中国省域科技投入与数字经济关系研究

陈明慧，陈志勇

(福建师范大学数学与统计学院，福建 福州 350117)

数字经济最早是由Tapscott[1]提出，描述互联网对经济社会的影响，伴随着信息通讯技术的不断创新和广泛应用，数字经济逐步成为各国实现发展转型的新动能.数字资源作为新的生产要素参与生产中，不断提升我国产业数字化、网络化和智能化水平.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，我国2019年数字经济增加值达35.8万亿元，占GDP比重从2005年的14.2%提升到36.2%，数字经济名义增长率为15.6%，高于同期GDP名义增长率约7.85%.党的十八大提出实施“创新驱动发展战略”，旨在促进经济与技术创新的融合发展.科技投入是政府支持创新最直接的方式，2017年中国政府投入研发经费达17 606.1亿元，位居世界第二.科技与数据形成的正反馈效应加速技术更新升级，促使科技创新为创新者带来巨大价值.互联网信息技术的深度变革刺激数字经济的发展，成为实施创新驱动发展战略的主旋律.本文从时间和空间两个维度深入分析科技投入与数字经济的关系，具有重要的现实意义和应用价值.

在数字经济测度方面，张雪玲等[2]采用熵值法及指数法量化我国的数字经济水平，自2007年至2015年间我国数字经济的年均增长率达0.36左右.伍旭川等[3]利用改进型指数功效函数模型，通过聚类分析比较我国与其它金砖国家的普惠金融指数.康铁祥[4]认为直接测算法、指标体系法和卫星账户法的测算结果准确性不高，因而提出以数字核算为基础框架来测算数字经济总量.黄文金等[5]构建了数字经济评价模型DEEP，旨在评价各地区数字经济“中心”和“边界”构建情况并分析数字经济总体发展现状.郭峰等[6]从数字金融覆盖广度、使用深度和数字化程度三个层次编制数字普惠金融指数，证实我国数字金融存在地区收敛特征、空间集聚性和空间异质性.杨慧梅等[7]基于产业数字化和数字产业化两个维度构建数字经济发展指标体系.程广斌等[8]运用商权TOPSIS法和DEA网络分析法综合测算了我国各省数字经济投入产出水平和效率.陈亮等[9]基于数字经济投入和产出效应制定了数字经济分类体系进行测度.

科技创新与数字经济发展的研究中，科技创新的广泛网络化、数字化、生态化积极推进各行业实现金融普适化、市场下沉化和场景线上化[10].韩兆安等[11]指出数字经济创新效应具有显著结构性特征和地区差异，数字经济对实用型和外观型创新的驱动作用强于对发明型的驱动作用.揭红兰[12]检验了科技创新和科技金融对区域经济增长的传导路径，并指出科技金融具有中介效应且存在区域差异.在模型研究方面，李婧等[13]基于超越对数生产函数构建静态和动态空间计量模型，证实社会经济影响区域科技创新产出.刘志坚[14]借助回归分析得出数字经济和科技创新投入交互作用对出口技术复杂度存在正向效应.闵路路等[15]运用差分GMM和系统GMM估计方法获得数字经济可以通过提升创新绩效来驱动经济高质量发展.在区域研究方面，王梦依[16]指出东部地区研发投入、科技成果转化和经济增长三系统耦合协调度存在时空差异，同时研发投入对科技成果转化和经济增长的影响存在滞后性.杨柏等[17]使用DEA-SBM算法、灰靶理论模型和Tobit 模型分析得出政府科技投入对东、中、西部的区域创新效率有抑制作用.谢泗新等[18]借助耦合协调和灰色关联分析法研究我国京津冀经济圈科技创新与经济发展的关系，建议要深化区域科技创新驱动协同发展战略.曹萍萍等[19]基于核密度估计和Dagum基尼系数法揭示数字经济的动态演讲过程及其区域差异，并运用空间收敛模型检验其收敛趋势.

综上所述，众多学者们在数字经济指标体系的构建上进行了全面深入的探讨，为本文研究提供了重要理论支撑.但大多数集中研究数字金融与经济增长之间的关系，缺乏从空间角度研究科技创新对数字经济的影响机制.因此，本文在现有研究基础上考虑科技投入与数字经济发展之间的空间关系，利用2013年至2019年全国31个省域面板数据(因数据有限，不含港澳台地区)，构建时空双固定效应空间滞后模型分析科技投入对数字经济的影响.本文主要贡献：第一，从信息化水平、互联网终端应用和数字经济规模三个维度构建数字经济指标体系.第二，从科技投入的新角度来研究影响我国数字经济发展的因素.第三，建立空间滞后模型分析省域科技投入对数字经济的空间效应，同时为我国数字经济发展提供决策建议.

1 数据来源及研究方法

1.1 数据来源

本文基于数字经济的含义和发展特征，从信息化水平、互联网终端应用和数字经济规模3个维度选取指标，构建包含1个一级指标，3个二级指标，8个三级指标的数字经济指标体系，具体参见表1，相关数据均来源于《中国统计年鉴》.

表1 数字经济指标体系Tab.1 Digital economy index system

假设有m个指标，Ii为第i个指标值，Xi为第i个指标的原始数据，min{X}和max{X}分别为原始数据的最大值和最小值.本文采用线性无量纲法中的阈值法[20]进行数据标准化处理，根据网络化准备指数NRI构建方法[21]，选定2013年作为基期，如下式

其中，Iit,j表示标准化后的指标值，Xit,j为第i个单位在t年的第j个原始数值，max{X0,j}和min{X0,j}分别为基期年份第j个原始指标的最大值和最小值.

在权重处理上，常见的方法包括熵权法、主客观赋权法和主成分分析法等.本文使用NRI指数权重方法进行指标权重的设定，即

其中，wij为第i级指标下属的第j个变量的权重，ni为第i级指标个数，wj为三级指标下的第j个变量相对于总指标的权重.其次，确定权重后采用线性加权的方法计算数字经济发展指数，即

其中，DEIit为第i个单位在第t年的数字经济指数.最后计算出2013年至2019年我国省域数字经济发展指标的结果见表2.

表2 数字经济发展指数Tab.2 Digital economy development index

本文以数字经济指数(DEI)作为被解释变量，科技投入(tech)作为核心解释变量，用地方政府科技支出与地方政府一般预算支出的比值代表科技投入水平.控制变量：①人均生产总值(pgdp)选择地区生产总值与地区总人口之比度量人均生产总值.经济发达的地区能为数字经济发展提供良好的外部条件，经济落后的地区，在资产储备、科技投入等方面有所匮乏.②产业结构(str)选取第三产业与总产值的比重度量产业结构，我国数字经济规模已经向产业渗透并且存在不均衡的影响，各产业形态逐渐被重塑.③经济开放程度(open)用经营单位所在地进出口总额与地区生产总值的比值来度量经济开放程度.进出口能加快经济和技术的互通，一方面吸收国外新技术来推动本国发展，另一方面能缩小数字化信息不对称的差距.④人力资本(hum)用中高等院校在校学生人数与总人口的比值进行衡量.优质的劳动力能够推动数字经济持续发展，理论上人力资本水平越高，数字经济发展越快.⑤创新产出(inc)选择新产品收入和地区生产总值的比重衡量创新产出.⑥居民工资水平(wage)选用地区城镇单位在岗职工平均工资与地区总人口的比值进行度量，由于数字交易能为数字经济的发展创造空间，居民工资越高则数字交易相对越频繁.为了避免因数据量纲不同造成的影响，本文将数字经济指数、人均生产总值、经济开放程度、人力资本、创新产出和居民工资水平进行对数处理.

1.2 研究方法

按照新古典增长理论，某地区的生产函数可以用C-D方程表示

Y=AKαLβ,

其中，Y为产出，A为技术不变常数，K为资本投入，L为劳动力投入，α和β分别为资本和劳动弹性系数，且满足α∈(0,1)，β∈(0,1). 随着技术水平的提升，传统C-D函数存在一定的局限性.其一，技术在社会生产中发挥的作用逐渐加大，传统C-D函数把技术当作固定的常数处理，忽视了技术的发展性；其二，在影响生产的因素中，传统C-D函数只考虑劳动和资本因素，但未考虑到科技投入对产出的影响.因此，本文将建立如下形式的生产函数

Y=AKαLβTω,

其中，T为科技投入，ω为科技投入弹性系数，ω∈(0,1)，将上式两端取对数，从而获得线性生产函数

LnY=C+αLnK+βLnL+ωLnT+μ,

其中，C和μ分别为常数项和随机误差项.

为了研究数字经济的空间特性，本文进一步将空间计量模型引入到等式中，分别构建了空间滞后模型(SLM)和空间误差模型(SEM)

其中，yit为第i个地区在t时刻的被解释变量，W=(wij)为给定的空间权重矩阵，ρ为空间自回归系数，v为残差项的空间自相关系数，xit为p维解释变量，β为p维未知参数向量，εit和φit为误差项，λt和μi分别为时间效应和空间效应.由于SLM模型中被解释变量之间存在内生交互效应，SEM模型中的误差项之间存在空间溢出效应，普通最小二乘估计方法不再具有相合性.因此，本文采用极大似然法进行模型参数估计.

2 结果分析

2.1 数字经济指数时序分析

本文将东部、中部和西部年均数字经济指数绘制成如图1所示的折线图，3个地区的数字经济指数总体呈逐年递增趋势，在2017年以后增长幅度明显加大，表明我国数字经济发展态势良好.东部地区数字经济指数远高于中、西部地区和全国平均水平，而且东西部之间的差距在不断扩大，反映我国数字经济发展存在区域差异.

图1 东部、中部和西部数字经济指数折线图Fig.1 Index line chart of digital economy in Eastern, Central and Western provinces

本文进一步绘制2013年至2019年我国31个省份数字经济指数柱状图，如图2所示.观察发现2013年至2017年各省份数字经济指数增长速度较为缓慢，2017年至2019年增速明显加快.其中，江苏省、浙江省和广东省的数字经济水平遥遥领先于其它地区，广东省数字经济指数是西藏的6倍以上，突显我国当前数字经济发展存在巨大的数字鸿沟问题，呈现两级分化的态势.

图2 各省份数字经济指数柱状图Fig.2 Histogram of digital economy index of each province

2.2 空间计量分析

2.2.1 空间相关性分析

基于二进制邻接权重矩阵[22]，本文借助Geoda软件构建我国31个省份空间邻接权重矩阵，即相邻省份取1，其它关系为0，并进行标准化处理.利用全局Moran’s I指数和Geary’s指数对数字经济发展指数进行空间相关性分析，Moran’s I指数介于[-1,1]之间，大于0表示正相关，小于0表示负相关，若接近0，表示不存在空间相关.Geary’s 指数的取值在[0,2]之间，大于1表示负相关，等于1表示不相关，而小于1表示正相关.根据表3检验结果，2013年至2019年的Moran’s I指数均显著为正，说明我国各省数字经济存在正向的空间相关性，而且Moran’s I指数值从2013年的0.215增加至2017年的0.242，数字经济的空间相关性在不断增强，相邻地区的经济发展更易于产生空间溢出效应.Geary’s指数结果也充分反映地区间数字经济发展存在正向高值集聚特征.

表3 全局Moran’s I指数和Geary’s 指数Tab.3 Overall Moran’s I index and Geary’s index

全局Moran’s I指数反映的是总体空间相关性，但却不能描述局部区域的差异性.为了检验每个区域与周边地区的空间差异和集聚区是否在统计意义上显著，图3显示了2013年和2019年数字经济指数的Moran散点图，横坐标代表标准化的指标大小，纵坐标代表空间滞后项.从图3可知，大部分省份位于第一、三象限，说明我国数字经济以空间集聚为主，地区之间存在空间相关性.随着时间推移，越来越多的省份向第一、三象限靠拢，低低集聚和高高集聚地区呈现扩散趋势.图4反映我国2013年和2019年数字经济指数空间分布情况，图中颜色的深浅代表数字经济水平高低.2019年数字经济指数整体水平要高于2013年，东部沿海和南部地区数字经济发展速度比中部和西部地区快，数字经济发展的协同效应较为明显.其中，广东省经济发展水平最高，一方面，广东省位于珠三角地区，经济活动空间布局具有高度集聚特征；另一方面，珠三角地区属于外资企业主导型发展模式，也是全国最大的高新技术产业带.而西藏和青海两地数字经济水平最低，由于地理位置的局限性，不利于贸易互通和资源流动，加上产业结构相对单一，缺乏多产业聚集链.空间相关性分析的结果都表明我国各省数字经济指数具有时空分布差异性，存在一定的空间依赖性和空间异质性，而且从东到西呈现逐步递减的空间格局.

图3 2013年(左)和2019年(右)数字经济指数局部Moran散点图 Fig.3 Local Moran scatter plot of digital economy index in 2013 (left) and 2019 (right)

图4 2013年(左)和2019年(右)数字经济空间分布图 Fig.4 Spatial distribution of the digital economy in 2013 (left) and 2019 (right)

2.2.2 模型选择

本文先建立面板数据模型，根据模型残差进行LM检验判断空间计量模型的适用性，由表4的检验结果可知LM-lag、Robust LM-lag和LM-error、Robust LM-error统计量均显著，因而分别建立SLM模型或SEM模型.其次，通过Hausman检验和似然比LR检验确定选择时间和空间双固定效应模型.

表4 面板数据模型检验结果Tab.4 Test results of panel data model

根据表5的估计结果分析，M1未考虑空间效应,科技投入系数为0.966，与数字经济指数呈正向关系，但是没通过显著性检验.M2-M4分别为空间固定、时间固定和双固定效应空间滞后模型.M5-M7分别为空间固定、时间固定和双固定效应空间误差模型，根据统计量拟合优度和对数似然值判断M4的估计结果最佳.因此,本文最终建立双固定效应空间滞后模型来分析科技投入与数字经济的关系.

根据表5可知，双固定效应空间滞后模型(M4)的空间自回归系数ρ=0.257>0，表明数字经济发展指数存在正向空间溢出效应，即邻近地区数字经济的发展会促进本地区数字经济的发展.核心解释变量科技投入tech的弹性系数为1.265，与数字经济呈正相关关系.科技投入每增加1个单位，本地区数字经济指数将提升1.265个单位，说明数字经济的发展可以通过刺激科创行业增加科技投入，促进技术创新量化产出，进而加快产业数字化发展速度.科技创新作用数字经济发展的内在机理体现在创造效应、信息效应、普惠效应、长尾效应和安全效应五个方面[23].人均生产总值pgdp的弹性系数为0.335，意味着地区经济水平越高，将会加快数字产业化发展，为数字经济创造良好环境.当下基于互联网和大数据的数字化模式在新冠疫情中发挥重要作用，在线购物、远程办公、线上教育等多元化数字服务改变传统的消费模式，数字化时代已经来临.产业结构str的系数为0.928，系数值大小仅次于科技投入，产业结构高级化和合理化对区域创新效率存在显著的直接效应和间接效应[24]，重视产业结构优化与区域创新的空间效应，能促进本地区和跨地区之间的联动发展.经济开放程度open的弹性系数值是0.070，对外开放有助于技术互通、资金互流，为经济增长提供动力.人力资本水平hum的弹性系数值为0.614，人力资本反映了地区劳动力水平，科技创新和数字经济发展离不开高技术劳动力，地区人力资本投入越高所产生的经济效益将越大，人力资本是助推经济发展不可忽视的重要因素.然而创新产出inc却不显著，说明它对数字经济的作用效果并不凸显，考虑到创新产出受投入成本和时间周期长短的影响，而且产出水平主要用来衡量最终的价值收益，因而创新产出对数字经济的影响不显著.居民工资水平wage对应的弹性系数值为0.277与预期结果一致呈现正向促进作用，居民收入水平的高低反映了地区整体经济状况的好坏，收入增加会刺激消费增长进而加快经济发展，产生正反馈效应，消费作为拉动我国经济增长的三驾马车之一发挥着重要的作用.

表5 模型估计结果Tab.5 Model estimation results

2.2.3 直接效应、溢出效应和总效应

空间滞后模型可以把总效应分解为直接效应和溢出效应.直接效应反映本地区自变量对本地区因变量的影响，溢出效应反映本地区自变量对邻近地区因变量的影响，总效应则是自变量对因变量的综合影响.基于空间滞后模型，本文进一步将科技投入对数字经济发展的影响进行空间效应分解，结果如表6所示.

表6 空间效应分解Tab.6 Decomposition of spatial effects

根据表6空间效应分解结果，科技投入对数字经济发展的直接效应、溢出效应和总效应均显著为正，意味着科技投入增加不仅会提升本地区数字经济的发展也会加速周边地区数字经济的发展，而且科技投入的溢出效应大于其余变量的溢出效应.人均生产总值、产业结构、经济开放度、人力资本水平和人均工资也具有正向溢出效应.人均生产总值反映了地区总体经济发展状况，经济发展较快的地区更容易带动其邻近地区的发展.产业结构的估计系数仅次于科技投入，说明在众多影响因素中，产业结构发挥的作用更应重视.经济开放度和人力资本水平对本地区经济发展的促进作用要大于对周边地区的作用效果.居民工资水平对地区数字经济的影响为直接效应，而溢出效应却不显著.创新产出的直接效应和溢出效应均不显著，与双固定效应空间滞后模型的估计结果一致.

3 结论与建议

3.1 结论

数字经济是基于网络空间和信息技术发展、以数据和计算为核心要素的新经济形态，是推动国民经济持续增长的关键引擎[25].本文通过构建数字经济指标体系和建立时空双固定效应空间滞后模型分析2013年至2019年我国省域科技投入与数字经济的关系及空间溢出效应.主要结论如下：

首先，我国各省份数字经济总体稳步增长.其中，东部地区增长速度远快于中、西部地区，且东西部之间的差距逐渐扩大.在空间上呈现从东到西递减的分布特征，表明地区数字经济发展不平衡，两级分化态势严峻.

其次，我国各省份数字经济指数存在高度的空间相关性和空间异质性.全局Moran’s I指数和Geary’s指数表明相邻地区经济发展产生的空间溢出效应在不断加强，局部Moran散点图和空间分布图反映出我国各省份数字经济呈现空间集聚现象，越来越多的省份向第一、三象限靠拢，表现出“高高集聚”和“低低集聚”的特点.

最后，科技投入对我国数字经济发展具有显著正向促进作用，其产生的空间溢出效应在不断增强，表明科技投入是影响数字经济发展的重要因素，而且人均生产总值、产业结构、经济开放程度、人力资本和居民工资也是加快数字经济发展的驱动因素，但是创新产出却没有发挥出明显作用.

3.2 建议

第一，激发创新活力，缩小区域经济差异.鼓励企业积极参与创新活动，借助市场化配置手段发挥数据资源在创新过程的使用价值，提升本地区和邻近地区的创新绩效.利用发达地区产生的辐射效应，带动欠发达地区的发展，实现产业互通、经济互联.

第二，发挥政府主导作用，完善政策措施.政府应该大力推行创新驱动发展战略，给予创新企业更多的资金支持，鼓励开展技术创新活动，提高资源配置使用效率.根据市场变化制定合理政策，增加科技领域的投入，促使传统产业加速向数字化产业转变.

第三，重视产业结构升级，培育高素质人才队伍.集中向产业数字化和数字产业化方向发展，突破影响产业结构升级的阻碍，实现数字经济高质量发展.一方面继续扩大科技投入，另一方面结合市场的供需关系，提高人力资源的配置效率.此外，针对数字经济的空间溢出性，政府要加强省域间的科技投入与合作，鼓励科技生产要素跨省域流动，充分发挥数字经济的空间溢出效应.