我國“數實融合”的時空異質性與要素配置效率

朱華友,鄒小媛,李培祥

(1.浙江師范大學 經濟與管理學院, 浙江 金華 321004; 2.廣州理工學院, 廣東 廣州 510540)

一、引言

中國經濟依靠要素投入取得快速發展,但依然存在要素配置不協調問題,這對我國經濟高質量發展產生了不利影響[1]。隨著大數據、人工智能等數字技術的進步,以數字技術為核心的數字經濟正在加速變革傳統經濟模式,不斷賦能傳統實體產業,已經成為我國經濟持續發展的新動力、高質量發展的突破口[2-4]。實體經濟作為經濟發展的基礎,是保持經濟持續健康發展的關鍵。黨的十九大報告指出,應將經濟發展的著力點放在實體經濟上。數字經濟與實體經濟的融合不斷優化產業內部結構,提升產業結構合理化水平,進而起到優化要素配置的作用[5]。因此,探究數字經濟與實體經濟的融合水平以及對要素配置效率的影響,具有明顯的理論和實踐意義。

二、文獻綜述

關于實體經濟的定義,目前大多數學者都傾向于將實體經濟與虛擬經濟放在一起比較,在具體解釋何為實體經濟時,解釋的側重點會存在一定差異,其中包括基于功能角度提出的“寬實體、窄虛擬”類型[6]。這種分類將實體經濟定義為生產服務部門提供的精神與物質產品的生產、流通和消費等經濟活動,其基礎作用是提供各種生存發展資料、改善人的生活條件以及提高人的各方面素質;虛擬經濟則被定義為以金融機構為主體、圍繞著貨幣流通的經濟活動,其最終目的是通過貨幣的清算和支付結算、資本相互融通和資源配置、風險管理等實現“以錢生錢”。因此,界定某一經濟活動是否屬于實體經濟,關鍵在于其是否具有直接改善人類生存與發展質量、生活方式的作用。按照“寬實體、窄虛擬”的界定標準,從產業層面來說,第一產業和第二產業皆構成了實體經濟的重要組成部分,第三產業除去房地產產業和金融業,也都應屬于實體經濟[7]。此外,管理學之父彼得·德魯克把國民經濟劃分為兩大部分:第一部分為符號經濟,指資本的運動、外匯率與信用流通;第二部分為實體經濟,指產品與服務的流通[8]。蘇冬蔚等[9]用剔除房地產業與金融業產值后的GDP來衡量實體經濟的規模。李青原等[10]以中國A股中非房地產、非金融類上市企業的數據作為實體經濟研究的樣本。王竹泉等[11]認為實體經濟的范圍較廣,以非金融類上市企業作為考察對象。以上學者主要是將實體經濟界定為物質生產部門和部分服務部門。

已有文獻關于數字經濟對實體經濟的影響主要有三種觀點:一是認為數字經濟可以促進實體經濟的發展,這種促進作用對市場化程度較低、經濟欠發達的地區更明顯[12]。實體企業可以利用數字技術迅速捕捉消費者需求的變化、追蹤產品創新成敗的根源[13],從而進行有利調整。二是認為數字經濟會阻礙實體經濟的發展[14-15]。數字經濟的發展比實體經濟更具有不確定性,企業、政府對其大規模投資,可能會導致數字產業投資過剩[16],進而減少對實體經濟的投資。三是認為數字經濟給實體經濟帶來的影響具有不確定性,存在門檻效應[17]。數字技術可能給實體企業的發展帶來契機,也可能對實體企業的發展形成阻礙,因為區塊鏈的公開性降低了個人或組織的違法犯罪成本,但也提升了企業的犯錯成本[18]。

已有數實融合的研究主要集中于數字經濟與制造業融合,如武曉婷等[19]、周曉輝[20]研究了數字經濟與制造業融合的影響因素,認為長三角數字經濟與先進制造業的融合程度會受到經濟發展水平、市場化程度和技術密集程度的影響;趙放等[21]研究了我國數字經濟與制造業的融合空間差異;李柏洲等[22]、陳秀英等[23]研究了我國數實融合存在的問題,如數字治理能力滯后、數字核心技術儲備不足、數實融合不足等。但已有文獻未考慮數字經濟與制造業以外的產業融合,也未對數字經濟的主要方面如數字基礎設施、數字產業化、產業數字化與實體經濟融合情況展開的研究。

在數字經濟與實體經濟融合對經濟要素配置的影響方面,僅有少量學者將要素配置看作中介變量而非被解釋變量進行研究,如數字經濟可以合理分配高效率部門或中心城市過剩的生產要素,最終提高城市群一體化水平[24]。數據、信息等數字要素與勞動、資本等傳統生產要素的重組能提升傳統要素效率,通過優化要素配置促進制造業升級[25]。目前尚未發現有關數字經濟與實體經濟融合對要素配置效率影響的研究。

綜上所述,已有文獻主要是關于數字經濟對實體經濟的影響研究,有少量文獻測度了數字經濟與制造業的融合水平,缺乏從整體上測度數字經濟與實體經濟融合水平的研究,也尚未發現關于數實融合水平對要素配置效率的影響研究。因此,本文重點關注數實融合水平的測量、數實融合發展對要素配置效率的影響,主要的邊際貢獻包括:(1)根據數實融合度的評價指標體系測算數實融合度,并分別計算數字基礎設施、數字產業化、產業數字化與實體經濟的融合度,分析其時空演變特征;(2)將數實融合度劃分為5個等級,并分析省際差異的收斂特征;(3)實證分析數實融合度對勞動和資本配置效率的影響,并考察數實融合水平對4類地區要素配置效率所產生影響的差異性。

三、數實融合水平測算

(一)研究方法

1.熵值法

本文使用熵值法得到衡量數字經濟發展水平的16個指標的權重,并依據各指標權重測算2013—2020年30省(市、自治區)的數字經濟水平。參考相關文獻[26-28],計算第j項指標的信息熵值:

(1)

其中,Xij為第i個省第j項指標標準化后的指標;n為樣本量,n=31。

計算第j項測度指標的權重:

(2)

計算第i個省數字經濟發展指數:

(3)

其中,m為三級指標個數。

2.耦合協調模型

耦合度與協調度可以用來衡量數字經濟與實體經濟相互影響的程度,耦合度代表二者之間關聯作用的強弱,協調度反映二者在相互關聯下的協調程度,本文利用協調度反映二者的融合水平。如果數字經濟與實體經濟的耦合程度高,但協調程度低,則二者越發展其協調程度越低;如果二者的耦合度、協調度都較高,則二者越發展其協調度也越高。參考相關文獻[29-30],數字經濟與實體經濟的耦合度計算方式如下:

(4)

其中,U1代表數字經濟水平,U2代表實體經濟水平;C表示二者的耦合度。耦合度代表數字經濟與實體經濟的相關程度,但無法反映二者之間是相互促進還是相互制約,因此,本文繼續測算數字經濟與實體經濟的耦合協調度,計算公式如下:

(5)

其中,D為數字經濟與實體經濟的耦合協調度,D∈[0,1],D越接近1代表數字經濟與實體經濟兩大系統的融合度越高,即二者關聯越密切。參考姜曉艷等[31]的劃分方法,將其劃分為10個等級(見表1)。α、β為系數,由于數字經濟與實體經濟都是核心指標,故令α=β=0.5。

表1 耦合協調度等級劃分

3.收斂模型

本文利用σ收斂和絕對β收斂模型研究我國各省數實融合度的時間變化特征。通過σ收斂判斷各省數實融合度的離差隨時間變化呈上升還是下降趨勢。參考徐維祥等[32]的研究方法,采用變異系數衡量數實融合度的σ收斂,計算方法如下:

(6)

絕對β收斂是指在不考慮其他影響因素的情況下,隨著時間推移,數實融合度低的省份的數實融合度增長率大于數實融合度高的省份的數實融合度增長率,最終各省數實融合度趨于一致。參考王凱等[33]的研究,模型公式如下:

(7)

(二)數據來源與指標體系構建

1.數據來源

鑒于數據的可得性,選取我國30個省、市、自治區(不含西藏、澳門、香港和臺灣)為研究對象,時間跨度為2013—2020年。研究數據來自《北京大學普惠金融指數》《中國統計年鑒》《中國科技統計年鑒》《中國第三產業統計年鑒》以及各省統計年鑒。為消除量綱的影響,采用極差標準化法對數據進行標準化處理。

2.實體經濟指標構建

通過梳理現有文獻可知,實體經濟指標構建主要有以下3種方法:一是用制造業規模代表實體經濟水平。但實際上實體經濟除了包含制造業,還包括采礦業、建筑業、農業等產業,因而這一方法無法代表實體經濟的全貌,只可用來代表狹義的實體經濟水平[34]。二是用媒介法衡量實體經濟。這一方法比較精確,但在進行量化時卻存在較大難度[35]。大多數學者采用第三種方法,即用GDP與房地產業和金融業的生產總值之差來代表實體經濟的規模[36-38]。之所以將房地產業納入非實體經濟的范圍,是因為我國房地產業具有較高的金融衍生品屬性[7]。因此,本文采用第三種方法。

3.數字經濟指標構建

關于數字經濟水平的度量,目前國內外尚未形成完全統一的衡量方法。指數獲得方法大體可分為2種:一是直接采用研究機構得出的數據,如使用新華三集團發布的《中國城市數字經濟指數白皮書》[17]、騰訊研究院編制的《中國“互聯網+”數字經濟指數》[14]等文件;二是重新構建衡量數字經濟水平的指標體系[39-42]。指標構建法更為普遍科學,因此,本文借鑒趙濤等[43]的測度方法,同時遵循科學性和數據可得性原則,從數字經濟基礎、數字產業化和產業數字化3個維度選取16個指標構建衡量數字經濟水平的指標體系[43-44],具體如表2所示。

表2 數實融合指標體系

表3 數實融合度空間變化特征

4.要素配置效率的測算

參考生延超等[45]的測度方法,用勞動生產率、資本生產率分別衡量勞動要素的分配效率(AEL)、資本要素的分配效率(AEK),并利用熵值法得出綜合要素配置效率(AE)。

(三)數實融合水平的時空異質性

根據表2構建的數實融合指標體系與公式(5),計算2013—2020年中國30個省份數實融合水平的耦合協調度,并分析其時空演變特征。

1.時間異質性

由圖1可知,2013—2020年中國年均數實融合度不斷提高,二者共同發展、相互影響程度逐漸增強。分地區來看,東、中、西部地區與全國年均融合度的變動趨勢相似,東部地區的年均數實融合度最高,且遠高于全國平均水平,由2013年的0.420 6上升到2020年的0.610 5,即由瀕臨失調升級為初級協調;中部地區次之,其與全國的年均數實融合度最為接近,由2013年的0.312 1上升到2020年的0.496 4,由輕度失調升級為勉強協調;西部地區的年均數實融合度最低,且低于全國平均水平,由2013年的0.221 2上升為2020年的0.366 7,即由中度失調升級為輕度失調;東北地區年均融合度總體呈上升趨勢,與其他地區相比,其上升速度較為緩慢,由2013年的0.300 4上升為2020年的0.366 7。綜合來看, 2013—2020年我國各地區數實年均融合度不斷提高,年均融合水平東部>中部>東北>西部,主要位于輕度失調至勉強協調階段。

圖1 2013—2020年中國數字經濟與實體經濟年均融合度時間變化特征

2.分項融合度

為對比構成數字經濟的數字基礎設施、數字產業化和產業數字化與實體經濟的融合水平差異,本文繪制了2013—2020年中國數字經濟與實體經濟年均分項融合水平時間變化趨勢圖(見圖2)。從圖2可知,構成數字經濟的3個方面與實體經濟融合度同總體融合度的變化趨勢相似,均呈逐年提高趨勢。相對于數字產業化、數字基礎設施,產業數字化與實體經濟之間的融合程度最高,且在總體融合度之上,由2013年的0.343 1上升到2020年的0.518 5,由輕度失調升級為勉強協調階段;數字基礎設施與實體經濟融合度次之,其同總體融合度最為接近,由2013年的0.313 8上升到2020年的0.473 9,由輕度失調升級為瀕臨失調階段;數字產業化同實體經濟的融合水平最低,由2013年的0.283 5上升到2020年的0.444 7,由中度失調升級為瀕臨失調階段。表明數實融合的關鍵在于加深產業的數字化程度,利用數字技術助力實體產業進行產品創新與技術進步,推動仍處于價值鏈中低端的實體產業轉型升級,最終實現實體經濟與數字經濟的進一步融合。

圖2 2013—2020年中國數字經濟與實體經濟年均分項融合度

3.空間異質性

為了進一步分析數實融合度的空間分布特征,本文將2013年、2015年、2017年和2020年的數實融合度分別劃分為極度失調—嚴重失調(Ⅰ)、中度失調—輕度失調(Ⅱ)、瀕臨失調—勉強協調(Ⅲ)、初級協調—中級協調(Ⅳ)、良好協調—優質協調(Ⅴ)5個階段,分類結果見圖3。2013年,中國數實融合度處于極度失調至中級協調區間,其中,東部地區中廣東的數實融合度最高,位于第Ⅳ階段;北京、江蘇、浙江和山東處于第Ⅲ階段,東北地區的遼寧處于第Ⅲ階段,西部地區的青海、甘肅、寧夏和東部地區的海南處于第Ⅰ階段,其余省份皆處于第Ⅱ階段,即中度失調至輕度失調區間。2015年,數實融合度檔次提升的省份占比約為23%,主要從第Ⅱ階段提升至第Ⅲ階段。2017年,數實融合度檔次提升的省份有3個,其中浙江和山東從第Ⅲ階段提升至第Ⅳ階段,湖南從第Ⅱ階段提升至第Ⅲ階段。2020年,數實融合度處于極度失調至優質協調區間,與2017年相比,檔次提升的省份占比約33%。尤其是東部地區的廣東和江蘇從第Ⅳ階段提升至第Ⅴ階段,但西部地區的青海和寧夏仍然處于第Ⅰ階段;東北三省所處階段不變,中部地區除山西處于第Ⅱ階段外,其余省份皆處于第Ⅲ階段。

圖3 2013—2020年中國數實融合度的σ系數演變

綜上,2013—2020年我國大部分省份數實融合水平上升,東部、中部地區融合度均提升了1～2個檔次,西部和東北地區大部分省份融合度亦提升了1～2個檔次,個別省份的融合度在原來的檔次內發生小幅提升。說明我國數字經濟系統與實體經濟系統的結構在不斷優化,各地區在提升數字經濟水平的同時,也重視實體經濟的發展,數實關系的調節能力不斷提升。

4.空間差異收斂性

本文測算了2013—2020年中國數實融合度的變異系數,并繪制了收斂趨勢圖(見圖4)。由圖4可知,全國數實融合度的σ系數總體呈下降趨勢,表明全國層面的數實融合度呈σ收斂。具體來看,東北地區σ系數呈波動下降趨勢,且降幅最大,由2013年的0.245 6下降到2020年的0.170 2,下降了7.54%;西部地區σ系數由2013年的0.410 1下降到2020年的0.342 6,下降了6.75%,收斂性較強;中部地區σ系數基本持平,說明該地區融合度的收斂特征不明顯;東部σ系數總體呈略微上升的趨勢,表明區域內省份間融合度的差異略微增大,可能是因為東部既包括廣東、江蘇、山東等數實融合良好的省份,也包括海南、天津等低水平融合的省份。

圖4 機制分析

為了進一步把握數實融合度的收斂特征,本文對中國數實融合度進行了β收斂檢驗(見表4)。由表4可知,全國數實融合度的估計系數β始終顯著為負,說明大部分地區的融合度呈現β收斂特征。分地區來看,4類地區的系數β皆顯著為負,皆呈現β收斂特征,中部和東北收斂速度較快,收斂周期較短,而西部和東部地區的收斂速度則較慢,收斂周期也較長。可能是因為東部和西部地區區域內數實融合度的區域差異較大,而且受地理位置、資源稟賦等因素的影響,導致收斂速度較慢。

四、機制分析和實證分析

(一)機制分析

數實融合發展能夠有效提高勞動力和資本等要素的配置效率。數據作為數字經濟發展的重要產物,提升要素配置效率的核心在于其能夠承載大量有價值的信息。將數據中有價值的信息應用于實體產業,可以提高勞動力、資本等要素間的協同性,減小企業運行的不確定性,降低信息不對稱導致的資源錯配,進而提高資源配置效率[46]。在資本和勞動等要素市場中,供求關系與投資者的風險偏好、勞動者的閑暇效用等密切相關。隨著數字經濟與實體經濟進一步融合,工資浮動、利率波動和要素供求關系等市場信息將被迅速準確地反映。通過數據挖掘和分析,各類市場主體能有效提升要素配置效率,如廠商可以根據求職者信息進行智能匹配,篩選出更多合適的候選人;勞動者能以更低成本增強工作搜尋強度,找到與其匹配度更高的工作;金融機構可以更加了解投資者的風險偏好,對投資者進行個性化金融產品推薦;投資者能更準確預測金融市場變化,將資金投向合適的地方。此外,以電子商務發展為代表的產業數字化發展在促進新業態成長的同時,創造了多樣的就業崗位,吸引了大量回報率較低的資金,促成積極創業創新的態勢,提升了要素配置的市場化能力(見圖5)。

(二)模型設定

為了考察數實融合對要素配置效率的影響,構建模型如下:

(8)

式(8)中,i表示省,t表示時間;xit、yit分別表示數字經濟與實體經濟融合度、市場要素配置效率;Controlit為控制變量,包括產業結構水平(stru)、政府控制程度(gov)、城鎮化水平(urb)和經濟開放度(open);μi為個體效應,λt為時間效應;εit為隨機擾動項。

(三)變量定義與數據說明

1.被解釋變量

本文的被解釋變量為要素配置效率,包括綜合要素配置效率(AE)、勞動力要素配置效率(AEL)和資本要素配置效率(AEK),具體測算方法見前文。

2.解釋變量

本文的解釋變量為數字經濟與實體經濟的融合度,由前文測算得出。一方面,實證分析數字經濟與實體經濟總體融合度(D)對要素配置效率的影響;另一方面,分別分析數字基礎設施與實體經濟的融合度(D1)、數字產業化與實體經濟的融合度(D2)、產業數字化與實體經濟的融合度(D3)對要素配置效率的影響。

3.控制變量

為減少內生性問題,參考相關文獻,選擇4個可能影響要素配置效率的變量進行控制。一是產業結構水平(stru),用地區第三產業增加值與GDP的比值進行表征[47];二是政府控制程度(gov),用地方一般公共預算支出占GDP的比重進行表征[48];三是城鎮化水平(urb),用年末城鎮人口占總人口的比重進行表征[1];四是經濟開放度(open),用進出口占GDP的比重進行表征[49]。

4.變量描述性統計

由表5可知,數字經濟與實體經濟總體融合度的均值為0.398 9,標準差為0.164 8,要素配置效率的均值為0.284 5,標準差為0.159 2,均處于合理區間,其他變量的均值和標準差亦處于合理區間。

表5 變量描述性統計

(四)實證結果與分析

1.基準回歸結果

為檢驗數字經濟與實體經濟融合對要素配置效率的影響,本文對模型(8)進行基準回歸,并對省份和時間固定效應進行控制,回歸結果見表6。

表6 基準回歸結果

表6的列(1)、列(4)是AE作為被解釋變量的實證結果,列(2)、列(5)是AEL作為被解釋變量的實證結果,列(3)、列(6)則是將AEK作為被解釋變量;列(4)～列(6)在列(1)～列(3)的基礎上加入了控制變量。由列(4)可知,數字經濟與實體經濟融合對綜合要素配置效率的影響顯著為正,回歸系數為0.511 1,說明數字經濟與實體經濟融合水平的提高可以顯著提高要素配置效率,與前文的理論分析一致。由列(5)可知,數字經濟與實體經濟融合對勞動力要素配置效率的影響顯著為正,回歸系數為0.698 5,表明數實融合水平每提升1%,勞動要素配置效率就提高0.698 5%,由列(6)可知,數字經濟與實體經濟融合對資本要素配置效率的影響顯著為正,且回歸系數為0.339 7,說明2013—2020年數實融合發展對提升資本配置的效果顯著。數字經濟與實體經濟融合度對資本配置效率的回歸系數小于對勞動力配置效率的回歸系數,可能是因為我國政府對銀行具有較強的控制能力,對信貸配給的話語權也較強[50],資本配置受到的影響較小。

為了進一步分析數字經濟與實體經濟融合對要素配置效率的影響,分別測度數字基礎設施與實體經濟融合度、數字產業化與實體經濟融合度、產業數字化與實體經濟融合度對要素配置效率的影響,具體回歸結果見表7。分析列(1)可知,數字基礎設施與實體經濟融合對要素配置規模效率的回歸系數在1%的水平上顯著為正,表明數字基礎設施建設是數實融合發展的基石,數字基礎設施與實體經濟協調度的提高,即融合度的提高有利于要素配置效率的提升。數字產業化與實體經濟融合對要素配置規模效率的回歸系數為0.420 1,在1%的水平上顯著,表明數字產業化與實體經濟融合度提高后,相應省份的要素配置有所優化。產業數字化與實體經濟融合對要素配置規模效率的影響顯著為正,表明產業數字化與實體經濟融合程度越高,數字產業化水平與實體經濟水平協調度越高,要素配置效率也越高。對比(1)～(3)列主要解釋變量的回歸系數可知,數字基礎設施、數字產業化、產業數字化與實體經濟融合水平的提高均能顯著促進要素配置效率的提高,且數字基礎設施與實體經濟融合的促進作用最明顯。

2.分類回歸分析

根據2013—2020年數字經濟與實體經濟年均融合度、年均要素配置效率的不同,利用SPSS 27軟件,將30個研究對象分為4類(見表8)。類型Ⅰ代表融合度較高、要素配置效率也較高的地區,包括北京和和上海;類型Ⅱ代表融合度較高、但要素配置效率相對較低的地區,包括江蘇、浙江、山東和廣東4個東部沿海省份;類型Ⅲ代表融合度較低、但要素配置效率較高的省份,包括江西、安徽、河南、湖北和湖南等中部省份,也包括天津、河北、福建、遼寧4個東部省份;類型Ⅳ代表融合度較低、且勞動力要素配置效率也較低的省份。

表8 30個省聚類結果

根據表8的分類,實證分析不同類型省份的數字經濟與實體經濟融合度對要素配置效率的影響(見表9)。

表9 分類回歸分析

由表9可知,不同類別的省份,數字經濟與實體經濟融合度對要素配置效率的影響存在較大差異。由表9列(1)可知,數字經濟與實體經濟融合度對要素配置效率的影響為正,但不顯著,表明對于融合度和要素配置效率較高的省份(類型Ⅰ),數字經濟與實體經濟融合度的提高對要素配置效率未產生顯著影響。分析列(2)可知,回歸系數在10%的水平上顯著為負,表明對于融合度較高、但要素配置效率相對較低的省份(類型Ⅱ),數字經濟與實體經濟融合度的提高對要素配置效率的優化產生了一定的阻礙作用?？赡苁且驗閿底纸洕c實體經濟的融合代表著數據要素這一新型要素與勞動力、資本等傳統要素的融合,數據與其他要素相似,同樣遵循邊際收益遞減規律,即新投入的數據要素對效率提升的作用不斷減小,最終反而不利于要素配置效率的提升。由列(3)可知,數字經濟與實體經濟融合度對要素配置效率的影響顯著為正,表明對于融合度較低、但要素配置效率較高的省份(類型Ⅲ),融合度的提高能優化要素配置效率。分析列(4)可知,數字經濟與實體經濟融合度的回歸系數在1%的水平上顯著為正,表明對于融合度較低、且勞動力要素配置效率也較低的省份(類型Ⅳ),數字經濟與實體經濟融合度的提高能促進要素配置效率提升。綜合分析列(1)～列(4)可知,數字經濟與實體經濟融合水平的提高能顯著提升融合度較低省份的要素配置效率,但對融合度較高省份的要素配置效率的影響不顯著,甚至產生了阻礙作用。

3.穩健性檢驗

鑒于30個省份的數字經濟與實體經濟融合度、要素配置效率存在顯著差異,計量結果的穩健性可能受到極端值的影響,本文利用Winsorize方法,對所有涉及到的連續變量進行1%的縮尾處理,并對處理后的數據進行回歸?；貧w結果與前文無較大差異,表示回歸結果穩健有效。

三、研究結論與思考

(一)研究結論

本文建立了具體量化數實融合度的評價指標體系,測度我國30個省(市、自治區)數字經濟、數字基礎設施、數字產業化、產業數字化與實體經濟的融合度,并對其時空演化特征和省際差異進行分析。此外,本文考察了數字經濟與實體經濟融合對要素配置效率的影響,以及不同類別省份前者對后者產生影響的差異性。研究得出以下4點結論:

(1)從時間來看,2013—2020年數實融合水平呈逐漸上升趨勢,大部分省份仍處于較低水平融合狀態。從空間來看,年均數實融合水平東部>中部>東北>西部地區。省際差異總體呈減小趨勢,尤其是中部和東北地區的融合度收斂速度最快。

(2)在考察期內,數字經濟基礎設施、數字產業化和產業數字化與實體經濟的融合水平變化趨勢和數實融合水平的變化趨勢相似,融合水平逐漸提高。相比于數字經濟基礎設施和數字產業化,產業數字化與實體經濟的融合程度最高。

(3)數字產業化、產業數字化與實體經濟融合度的提高均有助于促進要素配置效率提高,其中,數字基礎設施與實體經濟融合的促進作用最明顯;相比于資本要素配置效率,數字經濟與實體經濟融合度對勞動要素配置效率的促進作用更大。

(4)在控制省份、時間固定效應和控制變量后,數字經濟與實體經濟融合水平的提升能顯著改善Ⅲ類和Ⅳ類地區的要素配置效率,即能顯著改善融合度較低省份的要素配置效率,但對融合度較高省份的要素配置效率的影響不顯著。

(二)政策建議

(1)一方面,實體企業需主動將數字產品、信息服務等數字經濟構成運用到企業研發、生產、銷售等環節,加快實現數字化轉型;另一方面,政府應不斷順應數字經濟的發展,強化數字治理能力,并維護數實融合發展的市場秩序,為二者的健康融合做好頂層設計。

(2)在強化數字基礎設施建設和擴大數字產業規模的同時,尤其要重視產業的數字化建設?？紤]到產業數字化與實體經濟的融合度較高,要促進數實融合水平關鍵在于提升實體產業的數字化水平,并不斷推動數據這一新型生產要素與勞動力、企業家才能等傳統生產要素的融合重組。

(3)結合數字經濟與實體經濟融合的區域異質性,因地制宜。一方面,給予中西部地區相應的政策支持,創造有利于落后地區數實融合的環境;另一方面,根據中國各省的數字經濟與實體經濟發展現狀,制定差異化的數實融合發展策略。

(4)應優先推動數字基礎設施與實體經濟的融合,最大程度發揮數實融合的要素配置優化效應?？紤]到數實融合對要素配置效率的影響存在異質性,應充分了解不同類別省份的特點,根據各省融合水平的高低實施差別化措施,使數字經濟與融合成為提高我國要素配置效率的新動力。