程于思，宋 培，李 琳，艾 陽(yáng)

（1.鄭州大學(xué) 管理工程學(xué)院，鄭州 450001；2.南開大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300071）

0 引言

數(shù)字化轉(zhuǎn)型是推動(dòng)制造業(yè)技術(shù)升級(jí)的重要?jiǎng)恿?，?shù)字化投入對(duì)不同要素密集型的制造業(yè)部門轉(zhuǎn)型效應(yīng)相異[1]。順應(yīng)并把握新一代信息技術(shù)變革趨勢(shì)，借勢(shì)數(shù)字技術(shù)賦能制造業(yè)高端發(fā)展正成為我國(guó)實(shí)現(xiàn)彎道超車的一大機(jī)遇[2]。2021年10月習(xí)近平總書記在十九屆中央政治局第三十四次集體學(xué)習(xí)時(shí)明確指出，“利用互聯(lián)網(wǎng)新技術(shù)對(duì)傳統(tǒng)產(chǎn)業(yè)進(jìn)行全方位、全鏈條的改造，提高全要素生產(chǎn)率”，肯定了數(shù)字化轉(zhuǎn)型在推動(dòng)行業(yè)技術(shù)升級(jí)中發(fā)揮的重要作用。數(shù)據(jù)顯示，中國(guó)數(shù)字經(jīng)濟(jì)增加值增速持續(xù)超過(guò)GDP增速，其中產(chǎn)業(yè)數(shù)字化部分占比逐年上升，有望成為數(shù)字經(jīng)濟(jì)發(fā)展的主導(dǎo)力量，而產(chǎn)業(yè)數(shù)字化的本質(zhì)正是數(shù)字化轉(zhuǎn)型。因此，加快推進(jìn)行業(yè)數(shù)字化轉(zhuǎn)型，借助數(shù)字技術(shù)推動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合發(fā)展對(duì)我國(guó)產(chǎn)業(yè)邁向中高端、培育新動(dòng)能具有十分重大的意義。

目前圍繞數(shù)字化轉(zhuǎn)型及其技術(shù)升級(jí)效果的研究較為豐富，研究視角涵蓋宏觀層面的國(guó)際比較[2]、中觀層面的省域[3,4]或行業(yè)[5]間的比較以及微觀層面的企業(yè)間的比較[6—11]。宏觀層面，黨琳等（2021）[2]基于2008—2015 年49 個(gè)國(guó)家15個(gè)制造業(yè)行業(yè)的數(shù)據(jù)研究了制造業(yè)行業(yè)數(shù)字化轉(zhuǎn)型對(duì)其出口技術(shù)復(fù)雜度提升的效應(yīng)。中觀省級(jí)層面，周勇等（2022）[3]基于我國(guó)省級(jí)面板數(shù)據(jù)實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)制造業(yè)轉(zhuǎn)型升級(jí)的具體影響，研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)能夠顯著推動(dòng)我國(guó)制造業(yè)轉(zhuǎn)型升級(jí)，而全要素生產(chǎn)率和技術(shù)創(chuàng)新水平在其中發(fā)揮了重要的中介作用，且前者的中介效應(yīng)要強(qiáng)于后者。周鱘和胡國(guó)暉（2020）[4]發(fā)現(xiàn)OFDI 逆向技術(shù)溢出顯著地促進(jìn)了區(qū)域制造業(yè)技術(shù)升級(jí)，且空間效應(yīng)強(qiáng)于直接效應(yīng)，隨著時(shí)間的延長(zhǎng)，空間溢出效應(yīng)更加顯著。中觀行業(yè)層面，白雪潔等（2021）[5]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠推動(dòng)行業(yè)技術(shù)升級(jí)，且推動(dòng)效果在行業(yè)間存在顯著差異。微觀企業(yè)層面的研究成果最為豐富，研究結(jié)論普遍支持?jǐn)?shù)字化轉(zhuǎn)型有利于推動(dòng)行業(yè)技術(shù)升級(jí)[6—9]。金昕等（2022）[10]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型水平越高的企業(yè)，其全要素生產(chǎn)率提升效果越好。杜勇和婁靖（2022）[11]發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠有效促進(jìn)企業(yè)升級(jí)，并且該影響存在行業(yè)溢出效應(yīng)，而技術(shù)外溢在具有較高相似度的行業(yè)之間更有可能發(fā)生[12]。丁一兵和宋暢（2019）[13]以全球產(chǎn)業(yè)鏈中的技術(shù)溢出效應(yīng)為切入點(diǎn)，研究發(fā)現(xiàn)高技術(shù)水平的中間品投入會(huì)產(chǎn)生顯著的前向技術(shù)溢出效應(yīng)和后向技術(shù)溢出效應(yīng)，有利于推動(dòng)中國(guó)制造業(yè)技術(shù)升級(jí)，且作用于產(chǎn)品形成環(huán)節(jié)的前向技術(shù)溢出對(duì)制造業(yè)技術(shù)升級(jí)的促進(jìn)作用更強(qiáng)。

綜上所述，現(xiàn)有關(guān)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)升級(jí)的影響研究已較為豐富，但數(shù)字化轉(zhuǎn)型的技術(shù)升級(jí)效果是多方位多層次的，聚焦于行業(yè)層面的研究相對(duì)匱乏；雖有學(xué)者較早關(guān)注到行業(yè)相似度在技術(shù)溢出中的重要性，但目前基于行業(yè)技術(shù)相似度視角探討數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級(jí)效果及溢出效應(yīng)的研究較少。鑒于此，本文采用我國(guó)工業(yè)行業(yè)的面板數(shù)據(jù)，先構(gòu)造行業(yè)技術(shù)相似度矩陣，剖析數(shù)字化轉(zhuǎn)型和行業(yè)技術(shù)升級(jí)在生產(chǎn)技術(shù)相似行業(yè)之間的空間相關(guān)性特征，再重點(diǎn)考察數(shù)字化轉(zhuǎn)型對(duì)工業(yè)技術(shù)升級(jí)的影響及其溢出效應(yīng)，進(jìn)一步討論數(shù)字化轉(zhuǎn)型推動(dòng)工業(yè)技術(shù)升級(jí)的表現(xiàn)形式、行業(yè)異質(zhì)性與影響機(jī)制，一方面推動(dòng)數(shù)字化轉(zhuǎn)型研究在行業(yè)層面的進(jìn)展，另一方面拓展數(shù)字經(jīng)濟(jì)下的產(chǎn)業(yè)關(guān)聯(lián)研究，提出行業(yè)技術(shù)相似度和要素密集型特征是數(shù)字化轉(zhuǎn)型影響工業(yè)技術(shù)升級(jí)的關(guān)鍵。

1 研究設(shè)計(jì)

1.1 行業(yè)技術(shù)相似度矩陣

技術(shù)溢出更容易且更多地發(fā)生在生產(chǎn)技術(shù)和投入結(jié)構(gòu)相似的行業(yè)間，而根據(jù)投入產(chǎn)出表計(jì)算的行業(yè)技術(shù)相似度是衡量溢出效應(yīng)比例的合適指標(biāo)[12]。本文參考潘文卿等（2011）[14]的做法，構(gòu)造我國(guó)工業(yè)行業(yè)技術(shù)相似度矩陣，將兩個(gè)行業(yè)間的技術(shù)相似度定義為直接消耗系數(shù)結(jié)構(gòu)向量的角余弦。具體計(jì)算公式如下：

其中，aki和akj分別代表i行業(yè)與j行業(yè)直接消耗系數(shù)結(jié)構(gòu)列向量的第k個(gè)位置的元素，ωij越接近于1，說(shuō)明i行業(yè)與j行業(yè)之間技術(shù)相似度越高，即兩行業(yè)之間技術(shù)溢出效應(yīng)越大。本文使用中國(guó)2005 年、2007 年、2012 年、2015 年、2017 年、2018 年、2020 年投入產(chǎn)出表計(jì)算行業(yè)技術(shù)相似度，再取平均值得到行業(yè)技術(shù)相似度的權(quán)重矩陣。表1 展示了2005 年、2012 年和2020 年與25 個(gè)工業(yè)行業(yè)投入結(jié)構(gòu)最相似的行業(yè)及其對(duì)應(yīng)的技術(shù)相似度數(shù)值，“主要貢獻(xiàn)者”列是對(duì)應(yīng)年份計(jì)算得到的與“行業(yè)”列的具體行業(yè)技術(shù)相似度最高的行業(yè)，具體數(shù)值列在“溢出比例”列。從表1 中可以發(fā)現(xiàn)，2005 年25 個(gè)工業(yè)行業(yè)中與投入結(jié)構(gòu)最為相似的行業(yè)技術(shù)溢出效應(yīng)比例數(shù)值大于80%的有17個(gè)，2012年有11個(gè)，2020年有4個(gè)。如果將溢出比例達(dá)到80%以上視為行業(yè)間存在顯著的技術(shù)溢出效應(yīng)，那么由表1可知，2005—2020年我國(guó)25個(gè)工業(yè)行業(yè)間存在顯著的技術(shù)溢出效應(yīng)，且隨著時(shí)間的推移，行業(yè)間技術(shù)溢出效應(yīng)程度趨緩。

表1 2005—2020年行業(yè)技術(shù)溢出效應(yīng)的主要貢獻(xiàn)者與溢出比例①I1—I25分別代表煤炭開采和洗選業(yè)，石油和天然氣開采業(yè)，金屬礦采選業(yè)，非金屬礦及其他礦采選業(yè)，食品制造及煙草加工業(yè)，紡織業(yè)，紡織服裝鞋帽皮革羽絨及其制品業(yè)，木材加工及家具制造業(yè)，造紙印刷及文教體育用品制造業(yè)，石油加工、煉焦及核燃料加工業(yè)，化學(xué)產(chǎn)品，非金屬礦物制品業(yè)，金屬冶煉及壓延加工業(yè)，金屬制品業(yè)，通用設(shè)備制造業(yè)，專用設(shè)備制造業(yè)，交通運(yùn)輸設(shè)備制造業(yè)，電氣機(jī)械及器材制造業(yè)，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)，儀器儀表及文化辦公用機(jī)械制造業(yè)，工藝品及其他制造業(yè)，廢品廢料，電力、熱力的生產(chǎn)和供應(yīng)業(yè)，燃?xì)馍a(chǎn)和供應(yīng)業(yè)，水的生產(chǎn)和供應(yīng)業(yè)。

1.2 空間模型

某一行業(yè)的技術(shù)升級(jí)在受到本行業(yè)技術(shù)進(jìn)步影響的同時(shí)，還可能受到生產(chǎn)技術(shù)相似的其他行業(yè)技術(shù)進(jìn)步的影響，且行業(yè)間的生產(chǎn)技術(shù)相似度越高，行業(yè)間技術(shù)溢出效應(yīng)往往越明顯。為對(duì)這一觀點(diǎn)進(jìn)行驗(yàn)證，本文借鑒全局莫蘭指數(shù)（Global Moran’s I）檢驗(yàn)樣本間空間相關(guān)性的原理，以行業(yè)技術(shù)相似度代替?zhèn)鹘y(tǒng)空間地理距離等權(quán)重，測(cè)算我國(guó)工業(yè)技術(shù)升級(jí)和數(shù)字化轉(zhuǎn)型指標(biāo)的全局莫蘭指數(shù)，并將空間相關(guān)性檢驗(yàn)結(jié)果作為本文使用空間計(jì)量模型展開實(shí)證檢驗(yàn)和分析的依據(jù)。全局莫蘭指數(shù)模型設(shè)定如下：

式（2）中，n是全部工業(yè)行業(yè)數(shù)，取值為1～25；ωij是行業(yè)i和j之間技術(shù)相似度的空間權(quán)重，具體算法見(jiàn)式（1）；ρi是行業(yè)i的技術(shù)升級(jí)水平。全局莫蘭指數(shù)用于判斷兩個(gè)生產(chǎn)技術(shù)具備相似性的行業(yè)在技術(shù)升級(jí)水平方面的空間相關(guān)性。Moran's I取值介于-1～1，取值的絕對(duì)值越接近于1，代表兩行業(yè)之間技術(shù)升級(jí)水平的空間相關(guān)性越強(qiáng)。Moran's I＞0時(shí)，代表兩行業(yè)之間技術(shù)升級(jí)水平存在空間正相關(guān)；Moran's I＜0 時(shí)，代表兩行業(yè)之間技術(shù)升級(jí)水平存在空間負(fù)相關(guān)；Moran's I=0 時(shí)，代表兩行業(yè)之間技術(shù)升級(jí)水平呈現(xiàn)空間隨機(jī)性。

本文在檢驗(yàn)我國(guó)工業(yè)行業(yè)技術(shù)升級(jí)水平和數(shù)字化轉(zhuǎn)型程度的空間依賴性基礎(chǔ)上，設(shè)定并選擇合適的空間計(jì)量模型評(píng)估數(shù)字化轉(zhuǎn)型對(duì)工業(yè)行業(yè)技術(shù)升級(jí)的影響。常見(jiàn)的空間計(jì)量模型有三種，分別是空間誤差模型（SEM）、空間自回歸模型（SAR）和空間杜賓模型（SDM）。SEM 重點(diǎn)考察隨機(jī)擾動(dòng)項(xiàng)的空間依賴關(guān)系，探討生產(chǎn)技術(shù)相似行業(yè)之間的不可觀測(cè)誤差沖擊對(duì)某一工業(yè)行業(yè)技術(shù)升級(jí)水平的影響，具體模型是：

式（3）中，ρ代表被解釋變量工業(yè)行業(yè)技術(shù)升級(jí)，β1是解釋變量的系數(shù)，Dig是解釋變量數(shù)字化轉(zhuǎn)型，β2是控制變量的系數(shù)列向量，X是控制變量行向量，λ是空間誤差自相關(guān)系數(shù)，W是空間權(quán)重矩陣，μ是隨機(jī)擾動(dòng)項(xiàng)，i和t分別表示行業(yè)與年份。

SAR重點(diǎn)考察被解釋變量的空間依賴關(guān)系，探討生產(chǎn)技術(shù)相似行業(yè)的技術(shù)升級(jí)水平對(duì)一個(gè)行業(yè)技術(shù)升級(jí)的影響，具體模型是：

式（4）中，δ是空間自相關(guān)系數(shù)。

SDM綜合考察所有變量的空間依賴性，包括被解釋變量、解釋變量和隨機(jī)擾動(dòng)項(xiàng)，具體模型是：

式（5）中，θ1、θ2分別是解釋變量Dig和控制變量X的空間滯后回歸系數(shù)。

在進(jìn)行空間計(jì)量分析前，需要依據(jù)數(shù)據(jù)的空間相關(guān)性特點(diǎn)確定是否需要構(gòu)建空間計(jì)量模型以及選擇哪一種空間計(jì)量模型，通常是借助于拉格朗日乘數(shù)檢驗(yàn)（LM）。具體而言，為研究樣本選擇合適的空間計(jì)量模型需要依次比較LM-Error、Robust LM-Error、LM-Lag 和Robust LM-Lag四個(gè)檢驗(yàn)統(tǒng)計(jì)量。當(dāng)LM-Error 和LM-Lag 統(tǒng)計(jì)量都不顯著時(shí)，分析對(duì)象不適合采用空間計(jì)量模型，只需選擇普通計(jì)量模型估計(jì)；當(dāng)兩者都顯著時(shí)，選擇SDM；當(dāng)LM-Error顯著而LM-Lag 不顯著時(shí)，選擇SEM；當(dāng)LM-Error 不顯著而LM-Lag顯著時(shí)，選擇SAR。

1.3 變量選取與數(shù)據(jù)來(lái)源

被解釋變量行業(yè)技術(shù)升級(jí)（TFP）。無(wú)論行業(yè)間是否存在技術(shù)升級(jí)路徑差異，技術(shù)升級(jí)最終都會(huì)體現(xiàn)在行業(yè)全要素生產(chǎn)率提升上[14]，全要素生產(chǎn)率能夠反映除生產(chǎn)要素投入數(shù)量之外的制度優(yōu)化、管理水平、技術(shù)引進(jìn)等其他要素對(duì)增長(zhǎng)的貢獻(xiàn)率[15]，因此本文采用全要素生產(chǎn)率作為行業(yè)技術(shù)升級(jí)的代理變量。參考前人的做法[4，11]，采用基于DEA 的Malmquist 指數(shù)對(duì)我國(guó)25 個(gè)工業(yè)行業(yè)的全要素生產(chǎn)率進(jìn)行測(cè)度。具體以各行業(yè)規(guī)上企業(yè)平均用工人數(shù)衡量勞動(dòng)力投入，以規(guī)上企業(yè)固定資產(chǎn)凈值合計(jì)衡量資本投入，以行業(yè)增加值衡量產(chǎn)出，測(cè)算出各行業(yè)的Malmquist指數(shù)，進(jìn)而計(jì)算得到各行業(yè)全要素生產(chǎn)率。進(jìn)一步將行業(yè)全要素生產(chǎn)率分解為技術(shù)進(jìn)步和效率改善兩個(gè)部分[11]，以此展開關(guān)于行業(yè)技術(shù)升級(jí)形式的檢驗(yàn)。

核心解釋變量數(shù)字化轉(zhuǎn)型（Dig）?，F(xiàn)有研究中衡量數(shù)字化轉(zhuǎn)型一般采用相對(duì)指標(biāo)“直接依賴度”，即某一行業(yè)對(duì)數(shù)字經(jīng)濟(jì)的直接消耗占所有直接消耗的比重，公式是，其中，akj是j行業(yè)對(duì)k行業(yè)的直接消耗系數(shù)。也有學(xué)者結(jié)合絕對(duì)指標(biāo)“完全消耗系數(shù)”[9]和相對(duì)指標(biāo)，構(gòu)建完全依賴度[16]，實(shí)現(xiàn)對(duì)數(shù)字化轉(zhuǎn)型的全面估算，具體公式是：

式（6）中，bkj是j行業(yè)對(duì)k行業(yè)的完全消耗系數(shù)。由于完全消耗系數(shù)考慮到了各行業(yè)間的技術(shù)關(guān)聯(lián)特征，因此，本文將完全依賴度作為基準(zhǔn)回歸模型的解釋變量展開實(shí)證分析，同時(shí)為保證研究結(jié)論的穩(wěn)健性與可靠性，本文在穩(wěn)健性檢驗(yàn)中將完全依賴度替換為直接依賴度對(duì)基準(zhǔn)回歸模型進(jìn)行重新估計(jì)。

控制變量。將行業(yè)技術(shù)升級(jí)的相關(guān)影響因素作為控制變量納入計(jì)量模型，具體包括：對(duì)外開放度（FDI），用外國(guó)直接投資占GDP 的比重衡量；國(guó)外需求（Export），用出口占GDP的比重衡量；研發(fā)強(qiáng)度（RDK），用研發(fā)支出占GDP的比重衡量；研發(fā)人力投入（RDL），用研發(fā)人員占比衡量。

考慮到數(shù)據(jù)可得性與準(zhǔn)確性，本文選取2005—2020年我國(guó)25 個(gè)工業(yè)行業(yè)的面板數(shù)據(jù)展開計(jì)量分析，研究所涉及的數(shù)據(jù)均來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》、國(guó)家統(tǒng)計(jì)局官網(wǎng)和中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)（CNRDS）。本文以2005年為基期對(duì)所有以貨幣價(jià)值表示的數(shù)據(jù)進(jìn)行價(jià)格調(diào)整。其中，資本使用固定資產(chǎn)投資價(jià)格指數(shù)平減，增加值數(shù)據(jù)使用行業(yè)生產(chǎn)總值指數(shù)平減。表2 為本文主要變量的描述性統(tǒng)計(jì)結(jié)果。

表2 描述性統(tǒng)計(jì)

2 空間相關(guān)性分析

2.1 全局莫蘭指數(shù)

計(jì)算結(jié)果表明，2006—2020 年我國(guó)25 個(gè)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型指標(biāo)與技術(shù)升級(jí)指標(biāo)均存在顯著的空間依賴性①本文采用基于DEA的Malmquist指數(shù)方法測(cè)算我國(guó)2005—2020年25個(gè)工業(yè)行業(yè)的全要素生產(chǎn)率，所以莫蘭指數(shù)的計(jì)算需要從2006年開始。。下頁(yè)表3展示了數(shù)字化轉(zhuǎn)型指標(biāo)和行業(yè)技術(shù)升級(jí)指標(biāo)的全局莫蘭指數(shù)，可以發(fā)現(xiàn)，兩個(gè)變量的全局莫蘭指數(shù)在各年均為正，且都通過(guò)了1%水平上的顯著性檢驗(yàn)，表明中國(guó)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型與技術(shù)升級(jí)水平各自呈現(xiàn)顯著的正向空間關(guān)聯(lián)性和集聚性。根據(jù)全局莫蘭指數(shù)大小的變化趨勢(shì)可以發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型指標(biāo)和行業(yè)技術(shù)升級(jí)指標(biāo)各自的關(guān)聯(lián)和集聚程度隨時(shí)間推移呈現(xiàn)波動(dòng)性特征。具體而言，數(shù)字化轉(zhuǎn)型指標(biāo)的全局莫蘭指數(shù)在2006—2020 年呈現(xiàn)緩慢上升趨勢(shì)，表明我國(guó)工業(yè)行業(yè)完全依賴度集聚水平在逐年微弱上升，即行業(yè)數(shù)字化轉(zhuǎn)型的空間集聚狀態(tài)一直以來(lái)保持穩(wěn)定且呈逐年增強(qiáng)趨勢(shì)。行業(yè)技術(shù)升級(jí)指標(biāo)的全局莫蘭指數(shù)在2006—2020 年呈現(xiàn)3 個(gè)階段的特征：2006—2011 年總體上出現(xiàn)下滑，2012—2017年總體上處于持續(xù)高位態(tài)勢(shì)，2018—2020 年開始下降但總體上高于2011年之前的水平。說(shuō)明我國(guó)工業(yè)行業(yè)技術(shù)升級(jí)集聚狀態(tài)總體上呈現(xiàn)增強(qiáng)趨勢(shì)，尤其是在2012—2017年。

表3 2006—2020年數(shù)字化轉(zhuǎn)型與行業(yè)技術(shù)升級(jí)的全局莫蘭指數(shù)

2.2 局部莫蘭指數(shù)

全局莫蘭指數(shù)只能基于整體樣本分析得出相關(guān)變量在空間上是否具有顯著的相關(guān)性特征，而莫蘭散點(diǎn)圖可以局部分析樣本間的空間相關(guān)性。莫蘭散點(diǎn)圖是一個(gè)二維坐標(biāo)圖，其橫軸代表的是待考察變量的不同樣本值，縱軸代表的是該觀測(cè)值鄰近區(qū)域的加權(quán)平均值。根據(jù)二維坐標(biāo)可將莫蘭散點(diǎn)圖分為四個(gè)區(qū)域，分別對(duì)應(yīng)于二維坐標(biāo)系中的四個(gè)象限，其中，處于第一象限和第三象限的樣本之間存在正向的空間相關(guān)性，即該樣本值越高或越低，分布在其周圍的樣本值也越高或越低，分別記為HH（High-High）型和LL（Low-Low）型；處于第二象限和第四象限的樣本之間存在負(fù)向的空間相關(guān)性，即該樣本值越高或越低，分布在其周圍的樣本值反而越低或越高，分別記為L(zhǎng)H（Low-High）型和HL（High-Low）型。

圖1是2006年和2020年數(shù)字化轉(zhuǎn)型的局部莫蘭散點(diǎn)圖，顯示了生產(chǎn)技術(shù)相似的工業(yè)行業(yè)間數(shù)字化轉(zhuǎn)型的空間依賴性，可以看出，絕大部分行業(yè)樣本都落在第一象限和第三象限，呈現(xiàn)HH型集聚和LL型集聚，且LL型集聚尤其明顯，表明高值與低值的樣本各自產(chǎn)生集聚效應(yīng)。其中，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（I19）與儀器儀表及文化辦公用機(jī)械制造業(yè)（I20）呈現(xiàn)顯著的HH型集聚特征，說(shuō)明這兩個(gè)行業(yè)在數(shù)字化轉(zhuǎn)型方面明顯領(lǐng)先于其他工業(yè)行業(yè)，且這兩個(gè)行業(yè)之間的技術(shù)溢出效應(yīng)相互正向促進(jìn)對(duì)方行業(yè)的數(shù)字化轉(zhuǎn)型。

圖1 2006年和2020年數(shù)字化轉(zhuǎn)型的局部莫蘭散點(diǎn)圖

圖2是2006年和2020年工業(yè)行業(yè)技術(shù)升級(jí)的局部莫蘭散點(diǎn)圖，顯示了我國(guó)25 個(gè)工業(yè)行業(yè)全要素生產(chǎn)率的空間依賴性，可以看出，絕大部分行業(yè)樣本處于第一象限和第三象限，說(shuō)明我國(guó)工業(yè)行業(yè)全要素生產(chǎn)率之間呈現(xiàn)顯著的HH型集聚和LL型集聚，因此，行業(yè)技術(shù)升級(jí)存在空間擴(kuò)散與空間聯(lián)動(dòng)效應(yīng)。即對(duì)于全要素生產(chǎn)率高的行業(yè)，與其投入結(jié)構(gòu)相似行業(yè)的全要素生產(chǎn)率一般也較高；對(duì)于全要素生產(chǎn)率低的行業(yè)，在技術(shù)相似度方面與其高度接近的行業(yè)全要素生產(chǎn)率同樣處于較低水平。

圖2 2006年和2020年行業(yè)技術(shù)升級(jí)的局部莫蘭散點(diǎn)圖

對(duì)比圖1 和圖2 兩個(gè)變量的局部莫蘭散點(diǎn)圖分布差異，發(fā)現(xiàn)2006—2020年，25個(gè)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型散點(diǎn)圖分布區(qū)域未發(fā)生明顯改變，體現(xiàn)了強(qiáng)弱集聚并存的空間特征具備分層固化性，具體而言，絕大多數(shù)行業(yè)位于第三象限，表明多數(shù)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型水平呈現(xiàn)“低-低”集聚的特點(diǎn)，因此本文認(rèn)為我國(guó)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型水平存在空間異質(zhì)性現(xiàn)象且相對(duì)穩(wěn)定。而25個(gè)工業(yè)行業(yè)技術(shù)升級(jí)的局部莫蘭散點(diǎn)圖分布情況在2006年和2020年變化較大，比如通用設(shè)備制造業(yè)（I15）2006年落在第一象限，但2020年落在第三象限；石油加工、煉焦及核燃料加工業(yè)（I10）2006 年落在第二象限，但2020 年落在第一象限；食品制造及煙草加工業(yè)（I5）2006 年落在第三象限，但2020年落在第二象限；造紙印刷及文教體育用品制造業(yè)（I9）2006年落在第四象限，但2020年落在第一象限。因此，行業(yè)技術(shù)升級(jí)的強(qiáng)弱集聚并存空間特征在2006—2020年尚未具備分層固化性。

3 實(shí)證分析

3.1 模型選擇

通過(guò)空間自相關(guān)分析可知，數(shù)字化轉(zhuǎn)型和行業(yè)技術(shù)升級(jí)均存在空間依賴性，即本文可以采用空間計(jì)量模型實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)行業(yè)技術(shù)升級(jí)的影響。接下來(lái)，需要判斷選擇哪一種空間計(jì)量模型展開回歸估計(jì)?；谛袠I(yè)技術(shù)相似度矩陣，本文進(jìn)行了拉格朗日乘數(shù)檢驗(yàn)和穩(wěn)健拉格朗日乘數(shù)檢驗(yàn)，下頁(yè)表4 報(bào)告了檢驗(yàn)結(jié)果，可以發(fā)現(xiàn)，LM-Error 和LM-Lag 檢驗(yàn)均在1%的水平上顯著，Robust LM-Error檢驗(yàn)在5%的水平上顯著，但由于Robust LM-Lag檢驗(yàn)不顯著，說(shuō)明空間誤差效應(yīng)比空間滯后效應(yīng)更顯著，因此，本文數(shù)據(jù)樣本更適合采用SEM 模型進(jìn)行實(shí)證分析。由于本文采用的是面板數(shù)據(jù)，需要在確定空間計(jì)量模型之后，選擇合適的計(jì)量估計(jì)方法。根據(jù)Hausman檢驗(yàn)結(jié)果，本文選擇固定效應(yīng)的SEM模型展開實(shí)證研究。最后，根據(jù)空間計(jì)量的常規(guī)做法，本文通過(guò)似然比檢驗(yàn)（LR）對(duì)模型進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果表明本文的SEM 模型并不會(huì)退化為SDM 模型或SAR 模型。此外，個(gè)體固定效應(yīng)與時(shí)間固定效應(yīng)的LR檢驗(yàn)結(jié)果顯示需要選擇雙向固定效應(yīng)模型。綜上，本文選擇個(gè)體和時(shí)間雙向固定效應(yīng)的SEM模型進(jìn)行回歸分析。

表4 空間計(jì)量檢驗(yàn)結(jié)果

3.2 實(shí)證結(jié)果分析

本文在行業(yè)技術(shù)相似度矩陣下選取雙向固定效應(yīng)的SEM 模型對(duì)數(shù)字化轉(zhuǎn)型影響行業(yè)全要素生產(chǎn)率的情況進(jìn)行了回歸估計(jì)，詳見(jiàn)表5，由結(jié)果可知：第一，數(shù)字化轉(zhuǎn)型有利于推動(dòng)我國(guó)工業(yè)行業(yè)技術(shù)升級(jí)。表5 中列（1）和列（2）的基準(zhǔn)回歸結(jié)果顯示，在考慮控制變量的影響后，數(shù)字化轉(zhuǎn)型對(duì)工業(yè)行業(yè)全要素生產(chǎn)率的回歸系數(shù)為正，并且通過(guò)了5%水平上的顯著性檢驗(yàn)，這表明數(shù)字化轉(zhuǎn)型有利于推動(dòng)工業(yè)行業(yè)技術(shù)升級(jí)。第二，數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級(jí)效果存在明顯的行業(yè)溢出效應(yīng)。表5 列（1）至列（6）中的空間誤差系數(shù)λ均在1%的水平上顯著為正，說(shuō)明無(wú)論是僅考慮工業(yè)行業(yè)技術(shù)升級(jí)的結(jié)果，即全要素生產(chǎn)率，還是考慮行業(yè)技術(shù)升級(jí)的兩種形式，即技術(shù)進(jìn)步和效率改善，數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級(jí)效果均呈現(xiàn)顯著的空間誤差溢出效應(yīng)，這表明一個(gè)行業(yè)的技術(shù)升級(jí)不僅受到本行業(yè)數(shù)字化轉(zhuǎn)型、對(duì)外開放度、研發(fā)強(qiáng)度和研發(fā)人力投入的影響，還受到生產(chǎn)技術(shù)相似的其他行業(yè)的不可觀測(cè)因素影響。即數(shù)字化轉(zhuǎn)型對(duì)工業(yè)行業(yè)技術(shù)升級(jí)的推動(dòng)作用具有顯著的行業(yè)溢出效應(yīng)，其效果受行業(yè)技術(shù)相似度的影響。第三，數(shù)字化轉(zhuǎn)型對(duì)工業(yè)行業(yè)技術(shù)升級(jí)的推動(dòng)作用主要通過(guò)效率改善實(shí)現(xiàn)，而不是促進(jìn)技術(shù)進(jìn)步。表征行業(yè)技術(shù)升級(jí)水平的Malmquist生產(chǎn)率指數(shù)可以分解為綜合技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)，而綜合技術(shù)效率指數(shù)又由純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)共同構(gòu)成，表5 列（3）至列（6）展示了數(shù)字化轉(zhuǎn)型對(duì)技術(shù)進(jìn)步和效率改善的影響，回歸結(jié)果顯示，不論是否考慮控制變量的影響，數(shù)字化轉(zhuǎn)型都會(huì)顯著正向影響效率改善，對(duì)技術(shù)進(jìn)步的影響則不顯著?？梢?jiàn)行業(yè)數(shù)字化轉(zhuǎn)型提升全要素生產(chǎn)率更多地以推動(dòng)效率改善的形式實(shí)現(xiàn)，而非以技術(shù)進(jìn)步的形式。

表5 數(shù)字化轉(zhuǎn)型行業(yè)溢出效應(yīng)的SEM模型估計(jì)結(jié)果

為了檢驗(yàn)回歸結(jié)果的穩(wěn)健性，本文更換被解釋變量和解釋變量指標(biāo)，再對(duì)上述模型展開回歸分析，具體回歸結(jié)果見(jiàn)表6 列（1）、列（2）。其中，列（1）為替換被解釋變量，重新使用SBM-DEA 方法測(cè)算行業(yè)效率作為行業(yè)技術(shù)升級(jí)指標(biāo)；列（2）為替換解釋變量，使用直接依賴度衡量行業(yè)數(shù)字化轉(zhuǎn)型。回歸結(jié)果顯示，分別替換了被解釋變量和解釋變量指標(biāo)后，數(shù)字化轉(zhuǎn)型對(duì)行業(yè)全要素生產(chǎn)率的影響依舊顯著為正，且空間誤差系數(shù)λ也都顯著為正，表明本文的回歸結(jié)論是穩(wěn)健的，數(shù)字化轉(zhuǎn)型的確促進(jìn)了工業(yè)行業(yè)技術(shù)升級(jí)，且存在明顯的行業(yè)溢出效應(yīng)。

表6 穩(wěn)健性檢驗(yàn)、異質(zhì)性檢驗(yàn)與機(jī)制檢驗(yàn)

此外，本文還進(jìn)行了異質(zhì)性檢驗(yàn)，將我國(guó)工業(yè)行業(yè)分為勞動(dòng)密集型行業(yè)和資本密集型行業(yè)兩個(gè)子樣本，表6列（3）、列（4）分別是勞動(dòng)密集型行業(yè)和資本密集型行業(yè)的回歸結(jié)果。雖然數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，但資本密集型行業(yè)樣本回歸系數(shù)（1.175）大于勞動(dòng)密集型行業(yè)樣本（0.815），說(shuō)明數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級(jí)效果在資本密集型行業(yè)的表現(xiàn)優(yōu)于勞動(dòng)密集型行業(yè)。這是因?yàn)椋瑪?shù)字化轉(zhuǎn)型的本質(zhì)是借助數(shù)字技術(shù)如人工智能等實(shí)現(xiàn)生產(chǎn)設(shè)備即資本間的高效鏈接，從而提升生產(chǎn)效率和產(chǎn)品質(zhì)量，因此，資本密集型行業(yè)在數(shù)字化轉(zhuǎn)型中具備更大優(yōu)勢(shì)，其技術(shù)升級(jí)效果自然表現(xiàn)更好。通過(guò)觀察兩個(gè)子樣本回歸結(jié)果中的空間誤差系數(shù)λ，發(fā)現(xiàn)λ均顯著為正，表明不論是勞動(dòng)密集型行業(yè)還是資本密集型行業(yè)，數(shù)字化轉(zhuǎn)型的技術(shù)升級(jí)效果均存在顯著的行業(yè)溢出效應(yīng)。這體現(xiàn)了數(shù)字技術(shù)或者說(shuō)新一代信息技術(shù)作為通用目的技術(shù)的本質(zhì)特征，能通過(guò)溢出效應(yīng)在各類工業(yè)行業(yè)間得到應(yīng)用與普及。

本文進(jìn)一步討論了數(shù)字化轉(zhuǎn)型影響行業(yè)技術(shù)升級(jí)的機(jī)制，表6 列（5）將行業(yè)資本深化作為中介變量進(jìn)行機(jī)制檢驗(yàn)，結(jié)果表明，數(shù)字化轉(zhuǎn)型對(duì)行業(yè)資本深化的影響在1%的水平上顯著為正，說(shuō)明數(shù)字化轉(zhuǎn)型確實(shí)通過(guò)加深行業(yè)資本深化的程度來(lái)促進(jìn)技術(shù)升級(jí)。由于工業(yè)行業(yè)大多具備資本密集型特征，因此數(shù)字化轉(zhuǎn)型主要通過(guò)資本替代勞動(dòng)的方式即“智能化”助推工業(yè)技術(shù)升級(jí)。工業(yè)作為資本和勞動(dòng)間替代彈性較高的部門，即“靈活部門”，其內(nèi)部資本要素在數(shù)字化轉(zhuǎn)型后生產(chǎn)率得以大幅提升，工業(yè)部門在利潤(rùn)最大化目標(biāo)指引下將使用生產(chǎn)率更高的資本要素替代生產(chǎn)率相對(duì)較低的傳統(tǒng)勞動(dòng)力，最終帶來(lái)工業(yè)部門資本的不斷深化，勞動(dòng)要素不斷向服務(wù)業(yè)部門轉(zhuǎn)移。未來(lái)智能制造下的工業(yè)部門必然將資本作為主要生產(chǎn)要素投入，以高效率的生產(chǎn)運(yùn)作方式推動(dòng)物質(zhì)生產(chǎn)極大化，從而為勞動(dòng)力向以人的情感與精神投入為主的服務(wù)消費(fèi)領(lǐng)域轉(zhuǎn)移提供物質(zhì)保障與基礎(chǔ)動(dòng)力，有利于實(shí)現(xiàn)物質(zhì)文明與精神文明相協(xié)調(diào)的現(xiàn)代化發(fā)展。

4 結(jié)論與啟示

本文基于2005—2020年我國(guó)25個(gè)工業(yè)行業(yè)的面板數(shù)據(jù)，首先運(yùn)用投入產(chǎn)出表構(gòu)建行業(yè)技術(shù)相似度矩陣，其次引入空間誤差模型，然后在加入對(duì)外開放程度、國(guó)外需求、研發(fā)強(qiáng)度等控制變量的基礎(chǔ)上，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)工業(yè)技術(shù)升級(jí)的具體影響及其溢出效應(yīng)，最后進(jìn)一步討論了數(shù)字化轉(zhuǎn)型推動(dòng)工業(yè)技術(shù)升級(jí)的表現(xiàn)形式、行業(yè)異質(zhì)性與影響機(jī)制。主要研究結(jié)論如下：中國(guó)工業(yè)行業(yè)間存在顯著的技術(shù)溢出效應(yīng)，其水平隨著時(shí)間推移逐漸趨緩；數(shù)字化轉(zhuǎn)型與行業(yè)技術(shù)升級(jí)均存在顯著的空間依賴性，主要表現(xiàn)出HH型和LL型的正空間相關(guān)性；數(shù)字化轉(zhuǎn)型有利于推動(dòng)我國(guó)工業(yè)技術(shù)升級(jí)，數(shù)字化轉(zhuǎn)型對(duì)工業(yè)技術(shù)升級(jí)的推動(dòng)作用具有顯著的行業(yè)溢出效應(yīng)，其效果受行業(yè)技術(shù)相似度的影響；由于工業(yè)行業(yè)大多具有資本密集型特征，數(shù)字化轉(zhuǎn)型主要通過(guò)資本替代勞動(dòng)的方式即“智能化”助推工業(yè)技術(shù)升級(jí)。

本文研究結(jié)論對(duì)政府細(xì)化數(shù)字經(jīng)濟(jì)建設(shè)政策、工業(yè)行業(yè)實(shí)施數(shù)字化轉(zhuǎn)型具有如下啟示：（1）以市場(chǎng)化的數(shù)字化轉(zhuǎn)型需求為根本動(dòng)力，引導(dǎo)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)高質(zhì)量發(fā)展。在當(dāng)前利用數(shù)字技術(shù)為工業(yè)行業(yè)轉(zhuǎn)型升級(jí)助力的前提下，須發(fā)揮市場(chǎng)在資源配置中的決定性作用，制定適當(dāng)?shù)墓膭?lì)性政策引導(dǎo)工業(yè)行業(yè)加大自主研發(fā)投入，突破數(shù)字核心產(chǎn)業(yè)的關(guān)鍵“卡脖子”技術(shù)，引導(dǎo)工業(yè)行業(yè)向全球價(jià)值鏈的中高端攀升，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。（2）以行業(yè)技術(shù)相似度為依托，發(fā)揮工業(yè)行業(yè)在數(shù)字化轉(zhuǎn)型中的協(xié)同聯(lián)動(dòng)機(jī)制。為了把握數(shù)字經(jīng)濟(jì)發(fā)展紅利，政府應(yīng)制定相應(yīng)政策引導(dǎo)和幫助各地工業(yè)企業(yè)更順暢地實(shí)施數(shù)字化轉(zhuǎn)型，同時(shí)鼓勵(lì)不同行業(yè)企業(yè)間加大交流力度，突破數(shù)字化轉(zhuǎn)型中存在的共性難題，優(yōu)先在技術(shù)相似度較高的行業(yè)間推廣和普及數(shù)字化轉(zhuǎn)型的成功經(jīng)驗(yàn)，避免盲目地開展“交鑰匙”工程，對(duì)長(zhǎng)遠(yuǎn)技術(shù)升級(jí)潛力可期但當(dāng)前處于劣勢(shì)地位的行業(yè)給予傾斜性政策扶持，如特殊優(yōu)惠或補(bǔ)貼，充分利用生產(chǎn)技術(shù)相似行業(yè)數(shù)字化轉(zhuǎn)型的正向溢出效應(yīng)，加強(qiáng)產(chǎn)業(yè)鏈上下游行業(yè)的聯(lián)動(dòng)與協(xié)同發(fā)展。從工業(yè)行業(yè)自身的角度出發(fā)，要具備數(shù)字化轉(zhuǎn)型的超前意識(shí)，密切關(guān)注行業(yè)技術(shù)相似度接近的行業(yè)數(shù)字化轉(zhuǎn)型進(jìn)展，通過(guò)行業(yè)協(xié)作與知識(shí)交流積極引入先進(jìn)技術(shù)經(jīng)驗(yàn)。（3）依據(jù)數(shù)字化轉(zhuǎn)型推動(dòng)技術(shù)升級(jí)的行業(yè)異質(zhì)性，因地制宜地推動(dòng)產(chǎn)業(yè)升級(jí)。首先，數(shù)字技術(shù)作為通用目的技術(shù)，對(duì)所有行業(yè)都將產(chǎn)生顛覆性的影響，處于不同行業(yè)的企業(yè)都需要緊盯技術(shù)與市場(chǎng)環(huán)境變化，并結(jié)合自身發(fā)展優(yōu)勢(shì)展開數(shù)字化改造，在降低交易成本、提升全要素生產(chǎn)率的同時(shí)實(shí)現(xiàn)當(dāng)前一輪的產(chǎn)業(yè)升級(jí)。但更要注意到，數(shù)字化轉(zhuǎn)型的技術(shù)升級(jí)效果在不同行業(yè)之間存在顯著的差異性，本文發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型推動(dòng)行業(yè)技術(shù)升級(jí)的關(guān)鍵渠道是資本替代勞動(dòng)即資本深化，因此資本密集型行業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)升級(jí)效果優(yōu)于勞動(dòng)密集型行業(yè)，基于此，從社會(huì)福利最大化的角度來(lái)看，政府有必要將數(shù)字資源優(yōu)先配置到技術(shù)提升效果更好的行業(yè)，如電氣機(jī)械及器材制造業(yè)，專用設(shè)備制造業(yè)，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)等。各工業(yè)行業(yè)數(shù)字化轉(zhuǎn)型并不是追求齊頭并進(jìn)，而是需要適當(dāng)調(diào)整數(shù)字資源在不同細(xì)分行業(yè)中的分配比例，為國(guó)家產(chǎn)業(yè)升級(jí)發(fā)展目標(biāo)服務(wù)。