文摘

本文使用WIOD数据计算和分析中国制造业全球价值链的显性比较优势(GVC)基于WWZ方法和实证研究的影响数字化制造GVC的竞争力。主要研究结果如下:(1)中国制造业的竞争力GVC已得到改进。全球价值链的竞争力不同类型的行业是相当不同:GVC中产阶级和low-knowledge-intensive行业竞争力最高,而那些中产阶级和high-knowledge-intensive产业竞争力和明显的短板行业最低。(2)数字化有利于增强GVC制造业的竞争力。行业而言,数字化对全球价值链的竞争力有重大的积极影响的中产和high-knowledge-intensive行业但不低的知识。至于数字输入的来源,积极的影响更为突出。时也更显著的软件和信息技术服务产业。(3)的作用机制,劳动生产率是一个有效的方法提高制造业竞争力GVC数字。最后,一个健壮性测试后,积极的影响依然强劲的数字输入。

1。介绍

2019年的“政府工作报告”强调:“经济转型的阵痛越来越突出,和结构性问题是显而易见的……有必要培养大量的先进制造产业在全球范围内,促进中国的产业走向全球价值链的高端(GVC)。“国际分工的地位得到强化工作,低收入的工人,和低利润的企业仍处于中、低端GVC,和产业结构和路径依赖等问题不断出现。自2007年以来,在中国经常账户盈余的GDP的比例已经从9.9%下降到不足1%。制造业的扩张路径的优点低土地,劳动力,和其他因素正面临国外技术壁垒和产业结构的风险锁定。附加值的同时,中国的数字经济从2005年的2.6万亿元增加到2019年的35.8万亿元,和其占GDP的比例从14.2%上升到36.2%,年复合增长率为20.6%,使其成为世界上第二大数字经济。数字经济规模的快速增长已成为处理的关键在中国经济的下行压力。的深度集成数字经济和中国经济社会已经成为一个新的经济发展的驱动力(数据来自中国信息通信技术研究所的白皮书对中国数字经济发展(2020年版)https://www.caict.ac.cn/kxyj/qwfb/bps/202007/P020200703318256637020.pdf)。

数字经济主要包括工业数字化和数字工业化。工业数字化是基于数字技术、信息数据作为生产的关键因素,和数据授权为主线,实现产业升级的数字(1]。人工智能、大数据和云计算实现了数字技术促进了智能化、信息化和technologicalization传统产业。此外,它有效地促进了传统产业的转换动能和协作创新,培育新的业务形式,培育新的经济增长引擎,促进传统产业的转型升级。目前,反全球化的影响下,全球新皇冠流行GVC正在进行调整和改造,中国的制造业也迎来了新的发展机遇。提高中国GVC制造业的竞争力,获得更多的价值分布通过制造业的数字化已成为值得进一步讨论的一个重要课题。

为此,本文试图回答以下三个问题通过实证研究制造业数字化和GVC竞争力之间的关系:第一,数字化如何影响制造业GVC竞争力?其次,数字化制造GVC竞争力的影响是如何传播的?第三,不同类型的数字输入对全球价值链的影响制造业的竞争力?

2。文献综述和机理分析

2.1。全球价值链和数字化

GVC提供一个重要的建议方法,分析组织和全球贸易的地理特征,揭示了属性包括全球工业布局、价值创造、分配过程。GVC研究主要集中在量化和产业升级2]。GVC定量研究而言,随着全球生产网络越来越完美,中间加工贸易快速增长,总额统计数据不能反映出实际情况根据全球贸易“支离破碎”。探索真正的附加值一国参与国际分工的贸易,无角的等人提出了垂直专业化的概念(VS)和构造HIY模型来衡量一个国家或地区的真正参与全球价值链分工的(3]。然而,无角的原始模型忽略了进口国的可能性可能会使用一个国家的出口处理生殖(中间产品),而不是直接的最终用途。当计算VS,偏差估计发展中国家的主要产业中间加工贸易。•库普曼等人提出了一个国家的出口(KWW方法)分解方法基于无角的和细分的总贸易出口国家GVC成四个主要类型的增值项目(4),并进一步提出,全球价值链的参与程度指数用来反映一个国家或地区的参与程度在GVC(行业)。此后,WWZ王等人提出的方法扩展KWW方法,并应用它的分解总贸易流动在国家行业水平,双边贸易水平,双边贸易部门级别(5]。在后续研究中,修改后的详细比较优势指数,提出参与指数和向后参与指数提出了进一步改善全球价值链的定量分析系统。全球价值链的产业升级,学者们发现,实现产业升级的主要方法通过参与全球价值链分工体系是:(1)GVC进口的学习效果。的过程中嵌入GVC, GVC参与公司主要进口高科技中间产品。这些中间产品,技术溢出的重要载体,意味着高新技术,先进的生产理念和资本货物的输入,使参与公司学习通过GVC进口。有效地吸收先进的生产技术和管理理念,从而企业可以减少技术引进成本,生产成本、学习成本(6]。此外,边干边学效应的刺激下,促进企业生产技术和管理理念的进一步改善生产、学习和研究;促进生产效率;和促进产业升级7,8]。(2)GVC出口竞争的影响。随着全球生产分工变得越来越精致,越来越多的国家加入了他们,每个国家都有贸易扮演处理(9]。相同的生产中间产品不是由一个国家,垄断和国家互相竞争,导致替代效应,增加他们的出口压力。然而,这种竞争压力将迫使中间制造业积极开展研究和开发,实现创新的生产技术,提高生产效率,并最终促进产业升级10,11]。

在数字经济的快速发展,各国家研究机构和学者先后对数字化的重要作用进行了研究。大多数数字化所涉及的有关文件的早期阶段更倾向于信息化,主要专注于单一的投资信息和通讯技术(ICT)为研究对象12),而数字化是新一代的信息技术应用专注于人工智能,大数据,计算和物联网(13]。数字化和GVC之间关系上的研究已逐渐成为学者们的讨论的重点。例如,艾斯曼等人研究了促进数字化在不同类型的行业,认为数字化可以促进基础产业向价值链的高端攀登,并发现数字化更重要的推广影响中小企业的生产效率14]。帕托等人进行了一项研究数字化和美国制造业,和相信制造业降低生产和运营成本通过数字服务和提高制造业价值链(15]。x z z Du和j·杜认为第四次工业革命以数字技术促进了传统制造业的变换,分解、集成、GVC和创新,改变了各个环节的附加值GVC [16]。沈和金相信数字价值创造方法创新国际贸易利益的分配通过替换和嵌入数字产品,这将影响到全球价值链分工(17]。他用WIOD数据库调查数字化的影响中国制造业的升级和重建,发现增加数字投资可以显著促进高端制造业(18]。阿西莫格鲁等人研究了数字技术对企业的影响从情报的角度,发现企业嵌入更多情报可能获得更多附加价值19]。

2.2。数字化制造GVC机制的分析

关于豪斯曼等的分析框架。’s“价格发现”模式,GVC的一般理论模型建立了秋等人旨在讨论一个国家的出口行业的生产效率的因素从微观的角度,探索影响全球价值链的制造业20.,21]。假设技术进步是希克斯中性,规模报酬不变的柯布-道格拉斯生产函数,一个国家的出口部门显示如下:

在这里,K,l,N分别代表资本、劳动力和其他资源。他指的是全要素生产率公式,技术水平 ,一个结合这些技术生产方式参数的因素,0≤一个≤k,一个均匀分布,k,代表了一个国家的技术禀赋。更大的价值k,潜在的生产效率越高,一个国家的企业,这意味着企业可以完成产品技术复杂性高,这有利于企业在全球价值链的高附加值环节。假设k取决于一个国家的外部知识O(如贸易、FDI技术溢出效应等),内部知识我(如资本深化、人力资本等),以及其他因素D(如数字输入、市场化等)影响。也就是说,“k=F(O,我,D)。发现成本”的原则,“当生产新产品,企业我可以选择独立研发或简单地模仿现有的类似产品。

假设现有产品的最优生产效率一个米,模仿企业的效率我是t0 <t< 1。一个我的生产效率水平吗我企业。如果一个我≥助教米,企业我会选择独立的研究和开发,否则它会选择模仿其他企业的产品。

假设目前有米公司总共, ,那么企业的概率我选择模仿和预期的技术参数

以同样的方式,我们可以得到的概率和预期价值的独立研究和开发的技术参数我企业:

因此,技术参数的期望值一个出口部门可以获得:

用方程(5)方程(3)可以引起生产效率水平的一个国家的出口部门,然后构造的功能部门GVC的影响因素:

公式(6)表明,出口部门的生产率(这决定了GVC竞争力)主要取决于外部知识,同时影响的内部知识,和其他元素。它可以推断数字嵌入在出口部门可以影响任何上述因素,它会影响出口部门的生产效率。也就是说,它将对全球价值链的竞争力产生影响的出口行业。这同样适用于扩大到工业的水平。基于现有的研究,本文认为,数字化主要影响制造业的竞争力GVC通过以下三种方式。

2.2.1。数字化的成本效果

在国际贸易中,贸易双方往往受到空间地理距离,语言和文化,和更高的交易成本,如搜索和谈判。高交易成本限制自由流动的元素,如中间输入和跨地区的高端人才。数字化信息化实现了数据,应用platformization和量化的信息海洋与数字技术基于建造的基础设施和相关服务的“云”,打破时间和空间限制的国际贸易的各个方面,减少的困难寻找贸易伙伴,促进双边市场多边市场的扩张,并促进企业形成规模经济和范围经济,同时减少中间交易成本。同时,企业可以有效地把握市场交易通过大数据分析,然后意识到有效的匹配服务市场竞争和产品定价。此外,数字技术基于互联网也遵循摩尔定律(17]。根据摩尔定律,计算机芯片的处理性能大约每18个月增加一倍,价格下降了一半,也就是说,数字技术的进步将越来越多地降低生产成本,提高竞争优势。

2.2.2。数字化的配置效果

数字技术的特点是高复现性、高通用性,包容,包容,这可以极大地提高企业生产要素的流动性,并使材料资源,信息资源,实现精确的分配以较低的成本和更高的效率1]。企业使用大数据,人工智能,区块链,物联网,和其他自动化,信息,和平台应用,实现部分替代原nonautomated, noninformation, nonplatform,和其他低端生产要素,优化企业的智能制造能力,提高企业的生产效率和使用国内生产的最终产品在其他国家的生产要素(22,23]。数字技术在传统产业的不断嵌入有助于提高工业服务渠道,实现生产、销售、服务、和其他平台的链接和自动化,以满足消费者和市场的偏好24]。此外,在低端的生产环节,低端劳动力的替代实现劳动力的平均质量的增加和高级生产要素的比例有利于行业提高全要素生产率和资本回报率,扩大行业的竞争优势,实现高端GVC [25]。

2.2.3。数字协同作用

新的数字化带来的发展势头,如5克,大数据,人工智能,和互联网的一切,已经极大地改变了传统的商业模式。随着GVC分工更加详细和深入,越来越多的国家将企业融入全球生产网络。数字技术,如人工智能和互联平台,带来了“面对面”的沟通形式,如网络会议、远程协助、网路广播,消除通信约束的空间距离;实现不同的国家和不同的价值链之间的企业数据共享链接;促进合作研究与发展,同步决策;合作分工,提高效率(26,27]。实时交互和自动化功能带来的数字化的控制可以有效地优化的最优生产组合产品;自动实现生产分布、质量检验和提高分工的效率;和降低合作成本的操作。数字化带来的大数据分析可以极大地丰富的决策信息企业,给企业灵活应对市场变化的能力,为决策者减少决策风险,扩大企业竞争优势,实现生产经营效率的提高(28,29日]。

总之,尽管现有的文献已经认识到数字化在GVC分工的影响,数字化和GVC之间的关系的实证研究需要进一步探讨。这些以下几方面值得改进:

首先,有许多文件选择GVC参与或地位指数测量GVC分工时,但很少有学者认为工业竞争力的角度(优势)。正因为如此,本文的解释变量是衡量显示比较优势指数考虑工业GVC的竞争力和数字化和GVC之间的关系的研究开辟了一个新的视角,这反过来,开辟了一个新的视角研究数字化和GVC之间的关系。

第二,大多数的文献仍然使用固定电话普及率,手机普及率,电脑普及率,宽带普及率和其他变量测量数字化时缺乏特异性和及时性。尽管一些文档使用更权威的数字来衡量投资,他们被迫在数据可用性。数字的定义投资太小,可能影响数字化估计太小了。只有检查从数字化的总程度的角度。正因为如此,本文扩展了数字输入的定义在先前的研究中,不同来源和类型的数字输入,并进一步实证探讨了异构数字化从不同的来源和类型的影响。

第三,现有文献很少提出具体的传输路径分析数字化制造业GVC的影响。针对这一点,本文将进一步探索数字制造GVC传输路径的实证部分。

第四,大多数的文献主要集中在国家或省级。这种治疗太宏观,捕捉更多的微观信息,它是具有挑战性的,形成特定于行业的政策启示。因此,本文在行业层面,深入分析了数字投资和GVC制造业和细分行业的竞争力,和政策的启示提出了该行业更切合实际和可行的。

因此,本文的主要贡献如下:首先,从显示比较优势的角度分析了数字化对劳动分工的影响,制造业GVC的传输路径,本文丰富了有关研究的数字化和GVC。其次,本文扩展了数字化的定义在先前的研究中,并定义和措施从三个角度:数字化软件和信息技术服务,电子通信和光学制造和电信,和行业的竞争力从GVC的角度在不同知识密集型的产业。第三,除以国内、国际和各种类型的数字输入,异质性的影响不同的数字输入制造业GVC进行了分析。

3所示。研究方法和数据

3.1。研究方法
3.1.1。GVC-Related指标的测量基础

目前,基于国际贸易的附加值的分解方法可以充分考虑全球产品的细分过程生产和反映一个国家的真正的附加值的工业出口。其中,WWZ方法分解国际贸易流入外国附加值,出口附加值,返回国内附加值,和纯双计算的方式吸收国际贸易产品和最终使用的地方,它实现了增值流的详细分析在国际贸易的各个方面(30.]。本文使用WWZ方法揭示了GVC通过投入产出模型的增值流的三个国家,然后获得GVC-related指数的计算基础。描述的方法简要表1。

表1
投入产出模型的三个国家一般。

其中,下标s、r和t代表s, r和t州,分别。Z代表了中间产品输入矩阵。Y代表了最终产品使用矩阵。弗吉尼亚州是附加值行向量。C代表的总输出列向量。上标“′”意味着矩阵转置。Z老,Y老弗吉尼亚州年代,C年代代表的国家的出口产品所使用的国家R作为中间产品,至于最终用途的部分,分别年代国家的附加值和输出。从使用的角度来看一个国家的方向输入和输出,有以下平衡:

基于投入产出模型,输入系数矩阵被定义为 ,的上标“∧”意味着对角化,那么:

古典Lyontief公式可以通过调整公式(8),输入系数矩阵:

其中,B( )里昂惕夫的逆矩阵。根据公式(9),从国家到国家出口中间产品R可以分解根据最后的吸收位置和吸收通道如下:

类似地,中间产品可以分解根据不同来源的附加值和最终用途。首先,定义增值系数 。同样,我们可以得到 和 。增值系数矩阵如下公式:

上述公式的结果是一个1∗3矩阵,和每个元素是1。的年代,我们得到如下:

E老代表了中间产品和最终的出口国家出口国家R。E老=一个老Cr+Y老。同样,我们可以得到E圣。然后,国家的总出口可以表示为:E年代=E老+E圣=一个老Cr+Y老+一个圣Cr+Y圣。因此,公式(8)可以改写如下:

公式(13)可以调整获得里昂惕夫的经典公式和单一国家的里昂惕夫逆矩阵模型。让l党卫军代表国家的国内里昂惕夫逆矩阵,l党卫军= (我−一个党卫军)−1,我们可以获得国家的里昂惕夫逆矩阵R和t .根据公式(13),中间产品从国家到国家出口R可以获得如下:

结合公式(10),(12)和(14),出口总额的分解年代国家R可以获得如下:

上面的公式代替国际中间产品增值系数的分解。根据出口的附加值和最终使用的地方,它可以分为16个附加值和重复计算部分。总贸易会计算法的结构图如图1。


图1
总贸易会计方法的概念框架。
3.1.2。的方法计算GVC中国制造业的竞争力

贸易附加值的计算基于投入产出模型中,人们很自然地涉及一个国家的的计算显示比较优势指数(RCA)。RCA指数反映了某一行业的比较优势的国家和实际结果形成的竞争优势。,这是一个重要的指标来衡量GVC在业界的竞争力(优势)。RCA指数之比等于一个国家的工业生产的出口价值其出口产品总额除以比率的全球出口工业产品的价值产品的出口总额。WWZ方法基础上,王等人综合考虑国内和国际分工的生产出口产品,排除了纯粹的双重计算在总出口和外国附加值的一部分,和修正传统的RCA指数(5]。公式如下:

其中, 代表了国内出口的附加值我工业国家。 代表的总和所有行业的国内增加值出口国家。 代表了国内增加值出口全球我行业。 代表国内增加值之和的出口世界上所有行业。一般来说,RCA指数的值大于1,这表明该行业的贸易出口显性比较优势和国际竞争力在全球上游水平。RCA指数小于1,行业和贸易出口占主导地位的比较劣势,没有国际竞争力。

3.2。数据源

制造业GVC-related指标的原始数据参与论文都从世界投入产出数据库(WIOD)。WIOD GVC-associated指标计算时是一个广泛使用的数据库。最新的数据库涵盖了2016年版56行业数据集从43个经济体在世界各地,与统计口径一致的和可靠的数据来源。

4所示。中国的制造业GVC竞争力的动态演化

图2显示了一个横向比较分析中国制造业之间的RCA指数和世界其他主要经济体(美国、日本、德国、英国、俄罗斯、韩国、印度尼西亚)从显性比较优势的角度(RCA)。从图可以看出2,中国的制造业RCA指数排名,其中RCA排名实现稳定增长从2002年到2007年。这表明中国制造业的国际竞争力不断提高。中国的RCA排名下降波动从2008年到2014年。与此同时,印尼,日本,德国,韩国RCA指数显著升高。这一结果表明,在金融危机后时代,发达国家的“投资回报”,产业转移,发展中国家工业化的崛起削弱了在中国制造业全球价值链的竞争。此外,RCA的排名,可以发现,制造业在俄罗斯,英国,和美国已经严重掏空了,与中国、日本、德国和韩国在制造业拥有明显的竞争优势。


图2
RCA世界主要经济体的全球排名。

上述分析结果是基于中国制造业的总体RCA指数排名。有必要分析中国制造业的RCA指数更详细地了解中国制造业的微观状态GVC竞争力。因此,本节进行横向和纵向的比较分析制造业subndustry RCA指数的水平,形成了一个更详细的和三维的理解制造业GVC的竞争优势。

数据3- - - - - -5显示中国制造业的RCA排名相同类型的细分行业在全球43个国家,按行业知识强度(在这里,我们学习他的制造业分类方法和分类根据他们的知识及强度。其中,low-knowledge-intensive行业包括C05、C06 C07, C08, C09,中期和low-knowledge-intensive行业包括C10, C11、C12 C13、C14, C15, C16, C22,中期,和high-knowledge-intensive行业包括C17,使用C18, C19,甜,C21)。从图可以看出3low-knowledge-intensive行业的“两极分化”的现象,也就是说,纺织、服装、皮革制品制造(C06),最突出的RCA。2003年以后,纺织、服装和皮革制品制造RCA在世界上排名第二。印刷和记录媒体的RCA繁殖(C09)行业暴跌2002年之后,一旦跌至26日早在2008年,排名仍然很低。木制品加工(C07)和纸产品的(C08)稳步RCA排名,排在大约15位。RCA在食品、饮料和烟草行业(C05)拒绝在2008年之后,排名23岁左右。从图我们可以得到以下结果4。在RCA在低收入和高稳定性中级知识密集型的行业,化工原料和化工产品生产(C11),主要金属制品行业(C15),家具和其他制造业(C22)排名在前十。炼焦和石油行业(C10),橡胶和塑料工业(C13)和非金属矿产行业(C14)排名15左右。主要的制药行业(C12)和焊接金属制品(C16)排低约30位。从图我们可以得到以下结果5。除了电脑和电子产品制造业(C17), RCA排名稳定在前5,表现出强劲的竞争力。其他行业的RCA排名有明显的波动。RCA排名上升,然后下降。其中,机械和设备制造(C19)和其他运输设备制造业(C21)是最突出的,和RCA排名更低。汽车制造业(甜)仍在经历一个稳定上升阶段表现不佳,排名25左右。

为了有一个更直观的垂直的理解GVC在制造业领域的竞争优势,数字6从的角度比较了RCA指数意味着国内制造业细分行业。从图我们可以得到以下结果6。low-knowledge-intensive行业、纺织、服装和皮革制品制造(C06)和木制品加工(C07)有强烈GVC分工的竞争力。RCA指数分别为3.154和1.806,分别。纸和造纸工业(C08) RCA指数小于1,表明GVC在业界的竞争力低于全球平均水平,在令人满意的水平。虽然其余行业的RCA指数是1,大多数行业的RCA指数是1,而且没有明显的竞争优势。在低收入和medium-knowledge-intensive产业,除了主要的制药行业(C12)和焊接金属制品(C16)、RCA指数没有达到1,和其他行业都超过了1,包括橡胶和塑料工业(C13)和非金属矿物产品。行业(C14),主要金属制品行业(C15),和家具和其他制造业(C22) RCA指数是最重要的,达到1.465,1.640,1.694,和1.776,分别。全球价值链的竞争力这些行业不仅在全球上游水平也具有显著的竞争优势。high-knowledge-intensive产业、RCA指数的计算机,电子产品制造业(C17),和电子设备制造业(C18)是最突出的。RCA指数分别为1.694和1.618,表明该行业的GVC竞争力在全球上游水平和优势意义重大。 Machinery and equipment manufacturing (C19) RCA index has just reached 1, and its value is 1.112, which means that its GVC competitiveness is not significant. Other transportation equipment manufacturing industry (C21) and automobile manufacturing industries (C20) have poor GVC competitiveness performance. The RCA indexes are 0.409 and 0.646, respectively, which means that these two industries are not only lower than the global average level but also have a significant gap.


图3
RCA low-knowledge-intensive行业全球排名。

图4
RCA低收入和中级知识密集型行业的全球排名。

图5
全球排名RCA high-knowledge-intensive产业。

图6
中国制造业的平均RCA指数。

从分析结果可以看出,中国的制造业RCA指数,中国制造业的竞争力GVC有所改善,排名高。在产业方面,中国制造业全球价值链竞争力是不均匀的。低收入和medium-knowledge-intensive产业有更重要的GVC竞争力和稳定的竞争优势。low-knowledge-intensive产业和中期和high-knowledge-intensive产业薄弱GVC竞争力和显著的缺点。

5。GVC数字化建设竞争力实证研究在制造业

5.1。模型设定和数据来源
5.1.1。模型设置

为了检验数字化的影响中国制造业的竞争力GVC和异质性不同的数码效果,基于模型设置的李和他(31日,32),实证模型如下:

其中,我和t分别代表行业和年; 代表了截距项; 代表时间固定效应; 代表了个体固定效应; 代表了残余项;和 代表了控制变量。

解释变量以RCA指数来衡量,可以准确反映一个国家的竞争优势的产业在全球价值链分工。它是一个重要的指标来衡量行业GVC的竞争力。解释变量的核心是数字化。基于以前的研究定义的数字化制造行业(23- - - - - -31日),本文扩展了数字化的范围。制造业的数字化定义为电子通讯制造业及相关信息服务。结合数据可用性,它是通过测量输入的软件和信息技术服务,电子通信和光学制造、电信通讯等。

在公式(17),核心GLO_DIGI解释变量我,不代表了全球行业所使用的数字输入我年t。在公式(18),CHN_DIGI我,不代表了国内行业所使用的数字输入我年t。在公式(19),INT_DIGI我,不代表国际行业所使用的数字输入我年t。在公式(20.),TELE_DIGI我,不代表了行业所使用的电信行业的投资我年t。在公式(21),SOFT_DIGI我,不代表行业我,软件和信息技术服务业的用量。在公式(22),POST_DIGI我,不代表的电子通信和光学制造行业中使用的输入我年t。控制变量包括海外需求(各大剧院巡回演出),输出规模宏大,资本存量(教父)和因子回归(偿还)。在这个行业,海外需求是衡量行业出口规模、产出规模的工业产出规模,产业资本存量资本存量,因素返回由工业劳动的回报。

5.1.2中。数据源

GVC-relevant原始数据用于本文已从WIOD、和控制变量的原始数据从社会和经济WIOD的账户。标准化处理,消除的影响维度和数量级。样本数据时期是2000 - 2014。变量的描述性统计如表所示2。

表2
变量的描述性统计。
5.2。结果分析
5.2.1。基准模型试验

表3结果的估计公式(17)控制工业和一年使用的固定效应面板数据固定效应模型。

表3
基线回归估计。

表3显示顺序列(1)(5)添加到控制变量的回归。它可以发现GLO_DIGID的估计系数我,不总是相当积极的,这证明了增加在数字输入在制造业有积极影响行业的明显的比较优势。促进效应意味着制造业的扩张规模的数字是增强竞争力的制造业GVC有利。此外,偿还的估计系数我,不和CAPIL我,不明显阳性,表明资本存量和因素回报有积极的促进作用占主导地位的制造业的比较优势。也就是说,同时也有助于提高制造业GVC的竞争力。SCAIL的估计系数我,不总是显著负,表明出口规模的增加并不显著影响制造GVC的竞争力。这从侧面也反映了中国是一个制造业的国家而不是制造业大国。不出口的规模扩大制造业价值链的竞争优势。

5.2.2。检查数字输入源的分类

上面的讨论是基于全球数字输入的角度。应该注意的是,所带来的规模经济和范围不同的数字输入可能不同,这可能会改变制造业的竞争力GVC以不同的方式。因此,为了区分不同的数字输入的影响竞争力的制造业gvc,本节将全球数字输入源和行业类型。国际数字输入分为国内数字输入和数字输入根据起源的源头。根据类型的行业,它分为数字输入电信、数字输入软件和信息技术服务,电子通信和光学制造和数字输入。实证结果如表所示4。

表4
估计结果的输入来源。

在表4(6)列和列(7)的估计结果公式(18)和(19),分别。我们可以发现CHN_DIGI的估计系数我,不和INT_DIGI我,不都是积极的,通过1%的显著性检验。这个结果表明,国内数码投资和国际数码投资产生重大积极作用在促进制造业的明显的比较优势,这意味着增加生产的集成与国内外数字化将提高该行业的GVC竞争力。

进一步,基于实证测试结果,可以发现INT_DIGI的估计系数我,不的估计系数明显大于CHN_DIGI吗我,不,表明使用国际数字输入生产的积极作用大于积极影响使用国内数字输入。,这意味着国际数字输入更为有益增强GVC制造业的竞争力。

原因是全球价值链分工体系涉及贸易活动在世界的不同地区,与国际数码投资更有利用于构建桥梁为国际贸易活动和提供更高效的服务。列(8)(9),列和列(10)的估计结果公式(20.)、(21)和(22),分别。它可以发现TELE_DIGI的估计系数我,不,SOFT_DIGI我,不,POST_DIGI我,不都积极和通过1%的显著性检验,表明电信行业的数字输入,数字输入的软件和信息技术服务业,和数字化电子通信和光学制造业。所有输入有重大的积极的促进作用占主导地位的制造业的比较优势,这意味着不同类型的数字输入都有助于提高中国制造业的全球价值链的竞争优势,实现GVC上升。进一步分析发现,估计SOFT_DIGI系数我,不大于其他两个的估计系数,通知数字软件和信息技术服务产业的投资效果最大制造业GVC竞争力的提高。原因在于,软件和信息技术服务业是更重要的生产因素的国际分工体系。这背后的原因是很明显的,包括其技术更新迅速,应用领域广泛,渗透能力强,资源消耗低,它可以实现人力资源的充分利用。

5.2.3。检查按行业类型

上面的讨论是基于整个制造业。为了进一步区分不同类型的行业,本节将制造业分为low-knowledge-intensive行业,低收入和medium-knowledge-intensive行业,中期和high-knowledge-intensive-industries。它探讨了数字化对全球价值链的影响;获得的结果如表所示5。

表5
按照行业类型估计结果。

在表5列(11),(12)列,和列(13)对应的估计结果low-knowledge-intensive行业,低收入和medium-knowledge-intensive行业,分别和中期和high-knowledge-intensive行业。从表可以看出5,GLO_DIGI我,不有显著差异在促进GVC在不同类型的产业竞争力。low-knowledge-intensive行业、GLO_DIGIi的估计系数t并不显著,表明数字投资并不显著影响全球价值链的竞争力这种类型的产业,这意味着它是不可能的,我们要加强GVC增加数字low-knowledge-intensive产业规模竞争力。原因是low-knowledge-intensive产业是劳动密集型的,但同时有很大的劳动力比较优势。不容易嵌入数字技术在这种类型的行业,和数字化带来的红利是不足以弥补减少的劳动力竞争优势取代劳动。相应地,GLO_DIGI的估计系数我,不明显积极的中低和知识密集型行业中,表明数字投资一个重要的角色在促进全球价值链的竞争力这两类行业。和中级到高级的知识密集型产业可以增加GVC竞争力增加工业数字投资。与低收入和medium-knowledge-intensive low-knowledge-intensive产业和行业,中期和高知识密集型产业劳动强度较低强度和更高的资本和技术,使其更容易实现行业数字化,实现通过数字化工业分工。协同效率的提高和生产成本的大幅削减将消耗劳动力成本优势在较小程度上,使数字化的正面影响大于负面影响。

5.2.4。健壮性测试

为了测试以上实证结果是否健壮和数字化制造的竞争力的影响是否GVC是正的,以下本文进行了鲁棒性测试。回归结果如表所示4和6。(1)使用不同的解释变量指标。取代全球数字输入(GLO_DIGI核心解释变量我,不与国内数字输入(CHN_DIGI)我,不),国际数字输入(INT_DIGI我,不)。估计结果显示在列(6)和(7)列在表中4。可以看出CHN_DIGI的估计系数我,不和INT_DIGI我,不是积极的,并使用GLO_DIGI系数的意义是一致的吗我,不的鲁棒性,从而验证结论。(2)增加控制变量。一些研究提出一个有效的方法来提高企业的核心竞争力,提高劳动生产率和创新能力。为了减少造成的估计偏差缺乏控制变量,结合数据的可用性,本文增加了行业研发支出和人均产出作为控制变量来衡量产业创新能力(RD)和劳动生产率(PRD) (33,34]。回归结果表(14)所示列6。可以看出,估计系数的符号和意义的核心解释变量没有改变显著,从而验证结论的可靠性。(3)使用不同的解释变量指标。全球价值链地位指数(GVC_POS)王等人提出的取代GVC_RCA [35]。全球价值链地位指数用来衡量全球价值链分工的地位一定产业在一个国家。指数越大,国际分工地位越高,反之亦然。回归结果表的列(15)所示6。可以看出GLO_DIGI的估计系数我,不明显阳性,表明数字投资有利于促进在制造业全球价值链分工地位,从而验证结论的稳健性。(4)内源性测试。为了解决模型中可能存在的内生性和因果关系,核心解释变量滞后一期,分别使用GLO_DIGIi,由一个周期re-regression t滞后,两阶段最小二乘(2 sls) re-regression。回归结果显示在列(16)和(17)在表列6。结果表明,估计系数的符号和意义的核心解释变量相关摘要大幅没有改变,从而验证结论的可靠性。

表6
鲁棒性测试。
5.2.5。中介效果测试

根据机制理论模型的分析,可以看出数字化可以减少交易成本和生产企业通过成本效应,提高劳动力生产效率的分工通过分配效应和协同效应,并扩大竞争优势的行业。为此,本文运用引导中介效应温家宝你们提出的测试方法测试传导路径(36]。结合数据可用性,本文以工业劳动生产率作为中介变量,和测试结果如表所示7。从表可以看出7引导的估计系数的直接影响和间接影响都是积极的,有意义的测试,通过了1%和5%,分别表明劳动生产率的中介效应是显著的,这意味着数字化可以提高工业劳动生产率达到GVC竞争力的提高。同时,它证明了积极影响的数字化制造GVC强劲的竞争力。

表7
引导中介效应测试。

6。结果和政策影响

本文使用WIOD的面板数据来计算GVC显性比较优势指数对中国制造业通过WWZ方法,分析了影响制造业的数字化在价值链的竞争力从机制的角度分析和实证测试和检查的结果鲁棒性测试。主要结论如下:第一,通过重建制造业GVC竞争力,发现中国制造业的总体竞争力GVC显示了一个两阶段的上升和下降趋势,第二阶段是弱于第一阶段,并取得了全面改进。在工业方面,GVC的竞争力是不同的。低收入和medium-knowledge-intensive行业最强,其次是low-knowledge-intensive行业,和中期和high-knowledge-intensive行业最弱,和一些行业严重缺乏竞争力。第二,数字投资有很大的积极作用促进制造业GVC的竞争力。来自不同来源的数字输入而言,积极的影响仍然很大。国际数字输入的积极效应大于国内的一个。软件和信息技术服务业的积极效应大于的电信、电子通讯、和光学制造。第三,在不同的知识密集型行业,数字化显示差异的影响。在low-knowledge-intensive行业,数字化的积极作用并不显著。 In both low- and medium- and medium- and high-knowledge-intensive industries, digitalization can significantly improve the industry’s GVC competitiveness. Fourth, the mediation effect test shows that labor productivity is an effective way to enhance the competitiveness of China’s manufacturing GVC digitally.

本文的结论提供了一定的实证参考的数字发展中国制造业竞争力从价值链的角度。本文的核心观点是,过程中积极促进制造业的数字化,我们不仅要避免泛化的不同来源和不同类型的数字输入,也避免推广不同的知识密集型产业。它主要包括以下两点:

首先,大力发展数字基础设施建设,减少数字投资制造业的门槛。外部条件增加了制造业的数字输入增强GVC的竞争力是一个国家拥有先进的大型数字基础设施。这种状况需要政府增加金融数字基础设施建设的投资,升级高精度数字技术,减少数码行业的投入成本,帮助推广数字应用程序。

第二,促进制造业数字化需要遵循的数字输入和行业差异。的过程中增加了制造业的数字输入,不仅需要关注国内数字输入,还在国际数字输入。同时,数字化应该有选择地嵌入在不同类型的产业为了最大化效用的数字化,如更多的嵌入式数字化在低收入和中期和中期和high-knowledge-intensive行业,和数字low-knowledge-intensive行业投资应该减少。

数据可用性

数据可从中国信息通信技术研究所的白皮书对中国数字经济发展(2020年版)https://www.caict.ac.cn/kxyj/qwfb/bps/202007/P020200703318256637020.pdf。在这里,我们学习他的制造业分类方法和分类根据他们的知识及强度。其中,low-knowledge-intensive行业包括C05、C06 C07, C08, C09,中期和low-knowledge-intensive行业包括C10, C11、C12 C13、C14, C15, C16, C22,中期,和high-knowledge-intensive行业包括C17,使用C18, C19,甜,C21。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是由国家社会科学基金重大项目(批准号15 zda009),安徽省自然科学基金项目(批准号。1808085 mg218;1908085 mg231)高校优秀青年人才支持计划(批准号2019年gxyq2019024), 2020年安徽省社会科学联合会研究项目(批准号2020 cx066),和安徽财经大学学校科研基金项目(批准号ACYC2019154)。