楊紅瑞,劉百恒,余沛貞
(1.河北金融學(xué)院 國(guó)際教育學(xué)院,河北 保定 071051;2.新疆科技學(xué)院 經(jīng)濟(jì)學(xué)院,新疆 烏魯木齊 830026)
產(chǎn)業(yè)集聚是產(chǎn)業(yè)資本要素在空間上的集聚形態(tài),是經(jīng)濟(jì)發(fā)展到一定階段的必然產(chǎn)物,能夠帶來(lái)規(guī)模、共生、協(xié)同、結(jié)構(gòu)等諸多效應(yīng),對(duì)促進(jìn)區(qū)域協(xié)調(diào)發(fā)展與高質(zhì)量發(fā)展具有重要影響。在互聯(lián)網(wǎng)、人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈、5G技術(shù)等第四代工業(yè)革命推動(dòng)下,數(shù)字產(chǎn)業(yè)活動(dòng)更加豐富,組織形態(tài)日趨多元,數(shù)字產(chǎn)業(yè)集聚所帶來(lái)的影響也越來(lái)越受學(xué)者們的關(guān)注。黨的二十大報(bào)告提出:“加快發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合,打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群。”當(dāng)前我國(guó)經(jīng)濟(jì)發(fā)展遭遇需求收縮、供給沖擊和預(yù)期轉(zhuǎn)弱三重壓力,打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群,不僅能為經(jīng)濟(jì)發(fā)展帶來(lái)規(guī)模效應(yīng)和外部效應(yīng),也能為擴(kuò)大內(nèi)需、推動(dòng)高質(zhì)量發(fā)展提供新動(dòng)能。因此,測(cè)度數(shù)字產(chǎn)業(yè)集聚水平,解讀數(shù)字產(chǎn)業(yè)空間特征,就具有重要的現(xiàn)實(shí)研究意義。
從研究發(fā)展史來(lái)看,Marshal、Thunen、Weber、Losch、Hoover、Krugman、Venables等專家學(xué)者對(duì)產(chǎn)業(yè)集聚研究作出原創(chuàng)性貢獻(xiàn),為后續(xù)研究奠定了基礎(chǔ)。從研究方法來(lái)看,主要有區(qū)位熵、行業(yè)集中度、赫芬達(dá)爾指數(shù)、E-G指數(shù)、空間基尼系數(shù)、地理集中指數(shù)等[1-2],學(xué)者們利用上述方法對(duì)文化產(chǎn)業(yè)空間集聚[3-4]、新興產(chǎn)業(yè)空間集聚[5]、創(chuàng)意產(chǎn)業(yè)空間集聚[6]等方面進(jìn)行了測(cè)度分析。數(shù)字產(chǎn)業(yè)作為數(shù)字經(jīng)濟(jì)的核心產(chǎn)業(yè),其產(chǎn)業(yè)空間集聚能夠?yàn)榻?jīng)濟(jì)穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、促轉(zhuǎn)型提供有力支撐,相關(guān)研究主要集中在數(shù)字娛樂(lè)產(chǎn)業(yè)集聚[7]、信息產(chǎn)業(yè)集聚[8]、新一代信息技術(shù)產(chǎn)業(yè)集聚[9]、電子信息產(chǎn)業(yè)集聚[10]等領(lǐng)域,也有學(xué)者從數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)角度測(cè)度了集聚程度及時(shí)空演化特征[11],袁歌騁等通過(guò)構(gòu)建地區(qū)數(shù)字產(chǎn)業(yè)集聚指標(biāo),深入研究了數(shù)字產(chǎn)業(yè)集聚對(duì)制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響機(jī)理[12]。
通過(guò)文獻(xiàn)梳理,不難發(fā)現(xiàn)目前對(duì)數(shù)字產(chǎn)業(yè)集聚的研究主要集中在數(shù)字內(nèi)容、電子信息等單一方面,數(shù)字產(chǎn)業(yè)集聚水平和空間特征的系統(tǒng)性研究較少?;诖耍疚氖紫炔捎脜^(qū)位熵、空間基尼系數(shù)和E-G指數(shù)測(cè)度全國(guó)31個(gè)省、自治區(qū)、直轄市(不含港澳臺(tái)地區(qū))數(shù)字產(chǎn)業(yè)空間集聚水平,并從東部、中部、西部和東北部進(jìn)行解讀,之后利用全局和局部莫蘭指數(shù)探究數(shù)字產(chǎn)業(yè)集聚的空間特征。
產(chǎn)業(yè)集聚測(cè)度方法是以產(chǎn)業(yè)經(jīng)濟(jì)活動(dòng)的空間分布為參照,根據(jù)產(chǎn)業(yè)空間分布的差異程度來(lái)判斷產(chǎn)業(yè)的集聚水平,主要包括區(qū)位熵、空間基尼系數(shù)、E-G指數(shù)。空間特征研究以全局和局部莫蘭指數(shù)最為常見。
1.赫芬達(dá)爾指數(shù)①本文并未對(duì)數(shù)字產(chǎn)業(yè)的赫芬達(dá)爾指數(shù)進(jìn)行展開分析,因E-G指數(shù)計(jì)算用到赫芬達(dá)爾指數(shù),故進(jìn)行扼要說(shuō)明。
赫芬達(dá)爾指數(shù)法以某產(chǎn)業(yè)占市場(chǎng)總額的平方和為衡量指標(biāo),其值越大表示產(chǎn)業(yè)分布越集中。公式如下:
2.區(qū)位熵
區(qū)位熵普遍以相關(guān)產(chǎn)業(yè)就業(yè)人數(shù)、總產(chǎn)值等作為衡量指標(biāo)。當(dāng)LQij>1,表示該產(chǎn)業(yè)集聚程度高;LQij=1,表示集聚程度一般;LQij<1,表示該產(chǎn)業(yè)集聚程度低。公式如下:
3.空間基尼系數(shù)
空間基尼系數(shù)G∈[0,1],當(dāng)G→1,產(chǎn)業(yè)分布集聚;G→0,產(chǎn)業(yè)分布分散。公式如下:
4.E-G指數(shù)
Ellision和Glaeser在空間基尼系數(shù)的基礎(chǔ)上加入了赫芬達(dá)爾指數(shù),構(gòu)造了測(cè)定產(chǎn)業(yè)集聚程度的E-G指數(shù)。當(dāng)ri>0.05,表示產(chǎn)業(yè)集聚程度高,ri<0.02,表示產(chǎn)業(yè)集聚程度低。公式如下:
全局莫蘭指數(shù)可以測(cè)度區(qū)域空間相關(guān)性,公式如下:
式中,I為空間莫蘭指數(shù),i、j代表不同省份,xi、xj代表不同省份的數(shù)字產(chǎn)業(yè)產(chǎn)值;Wij為空間權(quán)重矩陣(采用各省鄰接矩陣);為數(shù)字產(chǎn)業(yè)產(chǎn)值的平均值;m 為研究區(qū)域數(shù)量。其中 I∈[-1,1],當(dāng) I>0 時(shí),數(shù)字產(chǎn)業(yè)空間正相關(guān);當(dāng)I<0時(shí),數(shù)字產(chǎn)業(yè)空間負(fù)相關(guān);當(dāng)I=0,數(shù)字產(chǎn)業(yè)空間呈現(xiàn)隨機(jī)性。
局部莫蘭指數(shù)用于分析局部區(qū)域空間異質(zhì)性,公式如下:
本文以數(shù)字產(chǎn)業(yè)中信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)及郵政業(yè)和電信業(yè)為研究對(duì)象,以2014—2021年全國(guó)31個(gè)省份作為測(cè)度單元,以東部、中部、西部和東北部四大經(jīng)濟(jì)區(qū)進(jìn)行對(duì)比,數(shù)據(jù)來(lái)源于2015—2022年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》和各省統(tǒng)計(jì)年鑒,個(gè)別缺失數(shù)據(jù)采用趨勢(shì)外推法、相鄰年份均值法等補(bǔ)全。
1.區(qū)位熵
依據(jù)勞動(dòng)力密集程度,測(cè)度數(shù)字產(chǎn)業(yè)空間集聚水平,以年末城鎮(zhèn)單位就業(yè)人員中信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)就業(yè)人員來(lái)計(jì)算區(qū)位熵。
由表 1可知,2014—2021年全國(guó)31個(gè)省份年均區(qū)位熵分布情況。北京、上海處于第一集團(tuán),區(qū)位熵均值超過(guò)2,表明數(shù)字產(chǎn)業(yè)空間高度集聚;廣東、四川、陜西、遼寧等省份區(qū)位熵均大于1,說(shuō)明這些地區(qū)數(shù)字產(chǎn)業(yè)明顯存在集聚優(yōu)勢(shì);天津、海南、吉林、江蘇、浙江、青海、黑龍江年均區(qū)位熵指數(shù)大于0.8,其數(shù)字產(chǎn)業(yè)空間集聚狀態(tài)相對(duì)比較集中;其他各省份的年均區(qū)位熵在0.3~0.8之間,表明這些地區(qū)數(shù)字產(chǎn)業(yè)尚未形成空間集聚。
表1 2014—2021年全國(guó)數(shù)字產(chǎn)業(yè)區(qū)位熵
從東部、中部、西部和東北部四大經(jīng)濟(jì)區(qū)來(lái)看,集聚程度為東部>東北部>西部>中部。其中東部地區(qū)年均區(qū)位熵為1.317 3,數(shù)字產(chǎn)業(yè)集聚程度最高;東北部地區(qū)年均區(qū)位熵為0.911 1,表明數(shù)字產(chǎn)業(yè)的產(chǎn)業(yè)集聚程度一般;西部和中部地區(qū)年均區(qū)位熵分別為0.613 9和0.563 4,表明這些地區(qū)數(shù)字產(chǎn)業(yè)分散,這與兩地區(qū)的地理特征、資源稟賦以及區(qū)域發(fā)展策略相關(guān)。
2.空間基尼系數(shù)
以年末城鎮(zhèn)單位就業(yè)人員中信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)就業(yè)人員及地區(qū)總就業(yè)人員和全國(guó)總就業(yè)人員等數(shù)據(jù)構(gòu)建空間基尼系數(shù),這在一定程度上能夠反映數(shù)字產(chǎn)業(yè)空間集聚水平。
從表2可以看出,廣東年均空間基尼系數(shù)高達(dá)0.723 3,遠(yuǎn)遠(yuǎn)高于其他省份,表明數(shù)字產(chǎn)業(yè)高度集聚。北京、江蘇、山東處于第二集團(tuán),均高于0.2,其他省份數(shù)字產(chǎn)業(yè)集聚不明顯。從四大經(jīng)濟(jì)區(qū)來(lái)看,集聚程度呈現(xiàn)東部>中部>西部>東北部,與區(qū)位熵結(jié)果存在差異。東部地區(qū)總體年均空間基尼系數(shù)為0.196 1,產(chǎn)業(yè)集聚程度最高,原因可能是東部沿海地區(qū)良好的經(jīng)濟(jì)基礎(chǔ)推動(dòng)了數(shù)字產(chǎn)業(yè)迅猛發(fā)展,中部地區(qū)數(shù)字產(chǎn)業(yè)集聚程度一般,而西部、東北部地區(qū)受限于自身稟賦,產(chǎn)業(yè)集聚程度最低,但從空間基尼系數(shù)來(lái)看,中部、西部、東北部三區(qū)差別并不突出。另外,從四大經(jīng)濟(jì)區(qū)內(nèi)部空間基尼系數(shù)來(lái)看,各省份數(shù)字產(chǎn)業(yè)分布也不均衡。
表2 2014—2021年全國(guó)數(shù)字產(chǎn)業(yè)空間基尼系數(shù)
3.E-G指數(shù)
以按行業(yè)分組的年末城鎮(zhèn)單位就業(yè)人員中各區(qū)域信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)就業(yè)人員及郵政業(yè)務(wù)收入、電信業(yè)務(wù)收入、總就業(yè)人員、總產(chǎn)值等數(shù)據(jù),結(jié)合赫芬達(dá)爾指數(shù)和空間基尼系數(shù)進(jìn)行計(jì)算。
由表3可知,31個(gè)省份中僅有廣東E-G指數(shù)大于0.05,表明廣東數(shù)字產(chǎn)業(yè)存在高度集聚,北京、江蘇、山東、四川介于0.02和0.05之間,表明這些省份數(shù)字產(chǎn)業(yè)空間集聚較為顯著,其余省份E-G指數(shù)均小于0.02,表明集聚狀態(tài)不明顯。從全國(guó)范圍來(lái)看,各省份數(shù)字產(chǎn)業(yè)集聚差異明顯,東西兩極分化嚴(yán)重,究其原因可能是數(shù)字產(chǎn)業(yè)在不同地區(qū)規(guī)模效應(yīng)不同所致。
表3 2014—2021年全國(guó)數(shù)字產(chǎn)業(yè)E-G指數(shù)
從四大經(jīng)濟(jì)區(qū)來(lái)看,東部地區(qū)E-G指數(shù)均值最高,中部地區(qū)居中,西部地區(qū)和東北部地區(qū)最低。東部地區(qū)中廣東和江蘇數(shù)字產(chǎn)業(yè)集聚程度最高,明顯高于其他省份;中部地區(qū)以河南產(chǎn)業(yè)集聚程度最高;東北部地區(qū)以吉林為首,但整體集聚程度都比較低;西部地區(qū)中四川的集聚程度遠(yuǎn)超其他省份。
從四大經(jīng)濟(jì)區(qū)數(shù)字產(chǎn)業(yè)集聚水平來(lái)看,區(qū)位熵測(cè)度結(jié)果表明東部>東北部>西部>中部,空間基尼系數(shù)和E-G指數(shù)測(cè)度結(jié)果則表明東部>中部>西部>東北部,與區(qū)位熵所得結(jié)論存在一定差異,究其原因是測(cè)度方法側(cè)重點(diǎn)不同。區(qū)位熵側(cè)重某產(chǎn)業(yè)層面在某區(qū)域的集聚程度,沒(méi)有考慮企業(yè)規(guī)模因素,而空間基尼系數(shù)和E-G指數(shù)側(cè)重從地理單元和企業(yè)規(guī)模角度測(cè)度產(chǎn)業(yè)集聚程度。所以,不同測(cè)度方法均有其對(duì)應(yīng)的使用條件,若在其使用范圍內(nèi)則結(jié)果相對(duì)可靠,若超越使用范圍,其測(cè)度結(jié)果可能就存在一定偏差。
我國(guó)地理特征迥異,區(qū)域發(fā)展呈塊狀結(jié)構(gòu),大數(shù)據(jù)、5G、物聯(lián)網(wǎng)、人工智能等新興數(shù)字技術(shù)加速了各區(qū)域的不平衡發(fā)展,形成了富有特色的空間特征。
由表4可知,全國(guó)數(shù)字產(chǎn)業(yè)(以信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)就業(yè)人員表征)全局莫蘭指數(shù)均大于0,在5%水平下P值均顯著,說(shuō)明我國(guó)數(shù)字產(chǎn)業(yè)存在明顯正相關(guān)性。2019—2021年全局莫蘭指數(shù)達(dá)0.43以上,明顯高于其他年份,可能得益于全民線上辦公、線上授課等與數(shù)字產(chǎn)業(yè)相關(guān)的活動(dòng),推動(dòng)了信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)以及郵電通信等行業(yè)的迅猛發(fā)展,空間關(guān)聯(lián)性不斷增強(qiáng)。
表4 2014—2021年全國(guó)數(shù)字產(chǎn)業(yè)全局莫蘭指數(shù)
局部莫蘭指數(shù)能夠深度刻畫數(shù)字產(chǎn)業(yè)集聚的空間特征,結(jié)果見表5(因篇幅問(wèn)題,僅展示2019年局部莫蘭指數(shù))。其中天津、河北、內(nèi)蒙古、上海、江蘇、浙江、安徽等省份的局部莫蘭指數(shù)P值在5%水平下顯著,表明局部存在空間相關(guān)性。
表5 2019年全國(guó)數(shù)字產(chǎn)業(yè)局部莫蘭指數(shù)
根據(jù)局部莫蘭指數(shù)生成部分年份的莫蘭散點(diǎn)圖(因篇幅問(wèn)題,僅展示2019年局部莫蘭指數(shù)散點(diǎn)圖),結(jié)果見圖1。31個(gè)省份主要分布在第一、第二和第三象限,表明數(shù)字產(chǎn)業(yè)主要表現(xiàn)為高-高、低-高和低-低空間特征。下面將從2014年、2016年、2019年、2021年的局部莫蘭指數(shù)進(jìn)行空間特征分析,具體見表6。
圖1 2019年全國(guó)數(shù)字產(chǎn)業(yè)局部莫蘭指數(shù)散點(diǎn)圖
表6 2014—2021年全國(guó)數(shù)字產(chǎn)業(yè)空間特征
1.高-高
高-高集聚區(qū)的主要特征是觀測(cè)區(qū)與周邊區(qū)域數(shù)字產(chǎn)業(yè)發(fā)展都比較好,呈正相關(guān),主要包括上海、廣東、江蘇和浙江等,與三種測(cè)度方法所得結(jié)論相對(duì)應(yīng),充分表明這些省份數(shù)字產(chǎn)業(yè)發(fā)展明顯高于其他省份,對(duì)于周邊區(qū)域具有擴(kuò)散作用,對(duì)縮小區(qū)域發(fā)展差距具有重要影響。從城市群來(lái)看,長(zhǎng)三角地區(qū)利用數(shù)字產(chǎn)業(yè)滲透性強(qiáng)、輻射面廣的特點(diǎn),有效帶動(dòng)了安徽等地的數(shù)字產(chǎn)業(yè)發(fā)展。
2.高-低
高-低集聚區(qū)的特征是觀測(cè)區(qū)與周邊地區(qū)發(fā)展呈負(fù)相關(guān),觀測(cè)區(qū)域數(shù)字產(chǎn)業(yè)發(fā)展程度高,周邊區(qū)域發(fā)展程度低,呈現(xiàn)核心-邊緣結(jié)構(gòu),主要集中在北京、山東、重慶和四川等,與空間基尼系數(shù)和E-G指數(shù)結(jié)論一致。高-低集聚區(qū)表明核心區(qū)數(shù)字產(chǎn)業(yè)擴(kuò)散效應(yīng)不足,極化效應(yīng)大于擴(kuò)散效應(yīng),相鄰地區(qū)沒(méi)有充分利用核心區(qū)數(shù)字產(chǎn)業(yè)資源推動(dòng)本區(qū)域發(fā)展。
3.低-低
低-低集聚區(qū)特征是觀測(cè)區(qū)域與周邊區(qū)域發(fā)展呈正相關(guān),發(fā)展都相對(duì)比較落后,主要包括甘肅、寧夏、青海、西藏、云南、吉林、山西、內(nèi)蒙古、新疆等,與三種測(cè)度方法結(jié)論相一致。這些地區(qū)經(jīng)濟(jì)基礎(chǔ)一般,數(shù)字產(chǎn)業(yè)鏈條短,產(chǎn)業(yè)結(jié)構(gòu)也待完善,僅僅依靠自我發(fā)展難以實(shí)現(xiàn)數(shù)字產(chǎn)業(yè)集聚,相鄰地區(qū)的擴(kuò)散效應(yīng)也未發(fā)揮應(yīng)有作用。
4.低-高
低-高集聚區(qū)的特征是觀測(cè)區(qū)被高水平區(qū)域所包圍,呈現(xiàn)空間負(fù)相關(guān),主要包括天津、安徽、湖北、貴州、福建、天津、河北、廣西和江西等,與區(qū)位熵結(jié)論相對(duì)應(yīng)。低集聚區(qū)域若能充分利用高集聚區(qū)的數(shù)字產(chǎn)業(yè)發(fā)展優(yōu)勢(shì),吸引投資,改善內(nèi)部環(huán)境,數(shù)字產(chǎn)業(yè)發(fā)展將會(huì)大幅度提升,進(jìn)入到高-高發(fā)展序列。如湖南在2016年位于低-高集聚區(qū),但在2021年則位于高-高集聚區(qū)。
本文采用區(qū)位熵、空間基尼系數(shù)、E-G指數(shù)等方法測(cè)度了數(shù)字產(chǎn)業(yè)空間集聚水平,利用全局莫蘭指數(shù)和局部莫蘭指數(shù)分析了數(shù)字產(chǎn)業(yè)空間特征,具體結(jié)論如下:
第一,從產(chǎn)業(yè)集聚來(lái)看,不同測(cè)度方法所得結(jié)論分異。空間基尼系數(shù)和E-G指數(shù)所得結(jié)論較為接近,兩者與區(qū)位熵結(jié)果存在一定差距。其中,三種測(cè)度方法都表明東部地區(qū)數(shù)字產(chǎn)業(yè)空間集聚程度最高,西部地區(qū)較為分散。在區(qū)位熵中,東北部地區(qū)集聚程度一般,中部地區(qū)最為分散,空間基尼系數(shù)和E-G指數(shù)的研究結(jié)論則與區(qū)位熵相反。
第二,從空間特征來(lái)看,全國(guó)各省份數(shù)字產(chǎn)業(yè)集聚現(xiàn)象主要分布在第一、第二和第三象限,呈現(xiàn)高-高、低-高和低-低集聚特征。高-高集聚主要包括:上海、廣東、安徽、江蘇和浙江等多數(shù)東部地區(qū)省份;高-低主要包括:北京、山東、重慶和四川等省份;低-低主要包括:甘肅、寧夏、遼寧、山西、青海、西藏、云南、黑龍江、吉林、內(nèi)蒙古、新疆等多數(shù)西部和東北部地區(qū)省份;低-高主要包括:河北、湖北、福建、天津、廣西和江西等省份。
整體上來(lái)看,區(qū)位熵、空間基尼系數(shù)和E-G指數(shù)所得結(jié)論基本與莫蘭指數(shù)測(cè)度的空間特征相一致,驗(yàn)證了結(jié)論的合理性。
基于上述結(jié)論,提出相應(yīng)對(duì)策建議:1)正確認(rèn)識(shí)數(shù)字產(chǎn)業(yè)非均衡空間特征,實(shí)施差異化發(fā)展政策,推動(dòng)數(shù)字產(chǎn)業(yè)向中西部地區(qū)集聚。我國(guó)經(jīng)濟(jì)發(fā)展呈現(xiàn)塊狀結(jié)構(gòu),各地因資源稟賦、經(jīng)濟(jì)基礎(chǔ)、人才技術(shù)等不同,東部、中部、西部和東北部地區(qū)經(jīng)濟(jì)發(fā)展必然存在一定差距和不同的空間特征,數(shù)字產(chǎn)業(yè)作為經(jīng)濟(jì)社會(huì)的重要組成部分,不可避免地呈現(xiàn)出非均衡空間特征,這就要求在制定政策時(shí)要因地制宜,對(duì)不同區(qū)域數(shù)字產(chǎn)業(yè)發(fā)展實(shí)施差異化發(fā)展政策,尤其是對(duì)于中西部地區(qū),要加大數(shù)字基礎(chǔ)設(shè)施建設(shè)投資力度,鼓勵(lì)引導(dǎo)數(shù)字產(chǎn)業(yè)及其配套產(chǎn)業(yè)向這些地區(qū)轉(zhuǎn)移集聚,逐漸形成具有地域特色的數(shù)字產(chǎn)業(yè)集群,東北部地區(qū)要加快數(shù)字化轉(zhuǎn)型,要將數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)有效融合,突破發(fā)展瓶頸,形成新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。
2)增強(qiáng)數(shù)字要素流動(dòng)性,發(fā)揮東部地區(qū)數(shù)字產(chǎn)業(yè)空間溢出效應(yīng),實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展。區(qū)域失衡發(fā)展,在一定程度上是生產(chǎn)要素流動(dòng)性不足所致。在區(qū)塊鏈、5G、互聯(lián)網(wǎng)和AI等數(shù)字技術(shù)推動(dòng)下,數(shù)字、數(shù)據(jù)等新型生產(chǎn)要素能夠輕松突破地域限制,提升生產(chǎn)要素在地區(qū)、產(chǎn)業(yè)、企業(yè)之間的流轉(zhuǎn)速度,深化數(shù)實(shí)融合,促進(jìn)資源配置有效性。同時(shí)數(shù)字產(chǎn)業(yè)作為數(shù)字經(jīng)濟(jì)的核心產(chǎn)業(yè),具有較強(qiáng)的規(guī)模效應(yīng)、協(xié)同效應(yīng)和空間溢出效應(yīng),要充分發(fā)揮東部地區(qū)數(shù)字產(chǎn)業(yè)的空間溢出效應(yīng),帶動(dòng)周邊地區(qū)發(fā)展,努力實(shí)現(xiàn)區(qū)域間和區(qū)域內(nèi)數(shù)字產(chǎn)業(yè)協(xié)調(diào)發(fā)展。