王帥軍， 高岳林， 王苗苗

(1.北方民族大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，寧夏 銀川 750021；2.安徽農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，安徽 合肥 230036)

當(dāng)前我國(guó)經(jīng)濟(jì)正處于快速發(fā)展向高質(zhì)量發(fā)展的重要轉(zhuǎn)變時(shí)期。在傳統(tǒng)經(jīng)濟(jì)增長(zhǎng)動(dòng)力不足的情況下，數(shù)字經(jīng)濟(jì)為促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供了新動(dòng)能和可行路徑。

基于現(xiàn)有文獻(xiàn)研究，數(shù)字經(jīng)濟(jì)發(fā)展研究的方向主要集中在數(shù)字經(jīng)濟(jì)定義和內(nèi)涵、數(shù)字經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系構(gòu)建等領(lǐng)域。有關(guān)數(shù)字經(jīng)濟(jì)的定義和內(nèi)涵以及測(cè)算方式，國(guó)際上尚未形成統(tǒng)一口徑。Tapscott首次對(duì)數(shù)字經(jīng)濟(jì)的定義進(jìn)行了解釋?zhuān)骸皵?shù)字經(jīng)濟(jì)是利用數(shù)字化手段將信息和商業(yè)活動(dòng)融合，以互聯(lián)網(wǎng)作為媒介進(jìn)行交易的數(shù)字活動(dòng)。”[1]對(duì)于數(shù)字經(jīng)濟(jì)的評(píng)價(jià)體系與測(cè)算，Li等基于基礎(chǔ)設(shè)施建設(shè)、數(shù)字應(yīng)用和數(shù)字產(chǎn)業(yè)發(fā)展三個(gè)維度構(gòu)建衡量數(shù)字經(jīng)濟(jì)發(fā)展水平的指標(biāo)體系，運(yùn)用熵值法測(cè)算2018年我國(guó)各地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展水平，研究表明要素投入、技術(shù)進(jìn)步和制度改革對(duì)數(shù)字經(jīng)濟(jì)空間分布的驅(qū)動(dòng)模式呈現(xiàn)明顯的空間性[2]。Zhang等從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)、數(shù)字融合三個(gè)維度測(cè)算了我國(guó)30個(gè)省區(qū)市的數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)，構(gòu)建計(jì)量模型驗(yàn)證了數(shù)字經(jīng)濟(jì)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間技術(shù)進(jìn)步的中介效應(yīng)[3]。劉軍等通過(guò)三個(gè)維度建立數(shù)字經(jīng)濟(jì)發(fā)展水平指標(biāo)體系，運(yùn)用模型分析促進(jìn)經(jīng)濟(jì)增長(zhǎng)的驅(qū)動(dòng)因素，發(fā)現(xiàn)我國(guó)存在數(shù)字鴻溝問(wèn)題和數(shù)字經(jīng)濟(jì)發(fā)展兩極分化現(xiàn)象[4]。

本文基于前人研究基礎(chǔ)，在數(shù)字經(jīng)濟(jì)測(cè)度方面重新構(gòu)建數(shù)字經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系，測(cè)算數(shù)字經(jīng)濟(jì)指數(shù)，并結(jié)合空間效應(yīng)分析了數(shù)字經(jīng)濟(jì)發(fā)展的影響因素。

一、數(shù)據(jù)說(shuō)明與模型設(shè)定

1.數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》，選取2014-2019年中國(guó)31個(gè)省區(qū)市(由于數(shù)據(jù)缺失，不含港澳臺(tái)地區(qū))的面板數(shù)據(jù)作為研究樣本。

2.變量選取

數(shù)字經(jīng)濟(jì)發(fā)展空間格局與諸多社會(huì)因素有關(guān)。人口基礎(chǔ)是影響數(shù)字經(jīng)濟(jì)發(fā)展的一個(gè)重要因素，本文選取“年末人口總數(shù)”作為衡量人口規(guī)模(PS)的指標(biāo)。數(shù)字經(jīng)濟(jì)所依賴(lài)的互聯(lián)網(wǎng)結(jié)構(gòu)本質(zhì)與經(jīng)濟(jì)發(fā)展密不可分，進(jìn)而選取“人均GDP”作為衡量當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平(EL)的指標(biāo)。在數(shù)字時(shí)代，經(jīng)濟(jì)基礎(chǔ)薄弱的地區(qū)可以考慮發(fā)展數(shù)字經(jīng)濟(jì)來(lái)另辟新徑，發(fā)展數(shù)字經(jīng)濟(jì)必須以良好的網(wǎng)絡(luò)為基礎(chǔ)，因此選取“互聯(lián)網(wǎng)寬帶接入戶(hù)數(shù)”作為衡量當(dāng)?shù)匦畔⒒?IL)的指標(biāo)。數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)以軟件信息服務(wù)業(yè)居多，進(jìn)而選取“軟件、信息服務(wù)業(yè)人員數(shù)”作為衡量地區(qū)數(shù)字經(jīng)濟(jì)專(zhuān)項(xiàng)人力資本(HC)的指標(biāo)。政府的政策支持和科技投入也是影響數(shù)字經(jīng)濟(jì)發(fā)展的重要因素，等級(jí)高的城市先天享有更多資源，因此選取“政府財(cái)政支出占比”作為衡量政府職能(GOV)的指標(biāo)。政府職能也在促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展方面具有巨大輔助作用。運(yùn)輸多樣化以及基礎(chǔ)交通建設(shè)的發(fā)展對(duì)于電子商務(wù)和互聯(lián)網(wǎng)的發(fā)展至關(guān)重要，進(jìn)而選取“鐵路密度”作為衡量當(dāng)?shù)鼗A(chǔ)交通設(shè)施水平(TL)[5]的指標(biāo)。

變量說(shuō)明：人口規(guī)模(PS)用年末人口總數(shù)(x1)表示；經(jīng)濟(jì)發(fā)展水平(EL)用人均GDP(x2)表示；信息化水平(IL)用互聯(lián)網(wǎng)寬帶接入戶(hù)數(shù)(x3)表示；人力資本(HC)用軟件、信息服務(wù)業(yè)人員數(shù)(x4)表示；政府職能(GOV)用政府財(cái)政支出占比(x5)表示；基礎(chǔ)交通建設(shè)(TL)用鐵路密度(x6)表示。

3.模型設(shè)定

在計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域所運(yùn)用到的空間計(jì)量模型主要有三種：空間滯后模型(SLM)、空間誤差模型(SEM)、空間杜賓模型(SDM)。本文在三種模型基礎(chǔ)上再加入莫蘭指數(shù)、普通最小二乘回歸模型(OLS)，前者用以測(cè)度數(shù)字經(jīng)濟(jì)發(fā)展的全局相關(guān)性，后者作為引入空間因子后所產(chǎn)生回歸結(jié)果的對(duì)比分析。

(1)莫蘭指數(shù)(Moran’s I) 在度量空間相關(guān)性測(cè)度指標(biāo)中，莫蘭指數(shù)是經(jīng)常被引用的指數(shù)之一，本文使用全局莫蘭指數(shù)來(lái)判斷屬性值整體上是否具有空間相關(guān)性。具體計(jì)算公式如下：

(1)

全局莫蘭指數(shù)值的取值范圍為[-1,1]，指數(shù)值越接近于-1，表明研究對(duì)象負(fù)相關(guān)性越顯著，分布越隨機(jī)。指數(shù)接近于0時(shí)表明研究對(duì)象之間相互獨(dú)立。指數(shù)值越接近于1，表明研究對(duì)象正相關(guān)性越顯著，分布越聚集。

(2)普通最小二乘法(OLS) OLS是對(duì)模型所需條件要求較少的一種參數(shù)估計(jì)法，在其原理上構(gòu)建回歸模型表達(dá)式為：

Yit=α+βxit+μit

(2)

其中：t=1,2,…,n表示觀測(cè)年份；Yit表示因變量；α表示常數(shù)項(xiàng)；β為回歸系數(shù)；xit表示自變量；μit表示隨機(jī)誤差項(xiàng)[7]。OLS線性回歸方法的基本原理是：殘差平方和達(dá)到最小。

(3)空間滯后模型(SLM) 傳統(tǒng)的計(jì)量經(jīng)濟(jì)模型在使用時(shí)具有較強(qiáng)的局限性，如果被解釋變量在空間上存在依賴(lài)性，傳統(tǒng)的計(jì)量模型就不適用，而空間計(jì)量經(jīng)濟(jì)模型正是考慮了空間關(guān)聯(lián)性。因此，可以構(gòu)建空間滯后模型(SLM)[8]。

空間滯后模型表明一個(gè)變量同時(shí)受自身解釋變量和其他區(qū)域的被解釋變量的影響，模型形式如下：

(3)

其中：ρ為空間滯后被解釋變量對(duì)被解釋變量的影響程度；Wij表示權(quán)重矩陣；WijYjt表示相鄰地區(qū)的平均觀測(cè)值的空間滯后被解釋變量；β為各個(gè)解釋變量對(duì)被解釋變量的影響程度；εit為隨機(jī)誤差項(xiàng)；其他字符含義與上述模型相同。

(4)空間誤差模型(SEM) 如果隨機(jī)擾動(dòng)項(xiàng)在空間上存在相關(guān)性，即除解釋變量之外其他因素對(duì)被解釋變量的影響在空間上是相關(guān)的，那么一個(gè)空間的擾動(dòng)會(huì)隨空間效應(yīng)影響到周邊的空間[9]?？臻g計(jì)量經(jīng)濟(jì)模型中的空間誤差模型(SEM)正是反映了這種情況，其模型形式如下：

Yit=α+βxit+εit

(4)

其中：λ表示空間誤差相關(guān)系數(shù)；εit為空間誤差項(xiàng)對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的影響；μit為滿(mǎn)足OLS假設(shè)的誤差項(xiàng)；其他字符含義同上述模型。

(5)空間杜賓模型(SDM) 若考慮在空間滯后模型基礎(chǔ)上強(qiáng)調(diào)因變量同時(shí)受到自變量與因變量的空間影響，可以構(gòu)建空間杜賓模型(SDM)[10]，其模型形式如下：

(5)

其中：Wijxjt表示相鄰區(qū)域的平均觀測(cè)值的空間滯后解釋變量；γ為空間相關(guān)系數(shù)；其他字符含義同上述模型。

二、指標(biāo)體系構(gòu)建與數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)測(cè)度

1.數(shù)字經(jīng)濟(jì)發(fā)展綜合評(píng)價(jià)指標(biāo)體系構(gòu)建

本文基于可獲得的宏觀數(shù)據(jù)，構(gòu)建了我國(guó)省際數(shù)字經(jīng)濟(jì)發(fā)展評(píng)價(jià)指標(biāo)體系，該體系包括數(shù)字基礎(chǔ)、數(shù)字實(shí)踐、數(shù)字創(chuàng)新、數(shù)字改革四個(gè)一級(jí)指標(biāo)，移動(dòng)基礎(chǔ)、固定設(shè)施、企業(yè)實(shí)踐、社會(huì)實(shí)踐、創(chuàng)新投入、創(chuàng)新傳播、電商發(fā)展改革、新產(chǎn)品效益改革八個(gè)二級(jí)指標(biāo)，移動(dòng)電話(huà)交換機(jī)容量、固定長(zhǎng)途電話(huà)交換機(jī)容量、企業(yè)擁有網(wǎng)站數(shù)、網(wǎng)上零售額、發(fā)明型專(zhuān)利占專(zhuān)利申請(qǐng)比、軟件業(yè)務(wù)收入、新品開(kāi)發(fā)經(jīng)費(fèi)支出等23個(gè)三級(jí)指標(biāo)，見(jiàn)表1所列。

表1 數(shù)字經(jīng)濟(jì)指數(shù)評(píng)價(jià)指標(biāo)體系

2.數(shù)字經(jīng)濟(jì)指數(shù)的測(cè)算

數(shù)字經(jīng)濟(jì)指數(shù)使數(shù)據(jù)邏輯化，數(shù)字經(jīng)濟(jì)發(fā)展情況與其數(shù)值大小成正比，屬于代表性指標(biāo)。本文選擇NBI指數(shù)權(quán)重確定法，對(duì)指標(biāo)加以賦權(quán)，然后采用線性加權(quán)方法計(jì)算數(shù)字經(jīng)濟(jì)指數(shù)(DEI)，計(jì)算公式如下：

(6)

其中：j為標(biāo)準(zhǔn)化后的三級(jí)指標(biāo)；ωj為第j個(gè)三級(jí)指標(biāo)對(duì)數(shù)字經(jīng)濟(jì)指數(shù)的權(quán)重；Xit為測(cè)度指標(biāo)。根據(jù)表1并結(jié)合公式(6)測(cè)算方法，計(jì)算得到本文后續(xù)模型中使用的被解釋變量，即數(shù)字經(jīng)濟(jì)指數(shù)。

三、 實(shí)證分析

1.數(shù)字經(jīng)濟(jì)指數(shù)測(cè)算結(jié)果

基于NBI指數(shù)權(quán)重賦權(quán)法，對(duì)所選指標(biāo)進(jìn)行賦權(quán)。確定權(quán)重后采用線性加權(quán)方法，運(yùn)用公式(6)測(cè)算出各地區(qū)2014-2019年數(shù)字經(jīng)濟(jì)指數(shù)。結(jié)果見(jiàn)表2所列。

表2 數(shù)字經(jīng)濟(jì)指數(shù)

續(xù)表

由表2可以看出，我國(guó)全局?jǐn)?shù)字經(jīng)濟(jì)指數(shù)大體呈現(xiàn)上升趨勢(shì)，證明我國(guó)數(shù)字經(jīng)濟(jì)正得到穩(wěn)步上升發(fā)展；同時(shí)可以看出，我國(guó)各地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平差異性較大，總體呈現(xiàn)出東高西低的態(tài)勢(shì)。

2.空間相關(guān)性分析

(1) 全局空間自相關(guān) 通過(guò)計(jì)算莫蘭指數(shù)來(lái)驗(yàn)證各年份的數(shù)字經(jīng)濟(jì)發(fā)展能力是否存在空間相關(guān)關(guān)系。 從表3可以看出基于測(cè)算出的2014-2019年數(shù)字經(jīng)濟(jì)指數(shù)的全局莫蘭指數(shù)均為正值，從整體上看數(shù)字經(jīng)濟(jì)發(fā)展并非表現(xiàn)出完全隨機(jī)狀態(tài)，即數(shù)字經(jīng)濟(jì)發(fā)展能力較高區(qū)域與較高區(qū)域相鄰，較低區(qū)域與較低區(qū)域相鄰。由數(shù)字經(jīng)濟(jì)發(fā)展全局莫蘭指數(shù)的Z值、P值可知，在1%顯著水平下，數(shù)字經(jīng)濟(jì)發(fā)展在我國(guó)各省市之間整體上具有顯著的空間正自相關(guān)性，說(shuō)明存在著明顯的集聚現(xiàn)象。因此，本文所涉空間計(jì)量模型應(yīng)將空間依賴(lài)性納入其中。

表3 數(shù)字經(jīng)濟(jì)發(fā)展全局莫蘭指數(shù)值

(2) 局部空間自相關(guān) 2014年與2019年局部莫蘭指數(shù)區(qū)域分布情況見(jiàn)表4所列。四個(gè)象限分別代表四種不同的空間自相關(guān)模式，第一象限表示該地區(qū)與相鄰地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平均較高，即高高集聚(H-H)；第二象限指該地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平較低，但鄰近地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平較高，即低高集聚(L-H)；第三象限代表該地區(qū)與鄰近地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平均較低，即低低集聚(L-L)；第四象限表示該地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平較高，其鄰近地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平較低即高低集聚(H-L)。

表4 全國(guó)數(shù)字經(jīng)濟(jì)發(fā)展集聚空間關(guān)聯(lián)模式

從表4中可以看出，中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展存在空間集聚性和空間異質(zhì)性，大部分地區(qū)位于第三象限且這些地區(qū)基本位于我國(guó)東北、西部、西北地區(qū)。2014年和2019年處于第一象限的均有七個(gè)地區(qū)，河南從2014第一象限轉(zhuǎn)移至2019年第三象限，意味著該地區(qū)變?yōu)閿?shù)字經(jīng)濟(jì)發(fā)展能力較低的地區(qū)且被數(shù)字經(jīng)濟(jì)發(fā)展能力水平低的地區(qū)包圍，體現(xiàn)出正向的空間相關(guān)關(guān)系。2014年處于第二象限有八個(gè)地區(qū)，至2019年處于第二象限變?yōu)槠邆€(gè)地區(qū)，福建從2014年的第二象限轉(zhuǎn)移至2019年的第一象限，表明該地區(qū)已成為數(shù)字經(jīng)濟(jì)發(fā)展能力強(qiáng)的地區(qū)且與周邊地區(qū)體現(xiàn)出正向的空間相關(guān)關(guān)系。根據(jù)表4顯示可以得到這31個(gè)省區(qū)市中大部分以低高集聚和低低集聚為主，集聚分布具有不平衡性，兩極分化格局較為明顯，但絕大部分地區(qū)表現(xiàn)為較強(qiáng)的正向空間相關(guān)性。

(3) 空間計(jì)量模型實(shí)證分析結(jié)果 首先，通過(guò)莫蘭指數(shù)的計(jì)算可知數(shù)字經(jīng)濟(jì)發(fā)展能力在空間上存在顯著依賴(lài)性。如果忽視空間因素或者把空間因素歸為隨機(jī)擾動(dòng)項(xiàng)，那么建模得到的結(jié)果存在誤差。因此，在分析各解釋變量對(duì)數(shù)字經(jīng)濟(jì)發(fā)展能力影響時(shí)，需要將空間因素考慮在內(nèi)。

其次，為了減少變量間量綱不同可能產(chǎn)生的誤差和異方差，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。因?yàn)楸疚乃x數(shù)據(jù)為短面板數(shù)據(jù)，所以基于Stata軟件將數(shù)據(jù)進(jìn)行HT平穩(wěn)性檢驗(yàn)，數(shù)據(jù)P值均小于0.05,證明數(shù)據(jù)在5%的顯著水平下平穩(wěn)，再做方差膨脹因子檢驗(yàn)，VIF值均小于10，介于[1.56，2.85]。因此可以排除多重共線性干擾。

最后，進(jìn)行Hausman檢驗(yàn)，得到SLM、SEM、SDM模型均在1%的顯著水平下顯著，因此拒絕原假設(shè)采用面板固定效應(yīng)模型。

本文先使用OLS模型對(duì)數(shù)據(jù)進(jìn)行參數(shù)估計(jì)，得出回歸結(jié)果，再使用考慮空間因素的SLM模型對(duì)數(shù)據(jù)進(jìn)行估計(jì)，SLM模型正是強(qiáng)調(diào)本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展能力的空間溢出效應(yīng)對(duì)其他地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展能力變化的影響。SEM模型度量的是本區(qū)域影響數(shù)字經(jīng)濟(jì)發(fā)展能力的因素對(duì)本區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展能力的誤差沖擊和對(duì)于其他區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展能力變化的影響程度。SDM模型反映出本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展集聚程度、相鄰地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展集聚水平和整體數(shù)字經(jīng)濟(jì)發(fā)展對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展的影響。具體回歸結(jié)果見(jiàn)表5所列。

表5 模型回歸估計(jì)結(jié)果

進(jìn)行空間計(jì)量模型選擇之前需要對(duì)空間存在形式進(jìn)行檢驗(yàn)，即對(duì)模型的合理性進(jìn)行判斷。經(jīng)Wald檢驗(yàn)可得出SLM、SEM模型適用且合理；再基于LR檢驗(yàn)均拒絕原假設(shè)所得出SLM模型和SEM模型相較于SDM模型，SDM模型為合理模型；在模型選擇方面，通過(guò)LR檢驗(yàn)可得出個(gè)體固定效應(yīng)模型優(yōu)于時(shí)間固定以及雙固定效應(yīng)模型，因此本文采用個(gè)體固定效應(yīng)的SDM模型來(lái)展開(kāi)分析。

從表6可以看出，OLS回歸分析結(jié)果下，人口規(guī)模、當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平、人力資本在1%的置信水平下顯著正相關(guān)，此回歸結(jié)果與引入空間權(quán)重矩陣后的三個(gè)空間計(jì)量模型估計(jì)結(jié)果一致，說(shuō)明此三要素是數(shù)字經(jīng)濟(jì)發(fā)展不可或缺的正向因素。SLM模型的空間自相關(guān)系數(shù)ρ顯著為正，這說(shuō)明數(shù)字經(jīng)濟(jì)發(fā)展水平較高的區(qū)域能直接帶動(dòng)周邊省市數(shù)字經(jīng)濟(jì)發(fā)展水平的提升，這意味著數(shù)字經(jīng)濟(jì)發(fā)展能力可以產(chǎn)生正向輻射作用且系數(shù)為0.147，也就說(shuō)明本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展能力提高1%，則相鄰地區(qū)發(fā)展水平就會(huì)提高0.147%。SEM模型度量的是本區(qū)域影響數(shù)字經(jīng)濟(jì)發(fā)展水平的因素對(duì)本區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展能力的誤差沖擊和對(duì)于其他區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展水平變化的影響程度。其中誤差項(xiàng)的空間自回歸系數(shù)λ在1%的置信水平下顯著為正，說(shuō)明本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平所產(chǎn)生的誤差沖擊對(duì)于周邊地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展的影響不顯著。就信息化水平而言，OLS回歸結(jié)果顯示信息化水平雖對(duì)數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)正相關(guān)關(guān)系但不顯著，其余三個(gè)模型也是如此。因此可以得出信息化水平無(wú)法通過(guò)空間因素影響數(shù)字經(jīng)濟(jì)發(fā)展集聚。對(duì)于政府職能，OLS回歸結(jié)果顯示回歸系數(shù)顯著但SDM模型空間回歸系數(shù)顯示不顯著為正，說(shuō)明政府職能可通過(guò)空間因素影響數(shù)字經(jīng)濟(jì)發(fā)展。對(duì)于基礎(chǔ)交通建設(shè)，OLS回歸結(jié)果顯示基礎(chǔ)交通建設(shè)對(duì)數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)正相關(guān)關(guān)系但不顯著，引入空間因子后SLM模型結(jié)果與OLS相同，SEM、SDM模型呈現(xiàn)出顯著正相關(guān)性，說(shuō)明基礎(chǔ)交通建設(shè)可通過(guò)空間因素影響數(shù)字經(jīng)濟(jì)發(fā)展。

基于SDM模型的估計(jì)結(jié)果顯示，在1%的置信水平下空間自相關(guān)系數(shù)ρ顯著為正，說(shuō)明各區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展水平存在正向空間溢出效應(yīng)，此結(jié)論與前文莫蘭指數(shù)分析結(jié)果相一致。從各個(gè)影響因素來(lái)看人口規(guī)模、經(jīng)濟(jì)發(fā)展水平、人力資本、基礎(chǔ)交通建設(shè)顯著為正，而信息化水平與政府職能雖呈現(xiàn)正相關(guān)關(guān)系但不顯著，且兩者的空間滯后項(xiàng)依然如此，說(shuō)明信息化水平和政府職能對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展不存在空間相關(guān)性。人口規(guī)模和基礎(chǔ)交通建設(shè)在空間滯后項(xiàng)的結(jié)果為顯著為負(fù)，即對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展呈現(xiàn)負(fù)空間相關(guān)性。

由于SDM模型同時(shí)包含被解釋變量與解釋變量的空間滯后項(xiàng)，得出的直接回歸結(jié)果無(wú)法精準(zhǔn)估計(jì)解釋變量對(duì)本地區(qū)以及相鄰地區(qū)被解釋變量的影響，為將各個(gè)影響因素的空間效應(yīng)更加具體化展示，對(duì)SDM模型分解得到直接效應(yīng)(解釋變量對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平的影響)、間接效應(yīng)(解釋變量對(duì)相鄰地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展水平的影響)、總效應(yīng)(解釋變量對(duì)所有地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展水平的影響)，具體結(jié)果見(jiàn)表6所列。

表6 空間杜賓模型的直接效應(yīng)、間接效應(yīng)、總效應(yīng)

結(jié)合表6分析各解釋變量的效應(yīng)結(jié)果：在人口規(guī)模方面，其直接效應(yīng)顯著為正，間接效應(yīng)顯著為負(fù)，體現(xiàn)出它能促進(jìn)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展，卻會(huì)對(duì)相鄰地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展的提高造成阻礙，即對(duì)相鄰地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展具有負(fù)向空間溢出效應(yīng)。人口規(guī)模每增加1%，本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平提高4.463%，相鄰地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平會(huì)降低3.361%。人口規(guī)模越大對(duì)電子設(shè)備使用越多，會(huì)產(chǎn)生大量可供使用分析的數(shù)字信息。本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平高時(shí)也會(huì)創(chuàng)造出更多的就業(yè)崗位，從而吸納更多人口，使得人口規(guī)模增加。根據(jù)就近原則，最先受到影響的就是相鄰地區(qū)，依據(jù)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平與人口規(guī)模具有正相關(guān)關(guān)系，相鄰地區(qū)勞動(dòng)人口減少，其數(shù)字經(jīng)濟(jì)集聚發(fā)展水平自然也會(huì)降低。

在經(jīng)濟(jì)發(fā)展水平方面，分析結(jié)果表現(xiàn)出直接效應(yīng)顯著為正而間接效應(yīng)不顯著，反映出地區(qū)經(jīng)濟(jì)發(fā)展水平對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展起到促進(jìn)作用，但對(duì)于相鄰地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展影響不顯著。經(jīng)濟(jì)發(fā)展每提高1%，本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平提高0.209%。就現(xiàn)實(shí)情況而言，當(dāng)?shù)厝司鵊DP高時(shí)其消費(fèi)能力也會(huì)相應(yīng)提升，加之隨著數(shù)字經(jīng)濟(jì)的發(fā)展，電子信息服務(wù)業(yè)愈發(fā)完善，人們追求高質(zhì)量生活的向往更加強(qiáng)烈，其在數(shù)字智能產(chǎn)品上的消費(fèi)也會(huì)增多，促進(jìn)當(dāng)?shù)財(cái)?shù)字經(jīng)濟(jì)發(fā)展。

在信息化水平方面，對(duì)于直接效應(yīng)與間接效應(yīng)兩者都不顯著，因此可認(rèn)為信息化水平對(duì)本地區(qū)和相鄰地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展水平影響效果甚微。

人力資本分析表現(xiàn)出直接效應(yīng)正向顯著而間接效應(yīng)不顯著，反映出人力資本對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展起到促進(jìn)作用，但對(duì)于相鄰地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展影響不明顯，即當(dāng)?shù)厝肆Y本每提升1%，當(dāng)?shù)財(cái)?shù)字經(jīng)濟(jì)集聚發(fā)展水平提升0.643%。究其原因莫過(guò)于區(qū)域間競(jìng)爭(zhēng)力增強(qiáng)以及人力資本數(shù)量有限，當(dāng)?shù)貐^(qū)從事軟件與信息服務(wù)業(yè)的工作人員越多，說(shuō)明數(shù)字經(jīng)濟(jì)在當(dāng)?shù)刎?cái)政收入占比就越高，其數(shù)字化發(fā)展越好，對(duì)數(shù)字經(jīng)濟(jì)發(fā)展能力的促進(jìn)作用越顯著。

在政府職能方面，直接效應(yīng)與間接效應(yīng)皆為正向顯著，證明政府職能對(duì)本地區(qū)以及相鄰地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展水平均有提高作用，政府職能在促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展作用中每提升1%，則本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平提升0.178%，相鄰地區(qū)提升0.459%。由此看出政府在整體以及區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展起到了重要作用，政府職能的提升對(duì)本地區(qū)和相鄰地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展均起到促進(jìn)作用，政府通過(guò)干預(yù)當(dāng)?shù)厥袌?chǎng)資源配置以及政策環(huán)境，吸引人才、資金、高科技數(shù)字技術(shù)流入，提高數(shù)字經(jīng)濟(jì)發(fā)展水平。

最后基于基礎(chǔ)交通建設(shè)分析結(jié)果顯示，直接效應(yīng)呈現(xiàn)顯著正相關(guān)，而間接效應(yīng)呈現(xiàn)顯著負(fù)相關(guān)，即基礎(chǔ)交通建設(shè)提高1%，本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展水平提高0.194%，相鄰地區(qū)會(huì)降低0.167%?；诂F(xiàn)實(shí)分析，當(dāng)?shù)赝ㄟ^(guò)增加自身基礎(chǔ)交通建設(shè)能促進(jìn)目前以物流業(yè)為主的電子商務(wù)發(fā)展，進(jìn)而促進(jìn)由電子商務(wù)衍生出的新興產(chǎn)業(yè)發(fā)展，通過(guò)吸引大量商戶(hù)以及快遞公司等，促進(jìn)當(dāng)?shù)財(cái)?shù)字經(jīng)濟(jì)發(fā)展。交通方便時(shí)人口流動(dòng)性強(qiáng)，數(shù)字經(jīng)濟(jì)發(fā)展能力弱的地區(qū)人才流向數(shù)字經(jīng)濟(jì)發(fā)展能力強(qiáng)的地區(qū)，因此基礎(chǔ)交通設(shè)施水平對(duì)相鄰區(qū)域的數(shù)字經(jīng)濟(jì)發(fā)展具有一定的抑制作用。

四、結(jié)論與建議

為探求我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展空間格局及影響因素，本文采用空間計(jì)量模型，對(duì)2014-2019年中國(guó)31個(gè)省區(qū)市面板數(shù)據(jù)進(jìn)行空間計(jì)量分析。研究結(jié)果表明：第一，依據(jù)數(shù)字經(jīng)濟(jì)指數(shù)發(fā)現(xiàn)，近些年來(lái)我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)上升趨勢(shì)，但從水平分布來(lái)看，東部、中部、西部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平呈現(xiàn)梯度式下降。第二，我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展存在空間自相關(guān)且呈現(xiàn)集聚態(tài)勢(shì)，主要模式呈現(xiàn)低低集聚和低高集聚態(tài)勢(shì)，高高集聚與高低集聚現(xiàn)象相對(duì)較少。數(shù)字鴻溝問(wèn)題突出，數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)兩極分化態(tài)勢(shì)[11]。第三，根據(jù)影響因素分析結(jié)果表明，各影響因素均對(duì)本地區(qū)數(shù)字經(jīng)濟(jì)集聚發(fā)展呈現(xiàn)促進(jìn)作用，但人口規(guī)模和基礎(chǔ)交通建設(shè)的提升對(duì)相鄰地區(qū)的數(shù)字經(jīng)濟(jì)集聚發(fā)展產(chǎn)生抑制作用。

因此，本文提出以下建議：第一，推進(jìn)數(shù)字經(jīng)濟(jì)協(xié)同發(fā)展，加強(qiáng)區(qū)域合作。重視并發(fā)揮我國(guó)數(shù)字經(jīng)濟(jì)集聚發(fā)展的正向溢出效應(yīng)，發(fā)揮數(shù)字經(jīng)濟(jì)發(fā)達(dá)地區(qū)(北京、上海、山東、江蘇、浙江、廣東等)的正向輻射和帶動(dòng)作用，引導(dǎo)數(shù)字經(jīng)濟(jì)在中部地區(qū)協(xié)同發(fā)展。中部地區(qū)利用地理、人力資本、交通等優(yōu)勢(shì)與西部地區(qū)加強(qiáng)數(shù)字產(chǎn)業(yè)合作。西部地區(qū)應(yīng)大力發(fā)展數(shù)字人才引進(jìn)計(jì)劃，助力西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展。第二，制定合理數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略，縮小數(shù)字鴻溝。政府在制定和實(shí)施數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略時(shí)，應(yīng)根據(jù)實(shí)際情況對(duì)數(shù)字經(jīng)濟(jì)發(fā)展相對(duì)落后地區(qū)實(shí)行戰(zhàn)略?xún)A斜，支援落后地區(qū)建設(shè)高標(biāo)準(zhǔn)數(shù)字基礎(chǔ)設(shè)施，優(yōu)化資源要素供給，完善數(shù)字人才培養(yǎng)機(jī)制，因地制宜，合理布局?jǐn)?shù)字產(chǎn)業(yè)基地，促進(jìn)各區(qū)域數(shù)字經(jīng)濟(jì)集聚發(fā)展。