数字产业化与创新促进经济双循环了吗？

Did Digital Industrialization and Innovation Promote Double Circulation of Economy?

摘要: 为探讨数字产业化、创新和经济双循环的影响和作用机制，本文基于2014~2019年的省际面板数据，通过调节效应、中介效应和逐步回归方法进行检验。结果表明：1) 数字产业化、创新和经济双循环各变量间显著正相关。财政支出科学技术支出对于数字产业化对经济双循环的调节作用显著，财政支出科学技术支出对于创新对经济双循环的调节作用显著。2) 创新在数字产业化对经济双循环中的链式中介效应显著。3) 新产品销售收入扣除开发经费支出、互联网宽带接入端口数量和按地区规模分R&D经费等3个变量对经济双循环影响显著。研究一定程度上解释了数字产业化和创新对经济双循环的影响机制，丰富了经济双循环促进方面的研究成果。

Abstract: In order to explore the impact and mechanism of the double cycle of digital industrialization, innovation and economy, this paper tested the moderating effect, mediating effect and step-to-step regression method based on the provincial panel data from 2014 to 2019. The results show that: 1) There is a significant positive correlation among the variables of digital industrialization, innovation and economy. Fiscal expenditure science and technology expenditure plays a significant role in the adjustment of digital industrialization to the economic double cycle, and fiscal expenditure science and technology expenditure plays a significant role in the adjustment of innovation to the economic double cycle. 2) Innovation has a significant chain mediating effect on the double cycle of digital industrialization. 3) Sales revenue of new products deducting development expenditure, number of Internet broadband access ports and R&D expenditure by region have significant influence on the double cycle of economy. To some extent, the research explains the influence mechanism of digital industrialization and innovation on the double cycle of economy and enriches the research results on the promotion of the double cycle of economy.

1. 引言

我国正在加快推动数字产业化。习近平总书记早在2000年就提出建设“数字福建”的构想。党的十八大以来，习总书记多次提出加快“数字中国”建设。2018年4月21日，全国网络安全和信息化工作会议上，习总书记强调了信息化是中华民族千载难逢的历史机遇，要依靠信息技术创新驱动，加快推动数字产业化。2021年6月国家统计局首次确定的数字经济基本范围，将数字经济划分为数字产业化和产业数字化两个方面，其中，数字产业化包括数字产品制造业、数字产品服务业、数字技术应用业和数字要素驱动业，是数字经济发展的核心和基础。构建新发展格局，强调开放的、相互促进的国内国际双循环是我国立足自身发展阶段和发展条件提出的重大经济战略抉择。

可见，推动数字产业化加快发展、加快科技创新，促进经济双循环已经成为实现我国经济高质量发展的重要引擎。国内外学者对数字经济理论构建 [1] [2] [3] [4]、规模测度 [5] - [10]、评价指标体系 [11] [12] [13]、对经济双循环的影响 [14] [15] [16] [17] 等方面进行了广泛深入的研究。目前已有文献鲜有分析数字产业化对经济双循环的影响，因此本文试图探究数字产业化发展是否促进我国经济双循环发展？数字产业化对经济双循环的作用机制如何衡量，创新驱动在这一过程中如何发挥作用？基于上述问题，将从三个方面进行探索分析。第一、基于调节效应分别研究数字产业化和创新驱动对经济双循环的影响。第二，基于链式中介效应研究创新在数字产业化中对经济双循环的影响。第三，基于逐步回归探究数字产业化和创新中具体影响经济双循环的变量。

2. 理论分析、研究假设、研究设计及变量选取

2.1. 理论分析与研究假设

数字产业化作为数字经济的核心，通过电子信息制造业、电信业、软件和信息技术服务业和互联网等行业发展为实体经济提供技术、产品和解决方案。数字产业化的发展能够提升实体经济效率，降低交易成本，促进供需精准匹配。地区财政支出的科技支出水平直接反映了政府对科技活动的支持力度，科技支出越多的地区，其数字产业化发展越能提升消费、投资和净出口。据此提出：

假设H1：地区财政支出的科技支出对数字产业化促进经济双循环起正向调节作用。

经济双循环是以国内大循环为主体，国内国际双循环相互促进的新发展格局。科技的本质就是创新，创新通过创造新的生产函数，推动社会生产力发展，进而推动国内双循环。同时，地区财政支出的科技支出水平具有显著正向促进区域创新作用。据此提出：

假设H2：地区财政支出的科技支出对创新促进经济双循环起正向调节作用。

数字产业化通过培养新的生产要素提高了全要素生产率，创新发展尤其是科技创新是经济增长的源泉，数字产业化发展进一步推动了创新要素的传播和扩散。地区财政支出项目包括基本建设支出、行政管理费、农林水气事业费、科技支出等，其中科技支出的增加能够促进地区专利申请授权量和新产品扩大销售。据此提出：

假设H3：数字产业化促进创新投入和产出，进而促进经济双循环。

2.2. 研究设计

本文数据主要通过国泰安的数字经济库、区域经济库、经济内循环库获得2014年至2019年31个省份有关数据作为样本，并进行了以下几项处理：1) 删掉数据不完整的西藏自治区的数据，因此实际分析中包含30个省份数据；2) 由于不同指标单位有别，对各个指标进行了z-score标准化处理，Z标准化(S)公式为：(X-Mean)/Std，标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。最后得到了180个样本数据。所有分析采用SPSSPRO1.1.4软件进行。

2.3. 变量选取

被解释变量：经济双循环通过对经济内循环和经济外循环的3个变量求均值得到，分别是使用居民人均消费支出和固定资产投资(不含农户)房地产开发(亿元)作为经济内循环变量，净出口作为经济外循环变量。解释变量：自变量X1~X5代表数字产业化水平，分别代表了数字产业化的通信业、软件和信息服务业、电子信息制造业和互联网的发展衡量指标。自变量X6~X8代表创新驱动水平，用按地区规模分R&D经费、新产品销售收入减开发经费支出和发明创造当年累计件数作为度量指标。控制变量选取人均GDP，调节变量选取财政支出中的科学技术支出水平。参考以往文献 [18] [19]，本文设置的因变量、自变量、控制变量和调节变量见表1。

Table 1. Dependent variables, independent variables, control variables and moderator variables of this research

表1. 本研究的因变量、自变量、控制变量和调节变量

通常正态分布的检验方法有两种，一种是Shapiro-Wilk检验，适用于小样本资料(样本量 ≤ 5000)；另一种是Kolmogorov-Smirnov检验，适用于大样本资料(样本量 > 5000)，由于本文采用的样本量为180，故适用于Shapiro-Wilk检验(简称S-W检验)。样本描述性统计结果及S-W检验结果见表2。

Table 2. Sample descriptive statistics and S-W test results

表2. 样本描述性统计及S-W检验结果

注：^***、^**、^*分别代表1%、5%、10%的显著性水平。

本文选取的变量均符合正态分布特征，故采用Person相关系数进行分析变量间相关性，图1为变量相关系数热力图，交叉框内数据为变量相关系数。所有相关系数均在1%水平上通过检验，且相关系数均为正数。

Figure 1. Thermal diagram of variable normality test

图1. 变量正态性检验热力图

3. 调节效应和中介效应实证分析结果

3.1. 分析edc与di的关系时，加入调节变量av-st和控制变量的调节效应分析结果

通过表3可见，模型1：其目的在于研究在不考虑调节变量M的干扰时，自变量X对于因变量Y的影响情况；模型2：模型2主要是在模型1的基础上加入调节变量M；模型3：模型3在模型2的基础上加入自变量与调节变量的交互乘积项。调节效应分析表的结果显示，调节效应分析表的结果显示，模型2到模型3时，△F值的p值为0.000^*** < 0.05，呈现显著性，意味着调节变量av-st对于di对edc的影响会产生显著干扰。假设H1得以证实。

Table 3. Regulatory effect Test results between edc, di and av-st

表3. edc、di和av st之间的调节效应检验结果

注：^***、^**、^*分别代表1%、5%、10%的显著性水平。

3.2. 分析edc, i与av-st的关系时，加入调节变量和控制变量的调节效应分析结果

通过表4可知，调节效应分析表的结果显示，模型2到模型3时，△F值的p值为0.000^*** < 0.05，呈现显著性，意味着调节变量av-st对于i对edc的影响会产生显著干扰。假设H2得以证实。

Table 4. Regulatory effect Test results between edc, i and av-st

表4. edc、i和av-st之间的调节效应检验结果

注：^***、^**、^*分别代表1%、5%、10%的显著性水平。

4. 链式中介效应分析

从表5可知：

中介效应分析共涉及3类模型，分别如下：

模型1，自变量X与因变量Y进行回归模型：

$\text{edc}=0.0+0.04\ast \text{di-wp}+0.217\ast \text{di-si}+0.161\ast \text{di-ei}-0.222\ast \text{di-sr}+0.358\ast \text{di-ib}+0.125\ast \text{av-st}$

模型2，自变量X与中介变量M进行回归模型构建(如果多个中介变量则多个模型)：

$\text{M1}=-0.0+0.0\text{74}\ast \text{di-wp}-0.\text{326}\ast \text{di-si}+0.\text{529}\ast \text{di-ei}+0.\text{399}\ast \text{di-sr}+0.\text{425}\ast \text{di-ib}+0.0\text{24}\ast \text{av-st}$

$\begin{array}{c}\text{M2}=0.0+0.0\text{24}\ast \text{di-wp}+0.\text{181}\ast \text{di-si}+0.0\text{45}\ast \text{di-ei}-0.\text{264}\ast \text{di-sr}\\ +0.0\text{16}\ast \text{di-ib}+0.\text{241}\ast \text{av-st}+0.\text{754}\ast \text{i-rd}\end{array}$

$\begin{array}{c}\text{M3}=0.0-0.0\text{4}\ast \text{di-wp}+0.\text{6}0\text{1}\ast \text{di-si}-0.\text{196}\ast \text{di-ei}-0.\text{338}\ast \text{di-sr}\\ +0.\text{166}\ast \text{di-ib}+0.\text{2}0\text{4}\ast \text{av-st}-0.104\ast \text{i-rd}+0.\text{664}\ast \text{i-np}\end{array}$

模型3，自变量X和中介变量M一起与因变量Y进行回归模型构建：

$\begin{array}{c}\text{edc}=0.0+0.00\text{7}\ast \text{di-wp}+0.\text{14}\ast \text{di-si}+0.00\text{4}\ast \text{di-ei}-0.\text{131}\ast \text{di-sr}\\ +0.\text{22}\ast \text{di-ib}-0.0\text{55}\ast \text{av-st}-0.\text{216}\ast \text{i-rd}+0.\text{6}0\text{3}\ast \text{i-np}+0.0\text{78}\ast \text{i-in}\end{array}$

Table 5. Results of chain mediating effect analysis

表5. 链式中介效应分析结果

表6展示了中介效应检验过程参数结果。

· 直接效应：模型3 (自变量X和中介变量M一起与因变量Y进行回归)时，自变量X的回归效应值；

· 间接效应：模型2 (自变量X与中介变量M进行回归模型)*模型3时，结果值相乘得到；

· 总效应：模型1 (自变量X与因变量Y进行回归模型)，自变量X的回归效应值。假设H3得以证实。

Table 6. Summary results of mediating effect test process

表6. 中介效应检验过程汇总结果

备注：LLCI指估计值95%区间上限。

5. 逐步回归分析

通过表7和表8可知，从F检验的结果分析可以得到，显著性p值为0.000^***，水平呈现显著性，拒绝回归系数为0的原假设。对于变量共线性表现，变量i-np、i-rd VIF值大于10，存在共线关系，简易移除共线性的自变量或者进行岭回归或逐步回归。模型的公式为：

$\text{y}=0.0+0.\text{673}\ast \text{i-np}+0.\text{223}\ast \text{di-ib}-0.\text{238}\ast \text{i-rd}$

Table 7. Summary of stepwise regression results

表7. 逐步回归结果汇总

Table 8. Results of linear regression analysis

表8. 逐步回归结果

注：^***、^**、^*分别代表1%、5%、10%的显著性水平。

6. 结语

本文运用调节效应、中介效应及逐步回归考察了数字产业化和创新对经济双循环的影响。研究结论如下：第一，数字产业化和创新不仅直接促进经济双循环，而且财政支出中的科学技术支出水平在数字产业化影响经济双循环中起到调节作用。第二，创新在数字产业化对经济双循环影响中存在中介效应，链式中介效应路径为：数字产业化→创新→经济双循环。第三，通过逐步回归确定了数字产业化与创新中对经济双循环影响较大的三个自变量，分别是新产品销售收入减开发经费支出、互联网宽带接入端口和按地区规模分R&D经费/当年累计额。

本文政策启示为：第一，持续优化科技支出结构，应加大地方财政支出中科技支出水平，地方政府应积极发挥财政资金的激励作用，加强科技支出的正溢出效应，弱化负溢出效应。第二，应大力发展数字产业，加快数字技术的发展进一步促进生产方式变革和生产效率提升，尤其是数字产业中的基础设施建设，适度超前建设应用基础设施有助于促进经济双循环战略。第三，R&D经费能够影响数字产业企业的创新水平，合理利用R&D经费提升企业创新发展能力，加强对各地区R&D经费有效利用的监督和控制。

基金项目

内蒙古经济数据分析与挖掘重点实验室研究项目(SYSKT22007)；内蒙古自治区高等学校创新团队发展计划支持项目(NMGIRT2201)。