中国数字经济发展水平的时空格局与收敛性研究

丁晨辉，宋晓明，，田 泽，邢迎春

（1.河海大学 商学院，江苏 南京 211100；2.石家庄邮电职业技术学院，河北 石家庄 050021）

一、引言

5G、人工智能、大数据、区块链等新一代信息通讯技术(ICT)催生了数字经济，为各国（地区） 新一轮经济发展提供了重大利好契机[1]，也成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。党的二十大报告指出：“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。当前，中国数字经济与实体经济各领域融合的广度和深度不断拓展，在激发消费、拉动投资、创造就业等方面发挥重要作用[2]。2022 年，中国数字经济规模达50.2 万亿元，总量稳居世界第二，同比名义增长10.3%，占国内生产总值比重提升至41.5%。可见，数字经济已成为中国及区域经济高质量发展的新引擎、深化供给侧结构性改革的主要抓手和增强经济发展韧性的主要动力[3]。数字经济水平的高低成为衡量一个国家综合竞争力大小的关键标准，大力发展数字经济，实现从过度依赖传统经济向数字经济创新驱动的转变，成为国家的一项重大发展战略。然而，受到区域资源禀赋差异、数字基础设施建设参差不齐等诸多影响，导致中国不同地区数字经济发展水平存在显著差异，不利于全国数字经济整体水平的提升。因此，优化数字经济发展的空间格局，促进数字经济发展由低水平区域向高水平区域收敛，成为提升数字经济整体发展水平的重要途径。

二、文献综述

数字经济已成为时下的研究热点，国内学者的研究主要集中在数字经济的内涵阐释[4]、指标体系构建、水平测度以及促进经济高质量发展[5]等方面。关于数字经济的内涵及特征，学者普遍认为数字经济以互联网、物联网等为载体，借助5G、人工智能、大数据、区块链等数字技术实现交易、交流的数字化，是一种基于数字化信息、知识生产要素等重塑再生产方式以及过程的经济活动[6]。数字经济对“乡村振兴”“中国制造2035”等重大国家战略的贯彻落实发挥支撑促进作用，数字农业被视为实现大数据与乡村振兴融合发展的根本途径，而制造业作为数字经济的主战场，催生出个性化定制、智能制造、服务型制造等诸多新业态、新模式[7]，推动制造业整体转型升级。

目前，关于数字经济水平的测度尚未形成统一标准，学术界多采用构建指标体系的方式，叠加运用主成分分析法、熵值法、GIS 空间分析法等进行数字经济水平测度研究[8]。现有研究主要基于全国、省域等宏观尺度，从数字经济内涵出发，围绕信息化发展、互联网发展、数字交易等维度构建评价指标体系，测算中国省域层面的数字经济发展水平，发现国内数字经济发展存在“数字经济鸿沟”和两极分化现象[9]。也有学者从市域、县域层面，运用泰尔指数、Dagum 基尼系数和Kernel 密度估计探讨数字经济的演变趋势以及地区差异[10]。总体来看，在对数字经济内在规律认识不断加深的基础上，数字经济的评价指标体系也愈加成熟。然而，数字经济涉及诸多方面，如何科学、全面地构建评价指标体系，进而精准地测度区域数字经济发展水平仍是亟待解决的重要理论与现实问题。

此外，中国及各省（区、市） 的数字经济处于何种水平？各区域间数字经济发展水平在空间上存在何种关联？是否存在显著的空间分异？区域差异呈现何种趋势，是持续拉大还是收敛？若收敛，收敛是否呈现出空间效应？对上述问题的研究与解答成为了中国数字经济发展水平研究的又一重要课题。然而，针对此类问题的相关研究较为匮乏，对区域间数字经济客观存在的空间相关性研究亦缺乏深入探讨，有关数字经济发展水平收敛性的直接研究更为鲜见。基于此，文章在深入探究数字经济内涵的基础上，构建数字经济发展水平评价指标体系，测度2011—2020 年中国除西藏和港澳台地区外的30 个省（区、市）的数字经济发展水平，并对数字经济的时空格局及收敛性展开系统深入研究。文章的边际贡献在于：一是清晰刻画了数字经济的空间分布及动态演特征，并对数字经济发展水平的空间收敛性实证检验分析，以弥补现有研究不足。二是在研究方法上选取跨学科交叉方法与规范研究范式，以确保研究结论的准确性。

三、中国区域数字经济发展水平测度

1.测度方法选取

数字经济发展指数的测度不仅需要可获得、可操作的具体指标，也需要对所选取指标赋予权重值。当前较常见的赋权法包括主观赋权法与客观赋权法。熵权法对权重的计算较为客观，是基于原始数据的集多指标、多对象为一体的客观赋权法[11]，可有效规避人为因素带来的测量误差，故选取熵权法对指标进行赋权。在计算出各省（区、市） 数字经济发展水平测度体系中的权重后，构建数字经济测度指标的加权矩阵，并基于标准化的指标以及测算的指标权重，使用多种线性函数的加权求出区域数字经济发展综合指数(Dig)。其中，Dig 的取值范围在0～1之间，其值越大表示区域数字经济发展水平越高；反之，则表明区域数字经济发展水平越低。

2.指标选取与说明

（1） 数字经济发展水平测度指标

借鉴刘军等(2020)[9]的研究将互联网发展作为测度的核心，并加入数字交易指标体系的构建思路，结合相关数据的可获得性，从互联网发展、数字金融普惠两个维度对数字经济综合发展指数进行测度。互联网是数字经济发展的载体和依托。对省域层面的互联网发展水平的测度，借鉴黄群慧(2019)[12]的做法，主要从互联网普及率、相关产业人员从业情况、相关产业产出情况和移动电话普及率四方面展开，分别用百人中互联网宽带接入用户数、计算机服务和软件业从业人员占城镇单位从业人员比重、人均电信业务总量以及百人中移动电话用户数来表示。数字金融普惠的测度，采用已有学者编制的中国省级数字普惠金融指数进行衡量，该指数主要从数字金融覆盖广度、使用深度以及数字化程度三方面进行测度。由此，运用熵权加权法对数字经济发展水平进行测度。

（2） 相关控制变量指标

经济增长(lnPgdp)，选取地区人均GDP 来表示区域经济增长水平，并对变量取对数处理。城镇化(lnCity)，以城镇人口占比总人口比例代表城镇化水平。人力资本(lnHum)，以平均受教育年限来表征区域人力资本水平的高低，并对变量取对数处理。政府行为(lnGov)，选取各地区政府财政支出占GDP 的比重来表示政府行为。贸易开放度(lnOpen)，用进出口总额占GDP比重来表示贸易开放程度，并对变量取对数处理。技术水平(lnTc)，用科技支出占GDP 的比重表示技术水平。产业结构高级化(ING)，利用第三产业增加值与第二产业增加值的比值来表示产业结构高级化。金融集聚(lnJag)，参考已有学者的研究，对金融集聚水平进行测度。生产性服务业集聚(lnSag)，借鉴已有学者的研究，运用相关计算公式对生产性服务业集聚水平进行测度。

3.数据来源与数据处理

结合数据的可获得性，选取2011—2020 年中国除西藏和港澳台地区外的30 个省（区、市） 作为研究样本，测度其数字经济发展水平。研究按照国家地理分布，将区域划分为东部、中部和西部地区。研究数据来自历年《中国统计年鉴》《中国科技统计年鉴》 《中国城市统计年鉴》、各省统计年鉴及国研网、国泰安等数据库。由于中国西藏及港澳台地区数据缺失较多，故将以上地区剔除，并对相关指标缺失值做插值处理。为避免异方差影响，对部分指标取对数处理并在1%和99%水平做缩尾处理。此外，涉及价格因素的变量，文章均以2011 年为基期进行了平减处理。主要变量的描述性统计结果如表1 所示。

表1 变量描述性统计结果

如表1 所示，数字经济发展水平的均值为0.327，最大值为0.937，最小值为0.125，表明不同区域间数字经济发展水平差距较大，其余变量除城镇化水平、人力资本外均存在显著差异。

4.测度结果分析

按照文章构建的评价体系及选定研究方法，计算出中国除西藏和港澳台地区外的30 个省（区、市） 2011—2020 年的数字经济发展指数（见表2）。从全国层面看，2011—2020 年中国数字经济发展水平的均值为0.327，表明整体数字经济发展水平不高，有较大提升空间。就整体演进趋势而言，十年间全国数字经济发展水平呈上升趋势，说明国家对数字经济重视程度不断加深，发展成效也逐步凸显。从区域层面看，全国数字经济发展水平呈东部地区高、中西部地区低的分布格局，东部、中部和西部地区的均值分别为0.385、0.283 和0.30。不难发现，中部地区略低于西部地区，且两者均低于全国平均水平。分阶段来看，2011—2014 年、2017—2020 年两阶段数字经济发展指数增速较快；但在2015 年出现回落，其中2014—2015 年间东部地区增幅仅为3.0%，中部地区增幅为4.1%，西部地区增幅为2.2%，成为近九年间增长最为缓慢的时段，远低于2011—2013 年东部、中部和西部地区数字经济发展指数的增幅，依次为30.9%、41.1%和40.3%。

表2 中国区域数字经济发展指数得分与排名

从省（区、市） 层面看，各省（区、市） 数字经济发展水平存在着显著差异。2011—2020 年国内数字经济发展指数均值排名前五位的依次是：北京、上海、浙江、广州、江苏，其数字经济发展指数均值分别为0.578、0.459、0.438、0.401 和0.382。相比之下，江西、湖南、安徽等省份排名较为靠后，对应的数字经济发展指数均值低于0.30。排名较为靠前的多为东部地区的省（区、市），得益于良好的区位优势与经济基础，加上数字基础设施较为完善、高端要素集聚，使得其数字经济红利得以充分释放，整体数字经济水平也较高；而排名较为靠后的多为中西部地区的省（区、市），究其落后原因恰恰与东部地区所具有的诸多优势相反，导致中西部地区数字经济发展迟滞，数字经济红利有待进一步释放。

四、中国区域数字经济发展的时空格局演变

1.区域数字经济发展的空间关联与集聚情况

（1） 空间探索性数据分析(ESDA)

空间数据分析法通过描述或者可视化所研究对象或事物的空间分布格局，借此判断空间集聚、空间分异，达到揭示研究对象的空间依赖关系。文章采用全局莫兰指数来衡量区域间数字经济水平的空间关联性，采用局部莫兰指数来反映局部数字经济水平的关联特征，由于篇幅所限，具体公式省略。经计算，2011—2020 年在空间邻近权重矩阵和空间经济距离权重矩阵下全局莫兰指数始终显著为正；在两种权重矩阵下Moran's指数均呈波动变化趋势。可知，中国数字经济发展水平存在显著的空间正相关，且呈现空间集聚特征。

（2） 全国数字经济发展水平空间集聚特征分析

2011—2020 年中国绝大多数省（区、市） 数字经济发展水平位于第一、第三象限，呈现高高集聚(HH)与低低集聚(LL)特征，表明存在较为稳定的空间相关性与空间集聚性。进一步来看，高高集聚多为东部沿海发达地区，而低低集聚则主要集中分布在长江中游和西北、东北、西南地区，占据了50%以上省（区、市）。高高集聚分布地区较为稳定，除辽宁逐渐掉队外，北京、上海、江苏、浙江、广东等地一直稳居高高集聚行列。相比之下，低低集聚则主要集中在山西、河南、广西、贵州等中西部地区，上述地区高端要素资源不足，导致缺乏数字经济发展所需的“土壤”。此外，高低集聚区(HL)与低高集聚区(LH)由于缺乏有效的辐射带动、协同治理，较易陷入“低水平均衡陷阱”。

2.区域数字经济发展的时空跃迁

时空跃迁测度法可进一步探究中国数字经济发展水平局部空间关联的时空转移特征。时空跃迁共有4 种类型：类型I，本地区发生跃迁而相邻地区未发生跃迁；类型II，本地区在相邻地区发生跃迁的情况下仍保持原有状态；类型III，本地区与相邻地区均发生跃迁；类型IV，本地区与相邻地区均未发生跃迁。如表3 所示，2011—2014 年跃迁类型Ⅳ的省份最多，为24 个，跃迁类型Ⅰ和跃迁类型Ⅱ的省（区、市） 分别为3 个、2 个，而跃迁类型Ⅲ的最少，为0 个；2014—2020 年跃迁类型Ⅳ的省（区、市） 最多，为25 个，跃迁类型Ⅰ的省（区、市）有2 个，而跃迁类型Ⅱ与跃迁类型Ⅲ的省（区、市） 均不存在。进一步分析，跃迁类型Ⅳ的省（区、市） 在2011—2014年、2014—2020 年两个时段内的数量分别为24 个、25 个，其空间凝聚度分别为0.80、0.83，表明中国数字经济的空间分布格局存在显著的空间锁定或路径依赖特征。

表3 中国数字经济发展水平的时空跃迁类型

五、中国区域数字经济发展的收敛性分析

中国数字经济发展水平的地区差距非常显著，那么这种地区差距水平会随时间增长而加大还是随着时间推移而缩小呢？文章借助α 收敛与β 收敛模型对全国以及东部、中部、西部地区数字经济发展水平的收敛性作进一步分析。

1.收敛性检验模型

α 收敛用于说明不同省份的数字经济发展水平随时间变迁偏离平均值幅度呈缩小趋势，即其离散程度随时间推移而降低。α 收敛是存量概念，其测度方法有标准差、变异系数和Theil 指数等，现有收敛性的相关研究较多使用变异系数来表征α 收敛。β 收敛是增量概念，是从增长率的视角分析不同区域数字经济发展水平变化趋势。β 收敛分为绝对β 收敛和条件β收敛，前者假设不同地区数字经济发展条件完全相同，收敛于相同稳态水平；后者则承认各省份间经济基础、人口密度和工业化水平等存在差异，不同地区会向各自的稳态水平收敛。由于篇幅所限，α 收敛变异系数公式和经典β 收敛模型公式此处省略。

经典β 收敛模型是一种未将空间因素考虑在内的传统计量方法。“地理学第一定律”阐明所有事物之间具有相互关联，且这种关联随距离的远近而有所差异，距离越近关联性越强，反之则会减弱。对数字经济发展水平收敛性的研究，若仅考虑自身而忽略相邻区域的溢出效应，所得结论必然会有所偏误。因此，为更加科学合理地研究区域数字经济发展水平的收敛性，应将经典β 收敛与空间计量方法相结合。考虑到空间因素对数字经济发展的潜在影响，借鉴已有的研究，构建如下空间面板计量模型来检验数字经济发展水平的β 收敛：

模型(1)中，I 为空间单位向量，uit为控制变量，α 为常数项，λ、δ 为空间效应系数。根据β 可计算出收敛率S，S=-ln(1+β)/T。模型(1)是空间计量模型的一般形式，如要判断SDM模型、SLM 模型还是SEM 模型更为适用，需进行相应的模型检验。若β＜0 且在统计上显著，表明存在β 收敛；反之则不收敛，即是发散的。当ξ=0 时，上述方程是空间绝对β 收敛模型；当ξ≠0 时，则是空间条件β 收敛模型。Wij为空间权重矩阵，包括空间邻近距离矩阵与经济距离权重矩阵。由于篇幅所限，空间邻近权重矩阵与经济距离权重矩阵的公式此处省略。

2.区域数字经济发展水平的收敛性分析

（1） α 收敛检验

如图1 所示，中国数字经济发展水平的变异系数无论是从全国还是区域层面看，其整体差距显著，但呈逐渐缩小态势，这与前文所得结论一致，表明中国数字经济水平存在α 收敛。

图1 中国数字经济的变异系数演变趋势

（2） β 收敛检验

在进行模型选取时，通过F 检验、BP 检验、Hausman 检验，均在5%的水平上拒绝了原假设，将最终选取固定效应模型进行检验。在进行β 收敛检验时，为避免模型估计偏误，需将空间因素考虑进去。LR 检验分别在5%、1%水平上拒绝空间滞后模型(SAR)与空间误差模型(SEM)，均选择了空间SDM 模型。通过效应检验，在5%水平上拒绝了时间固定效应模型、地区固定效应模型，说明选用空间杜宾模型SDM是双向固定最优，其结果如表4 所示。

表4 中国数字经济发展水平β 收敛的回归结果

第一，全国层面β 收敛。如表4 所示，全国数字经济β 系数无论是在绝对β 收敛、条件β 收敛还是空间层面收敛，均在5%、1%水平上显著为负，说明无论是否考虑空间因素，全国数字经济发展水平均存在β 收敛，各省份数字经济水平差距呈缩小态势。其次，绝对β 收敛速度明显低于条件β 收敛速度，收敛率的大小代表收敛速度的快慢。通过对比列(1)、列(3)、列(4)与列(2)、列(5)、列(6)不难发现，经典β 收敛下，条件收敛的收敛率为0.265，较绝对收敛的收敛率0.111 提高0.154；加入空间因素后，两种矩阵下条件收敛的收敛率分别为0.329 和0.334，较绝对收敛的收敛率0.160 和0.126 分别提高0.169 和0.208。此外，对比列(1)与列(3)、列(4)发现，考虑空间因素的绝对β 收敛率分别为0.160 和0.126，与未考虑空间因素绝对β收敛率为0.111，分别相差0.049 和0.015。对比发现，地理位置相近或者经济水平相近的地区其数字经济水平也会有所差异，但是地区间的辐射带动作用会逐步缩小甚至消除此差异。rho 系数为正，说明数字经济发展水平存在空间溢出效应，而此效应会加速收敛趋势，从而印证了上述结论。最后，考虑不同空间矩阵下β 收敛差异。空间邻近距离矩阵下，绝对β 收敛与条件β 收敛的收敛率分别为0.126 和0.3340，其半生命周期分别为5.5 和2.1 年；空间经济距离权重矩阵下，绝对β 收敛与条件β 收敛的收敛率分别为0.160 和0.329，其半生命周期分别为4.3 和2.1 年。经济距离矩阵下数字经济发展水平收敛率更快，半生命周期更短，说明经济距离相近的省份之间相互作用较地理邻近的省份之间相互作用更强。

基于上述研究，进一步对控制变量分析，参照列(5)和列(6)。城镇化(lnCity)的回归系数为正，并在1%水平上通过显著性检验，表明城镇化进程不断加快，将会影响区域数字化水平的高低。人力资本(lnHum)的回归系数为正，但不显著，由此可知数字经济水平与人力资本呈正相关，但当前其发挥的作用受限。政府行为(lnGov)的回归系数为负，且不显著，其原因与政府的宏观政策差异偏向有关，导致财政资源错配，从而抑制数字经济水平提升。贸易开放度(lnOpen)系数为负且不显著，表明当前贸易开放度对国家自主创新水平起到一定抑制作用，制约数字经济发展。经济增长(lnPgdp)的系数显著为正，经济水平发达的地区，数字化程度往往也更高。金融集聚(lnJag)可为数字经济发展提供资金支持，但存在资源错配与扭曲现象，一定程度上制约了数字经济发展。技术水平(lnTc)的系数为负，这可能与区域技术水平差异有关。生产性服务业集聚(lnSag)在5%水平上显著为正，表明生产性服务业可促进区域数字经济水平提升。

第二，区域层面β 收敛。为更进一步剖析数字经济发展水平β 收敛特征，将中国除西藏和港澳台地区外的30 个省（区、市） 划分为东部、中部、西部三大区域。表5 为区域数字经济发展水平的经典β 收敛结果，这里将其视为三大区域数字经济发展水平β 收敛的基准回归。通过表6 可知三大区域β 收敛系数均在10%水平下显著为负，表明其数字经济水平存在β 收敛，其数字经济水平会随着时间推移趋于各自平稳状态。在表5 的基础上考虑空间因素做更深层次的研究，为使分析更有条理，将表5 与表6 结合研究三大区域数字经济发展水平的条件β 收敛。从表5 中列(2)、列(4)、列(6)与表6 中列(1)～列(6)显示三大区域β 收敛系数显著为负，且在5%、1%水平通过显著性检验，说明三大区域各省生产性服务业集聚、城镇化、人力资本、经济发展水平等存在显著差异，在此情况下，三大区域仍存在显著条件β 收敛趋势。

表5 区域数字经济发展水平经典β 收敛结果

表6 区域数字经济发展水平空间条件β 收敛结果

在考虑空间因素情况下，东部地区收敛速度较快，西部地区次之、中部地区最慢，且在空间邻近权重矩阵下收敛率更高。东部地区在经济距离矩阵与空间邻近矩阵下的收敛率分别为0.566 和0.983，比经典的条件β 收敛率0.330，分别增加了0.236 和0.653。东部地区rho 值为正，说明该区域内存在空间的正向溢出效应，以上均对东部地区空间条件β 收敛加速提供了有利条件。在两种空间权重矩阵下中部地区的rho 值表现为负，且均显著，可能原因是部分省（区、市） 数字经济基础设施不够完善、外部发展环境较差，导致该区域内数字经济高水平地区难以为低水平地区发挥带动效应。西部地区的空间系数rho 值为负且不显著。西部多数省（区、市） 数字经济基础设施薄弱、高端要素资源不够集聚，很难发挥辐射带动效应，空间溢出效应几乎没有。总体来看，上述两种权重矩阵下，β 收敛效果均显著，无论是从全国层面还是三大区域层面，其结果互为稳健性检验。

六、研究结论与政策启示

1.研究结论

第一，中国数字经济整体发展水平不高，不均衡、不充分问题依旧突出，提升空间较大。中国数字经济整体呈现东部高、中西部低的分布特征，区域差异明显。各地区资源禀赋、经济社会水平不同，其数字经济发展也面临不同的制约短板。既要避免因短板牵制而陷入“低水平平衡陷阱”；也要避免忽视自身客观条件而陷入盲目学习成功数字经济模式，致使地区数字资源、人力资本等资源错配的不利局面。

第二，中国数字经济发展水平呈显著正向空间外溢效应和空间格局锁定特征。从空间相关性与跃迁趋势看，高高集聚集中于东部沿海地区，低低集聚集中在东北、西南、西北、长江中游等地区；其余大部分地区处于低水平区且长期无跃迁、保持稳态，制约了中国数字经济整体向高水平的跃迁。进一步分析，高高集聚区与低低集聚区较为固化，需加强引导做到因地制宜。

第三，全国和区域层面数字经济发展水平均存在α 收敛、绝对β 收敛和条件β 收敛，空间因素具有显著的加速收敛作用。东部绝对β 收敛与条件β 收敛均最快，西部次之、中部地区绝对β 收敛与条件β 收敛均较慢。空间收敛率呈东部、西部、中部地区依次下降分布格局，且收敛率均大于经典收敛率。全国层面和东部、中部、西部地区层面的数字经济发展水平收敛均受到城镇化、生产性服务业集聚的显著正向影响，而其他影响因素则在不同层面表现出一定差异。

2.政策启示

基于上述分析，结合中国数字经济发展趋势及国家战略导向，特提出以下政策启示：

第一，重视数字经济演变趋势，实现跨区域空间联动发展。为应对区域发展不均衡，需不断优化数字经济空间布局，充分释放东部地区的辐射、带动效应以及东北、西南、西北、长江中游等地区的集聚效应，不断优化提升资源要素市场配置效率，依托数字资源跨区域整合优势实现东部、中部、西部地区协调发展、互利共赢。此外，紧紧把握区域间数字经济联系持续增强的有利契机，掌握数字经济由东部向中西部演进的规律特征，积极统筹规划布局，形成“以点带线，以线带面，线面联动”的空间联动发展格局。

第二，发挥数字经济溢出效应，营造区域协同发展新格局。一是充分发挥数字经济龙头省份的带动作用，以北京、上海、江苏、浙江、广东等为数字经济辐射效应的核心主体，推动数字经济网络整体协同发展。二是依托数字经济的反哺机制，利用数字经济发达省份的数字基础设施、数字人力资本和先进数字技术，推动数字经济与实体经济深度融合发展。三是打破区域行政壁垒，积极构建数字经济生态圈，搭建起跨区域数字经济“长廊”，并给予政策、技术、财税等多方位的扶持，实现“长廊”内数字人力资本、数字技术等要素资源的充分共享与有序流动。

第三，立足东部、中部、西部地区数字经济收敛状况，因地制宜探索提升新途径。要积极推进数字经济与第一、第二、第三产业融合。东部地区要立足原有数字经济基础，不断提升其工业与服务业的数字化水平，加强在智能制造、电子商务、数字金融等方面的融合运用，稳步推动产业数字化水平与质量的提升。中西部地区应积极探索数字经济在农业、旅游业以及工业等领域的应用程度，重点提升数字经济与第三产业、农业的融合，大力发展数字农业、数字旅游等，借助适宜的产业数字化政策，最大限度地释放区域数字经济红利，加速推进东部、中部、西部地区数字经济水平的收敛速度，进而实现区域数字经济高质量发展。