中国县域数字经济发展的空间分异及影响因素研究

曹 萍 萍

(皖西学院 经济与管理学院, 安徽 六安 237012)

在以大数据、人工智能为代表的数字经济时代,发展县域数字经济已成为新时期推动农业农村现代化、乡村振兴和城乡融合发展的“新动能”。2021年,中央一号文件《中共中央 国务院关于全面推进乡村振兴加快农业农村现代化的意见》指出了以数字化转型加速农村现代化发展的指导意见,明确各县域要在农村数字基础设施、智慧农业、乡村治理数字化、农村数字普惠金融等数字经济领域全面发力,提高大数据运用的社会价值,最大限度地解放农村劳动力、释放农村生产力,推动农村经济效率数字化转型,全面提高农业和农村经济的发展效益[1]。县域是我国数字经济发展的主阵地,但县域数字经济水平可能存在着显著的空间分异特征,且县域数字经济发展还会受到一些关键因素的影响,阐明这些问题对提升县域数字经济水平、实现县域经济高质量、缩小区域发展不平衡问题具有重要的理论和现实意义。

关于数字经济方面的研究,早期学者们从不同视角界定了数字经济的概念和特征。Brynjolfsson等[2]认为数字经济是信息的数字化。Kim等[3]将数字经济的活动归纳为商品和服务以数字化形式进行交易。Carlsson[4]则认为数字经济更强调新活动,将数字经济称作“新经济”。康铁祥[5]将数字经济定义为以数字技术为基础进行的经济活动的总和。目前,关于数字经济的定量研究主要侧重全国、省域等宏观尺度,如张雪玲等[6]采用熵值法测度了2007—2015年中国整体的数字经济发展指数,结果显示我国数字经济发展总体上呈增长趋势。刘军等[7]测度了中国30个省份的数字经济发展水平,发现区域数字经济发展存在着“数字经济鸿沟”。李研[8]基于DEA-Malmquist指数测度了中国28个省份数字经济产出效率,结果表明数字经济产出效率主要来源于技术进步。也有少数学者从市级层面探讨数字经济发展水平及其分布特征,如曹萍萍等[9]对数字经济发展水平的空间收敛性进行检验,结果发现城市间数字经济发展指数呈收敛趋势,中国数字经济发展存在显著的绝对β收敛和条件β收敛。

综上所述,已有研究取得诸多进展,但仍存在一些不足。一是现有文献多停留在国家整体和省级层面,鲜有文献在县域层面考察数字经济发展的空间分布格局。二是关于数字经济发展影响因素的研究往往忽视了地理上的空间异质性。本文的主要贡献在于克服了上述不足。首先,利用空间趋势方法描绘中国县域数字经济发展的空间分布总体格局;其次,基于Moran’sI指数和泰尔指数揭示县域数字经济发展的空间集聚特征和空间差异特征;最后,将县域数字经济发展的空间属性纳入到模型中,基于地理加权回归模型分析县域数字经济发展水平影响因素的空间异质性,以期进一步提升县域数字经济发展水平,助力全面推进乡村振兴。

一、 方法与数据

1. 空间集聚和差异指标

(1) Moran’sI指数。Moran’sI指数是度量全局空间自相关性的重要指标,通过计算区域内地理单元之间的关联程度及其显著性,从而直接反映研究变量的空间分布情况。因此,本文利用Moran’sI指数测度县域数字经济发展的全局空间自相关性,并判断县域数字经济发展水平变化与邻近县域空间是否有关。计算公式如下:

(1)

(2) 泰尔指数。泰尔指数从信息熵的概念出发测算研究目标的差异性,具有较好的可分解性质,能够全面剖析研究对象的空间差异。基于此,本文利用泰尔指数法测算了县域数字经济发展的区域差异,在分别计算中国不同地区县域数字经济总指数及各维度泰尔指数的基础上,对泰尔指数进行二阶分解,获得中国四大地区间县域数字经济发展差异及地区内各县域数字经济发展差异。泰尔指数及其分解的具体公式如下所示:

2. 地理加权回归法

地理加权回归模型(GWR)是将观测值的空间属性嵌入到回归方程中,通过引入地理距离权重,量化县域数字经济发展影响因素的空间异质性,从而体现各变量系数在不同空间的非平稳性。其模型构建如下:

(5)

式中:yi为县域i的数字乡村总指数;(λi,μi)为县域i的采样点坐标;βk(λi,μi)为连续函数βk(λ,μ)在县域i的值,xki为县域i上第k个解释变量;εi为独立分布的随机误差项。

3. 数据来源与指标选取

本研究以1 880个县级区划单位为研究对象。所用县域数字经济指数来源于2018年北京大学新农村发展研究院,该研究机构依据国家宏观统计数据、行业数据和互联网大数据等全样本数据测算了中国县域数字乡村总指数和基础设施分指数、经济数字化分指数、生活数字化分指数、治理数字化分指数。各指数的具体含义见表1。

表1 县域数字经济各指数含义

根据已有研究可知,县域经济发展水平、产业结构和网络基础设施是乡村数字经济发展的基础,县区人口规模和人力资本决定着乡村数字经济发展的可持续性,而财政支出作为政府宏观调控的重要手段,也可能会对乡村数字经济发展产生重要的影响[10-11]。为综合讨论影响县域数字经济发展的各类因素,结合前人的相关研究,本文以人均GDP、网络基础设施、产业结构、财政支出、人口规模和人力资本6项指标作为代表,构建地理加权回归模型。各类影响因素数据来源于2018年《中国县域统计年鉴》。

二、 县域数字经济发展空间分布特征

1. 趋势面分析

对2018年县域数字乡村总指数进行空间趋势线分析的结果如图1所示,其中,X轴和Y轴分别代表正东方向和正北方向,Z轴表示县域数字乡村总指数,可以发现我国县域数字经济发展水平整体上呈现出“东高西低”的空间分布格局。具体来看,在西东方向上,县域数字经济发展水平呈不断上升的趋势,西部地区县域数字经济发展整体较为滞后;在南北方向上,县域数字经济发展水平呈现先小幅上升,随后不断下降的趋势,表明江浙一带数字乡村经济发展水平明显高于其他县域。

图1 县域数字经济发展的空间趋势线

2. 空间集聚特征分析

为探讨中国县域数字经济发展水平的空间分布集聚特征,通过ArcGIS 10.4平台得到县域数字乡村总指数及其他四个分项指数的全局空间自相关系数。表2的结果显示数字乡村总指数的Moran’sI指数为正值,且在1%的水平下显著,表明中国县域数字经济发展水平存在显著的空间正相关性,即数字经济发展水平较高的县域其附近县域的数字经济发展水平也较高,县域数字经济在空间上呈现集聚的状态。此外,基础设施、经济数字化、生活数字化和治理数字化四项分指数也表现出显著的集聚分布特征,其中,生活数字化分指数的集聚程度更强。

表2 县域数字经济发展水平空间分布的Moran’s I指数

为进一步研究中国不同县域数字经济发展水平的空间关联特征,运用局部自相关分析了各县域数字乡村总指数之间的空间自相关分布情况,并绘制了中国县域数字经济发展水平的Moran’sI散点图,结果如图2所示。图2中的四个象限分别对应县域之间四种不同类型的空间集聚模式,其中第一、三象限分别表示“高-高”集聚和“低-低”集聚,说明存在空间正相关;第二、四象限则分别表示“低-高”集聚和“高-低”集聚,表示存在空间负相关。根据图2,绝大多数县域落在第一和第三象限,即中国县域数字经济发展存在“高-高”集聚和“低-低”集聚特征,数字经济发展水平较高的县域与较高的县域相邻,而数字经济发展水平较低的县域则与较低的县域相邻。同时,发现落在第三象限的县域占比较大,表明中国整体县域数字经济发展水平仍然偏低。

图2 县域数字经济发展水平的Moran’s I散点图

3. 空间差异特征分析

根据表3,在中国县域数字经济发展水平各指数中,基础设施分指数得分最高,说明中国县域数字基础设施发展水平较高,经济数字化分指数、生活数字化分指数和治理数字化分指数得分明显较低。从发展水平绝对差异来看,中国县域数字经济各指数绝对差异最大的为治理数字化分指数,其次是基础设施分指数,而经济数字化分指数和生活数字化分指数绝对差异较小;从相对差异看,治理数字化分指数相对差异最明显,数字乡村总指数相对差异最小。从偏度来看,县域数字乡村总指数、基础设施分指数和经济数字化分指数呈现左偏,表明中国多数县域数字乡村总指数、基础设施分指数和经济数字化分指数高于县域平均水平;生活数字化分指数和治理数字化分指数呈右偏,但极化程度较弱。从峰度来看,数字乡村总指数、基础设施分指数和经济数字化分指数大于3,表明离散程度比正态分布更大,而生活数字化分指数和治理数字化分指数离散程度较小。

表3 中国县域数字经济发展水平各指数差异

接下来,研究进一步对东、中、西和东北四大板块间县域数字乡村总指数和各分指数发展差异进行比较,结果如表4所示。东部地区县域数字乡村总指数及各分指数发展水平普遍高于中、西和东北地区,经济数字化和生活数字化分指数的绝对差异最大,但数字乡村总指数和各分指数相对差异在四大板块居中。县域数字乡村总体发展水平最低的为西部地区,相较于其他地区,其绝对差异和相对差异都比较大,呈现出低水平差异发展的态势。东北地区县域数字乡村总体发展水平略高于西部地区,而其发展差异性却低于西部地区。中部地区县域数字乡村总体发展相较于其他地区表现居中,且不论绝对差异和相对差异都低于其他地区,表现为中水平均衡发展状态。经济数字化分指数和生活数字化分指数发展水平最低的均为西部地区,其发展的相对差异却显著高于其他区域,呈现低水平差异化发展。基础设施分指数和治理数字化分指数发展水平最低的为东北地区,其发展的差异性也较大,同样呈现出低水平差异发展的态势。中部地区基础设施分指数发展水平最高,但发展差异性最小,呈高水平均衡发展的状态。

表4 中国四大地区县域数字经济发展水平及各指数差异

根据式(2)～(4),在分别测算中国东部、中部、西部和东北板块县域数字乡村总指数及各分指数泰尔指数的基础上,对泰尔指数进行二阶分解,获取四大区域内县域数字经济发展差异及区域间发展差异,泰尔指数的分解结果如表5所示。数字乡村总指数及4个分指数的发展差异均主要来自于区域内差异,从区域内差异对总差异的贡献率来看,基础设施分指数的贡献率最高,为83.873%,其次为治理数字化分指数,贡献率为81.081%,生活数字化分指数的贡献率最低,仅为59.852%,说明基础设施分指数与治理数字化分指数区域内差异较区域间差异更为显著。对比四大区域的泰尔指数,发现中部地区县域在数字乡村总指数及各指数方面的差异程度均要小于其他三个区域,西部地区各县域在基础设施、经济数字化、生活数字化三个指数方面的差异居首位,东北地区各县域在治理数字化方面差异较大。

表5 县域数字经济发展区域差异及其分解

三、 县域数字经济发展水平影响因素分析

1. 基准回归

在深入了解县域数字经济发展空间分布的基础上,本文结合相关研究,从县域社会经济发展的多个方面引入相关变量,通过运用地理加权回归模型解释县域数字经济发展的空间差异。具体来说,选择县域数字乡村总指数来反映县域数字经济发展水平,同时作为被解释变量。选择人均GDP对数(AGDP)、产业结构(第三产业占GDP的比重,IS)、网络基础设施(电话用户数占总人数比重,TI)、人口规模(县总人口,Pop)、人力资本(中小学生在校人数占总人口比重,Edu)、财政支出(公共预算支出占GDP的比重,Gov)作为解释变量来研究县域数字经济发展差异的成因。为消除量纲差异造成的系数差异过大,这里将比值数据单位统一为1%,数值单位统一为亿元。为了比较不同模型结果的拟合效果,本文同时给出了普通最小二乘模型(OLS)和地理加权回归模型(GWR)结果,分别如表6和表7所示。

表6 OLS模型的估计结果

表7 GWR模型的估计结果

根据表6普通最小二乘模型的估计结果,产业结构、人口规模、人力资本、网络基础设施与县域数字乡村指数之间显著正相关,且均在1%的水平下显著。人均GDP和县域数字乡村指数之间不显著,而财政支出和县域数字乡村指数之间在1%水平下显著负相关。这说明县域财政并没有起到支撑乡村数字经济发展的作用,乡村数字经济发展的提高更多依靠当地产业结构、基础设施、人口规模和人力资本等来驱动。F检验值为105.43(P=0.000),模型整体效果显著,通过调整R2可知,该模型可以解释县域数字乡村指数总变差的42.6%。但由于普通最小二乘模型并没有考虑到空间距离因素的影响,仅从总体上描述各变量对县域数字乡村指数的影响,得到的是一个全域估计,不能反映参数的空间非稳定性。所以在此基础上,考虑地理加权回归模型,在模型中加入空间距离,从而进一步得到局域估计,结果见表7。

在具体进行GWR估计时,采用高斯核函数,选择adaptive法使AICc最小的带宽进行局域估计。通过计算可得最优宽带是54,CV得分为64.808。GWR模型的拟合优度达到0.705,远高于OLS模型的0.426,且GWR模型的AICc(12 546.894)比OLS模型的AICc(13 730.735)更小,说明GWR模型的解释能力更强。GWR模型可计算各因素对每一空间单元的影响,为了研究方便,表7中详细统计了各因素对县域数字乡村指数影响程度的最小值、25%分位数、中位数、75%分位数和最大值。具体来看,各变量的系数均有正有负,且系数值大小各异,说明这些影响县域数字乡村发展的各因素具有较强的空间异质性,各因素在不同县域间的影响作用并不一致。以中位数的符号来看,人均GDP、产业结构、基础设施、人口规模和人力资本关于县域数字乡村指数的回归系数均为正,说明随着县域经济发展水平的提高、产业结构优化、基础设施完善、人口规模的增长及人力资本的提升,县域数字乡村发展水平会不断提高。其中,人均GDP和人力资本对县域数字经济的影响效果较为显著,而上述OLS回归未考虑到县域地理空间的异质性,忽视了人均GDP的显著作用。特别是财政支出关于县域数字乡村指数的回归系数在75%分位数之前均为负数,而在最大值位置上的县域为正数。这说明中国绝大多数县域财政都没有起到促进县域数字乡村发展的作用,主要与中国整体县域财政支出水平较低有关。

2. 异质性分析

为更加详细地了解不同地区县域数字乡村发展影响因素的地理空间差异,本文接下来分别对东部、 中部、 西部和东北的县域数字乡村指数影响因素进行地理加权回归,得到结果如表8所示。

表8 分地区GWR估计

表8的回归结果显示:对于东部地区,以中位数的系数来看,人均GDP关于县域数字乡村指数的回归系数最大,达到0.5以上,且符号为正,说明东部地区县域经济发展水平是推动数字经济发展的主要推动力。此外,人力资本对东部地区数字经济的影响也较大。对于中部和东北地区来说,人均GDP和人力资本同样是影响县域数字经济发展的重要因素,而西部地区县域数字经济的发展更多依赖于当地经济发展水平的提高和产业结构的提升。值得注意的是,对于西部地区,财政支出在各分位数上的系数均为负值,这表明西部地区财政支出对县域数字乡村指数的显著负影响是导致整体回归系数为负的主要原因。受限于西部地区县域地方财政,政府支出并未发挥出促进当地数字经济发展的作用。接下来,比较各类因素对四大地区影响的差异,以中位数的系数看,人均GDP、财政支出和网络基础设施对中部地区县域数字经济发展的促进作用最大,产业结构对西部地区县域数字经济发展的影响最大,而人口规模和人力资本对东北地区县域数字经济发展的影响最大。

四、 结论与启示

本文利用空间统计模型对县域数字经济发展的空间分异特征进行了探究,同时检验了影响数字经济发展的关键影响因素。结果发现:①县域数字经济发展水平空间集聚特征明显,主要表现为“低-低”集聚,反映出中国县域数字经济发展水平整体偏低;②县域数字经济发展存在显著差异,且主要来源于区域内差异,其中,西部和东北地区县域数字经济发展较落后;③县域数字经济发展水平受当地发展经济水平、人口规模等多种因素的影响,其中,经济发展水平和人力资本对县域数字经济的正向影响较显著,财政支出并未发挥出促进整体县域数字经济发展的作用,且各影响因素的作用存在地区异质性。

为此提出以下两点政策启示:第一,加快数字经济集聚发展,推动区域数字经济协调发展。加强县域间的交流合作,切实发挥江浙地区县域数字经济发展的“高地”作用,引导和促进数字经济集聚发展。同时,以产业升级为重点,对实体经济实施数字化改造,助推经济发展落后县域实现“数字赶超”。加大数字经济与各县域特色优势产业融合,利用数字化技术推动产业升级,有效激活数字经济发展相对落后地区的后发优势;第二,探索数字经济发展路径,推动县域经济高质量发展。在数字经济时代,各县域应加快新型网络基础设施建设,通过营造良好的市场环境吸引人才,有效探索数字经济发展路径,逐渐培育和壮大县域数字经济,提升经济效率,加快县域经济高质量发展。