我国互联网发展的空间差异及其影响因素

王孟哲 郑舒心

（北京林业大学 北京 100091）

一、引言

21世纪以来，中国互联网发展速度快速提升，以大数据、物联网、云计算等为标志的新一代信息技术正迅速渗透人们的生活。截至2020年6月，我国全国网民数量已达9.89亿人，较之2000年增长了近38.78倍。互联网的迅猛发展带动了包括电子商务、居民投资理财、企业融资等多方面发展，对推动社会进步起到重要作用。

我国不同地区的互联网发展水平仍存在较大差异，从而扩大区域间发展的差距。如何实现互联网资源空间配置的“平等”与“高效”仍然是我国目前面临的一大问题。

二、文献综述

对于我国互联网水平的测度，国内有多位学者进行了研究，并给出了各自的指标体系。尹楠（2015年）提出，对于国内互联网区域化发展，可以通过互联网发展规模指标、信息量指标及实效性指标3个一级指标进行考虑，并分别给出对应的二级测度指标。

关于互联网发展水平的空间差异，国外学者最先进行了研究：Guillen和Suarez分别从政治、经济、社会三个方面选取指标解释全球范围的互联网差异；而Chakraborty和Bosman从收入、种族、个人电脑拥有量等方面对美国各州间数字鸿沟进行了测度；Howell则探讨了新西兰城乡之间存在的数字鸿沟问题。我国互联网发展比西方起步晚，故对于“互联网发展差异”的概念也研究较晚。针对我国区域间互联网发展水平的差异，邱娟和汪明峰（2010年）通过对二级指标的因子分析及多元回归，得出影响互联网发展水平的区域经济、科技文化、对外开放程度等方面因素；郑思齐、于都等（2016年）利用面板数据，采用固定效应面板数据方程从区域性因素、社会人口因素等方面，分析其对互联网发展水平的影响，而后更进一步，分析地区间差异及改善现状需要注意的方面；之后有学者对影响因素的正负及实证解释（刘文新、张平宇等）进行了探讨，为本文提供思路与想法。

互联网发展水平的测度指标及影响因素，在此前均有学者予以研究，本文的边际贡献在于，综合已有文献，结合互联网发展指数对互联网发展水平进行相对客观全面的评价，结合时事和互联网发展状况，将互联网发展影响因素的二级指标适度删减增加，使得指标体系更符合时代趋势。此外，现有文献大多探究互联网发展测度或影响因素的其中一方面，并对指标结论进行分析，但缺乏未来区域互联网发展应注重的方面，本文对此空白进行了填补，将空间差异转化为时间差异，综合分析相对落后地区要想提高其互联网发展水平应大力投入的方面。

三、数据来源

本文研究年份为2019年，在研究对象上选取我国31个省（市、区）（不含港、澳、台等地区）。测度互联网发展水平和影响因素的二级指标数据主要来自《中国统计年鉴》和《中国科技统计年鉴》，关于互联网发展水平一级指标的确定及其权重则主要依据《中国互联网报告》。

四、互联网发展水平测度研究

（一）指标选择

《中国互联网报告》中给出测度互联网发展综合指数的3个一级指标，分别是互联网基础设施建设、数字经济发展和互联网应用。综合现有信息，选取如下10个二级指标，对应体现上述一级指标，这些指标共同组成互联网发展水平测度体系。

表1 互联网发展水平测度指标体系

（二）实证分析

利用SPSS软件得出聚类分析结果，结合实际情况及现实影响，将我国省市划分为四类，如表2所示。结合2019年全国互联网发展指数综合排名，可知前十名省市均位于第一、二类划分中，故聚类效果尚佳。

表2 根据互联网发展水平分类

第一类中北京市为我国首都，自建国以来为北方重点发展城市，得到政府大力资金支持和政策照顾，故北京综合发展水平高，各方面来看均处于全国领先。广东省以深圳市为代表，自改革开放以来得到国家重点政策扶持，互联网产业发展迅猛，故这两个省市作为我国互联网发展水平最高的地区被列入了第一类中。

位于第二类的五个省市，大多在我国东部或东南沿海，沿海促进经济发展，也促进了互联网产业的蓬勃发展。而其中值得关注的，是山东省和四川省，作为局部靠海甚至完全内陆的地区，这两个省份却明显区分于第三类的其他内陆城市，达到与沿海齐平的互联网发展水平，故我们进一步研究发现，山东省的IPV4地址比重、人均互联网接入端口数、人均快递业务量、软件业务收入及电子商务销售额这几项明显位于全国前列，即山东省在互联网基础设施建设及互联网应用方面做得很好，效果突出；对于四川省，我们发现其IPV4地址比重、万人域名数、人均光缆线路长度、人均快递业务量、IT就业人数、软件业务收入均位于全国前列，即四川省在信息基础设施建设、数字经济发展、互联网应用方面表现均较为良好，使其在近年来的发展中超过大多内陆城市列入了第二梯队。

第三类省市大多为内陆地区，其发展相对均衡。一方面，没有政府过多的政策照顾，也没有沿海贸易促进经济发展和互联网产业繁荣，故相较于前两个类别的省市稍显弱势；另一方面，这些省市基本不存在明显的环境影响或客观因素障碍阻止其互联网产业的发展，故此类中省市互联网产业发展态势较缓但稳定均衡。在本次研究涉及的31个省市中，有22个均位于此类，由此可见我国当前的互联网发展也基本处于此阶段。此类中省市互联网水平有向前两类靠近的能力，但也需要政府汲取经验，予以一定支持。

第四类则位于我国西南部地区，青海和西藏是我国较为特殊的两个省份，有许多壮美绚丽的自然奇观风景名胜，但却存在海拔高、地势陡、自然环境恶劣的问题。近年来，青藏地区得到国家大力扶持补贴，加之乡村振兴和助农脱贫攻坚战的着力推行，青藏地区发展有了明显改善和大幅度进步。同时，青藏地区加强自身旅游业发展，打造并成功宣传了诸如布达拉宫、纳木措、大昭寺、羊卓雍错等一系列极具特色的地标性景点，也为其经济发展和互联网产业的兴起与发展带来了新的生机。

五、互联网发展影响因素分析

（一）指标选择

互联网的发展受到政治、经济、社会、文化等多方面因素的影响，国内外学者经过实证研究也表明，互联网的区域差异是由多种因素共同作用的结果。故在本部分选取影响因素的二级指标时，经多方考量选取11个二级指标，在后续因子分析中尝试将这11个二级指标分类，列入所属一级指标中，指标选取如表3所示。

表3 互联网发展影响因素指标选取

（二）实证研究

利用SPSS进行因子分析，选择4个影响因子，累积方差贡献率（因子总共提取的信息量）达到93.857%，即11个指标的大部分内容，可以被公因子所解释。

根据旋转后成分矩阵可知，百人使用计算机数、第三产业占比、人均经费内部支出、R&D占比、人均专利数这5个指标，主要被第一类因子所解释，故结合资料和实际情况，将第一类公因子概括为省市的科研水平；人均GDP、货物进出口总额主要被第二类因子解释，将其概括为各省市经济水平；教育经费占GDP比重、平均受教育年限和城镇人口比重主要被第三类因子所解释，将其概括为地区教育水平；而最后一类失业率则主要被第四类因子解释，失业率反映着一个地区对于劳动力的利用情况，一定程度代表地区的社会稳定性和发展潜能。

六、实证模型构建

（一）变量设定与处理

1.被解释变量

本文构建综合指标——互联网发展综合水平，反映各省互联网发展状况，设定为被解释变量。阅读文献发现，大多数学者直接采用互联网普及率、域名数等单一指标衡量互联网发展水平。但随着互联网发展技术的进步与领域的扩展，其综合性与系统性不断增强，用单一指标去衡量互联网发展水平是不全面的。因此我们构建综合指标以更为全面地反映各地区互联网发展的真实水平。

图1 因子归类

该综合指标的构建参考了《中国互联网发展报告》中对互联网发展指数的计算方法，它涵盖信息基础设施建设、创新能力、数字经济发展、互联网应用、网络安全和网络治理六大方面，权重依次为：18%，18%，19%，18%，15%，12%。由于实际聚类中选取的指标只体现了基础设施建设、数字经济发展、互联网应用三个方面，所以等比例重新赋权，权重依次为：32.73%，34.54%，32.73%。

在计算各省互联网发展综合水平时，首先，标准化处理以消除量纲与尺度的影响；其次，对各一级指标下的二级指标求均值，作为该一级指标的水平；最后，对各一级指标赋予权重。公式如下：

其中，Yi表示i省的互联网发展综合水平，分别表示i省的基础设施建设、数字经济发展、互联网应用平均水平，nj表示第j个一级指标下的二级指标个数，Y*ijk表示z标准化后i省第j个一级指标的第k个二级指标值。

2.解释变量

解释变量选取因子分析中提取的四个因子，利用因子得分数据进行回归拟合。

表4 多元回归变量设定

3.变量处理

本文使用2019年31个省市的相关数据建立多元回归模型，探究解释变量对被解释变量的影响方向与程度。由于本文样本数量较少，为保证结果的可信与严谨，对被解释变量做转换以满足其正态假定。转换后，S-W检验Sig.=0.07，在95%的置信水平下，可以认为经转换后的变量满足正态分布的假定。公式如下：

（二）建立模型

为探究互联网发展影响因素中所提取的四个因子对互联网发展的具体影响作用，构建计量模型如下：

（三）基本结果估计分析

本文利用SPSS软件对上述模型进行拟合，回归结果如表5所示。

表5 估计结果

拟合优度超过90%，调整后的拟合优度超过80%，说明模型的解释能力较好，各解释变量系数符号、范围合理，实证结论与预期基本相符。

最终估计回归方程为：

七、实证结果分析

（一）基于回归结果的互联网发展影响因素分析

由估计的回归方程可以看出：在2019年，各省（市、区）的互联网发展综合水平与其科研水平、经济水平、教育水平都存在正相关关系，与失业率则呈负相关关系。科研水平与经济水平对互联网发展有较强的正向影响作用，教育水平对互联网发展有影响但强度不大，失业率的影响并不显著。

结合聚类分析结果来看，第一、二类省份大多经济发达、贸易繁荣，同时新兴产业发展蓬勃，科研投入水平较高，故其互联网发展水平也较高，位于全国前列。而三、四类即使在教育水平、失业率等方面与一、二类城市持平甚至更优，但由于这两个因子对互联网发展水平的影响显著性并不高，并未使其互联网产业的发展得到更多优势，加之其科研水平与经济水平较为落后，而使得其互联网发展水平落后于一、二类城市。

（二）结合聚类结果的互联网发展空间差异关键因素识别

为进一步探究互联网发展空间差异的主要影响因素，识别出造成地区间数字鸿沟的关键因素，我们利用回归模型中的系数估计，结合聚类分析的结果，构建衡量聚类结果中四类省（市、区）互联网发展差异的指标。具体方法如下：

（1）分别测算2019年四类省（市、区）各项因素的平均水平；

（3）将（2）中计算的差异乘以对应的回归系数估计值βk，得到作为第k个因素对i类与j类地区间互联网发展水平差异的影响效果；

（4）将全部因素的作用汇总后，计算单个因素的占比：

作为该因素的差异解释能力。

按照上述方法计算结果如下表：

分析表6结果可以得出以下结论：

表6 各类地区互联网发展水平差异影响因素

第1类城市与3、4类城市互联网发展差异主要是由省份经济发展水平、科研投入造成的，这两项因素能解释超过90%的差异，其中经济水平较科研水平影响更大；而教育水平与失业率等因素的影响效果相对较小。

第1类城市与第2类城市互联网发展差异接近50%的比例由科研投入影响，经济水平的影响并不显著。

第2类与3、4类城市互联网发展的差异超过70%由经济水平解释，而科研水平的解释比例较低，说明差异主要是由3、4类城市经济发展较落后造成的。

将空间发展的差异从时间维度上展开，可以为互联网发展提出具有实证意义的建议。可以认为第1类互联网发展水平较高的地区发展相对较早、时间更长，那么基于上述结果可以发现，在互联网发展的初期，经济发展水平、人民生活质量等是最重要的原因（对比2、3、4类地区的差异）；随着互联网发展越来越成熟，科技发展水平、科研投入与创新能力成为互联网进一步提升的关键因素（对比1、2类地区的差异）。

图2 分析思路图

八、结语

我国不同城市间的互联网发展存在差异，本文通过聚类分析，按照互联网发展水平将中国31个省（市、区）分为四类，分别考察各类地区的特征。在当前资金、技术、人才仍在不断向大城市集聚的背景下，地区间的“数字鸿沟”可能会被进一步拉大。本文从解释互联网发展水平影响因素出发，总结和归纳了影响互联网发展水平的主要影响因素并对其进行因子分析，在此基础上实证验证了各影响因素对互联网发展状况的影响与机制。研究发现经济水平发展，科研创新投入对互联网产业的发展影响显著，人口素质与受教育程度、失业率与社会结构等对互联网发展状况有一定影响，但影响相对较弱。

基于此，本文进一步分析了各因素在影响互联网发展地区间差异的作用效果，识别出影响不同地区发展差异的关键因素。研究发现：在互联网发展的初期，经济水平、人均收入、人口规模等是推动互联网规模扩大的关键因素。随着互联网规模发展到一定程度，科研投入对互联网发展的促进作用将逐渐增大。