数字交通对产业辐射强度的影响：是赋能还是负能

2024-02-21邹惺辰赖红波

技术与创新管理 2024年1期

邹惺辰赖红波

摘要：以數字产业为基点进行探究，可能会导致数字经济研究的“偏离化”加剧。在提出交通数字化假设的基础上，考虑到产业辐射是地区与地区之间的相互作用，存在空间距离效应，因此利用空间杜宾模型进行差异矩阵回归验证。将数字交通拆分为“数字、平台、营运、信息”4大层次进行量化处理，并将产业辐射强度重新定义归类，进行加权得分。考虑到数据可得性以及地区异常值，对我国30个省级行政区2012—2020年区域变量进行再评价。结果表明，在3种空间权重矩阵下，产业辐射强度的莫兰检验值都为正并且通过1%显著性水平检验，表明我国30个省级行政区产业辐射存在空间正相关关系；数字交通的发展对本区域产业辐射强度扩大具有推动作用，但对其它区域产业辐射强度产生抑制作用；区域经济发展水平、政府支持力度和人才专业化对产业辐射强度存在正向影响，而产业高级化对产业辐射强度存在负面影响，通过细分行业，其抑制作用主要体现在金融业高级化层面；政府支持力度会对其他区域产业辐射强度产生正向影响，人才专业化的直接效应和溢出效应均为正，对本地区和其他地区产业辐射强度的发展产生正向影响，且政府支持力度的溢出效应更大。基于此，建议加强区域政府对科技创新的预算投入，提高技术联系与资源共享，打破产业发展壁垒，优化资源配置，打造区域高技术制造业的优势发展地位，防止人才大量流入金融非实体业，保持产业高级化与合理化并存，加强人才专业化培养。

关键词：数字交通；产业辐射；高技术产业；金融业高级化；空间杜宾模型中图分类号：F276.44 文献标识码：A 文章编号：1672-7312（2024）01-0094-15

The Impact of Digital Transportation on Industrial Radiation

Intensity：Is It Empowering or Negative：

An Analysis Based on the Spatial Durbin Model of 30 Provinces

ZOU Xingchen，LAI Hongbo

（School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：Existing research is mostly based on the digital industry，which may lead to an intensification of the “deviation” in digital economy research.Firstly，this article proposes the assumption of transportation digitization，considering that industrial radiation is an interaction between regions and there is a spatial distance effect.Therefore，a spatial Durbin model is used for differential matrix regression validation.Then，digital transportation is divided into four levels：“digital，platform，operation，and information” for quantitative processing，and the industrial radiation intensity is redefined and classified for weighted scoring.Considering the availability of data and regional outliers，this article reevaluates the regional variables of 30 provinces in China from 2012 to 2020.The results show that：under the three spatial weight matrices，the Moran test values of industrial radiation intensity are all positive and pass the 1% significance level test，indicating that there is a spatial positive correlation between industrial radiation in 30 provinces（districts，cities）in China.The development of digital transportation has a promoting effect on the expansion of industrial radiation intensity in this region，but has a restraining effect on the radiation intensity of other regional industries.The level of regional economic development，government support，and talent specialization have a positive impact on industrial radiation intensity，while industrial upgrading has a negative impact on industrial radiation intensity.By segmenting industries，its inhibitory effect is mainly reflected at the level of financial industry upgrading.The level of government support will have a positive impact on the radiation intensity of industries in other regions，with both the direct and spillover effects of talent specialization being positive.It will have a positive impact on the development of industry radiation intensity in the local and other regions，and the spillover effect of government support will be greater.Therefore，it is recommended to strengthen the budget investment of regional governments in scientific and technological innovation，improve technological connections and resource sharing，break down industrial development barriers，optimize resource allocation，create an advantageous development position for the regional high-tech manufacturing industry，prevent a large number of talents from flowing into the financial non physical industry，maintain the coexistence of advanced and rationalized industries，and strengthen the professional training of talents.

Key words：digital transportation；industrial radiation；high technology industry；the advancement of the financial industry；spatial Durbin model

0 引言数字经济是继农业经济与工业经济之后的主要经济形态，“十四五”经济发展规划中提出，新时代我国数字经济应转向深化应用新阶段，拓展经济发展新空间，推动我国数字经济健康发展。2023年发布的政府工作报告明确指出要坚持推动数字经济与实体经济深度融合，这意味着要提高数字经济在产业发展中的渗透率，加强协同联动。在数字经济的赋能下，交通运输快速发展，便民化基础设施不断推进，铁路、公路、内河航运等交通服务里程从2012年的446万公里到2020年的547万公里，实现了飞速增长。高技术产业具有高创新性、高渗透性以及高带动性，已成为我国产业创新发展的重要领域。2022年高技术产业增加值同比增长7.4%，我国创新产业经济回稳向好。交通与产业是密不可分的，推动数字经济与制造业融合，需要借助交通运输中介，赋能交通运输，加速数字交通运输行业与高技术产业联动。因此，研究数字交通对高技术产业发展的影响对于未来制造业的创新发展具有重大意义。在现有关于辐射的研究，主要分为2个类别。一类集中于产业集聚的溢出效应，即产业集聚形成产业辐射。徐映梅[1]等发现当城市产业形成的集群特色不够，没有核心竞争力，即使数字化水平较高，也仅位于产业网络边缘，不能较好地增强产业辐射；官锡强[2]认为只有当地区形成当地特色产业集群后，以强有力的物流能力，才能推动产业辐射联动。另一类别则以郭将[3-5]等的研究为代表，他们分析产业辐射效应，以“中心-外围”式的空间思路探究影响制造业升级的各因素，并认为目标城市的产业辐射力不仅与自身有关，更重要的是辐射城市产业承接力，如果邻边经济体较小，城市产业受到自身承接力的限制，目标城市产业的辐射能力也会较弱。王晓梦[6]等基于引力模型得出京津冀地区产业辐射呈现断裂、空心、跳跃等特点，主要原因就是由于邻边城市产业承接力跟不上辐射力，李娟[7]等认为当城市经济规模提升到一定程度后，其产业集聚对经济增长便呈现正向影响。从上述讨论可以做出假设，产业集聚对经济高质量发展存在门槛效应。

赵奎[8]等认为当以人力资本积累作为桥梁探究产业集聚与经济高质量发展时，可以得出“先快后慢再平稳”的特征结论。郑欢[9]等讨论产业集聚与生态环境耦合之间的关系，认为产业集群后能够对邻边城市生态环境耦合产生正向的促进作用，即形成正向的产业辐射；何艳秋[10]等讨论产业集聚与农业之间的关系，发现高产业集聚区对低产业集聚区的辐射效应更为明显，其增碳效应由高往低逐渐明显。

杨博[11]等发现产业集聚对生鲜农产品绿色创新效率呈现出“U”型的非线性关系。另一类是以引力模型来探究产业辐射强度。

赵鹏军[12]等认为引力模型是指两个经济体之间的作用力与其经济规模成正比，与相对距离成反比。李砚忠[13]等发现虽然引力模型最初应用于城市圈发展，随着研究的深入，目前有很多学者将其代入到城市产业辐射中。张源[14]等将引力模型进行修正后，分析三大经济圈小微制造业经济辐射力的关系，发现制造业辐射力不仅仅与本身有关，还与辐射地区产业的承接力有关。姜金德[15]等以引力模型确定轴心辐射城市以及辐点城市，将江苏省划分为4大农产品物流辐射圈。文中集中讨论数字经济对产业辐射强度的影响，在此之前，需要綜合以往学者对数字经济与产业辐射强度关系的研究，来提出文中的边际贡献。上文分析了关于产业辐射的相关研究，所以下文将综述数字经济与产业集聚关系的研究。胡甲滨[16]等深入探究产业数字化与数字产业化之间的差异，发现产业数字化对外贸出口存在正向影响，且为“U”型关系，而数字产业化对外贸出口无影响。王彦杰[17]等从空间角度发现数字经济产业集聚具有明显的空间正相关性，且不同时间、不同数字经济产业的空间关联性存在着明显差异，并将空间溢出效应解释地区产业的辐射作用。通过上文的分析，可以发现当下学者主要关注产业集聚及空间溢出效应、城市经济规模和距离等因素对产业辐射的影响，并指出了数字经济在产业辐射中具有一定作用，而在数字化研究中并没有进行细化分解，只是抽象概括为产业数字化或者为数字产业化。然而，这种概括可能存在较大的模糊性，这便为本文挖掘创新点提供了更多的启示。高技术产业的发展是提升我国综合实力的重要途径，而产业的发展需要基建的支持。基于此，在“交通-产业”耦合的基础之上，加入数字化视角，借助空间杜宾模型，以我国30个省级行政区作为研究区域，分析数字交通对产业辐射强度的影响，分析地域发展差异，为我国打造智造强国提供一定的建议。本研究的边际贡献在于以下三个方面。第一，现有研究大部分是将传统交通业与产业发展相结合，很少从将交通数字化，从数字交通的角度探讨两者的关联性，文中以数字交通为切入角，丰富和拓展了数字经济影响交通领域发展的研究。第二，当前学界研究在探究产业辐射强度时，引用断裂点理论[18]或者引力模型进行量化。通过对产业辐射强度进行修正，如果用引力模型进行量化，则会导致在地理距离矩阵情形下，空间回归的重叠化，会导致研究结果与实际出现偏差。为了增强研究结果的可靠性与真实性，仅用熵权法得到的最终得分对产业辐射强度进行量化，并在空间回归模型中探究其辐射效应。第三，将数字交通与产业辐射相结合，两者具有空间性，探究不同地区的差异性发展，能够为各地政府进行针对性的政策制定提供经验支持。

1 理论、命题与模型

1.1 熵权法及量化评价产业辐射强度的量化方法有2类。一类是基于断裂点理论计算城市产业辐射强度，该方法认为辐射强度与距离无关；另一类是以贸易引力模型为基础，对三因素修正后得到产业辐射强度[19]。而文中用产业综合实力来替代产业辐射强度，并基于空间杜宾模型以及差异性空间权重矩阵，一方面考虑省会空间地区接邻，另一方面考虑射省会地理直线距离，并通过直接效应和间接效应来分析其辐射效应，综合修正了产业辐射网络。即文中在数据处理方法上，采用熵权法来综合评定数字交通和高技术产业辐射强度，通过该方法可以避免了人为因素进行指标权重确定时所产生的误差以及规避了各年份地区的异常值，更客观地评价所选指标的重要程度，使研究结果更加贴合实际，从而能够提出更准确的政策建议来降低区域发展的不平衡、不充分性。熵权法的基本思路是先将各个指标数值进行无量纲化处理，再根据指标变异性的大小来确定客观权重，之后利用无量纲后的各指标数值来进行最后的加权分析。式（1）、式（2）为无量纲化的计算公式，式（3）是变异系数的计算公式

式中，Yij为i城市j指标标准化后的数值；Pij为i城市j指标中占总评价指标中的比重，即该指标的变异大小；若Yij=0，则令指数向右平移0.000 1，以保证Yij≠0。

计算第j指标的熵值，具体公式为

当熵值确定后，接下来将通过信息熵来确定权重，最后进行线性加权得到综合得分，具体见式（5）、式（6）。

当一个产业规模较大，其综合实力与影响力也随着规模的扩大而增加，其他城市产业受到的影响也随之增强，从而目标城市产业辐射也较强。产业规模的扩大主要包含3个方面，首先是行业内企业数量较多说明其发展较为壮大，能够产生更大的社会效应，为更多的人群提供较多的工作岗位；其次当企业数量较多，但主营业务收入较少，也不能称为其存在规模效应，这种情况类似于完全竞争市场，虽然商家很多，但由于利益分配，每个商家所得到的收益被压缩，于是主营业务收入是衡量企业规模效应的重要因素之一；最后是企业的利润总额，如果企业数量多，主营业务收入也很高，但其营业成本较高，所获得的利润并不能支持其持续稳定发展，并不能产生规模效应，因此文中将企业的利润总额也考虑其中。劳动力蓄水池效应主要是指高技术产业的发展离不开科学研究与试验发展从业人员的努力，具体来说就是高技术产业需要投入高技术人才资源才能得以充分发展，为了消除工作人员统计时间不对等，即可能存在离职等问题，文中将对此转化为等量的全职工作人员。一味的投入而没有产出并不能全面概括改产业的辐射强度，而应将产出纳入其中，文中将科技创新的投入生产制造为科技创新产出，即将抽象的知识转化为具体的产品，这才能不断提高产业辐射强度。

基于以上分析，在对高技术产业辐射强度（Spi）的测算中，通过参照规模效应、劳动力蓄水池效应以及知识溢出效应，构建了3个一级指标，6个二级指标以及8个代理变量。使用地区高技术产业企业数量（M）来表示行业规模，使用地区高技术产业主营业务收入（IC）来表示营业规模，使用地区高技术产业利润总额（TP）来表示收益规模，使用地区规模以上高技术产业企业R&D活动人员折合全时当量（RDN）、R&D经费内部支出（RDC）、专利申请数（PA）、拥有发明专利数（VIA）以及新产品销售收入来分别表示高技术研究人员总量、科技创新投入与科技创新产出，具体描述见表1。

数字交通的发展是随着数字技术广泛应用于交通领域，基础设施数字化程度不断提升，互联网出行服务体系不断完善，线上物流组织效率不断提高，行业联网协同管理不断深入，网络安全与技术支撑体系基本建立[20]。交通运输部发布《数字交通“十四五”发展规划》中的主要任务可概括为加强基础设施“数据大脑”建设并将其与物流、出行等方面充分融合形成数字化体系。所以文中衡量数字交通发展水平主要从两个方面体现，一方面以数字交通研发投入来打造“数字大脑”，将研发投入分为数字基础设施建设与平台基础设施建设，而数字基础设施主要通过交通固定资产投资来衡量，交通固定资产提高说明该地区交通网络构建更为紧密，而交通运输科技机构与研究中心的数量体现了区域数字交通平台的发展程度，只有将交通科技资源的投入与服务产出相结合，才能综合评价区域数字交通[21]；另一方面以数字交通研发服务来衡量数字化与各领域的融合程度。数字交通的发展方便了人们出行、物流等领域，进而促进了区域公路、铁路、内河航道营运里程，使用人数增加说明数字交通提高了出行服务质量，则数字交通综合实力也得到了提高[22]。基于上述分析，文中在对量化数字交通（Dtran）中，汲取数字丝绸之路的量化经验[23]构建2个一级指标，4个二级指标以及7个代理变量。使用地区交通运输科技机构（TI）与实验室研究中心数量（LR）来表示数字基础设施建设，使用交通固定资产投资额（TF）来表示平台基础设施建设，使用鐵路（ROL）、公路（HML）、内河航道营运里程（WOM）来表示营运基础设施建设，使用交通事故发生数（TA）来衡量信息基础设施建设，具体描述见表2。

1.2 命题假设通过上文分析，提出以下两个命题假设。

命题1：高技术产业的发展并不是仅仅依靠大量的科研资金，还需要可以推进实验发展的器材以及实验材料，这些材料往往都是钨钢等，需要通过交通来进行运输，数字交通已成为了发展常态，数字交通网络可以高效运输物资、材料。而专业性人才也是高技术产业发展的重要原因，数字交通网络的联通化、密集化可以让人才多地交流，将信息知识、技术短期内快速传递给其他地区，加大地区高技术产业辐射强度。通过上述分析，提出假设H1。H1：数字交通能够显著提高地区高技术产业辐射强度。命题2：数字交通的发展使得信息和资源的流动更加便利，使得一些数字经济产业以及相关的创新型企业更容易在某一区域集聚。该区域所吸引的高端人才以及优秀创业者，相互之间的交流和合作可以进一步促进产业的发展和创新。由于资源和投资的倾斜，周边地区可能面临人才流失的问题，因为人才更倾向于在数字交通发达的区域寻找更好的机会和发展空间。这导致周边地区的产业发展相对滞后，难以与集聚区竞争。由于集聚区的规模效应和资源优势，它们往往能够提供更多的支持和配套服务，包括金融资本、技术支持、市场机会等，而周边地区很难与之匹敌。这使得周边地区的产业发展难以突破瓶颈，产业辐射强度下降。通过上述分析，提出假设H2。H2：数字交通的溢出效应为负，会显著降低周边地区高技术产业辐射强度。

1.3 模型构造与变量设定

1.3.1 模型构造根据上文的理论分析，为了展现数字交通的空间效应，给出两个经验性分析设定。一是不考虑空间相关性时数字交通对产业辐射强度影响的基准OLS设定；二是考虑空间相关性时数字交通对产业辐射强度影响的空间杜宾模型（SDM）设定，同时检验SDM是否能够简化为空间自相关模型（SAR）或者空间误差模型（SEM）。具体而言，将不考虑空间相关性时数字交通对产业辐射强度影响的基准 OLS模型设定为

考慮辐射效应以及区域产业的空间相关性和外部性时，将数字交通对产业辐射强度影响的基准OLS模型转化为SDM模型，其设定为

Strit=α0+ρWStrit+γDtranit+θWDtranit+β1Ctiit+δ1WCtiit+β2Upit+δ2WUpit+β3Govit+δ3WSpit+β4Talit+δ4WTalit+ui+vt+εit（8）

其中，W为空间权重矩阵，式（8）的含义即城市 i的高技术产业辐射强度不仅受自身数字交通、经济发展水平、产业高级化、政府支持力度、人才专业化的影响，还将受其周围城市数字交通、经济发展水平、产业高级化、政府支持力度、人才专业化的综合影响。

1.3.2 变量设定被解释变量

Strit表示为t年i地区的高技术产业辐射强度。具体来说，即利用熵权法所得到的加权得分来衡量地区高技术产业辐射强度，并作为模型的被解释变量。核心解释变量DTit表示为t年i地区的数字交通发展程度，文中基于“数字、平台、营运、信息”4大基础性质，将数字交通分层量化，最后加权处理的得到地区数字交通综合得分。控制变量分别为经济发展水平（Cti）、产业高级化（Up）、政府支持力度（Gov）以及人才专业化（Tal），经济发展水平（Cti）用t年i地区人均GDP来衡量，人均GDP越高，区域经济发展水平越高；产业高级化（Up）用t年i地区第三产业增加值与第二产业增加值的比值来衡量，具体说明了地区高技术产业的发展水平；政府支持力度（Gov）用t年i地区政府在科学技术中的预算投资占整个预算支出的比重来衡量，政府支持力度越大，则表示政府越看重高技术产业的发展；人才专业化（Tal），部分研究者以受教育程度来衡量，即用各地区中等教育以上的人均受教育年限来表示[24]。但从现实层面来说，大学本科毕业的学生能够真正利用所学专业进行高产就业的人很少，为了找寻更合适的指标，用t年i地区专利申请授权量与本科预计毕业生的比值衡量，即每位本科生能够授权的专利数量，该值越高，则表明人才专业化程度越高。

1.4 数据来源及平稳性分析大多时候，学者利用网络爬虫来研究数字化在技术领域中的应用，虽然网络爬虫可以采集大量的数据，但需要对其进行提炼，往往在提炼阶段，可能会将一些重要的数据丢失，从而造成伪回归，最终得到有偏的结论与政策建议。为了避免在人工提炼阶段发生错漏，文中数据均来源于国家统计年鉴。由于2018年高技术产业统计年鉴数据缺失，为了保证结果的有效性，文中将所有涉及2017年的统计量数据剔除，仅保留2012—2016，2018—2020的数据。文中的研究对象为2012—2020年（除2017年）我国30个省级行政区，涉及的变量共有22个：高技术产业企业数量、主营业务收入、利润总额、R&D活动人员折合全时当量、R&D经费内部支出、专业申请数、拥有发明专利数、新产品销售收入、交通运输科技机构数量、实验室和研究中心数量、交通固定资产投资额、铁路营运里程、公路里程、内河航道通航里程数、交通事故发生数、人均GDP、财政科技技术预算支出、财政预算总支出、第三产业增加值、第二产业增加值、专利授权量、本科预计毕业生人数以及空间权重矩阵。文中的数据来源主要有《中国高技术产业统计年鉴》《中国交通运输统计年鉴》《中国交通年鉴》《中国区域经济统计年鉴》以及各省、直辖市的统计年鉴。具体而言，高技术产业企业数量、主营业务收入、利润总额、R&D活动人员折合全时当量、R&D经费内部支出、专业申请数、拥有发明专利数、新产品销售收入等8个变量的数据来源为《中国高技术产业统计年鉴》；交通运输科技机构数量、实验室和研究中心数量、交通固定资产投资额、铁路营运里程、公路里程、内河航道通航里程数、交通事故发生数等7个变量的数据来源为《中国交通运输统计年鉴》《中国交通年鉴》；人均GDP、财政科技技术预算支出、财政预算总支出、第三产业增加值、第三产业分行业增加值、第二产业增加值、专利授权量、本科预计毕业生人数等7个变量的数据来源为《中国区域经济统计年鉴》《中国第三产业统计年鉴》以及各省、直辖市的统计年鉴。传统产业高级化一般使用第二产业占比或第三产业占比来衡量，而文中采用第三产业与第二产业产值之比来衡量[25]，而第三产业分行业高级化程度，均以第三产业分行业产值与第二产业产值之比来衡量。以往研究考虑区域人均专业申请授权数来衡量人才专业化，而文中将对在受教育程度和专业能力进行双重修正，采用专利申请授权量与本科预计毕业生的比值来衡量。由于部分年鉴数据的可得性，部分数据将在Espdata数据库中进行查找补充，表3为原始数据的描述性统计及平稳性检验。由表3 LLC检验结果可知，选取的序列均为平稳的时间序列，可进行回归分析。

2 实证分析

2.1 莫兰检验区域内的产业并不是相互独立存在的，而是相互作用与紧密联系的，空间自相关便是反映区域内某种现象与邻近单元上同一现象的相关程度的指标，用于探究现象之间潜在的联系。采用Morans I衡量30个省级行政区产业辐射强度的空间相关特征，计算过程为

Xi，Xj为城市i、j的相关变量值；Xi-为城市i的相关变量与相邻区域内所有城市相关变量的平均值之间的差距；Wij为空间权重矩阵。对于空间权重矩阵Wij，文中选取3种不同的差异矩阵，分别为0-1接邻矩阵Wij1、地理距离矩阵Wij2、地理距离平方矩阵Wij3。

Morans I统计量的绝对值大小表示空间相关性的强弱：-1≤I＜0表示空间负相关，0＜I≤1表示空间正相关，I=0表示空间不相关。首先采用全局Morans I指数对30个省级行政区的产业辐射强度进行自相关检验，表4给出了被解释变量高技术产业辐射强度的全局Morans指数。

表4第（1）、（2）、（3）列表示在3种差异空间权重矩阵的情况下，全局莫兰指数均显著为正。表示变量存在空间上的正相关性，因此可以判定30个省级行政区的产业辐射强度和数字交通在空间上具有显著的聚集特征，适合做空间回归分析。

圖1、图2表示无论空间权重矩阵是0-1接邻矩阵还是地理距离矩阵，其散点图的分布均呈现出高高集聚、低低集聚的特点。2012年，江苏、上海、浙江、山东等地形成产业高辐射群，对周边城市产生溢出效应；而到2020年，其产业高辐射群增加了安徽一地。从变化趋势来看，安徽受到辐射的影响程度较大，在周边高技术产业集群城市的带动下，安徽高技术产业蓬勃发展。

2.2 时空双固定效应的OLS回归分析通过上文的分析，Morans I指数显著为正，说明存在空间正相关关系，因此用空间回归模型会更加精确的表示变量之间的关系，但是从Moran散点图来看，很多城市并没有通过显著性检验，为了使得文中研究更为完整，在进行空间面板回归之前，首先考虑OLS面板回归模型，见表5。文中使用时间固定效应、空间固定效应进行回归，即Fixed-time为YES，Fixed-space为YES，否则为NO，下文回归结果表5、7、9、11均参考上述定义。

表5给出了我国30个省级行政区数字交通对产业辐射强度的OLS估计结果，表5（4）列给出了既不固定空间效应也不固定时间效应的估计结果，第（5）列为仅固定时间效应的估计结果，第（6）列为仅固定空间效应的估计结果，第（7）列为同时固定时间和空间的估计结果。同时固定空间和时间效应时，参数估计的R2最大为0.699 0，回归拟合效果相对更稳定，尽管数字交通对产业辐射强度的影响有所下降，但整体是呈现出显著正向影响，且大于0.5。通过分析控制变量的显著性影响因素，在时空双固定的条件之下，经济发展水平、产业高级化、政府支持力度对产业辐射强度的影响均呈现增强趋势。因此相对于无空间和时间固定、效应或者仅控制时间或时间效应而言，同时固定空间和时间效应的时空双固定效应的估计结果是最优的估计方法，因此接下来文中所有的估计结果均同时包含空间和时间固定效应。

2.3 时空双固定效应的SDM回归分析尽管上文OLS的回归结果从经验角度验证了接下来的SDM模型应该使用时空双固定效应，但为了使结论更为严谨，文中将从3种不同空间权重矩阵来进行LM检验、Hausman检验、LR检验以及Wald检验。

从表6可以看出，在差异空间权重矩阵下，LM检验（LM Lag和Robust LM-Lag，LM Error和Robust LM-Error）均显著，说明SEM空间误差模型和SAR空间滞后模型都通过显著性检验，可以初步认定使用SDM空间杜宾模型最合适。第（8）、（9）、（10）列的Hausman结果均通过显著性检验，说明固定效应优于随机效应，文中应该使用固定效应模型，与上文经验解释结果一致。从LR检验结果来看，均通过显著性检验，说明SDM的固定效应均优于SAR、SEM的固定效应，进一步验证文中应该使用SDM的固定效应模型进行回归分析。从Wald检验结果来看，尽管第（10）列的Wald（SAR）检验未通过显著性检验，Wald（SEM）检验通过显著性检验，但第（8）、（9）列的结果均通过显著性检验，说明SDM模型不能退化为SAR和SEM模型。

为了充分说明数字交通对产业辐射强度的影响，文中选取3种空间权重矩阵进行分析，根据表7（11）、（12）、（13）列的估计结果可知，利用时空双固定空间杜宾模型时，数字交通对产业辐射强度的增强有着正向的直接推动作用，系数值平均约为0.438，且在1%的显著性水平上是显著的，假设H1得到证实。周边城市数字交通的提高对本城市有着负向的空间外溢作用，在地理距离矩阵情况下，系数值最大为1.347，且在10%的显著性水平上是显著的。因此，随着我国数字交通的不断深化，城市间存在着空间外溢效应会导致高技术产业辐射强度在空间上表现出下降趋势，假设H2得到验证。不仅如此，本区域经济发展水平、政府支持力度将会正向的提升区域产业辐射强度，最高分别为0.014、1.296，且在1%的显著性水平上是显著的。伴随着数字化在交通领域的普及，邻边城市经济发展水平、产业高级化、政府支持力度以及人才专业化的增加会对本城市产业辐射强度产生正向的空间外溢作用，最高分别为0.063、0.044、3.387、0.513，且至少在5%显著性水平上是显著的。由于人才的流动性以及产业产区的趋利性，因此产业高级化和人才专业化在考虑空间效应时才呈现出显著影响。对比第（7）、（11）、（12）、（13）列可知，不控制空间和时间效应，以及仅控制空间或时间效应将会错估和高估数字交通对产业辐射强度的推动作用。不同的空间权重矩阵虽然给出了不同的参数估计值，但是不同要素对产业辐射强度的促进作用是一致的，因此文中的经验分析具有较强的稳健性。

邻边城市经济发展水平、产业高级化、政府支持力度、人才专业化是引起目标城市高技术产业辐射强度提高的重要因素之一。在3种不同类型的空间权重矩阵情形下，0-1接邻矩阵给给出的政府支持力度提高对目标城市高技术产业辐射强度的影响最大值为3.387，地理距离平方矩阵给出了经济发展水平对目标城市高技术产业辐射强度的影响最小值为0.019，均在1%显著性水平上显著，领边城市经济发展水平的影响力度基本上超过了所有单个要素对目标城市高技术产业辐射强度提高的推动作用。这也证明了提升目标城市产业辐射强度不仅仅是单个城市的目标，应该是多个城市群共同作用的目标，这也证明了Moran散点图的正确性，即形成高技术产业高辐射强度城市群。

由于区域之间不仅存在直接效应、间接效应，还存在反馈效应，因此需要通过计算各变量的直接效应、间接效应和总效应来准确的识别变量的空间溢出效应大小[26-27]，以此来衡量变量的高技术产业的辐射效应，表8给出了3种不同空间权重矩阵情形时不同变量的直接效应、间接效应和总效应。

由表8第（14）列的回归结果可知，无论是0-1接邻矩阵，还是地理距离矩阵以及地理距离平方矩阵的情形下，数字交通对产业辐射强度的直接效应均显著为正，除了地理距离平方矩阵的情形下，间接效应不显著外，其他矩阵情形下间接效应均显著为负，说明目标城市产业辐射强度不仅仅受到本地数字交通的影响，还会受到邻边城市数字交通的影响，且本地数字交通影响力显著为正，最大值为0.467，最小值为0.392；而邻边数字交通影响力显著为负，最大值为1.291，最小值为0.895。就其作用大小而言，领边城市数字交通水平对产业辐射强度的影响程度要比目标城市更大，即间接效应会大于直接效应，这也反映了随着交通数字化的快速发展，人才和产业的流动必然会影响区域产业辐射强度，一定是趋利而行的，从而随着数字交通的提高，地区虹吸效应进一步加大，专业性人才和高新技术产业会转向超大、特大城市，从而获得更广大的市场，这一研究结果与实际相符，从而进一步验证假设H1和假设H2。

第（15）列经济发展水平、第（17）列政府支持力度和第（18）列人才专业化的提高同样是增强高技术产业辐射强度的重要因素之一。从全国层面来看，经济发展水平主要是通过间接效应增强目标城市的产业辐射强度，影响力介于0.010～0.058，且至少在10%的显著性水平上是显著的。可能是因为随着数字化的普及，区域政府呈现出集聚趋势，城市间的互通发展壁垒效应减弱，因此无论是本地经济发展提高还是周边城市经济发展提高，均会形成经济共享效应，从而推动目标城市产业辐射强度增强。城市间的政府支持力度对产业辐射强度的影响更为激烈，主要是通过直接效应来增强目标城市的产业辐射强度，影响力为0.746～1.298，且至少在10%的显著性水平上是显著的，只有在0-1接邻矩阵的情形下，间接效应显著为正，最大为3.925。可能是由于区域政府之间的影响力是有限的，不能无限延伸，且中央对各区域政府的预算补贴是存在差异的，只有当城市之间相邻，才能够产生显著的溢出效应。而人才专业化仅通过间接效应对产业辐射强度产生影响，其影响力为0.146～0.478，总效应为0.172～0.496。给出的解释是，人才具有充分的流动性，本地人才发展水平可能远远小于从外部流入的人才发展水平，从数值水平来说，本地高技术产业的发展大部分由外部流入的专业性人才来推动，从而流动性的作用下，人才专业化仅通过间接效应对产业辐射强度产生影响。因此，经济发展水平和人才专业化是产业辐射强度增强的重要因素之一，政府支持力度的推动作用最大，且大于经济发展水平和人才专业化的影响力之和。

与经济发展水平、政府支持力度、人才专业化的作用机制相反，第（16）列产业高级化在3种类型的空间权重矩阵下，对产业辐射强度的直接效应均为负，且在1%的显著性水平上是显著的，为0.023～0.027。而只有在0-1接邻矩阵的情形下，才存在显著为正的间接效应，其数值为0.043。由此，认为产业辐射强度会受到邻边城市高级产业发展的影响，一旦邻边城市也形成高级产业集群，则会对目标城市产生虹吸效应，邻边城市政府也会推出相应的人才落户、人才补贴、企业补贴、企业免税等激励政策来扶持当地产业发展，从而对目标城市的产业形成竞争关系，这种虹吸效应，可能随着时间的推移会之间消失，最终形成城市产业互补、集聚，以达到平衡状态。

3 稳健性检验从实际现象来看，目标城市产业高级化的发展本能增强本区域产业辐射强度，而从回归结果来看却为负向效应，由此猜测第三产业中存在一些行业分摊了高技术产业发展的资源要素，从而导致产业高级化对产业辐射强度的影响为负。为了保证结果的稳健性，将第三产业拆分为批发和零售业、交通运输、仓储和邮政业、住宿和餐饮业、金融业、房地产业以及其他行业，综合考察在SDM模型下，不同行业高级化对产业辐射强度的影响。

根据表9第（19）、（20）、（21）列的估计结果可知，将第三产业分行业后，数字交通对产业辐射强度的影响仍然显著为正，同时经济发展水平和人才专业化程度对产业辐射强度依旧是显著正向影响，此时政府支持力度的回归结果不显著。因此在拆分不同行业回归后，政府支持力度对产业辐射强度的影响被不同行业高级化冲淡，但政府支持力度的溢出效应是显著为正的，与上文结论一致。

另外，零售业、房地产业高级化对产业辐射强度的增强有着正向的直接推动作用，推动力约为0.150和0.222，且在5%的显著性水平上是显著的，而金融业高级化对产业辐射强度的增强是负向的抑制作用，系数最大值为0.322。因此结合表7的回归结果，产业高级化对产业辐射的抑制作用主要体现在金融业的高级化，由于金融业并非实体制造业，因此如果市场中的要素资源涌入金融业过多，可能会造成国内虚拟产业发展过于高，泡沫经济过于膨胀，从而不利于实体高技术产业的发展，最终造成地区产业辐射强度下降的结果。与表7产业高级化对产业辐射强度的溢出作用为正一致，主要体现在交通运输、仓储和邮政业的发展对产业辐射强度的影响。由于当代的交通运输、仓储、邮政业是基于互联网的发展，高度集成并融合运输、仓储、分拨、配送、信息等服务功能，在提升生产要素生产率的同时，提高生产要素传输率也是促进产业发展的关键因素，因此邻边城市交通运输、仓储、邮政业高级化的发展会对目标城市产业辐射强度产生正向的空间溢出作用。通过表9的回归结果分析，零售业、房地产业高级化对产业辐射强度是正向促进作用，而金融业高级化是负向抑制作用，交通运输、仓储、邮政业高级化的溢出效应为正。为了剔除回归结果中的反馈效应，文中将通过计算分行业高级化后的直接效应、间接效应和总效应来准确的识别产业高级化的空间溢出效应大小。

表10第（24）至第（29）列对第三产业进行分行业高级化的回归结果显示，仅在0-1接邻矩阵的情形下，目标城市的零售业高级化（第（24）列）、房地产业高级化（第（28）列）对产业辐射强度起促进作用，数值为0.157和0.225，且在5%的显著性水平上是显著的，而金融业高级化（第（27）列）对产业辐射强度的影響在3种空间权重矩阵的情形下均为抑制作用，数值在0.223～0.318，且在1%的显著性水平上是显著的，因此断定，产业高级化对产业辐射强度的抑制作用主要体现在金融业高级化层面上，由于金融业为虚拟产业，尤其是股票、期货等证券交易均为零和博弈，并不存在实际产出，当金融业发展迅速超过实体制造业，会造成市场泡沫膨胀，影响高级水产业的发展，从而抑制产业辐射强度。从间接效应来看，交通运输、仓储、邮政业高级化对产业辐射强度的溢出影响为正，且在3种空间权重矩阵的情形下均显著，数值在0.846～2.530，结合表7产业高级化的溢出效应和表9交通运输、仓储、邮政业高级化的溢出效应，可以清楚的了解，产业高级化的正向溢出作用主要体现在交通运输、仓储、邮政业高级化层面上，随着互联网的深入发展，运输、存储、信息的一站式服务，生产要素运输效率和分配效率大大提高，邻边城市交通运输、仓储、邮政业的发展会促进目标城市产业辐射强度的增强。

在对产业高级化进行细分行业回归后，存在一些变量不显著的情况，为了准确分析不同变量对产业辐射强度的影响，因此文中仅参考表10的回归结果。其中变量Tsp、Ac和Oth在直接效应中不显著，变量Re、Fc、Wr和Oth在间接效应中不显著。可能有些行业会产生直接效应而不产生间接效应，即对本地区高技术产业辐射强度产生影响，可能有些行业会产生间接效应而不产生直接效应，即邻边行业会本地区高技术产业辐射强度产生影响，整理分析后仅存在一项变量Oth在直接效应和间接效应均不显著，且介于0.004～0.02和-0.113～0.045，说明其他行业高级化对产业辐射强度的影响并不大，可忽略不计。而文中在细分行业的过程中，由于数据的缺失，仅能细分6个具体行业和其他行业，若将Oth变量剔除，则无法将产业高级化复刻至稳健性检验中的其他行业高级化，为了分析的严谨性，则不将其剔除。

4 异质性分析由前文可知，伴随着交通数字化的加快，人才流动性和产业互通性提高，产业辐射强度会随着加强，为了保证研究结论可靠性与稳健性，将全样本分为东、中、西、东北地区进行分析，即考察东中西东北地区数字交通对产业辐射强度的影響因素的作用差异。

表11给出了东、中、西、东北地区在不同固定效应下的OLS回归结果。其中在时空双固定效应模型的情形时，数字交通的提高对产业辐射强度负面影响，与上文结论有所差别。给出的原因是，我国各省、市高技术产业综合实力、交通发展现状的差异较大，当进行分区回归时，将数值较高的省份融合为东部，将数值居中的省份融合为中部，将数值较低的省份融合为西部、东北部，造成整体间的差异扩大，在进行时空双固定回归后，数字交通对产业辐射强强度的影响符号便会相反，交通愈是发达，中、西、东北部地区的人才、产业会形成转移，全部转移至东部地区，而由于东部地区容量限度，中、西、东北地区产业辐射强度下降程度是远远大于东部地区产业辐射强度上升程度，从而在回归结果中呈现出整体负向影响。但经济发展水平、政府支持力度、人才专业化对产业辐射强度的影响与上文结论一致，均存在正向影响，且至少在5%的显著性水平上是显著的。

5 结论与对策建议立足于数字交通的视角，选用2012—2016、2018—2020年我国30个省级行政区的面板数据并采用空间杜宾模型探讨数字交通对产业辐射强度的作用机理，研究发现数字交通对产业辐射强度的影响是诸多与产业发展相连的因素综合作用的结果，产业辐射强度的增加不仅仅依赖于目标城市内部各要素，还受到邻边城市协同发展的制约。目标城市数字交通、经济发展水平、政府支持力度、人才专业化是区域产业辐射强度加大的重要原因，但其影响程度却不一致，政府支持力度的影响效应、溢出效应最大，区域经济发展水平的影响效应、溢出效应最小，而产业高级化却对产业辐射强度存在抑制作用；为了探究产业高级化对产业辐射强度的抑制作用，将第三产业进行行业拆分，并同时纳入SDM模型回归当中，得出产业高级化对产业辐射强度的抑制作用主要体现在金融业高级化层面，而零售业和房地产业均为促进作用。同时，邻边城市产业高级化能够促进目标城市产业辐射强度的发展，细分层面来说，主要为邻边城市交通运输、仓储、邮政业高级化能够促进目标城市产业辐射强度的发展；此外，数字交通的直接效应系数为正，间接效应为负，通过便利交通能够加速区域要素流动，而邻边城市的人才、资本等要素也会通过便利化交通，由于虹吸效应的存在，目标城市的人力资本储备补足，其产业辐射强度便会下降。基于文中的发现可得如下政策启示。一方面，在数字化背景下，我国各省政府应该加大对科学技术领域的预算投资，以此最大程度增强本地区高技术产业辐射强度；另一方面，各省政府在促进第三产业发展的同时，打造高技术制造业的优势发展地位，鼓励从业人员进入实体制造业发展，而非进入虚拟金融业，保持产业高级化与合理化并存，同时设立第三产业园区，形成片区产业集群，防止分散恶性竞争，放大集聚、辐射效应；最后，各省之间应该合理错配人才、资本等要素，防止各区域人才大规模涌入先行发展城市，从而导致本地区产业发展滞后，要建设各类人才综合服务平台，细化保障措施，实行“一站式”专窗服务，提供包括人才认定、配偶就业、子女就读、医疗保障、税收优惠、科研项目申报等方面服务。服务专岗实行“一窗受理、一次性告知、专员代办”的方式，为各类人才开辟专门的“绿色通道”，提供便捷高效的“直通车”服务，完善人才服务保障体系，应将后续服务作为可持续引智的保障。

参考文献：

[1]徐映梅，张雯婷.中国数字经济产业关联网络结构分析[J].统计与信息论坛，2021，36（08）：30-42.

[2]官锡强.东兴国家重点开发开放试验区产业辐射问题探析[J].广西社会科学，2015（01）：44-47.

[3]郭将，赵景艳.产品空间结构视角下的产业升级研究——以江苏省装备制造业为例[J].技术与创新管理，2016，37（02）：204-209.

[4]郭将，王德地.产品空间结构视角下优势产业的识别与升级——以浙江省装备制造业为例[J].技术与创新管理，2018，39（04）：397-402.

[5]郭将，李洋.技术进步路径选择对浙江省制造业升级的影响——基于产品空间视角[J].技术与创新管理，2023，44（02）：189-196.

[6]王晓梦，王锦，吴殿廷.“交通—产业”耦合背景下的京津冀城市群空间发育特征[J].地理科学进展，2018，37（09）：1231-1244.

[7]李娟，郭亮亮.产业集聚，城市规模与经济增长——基于安徽省16个地级市面板数据[J].商业经济，2023（01）：42-44+86.

[8]赵奎.产业集聚、人力资本积累与区域经济高质量增长[J].湖北工程学院学报，2023，43（01）：85-94.

[9]郑欢，王琳嘉，贺渝.成渝地区双城经济圈产业集聚与生态环境耦合协调机制研究[J].中国集体经济，2023（01）：52-55.

[10]何艳秋，王鸿春，刘云强.产业集聚视角下农业碳排放的空间效应[J].资源科学，2022，44（12）：2428-2439.

[11]杨博，王征兵.绿色技术创新对生鲜农产品绿色物流效率的影响——基于产业集聚的调节效应[J].中国流通经济，2023，37（01）：60-70.