高质量发展视角下数字经济对地区差距的影响程度

欧阳金琼,董鸿宁,王雨濛

(1.塔里木大学 经济与管理学院,新疆 阿拉尔 843300;2.中国人民大学 农业与农村发展学院,北京 100872)

一、引 言

党的十九大报告指出,当前中国社会主要矛盾为人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾,区域发展不平衡是主要表现形式之一。工业经济时代,由于经济系统所依托的能源、资本等要素的地域差异,区域发展不平衡问题曾长期存在。政府因此相继推出了“西部大开发”“东北振兴”“中部崛起”等战略,一定程度上缓解了区域发展不平衡,东、中、西部经济差距逐渐缩小。受益于供给侧改革,近年来南北经济差距也有缩小之势[1]。新时代中国经济出现了两大基本特征:一是已由经济数量的高速增长阶段转向高质量发展阶段;二是以技术、信息、数据为核心资源的数字经济蓬勃发展,正在成为引领和拉动社会经济发展的重要驱动力。因而通过发展数字经济推动高质量发展,是中国未来社会经济发展的重要战略选择。但数字经济能否打破地理空间限制,自动缩小高质量发展的地区差距,厘清该问题对促进全国经济政策的策略性调整、优化数字经济资源的区域布局、实现落后地区发展方式转变和区域经济协调发展等至关重要。

二、文献综述

高质量发展概念自提出以后,对其内涵、测度与评价的研究迅速成为热点。高质量发展是一个全局性概念,不仅体现在经济领域,还体现在社会、政治和文化等领域,因而除了经济高质量,还包括社会高质量和治理高质量[2-3]。从微观、中观和宏观视角,高质量发展还可分为要素的高质量发展、产业的高质量发展和社会的高质量发展[4]。高质量发展也是从产品、产业到整个经济的全面发展,既包含发展结果质量,也包括发展过程质量[5]。高质量发展的本质特征是高效、公平和可持续性,高效是基础和前提,发展缺乏效率,不仅是不可持续,而且也很难保证公平。具体表现为科学技术转型升级、资源配置合理高效、产品质量不断提升、区域发展日趋均衡、收入分配公平合理、发展方式绿色环保[6]。在高质量发展的测度方面,一般认为,高质量发展的测度与衡量既要考虑高质量发展的内涵,与高质量发展的目标要求一致,同时必须反映高质量发展阶段与高速度发展阶段的差异性要求,因而高质量发展的指标体系就不同于Robert和Mlachila等的指标体系,因为后者只考虑了经济增长质量[7-8]。同时,高质量发展是对新发展理念的传承,是以创新为动力、协调为手段、绿色为常态、开放为路径、共享为目的的发展方式,因而以五大发展理念构建高质量发展评价指标体系逐渐成为主流[9]。但也有学者认为五大发展理念难以精确量化,且如果只是测量经济高质量发展程度,其涵盖的内容则远远超出了测度范围,因此分别从社会化大生产的四个环节等视角构建经济高质量发展的评价体系[10]。

高质量发展的地区差距得到了很多学者的验证。中国四大板块和五大经济带的高质量发展水平存在显著差异[11]。东部、中部、西部呈阶梯分布特征,东部省份基本高于中、西部省份[12]。汪侠和徐晓红利用Malmquist-Luenberger指数,测算了长江经济带108个城市的经济发展质量,发现长江下游地区的经济质量的均值最高、上游次之、中游最低[13]。徐辉等运用熵权法测算了黄河流域9省区高质量发展指数,结果表明:黄河流域高质量发展水平基本呈现“两边高、中间低”的空间分布格局[14]。高质量发展的省际差距也客观存在,任保平等测算了中国各省2016年度与2017年度的高质量发展指数,结果表明,无论是总指数还是分类指数,省际间的差异非常明显[15]。师博和张冰瑶测算了中国地级以上城市的高质量发展水平,发现城市间高质量发展水平同样存在较大差距,东部城市优于中西部城市、大城市优于中小城市[16]。张震和刘雪梦以中国副省级城市为研究对象,同样证明了城市之间发展差距较大[17]。

数字经济是以数据资源为关键要素,以现代网络为主要载体,依托大数据、云计算、物联网、区块链和5G通信等新技术的新兴产业,数字经济本身的快速发展就是高质量发展的重要表现形式。数字经济推动了生产方式、生活方式和社会治理方式的深刻变革,同时助推了大量新产业、新业态、新模式、新就业的蓬勃发展,从而成为中国新时期促进高质量发展的重要驱动力。因此,数字经济与高质量发展的关系也迅速成为当前研究热点,研究内容主要集中于以下两个方面:一是数字经济赋能高质量发展的理论逻辑、机理机制与模式路径,如赵涛等指出数字经济是通过提升创业活跃度促进了高质量发展[18];二是数字经济对城乡经济高质量发展的影响,或对制造业、农业、服务业等各行各业高质量发展的影响及其实证检验。如师博认为通过完善数字产业体系、优化数字发展环境、构筑数字治理体系等路径,可以驱动城市经济高质量发展[19]。齐文浩和张越杰认为数字经济可以通过弱化城乡二元结构壁垒、创新农业农村发展模式助推农村高质量发展[20]。数字经济具有技术扩散、效率提升、成本节约、创新赋能、产业关联、规模经济和优化资源配置等效应,同时改变了交易空间,拓宽了交易时间,加快了交易速度,节约了交易成本,因而对高质量发展的促进作用已基本形成共识。

由此可见,高质量发展的地区差距近年来得到了广泛论证,部分学者也研究了投资、消费、城镇化等传统因素对高质量发展地区差距的影响[21]。数字经济与高质量发展的关系也受到了较多关注,数字经济对高质量发展的促进作用已基本形成共识。本文的改进之处主要有三点:一是在高质量发展的指标设计上,以往多数研究成果混淆了高质量发展程度与高质量发展方式,指标体系中不仅有高质量发展程度的“结果性”指标,同时也有反映高质量发展方式的“过程性”或“投入性”指标。事实上,高质量发展程度与高质量发展方式是两个不同概念,高质量发展程度指的是结果或状况,高质量发展方式指的是如何实现高质量发展即实现路径,两者类似于生产过程中的投入与产出指标,应该分开测算。因此本文在指标体系中只设计了“结果性”指标,重点考察高质量发展的程度或状况。二是数字经济和高质量发展均为当前研究热点,数字经济的地区差距、高质量发展的地区差异都得到了广泛研究,但现有研究忽略了数字经济对地区差距的影响,特别是对高质量发展的地区差距的影响。三是基于高质量发展省际差异视角,不仅考察了高质量发展视角下地区差距的新特征与新变化,分析了高质量发展的影响因素,而且运用Oaxaca分解法测算了数字经济等因素对省际高质量发展差距的贡献率即影响程度。

三、数字经济影响高质量发展地区差距的机理

虽然数字经济对高质量发展的促进作用非常明显,但数字经济是否有利于缩小高质量发展的地区差距,至少从理论上还很难定论。

数字经济有可能缩小地区差距,理由有以下几点:(1)数字经济弱化了物质资源的区域限制。数字经济依托的核心资源为技术、信息和数据,这些资源的获取与应用都可以通过互联网快速传输,与地理位置基本无关。(2)数字经济改变了企业空间布局,弱化了地理位置对企业布局的影响,特别是那些依托虚拟空间的数字经济企业,对地理位置的要求不断降低。(3)数字经济突破了市场的区域限制。无论地理位置优越与否,也无论数字产品还是传统商品,都将受益于数字经济的市场一体化效应。(4)数字经济加速了要素与收入的空间流动,一定程度上纠正了要素错配[22]。欠发达地区虽然生产要素减少了,但由于要素边际报酬递减规律,单位要素的回报率提升了,且一部分要素收入流入到了要素流出地区,因而完成了人均意义上的区域协调发展。由于落后地区多为地理位置偏远地区,数字经济的发展弱化了地域限制,优化了落后地区的资源配置、企业布局和市场空间,因而对落后地区的影响反而更大,总体上有利于缩小地区差距。

数字经济同样有可能扩大地区差距,理由也有以下几点:(1)通过数字经济推动中国经济高质量发展并非必然,还需要一定的前提条件。相关研究表明,始于20世纪70年代、以ICT技术为代表的第五次技术革命或数字经济1.0,事实上并未能如期提高劳动生产率与投资回报率,自20世纪90年代后,反而在美国等西方发达经济体出现了“索洛悖论”和“科技平原”等现象。以人工智能、大数据和云计算为代表的新一代数字经济2.0也只有与制度创新融合,才能发挥引领带动作用[23]。(2)数字经济作为一种全新的产业形态,本身便是经济增长和高质量发展的一部分,数字经济的地区差距会直接导致高质量发展的地区差距。而数字经济的地区差距既得到了很多研究成果的论证,又得到了大量实践证明。根据前瞻产业研究院发布的《2020年中国数字经济发展报告》,北京、上海数字经济比重已经超过50%,华东地区数字经济也普遍发达,西北、西南各省数字经济则相对落后。(3)当数字技术融入各产业后,会导致传统产业的数字化,从而提高全要素生产率,如有研究表明,数字技术对全球制造业和供应链创新的影响非常显著。由于产业数字化所依托的信息基础设施、人力资源、市场化程度以及产业发展环境存在较大地区差距,导致各地区产业数字化差距进一步扩大。(4)数字经济不仅引致经济领域发生重大变革,同时会引致社会保障、民生改善、生活方式的重大变化,由于这些因素都是衡量高质量发展的重要指标,如果考虑到上述指标的地区差异,则高质量发展的地区差距会更大。中国高质量发展区域差距不断扩大的事实,一定程度上佐证了上述理论。

四、中国高质量发展的省际差异及其变动趋势

(一)高质量发展指数测算方法

1.高质量发展的指标体系

在众多高质量发展水平的测算方法中,构建的指标体系都力图反映社会经济生活各方面,多数超出了高质量发展本身的涵义,如任保平团队提出的六维指标体系和郭芸等提出的ESDA指标体系等[24-25]。事实上,指标构建的原则是衡量高质量发展程度,即应该注重高质量发展的结果。如将R&D经费投入作为衡量指标则不合理,因为R&D经费投入只是原因,专利数量和专利技术的交易额才是结果,如果R&D经费投入多但产出少,反而表明不是高质量发展。又如人均GDP可以用来反映生产效率,是高质量发展的重要衡量指标,但劳动力数量和质量、物质资本存量等变量只是投入指标,并不能衡量高质量发展的结果。因而本文在参考已有文献的基础上,从新发展理念视角构建指标体系,但仅选取能反映高质量发展程度与结果的指标,舍弃了“投入”或“过程”指标。考虑到经济增长依然是高质量发展的必要条件,因而将经济效率和经济速度指标合并构成经济效益指标,与五大发展理念指标一同构成一级指标体系(表1)。

表1 高质量发展评价指标

2.指标赋权与测算方法

第一步,指标无量纲化。本文采用极差标准法对全部原始数据进行无量纲化处理。

(1)

其中,i、j分别代表省份和指标,Zij为无量纲化后的指标值,Xij为原始值,Xmax、Xmin分别为各指标的最大值和最小值。

第二步,指标赋权。常用指标赋权方法有因子分析法、主成分分析法、德尔斐法、层次分析法、均等权重法等,本文采用熵值法确定权重。熵值法的基本原则是信息熵越小,代表该指标离散程度越大,所含的信息越多,在综合评价中所起作用越大,所赋予的权重也就越大。具体步骤如式(2)至式(4),这里假设有n个省份和m项指标。

(2)

(3)

(4)

其中,Pij为i省份第j项指标占全部省份的比重,Ej、Dj、Wj分别为第j项指标的熵值、冗余度与权重。

第三步,计算各省份某年的高质量发展指数。

(5)

(二)高质量发展省际差异与动态演变

考虑到数据的可获得性,本文测算了30个省份2001年至2020年的高质量发展指数(不包括西藏和港澳台)。图1是以变异系数衡量的高质量发展省际差异及其变化趋势。变异系数越大,表明省际差异越大。可以发现,20年来变异系数尽管存在一定波动,但总体趋势是上升的,表明以高质量发展作为衡量标准,中国发展的省际差距并没有缩小,反而呈现持续扩大趋势。另外,变异系数的趋势线存在明显的三阶段特征。2001年至2006年,省际差异快速扩大,该阶段处于中国向市场经济转轨初期,东部沿海省份抓住了改革开放的契机,同时也受益于政策倾斜,和其他省份拉开了发展差距。2006年至2014年,变异系数基本平稳,省际间的差距变化很小。但自2014年以后,省际差距进一步快速扩大,变异系数从0.451快速上升至0.582。省际差距为什么扩大?数字经济是否扮演了重要角色?该问题还有待进一步实证检验。

图1 中国高质量发展指数的省际差异与变化趋势

另可分省份考察高质量发展的地区差距,根据2020年各省份高质量发展指数,可将30个省份平均划分成“领先型”“追赶型”和“落后型”三组(见表2)。可以看出:(1)各省份高质量发展存在显著差异。2020年发展最快的北京市指数为0.793,而发展最慢的青海省,指数仅为0.153。(2)各区域高质量发展也具有显著差异。总体来说,东部高于中部,中部高于西部。2020年东部有7个省份属于“领先型”,而西部有7个省份为“落后型”。(3)从动态来看,高质量发展的省际排名变化相对较小,2020年与2001年相比,有6个东部省份(山东、江苏、浙江、上海、广东、北京)保持在领先组不变,四川、陕西作为西部大开发的最大受益省份,逐渐从“落后型”转变为“领先型”,湖北作为中部地区领军省份,也受益于“中部崛起”战略,也由“追赶型”转变为“领先型”。

表2 各省份高质量发展指数和分组(2020年)

五、研究方法与变量选取

(一)研究方法

1.空间杜宾模型(SDM)

理论界研究地区差距的常用方法有虚拟变量和空间回归模型两种,但虚拟变量只能反映区域特征差异,不能反映变量间的空间依赖关系,因而本文选择空间回归模型。根据解释变量、被解释变量以及残差的空间相关性,空间计量模型可归纳为七种基本类型[26]。本文综合Moran指数检验、LM检验和各类模型的回归结果比较,最终选择了空间杜宾模型(SDM)。该模型的基本形式为:

Y=δWY+βX+ρWX+ε

(6)

其中W为空间权重矩阵,δ和ρ分别为被解释变量Y与解释变量X的空间相关系数,ε为残差。

2.Oaxaca分解模型

Oaxaca分解法可以将组群之间被解释变量的差异进行分解,并可以计算出各因素对总体差异的贡献率。基本原理如下:

首先将全部样本分成两组,然后分别对所有样本和分组样本进行回归:

(7)

则Oaxaca分解模型为:

(8)

(二)变量选择

1.被解释变量

高质量发展指数(Gzfz)。从经济效益、创新发展、协调发展、共享发展、开放发展和绿色发展六个维度,通过熵值法测算出中国各省份经济高质量发展指数。

2.核心解释变量

数字经济。数字经济与各产业的快速融合与发展,增加了数字经济的测评难度,同时导致了国内外数字经济的测评指标存在较大差异。如欧盟数字经济与社会指数(DESI)选取宽带接入、人力资本、互联网应用、数字技术应用和公共服务数字化程度五个一级指标。上海社科院发布的全球数字经济竞争力指数则是从数字设施、数字产业、数字创新、数字治理等4个维度构建指标体系,赛迪顾问的中国数字经济指数(DEDI)将数字经济分为基础型、资源型、技术型、融合型四大类[27]。本文借鉴中国信息通讯研究院的指标体系和刘军等学者的研究成果[28],从数字基础条件(Szjc)、数字产业化(Szcy)和产业数字化(Cysz)三个维度测度数字经济发展水平。数字基础条件选取互联网普及程度、固定资产投资比重和人力资本三个指标;数字产业化选取电信业务、软件业务、电子信息制造业、互联网业四个指标;产业数字化是指数字经济对其他产业的影响,或其他产业融入、利用数字技术的程度,所以选取电子商务参与度、电子商务交易率、物流数字化程度三个指标,具体指标体系如表3所示。

表3 数字经济评价指标体系

3.其他控制变量

除了数字经济因素外,影响高质量发展的因素还有很多。这里主要考虑影响高质量发展结果的投入指标。用资本存量(Zbcl)、科研经费投入强度(R&D)、环境保护支出(Hjbh)、教育支出(Jyzc)、社会保障与就业支出(Shbz)、财政支农比例(Czzn)六个指标,分别对应高质量发展指标体系的六个维度。资本存量的核算方法借鉴张军等[29]的做法,以2000年为基期,固定资产投资采用了各个省份固定资产投资价格指数平减到2000年的不变价,折旧率设为9.6%。

将各变量代入SDM回归模型与Oaxaca分解模型,则有:

(9)

(10)

其中,脚标a和b分别代表“先进型”和“落后型”,W为空间权重矩阵,参数δ和ρ分别为被解释变量和解释变量的空间滞后系数,X代表所有解释变量。

(三)数据来源与变量描述

1.数据来源

本文数据来源于历年《中国统计年鉴》《中国能源统计年鉴》《中国金融年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国农村统计年鉴》及各省统计年鉴,部分数据来源于全国及各省统计局、商务局等网站的数据库。考虑到数字经济相关数据的可获得性,选取2011年至2020年总计10年的数据。

2.变量的描述性统计

为了突出省际之间的差异性,以2020年高质量发展指数作为分组依据,选取排名前10位省份作为领先组,排名后10位省份作为落后组进行比较,各变量的描述性统计见表4。三组样本中各变量的差异性较为明显,符合Oaxaca分解法的基本要求。

表4 变量的描述性统计

六、实证过程与结果分析

(一)空间相关性检验

根据各变量的全局Moran指数(见表5),被解释变量Gzfz的Moran’sI均在10%水平下显著,且为正值,说明高质量发展具有显著的正向空间相关性。解释变量中除环境保护支出(Hjbh)空间相关性不显著,以及教育支出2015年的空间相关性不显著外,其他变量都具有显著的正向空间相关性。

表5 各变量的Moran’s I值

一般认为Moran检验只能判断变量间是否存在空间关系,不能确定选择何种模型,LM检验是当前选取空间模型的常用方法。LM检验的基本原理是根据LM-error和LM-lag两个统计量的显著性加以判断,如果LM-error显著,则选取空间误差模型,如果LM-lag显著,则选取空间滞后模型。如果两者都显著,则进一步根据Robust LM-error和Robust LM-lag结果进行判断[30]。根据以上原理和本文LM检验结果(见表6),发现LM-lag统计量通过了显著性检验,而LM-error显著性并不明显,符合这一条件的有空间滞后模型(SAR)和空间杜宾模型(SDM)。

表6 LM检验结果

至于SAR和SDM何者最优,一是根据表5中各解释变量的Moran指数判断,模型中加入解释变量的空间权重更为合理;二是采用所有空间模型回归后,根据判定系数(R2)和对数似然比(Log-likelihood)越大越好,赤池信息(AIC)和施瓦茨信息(SC)越小越好的原则,对各模型进行比较后发现SDM模型也最为理想。为了节约篇幅,省略了各模型的回归结果与比较过程。

(二)空间权重确立

在回归之前,首先要确定空间权重,即对空间单元的位置进行量化,空间权重矩阵的类型可分为空间邻接矩阵、空间距离矩阵、经济距离矩阵以及空间经济复合矩阵等。空间邻接矩阵还可细分为Rook邻接、Queen邻接与K值邻接等。随着空间权重类型的日趋复杂,空间权重的选取方法也随之多样化,但尚未有能从各种空间权重矩阵中一次性选出最优矩阵的方法。且对同一数据材料,不同的空间模型最佳匹配的空间权重矩阵也不同。因而当前主流做法仍然是通过尝试与比较来选择空间权重矩阵,本文也是通过比较不同空间权重矩阵的回归结果,最后选取空间Queen邻接矩阵。即:

(11)

(三)空间回归结果分析

根据Oaxaca分解法的基本思想,首先进行分组回归,表7是利用STATA16.0得到的回归结果。全部样本、领先组、落后组的相关系数分别为0.923、0.852和0.909,表明方程的拟合度和变量的选取较为合理。且White检验和Wooldridge检验的结果显示,三组回归均不存在异方差和自相关。

表7 SDM回归结果

代表数字经济的三个变量系数均为正,且通过了10%的显著性检验,表明数字基础条件越好、数字产业越发达、产业数字化程度越高,高质量发展程度越高。三个变量的回归系数中,Cysz>Szjc>Szcy,产业数字化对高质量发展的效应大于数字基础条件和数字产业化,表明数字经济通过影响其他产业的转型升级是促进高质量发展的主要动力。三个变量的空间自回归系数也显著为正,说明数字经济具有溢出效应和扩散效应,数字基础条件好、数字产业化发达与产业数字化程度高的省份,不仅促进了本省的高质量发展,同时可以带动周边省份的高质量发展。

高质量发展的空间相关变量WGzfz的系数为正,表明高质量发展也具有空间溢出效应,即发达省份带动了周边省份的发展。除环境保护支出(Hjbh)外,所有控制变量的回归系数和空间相关系数均通过了显著性检验。环保支出系数及空间相关系数不显著的可能原因:一是环境保护的投资效应具有滞后性,特别是一些大型绿化项目,比如防护林建设等项目,只有若干年后其生态效应才得以体现;二是在全国高度重视环境保护的背景下,绿植覆盖率低、生态环境脆弱的省份,即高质量发展中的绿色发展指数相对较低的省份用于环保的财政支出比例反而更高。

六个控制变量中科研经费投入R&D系数为0.61(全部样本),为所有控制变量中最高,即经费投入每提升1个百分点,高质量发展指数可以提高0.61个百分点,表明科研投入是高质量发展的强大支撑。教育支出的空间相关系数为负,表明虽然教育支出本身具有空间正相关,对周围省份的教育支出具有示范和扩散效应,但对高质量发展的影响是空间负相关,即教育发达省份在人才、技术等方面具有集聚效应,一定程度上影响了周边省份对人才与技术的需求。

(四)Oaxaca分解结果分析

根据Oaxaca分解结果(见表8)可知,领先组与落后组的高质量发展指数的总差距为0.188(见表4),其中特征效应为0.150,可以解释总差距的79.628%,这是由8个解释变量的组间差异造成的。系数效应总和为0.29,可以解释总差距的15.425%,由两组解释变量的边际效应差距造成。截距项效应为0.009,占总差距的49.47%,由两组属性差异造成,或者说是8个解释变量以外的因素造成,截距项效应较小同时也表明变量的选取较为合理。WGzfz的特征效应和系数效应分别为42.55%和22.18%,表明领先组省份高质量发展的空间溢出效应大于落后组省份的空间溢出效应,反而扩大了高质量发展的省际差距。

表8 Oaxaca分解结果

数字经济的特征效应总和为0.81,占总差距的43.085%。分变量来看,贡献率从大到小依次为数字基础条件、产业数字化与数字产业,特征效应分别为19.681%、15.957%和74.77%。领先组与落后组高质量发展的差距,主要由上述三个变量的差距导致。三个变量的系数效应总和为0.010,占总差异的5.320%,与特征效应合起来达到48.45%。不仅如此,数字经济的空间效应对高质量发展的省际差异也产生了较大影响。数字基础条件、数字产业和产业数字化的空间特征效应分别为5.851%、0.532%和26.60%,领先组周边省份比落后组周边省份数字基础条件更加良好,数字产业较为发达、产业数字化程度较高。这种状况扩大了两组的高质量发展差距,这是数字经济的空间溢出效应导致,数字经济发达省份的溢出效应大于落后组的溢出效应,因而扩大了地区差距。另外,三个空间指标的空间系数效应总和为5.320%。综合特征效应、系数效应、空间特征效应,空间系数效应,数字经济对高质量发展的省际差异的贡献率达到62.768%。

控制变量中的资本存量对高质量发展的省际差距贡献率最大,特征效应与系数效应总和达到14.362%,表明经济发展程度与物质基础条件差异是省际高质量发展差距的重要原因。R&D经费投入对高质量发展的影响也较为明显,由于R&D经费投入差异导致高质量发展的省际差距扩大了5.851%。社会保障支出(Shbz)的特征效应、系数效应以及空间效应均为负,原因是社会保障支出是影响高质量发展中共享发展程度的重要指标,由于落后组社会保障支出比例高于领先组,因而缩小了高质量发展的省际差距。财政支农比例(Czzn)是影响高质量发展中协调发展程度的重要指标,落后组该项指标也高于领先组,因而特征效应和系数效应也为负,同样缩小了高质量发展的省际差距。

七、结论与政策建议

本文基于新发展理念视角构建了指标评价体系,利用熵权法测算了中国30个省份近2年的高质量发展指数,并利用变异系数考察了高质量发展的省际差异及其变化趋势。同时运用SDM模型分析了高质量发展的影响因素,运用Oaxaca分解法测算了数字经济等因素对高质量发展省际差距的贡献率,得到以下几个主要结论:

第一,中国高质量发展的地区差距客观存在。从地域分布看,总体上是东部省份高于中部省份,中部省份高于西部省份。从变动趋势看,高质量发展的地区差距总体上呈扩大趋势,特别是2014年后,扩大趋势更加明显。这表明中国当前虽然以GDP总量衡量的地区差距逐渐收敛,但以高质量发展指数衡量的地区差距逐渐扩大。

第二,数字经济不能自发缩小高质量发展的地区差距。数字经济虽然理论上可以缓解地理位置等对欠发达地区高质量发展的不利影响,但实证结果表明,数字经济反而扩大了高质量发展的地区差距,高质量发展省际差异中的43.085%可由省际间的数字经济差异解释,数字基础条件、数字产业发展和产业数字化程度的省际差异是导致地区差距扩大的主要原因。

第三,数字经济的空间溢出效应加剧了地区差距的扩大。实证结果表明,高质量发展省际差异中的14.363%可由数字经济的空间溢出效应解释。这说明数字经济虽然具有正向的空间溢出效应,但由于发达地区数字经济的溢出效应大于欠发达地区的溢出效应,因而数字经济的空间溢出效应反而扩大了地区差距。

第四,高质量发展对传统生产要素的依赖性依然较大。资本存量、科研投入与教育投入的省际差异也是高质量发展地区差距扩大的重要影响因素,其中资本存量对差距的贡献率仅次于数字经济,表明社会经济发展对要素投入特别是物质要素投入的依赖程度仍然很高,落后省份的资源禀赋和经济基础劣势对高质量发展产生了一定影响。

为了充分发挥数字经济助推高质量发展的作用,缓解数字经济对区域均衡发展的不利影响,基于上述结论提出以下政策建议:

第一,坚持新发展理念,适时调整区域均衡发展战略。高质量发展地区差距不断扩大是当前中国发展不平衡不充分新的表现形式,预示着区域协调发展进入了新阶段。政府应该适时调整以“GDP”为核心评价指标的区域均衡发展规划,坚持新发展理念,深化东中西部在科技创新和发展方式创新等领域的合作,夯实中西部高质量发展的物质、技术与制度基础。

第二,加快启动“东数西算”工程,统筹数字资源空间布局。数字经济本身的区域差距是导致高质量发展的地区差距扩大的直接原因,加快启动“东数西算”工程,加强数据中心和数字城市在中西部的布局,带动落后地区数字产业的快速发展,扩大落后地区数字经济的辐射范围和溢出效应,可以有效避免数字鸿沟进一步扩大,最终缩小高质量发展的地区差距。

第三,加强数据平台与数字设施联动,实现数字技术与数字人才共享。数字经济对地区差距的影响是双向的,利用数字经济可以超越时空限制的特点,加强数字设施、数字平台、数字技术和数字人才的共享,让数字经济成为缩小地区差距的技术支撑。

第四,帮助欠发达地区转变经济发展方式,推动产业数字化进程。产业数字化是高质量发展的重要驱动力,帮助欠发达地区尽快完成从要素驱动型发展方式到创新驱动型发展方式的转变,推进数字经济与实体经济深度融合,顺利完成产业的数字化转型升级,既是新时期高质量发展的客观需要,也是落后地区摆脱资源禀赋和经济基础劣势,缩小与发达地区差距的有效途径。