西部地区数字经济发展水平测度及时空演变

夏春芳 郏聚宝

一、引言

随着信息时代的到来，数字技术得到快速发展，并逐渐衍生出数字经济的概念。数字经济的发展引起了国内外众多学者的广泛关注，相关研究也层出不穷。从数字经济的本质到测算，从定性到定量等，研究内容不断丰富，但是对其发展水平测算方面的研究还未形成统一的标准。

目前，我国对于数字经济测度的相关研究较少。王军等根据中国30 个省份的面板数据，对数字经济发展水平进行测算，并采取泰尔指数、莫兰指数等方法对测算结果进行实证研究。李英杰等基于熵值法对中国2010—2018 年数字经济相关指标数据进行测算，并通过灰色预测模型对其发展趋势进行预测。刘军等对2015—2018 年中国30 个省份数字经济发展水平进行测算，并以测算结果为被解释变量，构建基于SAR模型对影响数字经济发展的因素进行分析。新冠肺炎疫情期间，数字经济发展稳定，对经济增长的贡献率接近70%。本文在已有文献的基础上，以数字经济内涵和西部地区实际情况为选取指标的原则，构建指标体系，以西部地区为研究对象，采用熵值法测算2011—2020 年西部地区数字经济发展综合水平，并进一步对西部地区数字经济发展水平空间分布进行可视化处理，并利用空间相关性分析来探究我国西部地区数字经济发展时空演变规律，为促进西部地区数字经济高质量发展提供对策建议。

二、研究方法

1.熵权TOPSIS 模型

熵值法是一种客观赋权的综合评价方法，利用信息熵确定各指标的权重，避免了主观赋权带来的误差。本文采用此方法对西部地区数字经济发展水平进行综合评价，步骤如下：

（1）设评价对象m 个，本次研究m 为年份，设评级指标n 个，xij表示第i 年的第j 个指标，原始矩阵表示为：

（2）标准化处理方法：

（3）计算各指标的信息熵：

（4）确定各指标的权重：

（7）通过正负理想解计算欧式距离（逐一计算加权矩阵中每一个评价对象到最大向量和最小向量的距离，以计算最终评价结果）：

（8）计算综合评价结果，的计算值表示该系统的综合评价结果：

2.Moran 指数

通过全局Moran 指数做全局空间自相关分析，可反映各地区间的空间联系，说明某个单元指标在全部地理位置的关联情况，可以检验该空间全部单元整体之间的空间依赖性、空间缀块性和梯度性的离散程度，全局Moran指数 表达式为：

其中，xi和xj分别表示i，j 两地区的观测值；为全区平均值；为空间权重；n 为样本个数；为方差。Moran 指数I 取值范围为[-1，1]，当Moran 指数I ＜0 时，说明西部地区数字经济发展水平有一定程度的空间负相关性，值越小，说明空间差异性越明显；反之，当I ＞0 时，说明西部地区数字经济发展水平有空间正相关性，I 值越大，说明空间相关性越强；当I=0 时，水平值在空间上随机分布。用标准化统计量Z(I) 对其空间自相关性进行显著性检验，公式为：

其中，E(I)和VAR(I) 为全局Moran 指数的期望和方差。

用局部Moran 指数做局部空间自相关分析，反映某地区与周边地区的联系，分析是否存在局部空间集聚性以及关联程度的大小等相关空间问题。局部Moran 指数表达式为：

公式中参数含义与全局Moran 指数表达式相同，仍采用Z(I) 统计量检验其显著性水平。

三、数字经济发展水平测算

1.指标体系构建

本文在前人研究的基础上，综合数字经济内涵，考量所选指标的科学性、可获得性等原则，选取中国西部地区各省份2011—2020 年20 个指标数据，构建数字经济发展指标体系以测算该地区数字经济发展水平，具体指标选取见表1。

表1 数字经济发展水平指标体系

2.数据来源

数据主要来源于《中国统计年鉴》《中国第三产业统计年鉴》《中国信息产业年鉴》《中国城市统计年鉴》、北京大学数字普惠金融指数、国家统计局、各省统计年鉴，对部分缺失值运用线性趋势法进行插补。

3.测度结果分析

文章采用西部十二个省2011—2020 年面板数据，利用熵值法确定各指标权重，最终计算得到2011—2020 年西部各省数字经济发展数据，为全面揭示2011—2020 年西部地区数字经济发展水平，本文从以下两个方面分别展开分析。

（1）西部地区数字经济总体发展水平

2011—2022 年我国西部地区数字经济发展水平总体呈现上升趋势，2011—2020 年得分值从0.0475 增长至0.2703，年平均增长率达到21.67%；其中2019—2020 年增速最快，达到37.96%；2016—2017 增速最慢，增速为8.34%；2016年以后西部地区数字经济发展水平趋势线斜率逐渐增大，表明我国西部地区数字经济发展比较迅速。

（2）西部各省数字经济发展水平

2011—2022 年我国西部各省数字经济发展水平综合得分如表2 所示，由于篇幅所限，文中只列出2011、2014、2017、2020 和各省均值数据。从表2 可以看出，西部地区各省份数字经济发展水平基本呈现上升趋势，各省增长速度存在一定的差异。从得分情况来看，四川、陕西等省份数字经济发展速度较快，而宁夏、青海、西藏等省份数字经济发展增速较慢。

表2 2011—2020 年西部各省数字经济发展水平综合得分

四、时空演变分析

1.时空分布

为分析西部地区空间异质性，可将西部各省份的数字经济发展水平划分为数字经济高水平地区、数字经济中高水平地区、数字经济中低水平地区和数字经济低水平地区。以西部全区数字经济发展平均水平（前文）的1.5 倍、1 倍、0.75 倍为划分界限，具体范围分别是：（0.2048，0.2807）、（0.1365，0.2048）、（0.1024，0.1365）、（0.0465，0.1024）。运用ArcGis 软件作出西部地区2011 年、2014 年、2017 年和2020 年数字经济发展水平空间分布图，更直观地表现该地区数字经济发展水平空间演化特征，颜色的深浅程度表示发展水平，颜色越深，表示该地区的数字经济发展水平越高，空白区域表示非研究地区。由于篇幅所限，文中只对2011 和2020 年结果进行呈现，见图1。

图1 2011 年和2020 年西部地区数字经济发展水平分布图

由图1 可以直观看出，随着时间的增长，数字经济发展高水平省份逐渐增加，从2011—2022 年间西部地区数字经济发展高水平省份数量由0 增长至7，七个省份包括广西、重庆、四川、贵州、云南、陕西、新疆。从整体来看，西部地区2011—2020 年数字经济发展水平呈现上升趋势；横向来看，西部地区数字经济发展呈现两极分化状态，西南地区数字经济发展水平较高，而西北地区只有个别省份数字经济发展水平在2020 年达到高水平程度；纵向来看，各省份的数字经济发展水平都呈现持续增长趋势。从空间尺度来看，西部地区数字经济发展水平空间分布情况较为集中，在空间分布上可能具有一定的规律性和相关性。

2.空间相关性分析

前文从定量分析的角度判断出西部各省份之间存在空间相关性，本节借助空间自相关检验对其进行定性判定。空间自相关检验能够反映西部各省间的总体分布特点。本文利用全局Moran 指数和局部Moran 指数分别对西部地区数字经济发展水平进行空间分析，来判断被测对象在空间上是否存在集聚性。Moran 指数验证结果与空间地理权重矩阵的构建有关，结合西部各省份之间的地理特性，构建0～1 相邻矩阵、地理距离权重矩阵和经济距离权重矩阵，对比说明该地区的空间依赖关系。借助stata15 软件，计算西部地区数字经济发展水平的全局Moran 指数，测算结果见表3。由于局部Moran 指数结果内容较多，因此未在文中全部呈现，只对2020 年局部Moran 指数检验结果和散点图进行了展示，见图2。

图2 2022 年西部地区数字经济局部Moran 指数散点图

表3 2011—2020 年西部地区全局Moran 指数及p 值

由表3 可知：以0～1 相邻矩阵、地理距离权重矩阵计算所得的全局Moran 指数p 值几乎全部大于0.05，而以经济距离权重矩阵计算而得的全局Moran 指数p 值均小于0.05，通过了显著性检验，说明具有相近经济发展水平的省区呈现出数字经济发展水平集聚现象。

由图2 可知：局部Moran 指数散点图中的点数只分布于第二象限、第三象限和第四象限，即“高—高”“低—高”“高—低”型聚集的省份较多，“低—低”型省份不存在空间聚集效应。说明数字发展水平较低的省区之间不存在空间集聚效应。

五、结论及建议

本文通过上文研究得出以下几点结论：一是西部地区数字经济发展水平总体处于较低水平，但呈现上升趋势；二是各省份的数字经济发展水平都呈现持续增长趋势；三是西部地区数字经济发展水平空间分布情况较为集中，西南地区数字经济发展整体水平高于西北地区，在空间分布上可能具有一定的规律性和相关性。

为有效提高我国西部地区数字经济发展水平，本文提出以下几点建议：一是完善数字基础设施建设，各省应结合本地发展实际和民生需求，推进数字基础设施全面建设；二是加大数字化产业变革，将数字产业化和产业数字化深度融合，推进产业转型；三是优化数字环境，西部地区教育资源较少，要加大对教育资源的投入力度，吸引高质量人才，使创新能力全面提升；四是缩小各省份间差异，需增强对西北地区的扶持，促进两大地区之间的数字经济联动，缩小两大区域间的差距；充分考虑各区域在数字经济发展水平上的差异，各省份可因地制宜，找出本地数字经济发展短板，采取科学合理的措施，提升本省数字经济发展水平；各省份之间应加强合作，进行跨省份之间的资源调配，促进西部地区整体数字经济发展水平的提升。