上海数字经济服务业空间格局演变及影响因素

康江江 汪明峰

（1.上海社会科学院应用经济研究所，上海 200020；2.华东师范大学中国现代城市研究中心，上海200062；3.华东师范大学城市与区域科学学院，上海200241）

一、引言

当前，以信息技术为引领的产业新业态方兴未艾，在加快信息经济发展的过程中，催生了一种全新的经济形态——数字经济。从全球来看，中美正在引领数字经济。2015年数字经济的发展上升为国家战略，在2020年政府工作报告中，进一步强调了要打造数字经济新优势。2019年中国数字经济增加值的规模达到35.8亿元，占GDP比重36.2%（数据源于《数字中国建设发展进程报告（2019年）》），更是凸显了数字经济对整个经济社会发展的引领作用。可以发现，中国作为数字经济大国，数字经济逐渐成为国民经济的重要组成部分和增长动力，成为我国经济的高质量发展的重要依托（赵涛等，2020）。更进一步，数字经济作为驱动经济发展的关键生产要素，对于我国主要城市的经济发展的作用也愈发重要，对于推动城市经济的高质量发展具有重要现实意义。

就上海而言，2019年数字经济产值规模已经超过了50%（数据源于《2021上海市数字经济发展研究报告》），表明数字经济已经成为引领上海经济继续增长的引擎。为进一步促进数字经济发展，2019年出台的《上海加快发展数字经济推动实体经济高质量发展的实施意见》，指出要持续增强新时代上海数字经济发展新优势，加快提升数字经济规模和质量。2020年出台的《上海市推进新型基础设施建设行动方案（2020-2022年）》更是指出，通过一系列数字经济基础设施的建设来构建上海新兴产业技术创新发展的支撑体系。然而，数字经济的发展不仅要关注产值规模的提升，还应该注重发展质量的提升。尤其是在全国数字经济百家齐放的大环境下，聚焦上海数字经济发展重点领域。全力打造数字经济发展新亮点，持续增强新时代上海数字经济发展新优势，促进上海数字经济的更高质量发展。

二、文献综述

从已有的研究成果来看，主要集中在以下几个方面：第一，数字经济的产生及其内涵。英国新经济学家Tapscott（1996）首次提出“数字经济”，随后各国政府纷纷采取措施将数字经济作为推动经济增长的新动能。数字经济在范围上涵盖电子商务、信息技术、相应的信息通信技术（ICT）基础设施、IT行业本身、商品和服务的数字传输及IT所支撑的有形商品的零售销售（Malecki & Moriset，2008）。其中，数字经济核心产业包括电子信息制造业、电信业、软件和信息技术服务业、互联网行业等，与ICT产业具有较强的重叠性（赵义怀，2020；徐丽梅，2020）。不过，2021年国家统计局公布的《数字经济及核心产业分类（2021）》中，将数字经济确定为数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字效率提升业这五个类别。相比原先的ICT产业，主要增加了数字技术与实体经济的融合的相关产业。第二，影响数字经济空间格局的要素机理分析。首先，传统区位理论认为，产业分布受制于地方发展条件与区位优势（韩峰和李玉双，2019）。通过介入比较优势的构建，政府部门能通过地方发展策略的实施，推动产业的地方性集聚发展(Bai等，2004)。其次，城市发展理论指出，集聚是城市发展的本质，城市发展要素的空间集中的向心力会促进产业在城市空间的集聚。数字经济产业作为城市产业发展的新业态，只有大城市才能获得技术支持、市场保证和经济效益。因此，数字经济产业中外资企业主要集中在城市化发展水平较高地区（康江江等，2019）。第三，数字经济发展的政策研究。其一为国外数字经济政策研究，随着许多发达国家对产业政策的兴趣复苏，各地政府都对发掘更强大、更具“竞争力”的数字经济有着浓厚的政策兴趣。例如，英国的科技城计划、美国的区域创新集群、欧盟的“智能专业化”政策（Foray，2015）和欧美“锈带”转型“智带”的智能转型（阿格塔米尔和巴克，2017）。其二为国内关于全国、上海及长三角其他地区推进数经济发展的政策建议。上海数字经济基础较好，在全国数字经济指数中的占据领先地位（刘军等，2020）。从突破数字经济核心产业关键技术、提升数字经济规模等级、数字经济产业集聚效应以及建设数字经济产业联盟等等方面提升上海数字经济的发展水平（袁伟等，2020）。将上海打造成为具有影响力的数据中心、数字技术创新策源地、数字经济贸易国家枢纽港以及面向未来的数字之城（赵义怀，2020）。此外，浙江省启动“数字浙江”建设（方申国，2019）；江苏省着力推进信息基础设施建设提档升级，大力提升数字基础设施（南磊，2018）；安徽省发布《支持数字经济发展若干政策》，组建安徽工业互联网产业联盟等（范琦娟，2018）。可以发现全国主要省份都提出了数字经济的发展政策与方略，特别是2021年国家统计局专门公布了数字经济核心产业的行业类型、分类和具体代码，更是为指导全国推进数字经济发展、统计以及区域比较提供了重要的参考基础，同时也会进一步推动数字经济的发展。

总结而言，国外研究起步较早，在数字经济的空间效应及其对产业、社会的影响方面研究较多，对其在地方发展中实际作用的研究稍显薄弱。国内研究近几年进展较快，但研究的主要局限性和急需解决问题是，研究内容较为笼统与分散，较少明确聚焦地方产业发展需求，进行深入的针对性实证研究，地方指导意义较弱。为展开这一研究，需要首先明晰数字经济服务业企业的空间区位选择特征与分布规律，分析这些企业在进行区位选择时主要关注的影响因素，进而提出未来促进本地数字经济服务业的发展提供相关的对策建议。因此，本文基于2008—2018年上海数字经济服务业企业相关数据，分析上海数字经济服务业企业的空间变化特征，并利用负二项回归分析方法对其影响因素进行实证检验，以期深入掌握上海数字经济服务业发展空间规律与驱动因素，为上海进一步推动全市数字经济发展以及内部不同区级单元协同发展提供支持。

三、数据来源与研究方法

（一）数据来源

本文数据来源主要包括上海市统计局第二（2008年）、第三次（2013年）国民经济普查数据中的数字经济企业数据，以及2018年上海市的工商注册的数字经济服务业企业数据。获取的数字经济企业数量分别为2008年3832家、2013年10068家、2018年35825家。其中，2008和2013年企业信息字段包括企业名称、企业地址、行业类型、注册资本、营业收入、法人、成立时间、行政区划、经营范围等。基于国家统计局发布的《数字经济及其核心产业统计分类（2021）》指南，主要选择数字经济核心产业中的服务业行业进行研究。因此，本文的数字经济服务业产业主要涵盖电信、广播电视和卫星传输服务业、互联网及相关服务、软件和信息技术服务业、文化数字内容及其服务业等具体门类。此外，在模型实证中，本文还用到城市层面的数据，主要来源于《上海统计年鉴》、上海第六次人口普查资料、2015年上海1%人口抽样调查资料等，以及上海道路、地铁站点、大型综合商城POI数据等。

（二）研究方法

负二项回归分析方法。由于分布在每个乡镇的数字经济服务业企业存在一定的不连续特征，即某些乡镇拥有的企业数量相对较多，有的城市分布的数量很少甚至为零，这就说明数字经济服务业企业在空间上的分布可能存在较为明显的离散特征，不符合泊松回归模型的假设。同时，通过检验因变量的方差与均值，发现方差明显大于均值，说明存在“过度分散”，需要用负二项模型来进行实证检验（陈强，2014）。

是的估计参数，服从泊松分布：

在公式（2-3）式中：i表示县域单元，t表示时间，K为超离散程度，服从均值为0、方差为α的伽马分布。α越大，表明超离散程度越强。

四、上海数字经济服务业空间特征演变

（一）总体空间特征

1.区级尺度下“中心—外围”状空间分异格局逐渐演变为“多中心—外围”特征

通过计算16个区的企业分布密度（利用数字经济企业数量/区行政区划面积计算所得，用来表示各个区数字经济服务业企业集中程度的高低），结果见图1。

图1 2008—2018年上海区级尺度数字经济服务业分布趋势

通过观察企业在不同市区的分布密度图可以发现，上海数字经济服务业的空间分布大致呈现出较强的“中心—外围”状分布特征，即中心市区如黄浦、徐汇等区企业分布密度相对较高，而外围市区如金山、奉贤等市区的数字经济服务业企业则分布密度较低。然而，上海各个区的发展状况存在一定差异，整体空间格局也处于不断的变化当中，多中心趋势开始凸显。具体看来，2008年上海数字经济服务业呈现出非常显著的中心高，外围低的空间分布差异。其中，黄浦、静安、徐汇、长宁是四大核心集聚中心，是上海数字经济服务业分布密度最高的区域，同时邻近的普陀、虹口两区的数字经济服务业也呈现出较高的集聚度；然而，位于远郊区的金山、松江、崇明等区的数字经济服务业企业分布密度较低，表明这些地区的数字经济服务业的发展水平相对较低；虽然2013年中心市区的数字经济服务业集聚程度较高，但是近郊区的浦东、宝山和嘉定等有所发展，且这些区的数字经济服务业集聚程度有所提升；到2018年，仍旧呈现出以中心市区为主，近郊区和远郊区为外围的空间分布格局，但是开始出现多中心分布特征，主要是近郊区有所发展，而崇明和金山、奉贤等区的数字经济发展水平较低。

2.镇级尺度下多中心状空间分布格局逐步形成

基于上海各个乡镇街道单元的数字经济服务业企业数量，按照企业分布数量多少进行统一分类，划分为5个等级，结果见表1。从乡镇尺度的企业空间分布变化中发现，数字经济服务业企业的空间分布主要呈现出较强的多中心空间分布特征，即主要以少数镇或街道为主要的集中分布区，这些区域并不仅仅集中于主要的中心市区，而且在一些近郊区和远郊区的乡镇也集聚了大量数字经济服务业企业。具体看来，主要以浦东新区的张江科技园区、陆家嘴街道、徐汇的枫林路街道以及黄浦的外滩街道，逐渐演变为张江、临港、五角场为核心的空间格局。同时，一些中心市区的街道和镇则不再具有集聚优势，同时数字经济服务业企业进一步向少量中心镇或园区进行集聚，尤其是非中心市区的城镇成长迅速。具体而言，张江、五角场街道、陆家嘴街道等一直是数字经济服务业企业集中分布区，张江成为上海数字经济服务业分布的超级集聚中心，临港新城、南翔镇、唐镇等郊区强镇逐渐也逐渐成为地方性的集聚中心。总之，2008—2018年上海数字经济服务业主要以浦东新区的镇为主要的集聚中心，中心市区的少许镇或街道也集聚了大量的数字经济服务业但地位在不断下降，而郊区的部分中心镇成长为本区重要的数字经济服务业企业集聚中心。

表1 2008—2018年乡镇尺度数字经济服务业企业分布趋势

五、影响因素分析

（一）变量选取与描述性统计

企业的区位选择可能受多个要素的影响，已有研究针对影响因子的选择已经做了大量的相关性研究（蒋海兵等，2015；公维民和张志斌等，2021；徐祯等，2021）。这些研究均认为地区的交通便利程度（交通可达性）、所处的地理区位、产业发展基础（包括地方化经济、城市化经济以及核心配套产业的发展水平等）、经济发展水平、区域发展环境等是影响企业进行区位选择的主要因素。基于此，本文主要利用2018年企业在乡镇尺度的空间分布数量作为因变量，主要从交通要素、区位要素、产业基础要素以及经济基础要素四个方面进行实证分析。

其中，交通要素指标主要选择以下三个具体的指标，即是否有高速公路通过（Highway）、地铁站点的数量（Subway）、有无快速公路通过（F-Road）三个指标进行表示。这是因为数字经济服务业企业在进行区位的空间选择时，会综合考虑本地的交通通达性，距离高速路、快速路以及地铁交通方便的地方，方便出行和对外联系，有利于企业快速与客户进行对接，同时也有利于企业员工的上下班通勤，可以较低企业运营的交通成本。

区位因素不仅是指企业所在的区的地理位置，同时也关注地方自身的一些商务设施的辅助。主要选择以下几个指标进行具体分析，即利用乡镇距离人民广场的欧式距离（D-Center）反映本地与市中心的联系紧密程度；选择乡镇所在的区是否位于中心市区来表示地方的绝对位置，更进一步，将上海16个区按照张凡等（2010）的研究成果划分为中心市区、近中心市区、近郊区以及远郊区四类，按照乡镇所在区进行虚拟变量的设置。同时，数字经济服务业企业对大型商城也有一定的依赖程度，选择2018年大型商城的数量（Mall）进行表示。一方面大型商场可以为数字经济服务业企业提供一定的生活和工作便利，另一方面也会提升区域的地价和房价，提升企业的运营成本。

产业发展基础是企业区位选择的重要影响因素，尤其是当地数字经济服务业的发展基础，会对后进企业的区位选择产生较大的影响。这是因为地方化经济效应的影响导致同类产业趋向于集聚在一起，这就会促使越来越多的同类产业进入本地，以获得劳动力共享、技术溢出和中间投入等；同时，城市化经济也会对企业的区位选择产生影响，多样化经济效应的存在会提供多样化的劳动力、服务和产业发展要素，吸引企业进行区位选择。数字经济服务业属于技术密集型服务业，对先进生产性服务业的需求也比较高，需要先进生产性服务业为其提供必要的金融、商务服务和技术服务。因此，选择相关性产业基础、城市化经济、先进生产性服务业发展水平三个变量来刻画产业基础要素的影响。其中，相关性产业基础（L-economy），主要用2013年各个乡镇数字经济服务业企业数量表示；城市化经济（U-economy），主要用2010年各乡镇的常住人口规模表示；先进服务业发展水平（S-APS），用2015年各个乡镇金融业、租赁和商务服务业以及科技服务业三个行业占总就业人数的比重来表示。

最后，数字经济服务业的区位选择也会受到本地经济发展水平（Pgdp）的影响，因为这些产业属于现代化经济，更加倾向于在经济发展水平较高的地区进行区位选择，由于乡镇尺度的数据缺乏，所以用各个区的人均GDP进行表示。

（二）模型结果分析

通过对模型进行检验，结果发现样本方差远大于样本均值，而且 Alpha 的置信区间在5%的显著性水平上拒绝“过度分散”参数“Alpha=0”的原假设，即说明应该使用负二项回归模型进行估计，同时 Vuong 统计量在[-1.96, 1.96]的区间范围内，表明不适合使用零膨胀负二项回归模型，因此本文采用标准负二项回归模型进行结果的估计。表2展示了模型的回归结果，通过分别将交通要素变量、区位因素变量、产业基础变量、经济基础变量放入模型中，得到的结果如表2中的模型1、2、3、4所示，然后将所有变量均放入模型中，得到最终的模型5结果，可以发现大多数变量的估计结果都比较稳定。

表2 变量基本属性与描述性统计

相关性产业发展基础 L-economy利用第四次经济普查数据，计算2013年上海各个乡镇数字经济服务业企业的数量，作为测度各个乡镇单元的数字经济服务业发展基础的代理变量487 0 59.3产业基础城市化经济 U-economy基于第六次人口普查资料，利用各个乡镇2010年的人口规模进行测度，取对数 12.95 3.56 11.26高级生产性服务业发展基础 S-APS利用2015年上海市人口抽样调查数据，计算2015年上海各个区金融业、租赁和商务服务业以及科技服务业三个行业占总就业人数的比重，作为测度各个乡镇单元的高级生产性服务业发展基础的代理变量。0.2 0.03 0.11经济基础 区域经济水平 Pgdp 利用各个区的人均GDP进行测度，取对数 12.76 10.84 11.66

交通要素变量的模型结果（模型1）和整个模型（模型5）的估计结果中，除了快速公路便利性变量没有通过显著性检验以外，另外两个高速公路便捷性和地铁交通便捷性变量均通过了显著性水平检验。这也均证实了交通便利性会对数字经济服务业企业的进入布局产生显著的正向影响，说明区域的交通越便利，越会吸引数字经济服务业企业在本地区进行区位选择（蒋海兵等，2015）。具体而言，高速公路通过的系数显著为正，说明高速公路的通过率越高，越会吸引数字经济服务业企业在此进行区位选择和布局。同时，地铁站点变量结果显著为正，表明地铁站点数量的增加会促进数字经济服务业企业在该区域进行区位选择。已有研究均发现良好的交通条件会吸引企业进行区位选择（公维民和张志斌等，2021；徐祯等，2021）。这是因为交通便利性是影响数字经济服务业企业选址布局的重要因素，这些企业需要经常会见客户，及时的与客户、政府之间进行沟通与交流，因此对交通的便利性要求较高（罗双双等，2012）。

反映区位因素的变量在分模型（模型2）和整个模型（模型5）的估计结果相对稳定，除大型商城变量显著为负之外，距离市中心的变量和地理位置变量均未能通过显著性检验。其中，模型2发现近郊区的中心镇级单元是数字经济服务业企业的重要选择区位目的地，这是因为很多数字经济服务业企业位于浦东地区，尤其是浦东的张江是上海电子信息产业的发展重镇，电子信息制造和服务业均比较发达，因此吸引了大量的数字经济服务业企业进入。另外，反映区位因素的另一个变量大型商场会对数字经济服务业企业的区位选择产生显著的负向影响。这与一些相关的研究结果有所不同（徐祯等，2021）。虽然大型商城的布局会对提升整个地区的服务设施配套水平，会为数字经济服务业企业提供相对便利的生活服务设施，服务这些企业的公司员工。然而，一个不争的事实便是大型商场的进入会显著提升区域的用地成本，抬升本地的房价、地价，同时其也会通过市场竞租对办公楼的空间产生一定的挤压作用，从而提升数字经济服务业的办公成本，从而不利于数字经济服务业在该区域进行区位选择。

从反映产业发展基础变量的模型3和整个模型结果（模型5）来看，反映地方产业基础的地方化经济、城市化经济以及配套产业三个变量的结果都显著为正，表明区域的产业基础会对数字经济服务业企业的区位选择产生显著的正向作用。具体而言，反映本地化经济的变量显著为正，说明企业进行空间区位选择时，会考虑本地原有的相关性产业基础。由于本地化经济的存在，可以提供专业化劳动力、技术溢出以及中间投入，进而会促进该产业发展水平的提升，进而吸引更多的专业化企业进入该地（罗双双，2012；林娟等2017）。同时，模型的估计结果展现出城市化经济也会对数字经济服务业企业的空间选择产生正向的影响。这是因为城市化经济效应的存在，结果会为数字经济服务业的发展提供产业发展的市场、多样化劳动力以及产业发展配套设施，进而改善区域的发展环境。尤其是对于数字经济服务业企业而言，属于现代化经济中最具发展潜力的产业，需要较高的人口规模来提供较大的市场，进而吸引数字经济企业的进入（李佳洺等，2018）。数字经济服务业的发展需要相关的服务业进行配套，尤其是金融业、租赁和商务服务业以及科技服务业等高级生产性服务业，可以为数字经济企业的发展提供金融支持、商务服务以及科技服务等，对数字经济服务业的发展能够提供必要的经济和技术支持，从而吸引更多的数字经济服务业进行区位选择（方远平等，2020）。最后，反映区域经济发展基础的人均GDP变量没有通过显著性检验。

总结而言，模型估计结果展现出数字经济服务业企业的空间区位选择是区域交通条件、区位条件以及产业基础三者综合作用的结果，地理区位的便捷性和已有的专业化产业、相关性产业以及城市化经济等均会对数字经济服务业区位选择产生正向的促进作用，而区位条件中的大型商城等竞争性产业的发展会对数字经济服务业企业的区位选择产生一定的不利作用。

表3 负二项回归模型估计结果

注：：括号内为标准误，***，p < 0.01；**，p < 0.05；*，p < 0.1。

六、结论与对策

（一）主要结论

本文利用2008—2018年近10年的上海市数字经济服务业企业的地理区位数据，从区级尺度和乡镇单元尺度分析了企业具体的空间分布特征与总体变化趋势，然后利用负二项回归模型方法，从交通要素、区位要素、产业要素以及经济要素四个方面来实证检验了这4个要素对数字经济服务业企业在空间区位选择的具体影响，得到以下主要结论：

第一，上海数字经济服务业主要以“中心—外围”的趋势逐渐演变为“多中心—外围”状空间分布特征。即虽然中心市区的数字经济服务业集聚程度相对较高，但是一些近郊区的数字经济服务业也处于不断的发展当中，尤其是浦东新区的数字经济服务业发展得到了快速的发展，其余如崇明、金山、青浦等区数字经济服务业整体集聚水平相对较低。

第二，从乡镇尺度的空间分布变化中发现，数字经济服务业企业的空间分布主要呈现出较强的局部空间集聚特征，并且呈现出多中心空间集聚趋势。即从主要以浦东新区的张江科技园区、陆家嘴街道以及中心市区的外滩街道、徐家汇街道为主要集聚中心，逐渐演变为张江、临港、五角场为核心的多中心空间分布格局，而中心市区的多数街道和镇则不再具有集聚优势，表明数字经济服务业企业进一步向少量中心镇或园区进行集聚。浦东新区的张江成为上海数字经济服务业企业分布最集中的区域，成为整个市域范围内的超级集聚中心。虽然中心市区的一些镇域单元仍旧集聚了一些的数字经济服务业企业，但是相比张江高科技园区而言，其区域集聚程度还相对较低。

第三，区域交通条件、区位条件以及产业基础是影响数字经济服务业企业的空间区位选择的重要因素。其中，地理区位的便捷性，尤其是高速公路和地铁交通的便利程度的提升，会显著提升数字经济服务业企业进行区位选择。同时，数字经济服务业企业在进行区位选择时，地方的产业基础对数字经济服务业企业的选择也具有重要的正向作用，尤其是本地已有的数字经济发展基础是数字经济企业会对区位选择产生重要影响，同时城市化经济也会产生重要的正向影响。数字经济服务业的发展离不开与之紧密配套的先进生产性服务业，对其空间布局的区位选择会产生非常大的影响；最后，与以往研究不同的是，论文发现大型综合商城会挤压数字经济服务业的发展，大型商场的进入会显著提升区域的用地成本，抬升本地的房价、地价，同时其也会通过市场竞租对办公楼的空间产生一定的挤压作用，大型购物商城的产业竞争会对数字经济服务业企业的区位选择产生一定的不利作用。

（二）主要建议

随着上海不断加快数字化转型及数字经济的发展，上海各个市区也都在推进本区数字经济的发展，助力上海经济的高质量发展。同时，由于上海数字经济服务业空间分布特征的多中心发展趋势，需要在推动数字经济高质量发展的同时，继续促进上海各个区在数字经济规模上有所提升，加快数字化多中心趋势发展，主要建议如下：

1.强化数字经济空间格局的多中心趋势。随着上海数字经济服务业空间分布的多中心发展趋势越发显著，应该继续强化以张江、临港、五角场为核心的数字经济强镇的中心带动作用，推动张江科技园和张江镇与唐镇、金桥镇等邻近镇域单元实现联动发展，提升地方核心引领水平；同时，推动临港新城镇与泥城镇、书院镇、万祥镇等区域内邻近数字经济强镇的联动发展，形成区域性组团发展集聚中心，提升该区域数字经济的集聚发展水平与区域竞争力；推动五角场街道与周边邻近长海路街道、新江湾城街道、高境镇等实现数字经济发展的区域联动发展，强化区域集聚中心地位。最后，进一步推动提篮桥街道、香花桥街道、南翔镇等地方性强镇数字经济服务业的发展，形成地方性集聚小中心。

2.推动乡镇街道的配套发展。数字经济服务业的发展离不开发达的交通基础设施，尤其是高速公路和地铁的便利性，对于数字经济服务业的布局有重要的影响。因此，需要完善数字经济强镇的交通基础配套设施，进一步提升这些地方的快速市内交通运输能力，方便数字经济服务业企业的对外联系。同时，在产业配套上，强化先进生产性服务业为数字经济发展的服务能力，促进先进生产性服务业与数字经济服务业企业融合发展和协同发展，实现数字经济服务业与先进生产性服务业之间的互动发展；最后，合理协调数字经济服务业发展用地与大型购物商城用地之间的发展关系与配比关系，实现本区域数字经济与其他产业之间的协调发展。

本文主要从企业区位选择视角，利用上海数字经济服务业企业的位置数据进行分析，由于缺乏连续企业的属性数据，如从业人口、产值等，可能忽略了企业属性特征影响下的数字经济服务业空间格局，同时数字经济是近年来上海提出的新的经济发展动能，未来的研究需要将研究的时间序列放在更长的时间段内分析其空间分异特征与变化规律。同时，未来需要结合相关的数据分析与企业调研，进一步验证数字经济服务业企业在区位选择中关注的核心要素，强化本研究的现实指导价值。