 to 2023, constructs an index system for the digital economy and new quality productivity using the entropy method, and empirically examines the impact of the digital economy on the development of new quality productivity. The research finds that the digital economy in the three northeastern provinces has a significant promoting effect on the development of new quality productivity. From the perspective of the mechanism of action, both the level of technological innovation and the efficiency of resource allocation are effective paths for the digital economy to drive the development of new quality productivity.

1. 引言

十八大以来，习近平总书记高度重视数字经济的发展，并在G20杭州峰会上首次提出发展数字经济的倡议。当前，我国数字经济产业体系不断完善，数字经济发展取得显著成效。以其高创新性、强渗透性、广覆盖性为主要特征，数字经济成为我国经济发展的新形态。

生产力是推动人类社会发展进步的最终决定力量，生产力的发展状况代表着人类社会的发展水平。新数字技术、新产业模式和新动能就会逐渐催生出新的生产力。基于对此历史性变革趋势的深刻洞察和战略把握，习近平总书记在2023年首次提出要加快形成新质生产力。自新质生产力提出以来，众多学者对此展开研究。盛朝迅(2024)认为[1]，与传统生产力相比，新质生产力具备高技术含量、优资源配置、新涉及领域以及环境友好等关键特征。梁圣蓉、罗良文(2024)指出经济高质量发展、释放发展动能、构建现代化产业体系以及推进新型工业化是推动新质生产力发展的有效路径[2]。张森和温军(2024)通过构建“需求–供给–环境”三维分析框架，提出数字经济可以通过提升颠覆性创新技术、推动战略性新兴产业发展和契合新质生产力应然特征三种路径助力新质生产力的发展[3]。吴文生等(2024)通过对长三角41个城市的数据进行实证分析，表明数字经济能通过提高技术创新水平和优化就业结构来促进新质生产力的发展[4]。柳江和赵鹏睿(2025)以2011~2022年我国28个省份的数据为样本，通过实证检验了数字经济对新质生产力的推动作用，并指出这种作用是通过推动技术进步和提高技术效率来实现的[5]。燕连福、王小育(2025)通过理论分析指出要想实现数字经济赋能新质生产力，就必须优化数字人才的培养模式、加强数字技术攻关、释放数据要素活力[6]。以往研究大多聚焦在新质生产力的内涵、新质生产力的特征以及新质生产力的形成路径等等理论层面，通过量化实证分析、探究其与数字经济关系的研究还较少。东北地区是我国传统工业基地，在工业化进程中有着关键作用，但是由于产业结构固化、创新能力较弱、制度不完善等原因，近年来发展受到很大限制。数字经济作为引领全球经济变革的核心力量，与新质生产力深度融合，为东北老工业基地的转型升级提供了突破口。基于此，本文对东北三省2011~2023年的数字经济和新质生产力数据进行测算，分析数字经济推动新质生产力发展的路径。这不仅能够丰富有关新质生产力的研究，还能帮助企业和政策制定者充分把握数字经济带来的机遇和挑战，破解东北老工业基地当前发展的困境，为其转型升级带来新动能。同时，本文的研究也可为其他地区提供参考，进而推动全国范围内的转型升级，为我国的经济发展助力。

2. 研究假设

2.1. 数字经济对新质生产力的直接影响

人类社会的进步与生产力的发展紧密相连、相互促进。1990年代中期~2000年代末，我国数字技术开始在社会层面兴起，人们逐渐接触到互联网；2010年随着智能手机的广泛普及和移动互联网的发展，我国数字技术正式进入高速成长的新阶段；目前我国兴起的如人工智能、集成电路、5G网络等数字技术已经进入到追求自立自强、攻克核心技术的关键时期。这些先进的数字技术与实体经济深度融合，持续赋能产业结构升级与模式变革，就会催生出高质量的新质生产力。唐琢然(2025)指出数字经济作为全球经济体系中的重要组成部分，正在改变传统产业的布局和生产方式，能够为新质生产力的发展注入强大的动力[7]。翟绪权和夏鑫雨(2024)指出数字经济能够在微观、中观和宏观三个层面促进新质生产力的形成。数字经济通过赋能企业组织化和生态化在微观层面为新质生产力的发展提供了坚实的组织基础；数字经济与实体经济的融合在中观层面为新质生产力的发展提供了动力；数字经济通过优化知识体系在宏观层面为新质生产力的发展提供了良好的机制[8]。基于此，提出本文的核心假设：

H1：数字经济对新质生产力的发展具有推动作用。

2.2. 数字经济通过技术创新对新质生产力产生影响

赵浩兴和章一帆(2024)通过对我国2010~2021年的数据进行分析，实证检验了数字经济对技术创新的推动作用，并进一步指出其对新质生产力发展的促进作用[9]。贺奋清(2024)认为数字技术是创新驱动的前提，能够加快形成新质生产力[10]。梁盛平、欧辉等(2024)对我国31个省市数据进行实证分析，得出数字经济推动数字产业化催生出新业态和新模式，为技术发展创新提供了更广阔的空间，从而使新质生产力得到发展[11]。基于此，提出假设：

H2：数字经济通过推动技术创新水平推动新质生产力的发展。

2.3. 数字经济通过资源配置效率对新质生产力产生影响

王艳和郭玥玥等(2024)认为数字技术的应用会改变传统产业的现状，使其摆脱困境、提升效率，从而刺激新质生产力的涌现[12]。薛俊丽(2024)指出广泛应用的数字技术为传统产业升级带来了新的机遇，不仅能够引领产业改革创新，还能够优化资源配置，重塑新的经济增长模式，从而塑造更具活力的新质生产力[13]。石建勋和徐玲(2023)指出加快数字产业化进程能够使传统产业在生产运作等各个环节都引入新技术，打造数字化和智能化的发展平台，从而达到提质增效、优化管理等效果，进一步助力新质生产力的发展[14]。由此提出假设：

H3：数字经济通过提升资源配置效率推动新质生产力的发展。

下图1为数字经济对新质生产力的作用机制图。

3. 研究设计及变量说明

3.1. 模型构建

为了探究数字经济对新质生产力的影响，采用计量经济学模型对其进行定量分析，构建如下基准回归模型：

$Y_{it}={\alpha }_0+{\alpha }_1{X}_{it}+\alpha {\displaystyle \sum {\text{Controls}}_{it}+{\delta }_i+{\gamma }_t+{\epsilon }_{it}}$ (1)

Figure 1. The mechanism of digital economy on new quality productivity

图1. 数字经济对新质生产力的作用机制

为了检验中介效应在数字经济和新质生产力之间的影响，构建模型(2)和(3)。

$M_{it}={\beta }_0+\beta X_j{}_{it}+\alpha {\displaystyle \sum {\text{Controls}}_{it}+{\delta }_i+{\gamma }_t+{\epsilon }_{it}}$ (2)

$Y_{it}={\phi }_0+{\phi }_1{X}_{it}+{\phi }_2{M}_{it}+\alpha {\displaystyle \sum {\text{Controls}}_{it}+{\delta }_i+{\gamma }_t+{\epsilon }_{it}}$ (3)

其中，$Y_{it}$ 为被解释变量，表示i省份t年的新质生产力发展水平，$X_{it}$ 为解释变量，表示i省份t年的数字经济发展水平，M为中介变量，${\text{Controls}}_{it}$ 代表本文所采用的4个控制变量，i表示各省份，t代表年份，${\delta }_i、{\gamma }_t$ 分别表示地区和时间的固定效应，${\epsilon }_{it}$ 是随机扰动项。

3.2. 变量说明

3.2.1. 被解释变量

本文被解释变量是新质生产力。根据众多学者以往研究，本文主要参考王珏、王荣基[15]的研究，将新质劳动者、新质劳动资料和新质劳动对象作为一级指标，构建了新质生产力指标体系，并使用熵权法来测算指标权重，如表1。

Table 1. New quality productivity indicator system

表1. 新质生产力指标体系

变量	一级指标	二级指标	变量说明	指标权重	属性
新质 生产力	新质劳动者	高等教育人数占比	人均受教育平均年限	0.1209	正
		人均GDP	GDP/总人口	0.1194	正
		研究与试验发展(R&D)人员数量	直接数据	0.1382	正
	新质劳动资料	新产品经济投入	新产品开发经费/GDP	0.1224	正
		机器人安装密度	地区工业机器人安装数*(地区工业就业人数/全国总就业人数)	0.1553	正
		科技创新投入	研究与试验发展(R&D)经费投入/GDP	0.1184	正
	新质劳动对象	环境保护力度	环境保护支出/一般财政支出	0.1155	正
		能源强度	能源消耗量/GDP	0.1099	负

3.2.2. 解释变量

本文核心解释变量是数字经济。本文借鉴王军、朱杰[16]等人的研究，将数字基础设施、产业数字化和数字产业化作为一级指标，构建了数字经济指标体系，并使用熵值法对指标权重进行测算，结果如表2。

Table 2. Digital economy indicator system

表2. 数字经济指标体系

变量	一级指标	二级指标	变量说明	指标权重	属性
数字经济	数字基础设施	互联网宽带接入率	互联网宽带接入端口数/地区常住人口数	0.0663	正
		长途光缆线路长度	直接数据	0.1859	正
		移动电话设施规模	移动电话交换机容量	0.0856	正
	产业数字化	高技术产业企业数	直接数据	0.0936	正
		电子商务销售额	直接数据	0.1721	正
		每百家企业拥有网站数	直接数据	0.0295	正
	数字产业化	人均电信业务总量	电信业务总量/地区常住人口数	0.2698	正
		信息软件业就业人员占比	信息传输、软件和信息技术服务业城镇单位就业人员/城镇单位就业人员	0.0634	正
		移动电话普及率	直接数据	0.0337	正

3.2.3. 控制变量

选择财政支持力度(C1)、工业化水平(C2)、城镇化水平(C3)、经济发展水平(C4)作为控制变量。其中，财政支持力度用地方科学技术支出与公共财政支出比值反映；工业化水平用该地区工业增加值与GDP比值来表示；城镇化水平采用各省份城镇化人口与该地区总人口之比表示；经济发展指数采用该地区的GDP增长率来反映。

3.2.4. 中介变量

本文选择资源配置效率和技术创新水平作为中介变量，选择依据如下：

在数字经济场景中，数据成为了新的生产要素。数字经济通过对海量数据的收集、分析和利用，能够有效缓解资源错配现象，推动资源配置效率提升，因此将资源配置效率确定为首个中介变量，且采用数据要素化水平作为其衡量指标。

与此同时，数字经济通过大数据、云计算等技术手段，显著降低了研发成本，提高了创新效率，并加速了技术在不同产业间的扩散和应用，进而为新质生产力的发展提供支撑。所以选择技术创新水平作为本文的第二个中介变量，其指标选择技术市场成交额与地区生产总值的比值来衡量。

3.3. 数据来源

本文以我国2011~2023年东北三省13年的面板数据为研究样本，相关数据均来自国家统计局、中国科技统计年鉴、中国能源统计年鉴等官方数据库。本文涉及到的变量及定义如下表3：

Table 3. Variable symbols and descriptions

表3. 变量符号及说明

变量类型	变量名称	变量符号	变量定义
被解释变量	新质生产力发展水平	Y	熵值法
解释变量	数字经济	X	熵值法
控制变量	财政支持力度	C1	地方科学技术支出/公共财政支出
	工业化水平	C2	地区工业增加值/GDP
	城镇化水平	C3	地区城镇人口/总人口
	经济发展水平	C4	地区当年GDP − 上年GDP/上年GDP
中介变量	技术创新水平	M1	技术市场成交额/地区生产总值
	资源配置效率	M2	数据要素化水平

4. 实证分析

4.1. 新质生产力和数字经济发展水平分析

表4为本文测算的东北三省2011~2023年新质生产力发展水平，三个省份差异较小，并且总体保持稳步提升趋势，三个省份平均值从2011年的0.288增长到2023年的0.586。表5为数字经济发展水平，2011~2023年我国各省的数字经济发展水平均有明显的上升趋势，三个省份平均值从2011年的0.135上升到2023年的0.356。

Table 4. Development level of new quality productivity in each province

表4. 各省份新质生产力发展水平

省份	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022	2023
辽宁	0.321	0.381	0.426	0.449	0.397	0.389	0.468	0.498	0.550	0.549	0.627	0.678	0.743
吉林	0.300	0.348	0.366	0.394	0.409	0.406	0.399	0.398	0.515	0.483	0.521	0.545	0.599
黑龙江	0.243	0.278	0.305	0.296	0.294	0.255	0.292	0.242	0.302	0.313	0.295	0.356	0.415
平均值	0.288	0.336	0.366	0.380	0.367	0.350	0.386	0.379	0.455	0.448	0.481	0.526	0.586

Table 5. Digital economy development levels of various provinces

表5. 各省份数字经济发展水平

省份	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022	2023
辽宁	0.183	0.214	0.252	0.278	0.373	0.284	0.333	0.411	0.515	0.581	0.371	0.420	0.459
吉林	0.083	0.097	0.126	0.151	0.165	0.176	0.226	0.353	0.406	0.457	0.209	0.209	0.224
黑龙江	0.139	0.151	0.204	0.246	0.274	0.307	0.375	0.417	0.498	0.568	0.352	0.365	0.386
平均值	0.135	0.154	0.194	0.225	0.271	0.256	0.312	0.394	0.473	0.535	0.311	0.331	0.356

4.2. 描述性统计

表6显示，数字经济最小值为0.083，最大值为0.581，标准差为0.132，说明东三省数字经济水平差异较小；新质生产力最小值为0.266，最大值为0.722，标准差为0.113，说明东三省新质生产力水平存在较小差异。四个控制变量的标准差均较小，说明数据具有较高的集中程度，波动较小。

Table 6. Descriptive statistics of variables

表6. 变量描述性统计结果

变量名称	观测值	均值	标准差	最小值	最大值
X	39	0.304	0.132	0.083	0.581
Y	39	0.405	0.113	0.242	0.743
C1	39	0.151	0.036	0.068	0.249
C2	39	0.273	0.049	0.2	0.368
C3	39	0.637	0.055	0.534	0.735
C4	39	0.053	0.045	−0.041	0.171

4.3. 基准回归

本文对所选取面板数据进行了基准回归分析，回归结果如表7。列(1)是不加入控制变量的回归结果，结果显示数字经济与新质生产力之间的回归系数为0.445，在1%水平上显著为正，说明数字经济能够对新质生产力的发展产生积极的促进作用，假设H₁成立。列(2)为加入控制变量的回归结果，控制变量工业化水平和城镇化水平的系数均显著为正，说明工业化水平和城镇化水平越高，越有利于新质生产力的发展。控制变量财政支持力度的系数并不显著，这可能是由于东北国有经济比重高，资金大部分流向了科研院和大型国企等；并且科技投入的回报周期较长，政府将经费投入研发之后，会产生滞后效应，当期并未对新质生产力的发展产生影响。经济发展水平这一控制变量的系数也不显著，这恰恰印证了新质生产力与传统经济增长模式的差异。东北三省目前正处于新旧动能转换的攻坚期，整体GDP增速更多受到传统产能下滑的拖累。因此，宏观GDP增速这一指标难以有效衡量以“质”为关键的新质生产力的发展状况。这一结果也提示我们，在推动东北振兴的过程中，应更加注重经济增长的质量和内生动力，而非单纯追求GDP增速。

Table 7. Results of regression analysis

表7. 回归分析结果

	(1)	(2)
	Y	Y
X	0.445^***	0.260^***
	(3.644)	(3.151)
C1		−0.011
		(−0.031)
C2		1.140^***
		(5.061)
C3		2.279^***
		(5.518)
C4		−0.322
		(−1.447)
_cons	0.270^***	−1.322^***
	(6.797)	(−4.784)
N	39	39
R^2	0.275	0.816
F	13.280	27.404

注：^***、^**、^*分别表示在1%、5%、10%的水平上显著；括号中为稳健标准误。下同。

4.4. 稳健性检验

1) 内生性检验

为确保本文结果的稳健性，首先进行了内生性检验。(1) 工具变量法。本文借鉴以往研究，选择1984年每百人的固定电话数量与上一年互联网用户数的乘积作为数字经济的工具变量(IV)并采用两阶段最小二乘法进行回归分析，结果见表8列(1)和列(2)。(2) 滞后解释变量。采用解释变量滞后一期进行回归分析，结果见表8列(3)和列(4)。数字经济的系数均显著为正，表明即使考虑内生性问题数字经济仍然能够在1%的水平上显著促进新质生产力的发展。

Table 8. Endogeneity test results

表8. 内生性检验结果

	(1) X	(2) Y	(3) Y	(4) Y
IV	0.680^***
	(6.447)
X		0.314^***
		(8.941)
L.X			0.419^***	0.458^***
			(3.588)	(4.339)
R^2			0.287	0.394
F			12.876	18.825

2) 替换被解释变量。采用主成分分析法对被解释变量新质生产力重新进行测算，回归结果见表9列(1)，说明数字经济仍能显著促进新质生产力的发展。

3) 替换解释变量。对解释变量数字经济进行缩尾处理，回归结果见表9列(2)。表明数字经济仍然能在1%的水平上促进新质生产力的发展。上述检验均验证了本文结论的可靠性。

4.5. 中介效应检验

为了探究技术创新水平和资源配置效率在数字经济和新质生产力之间是否存在中介效应，通过模型(2)和(3)进行回归分析，结果如下表10。列(1)和列(2)为技术创新水平的中介作用结果，列(3)和列(4)为资源配置效率的中介作用结果。结果表明二者均能在数字经济驱动新质生产力发展的过程中发挥中介作用。本文的假设H2和H3成立。

Table 9. Robustness test results

表9. 稳健性检验结果

	(1)	(2)
X	4.684^***
	(3.783)
X_w		0.445^***
		(3.644)
R^2	0.290	0.275
F	14.312	13.280

Table 10. Mechanism of action regression results

表10. 作用机制回归结果

	(1) M1	(2) Y	(3) M2	(4) Y
X	0.471^***
	(9.640)
M1		0.465^***
		(10.593)
X			0.395^***
			(8.272)
M2				0.569^***
				(7.382)
_cons	0.781^***	0.395^***	0.370^***	0.191^***
	(5.826)	(6.514)	(15.465)	(9.843)
N	39	39	39	39
R^2	0.170	0.561	0.097	0.411
F	7.173	44.799	3.771	35.181

5. 结论与建议

5.1. 结论

本文通过对东北三省2011~2023年的相关数据进行分析，实证检验了数字经济与新质生产力的关系以及作用机制，即数字经济能够显著促进新质生产力的发展，且技术创新水平和资源配置效率均是数字经济推动新质生产力发展的有效路径；并采用工具变量法、滞后解释变量的方法进行了内生性检验，采用主成分分析法替换被解释变量和缩尾处理解释变量的方式，进一步检验了结果的稳健性。

5.2. 建议

东北地区作为我国传统的老工业基地，其数字经济和新质生产力方面的发展较我国其他发达城市还有较大的提升空间。这并非单一因素所致，而是一个系统性、历史性的综合结果。基于以上结论和分析，提出如下建议：

第一，优化产业结构，破解新质生产力发展的结构限制。东北三省作为传统工业基地，重工业尤其是装备制造业占比长期居高不下，新兴数字产业布局相对落后。2023年年末，吉林省新一代信息技术产业仅有35家，占工业战略性新兴产业企业的5.0%；黑龙江占比仅为1.9%；辽宁省新一代信息技术产业数额相对较多，为122家，占工业战略性新兴产业企业单位的8.2%。但与发达城市广东省的3029家和40.4%相比，差距较大。为此，东北应立足装备制造业基础，推动其向高端化、智能化、绿色化转型，如发展智能装备、高端数控机床等，同时适度提升轻工业与现代服务业比重，形成以装备制造业为核心，智能制造、生物医药、新材料等战略性新兴产业协同发展的多元格局。通过构建“传统产业升级 + 新兴数字产业培育”的双轮驱动模式，破解产业结构单一化困境。

第二，加大创新研发投入，促进科技成果转化。2023年东北三省研发投入总和为1115.9亿元，仅为江苏省的26.5%；平均研发投入强度1.74%，仅为全国平均水平的65%。同时，科技成果转化效率低下，如黑龙江省高校专利产业化率9.72%，辽宁省约10%，远低于全国高校14.36%的平均水平。东北三省应依托装备制造业的产业基础，构建“产学研用”深度融合的创新体系：一方面，支持龙头企业联合高校、科研院所建立联合实验室，聚焦装备制造业关键共性技术攻关，如工业机器人、智能传感技术等；另一方面，完善科技成果转化激励机制，例如对在东北落地的装备制造领域重大科技成果转化项目给予税收减免、资金奖励等支持，借鉴北京、上海、广东等地的经验，推动高校、科研机构与企业形成利益共享、风险共担的协同创新模式，提升科技成果的产业化效率。

第三，优化人才发展环境，强化数字基础建设。近年来东北地区高端人才流失严重，2023年吉林省高校毕业生留吉率达57%，辽宁省数字经济领域从业人员中，硕士以上学历占比仅12%，远低于全国30%的平均水平。同时，数字基础设施短板突出，吉林省部分县域5G网络覆盖率不足60%，黑龙江全省农村光纤覆盖率仅75%，远低于江苏省的92%。东北三省应实施“产业人才定制计划”，鼓励企业与职业院校合作开设智能制造、工业互联网等定向班，培养既懂装备制造又掌握数字技术的复合型人才；在人才留存方面，可以通过提供住房补贴、科研启动资金等差异化政策，吸引高端人才向装备制造业集聚。同时，加快5G、工业互联网等新型基础设施建设，优先在装备制造业集聚区布局，例如在沈阳、长春、哈尔滨等重点城市打造“5G + 工业互联网”示范园区，为传统产业数字化转型提供硬件支撑。

第四，完善政策支持体系，提升政策执行效能。目前东北三省国家级高新技术企业数量不足全国5%，人工智能企业数量总和不足广东省的5%。对此政府可以设立专项基金，对采用智能装备、实施技术改造的企业给予补贴，降低企业数字化转型成本；同时，针对人工智能、大数据等新兴产业，出台税收优惠、场地租赁补贴等政策，培育数字核心产业。在政策执行方面，可以借鉴浙江“浙里办”经验，搭建东北三省统一的“数字政务服务平台”，实现“一网通办”；并建立政策执行反馈机制，通过大数据分析精准识别群众需求，动态调整政策方向，持续优化服务体验。