数字产业集聚水平测度与空间特征研究

杨红瑞，刘百恒，余沛贞

（1.河北金融学院 国际教育学院，河北 保定 071051；2.新疆科技学院 经济学院，新疆 乌鲁木齐 830026）

一、文献综述

产业集聚是产业资本要素在空间上的集聚形态，是经济发展到一定阶段的必然产物，能够带来规模、共生、协同、结构等诸多效应，对促进区域协调发展与高质量发展具有重要影响。在互联网、人工智能、物联网、区块链、5G技术等第四代工业革命推动下，数字产业活动更加丰富，组织形态日趋多元，数字产业集聚所带来的影响也越来越受学者们的关注。党的二十大报告提出：“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”当前我国经济发展遭遇需求收缩、供给冲击和预期转弱三重压力，打造具有国际竞争力的数字产业集群，不仅能为经济发展带来规模效应和外部效应，也能为扩大内需、推动高质量发展提供新动能。因此，测度数字产业集聚水平，解读数字产业空间特征，就具有重要的现实研究意义。

从研究发展史来看，Marshal、Thunen、Weber、Losch、Hoover、Krugman、Venables等专家学者对产业集聚研究作出原创性贡献，为后续研究奠定了基础。从研究方法来看，主要有区位熵、行业集中度、赫芬达尔指数、E-G指数、空间基尼系数、地理集中指数等[1-2]，学者们利用上述方法对文化产业空间集聚[3-4]、新兴产业空间集聚[5]、创意产业空间集聚[6]等方面进行了测度分析。数字产业作为数字经济的核心产业，其产业空间集聚能够为经济稳增长、调结构、促转型提供有力支撑，相关研究主要集中在数字娱乐产业集聚[7]、信息产业集聚[8]、新一代信息技术产业集聚[9]、电子信息产业集聚[10]等领域，也有学者从数字经济产业角度测度了集聚程度及时空演化特征[11]，袁歌骋等通过构建地区数字产业集聚指标，深入研究了数字产业集聚对制造业企业技术创新的影响机理[12]。

通过文献梳理，不难发现目前对数字产业集聚的研究主要集中在数字内容、电子信息等单一方面，数字产业集聚水平和空间特征的系统性研究较少。基于此，本文首先采用区位熵、空间基尼系数和E-G指数测度全国31个省、自治区、直辖市（不含港澳台地区）数字产业空间集聚水平，并从东部、中部、西部和东北部进行解读，之后利用全局和局部莫兰指数探究数字产业集聚的空间特征。

二、方法选择与数据说明

产业集聚测度方法是以产业经济活动的空间分布为参照，根据产业空间分布的差异程度来判断产业的集聚水平，主要包括区位熵、空间基尼系数、E-G指数。空间特征研究以全局和局部莫兰指数最为常见。

（一）产业集聚测度方法

1.赫芬达尔指数①本文并未对数字产业的赫芬达尔指数进行展开分析，因E-G指数计算用到赫芬达尔指数，故进行扼要说明。

赫芬达尔指数法以某产业占市场总额的平方和为衡量指标，其值越大表示产业分布越集中。公式如下：

2.区位熵

区位熵普遍以相关产业就业人数、总产值等作为衡量指标。当LQij＞1，表示该产业集聚程度高；LQij=1，表示集聚程度一般；LQij＜1，表示该产业集聚程度低。公式如下：

3.空间基尼系数

空间基尼系数G∈［0，1］，当G→1，产业分布集聚；G→0，产业分布分散。公式如下：

4.E-G指数

Ellision和Glaeser在空间基尼系数的基础上加入了赫芬达尔指数，构造了测定产业集聚程度的E-G指数。当ri＞0.05，表示产业集聚程度高，ri＜0.02，表示产业集聚程度低。公式如下：

（二）空间特征测度方法

全局莫兰指数可以测度区域空间相关性，公式如下：

式中，I为空间莫兰指数，i、j代表不同省份，xi、xj代表不同省份的数字产业产值；Wij为空间权重矩阵（采用各省邻接矩阵）；为数字产业产值的平均值；m 为研究区域数量。其中 I∈［-1，1］，当 I＞0 时，数字产业空间正相关；当I＜0时，数字产业空间负相关；当I=0，数字产业空间呈现随机性。

局部莫兰指数用于分析局部区域空间异质性，公式如下：

（三）数据说明

本文以数字产业中信息传输、计算机服务和软件业及邮政业和电信业为研究对象，以2014—2021年全国31个省份作为测度单元，以东部、中部、西部和东北部四大经济区进行对比，数据来源于2015—2022年《中国统计年鉴》《中国第三产业统计年鉴》《中国城市统计年鉴》和各省统计年鉴，个别缺失数据采用趋势外推法、相邻年份均值法等补全。

三、数字产业集聚水平测度与比较

（一）数字产业集聚水平测度结果

1.区位熵

依据劳动力密集程度，测度数字产业空间集聚水平，以年末城镇单位就业人员中信息传输、计算机服务和软件业就业人员来计算区位熵。

由表 1可知，2014—2021年全国31个省份年均区位熵分布情况。北京、上海处于第一集团，区位熵均值超过2，表明数字产业空间高度集聚；广东、四川、陕西、辽宁等省份区位熵均大于1，说明这些地区数字产业明显存在集聚优势；天津、海南、吉林、江苏、浙江、青海、黑龙江年均区位熵指数大于0.8，其数字产业空间集聚状态相对比较集中；其他各省份的年均区位熵在0.3～0.8之间，表明这些地区数字产业尚未形成空间集聚。

表1 2014—2021年全国数字产业区位熵

从东部、中部、西部和东北部四大经济区来看，集聚程度为东部＞东北部＞西部＞中部。其中东部地区年均区位熵为1.317 3，数字产业集聚程度最高；东北部地区年均区位熵为0.911 1，表明数字产业的产业集聚程度一般；西部和中部地区年均区位熵分别为0.613 9和0.563 4，表明这些地区数字产业分散，这与两地区的地理特征、资源禀赋以及区域发展策略相关。

2.空间基尼系数

以年末城镇单位就业人员中信息传输、计算机服务和软件业就业人员及地区总就业人员和全国总就业人员等数据构建空间基尼系数，这在一定程度上能够反映数字产业空间集聚水平。

从表2可以看出，广东年均空间基尼系数高达0.723 3，远远高于其他省份，表明数字产业高度集聚。北京、江苏、山东处于第二集团，均高于0.2，其他省份数字产业集聚不明显。从四大经济区来看，集聚程度呈现东部＞中部＞西部＞东北部，与区位熵结果存在差异。东部地区总体年均空间基尼系数为0.196 1，产业集聚程度最高，原因可能是东部沿海地区良好的经济基础推动了数字产业迅猛发展，中部地区数字产业集聚程度一般，而西部、东北部地区受限于自身禀赋，产业集聚程度最低，但从空间基尼系数来看，中部、西部、东北部三区差别并不突出。另外，从四大经济区内部空间基尼系数来看，各省份数字产业分布也不均衡。

表2 2014—2021年全国数字产业空间基尼系数

3.E-G指数

以按行业分组的年末城镇单位就业人员中各区域信息传输、计算机服务和软件业就业人员及邮政业务收入、电信业务收入、总就业人员、总产值等数据，结合赫芬达尔指数和空间基尼系数进行计算。

由表3可知，31个省份中仅有广东E-G指数大于0.05，表明广东数字产业存在高度集聚，北京、江苏、山东、四川介于0.02和0.05之间，表明这些省份数字产业空间集聚较为显著，其余省份E-G指数均小于0.02，表明集聚状态不明显。从全国范围来看，各省份数字产业集聚差异明显，东西两极分化严重，究其原因可能是数字产业在不同地区规模效应不同所致。

表3 2014—2021年全国数字产业E-G指数

从四大经济区来看，东部地区E-G指数均值最高，中部地区居中，西部地区和东北部地区最低。东部地区中广东和江苏数字产业集聚程度最高，明显高于其他省份；中部地区以河南产业集聚程度最高；东北部地区以吉林为首，但整体集聚程度都比较低；西部地区中四川的集聚程度远超其他省份。

（二）不同测度方法测度结果比较

从四大经济区数字产业集聚水平来看，区位熵测度结果表明东部＞东北部＞西部＞中部，空间基尼系数和E-G指数测度结果则表明东部＞中部＞西部＞东北部，与区位熵所得结论存在一定差异，究其原因是测度方法侧重点不同。区位熵侧重某产业层面在某区域的集聚程度，没有考虑企业规模因素，而空间基尼系数和E-G指数侧重从地理单元和企业规模角度测度产业集聚程度。所以，不同测度方法均有其对应的使用条件，若在其使用范围内则结果相对可靠，若超越使用范围，其测度结果可能就存在一定偏差。

四、数字产业空间集聚特征

我国地理特征迥异，区域发展呈块状结构，大数据、5G、物联网、人工智能等新兴数字技术加速了各区域的不平衡发展，形成了富有特色的空间特征。

（一）数字产业全局自相关分析

由表4可知，全国数字产业（以信息传输、计算机服务和软件业就业人员表征）全局莫兰指数均大于0，在5%水平下P值均显著，说明我国数字产业存在明显正相关性。2019—2021年全局莫兰指数达0.43以上，明显高于其他年份，可能得益于全民线上办公、线上授课等与数字产业相关的活动，推动了信息传输、计算机服务和软件业以及邮电通信等行业的迅猛发展，空间关联性不断增强。

表4 2014—2021年全国数字产业全局莫兰指数

（二）数字产业空间特征分析

局部莫兰指数能够深度刻画数字产业集聚的空间特征，结果见表5（因篇幅问题，仅展示2019年局部莫兰指数）。其中天津、河北、内蒙古、上海、江苏、浙江、安徽等省份的局部莫兰指数P值在5%水平下显著，表明局部存在空间相关性。

表5 2019年全国数字产业局部莫兰指数

根据局部莫兰指数生成部分年份的莫兰散点图（因篇幅问题，仅展示2019年局部莫兰指数散点图），结果见图1。31个省份主要分布在第一、第二和第三象限，表明数字产业主要表现为高-高、低-高和低-低空间特征。下面将从2014年、2016年、2019年、2021年的局部莫兰指数进行空间特征分析，具体见表6。

图1 2019年全国数字产业局部莫兰指数散点图

表6 2014—2021年全国数字产业空间特征

1.高-高

高-高集聚区的主要特征是观测区与周边区域数字产业发展都比较好，呈正相关，主要包括上海、广东、江苏和浙江等，与三种测度方法所得结论相对应，充分表明这些省份数字产业发展明显高于其他省份，对于周边区域具有扩散作用，对缩小区域发展差距具有重要影响。从城市群来看，长三角地区利用数字产业渗透性强、辐射面广的特点，有效带动了安徽等地的数字产业发展。

2.高-低

高-低集聚区的特征是观测区与周边地区发展呈负相关，观测区域数字产业发展程度高，周边区域发展程度低，呈现核心-边缘结构，主要集中在北京、山东、重庆和四川等，与空间基尼系数和E-G指数结论一致。高-低集聚区表明核心区数字产业扩散效应不足，极化效应大于扩散效应，相邻地区没有充分利用核心区数字产业资源推动本区域发展。

3.低-低

低-低集聚区特征是观测区域与周边区域发展呈正相关，发展都相对比较落后，主要包括甘肃、宁夏、青海、西藏、云南、吉林、山西、内蒙古、新疆等，与三种测度方法结论相一致。这些地区经济基础一般，数字产业链条短，产业结构也待完善，仅仅依靠自我发展难以实现数字产业集聚，相邻地区的扩散效应也未发挥应有作用。

4.低-高

低-高集聚区的特征是观测区被高水平区域所包围，呈现空间负相关，主要包括天津、安徽、湖北、贵州、福建、天津、河北、广西和江西等，与区位熵结论相对应。低集聚区域若能充分利用高集聚区的数字产业发展优势，吸引投资，改善内部环境，数字产业发展将会大幅度提升，进入到高-高发展序列。如湖南在2016年位于低-高集聚区，但在2021年则位于高-高集聚区。

五、结论与建议

本文采用区位熵、空间基尼系数、E-G指数等方法测度了数字产业空间集聚水平，利用全局莫兰指数和局部莫兰指数分析了数字产业空间特征，具体结论如下：

第一，从产业集聚来看，不同测度方法所得结论分异。空间基尼系数和E-G指数所得结论较为接近，两者与区位熵结果存在一定差距。其中，三种测度方法都表明东部地区数字产业空间集聚程度最高，西部地区较为分散。在区位熵中，东北部地区集聚程度一般，中部地区最为分散，空间基尼系数和E-G指数的研究结论则与区位熵相反。

第二，从空间特征来看，全国各省份数字产业集聚现象主要分布在第一、第二和第三象限，呈现高-高、低-高和低-低集聚特征。高-高集聚主要包括：上海、广东、安徽、江苏和浙江等多数东部地区省份；高-低主要包括：北京、山东、重庆和四川等省份；低-低主要包括：甘肃、宁夏、辽宁、山西、青海、西藏、云南、黑龙江、吉林、内蒙古、新疆等多数西部和东北部地区省份；低-高主要包括：河北、湖北、福建、天津、广西和江西等省份。

整体上来看，区位熵、空间基尼系数和E-G指数所得结论基本与莫兰指数测度的空间特征相一致，验证了结论的合理性。

基于上述结论，提出相应对策建议：1）正确认识数字产业非均衡空间特征，实施差异化发展政策，推动数字产业向中西部地区集聚。我国经济发展呈现块状结构，各地因资源禀赋、经济基础、人才技术等不同，东部、中部、西部和东北部地区经济发展必然存在一定差距和不同的空间特征，数字产业作为经济社会的重要组成部分，不可避免地呈现出非均衡空间特征，这就要求在制定政策时要因地制宜，对不同区域数字产业发展实施差异化发展政策，尤其是对于中西部地区，要加大数字基础设施建设投资力度，鼓励引导数字产业及其配套产业向这些地区转移集聚，逐渐形成具有地域特色的数字产业集群，东北部地区要加快数字化转型，要将数字技术与传统产业有效融合，突破发展瓶颈，形成新的经济增长点。

2）增强数字要素流动性，发挥东部地区数字产业空间溢出效应，实现区域协调发展。区域失衡发展，在一定程度上是生产要素流动性不足所致。在区块链、5G、互联网和AI等数字技术推动下，数字、数据等新型生产要素能够轻松突破地域限制，提升生产要素在地区、产业、企业之间的流转速度，深化数实融合，促进资源配置有效性。同时数字产业作为数字经济的核心产业，具有较强的规模效应、协同效应和空间溢出效应，要充分发挥东部地区数字产业的空间溢出效应，带动周边地区发展，努力实现区域间和区域内数字产业协调发展。