中國數(shù)字經濟產出效率：區(qū)位差異及變化趨勢

蔡昌 林高怡 李勁微

【摘要】基于2008 ～ 2016年29個省份的面板數(shù)據(jù)，利用BCC-DEA模型和Malmquist指數(shù)模型分別從靜態(tài)和動態(tài)測算中國數(shù)字經濟產出效率。研究發(fā)現(xiàn)，中國各省份數(shù)字經濟產出效率存在顯著差異。從靜態(tài)效率分析，東部地區(qū)的技術效率最低，中部地區(qū)次之，西部地區(qū)最高。其中，北京、上海、浙江、江蘇的相對產出效率排名墊底，資源配置效率低是其主要限制因素，廣東的純技術效率雖高，但產出效率受到規(guī)模效率的制約。從動態(tài)效率分析，中國數(shù)字經濟全要素生產率總體呈先升后降趨勢，主要原因在于技術升級遭遇瓶頸。此外，東部大部分省份得益于純技術效率的增長和規(guī)模效率的優(yōu)化，正在逐步縮小與效率前沿省份技術效率的相對差距。

【關鍵詞】數(shù)字經濟;全要素生產率;DEA-Malmquist指數(shù)法;區(qū)位差異

【中圖分類號】F49? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2020）06-0153-8

一、引言

自2008年金融危機爆發(fā)以來，世界經濟發(fā)展模式受到了巨大沖擊。數(shù)字經濟作為經濟增長的新引擎，開始帶動相關產業(yè)變革，對人們的生產和生活帶來顛覆性影響[1] 。當前，中國已經進入“經濟新常態(tài)”，亟待尋找促進經濟高質量增長的新動能，而數(shù)字經濟不僅可以為傳統(tǒng)企業(yè)的發(fā)展注入新動能，還可以交叉融合推進各領域技術變革[2] 。因此數(shù)字經濟成為中國實現(xiàn)可持續(xù)發(fā)展的關鍵依托，也是引領國家創(chuàng)新戰(zhàn)略的重要力量[3] 。

數(shù)字經濟的概念可以追溯到1995年，Don Tapscott[4] 提出，與傳統(tǒng)經濟相比，數(shù)字經濟應該具有知識性、融合性、創(chuàng)新性、數(shù)字化等特征。進入20世紀，國內外學者開始從經濟學視角對數(shù)字經濟的內涵進行探討，Kim等[5] 認為：數(shù)字經濟是一種特殊的經濟形態(tài)，數(shù)字經濟的活動本質為“商品和服務以數(shù)字化形式進行交易”。在2016年的世界經濟論壇上，數(shù)字經濟被定義為“第四次工業(yè)革命”框架中的一部分。在數(shù)字經濟浪潮的席卷之下，企業(yè)的規(guī)模優(yōu)勢正在被數(shù)字化優(yōu)勢取代，數(shù)字化可以使企業(yè)在資本與人力不變的情況下擴大產能，轉變甚至顛覆傳統(tǒng)企業(yè)的發(fā)展模式。

學術界對數(shù)字經濟的初期研究，甚少從實證層面進行分析。這是因為研究初期指標設計過于片面，經濟統(tǒng)計未能跟上數(shù)字革命的步伐[6] ，從而不能準確測算數(shù)字經濟的產出效率。1998年美國已經開始對數(shù)字經濟的發(fā)展水平進行測算，并嘗試從宏觀角度分析信息技術在“高增長、高就業(yè)、低通脹”經濟運行模式中的作用，但是，由于數(shù)字經濟往往融合于一個或者多個行業(yè)，數(shù)字經濟的統(tǒng)計口徑和產業(yè)分類與傳統(tǒng)經濟不盡相同[7] 。當前，經濟合作與發(fā)展組織[8] 、中國信息通信研究院、上海社會科學院經濟研究所、賽迪顧問、騰訊研究院等機構和組織開始從多個維度構建數(shù)字經濟的指標體系，并通過賦予不同權重來刻畫各地區(qū)的數(shù)字經濟發(fā)展水平。由于一些“免費數(shù)字經濟”的存在，當前的統(tǒng)計方式仍低估了數(shù)字經濟對社會經濟的貢獻[9] 。向書堅等[10] 認為，未來的數(shù)字經濟統(tǒng)計研究可加強對數(shù)字技能、社會福利和安全保護等領域的統(tǒng)計，以彌補數(shù)字經濟統(tǒng)計中的薄弱環(huán)節(jié)。

由此可見，已有數(shù)字經濟報告的重點聚焦于數(shù)字經濟產出水平，較少甚至幾乎沒有關注數(shù)字經濟的產出效率，更談不上深入研究數(shù)字經濟的區(qū)位差異與變化趨勢?；诖耍疚牟捎肈EA（數(shù)據(jù)包絡分析）方法，分別從靜態(tài)、動態(tài)兩個角度比較研究中國各省份數(shù)字經濟產出效率，探討中國在推進數(shù)字經濟建設中遇到的瓶頸，為數(shù)字經濟產出效率的研究奠定基礎。同時，通過分解效率指標，剖析數(shù)字經濟投入產出存在的問題及成因，為提升數(shù)字經濟產出效率、促進數(shù)字經濟健康發(fā)展提供理論支撐與政策依據(jù)。

二、模型和方法

（一）DEA基本模型及其原理

DEA方法主要用于研究相同類型的決策單元（DMU）的相對有效性，其原理是利用線性規(guī)劃構建有效的凸性生產前沿面（Production Frontiers），通過實際生產活動與生產前沿面相比較來計算決策單元的相對效率。鑒于學術界對數(shù)字經濟的規(guī)模報酬仍無定論，本文采用規(guī)模報酬可變的BCC-DEA模型，該模型可測算決策單元的技術效率（TE），并將其分解為純技術效率（PTE）和規(guī)模效率（SE）[11] 。技術效率反映的是一個生產單元技術水平的高低，即每消耗一單位的投入所生產的產品數(shù)量;純技術效率表示在目前的管理和技術水平上，該決策單元投入資源的使用效率，可用于判斷管理和技術水平上是否達到了最優(yōu)狀態(tài);規(guī)模效率指受到產業(yè)規(guī)模影響的生產效率，主要用來描述實際規(guī)模與最優(yōu)規(guī)模之間的差距。當各效率值等于1時，表示決策單元在該項效率上處于生產前沿面上。

（二）基于DEA的Malmquist生產率指數(shù)法

由于BCC-DEA僅能測算同一時間截面內各決策單元的相對效率值，無法準確反映決策單元在不同時期的變化趨勢，本研究借助基于DEA計算的Malmquist全要素生產率（TFP）來刻畫決策單元產出效率的動態(tài)變化，并將Malmquist指數(shù)分解為技術效率變化指數(shù)（EC）和技術變化指數(shù)（TC）[12] 。

在規(guī)模報酬變動的前提下，又可將技術效率變化指數(shù)劃分為純技術效率變化指數(shù)（PTEC）和規(guī)模效率變化指數(shù)（SEC），從而對各省份產出效率的歷史演化進行更深入的分析。因為本研究的Malmquist指數(shù)及各效率變化指數(shù)采用比值法計算，所以各效率變化指數(shù)大于1表示生產率的提高，小于1表示生產率的下降。

從理論上分析，技術變化指數(shù)大于1表示生產前沿面前移，小于1表示生產前沿面后退。而通常情況下，生產技術應該隨著時間不斷進步。技術變化指數(shù)是包含了除資本、勞動、技術效率變化之外的一切可影響經濟增長的相關因素，這也是技術變化指數(shù)能反映生產前沿面移動的原因。

三、指標選取與數(shù)據(jù)來源

（一）指標選取

1. 投入指標：資本和勞動。本文參考《中國數(shù)字經濟發(fā)展白皮書》中有關數(shù)字經濟的測算方法，選取信息傳輸、軟件和信息服務業(yè)與計算機、通信和其他電子設備制造業(yè)的固定資產投資總量來衡量資本投入，勞動則以上述兩個行業(yè)的總就業(yè)人數(shù)來衡量。根據(jù)“薩伊生產要素三定律”，投入變量應包含資本、勞動、土地三個維度。數(shù)字經濟是數(shù)據(jù)化、網絡化的經濟，構建于數(shù)字化之上。開發(fā)軟件、傳輸信息、運營網站、搭建平臺等相關數(shù)字經濟行為表明，我國經濟正在逐步擺脫農業(yè)經濟、工業(yè)經濟時代對土地過度依賴的現(xiàn)狀。從這個意義上來說，或許數(shù)據(jù)儲存設備才是推動數(shù)字經濟發(fā)展所需投入的“土地”?；诖耍疚陌选巴恋亍边@一維度的投入并入資本投入，最終選取資本投入和勞動力投入兩個維度進行研究。

2. 產出指標：實際GDP和勞動生產率。實際GDP是省級層面數(shù)據(jù)，各省分別以1990年為基準年，對樣本年份的名義GDP做平減處理，目的在于剔除價格因素的影響。勞動生產率同樣源于省級層面數(shù)據(jù)，即：勞動生產率=各省實際GDP/各省總就業(yè)人數(shù)。理論上，最優(yōu)的數(shù)字經濟產出指標應是數(shù)字經濟產出水平或者數(shù)字經濟發(fā)展水平。然而，使用與信息傳輸、軟件和信息服務業(yè)及計算機、通信和其他電子設備制造業(yè)相關的行業(yè)產出來衡量數(shù)字經濟的產出水平，其中的問題是“與上述兩個行業(yè)相關”的界定是人為的，帶有主觀因素，受制于界定者對數(shù)字經濟技術和產品應用的了解程度。

目前，人們對數(shù)字經濟發(fā)展水平的衡量仍處于探索階段，尚無定論。反觀社會總GDP，其測算中涵蓋了全部數(shù)字化、信息化技術和應用所能帶來的影響，可以避免因知識受限、主觀判斷等因素而影響實證結果。此外，已有的數(shù)字經濟研究報告認為，地區(qū)的數(shù)字經濟發(fā)展水平與地區(qū)的經濟發(fā)展水平有很強的相關性。這意味著社會總GDP可作為數(shù)字經濟發(fā)展水平的代理變量。為此，本文選擇了社會總GDP作為產出指標。同理，本研究選擇了社會勞動生產率作為產出指標。

（二）數(shù)據(jù)來源

本文的研究對象是中國29個省市自治區(qū)（西藏、寧夏、香港、澳門、臺灣由于數(shù)據(jù)缺失而被剔除）的數(shù)字經濟產出效率，樣本年份為2008 ～ 2016年，數(shù)據(jù)分別來源于《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國固定資產投資統(tǒng)計年鑒》。表1是相關指標的描述性統(tǒng)計結果。

由表1可知，各指標的最小值與最大值差異較大，需要進一步分析差異產生的原因。

四、實證結果及經濟解釋

（一）靜態(tài)效率分析

1. 各地區(qū)數(shù)字經濟產出效率比較分析。表2是基于BCC-DEA方法得到的實證結果。將29個省市劃分為東、中、西部，探討數(shù)字經濟在不同地區(qū)的效率狀況。其中，東、中、西部的技術效率（TE）、純技術效率（PTE）、規(guī)模效率（SE）均為區(qū)域內各省份當年數(shù)據(jù)的算術平均值。從技術效率來看，2014年之前，東部的技術效率最低，中部次之，西部最高;2014年至今，西部技術效率仍然最高，東部效率提升并高于中部地區(qū)。這反映出數(shù)字經濟與農業(yè)經濟、工業(yè)經濟不同，沒有遵循傳統(tǒng)的東、中、西部的分布規(guī)律，可能是因為數(shù)字化、信息化削弱了地理位置對經濟水平的影響。因此，數(shù)字經濟對于縮小地區(qū)經濟差距具有重要意義，也是解決區(qū)域發(fā)展不平衡問題的一把“金鑰匙”。純技術效率和規(guī)模效率則反映出東、中、西部在不同程度上存在管理水平低下的問題。

值得注意的是，雖然東部地區(qū)的數(shù)字經濟產出效率長期低于全國平均水平，但在純技術效率的帶動之下，東部地區(qū)的技術效率呈上升趨勢。東部與西部9.6%的差距已經從2008年的23.7%縮小為2016年的10.4%。近年來，我國提倡地方發(fā)展模式由粗放型轉向集約型，此舉對提高數(shù)字經濟產出效率具有一定的促進作用。中部地區(qū)的技術效率保持在全國均值水平附近，最近幾年有下降趨勢，這主要是因中部的純技術效率下滑所致。此外，中部規(guī)模效率波動幅度一直較大，這可能與政府對發(fā)展定位不準、頻繁調整發(fā)展戰(zhàn)略相關。西部11省的技術效率均值一直高于全國水平，這主要歸功于其高水平的規(guī)模效率，基本維持在0.9以上。但西部存在的問題同樣不容忽視，其純技術效率與東部和中部類似，在0.6 ～ 0.8之間，有待進一步提高。

2. 各省份數(shù)字經濟產出效率比較分析。下面將細化分析對象，比較研究各省在樣本期內的產出效率情況。

表3反映的是2008 ～ 2016年各省每年的技術效率。平均值一欄是各省技術效率在樣本期內的算術平均值，地區(qū)的排名先后取決于各省技術效率在樣本期限內的平均值大小。表3中，內蒙古、海南、青海、新疆、黑龍江年均技術排名前5名，而內蒙古、海南、青海常年處于效率最優(yōu)狀態(tài)（技術效率=1），位于生產前沿面，這說明以上5個省份在數(shù)字經濟產出效率上相對優(yōu)于其他省份。

下面以內蒙古為例，進一步探討其數(shù)字經濟產出效率位居全國前列的原因：在地理位置方面，內蒙古存在明顯的區(qū)位優(yōu)勢，由于年均溫度處于數(shù)據(jù)中心運行的適宜溫度，以及能源充足、電價較低，可保證數(shù)據(jù)中心穩(wěn)定運行;在人才方面，內蒙古不僅充分發(fā)揮了本地高校的人才培養(yǎng)優(yōu)勢，設立了數(shù)據(jù)科學與大數(shù)據(jù)技術專業(yè)，培養(yǎng)了本土數(shù)字科技人才，還通過“草原英才”等人才引進計劃，發(fā)揮“傳、幫、帶”作用，穩(wěn)步推進數(shù)字經濟產業(yè)的發(fā)展;在政策優(yōu)勢方面，內蒙古除了可以享受西部大開發(fā)和東北振興政策，還可以享受民族區(qū)域自治政策，政策保障為內蒙古發(fā)展云計算等戰(zhàn)略性新興產業(yè)創(chuàng)造了條件;在發(fā)展規(guī)劃方面，政府在“十二五”規(guī)劃中明確提出加快“數(shù)字化”步伐，推進“結構轉型”的戰(zhàn)略布局，加強云計算等數(shù)字建設，對數(shù)字化龍頭企業(yè)給予土地和能源支持。

除此之外，產業(yè)的規(guī)模效應同樣是不可忽視的影響因素。內蒙古處于內陸地區(qū)，地理位置、發(fā)展程度等因素使其對數(shù)字經濟產業(yè)布局落后于沿海發(fā)達省份。也正因如此，內蒙古的數(shù)字經濟產業(yè)規(guī)劃發(fā)揮后發(fā)優(yōu)勢，充分借鑒已有經驗，從而長期保持較高的產出效率。

3. 北京、上海、廣東、浙江和江蘇數(shù)字經濟產出效率及分解。在王彬燕等[13] 的研究中，他們發(fā)現(xiàn)廣東的數(shù)字經濟發(fā)展水平在全國穩(wěn)居首位，而北京、上海、浙江、江蘇分別位于第二梯隊。全國的數(shù)字經濟發(fā)展水平表現(xiàn)出自東向西遞減的特征。這與《中國數(shù)字經濟發(fā)展白皮書》《中國城市數(shù)字經濟指數(shù)白皮書》等數(shù)字經濟報告的結論相吻合，即中國各省份的數(shù)字經濟發(fā)展程度與自身的經濟發(fā)展存在較高的相關性。因此，數(shù)字經濟產業(yè)發(fā)達省份集中分布在沿海地區(qū)，尤其是“珠三角”和“長三角”區(qū)域。

然而，表3顯示，北京、上海、廣東、浙江和江蘇等5個經濟發(fā)達省市的數(shù)字經濟產出效率排名墊底。以江蘇與浙江最為典型，雖然兩省的電子商務行業(yè)每年都能貢獻巨額的產出量，但它們的技術效率常年處于0.1 ～ 0.3之間。至于北京、上海和廣東，雖然經濟發(fā)達并擁有眾多資源，但技術效率卻處于全國最后一梯隊，這反映出這些省份在數(shù)字經濟上可能存在資源配置能力低下、資源利用效率不高等問題。為什么這些相對發(fā)達省份會出現(xiàn)經濟總量高而產出效率低的奇怪現(xiàn)象？

為深入分析上述5省數(shù)字經濟產出效率墊底的影響因素，本文在表4中把5省的技術效率分解為純技術效率和規(guī)模效率。研究發(fā)現(xiàn)廣東省的純技術效率常年為1，但規(guī)模效率較低，個別年份不超過0.1。這說明廣東省的管理能力、技術水平是有效的，但地區(qū)規(guī)模效率處于遞減趨勢。這一狀況可能源于廣東省政府在“十五”至“十二五”時期的制度安排。在“十五”末期至“十一五”中期，廣東省處于產業(yè)結構調整和產業(yè)轉型升級的關鍵階段，電子信息產業(yè)作為當時廣東省的三大新興支柱產業(yè)之一，全方位地獲得了財力和智力的政策扶持，進一步鞏固了廣東省的數(shù)字經濟大省地位。然而，由于過度依賴粗放型增長方式，在“十一五”時期，廣東省的數(shù)字經濟產業(yè)出現(xiàn)產業(yè)規(guī)模大而產品附加值低、產品同質化嚴重、低水平重復建設多、產業(yè)集聚水平不高、核心技術能力不強等問題。雖然廣東省在“十二五”期間對數(shù)字經濟發(fā)展方式進行了調整，并取得了一定成效，但與北京、浙江等省市仍有一定差距。因此，廣東省未來的關注點仍應是如何提高規(guī)模效率，借以提高數(shù)字經濟的產出效率。

北京、上海、江蘇和浙江的技術效率則受到純技術效率和規(guī)模效率的雙重制約，純技術效率方面的制約更為顯著。具體來看，上海的純技術效率要高于其他三個省市，這是上海的排名領先于北京、江蘇和浙江的主要原因;江蘇的規(guī)模效率明顯低于其他三省市，從而使得江蘇的技術效率居于末位;北京和浙江的規(guī)模效率波動幅度非常大，規(guī)模效率高的年份其值超過0.95，接近最優(yōu)規(guī)模效率，規(guī)模效率低的年份卻在0.3以下。之所以會出現(xiàn)上述結果，這與每個省市長期依賴粗放型增長方式不無關系。此外，北京、上海、廣東等地的數(shù)字經濟產業(yè)的基礎總量很大，數(shù)字化、信息化程度很高，每年雖有相當大的產出量，但由于基礎產量規(guī)模大，整體產權效率并不高。至于其他數(shù)字經濟產業(yè)相對落后地區(qū)，雖然基礎總量較小、發(fā)展速度慢，但可以充分借鑒發(fā)達省份的成功經驗和發(fā)展模式，制定更高效、更切合實際的發(fā)展路徑和管理制度，從而使數(shù)字經濟的單位投入創(chuàng)造更多的產出?？梢?，數(shù)字經濟發(fā)展水平高的地區(qū)不一定是資源配置優(yōu)、利用效率高的地區(qū)。無論各省已有的數(shù)字經濟產業(yè)基礎如何，發(fā)展狀況如何，都需要重視資源配置的優(yōu)化，進一步提高數(shù)字經濟產出效率。

雖然BCC-DEA是以每個時間截面內的決策單位來確定相對效率值，無法直接反映動態(tài)變化，但可以觀察到多個省份的產出效率在逐年上升。這就意味著無效率省份與有效率省份的差距在逐年縮小，在一定程度上反映了地區(qū)產出效率的逐年改善。這一結果得益于政府開始倡導由集約型發(fā)展模式代替粗放型發(fā)展模式的戰(zhàn)略轉型。

4. 甘肅和陜西數(shù)字經濟產出效率及分解。甘肅、陜西兩省地理上毗鄰，但是技術效率卻相差甚遠。通過對比兩省的純技術效率和規(guī)模效率，發(fā)現(xiàn)兩省在規(guī)模效率上并無顯著差異，在某些年份，陜西的規(guī)模效率還相對優(yōu)于甘肅。問題的根源在于純技術效率，甘肅每年的純技術效率基本都為陜西的兩倍以上。由于兩省毗鄰，且都處于中部地區(qū)，數(shù)字經濟產業(yè)存在極強的趨同性，導致鄰近省份對技術、人才產生激烈的競爭，使得兩省的數(shù)字經濟產出效率出現(xiàn)截然不同的走勢。

（二）動態(tài)效率分析

1. 中國數(shù)字經濟Malmquist指數(shù)及分解。表6是按照DEA-MAL指數(shù)法所得到的中國數(shù)字經濟全要素生產率變化及其分解結果。研究結果表明，2009 ～ 2016年中國數(shù)字經濟的全要素生產率（TFP）總體呈先增后降趨勢。相比2009年，2016年中國數(shù)字經濟的產出效率不升反降。其中，純技術效率變化指數(shù)（PTEC）和規(guī)模效率變化指數(shù)（SEC）圍繞1上下波動，帶動技術效率頻繁變動，進而影響全要素生產率變動。但這并不是造成全要素生產率不升反降的主要原因，關鍵因素在于技術變化指數(shù)（TC）對中國數(shù)字經濟的貢獻在持續(xù)降低，以致抵消了資源優(yōu)化配置、管理水平上升、集聚效應提高的正向影響。技術變化指數(shù)小于1，反映的是經濟體涌現(xiàn)出了各種阻礙數(shù)字經濟發(fā)展的因素。這些因素或是已知的，或是未知的，亟待進一步發(fā)現(xiàn)和處理，以確保數(shù)字經濟的有效運行。一些因素已為我們所知，例如，隱私問題正在惡化互聯(lián)網用戶與公司之間的關系，信任缺失將成為數(shù)字經濟發(fā)展的阻礙;在數(shù)字經濟時代，人人都有機會接觸到他人的知識成果，因知識產權保護制度不完善，數(shù)字侵權行為層出不窮，損害了數(shù)字經濟開發(fā)者的實際利益，對數(shù)字經濟產業(yè)發(fā)展造成一定的阻礙[14] ;區(qū)塊鏈、3D打印、5G、共享產品等新型數(shù)字化技術的應用吸納了社會巨額投資，但仍未找到推動經濟增長、社會生產率提高的有效途徑;從機會成本角度出發(fā)，各種還未被開發(fā)完備的技術，同樣也是阻礙數(shù)字經濟發(fā)展效率提升的因素之一。

2. 各地區(qū)及全國總體全要素生產率變化趨勢。下圖反映出東部、中部、西部地區(qū)和全國總體的全要素生產率的縱向變化趨勢，不僅東部、中部、西部地區(qū)的全要素生產率呈現(xiàn)出不同幅度的波動，且其總體走勢均為下降趨勢。

2009 ～ 2016年8個年度時間段，東部和西部地區(qū)的全要素生產率只在3個年度呈現(xiàn)增長趨勢，其余時間皆呈現(xiàn)下降趨勢。而中部地區(qū)的全要素生產率大部分年度在1以下，說明中部地區(qū)的數(shù)字經濟產出效率較低。總體而言，下圖反映出中國東部、中部、西部地區(qū)在樣本期內均沒能對中國數(shù)字經濟發(fā)揮積極的推動作用，而中部地區(qū)和西部地區(qū)全要素生產率的持續(xù)下滑態(tài)勢更是負向影響了全國總體的全要素生產率。

3. 各省份數(shù)字經濟Malmquist指數(shù)及分解。表7反映了中國29省在樣本期內的數(shù)字經濟產出效率均值。由表7中數(shù)據(jù)可知，我國僅有10個省份的數(shù)字經濟全要素生產率出現(xiàn)增長，全國平均下降幅度約為2.3%。全要素生產率增長的省份主要集中在東部地區(qū)，中部地區(qū)只有吉林和黑龍江，西部則僅剩內蒙古和新疆。究其原因，主要是因為技術變化指數(shù)在拖慢全要素生產率的增速。29個省份中僅有內蒙古和新疆的技術變化指數(shù)大于1，這說明各省份在發(fā)展數(shù)字經濟過程中均遇到技術障礙，這是一個共性問題。從技術效率變化指數(shù)分析，東部大部分省份的技術效率變化指數(shù)大于1，且高于中部、西部省份。通過分解可知，純技術效率變化指數(shù)和規(guī)模效率變化指數(shù)均起到了一定的推動作用。這也印證了本研究的發(fā)現(xiàn)：東部地區(qū)憑借長期積累的人才優(yōu)勢，通過提高管理水平、優(yōu)化產業(yè)規(guī)模等方式正在縮小與中部、西部省份的產出效率差距。值得注意的是，不同地區(qū)的數(shù)字經濟發(fā)展程度與數(shù)字經濟產業(yè)人才流動可能互為因果關系：一方面，經濟發(fā)達地區(qū)由于具備良好的信息基礎設施與數(shù)據(jù)基礎設施，以及獲得了地方財稅政策支持，因此這些地區(qū)的數(shù)字經濟發(fā)展程度高，提供的數(shù)字經濟相關崗位多，更易于吸引大量優(yōu)秀人才流入;另一方面，數(shù)字經濟相關產業(yè)人才的持續(xù)流入，帶來了生產效率、資源配置效率的不斷提升，從而持續(xù)支撐并推動該地區(qū)的數(shù)字經濟發(fā)展。

因此，對中部、西部省份而言，不僅要加大數(shù)字經濟產業(yè)人才的引進力度，建立、完善人才培養(yǎng)體系，還要充分利用有限資源，以“先富帶動后富”的理念布局轄區(qū)的整體規(guī)劃，圍繞轄區(qū)內的核心城市構建數(shù)字經濟高地，借此吸引“高精尖”人才向轄區(qū)聚集，使數(shù)字經濟產業(yè)保持穩(wěn)定的發(fā)展態(tài)勢。

五、結論與政策建議

（一）結論

本研究采用BCC-DEA模型和Malmquist指數(shù)模型對2008 ～ 2016年中國29省的數(shù)字經濟產出效率從靜態(tài)和動態(tài)兩個角度進行了估算和對比分析，總結出以下結論：中國大部分省份的數(shù)字經濟運行長期處于無效率狀態(tài);中國數(shù)字經濟全要素生產率總體呈先升后降趨勢;數(shù)字經濟的發(fā)展有助于縮小我國地區(qū)間的經濟水平差異。

（二）政策建議

從靜態(tài)效率來看，中國大部分省份的數(shù)字經濟技術效率長期處于無效率狀態(tài)，東部省份的技術效率最低，中部省份次之，西部省份最高。通過分解技術效率發(fā)現(xiàn)，純技術效率低下是導致數(shù)字經濟長期無效率的主要原因，這反映出中國大部分省份的數(shù)字經濟存在資源配置效率低、管理水平低的問題。從宏觀層面分析，解決數(shù)字經濟產業(yè)資源配置效率低、管理水平低的問題需要同時發(fā)揮市場自發(fā)調節(jié)與地方政府治理的合力，即采取雙管齊下的共治模式：一方面，地方政府必須設計推進數(shù)字經濟發(fā)展的戰(zhàn)略規(guī)劃，并針對數(shù)字經濟相關產業(yè)制定財政、信貸扶持政策，保證該產業(yè)的優(yōu)先發(fā)展、有序監(jiān)管與有效治理。另一方面，從市場調節(jié)角度分析，政府只開展政策引導、制度設計等頂層設計與監(jiān)管治理工作，其余的資源配置與產業(yè)調節(jié)全部交由市場自發(fā)完成，充分發(fā)揮市場的資源配置功能和經濟調節(jié)功能。

從動態(tài)效率來看，中國數(shù)字經濟全要素生產率總體呈現(xiàn)先升后降的趨勢。其中，純技術效率和規(guī)模效率每年均維持在小幅度范圍內波動，對全要素生產率產生了一定的影響。但數(shù)字經濟面臨的主要問題是遭遇了技術瓶頸，從而遏制了全要素生產率的提升。此外，雖然東部大部分省份的技術效率常年排名墊底，但它們的年均技術效率變化基本大于1，且正在逐步縮小與效率前沿省份的相對效率差距。通過分解發(fā)現(xiàn)，純技術效率的增長和規(guī)模效率的優(yōu)化對東部省份的技術效率起到了一定的推動作用。為維持數(shù)字經濟全要素生產率在未來期間的持續(xù)上升趨勢，筆者認為政府應對不同地區(qū)的數(shù)字經濟產業(yè)根據(jù)其特征和發(fā)展要求采取不同的治理模式，東部地區(qū)繼續(xù)實現(xiàn)純技術效率的增長和規(guī)模效率的優(yōu)化，中部、西部地區(qū)應實施人才彈性引進機制、設計人才激勵制度，提升對高科技人員和高級管理人員的引進率。

從總體來看，數(shù)字經濟的發(fā)展對不同地區(qū)的資源稟賦差異的敏感性不強，尤其是放寬了對土地、勞動力等資源的剛性需求，但對資本投入和技術投入較為敏感，這顯然有助于提高所有地區(qū)的經濟增長率，進而縮小不同地區(qū)之間的經濟發(fā)展水平差異。鑒于此，國家應根據(jù)不同區(qū)域的數(shù)字經濟產業(yè)基礎，推進不同區(qū)域數(shù)字經濟的協(xié)調、健康、有序發(fā)展，注重不同地區(qū)之間數(shù)字經濟相關產業(yè)的差異化、協(xié)同化發(fā)展，抓好數(shù)字經濟發(fā)展戰(zhàn)略的頂層設計和整體謀劃。同時，國家還應加強對數(shù)字經濟發(fā)展方向的引導和監(jiān)管，推進市場結構優(yōu)化，避免無序融資、惡意競爭等效率低下的經濟行為，提高數(shù)字經濟的資源配置效率。

【 主 要 參 考 文 獻 】

[ 1 ]? ?Degryse C.. Shaping the world of work in the digital economy[ J].SSRN Electronic Journal，2017（3）：45 ～ 50.

[ 2 ]? ?張于喆.數(shù)字經濟驅動產業(yè)結構向中高端邁進的發(fā)展思路與主要任務[ J].經濟縱橫，2018（9）：85 ～ 91.

[ 3 ]? ?張新紅.數(shù)字經濟與中國發(fā)展[ J].大數(shù)據(jù)時代，2016（2）：30 ～ 37.

[ 4 ]? ?Don Tapscott. The digital economy： Promise and peril in the age of networked intelligence[M].New York：The McGraw-Hill Companies，1995：156 ～ 168.

[ 5 ]? ?Kim B.， Barua A.， Whinston A. B.. Virtual field experiments for a digital economy： A new research methodology for exploring an informa-tion economy[ J].Decision Support Systems，2002（3）：215 ～ 231.

[ 6 ]? ?Bakhshi， Hasan. How can we measure the modern digital economy？[ J].Significance，2016（3）：6 ～ 7.

[ 7 ]? ?徐清源，單志廣，馬潮江.國內外數(shù)字經濟測度指標體系研究綜述[ J].調研世界，2018（11）：54 ～ 60.

[ 8 ]? ?經濟合作發(fā)展組織.衡量數(shù)字經濟：一個新的視角[M].上海：上海遠東出版社，2015：9 ～ 28.

[ 9 ]? ?Nakamura L. I.，Samuels J. D.，Soloveichik R. H.. Measuring the "free" digital economy within the GDP and Productivity Accounts[Z].BeaWorking Papers，2017.

[10]? ?向書堅，吳文君.OECD數(shù)字經濟核算研究最新動態(tài)及其啟示[ J].統(tǒng)計研究，2018（12）：3 ～ 15.

[11]? ?Banker R. D.， Charnes A.，Cooper W. W.. Some models for estimating technical and scale inefficiencies in data envelopment analysis[ J].Management Science，1984（9）：1078 ～ 1092.

[12]? ?Fare R.， Grosskopf S.， Lindgren B.. Productivity changes in Swedish pharmacies 1980-1989： A non-parametric malmquist approach[ J].Journal of Productivity Analysis，1992（1）：81 ～ 97.

[13]? ?王彬燕，田俊峰，程利莎.中國數(shù)字經濟空間分異及影響因素[ J].地理科學，2018（6）：859 ～ 868.

[14]? ?張景先.數(shù)字經濟發(fā)展的幾個關鍵點[ J].人民論壇，2018（29）：80 ～ 81.