數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合對(duì)蘇州制造業(yè)產(chǎn)業(yè)發(fā)展的影響路徑研究

摘 要：本文基于2012—2022年蘇州市的面板數(shù)據(jù)，采用熵值法和面板固定效應(yīng)回歸模型進(jìn)行分析。結(jié)果顯示，數(shù)實(shí)融合顯著促進(jìn)了蘇州制造業(yè)的產(chǎn)業(yè)升級(jí)，區(qū)域經(jīng)濟(jì)韌性起到中介作用。政府調(diào)控、科研教育投入和產(chǎn)業(yè)結(jié)構(gòu)的改善對(duì)數(shù)實(shí)融合與產(chǎn)業(yè)升級(jí)之間的關(guān)系具有顯著的調(diào)節(jié)效應(yīng)。據(jù)此，本文提出相應(yīng)建議：促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深度融合，增強(qiáng)區(qū)域經(jīng)濟(jì)韌性，并建立健全相關(guān)市場(chǎng)制度和法律體系，以確保產(chǎn)業(yè)升級(jí)的順利進(jìn)行，僅供參考。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合；制造業(yè)產(chǎn)業(yè)發(fā)展；區(qū)域經(jīng)濟(jì)韌性；科教投入

中圖分類號(hào)：F127；F121.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2025）02（b）--05

1 研究?jī)?nèi)容

中國(guó)經(jīng)濟(jì)數(shù)字化新模式的發(fā)展，傳統(tǒng)制造業(yè)向數(shù)字化轉(zhuǎn)型的趨勢(shì)是大勢(shì)所趨。作為世界第一制造業(yè)大國(guó)，中國(guó)制造在轉(zhuǎn)型過(guò)程中對(duì)技術(shù)進(jìn)步和經(jīng)濟(jì)環(huán)境有著重要影響。新時(shí)代以來(lái)，傳統(tǒng)制造業(yè)拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的趨勢(shì)正在放緩。制造業(yè)產(chǎn)業(yè)發(fā)展成為經(jīng)濟(jì)新常態(tài)背景下解決經(jīng)濟(jì)增長(zhǎng)的主要方式。數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合（以下簡(jiǎn)稱數(shù)實(shí)融合），能夠?yàn)橹圃鞓I(yè)產(chǎn)業(yè)發(fā)展提供要素支持。同時(shí)，工業(yè)5.0背景，為制造業(yè)的產(chǎn)業(yè)升級(jí)提供了發(fā)展框架和方向，也提出新的挑戰(zhàn)和問(wèn)題。本文基于中國(guó)蘇州市的制造業(yè)現(xiàn)況，旨在探討數(shù)實(shí)融合對(duì)制造業(yè)的影響路徑，區(qū)域經(jīng)濟(jì)韌性在其中的作用。

根據(jù)國(guó)家統(tǒng)計(jì)局的《2023數(shù)字中國(guó)發(fā)展報(bào)告》，中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模增長(zhǎng)持續(xù)提升，2023年數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值估計(jì)超過(guò)12萬(wàn)億元，占GDP比重10%左右；高技術(shù)制造業(yè)中，計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)投資同比增長(zhǎng)9.3%，增速比全部固定資產(chǎn)投資高6.3%，中國(guó)的制造業(yè)數(shù)字化轉(zhuǎn)型持續(xù)深化。數(shù)字經(jīng)濟(jì)轉(zhuǎn)型正在積極推進(jìn)，中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平有望不斷提升，與各行各業(yè)深度融合，推動(dòng)中國(guó)制造業(yè)產(chǎn)業(yè)發(fā)展。

2 研究綜述

2.1 數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合

已有研究表明，數(shù)字實(shí)體融合對(duì)高質(zhì)量經(jīng)濟(jì)發(fā)展具有顯著的直接和間接促進(jìn)作用，且不同地區(qū)和經(jīng)濟(jì)發(fā)展水平存在顯著異質(zhì)性。

部分研究通過(guò)對(duì)數(shù)字經(jīng)濟(jì)發(fā)展程度的測(cè)算，從產(chǎn)業(yè)結(jié)構(gòu)合理化和升級(jí)角度評(píng)價(jià)了產(chǎn)業(yè)升級(jí)水平，并構(gòu)建了計(jì)量模型來(lái)驗(yàn)證數(shù)字經(jīng)濟(jì)對(duì)帶動(dòng)產(chǎn)業(yè)升級(jí)的貢獻(xiàn)。

在兩種經(jīng)濟(jì)的融合研究中，通過(guò)使用數(shù)字經(jīng)濟(jì)在實(shí)體經(jīng)濟(jì)中的占比來(lái)衡量?jī)烧叩恼铣潭?，發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的整合發(fā)展系統(tǒng)通過(guò)創(chuàng)新增長(zhǎng)模式、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提升制造能力和拓展應(yīng)用領(lǐng)域，顯著提升了經(jīng)濟(jì)發(fā)展的質(zhì)量和效益。

同時(shí)，在數(shù)實(shí)融合測(cè)度研究中，主要集中于行業(yè)層面，Meng（2023）采用投入產(chǎn)出法測(cè)算了中國(guó)工業(yè)部門各行業(yè)數(shù)實(shí)融合程度。他們的研究揭示了不同工業(yè)部門之間數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合水平的差異[1]。

Fei（2024）基于已有研究，根據(jù)耦合協(xié)調(diào)度構(gòu)建了中國(guó)現(xiàn)有的數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合體系，并基于此評(píng)價(jià)了中國(guó)不同地區(qū)和省份的融合發(fā)展水平的現(xiàn)狀[2]。

2.2 制造業(yè)產(chǎn)業(yè)發(fā)展影響因素

Cheng（2024）以京津冀地區(qū)為研究對(duì)象，實(shí)證分析了數(shù)字經(jīng)濟(jì)發(fā)展水平能夠推動(dòng)制造業(yè)升級(jí)水平，此外，外商直接投資、經(jīng)濟(jì)發(fā)展、行業(yè)規(guī)模以及科技投入等因素也能促進(jìn)京津冀地區(qū)制造業(yè)整體的升級(jí)[3]。

Tanina Anna（2022）論證了數(shù)字化技術(shù)對(duì)俄羅斯的制造業(yè)水平與經(jīng)濟(jì)效應(yīng)的影響，通過(guò)實(shí)證研究發(fā)現(xiàn)數(shù)字化技術(shù)對(duì)俄羅斯制造業(yè)升級(jí)的影響最為顯著[4]。Wu（2023）分析了數(shù)字經(jīng)濟(jì)與三大類制造業(yè)（勞動(dòng)密集型、資本密集型、技術(shù)密集型）融合對(duì)碳排放的影響機(jī)制，并實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)與三大制造業(yè)融合的影響機(jī)制，驗(yàn)證了數(shù)字經(jīng)濟(jì)與技術(shù)密集型制造業(yè)的深度融合有助于促進(jìn)碳減排[5]。

2.3 區(qū)域經(jīng)濟(jì)韌性

在數(shù)字經(jīng)濟(jì)與區(qū)域經(jīng)濟(jì)韌性的相關(guān)研究中，Cao（2024）論證了數(shù)字經(jīng)濟(jì)通過(guò)促進(jìn)創(chuàng)新和創(chuàng)業(yè)活動(dòng)及提升社會(huì)安全水平，間接增強(qiáng)了城市經(jīng)濟(jì)韌性，并在模型中表現(xiàn)為中介效應(yīng)[6]。Silvia（2017）以意大利為研究對(duì)象，論證了產(chǎn)業(yè)間的相關(guān)性、不同產(chǎn)業(yè)所依賴的知識(shí)和技術(shù)類型的多樣性、產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新能力對(duì)區(qū)域經(jīng)濟(jì)韌性的影響[7]。Guo（2023）的研究揭露了數(shù)字化程度對(duì)區(qū)域經(jīng)濟(jì)韌性的影響，數(shù)字化對(duì)城市經(jīng)濟(jì)韌性的積極影響主要通過(guò)提高區(qū)域勞動(dòng)力素質(zhì)和全要素生產(chǎn)率來(lái)實(shí)現(xiàn)，隨著人口密度的增加，數(shù)字化程度與經(jīng)濟(jì)韌性之間呈現(xiàn)倒U型關(guān)系[8]。Wang（2018）采用阻力敏感度、工業(yè)用地面積、區(qū)域經(jīng)濟(jì)聯(lián)系等阻力指標(biāo)評(píng)價(jià)TLB工業(yè)經(jīng)濟(jì)在2008年金融危機(jī)和2018年中美貿(mào)易沖突期間的抵抗能力。引入阻力敏感性和自主創(chuàng)新能力來(lái)評(píng)估兩輪沖擊后的恢復(fù)能力，并基于熵權(quán)法評(píng)估綜合經(jīng)濟(jì)韌性[9]。

2.4 綜述總結(jié)

本文在已有研究的基礎(chǔ)上進(jìn)行創(chuàng)新，希望為理論研究和實(shí)證分析提供新的參考。蘇州是中國(guó)制造業(yè)的代表性城市，本文以蘇州市為研究區(qū)域，探究數(shù)實(shí)融合對(duì)蘇州制造業(yè)產(chǎn)業(yè)升級(jí)的影響機(jī)制，同時(shí)采用熵值法進(jìn)行耦合協(xié)調(diào)調(diào)度評(píng)估，以滿足實(shí)證結(jié)果的穩(wěn)定性和可靠性。文章引入多種調(diào)節(jié)變量，對(duì)數(shù)實(shí)融合對(duì)制造業(yè)產(chǎn)業(yè)升級(jí)的影響路徑進(jìn)行探索。

3 研究設(shè)計(jì)

3.1 數(shù)據(jù)來(lái)源

本文采用2012—2022年蘇州統(tǒng)計(jì)年鑒的面板數(shù)據(jù)，探討數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合對(duì)蘇州制造業(yè)升級(jí)的復(fù)雜影響。通過(guò)手動(dòng)整理，利用插值法補(bǔ)充部分缺失數(shù)據(jù)，相關(guān)地區(qū)經(jīng)濟(jì)指標(biāo)來(lái)源于國(guó)家統(tǒng)計(jì)局與統(tǒng)計(jì)年鑒、省市級(jí)統(tǒng)計(jì)年鑒。

3.2 變量解釋與描述

3.2.1 解釋變量定義：數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合的測(cè)度

數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的融合（數(shù)實(shí)融合）是本文的核心解釋變量，其測(cè)度需兼顧多維指標(biāo)與動(dòng)態(tài)交互性。我們采用了熵值法，這是一種基于信息熵原理的客觀賦權(quán)方法，能夠有效評(píng)估各指標(biāo)的權(quán)重。

具體而言，我們從數(shù)字基礎(chǔ)設(shè)施、數(shù)字化制造、數(shù)字金融服務(wù)和數(shù)據(jù)要素驅(qū)動(dòng)四個(gè)方面構(gòu)建了數(shù)字經(jīng)濟(jì)的指標(biāo)體系。在數(shù)實(shí)融合的測(cè)度體系構(gòu)建中。本文參考Sun（2024）的貢獻(xiàn)，采用熵值法評(píng)估數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的發(fā)展階段[10]。熵值法在對(duì)制造業(yè)升級(jí)系統(tǒng)各指標(biāo)賦權(quán)后，計(jì)算出綜合發(fā)展指數(shù)。

如表1所示（數(shù)字經(jīng)濟(jì)amp;實(shí)體經(jīng)濟(jì)）：具體而言，數(shù)字經(jīng)濟(jì)子系統(tǒng)的指標(biāo)涵蓋數(shù)字基礎(chǔ)設(shè)施（21.28%）、數(shù)字化制造（54.1%）和數(shù)字金融服務(wù)數(shù)據(jù)要素驅(qū)動(dòng)（24.61%）。其中，數(shù)字化制造的高權(quán)重（54.1%）反映了蘇州作為制造業(yè)強(qiáng)市的特征，其智能制造平臺(tái)、工業(yè)互聯(lián)網(wǎng)應(yīng)用及數(shù)字化生產(chǎn)流程的滲透率對(duì)融合程度具有決定性影響。

實(shí)體經(jīng)濟(jì)的測(cè)度則聚焦農(nóng)業(yè)（8.21%）、工業(yè)（23.7%）、建筑業(yè)（16.12%）、運(yùn)輸郵政電信業(yè)（13.37%）、批發(fā)零售業(yè)（15.01%）和住宿餐飲業(yè)（14.7%）。工業(yè)占比最高，符合蘇州以制造業(yè)為核心的產(chǎn)業(yè)結(jié)構(gòu)特征。

數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)相互作用的量化可通過(guò)以下公式實(shí)現(xiàn)：

式（1）中：Ctde表示t時(shí)期數(shù)實(shí)融合程度，utd表示t時(shí)期經(jīng)濟(jì)發(fā)展水平，ute表示同一時(shí)間跨度內(nèi)實(shí)體經(jīng)濟(jì)發(fā)展水平?；诠剑?），本文構(gòu)建了數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的耦合評(píng)價(jià)模型：

式（2）中：Srtde變量表示t時(shí)期數(shù)實(shí)融合程度，Ttds表示數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)的綜合水平，α和β是反映數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)重要性的系數(shù)。值得注意的是，約束α+β=1確保重要性分配均衡。融合值（標(biāo)記為Sr）介于0和1之間，量化了數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)之間的相互作用。該范圍內(nèi)的數(shù)實(shí)融合程度與此數(shù)值成正比。

通過(guò)耦合協(xié)調(diào)度模型（公式1-2）計(jì)算數(shù)實(shí)融合值（Sr），其范圍在0～1之間，數(shù)值越高表明融合程度越深。例如，2022年蘇州市Sr值為1.423，較2012年的1.415僅小幅提升，反映出融合進(jìn)程已進(jìn)入平穩(wěn)期，需通過(guò)結(jié)構(gòu)性改革突破瓶頸。

3.2.2 被解釋變量：制造業(yè)產(chǎn)業(yè)發(fā)展水平

本文借鑒Liu（2021）等的研究成果，同樣采用熵值法對(duì)變量制造業(yè)升級(jí)評(píng)估指標(biāo)賦權(quán)方法進(jìn)行客觀指標(biāo)賦權(quán)計(jì)算[11]。具體表現(xiàn)如表1所示（制造業(yè)產(chǎn)業(yè)發(fā)展水平）。制造業(yè)產(chǎn)業(yè)發(fā)展水平的測(cè)度采用智能化（27.85%）、服務(wù)化（22.35%）、網(wǎng)絡(luò)化（20.36%）和環(huán)保化（29.43%）四大維度。智能化權(quán)重最高，體現(xiàn)了蘇州制造業(yè)向“智造”轉(zhuǎn)型的戰(zhàn)略導(dǎo)向，如蘇州工業(yè)園區(qū)內(nèi)規(guī)上企業(yè)智能化改造覆蓋率已達(dá)92%。服務(wù)化指標(biāo)則通過(guò)生產(chǎn)性服務(wù)業(yè)占比衡量，2022年蘇州制造業(yè)服務(wù)化收入占比提升至18.6%，但仍低于發(fā)達(dá)國(guó)家30%的平均水平，表明服務(wù)化潛力尚未充分釋放。環(huán)保指標(biāo)權(quán)重為負(fù)向（-29.43%），表明碳排放強(qiáng)度、單位產(chǎn)值能耗等逆指標(biāo)對(duì)綜合指數(shù)產(chǎn)生抑制作用。例如，蘇州2022年制造業(yè)碳排放強(qiáng)度同比下降7.3%，但鋼鐵、化工等高耗能行業(yè)仍占工業(yè)總能耗的65%，環(huán)?；D(zhuǎn)型壓力顯著。

3.2.3 中介變量

本文選取區(qū)域經(jīng)濟(jì)韌性作為中介變量，結(jié)合我國(guó)經(jīng)濟(jì)發(fā)展特點(diǎn)，選擇多種指標(biāo)建立綜合指標(biāo)體系，從多個(gè)維度評(píng)價(jià)區(qū)域內(nèi)經(jīng)濟(jì)韌性。本文參考張遼（2023）等關(guān)于區(qū)域經(jīng)濟(jì)韌性系統(tǒng)的研究[12]。從抵抗與恢復(fù)能力、適應(yīng)與調(diào)節(jié)能力和轉(zhuǎn)型與發(fā)展能力三個(gè)維度構(gòu)建多維指標(biāo)體系，并采用熵值法計(jì)算得到城市經(jīng)濟(jì)韌性綜合指數(shù)。

具體數(shù)據(jù)參考表1區(qū)域（經(jīng)濟(jì)韌性）。其中，抵抗與恢復(fù)能力包括地區(qū)生產(chǎn)總值增長(zhǎng)率、固定資產(chǎn)投資增長(zhǎng)率等，權(quán)重為26.5%；適應(yīng)與調(diào)節(jié)能力涵蓋產(chǎn)業(yè)結(jié)構(gòu)調(diào)整速度、勞動(dòng)力市場(chǎng)靈活性等，權(quán)重為35.89%；創(chuàng)新與轉(zhuǎn)型能力則涉及專利申請(qǐng)數(shù)、高新技術(shù)企業(yè)數(shù)等，權(quán)重為37.62%。這些指標(biāo)綜合反映了蘇州地區(qū)經(jīng)濟(jì)在面對(duì)各種挑戰(zhàn)時(shí)的適應(yīng)性和創(chuàng)新能力。

3.2.4 調(diào)節(jié)變量

為了進(jìn)一步探討數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合對(duì)制造業(yè)產(chǎn)業(yè)發(fā)展的影響路徑，本文引入多個(gè)調(diào)節(jié)變量。政府調(diào)控：本文以蘇州市地方財(cái)政支出占地區(qū)GDP的比重作為政府調(diào)控程度的替代指標(biāo)，記為Govt，以蘇州市地方財(cái)政支出占地區(qū)GDP的比重作為替代指標(biāo)，反映了政府在經(jīng)濟(jì)發(fā)展中的干預(yù)程度。產(chǎn)業(yè)結(jié)構(gòu)：采用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值比重作為產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)，反映了蘇州產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化程度，記為Indt?？茖W(xué)教育投入：科教投入是指科教支出占地方公共預(yù)算支出的比重，反映一個(gè)城市的創(chuàng)新活力。加強(qiáng)科教投入可以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)經(jīng)濟(jì)增長(zhǎng)，提高城市的經(jīng)濟(jì)韌性，記為SciEdt。

3.3 模型構(gòu)建與分析

3.3.1 描述性統(tǒng)計(jì)

在回歸分析之前，對(duì)2012—2022年蘇州市統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，各變量統(tǒng)計(jì)結(jié)果如下：數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合的平均值為1.419，方差僅為0.002，表明其數(shù)值較為穩(wěn)定，波動(dòng)極小。最大值為1.423，最小值為1.415，兩者相差甚微，整體數(shù)值集中在1.415～1.423，反映出數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合程度在樣本中表現(xiàn)較為一致，差異不大。

制造業(yè)產(chǎn)業(yè)發(fā)展的平均值為0.985，方差為0.008，同樣顯示出較小的波動(dòng)性。最大值0.992與最小值0.966之間的差距也不大，說(shuō)明制造業(yè)產(chǎn)業(yè)發(fā)展在樣本中的表現(xiàn)相對(duì)穩(wěn)定，各觀測(cè)值之間的差異有限，整體發(fā)展水平較為均衡。政府調(diào)控變量的平均值為1.062，方差0.061，相較于前兩個(gè)變量，其波動(dòng)有所增大。最大值1.122與最小值0.932之間的差距為0.19，反映出政府調(diào)控在不同情況或時(shí)期存在一定差異，但整體仍處于相對(duì)合理的波動(dòng)范圍內(nèi)。產(chǎn)業(yè)結(jié)構(gòu)變量的平均值高達(dá)308.355，方差達(dá)到152.651，波動(dòng)幅度顯著。最大值551.419與最小值101.885之間差距巨大，表明產(chǎn)業(yè)結(jié)構(gòu)在樣本中存在極大的差異，不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)或不同產(chǎn)業(yè)之間的結(jié)構(gòu)差異明顯，部分樣本的產(chǎn)業(yè)結(jié)構(gòu)數(shù)值遠(yuǎn)高于其他樣本，導(dǎo)致整體分布較為分散。科研教育投入變量平均值為0.236，方差0.02，波動(dòng)相對(duì)穩(wěn)定。最大值0.266與最小值0.209之間的差距較小，說(shuō)明科研教育投入在樣本中的表現(xiàn)較為一致，各觀測(cè)值之間的差異不大，整體投入水平較為均衡。區(qū)域經(jīng)濟(jì)韌性變量的平均值0.679，方差0.042，波動(dòng)處于中等水平。最大值0.734與最小值0.626之間的差距為0.108，反映出區(qū)域經(jīng)濟(jì)韌性在不同區(qū)域或不同情況下的表現(xiàn)存在一定差異，但整體仍處于相對(duì)集中的范圍內(nèi)，各區(qū)域的經(jīng)濟(jì)韌性水平有一定波動(dòng)，但差異不是特別極端。

3.3.2 回歸模型構(gòu)建

本文使用面板固定效應(yīng)回歸模型對(duì)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)融合對(duì)制造業(yè)產(chǎn)業(yè)發(fā)展的影響進(jìn)行實(shí)證檢驗(yàn)，構(gòu)建如下回歸方程模型：

Iut=α1+α2Srtde+α3Govt+α4Indt+α5SciEdt+α6Regiont（3）

式（3）中：t表示年份；Iut表示蘇州市制造業(yè)的產(chǎn)業(yè)升級(jí)水平；Srtde表示數(shù)實(shí)融合程度；Govt表示政府調(diào)控；Indt表示產(chǎn)業(yè)結(jié)構(gòu)；SciEdt表示科研教育投入；Regiont表示區(qū)域經(jīng)濟(jì)韌性。系數(shù)值α2表示數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)融合對(duì)制造業(yè)產(chǎn)業(yè)發(fā)展的影響程度，如果該系數(shù)值大于0，表示數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)融合有利于提升制造業(yè)產(chǎn)業(yè)發(fā)展水平。

4 實(shí)證結(jié)果分析

4.1 基準(zhǔn)回歸結(jié)果

回歸結(jié)果如表2所示，數(shù)實(shí)融合有利于制造業(yè)產(chǎn)業(yè)發(fā)展水平的提升，這不是制造業(yè)企業(yè)的生產(chǎn)模式的升級(jí)，而是對(duì)全產(chǎn)業(yè)鏈的智能化、服務(wù)化、網(wǎng)絡(luò)化、可持續(xù)化的協(xié)同升級(jí)。其中，政府調(diào)控（P=0.023*）產(chǎn)業(yè)結(jié)構(gòu)（P=0.015*）、科研教育投入（P=0.003**）的調(diào)節(jié)效應(yīng)表現(xiàn)為顯著，說(shuō)明此類變量數(shù)實(shí)融合有助于制造業(yè)產(chǎn)業(yè)發(fā)展水平的提升。最終回歸方程模型的調(diào)整R2=0.967，P=0.002，DW=2.061符合標(biāo)準(zhǔn)。最終回歸方程模型為：

Iut=166.754+140.292rtde+4.696Govt-42.7Indt+28.518 SciEdt-2.219Regiont（4）

4.2 中介效應(yīng)回歸結(jié)果

采用Bootstrap對(duì)區(qū)域經(jīng)濟(jì)韌性的中介效應(yīng)進(jìn)行檢測(cè)，在此過(guò)程中，直接效應(yīng)為13.205，中介效應(yīng)值為-80.333，總效應(yīng)為-67.128，95% Boot CI為-1.277—0.001，95%區(qū)間并不包括數(shù)字0，說(shuō)明區(qū)域經(jīng)濟(jì)韌性在數(shù)實(shí)融合影響制造業(yè)產(chǎn)業(yè)發(fā)展的關(guān)系中具有中介效應(yīng)。

5 結(jié)語(yǔ)

5.1 結(jié)論與建議

本文基于2012—2022年蘇州市制造業(yè)的面板數(shù)據(jù)，理論分析與實(shí)證檢驗(yàn)相結(jié)合，驗(yàn)證了數(shù)實(shí)融合對(duì)蘇州制造業(yè)的產(chǎn)業(yè)升級(jí)水平的影響路徑，并得出以下啟示：數(shù)實(shí)融合能夠顯著提升蘇州制造業(yè)的產(chǎn)業(yè)升級(jí)水平，在數(shù)實(shí)融合對(duì)制造業(yè)產(chǎn)業(yè)發(fā)展的過(guò)程中，政府調(diào)控、科技教育投入和產(chǎn)業(yè)結(jié)構(gòu)改善的調(diào)節(jié)作用必不可少。區(qū)域經(jīng)濟(jì)韌性是數(shù)實(shí)融合與制造業(yè)產(chǎn)業(yè)發(fā)展之間的重要中介因素。

促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)際經(jīng)濟(jì)的融合程度，這對(duì)制造業(yè)升級(jí)來(lái)說(shuō)至關(guān)重要。隨著蘇州的數(shù)據(jù)中心和基站在內(nèi)的數(shù)字基礎(chǔ)設(shè)施的完善，合理的管理和布局可以提高效率并降低數(shù)字經(jīng)濟(jì)的成本。同時(shí)，提升人力資本等資源的新質(zhì)生產(chǎn)力要素的應(yīng)用，能夠有效提升相關(guān)產(chǎn)業(yè)的升級(jí)速度。此外，規(guī)范市場(chǎng)制度和完善法律制度，是數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合的重要保障，也是提升區(qū)域經(jīng)濟(jì)韌性的重要措施。

5.2 研究不足與展望

本文具有一定的局限性，受限于蘇州市的城市特殊性和樣本容量限制，所采用的橫截面數(shù)據(jù)不夠全面，并未考慮不同區(qū)域的異質(zhì)性，未來(lái)可以擴(kuò)大研究范圍。針對(duì)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合的測(cè)度只從宏觀層面進(jìn)行，未來(lái)可以更加深入探索數(shù)實(shí)融合對(duì)個(gè)別企業(yè)的直接影響。

參考文獻(xiàn)

Meng S， Su H， Yu J. Digital Transformation and Corporate Social Performance： How Do Board Independence and Institutional Ownership Matter？ [J]. Frontiers in Psychology， 2022， 13.

Qian F. Coupling Coordination and Dynamic Analysis of the Integration and Development of Digital Economy and Real Economy [J]. Academic Journal of Business amp;amp; Management， 2024， 6（6）.

Cheng J， Wang Q. Research on the Influence of Digital Economy on the Upgrading of Manufacturing Industry in Beijing-Tianjin-Hebei Region of China [C]//Proceedings of the 3rd International Conference on Big Data Economy and Digital Management， BDEDM 2024， January 12-14， 2024， Ningbo， China. EAI， 2024.

Anna T， Marina I， Grigory K， et al. Model of State Support for The Digital Transformation of The Manufacturing Industry in Russian Regions [J]. International Journal of Technology， 2022， 13（7）： 1538.

Wu T， Peng Z， Yi Y， et al. The synergistic effect of digital economy and manufacturing structure upgrading on carbon emissions reduction： Evidence from China [J]. Environmental Science and Pollution Research， 2023， 30（37）： 87981-87997.

Cao L， Pan N， Lu Y， et al. Digital Innovation and Urban Resilience： Lessons from the Yangtze River Delta Region[J]. Journal of the Knowledge Economy， 2024.

Sedita S R， De Noni I， Pilotti L. Out of the crisis： an empirical investigation of place-specific determinants of economic resilience [J]. European Planning Studies， 2016， 25（2）： 155-180.

Tian Y， Guo L. Digital development and the improvement of urban economic resilience： Evidence from China [J]. Heliyon， 2023， 9（10）： e21087.

Wang Y， Xu J， Liu D， et al. Analysis and Comparison of the Industrial Economic Resilience in the Taihu Lake Basin under the 2008 Financial Crisis and the 2018 Sino-US Trade War [J]. Land， 2023， 12（2）： 481.

Sun G， Fang J， Li J， et al. Research on the impact of the integration of digital economy and real economy on enterprise green innovation [J]. Technological Forecasting and Social Change， 2024， 200： 123097.

Liu E， Wang Y， Chen W， et al. Evaluating the transformation of China’s resource-based cities： An integrated sequential weight and TOPSIS approach [J]. Socio-Economic Planning Sciences， 2021， 77： 101022.

張遼， 姚蕾. 數(shù)字技術(shù)創(chuàng)新對(duì)城市經(jīng)濟(jì)韌性的影響研究： 來(lái)自中國(guó)278個(gè)地級(jí)及以上城市的經(jīng)驗(yàn)證據(jù)[J].管理學(xué)刊.2023，36 （5）：38-59.