尹慶民，林茵茵

（河海大學 商學院，江蘇 南京 211100）

0 引言

中共十八大以來，我國國內(nèi)生產(chǎn)總值的年均增速為6.6%，對世界經(jīng)濟增長的平均貢獻率超過30%，位居世界第一。中國特色社會主義進入新時代，我國的基本國情發(fā)生改變，經(jīng)濟的發(fā)展重心也由高速度向高質(zhì)量轉(zhuǎn)變。習近平總書記在黨的二十大報告中指出，高質(zhì)量發(fā)展是全面建設社會主義現(xiàn)代化國家的首要任務，要貫徹新發(fā)展理念，著力推進高質(zhì)量發(fā)展，推動構(gòu)建新發(fā)展格局。如今，我國仍存在省際發(fā)展不平衡不充分的問題，如何推進我國的高質(zhì)量發(fā)展？黨的二十大報告中提到，我國要加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟的深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。數(shù)字經(jīng)濟具有研發(fā)周期短、技術迭代快和邊際成本低的特點，這也就使得發(fā)展數(shù)字經(jīng)濟成為我國實現(xiàn)“換道超車”的有利途徑和實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要引擎。

“數(shù)字經(jīng)濟”這一概念最早是由Tapscott（1996）提出來的，他認為電子商務是數(shù)字經(jīng)濟發(fā)展的新形態(tài)，數(shù)字化信息是數(shù)字經(jīng)濟發(fā)展的根本。Knickrehm et al.（2016）將數(shù)字技能等各類數(shù)字化投入所產(chǎn)生的經(jīng)濟產(chǎn)出視為數(shù)字經(jīng)濟。而在國內(nèi)，袁正光（1994）首次從革命與轉(zhuǎn)型的角度引出數(shù)字經(jīng)濟。目前，學術界對于數(shù)字經(jīng)濟發(fā)展水平的測量還未形成統(tǒng)一的標準。在評價指標體系方面，主要有經(jīng)濟合作與發(fā)展組織（OECD）在2015年構(gòu)建的包含38個指標的數(shù)字經(jīng)濟綜合測算體系（OECD，2015）；在測度方法方面，大部分學者對數(shù)字經(jīng)濟指標進行權重確定時通常采用熵值法（劉傳輝等，2021）或?qū)哟畏治龇ǎㄊ⒈蟮龋?022）。

經(jīng)濟高質(zhì)量發(fā)展是一個新的范疇，學習和把握其內(nèi)涵對于后續(xù)的研究極為重要。目前，學者們主要從社會矛盾變化和新發(fā)展理念（劉志彪，2018）、經(jīng)濟高質(zhì)量發(fā)展（田秋生，2018）、宏中微觀（史丹等，2018）這3個角度進行經(jīng)濟高質(zhì)量發(fā)展的內(nèi)涵研究。現(xiàn)有研究對高質(zhì)量發(fā)展的測度大致可以分為兩類，其中一類是通過測算全要素生產(chǎn)率（TFP）這一單一指標來衡量高質(zhì)量發(fā)展水平（Mei et al.，2016），然而隨著環(huán)境問題的惡化，考慮環(huán)境要素的綠色全要素生產(chǎn)率也開始被納入衡量高質(zhì)量發(fā)展的指標范圍 （Chung et al.，1997）。但是，采用單一的指標來衡量難免存在片面性，所以目前有許多學者從多維度指標出發(fā)，構(gòu)建綜合評價指標體系來刻畫經(jīng)濟高質(zhì)量發(fā)展水平 （李金昌等，2019）。在構(gòu)建多維評價指標體系的基礎上，學者們確定指標權重的方法包括主成分分析法（鈔小靜等，2011）、熵權TOPSIS法（魏敏等，2018）和時序全局因子分析法（華堅等，2020）等。

國內(nèi)外學者們對數(shù)字經(jīng)濟與經(jīng)濟高質(zhì)量發(fā)展之間關系的研究，前期主要以理論研究為主，隨著理論的不斷豐富，研究重心開始轉(zhuǎn)移到實證研究上。在理論研究方面，數(shù)字經(jīng)濟能夠通過推動傳統(tǒng)產(chǎn)業(yè)動力變革、效率變革、質(zhì)量變革實現(xiàn)經(jīng)濟的高質(zhì)量發(fā)展，這一理論機制得到了大部分學者的贊同（任保平等，2022b）。荊文君等（2019）從微觀和宏觀兩個層面探討數(shù)字經(jīng)濟影響高質(zhì)量發(fā)展的重要機理，包括微觀層面的規(guī)模經(jīng)濟、價格機制和經(jīng)濟均衡，宏觀層面的投入要素、資源配置效率和全要素生產(chǎn)率。任保平等（2022a）認為提升供給體系質(zhì)量與提高全要素生產(chǎn)率是數(shù)字經(jīng)濟促進高質(zhì)量發(fā)展的兩個重要路徑。在實證研究方面，數(shù)字經(jīng)濟是經(jīng)濟增長的重要引擎這一觀點得到了國外學者的印證（Erik et al.，2019）。他們認為數(shù)字經(jīng)濟的不斷發(fā)展能夠為社會提供更多的就業(yè)機會（Brandstetter et al.，2016），信息要素與勞動要素的結(jié)合可以提升生產(chǎn)要素的質(zhì)量和效率（Calic et al.，2021），從而正向影響經(jīng)濟增長。國內(nèi)學者們運用SAR（spatial autoregressionmodel）、SEM （spatial errormodel）和SDM （spatial dubin model）等空間計量模型（魯玉秀等，2021），對各省份（張騰等，2021）、黃河流域地區(qū)（周清香等，2022）和長三角地區(qū)（傅為忠等，2021）數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的關系進行檢驗。除此之外，亦有學者采用耦合協(xié)調(diào)度對數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的耦合協(xié)調(diào)關系進行分析（韓兆安等，2022），或是運用中介效應模型對數(shù)字經(jīng)濟影響高質(zhì)量發(fā)展的影響路徑與作用機制進行探究（王軍等，2022；周少甫等，2022）。

綜上所述，學術界圍繞數(shù)字經(jīng)濟和經(jīng)濟高質(zhì)量發(fā)展展開了較多的研究并取得了豐富的理論和實踐成果，但仍存在以下兩點值得深入的問題：1）現(xiàn)有文獻極少從時空效應的角度對數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的關系展開研究；2）現(xiàn)有研究較少深入探討數(shù)字經(jīng)濟影響高質(zhì)量發(fā)展的具體路徑?；诖耍疚倪\用熵權TOPSIS法對各省份2014—2020年的數(shù)字經(jīng)濟水平和經(jīng)濟高質(zhì)量發(fā)展水平進行計算，同時利用莫蘭指數(shù)和熱點分析探究二者的時空演變趨勢，將普通面板回歸模型與時空地理加權回歸模型（GTWR）相結(jié)合，對數(shù)字經(jīng)濟與中國省際高質(zhì)量發(fā)展之間的時空響應關系及具體影響路徑進行研究。本文的邊際貢獻在于：深入剖析數(shù)字經(jīng)濟和省際高質(zhì)量發(fā)展的時空演變規(guī)律，同時考慮時間和空間的非平穩(wěn)性，運用GTWR模型探究數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的影響關系和具體影響路徑，為大力發(fā)展數(shù)字經(jīng)濟促進省際高質(zhì)量發(fā)展提供有益參考。

1 理論分析

1.1 數(shù)字經(jīng)濟促進高質(zhì)量發(fā)展

數(shù)字經(jīng)濟將數(shù)據(jù)信息作為生產(chǎn)要素。隨著數(shù)字技術的發(fā)展，信息傳播的效率得到大幅提升，打破了傳統(tǒng)產(chǎn)業(yè)的時空界限，實現(xiàn)傳統(tǒng)產(chǎn)業(yè)的去中心化，形成產(chǎn)業(yè)數(shù)字化的集聚效應 （王如玉等，2018），打造出以數(shù)字化技術為依托的新業(yè)態(tài)和新商業(yè)模式，這些以數(shù)字技術為支撐的新產(chǎn)品、新模式和新業(yè)態(tài)將有力推動經(jīng)濟的高質(zhì)量發(fā)展（陳曉紅等，2022）。從產(chǎn)業(yè)數(shù)字化的角度來看，數(shù)字經(jīng)濟的發(fā)展能夠有效降低交易成本，通過大數(shù)據(jù)、云計算、5G等數(shù)字信息技術實現(xiàn)傳統(tǒng)農(nóng)業(yè)、工業(yè)和服務業(yè)的效率變革，推動資源要素的集約化、節(jié)約化配置，推動產(chǎn)業(yè)結(jié)構(gòu)升級、轉(zhuǎn)型，帶動傳統(tǒng)產(chǎn)業(yè)提質(zhì)增效，促進經(jīng)濟高質(zhì)量發(fā)展（閔路路等，2022；陳曉東等，2021）。從數(shù)字產(chǎn)業(yè)化的角度來看，數(shù)字產(chǎn)業(yè)化主要是通過數(shù)字信息技術的融入，為其他生產(chǎn)要素提供發(fā)展平臺，以數(shù)字化技術為基礎，改變原有的生產(chǎn)方式，創(chuàng)造新的業(yè)務流程、新的商業(yè)模式，激發(fā)實體經(jīng)濟，使得實體經(jīng)濟向高技術、高效益、低耗能、低污染發(fā)展（申雅琛等，2022）。數(shù)字經(jīng)濟發(fā)展帶來的技術革新能夠減少生活和生產(chǎn)的污染排放和能源消耗，并且隨著數(shù)字經(jīng)濟不斷發(fā)展，會對高排放、高污染企業(yè)形成壓力，從而達到降低污染的效果，推動經(jīng)濟綠色發(fā)展（程廣斌等，2022）。

1.2 數(shù)字經(jīng)濟對高質(zhì)量發(fā)展具有空間溢出效應

各地區(qū)的資源稟賦不同，數(shù)字技術的發(fā)展程度不同，從而導致了數(shù)字經(jīng)濟對高質(zhì)量發(fā)展的影響存在空間異質(zhì)性。但數(shù)據(jù)要素的低成本性和可復制性讓數(shù)字產(chǎn)品的交換不受時空限制，數(shù)字技術傳播的便捷性和高效性能夠提高經(jīng)濟落后地區(qū)的生產(chǎn)效率，增強了區(qū)域間經(jīng)濟活動關聯(lián)的廣度和深度（韓永輝等，2021）。區(qū)域間的經(jīng)濟活動具有明顯的空間相關性，互聯(lián)網(wǎng)可以優(yōu)化區(qū)域間的資源配置效率（黃群慧等，2019），且由互聯(lián)網(wǎng)發(fā)展帶來的信息技術進步能夠產(chǎn)生明顯的空間溢出效應 （Keller，2002）。數(shù)字產(chǎn)業(yè)的發(fā)展，匯集了許多高技術人才和高技術企業(yè)，提高了區(qū)域間的經(jīng)濟與技術交流，數(shù)字經(jīng)濟迅速發(fā)展并形成產(chǎn)業(yè)聚集，產(chǎn)生空間溢出效應，正向輻射鄰近區(qū)域的經(jīng)濟活動，使得我國各地區(qū)的經(jīng)濟發(fā)展更為協(xié)調(diào)（劉麗等，2022）。

2 研究方法與數(shù)據(jù)來源

2.1 熵權TOPSIS法

馬瑞（2022）運用熵權法測算高質(zhì)量發(fā)展指數(shù)。熵權法僅依據(jù)數(shù)據(jù)本身反映的信息確定權重，相對于熵權TOPSIS法而言嚴謹性較低。本文參考魏敏等（2018）的做法，運用熵權TOPSIS法計算數(shù)字經(jīng)濟和高質(zhì)量發(fā)展的綜合得分。首先，計算信息熵Ej，并計算權重Wj，具體計算公式為

式中：Zij為數(shù)字經(jīng)濟或高質(zhì)量發(fā)展變量中的三級指標數(shù)據(jù)經(jīng)過規(guī)范化處理的結(jié)果；i為各省份；n為省份的數(shù)量；j為數(shù)字經(jīng)濟或高質(zhì)量發(fā)展變量中的三級指標；m為三級指標的數(shù)量。

利用權重Wj構(gòu)建加權矩陣Y，Yij＝Wj×Zij，計算加權矩陣中各方案與理想解Y*的距離，及與負理想解Y-的距離，然后計算每個解對于理想解的相近接近度，具體計算公式為

2.2 空間自相關

運用莫蘭指數(shù)（Moran's I）分別對我國數(shù)字經(jīng)濟和高質(zhì)量發(fā)展的空間分布情況進行整體判斷，其計算公式為

式中：S2為樣本方差，；x為運用熵權TOPSIS法計算的數(shù)字經(jīng)濟得分或高質(zhì)量發(fā)展得分；wij為各省份之間的空間權重；n為省份總數(shù)量。

2.3 熱點分析

式中：Gi*統(tǒng)計為z得分；xj為各省份的數(shù)字經(jīng)濟得分或高質(zhì)量發(fā)展得分；x為各省份數(shù)字經(jīng)濟得分或高質(zhì)量發(fā)展得分的平均值；wij為各省份之間的空間權重；n為省份總數(shù)量。

2.4 時空地理加權回歸模型

利用時空地理加權回歸（GTWR）模型對數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的時空響應關系進行探究。Huang et al.（2010）在地理加權回歸（GWR）模型的基礎上引入時間變量，提出時空地理加權回歸（GTWR）模型，具體公式為

式中：（ui，vi）為i省份的經(jīng)緯度坐標；ti為i省份的觀測時間；Yi為i省份的高質(zhì)量發(fā)展得分；Xik為i省份的數(shù)字經(jīng)濟得分或模型中的其他控制變量；εi為模型估計的誤差項；β0（ui，vi，ti）為i省份的回歸常數(shù)；βk（ui，vi，ti）為i省份數(shù)字經(jīng)濟或其他控制變量的回歸系數(shù)。估計回歸系數(shù)βk（ui，vi，ti）的表達式為

式中：W（ui，vi，ti）為i省份的權重矩陣。一般運用歐氏距離計算各省份間的時空距離，并利用時空距離構(gòu)造時空權重矩陣，計算公式為

式中：λ為空間距離的權重；μ為時間距離的權重；hS為空間帶寬參數(shù)；hT為時間帶寬參數(shù)；hST為時空帶寬參數(shù)。

目前，還未有學者采用GTWR模型對數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的關系進行檢驗，GTWR模型在GWR模型的基礎上引入時間要素，在考慮時間和空間平穩(wěn)性的前提下，既能有效估計因子參數(shù)，還能解決截面數(shù)據(jù)樣本數(shù)量有限的問題。通過ArcGIS 10.8軟件，借助Huang et al.（2010）制作的GTWR插件實現(xiàn)GTWR模型的運行，帶寬采用AICc優(yōu)化設置，時空距離參數(shù)比值為1。

2.5 變量選取與數(shù)據(jù)來源

2.5.1 被解釋變量

本文的被解釋變量為經(jīng)濟高質(zhì)量發(fā)展（HQED）。高質(zhì)量發(fā)展的提出意味著我國進入發(fā)展新階段，經(jīng)濟發(fā)展重心由量向質(zhì)轉(zhuǎn)變。高質(zhì)量發(fā)展在考慮經(jīng)濟增長速度的同時，也將經(jīng)濟發(fā)展過程中的生態(tài)環(huán)境、人民生活水平和區(qū)域協(xié)調(diào)發(fā)展等納入考量。《中共中央關于黨的百年奮斗重大成就和歷史經(jīng)驗的決議》提出，我們要實現(xiàn)創(chuàng)新成為第一動力、協(xié)調(diào)成為內(nèi)生特點、綠色成為普遍形態(tài)、開放成為必由之路、共享成為根本目的的高質(zhì)量發(fā)展，因此，基于數(shù)據(jù)獲取的便利性和準確性，本文參考潘雅茹等（2020）、楊仁發(fā)等（2019）與周少甫等（2022）的研究選取高質(zhì)量發(fā)展變量，詳見表1。

2.5.2 解釋變量

本文的解釋變量為數(shù)字經(jīng)濟發(fā)展（DE）。目前，學術界對于數(shù)字經(jīng)濟的測度存在不同的看法，“兩化”的觀點得到較多學者的認同，即數(shù)字經(jīng)濟是由數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩個部分組成的，數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化相互既獨立又相互促進，二者相輔相成，促進數(shù)字經(jīng)濟健康發(fā)展。基于此，本文參考傅為忠等（2021）、梁小甜等（2022）和潘為華等（2021）的研究，從數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩個方面衡量數(shù)字經(jīng)濟的發(fā)展，數(shù)字經(jīng)濟發(fā)展變量表見表2。

表2 數(shù)字經(jīng)濟發(fā)展變量表Table 2 Variables of digital economy

2.5.3 控制變量

參考王軍等（2022）與曾燕萍等（2022）的研究，本文選取經(jīng)濟水平 （EL）、勞動力數(shù)量（NL）、科技支持（STS）、開放程度（OPEN）和城鎮(zhèn)化率 （UR）5個控制變量。經(jīng)濟水平以人均GDP進行衡量，勞動力數(shù)量為城鎮(zhèn)單位從業(yè)人員期末人數(shù)，將科學技術支出作為科技支持的衡量標準，開放程度為進出口總額與GDP的比值，城鎮(zhèn)化率為城鎮(zhèn)人口與總?cè)丝诘谋戎担唧w計算方式詳見表3。為了提高回歸估計的準確性，在數(shù)據(jù)初處理時所有控制變量加一后取對數(shù)。

表3 變量說明表Table 3 Variable description

2.5.4 數(shù)據(jù)來源

數(shù)字普惠金融指數(shù)來源于北京大學互聯(lián)網(wǎng)金融研究中心，其他相關數(shù)據(jù)來源于國家數(shù)據(jù)網(wǎng)站和各省統(tǒng)計年鑒。由于西藏自治區(qū)部分數(shù)據(jù)缺失嚴重，港澳臺地區(qū)數(shù)據(jù)獲取較為困難，且數(shù)字經(jīng)濟發(fā)展變量表中的信息技術服務收入僅能獲取2014年以后的數(shù)據(jù)，所以本文將2014—2020年除西藏自治區(qū)和港澳臺地區(qū)外的30個省市的面板數(shù)據(jù)作為研究樣本。數(shù)據(jù)整理軟件為Excel，后續(xù)通過MATLAB 2018運用熵權TOPSIS法計算經(jīng)濟高質(zhì)量發(fā)展和數(shù)字經(jīng)濟發(fā)展指數(shù)的最終得分。

3 實證結(jié)果與分析

3.1 描述性統(tǒng)計

對所有變量進行描述性統(tǒng)計（表4），從經(jīng)濟高質(zhì)量發(fā)展和數(shù)字經(jīng)濟發(fā)展指數(shù)的平均數(shù)和標準偏差可以看出多數(shù)省份的經(jīng)濟高質(zhì)量發(fā)展和數(shù)字經(jīng)濟發(fā)展還處于較低水平。在控制變量中，各省份的勞動力數(shù)量處于較高水平；城鎮(zhèn)化率整體水平較高，且省份之間的差異??；多數(shù)省份的開放程度略低，省際差異較大；科技支持力度相差較大，部分省份處于較低水平；各省份經(jīng)濟水平整體表現(xiàn)不佳，且省際存在一定的差異。

表4 描述性統(tǒng)計表Table 4 Descriptive statistics

3.2 基準回歸

在進行線性回歸之前，先對各變量進行皮爾森相關性檢驗，檢驗結(jié)果見表5。各變量之間的相關性均在1%的水平上顯著，于是進行線性模型回歸。

表5 皮爾森相關性檢驗Table 5 Test of pearson correlation

對數(shù)字經(jīng)濟與高質(zhì)量發(fā)展之間的關系進行線性基準回歸，其中第 （1）列為僅考慮數(shù)字經(jīng)濟與高質(zhì)量發(fā)展的線性回歸結(jié)果，第（2） ～（6）列為逐步加入控制變量的線性回歸結(jié)果（表6）。線性回歸結(jié)果表明，數(shù)字經(jīng)濟發(fā)展指數(shù)與經(jīng)濟高質(zhì)量發(fā)展顯著正相關 （p＜0.01），回歸系數(shù)為0.406，說明數(shù)字經(jīng)濟發(fā)展指數(shù)每增加1個單位能夠促進經(jīng)濟高質(zhì)量發(fā)展增加0.406個單位?？刂谱兞恐?，開放程度和科技支持都在1%的水平上顯著正向影響經(jīng)濟高質(zhì)量發(fā)展，說明隨著開放程度的提高和科技支持力度的增加經(jīng)濟高質(zhì)量發(fā)展能夠得到顯著提升，開放程度和科技支持每增加1個單位，經(jīng)濟高質(zhì)量發(fā)展分別提高0.059和0.013個單位。勞動力數(shù)量和經(jīng)濟水平與高質(zhì)量發(fā)展正相關，城鎮(zhèn)化率與經(jīng)濟高質(zhì)量發(fā)展負相關，但均未通過顯著性檢驗。

表6 線性模型回歸Table 6 Linearmodel regression

3.3 數(shù)字經(jīng)濟和高質(zhì)量發(fā)展空間自相關檢驗

3.3.1 數(shù)字經(jīng)濟空間自相關檢驗

2014—2020年省際數(shù)字經(jīng)濟發(fā)展指數(shù)的全局莫蘭指數(shù)均在5%的水平上顯著，且z得分均在1.96以上，說明30個省份的數(shù)字經(jīng)濟發(fā)展指數(shù)存在較強的空間自相關性，一體化聚集程度較高。Moran's I指數(shù)從2014年到2020年整體呈現(xiàn)出波動下降的趨勢，僅在2016年出現(xiàn)了較高值0.356，說明省際數(shù)字經(jīng)濟發(fā)展指數(shù)的空間聚集程度隨著時間的推移在不斷減弱（表7）。

表7 數(shù)字經(jīng)濟全局Moran's I計算結(jié)果Table 7 Calculation results of Moran's I for digital economy

3.3.2 經(jīng)濟高質(zhì)量發(fā)展空間自相關檢驗

2014—2020年省際經(jīng)濟高質(zhì)量發(fā)展的全局莫蘭指數(shù)均在1%的水平上顯著，且z得分均高于2.58，說明2014—2020年各省的經(jīng)濟高質(zhì)量發(fā)展一體化聚集程度較高，存在較強的空間自相關性。Moran's I指數(shù)從2014年到2018年波動式下降，并在2018年達到最低值，而隨后的兩年又呈現(xiàn)出上升的趨勢?？傮w而言，經(jīng)濟高質(zhì)量發(fā)展的空間聚集度呈現(xiàn)出上下波動的趨勢，但基本保持在較高的水平（表8）。

表8 經(jīng)濟高質(zhì)量發(fā)展全局Moran's I計算結(jié)果Table 8 Calculation results of Moran's I for high-quality economic development

3.4 數(shù)字經(jīng)濟和高質(zhì)量發(fā)展時空演變分析

3.4.1 數(shù)字經(jīng)濟時空演變分析

為進一步探究數(shù)字經(jīng)濟在空間上的具體聚集情況，對各省份每年的數(shù)字經(jīng)濟發(fā)展指數(shù)進行熱點分析并繪制二維熱力圖（圖1）。2014—2020年數(shù)字經(jīng)濟的熱點區(qū)域主要出現(xiàn)在中部和東部地區(qū)，冷點區(qū)域主要集中在西部地區(qū)。雖然隨著時間的推移，我國數(shù)字經(jīng)濟的發(fā)展得到了一定程度的提升，但熱點區(qū)域和冷點區(qū)域的面積均出現(xiàn)了縮小的情況，說明數(shù)字經(jīng)濟發(fā)展的聚集強度在不斷減弱，這與上文數(shù)字經(jīng)濟發(fā)展指數(shù)的全局莫蘭指數(shù)統(tǒng)計結(jié)果相一致。

圖1 數(shù)字經(jīng)濟發(fā)展指數(shù)熱點分析Fig.1 Getis-Ord G i of digital economy

3.4.2 經(jīng)濟高質(zhì)量發(fā)展時空演變分析

對2014—2020年各省的經(jīng)濟高質(zhì)量發(fā)展情況進行熱點分析并繪制二維熱力圖（圖2）。2014—2020年經(jīng)濟高質(zhì)量發(fā)展的熱點區(qū)域主要出現(xiàn)在中部和東部地區(qū)，面積略有擴大；而冷點區(qū)域主要集中于西部地區(qū)，面積無太大變化。通過縱向?qū)Ρ瓤梢钥闯鑫覈慕?jīng)濟高質(zhì)量發(fā)展水平不斷提高，空間聚集程度稍有增強，同數(shù)字經(jīng)濟發(fā)展相比，經(jīng)濟高質(zhì)量發(fā)展保持著較高的空間聚集度。

圖2 經(jīng)濟高質(zhì)量發(fā)展指數(shù)熱點分析Fig.2 Getis-Ord G i of high-quality economic development

3.5 數(shù)字經(jīng)濟對高質(zhì)量發(fā)展的時空響應分析

分別采用TWR、GWR和GTWR模型進行回歸，并對3個模型各個變量的估計參數(shù)進行描述性統(tǒng)計（表9）。GTWR模型的多重可決系數(shù)R2＝0.992，遠高于TWR和GWR模型，且RSS和AICc均小于TWR和GWR模型，說明GTWR模型的擬合效果要優(yōu)于TWR和GWR模型，因此下文主要對GTWR模型的回歸結(jié)果進行分析。

表9 TWR、GWR和GTWR模型參數(shù)估計匯總Table 9 Summary of parameter estimation for TWR，GWR，and GTWR models

2014—2020年數(shù)字經(jīng)濟發(fā)展指數(shù)GTWR模型估計參數(shù)的均值為0.267 21，小于中位數(shù)0.323 59，說明大多數(shù)省份數(shù)字經(jīng)濟促進高質(zhì)量發(fā)展的程度較低。控制變量中，GTWR模型估計參數(shù)均值小于中位數(shù)的有勞動力數(shù)量和經(jīng)濟水平，說明勞動力數(shù)量和經(jīng)濟水平與大部分省際高質(zhì)量發(fā)展之間的正向促進作用處于較低水平；而城鎮(zhèn)化率、開放程度和科技支持的GTWR模型估計參數(shù)均值大于中位數(shù)，說明絕大多數(shù)省份的城鎮(zhèn)化率、開放程度和科技支持能夠顯著促進經(jīng)濟高質(zhì)量發(fā)展。

為探究數(shù)字經(jīng)濟發(fā)展與省際高質(zhì)量發(fā)展之間的時空異質(zhì)性，運用二維熱力圖繪制各省份2014—2020年的GTWR回歸系數(shù)空間分布圖（圖3）。從空間上來看，東北三省數(shù)字經(jīng)濟對高質(zhì)量發(fā)展的影響經(jīng)歷了由負轉(zhuǎn)正的變化；東南沿海省市數(shù)字經(jīng)濟促進經(jīng)濟高質(zhì)量發(fā)展的作用要明顯優(yōu)于其他東部地區(qū)；中部地區(qū)中的山西省和河南省數(shù)字經(jīng)濟對高質(zhì)量發(fā)展的影響力度相較于其他4個省市而言較小；西部地區(qū)中的新疆數(shù)字經(jīng)濟對高質(zhì)量發(fā)展的GTWR回歸系數(shù)一直為負，數(shù)字經(jīng)濟負向影響該自治區(qū)的經(jīng)濟高質(zhì)量發(fā)展；整體而言，數(shù)字經(jīng)濟對經(jīng)濟高質(zhì)量發(fā)展的影響呈現(xiàn)出由東南沿海省市向西北內(nèi)陸省市遞減的大致趨勢。從時間上來看，隨著時間的推移，數(shù)字經(jīng)濟影響高質(zhì)量發(fā)展的回歸系數(shù)低值區(qū)和高值區(qū)面積均呈現(xiàn)出不斷縮小的趨勢，說明數(shù)字經(jīng)濟影響經(jīng)濟高質(zhì)量發(fā)展雖然存在空間異質(zhì)性，但省際差異在不斷縮小，趨向區(qū)域協(xié)同發(fā)展。

圖3 數(shù)字經(jīng)濟GTWR回歸系數(shù)空間分布Fig.3 Spatial distribution of GTWR regression coefficient for digital economy

3.6 數(shù)字經(jīng)濟對高質(zhì)量發(fā)展時空響應的具體路徑分析

為進一步探究數(shù)字經(jīng)濟影響經(jīng)濟高質(zhì)量發(fā)展的路徑，本文分別以高質(zhì)量發(fā)展變量及其5個子指標為被解釋變量，進行GTWR回歸，模型回歸的參數(shù)估計結(jié)果及統(tǒng)計特征見表10。數(shù)字經(jīng)濟發(fā)展能夠顯著正向影響經(jīng)濟高質(zhì)量發(fā)展的樣本占總樣本數(shù)量的92.86%，說明2014—2020年數(shù)字經(jīng)濟的發(fā)展能夠促進絕大多數(shù)省份的經(jīng)濟高質(zhì)量發(fā)展。其他被解釋變量的回歸結(jié)果顯著性水平比例均在75%以上，顯著性比例從高到低排列分別為共享發(fā)展、綠色發(fā)展、協(xié)調(diào)發(fā)展、開放發(fā)展和創(chuàng)新發(fā)展，說明在經(jīng)濟高質(zhì)量發(fā)展的5個子指標中，數(shù)字經(jīng)濟對共享發(fā)展的驅(qū)動力最強，對創(chuàng)新發(fā)展的驅(qū)動力最弱。就均值而言，我國的數(shù)字經(jīng)濟發(fā)展水平每增加1個單位，我國的經(jīng)濟高質(zhì)量發(fā)展水平就能提高0.708個單位。在其他5個被解釋變量中，以開放發(fā)展為被解釋變量的回歸系數(shù)均值最高，說明就全國平均情況而言，數(shù)字經(jīng)濟對開放發(fā)展的促進作用明顯優(yōu)于其他4個被解釋變量，數(shù)字經(jīng)濟發(fā)展水平平均每增長1個單位，就能促進我國開放發(fā)展水平提升1.096個單位。

表10 基于GTWR模型的參數(shù)估計結(jié)果及統(tǒng)計特征Table 11 Parameter estimation results and statistical characteristics based on GTWR model

4 結(jié)論與啟示

本文采用中國30個省市（西藏、港、澳、臺除外）2014—2020年的面板數(shù)據(jù)進行數(shù)字經(jīng)濟與中國省際經(jīng)濟高質(zhì)量發(fā)展的時空響應分析，運用熵權TOPSIS法對數(shù)字經(jīng)濟和經(jīng)濟高質(zhì)量發(fā)展進行綜合評價，通過空間自相關檢驗和熱點分析揭示數(shù)字經(jīng)濟和經(jīng)濟高質(zhì)量發(fā)展的時空演變趨勢，最終采用GTWR模型檢驗數(shù)字經(jīng)濟與經(jīng)濟高質(zhì)量發(fā)展之間的空間響應關系，具體結(jié)論如下。

1）數(shù)字經(jīng)濟和高質(zhì)量發(fā)展存在空間異質(zhì)性。數(shù)字經(jīng)濟與高質(zhì)量發(fā)展在省際層面均存在較強的空間自相關性，數(shù)字經(jīng)濟的冷點區(qū)域集中在西部地區(qū)，熱點區(qū)域主要出現(xiàn)在中部和東部地區(qū)，一體化聚集強度呈現(xiàn)出不斷減小的態(tài)勢，高質(zhì)量發(fā)展的冷點區(qū)域主要集中于西部地區(qū)，熱點區(qū)域主要出現(xiàn)在中部和東部地區(qū)，空間聚集強度相對數(shù)字經(jīng)濟而言保持在較高水平。

2）數(shù)字經(jīng)濟對省際高質(zhì)量發(fā)展的顯著作用存在時空異質(zhì)性。數(shù)字經(jīng)濟與經(jīng)濟高質(zhì)量發(fā)展之間存在顯著正向關系，基準回歸結(jié)果表明數(shù)字經(jīng)濟每增加1個單位能夠促進高質(zhì)量發(fā)展增加0.406個單位，GTWR結(jié)果表明數(shù)字經(jīng)濟每增加1個單位能夠促進增加高質(zhì)量發(fā)展0.267個單位，但數(shù)字經(jīng)濟對省際高質(zhì)量發(fā)展的影響存在時空差異，空間上影響程度由東南地區(qū)向西北地區(qū)遞減，時間上省際差異不斷縮小趨向區(qū)域協(xié)調(diào)發(fā)展。

3）數(shù)字經(jīng)濟對高質(zhì)量發(fā)展各子指標的驅(qū)動力存在差異性。數(shù)字經(jīng)濟對高質(zhì)量發(fā)展各子指標的正向促進作用顯著性比例從高到低排列分別為共享發(fā)展、綠色發(fā)展、協(xié)調(diào)發(fā)展、開放發(fā)展和創(chuàng)新發(fā)展，說明在經(jīng)濟高質(zhì)量發(fā)展的5個子指標中，數(shù)字經(jīng)濟對共享發(fā)展的驅(qū)動力最強，對創(chuàng)新發(fā)展的驅(qū)動力最弱。

基于以上3點結(jié)論，本文提出以下建議。

1）進一步促進西部地區(qū)的數(shù)字經(jīng)濟發(fā)展。西部地區(qū)的數(shù)字經(jīng)濟發(fā)展相對于東部地區(qū)而言較弱，應加強四川省、重慶市和甘肅省等西部地區(qū)省份數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化的深度融合發(fā)展，推進西部數(shù)字經(jīng)濟的區(qū)域協(xié)調(diào)發(fā)展。

2）以數(shù)字經(jīng)濟推動省際經(jīng)濟高質(zhì)量發(fā)展。基準回歸結(jié)果顯示數(shù)字經(jīng)濟每增加1個單位就能夠提升0.406個單位的高質(zhì)量發(fā)展，GTWR結(jié)果顯示數(shù)字經(jīng)濟每增加1個單位就能夠提高0.267個單位的高質(zhì)量發(fā)展，數(shù)字經(jīng)濟與省際高質(zhì)量發(fā)展之間存在顯著正向關系，要因地制宜、因材施政，優(yōu)化各省份數(shù)字經(jīng)濟發(fā)展環(huán)境，推動各省經(jīng)濟量的合理增長和質(zhì)的有效提升。

3）提高創(chuàng)新驅(qū)動力，以創(chuàng)新促發(fā)展。在高質(zhì)量發(fā)展的各項子指標中，數(shù)字經(jīng)濟對創(chuàng)新發(fā)展的顯著性比例最低，說明數(shù)字經(jīng)濟對創(chuàng)新發(fā)展的驅(qū)動力相對不足，因此要加強各省份的創(chuàng)新投入，提升創(chuàng)新的投入產(chǎn)出比，提高創(chuàng)新在數(shù)字經(jīng)濟促進高質(zhì)量發(fā)展之間的驅(qū)動力，進一步實現(xiàn)省際高質(zhì)量發(fā)展。