吳青青，吳義根，趙甜甜

（池州學(xué)院，安徽 池州 247000）

0 引言

隨著改革開放的不斷深化，我國經(jīng)濟逐步邁入高質(zhì)量發(fā)展階段，各地政府也積極引導(dǎo)推進數(shù)字經(jīng)濟與實體經(jīng)濟深度融合，賦能產(chǎn)業(yè)升級，為經(jīng)濟發(fā)展提供新動能。目前國內(nèi)學(xué)者圍繞數(shù)字經(jīng)濟測度、數(shù)字經(jīng)濟發(fā)展現(xiàn)狀、存在的問題、數(shù)字經(jīng)濟與高質(zhì)量發(fā)展的關(guān)系等方面展開了大量的理論和實證研究。張雪玲從信息通訊基礎(chǔ)設(shè)施、信息和通信技術(shù)產(chǎn)業(yè)、ICT初級應(yīng)用、ICT高級應(yīng)用、企業(yè)數(shù)字化這五個方面選取相關(guān)子指標(biāo)，通過熵值法確定指標(biāo)權(quán)重，得出了中國數(shù)字經(jīng)濟發(fā)展評價指數(shù)，并通過對各分類指標(biāo)的灰色關(guān)聯(lián)分析，提出數(shù)字經(jīng)濟發(fā)展中存在的種種問題和應(yīng)對措施［1］。徐清源等認為，加強數(shù)字經(jīng)濟測度理論研究和創(chuàng)新數(shù)據(jù)來源是推進中國數(shù)字經(jīng)濟發(fā)展研究的有效途徑［2］。劉海啟、曹正勇等人分別從農(nóng)業(yè)及制造業(yè)數(shù)字化方面驗證數(shù)字經(jīng)濟將對傳統(tǒng)經(jīng)濟活動產(chǎn)生深刻影響［3-5］。劉傳輝、楊志鵬等人在研究城市群時得出的結(jié)論認為城市群之間存在數(shù)字經(jīng)濟差異且城市群內(nèi)城市間的數(shù)字經(jīng)濟發(fā)展水平差異明顯［6］。鐘業(yè)喜、毛煒圣等人探討長江經(jīng)濟帶數(shù)字經(jīng)濟水平空間格局，認為長江經(jīng)濟帶數(shù)字經(jīng)濟發(fā)展水平整體偏低，地理分布差異明顯［7-8］。

總體來看，已有文獻對數(shù)字經(jīng)濟測度、數(shù)字經(jīng)濟分布格局及影響因素的研究是豐富且有效的。由于各學(xué)者所用的測度方法不同，導(dǎo)致地區(qū)數(shù)字經(jīng)濟的研究結(jié)論有所差異。但是無論從數(shù)字經(jīng)濟發(fā)展的規(guī)模，還是數(shù)字化程度及經(jīng)濟可持續(xù)性增長來看，長三角地區(qū)在我國六大城市群中始終處于領(lǐng)先地位。研究長三角城市群的數(shù)字經(jīng)濟一體化，對推動長三角地區(qū)經(jīng)濟高質(zhì)量發(fā)展，解決內(nèi)部地區(qū)發(fā)展不均衡問題，促進國內(nèi)國際經(jīng)濟雙循環(huán)發(fā)展有著十分重要的現(xiàn)實意義。本文基于數(shù)字經(jīng)濟指數(shù)的測度，通過對長三角地區(qū)面板數(shù)據(jù)的實證分析，探究長三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平影響因素及促進長三角地區(qū)數(shù)字經(jīng)濟一體化發(fā)展的有效方法。

1 方法介紹

1.1 熵值法

熵值法是判斷某個指標(biāo)對綜合指數(shù)影響程度的一種數(shù)據(jù)處理方法，同時也可以作為綜合評價指數(shù)的一種計算方法，要求指標(biāo)具有同向性。計算步驟如下：

（1）選取m項指標(biāo)，n個樣本，則xij為第i個樣本的第j項指標(biāo)的數(shù)值，其中i=1,2,…,n;j=1,2,…,m；

（2）指標(biāo)的標(biāo)準(zhǔn)化處理:為了避免量綱對指標(biāo)計算的影響，需對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，處理后數(shù)據(jù)記作

（3）計算第j項指標(biāo)下第i個樣本占該指標(biāo)比重

（4）計算第j項指標(biāo)的熵值：

（5）計算第j項指標(biāo)的差異系數(shù)：gj=1-ej，gj越大指標(biāo)越重要；

1.2 面板數(shù)據(jù)模型

面板數(shù)據(jù)指的是N個不同個體在T個不同時期的觀測值，其中個體可以是個人或企業(yè)，時間可以是任意周期。參考高鐵梅的計量經(jīng)濟分析方法與建模［9］，在參數(shù)不隨時間變化前提下，面板數(shù)據(jù)模型根據(jù)模型的截距項和系數(shù)向量是否為常數(shù)，分為混合回歸模型（都為常數(shù)）、變截距模型（截距項為常數(shù)）和變系數(shù)模型（皆非常數(shù)）三種類型。

混合模型：

變截距模型：

變系數(shù)模型：

其中，yit是被解釋變量；xit=(x1,it,x2,it,…,xk,it)′，αi是截距項，代表截面單元的個體特性，反映遺漏的體現(xiàn)個體差異的影響；βit是估計參數(shù)向量；xit是解釋變量，是影響截面單元的解釋變量向量；μit是隨機擾動項，反映遺漏的體現(xiàn)截面與時序同時變化的影響；i代表不同截面單元，t代表不同時間。

在參數(shù)不隨時間變化前提下，可以通過協(xié)方差分析構(gòu)造的F統(tǒng)計量進行檢驗，檢驗個體效應(yīng)模型一般使用F統(tǒng)計量檢驗，如式（4）所示：

其中N是截面?zhèn)€數(shù)，T是時間長度，K是解釋變量個數(shù)，SSEp是混合估計模型的殘差平方和，SSEf是個體固定效應(yīng)模型的殘差平方和。

本文為了更深層次地分析問題，先確定被解釋變量的影響因素，再建立面板數(shù)據(jù)模型，由于實證部分的橫截面?zhèn)€數(shù)大于時序個數(shù)，采用截面加權(quán)估計法（Cross Section Weights，CSW）來估計模型中的參數(shù)［10］。文中參數(shù)估計與檢驗均是通過Eviews7.2實現(xiàn)。

2 長三角地區(qū)數(shù)字經(jīng)濟指數(shù)測度

2.1 指標(biāo)選取

為精確測度長三角城市群數(shù)字經(jīng)濟發(fā)展水平，在總結(jié)現(xiàn)有數(shù)字經(jīng)濟測度方法、指標(biāo)選取方法的基礎(chǔ)上，遵守簡潔性、導(dǎo)向性、可行性、典型性四個原則，逐步建立了數(shù)字經(jīng)濟發(fā)展水平的指標(biāo)體系［6，11］，如表1所示。

表1 城市數(shù)字經(jīng)濟指數(shù)指標(biāo)體系

2.2 基于長三角地區(qū)各城市的數(shù)字經(jīng)濟指數(shù)結(jié)果分析

運用熵值法，進一步測算2010-2019年長三角地區(qū)26個城市的數(shù)字經(jīng)濟指數(shù)及其排名，如表2所示。

表2 2010-2019年城市數(shù)字經(jīng)濟指數(shù)與排名

由表2結(jié)果可知：2010-2019年，上海和蘇州的數(shù)字經(jīng)濟指數(shù)在長三角地區(qū)排名穩(wěn)居前列。從整個長江三角洲地區(qū)發(fā)展格局來看，蘇滬一體化的程度高，二者地理位置相鄰且有較強的互補性也是其得以不斷發(fā)展的重要原因。若要實現(xiàn)更高質(zhì)量的長三角地區(qū)數(shù)字經(jīng)濟一體化，發(fā)揮上海和蘇州在長三角城市群的龍頭作用，加強蘇滬地區(qū)合作，已是重中之重。與此同時，寧波、杭州分別位列第三、第四，作為寧波通往上海的橋頭堡，杭州灣新區(qū)利用其科技創(chuàng)新優(yōu)勢和地理優(yōu)勢，帶動了杭州寧波以及長三角地區(qū)其他城市的共同發(fā)展。

表2 2010-2019年城市數(shù)字經(jīng)濟指數(shù)與排名（續(xù)表）

2.3 長三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平的空間分布

2020年長三角城市數(shù)字經(jīng)濟指數(shù)見表3。以此為例研究其空間上分布特征，數(shù)字經(jīng)濟指數(shù)和累積百分比如圖1所示，可知長三角地區(qū)各城市數(shù)字經(jīng)濟發(fā)展水平波動性較大，城市發(fā)展區(qū)域不平衡比較明顯?；陂L三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平，運用K-均值進行聚類分析，結(jié)果見表4。

圖1 2020年長三角地區(qū)數(shù)字經(jīng)濟指數(shù)分布及百分比

表3 2020年城市數(shù)字經(jīng)濟指數(shù)與排名

表4 長三角地區(qū)數(shù)字經(jīng)濟發(fā)展層次體系

由表4可知，上海作為長三角地區(qū)的核心城市競爭力最強，形成第一層級，蘇州、南京、寧波、無錫、杭州、合肥、金華這些較發(fā)達城市的數(shù)字經(jīng)濟競爭力次之，形成第二層級，競爭力相對較弱的是后加入長三角地區(qū)的幾個城市，包括安徽省所有沿江城市及江蘇省、浙江省的一些欠發(fā)達地區(qū)組成第三層級。在空間上形成強強集聚、弱弱集聚的空間分布特征。也進一步說明了長三角地區(qū)內(nèi)部經(jīng)濟發(fā)展不均衡不協(xié)調(diào)，數(shù)字經(jīng)濟發(fā)展的領(lǐng)頭城市少，數(shù)字經(jīng)濟發(fā)展水平薄弱城市聚集且多。

3 長三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平影響因素分析

為推進經(jīng)濟的高速度、高質(zhì)量發(fā)展，需要更高質(zhì)量的人力資本，人口總數(shù)決定了人力資源的基本規(guī)模，接受高等教育的在校大學(xué)生決定了人力資源的質(zhì)量，由此選用人口總數(shù)（L1）、萬人大學(xué)生數(shù)（L2）來衡量人力資源指標(biāo)。人均收入水平不斷提高助推了第三產(chǎn)業(yè)的迅速發(fā)展，因此選取人均GDP（E1）、第三產(chǎn)業(yè)占比（E2）作為提高生產(chǎn)力水平和社會進步的國民經(jīng)濟發(fā)展水平指標(biāo)來反映地區(qū)經(jīng)濟發(fā)展基礎(chǔ)。

3.1 個體固定效應(yīng)建模

由于實證數(shù)據(jù)是基于2010-2020年長三角地區(qū)26個城市相關(guān)指標(biāo)數(shù)據(jù)，其時序數(shù)小于截面數(shù)，為短截面數(shù)據(jù)，無需進行單位根檢驗。為保證面板數(shù)據(jù)的平穩(wěn)性，首先對E1、L1兩個指標(biāo)取對數(shù)處理，再進行建模。

（1）F檢驗

F統(tǒng)計量檢驗式通常由混合估計模型以及個體固定效應(yīng)模型的殘差平方和構(gòu)造，檢驗個體效應(yīng)模型一般使用F統(tǒng)計量檢驗，見式（4）。Eviews7.2中兩個模型估計得殘差平方分別為：SSEp=0.0868，SSEf=0.0144。

將N=26，T=11，K=4代入式（4）計算出F統(tǒng)計量：

在顯著性水平為0.05的情況下，F(xiàn)＝51.484即落在拒絕域內(nèi)，從而根據(jù)檢驗結(jié)果拒絕原假設(shè)，選擇個體效應(yīng)。

（2）Hausman檢驗

Hausman檢驗?zāi)軝z驗?zāi)Ｐ蛡€體效應(yīng)與解釋變量是否相關(guān)，其原假設(shè)為個體效應(yīng)與解釋變量不相關(guān)，通過Hausman檢驗進而確定模型為固定效應(yīng)還是隨機效應(yīng)，使用Eviews7.2中Hausman檢驗，結(jié)果如圖2所示。

圖2 Hausman檢驗圖

從圖2豪斯曼檢驗結(jié)果可以看出P值小于0.01，在顯著性水平為0.01的情況下，檢驗結(jié)果落在拒絕域內(nèi)，拒絕原假設(shè)，選擇個體固定效應(yīng)模型。

（3）參數(shù)估計

為了減小異方差和自相關(guān)對模型參數(shù)估計效果的影響，這里選擇GLS Weight方法估計個體固定效應(yīng)模型，參數(shù)估計結(jié)果如表5所示。

表5 模型參數(shù)估計結(jié)果

3.2 結(jié)果分析

從表5參數(shù)估計結(jié)果可以看出，模型F檢驗的P值小于0.01，說明面板回歸模型是顯著的，R2(adj)=0.959說明模型擬合效果較好。參數(shù)的T檢驗中，人口總數(shù)的P值大于0.05，在5%的顯著性水平下系數(shù)不顯著。人均GDP的估計系數(shù)小于零，說明此時經(jīng)濟發(fā)展和人口規(guī)模已經(jīng)處于規(guī)模報酬遞減的階段。根據(jù)經(jīng)濟學(xué)中經(jīng)濟增長的收斂性［12］，盡管各地區(qū)的經(jīng)濟發(fā)展水平不同且人均GDP在特定時期內(nèi)存在差異，但最終將趨于相同，即在不同的發(fā)展階段，各個城市的數(shù)字經(jīng)濟發(fā)展水平與人均GDP水平相互影響程度不同。

第三產(chǎn)業(yè)占比和萬人在校大學(xué)生數(shù)這兩個變量的T檢驗均顯著，且符號均為正。第三產(chǎn)業(yè)占比（E2）的估計系數(shù)為0.0002，在其他條件不變的情況下，E2每增加一個單位，數(shù)字經(jīng)濟指數(shù)平均增加0.0002。萬人在校大學(xué)生數(shù)（L2）的估計系數(shù)為0.0005，在其他條件不變的情況下，L2每增加一個單位，數(shù)字經(jīng)濟指數(shù)平均增加0.0005。這也說明了地區(qū)的人力資源質(zhì)量和經(jīng)濟發(fā)達程度對數(shù)字經(jīng)濟發(fā)展起正向作用。

由表5中各城市的截距項估計值可知，長三角地區(qū)上海以及江蘇省和浙江省大部分城市的截距項大于0，安徽省的城市截距項均小于0。從另一個角度反映出上海及江浙地區(qū)的數(shù)字經(jīng)濟基礎(chǔ)強，安徽省內(nèi)城市數(shù)字經(jīng)濟發(fā)展水平相對較弱。結(jié)合實際可知，上海、江蘇、浙江等部分城市綜合實力較強，數(shù)字經(jīng)濟發(fā)展水平全國領(lǐng)先，數(shù)字產(chǎn)業(yè)化滲透廣，數(shù)字經(jīng)濟基礎(chǔ)設(shè)施建設(shè)較好，其中上海作為全國以及長三角各地區(qū)的核心城市在我國科技創(chuàng)新發(fā)展中起著決定性作用。安徽省內(nèi)城市多半截距項為負值說明盡管安徽省數(shù)字經(jīng)濟不斷增長，但由于產(chǎn)業(yè)結(jié)構(gòu)、數(shù)字經(jīng)濟總量小、數(shù)字經(jīng)濟發(fā)展在省內(nèi)嚴(yán)重不平衡等一系列問題影響，與其他省市相比仍在總量和占比上處于劣勢。

4 結(jié)論及建議

4.1 結(jié)論

（1）長三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平總體呈增長趨勢，但各城市數(shù)字經(jīng)濟發(fā)展水平有差異，尤其是滬蘇城市群與杭甬城市群、寧合城市群之間的差異明顯。

（2）通過K-均值聚類分析可知，長三角地區(qū)的數(shù)字經(jīng)濟發(fā)展水平呈現(xiàn)出空間集聚性分布特征，以上海地區(qū)為中心，包括蘇州、無錫、杭州、寧波、南京這些城市形成數(shù)字經(jīng)濟高水平聚集區(qū)，其他城市為數(shù)字經(jīng)濟低水平聚集區(qū)。地理位置對低水平聚集區(qū)城市的發(fā)展影響較大，地理位置好的城市，更容易接受到中心城市的經(jīng)濟輻射。

（3）第三產(chǎn)業(yè)占比和萬人在校大學(xué)生數(shù)是數(shù)字經(jīng)濟發(fā)展的重要影響因素，這兩個因素對長三角地區(qū)數(shù)字經(jīng)濟發(fā)展起到一定的推進作用；人均GDP對長三角地區(qū)數(shù)字經(jīng)濟發(fā)展的促進作用不明顯；高質(zhì)量的人力資源以及產(chǎn)業(yè)結(jié)構(gòu)是當(dāng)前階段數(shù)字經(jīng)濟發(fā)展的必備條件。

4.2 建議

（1）優(yōu)化資源配置，縮小長三角地區(qū)內(nèi)部差異。長三角地區(qū)數(shù)字經(jīng)濟發(fā)展水平參差不齊，各城市的市場資源未得到充分利用。優(yōu)化各城市間的資源配置，將各地區(qū)資源利用最大化，實現(xiàn)產(chǎn)業(yè)升級，各城市互助互利，促進長三角地區(qū)數(shù)字經(jīng)濟一體化發(fā)展。

（2）對于數(shù)字經(jīng)濟指數(shù)低的城市要加快區(qū)域產(chǎn)業(yè)轉(zhuǎn)型，提高創(chuàng)新能力。比如杭甬城市群及寧合城市群內(nèi)一些城市，受產(chǎn)業(yè)結(jié)構(gòu)與自身地理位置、文化等因素影響，經(jīng)濟發(fā)展水平一直處于劣勢，應(yīng)加快區(qū)域產(chǎn)業(yè)轉(zhuǎn)型，大力招攬人才，提高創(chuàng)新能力，增加同等區(qū)域城市的經(jīng)濟競爭力，縮小與長三角地區(qū)其他城市的差距，力求穩(wěn)中求進。