数字经济、外商直接投资与区域经济增长

崔日明 陈永胜 李丹

摘要：本文将数字经济、 外商直接投资与区域经济增长纳入统一分析框架， 基于2011-2019年中国273 个地级及以上城市面板数据， 实证检验数字经济带动经济增长的边际效应以及外商直接投资在其过程中的影响机制， 研究发现： 数字经济发展不仅显著促进区域经济增长， 而且具有稳外资的作用； 数字经济对区域经济增长的影响存在非线性关系； 随着经济增长分位点增加， 数字经济促进作用呈现先下降再上升的 “U” 型特征； 數字经济发展对区域经济增长的影响存在显著的区域、 产业结构与城镇化异质性； 数字经济发展具有明显的空间溢出效应， 并且溢出效益可能远大于直接效益。

关键词：数字经济；外商直接投资；经济增长；中介效应；空间溢出

中图分类号：F49文献标识码：A文章编号：1001-148X（2023）03-0082-09

收稿日期：2022-12-05

作者简介：崔日明（1963-），男，山西偏关人，教授，博士生导师，研究方向：国际贸易理论与政策；陈永胜（1994-），本文通讯作者，男，安徽六安人，博士研究生，研究方向：国际贸易理论与政策；李丹（1981-），女，辽宁沈阳人，教授，博士生导师，研究方向：国际贸易理论与政策。

基金项目：国家社会科学基金重大项目“建设面向东北亚开放合作高地与推进新时代东北振兴研究”，项目编号：20&ZD097;国家社会科学基金项目“全球价值链数字化对中国制造业高质量发展的影响机制与推进策略研究”，项目编号：21BJL070。

中国经济已由高速增长阶段转向高质量发展阶段，人口红利消失，投资驱动与要素驱动乏力，发展不平衡、不协调现象突出。由于国际贸易与投资严重萎缩，贸易保护主义抬头与逆全球化趋势加剧，进出口贸易与国际投资面临的不确定因素增多，全球经济低迷且贸易增长缓慢。在此背景下，数字经济成为经济增长的新引擎与重要动力。数字经济以信息与知识为生产要素，依托互联网、大数据、人工智能等新型技术推动生产效率提升、产业转型升级、经济结构优化、技术与动力变革［1］。而数字技术通过赋能实体经济与传统产业，促进数字经济与传统产业双向交融，不断加速实体经济生产效率提升，为经济增长提供新的动力源泉［2］。

一、理论分析与研究假设

（一）数字经济与经济增长

数字经济的核心本质是以数字化信息、知识和数据作为关键生产要素，以新一代互联网、大数据、云计算和人工智能等信息技术为支撑，以现代信息网络、数字平台为主要载体，推进产业、技术和生产方式根本性变革，驱动生产效率提升、经济结构优化的一种新型经济形态［3］。数字经济发展有效推动了数字信息、智能化技术与行业、产业深度融合，激发新产品（服务）、新技术、新业态和新商业模式不断涌现［4］，对新时代社会发展和经济高质量增长产生了深刻影响，是未来经济增长的关键动力［5］。数字经济影响区域经济增长的内在机理主要分为规模经济、网络效应与范围经济。具体来说，第一，规模经济。数字经济借助于互联网技术发挥低边际成本甚至近乎为零的边际成本效应，使得企业、行业平均成本不断降低，促使企业、行业产量增加，发挥规模经济。第二，网络效应。根据“梅特卡夫法则”，数字经济逐渐弱化企业、行业以及空间的经济活动边界，具有强外部性和正反馈效应，其产生的经济效应呈现几何式增加［3，6］。第三，范围经济。已有研究指出，数字经济颠覆了传统经济盈利模式，将范围经济发挥至极致，开创了伴生利润来源，究其原因，在于数字经济的网络效应和规模效应［5］。数字经济发展改变了传统的边际效用递减规律，极低的边际成本和庞大的网络外部性促进数字经济产生边际递增效应。裴长洪等（2018）［3］也指出，数字经济具有规模经济、范围经济、降低交易成本与创造性毁灭的特征，通过平台经济和共享经济扩大市场、提升资源配置效率。李晓华（2019）［4］指出，颠覆性创新、平台经济、网络效应和蒲公英效应是数字经济蕴含的新特征，并且也是经济发展新动能的形成机制。何大安等（2020）［7］认为，数字经济是将数字与信息技术运用至经济活动中形成的产物，并以此重塑传统产业结构和经济结构。

（二）数字经济、外商直接投资与经济增长

吸引外资流入是中国实施对外开放、建设开放型经济新体制的重要组成部分。外资流入不仅能够促进东道国资本存量增加，形成资本积累效应，而且有助于实现技术转移与扩散，产生知识、技术外溢效应，推动东道国产业升级、技术进步和生产效率提升，进而促进经济增长。外商直接投资主要通过缓解企业融资约束、降低资金成本等路径促进东道国资本积累，而产生技术溢出的路径主要包括示范效应、竞争效应和培训效应。数字经济吸引外资流入的途径主要包括以下三个方面：

第一，降低交易成本。凭借互联网、大数据与人工智能等信息技术支持，数字经济展现出明显的零边际成本特征［8］。一方面，数字经济对海量数据的收集、储备和共享功能提升了金融市场吸纳信息的广度与深度，使得外企能够以较低成本获得消费者偏好、厂商产品（服务）的价格以及企业发展与市场状况等关键信息，缓解了信息不对称问题，降低了外企在投资市场的信息搜寻成本、时间成本、处理成本和谈判成本［3］。另一方面，数字经济凭借互联网技术使得交易双方直接沟通，绕过以往中介组织，提升了外商投资方与各地区需求方的匹配效率，也降低了交易成本。

第二，推进市场一体化。数字经济凭借其“无距离”属性打破以往时空距离限制，数字技术赋能增强了区域间市场信息的连通性，缓解地区间贸易壁垒程度，一方面加速区域间要素流动，促进产业链上下游企业交流与合作，另一方面推进厂商产品跨区域销售，有利于企业规模化生产，增加厂商利润，从而吸引外商扩大投资。关利欣等（2015）［9］认为，“互联网+”形成的新模式、新贸易方式有助于内外贸市场一体化建设。而市场一体化建设有利于推进市场规模扩大，从而吸引外资流入。张如庆等（2009）［10］发现，市场分割会阻碍进出口贸易，国内统一大市场建设有利于扩大进出口贸易。李浩等（2020）［11］针对长三角区域研究也发现，经济一体化能够通过要素流动、扩大市场规模和产业协作三种机制吸引外资流入。

第三，消费拉动效应。获取广大的消费市场份额是外资企业进行投资的重要动机之一。数字经济发展催生平台经济、现代物流和数字金融等新业态、新模式，首先，平台销售节约传统实体经济租金成本，降低了产品价格，同时为消费者提供丰富的消费选择，满足消费者多样化需求。其次，互联网、智能计算等数字技术赋能物流业，促进现代物流发展，提升了物流配送效率与模式。最后，数字金融利用其地理穿透力和低成本优势，发挥长尾效应，并且通过缓解流动性约束、便利居民支付扩大居民消费。张峰等（2020）［12］认为，数字经济凭借互联网技术能够扩展消费空间区域，激发市场活力，扩大内需规模。龚晓莺等（2021）［13］认为，数字经济能够通过消费者信息反馈和数字产品非竞争性两种途径激发消费新动力。基于以上分析，本文提出如下假设：

H：数字经济发展能够通过吸引外商直接投资促进区域经济增长。

二、研究设计

（一）模型设定

本文主要关注数字经济发展对区域经济增长的驱动作用，参考赵涛等（2020）［6］和唐松等（2020）［14］的方法，设定估计模型如下：

lnpgdpit=α0+α1digecoit+ηXit+vi+ut+εit（1）

式（1）中，被解释变量lnpgdp表示经济增长，采用城市人均实际GDP对数值衡量人均GDP以2001年为基期消除价格因素。［15-16］。digeco为核心解释变量，表示数字经济发展水平，α1为本文重点关注的核心估计系数，表示数字经济发展对区域经济增长的影响效应，如果α1为正，说明数字经济发展能够促进区域经济增长，否则，存在负向影响。

根据理论机制分析得出数字经济发展能够通过吸引外商直接投资来促进区域经济增长。对此，本文在式（1）的基础上建立中介效应模型，对数字经济发展影响区域经济增长的作用路径进行深入分析。具体模型设计如下：

Moddleit=β0+β1digecoit+ηXit+vi+ut+εit（2）

lnpgdpit=δ0+δ1digecoit+δ2Moddleit+ηXit+vi+ut+εit（3）

式（2）、（3）中，Moddle为中介变量，即外商直接投资（lnfdi），采用城市实际利用外资总额对数值衡量［17-18］，其余变量定义与式（1）一致。本文借鉴温忠麟等（2004）［19］构建的中介效应检验方法，如果β1与δ2均显著，说明中介效应存在，并且若δ1也显著，则Moddle起到部分中介作用，若δ1不显著，则Moddle起到完全中介作用。

（二）变量说明与数据来源

1核心解释变量

数字经济（digeco）。根据对数字经济定义的理解，部分学者给出了中国数字经济测量方法，许宪春等（2020）［20］运用BEA测算方法，从数字化赋权基础设施、数字化媒体、数字化交易和数字经济交易产品4个方面核算中国国家层面的数字经济规模。刘军等（2020）［21］从信息化发展、互联网发展和数字交易发展三个维度构建数字经济指标体系，并测算了中国省级层面的数字经济发展综合指标。结合已有研究以及本文城市面板数据可得性，本文借鉴赵涛等（2020）［6］的方法，从互联网用户数、互联网相关从业人员数、互联网相关产出、移动互联网用户数和数字金融发展五个方面构建数字经济评价指标体系，并运用主成分分析法进行测量。

2控制变量

为了科学、准确得出数字经济发展对经济增长的影响作用，本文根据已有研究，选取如下变量为控制变量：（1）产业结构（second），采用第二产业增加值与城市GDP比值衡量；（2）投资（inv），采用城市固定资产投资总额与GDP比值衡量；（3）市场化（mark），采用中国各省市市场化总指数衡量；（4）城镇化（urb），采用城镇人口与城市总人口比值衡量；（5）金融发展（fina），采用城市年末金融机构贷款余额与GDP比值衡量；（6）净出口（export），采用城市出口总额与进口总额比值衡量；（7）消费（precon），采用城镇人均消费水平衡量；（8）就业（emprate），采用城鎮就业人数增长率衡量。

3数据来源

本文基于2011-2019年273个地级及以上城市面板数据对数字经济发展的经济效应进行研究，实证过程中涉及普惠金融指数采用了北京大学数字金融研究中心编制的数字普惠金融指数［22］。城市GDP、第二产业增加值等其他表征城市特征的变量均来源于历年《中国城市统计年鉴》《中国区域统计年鉴》以及各省市统计年鉴。

三、实证结果及分析

（一）基准回归结果

根据式（1）进行OLS回归得表1结果，列（1）控制了变量digeco和城市、年份固定效应，并聚类（cluster）到城市层面标准误，列（2）在列（1）基础上加入了所有控制变量。根据列（2），变量digeco系数为364%，且在1%的统计水平上显著，表明数字经济发展水平提升1个单位，将引致人均实际GDP增长约364%。这意味着从整体而言，数字经济发展有利于推进区域经济增长。针对数字经济发展影响效应的定性研究中，多数文献均指出数字经济具有创新性、高效性以及规模效应等正外部性特征［1，4］。张蕴萍等（2019）［5］认为，数字经济依托互联网、大数据等信息技术与网络平台，在微观层面上可以形成规模经济、范围经济和长尾效应，促进资源优化配置和完善价格机制，进而提升经济均衡水平和经济增长；在宏观层面上通过新的投入要素、资源配置效率和全要素生产率来促进经济增长。

（二）数字经济对区域经济增长影响机制分析

表2报告了数字经济对区域经济增长的直接影响以及通过外商直接投资产生的间接影响。列（1）显示，digeco系数在1%的统计水平上显著为正，说明数字经济发展有利于地方吸引外商直接投资增加。列（2）显示，digeco、lnfdi系数均在1%统计水平上显著为正，说明数字经济发展与外商直接投资增加都有助于促进区域经济增长。数字化转型不仅降低交易成本，扩大市场规模，而且容易形成垄断市场结构，产生赢家通吃局面与蒲公英效应［4］，因此，大部分理性跨国公司从收益最大化角度出发，为抢占数字经济市场份额，增加海外投资，进而促进东道国区域经济增长。综上，外商直接投资在数字经济促进区域经济增长过程中起到正向部分中介作用，其中外商直接投资的中介效应约为0081，占总效应的比例约2216%。因此，假设H得到验证。

（三）工具变量法

由于数字经济发展需要一定程度的互联网技术、自主创新能力和基础设施作为基础，经济发展程度较高的区域往往伴随着较发达的信息技术、创新水平和设施配置，进而有利于数字经济发展。因此，式（1）可能存在反向因果干扰估计结果，对此，本文利用工具变量法进行检验。选取滞后8期的邮政业务总量（iv1，单位：千万元）和本地电话年末用户数（iv2，单位：百万户）为数字经济发展的工具变量，原因有：（1）数字经济以信息化与互联网技术为基础，依托数字信息与网络平台实现交易、交流与合作，而邮政业务总量和本地电话年末用户数分别在一定程度上衡量了信息化产出和移动端互联网基础［6］。因此，城市邮政业务总量和本地电话年末用户数可能与数字经济发展相关，符合工具变量相关性假设；（2）由于邮政业务总量和本地电话年末用户数均是滞后8期的变量，滞后期限足够长，当期的经济增长无法影响前8期的邮政业务总量和本地电话年末用户数，符合工具变量外生性假设。

表3列（1）、（2）报告了工具变量法估计结果，根据第一阶段回归，iv1、iv2系数至少都在5%的统计水平上显著为正，表明iv1和iv2均与数字经济发展显著正相关，与理论推断相符，并且F统计量为98260，远大于10，说明本文选取的工具变量不存在弱工具变量问题。在第二阶段回归中，digeco系数在1%的统计水平上显著为正，并且过度识别检验Sargan统计量为1443，对应P值为02297，说明所有工具变量均是外生的。这意味着在使用工具变量克服内生性之后，数字经济发展依然显著促进区域经济增长，基准回归结果具有可靠性。

（四）门槛效应

已有研究认为，数字经济发展能够弱化经济活动边界、提升企业经营效率和降低边际成本，进而使得在不同数字经济发展水平下，数字经济发展对经济增长产生影响不同［6］。根据Hansen（2000）［23］的面板门槛效应模型，构建如下基本门槛模型：

lnpgdpit=β0+β1digecoit·I（digecoitγ）+β2digecoit·I（digecoit>γ）+λXit+vi+ut+εit （4）

式（4）中，I（·）为示性函数，若括号内式子成立，则I为1，否则为0。γ为门槛值。式（4）为单门槛基本模型，根据门槛模型检验可拓展为多门槛模型。其余变量与式（1）定义一致。

在进行面板模型估计之前，先检验面板门槛是否存在，采用自举法（Bootstrap）反复抽样1000次计算F统计量与对应P值来选择门槛类型，门槛值以及相关统计量估计结果见表4。可以看出，单门槛、双门槛的F统计量均在1%的统计水平上显著，而三门槛的F统计量没有通过显著性检验，说明数字经济发展对区域经济增长的影响适合做双门槛效应估计。表3列（3）报告了双门槛效应估计结果，可以看出，随着数字经济发展水平提升，数字经济发展显著促进区域经济增长且边际效应递减。可能原因有：（1）非对称竞争因素。相对于传统经济，数字经济具有绝对的技术竞争优势，在数字经济发展前期，数字经济能够通过技术溢出推动传统经济进行产业融合与数字化转型，发挥长尾效应，形成规模经济与范围经济。而在数字经济发展到一定水平时，数字经济的颠覆性创新、强大的网络效应和几乎为零的边际成本对传统经济产生巨大冲击，使得传统经济萎缩和边缘化，进而对传统经济产生挤出效应［8］。其他数字经济实证研究也给出类似证据，例如，姜松等（2020）［24］发现，数字经济对实体经济的影响呈倒“U”型特征，在数字经济水平高于门槛值后，会对实体经济产生不利影響。（2）数字鸿沟因素。结合数字经济指标分布来看，digeco均值为0197，75%分位数值为0226，小于第一门槛值（03239），90%分位数值为0342远小于第二门槛值（06915），而超过第二门槛值的城市仅包括北京、天津、上海、重庆、广州、深圳、苏州、杭州和成都共9个城市。可以肯定的是目前我国大部分地区数字经济发展处于第一门槛值以下水平，数字经济贫富差距和两极分化形势严重，数字鸿沟和发展不均衡在一定程度上阻碍了数字连通性和平台经济的延伸，进而不利于数字经济发挥规模效应和范围经济。邱泽奇等（2016）［25］发现，数字鸿沟缩小能够带来“乘数效应”，进而形成数字红利。（3）强制性推进数字经济发展。地方政府为了将数字经济打造成引领经济、社会发展的新动能，盲目追求数字经济发展，而忽视数字经济与实体经济、传统产业之间的内在关系，数字化产业与产业数字化方向模糊，特别是缺乏数字环境建设的优化与整合，从而扩大了数字经济发展对传统产业的阵痛性冲击，制约了数字经济的带动效应。

（五）分位数回归

考虑到在经济发展水平不同的区域，数字经济发展对其经济增长的作用效果可能存在差异性。因此，本文采用面板分位数回归模型考察在经济发展水平不同分位点处，数字经济发展对区域经济增长的影响有何区别。面板分位数模型能够更精确地刻画数字经济发展对区域经济增长的影响范围以及条件分布形状，能够更全面的描述分布不同部分的特征，并且分位数回归以残差绝对值的加权平均为最小化目标函数，不易受到极端值干扰，结果更为稳健。

表5报告了10%、25%至90%这5个具有代表性的分位点处的回归结果。从统计显著性来看，在各个分位数处，digeco系数均显著为正，这与基准回归结果一致，说明在不同经济发展水平下，数字经济发展均有利于区域经济增长。从系数大小来看，随着lnpgdp分位点增加，digeco系数呈现先下降再上升的“U”型特征。这意味着在经济发展较落后和较领先的地区，数字经济对区域经济增长具有更大的推动作用。可能原因有：（1）对于经济发展较落后的地区，往往其经济增长动力匮乏且数字经济发展水平较低，通过移动互联网、大数据、人工智能以及电子商务等数字服务快速发展，前期凭借人口、网民和市场红利产生规模经济和长尾效应［5］，快速注入新动能，迅速引领区域经济增长。（2）对于经济发展较领先的地区，往往其经济基础雄厚、创新要素丰富、产业结构趋于高级化、现代经济体系完善，经济增长潜力巨大且势头较好。这些地区数字经济发展能够快速推动技术、产业、动力与效率变革，通过互联网、大数据与云计算等数字技术赋能于传统产业与实体经济，促进数字经济与传统产业深度融合以及数字化转型升级，产生加速推进效应，从而带动区域经济更快增长。（3）对于经济发展中等水平的地区，一方面数字经济发展前期红利逐渐消减，另一方面，与发达地区相比，该地区在数字技术、智能机器人、信息设备等高科技产业领域发展存在明显滞后，核心技术“卡脖子”现象越发凸出，创新性的智能化和信息化装备与产品不足，数字经济创新与技术水平不够强，发展饱和度不足且均衡性较低［1］。因此，在经济发展中等水平的地区，数字经济呈现出动力较低现象。数字经济前期技术创新成果在行业、产业中的应用与融合仅能带来经济短暂的快速增长，只有贯彻落实创新驱动发展战略，持续涌现互联网、大数据、人工智能等数字技术前沿性创新，才能保障经济持续稳定增长。

（六）稳健性检验

表6从以下五个方面进行稳健性检验：（1）变换被解释变量。参考徐婧等（2015）［26］、曹清峰（2020）［27］的研究，分别运用实际GDP对数值（lngdp）和实际GDP增长率（gdpr）衡量经济增长，列（1）、（2）报告了对应结果。（2）变换样本。列（3）报告了剔除直辖市样本后的回归结果，列（4）报告了剔除所有省会城市样本后的回归结果。（3）修正離群值，将所有城市被解释变量（lnpgdp）与核心解释变量（digeco）的最大与最小1%的样本分别进行缩尾处理，列（5）、（6）报告了对应结果。（4）滞后变量。列（7）报告了将所有解释变量均滞后一期的回归结果。（5）增加固定效应。列（8）报告了控制城市、年份、省份固定效应的回归结果。总体来看，digeco系数均显著为正，基准回归结果具有稳健性。

四、异质性分析

考虑到经济发展基础、产业形态与城镇化可能会影响数字经济发展以及数字经济对区域经济增长的影响效果。因此，本文将从不同区域、产业结构和城镇化三个角度考察数字经济发展影响经济增长的异质性。

（一）区域异质性

数字经济依托互联网、大数据等数字化与信息化技术进行发展，因此，经济基础、资源禀赋、创新要素积累和网络设施建设决定了区域内网络、数字平台的性能、创新成效、运行效率与服务质量，进而影响数字经济发展的经济效应。本文将全部城市按所在东、中、西部地理区域进行分样本检验，结果如表7列（1）—（3）所示。可以发现，东中部地区数字经济发展的估计系数显著为正，而西部地区不显著。这表明数字经济发展对区域经济增长的带动效应在西部地区尚未体现，而在东中部地区具有显著带动效应。可能是因为我国数字经济两极分化现象严重，发达地区与欠发达地区之间数字经济水平存在2-3倍的差距。相较于东中部地区，西部地区基础设施、信息化发展、制度要素等初始条件均相对落后，数字经济带动效应不明显。

（二）产业结构异质性

数字经济凭借数字科技渗透到不同行业和企业，赋能于传统经济，并且推动传统经济生产技术、经营效率和发展动力变革，促进传统经济和产业进行数字化转型与融合。已有研究表明，实体经济发展基础能够影响数字经济发展效果［28］。因此，本文按产业结构（second）中位数将城市分为低工业地区（中位数以下）和高工业地区（中位数以上），分组回归结果如表7列（4）、（5）所示。可以看出，在高工业地区数字经济带动区域经济增长作用显著，而低工业地区不显著。这说明数字经济发展需要以实体经济为基础，没有实体经济参与，数字经济本身就是泡沫［24］。

（三）城镇化异质性

城镇化进程为城市建设与社会发展提供了农村剩余劳动力，是经济增长的重要推动力。本文按城镇化（urb）中位数将城市分为低城镇化地区（中位数以下）和高城镇化地区（中位数以上），分组回归结果如表7列（6）、（7）所示。可以看出，在两组样本中，数字经济发展均能促进区域经济增长，但低城镇化地区促进作用更大。可能是因为在城镇化水平较低地区对应发展水平较低，并且徘徊在市场之外的生产要素和需求者更多，数字经济发展打破市场、地理区域壁垒，将这些要素和需求纳入市场，发挥规模效应与长尾效应。因此，低城镇化地区促进作用更大。

五、进一步分析：空间溢出效应

数字经济与传统经济的最大区别在于数字经济是以数字化的信息、知识和技术作为核心生产要素，利用数字、网络平台等信息技术提供产品与服务，其互联、互通、共享和高效的信息传递等特性极大程度压缩了地理空间距离，加速了传统生产要素和现代信息、知识与技术的空间流动，增强了区域间经济活动的关联程度［6］。李雪等（2021）［29］研究发现，数字经济通过为创新主体提供高效、便利和准确的信息，形成创新知识空间关联，进而产生创新溢出效应。张杰等（2021）［30］以“宽带中国”战略研究信息网络设施建设的创新效应发现，信息网络设施建设能够加速城市间的信息和创新要素流动，对周围城市产生一定程度的虹吸效应影响。因此，接下来将对数字经济发展是否存在空间经济影响进行考察。

（一）局部自相关检验

借鉴王红梅等（2021）［31］的方法，采用局部Morans I指数检验中国273个地级及以上城市间经济增长与数字经济发展的空间集聚情况，其中权重矩阵采用行标准化的反距离空间权重矩阵。结果如表8所示，可以看出，在2011-2019年数字经济发展与经济增长的MoranI指数均在1%的统计水平上显著为正，说明中国城市间数字经济发展和经济增长存在明显的空间正相关。

（二）空间自回归与空间误差模型

采用空间自回归（SAR）与空间误差模型（SEM）检验数字经济发展对区域经济增长的空间溢出效应。具体模型设定如下：

lnpgdpit=φ0+ρ∑ni=1Wijlnpgdpit+φ1digecoit+ηXit+vi+ut+εit（5）

lnpgdpit=θ0+θ1digecoit+ηXit+vi+ut+εitεit=λ∑ni=1Wijεit+μit（6）

式（5）为空间自回归模型，式（6）为空间误差模型。其中Wij为空间权重矩阵，ρ为空间自相关系数，λ为空间误差自回归系数，其余变量定义与式（1）一致。本文Wij采用反距离空间权重矩阵，具体设定如下：

Wij=1/dij，i≠j0，i=j（7）

式（7）中，dij表示城市i与城市j之间的距离，本文以城市间球面距离和驾车行驶距离两种方法来衡量，并利用LeSage等（2010）［32］的方法，将空间自回归模型的总效应分解为直接效应和间接效应来更清晰地描述数字经济发展的空间经济影响，其中直接效应用以反映数字经济发展对本地区经济增长的影响绩效，间接效应用以反映数字经济发展对其他地区经济增长的影响绩效。

表9报告了两种不同反距离权重矩阵下SAR和SEM模型回归结果，可以看出，digeco系数均在1%的统计水平上显著为正，与基准回归结果基本一致，再次验证了数字经济发展有利于区域经济增长的结论。同时，SAR模型中的空间自相关系数ρ和SEM模型中的空间自回归系数λ均在1%的统计水平上显著为正，表明区域间数字经济发展和经济增长均存在正向空间交互影响。从偏微分法分解的直接效应和溢出效应来看，两种空间权重矩阵下数字经济发展的直接效应和溢出效应均至少在5%的统计水平上显著为正，并且溢出效应远大于直接效应，这说明数字经济发展不仅能够促进本地区的经济增长，而且有助于周围其他地区经济增长，并且产生的经济溢出绩效可能远大于对本地区的直接效益。可能是因为：（1）市场一体化效应。传统经济下由于地理区域和行政划分使得中国存在严重的市场分割现象，而数字经济发展凭借数字化、信息化技术与强大的渗透能力压缩了时空距离，有效缓解以往市场分割问题。推进市场一体化有利于专业化分工的扩大，促进产业链延伸和新业态、新模式、新产业发展，从而实现规模报酬递增。（2）区域协同发展。数字经济借助数字平台和互联网技术加速整合与优化跨区域资本、劳动、信息、技术等要素配置，以极低的边际成本传递信息，促进发达地區信息、知识和技术向不发达地区传播与溢出，一方面带动不发达区域技术进步与生产效率提升，另一方面促进区域间协同创新与协调发展。（3）网络效应。根据梅特卡夫定律，数字经济的网络效应具有强外部性和正反馈效应［6］。随着各区域间经济活动边界被弱化、网民数量增加，中国数字经济的网民红利和网络效应充分发挥，空间溢出效应也急剧增加。

六、结论与启示

本文基于2011-2019年273个地级及以上城市面板数据，理论分析并定量检验数字经济对区域经济增长的影响，以及外商直接投资在其过程中的作用机制。研究发现：（1）数字经济发展显著促进区域经济增长，并且外商直接投资在其促进过程中起到中介效应；（2）门槛效应表明，数字经济促进区域经济增长的边际效应递减；（3）分位数回归表明，随着lnpgdp分位点增加，数字经济促进作用呈现先下降再上升的“U”型特征；（4）异质性表明，区域异质性方面，东中部地区数字经济发展促进区域经济增长作用显著，而西部不显著，产业结构异质性方面，在高工业地区数字经济带动区域经济增长作用显著，而低工业地区不显著，城镇化异质性方面，低城镇化地区促进作用大于高城镇化地区。（5）空间效应表明，数字经济发展存在明显空间溢出效应，并且溢出绩效可能远大于直接效益。

本文研究结论为数字经济发展、吸引外资流入与区域经济增长提供了如下启示：第一，加大数字技术基础设施与科学创新投入力度，持续提升数字化软硬环境，特别重视“新基建”战略建设，加速推进5G、WIFI6等数字化网络覆盖，进一步提升数字经济红利优势与带动效应；第二，充分利用数字信息快捷便利优势，一方面进一步降低跨国企业交易、物流等成本，另一方面加快推进市场一体化，提升外资流入规模与利用外资质量；第三，重视数字经济对实体经济的赋能、重塑以及技术变革，加速数字技术与传统产业深度融合，打破传统产业转型与增长的技术瓶颈，实现产业高级化与现代化发展；第四，发挥数字经济地理穿透性，建立区域联合机制，在区域层面统一规划与布局，实现城市间行业、产业紧密合作，扩大数字经济规模效应与范围效应。

参考文献：

［1］刘淑春.中国数字经济高质量发展的靶向路径与政策供给［J］.经济学家，2019（6）：52-61.

［2］郭晗，全勤慧.数字经济与实体经济融合发展：测度评价与实现路径［J］．经济纵横，2022，444（11）：72-82.

［3］裴长洪，倪江飞，李越.数字经济的政治经济学分析［J］.财贸经济，2018，39（9）：5-22.

［4］李晓华.数字经济新特征与数字经济新动能的形成机制［J］.改革，2019（11）：40-51.

［5］张蕴萍，陈言，刘志强，等.中国中小企业融资约束对比研究——来自科技型中小企业和新三板企业的微观证据［J］．济南大学学报（社会科学版），2019，29（6）：98-109.

［6］赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020，36（10）：65-76.

［7］何大安，许一帆. 数字经济运行与供给侧结构重塑［J］. 经济学家，2020（4）：57-67.

［8］许恒，张一林，曹雨佳.数字经济、技术溢出与动态竞合政策［J］.管理世界，2020，36（11）：63-84.

［9］关利欣，宋思源，孙继勇.“互联网+”对内外贸市场一体化的影响与对策［J］.国际贸易，2015（12）：20-25.

［10］张如庆，张二震. 市场分割、FDI与外资顺差——基于省際数据的分析［J］. 世界经济研究，2009，（2）：3-6，28，87.

［11］李浩，黄繁华，许亚云.区域经济一体化促进了外资流入吗？——基于长三角城市群的实证分析［J］.经济问题探索，2020（10）：81-93.

［12］张峰，刘璐璐.数字经济时代对数字化消费的辩证思考［J］.经济纵横，2020（2）：45-54.

［13］龚晓莺，杨柔.数字经济发展的理论逻辑与现实路径研究［J］.当代经济研究，2021（1）：17-25，112.

［14］唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异［J］.管理世界，2020，36（5）：52-66，9.

［15］郭步超，王博.政府债务与经济增长：基于资本回报率的门槛效应分析［J］.世界经济，2014，37（9）：95-118.

［16］王敏，黄滢.中国的环境污染与经济增长［J］.经济学（季刊），2015，14（2）：557-578.

［17］许和连，邓玉萍.外商直接投资导致了中国的环境污染吗？——基于中国省际面板数据的空间计量研究［J］.管理世界，2012（2）：30-43.

［18］张开迪，吴群锋，高建，等.外商直接投资对大众创业的影响［J］.中国工业经济，2018（12）：79-96.

［19］温忠麟.张雷，侯杰泰，等.中介效应检验程序及其应用［J］.心理学报，2004（5）：614-620.

［20］许宪春，张美慧.中国数字经济规模测算研究——基于国际比较的视角［J］.中国工业经济，2020（5）：23-41.

［21］刘军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究［J］.上海经济研究，2020（6）：81-96.

［22］郭峰，王靖一，王芳，等. 测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学（季刊），2020，19（4）：1401-1418.

［23］Hansen B. E. Sample Splitting and Threshold Estimation［J］.Econometrica， 2000，68（3）：575-603.

［24］姜松，孙玉鑫.数字经济对实体经济影响效应的实证研究［J］.科研管理，2020，41（5）：32-39.

［25］邱泽奇，张樹沁，刘世定，等.从数字鸿沟到红利差异——互联网资本的视角［J］.中国社会科学，2016（10）：93-115，203-204.

［26］徐婧，孟娟.贸易开放、经济增长与人力资本——基于面板门槛模型的研究［J］.世界经济研究，2015（6）：84-91，128.

［27］曹清峰. 国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据［J］. 中国工业经济，2020（7）：43-60.

［28］王彬燕，田俊峰，程利莎，等.中国数字经济空间分异及影响因素［J］.地理科学，2018，38（6）：859-868.

［29］李雪，吴福象，竺李乐.数字经济与区域创新绩效［J］.山西财经大学学报，2021，43（5）：17-30.

［30］张杰，付奎.信息网络基础设施建设能驱动城市创新水平提升吗？——基于“宽带中国”战略试点的准自然试验［J］.产业经济研究，2021（5）：1-14，127.

［31］王红梅，谢永乐，张驰，等.动态空间视域下京津冀及周边地区大气污染的集聚演化特征与协同因素［J］.中国人口·资源与环境，2021，31（3）：52-65.

［32］LeSage， J.， and R. K. Pace. Introduction to Spatial Econometrics［M］. Florida： CRC Press，2010.

Digital Economy， FDI and Regional Economic Growth

CUI Ri-ming， CHEN Yong-sheng， Li Dan

（School of Finance and Trade，Liaoning University， Shenyang 110036， China）

Abstract：This article integrates the digital economy， FDI， and regional economic growth into a unified framework. Based on the panel data of 273 cities at prefecture level and above in China from 2011 to 2019， this paper empirically tests the marginal utility of digital economy driving economic growth and the impact mechanism of FDI in its process. Research has shown that the development of digital economy not only significantly promotes regional economic growth， but also has a stabilizing effect on foreign investment. The impact of digital economy on regional economic growth has a non-linear relationship. As the quantile of economic growth increases， the promoting effect of the digital economy shows a “U” shaped feature of first decreasing and then increasing. The impact of digital economy development on regional economic growth has significant heterogeneity in regional， industrial structure， and urbanization. The development of the digital economy has significant spatial spillover effects， and the spillover benefits may far outweigh the direct benefits.

Key words：digital economy; FDI; economic growth;intermediary effect;spatial spillover

（責任编辑：周正）