学术月刊

随着大数据、人工智能等研发应用的迅猛兴起，数字经济作为一种新兴经济模式迅速崛起，已经成为引领新时代经济与社会发展的重要载体。《中国数字经济发展和就业白皮书（2020年）》报告显示，2019年中国数字经济规模已经由2005年的2.6万亿元增加至35.8万亿元，同期，它占GDP的比重也由2005年的14.2%增加至36.2%，表明数字经济对中国经济增长贡献度不断提高，已经成为拉动中国经济增长的重要引擎。尤其在新冠疫情期间，数字经济逆势增长，赋能传统产业数字化转型，为后疫情时代经济复苏提供了重要的载体，成为新常态下推动经济高质量发展的重要驱动力。正如习近平总书记指出，“促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济”。^㊸

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，“要打造数字经济优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级”。数字经济为传统产业发展带来了新的机遇，推动产业数字化转型是中国实现转变经济发展方式、优化经济结构、转换增长动能的重要措施。互联网发展至物联网大大推动了5G、大数据、云计算、人工智能等新技术与传统产业不断融合深化，有力推动着各产业数字化、智能化发展。传统产业在智能技术赋能下，生产模式和商业模式均发生了巨大转变，并且通过数字化转型完善了生产和管理等工作，提高了生产效率和产品质量。数字经济在三次产业之间加快渗透，根据《中国数字经济发展白皮书》显示，2020年，农业、工业、服务业的数字经济渗透率分别为8.9%、21%和40.7%。近年来，数字经济发展驶入快车道，助推各行各业效率大幅提升，为中国产业转型升级带来了新的机遇。因此，如何有效抓住数字化转型变革的契机进而推动产业结构优化升级，已经成为学者们研究的重点。那么，数字经济是否促进了中国产业结构升级呢？如果该效应得以证实，其背后的作用机制是什么呢？数字经济对产业结构升级的影响在空间上是否具有差异呢？鉴于此，准确评估数字经济对产业结构升级的作用，并深入探究其影响机制，对政府制定相关政策具有重要的借鉴意义。

目前，关于产业结构升级问题的研究，国内外学者大多聚焦科技投入、产业政策、金融发展等多个维度^①，但关于数字经济与产业结构升级的研究并不多见。虽然有些文献已经在关注智能生产技术（例如，工业机器人）等对产业升级的影响^⑤，但缺乏对数字经济与产业结构之间关系的探索与研究。与这些文献相比，本文将从宏观角度重点关注数字经济对产业转型升级的影响，并深入分析其背后的作用机制。具体而言，本文构建了数字经济发展综合评价指标体系，利用省级层面的面板数据，基于产业结构调整视角，系统性地分析了数字经济发展对产业结构升级的影响。同时，基于区域异质性研究了数字经济发展对不同地区的影响效应。最后，本文还分析了数字经济影响产业结构升级的机制和作用渠道。研究发现，数字经济的发展对产业结构升级具有显著的正向促进作用。从影响机制来看，数字经济主要通过影响生产端和需求端达到促进产业升级。从生产端来看，数字经济赋能传统产业，提高了产业生产效率，加快了传统产业数字化转型升级的步伐；从需求端来看，数字经济在电子商务、移动支付、共享经济等领域催生了一大批新平台，使得消费模式更多地呈现智能化，促进了消费模式更新换代，直接推动传统产业转型升级。

与既有文献相比，本文可能的创新与贡献在于：（1）基于数字经济的新视角和产业结构高级化这一维度，考察了数字经济对产业结构升级的影响，是从宏观视角对现有文献的补充与深化。（2）在机制分析上，从生产端和需求端两个维度出发，系统地识别了数字经济对产业结构升级的作用机制，弥补了现有研究的不足。（3）在指标构建上，本文利用中国省级层面的数据，构建了数字经济发展水平的测度指标体系，量化评价了各个省份数字经济的发展水平。

本文余下内容的安排如下：第二部分是对相关文献进行综述；第三部分构造了数字经济的综合评价指标体系，并报告了中国数字经济发展的现状；第四部分建立了数字经济对产业结构升级影响的实证模型，报告实证分析结果；第五部分，分别从生产端和需求端探讨了数字经济促进产业结构升级的机制；第六部分基于实证分析结果提出政策性建议。

目前，直接和系统研究数字经济与产业结构升级关系的文献较为欠缺，但关于数字经济的某一维度，例如信息化、互联网技术等对产业方面的影响已经有较为丰富的研究，这为本文提供了借鉴和参考。

关于信息化、互联网技术与产业结构之间的关系，国外文献主要集中在三个层面展开研究。首先，从宏观经济层面来看，信息化、互联网技术作为一种新动能，提高了传统生产要素的资源配置效率，促进了产业技术创新，从而推动产业结构升级，带来了新的经济增长点。^⑥其次，从中观的产业层面来看，信息化、互联网技术推动了产业技术的转移、扩散与创新，提升了技术效率和劳动生产率^⑧，通过规模效应和竞争效应推动了产业转型升级。Cardona等研究表明，互联网通信技术主要通过提高产业技术效率和改善企业的组织结构，从而推动产业结构变革。^⑩Miyazaki等研究发现，信息通信技术显著提升了各部门劳动生产率，并且影响效应随着信息技术发展阶段的推移不断增强，而部门间生产率的差异会促进产业结构的变迁。^⑪Forero采用跨国面板数据研究发现，互联网技术发展能够带来国家技术效率的整体提升。^⑫最后，从微观企业层面来看，互联网通信技术促进了企业研发的积极性，提升了企业的创新性和主动性^⑬，同时由于互联网的连通性和共享性，降低了企业信息搜索、时间传递等成本，减少了信息不对称性^⑮，从而整体上提高了企业的生产效率、运行效率。Mouelhi采用突尼斯制造业企业层面的数据研究发现，信息和通信技术与企业的生产效率之间呈现显著的正相关关系。^⑱Clarke等采用发展中国家的微观企业数据研究发现，当企业使用互联网越频繁时，企业的生产率和增长率提高越快，而且这些影响在中小企业中更为明显。^⑲Pisano等认为互联网平台的共享经济模式实现了传统服务的精确匹配，提升了传统服务业的专业化和精准化程度。^⑳

在国内的相关研究中，学者们大都认为信息化、互联网技术促进了技术创新效率、优化了传统产业的生产方式、管理方式和供应链，提升了产业组织运行效率，进而推动产业结构调整和升级。^㉑王可和李连燕实证检验了互联网技术对制造业的影响，发现互联网技术促进了制造业企业上下游产业链之间的信息共享，优化和改善了传统业务流程。^㉔黄群慧等研究了互联网技术发展对制造业效率的影响以及其内在机制，指出基于互联网技术通过降低交易成本、减少资源错配以及促进创新提升制造业生产效率。^㉕汪斌和余冬筠研究了信息化对中国国民经济的带动度和对三次产业的不同影响，发现信息化对第二产业的推动作用最明显。^㉖张敏和马泽昊讨论了信息化技术对中国产业结构的影响效应，结果表明信息化技术显著促进了农业和工业产业结构的优化。^㉗许家云以1995年互联网商用作为准自然实验，研究了互联网对工业结构升级的影响，发现互联网的应用显著促进了工业结构的升级，并且具有明显的地区差异，对东部和中部的推动作用大于西部地区。^㉘左鹏飞、姜奇平和陈静基于互联网、城镇化与产业结构三者之间的关系展开研究，发现互联网发展显著推动了产业结构转型升级，并且互联网和城镇化的融合发展进一步加强了对产业结构的影响效果。^㉙

此外，一些学者关于数字经济对社会其他方面的影响也展开了研究。赵涛、张智和梁上坤基于创业活跃度的视角，研究了数字经济对城市高质量发展的影响及作用机制。^㉚张勋等通过中国数字普惠金融指数分析了数字金融的发展对包容性增长的影响，研究发现互联网能够促进创业机会均等化，提高了低物质资本或低社会资本家庭的创业概率，促进了中国的包容性增长。^㉛杨骁、刘益志和郭玉基于微观调查数据分析了数字经济对中国就业结构的影响，发现数字经济对中国就业结构的调整和优化有显著的推动作用。^㉜王文在数字经济的背景下，研究发现工业智能化水平推动了产业结构高级化，从而有助于实现高质量就业。^㉝

总结既有文献：（1）已有关于影响产业结构升级方面的研究，主要集中于研究产业内部的数字应用、技术创新以及产业链优化等，且大多是基于数字经济的某一切入点进行研究，整体研究数字经济驱动下产业升级的相关研究较少。同时，目前也缺乏对数字经济影响产业结构的机制分析。（2）既有文献中目前涉及数字经济相关的研究并不多见，尤其是基于定量的方法构建数字经济发展水平的测度指标体系。已有文献较多使用单一指标衡量数字经济的发展水平，例如，采用信息产业产值占比作为衡量指标，然而单一指标难以反映出整个数字经济的发展水平。因此，本文从数字经济的内涵出发，探索数字经济的衡量维度，量化评价数字经济对产业结构的影响，并进一步分析其影响产业结构升级的作用机制。

构建数字经济指标体系的关键在于对影响数字经济发展水平因素及相应指标变量的选取。数字经济的发展水平受到多方面的影响，目前涉及数字经济具体测度的文献较少，本文综合现有数字经济驱动因素的研究，参考黄慧群（2019）、赵涛等（2020）和刘军^㉞等，构建了中国数字经济综合评价指标。通过基础设施水平、互联网发展水平、数字化产业发展、数字化交易发展四个维度来测度中国各省份数字经济发展水平（如表1）。

一级指标	二级指标	单位	变量名称
基础设施水平	光缆密度	千米/平方千米	$ {X}_{1} $
	移动电话交换机容量占有率	户/人	$ {X}_{2} $
	每万人拥有域名数	个/万人	$ {X}_{3} $
	每万人拥有网站数	个/万人	$ {X}_{4} $
互联网发展水平	互联网接入端口数	个/百人	$ {X}_{5} $
	互联网普及率	户/百人	$ {X}_{6} $
	移动电话普及率	部/百人	$ {X}_{7} $
	人均电信业务总量	万元/人	$ {X}_{8} $
数字化产业发展	信息服务业全社会固定资产投资	亿元	$ {X}_{9} $
	信息服务业就业人数占比	%	$ {X}_{10} $
	信息服务业业务收入/GDP	%	$ {X}_{11} $
	信息服务业城镇就业人员平均工资	万元	$ {X}_{12} $
数字化交易发展	企业拥有网站数	个	$ {X}_{13} $
	电商平台企业数比例	%	$ {X}_{14} $
	人均电子商务销售额	万元/人	$ {X}_{15} $
	人均电子商务采购额	万元/人	$ {X}_{16} $

表 1  数字经济发展评价指标体系

基础设施主要包括经济基础设施和社会基础设施，其中信息化基础设施是数字经济发展的基础，大量的信息化基础设施和投资能够改善产业内部生产要素的配置方式。2020年4月，习近平在浙江考察时就强调，要加快5G网络、数据中心等新型基础设施建设，着力壮大新增长点、形成新动能，促进传统产业转型升级，推动更高层级的物联网、工业互联网的发展。已有研究中有多个测度信息基础设施水平的评价指标，本文将这些数据标准化后，通过主成分分析法选取了光缆密度、移动电话交换机容量占有率、每万人拥有域名数、每万人拥有网站数四项指标计算数字基础设施水平。其中，光缆密度是指每平方千米光缆长度，采用省份的光缆长度与省份土地面积之比计算；移动电话交换机容量占有率采用移动电话交换机容量与省份总人口之比衡量；每万人拥有域名数、每万人拥有网站数分别采用互联网域名数和网站数与省份总人口之比计算。

互联网是数字经济发展的重要载体和平台，数字经济通过互联网技术才能够实现交易和合作的数字化，从而推动经济的发展和进步。已有研究关于互联网水平的测度较为成熟，对于省份层面互联网发展测度，本文从互联网投入和产出的视角构造评价指标，采用互联网接入情况、互联网普及率、移动电话普及率和相关产出情况四个方面的指标。其中，互联网接入情况采用每百人中互联网宽带接入端口数衡量；互联网普及率是指每百人中互联网宽带接入用户数；移动电话普及率是指每百人中移动电话用户数；相关产出情况采用省份电信业务总量与省份总人口之比测算。

数字产业化发展是指数字化在实体经济中的融合应用，代表了大数据、云计算、人工智能等新一代人工技术的发展方向，是数字经济的核心组成部分。数字产业化的核心产业之一就是信息传输、软件和信息技术服务业（简称信息服务业），信息服务业是当前数字化程度最高的产业，因此本文从信息服务业投入和产出的视角出发，选取了信息服务业的固定资产投资、业务收入占比、相关从业人员情况和从业人员工资四个方面的指标。其中，信息服务业全社会固定资产投资是指各省份信息服务业固定资产投资完成额；相关从业人员情况采用各省份城镇信息服务业就业人数与城镇就业人数之比计算；信息服务业业务收入占比采用信息服务业主营业务收入占省份生产总值的比例衡量；信息服务业从业人员工资采用城镇单位就业人员的平均工资衡量。

数字交易化发展是指现代贸易行为中的数字化趋势，随着互联网、移动支付技术的发展，数字消费在社会消费中占据越来越重要的地位，数字交易的本质在于商品和服务以数字化形式进行交易。^㉟本文从数字交易基础和渗透程度两个层面出发构建数字交易化水平评价指标，分别选取企业拥有网站数、电商平台企业数比例、电子商务销售额、电子商务采购额四项指标来刻画数字化交易水平的发展情况。企业拥有网站数和电商平台企业数比例代表了企业信息化的程度，是企业进行数字化交易的保障，其中电商平台企业数比例采用有电子商务交易活动的企业数占总企业数比重来衡量。电子商务销售额、电子商务采购额分别采用人均电子商务销售额和人均电子商务采购额来测算。

本文使用的数据主要来自《中国统计年鉴》和各省统计年鉴，部分缺失数据用线性插值法计算得出。为了保证面板数据的完整性，本文采取的时间段是2013年之后，这主要是考虑到在2013年之前，《中国统计年鉴》中并未统计“电子商务交易额”“电商平台企业数比例”等一些关键指标，因此，本文样本区间时间跨度为2013—2019年。同时，鉴于西藏自治区缺失数据较多，剔除了西藏自治区。

本文将基于姜国麟、刘弘和朱平芳提出的专家咨询约束下的最大方差权数计算法来确定各个指标的权重^㊱，进而构建中国数字经济发展的综合评价指标体系。姜国麟等提出的专家咨询约束下的最大方差权数方法相比其他客观加权法主要有两个优点：一是克服了主成分方法赋权时个别指标权数出现负值的缺点；二是限制了各个指标非负条件下，个别指标出现抢权的现象。假设有$ K $个指标，分别为${X_1},\;{X_2} \cdots ,\;{X_K}$，本文中$ K{\text{ = }}16 $。首先，由专家对各个指标给出权数的上限和下限$ {\delta _i} $和$ \;{\eta _i}$（$i = 1,\;2 \cdots ,\;K$），其中$ 0 < {\delta _i} < {\eta _i} < 1 $。其次，对样本数据进行整理，并使其期望为零，并计算出处理好的样本的协方差矩阵$\displaystyle\hat \sum$。最后，最大化如下目标函数即可计算出各个指标的权重$ {w_i} $（$i = 1,\;2 \cdots ,\;K$）

其中$w = ({w_1},\;{w_2},\; \cdots ,\;{w_K})$。

在对客观数据指标进行标准化处理去除量纲后，运用姜国麟等提出的方法估算出16个指标的权重，如表2所示。影响数字经济水平的综合指数较大的指标是移动电话普及率（7.54%）、信息服务业城镇就业人员平均工资（7.52%）、信息服务业业务收入/GDP（7.48%），每万人拥有网站数（7.47%）、电子商务销售额（7.44%）；对数字经济水平综合指数影响较小的则是信息服务业全社会固定资产投资、企业拥有网站数，占比仅为3.17%和3.35%。从一级指标权重来看，数字化产业发展权重占比最大（25.39%），其次是数字基础设施水平（25.32%），互联网水平和数字化交易发展水平的权重分别为25.10%和24.12%。总体而言，衡量数字经济水平不仅仅是数字经济与实体经济的融合程度（即数字产业化水平），数字基础设施的建设水平、代表区域信息化程度的互联网发展水平、代表电商平台的活跃程度的数字交易水平均发挥着较为重要的作用。

	$ {X}_{1} $	$ {X}_{2} $	$ {X}_{3} $	$ {X}_{4} $	$ {X}_{5} $	$ {X}_{6} $	$ {X}_{7} $	$ {X}_{8} $
权重	0.0578	0.0532	0.0673	0.0747	0.0665	0.0576	0.0754	0.0517
	$ {X}_{9} $	$ {X}_{10} $	$ {X}_{11} $	$ {X}_{12} $	$ {X}_{13} $	$ {X}_{14} $	$ {X}_{15} $	$ {X}_{16} $
权重	0.0317	0.0719	0.0748	0.0752	0.0335	0.0595	0.0744	0.0742

表 2  中国数字综合评价指标体系权重估计表

图1给出了2013—2019年中国数字经济全国综合指数，采用各年30个省份数字经济水平取平均计算，可以看出，中国的数字经济水平正在逐年上升，从同比增速来看，2019年比2013年增长171.50%，表明了中国的数字经济正在经历快速发展阶段。图2给出了2013—2019年间中国30个省份数字经济的年平均指数，可以看出，省际之间数字经济的发展仍存在着“数字鸿沟”问题，数字经济发展存在“两极分化”，不平衡问题仍较为严重。其中，北京和上海的数字经济发展水平在全国一直处于领头羊的地位；相比于北京和上海，浙江、广东和江苏的排名稍微落后，但相比全国其他地区仍处于领先地位；排名最后三名的云南、江西、甘肃三个省份都属于中西部地区。总体而言，东部地区是数字经济发展的领先地区，中西部地区数字经济发展水平则较低，这也与中国区域经济增长水平相符。

图  1  2013—2019年数字经济全国综合指数

图  2  2013—2019年各省数字经济年平均指数

本文基于数字经济基础设施水平、互联网发展水平、数字化产业发展、数字化交易发展等四个维度16个客观数据指标，构建了中国数字经济发展综合评价指标，测度中国各个省份数字经济发展水平。本部分主要探讨了数字经济发展水平对产业结构升级的影响，并进一步研究了其背后的影响机制。

本文的被解释变量是产业结构升级，我们选取产业结构高度化指数来度量产业结构升级程度，产业结构高度化是指产业结构由低水平向高水平演进。本文借鉴韩永辉等（2017）和左鹏飞等（2020），通过三次产业的比例关系与产业的劳动生产率乘积加权来衡量地区产业结构高级化，具体公式如下：

其中，$ {Y}_{i,t} $表示$ i $产业在$ t $时的总产出，$ {LP}_{it} $为$ i $产业在$ t $时的劳动生产率，可由$ i $产业在$ t $时的总产出与从业人数之比衡量，即$ {LP}_{it}={Y}_{it}/{L}_{it} $。由于$ {LP}_{it} $存在量纲，这里采用均值化方法对其进行无量纲处理。

在其他控制变量选取时，参照已有研究（韩永辉等，2017；左鹏飞等，2020）在分析产业结构升级时的做法，包含变量如下：（1）财政分权水平（$ Ficial $），财政分权水平反映了中央和地方关系的制度安排，从一定程度上代表了地方政府财政自由度的大小。参考文献傅勇和张晏^㊲，采用各省份预算内人均财政支出与中央预算内人均财政支出之比来衡量。（2）外商投资水平（$ \mathrm{l}\mathrm{n}FDI $），采用各省份人均外商直接投资的对数来衡量。（3）市场化程度（$ Market $），采用各省份非国有企业固定资产投资占地区总固定资产投资的比重来衡量。（4）外贸依存度（$ Export $），采用进出口贸易额占GDP的比重来衡量。（5）人力资本水平（$ Hum $），采用各省人口数与人均受教育年限的乘积衡量。文章使用的数据是中国30个省份2013—2019年的省级面板数据，原始数据均来源于《中国统计年鉴》和各省份统计年鉴，个别缺失数据则由作者根据插值法计算补齐。表3是选取的变量及相关指标解释。

变量类型	变量符号	变量名称	变量测算
被解释变量	$ IndH $	产业结构高度化	三次产业的比例关系与各产业的劳动生产率乘积的加权值
核心解释变量	$ Digital $	数字经济指数	综合指数法
	$ Digital\_basic $	基础规模水平指数
	$ Digital\_net $	互联网发展水平指数
	$ Digital\_indus $	数字化产业水平指数
	$ Digital\_buss $	数字交易化水平指数
控制变量	$ Ficial $	财政分权水平	各省份人均财政支出除以中央人均财政支出
	$ \mathrm{l}\mathrm{n}FDI $	外商投资水平	人均FDI的对数
	$ Market $	市场化程度	非国有固定资产投资占总固定资产投资比重
	$ Export $	外贸依存度	进出口总额占GDP比重
	$ Hum $	人力资本水平	各省人口数与人均受教育年限的乘积

表 3  变量说明

从表4描述性数据分析结果来看，各省份的产业结构升级指数、数字经济发展指数等核心变量的样本数据均具有较大的波动范围。其中，产业结构升级指数在全国范围内的平均值为1.574，变动范围为0.783—3.407，东部地区均值为1.816，大于中西部地区；数字经济发展指数在全国范围内的均值为80，东部地区为115.988，显著高于中西部地区。财政分权水平在全国范围内的均值为6.795，其标准差为2.749，说明财政分权水平在不同省份之间存在较大变异性。其他相关的控制变量，如外商投资水平、市场化程度、外贸依存度等也都具有较大的波动性和区域差异，这些都可以为我们的辨识提供基础。

变量	观测值	均值	标准差	最小值	最大值
$ IndH $	210	1.574	0.517	0.783	3.407
$ Digital $	210	80	61.366	7.739	393.826
$ Digital\_basic $	210	80	15.898	65.128	159.769
$ Digital\_net $	210	80	17.710	51.787	135.804
$ Digital\_indus $	210	80	17.304	62.741	172.368
$ Digital\_buss $	210	80	15.823	63.274	166.585
$ Ficial $	210	6.795	2.749	3.838	14.876
$ \mathrm{l}\mathrm{n}FDI $	210	4.604	1.389	−0.301	7.219
$ Market $	210	0.730	0.119	0.414	0.899
$ Export $	210	0.274	0.290	0.014	1.343
$ Hum $	210	421.059	248.931	44.180	1119.125

表 4  变量的描述性统计

本文使用面板双向固定效应模型，来考察数字经济对产业升级的影响。一个地区的产业结构与很多因素都密切相关，这其中既包括可以观测到的因素（例如，发达程度和人口教育程度），也包括省份固有的不可观测的因素（如经济周期等）。一旦遗漏这些不可观测的因素，模型则会产生内生性问题，进而导致估计产生偏误。固定效应模型的优势在于既可以控制个体效应，又可以控制时间效应，从而减少由不可观测因素带来的偏误。本文的基准模型如下：

其中，$ {IndH}_{it} $表示地区的产业高级化指标，采用本文测算的产业高级化指数来衡量，下标$ i $是个体维度，表示省份，$ t $是时间维度。$ IndH $表示地区产业结构升级的指标，本文采用测算的产业高级化指数（$ IndH $）。$ Digital $表示地区的数字经济发展水平^㊴，由综合指数方法测算，$ {Z}_{it} $为表示地区特征的其他控制变量，主要包括地区的财政分权水平、外商投资水平、市场化程度、外贸依存度、人力资本水平等。此外，本文还控制了地区固定效应$ {\alpha }_{i} $和年份固定效应$ {year}_{t} $，$ {u}_{it} $为误差项。模型（2）中系数$\; {\beta }_{1} $是本文主要关注的系数，如果$ \;{\beta }_{1} > 0 $，则说明数字经济对产业结构升级有正向的影响；反之，则是抑制作用。

本文首先报告基准模型的估计结果，表5分别给出了随机效应模型（RE）和固定效应模型（FE）的估计结果。结果表明，无论采用哪种模型，数字经济发展均显著提升了产业结构高级化水平。基于Hausman检验结果表明，本文实证适合采用固定效应模型，下面主要基于固定效应模型的结果进行分析。

变量	被解释变量：产业高级化指数（$ IndH $）
	RE	RE	FE	FE
$ Digital $	0.766***	0.540***	0.849***	0.597***
	（0.085）	（0.107）	（0.125）	（0.181）
$ Ficial $		0.085***		0.085***
		（0.031）		（0.024）
$ \mathrm{l}\mathrm{n}FDI $		0.045*		0.027
		（0.024）		（0.025）
$ Export $		−0.333*		−0.251
		（0.200）		（0.239）
$ Market $		0.041		0.109
		（0.261）		（0.270）
$ Hum $		0.000		0.001
		（0.000）		（0.001）
地区固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	210	210	210	210
Number of pro	30	30	30	30
Within-R2	0.501	0.582	0.502	0.586
注：括号内为标准误，符号* 、**、***分别指在10%、5%和1%的显著性水平上显著，常数项估计省略。

表 5  数字经济对产业结构升级的影响

从表5的结果可以看出，在控制了其他因素的情况下，平均而言，数字经济对产业高级化指数的弹性系数为0.597，并且通过了1%的置信水平，说明数字经济发展确实促进了产业结构升级。究其原因，可能是由于一方面，数字经济与传统产业融合，带来了技术的进步，提高了生产端的劳动生产率，驱动中国产业趋于高度化；另一方面，数字经济催生了新的商业模式，改变了需求端的消费模式，从而直接推动传统产业转型升级，本文将会在后续部分具体讨论其作用机制。

在其他解释变量方面，我们发现财政分权水平显著提高了产业结构高级化指数，这说明财政支出自主程度越高的省份，其省内产业结构优化升级进程越高，这可能是由于财政分权水平显示了地方政府财政自主度大小，地方政府财政盈利能力越强，其分权水平越高，地方政府财政支出自由度越大，从而推动了产业结构升级。外商投资水平也提高了产业结构高级化指数，但作用不强，表现为其t值较小（0.027/0.027 = 1.08），仅在20%的水平下显著，这也与相关研究认为外资对中国产业结构升级有较大的推动作用，而外商直接投资在中国所表现的结构倾斜性、技术溢出效应不大等结论是一致的；外贸依存度对产业结构高级化指数为负向影响，但作用不强，表现为其t值较小（0.251/0.239 = 1.06），这可能是由于在国际市场上，中国出口竞争力较高地集中在劳动密集型产品，这种低附加值的产品不利于中国国内产业结构优化升级；同时，进口产品过多也会挤压本地产品销售，影响产业结构升级，因此，两方面效应叠加导致了外贸依存度的逆向效应。市场化水平、地方的平均受教育水平对产业结构高级化指数影响系数为正，但并不显著，说明市场化本身、地方的平均受教育水平均会从一定程度上推动产业结构升级。

在上一部分中，我们考察了数字经济总体指数对区域产业结构升级的影响，接下来我们对数字经济发展指数进行分解，分别以基础设施水平、互联网发展水平、数字化产业发展、数字化交易四个分项指标作为解释变量，继续讨论数字经济与产业结构之间的关系。考虑到固定效应模型的稳健性，这里结果均是采用固定效应模型进行估计。

由表6可以看出，数字经济的不同分项指标对区域产业升级均具有显著的正向影响，并且至少在5%的水平上显著。从各分项指标对产业高级化影响的边际效应来看，数字产业化对产业高级化的影响效应最大，影响系数为1.461，其次分别是互联网发展水平（0.951）、基础设施水平（0.916）、数字交易化水平（0.651）。数字产业化是数字经济的核心部分，其内涵实质上是云计算、大数据、互联网等数字技术研究的市场化应用，数字经济通过产业化促进了新业态的产生，例如，依托信息技术业发展起来的“平台经济”“数字支付”等，为传统产业转型提供了必要的技术支撑，进而促进产业转型升级。互联网水平是数字经济发展重要的平台与载体，一方面互联网通过整合大数据、人工智能、云计算等技术，引导传统产业逐渐走向数字化，提升了产业的自动化程度和生产效率；另一方面，数字经济通过互联网实现交易的数字化，形成了平台经济、共享经济^㊵，推动了消费数字化转型，从而促进了产业结构升级。

变量	被解释变量：产业高级化指数（$ IndH $）
	（1）	（2）	（3）	（4）
$ Digital\_basic $	0.916***
	（0.290）
$ Digital\_net $		0.951***
		（0.336）
$ Digital\_indus $			1.461***
			（0.347）
$ Digital\_buss $				0.651**
				（0.261）
控制变量	是	是	是	是
地区固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	210	210	210	210
Number of pro	30	30	30	30
Within-R2	0.548	0.542	0.566	0.538
注：括号内为标准误，符号* 、**、***分别指在10%、5%和1%的显著性水平上显著，控制变量同表5。

表 6  数字经济发展指数的分指标估计结果

前面的分析表明，数字经济总体上会显著推动地区的产业结构升级，那么这一结论在不同的地区是否具有差异性呢？考虑到中国地区间发展存在着极不平衡的问题，这有可能会导致数字经济对产业结构升级的影响存在区域差异，接下来将基于区域异质性的视角，分析不同地区数字经济对产业高级化的差异化影响。具体而言，东部省份包括黑龙江、吉林、辽宁、北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部省份包括山西、安徽、江西、河南、湖北、湖南；西部省份包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、新疆、青海。考虑到中部省份较少，为了避免样本分组后过少问题，本文将样本按照东部、中部和西部分为两个组，对两个组的样本分别讨论数字经济对产业结构升级的影响。

由表7可以看出，无论是否控制其他解释变量，数字经济对不同地区产业高级化影响均显著为正，并且具有明显的区域差异性。具体来看，其中数字经济对东部地区产业高级化的影响（0.758）显著高于对中西部地区的影响（0.379）。产生这一结果的原因可能是，东部地区经济发展水平在全国居于前列，人力资本、基础设施、财政收入水平等方面在全国均占据优势地位。具体而言，从人力资本方面来看，东部地区聚集了大量高学历、高技术的人才，根据统计局数据计算，东部地区省份在2013—2019年期间大学以上人数比例平均为17.96%，而同期中西部地区大学以上人数占比仅为11.82%。从基础设施层面来看，以数字化层面基础设施为例，东部地区光缆密度平均为16.92千米/平方千米，中西部省份仅为4.72千米/平方千米，并且东部地区在交通、通信、信息网络等方面的基础设施水平在全国也都处于领先地位。从财政收入水平来看，2019年东部地区人均财政收入为11323.32元，中西部地区人均财政收入仅为5269.58元，并且排名靠前的省份均在东部地区，其中上海以2.9万元居于首位，北京以2.5万元紧随其后，天津、浙江、广东、江苏均超过1万。前文的分析中表明，东部地区数字经济发展程度高于中西部地区，数字经济通过创新扩散效应吸引了这些优势资源，两者的叠加效应带来了技术创新和管理创新，提高了整体产业链的创新水平和生产效率，有效促进了产业结构优化升级。中西部地区发达程度较低，以第二产业作为主导产业，在国内产业价值链中也处于中低端，并且由于信息网络等基础设施的落后，“数据烟囱”“信息孤岛”等现象更加普遍。此外，中西部地区还存在科技力量薄弱、资源利用率低、高素质人才较少等一系列问题，这都在一定程度上影响了数字经济发展对产业升级的拉动作用。

变量	被解释变量：产业高级化指数（$ IndH $）
	东部	中西部	东部	中西部
$ Digital\_basic $	0.978***	0.683**	0.758***	0.379*
	（0.140）	（0.260）	（0.173）	（0.210）
控制变量	否	否	是	是
地区固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	91	119	91	119
Number of pro	13	17	13	17
Within-R2	0.532	0.527	0.606	0.701
注：括号内为标准误，符号* 、**、***分别指在10%、5%和1%的显著性水平上显著，控制变量同表5。

表 7  数字经济发展指数对不同地区产业结构升级的影响

以上的分析发现，不论是数字经济发展总指数，还是对于不同分项指数，均会显著促进中国产业结构升级。通过引言部分的介绍，数字经济主要从生产端和需求端两个层面促进了传统产业升级。一方面，数字经济与传统产业深度融合，成为提高全要素生产率的重要引擎，从而推动了生产端的产业转型升级；另一方面，数字消费在社会总体消费中占据越来越重要的地位，从而推进了产业需求端的消费模式升级换代，倒逼产业结构调整。因此要厘清数字经济影响产业结构升级的作用机制，必须分别从生产端和需求端两个层面进行深入分析，这里采用中介效应模型，分析产生这一结果的影响机制。

首先，本文从生产端出发，以全要素生产率（$ lnTFP $）作为中介效应变量。我们构建研究数字经济发展与全要素生产率之间的关系，考虑如下模型：

其中，下标$ i $表示地区维度，$ t $表示时间维度，$ {lnTFP}_{it} $表示省级层面全要素生产率指标，这里$ TFP $的计算参照张军等文献。^㊶$ {Digital}_{it} $定义与前文相同，$ {v}_{it} $为扰动项，$ {Z}_{it} $为其他控制变量，与模型（2）中定义相同。我们还控制了省份固定效应$ {\alpha }_{i} $和年份固定效应$ {year}_{t} $。为了考察全要素生产率是否具有中介效应，我们讨论了数字经济、全要素生产率与产业结构升级三者之间的关系，考虑如下模型：

其中模型中变量设定与（3）式相同。

表8给出了估计的结果，模型（3）表示以省份层面的全要素生产率（$ lnTFP $）作为被解释变量，数字经济发展水平的估计系数显著为正，表明数字经济发展水平显著提升了全要素生产率。模型（4）表示加入中介变量的估计结果，全要素生产率（$ lnTFP $）估计系数显著为正，表明全要素生产率的提升促进了产业结构升级，这说明全要素生产率在数字经济对产业结构升级的影响中存在中介效应，提高全要素生产率成为影响产业结构升级的一个重要渠道。

变量	模型（3）	模型（3）	模型（4）	模型（4）
	$ lnTFP $	$ lnTFP $	$ IndH $	$ IndH $
$ Digital $	0.303***	0.202***	0.445***	0.325***
	（0.100）	（0.065）	（0.069）	（0.113）
$ lnTFP $			1.340***	1.360***
			（0.191）	（0.185）
控制变量	否	是	否	是
地区固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	210	210	210	210
Number of pro	30	30	30	30
Within-R2	0.805	0.879	0.826	0.844
注：括号内为标准误，符号* 、**、***分别指在10%、5%和1%的显著性水平上显著，控制变量同表5。

表 8  数字经济与产业结构升级的机制检验（生产端）

接下来，我们从需求端出发分析数字经济影响产业升级的路径。数字经济的发展催生数字交易这一新型交易模式，使得消费者交易过程更加高效^㊷，推进了数字化消费的发展。本部分主要对数字经济、消费模式、产业结构之间的关系进行深入分析，以消费模式（$ Conspattern $）作为中介效应变量。首先构建研究数字经济发展与消费模式之间的关系，考虑如下模型：

这里，$ {Conspattern}_{it} $表示省级层面家庭消费模式的指标，本文采用人均网上零售额作为衡量区域消费模式的指标，由于这一变量从2015年才开始统计，因此我们选取的样本区间为2015—2019年，其他变量与模型（3）中定义相同。建立数字经济发展、消费模式与产业结构升级之间的关系，考虑如下模型：

其中模型中变量设定与（5）式相同。

表9给出了估计的结果，模型（5）以中介变量消费模式（$ Conspattern $）为被解释变量，核心解释变量数字经济的系数显著为正，表明数字经济发展显著带来了人们消费模式的变迁，推动了社会消费方式的转变。模型（6）表示加入中介变量的估计结果，消费模式（$ Conspattern $）估计系数显著为正，表明消费模式的改变促进了产业结构升级，说明消费模式改变在数字经济对产业结构升级的影响中存在中介效应，究其原因，主要是数字经济的发展推动了数字交易、平台经济的发展，打破了传统的时空概念，加快了供需双方的交易速度，推动了消费数字化转型，从而拉动了产业结构升级。

变量	模型（5）	模型（5）	模型（6）	模型（6）
	$ Conspattern $	$ Conspattern $	$ IndH $	$ IndH $
$ Digital $	1.937***	1.880***	0.394*	0.522***
	（0.174）	（0.181）	（0.217）	（0.189）
$ Conspattern $			0.236***	0.203***
			（0.079）	（0.070）
控制变量	否	是	否	是
地区固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	150	150	150	150
Number of pro	30	30	30	30
Within-R2	0.703	0.714	0.604	0.713
注：括号内为标准误；符号* 、**、***分别指在10%、5%和1%的显著性水平上显著；控制变量同表5。

表 9  数字经济与产业结构升级的中介机制检验（需求端）

本文基于数字经济的视角，从基础设施水平、互联网发展水平、数字化产业发展、数字化交易发展四个维度出发，在构建了中国数字经济发展水平的综合评价指标体系的基础上，进一步讨论了数字经济对产业结构升级的影响，研究发现，数字经济发展水平显著推动了产业结构升级。并且，本文分别研究了基础设施水平、互联网发展水平、数字化产业发展、数字化交易发展四个分项指标对产业结构升级的影响，研究发现数字产业化水平是促进产业高级化的关键因素。同时，本文基于区域异质性的视角探讨了不同地区数字经济对产业结构的影响，发现数字经济对产业结构升级具有明显的区域差异性，其中对东部地区产业升级的促进作用要显著高于中部和西部地区，这主要是由于东部地区资源、技术、人力资本等在全国都处于领先地位，数字经济叠加这些优势资源，提升了整体产业链的创新水平，对产业结构升级影响更大。最后，本文讨论了数字经济对产业结构升级的影响机制，发现数字经济对产业结构的影响主要通过生产端和需求端两个层面，一方面数字经济以技术创新驱动数字化产业快速发展，从生产端提升了生产效率，推动了产业转型升级；另一方面，数字经济带来了“平台经济”“共享经济”等新型商业模式，改变了消费端的消费模式，从而倒逼产业结构调整，促进产业结构优化升级。

本文研究结论对中国推进数字经济发展以及促进产业升级具有重要的参考价值。基于本文的研究，我们提出如下政策建议：

第一，推进大数据中心、5G基站等基础设施建设，尤其是向中西部地区适当倾斜，促进数字产业协调发展。目前，中国数字经济发展不平衡问题仍然很突出，不同地区之间存在“数字鸿沟”，东部地区的数字经济发展水平远远大于中西部地区。《中国数字经济白皮书2020》指出，从占GDP的比例来看，数字产业在广东、江苏、北京等地区GDP占比均超过15%，而在中西部省份占比不足5%。因此，应当兼顾推动区域协调发展，统筹全国数字产业发展布局，一方面，大力推进中西部地区的新型数字基础建设，夯实数字经济发展的根基，从而培育和壮大西部地区的数字新动能，充分发挥数字经济对产业结构发展的引擎作用；另一方面，积极在中西部地区建立国家级大数据中心，促进不同地区的大数据共享，发挥数据中心的辐射功能，致力于打破“数据烟囱”“信息孤岛”等现象，提升中西部地区的数字经济能力。此外，考虑到东部与中西部地区在人才方面的差距，建议政府在制定相关人才政策时适当向中西部倾斜，有助于中西部地区引进中高端人才；同时，中西部地区地方政府也要建立相应的机制来留住人才，从而提高整个地区的人力资本水平。

第二，加强推动数字经济由需求端向生产端拓展，不断拓展数字经济在各个领域的应用宽度和广度，加强数字经济与其他产业的快速融合。数字经济的发展推动了中国消费新模式新业态，引领了新一轮的消费和生产方式的大变革。各个区域应当加快数字经济与先进制造业产业、高端服务业等产业的深度融合，引领其他产业运用数字经济创新经营，形成各产业内外互联的高质量经济形态。

第三，出台相应政策，鼓励各区域企业主动融入数字经济，提高资源配置效率和全面整合产业链。各地区应当把握数字经济为产业转型升级带来的历史机遇，出台相关措施，支持传统企业主动与数字经济发展相融合，促进企业生产效率提升，为传统行业赋能。同时，结合区域内经济发展的规律，找准当地的产业功能定位，合理制定推进数字经济集聚集群发展促进产业结构升级的发展规划，拓宽发展渠道，增强产业联动，促进地区产业高级化、智能化发展。