宋 煒，張彩紅，周 勇，董明放

(西安建筑科技大學 管理學院，陜西 西安 710055)

0 引言

推動數(shù)據(jù)要素供給側結構性改革，以創(chuàng)新驅動、高質量供給引領工業(yè)高質量發(fā)展已成為加快發(fā)展現(xiàn)代工業(yè)體系，實現(xiàn)工業(yè)基礎高級化和工業(yè)鏈現(xiàn)代化的重要引擎。眾所周知，工業(yè)全要素生產(chǎn)率是結構性減速條件下重構經(jīng)濟增長動力，實現(xiàn)工業(yè)高質量發(fā)展的必要條件。伴隨中國經(jīng)濟轉型，大量傳統(tǒng)要素的持續(xù)投入極大促進中國工業(yè)資源配置效率提升，實現(xiàn)后發(fā)趕超。隨著技術差距不斷縮小和創(chuàng)新能力大幅提高，傳統(tǒng)要素對工業(yè)全要素生產(chǎn)率產(chǎn)出份額的貢獻逐漸縮小，導致傳統(tǒng)要素邊際貢獻日漸式微。西方發(fā)達國家發(fā)展史表明，挖掘新的增長動力，利用數(shù)據(jù)要素提高全要素生產(chǎn)率已成為重構經(jīng)濟增長動力的重要途徑。亟需知道的是，在結構性減速背景下，中國工業(yè)采用怎樣的要素投入才能有效提升工業(yè)全要素生產(chǎn)率？延長傳統(tǒng)要素投入機會窗口能否緩解經(jīng)濟結構性減速？若能在一個統(tǒng)一框架下深入研究數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的影響，對于準確定位中國工業(yè)的關鍵創(chuàng)新路徑，實現(xiàn)工業(yè)高質量發(fā)展具有積極借鑒意義。

研發(fā)決策是解釋數(shù)據(jù)要素與傳統(tǒng)要素相互融合，進而提升工業(yè)全要素生產(chǎn)率的重要渠道[1]。D'Aspremont&Jacquemin[2]在研發(fā)合作框架下分析決策類型對研發(fā)水平的影響，認為橫向合作研發(fā)決策引致的后發(fā)收益遞減會降低研發(fā)水平；更進一步地，陳宇科等[3]考察縱向合作研發(fā)決策的技術溢出效應發(fā)現(xiàn)，縱向合作研發(fā)決策能夠促進技術的產(chǎn)業(yè)內(nèi)溢出，從而顯著提升創(chuàng)新水平。還有學者基于企業(yè)參與研發(fā)投資活動的廣度與深度，將研發(fā)決策分解為廣延式研發(fā)決策和集約式研發(fā)決策，探討集約式研發(fā)投資決策對生產(chǎn)率的異質性影響[4-5]。循著這個思路，傅聯(lián)英[6]利用內(nèi)生轉換回歸模型檢驗廣延式研發(fā)決策對研發(fā)績效的效應，認為廣延式研發(fā)決策通過產(chǎn)品多樣化渠道能夠顯著提升研發(fā)績效水平?？紤]到中國工業(yè)要素稟賦優(yōu)勢驅動的積極創(chuàng)新與風險因素導致的研發(fā)動力不足，本文將研發(fā)決策限定為開發(fā)新資源、新知識的探索式研發(fā)決策及改進現(xiàn)有技術、利用現(xiàn)有資源進行創(chuàng)新的利用式研發(fā)決策。從結果的不確定性和核心競爭力角度看，探索式研發(fā)決策對全要素生產(chǎn)率具有“拐點效應”[7]。

值得注意的是，雖然有關數(shù)據(jù)要素與工業(yè)全要素生產(chǎn)率之間關系的研究較多，且已有文獻大多基于數(shù)據(jù)要素的戰(zhàn)略性和全局性視角，研究如何提升數(shù)據(jù)要素市場價值，而忽略數(shù)據(jù)要素配置因素對工業(yè)全要素生產(chǎn)率的影響[8]。也就是說，研究數(shù)據(jù)要素配置因素對工業(yè)全要素生產(chǎn)率的影響需要考慮工業(yè)高質量發(fā)展背景下數(shù)據(jù)要素配置的特殊性。特別是21世紀10年代以來，中國工業(yè)創(chuàng)新結構與研發(fā)深度步入再平衡狀態(tài)，研發(fā)合作逐漸轉向研發(fā)競爭與合作并存。盡管數(shù)據(jù)要素通過賦能傳統(tǒng)要素促進工業(yè)創(chuàng)新，但是賦能門檻效應導致的利己性研發(fā)決策傾向會不同程度影響工業(yè)全要素生產(chǎn)率提升。可以認為，數(shù)據(jù)要素、研發(fā)決策是影響工業(yè)全要素生產(chǎn)率的決定性因素，能夠反映數(shù)據(jù)要素引致的異質性研發(fā)決策對工業(yè)全要素生產(chǎn)率的提升程度。

本文在已有文獻基礎上，嘗試將數(shù)據(jù)要素、研發(fā)決策與工業(yè)全要素生產(chǎn)率納入一個統(tǒng)一分析框架，利用2010—2019年中國工業(yè)面板數(shù)據(jù)，估計數(shù)據(jù)要素與研發(fā)決策對工業(yè)全要素生產(chǎn)率的影響。與已有文獻相比，本文貢獻主要體現(xiàn)在兩方面：一方面，從高質量發(fā)展的要素配置視角，將研發(fā)決策引入模型，深入分析數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率影響的內(nèi)在機制；另一方面，考慮到數(shù)據(jù)要素與研發(fā)決策對不同要素密集型工業(yè)全要素生產(chǎn)率的提升存在顯著性差異，本文在區(qū)分不同要素密集型工業(yè)的基礎上，考察數(shù)據(jù)要素在探索型和利用型研發(fā)決策情形下顯著提升工業(yè)全要素生產(chǎn)率的作用機理。

1 文獻回顧與研究假設

1.1 文獻回顧

已有文獻對數(shù)據(jù)要素的研究主要從3個視角展開。首先，從數(shù)據(jù)要素與傳統(tǒng)要素相互融合視角出發(fā)，研究數(shù)據(jù)要素與勞動、資本和技術等要素的協(xié)同聯(lián)動作用。如荊文君和孫寶文[9]認為，數(shù)據(jù)要素的公共品屬性決定其必須與傳統(tǒng)要素相融合，只有改變技術進步的創(chuàng)新路徑，才能實現(xiàn)經(jīng)濟高質量發(fā)展；謝康等[10]提出，數(shù)據(jù)要素與其它要素結合并未完全釋放數(shù)據(jù)資源價值，并通過構建一個包含數(shù)據(jù)資源的鏈式中介模型，考察數(shù)據(jù)要素從可能的生產(chǎn)要素向現(xiàn)實生產(chǎn)要素轉變的路徑，研究發(fā)現(xiàn)數(shù)據(jù)與勞動結合形成知識積累，進而與管理相結合才能充分釋放大數(shù)據(jù)資源的潛在價值；進一步地，王建冬和童楠楠[11]通過構建數(shù)據(jù)要素與傳統(tǒng)生產(chǎn)要素動態(tài)聯(lián)動的“五鏈協(xié)同”路徑模型，考察數(shù)據(jù)與產(chǎn)業(yè)、技術、資金和人才等多源異構的融合發(fā)展，研究發(fā)現(xiàn)數(shù)據(jù)要素通過數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化和全要素數(shù)據(jù)化實現(xiàn)對傳統(tǒng)制造業(yè)的信息化支撐與改造，從而促進經(jīng)濟增長。

其次，從數(shù)據(jù)要素賦能視角探討數(shù)字化賦能促進經(jīng)濟效率提升的內(nèi)生機制，認為數(shù)據(jù)要素能夠賦予主體在數(shù)字化環(huán)境下生產(chǎn)、競爭和創(chuàng)新的能力[12]。如馬中東和寧朝山[13]通過構建要素錯配指數(shù)，研究數(shù)據(jù)要素配置對制造業(yè)質量升級的促進效應，發(fā)現(xiàn)數(shù)據(jù)要素與勞動、資本要素的高效結合對要素配置效率具有顯著提升作用，中介效應模型檢驗進一步發(fā)現(xiàn)，數(shù)據(jù)要素對產(chǎn)業(yè)升級具有區(qū)域異質性；陳劍等[14]認為，這種區(qū)域異質性隨著數(shù)據(jù)要素屬性的分化，對傳統(tǒng)要素的內(nèi)生影響機制逐漸從賦能向使能演進，并通過構建數(shù)字技術環(huán)境下企業(yè)運營管理理論框架，圍繞運營管理核心環(huán)節(jié)探討數(shù)據(jù)要素賦能提升企業(yè)生產(chǎn)效率的路徑和方法，考察用戶需求創(chuàng)造、資源整合、供應鏈重構、服務創(chuàng)新和生態(tài)圈建設等模式下數(shù)據(jù)要素的使能管理，認為企業(yè)在項目前期應注重積累經(jīng)驗和技能，階段性、有步驟地實現(xiàn)數(shù)據(jù)要素使能化創(chuàng)新。

最后，考察數(shù)據(jù)要素投入與產(chǎn)業(yè)創(chuàng)新的關系，認為數(shù)據(jù)要素是推動數(shù)字經(jīng)濟高速發(fā)展的重要驅動力。如Thompson等[15]研究發(fā)現(xiàn)，作為智能基礎設施的數(shù)據(jù)要素投入能夠提升企業(yè)盈利水平，激勵企業(yè)釋放出更多閑置資源用于自主研發(fā)，進而促進創(chuàng)新水平提升；郭家堂和駱品亮[16]利用2002—2014年中國省際數(shù)據(jù)分析互聯(lián)網(wǎng)發(fā)展對技術進步倍增作用的影響機制，開創(chuàng)性地解釋“索洛悖論”中計算機對全要素生產(chǎn)率提高無效的傳統(tǒng)觀點，發(fā)現(xiàn)數(shù)據(jù)要素倍增效應引致的規(guī)模收益遞增能夠顯著促進全要素生產(chǎn)率提升；陳維濤等[17]創(chuàng)新性地將企業(yè)研發(fā)作為中介變量納入中介效應模型，分析互聯(lián)網(wǎng)電子商務對提升企業(yè)創(chuàng)新產(chǎn)出水平的作用路徑，發(fā)現(xiàn)互聯(lián)網(wǎng)信息化應用比互聯(lián)網(wǎng)信息化服務更能顯著提高企業(yè)研發(fā)能力，進而推動企業(yè)創(chuàng)新水平提升。

通過文獻梳理可以發(fā)現(xiàn)，國內(nèi)外學者主要從數(shù)據(jù)要素與傳統(tǒng)生產(chǎn)要素協(xié)同發(fā)展、數(shù)據(jù)要素賦能以及數(shù)據(jù)要素投入對產(chǎn)業(yè)創(chuàng)新的影響3個視角進行深入研究，取得了豐富的成果。事實上，數(shù)據(jù)要素的非排他性使得中國工業(yè)在利用數(shù)據(jù)要素方面呈現(xiàn)顯著差異，研發(fā)決策在數(shù)據(jù)要素影響工業(yè)全要素生產(chǎn)率的過程中具有促進作用。也就是說，研發(fā)決策對工業(yè)全要素生產(chǎn)率具有重要影響[18]?，F(xiàn)有從研發(fā)決策視角考察數(shù)據(jù)要素與創(chuàng)新效應之間關系的研究相對較少。從研究的系統(tǒng)性看，不同類型產(chǎn)業(yè)的研發(fā)決策對創(chuàng)新的影響分析還缺少更進一步研究?；诖?，本文從研發(fā)決策視角探討數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的影響。

1.2 研究假設

隨著工業(yè)領域智能化水平提升，實體經(jīng)濟與資本基于多源數(shù)據(jù)異構融合，動態(tài)聯(lián)動資金鏈上的不同主體和不同要素，借助大數(shù)據(jù)技術的平臺效應及產(chǎn)業(yè)鏈分工優(yōu)化促進工業(yè)全要素生產(chǎn)率提升[19]。資本密集度相對較高的部門利用資金完善產(chǎn)業(yè)設施配套，提高生產(chǎn)制造柔性，以靈活應對市場需求變化，通過資金介入推動數(shù)據(jù)要素在多領域內(nèi)流動，進而形成并擴大乘數(shù)效應，使得資本密集型工業(yè)更易通過資本深化在多層次、多維度獲得更大產(chǎn)出，向價值鏈高端移動，顯著節(jié)約生產(chǎn)成本，進而有效促進數(shù)據(jù)與產(chǎn)業(yè)資源的梯度配置。這種梯度配置引致的數(shù)據(jù)要素信息差異會抑制資本密集型工業(yè)數(shù)據(jù)要素的共享性和延展性。資本密集型工業(yè)為降低數(shù)據(jù)搜尋成本，進一步擴展數(shù)據(jù)要素的生產(chǎn)和流通，傾向于在新知識、資源基礎上密切關注具有確定產(chǎn)權屬性的探索性研發(fā)決策，通過消除數(shù)據(jù)要素資本化配置過程中的信息不對稱，大幅降低數(shù)據(jù)要素的資本化成本，有效提高數(shù)據(jù)要素的強互補性與強外部性效率。在這個意義上，致力于向生產(chǎn)鏈高附加值環(huán)節(jié)攀升的產(chǎn)業(yè)數(shù)字化已成為有效撬動基于打破傳統(tǒng)規(guī)則并以新技術、新產(chǎn)品取而代之的探索型工業(yè)創(chuàng)新發(fā)展的杠桿。事實上，資本密集型工業(yè)數(shù)據(jù)要素與推動實體經(jīng)濟有效運行的數(shù)字化產(chǎn)業(yè)深度融合，利用大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)等數(shù)字技術改造現(xiàn)有生產(chǎn)流程、生產(chǎn)線、企業(yè)及機構等，以實現(xiàn)產(chǎn)業(yè)數(shù)字化發(fā)展，并結合數(shù)據(jù)中心、智能終端和數(shù)據(jù)庫等基礎設施配置，高效推動數(shù)據(jù)要素與資本要素在實體經(jīng)濟中融合，進而推動工業(yè)全要素生產(chǎn)率提升。也就是說，以數(shù)字資源為核心的輕資產(chǎn)模式與傳統(tǒng)固定資產(chǎn)高投入模式結合有助于產(chǎn)業(yè)快速轉型升級，提升工業(yè)全要素生產(chǎn)率。基于上述分析，本文提出以下假設：

H1：隨著中國工業(yè)數(shù)字化水平大幅提高，以追求資源有效配置和消除信息不對稱為目標的探索型研發(fā)決策能夠顯著提升資本密集型工業(yè)全要素生產(chǎn)率。

數(shù)據(jù)要素驅動技術創(chuàng)新的關鍵在于治理機制與規(guī)則體系設計，工業(yè)化早期的數(shù)字化、智能化、網(wǎng)絡化資源整合力量薄弱，單純依靠企業(yè)自發(fā)進行的數(shù)字化結構轉型嘗試效率低下，難以實現(xiàn)根本性的技術創(chuàng)新。隨著工業(yè)研發(fā)基礎能力不斷提升，數(shù)據(jù)要素在工業(yè)領域與傳統(tǒng)要素融合使得數(shù)據(jù)安全風險泛化，數(shù)據(jù)信息可共享和可重復使用使得部分資本密集型企業(yè)逐漸向知識密集型企業(yè)過渡，市場風險和研發(fā)活動的信息不對稱導致研發(fā)創(chuàng)新過程充滿不確定性、研發(fā)成果易成為公共品、試錯容錯風險高，不利于轉型升級，因而企業(yè)更傾向于依賴現(xiàn)有資源與知識的利用型研發(fā)決策。同時，資本密集型行業(yè)利用資本優(yōu)勢，投資數(shù)字化基礎設施，以提高數(shù)字資源整合能力，但利用式研發(fā)決策形成的規(guī)模效益與學習效應會使企業(yè)陷入“成功陷阱”[20]，阻礙企業(yè)進行顛覆式創(chuàng)新的路徑突破，從而使企業(yè)長期徘徊于當前的低效狀態(tài)，且現(xiàn)有資源與技術過于基礎而難以與數(shù)據(jù)要素融合或融合效益低下，導致經(jīng)濟成效不顯著。因此，企業(yè)決策者基于資源成本和風險承擔能力，偏向于減少研發(fā)部門要素投入，以規(guī)避技術創(chuàng)新帶來的高風險，而研發(fā)部門資本投入縮減又會制約工業(yè)全要素生產(chǎn)率提升。也就是說，能夠規(guī)避數(shù)據(jù)安全風險的利用型研發(fā)決策對資本密集型工業(yè)全要素生產(chǎn)率的提升作用不明顯?；谏鲜龇治?，本文提出以下假設：

H2：隨著中國工業(yè)數(shù)字化水平大幅提高，能夠規(guī)避數(shù)據(jù)安全風險的利用型研發(fā)決策對資本密集型工業(yè)全要素生產(chǎn)率的正向效應不顯著。

隨著經(jīng)濟發(fā)展進入新常態(tài)，勞動密集型工業(yè)出現(xiàn)勞動力配置過度狀況，而勞動力資源配置不均衡會抑制生產(chǎn)率提升[21]。數(shù)字技術普及會增加高端勞動力需求，數(shù)字化發(fā)展需要大量人力資本投入，以完全釋放規(guī)模擴張潛力，通過對人才的智能化改造擴大經(jīng)濟系統(tǒng)中高端生產(chǎn)要素的投入規(guī)模，從而有效提升人力資源管理水平，加快推進數(shù)據(jù)要素與傳統(tǒng)勞動要素融合，驅動生產(chǎn)要素從低生產(chǎn)率部門向高收益部門轉移，并且在要素轉移過程中提升技術創(chuàng)新與人力資本水平，進而有效促進工業(yè)全要素生產(chǎn)率提高。數(shù)據(jù)要素賦能迫使社會從業(yè)者學習新的知識、技能，以適應生產(chǎn)方式變革，勞動者擇業(yè)靈活性得以提高，促使我國勞動力更多參與國際分工中生產(chǎn)鏈高附加值的技術創(chuàng)新環(huán)節(jié)，進而促進經(jīng)濟增長。同時，高技能者的技術外溢還能提高低技術產(chǎn)業(yè)的生產(chǎn)率，加快勞動密集型行業(yè)新舊動能轉換，有利于產(chǎn)業(yè)結構升級[22]。然而，探索型研發(fā)決策具有高風險，勞動密集型行業(yè)對新知識的整合能力較弱，不協(xié)調的勞動力結構難以滿足技術快速變化的市場需求，導致應對技術環(huán)境變化的風險承受能力弱。因此，探索型研發(fā)決策對勞動密集型工業(yè)全要素生產(chǎn)率的促進作用較弱?；谏鲜龇治?，本文提出以下假設：

H3：隨著數(shù)據(jù)要素在勞動密集型工業(yè)中的勞動資源配置效率不斷提高，追求高技術、高效益的探索型研發(fā)決策會弱化數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的正向效應。

數(shù)據(jù)要素與傳統(tǒng)勞動要素融合會對勞動力市場產(chǎn)生沖擊作用。一方面，產(chǎn)業(yè)數(shù)字化發(fā)展需要高技能人才投入，人工智能和機器人逐漸替代傳統(tǒng)勞動力，機器人等自動化設備的普及導致程序化工作需求減少，數(shù)據(jù)要素對低人力成本、低技能要求職業(yè)的擠出效應在一定程度上倒逼其提高自身技能和個體競爭力，以適應日益復雜的市場環(huán)境[23]。另一方面，數(shù)字化發(fā)展在擠出部分具有重復性質的雇傭勞動的同時，也產(chǎn)生工作要求更高、更加復雜化的工作任務，創(chuàng)造新的工作崗位，數(shù)字經(jīng)濟對勞動力市場的替代效應有利于中、低技能勞動力自我提升和高素質人才引進，進而提高勞動力資源配置效率[24]。利用型研發(fā)決策形成的規(guī)模經(jīng)濟與范圍經(jīng)濟通過改變勞動力市場的成本結構和勞動力素質，加快數(shù)據(jù)要素與傳統(tǒng)要素相互滲透融合，促進企業(yè)對現(xiàn)有知識的進一步開發(fā)。數(shù)據(jù)要素的融入使得勞動密集型行業(yè)更容易通過產(chǎn)品改進與開發(fā)提升績效，有利于企業(yè)專注于降低成本，并從現(xiàn)有資源中獲得最大收益，而無需進行大量投資、承擔高風險。也就是說，企業(yè)追求低成本、低風險的利用型研發(fā)決策會增強數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的促進作用?；谏鲜龇治?，本文提出以下假設：

H4：隨著數(shù)據(jù)要素與傳統(tǒng)要素融合對勞動密集型工業(yè)比較優(yōu)勢形成沖擊，以追求低成本、低風險為戰(zhàn)略動機的利用型研發(fā)決策能夠顯著促進工業(yè)全要素生產(chǎn)率提升。

根據(jù)上述分析，本文研究假設的內(nèi)在邏輯關系如圖1所示。

2 模型與數(shù)據(jù)來源

2.1 模型構建

為估計數(shù)據(jù)要素與研發(fā)決策對工業(yè)全要素生產(chǎn)率的影響，本文構造一個數(shù)據(jù)要素影響工業(yè)全要素生產(chǎn)率的計量模型，并將研發(fā)決策納入其中。

TFPit=α0+α1OSit+∑kαkcontrolit+δi+ηt+εit

(1)

式(1)中，TFPit表示行業(yè)i第t年的工業(yè)全要素生產(chǎn)率，OSit為工業(yè)機器人使用量，controlit為一組影響工業(yè)全要素生產(chǎn)率的控制變量，δi、ηt分別代表個體和時間效應，εit為隨機干擾項，α、β為待估參數(shù)。為保證數(shù)據(jù)的平穩(wěn)性、降低模型可能存在的異方差問題，本文對解釋變量和被解釋變量進行對數(shù)處理。

為進一步考察研發(fā)決策在數(shù)據(jù)要素與其它要素融合過程中對工業(yè)全要素生產(chǎn)率的影響，本文在式(1)基礎上增加工業(yè)機器人與研發(fā)決策的交互項，以考察研發(fā)決策在數(shù)據(jù)要素影響工業(yè)全要素生產(chǎn)率過程中的作用。模型設定如下：

lnTFPit=β0+β1lnOSit+β2RDit+β3OSit·RDit+∑kβkcontrolit+δi+ηt+εit

(2)

式(2)中，RD表示行業(yè)i第t年的研發(fā)決策。

圖1 研究假設的邏輯關系Fig.1 The logical relationship of research hypothesis

2.2 變量度量

(1)被解釋變量：工業(yè)全要素生產(chǎn)率(TFP)。工業(yè)全要素生產(chǎn)率是綜合衡量工業(yè)投入要素增長率不變情形下，由純技術進步導致的產(chǎn)出增長率，是技術進步對工業(yè)產(chǎn)出的綜合反映。基于此，本文采用工業(yè)全要素生產(chǎn)率作為被解釋變量。

(2)解釋變量：數(shù)據(jù)要素(OS)。國際機器人聯(lián)合會(IFR)將工業(yè)機器人定義為自動控制、可重新編程和多用途的機器。工業(yè)機器人、自動化技術和智能算法等數(shù)字化前沿技術作為一種新興生產(chǎn)方式，能夠長期促進工業(yè)全要素生產(chǎn)率提高[25]，反映數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的影響程度。本文在已有文獻基礎上，選取IFR世界工業(yè)機器人數(shù)據(jù)庫中工業(yè)機器人使用量作為數(shù)據(jù)要素的度量指標。

研發(fā)決策(RD)。研發(fā)決策采用工業(yè)行業(yè)人工智能發(fā)明專利授權數(shù)與有效發(fā)明專利授權數(shù)之比衡量。不同要素密集度行業(yè)的研發(fā)決策行為不同，研發(fā)決策程度越高，意味著企業(yè)在未知領域進行的探索越多，在新技術、知識、資源方面取得的突破越多，越傾向于探索式研發(fā)決策，也反映出以數(shù)據(jù)要素為主導的生產(chǎn)要素投入比例越大。相應地，研發(fā)決策程度越低則意味著企業(yè)傾向于利用已有資源的漸進式創(chuàng)新。在具體測算上，本文首先計算2010—2019年各行業(yè)研發(fā)決策度，即將行業(yè)不同年份的研發(fā)決策度中位數(shù)視為該行業(yè)研發(fā)決策情況，然后將所有行業(yè)研發(fā)決策度中位數(shù)作為劃分行業(yè)研發(fā)決策的標準，當行業(yè)小于該標準時，為利用型研發(fā)決策，反之為探索型研發(fā)決策。

(3)控制變量(control)。借鑒邵興軍和田立新[26]等的做法，本文選取人均固定資產(chǎn)投入、人力資本存量、行業(yè)集中度、能源強度和貿(mào)易開放度作為控制變量。其中，人均固定資產(chǎn)投入(PCA)用于衡量資本密集度變化對工業(yè)全要素生產(chǎn)率的影響。資本密集度和發(fā)展水平越高的行業(yè)，對高技能人才的吸引力越強，有利于提高工業(yè)全要素生產(chǎn)率，本文以各行業(yè)固定資產(chǎn)原值與平均用工人數(shù)的比值表征人均固定資產(chǎn)投入。人力資本存量(SHC)能夠反映工業(yè)行業(yè)勞動力結構與人員素質情況，直接影響工業(yè)全要素生產(chǎn)率，本文參照陳維濤等[17]的處理方法，以教育年限法衡量人力資本存量，即人均受教育年限與工業(yè)行業(yè)年平均從業(yè)人數(shù)的乘積。行業(yè)內(nèi)企業(yè)聚集程度會影響行業(yè)借助規(guī)模經(jīng)濟與學習效應提高工業(yè)全要素生產(chǎn)率，本文利用各行業(yè)產(chǎn)值與行業(yè)企業(yè)數(shù)量之比衡量行業(yè)集中度(CR)。不同要素密集型工業(yè)的要素投入程度存在差異，而生產(chǎn)技術和設施配置水平越高的工業(yè)對能源的利用程度更高，因而不同程度的能源強度對工業(yè)全要素生產(chǎn)率的影響也具有差異性，本文以各行業(yè)能源總消耗量與工業(yè)總產(chǎn)值的比重表征能源強度(GEI)。貿(mào)易開放程度代表行業(yè)對它國先進技術、產(chǎn)品或服務、設施引進和產(chǎn)品外銷情況。高貿(mào)易開放度有利于企業(yè)改進生產(chǎn)技術，倒逼企業(yè)不斷學習，以適應新技術變革，進而促進工業(yè)全要素生產(chǎn)率提升，本文以各行業(yè)進出口貿(mào)易總額與工業(yè)總產(chǎn)值的比重表征貿(mào)易開放度(OPEN)。

2.3 數(shù)據(jù)來源

本文數(shù)據(jù)來自《中國統(tǒng)計年鑒》《中國人口統(tǒng)計年鑒》《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》及國際機器人聯(lián)合會數(shù)據(jù)庫。各主要變量的描述性統(tǒng)計結果見表1。

表1 變量描述性統(tǒng)計結果Tab.1 Descriptive statistics of the variables

3 計量分析結果

3.1 基本估計結果

表2報告了式(2)的估計結果，其中，列(1)為全樣本估計結果，列(2)、(3)分別為數(shù)據(jù)要素與資本密集型工業(yè)探索(利用)型研發(fā)決策對工業(yè)全要素生產(chǎn)率的估計結果，列(4)、(5)分別為數(shù)據(jù)要素與勞動密集型工業(yè)探索(利用)型研發(fā)決策對工業(yè)全要素生產(chǎn)率的估計結果。各模型的R2依次為0.714 6、0.645 2、0.668 4、0.676 5、0.624 6，表明計量模型具有較好的擬合優(yōu)度，F(xiàn)統(tǒng)計量均在1%的統(tǒng)計水平上顯著，且方差膨脹因子(VIF)均小于5，意味著模型不存在多重共線性。

表2結果顯示，數(shù)據(jù)要素(OS)對工業(yè)全要素生產(chǎn)率(TFP)具有顯著正向效應(OS系數(shù)顯著為正)。表明數(shù)據(jù)要素通過與資本、勞動要素協(xié)同聯(lián)動實現(xiàn)要素供求的精準匹配，數(shù)字化推廣與滲透促進新增長動能的積累，通過數(shù)字化平臺建設有力推動要素資源的靈活配置，助力產(chǎn)業(yè)數(shù)字化轉型，從而提升工業(yè)全要素生產(chǎn)率。數(shù)據(jù)要素(OS)對資本密集型工業(yè)全要素生產(chǎn)率的影響顯著大于勞動密集型工業(yè)，可能的原因是數(shù)據(jù)要素與資本融合更為協(xié)調。資本密集型工業(yè)通過資本深化數(shù)據(jù)要素對全要素生產(chǎn)率的提升效應，進一步促進企業(yè)擴大生產(chǎn)規(guī)模，提高勞動力就業(yè)水平，進而提高勞動力在資本密集型工業(yè)中的配置效率，對勞動密集型工業(yè)的高素質勞動力形成競爭效應，使得數(shù)據(jù)要素在資本密集型工業(yè)的表現(xiàn)優(yōu)于勞動密集型工業(yè)。此外，數(shù)據(jù)要素(OS)與研發(fā)決策(RD)的交互作用能夠協(xié)同推進工業(yè)全要素生產(chǎn)率提升(OS×RD的系數(shù)顯著為正)。當數(shù)據(jù)要素(OS)與探索型研發(fā)決策的交互項(OS×RD)每提高1%，工業(yè)全要素生產(chǎn)率將提高13.35%(通過10%的顯著性檢驗)。這意味著致力于前沿技術顛覆性創(chuàng)新的探索型研發(fā)決策為數(shù)據(jù)要素與實體經(jīng)濟融合創(chuàng)造基礎環(huán)境，憑借其獨創(chuàng)性技術進步形成企業(yè)核心競爭力，有效提升資本密集型工業(yè)全要素生產(chǎn)率，H1得到驗證。

數(shù)據(jù)要素(OS)與利用型研發(fā)決策(RD)的交互項(OS×RD)每提高1%，資本密集型工業(yè)全要素生產(chǎn)率將提高19.31%(未能通過顯著性檢驗)。可能的原因是，資本密集型工業(yè)資本要素過度投入造成內(nèi)部資源冗余，導致低效率的資源配置。雖然豐裕的資本投入能提高資本密集型工業(yè)全要素生產(chǎn)率，但數(shù)據(jù)要素與傳統(tǒng)要素之間的協(xié)調性較差，使利用型研發(fā)決策弱化企業(yè)對市場環(huán)境變化的適應能力，且形成的依賴型路徑難以消化數(shù)據(jù)要素靈活的市場化配置需求，導致工業(yè)數(shù)字化創(chuàng)新侵占其它業(yè)務資源的同時，加重內(nèi)部資源配置負擔。此外，低風險、低成本的利用式研發(fā)決策有利于企業(yè)專注于投資當前資源，從而在低附加值領域取得最大利潤。在這個意義上，數(shù)據(jù)要素與利用型研發(fā)決策對工業(yè)全要素生產(chǎn)率的影響并不明顯，H2得到驗證。

表2 數(shù)據(jù)要素、研發(fā)決策影響工業(yè)全要素生產(chǎn)率的基準估計結果Tab.2 Basic estimation results of data elements and R&D decision affecting industrial total factor productivity

勞動密集型工業(yè)數(shù)據(jù)要素投入每提高1%，工業(yè)全要素生產(chǎn)率將分別提高7.21%和7.05%(通過1%的顯著性檢驗)。表明數(shù)字化工業(yè)對勞動密集型工業(yè)中、低技能勞動的擠出與替代使得勞動素質大幅提升，高技能人才占比提高有助于企業(yè)高效生產(chǎn)，直接提高工業(yè)勞動生產(chǎn)率。這意味著工業(yè)機器人的使用作為一種物化的技術進步，能夠通過技術溢出顯著促進工業(yè)全要素生產(chǎn)率提升。數(shù)據(jù)要素與探索型研發(fā)決策的交互項(OS×RD)每提高1%，工業(yè)全要素生產(chǎn)率會降低15.51%(通過5%的顯著性檢驗)，表明勞動密集型行業(yè)探索型研發(fā)決策會削弱數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的促進作用?？赡艿脑蚴?，探索型研發(fā)決策對新投入的數(shù)據(jù)要素整合能力要求較高，具有高風險性，而勞動密集型行業(yè)人力資本結構不平衡，無法協(xié)調需求波動劇烈的市場環(huán)境和快速變化的技術環(huán)境，因而數(shù)據(jù)要素會抑制工業(yè)全要素生產(chǎn)率，H3得到驗證。

勞動密集型工業(yè)數(shù)據(jù)要素與利用型研發(fā)決策的交互項(OS×RD)每提高1%，工業(yè)全要素生產(chǎn)率將提升18.79%(通過5%的顯著性檢驗)。表明勞動密集型工業(yè)數(shù)據(jù)要素與勞動要素融合對工作技能要求提高，倒逼低技能勞動者通過技術培訓提升競爭力，以滿足不同細分市場的勞動力需求，從而提高企業(yè)單位時間內(nèi)的產(chǎn)出水平，只需改進現(xiàn)有產(chǎn)品而無需進行高投入、承擔高風險的利用型研發(fā)決策，能夠通過產(chǎn)品競爭效應進一步增強數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的促進作用，H4得到檢驗。

控制變量中，人均固定資產(chǎn)投入(PCA)每增加1個單位，資本密集型工業(yè)全要素生產(chǎn)率將提高16.04%(通過1%的顯著性檢驗)和24.16%(通過5%的顯著性檢驗)，勞動密集型工業(yè)全要素生產(chǎn)率同步提升25.24%(通過1%的顯著性檢驗)，表明人均固定資產(chǎn)投入對工業(yè)全要素生產(chǎn)率具有顯著正向效應。人力資本存量(SHC)每增加1個單位，資本密集型工業(yè)全要素生產(chǎn)率將提高22.59%(通過5%的顯著性檢驗)，勞動密集型工業(yè)全要素生產(chǎn)率將提升20.75%(通過1%的顯著性檢驗)，表明人力資本存量對工業(yè)全要素生產(chǎn)率具有顯著正向效應。行業(yè)集中度(CR)每增加1個單位，工業(yè)全要素生產(chǎn)率將提高8.63%(通過1%的顯著性檢驗)。能源強度(GEI)每增加1個單位，工業(yè)全要素生產(chǎn)率會下降25.01%(通過1%的顯著性檢驗)，表明能源強度對工業(yè)全要素生產(chǎn)率提升具有負向效應，對資本密集型工業(yè)全要素生產(chǎn)率的負向影響遠超勞動密集型工業(yè)。該結論與現(xiàn)實相符，且與已有研究結果一致[26]。貿(mào)易開放度(OPEN)每增加1個單位，工業(yè)全要素生產(chǎn)率將提高5.85%(通過5%的顯著性檢驗)，表明引進國外先進生產(chǎn)技術對推進中國工業(yè)數(shù)據(jù)要素與傳統(tǒng)要素融合具有顯著正向作用?？赡艿脑蚴?，中國工業(yè)數(shù)據(jù)要素賦能的邊際貢獻與國際水平的差距正在逐漸縮小。

3.2 穩(wěn)健性檢驗

為檢驗基本估計結果的可靠性，本文以工業(yè)勞動生產(chǎn)率(LLP)作為被解釋變量檢驗式(2)的穩(wěn)健性，估計結果如表3所示。

表3結果顯示，所有模型中數(shù)據(jù)要素(OS)的估計系數(shù)均在10%的統(tǒng)計水平上顯著為正，且回歸系數(shù)相差較小，表明數(shù)據(jù)要素對工業(yè)勞動生產(chǎn)率的正向促進作用成立。列(1)結果顯示，研發(fā)決策對工業(yè)勞動生產(chǎn)率具有顯著負向影響(在10%的水平上顯著)，且與基準檢驗結果相比，經(jīng)濟顯著性和統(tǒng)計顯著性有所增強。不同要素密集型工業(yè)數(shù)據(jù)要素與探索(利用)型研發(fā)決策交互項的估計結果顯示，除列(3)外，均在5%的統(tǒng)計水平上顯著，表明勞動密集型工業(yè)探索型研發(fā)決策對工業(yè)勞動生產(chǎn)率具有顯著抑制作用。這意味著勞動密集型工業(yè)對新知識的整合能力和風險抵御能力阻礙其進行探索型創(chuàng)新，與前文結論保持一致?？刂谱兞恐?，人均固定資產(chǎn)、人力資本存量和貿(mào)易開放度的回歸系數(shù)符號一致。值得注意的是，列(5)中行業(yè)集中度的系數(shù)在5%的統(tǒng)計水平上顯著為負，與前文結論相反，主要是因為工業(yè)勞動生產(chǎn)率測算的是工業(yè)總產(chǎn)值與勞動力的比值，行業(yè)集中度的系數(shù)符號對本文穩(wěn)健性檢驗不構成影響。因此，計量模型的檢驗結果具有穩(wěn)健性。

表3 數(shù)據(jù)要素、研發(fā)決策影響工業(yè)全要素生產(chǎn)率的穩(wěn)健性檢驗結果Tab.3 Robustness test results of data elements and R&D decision affecting industrial total

3.3 內(nèi)生性分析

考慮到數(shù)據(jù)要素規(guī)模收益遞增引致的倍增效應能夠大幅提升工業(yè)全要素生產(chǎn)率，而工業(yè)全要素生產(chǎn)率又可以通過前沿面移動影響數(shù)據(jù)要素配置，因而估計結果可能存在一定程度的內(nèi)生性影響。為緩解這一問題，本文借鑒李成友等[27]的做法，采用滯后一期的工業(yè)機器人使用量(OS_lag)作為工具變量，對式(2)進行內(nèi)生性分析。該工具變量只與當期工業(yè)機器人使用量高度相關，而與當期其它干擾項不相關，符合工具變量選取的前提假設條件，估計結果如表4所示。

表4結果顯示，F(xiàn)檢驗在1%的水平上顯著，說明本文選取工業(yè)機器人使用量的滯后期作為工具變量是合理的?？紤]內(nèi)生性問題后，數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的系數(shù)普遍下降，顯著性有所增強。資本密集型工業(yè)探索型研發(fā)決策對工業(yè)全要素生產(chǎn)率具有顯著正向作用，利用型研發(fā)決策的正向作用依然不顯著；勞動密集型行業(yè)探索型研發(fā)決策會抑制數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的提升作用，利用型研發(fā)決策顯著提升數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的效應。內(nèi)生性分析結果與基準結果保持一致，表明數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率影響的估計結果在不同要素密集型工業(yè)之間具有較高的一致性。

表4 數(shù)據(jù)要素、研發(fā)決策影響工業(yè)全要素生產(chǎn)率的內(nèi)生性估計結果Tab.4 Endogenous estimation results of data elements and R&D decision affecting industrial total factor productivity

4 結論與政策含義

本文構建一個數(shù)據(jù)要素影響工業(yè)全要素生產(chǎn)率模型，并將研發(fā)決策納入其中，利用2010—2019年中國工業(yè)面板數(shù)據(jù)檢驗數(shù)據(jù)要素與研發(fā)決策對工業(yè)全要素生產(chǎn)率的影響。在控制人均固定資產(chǎn)投入等變量后發(fā)現(xiàn)：首先，數(shù)據(jù)要素與資本、勞動的動態(tài)聯(lián)動能夠顯著提升工業(yè)全要素生產(chǎn)率，并且數(shù)據(jù)要素對資本密集型工業(yè)全要素生產(chǎn)率的作用顯著優(yōu)于勞動密集型工業(yè)。其次，研發(fā)決策對不同要素密集型工業(yè)全要素生產(chǎn)率的影響呈現(xiàn)出顯著差異性。資本密集型工業(yè)利用充裕的資本進行投資研發(fā)與整合的探索型研發(fā)決策對工業(yè)全要素生產(chǎn)率具有顯著提升作用，而囿于高風險的利用型研發(fā)決策對工業(yè)全要素生產(chǎn)率的促進作用不明顯。勞動密集型工業(yè)充足的勞動力資源與新知識整合的高風險導致行業(yè)缺乏突破式創(chuàng)新動力，不利于工業(yè)全要素生產(chǎn)率提升，而追求低風險的利用型研發(fā)則顯著促進勞動密集型工業(yè)全要素生產(chǎn)率提升。最后，研發(fā)決策對數(shù)據(jù)要素與工業(yè)全要素生產(chǎn)率之間的關系具有顯著影響。數(shù)據(jù)要素與資本要素的協(xié)調融合能夠有效提升資本密集型工業(yè)資源配置效率，顯著提升資本密集型工業(yè)全要素生產(chǎn)率。數(shù)據(jù)要素與傳統(tǒng)要素融合不協(xié)調導致資源錯配以及為規(guī)避數(shù)據(jù)安全風險的利用型研發(fā)決策對資本密集型工業(yè)全要素生產(chǎn)率的提升作用不顯著；勞動密集型工業(yè)應對劇烈變化技術和市場的能力以及對新知識的整合能力導致探索型研發(fā)決策弱化數(shù)據(jù)要素對工業(yè)全要素生產(chǎn)率的促進作用。此外，數(shù)據(jù)要素與勞動要素融合能夠提高勞動力資源配置效率，聚焦低成本、低風險的利用型研發(fā)決策顯著增強數(shù)據(jù)要素對勞動密集型工業(yè)全要素生產(chǎn)率的促進作用。

上述結論具有深刻的政策含義：

首先，積極發(fā)展數(shù)字技術，提高中國工業(yè)數(shù)字化水平，充分發(fā)揮各要素的協(xié)同聯(lián)動作用。強化傳統(tǒng)要素與新技術的整合，增強知識的交互作用，充分利用數(shù)據(jù)要素帶來的技術溢出效應塑造競爭力優(yōu)勢。保障產(chǎn)業(yè)配套設施建設質量，通過大數(shù)據(jù)技術的平臺效應及產(chǎn)業(yè)鏈分工優(yōu)化，降低資源錯配，利用數(shù)據(jù)中心、網(wǎng)絡、數(shù)據(jù)庫等軟件基礎平臺，為數(shù)據(jù)要素與傳統(tǒng)要素的高效融合營造基礎環(huán)境，為數(shù)字化與現(xiàn)有資源的協(xié)同發(fā)展提供有力支持。

其次，建立健全數(shù)據(jù)市場制度，充分實現(xiàn)資本、勞動、知識、技術及數(shù)據(jù)等要素的價值。市場風險、研發(fā)創(chuàng)新過程的不確定性以及研發(fā)成果易成為公共品等會阻礙數(shù)據(jù)要素與其它要素的有效融合，必須完善要素市場規(guī)則與秩序，建立健全數(shù)據(jù)權屬、公開、共享和交易規(guī)則以及數(shù)據(jù)與其它生產(chǎn)要素的交易規(guī)則。此外，需提高企業(yè)與政府部門的雙向溝通和反饋效率，提升相互協(xié)調配合能力，共同致力于網(wǎng)絡安全建設，形成較為成熟的網(wǎng)絡風險預警與溯源、數(shù)據(jù)安全事件緊急預案與反攻擊系統(tǒng)以及數(shù)據(jù)資源安全保障等風險應對機制，積極面對潛在數(shù)據(jù)安全風險。

最后，完善工業(yè)人才培養(yǎng)與評價體系，充分發(fā)揮高技能人才的專業(yè)技術能力，提高中、低技能勞動要素的技能素質。數(shù)據(jù)要素與勞動要素融合意味著越來越多低技能勞動者將被取代，在對勞動結構產(chǎn)生負面沖擊的同時，也對人力資本素質提出了新要求。因此，應高度重視低技能勞動者的素質培養(yǎng)，加大對人才培養(yǎng)的投入力度，優(yōu)化教育和培訓體系，使勞動者快速適應數(shù)字化發(fā)展，提高人機協(xié)作水平，在提升生產(chǎn)效率的同時，提高勞動力核心競爭力，促進勞動要素與數(shù)字化建設的有機融合。

與已有文獻相比，本文刻畫了數(shù)據(jù)要素如何與勞動、資本等傳統(tǒng)要素融合，以發(fā)揮更大創(chuàng)新潛力的作用路徑，強調數(shù)據(jù)要素成為一種新生產(chǎn)要素并非單獨發(fā)揮作用，而是增強了現(xiàn)有生產(chǎn)要素之間的交互關系，進而形成提升創(chuàng)新水平的動力。同時，從研發(fā)決策視角研究數(shù)據(jù)要素的賦能能力，在考慮資本和勞動密集型工業(yè)異質性研發(fā)決策基礎上，考察了探索型與利用型研發(fā)決策在數(shù)據(jù)要素與資本、勞動要素融合過程中發(fā)揮的作用。需要注意的是，如何將數(shù)據(jù)要素與研發(fā)決策納入生產(chǎn)函數(shù)，在規(guī)模報酬遞增框架下考察數(shù)據(jù)要素賦能對工業(yè)全要素生產(chǎn)率的影響，將是未來研究方向之一。