中国数字经济核心产业双循环关联及需求依赖研究
Research on Dual Circulation Correlation and Demand Dependence of Core Industries in China’s Digital Economy
摘要: 准确把握我国数字经济核心产业的双循环关联特征及其需求依赖结构,是优化产业布局、实现数字经济高质量发展的关键所在。本文基于中间品贸易和增加值贸易,构建了产业双循环的测度模型,并据此对我国数字经济核心产业的双循环关联及需求依赖进行了研究,研究发现如下。1) 从双循环关联来看:我国数字经济核心产业的国内前后向关联产业主要为传统制造业,数字经济核心产业在前向提供产品和服务推动传统制造业发展的同时,其自身发展过程中的后向需求也会反过来拉动该产业发展;除传统制造业外,我国数字经济核心产业对国外商业服务业同样表现出较强的前向推动与后向拉动作用,产业关联重心正逐渐由传统制造业转向商业服务业。2) 从双循环需求依赖来看:我国数字经济核心产业对国内市场的需求依赖呈上升趋势,但整体仍远低于国内其他产业,外循环特征依然较为明显,在国外市场中主要依赖国家依次为美国、日本、德国和韩国;数字经济核心产业在国内市场中主要受投资需求拉动,而在国外市场中则更多依赖消费需求驱动。
Abstract: Accurately grasping the dual-cycle interconnection characteristics and demand dependency structure of China’s core digital economy industries is crucial for optimizing industrial layout and achieving high-quality development in the digital economy. This paper constructs a measurement model for industrial dual-cycle interconnection based on intermediate goods trade and value-added trade, and uses it to examine the dual-cycle interconnection and demand dependency of China’s core digital economy industries. The findings are as follows. 1) From the perspective of dual-cycle interconnections: China’s core digital economy industries remain primarily linked to traditional manufacturing in both forward and backward domestic supply chains. While these industries drive traditional manufacturing through forward-linkage product and service provision, their own backward-linkage demand in turn stimulates this sector’s growth. Beyond traditional manufacturing, China’s core digital economy industries also exhibit strong forward- and backward-linkage effects on foreign commercial services, shifting the industrial linkage focus from traditional manufacturing toward commercial services. 2) Regarding demand dependency in the dual circulation: China’s core digital economy industries show an upward trend in their demand dependency on the domestic market, yet overall remain significantly lower than other domestic industries. Their outward-oriented characteristics remain pronounced, with primary reliance on foreign markets such as the United States, Japan, Germany, and South Korea. Domestically, these industries are primarily driven by investment demand, whereas internationally they are more heavily driven by consumer demand.
文章引用:宋成广, 涂静. 中国数字经济核心产业双循环关联及需求依赖研究[J]. 电子商务评论, 2025, 14(12): 4024-4038. https://doi.org/10.12677/ecl.2025.14124337

1. 引言与文献综述

习近平总书记在中共中央政治局第三十四次集体学习时强调:“数字经济发展速度之快、辐射范围之广、影响程度之深前所未有,正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量”。根据中国信息通信研究院发布的《全球数字经济白皮书(2023年)》,2022年全球51个主要经济体数字经济规模为41.4万亿美元,同比名义增长7.4%,占GDP比重的46.1%。同时,美国《2022年芯片与科学法案》与欧盟《数字市场法案》的相继出台,标志着发达国家正通过加大核心技术投入与完善数字市场规则,提升其在关键数字领域的竞争优势。在此背景下,中国提出“双循环”新发展格局,旨在通过增强国内大循环内生动力与国际外循环协同能力,破解关键领域“卡脖子”困境,实现数字经济高质量发展[1]

传统全球价值链理论强调基于成本效率的国际分工,而数字经济的兴起则正从根本上改变这一范式。数字经济通过渗透生产、流通及最终消费等各个环节,既创新了商业模式,降低了交易成本,也突破了地理时空因素对全球价值链分工协作的限制[2]。Gao等[3]研究发现,在数字经济时代,数字经济正在重塑全球价值链的分配格局。数字产业的渗透不仅有效增强了全球价值链中的双边合作,提升了各国在全球价值链中的相对地位[4],还显著降低了全球价值链风险,推动了全球价值链网络演化[5]

作为价值链的参与主体,产业在国内价值链中的供给与需求构成了国内循环,而在全球价值链中的供给与需求则形成了国外循环[6]。目前,学术界普遍从中间品贸易和增加值贸易两个维度构建测度指标,以反映某一国家、区域或产业的双循环水平与双循环依赖状况。其中,以双循环水平为测度内容的研究,主要是通过中间品的国内外供给率和需求率等指标,反映经济循环过程中的供需关联及生产过程分工的实际状态[7] [8]。黄群慧和倪红福[9]通过测算中间品的国内外供给率和需求率发现,我国中间品的国内供需始终处于较高水平,而国外供需则相对较低。在此基础上,都田秀佳[10]进一步测度了我国生产过程中中间品的国内外供需情况,结果表明,我国生产活动仍以国内循环为主导。而以双循环依赖为测度内容的研究,则更多是以国内外循环创造的增加值占GDP的比重为指标,衡量国内外循环对增加值创造的贡献[11],以及经济体对其最终需求的依赖程度[12]。潘文卿和郝远航[13]通过测算该比重,发现我国绝大部分增加值来源于国内循环,国外循环的贡献相对有限。李晓和刘宝琦[14]则以国内外最终需求所拉动的增加值占GDP的比重为指标,测度了我国对内外需求的依赖程度,结果显示,我国经济具有显著的“大内循环”特征,对国外循环的依赖程度相对较低。

现有研究已对数字经济对全球价值链的影响,以及“双循环”新发展格局下我国双循环水平与双循环依赖等方面进行了较为深入的探讨。但仍存在以下不足:1) 既有文献有力地论证了数字经济对全球价值链的影响,但其分析框架多局限于全球价值链的“外循环”维度,未能将国内国际两个市场、两种资源的互动纳入统一考量;2) 围绕双循环水平的研究较多,而从产业关联角度对双循环关联的研究相对匮乏;3) 在双循环依赖的研究中,未能充分揭示经济体在国内外循环中对不同类型最终需求的依赖程度。基于上述研究现状,本文的边际贡献主要体现在以下三个方面:1) 将研究视角从单一的“外循环”拓展至“双循环”互动,定量分析我国数字经济核心产业的双循环发展状况;2) 从中间品的产业关联出发,构建双循环关联的测度框架,并据此对我国数字经济核心产业的双循环关联进行研究;3) 在测度双循环依赖的基础上,进一步细分最终需求结构,明确区分最终消费需求与最终投资需求,从而更准确地反映我国数字经济核心产业对国内外不同类型最终需求的依赖状况。

2. 测度方法和数据说明

世界投入产出表以矩阵形式展现了全球经济活动中的供需关系,假设该表包含G个国家,每个国家有N个产业(如表1所示)。从行向来看,该表反映了各国产业产品的使用去向,分为中间使用和最终使用两类。从列向来看,该表刻画了各国产业的投入结构,包含中间投入和增加值两部分。其中,Z为中间使用(中间投入)矩阵,其元素 z ij SR 表示国家R的产业j对国家S的产业i的中间品使用数量(或为国家S的产业i向国家R的产业j投入的中间品数量)。Y为最终使用矩阵,其元素 y iCons SR y iInv SR 分别表示国家S的产业i生产的产品或服务,被国家R的消费和投资作为最终使用的数量。W为增加值向量,其元素 w j R 代表国家R的产业j在生产过程中创造的增加值。X为总产出(总投入)向量,其元素 x i S 为国家S的产业i的总产出(或总投入)。

Table 1. World input-output table

1. 世界投入产出表

中间使用

最终使用

总 产 出

中国

国家G

中国

国家G

部门1

部门2

部门 n

部门1

部门2

部门 n

消费

投资

消费

投资

中间 投入

中 国

部门1

z 11 CC

z 12 CC

z 1n CC

z 11 CG

z 12 CG

z 1n CG

y 1Cons CC

y 1Inv CC

y 1Cons CG

y 1Inv CG

x 1 C

部门2

z 21 CC

z 22 CC

z 2n CC

z 21 CG

z 22 CG

z 2n CG

y 2Cons CC

y 2Inv CC

y 2Cons CG

y 2Inv CG

x 2 C

z ij CC

z ij CR

z ij CG

y iCons/Inv CR

x i C

部门n

z n1 CC

z n2 CC

z nn CC

z n1 CG

z n2 CG

z nn CG

y nCons CC

y nInv CC

y nCons CG

y nInv CG

x n C

z ij SC

z ij SR

z ij SG

y iCons/Inv SR

x i S

国 家 G

部门1

z 11 GC

z 12 GC

z 1n GC

z 11 GG

z 12 GG

z 1n GG

y 1Cons GC

y 1Inv GC

y 1Cons GG

y 1Inv GG

x 1 G

部门2

z 21 GC

z 22 GC

z 2n GC

z 21 GG

z 22 GG

z 2n GG

y 2Cons GC

y 2Inv GC

y 2Cons GG

y 2Inv GG

x 2 G

z ij GC

z ij GR

z ij GG

y iCons/Inv GR

x i G

部门n

z n1 GC

z n2 GC

z nn GC

z n1 GG

z n2 GG

z nn GG

y nCons GC

y nInv GC

y nCons GG

y nInv GG

x n G

增加值

w 1 C

w 2 C

w j C

w n C

w j R

w 1 G

w 2 G

w j G

w n G

总投入

x 1 C

x 2 C

x j C

x n C

x j R

x 1 G

x 2 G

x j G

x n G

2.1. 双循环关联测度

2.1.1. 前向关联测度

前向关联测度是指一个国家的某产业每生产单位产品或服务时,对国内外其他产业的完全分配量,以完全分配系数表示。

表1的列向平衡关系可知,一个国家的总投入需满足中间投入与增加值之和:

X R = S G Z SR + W R (1)

代入直接分配系数 H SR = Z SR ( X S ) 1 ,可得:

X R = S G H SR X S + W R (2)

其矩阵形式为:

[ X 1 X 2 X G ]=[ X 1 X 2 X G ][ H 11 H 12 H 1G H 21 H 22 H 2G H G1 H G2 H GG ]+[ W 1 W 2 W G ] (3)

进一步对式(3)求解得:

[ X 1 X 2 X G ]=[ W 1 W 2 W G ] [ I H 11 H 12 H 1G H 21 I H 22 H 2G H G1 H G2 I H GG ] 1 =[ W 1 W 2 W G ][ D 11 D 12 D 1G D 21 D 22 D 2G D G1 D G2 D GG ] (4)

其中, [ D 11 D 12 D 1G D 21 D 22 D 2G D G1 D G2 D GG ] 为Ghosh逆矩阵,在Ghosh逆矩阵的基础上可进一步计算得到完全分配系数矩阵Q,具体计算公式为:

[ Q 11 Q 12 Q 1G Q 21 Q 22 Q 2G Q G1 Q G2 Q GG ]=[ D 11 I D 12 D 1G D 21 D 22 I D 2G D G1 D G2 D GG I ] (5)

基于式(5),国家Rn个产业所对应的国内外循环完全分配系数矩阵可表示为:

Q dom R =[ q 11 RR q 12 RR q 1n RR q 21 RR q 22 RR q 2n RR q n1 RR q n2 RR q nn RR ], Q for R =[ q 11 RS q 12 RS q 1n RS q 21 RS q 22 RS q 2n RS q n1 RS q n2 RS q nn RS ] (6)

上式中, Q dom R 为国家R的国内循环完全分配系数矩阵,其元素 q ij RR 表示国家R的产业i对产业j的完全分配系数,该数值越大,说明产业i对国内产业j的推动作用越强,国内产业间的前向关联程度越高; Q for R 为国家R的国外循环完全分配系数矩阵,其元素 q ij RS 表示国家R的产业i对国家S的产业j的完全分配系数,该数值越大,说明产业i对国外产业j的推动作用越强,国外产业间的前向关联程度越高。

2.1.2. 后向关联测度

后向关联测度是指一个国家的某产业生产单位最终产品时,对国内外其他产业产品或服务的完全消耗量,以完全消耗系数表示。

表1的行向平衡关系可知,一个国家的总产出需满足中间使用与最终使用之和:

X S = R G ( Z SR + Y SR ) (7)

代入直接消耗系数 A SR = Z SR ( X R ) 1 ,可得:

X S = R G ( A SR X R + Y SR ) (8)

其矩阵形式为:

[ X 1 X 2 X G ]=[ A 11 A 12 A 1G A 21 A 22 A 2G A G1 A G2 A GG ][ X 1 X 2 X G ]+[ Y 11 Y 12 Y 1G Y 21 Y 22 Y 2G Y G1 Y G2 Y GG ][ 1 1 1 ] (9)

进一步对式(9)求解得:

[ X 1 X 2 X G ]= [ I A 11 A 12 A 1G A 21 I A 22 A 2G A G1 A G2 I A GG ] 1 [ R G Y 1R R G Y 2R R G Y GR ]=[ B 11 B 12 B 1G B 21 B 22 B 2G B G1 B G2 B GG ][ R G Y 1R R G Y 2R R G Y GR ] (10)

其中, [ B 11 B 12 B 1G B 21 B 22 B 2G B G1 B G2 B GG ] 为Leontief逆矩阵,在Leontief逆矩阵的基础上可进一步计算得到完全消耗系数矩阵C,具体计算公式为:

[ C 11 C 12 C 1G C 21 C 22 C 2G C G1 C G2 C GG ]=[ B 11 I B 12 B 1G B 21 B 22 I B 2G B G1 B G2 B GG I ] (11)

基于式(11),国家Rn个产业所对应的国内外循环完全消耗系数矩阵可表示为:

C dom R =[ c 11 RR c 12 RR c 1n RR c 21 RR c 22 RR c 2n RR c n1 RR c n2 RR c nn RR ], C for R =[ c 11 SR c 12 SR c 1n SR c 21 SR c 22 SR c 2n SR c n1 SR c n2 SR c nn SR ] (12)

上式中, C dom R 为国家R的国内循环完全消耗系数矩阵,其元素 c ij RR 为国家R的产业j对产业i的完全消耗系数,该数值越大,说明产业j对国内产业i的拉动作用越强,国内产业间的后向关联程度越高; C for R 为国家R的国外循环完全消耗系数矩阵,其元素 c ij SR 表示国家R的产业j对国家S的产业i的完全消耗系数,该数值越大,说明产业j对国外产业i的拉动作用越强,国外产业间的后向关联程度越高。

2.2. 双循环需求依赖测度

需求依赖测度是指一个国家某产业的增加值中,由国内外不同类型最终需求所引发的部分占该产业增加值总量的比重[15]。借鉴Koopman等[16]的思路,通过将Leontief逆矩阵B和增加值系数矩阵V相乘,可以得到增值份额矩阵,进一步将其与最终使用矩阵Y相乘,可以得到由不同来源最终需求所引发的增加值矩阵Val,其表达式为:

Val=VBY (13)

其中, V=[ V 1 0 0 0 V 2 0 0 0 V G ] 为分块对角矩阵, V S =diag( W S / X S ) ,含义为国家S的单位产出所获得的增加值。

将矩阵乘积展开,可得Val的元素表达式:

Val=[ V 1 R G B 1R Y R1 V 1 R G B 1R Y R2 V 1 R G B 1R Y RG V 2 R G B 2R Y R1 V 2 R G B 2R Y R2 V 2 R G B 2R Y RG V G R G B GR Y R1 V G R G B GR Y R2 V G R G B GR Y RG ] (14)

基于式(14),国家R的产业i的增加值 Va l i R 可表示为:

Va l idom R = v i R r G j=1 n b ij Rr f jCons rR + v i R r G j=1 n b ij Rr f jInv rR (15)

Va l ifor R = v i R S SR G r G j=1 n b ij Rr f jCons rS + v i R S SR G r G j=1 n b ij Rr f jInv rS (16)

Va l itotal R =Va l idom R +Va l ifor R (17)

DV A i R = Va l idom R Va l itotal R (18)

FV A i R =  Va l ifor R Va l itotal R (19)

在上述公式中,上标R/S表示国家,下标i/j表示产业,n为产业总数,G为国家总数;此外,dom表示国内循环部分,for表示国外循环部分,total表示总量(即国内与国外之和)。式(15)中, Va l idom R 表示国家R的产业i的增加值中由国内最终消费和投资需求所引发的部分;式(16)中, Va l ifor R 表示国家R的产业i的增加值中由国外最终消费和投资需求所引发的部分;式(17)中, Va l itotal R 表示国家R的产业i的增加值总量;式(18)中, DV A i R 表示国家R的产业i的国内循环需求依赖度,该数值越大,说明该产业对国内最终需求的依赖程度越高;式(19)中, FV A i R 表示国家R的产业i的国外循环需求依赖度,该数值越大,说明该产业对国外最终需求的依赖程度越高。

2.3. 数据说明

本文选取经济合作与发展组织(OECD)于2024年发布的2011~2020年国际投入产出表(ICIO表)作为数据来源。该表涵盖了全球74个国家及世界其他地区的45个产业部门的投入产出数据。相较于其他世界投入产出表,其最终使用部分被细分为HFCE (家庭最终消费支出)、NPISH (非盈利家庭服务)、GGFC (政府最终消费支出)、GFCF (总固定资本形成)、INVNT (库存变动)和DPABR (居民直接海外购买)六类。根据各项活动的使用性质,本文将HFCE、NPISH、DPABR和GGFC合并为最终消费需求项,将GFCF和INVNT合并为最终投资需求项[17]。在增加值部分,ICIO表将其划分为税收补贴和附加值两类。为确保ICIO表列向平衡,并更好地反映经济活动的实际增值情况,本文将税收补贴和附加值部分合并,作为增加值项。从中间品贸易和增加值贸易规模来看,美国、德国、日本和韩国是我国数字经济核心产业对外贸易额排名前四的国家。因此,在后续的国外循环分析中,本文将以这四个国家为例,探讨我国数字经济核心产业的国外循环关联及国外循环需求依赖。

现有研究在界定数字经济核心产业时,主要依据国家统计局于2021年发布的《数字经济及其核心产业统计分类(2021)》。依循此分类,本文选择以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、互联网和相关服务以及软件和信息技术服务业代表数字经济核心产业。同时,在参考国家统计局发布的《国民经济行业分类标准》(GB/T 4754-2017)与联合国《所有经济活动的国际标准行业分类》(ISIC Rev.4)对照表的基础上,对ICIO表所包含的45个产业部门做如下合并处理(表2):

Table 2. Input-output table sector classification

2. 投入产出表部门分类

产业部门

ISIC Rev.4

数字经济核心产业

C26; J61; J62_63

农林牧渔业

A01_02; A03

采矿业

B05_06; B07_08; B09

传统制造业

C10T12; C13T15; C16; C17_18; C19; C20; C21; C22; C23; C24; C25; C27; C28; C29; C30; C31T33

电力水务环保业

D; E

建筑业

F

商业服务业

G; H49; H50; H51; H52; H53; I; J58T60; K; L; M; N

社会公共服务业

O; P; Q; R; S; T

3. 中国数字经济核心产业双循环关联分析

3.1. 国内循环关联

3.1.1. 前向关联

国内循环前向关联测度结果如图1所示,从数值相对大小来看,2020年数字经济核心产业与传统制造业和商业服务业的前向关联系数分别为0.27855、0.14863,均高于这七个产业的平均水平0.08977,说明数字经济核心产业与这两个产业之间均存在较强的前向关联,尤其与传统制造业的关联程度更为突出。此外,其与建筑业的前向关联系数为0.07563,接近平均水平,也显示出一定程度的前向关联。相比之下,数字经济核心产业与农林牧渔业、采矿业、电力水务环保业和社会公共服务业的前向关联系数明显低于平均水平,反映出数字经济核心产业与这些产业之间的前向关联较弱。总体来看,传统制造业和商业服务业是获得我国数字经济核心产业产品和服务最多的产业。

Figure 1. The forward correlation coefficient of China’s digital economy core industry to domestic industries

1. 中国数字经济核心产业对国内各产业的前向关联系数

从变化趋势来看,数字经济核心产业与传统制造业、建筑业和商业服务业等主要关联产业的前向关联系数整体呈现出先升后降的变化趋势。这表明,近年来数字经济核心产业对这些产业发展的推动作用有所减弱,但整体关联程度仍高于2011年,说明其在中长期内仍发挥了较强的推动作用。与此同时,数字经济核心产业与农林牧渔业、采矿业和电力水务环保业的前向关联系数也表现出类似趋势,但波动幅度较小,且整体关联程度仍然较低,反映出其对上述产业发展的推动作用相对有限。值得注意的是,数字经济核心产业对社会公共服务业发展的推动作用正在不断增强。其前向关联系数由2011年的0.03521上升至2020年的0.05837,增幅达65.79%,并逐渐接近平均水平。这一变化反映出数字技术在公共服务领域的深入应用与持续扩展,也与“智慧政务”、“数字民生”等国家战略的推进方向相一致[18]

3.1.2. 后向关联

国内循环后向关联测度结果如图2所示,数字经济核心产业与国内各产业间均存在不同程度的后向关联关系。这表明,数字经济核心产业在提供产品和服务推动后续产业发展的同时,其自身发展过程中的需求也会反过来拉动这些产业的发展。从数值相对大小来看,数字经济核心产业与传统制造业及商业服务业的后向关联程度较高,而与农林牧渔业、采矿业、电力水务环保业、建筑业和社会公共服务业的后向关联程度相对较低。这说明,当前我国数字经济核心产业在生产过程中,所需的国内中间投入主要来源于传统制造业和商业服务业,其他产业在其投入结构中所占比重较小。值得注意的是,2020年数字经济核心产业与传统制造业的后向关联系数是商业服务业的1.53倍。说明在后向关联中,数字经济核心产业与传统制造业之间的联系同样更为密切,传统制造业对数字经济核心产业的发展具有更强的支撑作用。这一现象也反映出我国数字经济核心产业目前仍处于以硬件为主导的发展阶段,在其生产过程中对实体制造环节的依赖程度较高[19]

Figure 2. The backward correlation coefficient of China’s digital economy core industry to domestic industries

2. 中国数字经济核心产业对国内各产业的后向关联系数

从变化趋势来看,数字经济核心产业与传统制造业的后向关联系数整体呈下降趋势,由2011年的0.54969下降至2020年的0.47888。相比之下,其与商业服务业的后向关联系数则呈现出先升后降的变化趋势,但整体变动幅度较为平稳,2020年仍维持在0.31384,较2011年的0.31680仅小幅下降。同时,除农林牧渔业外,数字经济核心产业与其他产业的后向关联系数也普遍出现了一定程度的下降,但波动幅度相对较小。这意味着,在2011年至2020年间,数字经济核心产业对国内产业发展的拉动作用正在逐步减弱。其中,传统制造业受其影响最为明显,所受拉动作用减弱了12.88%。

3.2. 国外循环关联

3.2.1. 前向关联

国外循环前向关联测度结果如图3所示,从数值相对大小来看,2011我国数字经济核心产业与美国产业的前向关联最为密切,其次为德国、韩国和日本。在产业类型上,我国数字经济核心产业与这四个国家前向关联排名前三的产业均为传统制造业、商业服务业以及社会公共服务业,其中与传统制造业的关联程度最高。由此可见,国外传统制造业是我国数字经济核心产业的主要供给对象,所获得的产品和服务最多。然而,到2020年,我国数字经济核心产业与上述国家的前向关联结构发生明显变化。一方面,在国家关联顺序上,我国与韩国的前向关联程度已超过德国,升至第二位,仅次于美国。这表明,韩国在我国数字经济核心产业对外输出中的地位不断上升,并已超越德国。另一方面,在产业结构上,美国和日本的商业服务业与我国数字经济核心产业的前向关联已超过其传统制造业,成为关联最紧密的产业。而德国和韩国的商业服务业与我国数字经济核心产业的前向关联虽尚未超越传统制造业,但两者之间的差距显著缩小。这反映出,我国数字经济核心产业与美国、德国、日本和韩国的前向关联重心正逐渐从传统制造业转向商业服务业。

Figure 3. The forward correlation coefficient of China’s digital economy core industry to foreign industries

3. 中国数字经济核心产业对国外各产业的前向关联系数

从变化趋势来看,我国数字经济核心产业与美国传统制造业、商业服务业以及社会公共服务业的前向关联系数整体呈下降趋势,表明我国数字经济核心产业对美国相关产业发展的推动作用正在逐渐减弱。而与德国主要关联产业的前向关联系数整体呈先降后升的变化趋势,尽管在后期有所回升,但与2011年相比,除社会公共服务业外,与传统制造业和商业服务业的前向关联系数仍存在不同程度的下降。这表明,我国数字经济核心产业在对德国产业的外部输出过程中,整体推动作用仍未恢复至2011年水平。相比之下,除日本传统制造业外,我国数字经济核心产业与日本和韩国其他主要关联产业的前向关联系数整体呈上升趋势,其中商业服务业的增长幅度相较其他产业更为明显。这说明,我国数字经济核心产业对日韩两国,尤其是这两个国家的商业服务业发展的推动作用正在逐渐增强,区域间的数字协同效应也在逐步显现。

3.2.2. 后向关联

国外循环后向关联测度结果如图4所示,从数值相对大小来看,我国数字经济核心产业与韩国产业的后向关联最为密切,其次为日本、美国和德国。在产业类型上,我国数字经济核心产业主要与上述国家的传统制造业及商业服务业之间存在较强的后向关联。这意味着,在我国数字经济核心产业生产过程中,所需的国外中间投入主要来源于这些国家的传统制造业和商业服务业,其中韩国和日本在其投入结构中的占比相对较高。总体来看,美国的商业服务业对我国数字经济核心产业发展的支撑作用更强,德国、日本和韩国则是在传统制造业上提供了更强的支撑。但值得注意的是,到2020年,德国、日本和韩国的商业服务业与我国数字经济核心产业的后向关联程度已超过其传统制造业,成为新的主要支撑来源。从变化趋势来看,我国数字经济核心产业与上述国家传统制造业和商业服务业的后向关联系数整体呈下降趋势。这表明,我国数字经济核心产业对这些产业发展的拉动作用正在不断减弱。其中,我国数字经济核心产业与这些国家传统制造业的后向关联系数下降幅度明显高于商业服务业,说明这四个国家的传统制造业受我国数字经济核心产业拉动作用减弱的影响更为明显。

Figure 4. The backward correlation coefficient of China’s digital economy core industry to foreign industries

4. 中国数字经济核心产业对国外各产业的后向关联系数

4. 中国数字经济核心产业双循环需求依赖分析

4.1. 国内循环需求依赖

国内循环需求依赖测度结果如图5所示,2011年至2020年间,我国数字经济核心产业对国内消费和投资的需求依赖度与其他产业相比仍存在较大差距。截至2020年,数字经济核心产业对国内消费和投资的需求依赖度合计为61.34%,远低于农林牧渔业的85.67%、采矿业的81.34%、传统制造业的78.66%、电力水务环保业的88.43%、建筑业的99.92%、商业服务业的85.83%以及社会公共服务业的99.05%。这表明,相较于其他产业,我国数字经济核心产业更依赖国外需求,其外循环特征更强。而造成这一差异的主要原因可能在于其产业结构的不同。当前,我国在核心零部件和高端技术领域仍面临一定的技术瓶颈,这在一定程度上限制了数字经济核心产业的自主发展,也影响了其对国内市场的依赖程度[20]。尽管如此,从变化趋势来看,数字经济核心产业对国内消费和投资的需求依赖度整体呈上升趋势。这表明,随着我国在关键技术领域自主可控能力的提升,国内市场对数字经济核心产业发展的支撑作用正在不断增强[21]。进一步地,从消费与投资的需求依赖结构来看,2011年至2020年间,数字经济核心产业对国内投资的需求依赖度始终高于对消费的需求依赖度,表明我国数字经济核心产业相对更依赖投资驱动,属于投资依赖产业。然而,从变化趋势来看,两者的差距逐渐由2011年的10.73%缩小至2020年的7.17%。这反映出,消费对数字经济核心产业发展的拉动作用在逐步增强,产业需求结构正朝着更加平衡的方向演进。

Figure 5. The dependence of China’s industries on domestic consumption and investment demand

5. 中国各产业对国内消费与投资的需求依赖度

4.2. 国外循环需求依赖

国外循环需求依赖测度结果如图6所示,2011年至2020年间,我国数字经济核心产业对美国消费与投资需求依赖程度最高,其次为日本、德国和韩国。除韩国外,我国数字经济核心产业对美国、德国和日本的消费与投资需求依赖度整体呈下降趋势。具体来看,我国对美国消费和投资的需求依赖度分别由2011年的5.15%和5.92%降至2020年的4.17%和4.01%;对德国的需求依赖度则由1.49%和0.98%降至1.21%和0.81%;对日本的需求依赖度也从2.70%和1.93%降至2.31%和1.89%。相比之下,我国对韩国消费与投资的需求依赖度整体则呈先降后升的变化趋势,其中对消费的需求依赖度由2011年的0.82%增至2020年的1.00%,对投资的需求依赖度2020年仍保持在0.88%左右。上述变化表明,随着国内大循环的持续加强,我国数字经济核心产业对其国外市场的依赖程度正在逐步减弱。截至2020年,我国数字经济核心产业对美国、德国、日本和韩国的消费需求依赖程度相对更高,对这四个国家消费的需求依赖度合计为8.70%,而对投资的需求依赖度为7.59%,两者合计占其整体对外需求依赖结构的42.12%。总体来看,当前我国数字经济核心产业在国外市场上更依赖消费需求的拉动,尤其是发达国家的消费需求,在其整体对外需求依赖结构中占据相对主导地位。这种结构特征表明,我国数字经济核心产业在全球价值链中具有较强的市场竞争力和产品吸引力,能够稳定进入高收入市场并实现持续的外需拉动[22]。但同时也反映出我国数字经济核心产业在国外循环中面临更高的外部风险暴露。在技术封锁、贸易限制和供应链重构不断强化的背景下,对少数国家的需求依赖可能削弱产业链的自主性与可控性,并放大外部不确定性对国内产业运行的潜在冲击。

Figure 6. The demand dependence of China’s digital economy core industry on foreign consumption and investment

6. 中国数字经济核心产业对国外消费与投资的需求依赖度

5. 结论与政策建议

5.1. 研究结论

本文基于OECD发布的2011~2020年世界投入产出表,从中间品贸易和增加值贸易两个维度出发,测度了我国数字经济核心产业的双循环关联特征及其需求依赖结构,主要研究结论如下:

1) 我国数字经济核心产业与国内传统制造业的前后向关联程度最高,其次为商业服务业,而与其他产业的关联相对较弱。数字经济核心产业在前向提供产品和服务推动传统制造业发展的过程中,其自身发展所产生的后向需求也会反向拉动该产业发展。我国数字经济核心产业与美国、德国、日本和韩国的传统制造业和商业服务业同样保持着较强的前后向关联关系,对这两个产业均表现出明显的前向推动和后向拉动作用,但其产业关联重心正逐渐从传统制造业转向商业服务业。数字经济核心产业在减少对传统制造业后向需求的同时,其产品和服务的前向供给也在更多地面向商业服务业。

2) 我国数字经济核心产业对国内市场的需求依赖虽呈上升趋势,但整体仍远低于国内其他产业,外循环特征依然较为明显,在国外市场中主要依赖国家依次为美国、日本、德国和韩国,这四个国家的消费与投资需求在我国数字经济核心产业对外需求依赖结构中占据相对主导地位。随着国内大循环的不断强化,其外循环特征正在逐步减弱,国外市场需求逐渐被国内市场替代。从需求依赖结构来看,我国数字经济核心产业在国内市场中主要受投资需求拉动,而在国外市场中则更多依赖消费需求驱动。

5.2. 政策建议

针对以上结论,本文提出政策建议如下:

1) 国内深化与数字经济核心产业的融合。一方面,持续推动数字技术在传统制造业的深度应用,充分发挥数字经济核心产业前向供给对传统制造业转型升级的推动作用,同时通过其后向需求拉动核心制造产业发展。另一方面,加快商业服务业的数字化升级,例如推动数字产品和服务在零售、物流等领域的广泛应用,以缓解前后向关联可能减弱带来的风险。国外顺应产业关联重心转移趋势。在降低对美、德、日、韩等国传统制造业中间品过度依赖的基础上,鼓励数字经济核心产业开发适用于零售、物流等商业服务业的定制化解决方案,拓展前向供给市场,培育新的增长点。

2) 对内优化需求依赖结构。在保持关键数字经济领域投资力度的同时,通过政策引导数字产品和服务下沉至消费市场,例如推动智慧零售、数字文旅等场景的普及,并通过补贴政策培育智慧家居等消费场景,从而激活数字消费。对外推进市场多元化。在稳固与美、德、日、韩等传统市场合作的基础上,应积极开拓“一带一路”沿线国家及其他新兴市场,通过数字贸易、海外仓建设等方式分散风险,减少对少数发达国家市场的过度依赖。针对国外市场以消费需求为主导的特点,鼓励数字经济核心产业精准洞察境外消费者偏好,推动数字产品和服务从“技术导向”向“用户导向”转型,提升品牌影响力和市场渗透率。

参考文献

[1] 舒成利, 赵安格, 黄东, 等. 新发展格局下数字经济产业链发展战略框架研究[J]. 中国科技论坛, 2023(12): 61-71.
[2] 杨继军, 傅军. “一带一路”贸易网络结构及其对区域经济联动的影响[J]. 南京社会科学, 2022(11): 42-50.
[3] Gao, Y.N., Li, M., Yu, A.Q., et al. (2023) Digital Global Value Chains: An Analysis from the Perspective of a Value-Added Decomposition. Journal of Digital Economy, 2, 162-174. [Google Scholar] [CrossRef
[4] 谢煜. 数字产业渗透赋能全球价值链重构:理论机制与实证检验[J]. 江淮论坛, 2023(6): 114-124.
[5] 郑媛媛, 杨仁发. 数字经济渗透对全球价值链网络演化的影响及风险应对[J]. 经济学动态, 2025(8): 153-171.
[6] 张军超, 杨文宇. 中国数字经济核心产业发展双循环格局研究: 基于国内和全球价值链的考察[J]. 西部论坛, 2023, 33(3): 32-49.
[7] 蔡涟, 张亚斌, 刘子健, 等. 价值循环视角下国内国际双循环的演变与国际比较[J]. 国际贸易问题, 2024(5): 1-17.
[8] 成力为, 张松子. 中国各地区国内外循环参与度测度及产品循环特征: 基于总产出的增加值分解[J]. 世界经济研究, 2024(6): 90-104+137.
[9] 黄群慧, 倪红福. 中国经济国内国际双循环的测度分析: 兼论新发展格局的本质特征[J]. 管理世界, 2021, 37(12): 40-58.
[10] 都田秀佳. 中国经济国内国际双循环的综合测度研究: 基于综合评价和世界投入产出模型的双重视角[J]. 调研世界, 2025(1): 57-70.
[11] 李跟强, 潘文卿. 双循环与经济增加值解构: 基于价值链的视角[J]. 经济理论与经济管理, 2023, 43(11): 85-98.
[12] 陈全润. 投入产出框架下的双循环测度:理论基础与典型事实[J]. 统计研究, 2025, 42(1): 18-32.
[13] 潘文卿, 郝远航. 中国双循环如何实现价值创造: 基于生产的视角[J/OL]. 系统工程理论与实践, 2025: 1-25.
https://link.cnki.net/urlid/11.2267.N.20250317.1054.004, 2025-07-02.
[14] 李晓, 刘宝琦. 中国经济国内国际双循环测度: 基于三种GDP分解的比较分析[J]. 南开经济研究, 2024(1): 3-19.
[15] 陈全润, 许健, 夏炎, 等. 国内国际双循环的测度方法及我国双循环格局演变趋势分析[J]. 中国管理科学, 2022, 30(1): 12-19.
[16] Koopman, R., Wang, Z. and Wei, S.J. (2014) Tracing Value-Added and Double Counting in Gross Exports. American Economic Review, 104, 459-494. [Google Scholar] [CrossRef
[17] 王静, 齐军明. 制造业双循环的测度方法及结构特征分析[J]. 统计与决策, 2023, 39(22): 89-94.
[18] 段尧清, 李佳奇, 陈婷, 等. 我国数字政府建设成效测度与评价的研究进展与未来展望[J]. 情报科学, 2025, 43(1): 2-11.
[19] 徐映梅, 李坤. 我国数字经济融合特征及其变化趋势分析[J]. 统计研究, 2025, 42(1): 61-74.
[20] 茹慧超, 邓峰, 肖鸿波. 数字技术锁定对经济增长质量的影响[J]. 软科学, 2025, 39(9): 46-55.
[21] 王霞, 傅元海. 制造业自主可控水平的测度: 产业关联视角[J/OL]. 系统工程理论与实践, 2025: 1-24.
https://link.cnki.net/urlid/11.2267.N.20250303.1010.004, 2025-06-29.
[22] Kano, L., Tsang, E.W.K. and Yeung, H.W.-C. (2020) Global Value Chains: A Review of the Multi-Disciplinary Literature. Journal of International Business Studies, 51, 577-622. [Google Scholar] [CrossRef