互联网扩散对服务业的影响实证研究

张亚翠

(渭南师范学院东盟博仁财经学院，陕西渭南714099)

近年来互联网发展迅速，中国互联网络信息中心发布的第40次《中国互联网络发展状况统计报告》显示，截至2017年6月，中国网民规模达7．51亿，手机网民7．24亿，互联网普及率为54．3%，中国网站总数为506万个，“．CN”下网站数为270万个。国内外研究表明，互联网的迅速发展，能显著地促进经济增长，引起经济结构变革，影响国民经济各个领域。特别是对于服务业，互联网已经成为服务业的基本要素和重要支撑，对服务业产生了全方位的影响。互联网作为一种重要的通讯媒体，改变着人们的生活，也改变着服务业，提升了服务业的技术水平，带动了相关产业的发展，促进了服务业的转型升级，引发了产业组织的变革和产业资源的优化配置，成为服务业发展的新动力。

服务业作为基础产业，为国民经济其他产业提供服务，对国民经济有支撑和带动作用，服务业的发展对于国民经济意义重大。本文在文献分析基础上，利用2003—2015年全国31个省市的面板数据进行实证分析，探寻互联网扩散与服务业发展之间的关系，以便为促进服务业发展提供理论依据和实践指导。

1 文献综述

1.1 国外研究现状

国外从理论和实证两个角度针对互联网对经济增长的影响进行了系统的研究。Douglas Cumming、Sofia Jordan研究了互联网技术引进对投资的影响，研究结果表明，互联网通过促进企业家的联系、聚集，使地区间的经济联系和交流更加密切，促使私人投资增加，进而促进了经济的增长［1］。Lynne Holt，Mark Jamison从理论角度研究了宽带对经济增长的影响，结果显示，通过提高宽带渗透率能显著地促进经济的增长［2］。

Changkyu Choe、Myung Hoon Yi利用207个国家1991—2000年的面板数据，以投资、政府支出和通货膨胀作为控制变量，构建模型进行实证研究，他们认为，互联网能促进经济增长［3］。Nina Czernich等利用1996—2007年经合组织国家的面板数据，构建非线性回归模型进行实证分析，结果显示，宽带普及率每提高10%，人均资本将提高0．9～1．5个百分点［4］。Ceyhun Elgin基于全球152个国家1999—2007年的面板数据进行实证研究，研究结果显示，互联网普及率能显著促进人均GDP的增长［5］。Salahuddin和 Gow使用南非1991—2013年的数据，对互联网使用与经济增长的关系进行了实证分析。他们认为，互联网使用能显著促进南非经济增长［6］。

1.2 国内研究现状

张越和李琪利用各省经济增长和互联网的数据，建立模型分析了互联网发展水平对经济发展的影响，通过实证分析得出结论:互联网普及率和互联网基础设施显著促进国民经济增长［7］。朱翔探索了互联网信息产业对经济的作用机制，揭示了信息产业对经济增长和三大产业发展的贡献［8］。李立威和景峰通过收集我国31个省份2003—2011年的面板数据，分析了互联网扩散对经济增长的影响。通过实证研究得出结论，互联网对经济增长有显著的促进作用，互联网普及率每提高10%，人均实际 GDP提高1．38%［9］。李安渝，张昭采用DEA方法，选取我国31个省市的截面数据对互联网普及率与经济增长的关系进行了实证研究［10］。张勇以柯布—道格拉斯生产函数为基础，选取各省网民数、网站数和CN域名数构建指标体系，对2000—2010年全国30个省市的面板数据，选用固定效应回归模型，探讨互联网发展对国民经济的贡献度大小［11］。茶洪旺、左鹏飞利用我国31个省市2003—2013年的面板数据，应用扩展的柯布—道格拉斯生产函数，分析了互联网资源和经济增长的关系。研究结果显示:互联网资源能显著促进GDP增长［12］。张灿对互联网发展和经济增长的关系进行了理论和实证两方面的研究。实证研究结果指出，互联网发展能显著地促进经济增长，且这种促进作用东部地区明显大于中西部地区［13］。刘姿均、陈文俊根据我国31个省市2007—2015年的面板数据，研究了互联网与区域经济发展水平以及区域经济发展结构之间的关系，实证结果表明，互联网普及率每提高10%，实际人均 GDP提高7．42%，第三产业占比提高0．67%［14］。

1.3 文献评述

上述国内外文献从理论、实证两个方面，使用不同的模型、采用不同的指标研究了互联网发展水平对经济增长的影响，得出了有意义的结论，这些研究思路、方法和结论对本文的研究有非常重要的借鉴作用。然而，国内外研究都只局限于互联网对整体经济增长的影响，专门研究互联网发展水平与服务业发展水平之间关系的还非常少，更没有专门的定量研究。本文在梳理相关文献的基础上，选取我国31个省市2003—2015年的面板数据，构建模型定量研究互联网扩散对于服务业的影响，该研究对于服务业的发展有重要的理论和现实意义。

2 模型构建

2.1 变量选取

2．1．1 互联网扩散

互联网发展水平可以通过两类指标进行测度，即反映互联网络基础资源的指标和反映互联网使用情况的指标。其中互联网基础资源的指标包括:域名、网站数、网页数等;反映互联网使用情况的指标主要是互联网网民数。这里网民数是互联网发展中非常重要的基础指标。互联网作为交互式网络，作用是提供人与人之间的交流、交互。如果没有人参与互联网，互联网就失去了存在的意义，无法发挥其作用。网民作为互联网中的节点，网民的增加通过网络外部性提升了互联网的价值。考虑到网民数在互联网发展中的重要作用，本文使用互联网普及率来测度互联网发展水平。互联网普及率数据收集来自中国互联网络信息中心(CNNIC)发布的《中国互联网络发展状况统计报告》。

2．1．2 服务业发展水平

为了提高数据的可比性，服务业发展水平用人均第三产业增加值来衡量。各年度人均第三产业增加值为第三产业增加值与人口数的比值;各年度人口数和第三产业增加值数据均来自2004—2016年《中国统计年鉴》。

2.2 模型设定

如上文所示，选择人均第三产业增加值为被解释变量衡量服务业的发展水平，采用互联网普及率为解释变量衡量互联网扩散程度，构建回归模型;此外，为了通过模型反映互联网普及率与人均第三产业增加值之间的弹性关系，对互联网普及率和人均第三产业增加值取自然对数。面板回归模型如公式1所示:

式(1)中，lnPTVAit表示第i个省第t年人均第三产业增加值的对数;lnIPit表示第i个省第t年互联网普及率的对数，α表示截距，λi表示第i个省的个体效应，ρt表示第t年的时点效应，β表示互联网普及率对人均第三产业增加值的弹性系数，εit为随机误差项。

3 实证分析

3.1 单位根检验

为了保证估计模型的有效性，避免伪回归现象出现，首先对变量分别进行单位根检验。通过EVIEWS 8．0分别对lnPTVA和lnIP进行单位根检验，检验结果如表1所示。检验结果显示，lnPTVA和lnIP的水平值的LLC检验、IPS检验和ADF－Fisher检验的概率值均小于1%，在1%的显著性水平下拒绝原假设，即不存在单位根，说明这两个变量的水平值是平稳的，可以进行协整检验。

表1 单位根检验

3.2 协整检验

为识别人均第三产业增加值和互联网普及率之间是否存在长期稳定的关系，对lnPTVA和lnIP进行协整检验，结果见表2。从表2可以看出，Panel ADF检验和Group ADF检验概率值都小于1%，拒绝原假设。检验结果说明lnPTVA和lnIP两个变量的面板数据之间存在协整关系。

表2 协整检验

3.3 回归分析

在使用面板数据模型时，样本数据同时含有截面、时期和变量3方面的信息。如模型形式设定有误，就不能正确估计所研究现象之间的关系。因此，建立面板数据模型时，首先要检验样本数据的模型形式，以避免模型设定的问题，改进估计有效性［15］。表3所示列出各种模型的比较。

第一列显示了个体固定效应的回归结果，对回归结果进行F检验后，结果显示P=0，拒绝了建立混合估计模型的假设，因此可以确定固定效应模型优于混合模型。第二列是采用个体随机效应模型的回归结果，对模型进行Hausman检验的结果显示，其P值为0，拒绝了随机效应的原假设，即固定效应优于随机效应。因此在研究个体效应时，应采用固定效应模型。

类似地，针对时点效应和个体时点效应，也分别进行了F检验和Hausman检验。表3第三列显示了时点固定效应的回归结果，第四列为时点随机效应模型。通过F检验和Hausman检验结果显示，在研究时点效应影响时，固定效应模型优于混合模型和随机效应模型，应选择时点固定效应模型。第五列为个体时点固定效应模型，第六列为个体时点随机模型。通过F检验和Hausman检验结果显示，在研究个体效应和时点效应双重影响时，固定效应模型优于混合模型和随机效应模型，应选择个体时点固定效应模型。

表3显示了各模型拟合效果的比较，从中可以发现个体时点固定模型的 R2为0．995 4，调整后的R2为0．994 4，F统计量为947．762 1，其值明显高于个体固定效应模型，也高于时点固定效应模型的相应取值，且个体时点固定模型的回归标准差为0．059 8，残差平方和为1．176 5，取值明显低于个体固定效应模型，也低于时点固定效应模型的相应取值。因此，可以得出结论，个体时点固定效应模型优于时点固定效应模型，也优于个体固定效应模型。表3中，个体时点固定效应模型的 R2达到0．995 4，调整后的 R2达到0．994 4，说明该模型的拟合优度很高。

表3 不同模型对比

基于上述分析，最终选择个体时点固定效应模型对互联网普及率和人均第三产业增加值之间的关系进行估计。个体时点固定效应模型的估计结果如式(2)所示:

个体时点固定效应模型中的个体效应和时点效应的截距项分别如表4、表5所示。

表4 个体时点固定效应模型的个体效应截距项

3.4 结果分析

模型估计结果表明，互联网普及率能显著促进人均第三产业增加值的提高，互联网普及率每增加1%，会使得人均第三产业增加值增加0．185%。表4显示，个体效应非常明显，即各省市的区域差异对服务业发展水平的影响很大，这主要是由模型中没有引入的其他影响因素引起的，比如经济基础、收入水平、固定资产投入、工业化水平等因素限制了互联网扩散对服务业发展水平的影响。经济发达地区基础设施条件较好，经济发展水平高，居民收入也较高，使得互联网的知识溢出效应更显著，人均第三产业增加值增加的幅度更大［16］。

表5 个体时点固定效应模型的时点效应截距项

北京的值最大，为1．34;其次是上海和天津，其取值都在0．8以上;再次是浙江、江苏、广东、辽宁、内蒙古、福建、山东等，值在0．2～0．6之间;而为负数的省份大部分为经济欠发达地区，这些地区经济发展水平不高，基础设施不完善，互联网普及率相对较低，互联网的网络外部性没有充分发挥，从而互联网对服务业的影响也受到限制。

从时间维度看，2003—2015年时间效应逐年提高，这是因为网络具有外部性，当互联网普及率较低时，互联网的网民规模较小，没有达到临界容量，互联网的价值没有得到充分发挥，其对服务业发展水平的积极促进作用十分有限。随着近年来我国互联网的快速发展，互联网普及率的逐年提高，网民规模得到了快速的发展，网络价值也得到了更进一步体现，也使得网络外部性能够更好地发挥作用。时间效应在2010年由负数转为正数，并且数值也逐年提高，2015年达到0．677 374。因此，互联网普及率对服务业发展的积极促进作用随着时间的推移、普及率的提高也在逐年提升。

4 结语

以互联网普及率作为解释变量，人均第三产业增加值为被解释变量，收集2003—2015年全国31个省市自治区直辖市的面板数据，利用Eviews对模型进行F检验和Hausman检验，检验结果显示，个体时点固定效应模型优于个体固定效应模型，也优于时点固定效应模型。模型分析结果显示:互联网普及率能显著促进人均第三产业增加值的提高。互联网普及率每提高1%，会使人均第三产业增加值提高0．185%;从个体效应来看，各省市的区域差异对服务业发展水平的影响很大，从时间效应看，2003—2015年时间效应逐年提高。

互联网作为重要的基础建设，其发展关系到服务业的发展，乃至整个经济的增长。此外，我国各地区经济发展不平衡，特别是农村及偏远地区互联网普及率较低，由于互联网的外部溢出效应显著存在，政府应采取措施提高互联网普及率，缩小各地区互联网发展水平的差距。政府应通过积极推进宽带的发展、进一步发展无线移动通信、降低资费标准、改善互联网环境、增加互联网应用等措施，吸引城乡居民使用互联网络，增加网民人数，提高互联网的普及率。特别是对于经济落后地区、偏远地区和农村地区要下大力气增加基础设施投入、加大移动互联网投入，提升当地信息化水平，缩小发达地区和落后地区以及城镇和农村之间的数字鸿沟，让全国各地都能借助互联网的发展，充分发挥互联网对服务业发展的积极影响，使服务业得到更好更快发展。

［1］Douglas Cumming，Sofia Jordan．The Internet and Regional Economic Development［J］．Acad Manage Proc，2007(1):1－6．

［2］Lynne Holt，Mark Jamison．Broadband and Contributions to Economic Growth［J］．Telecommunications Policy，2010，33(10):575－581．

［3］Changkyu Choe，Myung Hoon Yi．The Effect of the Internet on Economic Growth:Evidence from Cross－country Panel Data［J］．Economics Letters，2009，105(1):39－41．

［4］Nina Czernich，Oliver Falck，Tobias Kretschmer，et al．Brandband Infrastructure and Economic Growth［J］．Economic Journal，2011，121(552):505－532．

［5］Ceyhun Elgin．Internet usage and the shadow economy:Evidence from panel data［J］．Economic Systems，2013，37(1):111－121．

［6］Salahuddin，Gow．The Effect of Internet Useage，Financial Development and Trade openness on Economic Growth in South Africa:A time series analysis［J］．Telematics and Informatics，2016(33):1141－1154．

［7］张越，李琪．互联网对我国各省区经济发展的影响［J］．山西财经大学学报，2008，30(6):38－44．

［8］朱翔．互联网信息产业对中国经济增长影响的研究［D］．武汉:华中科技大学硕士学位论文，2013．

［9］李立威，景峰．互联网扩散与经济增长的关系研究——基于我国31个省份面板数据的实证检验［J］．北京工商大学学报(社会科学版)，2013，28(3):120－126．

［10］李安渝，张昭．网络普及对省域经济增长的影响——基于DEA的实证分析［J］．商场现代化，2014(6):124－125．

［11］张勇．互联网发展对中国经济增长的影响研究［D］．合肥:安徽大学硕士学位论文，2014．

［12］茶洪旺，左鹏飞．互联网资源对中国经济增长的影响研究——基于31个省级面板数据的实证检验［J］．经济研究参考，2015(26):48－55．

［13］张灿．互联网发展与经济增长:机理与实证研究［J］．金融与经济，2017(7):32－36．

［14］刘姿均，陈文俊．中国互联网发展水平与经济增长关系实证研究［J］．经济地理，2017(8):108－113．

［15］高铁梅．计量经济分析方法与建模［M］．北京:清华大学出版社，2016:388．

［16］薛福根，蔡濛萌．产业转型升级动力的区域差异研究——来自省级面板数据的经验分析［J］．渭南师范学院学报，2016，31(12):65－70．