数字经济发展对区域经济增长的影响研究

李芳芝,吴叶静婷

(安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030)

0 引 言

随着互联网与信息技术的深入发展，数据作为一种新型的生产要素投入生产，并且对经济增长产生了较大的影响。数字经济作为新一轮产业革命的起点，是中国经济高质量增长的突破口。中国信息通信研究院发布的《中国数字经济发展白皮书(2020)》显示：数字经济在中国GDP中的比重从2005年的14.2%上升至2019年的36.2%，占比同比增长1.4个百分点，2019年全球数字经济平均名义增速为5.4%，高收入国家数字经济发展规模占全球比重达到76.9%。中国数字经济的发展水平相较于国外来说具有一定差距，但是也展现出惊人的发展速度，2019年中国数字经济增长领跑全球，同比增长15.6%，中国数字经济的增加值达到了35.8万亿元。许宪春与张美慧测算了中国数字经济规模，并将规模与美国和澳大利亚进行比较，结果得出中国数字经济增加值年实际增长速度明显快于美国和澳大利亚。[1]邵春堡提出了应该将数字经济应与实体经济进行融合，推动中国实体经济的发展。[2]就目前来说，对于数字经济与区域经济之间的空间关系研究较少，但空间计量模型在经济发展中的应用较为广泛。比如贺健以数字惠普金融指数代表不同省份数字经济发展水平，探究其与经济高质量发展的地区之间的差异；结果表明，数字惠普金融对中国经济高质量发展有着促进作用，并且在不同地区表现出不同的效果。[3]而且数字惠普金融对中国数字经济高质量发展的促进作用存在单一门槛效应。熊雯婕基于空间杜宾模型研究了中国30个省份互联网经济发展与区域创意效率之间的关系，结果表明互联网经济与区域创新效率存在显著的空间集聚特性，进一步通过中介效应发现，互联网经济发展主要是通过加速了金融发展与人力资本的积累。[4]黎蕾蕾基于金融功能的视角，对金融发展对经济增长的作用进行了研究，结果显示存在正向影响，但不具有空间溢出效应。[5]在对现有文献与方法的总结学习的基础上，发现尚未有文献探究数字经济的空间溢出效应。

本文依据2013—2019年省际面板数据，以数字经济的直接传导机制与间接传导机制出发，构建空间杜宾模型，以中国数字经济发展对区域经济增长的促进作用及空间溢出效应为主题，进行深入分析与研究，为中国数字经济建设提出可行性建议。

1 理论分析

1.1 直接传导机制

数字经济的发展溢出效应推动区域经济增长，具体表现在以下几个方面：网络效应、长期效应、示范与竞争效应。[6-8]为了保证自身产品竞争力，会引起实体部门内的相互竞争，极大地激发企业创新的积极性。因此数字经济的发展对区域经济具有直接的促进作用，并且考虑空间上存在的相关性，认为其促进作用也存在空间溢出效应。

1.2 间接传导机制

数字经济不仅可以直接促进区域经济发展水平，也可以通过影响教育水平、外商投资、金融制度等间接地影响中国经济。[9]数字经济的出现，吸引大量的外商投资，为外商投资企业进出口创造了条件，成为经济发展的引擎，使得中国经济水平得到提高。以数字经济的内涵出发，人力资本是其包含的重要部分，数字经济推动教育的发展，为中国经济建设源源不断地提供高质量人才，人力资源的高级化也能够大大提升区域GDP，推动经济增长。

因此综合考虑，提出假设：数字经济发展对区域经济具有促进作用且存在一定的空间溢出效应。

2 变量选取与模型设计

2.1 变量选取

被解释变量：本文的被解释变量为区域GDP，为防止数据单位不同造成模型选择的失误，故选取区域GDP的对数。数据来源国家统计局各年份统计年鉴。

解释变量：本文选取2013—2019年统计数据，分析中国30个地区(因西藏地区缺失数据，故本次分析不考虑西藏自治区)的数字经济发展水平。数字经济发展水平指标地构建是一个非常复杂的过程，不能仅仅使用单一指标进行衡量。张雪玲初步探索了中国数字经济发展评价指标体系，从信息通信基础设施、ICT初级应用、ICT高级应用、企业数字化发展和信息和通信技术产业发展五个方面构造评价体系[10]；刘军从信息化发展、互联网发展和数字交易发展三个维度构建了中国分省份数字经济评价指标体系;基于统计年鉴数据,测度了2015—2018年中国30个省份数字经济发展水平。[14]因此，本文综合现有文献，选取数字经济基础设施建设、数字化产业、数字化应用以及数字化创新等四个方面进行分析。一共选取了18个指标，采用熵值法确定权重，并计算各省市综合得分作为各省数字经济发展水平，见表1。

表1 数字经济发展水平指标体系

控制变量：胡德顺选取政府干预程度、外商直接投资、人口密度与城市金融发展水平作为控制变量，解决模型可能存在的内生性问题。[13]赵涛选取政府分权度、外商投资、金融发展水平、人口密度等作为控制变量。[12]参考已有学者的研究，兼顾数据的可得性。选取基础设施建设：互联网接入端口数；金融发展水平：互联网金融产业收入；创新能力：专利申请数；劳动力价值：数字经济产业平均工资；电子商务发展水平：电子商务交易额；交通情况：私人汽车拥有量，外商投资情况：外商投资进出额作为控制变量。

2.2 方法与计量模型

2.2.1 熵值法

数字经济评价指标体系构建完成后，需要对指标进行赋权，计算每个指标相应的权重。赋权的方法分为主观赋权法与客观赋权法。主观赋权法是依据人为的判断来决定指标的权重，客观赋权法则依据原始数据对指标进行赋权。数字经济发展指标不能人为的判断出指标的重要性，因此采用客观赋权法更为合理。客观赋权法中使用最为广泛的就是熵值法。

运用熵值法确定权重时，熵是用来确定不确定因素的。熵值法是计算出指标的离散程度，用来判断该指标对综合评价的影响情况。具体包括：当离散程度越大，该指标对综合评价的影响就越大；当离散程度越小时，该指标对综合评价的影响就越小。熵值法的优点是充分利用了原始数据，用原始数据计算出各个指标的权重，为多指标综合评价提供依据。主要的计算步骤为：设原始数据矩阵为A，其中aij表示第i个因素下第j个指标的评价值。

(a)计算指标值比重的pij：

(1)

(b)计算指标熵值：

(2)

(c)计算单个指标权重：

(3)

其中：hj=1-e

(d)计算指标综合权重：

(4)

2.2.2 空间自相关

Tobler认为事物都与事物之间都存在相互关联，但是，距离较近的事物存在的关联性比距离较远的事物更强。[14,15]统计学大部分研究中，都是假定各省的变量相互独立，但实际情况下，省域省之间都存在着广泛的联系，而且就一般来说，距离近的省份之间的联系会更加紧密。因此，对于这种存在的空间效应，OLS估计的结果就会存在偏误，空间计量经济学即空间计量模型顺势而生。在构建模型之前，首先需要进行空间相关性检验。

确定数据之间是否存在着空间依赖性，是判断能否正确的使用空间计量方法的前提。其中“莫兰指数”应用最为广泛。

(5)

(6)

2.2.3 空间计量模型

20世纪70年代前后，出现了空间计量经济学。随着面板数据的出现，空间计量模型逐渐发展并进入主流。主要原因是由于现在空间数据越来越容易获得，且学者越来越开始关注空间关系。一般空间计量模型的形式如下[6,7]：

(7)

其中：yit是被解释变量；yi,t-1是被解释变量的一阶滞后项；xit是解释变量；是空间滞后项；表示解释变量的滞后项；μi是区域i的个体效应；yt是时间效应。

若λ=0，则该模型为空间杜宾模型(SDM)；若λ=δ=0，则该模型为空间滞后模型(SAR)；若τ=δ=0，则模型为空间自相关模型(SARAR)；若τ=p=δ=0，则模型为空间误差模型(SEM)。

空间杜宾模型是空间滞后模型与空间误差模型的一般形式，能捕捉到各经济单位之间的空间异质性与溢出性，具有良好特性[16]。建立模型具体形式如下：

(8)

3 实证结果

3.1 综合得分

在对数据进行分析之前，考虑数据单位不同，数量级存在较大差异，将数据进行标准化处理，由于本文所用指标均为极大型指标，考虑采用进行标准化处理，再对数据进行标准化处理之后。利用熵值法求出的数字经济指标的权重,如下表2。

表2 数字经济发展指标处理结果及权重

续表2 数字经济发展指标处理结果及权重

通过熵值法计算2013—2019年中国30个省份数字经济的综合得分，为消除标准化后数据为0，会忽略指标对综合评分的影响，故对数据进行标准化处理之后，每个值又加了1。

3.2 空间自相关

通过整理2013—2019年的数据发现，沿海地区的生产总值始终处于领先地位，东部地区的生产总值一般高于西部地区。

从表3可以看出各省份全局Moran指数均为正值，2013-2019年区域经济发展水平有正向空间相关性。因此，进行空间计量分析是十分必要的。

表3 莫兰指数表

通过“莫兰指数”确定数据之间存在空间集聚性之后，需要通过LR检验进一步判断空间杜宾模型是否会退化成为空间滞后模型(SAR)或空间误差模型(SEM)。LR检验结果如表4，模型均通过了检验，确定最终模型为空间杜宾模型(SDM)。

表4 空间计量模型选择结果

3.3 空间计量模型

经Hausman检验，统计值为-1.73。说明不能拒绝存在随机效应的原假设，因此采用随机效应的空间杜宾模型(SDM)更有效。这可能是因为，随机效应相对于固定效应来说，在存在较多的空间单位个体情况下，可以有效的避免自由度的降低。由于空间相关性的存在，OLS估计模型不再满足基本假设。空间杜宾模型结果如表5。

表5 SDM估计结果

从表5结果可以看出，p在10%的显著性水平下显著。回归结果表明，数字经济发展水平会推动区域经济的增长，说明大力发展数字经济，可以带动经济的发展；并且数字经济的空间滞后项在1%的显著性水平下显著为正，这意味着数字经济发展存在显著的空间网络外部性，再一次表明中国数字经济发展水平在不同省份之间存在显著的空间溢出效应。说明省份数字经济发展水平高会带动邻近省份经济的发展，也验证了本文假设的正确。

3.4 直接效应与间接效应

LeSage和Pace在2009年指出利用空间回归模型的点估计方法来检验空间变量是否存在溢出效应得出的结论是存在偏误的，通过求偏微分的方法将点估计方法中的系数估计值分解为直接效应和间接效应(见表6)，可以有限避免这种偏误。

表6 直接效应和间接效应检验

从直接效应和间接效应可以看出，数字经济发展水平的直接效应显著为正，说明数字经济的快速发展对本省的经济会产生正向影响；间接效应也显著为正，说明本地区数字经济的发展不仅会影响本省的经济，也会促进相邻省份的经济发展，存在空间上的溢出效应，从总效应来看，在1%的显著性水平下通过检验，说明数字经济的发展能对区域经济产生显著影响，验证本文假设成立。其他控制变量中，劳动力价值、电子商务发展水平、外商投资情况间接效应均显著，说明这些控制变量在空间上也会对地区经济发展水平产生影响。

4 结 论

本文基于2013—019年省际面板数据，通过熵值法测度各省份数字经济发展水平，进一步运用空间杜宾模型研究数字经济发展对区域GDP的影响，从理论与实证的角度分别证明了数字经济发展对区域经济的内在作用，得出主要结论有：一是通过熵值法测度的数字经济发展水平可以看出，近几年，中国数字经济发展水平迅速，总体的发展趋势是一直上升的。2019年数字经济发展水平的综合得分相较于2013年增幅较大，说明中国数字经济发展态势较好。其中广东、江苏、北京、浙江、上海数字经济发展综合得分领先其他省份，说明这些省份在数字产业化和产业数字化中发展突出。宁夏、青海、新疆这些省份数字经济发展综合得分排名较为落后，说明这些省份在数字产业化和产业数字化发展过程中进步较为缓慢。广东、江苏将继续带领全国数字产业化不断发展，中部六省数字经济发展规模也稳步上升。西部城市虽然增速较缓，但也呈现出积极的发展态势。二是中国各省份的经济增长存在显著的空间相关性。数字经济的发展对区域经济存在显著的正向外部效应，且作用明显，具有空间溢出效用。