张 杰，盛科荣，刘 乐
(山东理工大学 经济学院，山东 淄博 255000)
从工业革命时代的蒸汽机到信息网络时代的计算机，重大技术变革的出现对社会经济的跃迁起到了巨大的推动作用。步入21世纪，以信息网络为代表的新兴通用技术(general-purpose technologies)在全球范围内的广泛应用极大地改变了人们的生产、生活方式，日渐成为世界经济增长和社会进步的重要动力[1-3]。正如国际复兴开发银行(通称世界银行，简称IBRD)在2012年发布的报告中所指出，信息与通信技术(ICT)在减少贫困、提高生产率、促进经济增长以及加强政府的问责和治理方面大有可为[4]。作为现代技术体系的核心，信息网络必将在新一轮产业革命中对经济增长的质量产生深远而显著的影响[5]。
关于信息网络经济效应的研究主要沿着2条平行主线展开。第1条主线聚焦于信息网络对经济增长的影响。一些学者探讨了信息网络基础设施对经济增长的影响。Datta等[6]、Czernich等[7]研究发现，电信网络基础设施对经济合作与发展组织(OECD)国家的经济增长具有显著的促进作用；
Batuo等[8]同样指出，电信基础设施对非洲大陆的经济发展作出了主要贡献；
Röller等[9]则发现网络基础设施对经济增长存在非线性影响，当一个国家固定电话普及率达到一定临界值后，网络基础设施对经济增长的促进作用更大。另一些学者注意到了信息网络对地区经济增长的差异化影响。Qiang等[10]、Thompson等[11]研究发现，相对于高收入国家，信息网络为低收入国家经济增长带来的正向促进作用明显较大，原因可能是信息与通信技术的发展为落后地区克服先天要素禀赋匮乏以及位置偏远等不利条件提供了可能；
然而，Niebel[12]基于1995—2010年全球59个国家面板数据的研究发现，相对于发达国家，发展中国家和新兴国家在信息与通信技术方面的投资所获得的收益更少，因此对发展中国家通过信息与通信技术实现跨越式发展的假设提出质疑。
第2条主线聚焦于信息网络对生产率的影响。20世纪80年代末，美国在信息技术领域的巨额投资并未带来生产率水平的实质变化，Solow[13]由此提出著名的生产率悖论，即到处都可以看见计算机时代，只有生产率统计除外。互联网的崛起和信息与通信技术的广泛应用使信息网络对生产率的促进作用逐渐凸显。20世纪90年代，Brynjolfsson[14]、姜建强等[15]、Amendola等[16]对出现生产率悖论的可能原因给出解释，信息网络需要在相对较长时间内才能发挥对经济增长及生产率提升作用效果的观点得到普遍认同。Oliner等[17]、Jorgenson等[18]、Park等[19]分别基于不同样本的跨国面板数据，实证分析信息网络对生产率的影响，均得出信息网络能显著促进地区生产率提高的结论，信息与通信技术被视为生产率持续增长的关键驱动力。这些研究为考察信息网络与全要素生产率的关系提供了重要借鉴，但是总体来看，基于跨国数据的实证研究当前还主要停留在普通线性回归阶段，相对缺乏纳入空间要素对信息网络与全要素生产率关系的探讨；
另外，需要进一步探明信息网络通过哪些方式对地区经济增长和全要素生产率的提高发挥作用。
为了解决信息网络是否会影响一个国家的全要素生产率问题，以及明确信息网络影响国家全要素生产率水平的传导机制，本文中选取2015—2019年全球68个国家的面板数据，依次运用经典线性回归模型和空间面板杜宾模型(SPDM)实证分析信息网络对全要素生产率的影响。通过纳入空间要素，从空间相关性的角度进一步探讨信息网络对全要素生产率的影响，并引入中介效应分析框架，揭示信息网络对全要素生产率影响的中介机制，从而加深全球化进程中信息网络对全要素生产率作用规律的理解，并为中国现代经济体系构建提供政策建议。
1.1 模型设定
1.1.1 经典线性回归模型
为了检验信息网络对全要素生产率T的影响，建立国家i在年份t全要素生产率Tit的计量方程。同时选取控制变量，减小潜在遗漏变量带来的估计误差。计量方程为
Tit=α0+α1Git+α2Xit+μi+λt+εit，
(1)
式中：Tit为被解释变量；
Git为核心解释变量；
Xit为控制变量；
α0为常数项；
α1、α2为回归系数；
μi为国家固定效应；
λt为时间固定效应；
εit为残差。本文中关注的焦点是Git的回归系数α1：如果α1显著为正值，则表明信息网络促进了全要素生产率增长。
1.1.2 空间面板计量模型
考虑到普通面板模型忽视了空间要素，容易低估或高估信息网络对全要素生产率的作用效果，因此本文中在测度全要素生产率空间相关性的基础上建立空间计量模型，进一步检验信息网络对全要素生产率是否存在空间溢出效应。全局空间自相关性检验指标为全局莫兰指数IM[20]，即
(2)
相对于空间面板误差模型(SPEM)和空间面板滞后模型(SPLM)，空间面板杜宾模型[21]能同时解析自变量和因变量空间依赖性的影响，揭示信息网络对全要素生产率的作用效果，即
(3)
1.2 变量选取
1.2.1 被解释变量
本文中全要素生产率数据取自佩恩世界表(Penn world table，PWT10.0)[22]。佩恩世界表提供了2种统计口径的全要素生产率数据：一种是将每年美国全要素生产率编码为1的横向可比数据，另一种是将各国2017年全要素生产率编码为1的纵向可比数据。本文中借鉴林志帆等[23]的做法，将全要素生产率定义为横向、纵向可比的全要素生产率之积。表1所示为2019年样本国家的全要素生产率。从表中可以看出，不同国家的全要素生产率存在显著的地域分异，呈现北美、西欧—中东、大洋洲—亚洲、南美洲—非洲递减梯度分布特征。
表1 2019年样本国家的全要素生产率
1.2.2 核心解释变量
借鉴Saniel等[24]、Merkulova等[25]和Popkova等[26]的研究，本文中核心解释变量信息网络的测度指标来源于全球联接指数(global connectivity index)[27]。该指数通过供给、需求、体验、潜力四大经济要素以及宽带、云计算、物联网、人工智能(AI)四大使能技术共40个指标，对一个国家数字经济转型的进程进行独特、全面、客观的量化评估。同时，华为技术有限公司根据各国全球联接指数的分值，将样本国家分为起步者、加速者和领跑者3类。其中，起步者是处于信息与通信技术基础设施建设早期阶段的国家，这些国家正致力于扩大网络联接覆盖范围，力求让更多国民融入数字经济；
加速者是依靠信息与通信技术基础设施投资带来国内生产总值(GDP)快速增长的国家，这些国家聚焦于提升高速联接和云服务的需求，以促进行业数字化转型和经济增长；
领跑者主要是关注提升用户体验的发达国家，这些国家着眼于第5代移动通信技术(5G)建设、大数据、人工智能以及物联网技术，以发展智能化水平更高、创新能力更强的经济体。表2所示为2019年样本国家的全球联接指数。从表中可以看出，与2019年样本国家全要素生产率的地域分异一样，全球联接指数同样呈北美、西欧—中东、大洋洲—亚洲、南美洲—非洲递减梯度分布特征。图1所示为样本国家全球联接指数与全要素生产率的散点图。从图中可以看出，全球联接指数与全要素生产率呈明显的正相关性，说明随着国家信息网络发展程度的提高，全要素生产率提高，从而促进了经济增长。
表2 2019年样本国家的全球联接指数
图1 样本国家全球联接指数与全要素生产率的散点图
通过构建基于变异系数的耦合度模型，进一步解析国家间全球联接指数与全要素生产率之间的耦合关系。国家i的全球联接指数Gi与全要素生产率Ti的耦合协调度为R=(S/D2)k(0.5Gi+0.5Ti)，其中S为全球联接指数与全要素生产率的乘积，D为全球联接指数与全要素生产率的平均值，k为区别系数，为了加强区分度，设定k为4[28]。需要指出的是，在计算耦合协调度之前，需要先采用离差标准化法对全球联接指数与全要素生产率数据进行标准化处理。图2所示为2015、2019年全球联接指数与全要素生产率耦合协调度散点图。从图中可以看出，从2015年到2019年，60个国家的耦合协调度明显上升，5个国家的耦合协调度没有明显变化，仅有3个国家的耦合协调度下降。总体来看，全球各国全球联接指数与全要素生产率呈现协同演进的格局。
图2 2015、2019年全球联接指数与全要素生产率耦合协调度散点图
1.2.3 控制变量
借鉴相关经济理论及已有研究[29-30]，本文中纳入资本收益率Xirr、汇率水平Xxr、资本存量Xcs、经济自由度指数Xfree、全球创新指数Xgii作为模型的控制变量。同时，为了规避国内价格水平对经济总产出的影响，也选择一些其他指标作为控制变量，如家庭消费价格水平Xpc和政府消费价格水平Xpg。由于最新版佩恩世界表的样本范围是1950—2019年的183个国家，而全球联接指数的样本范围是2015—2020年的79个国家，因此本文中在合并2份数据后，得到的最终样本时间跨度为2015—2019年，共涵盖68个国家。2015—2019年全要素生产率和影响因素面板数据的变量统计性描述如表3所示。
表3 2015—2019年全要素生产率和影响因素面板数据的变量统计性描述
2.1 经典线性模型回归结果
本文中研究样本为2015—2019年全球68个国家的面板数据。通过年度虚拟变量的联合显著性检验发现，模型不需要控制时间效应。同时，Hausman检验结果表明固定效应模型较随机效应模型更优。由此最终选用固定效应模型进行回归分析。根据式(1)，可以得到信息网络影响全要素生产率的经典线性模型回归结果，如表4所示。从表中可以看出，信息网络对全要素生产率的影响系数为0.124 1，并通过了显著性水平为0.05的显著性检验，说明信息网络的发展能显著提高一个国家的全要素生产率水平。考虑到遗漏变量以及双向因果关系的存在，信息网络与经济发展水平、全要素生产率之间可能存在内生性问题，因此选取每百人固定电话用户数、每百万人安全互联网服务器个数作为信息网络的工具变量，进行稳健性估计。在进行工具变量法估计之前，为了考察工具变量的有效性，分别进行不可识别检验、弱工具变量检验和过度识别检验。其中，不可识别检验在0.01的显著性水平上拒绝了工具变量识别不足的原假设；
弱工具变量检验拒绝了工具变量是弱工具变量的原假设；
过度识别检验接受了所选工具变量均为外生的原假设。由此可知，工具变量是有效的。根据工具变量法模型的回归结果，信息网络对全要素生产率的提高具有稳健的正向影响，相对于固定效应模型估计结果，工具变量法中拟合系数和显著性水平均得到提高，表明固定效应模型低估了信息网络对全要素生产率的影响。
资本收益率的系数显著为正，而汇率水平的系数显著为负，说明一个国家的对内、对外金融环境对国家经济的发展以及全要素生产率的提高具有显著差异，稳定的国内金融市场环境能够促进全要素生产率水平的提高，而动荡的外部金融市场给国家经济的发展带来了危机。由此，制定恰当的货币政策与财政政策对于国家经济的发展至关重要。资本存量的系数显著为正，说明资本累积是提高国家经济效率的物质基础，资本存量较大的国家具有较高的全要素生产率水平，能够推动国家经济的持续增长。经济自由度指数的系数显著为正，说明自由开放的经济环境和完善的市场经济制度是全要素生产率提升的重要决定性因素。经济自由度的提高一方面能够营造宽容、允许试错的市场环境，加深与他国的经济贸易联系；
另一方面，在贸易往来中，以大型企业为主的知识守门人(knowledge gatekeeper)为吸收高价值的缄默知识提供了可能[31]，进而促进经济增长与全要素生产率水平的提升。全球创新指数的系数显著为正，说明创新水平是全要素生产率不断提高的能动因素。创新水平较高的国家在吸引高素质人才和先进信息技术方面处于优势地位，同时这些国家较高的技术利用效率和资本运行效率也会进一步推动全要素生产率水平的不断提高。
表4 信息网络影响全要素生产率的经典线性模型回归结果
2.2 空间计量模型回归结果
在使用空间计量模型回归之前，对全要素生产率的空间相关性进行检验，检验结果表明，在2015—2019年间，全局莫兰指数全部显著为正，说明各国间全要素生产率呈显著的正向空间自相关性；
同时，全局莫兰指数呈现增大趋势，从2015年的0.106增至2019年的0.126，表明全球全要素生产率的集聚程度增强。上述结果说明了引入空间要素分析信息网络对全要素生产率影响的合理性。为了确定合适的空间计量模型表达形式，本文中依次进行拉格朗日乘数(LM)检验、沃尔德(Wald)检验和似然比(LR)检验。LM检验中统计量均通过了显著性水平为0.01的显著性检验，表明检验结果拒绝了无空间误差和无空间滞后影响的原假设；
Wald检验和LR检验中统计量均通过了显著性水平为0.01的显著性检验，表明空间面板杜宾模型更为合适。同时，结合Hausman检验和联合显著性检验结果，本文中最终选用时间、空间双向固定效应的空间面板杜宾模型进行回归分析，结果如表5所示。从表中可以看出，空间自回归系数ρ和大多数解释变量及其空间滞后项均通过了显著性检验。
信息网络对全要素生产率的增长具有显著正向影响，一个国家全球联接指数提高1%会使全要素生产率上升0.257 3%，但是全球联接指数的空间滞后项并没有通过显著性检验，表明在国家经济效率提高进程中，国家信息网络发展水平是提高全要素生产率的基础条件，而地理邻近国家之间信息网络发展水平在全要素生产率的提高作用方面居于次要地位。控制变量分析结果显示，经济自由度对全要素生产率的影响具有相似的特征：经济自由度指数较高的国家具有更高的经济运行效率，在本国全要素生产率的提高作用方面居于主要地位。创新水平和资本收益是国家层面全要素生产率的积极影响因素，全球创新指数和资本收益率的空间滞后项同样具有显著的正向影响，说明一个国家创新水平和资本收益越高，则该国的投入-产出效率越高。同时，邻近国家的创新水平和资本收益也能提高本国的经济要素配置效率，促进地区间全要素生产率的协同增长。汇率升值对国家全要素生产率的影响显著为负，但是汇率水平的空间滞后项并没有通过显著性检验，表明研究期内汇率贬值会提高一个国家的全要素生产率水平，但是对全要素生产率影响的空间溢出效应并不明显。资本存量的系数显著为正，而资本存量空间滞后项的系数显著为负，说明本国资本存量增加是提高全要素生产率的主要动力，一个国家资本存量水平提高1%将导致全要素生产率提高0.110 9%，而地理邻近国家之间的资本累积对全要素生产率的改善存在空间竞争效应。
表5 信息网络影响全要素生产率的空间面板杜宾模型回归结果
2.3 中介机制模型回归结果
前文中的分析结果表明，信息网络对国家全要素生产率的提高具有显著的正向促进作用。为了进一步解析信息网络对全要素生产率的影响机理，采用中介效应模型对内在机制进行检验，重点验证以下2个中介机制。
1)技术进步。根据内生增长理论，全社会知识积累所支撑的各领域的创新活动是经济增长的重要动力之一[32]，而信息的生产和传播是知识积累的重要驱动力量。互联网嵌入有效打破了生产要素流动的时空壁垒，促进了不同空间位置和远距离大规模信息数据的交换和整合[33]，对经济增长和全要素生产率的提高具有积极作用[34]。另外，互联网的深入发展降低了信息传递的成本，极大地加快了知识的传播，打破了信息不对称壁垒，有助于加快新思想、新技术和新知识的交流互动，提高本地的知识储备，激发知识创新过程，促进社会技术进步，支撑经济的内生增长[35]。
2)组织变革。信息与通信技术的发展有助于传统行业充分利用新技术、新知识，提高行业的运行效率，推动传统行业转型升级，同时能更精准地匹配要素的供给和需求，提高产业之间和产业内部分工的专业化程度，进而提升经济的运行效率[36]。其次，物联网、大数据、区块链等技术在全球范围内的迅速崛起催生了一大批新型产业和新型商业模式，可以带动要素从生产率较低的行业流入生产率较高的行业，促进全要素生产率水平的提升[37]。
对以上2个中介机制检验的代理变量测度方法如下：1)技术进步Mrd。采用研发投入占GDP的比例衡量一个国家的技术创新能力。2)组织变革Mse。采用服务业增加值衡量一个国家的产业结构升级。两者数据均根据世界发展指标数据库整理。根据机制分析中的路径分析方法，在利用式(1)估计总效应的基础上增加中介变量，建立中介效应模型，即
Mit=γ0+γ1Git+γ2Xit+μi+λt+εit，
(4)
Tit=η0+η1Git+η2Mit+η3Xit+μi+λt+εit，
(5)
式中：Mit为中介变量；
γ0、η0为常数项；
γ1、γ2、η1、η2、η3为回归系数。
本文中采用温忠麟等[38]修订逐步法[39]后提出的中介效应检验方法，对内在机制进行回归检验。表6所示为信息网络影响全要素生产率的中介效应模型回归结果。由表可知，总效应的中介机制模型回归结果表明信息网络对全要素生产率的影响系数显著为正，中介效应成立。技术进步和组织变革的中介机制模型回归结果表明式(4)中的γ1与式(5)中的η2均通过了显著性检验，由此可知，技术进步和组织变革2个中介机制的间接效应显著，信息网络通过技术进步和组织变革2个中介机制促进了全要素生产率的改善。同时，信息网络带来的技术进步、效率提升的中介效应占总效应的分数，即γ1η2/α1，分别为9.54%、17.23%。由此可以得出，信息网络通过促进技术进步、推动组织变革提升了全要素生产率。
表6 信息网络影响全要素生产率的中介机制模型回归结果
本文中基于2015—2019年全球68个国家的面板数据，运用经典线性回归模型和空间面板杜宾模型，实证分析了信息网络对全要素生产率的影响，得到以下主要结论：
1)不同国家之间存在数字鸿沟，信息网络发展水平和全要素生产率地区不平衡现象较显著，存在北美、西欧—中东、大洋洲—亚洲、南美洲—非洲递减梯度分布，耦合度分析发现信息网络发展水平和全要素生产率呈较明显的相关性。
2)固定效应模型表明，信息网络对一个国家全要素生产率的提升具有显著的正向促进作用，在使用工具变量法减缓内生性问题后，回归结果仍然稳健；
控制变量分析结果显示，资本水平、经济自由度以及创新水平是近年全要素生产率提高的主要动力，国家经济市场的稳定发展对全要素生产率的提高至关重要。
3)各国全要素生产率在2015—2019年表现出明显的空间集聚特征，存在显著的正向空间自相关性。空间面板杜宾模型回归结果显示，信息网络以及各控制变量对全要素生产率具有促进作用；
本国的信息网络发展水平是全要素生产率水平提高的主要条件，地理邻近国家之间的信息网络发展水平居于次要地位。
4)信息网络主要通过技术进步和组织变革2个中介机制促进全要素生产率的提高，并且组织变革的作用效果大于技术进步的作用效果。
本文中分析结果对处于经济转型时期的中国具有重要的现实意义和政策启示：
1)数字经济时代信息网络发展水平成为提升地区经济增长质量的重要因素。未来应高度重视地区间多维度的发展差距，提高政府、企业等对信息网络在提升全要素生产率中作用的认识，在加强落后地区网络基础设施投资力度的同时，推进发达地区信息技术应用创新，从而驱动社会发展和经济转型升级。
2)建立在产品价值链基础上的地区分工成为现代经济景观的显著特征，各地区依托不同的资源禀赋建立各具特色的主导产业，形成分工专业的生产网络。在新的发展阶段，应充分发挥信息网络的资源配置优势，营造良好稳定的经济环境，积极培育知识守门人，以增强地区的知识利用能力。同时，应加大财政研发投入力度，不断推进新型产业的发展，以发展信息网络为抓手，推动国家整体的技术提升和产业结构升级。
猜你喜欢信息网络生产率面板中国城市土地生产率TOP30决策(2022年7期)2022-08-04石材家具台面板划分方法石材(2020年7期)2020-08-24MasterCAM在面板类零件造型及加工中的应用模具制造(2019年4期)2019-06-24跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26Photoshop CC图库面板的正确打开方法摄影之友(影像视觉)(2017年1期)2017-07-18智能化计算机安全监控信息网络技术研究计算机测量与控制(2017年6期)2017-07-01河南省交通运输厅信息网络监测预警系统中国交通信息化(2017年12期)2017-06-06信息网络环境下提高网络统战工作效果的探讨中央社会主义学院学报(2017年1期)2017-04-16
