数字产业化和产业数字化的耦合协调度测度与分析

高 煜，李佳余

（西北大学 经济管理学院，西安 710127）

0 引言

随着人工智能、大数据、云计算等新一代数字技术的蓬勃发展及其与实体产业的深度结合，全球各主要经济体正加速发展数字经济。数字经济解构了传统价值链，成为新的中介机构[1]，具有数字、创新和融合的特点[2]，通过促进要素自由流动等途径[3]实现经济高质量发展。

数字经济包括数字产业化与产业数字化。数字产业化是数字经济发展的基础，表现为信息通信产业及其市场化应用，通过技术创新释放数据价值[4]。数字产业化是数字技术不断创新、市场化应用不断扩大[5]，进而形成具有高渗透、技术密集、基础性等特征的数字产业的过程[6]。数字产业化已经迈向数字技术、数据要素价值释放以及数字产业集群发展的转型期[7]。产业数字化是数字经济的融合部分，指数字技术在产品和服务中的应用，强化价值创造、数据集成以及平台赋能作用[8]，是改造型数字经济模式[9]，其重要业态包括工业电子商务平台、工业互联网平台等[10]。产业数字化具有数据新要素、供需精准匹配、产业互联网助力、数字技术支持四大特征[11]，呈现“第三产业＞第二产业＞第一产业”的产业差异[12]及空间集聚的特征[13]。

现有研究主要从定量[14]或理论逻辑方面[7]进行单一角度分析，对数字产业化与产业数字化耦合协同关系的研究还存在较大拓展空间。有鉴于此，本文参考已有文献构建数字产业化和产业数字化的综合评价体系，利用耦合协调模型对数字经济两大组成部分的协同状况进行深入剖析，利用Dagum基尼系数测算差异来源，并进一步利用Moran指数研究两者耦合协调度的空间效应。

1 数字产业化和产业数字化的耦合关系

（1）数字产业的发展有助于促进产业数字化高质量发展

首先，数字技术的发展能够加速释放创新活力，夯实产业数字化底座，降低产业数字化的发展门槛。其次，将数字化技术应用到农业、工业、服务业中，可以引领产业向智能化、高端化发展，促进传统产业向高端价值链突破[15]，实现产业结构升级。最后，数字产业（如人工智能、大数据、云计算等前沿技术）与生产业务相结合的发展能够促进传统产业全要素生产率的提高[6]，助力传统产业高质量发展。

（2）数字产业化促进产业数字化的深度与广度

首先，数字技术作为三大产业的重要粘合剂，通过产业关联（如数字化生态）的方式加快产业边界的调整，为产业数字化的发展创造了更多空间。其次，数字技术的应用可以通过激活企业闲置资产的共享，增加企业信息化连接，降低信息不对称以降低交易成本[16]，扩宽企业边界。最后，通过平台赋能实现从企业内部数字化转型到全产业链共同协作的新格局，实现不同场景的应用创新，不断拓展行业的价值空间。

（3）数字产业化的发展提高了产业数字化的效率

数字产业化改变了传统行业的商业模式，数字技术促进传统行业业务流程再造，推动产品向智能化以及服务向在线化的转变，形成了消费者需求与体验驱动的新型商业模式，实现柔性化生产。通过分析产品使用数据构建全生命周期的服务体系，提高企业服务的附加值，进而提高产业数字化效率。此外，利用区块链、物联网等优化供应链结构与组织模式，打破了不同产业、不同层级之间的壁垒，实现资源的优化配置，从而推动产业数字化的效率变革。

（4）产业数字化为数字产业化提供了更广阔的应用空间

传统行业数字融合规模的扩大带动了技术开源化和组织方式去中心化，减少了物理约束对创新的主体、机制、模式的制约，促进了数字技术的创新，使传统产业与数字产业实现更高水平的协同发展。此外，产业数字化推动了数字化生态系统协同高效发展，新的价值创造模式对数字产业提出了新需求，促进数字产业不断更迭。因此传统产业的数字化转型突破了自身增长的天花板，同时催生的新业态、新知识将引导数字产业向更高层次发展。

2 研究设计

2.1 研究方法

2.1.1 耦合协调度模型

对指标进行标准化处理：

其中，i表示系统，j表示指标，Xij表示原始测度指标，Yij表示标准化后的指标值。设δj为各指标权重，使用熵值法确定，Ui为各个系统的综合水平指数。

计算两大系统的耦合协调度：

其中，T代表综合协调指数，U1是数字产业化的综合水平指数，U2是产业数字化的综合水平指数。α与β分别表示数字产业化与产业数字化的权重，由于两者重要程度相当，因此α=β=0.5。C表示耦合度，D为耦合协调度，i，j=1，2。借鉴文献[17]的方法，将耦合协调度进行如表1所示的分类。

表1 耦合协调度分类

2.1.2 Dagum基尼系数

本文使用Dagum 基尼系数及分解方法研究数字产业化与产业数字化的耦合协调度区域差异。基尼系数G是区域内差异GW、区间差异Gnb、超变密度Gt三者之和。

其中，K为总的区域个数，本文K=4，y代表数字产业化与产业数字化的耦合协调度，μ代表耦合协调度均值。n代表省份个数，ni和nj分别是i（j）组内地区的个数。Zjh是j地区和h地区之间数字产业化与产业数字化的耦合协调度相对影响，pjh为超变一阶。

2.1.3 空间相关性分析

数字产业化与产业数字化的耦合协调水平可能存在省级层面空间上的依赖性或者自相关性，因此对全局Moran’s I进行测度，公式如下：

其中，I为全局莫兰指数，Di为数字产业化与产业数字化的耦合协调水平。S2为方差，Dˉ为均值，wij是空间权重矩阵。

为研究局部状态的非典型特征，使用局部Moran’s I进行研究，计算公式为：

2.2 指标体系构建与数据说明

本文按照数字产业化与产业数字化的内涵，借鉴经济合作与发展组织（OECD）衡量数字经济的指标建议及已有研究结果[18,19]。依照合理性、可得性、可操作性等重要原则，构建数字产业化与产业数字化的耦合协同综合评价体系。将数字产业化划分为规模水平、投入水平、效益水平、创新水平4 个一级指标。将产业数字化划分为产业数字化投入、产业数字化应用、数字融合3 个一级指标。根据数据的可获得性选取了18 个单项指标，并采用熵值法客观评价指标的重要程度。结果如下页表2所示。

表2 数字产业化与产业数字化指标体系

本文选取我国30个省份（不含西藏和港澳台）2011—2021 年的面板数据为研究样本。原始数据主要来源于《中国统计年鉴》《中国电子信息产业统计年鉴》和国家统计局官网等。部分缺失的数据采用插值法估算填补。

3 耦合协调度时空分析

3.1 四大地区的耦合协调度时空分析

本文使用耦合协调度模型测算2011—2021年中国四大地区数字产业化与产业数字化的耦合协调程度。

如图1 所示，从时间演变上来看，2011 年以来数字产业化与产业数字化的耦合协调程度呈现平稳上升态势，但在2021年我国数字产业化与产业数字化的耦合协调程度仍然处于低位，耦合协调度处于勉强协调及以上的省份仅占所有省份的26.7%。30 个省份中达到初级协调的省份从2011年的0个增至2021年的4个，分别为广东、江苏、浙江、北京。处于中间过渡类型的省份从2011年的3个增至2021年的17个。属于勉强协调的省份从0个增加至4个，分别是福建、山东、四川和上海。总体来看，部分省份数字经济内部两化的耦合协调度有所改善，但是整体的耦合协调度水平依然不高，需要进一步提升。

图1 数字产业化与产业数字化的耦合协调度雷达图

从空间演变上来看，分别计算东部、中部、东北、西部四大地区数字产业化与产业数字化的耦合协调度。如图2所示。

图2 四大地区数字产业化与产业数字化的耦合协调度

四大地区的耦合协调度整体呈现上升趋势，但是区域间耦合协调度的增长呈现显著差异，其中东部地区耦合协调度最高，中部次之，西部位居第三，东北最差。2015 年以前东北“两化”耦合协调水平高于西部地区，2015 年以后，东北“两化”耦合协调水平低于西部地区。

3.2 区域内部的耦合协调度时空分析

各省份数字产业化与产业数字化的耦合协调度如表3所示。

表3 各省份数字产业化与产业数字化的耦合协调度

东部地区2011—2021 年耦合协调度呈现上升趋势，由0.341增长至0.575，耦合协调程度也由轻度失调发展为勉强失调。东部地区是数字产业化与产业数字化耦合协调程度发展最好的区域，但是依然存在较大的内部差距。其中2021年广东实现良好协调、江苏实现中级协调、北京和浙江实现初级协调，属于东部地区“两化”耦合协调的第一梯队。但海南在2021 年耦合协调水平仅为轻度失调，是东部地区“两化”耦合协调度最低的省份。

从整体来看，中部地区耦合协调度浮动不大，样本期内由中度失调发展成濒临失调。从区域内部来看，安徽、河南、湖南协调发展度较好，但是与东部地区第一梯队的省份之间依然存在一定差距，耦合协调度依旧处在濒临失调阶段，未实现勉强协调的突破。

西部地区在样本期间内从严重失调发展至濒临失调，耦合协调度水平有所提升。但地区内部发展依然存在差异，除了四川、陕西、重庆、青海、广西在2021 年达到了颉颃区间之外，其他的省份都处于不可接受区间。

东北地区的耦合协调度虽然在不断提升，但是整体增长速度较为平缓，从2011 年的中度失调发展至2021 年的濒临失调。东北三省数字产业化与产业数字化的耦合协调程度相差不大。

总之，东部地区经济更为发达，数字技术更为成熟，数字基础设施也具有竞争力，有力地提升了东部地区传统产业数字化转型的效率。同时，在东部地区数字产业化与产业数字化耦合协调水平增长过程中表现出的竞争优势吸引了其他区域劳动、资本等要素的流入，使区域之间的差距不断拉大。“两化”协调发展过程中所产生的技术、人才和产品会不断向外部输出，促进“两化”的协调发展，使两者的耦合协调度不断提升。而西部以及东北地区，由于本身经济发展较为落后，且极大依赖资源型产业的发展，导致数字产业化与产业数字化发展相对滞后。因此应该重视数字基础设施的布局，借助区块链、人工智能等新业态促进区域发展。

4 耦合协调度区域差异分析

为进一步分析数字产业化与产业数字化的耦合协调度较低的原因，本文利用Dagum 基尼系数模型，进行区域内与区域间的差异分析。

4.1 总体差异分析

图3 展示了总体基尼系数的走势。其中2011 年的总体基尼系数为0.187，2021 年为0.115，样本期内呈下降趋势，降幅为38.6%。

图3 总体基尼系数以及四大地区区域内基尼系数走势

4.2 区域内差异

从图3可以看出，四大地区数字产业化与产业数字化的耦合协调度区域内差异有着显著区别。具体来看，东部地区区域内基尼系数最大，虽然在样本期内差异逐渐缩小，但仍高于其他区域。西部地区区域内基尼系数表现出先上升后下降的趋势，在2016 年达到了最高值随后开始下降，整体呈现小幅下降的趋势，由2011 年的0.076 下降至2021 年的0.052。中部地区区域内基尼系数从2011 年的0.061下降至2021年的0.041，降幅为31.2%。东北地区区域内基尼系数在2011—2021 年呈现快速下降趋势，降幅达到81.1%。

4.3 区域间差异

由图4 可知，东部地区与西部地区的区域间差异最大，在样本期间内表现为下降趋势，平均基尼系数为0.198。其次是东部地区与东北地区，样本期内平均基尼系数为0.188，但是从2107年开始东部地区与东北地区的区域间差异超越了东部地区与西部地区的区域间差异。东部地区与中部地区的区域间基尼系数大小排名第三，组内均值为0.156。说明东部地区与西部、东北、中部地区数字产业化与产业数字化的耦合协调度都有着较大的差异。另外，中部与西部地区、中部与东北地区、西部与东北地区样本期内组内平均基尼系数分别为0.071、0.067、0.056，说明三组区域表现出较小的区域间差异。

图4 数字产业化与产业数字化的耦合协调度区域间基尼系数

4.4 差异来源

下页图5 展示了数字产业化与产业数字化耦合协调度的区域内差异、区域间差异和超变密度的贡献率。从图中可知，在样本期间内中国数字产业化与产业数字化耦合协调度的空间差异一直由区域间差异所主导，2011 年这部分的差异占比高达74.09%，样本期内虽然呈现下降趋势，但在2021 年占比依然高达71.11%。其次为区域内差异，2011 年占比为19.52%，2021 年上升至20.51%。贡献率最低的是超变密度，且呈现上升趋势。说明中国数字产业化与产业数字化耦合协调度的整体差异主要来自区域间差异，区域间不同省份交叉重叠的差异有所增加。

图5 数字产业化与产业数字化的差异贡献率走势

5 耦合协调度空间效应分解

本文运用Moran’I深入研究我国四大地区数字产业化与产业数字化的耦合协调度是否存在地理空间相关性以及区域差异。

5.1 整体空间相关性

由表4可知，2011—2021年中国数字产业化与产业数字化的耦合协调度Moran指数均为正，且都通过显著性水平检验，表明30 个省份数字产业化与产业数字化的耦合协调度呈现显著的空间相关性。全局Moran’s I从2011年的0.146下降至2021年的0.116，表明耦合协同发展的空间集聚特征在减弱，各省份之间的联系有所下降。

表4 数字产业化与产业数字化的耦合协调度整体Moran指数

5.2 区域空间相关性

全局空间自相关分析只能反映我国数字产业化与产业数字化耦合协调度的整体关联情况。为了测度各区域耦合协调度的集散情况，进一步应用局部莫兰指数。

如图6所示，图像中散点多分布于第一、第三象限，说明两化耦合协调度表现为正向空间关联性，高耦合度省份与低耦合度省份均出现了集聚效应。第三象限省份数量多于第一象限，说明我国两化耦合协调度多数呈现“低低”集聚的空间关联模式。

图6 数字产业化与产业数字化的耦合协调度Moran散点图

利用Moran 散点图将各个坐标轴所对应的省份按照时间维度与区域维度进行展示，如表5所示。

表5 数字产业化与产业数字化耦合协调度Moran散点图对应省份

分区域来看，东部地区主要呈现“高高”的空间关联模式；中部地区各个省份分布较为均衡；东北地区表现为“低高”、“低低”的空间关联模式；西部地区主要呈现“低低”的空间关联模式，未出现“高高”的空间关联模式。

从区域内部来看，东部地区北京、上海、江苏、浙江、福建自身数字产业化与产业数字化的耦合协调度较高，周围其他省份“两化”的耦合协调度也较高，出现了高值集聚效应。主要是因为这些省份的经济发展水平与数字技术水平较高，各个生产要素在物理空间和数字空间上都向这些区域高度集聚，对其他省份的耦合协调水平起到了很好的带动作用。山东呈现“高低”集聚的空间关联模式，说明山东向河北等邻近省份的辐射带动作用并未完全释放。中部地区中安徽表现出较好的集聚效应，2021 年实现“高高”集聚的关联模式；2021年河南、湖南、湖北自身耦合协调度从低水平发展到高水平，但是与周边地区相差较大，呈现“高低”集聚模式。东北、西部地区数字产业化与产业数字化耦合协调度差别不大，主要集中于“低低”集聚的空间关联模式。

6 结论与启示

本文通过构建数字产业化与产业数字化评价指标体系，采用2011—2021 年中国30 个省份面板数据对两者耦合协调度进行时序分析与空间分析，得出以下结论与启示：

（1）30 个省份数字产业化与产业数字化的耦合协调度水平不高，大都处于濒临失调阶段。区域间耦合协调度存在较大差距，呈现东部、中部、西部、东北地区逐渐递减的趋势。因此应把握区域耦合协调度特征，完善区域差异化策略。

（2）从Dagum 基尼系数来看，数字产业化与产业数字化耦合协调度的空间差异化特征明显，东部地区区域内部差异最大且与西部、东北、中部地区之间区域间差异较大。区域间差异是空间差异的主要来源。因此要着重治理东部与西部、东北、中部地区之间较大的区域间差异。同时注重区域内省际的协同治理，尤其重视东部地区的区域内差异问题。

（3）中国数字产业化与产业数字化耦合协调度存在显著的空间关联性，且表现出严重的空间分布不均，“高高”集聚区主要位于东部地区，而东北和西部地区形成了低值集聚区。因此发挥高耦合协调度地区和省份的空间辐射作用，顺应东部地区数字产业化与产业数字化耦合协调度发展良好的态势，各区域间建立长效合作与协同治理机制，建立资源共享、平台共建、人才共用和跨界搜寻区域协调机制，加强区域间的技术交流。