数字经济与循环经济融合水平评价及时空演化

陈艳春 李娜娜 张静

摘 要：

以我国31个省份为研究对象，运用耦合协调度模型和探索性空间数据分析等方法，测度并分析2011—2020年数字经济与循环经济融合水平及其空间格局。研究表明：第一，从整体耦合协调度来看，我国省域的数字经济与循环经济耦合协调度实现了“跨越式”增长，但是区域间发展极度不协调，仍然存在东强西弱的发展格局，现阶段需要结合东部地区优越的地理环境和人才优势，发挥带头作用，将经验、技术向中西部地区辐射。第二，耦合协调度存在明显的空间依赖性，且我国31个省份耦合协调度存在着明显的集聚现象，耦合协调度高的省份以及耦合协调度低的省份朝着水平相近的地区聚集。其中，“低—低”关联的省份包括大多数西部地区省份，可见西部地区与其他地区之间的交流与合作存在一定的阻碍，是亟需政府扶持发展的区域。

关键词：

数字经济; 循环经济; 耦合协调度；经济高质量发展

中图分类号：F49

文献标识码：A文章编号：1007-2101（2023）06-0056-11

收稿日期：2023-04-21

基金项目：

国铁集团项目“铁路数字化绿色化协同转型发展研究”（P2022S016）;河北省教育厅人文社会科学研究重大攻关项目“系统打造河北高能级创新平台的对策与措施研究”（ZD202206）

作者简介：

陈艳春（1974-），女，河北玉田人，石家庄铁道大学教授，博士生导师；张静（1982-），女，河北邢台人，唐山市路南区委副书记、政府区长。

积极推动数字经济与循环经济融合发展，是新时代推动经济高质量发展的有效路径。数字化转型已经上升到国家战略高度，将在我国经济发展中发挥越来越重要的作用［1］。发展数字经济，大力推动5G、物联网、云计算、大数据、人工智能、区块链等新一代数字关键技术，可以进一步加速创新突破，促进数字经济与实体经济深度融合，改造提升传统产业的转型，推进产业基础高级化、产业链条现代化，是构建新发展格局的战略选择和关键支撑［2］。

循环经济的实施不仅是一个物质流问题，还涉及信息问题，循环经济发展需要协调物质流和信息流，数字经济与循环经济融合，数字技术赋能循环经济产业能够提高循环经济效率、创新循环经济商业模式，对循环经济发展发挥巨大价值和潜能，乘数倍增效应凸显。基于绿色化与数字化协同发展的共识，学术界从循环经济和数字经济融合方式展开研究，形成了“循环经济数字化”和“数字化循环经济”两条路径［3］。一方面，研究者从循环经济的机理出发，认为在循环经济的“减量化、再利用、再循环”方面可采用数字技术［4］监控物质流和信息流，从而提升循环经济效率。国内外研究表明，以物联网、大数据和人工智能为代表的数字技术不仅可以从物质循环的条件、回收利用知识等方面支撑循环经济的发展，还可以使产品生产者更好地洞察用户需求、提高盈利能力［5-6］。另一方面，研究者认为数字化是技术进步的一种表现，而技术进步一直是经济增长的根本动力。数字技术融入循环经济活动的全过程，循环经济的发展水平也会因数字技术的应用增加得到显著提高［7］。除了对循环经济生产过程的影响，数字技术还可以使企业和企业之间、个人和个人之间、人和物之间建立起立体的、折叠的、交互式的链接，进一步提高效率［8-10］。

在绿色发展基础上，数字经济与循环经济的融合发展需要战略规划和协调不同的政府机构，如果不能清晰地把握数字经济与循环经济的融合程度，政策制定者将难以精准施策。为了实现数字经济与循环经济融合，学者们在融合理论、方法和路径等方面的定性研究不断深入，但是关于数字经济与循环经济融合程度方面的定量研究比较缺乏，需要进一步用数据挖掘当前融合发展的现状。由于我国不同地区的资源禀赋和产业结构存在显著差异，探究数字经济与循环经济融合程度可以对融合现状进行实时的把握，为两者融合政策的制定、重点领域的识别提供数字依据。

一、数字经济与循环经济评价体系

（一）循环经济评价体系构建

国内学者对区域循环经济评价体系的研究最早始于2005年。早期使用最广的构建指标方法是基于“PSR”架构的循环经济评价体系，即压力（Pressure）、状态（State）和响应（Response）这三类指标。之后的学者又以此架构为基础进行修正后创新出一系列的循环经济评价体系，如钟太洋等［11］以“活动—压力—反应—绩效”（APRP）体系构建循环经济评价指标来评价江苏省循环经济发展水平。但是 PSR指标架构用于评价循环经济发展水平存在明显的不足，即缺少经济发展水平及发展能力指标、管理类指标等，评价范围过小。于是，在此期间也有学者尝试基于“循环经济原则”架构评价体系。CE原则包括广泛使用的R原则，从3R到5R，再到更细微的10R，从这些不同原则的探讨中寻找出最能够反映循环经济发展本质特征的指标，并以此为基础来研究循环经济发展情况。吴颖倩和孙文生［12］对河北省循环经济现状进行研究分析，依据3R原则从经济社会发展、环境保护与资源再利用、资源消耗与环境污染三个方面建立包含18个基本指标的城市区域循环经济指标体系。王荣等［13］根据循环经济“减量化、再利用、资源化、减量化优先”的4R原则，选择包括经济社会发展水平、环境保护与资源再利用、资源消耗与废物排放三个方面的指标体系。慈福义［14］遵循“6R”（再思考、减量化、再利用、再循环、再修復、再重组）原则、区域公平原则和代际公平原则，提出包含67个二级指标在内的城市循环型创新系统评价指标体系。从以上研究中可以发现，通常依据原则制定的指标过于泛化，缺乏循环经济过程指标，不足以全面刻画循环经济发展情况。

为了进行全域评价和区域之间的横向比较，笔者基于循环经济发展从投入到产出的全过程，以及循环经济的实施对社会、经济和环境产生正向影响的角度构建循环经济发展指标体系。在选择具体的循环经济投入、产出和影响指标时，依据已有学者建立的评价指标体系中，统计频率出现次数最多的指标，同时参照国家发改委2017年印发的《循环经济发展评价指标体系》，从物质输入、资源利用、产出率、经济和社会发展五个方面构建包含15个二级指标内的指标体系，以此更加全面地反映循环经济发展，如表1所示。

“+”代表正向指标，即数值越大表明效果越好；“-”代表负向指标，即数值越小效果越好。本文以我国 31个省份（研究区域未包含中国香港特别行政区、澳门特别行政区和台湾地区，下同）为研究对象。各指标的原始数据分别来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及各省份统计年鉴。其中，还有一些指标需要通过相应的计算获得，计算公式如下：

城市化率=地区城市人口总人口×100%（1）

第三产业占比=地区第三产业产值地区生产总值×100%（2）

万元GDP水耗=统计期内水资源消耗量地区生产总值×100%（3）

万元GDP能耗=统计期内能源消耗量地区生产总值×100%（4）

再生水利用率=地区再生水利用量地区污水处理量×100%（5）

一般工业固体废物综合利用率=一般工业固体废物综合利用量当年工业固体废物产生量+综合往年贮存量×100%（6）

建设用地产出率=地区生产总值建设用地面积×100%（7）

资源产出率=地区生产总值能源消费量×100%（8）

（二）数字经济评价体系构建

目前对数字经济的测度没有统一标准，学界和政府部门最常用的两个方法［15］：一是直接法，即在數字经济的界定范围之下，统计或估算一定区域内数字经济的规模体量；二是对比法，即基于多个不同维度的指标，计算数字经济综合发展指数，对比不同地区间的数字经济发展情况，并得到具体领域发展的相对情况。而现有的国际组织与研究机构对数字经济的测度主要集中在后者。

欧盟在2014年发布了数字经济与社会指数（Digital Economy and Society Index，简称 DESI），指数由宽带接入、互联网应用、人力资本、数字化公共服务程度和数字技术应用等五个主要方面的31项二级指标构成［16］。美国在构建数字经济指标时，从数字经济的概念范围图谱出发，包括数字化赋能基础设施、数字化对销售的赋能。经济合作与发展组织（OECD）构建的数字经济指标体系包括投资智能化基础设施、创新能力、赋权社会、ICT 促进经济增长与增加就业岗位四个层面，由具有国际可比较性的38个指标组成。对比国外，中国信息通信研究院从基础设施、数字要素、数字社会和市场等方面构建评价指标进行测算［17］，充分考虑了数字经济发展必要的基本条件、产业数字化、数字产业化以及数字经济对宏观经济社会产生的影响。财新智库与数联铭品（BBD）联合发布的“中国数字经济指数”主要包括数字经济产业指数、融合指数、溢出指数和基础设施指数四个部分。2017年，赛迪顾问发布《2017 中国数字经济指数（DEDI）》白皮书［18］，运用互联网企业用户数据反映数字经济在服务业的渗透情况，同时将数字经济划分为基础型、资源型、技术型、融合型和服务型数字经济，涵盖34个二级指标来评估我国31个省（自治区、直瞎市）的数字经济发展水平。

从以上国内外数字经济发展评价指标体系的构建可以发现，各指标体系考虑层次各异，且极具特色，但是仍有很多不足。一是理论框架不够完善，尤其是国内，数字经济发展指数的研究大多集中在2017年之后，数字经济发展测度方面的起步较晚，指标间的逻辑关系和科学依据不清晰，一些指标数据来源不稳定，可能是当下的热点，但不具有长期观测的代表性和可持续性。二是指标差异大，数字经济发展水平的测度指标不仅体现在要素投入、改善要素配置以及提高全要素生产率等微观层面，还体现在优化市场结构、产业融合和提升区域经济等中观层面，更体现在经济金融发展的普惠性等宏观均衡层面。因此，在构建数字经济发展指标体系时，关键是匹配研究对象，选取最适合、联系最紧密、影响程度最深的指标。为此，

笔者基于数字经济与循环经济融合的认识，并在国内外研究基础上，针对我国数字经济发展实际，辨析数字化知识与技术在循环经济中的应用与渗透机理，从而制定能够精确测算数字经济与循环经济融合程度的指标体系，去除大量交叉度较高且有较少影响的指标。借鉴赵涛等［19］的研究，并结合数字经济与循环经济融合的实质，增加区域可比性，从数字基础设施、数字技术产业规模、数字要素投入、数字技术相关产出、数字交易发展五个方面对数字经济发展水平予以评价，指标体系如表2所示。在表2中，现有数字技术企业数是指经营项目涉及大数据、云计算、数字科技、人工智能相关业务的企业数总和，数据来源于企查查平台。中国数字普惠金融指数的原始数据来源于《北京大学数字普惠金融指数（2011—2020）》报告。其他数据来源于《中国统计年鉴》以及各地区互联网络发展状况统计报告。

二、研究方法

（一）熵值法确定指标权重

笔者采用熵值法对数字经济和循环经济发展水平指标体系的指标权重进行计算。熵值法是一种客观赋权方法，借鉴了信息熵思想，依据指标样本数据的离散和变异程度来决定指标的权重，有效改进了主观赋权法的不足。指标的信息熵大小与其自身的相对变化成反比，即熵越大说明系统越混乱，携带的信息越少，权重越小；熵越小说明系统越有序，携带的信息越多，权重越大。

熵值法计算权重的步骤如下。

第一步，建立多属性决策矩阵，Xij为第i组样本，第j个评价指标：

X={Xij}m×ni＝1，2，…，m；j=1，2，…，n（9）

第二步，对数据无量纲化处理。

因为选取的指标有正向指标和负向指标，因此分为两种情况：

正向指标：yij=xij-min max-min+0.01（10）

负向指标：yij=max-xijmax-min+0.01（11）

在式子后加上0.01是为了有效避免无纲函数在处理时个别指标可能出现负值或0的现象。

第三步，计算第 j 项指标下第 i 个样本数值占该指标的比重pij：

pij=yij∑ni=1yij（12）

第四步，分别计算熵值（ej）、差异性系数（Aj）、指标权重（Wij）：

ej=-k∑mi=1pijln （pij） （13）

Aj=1-ej（14）

Wij=Aij∑nj=1Aj（15）

（二）綜合评价函数

首先，构建循环经济综合评价函数：

CEi=∑nj=1W'jMij（16）

式中，W'j为循环经济发展水平评价体系中第j项指标的指标权重（j =1，2，…，n）；Mij为第i个省份第j个指标的标准化值。

其次，构建数字经济综合评价函数：

DEi=∑nj=1Q'jNij（17）

式中，Q'j为数字经济发展水平评价体系中第j项指标的指标权重（j =1，2，…，n）；Nij为第i个省份第j个指标的标准化值。

（三）耦合协调度模型

笔者通过引入耦合协调度模型测度数字经济与循环经济的融合水平。耦合是经济学从物理学引进的基础概念，用于表示多个系统之间相互制约与影响的复合效应，耦合度模型可表示为：

Ci=2CEiDEi（CEi+DEi）2（18）

式中，CEi、DEi分别为数字经济、循环经济综合发展指数，Ci表示耦合度值，其取值范围为［0，1］，Ci值越大，说明数字经济与循环经济的耦合度越高，反之越低。耦合度可以反映系统之间相互作用的程度，但是无法体现好坏。需要进一步引入协调度模型，耦合协调度既能够反映两个及以上系统之间相互作用关系，又可以表征要素协调的水平，体现系统协调状况的好坏。耦合协调度的计算如下：

Di=Ci×Ti（19）

Ti=αCEi+βDEi（20）

式中，Di为耦合协调度，Ti为综合协调指数，α、β为数字经济、循环经济在系统中的重要程度，这里令α=β=0.5。

三、数字经济与循环经济融合水平测算

（一）循环经济综合发展评价

为综合考虑我国经济发展的区位因素，根据经济发展程度将我国31个省（自治区、直辖市）划分为东部、中部和西部三个经济区，其发展指数均值如表3所示。由图1可知，从整体趋势上2011—2020年东部、中部和西部三大经济区的循环经济发展水平持续增长，

其东部地区的循环经济发展水平显著高于中部和西部地区，同时高于全国平均值。但是可以发现，三大经济区的发展指数均值在2020年都有明显下降。2019年及以前，东部地区从2017年开始增长速度放缓，中部地区一直保持稳步上升，西部地区在2015年有所下降，虽然循环经济的发展有不稳定的情况出现，但是大致方向是积极向好的。

2020年，全国消费下降，政府在一定程度上给予了企业和个人减免税收的优惠，同时减少了部分政府采购和投资支出，2020年全国财政收入同比下降3.9%。人均财政收入是评价体系中用以衡量循环经济发展指数的重要指标，其数值的缩减是导致循环经济发展水平全区域下降的主要原因。

2017年，北京市的一般工业固体废物综合利用率同比下降0.122个百分点，辽宁省同比下降0.006个百分点，山东省同比下降0.061个百分点，重庆市同比下降0.075个百分点。同时，北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东的万元GDP能耗都有不同程度的上升，同比增加的百分点分别为0.075、0.037、0.011、0.008、0.038、0.064、0.025、0.074、0.020、0.054。由于两个指标的变化共同发生作用导致东部地区2017年之后的循环经济发展指数增速放缓。由此可见，东部地区的资源消耗需求大，末端治理仍然存在不足，工业固废处置利用效率低，资源循环利用产业发展措施有待加强。

2011—2014年，西部地区循环经济发展指数增长明显，与中部地区循环经济的发展指数均值几乎持平。其中，西部的发展得益于国家西部大开发战略的推动，循环经济园区示范中心的建立，以及持续调整的产业布局和工业结构、科技人才和资金的投入等。但是，中西部的平均发展水平仍然低于全国平均水平。究其原因，主要是其对矿物资源的依赖性相对较大，且中西部地区重工业基地偏多，资源的消耗也随之增加，对循环经济效率值产生一定影响。同时，中西部地区循环经济发展指数低下也受制于其经济增长方式，目前还处于由粗放型经济向集约型经济发展模式转变的过程中。

（二）数字经济综合发展评价

由表4可知，从整体趋势上看，2011—2020年东部、中部和西部三大经济区的数字经济发展水平不断提高，并且东部地区的数字经济发展指数明显高于中西部地区，且高于全国平均值，中西部地区平均发展水平低于全国平均值。西部地区2011—2016年发展增速较为缓慢，然而2017—2020年增速加快，甚至赶超中部地区，发展势头强劲。2020年，数字经济发展除西藏略有下降外，其他30个省份的数字经济发展均有较大程度提高，这与数字技术的运用密切相关。2018—2020年，全国各地区增长速度加快，在6个评价指标中，数字技术产业规模的发展速度最快，对总指数的贡献也最大。截至2020年，根据企查查数据，广东的现有数字技术相关企业有175 652家，上海、江苏和浙江分别有49 220、86 746和74 467家。数字要素投入的增加，比较显著的有：上海市2020年信息传输、计算机服务和软件业从业人数占城镇单位从业人员比重较2011年增加了3.208个百分点，天津市2020年比2011年增加了2.502个百分点。

2017—2020年，西部地区发展水平超过中部，观察增速变动节点年份，贵州和新疆2020年数字经济发展指数均比2017年上升14名，广西同时期上升8名，西藏同时期上升7名，云南同时期上升5名，数字经济的发展正在释放西部省份新动能（见图2）。

（三）耦合协调度分析

1.耦合协调度等级划分。

笔者参考已有研究的相关分类标准［20-22］，并且结合数字经济与循环经济融合发展的实际情况将耦合协调度D值分为5个阶段10等级，如表5所示。

2.耦合协调度测算结果。

依据我国31个省份数字经濟与循环经济的发展水平，通过耦合协调度模型计算出各个省份的耦合协调度，结果如表6所示。

从整体耦合协调度来看，我国省域2011—2020年的耦合协调度呈现逐渐增长趋势，整体均值增长114.87%。北京的耦合协调度一直保持高水准，从深度磨合阶段逐渐向高水平耦合阶段靠拢，到2020年，其耦合协调度已达到0.982，近10年增长56.12%。上海、浙江和广东在2011年均处于初步磨合阶段，2020年其耦合协调度分别为0.820、0.793和0.865，位于中级协调和良好协调等级，耦合协调度持续加快。西藏、甘肃、青海、宁夏和新疆在2020年的耦合协调等级仍然处于濒临失调和勉强协调，其他省份大多处在初步磨合阶段（如表6所示）。由此可知，虽然我国数字经济与循环经济发展水平的耦合协调度在逐级上升，但是区域发展极度不协调，仍然存在东强西弱的经济发展格局，这与数字经济和循环经济的发展水平极度吻合，也说明数字经济与循环经济的发展融合亟需寻求新的突破点。

从区域发展分布来看，高水平融合省份集中在东部沿海地区，低水平融合省份集中在西部。其中，西藏整体水平较低，说明西藏下辖城市数字经济与循环经济发展之间的相互作用和反馈过程还没有形成良性发展，融合水平尚处于轻度失调状态。由此，应该发挥东部地区优越的地理环境和人才优势，将经验、技术向中西部地区辐射，进而实现中西部地区数字经济与循环经济的快速融合与发展。

3.耦合协调度时序演变分析。

为了更直观地观察各省份时序演变趋势和协调度变化，选取2012年、2015年、2018年和2020年的耦合协调度作为样本数据绘制图3，可直观表现出各地区数字经济与循环经济耦合协调度的差异。整体来看，在研究期内，31个省份的耦合协调度是逐渐提高的。具体来说，31个省份在2012年、2015年、2018年和2020年的平均值分别为0.350、0.451、0.563和0.653。

4.耦合协调的空间演变分析。

为进一步探究数字经济与循环经济耦合协调度的空间分布特征，基于2012年、2015年、2018年和2020年四个截面的耦合协调度数据，按照等级划分标准绘制了耦合协调度的空间分布图，结果如表7所示。总体来看，随着时间的推移，我国31个省份的数字经济与循环经济耦合协调度实现了“跨越式”的增长。在耦合协调度不断提高的进程中，也存在着明显的空间分异。

高水平耦合省份。北京依托其经济基础和顶层设计，数字经济与循环经济发展水平均处于绝对的优势地位，已逐渐形成数字经济与循环经济深度融合格局。广东在2020年的耦合协调度达到0.865，进入良好协调阶段，这与广东省强大的数字经济实力密不可分。近几年，广东省的数字经济呈现超高速发展的势头，截至2022年，广东省的5G基站已超过17万座，数量居全国第一，光纤用户数和电子信息制造业的规模等也均居全国前列。数字产业创新发展的步伐大步前进，推动了产业数字化转型进程提速升级，数字经济与循环经济融合加深。

深度磨合省份。在2012年和2015年，只有北京处于深度磨合阶段，随后逐渐由东向西蔓延。2018年，天津市以及东部沿海地区的山东、江苏、上海、浙江、福建和广东进入深度磨合阶段。到了2020年，绝大多数的中部地区以及四川、贵州、云南等西部地区也步入深度磨合阶段，由此可见，数字经济与循环经济融合加深的区域不断在扩展。

初步磨合省份。2012年初步磨合省份包括江苏、上海、浙江、福建和广东5个省份，2015年增加至21个省份，2018年较2015年增加23个省份，不包括已经进入深度磨合阶段的天津、山东、江苏、上海、浙江、福建和广东。可见在研究期内数字经济与循环经济融合水平提升明显。

拮抗与低水平耦合省份。2012年，我国除了北京、江苏、上海、浙江、福建和广东之外，全部处于拮抗阶段，此时的数字经济与循环经济融合水平非常低。2015年，随着国家对数字经济和循环经济的愈加重视，中部地区几乎脱离失调的状态，进入初步磨合阶段，只剩下西部地区仍然处在落后地位。到2018年可以观察到全国的数字经济与循环经济融合水平整体进入新发展阶段。

四、数字经济与循环经济耦合协调的空间关联格局

（一）全局空间关联特征分析

为了进一步揭示数字经济与循环经济融合发展的空间分布状况，根据我国31个省份的区域属性和位置，选用空间自相关分析方法分析区域单元观测值的总体分布情况，通过计算Moran's I、Z得分和P值的结果分析是否存在集聚现象。

全局空间自相关Moran's I 指数的计算公式为：

I=n∑ni=i∑nj=1wij（xi-）（xj-）s2∑ni=1∑nj=1w

ij（13）

S2=1n∑ni=1（xi-）2（14）

式中， x为数字经济与循环经济耦合协调度的代入值；n个地区属性值变量的均值记为（这里n为31个省份，为31个省份数字经济与循环经济耦合协调度平均值）。i和j为各省份，wij为构建的空间权重矩阵，本文采用一阶Queen邻接关系的空间权重矩阵。

Moran's I 数值在［-1，1］内变化，在其通过显著性检验的情况下，Moran's I >0表示空间正相关，其值越大，空间相关性越明显；Moran's I <0表示空间负相关，其值越小，空间差异越大；Moran's I=0表示空间不相关，空间呈随机性，结果如表8所示。

2011—2020年数字经济与循环经济耦合协调度的Moran's I均通过Z值检验，且均在5%的显著水平上呈现出正相关性（全局Moran's I估计值均为正值），说明耦合协调度存在明显的空间依赖性。具体地，2011—2013年全局Moran's I估计值缓慢上升，空间集聚效应逐年增强；2014年全局Moran's I估计值有所下降；2015—2016年Moran's I估计值继续缓慢上升，且在2016年达到峰值0.335，表明该时期31个省域空间集聚关联最大；2016—2019年全局Moran's I估计值逐年下降，空间集聚效应逐年降低；2020年Moran's I估计值又有所回升。以上，数字经济与循环经济耦合协调度的Moran's I估计值大致经历了多次波动，表明在2011—2020年31个省域数字经济与循环经济耦合协调度空间格局经历由集中向分散再到集中的演变。

（二）局部空间关联特征分析

本文采用局部 Moran's I 测算31个省份耦合协调度局部的空间分异规律，局部Moran's I指数的计算公式为：

Ij=xi-S2∑ni=1Wij（xj-）（15）

式中，x为数字经济与循环经济耦合协调度的代入值；n个地区属性值变量的均值记为（这里n为31个省份，为31个省份数字经济与循环经济耦合协调度平均值）。i和j为各省份，wij为构建的空间权重矩阵，本文采用一阶Queen邻接关系的空间权重矩阵。

Moran散点图可以明确说明两个变量之间的变化联系，本文以数字经济与循环经济耦合协调度为x轴，以发展空间滞后为y轴来表示二者之间的空间相关关系，利用GeoDA软件绘制2012年、2015年、2018年及2020年31个省份耦合协调度空间自相关散点图（见图4）。其计算得出的局部 Moran's I值主要呈现出四种主要模式：“高—高”（HH）集聚模式或者“低—低”（LL）集聚模式反映出全国各个省份的耦合协调度具有很高的相似性且空间的差距很小；“高—低”（HL）集聚模式或者“低—高”（LH）集聚模式反映出全国各个省份的耦合协调度呈现出较低的相关性且空间区域差异显著。图中四个象限从左上顺时针开始依次代表低—高（LH）、高—高（HH）、高—低（HL）和低—低（LL）聚集模式。

由图4可知，散点主要集中在一三象限，反映出耦合协调度高的省份以及耦合协调度低的省份朝着水平相近的地区聚集，意味着我国31个省份耦合協调度存在着明显的集聚现象，相邻省份之间相互影响，并且散点图的拟合线向右上方倾斜，也再次证明彼此之间存在着空间正相关性。

如表9所示，2012年、2015年和2018年只有天津是高—高集聚模式，2020年只有江苏是高—高集聚模式。天津与北京毗邻，江苏与浙江、安徽和山东毗邻，形成互相促进、联动发展的格局，溢出效应明显，是我国数字经济与循环经济融合发展的重要增长极。2012年只有陕西是高—低集聚模式，2020年只有云南是高—低集聚模式，陕西和云南的数字经济、循环经济的发展基础较好，数字经济与循环经济融合发展也达到深度磨合阶段，但是由于周边省份的发展水平偏低抑制自身融合发展潜力，急需探求跨区域合作模式与路径，带动外围区域发展，从而提高自身的融合水平。低—低关联的省份包括大多数西部地区省份，这是因为西部地区的耦合协调度远远落后于其他地区，且其数字经济发展水平和循环经济发展水平也较为落后，可见西部地区与其他地区之间的交流与合作存在一定的阻碍，是亟需政府扶持发展的区域。

五、结论与建议

本文采用耦合协调度模型和探索性空间数据分析等方法，测度并分析我国2011—2020 年31个省份的数字经济与循环经济融合水平及其空间格局，得知我国各省份的数字经济与循环经济耦合协调度实现了“跨越式”的增长，但区域间耦合协调度发展水平极度失衡，且耦合协调度存在明显的空间依赖性和集聚现象。为了使数字经济更好地赋能循环经济发展，一方面通过数字技术提升循环经济的效率，另一方面提升循环经济的规模效益。数字经济与循环经济的深度融合是当前发展的趋势，随着数字经济与循环经济的深度融合，经济结构和规模都发生转变，才能实现真正的转型。因此，笔者基于各省份不同发展现状并结合其产生机制提出如下建议。

（一）加大循环发展数字化投入，拉动提高中西部地区发展水平

新疆、青海、西藏、甘肃、宁夏、山西、江西、黑龙江、吉林和辽宁的耦合协调度在2020年仍处于初步磨合阶段，具有较大提升空间。这些地区融合发展滞后的原因主要是其数字经济发展水平低，数字技术应用范围比较小，新型基础设施建设缓慢；资源循环利用效率不高，例如，新疆、西藏、甘肃和宁夏的资源和能源仍然大量采用粗放型消耗模式，山西能源产业、煤炭产业的智能化水平较低；吉林、黑龙江和辽宁的经济增速缓慢，人才外流导致其产业化能力的下降，没有全面实施循环经济数字化转型的底层架构，成本投入远远大于效益产出；同时，西部地区大多数表现为“低—低”集聚模式，是需要政府重点扶持发展的区域。因此，应加快建立5G基站、工业互联网平台和智能信息管理系统等基础设施，在此基础上创建更合理与更灵活的数字化管理流程，能够更加快速地解决在生产、消费与回收利用等过程中可能出现的任何技术问题，推动循环经济技术的创新，进一步提升资源能源的综合利用效率。利用数字技术与其他生产要素相结合，加大对发展落后的中西部地区和数字化转型缓慢地区的云计算、人工智能和大数据等数字产业的支持，以及对人才、资金等的投入。

（二）夯实数字经济发展基础，布局融合发展新格局

随着循环产业创新投入的增加，数字技术运用的相对成熟，内蒙古、天津、河北、河南、陕西、安徽、湖北、湖南、重庆、贵州、四川、云南、广西、海南、山东、江苏、浙江和福建的耦合协调度在2020年已步入深度磨合阶段，部分省份的数字经济与循环经济融合发展成效显著。

例如天津的企业和产业园区循环经济数字化局部的创新实力显著加强;数字经济规模不断扩大，截至2020 年，湖北省5G 宏基站累计达到3.1万个，基站数量居中部第一。但是这些区域的融合水平较头部地区仍有很大差异，这是由于技术带来效益的同时也产生新型消耗，个人和组织层面能力的不断更新，急需数字化人才的培养，并且随着数字化循环企业“垄断式”发展，中小型企业进入市场困难，其循环经济发展的体制机制面临困难和挑战；循环产业整体信息化不足，利益相关者在共享数据库、共享经济平台方面的参与度不高，大多企业的数字化应用采用相对独立的管理系统，信息分享之间的联动性差，缺乏统一高效的循环经济数字化管理方案和数据中心管理措施，导致数字技术促进循环经济发展的作用无法充分发挥。因此，需要不断建链强链、延链补链，做强核心循环产业集群，优化产业结构布局，形成结实强劲的数字化循环产业链条。同时，不断升级数字循环治理技术，打通跨区域、全产业的治理流程，鼓励更多的利益相关者合作研发，以促进数字技术支持的循环商业模式的创新。天津和江苏等区域“高—高”集聚效应明显，其数字经济与循环经济融合可以利用各自特点，推动工业互联网快速发展，地区相关企业联动发展，形成协同效应。天津和江苏等地应发挥重要增长极的作用，加强与周边地区的合作，构建高水平发展经济圈，形成相互促进、融合更深的联动发展格局。

（三）升级数字技术应用，实现全面协调发展

北京、上海和广东的耦合协调度在2020年位于高度磨合阶段，数字经济与循环经济融合水平逐渐进入成熟期，其中北京的发展模式最具代表性，创新的数字技术簇群快速成为循环经济主导技术群，数字技术的应用引发根本性创新，数据成为关键生产要素，完整的循环产业数字化链条集成。位于高水平发展的北上广三地在数字经济与循环经济的发展中表现强劲，其中，广东有着巨大的经济体量与广阔的循环产业规模，上海逐步转型，走入数字经济为主要驱动的经济模式。未来，需要不断升级数字技术在循环经济中的应用场景，和现有工业、农业和建筑业等领域的结构重建，以及制定统一的标准和实施准则，在信息处理方面积极发挥头部引领作用。利用空间集聚特征，发展区域联合模式，结合东部地区优越的地理环境和人才优势，将其经验与技术向其他低水平地区辐射，带动耦合协调度较低地区的发展，促进区域协调发展。

（四）政府宏观调控，促进数字化循环活动

政策不一致或者滞后会制约融合发展的速度，数字经济与循环经济融合发展还需要政策的协同。经济部門的核心任务是促进经济增长。通讯部门和监管机构的焦点应是扩大互联互通。教育部和劳动部可以在人力资本提升和工人培育方面出台激励政策。国家统计局负责收集跟踪每个项目进展的统计数据。同时，可以通过经济手段鼓励私人投资，公共资金集中用于资助研发的初始阶段，并辅以混合融资模式，绿色公共采购支持创新循环活动和相关数字应用。基于数字技术的应用对不同地区循环经济发展产生的积极影响具有差异性，未来应实施动态化、差异化的数字化循环经济发展战略，在政府的宏观调控作用下，促进数字经济与循环经济融合平衡和深度发展。

参考文献：

［1］陈昌兵.新时代我国经济高质量发展动力转换研究［J］.上海经济研究，2018（5）：16-24+41.

［2］王敏.新发展阶段数字经济高质量发展研究［J］.哈尔滨师范大学社会科学学报，2021（4）：75-78.

［3］蔡跃洲.经济循环中的循环数字化与数字循环化——信息、物质及资金等流转视角的分析［J］.学术研究，2022（2）：84-90+177.

［4］VAN BRUGGEN A R， ZONNEVELD M. Solution-focused sustainability assessments for the transition to the circular economy： the case of plastics in the automotive industry［J］. Journal of Cleaner Production， 2022， 358：1-12.

［5］RENTIZELAS A， TRIVYZA N， OSWALD S， et al. Reverse supply network design for circular economy pathways of wind turbine blades in Europe［J］. International Journal of Production Research， 2022， 60（6）：1795-1814.

［6］王江泉，赵鑫，张俊.中国数字经济发展效率评价［J］.统计与决策，2022（9）：21-25.

［7］PAGOROPOULOS A， PIGOSSO D， MCALOONE T C. The emergent role of digital technologies in the circular economy： areview［J］. Procedia CIRP， 2017， 64：19-24.

［8］蔡玲，汪萍.数字经济与城市绿色全要素生产率：影响机制与经验证据［J］.统计与决策，2022（9）：11-16.

［9］D'AMICO G， ARBOLINO R， LEI S， et al. Digital technologies for urban metabolism efficiency： lessons from urban agenda partnership on circulareconomy［J］. Sustainability， 2021， 13（11）：1-23.

［10］程承坪，陈志.人工智能促进中国经济增长的机理——基于理论与实证研究［J］.经济问题，2021（10）：8-17.

［11］鐘太洋，黄贤金，李璐璐，等.区域循环经济发展评价：方法、指标体系与实证研究——以江苏省为例［J］.资源科学， 2006（2）：154-162.

［12］吴颖倩，孙文生.河北省城市循环经济发展指标体系及实证评价［J］.广东农业科学，2010（7）：383-386.

［13］王荣，张所地，徐治宇，等.城市循环经济发展评价的数学模型及实证分析［J］.数学的实践与认识，2013（4）：11-16.

［14］慈福义.资源环境约束下城市循环型创新系统评价——以济南市为例［J］.企业经济，2016（2）：5-9.

［15］徐清源，单志广，马潮江.国内外数字经济测度指标体系研究综述［J］.调研世界，2018（11）：52-58.

［16］高燕，徐政.供需视角下我国数字经济评价体系构建及测度［J］.商业经济研究，2021（16）：180-183.

［17］王娟娟，佘干军.我国数字经济发展水平测度与区域比较［J］.中国流通经济，2021（8）：3-17.

［18］赛迪顾问.2017中国数字经济指数（DEDI）报告［R］.赛迪顾问，2017.

［19］赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020（10）：65-76.

［20］马亚亚，刘国彬，张超，等.陕北安塞县生态与经济系统耦合协调发展［J］.生态学报，2019（18）：268-277.

［21］李雪松，龙湘雪，齐晓旭.长江经济带城市经济—社会—环境耦合协调发展的动态演化与分析［J］.长江流域资源与环境， 2019（3）：15-26.

［22］杨坤，汪万.长三角地区协同创新、产业结构与生态效率耦合协调发展的时空演化［J］.科技管理研究， 2020（21）：80-87.

责任编辑：李金霞

The Evaluation and Spatio-Temporal Evolution of the Integration of Digital Economy and Circular Economy

——Taking the "Second

Chen Yanchun1，Li Nana1，Zhang Jing2

（1.School of Management， Shijiazhuang Tiedao University， Shijiazhuang Hebei 050043， China;

2.People's Government of Lunan District of Tangshan City，Tangshan Hebei 063000，China）

Abstract：

Taking 31 provinces in China as the research object， this paper measures and analyzes the integration level and spatial pattern of digital economy and circular economy from 2011 to 2020 by using coupling coordination degree model and exploratory spatial data analysis methods. The research shows that： Firstly， from the perspective of the overall coupling coordination degree， the coupling coordination degree of digital economy and circular economy in provincial areas of China has achieved a "leap-forward" growth， but the development between regions is extremely uncoordinated， and there is still a development pattern of strong east and weak west. At this stage， it is necessary to take the lead in combining the superior geographical environment and talent advantages in the eastern region and radiate experience and technology to the central and western regions. Secondly， the coupling coordination degree has obvious spatial dependence， and the coupling coordination degree of 31 provinces in China has obvious agglomeration phenomenon. The provinces with high coupling coordination degree and the provinces with low coupling coordination degree gather towards areas with similar levels. Among them， the "low-low" related provinces include most provinces in the western region， which shows that there are some obstacles in the exchanges and cooperation between the western region and other regions， and it is an area that urgently needs government support and development.

Key words：

digital economy; circular economy; coupling coordination degree; high-quality economic development