数实融合驱动新质生产力发展：理论分析与实证检验

The Integration of Digital Economy and Real Economy Driving the Development of New-Quality Productive Forces: Theoretical Analysis and Empirical Test

摘要: 数字经济与实体经济的深度融合正在重塑传统生产方式，有望成为驱动新质生产力发展的关键引擎。基于此，以2012~2022年中国省级面板数据为研究样本，实证检验数实融合对新质生产力的影响效应及作用机制。结果表明：数实融合能够显著促进新质生产力发展，该结论在经过一系列稳健性检验后依然成立；机制检验表明，颠覆性技术突破、产业结构转型是数实融合驱动新质生产力的重要渠道；异质性分析结果表明，数实融合对新质生产力的提升作用在胡焕庸线西侧及数字普惠金融指数较高地区更显著。因此，中国应当从顶层制度设计、数字基础设施及新型人才培养入手，以统筹推进与因地制宜的辩证统一，推进数实融合，从而助推新质生产力发展，确保高质量发展。

Abstract: The deep integration of digital economy and real economy is reshaping traditional production methods and is expected to become a key engine driving the development of new quality productivity. Based on this, using provincial panel data from China from 2012 to 2022 as the research sample, this study empirically tests the impact and mechanism of the integration of data and reality on new quality productivity. The results indicate that the integration of data and reality can significantly promote the development of new-quality productive forces, and this conclusion still holds true after a series of robustness tests; mechanism testing shows that disruptive technological breakthroughs and industrial structural transformation are important channels for driving new-quality productive forces through the integration of data and reality; the heterogeneity analysis results indicate that the promotion effect of digital real integration on new-quality productive forces is more significant on the west side of the Hu Huanyong line and areas with higher digital inclusive finance index. Therefore, China should start with top-level institutional design, digital infrastructure, and the cultivation of new talents, in order to promote the integration of data and reality through a dialectical unity of coordinated promotion and adaptation to local conditions, thereby promoting the development of new-quality productive forces and ensuring high-quality development.

1. 引言

新质生产力作为生产力变革新范式，不仅是扎实推进乡村振兴与共同富裕目标实现的重要抓手，还是保障国家安全与发展利益的战略保障[1]。因此，如何有效提升新质生产力是中国当前必须应对的重大现实问题。党的二十届三中全会公报提出，“要健全因地制宜发展新质生产力体制机制，健全促进实体经济和数字经济深度融合制度”。数字经济的蓬勃发展推动了以数据要素为代表的多种优质生产要素的汇聚，成为生产力变革的关键因素。然而，过度依赖数字经济可能会加剧企业“脱实向虚”的趋势，导致产业结构虚拟化与工业空心化等问题，因此，必须将数字经济发展与实体经济深度融合，依托实体经济充分发挥数字经济降低交易成本、加速技术迭代与提升附加值的核心优势[2]。

新质生产力具有高科技、高效能、高质量的特征，是摆脱传统经济增长方式，符合新发展理念的先进生产力质态，表现为劳动者、劳动对象及劳动资料三种要素的深刻变革与技术革命性突破、要素创新性配置和产业深度性升级[3]。新质生产力理论的提出，深刻揭示并回答了新时代中国特色社会主义应当解放和发展什么样的生产力这一重大命题，是对生产力发展规律的深刻把握[4]。与本文相关的文献集中于探讨数字经济或数据要素对新质生产力的影响。在数字经济方面，基于数字基础设施、数字管理经验与数字生产模式，数字经济能够推动技术创新、管理创新与模式创新，引领劳动要素的数字化变革，通过驱动传统生产力的质变加快新质生产力的发展[5]。在数据要素方面，数据要素既能直接赋能生产力升级，加速新质生产力的形成，还能与劳动者、劳动资料和劳动对象结合，通过优化要素组合促进新质生产力的发展[6]。

本文边际贡献在于：从新质生产力的内涵出发，理论分析数实融合对新质生产力的直接驱动作用，并从颠覆性技术突破、产业结构转型两个维度解构数实融合驱动新质生产力发展的内在逻辑，拓展数实融合赋能新质生产力的理论分析。

2. 理论机制与研究假设

2.1. 数实融合对新质生产力的直接影响

数实融合加速了劳动者、劳动对象、劳动资料及其优化组合的跃升，能够直接提升新质生产力水平。第一，数实融合为新质生产力的发展培育了更高素质的劳动者。数字经济与实体经济的深度融合强调依赖高素质劳动者以实现颠覆性前沿技术的突破和发展。为适应这一需求，劳动者必须不断提升自身素质，主动向知识型、技能型与创新型人才发展[7]。第二，数实融合催生了更广范围的劳动对象。数实融合引入的先进技术能够将过去不可作用之物转换为劳动对象，扩大劳动对象范围。或是通过挖掘原有劳动对象的新属性以增加劳动对象的种类与形态，进而拓展劳动对象领域[8]。第三，数实融合铸就了更高技术含量的劳动资料。数实融合对劳动资料的改造包括物质劳动资料，以及协助劳动者将劳动传导至劳动对象的无形资料[9]。数实融合就是将先进数字技术应用于实体产业，新技术与新工艺的广泛使用孕育出具有更高科技属性的新型劳动资料，为新质生产力发展注入新动能。据此，提出假设H1：

H1：数实融合能够驱动新质生产力发展。

2.2. 数实融合对新质生产力的影响机制

1. 推动颠覆性技术突破。数实融合通过技术推动与需求拉动共同驱动颠覆性技术突破。一方面，技术推动模型从供给端出发，强调技术推动是颠覆性技术创新的第一驱动力[10]。从数字技术创新视角看，数字经济衍生的数字技术与数据要素是数实融合的技术基础，为新一轮数字技术创新提供不竭动能。从产业技术创新角度看，数字技术与实体经济的有机融合使创新主体能以更低的成本实现信息互通，推动分布式创新模式的形成。借助数字工具，实体经济的大量实践得以转化为数据资产，为技术的组合演化提供信息储备。

2. 产业结构转型。数实融合促进了传统产业的改造。数实融合是对实体经济的智能化改造与数字化转型，这表明数实融合本身即是传统产业的转型升级。数实融合引进的先进技术与设备还能推动生产要素从低效率部门向高效率部门流动，提升生产效率与产品质量。并借助数据、信息等新型生产要素产生“溢出效应”与“渗透效应”，降低产品的边际成本与平均成本，推动产业向高附加值型产业升级[11]，形成提升新质生产力水平的重要动力。基于此，本文提出理论分析假设

H2a：数实融合通过推动颠覆性技术突破驱动新质生产力发展。

H2b：数实融合通过产业结构转型驱动新质生产力发展。

3. 研究设计

3.1. 模型设定

1. 基准回归模型

综合上文理论分析，为验证数实融合对新质生产力的推动作用，构建基准回归模型(1)如下：

$nq{p}_{it}={\alpha }_0+{\alpha }_{1}id{r}_{it}+{\displaystyle \sum {\alpha }_{j}contro{l}_{itj}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}}$ (1)

其中，$nq{p}_{it}$ 表示i地区第t年的新质生产力发展水平，$id{r}_{it}$ 代表i地区第t年数实融合水平，$contro{l}_{itj}$ 表示i地区第t年第j个控制变量，${\alpha }_1$ 及${\alpha }_j$ 为待估计系数，${\mu }_i$ 、${\lambda }_t$ 及${\epsilon }_{it}$ 分别代表省份固定效应、时间固定效应及随机扰动项。

2. 中介效应模型

在模型(1)的基础上，引入中介变量以进一步揭示数实融合对新质生产力的影响路径。参考江艇的研究思路[12]，建立机制检验方程验证数实融合对颠覆性技术突破、产业结构转型的影响。

$mediato{r}_{it}={\beta }_0+{\beta }_{1}id{r}_{it}+{\displaystyle \sum {\beta }_{j}contro{l}_{itj}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}}$ (2)

模型(2)中$mediato{r}_{it}$ 为中介变量，包括颠覆性技术突破、产业结构转型。

3.2. 变量说明

1. 被解释变量。新质生产力(nqp)。就其本质而言，新质生产力是一种先进的生产力质态，根据上文理论分析，结合任宇新等学者的研究思路[9]，从生产力三要素，即劳动者、劳动对象及劳动资料三个层次各选取四个具有代表性的二级指标，采用熵值法处理相应数据以测度新质生产力发展水平。新质生产力综合指标体系如表1所示。

Table 1. Comprehensive indicator system of new quality productivity

表1. 新质生产力综合指标体系

一级指标	二级指标	指标说明	计量方式	属性
劳动者	知识积累潜能	在校学生结构	在校学生数/人口总数	+
	人均产值	人均GDP	GDP/总人口	+
	人均收入	人均工资	在岗职工平均工资	+
	创业精神	创业活跃度	每百人新创企业数	+
劳动对象	战略性新兴产业	新兴战略产业占比	新兴战略产业增加值/GDP	+
	未来产业	机器人数量	机器人数量/总人口	+
	污染减排	污染物排放	废水排放/GDP	−
	绿色环保	环境保护力度	环境保护支出/政府公共财政支出	+
劳动资料	物质劳动资料	总体能源消耗	能源消耗/GDP	−
		可再生能源消耗	可再生能源消耗量/全社会能源消耗量	+
	无形劳动资料	R&D投入	R&D经费支出/GDP	+
		人均专利数量	专利授权数量/总人口	+

2. 解释变量。数实融合(idr)。参考郭晗等的做法[13]，分别从数字经济与实体经济选取四个具有标识性的二级指标，并各自细化为12个三级指标，以此为基础分别测度数字经济与实体经济的发展水平，再利用耦合协调模型测量数实融合水平，数字经济与实体经济发展指标体系如表2所示，耦合协调模型公式如下所示：

$C=\sqrt{\frac{U_1\times U_2}{{\left(U_1+U_2\right)}^2}}$ (3)

$T=a\times U_1+b\times U_2$ (4)

$D=\sqrt{C\times T}$ (5)

其中，U₁、U₂代表数字经济与实体经济的发展水平，a和b为比重，由于数字经济与实体经济均具有重要地位，故设定a = b = 0.5。C、D、T分别为两个子系统的耦合度、耦合协调度及综合协调指数。

Table 2. Indicator system for the development of the digital economy and the real economy

表2. 数字经济与实体经济发展指标体系

一级指标	二级指标	指标说明	计量方式	属性
数字经济	数字设施	互联网使用	人均互联网域名数	+
		移动电话使用	移动电话普及率	+
		光缆长度	单位面积长途光缆长度	+
	数字应用	硬件设施	企业每百人使用计算机数	+
		网络设备	每百家企业拥有网站数	+
		电商应用	电子商务交易活动企业比例	+
	数字产业	信息技术服务业	信息技术服务收入/GDP	+
		从业人数	信息服务业从业人数/就业人数	+
		电信业务	电信业务总量/GDP	+
		软件业务	软件业务收入/GDP	+
	数字技术	R&D项目	人均规模以上工业企业R&D项目(课题)数	+
		技术成交	技术合同成交总额/GDP	+
实体经济	实体基础	公路运输能力	单位面积公路里程	+
		铁路运输能力	单位面积铁路里程	+
	实体结构	经济结构	实体经济总量/GDP	+
		产业结构	产业结构合理化[14]	+
	实体效益	农林牧渔业	农林牧渔业总产值/GDP	+
		工业	工业总产值/GDP	+
		建筑业	建筑业总产值/GDP	+
		批发零售业	批发和零售业总产值/GDP	+
		住宿和餐饮业	住宿和餐饮业总产值/GDP	+
	实体环境	环境保护力度	二氧化硫排放/GDP	−
		污染物排放	废水排放/GDP	−
		污染物治理	人均工业废水废气治理设施	+

3. 控制变量。为缓解遗漏变量可能引起的内生性问题，选取新质生产力发展的其他重要影响因素作为控制变量，主要包括：① 城镇化水平(urban)，采用城镇人口与农村人口的比值衡量。② 金融发展(fin)，使用地区存贷款总额与GDP比值衡量。③ 受教育程度(edu)，使用各地区人均受教育年限衡量。④ 外商投资(fdi)，利用外商直接投资额与各地区GDP比值衡量。⑤ 政府干预(gov)，采用地方财政一般预算与地区GDP比值衡量。⑥ 对外开放(open)，采用各地区进出口总额与GDP比值衡量。

4. 中介变量。基于前文理论分析，设定如下中介变量进行验证。

(1) 颠覆性技术突破(firm)。参考陈艳霞[14]等学者的方法使用各地区人工智能企业数目表示，并对其取自然对数。

(2) 产业转型升级(urd)。参考袁航等[15]的做法，使用产业结构高度化作为产业转型升级的代理变量。

3.3. 数据来源与描述性统计

本文样本数据以中国各省份为单元，考虑数据时效性、可得性与完整性，样本数据观测区间确定为2012~2022年，涉及中国30个省级行政区(不含西藏与港澳台地区)，最终得到包含330个观测值的非平衡面板数据。其中，人工智能企业数目来源于天眼查，数字普惠金融指数来源于北京大学数字金融研究中心，其余数据均来自《中国统计年鉴》《中国能源统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》、能源统计局及各省级统计年鉴。少量缺失数值使用线性插值法补齐。

4. 实证结果及分析

4.1. 基准回归分析

表3为数实融合对新质生产力影响的基准回归结果。列(1)为加入所有控制变量，但未控制年份和省份固定效应情形下的回归结果。根据一般到特殊的准则，列(2)至列(5)为逐步加入控制变量，且同时控制年份与省份效应时的回归结果。由表3可知，idr估计系数均显著为正，这说明数实融合有力地驱动了新质生产力的发展，与上文理论分析一致。具体而言，数实融合水平每增加1个单位，新质生产力发展水平就会提升0.502个单位。此外，引入固定效应与控制变量的过程中，尽管核心解释变量估计系数有所变化，但仅在0.502~0.609间浮动，差异较小且均通过1%显著性水平检验，表明回归结果具有一定的稳健性，假设H1得到初步验证。

Table 3. Baseline regression results

表3. 基准回归结果

变量	(1) OLS	(2) FE	(3) FE	(4) FE	(5) FE
idr	0.850^***	0.609^***	0.565^***	0.530^***	0.502^***
	(8.674)	(5.661)	(5.848)	(5.401)	(5.420)
urban	−0.035		−0.900^***	−0.848^***	−0.527^***
	(−0.698)		(−8.591)	(−7.533)	(−3.769)
fin	0.606^**		0.061	0.048	0.117
	(2.221)		(0.392)	(0.308)	(0.802)
edu	−1.219^***			0.436	0.908^***
	(−2.753)			(1.469)	(3.154)
fdi	−0.328^**			0.094	−0.073
	(−2.561)			(1.136)	(−0.893)
gov	−0.336^***				0.729^***
	(−2.884)				(5.341)
open	−0.007				−0.118^***
	(−0.361)				(−3.621)
_cons	0.030	−0.039	0.704^***	0.638^***	0.340^***
	(0.486)	(−0.804)	(7.263)	(5.834)	(2.988)
年份固定效应	No	Yes	Yes	Yes	Yes
省份固定效应	No	Yes	Yes	Yes	Yes
N	330	330	330	330	330
R^2	0.414	0.831	0.866	0.867	0.884

注：括号内为t值，^*p < 0.1，^**p < 0.05，^***p < 0.01，如无特别说明，下同。

4.2. 稳健性检验

1. 工具变量法。尽管固定效应能够缓解遗漏变量引起的内生性问题，但却无法解决反向因果带来的估计偏误，故使用工具变量法缓解该问题。参考周国富等的研究思路[16]，对各地区政府工作报告进行文本分析，统计报告中数实融合相关词汇出现频率(wf)并将其作为工具变量。词汇频率表明政府对数实融合的重视程度，频率越高，意味着该地区数实融合投入可能更高，其发展水平也可能更高。且政府工作报告具有较强的权威性，词频也会激发社会企业等组织对数实融合的重视，从而促进数字经济与实体经济的融合，因此使用词频作为工具变量具有良好的相关性。表4列(1)为工具变量回归第一阶段，F值为19.328大于临界值，说明选取的工具变量不存在弱工具变量问题。wf系数为正，且通过1%显著性水平检验，表明工具变量与内生变量存在显著相关关系。列(3)为将工具变量纳入控制变量后的回归结果，可见wf估计系数不显著，表明词频并不会直接影响新质生产力发展，满足外生性假设。列(2)为工具变量第二阶段回归结果，回归结果仍然在1%显著水平上正相关，进一步证实假设H1成立。

Table 4. Robustness test results

表4. 稳健性检验结果

变量	(1) idr	(2) nqp	(3) nqp	(4) TFP	(5) nqp	(6) nqp
wf	0.332^***		0.109
	(4.357)		(0.864)
idr		0.809^***	0.481^***	0.418^***	0.554^***	0.483^***
		(2.968)	(5.023)	(3.081)	(5.531)	(5.260)
_cons	0.355^***	0.238	0.354^***	0.764^***	−0.020	0.307^***
	(2.952)	(1.439)	(3.081)	(4.583)	(−0.158)	(2.628)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
省份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
N	330	330	330	330	286	330
R^2		0.880	0.885	0.933	0.856	0.886
F	19.328

2. 替换被解释变量。新质生产力以全要素生产率的大幅(TFP)提升为核心标志[3]，据此考虑使用全要素生产率作为新质生产力的代理变量。参考杜传忠等的做法[17]，引入超效率SBM模型测度全要素生产率，其中，投入变量为资本存量与劳动力人数，产出变量为GDP。将测度结果代入基准回归模型，回归结果为列(4)，可见idr系数为正，且通过了1%显著性水平检验，再次验证数实融合对新质生产力的推动作用。

3. 样本再处理。① 剔除直辖市样本。考虑到直辖市具备的良好资源优势和政策偏向性可能会引起估计偏差，故剔除北京、天津、上海、重庆四个直辖市样本后重新进行回归，估计结果如表4列(5)所示，结果表明，在剔除直辖市样本后，数实融合仍然能够有效推动新质生产力发展。② 缩尾处理。为减少样本极端值对回归结果的影响，分别对解释变量及所有控制变量进行1%的双向缩尾处理，处理后回归结果列示在表4列(6)。由表可知，idr估计系数在1%显著性水平上为正，表明假设H1成立且具有一定的稳健性。

4.3. 影响机制检验

表5为数实融合对新质生产力发展的机制检验结果，其中，列(1)中核心解释变量idr的系数为1.558，且通过了1%的显著性水平检验，表明数实融合极大地推进了颠覆性技术的发展，进而推动技术革命性突破，而颠覆性技术创新正是新质生产力与传统生产力最显著与最本质的区别。列(1)的回归结果证实了数实融合通过推动颠覆性技术突破助力新质生产力发展的传导路径，假设H2a得到验证。

列(2)展示数实融合对产业结构转型的中介作用，结果表明，数实融合在1%显著性水平上提升了产业结构高度化水平。具体影响程度为，在其他要素保持不变的情形下，数实融合水平每增加一个单位，产业高度化水平提升0.251个单位，再次说明数实融合能够推动产业结构转型升级，并以此为基础，驱动新质生产力的发展与提升，假设H2b得到验证。

Table 5. Mechanism test results

表5. 机制检验结果

变量	(1) firm	(2) urd
idr	1.558^***	0.251^***
	(2.883)	(3.475)
_cons	7.584^***	2.798^***
	(11.428)	(31.548)
控制变量	Yes	Yes
年份固定效应	Yes	Yes
省份固定效应	Yes	Yes
N	330	330
R^2	0.991	0.977

4.4. 异质性分析

为进一步挖掘数实融合与新质生产力之间的关系，从地理位置与数字普惠金融视角出发，考察数实融合对新质生产力的异质性影响。表6汇报了异质性检验结果。

1. 基于地理位置视角。以胡焕庸线作为地理位置划分标准，若省会城市位于胡焕庸线东侧，则将该省地理位置赋值为1，其他赋值为0，再以此进行分组回归。由表6列(1)与列(2)可知，在地理位置不同地区，数实融合对新质生产力的影响均显著为正，但两组回归系数存在较大差异。在胡焕庸线东侧，数实融合每增加一个单位，新质生产力能够提升0.301个单位，而在胡焕庸线西侧，数实融合每增加一个单位，新质生产力提升效果达到1.792个单位。其背后的原因可能是，在国家针对性政策、资金帮扶下，胡焕庸线西侧地区数实融合得到迅速推进，促使其新质生产力发展水平得到极大提升。

2. 基于数字普惠金融视角。采用数字普惠金融(DFI)指数衡量地区数字普惠金融发展程度，通过计算其平均值，将样本划分为数字普惠金融指数较高与较低地区，再进行分组回归。列(3)与列(4)表明，在数字普惠金融发展不同地区，数实融合对新质生产力的影响系数分别为0.621和0.238，且均在1%显著性水平上显著。可能的原因在于：数字普惠金融能够有效提高金融触达性和可及性，缓解融资约束。因此，数字普惠金融发展较好地区受资金限制更小，更利于推进技术研发与产业转型升级，从而有利于数实融合与新质生产力的推进。

Table 6. Results of heterogeneity test

表6. 异质性检验结果

变量	(1) 胡焕庸线东侧	(2) 胡焕庸线西侧	(3) DFI指数较高地区	(4) DFI指数较低地区
idr	0.301^***	1.792^***	0.621^***	0.238^***
	(3.141)	(4.539)	(4.162)	(3.427)
_cons	0.331^***	−0.110	0.838^***	0.200
	(2.922)	(−0.299)	(2.617)	(1.486)
控制变量	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes
省份固定效应	Yes	Yes	Yes	Yes
N	264	66	173	157
R^2	0.913	0.806	0.926	0.963

5. 结论与建议

本文从理论层面上分析了数实融合对新质生产力的作用机理，在此基础上，基于2012~2022年中国30个省级行政区的面板数据，使用双向固定效应模型、中介效应模型实证检验了数实融合对新质生产力的驱动路径，得出如下结论：(1) 数实融合能够显著驱动新质生产力发展，该结论在经过一系列稳健性与内生性检验后依然成立。(2) 机制检验表明数实融合主要通过推动颠覆性技术突破、产业结构转型进而提升新质生产力发展水平。(3) 数实融合对新质生产力的驱动作用存在异质性，相较而言，数实融合对新质生产力的影响在胡焕庸线西侧及数字普惠金融指数较高地区更为显著。

基于上述结论，提出如下政策建议：

第一，优化新型数字基础设施和深化顶层制度设计。一方面，新型数字基础设施是数实融合发展的基础。政府应当加大对新型数字基础设施的资金投入，同时引导企业结合自身优势加入新型数字基础设施的完善。另一方面，针对性指导政策的缺失是制约当前数实融合发展的重要原因。亟需推进经济、科技等相关制度改革，着力打通束缚数实融合发展的难点、堵点，统筹推进数字经济与实体经济的协调发展，为新质生产力发展注入动能。

第二，强化新型人才培养。政府要坚持教育优先发展，加快推进劳动力教育培训的现代化、多元化和数字化转型，培养具备专业知识和数字素养技能的新型、复合型人才。企业应当扩大科技研发投入，根据科技发展的新趋势、新要求，完善人才发现、培养、评价和发展模式，为新质生产力的稳步提升夯实人才基础。

第三，结合地区实际，因地制宜推进政策方针的细化调整与实际应用。对于胡焕庸线西侧地区，政府应当加大对数实融合短板部分的投入，突破制约数实融合发展的瓶颈。数字普惠金融发展薄弱地区应当加强跨区交流，主动与数字普惠金融发展较好地区开展数字金融合作，推动数字资源的双向流动，以数实融合发展驱动新质生产力的进一步提升。