数字经济对体育产业发展的影响研究——基于长江经济带沿线11省市的实证考察

邓 瑞，方春妮

(湖北大学 体育学院，湖北 武汉 430062)

当前，我国数字经济实现迅猛发展，已经成为推动国民经济增长的新引擎，2020年其规模已达到39.2万亿元，占GDP比重为38.6%[1]。《“十四五”体育发展规划》明确指出，要加快推进体育产业数字化转型，释放数据要素在体育产业创新发展中的潜力，实现“体育+”供给侧创新。在此背景下，探索如何积极应对数字经济对体育产业的影响效应，已成为当前体育产业发展过程中必须考虑的现实问题。基于体育产业发展既需要数字经济引导又需要产业结构推动的典型事实[2]，选取2015-2020年长江经济带沿线11省市的面板数据为研究样本，在理论分析的基础上借用多种计量经济学模型，将数字经济、产业结构合理化与体育产业发展纳入同一框架下进行综合考量，从产业结构合理化视角探讨数字经济对体育产业影响的内在机制。

1 理论分析与假设

1.1 数字经济对体育产业发展的影响

从农业经济时代到数字经济时代，以信息技术为基础的数字经济活动向社会生活全面渗透，从侧面反映出数字经济时代的经济活动和经济行为主要依赖于信息网络。体育产业作为现代服务业的重要一环，与文创、信息等生活性服务业密切相关，属于实体经济范畴。通过将新一代信息技术运用于体育产业领域，捕捉、存储、管理、分析和应用体育产业相关数据，转化为具有经济价值的数字信息，能够打通产业活动中的数据壁垒，优化业务流程和商业模式，促进体育产品和服务的精准匹配，进而更好地掌握体育产业的发展规律，助力体育产业高质量发展[3]。由此，本文认为，数字经济主要从规模经济效应、精准配置效应与创新赋能效应三方面直接影响体育产业发展。

1.1.1 基于规模经济效应的分析

根据规模经济效应，从土地到生产性资本再到数据，在数字经济时代，生产要素的非竞争性特征表现得越来越明显，数字资产使用的排他性最小，且经济活动的规模增加和范围扩大将降低企业的边际成本[4]。在体育领域，数字经济有助于挖掘出体育市场的趋向和体育消费者的需求，一定程度扩大体育企业的体育产品生产和体育服务供给，进而助力体育供给和需求两端形成动态平衡，提升体育产业效能[5]。从供给端看，规模经济效应体现为生产规模的扩大而导致边际成本的降低，传统经济活动的边际成本不能降为零，但由于数字经济的边际成本可能为零，因此其规模经济效应更显著。如体育企业可通过数字化平台的运用，与医疗、交通、旅游等产业建立联系，实现体育产业的多元化发展，带来更高的体育产业价值。就需求端市场而言，规模经济效果主要体现为由于利用网络技术而形成的市场需求量倍增效果，而数字技术的非竞争性特征也推动了数字化平台的兴起。同时，数字经济时代的交易模式也在逐渐发生转变，平台化交易不断涌现，市场交易信息逐渐透明。且数字化平台规模越大，传播越广泛，所形成的市场需求量也就越大，体现出数字资产的规模效应较显著。如数字技术在体育产业细分领域的应用逐渐深入，体育竞赛表演业也进入了一个新的阶段，体育赛事的受众不再局限于比赛场地内，而是通过体育赛事转播平台等传播渠道实现实时观看体育比赛，以更低的边际成本实现受众的规模性增长。

1.1.2 基于精准配置效应的分析

根据精准配置效应，在大数据时代，人们的一切思想和行为都被大数据所感知、记录、存储和使用，数字经济有利于降低市场交易成本，来减少成本的浪费，以提升供需双方匹配效率[6]。换言之，从消费者角度来看，数字经济能够降低企业间的信息不对称程度，使企业在充分剖析个人数据的基础上总结出行为模式和兴趣偏好，从而更有针对性地推销产品。在体育产业领域，数字经济推动体育产业供需端精准匹配主要体现在体育企业的生产组织方式和生产方式两个方面。在生产组织方面，数字经济通过大数据、云计算、物联网等信息技术领域的前沿技术，缩短体育产品在生产、流通和销售过程中的流通环节，提高产业活动中生产要素的匹配度，打破了工业经济所固有的时空界限。具体来看，数字化平台能够精简产业活动中的业务流程，提高生产活动的效率。比如利用体育电商平台，买卖双方可以利用平台进行交易，最大限度减少体育企业间信息不对称等问题，从而达到供需双方在产品生产活动中实时协同的效果。在产品生产方面，区别于工业经济时代，消费者和制造企业不再处于相互分离的状态，制造企业可以根据消费者的个性化需求，让消费者选择性主动参与产品制造过程。比如体育企业可以通过研发专业运动软件系统与服务流程，通过智能设备收集用户自身体重、BMI、脂肪率、肌肉含量等健康数据，为消费者生成专属的运动方案，帮助其完成运动目标。

1.1.3 基于创新赋能效应的分析

步入数字经济时代，经济社会发展的原动力发生了根本性变化，技术创新也逐渐成为数字经济时代获得竞争优势的重要手段。在体育产业领域，数字经济驱动体育产业创新式发展的范畴主要包括模式创新和管理创新两个方面。从模式创新层面上看，数字经济时代的商业模式创新不断拓展，体育行业的体育数字化转型步伐逐渐从C端迈向B端，催生出一大批与体育运动相关企业、平台、App。以AEG体育公司(AEG Sports)为例，公司通过与SAS、Microsoft公司的合作，研发用于捕捉和分析观众情绪信息的体育产品，并在推向市场后定期回访消费者，然后根据反馈信息不断改进产品，促进创新。由此，AEG体育公司可以逐步发现市场规律，以正反馈机制完善产品。从管理创新层面上看，数字经济创新通过对资源、人员、流程的管理，来实现体育企业的盈利。同时，随着经济社会的进步、市民素养的提高、市民环境的改善，以及新型服务业的产生，迫切需要政府在社会事务管理、行政监管治理等方面同步甚至超前谋划与创新探索。如浙江省体育信息公共服务平台“浙里办”，运用数字技术实现了公共体育服务“一站式”服务，用户不但能够及时查阅有关体育比赛与活动资讯，还能够随时利用数字平台对已获取的体育服务信息实施动态评价，并实施监督。

1.2 数字经济对体育产业发展的影响：产业结构合理化的中介作用

产业结构合理化是产业间协调能力提高的动态过程。进一步说，产业结构合理化的关键抑制因素在于生产要素信息不对称和不完全。在数字经济时代，数据的网络化特征突破了生产要素的空间限制，很好地解决了生产要素信息的不对称问题，使得要素在产业间合理配置和有效使用。数字经济促进生产要素在产业间自由流动，完善要素市场化配置结构和效率[7]。在此基础上，产业间生产要素配置效率出现差异，不同产业和不同规模产业的差异化发展，使得要素由低效率部门转向高效率部门，促使产业结构趋向于合理化。同时，数字经济能够改革现有的生产模式，实现供需关系的均衡发展，间接促进产业发展。

在深入贯彻供给侧结构性改革的时代背景下，体育产业的发展重点是调整产业供需结构[8-9]。产业结构合理的实质是产业间协调发展，体育产业主要分散于第二产业和第三产业，体育产业的发展情况直接反映了产业结构合理化水平，因此，造成体育产业供需结构失衡问题主要是由产业结构不合理造成的[10-11]。另外，相关研究表明，数字经济通过缩短要素资源之间的流通距离，促进生产要素的良性流动，能够提高产业发展韧性，推进产业结构逐渐趋向合理化。由此，发展数字经济能够为产业结构趋向合理化提供支撑，同时产业结构的调整能够平衡体育产业供需结构，进而通过供需结构的平衡发展促进体育产业水平的提升。

基于上述理论分析，本文提出研究假设1：数字经济对体育产业发展具有促进作用。研究假设2：数字经济可通过产业结构合理化间接影响体育产业发展，产业结构合理化具有中介作用。

2 研究设计

2.1 变量设计及说明

2.1.1 被解释变量

体育产业发展水平。从已有研究来看，学界一般选取体育产业总规模或增加值这两个指标衡量体育产业规模，且通常用增加值占GDP的比重来预测体育产业发展的变化趋势。据此，本文选择体育产业增加值作为衡量体育产业发展的量化指标，并进行取对数处理，记作lnSVA。

2.1.2 解释变量

数字经济发展水平。目前，国内外暂时没有给出统一的数字经济的产业划分标准，但学术界的研究和统计多参考国家统计局的相关统计标准，从数字经济的概念框架入手，综合评价并核算数字经济发展。因此，本文借鉴王军等人(2021)[12]研究中测度数字经济发展水平的方法，测度数字经济发展水平，记作DEDCI。

2.1.3 中介变量

产业结构合理化。经由前文的分析，产业结构合理化这一指标能够衡量产业内部各组织之间的协调程度。本文在干春晖等人(2011)[13]使用泰尔指数评价产业结构合理化的基础上，采用罗茜等人(2021)[14]的作法，取其倒数，得到产业结构合理化指数，记为structure：

其中，Y代表各省产业i的总产值，L代表各省的就业人数总和，i和n分别表示产业与产业部门数。

2.1.4 控制变量

为更加精准地计算出数字经济对体育产业发展的双边效应，基于现有文献的梳理，主要选定以下六个方面为控制变量：(1)外商投资水平(fdi)；(2)对外开放程度(tra)；(3)政府干预程度(fsi)；(4)城镇就业人口密度(lab)；(5)通信设施(post)；(6)区域经济发展水平(gdp)。具体变量设计见表1。

表1 变量定义及说明

2.2 数据来源

囿于数据的可及性，本文选取2015-2020年我国长江经济带沿线11个省市为调查样本，原始数据主要取自于《中国统计年鉴》、各省市统计年鉴及国家统计局官方网站，且运用插值法补全了部分缺失数据。同时，为控制模型回归结果的误差，减少“异方差”现象的产生[15]，本文将部分控制变量取自然对数后再进行计算。

2.3 基本模型设定

根据上述分析，为探究数字经济对体育产业发展的直接影响，构建基准回归模型如下：

lnSVA=α0+α1DEDCIit+α2Xit+μi+φi+εit,

(1)

其中，i和t分别表示省份和年份，lnSVA为体育产业增加值取对数后的值，代表各省的体育产业发展水平，DEDCI为各省数字经济发展水平，X为控制变量，包含外商投资水平(fdi)、对外开放程度(tra)、政府干预程度(fsi)、城镇就业人口密度(lab)、通信设施(post)和区域经济发展水平(gdp)。此外，μ、φ分别表示省份固定效应和时间固定效应，ε为随机扰动项，γ1、γ2为解释变量和控制变量的回归系数。

根据前文的理论分析，数字经济发展可能通过促进产业结构合理化对体育产业产生间接影响。因此，在进行基准回归的基础上，借鉴温忠麟(2014)[16]提出的中介效应检验方法，首先考察产业结构合理化对体育产业的影响，如式(2)所示，并在此基础上将产业结构合理化作为中介变量与数字经济、体育产业纳入同一分析框架，如式(3)所示，设立检验模型如下：

lnSVA=β0+β1Structure+β2Xit+μi+φi+εit

(2)

lnSVA=γ0+γ1DEDCIit+γ2Structure+γ3Xit+μi+φi+εit

(3)

需要指出的是，式(1)中的α1表示数字经济发展水平对体育产业影响的总效应，γ2代表产业结构合理化的中介效应。同时，γ2表示在产业结构合理化的维度下，数字经济发展水平对体育产业的直接影响效应。本文运用Stata 17软件处理数据。

3 实证结果及分析

3.1 描述性统计与分析

3.1.1 各变量的描述性统计

由表2描述性统计结果可知，长江经济带区域体育产业发展和数字经济发展水平的波动范围较大。其中，数字经济发展水平的均值为0.344、最小值为0.111、最大值为0.744，说明长江经济带各区域的数字经济发展水平存在明显差异。从控制变量来看，外商投资水平、对外开放、政府干预程度和就业人口密度等变量也存在明显区域异质性特点，这对进一步佐证本研究具有一定理论与实践意义。

表2 变量说明与统计性描述

3.1.2 长江经济带区域数字经济与体育产业的相关性分析

为考察核心变量之间的相关关系，根据样本数据绘制了数字经济发展水平与体育产业发展水平的散点图，并对两变量之间的关系进行拟合。

图1 长江经济带区域数字经济发展水平与体育产业的相关关系

由图1可判断，数字经济与体育产业之间具有明显的线性正相关关系，表明数字经济对体育产业发展具有积极促进作用。基于此，为保证相关关系估计结果的可靠性，下文将进行更加深入的检验和分析，旨在实证检验长江经济带区域数字经济是否对体育产业发展产生显著正向影响。

3.2 数字经济对体育产业发展的影响

本文构建基准模型1，以检验假设1数字经济对体育产业发展的影响。此外，通过Hausman 检验，选择应用固定效应模型(FE)还是随机效应模型(RE)，结果显示P值小于0.1，然后构建多元线性回归模型(OLS模型)对其进行回归，发现模型拟合优度R2=0.900 2，且回归模型通过了1%统计显著性水平下的F检验，说明数字经济对体育产业发展的影响有90.02%能够由该回归模型作出解释。由此，本文采用多元线性模型(OLS模型)测算数字经济对体育产业发展的影响效应，回归结果如表4所示。表3第1列为基准回归结果。结果显示，在调查的样本期内，数字经济对体育产业发展具有显著的正向促进作用，证实了前文提出的假设1。具体而言，数字经济的发展可能通过产业数字化、数字产业化等维度直接作用于体育产业，提高体育产业发展水平。就控制变量而言，外商投资水平、对外开放程度和政府干预程度的估计系数均显著为负，且分别在1%和10%的水平下显著，但就业人数密度、通信设施和区域经济发展水平对体育产业发展的影响不显著，说明外商投资水平、对外开放程度和政府干预程度对体育产业发展的影响是反向的。究其原因，可能是外商投资水平和对外开放程度一定程度上优化了地区供给与需求之间的匹配关系，限制了我国体育产业的发展；政府对市场的干预在一定程度上阻碍了市场经济的供需匹配。

表3 基准回归结果分析

3.3 产业结构合理化对体育产业影响的初步检验

依据中介检验模型的基本步骤，本文设立模型2和模型3，初步检验产业结构合理化在数字经济与体育产业发展的间接作用，如表3中第2列和第3列所示。其中，模型2验证了式(2)，检验产业结构合理化是否能有效促进区域体育产业发展；模型3验证了式(3)，检验数字经济发展和产业结构合理化对体育产业的作用效果。回归结果显示，产业结构合理化对体育产业发展的作用效果较明显，而在加入数字经济发展水平这一变量后，产业结构合理化对体育产业发展的作用效果明显减弱。同时还可以看出，在加入产业结构合理化变量后，数字经济发展对体育产业发展的正向影响仍显著存在，且估计系数从2.736 5上升到3.324 2，说明产业结构合理化在数字经济发展对体育产业发展的影响中具有明显提升作用，数字经济可以通过产业结构合理化间接影响体育产业发展。

通过考察模型1至3中各变量回归系数的显著性水平和数值大小，发现“数字经济-产业结构合理化-体育产业发展”这一影响路径是客观存在的，即产业结构合理化具有明显中介作用。作为一种新型技术经济发展模式，数字经济通过促使产业结构趋向合理化，改善了体育产业“投入—生产—产出”阶段中的供需结构，从而促进了体育产业的健康快速发展。综上所述，数字经济可以通过产业结构合理化间接影响体育产业发展，且产业结构合理化具有中介作用，初步证实了前文提到的假设2。

3.4 作用机制检验

前文初步推断了数字经济可以通过产业结构合理化间接影响体育产业发展，且该结论仍需要进一步证实。因此，为检验数字经济通过促进产业结构合理化对体育产业产生影响这一传导机制，本文构建了中介效应模型，回归结果如表4所示。

表4 中介效应模型回归结果

据表4可知，数字经济对体育产业发展的总效应α1显著为正，且对产业结构合理化具有明显的正向作用；但进一步分析发现，模型3中γ1和γ2之间有一个不显著，需进行Bootstrap检验，检验通过则表示存在部分中介效应。

基于上述分析，本文需进行Bootstrap检验，检验结果见表5。从估计结果可知，数字经济对体育产业的影响既存在直接效应，也存在间接效应。间接效应的置信区间不包括0，说明中介效应存在。在加入中介变量后，自变量对因变量的直接效应仍显著 (p< 0.001)，但间接效应不显著，说明中介变量起部分中介作用。同时，整体上来看，数字经济对体育产业影响的直接效应和中介效应分别为84.98%和15.02%，直接效应大于中介效应，说明数字经济对体育产业的影响方式主要为直接效应，存在部分中介效应。此外，本文使用“体育产业总规模”“体育产业增加值占GDP的比值”替换被解释变量“体育产业增加值”进行稳健性检验。可以发现，稳健性检验结果与表4基本保持一致，即各解释变量系数方向和显著性水平均无明显变化，因而认为数字经济赋能体育产业发展的结果较为稳健。综上所述，产业结构合理化在数字经济发展与体育产业发展的作用关系中存在中介效应，再次证实了前文中提到的假设2。

表5 中介效应检验结果

3.5 异质性分析

3.5.1 区域异质性

受我国各区域经济发展水平和地理区位等因素的影响，数字经济发展赋能体育产业发展存在明显的地区差异。由此，从整体上考察数字经济对体育产业发展的影响，可能会出现内部效应相互抵消的现象。为此本文为考察数字经济发展对体育产业发展影响的区域差异，将长江经济带划分为上游、中游、下游三个区域进行分别检验，检验结果如表6所示。由检验结果可以发现，除长江中游地区外，上游地区和下游地区数字经济发展的估计系数均显著为正，表明上游、下游地区数字经济对体育产业发展均具有促进作用，数字经济对体育产业的影响存在显著的地区差异。其次，从估计系数的数值来看，长江经济带地区数字经济的促进效应呈现“下游略高于上游”的总体态势，说明长江经济带下游地区数字经济赋能体育产业发展的效果更强。可能造成上述结果的原因是：其一，长江经济带上游地区无论是体育产业发展水平还是数字经济发展都处于落后地位，在国家“西部大开发”等国家战略推进的大背景下，助推西部地区实现追赶式发展，有力促进了数字经济发展水平的提高，对体育产业发展的促进效应较明显；其二，长江经济带下游地区体育产业发展水平势头良好，数字经济基础设施建设完备，居民对于接受和使用数字化新型消费模式更强，数字经济对体育产业发展的影响效果更明显。综上所述，数字经济对体育产业发展的影响具有一定的区域异质性。

表6 基于区域异质性的回归结果

3.5.2 不同发展水平的异质性

从回归分析来看，普通最小二乘(OLS)作为最基础的线性回归模型，又称为均值模型，容易受极端值影响，难以反映变量之间关系的整体分布。而分位数回归的参数估计结果较为有效和稳健。故本文运用分位数回归模型，进一步考察处于不同分位水平时数字经济对体育产业的影响，回归结果见表7和图2。

由表7可知，数字经济赋能体育产业发展的效应因体育产业发展水平的不同存在显著差异。另外，数字经济的估计系数在10%，25%，50%，75%和90% 的分位数上均显著为正，但估计系数表现出逐次下降的趋势，分别为5.485 8，5.255 7，4.321 7，4.191 9，4.187 1，说明数字经济对体育产业发展水平低层级的增长效应更加明显，在体育产业发展高层级的地区其增长效应变小。存在这种显著差异的原因可能是：一方面，得益于数字经济下知识与技术的强渗透性和正外部性，加速数字经济与体育产业的融合渗透，一定程度上缩小了区域间发展差距，充分释放出了数字经济的发展红利；另一方面，体育产业发展水平欠发达的地区，产业生产要素保障不协调，产业增长潜力较大，从而数字经济对体育产业的赋能效果更显著。

表7 数字经济对体育产业的分位数回归结果

图2 数字经济对体育产业的分位数回归估计图

3.6 内生性处理与分析

为排除异方差和自相关的干扰，控制回归模型的部分内生性问题，本文拟构建动态面板模型，主要包括差分广义矩估计(Difference-GMM)和系统广义矩估计(System-GMM)这两种估计方法。同时，参考现有文献，为消除异方差影响，本文分别对两种模型进行回归估计，估计结果见表8。

表8 数字经济对体育产业的动态面板模型回归结果

值得注意的是，根据表8检验结果，两种模型的Sargan检验P值均大于0.1，证实了工具变量的有效性，且能够得到可靠的参数估计结果。此外，系统广义矩估计(System-GMM)能够较好地消除模型中的内生性问题，准确地消除或减少估计结果的系统误差。由此，本文选取系统广义矩估计的估计结果进行研究分析。根据式(2)的估计结果可知，数字经济的估计系数在1%水平上显著为正，说明分别运用系统广义矩估计与多元线性模型(OLS模型)两种模型所得到的估计结果基本相同，证实了模型的稳健性。

4 结论与政策建议

由于我国数字经济的发展时间较短且数据缺乏完整性，本文利用2015—2020年长江经济带区域面板数据，从直接、间接两个层面验证了数字经济对体育产业的影响效应及作用机制。研究结论如下：(1)数字经济对体育产业发展具有显著的正向促进作用，数字经济水平的提高有利于区域体育产业的发展，表明数字经济成为体育产业发展的新引擎。(2)数字经济可通过促进产业结构趋向合理化间接改善体育产业的发展，表明“数字经济-产业结构合理化-体育产业发展”这一影响路径是客观存在的。(3)数字经济对体育产业的影响存在显著的地区差异，且对欠发达地区体育产业发展的赋能效应更加明显。

提出以下政策建议：其一，合理构建跨区域合作机制，加强长江经济带区域省际、区域合作。长江经济带数字经济对体育产业的影响表现出区域差异，因此要立足于专业的区域合作管理机构，充分细化区域发展重点，制定差异化的发展策略。例如，大力推进数字经济服务平台建设，鼓励各地区建立专业的大数据分析中心，深化数字经济合作，打破数据“孤岛”现象，形成联动“串联效应”，推动长江流域体育产业的数字化转型升级。

其二，深化供给侧结构性改革，完善数字经济基础设施与配套政策。从产业层面来看，数字经济发展是破解体育产业发展中不平衡不充分问题、建立国内国际双循环的重要途径。在统筹制定体育产业数字化转型政策时，对长江经济带体育企业给予财政、金融、税收等方面的支持，促进数字经济壮大，推动体育数字市场的形成。

其三，注重数字经济实施市场环境差异性，推动体育产业与数字技术融合创新发展。目前，我国体育产业市场表现出明显的不平衡、不充分现象，针对体育产业市场化程度不高的地区，如体育产业欠发达地区，数字经济能够有效地替代价格机制来调整供需结构，弥补产业发展的不足，提高产业发展的效率。因此，政府应鼓励各地区根据自身基础条件发展数字经济，合理利用资源优势，推动体育产业差异化发展。