数字鸿沟、溢出效应与数字经济空间差异

王丹丹,谢明柱

(安徽新华学院 财会与金融学院,合肥 230088)

一、引言

数字经济是以数字知识和信息为关键生产要素、以现代信息网络为载体的一系列经济活动。[1-2]数字经济在经济发展中发挥了重要作用,是支撑经济高质量发展的重要动力之一。《中国数字经济发展报告(2023年)》数据显示,2022年中国数字经济规模达到50.2万亿元,占GDP的比重达到41.5%。然而,中国地域广阔,区域间的数字资源禀赋存在差异,不同区域数字经济发展面临的内外部影响因素也有所不同,造成了数字经济的空间差异,其中数字鸿沟便是重要影响因素之一。数字鸿沟是指不同社会群体、行业、地域等在获取、利用数字技术机会及其使用能力的差异。[3-4]数字鸿沟的存在抑制了数字经济要素的空间流动,阻碍了某一区域数字经济发展的正向溢出,不利于周边地区数字经济发展,拉大了数字经济的空间差异。[5]同时,数字鸿沟会进一步拉大周边地区与其他地区间的差距,即数字鸿沟会蔓延至周边地域,这进一步扩大了数字经济的空间差异。所以,如何跨越数字鸿沟成为当前社会各界高度关注的话题,探索数字鸿沟对数字经济空间差异的影响,对于中国区域间数字鸿沟的弥合及经济高质量发展具有重要意义。

学术界针对数字经济展开了广泛研究,在研究内容上主要集中在以下几方面。一是数字经济内涵和特征的研究,比如张文魁从内生性角度阐述了数字经济的内涵,并认为数字经济存在信息产品的非争夺性、信息的边际成本趋零以及数字市场在线不在场等特征。[6]陈晓红等在探讨技术变革对经济学基本理论发展的影响过程中,基于“内涵特征-现实表现-核心理论-方法体系”学理链,构建了中国特色数字经济理论体系,阐释了该理论体系框架下的数字经济内涵与特征。[7]欧阳日辉基于层次论和摩尔定律解释了数字经济的涵义,并将数字经济特征归纳为场景化、平台化、生态化、数智化等几方面。[8]二是数字经济发展水平的测度,比如姚震宇在中国区域市场化水平与数字经济竞争的过程中,从产业规模、基础设施、创新能力等多维度构建了数字经济指数,并测算了中国数字经济的发展水平研究显示,中国数字经济发展水平较低,但提升速度较快。[9]王(Wang)和施(Shi)以安徽省为例,从数字产业化、产业数字化和基础设施三个维度构建了数字经济的测量指标体系,对安徽省的数字经济发展水平进行了测量,认为目前安徽省的数字经济发展水平较低。[10]祁红梅从产出效率角度,利用DEA-MI模型和Malmquist指数测算了中国数字经济的发展水平,研究显示,中国数字经济发展水平较低,产出效率整体表现出先升后降趋势。[11]三是数字经济发展影响因素研究,比如姚震宇[12]、胡增玺和马述忠[13]均认为市场化水平是推动数字经济发展的重要因素。苏冰杰等基于2010—2018年中国30个省份的数据,探讨了中国数字经济发展水平的影响因素,研究结论显示,数字化基础、经济发展以及政府科技投入是数字经济发展的主要因素。[14]张勋等基于中国数字普惠金融指数和中国家庭追踪调查(CFPS)数据研究了数字经济与普惠金融之间的关系,认为普惠金融对数字经济发展水平存在积极的推动作用。[15]王军等[16]、龚新蜀等[17]、彭刚和高劲松[18]在研究中均论证了数字鸿沟对数字经济发展存在显著影响。四是数字经济发展的区域差异研究,比如苏冰杰等在研究中指出,相较于中西部,中国东部的数字经济发展水平高且发展速度快。[19]祁红梅认为中国数字经济发展存在显著的空间异质性。[20]吕雁琴和范天正运用Dagum基尼系数实证分析了中国数字经济发展水平的区域差异及变化规律,研究显示,中国各地区数字经济发展差异明显,空间上呈现出自东向西阶梯递减的趋势。[21]

在研究方法上,现有研究以定量分析法为主,比如宋培等使用DEA模型对数字经济发展水平进行了测算[22],祁红梅使用Dagum基尼系数和Malmquist指数分析了数字经济的区域差异[23],苏冰杰等利用泰尔指数分析数字经济的时空特征[24],焦帅涛和孙秋碧使用空间SAR模型分析了数字经济发展的影响因素[25]。

综上可以发现,首先,现有研究主要从绝对发展水平角度探讨了数字鸿沟对数字经济的影响,很少从数字经济空间差异角度展开研究。其次,现有研究大多数是基于横截面数据,对数据时间维度的考虑较少,这在一定程度上限制了对数字经济发展状况的考察。再次,现有研究大多只研究了数字经济的空间差异,但忽略了空间溢出效应的影响。本文基于2013—2022年的省域面板数据,利用综合评价法对中国数字经济发展水平和数字鸿沟水平进行了测度,利用Dagum基尼系数测算了数字经济发展水平的空间差异,通过构建空间效应模型分析数字鸿沟对数字经济空间差异的影响及存在的溢出效应。

二、研究设计

(一)空间计量模型构建

面板数据模型是基于面板数据构建的一种数学方程式,其表达式为：

yit=α+βXit+φKit+γi+λt+μit

(1)

式中,i为空间个体数,t为时间单位数,y是被解释变量,α为截距项,X是解释变量,K为控制变量,β和φ是待估参数,γi为空间个体效应,λt为时间个体效应,μit为随机误差项。

将空间滞后因变量或空间滞后误差项引入面板数据模型可以构建空间效应模型,即空间滞后模型(SAR)和空间误差模型(SEM)。空间滞后模型假定被解释变量在空间上存在依赖,描述了不同空间相互作用的均衡结果：

(2)

其中,δ为空间自回归系数。

空间误差模型假定因变量主要依赖于个体自身特征,但在误差项上存在空间相关性：

(3)

(4)

其中,φit为空间自相关误差项,ρ为空间自相关系数,wij为空间权重矩阵。xi和xj分别为i空间和j空间的属性值。借鉴杨慧梅和江璐[26]、李晓钟和毛芳婷[27]的研究,本文基于空间邻近关系构建空间矩阵,其计算公式为：

(5)

(二)变量设置与说明

1.数字经济指标体系构建

借鉴张勋等[28]、李彦龙和毕钰[29]、王立新[30]、陈梦根和周元任[31]等的研究,本文从基础设施、产业规模、创新能力、数字金融四个维度构建数字经济评价指标体系(表1)。

表1 数字经济评价指标

第一,数字基础设施是数字经济发展的基础,用宽带用户占比和手机用户占比反映。[32-33]

第二,使用人均电信业务量以及数字经济七大重点产业的就业人数占比、资产总规模、产业利润率来衡量数字经济产业规模。[34]

第三,创新能力是数字经济发展的核心动力,使用数字经济七大重点产业的专利数量和研发人员数衡量。[35-36]

第四,借鉴李治国[37]和付会敏[38]等学者的研究,用北京大学数字普惠金融指数(PKU-DFIIC)反映数字金融状况,它基于蚂蚁科技集团的海量用户数据,具有横向和纵向比较、数据量大、指标全面的优势,包括数字金融覆盖广度、使用深度和普惠金融数字化程度三个指标。

2.数字鸿沟指标体系

数字鸿沟的表现不仅仅是获取和利用数字技术机会的差异,同时也体现为数字技术应用能力上的不足。借鉴弗朗西斯卡(Francisca)[39]、樊轶侠等[40]、杜勇等[41]的研究,本文从数字技术获取机会、数字技术利用机会和数字技术应用能力三个维度测算数字鸿沟。数字技术获取机会主要体现地区居民、企业等接触数字技术的可能性,用各地区在移动基站数量差异、长途光纤线路长度差异和互联网宽带接入率差异反映。数字技术利用机会是居民、企业等能够利用数字技术的可能性,用人均收入水平差异、人均电子商务消费支出差异和互联网市场规模差异反映。[42]数字技术应用能力主要体现为居民、企业等利用数字技术的规模和质量,用各地区的财政支持差异、人力资源质量差异和研发支出差异反映。[43]

3.其他影响因素

除了数字鸿沟,数字经济空间差异的形成还会受到其他因素影响,参考现有研究[44-46],主要有城镇化水平、外商投资和产业结构三个。

城镇化水平(U_level)。随着城镇化水平的提升,与之配套的各种基础设施也在不断完善和优化,这是数字经济产业发展的重要基础,是数字产业资源流动的重要条件之一。本文用城镇人口占总人口比例(单位：%)代表。

外商投资(F_invest)。外商投资除了为数字经济发展提供资本外,还有助于引入先进的数字经济管理经验,促进数字技术创新和数字要素流动,是降低数字经济空间差异的重要因素。本文用外商对数字经济产业的直接投资占国内生产总值比例(单位：%)代表。

产业结构(S_indust)。三大产业中,数字资源对第三产业影响最大,智能酒店、移动支付、电子商务、人工智能、云计算、云办公等新兴数字业态是第三产业与数字资源对接的产物。第三产业在经济体系中的占比越高,则数字经济产业会发展的越好,有助于降低数字经济空间差异。本文用第三产业产值占GDP比例(单位：%)代表产业结构。

(三)数据来源

本文将2013—2022年设置为研究期。鉴于香港、澳门和台湾的数据严重不足,研究区域设定为中国大陆的31个省、市和自治区(统称“省份”)。根据《中华人民共和国国民经济和社会发展第十四个五年规划纲要和2035年远景规划纲要》,云计算、大数据、物联网、工业互联网、区块链、人工智能、虚拟现实和增强现实是数字经济的七大重点产业,所以本文所涉及的数字经济的相关数据是这七大重点产业的数据,比如数字经产业规模和创新能力下的各指标。数字技术获取机会指标和数字技术利用机会指标收集战略性新兴产业数据库(https：//emerging.drcnet.com.cn/www/emerging/)、中国信息通信研究院(http：//www.caict.ac.cn/)和阿里研究院(http：//www.aliresearch.com/cn/index),数字金融指标源于北京大学数字金融研究中心(https：//tech.antfin.com/research/data),人口及就业人数数据收集自《中国人口与就业统计年鉴》,数字产业资产总规模和数字产业利润率收集整理自中国产业信息网(http：//www.chinassaw.net/)和中国数字经济网(https：//www.zgszjj.cn/),数字经济专利数据来自国家知识产权局专利检索网站(http：//pss-system.cnipa.gov.cn/),其他数据来自《中国统计年鉴》《中国工业统计年鉴》及各省份的统计年鉴。

(四)研究方法

1.综合评价法

首先,采用范围标准化法消除维度的影响。然后采用熵权法计算各指标权重。最后,使用加权法计算各省份的数字经济发展水平和数字鸿沟。具体公式为：

(6)

(7)

(8)

(9)

其中,Xij和Aij分别表示原始值和归一化值。Pij表示第i省份在第j个指数中的比例。ej和wj分别为信息熵、第j个指数的权重,F为最终计算所得的数字经济发展水平或数字鸿沟水平。

2.Dagum基尼系数

Dagum基尼系数是在传统基尼系数基础上的优化和改进,能够测算数字经济在区域间和区域内的差异。

区域j和h间的基尼系数为：

(10)

j区域内的基尼系数的公式为：

(11)

其中,j和h是区域,i和r是区域内的省份,n是省份数量,y是数字经济发展水平的平均值。区域差异的贡献率可分为区域内差异贡献率GW和区域间差异贡献率GM。计算公式为：

(12)

(13)

其中,Qj是第j区域省份数量与31个省份数量之比,Sj是第i区域j省份数字经济发展水平与31个省数字经济发展程度之和之比。Djh是数字经济在j和h地区之间的相对发展。Djh的取值在0到1之间,(1-Djh)表示变异强度。

三、数字经济发展水平的空间差异分析

(一)数字经济发展水平测算

对原始数据进行标准化,使用熵权法计算各指标的权重(表1),而后使用综合评价法计算各省份2013—2022年的数字经济发展水平。用各省份的均值表示全国层面数字经济发展水平,计算结果显示,全国数字经济发展水平从2013年的0.072增长到了2022年的0.579,期间虽然在个别年份有小幅度下降,比如2015和2021年均相对于前一年有小幅度下降,但整体上升趋势明显。利用GeoDa软件分别绘制2014年、2018年、2022年各省域数字经济发展水平分布图(图1)。

图1 数字经济发展水平的省域分布图

从图1可以看出,数字经济发展水平分为低水平(白色)、较低水平(浅灰色)、较高水平(深灰色)和高水平(黑色)四个层次。2014年,绝大部分省份数字经济发展水平处于低水平和较低水平层次,低水平区域包括新疆、西藏、江西、安徽等11个中西部省份,较低水平区域包括黑龙江、吉林、内蒙古、四川等15个省份,高水平省份仅有北京和上海,较高水平省份包括江苏、广东和浙江。2018年,高水平和较高水平省份增加到了8个,云南、安徽和河南由低水平层次上升到较低水平层次,而内蒙古由较低水平下降到了低水平。数字经济发展较低水平区域有向西部转移的趋势,而低水平区域有向东北转移的趋势。到了2022年,高水平省份已经增加到了5个,分别为北京、江苏、上海、浙江和广东。较高水平省份中,除了天津、福建和海南在东部地区外,其省份均位于西部地区。而低水平省份中,除了江西和云南外,其他省份均位于东北地区。此时,中国数字经济发展水平的空间分布呈现东南沿海高、西部较高、中部较低和东北低的状态。

综上分析,2013年以来,中国数字经济发展水平整体上呈现不断上升态势,整体上处于“东部高、中西部低”的空间分布格局。这主要得益于2013年以来,中国对数字经济产业的大力支持和投入,自2013年起,几乎每年都会有2项以上中央层面的数字经济产业支持政策出台。而当前空间分布格局的形成则主要源于中国长期以来的区域经济差异,这使得不同区域数字经济产业发展基础不同,进而造成当前的空间分布格局。同时,高水平省份稳定在东部沿海地区,较高水平省份由东部向中西部地区转移,低水平省份由西部向东北部转移。出现这种现象的原因可能在于,一是中国推出的西部大开发、东北振兴、中部崛起等一系列改革措施完善了中西部、东北地区的数字经济基础设施,二是中国出台了包括泛长三角、环渤海等在内的区域一体化政策,缩小了省域间数字经济空间差异。

(二)数字经济空间差异分析

计算2013—2022年各省份数字经济发展水平的Dagum基尼系数(图2)。可以看出,总体基尼系数从2013年的0.349下降到了2022年的0.151,表明中国数字经济发展水平的总体空间差异有所下降。从贡献度可以看出,总体空间差异主要来源于区域间差异,2013年以来的区域间净差异均在72%以上,均值达到了74.41%,而区域内差异的贡献度均值仅为25.45%。

图2 全国层面数字经济空间总体差异及贡献率

(三)数字鸿沟测算

使用熵权法计算各数字鸿沟评价指标权重(表2),而后使用综合评价法计算各省份2013—2022年的数字鸿沟水平。用各省份的均值表示全国数字鸿沟水平,并绘制折线图(图3)。可以看出,整体上,中国数字鸿沟水平处于下降状态,数字鸿沟水平值从2013年的0.571下降到了2022年的0.267,说明在宏观层面上,中国的数字鸿沟有所弥合。但最低值依然为0.267,说明数字鸿沟依然不可忽视。同时可以看出,样本期内数字鸿沟水平的下降速度有差异,2016年及以前下降速度较快,2017年及以后下降速度放缓。这一方面是因为2017年及以后的数字鸿沟水平值相对之前基数变小,另一方面可能是因为2013年至2016年间,5G技术、智能移动终端、自媒体平台应用等快速普及带来了企业、普通民众接触和使用数字技术的窗口期。

图3 全国层面数字鸿沟水平

表2 数字鸿沟测算指标体系

四、数字鸿沟对数字经济空间差异的影响与溢出效应

本部分以数字鸿沟(D_gap)为解释变量,数字经济总体空间差异(D_digital)为被解释变量,其他影响因素为控制变量,构建空间效应模型,以实证分析数字鸿沟对数字经济空间差异的影响及可能存在的溢出效应。

(一)模型校验

1.面板效应校验

面板数据模型在构建过程中有随机效应、混合效应和固定效应三种具体形式,随机效应和固定效应的判别可以利用F检验,混合效应和固定效应的判别可以利用Hausman检验,利用这两种方法对本文的面板数据模型进行校验(表3)。校验结果显示,F检验在5%水平下显示固定效应形式更适合本文,而Hausman检验在10%水平下显示混合效应形式更适用于本文。在显著性水平上,F检验优于Hausman检验,所以本文选择F检验结果,面板效应选择固定效应,具体包括时间固定效应、空间固定效应和时空固定效应。

表3 面板效应检验表

2.空间效应校验

利用拉格朗日乘子(LM)和稳健的拉格朗日乘子(Robust LM)对空间效应模型的两种形式(SAR和SEM)在本文中的适用性进行判别。从表4可以看出,LM对SEM检验的P值为0.081,低于10%,而Robust LM对SEM检验的P值为0.247,高于10%,SEM在本文中的适用性难以判别。而LM对SAR检验的P值为0.023,Robust LM对SAR检验的P值为0.075,分别在5%和10%水平下显著,所以空间滞后模型(SAR)更适合本文。

(二)参数估计与分析

利用2013—2022年的省域面板数据构建固定效应的空间滞后模型,参数估计结果如表5所示。各种固定效应下的Adj-R2在0.45左右,解释变量对被解释变量的解释能力较高。DW值均在2左右,模型中各变量间的独立性较高,存在自相关性的可能性很低。P(F-stat)均为0,模型整体显著性水平很高。所以各模型参数估计效果较好。

表5中,各模型中D_gap的参数估计值均为正数,且显著性水平均较高,在空间固定和时间固定效应下通过了1%的显著性,在时空固定效应下通过了5%的显著性,数字鸿沟对数字经济空间差异存在显著的正向影响。比较各解释变量的参数估计值可以发现,在空间固定下最大,为0.442,其次是时空固定,为0.407,时间固定下最小,为0.328,数字鸿沟对数字经济空间差异的影响更偏向于时间维度上,随着时间的推移,数字鸿沟会造成数字经济空间差异更明显。三者的均值为0.392,数字鸿沟水平每提升1个单位,数字经济总体空间差异会平均提升0.392个单位。所以,从数字技术获取机会、利用机会、应用能力等方面着手制定政策以降低数字鸿沟,有助于中国数字经济空间差异的控制。

各模型中δ的估计值分别为0.169、0.148和0.182,均值为0.166,至少在5%水平下显著,数字鸿沟对数字经济空间差异存在显著的正向溢出效应。某一省份的数字鸿沟水平每提升1个单位,会平均带动周边省份数字鸿沟水平提升0.166个单位,进一步推动数字经济空间差异加大。

从控制变量来看,U_level和S_indust在各模型中的参数估计值均为负数,且至少通过了10%的显著性,城镇化水平提升和产业结构优化有助于数字经济空间差异的控制。其中,U_level的参数估计值均值为-0.111,高于S_indust的-0.082,城镇化水平对于数字经济空间差异的反向控制力度更大。F_invest在空间固定效应模型中的参数估计值显著为负,在时间固定效应模型中为正数,不显著,而在时空固定效应模型中为负,但不显著。所以,外商投资对数字经济空间差异的影响不稳定。

(三)稳健性检验

利用调整样本容量和变换估计方法的方式进行稳健性检验。样本容量调整为2015—2019年间的五年样本,估计方法变换为广义GMM法,对前文模型重新估计(表6)。2015—2019年样本下各模型的P(F-stat)均为0,DW值距2比较近,Adj-R2值均在0.4以上,此时的模型整体估计效果较好。广义GMM法下各模型的P(F-stat)依然为0,DW值距2比较近,P(Sargan)在可接受范围内,此时的模型整体估计效果也较为理想。

表6 稳健性检验结果

表6中,D_gap和δ的系数值均显著为正,与表5一致。各控制变量的参数估计值和显著性水平也与表5基本一致,2015—2019年样本下,U_level在时间固定效应模型中的显著性水平虽然较低,但系数依然为负,F_invest的系数值虽然没有像表5中出现正值,但大部分没有通过10%的显著性水平,也表现出不稳定状态。所以,总体来看,前文参数估计结果的稳健性较高,本文的实证结论具有较高的可信度。

五、结论与建议

(一)结论

第一,2013年以来,中国数字经济发展水平整体上呈现上升态势,处于“东部高、中西部低”的空间分布格局。高水平省份稳定在东部沿海地区,较高水平省份由东部向中西部转移,低水平省份由西部向东北部转移。

第二,2013年以来,中国数字经济发展水平的总体空间差异有所下降,总体空间差异主要来源于区域间差异。

第三,2013—2022年期间,中国数字鸿沟水平整体上处于下降趋势,2016年及以前的下降速度较快,2017年及以后的下降速度放缓。

第四,数字鸿沟对中国数字经济发展水平的空间差异存在显著的正向影响,同时还存在显著的正向溢出效应。

第五,城镇化水平和产业结构是中国数字经济发展水平空间差异的显著反向影响因素。

(二)建议

为了加快“数字中国”建设,推动中国经济高质量发展,政府部门可以从缩小数字鸿沟、控制数字经济空间差异的角度制定相关政策：

第一,加强数字经济产业的区域内和区域间合作。政府部门可以利用税费优惠、信贷支持等手段引导和鼓励数字产业从东部地区向中西部地区转移、从强省向弱省转移、从城市向乡村转移,并促进数字元素在区域内和区域间的流动。

第二,充分认识到数字鸿沟的阻碍作用。各省份在加强数字基础设施建设和光纤铺设、正确引导居民开展电子商务的同时,还可以通过财政投入引导数字产业加大数字技术研发投入、大量培养高素质数字技术人才,以提升区域内数字技术应用能力,控制本地区与其他地区间的数字鸿沟。

第三,关注数字鸿沟的溢出效应,鼓励数字经济强省向周边地区传递数字经济发展经验,完善数字经济产业人才跨区域联合培养机制,充分释放中国数字经济的发展潜力,弥合不同地区间的“数字鸿沟”,重塑数字经济发展新格局。

第四,合理配置资源,不断优化产业结构。提升对数字经济产业相关的第三产业的投入,大力支持和培育科创型企业、技术服务企业等第三产业的发展,为数字经济的协调发展提供支持。