产业结构趋同、数字技术创新与经济高质量增长.pdf

?2024 年第 2 期产业结构趋同、数字技术创新与经济高质量增长李小花（内蒙古农业大学，内蒙古 呼和浩特 010020）摘要：选取 20072021 年中国 30 个省级面板数据，构建了“产业结构技术创新经济增长”的分析框架，实证分析产业结构趋同、数字技术创新与经济高质量增长的关系。研究发现，产业结构趋同与经济高质量增长具有倒“U”型非线性关系；数字技术创新正向影响经济高质量增长；在产业结构趋同影响经济高质量增长过程中，数字技术创新发挥倒“U”型调节效应和门槛效应；产业结构趋同与数字技术创新对经济高质量增长的影响作用存在明显区域异质性。基于此，提出加快推动数字技术创新与应用、合理优化区域产业布局、高位驱动数实融合的建议，以期为推动经济高质量增长提供有益参考。关键词：产业结构趋同；数字技术创新；经济高质量增长中图分类号：F690文献标识码：A文章编号：1004-292X（2024）02-0144-09Convergence of Industrial Structure，Digital Technology Innovation and High Quality Economic GrowthLI Xiao-hua（Inner Mongolia Agricultural University，Hohhot Inner Mongolia 010020，China）Abstract：Select the panel data of 30 provinces in China from 2007 to 2021,constructs an analytical framework of industrial struc-turetechnological innovationeconomic growth to empirically examine the relationship between convergence of industrial structure,digital technological innovation and high-quality economic growth.Research has found that there is an inverted U-shaped nonlinearrelationship between the convergence of industrial structure and high-quality economic growth.Digital technology innovation has a positiveimpact on high-quality economic growth.In the process of industrial structure convergence affecting high-quality economic growth,digitaltechnology innovation plays an inverted U-shaped regulatory effect and threshold effect.There is significant regional heterogeneity inthe impact of industrial structure convergence and digital technology innovation on high-quality economic growth.Based on this,suggest-ions are proposed to accelerate the promotion of digital technology innovation and application,reasonably optimize regional industriallayout,and drive the integration of data and reality at a high level,in order to provide useful references for promoting high-quality econ-omic growth.Key words：Convergence of industrial structure；Digital technology innovation；High quality economic growth一、引言及文献综述经济高质量增长要求“质”与“量”协调统一，既关注短期经济效益增长，亦强调长期可持续发展，最终体现为社会福利分配改善1。党的二十大报告指出，我国当前的主要目标任务是“经济高质量发展取得新突破”，并强调要“推动经济实现质的有效提升和量的合理增长”。据国家统计局发布数据，2022 年我国产业、贸易、消费、投资等领域的发展结构调整速度加快，高技术产业投资增长 18.9%，较全部投资增速高 13.8%；实物商品网上零售额增幅达 6.2%，居民消费逐步恢复，经济循环链条进一步畅通。尤其是进入数字经济时代，以改变微观层面商业模式、生产流程、产品形态以及组织结构为主要特征的数字技术创新成为经济高质量增长的重要支柱，对各领域产业与经济发展影响重大。不可忽视的是，伴随经济持续高质量增长，产业结构趋同现象日益凸显。产业结构趋同虽然能在短期内推动经济增长，但长期来看会加剧产业同质化竞争和资源浪费，不利于经济高质量增基金项目：内蒙古自治区高等学校科学研究项目（NJSY21512）。作者简介：李小花，博士，内蒙古农业大学，研究方向：产业经济。144长。值此全面建设社会主义现代化国家开局起步的关键时期，厘清产业结构趋同、数字技术创新与经济高质量增长的内在逻辑关系，对实现高质量发展具有重要现实意义。本研究与以下几类文献密切相关。一是产业结构趋同及其外部效应。李桢(2012)分析指出，产业结构趋同是产业分工深化与空间布局过程中普遍存在的产业经济现象，主要指产业数量比例、产业定位、产业烈性与产业结构等方面趋于一致2。此前，已有大量国内外学者从不同视角探讨了产业结构趋同的形成原因3，4、影响因素5-7。伴随经济社会快速发展，由产业结构趋同产生的外部经济效益受到广泛关注。余东华和张昆(2020)研究认为，产业结构趋同是造成过度竞争的重要原因，会引致产能过剩和盲目建设，阻碍产业结构升级8。宣烨和吴乐文(2022)研究发现，由于产业结构变动具有滞后性，产业结构趋同能够在一定阈值范围内促进经济增长9。整体而言，关于产业结构趋同的研究已较为完善和系统，但关于产业结构趋同的社会经济效应研究尚待完善，需进一步挖掘和补充。二是数字技术创新与社会经济发展。孟庆时等(2021)研究认为，数字技术创新是以技术体系变革和技术融合为主的去中心化、网络化创新合作过程，是对产业价值网络的重新定义，对新一代信息技术产业升级具有重要影响10。孙勇等(2022)研究提出，数字技术创新对各区域产业结构具有不同程度的正向影响；数字技术创新的空间滞后项显著负向影响产业结构升级11。程聪等(2022)研究发现，数字技术可供性对企业数字创新价值范围与价值强度具有积极影响12。罗佳等(2023)分析认为，数字技术创新可直接促进制造业企业全要素生产率提升，还可通过提升企业资源配置效率和创新效率，间接推动企业全要素生产率提升13。孙学峰(2023)研究认为数字技术创新已逐步成为大国战略竞争转型的核心驱动力，也是数字时代国际战略竞争的重要支点14。综上，关于数字技术创新与社会经济发展的探讨主要集中于微观产业层面和国际化竞争优势建立层面，尚未涵盖数字技术创新的宏观经济效应。针对于此，文章从以下两方面拓展相关领域研究：第一，基于外部性视角，从理论与实证两方面分析产业结构趋同对经济高质量增长的影响。第二，将数字技术创新嵌入产业结构趋同与经济高质量增长的关系逻辑框架，构建交互效应模型与门槛模型，剖析数字技术创新的调节效应和门槛效应，以揭示产业结构趋同与经济高质量增长之间的关系“黑箱”。二、研究假设产业结构趋同所呈现的规模经济和外部性，对经济高质量增长具有重要影响。从作用轨迹来看，产业结构趋同的经济增长效应具有显著非线性特征。一方面，当产业结构趋同程度较低时，产业同构的正外部性占据主导位置，对经济高质量增长具有驱动作用。某一区域在“诸侯经济”陷入囚徒困境时，会出现产业结构趋同现象，进而推动经济增长15。在产业结构趋同化发展初期，受到市场竞争、地区资源禀赋相似性等因素影响，区域间产业逐步呈现同构化发展。此过程中，各类生产要素流动性得以增强，并由此产生知识与技术溢出效应，促进产业间沟通与交流。这能够有效提升区域内资本回报率，进而推动经济高质量增长。另一方面，当产业结构趋同程度超过一定阈值之后，产业同构的负外部性占据主导位置，对经济高质量增长产生抑制作用。伴随产业结构趋同程度不断提升，社会产业整体布局呈现高度相似性发展，抑制各地区比较优势发展，阻滞规模经济产生。同时，产业结构趋同程度过高会导致各地区市场重复建设与市场分割，不仅会造成资源浪费，还会引致产业间比例失衡，扰乱产业分工秩序，增加产生结构升级和经济发展方式转型的成本，不利于经济高质量增长。由此，提出以下假设：假设 H1：产业结构趋同对经济高质量增长具有倒“U”型影响。数字技术创新是在传统产品、过程、商业模式以及组织创新基础上，对创新流程、创新支撑以及创新边界等线性因果关系的突破16，能够为经济高质量增长带来积极影响。第一，数字技术创新能够通过技术组合实现技术进步，以创新网络化赋能经济高质量增长。数字技术创新具有组合性特征，能够实现资本密集型与异质性技术知识跨学科、跨组织流动与组合，以创新资源集中配置促进经济主体实现高联通和高密度的网络化创新合作。这有助于推动技术结构升级，为经济主体抢占创新竞争高地提供有效支持，进而赋能经济高质量增长。第二，数字技术创新能够以自我迭代更新促进技术升级，以产品与工艺改进推动经济高质量增长。得益于数字技术可重新编程与数字同质化特性，数字技术创新具备自成长性，能够不断优化、完善相关技术，推动新产品与新型服务快速迭产业结构趋同、数字技术创新与经济高质量增长145?2024 年第 2 期代，满足消费市场日益增长的智能化、数字化产品与服务需求。此过程中，产业价值与经营效益得以不断提升，有助于激活经济高质量增长的内生动力。第三，数字技术创新可打破传统创新边界，以高度融合性推动经济高质量增长。数字技术具有高度渗透性与融合性特征，使得数字技术创新活动能够打破传统产业、组织边界，实现开放式、融合式创新。此过程中，各类创新主体能够参与不同领域创新合作，有效提升技术升级速度和创新效率，减少重复研发和创新冗余，提升资源要素利用效率，助力经济高质量增长。据此，提出如下假设：假设 H2：数字技术创新对经济高质量增长具有促进作用。伴随现代化信息技术快速发展，大数据、区块链、人工智能等数字技术与传统产业深度融合，推动经济增长方式转型升级，成为拉动经济高质量增长的核心动力源。数字技术创新水平较低时，各类数字化创新要素流动性较低，在与传统产业融合过程中逐步形成异质性创新资源。在异质性竞争环境下，产业结构趋同的经济高质量增长效应得以强化，且各类产业能够通过数字技术创新的时空压缩效应削弱市场分割现象，有助于经济高质量增长。当数字技术创新达到较高水平且跨越一定阈值之后，数字技术与传统产业融合程度得到进一步加深。此过程中，各类数字化创新要素流动性不断增强，极大提升各类产业主体的创新资源获得性，促使产业创新水平不断提升。这能够促进产业结构转型升级，有效削弱产业间同质化竞争，利于实现经济高质量增长目标。综上，提出以下假设：假设 H3：数字技术创新在产业结构趋同与经济高质量增长之间发挥倒“U”型调节效应。假设 H4：数字技术创新在产业结构趋同与经济高质量增长之间具有门槛效应。三、研究设计（1）基准模型为验证前文研究假设，初步构建线性基准模型判定产业结构趋同、数字技术创新与经济高质量增长的关系，公式如下：Hecoit=+1Cindit+2Dinnit+iXit+i+t+it(1)其中，Heco 表示经济高质量增长；Cind 表示产业结构趋同；Dinn 表示数字技术创新；X 表示所选系列控制变量；i表示地区固定效应；t表示时间固定效应；it表示随机扰动项；、分别表示待估系数；指代常数项。为检验产业结构趋同与经济高质量增长之间的非线性关系，在式(1)基础上引入产业结构趋同的平方项，得到式(2)：Hecoit=+1Cindit+2Cindit2+3Dinnit+iXit+i+t+it(2)其中，Cind2指代产业结构趋同的平方项；其余变量含义与式(1)相同。（2）分位数模型我国各省份经济高质量增长水平差距较大，若使用最小二乘法进行回归估计容易受到异常值影响。故借助汪洋和吴顺利(2022)17的研究，采用分位数模型探究产业结构趋同、数字技术创新与经济高质量增长的关系。具体模型如下：Q(Hecoit)=1Cindit+2Cindit2+3Dinnit+iXit+i+t+it(3)其中，Q(Hecoit)指代经济高质量增长的 分位数；1、2、3指代产业结构趋同及其平方项，以及数字技术创新的 分位数回归系数；i指代的是控制变量的 分位数回归系数。（3）调节效应模型为检验数字技术创新在产业结构趋同与经济高质量增长之间的关系，构建如下调节效应模型：Hecoit=+1Cindit+2Cindit2+3Dinnit+4CinditDinnit+2Cindit2Dinnit+iXit+i+t+it(4)其中，CinditDinnit、Cindit2Dinnit分别指代产业结构趋同及其平方项与数字技术创新的交互项。（4）面板门槛模型为检验不同数字技术创新水平下产业结构趋同对经济高质量增长的影响，构建如下面板门槛模型：Hecoit=+1CinditI(Dinnit1)+2CinditI(Dinnit1)+iXit+it(5)其中，Dinnit指代门槛变量；Cindit指代门槛模型的区制变量；I()指代示性函数，条件成立时取值为 1，反之取值为 0；指代待估系数；指代门槛值。其余变量与上式相同。（1）被解释变量：经济高质量增长(Heco)通常而言，学者常用全要素生产率衡量区域经济增长质量18。因此，文章借鉴已有研究19，以各省份146全要素生产率衡量经济高质量增长。其中，投入变量选取物质资本与劳动投入，产出变量为各省份 GDP。（2）解释变量：产业结构趋同(Cind)借鉴吴小康和于津平(2021)20的研究，以产业结构相似度代理产业结构趋同。计算公式如下：Sc，cp移(rc，p=r軃c)p移(rc，p=r軃c)p移(rc，p=r軃c)2p移(rc，p=r軃c)2姨(6)其中，p 指代产业；c 和 c指代省份；Sc，c指代 c 和c省份之间的产业结构相似度。rc，p=ln(RCAc，p+0.1)；RCAc，p=xcpp移xcpp移xcpc移p移xcpp?，指代 c 省份 p 产业的现实性比较优势指数。若 Sc，c取值大于 0，则表明 c 和 c省份之间产业结构呈正相关；取值为 0，意味着 c 和c省份之间不存在线性相关关系；取值小于 0，表明 c和 c省份之间产业结构呈负相关，即两个省份之间产业结构差异较大。因此，Sc，c取值越大，表明产业结构相似度越高，即产业结构趋同程度越高。（3）调节/门槛变量：数字技术创新(Dinn)数字技术创新的测度在当前学术界属于前沿性问题。部分学者借助国际专利分类(IPC)提供的专利创新活动技术信息进行数字技术创新活动识别21。原因在于，发明专利具有严格的审批流程和制度，可客观反映各类实质性技术创新活动22。因此，文章构建了“数字经济核心产业分类代码国民经济行业分类四位数代码(SIC4)IPC 小组(Subgroup)”对应关系，进一步获取得到对应数字技术创新的 IPC 代码，并从地区与年份两个层面将数据进行加总处理，得到数字技术创新的区域层面衡量指标。（4）控制变量考虑到经济高质量增长可能受到其他因素影响，借鉴已有研究23，24，对以下变量进行控制：人力资本(lnhc)，以就业人员数与就业人员受教育平均年限的乘积取对数衡量。对外开放水平(lnopen)，以外商注册资本取对数衡量。基础设施建设(inf)，以各省份公路与铁路总里程与区域国土面积比值测度。城镇化水平(urb)，以年末城镇人口与常住人口之比测度。信息化水平(pro)，借助每百居民移动互联网用户数量占比衡量。金融发展水平(fina)，以人均金融机构贷款余额衡量。鉴于数据可得性考量，以 20072021 年中国 30个省份（西藏地区数据缺失较为严重，港澳台地区数据不具有一般可比较特征，故予以剔除）为研究对象。样本数据来源于历年 中国统计年鉴、各省份统计年鉴、中国科技统计年鉴、国家统计局、中国工业企业数据库以及各省份政府工作报告。考虑到经济变量可能存在的通胀因素，以 2007 年为基期对样本数据进行平减处理。对于个别缺失数据，借助插值法进行补齐。四、实证结果与讨论为规避伪回归现象，借助 IPS、HT 以及 ADF-fisher 三种方式对变量展开平稳性检验，发现除变量Cind、Dinn 与 Cind2之外，其余变量均存在单位根。故在一阶差分处理后对变量充分进行检验，发现所有变量均满足一阶单整，符合进一步研究要求。进一步地，采用 Kao 检验对变量协整关系进行验证，发现统计值拒绝了“不存在协整关系”的原假设。这表明变量具有长期关系，原数据序列能够用于后续检验。在前文检验基础上，借助软件 Stata16.0 进行后续研究。豪斯曼检验结果拒绝了原假设混合效应与随机效应，意味着后续检验适合选择固定效应模型。结合研究的实际需要，后续研究选择时空双固定效应模型。FE 和 RE 模型检验结果如表 1 所示。列(1)列(4)为依次引入产业结构趋同、产业结构趋同平方项及数字技术创新的回归结果，可以发现模型拟合优度 R2逐步提升。从列(4)结果可以看出，产业结构趋同及其平方项的回归系数为 0.045、-0.035，均通过 1%显著性水平检验。这一结果表明，产业结构趋同与经济高质量增长之间并非简单的线性关系，而是存在倒“U”型关系。根据拐点公式计算得出该拐点值为 1.705。这意味着当产业结构趋同程度较低时，能够有效推动经济高质量增长。当产业结构趋同程度超过拐点值 1.705 之后，会对经济高质量增长产生抑制作用。综上，假设 H1 验证成立。同时，数字技术创新的影响系数显著为正，表明区域内数字技术创新水平提升能够正向推动经济高质量增长，假设H2 验证成立。对应关系的构建依据为 国际专利分类与国民经济行业分类参照关系表（2018）与 数字经济及其核心产业统计分类（2021）。产业结构趋同、数字技术创新与经济高质量增长147?2024 年第 2 期注：()内为 z 值。变量(1)(2)(3)(4)(5)Cind0.047*(2.69)0.042*(3.47)0.044*(4.69)0.042*(3.33)0.049*(2.42)Cind2-0.018*(-2.17)-0.012*(-2.82)-0.017*(-3.79)-0.012*(-2.65)-0.017*(-1.91)Dinn0.046(0.71)0.065(1.31)0.093*(2.20)0.123*(1.88)0.153(1.76)lnhc0.242*(15.07)0.247*(20.29)0.253*(25.43)0.259*(17.76)0.265*(12.15)lnopen-0.195(-6.19)-0.193(-8.23)-0.185*(-9.58)-0.181*(-6.46)-0.175*(-4.02)inf0.189*(3.68)0.185*(4.81)0.174*(5.62)0.164*(3.55)0.155*(2.29)urb0.166*(1.88)0.194*(3.16)0.247*(4.67)0.302*(3.89)0.351*(3.06)pro0.048*(0.44)0.006*(0.69)0.079*(1.11)0.097*(0.94)0.015*(0.81)fina0.013*(0.12)0.001*(0.17)0.047*(0.77)0.086*(1.02)0.012*(1.05)时间/地区固定效应YESYESYESYESYES10%25%50%75%90%在控制变量方面，人力资本(lnhc)的回归系数显著为正，人力资本是提升经济发展质量的关键要素，能够为经济高质量增长提供内生动能。对外开放水平(lnopen)的影响系数为负但不显著。2015 年之前我国经济增长高度依赖对外贸易，导致内外需结构失衡25。伴随国内大市场主体地位逐步确立，高度依赖对外开放已无法实现经济增长目标，故对外开放对于经济高质量增长的驱动作用逐步减弱。基础设施建设(inf)的影响系数显著为正，基础设施是开展经济活动的重要载体，对拉动经济高质量增长具有基础性作用。城镇化水平(urb)系数显著为正，城镇化能够有效推动人口与产业集聚，产生规模经济效应，对经济高质量增长发挥正向驱动作用。信息化水平(pro)的影响系数显著为正，信息化发展能够为区域经济发展提供新型载体与要素资源，已经成为驱动经济高质量增长的重要抓手。金融发展水平(fina)的影响系数显著为正，金融发展能够为区域内产业发展提供有效资金支持，推动产业转型升级，进而促进经济高质量增长。为验证不同经济水平分位数下产业结构趋同及其平方项对经济高质量增长的影响，选取 10%、25%、50%、75%、90%五个分位数进行回归，结果如表 2所示。列(1)列(5)结果表明，产业结构趋同在各分位数上均表现出与经济高质量增长的倒“U”型关系，注：在 RE 模型中，()内为 z 值，R2为总体拟合优度；在 FE 模型中，()内为 t 值，R2为组内拟合优度；*、*、*分别为 1%、5%、10%显著性水平。下同。变量固定效应(FE)(1)(2)(3)(4)(5)(6)(7)Cind0.015*(2.47)0.042*(5.02)0.045*(5.29)0.018*(3.67)0.048*(5.08)0.046*(5.05)Cind2-0.017*(-4.29)-0.035*(-4.44)-0.019*(-3.82)-0.018*(-3.84)Dinn0.095*(2.37)0.035(0.66)lnhc0.266*(33.15)0.258*(32.27)0.249*(31.97)0.256*(32.02)0.211*(32.02)0.259*(30.89)0.261*(30.01)lnopen-0.182(-10.05)-0.172(-9.27)-0.177(-10.11)-0.187(-10.29)-0.203(-11.30)-0.207(-11.58)-0.210(-11.62)inf0.185*(6.96)0.187*(7.37)0.169*(6.55)0.177*(7.10)0.148*(5.67)0.136*(5.31)0.137*(5.25)urb0.276*(5.59)0.313*(6.21)0.276*(5.29)0.254*(4.78)0.262*(5.46)0.245*(5.30)0.238*(5.14)pro0.005*(0.29)0.018*(0.22)0.007*(1.05)0.078*(3.32)0.009*(1.17)0.016*(1.05)0.016*(1.15)fina0.005*(0.81)0.007*(0.14)0.005*(1.16)0.049*(1.10)0.012*(3.29)0.047*(1.33)0.052*(1.27)常数项1.112*(8.30)1.149*(8.59)1.087*(8.28)1.031*(7.67)0.972*(6.84)0.922*(6.86)0.899*(6.26)时间/地区固定效应YESYESYESYESYESYESYESN450450450450450450450R20.8670.8720.8740.8800.8990.9230.951随机效应(RE)148变量(1)(2)(3)(4)Cind0.045*(5.19)0.046*(5.37)0.049*(5.48)0.047*(5.56)Cind2-0.018*(-4.46)-0.012*(-4.57)-0.015*(-4.05)-0.012*(-4.09)Dinn0.092*(2.08)0.115*(2.55)0.006(1.14)0.037(0.06)CinditDinnit0.005(0.32)0.216*(2.26)0.065*(2.37)0.057(0.49)固定效应随机效应时间/地区固定效应YESYESYESYESCindit2Dinnit-0.077*(-2.44)-0.041(-1.21)常数项1.009*(7.59)1.026*(7.48)0.879*(6.22)0.868*(6.13)控制变量YESYESYESYESN450450450450R20.8780.8690.9230.951拐点分别为 1.575、1.692、1.717、1.729、1.845。整体而言，伴随经济高质量增长水平提升，产业结构趋同与经济高质量增长间的倒“U”型关系拐点随之右移，而数字技术创新对经济高质量增长的驱动作用仅在 50%和 75%分位点上显著。上述结果不仅验证了产业结构趋同与经济高质量增长之间的倒“U”型关系成立，亦验证了数字技术创新对经济高质量增长的驱动作用，还在一定程度上说明产业结构趋同、数字技术创新对经济高质量增长的差异性影响。伴随经济高质量增长水平提升，通过提升产业结构趋同程度驱动经济高质量增长的难度越来越大。步入数字经济时代，数字技术创新逐渐成为驱动经济高质量增长的关键性手段与路径。此外，各控制变量回归结果基本与表 1 结果一致。为验证假设 H3，在基准模型基础上增加产业结构趋同及其平方项与数字技术创新的交互项，构建交互效应模型检验数字技术创新在产业结构趋同与经济高质量增长之间的调节作用，结果如表 3 所示。观察可知，在分别控制变量产业结构趋同及其平方项与数字技术创新的交互项之后，Cind 与 Cind2的回归系数与表 2 结果相比未发生显著变化，即产业结构趋同与经济高质量增长之间的倒“U”型关系依然成立。并且，产业结构趋同及其平方项与数字技术创新的交互项系数分别为 0.216、-0.077，均通过 5%显著性检验。这一结果表明数字技术创新在产业结构趋同与经济高质量增长之间发挥倒“U”型调节作用。当数字技术创新水平较低时，其对于产业结构趋同与经济高质量增长间关系发挥正向调节作用。伴随数字技术创新水平不断提升，产业结构趋同对经济高质量增长的负向作用将会被强化。当数字技术创新水平达到一定阈值之后，产业结构高度趋同，可能会在数字技术创新加持下产生恶性竞争，抑制经济高质量增长。因此，假设 H3 得以验证。（1）内生性问题处理产业结构趋同、数字技术创新与经济高质量增长之间可能存在双向因果关系，可能引致内生性偏误。故选取 Cind、Cind2、Dinn 的一阶、二阶滞后项作为工具变量，借助广义矩估计和两阶段最小二乘法检验内生性问题。并且，文章借助过度识别、不可识别与弱工具变量三种方法确定工具变量有效性与合理性，结果如表 4 所示。LM 统计量在 1%水平上显著，即原假设不可识别工具变量不成立；F 统计量均大于临界值 10，拒绝原假设弱工具变量的存在性；Hansen 检验结果拒绝原假设解释变量均为外生变量。综上，所有工具变量均有效且满足外生性要求。可以发现，表4 检验结果与表 1、表 3 的结果具有较高一致性，即在考虑内生性问题后，前文研究结论依然成立。（2）稳健性检验为验证前文结论可靠性，对假设 H1假设 H3 进行稳健性检验。第一，动态性考量。鉴于经济高质量增长具有惯性特征，即上期经济高质量增长水平会对本期产生影响，故文章将模型动态性纳入考量。将经济高质量增长滞后项加入模型(4)中，构建动态面板交互效应模型，具体如下：Hecoit=+Hecoi，t-1+1Cindit+2Cindit2+3Dinnit+4CinditDinnit+2Cindit2Dinnit+iXit+i+t+it(7)其中，Hecoi，t-1指代经济高质量增长的滞后项，指代估计系数。借助系统 GMM 方法估计得到表 5 列(1)估计结果。AR(1)的 P 值结果表明模型存在一阶自相关，AR(2)的P 值结果表明模型不存在二阶自相关；过度识别检验P 值在 10%水平下拒绝原假设解释变量均为外生变量，表明所有工具变量均有效。第二，剔除异常值。借助 1%双侧缩尾法，剔除产业结构趋同、数字技术创新与经济高质量增长的极产业结构趋同、数字技术创新与经济高质量增长149?2024 年第 2 期Cind0.032*(2.42)0.059*(6.15)0.042(1.88)Cind2-0.008*(-1.77)-0.015*(-5.65)-0.013*(-2.49)Dinn0.021(0.52)0.131*(4.46)0.105(1.33)CinditDinnit0.235*(1.66)0.212*(1.73)0.199*(1.84)时间/地区固定效应YESYESYESCindit2-0.081*(-1.77)-0.071*(-2.41)-0.063*(-1.62)控制变量YESYESYESN420450390R20.8890.6720.035*(5.79)-0.012*(-5.11)0.108*(2.88)0.108*(2.29)YES-0.112*(-2.40)YES4500.8680.052*(4.68)-0.014*(-3.86)0.092*(2.31)0.058*(1.86)-0.024*(-1.83)YESYES4500.859常数项0.647*(2.33)0.981*(7.08)0.924*(6.29)1.667*(7.57)0.915*(6.46)过度识别检验(Sargan)0.981L.Heco0.182(3.55)AR(1)0.039AR(2)0.156变量替换调节变量系统GMM剔除异常样本改变研究期替换被解释变量(1)(2)(3)(4)(5)注：在列(1)中，()内为 z 值；在列(2)列(5)中，()内为 t 值；R2为组内拟合优度。注：变量估计结果部分的()内为 z 值；LM 检验、F 检验与 Hansen 检验结果部分的()内为 p 值。Cind0.015*（2.01）0.076*（4.74）0.077*（4.88）Cind2-0.029*（-4.67）-0.028*（-4.68）Dinn0.165*（1.85）CinditDinnit-GMM时间/地区固定效应YESYESYESCindit2Dinnit控制变量YESYESYESN390390390R20.8740.8820.8790.069*（3.82）-0.029*（-4.20）0.283*（2.49）0.356*（2.76）YES-0.135*（-1.82）YES3900.8560.077*（4.86）0.065*（3.75）-0.027*（-4.66）-0.023*（-4.23）0.169*（1.87）0.284*（2.52）0.355*（2.79）-0.132*（-1.93）YESYESYESYES3903900.8490.859-2SLSLM检验102.537*（0.000）98.305*（0.000）73.522*（0.000）49.108*（0.000）73.445*（0.000）49.039*（0.000）F检验67.824（19.87）42.557（13.49）17.421（6.58）10.396（6.67）17.405（6.72）10.626（6.45）Hansen检验0.036（0.895）0.077（0.725）0.071（0.968）0.685（0.706）0.074（0.965）0.688（0.706）变量小值和极大值，对模型进行重新估计，结果如表 5 列(2)所示。第三，改变研究期。剔除考察期两端时间样本数据，将考察期设定为 20082020 年进行重新回归，结果如表 5 列(3)所示。第四，替换主要变量。分别替换被解释变量和调节变量，对模型稳健性进行检验。其中，被解释变量经济高质量增长的衡量借鉴已有研究26，以 GDP 增长率指代，结果如表 5 列(4)所示；数字技术创新以数字信息传输对应的 IPC 分类号 H04L 衡量，结果如表 5列(5)所示。根据表 4 和表 5 检验结果可知，各变量系数均未发生较大变化，再次验证假设 H1假设 H3 成立，意味着前文结论具有较强稳健性。考虑到我国存在明显区域差异，文章根据国家统计局划分标准，将样本省份划分为东部、中部与西部三大区域，考察产业结构趋同、数字技术创新影响经济高质量增长的区域异质性，结果如表 6 所示。观察表中结果可以发现，东部地区产业结构趋同对经济高质量增长具有显著倒“U”型影响，中部与西部地区产业结构趋同的影响不显著。原因在于，东部地区是我国人口与经济集聚的中心区域，各类产业争相进驻。产业结构趋同化发展前期，为东部地区经济高质量增长作出积极贡献，推动区域经济发展水平不断提升。但是当区域内产业结构趋同程度超过一定阈值，产业间同质化竞争严重，对经济高质量增长的贡献度150东部地区中部地区西部地区Cind0.067*(5.27)0.048(1.34)0.079(0.37)Cind2-0.024*(-3.75)-0.065(-0.82)-0.020(-0.33)Dinn0.016(0.28)0.308*(2.44)0.476*(3.59)CinditDinnit0.258*(1.66)0.264(0.25)0.354(1.30)时间/地区固定效应YESYESYESCindit2Dinnit-0.881*(-2.09)-0.180(-0.11)-0.157(-1.27)常数项1.258*(5.55)0.971*(2.67)1.034*(3.34)控制变量YESYESYESN165135150R20.8990.9140.935变量逐步下降，最终抑制经济高质量增长。而中部与西部地区产业结构、经济发展等相对滞后，产业集聚水平相对较低，故产业结构趋同对经济高质量的影响作用尚未凸显。数字技术创新的影响系数在东部地区不显著，但在中部与西部地区显著为正；产业结构趋同与数字技术创新的交互项系数在东部地区显著为正，在中部与西部地区不显著。综合以上结果可以发现，在特定时期内，东部地区能够间接依赖数字技术创新的倒“U”型调节作用拉动经济高质量增长，中部与西部地区则主要借助数字技术创新实现经济高质量增长。但就现实而言，中部与西部地区经济发展受路径依赖限制，难以充分发挥数字技术创新的调节作用。为检验假设 H4，借鉴刘建民和薛妍(2021)27的研究，借助门槛效应模型检验数字技术创新在发挥调节作用过程中是否存在门槛效应，结果如表 7 所示。利用门槛自举法进行 500 次抽样检验，结果发现数字技术创新通过 1%显著性水平的单一门槛检验，双重门槛未通过显著性水平检验。因此，文章选择单一门槛模型检验数字技术创新的门槛效应。门槛值为0.0877，据此将数字技术创新划分为 Dinn0.0877 和Dinn0.0877 两个阶段。门槛效应模型检验结果如表 8 所示。观察得知，当数字技术创新水平处于 Dinn0.0877阶段时，产业结构趋同的系数为 0.022，且在 5%水平上显著。此阶段产业结构趋同对经济高质量增长具有促进作用。当数字技术创新水平处于 Dinn0.0877 阶段时，产业结构趋同的系数为 0.257，在 1%水平上显著，产业结构趋同对经济高质量增长仍发挥促进作用，且促进作用有所提升。这一结论与理论分析