本文以我国30个省份的省级面板数据为样本(鉴于数据的可得性，未包含西藏、港澳台)，样本区间为2011~2022年。数据来自历年统计年鉴、北京大学数字金融研究中心、各省的统计公报和官方发布的统计数据、EPS数据平台等。

为了保障数据的质量和研究的准确性，本文对我国30个省份的省级面板数据进行了以下预处理步骤：1) 针对数据中的异常值，本文进行剔除以确保后续分析的顺利进行。2) 针对某些年份缺失的数据，本文已用线性插值法补齐3) 针对后文实证模型中的相关变量，本文全部进行标准化处理，以消除量纲差异和异方差性。全部实证分析的结果均由Stata18软件得出。

本文的被解释变量是产业结构优化升级指数(UIS)。基于前文的分析及参考相关学者的做法，本文将采用第三产业发展水平来量化中国各省份2011~2022年产业优化升级指数，具体计算公式为：

$UI{S}_{it}=Z_{it}/Y_{it}\left(0<UI{S}_{it}<1\right)$(1)

其中， $Z_{it}$表示省份i第t年第三产业增加值， $Y_{it}$表示省份i第t年地区生产总值， $UI{S}_{it}$值越大则说明该省的产业结构优化升级程度越高。

本文以数字经济发展指标为核心解释变量(DDE)。随着数字经济的不断发展，结合已有的研究和相关资料，本文将从数字基建水平、数字产业规模以及数字普惠金融发展水平三个维度构建其评价体系，并用熵权法确定其指标权重(见 表1 )并得到了数字经济发展指标，熵权法计算步骤如下：

设共有n个地区与m个指标， $a_{ij}$为第i样本的第j个指标数值。

1) 正向指标：

${a^{\prime }}_{ij}=\frac{a_{ij}-\min \left\{a_{1j},\cdots ,a_{nj}\right\}}{\max \left\{a_{1j},\cdots ,a_{nj}\right\}-\min \left\{a_{1j},\cdots ,a_{nj}\right\}}$(2)

2) 计算比重：

$p_{ij}=\frac{{a^{\prime }}_{ij}}{{\displaystyle {\sum }_{i=1}^n{a^{\prime }}_{ij}}},i=1,\cdots ,n,j=1,\cdots ,m$(3)

3) 计算熵值( $k=1/\ln \left(n\right)>0,e_j\ge 0$)：

$e_i=-k{\displaystyle \underset{i=1}{\overset{n}{\sum }}{p}_{ij}\ln \left(p_{ij}\right)},j=1,\cdots ,m$(4)

4) 计算信息熵( $j=1,\cdots ,m$)：

$d_j=1-e_j$(5)

5) 计算各项指标权重( $i=1,\cdots ,n$)：

${\omega }_j=\frac{d_j}{{\displaystyle {\sum }_{i=1}^n{d}_j}}$(6)

6) 计算各样本的综合得分( $i=1,\cdots ,n$)：

$s_i=-k{\displaystyle \underset{i=1}{\overset{m}{\sum }}{\omega }_j{x^{\prime }}_{ij}}$(7)

本文选择了4个控制变量：政府扶持(GOV)，采用各省一般公共预算支出占地区生产总值的比重表示；对外开放程度(OPEN)；用各省进出口贸易总额与地区生产总值之比表示；社会消费水平(SCL)，用各省社会消费品零售总额与地区生产总值之比来衡量；人力资本水平(LHC)，采用各省高校在校生与总人口的比重衡量。

本文构建数字经济对产业结构优化的双向固定效应模型，如公式(8)所示：

$UI{S}_{it}=a_0+a_{1}DD{E}_{it}+\lambda X_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}$(8)

上式中，i表示省份，t表示时间； $UI{S}_{it}$表示省份i第t年产业结构升级指数； $DD{E}_{it}$表示省份i第t年数字经济发展水平， $a_1$为其回归系数； $X_{it}$代表控制变量集合， $\lambda$是其回归系数； $a_0$为常数项， ${\mu }_i$代表省份固定效应， ${\gamma }_t$代表时间固定效应， ${\epsilon }_{it}$为随机扰动项。

表2 为描述性统计结果，从表可以看出产业结构升级指数以及数字经济发展水平指数最大值与最小值差距较大，说明我国各省份的数字经济发展水平以及产业结构合理程度差距较大。对于控制变量，政府干预水平、对外开放程度以及社会消费水平差异较大，说明各省政府对经济发展的调控力度、各省对外贸易规模以及各省居民消费能力存在差异，这些主要与各省经济发展水平的不同相关联。

在实证检验过程中，通过Hausman检验对随机效应模型和固定效应模型进行筛选，最终结果显示应该采用固定效应模型，因此本文基于检验结果和前述计量分析模型，本文将使用双向固定效应模型。回归结果如 表3 所示，从全样本回归结果来看，核心解释变量 $DD{E}_{it}$的影响在1%的显著水平上显著为正；并且在逐步添加控制变量后，核心解释变量 $DD{E}_{it}$的系数始终在1%的水平上均显著为正。这就证实了数字经济的正向促进作用。与此同时，除了数字经济，各省份政府扶持水平、对外开放程度以及人力资本水平对推动地区产业结构升级也产生正向作用。

注：^***、^**、^*分别表示1%、5%、10%的显著性水平；括号内为t值。下同。

在获得上述基准回归结果之后，本文选用北大数字普惠金融指数(IF)替换核心解释变量数字经济发展水平(DDE)，然后又选用泰尔指数(TL)替换被解释变量产业结构升级指数(UIS)来进行稳健性检验，其中泰尔指数是三大产业各自的相对份额与各产业在整个经济体中的相对比例取对数的乘积再加总求和，泰尔指数越小则产业结构合理化程度越高。稳健性检验回归结果如 表4 所示，在替换核心解释变量与被解释变量之后，所获得的回归系数分别在5%水平上和1%水平上显著，表明前述基准回归结果通过了显著性检验，因此是稳健可靠的。

鉴于各省在地理位置、资源天资及其经济发展阶段等方面的多样性，为了探究数字经济发展水平是否对不同区域省份的产业结构优化升级的作用存在差异，本文将30个省份按经济发展水平和地理位置划为东部、中部、西部三个地区，实证结果如 表5 所示。

从表中可以看出，无论是哪个地区，数字经济对地区产业结构升级都在1%水平上显著且显著为正，说明数字经济对产业结果升级有显著的正向作用。但于此同时，回归系数的大小东部 > 中部 > 西部，这表明在推动东部地区产业结构的优化与进步方面，数字经济的影响力最为显著，中部地区紧随其后，而在西部地区，该影响相对较弱，区域间的效应差异明显。

造成上述异质性的原因主要有以下几个：首先各省份经济发展水平差异，东部地区作为中国经济发展的前沿，东部地区凭借其较高的经济发展水平和成熟的工业体系，加之交通、通信和信息技术基础设施的相对完备，为数字经济的蓬勃发展提供了有力的外部条件。相比之下，中部和西部地区的生产力水平相对落后，数字基建水平相对较差，数字产业链不够完善等，这些因素共同限制了数字经济的发展及其对产业结构调整的影响力。其次市人才和技术资源分布不均。东部地区聚集了大量的高教资源和研发机构，吸引了众多高端人才，形成了较为丰富的技术创新资源和人力资本储备。中西部地区虽然也有优秀的高校和研究机构，但整体上人才流失严重，科技创新能力相对较弱，影响了数字经济的深入发展。最后是政策支持和市场环境差异：东部地区在政策支持和市场环境方面具有明显优势，政府对数字经济的扶持力度大，市场开放度高，与国际市场的联系紧密，更容易吸收国际先进的数字技术和管理经验。中西部地区虽然也制定了一系列扶持政策，但在执行力度、资金投入和市场机制等方面与东部存在差距。

本文从数字基建水平、数字产业规模以及数字普惠金融发展水平三个方面并通过熵权法构建了中国30个省份2011~2022年数字经济发展水平评价体系，同时对各省份产业结构升级进行衡量，从理论与实证两个角度探究了两者之间的联系。研究显示：1) 数字经济对我国产业结构朝着高质量发展具有显著的推动作用。2) 除了数字经济外，政府的宏观调控、地区的对外开放程度以及人力资本水平对地区产业结构升级同样发挥了促进作用。3) 数字经济对我国不同地区产业结构的优化与提升显现出明显的区域差异性。特别是在经济发展较为先进的东部地区，这种差异性更为突出，数字经济能够发挥更大的推动作用；对于中西部地区，由于经济、资源、人才、技术等原因，其对产业结构升级的影响也弱于东部地区。

基于上述研究发现，为充分发挥数字经济在促进我国东部、中部、西部地区产业结构优化升级中的积极作用，本文提出以下政策建议：1) 加强对云计算、大数据、5G网络等数字基础设施的建设与优化，对全国范围内尤其是对网络覆盖不足的地区的数字基础设施加快布局，确保高速宽带和移动网络的普及与高效。同时支持跨区域数据中心建设，促进数据资源的集聚与共享。2) 培育数字经济发展新动能。要制定优惠政策，吸引国内外高端人才，为数字经济的发展提供智力支撑。也要加快数字贸易和服务贸易发展，推动电子商务、数字内容等新兴业态快速成长。3) 考虑到西部地区在数字经济进展方面相对滞后的现状，国家应当制订定制化的扶植措施，并加大财政及政策倾斜，以激发该区域数字经济增长的潜力。，特别是信息基础设施的建设，如宽带网络覆盖和数据中心建设。同时加大对教育的投入，鼓励企业、高校和职业培训机构合作，开展针对性的技能培训项目，提升当地劳动力的数字技能，为数字经济发展提供充足的人才支持。