空间效应视角下数字经济对产业结构升级的影响

马晓君,李艺婵,傅 治,刘淑敏

(1.东北财经大学 统计学院,辽宁 大连 116025;2.抚顺职业技术学院 财经系,辽宁 抚顺 113006)

一、引 言

数字经济是人类社会发展出的一种新经济形态,日益成为全球经济发展的关键驱动力。2020年全球数字经济规模为32.6万亿美元,在GDP中所占比重接近一半[1]。在全球数字经济蓬勃发展的时代背景下,各主要国家相继加快完善数字经济布局。中国为推动数字经济赋能高质量发展,在党的十九大报告中首次提出“建设数字中国”战略,“十四五”规划《纲要》(1)资料来源:《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》(简称《纲要》)。进一步从数字经济、数字社会、数字政府方面对未来五年中国数字经济的全方位发展作出要求,并提出2025年数字经济核心产业增加值占GDP的比重由7.8%增至10%这一主要目标。可见,数字经济已成为中国巩固经济根基、构筑竞争优势、提升治理能力的关键力量。

数字经济不仅是经济发展的增长点,也是产业结构升级的支撑点。实践证明,产业结构升级的过程是第一、二、三产h业依次更替的过程,离不开科技的推动,第一、二次工业革命已实现产业结构由农业到轻工业、重工业的转变,第三次工业革命重塑了第二、三产业之间的关系。第四次工业革命浪潮来袭,以数字经济为主的新经济形式扛起科技兴国这面旗帜,其中蕴含的数字技术、数据要素等可以改造传统产业以及催生新产业,优化三次产业内部结构。当前,在新一轮技术革命背景下,产业结构不断变化并展现出新的特征,其中数字经济引起的变化最显著。因此,对数字经济和产业结构升级之间的影响效应进行研究,有利于释放数字经济发展势能、把握技术革命机遇、贯彻产业结构升级。

在全球数字经济蓬勃发展的时代背景下,数字经济发展对产业结构升级有何影响?数字经济能否通过空间溢出效应影响邻近省份产业结构升级?数字经济影响产业结构升级的效果在不同区域是否保持一致?这些问题引起学术界的关注。因此,本文首先通过熵值法衡量各省份数字经济的发展水平,在此基础上,基于地理与经济距离嵌套权重矩阵构建空间杜宾模型,从空间视角实证分析数字经济对产业结构的影响。

二、文献综述

(一)数字经济规模统计与测度研究

数字经济的出现引起国际组织、国家政府统计机构及有关学者对数字经济规模统计与测度的关注。相关研究可划分为四大类:一是国民经济核算相关方法论研究[2];二是增加值测算研究[3];三是构建卫星账户研究[4];四是相关指数编制研究[5-9]。其中,国民经济核算相关方法论研究主要由世界银行(WB)、联合国(UN)和欧洲经济共同体委员会(EC)等国际组织开展,对《国民账户体系(2008)》中有关数字经济的问题进行修订;一些组织和学者从增加值方面测度数字经济规模,但测度结果不一致,主要原因是数字经济增加值的测算范围和测算方法暂无统一的国际标准;数字经济卫星账户是测度数字经济发展规模较为准确的方法,但是目前国际上关于数字经济卫星账户构建的理论与实践还处于起步阶段,同时受到数据的限制,此方法较难应用;目前相关指数编制方法的应用最为广泛,OECD选取38个指标对数字经济发展水平进行测度,包括释放创新、赋权社会、投资智能基础设施、实现增长和就业四个层面[5]。刘军等从数字基础和数字应用两个维度进行测度[6]。杨慧梅等从数字产业的角度构建数字经济发展水平指标体系[7]。焦帅涛等整合以往研究,加入数字创新相关指标,丰富指数维度[8]。

(二)数字经济影响产业结构升级的研究

从产业视角分析,数字产业化和产业数字化是数字经济主要的两部分。其中,产业数字化相较于数字产业化在数字经济整体规模中占更高比例,是经济发展的主要驱动力。康铁祥指出中国数字经济规模已经形成并向各产业快速渗透[3]。Pradhan等从理论层面将数字经济与产业结构相结合,认为数字经济的发展有助于催生更多新产业和新业态的形成,数字技术的产生也将优化资源配置,提高生产效率,推动产业转型升级[10]。在实证研究方面,部分学者认识到区域发展不平衡问题,建立面板数据模型分区域探究,研究结果表明数字经济影响产业结构升级的程度随着区域不同而变化[11-13]。而面板模型忽略了空间交互效应,林宇豪等将空间因素纳入考量,在构建空间计量模型时分别使用经济距离权重矩阵、地理距离权重矩阵,其中仅方湖柳等的研究从空间溢出视角进行深入分析,认为在长三角地区数字技术对产业结构升级的影响具有显著正向空间溢出效应[14-15]。

(三)相关文献评述

回顾已有文献,发现如下有待改进之处:第一,以往研究中,数字经济发展水平指标体系较少涉及人才。而数字经济的发展离不开人才支持,同时信通院认为要加强人才培养,为数字经济发展营造良好的环境[16-17]。但是已有研究通常从数字基础、数字应用、数字产业、数字创新等方面构建评价指标体系,忽略了人才的影响。第二,选取的空间权重矩阵未兼顾地理与经济距离双重因素。部分学者加入空间因素开展研究,但是通常选取邻接权重矩阵、地理距离权重矩阵、经济距离权重矩阵等较为基础的空间权重矩阵,仅从地理或经济距离单一视角进行阐述。第三,鲜有学者从中国省域层面分析数字经济对产业结构升级的空间溢出效应。空间计量模型的优势在于引入空间效应、剖析空间关联,捕捉地区间相互影响的深层关系。但较少学者深入挖掘数字经济影响产业结构升级的空间溢出效应,且已有结论有待进一步检验。

在此背景下,本文选取中国30个省份2011—2020年的面板数据,通过构建指标体系测度数字经济发展水平,构建空间杜宾模型探析数字经济与产业结构升级之间的关系。本文的边际贡献有以下三点:第一,将数字人才环境相关指标纳入数字经济发展水平指标体系中,丰富指标体系维度,以“基础—产业—应用—人才”为基本框架,对中国各省份数字经济发展水平进行量化。第二,建立地理与经济距离嵌套权重矩阵,在考虑地理距离的同时,还可以涵盖经济距离所产生的影响,全面刻画省份间的空间关联程度。第三,从省域层面分析数字经济发展对产业结构升级的空间溢出效应,并结合经济发展背景阐释其形成原因。

三、理论分析与研究假设

(一)数字经济对产业结构升级的影响机制

产业结构升级是指产业结构从低级形态向高级形态转变的过程或趋势,其内在逻辑表明:产业结构升级的内在驱动力是技术进步,每一次技术进步都能够转变经济范式,新经济范式所带来的新兴技术往往会促使产业结构向更高水平升级[18]。数字经济作为一种新型经济形态,基于互联网平台优化资源配置、促进技术创新,为传统产业提供转型升级路径,同时催生出新的产业,影响产业结构升级。数字经济主要通过以下三种机制影响产业结构升级:第一,数字经济对传统产业进行改造推进产业结构升级。数字经济促进传统产业智能化发展,打通产业链各环节的内外部连接,形成上下游企业的协同发展关系,加强各生产部门之间的联系。同时,数字经济还能够促进各产业相互融合,使得第一产业与第二产业不断向第三产业演进,从而推动产业结构升级。第二,数字经济能够催生新产业以推进产业结构升级。数字技术通过产业化发展形成新产业,如物联网、云计算、大数据、人工智能、生物制药、新能源材料、高端装备制造等。此外,数字技术还能够催生新的商业模式,进而形成新产业,如网络约车、线上销售、共享单车等。传统商业模式以创造企业价值为中心,而新的商业模式以创造客户价值为中心,提升了资源配置效率,形成一种新的产业形态。随着数字技术的不断创新与成熟,新产业将在产业生态体系中占据重要的地位,带动产业结构升级。第三,数字经济能够增加消费需求以推进产业结构升级。一方面,数字经济的出现改变了传统的消费模式,通过数字平台可以为顾客提供网上购物渠道及个性化服务,刺激消费欲望。另一方面,数字经济的出现也能够使生产者掌握更多消费者信息,了解消费者的喜好,生产出更加符合消费者需求的产品,释放有效消费需求。消费需求的增长使得传统产业竞相进行数字化改革,更多资源流向数字化产业部门,使得高技术产业占据越来越高的比重,进而拉动产业结构升级。基于此,本文提出:

假设1:数字经济能够推进产业结构升级。

(二)数字经济影响产业结构升级的空间溢出效应

数字经济可以实现资源开放共享,加速社会资源及生产要素在各地区之间的流动,同时,数字经济的出现带来了新的生产要素,即数字技术和数据要素,打破了数字经济发展在空间上的约束。一方面,数字技术使劳动力、资金等传统生产要素在各地区之间快速流动,不受地理距离的限制。除此之外,数字技术还能够促进不同地区之间的企业在技术水平、业务发展等方面深入交流合作,已有研究表明,技术进步不仅能够促进本地区产业结构升级,还能够促进周边地区产业结构升级[19];另一方面,数据要素相较于传统生产要素,不受时间和空间的约束,且流通成本较低,这使得数据要素具有较强的流动性,这种流动性能够打破地理距离的约束,使数字经济影响产业结构升级的作用表现出较强的空间溢出效应。因此,数字经济不仅可以促进本地区产业结构升级,在数字技术跨地区支撑与数据要素快速流动的作用下,还可以对周边地区的产业结构升级产生正向空间溢出效应。基于此,本文提出:

假设2:数字经济影响产业结构升级的作用具有正向空间溢出效应。

(三)数字经济影响产业结构升级的区域异质性

中国地理范围十分广泛,不同地区在数字经济发展水平、产业结构状况、资源禀赋以及地理环境因素等方面存在较大差异,因此许多学者从区域异质性角度丰富数字经济影响产业结构升级的相关研究。陈小辉等研究发现数字经济对中国产业结构水平具有边际递增的提升作用,且这一作用存在区域异质性,在东部地区的提升作用弱于在中部和西部地区[11]。卫平等研究证明数字经济对产业结构升级的影响作用在中西部地区高于东部地区[20]。多数研究按照东、中、西部地区的划分方式探究区域差异,但也有少数研究从其他视角进行划分,如焦帅涛等将地区划分为高城镇化和低城镇化、高人力资本和低人力资本,结果显示,在高城镇化地区和高人力资本地区数字经济对产业结构升级的促进作用更强[8]。总的来说,数字经济影响产业结构升级的效果随着区域的不同而有所差别,因此,对于数字经济发展水平不同的集聚区域,数字经济对产业结构升级的影响作用也可能不同。基于此,本文提出:

假设3:数字经济影响产业结构升级的作用因区域不同而存在差异。

四、研究方法与数据来源

(一)空间计量模型

1.空间权重矩阵

在空间计量模型中,用邻接、距离等不同的权重矩阵来定义个体间的地理联系,空间权重矩阵作为运算过程中非常重要的系数矩阵,对结果会产生重要影响。以往研究中,通常采用邻接、地理距离以及经济距离权重矩阵探究数字经济与产业结构的空间分布特征。由于数字经济、产业结构的发展与经济状况密切相关,且各省份经济发展差异较大,因此本文构建地理与经济距离嵌套权重矩阵,同时考虑地理距离和各省份经济发展所造成的影响,更加准确地分析数字经济对产业结构升级的影响作用。

具体设置规则如下:

(1)

(2)

W=W1⊙W2

(3)

其中,根据对应省会的经纬度计算可得两个省份间的地理距离,由dij表示,Ei为i省份在2011—2020年间的人均GDP均值。

2.空间自相关检验

在建立空间计量模型之前,通常可以从空间上对主要变量进行初步分析,检验主要变量是否具有空间相关性。使用Moran’sI指数检验空间自相关性是最常用的方法,具体计算公式如下:

(4)

(5)

3.空间计量模型的选择

常规的空间计量模型有空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。与普通面板模型相比,空间滞后模型增加因变量的空间滞后因子,空间误差模型增加误差项的空间滞后因子。与空间滞后模型相比,空间杜宾模型增加自变量的空间滞后项,同时考虑了自变量和因变量的空间溢出效应,避免遗漏变量导致结果有偏。

本文具体估计形式需要由以下检验结果确定:通过LM检验结果初步确定构建空间杜宾模型;Hausman检验明确在该模型中添加固定效应;进一步通过Wald检验和LR检验证实,本文数据不适用于构建空间滞后模型与空间误差模型,空间杜宾模型为最优选择;联合显著性检验显示双固定效应模型优于空间固定效应和时间固定效应。综合以上检验结果,最终确定构建双固定效应空间杜宾模型,具体形式如下:

(6)

其中,i表示省份,t表示年份,β为解释变量回归系数,θ为自变量空间滞后项系数,ρ为空间回归系数。

4.空间效应分解

LeSage等认为使用空间滞后项来描述空间交互效应可能会得出错误的结论,运用偏导的方式得出影响效应才能够体现出真实的空间交互效应,总效应能够被进一步分解为两部分,即直接效应和间接效应(空间溢出效应),计算结果来自因变量Y对自变量X求偏导后的矩阵[21]:

(7)

其中,wij表示空间权重矩阵W的元素,直接效应是指自变量X对所在地区因变量Y的影响效应,由矩阵对角线上元素的平均值表示。间接效应是指自变量X对周边地区因变量Y的影响效应,由非对角线上元素的平均值表示。

(二)变量说明

被解释变量:产业结构升级水平。发展至2020年,中国第一、二、三产业占GDP比重分别为8%、38%、54%,第三产业已占国民经济总量的一半。

本文借鉴付凌晖的研究测算各省份的产业结构升级水平[22],公式如下:

(8)

其中,qi为第i产业的产值比重。TN是一个正向指标,其数值越大,表明产业结构升级水平越高。同时,该指标注重对不同时间、不同省份产业结构发展水平的比较,而不是反映其绝对水平。

解释变量:数字经济发展水平。依据2021年国家统计局颁布的《数字经济及其核心产业统计分类(2021)》(2)《数字经济及其核心产业统计分类(2021)》指出,数字经济核心产业主要包括计算机通信和其他电子设备制造业、电信广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业等。及相关学者的研究构建数字经济发展水平指标体系,其包含数字基础设施、数字产业发展、数字经济应用、数字人才环境四个维度,具体如表1所示。数字基础设施直接反映数字经济硬件条件的现有水平;数字产业发展反映相关产业数字化的发展程度;数字经济应用反映数字技术对现有产业的渗透程度;数字人才环境反映人才对数字经济发展的支持程度。其中,数字人才环境作为本文数字经济发展水平指标体系的新增维度,其二级指标是结合已有研究提出的。具体为:陈程从ICT相关领域人才就业比例、工资水平等方面分析比较了加拿大、德国、印度、印度尼西亚、新加坡和泰国6国数字行业人才发展现状[23]。朱小艳指出人才是企业数字化转型的核心动能,为推动数字经济的发展,各地区人才资源配置的优化及人才待遇的提升必不可少[16]。黄红芳认为要提升数字人才的支持力度,需要增加高端数字人才的薪酬并提供特殊津贴,同时建立数字人才引进机制[24]。总结来看,某地区数字人才环境可以通过数字相关产业就业人数、工资水平反映,因此将数字人才环境的二级指标设置为数字经济核心产业就业人数与平均工资。本文运用熵值法测算数字经济发展水平。

表1 数字经济发展水平指标体系

控制变量:参考已有相关文献,选取金融化水平、城镇化水平、财政支出、创新程度、人力资源、对外开放程度作为控制变量[25-27]。

变量的具体设定方式如表2所示。

表2 变量的设定与说明

(三)数据来源

本文所用数据来源于《中国统计年鉴》和国务院发展研究中心信息网(简称“国研网”),数字经济发展水平指标体系中的软件业务收入、软件产品收入以及计算机、通信和其他电子设备制造业相关指标数据来自国研网数据库,其余指标的数据均来自《中国统计年鉴》。鉴于数据的可获得性以及完整性,将面板数据的时间跨度设定为2011—2020年,对象地区为除西藏、香港、澳门和台湾之外的30个省份,共收集300个样本数据。对其中存在的个别缺失值采用插值法进行补全,并进行标准化处理。

五、实证结果与分析

(一)数字经济及产业结构升级的空间关联性分析

1.全局空间关联性分析

在了解全国数字经济发展特征和态势的基础上,为考察2011—2020年30个省份的数字经济发展水平、产业结构升级水平是否存在空间相关性,本文通过Moran’sI指数进行检验。表3显示了检验结果。可以看出,数字经济发展水平(DE)和产业结构升级水平(TN)的Moran’sI均为正值,且具有较强显著性,代表着各省份数字经济和产业结构升级均具有空间相关性,且为正相关,对二者关系进行分析时有必要考虑空间因素。在时序变化上,数字经济发展水平的Moran’sI值较为波动,但近五年呈下降趋势,空间依赖性总体略有下降;产业结构升级水平的Moran’sI值呈先降后升的“U型”状态,说明了近些年各省份之间产业相互影响程度不断加深。

表3 2011—2020年中国数字经济和产业结构Moran’s I指标检验

2.局域空间关联性分析

整体而言,各省份的数字经济发展水平、产业结构升级水平具有相互依赖性,然而各省份的集聚分布情况有待进一步分析,故绘制Moran’sI散点图对局部空间自相关性进行检验,图1～3是2011年、2016年和2020年的Moran’sI散点图。如图1～3所示,数字经济发展水平与产业结构升级水平的Moran’sI散点图大部分省份位于“高—高”集聚区和“低—低”集聚区。从数字经济来看,2011年至2020年位于一、三象限的省份占全部省份的比重从73.33%提高至83.33%。从产业结构来看,2011年至2016年位于一、三象限的省份占全部省份的比重下降,但截至2020年,该比重有所提高,相比于2011年提升3%左右。由此可知,数字经济发展水平的空间集聚程度在逐年提升,产业结构升级水平的空间集聚程度存在先下降后上升的趋势,且都存在显著的空间正相关性,数字经济发展水平和产业结构升级水平较高的省份,其邻近省份的数字经济发展水平和产业结构升级水平也较高,数字经济发展水平和产业结构升级水平较低的省份,其邻近省份的数字经济发展水平和产业结构升级水平也较低。

图1 2011年Moran’s I散点图

图2 2016年Moran’s I散点图

图3 2020年Moran’s I散点图

表4进一步给出了2011年和2020年各省份数字经济发展水平和产业结构升级水平区域分布情况。通过分析可知,对于数字经济发展,“高—高”集聚省份主要集中在京津地区、闽粤地区和长三角地区,福建和天津由2011年的“高—高”集聚迁到2020年的“低—高”集聚,说明福建和天津近几年的数字经济发展较慢;“低—低”集聚省份较多位于中、西部,四川由2011年的“低—低”集聚迁到2020年的“高—低”集聚,说明这几年四川数字经济发展较快。对于产业结构升级,“高—高”集聚省份主要集中在京津地区和长三角地区,福建从2011年的“高—高”集聚迁到2020年的“低—高”集聚,说明福建省产业结构升级后续发展动力不足,重庆从2011年的“低—高”集聚迁到2020年的“高—高”集聚,说明重庆发展向好,山东从2011年的“高—低”集聚迁到2020年的“高—高”集聚,说明山东邻近省份产业发展较好;“低—低”集聚省份较多位于中、西部,从2011年的“高—低”集聚迁到2020年的“低—低”集聚省份主要有山东、贵州和宁夏,可能是由于资源向邻近省份流动,进而限制自身发展,出现被邻近省份“吸血”的现象。特别地,数字经济和产业结构升级在空间分布上基本形成了相同的集聚区域,数字经济的“高—高”集聚区一般也是产业结构升级的“高—高”集聚区,数字经济的“低—低”集聚区基本上也是产业结构升级的“低—低”集聚区。这可能是由于数字经济的发展会促使资源流向集聚区,带来技术的集聚,为产业结构升级提供支持。反过来,产业结构的不断升级,增强了产业活力,促进数字产业发展,从而进一步提高数字经济集聚水平。

表4 2011年和2020年数字经济发展水平和产业结构升级水平区域分布情况

(二)数字经济对产业结构升级的空间效应

1.空间杜宾模型结果分析

空间杜宾模型估计结果初步显示,本省份数字经济的发展显著促进本省份产业结构升级,而对邻近省份的产业结构升级无显著影响。但LeSage等认为使用空间杜宾模型时,如果因变量的空间滞后项系数显著不为零,那么所得结果可能会存在系统性偏差[21]。表5中产业结构升级的空间滞后项显著不为零。因此,为消除可能存在的系统性偏差,准确把握中国30个省份数字经济对本地和周边地区产业结构升级的作用,本文将数字经济发展水平的总效应分解为直接效应和间接效应,分解结果见表5,DE、FINA、URB、GOV、INN、HUM和OPEN 7个解释变量的直接效应与SDM估计结果基本保持一致。

直接效应代表数字经济发展对本省份产业结构升级的影响作用。数字经济对应的直接效应系数显著为正,意味着在同一省份数字经济发展水平的提高能够带动产业结构升级。具体而言,数字经济发展水平每提高1%,本省产业结构升级水平相应提高0.176%,可见数字经济发展对产业结构升级的贡献十分可观,该结论验证了假设1。间接效应即空间溢出效应,代表数字经济发展对邻近省份产业结构升级的影响作用。数字经济对应的间接效应系数不显著,意味着产业结构升级不能受到邻近省份数字经济发展的影响,该结论与假设2不一致。

在同一省份,产业结构升级可以通过多种途径受到数字经济的正向影响,例如传统产业改造、新产业的出现与消费需求的提升。但是,数字经济发展不能促进邻近省份产业结构升级,其原因可能是:第一,省份间数字经济发展不平衡,数字技术发展处于方兴未艾的状态,各省份在数字基础设施、数字产业发展等方面存在较大发展差距,某一省份数字经济多集中于促进自身产业结构升级,尚不能对邻近省份产业结构升级造成影响。第二,数字经济催生的新产业处于发展初期,其在各地区之间的合作交流体系尚未形成,难以促进资源共享,导致地区间产业的依赖性与关联性相对较弱。第三,数据作为新兴要素,缺乏统一制度管理与全面技术保障,且受数据产权界限模糊、数据开发力度有限、数据质量参差不齐等问题的制约,数据在地区间的流动不顺畅。

这与方湖柳等的研究结论相左[15]。究其原因,可能是研究区域不同所导致,前者从中国省域层面进行分析,而后者是对长三角地区进行研究,长三角地区数字经济发展迅速,且长三角区域一体化发展战略能够打破城市间的经济壁垒,为产业合作、数据流通提供了可行路径,这使得数字经济的发展能够带动周边地区产业结构升级。

2.区域异质性分析

中国各省份经济发展状况存在较大差异,为了进一步探究数字经济发展对不同区域产业结构升级的影响程度差异,依据上文中的数字经济空间关联性分析,将中国30个省份划分为“高—高”“低—高”“低—低”和“高—低”四个集聚区域,由于数字经济发展水平处于“低—高”和“高—低”集聚区域的省份较少,所以仅对“高—高”和“低—低”两个集聚区域进行具体分析,结果见表6。

表6 分区域空间杜宾模型估计结果

结果显示,在数字经济发展水平“高—高”集聚区域,直接效应与间接效应中的数字经济发展水平系数均显著为正,说明在“高—高”集聚区域,数字经济同时对本省份产业结构升级和邻近省份产业结构升级产生促进作用,也就是说在该区域空间溢出效应正向显著。这与总体样本所得结论不一致,可能的原因是:在数字经济发展水平“高—高”集聚区域,经济基础较好、科技水平较高,使得该区域数字经济较早起步发力,数字技术较为成熟,同时地区间数字产业关联性较强,数据要素流通较为顺畅,使数字经济的发展不仅能促进本省份产业结构升级,还能助力邻近省份的发展。在数字经济发展水平“低—低”集聚区域,直接效应中的数字经济发展水平系数显著为正,间接效应不显著,说明在“低—低”集聚区域,数字经济对同一省份产业结构升级具有促进作用,但是未能显著推动邻近省份产业结构升级。由此可以看出,不同区域数字经济发展对产业结构升级的影响作用不一致,该结论验证了假设3。

3.稳健性检验

为增强结论的可信度,本文采用替换核心变量的构造方式和缩短样本年限两种方式对所得结论加以验证。第一,替换核心变量的构造方式。替换产业结构升级水平这一指标的构造方法,使用第三产业增加值/第二产业增加值表示[28]。第二,缩短样本年限。将原本的样本年限由2011—2020年缩短为2014—2020年。具体结果如表7所示,与表5结果相比,系数和显著性水平无明显变化,因此本文的实证分析结果具有稳健性。

表7 稳健性检验结果

六、结论与建议

(一)结论

本文从数字基础设施、数字产业发展、数字经济应用和数字人才环境四个维度构建省域数字经济发展指标体系,运用熵值法测算数字经济发展水平,基于地理与经济距离嵌套权重矩阵构建空间杜宾模型,分析2011—2020年中国30个省份数字经济影响产业结构升级的作用。研究结论是:

第一,省域层面数字经济和产业结构升级均表现出显著的正向空间相关性,且二者在空间分布上具有相同的集聚区域。数字经济的“高—高”集聚区一般也是产业结构升级的“高—高”集聚区,数字经济的“低—低”集聚区基本上也是产业结构升级的“低—低”集聚区。数字经济和产业结构升级的“高—高”集聚区通常位于京津地区和长三角地区,“低—低”集聚区位于中、西部。

第二,数字经济发展能够显著促进本省份产业结构升级,而对邻近省份的影响不显著。数字经济通过改造传统产业、形成新的产业、降低生产成本、加快数据要素流动、提高消费需求等加快实现产业结构升级。但是受数字经济发展不平衡、数字产业地区关联性弱、数据要素流动不顺畅等问题的制约,当前阶段,数字经济的发展未能显著促进邻近省份产业结构升级。

第三,不同区域数字经济发展对产业结构升级的影响效应不一致。在数字经济发展水平“高—高”集聚区域,数字经济不仅能够促进同一省份产业结构升级,还能够显著地促进邻近省份产业结构升级;在数字经济发展水平“低—低”集聚区域,数字经济仅能促进同一省份产业结构升级,不能显著带动邻近省份产业结构升级。

(二)建议

第一,优化数字经济与产业结构空间发展格局,实现数字技术资源和生产要素区域共享。数字经济与产业结构均表现出正向的空间集聚性,且数字经济是促进产业结构升级的重要动力,但从研究结果来看,中国数字经济发展水平不平衡,且一些省份产业结构升级水平较低,因此政府应鼓励并加强地区间在数字经济发展与产业结构升级方面开展更为广泛的合作与交流,加快数字技术资源和生产要素在区域间的流动,优化各地区资源配置,打造数字经济高发展水平和产业结构高级化城市群,实现共建共享。

第二,激活数据要素资源,打破制约要素流动的壁垒。数据要素具有难以确定产权属性的特征,在一定程度上阻碍其流通,研究发现数据要素流动不顺畅可能影响数字经济发展对产业结构升级的空间溢出效应。为了充分发挥数字经济发展较好地区的带动作用,政府应构建包含数据使用权、处置权和所有权等在内的法律体系,明确数据的产权问题;建立全国统一的数据要素管理系统,根据统一标准、规范使用数据要素;投入资金与人力推动数据资源开发利用,有效发挥数据价值,加速数据要素的流动。

第三,分区域制定发展战略,促进产业结构转型升级。数字经济发展有助于产业结构升级,但在不同数字经济发展水平集聚区域会产生不同影响作用,因此,重点关注不同地区之间的经济发展差距以及社会资源水平的不同,制定符合各地区自身的发展政策,有助于稳步推进产业结构升级。在“高—高”集聚区域,政府应该给予政策支持,加强数字经济对产业结构升级的空间溢出效应,充分发挥空间溢出效应的作用;在“低—低”集聚区域,各省份要抓住发展机遇,集中力量发展自身数字经济,加强人才、技术储备,奠定发展基础,进而促进产业结构升级。