【《数字经济促进经济增长的实证分析》2000字】

数字经济促进经济增长的实证分析（一）实证模型构建及数据来源1.基准检验模型：数字经济发展与经济增长为探索数字经济与经济增长之间的关系，构建以下基准模型：lnpgdpit=α0+α1dediit+α2lnlaborit+α3eductionit+α4structureit+α5lnkit+α6govit+α7urbit+μit+εit（3—1）该式：i代表地区；t代表年份；lnpgdp代表人均实际GDP的对数值；dedi代表数字经济发展水平；lnlabor代表地区劳动力投入数量；education代表地区劳动力投入质量；structure代表地区产业结构；lnk代表地区资本投入；gov代表地区政府干预程度；urb代表地区城镇化水平；μit代表地区不随时间变化的因素用来控制地区的固定效应；ε代表随机误差项。2.变量与数据（1）经济增长：采用人均实际GDP的对数值表示（lnpgdp），在稳健型检验中将其替换成实际GDP对数值（lngdp）。（2）数字经济发展：本文将借用华理雄（2020）所构建的数字经济发展指标来衡量数字经济发展水平。该指标通过对数字信息同喜基础设施、数字产业化发展、数字金融发展以及产业数字化发展赋予分别的权重计算获得的。（3）控制变量：本文用劳动力数量对数值衡量劳动力的数量投入，人均受教育程度衡量劳动力投入质量，用全社会固定资产增加值的对数值衡量资本投入。其中，人均受教育程度根据全国和各省的相关统计年鉴中关于人口学历的普查情况，对文盲、小学、初中、高中以及大专及以上的不同学历分别复制0、6、9、12和16，并根据各省统计年鉴中的普查比例加权计算各省的平均受教育年限，以此来衡量各省劳动力的质量投入。此外，本文还引入其他几个相关的控制变量：用第三产业/第二产业的比例来衡量产业结构；用财政支出占GDP的比例来衡量政府的干预程度；用常住城镇人口占总人口比例来衡量地区城镇化水平。基准回归模型设计的变量描述性统计见下表4-1：表4SEQ表\*ARABIC\s41基准回归模型的变量描述性统计图变量名称变量含义观测数量均值标准差最小值最大值lnpgdp经济增长27910.760.439.7111.94dedi数字经济发展水平2791.620.720.063.24lnlabor劳动力数量投入2796.920.914.248.79education劳动力质量投入2799.031.144.2212.56lnk物质资本投入2799.390.886.2510.96structure产业结构2791.160.640.525.02gov政府干预程度2790.280.210.111.38urb城镇化水平2790.560.130.230.9注：数据来源于国家统计局、各省统计年鉴报到。除了数字省级数字经济发展指标，其余数据均来自国家统计局、全国统计年鉴、各地区统计年鉴以及国泰安数据库，我国省级数字经济发展指标数据来自于华理雄（2020）。（二）基准回归结果首先在不考虑内生性问题时进行基准回归并进行豪斯曼检验，检验结果应选用固定效应模型所产生的结果，且以下实证分析皆采用固定效应模型。为验证数字经济发展水平的稳健性，依次加入各控制变量，基准模型的回归结果如下表：从基准回归的结果可以看出，在依次加入控制变量的过程中，作为核心解释变量的数字经济发展水平的正负性始终不变，并保持较强的显著性，说明数字经济发展水平显著正向促进经济增长，进而验证了前文所提出的假设。这个结果也证明了发展数字经济的重要性，政府应鼓励各地区人才研发数字技术，将更多的资金用于发展数字经济，使其成为促进经济增长的强劲动力。对于其他控制变量，可以得出以下结论：劳动力投入的数量和质量以及资本投入都显著的促进经济增长，这与之前经济学者的研究保持一致；第三产业/第二产业所衡量的产业结构这一变量也显著促进了经济增长，这一变量也代表着产业结构正在向服务型产业结构转变，这与数字经济发展促进第三产业发展的趋势相吻合；城镇化率的提高也显著促进着经济增长，这是因为城镇常住人口增加有助于改善劳动力投入质量。同时，可以看出政府干预在一定程度上减缓了经济增长的速度，可能的原因是政府财政支出增加，造成了利率的降低，而利率下降会对企业私人投资产生挤出效应。这也印证了前文所说，在数字经济时代，政府应减少对市场的干预，相反应努力营造一个更为稳定、有效的经济市场环境，并转型为“服务型政府”。总体而言，核心解释变量以及控制变量的估计符合预期。表42数字经济发展与经济增长—基准回归结果表解释变量（1）（2）（3）（4）（5）（6）（7）dedi1.028***(0.044)1.358***(0.024)1.109***(0.061)1.204***(0.087)1.307***(0.088)1.389***(0.089)0.605***(0.056)lnlabor0.154***(0.022)0.143***(0.024)0.342***(0.051)0.288***(0.042)0.246***(0.048)0.352***(0.043)education0.088***(0.023)0.082***(0.022)0.086***(0.016)0.267***(0.023)0.089***(0.027)lnk0.176***(0.048)0.167***(0.038)0.107***(0.041)0.258***(0.056)structure0.088***(0.022)0.191***(0.021)0.051**(0.016)gov-1.306***(0.080)-1.201***(0.051)urb3.022***(0.216)Constant9.077***(0.076)9.618***(0.166)9.132***(0.251)8.551***(0.337)8.899***(0.317)5.607***(0.468)6.181**8(0.164)N279279279279279279279FIXEDEFFECTYESYESYESYESYESYESYES注：***、**、*分别表示在1%、5%、10%水平上显著；括号内为稳健标准误。（三）稳健性检验为了确认本文研究的正确性和科学性，故做如下的稳健性检验：（1）替换核心解释变量。上述模型中借用华理雄（2020）所构建的数字经济发展指标来衡量数字经济发展水平，下文将用该指数的对数值（lndedi）来代表地区数字经济发展水平；（2）替换被解释变量。上述模型中用人均实际国内生产总值的对数值（lnpgdp）来代表地区经济增长，下文将替换成实际国内生产总值对数值（lngdp）；（3）剔除直辖市。地区之间的发展水平存在较大的差异，尤其是直辖市具有较大的发展优势，这种情况可能会导致数字经济发展的增长效应不一致，因此下文将剔除四个直辖市数据，再进行以此检验。回归结果如下表4—3所示，从回归结果来看本文的实证结果是较为稳健的。表43数字经济发展与经济增长—稳健性检验回归结果表解释变量（1）替换被解释变量（2）替换核心解释变量（3）剔除直辖市dedi0.560***(0.068)0.420***(0.032)lndedi0.162***(0.012)lnlabor0.242***(0.011)0.217**(0.068)0.116*(0.054)education0.028**(0.015)0.042**(0.016)0.031*(0.022)lnk0.151***(0.031)0.139***(0.034)0.263***(0.051)structure0.031*(0.016)0.129**(0.044)0.049*(0.028)gov-1.062***(0.055)-1.2