數字經濟水平對中國制造業資源配置效率的影響研究

于世海 許慧欣 孔令乾

(1.桂林理工大學，廣西 桂林 541004；2.浙江農林大學，浙江 杭州 311300)

隨著大數據、云計算、物聯網、人工智能等新一代電子信息技術逐漸滲透到經濟社會各領域，數字經濟已經成為引領中國經濟高質量發展的強大引擎，在經濟轉型、結構優化、動能轉換方面發揮了重要作用。而現階段，中國仍存在生產要素市場化體制機制障礙、資源配置效率低下等問題，基于此，本文將數字經濟與資源配置聯系起來，探討其對資源配置效率的影響機制，以及資源配置效率提升帶來的福利改善，以期能為中國深入推進供給側改革與經濟高質量發展提供一定的理論參考。

一、文獻回顧

“數字經濟”一詞是由Tapscott(1996)提出，Negroponte(1996)予以發展。此后，相關研究紛紛展開，其中，數字經濟的經濟效應是研究的熱點。王如玉等(2018)提出“虛擬聚集”概念，認為新一代信息技術與實體經濟的深度融合是產業轉型升級的一條新路徑。馬中東等(2020)認為，數字經濟顯著促進了制造業質量升級。楊文溥(2021)指出，相比落后地區，數字經濟對發達地區經濟增長的促進作用更顯著。然而也有研究得出不同的結論。姜松等(2020)發現，數字經濟對實體經濟的影響表現為倒“U”形特征，對實體經濟產生了擠出效應。隨著數字經濟快速發展，其測算方法引起了相關研究的關注。由于對數字經濟概念界定不一，對數字經濟發展水平的測度方法也存在較大差異，具體可以分為兩大類，即直接核算法和指標體系核算法(張艷萍 等,2022)。直接核算法是把數字經濟劃分為數字產業化和產業數字化，分別對其進行計算后加總，從而得到數字經濟總規模。指標體系法是建立多維指標體系，測算不同區域的數字經濟發展水平。

西方經濟學認為，在完全競爭市場條件下，信息是對稱的，不存在市場扭曲，資源自由流動，企業產品價格等于邊際成本，此時資源實現了最優配置。但現實中，完全競爭市場結構幾乎不存在，因而存在市場扭曲，資源不能自由流動，企業產品價格與邊際成本不相等，這就導致了資源誤置。資源誤置問題很大程度上可以解釋發達國家和發展中國家經濟發展差距(Prescott et al.，1998；Hall et al.,1999；Caselli，2005)。當前，學界對資源誤置的測算主要分為直接法和間接法。直接法關注資源誤置產生的潛在原因，對某種經濟扭曲(資本、勞動等)進行測度，利用異質性企業模型評估其效應大小；間接法需要識別資源誤置的具體原因，對實際全要素生產率與帕累托最優時全要素生產率的差異進行測度，以此衡量資源誤置的程度(錢學鋒 等,2014)。相關文獻通常以全要素生產率價值離散度、加成率離散度、要素投入扭曲等指標衡量資源誤置。聶輝華等(2011)以全要素生產率價值離散度來衡量資源誤置，認為資源誤置是導致中國制造業企業效率低下的原因，國有企業是造成資源誤置的重要因素。宗慧雋等(2020)利用加成率離散度衡量資源配置效率，認為最低工資標準上漲顯著改善資源配置，勞動力市場分割則會抑制改善作用。張天華等(2020)以要素投入扭曲測算資源配置效率以研究設立開發區對企業資源配置效率和宏觀經濟效率的影響。此外，關于資源誤置存在的原因，現有文獻多從融資約束、企業進入退出效應、政策扭曲和勞動力市場摩擦等角度進行考察(Banerjee et al.,2010；Barseghyan et al.,2011；韓劍 等,2014；Munshi et al.,2016)。在經濟增長日益依賴效率提升的背景下，深入挖掘資源誤置的成因，提升資源配置效率，對中國全要素生產率的提高和經濟高質量發展具有重要意義。

截至目前，直接從數字經濟視角來研究資源配置的文獻相對缺乏。如叢屹等(2020)研究了數字經濟對勞動力資源配置效率的影響，認為數字經濟的發展有利于勞動力資源配置效率的提高，但存在地區差異。余文濤等(2020)認為發展互聯網平臺經濟能夠緩解金融市場扭曲和技術市場扭曲。馬中東等(2020)發現數字經濟通過優化勞動和資本要素配置影響制造業質量升級。而與此緊密相關的是數字經濟與生產率關系的相關研究。如邱子迅等(2021)利用國家級大數據綜合試驗區為數字經濟對全要素生產率的促進作用提供了經驗證據。楊慧梅等(2021)的研究同樣支持了數字經濟顯著提升全要素生產率的結論。

綜上，可以發現，已有研究取得了一定的進展，但也存在一些不足。本文可能的邊際貢獻在于：第一，在指標測度上，放松規模報酬不變的假定，更為精確地估算了中國制造業行業的資源誤置程度；第二，在研究視角上，有別于現有文獻單純強調數字經濟對經濟增長的影響，本文從微觀層面分析了數字經濟水平對中國制造業資源配置的影響；第三，闡明了數字經濟水平影響資源配置的內在作用機制，識別出數字經濟影響資源配置的路徑，豐富了對資源配置效率的相關研究。

二、理論分析與假說提出

在完全競爭市場中，生產要素會從低生產率企業向高生產率企業轉移，低生產率企業就會被淘汰，最終市場上所有企業的生產率趨同，從而達到了資源最優配置。但現實中，由于市場扭曲的存在，生產要素更多地流向低生產率企業而非高生產率企業，導致資源誤置。這種現象在經濟運行中普遍存在，對中國生產率造成了重大損失(Brandt et al.,2013)。隨著新一代信息技術的應用和發展，形成了一種新經濟形態——數字經濟，對人類社會的生產、消費和分配方式產生重要影響，提高了經濟運行效率(許憲春 等,2020)，特別是其與實體經濟深度融合，成為資源配置的新方式(王如玉 等,2018)。企業應用信息技術，可以消除信息不對稱的風險，推動資源在地區之間、城鄉之間、行業之間以及企業之間流動；借助信息技術，還能加快資源流通速度，降低搜尋成本，提高匹配效率，優化資源配置效率(施炳展 等,2020)。那么數字經濟是通過何種渠道影響資源配置效率？為此，可以從成本節約效應和技術創新效應兩方面分別闡述數字經濟影響資源配置效率的內在作用機制。

交易費用是經濟運行所需要消耗的成本，而信息成本是產生交易費用的根源(Arrow,1969)。信息平臺的發展能夠增加信息溝通方式，增加信息透明度，降低信息不對稱風險(Hendriks,1999)。對生產者而言，通過信息平臺，生產企業能夠快速精準地搜尋符合標準的交易對象，并能及時與其進行溝通交流，打破地理空間限制，較好解決交易過程中遇到的各種問題，大大提高了交易效率，降低了治理成本；對消費者而言，亦是如此(Venables,2001)。顯然，數字經濟與實體經濟的融合，改變了傳統產業的生產方式，提高生產者間的協同效率。通過數字化網絡供應平臺，實現生產供應鏈上企業間匹配效率提升，促進分工協作，并建立多方共同監督的有效管理機制，從而提高供應鏈效率，降低供應鏈成本(楊文溥,2021)。此外，企業信息化生產不僅可以降低采購成本、管理成本、溝通成本、勞動成本等生產成本(Mukhopadhyay et al.,1995；Teo et al.,1997)，實現上下游企業協同效率提升，還能降低交易成本，擴大交易規模，提升資源配置效率(施炳展,2016)。總之，新一代信息技術的廣泛應用可以降低企業的搜尋成本、生產成本和交易成本，實現資源配置效率提升，最終對企業生產效率、高質量發展產生重要影響。

根據上述分析，提出：

假說1：數字經濟水平的提升降低了信息不對稱風險，提高了信息匹配準確率，降低了企業搜尋成本、生產成本和交易成本，提高了交易效率，從而降低資源誤置程度，提升資源配置效率。

作為一種“通用技術”，信息技術應用于企業生產、經營、管理決策等活動中，有助于產品、工藝和組織等方面的創新(Spiezia,2011；畢克新 等,2012)，進而全面促進企業技術進步和推動全要素生產率的提升(郭家堂 等,2016)。數字經濟是新一代信息技術快速發展的產物，深刻影響著技術創新發展(陳夢根 等,2020)，通過大數據技術促進生產要素優化配置和提升要素間協作水平，最終實現資源優化配置，提高生產效率。數字技術為生產者和消費者的供需信息對接提供了一個很好的平臺。對消費者而言，可以通過平臺發布產品偏好、個性化定制需求。對生產者而言，則可以通過平臺對需求信息進行識別、匹配、轉換，利用有限資源生產個性化產品。同時，生產企業還能快速準確地應對市場需求信息的變化，對生產及時做出相應調整。此外，數據信息知識和技術具有外溢性、共享性等特點(楊文溥,2021)，能夠讓企業突破時空障礙在全球范圍內學習新技術和新知識。例如，落后企業可以學習和模仿先進企業在技術創新、管理制度等方面的經驗，提高自身技術創新水平和管理技能。技術進步的滲透性特征會逐漸改變生產投入要素的種類和比例，打破傳統要素市場的束縛，重構資源配置方式(叢屹 等,2020)。

根據上述分析，提出：

假說2：數字經濟發展有利于推動企業技術創新，進而有利于改變投入要素的種類和比例，打破傳統要素市場的束縛，促進生產要素優化配置和提升要素間協作水平，最終實現資源配置效率提升。

三、模型、變量與數據

(一)計量模型設定

為了識別數字經濟水平對企業資源配置的影響，設定如下基準計量模型：

tfpr_opijpt=α+βdedpt+γXijpt+λj+λp+λt+εijpt

(1)

其中：i、j、p、t分別表示企業、四位碼行業、地區、年份；tfpr_opijpt表示t年p地區j行業i企業的資源配置效率；dedpt為p地區在t年份的數字經濟水平，是本研究的核心解釋變量；Xijpt是控制變量向量，包括影響企業生產率的一系列經濟變量；λj、λp、λt為虛擬變量，分別控制行業、地區和年份固定效應。β是本文重點關注的系數，它揭示了數字經濟水平對資源配置效率的影響，若β<0,則驗證了本文預期，即數字經濟水平的提高降低了資源誤置程度，提高了資源配置效率。

(二)變量測度

1.被解釋變量

參考HK模型，利用全要素生產率(Revenue-based Total Factor Productivity，TFPR)離散度衡量資源配置效率。HK模型假設在壟斷競爭條件下，如果資源能夠自由流動，更多的勞動和資源要素就會分配給生產率更高的企業，隨著低生產率企業被擠出市場，在均衡條件下，市場上所有企業的TFPR都相等，否則行業內企業間的TFPR差異越大，資源誤置越嚴重。在計算TFPR離散度時，HK模型嚴格依賴于規模報酬不變等假設條件。Foster et al.(2016)在HK模型的基礎上放寬規模報酬不變假設條件，發現TFPR離散度包含資源配置扭曲、異質性的企業生產技術和需求差異三部分，彌補了HK方法的不足，更全面地度量了資源配置效率。據此，估算TFPR離散度的簡要表達式為：

(2)

其中：γ為規模報酬，ξ為需求沖擊，ρ為需求彈性；kj為投入產出扭曲的復合效應；u和l表示分位數水平差異，一般采用第75～25或者90～10分位數差。

根據式(2)，當規模報酬不變時，即γ=1時，TFPR離散度只受扭曲因素影響，此時與HK模型一致;當規模報酬不變條件不成立時，TFPR離散度還受到需求沖擊和企業實際生產率的影響。

在式(2)中，等號右邊第一項包含需求沖擊和企業生產率差異的離散度，可用由收益生產函數估計得出的殘差項對其進行替換(范冬梅 等,2019)，進而得到：

(3)

利用式(3)，在控制異質性企業生產率和需求沖擊因素后，根據TFPR理論值與估計值之間的區別和聯系，可以估計出企業更加真實的資源誤置程度。

全要素生產率的測算方法主要有OLS法、OP法、LP法、ACF法等，學術界普遍采用后三種方法。OP方法以投資作為生產率的代理變量，有效克服了估算生產率時存在的聯立性問題和樣本選擇問題，因此，本文以式(3)為基礎，利用OP法測算中國制造業TFPR。

2.核心解釋變量

本文的核心解釋變量為中國30個省份(西藏、港澳臺除外)的數字經濟水平綜合指數。數字經濟的本質在于信息化，為了更好地分析各省份數字經濟的發展水平，遵循科學性、合理性、可獲取性等原則，并借鑒馬中東等(2020)、國家統計信息中心(2001)，采用數字基礎設施、數字資源利用、數字技術使用、數字化人才和數字產業發展五個層次20個指標構成的數字經濟水平綜合評價指標體系，詳見表1。

表1 數字經濟水平綜合評價指標體系

本文采用主成分分析法來計算30個省份的數字經濟水平綜合指數。該方法的特點是能夠很好地處理降維，將多個互相關聯的數值變量轉化成少數幾個互不相關的綜合指標，其數學模型為：

(4)

其中：Z1，Z2，…，Zp是主成分的個數；c1i,c2i,…,cpi(i=1,2,…,p)為X的相關系數矩陣R的特征值對應的特征向量。

由于數字經濟水平評價指標體系包含較多指標，為了使數據間具有可比性，在進行主成分分析之前，需對指標進行無量綱化處理。本文采用極差標準化方法對數據進行標準化，計算公式為：

(5)

借助SPSS 26.0計算出各主成分的特征值、方差貢獻率和累計貢獻率，提取出特征值大于1的成分作為主成分，然后根據成分矩陣確定每個主成分中起主要作用的指標變量。利用初始因子載荷矩陣計算特征值對應的特征向量得到因子得分系數，確定主成分表達式(因篇幅有限，未予展示)。最后用主成分的貢獻率作為權重進行加權匯總，得到中國各省份的數字經濟水平綜合得分，其模型表達式為：

(6)

其中：bi為第i個主成分的方差貢獻率。

表2為中國30個省份的數字經濟水平綜合得分。

表2 1999—2007年中國30個省份數字經濟水平綜合得分

可以看出，中國數字經濟水平總體上呈現出相對水平較低、各地區間發展水平差異較大的特點。省份層面上，9年間，數字經濟水平較高的地區是北京、上海和天津，其值都達到了1.00以上，水平相對較低的則是貴州和青海，數值相對較小，處于0.20以下，但總體上的差異呈現出逐年縮小趨勢。區域層面上，東部地區數字經濟水平遠高于中西部地區，中、西部地區間的差距則相對較小。

3.控制變量

Xijpt為一組包含企業、行業、城市三個層面的控制變量，具體信息如表3所示。

表3 控制變量對照表

4.變量描述性統計

表4是變量描述性統計。可以看到，以OP方法測算的TFPR離散度(tfpr_op )的標準差為0.3237，小于其均值(0.8804)，說明數據變異程度小，不同企業間的資源配置效率差異較小。核心解釋變量數字經濟水平(ded)的均值為0.8813，標準差為0.4207，不同地區數字經濟水平存在顯著差異，但隨著數字經濟發展水平的提升，區域間差距逐漸縮小。其他變量的描述性統計結果較為穩定，在此不作贅述。

表4 變量描述性統計

(三)數據來源

為了考察數字經濟水平對資源配置的影響，本文數據來自《中國工業企業數據庫》、《中國統計年鑒》、《中國信息年鑒》以及各省份統計年鑒，時間區間為1999—2007年。為了結果的可靠性，本文將研究對象限定在制造業企業，剔除非制造業企業。參考聶輝華等(2011)、Brandt et al.(2012)，對樣本數據進行如下處理：剔除非營業狀態的企業；剔除關鍵財務指標(如企業總資產、工業總產值、固定資產凈值、銷售額)缺失或為零的觀測值；剔除不符合一般會計準則的觀測值，包括利潤率低于0.001或高于0.99的企業、流動資產或固定資產凈值高于總資產的企業、累計折舊小于當期折舊的企業；剔除職工人數少于10的企業；剔除主要變量前后1%的異常值。考慮到中國工業企業數據庫缺失2004年“工業增加值”數據，本文根據以下會計準則進行估算：工業增加值=工業總產值-工業中間投入+應繳增值稅。此外，為了得到經濟學而非會計意義上的全要素生產率，對所有變量都使用基期為1998年的各類價格指數進行平減。其中，采用各省份工業品出廠價格指數對工業總產值、銷售額和中間投入進行價格平減，采用各省份固定資產投資價格指數對資本進行平減。經過以上處理，最終得到包括中國30個省份近173萬個觀測值。

四、實證分析

(一)基準回歸結果

表5報告了基于面板固定效應模型的估計結果。

表5 基準回歸結果

表5列(1)在控制行業固定效應、地區固定效應和年份固定效應的基礎上，僅納入核心解釋變量，以此作為比較。結果顯示，核心解釋變量的系數在1%的顯著性水平下為負，這表明數字經濟水平降低了TFPR離散度，進而提高了資源配置效率。列(2)在列(1)基礎上加入了包括企業規模、資產負債率、沉沒成本、資產收益率等在內的控制變量，核心解釋變量系數依然顯著為負，再次表明數字經濟水平顯著提升了資源配置效率。為了控制地區層面隨時間變化的因素對估計結果的影響以及企業層面遺漏變量對估計結果的影響，列(3)控制了企業固定效應和地區-年份固定效應，數字經濟水平回歸系數的絕對值得到進一步提升，數字經濟水平的回歸系數在5%的水平上顯著，表明數字經濟的發展有利于改善資源配置效率。鑒于企業所有權性質會影響TFPR的大小，列(4)加入了外資企業虛擬變量(fdi)和國有企業虛擬變量(soe)，估計結果仍然表明：數字經濟水平降低了TFPR離散度，促進了資源配置效率改善。假說1得以驗證。

在控制變量方面，企業規模對資源配置效率具有顯著影響，即企業規模越大，資源配置越富有效率；企業資產負債率顯著促進資源配置效率提升，但影響程度較小；沉沒成本、資產收益率、勞動生產率和企業所有制結構均不利于資源配置的改善；政府補貼對資源配置的影響不顯著；產業結構的影響系數顯著為正，說明第二產業比重高會加重資源誤置，其原因可能是第二產業內結構不合理，技術密集型、資本密集型等高附加值產業占比較低導致資源未能實現有效配置；以赫芬達爾指數表示市場環境的系數顯著為負，表明市場越趨于壟斷，資源配置效率越高；城鎮化水平越高，資源配置效率越低，可能是因為當下部分地區城鎮化過程中未能實現人口城鎮化、經濟城鎮化、土地城鎮化的協同發展，存在簡單的人口城鎮化現象，即農村人口集聚城市導致城鎮化水平提升，而城市自身容納能力及承載力沒有同步擴大，未能有效配置大量勞動力資源，導致資源配置效率低下。

(二)穩健性檢驗

1.內生性分析

遺漏變量、互為因果、度量誤差是導致內生性問題的主要原因。前文已經對遺漏變量和度量誤差所引起的內生性問題做了一定處理：第一，針對遺漏變量導致的內生性問題，本文在基準模型中加入了企業規模、資產負債率、沉沒成本、資產收益率、市場環境等控制變量，同時采用固定效應模型，在一定程度上能夠弱化內生性問題。第二，針對度量誤差導致的內生性問題，本文分別對利用OP方法和LP方法估算出的資源誤置程度進行回歸，結果基本一致，弱化了度量誤差對估計結果的影響，且本文數據來源于國家統計局權威數據庫。

為了避免數字經濟水平和資源誤置雙向影響而存在內生性問題，本文采用工具變量法(IV)來解決內生性問題。借鑒劉沖等(2014)的做法，本文使用坡度(slope)作為數字經濟水平的工具變量，坡度即地表單元陡緩的程度，根據《2019年中國縣級行政區劃和境界》數據計算得到。一方面，坡度與數字經濟水平密切相關，因為地勢較高的地區會不利于信息基礎設施的架設與安裝，影響數字經濟的發展；地勢低的地區有助于信息基礎設施建設，數字經濟水平相對較高。另一方面，坡度作為自然變量，與殘差項不相關。坡度與內生解釋變量相關，且與擾動項不相關，滿足了工具變量的兩個條件，即相關性和外生性。為了檢驗基準模型回歸結果的穩健性，采用坡度作為工具變量進行2SLS估計，并對工具變量進行不可識別檢驗和弱工具變量檢驗，估計結果見表6列(1)、(2)。第一階段回歸結果顯示，工具變量的回歸系數在1%的水平上顯著為負。工具變量法中，采用Kleibergen-Paap rk LM方法進行不可識別檢驗，采用Cragg-Donald Wald F統計量方法進行弱工具變量檢驗。檢驗結果表明，所選工具變量具有良好的性質，不存在不可識別和弱工具變量問題。由此可見，在模型中考慮了內生性問題后，數字經濟水平顯著提升了資源配置效率，這與基準回歸所得結論一致，表明了基準回歸結果的穩健性。

此外，為了使結果更有信服力，本文還構建了工具變量每百人固定電話數量。早期，人類信息傳遞主要依賴于郵局、固定電話等最初的信息通訊技術。因此，可以認為信息化的發展是從固定電話普及開始的。一方面，固定電話的普及不僅會影響城市信息基礎設施建設和社會網絡聯通，還會改變人類的生活方式、觀念，從而推動信息化的發展。歷史上固定電話普及率較高的地區也有可能是信息化水平較高的地區。所以，固定電話數量作為數字經濟水平的工具變量滿足了相關性要求。另一方面，相對于信息化的快速發展和信息通訊技術的變革，歷史上固定電話數量與制造業企業資源配置效率沒有直接的關聯性，固定電話的數量也很難對企業資源配置效率產生影響，在一定程度上滿足了排他性要求。因此，本文選取1984年各省份每百人固定電話數量作為數字經濟水平的工具變量。為了反映工具變量在省份層面隨時間的變化，借鑒Nunn et al.,(2014)、黃群慧等(2019)，本文構建各省份1984年每百人固定電話數量(與個體變化有關)與上一年全國信息化投資額(與時間有關)的交互項(telephone×invest)，作為省份數字經濟水平的工具變量。回歸結果見表6列(3)、(4)。Kleibergen-Paap rk LM檢驗和Cragg-Donald Wald F檢驗表明，所選工具變量不存在不可識別和弱工具變量問題。數字經濟水平對TFPR價值離散度的影響顯著為負，表明數字經濟水平改善了資源配置效率。這與基準回歸所得結論一致，表明了基準回歸結果的穩健性。

表6 內生性檢驗

2.改變被解釋變量的測算方法

為了避免測量誤差，本文采用LP方法測算TFPR，進行穩健性檢驗，結果見表7。列(1)顯示，核心解釋變量在數值大小上有微小變化，但符號和顯著性并未發生變化，核心解釋變量的估計系數依然顯著為負，表明信息化有效提升了資源配置效率。列(2)加入了控制變量，回歸結果依然顯著為負。這與前文基準回歸所得結論是一致的。

表7 穩健性檢驗一：更換被解釋變量的測算方法

3.改變核心解釋變量測度方法

數字經濟水平綜合指數能夠全面地評價信息化水平的發展，但測量方法差異也可能會影響實證結果的可靠性。作為信息通用技術的典型代表，互聯網與數字技術高度相關。互聯網的發展能夠加快跨區域資源整合效力，促進資金、勞動力、技術等經濟要素的流動，改善地區資源配置，成為配置資源的重要手段(余文濤 等,2020)，互聯網與實體經濟的融合深刻地影響著中國經濟發展。因此，以各省份互聯網普及率作為數字經濟水平的代理指標，進行穩健性檢驗，結果見表8。改變核心解釋變量測度方法后，核心解釋變量的符號和顯著性未發生改變，表明數字經濟水平的提升有助于改善資源配置效率。這與前文基準回歸所得結論是一致的。

表8 穩健性檢驗二：改變核心解釋變量測度方法

4.企業的進入退出

根據異質性企業理論，較高生產率的企業在市場上得以生存，較低生產率的企業將會退出市場。作為市場經濟的主要特征之一，企業的進入退出行為對全要素生產率產生顯著影響(毛其淋 等,2013)。為此，本文構造了平衡面板數據，回歸結果見表9。不論加入控制變量與否，數字經濟水平至少在10%的顯著性水平下降低了全要素生產率離散度。可見，在樣本期間內，數字經濟水平的提升顯著改善了資源配置效率。

表9 穩健性檢驗三：企業進入退出行為

(三)異質性分析

1.地區異質性

數字經濟水平在中國各地區呈現出發展不平衡、差異化特征，為了分析數字經濟水平對資源配置效率的差異化影響，本文將樣本企業按照所處地理區位劃分為東、中、西部，以便更精準地考察數字經濟水平差異對不同地區資源誤置的影響。回歸結果見表10。

表10 分地區回歸結果

可以看到，各地區數字經濟水平均顯著提升了企業資源配置效率，但表現出明顯的空間異質性。具體來看，數字經濟水平估計系數的絕對值在西部地區最大，中部地區次之，東部地區最小，表明數字經濟水平的提高對西部地區資源配置的提升作用更大，顯著提升西部地區的資源配置效率。東部地區數字經濟水平的作用力比較弱，可能的原因是東部地區經濟發展起步早、較發達，信息化基礎設施建設也較完備，企業信息技術水平相對較成熟，數字經濟對資源配置的提升空間有限，經濟效應較小，因此信息化對資源配置產生的改善作用較小。中西部地區經濟發展水平低，信息化基礎設施建設有待加強，但數字經濟的快速發展，對區域經濟發展和企業資源配置具有較強的促進作用。

2.企業所有制異質性

不同的企業類型具有不同的生產特性，數字經濟水平對其產生的影響也會具有差異性。相對其他性質企業，國有企業在資源和政策扶持方面具有先天的優勢，因此有必要從所有制類型角度進一步分析數字經濟水平對資源誤置的影響。將所有企業分為國有企業、外資企業和私營企業三種類型， 回歸結果見表11，可以看到，信息化的作用效果在不同所有制企業類型中均存在顯著的促進效應，即數字經濟水平提升了國有企業、外資企業、私營企業的資源配置效率。在不同所有制企業中，數字經濟水平在私營企業中的作用效果最為顯著，可能是因為私營企業所面臨的生存壓力較大，隨著市場競爭的加劇，不得不通過提升信息技術水平，節約企業成本，強化創新效應，提升資源的配置效率，以此來提升自身的核心競爭力，進而才能確保在市場上存活。

表11 分企業所有制的回歸結果

3.企業生產率高低的差異

為了更深入地研究數字經濟水平與資源配置的關系，根據企業生產率高低將樣本分為高生產率企業和低生產率企業兩個組別。具體是以企業全要素生產率的中位數為基礎，將生產率大于等于中位數的企業定義為高生產率企業，生產率小于中位數的企業為低生產率企業。回歸結果見表12。

表12 分生產率差異的回歸結果

可以看到，數字經濟水平對資源配置效率的影響在高、低生產率企業均顯著為正，但系數大小存在差異，表現為數字經濟水平對高生產率企業的資源配置效率提升作用更大。這是因為，與低生產率企業相比，高生產率企業具有相對成熟的經營管理方式，在技術、人力資本等方面更勝一籌，因此企業數字化發展能夠發揮出更大的效率提升效應。

4.組間系數差異性檢驗

通過地區、企業所有制與企業生產率高低的分組回歸可知，數字經濟水平對資源配置效率的影響具有顯著的異質性。為了更精確地識別數字經濟水平對資源配置效率的影響的差異，本文采用自抽樣方法(Bootstrap)來檢驗地區、企業所有制與企業生產率高低組間差異的顯著性，檢驗結果如表13所示。當以地區進行分組回歸時，東部地區和中西部地區的數字經濟水平對生產率離散度均具有顯著影響，數字經濟水平的提高能夠改善企業的資源配置效率。但相比東部地區，中西部地區數字經濟水平對資源配置效率的改善作用更大。當以企業所有制作為分組依據時，其他企業(私營企業和外資企業)數字經濟水平的提升對資源配置效率的影響更大。當以企業生產率高低進行分組回歸時，高生產率企業和低生產率企業的影響系數絕對值分別為0.0315和0.0036，高生產率企業的數字經濟水平對資源配置效率的改善作用更大。以上三種分組對應的經驗p值分別為-0.0930、-0.0150、-0.0030，進一步證實了數字經濟水平對資源配置效率的異質性影響在統計上的顯著性。

表13 組間系數差異性檢驗

五、作用機制檢驗

基準回歸結果表明，數字經濟的發展顯著提升了資源配置效率，此結果在經過一系列的穩健性檢驗之后仍然成立。那么數字經濟是通過何種渠道作用于資源配置？為了驗證數字經濟水平影響資源配置的傳導機制，參照溫忠麟等(2004)的中介效應模型來檢驗成本節約和技術創新在數字經濟水平影響資源配置的中介效應。中介效應的存在需滿足四個條件：一是，未納入中介變量前，核心解釋變量對被解釋變量影響顯著；二是，核心解釋變量對中介變量影響顯著；三是，納入中介變量后，中介變量對被解釋變量影響顯著；四是，納入中介變量后，核心解釋變量對被解釋變量影響程度變低。基于此，本文設立如下計量模型：

wijpt=α+β1dedpt+γXijpt+λj+λp+λt+εijpt

(7)

tfpr_opijpt=α+β2dedpt+β3wijpt+γXijpt+λj+λp+λt+εijpt

(8)

式(7)、(8)分別為中介變量模型和中介效應模型。其中：wi,j,p,t為中介變量，即成本節約、技術創新。其他未提及變量含義與式(1)一致。

對于企業個體來說，追求低成本、高利潤是其經營目標，企業單純地降低成本就能提高部分利潤，依據這一思想，本文以企業凈利潤(prof)衡量企業在生產經營活動中所能節省的成本(廖信林 等,2021)。同時，為了控制企業是在成本不變的條件下收益增加帶來利潤增加，進而影響資源配置效率，本文利用主營業務成本(cost)代替凈利潤作為成本效應的代理變量進行中介效應檢驗。根據中介效應原理，在與基準模型和相關控制變量保持一致的前提下，采用固定效應模型進行回歸，結果如表14所示。

表14 成本節約中介效應檢驗

由表14可知，數字經濟水平對企業成本節約具有顯著的正向影響，表明數字經濟水平提升可以降低生產成本，優化企業發展環境，轉變生產方式，改善資源配置。在列(1)中，把prof變量加入中介變量模型后，prof對企業資源誤置的影響顯著為負，且數字經濟水平對資源誤置也具有顯著負向影響，但影響程度降低，滿足中介效應存在條件，說明成本節約起著中介效應作用，是數字經濟發展影響資源配置的一個渠道。因此，假說1成立。列(2)的回歸結果表明，在排除了企業成本不變的問題后，仍證實了數字經濟通過降低企業成本來改善資源配置效率的結論。

技術創新作為企業轉變生產方式、優化資源配置的重要路徑，對企業發展和產業結構的優化與升級產生重大的影響。參考劉萬麗(2020)、權錫鑒等(2022)，以研發投入(R&D)作為企業技術創新水平(innov)的代理變量，按照中介效應檢驗程序，輸出結果見表15。

表15 技術創新中介效應檢驗

根據表15，數字經濟水平對技術創新水平存在顯著的正向影響，即數字經濟水平的提高可以促進企業技術創新水平提升。當把變量加入中介變量模型后，技術創新對資源誤置具有顯著負向影響，表明企業技術創新水平的提高，在市場機制作用下促進資源向高技術水平、高生產效率企業流動。同時，數字經濟水平對資源誤置的影響也顯著為負，但影響系數大小有所降低，滿足中介效應存在條件。故假說2成立，即數字經濟水平對技術創新具有顯著的積極影響，數字經濟水平的提升能夠促進企業進行技術創新，有利于改變投入要素的種類和比例，打破傳統要素市場的束縛，促進生產要素優化配置和提升要素間協作水平，最終優化資源配置效率。

六、結論與政策建議

本文基于改進的HK方法，放松規模報酬不變的假定，更為精確地估算了中國制造業行業的資源誤置程度，并結合中國各省份數字經濟水平指數，考察數字經濟水平對中國制造業資源配置效率的影響。結果表明：數字經濟水平提升降低了資源誤置程度，提升了資源配置效率。異質性檢驗表明，數字經濟發展對西部地區資源配置的改善作用最大，中部地區次之，東部地區最小；數字經濟水平提高對各種所有制企業的資源配置效率都有顯著正向影響；相比低生產率企業，數字經濟水平在高生產率企業中產生的影響更大，但對兩類企業的資源配置效率都具有顯著促進作用。機制分析表明，數字經濟主要是通過降低企業成本和提升企業技術創新水平來改善資源配置效率。

以上研究結果具有明顯的政策含義：

第一，加快數字經濟發展，促進數字經濟與實體經濟深度融合。數字經濟是以數字化的知識和信息為關鍵生產要素，以數字技術為核心驅動力量，以現代信息網絡為重要載體，通過數字技術與實體經濟融合，推動企業數字化發展和經濟結構優化而創造高價值經濟活動。隨著新一代電子信息技術逐漸滲透到社會生產活動中，特別是數字中國建設的穩步推進使得數字經濟蓬勃發展，打破生產要素市場化體制機制障礙，促進生產要素公平自由流動與使用，減少資源誤置和市場扭曲。數字經濟與實體經濟的深度融合，催生了工業互聯網、智能制造等新產業、新模式、新業態。產業數字化的發展，促進了傳統產業產出增加和效率提升，帶動傳統產業信息化轉型升級，實現資源利用最大化。企業通過數字化促進轉型升級，暢通生產要素流動，大幅提升生產制造、經營管理、商貿流通等環節效率，優化資源配置效率。

第二，掌控數字經濟關鍵技術，推動企業創新能力提升。數字經濟的發展對企業技術創新起到了重要推動作用，信息技術應用于企業生產、經營、管理決策等活動中，有助于產品、工藝和組織等方面的創新，促進企業技術創新能力的提高。在打造國內國際雙循環新發展格局的背景下，企業應順應時代潮流，積極進行數字化改造，更加深入地融入全球價值鏈、產業鏈和供求鏈，在全球范圍內有效利用、整合各項資源，通過信息技術推動新技術、新知識的市場化能力，逐漸形成新產品與服務優勢，帶動企業技術創新快速涌現，推動中國比較優勢由勞動密集型向知識密集型、技術密集型等價值鏈高端轉變；通過數字賦能，改善要素稟賦結構失衡狀況，形成新的競爭優勢，糾正各種經濟扭曲，優化資源配置。

第三，引導企業進行數字化改造，降低企業成本。囿于成本約束，大多企業主動進行技術改造、提升自主創新能力的意愿不足，導致產業轉型升級的基礎不牢、微觀活力欠缺。而數字經濟依托數字技術能夠顯著降低企業的資源搜尋與匹配成本，并減少中間交易環節、擴大不確定條件下的交易機會和效率。同時，也能夠減少資金、資源、產品等流動障礙，提高企業面對外部沖擊時的協同性和快速反應能力。因此，企業要積極應用工業互聯網、大數據、云網端、人工智能等數字技術，優化產出結構，降低生產成本。采用平臺化、終端化營銷，自動化、智能化、一體化生產，樹立先進數字化經營理念，以低成本、高價值產品獲得市場競爭能力，優化資源配置。

第四，推進區域數字經濟協調共進，實現中國經濟高質量發展。在中國各地區數字經濟發展不平衡的背景下，各地政府應重視數字經濟發展的異質性作用。東部地區數字經濟發展較早，信息基礎設施也較完備，應更加注重“質”的提高。對中西部地區而言，數字經濟發展為企業實現資源配置效率的改善提供了機遇，因而應繼續加大數字化投資力度，加強信息基礎設施建設，提升數字技術在企業發展的應用水平，充分發揮數字經濟對資源配置的改善作用；企業主體要善于利用信息技術獲取知識，主動與先進地區溝通交流、開展合作，努力縮小與先進地區之間的數字經濟水平差距。數字技術打破了傳統經濟發展障礙，加速重構經濟發展與治理模式的新興經濟形態，促進各地區數字經濟協調共進，已經成為中國經濟高質量發展的新動能。