【摘要】文中利用OECD投入产出数据，选取2000-2020年间74个国家作为研究样本，探究数字技术资源应用于制造业中的位置偏好对全球供应链稳定性的影响及其背后的理论机制。研究发现：数字技术应用的位置偏好对全球供应链稳定性表现出明显的U型影响，即将数字技术资源偏向于制造业中游位置应用更有利于全球产业供应链稳定。上述结论对我国优化数字技术资源配置、助力制造业数字化转型，提升供应链稳定性及促进高质量外循环有重要的借鉴意义。

　　【关键词】数字技术；应用位置偏好；供应链稳定性

　　1引言

　　随着新一轮科技革命的深入发展，数字技术、人工智能及工业互联网等新兴技术成为各国抢占科技制高点和助力价值链地位攀升的重要引擎。同时，作为提升生产率以推动社会生产各环节实现转型升级的重要驱动力量[1]，在制造业生产过程中投入数字资源也成为了未来各国平缓供应链波动、推动供应链稳定性稳步提升的重要工具。

　　与本研究相关的一类文献是全球价值链韧性或稳定性的研究。目前学者已从多角度对“韧性”或“稳定性”进行了定义及度量。一部分学者从供给端和需求端双侧探讨其概念，并从出口上游度与下游度的变化中衡量产业链的稳定性[2]。还有学者从多维度出发，如Hohenstein等[3]认为有韧性代表着对于外部有较高冲击的响应、恢复能力，以确保运行过程中的“稳定性”与“安全性”，在此概念之上，有学者利用稳定性和安全性特征来刻画全球价值链韧性[4]；另外，部分学者认为“提韧防断”的关键是要从其根源遭受外部冲击后内在变迁的“动态性”入手[5]，后有学者在上述定义的基础上又基于动态视角进行了补充[6]，认为生存能力也是衡量韧性的一个重要特征。还有部分学者从市场角度分析，认为完善的生产性服务业配套能力和开拓各市场的潜力，能够运用数字技术针对冲击进行预测并及时响应均是提升产业链稳定性的重要措施[7]。

　　本文的边际贡献在于：从“应用位置”入手，拓展数字资源应用位置偏向与供应链稳定性这一研究领域的研究范围，可为我国数字技术等高新科技资源配置优化提供可行政策依据，也可为我国提升供应链稳定性，助力外循环平稳发展提供理论依据。

　　2理论分析

　　制造业作为我国的支柱性产业，其数字资源配置关系着全行业的协同发展并对供应链稳定性有着至关重要的影响。引导数字技术资源偏向制造业中游环节应用，可通过以下几个具体途径促进供应链稳定性的提升。

　　中间品贸易自由化的升级是促进企业积极参与GVC的重要途径[8]，过高的贸易壁垒将严重阻碍企业稳定地融入全球网络生产过程；出口企业在国际市场中受到其他企业的竞争压力，主要是因为与其他出口企业产品市场空间布局的高度重合[9]，这将形成严重的侵蚀性竞争，以上二者成为阻碍出口国供应链稳定性提升的重大因素。

　　制造业融入数字技术资源将为行业带来规模效应，提升生产率水平，降低出口企业边际成本，提升企业出口产品质量[10]，促进出口产品多元化以降低与出口国市场产品的重合度，缓解同行业间的竞争压力，避免同质产品竞争造成贸易壁垒的提升。而偏向制造业中游位置应用数字技术可通过提升市场信息透明度帮助出口企业搜寻新的、产品重合度低的市场进行出口，以降低核心环节产品因侵蚀性竞争造成的出口波动。同时，应用数字技术更便于企业吸收外部高质量资源要素和先进技术，引入企业稀缺知识进行整合后再利用，可大幅降低企业研发风险，有助于企业提升创新能力和创新效率。而创新带来的技术水平提升将推动企业高效转型升级，促进企业由规模扩张转向质效提升，当面临外部供需冲击时，拥有强大创新能力的企业能迅速调整生产范围和种类以适应冲击带来的变动。上述优势可极大程度降低货物贸易壁垒、促进双边中间品的自由流动，这进一步保证了中间品出口商在供应链链条中上下游间的稳固关系。而贸易壁垒的减少可避免企业因销售渠道压缩及成本上升而采取低价竞争策略[11]，降低企业间的恶性竞争，意味着能够降低“产品倾销”事件的发生概率，避免双边贸易摩擦事件的发生，形成贸易合作无障碍的良性循环，增强供应链链条的稳定性与安全性。

　　3相关方法测算与构建

　　3.1数字技术资源投入制造业位置的测算方法

　　本文参考Antràs等[12]、陈晓华等[13]的研究，将数字技术资源应用于制造业位置来测算数字技术应用位置偏好指数。

　　
PH,的数值越大，意味着数字技术行业g越偏向于应用在制造业上游的生产位置，反之则表明数字技术行业g越偏向应用于制造业下游生产位置。同时，本文借鉴刘洋等[14]、王彬等[15]对数字技术的定义，将计算机电子和光学设备制造（D26）、电信（D61）、信息技术和其他信息服务（D62T63）三个提供数字技术设备和服务的行业定义为数字技术行业，然后基于OECD的投入产出数据库，选取74个国家（地区）作为样本，测算2000-2020年间各国三类数字技术行业的数字技术资源分别应用于制造业的位置偏向。

　　3.2全球供应链稳定性的测算方法

　　在测度全球供应链稳定性时，本文借助全球价值链[16]相关概念，测度全球价值链前向及后向稳定性，运用HP滤波法识别出各国各制造业行业的前向和后向GVC长度的周期部分，以GVC长度周期部分的5年滚动标准差表示GVC长度的波动性。该指标为负向指标，即数值越大则证明一国某制造业行业的前向（后向）GVC长度的稳定性越差。

　　通过上述测算得到一国制造业行业层面前向及后向GVC稳定性指标数值。由于Wang等[16]中对全球价值链长度的测算限于国家-行业层面，因此本文基于以上测度所算得的GVC稳定性数据同样为国家-行业层面，在此本文参考了胡昭玲、汪子豪[17]的做法，保持行业划分并按权重法计算国家层面GVC稳定性。在计算前向GVC稳定性时使用各行业增加值产出比例作为权重，将各行业增加值产出比例数值与该行业前向GVC稳定性数值相乘，然后将上述数值相加取得国家层面GVC稳定性数值。在计算后向GVC稳定性时使用行业最终产品比例作为权重，将各行业最终产品比例与该行业后向GVC稳定性数值相乘，然后将上述数值相加取得国家层面GVC稳定性数值。

　　由上述加权方法得到国家层面前向及后向GVC稳定性指标后，本文进一步运用前向与后向稳定性相乘的方法测算得到全球价值链稳定性综合指标，并以此数值作为衡量全球供应链稳定性的指标。那么由此计算得出的全球供应链稳定性综合指标为负向指标，即综合得分数值越小代表一国供应链稳定性越强。

　　4实证结果与分析

　　4.1计量模型、变量与数据

　　基于以上理论分析，本文在此实证分析数字技术资源应用于制造业位置对全球供应链稳定性的影响并将计量模型设定如下：

　　本文选取的控制变量分别为：（1）出口依赖度（EXPORT）：使用出口额占总产出的比例表示；（2）进口依赖度（IMPORT）：参考了张艳萍等[18]的做法，使用进口额占总投入的比例表示；（3）经济发展水平（VA）：使用各国人均增加值产出表示；（4）人力资本水平（LNHC）：使用人力资本指数的对数表示；（5）外商直接投资强度（FDI）：使用外国直接投资净流入占GDP比例表示。各控制变量数据来自世界银行发布的World Development Indicators（WDI）数据库、佩恩表（Penn World Table）及作者计算所得。

　　各变量描述性统计如表1所示。

　　4.2基准回归

　　本文在同时控制国家-行业和时间固定效应的情况下，利用最小二乘法（OLS）对计量模型进行基准回归，表2中列（1）-列（7）分别汇报了依次添加控制变量后获取的回归结果。回归结果显示，数字技术资源应用于制造业位置指数（PH）的系数显著为负，其平方项（PH2）系数显著为正，表明数字技术资源应用制造业位置对一国的供应链稳定性有明显U型特征，即偏向制造业中游位置的数字资源应用模式更有助于提升供应链稳定性。现有文献针对如何利用数字技术提升供应链稳定性这一政策的普遍建议为“大力促进数字技术与实体经济的深度融合”，然而却无法解决“如何配置才能更好地发挥数字技术资源功效”这一问题，而本文的研究结论给予了相应政策启示。

　　4.3内生性检验

　　考虑到数字技术资源应用于制造业的位置偏向对供应链稳定性的影响可能存在互为因果的内生性问题，本文选取以下工具变量进行内生性检验。其一，选取数字技术资源应用偏向指数及其平方项的滞后一阶作为工具变量IV-a进行回归。其二，参考了以往学者的研究，基于移动份额的方法构建巴蒂克工具变量IV-b[19]。基于以上工具变量得到的回归结果如表3所示，可见核心解释变量的一次项系数及其平方项系数分别显著为负和显著为正，并且工具变量有效性检验结果显示通过了一系列检验，这证实基准回归研究结论是稳健的。

　　4.4稳健性检验

　　为确保基准回归结果的可靠性，本文采用了以下方法进行稳健性检验，结果见表4。

　　第一，考虑到数字技术资源应用于制造业的位置偏向对供应链稳定性影响回归结果可能受到不同测度方式的影响，因此单独将前向及后向指数进行回归以检验回归结果的准确性，回归结果见列（1）和（2）。第二，考虑到数字技术资源应用于制造业的位置偏向与全球供应链稳定性之间的U型关系特征可能是由于被数字技术应用大国和供应链稳定性较强的国家主导，在此本文分别剔除数字技术资源应用程度最高及稳定性综合指标排名前五的国家后再次进行回归，回归结果见列（3）与列（4）。第三，由于样本期间发生了全球金融危机，这可能冲击数字技术资源应用于制造业的位置偏向与供应链稳定性间的U型关系。因此，本文将2008-2009年作为危机冲击时期并进行单独回归，以检验在发生危机冲击时数字技术资源应用位置偏向与供应链稳定性之间的关系，回归结果见列（5）。通过上述稳健性检验，进一步证实了基准回归结果的可靠性。

　　5结论与政策启示

　　本文利用2000-2020年74个国家（地区）及3个数字技术行业的面板数据，研究数字技术资源应用于制造业的位置偏向对供应链稳定性的影响及作用渠道。所得主要结论为：数字技术应用位置偏好对全球供应链稳定性表现出明显的U型影响，即将数字技术资源偏向于制造业的中游位置应用更有利于全球供应链稳定。并且这一结论通过了一系列内生性检验及稳健性检验。

　　本文为我国优化数字技术资源配置、提升供应链稳定性提供了理论支撑。我国应遵循以上经验规律并充分引导企业将数字技术资源偏向于制造业中游阶段应用，加快落实数字技术资源配置偏向制造业核心产业应用的政策，尤其是针对高技术行业的龙头企业，要尽快形成“中间大，两头小”的数字资源配置形式。同时，要注意配套政策的落实，畅通数字技术偏向中游阶段应用渠道，鼓励位于供应链上下游的企业积极沟通学习，提升供应链条上下游产业间的关联性，充分释放中游企业的创新效应，以中游阶段核心企业为关键节点带动上下游企业协同创新。利用好数字化、物联网等大数据资源以获取出口优势信息，引导企业积极参与高质量出口活动，为我国高效提升外循环质量、增强供应链稳定性打下坚实基础。

［参考文献］

　　［1］师博.人工智能助推经济高质量发展的机理诠释[J].改革，2020（01）：30-38.

　　［2］何茜茜，高翔，黄建忠.工业机器人应用与制造业产业链供应链韧性提升——来自中国企业全球价值链嵌入的证据[J].国际贸易问题，2024（02）：71-89.

　　［3］Hohenstein N O,Feisel E,Hartmann E,et al.Research on the phenomenon of supply chain resilience:A systematic　review and paths for further investigation[J].International Journal of Physical Distribution&Logistics Management,2015,45（1/2）:90-117.

　　［4］杨仁发，郑媛媛.数字经济发展对全球价值链分工演进及韧性影响研究[J].数量经济技术经济研究，2023，40（8）：69–89.

　　［5］肖兴志，李少林.大变局下的产业链韧性：生成逻辑、实践关切与政策取向[J].改革，2022（11）：1-14.

　　［6］宋跃刚，张小雨.创新驱动政策能否提升企业全球价值链韧性?[J].世界经济研究，2023（12）：89-104+134.

　　［7］Gereffi G.Global Value Chains and Development:Redefining the Contours of 21st Century Capitalism[M].Cambridge：Cambridge University Press,2018.

　　［8］张亮，邱斌，孙少勤.中间品贸易自由化、全球价值链与出口国内增加值率[J].国际经贸探索，2022，38（06）：4-26.

　　［9］侯欣裕，陈璐瑶，孙浦阳.市场重合、侵蚀性竞争与出口质量[J].世界经济，2020，43（03）：93-116.

　　［10］金祥义，施炳展.互联网搜索、信息成本与出口产品质量[J].中国工业经济，2022（08）：99-117.

　　［11］赵文霞，刘洪愧.贸易壁垒对出口产品质量的影响[J].经济评论，2020（04）：144-160.

　　［12］Antràs P,Chor D,Thibault F,Russell H.Measuring the upstreamness of production and trade flows[J].American Economic Review,2012,102（3）:412-446.

　　［13］陈晓华，刘慧，蒋丽.生产性服务资源环节偏好与中间品进口——来自34国1997-2011年投入产出数据的经验证据[J].财贸经济，2019，40（3）：101-115.

　　［14］刘洋，董久钰，魏江．数字创新管理：理论框架与未来研究[J].管理世界，2020，36（7）：198-217+219.

　　［15］王彬，高敬峰，宋玉洁.数字经济对三重价值链协同发展的影响[J].统计研究，2023，40（1）：18-32.

　　［16］Wang Z,Wei S J,Yu X,Zhu K.Characterizing Global Value Chains:Production Length and Upstreamness[R].NBER Working Paper,2017,23261.

　　［17］胡昭玲，汪子豪.吸收马尔科夫链在全球价值链位置测度中的应用[J].数量经济技术经济研究，2022，39（03）：107-129.

　　［18］张艳萍，凌丹，刘慧岭.数字经济是否促进中国制造业全球价值链升级？[J].科学学研究，2022，40（01）：57-68.

　　［19］陈东，秦子洋.人工智能与包容性增长——来自全球工业机器人使用的证据[J].经济研究，2022，57（4）：85-102.