引用格式：马中东，周桐桐，高建刚.数字经济对黄河流域制造业绿色全要素生产率的影响研究［J］.人民黄河，2023，45（4）：6-12，34.

作者简介：马中东（1968—），男，山东聊城人，教授，博士，博士生导师，研究方向为产业经济

摘 要：为探究黄河流域数字经济与制造业绿色全要素生产率之间的内在联系，基于2011—2020 年黄河流域73 个地级市的面板数据，运用系统GMM 模型和面板门槛模型，实证分析数字经济对黄河流域制造业绿色全要素生产率的影响效应。 结果表明，数字经济能够显著促进黄河流域制造业绿色全要素生产率的提升，且这一促进作用表现为边际递增的非线性特征。 进一步考察发现，数字经济对制造业绿色全要素生产率的影响存在基于对外开放、政府支持的单一门槛效应。 区域异质性检验结果表明，数字经济对黄河中下游地区制造业绿色全要素生产率的提升效果更为显著。

关键词：数字经济；制造业；绿色全要素生产率；对外开放；政府支持；黄河流域

1 引 言

目前，黄河流域依托丰富的自然资源已建立起门类齐全、独立完整的制造业产业体系。 但受地理区位、要素禀赋、发展阶段和政策环境等因素的制约，流域内制造业以中低技术型的能源重化工产业为主导，存在创新动力不足、质量效益不高、产业布局不合理等问题。 在黄河流域生态保护和高质量发展重大国家战略深入实施的大背景下，提高制造业绿色全要素生产率具有重要的现实意义。

随着新一代信息技术不断发展，数字经济成为制造业提质增效的重要着力点。 为进一步推动黄河流域数字经济与制造业的深度融合，*共中**中央、国务院印发的《黄河流域生态保护和高质量发展规划纲要》明确提出，要提高工业互联网、人工智能、大数据对传统产业渗透率，推动黄河流域优势制造业绿色化转型、智能化升级和数字化赋能。 为此，本文围绕黄河流域的数字经济与制造业绿色全要素生产率开展研究，以期为评价数字经济在提升制造业绿色全要素生产率中的战略作用提供参考。

当前，数字经济成为推动经济高质量发展的重要引擎［1-2］。 制造业是经济增长、全要素生产率提升、产业结构升级的关键［3］，在我国经济发展中具有“压舱石”的作用。 推进数字经济与制造业深度融合，关乎制造业供给侧改革、制造强国和网络强国建设。 从制造业企业层面来看，数字产业化、产业数字化均能直接促进企业高质量发展［4］，数字经济能够带动企业实现数字化转型，进而提升企业的资源配置效率［5-6］，降低企业的生产成本［7］，提高企业的技术创新效率［8］和生产效率［9］。 从行业层面来看，陈楠等［10］通过实证分析认为数字技术对机械设备制造业的渗透影响大于对轻纺制造业和资源加工业的影响；郭爱美［11］通过投入产出法计算制造业数字化转型程度，指出技术密集型行业的制造业数字化密度高于劳动密集型行业和资本密集型行业的。 从整体来看，数字经济不仅能为制造业发展提供新动能，推动制造业实现质量变革、效率变革和动力变革［12］，而且能加速先进制造业集群的发展［13］，这有利于我国制造业打破垂直挤压和低端锁定的局势，突破高端*锁封**和低端追赶的“两难”困境，提升制造业在全球价值链中的地位［14］。

目前，大多学者基于全国视角分析了数字经济对制造业发展的驱动作用，而基于黄河流域考察数字经济发展与制造业绿色全要素生产率关系的研究较少。笔者以黄河流域的73 个地级市作为研究对象，构建数字经济与制造业绿色全要素生产率的评价指标体系，并进行测度，然后运用系统GMM 模型和面板门槛模型分析二者的内在关联。

2 理论分析与研究假设

2.1 数字经济对制造业的影响

数字经济对制造业的影响主要表现在4 个方面：①数字经济通过强化“竞争效应”、改善要素的匹配效率，促进资源要素在部门、企业间合理配置，同时数字平台作为提高信息传输效率的重要枢纽，能够缓解因信息不对称而造成的资源错配；②数字经济通过拓展创新边界、降低研发成本与研发风险、缓解融资约束等，实现制造业创新效率的提升；③数据要素的快速流转能够推动制造业朝着弹性化、虚拟化和网络化方向变革，能够重塑企业的运营模式和管理模式、提高制造业的资源利用效率；④数字经济是一种新型生产要素，从新经济增长理论的角度看，相比资本、劳动力等的投入，新技术应用能更合理地推动制造业发展。

因此提出研究假设H1：数字经济能够促进制造业发展，显著提升制造业绿色全要素生产率。

2.2 数字经济对制造业绿色全要素生产率的非线性效应分析

数字经济对制造业绿色全要素生产率的影响可能呈现非线性特征：一是数字经济具有网络外部性，能不断降低各部门、各行业主体获取信息和技术的成本［15］。 随着数字基础设施建设的不断完善，数字红利将得到进一步释放，在降低部门间联动的边际成本的同时，也带来边际收益的几何式上升［16］，带动制造业实现跨越式发展。 二是我国4G 技术的应用趋于饱和，数字经济对生产效率的提升可能会出现一些制约［17］。

因此提出研究假设H2：数字经济对制造业绿色全要素生产率存在非线性影响。

随着“一带一路”建设的发展，对外开放成为影响数字经济与制造业发展的重要因素。 从微观层面看，对外开放为企业出口创利提供了可能，这会倒逼企业进行产品升级和技术创新，有利于提升制造业创新效率、生产效率并推动制造业数字化转型。 从宏观层面看，对外开放有利于国外的先进技术和知识向本地区输入，为数字经济与制造业发展注入新动力。 但是，对外开放水平的提升也会对制造业发展产生不利影响：一方面，本地区企业能够通过对外贸易购买国外高技术产品，可能导致其对国外高技术产品形成进口依赖，不利于自身核心技术、核心零部件的研发，致使本地区制造业产生利润“低端化”现象；另一方面，通过对外开放可能将资源依赖型的低端制造企业引入本地区，从而挤占市场并抑制数字经济释放活力。

因此提出研究假设H3：对外开放在数字经济对制造业绿色全要素生产率的影响中具有门槛效应。

政府作为最具公信力和权威性的主体，在推动数字经济与制造业深度融合过程中扮演着重要角色，政府通过释放某些积极信号能够为数字经济与制造业的整体发展营造良好氛围，也能在一定程度上弥补某些制造业行业或企业因市场信息不对称而损失的社会福利。 另外，数字政府建设有助于提升政府的监管效率，从而加速制造业绿色化转型的步伐［18］。

因此提出研究假设H4：政府支持在数字经济对制造业绿色全要素生产率的影响中具有门槛效应。

3 研究设计

3.1 模型设定

制造业绿色全要素生产率的提升是一个持续的、动态的过程，因此本文引入制造业绿色全要素生产率的一阶滞后项，构建动态面板模型，并选用系统GMM方法进行基准回归：

式中：GTFPit为制造业绿色全要素生产率；i 为黄河流域地级市编号，i ＝1，2，…，73；t 为年份，t ＝2011 年，2012 年，…，2020 年；digit 为数字经济；controlit 为一系列控制变量；α0 为常数项；α1、α2、αc 为回归系数；μi 为个体效应；δt为时间效应；εit为随机扰动项。

为探究数字经济对黄河流域制造业绿色全要素生产率的非线性影响，通过Hansen［19］提出的面板门槛模型进行实证分析，将核心解释变量设定为门槛变量，构建单门槛回归模型：

式中：γ 为门槛值；I（·） 为指示函数；β0 为常数项；β1、β2、βc 为回归系数。

为进一步探究数字经济对黄河流域制造业绿色全要素生产率的非线性作用是否会受对外开放与政府支持这两大宏观因素的影响，分别将对外开放和政府支持设定为门槛变量，构建单门槛模型：

式中：Tit为门槛变量，代表对外开放水平（open）和政府支持（gov）。

3.2 指标选取

（1）被解释变量。 借鉴王海杰等［20］、惠宁等［21］、邢会等［22］的做法，从投入和产出两个维度构建制造业绿色全要素生产率评价指标体系，见表1。

表1 制造业绿色全要素生产率评价指标体系

借助DEAP 2.1 软件对制造业绿色全要素生产率进行测度，通过产出导向、规模报酬可变的DEAMalmquist 指数法进行计算：

进一步将式（4）分解：

继续分解式（5）中规模报酬不变的原假设：

式中：v 为规模报酬不变情况；c 为规模报酬可变情况。

（2）解释变量。 借鉴赵涛等［16］、黄群慧等［23］的做法，从互联网发展、数字金融发展两个维度选取指标测算黄河流域数字经济（dig）发展水平（见表2），并借助SPSS 25.0 软件，对数字经济的评价指标进行降维处理。 经计算，KMO 值为0.683，Bartlett 球形度检验的P值为0.000，表明所选取的指标满足主成分分析的基本条件，继续计算得到2011—2020 年黄河流域各地市数字经济发展水平。

表2 数字经济评价指标体系

（3）门槛变量。 包括数字经济（dig）、对外开放（open）和政府支持（gov）。 其中：open 采用货物进出口总额占地区生产总值的比重衡量，gov 采用地方财政一般预算内支出占地区生产总值的比重衡量。

（4）控制变量。 包括经济发展水平（growth）、社会消费结构（sum）、金融发展水平（fin）、产业结构水平（is）。 其中：growth 采用人均实际GDP 增长率衡量，sum 采用社会消费品零售总额占地区生产总值的比重衡量，fin 采用年末金融机构存款余额占地区生产总值的比重衡量，is 采用第二产业产值占地区生产总值的比重衡量。

3.3 研究区域界定与数据说明

本文依据水利部黄河水利委员会对黄河流域的范围界定以及各地市经济发展与黄河流域的关联程度，不考虑盟、州，结合数据的可获取程度，最终确定流域内73 个地级市为研究区域，并按照地理区位和经济行政区划，将研究区域划分为上、中、下游。 黄河流域73个地级市地理分布如图1 所示。

图1 黄河流域73 个地级市地理分布

本文所选取的数据主要来源于2011—2020 年的《中国城市统计年鉴》、EPS 数据平台、北京大学数字金融研究中心，缺失的数据利用Stata 15.0 补全，数据统计情况见表3。

表3 数据统计情况

4 实证分析

4.1 黄河流域制造业绿色全要素生产率与数字经济的动态演变

根据测算结果绘制2011 年、2014 年、2020 年制造业绿色全要素生产率和数字经济的雷达图（见图2）。其中，1～73 为黄河流域73 个地级市的数字编码，按照行政区划代码进行升序排列。

图2 制造业绿色全要素生产率和数字经济雷达图

从制造业绿色全要素生产率的测算结果可知，73个地级市的制造业绿色全要素生产率均呈稳步增长趋势，至2020 年制造业绿色全要素生产率仍低于1 的城市有乌兰察布、庆阳、定西、固原、吕梁、延安、临沂，多集中于流域上游；改善较大的地市多集中于流域中下游，其中西安、济南、郑州等省会城市制造业绿色全要素生产率的提升更明显。 2011—2014 年，上游地区与中游地区的制造业绿色全要素生产率均无明显变化，下游地区有所增长。 随着我国经济的发展，2020 年全流域制造业绿色全要素生产率均得到较大改善。

从数字经济的测算结果可知，同2011 年相比，2020 年流域内多市的数字经济发展水平得到明显提升，但是各市间仍呈现非均衡发展局面。 具体来看，数字经济改善较大的多为省会城市，其中郑州、兰州、呼和浩特的提升速度较快，但上游的巴彦淖尔、乌兰察布、包头和下游的菏泽、*安泰**、临沂等市改善较小。

4.2 基准回归结果分析

将制造业绿色全要素生产率的一阶滞后项引入模型，使用最小二乘法与固定效应模型进行参数估计时可能会产生系统偏误。 因此，本文借鉴成学真等［24］的做法，采用引入年度虚拟变量的系统GMM 模型对黄河流域数字经济与制造业绿色全要素生产率进行基准回归（结果见表4）。 其中：结果1 是不含任何控制变量的估计结果，结果2 引入了本文设定的所有控制变量。 AR（2）的检验结果说明模型的扰动项不存在自相关，Hansen 检验结果表明所选取的各类变量均有效，因此系统GMM 模型的回归结果是有效且合理的。 从数字经济的回归系数来看，发展数字经济能够显著提升黄河流域制造业绿色全要素生产率，证明了研究假设H1的合理性。

表4 数字经济对制造业绿色全要素生产率的估计结果

注：L.GTFP 为制造业绿色全要素生产率的一阶滞后项， *、**、***表示在10%、5%、1%水平上显著，括号内数据为z 值，N 为样本数量（该模型引入了被解释变量的一阶滞后项，纳入回归分析的实际样本数量为657 个），“是”即固定，下同

从控制变量来看，经济发展水平的提升会不断推动城市基础设施的建设与完善，吸引外来资金与人才，为制造业发展创造良好的外部条件。 社会消费水平提升也是城市发展的一种表现形式，消费升级能从需求侧发力，推动技术创新。 但金融资金越来越倾向于投资到房地产与工业园等项目的建设中，金融发展水平过高反而不利于制造业活力的释放。 此外，传统制造业产业占比过高会对制造业服务化转型形成阻碍，也是抑制制造业绿色全要素生产率提升的因素。

4.3 面板门槛效应分析

在进行面板门槛回归分析之前，需要确定门槛变量是否存在门槛值。 将数字经济、对外开放、政府支持设定为门槛变量，通过300 次“自抽样”检测确定变量的门槛值。 由表5 可知，数字经济、对外开放与政府支持均在1%、5%、10%水平上通过了单一门槛检验。

表5 门槛的自抽样检验结果

通过极大似然函数搜寻数字经济、对外开放与政府支持的门槛值，结果显示，数字经济的门槛值为1.842，置信区间为［1.792，1.845］；对外开放的门槛值为15.086，置信区间为［14.628，16.493］；政府支持的门槛值为16.529，置信区间为［16.127，16.782］。 为验证门槛估计值结果与置信区间的一致性，进一步通过LR 检验进行识别，结果如图3 所示，这一结果验证了门槛个数、门槛估计值与置信区间的一致性。

图3 门槛估计值LR 检验结果

构建单一门槛模型检验数字经济、对外开放与政府支持的门槛效应，结果见表6。 由表6 可知，以数字经济作为门槛变量时，无论是处于数字经济发展水平的低值区还是高值区，数字经济对制造业绿色全要素生产率的影响均显著。 当数字经济发展水平跨越门槛值后，回归系数由0.338 提升到0.562，数字经济对制造业绿色全要素生产率的促进效应进一步增强。 这表明通过发展数字经济、释放数字经济活力来促进黄河流域制造业的高质量发展具有较强的可行性，证明了研究假设H2的合理性。

表6 门槛效应检验结果

注：dig_1、dig_2 分别表示处在不同门槛变量区间时dig 的估计系数，R2为模型的拟合优度，下同

以对外开放作为门槛变量进行分析，当对外开放水平低于15.086 这一门槛值时，数字经济能够促进黄河流域制造业绿色全要素生产率的提升，但当对外开放水平跨越门槛值后，回归系数由0.845 降低至0.405，也就是说，对外开放水平的提升反而降低了数字经济的促进效应。 原因可能是对外开放水平的提升引入了依赖黄河流域资源禀赋的低端产业，不利于制造业智能化转型和绿色化生产，这一结论佐证了研究假设H3。

以政府支持作为门槛变量进行分析，当政府支持跨越门槛值后，数字经济对制造业绿色全要素生产率的促进作用边际递增。 原因是政府支持有助于推动数字经济与高端制造业的快速发展与成长，为数字经济与制造业的进一步融合提供有利条件，这一结论证明了研究假设H4的合理性。

4.4 区域异质性分析

黄河流域不同地区的数字经济发展水平与制造业绿色全要素生产率存在显著差距，中下游地区明显领先于上游地区，中下游地区的制造业依托数字技术形成规模经济效应与区域经济效应，挤压上游地区制造业的生存空间，形成流域内部的“马太效应”。 为检验流域不同地区的异质性，运用面板门槛模型对上游地区和中下游地区进行分组回归，结果见表7、表8。

表7 门槛的分区自抽样检验结果

表8 区域异质性检验结果

由表7 可知，上游地区并未通过数字经济的单一门槛值检验，不存在门槛效应；中下游地区的数字经济通过了单一门槛检验。 通过极大似然函数搜寻中下游地区数字经济的门槛值为1.853，置信区间为［1.805，1.855］。

由表8 可知，上游地区不存在门槛效应，因此采用系统GMM 模型对上游地区进行回归分析。 结果1 表明，数字经济对制造业绿色全要素生产率的作用效果并不显著。 结果2 表明，中下游地区的数字经济对制造业绿色全要素生产率存在单一门槛效应，数字经济低值区的影响系数为0.306 且在10%水平上显著，高值区的影响系数为0.576 且在1%水平上显著，总体表现为边际递增的非线性效应。 主要原因是黄河流域上游地区作为我国重要的资源能源与重化工基地，经济实力不强、金融发展滞后、消费水平不高，无法为制造业转型升级提供良好的发展条件，而中下游地区能够依托健全的基础设施、良好的经济基础，集聚高素质劳动力和先进技术，带动经济良性循环，为数字经济与制造业的融合发展提供了平台优势。

4.5 稳健性检验

为增强上述研究结果的可信度，需通过稳健性检验来证实已有结论的严谨性。 众所周知，2015 年我国股市出现异常波动，2020 年新冠肺炎疫情在全球范围内蔓延，危机因素会对数字经济与制造业的发展形成阻碍，本文借鉴梁小甜等［4］的做法，剔除危机年份，对其余年份的样本重新进行回归分析，得到的结果与已有结论相同。

5 结论与建议

基于2011—2020 年黄河流域73 个地级市的面板数据，构建数字经济与制造业绿色全要素生产率的评价指标体系，利用主成分分析法、DEA-Malmquist 指数法分别测得各市数字经济发展水平与制造业绿色全要素生产率，运用系统GMM 模型、面板门槛模型探讨了数字经济与制造业绿色全要素生产率的内在关联，得到如下结论：从整体来看，黄河流域的数字经济综合发展指数与制造业绿色全要素生产率不断提升，二者之间存在内在关联，数字经济能够对制造业绿色全要素生产率的提升产生显著促进作用，且这一促进作用表现为边际递增的非线性特征。 进一步考察发现，在对外开放的影响下，数字经济对黄河流域制造业绿色全要素生产率的影响系数边际递减；在政府的支持下，数字经济对制造业绿色全要素生产率的影响系数边际递增。 从区域异质性检验结果来看，数字经济不能显著促进上游地区制造业绿色全要素生产率的提升，但在中下游地区，数字经济对制造业绿色全要素生产率提升的促进作用显著且呈边际递增特征。

基于上述结论并结合黄河流域本身的特殊性提出如下建议：一是加强数字基础设施建设，持续释放“数字红利”。 数字经济对黄河流域制造业绿色全要素生产率提升的促进作用呈边际递增特征，因此有必要进一步深化数字经济建设，应重点关注定西、吴忠、新乡等市的数字经济建设。 二是充分利用贸易红利。 各地级市要把握共建“一带一路”的重大机遇，通过贸易红利倒逼数字经济建设与制造业发展。 三是最大限度地发挥政府支持的积极作用。 优化政府对数字经济和制造业的支持方式，实现资源的快速流转和高效配置，通过制度优势缩减制造业行业和企业的交易成本，扭转黄河流域制造业“大而不强，全而不优”的现状。 四是建立全流域协同发展机制。 既要注重流域整体水平的提升，又要缩小中下游地区与上游地区的发展差距，加速人才、资金、技术等从中下游地区向上游地区流动，推动全流域协同发展。

参考文献：

［1］张英浩，汪明峰，刘婷婷.数字经济对中国经济高质量发展的空间效应与影响路径［J］.地理研究，2022，41（7）：1826-1844.

［2］ZHANG W，ZHAO S，WAN X，et al.Study on the Effect of Digital Economy on High-Quality Economic Development in China［J］.PLOS ONE，2021，16（9）：0257365.

［3］郭克莎，彭继宗.制造业在中国新发展阶段的战略地位和作用［J］.中国社会科学，2021（5）：128-149，207.

［4］梁小甜，文宗瑜.数字经济对制造业高质量发展的影响［J］.统计与决策，2022，38（11）：109-113.

［5］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.

［6］于世海，许慧欣，孔令乾.数字经济水平对中国制造业资源配置效率的影响研究［J］.财贸研究，2022，33（12）：19-34.

［7］廖信林，杨正源.数字经济赋能长三角地区制造业转型升级的效应测度与实现路径［J］.华东经济管理，2021，35（6）：22-30.

［8］杜传忠，姜莹.数字技术对制造业创新效率的影响机制与效应研究［J］.湖南科技大学学报（社会科学版），2022，25（3）：71-82.

［9］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.

［10］陈楠，蔡跃洲.数字技术对中国制造业增长速度及质量的影响：基于专利应用分类与行业异质性的实证分析［J］.产业经济评论，2021（6）：46-67.

［11］郭爱美.中国制造业数字化密度的时空分异特征［J］.当代经济管理，2023，45（1）：67-76.

［12］李英杰，韩平.数字经济下制造业高质量发展的机理和路径［J］.宏观经济管理，2021（5）：36-45.

［13］ZHOU R，TANG D，DA D，et al.Research on China's Manufacturing Industry Moving Towards the Middle and High-End of the GVC Driven by Digital Economy［J］.Sustainability，2022，14（13）：7717.

［14］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（增刊1）：68-75.

［15］崔琪，张思思，马晓钰.数字经济、公众环境关注与城市绿色技术创新［J］.技术经济与管理研究，2022（8）：3-9.

［16］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.

［17］刘达禹，徐斌，刘金全.数字经济发展与区域经济增长：增长门槛还是增长瓶颈？ ［J］.西安交通大学学报（社会科学版），2021，41（6）：16-25.

［18］刘维林，王艺斌.数字经济赋能城市绿色高质量发展的效应与机制研究［J］.南方经济，2022（8）：73-91.

［19］HANSEN B E.Threshold Effects in Non-Dynamic Panels：Estimation，Testing，and Inference［J］.Journal of Econometrics，1999，93（2）：345-368.

［20］王海杰，李捷，张小波.黄河流域制造业绿色全要素生产率测评及影响因素研究［J］.福建论坛（人文社会科学版）， 2021（10）：127-139.

［21］惠宁，杨昕.数字经济驱动与中国制造业高质量发展［J］.陕西师范大学学报（哲学社会科学版），2022，51（1）：133-147.

［22］邢会，姜影，陈园园.“双碳”目标下碳交易与制造业绿色全要素生产率：基于异质性技术创新模式的机制检验［J］.科技进步与对策，2022，39（23）：76-86.

［23］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.

［24］成学真，龚沁宜.数字普惠金融如何影响实体经济的发展：基于系统GMM 模型和中介效应检验的分析［J］.湖南大学学报（社会科学版），2020，34（3）：59-67.