数字经济的浙江模式及其地方特征

马仁锋，朱闽儿，孙静怡，张旭亮

（1.宁波大学 a.地理与空间信息技术系；b.浙江省陆海国土空间利用与治理协同创新中心；c.教师教育学院，宁波 315211；2.浙江大学 区域协调发展研究中心，杭州 310058）

全球传统产业增长态势放缓，生产过程日益与信息技术融合并衍生新业态，数字经济应运而生。数字经济因其显著的跨界性、数据的易获取性及高经济效益等特点（佟家栋 等，2020），受到各地高度重视，为区位处于劣势的地区开辟了一条崭新的经济发展道路。地方性是以人作为主体对其活动空间的经验积累和自我解释，诠释作为“我者”的地方认同与“他者”的地方感知（唐顺英 等，2011；黄文炜 等，2015）。地方文化是地方性的体现，区域经济是地方文化层累过程。经济地理学与区域经济学研究阐明，经济发展受地方文化影响显著，有赖于转化商业文化特质与制度完善与否等，如文化多样性激发地区创业活力（孙久文 等，2022），地方产业政策转变、城市包容度提高可间接带动产业集聚力（周尚意 等，2021），地域文化观念可推动区域经济发展模式转变（夏丽丽，2000；辜胜阻等，2007）。中国数字经济发展迅速，数字产业已然成为国家经济发展“新引擎”，但存在发展水平普遍较低、区域不协调等问题（Tang et al., 2021）。

自数字经济概念被提出以来（Tapscott, 1994），一些研究从不同角度探究数字经济内涵，强调数字经济与信息化、数字化的紧密联系，认同数字经济是以描述信息技术革命引发的一系列新模式和业态的经济现象（张鹏，2019；陈晓红 等，2022）；《二十国集团数字经济发展与合作倡议》（中华人民共和国国家互联网信息办公室 等，2016）进一步强调其作为一种新经济形态，是效率提升和经济结构优化的关键动力。总体而言，已有研究强调数字经济是以数字化知识和信息作为关键生产要素，以信息通讯产业作为核心依托，促进社会经济优化和效率提升的一系列经济活动。数字产业促进经济高质量发展的事实已得到普遍认可（荆文君 等，2019；Ding et al., 2022）。中国积极推进“数字中国”建设（刘淑春，2019），2022年国家颁布《“十四五”数字经济发展规划》（国务院 等，2022）对其予以专题规划，二十大进一步强调促进数字经济和实体经济融合，将其列为建设现代化经济体系的重要引擎。在此背景下，数字经济成为中国学界关注的热点话题。2016 年以来，关于数字经济研究逐渐深入，主要聚焦于：1）以国家或经济区为单元探讨数字经济的现状－时空特征－发展路径（王胜鹏等，2022；张英浩 等，2022；毛丰付 等，2022）；2）聚焦结构、效率等方面探讨数字经济对某一产业发展影响（张帅 等，2022；江小涓 等，2022；吴丹丹 等，2023）；3）在数字经济背景下，讨论国家及地区乃至机构对其治理体系－发展路径－政策应用的改进（沈玉良 等，2022；周泽红 等，2022）。总体而言，已有聚焦数字经济的时空规律及其驱动宏观经济发展作用机制的研究，多以国家、城市群、经济带以及地级及以上城市为分析单元，鲜见研究县域数字经济成长模式及其地方特性。

浙江省内亚文化区各具特色（何勇强，2008），由此形成多元的经济发展模式为该省数字经济发展提供沃土。2003 年，浙江部署建设“数字浙江”，将数字经济作为该省“一号工程”。在政策扶持下，浙江数字经济发展迅猛，成为国家数字经济的领跑者。2014—2020年浙江数字经济总量从10 940亿元增长至30 218亿元，年均增长18.5%，占该省GDP比例从27.25%提升至46.8%，各项主要指标位居全国前列。作为中国数字经济的先行地区，浙江在快速发展的进程中暴露出诸如产业结构失衡、创新技术供给不足、数字化融合有待加强、中小企业动力不足等问题（吴晓波 等，2020；丁亮 等，2021）。探究浙江数字经济的发展模式，分析地方区位因素对产业影响，有助于破解数字经济发展不平衡不充分问题。鉴于此，采用空间计量方法，以县域为单元探讨浙江省数字经济的发展特征及驱动因素，深入认识浙江数字经济发展的县域尺度差异，以期促进浙江数字经济健康发展。

1 研究设计

1.1 数据选择

选取2015—2019年统计数据，计算浙江数字经济发展态势，并将《2021浙江省数字经济发展综合评价报告》的数字经济发展综合指数作为被解释变量，结合已有研究可知，区域经济水平（刘军 等，2020）、产业发展水平和科技创新水平（李晓华，2019；Li et al., 2022）都会对数字经济发展产生影响，故选择人均GDP表征区域经济发展水平，专业申请授权量表征地方科技创新能力，第三产业总产值表征产业发展水平。同时，数字经济发展严重依赖信息化发展基础（邱娟 等，2010）与政府资金投入（朱华晟 等，2005；王彬燕 等，2018），故选择城镇化率、一般公共预算支出占总收入比例和政府财政支出占GDP比例进行表征。地方经济发展受文化影响显著（孙久文 等，2022；周尚意 等，2021），浙江各地营商氛围浓厚，商业文化与外资投入（吕文栋 等，2005；陈翊 等，2013；何菊香等，2015；詹晓宁 等，2018；赵涛 等，2020）对数字经济的影响同样不容忽视，故选择私营与国有企业从业人数比例和实际使用外资金额进行表征。

数据源于2015—2019 年《浙江省统计年鉴》（浙江省统计局 等，2015—2020）《浙江经济普查年鉴2018》（浙江省人民政府第四次经济普查领导小组办公室，2020）及《2021浙江省数字经济发展综合评价报告》（浙江省经济和信息化厅，2021）。将杭州上城区、下城区、江干区、拱墅区、西湖区、滨江区合并为杭州主城区；龙港市于2019年撤镇改市，缺少统计数据，以2018年为基准并入苍南县进行统计，总计84个研究单元。

1.2 研究方法

1.2.1 数字经济发展综合指数测算方法 熵值法（陈明星 等，2009）是客观赋权法之一，使用原始信息决定指标权重。借鉴已有研究（徐军委 等，2022；吕明元 等，2022）选择数字覆盖广度、数字产业发展、数字创新能力和政府支持力度等指标构建浙江各市2015—2019 年数字经济综合发展指数（表1），衡量近5年浙江各市数字经济发展态势。

基于2015—2019年浙江各市面板数据，采用熵值法计算得各变量权重（见表1），再计算各市数字经济发展综合指数得分，公式如下（洪锦端 等，2013）：

表1 熵值法测度浙江数字经济综合发展指数变量指标体系Table 1 Measuring the variable index system of Zhejiang Digital economy comprehensive development index by Entropy method

式中：Di为数字经济发展综合指数；Wj为第j项变量权重；Xij为标准化后第i县（市、区）第j项指标。

1.2.2 数字经济发展动因及其作用强度分析方法

1）采用因子分析法分析浙江各县（市、区）数据经济发展驱动变量指标体系的标准化数值，结合特征值以及分类因子解释效果，获得产业创新、政府投入、经济要素和商业文化4个主因子（表2）。

表2 浙江省数字经济发展动因分析变量Table 2 Analysis variables of the development motivation of digital economy in Zhejiang Province

2）鉴于地方数字经济发展水平以及各因子在空间上并不是独立的，具有一定的扩散效应（梁琦等，2021；鲁玉秀 等，2021；彭文斌 等，2022），故选择空间自相关分析方法中对数字经济综合发展指数及驱动因子进行单变量及双变量Moran'sI指数（Moran, 1950）检验，探讨是否存在空间集聚。

3）运用多元线性回归（OLS）分析检验浙江省全局数字经济发展水平与各解释变量之间的关系，构建数字经济发展水平的线性回归方程（冷建飞 等，2016）：

式中：Di代表数字经济发展综合指数；Inii代表产业创新；Ecoi代表经济要素因子；Govi代表政府投入；Culi代表商业文化；βi为Xi的回归系数；α为常数；ε1为误差项。

OLS 是对所有样本和参数进行全局性的估计，若自变量存在空间自相关就无法适用于该模型的残差项独立的假设。GWR 进一步扩展了OLS 模型，在全局回归基础上，将研究对象地理位置纳入回归的参数，并考虑相邻点之间的空间权重进行参数估计（Fotheringham et al., 2002）。在OLS模型基础上构建GWR 模型探究数字经济发展的空间异质性，计算过程运用ArcGIS 10.8 相关工具并且使用AIC方法确定带宽（Fotheringham et al., 1996）：

式中：β0(ui，vi)(ui，vi)为模型常数项；表示第i点的空间位置；βk(ui，vi)表示连续函数βk(u，v)在(ui，vi)点处的值。

2 浙江省数字经济态势与空间特征

2.1 数字经济发展态势

表3显示，浙江各市数字经济发展水平存在空间差异，杭州稳居浙江数字经济发展第一，指数大于0.15；处于第三梯队的舟山、丽水、衢州3 市指数不超过0.07；指数在0.08～0.14 的第二梯队城市位次变动较大，宁波与温州在2018 与2019 年陆续被金华和绍兴赶超，湖州、嘉兴、台州发展较稳定，其中嘉兴2017 年及之后跻身浙江前五。可见，杭州长期以来居于浙江数字经济发展领先位置，其余各市该产业尚处于探索状态，发展速率变化较大。

表3 浙江省各市2015－2019年数字经济发展综合指数Table 3 Ranking of comprehensive index of digital economic development in Zhejiang cities from 2015 to 2019

2.2 产业分布特征

浙江数字经济空间分布呈现浙北平原地区高、浙西南地区低的格局，杭嘉湖地区成为数字经济增长核心区。综合分析浙江省《数字经济发展“十四五”规划》（浙江省人民政府，2021）《数字经济五年倍增计划》（浙江省人民政府，2018）及各市产业政策得出浙江数字经济布局（表4）可知，直播电商、软件信息服务和智能装备是该省数字经济布局首选的三类产业。

表4 浙江省数字经济产业布局Table 4 Industrial layout of digital economy in Zhejiang Province

1）杭州是浙江乃至中国较早运用数字技术提档升级服务业、工业的城市之一，以阿里巴巴为代表的电子商务公司和政府对城市数字大脑的系统实践，形成杭州较为完善的数字基础设施、大众创业创新的数字环境、宜居的数字生活服务政策，赋能城市数字经济创新活力。2）宁波、温州、台州同为传统制造业强市，在集成电路、光学电子等方面积极布局，试点产业数字化升级，试图解决传统工业效率低下、耗能大以及创新不足等问题。3）湖州、嘉兴邻接沪、杭、苏，该地理位置奠定了数字交通、智慧物流产业基础。湖州发挥德清县地理信息产业影响力，加快构建地理信息“获取—处理—应用—服务”完整产业链，打造数字地理信息名城；嘉兴利用世界互联网大会红利，积极发展软件信息、智能光伏等产业；而绍兴、台州的区位优势较弱，数字经济发展优势不显著。4）政策支持下，地处浙西的丽水、衢州依托良好的生态环境发展智慧旅游产业，浙中金华依托义乌全球小商品城与交通优势发展数字物流产业；地处海岛的舟山市依托海洋港航优势培育海洋大数据、数字渔业、数字港航等特色产业。

2.3 空间集聚特征

表5显示了2020年浙江数字经济发展水平和各变量的Moran'sI指数值及特征统计变量，可知，除商业文化外，数字经济发展水平与其他因子都存在空间正相关性，可以引入地理加权回归（GWR）模型估计其区域影响度。采用双变量检验显示，政府投入与数字经济发展水平呈正相关，且具有较高的空间关联性和聚集效应。计算得2015—2020年数字经济发展水平指数，将其与《2021浙江省数字经济发展综合评价报告》中2020年数字经济发展综合指数进行局部Moran'sI指数计算（图1）发现：1）2015年以来，杭州主城区和杭嘉湖交界区域属于高高集聚区域，数字经济发展水平空间差异较小，存在显著空间正相关，说明杭州的数字经济对周边区域带动作用明显；2）近5年来，数字经济发展低低聚集区域均集中在丽水中部以及温州西南部，这主要是受该区域交通不便、经济较为落后、周边缺少成熟产业集群带动等因素影响。

图1 浙江省2015—2020年数字经济发展水平LISA集聚Fig.1 Spatial agglomeration of digital economy development level in Zhejiang Province

表5 各变量Moran's I指数Table 5 Moran's I index of each variable

3 浙江省数字经济发展动因与地方特征

3.1 各驱动因子相关性分析

相关性分析（表6）显示，除商业文化外，全省各县（市、区）产业创新、政府投入、经济要素与数字经济发展综合指数均存在相关性，其中产业创新和政府投入对数字经济发展影响较为显著，分别为0.537和-0.529，经济要素影响较弱，为0.250。

表6 驱动因子相关性分析Tab.6 Results of correlation analysis of driving factors

OLS模型结果与相关分析结果近似（表7），比较可知，产业创新对数字经济发展影响最大（7.770 7），其次为政府投入（-7.655 5），说明浙江数字经济发展动力主要是各地产业发展水平和创新能力。创新能力高的地方，其产业发展进入良性循环，政策支持影响相对降低；反之，产业基础较弱、创新水平较低地区，则往往需要投入大量资金扶持数字经济的发展。

表7 OLS模型系数Table 7 Regression results of OLS model

3.2 各因子影响水平的空间分异特征

对GWR 模型回归残差进行Moran'sI指数分析表明，回归残差在空间上随机分布，未出现聚类特征，说明模型适用。GWR模型拟合优度R2为0.665 7，大于OLS模型（R2=0.629），GWR模型的AIC值为620.361，小于OLS 模型（622.75），说明GWR模型拟合效果更好，故选择GWR 回归结果进行分析。统计模型各空间单元的系数值（表8），其中，中位数显示，GWR 模型各因子对数字经济发展水平的影响水平与OLS模型相似。

表8 GWR模型回归系数描述性统计分析Table 8 Statistical analysis results of regression coefficients of GWR model

结合图2发现，各因子影响水平具有一定的空间分异特征：1）产业创新因子回归系数与数字经济发展水平均呈正相关，系数在7.1～8.2之间波动；呈现由浙西南向浙东南逐步递增趋势，浙江沿海地区回归系数较高，靠近内陆山区回归系数较低。这说明开放历史悠久、发展水平较高的沿海地区数字产业发展基础好，受创新影响较大；同时，大量外资进入，先进技术在此落地，因而浙江沿海地区发展加速。2）政府投入因子影响最不稳定，系数在-12.09～-6.76 之间波动，从侧面印证了各地政府宏观政策制定的因地制宜倾向；系数最大值出现在衢州、丽水市西南，以常山县、遂昌县、龙泉市等为代表，该区域发展高度依赖于政府投入，宏观调控起正向促进作用。当然，过度调控会使市场丧失资源配置能力，从而抑制经济发展，如浙江省东北部出现最小值，在一定程度上印证了发展数字经济对政府投入依赖性较弱。3）经济要素因子回归系数在3.91～4.93之间，呈现自西向东北递减趋势，最大值集中在衢州市、杭州淳安县以及丽水遂昌县，最小值出现在嘉兴市、慈溪市、余姚市以及宁波主城区，主要是因为居民收入水平与城镇化水平的提高刺激了当地数字经济消费。4）商业文化因子回归系数与数字经济发展水平呈负相关，系数最大值集中在丽水市和温州市南部，自南向北逐渐递减。受山脉延绵、资源稀缺等自然背景限制，温州、丽水地区市场化水平较低且存在孤岛型商业文化，此地数字经济发展水平受地方商业文化影响较大。

图2 2020年浙江省GWR系数空间分布Fig.2 Spatial distribution of GWR coefficient in Zhejiang Province

3.3 浙江省数字经济发展的地方特性

由GWR 模型拟合结果可知，不同因子在不同县（市、区）作用方式与影响强度存在差异，说明浙江数字经济在更小尺度上存在地方发展模式。根据各因子得分情况，将得分＞0 的地域单元定义为该因子水平高于全省平均值，对数字经济发展起主导推动作用。可以发现，产业创新主导地域分布在杭州－宁波接邻片区、诸暨－义乌－永康地区、温州永嘉－乐清－平阳等地；政府投入主导地域分布在浙江西南部，在丽水、衢州以及金华、温州、台州交界区域集中分布，个别分布在其他县；经济要素主导地域在浙江分布较广且与产业创新主导地域重合较多，除杭州－宁波接邻片区外，还分布在宁波北仑－镇海等东部沿海地区、嘉兴平湖－海盐、丽水西南等地；商业文化主导地域分异特征较弱，呈自嘉兴－宁波沿海地区向金华内陆地区深入态势。四因子本质上反映的是企业、消费者、政府3类市场主体在数字经济发展过程的作用及强度差异，3 类市场主体间交互作用关系形成复杂的地域发展类型，进而形成数字经济发展的3主类与13亚类（表9）：1）企业-消费者主导型，浙江近50%县（市、区）数字经济产业市场与经济基础良好，文化作为隐性因子综合作用于企业和消费者，既推动地方企业升级，又影响消费者需求。2）政府-企业主导型，以苍南县、泰顺县、文成县为代表的浙南地区，依靠政府投入提升当地数字基础建设，少数地区通过政策结合当地特色产业。3）政府-消费者主导型，如庆元县、景宁县等地产业基础较弱，其数字产业发展依托政策投入与经济基础、商业文化相结合，政府与消费者为驱动主体；兰溪市深挖区域商埠文化底蕴，以旅游新业态赋能当地发展；岱山县以资源优势、区位优势奠定经济基础，围绕“数字海岛”战略部署，进一步推动县内数字化建设。4）以秀洲区、瓯海区等为代表县（市、区）无明显主导类型，在测算时段政府、企业、消费者在数字经济发展过程中均未成长为主导动力，尚待跟踪观察予以明晰。

表9 浙江省数字经济发展类型Table 9 Development types of Digital economy in Zhejiang Province

归纳三类数字经济发展类型地域单元及其空间分异特征发现：企业-消费者主导的县（市、区）数量最多，占全省近50%，分布在杭州富阳－临安以北地区、湖州北部地区、嘉兴、绍兴、宁波以及金华义乌－金东－武义地区；政府-企业占主导的县（市、区）分布在浙江中部，在丽水、衢州以及金华、温州、台州交界区域集中分布；政府-消费者主导的县（市、区）多数分布于丽水南部，个别散布其他地区。归纳得出浙江数字经济3种地域类型的基本特征：1）企业-消费者主导型地域集中于浙北地区，依靠各地优势产业奠定经济基础并引领数字经济发展，同时拥有庞大群体消费者加速衍生数字经济产品，尤以杭州和宁波2市显著领先全省，拥有良好的数字经济发展产业基础与创新主体，多与国际贸易及生活场景文化相结合。杭州和宁波的数字经济快速发展，辐射带动金华、绍兴、嘉兴、湖州等邻近杭、甬城市的产业数字化与生活型数字产业发展。2）政府-企业主导型地域，主要集中于浙中地区，因缺乏数字经济产业禀赋，政府投入大量资金用以完善当地基础设施和发展智慧旅游产业；当地企业家富有冒险的创业精神，但务实性较差（徐建平 等，2008），成为数字经济发展惯性阻碍之一。当地企业在政府扶持下，积极探寻数字化转型，数字经济产业规模较小。3）政府－消费者主导型地域，主要集中于丽水南部，相较于前两者，发展较慢，因地形等因素影响企业商业用地成本高、地域文化较为完整但孤岛性强，在一定程度上制约区域数字经济发展。同时，因人口稀少，产业基础较弱，数字经济新兴企业较少在此布局。政府扶持集中于基础设施，未能引导本地消费者需求及旅游新业态的数字运用，仍不足以支撑数字经济发展。

综上绘制浙江省数字经济发展驱动机制（图3）。发达的市场经济与各地浓郁的商业文化滋养和地方化消费需求是浙江数字经济的内生动力，是形成数字经济浙江发展模式的市场与文化基础；产业创新代表企业对市场的预期，表征各地数字产业创新潜力，是浙江各地数字经济发展的主要推动力；较成熟的经济发展水平既是孕育数字产业新形态的基础，更是表征地方劳动生产率的比较优势，为数字经济产品带来广阔的本地市场。显然，市场（消费者）与创新（企业）两者共同驱动浙江形成数字经济发展的地域特征，形塑浙江数字产业发展地域格局。此过程衍生出不同类型的地方发展模式，大部分县（市、区）数字经济发展以企业和消费者为主导，消费者的市场需求与企业的数字转型形成良性互动，从而催化产业创新与市场升级互促；亦有少数县（市、区）数字经济发展依赖政府扶持启动，即数字经济缘于政务转型与基础设施智慧化运营，进而孵化数字产业业态引导消费者需求与数字经济市场兴起。显然，数字经济发展的“浙江模式”即为60%的县（市、区）依靠本地产业与经济发展的数字化转型驱动数字经济增长，主要集中于浙北杭州－嘉兴－绍兴、宁波、温州－台州及金华城区；以浙西南地区为代表的数字经济后发地区显著依赖政府扶持，未来除在产业创新和基础设施方面继续提升外，更应以绿色、生态为核心，开拓发展数字农业、生态旅游等特色数字产业。

图3 浙江省数字经济发展驱动机制Fig.3 The driving mechanism model of digital economy development in Zhejiang

4 结论与讨论

本文通过探究浙江数字经济发展水平与产业创新、政府投入、经济要素、商业文化等因素的关系，解析浙江数字经济发展地方模式，得到的主要结论有：

1）浙江数字经济发展存在显著空间差异与空间自相关特征，表现为浙北平原地区发展水平高，如杭嘉湖地区是数字经济发展高地；浙西南地区因不具备产业发展基础与技术优势成为低低集聚区，未来可充分利用自然资源发展数字生态与数字旅游、数字农业等特色产业。

2）产业创新、政府投入、经济要素、商业文化对浙江的数字经济发展格局均产生影响。其中，前两者对数字经济影响程度远高于后两者，产业创新主要作用于数字经济发达地区，影响程度最强；其次为作用于数字经济后发地区的政府投入。各因子影响度存在显著空间差异，产业创新对东部沿海城市发展作用力较强，政府投入与经济要素对西南地区发展影响较大，商业文化影响度显著凸现在温州、丽水等地。

3）在四因子空间作用差异的多组合特性下，总体形成企业-消费者主导、政府-企业主导、政府-消费者主导的数字经济地域发展3 主类及其13亚类。数字经济的浙江模式在三主体作用下，既有占据产业创新优势的杭州、宁波、嘉兴、绍兴等地率先实施数字发展理念成长为浙江数字经济“内核”，驱动工业4.0 转向数字经济；又有依托嘉兴、金华为代表的交通枢纽城市或全球批发中心快速发展的智慧物流运输，两者构成浙江数字经济的“骨架”。此外，后发地区在政府扶持下，积极完善基础设施开拓以生态、旅游为代表的特色数字产业。

4）浙江数字经济发展驱动机制为各地依托较为发达市场优势形成的产业创新氛围与消费者需求耦合驱动当地数字经济新业态，消费者、政府、企业三主体在传统产业数字化与新兴数字产业业态互促过程形成良性循环，辐射引领周边县域数字经济发展。本研究揭示了多样性县域单元发展数字经济过程政府、企业、消费者的互动逻辑、作用地位及潜在制约机制，将数字经济发展模式探索从城市推向更为广袤的区域与县际比较研究。

本文在县域尺度上探讨了数字经济的“浙江模式”，试图阐释浙江数字经济发展的地方特征。相比北京、上海、深圳等其他数字经济“引领型”城市，浙江以“互联网+”、数字政府改革等为切入口，积极探寻消费者、政府、企业三者间良性循环，并探索由此形成的数字经济发展“浙江模式”。本文以更为复杂的多样性地域单元为研究区域视角，将浙江独特的产业惯性和政府投入纳入，阐明数字经济空间差异的影响因素及其作用机制，可为数字经济省域可持续发展与县域调控提供决策支持。

数字经济发展动因随着时间推移，存在区域的溢出效应与虹吸效应，部分县（市、区）数字产业发展类型可能受此影响并发生变化，由于相关县级数据统计时间跨度较短且数据指标较为单薄，指标选择广泛性受到一定限制，观察动因维度存在局限。未来，在统计数据可支持情景下，可进一步探究省域数字经济发展的空间异质性驱动因素，丰富数字经济的“省域模式及其县际多样性”认识。