APA引用格式：
Chen, Y. (2026). Digitalization as a double-edged sword: Winning services and losing manufacturing in India. Journal of Development Economics, 179, 103618. https://doi.org/10.1016/j.jdeveco.2025.103618
1. 简介
数字化是推动经济增长的重要力量，但在发展中国家，劳动力市场摩擦（如技能短缺和空间流动性不足）可能阻碍企业充分享受数字化红利。本文利用2016年印度废钞令（Demonetization）这一准自然实验，研究了在数字支付突然普及的背景下，数字化对不同部门企业的非对称影响。
研究问题：
- 数字化冲击是否对所有企业都产生积极影响？
- 服务业和制造业对数字化的反应是否存在差异？
- 驱动这种差异的机制是什么？
主要发现：
- 在数字基础设施更完善（e-Readiness更高）的地区，服务业企业实现了收入和全要素生产率（TFPR）的显著增长，而制造业企业则出现了收入和TFPR的显著下降。
- 机制在于：服务业企业能够吸引更多ICT（信息通信技术）劳动力并增加ICT资本投资，而制造业企业则因ICT劳动力流失和工资上涨而减少数字化投资。
- ICT专业人员的工资显著上涨（10.2%），而其他工人工资无显著变化，导致工资不平等加剧。
计量方法：
- 双重差分法（DID）：利用2016年废钞令前后的时间变异和各地区数字就绪程度（e-Readiness Index）的横截面变异。
- 三重差分：引入部门虚拟变量（服务业vs制造业），识别数字化对不同部门的异质性影响。
- 事件研究法（Event Study）：检验平行趋势假设并观察动态效应。
2. 政策背景和研究问题
2.1 2016年印度废钞令
2016年11月8日晚8点，印度总理莫迪突然宣布：自午夜起，500卢比和1000卢比纸币（占流通货币的86%）将停止流通。公众需在2016年12月31日前将旧钞存入银行，而新钞发行速度缓慢，且ATM取款受限（直至2017年初才逐步解除）。
政策影响：
- 现金短缺：2016年10月至12月，公众持有的现金占狭义货币（M1）的比例从62%骤降至39%。
- 数字支付爆发：由于现金短缺，企业和消费者被迫转向数字支付方式（借记卡、信用卡、移动钱包）。POS机数量、卡交易量和移动钱包交易量在政策后急剧上升。
- 数字化 Adoption：数字支付的普及产生了大量数字足迹（digital footprints），促使企业投资ICT基础设施和雇佣ICT专业人员以分析客户行为、优化库存管理。
说明：该图展示了2016年11月（红色竖线）后，POS机、卡交易和移动钱包交易的跳升趋势，直观显示废钞令如何强制推动了数字支付普及。
2.2 数字就绪指数（e-Readiness Index）
废钞令冲击是普遍性的，但对企业的影响取决于各地区数字基础设施状况。作者构建了地区级e-Readiness Index（电子就绪指数），基于2011年人口普查和2013年经济普查数据，采用主成分分析法（PCA）计算。该指数包含两个维度：
- ICT友好环境：移动电话覆盖率、电信企业比例、家庭电脑拥有率等；
- 利益相关方准备度：企业和个人参与数字经济的准备情况。
指数越高表示该地区数字基础设施越完善，越有利于企业应对现金短缺并向数字平台转型。
说明：该热力图显示印度各地区数字就绪程度的显著差异，深色区域表示数字基础设施更完善。注意同一州内不同地区的差异（如马哈拉施特拉邦和孟加拉邦内部差异）。
2.3 研究假说
基于概念框架，作者提出：
- H1：在数字就绪程度更高的地区，废钞令后ICT劳动力工资将上涨；
- H2：ICT劳动力将从制造业流向服务业；
- H3：服务业企业将增加ICT资本投资，而制造业企业将减少此类投资。
3. 数据来源和变量界定
本文使用三个主要数据源：
| 数据来源 | 变量内容 |
|---|---|
| Prowess Database (CMIE) | 企业层面财务数据：收入、支出、资产负债、ICT资产（软件、电脑、IT系统）、通信费用、外包IT服务费用等。样本：2012-2019年，31,551家企业（19,921家服务业，11,630家制造业）。 |
| Consumer Pyramids Household Survey (CPHS) (CMIE) | 个人层面劳动力市场数据：工资、教育背景、专业领域、就业行业。样本：2014-2019年，236,244人（16个调查轮次）。 |
| VIIRS夜间灯光数据 | 地区经济活动水平和基础设施代理变量。 |
| RBI银行数据 | 地区银行分支机构数量、ATM机数量。 |
3.1 核心变量定义
被解释变量（企业层面）：
- 收入（Income）：企业总收入的对数；
- 销售额（Sales）：总销售额的对数；
- TFPR（全要素收入生产率）：采用Grieco et al. (2016)方法估计，该方法允许生产率内生演化且不需要实际产出价格数据。
核心解释变量：
- Post × e-Index：废钞令后时期（2016-2019）与地区数字就绪指数的交互项；
- Post × e-Index × Services：在上述基础上加入服务业虚拟变量的三重交互项。
ICT劳动力识别（基于CPHS数据）：
- ICT专业人员：拥有计算机科学或工程学位的劳动者（包括本科、硕士、文凭或证书课程）。
ICT资本（基于Prowess数据）：
- ICT Assets：企业资产负债表中的软件、电脑和IT系统价值；
- 通信费用：电话、电报、邮资、传真、数据中心、卫星和互联网服务费用；
- 外包ICT服务：软件开发、ICT和IT相关的外包专业服务费用。
3.2 描述性统计
事前差异比较（2012-2015年）：
- e-Readiness较高的地区，服务业和制造业企业在规模（收入、资产）上均更大；
- 服务业企业在ICT资产投资和通信费用上显著高于制造业企业；
- 服务业企业在高e-Readiness地区的平均TFPR反而较低，而制造业企业则较高（但这只是水平差异，非趋势差异）。
4. 研究设计与识别策略
4.1 基准模型（双重差分）
作者采用以下DID模型估计数字化对企业产出的影响：
其中：
-
：企业
（行业
，地区
，年份
）的产出变量（收入、TFPR等）；
-
：企业固定效应（控制不随时间变化的企业特征，包括企业选址决定因素、地区基线非正规经济特征）；
-
：行业-年份固定效应（控制行业层面的时变冲击，如全国性行业政策变化）；
-
：废钞令后虚拟变量（2016-2019年为1，2012-2015年为0）；
-
：地区数字就绪指数（标准化，均值为0，标准差为1）；
-
：控制变量，包括地区夜间灯光强度（控制经济活动和基础设施）、每千人口银行分支机构数、每千人口ATM机数。
4.2 部门异质性模型（三重差分）
为识别数字化对服务业和制造业的差异化影响，作者加入三重交互项：
识别假设：
- 平行趋势假设：废钞令前，位于高e-Index和低e-Index地区的企业应遵循相似的趋势（不一定是相同水平）；
- 无同期混杂冲击：2016年前后，没有其他与地区数字环境相关的冲击影响企业产出；
- ICT劳动力供给固定：短期内ICT劳动力供给缺乏弹性（由于培养周期长达6年以上且劳动力空间流动性极低）。
内生性处理：
- 企业固定效应：控制企业选址的内生因素（如经济特区政策、城市规模偏好）；
- 夜间灯光强度：控制地区未被观测到的经济活动、城市化水平和增长轨迹；
- 银行基础设施：控制废钞令对现金存取便利性的地区差异影响。
5. 主要实证结果和结论
5.1 基准结果：服务业与制造业的分化
表2：平均处理效应（全样本）
| 变量 | Ln(收入) | Ln(TFPR) |
|---|---|---|
| Post × e-Index | -0.026 (0.030) | -0.004 (0.160) |
结果显示，平均而言，废钞令对高数字化准备地区的企业没有显著影响。
表3：分部门处理效应（三重差分）
| 变量 | Ln(收入) | Ln(TFPR) |
|---|---|---|
| Post × e-Index (制造业) | -0.137*** (0.035) | -0.450** (0.212) |
| Post × e-Index × Services (服务业额外效应) | 0.209*** (0.041) | 0.913*** (0.272) |
| 联合效应（服务业总效应） | 0.072* (p=0.072) | 0.464** (p=0.029) |
核心发现：
- 制造业：e-Index每增加一个标准差，收入下降2.5%，TFPR下降8.1%；
- 服务业：e-Index每增加一个标准差，收入上升1.3%，TFPR上升8.4%；
- 差异显著：服务业相对于制造业，收入增长3.8%，TFPR增长12.5%。
事件研究图——收入与TFPR（分部门）
说明：左图(a)和右图(b)分别展示制造业（蓝色）和服务业（红色）的逐年系数估计。2015年为基期（系数为0）。可见废钞令后，服务业企业系数显著上升，制造业企业系数显著下降，且事前无显著趋势差异，支持平行趋势假设。
5.2 机制分析：劳动力市场与ICT投资
假说1：ICT劳动力工资上涨
利用CPHS数据（表4）：
- ICT专业人员：e-Index每增加一个标准差，工资上涨10.2%（9.4%的额外增长相对于其他高技能工人）；
- 其他工人：工资无显著变化（高技能工人：1.4%，低技能工人：1.7%，均不显著）。
假说2：ICT劳动力跨部门再配置
利用CPHS数据（表5和图4）：
- 服务业：ICT专业人员进入服务业的概率增加2.6%；
- 制造业：ICT专业人员离开制造业的概率增加2.4%；
- 低技能工人：更多进入制造业（互补效应替代ICT劳动力）。
事件研究图——ICT专业人员跨部门流动
说明：展示拥有计算机或工程学位的劳动者进入服务业（左图）和退出制造业（右图）的概率变化。2016年后，流入服务业的趋势明显上升，流出制造业的趋势明显下降。
假说3：ICT资本投资差异
利用Prowess数据（表6和图5）：
- 服务业：ICT资产投资显著增加1.9%（相对于均值增长17.3%），通信费用和外包IT服务费用显著上升；
- 制造业：总资产下降1.3%，ICT资产投资无显著增加（系数为0.008且不显著），通信费用显著下降。
事件研究图——ICT资产投资（分部门）
说明：左图(a)显示服务业企业ICT资产投资的逐年上升趋势，右图(b)显示制造业企业无显著增长甚至略有下降。
事件研究图——通信服务费用（分部门）
说明：展示服务业企业通信费用持续上升，制造业企业通信费用相对下降的趋势。
表6和表7：资产与支出分解（分部门）
| 变量 | 服务业系数 | 制造业系数 |
|---|---|---|
| ICT Assets | +0.019* | +0.008 |
| 通信费用 | +0.019*** | -0.012** |
| 外包IT服务（虚拟变量） | +0.022** | -0.017+ |
| 总资产 | +0.042 | -0.073*** |
| 原材料支出 | +0.001 | -0.189*** |
5.3 稳健性检验
作者进行了多项稳健性检验（详细结果见附录H）：
- 排除新进入企业：排除2012年或2016年后成立的企业，结果不变；
- 州-年份固定效应：控制州层面时变政策（如经济特区、软件科技园政策），ICT资产投资系数保持显著（0.023，p<0.05）；
- 安慰剂检验：将处理年份设为2014或2015年，未观察到显著效应；
- 剔除异常值：Leave-one-out检验显示结果不受特定行业或地区驱动；
- 远程工作顾虑：考虑到印度在2020年前远程工作极少，此因素不影响结果。
5.4 替代机制排除
需求侧故事？
利用现金短缺强度（Crouzet et al., 2023）作为数字支付需求的代理变量，发现高e-Ready地区的服务业企业并未对需求冲击强度作出显著反应，而低e-Ready地区的企业销售随短缺加剧而下降。这表明适应能力（数字基础设施）而非需求本身是主要驱动力。
流动性约束？
制造业的下滑并非由废钞令导致的流动性约束引起：
- 排除出口企业后结果不变（Chaurey et al., 2024发现出口商受流动性冲击影响）；
- 营运资本（直接流动性指标）无显著变化。
非正规经济溢出？
制造业下滑不太可能是由于非正规部门（农业、建筑业）受冲击的负向溢出，因为非正规部门的冲击是短期的，而制造业的负面效应持续至2019年；且正规部门的农业和建筑企业未在高e-Ready地区表现更差。
6. 结论与启示
本文揭示了数字化作为双刃剑的机制：在存在劳动力市场摩擦（技能短缺、空间流动受限）的发展中国家，突如其来的数字化冲击可能导致部门间生产率增长的分化。
核心贡献：
- 非对称效应：首次证明在同一国家、同一冲击下，数字化可以同时"赢家通吃"（服务业）和"输家受损"（制造业）。
- 劳动力市场摩擦的作用：强调了ICT技能劳动力的稀缺性和部门间再配置是驱动部门 Divergence 的关键机制。
- 不平等后果：数字化红利集中于高技能ICT劳动者，加剧了工资不平等。
政策启示：
- 基础设施投资：需加强欠发达地区的数字基础设施建设，确保普惠性数字化；
- 劳动力市场政策：需解决空间劳动力流动性不足问题，缓解技能短缺；
- 产业政策平衡：在追求数字化（推动服务业）与"印度制造"（制造业振兴）之间需要政策权衡，避免制造业空洞化。
研究局限：
- 缺乏非正规部门企业数据（印度经济的重要组成部分）；
- 无法观察对新进入企业生产率的整体影响；
- 仅能捕捉短期（4年）调整，长期教育选择和技能升级反应有待研究。
