中国数字产业双循环发展水平的统计测度

[摘要]数字产业双循环能够发挥两个市场、两种资源优势，不断提高数字经济发展质量，有益于加快培育完整内需体系，提升数字产业链供应链韧性。选取2013—2022年30个省区市面板数据，利用改进熵权-TOPSIS法，测度中国数字产业双循环发展水平，并采用Dagum基尼系数与[β]收敛模型深入剖析区域发展差异与收敛特征。结果证明，研究期间，中国数字产业双循环发展水平呈波动上升态势，但增幅程度较小。从区域总体差异结果来看，数字产业双循环发展水平总体差异持续扩大，且总体差异主要受到区域间差异影响；从区域内差异结果来看，四大区域数字产业双循环发展水平差异较为明显，呈东部地区>东北地区>中部地区>西部地区的分布特征；从区域间差异结果来看，东部—西部地区数字产业双循环发展水平的区域间差异最高，在考察期内呈稳定上升态势。从收敛特征来看，全国及四大区域均存在显著的绝对[β]收敛与条件[β]收敛趋势，且收敛趋势呈现东部地区>中部地区>东北部地区>西部地区的特征。为此，提出构筑数字产业双循环格局、培育区域协调发展动能、促进数字产业发展收敛的对策建议。

[关键词]数字产业；双循环发展水平；区域差异；收敛性

一、 引言

随着数字产业市场活力的不断释放，我国以供给侧结构性改革为关键抓手，充分发挥国内超大规模市场优势，推动数字产业高质量发展[1]，不断强化数字产业链和供应链韧性[2]。2023年12月，中共中央政治局会议指出，“统筹扩大内需和深化供给侧结构性改革”“扩大高水平对外开放，……，稳住外贸外资基本盘”，对加快构建双循环新发展格局作出顶层部署1。2024年《政府工作报告》中指出，“积极推进数字产业化、产业数字化，……，打造具有国际竞争力的数字产业集群”，并进一步强调“着力扩大国内需求”“扩大高水平对外开放”，这是我国数字经济发展战略导向下的重大调整2。作为数字经济发展的核心支柱，数字产业发展亦存在双循环特征。数字产业双循环发展是以数字产业国内大循环为主体，以数字产业国内及国际双循环相互促进为目标的经济发展格局，可支撑国民经济循环畅通。那么，数字产业发展呈现怎样的双循环发展趋势？是否随时间变化而具有地区差异与收敛特征？有关这方面的定量研究较为匮乏。基于此，本文尝试构建数字产业双循环发展水平评价指标体系，采用Dagum基尼系数及收敛模型分析数字产业双循环发展水平的区域差异及收敛特征，旨在为增强数字产业链和供应链韧性、提高数字产业国际竞争力提供实践经验。

在研究数字产业双循环发展之前，须全面厘清数字产业发展的相关内容。现阶段，学术界主要从以下三个层面对数字产业展开了深度研究。一是测度层面。李言等[3]从数字硬件产业、数字软件产业及数字基础设施产业三个维度测度了数字产业发展水平，发现数字产业发展水平整体呈现快速增长趋势。张清华[4]研究认为，中国数字产业技术进步效率总体呈上升发展趋势，但存在一定波动性。二是影响效应层面。尤济红等[5]研究认为，数字产业发展对流动人口收入存在显著负向影响，但可显著提升城市经济韧性。程方方等[6]检验发现，数字产业发展有益于缩小区域经济差距。三是影响因素层面。杨洋等[7]实践检验表明，高铁开通显著增加了城市信息服务企业进驻数量，对城市数字产业发展具有正向影响。毛丰付等[8]指出，政府引导基金可显著促进数字产业发展。黄徐亮等[9]研究发现，大数据治理对数字产业发展具有显著正向作用。上述文献从不同维度刻画了数字产业受到的诸多因素影响，亦会对经济发展产生正向影响，侧面印证了构建准确的评价指标对剖析数字产业双循环发展现状至关重要。此外，有文献亦指出中国数字产业发展存在地域差异，如李亮亮[10]指出，地区间差异是造成中国数字化产业链发展水平空间非均衡的主要因素，且主要呈现东部地区差异最大，中部地区差异最小的分布特征。

综合来看，既有文献为本文研究奠定了基础，但仍存在如下不足：一方面，既有研究多强调数字产业发展，鲜有学者将数字产业发展置于经济双循环视角下探测其内涵，尚未认识到经济双循环发展的产业特色，忽略了数字产业双循环发展水平的重要性。另一方面，既有文献多围绕数字产业及数字产业技术进步等展开测度，鲜少直接对数字产业双循环发展水平展开统计研究。基于此，本文的创新点在于：其一，基于经济双循环发展的时代背景，界定数字产业国内双循环发展水平内涵，从数字产业内循环及外循环两个方面建立评价指标体系，以补充相关研究空白。其二，采用改进熵权-TOPSIS法测算中国数字产业双循环发展水平，保障分析结果的客观性及合理性。其三，使用Dagum基尼系数法与收敛模型，探究数字产业双循环发展水平的区域差异和收敛特征，为加快数字经济产业建圈保链提供经验证据。

二、 中国数字产业双循环发展水平的理论内涵及指标体系构建

1. 中国数字产业双循环发展水平的理论内涵

2023年2月，中共中央、国务院印发的《数字中国建设整体布局规划》指出，要“打通经济循环堵点卡点”，对经济发展双循环格局进行统筹部署，并强调“培育壮大数字经济核心产业，……，打造具有国际竞争力的数字产业集群”1。立足经济双循环发展的产业特征，数字产业双循环发展是增强国家经济韧性和竞争力的基本方式和有效途径。细致来看，数字产业双循环发展的实质是数字资源要素的新循环与新配置，可分为内循环和外循环两部分。其中，作为数字产业双循环发展的主体[11]，数字产业内循环强调将大数据、云计算、人工智能、物联网等前沿技术同生产业务相结合，打通国内不同层级及行业间数据壁垒，改变数字产业发展模式、供应链协同模式，目的在于适应当前中国高质量发展的阶段性要求。数字产业外循环指将技术、资本、土地等生产要素投入数字产业制造环节，并利用国内外企业间的资金支持、物流保障及用工保障等资源[12]，将生产领域创造的使用价值转化为现实使用价值，使我国数字经济长期持续健康发展。

2. 中国数字产业双循环发展水平评价指标体系构建

2022年12月，中共中央、国务院印发的《扩大内需战略规划纲要（2022—2035年）》指出，应“着力畅通国内经济大循环，促进国内国际双循环良性互动，推动我国经济行稳致远”，将双循环发展置于经济高质量发展关键位置2。作为数字化时代下经济高质量发展的支柱产业，数字产业亦表现出显著的双循环发展特征。数字产业双循环发展是国内大循环为主体、国内国际双循环相互促进的发展模式，旨在实现可持续发展。本文以《数字中国建设整体布局规划》《扩大内需战略规划纲要（2022—2035年）》为政策指引，基于前述理论内涵，结合刘程军等[13]、郑尚植[14]及李亮亮[15]的研究成果，构建中国数字产业双循环发展水平评价指标体系，如表1所示。

三、 中国数字产业双循环发展水平研究方法与数据说明

1. 研究方法

（1）改进熵权-TOPSIS法

传统熵权法在确定权重时可能会出现某个指标离散程度较高导致该指标所占权重过大[16]的问题，从而影响分析结果准确性。为解决该问题，参考吴振磊等[17]和luo等[18]的研究方式，采用改进熵权-TOPSIS法对中国数字产业双循环发展水平指标赋权，步骤如下：

第一步，指标处理，公式如下：

[a*ij=aij-xjXj-xj]，[Xj=maxiaij]，[xj=miniaij] （1）

第二步，计算熵权法差异性系数，具体公式如下：

[hj=1-kj] （2）

上式中，[kj]表征第[j]项指标的熵值，通常使用[kj=1lnmi=1xηijlnηij]测算。其中，[ηij]表征第[j]项指标下第[i]个被评价对象的特征比重，用[ηij=aiji=1xaij]计算；[x]代表样本数量。

第三步，构造判断矩阵求解权重：

首先，运用公式[zjk=hjhk]计算各指标间差异性系数之比。其次，取[WU]中与[z]最接近的值构造判断矩阵。最后，通过AHP方法基本原则对其进行层次排序与检验，得到最终权重。

第四步，运用TOPSIS法进行评价：

首先，基于熵权法确定的权重，构建加权规范化矩阵：

[A=P×WW1P11W1P12 ⋮W1P1nW2P21W2P22W2P2n……⋱…WnPm1WnPm2⋮WnPmn] （3）

其次，计算最优方案与最劣方案：

最优方案：

正向指标：[Y+=maxjYiji=1，2…n] （4）

负向指标：[Y-=minjYiji=1，2…n] （5）

最劣方案：

正向指标：[Y+=minjYiji=1，2…n] （6）

负向指标：[Y-=maxjYiji=1，2…n] （7）

再次，计算指标与最优方案、最劣方案距离：

[l+i=j=1nYij-Y+j212] （8）

[l-i=j=1nYij-Y-j212] （9）

最后，计算相对贴合度：

[bi=l-il+i+l-i] （10）

式（10）中，[bi]可反映评价对象与最优解的贴合程度。

（2）Dagum基尼系数法

本文以中国东部地区、中部地区、西部地区、东北地区为样本，针对其数字产业双循环发展水平，运用Dagum基尼系数进行测度与分解，计算公式如下所示：

[G=j=1cp=1ci=1tjg=1tpmji-mpg2r2m] （11）

其中，[mji]、[mpg]分别为地区[j]、[p]内的[i]、[g]省份数字产业双循环发展水平的平均值，[m]为各地区内数字产业双循环发展水平的平均值，[r]代表省份数量，[c]代表地区数量，[tj]和[tp]分别代表地区[j]、[p]内的省份数量。

首先，对地区内各省数字产业双循环发展水平均值从小到大升序排序。其次，参考张红凤等[19]的研究方式，将均值分解为地区内差距贡献[Dμ]、地区间差异贡献[Dω]以及超变密度[Dδ]三个部分，且满足关系式[D=Dω+Dμ+Dδ]。具体计算公式如下：

[Djj=12Xji=1tjg=1tjmji-mjgt2j] （12）

[Dμ=j=1cDjjqjlj] （13）

[Djp=i=1cjg=1cpmji-mpgrjrpXj+Xp] （14）

[Dω=j=2cp=1j-1Djpqjlp+qpljDjp] （15）

[Dδ=j=2cp=1j-1Djpqjlp+qplj1-Djp] （16）

[ojp=∞0dFjm0mm-bdFpb] （17）

[fjp=∞0dFpm0mm-bdFjm] （18）

[Djp=ojp-fjpojp+fjp] （19）

在上述公式中，公式（12）表征地区内基尼系数[Djj]；公式（13）刻画了地区间差距贡献[Dμ]；公式（14）中，[Djp]为[j]、[p]地区间基尼系数；公式（15）表示地区间差距贡献[Dω]；公式（16）代表超变密度贡献[Dδ]；公式（17）中[ojp]表示地区内数字产业双循环发展水平之差，公式（18）中[fjp]表示超变一阶矩，公式（19）中[Djp]表示[j]、[p]地区间数字产业双循环发展水平的相对影响。

（3）收敛模型

[β]收敛模型通过检验各区域或个体在某一指标上的离散程度是否随时间变化而逐渐缩小，从而判断其是否存在收敛趋势[20]。为探究中国数字产业双循环发展水平较低的地区对中国数字产业双循环发展水平较高地区中是否存在追赶态势，本文采用[β]收敛模型深入分析区域数字产业双循环发展水平。

[β]收敛通常可分为绝对[β]收敛与条件[β]收敛[21]。数字产业双循环发展水平的绝对[β]收敛是指在剔除产业结构、外资吸引水平、互联网覆盖率、金融发展水平及出口需求等因素的影响后，地区间数字产业双循环发展水平呈收敛趋势。相较于绝对[β]收敛，条件[β]收敛代表充分考虑经济社会异质性发展因素后，地区间数字产业双循环发展水平仍呈[β]收敛趋势。本文构建如下公式进行显著性检验：

[lnvi，tvi，t-1=ϕ+βlnvi，t-1+εi，t] （20）

[lnvi，tvi，t-1=ϕ+βlnvi，t-1+λlnAi，t+εi，t] （21）

上述模型中，[vi，t]、[vi，t-1]分别代表[i]省第[t]年和第[t-1]年中国数字产业双循环发展水平，[ϕ]代表常数项，[β]代表系数项，[Ai，t]代表控制变量。

借鉴学术界相关研究成果[22-24]，本文引入以下五种控制变量：产业结构（[IS]），使用各省第二、三产业增加值与GDP水平之比测算；外资吸引水平（[FIAL]），借助各省外商投资总额与GDP之比衡量；互联网覆盖率（[IC]），以各省每万人互联网用户数刻画；金融发展水平（[FDL]），采用各省信贷额与GDP之比计算；出口需求（[ED]），采取各省出口额占GDP的比重表征。[εi，t]代表误差项。若[β]通过显著性检验且大于0，表明中国数字产业双循环发展水平的提升速度和初始水平存在负相关关系，数字产业双循环发展水平较低的地区与中国数字产业双循环发展水平较高地区间存在追赶趋势，表明各地区数字产业双循环发展水平存在收敛现象。当[β]收敛存在时，收敛速度表示为[a=-ln1+βT]，[T]为年份总数。为更深入探讨空间因素对数字产业双循环发展水平的影响，本文参考Luan等[25]、王振华等[26]的研究，选取空间杜宾模型（[SDM]）进行估计，并采用固定效应模型进行分析。数字产业双循环发展水平的空间[β]绝对收敛与[β]条件收敛模型如下所示：

[lnvi，tvi，t-1=ϕ+βlnvi，t-1+θj=1nwijlnvi，t-1+ρj=1nwijlnvi，tvi，t-1+εi，t] （22）

[lnvi，tvi，t-1=ϕ+βlnvi，t-1+λlnAi，t+θj=1nwijlnvi，t-1+δj=1nwijlnAi，t+ρj=1nwijlnvi，tvi，t-1+εi，t] （23）

为全面评估空间因素的影响并确保分析结果的准确性，本文参考李小花等[27]研究方式，采用三种权重矩阵对空间[β]收敛模型展开估计。第一，若两个省份相邻，取值为1，若不相邻，取值为0，在这种方式下形成邻接（0-1）权重矩阵。第二，借助各省经纬度数据与球面距离表示地理距离，用各省间地理距离的倒数表示地理距离权重矩阵。第三，取各省2013—2022年人均实际GDP均值差的绝对值倒数代表经济距离权重矩阵。

2. 数据说明

基于数据的可得性，本文样本不包括港澳台及西藏自治区，选取2013—2022年中国30个省城的数据作为研究样本。数据主要来自《中国统计年鉴》《中国第三产业统计年鉴》《中国工业统计年鉴》《中国高技术产业年鉴》《中国信息年鉴》《中国电子信息产业统计年鉴》及各省份官方发布的统计年鉴。针对部分缺失数据，选择插值法进行补全。

四、 中国数字产业双循环发展水平的测度分析

表2列示了各地区中国数字产业双循环发展水平测度综合得分。总体来看，2013—2022年，中国数字产业双循环发展均值从2013年的0.297提升至2022年的0.443，表明全国数字产业双循环发展水平呈现稳步上升的态势。从四大地区来看，不同地区存在显著差异。东部地区、西部地区、中部地区及东北地区数字产业双循环发展水平均值分别提高0.203、0.107、0.119、0.136。分析数据可知，我国东部地区数字产业双循环发展水平最高，其次为东北地区，然后为中部地区，西部地区最低。原因可能在于，东部地区处于整体数字产业间网络的核心地位，具备区域创新高地及开放优势，可获得较高国内及国际市场关注，是中国对外开放的先行先试区，对数字产业双循环发展的驱动能力较强。东北地区的资源禀赋较好、产业基础雄厚及区位优势独特等有利条件，可增强数字产业集群效应，利于加快大规模数字技术应用成果转化，因此东北地区数字产业双循环发展水平较高。中部地区虽工业基础较好，但受到经济黏合度不强、区域一体化发展较慢、对外合作基础较差等影响，数字技术应用成果仍需进一步挖掘，数字产业双循环发展速度较缓。西部地区经济基础较为薄弱，仍处于经济发展主动从速度型向质量型转变阶段，缺乏将数字技术与实际生产经营相融合的能力，一定程度上阻滞了其数字产业双循环发展。

五、 中国数字产业双循环发展水平的区域差异分析

基于中国数字产业双循环发展在空间分布上的不均衡性，本文以东部、中部、西部以及东北四大区域为研究起点，运用公式（11）至公式（19），对中国数字产业双循环发展水平的区域差异及区域间差异进行全面分析，具体结果如表3、表4所示。

1. 中国数字产业双循环发展水平总体差异

根据表3可知，中国数字产业双循环发展水平总体差异呈波动上升态势。2013—2022年，基尼系数由0.561上升至0.728，增加了0.167，这表明中国数字产业双循环发展总体差异呈上升态势。究其缘由，中国东部沿海地区与其他地区在经济发展水平、基础设施建设、人力资源等方面存在较大差异，这直接影响了数字产业的发展基础和速度，导致地区间数字产业双循环发展不均衡。近年来东部地区不断夯实高质量发展产业基础，利用空间优势打造“两群”“多圈”的城镇发展格局，逐步提升数字产业双循环发展水平。东北地区虽具备较为完善的工业体系及产业配套发展经验，但受到人才队伍建设不足、思想观念趋于保守等影响，科技领军人才、高层次创新型人才匮乏，使得其数字产业双循环发展速度较慢。中部、西部地区受到经济发展水平较低、数字基建薄弱等影响，创新资源配置、数字技术应用难度较大，滞缓了其数字产业双循环发展。受此影响，中国数字产业双循环发展水平总体差异呈扩大趋势，且地区追赶成效尚未显现。

2. 中国数字产业双循环发展水平区域内差异

从表3数据可以看出，中国东部、中部、西部及东北地区区域内数字产业双循环发展差异较为明显。从均值来看，区域内差异从大到小依次为东部、东北、中部、西部。进一步分析测算结果发现，2013—2022年东部地区中国数字产业双循环发展区域内差异增长幅度最大。可能原因为，东部经济较发达地区具备科技创新能力较强、产业建设相对完善的发展优势，为数字产业双循环发展提供了良好支撑。海南等东部经济发展较落后地区受人才、资金投入短缺等影响，存在各行业数字化覆盖程度不均衡问题，这使得数字技术难以赋能产品全生命周期生产和产业链转型，导致数字产业双循环发展难度较高，逐步拉大东部地区数字产业双循环发展区域内的差异。是以，东部地区应加快区域一体化发展，缩小数字产业双循环发展差距。

3. 中国数字产业双循环发展水平区域间差异

表4列示了中国数字产业双循环发展水平区域间差异基尼系数。分析可知，中国四大区域数字产业双循环发展水平区域基尼系数整体呈波动上升态势，说明数字产业双循环发展水平区域间差异逐渐增大。尤其东部—西部地区，考察期内数字产业双循环发展水平区域间差异基尼系数始终高于其他区域间差异。细究其因，东部地区具备改革开放及高素质人才集聚等制度红利，且高端产业空间承载优势较强，能够为当地数字产业发展提供有力条件，促使该地区数字产业双循环水平始终处于领先地位。受制于产业基础薄弱、精细化社会分工尚未成熟等影响，西部地区市场环境相对封闭，市场活力不足，不利于数字产业市场拓展和商业模式创新，致使该地区数字产业双循环建设水平长期位于落后地位。在此现实情况下，东部地区与西部地区间的数字产业双循环发展区域内差异明显高于其他区域间差异。

六、 中国数字产业双循环发展水平的收敛特征分析

表5、表6揭示了数字产业双循环发展水平的[β]收敛结果。在同时考虑经济社会发展异质性和空间因素后，东部、中部、西部及东北地区数字产业双循环发展绝对[β]收敛系数及条件[β]收敛系数均在1%统计水平下显著为负。这说明上述区域不仅存在趋于整体稳定的绝对[β]收敛，还呈现区域内达到平衡状态的条件[β]收敛特征。观察收敛速度结果不难发现，四大地区数字产业双循环发展条件[β]收敛速度相对较快。四大地区数字产业双循环发展的条件[β]收敛速度从大到小排序依次为东部、中部、东北与西部地区。东部地区收敛速度较快的原因可能是，东部地区经济条件较好，拥有较强的创新要素集聚优势，且数字经济基础设施较为完善，能够推进颠覆性技术和前沿技术突破，释放大规模应用及高水平对外开放优势，提升数字产业双循环发展水平。中部地区工业基础较好，使得大数据中心、区块链等数字基础设施建设较快，可充分利用当地的区位优势、资源优势、市场优势、产业基础等有力条件，助推面向国际循环的供给体系调整为面向内需的供给体系，促使数字产业双循环发展收敛速度加快。东北地区受到地区数字产业规模聚集效应偏弱、发展后劲不足的影响，在建设国家战略科技力量以及布局重大创新平台方面同其他地区存在一定差异，导致数字产业创新能力较低，不利于数字产业双循环快速收敛。西部地区由于数字经济基础设施建设较为薄弱，且地理位置较为偏远，对创新资源的吸引和吸纳能力不足，数字产业双循环发展成效仍需进一步显现，因而收敛速度相对较慢。

七、 结论与建议

1. 结论

本文以中国2013—2022年30个省区市为调查样本，运用改进的熵权-TOPSIS法、Dagum基尼系数与[β]收敛模型，对中国数字产业双循环发展水平进行测度分析。得出以下结论：

第一，中国数字产业双循环发展水平整体上显示积极向好的发展态势，但发展水平仍有较大提升空间。中国四大地区数字产业双循环发展水平存在明显梯度差异，呈现东部地区>东北地区>中部地区>西部地区的空间分布格局。第二，中国数字产业双循环发展水平存在显著区域差异，且区域间差异是造成中国数字产业双循环发展水平总体差异的主要来源。第三，全国及各省域均支持绝对[β]收敛及条件[β]收敛机制。分地区而言，东部地区数字产业双循环发展水平的[β]收敛速度最快，中部地区次之，而后为东北地区，西部地区最慢。

2. 建议

第一，构筑数字产业双循环格局。前文结论可知，考察期内数字产业双循环发展水平呈稳步向上的发展态势，但整体发展水平仍具有较大提升空间。因此，各地区须紧握新质生产力发展趋势，积极布局数字产业内循环和外循环，构筑双循环新格局。从国内循环来看，各地区应贯彻新发展理念，通过推进数字技术产业化、传统产业数字化、研发创新规模化，加快构建完整的内需体系，着力打通国内生产、分配、流通、消费、售后等各个环节，畅通数字产业内循环。同时，各地区应加快实施创新驱动发展战略，积极推进前沿技术攻关，通过数字经济创新降低数字技术的外部依赖性，以关键核心技术自主创新营造有利于数字产业成长的良好环境，打造数字产业内循环格局。从国外循环来看，各地区应以强化产业国际竞争力为旨向，加快实施创新驱动发展战略；通过开拓国际市场、引进国际优质资源，优化对外开放水平，大力发展跨境电商和数字贸易，畅通数字产业外循环。

第二，培育区域协调发展动能。前文述及，数字产业双循环发展水平存在显著区域差异，且区域间差异为主要差异来源。据此，各地区应制定针对性、特色化发展战略，培育区域协调发展动能，缩小数字产业双循环发展差异。具体来看，东部地区应立足数字产业发展领跑优势，与其他地区企业开展产业协作，通过资源共享和优势互补，提升数字产业双循环协同发展水平。中部地区应大力实施中部崛起战略，积极承接东部地区数字产业转移转化，形成持续推动数字产业发展双循环格局区域协调发展的内生性合力。西部及东北地区应在基础技术、服务创新和产业结构升级上全面发力，激发源头技术研发活力并实现数字产业转化，以提升该地区数字产业双循环发展质量，实现区域协调发展。同时，西部与东北地区应增加财政拨款，并建立严格、精确的监督和评估机制，为数字产业发展提供必要的资金支持，培育区域协调发展动能。

第三，促进数字产业发展收敛。研究结果表明，全国及各省域均存在绝对[β]收敛及条件[β]收敛特征。因此，各省区市政府应坚持深化改革，加快推进产业双循环的数字化、智能化改造，促进数字产业发展收敛。其一，各省区市政府应坚持深化改革，提升数字产业市场准入便利，完善经营主体反映问题处理机制，营造营商环境更为优质的经营高地，促进数字产业收敛。其二，各省区市政府应创新“物流+贸易+产业”发展模式，依托国家首批贸易促进创新示范区建设，加快推进产业双循环的数字化、智能化改造，以平台赋能为着力点，推动集群更为精准地对接超大市场规模需求，从需求及供给双侧打造数字产业双循环市场，加速数字产业收敛。其三，各省区市政府应驱动全国统一大市场建设，围绕市场化法治化营商环境构建，打破制约要素、资源及产品流动的市场壁垒，为打造数字产业双循环格局提供制度保障，推动数字产业收敛。

参考文献：

[1] 刘宇.数字经济核心产业产出效应：供给侧与需求侧的比较[J].当代财经，2023（8）：108-121.

[2] 黄茂兴，薛见寒.新发展格局下我国数字服务贸易高质量发展路径研究[J].当代经济研究，2024（3）：49-60.

[3] 李言，毛丰付.中国区域数字产业发展的测度与分析[J].河南社会科学，2022（3）：68-78.

[4] 张清华.中国数字产业技术进步效率测度及空间溢出效应分析[J].西南民族大学学报（人文社会科学版），2023（4）：98-105.

[5] 尤济红，梁浚强.数字产业发展如何影响流动人口收入？[J].产业经济研究，2023（5）：87-100.

[6] 程方方，孙曰瑶.数字产业发展与区域经济差距：理论逻辑与实证检验[J].经济体制改革，2023（4）：61-69.

[7] 杨洋，徐承红，薛蕾，等.高铁建设与城市数字产业发展——基于信息服务企业进入的证据[J].产业经济研究，2022（5）：42-55.

[8] 毛丰付，魏亚飞，胡承晨.政府引导基金与数字产业发展：机制分析与效应检验[J].现代财经（天津财经大学学报），2023（4）：81-95.

[9] 黄徐亮，徐海东，倪鹏飞.大数据治理对数字产业发展的影响研究[J].经济体制改革，2024（1）：97-104.

[10] 李亮亮.中国数字产业链发展水平、时空特征与区域差异[J].统计与决策，2024（1）：5-10.

[11] 柳江，丁薇峰.产业数字化对国内国际双循环的影响研究[J].现代管理科学，2024（2）：43-51.

[12] 张军超，杨文宇.中国数字经济核心产业发展双循环格局研究——基于国内和全球价值链的考察[J]. 西部论坛，2023（3）：32-49.

[13] 刘程军，陈亦婷，陈秋驹，等.中国双循环协调发展水平演化及其驱动机制[J].经济地理，2022（11）：1-8.

[14] 郑尚植，常晶.国内国际双循环的测度分析与国际比较[J].统计与决策，2023（9）：115-119.

[15] 李亮亮.中国数字产业链发展水平、时空特征与区域差异[J].统计与决策，2024（1）：5-10.

[16] 张冰秋.我国农业农村现代化的区域差距与空间集聚特征[J].统计与决策，2023（21）：122-126.

[17] 吴振磊，赵佳源，张瀚禹.土地政策松绑与县域新型城镇化——来自农村宅基地改革的经验证据[J]. 兰州大学学报（社会科学版），2024（1）：26-40.

[18] Luo X， Zeng Q， Yan F.The Improved Entropy Weighting Model in Water Quality Evaluation based on the Compound Function[J].Environmental Monitoring and Assessment，2022，194（9）： 662-662.

[19] 张红凤，吕杰.食品安全风险的地区差距及其分布动态演进——基于Dagum基尼系数分解与非参数估计的实证研究[J].公共管理学报，2019（1）：77-88.

[20] Cayci S，He N，Srikant R.Linear Convergence of Entropy-Regularized Natural Policy Gradient with Linear Function Approximation[J].SIAM Journal on Optimization，2024，34（3）：2729-2755.

[21] 闫超栋，李俊鹏，马静.中国信息化发展的地区差距及收敛性分析[J].现代管理科学，2022（6）：3-13.

[22] 郭卫军，张衔春.中国共同富裕水平的测度与区域时空差异研究[J].经济问题探索，2023（4）：1-24.

[23] 艾阳，宋培，李琳.数字产业化的结构转型效应研究——理论模型与实证检验[J].经济与管理研究，2023（12）：3-23.

[24] 张秀，张耀峰，张志刚.中国经济高质量发展水平：测度、时空演变与动态空间收敛性[J].经济问题探索，2024（1）：15-37.

[25] Luan Z，Guo S，Liang W.Can the Construction of a High-Speed Rail Alleviate Haze Pollution： an Empirical Analysis based on Social Networks and Dynamic Spatial Econometric Models[J].Environmental Science and Pollution Research International，2024，31（10）： 14990-15006.

[26] 王振华，代瑞婕，白冰.我国国内大循环的测度、解构及内生动力研究：基于构建全国统一大市场的视角[J].中国软科学，2024（2）：55-63.

[27] 李小花.产业数字化比较优势的综合测度及收敛性分析——来自中国八大经济区的实证[J].现代管理科学，2023（1）：35-45.

基金项目：国家自然科学基金项目“惯例演变视角下团队建设性偏差的前因与后果研究”（项目编号：7210021435）。

作者信息：李华一，男，硕士，苏州科技大学科技产业处，副研究员，研究方向为管理学。

（收稿日期：2024-06-20 责任编辑：苏子宠）