——来自数字经济创新发展试验区的证据

朱麒烨

（北京理工大学，北京 100081）

摘要：基于2014—2023年中国沪深A股上市公司数据，本文利用国家数字经济创新发展试验区的设立作为准自然实验，系统评估了数字经济政策对企业全要素生产率的影响。研究结果表明：数字经济创新发展试验区政策显著提升了企业全要素生产率，且在多项稳健性检验下结论依然稳健。中介效应分析显示，产业结构升级在政策影响生产率的过程中发挥了重要的中介作用，试验区建设通过推动产业向高技术、高附加值领域演进，从而间接促进企业生产效率提升。此外，异质性分析发现，政策效应在不同产业结构基础和城市智能化水平下存在结构性差异，高技术集聚度更高或智能化水平较高的城市中，政策效果更加显著。本文的研究为理解数字经济政策的微观影响机制提供了新的实证证据，并对推动数字经济与实体经济深度融合、提升企业生产效率具有重要的政策启示。

关键词：数字经济创新发展试验区；全要素生产率；产业结构升级

一、引言

党的二十大报告明确提出，要“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”，并强调“加快建设网络强国、数字中国”，为我国经济高质量发展注入了新的战略方向^[1]。数字化浪潮正在深刻重塑全球生产组织方式与资源配置效率，数字技术已成为推动经济高质量增长的核心驱动力^[2]。我国在顶层设计层面持续完善数字化发展战略体系，以“数字中国”建设为统领，统筹推进数字基础设施、数据要素市场和智慧城市建设，探索数字技术与实体经济的深度融合路径^[3]。2019年启动的“国家数字经济创新发展试验区”，作为具有明确政策边界与时间界点的制度创新安排，为破解数字经济发展瓶颈、探索体制机制与应用场景的协同路径提供了实验平台，也为识别数字经济政策对企业效率的因果影响提供了准自然实验场景^[4]。

数字经济的核心在于以数据为关键生产要素，重塑资源配置方式，从而为全要素生产率提升提供新的驱动力。数字技术的应用能够显著降低信息不对称与交易成本，改善要素流动效率，促进资本、劳动与技术的最优组合，进而提升企业的生产效率与创新能力。与此同时，数字经济的发展并非仅限于技术层面的改进，而是伴随着产业结构的系统性重塑与升级。一方面，数字基础设施的完善和数据要素的高效流动，使要素配置向高附加值、高技术密集型产业加速聚集；另一方面，数字技术的嵌入推动制造业服务化和产业链重构，促进产业间协同分工与价值链延伸，形成产业结构高级化与合理化的双重进程，进而成为数字经济影响企业全要素生产率的重要传导渠道^[5]。

本文的主要贡献如下：一是，从企业微观层面提供关于数字经济创新发展试验区政策影响企业全要素生产率的经验证据，丰富了数字经济政策效应的微观研究；第二，构建“数字经济政策—产业结构升级—企业生产率”的传导机制框架，揭示数字化发展对要素效率提升的结构性路径，为区域数字化发展与产业政策优化提供新的实证支撑与政策启示。

二、文献综述

目前学术界与本文研究主题相关的文献主要可分为两类。第一类研究集中于全要素生产率的影响因素。现有研究普遍认为，企业和区域层面的TFP受技术创新、产业结构优化、人力资本积累、资源配置效率以及制度环境等多重因素影响。其中，技术进步与创新被视为推动TFP提升的核心动力；产业结构升级通过促进要素从低附加值部门向高附加值部门流动，从结构层面提升了生产效率；人力资本和制度环境的改善则有助于增强企业的学习能力与创新吸收能力，从而推动生产率持续增长^[6]。总体而言，这一类研究为理解TFP形成机制奠定了理论基础，但对数字经济创新发展试验区政策这一新型制度性因素的影响关注仍显不足。

第二类研究聚焦于数字经济创新发展试验区政策的经济效应。在城市层面，刘思琦、李世祥（2025）发现试验区设立显著提升了城市经济韧性，政策通过数字技术创新、产业结构升级以及人才集聚等路径发挥作用。李佳慧、杨起鸣（2025）^[7]进一步指出，试验区能够促进城市经济高质量发展，其作用机制主要包括要素激活、动能转换与治理效能提升。在微观企业层面，李君锐（2024）^[8]基于A股上市公司数据发现，试验区显著提升了企业数字技术创新产出，政策通过缓解融资约束和优化要素配置发挥作用。张容嘉等（2025）^[9]发现试验区的制度红利还改善了上市公司环境与社会责任表现，使企业ESG综合得分显著提高，体现出数字经济政策在推动企业可持续发展方面的外溢效应。总体而言，这一类研究为理解数字经济政策的经济效应提供了重要实证基础，但对数字经济创新发展试验区政策在企业生产效率层面的影响关注仍显不足，尤其缺乏从全要素生产率角度的系统检验。

三、理论分析

（一）数字经济创新发展试验区政策对企业全要素生产率的影响

国家数字经济创新发展试验区的设立，是我国在数字化转型进入纵深阶段后推出的重要制度创新安排。该政策以推动数字经济与实体经济深度融合为核心目标，通过制度供给、技术赋能和要素重组，促进企业生产效率与创新能力的整体提升。一方面，试验区政策通过完善数字基础设施和推进数据要素市场化配置，降低了企业在信息获取、交易撮合及资源匹配过程中的成本，提升了要素流动效率，使资本、劳动与技术资源能够在更大范围内实现优化组合，从而提高生产要素利用率和产出效率。另一方面，试验区在数据治理、知识产权保护及数字监管等制度层面的创新，改善了企业经营环境，增强了制度供给的公平性与透明度，降低了企业制度性交易成本，激发了企业数字化转型的积极性；同时，政策实施还通过产业集群与创新平台建设，促进了创新要素的跨区域流动和扩散，强化了企业间的协同创新效应，进一步促进企业技术进步与生产率提升^[10]。综上所述，数字经济创新发展试验区通过数字基础设施建设、制度创新与要素优化配置，为企业生产率提升提供了新的外部动力。

基于上述理论分析，本文提出以下研究假设：

H1：国家数字经济创新发展试验区的设立能够提升企业全要素生产率水平。

（二）数字经济创新发展试验区政策对企业全要素生产率的影响机制

产业结构升级是推动经济体系持续增长与生产效率提升的重要途径。已有研究表明，产业结构的高级化与合理化能够优化要素配置效率，促进技术创新与知识扩散，从而对全要素生产率产生显著的正向影响。一方面，产业结构高级化意味着生产要素由低附加值产业向高技术密集和高附加值产业转移，有助于形成规模经济与技术溢出效应，提升整体生产效率^[11]；另一方面，产业结构合理化通过改善产业间的资源流动与分工协作，使资本、劳动与技术要素的配置更加协调，从而降低系统性冗余，提高经济运行效率^[12]。因此，产业结构升级在技术进步、要素优化与创新扩散等多个维度上，对企业全要素生产率具有重要的促进作用。

在此基础上，国家数字经济创新发展试验区的设立为产业结构升级提供了新的政策与制度支撑。该政策以推动数字经济与实体经济深度融合为目标，通过完善数字基础设施、促进数据要素高效配置以及强化创新要素集聚，推动产业结构实现从“数量扩张型”向“质量效益型”的转变。一方面，试验区建设加快了数字产业化与产业数字化进程，促进高端制造业与现代服务业的协同发展，使产业结构持续向高附加值方向演进；另一方面，数字技术的广泛应用推动了制造业服务化与产业链重构，改善了产业间的分工体系与资源配置效率，形成产业结构高级化与合理化的双重效应^[13]。同时，试验区在体制机制改革、创新平台建设及人才集聚等方面的政策优势，进一步促进了数字要素与传统产业的深度融合，为产业升级和企业生产率提升提供了持续动力。

综上，国家数字经济创新发展试验区通过促进产业结构高级化与合理化，实现了要素在产业间的优化配置与结构性重组，从而间接提升企业全要素生产率水平。

基于上述理论分析，本文提出以下研究假设：

 H2：国家数字经济创新发展试验区能够通过促进产业结构升级，进而提升企业全要素生产率水平。

四、实证研究设计

（一）实证模型设定

（二）变量定义

1.被解释变量

本文借鉴鲁晓东和连玉君（2012）^[14]的研究思路，基于中国工业企业数据库计算企业层面的全要素生产率。具体而言，本文通过Olley–Pakes（OP）半参数估计方法，以处理生产函数估计中的同时性偏误和样本选择性偏误，从而获得更加可靠的企业层 TFP 指标。该方法能够有效控制企业生产决策中的内生性问题，较为准确地反映企业的真实生产效率水平。

2.核心解释变量

数字经济创新发展试验区政策（did = treat × post）：本文将数字经济创新发展试验区的设立作为一项外生政策冲击，用以衡量数字经济创新发展试验区政策对企业全要素生产率的影响。具体而言，将处于数字经济创新发展试验区内的企业的 treat 赋值为1，作为处理组；反之赋值为0，作为对照组。由于国家在2019年设立了第一批数字经济创新发展试验区，本文以此作为政策实施的起点，将政策实施前的时间虚拟变量 post 设为0，2019年及其之后的时间设为1。

3.控制变量

本文借鉴刘军等（2024）^[15]、王财莉与李金梅（2025）^[16]等相关研究，本文在模型中控制企业及地区层面的多种因素，以减少遗漏变量偏误。具体包括：企业规模（size）、企业年龄（age）、独立董事数量（indpd）、股权集中度（top10）、托宾Q值（tobinQ）、经济发展水平（lnGDP）、研发投入（sci_out）和营业利润率（pr），并在模型中加入年度（year）与行业（ind）虚拟变量，以控制时间效应和行业差异，变量定义如表1所示。

表1  所有变量名称及定义

（三）数据来源说明

本文选取2014—2023年沪深A股上市公司作为研究对象。为了避免统计偏差、极端值给实证估计所带来的偏误，对样本进行了如下处理：（1）剔除ST、金融业的A股；（2）本文对于连续型变量在1%和99%的水平上操作了Winsorize缩尾。其中，核心解释变量数字经济创新发展试验区政策数据依据《国家数字经济创新发展试验区实施方案》整理得到。首批六个试验区包括浙江省、福建省、广东省、重庆市、四川省和河北省（雄安新区），但鉴于雄安新区数据难以完整获取，本文剔除河北省相关样本后，最终保留浙江、福建、广东、重庆和四川五个地区作为试验区样本。所有数据来源于CSMAR数据库、《中国统计年鉴》和《中国城市统计年鉴》。

五、实证分析

（一）基准回归

表2报告了数字经济创新发展试验区政策对企业全要素生产率（TFP）的影响结果。核心解释变量 did 的回归系数为正且在1%显著性水平上显著，表明数字经济创新发展试验区政策的实施显著提升了试验区内企业的全要素生产率。具体而言，did 的回归系数为 0.0252，意味着相较于非试验区企业，试验区内企业在政策实施后TFP平均提升约 2.52%。这一结果验证了本文提出的研究假设H1，说明数字经济创新发展试验区政策能够有效促进企业生产效率的提升。

表2  基准回归及中介效应

（二）稳健性检验

1.平行趋势检验

图1  平行趋势检验

使用双重差分模型的前提是实验组与对照组需要满足平行趋势假设。本文参考郭丰（2025）^[17]的研究思路，采用事件研究法对平行趋势假设进行检验。以数字经济创新发展试验区政策实施前一年（2018年）作为基期，构建政策实施前后多个时间虚拟变量，并分别与政策虚拟变量交互。由图1可见，在政策实施前，实验组与对照组的回归系数均未显著偏离零，且围绕零值上下波动，表明政策出台前两组在全要素生产率（TFP）变化趋势上并无显著差异，符合平行趋势假设。

2.安慰剂检验

图2  安慰剂检验

为验证回归结果的稳健性并排除模型估计的偶然性，本文进一步实施安慰剂检验。具体而言，随机设定政策冲击时间并在不同省份间随机抽取试点城市，构建虚拟政策冲击变量，并重复模拟500次，以获得500组回归系数及对应的显著性水平。随后，对虚拟政策变量的估计系数进行核密度分析，结果如图2所示。可以看出，虚拟政策变量的估计值主要集中在0附近，分布形态近似正态，与真实政策变量的回归结果相比差异显著，表明随机生成的虚假试点并未产生系统性政策效应，从而进一步证明本文实证结论的稳健与可靠。

（三）中介效应检验

本文参考了 Chang 等（2023）的相关研究，进一步验证了数字经济创新发展试验区政策通过产业结构升级实现企业全要素生产率提升的作用机制。如表3所示，数字经济创新发展试验区政策显著提升了地区产业结构升级水平，回归系数在在1%显著性水平上显著为正，数字经济创新发展试验区政策通过推动产业结构由低附加值向高技术、高附加值方向演进，促进产业链升级与服务化扩张，提高要素配置效率并强化创新要素集聚，从而带动地区产业结构实现高级化与合理化。中介效应检验结果显示，产业结构升级在政策作用于全要素生产率的过程中发挥显著传导作用，说明试验区政策能够通过促进产业结构优化间接提升企业TFP水平。

（四）异质性检验

1.地区地理区位

本文依据城市所在地域将样本划分为东部（loc=1）和中西部地区（loc=0）。如表4列（1）和列（2）所示，东部地区回归系数（0.0217）在 10% 水平上显著，中西部地区回归系数（0.124）在 1% 水平上显著。chowtest结果显示 F=42.21（p=0.0000），说明区域间确实存在显著结构性分化。这结果表明，地理区位对政策效应的发挥具有重要影响。相较于经济基础较为雄厚的东部地区，中西部地区数字化基础相对薄弱、产业数字化水平提升空间更大，因此试验区政策在推动基础设施完善、数据要素流通和外部资源获取方面的边际效应更为突出，从而带来更显著的生产率提升。

2.城市智能化水平

本文依据城市是否进入国家智慧城市试点名单，将样本划分为高智能化城市（integ=1）与一般城市（integ=0）。如表4列（3）与列（4）所示，高智能化城市的回归系数（0.0339）在 10% 水平上显著，一般城市的系数（0.0262）在 5% 水平上显著。chowtest结果显示 F=11.24（p=0.0000），说明城市智能化水平显著调节了政策效应。该结果表明，数字化基础设施和智能治理能力对数字经济政策的吸收能力具有重要作用。智慧城市通常在智能领域布局较早，具备更高的数据处理能力与产业数字化基础，使试验区政策在促进创新要素集聚及数字化转型方面的作用得以放大。相对而言，非智慧城市在技术储备、人才结构与产业数字化程度方面相对不足，政策效果虽显著，但推动路径更为缓慢。

表4  异质性检验

六、结论与政策建议

本文基于2014—2023年中国沪深A股上市公司数据，利用数字经济创新发展试验区政策的实施作为准自然实验，从企业微观视角系统评估了该政策对企业全要素生产率（TFP）的影响及其作用机制。研究表明：（1）数字经济创新发展试验区政策显著提升了企业TFP，稳健性检验如平行趋势检验和安慰剂检验进一步验证了结论的可靠性；（2）产业结构升级在政策影响企业生产率的过程中发挥了重要的中介作用，数字经济政策通过促进产业由低附加值向高附加值方向演进，实现要素配置优化和结构升级，从而间接提升企业生产效率；（3）异质性分析显示，政策效应在不同地理区位和城市智能化水平下存在结构性差异，中西部地区和高智能化城市的政策响应更为显著。此外，本文仍存在一定局限性。当前研究仅从“产业结构升级”这一中介渠道解释数字经济创新发展试验区政策影响企业全要素生产率的作用机制，但数字经济政策可能还会通过技术创新能力提升、企业组织变革等多条路径发挥作用，这些潜在机制有待在后续研究中进一步探讨与验证。

基于上述研究结论，本文提出以下政策启示： 第一，进一步加大数字经济相关要素在中西部地区的倾斜力度。数字经济创新发展试验区政策对中西部地区企业全要素生产率的促进作用显著大于东部地区，这说明中西部数字化基础设施、产业数字化水平和人才供给空间仍有较大提升潜力。因此，政策可在中西部地区重点推进数字基础设施补短板工程，促进企业更加充分地利用数字技术以提升生产效率。第二，应结合智慧城市建设推动数字治理能力与产业数字化的协同提升。高智能化城市的政策吸收能力更强，表明完善的数据治理能力及数字公共服务能够显著增强政策落地效果。因此，各地政府应在智慧城市建设中，优先推进数据共享平台、智能监管体系和数字政务服务的完善，提高城市在数字经济政策中的资源配置效率和企业端的技术吸收能力，进一步增强政策的生产率提升效应。

参考文献：

[1]陈晓红,李杨扬,宋丽洁,等.数字经济理论体系与研究展望[J].社会科学文摘,2022(6):4-6.

[2]刘洋,陈晓东.中国数字经济发展对产业结构升级的影响[J].经济与管理研究,2021,42(8):15-29.

[3]肖春梅,黄桂鑫.数字经济是否提升了城市韧性？——来自中国285个城市的经验证据[J].区域经济评论,2023(4):117-125.

[4]刘思琦,李世祥.国家数字经济创新发展试验区设立与城市经济韧性[J].中南财经政法大学学报,2025(5):110-122.

[5]韩健,李江宇.数字经济发展对产业结构升级的影响机制研究[J].统计与信息论坛,2022,37(7):13-25.

[6]Boschma R. Towards an Evolutionary Perspective on Regional Resilience[J].Regional Studies,2014,49(5):733-751.

[7]李佳慧,杨起鸣.数字经济政策与城市经济高质量发展——来自国家数字经济创新发展试验区的经验证据[J].中国经济问题,2025(4):53-69.

[8]李君锐,买生,刘磊.国家数字经济创新发展试验区设立的创新效应：基于供给侧与需求侧双重视角[J].科技进步与对策,2024,41(13):45-56.

[9]张容嘉,李云飞,王乐.国家数字经济创新发展试验区设立与企业ESG 表现——基于机器学习的因果推断[J].工业技术经济,2025,44(5):72-83.

[10]尚洪涛,王斯彤.国家数字经济创新发展试验区对民营企业合作创新的影响[J].中国流通经济,2024,38(9):80-91.

[11]Hong C ,Qingyi D ,Wanzheng Z , et al.The digital economy, industrial structure upgrading, and carbon emission intensity —— empirical evidence from China's provinces[J].Energy Strategy Reviews,2023,50.

[12]张治栋,韦昊松.创新人才集聚、产业结构优化与经济高质量发展——基于长三角地区41个城市的实证研究[J].南京财经大学学报,2023(3):1-11.

[13]刘和东,纪然.数字经济促进产业结构升级的机制与效应研究[J].科技进步与对策,2023,40(1):61-70.

[14]鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012,11(2):541-558.

[15]刘军,朱可,钱宇.数字经济对全要素生产率的影响研究——来自国家级大数据综合试验区的证据[J].南京审计大学学报,2024,21(1):101-111.

[16]王财莉,李金梅.数字经济提升企业全要素生产率的机理与检验——基于门槛效应的研究[J].财会通讯,2025(18):72-76.

[17]郭丰,任毅.数字经济创新政策能否赋能企业数字技术创新——来自数字经济创新发展试验区的证据[J].南昌大学学报(人文社会科学版),2025,56(4):69-82.