制造业与数字经济产业关联融合测度及异质性研究

doi:10.16381/j.cnki.issn1003-207x.2022.2202

Abstract

Abstract:

The digital economy is an important driving force for global economic growth， and is playing an important role in accelerating China's economic development and achieving the transformation and upgrading of traditional industries. Manufacturing industry is an important driving force for achieving a new level of real economy， and its digitalization level urgently needs to be comprehensively improved. Promoting the integration of manufacturing and digital economy， have attracted increasing attention from researchers and policymakers.Based on the “statistical classification of digital economy and its core industries （2021）”， the digital product manufacturing industry and the digital technology application industry are selected as representatives of the digital economy industry. At the same time， the manufacturing industry is divided into three categories： resource intensive， labor intensive， and technology intensive. Then， the demand driven model and supply driven model in the input-output method are used to measure the backward and forward association fusion effects of manufacturing industry and digital economy industries in the eight major economic zones of China in 2012， 2015， 2017， and 2018， as well as the fsion ripple effect. Finally， its regional heterogeneity is further explored.The results show that from a national perspective， there are positive backward and forward association fusion effects between digital economy industry and manufacturing industry， and there are obvious differences among industries and departments in the association fusion effect of digital economy industry and manufacturing industry. From the perspective of the eight economic zones， there are significant regional heterogeneities in the backward and forward association fusion effects of digital economy industry and manufacturing industry. In addition， the demand pulling force of digital economy industry to manufacturing industry is generally stronger than the supply driving force， but there are also obvious regional heterogeneities： Among them， the digital economy industry and manufacturing industry in the three coastal economic zones， the middle reaches of the Yellow River and the southwest economic zone are mainly pulled by demand， while the digital product manufacturing industry in the northwest and northeast economic zones and the digital technology application industry and manufacturing industry in the middle reaches of the Yangtze River economic zone are mainly driven by supply. The results of this paper provides useful policy enlightenment for promoting the deep integration of digital economy and substantial economy， accelerating the digital transformation of manufacturing industry， and facilitating the construction of manufacturing power and digital China.

Key words: digital economy industry, manufacturing industry, association fusion effect, regional heterogeneity, input-output method

CLC Number:

F426

Jianxuan Li. Research on the Measurement of the Association Fusion between Digital Economy & Manufacturing Industry and Its Regional Heterogeneity[J]. Chinese Journal of Management Science, 2025, 33(8): 112-122.

Figures/Tables 7

References 28

[1]	李晓华. 数字经济新特征与数字经济新动能的形成机制［J］. 改革， 2019（11）： 40-51.
	Li X H. New features and the formation mechanism of new growth drivers of digital economy［J］. Reform， 2019（11）： 40-51.
[2]	杨伟，吉梨霞，周青. 企业数字化转型对创新生态系统的影响：基于市场规模动态的多Agent模型［J］. 中国管理科学， 2022， 30（6）： 223-232.
	Yang W， Ji L X， Zhou Q. Impact of firms’Digital transformation on the innovation ecosystem： A multi-agent model considering dynamic of market size［J］. Chinese Journal of Management Science，2022，30（6）： 223-232.
[3]	陈晓红，李杨扬，宋丽洁，等. 数字经济理论体系与研究展望［J］. 管理世界，2022，38（2）：208-224+13-16.
	Chen X H， Li Y Y， Song L J， et al. Theoretical framework and research prospect of digital economy［J］. Journal of Management World， 2022， 38（2）：208-224+13-16.
[4]	李柏洲，王雪，苏屹，等. 我国战略性新兴产业间供应链企业协同创新演化博弈研究［J］. 中国管理科学， 2021， 29（8）： 136-147.
	Li B Z， Wang X， Su Y， et al. Evolutionary game research on collaborative innovation of supply chain enterprises from different strategic emerging industries in China［J］. Chinese Journal of Management Science， 2021， 29（8）： 136-147.
[5]	王彬燕，田俊峰，程利莎，等. 中国数字经济空间分异及影响因素［J］. 地理科学， 2018， 38（6）： 859-868.
	Wang B Y， Tian J F， Cheng L S， et al. Spatial differentiation of digital economy and its influencing factors in China［J］. Scientia Geographica Sinica， 2018， 38（6）： 859-868.
[6]	余江，孟庆时，张越，等. 数字创新：创新研究新视角的探索及启示［J］. 科学学研究， 2017， 35（7）： 1103-1111.
	Yu J， Meng Q S， Zhang Y， et al. Digital innovation： Exploration and enlightenment of the new perspective of innovation research［J］. Studies in Science of Science， 2017， 35（7）： 1103-1111.
[7]	赵振，彭毫. “互联网+” 跨界经营——基于价值创造的理论构建［J］. 科研管理， 2018， 39（9）： 121-133.
	Zhao Z， Peng H. Crossover administration of “Internet plus”： The theory building based on value creation［J］. Science Research Management， 2018，39（9）： 121-133.
[8]	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.
	Huang Q H， Yu Y Z， Zhang S L. Internet development and productivity growth in manufacturing industry： Internal mechanism and China experiences［J］. China Industrial Economics， 2019（8）： 5-23.
[9]	史宇鹏. 数字经济与制造业融合发展：路径与建议［J］. 人民论坛·学术前沿， 2021（6）： 34-39.
	Shi Y P. Integrated development of the digital economy and manufacturing industry： Path and progress［J］. Frontiers， 2021（6）： 34-39.
[10]	贺正楚，吴艳，蒋佳林，等. 生产服务业与战略性新兴产业互动与融合关系的推演、评价及测度［J］. 中国软科学， 2013（5）： 129-143.
	He Z C， Wu Y， Jiang J L， et al. Analyzing， evaluating and measuring the interaction and integration between producer services and strategic emerging industries［J］. China Soft Science， 2013（5）： 129-143.
[11]	方来，韩君，柴娟娟. 生产性服务业与制造业关联效应研究：基于2002—2012年甘肃省投入产出表的实证分析［J］. 财政研究， 2016（11）： 103-109.
	Fang L， Han J， Chai J J. Study on the interaction between producer service industry and manufacturing industry—Based on empirical analysis of input-output tables of Gansu Province 2002-2012［J］. Public Finance Research， 2016（11）： 103-109.
[12]	梁红艳. 中国制造业与物流业融合发展的演化特征、绩效与提升路径［J］. 数量经济技术经济研究， 2021， 38（10）： 24-45.
	Liang H Y. Evolution characteristics， performance and enhanced path of the integrated development of manufacturing and logistics industry in China［J］. The Journal of Quantitative & Technical Economics， 2021， 38（10）： 24-45.
[13]	许宪春，张美慧. 中国数字经济规模测算研究——基于国际比较的视角［J］. 中国工业经济， 2020（5）： 23-41.
	Xu X C， Zhang M H. Research on the scale measurement of China’s digital economy： Based on the perspective of international comparison［J］. China Industrial Economics， 2020（5）： 23-41.
[14]	吴翌琳，王天琪. 数字经济的统计界定和产业分类研究［J］. 统计研究， 2021， 38（6）： 18-29.
	Wu Y L， Wang T Q. Research on the statistical definition and industrial classification of digital economy［J］. Statistical Research， 2021， 38（6）： 18-29.
[15]	潘为华，贺正楚，潘红玉. 中国数字经济发展的时空演化和分布动态［J］. 中国软科学， 2021（10）： 137-147.
	Pan W H， He Z C， Pan H Y. Research on spatiotemporal evolution and distribution dynamics of digital economy development in China［J］. China Soft Science， 2021（10）： 137-147.
[16]	周晓辉. 先进制造业与数字经济的融合度测算：以长三角为例［J］. 统计与决策， 2021， 37（16）： 138-141.
	Zhou X H. Calculation of integration degree between advanced manufacturing industry and digital economy： Taking Yangtze River Delta as an example［J］. Statistics & Decision， 2021， 37（16）： 138-141.
[17]	韩君，高瀛璐. 中国省域数字经济发展的产业关联效应测算［J］. 数量经济技术经济研究， 2022， 39（4）： 45-66.
	Han J， Gao Y L. Measurement of industrial correlation effects of Chinese provincial digital economy development［J］. The Journal of Quantitative & Technical Economics， 2022， 39（4）： 45-66.
[18]	武晓婷，张恪渝. 数字经济产业与制造业融合测度——基于投入产出视角［J］. 中国流通经济， 2021， 35（11）： 89-98.
	Wu X T， Zhang K Y. Research on measuring the integration of digital economy industry and manufacturing industry： Based on the perspective of input-output［J］. China Business and Market， 2021， 35（11）： 89-98.
[19]	沈晓平，吴素研，刘利永. 中国数字经济与国民经济的关联效应分析［J］. 统计与决策， 2022， 38（4）： 27-32.
	Shen X P， Wu S Y， Liu L Y. Analysis on correlation effect of China’s digital economy and national economy［J］. Statistics & Decision， 2022， 38（4）： 27-32.
[20]	吴开亚，陈晓剑. 基于二元关系的产业关联分析方法研究［J］. 中国管理科学， 2003， 11（3）： 62-65.
	Wu K Y， Chen X J. A 2-tuple relation theory on analysis of industrial relations［J］. Chinese Journal of Management Science， 2003， 11（3）： 62-65.
[21]	夏明，张红霞. 投入产出分析：理论、方法与数据［M］. 2版. 北京：中国人民大学出版社， 2019.
	Xia M， Zhang H X. Input-output analysis： Theory，methods and data［M］. 2nd ed. Beijing： China Renmin University Press， 2019.
[22]	Leontief W W. Quantitative input and output relations in the economic systems of the United States［J］. The Review of Economics and Statistics， 1936， 18（3）： 105-125.
[23]	Ghosh A. Input-output approach in an allocation system［J］. Economica， 1958， 25（97）： 58-64.
[24]	刘起运. 投入产出对称数学模型的建立和应用［J］. 数量经济技术经济研究， 1986， 3（4）：34-41.
	Liu Q Y. Establishment and application of symmetrical mathematical model of input-output［J］. Journal of Quantitative & Technological Economics， 1986， 3（4）：34-41.
[25]	Dietzenbacher E. In vindication of the ghosh model： A reinterpretation as a price model［J］. Journal of Regional Science， 1997， 37（4）： 629-651.
[26]	Dietzenbacher E， Van Der Linden J A. Sectoral and spatial linkages in the EC production structure［J］. Journal of Regional Science， 1997， 37（2）： 235-257.
[27]	鲜祖德，王天琪. 中国数字经济核心产业规模测算与预测［J］. 统计研究， 2022， 39（1）： 4-14.
	Xian Z D， Wang T Q. Measurement and prediction of the scale of the core industries in China’s digital economy［J］.Statistical Research， 2022，39（1）： 4-14.
[28]	段永琴，何伦志，克甝. 数字金融、技术密集型制造业与绿色发展［J］.上海经济研究，2021，33（5）： 89-105.
	Duan Y Q， He L Z， Ke H. Digital finance， technology intensive manufacturing and green development［J］. Shanghai Journal of Economics， 2021，33（5）： 89-105.

制造业类型	部门	数字经济产业类型	部门
资源密集型	食品和烟草制造业（R1）	数字产品制造业	通信设备、计算机和其他电子设备（D1）
	石油、炼焦产品和核燃料加工品制造业（R2）
	化学产品制造业（R3）
	非金属矿物制品制造业（R4）
	金属冶炼和压延加工品制造业（R5）
劳动密集型	纺织品制造业（L1）
	纺织服装鞋帽皮革羽绒及其制品制造业（L2）
	木材加工品和家具制造业（L3）
	造纸印刷和文教体育用品制造业（L4）	数字技术应用业	信息传输、软件和信息技术服务（D2）
	金属制品制造业（L5）
技术密集型	通用设备制造业（T1）
	专用设备制造业（T2）
	交通运输设备制造业（T3）
	电气机械和器材制造业（T4）
	仪器仪表制造业（T5）

类型	部门	后向关联融合系数
		2012年		2015年		2017年		2018年
		D1	D2	D1	D2	D1	D2	D1	D2
资源密集型	R1	0.0040	0.0080	0.0043	0.0074	0.0055	0.0063	0.0057	0.0060
	R2	0.0021	0.0019	0.0009	0.0009	0.0008	0.0012	0.0008	0.0015
	R3	0.0566	0.0067	0.0505	0.0062	0.0322	0.0026	0.0328	0.0033
	R4	0.0112	0.0005	0.0112	0.0004	0.0144	0.0001	0.0152	0.0001
	R5	0.0322	0.0000	0.0267	0.0000	0.0296	0.0000	0.0294	0.0000
劳动密集型	L1	0.0004	0.0001	0.0003	0.0001	0.0004	0.0001	0.0004	0.0001
	L2	0.0006	0.0011	0.0007	0.0009	0.0014	0.0011	0.0015	0.0011
	L3	0.0005	0.0004	0.0005	0.0004	0.0007	0.0009	0.0007	0.0009
	L4	0.0073	0.0318	0.0068	0.0313	0.0041	0.0265	0.0045	0.0239
	L5	0.0144	0.0002	0.0130	0.0001	0.0125	0.0006	0.0128	0.0006
技术密集型	T1	0.0049	0.0002	0.0048	0.0001	0.0056	0.0005	0.0052	0.0005
	T2	0.0044	0.0001	0.0043	0.0000	0.0190	0.0002	0.0175	0.0001
	T3	0.0005	0.0054	0.0005	0.0057	0.0004	0.0003	0.0004	0.0003
	T4	0.0459	0.0570	0.0450	0.0387	0.0501	0.0133	0.0490	0.0138
	T5	0.0035	0.0032	0.0031	0.0025	0.0059	0.0014	0.0056	0.0014
均值		0.0126	0.0078	0.0115	0.0063	0.0122	0.0037	0.0121	0.0036
类型	部门	前向关联融合系数
		2012年		2015年		2017年		2018年
		D1	D2	D1	D2	D1	D2	D1	D2
资源密集型	R1	0.0001	0.0034	0.0001	0.0031	0.0008	0.0048	0.0007	0.0041
	R2	0.0008	0.0005	0.0015	0.0009	0.0001	0.0002	0.0001	0.0002
	R3	0.0019	0.0061	0.0026	0.0073	0.0021	0.0074	0.0020	0.0071
	R4	0.0004	0.0039	0.0006	0.0065	0.0006	0.0023	0.0006	0.0025
	R5	0.0005	0.0030	0.0006	0.0037	0.0007	0.0018	0.0006	0.0018
劳动密集型	L1	0.0001	0.0015	0.0001	0.0016	0.0001	0.0013	0.0001	0.0012
	L2	0.0002	0.0023	0.0002	0.0027	0.0001	0.0022	0.0001	0.0022
	L3	0.0001	0.0013	0.0002	0.0018	0.0001	0.0009	0.0001	0.0009
	L4	0.0019	0.0020	0.0024	0.0027	0.0024	0.0021	0.0023	0.0021
	L5	0.0006	0.0028	0.0009	0.0041	0.0007	0.0018	0.0007	0.0019
技术密集型	T1	0.0342	0.0046	0.0349	0.0059	0.0256	0.0036	0.0209	0.0034
	T2	0.0177	0.0031	0.0167	0.0031	0.0173	0.0020	0.0187	0.0021
	T3	0.0168	0.0021	0.0199	0.0023	0.0177	0.0032	0.0170	0.0031
	T4	0.0411	0.0032	0.0442	0.0037	0.0415	0.0038	0.0402	0.0039
	T5	0.0160	0.0007	0.0171	0.0010	0.0162	0.0007	0.0169	0.0008
均值		0.0126	0.0736	0.0088	0.0027	0.0095	0.0034	0.0084	0.0025

部门	2012年		2015年		2017年		2018年
部门	影响力	感应力	影响力	感应力	影响力	感应力	影响力	感应力
D（1）_M（R）	0.2120	0.0555	0.1891	0.0741	0.1740	0.0469	0.1751	0.0431
D（1）_M（L）	0.0521	0.0212	0.0513	0.0287	0.0491	0.0215	0.0504	0.0204
D（1）_M（T）	0.0834	0.1496	0.0837	0.1617	0.1147	0.1571	0.1094	0.1507
D（2）_M（R）	0.0927	0.0505	0.0791	0.0606	0.0513	0.0442	0.0529	0.0461
D（2）_M（L）	0.0423	0.0202	0.0409	0.0246	0.0362	0.0196	0.0360	0.0209
D（2）_M（T）	0.0593	0.0311	0.0498	0.0349	0.0297	0.0325	0.0297	0.0342
均值	0.0903	0.0547	0.0823	0.0641	0.0758	0.0536	0.0756	0.0526

区域	后向关联融合系数				前向关联融合系数
区域	D1	排名	D2	排名	D1	排名	D2	排名
东部沿海经济区	0.0133	4	0.0025	7	0.0092	4	0.0007	6
南部沿海经济区	0.0088	8	0.0017	8	0.0045	7	0.0014	4
北部沿海经济区	0.0156	2	0.0037	3	0.0083	6	0.0004	8
东北经济区	0.0088	7	0.0032	4	0.0271	2	0.0009	5
黄河中游经济区	0.0138	3	0.0027	6	0.0089	5	0.0018	2
长江中游经济区	0.0119	5	0.0028	5	0.0108	3	0.0034	1
大西北经济区	0.0217	1	0.0055	1	0.0499	1	0.0007	7
大西南经济区	0.0096	6	0.0044	2	0.0039	8	0.0018	3

区域	数字产品制造业		数字技术应用业
区域	平均影响力	平均感应力	平均影响力	平均感应力
东部沿海经济区	0.1050	0.0540	0.0348	0.0146
南部沿海经济区	0.0912	0.0370	0.0253	0.0167
北部沿海经济区	0.1420	0.1031	0.0607	0.0094
东北经济区	0.0590	0.2077	0.0335	0.0238
黄河中游经济区	0.1181	0.0768	0.0345	0.0299
长江中游经济区	0.1006	0.0872	0.0325	0.0488
大西北经济区	0.1074	0.4053	0.0446	0.0183
大西南经济区	0.0917	0.0402	0.0408	0.0217

Research on the Measurement of the Association Fusion between Digital Economy & Manufacturing Industry and Its Regional Heterogeneity

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 7

References 28

Related Articles 10

Metrics

Comments

Recommended 0

[1]	Gen LI,Xin-yu LIU,Jia-guo LIU,Ying ZHOU. How does Industrial Collaborative Agglomeration Affect the Green Resilience of Manufacturing Industry? ——Empirical Analysis Based on Catastrophe Progression and Double Fixed Dynamic Spatial Durbin Model [J]. Chinese Journal of Management Science, 2023, 31(12): 249-260.
[2]	WANG Zheng-xin, LI Dan-dan,. Nonlinear Effects of Financial Inclusion on the Industrial Structure in China: An Empirical Analysis Based on a PSTR Model [J]. Chinese Journal of Management Science, 2022, 30(8): 69-81.
[3]	LUO Jun. Producer Services FDI Affects Manufacturing Industry's Export Sophistication Research [J]. Chinese Journal of Management Science, 2020, 28(9): 54-65.
[4]	XIE Meng-meng, XIA Yan, PAN Jiao-feng, GUO Jian-feng. Artificial Intelligence,Technological Change and Low-skill Employment. Empirical Evidence from Chinese Manufacturing Firms [J]. Chinese Journal of Management Science, 2020, 28(12): 54-66.
[5]	LI Gen, LIU Jia-guo, LI Tian-qi. Regional Differences of Energy Eco-efficiency in Manufacturing Industry under Consideration of Undesirable Outputs Based on the SBM-Tobit Two-stage Model [J]. Chinese Journal of Management Science, 2019, 27(11): 76-87.
[6]	LI Gen, LIU Jia-guo, WANG Xiao-min. Research on Influencing Factors of Complete Energy Intensity of Manufacturing Industry based on Input-Output Methodology and SVAR Model [J]. Chinese Journal of Management Science, 2018, 26(12): 99-112.
[7]	LI Gen, LIU Jia-guo, ZHAO Jin-lou. Scenario Analysis of Complete Energy Intensity of Manufacturing Industry in China Based on Input and Output and Non-linear Optimization [J]. Chinese Journal of Management Science, 2016, 24(3): 31-40.
[8]	PANG Bo-hui. Research About Symbiotic Evolutionary Model of Producer Services and Manufacturing Industry in China [J]. Chinese Journal of Management Science, 2012, (2): 176-183.
[9]	YANG Zhen-ning, LI Dong-hong. Government Supervision, Eel Effect and Intellectual Property Rights Management:Enterprises’ Innovation Performance Promotion [J]. Chinese Journal of Management Science, 2010, 18(6): 177-184.
[10]	ZHANG Hua-sheng, XUE Lan. Evaluation of Production Efficiency of Manufacturing Industrial Knowledge Input & Output Based on CAN [J]. Chinese Journal of Management Science, 2003, (4): 62-68.