林孔團，張軒浩，侯 杰，胡艷萍

（1.福建師范大學經(jīng)濟學院，福州 350117；2.北京交通大學經(jīng)濟管理學院，北京 100044）

引 言

近年來，數(shù)字經(jīng)濟作為新興產(chǎn)業(yè)在我國得到快速發(fā)展，逐漸成為我國轉(zhuǎn)型時期經(jīng)濟發(fā)展的新引擎。中國信通院發(fā)布的《2022年中國數(shù)字經(jīng)濟發(fā)展報告》的相關數(shù)據(jù)顯示，我國數(shù)字經(jīng)濟規(guī)模自2016年的22.6 萬億元增至2021年的45.5 萬億元，占GDP 比重由32.9%提升到39.8%。數(shù)字經(jīng)濟發(fā)展壯大對我國產(chǎn)業(yè)結構轉(zhuǎn)型升級起到了積極作用，深刻改變著傳統(tǒng)制造業(yè)的生產(chǎn)方式，以新技術、新模式和新業(yè)態(tài)化解制造業(yè)“痛點”，成為推動制造業(yè)數(shù)字化轉(zhuǎn)型升級的強大動力，有利于實現(xiàn)制造業(yè)由大變強的歷史性跨越。

現(xiàn)有文獻重在實證分析數(shù)字經(jīng)濟對制造業(yè)的影響。田剛元等[1]基于2011—2020年黃河流域的城市面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)數(shù)字經(jīng)濟對黃河流域制造業(yè)高質(zhì)量發(fā)展有顯著推動作用，數(shù)字經(jīng)濟對黃河下游地區(qū)制造業(yè)的賦能作用明顯大于中上游地區(qū)。付文宇等[2]基于2011—2020年我國30 個省份的面板數(shù)據(jù)，實證分析數(shù)字經(jīng)濟對制造業(yè)優(yōu)化升級的影響，發(fā)現(xiàn)數(shù)字經(jīng)濟對制造業(yè)優(yōu)化升級具有明顯促進作用。羅佳等[3]基于2008—2019年制造業(yè)上市公司的面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)數(shù)字技術創(chuàng)新能夠促進制造業(yè)企業(yè)全要素生產(chǎn)率提升。徐星等[4]基于2012—2021年環(huán)渤海地區(qū)、長三角地區(qū)、粵港澳大灣區(qū)和成渝—關中地區(qū)四大數(shù)字經(jīng)濟與制造業(yè)融合發(fā)展先行試驗區(qū)的面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)數(shù)字經(jīng)濟借助技術創(chuàng)新效率提升和技術創(chuàng)新地理溢出效應可以促進制造業(yè)高質(zhì)量發(fā)展。肖靜等[5]基于2010—2019年長江經(jīng)濟帶的面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)地區(qū)數(shù)字化水平顯著正向影響長江經(jīng)濟帶制造業(yè)GTFP。然而，現(xiàn)有研究相對忽視了數(shù)字經(jīng)濟推動制造業(yè)升級的空間效應，缺乏對數(shù)字經(jīng)濟發(fā)展賦能制造業(yè)升級所產(chǎn)生周邊效應的深入探究。本文的創(chuàng)新之處：第一，探究數(shù)字經(jīng)濟發(fā)展促進制造業(yè)升級的空間效應，研究數(shù)字經(jīng)濟對鄰近地區(qū)間與非鄰近地區(qū)間的空間效應，深入分析這一空間效應的影響機理和實證結果，對現(xiàn)有研究進行一定程度的補充與完善。第二，從價值鏈攀升角度評價制造業(yè)升級程度，通過計算我國各個四位碼行業(yè)的技術復雜度以增加復雜行業(yè)在評價制造業(yè)升級指數(shù)當中的權重，使評價結果更為真實可信。

1 理論機制與研究假設

1.1 數(shù)字經(jīng)濟發(fā)展促進制造業(yè)升級的理論機制

就降低價值鏈各環(huán)節(jié)成本而言，制造業(yè)企業(yè)在缺少數(shù)字技術串聯(lián)的傳統(tǒng)時代，采購時無法全面準確了解各大供應商的物料信息，而引進數(shù)字技術的企業(yè)采購時可以通過各大互聯(lián)網(wǎng)平臺實時了解各大供應商所發(fā)布物料的庫存、運送時間、體積重量等信息并進行快速的對比篩選，降低資源配置成本。在配送階段，擁有數(shù)字技術的企業(yè)能夠通過定位系統(tǒng)獲得運輸工具的空間信息并結合當前員工在崗情況及交通擁堵程度提前進行物流銜接部署，減少因溝通欠缺而造成的勞動力與時間的浪費[6]。

數(shù)字技術的持續(xù)引進使簡單重復的制造工作逐漸被智能機器所替代，企業(yè)更加垂青知識密集型的勞動力資源，從事簡單工作的勞動者群體逐漸陷于工作機會愈少、工資愈低的窘境，該群體開始接觸學習新興數(shù)字技能以提高自身不可替代性，同時，數(shù)字技術支持下觸手可及的豐富教育資源也為低技術勞動群體提供了充足的轉(zhuǎn)型支持。在社會大環(huán)境的驅(qū)使下，我國勞動力附加值逐漸提高，從事生產(chǎn)活動的效率及邊際效益不斷提升，促進勞動力結構升級[7]。

就價值鏈模式創(chuàng)新而言，過往我國傾向于進行大規(guī)模的標準化生產(chǎn)以達到利潤最大化，標準化生產(chǎn)使消費者被動接受有限的商品組合，降低了消費者的滿意度。數(shù)字經(jīng)濟可以創(chuàng)新市場信息獲取方式，制造業(yè)企業(yè)可以通過微信公眾號、微博、企業(yè)網(wǎng)站等數(shù)字渠道了解消費者對產(chǎn)品的需求，通過數(shù)字技術對客觀且類型眾多的銷售數(shù)據(jù)進行更詳細的羅列排布，引導制造業(yè)企業(yè)以服務消費者為重心，促進市場信息自下而上由需求端回流至制造業(yè)企業(yè)，改變我國傳統(tǒng)價值鏈模式中主動生產(chǎn)、被動消費的局面，例如我國部分制造業(yè)企業(yè)憑借搭建網(wǎng)絡平臺，鼓勵消費者在商品的既定框架下根據(jù)自身喜好進行商品的細節(jié)定制與創(chuàng)造，實現(xiàn)了生產(chǎn)的精細化、個性化[8]。

就價值鏈整體升級而言，先進的數(shù)字技術往往會給企業(yè)帶來更低的成本、更高效的產(chǎn)能以及更多合作企業(yè)的青睞，這就不斷鼓勵制造企業(yè)參與到業(yè)內(nèi)技術競爭中，而數(shù)字經(jīng)濟促進了制造業(yè)內(nèi)的熱點領域、尖端科技的信息更新與交流，為企業(yè)提供了對競爭企業(yè)的研發(fā)水平進行評估與預測的機會，不斷催生如綠色產(chǎn)業(yè)、跨領域技術集成等高新價值增長點，有助于我國擺脫技術領域“被卡脖子困境”，推動社會效應、產(chǎn)業(yè)效益、生態(tài)效應的有機統(tǒng)一[9]。數(shù)字技術應用加速了制造業(yè)服務化、網(wǎng)絡化、智能化轉(zhuǎn)型，比如京東、阿里等公司于2020年入局C2M，打破了原有產(chǎn)業(yè)的固有邊界，加快用戶參與價值共創(chuàng)趨勢的演進，促進制造業(yè)向綜合服務等高端環(huán)節(jié)延伸[10]，詳見圖1，圖1 上半部分的四個模塊對應本節(jié)探究價值鏈攀升視角下數(shù)字經(jīng)濟發(fā)展促進制造業(yè)升級的四個角度。由此，提出如下假設。

H1：數(shù)字經(jīng)濟發(fā)展能夠顯著促進制造業(yè)升級。

1.2 數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的空間影響機制

從吸引投資的角度來看，數(shù)字經(jīng)濟元素的引進在制造業(yè)價值鏈中產(chǎn)生大量附加價值，符合政府近年來支持企業(yè)自主創(chuàng)新的方針，有利于企業(yè)獲得稅收減免、基金補助、專項投資等政府財政支持，民間資本響應政府資本風向而開始支持制造業(yè)的數(shù)字基礎設施建設、高新專利購買，產(chǎn)業(yè)鏈層面的有利可圖能夠吸引外包工廠、來件裝配工廠等配套數(shù)字化企業(yè)的投資建設，所形成的良好產(chǎn)業(yè)前景能夠繼續(xù)促進高新技術人才與創(chuàng)新資源的產(chǎn)業(yè)內(nèi)集聚，有利于制造業(yè)升級形成良性循環(huán)[11]。

在價值鏈布局方面，數(shù)字經(jīng)濟以數(shù)字化的知識和信息作為關鍵生產(chǎn)要素對傳統(tǒng)生產(chǎn)流程與布局進行重塑，地理距離的遠近逐漸不再是企業(yè)生產(chǎn)、交易所考慮的重要因素，原來受限于對接、運輸成本而不得不集中于一條流水線上依次生產(chǎn)與組裝的產(chǎn)品，在數(shù)字信息的串聯(lián)下開始由不同地區(qū)的廠商同時開工并協(xié)調(diào)時間統(tǒng)一組裝，全新的數(shù)字經(jīng)濟范式擴大了社會資源整合的范圍，助力形成全國范圍內(nèi)的制造業(yè)布局聯(lián)動[12]。

在信息交流方面，不同于以往各企業(yè)埋頭研發(fā)的局面，數(shù)字經(jīng)濟突破時空限制所搭建的數(shù)字平臺能夠?qū)崿F(xiàn)企業(yè)與高校、科研機構之間的知識交流與價值轉(zhuǎn)化，企業(yè)與企業(yè)之間同樣能通過數(shù)字平臺進行技術交流而把握行業(yè)熱點，不同尖端領域的知識溢出會激發(fā)周邊乃至全國企業(yè)學習和模仿，引導企業(yè)擯棄不正當營銷、市場份額擠兌等惡性競爭手段而專注研發(fā)高附加值產(chǎn)品，有助于將制造業(yè)的業(yè)內(nèi)競爭關系逐漸轉(zhuǎn)變?yōu)楦偤详P系[13]。圖1 下半部分的三個模塊對應本節(jié)探究數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的空間影響機制的三個角度?；谏鲜龇治?，提出如下假設。

H2：數(shù)字經(jīng)濟發(fā)展通過空間溢出機制對周邊地區(qū)制造業(yè)升級產(chǎn)生影響。

圖1 數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的影響機制

2 研究設計

2.1 計量模型構建

首先，數(shù)字經(jīng)濟發(fā)展水平作為一種地理特征變量，能夠通過提升效率、降低成本等途徑在價值鏈攀升方面促進制造業(yè)升級。為檢驗假設H1，根據(jù)柯布—道格拉斯生產(chǎn)函數(shù)進行對數(shù)變換，構建如下計量回歸模型。

式（1）中，TSIct為第t年c 省份的制造業(yè)升級指數(shù)，DIGct為第t年c 省份的數(shù)字經(jīng)濟發(fā)展水平，GOVct、FDIct、LNFct、IND3ct、HUMct是第t年c 省份的控制變量，分別為政府干預、外商直接投資、基礎設施建設、第三產(chǎn)業(yè)發(fā)展、人力資本水平。α 為截距項，β1表示數(shù)字經(jīng)濟發(fā)展水平的未確定系數(shù)，ω1、ω2、ω3、ω4、ω5為各個控制變量的未確定系數(shù)，εct表示隨機誤差項。僅針對被解釋變量進行對數(shù)化的原因為：原被解釋變量數(shù)值與解釋變量數(shù)值差距較大，導致回歸結果的相關系數(shù)較小，將原被解釋變量對數(shù)化后的回歸結果能更直觀地顯示數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的顯著影響。下文空間計量模型亦同。

其次，考慮到數(shù)字經(jīng)濟的跨時空流動特征，數(shù)字元素不會被拘束于某一地區(qū)內(nèi)推動當?shù)刂圃鞓I(yè)升級，生產(chǎn)要素、創(chuàng)新技術等資源基于互聯(lián)網(wǎng)、大數(shù)據(jù)等數(shù)字經(jīng)濟平臺所產(chǎn)生的空間溢出效應，同樣能賦能周邊地區(qū)的制造業(yè)升級。同時，當?shù)氐臄?shù)字經(jīng)濟發(fā)展水平及制造業(yè)升級對周邊地區(qū)同樣存在一定的空間依賴性，相鄰地區(qū)的產(chǎn)業(yè)發(fā)展絕不是孤立、無聯(lián)系的，若不考慮空間因素，僅限制在某一地區(qū)范圍內(nèi)探討變量間的影響會較為籠統(tǒng)隨意。為檢驗假設H2，在式（1）中引入解釋變量和被解釋變量的空間交互項，變更為如下空間計量模型。

式（2）中，ρ 表示空間自回歸系數(shù)，W 表示空間權重矩陣，θ1為未確定的數(shù)字經(jīng)濟發(fā)展水平的空間溢出效應系數(shù)，?1、?2、?3、?4、?5為未確定的各個控制變量的空間溢出效應系數(shù)，其他變量符號同式（1）。在此基礎上，下文將采用Wald 檢驗和LR 檢驗選取空間杜賓模型、空間滯后模型和空間誤差模型。

2.2 變量說明

2.2.1 被解釋變量

（4）從modelA所產(chǎn)生的數(shù)據(jù)中，挑選治愈概率較小的（Pi＜0.5），同時滿足將其協(xié)變量帶入模型B所得治愈概率也較?。≒i＜0.5）的患者，或者挑選治愈概率較大的（Pi＞0.5），同時滿足將其協(xié)變量帶入模型B所得治愈概率較大（Pi＞0.5）的患者，共n/3例，獲得數(shù)據(jù)集dataAB，這些是對處理組A，B都敏感或?qū)μ幚斫MA，B都不敏感的亞組，Subgroup=C。產(chǎn)生結局變量Yi=rbinom(1,1,A_Pi)。

為了研究數(shù)字經(jīng)濟發(fā)展水平對制造業(yè)升級的影響，首先，需要對地區(qū)制造業(yè)升級程度進行衡量。近年來針對制造業(yè)升級的研究主要分為三種：其一，通過高技術產(chǎn)業(yè)產(chǎn)值與工業(yè)總產(chǎn)值的比重進行制造業(yè)轉(zhuǎn)型升級的衡量，所用基礎數(shù)據(jù)較為籠統(tǒng)，衡量結果不能明顯表現(xiàn)出制造業(yè)內(nèi)部細分行業(yè)的發(fā)展[14]；其二，將制造業(yè)優(yōu)化升級分為制造業(yè)合理化和制造業(yè)高級化雙維度展開研究，對制造業(yè)合理化的衡量以泰爾指數(shù)為主[15]，制造業(yè)高級化用技術密集型制造業(yè)產(chǎn)值與資本密集型制造業(yè)產(chǎn)值之比[16]、高端技術制造業(yè)產(chǎn)值和中端技術制造業(yè)產(chǎn)值之比[15]等方法表示，雖然此類評價方法對制造業(yè)行業(yè)進行明顯的細分，但針對細分行業(yè)技術復雜度缺乏進一步的研究計算，容易忽略關鍵細分行業(yè)對制造業(yè)升級的影響；其三，參考Hausmann 等[17]提出的技術復雜度概念，計算價值鏈攀升角度下制造業(yè)升級指數(shù)[18]，在進行制造業(yè)行業(yè)細分的同時，相比于其他方法放大了復雜行業(yè)對制造業(yè)升級計算結果的影響。因此，本文選取第三種測度方法，相關計算如下。

式（3）中，TSIct由四位碼行業(yè)的技術復雜度與四位碼行業(yè)在某年的營業(yè)利潤總計共同決定，指數(shù)越大說明制造業(yè)升級程度越高。Profiti，c，t表示第t年c 省份四位碼行業(yè)i 的營業(yè)利潤，本文采用營業(yè)利潤衡量制造業(yè)升級指數(shù)的原因在于，近十年各統(tǒng)計年鑒中針對城市四位碼行業(yè)的總產(chǎn)值有一定缺漏，選擇營業(yè)利潤能夠更精確衡量制造業(yè)升級指數(shù)。Prodyi，2007表示2007年制造業(yè)四位碼行業(yè)i 的技術復雜度，可由四位碼行業(yè)對應的2007年HS六位碼產(chǎn)品的技術復雜度平均得到。本文將四位碼行業(yè)的技術復雜度設定在2007年，原因在于：樣本數(shù)據(jù)來自2012—2021年《中國工業(yè)企業(yè)統(tǒng)計年鑒》，將四位碼行業(yè)的技術復雜度固定在2012年前，能夠減少樣本期內(nèi)制造業(yè)結構的干擾，同時保證被解釋變量的外生性。

2.2.2 解釋變量

解釋變量為數(shù)字經(jīng)濟發(fā)展水平。2021年5 月27 日，國家統(tǒng)計局公布并實施《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》，將數(shù)字經(jīng)濟劃分為數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩大組成部分。本文將數(shù)字產(chǎn)業(yè)化分為數(shù)字產(chǎn)品制造、數(shù)字產(chǎn)品服務、數(shù)字技術應用和數(shù)字要素驅(qū)動四類指標；針對產(chǎn)業(yè)數(shù)字化采用數(shù)字化效率提升指標表示。結合已有文獻，基于數(shù)據(jù)可得性，選取相應二級指標構建數(shù)字經(jīng)濟評價指標體系，具體見表1。最后，使用熵權法對數(shù)字經(jīng)濟評價指標體系進行衡量，數(shù)值越大表示數(shù)字經(jīng)濟發(fā)展水平越高。

2.2.3 控制變量

由于部分變量的變動會直接影響制造業(yè)升級情況，本文參考相關研究的做法[18-20]，加入以下控制變量：政府干預，采用各省份一般公共預算支出與各省份GDP 的比值測度；外商直接投資，采用各省份實際利用外資與各省份GDP 的比值測度；基礎設施建設，采用各省份人均城市道路面積進行測度；第三產(chǎn)業(yè)發(fā)展，采用各省份第三產(chǎn)業(yè)產(chǎn)值與各省份GDP 的比值測度；人力資本水平，采用各省份普通高等學校在校學生數(shù)與各省份人口總數(shù)的比值測度。具體如表2 所示。

表2 變量指標名稱與衡量

參考已有研究，本文設計三種空間權重矩陣：（1）空間鄰接矩陣，若地區(qū)i 與地區(qū)j 相鄰，則計權重值為1，否則為0。（2）空間地理距離矩陣，以各省會城市（直轄市）直線地理距離的倒數(shù)衡量。（3）空間經(jīng)濟距離矩陣，以地區(qū)i 與地區(qū)j 人均GDP 差值的倒數(shù)絕對值衡量區(qū)域經(jīng)濟距離。具體如表2 所示。

2.3 數(shù)據(jù)來源

本文選取2012—2021年我國30 個省份的相關數(shù)據(jù)進行實證研究，由于西藏數(shù)據(jù)缺失嚴重不納入實證研究范圍，數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》以及各省市統(tǒng)計年鑒和北京大學數(shù)字金融研究中心與螞蟻金服集團共同編制的數(shù)字普惠金融指數(shù)，部分缺漏數(shù)據(jù)使用插值法補齊。主要變量的描述性統(tǒng)計見表3。

表3 主要變量描述性統(tǒng)計結果

3 實證分析及結果

3.1 基準回歸結果

為避免出現(xiàn)各變量與被解釋變量之間存在多重共線性而使回歸結果無意義的情況，在計算基準回歸結果前，計算得出平均方差膨脹系數(shù)（VIF）為1.790 0，表明各變量與制造業(yè)升級之間并無明顯共線性?；鶞驶貧w結果如表4 所示，模型（1）為對照組，排除解釋變量，僅針對被解釋變量與控制變量進行回歸。模型（2）在模型（1）基礎上加入解釋變量數(shù)字經(jīng)濟發(fā)展水平后，結果顯示，數(shù)字經(jīng)濟發(fā)展水平的基準回歸系數(shù)為0.085 6，在10%水平下顯著，可見在基準回歸情況下，數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級具有正向影響，假設H1 成立，但顯著性水平較低。

表4 數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的線性回歸結果

3.2 空間溢出效應分析

空間計量回歸的前提是主要實驗數(shù)據(jù)具有空間依賴性。通過計算被解釋變量在2012—2021年的全局自相關莫蘭指數(shù)發(fā)現(xiàn)，大部分年份在空間鄰接矩陣、空間地理距離矩陣、空間經(jīng)濟距離矩陣中均存在顯著空間相關性，因此，需要進行空間溢出效應分析。通過對面板數(shù)據(jù)進行LR 和Wald 檢驗，根據(jù)檢驗結果進行計量模型的選擇。LR 檢驗中，統(tǒng)計量通過5%水平下SEM 模型顯著性檢驗，同時接近于5%水平通過SAR 模型顯著性檢驗；Wald 檢驗中，統(tǒng)計量未通過5%水平下顯著性檢驗，兩種檢驗均顯示無法使用SDM 模型。將SEM 模型及SAR模型計量結果均列出對比，鑒于SEM 模型顯著性檢驗結果占優(yōu)，選擇SEM 模型進行分析。

表5 為假設H2 的回歸結果，模型（3）、模型（4）、模型（5）分別為引入空間鄰接矩陣、空間地理距離矩陣、空間經(jīng)濟距離矩陣的空間計量回歸結果。首先，三種模型的R2及Log-likelihood 均處于較高水平，說明計量回歸結果的可信度與擬合度較高。其次，三種模型中數(shù)字經(jīng)濟發(fā)展的直接效應系數(shù)分別為0.104 5、0.102 4、0.102 4，均在5%水平下顯著，說明數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級具有顯著的正向溢出效應，假設H2 成立。其中，模型（3）所使用的空間鄰接矩陣僅假設地理相鄰地區(qū)產(chǎn)生空間溢出效應，忽略地區(qū)間非地理相鄰的空間影響，然而某一地區(qū)數(shù)字經(jīng)濟發(fā)展與制造業(yè)升級的輻射影響不僅限于相鄰地區(qū)間。在將模型（3）作為參照組的條件下，發(fā)現(xiàn)引入空間地理距離矩陣的模型（4）及引入空間經(jīng)濟距離矩陣的模型（5）的直接效應系數(shù)均低于模型（3），而R2及Log-likelihood 數(shù)值均高于模型（3），認為其原因為：考慮到非相鄰地區(qū)間仍存在空間影響的矩陣衡量，更與數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級所實際產(chǎn)生的輻射影響相符合，進而導致擬合度及可信度有所提升；同時，不同于相鄰地區(qū)，引入非相鄰地區(qū)進行空間溢出效應衡量的模型是由于各個地區(qū)間地理距離及經(jīng)濟距離的差異較大，導致數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的輻射影響有所減弱，進而導致直接效應系數(shù)由0.104 5 下降至0.102 4。

3.3 穩(wěn)健性檢驗

為了增強研究的可靠性，首先，通過改變因變量的方法進行穩(wěn)健性檢驗。借鑒張莉[14]的測算方法，該方法未引進技術復雜度，且計算公式與本文原測算方法差異較大，若回歸結果與前文相似，能夠增加本文的解釋能力。由于部分數(shù)據(jù)缺失，將替代因變量HTI 調(diào)整為2012—2021年我國30 個省份高新產(chǎn)業(yè)總利潤與工業(yè)企業(yè)總利潤之比，選擇空間誤差模型進行回歸，結果如表6 所示，被解釋變量與解釋變量之間仍存在顯著正向溢出效應。同時，空間地理距離矩陣與空間經(jīng)濟距離矩陣相較于鄰接矩陣的R2和Log-likelihood 數(shù)值及直接效應系數(shù)的變動趨勢也基本與前文一致。其次，在空間計量回歸過程中，采用三種不同空間權重矩陣進行分析，三種權重矩陣下核心解釋變量的直接效應系數(shù)在正負值與顯著值上有很好的一致性，模型擬合程度相似，說明本文結論穩(wěn)健。

表5 數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的空間溢出效應回歸結果

表6 穩(wěn)健性檢驗結果

3.4 內(nèi)生性檢驗

在構建模型時，有可能會忽略一些對制造業(yè)升級有重要作用的變量，同時，被解釋變量也許會在一定程度上反向影響解釋變量而產(chǎn)生內(nèi)生性問題，因此，本文采用工具變量法檢驗二者之間的內(nèi)生性。參考趙濤等[21]的研究，采用各省份1984年固定電話數(shù)作為衡量數(shù)字經(jīng)濟發(fā)展水平的工具變量。地區(qū)固定電話擁有數(shù)量作為地區(qū)電信設施的一部分對地區(qū)數(shù)字經(jīng)濟發(fā)展有持續(xù)影響，且1984年的固定電話數(shù)與我國近十年的制造業(yè)升級情況無直接關聯(lián)，滿足工具變量的選擇條件。由于該變量數(shù)據(jù)僅為一年，無法在本文所用面板數(shù)據(jù)中進行內(nèi)生性檢驗，因此，借鑒徐向龍等[22]的研究，采用各地區(qū)上一年互聯(lián)網(wǎng)用戶數(shù)分別與1984年固定電話數(shù)相乘從而構建面板數(shù)據(jù)。如表7 所示，在考慮內(nèi)生性的回歸結果中，工具變量IV 對數(shù)字經(jīng)濟發(fā)展的直接效應系數(shù)在1%水平下顯著，數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的直接效應系數(shù)也在1%水平下顯著，說明解釋變量對被解釋變量的正向影響依舊顯著存在。同時，Robust score 及Robust regression 結果均在1%水平下顯著，證明解釋變量內(nèi)生；檢驗變量是否出現(xiàn)弱識別問題時，F(xiàn) 值為63.245 3，大于經(jīng)驗值10，表明不存在弱工具變量；最后，由于本文解釋變量與工具變量數(shù)量相同，故不存在變量識別不足問題。

表7 內(nèi)生性檢驗

4 研究結論與政策建議

本文分析了數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級的促進效應與空間溢出作用機制?；?012—2021年我國30 個省份面板數(shù)據(jù)，在構建省份數(shù)字經(jīng)濟評價指標體系的基礎上，計算價值鏈攀升角度下制造業(yè)升級指數(shù)作為制造業(yè)升級代理指標進行實證分析。主要結論如下：（1）數(shù)字經(jīng)濟發(fā)展較為顯著地促進了制造業(yè)升級；（2）數(shù)字經(jīng)濟發(fā)展對制造業(yè)升級具有顯著的正向空間溢出效應，該空間溢出效應傾向同時存在于相鄰地區(qū)間與非相鄰地區(qū)間，且相鄰地區(qū)間的溢出效應大于非相鄰地區(qū)間的溢出效應。

根據(jù)研究結論，提出如下政策建議：

（1）提高設施數(shù)字化比重，引導制造業(yè)空間聯(lián)動與集聚。推動在制造業(yè)傳統(tǒng)基礎設施上持續(xù)引進數(shù)字化技術設備、5G 通信技術等，提高零配件制造組裝、交通網(wǎng)鏈運輸?shù)拳h(huán)節(jié)的效率。充分利用內(nèi)外部數(shù)字紅利與數(shù)字資源，加強東中西部地區(qū)制造業(yè)聯(lián)動，引導產(chǎn)業(yè)鏈集聚，建立區(qū)域協(xié)同創(chuàng)新體系，實現(xiàn)區(qū)域數(shù)字經(jīng)濟與制造業(yè)良性循環(huán)，擴大數(shù)字經(jīng)濟空間效應溢出半徑，助推制造業(yè)數(shù)字化。

（2）關注數(shù)字技能培訓，培育復合型數(shù)字技術創(chuàng)新人才。促進制造業(yè)升級需要數(shù)理統(tǒng)計、人工智能等多種專業(yè)的復合型人才，制造業(yè)企業(yè)應合理安排員工進行與崗位相對應的數(shù)字技能培訓以適應并促進制造業(yè)升級，避免員工因工作繁重而沒有充足的時間與精力學習新技能。同時，關注大學生的數(shù)字技能培訓情況，強化校企合作，增強企業(yè)、高校、科研院所之間的聯(lián)動性，提高數(shù)字化教學比重，為制造業(yè)企業(yè)培養(yǎng)高質(zhì)量人才。

（3）推進稅收融資優(yōu)惠政策，完善制造業(yè)與數(shù)字經(jīng)濟相關法律條款。政府應加大對制造業(yè)企業(yè)提供稅收減免政策的支持力度，削減制造業(yè)企業(yè)用于數(shù)字技術開發(fā)與利用的原材料及技術引進成本，給予專項撥款用于制造業(yè)數(shù)字化升級，適當降低融資利率。持續(xù)完善相關產(chǎn)業(yè)領域的法律條款，明確各方主體的權責；加快數(shù)字智能安全應用的法律法規(guī)和道德倫理研究，加強數(shù)字技術應用安全評估研究。