文献类型：期刊文章

作　　者：陈晓佳[1] 徐玮[2]

Chen Xiaojia;Xu Wei(Public Administration School,Guangzhou University;School of Credit Management,Guangdong University of Finance)

机构地区：[1]广州大学公共管理学院 [2]广东金融学院信用管理学院

出　　处：《管理世界》

基　　金：国家社科基金“以优化交通基础设施驱动‘双循环’的机制、效应和对策研究”(基金号:21BJL042)的资助。

年　　份：2024

卷　　号：40

期　　号：4

起止页码：78-95

语　　种：中文

收录情况：BDHX、BDHX2023、CSSCI、CSSCI2023_2024、JST、NSSD、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：产业数字化是推动中国经济高质量发展的重要驱动力,然而,“鲍莫尔病”和过早“去工业化”问题制约产业结构的升级,阻碍经济向高质量发展阶段迈进。本文采用量化空间经济学理论,构建数据要素的生产、交易和投入模型,将数据要素纳入到生产函数中。在“效率—结构—速度”的分析框架下,采用结构化检验方法,定量分析数据要素如何影响产业结构升级,并采用比较静态方法研究交通与数据要素协同效应加速这一产业结构升级。研究发现,数据要素与产业的融合有助于提高产业的劳动生产率和全要素生产率,促进产业结构升级,推动经济高质量发展。但是仅将数据要素与服务业相结合并不能完全解决服务业由于效率相对滞后而在结构转型中受到“鲍莫尔病”的困扰。在交通聚集人口的作用下,高人口密度依赖型的服务业将提高效率,有望根除效率滞后导致的潜在成本上升的病因。同时在交通基础设施供需的作用下,制造业数字化能规避制造业份额过早下降问题。数据要素与产业的深度融合带来了数字技术红利,促进了产业结构升级,加速了经济增长动能的转换。本文的研究为探索中国数字技术促进产业升级的路径提供了政策参考。

关 键 词：数据要素  交通运输 鲍莫尔病  过早去工业化  全要素生产率

分 类 号：F49] F512F121.3F224