Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

接下来,探究社会养老保险对家庭投资组合有效性的影响是否存在生命周期效应,分析结果见表 14。

表 14 社会养老保险对不同生命周期阶段家庭的异质性影响Ⅰ

变量

sharp_ratio

age≤30 30<age≤40 40<age≤50 50<age≤60 age>60

insurance_old 0. 078

∗∗∗ 0. 118

∗∗ 0. 120

∗∗∗ 0. 177

∗∗∗ 0. 329

∗∗∗

(0. 024) (0. 052) (0. 019) (0. 022) (0. 066)

imr 0. 933

∗∗∗ 0. 816

∗ 1. 367

∗∗∗ 2. 088

∗∗∗ 4. 818

∗∗∗

(0. 290) (0. 477) (0. 276) (0. 274) (0. 875)

样本量 2 201 4 334 8 211 8 390 10 915

R

2

0. 070 4 0. 104 3 0. 048 6 0. 046 8 0. 049 5

R

2 0. 027 7 0. 020 1 0. 026 1 0. 024 7 0. 032 7

变量

sortino_ratio

age≤30 30<age≤40 40<age≤50 50<age≤60 age>60

insurance_old 0. 123

∗∗∗ 0. 172

∗∗ 0. 197

∗∗∗ 0. 303

∗∗∗ 0. 627

∗∗∗

(0. 039) (0. 079) (0. 035) (0. 041) (0. 132)

imr 1. 435

∗∗∗ 1. 216

∗ 2. 258

∗∗∗ 3. 481

∗∗∗ 8. 884

∗∗∗

(0. 532) (0. 704) (0. 513) (0. 534) (1. 774)

样本量 2 201 4 334 8 211 8 390 10 915

R

2 0. 064 2 0. 102 3 0. 043 0 0. 042 1 0. 045 0

R

2 0. 021 3 0. 017 9 0. 020 3 0. 019 9 0. 028 0

如表 14 所示,对于夏普比率,社会养老保险对不同生命周期阶段家庭的边际影响依次是 0. 078、0. 118、

0. 120、0. 177、0. 329;对于索提诺比率,社会养老保险对不同生命周期阶段家庭的边际影响依次是 0. 123、

0. 172、0. 197、0. 303、0. 627。 这说明相比青年家庭和中年家庭,社会养老保险更能够提升老年家庭的投资组

合有效性。 原因可能在于,当居民家庭处于年龄小于等于 30 岁、大于 30 岁且小于等于 40 岁阶段时,劳动收

入为主要收入来源,收入水平和收入稳定性较低,但劳动供给弹性较高,居民家庭能够通过调整劳动供给量

降低收入风险;处于年龄大于 40 岁且小于等于 50 岁、大于 50 岁且小于等于 60 岁阶段的居民家庭,在子女

教育、住房及医疗支出等方面存在刚性特征,并且具有养老储备的目的,相较青年群体,其劳动供给弹性降

低,但仍保持在一定的水平;而 60 岁以上的老年群体已处于退休阶段,不存在劳动供给弹性或劳动供给弹性

较低,收入风险对家庭投资决策产生较大影响,社会养老保险能够显著降低收入风险,刺激家庭参与风险金

融市场和提高家庭投资组合有效性。 同时,养老金财富随年龄增长也逐渐积累,相较处于其他生命周期阶

段的家庭,老年家庭对养老金财富的了解和掌握更加充分,增强了养老金的财富属性,因此社会养老保险更

能够显著提升老年家庭的投资组合有效性。

接下来,采用交互项方式进行稳健性检验,探究社会养老保险对不同生命周期阶段家庭投资组合有效

性的异质性影响。 以户主年龄小于等于 30 岁(age≤30)的家庭为对照组,设置 4 个虚拟变量,分别为 age1 、

age2 、age3 、age4 。 若家庭的户主年龄大于 30 岁且小于等于 40 岁,则 age1 取值为 1,否则取值为 0;若家庭的

户主年龄大于 40 岁且小于等于 50 岁,则 age2 取值为 1,否则取值为 0;若家庭的户主年龄大于 50 岁且小于

49

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

等于 60 岁,则 age3 取值为 1,否则取值为 0;若家庭的户主年龄大于 60 岁,则 age4 取值为 1,否则取值为 0。

分别加入社会养老保险与 4 个虚拟变量的交互项进行实证检验,结果如表 15 所示,社会养老保险对老年家

庭的投资组合有效性影响最大,说明了上文结果的稳健性。

表 15 社会养老保险对不同生命周期阶段家庭的异质性影响Ⅱ

变量 sharp_ratio sortino_ratio

insurance_old -0. 005 -0. 035

(0. 041) (0. 067)

insurance_old×age1 0. 086

∗∗ 0. 160

∗∗

(0. 039) (0. 070)

insurance_old×age2 0. 123

∗∗∗ 0. 233

∗∗∗

(0. 041) (0. 073)

insurance_old×age3 0. 117

∗∗ 0. 229

∗∗∗

(0. 048) (0. 084)

insurance_old×age4 0. 146

∗∗ 0. 288

∗∗∗

(0. 058) (0. 102)

控制变量 控制 控制

地区固定效应 控制 控制

样本量 34 051 34 051

R

2

0. 028 3 0. 024 3

R

2 0. 022 7 0. 018 8

七、研究结论与政策建议

本文运用中国家庭金融调查(CHFS)数据,采用夏普比率和索提诺比率两个衡量指标,实证分析了社会

养老保险对家庭投资组合有效性的影响。 研究结果表明,社会养老保险与家庭投资组合有效性呈现显著正

相关关系,并且这种正向影响在农村地区、西部地区及低收入水平家庭中更加显著。 进一步分析发现,社会

养老保险对家庭投资组合有效性的影响具有显著的生命周期效应,即相较处于其他生命周期阶段的家庭,

处于退休年龄的老年家庭对社会养老保险更加敏感。 因此本文提出以下针对性的政策建议:

第一,完善社会养老保险制度,实现社会养老保险制度并轨。 社会养老保险是影响家庭投资组合有效

性的重要因素,社会养老保险体系的不断完善对中国居民家庭有效参与风险金融市场具有重要作用。 因

此,政府在推进金融市场改革的同时,应加强以养老保险为主的社会保障体系改革,降低居民家庭未来的不

确定性,促进家庭理性投资。

第二,政府应出台相关政策完善商业养老保险制度,将其作为社会养老保险的有效补充。 以减免个人

所得税、降低个人所得税缴纳额度等多种方式鼓励居民家庭参与商业养老保险,进而缓解家庭的养老压力,

提高居民的养老保障水平,降低家庭的未来不确定性风险,激励家庭合理配置金融资产。

第三,关注人群差异性,合理创新金融产品。 由于风险偏好、年龄等因素的影响,不同居民家庭在配置

50

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

金融资产时,考虑因素也各有不同。 金融机构可以针对不同人群进行市场调研,设计更加丰富多样的理财

产品,促进家庭参与风险金融市场,引导居民理性投资。 比如,年轻人具有较高的风险偏好,可以针对其设

计较高风险、较高收益的金融产品;中年人受到赡养义务及抚养义务的影响,具有较低的风险偏好,而且保

值意愿强烈,可以针对其设计较低风险或具有保障功能的金融产品。 针对由于缺乏金融知识而无法参与风

险金融市场的家庭,政府可设立“社保基金”账户,在征得居民家庭同意的情况下,将社保账户下的资金转移

到“社保基金”账户,代替居民家庭进行风险金融资产投资,提高家庭投资组合有效性,实现更多的养老金财

富积累。

第四,根据城乡差异及区域差异合理配置社会资源和金融资源,进一步向农村地区和西部地区等欠发

达区域倾斜社会资源和普及金融知识。 由于受到生活环境和教育环境的影响,农村家庭和西部地区家庭在

一定程度上不了解金融产品,配置金融资产时具有一定的误解和抵触心理,又由于信息不对称和市场摩擦

等原因,金融机构难以切实了解不同家庭的金融需求。 因此,相关政府部门和金融机构应采用多种方式加

强金融宣传,通过发放调查问卷、举办金融知识竞赛等方式,丰富居民家庭的金融知识,提升其参与风险金

融市场的信心,进而提高其金融资产配置的有效性。

参考文献:

[1]WACHTER J A, YOGO M. Why do household portfolio shares rise in wealth? [J]. The Review of Financial Studies, 2010, 23(11): 3929-3965.

[2]柴时军. 社会资本与家庭投资组合有效性[J]. 中国经济问题,2017(4):27-39.

[3]吴卫星,吴锟,张旭阳. 金融素养与家庭资产组合有效性[J]. 国际金融研究,2018(5):66-75.

[4]杜朝运,丁超. 基于夏普比率的家庭金融资产配置有效性研究———来自中国家庭金融调查的证据[J]. 经济与管理研究,2016,37(8):52-59.

[5]吴雨,李晓,李洁,等. 数字金融发展与家庭金融资产组合有效性[J]. 管理世界,2021,37(7):92-104.

[6]董婧璇,臧旭恒,姚健. 移动支付对居民家庭金融资产配置的影响[J]. 南开经济研究,2022(12):79-96.

[7]MARKOWITZ H. Portfolio selection[J]. The Journal of Finance, 1952, 7(1): 77-91.

[8]VAN ROOIJ M, LUSARDI A, ALESSIE R. Financial literacy and stock market participation[J]. Journal of Financial Economics, 2011, 101(2):

449-472.

[9]SHUM P, FAIG M. What explains household stock holdings? [J]. Journal of Banking & Finance, 2006, 30(9): 2579-2597.

[10]ABREU M, MENDES V. Financial literacy and portfolio diversification[J]. Quantitative Finance, 2010, 10(5): 515-528.

[11]BERKOWITZ M K, QIU J P. A further look at household portfolio choice and health status[ J]. Journal of Banking & Finance, 2006, 30(4):

1201-1217.

[12]GOURIEROUX C, MONFORT A. The econometrics of efficient portfolios[J]. Journal of Empirical Finance, 2005, 12(1): 1-41.

[13]CALVET L E, CAMPBELL J Y, SODINI P. Down or out: assessing the welfare costs of household investment mistakes[ J]. Journal of Political

Economy, 2007, 115(5): 707-747.

[14]PELIZZON L, WEBER G. Are household portfolio efficient? An analysis conditional on housing [ J]. Journal of Financial and Quantitative

Analysis, 2008, 43(2): 401-431.

[15]GRINBLATT M, KELOHARJU M, LINNAINMAA J. IQ and stock market participation[J]. The Journal of Finance, 2011, 66(6): 2121-2164.

[16]宗庆庆,刘冲,周亚虹. 社会养老保险与我国居民家庭风险金融资产投资———来自中国家庭金融调查(CHFS)的证据[ J]. 金融研究,2015

(10):99-114.

51

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

[17]卢亚娟,张雯涵,孟丹丹. 社会养老保险对家庭金融资产配置的影响研究[J]. 保险研究,2019(12):108-119.

[18]李昂,廖俊平. 社会养老保险与我国城镇家庭风险金融资产配置行为[J]. 中国社会科学院研究生院学报,2016(6):40-50.

[19]周寒,孙文远,郑登元. 保险对家庭金融资产结构的影响———基于中国家庭金融调查(CHFS)数据的实证分析[J]. 武汉金融,2019(7):64-68.

[20]FELDSTEIN M. Social security, induced retirement, and aggregate capital accumulation[J]. Journal of Political Economy, 1974, 82(5): 905-926.

[21]卢洪友,王云霄,杜亦譞. 城乡居民基本养老保险、家庭异质性决策和收入差距———基于风险分担的视角[J]. 财政研究,2019(9):94-107.

[22]易行健,周聪,来特,等. 商业医疗保险与家庭风险金融资产投资———来自 CHFS 数据的证据[J]. 经济科学,2019(5):104-116.

[23]HEATON J, LUCAS D. Market frictions, savings behavior, and portfolio choice[J]. Macroeconomic Dynamics, 1997, 1(1): 76-101.

[24]卢云鹤,万海远. 住房公积金制度的收入分配效应[J]. 经济学(季刊),2020,20(5):87-106.

[25]林靖,周铭山,董志勇. 社会保险与家庭金融风险资产投资[J]. 管理科学学报,2017,20(2):94-107.

[26]]段忠东,吴文慧. 住房公积金对城市家庭投资组合有效性的影响研究[J]. 上海金融,2022(8):2-15.

[27]COCCO J F, GOMES F J, MAENHOUT P J. Consumption and portfolio choice over the life cycle[J]. The Review of Financial Studies, 2005, 18

(2): 491-533.

[28]COILE C, MILLIGAN K. How household portfolios evolve after retirement: the effect of aging and health shocks[ J]. The Review of Income and

Wealth, 2009, 55(2): 226-248.

[29]ALESSIE R, HOCHGÜERTEL S, VAN SOEST A. Household portfolios in the Netherlands[Z]. CentER Discussion Paper No. 2000-55, 2000.

[30]周利. 中国家庭生命周期资产配置的实证分析[J]. 统计与决策,2019,35(12):166-168.

[31]IWAISAKO T. Household portfolios in Japan[J]. Japan and the World Economy, 2009, 21(4): 373-382.

[32]FLAVIN M, YAMASHITA T. Owner-occupied housing: life-cycle implications for the household portfolio[J]. American Economic Review, 2011,

101(3): 609-614.

[33]VISSING-JORGENSEN A. Towards an explanation of household portfolio choice heterogeneity: nonfinancial income and participation cost structures

[Z]. NBER Working Paper No. 8884, 2002.

[34]GOMES F, MICHAELIDES A. Optimal life-cycle asset allocation: understanding the empirical evidence[ J]. The Journal of Finance, 2005, 60

(2): 869-904.

[35]吴卫星,丘艳春,张琳琬. 中国居民家庭投资组合有效性:基于夏普率的研究[J]. 世界经济,2015,38(1):154-172.

[36]尹志超,吴雨,甘犁. 金融可得性、金融市场参与和家庭资产选择[J]. 经济研究,2015,50(3):87-99.

[37]FARINELLI S, FERREIRA M, ROSSELLO D, et al. Beyond Sharpe ratio: optimal asset allocation using different performance ratios[J]. Journal

of Banking & Finance, 2008, 32(10): 2057-2063.

[38]臧旭恒,张欣. 中国家庭资产配置与异质性消费者行为分析[J]. 经济研究,2018,53(3):21-34.

[39]刘雪颖,王亚柯. 商业健康保险对家庭风险金融资产投资的影响研究[J]. 财贸研究,2021,32(5):49-61.

[40]BUCHER-KOENEN T, LUSARDI A. Financial literacy and retirement planning in Germany[J]. Journal of Pension Economics & Finance, 2011,

10(4): 565-584.

[41]尹志超,张栋浩. 金融普惠、家庭贫困及脆弱性[J]. 经济学(季刊),2020,20(5):153-172.

[42]王亚柯,王宾,韩冰洁,等. 我国养老保障水平差异研究———基于替代率与相对水平的比较分析[J]. 管理世界,2013(8):109-117.

[43]臧旭恒,李晓飞. 养老保险“多轨制”与家庭消费差距[J]. 现代经济探讨,2021(3):21-32.

[44]王修华,赵亚雄. 数字金融发展是否存在马太效应? ———贫困户与非贫困户的经验比较[J]. 金融研究,2020(7):114-133.

[45]臧旭恒,董婧璇. 电子银行、金融便捷及家庭消费———基于异质性消费者的角度[J]. 山东师范大学学报(社会科学版),2020,65(5):107-124.

[46]BODIE Z, MERTON R C, SAMUELSON W F. Labor supply flexibility and portfolio choice in a life cycle model[J]. Journal of Economic Dynamics

and Control, 1992, 16(3 / 4): 427-449.

[47]POTERBA J M. Demographic structure and asset returns[J]. The Review of Economics and Statistics, 2001, 83(4): 565-584.

[48]ROSEN H S, WU S. Portfolio choice and health status[J]. Journal of Financial Economics, 2004, 72(3): 457-484.

[49]FAN E, ZHAO R Y. Health status and portfolio choice: causality or heterogeneity? [J]. Journal of Banking & Finance, 2009, 33(6): 1079-1088.

[50]MCINISH T H, RAMASWAMI S N, SRIVASTAVA R K. Do more risk-averse investors have lower net worth and income? [ J]. The Financial

Review, 1993, 28(1): 91-106.

52

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

Can Social Pension Insurance Promote Household Portfolio Efficiency?

—From the Perspective of Life Cycle

ZANG Xuheng

1

, DONG Jingxuan

2

(1. Shandong University, Jinan 250100;

2. Shandong First Medical University, Jinan 250117)

Abstract: The construction of an effective investment portfolio that balances liquidity, risk, and profitability of

assets becomes a focal point for households. As the cornerstone of the social security system, social pension

insurance plays a vital role in ensuring the basic living needs of elders and providing retirement benefits. Social

pension insurance can influence household financial asset allocation in two ways. On the one hand, it can

contribute to household wealth growth, mitigate the impact of income fluctuations, reduce the need for precautionary

savings, and thus promote the efficiency of household portfolios. On the other hand, contributions to social pension

insurance may lead to a reduction in households’ current disposable income and the share of risky financial asset

allocations, potentially diminishing the efficiency of household portfolios. However, there is a dearth of literature

examining the influence of the social security system on household portfolio efficiency, and this paper aims to

address this research gap.

Households’ risk and investment preferences change with the life cycle. Therefore, exploring the impact of

social pension insurance on portfolio efficiency should not only focus on the significance and degree, but also pay

attention to the heterogeneity in life stages. Using data from the 2017 China Household Finance Survey (CHFS),

this paper employs the weighted average Sharpe ratio and the Sortino ratio to investigate the influence of social

pension insurance on the efficiency of household portfolios.

The findings reveal that social pension insurance can notably enhance household participation in the risky

financial market and improve portfolio efficiency. Mechanism analysis indicates that social pension insurance can

optimize household financial asset allocation by reducing precautionary savings. Heterogeneity analysis demonstrates

that the optimization impact of social pension insurance on household portfolios is more pronounced in rural areas,

western regions, and low-income families. Further analysis reveals that the marginal effect of social pension

insurance on portfolio efficiency follows a life cycle pattern. Specifically, social pension insurance can significantly

enhance the portfolio efficiency of elderly households.

The paper may unveil the underlying rationale of social pension insurance influencing household financial asset

allocation. Relevant recommendations include further advancing pension insurance reform, perfecting the national

pension insurance framework, and refining policy precision to incentivize families to engage prudently in the risky

financial market and rational family investments. This will foster a positive cycle of household wealth accumulation

and financial market development.

Keywords: social pension insurance; household portfolio efficiency; Sharp ratio; Sortino ratio; life cycle

责任编辑:姚望春

53

第 44 卷 第 10 期

2023 年 10 月

经 济 与 管 理 研 究

Research on Economics and Management

Vol. 44 No. 10

Oct. 2023

DOI:10. 13502 / j. cnki. issn1000-7636. 2023. 10. 004

数字经济能克服服务业“成本病”吗?

———来自城市层面的经验证据

庞瑞芝 郭慧芳

收稿日期:2022-12-04;修回日期:2023-07-26

基金项目:国家社会科学基金重大项目“大国经济条件下构建自主可控的现代产业体系重大问题研究” (21&ZD099);南开大学文科发展

基金重点项目“数字化与‘鲍莫尔成本病’———理论反思与现实考察”(ZB22BZ0105);南开大学亚洲研究中心项目“数字经济赋能服务业生产

率的机理与路径研究”(AS2104)

作者简介:庞瑞芝 南开大学经济与社会发展研究院教授、博士生导师,天津,300071;

郭慧芳 南开大学经济学院博士研究生,通信作者。

作者感谢匿名审稿人的评审意见。

内容提要:服务经济时代,提升服务业生产率、缓解服务业“成本病”是中国经济实现高质量发展的重要路径。

本文首先从理论层面来分析数字经济影响服务业“成本病”的内在机制,发现数字经济并不必然能够缓解服务业

“成本病”问题,这取决于数字经济对资本和劳动两种生产要素的相对影响程度。 其次,本文利用 2011—2019 年中

国地级及以上城市层面的样本数据,对理论模型的结论进行实证检验,结果表明中国数字经济的发展可以缓解服

务业“成本病”问题。 但是数字经济对服务业“成本病”的缓解作用存在异质性,在经济发展水平较高、教育水平较

高、规模较大以及服务业发展水平较高的城市,数字经济对服务业“成本病”的缓解作用较大。 本文的研究结论为

供给侧结构性改革下中国服务业发展动能转换、实现服务经济高质量发展提供了有益借鉴。

关键词:数字经济 服务业 成本病 制造业 全要素生产率

中图分类号:F062. 9;F712 文献标识码:A 文章编号:1000-7636(2023)10-0054-21

一、问题提出与文献回顾

当前服务业已经占据国民经济重要地位,服务经济的高效率、高质量发展不仅关乎国民经济高质量

发展,而且直接影响中国制造业国际竞争力水平。 经济理论和国际经验都表明,由于服务业存在“成本

病”问题,在服务业为主的经济结构中,存在着将经济增长速度拉低的内在力量[1]

,尤其是近年来中国经

济出现“结构性减速”特征,这种观点似乎得到印证。 然而,以互联网、大数据、区块链、云计算等为代表

的数字技术快速发展并与实体经济深度融合,推动了全球资源重组和经济结构的重塑,数字经济已然成

为改变全球竞争格局的关键力量[2]

。 数字经济的蓬勃发展不仅为经济高质量发展注入了新动力,更为服

务业的高效率、高质量发展提供了新契机。 数字经济是数字技术的快速发展和广泛应用给经济社会带来

54

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

的系统性变革,是一种新的经济形态。 在这种新的经济形态中,数字技术在服务业领域的广泛应用带来

服务业运行模式、要素配置与要素生产率的全面变革。 有学者指出数字经济所具备的连通性、协同性、以

数据为载体的知识和技术要素的边际报酬递增性,以及突破服务贸易的时空交易障碍等特性,在很大程

度上改变了传统服务业高成本、低效率、不可储存、不可远距离贸易等特点[3]

。 数字技术的广泛应用通过

优化要素配置、赋能劳动要素,推动服务业发生效率变革[4]

,促使服务业生产效率得到显著提升,进而为

缓解服务业“成本病”提供了可能。 那么在此背景下,研究数字经济的发展能否帮助服务业缓解甚至克服

“成本病”问题,进而打破“服务经济时代是低增长时代”这一“魔咒”在当前显得十分必要和紧迫,这不仅

具有重要的现实和理论意义,也是中国通过供给侧结构性改革推动服务业高质量发展以及构建现代化产

业体系的重要内容。

鲍莫尔(Baumol,1967)在运用两部门(技术进步部门和技术停滞部门) 非均衡模型研究美国经济增

长过程中出现的城市病问题时,提出了著名的“成本病”理论[5]

。 该理论指出,由于服务业劳动生产率增

长相对滞后,在劳动要素自由流动、两部门工资同时变动的条件下,劳动要素会不断流向服务业部门,最

终使得服务业部门生产成本、服务产品价格不断上升。 富克斯( Fuchs,1968)

[6] 和鲍莫尔等( 1985)

[7] 的

研究也进一步证实了美国服务业存在“成本病”问题,学术界将二人的研究成果称为“鲍莫尔-富克斯假

说” (Baumol-Fuchs hypothesis) 。 之后,随着服务业在全球范围内迅速发展,国内外学者在“鲍莫尔-富克

斯假说”的基础上对服务业“成本病”相关问题进行更为深入的研究。一些学者根据研究对象的实际发

展特征从不同视角对鲍莫尔两部门非均衡模型进行修改和拓展[8-10]

,进而分析服务业“成本病” 的存在

性。 恩盖和皮萨里德斯(Ngai & Pissarides,2007)将部门数量扩展至 m 个,并假设每个部门劳动生产率的

增长率不同,仍然认为服务业存在“成本病”

[11]

。 还有一些学者运用研究对象国家的服务业相关数据从

实证角度来剖析“成本病”问题,这一类研究并未得出统一的结论。 部分学者的研究结果表明,服务业在

发展过程中确实存在“成本病”问题[12-16]

。 程大中(2004)利用中国 1978—2000 年服务业的相关数据进

行实证检验,发现中国服务业发展过程中存在着增加值比重、就业比重以及劳动增加值偏低的现象,符合

“鲍莫尔-富克斯假说”的相关结论[12]

。 邱小欢(2010)基于全要素生产率( TFP)的视角对中国东部地区

服务业“成本病”问题进行检验,发现东部地区服务业生产率增速滞后于第二产业生产率的增速,呈现出

明显的“成本病”特征[17]

。 而另一些学者的研究则表明并非所有国家[18]

、所有细分的服务业[19-20] 都存在

“成本病”问题:马罗托-桑切斯和夸德拉多-罗拉(Maroto-Sánchez & Cuadrado-Roura,2009)通过对经济合

作与发展组织(OECD)成员服务业细分行业的数据进行实证分析发现,有些服务业如运输服务、金融服

务、通信等行业的生产率甚至超过制造业[19]

,这说明从服务业内部来看,未必所有的服务业都存在“成本

病”问题。 李建华和孙蚌珠(2012)将服务业分为可标准化服务业和不可标准化服务业,认为“成本病”只

存在于不可标准化的服务业中[20]

。 此外,还有部分学者的研究表明生产性服务业的发展[21]

、产业融

合[22]

、全球化分工[23]等可以缩小制造业与服务业(全要素) 生产率之间的差距,进而缓解服务业“成本

病”问题。

随着互联网、人工智能、信息通信技术等数字技术的应用和普及,人类生产生活方式、生产组织模式、产

业效率等都发生巨大变化。 围绕着数字相关技术对企业生产和产业组织的颠覆性变革及其对生产率的影

响,很多学者从不同视角展开研究。 不少学者指出,数字技术在服务业中的渗透与应用,推动传统服务业向

现代服务业转型[24]

,改变服务业特征并降低了劳动异质性[25]

,促进服务业的标准化和规模化[26]

、推动服务

业结构升级[27-28]

,提升了服务业全要素生产率[29]

,这些研究为分析数字经济影响服务业“成本病”开辟了新

55

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

视角。 部分学者采用理论演绎方法分析了数字经济对服务业的影响。 江小涓(2021)认为数字技术的应用

可以改变传统服务业“结果无形、生产消费同步、不可储存、个性差异”等特点以及服务业生产效率低这一基

本性质,进而有助于克服“成本病”

[30]

。 李晓华(2022)认为数字技术可以通过结构效应、赋能效应和规模经

济三方面提高服务业劳动生产率并克服服务业“成本病”

[4]

。 还有部分学者从实证研究视角分析数字技术

的应用、数字经济的发展与服务业生产率以及“成本病”之间的联系。 卡索拉罗和戈比(Casolaro & Gobbi,

2007)基于意大利银行业相关数据进行的研究发现,信息技术的应用可以显著提升银行业的全要素生产

率[29]

。 尚文思(2020)将“新基建”(新型基础设施建设)指标引入生产函数来分析新基建对生产性服务业劳

动生产率的影响,认为“新基建” 在提升服务业生产率方面发挥了积极作用[31]

。 特里普利特和博斯沃思

(Triplett & Bosworth,2003)

[32]以及雷小清(2011)

[33] 将资本投入分为信息通信技术(ICT)资本和非 ICT 资

本,认为 ICT 资本投入对服务业劳动生产率增长的贡献高于对制造业的贡献,因此在一定程度上有助于缓解

服务业“成本病”。 庞瑞芝和李帅娜(2022)运用 2011—2019 年中国省级层面数据进行实证分析,认为数字

经济可以通过调整制造业和服务业的相对生产率而起到缓解服务业“成本病”的作用[34]

。

纵观现有相关研究发现:首先,虽然已有学者开始关注数字经济对服务业“成本病”的影响,但鲜有从理

论模型视角来探讨数字经济影响服务业“成本病”的内在机理;其次,现有关于数字经济与服务业“成本病”

关系的研究多是基于服务业单一部门展开讨论,而将服务业部门、制造业部门放入统一框架的多部门研究

相对较少;再次,关于服务业生产率的测算,有些学者假设单一要素投入①,只考虑了劳动生产率,但在实践

中,产品和服务的生产与供给需要投入多种要素,只考虑单一要素(劳动)生产率失之偏颇,有必要从多要素

投入视角对生产率进行衡量。 基于此,本文尝试在以下两方面进行突破:第一,构建理论模型,采用一般均

衡分析方法探讨数字经济影响服务业“成本病”的理论机制,从理论层面打开数字经济影响服务业“成本病”

的“黑箱”;第二,将研究范围由单一部门拓展为多部门,将制造业、服务业同时纳入到数字经济影响服务业

“成本病”的理论模型中,并从理论和实证两个层面分析数字经济对服务业和制造业 TFP 增长率变动从而对

服务业“成本病”问题的影响。

二、中国数字经济发展与服务业“成本病”:特征事实

(一)过去三十年来,中国服务业“成本病”特征显著

首先,从服务业“成本病”的成因看,中国服务业生产率增速明显滞后于制造业生产率增速。 图 1 汇报

了 2011—2019 年中国制造业和服务业全要素生产率增速。 本文采用数据包络分析-马姆奎斯特(DEAMalmquist)法测算全要素生产率的增长率的变动趋势,图 1 中虚线代表的服务业全要素生产率增速滞后于

实线代表的制造业全要素生产率增速,表明中国服务业面临的问题与鲍莫尔(1967)

[5]两部门模型理论预测

的服务业“成本病”形成原因相一致。 其次,从“症状”来看,中国服务业也呈现出“成本病”特征。一是劳动

要素不断流向服务业部门,二是中国服务产品价格呈现明显的上升趋势。 《中国统计年鉴(2020)》相关统计

结果显示:改革开放以来,服务业就业份额不断增加,并于 2011 年超过第一、第二产业就业份额;服务业价格

指数的上涨幅度也远高于国民经济价格指数和制造业价格指数的上涨幅度。 这表明中国服务业已经呈现

出明显的“成本病”特征。

56

① 鲍莫尔(1967)在构建理论模型时,假设生产过程中只投入劳动一种要素[5]

,故本文在分析“成本病”问题时只采用劳动生产率作为生

产率的衡量指标。

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)





















        





3

\"

>

fi



(%1!

F



E

ffi







>

2

*



(

3\">fi(%1!F E>2*(

ffi>2*(



图 1 制造业和服务业全要素生产率增速及数字经济规模占比

资料来源:《中国统计年鉴》(2012—2020 年)。

(二)数字经济下中国服务业发展趋

势与特征

1. 第三产业数字化转型程度高于第

一产业和第二产业

根据中国信息通信研究院发布的

《中国数字经济发展白皮书》 ( 2021) 和

《中国数字经济发展与就业白皮书(2019

年)》,一是数字经济在第三产业中的渗

透率要明显高于其在第一和第二产业中

的渗透率;二是第三产业的数字化转型

相关岗位数量要远高于第一、第二产业

数字化转型相关岗位数量,2018 年第三

产业的数字化转型相关岗位为 13 426 万个,而第一、第二产业的相关岗位分别为 1 928 万个和 5 221 万个。

从数字经济在产业中的渗透率以及数字经济的就业结构来看,第三产业数字化转型程度要高于第一产业和

第二产业。

2. 数字经济下服务业生产率增速呈现上升趋势

伴随着服务业数字化转型加速,服务业生产率增速呈现较明显的上升趋势。 如图 1 所示,随着数字经济

发展,服务业全要素生产率增速不断提升,并且与制造业全要素生产率增速之间的差距呈现缩小趋势。 图 1

显示服务业全要素生产率增速与制造业全要素生产率增速二者之间的差距不断缩小,这表明伴随着数字经

济发展,引起服务业“成本病”的动因有不断弱化趋势。

中国经济发展的数据和相关研究成果都表明数字经济的发展能够较明显提升服务业全要素生产率增

速,进而能够缓解服务业“成本病”,但是考虑到现实经济的复杂性,还需从理论和实证两方面进一步探析数

字经济的发展是否能够缓解甚至治愈服务业存在的“成本病”。 若能缓解,那么数字经济缓解服务业“成本

病”的机制路径是什么? 不同地区经济发展水平、教育水平、城市规模等是否会影响数字经济缓解服务业

“成本病”作用的发挥? 下文将针对上述问题进行具体分析。

三、理论模型

(一)理论分析

数字经济作为一种新型经济形态,其内涵非常广泛。 本文数字经济的本质内涵是指应用数字化相关技

术及产品推动产业转型升级和发展,即数字技术的应用给产业发展带来的深远影响。 进一步而言,数字经

济推动产业发展和结构优化的过程是以数字平台、大数据、产业互联网和产业应用软件及管理系统等为代

表的数字技术改变、赋能和重塑生产要素的过程。 在这一数字化的经济系统中,数字技术不仅对传统要素

投入规模和结构、要素配置效率产生影响,还对传统生产要素进行赋能,被数字化赋能后的生产要素与传统

生产要素相比发生了根本性变革。 而数字经济对生产要素规模、结构、配置效率、赋能等方面的影响最终可

以通过要素生产率的变化来体现。

数字经济主要通过以下渠道影响劳动要素:一是数字经济对劳动投入结构和规模的影响。 人工智能、

57

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

工业互联网、工业机器人等数字技术的应用,不仅会取代生产过程中部分从事重复性、简单性工作的低技能

劳动,还会创造出一些软件编程、网络工程师、数据分析、数字技术研发等高技能工作岗位[35-37]

,从而对生产

及服务提供过程中劳动力投入结构产生影响。 同时,生产流程的标准化、数字化、智能化发展对高度依赖自

动化或标准化流程的行业劳动力投入规模带来较大冲击[38]

。 二是数字经济赋能劳动要素,提升劳动力整体

技能和产出效率[39]

。 人工智能、互联网+、数字化管理平台等数字技术的应用可以提升劳动者适应和学习、

应用和扩散新技术的能力,提升劳动者工作经验和技能,数字技术还可以辅助劳动者完成复杂类工作,有效

提升劳动生产率[37-42]

。 三是数字经济可以缓解劳动要素错配,提升要素配置效率。 大数据、云平台、互联网

等数字技术的应用使劳动要素供给者和需求者突破信息获取的时空壁垒,减少劳动力市场供需之间的摩擦

和误判,实现人职精准匹配,有效提升劳动要素配置效率[43]

。

数字经济影响资本要素的途径主要有:一是降低资本使用摩擦,优化资本在不同行业间或者同一行业

内不同主体之间的配置,提升资本要素在企业间和行业间的配置效率。 借助大数据、云平台、互联网等数字

技术在搜集、处理、整合信息流方面的优势,资本要素的供求双方能够较为精准地识别和匹配资本要素的需

求和供给,缓解资本配置存在的摩擦和时空约束等问题,拓宽资本要素配置范围并提升资本要素配置效

率[43]

。 二是工业互联网、云平台、大数据等数字技术的开发和应用在很大程度上改变和重塑了生产和服务

提供过程中的资本要素,使得传统经济形态中的资本要素转化为数字技术赋能后的资本要素[39]

。 数字化赋

能后的资本要素能在多个层面实现互联互通,如机器与机器对话、人机对话、机器与系统对话等,这种多层

面的互联互通能够有效优化生产和服务提供流程,降低管理成本和交易成本,提升资本边际产出,从而有效

提升资本要素生产效率[44]

。 三是数字技术在生产过程中的应用会不断迭代升级现有生产流程,替代现有非

智能化生产设备、流水线及厂房等实物资本,通过生产设备、生产流程的不断迭代更新,提升资本要素的生

产效率、产出能力和水平[45-46]

。

(二)模型构建

依据前面理论分析,本文将数字经济视为一种赋能型或者要素拓展型数字技术。 数字技术在生产和服

务中的应用导致传统生产要素发生系统性变革,数字化赋能后的劳动和资本要素与传统要素相比,产出能

力和生产率发生很大改变。 据此,本文在柏培文和张云( 2021)

[47] 以及赫伦多夫等( Herrendorf et al.,

2018)

[48]研究的基础上,结合鲍莫尔“成本病”理论中劳动要素自由流动和两部门工资同时变动的理论假

设,构建数字经济影响服务业“成本病”的一般均衡模型。 假设总体经济包括生产和消费两大部门,生产部

门为产品供给方,包括制造业和服务业两类产业;消费部门为产品需求方,主要是指家庭部门,同时家庭部

门还为生产部门提供劳动力和资本。

1. 生产者行为

借鉴柏培文和张云(2021)

[47]的做法,假设生产部门由制造业和服务业两个产业部门构成,每个产业部

门分别由一个代表性企业进行生产,并采用常替代弹性(CES)生产技术进行生产。 生产函数形式如下:

Yj

=Aj

é

ë

ê

ê

ê

α

1

σ

j

j (H

γKj)

σ

j

-1

σ

j +(1 -αj)

1

σ

j

(H

δ

Lj)

σ

j

-1

σ

j

ù

û

ú

ú

ú

σ

j

σ

j

-1

(1)

其中, j ∈ {m,s} 表示制造业或服务业,Yj、Kj 和Lj 分别表示 j 产业的产出、资本投入和劳动投入,参数

Aj > 0 表示全要素生产率。 H 为数字经济指标,由前面相关分析可知,数字经济对产业发展的影响最终要落

58

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

到生产要素层面,故本文以数字经济指标与生产要素相乘的形式将数字经济指标引入生产函数中。 将数字

经济对资本、劳动要素投入结构、规模、效率、赋能等方面的综合影响简化为 γ 和 δ ,即 γ ≥ 0 表示数字经济

对资本要素的综合影响, δ ≥ 0 表示数字经济对劳动要素的综合影响。 参数 σj > 0 为常数,表示资本和劳动

的替代弹性;参数 0 <αj < 1 为常数,表示资本收入份额。 同理, 1 -αj 表示劳动收入份额。 相对而言,制造业

偏向于资本密集型产业,而服务业偏向于劳动密集型产业,则有 σm < σs,αm > αs 。

用 Pj、Rj 和Wj 分别表示产出价格、资本租金和劳动力工资,则企业利润最大化的一阶条件为:

RjKj

=Pj(Aj)

σ

j

-1

σ

j

Y

1

σ

j

j α

1

σ

j

j (H

γKj)

σ

j

-1

σ

j

(2)

WjLj

=Pj(Aj)

σ

j

-1

σ

j

Y

1

σ

j

j (1 -αj)

1

σ

j

(H

δ

Lj)

σ

j

-1

σ

j

(3)

2. 家庭消费行为

市场中除了生产部门外还存在大量家庭部门,这些家庭部门一方面为生产部门创造了大量消费需求,另一

方面又为生产部门提供必要的劳动力和资本。 假定家庭部门由一个代表性家庭刻画,其效用函数形式如下:

∑t

λ

t

C

1-η

t

1 - η

(4)

其中,时期 t = 0,1,2,…。 参数 0 < λ < 1 为常数,表示时间贴现因子。 参数 η > 0 为常数,

1

η

为跨期

替代弹性。

此外,本文借鉴赫伦多夫等(2018)

[48]的模型,将消费需求分为两大类:一是对制造品的需求,二是对服

务的需求,即将消费需求 C 分为制造业产品的消费 Cm 和服务业产品的消费 Cs ,消费需求 C 满足:

C =

é

ë

ê

ê

ω

1/ ε

C

C C

(ε

C

-1) / ε

C

m

+(1 -ωC )

1/ ε

C C

(ε

C

-1) / ε

C

s

ù

û

ú

ú

ε

C

ε

C

-1

(5)

其中,参数 0 < ωC < 1 为常数,表示制造业产品和服务产品在家庭消费中的替代弹性。

设家庭在每一期持有 K 单位资本,获得相应的租金收入 RK;提供 L 单位劳动,获得相应的工资收入 WL。

家庭还需要缴纳必要的总量税 T, 并将税后收入用于消费(C)和储蓄(S),储蓄(S)将形成投资(I),成为生

产部门资本投入的主要来源。 家庭预算约束可表示为如下形式:

Cm Pm

+CsPs

+Ik

= RK + WL - T (6)

K′ = (1 -δK )K +IK (7)

其中, δK 表示资本折旧率, 0 < δK < 1 且 S = I。

求解家庭效用最大化问题,可以得到欧拉方程和消费结构:

C

-

(C′)

-

=

[ωP

1-ε

m

+ (1 - ω)P

1-ε

s ]

1/ (1-ε)

[ω(P′m )

1-ε + (1 - ω)(P′s)

1-ε

]

1/ (1-ε)

(8)

Cm Pm

CsPs

=

ωC

1 -ωC

Pm

Ps

( )

1-ε

C

(9)

家庭部门闲置的大量资金并非直接投入生产部门,而是通过中间投资部门将资金投入生产过程。 中间

资本部门一方面从家庭部门吸纳大量闲置资金形成投资 I, 另一方面将这些投资全部用于制造业和服务业

生产过程。 本文借鉴郭凯明等(2020)

[49]的研究将投资 I 分为两部分,即用于制造业部门的投资 Im 和用于服

59

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

务业部门的投资 Is, 则投资 I 满足:

I =

é

ë

ê

ê

ω

1/ ε

I

I

I

(ε

I

-1) / ε

I

m

+(1 -ωI)

1/ ε

I

I

(ε

I

-1) / ε

I

s

ù

û

ú

ú

ε

I

ε

I

-1

(10)

求解投资部门利润最大化问题,可以得到:

Im Pm

IsPs

=

ωI

1 -ωI

Pm

Ps

( )

1-ε

I

(11)

3. 市场均衡

当市场达到均衡时,产品市场和要素市场都处于出清状态,根据国民经济核算恒等式可知,产品市场出

清时满足以下等式:

Yj

=Cj

+Ij (12)

其中, j ∈ {m,s} 表示制造业或服务业。

要素市场出清意味着总资本和总劳动将全部用于制造业部门和服务业部门生产,即满足如下条件:

K =Km

+Ks (13)

L =Lm

+Ls (14)

为清楚地展示数字经济在供给侧的影响,本文对需求侧的模型进行简化,假设 ωC

=ωI

= ω,εC

=εI

= ε。

则由式(9)、式(11)和式(12)可得:

Pm Ym

PsYs

=

ω

1 - ω

(

Pm

Ps

)

1-ε

(15)

(三)模型求解

根据鲍莫尔“成本病”理论假设,劳动力可以自由流动,且制造业和服务业部门的工资同时变动,即:

(Am )

σm

-1

σm

Y

1

σm

m (1 -αm )

1

σm

(H

δ

Lm )

σm

-1

σm

Lm

=

(As)

σ

s

-1

σ

s

Y

1

σ

s

s (1 -αs)

1

σ

s

(H

δ

Ls)

σ

s

-1

σ

s

Ls

(16)

式(16)两边取对数并进行全微分,并将式(6)代入化简可得:

d(lnAm

- lnAs)

dlnH

= (δ - γ)

ε

ε - 1

(

1

σm

-

1

ε

)αm

- (

1

σs

-

1

ε

)αs

é

ë

ê

ê

ù

û

ú

ú

(17)

其中, lnAm

- lnAs 表示制造业与服务业全要素生产率增长率之间的差值,这个差值恰好符合鲍莫尔

(1967)

[5]关于“成本病”成因的分析。

由式(17)可知,存在两种可能:一是

d(lnAm

- lnAs)

dlnH

> 0, 即 lnAm

- lnAs 随着 lnH 的提升而提升, lnAm

- ln

As 提升表示制造业和服务业全要素生产率增长率之间的差距扩大,服务业“成本病”问题加剧,意味着数字经

济的发展会加重服务业“成本病”问题。 二是

d(lnAm

- lnAs)

dlnH

< 0, 即 lnAm

- lnAs 随着 lnH 的提升而下降,

lnAm

- lnAs 下降表示制造业和服务业全要素生产率增长率之间的差距不断缩小,服务业“成本病”问题得到

缓解,表明数字经济的发展可以缓解服务业的“成本病”问题。

60

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

由前述假设可知, σm < σs , αm > αs , 0 < ε < 1,故

d(lnAm

- lnAs)

dlnH

的正负取决于 γ - δ 的大小。

当数字经济同时对劳动和资本要素产生影响时,即 δ > 0, γ > 0, 数字经济对服务业“成本病”的影

响如下:

当 δ > γ 时,有

d(lnAm

- lnAs)

dlnH

< 0, 即当数字经济对劳动要素的影响(δ)大于其对资本要素的影响(γ)

时,随着数字经济发展水平(lnH)的提升,制造业和服务业全要素生产率增速之间的差距不断缩小,服务业

“成本病”问题得到一定程度缓解。 反之,当 δ < γ 时,有

d(lnAm

- lnAs)

dlnH

> 0,即当数字经济对劳动要素的影

响(δ)小于其对资本要素的影响(γ)时,随着数字经济发展水平(lnH)的提升,制造业和服务业全要素生产

率增长率之间的差距不断扩大,服务业“成本病”问题加剧。

由前述假设可知,服务业相对于制造业而言更加偏向于劳动密集型产业,故当 δ>γ 时,数字经济对劳

动密集型的服务业全要素生产率的提升作用大于其对资本密集型的制造业全要素生产率的提升作用,进

而制造业和服务业全要素生产率增速之间的差距缩小,服务业“成本病”问题得到缓解。 当 δ<γ 时,数字

经济对资本密集型的制造业全要素生产率的提升作用可能要大于其对劳动密集型的服务业全要素生产

率的提升作用,进而制造业和服务业生产率增速之间的差距扩大,一定程度上加深了服务业“成本病”

问题。

由以上分析可知,当数字经济同时对劳动和资本要素产生影响时(δ>0,γ>0),数字经济对服务业“成本

病”的影响存在两种效应:加重或者缓解,最终影响取决于两种效应的比较。 如果数字经济对劳动要素的影

响程度大于其对资本要素的影响程度,那么数字经济将有助于缓解服务业“成本病”问题;反之,如果数字经

济对资本要素的影响程度大于其对劳动要素的影响程度,那么数字经济发展可能会加深服务业“成本病”。

但是现有相关研究表明数字经济的发展可以缩小服务业与制造业的生产率差距[38]

,并且中国数字经济与不

同产业融合发展的现实也印证了这一点。 基于此,本文提出如下假设:

假设 1:数字经济的发展能在一定程度上能够缓解服务业“成本病”。

当数字经济不同时影响劳动和资本要素时,数字经济对服务业“成本病”的影响还需要考虑以下几种特

殊情况:

(1)δ = 0,γ = 0,此时,数字经济对劳动要素和资本要素不产生影响。 由式(17)可知,

d(lnAm

- lnAs)

dlnH

=

0, 即数字经济的发展不会对服务业“成本病”产生影响。

(2)δ>0,γ = 0,此时,

d(lnAm

- lnAs)

dlnH

< 0,即数字经济通过作用于劳动要素,会缓解服务业“成本病”问

题。 进而提出以下假设:

假设 2:数字经济通过影响劳动要素,在一定程度上可以缓解服务业“成本病”问题。

(3)δ = 0,γ>0,此时,

d(lnAm

- lnAs)

dlnH

> 0,即数字经济通过作用于资本要素,会加剧服务业“成本病”问

题。 进而提出以下假设:

假设 3:数字经济通过影响资本要素,会加剧服务业“成本病”。

61

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

四、研究设计

(一)模型设定

本文从全要素生产率(TFP)增长率的角度来分析数字经济对服务业“成本病”的影响,即数字经济的发

展是加剧还是缓解服务业“成本病”问题。 为了检验数字经济的发展是扩大还是缩小了制造业和服务业

TFP 增速之间的差距,建立如下计量模型:

ΔTfpit

=α0

+α1Digt

it

+α2Xit

+ λt

+μi

+εit (18)

其中, i 表示产业, t 表示时间。 ΔTfpit 为被解释变量,表示制造业和服务业 TFP 增长率之差; Digt

it 为核

心解释变量,即数字经济指标; Xit 为一系列其他控制变量, λt 表示年份效应, μi 表示地区效应, εit 为随机误

差项。 式(18)为基准模型,反映了数字经济对制造业和服务业全要素生产率增速变化(ΔTfpit)的影响。 若

变量 Digt

it 的系数 α1 为正,则说明随着数字经济发展水平的提升,制造业和服务业 TFP 增长率之间的差距不

断变大,服务业“成本病”问题也随之加重;反之,若系数 α1 为负,则说明随着数字经济发展水平的提升,制造

业和服务业 TFP 增长率之间的差距不断缩小,服务业“成本病”得到缓解。

(二)变量测度与说明

1. 被解释变量:制造业和服务业全要素生产率增长率之差(ΔTfp)

参考现有文献[50-51]

,关于制造业和服务业全要素生产率增长率的测算主要采用 DEA-Malmquist① 生产

率指数法。 相对于其他全要素生产率的测算方法,DEA-Malmquist 生产率指数法不需要预先设定生产函数,

可以弱化数据质量对结果的影响[51]

,具有更加广泛的适用范围,能够更好地刻画全要素生产率的动态变化。

运用 DEA-Malmquist 方法计算得到的全要素生产率的变动率恰好符合式(17)中对 lnAm

- lnAs 的解释。 此

外,采用 DEA-Malmquist 方法对制造业和服务业 TFP 增长率进行测算时涉及产出、劳动投入和资本投入等相

关指标,其中,产出分别采用各城市制造业和服务业增加值来表示,并采用各城市所在省份生产总值(GDP)

62

① 本文构建投入导向的 DEA-CCR 模型,原因在于本文:理论模型部分构建的 CES 生产函数呈现规模收益不变特征,为了保证理论模型与

实证检验的研究假设相一致,采用规模收益不变的 CCR 模型进行测算。 此外,由于本文旨在分析数字经济的发展如何通过生产要素投入对产

业生产率产生影响,而投入导向的 DEA-CCR 模型能够分析给定产出水平下,要素投入不同如何影响 DMU(决策单元)生产率水平,故在基准回

归模型中选择投入导向的 DEA-CCR 模型,通过 CCR 模型可以测算出每个 DMU 的效率值,如果该 DMU 的效率值等于 1,则可以认为该 DMU 处

于综合技术效率有效状态,效率值越接近 1,说明该 DMU 的相对效率越高。 由于 CCR 模型只能分析 DMU 相对于其他 DMU 的静态效率,而本

文需要测算出每个产业生产率的变动情况,故在 DEA-CCR 模型的基础上,采用 Malmquist 生产率指数法测算服务业和制造业全要素生产率的

变动率,该指数可以更好地刻画效率的动态变化,具体测算步骤如下:

在 t 期技术条件下,从 t 期到 t + 1 期技术效率的变化值为: M

t =

D

t

C(x

t+1

,y

t+1

)

D

t

C(x

t

,y

t

)

,

在 t + 1 期技术条件下,从 t 期到 t + 1 期技术效率的变化值为: M

t+1 =

D

t+1

C (x

t+1

,y

t+1

)

D

t+1

C (x

t

,y

t

)

,

t 期到 t + 1 期生产率的变化则可以通过计算以上两个 Malmquist 生产率指数的几何平均值得到: M( x

t

,y

t

,x

t+1

,y

t+1

) = (M

t ×M

t+1

)

1

2 =

D

t

C(x

t+1

,y

t+1

)

D

t

C(x

t

,y

t

)

×

D

t+1

C (x

t+1

,y

t+1

)

D

t+1

C (x

t

,y

t

)

é

ë

ê

ù

û

ú

1

2

。

其中, x

t

j

= (x

t

1j,x

t

2j,…,x

t

mj)

T 表示第 j 个决策单元在 t 期的投入指标值; y

t

j

= (y

t

1j,y

t

2j,…,y

t

nj)

T 表示第 j 个决策单元在 t 期的产出指标值;

D

t

C(x

t

,y

t

) 为 (x

t

,y

t

) 在 t 期的距离函数, D

t+1

C (x

t

,y

t

) 为 ( x

t

,y

t

) 在 t + 1 期的距离函数; D

t

C( x

t+1

,y

t+1

) 为 ( x

t+1

,y

t+1

) 在 t 期的距离函数,

D

t+1

C (x

t+1

,y

t+1

) 为 (x

t+1

,y

t+1

) 在 t + 1 期的距离函数。

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

平减指数对其进行平减处理,以 2000 年为基期,资本投入分别用制造业和服务业的资本存量来表示①,劳动

投入则采用分行业全社会从业人员数作为代理变量。

2. 核心解释变量

数字经济指数(Digt)。 现有关于数字经济测度的常规做法是通过选取相关指标来量化数字经济的发展状

况,但是受限于数据可得性,现有研究多集中于省级层面,聚焦于城市层面的研究相对较少,且尚未形成统一的

测度方法。 本文关于数字经济指数的测算主要借鉴黄群慧等(2019)

[54]

、陈贵富等(2022)

[55] 以及赵涛等

(2020)

[56]的做法,基于数字经济内涵和本文的研究主题,并结合城市层面数据的可得性,从数字基础设施、数

字产业化两个维度测算数字经济发展水平。 本文采用每百人移动电话用户数和每百人互联网用户数来测算数

字基础设施;采用计算机服务和软件从业人员占比、人均电信业务总量来测算数字产业化,并用变异系数法求

得数字经济综合指数值,同时在稳健性检验部分采用主成分分析法对数字经济指数进行测算。

3. 控制变量

参考现有关于“成本病”及服务业生产率相关领域的文献[2,34,50,57-58]

,本文主要选取以下变量来克服遗

漏重要变量对估计结果产生的干扰:(1)政府财政支出(Gov),政府财政支出可以反映政府相关政策,进而反

映政府对产业发展的干预程度,参考宋建和郑江淮(2017)

[57]

、杨慧梅和江璐(2021)

[50] 的做法,采用地方公

共财政支出占地区生产总值的比重作为替代变量;(2)城市经济发展水平(Gdp),不同的经济发展水平下有

不同的产业结构和产业形态与之相适应,不同产业形态的生产率也呈现出不同特征,参考庞瑞芝和李帅娜

(2022)

[34]的做法,采用城市人均生产总值的对数来表示;(3)国际贸易(Trade),用当年汇率核算的地区进

出口总额占地区生产总值比重来衡量[50]

;(4)教育水平(Edu),一个地区的教育水平会直接影响地区劳动力

整体素质,进而对产业生产率产生影响,本文采用城市中高等学校在校人数与所有在校人数的比值来表示;

(5)研发强度(R&D),采用科学研究、技术研发从业人数与行业城镇单位就业人数之比来表示[2,58]

;(6)城镇

化水平(Urb),采用年末城镇人口比重来衡量[50]

。

(三)数据说明

考虑到数据的可得性和完整性,本文选取了 2011—2019 年全国 248 个地级及以上城市的样本数据进行分

析,文中所选指标的相关数据除了数字经济指数相关数据外,其余原始数据主要来源于《中国城市统计年鉴》、

各省份统计年鉴、各地级市统计年鉴、各地级市国民经济和社会发展统计公报、中国经济与社会发展统计数据

库以及北京福卡斯特信息技术有限公司(EPS)数据库等,部分城市个别年份缺失数据采用临近年份均值法补

齐。 表 1 汇报了各变量的描述性统计结果。

表 1 变量的描述性统计

变量名称 变量表述 观测值 均值 标准差 最小值 最大值

ΔTfp 制造业和服务业全要素生产率增长率之差 2 232 0. 020 0. 329 -9. 838 1. 216

Digt 数字经济指数,采用变异系数法求得 2 232 9. 733 0. 980 6. 848 13. 916

Gdp 经济发展水平,城市人均生产总值取对数 2 232 10. 711 0. 577 8. 773 13. 056

63

① 资本存量采用永续盘存法进行估算,计算公式为: Kit

= Iit

+ (1 -δi)Ki,t-1 ,Ki0

= Ii1

/ (gi

+δi)。 其中, Kit 表示 i 产业 t 期的资本存量, Iit

表示 i 产业 t 期的不变价固定资产投资,本文以 2000 年为基期,使用各城市所在省份固定资产投资价格指数进行平减处理

[54]

, δi 为 i 产业的资

本折旧率, gi 为 i 产业不变价固定资产投资集合平均增长率。 关于资本折旧率目前学术界还未形成统一的标准,借鉴现有相关文献,本文将服

务业的资本折旧率设定为 4%

[52]

,将制造业的资本折旧率设定为 10. 96%

[53]

。

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

表1(续)

变量名称 变量表述 观测值 均值 标准差 最小值 最大值

Gov 政府财政支出,地方公共财政支出占地区生产总值的比重/ % 2 232 0. 201 0. 130 0. 044 2. 849

Trade 对外贸易水平,地区进出口总额占生产总值的比重/ % 2 232 0. 167 0. 298 0 2. 491

Edu 教育水平,城市中高等学校在校人数占所有在校人数的比重/ % 2 232 0. 186 0. 123 0 0. 9171

R&D 研发强度,科学研究、技术研发从业人数与行业城镇单位就业人数之比/ % 2 232 0. 016 0. 012 0 0. 091

Urb 城镇化率,年末城镇人口比重/ % 2 232 54. 571 16. 424 20. 508 100

五、实证检验

(一)基准回归

本部分首先进行了豪斯曼检验,检验结果强烈拒绝原假设,因此使用固定效应模型进行回归分析。 表 2 汇

报了数字经济对服务业“成本病”总体影响的估计结果。 表 2 的结果显示,无论是否加入控制变量,核心解释变

量数字经济指数的系数均显著且为负,说明数字经济可以缓解服务业“成本病”问题。 在数字经济发展过程中,

互联网、人工智能、云平台等数字技术的应用代替了生产过程中部分低技能劳动力并提升了劳动配置效率,同

时通过数字技术对劳动要素的赋能效应,提升劳动要素整体能力,通过多重效应叠加,数字技术的应用有效提

升了劳动的生产效率[35-36]

。 服务业作为劳动密集型产业,劳动生产率的提升有助于缩小制造业和服务业全要

素生产率增速之间的差距,能有效缓解服务业“成本病”问题,即本文的假设 1 成立。

表 2 基准回归结果

变量 未加控制变量 加入控制变量

Digt -0. 097

∗∗∗ -0. 099

∗∗

( -3. 22) ( -2. 06)

Edu -0. 069

∗

( -1. 85)

Gdp -0. 143

∗∗

( -2. 02)

Gov 0. 020

(0. 15)

Trade -0. 024

( -0. 30)

Urb 0. 005

(1. 49)

R&D 1. 740

∗∗

(2. 21)

常数项 0. 701

∗∗∗ 1. 457

∗∗

(3. 13) (2. 11)

时间效应 控制 控制

地区效应 控制 控制

样本量 2 232 2 232

R

2 0. 234 0. 289

注:

∗∗∗ 、

∗∗ 、

∗ 分别表示在 1%、5%、10%的水平显著,小括号内数字为

经过稳健标准误调整的 t 值,后表同。

从控制变量看,地区经济发展水平以及地区

教育水平的系数显著且为负,即经济发展水平和

教育水平的提升有助于缓解服务业“成本病”。

一般而言,一个地区在不同的经济发展阶段会有

不同的产业形态和产业结构与之相适应。 在经

济发展水平较高时,现代服务业在整个服务业中

占有较大的比重,而在经济发展水平较低时,传

统服务业在整个服务业中占主导地位

[59]

。 相较

于传统服务业,数字经济对现代服务业的影响更

大,因此在经济发展水平较高的地区,数字经济

对服务业生产率的提升作用可能更大。 地区教

育水平的提升则有助于地区整体劳动素质的提

升,对于劳动密集型服务业而言,地区劳动力素

质的提升有助于地区服务业生产率整体水平提

升。 而地区研发水平的提升倾向于加剧服务业

“成本病” 问题,这可能与中国研发密集型产业

存在制造业强而服务业弱这一特点有关[60]

,制

造业需要通过研发不断提升产品竞争力,而服务

业以提供服务为主,对劳动力的依赖度更强,需

要进行研发活动的产品或服务相对较少[61]

,故地区研发水平对制造业生产率的提升作用更大。 而政府财政

64

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

支出以及地区贸易水平对服务业“成本病”的影响没有通过显著性检验。

(二)异质性分析

考虑到各地区在经济发展水平、教育基础、人口规模、产业发展等方面存在的差异,可能会影响数字经

济对服务业“成本病”缓解作用的发挥,故本文从地区经济发展水平、地区教育发展水平、城市规模以及地区

服务业发展水平四个维度来剖析数字经济对服务业“成本病”的差异化影响。 本文主要采用交叉项方法进

行异质性分析[27,62]

。

1. 地区经济发展水平异质性

一个地区的经济发展水平会直接影响到该地区劳动、资本等生产要素的配置结构,在不同的经济发展阶段

会有不同的产业结构和产业形态与之相适应。 由于不同的生产要素结构和产业结构对数字技术的敏感度不

同,在不同经济发展阶段下,数字经济对地区服务业“成本病”的影响可能会有所不同。 本文通过引入经济发展

水平虚拟变量(G)来分析数字经济对服务业“成本病”的缓解作用因经济发展水平不同而存在的差异。 根据地

区人均生产总值的中位数将总体样本划分为经济发展水平较高的地区和经济发展水平较低的地区。 经济发展

水平较高地区的虚拟变量 G 取 1,经济发展水平较低地区的虚拟变量 G 取 0。 由表 3 经济发展水平结果可知,

变量 Digt × G 的系数在 10%的水平上显著为负,即经济发展水平较高地区数字经济对服务业“成本病”的缓解

作用更大。 究其原因可能在于:一是在经济发展水平相对较高的地区,金融、通信服务、计算机服务、电子商务

等知识密集型现代服务业发展较快,在整个服务业中占比在逐渐提升,这类服务业相比于传统服务业数据要素

密度更高,受到数字经济发展影响更大[31]

。 因此,在现代服务业发展较快的地区(通常也是经济发展水平较高

的地区),数字经济更容易发挥其在缓解服务业“成本病”方面的作用。 二是在经济发展水平较低的地区,服务

业通常以零售、批发、餐饮服务等传统服务业为主,传统服务业具有劳动投入密度大、数据要素密集度相对较低

的特征,数字技术对其生产率的提升作用比较弱,这影响了数字经济在缓解传统服务业“成本病”方面发挥的作

用。 因此,在经济发展水平较低的地区,数字经济对服务业“成本病”的影响较小。

2. 地区教育水平异质性

考虑到地区教育水平会影响劳动力整体技能以及数字技术的应用和普及,进而会影响数字经济在缓解服

务业“成本病”方面的作用,本文通过引入教育水平虚拟变量(E),来分析数字经济在缓解服务业“成本病”方面

存在的差异。 本文依据地区教育水平的中位数将总样本划分为教育水平较高的地区和教育水平较低的地区,

对教育水平较高地区虚拟变量 E 取 1,对教育水平较低地区虚拟变量 E 取 0,具体结果见表 3。 结果表明,变量

Digt×E 系数显著且为负,即在教育水平相对较高的地区,数字经济对服务业“成本病”的缓解作用更大。 究其

原因可能在于:一是教育水平的提升有利于数字技术的应用和推广,更容易激发数字经济对生产率的提升作

用[63]

;二是较高的教育水平一定程度上能够提升地区劳动力整体技能,而劳动力技能水平的提升对劳动密集

型的服务业全要素生产率的提升更有利,进而使数字经济在缓解“成本病”方面发挥更大作用。

3. 城市规模异质性

城市规模的大小不仅可以反映出该地区劳动力供给能力和水平,还可以反映出该地区服务业的发展潜力,

据此本文从城市规模差异入手来进一步分析劳动供给之间的差异是否会影响数字经济在缓解服务业“成本病”

方面的作用。 具体而言,本文通过引入城市规模虚拟变量(C)来进行异质性分析,根据国务院关于城市规模划

分标准①,对常住人口大于等于 100 万的城市的虚拟变量 C 取 1,对常住人口小于 100 万的城市虚拟变量 C 取

65

① 2014 年印发的《国务院关于调整城市规模划分标准的通知》(国发〔2014〕51 号)以城区常住人口为依据,将城市划分为五类七档。 城区常

住人口 50 万及以下的城市为小城市,城区常住人口 50 万以上 100 万及以下的城市为中等城市,城区常住人口 100 万以上 500 万及以下的城市为

大城市,城区常住人口 500 万以上 1 000 万以下的城市为特大城市,城区常住人口 1 000 万及以上的城市为超大城市。

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

0,具体结果见表 3。 可以看出,在规模较大的城市数字经济可以更好地发挥其在缓解服务业“成本病”方面的作

用。一方面,相较于规模较小的城市,大城市具备规模庞大的劳动力数量,同时对高技能劳动力具有更强的吸

引力[64-65]

,而高技能劳动力更容易适应、学习和应用数字技术,此外,大城市还拥有相对密集的科研院所和培训

机构,为生产率的提升提供了技术支持[66]

,更有利于数字经济发挥其在缓解服务业“成本病”方面的作用。 另

一方面,通常规模较大的城市其数字基础设施、数字化资源等相对完备,数字经济发展水平也相对较高,更

有利于发挥数字经济在缓解服务业“成本病”方面的作用。

4. 服务业发展水平异质性

服务业发展水平可以从侧面反映出当地服务业内部结构,如当地教育、物流、通信服务、金融等服务业

的发展水平和特征,而服务业内部结构的差异对数字经济与服务业的融合和渗透会产生多方面影响,这会

在较大程度上影响数字经济在缓解服务业“成本病”方面的作用。 据此,本文通过引入城市服务业发展水平

虚拟变量(S)来分析数字经济在缓解服务业“成本病”方面的异质性。 本文以地区服务业增加值占生产总值

比重来衡量该地区服务业发展水平[67-68]

,并按地区服务业发展水平的中位数将总体样本分为服务业发展水

平较高的地区和服务业发展水平较低的地区,对服务业发展水平较高地区虚拟变量 S 取 1,对服务业发展水

平较低地区虚拟变量 S 取 0,具体结果见表 3。 回归结果显示,在服务业发展水平较高的地区,数字经济对服

务业“成本病”的缓解作用更大。 可能的原因在于,服务业发展水平较高的地区,拥有较好的教育、交通、网

络等基础设施,并且这些地区的生产性服务业和现代服务业较为发达,这些为数字经济与生产要素融合以

及对产业渗透提供了良好基础,更有利于充分发挥数字经济的优势,释放数字经济发展的红利,推动数字经

济对服务业生产率的提升作用[27]

,从而能较大程度缓解服务业“成本病”。

表 3 异质性分析

变量 经济发展水平 教育水平 城市规模 服务业发展水平

Digt -0. 083

∗∗ -0. 093

∗∗ -0. 136

∗∗ -0. 110

∗∗∗

( -2. 13) ( -2. 15) ( -2. 02) ( -3. 31)

Digt × G -0. 037

∗

( -1. 96)

G -0. 377

∗∗

( -2. 05)

Digt × E -0. 047

∗

( -1. 84)

E -0. 018

( -0. 71)

Digt × C -0. 072

∗

( -1. 71)

C -1. 266

∗∗∗

( -3. 06)

Digt × S -0. 037

∗

( -1. 66)

66

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

表3(续)

变量 经济发展水平 教育水平 城市规模 服务业发展水平

S -0. 438

∗∗

( -2. 01)

时间/ 地区效应 控制 控制 控制 控制

控制变量 控制 控制 控制 控制

样本量 2 232 2 232 2 232 2 232

R

2

0. 273 0. 274 0. 205 0. 280

(三)内生性与稳健性检验

1. 内生性问题

数字经济作为一种新型的、复杂的经济形态,在对其进行测算过程中可能存在测量误差以及在研究其

对服务业“成本病”过程中可能存在遗漏变量的问题,从而导致模型中出现内生性问题。 对内生性问题常用

的解决方法是选取适当的工具变量,本文借鉴庞瑞芝和李帅娜(2022)

[34]

、戴魁早等(2023)

[27] 的做法,采用

1984 年各城市邮电历史数据和 2005 年城市层面的 IT 指数①构建工具变量。 其逻辑在于,其一,1984 年各城

市邮电设施的建设情况以及 2005 年城市层面的 IT 指数可以反映出当地信息技术禀赋的历史,满足工具变

量的相关性;其二,固定电话、信筒信箱等传统信息通信基础设施、城市层面的历史 IT 指数随着时间的推移

对样本期内产业发展、结构、生产率等的直接影响较小,只能通过其升级的形态即数字经济来影响产业,满

足工具变量的外生性。 由于本文所采用的基础样本数据是基于时间—城市双维度变动的面板数据,而各城

市 1984 年的邮电历史数据和 2005 年城市层面的 IT 指数是截面数据,为了满足基础样本数据和工具变量之

间的匹配性,本文借鉴纳恩和钱(Nunn & Qian,2014)

[69] 的处理方式,以全国互联网宽带接入用户数据来体

现工具变量的时变性。 具体处理方法为:采用样本期上一年全国互联网宽带接入用户数量分别与各城市

1984 年每万人邮局数量、2005 年城市 IT 指数的交互项作为数字经济指数的工具变量 1 和工具变量 2。 表 4

的结果表明,工具变量识别不足检验(Anderson canon. corr. LM)和弱识别检验(Cragg-Donald Wald F)证明了

工具变量的有效性。 表 4 工具变量 1 和工具变量 2 第二阶段的回归结果显示,考虑内生性问题后,数字经济

对“成本病”的回归系数仍显著且为负,进一步印证了表 2 基准回归的结果,表明本文研究结论具有稳健性。

表 4 内生性检验

变量

工具变量 1 工具变量 2

Digt ΔTfp Digt ΔTfp

Digt -0. 870

∗∗∗ -0. 425

∗∗

( -2. 76) ( -1. 99)

IV 0. 588

∗∗∗ 0. 025

∗∗∗

(5. 65) (5. 86)

控制变量 控制 控制 控制 控制

67

① 参考戴魁早等(2023)

[27] 的做法,利用世界银行投资环境调查数据中反映 2005 年中国城市技术禀赋的相关指数进行构建。 具体做法

为:首先,将调查报告中同一城市的“接受正规 IT 培训的劳动力比例”和“经常性使用计算机的员工比例”两个变量分别取均值,然后再将两变

量相加得到该城市的最终 IT 指数。

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

表4(续)

变量

工具变量 1 工具变量 2

Digt ΔTfp Digt ΔTfp

时间/ 地区效应 控制 控制 控制 控制

样本量 1 818 1 818 943 943

R

2 0. 203 0. 400

Anderson canon. corr. LM 26. 344 29. 709

[0. 000] [0. 000]

Cragg-Donald Wald F 46. 288 54. 030

{16. 38} {16. 38}

注:中括号内数字为 P 值,大括号内数字为 Stock-Yogo 弱识别检验 10%水平上的临界值。

2. 稳健性检验

(1)更换被解释变量测算方法。一是基于超效率 DEA 模型———Super CCR 模型重新测算制造业和服务

业的 Malmquist 指数,可以有效解决多个决策单元的效率值同时为 1 的问题;二是在 DEA-EBM 模型的基础

上利用 Malmquist 指数测算产业全要素生产率的变动率,EBM 模型是一种综合径向和 SBM 的混合距离模

型,可以提升模型测算的精确度。 表 5 结果显示,利用 Super CCR 模型和 DEA-EBM 模型测算的制造业和服

务业全要素生产率变动率进行重新回归分析后发现,数字经济依然可以缓解服务业“成本病”问题。

(2)核心解释变量相关稳健性检验。一是更换核心解释变量测算方法,将数字经济测度方法由变异系

数法调整为主成分分析法。 由表 5 可以发现,采用主成分分析法测算的数字经济指数依然可以缓解服务业

“成本病”问题。 二是更换核心解释变量,本文参考戴魁早等(2023)

[27] 的研究,选取腾讯研究院发布的“互

联网+”数字经济指数作为本文核心解释变量的替换变量进行回归分析。 由于该指数从 2015 年开始发布,

故本文选取的样本区间为 2015—2019 年。 表 5 结果显示,以“互联网+”表示的数字经济可以缓解服务业

“成本病”问题。 三是将核心解释变量滞后一期。 现有研究表明,由于人工智能、工业互联网等数字技术的

建设、应用、迭代优化以及企业数字化转型等都需要较长时间,数字技术的应用对经济发展以及生产率的提

升通常存在一定的滞后效应[70-72]

。 基于此,本文将核心解释变量滞后一期后重新回归。 表 5 结果显示,数

字经济滞后一期后仍然可以缓解服务业“成本病”问题。 四是采用数字经济指标的子维度分别对被解释变

量进行回归。 表 5 结果显示,数字经济指数的各个子维度依然可以缓解服务业“成本病”问题。

(3)其他稳健性检验。一是剔除省会城市和直辖市,考虑到这些城市在经济发展水平、人口规模等方面

拥有相对优势,可能导致基准回归结果不准确。 为了排除这种干扰,本文将各省会城市和直辖市剔除,将剩

余的地级市样本进行重新回归分析。 表 5 结果显示,当剔除省会城市以及直辖市后,数字经济依然能够缓解

服务业“成本病”问题。 二是增加控制变量,现有文献在选取控制变量时还考虑了地区金融发展水平对服务

业生产率及“成本病”的影响,但是考虑到金融业本身就属于服务业,有可能会产生内生性问题,故在基准回

归模型中并未将地区金融发展水平考虑在内,然而结合现有文献做法,本文将地区金融发展水平纳入计量

模型后重新回归。 表 5 结果显示,考虑了地区金融发展水平后,数字经济依然可以缓解服务业“成本病”

问题。

从表 5 的回归结果来看,不论是更换被解释变量、核心解释变量测算方法以及替换核心解释变量,还是

剔除省会、直辖市相关数据或增加控制变量,结果都未发生根本性变化,进一步印证了数字经济可以缓解服

68

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

务业“成本病”这一结论。

表 5 稳健性检验

变量

被解释变量 核心解释变量 其他稳健性检验

Super-CCR EDA-EBM

更换测算

口径

更换核心

解释变量

解释变量

滞后一期

数字基础

设施

数字产业化

剔除省会、

直辖市

增加控制

变量

Digt -0. 185

∗ -0. 153

∗∗ -0. 085

∗∗ -0. 221

∗ -0. 041

∗ -0. 070

∗ -0. 093

∗∗ -0. 091

∗∗ -0. 103

∗∗

( -1. 90) ( -1. 99) ( -2. 14) ( -1. 74) ( -1. 69) ( -1. 68) ( -2. 12) ( -2. 23) ( -2. 25)

Edu -0. 0780

∗ -0. 093

∗ -0. 045 -0. 083

∗∗ -0. 094

∗ -0. 057 -0. 069

∗ -0. 011

∗∗ -0. 093

∗

( -1. 94) ( -1. 67) ( -1. 41) ( -2. 29) ( -1. 83) ( -1. 59) ( -1. 83) ( -2. 45) ( -1. 68)

Gdp -0. 110

∗ -0. 011

∗ -0. 152

∗∗ 0. 022 -0. 015

∗∗ -0. 157

∗∗∗ -0. 145

∗∗ -0. 186

∗ -0. 177

∗

( -1. 71) ( -1. 86) ( -2. 12) (0. 43) (2. 25) ( -2. 73) ( -2. 11) ( -1. 79) ( -1. 76)

金融发展 0. 043

∗∗

(2. 53)

控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制

时间/ 地区效应 控制 控制 控制 控制 控制 控制 控制 控制 控制

样本量 2 232 2 232 2 232 1 240 1 984 2 232 2 232 1 971 2 232

R

2 0. 472 0. 419 0. 290 0. 113 0. 308 0. 278 0. 290 0. 479 0. 291

(四)机制路径检验

根据理论模型的相关假设和结论可知:(1)数字经济通过影响劳动要素投入结构、赋能劳动要素、提升

劳动要素配置效率等途径对劳动密集型的服务业全要素生产率产生更大的提升作用,进而起到缓解服务业

“成本病”作用;(2)数字经济通过优化资本要素配置效率、改变、重塑资本要素形态等途径对制造业全要素

生产率的增速产生更大影响,进而有可能加剧服务业“成本病”问题。 为了检验数字经济通过劳动要素和资

本要素对服务业“成本病”产生的两种不同的效应,本文在基准回归模型基础上,引入数字经济与劳动要素

的交互项(Digt×Labor)来考察数字经济与劳动要素结合对服务业“成本病”的效应;引入数字经济与资本要

素的交互项(Digt×Capital)来考察数字经济与资本要素的结合对服务业“成本病”的效应。 劳动要素(Labor)

用城市全社会就业人数取对数衡量,资本要素(Capital)用城市资本存量取对数来衡量。 具体估计结果见

表 6。

表 6 显示,数字经济与劳动要素的交互项(Digt×Labor)系数为负,且在 5%的水平上显著,这表明数字经

济通过作用于劳动要素缓解了服务业“成本病”问题;数字经济与资本要素的交互项(Digt×Capital)系数显

著且为正,表明数字经济通过作用于资本要素,加剧了服务业“成本病”问题。 这进一步印证了本文的假设 2

和假设 3,即数字经济通过作用于劳动要素会对服务业全要素生产率增速产生更大的提升作用,进而起到缓

解“成本病”的作用,而通过影响资本要素会对制造业全要素生产率增速产生更大的提升作用,进而有可能

加剧服务业“成本病”问题。 此外,从控制变量来看,教育水平、经济发展水平的提升有助于缓解服务业“成

本病”问题,地区研发水平的提升会加剧服务业“成本病”问题。

69

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

表 6 机制路径检验

变量 数字经济与劳动要素结合 数字经济与资本要素结合

Digt -0. 089

∗∗ -0. 090

∗∗

( -2. 07) ( -2. 06)

Digt×Labor -0. 000

∗∗

( -2. 21)

Digt×Capital 0. 014

∗∗

(2. 45)

Edu -0. 258

∗∗ -0. 302

∗∗

( -2. 48) ( -2. 57)

Gdp -0. 151

∗∗ -0. 135

∗

( -2. 13) ( -1. 95)

Gov 0. 037 0. 013

(0. 28) (0. 09)

Trade -0. 057 -0. 030

( -0. 71) ( -0. 36)

Urb 0. 004 0. 005

(1. 36) (1. 44)

R&D 1. 806

∗∗ 1. 690

∗∗

(2. 26) (2. 16)

常数项 1. 015

∗∗ 1. 101

∗∗

(2. 12) (2. 17)

时间效应 控制 控制

地区效应 控制 控制

样本量 2 232 2 232

R

2 0. 293 0. 289

六、结论与建议

本文首先从理论上推演分析了数字经济影响服务业“成本病”的机理路径,将数字经济指标引入生产函

数中,分析数字经济如何通过影响劳动要素和资本要素进而影响服务业“成本病”问题。 本文理论模型显

示,数字经济对服务业“成本病”的影响存在两种效应———加剧或者缓解,最终影响取决于两种效应的比较。

如果数字经济对劳动要素的综合影响大于其对资本要素的综合影响,那么数字经济将有助于缓解服务业

“成本病”问题;反之,如果数字经济对资本要素的综合影响大于其对劳动要素的综合影响,那么数字经济发

展可能会加剧服务业“成本病”。

其次,在理论模型的基础上,本文利用城市层面的数据进行实证检验,结果表明:(1)在样本研究期间

(2011—2019 年),数字经济发展显著地缩小了服务业与制造业 TFP 增长率之间的差距,能有效地缓解地区

70

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

服务业存在的“成本病”问题。 (2)数字经济在缓解“成本病”方面存在异质性。 从各地区经济发展水平来

看,在经济发展水平较高的地区,数字经济对“成本病”的缓解作用更强;从地区教育水平看,地区教育水平

越高,数字经济对服务业“成本病”的缓解作用越大;从城市规模看,城市规模越大,数字经济对服务业“成本

病”的影响越强;从地区服务业发展水平来看,服务业发展水平越高,越有利于激发数字经济在缓解服务业

“成本病”方面的作用。 以上研究发现为中国推进“数字中国”建设和克服服务业“成本病”问题提供一些

启示:

第一,加快数字基础设施建设,提升各地区数字经济发展水平。 数字经济的飞速发展推动了数字技术

与传统生产要素的结合,极大提升了各行各业的生产率。 有必要提升各地区数字经济发展水平,大力支持

相关部门完善和保障数字基础设施建设,推进宽带和数据服务覆盖网络建设滞后的地区,加大新型数字基

础投资力度、加速数字基础设施向有条件的地区延伸,尽可能实现更广范围、更多层次的网络覆盖,加快补

齐数字经济落后地区数字基础水平相对落后的短板,有效提升各地区数字经济发展水平,充分发挥数字经

济在缓解服务业“成本病”方面的作用。

第二,鉴于劳动要素以及地区教育水平在数字经济缓解服务业“成本病”方面的重要性,各地区政府部

门和企业在推广和普及数字技术的同时有必要进行相应的数字化教育投入,提升服务业从业者数字化工作

能力。 在推进数字技术与服务业深度融合的同时,拓展数字资源获取渠道,提升数字教育培训能力和水平,

加强对服务业从业者的数字化工作能力培训,提升劳动要素的整体素质,充分发挥数字经济在赋能服务业

转型升级和生产率提升方面的潜力和作用,实现以数字化发展缓解甚至克服服务业“成本病”,推动现代服

务业产业体系高质量发展的目标。

第三,推进各地区数字基础设施均等化建设,谨防出现数字鸿沟现象。 各地区数字化发展水平存在较

大差异,产生数字鸿沟的概率很高,并且地区间的经济发展水平、教育水平、产业结构等方面的差异都有可

能造成数字鸿沟。一方面,通过区域协同发展机制推进各地区数字基础设施均等化建设,借助数字技术构

建区域协同发展网络,加强地区间数字经济协同发展与合作,缩小地区间数字经济发展差距,避免地区间数

字鸿沟的出现。 另一方面,要注意数字经济与不同产业融合的差异,既要有效提高数字技术设备制造能力,

提升数字经济与制造业的有效融合,又要推进数字技术与政务、教育、金融等服务业的深度融合,缩小产业

间的数字化差距。

参考文献:

[1]江小涓. 数字经济提高了服务业效率[J]. 山东经济战略研究,2020(11):56-57.

[2]刘国武,李君华,汤长安. 数字经济、服务业效率提升与中国经济高质量发展[J]. 南方经济,2023(1):80-98.

[3]江小涓,靳景. 数字技术提升经济效率:服务分工、产业协同和数实孪生[J]. 管理世界,2022,38(12):9-26.

[4]李晓华. 数字技术与服务业“成本病”的克服[J]. 财经问题研究,2022(11):16-26.

[5]BAUMOL W J. Macroeconomics of unbalanced growth: the anatomy of urban crisis[J]. The American Economic Review, 1967, 57(3): 415-426.

[6]FUCHS V R. The service economy[M]. New York: National Bureau of Economic Research, 1968.

[7] BAUMOL W J, BLACKMAN S A B, WOLFF E N. Unbalanced growth revisited: asymptotic stagnancy and new evidence [ J]. The American

71

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

Economic Review, 1985, 75(4): 806-817.

[8]OULTON N. Must the growth rate decline? Baumol’s unbalanced growth revisited[J]. Oxford Economic Papers, 2001, 53(4): 605-627.

[9]SASAKI H. The rise of service employment and its impact on aggregate productivity growth[J]. Structural Change and Economic Dynamics, 2007,

18(4): 438-459.

[10]谭洪波,郑江淮. 中国经济高速增长与服务业滞后并存之谜———基于部门全要素生产率的研究[J]. 中国工业经济,2012(9):5-17.

[11]NGAI L R, PISSARIDES C. Structural change in a multisector model of growth[J]. The American Economic Review, 2007, 97(1): 429-443.

[12]程大中. 中国服务业增长的特点、原因及影响———鲍莫尔—富克斯假说及其经验研究[J]. 中国社会科学,2004(2):18-32,204.

[13]NORDHAUS W D. Baumol’s diseases: a macroeconomic perspective[J]. The B. E. Journal of Macroeconomics, 2008, 8(1): 1382.

[14]王俊. 服务业就业增长之谜:对鲍穆尔—富克斯假说的再检验[J]. 人口与经济,2008(6):44-48,71.

[15]FERNANDEZ R, PALAZUELOS E. European Union economies facing ‘ Baumol’ s disease’ within the service sector [ J]. JCMS: Journal of

Common Market Studies, 2012, 50(2): 231-249.

[16]HARTWIG J. Testing the Baumol-Nordhaus model with EU KLEMS data[J]. The Review of Income and Wealth, 2011, 57(3): 471-489.

[17]邱小欢. 我国东部地区服务业增长特征分析:对鲍莫尔“成本病”的检验[J]. 经济问题探索,2010(6):52-57.

[18]TIMMER M P, O’MAHONY M, VAN ARK B. Growth and productivity accounts from EU KLEMS: an overview[J]. National Institute Economic

Review, 2007, 200(1): 64-78.

[ 19]MAROTO-SÁNCHEZ A, CUADRADO-ROURA J R. Is growth of services an obstacle to productivity growth? A comparative analysis[J]. Structural

Change and Economic Dynamics, 2009, 20(4): 254-265.

[20]李建华,孙蚌珠. 服务业的结构和“成本病”的克服———Baumol 模型的扩展和实证[J]. 财经研究,2012,38(11):27-37.

[21]顾乃华,夏杰长. 生产性服务业崛起背景下鲍莫尔—富克斯假说的再检验———基于中国 236 个样本城市面板数据的实证分析[ J]. 财贸研

究,2010,21(6):14-22.

[22]杜传忠,侯佳妮. 制造业与服务业融合能否有效缓解服务业“成本病”———基于 WIOD 中国数据的经验事实[J]. 山西财经大学学报,2021,

43(3):28-42.

[23]谭洪波. 全球化分工“治愈”了鲍莫尔成本病吗? ———以美、中、印三国为例[J]. 经济体制改革,2018(2):145-151.

[24]徐鑫,刘兰娟. 新一代信息技术影响经济转型的作用机制研究[J]. 经济纵横,2014(5):55-58.

[25]张龙鹏,周笛. 服务业信息技术应用与生产率提升———来自中国企业的经验研究[J]. 财贸研究,2020,31(6):1-13.

[26]伏开宝,陈宪. 后工业化时期中国服务业生产率影响因素研究[J]. 经济问题探索,2021(3):181-190.

[27]戴魁早,黄姿,王思曼. 数字经济促进了中国服务业结构升级吗? [J]. 数量经济技术经济研究,2023,40(2):90-112.

[28]袁航,夏杰长. 数字基础设施建设对中国服务业结构升级的影响研究[J]. 经济纵横,2022(6):85-95.

[29]CASOLARO L, GOBBI G. Information technology and productivity changes in the banking industry[J]. Economic Notes, 2007, 36(1): 43-76.

[30]江小涓. 用数字技术克服“鲍莫尔病”[N]. 北京日报,2021-10-25(9).

[31]尚文思. 新基建对劳动生产率的影响研究———基于生产性服务业的视角[J]. 南开经济研究,2020(6):181-200.

[32]TRIPLETT J E, BOSWORTH B P. Productivity measurement issues in services industries: “Baumol’ s disease” has been cured[ J]. Economic

Policy Review, 2003, 9(3): 23-33.

[33]雷小清. 信息通信技术对服务业“成本病”的影响研究———基于 OECD 国家生产率的增长核算分析[J]. 财经论丛,2011(4):16-21.

[34]庞瑞芝,李帅娜. 数字经济下的“服务业成本病”:中国的演绎逻辑[J]. 财贸研究,2022,33(1):1-13.

[35]李磊,王小霞,包群. 机器人的就业效应:机制与中国经验[J]. 管理世界,2021,37(9):104-119.

[36]赖德胜,莫荣,李付俊,等. 促进高质量充分就业,助力中国式现代化笔谈[ J/ OL]. 人口与经济,2023[2023-04-17]. http: / / kns. cnki. net /

kcms/ detail / 11. 1115. f. 20230324. 1706. 002. html.

[37]蔡跃洲,陈楠. 新技术革命下人工智能与高质量增长、高质量就业[J]. 数量经济技术经济研究,2019,36(5):3-22.

72

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

[38]裴璇,陆岷峰,王稳华. 共同富裕背景下企业数字化转型的劳动收入分配效应研究[J]. 现代财经(天津财经大学学报),2023,43(4):3-22.

[39]白雪洁,宋培,李琳. 数字经济如何平衡“稳增长调结构”目标———基于地区-行业层面的分析[J]. 南开经济研究,2022(7):3-22.

[40]戚聿东,刘翠花,丁述磊. 数字经济发展、就业结构优化与就业质量提升[J]. 经济学动态,2020(11):17-35.

[41]王文,牛泽东,孙早. 工业机器人冲击下的服务业:结构升级还是低端锁定[J]. 统计研究,2020,37(7):54-65.

[42]丛屹,俞伯阳. 数字经济对中国劳动力资源配置效率的影响[J]. 财经理论与实践,2020,41(2):108-114.

[43]武宵旭,任保平. 数字经济背景下要素资源配置机制重塑的路径与政策调整[J]. 经济体制改革,2022(2):5-10.

[44]曾祥炎,魏蒙蒙,周健. 数字经济、要素配置与区域技术收敛[J]. 经济经纬,2023,40(1):3-13.

[45]吕铁,李冉. 制造企业数字化转型:数据要素赋能传统要素的视角[J]. 学习与探索,2022(9):108-117.

[46]GRAETZ G, MICHAELS G. Robots at work[J]. The Review of Economics and Statistics, 2018, 100(5): 753-768.

[47]柏培文,张云. 数字经济、人口红利下降与中低技能劳动者权益[J]. 经济研究,2021,56(5):91-108.

[48]HERRENDORF B, ROGERSON R, VALENTINYI Á. Structural change in investment and consumption: a unified approach[Z]. NEBR Working

Paper No. 24568, 2018.

[49]郭凯明,潘珊,颜色. 新型基础设施投资与产业结构转型升级[J]. 中国工业经济,2020(3):63-80.

[50]杨慧梅,江璐. 数字经济、空间效应与全要素生产率[J]. 统计研究,2021,38(4):3-15.

[51]彭芳梅. 粤港澳大湾区产业融合驱动全要素生产率增长研究———以制造业与生产性服务业融合为例[J]. 经济地理,2021,41(11):38-47.

[52]王恕立,胡宗彪. 中国服务业分行业生产率变迁及异质性考察[J]. 经济研究,2012,47(4):15-27.

[53]单豪杰. 中国资本存量 K 的再估算:1952~ 2006 年[J]. 数量经济技术经济研究,2008,25(10):17-31.

[54]黄群慧,余泳泽,张松林. 互联网发展与制造业生产率提升:内在机制与中国经验[J]. 中国工业经济,2019(8):5-23.

[55]陈贵富,韩静,韩恺明. 城市数字经济发展、技能偏向型技术进步与劳动力不充分就业[J]. 中国工业经济,2022(8):118-136.

[56]赵涛,张智,梁上坤. 数字经济、创业活跃度与高质量发展———来自中国城市的经验证据[J]. 管理世界,2020,36(10):65-76.

[57]宋建,郑江淮. 产业结构、经济增长与服务业成本病———来自中国的经验证据[J]. 产业经济研究,2017(2):1-13.

[58]王文,孙早. 制造业需求与中国生产性服务业效率———经济发展水平的门槛效应[J]. 财贸经济,2017,38(7):136-155.

[59]EICHENGREEN B, GUPTA P. The two waves of service-sector growth[J]. Oxford Economic Papers, 2013, 65(1): 96-123.

[60]程如烟,文玲艺,张丽娟. 中国研发密集型产业的发展和优劣势分析[J]. 全球科技经济瞭望,2022,37(9):14-21.

[61]朱兰,王勇. 要素禀赋如何影响企业转型升级模式? ———基于制造业与服务业企业的差异分析[J]. 当代经济科学,2022,44(1):55-66.

[62]连玉君,廖俊平. 如何检验分组回归后的组间系数差异? [J]. 郑州航空工业管理学院学报,2017,35(6):97-109.

[63]何小钢,梁权熙,王善骝. 信息技术、劳动力结构与企业生产率———破解“信息技术生产率悖论”之谜[J]. 管理世界,2019,35(9):65-80.

[64]COMBES P P, DURANTON G, GOBILLON L. Spatial wage disparities: sorting matters! [J]. Journal of Urban Economics, 2008, 63(2): 723-742.

[65]COMBES P P, DURANTON G,GOBILLON L, et al. The productivity advantages of large cities: distinguishing agglomeration from firm selection

[J]. Econometrica, 2012, 80(6): 2543-2594.

[66]王贤彬,吴子谦. 城市群中心城市驱动外围城市经济增长[J]. 产业经济评论,2018(3):54-71.

[67]夏杰长,肖宇,李诗林. 中国服务业全要素生产率的再测算与影响因素分析[J]. 学术月刊,2019,51(2):34-43,56.

[68]李博,张文忠,余建辉. 服务业发展、信息化水平与全要素碳生产率增长———基于门限效应的实证研究[J]. 地理研究,2016,35(5):953-965.

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

[70]吴非,常曦,任晓怡. 政府驱动型创新:财政科技支出与企业数字化转型[J]. 财政研究,2021(1):102-115.

[71]陈楠,蔡跃洲. 人工智能技术创新与区域经济协调发展———基于专利数据的技术发展状况及区域影响分析[ J]. 经济与管理研究,2023,44

(3):16-40.

[72]范合君,吴婷. 新型数字基础设施、数字化能力与全要素生产率[J]. 经济与管理研究,2022,43(1):3-22.

73

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

Can Digital Economy Overcome Baumol’s Cost Disease in Service Industry?

—Empirical Evidence from Chinese Cities

PANG Ruizhi, GUO Huifang

(Nankai University, Tianjin 300071)

Abstract: In a service industry-dominated economic structure, Baumol’s cost disease has a negative effect on

economic growth rates and economic development. Consequently, enhancing the service industry’ s production

efficiency and alleviating Baumol’s cost disease become crucial to the high-quality economic development in China.

Meanwhile, the positive role of the digital economy in improving production efficiency offers new opportunities to

overcome Baumol’s cost disease, making it essential to study the role of the digital economy in mitigating or even

eliminating Baumol’s cost disease in the service industry.

This paper theoretically examines the impact of the digital economy on Baumol’ s cost disease of the service

industry and its internal mechanism by constructing a general equilibrium model. Theoretical analysis indicates that

the role of the digital economy in alleviating Baumol’s cost disease of the service industry depends on the relative

influence of the digital economy on capital and labor factors. Then, based on the prefectural-level data from 2011 to

2019 in China, this paper empirically tests the theoretical model with a fixed effects model.

The findings are as follows. The digital economy significantly narrows the gap between the total factor

productivity (TFP) growth rates of the service and manufacturing industries, indicating the mitigation effect of the

digital economy on Baumol’s cost disease of the service industry. However, this mitigation effect is heterogeneous

and more prominent in regions with higher levels of economic development, education, size, and services

development. Additionally, the mechanism test shows that the digital economy elevates the TFP growth rate of the

service industry by influencing labor factors, thus mitigating Baumol’s cost disease. However, it promotes the TFP

growth rate of the manufacturing industry by influencing capital factors, thus exacerbating Baumol’s cost disease.

Therefore, it is suggested to accelerate the construction of digital infrastructure, increase the corresponding

investment in digital education, and promote the equalization of digital infrastructure in all regions, so as to prevent

the emergence of the digital divide phenomenon.

The main contributions of this paper are twofold. First, it constructs a general equilibrium model to discuss the

influence of the digital economy on Baumol’ s cost disease of the service industry and examine the issue from a

theoretical perspective. Second, it expands the research scope from a single sector to multiple sectors, incorporating

both manufacturing and service industries into the theoretical model, and then analyzes the influence of the digital

economy on the TFP growth rates of these industries from theoretical and empirical perspectives. The conclusions

provide valuable insights for transforming the driving force in the service industry and achieving high-quality

development of the service economy under the supply-side structural reform in China.

Keywords: digital economy; service industry; Baumol ’ s cost disease; manufacturing industry; total factor

productivity

责任编辑:姜 莱

74

第 44 卷 第 10 期

2023 年 10 月

经 济 与 管 理 研 究

Research on Economics and Management

Vol. 44 No. 10

Oct. 2023

DOI:10. 13502 / j. cnki. issn1000-7636. 2023. 10. 005

颠覆性创新感知对新能源和燃油汽车

购买意愿的影响

史 丹 明 星 宁成浩

收稿日期:2023-05-17;修回日期:2023-06-19

基金项目:国家自然科学基金专项项目“面向碳中和的中国经济转型模式构建研究”(72140001); 中国社会科学院博士后创新项目“高低

端颠覆性创新模式研究———以新能源汽车为例”; 中国社会科学院登峰战略优势学科(产业经济学)项目

作者简介:史 丹 中国社会科学院工业经济研究所研究员,北京,100006;浙江财经大学-中国社会科学院大学浙江研究院研究员,杭

州,310018;

明 星 中国社会科学院工业经济研究所助理研究员,通信作者;

宁成浩 国家能源集团技术经济研究院高级工程师,北京,100006。

作者感谢匿名审稿人的评审意见。

内容提要:颠覆性技术创新是企业弯道超车的一个有效途径。 消费者尤其是主流消费者对燃油汽车的态度

对于新能源汽车能否成功替代燃油汽车至关重要。 本文采用结构方程模型,探究颠覆性创新感知对消费者购买新

能源汽车和燃油汽车的影响,并考察消费者对燃油汽车满意度的中介效应和消费者创新性的调节效应。 研究结果

显示:(1)新能源汽车的购买意愿已经超过燃油汽车;(2)颠覆性创新感知直接促进消费者购买新能源汽车,抑制

其购买燃油汽车;(3)消费者对燃油汽车的满意度部分中介调节颠覆性创新感知和消费者购买意愿;(4)创新性较

弱的消费者对燃油汽车的满意度更容易受到颠覆性创新感知的影响。 因此,企业在开展颠覆性创新研发时应凸显

燃油汽车不具备的功能,在市场营销时应更多关注创新性较弱的消费者,让其感知到颠覆性创新。 本文的研究丰

富了颠覆性创新理论和消费者新产品购买意愿模型,并对企业开展颠覆性创新提供了实践指导。

关键词:颠覆性创新 购买意愿 新能源汽车 燃油汽车 渐进性创新 创新感知 消费者创新性

中图分类号:F713. 55 文献标识码:A 文章编号:1000-7636(2023)10-0075-15

一、研究背景

科技创新,尤其是颠覆性技术创新,是中国破除技术垄断、实现弯道超车的一个有效途径。 当前,新能

源汽车作为典型的颠覆性技术创新正在逐步替代传统燃油汽车,中国汽车产业也凭借新能源汽车的技术优

势对传统汽车强国形成赶超之势。 2021 年底,财政部等四部门联合印发的《关于 2022 年新能源汽车推广应

用财政补贴政策的通知》(财建〔2021〕466 号)明确指出,“新能源汽车补贴标准在 2021 年基础上退坡 30%”

“2022 年 12 月 31 日之后上牌的车辆不再给予补贴”。 然而,补贴政策退坡并未引起新能源汽车销量的大幅

下降。 中国汽车工业协会 2023 年 1 月发布的统计数据显示,2022 年新能源汽车持续爆发式增长,产销分别

75

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

完成 705. 8 万辆和 688. 7 万辆,同比分别增长 96. 9%和 93. 4%,市场占有率达到 25. 6%,与 2021 年相比增长

12. 1 百分点。 伴随着补贴政策的退坡,中国新能源汽车发展逐步由政策拉动转向市场驱动,进入全面市场

化拓展期,迎来新的发展和增长阶段。 在新能源汽车已经成为中国战略性新兴产业关键领域的背景下,把

握消费者对新能源汽车的态度并构建其购买意愿的影响模型,对企业选择发展策略和国家制定政策至关

重要。

新能源汽车的消费者购买意愿模型一直是研究的热点。 早期研究主要运用技术接受理论[1]

、计划行为

理论[2]

、感知风险理论[3]

、环境价值理论[4]等构建新能源汽车消费者购买意愿模型。 近年来,尽管一些学者

引入创新感知解释新能源汽车的消费者购买行为[5]

,但现有研究大多只考虑一种新产品场景下的消费者购

买意愿。 然而,新能源汽车是一种典型的颠覆性创新。 颠覆性创新的市场往往同时存在两种类型的新产

品———颠覆性新产品(新能源汽车)和渐进性新产品(新款燃油汽车)。 例如,2021 年奥迪计划推出 16 款新

车型,大部分仍然是燃油汽车。 现有研究本质上考察的是颠覆性新产品的消费者购买意愿模型,仅有少数

学者关注了消费者对渐进性新产品的购买意愿。 例如,冯文婷等(2018)以智能手机为例,从技术接受和创

新抗拒的角度,研究了消费者对旧高科技产品的购买意愿[6]

。 博伦(Bölen,2020)以智能手表为例,研究了感

知创新特征和不同类型的转换成本如何影响消费者从传统手表转换为智能手表的意愿[7]

。 肖海林和张术

丹(2021)从产品态度、环境责任态度、面子意识、群体一致性、时尚个性的生活方式和感知行为控制角度,考

察了消费者对新能源汽车和燃油汽车的购买意愿,认为两者的影响模型存在差异[8]

。 总体而言,从颠覆性

创新角度考察消费者购买意愿的文献相对较少。 然而,消费者尤其是主流消费者对燃油汽车的态度对新能

源汽车能否成功替代燃油汽车至关重要,也直接影响汽车企业的决策。 因此,有必要从颠覆性创新角度,对

消费者新能源汽车购买意愿的理论模型进行深入研究。

自克里斯坦森(Christensen,1997)

[9]提出颠覆性创新概念以来,很多学者从概念辨析、创新机理、影响因

素、技术识别、响应策略等方面开展了大量的研究[10]

。 然而,现有文献大多从企业和技术角度展开,鲜有从

消费者视角进行颠覆性创新研究。 在颠覆性创新场景下,消费者除了可以购买颠覆性新产品,同时还可以

购买渐进性新产品;消费者可能完全不再购买渐进性新产品,也可能同时购买颠覆性新产品和渐进性新产

品。 颠覆性创新的过程存在不确定性和风险,一些在位企业持续推出渐进性新产品,错过了开发颠覆性新

产品的时机;一些后发企业选错颠覆性新产品的技术路径,导致未能成功。 颠覆性创新成功的最终表现是

消费者从渐进性新产品跃迁到颠覆性新产品[11]

。 消费者既是技术创新的接受者,也是技术创新的需求提出

者,掌握消费者的态度和购买意愿,对企业决定如何进行颠覆性新产品和渐进性新产品开发非常关键。 本

文尝试从消费者视角为颠覆性创新理论提供一些有益启示,将颠覆性创新研究从企业和技术视角拓展到消

费者视角,从而丰富颠覆性创新的理论研究范围。

本文潜在的创新性体现在如下方面:一是以新能源汽车创新为研究对象,结合颠覆性创新理论和创新感知

理论,同时考察消费者颠覆性创新感知对新能源汽车和新款燃油汽车购买意愿的影响;二是借鉴期望不一致理

论,考察颠覆性创新感知对新款燃油汽车满意度的影响,进一步以其为中介变量,探析消费者从购买燃油汽车

转向购买新能源汽车的内在机理;三是考察消费者创新性作为调节变量的影响,以期丰富相关研究结论。

二、理论基础

(一)颠覆性创新理论

颠覆性创新理论最先由克里斯坦森(1997)

[9]提出,他从技术创新对企业市场地位的影响角度,将技

76

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

术创新分成持续性创新( sustaining innovation)和颠覆性创新( disruptive innovation) 。 持续性创新是指在位

企业为了维护其市场地位进行的技术创新,通常是在现有技术的基础上进行小的改良,是一种渐进性的

创新,消费者体验感的差异比较小;颠覆性创新是后发企业为了满足现有技术难以满足的需求,采用一些

与现有技术有根本区别的革命性新技术,导致在位大企业失去该行业市场地位。 颠覆性创新往往是一种

突破式的创新,给消费者带来的是一种全新的体验感。 早期颠覆性创新被认为是一种低端创新,近年来

很多学者开始讨论高端颠覆性现象。 新能源汽车作为一种典型的颠覆性创新,既存在特斯拉和蔚来这种

针对高端消费群体的新能源汽车品牌,也存在五菱等针对低端消费群体的新能源汽车品牌。

(二)颠覆性创新感知

颠覆性创新感知是指消费者对颠覆性新产品的创新感知。 创新感知是指消费者对新产品在新颖性和

实用性方面的主观判断[12]

。 罗杰斯(Rogers,2003)在创新扩散理论中指出,创新产品的属性和用户对创新

属性的认知决定了创新扩散的速度[13]

。 颠覆性创新采用了和现有产品根本上不同的、革命性的新技术,在

一些主要性能属性上可能低于现有技术,但是提供了一些现有技术不具备或难以满足的性能特性。 因此,

消费者对颠覆性新产品的创新感知应是一个多维度的变量。 希图里等(Chitturi et al.,2007)从产品功能和外

观两个方面把感知产品创新划分为感知功能创新和感知外观创新两个维度[14]

。 常亚平等(2012)将消费者

对手机产品的创新感知分成外观创新、操作创新和功能创新三个维度[15]

。 古德等(Goode et al.,2013)从独

特性、差异性、创造性、新颖性等方面描述创新感知[16]

。 这些学者主要从新颖角度定义创新感知。 然而,对

于大多数消费者来说,实用价值通常比简单的新颖性更重要。 因此,有学者提出了感知有用性的概念。 感

知有用性是指对消费者有帮助、适用和有价值的创新产品、服务或想法,也被称为感知创新意义[17]

。 洛和阿

尔珀特(Lowe & Alpert,2015) 将创新感知分成感知创意新颖性、感知技术新颖性和感知相对优势三个维

度[18]

。 解茹玉和安立仁(2020)

[5]基于罗杰斯(2003)

[13]创新扩散理论中提出的创新属性,将创新感知分为

相对优势、兼容性和复杂性三个维度。

三、研究假设和模型

(一)颠覆性创新感知与消费者购买意愿

1. 颠覆性创新感知与颠覆性新产品购买意愿

对于一种新产品,消费者的购买意愿受其感知到的产品创新特性影响。 在颠覆性创新场景中,消费者

同时有渐进性新产品和颠覆性新产品两种选择。 现有研究实际考察的是颠覆性新产品的创新感知和颠覆

性新产品购买意愿之间的关系。 大部分学者认为这两者之间存在显著的正向关系[5,13]

。 新能源汽车作为典

型的颠覆性创新,使用电机替代燃油机作为驱动力,在绿色环保、使用费用、驾乘体验、智能性等方面,和燃

油汽车相比都有明显的区别和优势。 消费者能否感知到新能源汽车区别于传统燃油汽车的创新,以及这些

创新对其是否有实际价值,直接影响了消费者购买新能源汽车的意愿。 虽然新能源汽车在外观上进行了很

多创新,但是很多燃油汽车也在不断探索,使得新能源汽车在外观上的创新优势不明显。 同时,新能源汽车

和燃油汽车的驾驶方法基本相同,不存在兼容性和复杂性的问题。 因此,本文从创新新颖性和创新有用性

两个维度来度量颠覆性创新感知。 基于上述分析,本文提出以下研究假设:

假设 H1:颠覆性创新感知会正向影响消费者颠覆性新产品购买意愿。

假设 H1a: 颠覆性创新感知新颖性会正向影响消费者颠覆性新产品购买意愿。

77

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

假设 H1b: 颠覆性创新感知有用性会正向影响消费者颠覆性新产品购买意愿。

2. 颠覆性创新感知与渐进性新产品购买意愿

现有研究鲜有考察颠覆性创新感知和渐进性新产品购买意愿的关系。 新款燃油汽车作为渐进性新产

品,虽然使用了与新能源汽车完全不同的驱动技术,但面对的是相同的消费者、处于相同的市场,仍然属于

竞争关系。 燃油汽车生产企业在市场中处于主导地位,在生产制造、销售渠道、售后等方面具有优势;新能

源汽车通过多项面向消费者的创新,改善了消费者的体验,更受消费者青睐。 消费者在感知到新能源汽车

的颠覆性创新属性后会提升对这些特征属性的需求,而燃油汽车难以满足这些需求。 因此,消费者会降低

燃油汽车的购买意愿。 此外,少数消费者考虑到目前新能源汽车在充电便利性和充电速度等方面的劣势,

会同时购买新能源汽车和燃油汽车;而对于大部分消费者来说,在购买新车时,新能源汽车和燃油汽车仍然

是二选一的关系①。 新款燃油汽车(渐进性新产品)和新能源汽车(颠覆性新产品)在市场上是竞争关系,即

一方的需求增加,另一方的需求必然减少。 因此,本文认为颠覆性创新感知会降低消费者购买渐进性新产

品的意愿。 基于上述分析,本文提出以下研究假设:

假设 H2:颠覆性创新感知负向影响消费者渐进性新产品购买意愿。

假设 H2a: 颠覆性创新感知新颖性会负向影响消费者渐进性新产品购买意愿。

假设 H2b: 颠覆性创新感知有用性会负向影响消费者渐进性新产品购买意愿。

(二)渐进性新产品满意度与消费者购买意愿

1. 颠覆性创新感知与渐进性新产品满意度

消费者满意度是指消费者通过比较产品(或服务)的性能或结果以及期望而产生的满意或不满意的感

觉。 社会心理学中的期望不一致理论认为,消费者满意度取决于消费者在消费前形成的期望标准[19]

。 当消

费过程中的感受超过了期望标准,则会产生满意的感觉;如果低于期望标准,则会产生不满意的感觉。 新能

源汽车给消费者带来了更强的科技感和驾乘体验,让消费者产生更高的期望,而燃油汽车的渐进性创新并

不能满足消费者的期望,甚至可能会产生不满意的感觉。 因此,颠覆性创新通过提高消费者期望,让消费者

对渐进性新产品产生不满意的感觉。 基于上述分析,本文提出如下研究假设:

假设 H3:颠覆性创新感知正向影响渐进性新产品不满意度。

假设 H3a: 颠覆性创新感知新颖性会正向影响渐进性新产品不满意度。

假设 H3b: 颠覆性创新感知有用性会正向影响渐进性新产品不满意度。

2. 渐进性新产品满意度与购买意愿

20 世纪 60 年代,市场营销领域研究者对消费者满意进行了实验研究,验证了消费者满意会带动再次购

买行为[20]

。 此后,许多研究人员提供了消费者满意与行为意图之间存在正相关关系的经验证据[21-23]

。 在

本文的研究场景中,新能源汽车是新兴事物,消费者拥有的是燃油汽车的购买和使用经验。 如果消费者对

燃油汽车比较满意,则会选择继续购买燃油汽车,反之则会抑制其再次购买燃油汽车的意愿,转而购买新能

源汽车。 基于上述分析,本文提出以下研究假设:

假设 H4:消费者渐进性新产品不满意度正向影响消费者颠覆性新产品购买意愿。

假设 H5:消费者渐进性新产品不满意度负向影响消费者渐进性新产品购买意愿。

78

① 新能源汽车包括纯电动汽车、插电式混合动力汽车、增程式混合动力汽车和清洁燃料电池汽车,中国市场上新能源车主要是纯电型和

混动型。 消费者更多是以能否挂绿牌来区分新能源汽车和传统燃油汽车。 因此,本文不区分纯电型和混动型。

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

3. 消费者满意度的中介效应

由前文分析可知,颠覆性创新感知会影响消费者渐进性新产品的不满意度,并进一步影响消费者的购

买意愿。 基于上述分析,本文提出如下研究假设:

假设 H6:颠覆性创新感知对消费者颠覆性新产品购买意愿的促进作用以消费者渐进性新产品不满意度

为中介。

假设 H7:颠覆性创新感知对消费者渐进性新产品购买意愿的抑制作用以消费者渐进性新产品不满意度

为中介。

(三)消费者创新性的调节效应

消费者创新性是创新扩散理论中的概念。 罗杰斯(2003)按接受创新的时间将消费者创新性定义为比

其他人更早接受创新的程度[13]

。 米奇利和道林(Midgley & Dowling,1978)

[24] 将罗杰斯(2003)

[13] 提出的消

费者创新性称为实际创新性,并提出内在创新性的概念,即个体潜在的、喜欢接受新产品的心理特质。 内在

创新性被认为是个体天生的人格特质。 创新性强的个体更愿意接受新观念,更偏好独立决策。 目前,学术

界所讨论的消费者创新性通常指内在创新性。 消费者创新性和新产品采用行为之间的关系已被广泛研究。

一些研究发现,消费者创新性和新产品采用行为之间存在显著的正相关关系[25-26]

。 解茹玉和安立仁(2020)

将消费者创新性作为调节变量,考察了感知风险和新产品购买之间的调节效应[5]

。 目前尚未有研究考察颠

覆性创新感知和渐进性新产品满意度之间的调节效应。 新能源汽车属于典型的颠覆性新产品,创新性较强

的消费者相对而言更乐于接触新的事物,对新产品的偏好更强,更容易感知到颠覆性创新,因此对新产品的

期望也相对较高,在这一心理因素的作用下,可能对渐进性创新的燃油汽车产生更强的不满意感觉。 基于

上述分析,本文提出以下研究假设:

M>-

-M

-ffi*

\"B5

#E

$

M>

B

#E

B





图 1 颠覆性创新与消费者购买意愿关系的理论模型

假设 H8:消费者创新

性会强化颠覆性创新感知

对渐进性创新不满意度的

正向关系。

综上,本文提出如图 1

所示的颠覆性创新与消费

者购买意愿关系的理论研

究模型。

四、研究设计

(一)问卷设计

本文主要研究颠覆性创新感知对消费者购买意愿的影响,涉及的主要变量有颠覆性创新感知新颖性

(DIPN) 、颠覆性创新感知有用性( DIPU) 、渐进性新产品不满意度( IIPD) 、渐进性新产品购买意愿

( IIPI) 、颠覆性新产品购买意愿(DIPI)和消费者创新性(CI) 。 其中,创新感知、消费者创新性方面已有大

量文献,本文参考已有成熟量表进行设计。 颠覆性新产品和渐进性新产品是同一市场上的两种不同类别

的产品,其购买意愿的衡量标准相同,因此可以采用同样的量表。 购买意愿的研究文献相对较多,本文亦

参考已有成熟量表。 现有文献对渐进性新产品不满意度的考察较少,仅有冯文婷等( 2018)

[6] 在研究高

79

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

科技产品的采用行为时提出的旧产品淘汰意愿的题项,但与本文所描述的不满意度变量存在差异。 本文

根据消费者满意度的定义,针对汽车产品制定题项,经与专家讨论后最终确定。 详细的测量题项见表 1。

问卷采用李克特(Likert)7 级量表,被调查者根据自身的主观感受进行打分,1 分为非常不同意,7 分为

非常同意。

表 1 变量及问卷题项

变量 题项 符号 参考来源

颠覆性创新感知新颖性(DIPN) 我认为新能源汽车很有新意 DIPN1 陈姝等(2016)

[27]

我认为新能源汽车非常独特 DIPN2

我认为新能源汽车比燃油汽车的驾驶更加智能 DIPN3

我认为新能源汽车比燃油汽车技术更加先进 DIPN4

我认为新能源汽车比燃油汽车更符合社会发展潮流 DIPN5

颠覆性创新感知有用性(DIPU) 该产品符合我的需要 DIPU1 陈姝等(2016)

[27]

该产品符合我的预期 DIPU2

该产品与我的需要密切相关 DIPU3

该产品与我的预期密切相关 DIPU4

该产品创新都是有用的 DIPU5

该产品创新都是很有必要的 DIPU6

渐进性新产品不满意度(IIPD) 同价位对比,燃油汽车比新能源汽车的功能太少,不能满足我驾驶感受 IIPD1

同价位对比,燃油汽车比新能源汽车操作更复杂,不能满足我驾驶感受 IIPD2

同价位对比,燃油汽车比新能源汽车噪声更大,不能满足我驾驶感受 IIPD3

同价位对比,燃油汽车比新能源汽车启动速度更逊色,不能满足我驾驶感受 IIPD4

同价位对比,燃油汽车使用费用太高,不能满足我驾驶感受 IIPD5

同价位对比,燃油汽车保养费用太高,不能满足我驾驶感受 IIPD6

渐进性新产品购买意愿(IIPI) 我近期一直在关注燃油汽车产品 IIPI1 解茹玉和安立仁(2020)

[5]

我下次购车,会优先考虑购买燃油汽车 IIPI2

我乐意推荐他人购买燃油汽车 IIPI3

相比于新能源汽车,我会优先购买燃油汽车 IIPI4

不考虑价格因素,我更认为购买燃油汽车时的心情是愉快的 IIPI5

颠覆性新产品购买意愿(DIPI) 我近期一直在关注新能源汽车产品 DIPI1 解茹玉和安立仁(2020)

[5]

我愿意在不久的将来购买新能源汽车 DIPI2

我乐意推荐他人购买新能源汽车 DIPI3

相比于传统燃油汽车,我会优先购买新能源汽车 DIPI4

我认为购买新能源汽车时的心情是愉快的 DIPI5

消费者创新性(CI) 我对购买新产品更有兴趣 CI1 罗里奇(Roehrich,2004)

[28]

我喜欢购买新的、与众不同的产品 CI2

新产品总是能让我感到兴奋 CI3

我会在我的朋友和同事面前尝试新产品 CI4

我比其他人更了解最新上市的产品 CI5

80

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

(二)数据收集

在正式调查之前,本文进行了小范围的预调查,结果显示问卷具有较好的信效度。 由于本文主要的研

究对象为颠覆性新产品购买意愿,其中颠覆性新产品为新能源汽车,在设计问卷的时候考虑被调查者家庭

是否购买过新能源汽车或者传统燃油汽车,若其家庭成员都没有购买则予以剔除。 本文通过问卷星进行数

据的收集,总共收集了 639 份问卷数据,其中有 62 份问卷包含未购买过新能源汽车或传统燃油汽车的结果,

占总问卷数的 9. 7%。 将这些样本剔除后,最终获得 577 份数据。

由表 2 可知,有 525 个家庭购买过燃油汽车,占比超过 90%;有 216 个家庭购买过新能源汽车,占比为

37. 44%。 从性别来看,女性占比为 51. 47%,略多于男性;从年龄段来看,26~30 岁的人员(37. 09%)占比最大,

其次为 31~35 岁(23. 57%);从学历来看,本科人数占比(54. 77%)最大,其次为大专(22. 53%);从职业来看,企

业职员占比(54. 77%)最大。 从问卷的描述性统计可知,绝大部分家庭购买过燃油汽车,仅有 9. 19%的家庭

直接购买了新能源汽车。 既买过燃油汽车又购买过新能源汽车的家庭有 28. 25%,这与中国汽车工业协会

2023 年 1 月公布的新能源汽车 25. 6%的市场占有率大致接近。 从个体特征来看,被调查主要为青年人群,

学历多为本科或大专,多在企业单位工作。

表 2 描述性统计

变量 题项 样本数 占比/ % 变量 题项 样本数 占比/ %

购买过燃油汽车 是 525 90. 99

否 52 9. 01

购买过新能源汽车 是 216 37. 44

否 361 62. 56

年龄 25 岁及以下 75 13. 00

26~ 30 岁 214 37. 09

31~ 35 岁 136 23. 57

36~ 40 岁 46 7. 97

41~ 45 岁 38 6. 59

45~ 50 岁 37 6. 41

51 岁及以上 31 5. 37

性别 男 280 48. 53

女 297 51. 47

学历 高中/ 中专及以下 67 11. 61

大专 130 22. 53

本科 316 54. 77

研究生 64 11. 09

职业 学生 45 7. 80

政府职员 35 6. 07

企业职员 316 54. 77

个体工商户 85 14. 73

自由职业 76 13. 17

其他 20 3. 47

五、实证结果与分析

(一)信度与效度检验

本文参考了已有的成熟量表,并根据专家意见进行了修改,使用的量表具有较好的内容效度。 进一步

地,本文采用验证性因子分析,对量表的信度和结构效度进行检验。 具体而言,本文使用结构方程建模软件

AMOS 构建了六因子验证性结构模型。 模型拟合指标卡方自由度比(CMIN/ DF)为 1. 093,其小于 3;残差均

方和平方根(RMR)为 0. 041,其小于 0. 05;良性适配指标(GFI)为 0. 950,调整后良性适配指标(AGFI)为

0. 941,规准适配指数(NFI)为 0. 976,比较适配指数(CFI)为 0. 998,均大于 0. 9,说明研究数据和验证性因子

81

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

分析模型拟合很好。

1. 信度检验

如表 3 所示,颠覆性创新感知新颖性(DIPN)、颠覆性创新感知有用性(DIPU)、消费者创新性(CI)、渐进

性新产品不满意度(IIPD)、渐进性新产品购买意愿(IIPI)和颠覆性新产品购买意愿(DIPI)的克朗巴哈系数

(Cronbach?s α)分别为 0. 947、0. 949、0. 943、0. 950、0. 948 和 0. 944,均超过了 0. 9,说明量表的测量数据可信

度较高。

表 3 验证性因子分析结果

变量 题项 标准化因子载荷 克朗巴哈系数 组合信度 平均提炼方差

DIPN DIPN5 0. 851 0. 947 0. 948 0. 785

DIPN4 0. 866

DIPN3 0. 864

DIPN2 0. 876

DIPN1 0. 967

DIPU DIPU5 0. 847 0. 949 0. 950 0. 759

DIPU4 0. 856

DIPU3 0. 854

DIPU2 0. 846

DIPU1 0. 973

DIPU6 0. 845

CI CI5 0. 858 0. 943 0. 944 0. 773

CI4 0. 848

CI3 0. 850

CI2 0. 865

CI1 0. 968

IIPD IIPD5 0. 848 0. 950 0. 950 0. 762

IIPD4 0. 854

IIPD3 0. 854

IIPD2 0. 846

IIPD1 0. 971

IIPD6 0. 858

IIPI IIPI5 0. 859 0. 948 0. 950 0. 791

IIPI4 0. 858

IIPI3 0. 867

IIPI2 0. 862

IIPI1 0. 992

82

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

表3(续)

变量 题项 标准化因子载荷 克朗巴哈系数 组合信度 平均提炼方差

DIPI DIPI5 0. 864 0. 944 0. 945 0. 775

DIPI4 0. 845

DIPI3 0. 864

DIPI2 0. 859

DIPI1 0. 963

2. 结构效度检验

结构效度包含聚合效度和区分效度。 聚合效度是指测量相同潜在构念的指标应该在同一共同因素上。

根据海尔等(Hair et al.,2009)

[29]的研究,聚合效度的评价标准为:各变量的标准化因子载荷大于 0. 5、组合

信度大于 0. 7、平均提炼方差(AVE)大于 0. 5;区分效度的评价标准为:各变量的相关系数小于 AVE 平方根。

由表 3 可知,所有因子的标准化因子载荷均大于 0. 5、组合信度大于 0. 7、AVE 大于 0. 5,满足聚合效度的评

价标准,说明本文量表具有较好的聚合效度。 由表 4 可知,6 个因子的相关系数都小于其 AVE 的平方根,满

足区分效度的评价标准,说明本文量表具有较好的区分效度。

表 4 模型主要变量的相关性和区分效度检验

变量 样本量 均值 标准差 DIPN DIPU CI IIPD IIPI DIPI

DIPN 577 5. 157 1. 376 0. 886

DIPU 577 5. 195 1. 287 0. 586

∗ 0. 871

CI 577 5. 220 1. 322 0. 633

∗ 0. 599

∗ 0. 879

IIPD 577 5. 208 1. 325 0. 607

∗ 0. 562

∗ 0. 592

∗ 0. 873

IIPI 577 3. 452 1. 338 -0. 610

∗ -0. 555

∗ -0. 586

∗ -0. 548

∗ 0. 889

DIPI 577 5. 124 1. 368 0. 652

∗ 0. 608

∗ 0. 619

∗ 0. 615

∗ -0. 595

∗ 0. 880

注:

∗ 表示 P<0. 05,后表同;表中对角线上为各因子 AVE 的平方根。

(二)共同方法偏差检验

共同方法偏差是指因数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量

与效标变量之间人为的共变。 本文通过网络平台收集数据,有可能存在共同方法偏差问题。 首先,本文采用验

证性单因子模型,对研究数据进行共同方法偏差(CMV)检验。 模型拟合指标卡方自由度比(CMIN/ DF)为

18. 680,远大于 3;残差均方和平方根(RMR)为 0. 214,大于 0. 05;良性适配指标(GFI)为 0. 407,调整后良性

适配指标(AGFI)为 0. 325,规准适配指数(NFI)为 0. 577,比较适配指数(CFI)为 0. 590,均小于 0. 8,说明模

型的拟合情况很差。 进一步,本文采用潜在误差变量控制法进行验证。 具体而言,在前文六因子验证性结

构模型的基础上,添加共同方法因子对数据进行拟合。 模型拟合指标卡方自由度比(CMIN/ DF)为 1. 083、残

差均方和平方根(RMR)为 0. 043、良性适配指标(GFI)为 0. 951,调整后良性适配指标(AGFI)为 0. 942、规准

适配指数(NFI)为 0. 976、比较适配指数(CFI)为 0. 998,和原模型相差很小。 因此,本文的研究数据不存在

严重的共同方法偏差,通过 CMV 检验。

83

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

(三)假设检验

在检验前,对变量指标进行描述统计和相关性分析。 由表 4 可知,从其他维度的均值来看,颠覆性创新

新颖性(DIPN)和颠覆性创新有用性(DIPU)均值都大于 5,说明被调查者对新能源汽车的颠覆性创新都有

比较好的认知;消费者创新性(CI)的均值也大于 5,说明被调查者具有比较高的创新性,这可能与问卷调查

是从网络获取有关;渐进性新产品不满意度(IIPD)的均值大于 5,而渐进性新产品购买意愿(IIPI)的均值为

3. 452,说明被调查者对燃油汽车的态度已经偏向于不满意;颠覆性新产品购买意愿(DIPI)的均值大于 5,说

明被调查者更倾向于购买新能源汽车。 从调查数据来看,消费者的购买意愿已经从购买燃油汽车转向购买新

能源汽车,这也解释了补贴政策退坡并没有造成新能源汽车销量的下滑,反而新能源汽车的渗透率进一步得到

提升。 从相关系数来看,各变量之间都是较为中等程度的相关,说明具有相互影响效应,其中 IIPI 与其他变量

都是负相关,和本文的假设基本一致,这为后文的假设检验奠定了基础。

1. 直接效应检验

本文通过 AMOS 构建结构方程模型(SEM)来检验直接效应。 五潜变量结构方程模型的标准化路径检

验结果如表 5 所示。 其中,模型拟合指标卡方自由度比(CMIN/ DF)为 1. 911,小于 3;良性适配指标(GFI)为

0. 934,调整后良性适配指标(GFI)为 0. 921,规准适配指数(NFI)为 0. 965,增值适配指数(IFI)为 0. 983,均

大于 0. 9,说明模型拟合很好。

由表 5 可知,颠覆性创新感知新颖性(DIPN) 与颠覆性新产品购买意愿(DIPI) 的标准路径系数为

0. 394,P 值小于 0. 01,说明在 1%的显著性水平下,两者呈现显著的正向关系( β = 0. 394,P<0. 01),即假设

H1a 得到验证。 类似地,颠覆性创新感知有用性(DIPU)与颠覆性新产品购买意愿(DIPI)呈现显著的正向关

系(β = 0. 298,P<0. 01),即假设 H1b 得到验证。 颠覆性创新感知新颖性(DIPN)与渐进性新产品购买意愿

(IIPI)呈现显著的负向关系(β = -0. 407,P<0. 01),即假设 H2a 得到验证。 颠覆性创新感知有用性(DIPU)

与渐进性新产品购买意愿(IIPI)呈现显著的负向关系(β = -0. 268,P<0. 01),即假设 H2b 得到验证。 渐进性

新产品不满意度(IIPD)与颠覆性新产品购买意愿(DIPI)呈现显著的正向关系(β = 0. 269,P<0. 01),即假设

H4 得到验证。 渐进性新产品不满意度(IIPD)与渐进性新产品购买意愿(IIPI)呈现显著的负向关系(β = -0. 210,

P<0. 01),即假设 H5 得到验证。 颠覆性创新感知新颖性(DIPN)与渐进性新产品不满意度(IIPD)的标准路

径系数为 0. 480,P 值小于 0. 01,说明在 1%的显著性水平下,两者呈现显著的正向关系,即假设 H3a 得到验

证。 类似地,颠覆性创新感知有用性(DIPU)与渐进性新产品不满意度( IIPD)也呈现显著的正向关系( β =

0. 359,P<0. 01),即假设 H3b 得到验证。

表 5 五潜变量结构方程模型的路径检验

路径 标准化路径系数 未标准化路径系数 标准误 临界比值 P 假设 结果

DIPN→DIPI 0. 394 0. 421 0. 049 8. 579

∗∗∗ H1a 支持

DIPU→DIPI 0. 298 0. 311 0. 045 6. 921

∗∗∗ H1b 支持

DIPN→IIPI -0. 407 -0. 426 0. 049 -8. 623

∗∗∗ H2a 支持

DIPU→IIPI -0. 268 -0. 274 0. 045 -6. 074

∗∗∗ H2b 支持

DIPN→IIPD 0. 480 0. 446 0. 043 10. 340

∗∗∗ H3a 支持

DIPU→IIPD 0. 359 0. 325 0. 041 7. 984

∗∗∗ H3b 支持

IIPD→DIPI 0. 269 0. 309 0. 049 6. 363

∗∗∗ H4 支持

IIPD→IIPI -0. 210 -0. 237 0. 049 -4. 884

∗∗∗ H5 支持

注:

∗∗∗ 表示 P<0. 01,后表同。

84

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

此外,从结构方程模型的路径可以看出,渐进性新产品不满意度( IIPD) 在颠覆性创新感知新颖性

(DIPN)、颠覆性创新感知有用性(DIPU)与颠覆性新产品购买意愿(DIPI)之间起到正向的中介作用;渐进性

新产品不满意度(IIPD)在颠覆性创新感知新颖性(DIPN)、颠覆性创新感知有用性(DIPU)与渐进性新产品

购买意愿(IIPI)之间起到负向的中介作用。

2. 中介效应检验

本部分采用回归的方法进一步检验渐进性新产品不满意度在颠覆性创新感知与新产品购买意愿之间

的中介效应,检验结果见表 6,其中颠覆性创新感知(DIP)为颠覆性创新感知新颖性(DIPN)和颠覆性创新感

知有用性(DIPU)的平均值。

表 6 的列(1)—列(3)检验颠覆性创新感知、渐进性新产品不满意度和颠覆性新产品购买意愿之间的关

系。 在列(1)中,颠覆性创新感知(DIP)与颠覆性新产品购买意愿(DIPI)呈现显著的正向关系( β = 0. 817,

P<0. 01),即假设 H1 得到验证;而性别(gender)、年龄(age)、教育程度(edu)和工作类型(job)的系数都不显

著,说明个体特征对颠覆性新产品购买意愿(DIPI)的影响不明显。 在列(2)中,颠覆性创新(DIP)与渐进性

新产品不满意度(IIPD)呈现显著的正向关系(β = 0. 736,P<0. 01),性别、年龄、教育程度的系数都不显著;工

作类型对渐进性新产品不满意度(IIPD)虽然呈现显著影响,但是其系数非常小,说明影响很小。 在列(3)

中,颠覆性创新(DIP)和渐进性新产品不满意度(IIPD)与颠覆性新产品购买意愿(DIPI)均呈现显著的正向

关系。 对比列(1)和列(3)可以看出,颠覆性创新(DIP)的回归系数从 0. 817 下降到 0. 613,可见渐进性新产

品不满意度(IIPD)在颠覆性创新(DIP)与颠覆性新产品购买意愿(DIPI)中起到正向的部分中介效应,其中

介效应占比为 25. 04%,即假设 H6 得到验证。

表 6 渐进性创新产品不满意度的中介效应检验结果

变量

颠覆性新产品 渐进性新产品

(1) (2) (3) (4) (5) (6)

DIP 0. 817

∗∗∗

0. 736

∗∗∗

0. 613

∗∗∗

-0. 743

∗∗∗

0. 736

∗∗∗

-0. 591

∗∗∗

IIPD 0. 278

∗∗∗

-0. 206

∗∗∗

gender -0. 009 -0. 115 0. 023 0. 019 -0. 115 -0. 005

age -0. 008 -0. 025 -0. 001 -0. 003 -0. 025 -0. 008

edu 0. 009 0. 016 0. 004 0. 052 0. 016 0. 055

job -0. 026 0. 085

∗∗ -0. 049 -0. 045 0. 085

∗∗ -0. 028

常数项 0. 993

∗∗∗ 1. 322

∗∗∗ 0. 625

∗∗ 7. 290

∗∗∗ 1. 322

∗∗∗ 7. 562

∗∗∗

样本量 577 577 577 577 577 577

R

2 0. 502 0. 438 0. 543 0. 432 0. 438 0. 456

R

2 0. 498 0. 433 0. 538 0. 427 0. 433 0. 450

注:列(1)—列(3)为 DIPI 的中介效应三步法检验结果,列(4)—列(6)为 IIPI 的中介效应三步法检验结果。

∗∗ 表示 P<0. 05,后表同。

表 6 的列(4)—列(6)检验颠覆性创新感知、渐进性新产品不满意度和渐进性新产品购买意愿之间的关系。

在列(4)中,颠覆性创新(DIP)与渐进性新产品购买意愿(IIPI)呈现显著的负向关系(β = -0. 743,P<0. 01),即

假设 H2 得到验证,而性别、年龄、教育程度和工作类型的系数都不显著,说明个体特征对渐进性新产品购买

意愿(IIPI)的影响不明显。 为了验证中介效应,列(6)同时考察了颠覆性创新(DIP)和渐进性新产品不满意

度(IIPD),结果显示颠覆性创新(DIP)与渐进性新产品购买意愿(IIPI)呈现显著的正向关系(β = -0. 591,P<

85

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

0. 01),而渐进性新产品不满意度(IIPD)与渐进性新产品购买意愿(IIPI)呈现显著的负向关系(β = -0. 206,

P<0. 01)。 对比列(4)和列(6)可以看出,渐进性新产品不满意度(IIPD)在颠覆性创新(DIP)与渐进性新产

品购买意愿(IIPI)之间起到负向的部分中介效应,其中介效应占比为 20. 4%,即假设 H7 得到验证。

3. 调节效应检验

本部分采用回归的方法检验消费者创新性(CI)的调节效应,检验结果见表 7。 在列(1)中,颠覆性创新

(DIP)和消费者创新性(CI)与渐进性新产品不满意度( IIPD)均呈现显著的正向关系。 在列(2)中,颠覆性

创新(DIP)与渐进性新产品不满意度(IIPD)呈现显著的正向关系(β = 1. 358,P<0. 01),消费者创新性(CI)

与渐进性新产品不满意度(IIPD)呈现显著的正向关系( β = 1. 151,P<0. 01),而颠覆性创新(DIP)与消费者

创新性(CI)的交互效应与渐进性新产品不满意度( IIPD)呈现显著的负向关系(β = -0. 190,P<0. 01),说明

消费者创新性在颠覆性创新感知与渐进性创新不满意度之间起到负向的调节作用。 此外,列(2)的 R

2 比列

(1)有所提升,也说明消费者创新性的调节作用是负向的。 因此,假设 H8 未得到支持。 究其原因可能是消

费者创新性反映了个人在决策时不依赖他人的独立程度,而创新性强的消费者在决策时往往更加独立,受

他人影响较小。 目前,新能源汽车仍然存在充电时间长、充电桩少、高速长距离行驶支持不好等问题,而创

新性强的消费者既能感知到新能源汽车的优势,同时也能感知到燃油汽车仍然存在优势的地方。 因此,创

新性强的消费者比创新性弱的消费者更理性地看待颠覆性创新和渐进性创新。

表 7 的列(3)加入了性别、年龄、教育程度和工作类型等个体特征的控制变量,结果显示消费者创新性仍具

有显著的负向调节作用。 此外,性别对渐进性新产品不满意度(IIPD)呈显著负向关系(β = -0. 151,P<0. 1),说

明性别对燃油汽车的满意度有一定影响;工作类型的影响虽然也是显著,但是其系数很小,说明影响非常

微弱。

表 7 消费者创新性的调节效应检验结果

变量

IIPD

(1) (2) (3)

DIP 0. 530

∗∗∗ 1. 358

∗∗∗ 1. 378

∗∗∗

CI 0. 265

∗∗∗ 1. 151

∗∗∗ 1. 176

∗∗∗

DIP×CI -0. 190

∗∗∗ -0. 195

∗∗∗

gender -0. 151

∗

age -0. 024

edu 0. 034

job 0. 097

∗∗∗

常数项 1. 083

∗∗∗ -2. 489

∗∗∗ -2. 696

∗∗∗

样本量 577 577 577

R

2

0. 468 0. 503 0. 511

R

2 0. 466 0. 500 0. 505

注:列(1)—列(3)为逐步加入控制变量的回归结果。

图 2 更直观地反映了消费者创新性在颠覆性创新感知与渐进性创新不满意度之间的负向调节作用。 其

中,消费者创新性(CI)较高的被调查者,其对渐进性新产品不满意度(IIPD)的上升速度较慢,而消费者创新

86

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)











\"B5 \"B5P

#

E









$





 P

M>-

图 2 消费者创新性的调节效应结果

性(CI)较低的被调查者,其对渐进性新产品不满意度(IIPD)的上

升速度较快。 因此,消费者创新性减缓了颠覆性创新感知对渐进

性创新不满意度的正向影响。

六、结论与启示

本文考察了颠覆性创新感知对颠覆性(新能源汽车)和渐进

性(新燃油汽车)两类新产品消费者购买意愿的影响,并进一步验

证了渐进性新产品满意度的中介作用和消费者创新性的调节作

用。 主要结论如下:(1)新能源汽车的购买意愿已经超过燃油汽

车;(2)颠覆性创新感知直接影响消费者新产品购买意愿,即正向

影响颠覆性新产品购买意愿,负向影响渐进性新产品购买意愿;

(3)除直接影响外,颠覆性创新感知还通过正向影响渐进性新产

品不满意度,影响消费者新产品和渐进性新产品的购买意愿;(4)消费者创新性负向调节颠覆性创新感知对

渐进性新产品不满意度的影响,即创新性强的消费者对渐进性新产品的满意度受颠覆性新产品的创新感知

影响更小。

本文结论丰富了消费者行为理论和颠覆性创新理论。 在消费者行为理论方面,本文的研究拓宽了消费者

购买意愿模型的研究范围。 现有研究较少考察旧产品(渐进性新产品)的购买意愿,本文同时考察了消费者对

新旧产品的满意度以及购买意愿。 本文的结论也证实了消费者购买新产品的行为,除了受自身特性和新产品

特征感知的影响外,还受到对旧产品态度的影响。 在颠覆性创新理论方面,鲜有研究从消费者视角研究颠覆性

创新,而本文探讨消费者对颠覆性新产品的购买意愿模型,是从消费者视角研究颠覆性创新的一次有益尝试。

此外,本文的结论也和现有研究不完全一致。 现有研究更多关注颠覆性创新的早期阶段,而本文的结论显示颠

覆性创新成功的关键不在于早期消费者,而在于主流消费者。 早期消费者的创新性较强,当他们较早尝试了颠

覆性新产品后,并不表示其会淘汰渐进性新产品;相反,对渐进性新产品的态度更容易受到颠覆性创新感知的

影响。 只有让主流消费者感知到颠覆性新产品的新颖性和有用性,颠覆性创新才能成功。

本文的结论对企业进行颠覆性创新也具有指导意义:(1)企业可以通过改进消费者颠覆性创新感知,促

进其购买颠覆性新产品的意愿。 企业不仅要注重颠覆性新产品研发,还要加大营销力度,使消费者能够快

速全面感知颠覆性新产品的创新。 (2)企业在开展颠覆性创新时,可以突出渐进性新产品不具备的功能。

当消费者感知到颠覆性创新特性时,会倾向于从购买渐进性新产品转向购买颠覆性新产品。 (3)企业开展

颠覆性创新更应关注个体创新性相对不高的消费者。 个体创新性较高的消费者更为理性,做决策时较少受

到外界影响,对现有产品的不满意受颠覆性创新感知影响较小,在充分感知到颠覆性新产品的相对优势时,

其对渐进性新产品的不满意度并不会明显升高。 相反,创新性较低的消费者对现有产品的不满意度受颠覆

性创新感知影响更为明显,企业针对此类消费者的营销,能更好地转化为消费者的购买行为。

本文研究还存在一些不足, 如将消费者创新性作为单维度处理,而消费者创新性包括多种类别,未

来可考虑进一步研究不同类型消费者创新性对消费者市场的创新扩散过程中的调节作用。 此外,多项研

究表明感知风险对新产品的购买意愿存在显著,未来可以结合感知风险来完善颠覆性新产品消费者购买

意愿模型。

87

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

参考文献:

[1]尹洁林,张子芊,廖赣丽,等. 基于技术接受模型和感知风险理论的消费者新能源汽车购买意愿研究[J]. 预测,2019,38(6):83-89.

[2]王月辉,王青. 北京居民新能源汽车购买意向影响因素———基于 TAM 和 TPB 整合模型的研究[J]. 中国管理科学,2013,21(S2):691-698.

[3]陈凯,顾荣,胡静. 基于感知收益—感知风险框架的新能源汽车购买意愿研究[J]. 南京工业大学学报(社会科学版),2019,18(2):61-70.

[4]祖明,宫群,杨武. 消费者环境价值导向与新能源汽车购买意愿关系研究[J]. 企业经济,2019(6):21-27.

[5]解茹玉,安立仁. 创新特性对新能源汽车消费者采纳意愿的影响机制:个体创新性的调节作用[J]. 当代经济科学,2020,42(5):113-121.

[6]冯文婷,涂荣庭,周志民. 消费者的高科技产品采用行为———技术接受和创新抗拒的双重影响[J]. 技术经济,2018,37(6):16-24.

[7] BÖLEN M C. From traditional wristwatch to smartwatch: understanding the relationship between innovation attributes, switching costs and

consumers’ switching intention[J]. Technology in Society, 2020, 63: 101439.

[8]肖海林,张术丹. 中国绿色变轨型高技术产品第一批消费者的购买意向模型———基于汽车产业的多重比较研究[ J]. 管理评论,2021,33

(1):103-119.

[9]CHRISTENSEN C M. The innovator’s dilemma: when new technologies cause great firms to fail[M]. Baston, MA: Harvard Business School Press, 1997.

[10]尚甜甜,缪小明,鲁迪. 国外破坏性创新影响因素研究综述———基于 1997-2017 年文献的系统评价[ J]. 科技进步与对策,2019,36( 19):

153-160.

[11]魏平,高建. 跃迁模型:制定新兴技术战略的一种理论方法[J]. 科学学研究,2006(5):684-687.

[12]陈姝,刘伟,王正斌. 消费者感知创新性研究述评与展望[J]. 外国经济与管理,2014,36(10):3-12.

[13]ROGERS E M. Diffusion of innovations[M]. 5th ed. New York: Free Press, 2003.

[14]CHITTURI R, RAGHUNATHAN R, MAHAJAN V. Form versus function: how the intensities of specific emotions evoked in functional versus

hedonic trade-offs mediate product preferences[J]. Journal of Marketing Research, 2007, 44(4): 702-714.

[15]常亚平,朱东红,李荣华. 感知产品创新对冲动购买的作用机制研究[J]. 科研管理,2012,33(3):18-26.

[16]GOODE M R, DAHL D W, MOREAU C P. Innovation aesthetics: the relationship between category cues, categorization certainty, and newness

perceptions[J]. Journal of Product Innovation Management, 2013, 30(2): 192-208.

[17]STOCK R M, ZACHARIAS N A. Two sides of the same coin: how do different dimensions of product program innovativeness affect customer loyalty?

[J]. Journal of Product Innovation Management, 2013, 30(3): 516-532.

[18]LOWE B, ALPERT F. Forecasting consumer perception of innovativeness[J]. Technovation, 2015, 45 / 46: 1-14.

[19]邹德强,赵平. 期望不一致对满意影响的函数形式:展望理论的预测[J]. 南开管理评论,2008,11(6):79-85.

[ 20]CARDOZO R N. An experimental study of customer effort, expectations, and satisfaction[J]. Journal of Marketing Research, 1965, 2(3): 244-249.

[21]TUNCER I, UNUSAN C, COBANOGLU C. Service quality, perceived value and customer satisfaction on behavioral intention in restaurants: an

integrated structural model[J]. Journal of Quality Assurance in Hospitality & Tourism, 2021, 22(4): 447-475.

[22]TRAN V D, LE N M T. Impact of service quality and perceived value on customer satisfaction and behavioral intentions: evidence from convenience

stores in Vietnam[J]. Journal of Asian Finance, Economics and Business, 2020, 7(9): 517-526.

[23]白琳. 顾客感知价值、顾客满意和行为倾向的关系研究述评[J]. 管理评论,2009,21(1):87-93.

[24]MIDGLEY D F, DOWLING G R. Innovativeness: the concept and its measurement[J]. Journal of Consumer Research, 1978, 4(4): 229-242.

[25]陈文沛. 生活方式、消费者创新性与新产品购买行为的关系[J]. 经济管理,2011,33(2):94-101.

[26]IM S, BAYUS B L, MASON C H. An empirical study of innate consumer innovativeness, personal characteristics, and new-product adoption

behavior[J]. Journal of the Academy of Marketing Science, 2003, 31(1): 61-73.

[27]陈姝,刘伟,王正斌. 感知产品创新对新产品购买意愿的影响机制———一项纵贯研究[J]. 大连理工大学学报(社会科学版),2016,37(3):

77-83.

[28]ROEHRICH G. Consumer innovativeness: concepts and measurements[J]. Journal of Business Research, 2004, 57(6): 671-677.

[29] HAIR J F, BLACK W C, BABIN B J, et al. Multivariate data analysis: a global perspective [ M]. 7th ed. Upper Saddle River, NJ:

Pearson, 2009.

88

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

Influence of Disruptive Innovation Perception on Purchase Intention of

New Energy Vehicles and Fuel Vehicles

SHI Dan

1,2

, MING Xing

1

, NING Chenghao

3

(1. Chinese Academy of Social Sciences, Beijing 100006;

2. Zhejiang University of Finance & Economics, Hangzhou 310018;

3. CHN Energy Investment Group, Beijing 100006)

Abstract: Disruptive innovation is an effective way for enterprises to gain a competitive advantage. The

attitude of consumers, especially mainstream consumers, is a critical factor that determines whether new energy

vehicles ( NEVs ) can successfully replace fuel vehicles ( FVs ) and directly affects the decision-making of

automobile manufacturers. Most existing studies consider the features of new products and consumers with rare

concerns about old products. However, there are two types of new products in the automobile market as disruptive

innovation: disruptive new products (NEVs) and incremental new products (FVs). This paper aims to investigate

the impact of disruptive innovation perception on consumers’ purchase intentions of disruptive new products

(NEVs) and incremental new products (FVs) and further verifies the mediating effect of incremental new product

satisfaction and the moderating role of consumer innovation.

The findings based on the data analysis of 577 questionnaires are as follows. (1) Consumers have a higher purchase

intention for NEVs than for FVs. (2) The perception of disruptive innovation directly promotes their intention to

purchase disruptive new products and inhibits their purchase of incremental new products. (3) Consumer satisfaction

with FVs partially mediates the moderating effect of disruptive innovation perceptions and purchase intentions.

(4)Consumers with less innovation are more likely to be affected by the innovation perception of disruptive new

products.

The conclusions enrich the consumer behavior theory and the disruptive innovation theory. In terms of the

consumer behavior theory, this paper broadens the research scope of the consumer purchase intention model and

confirms that consumers’ purchase intention for new products is influenced by their characteristics and perceptions

of new product features and their attitudes toward old products. In terms of the disruptive innovation theory, it

explores the model of consumers’ intention to purchase disruptive products, which is a valuable attempt from

consumers’ perspective. In addition, it argues that the success of disruptive innovation lies in mainstream

consumers rather than early ones. Therefore, disruptive innovation can only succeed if mainstream consumers

perceive the novelty and usefulness of disruptive new products.

The conclusions have significant guidance for enterprises to engage in disruptive innovation. Enterprises can

promote consumers ’ purchase intention to disrupt new products by improving their perception of disruptive

innovation. When engaging in disruptive innovation, they can highlight the functions that incremental products

lack. When consumers perceive the features of disruptive innovation, they may become dissatisfied with incremental

new products and tend to shift their purchases from incremental new products to disruptive ones.

Keywords: disruptive innovation; purchase intention; new energy vehicle; fuel vehicle; incremental innovation;

innovation perception; consumer innovation

责任编辑:姜 莱;蒋 琰

89

第 44 卷 第 10 期

2023 年 10 月

经 济 与 管 理 研 究

Research on Economics and Management

Vol. 44 No. 10

Oct. 2023

DOI:10. 13502 / j. cnki. issn1000-7636. 2023. 10. 006

中国科技创新策源能力综合评价及

时空演化特征研究

程 翔 简苏尔·居来提 杨 宜

收稿日期:2022-12-15;修回日期:2023-06-05

基金项目:北京市社会科学规划一般项目“大数据驱动下的北京市科技金融政策精准治理研究”(20JJB005)

作者简介:程 翔 北京联合大学管理学院副教授,北京,100101;

简苏尔·居来提 北京联合大学管理学院硕士研究生;

杨 宜 北京财贸职业学院教授、博士生导师,通信作者,北京,101126。

作者感谢匿名审稿人的评审意见。

内容提要:中国区域科技创新正向形成核心策源能力中心发展。 本文基于科创策源能力的核心内涵,从科创

基础、政策导向、科创投入、科创产出、科创开放 5 个角度设计 36 个三级指标,构建省级科创策源能力评价体系,运

用二次加权的纵横向拉开档次法,对 2012—2021 年中国各省份科创策源能力进行动态评价,并利用探索性空间分

析(ESDA)法对其时空特征进行探索。 研究结果表明:(1)开放与投入对科创策源能力的影响较大,其中每十万人

研发经费权重系数最高,政策导向整体影响偏小,其中以财政政策为主的直接创新政策影响权重最低;(2)各省份

科创策源能力整体呈逐年上升趋势,但增速存在较大差异,表现为东快西慢;(3)科创策源能力空间分异明显,总体

呈现东-中-西阶梯式递减、南高北低的空间分布格局,在空间依赖性上呈现出全局空间正相关性,而局部空间上形

成南部高-高型聚集和西部低-低型集聚。

关键词:科技创新 科创策源能力 科创基础 科创投入 科创产出 科创开放 纵横向拉开档次法

中图分类号:F272. 5 文献标识码:A 文章编号:1000-7636(2023)10-0090-19

一、问题提出

党的二十大报告指出,“高质量发展是全面建设社会主义现代化国家的首要任务”。 在这个过程中必须

充分发挥科技创新的生产力作用。 从近十年来中国推动科技创新的实践来看,无论是加强基础研究突出原

创,还是强化企业科技创新主体地位;无论是从经济社会发展和国家安全面临的重大紧迫挑战中凝练科学

问题,还是从底层和源头上解决关键核心技术问题;无论是深化科技体制改革、提升国家创新体系整体效

能,还是积极融入全球创新网络,营造合作共赢的世界级开放创新生态;以上种种均离不开国家或者区域科

技创新策源能力的提升和发展。 自党的十八大以来,科创策源能力作为区域科技创新水平的重要衡量标志

不断出现在政府文件和各大媒体平台上,例如科技部印发的《“十四五”技术要素市场专项规划》中提到“推

动国有企业布局建设原创技术策源地,提升原创技术需求牵引、源头供给、资源配置和转化应用能力”;上海

90

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

市科学技术委员会等印发的《推进“大零号湾”科技创新策源功能区建设方案》明确指出,“强化原始创新能

力提升、关键核心技术突破、高质量成果转化、前瞻新兴产业引领、高品质生态打造,将‘大零号湾’打造成为

上海科创中心的重要策源地和区域经济社会发展增长极”;《天津市科技创新“十四五”规划》明确要求将天

津建成为“全国先进制造研发基地、打造自主创新重要源头和原始创新主要策源地”;《长三角创新共同体建

设发展规划》强调“以重大科技基础设施集群为依托,联合提升原始创新能力,强化核心技术协同攻关,提高

重大创新策源能力,推动长三角地区成为以科技创新驱动高质量发展的强劲动力源”。

科创策源能力的概念和内涵学术界还未有定论,但对其内涵的理解基本达成共识,即科创策源能力强

调原始创新能力、成为创新策源地的能力。 现有研究多从创新投入与产出视角出发探究科创策源能力的测

度方法,往往忽略了知识溢出和政策效益对科创策源能力的影响,缺乏对科创策源能力影响因素的全面度

量。 以往研究大部分局限于特定省份、经济区,且多是对截面数据进行静态评价,缺乏全国尺度的历史纵

横、系统全面的揭露,从空间视角对科创策源能力展开的研究更是空缺。

因此,本文的边际贡献主要有两点:一是不同于以往从创新活动本身的投入和产出角度研究创新效率,

而是在其基础之上考虑科技创新的知识溢出效应和激励创新活动的政策效应,加入对外开放和创新政策维

度,构建新时代(近十年)反映科技创新策源能力发展的综合评价体系;二是在定性分析的基础上,将定量方

法与之相结合,运用纵横向拉开档次法构建科创策源能力的综合评价指标体系,试图量化科创策源能力,通

过二次加权合成科创策源能力综合指数;三是从空间视角对中国科创策源能力分布与时空演化展开研究,

挖掘科创策源能力的空间分布特征。

二、文献综述

科创策源衍生于创新策源地,其概念可追溯至世界科学中心,即以原始创新能力及辐射功能为核心的

城市或者区域[1]

。 创新策源地作为区域创新体系中的领头羊,在整个经济社会系统的创新活动中都具有重

要的引领作用[2]

。 把握科技创新发展前沿趋势,策动未来发展,成为科学新规律的发现者、技术发明的创造

者、创新产业的开拓者、创新理念的实践者[3]

。 科创策源能力是一种广义的科技创新,不同于原始创新能力

和区域创新能力,不仅要关注科技创新,也要关注产业创新[4]

。 已有文献主要从学术新思想、科学新发现、

技术新发明和产业新方向四个方面来理解[5]

。 创新策源能力的提升不仅需要考察科技创新成果,还需从企

业、产业的角度考察其是否具备先进性。 科创策源能力的建设需要依托创新之源与创新策动两个维度的联

动。 前者为硬实力与软实力的结合,包括创新人才资源、创新物力资源、创新财力资源以及创新智力资源,

后者则是宏观层面上的体系建设,包括政府层面的创新体制改革、高校层面加强基础研究、企业层面布局前

端产业[6]

。 综上,科创策源能力作为顺应时代发展而提出的新概念,虽并无准确定义,但其本质是一种综合

能力。 不同于单方面区域创新能力,科创策源能力强调包括对基础科学规律的创新、对技术应用开发的创

新以及最终产生对整个产业的创新。

对于科创策源能力的影响机制研究,敦帅等(2021)构建了创新策源能力影响机制贝叶斯网络模型,运

用数学推理、算法简化和算例分析的方法发现技术研发人员、技术研发机构与科创策源能力关联度较低,技

术研发经费对创新策源能力的影响效果最显著[7]

。 曹萍等(2022)采用定性比较分析(QCA)分析法并运用

模糊集定性比较分析法(fsQCA),从学术基础、科学基础、技术基础、产业基础、政府支持五个维度探究创新

策源能力对区域创新绩效的影响机制,发现产业基础、技术基础是取得高创新绩效的必要条件[8]

。 刘琦等

(2022)从人才网络视角,采用哈肯(Haken)协同演化模型实证检验了粤港澳大湾区创新策源能力的影响机

91

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

理,发现粤港澳大湾区人才网络对创新策源的动力要素有显著影响,直接关联技术创新和科学创新策源能

力;人才网络与产业创新策源能力密切相关,深度辐射到创新应用策源能力[9]

。

在科创策源能力的评价方面(见表 1),现有研究相对较少,研究区域主要集中在粤港澳大湾区,且以截

面数据为多。 朱梦菲等(2020)结合层次分析(AHP)、优劣解距离(TOPSIS)和自组织映射(SOM)算法,从学

术新思想、科学新发现、科技新发明、产业新方向四个方面建立了创新策源能力评价指标体系,对中国 31 个

省份 2017 年截面数据进行了评价[4]

。 曹佳蕾和李停(2020)采用熵权-GC-TOPSIS 法,从科技创新投入、产

出、扩散以及环境四种能力构建科技创新评价指标体系,对安徽省 16 个地市 2009—2018 年面板数据进行了

评价[10]

。 张鑫等(2020)运用改进的客观赋权-折中妥协(CRITIC-VIKOR)法,从创新产业发展潜力、服务创

新资源投入能力、服务创新成果创造能力三方面构建指标体系,对中国各省份科技服务业服务创新能力进

行综合评价[11]

。 张金福和刘雪(2021)基于层次分析法与粒子群优化算法,从制度改革与创新、人才培养与

建设、创新生态环境优化和科技创新布局四个维度构建创新策源能力评价指标体系,对 31 个省份 2017 年截

面数据进行了评价[12]

。 卢超和李文丽(2022)通过纵横向拉开档次法,从科研创新策源能力、技术创新策源

能力和产业创新策源能力结合国家科学技术“三大奖”与三类创新策源能力的对应关系,构建创新策源能力

评价指标体系,对京沪深 2010—2018 年创新策源能力进行评价对比[13]

。 谢婼青(2023)采用专家咨询约束

下综合评价指标体系构建方法对上海市科创策源能力进行评价,发现“十三五”期间上海科创策源能力呈现

显著上涨的态势,且创新要素(以研发投入强度为主)、创新成果、成果转化、创新活力(风险资本融资为主)

是推动其上涨的主要因素[14]

。

表 1 区域科创策源能力的相关研究

研究内容 研究方法 内涵

除创新投入与产出外

其他评价指标

研究区域 样本时间跨度 学者

概念、内涵、建设路径 定性研究 学术 新 思 想、 科

学新 发 现、 技 术

新发明和产业新

方向

朱梦菲等(2020)

[4]

、

敦帅等(2021)

[7]

、宁

连举等(2021)

[15]

、

卢 超 和 李 文 丽

(2022)

[13]

科学新规律的发

现者、技术发明的

创造者、创新产业

的开拓者、创新理

念的实践者

李万(2020)

[3]

关键领域拥有独

立自主的科技和

国力相匹配的原

始创新能力、产业

发展有源源不断

的原始科技供给

王少(2021)

[1]

创新策源,即“创

新策 动, 创 新 之

源”, “ 策” 指 创

新计 划 实 施 等,

“源”指创新要素

积累等

敦 帅 和 陈 强

(2022)

[6]

92

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

表 1(续)

研究内容 研究方法 内涵

除创新投入与产出外

其他评价指标

研究区域 样本时间跨度 学者

影响机制研究 贝叶斯网络 上海 敦帅等(2021)

[7]

QCA 分析法 政府支持 全国 31 个省份 2019 年 曹萍等(2021)

[8]

Haken 协同演化

模型

人才网络 粤港澳大湾区 2011—2021 年 刘琦等(2022)

[9]

主成分分析、专

家咨询信息集

创新活力 2016—2020 年 谢婼青(2023)

[14]

指标体系搭建与评价 AHP-TOPSIS 法、

SOM 聚类

创新基础 全国 31 个省份 2017 年 朱梦菲等(2020)

[4]

熵权法 北 京、 上 海、 纽

约等 6 座城市

2019 年 敦帅等(2021)

[16]

层次分析法、粒

子群优化算法

制度创新、人才

培养、创新环境、

创新布局

全国 31 个省份 2018 年 张金福和刘雪(2021)

[12]

熵 权 法、 TOPSIS

法、灰色关联分析

创新政策、开放

发展

八大经济区 2019 年 宁连举等(2021)

[15]

层次分析法 技术创新质量 上 海、 纽 约、 东

京、伦敦

2009—2019 年 衣春波等(2021)

[17]

Haken 协同演化

模型、SOM 聚类

算法

粤港澳大湾区 2011—2020 年 刘琦(2021)

[18]

纵横 向 拉 开 档

次法

科研创新载体、

三大奖视角

北 京、 上 海、

深圳

2010—2018 年 卢超和李文丽(2022)

[13]

上述文献对科创策源能力进行了多角度的阐释,但仍存在以下不足:其一,缺乏全面系统的数据指标,

所构建的评价体系未能全面地体现科创策源能力的新内涵和新理念;其二,以往研究大部分局限于特定省

份、经济区,且多是对截面数据进行静态评价,缺乏全国尺度的历史纵横、系统、全面的研究;其三,尚未有文

献从空间视角对科创策源能力展开研究,中国科创策源能力的空间分布特征仍待挖掘。 基于此,本文试图

在现有研究的基础上,加入对创新政策、开放政策的评价,构建更为完善、系统、适用于新时代发展要求的中

国科创策源能力评价体系,动态评价自 2012 年新时代以来中国各省份科创策源能力,并对其时空特征进行

分析,围绕研究结论,从政策布局、科技成果转化、东西部协调发展等方面提供政策建议,以期为国家和地方

推动新时代科创策源能力建设提供理论指导和政策参考。

三、研究设计

(一)科创策源能力评价指标体系

创新能力是高质量发展的手段,也是新时代衡量中国高质量发展的重要标准[19]

。 近十年来,中国科技

创新水平取得了长足的发展,顺应新时代国家对于科技创新工作的重大战略部署,科创策源能力建设的重

要性被提到新的高度。

科创策源能力不同于创新能力,其内涵复杂、因素众多,具有系统与整体性的显著特征。 搭建系统、科

93

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

学、全面的多属性指标体系是准确评价科创策源能力的关键。 对于省域科创策源能力评价,一个地区能否

孕育学术新思想、诞生科学新发现、产生技术新发明和发展产业新方向是科创策源能力高低的具体表征,也

是评价的关键。 此外,还应包含以下三个方面:一是看是否具有良好的基础设施,能够为吸引人才和提供创

新活动提供基本条件;二是看其是否具有充足的投入,以保障和鼓励创新策源活动的持续进行;三是看其是

否有新成果和新作为,以实现“从无到有”的创新[4]

。

科创策源需要依托创新之源与创新策动两个维度的联动。 具体来看,“策”是指顶层设计的谋划,是创

新规划、创新战略等宏观举措,如创新驱动发展战略、人才强国战略等。 “源”是指科创活动所需的创新要素

与资源,包括研发投入、人力投入、财力投入、智力投入等。 科创之“策”与科创之“源”,二者皆是科创策源能

力的影响因素,同时也是其提升路径。 通过对科创之“策”与科创之“源”的投入与转化,获得学术新思想、科

学新发现、技术新发明以及产业新方向,如图 1 所示。

ffi\".-@ffi

Bflffi0

.0#6
#

fl.

-

ffi

- .

- ffi

- 

-

ffi . ffi 

ffi . ffi 

fl.

fl.

.0#6
0

fl0

0 F<0 B0 0

ffi . ffi 

EB*@

.F<0

.0#6=

ffi

.( 

ffifl

.0#6 2

fl.

图 1 科创策源能力内涵与提升路径

现有研究对科创策源能力的内涵理解主要涵盖学术新思想、科学新发现、技术新发明和产业新方向四

方面,指标体系的设计也与之统一。 然而,以正规高校数量为代表的学术基础指标、以研究与开发机构数量

为代表的科学基础指标、以高技术产业研发机构数量为代表的技术基础指标,以及以高新企业数为代表的

产业基础指标均为投入多年的累积成果,将各区域科创策源基础性指标单列出来可以更好地体现其余要素

投入与产出的关系。 人才[20]

、金融[21]

、财政[22]

、产业[23]相关政策均已被证明可以促进企业创新驱动发展效

率的提升,然而绝大部分文献并未将各区域政策纳入评价体系,少数考虑政策影响的研究也仅从教育经费

财政支持、5G 基站等投入类基础类指标出发。 本文对各省份政策文件、法律法规等进行文本量化,通过筛选

政策关键词以最大限度保留政策效益指标的数据有效性。

表 2 政策文本量化筛选关键词

政策 关键词

人才政策 人才引进、领军人才、人才培养、人才激励

财政政策 资金支持、税收优惠、费用减免、政府购买

产业政策 生态建设、产业结构、科技成果转化、战略规划、平台搭建

金融政策 科技贷款、融资支持、风险补偿、科技金融、融资租赁、科技保险、科技担保

94

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

基于上述逻辑,在兼顾数据可得性和评价体系层次性的基础上,本文设计出一套反映新时代中国高质

量发展的科创策源能力评价指标体系,主要包括科创基础、政策导向、科创投入、科创产出、科创开放 5 个子

系统 36 个指标的评价体系(见表 3)。

(二)指标设计含义

所在区域的创新基础设施、创新环境等条件都决定了区域创新能力[24]

。 因此,创新基础条件对科创策

源能力的评价有着重要影响。 科创基础从学术、科学、技术、产业四方面对区域科创策源基础条件进行测

度。 高等学校是孕育学术新思想的重要载体;国家重点实验室是科学创新的主阵地;有研发(R&D)活动的

企业是技术创新的核心力量;而高新企业往往具备持续创新研究与开发的能力,其数量代表了各区域产业

的基础实力。

创新政策在弥补市场失灵、建立创新网络、改善营商环境方面发挥着至关重要的作用[25]

。 在评价区域

科创策源能力时,有必要考虑区域创新政策。 现有研究表明:人才引进、培养、激励等政策能够有效促进创

新[26]

;科技担保、科技保险、科技贷款等科技金融政策对区域科创策源能力有着重要影响[27]

。 税收优惠、财

政补贴等财政政策通过直接让渡一部分经济利益给微观市场主体,长期来看可以影响企业经营、投融资以

及科技创新决策[28]

;产业政策通过促进产业技术进步,调整产业结构,引导产业发展方向等直接作用于创新

活动[29]

。 因此,政策导向由人才政策、金融政策、财政政策、产业政策四种创新政策组成。 在政策数据的表

征上,以往研究常采用代理指标数据来表征,数据较为单一,本文采用政策文本计量的方式对区域创新政策

进行评估。

在科创策源方面的投入与产出是衡量区域科创策源能力的基本指标。 在学术投入方面,本文选取 R&D

人员全时当量、R&D 经费等作为学术投入的重要指标,研发人员、研发经费等是支持区域创新发展的根基,

保障创新环境浓郁的学术氛围。 在科学投入方面,科技服务、网络通信、物流以及近年来愈发重要的计算平

台对科学创新起到重要的推动作用,其规模决定了科学投入。 在技术投入方面,获得技术支持与技术服务、

联合优秀科技企业进行自主创新或开放创新等是科技创新的重要途径[15]

,故引入技术服务合同数量和技术

服务引进合同金额作为技术投入的重要指标。 孵化平台是创新型企业诞生的摇篮,更是推动产业创新发展

的力量之源,故选取众创空间、大学科技园等作为产业投入指标。

科创产出由学术、科学、技术、产业四方面的产出构成。 在学术产出方面,出版科技著作、形成国家或行

业标准、科技论文代表了新理论的建立与新思想的诞生,是衡量学术产出的关键指标。 科学产出方面,本文

选取发明专利授权数、有效发明专利数。 对于技术产出,学术界公认的指标是技术市场成交额,其能够量化

专利技术向产业应用的转化程度。 产业产出方面,规模以上工业企业新产品销售额反映出创新成果转化或

产业化的绩效[30]

,因此可作为衡量产业创新产出的关键指标。

对外开放可以充分利用国际创新资源,激发本土的创新热情[31]

。 实证研究表明,外商直接投资

(FDI)的技术外溢推动了中国高技术产业创新产出的增长[31]

。 科创开放由学术开放、科学开放、技术开

放、产业开放构成。 考虑到数据可得性,本文主要采用与境外部门的经费支出与贸易往来作为衡量标准。

学术开放是学术创新的重要影响因素,与国际机构的学术交流可以促进新学术思想的诞生,其中对国外

知识内容的购买是重要的学术交流方式之一,因此选取高等学校对境外机构支出、学校 R&D 经费外国资

金额作为其指标。 科学开放与技术开放方面,国内研究与开发机构、企业在国际交流中往往伴随科学技

术相关产品的购买与经费投入,因此,本文选取研究与开发机构 R&D 国外资金额、研究与开发机构

95

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

R&D 经费境外支出额作为科学开放的重要指标,规模以上工业企业 R&D 经费境外资金额和规模以上

工业企业 R&D 经费境外支出作为技术开放的重要指标。 对外贸易是产业开放的重要体现,故选取货

物进出口额作为产业开放的重要指标。

(三)研究方法

1. 纵横向拉开档次法

目前关于动态综合评价问题的研究成果较少。 其中,郭亚军(2002)做出了较大贡献,提出了以下基

于时序动态视角的综合评价方法:二次加权法、具有激励(或惩罚) 特征的动态综合评价方法、纵向拉开

档次分析法、纵横向拉开档次评价法、基于双激励控制线的多阶段信息集结方法、基于时序算子的动态综

合评价方法[32]

。 其中,纵横向拉开档次评价法既在横向上体现了某一时刻各系统的差异,又在纵向上体

现了各系统总体情况,能够解决基于时序的多指标决策问题。 为了更好地对中国各省份的科创策源能力

进行评价和比较,本文采用纵横向拉开档次法对省域科创策源能力进行全方位综合评价。 纵横向拉开档

次法既能从横向视角反映某一年各省份科创策源能力的水平差异,又能从纵向上体现各省份在 2012—

2021 年的科创策源能力的变迁与发展规律,具有较强的现实性与应用价值。 该方法的赋权信息直接来

源于被评价对象的各项原始数据,最大限度地反映了评价对象之间的总体差异,使本文中各评价指标、各

时期之间均有可比性,是客观的综合评价方法[33]

。 由于纵横向拉开档次法确定的指标权重系数只是最

大可能地体现了各被评价对象的差异,未考虑各指标的相对重要性,故本文采用基于面板数据修正的熵

权法对评价结果进行稳健性检验。 在本文中,用 i( i = 1,2,. . .,31) 表示省份, j( j = 1,2,. . .,36) 表示第 j

个变量指标, k( k = 2012,2013,. . .,2021) 表示年份。 如此,各评价对象的各指标在 k 年的数值可以表示

为 xij( k) ,该方法的具体思路如下:

(1)指标处理。 参考王常凯和巩在武( 2016)

[ 34] 针对纵横向拉开档次法修正后的极差标准化方法

对指标进行处理,一方面去除量纲不同的影响,另一方面避免了传统极差标准化处理面板数据无法从

纵向上保持序关系的缺陷。 对正向指标运用式( 1) ,对负向指标运用式 ( 2) 。 在本文中,所有指标均

为正向指标。

dij(k) =

xij(k) -xjmin

xjmax

-xjmin

(1)

dij(k) =

xjmax

-xij(k)

xjmax

-xjmin

(2)

(2)线性加权。 计算公式如下:

vi(k) = ∑

n

j = 1

wj

yij(k) (3)

其中, wj 表示第 j 个指标的权重, vi(k) 表示第 k 年对象 i 的评价值。

(3)确定各指标 j 的权重。 权重计算公式为:

δ

2 = ∑

N

k = 1∑

m

i = 1

[vi(k) -v]

2 = ∑

N

k = 1∑

m

i = 1

vi(k) -

1

N∑

N

k = 1

1

m∑

m

i = 1

vi(k)

é

ë

ê

ê

ù

û

ú

ú

2

(4)

同时约束:

w

Tw = 1,w > 0 (5)

96

Research on Economics and Management(No. 10, 2023) 经济与管理研究(2023 年第 10 期)

(4)计算增长系数矩阵。 计算公式如下:

bij(k) =yij(k) -yij(k - 1),k ≥ 2013 (6)

(5)计算增长系数评价值,并放大:

Δvi(k) = 10∑

n

j = 1

wj

bij(k) (7)

(6)采用“厚今薄古”方法进行二次加权。 为了比较评价对象在评价期间的整体情况,给予基于时间的

第二次加权。 设 wk 表示 k 时刻综合评价的权重系数,且有∑

N

k = 1

wk

= 1,wk > 0,则对象 i 综合评价值为:

gi

= ∑

N

k = 1

wkui(k) (8)

式中,在时间区间[1,k]内,k 时刻的时间权重为:

wk

=

k

∑

N

k = 1

k

,k = 1,2,. . .,10 (9)

2. 探索性空间分析(ESDA)方法

探索性空间分析法常用于探究区域属性时空格局演进。 本文采用全局和局部空间自相关指数对科创

策源能力省份单元的空间相互作用和分布规律进行分析。 探索性空间分析法以空间关联测度为核心,分为

全局莫兰指数(Moran’s I)和局部莫兰指数(local Moran?s I),通过对事物或现象空间分布格局的描述与可视

化来挖掘研究对象之间的空间依赖关系[35]

。

全局莫兰指数用于揭示相关变量全局视角下的空间集聚性,即科创策源能力相当的省域是否在地理空

间上倾向于聚集,其计算公式如下:

Moran?s I =

n∑

n

i = 1 ∑

n

j = 1

Wij(yi

-y)(yj

-y)

∑

n

i = 1 ∑

n

j = 1

Wij∑

n

i = 1

(yi

-y)

2

(10)

式(1)中,n 为省份个数; yi 和yj 分别为省份 i 和省份 j 的科创策源能力;y 为 所有省份科创策源能力的平均

值; Wij 为空间权重矩阵,采用布伦斯顿等(Brunsdon,1998)

[36]提出的高斯函数确定。 由于海南无接壤邻省,参

考刘贤赵等(2018)

[37]的做法,假定广东和广西为其相邻省域。 全局莫兰指数的取值范围为[-1,1],当值为正

时,表示科创策源能力相近的省份在空间上聚集,即科创策源能力较高的省份趋于集中或科创策源能力较低的

省份趋于集中,且值越接近于 1,总体空间差异越小;当值为负时,表示该省份与周边省份的科创策源能力具有

显著的空间差异,即科创策源能力彼此相差甚远的省份趋于集中,值越趋近-1,该差异越大。

为了衡量观测省份与相邻省份的依赖或差异程度,引入安瑟兰(Anselin,1995)

[38] 提出的局部莫兰指

数。 计算公式为:

local Moran?s I =

(yi

-y)∑

n

j = 1

Wij(yj

-y)

∑

n

i = 1

(yi

-y)

2

(11)

在给定的显著水平下,局部莫兰指数>0,表示观测省份科创策源能力与邻近省份相似,即高-高或低低;局部莫兰指数<0,则表示观测省份与邻近省份科创策源能力相异(低-高或高-低)。 用局部自相关分析

97

经济与管理研究(2023 年第 10 期) Research on Economics and Management(No. 10, 2023)

相邻单元在空间上的相关程度,即表示省份科创策源能力具有相互集聚的倾向[39]

。

(四)数据来源

党的十八大是习近平新时代中国特色社会主义思想的历史起点,本文选取新时代开始以来(2012—

2021 年)全国 31 个省份十年的科技创新相关数据,数据源包括国家统计局、《中国统计年鉴》 《中国高技术

产业统计年鉴》《中国科技统计年鉴》《前瞻经济学人》、北大法宝等,部分缺失数据采用插值法补齐。

四、评价结果与分析

(一)指标权重与综合评价

利用 MATLAB 2021b 软件对前述步骤进行计算,得到科创策源能力评价指标的权重系数(表 3)。 根据

所收集的数据,通过 MATLAB 编程计算得到中国 31 个省份(不含港澳台地区)在不同年份(2012—2021 年)

的评价得分(表 4)和二次加权后的 2012—2021 年综合评分(表 5)。

表 3 省域科创策源能力评价指标体系

一级指标 权重系数 二级指标 三级指标 权重系数

科创基础 0. 133 学术基础 每 10 万人口拥有正规高校数量 0. 026

每 10 万人口高等教育平均在校生数 0. 022

科学基础 国家重点实验室数量 0. 027

技术基础 高技术产业研发机构数量 0. 030

有 R&D 活动的企业数量 0. 028

产业基础 高新企业数量 0. 029

政策导向 0. 098 人才政策 人才政策数量 0. 024

金融政策 金融政策数量 0. 026

财政政策 财政政策数量 0. 023

产业政策 产业政策数量 0. 025

科创投入 0. 311 学术投入 每 10 万人口 R&D 人员全时当量 0. 028

每 10 万人口 R&D 经费 0. 032

科学投入 科学研究与技术服务业数量 0. 027

技术投入 信息传输、软件和信息技术服务业数量 0. 027

交通运输、仓储和邮政业数量 0. 026

每 10 万人口互联网宽带接入用户数 0. 029

产业投入 技术服务合同数 0. 026

技术服务输出合同金额 0. 029

每 10 万人口拥有国家级众创空间数量 0. 029

每 10 万人口拥有国家级大学科技园数量 0. 027

每 10 万人口拥有国家级科技企业孵化器数量 0. 030

科创产出 0. 193 学术产出 出版科技著作 0. 024

形成国家或行业标准数 0. 030

科技论文数 0. 022

98