互聯網應用與我國技術進步的要素偏向

□ 趙 偉 趙嘉華

內容提要 互聯網的發展和普及極大地改變著我們的生活，也改變著產業與企業層面技術進步的偏向。本文借助已有技術進步偏向模型，分析了互聯網應用的技術進步要素偏向效應的作用機理，并做了實證。研究顯示：可將互聯網應用作為信息中間品納入現有模型進行拓展；互聯網的普及傾向于強化技術進步的勞動要素偏向，弱化資本要素偏向。基于中國省級面板數據的實證結果，也印證了這個理論推斷。這個結論的現實意義是：互聯網的普及對于就業和勞動者收入的提升具有促進效應，但對于資本效率的提升促進不明顯。這一點也印證了學術界如下發現：近年我國投資效率及資本產出率持續下降。研究的政策寓意是，政府政策應當著力于提升資本產出效率，校正技術進步勞動偏向增強所隱含的負面影響。

一、問題的提出

互聯網的普及和應用不僅極大地改變了當今每一個人的日常生活，而且對幾乎所有產業都產生了或大或小的影響，其中一個重要的影響無疑是技術進步的偏向。我們的問題是直截了當的：互聯網的普及何以并怎樣影響著中國技術進步的偏向？

技術進步的要素偏向是經濟學研究的一個長盛不衰的論題。自Hicks（1932）的開創性工作以來，這方面的學術探索不斷。迄今的研究主要聚焦于三個問題：第一個是要素偏向的界定。三位經濟學大家的界定最具影響，分別為希克斯、哈羅德和索羅。其中希克斯的界定從技術進步的要素邊際產出效應差異切入，哈羅德（Harrod，1948）的界定從國民產出之要素分配傾向切入，索羅（Solow，1970）的界定只盯住勞動要素的邊際產出。無論哪一種界定，都聚焦于一個問題上，這便是一種技術進步究竟會導致三種情形中的哪一種發生：資本效率的提高甚于勞動？勞動效率的提高甚于資本？抑或兩者同比例提高？

第二個問題是技術進步偏向的測度。這涉及到測度方法和具體樣本選取等技術性問題。流行的方法有三種，分別為單方程法、標準化供給面系統法和Malmquist 指數法。其中單方程法將生產函數對數線性化或線性近似后進行估計，得出體現技術進步要素偏向的相關參數。標準化供給面系統法是前者的拓展，這種方法首先對生產函數及其一階條件構成的非線性系統進行擬合，得出相關參數后計算技術進步偏向指數。Malmquist 指數法從Malmquist 生產率指數中分解出技術進步偏向指數，可以用于分析投入與產出中的要素偏向，從而追蹤技術進步偏向的來源。其中，標準化供給面系統法應用最為廣泛，Leon 等（2010）使用蒙特卡洛法模擬多種測度方法后，認為此法測度技術進步偏向的可靠性最高。

第三個問題是技術進步偏向的動態變化及其原因。這實際上是兩個問題的合一：一個是具體國家技術進步要素偏向的動態變化。這方面的研究很多，國與國之間、一國不同時期各異。另一個是導致要素偏向變動的原因。迄今的研究大體上可歸入三個假說：第一個可稱為要素特征假說，即要素的價格、市場規模等特征決定了技術進步的偏向。Acemoglu（2002）是這個假說的主要代表。第二個可稱為企業選擇假說，即認為企業進入和內部研發均傾向于高回報行業，由此改變了要素的相對需求，導致了技術進步偏向變化（Lei，2013）。第三個可稱為制度與政策假說，關注最多的包括人口政策和專利制度（Irmen，2013；潘士遠，2008）。

值得注意的是，現有關于技術進步偏向改變的原因，幾乎全部盯著非技術因素，而忽略了如下情形：基礎性行業的重大技術突破對一個經濟體整個技術進步偏向的影響。我們所要研究的問題恰恰屬于這樣的問題。具體而言，就是一項通用型技術進步對一國或者一個地區技術進步偏向的影響。

這樣一種研究具有一定開拓性。以往有關技術進步要素偏向的研究，雖與我們的論題有相似的視野，但未有相同的范式。相似的視野在有關IT革命效應的研究中可以看到。其中，Klump 等（2007）在比較了美國和歐洲的技術進步差異后認為信息技術革命對要素偏向可能產生影響，他們認為電腦、半導體等IT 產品價格的快速下降意味著IT技術革命是資本節約型的。Ripatti & Vilmunen（2001）認為信息與通訊技術產業與其他產業的經濟特征存在差異，在測度技術進步偏向時應當區分對待。諸如此類的研究，與我們的研究視野相似，但要么缺少規范的理論框架，要么缺失實證檢驗。我們的研究，不僅在理論上理出了一個合乎邏輯的機理，而且直擊問題的核心，即互聯網應用普及對于整個經濟系統技術進步要素偏向的影響。

本文余下的部分安排如下：第二節機理與模型，基于互聯網技術進步特征，對這種技術進步及其應用對整個經濟系統技術進步要素偏向效應及其發生的機理做了模型刻畫；第三、四節，實證分析，首先測度了2003-2014年中國各省的技術進步偏向指數，進而分析互聯網對不同地區這一指數的影響；第五節，基于理論與實證的結論提出相應的政策建議。

二、機理與模型

我們的理論模型將在Acemoglu（2002）的生產函數中加入信息因素。假設最終品的生產需要三種中間產品，分別為勞動力中間品YL、資本中間品YK與信息中間品YI，中間品廠商在生產過程中需要投入兩種要素：勞動力L與資本K。根據勞動力在工作中是否使用了互聯網，將勞動力分為聯網勞動力與未聯網勞動力兩種，其中聯網勞動力占比為τ，可以生產勞動力中間品，也可以生產信息中間品，而未聯網勞動力只能生產勞動力中間品。最終品廠商將三種中間產品結合產生最終品，最終品生產函數為：

公式（1）中，σ 為中間品的替代彈性，且σ∈（1，+∞），中間品之間為替代關系①。三種中間品的生產函數分別為：

公式（1）、公式（2）和公式（3）中，xZ（i）表示為生產中間品Z需要的技術，Z=（L，K，I），AZ代表完成中間品所需技術的范圍，α 為勞動力或資本投入的產出彈性，且α∈（0，1）。由于生產YL與YI需要投入勞動力，所以相關的技術是與勞動力互補的技術，而生產YK的技術是與資本互補的技術。

先來分析聯網勞動力占比外生給定的情形。假設企業聯網勞動力的比重τ∈（0，1），令最終產品價格為1，技術生產商的邊際成本設為ψ≡（1-α）2，由最終產品廠商利潤最大化條件、中間品廠商利潤最大化條件、技術生產商的利潤最大化條件聯立可得：

從公式（5）中可以看出，信息中間品的投入等同于有效勞動力中間品的投入，由于，隨著τ 的增大，信息中間品的產出將增加。將公式（5）代入公式（1），可將最終品生產函數化簡為：

從公式（7）可以看出互聯網應用的普及將會提升勞動力中間品的價格。與勞動力和資本互補的技術廠商的利潤分別是：

公式（12）、公式（13）相除可得：

將公式（7）代入公式（14）可得不同類型技術的相對盈利水平：

VL相對于VK越大，發展與勞動力互補的技術的動力就越大，反之VL相對于VK越小，發展與資本互補的技術的動力越大。為了分析聯網勞動力占比對兩種技術相對盈利水平的影響，我們將公式（15）對τ 求偏導，可得：

從公式（16）可以看出，企業聯網勞動力占比的增大，提升了與勞動力互補型技術廠商的收益，這里的影響渠道可以概括為：聯網勞動力增加使得勞動中間品在最終品生產過程中的使用效率提升，價格上升，假定勞動力供給不變，生產勞動中間品的廠商利潤將會增加，從而使研發與勞動互補技術的廠商利潤也提高，最終導致技術進步偏向勞動力。

如果均衡條件下兩種技術都被應用于生產過程，則VL與VK必然相等，否則由于中間品具有替代關系，技術廠商的自由進入將使得均衡中僅有盈利更多的技術存在。由這一均衡條件以及公式（15）可得：

將公式（17）對τ 求導可得：

由此可就外生情形下互聯網發展對于企業技術進步偏向的影響，引出命題1。

命題1：隨著企業聯網勞動力占比的增加，技術廠商會傾向于更多地研發與勞動力互補的技術，從而導致技術進步的勞動力偏向相對強化，而導致技術進步的資本偏向相對弱化。

接下來考慮聯網勞動力占比內生的情形。在此情形下，企業聯網勞動力的比例τ 不再是外生變量，而是由企業權衡互聯網投資的成本與收益之后決定的最優水平。為分析企業這一決策的過程，先將中間品廠商所用勞動力按其利用互聯網信息多寡進行排序，并以下標m∈（0，1）表示，m越接近于0，勞動力Lm與互聯網連接后所能獲取的與工作相關的信息便越多。企業投資F后，Lm可通過互聯網進行工作，因此F可視為企業網絡化的邊際成本。

勞動力聯網后可以獲得的與工作相關的信息量為

公式（19）中，?G（m）/?m＜0 是對勞動力排序后信息函數所具有的特性，τ∈（0，1）為企業使用互聯網用戶占勞動力的比重，μτL代表網絡外部性效應，這種效應隨互聯網使用人數因而為網絡貢獻信息的人數增加而增加，其強度則以互聯網用戶所能獲得的信息量為轉移，可以μ∈（0，+∞）表示。正常情形下，企業先對獲取信息量較大的勞動力進行投資，因為這種勞動力所貢獻的信息量最大，投資的邊際成本F要小于從外部信息市場購買等量信息的成本pIm（其中p為單位信息的外購價格，互聯網技術的發展將會降低這一價格），企業將選擇進行互聯網投資。m趨近于1 時，勞動力加入互聯網所能貢獻的信息Im減少，投資的邊際成本F反而大于從外部信息市場購買等量信息的成本，企業將選擇外購信息。顯然，存在一個臨界點m*使得對于Km*外購信息與內部投資是無差別的，因而m*滿足：

由于企業中互聯網用戶的比例為m*，所以，τ=m*，公式（20）可以化為：

將公式（22）代入公式（17）可得：

命題2：若勞動力利用互聯網程度由企業內生因素決定，則企業傾向于擴大聯網勞動力規模，同時更多地投資于勞動力互補型技術，因而會導致企業技術進步的勞動偏向強化，資本偏向弱化。

三、實證模型、指標與數據

（一）計量模型

本文實證分析以簡單的線性模型為起點，采用以下形式：

公式（24）中，i代表地區，t代表年份。被解釋變量Dbiasit為地區i在時間t的技術進步偏向指數。internetit為核心解釋變量，代表各地區在時間t的互聯網發展程度。X代表一系列控制變量。μit為隨機干擾項。在對基準模型分析之后，我們將放松線性等式這一假設，以進一步探究互聯網的技術進步偏向效應。

（二）技術進步偏向指數的測度

本文的被解釋變量Dbias為技術進步偏向指數，采用標準化供給面系統法進行測度。方程系統由公式（25）、公式（26）、公式（27）所示的生產函數、勞動需求方程與資本需求方程組成②：

我們分兩個步驟進行測度。首先，選取2003-2014年中國省級宏觀數據對系統進行估計，得出要素替代彈性等參數③。估計結果顯示，計算技術進步偏向指數所需參數的估計值在1%的顯著性水平下均是顯著的，所有地區勞動力與資本的替代彈性均值為0.79，ζi的均值為1.02，γi的均值為0.46，與戴天仕和徐現祥（2010）對于全國的測度結果均較為接近。

第二步，將上述參數代入戴天仕和徐現祥（2010）根據希克斯定義推導的測度公式：

公式（28）中：

Yit為地區i在時間t的產出，Lit與Kit分別為地區i在時間t的勞動力與資本投入，γi為地區i的資本密集度，ei為地區i勞動與資本的替代彈性，為t時，地區i要素Z的效率，wit、γit分別為各地區t時期的勞動力與資本的價格。若Dbiasit＞0則這一地區技術進步更多的提高了資本的生產效率，是偏向資本的；若Dbiasit＜0 則這一地區的技術進步更多的提高了勞動力的生產效率，是偏向勞動力的；若Dbiasit=0 則這一地區的技術進步同速率的提高了資本與勞動力的生產效率，是中性的。

圖1 為技術進步偏向指數的測度結果，箱型圖中包含了技術進步偏向指數的最大值、最小值、研究期間初始值與終值，箱體黑色表明初始值大于終值，箱體白色表明初始值小于終值。可以看出，全國大部分省份在大部分年份的技術進步指數都是大于零的，均值為0.10，說明我國技術進步總體偏向資本。各省的箱體大部分為黑色，表明2014年較2003年大部分地區的技術進步偏向指數都有所下降，技術進步的資本偏向有所減弱。從具體數據來看④，大部分省份的技術進步偏向指數在2008年金融危機期間都出現了顯著下降，2009年快速反彈，之后則總體處于減弱的趨勢。

圖1 技術進步偏向指數

（三）其他變量測度

核心解釋變量internetit。本文選取各省（區）當年互聯網普及率即互聯網用戶數/人口來衡量地區互聯網發展程度，數據來源于各省統計年鑒。

控制變量X。為了將各省宏觀經濟的一些差異對技術進步偏向的影響同互聯網對技術進步偏向的影響剝離，本文根據技術進步偏向領域已有的文獻引入下列控制變量：1）是否為2008年：dum2008。2）要素替代彈性是否大于1：edum。3）要素價格相對扭曲程度tkl：資本的價格扭曲效應為資本的邊際產出與央行一年期到三年期貸款基準利率之比，勞動力的價格扭曲效應為勞動力的邊際產出與人均工資之比，二者相除得到相對扭曲程度指數。將CES 生產函數對各要素求導可得出要素邊際產出的表達式，代入相關數據及技術進步偏向測度中得出的參數即可得出要素的邊際產出⑤。人均工資為工資總額與就業人數之比，工資總額采用工資價格指數進行平減，數據來源于各省統計年鑒。一年到三年期貸款基準利率來源于中國人民銀行網站。4）要素結構的變化dkl：資本增量與勞動力增量之比。5）對外開放程度trade：各省進出口總額占GDP 比重。6）人力資本增量dhuman：按照易信和劉鳳良（2013），我們將人均受教育年限（（小學人口數*6+初中人口數*9+高中人口數*12+大專及以上人口數*16）/總人口數）作為人力資本的代理變量，引入人力資本的增加量作為控制變量。7）老年人口撫養比：dependency。上述數據均來自各省統計年鑒。

（四）描述性統計

表1 給出本文所有變量的描述性統計。核心解釋變量與因變量的相關系數為-0.06，可以初步判斷二者具有負相關關系，即互聯網發展程度越高，技術進步的勞動偏向越強。

四、實證結果與分析

回歸分析中，考慮到殘差可能由于個體效應和時間效應的存在而不符合獨立同分布的假設，導致序列相關和截面相關問題，為避免有偏估計，我們采取了兩個措施：1）以Wooldridge 方法檢驗是否存在序列相關性，若不存在則不控制個體效應，反之則加入地區虛擬變量控制個體效應；2）采用Friedman 檢驗方法檢驗是否存在截面相關，若不存在則不控制時間效應，反之則加入時間虛擬變量控制時間效應。檢驗結果顯示，本文模型均存在序列相關而不存在截面相關，所以下文僅控制個體效應。

此外，數據的異方差性、多重共線性也可能造成有偏估計。為避免這種情形，采用修正瓦爾德檢驗方法檢驗組間異方差，發現模型存在組間異方差，所以最終根據聚類穩健標準誤判斷回歸系數的顯著性。最后，通過控制加入的變量數量，使得模型最大的方差膨脹因子小于10 以避免多重共線性問題。

表1 變量描述性統計

（一）基準模型

表2 模型（1）-（5）是對公式（24）進行逐步回歸的結果。第一列為僅考慮核心解釋變量的結果；第二列加入2008年虛擬變量以及要素替代彈性虛擬變量；第三列加入要素層面的兩個控制變量，即要素價格相對扭曲程度指數及要素結構變化指數；第四列加入對外開放程度控制變量；第五列加入人口結構的兩個控制變量，即人力資本與老年人口撫養比。

從表2 中不難看出，在所有模型中核心解釋變量的回歸系數均顯著小于零，逐步加入遺漏的控制的變量后，核心解釋變量的顯著性水平有所提升，說明互聯網的普及使得技術進步偏向指數減小，也就是說技術進步的資本偏向減弱而勞動力偏向增強。要素價格相對扭曲程度的回歸系數顯著大于零，說明資本價格更大的扭曲增強了技術進步的資本偏向。要素結構變化的系數顯著小于零，表明我國資本要素存在規模不經濟，其投入的相對增加反而降低了資本要素的相對生產效率。人力資本增量的回歸系數顯著為正，教育水平較高的勞動力同資本之間存在互補關系，其投入的增加更多地促進了資本生產率的提升。

綜上實證結果，互聯網的普及應用更多地提升了我國勞動力的生產率，技術進步的勞動偏向增強，而資本偏向減弱。這一效應在控制一系列要素特征與區域特征之后仍是顯著的。

（二）影響渠道

邏輯上分析，互聯網促使技術進步偏向勞動力的途徑可能存在三種情形：其一，互聯網既提高了勞動生產率也提高了資本生產率，但勞動生產率提升的幅度更大；其二，互聯網提升了勞動生產率而降低了資本生產率；其三，互聯網既降低了勞動生產率也降低了資本生產率，但勞動生產率降低的幅度更小。

為具體確定我國的實情，須借助回歸方法分析互聯網應用對我國勞動和資本的生產率效應。表3 回歸結果顯示，互聯網顯著提升了我國勞動力的邊際生產率而降低了資本的邊際生產率，與前面第二種情形一致。這意味著，即便資本的邊際生產率不變，互聯網應用也具有勞動偏向效應。實際上，隨著互聯網應用的普及，粗放式“雙創”（大眾創業、萬眾創新）方興未艾，后者對資本產出率具有拖曳效應。

（三）地區差異

上述結論還可通過對地區差異的分析進一步得到印證。地區層面的分析通過樣本分類回歸實施。表4 三個模型分別處理三個被解釋變量：模型1 以技術進步偏向指數為被解釋變量，模型2、3分別以勞動邊際生產率和資本邊際生產率為被解釋變量，每個被解釋變量下都做了東西部區分⑥，篇幅所限，這里省略了控制變量的回歸結果。這樣分地區回歸結果不難看出，互聯網的發展通過提升勞動生產率、降低資本生產率從而增強了技術進步的勞動偏向。互聯網對東部地區勞動效率的提升效應弱于西部地區，對東部地區資本效率的抑制效應強于西部地區。

表2 基準模型回歸結果

表3 影響渠道

表4 地區差異

（四）穩健性檢驗

對實證結果的穩健性檢驗可從兩個方面切入：其一，我們在基準模型中選擇互聯網普及率作為一個地區互聯網發展程度的測度指標，這是從需求視角來看互聯網，如果從供給視角也就是網絡資源視角來看，我們的結論是否依然成立？為此在表5 模型1 中，我們用表征互聯網資源的網站數/規模以上工業企業數量之比（取對數）作為核心解釋變量⑦，可以看出我們的結論依舊成立，網站數的增加也增強了技術進步的勞動力偏向。

其二，放松基準模型中的線性假設，探究互聯網對技術進步偏向的影響是否存在門限效應。模型2 為單門限假設下以互聯網普及率為門限變量和門限被解釋變量的回歸結果，核心解釋變量的系數仍顯著為負，互聯網普及率占比超過0.2129后，互聯網對于技術進步偏向的邊際影響大于占比較小時的邊際影響。模型3 為雙門限假設下的回歸結果，隨著互聯網用戶占比的增大，互聯網對于技術進步偏向的邊際影響先增大后減小。這一結論與我們的經濟學直覺也是相符的，當互聯網用戶占比極小時，網絡外部性的作用無法顯現，因而對于技術進步偏向的邊際影響較小。而當互聯網用戶占比極大時，表明該地區已經完成了網絡化進程，網絡在重要領域的應用已經普及，邊際效應開始減小。因而處于一定區間的互聯網用戶占比對于技術進步偏向的邊際影響較大。模型4-6將門限解釋變量與門限被解釋變量換為網站數，結論仍成立。

（五）內生性討論

導致內生性問題的原因主要有兩點，即遺漏重要解釋變量以及雙向因果關系。為保證結果的穩健性，我們對這兩個問題分別進行了處理。

首先，在基準模型分析中發現，區域GDP 增速、地方政府R&D 支出以及固定資產投資中國企占比也會影響技術進步偏向，但由于三個變量與互聯網普及率相關系數較高，故而未將其納入基準模型，這可能會導致遺漏信息，從而產生內生性問題。本節則對互聯網普及率、網站數量與企業數之比（取對數）、GDP 增速、地方政府科技支出以及固定資產投資中國有企業占比進行因子分析，分出互聯網及非互聯網兩個因子并將其納入模型，檢驗是否遺漏重要解釋變量。表6 中的模型1 為分析結果，互聯網因子的系數仍顯著為負，但其他因子的回歸系數并不顯著，因此可以證明本文模型沒有受到遺漏重要解釋變量的影響。

造成內生性的另一個原因是雙向因果關系，即互聯網與技術進步偏向存在相互的影響，我們以互聯網普及率的滯后一期作為互聯網普及率的工具變量進行進一步分析。在這樣的模型中，即使互聯網普及率與技術進步偏向存在雙向因果關系也應當是在當期，互聯網普及率的滯后一期這一工具變量是前期決定的，本期技術進步偏向并不能決定前期變量，因而可以避免內生性問題，結果列于表6 的模型2，可以看出我們的結論依然成立。此外在這一模型中Kleibergen-Paaprk LM 統計量為25.023（P 值=0.00），表明我們選取的工具變量與被解釋變量顯著相關，Cragg-Donald Wald F 統計值為8207.606，表明不存在弱工具變量問題，進行DWH 檢驗時，F 統計值為8.12（P 值為0.0078），表明內生性問題確實存在，工具變量模型的估計結果更為可靠。

表5 穩健性檢驗

表6 內生性討論

五、結論與政策啟示

本文將互聯網因素簡化為企業生產中所投入的“信息中間品”，借助這個變量將互聯網因素納入傳統的技術進步偏向模型之中做了理論拓展并導出相應的實證命題。進而，以我國多地區層面的數據為依據做了實證檢驗。

理論分析的主要結論是，互聯網普及引發的技術進步具有偏向勞動的特征。企業層面上，這個結論及其相應的機理，可以勞動者與互聯網結合程度為線索，從外生與內生兩個方面切入進行分析與模型化處理。研究顯示，若勞動者利用互聯網的程度由外生因素決定，則企業內聯網勞動力占比的增加將促使廠商更多地研發與勞動力互補的技術；若勞動者利用互聯網程度由企業內生因素決定，則隨著互聯網技術的發展與普及，企業更傾向于擴大聯網勞動力的規模。內生與外生兩方面因素所引出的技術進步，都具有勞動偏向特征，都導致技術進步的勞動偏向強化，資本偏向弱化。以中國2003-2014年省級面板數據為樣本的實證，印證了上述理論推斷。

客觀地說，勞動力在生產過程中通過互聯網可以更便捷地獲取信息，從而提高了自身的生產率。互聯網平臺催生的“雙創”型企業，多以粗放式資本投入建立與發展，這無疑拉低了資本的產出率。互聯網帶來的兩種要素生產率的一升一降，最終的效應無疑是技術進步的勞動偏向。

上述結論的影響與政策寓意包括：1）互聯網發展導致的技術進步勞動偏向的增強將進一步改變要素的收入分配格局，減緩勞動收入份額的下降趨勢，甚至扭轉這一趨勢，勞動力通過與互聯網的簡單結合就可以開展豐富多樣的創新、創業活動，大幅提升自身的福利水平，這是“工業革命”時代的勞動力無法完成的突破。2）由于互聯網技術具有勞動偏向的特征，進一步促進互聯網與各行業的深入結合有利于提升我國的勞動生產率，使我國勞動力要素相對豐裕的優勢得以充分發揮。3）互聯網技術所呈現的勞動偏向特征也意味著互聯網領域的投資孕育著巨大的投資泡沫和風險，同時多半導致了投資效率的下降，因而資本產出率的下降。面對這種現象，政府政策則應發揮校正作用，在促進資本效率提升上多下功夫。這方面，除了規范以互聯網為紐帶的資本市場競爭秩序，通過有序競爭提升投資效率而外，最大的著力點當在加大研發投入導向上。無論理論分析還是現實案例都清楚地表明，研發投入與資本產出率直接相關。

注釋：

①設定這一假設的理由有兩點：第一，在現實經濟中，勞動力中間品與資本中間品之間總是可以相互替代，比如在勞動力緊缺的情形下，企業可以投資于自動化設備，從而使得原本由勞動力生產的中間品被資本生產的中間品所替代；第二，我們允許技術生產商完全根據收益選擇研發何種技術，不受互補問題的約束而進行不經濟的生產，從而使得互聯網對技術進步偏向的影響能夠更好的展現。

②關于標準化供給面系統方法的推導與說明參見Klump et al.（2004）與戴天仕和徐現祥（2010）。

③數據來源分別為：產出與勞動投入來自各省統計年鑒的國內生產總值與就業人數，其中國內生產總值使用國內生產總值指數平減為1992年價；根據戴天仕和徐現祥（2010），勞動所得=勞動者報酬+生產稅凈額*（勞動者報酬/（勞動者報酬+固定資產折舊+營業盈余）），資本所得=固定資產折舊+營業盈余+生產稅凈額*（（固定資產折舊+營業盈余）/（勞動者報酬+固定資產折舊+營業盈余）），勞動者報酬、生產稅凈額、固定資產折舊、營業盈余數據來自各省統計年鑒；資本投入采用永續盤存法計算，在這種方法下，估計的時間越長，基期數據對于研究的影響就越小，所以本文選取1992年為基期，以單豪杰（2008）測算的1992年資本存量作為基期數據，并用其測算的平減指數折算為1992年價，折舊率同樣參考單豪杰（2008）確定為10.96%，新增投資為固定資本形成總額，并采用固定資產投資價格指數平減為1992年價，數據來源為各省統計年鑒。

④如有需要可向作者索取。

⑤要素邊際產出由生產函數分別對兩種要素求偏導而得，分別為：

⑥由于傳統意義上的中部地區只有六個省份，單獨分析時樣本容量過少，因而我們將中部六省歸入與其要素稟賦、經濟條件更相似的西部樣本。東部省份包括北京、天津、河北、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、廣東、海南，其余省份為西部省份。

⑦數據來源：中國互聯網絡發展狀況統計報告中網站數的年中統計值。