中国省域信息产业集聚对经济发展效率的影响

陈 莉，檀文飞，殷天赐

(安徽建筑大学 经济与管理学院，合肥 230601)

当中国经济进入新常态[1]，信息化进程是促进中国社会经济发展的重要因素之一。信息化建设作为全球经济一体化建设的重要基石，与一体化建设相互交织，正在重塑世界竞争格局[2]，引发一轮接一轮的信息“战争”。国务院办公厅印发的《国家信息化发展战略纲要》指出，中国信息消费总额已达到6万亿元。信息产业实力大幅提升。信息产业不仅关系到国家经济命脉[3]，还与国家安全息息相关[4]。已有研究表明，信息产业发展与中国经济增长有着密切的影响[5-9]。同时，新经济地理学认为，产业集聚是提高生产效率的有效途径，也是促进产业协同创新，推动技术创新与知识溢出，实现资源合理配置的关键[10]。鉴于此，本研究拟通过计算2008—2018年全国30个省信息产业区位熵，测度信息技术产业集聚分布与现状，并测算中国各省域的经济发展效率，借助双固定效应回归模型进行实证研究。基于库兹涅茨曲线构造信息产业区位熵的平方二次项，探究信息产业集聚与经济发展效率间的内在机制。同时，鉴于省域不同区域的信息产业集聚对经济发展效率存在异质性，本研究又进一步将全国样本分为东部、中部和西部3个子样本，以考察这种作用机制的差异。旨在促进中国信息产业健康发展，找到信息产业集聚对经济发展效率的作用区间，为中国经济长期可持续良性发展提供合理的建议。

1 研究方法

1.1 区位熵指数

区位熵常用来衡量区域中某一个指标的分布状况，反映该指标在划定区域内的集聚状况[11]，其计算公式为

(1)

式中：LQij表示信息技术产业区位熵值数;xij表示i地区j产业的相关指标;∑jxij表示i地区范围内全部产业的相关指标;∑ixij表示研究区域内所有地区的j产业的相关指标;∑i∑jxij表示研究区域内所有地区全部产业的相关指标。一般认为，当LQij>1时，产业出现集聚。

1.2DEA-CCR模型

DEA-CCR模型以规模报酬不变为假设，通过线性规划来估计各决策单元的生产前沿面，评价各决策单元的相对效率[12-13]。假设有A个决策单元，每个决策单元都有m种输入和s种输出，则某个特定决策单元的效率评价公式为

(2)

式中：Xj与Yj分别为决策单元的投入和产出向量；uT,vT为权重变量。令t=1/vTx0，ω=t×v，μ=t×u，则式(2)可转变为

(3)

对偶问题为

(4)

式中：θ为中国各省经济发展效率。

1.3 双固定效应模型

由于普通面板模型无法完整地描述地区个体之间和时间效应的影响，因此，构建双固定面板变截距模型探究信息产业区位熵与经济发展效率之间的关系，其基准方程为

yit=α0+δi+δt+αitxit+controlit+ε.

(5)

式中：yit为方程的被解释变量，表示经济发展效率；α0表示方程截距项；δi表示个体固定效应；δt表示时点固定效应；xit为方程的核心解释变量，表示信息产业区位熵；controlit为控制变量，表示劳动力水平、资本存量、地方政府竞争、地方财政支出、开放水平和城镇化水平；ε为随机扰动项。

为了证明区位熵与城市建设之间是否存在非线性关系，在上述基准方程中引入基于库兹涅茨曲线构造的信息产业区位熵平方二次项，调整后的回归方程为

(6)

2 数据来源与指标选取

选取2008—2018年中国30个省级行政区域面板数据，数据均来自《中国统计年鉴》《中国人口和就业统计年鉴》及《中国高技术产业统计年鉴》。此外，由于西藏自治区的数据缺失较多，无法将其纳入到研究框架。对于少数省份、年份的缺失数据，研究过程中均对空缺数据利用平均增长率等方法进行填补。

被解释变量选择2008—2018年中国各省经济发展效率(TE)，由DEA-CCR模型计算得出，投入变量选择各省从业总人数和资本存量，分别表示劳动力投入和资本投入，其中，劳动力投入由各省份内65周岁以下就业人数衡量，资本存量参考张军[14]的永续盘存法按不变价格计算得出。产出变量选择以2008年为基期，对名义GDP进行平减后得出的实际GDP，以消除通货膨胀的影响。

核心解释变量选择信息产业区位熵指数(LQ)和基于库兹涅茨曲线构造的信息产业区位熵平方二次项(LQ2)，通过测度区位熵指数来表征信息技术产业的集聚状况。鉴于数据的可得性，首先界定以信息传输、计算机服务和软件业作为测算信息技术产业的样本行业，以地区内行业从业人数测算区位熵指数。

控制变量选择劳动力水平(LNL)、资本存量(LNK)、地方政府竞争(GC)、地方政府财政支出(LNFP)、开放水平(OL)及城镇化水平(UL)。其中，劳动力水平和资本存量均做自然对数处理。不同地区的政府受到绩效考核的限制，为追求经济产出，势必会对其管辖区域产业发展及发展状态产生影响，因此，以地区GDP占当年总GDP的比重衡量地方政府的竞争压力，数值越小，表明政府面临的竞争压力越大；地方政府财政支出给予政府自主支出的范围，以地区政府财政当年一般预算内支出取自然对数衡量；开放水平会影响企业的创新偏好，以地区当年进出口总额占地区GDP的比重衡量；城镇化水平以地区城镇人口占地区年末总人口的比重衡量。各变量的描述性统计如表1所示。

表1 变量描述性统计

3 实证分析

3.1 区位熵测度

通过测算2008—2018年中国信息产业区位熵指数，以测度信息产业集聚状况，分析信息产业集聚特征，计算结果如表2所示。

根据表2的计算结果所示，全国信息产业区位熵指数近10 a来平均为0.937，从全国视角看中国信息产业集聚尚不明显，但大于0.500，表明信息产业集聚已经出现一定的规模。东部地区区位熵指数平均为1.233，2008年为1.204，2018年为1.303，样本期内存在小幅度的波动，但总体呈现上升趋势，表明东部地区是信息产业集聚分布的重心，信息产业发展状况较好。其中，北京市区位熵指数平均为4.449，2008—2018年信息产业集聚水平均大于4，位列全国第一，而上海市区位熵指数平均为1.663，从2014年起信息产业集聚水平均大于2，集聚水平仅次于北京市。广东省区位熵指数平均为1.072，年均分布呈现“U”型结构，波动幅度较大，在2008年后呈现下降趋势，2016—2018年均大于1，广东省是中国开放程度较高的城市，外商直接投资比重较大，表明广东省的信息产业发展可能受到2008年金融危机的影响。中部地区区位熵指数平均为0.756，小于1，表明中部地区信息产业集聚不显著，这是由于中部地区经济发展水平不够高，信息化进程速度较慢，信息化与工业化融合不紧密。而吉林省区位熵指数平均为1.122，信息产业集聚显著，表明吉林省现行的“信息产业转型升级方案”的实施情况较好，信息产业与传统产业融合创新模式进一步深化[15]。西部地区区位熵指数平均为0.774，与中部地区集聚情况较为相似。其中，内蒙古自治区、四川省、重庆市和陕西省的集聚水平较高，这在一定程度上反映了“西部大开发”战略的潜力，以四川省作为发展的中心，带动相邻城市协同发展。内蒙古自治区区位熵指数平均为0.950，集聚程度较高，且大于西部其他周边城市的平均水平，这与近年来内蒙古落实对外开放战略，全方位开展对外交流合作和招商引资，加快推动国家一体化大数据中心、工业大数据应用技术等项目落地举措有着密不可分的关系[16]。中西部地区信息产业集聚水平趋向于收敛，跟随东部地区信息产业发展形成的带动作用，有助于实现自身信息化进程的快速推进。

表2 2008—2018年中国省域信息产业区位熵

续表2

3.2 经济发展效率测度

基于2008—2018年中国省域30省的面板数据，测度中国经济发展效率，测算结果如表3所示。

根据表3的测算结果显示，全国经济发展效率近10 a来存在波动，在0～0.069的范围内波动，波动的范围并不大。2008年总体经济发展效率为0.772，2012年为0.805，2016年为0.740，2018年为0.769，虽然2018年相比于2008年出现了下降趋势，但总体变化呈现“N”型分布的规律，目前正处于提升阶段，发展空间依然很大。全国经济发展效率总平均值为0.774，表明中国经济发展效率还不够高，虽然近年来中国经济增速十分迅猛，难免存在劳动力和资本存量投入的冗余，导致总体效率的降低。2008—2012年横跨中国“十一五”规划期间，此时国家对经济增速提出了较大的要求，其间经济发展效率呈现显著上升，但同时社会矛盾相应凸显，城乡发展不平衡，“三农”问题突出，因此，在2013年中国经济发展效率出现了下降。到“十三五”期间，中国经济总体保持中高速发展，城镇化率提升，农业现代化也取得了长足的进步[17]，人民生活水平和质量都普遍提高，国家治理体系和治理能力现代化取得重大进展，2017—2018年经济发展效率出现显著升高。

表3 2008—2018年中国省域经济发展效率

根据图1结果所示，中部地区和全国的经济发展效率较为趋近，总体上看均呈现“N”结构，西部地区经济发展效率同样呈现“N”结构，但其效率值远低于全国和中部地区。东部地区的经济发展效率远高于中西部地区，平均为0.858，其中，以北京市、天津市、上海市、江苏省和广东省的经济发展效率较高，带动了东部地区整体经济发展效率的增长。

图1 2008—2018年中国省域子样本经济发展效率

北京市从2010年起，经济发展效率均为1.000，平均为0.996，经济发展效率排名为全国第二；天津市2018年经济发展效率为1.000，其余大部分年份均大于0.900，平均为0.936；上海市2008—2012年经济发展效率均为1.000，但在2013年后出现下降趋势，始终保持在0.900以上，平均为0.990，排名为全国第三。东部地区3个直辖市的经济发展效率显著提高，表明直辖市在区域内属于竞争力较强的城市，具有一定的影响力，可以充沛地带动地区发展[18]。城市内部产业更加聚集、就业率更高，教育资源、医疗资源也会得到提高，从而有助于经济增长。而以广东省为主的东部沿海地区经济发展效率同样保持较高的水平，2008—2017年一直保持在1.000，平均为0.998，经济发展效率排名为全国第一。中部地区的经济发展效率平均为0.767，其中，以安徽省、江西省、湖北省和湖南省的效率排在中部地区前列，湖南省近年来经济发展效率增速明显，2018年的效率为1.000，平均为0.915，发展势头强劲。安徽省、江西省和湖北省的经济发展效率增速不够显著，但总体仍保持上升趋势。西部地区的经济发展效率为0.695，四川省2018年效率达到1.000，平均为0.878；重庆市2018年效率为0.828，平均为0.804，西部地区主要以四川省和重庆市的经济发展效率较高。四川省地理位置平坦，而重庆市水路发达，同时两地区发展得到国家的大力支持，以期带动周边城市良性循环发展，故人口集聚地区、经济发展较为迅速，也为社会发展打下良好基础。西部地区由于发展起步较晚，虽然近5 a来各地区经济均表现出上升态势，但后期经济发展被前期所抵消，总体表现不够理想。东部与中西部地区经济发展效率呈现两极分化，中西部地区除了部分城市发展状况较好外，还存在一些城市发展增速较慢，导致经济发展不均衡，与区位熵的测度结果大致吻合。

3.3 双固定效应回归分析

在研究全国样本的基础上，将全国样本分为东部、中部和西部地区3个子样本，以信息产业区位熵和基于库兹涅茨曲线构造的信息产业区位熵的平方二次项作为核心解释变量，加上相应的控制变量对经济发展效率进行回归，采用双固定效应模型进行分析，并对回归结果进行对比。回归结果如表4—5所示。

表4 全国样本回归结果

根据表4全国样本的回归结果所示，列(1)仅使用区位熵(LQ)和区位熵二次项(LQ2)对经济发展效率进行回归，可以看出LQ2系数显著为负，表明信息产业集聚对中国经济发展效率存在显著的倒“U”型影响，即过高或过低的信息产业集聚都不利于中国经济的增长，保持合理的产业集聚水平有助于提高中国经济发展效率的增长。列(2)使用控制变量对中国经济发展效率进行回归，LNL、LNK、GC、LNFP和UL的系数均在1%的显著性水平下通过检验，其中，LNL的系数为0.166 1，当劳动力水平每提高一个百分点，经济效率提高0.17，提高劳动力投入有助于促进经济发展。LNK的系数为0.282 3，表明资本存量每增加1%，经济发展效率提高0.28。GC的系数为2.069 0，表明地方政府竞争与经济发展效率存在正向关系，提高政府竞争力同样有助于促进经济发展。财政支出(LNFP)和城镇化水平(UL)的系数分别为0.015 73和1.079 7，均为正向影响。开放水平(OL)没有通过显著性检验。列(3)和列(4)的回归中分别只加入区位熵(LQ)和区位熵二次项(LQ2)进行回归，结果表明列(3)的LQ为正向影响，表明提高信息产业集聚水平与经济发展效率之间存在显著的正向作用，与列(1)的结论保持一致；而列(4)的LQ2系数显著为负，证明信息产业集聚对经济发展效率的影响呈现倒“U”型结构，同样与列(1)的结论保持一致。列(3)与列(4)的回归结果增加了列(1)结论的稳健性。列(5)同时加入区位熵和区位熵二次项进行回归，回归结果表明信息产业集聚水平每提高一个单位，经济发展效率将提高0.039 6，控制变量的系数均为正数，LNL、LNK、GC、LNFP、OL在5%的显著性水平下显著，UL则不显著。此时信息产业集聚影响经济发展效率的方程可简化为[19]

TEit=β1LQit+β2LQ2it+Δ.

(7)

式中：Δ=α+controlit+ε。

在上述简化方程中，对LQit求偏导，并代入相关系数可得到关于信息产业集聚与经济发展效率的一次导函数方程为

(8)

根据表5的回归结果所示，东、中、西部地区样本中，区位熵指数(LQ)的系数均为正数，分别为0.024 6、0.009 0和0.012 5，且均在1%的显著性水平下显著，表明信息产业集聚对经济发展效率存在正向的促进作用，而区位熵指数的平方二次项(LQ2)均为负，分别为-0.004 2、-0.017 9和-0.011 4，东部样本在1%的显著性水平下显著，中西部在5%的显著性水平下显著，表明信息产业集聚水平对经济发展效率的影响呈现倒“U”型结构，与全国样本回归结果的结论保持一致，即推动信息产业集聚水平提高，保持在合理的区间内有助于促进各地区经济发展。控制变量中，西部地区的劳动力水平(LNL)系数为0.255 0，显著大于东部和中部地区，反映出西部地区现行人口流出较多[20]，提高西部地区劳动力水平有助于提高经济水平。中部地区的资本存量(LNK)系数为0.709 1，表明资本存量每提高1%，经济效率将增加0.709 1，显著大于东部和西部地区，应当加大对中部地区的投资力度，增加资本流入以促进中部地区经济效率提高。地方政府竞争(GC)东部地区的系数最小，为9.764 2，从侧面反映出东部地区各省经济发展状况优于中西部地区，政府面临的竞争压力较小。地方财政支出(LNFP)同样东部地区的系数显著大于中西部地区，表明东部地区各省政府自主支出范围较大，投资相对灵活，对经济增长的促进作用更大。中部地区开放水平(OL)的系数最大，为1.708 5，且在1%的显著性水平下显著，而西部地区在10%的显著性水平下显著，东部地区不显著，表明中西部地区当前应当提高开放水平，合理引进外资，扩大对外贸易范围，加大进出口力度，东部地区不显著可能是因为开放水平已经足够高，对经济发展的刺激不显著。由于城镇化水平(UL)在子样本的回归中均不显著，在此不做过多赘述。

表5 子样本回归结果

4 结论与建议

基于计算2008—2018年信息技术产业区位熵，测度信息技术产业集聚现状，并测度了各省经济发展效率，构建双固定效应模型实证检验了信息技术产业集聚与经济发展效率之间的影响。实证结果表明：1)中国信息技术产业集聚平均还不到1，仍有较大的提升空间。2)东部地区的经济发展效率远高于中西部地区。3)信息产业集聚对中国经济发展效率存在显著的倒“U”型影响，保持合理的产业集聚水平有助于提高中国经济发展效率的增长。4)子样本的回归结果均可证明结论的稳健性。

为促进中国信息技术产业集聚与经济效率的提高，提出如下建议：第一，大力发展信息技术产业。推动信息技术在各个产业和领域的应用，培养和引进信息技术研发与创新人才，强化信息技术领域的高端人才队伍建设，注重核心技术的研发与实现。第二，合理促进信息产业集聚水平提高，加速信息化改造进程。信息技术产业促进经济效率的增长主要是由技术进步驱动的，要合理推动信息化与工业化相融合，促进信息化改造在各领域和各产业的渗透，逐步实现生产现代化、管理现代化。 第三，促进包括信息产业在内的高新技术产业的发展。要提高中国自主创新的意识和能力, 平衡中国产业结构合理性，提高产业结构高级化，转变经济发展方式，由外延式扩张转向内涵式增长，实现经济效率的稳定增长和长期可持续发展。