数字经济对我国区域发展格局的影响

王娟娟,李 玲,宋雪倩

(兰州财经大学 经济学院,甘肃 兰州 730020)

数字经济以新一代信息技术为支撑,通过引入新生产要素改变生产函数从而转变生产方式,是有别于传统经济的新经济模式。在后金融危机时代,数字经济已经成长为世界经济的重要支柱,2021年,全球数字经济规模为38.1万亿美元,同比增长15.6%,占全球GDP的比重达到45.0%。各国均聚焦于产业数字化和数字产业化的推进,但产业基础和技术水平等方面的差距使全球经济格局在数字化进程中加剧了极化趋势。2021年,位居世界数字经济规模前三位的美国、中国、德国的数字经济规模总和占全球数字经济规模的比重为66.4%[1]。在数字经济的发展轨道上,我国紧抓数字化契机,全面推进数字技术与实体产业的深度融合,数字经济已经成为我国经济发展的新模式、新业态。自2015年提出“数字中国”以来,到2021年,我国数字经济规模从18.6万亿元增加至45.5万亿元,在GDP中的占比从27.0%上升至39.8%[2]。数据要素不受时空约束且无限增长的特性使部分地区获得践行跨越式发展战略的机遇,如四川、重庆、云南、贵州、广西和陕西等西部省市,江西、河南、湖南、湖北、安徽等中部省份,山东、福建等东部省份和东北地区的辽宁。东、中、西、东北的区域发展格局逐渐向东部与其他区域发展分化的格局演化,城市群中心化分布格局居于主导地位。

面对数字经济已经对区域发展格局产生的重大影响,兼顾金融危机对我国经济发展的冲击,本研究选择2008年为研究起点,2008年—2020年为研究期。由于2013年“一带一路”倡议提出和数字经济进入成熟期,因此视2013年为分界点,以不包含数据要素和包含数据要素的两套指标体系分别对2008年—2013年和2013年—2020年的区域经济发展水平进行测度,筛选支撑我国区域经济增长的要素,研究各地区把握数字经济机遇敏锐性的差距,据此研判数字经济维度下的区域发展格局演化趋势。

一、文献综述

自Tapscott提出“数字经济”一词以来[3],数字经济的相关研究趋于细化,在空间维度,大多聚焦于数字经济与区域经济增长的关系、数字经济发展的区域差异等方面的研究。作为经济发展的新引擎,数字经济为区域经济发展注入新动力,促进了区域经济增长。从支撑经济增长的要素看,数字经济对区域经济增长具有促进作用[4],数字化基础、政府科技投入均会促进地区数字经济发展[5],其中数字技术投入对区域经济增长的促进作用较大[6]。从区位和区域特征看,数字经济对中西部地区、城镇化率较低与高物质资本投入地区经济增长的正向作用更为明显[7]。从产业结构看,数字经济对第三产业的促进作用更直接,对第二产业的促进作用相对较弱。标准化程度较高的第二产业能够充分利用数字经济红利形成一体化的市场优势,由此扩大市场规模、提高产业增加值,产业所在地区则显示出更加显著的集群优势;工业发展处于相对劣势的地区难以从一体化市场中获益,进一步被边缘化。数字经济对第三产业发展程度较高和发展程度较低的地区均具有显著的促进作用,其中对第三产业发展程度较高地区的促进作用更大[8]。从区域内部差距看,区域内部的分化问题依然存在,数字经济发展呈现明显的极化特征,城市群之间的经济发展水平是区域内部数字经济发展差异的主要来源[9]。从区域间相关性看,数字经济发展水平和发展速度均对其邻近地区的经济增长具有正向溢出效应[10],且对本地区产生正向反馈效应[11]。从数字经济发展水平出发,我国数字经济发展水平呈现出自东向西递减的特征[12],但四川和重庆正在成为新增长极,数字经济时代,我国区域经济发展形成了城市群中心化分布格局[5]。从数字经济对区域发展的影响看,数字经济发展存在明显的区域异质性,区域间的差异是总体差异的主要来源[13],东部地区数字经济发展水平相对较高,对区域协调发展的推力强于中西部地区,发展不充分与不平衡的问题依然存在[14]。从数字经济对区域经济增长的拉动作用看,数字经济对经济增长的拉动作用存在显著的规模瓶颈效应,大部分地区在经历了起步阶段的快速增长后进入瓶颈期,需要新要素助力突破制约,例如通过融入新技术和新业态提升数字经济效率[15]。从国际维度看,数字经济对一国经济的高水平发展有显著推进作用,对发达国家的促进效果好于发展中国家[16]。

综上,已有研究多从宏观维度聚焦数字经济发展水平的研究,关于数字经济对区域发展格局影响的研究文献较少。本文在已有研究成果的基础上通过两套指标体系探索数据要素的介入对区域经济增长支撑要素的影响,从而对区域经济发展格局演化的影响。

二、指标选取与模型构建

立足相关文献和区域经济发展现状,遵循数据的可得性、权威性和连续性原则,构建两套指标体系,研究数据要素介入前后我国的区域经济发展情况(不包括西藏、香港、澳门和台湾地区)。

(一)研究方法介绍

区域经济发展是多种因素合力作用的结果,为了能够相对科学、全面地测度区域经济发展水平,本研究以熵值法确定研究期内的指标权重,在剔除冗余指标、不影响数据完整性的前提下,采用主成分分析法对数据要素介入前后区域经济发展水平进行测度。根据所得结果计算各省市区全局Moran'sI指数,衡量数字经济发展水平的空间关联程度。

以(1)式测度研究期内各指标占全国该指标的比重pij,以(2)式计算各指标信息熵ej;通过(3)式计算信息熵冗余度dj,继而以(4)式计算指标的权重ωij;最终以(5)式测算各地区经济发展水平综合得分Sij,根据综合得分,筛选对经济发展影响较大的指标和比较各地区经济发展情况。

(1)

(2)

dj=1-ej

(3)

(4)

Sij=ωijXij

(5)

其中,pij表示第i年的第j项指标占全国该指标的比重,m为要评价的样本数。为了避免pij数值为零的指标干扰,数据调整为pij=p＇ij+0.0001。

(二)数据处理

为消除指标数据原始值量纲对研究结果的影响,对指标数据进行标准化处理,以无量纲指标数据的横向比较支撑研究需要。

(6)

(7)

其中,Xij是标准化后i年j指标的数据,max(Xij)和min(Xij)是研究期内j指标的最大值和最小值。

(三)指标体系构建

以数据要素介入与否为标准构建两套指标体系,分别测度2008年—2013年和2013年—2020年的区域经济发展水平和经济发展的支撑要素。对2013年的区域经济发展水平用两套指标体系分别进行测度,以研究各地区把握数字经济发展机遇敏锐性的差距。

1.数据来源

环境污染指标数据来源于《中国环境统计年鉴》。资源消耗指标数据来源于《中国能源统计年鉴》。ICT年行业产值数据来源于《中国高技术产业统计年鉴》。创新环境类指标数据来源于《中国科技统计年鉴》。其他指标数据来源于《中国统计年鉴》。运用公式(6)和(7)消除指标数据的量纲,用熵值法对2008年—2020年区域经济发展水平指标体系赋权重。

2.区域经济发展水平评价指标体系

参考借鉴钞小静(2009)的指标确定维度[17],本研究以经济运行、经济结构、社会福利和生态环境为一级指标,以“五位一体”的理念细分指标,构建由11个二级指标、27个三级指标组成的数据要素介入前的区域经济发展水平评价指标体系(见表1)。

表1 数据要素介入前后区域经济发展水平指标体系及权重

数据要素对经济发展的影响是全方位的,且由于区域自我发展能力和经济基础的差距,各区域把握数字经济机遇的敏锐性和能力存在较大差距,集中体现在时间性和侧重性两方面。因此,在保留数据要素介入前区域经济发展水平评价指标体系核心的基础上融入数据要素,参考张雪玲(2019)[18]、王娟娟(2021)[7]的指标选择,形成包括经济运行、经济结构、发展环境和数字基础等4个一级指标,38个二级指标的数据要素介入后的区域经济发展水平评价指标体系(见表1)。

(四)结果分析

1.数据要素使经济指标对区域发展的贡献权重缩小但结构性问题显性化

表1显示,数据要素介入前后,对区域经济发展贡献权重最大和最小的指标贡献权重均缩小。数据要素介入前,对区域经济发展贡献权重最大和最小的指标分别是进出口额在GDP中的占比和工业固废排放量,贡献权重分别是15.21%和-0.51%。数据要素介入后,对区域经济发展贡献权重最大和最小的指标分别是外商投资总额在GDP中的占比和通货膨胀率,贡献权重分别是8.85%和-0.02%。比较两套指标体系中共有的指标,贡献权重均有不同程度的缩小(见表2),数据的要素性在区域经济发展实践中已经得到验证。

表2 数据要素介入前后相同指标权重变化

数据使支撑经济发展的要素出现结构性变化。从贡献权重变化幅度看,对外贸易和产业类指标的贡献权重降幅大,其中,进出口总额在GDP中的占比对区域经济的贡献权重从2008年—2013年的15.21%降至2013年—2020年的3.21%,降幅为12%。第一、二、三产业增加值的贡献权重降幅分别为4.11%、4.05%和4.03%。这表明我国对外贸易和传统产业发展还未适应数字化环境,运用数字技术创新生产力的成效还没有完全呈现为经济发展成果。同时,数据要素使制约区域经济发展的短板有所缓解,基尼系数对区域经济的贡献权重从2008年—2013年的-3.51%缓和为2013年—2020年的-1.27%,权重变化量为-2.24%,这是我国实现共同富裕的经济基础之一。失业率贡献权重从-3.02%变化为-0.82%,变化量为-2.2%,这与人们转变就业观念、接受灵活就业等密切相关。在工业领域,数字技术与废水排放量大的产业融合度较高,转型升级的成效显著,这类工业产业对区域经济发展的制约程度大幅降低。工业废水排放量对区域经济的贡献权重从2008年—2013年的-1.38%变化至2013年—2020年的-0.44%,权重变化量-0.94%,但是废气、固废排放量大的产业与数字技术的融合水平还在低位徘徊。

从贡献权重的变化率看,数据要素对国内投资、社会福利和对外贸易影响较大。数据要素介入后,国内投资对区域经济的贡献减少91.09%,但是外商投资的贡献权重变化率最低仅为21.96%,说明在数据要素将产业信息数字化后,外资比内资更看好我国产业发展潜力。同时进出口对我国经济发展的贡献权重降低,说明在全球数字化进程中,我国产品国际竞争力弱的短板被显性化,这对我国构建外循环形成强劲制约。与此对应的是,数字技术与我国实体产业的融合水平显著低于数字技术与民生领域的融合水平,尤其是数字技术与工业产业融合度不高,充分利用数据要素提供的有效信息克服核心技术和关键零部件的制约已经成为我国经济发展的当务之急。在民生领域,数据要素使人们满足需求的平台多元化,通货膨胀率对经济发展的制约大幅缩小,但是发展型消费人均支出的大幅下降不利于我国劳动力质量红利的集聚。数据要素支撑区域经济发展的要素多元化,但也使我国经济发展中长期存在的结构性问题显性化。

2.数据使区域经济的支撑要素发生变化

数据要素介入前,从2008年—2013年的指标贡献权重看,区域经济的支撑要素主要源于对外开放、福利水平和产业发展等三个二级指标。进出口总额在GDP中的占比、外商投资总额在GDP中的占比、失业保险覆盖率、第二产业增加值和第三产业增加值是位居前五位的指标,贡献权重依次为15.21%、11.34%、7.16%、6.89%和6.67%。对外贸易、制造业和服务业发展较好的地区在区域发展格局中处于发达地区梯队,在坚实的区域经济基础支撑下社会保障体系相对完善和健全,高素质劳动力持续流向这些地区,使我国形成四大板块的区域经济格局。

数据要素介入后,从2013年—2020年的指标贡献权重看,区域经济的支撑要素主要源于对外开放、用户基础、经济增长和数字产业化等四个二级指标。外商投资总额在GDP中的占比、每万人拥有的网页数、技术市场交易额、软件业务收入和ICT行业产值是位居前五位的指标,贡献权重依次为8.85%、8.58%、7.16%、6.88%和6.16%。外商投资、数字基础、科学技术和数字产业发展较好的地区成为数据要素介入后区域发展格局中的高梯队区。这四方面具有优势的地区与数据要素介入前的发达地区基本重合,可见数字经济与经济基础正相关。对数字经济具有较高敏锐性的部分地区或形成特色化产业链,或参与产业链,实现了区域经济发展梯队的跨越,如成都、重庆、合肥、杭州等,有效地助力着城市群中心化成为区域经济发展格局的主导。

数据要素的介入将我国第二产业支撑经济发展能力不足、产品国际竞争力不强等问题暴露出来。另一方面,我国第三产业适应性、灵活性强的优势也得以显现,数字技术与第三产业深度融合,数字产业迅速成为经济发展的重要支柱。

3.阻碍我国区域经济发展的要素具有稳定性

2008年—2013年的区域经济发展水平评价指标贡献权重显示,数据要素介入前阻碍我国区域经济发展的指标主要从属于收入分配、经济波动和环境污染等三个二级指标。基尼系数、失业率、农村居民家庭恩格尔系数、工业废水排放量和城镇居民家庭恩格尔系数是位居前五位的制约因素,贡献权重分别为-3.51%、-3.02%、-2.07%、-1.38%和-1.22%。数据要素介入后,2013年—2020年的贡献权重显示,阻碍我国区域经济发展的要素从属的二级指标未变化,涉及的三级指标有部分变化,基尼系数、失业率、工业废水排放量、工业废气排放量和农村居民家庭恩格尔系数是位居前五位的制约因素,贡献权重分别为-1.27%、-0.82%%、-0.44%、-0.41%和-0.34%。

收入分配不公平、就业岗位结构性失衡、工业转型升级缓慢已经严重阻碍我国区域经济发展目标的实现,新要素进入经济体系也未能改变这一现状。从实证结果看,2008年以来,我国收入差距的重点已经不是城乡收入差距,而是农村内部和城市内部的二元化,且农村内部的收入差距更大。其次,金融危机以来,社会保障体系健全的步伐持续慢于解决就业岗位结构性失衡问题的深化速度,因此,稳就业成为国家关注的重点。再次,数据要素将我国以高碳排产业为主的工业结构存在严重“卡脖子”的问题暴露出来。这些因素在区域层面上成为区域经济差距持续甚至扩大的根本原因。

三、数据要素推动区域经济发展格局演变

实践证明,数据要素突破时空约束、无限增长的特质需要以产业竞争力为前提。在我国,能够高效把握数字经济发展机遇的地区均为产业实力强劲的地区,数据要素直接助力这些地区及其所在的城市群以低交易成本获得虹吸效应,四大区域板块格局向城市群中心化分布格局演化。

(一)把握数字经济发展机遇的能力存在区域差距

我国在2015年明确提出发展数字经济,但是部分地区已经率先开启数字化进程,对区域经济发展格局变化产生重大影响。立足熵值法确定的指标贡献权重,运用主成分分析法分年度测算我国30个省市区的区域经济发展水平。由于“一带一路”倡议和数字经济使区域发展能力在区域经济中的权重得到大幅强化,因此,本研究对2013年的区域经济发展水平用两套指标体系分别测度,以确定把握发展机遇的区域能力差距,为数据要素介入后的区域经济发展格局演化提供科学依据。

2013年,数据要素介入后的区域经济发展水平数值高于数据要素介入前的省市分别是北京、广东、上海、江苏和浙江,两套指标体系下区域经济发展水平数值差额最高的是北京0.48,最低的是上海0.19。数据要素介入后,2013年这五省市的区域经济发展水平数据出现较大增幅,增长率最高的是浙江97.06%,最低的是上海34.55%(见表3)。以数据要素介入前后的区域经济发展水平评价指标体系的实证结果看,数据要素介入前的排位依次是上海、北京、广东、江苏和浙江,数据要素介入后的排位分别是北京、广东、上海、江苏和浙江。上海的排位变化主要是由于我国数字经济在第三产业率先起步,数字经济在第三产业中的普及率、渗透率远高于第一、二产业,在数字产业化是数字经济发展主要支撑之一的阶段,制造业优势显著的上海受到一定程度的影响[19]。然而,随着产业数字化的加速,上海经济将再次进入稳步提升轨道。

表3 2013年数据要素介入后区域经济发展水平数值上升的省市

从全国把握数字经济机遇的敏锐性看,数据要素介入前全国区域经济发展水平均值高于数据要素介入后的全国区域经济发展水平均值(见表4),说明我国大部分地区把握数字经济发展机遇的能力较弱。北京、广东、上海、江苏和浙江在数字经济时代居于领先位置,数据要素不受时空约束、无限增长、可复制的特点使五省市能够以极低的交易成本与其他地区开展经济合作,这为我国区域经济发展格局向城市群中心化格局锁定奠定了基础。

表4 2008年—2013年的区域经济发展水平测度结果

(二)数字经济促使区域发展格局趋于极化

1.数据要素使区域经济的关联性降低

区位是影响区域经济发展及区域相关性的重要因素,邻近地区成为经济区的概率远大于非邻近地区。对2008年—2020年30个省市区做全局空间自相关分析,结果显示,数据要素介入前后相邻省市区之间经济联系的正相关性未改变,但相关度出现显著变化。由表5可知,数据要素介入前,相邻地区之间的相关性较高,仅有2009年低于0.3,且P值普遍较小。数据要素介入后,相邻地区之间的相关性降低,2014年相关性最小仅为0.173,2020年最高是0.265,P值普遍较大。以是否考虑数据要素作用对2013年的区域经济相关性分别测度,不考虑数据要素作用条件下相邻地区的空间相关性(0.306)大于考虑数据要素条件下相邻地区的空间相关性(0.217),P值从0.019增至0.059,这表明数据要素介入后区位对区域经济发展的影响减小,但是支撑区域经济发展的因素复杂化。数字经济时代的区域经济函数涉及的变量及运行逻辑可能与传统经济模式差异较大。

表5 全局Moran's指数

2.核心区域的极化效应明显

北京、广东、上海、江苏、浙江在把握数字经济发展机遇方面显示出较强的敏锐性,直接影响着我国区域经济发展格局的演化方向。对2008年—2020年全国30个省市区做局部空间自相关分析,通过2013年和2020年的莫兰指数散点图发现,数据要素介入后北京、广东、上海、江苏、浙江与其他地区的差距扩大,其中北京与广东位于第四象限,表明其相邻区域经济发展水平较低,而上海、浙江与江苏三省市位于第一象限,整体经济发展质量高于全国其他省市区,五省市已经成为我国区域经济发展格局中的核心区域。与这五省市经济发展差距相对较小的地区均为邻近省市,且在同一个城市群或经济区,如京津冀、长三角、珠三角等城市群,环渤海经济区等。2013年“低—低”象限中聚集的省份主要为西部各省,数据要素介入后,东北三省逐渐与新疆、宁夏、青海、甘肃等聚集,“低—低”象限中的省市区密集度变高,表明数字经济时代西部和东北地区获得各种生产要素的难度加大。2013年—2020年我国区域经济发展水平的区域最大差率普遍高于2008年—2013年(见表4),数字经济加大了我国实现区域协调发展目标的难度。

(三)数据要素加剧了区域内部的分化

2008年—2013年,东、中、西和东北地区内部的差距相对较小,区域内部的最大差距分别是0.30、0.10、0.13和0.08,区域内部的最小差距分别是0.24、0.06、0.06和0.04,差距幅度也较小(表4)。数据要素介入后,2013年—2020年,四大区域内部的最大差距分别是1.22、0.31、0.33和0.23,区域内部的最小差距分别是0.84、0.09、0.18和0.15,差距幅度较数据要素介入前扩大(见表4)。东部地区内部的差距显著大于其他区域,分化程度日益加重。

通过整理数据要素介入前后位于全国经济发展水平均值上下的地区发现,高于全国区域经济发展水平均值的东部地区从2008年的10省市减少至2020年的8省市,其中,河北一直低于全国均值,海南自2012年开始低于全国均值(除2014年外)。随着辽宁2018年低于全国均值,东北地区整体低于全国均值。中部和西部仅有个别省市区高于全国均值(见表6)。可见,数字经济是以一定的产业竞争力为基础的经济形态。

表6 2008年—2020年高于全国经济发展水平均值的地区

(四)数据要素拉大了区域间的差距

1.东西维度下的区域经济发展差距扩大

在我国区域经济发展格局中,自中华人民共和国成立以来,东部地区一直处于相对领先的水平,与其他地区差距的显性化、持续化主要始于改革开放,沿海地区借助区位优势通过“三来一协”的方式参与国际贸易、融入全球产业链,与非沿海地区的差距形成并扩大,集中体现为东部沿海地区与内陆地区的差距。而后在国家加大沿海、沿江、沿边城市开放力度和先发地区的带动下我国区域发展格局不断演化,先后经历了东西格局、东中西格局和四大区域板块阶段。然而,金融危机对各经济体的冲击显示出区域发展能力和经济基础在区域经济发展中的重要作用。2008年—2013年东部与其他地区之间差距大于其他地区之间的差距,其中,东中差距和东—东北差距相近,中—东北差距接近于0,东北—西差距逐渐缩小。数据要素介入前,四大区域板块的经济发展差距较小且稳定。数据要素介入后,东部地区的经济发展优势更加明显。从数据要素介入后的区域经济发展水平看,2013年东部地区的经济发展水平均值为0.46,高于数据要素介入前的东部地区经济发展水平均值0.41,但是其他区域板块的经济发展水平均低于数据要素介入前。可见,东部地区把握数字经济发展机遇的敏锐性平均高于其他地区,但这是北京、广东、上海、江苏和浙江发展权重大的结果。2013年—2020年,东部地区与其他地区的发展差距从0.40扩大至0.56,2020年东中差距、东西差距和东—东北差距分别达到0.34、0.45和0.45,中西差距、中—东北差距和东北—西差距分别为0.11、0.11和0(见表7)。可见,数据要素介入后,东西维度下区域经济发展差距显性化为东部地区与其他地区的差距,中、西、东北地区的发展差距缩小。

表7 数据要素介入前后四大区域间差距

2.南北维度下区域经济发展差距较小但核心城市权重加大

参考许宪春等[20]以秦岭—淮河为界划分南北地区,南方地区主要包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南等15个省市区,北方地区主要包括北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、陕西、甘肃、青海、宁夏和新疆等15个省市区。从表8中看出,2008年—2020年,南北差距不断扩大但小于东西维度下的区域经济发展差距。数据要素介入前南北差距基本维持在0.05,变化幅度较小。数据要素介入后,南北差距拉大,从2013年的0.07扩大至2020年的0.18。值得注意的是,2013年—2016年南北差距是缩小的,2017年开始扩大,2020年达到0.18。这表明数据要素能够缩小南北差距,但是南北差距的根本原因在于产业的空间分布不均衡。随着供给侧结构性改革的推进,各地区相继开启新旧动能转换工程,先进制造业集聚的南方地区优势显著,在产业标准化程度与数字化进程正相关的发展规律下,南北差距有扩大的可能性。

表8 数据要素介入前后南北方之差

尽管南北差距小于东西差距,但是数据要素介入后缩小差距的难度加大。北京作为北方地区的核心城市在北方经济发展中的权重大,直接影响着南北差距的变化。数据要素介入前,除北京以外的南北差距大于包括北京的南北差距,但是差距较小,2008年,两者差额0.01,2013年也仅为0.02。数据要素介入后,2013年,除北京以外的南北差距为0.12,包括北京的南北差距是0.07。之后,除北京以外的南北差距趋于缩小,说明北京的数字化进程对北方其他地区产生辐射带动作用,但是2017年以后,差距快速扩大,2017年—2020年,除北京以外的南北差距分别是0.15、0.18、0.21和0.26,包括北京的南北差距分别为0.08、0.11、0.13和0.18,说明先进制造业、高新技术产业在北方地区数量少但是分布集中,大多在北京等少数核心城市,以产业链形式与北方其他地区联动发展的可行性低。核心城市的经济发展质量是南北差距的决定因素,但是因产业集聚在区域经济中的高权重使核心城市在协调南北发展中的作用有限。

(五)数字经济清晰了城市群中心化分布格局

优惠政策驱动下形成的以四大区域板块格局正在向以数字经济赋能产业迭代升级为支撑的城市群中心化格局演化。从19个国家级城市群的发展现状看,京津冀、长三角、珠三角、山东半岛、成渝、长江中游、中原等七个城市群的发展质量与其他城市群的差距逐渐拉大,尤其在数据要素介入后,中心化位置日益巩固。本研究以省级数据为论据,将城市群涉及的行政区划扩大至省级区划,表9中的其他城市群是除七个城市群以外的12个城市群。

表9 城市群数字经济发展水平

数据要素介入前,七个城市群的发展水平已经高于其他城市群,2008年—2013年二者的发展差距从0.10逐渐扩大至0.12。这一时期成渝、长江中游和中原等三个城市群与其他城市群的发展差距较小,但是发展势头强劲,尤其是成渝城市群从第六位上升至第四位。数据要素介入后,七个城市群因核心城市的带动,发展质量快速提升,但把握数字经济的敏锐性和能力将19个城市群进一步分化。从数据要素介入后的区域经济发展水平评价指标体系实证结果看,2013年,京津冀、长三角、珠三角城市群的经济发展水平值均高于数据要素介入前,其他16个城市群的经济发展水平值均低于数据要素介入前,可见,京津冀、长三角、珠三角等三个城市群把握数字经济发展机遇的敏锐性较强。从把握能力看,珠三角城市群居于第一位,数据要素介入后的2013年发展水平值是0.85,数据要素介入前的2013年发展水平值是0.57,二者相差0.28。长三角城市群居于第二位,三个数值分别是0.56、0.45和0.11。京津冀城市群居于第三位,三个数值分别是0.51、0.40和0.11,说明产业竞争力是区域经济发展的核心支柱,具有竞争力的产业是集聚包括数据在内的各种生产要素的根本。2013年—2020年,珠三角、长三角、京津冀等三个城市群保持高速增长,山东半岛、成渝、长江中游和中原城市群因产业基础坚实也迅速增长,七个城市群与其他城市群的差距不断拉大,2020年差距已经达到0.46,城市群中心化分布格局形成[21]。

从七个城市群分别与其他城市群的发展差距看,2008年—2013年,京津冀、山东半岛、长三角和珠三角城市群与其他城市群的发展差距较大,2013年分别是0.12、0.13、0.17和0.29,成渝、长江中游和中原城市群与其他城市群的发展差距较小,分别是0.05、0.03和0.04。数据要素介入后,京津冀、长三角和珠三角城市群与其他城市群的发展差距迅速拉大,2020年分别达到0.54、0.62和1.13,山东半岛、成渝、长江中游和中原城市群与其他城市群的发展差距较数据要素介入前有所扩大,分别为0.39、0.20、0.14和0.16,但差距相对较小。2008年—2020年,七个城市群的经济发展水平均值从0.30增至0.88,尤其是数据要素介入后,数值增速加快,但成渝、长江中游和中原城市群的发展水平均值一直低于七个城市群的发展均值,山东半岛2016年和2017年的发展水平均值高于七个城市群的发展均值,2018年,以外向型产业为主的山东半岛城市群受中美贸易争端的影响,经济发展水平均值低于七个城市群发展均值。

可见,京津冀、长三角和珠三角城市群在我国区域经济发展格局中处于绝对核心地位,数据要素更加巩固了这一地位。综上,数据要素助力形成的区域经济发展格局,即城市群中心化格局分为三个梯队,京津冀、长三角和珠三角城市群居于第一梯队,山东半岛、成渝、长江中游和中原城市群居于第二梯队,其他12个城市群居于第三梯队。

四、结论与建议

数字经济使区域经济的运行逻辑和支撑要素产生较大变化,区域经济发展全面导向城市群中心化分布格局,产业的发展权重进一步被加大,区域协调发展的难度加大、机遇增多。

(一)结论

第一,支撑区域经济增长的要素发生改变但阻碍要素具有稳定性。数据要素使区域经济的支撑要素由对外开放、福利水平和产业发展转变为外商投资、数字基础、科学技术和数字产业化,但阻碍区域经济发展的要素具有稳定性。工业竞争力弱、社会保障不健全等问题被显性化。第二,数据要素的介入加剧区域内部分化的同时拉大区域间差距。数据要素使各区域内部的分化加剧,区域间的差距集中体现为东部与其他地区差距。核心地区在南北差距中的作用加大。第三,各地区把握数字经济发展机遇的敏锐性和能力存在较大差距。北京、广东、上海、江苏和浙江把握数字经济发展机遇的敏锐性和能力显著强于其他地区,受其辐射,京津冀、长三角、珠三角等城市群的发展质量再次跃升,强化了城市群中心化分布格局。

(二)数字经济助力我国区域协调发展的建议

1.推进城乡网络基础设施建设

城市内部以及乡村内部的二元化是制约区域经济发展的要素之一,数据要素也未能改变这一状态。加大与城市和农村的数字经济发展相匹配的软硬基础设施投入是推动区域数字经济高质量发展的关键。在城市数字基础建设方面,加快智慧民生工程建设,推进城市治理能力提升与治理体系的现代化进程,从而推动城市高质量发展。在农村数字基础建设方面,加大对农村信息基础设施建设的力度,加快农村宽带通信网和移动互联网的发展,推进农业数字化转型,促进信息技术与农业生产、农产品加工的深度融合发展,健全和完善农村物流体系,积极发展农村电子商务,打造数字乡村综合服务平台,助力实现乡村振兴目标。

2.提升东部地区数字技术创新水平

东部地区数字经济发展水平较高,数字基础设施较为完善,应对产业数字化的发展需要承担关键核心技术的攻关重任。打造数字产业集群,加强数字经济核心产业的发展,大力发展支撑数字技术平台运行的5G、人工智能、区块链等信息技术,注重电子元器件、关键基础软硬件以及生产设备的研发与生产,建设具有影响力的数字技术与实体产业融合发展的新高地。通过专业数据库的信息指引,引导企业接受并且加速数字化转型,主动提高企业管理和业务的数字化水平,为数字产业化和产业数字化的协同共进夯实根基。同时,聚焦生产要素统一大市场的建设,推动数字经济和实体经济深度融合,鼓励企业积极融入数字经济时代,带动传统产业转型升级。

3.提高对外开放水平并优化外商投资环境

数据要素介入前,进出口规模对经济增长贡献最大;数据要素介入后,外商投资成为支撑经济发展的主要因素。由于区位因素、经济基础等比较优势,东部地区具有把握数字经济时代对外开放发展的相对优势,现行发展模式下,其他区域处于相对劣势地位,尤其是西部地区。因此,面向“一带一路”市场的供求,充分利用陆海贸易新通道,政府和市场合力帮助西部地区提高对外开放水平。在数字经济时代,各区域需要对标自己的目标市场,优化营商环境,依靠数据要素降低交易成本、精准定位市场供求规模及其变化,降低供求双方的资金风险,帮助东部地区产业与世界先进产业同频、西部地区全面融入“一带一路”市场,在东西互动的全面开放格局中提振国内投资积极性。

4.促进核心城市群与其他城市群间联动发展

在数据要素参与的生产函数作用下我国已经形成城市群中心化分布格局,但是城市群内部发展不协调问题仍然存在,核心城市群和中心城市对落后地区的扩散效应小于虹吸效应,这需要“有为政府”积极发挥作用,促使核心区域加强与周围城市的联动发展,以构建产业链为目标,在技术、人才等方面对后发地区全面带动。核心城市群继续发挥比较优势,在匹配度较高的新基建设施支撑下,聚焦数字技术与实体产业的深度融合、数据要素产业形态的创新,在城市群内部形成核心城市与其他城市的良性互动,在城市群之间以产业链强化经济联系。通过极化效应、扩散效应促进区域协调发展。