这个题目是我在追踪地方产业升级问题时逐渐形成的想法。当时注意到一个有意思的现象不少城市一面通过土地出让补充财政资金支撑基础设施和园区建设一面又在全力布局数字经济建算力中心、搞产业数字化改造。这两种行为常常发生在同一批城市身上产业结构却走出了完全不同的轨迹——有的稳住了制造业并长出了新业态有的则陷入高成本、产业空心化的困局。把土地财政、数字经济对产业结构升级的影响放在一起做实证分析不是为了凑热词而是因为它们确实在现实中同频出现、互相拉扯。单独研究土地财政与产业升级的文献很多数字经济与产业升级的研究更多。土地财政这条线的共识是它提供了基建资金但也推高地价房价对实体产业形成成本挤压数字经济这条线的发现大多是它通过降低信息成本、加速创新扩散、促进产业融合来推动结构升级。但把两者放进同一个模型、同一套数据里做实证的相对较少更少有研究去讨论两股力量之间的交互关系。这篇文章就是我对这个选题从选题逻辑、变量口径、模型设定到内生性处理的一整套复盘适合正在做产业经济、数字经济实证的研究生也适合想用数据理解地方经济逻辑的从业者。1. 选题逻辑与影响机制为什么两股力量必须放在同一个框架下看1.1 土地财政对产业结构升级的影响一枚硬币的两面土地财政这个词大家都不陌生但进入实证模型之前必须把机制讲清楚。基于文献和现实观察它的影响路径可以拆成两条。正面路径比较直观。土地出让收入为城市基础设施建设提供了大量资金路网、园区、污水厂、标准厂房都靠这个钱落地。基础设施改善降低了物流成本和配套成本有利于制造业集聚和产业链延伸。很多地方早期的工业园区扩张本质上就是低价供地换投资的打法。负面路径这几年越来越明显。地方政府依赖土地收入之后会把商住用地价格推高进而传导到房价和商业租金。地价房价上涨会直接影响企业用工成本员工居住成本上升倒逼工资上涨、租金成本甚至挤压研发投入。更关键的是土地出让节奏和房地产开发深度绑定形成了卖地-建房-卖房-再卖地的路径依赖资金和要素大量流向房地产和基建制造业的技术升级投资反而被挤出。所以理论上土地财政对产业结构升级的影响方向是不确定的当期看可能是正向拉动中长期看可能转为抑制效应。这也是为什么实证里要分城市、分时段、分土地用途去看直接用全国面板跑一个系数意义不大。1.2 数字经济对产业结构升级的影响三条传导路径数字经济的机制相对清晰但也不是单一路径。第一条路径是数字产业化直接创造新产业。软件服务、人工智能、云计算、工业互联网这些本身就是高端服务业的组成部分数字产业化规模扩大直接抬高服务业占比和产业附加价值。第二条路径是产业数字化改造传统行业。制造业引入数字化生产、智能化管理之后劳动生产率和产品附加值都会提升这会带动产业内部的升级也就是从低端加工向高端制造、研发设计环节延伸。第三条路径容易被忽略就是数字技术降低交易成本和信息不对称之后促进了专业化分工的深化。中小企业可以借助平台对接更大范围的市场区域间的产业协作也随之增强这种分工深化同样是产业结构升级的重要力量。1.3 交叉效应土地财政会不会拖慢数字经济的进程把两者放在同一个模型里我最关心的其实是交叉效应。土地财政依赖度高的城市往往也面临更高房价和生活成本。数字经济是需要人才密集度支撑的而人才在哪里落脚要看生活成本和创新环境。如果一个城市卖地收入占比很高、房价上涨过快数字企业的用工成本就会被推高数字人才的流入也会受阻。也就是说土地财政不仅直接作用于产业结构还可能通过抬高成本和挤出效应削弱数字经济推动产业升级的正向作用。这个交叉假设如果被数据验证含义会很清晰数字经济不是单靠鼓励政策就能落地的它需要整个城市成本结构的配合。我在模型里加入土地财政和数字经济的交互项之后符号确实在预期方向上显著这个细节在后面基准回归部分会展开说。2. 研究设计变量口径、数据来源和模型定型的完整思路2.1 被解释变量产业结构升级到底怎么测产业结构升级是一个复合概念实证里不能笼统地打分必须落到可测度的指标上。我梳理了三类常用口径各有优劣。第一类是产业结构高级化指数最经典的口径就是第三产业增加值占GDP比重除以第二产业增加值占GDP比重也就是常说的三产比二产。这个指标的优点是简单、直观、数据好拿缺点是它只刻画了服务业相对规模无法反映制造业内部是升级还是退化。第二类是产业结构升级指数公式是S 第一产业占比 × 1 第二产业占比 × 2 第三产业占比 × 3。加权值越高说明产业结构越向高附加值产业倾斜。这个口径的优点是综合了三次产业缺点是权重取值有主观性对一产占比很小的城市区分度有限。第三类是产业结构合理化指标普遍用泰尔指数测度公式较长且需要分产业的就业数据和产出数据但它的好处是能反映要素配置效率而不只看产值比重。我在基准回归里用产业结构升级指数作为主口径用高级化指数和泰尔指数做稳健性检验。理由很简单升级指数能兼顾方向和幅度而且结果解读方便——比如2009年前后多数地级市的S值稳定在2.2到2.4之间这几年随着三产占比提升很多城市已经跨过2.5这个变化幅度在回归里是容易捕捉的。2.2 核心解释变量土地财政和数字经济的口径选择土地财政的核心测度有两类一是土地出让收入占GDP比重反映经济对土地收入的依赖二是土地出让收入占地方一般公共预算收入比重也就是土地财政依赖度反映财政层面依赖程度。我更推荐后者因为研究主题是财政行为对产业的影响财政依赖度更能捕捉地方政府的行为激励。很多三四线城市土地出让金已经超过一般公共预算收入的一半这个比例对行为模式的解释力很强。数字经济的测度比较头疼。北大数字普惠金融指数是很多城市面板研究用的现成指标它覆盖广度和使用深度两个维度优点是指标连续、年份覆盖好缺点在于它只是数字经济的一部分不能代表产业数字化和数字产业化全貌。如果要更全面就得自己构建综合指数常用的分项包括互联网宽带接入用户数、移动电话普及率、软件业务收入、电信业务总量等然后用熵值法降维合成。我对两种口径都跑了基准回归结论方向一致说明结论不是被某个特殊指标制造出来的。2.3 控制变量与样本范围少一个变量就可能多一个内生性问题控制变量的选取原则是凡是同时影响核心解释变量和被解释变量的因素都得进模型。我最终保留了六个控制变量每个选择都有明确逻辑。经济发展水平用人均GDP对数城镇化率用城镇人口占比人力资本用每万人在校大学生数对外开放用实际利用外资占GDP比重政府干预用财政支出占GDP比重金融发展用年末金融机构贷款余额占GDP比重。样本范围方面我选择2011到2021年地级市层面的面板数据。这个时间窗口考虑很实际数字普惠金融指数从2011年开始有比较完整的省市级数据而2021年是多数公开统计年鉴能拿到的最近完整年份。剔除了数据缺失严重的城市和直辖市后最终保留了280个左右地级市的平衡面板。2.4 模型选择为什么双向固定效应是起步最优解基准模型选择双向固定效应模型核心逻辑是控制两类不可观测的混淆因素城市固定效应控制每个城市不随时间变化的禀赋差异比如地形、历史产业基础、行政级别年份固定效应控制所有城市共同经历的宏观冲击比如货币政策周期、大规模减税降费等。模型的基本形式是y_it α β₁ land_it β₂ dig_it γ X_it μ_i λ_t ε_it其中land是土地财政依赖度dig是数字经济综合指数X是控制变量向量μ是城市固定效应λ是年份固定效应。为了消除组内自相关和异方差标准误聚类到城市层面。实际做的时候F检验和Hausman检验都指向固定效应优于混合回归和随机效应这与大多数类似研究的结论一致。3. 基准回归与机制检验从描述性统计到因果推断3.1 描述性统计里藏着容易被忽略的信息先看关键变量的样本区间。产业结构升级指数均值在2.35左右标准差0.15左右最大最小值差异在1.5到2.8之间说明城市间产业结构差距相当大。土地财政依赖度均值在0.4附近但有的城市超过1也就是土地出让金比一般公共预算收入还多这样的城市如果出现负效应完全在意料之中。数字经济综合指数经过熵值法合成后落在0到1之间均值和标准差的变化趋势比较平稳。描述性统计阶段值得留意的是变量间的相关系数土地财政依赖度和产业结构升级指数之间相关系数接近零甚至为负但数字经济指数和产业结构升级指数之间基本是正相关。这种相关性差异在回归之前就能大致预期结果方向。3.2 基准回归系数的符号组合说明了什么基准回归结果和最初的机制猜想基本一致。土地财政依赖度对产业结构升级指数的系数显著为负数字经济综合指数的系数显著为正两者都在1%或5%水平上显著。土地财政的负系数印证了中长期成本挤出效应依赖土地收入越深的城市产业升级进展越慢。数字经济的正系数说明数字化对产业升级的推动作用在城市层面是可识别的。更重要的发现来自交互项模型加入土地财政与数字经济的交互项后交互项系数显著为负这意味着高土地财政依赖确实会削弱数字经济对产业结构升级的积极影响。换句话说卖地收入高的城市数字经济拉动产业升级的效果更弱这为1.3节的交叉机制提供了直接证据。3.3 机制检验中介效应当代实证里怎么用才算合格机制检验我采用的是中介效应分析但必须说明一点现在的中介效应分析已经不能只用三步法就下结论因为中介效应的前提是严格外生性这在观察数据里很难满足。所以我在三步法的基础上补了bootstrap检验和sobel检验。实际分析的路径有两条。土地财政抑制产业升级的机制重点检验它是否通过推高房价收入比来挤出实体经济投资数字经济促进产业升级的机制重点检验它是否通过提升城市创新产出也就是专利授权量来推动结构升级。第一个路径里房价收入比作为中介变量时间接效应显著说明土地财政-房价上涨-实体产业成本上升-结构升级受阻这条链条在数据上是存在的。第二个路径里创新产出的中介效应也显著数字经济对产业升级的促进作用有相当一部分是通过创新渠道实现的。3.4 工具变量因果推断的补强固定效应模型能消除不随时间变化的遗漏变量但无法解决反向因果。产业结构升级快的城市可能有更强的财政实力也更有动力去发展数字经济这会导致估计偏误。我的解决办法是工具变量法。数字经济的工具变量采用了经典的历史邮电数据构建设施作为工具变量因为地区数字化发展有很强的历史路径依赖而历史邮电设施对当前的产业结构升级没有直接解释力。土地财政的工具变量则使用历史土地出让数据。工具变量的排他性检验用Sargan检验弱工具变量检验看第一阶段的F统计量我的设定都通过了相关检验。这一步做完核心结论没有发生逆转说明基准回归受到的偏误影响在可接受范围内。4. 异质性分析与稳健性检验证明结论不是数据巧合4.1 区域异质性数字经济并不是处处都好使总体回归掩盖了大量城市差异分区域看更有意思。东部城市的数字经济系数比中西部显著更高土地财政的负效应也更明显为什么东部数字经济基础和人才集聚度本来就强数字化对产业升级的边际效应容易发挥出来同时东部核心城市地价房价压力大土地财政依赖带来的成本挤出效应也更尖锐。中西部城市的情况不太一样。土地财政依赖度总体更高个别城市甚至超过1但土地财政系数在这些地方并不显著为负有些甚至不显著。我理解的原因是中西部城市仍处于基础设施加速补齐阶段土地财政支持的基建投资对产业发展的正向作用还没有完全被成本效应反超。这正是值得展开讨论的地方同一因素在不同发展阶段的作用方向是可以转变的政策节奏比一刀切更重要。4.2 城市规模异质性大城市和中小城市的逻辑完全不同按城市规模分组后结论同样有趣。在城区常住人口300万以上的大城市数字经济系数显著为正土地财政系数显著为负两者呈现明显的新动能 vs 传统依赖的替代关系。但在中小城市数字经济的系数要弱得多土地财政的影响则比较模糊。这个结果的现实解释是数字经济的集聚效应很强需要在足够大的人才池、市场和应用场景里才能跑起来。中小城市建再多的数据中心如果没有本地产业需求和数字人才也很难转化为结构升级动力。这意味着数字经济的推进不能搞平均主义大城市重在催化和融合中小城市可能要回到基础产业培育和成本优势上。4.3 稳健性检验换口径、换样本、缩尾处理为了让结论更站得住脚我做了多组稳健性检验。第一组是替换被解释变量把加权产业结构升级指数换成第三产业/第二产业比值和泰尔指数核心解释变量的显著性和符号没有发生实质变化。第二组是替换核心解释变量土地财政改用土地出让收入占GDP比重数字经济改用数字普惠金融指数分项结论依然稳健。第三组是调整样本剔除计划单列市和省会城市减少高行政级别城市对结果的拉动再对连续变量做1%缩尾处理排除极端值干扰。这些操作之后核心系数的绝对值和显著性略有下降但方向和显著水平保持稳定。第四组是更换模型估计方法采用系统GMM把被解释变量的滞后项纳入动态面板处理惯性特征和部分内生性问题结果同样一致。5. 实证之外数据口径、模型设定和实践启示里的关键经验5.1 最容易栽的坑土地出让收入的口径陷阱土地财政数据在统计口径上是个大坑。官方统计中的土地出让收入分为成交价款和实际入库收入两者差异很大。成交价款反映的是土地交易规模但很多地块是分期付款或者当年成交未当年入库拿成交价款算依赖度会高估地方政府的实际财政可用资金。我的经验是研究财政行为用实际入库口径更准确研究土地市场活跃度才用成交价款。如果数据源里只给了成交价款最好用财政年鉴里的一般公共预算收入配套校验一下量级。5.2 数字经济指数不要陷进越复杂越科学的误区构建数字经济综合指数时我最初用了十多个指标觉得越全面越好。后来发现指标之间高度相关。后来改成五到六个核心指标用熵值法计算权重。另外要注意年份之间的可比性有些指标在统计年鉴里中间年份改过统计口径直接拼接会制造虚假波动。如果遇到口径变化宁可删掉该指标也不要强行补齐。5.3 政策启示如何从回归系数变成可操作的行动逻辑实证做完了最后要回答那怎么办。我倾向于从结果层面提出几个可验证的方向建议。对土地财政依赖度偏高的城市与其简单喊摆脱土地依赖不如先优化出让结构增加工业用地和研发用地供给、压减商住用地比例让地价成本对实体产业的挤出效应降下来。对数字经济的促进效应不能只按软硬件投入的规模来衡量要更多关注本地产业基础和人才储备的匹配度。分区域来看东部城市下一步的重点是推动数字经济与传统制造业的深度耦合中西部城市则要先把产业承接条件和基础要素保障做好再考虑数字化布局。落到城市层面我的体会是产业结构升级不是一道按一下按钮就切换模式的填空题它更像一个长期均衡过程。实证能告诉我们变量相关方向和大致量级但政策真正起作用还是要回到城市自身的成本结构、产业基础和人才循环上去。这篇研究的价值不在于给出一个放之四海皆准的答案而是帮我们识别出哪些力量在起作用、会朝哪个方向作用以及哪些城市最容易受这些力量影响。