摘要：通過(guò)分析2005—2020年我國(guó)省級(jí)面板數(shù)據(jù)，采用固定效應(yīng)模型評(píng)估數(shù)字經(jīng)濟(jì)的促進(jìn)作用。設(shè)置技術(shù)創(chuàng)新作為中介變量，分析數(shù)字經(jīng)濟(jì)促進(jìn)高技術(shù)制造業(yè)發(fā)展的機(jī)制。結(jié)果顯示，數(shù)字經(jīng)濟(jì)通過(guò)提升技術(shù)創(chuàng)新水平進(jìn)而推動(dòng)高技術(shù)制造業(yè)發(fā)展，實(shí)質(zhì)性技術(shù)創(chuàng)新的中介效應(yīng)更強(qiáng)，為驗(yàn)證數(shù)字經(jīng)濟(jì)促進(jìn)高技術(shù)制造業(yè)發(fā)展提供依據(jù)。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)；高技術(shù)產(chǎn)業(yè)制造業(yè)；面板分位數(shù)；中介效應(yīng)；創(chuàng)新能力

0 引言

2021年“十四五”規(guī)劃提出建設(shè)數(shù)字中國(guó)，發(fā)展數(shù)字經(jīng)濟(jì)。評(píng)估數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)的影響機(jī)理具有重要意義。針對(duì)數(shù)字經(jīng)濟(jì)促進(jìn)高技術(shù)制造業(yè)的發(fā)展，研究者提出了不同的觀點(diǎn)：胡俊等[1]分析人工智能對(duì)產(chǎn)業(yè)升級(jí)的推動(dòng)作用，認(rèn)為數(shù)字經(jīng)濟(jì)通過(guò)擴(kuò)大自主創(chuàng)新領(lǐng)域和提高生產(chǎn)效率推動(dòng)了產(chǎn)業(yè)升級(jí)；焦勇[2]指出，數(shù)字經(jīng)濟(jì)促使制造業(yè)從要素驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變，從產(chǎn)品導(dǎo)向向用戶體驗(yàn)轉(zhuǎn)變，從產(chǎn)業(yè)關(guān)聯(lián)向企業(yè)群落轉(zhuǎn)變，從競(jìng)爭(zhēng)合作向互利共生轉(zhuǎn)變，為制造業(yè)價(jià)值創(chuàng)造提供新的思路；李春發(fā)等[3]提出，數(shù)字經(jīng)濟(jì)通過(guò)擴(kuò)大產(chǎn)業(yè)鏈分工、降低交易成本等方式為產(chǎn)業(yè)升級(jí)提供了新動(dòng)力；李英杰等[4]認(rèn)為，在數(shù)字經(jīng)濟(jì)背景下，我國(guó)需要采用優(yōu)化發(fā)展環(huán)境等舉措，促進(jìn)制造業(yè)高質(zhì)量發(fā)展；秦建群等[5]發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)在不同區(qū)域促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的效果存在差異，技術(shù)創(chuàng)新和金融發(fā)展在一定程度上起到中介作用。

當(dāng)前，我國(guó)高技術(shù)制造業(yè)面臨傳統(tǒng)工業(yè)增長(zhǎng)乏力、高技術(shù)低端化、技術(shù)創(chuàng)新不足等挑戰(zhàn)，與發(fā)達(dá)國(guó)家存在一定的差距。在數(shù)字經(jīng)濟(jì)背景下，研究影響高技術(shù)制造業(yè)發(fā)展的關(guān)鍵因素具有重要意義。本文選取2005—2020年30個(gè)?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)為研究對(duì)象，探討數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)的影響機(jī)理，為驗(yàn)證數(shù)字經(jīng)濟(jì)促進(jìn)高技術(shù)制造業(yè)發(fā)展提供依據(jù)。

1 理論分析和假設(shè)

1.1 數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)有直接影響

數(shù)字經(jīng)濟(jì)在高技術(shù)制造業(yè)研發(fā)過(guò)程中發(fā)揮了關(guān)鍵作用。通過(guò)大數(shù)據(jù)、智能化和高技術(shù)，企業(yè)可以更準(zhǔn)確地捕捉信息、滿足市場(chǎng)需求，減少試錯(cuò)和資源浪費(fèi)。此外，數(shù)字經(jīng)濟(jì)也促進(jìn)了各個(gè)環(huán)節(jié)的協(xié)同合作，不同主體通過(guò)數(shù)字化、信息化和智能化實(shí)現(xiàn)了有序合作。

綜上所述，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)產(chǎn)生直接積極影響，據(jù)此，提出第一個(gè)假設(shè)判斷：H1：數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展具有促進(jìn)作用。

1.2 數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)有間接影響

數(shù)字經(jīng)濟(jì)推動(dòng)了技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的融合。數(shù)字化使數(shù)據(jù)成為新的生產(chǎn)要素，催生了新的商業(yè)模式。數(shù)字經(jīng)濟(jì)還為地區(qū)創(chuàng)新提供了更廣闊的平臺(tái)和要素支持，提升了創(chuàng)新能力，促進(jìn)了高技術(shù)制造業(yè)的發(fā)展。

綜上所述，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)產(chǎn)生間接的顯著正向影響，據(jù)此，提出第二個(gè)假設(shè)判斷：

H2：數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展具有間接促進(jìn)作用。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于中國(guó)科技統(tǒng)計(jì)年鑒、中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒、國(guó)家統(tǒng)計(jì)局、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)及各省份統(tǒng)計(jì)年鑒，研究對(duì)象為我國(guó)30個(gè)?。ㄗ灾螀^(qū)、直轄市）（西藏除外）2005—2020年省級(jí)面板數(shù)據(jù)。為盡可能地消除異方差現(xiàn)象，本文涉及的所有變量均以自然對(duì)數(shù)引入模型。

2.2 評(píng)價(jià)方法

本文運(yùn)用面板熵值法確定評(píng)估指數(shù)權(quán)重，較為客觀地消除了傳統(tǒng)主觀賦權(quán)的局限性。計(jì)算步驟如下：

（1）數(shù)據(jù)預(yù)處理。面板數(shù)據(jù)選取n個(gè)評(píng)價(jià)指標(biāo)，q個(gè)年度樣本，r個(gè)城市，xθij表示第θ年i市的第j個(gè)指標(biāo)。部分指標(biāo)可能為負(fù)向指標(biāo)，選擇極差法進(jìn)行標(biāo)準(zhǔn)化處理。公式如下

2.3 變量說(shuō)明

2.3.1 被解釋變量

本文的被解釋變量是高技術(shù)制造業(yè)發(fā)展水平（Hit），采用各地區(qū)高技術(shù)制造業(yè)生產(chǎn)總值與第二產(chǎn)業(yè)生產(chǎn)總值的比值來(lái)衡量。另外，依據(jù)國(guó)家統(tǒng)計(jì)局發(fā)布的《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類（2017）》的分類準(zhǔn)則進(jìn)行數(shù)據(jù)選取。

2.3.2 核心解釋變量

本文核心解釋變量是數(shù)字經(jīng)濟(jì)發(fā)展水平（Dig）。鑒于該概念提出時(shí)間不長(zhǎng)，參考相關(guān)文獻(xiàn)[6]，從3個(gè)維度出發(fā)，選擇8個(gè)二級(jí)指標(biāo)構(gòu)建評(píng)價(jià)體系，運(yùn)用面板熵值法計(jì)算各省（自治區(qū)、直轄市）數(shù)字經(jīng)濟(jì)發(fā)展水平得分。數(shù)字經(jīng)濟(jì)指標(biāo)評(píng)價(jià)體系見(jiàn)表1。

2.3.3 控制變量

（1）經(jīng)濟(jì)發(fā)展水平（ed）?；谛靷コ实萚7]的研究，采取人均GDP表征各地區(qū)經(jīng)濟(jì)發(fā)展水平，反映城市經(jīng)濟(jì)發(fā)展?fàn)顩r和人民生活水平。

（2）政府參與程度（gov）?；谫Z敬全等[8]的研究，采取地方財(cái)政一般預(yù)算內(nèi)支出占GDP的比值，表征政府參與程度。

（3）城市化水平（urb）。采取地區(qū)年末城市城鎮(zhèn)人口數(shù)與地區(qū)年末常駐總?cè)丝跀?shù)的比值，表示城鎮(zhèn)化水平的高低和城鎮(zhèn)化進(jìn)程的推進(jìn)程度。

（4）人力資本水平（univ）。高技術(shù)人才對(duì)高技術(shù)制造業(yè)的高質(zhì)量發(fā)展具有極其重要的作用，采取用地區(qū)普通高等學(xué)校數(shù)量表示高等教育人才水平。

2.3.4 中介變量

創(chuàng)造能力（lnne）?；谔扑傻萚9]的研究，采取地區(qū)專利申請(qǐng)數(shù)據(jù)表示創(chuàng)造能力水平，具體包括發(fā)明專利量（invpat）及實(shí)用新型和外觀設(shè)計(jì)專利量（genpat）兩個(gè)指標(biāo)。變量描述性統(tǒng)計(jì)見(jiàn)表2。

2.4 模型構(gòu)建

本文采用省級(jí)面板數(shù)據(jù)研究數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平的影響，構(gòu)建的基準(zhǔn)回歸模型如下

Hitij=α0+α1Digij+αmWij+μi+εij

式中，Hitij為j年i省份的高技術(shù)制造業(yè)發(fā)展水平；α0為常數(shù)項(xiàng)；α1為數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平的總效應(yīng)影響；Digij為j年i省份的數(shù)字經(jīng)濟(jì)水平；αm為控制變量的待估計(jì)參數(shù)；Wij為控制變量合集；μi為固定效應(yīng)；εij為隨機(jī)誤差。

為了進(jìn)一步研究數(shù)字經(jīng)濟(jì)通過(guò)創(chuàng)新能力間接作用于高技術(shù)制造業(yè)的影響效應(yīng)，將創(chuàng)新能力作為中介變量進(jìn)行中介效應(yīng)檢驗(yàn)，具體計(jì)量模型如下

Hitij=α0+α1Digij+αmWij+μi+εij

Mij=β0+β1Digij+βmWij+λi+kij

Hitij=γ0+γ1Digij+γ1Mij+γmWij+li+vij

式中，Mij為中介變量，包含創(chuàng)新能力中介變量；β0為常數(shù)項(xiàng)；β1為數(shù)字經(jīng)濟(jì)對(duì)中介變量的影響效應(yīng)；βm為控制變量的待估計(jì)參數(shù)；λi為固定效應(yīng)；kij為隨機(jī)誤差項(xiàng)；γ0是常數(shù)項(xiàng)；γ1為數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)的直接影響效應(yīng)；β1×γ1為數(shù)字經(jīng)濟(jì)通過(guò)中介變量對(duì)高技術(shù)制造業(yè)的間接影響效應(yīng)；γm為控制變量的待估計(jì)參數(shù)；li為固定效應(yīng)；vij為隨機(jī)誤差項(xiàng)。

3 實(shí)證分析

3.1 數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)的影響

面板模型實(shí)證結(jié)果見(jiàn)表3。由表3可知，在OLS及依次加入變量的固定效應(yīng)模型中，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)的回歸系數(shù)都為正值且都通過(guò)了1%的顯著性檢驗(yàn)，表明與假設(shè)H1相符。在模型（5）中，數(shù)字經(jīng)濟(jì)的系數(shù)為0.352，意味著數(shù)字經(jīng)濟(jì)每提高1%，高技術(shù)制造業(yè)的發(fā)展水平提高0.352%，表明在數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)下，高技術(shù)制造業(yè)發(fā)展水平趨于正向發(fā)展，數(shù)字經(jīng)濟(jì)為制造業(yè)帶來(lái)了真正意義上的技術(shù)突破。

在模型（2）中，政府參與程度（lngov）通過(guò)了5%的顯著性檢驗(yàn)，且對(duì)高技術(shù)制造業(yè)發(fā)展水平有正向影響。政府參與程度每提高1%，高技術(shù)制造業(yè)發(fā)展水平提高0.696%，表明政府的資金支持為高技術(shù)制造業(yè)發(fā)展水平的提升提供了幫助。

在模型（4）和模型（5）中，經(jīng)濟(jì)發(fā)展水平（lned）對(duì)高技術(shù)制造業(yè)發(fā)展水平有負(fù)向影響，且通過(guò)了5%的顯著性檢驗(yàn)。由于采用人均GDP來(lái)衡量經(jīng)濟(jì)發(fā)展水平，不同地區(qū)人們的主要收入方向不同，大多數(shù)產(chǎn)值覆蓋在信息技術(shù)、互聯(lián)網(wǎng)和金融行業(yè)，對(duì)于高技術(shù)產(chǎn)業(yè)發(fā)展有所推動(dòng)，但對(duì)于高技術(shù)制造業(yè)發(fā)展可能起到一定的抑制作用。

在模型（4）和模型（5）中，城市化水平（lnurb）對(duì)高技術(shù)制造業(yè)發(fā)展水平起到正向推進(jìn)作用，通過(guò)了1%的顯著性檢驗(yàn)。城市化水平越高，就越會(huì)吸引更多的人才來(lái)就業(yè)，通過(guò)人才積累，助力高技術(shù)制造業(yè)提升創(chuàng)新水平和技術(shù)水平。

在模型（5）中，人力資本水平（lnuniv）對(duì)于高技術(shù)制造業(yè)發(fā)展水平起到正向推進(jìn)作用，表明人力資本可促進(jìn)高技術(shù)制造業(yè)高質(zhì)量發(fā)展。

3.2 非線性遞增效應(yīng)分析

本文采用面板分位數(shù)回歸方法評(píng)估數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展的動(dòng)態(tài)非線性效應(yīng)，具體參考宛群超等[10]的研究。結(jié)果表明，在10%、50%、90%三個(gè)分位數(shù)下，數(shù)字經(jīng)濟(jì)均對(duì)高技術(shù)制造業(yè)發(fā)展產(chǎn)生顯著正向影響。lndig的估計(jì)系數(shù)逐漸變大，說(shuō)明在高技術(shù)產(chǎn)業(yè)發(fā)展水平越高的地區(qū)，數(shù)字經(jīng)濟(jì)的影響效應(yīng)越大。究其原因，隨著高技術(shù)制造業(yè)發(fā)展水平的提升，城市發(fā)展越完善，數(shù)字經(jīng)濟(jì)就越能發(fā)揮作用。面板分位數(shù)回歸結(jié)果見(jiàn)表4。

3.3 穩(wěn)健性檢驗(yàn)

本文采用多種方法進(jìn)行穩(wěn)健性檢驗(yàn)。第一，高技術(shù)制造業(yè)發(fā)展水平呈現(xiàn)部分?jǐn)?shù)據(jù)堆積在前10%和后10%的情況，采用Tobit模型進(jìn)行回歸分析，以檢驗(yàn)原模型的穩(wěn)定性。第二，對(duì)解釋變量取滯后期，也能減輕反向因果帶來(lái)的內(nèi)生性。第三，選擇合適的工具變量處理核心解釋變量的內(nèi)生性。一方面，傳統(tǒng)通信基礎(chǔ)設(shè)施會(huì)影響后續(xù)互聯(lián)網(wǎng)技術(shù)的使用；另一方面，傳統(tǒng)通信工具的經(jīng)濟(jì)作用會(huì)隨著使用率的下降而減弱。為處理原工具變量?jī)H有的橫截面數(shù)據(jù)問(wèn)題，構(gòu)建隨時(shí)間變化的交互項(xiàng)作為面板工具變量[11]，即每年全國(guó)互聯(lián)網(wǎng)用戶數(shù)與1984年各市電話普及量的交互項(xiàng)（usertel）。穩(wěn)健性與內(nèi)生性檢驗(yàn)見(jiàn)表5。

在表5中，模型（6）是采用Tobit模型得到的回歸結(jié)果，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平的回歸系數(shù)通過(guò)了10%的顯著性水平檢驗(yàn)。模型（7）表示數(shù)字經(jīng)濟(jì)滯后期對(duì)高技術(shù)制造業(yè)的影響，與固定效應(yīng)模型回歸結(jié)果高度一致。模型（8）是采用工具變量的回歸結(jié)果，通過(guò)了1%的顯著性水平檢驗(yàn)。通過(guò)穩(wěn)健性檢驗(yàn)和內(nèi)生性處理，再次驗(yàn)證了數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平具有顯著正向作用。

3.4 數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平的機(jī)制檢驗(yàn)

實(shí)證結(jié)果顯示，數(shù)字經(jīng)濟(jì)可以促進(jìn)高技術(shù)制造業(yè)的發(fā)展。理論分析認(rèn)為，數(shù)字經(jīng)濟(jì)可以通過(guò)提高地區(qū)創(chuàng)新能力對(duì)高技術(shù)制造業(yè)產(chǎn)生間接影響。本文采用中介效應(yīng)模型進(jìn)行檢驗(yàn)，中介效應(yīng)檢驗(yàn)見(jiàn)表6。

在表6中，模型（9）的回歸系數(shù)顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)能有效促進(jìn)地區(qū)的實(shí)質(zhì)性創(chuàng)新；而模型（11）表明數(shù)字經(jīng)濟(jì)對(duì)非實(shí)質(zhì)性技術(shù)創(chuàng)新的效果不顯著；模型（10）是數(shù)字經(jīng)濟(jì)通過(guò)提升創(chuàng)新能力對(duì)高技術(shù)制造業(yè)產(chǎn)生顯著正向影響，且回歸系數(shù)通過(guò)了1%的顯著性水平檢驗(yàn)，說(shuō)明數(shù)字經(jīng)濟(jì)能通過(guò)實(shí)質(zhì)性技術(shù)創(chuàng)新顯著地提升高技術(shù)制造業(yè)的發(fā)展水平。

4 結(jié)語(yǔ)

實(shí)證結(jié)果表明，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)發(fā)展水平具有顯著正向作用，且該作用存在非線性遞增效應(yīng)。具體而言，數(shù)字經(jīng)濟(jì)能直接促進(jìn)高技術(shù)制造業(yè)的發(fā)展，即使在替換完Tobit模型、使用數(shù)字經(jīng)濟(jì)滯后期及工具變量法檢驗(yàn)后，這一結(jié)論依舊成立。進(jìn)行面板分位數(shù)回歸分析發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)制造業(yè)不同發(fā)展水平上的非線性正向推動(dòng)效應(yīng)呈現(xiàn)遞增態(tài)勢(shì)。除了直接效應(yīng)，數(shù)字經(jīng)濟(jì)還可以通過(guò)促進(jìn)創(chuàng)新特別是實(shí)質(zhì)性創(chuàng)新而產(chǎn)生中介效應(yīng)，從而進(jìn)一步推動(dòng)高技術(shù)制造業(yè)發(fā)展，而對(duì)非實(shí)質(zhì)性創(chuàng)新的影響則不明顯。同時(shí)，政府參與程度、城市化水平、人力資本水平也對(duì)我國(guó)高技術(shù)制造業(yè)的發(fā)展產(chǎn)生了顯著正向作用。但值得注意的是，經(jīng)濟(jì)發(fā)展水平對(duì)高技術(shù)制造業(yè)的影響系數(shù)顯著為負(fù)，這可能是由于人員技術(shù)產(chǎn)值集中在信息互聯(lián)網(wǎng)和金融行業(yè)，對(duì)制造業(yè)的發(fā)展影響甚微。

參考文獻(xiàn)

[1]胡俊，杜傳忠.人工智能推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的機(jī)制、路徑及對(duì)策[J].經(jīng)濟(jì)縱橫，2020（3）：94-101.

[2]焦勇.數(shù)字經(jīng)濟(jì)賦能制造業(yè)轉(zhuǎn)型：從價(jià)值重塑到價(jià)值創(chuàng)造[J].經(jīng)濟(jì)學(xué)家，2020（6）：87-94.

[3]李春發(fā)，李冬冬，周馳.數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)制造業(yè)轉(zhuǎn)型升級(jí)的作用機(jī)理——基于產(chǎn)業(yè)鏈視角的分析[J].商業(yè)研究，2020（2）：73-82.

[4]李英杰，韓平.數(shù)字經(jīng)濟(jì)下制造業(yè)高質(zhì)量發(fā)展的機(jī)理和路徑[J].宏觀經(jīng)濟(jì)管理，2021（5）：36-45.

[5]秦建群，趙晶晶，王薇.數(shù)字經(jīng)濟(jì)對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)影響的中介效應(yīng)與經(jīng)驗(yàn)證據(jù)[J].統(tǒng)計(jì)與決策，2022，38（11）：99-103.

[6]孫黎，許唯聰.數(shù)字經(jīng)濟(jì)對(duì)地區(qū)全球價(jià)值鏈嵌入的影響——基于空間溢出效應(yīng)視角的分析[J].經(jīng)濟(jì)，2021，43（11）：16-34.

[7]徐偉呈，范愛(ài)軍.互聯(lián)網(wǎng)技術(shù)驅(qū)動(dòng)下制造業(yè)結(jié)構(gòu)優(yōu)化升級(jí)的路徑——來(lái)自中國(guó)省際面板數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018，40（7）：45-57.

[8]賈敬全，陶冶.財(cái)政分權(quán)對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的空間效應(yīng)研究[J].統(tǒng)計(jì)與決策，2023，39（15）：151-155.

[9]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異[J].管理世界，2020，36（5）：9，52-66.

[10]宛群超，袁凌，譚志紅.科技人才集聚、市場(chǎng)競(jìng)爭(zhēng)及其交互作用對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新績(jī)效的影響[J].軟科學(xué)，2021，35（11）：7-12.

[11]NUNN N，QIAN N.US food aidand civil conflict[J].The American Economic Review，2014，104（6）：1630-1666.

收稿日期：2024-02-18

作者簡(jiǎn)介：

王亦虹（1974—），女，博士，副教授，博士研究生導(dǎo)師，研究方向：數(shù)字經(jīng)濟(jì)。

許曉然（通信作者）（1999—），女，研究方向：數(shù)字經(jīng)濟(jì)。

*基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目（20BGL220）。