数字经济、空间溢出与城乡收入差距——基于空间杜宾模型的研究

魏 萍，陈晓文

(青岛大学 经济学院，山东 青岛 266100)

一、引言

数字经济是伴随数字技术革命和产业革命而产生的一种新的经济发展形态。根据G20杭州峰会的表述，“数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。”[1]随着云计算、物联网、大数据以及人工智能等数字技术的不断创新，数字经济保持蓬勃发展的良好态势，2018年，中国数字经济总量达31.3万亿元，GDP占比超过三分之一，其中北京、上海、广东、浙江和江苏等地区数字经济占GDP的比重已超过40%(1)数据来源：中国数字经济发展与就业白皮书(2019年)。。数字经济地位显著提升，已经成为带动中国国民经济增长的关键力量。党中央、国务院陆续提出 “宽带中国”“互联网+”“智慧城市”“数字乡村”等一系列信息化发展战略，支持推动数字经济发展。

中国经济自改革开放以来快速增长，居民收入大幅提升，但城乡发展不平衡问题仍然较为突出。2018年中国城镇居民人均可支配收入39 251元，而农村居民人均可支配收入仅为14 617元，城乡居民收入比高达2.69(2)数据来源：经济日报-中国经济网。。十九大报告指出，民生领域还有不少短板，脱贫攻坚任务艰巨，城乡区域发展和收入分配差距依然较大，必须着力加以解决[2]。而数字经济以“普惠共享”为发展原则，或将成为助力乡村振兴、缓解城乡收入差距的重要突破口。据阿里研究院《中国淘宝村研究报告(2018)》显示，2018年中国淘宝村的数量达3202个，淘宝村网店的年销售额超过2200亿元，占农村网络零售额的比重超过10%，带动的就业机会超过180万个，淘宝村蓬勃发展，成为数字经济助力乡村振兴的先行者。世界银行首席经济学家詹思敏表示，以信息技术为依托，数字经济拓宽了市场边界，使得弱势群体能够更加便捷地参与市场交易，有利于实现经济共享。因此，随着中国信息化快速发展，数字经济是否真正有利于缩小中国的城乡收入差距以及在多大程度上影响中国的城乡收入差距是值得探讨的课题。

二、文献综述

(一)数字经济的空间溢出效应

空间溢出效应最早由Anselin提出，空间数据的观察值与空间单元间的联系有关，这种特征称为空间效应，具体表现为空间依赖性和空间异质性，而空间溢出是产生空间效应的原因之一[3]。空间溢出效应是指单个空间单元某个变量变化所导致的空间影响，用来度量本区域变动对其他区域的影响。[4]Richardson将地区间产生的扩散作用称为正溢出效应，回流作用称为负溢出效应。[5]随着空间计量经济学的发展，空间溢出效应研究得到广泛关注，既有研究主要集中于对FDI、知识、基础设施以及人力资本等生产要素的溢出效应进行分析。Coughlin 和Segev考察了FDI 在中国各省的分布,发现FDI存在正向空间溢出效应[6]。何兴强、王利霞对中国154 个地级及以上城市的FDI 区位分布的空间效应进行检验，发现本区域内的FDI不但会受到周边区域FDI活动的显著性影响，也受到周边城市FDI 不可测因素的影响[7]。Cohen发现基础设施可以降低区域间的运输成本和交易成本，促进区域间信息和技术的扩散，进而促进周边地区经济增长。[8]张治栋、李发莹发现，交通基础设施的空间溢出效应还有利于促进周边地区的产业结构升级。[9]赵勇、白永秀认为，知识溢出是必然的，知识溢出可通过人才流动、研发合作、企业家创业和贸易投资四种途径产生溢出效应。作为空间交互的重要途径，知识的空间溢出具有局域性特征，使得区域之间的交互作用仅限于相邻区域之间[10]。城市创新能力是自身投入与知识溢出共同作用的结果，周边地区的空间溢出效应是城市创新的重要推动力，应加快建立城市间的创新互动机制，通过发挥中心城市的知识溢出作用，带动周边城市创新增长，从而实现区域协同创新发展[11]。

由于数字经济以互联网、大数据等信息技术为基础，具有互联互通、共享等特性，能够突破空间上的地理距离限制，因此，本地区数字经济发展水平对关联区域也会产生空间溢出效应。张俊英等发现，电子商务降低了地区间交流成本，促进了发达地区与比较不发达地区之间的信息化传播，将发达地区企业创新的先进经验扩散至其他地区，从而产生技术溢出并进一步促进地区产业集聚[12]。张旭亮等认为，互联网可打破地理时空约束，实现邻近创新的可能，同时，互联网加速了跨区域要素整合，有利于区域协同发展[13]。叶茜茜认为，区域间的知识溢出、人才流动和投资贸易往来使得技术创新产生空间溢出效应。[14]77沈悦和郭品基于技术溢出理论，总结了互联网金融产生溢出效应的四种途径，即示范作用、人员流动、竞争作用以及产业关联[15]。与此同时，数字经济产生的空间溢出效应大小受到参与主体的吸收能力限制。Grossman和Helpman指出，知识或者技术的扩散必须以区域的知识吸收能力为前提，创新能力强的区域必然具有较强的知识吸收能力[16]。马明认为，发达地区的前沿技术是否能被其他地区获得并应用于生产取决于前沿技术的溢出程度以及接受方的知识吸收能力。[17]区域之间的网络结构、知识差距和吸收能力、经济和政策环境等因素都会造成区域间的空间溢出效应存在差异。[14]78

(二)数字经济与城乡收入差距

近年来，学术界逐渐开始关注数字经济对收入分配的影响，主要有以下两种观点。

一种观点认为数字经济会拉大城乡收入差距，主要原因为城乡之间存在数字鸿沟(3)“数字鸿沟”(Digital Divided)，是指不同社会群体之间在拥有和使用现代信息技术方面存在的差距。。现有研究主要从宏观和微观两个角度进行解释。一是从宏观角度，侧重分析经济发展、人力资本以及基础设施建设等因素对地区数字经济发展差异的影响。胡鞍钢和周绍杰指出，信息基础设施存在差距是导致城乡数字鸿沟的重要原因。[18]10贺娅萍和徐康宁的研究表明，互联网的使用效率与经济发展水平和人力资本等因素紧密相关，相对于城镇地区，农村地区由于经济发展水平以及受教育程度低等条件的限制，不能以同等的条件享受到互联网带来的优势，从而加大了城乡收入差距[19]。张磊和韩雷发现，目前我国电子商务发展带来的收益分配，并未在城乡间实现真正的普惠和共享。[20]二是从微观角度，主要分析居民收入水平、受教育水平、性别等因素对互联网获取或使用程度的影响。Lorence等认为，低收入和高收入人群之间的数字鸿沟仍然存在，并且没有得到改善[21]。刘晓倩和韩青发现，互联网对农民收入的影响程度与农村居民的年龄、性别、教育水平以及工作性质有关，互联网的使用实际加大了不同性别、不同教育水平的农村居民之间的收入差距[22]。随着数字技术不断创新，中国与发达国家、中国各地区之间、中国城乡之间都将存在“数字鸿沟”。[18]6数字鸿沟可分为两级：信息的可接入性称为“一级数字鸿沟”、信息的鉴别和利用能力称为“二级数字鸿沟”。[23,24]许竹青等认为，伴随着中国通信基础设施不断完善，农村地区的信息可接入性水平已大幅提升，但是农村居民对于信息的鉴别能力和利用能力还很差，中国城乡间仍然存在较为严峻的“二级数字鸿沟”[25]。

另一种观点认为，数字经济发展为改善城乡收入分配格局提供机遇，主要从数字经济有利于增加农民收入、减少农村贫困方面进行分析。Bhavnani等提出，移动电信服务对于农村地区可持续减贫具有积极影响。[26]Aker发现，使用ICT可以促进农业技术、农产品市场、病虫害防治以及农业生产资料等农业信息的传播，改善信息不对称[27]。农村居民可以更加准确及时地获取农产品市场信息，作出生产决策，从而有利于降低农业生产成本，提高农业收入。国内不少研究结果也表明，互联网普及对中国农村居民的收入效应大于城镇居民，互联网具有改善城乡收入分配格局的重要作用[28]23[29]。梁双陆和刘培培认为，借助互联网和大数据等信息技术，数字普惠金融大幅地降低了农村居民获取金融资源的门槛，提高了农村居民使用金融服务的机会，从而有助于缩小城乡收入差距[30]。

综上所述，学术界虽然已经开始关注数字经济对城乡收入分配的影响，但是大多没有考虑到数字经济产生的空间溢出效应，这可能导致对数字经济影响城乡收入差距的估计结果存在偏差。为更加准确地测算数字经济对城乡收入差距产生的影响，本文首先采用全域莫兰指数(Moran’s I)和局部莫兰散点图，对数字经济各指标是否具有空间自相关性进行检验，然后建立空间杜宾模型，探讨数字经济对城乡收入差距的直接影响和空间溢出效应，以期为解决中国城乡收入分配问题提供参考。

三、模型设定、变量选取与数据来源

(一)模型设定

为了更好地验证数字经济对城乡收入差距的空间溢出效应，本文采用空间计量模型进行研究。空间计量模型主要有空间滞后模型(Spatial Lag Model,简称“SLM”)、空间误差模型(Spatial Error Model,简称“SEM”)和空间杜宾模型(Spatial Dubin Model,简称“SDM”)三种，具体如下。

空间滞后模型(SLM)主要考察被解释变量在地区之间产生的空间溢出效应，基本表达式为：

Y=ρWY+Xβ+ε

(1)

空间误差模型(SEM)主要考察没有包含在解释变量中的遗漏变量或随机干扰项产生的影响，基本表达式为：

Y=Xβ+μμ=λWμ+ε

(2)

作为更一般的计量模型形式，空间杜宾模型(SDM)兼具以上两个模型的特点，在模型中同时引入了因变量与自变量的空间滞后项，基本表达式为：

Y=ρWY+Xβ+WXθ+ε

(3)

当θ=0时，SDM 模型转换为SLM模型；当θ+ρβ=0时，SDM 模型转化为SEM 模型。

其中，Y是因变量，X是自变量，β是自变量的系数，μ是随机误差，ε是残差项。W是空间权重矩阵，WY是因变量空间滞后项，ρ是因变量空间回归系数；WX是自变量空间滞后项，θ是自变量空间回归系数；Wμ是空间误差滞后项，λ是空间误差回归系数。

上述三种模型是常见的空间计量模型，具体采用哪一种模型最合适，需要根据面板数据对上述三个模型进行检验。具体的检验步骤如下：首先，采用全域莫兰指数、局部莫兰散点图对空间效应进行识别，判断是否需要在后续回归分析中引入空间相关性进行分析；然后，采用Wald检验和LR检验，对θ=0和θ+ρβ=0分别进行检验，判断空间杜宾模型能否退化为空间滞后模型或空间误差模型；最后，采用Hausman检验对混合效应、固定效应或随机效应进行选择，其中固定效应又分为个体固定效应、时间固定效应和双固定效应。

(二)变量选取与说明

1.被解释变量为城乡收入差距(Incgap)。衡量城乡收入差距的常用指标包括城乡收入占比、城乡消费支出占比以及泰尔指数等，本文借鉴李子叶等的做法[31]，采用城市居民人均可支配收入与农村居民人均可支配收入(4)2013年，国家统计局将“农村人均纯收入”这一指标与“城市人均可支配收入”统一，口径变为“农村人均可支配收入”。查阅相关资料可知，二者差距不大，因此，2010—2012年“农村人均可支配收入”这一指标由“农村人均纯收入”代替。的比值来衡量城乡收入差距。

2.核心解释变量为数字经济(Digital Economy)。由于数字经济以数据作为核心生产要素，能够跨越行业和领域限制实现跨界融合，因此很难准确地测量数字经济的体量，而国际、国内研究机构公布的数字经济指标体系均涉及多个维度，计算十分复杂，例如欧盟2014年发布的“数字经济与社会指数”，该指标需依据各地区的宽带接入、人力资本、互联网应用、数字技术应用以及数字化公共服务程度等5 个主要方面共31 项二级指标计算得出[32]。考虑数据的可得性，本研究从数字基础设施建设、数字技术普及以及数字技术应用三方面分别选取信息基础设施建设(Fiber)、移动电话普及(Mob)、互联网普及(Internet)、电子商务(EB)四个指标衡量各地区数字经济发展。

(三)数据来源

本文以2010—2016年中国31个省(市)自治区(不包含香港、澳门和台湾地区)的面板数据为样本，各变量的描述性统计结果见表2，主要数据来源为《中国统计年鉴》(2011—2017)以及历年中国互联网络信息中心发布的《中国互联网络发展状况统计报告》。

四、实证检验

(一)空间权重矩阵

空间权重矩阵用于表达不同地理单元之间的相互关联程度或相互依赖程度，将合适的空间权重矩阵纳入后续空间计量分析是准确考察数字经济对城乡收入差距空间溢出效应的关键。结合研究内容，本文分别构建邻接权重矩阵、反距离权重矩阵和嵌套权重矩阵三种空间权重矩阵。

表1 变量指标的选取

表2 变量描述性统计结果

1.邻接权重矩阵(W01)。邻接权重矩阵假设当空间单元之间拥有共同地理边界时，空间交互作用就会发生。当省域i与省域j相邻时，W01中的元素Wij取值为1，否则取值为0。W01矩阵的定义如下:

(4)

2.反距离权重矩阵(Winv)。反距离权重矩阵假设空间效应不仅只存在于相邻的空间单元之间，有些省域即使不相邻也存在着空间效应，且省域之间距离越近，这种空间效应就越强。反距离权重矩阵的表达式如下:

(5)

其中dij为依据经纬度数据计算得出的各省省会城市之间的地表距离。

3.嵌套权重矩阵(Wqiantao)。现实生活中，空间关联具有复杂性，地理距离并不是产生空间效应的唯一因素，各省域之间的经济发展水平、产业结构、文化等因素都会导致各省域单元之间产生交互影响。因此，嵌套权重矩阵综合考虑地理因素和经济因素来设置空间权重，其定义如下：

(6)

其中，Winv为前面构建的反距离权重矩阵，diag(…)为对角矩阵，其对角元素为各省域的经济变量X的均值，本文将X取作各省域的人均实际GDP，该矩阵假设经济发展水平较高的省域对经济水平低的省域会产生更强的空间效应与辐射作用。

(二)空间自相关性检验

空间自相关性，又称空间依赖性或空间关联性，是指空间地理单元上的某一现象或属性值受到关联地区同一现象或属性值的影响,而是否需要在数字经济影响城乡收入差距的回归模型中加入空间效应，取决于数字经济等变量是否具有空间自相关性特征。现有文献通常采用莫兰指数对变量的空间自相关性特征进行识别，本文分别选取全域莫兰指数和局部莫兰散点图对各变量的地理分布是否具有空间自相关性特征进行检验。

1.全域莫兰指数

全域莫兰指数用来衡量空间整体的关联性和聚集状态，取值范围为(-1,1)。全域莫兰指数值大于0，表明空间单元之间存在正相关性，表现为空间集聚；全域莫兰指数值小于0，表示空间单元之间具有负相关性，表现为空间扩散；全域莫兰指数值等于0，表明空间单元之间没有相关性，各指标的观测值呈现独立随机分布。全域莫兰指数计算公式如下：

(7)

基于全域莫兰指数公式(7)，运用STATA软件在邻接权重的基础上计算出中国2010—2016年各变量全域莫兰指数值，见表3。

表3 2010—2016年各变量全域莫兰指数值

说明：***、**和*分别表示数据在1%、5%和10%水平下显著。

通过空间自相关性检验结果(表3)可知，

(1)各变量的全域莫兰指数值几乎都在1%的水平上通过了检验，说明各变量具有显著的空间自相关性特征，应在后续数字经济影响城乡收入差距的回归模型中加入空间效应。

(2)数字经济各指标的全域莫兰指数值均显著为正值，表现为正的空间自相关性，说明我国各省份的数字经济发展水平在空间分布上并非表现为完全随机状态，而是呈现出一种集聚状态，即数字经济发展水平相似的省份在空间上趋于集聚。其中，信息基础设施建设和电子商务的全域莫兰指数值随时间总体呈增大趋势，表明省域之间的信息基础设施和电子商务发展的空间集聚越来越显著。而移动电话和互联网普及的全域莫兰指数值随时间变化总体呈减小趋势，表明移动电话普及和互联网普及的空间集聚程度在减弱。

2.局部莫兰散点图

全域莫兰指数反映了空间相关性的总体趋势，但是无法对局部区域之间的差异进行描述。为了对每个区域与其周边地区之间的空间差异进行检验，本文基于邻接权重，运用STATA14.0软件，分别绘制数字经济各指标在2016年的局部莫兰散点图，见图1。

局域自相关共有四种模式，分布在四个象限，每个象限对应一种空间结构,用于反映各地区的观测值与其邻近地区观测值之间的空间依赖关系。其中，位于第一象限和第三象限的地区分别属于数字经济发展高水平区域被高水平区域包围(H-H型)、数字经济发展低水平区域被低水平区域包围(L-L型)，这两个象限的地区数字经济发展的区域空间差异小；位于第二象限和第四象限的地区分别属于数字经济低水平区域被高水平区域包围(L-H型)、数字经济高水平区域被低水平区域包围(H-L型)，这两个象限的地区数字经济发展的区域空间差异大。

由数字经济各指标的莫兰散点图(图1)可以看出，绝大部分省域的观测值均位于第一象限(H-H型)和第三象限(L-L型)，说明数字经济发展具有明显的“高高集聚”和“低低集聚”特征。其中，移动电话普及的全域莫兰指数值较小，为0.143，说明目前移动电话空间正向自相关性较弱，空间聚集特征已经不明显。而信息基础设施建设、互联网普及和电子商务的全域莫兰指数均较大，分别为0.443、0.340、0.352，说明目前各地区的信息基础设施建设、互联网普及以及电子商务发展仍具有较强的正向空间自相关性，即信息基础设施建设、互联网普及以及电子商务发展高水平区域趋向于与高水平区域相邻，信息基础设施建设、互联网普及以及电子商务发展低水平区域趋向于与低水平区域相邻，进一步对各指标进行空间差异化集群划分如下表4。(5)按统计局划分标准,东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。

表4 2016年数字经济各指标空间差异化集群划分

由表4可知，数字经济四大指标下，(1)依次有6、4、6、5个省域属于H-H型(高值区域集群)，占我国全部省域的比例均不超过20%，且这些省域集中分布在中国东部沿海地区，尤其是以北京和天津为中心的京津冀地区、以上海为中心的长三角地区以及以广东为中心的闽粤地区，这与中国三大经济聚集区分布格局基本一致；(2)依次有17、15、16、20个省域属于L-L型(低值区域集群)，占我国全部省域的50%左右，且这些省域集中分布在我国中西部地区，说明我国绝大多数省域的数字经济发展水平都较为低下，尤其是中西部地区，除河南、安徽、新疆、山西等个别省份外，中西部地区数字经济发展普遍落后，数字经济发展的潜力有待进一步挖掘；(3)另外，除高值区域集群和低值区域集群，中国还有少部分省域属于L-H型和H-L型，这两个类型中的省域数字经济发展极不均衡。其中，高水平区域主要包括辽宁、北京、广东等东部沿海省域，而低水平区域主要为安徽、江西等中部地区省域，由此可见，中国东部沿海地区虽然自身数字经济发展水平高，但尚未充分发挥对其周边区域尤其是中部地区的辐射和带动作用。

(三)空间杜宾模型的估计结果与分析

1．普通面板数据回归

以2010—2016年中国31个省、市及自治区面板数据为样本，首先对面板数据进行普通回归分析，如下表5所示。由表5可以看出，数字经济指标中，互联网普及对城乡收入差距的影响系数为-1.367，并通过了1%水平的显著性检验，说明互联网的普及显著缩小了城乡收入差距。其他对城乡收入差距具有显著影响的指标包括城镇化、受教育程度、交通条件、产业结构合理化和政府财政支出，且均在10%水平下通过了显著性检验。

表5 普通面板回归结果

说明：***、**和*分别表示数据在1%、5%和10%水平下显著。

2．空间杜宾模型回归结果

在进行空间计量回归之前，需要确定模型的具体形式，本文分别采用Wald 检验和LR检验对空间杜宾模型(SDM)是否可以简化为空间滞后模型(SLM)或者空间误差模型(SEM)进行检验。检验结果显示，Wald_spatial_lag 值和LR_spatial_lag 值分别为100.17 和113.59，均在1%水平下通过了显著性检验，拒绝将空间杜宾模型设置为空间滞后形式的原假设；Wald_spatial_error 值和LR_spatial_error 值依次为78.75 和110.74，在1%水平通过了显著性检验，拒绝将空间杜宾模型设置为空间误差形式的原假设。由此可知，空间杜宾模型是合适的模型。进一步,Hausman 检验结果显示固定效应优于随机效应， 且LR统计结果显示个体固定效应和时间固定效应同时存在。因此，本文最终选定双向固定效应的空间杜宾模型(SDM)估计数字经济对城乡收入差距的影响，见表6。

双向固定效应的空间杜宾模型估计结果(表6)表明，从R2，Log-L和Sigma2统计量的值来看，三种空间权重下模型的拟合程度都较好，总体回归可信度较高。由于空间杜宾模型考虑空间溢出效应，表中数字经济各指标的估计系数不能直接反映其对城乡收入差距的影响，但是从估计结果中仍能获取一些基本信息：除互联网普及指标外，其他三个数字经济指标均在5%水平下通过了检验，这表明数字经济的发展对城乡收入差距有显著影响；信息基础设施建设、互联网普及的影响系数为正，表明我国的信息基础设施建设和互联网普及加剧了城乡收入差距，而移动电话普及和电子商务的直接效应以及间接效应的估计系数均显著为负值，说明本地区移动电话的普及和电子商务的发展不但有利于缩小当地的城乡收入差距，还能有效缓解周边地区的城乡收入差距问题。

3．直接效应、间接效应与总效应

空间杜宾模型可以把空间总效应分解为直接效应和间接效应。其中，直接效应反映本地区自变量变动对本地区因变量产生的影响；间接效应即空间溢出效应，反映本地区自变量变动对其他地区因变量产生的影响；总效应则反映自变量对因变量产生的平均影响。为了更好地揭示数字经济对城乡收入差距的内在影响机制，本文在空间杜宾模型估计结果的基础之上，基于偏微分效应分解方法，将数字经济对城乡收入差距产生的影响进行空间效应分解如下表7。

由空间杜宾模型效应分解结果(表7)可以得出以下结论。

(1)不考虑空间溢出效应，可能会错估数字经济对城乡收入差距产生的影响。由表5，普通面板回归下，移动电话普及和互联网普及对城乡收入差距的作用分别为扩大、缩小，而由空间杜宾模型估计结果(表7)可知，加入空间效应后，移动电话普及和互联网普及对城乡收入差距的作用分别为缩小、扩大，因此，不考虑空间溢出效应，可能会错估数字经济对城乡收入差距的影响。

表6 双向固定效应的空间杜宾模型估计结果

说明：***、**和*分别表示数据在1%、5%和10%水平下显著。

(2)由空间杜宾模型的直接效应和间接效应分解结果可知，本地区的信息基础设施建设和互联网普及扩大了本地区的城乡收入差距，但对周边地区城乡收入差距的影响不显著；移动电话普及和电子商务具有显著的空间溢出效应，本地区的移动电话普及和电子商务发展不但能缩小本地区的城乡收入差距，对周边地区的城乡收入差距也有抑制作用。

(3)目前，除互联网普及外，数字经济各指标对城乡收入差距的作用效果还较小，这可能是因为中国数字经济规模有待进一步提升，且数字经济资源主要集中在经济发达的东部和城市地区，对农村等经济落后地区的扶贫作用尚未充分发挥；互联网普及对城乡收入差距的估计系数最大且显著为正值，说明数字经济发展过程中，互联网普及加剧了中国的城乡收入差距问题。

表7 空间杜宾模型的直接效应、间接效应和总效应

说明：***、**和*分别表示数据在1%、5%和10%水平下显著。

五、主要结论与建议

通过实证研究，本文得出以下主要结论。

(1)数字经济发展过程中，信息基础设施建设、移动电话普及、互联网普及和电子商务发展具有显著的正向空间自相关性。

(2)我国数字经济发展水平在空间分布上并非完全随机的，而是呈现出一种集聚状态，具体表现为“高高集聚”和“低低集聚”特征，即数字经济发展水平高的区域趋向于与水平高的区域相邻，数字经济发展水平低的区域趋向于与水平低的区域相邻。

(3)我国数字经济发展地区不平衡问题突出，信息基础设施、互联网以及电子商务等数字经济资源集中分布在我国东部沿海地区，尤其是以北京和天津为中心的京津冀地区、以上海为中心的长三角地区以及以广东为中心的闽粤地区，而中西部地区数字经济发展水平普遍落后。

(4)不考虑空间溢出效应，可能会错估数字经济对城乡收入差距产生的影响。数字经济发展过程中，本地区的信息基础设施建设和互联网普及会扩大本地区城乡收入差距，但对其他地区的影响不显著；移动电话普及和电子商务空间溢出效应显著，不但能有效缩小本地区城乡收入差距，而且对周边地区的城乡收入差距有抑制作用。

基于以上研究结论，提出以下建议。

(1)缓解数字经济发展地区不平衡难题。一方面，可以通过数字经济相对发达的地区对周边区域形成的辐射和带动效应，促进周边区域发展。中国东部沿海省市数字经济发展水平远高于中部地区，东部沿海地区可通过加快技术转移、信息交流、要素流动等扩散，发挥对周边地区的辐射效应，带动中部地区数字经济发展水平进一步提升；另一方面，西部地区属于数字经济低水平区域被低水平区域包围类型，这类地区在自身技术薄弱且无法接受邻近地区的辐射效应情况下，可立足自身资源优势，借助电商平台，通过引进技术和人才，打造当地特色产业。例如新疆巴楚县借助电商平台将当地特色农产品“留香瓜”打入全国市场，并建立了一个可持续发展的支柱产业。

(2)提高农村地区的互联网普及率。城乡数字鸿沟是互联网扩大城乡收入差距的重要原因，目前我国农村地区的互联网普及率(38.4%)与城镇地区(74.6%)仍有较大差距，实现数字经济“普惠共享”，需进一步完善农村地区数字基础设施建设，尤其是加快实施农村地区“网络覆盖工程”，提高农村地区的互联网普及率，弥合城乡数字鸿沟。

(3)作为数字经济的重要组成部分，电子商务发展有利于减少贫困，助力乡村振兴。要充分发挥电子商务对城乡收入差距的空间溢出效应，加强各省、市、区之间的空间地理联系，促进省域之间的信息、技术、人才等要素流动，促进省域间相互合作，推动形成区域协作的统筹机制，共同缩小城乡收入差距。同时，智能手机和广泛参与是电子商务在农村地区发展的两大要素，目前移动手机在我国农村地区已得到了全面普及，上网技能缺失及文化水平限制成为限制农村居民参与的重要原因，进一步提升电子商务在农村的发展与应用，需加大对农村居民互联网使用的教育和培训，提高农民对信息的获取和利用能力。