城际数字信息流与经济内循环动力

2024-03-01 07:34吕谨伊

河海大学学报（哲学社会科学版） 2024年1期

邹璇,吕谨伊,杨旭

(湖南大学经济与贸易学院,湖南长沙 410079)

一、引言

党的二十大报告提出,要把实施扩大内需战略同深化供给侧结构性改革有机结合起来,增强国内大循环内生动力和可靠性[1]。规模庞大、供求匹配和创新活跃的国内市场是构建双循环新发展格局的重要支撑[2]。经济内循环要求消费和投资相互拉动以形成良好的循环,将新增的消费需求培育成为经济循环的强大动力,从而在供给和需求两端形成对经济内循环的动态刺激与自我强化效应[3]。由此,经济内循环的出发点和落脚点是国内需求,新增的国内需求是经济内循环的动力[4]。具体到城市层面而言,城市是经济活动的空间载体、要素流动的重要节点,城市的国内需求是该节点的经济内循环动力,能够为全国经济循环良好运转提供重要支撑。

以往的国内国际循环有较强的地理和物理依赖性,而数字化和智能化的发展使经济循环突破了本地化和实物化的限制,为经济循环注入新的特征[5]。数字信息流是基于数字信息技术而产生的信息传输与信息流动,城际数字信息的流动能够通过以下3条路径对经济内循环动力产生正向影响:一是能够提高信息传输速度,加深城市间联系,通过填补信息缺失降低人口移动的成本,增加人口移动活动,增加居民消费;二是通过提供良好的信息环境和网络宣传资源,增加新建企业活动,提升企业投资;三是通过提高居民创造力和产业专业化程度以促进技术进步,延伸产业链和供应链。然而,数字信息流的增长也可能会对部分城市的经济内循环动力产生负面影响,如当数字信息流形成集中式的网络后,一些城市逐渐成为数字网络中心,具有更强的竞争力和吸引力,从而虹吸边缘城市的要素资源,削弱边缘城市的内循环动力,并进一步通过循环累积效应,使整体区域发展格局改变[6]。基于上述背景,笔者探究城际数字信息流对经济内循环动力的影响和内在机制。

相关研究主要涉及三类文献:一是城际数字信息流的相关研究。已有成果表明,城际数字信息流最初多由属性类数据进行描述,不能直接体现“流”和交互联系的特征,如采用各地区的电话[7]和互联网基础设施[8]等数据。随着“多元流”理论和大数据方法的发展,当前主要通过将某一信息平台内大量用户层面的数字信息聚合到城市层面,以表征城际数字信息流。其中,使用较多的数字信息平台包括新浪微博[9]、百度搜索、豆瓣和百度贴吧[10]等,虽无法反映城际数字信息流的全貌,但已具备交互联系的特征。二是经济内循环动力的相关研究。目前在经济内外循环的联系和测度方面已取得较为丰富的研究[11],但在提升路径方面的研究文献较少。部分成果指出,在供给侧方面,应以自主创新为动力,引致内生增长;在需求侧方面,应以调整消费结构为动力,强大国内市场[12]。部分文献也指出,通过解决产能相对过剩、供给不适应需求、高技术和资源能源“卡脖子”等问题来更好地提升双循环动力[5]。三是数字要素对经济内循环动力的影响研究。研究成果表明,数字要素能够升级消费结构[12]、影响就业结构[13]、促进高质量创业[14]、提高全要素生产率[15]和促进居民消费[16]等。此外,数字经济可通过提升政府治理水平、推动智能化发展、促进区域创新和优化产业结构来实现经济高质量发展及共同富裕建设[17-18]。综合上述文献,有关城际数字信息流和经济内循环动力已有一定的研究基础,但对于数字信息流的研究则大多侧重测度和网络分析层面,鲜见将其作为影响城市发展的因素。目前有关数字要素对经济内循环动力的影响研究中,数字要素大多采用数字基础设施和企业数字化来测度,而考察居民视角的数字信息使用的文献较为少见。

本研究搜集了2011—2019年基于居民交互搜索而产生的城际数字信息流数据,通过将信息流矩阵标准化得到描述各城市城际数字信息流的变量,研究了城际数字信息流对城市经济内循环动力的影响及作用机制,有助于补充居民视角的数字信息使用对城市发展的影响。此次研究的边际贡献可能在于:一方面,从数字信息流的视角研究如何增强经济内循环动力,丰富了有关经济循环动力提升路径的研究;另一方面,收集全国城市居民交互信息检索数据,构建城际数字信息流的动态数据库,为后续数字信息流的实证研究提供了一定的数据基础。

二、城际数字信息流影响经济内循环动力的三种机制

数字信息流是基于数字信息技术而产生的信息传输与信息流动,在研究城市间的数字信息流时,通常采用居住在城市中的居民或坐落在城市中的企业所产生的数字信息流的加总来进行表征。数字信息流描述了各城市在数字信息方面的交互联系,与传统的商品流描述了城市间的商品贸易量类似,但因为数字信息的超平面特征,数字信息流具有更强的无向性。本研究从居民视角来研究城际数字信息流,提出人口移动效应、新建企业效应和技术进步效应共3条机制,讨论城际数字信息流如何影响城市经济内循环动力。原始的数字信息流矩阵直接加总能够得到各城市所获得的数字信息的绝对量——数字信息传输量,通过矩阵标准化能够得到描述各城市相对位置的相对量:侧重于信息搜集角度的信息聚合能力和侧重于信息传递角度的信息辐射能力,在机制分析中将这两种能力分开进行探讨。

1.人口移动效应

城际数字信息流的增加有助于居民获取陌生城市的信息,增加人口空间移动。人口空间移动包括短期旅游和迁入常住两种情况:短期旅游方面,网络关注度对一个城市的旅游业有重要影响,城际数字信息流提升了城市的网络关注度,信息辐射能力较强的城市能够吸引居民前来旅游,激发居民旅游消费,提升城市的经济内循环动力;人口迁移方面,人口迁移的推力-拉力理论认为,信息缺失是人口迁移决策的重要阻碍因素[19],而城际数字信息流能够帮助居民填补信息缺失,当居民生活在信息聚合能力较强城市时,能够捕捉到更多的迁移机会,增进对陌生城市的了解,降低迁移成本,增强人口迁移活动。综上,人口移动活动能够提升居民消费能力,改变居民消费习惯并扩展消费领域,释放居民消费潜能[20],提升城市经济内循环动力,据此提出假说1。

假说1城际数字信息流能够增强人口移动效应,增加居民消费,提升城市经济内循环动力。

2.新建企业效应

城际数字信息流丰富的城市对初创企业有较大吸引力。其一,城际数字信息流有助于创业者更好地识别创业机会。Granovetter认为在创业活动中,相较于“强联系”,“弱联系”有更好的信息传播效果[21]。城际数字信息流的产生仅来自搜索行为关联,而非建立亲近关系,其属于“弱联系”网络的范畴。因此,信息聚合能力较强的城市有助于创业者跨越小群体进行沟通,在创业机会识别过程中获取多元化信息,从而增加城市内的创业活动。其二,信息辐射能力较强的城市能够降低其新建企业的成本:一方面,企业选址在信息辐射能力较强的城市能够提升其网络知名度,节省企业宣传费用,帮助消费者更快了解产品信息,占领市场份额;另一方面,企业选址在信息辐射能力较强的城市能够以开放平台吸引新的参与者加入,整合内外部的信息资源,实现多元主体的价值共创,为初创企业提供融资支持[22]。综上,新建企业活动能够增加该城市的企业投资,提升城市的经济内循环动力,据此提出假说2。

假说2城际数字信息流能够增加新建企业活动,增加企业投资,提升城市的经济内循环动力。

3.技术进步效应

城际数字信息流有助于培育创新环境:其一,城际数字信息流能够提升居民创造力。个人轻松获取信息、信息在组织内外自由流动等是有利于技术创新的重要环境特征[23]。信息聚合能力较强的城市捕捉信息和转化信息的速度更快,能够容纳外界的信息更充分地流动,提升了城市居民的创造力,使该城市萌发出更多的技术创新活动。其二,城际数字信息流有助于产业专业化整合,提升企业生产率。数字信息作为一项重要的生产要素,能推动生产社会化发展,使社会细分出更多的生产部门,促进区域分工和提升城市专业化水平[24]。信息辐射能力较强的城市能够拓展其商品分销网络,拓宽本地产品的销售区域,有助于企业实现规模经济,提升企业生产率[25]。内生技术进步能够增加新产品和高端产品的出现,延伸产业链和供应链,提高城市的经济内循环动力。综上,提出假说3。

假说3城际数字信息流能够促进技术进步,延伸产业链和供应链,提升城市的经济内循环动力。

综上所述,信息聚合能力较强的城市能够增加人口迁移活动,提供更多创业机会,提升居民创造力;信息辐射能力较强的城市能够增加城市旅游收入,降低企业初创成本,促进产业专业化。数字信息传输量的变动会引起信息聚合能力和信息辐射能力的变动,再通过3条路径影响城市经济内循环动力(图1)。

三、城际数字信息流影响经济内循环动力的模型设定

1.计量模型设定

使用城市层面的面板数据来考察城际数字信息流对城市经济内循环动力的影响,因为数字信息流需要反映出城市间的交互联系,初始数据采用矩阵的形式进行表示,需通过矩阵计算得出各城市的数字信息传输量(transmit)、信息聚合能力(greg)和信息辐射能力(radi)。其中,数字信息传输量是城际数字信息流的无向加总,信息聚合能力和信息辐射能力用于度量城市在数字信息流网络中的相对位置,分别从“入”和“出”两个角度进行描述。两个变量的Spearman和Person相关系数分别为0.709和0.806,可能存在较严重的多重共线性,因此将3个解释变量依次纳入计量模型进行估计,具体如下所示:

lnicpit=β0+β1lntransmitit+βXit+

μi+vt+εit

(1)

lnicpit=β0+β1gregit+βXit+μi+vt+εit

(2)

lnicpit=β0+β1radiit+βXit+μi+vt+εit

(3)

式中:icpit为被解释变量——城市经济内循环动力,数字信息传输量(transmitit)、信息聚合能力(gregit)和信息辐射能力(radiit)为解释变量。

参照已有研究成果,在回归模型中加入一系列在城市层面上可能影响经济内循环动力的控制变量,式(1)～(3)中Xit向量具体包括:人口规模(pop),选用年平均人口进行衡量;居民消费水平(awage),选用职工平均工资进行衡量;能源耗用(ele),选用城市年用电量进行衡量;创新投入(sci),选用政府科学支出进行衡量;交通设施水平(load),选用公路货运量进行衡量;对外开放程度(open),选用实际使用外资金额占国民生产总值的比重进行衡量。此外,μi和vt分别为个体固定效应和时间固定效应,εit为随机扰动项。

2.核心变量说明

被解释变量为经济内循环动力,采用国内需求进行测度,国内需求是最终使用的货物和服务价值,包括消费需求(个人消费和政府消费)和投资需求。由于国内生产总值(GDP)的核算遵循三方等值原则,即通过生产法、收入法和支出法核算得出的国内生产总值一致,实际操作过程中的统计误差在可接受范围内允许存在。从最终使用看,国内生产总值(GDP)是所有常住单位在一定时期内最终使用的货物和服务价值与货物和服务净出口价值之和(1)资料来源:国家统计局。。因此,采用国内生产总值减去货物和服务净出口价值,计算得出国内需求。具体计算方法如式(4)所示

icpit=Yit-(Xit-Mit)

(4)

式中:Yit为国内生产总值,Xit为进口额,Mit为出口额。变量处理过程中将进出口额统一换算为人民币口径,并以2011年为基期,采用GDP价格平减指数对该变量进行了平减处理。

解释变量为城际数字信息流,采用数字信息传输量、信息聚合能力和信息辐射能力3个变量进行测度。在城际数字信息流的数据获取上,借鉴杨亮洁等的做法[26],在百度指数平台(1)②②百度指数是百度公司将百度搜索引擎积累的用户数据依照关键词分类,基于一定算法计算为指数,面向公众开放的数据统计平台,当前可收集的百度指数数据最早为2011年,因此样本期的起点为2011年。中搜索“j城市”字段,在界面中间筛选时间段,再在界面右侧筛选i城市,从而获取指定时间段内i城市的居民对“j城市”的“搜索日均值”的平均值,用以表征两个城市之间的数字信息流。

数据处理与变量构造的具体步骤如下:调用Python程序中request包将动态网页中的数据爬取下来,导出为2011—2019年284个城市的年度“搜索指数日均值”矩阵,共计9个284×284的非对称矩阵、725 904个数据。城市数字信息传输量是数字信息流的绝对量,假定城市i对城市j的信息流为Fij,城市j对城市i的信息流为Fji,将矩阵按对角线相加,并将对角线上的值赋值为0,按行相加,得到i城市与除自身以外的其他城市的信息流总和,将该值取对数后得到i城市的数字信息传输量的对数。信息聚合能力和信息辐射能力为相对量,从“入”和“出”两个角度描述城市在数字信息网络中的相对位置。在第t年的百度指数日均值矩阵中,坐标为(i,j)的值表示j城市的居民对i城市的搜索日均值,将矩阵行标准化后并按列相加,得到i城市的信息辐射能力,将日均值矩阵列标准化后并按行相加,得到i城市的信息聚合能力,由此得到描述城际数字信息流的3个变量。

3.数据来源

使用的数据主要包括以下4部分:第一为城市层面的数据,主要来源于《中国城市统计年鉴》《中国区域统计年鉴》、各省份统计年鉴和各城市经济统计年报,对数据缺失严重的城市予以剔除,最终基于281个城市进行面板回归;第二为企业层面的数据,来源于2011—2015年中国工业企业数据库,采用该部分数据计算得出工业企业全要素生产率(tfp);第三为居民层面数据,来源于2010—2015年人口普查抽样调查微观数据,采用该部分数据计算得出各城市流动人口比例(ar);第四为爬虫数据,在百度指数信息平台爬取并整理出城际数字信息流矩阵,在企查查数据平台爬取并整理出各城市新注册企业数(entr)。

主要变量的描述性统计如表1所示。其中,国内需求(icp)为被解释变量,数字信息传输量(transmit)、信息聚合能力(greg)、信息辐射能力(radi)为解释变量,控制变量包括人口规模(pop)、居民消费水平(awage)、能源耗用(ele)、创新投入(sci)、交通设施水平(load)和对外开放程度(open),上述变量的具体测算方法已在前文论述。互联网宽带接入用户率(intnet)为工具变量,具体测算方式为接入互联网宽带用户数与常住人口数之比;数字信息乘积量(multi)为解释变量的替代变量;市场潜能(dmp)为被解释变量的替代变量,测算方法在稳健性分析部分进行了详述。机制变量包括流动人口比例(ar)、国内旅游收入(ly_ic)、新注册企业数(entr)、创新创业指数(innov)、专利授权数(pat)、工业企业全要素生产率(tfp)。

表1 变量描述性统计

四、城际数字信息流影响经济内循环动力的实证检验

1.基准回归结果

城际数字信息流对城市经济内循环动力的基准回归结果如表2所示。其中,第(1)～(3)列中未加入控制变量,第(4)～(6)列中加入了控制变量,各系数均在1%显著性水平上通过检验。结果显示,城市数字信息传输量每增加1%,经济内循环动力提升0.21%;城市信息聚合能力和信息辐射能力每提高1单位,经济内循环动力分别提升8.8%和4.4%。上述回归结果表明,信息流的“量”——城市数字信息传输量对经济内循环动力的影响表现为幅度较小的渐进变化;而城市在数字信息网络中相对位置的提高,即信息聚合能力和信息辐射能力的提升则会促进该城市的经济内循环动力大幅增长。

表2 基准回归结果

2.内生性处理

解释变量城际数字信息流可能存在内生性问题:一方面,经济内循环动力较高的城市可能先产生数字信息流;另一方面,城际数字信息流和经济内循环动力会同时受到不可观测因素的影响。选用互联网宽带接入用户率(intnet)作为城际数字信息流的工具变量,以减轻内生性问题。工具变量的选取需要满足相关性和无关性假定:在相关性假定方面,城际数字信息流是居民在数字信息平台的参与度的抽象化总和,而接入互联网是居民使用数字信息平台的必要条件,因此选用互联网宽带接入用户率作为工具变量满足相关性假定。在无关性假定方面,我国互联网经济发展已突破基础设施瓶颈,信息基础设施不再是制约地区互联网经济发展水平的决定性因素,尤其是在“互联网+”战略提出后,我国中西部地区各城市互联网基础设施水平大幅提高,城际信息基础设施建设水平的差距缩小,但各城市利用数字信息流的差距仍然显著。综上所述,互联网宽带接入用户率是一个可能有效的工具变量。

工具变量回归结果如表3所示。为进一步验证工具变量选用的无关性假定,表3中第(4)～(6)列检验了互联网宽带接入用户率是否直接影响经济内循环动力,三列系数均不显著,表明在控制相关变量后,互联网宽带接入用户率对经济内循环动力没有直接影响,一定程度上佐证了无关性假定。表3中第(1)～(3)列为2SLS回归二阶段的结果,各解释变量的回归系数均在1%显著性水平上显著,回归系数方向与基准回归一致。此外,2SLS一阶段回归时系数均在1%显著性水平上显著为正,且F值依次为748.42、742.17和936.46,排除了弱工具变量的可能性,佐证了工具变量选用的相关性假定。

表3 工具变量回归结果

3.稳健性分析

①更换解释变量测度。前文中测度的城市数字信息传输量采用了信息流相加的方式,考虑将测度方式更换为相乘,即假定城市i对城市j的信息流为Fij,城市j对城市i的信息流为Fji,将矩阵按对角线相乘,并将对角线上的值赋值为0,按行相加,取对数后得到数字信息乘积量的对数(lnmulti)。回归结果如表4中第(1)列所示,结果与基准回归结果基本一致。

表4 稳健性分析结果

②更换被解释变量测度。借鉴Harris对市场潜能的定义来进行测算国内需求[27],具体如式(5)～(6)所示。

(5)

(6)

式中:t为年份;i为该城市;j为除i城市之外的其他城市;dmpit为i城市第t年时的国内市场潜能;icpit为i城市在第t年时的国内需求;dii为i城市地区内部距离;dij为两个城市之间的欧式直线距离;areait为i城市第t年的行政区域土地面积。回归结果如表4中第(2)～(4)列所示,解释变量的回归系数仍然显著。

③改变模型设定。借鉴Luo的做法[28],更换为一阶差分模型重新估计城际数字信息流对城市经济内循环动力的影响,估计结果如表4的第(5)～(7)列所示,解释变量的回归系数仍然显著。

④排除政策干扰。在研究样本期内,为排除智慧城市相关政策和“宽带中国”战略对研究结果的干扰,生成智慧城市政策变量(wisc),试点城市赋值为1,非试点城市赋值为0;生成宽带中国政策变量(carb),试点城市赋值为1,非试点城市赋值为0,考察排除政策干扰之后的回归结果。回归结果如表5所示,各列系数仍然显著,证明了研究结论的稳健性。

表5 排除政策干扰回归结果

4.异质性分析

(1)城际数字信息流异质性

基于数字信息传输量的对数的三分位数生成虚拟变量T1、T2、T3,处于上分位的城市T1=1,其余城市T1=0;处于中分位的城市T2=1,其余城市T2=0;处于下分位的城市T3=1,其余城市T3=0。采用类似的方法生成信息聚合能力和信息辐射能力的三分位变量G1、G2、G3和R1、R2、R3。表6～8将解释变量与三分位数变量交互作为新的解释变量进行回归,被解释变量为城市经济内循环动力,表6～8依次为数字信息流密集、数字信息流中等和数字信息流稀疏的城市对应的回归结果。回归结果反映,数字信息流密集的城市通过数字信息传输量、信息聚合能力和信息辐射能力提升经济内循环动力的作用均较为显著,而数字信息流中等和数字信息流稀疏的城市仅有数字信息传输量的系数显著为正。由于相对位置提升带来的促进作用更强,城际数字信息流对经济内循环动力的促进作用主要由城际数字信息流位列头部(处于上分位)的城市获得,可能会进一步加剧城际发展差距,后文将通过非线性分析进一步详细探讨。

表6 数字信息流密集的城市的回归结果

表7 数字信息流中等的城市的回归结果

表8 数字信息流稀疏的城市的回归结果

(2)经济内循环动力异质性

基于经济内循环动力的三分位数生成虚拟变量,经济内循环动力处于上分位的城市I1=1,其余城市I1=0,处于中分位的城市I2=1,其余城市I2=0,处于下分位的城市I3=1,其余城市I3=0。将I1、I2、I3与被解释变量交互作为新的被解释变量进行回归,回归结果如表9～11所示,其依次为数字信息传输量的对数、信息聚合能力和信息辐射能力对应的回归结果。表9～11中第(1)列的回归系数均显著为正,反映出原先经济内循环能力处于上分位的城市,通过城际数字信息流来提升经济内循环动力的作用更强,形成正向强化机制。表9～11中第(2)列的回归系数均显著为负,表明处于中分位的城市处于被剥夺的地位,城际数字信息流对其经济内循环动力是负向作用。表9～11中第(3)列的回归系数均为正,但仅有表11中信息辐射能力的回归系数显著,表明处于下分位的城市能够通过提升信息辐射能力来提升自身的经济内循环动力。

表9 经济内循环动力异质性下数字信息传输量的回归结果

表10 经济内循环动力异质性下信息聚合能力的回归结果

表11 经济内循环动力异质性下信息辐射能力的回归结果

(3)人均收入异质性

基于人均GDP的三分位数生成虚拟变量,人均GDP处于上分位的城市P1=1,其余城市P1=0,处于中分位的城市P2=1,其余城市P2=0,处于下分位的城市P3=1,其余城市P3=0。将P1、P2、P3与解释变量交互作为新的解释变量进行回归,被解释变量为城市经济内循环动力的对数,回归结果如表12～14所示,其依次为人均收入高、人均收入中等和人均收入低的城市对应的回归结果。回归结果表明,人均收入高的城市的回归系数显著为正,通过城际数字信息流提升经济内循环动力的作用更强;人均收入中等的城市的回归系数为负,但仅有信息辐射能力对应的回归系数显著;人均收入低的城市的回归系数均显著为负。综上反映出城际数字信息流促进了人均收入高的城市的经济内循环动力的增长,抑制了人均收入低的城市的经济内循环动力的增长,城际数字信息流可能会加剧发达城市和欠发达城市的数字鸿沟。

表12 人均收入高的城市的回归结果

表13 人均收入中等的城市的回归结果

表14 人均收入低的城市的回归结果

5.非线性分析

基于异质性的分析结果,城际数字信息流对经济内循环动力的促进作用可能存在非线性关系,加入二次项进一步进行分析,具体如式(7)～(9)所示。

lnicpit=β0+β1lntransmitit+β2(lntransmitit)2+βXit+μi+vt+εit

(7)

lnicpit=β0+β1gregit+β2(gregit)2+βXit+μi+vt+εit

(8)

lnicpit=β0+β1radiit+β2(radiit)2+βXit+μi+vt+εit

(9)

式中:(lntransmit)2、(greg)2、(radi)2是3个解释变量对应的二次项。

回归结果如表15所示,数字信息传输量的对数的一次项回归系数显著为负,二次项系数显著为正,该变量与经济内循环动力的关系可能会呈现出正U形。信息聚合能力和信息辐射能力的一次项回归系数为正,二次项回归系数为负,这两个变量与经济内循环动力的关系可能会呈现出倒U形,但拐点是否会出现,需结合转折点和边际效益进一步分析。

表15 非线性分析回归结果

图2中的子图(a)(b)和(c)反映了U形曲线的转折点所在的位置,其中曲线为城市经济内循环动力的对数对数字信息传输量、信息聚合能力和信息辐射能力回归的拟合曲线,竖直的虚线为U形曲线的对称轴,两条竖直的实线框定了样本期内解释变量的取值范围。由这3幅子图可知,2011—2019年数字信息传输量对经济内循环动力的促进作用存在边际递增(处于U形曲线的右半段),而信息聚合能力和信息辐射能力对经济内循环动力的促进作用边际递减(处于倒U形曲线的右半段)。

图2 作用效果的转折点与边际效应

图2中的子图(d)(e)和(f)反映了城市经济内循环动力的对数对城际数字信息流回归的边际效应,图中的纵轴为回归系数,回归的置信区间为95%,横向的虚线线段标示出样本期内各解释变量的取值区间,从左到右依次为数字信息传输量、信息聚合能力和信息辐射能力对应的边际效应。由这3幅子图可知,样本期内数字信息传输量的边际效应始终为正,信息聚合能力和信息辐射能力随着增大出现了系数为负的现象,但在95%置信区间下,边际效应的系数并不显著。

综合上述分析可知,样本期内各解释变量的取值均位于U形或者倒U形曲线的一侧,因此认为城际数字信息流对经济内循环动力不存在非线性关系,但数字信息传输量增大,其对经济内循环动力的促进作用会边际递增,信息聚合能力和信息辐射能力增大,其对经济内循环动力的促进作用会边际递减。对应现实情况是,数字信息传输量绝对值增加,但在城市数字信息网络中的相对位置尚未提升的城市对经济内循环动力的促进作用最强,而一旦相对位置提升后,促进作用会相对减弱,城际数字信息流对城市经济内循环动力的促进作用存在着自稳定机制。