李芳芝,吳葉靜婷

(安徽財經(jīng)大學(xué) 統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030)

0 引 言

隨著互聯(lián)網(wǎng)與信息技術(shù)的深入發(fā)展，數(shù)據(jù)作為一種新型的生產(chǎn)要素投入生產(chǎn)，并且對經(jīng)濟增長產(chǎn)生了較大的影響。數(shù)字經(jīng)濟作為新一輪產(chǎn)業(yè)革命的起點，是中國經(jīng)濟高質(zhì)量增長的突破口。中國信息通信研究院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展白皮書(2020)》顯示：數(shù)字經(jīng)濟在中國GDP中的比重從2005年的14.2%上升至2019年的36.2%，占比同比增長1.4個百分點，2019年全球數(shù)字經(jīng)濟平均名義增速為5.4%，高收入國家數(shù)字經(jīng)濟發(fā)展規(guī)模占全球比重達到76.9%。中國數(shù)字經(jīng)濟的發(fā)展水平相較于國外來說具有一定差距，但是也展現(xiàn)出驚人的發(fā)展速度，2019年中國數(shù)字經(jīng)濟增長領(lǐng)跑全球，同比增長15.6%，中國數(shù)字經(jīng)濟的增加值達到了35.8萬億元。許憲春與張美慧測算了中國數(shù)字經(jīng)濟規(guī)模，并將規(guī)模與美國和澳大利亞進行比較，結(jié)果得出中國數(shù)字經(jīng)濟增加值年實際增長速度明顯快于美國和澳大利亞。[1]邵春堡提出了應(yīng)該將數(shù)字經(jīng)濟應(yīng)與實體經(jīng)濟進行融合，推動中國實體經(jīng)濟的發(fā)展。[2]就目前來說，對于數(shù)字經(jīng)濟與區(qū)域經(jīng)濟之間的空間關(guān)系研究較少，但空間計量模型在經(jīng)濟發(fā)展中的應(yīng)用較為廣泛。比如賀健以數(shù)字惠普金融指數(shù)代表不同省份數(shù)字經(jīng)濟發(fā)展水平，探究其與經(jīng)濟高質(zhì)量發(fā)展的地區(qū)之間的差異；結(jié)果表明，數(shù)字惠普金融對中國經(jīng)濟高質(zhì)量發(fā)展有著促進作用，并且在不同地區(qū)表現(xiàn)出不同的效果。[3]而且數(shù)字惠普金融對中國數(shù)字經(jīng)濟高質(zhì)量發(fā)展的促進作用存在單一門檻效應(yīng)。熊雯婕基于空間杜賓模型研究了中國30個省份互聯(lián)網(wǎng)經(jīng)濟發(fā)展與區(qū)域創(chuàng)意效率之間的關(guān)系，結(jié)果表明互聯(lián)網(wǎng)經(jīng)濟與區(qū)域創(chuàng)新效率存在顯著的空間集聚特性，進一步通過中介效應(yīng)發(fā)現(xiàn)，互聯(lián)網(wǎng)經(jīng)濟發(fā)展主要是通過加速了金融發(fā)展與人力資本的積累。[4]黎蕾蕾基于金融功能的視角，對金融發(fā)展對經(jīng)濟增長的作用進行了研究，結(jié)果顯示存在正向影響，但不具有空間溢出效應(yīng)。[5]在對現(xiàn)有文獻與方法的總結(jié)學(xué)習(xí)的基礎(chǔ)上，發(fā)現(xiàn)尚未有文獻探究數(shù)字經(jīng)濟的空間溢出效應(yīng)。

本文依據(jù)2013—2019年省際面板數(shù)據(jù)，以數(shù)字經(jīng)濟的直接傳導(dǎo)機制與間接傳導(dǎo)機制出發(fā)，構(gòu)建空間杜賓模型，以中國數(shù)字經(jīng)濟發(fā)展對區(qū)域經(jīng)濟增長的促進作用及空間溢出效應(yīng)為主題，進行深入分析與研究，為中國數(shù)字經(jīng)濟建設(shè)提出可行性建議。

1 理論分析

1.1 直接傳導(dǎo)機制

數(shù)字經(jīng)濟的發(fā)展溢出效應(yīng)推動區(qū)域經(jīng)濟增長，具體表現(xiàn)在以下幾個方面：網(wǎng)絡(luò)效應(yīng)、長期效應(yīng)、示范與競爭效應(yīng)。[6-8]為了保證自身產(chǎn)品競爭力，會引起實體部門內(nèi)的相互競爭，極大地激發(fā)企業(yè)創(chuàng)新的積極性。因此數(shù)字經(jīng)濟的發(fā)展對區(qū)域經(jīng)濟具有直接的促進作用，并且考慮空間上存在的相關(guān)性，認為其促進作用也存在空間溢出效應(yīng)。

1.2 間接傳導(dǎo)機制

數(shù)字經(jīng)濟不僅可以直接促進區(qū)域經(jīng)濟發(fā)展水平，也可以通過影響教育水平、外商投資、金融制度等間接地影響中國經(jīng)濟。[9]數(shù)字經(jīng)濟的出現(xiàn)，吸引大量的外商投資，為外商投資企業(yè)進出口創(chuàng)造了條件，成為經(jīng)濟發(fā)展的引擎，使得中國經(jīng)濟水平得到提高。以數(shù)字經(jīng)濟的內(nèi)涵出發(fā)，人力資本是其包含的重要部分，數(shù)字經(jīng)濟推動教育的發(fā)展，為中國經(jīng)濟建設(shè)源源不斷地提供高質(zhì)量人才，人力資源的高級化也能夠大大提升區(qū)域GDP，推動經(jīng)濟增長。

因此綜合考慮，提出假設(shè)：數(shù)字經(jīng)濟發(fā)展對區(qū)域經(jīng)濟具有促進作用且存在一定的空間溢出效應(yīng)。

2 變量選取與模型設(shè)計

2.1 變量選取

被解釋變量：本文的被解釋變量為區(qū)域GDP，為防止數(shù)據(jù)單位不同造成模型選擇的失誤，故選取區(qū)域GDP的對數(shù)。數(shù)據(jù)來源國家統(tǒng)計局各年份統(tǒng)計年鑒。

解釋變量：本文選取2013—2019年統(tǒng)計數(shù)據(jù)，分析中國30個地區(qū)(因西藏地區(qū)缺失數(shù)據(jù)，故本次分析不考慮西藏自治區(qū))的數(shù)字經(jīng)濟發(fā)展水平。數(shù)字經(jīng)濟發(fā)展水平指標地構(gòu)建是一個非常復(fù)雜的過程，不能僅僅使用單一指標進行衡量。張雪玲初步探索了中國數(shù)字經(jīng)濟發(fā)展評價指標體系，從信息通信基礎(chǔ)設(shè)施、ICT初級應(yīng)用、ICT高級應(yīng)用、企業(yè)數(shù)字化發(fā)展和信息和通信技術(shù)產(chǎn)業(yè)發(fā)展五個方面構(gòu)造評價體系[10]；劉軍從信息化發(fā)展、互聯(lián)網(wǎng)發(fā)展和數(shù)字交易發(fā)展三個維度構(gòu)建了中國分省份數(shù)字經(jīng)濟評價指標體系;基于統(tǒng)計年鑒數(shù)據(jù),測度了2015—2018年中國30個省份數(shù)字經(jīng)濟發(fā)展水平。[14]因此，本文綜合現(xiàn)有文獻，選取數(shù)字經(jīng)濟基礎(chǔ)設(shè)施建設(shè)、數(shù)字化產(chǎn)業(yè)、數(shù)字化應(yīng)用以及數(shù)字化創(chuàng)新等四個方面進行分析。一共選取了18個指標，采用熵值法確定權(quán)重，并計算各省市綜合得分作為各省數(shù)字經(jīng)濟發(fā)展水平，見表1。

表1 數(shù)字經(jīng)濟發(fā)展水平指標體系

控制變量：胡德順選取政府干預(yù)程度、外商直接投資、人口密度與城市金融發(fā)展水平作為控制變量，解決模型可能存在的內(nèi)生性問題。[13]趙濤選取政府分權(quán)度、外商投資、金融發(fā)展水平、人口密度等作為控制變量。[12]參考已有學(xué)者的研究，兼顧數(shù)據(jù)的可得性。選取基礎(chǔ)設(shè)施建設(shè)：互聯(lián)網(wǎng)接入端口數(shù)；金融發(fā)展水平：互聯(lián)網(wǎng)金融產(chǎn)業(yè)收入；創(chuàng)新能力：專利申請數(shù)；勞動力價值：數(shù)字經(jīng)濟產(chǎn)業(yè)平均工資；電子商務(wù)發(fā)展水平：電子商務(wù)交易額；交通情況：私人汽車擁有量，外商投資情況：外商投資進出額作為控制變量。

2.2 方法與計量模型

2.2.1 熵值法

數(shù)字經(jīng)濟評價指標體系構(gòu)建完成后，需要對指標進行賦權(quán)，計算每個指標相應(yīng)的權(quán)重。賦權(quán)的方法分為主觀賦權(quán)法與客觀賦權(quán)法。主觀賦權(quán)法是依據(jù)人為的判斷來決定指標的權(quán)重，客觀賦權(quán)法則依據(jù)原始數(shù)據(jù)對指標進行賦權(quán)。數(shù)字經(jīng)濟發(fā)展指標不能人為的判斷出指標的重要性，因此采用客觀賦權(quán)法更為合理?？陀^賦權(quán)法中使用最為廣泛的就是熵值法。

運用熵值法確定權(quán)重時，熵是用來確定不確定因素的。熵值法是計算出指標的離散程度，用來判斷該指標對綜合評價的影響情況。具體包括：當離散程度越大，該指標對綜合評價的影響就越大；當離散程度越小時，該指標對綜合評價的影響就越小。熵值法的優(yōu)點是充分利用了原始數(shù)據(jù)，用原始數(shù)據(jù)計算出各個指標的權(quán)重，為多指標綜合評價提供依據(jù)。主要的計算步驟為：設(shè)原始數(shù)據(jù)矩陣為A，其中aij表示第i個因素下第j個指標的評價值。

(a)計算指標值比重的pij：

(1)

(b)計算指標熵值：

(2)

(c)計算單個指標權(quán)重：

(3)

其中：hj=1-e

(d)計算指標綜合權(quán)重：

(4)

2.2.2 空間自相關(guān)

Tobler認為事物都與事物之間都存在相互關(guān)聯(lián)，但是，距離較近的事物存在的關(guān)聯(lián)性比距離較遠的事物更強。[14,15]統(tǒng)計學(xué)大部分研究中，都是假定各省的變量相互獨立，但實際情況下，省域省之間都存在著廣泛的聯(lián)系，而且就一般來說，距離近的省份之間的聯(lián)系會更加緊密。因此，對于這種存在的空間效應(yīng)，OLS估計的結(jié)果就會存在偏誤，空間計量經(jīng)濟學(xué)即空間計量模型順勢而生。在構(gòu)建模型之前，首先需要進行空間相關(guān)性檢驗。

確定數(shù)據(jù)之間是否存在著空間依賴性，是判斷能否正確的使用空間計量方法的前提。其中“莫蘭指數(shù)”應(yīng)用最為廣泛。

(5)

(6)

2.2.3 空間計量模型

20世紀70年代前后，出現(xiàn)了空間計量經(jīng)濟學(xué)。隨著面板數(shù)據(jù)的出現(xiàn)，空間計量模型逐漸發(fā)展并進入主流。主要原因是由于現(xiàn)在空間數(shù)據(jù)越來越容易獲得，且學(xué)者越來越開始關(guān)注空間關(guān)系。一般空間計量模型的形式如下[6,7]：

(7)

其中：yit是被解釋變量；yi,t-1是被解釋變量的一階滯后項；xit是解釋變量；是空間滯后項；表示解釋變量的滯后項；μi是區(qū)域i的個體效應(yīng)；yt是時間效應(yīng)。

若λ=0，則該模型為空間杜賓模型(SDM)；若λ=δ=0，則該模型為空間滯后模型(SAR)；若τ=δ=0，則模型為空間自相關(guān)模型(SARAR)；若τ=p=δ=0，則模型為空間誤差模型(SEM)。

空間杜賓模型是空間滯后模型與空間誤差模型的一般形式，能捕捉到各經(jīng)濟單位之間的空間異質(zhì)性與溢出性，具有良好特性[16]。建立模型具體形式如下：

(8)

3 實證結(jié)果

3.1 綜合得分

在對數(shù)據(jù)進行分析之前，考慮數(shù)據(jù)單位不同，數(shù)量級存在較大差異，將數(shù)據(jù)進行標準化處理，由于本文所用指標均為極大型指標，考慮采用進行標準化處理，再對數(shù)據(jù)進行標準化處理之后。利用熵值法求出的數(shù)字經(jīng)濟指標的權(quán)重,如下表2。

表2 數(shù)字經(jīng)濟發(fā)展指標處理結(jié)果及權(quán)重

續(xù)表2 數(shù)字經(jīng)濟發(fā)展指標處理結(jié)果及權(quán)重

通過熵值法計算2013—2019年中國30個省份數(shù)字經(jīng)濟的綜合得分，為消除標準化后數(shù)據(jù)為0，會忽略指標對綜合評分的影響，故對數(shù)據(jù)進行標準化處理之后，每個值又加了1。

3.2 空間自相關(guān)

通過整理2013—2019年的數(shù)據(jù)發(fā)現(xiàn)，沿海地區(qū)的生產(chǎn)總值始終處于領(lǐng)先地位，東部地區(qū)的生產(chǎn)總值一般高于西部地區(qū)。

從表3可以看出各省份全局Moran指數(shù)均為正值，2013-2019年區(qū)域經(jīng)濟發(fā)展水平有正向空間相關(guān)性。因此，進行空間計量分析是十分必要的。

表3 莫蘭指數(shù)表

通過“莫蘭指數(shù)”確定數(shù)據(jù)之間存在空間集聚性之后，需要通過LR檢驗進一步判斷空間杜賓模型是否會退化成為空間滯后模型(SAR)或空間誤差模型(SEM)。LR檢驗結(jié)果如表4，模型均通過了檢驗，確定最終模型為空間杜賓模型(SDM)。

表4 空間計量模型選擇結(jié)果

3.3 空間計量模型

經(jīng)Hausman檢驗，統(tǒng)計值為-1.73。說明不能拒絕存在隨機效應(yīng)的原假設(shè)，因此采用隨機效應(yīng)的空間杜賓模型(SDM)更有效。這可能是因為，隨機效應(yīng)相對于固定效應(yīng)來說，在存在較多的空間單位個體情況下，可以有效的避免自由度的降低。由于空間相關(guān)性的存在，OLS估計模型不再滿足基本假設(shè)?？臻g杜賓模型結(jié)果如表5。

表5 SDM估計結(jié)果

從表5結(jié)果可以看出，p在10%的顯著性水平下顯著。回歸結(jié)果表明，數(shù)字經(jīng)濟發(fā)展水平會推動區(qū)域經(jīng)濟的增長，說明大力發(fā)展數(shù)字經(jīng)濟，可以帶動經(jīng)濟的發(fā)展；并且數(shù)字經(jīng)濟的空間滯后項在1%的顯著性水平下顯著為正，這意味著數(shù)字經(jīng)濟發(fā)展存在顯著的空間網(wǎng)絡(luò)外部性，再一次表明中國數(shù)字經(jīng)濟發(fā)展水平在不同省份之間存在顯著的空間溢出效應(yīng)。說明省份數(shù)字經(jīng)濟發(fā)展水平高會帶動鄰近省份經(jīng)濟的發(fā)展，也驗證了本文假設(shè)的正確。

3.4 直接效應(yīng)與間接效應(yīng)

LeSage和Pace在2009年指出利用空間回歸模型的點估計方法來檢驗空間變量是否存在溢出效應(yīng)得出的結(jié)論是存在偏誤的，通過求偏微分的方法將點估計方法中的系數(shù)估計值分解為直接效應(yīng)和間接效應(yīng)(見表6)，可以有限避免這種偏誤。

表6 直接效應(yīng)和間接效應(yīng)檢驗

從直接效應(yīng)和間接效應(yīng)可以看出，數(shù)字經(jīng)濟發(fā)展水平的直接效應(yīng)顯著為正，說明數(shù)字經(jīng)濟的快速發(fā)展對本省的經(jīng)濟會產(chǎn)生正向影響；間接效應(yīng)也顯著為正，說明本地區(qū)數(shù)字經(jīng)濟的發(fā)展不僅會影響本省的經(jīng)濟，也會促進相鄰省份的經(jīng)濟發(fā)展，存在空間上的溢出效應(yīng)，從總效應(yīng)來看，在1%的顯著性水平下通過檢驗，說明數(shù)字經(jīng)濟的發(fā)展能對區(qū)域經(jīng)濟產(chǎn)生顯著影響，驗證本文假設(shè)成立。其他控制變量中，勞動力價值、電子商務(wù)發(fā)展水平、外商投資情況間接效應(yīng)均顯著，說明這些控制變量在空間上也會對地區(qū)經(jīng)濟發(fā)展水平產(chǎn)生影響。

4 結(jié) 論

本文基于2013—019年省際面板數(shù)據(jù)，通過熵值法測度各省份數(shù)字經(jīng)濟發(fā)展水平，進一步運用空間杜賓模型研究數(shù)字經(jīng)濟發(fā)展對區(qū)域GDP的影響，從理論與實證的角度分別證明了數(shù)字經(jīng)濟發(fā)展對區(qū)域經(jīng)濟的內(nèi)在作用，得出主要結(jié)論有：一是通過熵值法測度的數(shù)字經(jīng)濟發(fā)展水平可以看出，近幾年，中國數(shù)字經(jīng)濟發(fā)展水平迅速，總體的發(fā)展趨勢是一直上升的。2019年數(shù)字經(jīng)濟發(fā)展水平的綜合得分相較于2013年增幅較大，說明中國數(shù)字經(jīng)濟發(fā)展態(tài)勢較好。其中廣東、江蘇、北京、浙江、上海數(shù)字經(jīng)濟發(fā)展綜合得分領(lǐng)先其他省份，說明這些省份在數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化中發(fā)展突出。寧夏、青海、新疆這些省份數(shù)字經(jīng)濟發(fā)展綜合得分排名較為落后，說明這些省份在數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化發(fā)展過程中進步較為緩慢。廣東、江蘇將繼續(xù)帶領(lǐng)全國數(shù)字產(chǎn)業(yè)化不斷發(fā)展，中部六省數(shù)字經(jīng)濟發(fā)展規(guī)模也穩(wěn)步上升。西部城市雖然增速較緩，但也呈現(xiàn)出積極的發(fā)展態(tài)勢。二是中國各省份的經(jīng)濟增長存在顯著的空間相關(guān)性。數(shù)字經(jīng)濟的發(fā)展對區(qū)域經(jīng)濟存在顯著的正向外部效應(yīng)，且作用明顯，具有空間溢出效用。