高 越，張淑婷

（山東理工大學(xué) 經(jīng)濟(jì)學(xué)院，山東 淄博 255000）

一、引言

當(dāng)前，世界正進(jìn)入數(shù)字時(shí)代，數(shù)據(jù)要素成為各國(guó)經(jīng)濟(jì)增長(zhǎng)的重要推動(dòng)力。2021 年，國(guó)務(wù)院在《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》中，強(qiáng)調(diào)“數(shù)據(jù)要素是數(shù)字經(jīng)濟(jì)深化發(fā)展的核心引擎，數(shù)據(jù)對(duì)提高生產(chǎn)效率的乘數(shù)作用不斷凸顯，成為最具時(shí)代特征的生產(chǎn)要素”。瑞士管理發(fā)展研究院（IMD）世界競(jìng)爭(zhēng)力中心把數(shù)據(jù)要素劃分為數(shù)字技術(shù)、數(shù)據(jù)知識(shí)和數(shù)字化轉(zhuǎn)型能力三個(gè)維度，其中：數(shù)字技術(shù)指物聯(lián)網(wǎng)、人工智能、云計(jì)算、區(qū)塊鏈等的應(yīng)用，是數(shù)字經(jīng)濟(jì)發(fā)展的重要標(biāo)志；數(shù)據(jù)知識(shí)反映一個(gè)國(guó)家或地區(qū)開發(fā)、理解、學(xué)習(xí)數(shù)字技術(shù)的能力，不僅能夠作為勞動(dòng)工具，帶來生產(chǎn)效率的提高和生產(chǎn)能力提升，還可以作為勞動(dòng)對(duì)象，具備價(jià)值和使用價(jià)值；數(shù)字化轉(zhuǎn)型能力指標(biāo)刻畫了國(guó)家層面應(yīng)對(duì)數(shù)字經(jīng)濟(jì)進(jìn)行轉(zhuǎn)型升級(jí)的能力。當(dāng)前，數(shù)字經(jīng)濟(jì)發(fā)展繁榮，制造業(yè)企業(yè)要利用好數(shù)據(jù)要素，這對(duì)于行業(yè)的數(shù)字化轉(zhuǎn)型和企業(yè)的生產(chǎn)率提升都具有重要意義。同時(shí)，探尋新時(shí)代下的比較優(yōu)勢(shì)來源有助于鞏固和進(jìn)一步擴(kuò)大我國(guó)國(guó)際競(jìng)爭(zhēng)力，實(shí)現(xiàn)更高水平的對(duì)外開放?；诖耍疚难芯繑?shù)據(jù)要素是否為構(gòu)成比較優(yōu)勢(shì)的來源，明確數(shù)據(jù)要素的重要作用并闡明其作用機(jī)制，旨在為制造業(yè)行業(yè)和國(guó)家經(jīng)濟(jì)高質(zhì)量發(fā)展提供新的思路。

數(shù)據(jù)要素對(duì)企業(yè)生產(chǎn)、社會(huì)經(jīng)濟(jì)發(fā)展都將產(chǎn)生廣泛而深遠(yuǎn)的影響。對(duì)于企業(yè)來說，數(shù)據(jù)要素不僅作為生產(chǎn)要素直接參與生產(chǎn)，還能優(yōu)化企業(yè)的要素配置，促進(jìn)企業(yè)出口產(chǎn)品質(zhì)量升級(jí)，提升產(chǎn)品競(jìng)爭(zhēng)力。與傳統(tǒng)要素相比，數(shù)據(jù)要素通過不同渠道、方式進(jìn)入生產(chǎn)過程和資本積累過程，更有利于全要素生產(chǎn)率的提升（徐翔和趙墨非，2020）［1］；黨琳等（2021）［2］認(rèn)為，制造業(yè)數(shù)字化轉(zhuǎn)型可以促進(jìn)出口技術(shù)復(fù)雜度的提高；肖旭和戚聿東（2019）［3］發(fā)現(xiàn)，數(shù)據(jù)要素的應(yīng)用有利于推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。與已有研究不同，本文主要研究數(shù)據(jù)要素在國(guó)際貿(mào)易中的地位，即數(shù)據(jù)要素是否是比較優(yōu)勢(shì)的一個(gè)驅(qū)動(dòng)要素，或者說是否構(gòu)成比較優(yōu)勢(shì)的一個(gè)來源。如果答案肯定，就為經(jīng)濟(jì)體的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)提供了一個(gè)途徑，這一研究對(duì)于加快數(shù)據(jù)要素積聚、優(yōu)化要素配置，在國(guó)際市場(chǎng)上實(shí)現(xiàn)更大競(jìng)爭(zhēng)優(yōu)勢(shì)具有重要意義。

現(xiàn)有相關(guān)文獻(xiàn)主要集中在對(duì)比較優(yōu)勢(shì)來源的研究，基于比較優(yōu)勢(shì)思想，利用計(jì)量分析工具驗(yàn)證某一比較優(yōu)勢(shì)驅(qū)動(dòng)要素。Debaere（2014）［4］研究了水資源；Wang和Li（2017）［5］考察了信息與通信技術(shù)；Freund 和Weinhold（2004）［6］研究了互聯(lián)網(wǎng)；Manova（2013）［7］分析了金融制度；Cai 和Stoyanov（2016）［8］研究了人口年齡結(jié)構(gòu)。在計(jì)量分析中，大多使用經(jīng)濟(jì)體的要素稟賦變量和行業(yè)要素密集度變量的交互項(xiàng)作為核心解釋變量，要素稟賦變量度量一個(gè)經(jīng)濟(jì)體某種要素的豐裕程度，要素密集度變量度量一個(gè)行業(yè)某種要素投入比例高低。若該交互項(xiàng)系數(shù)為正，則得到該要素是比較優(yōu)勢(shì)驅(qū)動(dòng)要素的結(jié)論。以上結(jié)果表明，這些要素都是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素。

本文的邊際貢獻(xiàn)在于對(duì)基于數(shù)據(jù)要素驅(qū)動(dòng)的國(guó)際貿(mào)易比較優(yōu)勢(shì)進(jìn)行了研究，驗(yàn)證了數(shù)據(jù)要素也是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素之一。與本文最接近的是信息與通信技術(shù)（Wang 和Li，2017）［5］、互聯(lián)網(wǎng)（Freund 和Weinhold，2004）［6］對(duì)國(guó)際貿(mào)易影響的研究，但這些研究只關(guān)注信息經(jīng)濟(jì)的某一方面，未在數(shù)字經(jīng)濟(jì)背景下，從數(shù)據(jù)要素角度研究比較優(yōu)勢(shì)的新來源。本文在數(shù)字經(jīng)濟(jì)背景下，考慮數(shù)據(jù)要素的重要性，用數(shù)據(jù)要素指標(biāo)度量了一個(gè)國(guó)家或地區(qū)的數(shù)據(jù)要素稟賦，還測(cè)算了各行業(yè)的數(shù)據(jù)要素密集度，首次驗(yàn)證了數(shù)據(jù)要素也是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素，即數(shù)據(jù)要素越豐裕的經(jīng)濟(jì)體出口越多的數(shù)據(jù)要素密集型產(chǎn)品。本文的啟示是可以通過積累數(shù)據(jù)要素來培育高端產(chǎn)業(yè)比較優(yōu)勢(shì)，并就我國(guó)如何積聚數(shù)據(jù)要素、提高數(shù)字競(jìng)爭(zhēng)力提出了應(yīng)對(duì)策略。

二、數(shù)據(jù)要素影響生產(chǎn)和貿(mào)易成本的理論分析

在數(shù)字經(jīng)濟(jì)背景下，數(shù)據(jù)以其特有的滲透性參與經(jīng)濟(jì)的各方面，數(shù)據(jù)要素與制造業(yè)的高度融合影響制造業(yè)的生產(chǎn)和貿(mào)易成本，從而對(duì)一個(gè)經(jīng)濟(jì)體的比較優(yōu)勢(shì)產(chǎn)生影響。

在生產(chǎn)方面，數(shù)據(jù)要素既可以直接作為生產(chǎn)要素催生出新興產(chǎn)業(yè)，比如大數(shù)據(jù)、人工智能等產(chǎn)業(yè)，涵蓋數(shù)據(jù)源、數(shù)據(jù)產(chǎn)品和數(shù)據(jù)服務(wù)等環(huán)節(jié)從而形成完整的產(chǎn)業(yè)鏈；又可以與傳統(tǒng)生產(chǎn)要素相融合，參與生產(chǎn)過程。在產(chǎn)品生產(chǎn)過程中，一方面，隨著數(shù)據(jù)要素的投入使用，投入越高的行業(yè)成本下降越大，數(shù)據(jù)要素對(duì)勞動(dòng)等傳統(tǒng)生產(chǎn)要素存在一定的替代效應(yīng)，正是在數(shù)據(jù)要素賦能勞動(dòng)要素和資本要素的過程中，實(shí)現(xiàn)了數(shù)據(jù)的要素化。Brynjolfsson 和Mcelheran（2016）［9］認(rèn)為，數(shù)據(jù)要素的應(yīng)用使管理者傾向于由數(shù)據(jù)驅(qū)動(dòng)做出決策，從而提高生產(chǎn)管理效率。從這個(gè)角度看，數(shù)據(jù)要素與勞動(dòng)要素的結(jié)合實(shí)現(xiàn)了勞動(dòng)力才能和效率的擴(kuò)展與延伸。資本要素比勞動(dòng)要素更為稀缺，因此，資本的高效利用是經(jīng)濟(jì)可持續(xù)發(fā)展的必然要求。呂鐵和李冉（2022）［10］認(rèn)為，數(shù)據(jù)要素的引入會(huì)使企業(yè)在原材料采購(gòu)、產(chǎn)品產(chǎn)出、產(chǎn)成品庫(kù)存等環(huán)節(jié)優(yōu)化銜接，能夠獲得實(shí)時(shí)反饋，便于及時(shí)調(diào)整，確保資源得到合理配置。數(shù)據(jù)的非競(jìng)爭(zhēng)性、可復(fù)制性使其邊際成本接近于零，打破了傳統(tǒng)生產(chǎn)要素的稀缺性和難以替代性，沖破了傳統(tǒng)要素聚集的空間約束和地理限制。另一方面，數(shù)據(jù)要素投入提高了生產(chǎn)效率，數(shù)據(jù)的快速流動(dòng)緩解了信息不對(duì)稱帶來的資源錯(cuò)配問題，一定程度上減少不確定性帶來的損失，有助于企業(yè)更好地進(jìn)行生產(chǎn)和研發(fā)決策。以大數(shù)據(jù)分析為例，Müller 等（2018）［11］證實(shí)，大數(shù)據(jù)可以使企業(yè)平均生產(chǎn)力提高3%～7%，并且數(shù)據(jù)的流通速度對(duì)企業(yè)創(chuàng)新的促進(jìn)作用顯著優(yōu)于數(shù)據(jù)的多樣性和數(shù)量的促進(jìn)作用。這說明數(shù)據(jù)要素的市場(chǎng)化同樣重要，要最大限度地實(shí)現(xiàn)數(shù)據(jù)要素的流動(dòng)和共享，只有數(shù)據(jù)“跑”起來，效益才能“聚”起來。徐翔和趙墨非（2020）［1］引入內(nèi)生增長(zhǎng)模型，分析數(shù)據(jù)要素對(duì)于經(jīng)濟(jì)增長(zhǎng)的直接影響和溢出效應(yīng)，證實(shí)了數(shù)據(jù)要素拉動(dòng)宏觀經(jīng)濟(jì)增長(zhǎng)的潛在能力；Farboodi 和Veldkamp（2021）［12］將數(shù)據(jù)要素納入增長(zhǎng)模型，發(fā)現(xiàn)數(shù)據(jù)要素投入有助于獲取信息，通過減少不確定性帶來生產(chǎn)效率提升，證實(shí)了數(shù)據(jù)要素投入在生產(chǎn)中的作用。

在貿(mào)易成本方面，數(shù)據(jù)要素在嵌入貿(mào)易環(huán)節(jié)的過程中降低交易成本。主要體現(xiàn)在四個(gè)方面：一是降低信息成本。數(shù)據(jù)要素能夠改善交易雙方信息的不完全、不對(duì)稱情況，降低搜尋和匹配成本，減少逆向選擇和道德風(fēng)險(xiǎn)，有效緩解價(jià)格扭曲等市場(chǎng)失靈現(xiàn)象，降低出口商的信息成本。二是降低支付成本。第三方支付平臺(tái)提供擔(dān)保服務(wù)，承擔(dān)并分散風(fēng)險(xiǎn)，降低了出口商因支付問題帶來的成本。三是降低證明成本。數(shù)據(jù)要素的應(yīng)用精簡(jiǎn)了貿(mào)易國(guó)間復(fù)雜的報(bào)稅、核查、審批等手續(xù)，從而降低出口成本。四是降低入場(chǎng)成本。數(shù)據(jù)要素的存在減弱了時(shí)間和空間的限制，減少企業(yè)出口固定成本支出，降低產(chǎn)品出口門檻，有利于中小企業(yè)的產(chǎn)品進(jìn)入出口市場(chǎng)。Abeliansky 和Hilbert（2016）［13］發(fā)現(xiàn)，IT 技術(shù)可以降低交易成本但對(duì)不同國(guó)家的作用有差異，對(duì)發(fā)達(dá)國(guó)家影響較小而對(duì)發(fā)展中國(guó)家影響較大；Lak?kakula 等（2020）［14］研究了區(qū)塊鏈技術(shù)對(duì)美國(guó)向中國(guó)出口大豆的影響，發(fā)現(xiàn)區(qū)塊鏈技術(shù)可以使交易成本顯著降低，交易時(shí)間也顯著縮短；Brynjolfsson 等（2018）［15］發(fā)現(xiàn)，eBay 能夠有效降低搜索成本；鞠雪楠等（2020）［16］研究“敦煌網(wǎng)”的交易數(shù)據(jù)，發(fā)現(xiàn)跨境電商能夠有效降低貿(mào)易固定成本。這些研究都表明，數(shù)據(jù)要素的使用對(duì)貿(mào)易成本具有顯著降低作用。

綜上，數(shù)據(jù)要素不僅能夠促進(jìn)生產(chǎn)，也能降低出口成本。根據(jù)比較優(yōu)勢(shì)理論，數(shù)據(jù)要素豐裕的經(jīng)濟(jì)體通常在數(shù)據(jù)要素密集型產(chǎn)品上具有比較優(yōu)勢(shì)。

三、數(shù)據(jù)要素影響國(guó)際貿(mào)易的計(jì)量模型和變量

本文根據(jù)比較優(yōu)勢(shì)理論設(shè)定計(jì)量模型，介紹解釋變量和被解釋變量的度量方法和數(shù)據(jù)來源。

（一）計(jì)量模型的設(shè)定

依據(jù)比較優(yōu)勢(shì)理論，一個(gè)國(guó)家或地區(qū)在密集使用其豐裕要素生產(chǎn)的產(chǎn)品上具有比較優(yōu)勢(shì)，而在密集使用其稀缺要素生產(chǎn)的產(chǎn)品上具有比較劣勢(shì)。因此，數(shù)據(jù)要素豐裕的國(guó)家或地區(qū)在數(shù)據(jù)要素密集型產(chǎn)品上具有比較優(yōu)勢(shì)。參考Cai 和Stoyanov（2016）［8］、Wang 和Li（2017）［5］等的方法，本文使用交互項(xiàng)的形式來識(shí)別比較優(yōu)勢(shì)的驅(qū)動(dòng)要素。

設(shè)定回歸模型，見式（1）。

其中：exportijk為出口國(guó)i向進(jìn)口國(guó)j在行業(yè)k上的出口；DPIk為行業(yè)k的數(shù)據(jù)要素密集度；Scorei為出口國(guó)i的數(shù)據(jù)要素指標(biāo)，即數(shù)據(jù)要素稟賦；DPIk與Scorei的交互項(xiàng)用來識(shí)別比較優(yōu)勢(shì)要素，該交互項(xiàng)的系數(shù)β3是被解釋變量exportijk對(duì)DPIk與Scorei的二階混合偏導(dǎo)數(shù)，其中，的含義為數(shù)據(jù)要素稟賦對(duì)出口影響的邊際效應(yīng)，（即β3）的含義為行業(yè)的數(shù)據(jù)要素密集度對(duì)上述邊際效應(yīng)的影響。若β3為正，則說明數(shù)據(jù)要素密集度越大的行業(yè)，經(jīng)濟(jì)體數(shù)據(jù)要素稟賦的出口促進(jìn)效應(yīng)越大，驗(yàn)證了比較優(yōu)勢(shì)的思想。綜上所述，若回歸系數(shù)β3大于0，則說明數(shù)據(jù)要素是比較優(yōu)勢(shì)的來源之一，即比較優(yōu)勢(shì)的驅(qū)動(dòng)要素之一。

與的交互項(xiàng)為表示比較優(yōu)勢(shì)其他來源的控制變量，包括實(shí)物資本和人力資本；出口國(guó)固定效應(yīng)μi和進(jìn)口國(guó)固定效應(yīng)γj控制了雙邊距離、文化差異、雙邊關(guān)系等因素；行業(yè)固定效應(yīng)δk則控制了行業(yè)大小和生產(chǎn)率等因素；εijk為隨機(jī)擾動(dòng)項(xiàng)。

本文選取了2019 年62 個(gè)經(jīng)濟(jì)體的84 個(gè)制造業(yè)行業(yè)的出口數(shù)據(jù)，使用各行業(yè)的數(shù)據(jù)要素密集度DPIk、各經(jīng)濟(jì)體的數(shù)據(jù)要素稟賦指標(biāo)Scorei等變量進(jìn)行回歸。其中，行業(yè)層面的控制變量為資本密集度Cap_intk和技能密集度Skill_intk，經(jīng)濟(jì)體層面的控制變量為實(shí)物資本Cap_abui和人力資本Skill_abui?？紤]出口國(guó)也許會(huì)根據(jù)在出口市場(chǎng)上的表現(xiàn)來調(diào)整其數(shù)據(jù)要素稟賦，可能存在內(nèi)生性問題，因而在穩(wěn)健性分析部分，本文分別將2017年的數(shù)據(jù)要素指標(biāo)、工業(yè)機(jī)器人使用量作為數(shù)據(jù)要素指標(biāo)的工具變量進(jìn)行回歸。

（二）變量計(jì)算方法及數(shù)據(jù)來源

1.貿(mào)易數(shù)據(jù)（exportijk）

兩國(guó)間2019 年貿(mào)易數(shù)據(jù)exportijk來自CEPII 的BACI數(shù)據(jù)庫(kù)，單位為千美元。BACI數(shù)據(jù)庫(kù)中貿(mào)易數(shù)據(jù)按照HS 編碼進(jìn)行統(tǒng)計(jì)，為與行業(yè)數(shù)據(jù)要素密集度中的行業(yè)相一致，把HS 編碼貿(mào)易數(shù)據(jù)加總到4位NAICS編碼的84個(gè)制造業(yè)行業(yè)，Pierce和Schott（2012）［17］提供了HS 編碼與NAICS 編碼的對(duì)應(yīng)關(guān)系。出口國(guó)包括IMD 列明的62 個(gè)國(guó)家或地區(qū)，進(jìn)口國(guó)為BACI 數(shù)據(jù)庫(kù)中與上述62 個(gè)國(guó)家和地區(qū)有進(jìn)口關(guān)系的225個(gè)國(guó)家或地區(qū)。

2.行業(yè)數(shù)據(jù)要素密集度（DPIk）

關(guān)于行業(yè)數(shù)據(jù)要素密集度（DPIk），本文參考Marel 等（2016）［18］的方法，用數(shù)據(jù)和信息生產(chǎn)型行業(yè)的投入占總投入的比重來表示，計(jì)算方法見式（2）。其中：l表示數(shù)據(jù)和信息生產(chǎn)型行業(yè)；分母表示行業(yè)k的所有中間投入；分子為行業(yè)k來自數(shù)據(jù)和信息生產(chǎn)型行業(yè)的投入。

根據(jù)式（2），計(jì)算行業(yè)數(shù)據(jù)要素密集度需要使用投入產(chǎn)出表數(shù)據(jù)。各國(guó)經(jīng)濟(jì)體系在統(tǒng)計(jì)制度及行業(yè)分類方法上的差異，導(dǎo)致投入產(chǎn)出表也存在較大不同。在這種情況下，使用美國(guó)數(shù)據(jù)進(jìn)行行業(yè)水平測(cè)量是國(guó)際貿(mào)易文獻(xiàn)中常見的方法。本文使用美國(guó)商務(wù)部經(jīng)濟(jì)分析局（BEA）2019 年公布的405個(gè)NAICS 編碼的行業(yè)投入—產(chǎn)出使用矩陣表。其中，數(shù)據(jù)和信息生產(chǎn)型行業(yè)根據(jù)BEA“數(shù)字經(jīng)濟(jì)的定義與測(cè)量”（Barefoot 等，2018）［19］來確定，主要包括軟件和服務(wù)行業(yè)、電信與信息虛擬產(chǎn)品和服務(wù)行業(yè)、電子商務(wù)與數(shù)字媒體行業(yè)等三類。

表1 列舉了通過計(jì)算得到的數(shù)據(jù)要素密集度最高和最低的各10個(gè)行業(yè)；數(shù)據(jù)要素密集度最高的行業(yè)為工業(yè)機(jī)器制造，其他行業(yè)依次為金屬加工機(jī)械制造、商業(yè)及服務(wù)業(yè)機(jī)械制造、電腦硬件制造、其他通用機(jī)械制造等；數(shù)據(jù)要素密集度最低的行業(yè)包括果蔬保鮮與特色食品生產(chǎn)、糖和糖果制品制造、奶制品加工等。數(shù)據(jù)要素密集度較高的行業(yè)通常是技術(shù)含量和增值率較高的行業(yè)，而數(shù)據(jù)要素密集度較低的行業(yè)通常是技術(shù)含量和增值率較低的行業(yè)。

表1 數(shù)據(jù)要素密集度最高和最低的各10個(gè)行業(yè)

3.數(shù)據(jù)要素稟賦（Scorei）

IMD 的世界競(jìng)爭(zhēng)力年鑒（World Competitive?ness Yearbook）使用了330 多個(gè)競(jìng)爭(zhēng)力標(biāo)準(zhǔn)評(píng)估60 多個(gè)國(guó)家和地區(qū)的世界競(jìng)爭(zhēng)力，從1989 年至今已連續(xù)出版30 多年。IMD 的世界競(jìng)爭(zhēng)力數(shù)據(jù)為各國(guó)或地區(qū)分析各自競(jìng)爭(zhēng)力狀況提供了較為全面的國(guó)際視角，其在現(xiàn)有研究中被廣泛應(yīng)用，如楊默等（2016）［20］、高紅蕾等（2020）［21］、趙彥云和甄峰（2003）［22］等，國(guó)務(wù)院體改辦經(jīng)濟(jì)體制與管理研究所《中國(guó)國(guó)際競(jìng)爭(zhēng)力研究小組》（2002）［23］和中國(guó)教育科學(xué)研究院國(guó)際比較教育研究中心（2013）［24］也引用了該數(shù)據(jù)。IMD 競(jìng)爭(zhēng)力中心還發(fā)布了更為細(xì)分領(lǐng)域的報(bào)告，如世界人才排名、智慧城市指數(shù)和世界數(shù)字競(jìng)爭(zhēng)力排名等。瑞士IMD 世界競(jìng)爭(zhēng)力中心發(fā)布了2019 年63 個(gè)國(guó)家或地區(qū)的數(shù)據(jù)要素指標(biāo)，包括總體指標(biāo)和數(shù)字技術(shù)、數(shù)據(jù)知識(shí)、數(shù)字化轉(zhuǎn)型能力3 個(gè)分項(xiàng)指標(biāo)。基于IMD 在國(guó)家競(jìng)爭(zhēng)力領(lǐng)域中的代表性，本文采用該指標(biāo)來度量各經(jīng)濟(jì)體的數(shù)據(jù)要素稟賦。在本文的計(jì)量分析中，除使用數(shù)據(jù)要素總體指標(biāo)，還使用了3 個(gè)分項(xiàng)指標(biāo)作為核心解釋變量。

4.其他解釋變量

行業(yè)資本密集度（Cap_intk）用該行業(yè)總資本支出與總就業(yè)人數(shù)的比值來表示，該指標(biāo)數(shù)值越大，行業(yè)資本密集度越高。行業(yè)的技能密集度（Skill_intk）用該行業(yè)的非生產(chǎn)性工人數(shù)與總就業(yè)人數(shù)的比值來表示，該指標(biāo)數(shù)值越大，行業(yè)技能密集度越高。計(jì)算行業(yè)資本密集度、技能密集度所需數(shù)據(jù)來自NBER-CES 制造業(yè)數(shù)據(jù)庫(kù)。國(guó)家或地區(qū)的實(shí)物資本水平（Cap_abui）、人力資本水平（Skill_abui）分別度量各個(gè)國(guó)家或地區(qū)的實(shí)物資本和人力資本豐裕度，兩個(gè)變量的數(shù)據(jù)均來自Penn World Table 的PWT 10.0，Skill_abui使用其中的Hu?man capital index 指標(biāo)（基于上學(xué)年數(shù)與教育回報(bào)率），Cap_abui使用其中的rnna指標(biāo)（按照2017年不變價(jià)格計(jì)算的資本存量）的自然對(duì)數(shù)。

IMD 的數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力報(bào)告涵蓋63個(gè)國(guó)家或地區(qū)，因?yàn)槿狈χ袊?guó)臺(tái)灣地區(qū)的出口數(shù)據(jù)，本文計(jì)量分析中剔除中國(guó)臺(tái)灣地區(qū)，使用其余62 個(gè)國(guó)家或地區(qū)的數(shù)據(jù)。行業(yè)為4 位NAICS 編碼的84 個(gè)制造業(yè)行業(yè)，主要變量的時(shí)間為2019年。

各變量的描述性統(tǒng)計(jì)見表2所列。

表2 主要變量描述性統(tǒng)計(jì)

四、計(jì)量模型回歸結(jié)果

（一）基本回歸結(jié)果

基本回歸結(jié)果見表3所列。列（1）中，解釋變量包括本文關(guān)注的行業(yè)數(shù)據(jù)要素密集度、各經(jīng)濟(jì)體數(shù)據(jù)要素稟賦以及它們的交互項(xiàng)，回歸結(jié)果顯示交互項(xiàng)的回歸系數(shù)顯著大于0，與本文預(yù)期一致，說明數(shù)據(jù)要素也是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素，即數(shù)據(jù)要素越豐裕的經(jīng)濟(jì)體，出口的數(shù)據(jù)要素密集型產(chǎn)品越多。數(shù)據(jù)要素密集度較高的行業(yè)通常是技術(shù)含量和增值率較高的行業(yè)，因而數(shù)據(jù)要素豐裕的經(jīng)濟(jì)體從出口中獲益也較多。列（2）中，加入控制其他比較優(yōu)勢(shì)來源 的 兩 個(gè) 交 互 項(xiàng)Cap_int×Cap_abu、Skill_int×Skill_abu 后，交互項(xiàng)DPI×Score 的回歸系數(shù)依然顯著大于0，回歸結(jié)果保持穩(wěn)定，新加入的兩個(gè)交互項(xiàng)的回歸系數(shù)也都顯著為正，同時(shí)驗(yàn)證了比較優(yōu)勢(shì)的傳統(tǒng)來源要素，即實(shí)物資本和人力資本也是比較優(yōu)勢(shì)的決定因素，與Wang和Li（2017）［5］等的研究結(jié)論一致。在列（3）（4）（5）中，分別加入出口國(guó)固定效應(yīng)、進(jìn)口國(guó)固定效應(yīng)和行業(yè)固定效應(yīng)，雖然兩個(gè)比較優(yōu)勢(shì)傳統(tǒng)要素的回歸系數(shù)有所變化，但本文主要關(guān)注的DPI×Score的回歸系數(shù)顯著大于0，即在控制了國(guó)家、行業(yè)層面的固定效應(yīng)后得到的結(jié)論與本文預(yù)期仍然一致。與Wang 和Li（2017）［5］、Freund 和Weinhold（2004）［6］的研究相比，本文把信息與通信技術(shù)、互聯(lián)網(wǎng)等因素對(duì)國(guó)際貿(mào)易比較優(yōu)勢(shì)的影響擴(kuò)展到了數(shù)據(jù)要素，得到國(guó)際貿(mào)易比較優(yōu)勢(shì)的新來源。

表3 基本回歸結(jié)果

續(xù)表3

（二）使用細(xì)分?jǐn)?shù)據(jù)要素指標(biāo)的回歸結(jié)果

本文使用數(shù)據(jù)要素指標(biāo)的三個(gè)構(gòu)成要素，包括數(shù)字技術(shù)（Technologyi）、數(shù)據(jù)知識(shí)（Knowledgei）、數(shù)字化轉(zhuǎn)型能力（Futu_readinessi）以及它們與DPI的交互項(xiàng)分別作為解釋變量進(jìn)行回歸，回歸結(jié)果見表4所列。

表4 使用細(xì)分?jǐn)?shù)據(jù)要素指標(biāo)的回歸結(jié)果

列（1）以數(shù)字技術(shù)為解釋變量，交互項(xiàng)DPI×Technology 的回歸系數(shù)顯著為正值，與本文預(yù)期一致；列（2）（3）分別以數(shù)據(jù)知識(shí)、數(shù)字化轉(zhuǎn)型能力為解釋變量，其與DPI 交互項(xiàng)的回歸系數(shù)也顯著大于0。進(jìn)一步證明了數(shù)據(jù)要素及其細(xì)分指標(biāo)是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素。

當(dāng)數(shù)字技術(shù)、數(shù)據(jù)知識(shí)、數(shù)字化轉(zhuǎn)型能力各變化1個(gè)標(biāo)準(zhǔn)差，并在DPI位于均值水平時(shí)，根據(jù)表4的回歸結(jié)果計(jì)算出三者對(duì)出口的凈影響，結(jié)果顯示數(shù)據(jù)知識(shí)帶來的影響最大。當(dāng)數(shù)據(jù)知識(shí)增加1 個(gè)標(biāo)準(zhǔn)差時(shí)，出口增加75.3%；而當(dāng)數(shù)字技術(shù)和數(shù)字化轉(zhuǎn)型能力分別增加1個(gè)標(biāo)準(zhǔn)差時(shí)，出口分別增加55.9%、66.4%。數(shù)據(jù)知識(shí)作為生產(chǎn)工具，能夠促進(jìn)生產(chǎn)能力提高，同時(shí)與其他要素結(jié)合，能夠帶來生產(chǎn)效率的提升，因此，數(shù)據(jù)知識(shí)的創(chuàng)造和積累具有重要的意義

（三）區(qū)分不同類型貿(mào)易伙伴的分析

根據(jù)國(guó)際貿(mào)易理論，發(fā)達(dá)國(guó)家間的產(chǎn)業(yè)內(nèi)貿(mào)易較多，發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家之間的產(chǎn)業(yè)間貿(mào)易較多。產(chǎn)業(yè)內(nèi)貿(mào)易主要用規(guī)模經(jīng)濟(jì)和多樣化偏好來解釋，而產(chǎn)業(yè)間貿(mào)易主要用比較優(yōu)勢(shì)理論來解釋。為研究數(shù)據(jù)要素是否為各類型貿(mào)易的重要影響因素，本文將62 個(gè)國(guó)家或地區(qū)劃分為發(fā)達(dá)經(jīng)濟(jì)體和發(fā)展中經(jīng)濟(jì)體。對(duì)于兩者的劃分有多個(gè)標(biāo)準(zhǔn)，本文將同時(shí)滿足聯(lián)合國(guó)人類發(fā)展指數(shù)評(píng)級(jí)為“高”、世界銀行定義的高收入經(jīng)濟(jì)體、IMF認(rèn)定的發(fā)達(dá)經(jīng)濟(jì)體3 個(gè)條件的33 個(gè)經(jīng)濟(jì)體確定為發(fā)達(dá)經(jīng)濟(jì)體，其余29 個(gè)經(jīng)濟(jì)體界定為發(fā)展中經(jīng)濟(jì)體。根據(jù)貿(mào)易對(duì)象的不同，將樣本分為3組，組1為發(fā)達(dá)經(jīng)濟(jì)體之間的貿(mào)易，組2為發(fā)展中經(jīng)濟(jì)體之間的貿(mào)易，組3為發(fā)達(dá)經(jīng)濟(jì)體與發(fā)展中經(jīng)濟(jì)體之間的貿(mào)易。

表5 列出了對(duì)3 組樣本分別進(jìn)行回歸的結(jié)果。3 組回歸結(jié)果中的交互項(xiàng)DPI×Score 的回歸系數(shù)都顯著為正值，說明發(fā)展水平接近的國(guó)家或地區(qū)之間、發(fā)展水平差距較大的國(guó)家或地區(qū)之間的貿(mào)易發(fā)展水平，都受到數(shù)據(jù)要素的影響，數(shù)據(jù)要素對(duì)于他們之間的貿(mào)易都具有一定解釋能力。在三組回歸結(jié)果中，組1 中DPI×Score 的回歸系數(shù)最大，組2 和組3 的回歸系數(shù)較小，說明在數(shù)字經(jīng)濟(jì)時(shí)代，發(fā)達(dá)經(jīng)濟(jì)體之間的貿(mào)易在更大程度上由數(shù)據(jù)要素驅(qū)動(dòng)的比較優(yōu)勢(shì)決定?？赡艿脑蛟谟冢喊l(fā)展水平具有明顯差異的國(guó)家在開放程度、價(jià)值鏈位置、工業(yè)水平等方面存在一定差距，數(shù)據(jù)要素難以完全釋放其驅(qū)動(dòng)作用；此外，數(shù)據(jù)要素的應(yīng)用以實(shí)體經(jīng)濟(jì)為基石，因而發(fā)達(dá)經(jīng)濟(jì)體間的貿(mào)易更容易受到數(shù)據(jù)要素的積極影響。

表5 區(qū)分不同類型貿(mào)易伙伴的回歸結(jié)果

（四）內(nèi)生性分析

出口國(guó)可能會(huì)根據(jù)某個(gè)行業(yè)在國(guó)際市場(chǎng)上的表現(xiàn)調(diào)整該行業(yè)的數(shù)字化投資，因而可能存在內(nèi)生性問題。為解決這個(gè)問題，本文首先使用2017年數(shù)據(jù)要素指標(biāo)作為2019 年該指標(biāo)的工具變量進(jìn)行回歸，回歸結(jié)果見表6 列（1）?；貧w結(jié)果顯示，交互項(xiàng)DPI×Score 的回歸系數(shù)依然顯著大于0，回歸結(jié)果保持穩(wěn)定。

考慮國(guó)家或地區(qū)層面的數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力指標(biāo)與行業(yè)層面的數(shù)字密集度指標(biāo)交乘后，還是可能存在遺漏變量等問題導(dǎo)致內(nèi)生性影響，本文使用工業(yè)機(jī)器人使用量作為工具變量，以更加準(zhǔn)確地捕捉數(shù)據(jù)要素與制造業(yè)行業(yè)深度融合的情況。國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）沿用國(guó)際標(biāo)準(zhǔn)化組織（ISO）對(duì)于工業(yè)機(jī)器人的定義，即可以在多個(gè)軸上實(shí)現(xiàn)自動(dòng)控制、重新編程和多用途的工業(yè)機(jī)器人，統(tǒng)計(jì)了世界各國(guó)工業(yè)機(jī)器人的使用量。該指標(biāo)衡量了各個(gè)國(guó)家在工業(yè)中應(yīng)用機(jī)器人的數(shù)量規(guī)模，也在一定程度上反映了各國(guó)的工業(yè)規(guī)模和智能化規(guī)模，特別體現(xiàn)了由數(shù)據(jù)要素實(shí)現(xiàn)的編程、自動(dòng)控制等技術(shù)在工業(yè)行業(yè)中的應(yīng)用程度。本文使用IFR 世界工業(yè)機(jī)器人數(shù)據(jù)庫(kù)的工業(yè)機(jī)器人使用量作為數(shù)字要素指標(biāo)的工具變量，使用兩階段最小二乘法進(jìn)行回歸分析，結(jié)果見表6 列（2）?？梢钥闯龊诵慕忉屪兞緿PI×Score 的估計(jì)系數(shù)顯著為正，這表明在緩解內(nèi)生性問題后，上述結(jié)論依舊穩(wěn)健。

表6 工具變量回歸結(jié)果

（五）使用不同數(shù)據(jù)要素指標(biāo)的回歸結(jié)果

為避免使用IMD數(shù)字競(jìng)爭(zhēng)力單一指標(biāo)帶來的偏差，本文以《全球數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力發(fā)展報(bào)告（2020）》（王振等，2020）［25］構(gòu)建的全球數(shù)字經(jīng)濟(jì)國(guó)家競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)，作為數(shù)據(jù)要素稟賦的替代變量SCORE2，探究回歸結(jié)果的穩(wěn)健性是否會(huì)受到評(píng)價(jià)體系的影響。該報(bào)告以數(shù)字產(chǎn)業(yè)、數(shù)字創(chuàng)新、數(shù)字設(shè)施和數(shù)字治理為主要框架，測(cè)算了全球50個(gè)主要國(guó)家的全球數(shù)字經(jīng)濟(jì)國(guó)家競(jìng)爭(zhēng)力指標(biāo)，因其中3個(gè)國(guó)家的數(shù)據(jù)有缺失，本文以其余47個(gè)國(guó)家為研究對(duì)象。根據(jù)式（1）的模型設(shè)定，回歸結(jié)果見表7所列。在表7列（1）—（5）中，核心解釋變量DPI×SCORE2的估計(jì)系數(shù)始終顯著為正，說明數(shù)據(jù)要素豐裕的經(jīng)濟(jì)體在數(shù)據(jù)要素密集型產(chǎn)品上具有比較優(yōu)勢(shì)，數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力可轉(zhuǎn)化為數(shù)據(jù)要素密集型產(chǎn)品的出口競(jìng)爭(zhēng)力。

表7 使用不同數(shù)據(jù)要素稟賦指標(biāo)的回歸結(jié)果

五、結(jié)論與啟示

（一）結(jié)論

本文闡述了數(shù)據(jù)要素在企業(yè)生產(chǎn)提效和降低貿(mào)易成本中的作用，分析了數(shù)據(jù)要素作為比較優(yōu)勢(shì)的理論基礎(chǔ)，使用數(shù)據(jù)要素總體指標(biāo)及其三個(gè)分項(xiàng)指標(biāo)度量各國(guó)各地區(qū)的數(shù)字要素稟賦狀況，利用投入產(chǎn)出表刻畫各行業(yè)數(shù)字密集度。研究結(jié)論為：①通過計(jì)量模型驗(yàn)證了數(shù)據(jù)要素越豐裕的經(jīng)濟(jì)體出口的數(shù)據(jù)要素密集型產(chǎn)品越多，首次驗(yàn)證數(shù)據(jù)要素也是比較優(yōu)勢(shì)的驅(qū)動(dòng)要素；②區(qū)分了不同發(fā)展水平經(jīng)濟(jì)體間的貿(mào)易，發(fā)現(xiàn)數(shù)據(jù)要素不僅能夠解釋發(fā)展水平差距較大的經(jīng)濟(jì)體之間的貿(mào)易，還能解釋發(fā)展水平接近的經(jīng)濟(jì)體之間的貿(mào)易。研究結(jié)果不僅豐富了有關(guān)比較優(yōu)勢(shì)理論的研究?jī)?nèi)容，還拓展了數(shù)字經(jīng)濟(jì)的研究范疇，具有一定的理論意義和政策含義。

（二）啟示

數(shù)據(jù)要素會(huì)影響全球分工和比較優(yōu)勢(shì)，數(shù)據(jù)要素的積累可以幫助國(guó)家或地區(qū)建立貿(mào)易比較優(yōu)勢(shì)，對(duì)提高在國(guó)際分工中的地位、改善出口產(chǎn)品結(jié)構(gòu)和提高出口附加值具有重要意義。根據(jù)IMD 數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力報(bào)告，2020 年我國(guó)數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力在全球位于第16 名，雖然增長(zhǎng)速度較快，但與美國(guó)、新加坡等國(guó)相比還存在較大差距，所以加速數(shù)據(jù)要素的開發(fā)、獲取和積累具有緊迫性和必要性。

一是從國(guó)家層面來看，要做好統(tǒng)籌規(guī)劃，加快數(shù)據(jù)要素積累以提升數(shù)字競(jìng)爭(zhēng)力。首先，要在宏觀層面上做好頂層設(shè)計(jì)，加大投資力度，完善“無形”基礎(chǔ)設(shè)施建設(shè)，搭建具有前瞻性的數(shù)字平臺(tái)，為制造業(yè)的數(shù)字化轉(zhuǎn)型提供沃土；其次，在研發(fā)投資方面為企業(yè)提供適當(dāng)?shù)膬?yōu)惠政策，以緩解企業(yè)在數(shù)據(jù)要素投入階段面臨的成本壓力，有了科技實(shí)力的強(qiáng)勁支撐，數(shù)據(jù)要素才能夠?qū)崿F(xiàn)快速積聚；再次，數(shù)據(jù)要素只有通過共享才能實(shí)現(xiàn)其要素價(jià)值，要建立健全相關(guān)法律法規(guī)，既有利于保護(hù)用戶隱私，又可以為企業(yè)提供清晰的市場(chǎng)標(biāo)準(zhǔn)和行為準(zhǔn)則；最后，要在共商共建的基礎(chǔ)上積極挖掘與世界各國(guó)協(xié)作的著力點(diǎn)，在確保安全基礎(chǔ)上實(shí)現(xiàn)數(shù)據(jù)要素自由流動(dòng)，優(yōu)化要素配置。

二是對(duì)于制造業(yè)及企業(yè)來說，要探索與數(shù)據(jù)要素的有機(jī)結(jié)合。隨著我國(guó)“5G+工業(yè)互聯(lián)網(wǎng)”項(xiàng)目遍地開花，制造業(yè)及企業(yè)的數(shù)字化轉(zhuǎn)型需要整體網(wǎng)絡(luò)化提升，通過與數(shù)據(jù)要素的有機(jī)結(jié)合來實(shí)現(xiàn)資源配置優(yōu)化。首先，要充分利用國(guó)家提供的基礎(chǔ)條件，利用好數(shù)據(jù)要素的同時(shí)切入生產(chǎn)端和運(yùn)營(yíng)端，在提升自身產(chǎn)品質(zhì)量的同時(shí)積極開辟海外市場(chǎng)；其次，需要深化產(chǎn)業(yè)與企業(yè)間的凝聚和合作，要加強(qiáng)交流與協(xié)作，營(yíng)造良好生態(tài)，開辟產(chǎn)業(yè)和企業(yè)融合的快車道；再次，要重視復(fù)合型技術(shù)人才的培養(yǎng)和引進(jìn)。制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型需要專業(yè)制造技術(shù)和數(shù)字技術(shù)的雙棲人才，這對(duì)企業(yè)的培訓(xùn)和選拔工作、高等院校和職業(yè)院校的培養(yǎng)和教學(xué)工作、社會(huì)的人才流動(dòng)和就業(yè)環(huán)境提出了更高要求，企業(yè)應(yīng)主動(dòng)推進(jìn)產(chǎn)學(xué)研融合，設(shè)立人才基地，打造校企協(xié)同育才的良性循環(huán)機(jī)制；最后，要主動(dòng)收集、運(yùn)用數(shù)據(jù)來分析和獲取信息，實(shí)現(xiàn)數(shù)據(jù)要素的再生和循環(huán)利用。

值得注意的是，比較優(yōu)勢(shì)理論與新貿(mào)易理論解釋不同的貿(mào)易現(xiàn)象，前者主要解釋基于要素稟賦差異引起的產(chǎn)業(yè)間貿(mào)易，后者主要解釋基于規(guī)模報(bào)酬遞增和產(chǎn)品差異引起的產(chǎn)業(yè)內(nèi)貿(mào)易。數(shù)據(jù)要素對(duì)國(guó)際貿(mào)易的影響則同時(shí)包括這兩個(gè)方面，一方面，數(shù)據(jù)要素本身作為生產(chǎn)要素，會(huì)通過比較優(yōu)勢(shì)因素影響國(guó)際貿(mào)易；另一方面，數(shù)據(jù)要素的使用以及數(shù)字要素與其他要素的結(jié)合，會(huì)帶來規(guī)模報(bào)酬從而影響國(guó)際貿(mào)易。本文只考察了前者，未來對(duì)后者的考察將是一個(gè)重要的研究方向。