摘要

产业的数字密集度反映产业对数字技术的开发应用程度。OECD从技术组成、人力资本和市场经济活动三个角度提出数字密集型产业测算框架,采用独立分类法和位次平均分类法,分别对OECD国家36个细分产业的数字密集度进行了研究。本报告对OECD数字密集型产业分类和我国数字经济产业分类进行了研究总结和比较分析,并提出促进我国数字密集型产业发展的有关建议。

关键词:数字密集型产业;独立分类方法;位次平均分类法‍

数字经济是指以使用数字化知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为经济效率提升和结构优化重要推动力的一系列经济活动。数字经济对未来发展至关重要,但是其分类和测度却十分困难。2018年,美国经济研究局(BEA)利用供给—需求表界定了数字经济相关产业,估计2016年其数字经济规模为1.21万亿美元,占其GDP的6.5%。2018年,经济合作与发展组织(OECD)从国际比较视角出发,提出了颇具统计学色彩的词汇——数字密集型产业,依据指标体系评价的方法对产业的数字密集度进行了分类和测算,对我国开展相关工作具有重要借鉴意义。

OECD数字密集型产业分类

(一)数字密集型产业测度指标框架

数字经济作为一种经济活动,必然涉及生产、流通、消费三个主要环节,其中最终消费是经济活动的结果,可以不予考虑,因此,OECD从生产和流通两个环节考察数字要素的密集程度,将其作为辨别数字密集型产业的有效途径。从生产环节看,数字要素投入体现在数字化资本和数字化劳动的投入;从流通环节看,数字要素投入体现在通过数字化渠道实现的商品和服务销售。基于这一考虑,OECD从技术组成、人力资本和市场经济活动三个维度测度产业的数字化水平。其中,技术组成包括产业对机器人的使用、对信息通信技术(ICT)的资本性投入(ICT设备和软件的投资)和日常性投入(ICT商品和服务的购买);人力资本是指产业的ICT技术专家投入强度;市场经济活动可以用商品和服务的在线营销程度进行测度。

基于上述三个维度,OECD构造了数字密集型产业测度指标体系框架(图1)。

(二)数据来源与处理

  1. 技术组成。

(1)ICT投资。基于国民账户体系(SNA)中按照资产类型的固定资本形成总额表和EU-KLEMS数据库,OECD采集了ICT投资数据,包括ICT设备投资、软件与数据库投资两类。

(2)ICT购买。ICT商品购买是指特定行业对《国际标准行业分类》第3修订版第30、第32和第33部分的计算机和电子行业生产商品的购买。ICT服务购买是指特定行业对《国际标准行业分类》第3修订版第72部分计算机及相关活动所产生服务的购买,包括硬件和软件咨询、计算设备维护和数据处理等。

(3)机器人使用。OECD采用国际机器人联合会(IFR)的统计数据,具体测度指标为某个产业拥有的机器人存量,按照某一产业平均每百人的机器人存量进行标准化。

2.人力资本。ICT专业技术人员是指在3位码的职业分类(SOC)中软件和应用程序开发人员和分析师、数据库和网络专业人员、信息和通信技术服务经理、信息和通信技术业务与用户支持人员。OECD使用包含职业和行业信息的劳动力调查数据,计算每个国家每个行业每年从事信息和通信技术或数字密集型职业的工人所占比例。

3.市场经济活动。市场经济活动数据来源于欧盟统计局NACE第2版和第1.1版的“数字经济和社会统计综合数据库”国家部门行业年度数据,OECD再根据ISIC第4版分类对其进行调整。

为了应对2008年国际标准行业分类修订对指标的影响,OECD对指标数据进行了转换,最终行业分类遵循国民账户体系中提议的38个类别细分,并依据国际标准行业分类(ISIC第4修订版)的产业分类,排除了家庭生产和国际组织两个类别,采用独立分类法和位次平均分类法,分别对36个细分产业的数字密集度进行研究。

独立分类法下的OECD数字密集型产业分类

独立分类法是从七个具体指标的视角分别对各个细分产业进行数字密集度排名,从而客观展现各个产业的数字密集特征。

(一)三个维度的独立分类结果

1.技术组成。

(1)ICT投资。OECD数据显示,2013—2015年电信业的ICT设备投资最高,农林渔业等产业的数字密集程度较低。大多数制造业虽然是资本密集型产业,但其投资中ICT设备投资所占份额相对较低。以软件和数据库投资份额作为分类指标时发现,金融和保险业是高数字密集型产业,农林渔业等仍然是低数字密集型产业。

(2)ICT购买ICT商品购买量最高的产业集中在电信业,非机械制造业等数字密集程度低。以ICT服务购买指标测算发现,IT和其他信息服务业等属于高数字密集型产业,农林渔业等属于低数字密集型产业。有些产业,如运输设备、家具、木材等制造业的ICT服务购买增长较快,表明这些产业正在进行数字化转型。

(3)机器人使用。数据显示,运输设备等制造业平均每百名员工的机器人库存量较高,建筑业等在该分类标准下体现出来的数字密集程度较低。

2.人力资本。OECD研究发现,如果以ICT专业人员占比作为数字密集型产业的分类标准,则IT和其他信息服务业等属于高数字密集型产业,而农林渔业等属于低数字密集型产业。

3.市场经济活动。OECD数据表明,如果以在线营销强度作为数字密集型产业的分类标准,可以发现,食品、饮料和烟草等属于数字密集程度较高的产业,而建筑业等产业的数字密集程度较低。

(二)独立分类结果分析

根据七个指标的独立分类情况,OECD归纳了产业数字密集度分布表(表1,笔者进行了归类整理)。表中单元格的符号表示某产业以某指标作为判别标准时其数字密集度所处的位置,一个产业的排位越靠前,其数字密集度越高,反之则越低。对于每项指标,各产业排名均为各国历年(2013—2015年)的平均值。分析独立分类结果,可以有如下发现:

首先,电信、IT和其他信息服务、金融和保险、法律和会计活动、广告营销和其他商业服务这五个产业的数字密集度最为突出,七项指标中有四项或四项以上指标排在36个产业的前25%。

其次,农林渔业、采矿和采石、建筑业、运输和仓储、住宿和餐饮服务活动、房地产这六个产业的数字密集度最不突出,七项指标中有四项或四项以上指标排在36个产业的后25%。

最后,食品、饮料和烟草,化学品和化工产品,医药产品,医疗健康服务等十个产业的七个分类指标之间出现了巨大差异,体现了不同产业的数字化转型方向不同,另有十五个产业七个分类指标之间的差异不明显。

位次平均分类法下的OECD数字密集型产业分类

独立分类法可以从不同视角展现各个产业的数字密集度特征。为了从总体角度对各个产业的数字密集度形成一个宏观判断,OECD又提出了位次平均分类法,用于汇总七个指标的分类信息,进而形成综合分类结果。

(一)基于七个指标的位次平均法

位次平均法首先计算每个产业在独立分类法下各个指标在全部产业中的排名,然后分别将该排名乘以权重1/n(n为分类中所包含的产业总数),再对这些测算值求平均值,即得到每个产业的数字密集度,最后按照各个产业的数字密集度大小对全部产业进行排序和分类。

以电信业为例,其数字密集度的计算过程为:确定ICT设备投资、软件投资、ICT商品购买、ICT服务购买、ICT专业人员、在线营销六项指标为电信业测度指标(机器人使用指标对电信业无意义,所以舍弃掉),明确独立分类法下该六项指标在所有产业中所处的位次,分别为第1、第6、第1、第2、第4和第4位,指标权重均为1/36,则有:

电信业数字密集度=

(二)位次平均法下数字密集型产业分类结果

OECD根据位次平均法,利用2001—2003年和2013—2015年的各成员国数据,对36个产业的数字密集度进行测算和分类,结果显示(表2,笔者进行了归类整理)如下特征:

第一,相对而言制造业数字密集程度偏低,服务业数字密集程度偏高。制造业中只有运输设备制造业数字密集度排在各产业前1/4的行列;服务业中则有电信业等七个行业居于前1/4之列。

第二,制造业中新兴制造业数字密集程度偏高,传统制造业偏低。计算机、电子和光学产品等四个新兴产业的数字密集度在各产业中均排前1/2之列,而食品、饮料和烟草等九个传统产业中只有两个排名在前1/2中。

第三,生产型服务业数字密集程度偏高,生活型服务业偏低。在运输和仓储等九个生产型服务业中,有七个产业数字密集度排在各产业前1/4的行列;在住宿和餐饮等八个生活型服务业中,有五个产业排名在后1/2中。

第四,产业的数字密集度相对稳定。从2001年到2015年,在35个具体产业中(不含“其他服务活动”),数字密集程度分类不变的有30个,发生变化的产业只有五个,且变化幅度不大。

我国数字经济产业分类及与OECD比较

国家统计局是我国数字经济统计监测的官方机构,2021年其公布了《数字经济及其核心产业统计分类(2021)》,首次确定了数字经济统计监测的基本范围,包括数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业五大类。其中,前四大类为数字产业化部分,即数字经济核心产业;第五大类为产业数字化部分。在五个大类之下包括32个中类和156个小类。这一分类的提出在一定程度满足了各界对数字经济的统计需求,更是为中央政府制定发展规划提供了直接依据。例如,“十四五”规划提出,2020—2025年我国数字经济核心产业占GDP比重要从7.8%提升到10%。这一分类更多地体现了中国特色的分类标准。

首先,对国际标准参考借鉴有待进一步深化。分类文件的编制原则部分指出,该分类“以国内外相关统计分类标准为参考”,但所列出的统计分类标准为《新产业新业态新商业模式统计分类(2018)》《战略性新兴产业分类(2018)》《统计上划分信息相关产业暂行规定》,其中只有最后一个明确注明其参考了联合国制定的两个相关分类。因此,可以说我国数字经济分类对国际标准的参考借鉴还不够充分,有待进一步深化。

其次,分类标准注重“同质性”原则,但具体“定量”准则略显欠缺。分类文件指出,该分类基于《国民经济行业分类》(GB/T4754—2017)同质性原则,对国民经济行业分类中符合数字经济产业化特征和以提升数字产品(货物或服务)为目的的相关行业类别活动进行再分类。然而,再分类的“定量”准则仍显不足,针对每一个具体的产业进行分类,能够定性判断其数字技术渗透程度较高,但还不能定量反映其中数字化转型的贡献程度。

最后,判断“产业数字化”的统计标准尚待进一步明确。由于数字经济中“产业数字化”的经济体量远远高于“数字产业化”。分类文件重点提出了产业数字化的分类名称和活动特点,并没有提供具体的统计标准和测算办法。目前制度方法尚不能实现对数字经济产业数字化部分进行全面统计监测的目的,有关实施标准有待进一步明确。

由上述分析可以看出,我国的数字经济产业分类是从理论层面梳理数字经济定义,根据该定义考察各行业利用数据资源和数字技术的基本情况,从而确定数字经济产业特征及其分类,可以称之为“内涵演绎法”。OECD提出的数字密集型产业分类是基于多国细分产业统计数据,利用构建的评价指标体系,测算每个细分产业的数字密集度,以此达到分类目的,可以称之为“测算归纳法”。两种方法各有优劣,与OECD基于行业统计数据的定量测算相比,我国是针对细分行业的定性判别与归集,在精准度和通用性方面略有欠缺。

有关建议

数字化转型改变了人们的生产和生活方式,并提高了社会经济绩效。数字经济政策制定需要提供数字化对经济影响的事实证据,但评估数字化在多大程度上转化为广泛的经济增长仍具有挑战性。OECD根据产业数字化程度提出的产业数字密集度分类方法,对我国有关工作无疑具有启示意义。

(一)研究发布数字密集型产业分类目录

国家统计局发布的数字经济及其核心产业统计分类目录不能很好地甄别行业的数字密集程度,缺少提供关于产业数字化程度的有关数据的依据。这可借鉴OECD“测算归纳法”研究经验,首先构建测算产业数字化程度的评价指标体系,存在数据缺失的重要指标(如ICT投资与应用)可通过完善国家统计调查制度获取;其次基于该指标体系,利用细分行业统计数据进行定量测算;最后按照产业数字化程度进行行业归集,从而推出符合国情的数字密集型产业分类体系。

(二)动态监测我国数字经济发展状态

在当前的数字经济及其核心产业统计分类目录中,反映“数字产业化”的部门分类清晰完整,反映“产业数字化”的部门分类可以基于研究建立的数字密集型产业分类体系获得。以此为基础,动态监测我国数字经济规模与结构特征,摸清产业和企业的数字化程度和数字化需求,并与发达国家数字化发展情况进行比较分析,为国家数字化战略和政策制定提供支撑。

(三)不断完善数字经济发展制度环境

数字经济的健康发展来自全社会的数字化投资和对数字技术的有效利用,政府在促进数字经济发展和产业转型过程中肩负服务、引导和激励职责。产业数字化转型既包括生产工艺数字化,也包括经营管理和服务数字化,是一项系统工程,政府应根据数字经济发展形势要求,建立和完善数字经济发展的制度规范和基础设施,营造推动数字经济健康发展的人才、投资、信息和营商环境。

来源:《统计科学与实践》2024年第9期

责编:小之

初审:李莹

终审:亦君

第一作者:玄兆辉,技术预测与统计分析研究所所长、研究员。本文仅代表作者本人观点。

声明:本文来自中国科学技术发展战略研究院,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。