程于思，宋 培，李 琳，艾 陽

（1.鄭州大學 管理工程學院，鄭州 450001；2.南開大學 經(jīng)濟學院，天津 300071）

0 引言

數(shù)字化轉(zhuǎn)型是推動制造業(yè)技術(shù)升級的重要動力，數(shù)字化投入對不同要素密集型的制造業(yè)部門轉(zhuǎn)型效應相異[1]。順應并把握新一代信息技術(shù)變革趨勢，借勢數(shù)字技術(shù)賦能制造業(yè)高端發(fā)展正成為我國實現(xiàn)彎道超車的一大機遇[2]。2021年10月習近平總書記在十九屆中央政治局第三十四次集體學習時明確指出，“利用互聯(lián)網(wǎng)新技術(shù)對傳統(tǒng)產(chǎn)業(yè)進行全方位、全鏈條的改造，提高全要素生產(chǎn)率”，肯定了數(shù)字化轉(zhuǎn)型在推動行業(yè)技術(shù)升級中發(fā)揮的重要作用。數(shù)據(jù)顯示，中國數(shù)字經(jīng)濟增加值增速持續(xù)超過GDP增速，其中產(chǎn)業(yè)數(shù)字化部分占比逐年上升，有望成為數(shù)字經(jīng)濟發(fā)展的主導力量，而產(chǎn)業(yè)數(shù)字化的本質(zhì)正是數(shù)字化轉(zhuǎn)型。因此，加快推進行業(yè)數(shù)字化轉(zhuǎn)型，借助數(shù)字技術(shù)推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，促進數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展對我國產(chǎn)業(yè)邁向中高端、培育新動能具有十分重大的意義。

目前圍繞數(shù)字化轉(zhuǎn)型及其技術(shù)升級效果的研究較為豐富，研究視角涵蓋宏觀層面的國際比較[2]、中觀層面的省域[3,4]或行業(yè)[5]間的比較以及微觀層面的企業(yè)間的比較[6—11]。宏觀層面，黨琳等（2021）[2]基于2008—2015 年49 個國家15個制造業(yè)行業(yè)的數(shù)據(jù)研究了制造業(yè)行業(yè)數(shù)字化轉(zhuǎn)型對其出口技術(shù)復雜度提升的效應。中觀省級層面，周勇等（2022）[3]基于我國省級面板數(shù)據(jù)實證檢驗了數(shù)字經(jīng)濟對制造業(yè)轉(zhuǎn)型升級的具體影響，研究發(fā)現(xiàn)數(shù)字經(jīng)濟能夠顯著推動我國制造業(yè)轉(zhuǎn)型升級，而全要素生產(chǎn)率和技術(shù)創(chuàng)新水平在其中發(fā)揮了重要的中介作用，且前者的中介效應要強于后者。周鱘和胡國暉（2020）[4]發(fā)現(xiàn)OFDI 逆向技術(shù)溢出顯著地促進了區(qū)域制造業(yè)技術(shù)升級，且空間效應強于直接效應，隨著時間的延長，空間溢出效應更加顯著。中觀行業(yè)層面，白雪潔等（2021）[5]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠推動行業(yè)技術(shù)升級，且推動效果在行業(yè)間存在顯著差異。微觀企業(yè)層面的研究成果最為豐富，研究結(jié)論普遍支持數(shù)字化轉(zhuǎn)型有利于推動行業(yè)技術(shù)升級[6—9]。金昕等（2022）[10]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型水平越高的企業(yè)，其全要素生產(chǎn)率提升效果越好。杜勇和婁靖（2022）[11]發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠有效促進企業(yè)升級，并且該影響存在行業(yè)溢出效應，而技術(shù)外溢在具有較高相似度的行業(yè)之間更有可能發(fā)生[12]。丁一兵和宋暢（2019）[13]以全球產(chǎn)業(yè)鏈中的技術(shù)溢出效應為切入點，研究發(fā)現(xiàn)高技術(shù)水平的中間品投入會產(chǎn)生顯著的前向技術(shù)溢出效應和后向技術(shù)溢出效應，有利于推動中國制造業(yè)技術(shù)升級，且作用于產(chǎn)品形成環(huán)節(jié)的前向技術(shù)溢出對制造業(yè)技術(shù)升級的促進作用更強。

綜上所述，現(xiàn)有關于數(shù)字化轉(zhuǎn)型對企業(yè)技術(shù)升級的影響研究已較為豐富，但數(shù)字化轉(zhuǎn)型的技術(shù)升級效果是多方位多層次的，聚焦于行業(yè)層面的研究相對匱乏；雖有學者較早關注到行業(yè)相似度在技術(shù)溢出中的重要性，但目前基于行業(yè)技術(shù)相似度視角探討數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級效果及溢出效應的研究較少。鑒于此，本文采用我國工業(yè)行業(yè)的面板數(shù)據(jù)，先構(gòu)造行業(yè)技術(shù)相似度矩陣，剖析數(shù)字化轉(zhuǎn)型和行業(yè)技術(shù)升級在生產(chǎn)技術(shù)相似行業(yè)之間的空間相關性特征，再重點考察數(shù)字化轉(zhuǎn)型對工業(yè)技術(shù)升級的影響及其溢出效應，進一步討論數(shù)字化轉(zhuǎn)型推動工業(yè)技術(shù)升級的表現(xiàn)形式、行業(yè)異質(zhì)性與影響機制，一方面推動數(shù)字化轉(zhuǎn)型研究在行業(yè)層面的進展，另一方面拓展數(shù)字經(jīng)濟下的產(chǎn)業(yè)關聯(lián)研究，提出行業(yè)技術(shù)相似度和要素密集型特征是數(shù)字化轉(zhuǎn)型影響工業(yè)技術(shù)升級的關鍵。

1 研究設計

1.1 行業(yè)技術(shù)相似度矩陣

技術(shù)溢出更容易且更多地發(fā)生在生產(chǎn)技術(shù)和投入結(jié)構(gòu)相似的行業(yè)間，而根據(jù)投入產(chǎn)出表計算的行業(yè)技術(shù)相似度是衡量溢出效應比例的合適指標[12]。本文參考潘文卿等（2011）[14]的做法，構(gòu)造我國工業(yè)行業(yè)技術(shù)相似度矩陣，將兩個行業(yè)間的技術(shù)相似度定義為直接消耗系數(shù)結(jié)構(gòu)向量的角余弦。具體計算公式如下：

其中，aki和akj分別代表i行業(yè)與j行業(yè)直接消耗系數(shù)結(jié)構(gòu)列向量的第k個位置的元素，ωij越接近于1，說明i行業(yè)與j行業(yè)之間技術(shù)相似度越高，即兩行業(yè)之間技術(shù)溢出效應越大。本文使用中國2005 年、2007 年、2012 年、2015 年、2017 年、2018 年、2020 年投入產(chǎn)出表計算行業(yè)技術(shù)相似度，再取平均值得到行業(yè)技術(shù)相似度的權(quán)重矩陣。表1 展示了2005 年、2012 年和2020 年與25 個工業(yè)行業(yè)投入結(jié)構(gòu)最相似的行業(yè)及其對應的技術(shù)相似度數(shù)值，“主要貢獻者”列是對應年份計算得到的與“行業(yè)”列的具體行業(yè)技術(shù)相似度最高的行業(yè)，具體數(shù)值列在“溢出比例”列。從表1 中可以發(fā)現(xiàn)，2005 年25 個工業(yè)行業(yè)中與投入結(jié)構(gòu)最為相似的行業(yè)技術(shù)溢出效應比例數(shù)值大于80%的有17個，2012年有11個，2020年有4個。如果將溢出比例達到80%以上視為行業(yè)間存在顯著的技術(shù)溢出效應，那么由表1可知，2005—2020年我國25個工業(yè)行業(yè)間存在顯著的技術(shù)溢出效應，且隨著時間的推移，行業(yè)間技術(shù)溢出效應程度趨緩。

表1 2005—2020年行業(yè)技術(shù)溢出效應的主要貢獻者與溢出比例①I1—I25分別代表煤炭開采和洗選業(yè)，石油和天然氣開采業(yè)，金屬礦采選業(yè)，非金屬礦及其他礦采選業(yè)，食品制造及煙草加工業(yè)，紡織業(yè)，紡織服裝鞋帽皮革羽絨及其制品業(yè)，木材加工及家具制造業(yè)，造紙印刷及文教體育用品制造業(yè)，石油加工、煉焦及核燃料加工業(yè)，化學產(chǎn)品，非金屬礦物制品業(yè)，金屬冶煉及壓延加工業(yè)，金屬制品業(yè)，通用設備制造業(yè)，專用設備制造業(yè)，交通運輸設備制造業(yè)，電氣機械及器材制造業(yè)，計算機、通信和其他電子設備制造業(yè)，儀器儀表及文化辦公用機械制造業(yè)，工藝品及其他制造業(yè)，廢品廢料，電力、熱力的生產(chǎn)和供應業(yè)，燃氣生產(chǎn)和供應業(yè)，水的生產(chǎn)和供應業(yè)。

1.2 空間模型

某一行業(yè)的技術(shù)升級在受到本行業(yè)技術(shù)進步影響的同時，還可能受到生產(chǎn)技術(shù)相似的其他行業(yè)技術(shù)進步的影響，且行業(yè)間的生產(chǎn)技術(shù)相似度越高，行業(yè)間技術(shù)溢出效應往往越明顯。為對這一觀點進行驗證，本文借鑒全局莫蘭指數(shù)（Global Moran’s I）檢驗樣本間空間相關性的原理，以行業(yè)技術(shù)相似度代替?zhèn)鹘y(tǒng)空間地理距離等權(quán)重，測算我國工業(yè)技術(shù)升級和數(shù)字化轉(zhuǎn)型指標的全局莫蘭指數(shù)，并將空間相關性檢驗結(jié)果作為本文使用空間計量模型展開實證檢驗和分析的依據(jù)。全局莫蘭指數(shù)模型設定如下：

式（2）中，n是全部工業(yè)行業(yè)數(shù)，取值為1～25；ωij是行業(yè)i和j之間技術(shù)相似度的空間權(quán)重，具體算法見式（1）；ρi是行業(yè)i的技術(shù)升級水平。全局莫蘭指數(shù)用于判斷兩個生產(chǎn)技術(shù)具備相似性的行業(yè)在技術(shù)升級水平方面的空間相關性。Moran's I取值介于-1～1，取值的絕對值越接近于1，代表兩行業(yè)之間技術(shù)升級水平的空間相關性越強。Moran's I＞0時，代表兩行業(yè)之間技術(shù)升級水平存在空間正相關；Moran's I＜0 時，代表兩行業(yè)之間技術(shù)升級水平存在空間負相關；Moran's I=0 時，代表兩行業(yè)之間技術(shù)升級水平呈現(xiàn)空間隨機性。

本文在檢驗我國工業(yè)行業(yè)技術(shù)升級水平和數(shù)字化轉(zhuǎn)型程度的空間依賴性基礎上，設定并選擇合適的空間計量模型評估數(shù)字化轉(zhuǎn)型對工業(yè)行業(yè)技術(shù)升級的影響。常見的空間計量模型有三種，分別是空間誤差模型（SEM）、空間自回歸模型（SAR）和空間杜賓模型（SDM）。SEM 重點考察隨機擾動項的空間依賴關系，探討生產(chǎn)技術(shù)相似行業(yè)之間的不可觀測誤差沖擊對某一工業(yè)行業(yè)技術(shù)升級水平的影響，具體模型是：

式（3）中，ρ代表被解釋變量工業(yè)行業(yè)技術(shù)升級，β1是解釋變量的系數(shù)，Dig是解釋變量數(shù)字化轉(zhuǎn)型，β2是控制變量的系數(shù)列向量，X是控制變量行向量，λ是空間誤差自相關系數(shù)，W是空間權(quán)重矩陣，μ是隨機擾動項，i和t分別表示行業(yè)與年份。

SAR重點考察被解釋變量的空間依賴關系，探討生產(chǎn)技術(shù)相似行業(yè)的技術(shù)升級水平對一個行業(yè)技術(shù)升級的影響，具體模型是：

式（4）中，δ是空間自相關系數(shù)。

SDM綜合考察所有變量的空間依賴性，包括被解釋變量、解釋變量和隨機擾動項，具體模型是：

式（5）中，θ1、θ2分別是解釋變量Dig和控制變量X的空間滯后回歸系數(shù)。

在進行空間計量分析前，需要依據(jù)數(shù)據(jù)的空間相關性特點確定是否需要構(gòu)建空間計量模型以及選擇哪一種空間計量模型，通常是借助于拉格朗日乘數(shù)檢驗（LM）。具體而言，為研究樣本選擇合適的空間計量模型需要依次比較LM-Error、Robust LM-Error、LM-Lag 和Robust LM-Lag四個檢驗統(tǒng)計量。當LM-Error 和LM-Lag 統(tǒng)計量都不顯著時，分析對象不適合采用空間計量模型，只需選擇普通計量模型估計；當兩者都顯著時，選擇SDM；當LM-Error顯著而LM-Lag 不顯著時，選擇SEM；當LM-Error 不顯著而LM-Lag顯著時，選擇SAR。

1.3 變量選取與數(shù)據(jù)來源

被解釋變量行業(yè)技術(shù)升級（TFP）。無論行業(yè)間是否存在技術(shù)升級路徑差異，技術(shù)升級最終都會體現(xiàn)在行業(yè)全要素生產(chǎn)率提升上[14]，全要素生產(chǎn)率能夠反映除生產(chǎn)要素投入數(shù)量之外的制度優(yōu)化、管理水平、技術(shù)引進等其他要素對增長的貢獻率[15]，因此本文采用全要素生產(chǎn)率作為行業(yè)技術(shù)升級的代理變量。參考前人的做法[4，11]，采用基于DEA 的Malmquist 指數(shù)對我國25 個工業(yè)行業(yè)的全要素生產(chǎn)率進行測度。具體以各行業(yè)規(guī)上企業(yè)平均用工人數(shù)衡量勞動力投入，以規(guī)上企業(yè)固定資產(chǎn)凈值合計衡量資本投入，以行業(yè)增加值衡量產(chǎn)出，測算出各行業(yè)的Malmquist指數(shù)，進而計算得到各行業(yè)全要素生產(chǎn)率。進一步將行業(yè)全要素生產(chǎn)率分解為技術(shù)進步和效率改善兩個部分[11]，以此展開關于行業(yè)技術(shù)升級形式的檢驗。

核心解釋變量數(shù)字化轉(zhuǎn)型（Dig）。現(xiàn)有研究中衡量數(shù)字化轉(zhuǎn)型一般采用相對指標“直接依賴度”，即某一行業(yè)對數(shù)字經(jīng)濟的直接消耗占所有直接消耗的比重，公式是，其中，akj是j行業(yè)對k行業(yè)的直接消耗系數(shù)。也有學者結(jié)合絕對指標“完全消耗系數(shù)”[9]和相對指標，構(gòu)建完全依賴度[16]，實現(xiàn)對數(shù)字化轉(zhuǎn)型的全面估算，具體公式是：

式（6）中，bkj是j行業(yè)對k行業(yè)的完全消耗系數(shù)。由于完全消耗系數(shù)考慮到了各行業(yè)間的技術(shù)關聯(lián)特征，因此，本文將完全依賴度作為基準回歸模型的解釋變量展開實證分析，同時為保證研究結(jié)論的穩(wěn)健性與可靠性，本文在穩(wěn)健性檢驗中將完全依賴度替換為直接依賴度對基準回歸模型進行重新估計。

控制變量。將行業(yè)技術(shù)升級的相關影響因素作為控制變量納入計量模型，具體包括：對外開放度（FDI），用外國直接投資占GDP 的比重衡量；國外需求（Export），用出口占GDP的比重衡量；研發(fā)強度（RDK），用研發(fā)支出占GDP的比重衡量；研發(fā)人力投入（RDL），用研發(fā)人員占比衡量。

考慮到數(shù)據(jù)可得性與準確性，本文選取2005—2020年我國25 個工業(yè)行業(yè)的面板數(shù)據(jù)展開計量分析，研究所涉及的數(shù)據(jù)均來自《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》、國家統(tǒng)計局官網(wǎng)和中國研究數(shù)據(jù)服務平臺（CNRDS）。本文以2005年為基期對所有以貨幣價值表示的數(shù)據(jù)進行價格調(diào)整。其中，資本使用固定資產(chǎn)投資價格指數(shù)平減，增加值數(shù)據(jù)使用行業(yè)生產(chǎn)總值指數(shù)平減。表2 為本文主要變量的描述性統(tǒng)計結(jié)果。

表2 描述性統(tǒng)計

2 空間相關性分析

2.1 全局莫蘭指數(shù)

計算結(jié)果表明，2006—2020 年我國25 個工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型指標與技術(shù)升級指標均存在顯著的空間依賴性①本文采用基于DEA的Malmquist指數(shù)方法測算我國2005—2020年25個工業(yè)行業(yè)的全要素生產(chǎn)率，所以莫蘭指數(shù)的計算需要從2006年開始。。下頁表3展示了數(shù)字化轉(zhuǎn)型指標和行業(yè)技術(shù)升級指標的全局莫蘭指數(shù)，可以發(fā)現(xiàn)，兩個變量的全局莫蘭指數(shù)在各年均為正，且都通過了1%水平上的顯著性檢驗，表明中國工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型與技術(shù)升級水平各自呈現(xiàn)顯著的正向空間關聯(lián)性和集聚性。根據(jù)全局莫蘭指數(shù)大小的變化趨勢可以發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型指標和行業(yè)技術(shù)升級指標各自的關聯(lián)和集聚程度隨時間推移呈現(xiàn)波動性特征。具體而言，數(shù)字化轉(zhuǎn)型指標的全局莫蘭指數(shù)在2006—2020 年呈現(xiàn)緩慢上升趨勢，表明我國工業(yè)行業(yè)完全依賴度集聚水平在逐年微弱上升，即行業(yè)數(shù)字化轉(zhuǎn)型的空間集聚狀態(tài)一直以來保持穩(wěn)定且呈逐年增強趨勢。行業(yè)技術(shù)升級指標的全局莫蘭指數(shù)在2006—2020 年呈現(xiàn)3 個階段的特征：2006—2011 年總體上出現(xiàn)下滑，2012—2017年總體上處于持續(xù)高位態(tài)勢，2018—2020 年開始下降但總體上高于2011年之前的水平。說明我國工業(yè)行業(yè)技術(shù)升級集聚狀態(tài)總體上呈現(xiàn)增強趨勢，尤其是在2012—2017年。

表3 2006—2020年數(shù)字化轉(zhuǎn)型與行業(yè)技術(shù)升級的全局莫蘭指數(shù)

2.2 局部莫蘭指數(shù)

全局莫蘭指數(shù)只能基于整體樣本分析得出相關變量在空間上是否具有顯著的相關性特征，而莫蘭散點圖可以局部分析樣本間的空間相關性。莫蘭散點圖是一個二維坐標圖，其橫軸代表的是待考察變量的不同樣本值，縱軸代表的是該觀測值鄰近區(qū)域的加權(quán)平均值。根據(jù)二維坐標可將莫蘭散點圖分為四個區(qū)域，分別對應于二維坐標系中的四個象限，其中，處于第一象限和第三象限的樣本之間存在正向的空間相關性，即該樣本值越高或越低，分布在其周圍的樣本值也越高或越低，分別記為HH（High-High）型和LL（Low-Low）型；處于第二象限和第四象限的樣本之間存在負向的空間相關性，即該樣本值越高或越低，分布在其周圍的樣本值反而越低或越高，分別記為LH（Low-High）型和HL（High-Low）型。

圖1是2006年和2020年數(shù)字化轉(zhuǎn)型的局部莫蘭散點圖，顯示了生產(chǎn)技術(shù)相似的工業(yè)行業(yè)間數(shù)字化轉(zhuǎn)型的空間依賴性，可以看出，絕大部分行業(yè)樣本都落在第一象限和第三象限，呈現(xiàn)HH型集聚和LL型集聚，且LL型集聚尤其明顯，表明高值與低值的樣本各自產(chǎn)生集聚效應。其中，計算機、通信和其他電子設備制造業(yè)（I19）與儀器儀表及文化辦公用機械制造業(yè)（I20）呈現(xiàn)顯著的HH型集聚特征，說明這兩個行業(yè)在數(shù)字化轉(zhuǎn)型方面明顯領先于其他工業(yè)行業(yè)，且這兩個行業(yè)之間的技術(shù)溢出效應相互正向促進對方行業(yè)的數(shù)字化轉(zhuǎn)型。

圖1 2006年和2020年數(shù)字化轉(zhuǎn)型的局部莫蘭散點圖

圖2是2006年和2020年工業(yè)行業(yè)技術(shù)升級的局部莫蘭散點圖，顯示了我國25 個工業(yè)行業(yè)全要素生產(chǎn)率的空間依賴性，可以看出，絕大部分行業(yè)樣本處于第一象限和第三象限，說明我國工業(yè)行業(yè)全要素生產(chǎn)率之間呈現(xiàn)顯著的HH型集聚和LL型集聚，因此，行業(yè)技術(shù)升級存在空間擴散與空間聯(lián)動效應。即對于全要素生產(chǎn)率高的行業(yè)，與其投入結(jié)構(gòu)相似行業(yè)的全要素生產(chǎn)率一般也較高；對于全要素生產(chǎn)率低的行業(yè)，在技術(shù)相似度方面與其高度接近的行業(yè)全要素生產(chǎn)率同樣處于較低水平。

圖2 2006年和2020年行業(yè)技術(shù)升級的局部莫蘭散點圖

對比圖1 和圖2 兩個變量的局部莫蘭散點圖分布差異，發(fā)現(xiàn)2006—2020年，25個工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型散點圖分布區(qū)域未發(fā)生明顯改變，體現(xiàn)了強弱集聚并存的空間特征具備分層固化性，具體而言，絕大多數(shù)行業(yè)位于第三象限，表明多數(shù)工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型水平呈現(xiàn)“低-低”集聚的特點，因此本文認為我國工業(yè)行業(yè)的數(shù)字化轉(zhuǎn)型水平存在空間異質(zhì)性現(xiàn)象且相對穩(wěn)定。而25個工業(yè)行業(yè)技術(shù)升級的局部莫蘭散點圖分布情況在2006年和2020年變化較大，比如通用設備制造業(yè)（I15）2006年落在第一象限，但2020年落在第三象限；石油加工、煉焦及核燃料加工業(yè)（I10）2006 年落在第二象限，但2020 年落在第一象限；食品制造及煙草加工業(yè)（I5）2006 年落在第三象限，但2020年落在第二象限；造紙印刷及文教體育用品制造業(yè)（I9）2006年落在第四象限，但2020年落在第一象限。因此，行業(yè)技術(shù)升級的強弱集聚并存空間特征在2006—2020年尚未具備分層固化性。

3 實證分析

3.1 模型選擇

通過空間自相關分析可知，數(shù)字化轉(zhuǎn)型和行業(yè)技術(shù)升級均存在空間依賴性，即本文可以采用空間計量模型實證檢驗數(shù)字化轉(zhuǎn)型對行業(yè)技術(shù)升級的影響。接下來，需要判斷選擇哪一種空間計量模型展開回歸估計?；谛袠I(yè)技術(shù)相似度矩陣，本文進行了拉格朗日乘數(shù)檢驗和穩(wěn)健拉格朗日乘數(shù)檢驗，下頁表4 報告了檢驗結(jié)果，可以發(fā)現(xiàn)，LM-Error 和LM-Lag 檢驗均在1%的水平上顯著，Robust LM-Error檢驗在5%的水平上顯著，但由于Robust LM-Lag檢驗不顯著，說明空間誤差效應比空間滯后效應更顯著，因此，本文數(shù)據(jù)樣本更適合采用SEM 模型進行實證分析。由于本文采用的是面板數(shù)據(jù)，需要在確定空間計量模型之后，選擇合適的計量估計方法。根據(jù)Hausman檢驗結(jié)果，本文選擇固定效應的SEM模型展開實證研究。最后，根據(jù)空間計量的常規(guī)做法，本文通過似然比檢驗（LR）對模型進行了穩(wěn)健性檢驗，結(jié)果表明本文的SEM 模型并不會退化為SDM 模型或SAR 模型。此外，個體固定效應與時間固定效應的LR檢驗結(jié)果顯示需要選擇雙向固定效應模型。綜上，本文選擇個體和時間雙向固定效應的SEM模型進行回歸分析。

表4 空間計量檢驗結(jié)果

3.2 實證結(jié)果分析

本文在行業(yè)技術(shù)相似度矩陣下選取雙向固定效應的SEM 模型對數(shù)字化轉(zhuǎn)型影響行業(yè)全要素生產(chǎn)率的情況進行了回歸估計，詳見表5，由結(jié)果可知：第一，數(shù)字化轉(zhuǎn)型有利于推動我國工業(yè)行業(yè)技術(shù)升級。表5 中列（1）和列（2）的基準回歸結(jié)果顯示，在考慮控制變量的影響后，數(shù)字化轉(zhuǎn)型對工業(yè)行業(yè)全要素生產(chǎn)率的回歸系數(shù)為正，并且通過了5%水平上的顯著性檢驗，這表明數(shù)字化轉(zhuǎn)型有利于推動工業(yè)行業(yè)技術(shù)升級。第二，數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級效果存在明顯的行業(yè)溢出效應。表5 列（1）至列（6）中的空間誤差系數(shù)λ均在1%的水平上顯著為正，說明無論是僅考慮工業(yè)行業(yè)技術(shù)升級的結(jié)果，即全要素生產(chǎn)率，還是考慮行業(yè)技術(shù)升級的兩種形式，即技術(shù)進步和效率改善，數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級效果均呈現(xiàn)顯著的空間誤差溢出效應，這表明一個行業(yè)的技術(shù)升級不僅受到本行業(yè)數(shù)字化轉(zhuǎn)型、對外開放度、研發(fā)強度和研發(fā)人力投入的影響，還受到生產(chǎn)技術(shù)相似的其他行業(yè)的不可觀測因素影響。即數(shù)字化轉(zhuǎn)型對工業(yè)行業(yè)技術(shù)升級的推動作用具有顯著的行業(yè)溢出效應，其效果受行業(yè)技術(shù)相似度的影響。第三，數(shù)字化轉(zhuǎn)型對工業(yè)行業(yè)技術(shù)升級的推動作用主要通過效率改善實現(xiàn)，而不是促進技術(shù)進步。表征行業(yè)技術(shù)升級水平的Malmquist生產(chǎn)率指數(shù)可以分解為綜合技術(shù)效率指數(shù)和技術(shù)進步指數(shù)，而綜合技術(shù)效率指數(shù)又由純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)共同構(gòu)成，表5 列（3）至列（6）展示了數(shù)字化轉(zhuǎn)型對技術(shù)進步和效率改善的影響，回歸結(jié)果顯示，不論是否考慮控制變量的影響，數(shù)字化轉(zhuǎn)型都會顯著正向影響效率改善，對技術(shù)進步的影響則不顯著?？梢娦袠I(yè)數(shù)字化轉(zhuǎn)型提升全要素生產(chǎn)率更多地以推動效率改善的形式實現(xiàn)，而非以技術(shù)進步的形式。

表5 數(shù)字化轉(zhuǎn)型行業(yè)溢出效應的SEM模型估計結(jié)果

為了檢驗回歸結(jié)果的穩(wěn)健性，本文更換被解釋變量和解釋變量指標，再對上述模型展開回歸分析，具體回歸結(jié)果見表6 列（1）、列（2）。其中，列（1）為替換被解釋變量，重新使用SBM-DEA 方法測算行業(yè)效率作為行業(yè)技術(shù)升級指標；列（2）為替換解釋變量，使用直接依賴度衡量行業(yè)數(shù)字化轉(zhuǎn)型。回歸結(jié)果顯示，分別替換了被解釋變量和解釋變量指標后，數(shù)字化轉(zhuǎn)型對行業(yè)全要素生產(chǎn)率的影響依舊顯著為正，且空間誤差系數(shù)λ也都顯著為正，表明本文的回歸結(jié)論是穩(wěn)健的，數(shù)字化轉(zhuǎn)型的確促進了工業(yè)行業(yè)技術(shù)升級，且存在明顯的行業(yè)溢出效應。

表6 穩(wěn)健性檢驗、異質(zhì)性檢驗與機制檢驗

此外，本文還進行了異質(zhì)性檢驗，將我國工業(yè)行業(yè)分為勞動密集型行業(yè)和資本密集型行業(yè)兩個子樣本，表6列（3）、列（4）分別是勞動密集型行業(yè)和資本密集型行業(yè)的回歸結(jié)果。雖然數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，但資本密集型行業(yè)樣本回歸系數(shù)（1.175）大于勞動密集型行業(yè)樣本（0.815），說明數(shù)字化轉(zhuǎn)型的行業(yè)技術(shù)升級效果在資本密集型行業(yè)的表現(xiàn)優(yōu)于勞動密集型行業(yè)。這是因為，數(shù)字化轉(zhuǎn)型的本質(zhì)是借助數(shù)字技術(shù)如人工智能等實現(xiàn)生產(chǎn)設備即資本間的高效鏈接，從而提升生產(chǎn)效率和產(chǎn)品質(zhì)量，因此，資本密集型行業(yè)在數(shù)字化轉(zhuǎn)型中具備更大優(yōu)勢，其技術(shù)升級效果自然表現(xiàn)更好。通過觀察兩個子樣本回歸結(jié)果中的空間誤差系數(shù)λ，發(fā)現(xiàn)λ均顯著為正，表明不論是勞動密集型行業(yè)還是資本密集型行業(yè)，數(shù)字化轉(zhuǎn)型的技術(shù)升級效果均存在顯著的行業(yè)溢出效應。這體現(xiàn)了數(shù)字技術(shù)或者說新一代信息技術(shù)作為通用目的技術(shù)的本質(zhì)特征，能通過溢出效應在各類工業(yè)行業(yè)間得到應用與普及。

本文進一步討論了數(shù)字化轉(zhuǎn)型影響行業(yè)技術(shù)升級的機制，表6 列（5）將行業(yè)資本深化作為中介變量進行機制檢驗，結(jié)果表明，數(shù)字化轉(zhuǎn)型對行業(yè)資本深化的影響在1%的水平上顯著為正，說明數(shù)字化轉(zhuǎn)型確實通過加深行業(yè)資本深化的程度來促進技術(shù)升級。由于工業(yè)行業(yè)大多具備資本密集型特征，因此數(shù)字化轉(zhuǎn)型主要通過資本替代勞動的方式即“智能化”助推工業(yè)技術(shù)升級。工業(yè)作為資本和勞動間替代彈性較高的部門，即“靈活部門”，其內(nèi)部資本要素在數(shù)字化轉(zhuǎn)型后生產(chǎn)率得以大幅提升，工業(yè)部門在利潤最大化目標指引下將使用生產(chǎn)率更高的資本要素替代生產(chǎn)率相對較低的傳統(tǒng)勞動力，最終帶來工業(yè)部門資本的不斷深化，勞動要素不斷向服務業(yè)部門轉(zhuǎn)移。未來智能制造下的工業(yè)部門必然將資本作為主要生產(chǎn)要素投入，以高效率的生產(chǎn)運作方式推動物質(zhì)生產(chǎn)極大化，從而為勞動力向以人的情感與精神投入為主的服務消費領域轉(zhuǎn)移提供物質(zhì)保障與基礎動力，有利于實現(xiàn)物質(zhì)文明與精神文明相協(xié)調(diào)的現(xiàn)代化發(fā)展。

4 結(jié)論與啟示

本文基于2005—2020年我國25個工業(yè)行業(yè)的面板數(shù)據(jù)，首先運用投入產(chǎn)出表構(gòu)建行業(yè)技術(shù)相似度矩陣，其次引入空間誤差模型，然后在加入對外開放程度、國外需求、研發(fā)強度等控制變量的基礎上，實證檢驗數(shù)字化轉(zhuǎn)型對工業(yè)技術(shù)升級的具體影響及其溢出效應，最后進一步討論了數(shù)字化轉(zhuǎn)型推動工業(yè)技術(shù)升級的表現(xiàn)形式、行業(yè)異質(zhì)性與影響機制。主要研究結(jié)論如下：中國工業(yè)行業(yè)間存在顯著的技術(shù)溢出效應，其水平隨著時間推移逐漸趨緩；數(shù)字化轉(zhuǎn)型與行業(yè)技術(shù)升級均存在顯著的空間依賴性，主要表現(xiàn)出HH型和LL型的正空間相關性；數(shù)字化轉(zhuǎn)型有利于推動我國工業(yè)技術(shù)升級，數(shù)字化轉(zhuǎn)型對工業(yè)技術(shù)升級的推動作用具有顯著的行業(yè)溢出效應，其效果受行業(yè)技術(shù)相似度的影響；由于工業(yè)行業(yè)大多具有資本密集型特征，數(shù)字化轉(zhuǎn)型主要通過資本替代勞動的方式即“智能化”助推工業(yè)技術(shù)升級。

本文研究結(jié)論對政府細化數(shù)字經(jīng)濟建設政策、工業(yè)行業(yè)實施數(shù)字化轉(zhuǎn)型具有如下啟示：（1）以市場化的數(shù)字化轉(zhuǎn)型需求為根本動力，引導數(shù)字經(jīng)濟核心產(chǎn)業(yè)高質(zhì)量發(fā)展。在當前利用數(shù)字技術(shù)為工業(yè)行業(yè)轉(zhuǎn)型升級助力的前提下，須發(fā)揮市場在資源配置中的決定性作用，制定適當?shù)墓膭钚哉咭龑ЧI(yè)行業(yè)加大自主研發(fā)投入，突破數(shù)字核心產(chǎn)業(yè)的關鍵“卡脖子”技術(shù)，引導工業(yè)行業(yè)向全球價值鏈的中高端攀升，實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展。（2）以行業(yè)技術(shù)相似度為依托，發(fā)揮工業(yè)行業(yè)在數(shù)字化轉(zhuǎn)型中的協(xié)同聯(lián)動機制。為了把握數(shù)字經(jīng)濟發(fā)展紅利，政府應制定相應政策引導和幫助各地工業(yè)企業(yè)更順暢地實施數(shù)字化轉(zhuǎn)型，同時鼓勵不同行業(yè)企業(yè)間加大交流力度，突破數(shù)字化轉(zhuǎn)型中存在的共性難題，優(yōu)先在技術(shù)相似度較高的行業(yè)間推廣和普及數(shù)字化轉(zhuǎn)型的成功經(jīng)驗，避免盲目地開展“交鑰匙”工程，對長遠技術(shù)升級潛力可期但當前處于劣勢地位的行業(yè)給予傾斜性政策扶持，如特殊優(yōu)惠或補貼，充分利用生產(chǎn)技術(shù)相似行業(yè)數(shù)字化轉(zhuǎn)型的正向溢出效應，加強產(chǎn)業(yè)鏈上下游行業(yè)的聯(lián)動與協(xié)同發(fā)展。從工業(yè)行業(yè)自身的角度出發(fā)，要具備數(shù)字化轉(zhuǎn)型的超前意識，密切關注行業(yè)技術(shù)相似度接近的行業(yè)數(shù)字化轉(zhuǎn)型進展，通過行業(yè)協(xié)作與知識交流積極引入先進技術(shù)經(jīng)驗。（3）依據(jù)數(shù)字化轉(zhuǎn)型推動技術(shù)升級的行業(yè)異質(zhì)性，因地制宜地推動產(chǎn)業(yè)升級。首先，數(shù)字技術(shù)作為通用目的技術(shù)，對所有行業(yè)都將產(chǎn)生顛覆性的影響，處于不同行業(yè)的企業(yè)都需要緊盯技術(shù)與市場環(huán)境變化，并結(jié)合自身發(fā)展優(yōu)勢展開數(shù)字化改造，在降低交易成本、提升全要素生產(chǎn)率的同時實現(xiàn)當前一輪的產(chǎn)業(yè)升級。但更要注意到，數(shù)字化轉(zhuǎn)型的技術(shù)升級效果在不同行業(yè)之間存在顯著的差異性，本文發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型推動行業(yè)技術(shù)升級的關鍵渠道是資本替代勞動即資本深化，因此資本密集型行業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)升級效果優(yōu)于勞動密集型行業(yè)，基于此，從社會福利最大化的角度來看，政府有必要將數(shù)字資源優(yōu)先配置到技術(shù)提升效果更好的行業(yè)，如電氣機械及器材制造業(yè)，專用設備制造業(yè)，計算機、通信和其他電子設備制造業(yè)等。各工業(yè)行業(yè)數(shù)字化轉(zhuǎn)型并不是追求齊頭并進，而是需要適當調(diào)整數(shù)字資源在不同細分行業(yè)中的分配比例，為國家產(chǎn)業(yè)升級發(fā)展目標服務。