EN中文

经济地理 >

2025 , Vol. 45 >Issue 8: 82 - 91

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.08.009

城市地理与新型城镇化

数字经济驱动制造业高质量发展水平测度与空间效应

  • 谢卓廷 ,
  • 辛娜 , ※
展开
  • 广东技术师范大学 财经学院，中国广东 广州 510665
※辛娜（1981—），女，博士，教授，硕士生导师，研究方向为数字经济与制造业转型升级。E-mail:

谢卓廷（1980—），男，博士，讲师，研究方向为区域经济和制造业数字化转型。E-mail:

收稿日期: 2023-10-07

  修回日期: 2025-03-03

  网络出版日期: 2025-10-10

基金资助

国家社会科学基金一般项目(22BJL102)

收起

Measurement and Spatial Effects of the Level of High-quality Development of Manufacturing Driven by the Digital Economy

  • XIE Zhuoting ,
  • XIN Na , ※
Expand
  • School of Finance and Economics，Guangdong Polytechnic Normal University，Guangzhou 510665，Guangdong，China

Received date: 2023-10-07

  Revised date: 2025-03-03

  Online published: 2025-10-10

Fold

摘要

文章从经济效益、创新力度、制造效能、数字环境、低碳制造、结构升级六大类指标构建制造业高质量发展评价体系，选用2011—2023年中国城市统计年鉴数据，运用空间杜宾模型考察了数字经济驱动制造业高质量发展空间效应。研究发现：①城市数字经济发展水平逐年呈上升趋势，但存在地区差异，一线城市表现出较强的发展水平；②城市制造业高质量发展水平基本呈现上升趋势，城市间也存在地区差异，但部分非一线城市比一线城市表现出更高发展水平；③数字经济发展有力促进了本地及周边城市制造业高质量发展，且数字经济对本地制造业高质量发展推动作用大于周边城市；④分地区和城市规模看，数字经济对东中西部城市和大中小城市的制造业高质量发展的空间影响存在异质性，中部城市和小城市对周边城市的推动作用不显著。据此，提出应全面推进全国范围内数字经济建设和跨区域数字经济合作，加快数字基建、数字技术、数字要素和数字治理在制造业领域有效融合，促成智能制造业高质量发展局面。

关键词： 数字经济; 制造业; 高质量发展; 评价体系; 空间效应

本文引用格式

谢卓廷 , 辛娜 . 数字经济驱动制造业高质量发展水平测度与空间效应[J]. 经济地理, 2025 , 45(8) : 82 -91 . DOI: 10.15957/j.cnki.jjdl.2025.08.009

Abstract

The important strategic plan of the 20th Party Congress points out that high-quality development is the primary task, and vigorously promote the high-quality development of manufacturing industry to realize the modern industrial system. This paper constructs the evaluation system of high-quality development of manufacturing industry from six indicators, namely, economic efficiency, innovation strength, manufacturing efficiency, digital environment, low-carbon manufacturing, structural upgrading, and selects the data of China's Urban Statistical Yearbook from 2011 to 2020, and utilizes the spatial Durbin model to investigate the spatial effect of high-quality development of manufacturing industry driven by the digital economy. The study found that:1)the level of urban digital economy development has shown an upward trend year by year, but there are regional differences, with first-tier cities showing a stronger level of development;2)the level of high-quality development of the manufacturing industry in cities has basically shown an upward trend, and there are also regional differences between cities, but some cities are stronger than the first-tier cities in terms of the level of development;3)the development of the digital economy is favorable to promote the development of manufacturing industry of the local and surrounding cities High-quality development of the local and neighboring cities, and the digital economy on the local manufacturing industry to promote high-quality development is greater than the role of neighboring cities.4)there is heterogeneity in the spatial impact of the digital economy on the high-quality development of the manufacturing industry in cities in the East, Central and West, and in small, medium and large cities, due to differences in regions and city sizes, and the central cities and small cities do not have a significant impact on the promotion of neighboring cities. Implications of the study: nationwide digital economy construction and cross-regional digital economy cooperation should be comprehensively promoted to accelerate the effective integration of digital infrastructure, digital technology, digital elements and digital governance in the manufacturing sector, leading to the high-quality development of smart manufacturing.

Key words： digital economy; manufacturing industry; high-quality development; evaluation system; spatial effect

在全球经济深度变革和新一轮科技革命的推动下，数字经济作为一种新型经济形态，正在引领全球经济发展和产业转型升级[1-2]。我国作为世界第二大经济体，数字经济的发展不仅关乎国家竞争力的提升，更是推动制造业高质量发展的重要途径。党的二十大明确提出，“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”，这一战略目标为我国数字经济的发展指明了方向[3]。积极把握和利用好数字经济的发展机会，不仅是契合新发展理念的重要举措，而且有助于加快构筑国家竞争新优势，实现宏观经济稳定增长和经济结构转型升级，促进实现我国经济高质量发展[4-5]。
随着数字经济的迅猛发展，我国制造业正面临前所未有的机遇和挑战。一方面，数字经济通过技术创新和商业模式创新，不断优化资源配置，提高生产效率，推动传统制造业向智能化、数字化、网络化转型[6-7]；另一方面，制造业作为国民经济的支柱产业，其高质量发展对实现经济持续增长和社会进步具有重要意义。政策层面，我国政府高度重视数字经济的发展，并出台了一系列支持政策，诸如《“十四五”数字经济发展规划》提出到2025年，数字经济核心产业增加值占GDP比重达到10%的目标，以及《制造业高质量发展行动计划》明确了加快数字化转型、推动制造业高质量发展的具体目标和措施。这些政策的颁布，为数字经济与制造业的深度融合提供了坚实的保障[8]。现实层面，数字经济的快速发展已经在一定程度上推动了制造业的转型升级。近年来，我国制造业数字化、智能化水平不断提升，智能制造、工业互联网等新模式、新业态蓬勃发展，越来越多的制造企业通过数字化转型，提高了生产效率和市场竞争力[9-10]，实现了经济效益和社会效益的双赢，这对于推动我国制造业转型升级、实现高质量发展具有重要的理论和实践意义。然而，学术界对数字经济与制造业高质量发展研究多处于理论层面，定量研究较少，特别是制造业高质量发展评价指标构建的定量分析鲜有发现。基于此，本文将更为全面构建制造业高质量发展评价指标体系，运用城市相关数据测算其空间特征演化过程，实证检验数字经济对制造业高质量发展的空间效应，揭示其产生的直接效应与间接效应；在此基础上，基于不同地区和规模的城市经济发展水平、资源分配和人口规模等差异，把样本分为东部、西部、中部和大城市、中等城市、小城市进行异质性分析，观测不同样本差异，挖掘其背后原因。

1 数字经济驱动制造业高质量发展理论分析

数字经济驱动是继互联网、大数据、人工智能之后数字经济时代的重要概念，以大数据创新理念与传统产业工匠精神相融合为发展动能，推进产业数字化和数字产业化，实现传统产业的改造升级。因此，数字经济的发展不仅改变了传统经济的运行方式，更引发了经济结构和产业结构的深刻变革。本文将从要素升级、创新网络和空间协同3个维度，系统分析数字经济驱动制造业高质量发展的内在机理。
数字经济的核心作用体现在对生产要素体系影响和效率提升上。随着数据作为新型生产要素的引入，传统制造业的生产要素结构发生了根本性变化。与资本、劳动力等传统生产要素不同，信息的迅速传递和资源的高效匹配是数字经济发展的关键特征[11]。当数据通过工业互联网平台与资本、劳动力深度融合时，传统的二元生产函数逐渐向“资本+劳动力+数据”的三元结构演变。这一转变，突破了传统制造业中要素配置的信息壁垒和时空限制，使得生产过程更加灵活和动态化，促使企业实现质量管理的精细化和生产过程的智能化控制，达到降低企业生产成本、交易成本和优化资源配置的目的，进而提高企业生产效率和减少生产过程中的资源浪费，增强了企业在市场中的竞争力[12-14]。
数字经济通过数字技术赋能，重构了制造业的价值链与供应链。工业互联网平台的普及，为企业和科研机构提供了协同创新的基础设施，构建了一个分布式的创新网络。这种网络化创新模式打破了传统线性创新模式的局限，使得创新资源能够在更大范围内实现共享和互补，加速了创新成果的转化。一方面，数字技术的应用，显著缩短了技术创新的周期，使得企业能够以较低的成本获取和应用先进技术，进而实现技术突破和提升竞争力[15-16]；另一方面，数字平台的使用，使企业能够通过平台迅速获取市场信息和及时调整生产策略，使生产资源能够在更大范围内实现高效配置，减少资源的闲置和浪费，提高市场反应速度和生产灵活性[17]，从而进一步提高了整体经济效率和经济效益[18]。
数字经济的空间重构效应，打破了传统制造业的地理边界，催生了“物理分散、数字聚合”的新型产业组织形态，不仅推动区域间制造业的技术创新和经济发展，还通过空间溢出效应重构了区域产业格局[19]，推动了区域间的专业化分工与产业升级[20]，提高了区域整体的生产效率，增强了区域间的空间经济关联度。但是，不同区域由于数字基础设施、产业基础和创新能力的差异，对数字经济的响应能力各不相同，导致“中心—外围”空间异质性得以强化。中心城市由于数字基础设施优势与技术积累，具备更强的辐射和带动能力，带动周边城市的经济和制造业水平提升[21]，呈现出技术溢出强度随地理距离衰减的特征。因此，尽管外围城市可通过承接技术扩散获取转型动能，但受限于资源和技术能力相对有限，其发展更多地依赖于中心城市的辐射带动来实现[22]。
基于上述分析，本文提出如下研究假设：
H1：数字经济发展可能是推动制造业高质量发展的关键因素。
H2：数字经济发展可能会带动周边城市制造业的高质量发展。
H3：数字经济发展对不同城市制造业高质量发展具有异质性。

2 评价体系、数据及方法

2.1 评价体系构建

关于数字经济驱动制造业高质量发展评价体系，国内外学者分别从不同视角做出论述，但目前学术界尚未达成统一评价框架。具体来看，在数字经济推动制造业的融合、创新、变革趋势中，相关学者主要围绕制造业高质量发展的内涵、评价体系、测度、影响因素和提升路径等方面[23-25]展开研究，而鲜有对数字经济驱动制造业高质量发展水平测度的研究。例如，郭然等测度制造业高质量主要采用创新、制造业经济、绿色发展3个维度[26]，刘国新等采用制造业高质量发展理念构建指标体系进行测度[27]。考虑到制造业高质量发展离不开数字经济发展，本文从数字经济综合发展水平与制造业高质量发展水平2个方面构建数字经济驱动制造业高质量发展水平评价体系。

2.1.1 数字经济综合发展评价体系

数字经济综合发展评价体系主要参考赵涛等[28]的数字经济综合发展指数，该指数在现有数据库中能较好地量化数字经济发展水平（表1）。限于当时数据可获取性，其测算仅选用2011—2016年数据，但是2015年提出信息化和工业化深度融合后，分析中国制造业智能化在这之后的变化更有研究价值。因此，本文将采用2011—2023年数据测算数字经济发展水平，并在不同年份进行对比分析。
表1 数字经济综合发展水平评价体系及说明

Tab.1 Comprehensive digital economy development evaluation system

一级指标 二级指标 指标衡量 单位 指标
属性
数字
经济
综合
发展指数		 互联网普及率 每百人互联网用户数 人 +
互联网相关从业人员数 计算机服务和软件从业人员占比 % +
互联网相关产出 人均电信业务总量 万元 +
移动互联网用户数 每百人移动电话用户数 人 +
数字金融普惠发展 中国数字普惠金融指数 - +

注：此评价体系参考赵涛等数字经济综合发展指数[28]。

2.1.2 制造业高质量发展水平评价体系

为深入贯彻党的二十大关于“推动制造业高端化、智能化、绿色化发展”的战略部署，需要从多维度构建系统化的理论与实践框架，聚焦关键要素并确保高效推进。本文将“制造业高质量发展”界定为在保持经济适度增长的同时，通过提升产业核心竞争力、优化资源配置和注重可持续性，实现制造业的高端化、智能化、绿色化升级，其核心内涵可归纳为质量变革、智能制造、结构升级、创新驱动、企业效益、绿色发展6个方面。其中，质量变革立足于应对消费升级与竞争态势变化，结合技术改造、标准提升及精益管理等综合措施，为满足人民对高品质产品与多样化服务的需求提供坚实保障；智能制造依托新一代信息技术的快速迭代与深度融合，在全面提升生产效率与产品附加值的同时，为制造业转型升级提供关键动力；结构升级呼应全球价值链重构，通过优化要素配置、延伸产业链条与强化国际竞争力，为加快构筑高端化的制造体系奠定基础；创新驱动强调持续加大研发投入与完善高水平人才体系，推动关键技术突破与新兴业态培育，为产业价值创造提供长久支撑；企业效益在高质量发展框架下不仅关注盈利能力，更注重运营效率与核心竞争优势的稳固提升；绿色发展强调将生态理念与可持续原则贯穿制造全流程，通过节能减排和循环经济模式的广泛应用，实现经济效益与生态效益的协调并进。
基于上述6个方面，综合考虑国际经验和地方实践，本文构建一套适用于评价各地市级制造业高质量发展水平的指标体系，具体包含经济效益、创新力度、制造效能、数字环境、低碳制造、结构升级六大类指标。进一步地，按照指标体系的系统性和可扩展性、数据的可获得性、省市间可比性原则，选用19个反映制造业高质量发展的二级指标，建立较为完善的指标体系（表2）。
表2 区域制造业高质量发展水平评价体系及说明

Tab.2 Manufacturing quality development level evaluation system

一级指标 二级指标 指标衡量 单位 指标属性
经济效益 经济贡献度 工业总产值/GDP % +
经济增长 规模以上工业增加值/规模以上工业总产值 % +
经营绩效 规模以上工业企业销售收入/规模以上工业总产值 % +
企业利润率 规模以上工业企业主要利润总额/规模以上工业企业销售收入 % +
创新力度 研发经费 RD经费支出/规模以上工业企业销售收入 % +
科研人员数 R&D 人数 个 +
科技成果转化率 获得的实用新型专利数量件/获得专利件 % +
制造效能 要素效率 全要素生产率 - +
劳动生产率 工业总产值/第二产业从业人数 % +
资产回报率 规模以上工业企业主要利润总额/规模以上工业企业固定资产 % +
智能应用 人工智能水平 人工智能企业数量 个 +
人工智能关注度 人工智能百度搜索指数 - +
光缆密度 光缆线路长度/行政区域面积 % +
低碳制造 污染物排放强度 工业三废排放量/规模以上工业增加值 % -
环境治理 污染源治理本年投资总额/地方一般公共预算支出 % +
工业废物利用率 一般工业固体废物综合利用率 % +
结构升级 制造业服务化 生产性服务业从业人数/服务业从业人员数 % +
规模以上制造企业比重 规模以上工业企业数/工业企业数 % +
产业结构高级化 第三产业产值比重/第二产业产值比重 % +

2.2 数据来源

考虑到数据的可获性，本文剔除了数据为空的一些地级市[29]，选用2011—2023年中国 285个地级及以上城市展开研究。使用的数据来自《中国城市统计年鉴》、CNRDS中国研究数据服务平台；与人工智能相关的企业数据来自“企查查”平台（企业经营范围涉及芯片、图像识别、计算机视觉、语音识别、传感器等与人工智能相关的关键词）[30]，以网络爬虫提取计算“人工智能”搜索频次的加权和，部分地级市统计年报和 Wind 资讯数据库。其中，参考赵星[31]的研究，对无法获取的地级市层面光缆线路长度数据，依据各城市电信业务总收入占所属省份的比重来计算城市层面的光缆长度；部分缺失值用线性插值法补齐。数字金融发展采用中国数字普惠金融指数，该指数由北京大学数字金融研究中心和蚂蚁金服集团共同编制。

2.3 测度方法与结果

为避免缺乏客观性，本文采用客观赋权法的熵值法，通过信息熵原理来确定权重，以达到更为客观准确评价研究对象的目的。同时，考虑到文章篇幅，选择2011、2015、2018和2022年4年数据指标，其中2015年习近平总书记首次提到“数字中国”概念年份，2018年提出首个国家层面《数字经济发展纲要》。最后，运用GIS软件分别得出4年数字经济发展水平和制造业高质量发展水平的地理图形。

2.3.1 数字经济发展水平空间演变

从图1测算结果来看，不同年份城市之间的数字经济发展水平排位有所改变，从最初2011年杭州排名首位，至之后几年北京超越成为第一位。具体来说，2011—2023年排名前十的城市主要是北京、深圳、上海、广州、杭州、东莞、厦门等城市，其中南京、佛山、珠海、武汉、郑州、苏州等城市也先后进入过前十位。同时，宁波、无锡、成都、西安、长沙等地数字经济建设也呈现较高的水平。西部地区城市大部分相对落后，但南宁、青海、鄂尔多斯等城市的数字经济发展水平得到较大发展。
图1 中国城市数字经济发展水平指数空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图2同。

Fig.1 Spatial evolution of digital economy development level index of Chinese cities

就空间演变特性而言，数字经济发展水平存在空间非均衡性和异质性。可能的原因是，经济较发达的城市，在捕捉新技术、推行城市化改革方面反应更加迅速。经济较发达城市对数字基础设施的投入大，区域数字经济水平更活跃。虽然西部地区产业分散、基础较为薄弱，但近几年受中央数字经济建设推进相关政策红利影响，部分城市数字经济建设也得到一定程度的提升。特别是《数字中国建设整体布局规划》中提出的“东数西算”战略布局，将更加利好西部地区数字基础设施的建设。

2.3.2 制造业高质量发展水平空间演变

从图2测算结果来看，制造业高质量发展水平指数在北京、上海、深圳、广州等一线城市并没有像数字经济发展水平指数那样，比较稳定地排在其他城市前列，前几位的城市反而被东莞、佛山、天津、苏州、南京等城市在不同年份所占据，西安、长沙、无锡、郑州、成都、重庆、青岛、宁波、济南在制造业高质量发展方面表现也很强劲。
图2 中国城市制造业高质量发展水平指数空间分布演变

Fig.2 Spatial evolution of China's urban manufacturing quality development level index

从空间演变过程可知，制造业高质量发展水平同样存在空间非均衡性和异质性。2011—2023年制造业高质量发展水平指数达到0.4及以上的城市大都分布在珠三角、长三角和京津冀区域，位于0.2~0.4之间的城市随着国家2015年信息化和工业化深度融合政策推出后逐渐增多，但大多数城市仍在0.1附近徘徊。说明我国制造业发展主要以珠三角、长三角和京津冀区域为主，这是多重因素叠加作用的结果。首先，相较其他地区，这些区域具有明显的地理优势和发达的基础设施，推动其能够以较快速度并在高质量政策推进的条件下先行发展；其次，这些城市的经济发展水平显著，且拥有丰富的科研资源，如数量领先的顶尖科研机构和大学，这些资源作为推动制造业技术创新升级的重要动力源，促进了制造业的持续增值和优化；再次，便捷的交通，如发达的公路、铁路网络及现代化港口，为制造业的物流提供了宽广的通道，确保制造业发展的流畅进行；最后，当地政府对教育、科研和技术开发展开的大规模投入和扶持，为上述区域城市的制造业发展注入强大的内生动力，推动其持续高质量发展。

3 空间效应分析

3.1 空间经济计量模型构建

空间计量经济模型主要解决回归模型中复杂的空间相互作用与空间依存性结构问题。通过空间模型选择检验，发现：①LM检验中Spatial error、 Robust Spatial error、Spatial lag和Robust Spatial lag统计量分别为21.312、8.019、51.271和14.455，均显著为正，可初步认定使用空间杜宾模型（SDM）最合适。②SDM能否退化检验中的LR Spatial error、Wald Spatial error、LR Spatial lag和Wald Spatial lag统计量分别为14.241、20.583、15.145和22.283，均显著为正，表明SDM最为合适。③Hausman检验结果拒绝原假设，表明应选择SDM的固定效应模型进行分析。④LR检验结果拒绝原假设，表明应选择时空双向固定效应模型。因此，本文构建SDM实证检验各城市之间制造业高质量发展水平相互依赖关系，以及制造业高质量水平受到其他城市数字经济水平的空间影响。
m h l A i t = β ∑ j = 1 N w i j m h l A j t + γ d i g e i t + δ ∑ j = 1 N w i j d i g e j i + θ C o n t r o l i t + ϵ ∑ j = 1 N w i j C o n t r o l i t + μ i + π t + ε i t
式中：i、j表示不同城市； m h l A i t表示i城市在t时期的制造业高质量发展水平； d i g e i t表示数字经济发展水平； C o n t r o l i t表示一组控制变量； w i j表示空间权重矩阵，包含经济距离空间权重矩阵、地理距离空间权重矩阵、经济与地理距离嵌套矩阵； β是待估系数，衡量制造业高质量发展的空间溢出效应； γ衡量数字经济对制造业高质量发展的影响效应； δ衡量数字经济空间溢出效应； μ i是城市固定效应； π t是时间固定效应； ε i t为模型扰动项。

3.2 变量选取

①被解释变量为城市制造业高质量发展水平（mhlA）。选取上文制造业高质量发展水平评价体系测算结果作为被解释变量指数，包含经济效益、创新力度、制造效能、数字环境、低碳制造、结构升级六大类指标，构建较为完整的制造业高质量发展水平指数（表3）。
表3 变量名称与指标衡量

Tab.3 Variable name and indicator measurement

模型变量 变量名称 指标衡量
被解释变量 城市制造业高质量发展水平（mhlA） 见表2
解释变量 数字经济发展水平（dige） 见表1
控制变量 城市经济发展水平（cedl） 人均GDP（取log）
外商直接投资（fdi） 当年实际使用外资金额（取log）
政府支持程度（govsd） 政府财政支出/财政收入比重
人口密度（pd） 全市每km2人数（取log）
基础设施（infb） 人均城市道路面积（取log）
教育水平（edul） 普通高等学校在校学生数/地区总人口
市场化水平（markl） 私营和个体就业人数/单位从业人数
②解释变量为城市数字经济发展水平（dige）。选取上文数字经济综合发展评价体系测算结果作为解释变量指数，主要参考赵涛等数字经济综合发展指数[28]，此指数在现有数据库中能较好地量化数字经济发展水平（表3）。
③控制变量。考虑到城市制造业发展主要受城市经济、政治、基础建设、人口、教育等方面影响[32]，本文从城市经济发展水平、外商直接投资、政府支持程度、人口密度、基础设施、教育水平、市场化水平7个方面选取模型控制变量。这是因为，城市经济发展水平可为制造业的高质量发展提供充足的资本投入，外商直接投资能引入先进的技术、管理理念和资本来推动制造业朝着高质量、高效率和高价值链发展，财政投入能通过政策引导和资金扶持推动制造业发展，人口密度反映了城市集聚效应对制造业的影响。同时，良好的基础设施、高水平的教育和深化的市场化水平能够为制造业高质量发展提供有利于技术创新、提高生产效率和市场扩展的环境（表3）。

3.3 空间计量实证结果与分析

3.3.1 相关性分析

本文运用莫兰指数考察核心变量空间自相关性。从表4检验结果来看，制造业高质量发展水平和数字经济发展水平的莫兰指数均在1%水平上显著，城市之间制造业高质量发展呈现较强空间正相关，说明地理距离相邻的城市之间制造业高质量发展水平相互接近。数字经济发展同时表现为空间正相关，说明地理距离接近城市之间表现出相互影响的特征。
表4 莫兰指数实证结果

Tab.4 Moran's I test results

年份 mhlA dige 年份 mhlA dige
2011 0.337*** 0.176*** 2018 0.377*** 0.216***
2012 0.420*** 0.196*** 2019 0.363*** 0.256***
2013 0.386*** 0.234*** 2020 0.365*** 0.272***
2014 0.385*** 0.195*** 2021 0.357*** 0.263***
2015 0.336*** 0.279*** 2022 0.355*** 0.271
2016 0.362*** 0.253*** 2023 0.349*** 0.241***
2017 0.345*** 0.234***

注：***、**和*分别表示在1%、5%和10%水平上显著。

3.3.2 实证结果分析

由表5可知，地理距离、经济距离、经济地理距离的空间权重矩阵结果均在1%水平上通过统计检验且显著为正，说明城市之间制造业高质量发展存在空间正相关依赖关系，即数字经济能够有效促进制造业高质量发展，数字经济发展是推动制造业高质量发展的关键因素，假设1成立。
表5 空间杜宾模型估计结果

Tab.5 Estimation results of Spatial Durbin model

变量名称 地理距离矩阵 经济距离矩阵 经济地理距离矩阵
dige 0.213*** 0.132*** 0.235***
cedl 0.010*** -0.002 0.007**
fdi 0.003** 0.002*** 0.003***
pd 0.005** 0.003** 0.004**
infb -0.006** -0.006*** -0.008***
edul -0.083* 0.069* -0.055
markl -0.002* -0.003*** -0.002

注：为节省版面，参数估计的z值不显示；***、**和*分别表示在1%、5%和10%水平上显著。表6同。

3.3.3 直接效应和间接效应

空间杜宾模型不仅检测地区间被解释变量空间溢出效应，还包括地区间解释变量对被解释变量空间溢出效应，模型估计系数包括地区间空间交互信息，不能直接反映解释变量与被解释变量直接关系，因此，本文把解释变量对被解释变量效应分解为城市内溢出效应（直接效应）和城市间空间溢出效应（间接效应）（表6）。结果显示，在3种不同空间权重矩阵下，数字经济发展对制造业高质量发展影响作用都显著为正，无论是直接效应还是间接效应均通过10%水平统计检测且显著为正，表明本地数字经济发展有效成为本地制造业高质量发展重要动力，同时也促进周边城市制造业高质量发展；并且，直接效应系数普遍大于间接效应系数，说明本地数字经济发展对本地制造业高质量发展促进作用大于对周边城市。可能的原因是：①数字经济通过优化要素结构、提高资源配置效率、降低交易成本、集聚劳动力、加大技术创新等方面促进本地制造业高质量发展；②数字经济会对周边城市产生技术外溢，周边城市的“模仿效应”和“互动效应”也会不断推进数字经济与周边城市制造业融合[33-35]。因此，此结论验证假设2成立。
表6 直接效应与间接效应

Tab.6 Direct effect and Indirect effect

权重矩阵 效应类型 dige cedl fdi govsd pd infb edul markl
地理矩阵 直接效应 0.207*** 0.010*** 0.003** -0.000 0.003** -0.007** -0.078* -0.002**
间接效应 0.058*** 0.000 -0.001 0.004** 0.006** 0.003 0.315*** -0.005**
总效应 0.264*** 0.010*** 0.002** 0.005*** 0.009*** -0.003 0.244* -0.006**
经济矩阵 直接效应 0.129*** 0.003 0.003** 0.000 0.002** -0.006*** 0.070 -0.002***
间接效应 0.042** 0.033*** 0.002 0.005*** 0.003* -0.002 -0.108* 0.008**
总效应 0.171*** 0.028** 0.004** 0.007*** 0.005* -0.009*** -0.047 0.006**
经济地理矩阵 直接效应 0.232*** 0.008*** 0.004* 0.000 0.002* -0.008** -0.052 -0.002
间接效应 0.028*** 0.073** -0.009 -0.021 0.017 0.067** 3.294** -0.008
总效应 0.260*** 0.079* -0.006 -0.020 0.002* 0.058** 3.236** -0.010

3.3.4 异质性分析

为探究数字经济对制造业高质量发展更为细致的影响，本文将所有城市进行地区分组和城市规模分组，并在此基础上开展进一步分析。

3.3.4.1 地区分组

将285个城市划分为东部、中部和西部3个部分，并进行区域异质性分析（表7）。结果显示，东部城市数字经济对制造业高质量发展的直接效应和间接效应在1%的水平上显著为正，表明东部城市不仅在自身的数字化转型中受益，还通过溢出效应促进了周边城市的制造业高质量发展；中部城市数字经济对制造业高质量发展的直接效应在1%的水平上显著为正，但间接效应不显著，表明数字经济对中部城市制造业高质量发展的促进作用主要体现在直接效应上；西部城市数字经济对制造业高质量发展的直接效应和间接效应分别在1%和10%水平上显著为正，显示出数字经济在西部城市的直接效应较强，但间接效应相对较弱。其可能的原因是，东部地区作为中国经济发展的前沿，其数字基础设施和技术应用较为完善，企业在数字化转型中具备较强的创新能力和市场适应性，且东部城市集聚了大量高科技企业和人才资源，有利于推动数字经济与制造业的进一步深度融合；相较于东部城市，中部城市尽管拥有较好的制造业基础，但数字化技术和信息的扩散和共享能力相对较弱，限制了其间接效应的发挥，导致数字经济尚未能显著提升周边制造业的高质量发展水平[36]；而西部城市虽然数字化发展起步较晚，但受益于国家宏观调控政策和区域发展战略，实现了数字经济快速发展和制造业高质量提升，具有一定的后发优势，不过受限于资源禀赋和市场条件，导致其数字经济的间接溢出效应也较为有限。此结论验证假设3成立。
表7 地区分组异质性分析

Tab.7 Heterogeneity analysis of regional subgroups

变量 东部 中部 西部
直接效应 间接效应 直接效应 间接效应 直接效应 间接效应
dige 0.281*** 0.140*** 0.109*** 0.093 0.154*** 0.033*
（7.88） （3.93） （4.26） （2.72） （5.36） （1.23）

注：回归均加入控制变量、年份和城市的固定效应。表8~表11同。

3.3.4.2 城市规模分组

借鉴已有研究[37]，按照城市年末常住人口数对城市进行分组，以2015年为基期，将人口数大于300万的城市归类为大城市，人口数在100~300万之间的城市归类为中等城市，人口数小于100万的城市归类为小城市，依据不同的城市规模分别进行回归（表8）。
表8 城市规模分组异质性分析

Tab.8 Heterogeneity analysis of city size groupings

变量 大城市 中等城市 小城市
直接效应 间接效应 直接效应 间接效应 直接效应 间接效应
dige 0.154*** 0.118*** 0.130** 0.103** 0.069** 0.049
（11.29） （9.20） （9.55） （7.09） （5.30） （3.67）
从城市规模来看，大城市数字经济对制造业高质量发展的直接效应和间接效应在1%的水平上显著为正，中等城市数字经济对制造业高质量发展的直接效应和间接效应在5%的水平上显著为正，小城市数字经济对制造业高质量发展的直接效应在5%的水平上显著，但间接效应不显著。其原因可能是，大城市在数字化转型、政策支持和创新资源等方面具有显著优势，使数字经济能够更有效地融入和推动本地和周边城市制造业的转型升级，且大城市涵盖和所有一二线城市，这些城市通常也是政策支持和资金投入的重点区域，这进一步增强了大城市在数字经济中的领先地位；中等城市在数字基础设施和创新能力上不如大城市，但没有大城市的过度拥挤和高成本问题，这使其依然具备较强的工业基础和较高的经济活力，能够形成一定的市场规模效应和间接效应；相比之下，小城市虽然在资源和能力上较为有限，但拥有经济规模小和投入见效快的优势，能够通过数字经济改善生产流程、提升管理效率和促进信息共享，为本地制造业高质量发展带来一定提升。因此，此结论依然验证假设3成立。

3.4 稳健性检验

3.4.1 替换解释变量

为更好地衡量城市数字经济发展水平的稳健性，运用主成分分析法重新度量数字经济发展水平，并以此进行再次检验（表9）。结果显示，数字经济发展对制造业高质量发展的促进作用均在1%和5%的水平上显著，与表5估计结果一致，验证了原结果的稳健性。
表9 替换解释变量

Tab.9 Replacement of explanatory variables

变量 地理距离矩阵 经济距离矩阵 经济地理距离矩阵
dige 0.028*** 0.031** 0.021***
（9.98） （10.81） （7.32）

3.4.2 分时段回归分析

参考陈昭等的研究思路[38]，以2015年《国务院关于积极推进“互联网+”行动的指导意见》颁布时间为界，将样本划分为2011—2015和2016—2023年2个时段进行回归分析（表10）。结果显示，数字经济对制造业高质量发展的影响显著为正，回归结果依然稳健。
表10 分时段回归分析

Tab.10 Regression analysis by time period

变量 2011—2015 2016—2023
地理距离矩阵 经济距离矩阵 经济地理距离矩阵 地理距离矩阵 经济距离矩阵 经济地理距离矩阵
dige 0.104*** 0.121*** 0.097*** 0.134** 0.128*** 0.137**
（6.70） （7.81） （6.25） （10.92） （10.44） （11.17）

3.4.3 内生性处理

为处理内生性问题，有效减少数字经济发展与制造业高质量发展之间可能存在的双向因果关系，以及可能受到未观测到其他因素影响而导致估计系数的偏误，本文将数字经济发展水平滞后1期进行重新估计（表11）。结果显示，数字经济对制造业高质量发展的影响依然显著为正，进一步证明了基础回归结论的可靠性和稳健性。
表11 内生性处理

Tab.11 Endogenous treatments

变量 地理距离矩阵 经济距离矩阵 经济地理距离矩阵
dige 0.123*** 0.131*** 0.118**
（9.24） （9.86） （8.88）

4 结论与建议

本文构建制造业高质量发展评价体系，并运用2011—2023年城市统计年鉴数据测算285个城市及以上制造业高质量发展水平指数，实证检验数字经济驱动制造业高质量发展空间效应，得出结论如下：①数字经济发展水平排名靠前的是北京、上海、广州、深圳、杭州、东莞、厦门等城市，虽然不同年份排名有所不同，但以经济发展水平靠前的一线城市（北京、上海、广州、深圳）为主。②制造业高质量发展水平排名靠前的是东莞、佛山、天津、苏州、南京等城市。其可能原因是，一线城市发展布局以创新研发为主，周边城市承接一线城市成果转化的制造生产。③数字经济不仅能够促进本地制造业高质量发展，对周边城市也产生空间溢出效应，驱动周边城市制造业高质量发展。④把数字经济驱动制造业高质量发展空间效应分解为直接效应和间接效应检验发现，数字经济对本地制造业高质量发展驱动力度高于周边城市。⑤从地区分布角度，东部地区城市通过数字经济促进了本地和周边城市制造业高质量发展，中部地区城市则主要体现在自身的提升上，而西部地区城市因其后发优势促进了本地和周边城市制造业高质量的发展。⑥从城市规模角度，大城市和中等城市通过数字经济促进了本地和周边城市制造业高质量发展，而小城市由于资源和经济相对落后，数字经济仅在一定程度上促进本地制造业高质量发展。
中国已进入高质量发展阶段，需要有新生产动力驱动制造业转型升级。数字经济作为新时代国民经济的加速器，对制造业高质量发展起到不可忽视的重要驱动作用，加强数字经济建设，应从以下几个方面展开：①加快推进全国范围数字经济建设。推动数字基础设施在全国范围内的普及，完善中西部地区数字基础设施；加大资金、技术投入，加快数字基础设施的更新速度，如升级5G、遥感等，满足广大人民群众的需求。②推动跨区域数字经济合作。为缩小区域间数字经济发展差距，应建立跨区域合作机制，促进数字经济要素在不同区域间流动与共享，鼓励东部发达地区向中西部地区输出先进的数字技术和管理经验，构建全国统一的数字经济发展平台。③提高数字产业化与产业数字化水平。政府应加大对数字行业的投资力度，保证企业有充足的资金研发软件等，做到关键技术不受制于人，同时要出台相关政策推动数字技术与企业的融合发展，促使企业突破核心技术，研发互联网平台通用软件，通过平台打破企业之间的障碍，促进相互交流学习，推动企业实现智能制造。④推进建立统一数据要素市场。数据已成为新时代重要生产要素，能最大程度降低制造业生产成本，提高生产效率。要以数据为核心构建快速响应供应链系统，实现产品的柔性化生产制造。⑤加强数字治理。数字技术运用为经济社会发展带来强大驱动力，同时也带来风险和安全性的问题，需要政府加强顶层设计，统筹中央政府和地方政府数字政府建设和业务系统联通，合理引导数字产业布局，加强不同数字平台之间的数据和信息交互，实现数字治理能力显著提升。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Dewan S, Kraemer K L. Information technology and productivity:Evidence from country-level data[J]. Management Science, 2000, 46(4):548-562.

[2]
Humphrey J, Schmitz H. How does insertion in global value chains affect upgrading in industrial clusters?[J]. Regional studies, 2002, 36(9):1017-1027.

[3]
张文魁. 数字经济的内生特性与产业组织[J]. 管理世界, 2022, 38(7):79-90.

[4]
荆文君, 孙宝文. 数字经济促进经济高质量发展:一个理论分析框架[J]. 经济学家, 2019(2):66-73.

[5]
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升:内在机制与中国经验[J]. 中国工业经济, 2019(8):5-23.

[6]
谢富胜, 吴越, 王生升. 平台经济全球化的政治经济学分析[J]. 中国社会科学, 2019(12):62-81,200.

[7]
陈昭, 陈钊泳, 谭伟杰. 数字经济促进经济高质量发展的机制分析及其效应[J]. 广东财经大学学报, 2022, 37(3):4-20.

[8]
刘国武, 李君华, 汤长安. 数字经济、服务业效率提升与中国经济高质量发展[J]. 南方经济, 2023(1):80-98.

DOI

[9]
宋旭光, 何佳佳, 左马华青. 数字产业化赋能实体经济发展:机制与路径[J]. 改革, 2022(6):76-90.

[10]
费越, 张勇, 丁仙, 等. 数字经济促进我国全球价值链地位升级——来自中国制造业的理论与证据[J]. 中国软科学, 2021(Sup1):68-75.

[11]
涂心语, 严晓玲. 数字化转型、知识溢出与企业全要素生产率——来自制造业上市公司的经验证据[J]. 产业经济研究, 2022(2):43-56.

[12]
万晓榆, 罗焱卿. 数字经济发展水平测度及其对全要素生产率的影响效应[J]. 改革, 2022(1):101-118.

[13]
王梦菲, 张昕蔚. 数字经济时代技术变革对生产过程的影响机制研究[J]. 经济学家, 2020(1):52-58.

[14]
Myovella G, Karacuka M, Haucap J. Digitalization and economic growth:a comparative analysis of Sub-Saharan Africa and OECD economies[J]. Telecommunications Policy, 2020, 44(2):308-596.

[15]
江小涓, 靳景. 数字技术提升经济效率:服务分工、产业协同和数实孪生[J]. 管理世界, 2022(12):9-26.

[16]
张永姣, 丁少斌, 方创琳. 中国数字经济产业发展的时空分异及空间收敛性分析——基于企业大数据的考察[J]. 经济地理, 2023, 43(3):120-130.

DOI

[17]
李治国, 王杰. 数字经济发展、数据要素配置与制造业生产率提升[J]. 经济学家, 2021(10):41-50.

[18]
韦庄禹. 数字经济发展对制造业企业资源配置效率的影响研究[J]. 数量经济技术经济研究, 2022, 39(3):66-85.

[19]
孙晋云, 白俊红, 王钺. 数字经济如何重塑我国区域创新格局?——基于研发要素流动的视角[J]. 统计研究, 2023, 40(8):59-70.

[20]
李雪松, 党琳, 赵宸宇. 数字化转型、融入全球创新网络与创新绩效[J]. 中国工业经济, 2022(10):43-61.

[21]
刘江宁, 陈贞吉. 以高水平对外开放促进全国统一大市场建设的历史逻辑和重点任务[J]. 改革, 2023(4):99-110.

[22]
张亚丽, 项本武. 数字经济发展对中国市域经济韧性的影响效应[J]. 经济地理, 2023, 43(1):105-113.

DOI

[23]
辛国斌. 推动制造业高质量发展[J]. 宏观经济管理, 2019(2):5-7.

[24]
辛娜, 袁红林. 全球价值链嵌入与全球高端制造业网络地位:基于增加值贸易视角[J]. 改革, 2019(3):61-71.

[25]
张志元. 我国制造业高质量发展的基本逻辑与现实路径[J]. 理论探索, 2020(2):87-92.

[26]
郭然, 原毅军. 生产性服务业集聚能够提高制造业发展质量吗?:兼论环境规制的调节效应[J]. 当代经济科学, 2020, 42(2):120-132.

[27]
刘国新, 王静, 江露薇. 我国制造业高质量发展的理论机制及评价分析[J]. 管理现代化, 2020, 40 (3):20-24.

[28]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

[29]
王自力, 谢卓廷. 政府主导型区域经济一体化对周边城市发展的影响差异分析——基于工业水平视角的PSM-DID实证研究[J]. 经济地理, 2020, 40(6):69-76,86.

DOI

[30]
李勇辉, 沈波澜, 胡舜, 等. 生产性服务业集聚空间效应与城市技术创新——基于长江经济带108个城市面板数据的实证分析[J]. 经济地理, 2021, 41(11):65-76.

DOI

[31]
赵星. 新型数字基础设施的技术创新效应研究[J]. 统计研究, 2022, 39(4):80-92.

[32]
喻楠, 吕拉昌. 数字基础设施对城市技术创新的影响——基于我国287个地级及以上城市的实证分析[J]. 科技与经济, 2023, 36(4):36-40.

[33]
罗军, 邱海桐. 城市数字经济驱动制造业绿色发展的空间效应[J]. 经济地理, 2022, 42(12):13-22.

DOI

[34]
李健旋. 制造业与数字经济产业关联融合测度及异质性研究[J/OL]. 中国管理科学, 2023:1-14[2023-09-15].

[35]
阳立高, 许调蓉, 韩峰. 中国数字经济与制造业融合发展水平测度及其时空特征[J]. 财经理论与实践, 2023, 44(2):81-87.

[36]
李四聪, 王周火, 王祾智. 欠发达地区数字经济与实体经济融合发展的挑战与对策——以邵阳市为例[J]. 邵阳学院学报(社会科学版), 2024(6):67-71.

[37]
李涛, 薛领, 李国平. 产业集聚空间格局演变及其对经济高质量发展的影响——基于中国278个城市数据的实证分析[J]. 地理研究, 2022, 41(4):1092-1106.

DOI

[38]
陈昭, 陈钊泳, 谭伟杰. 数字经济促进经济高质量发展的机制分析及其效应[J]. 广东财经大学学报, 2022, 37(3):4-20.

Options
文章导航

/

〈 〉