劉冬萍

(合肥師范學院 經(jīng)濟與管理學院,安徽 合肥 230001)

1 引言

隨著大數(shù)據(jù)、云計算、區(qū)塊鏈等技術(shù)的廣泛應(yīng)用,新一代信息技術(shù)產(chǎn)業(yè)逐步成熟,經(jīng)濟體的行為習慣和偏好正在發(fā)生改變,疊加疫情因素,促使全球經(jīng)濟向互聯(lián)網(wǎng)、人工智能等數(shù)字應(yīng)用方向發(fā)展。數(shù)字經(jīng)濟成為世界各國為提高經(jīng)濟發(fā)展質(zhì)量和在國際經(jīng)濟、科技競賽中爭奪話語權(quán)而搶占的制高點[1]。自2015年以來,國務(wù)院先后發(fā)布了《中國制造2025》《關(guān)于積極推進“互聯(lián)網(wǎng)+”行動的指導意見》《促進大數(shù)據(jù)發(fā)展行動綱要》《關(guān)于深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的指導意見》《新一代人工智能發(fā)展規(guī)劃》等戰(zhàn)略性文件,大力支持和推動新一代信息技術(shù)產(chǎn)業(yè)發(fā)展,持續(xù)優(yōu)化數(shù)字產(chǎn)業(yè)發(fā)展環(huán)境。2022年4月,國務(wù)院《關(guān)于加快建設(shè)全國統(tǒng)一大市場的意見》進一步明確:加快數(shù)字化建設(shè)、推動線上線下融合發(fā)展、形成更多商貿(mào)流通新平臺新業(yè)態(tài)新模式、加快培育統(tǒng)一的技術(shù)和數(shù)據(jù)市場是實現(xiàn)國內(nèi)市場高效暢通和規(guī)模拓展的重要舉措[2]。黨的二十大報告提出建設(shè)“網(wǎng)絡(luò)強國”“數(shù)字中國”,打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群,向世界展示了中國大力發(fā)展數(shù)字經(jīng)濟的決心[3]。

長三角城市群是我國制造業(yè)體系最完備、城鎮(zhèn)化基礎(chǔ)最好、綜合實力最強的城市群之一。從經(jīng)濟發(fā)展指標來看,是我國經(jīng)濟總量最大的城市群,擁有6個GDP萬億城市,總數(shù)占到全國的三分之一。當前,長三角城市群正跨越工業(yè)化時代,邁向突出以數(shù)字資產(chǎn)和流量經(jīng)濟為主要特征、更加強調(diào)城市國際競爭力和全球影響力的后工業(yè)化時代(信息化時代)[4]。然而,區(qū)域內(nèi)數(shù)字經(jīng)濟發(fā)展的不均衡、不平衡特性也十分明顯,這引起了部分學者的關(guān)注。陳建軍[5]以長三角和浙江省為研究對象,從現(xiàn)實經(jīng)驗和理論角度出發(fā)分析了區(qū)域?qū)傩詫?shù)字經(jīng)濟發(fā)展的影響路徑和作用機理。

數(shù)字產(chǎn)業(yè)是數(shù)字經(jīng)濟發(fā)展的基礎(chǔ)性、先導性產(chǎn)業(yè),為數(shù)字經(jīng)濟發(fā)展提供技術(shù)、產(chǎn)品、服務(wù)和解決方案等[6]。數(shù)字產(chǎn)業(yè)的發(fā)展推動了數(shù)字技術(shù)、數(shù)字產(chǎn)品不斷出新,不僅打造出新的經(jīng)濟增長動能,更能促進制造業(yè)、農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型,進一步深挖傳統(tǒng)產(chǎn)業(yè)的增長潛力。目前,國內(nèi)外學者針對數(shù)字產(chǎn)業(yè)(或ICT產(chǎn)業(yè))的探討也日益豐富。與本文相關(guān)的文獻主要包括兩類:數(shù)字經(jīng)濟發(fā)展綜合評價領(lǐng)域大多沿著構(gòu)建指標體系、改進評價方法等方向,圍繞產(chǎn)業(yè)競爭力[7]、產(chǎn)業(yè)創(chuàng)新效率[8-9]、產(chǎn)業(yè)創(chuàng)新水平[10]等角度展開。李旭輝等[11]運用改進的CRITIC賦權(quán)法評價了我國三大經(jīng)濟圈新一代信息技術(shù)產(chǎn)業(yè)競爭力;劉亦文和歐陽瑩[12]采用SBM超效率模型測算了我國28個省份新一代信息技術(shù)產(chǎn)業(yè)的創(chuàng)新效率;李佳等[13]運用三階段DEA方法評價了我國數(shù)字產(chǎn)業(yè)細分行業(yè)的持續(xù)創(chuàng)新水平。數(shù)字產(chǎn)業(yè)發(fā)展驅(qū)動因素的研究主要從宏觀、微觀兩個維度展開。宏觀方面,不少學者認為經(jīng)濟基礎(chǔ)、開放性程度、市場化水平、R&D水平等是數(shù)字產(chǎn)業(yè)發(fā)展的關(guān)鍵因素[14]。微觀方面,劉婧等[15]研究發(fā)現(xiàn)用地成本、產(chǎn)業(yè)基礎(chǔ)、人力資本等因素對數(shù)字企業(yè)區(qū)位選擇有顯著影響;毛豐付等[16]以長江經(jīng)濟帶1375971家數(shù)字產(chǎn)業(yè)企業(yè)為樣本,研究發(fā)現(xiàn)制造型數(shù)字產(chǎn)業(yè)主要受經(jīng)濟發(fā)展水平影響,而服務(wù)型數(shù)字產(chǎn)業(yè)則受信息化發(fā)展?jié)撃苡绊懜用黠@。

綜上所述,學術(shù)界關(guān)于數(shù)字產(chǎn)業(yè)發(fā)展的研究視角主要集中于全國、省際范圍,聚焦城市視角的并不多見,特別是城市視域下數(shù)字產(chǎn)業(yè)發(fā)展的差異性及空間關(guān)聯(lián)性研究還有待拓展。因此,本文以長三角城市群為研究對象,綜合評價各市數(shù)字產(chǎn)業(yè)發(fā)展水平,分析時空演變趨勢及空間關(guān)聯(lián)性特征,運用空間計量模型檢驗驅(qū)動因素,為長三角城市群縮小城市數(shù)字鴻溝、塑造區(qū)域一體化競爭新優(yōu)勢提供現(xiàn)實依據(jù)。

2 研究方法

2.1 CRITIC-熵權(quán)組合TOPSIS評價法

熵權(quán)法是根據(jù)各指標數(shù)據(jù)的分散程度,利用信息熵計算指標熵權(quán),再根據(jù)各指標對熵權(quán)進行一定修正,從而得到較為客觀的指標權(quán)重,但沒有考慮各指標間的對比強度和沖突性。而CRITIC方法是根據(jù)指標間的相關(guān)系數(shù)和指標自身的變異系數(shù)確定權(quán)重,綜合兩種方法獲取權(quán)重可以更全面客觀反映各指標的重要性。因此本文采用CRITIC-熵權(quán)組合與TOPSIS法進行綜合評價,計算步驟為:

首先,計算CRITIC熵權(quán)組合權(quán)重。參考傅為忠等[17]的做法,分別計算評價指標j的熵權(quán)φj和CRITIC權(quán)數(shù)νj,并假定兩種權(quán)數(shù)具有相同的重要性,構(gòu)建組合權(quán)重Wj:

Wj=(φj+νj)/2

(1)

Zij=(Yij·Wj)m×n

(2)

則最優(yōu)值、最劣值及其距離為:

(3)

最后,評價地區(qū)i與最優(yōu)值的相對接近度Si,即綜合得分

(4)

0≤Si≤1,取值越大說明該城市的數(shù)字產(chǎn)業(yè)發(fā)展水平越高。

2.2 空間自相關(guān)分析

全域莫蘭指數(shù)(Moran’s I)是檢驗全域空間自相關(guān)最常用的統(tǒng)計量,也是建立空間回歸模型的前提。計算公式如下:

(5)

其中,x為各市數(shù)字產(chǎn)業(yè)綜合得分,S2為樣本方差;Wij為空間權(quán)重矩陣。一般來看,Moran’s I的取值區(qū)間為[-1,1],大于0表示正向的空間自相關(guān),即空間集聚現(xiàn)象;小于0表示負向的空間自相關(guān),即空間分散,0則為隨機分布。

全域莫蘭指數(shù)分解到各市即為局域莫蘭指數(shù)(Local Moran’s I),可用來測度第i市與鄰近市觀測值的相似程度,公式如下:

(6)

將局域莫蘭指數(shù)作散點圖,Ⅰ、Ⅲ象限分別為高-高集聚區(qū)和低-低集聚區(qū),Ⅱ、Ⅳ象限分別為低-高分異區(qū)和高-低分異區(qū)。

2.3 空間計量模型

常用的空間面板模型有空間自回歸模型(SAR)、空間誤差模型(SEM)、空間杜賓模型(SDM)和廣義空間自回歸模型(SAC),模型分別為:

Yit=ρW·Yit+Xitβ+εit

Yit=Xitβ+εit,εit=λWεit+νit

Yit=ρW·Yit+Xitβ+WXitθ+εit

Yit=ρW·Yit+Xitβ+εit,εit=λWεit+νit

(7)

其中,Yit為被解釋變量,Xit為解釋變量,ρ表示空間自回歸系數(shù),W表示空間權(quán)重矩陣,β表示待估計的解釋變量參數(shù),θ表示待估計的自變量空間滯后項參數(shù),ε、ν表示隨機誤差項。

不同模型假定的空間傳導機制不同,適用的情境也不同。SAR假定空間相互作用的影響(即考慮解釋變量的空間滯后),SEM假定空間隨機沖擊的影響(即考慮誤差項的空間滯后),SDM假定一個區(qū)域的被解釋變量受到相鄰區(qū)域解釋變量的影響(即考慮解釋變量的空間滯后)。有研究認為空間計量模型的選擇應(yīng)當遵循“SAR/SEM-SDM-SAC”的路徑,先對空間滯后和空間誤差的顯著性進行檢驗,由此判斷能否對SDM進行簡化。為保證結(jié)果的穩(wěn)健性,本文對四種形式的空間計量模型都進行嘗試。

3 長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展水平及其時空演化

3.1 指標體系及數(shù)據(jù)來源

本研究借鑒于長鉞等[18]、李旭輝等[11]的研究成果,基于行業(yè)視角,綜合考慮指標直觀性、科學性和數(shù)據(jù)的可獲得性,以計算機、通信和其他電子設(shè)備制造業(yè)與信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)兩個數(shù)字產(chǎn)業(yè)的核心產(chǎn)業(yè)為研究范圍,從產(chǎn)業(yè)設(shè)施、產(chǎn)業(yè)規(guī)模、經(jīng)濟效益和產(chǎn)業(yè)創(chuàng)新4個維度構(gòu)建評價指標體系,具體見表1。

表1 數(shù)字產(chǎn)業(yè)指標體系

產(chǎn)業(yè)設(shè)施是指以信息和通信網(wǎng)絡(luò)為基礎(chǔ)的新一代信息技術(shù)演化生成的物質(zhì)工程設(shè)施,如5G、物聯(lián)網(wǎng)、數(shù)據(jù)中心、人工智能、衛(wèi)星通信、區(qū)塊鏈等,也是工業(yè)互聯(lián)網(wǎng)、智慧物流設(shè)施、智慧環(huán)境資源設(shè)施、智慧城市設(shè)施等新型基礎(chǔ)設(shè)施建設(shè)的構(gòu)建基礎(chǔ)?；A(chǔ)設(shè)施建設(shè)水平的高低決定了數(shù)字產(chǎn)業(yè)發(fā)展的支撐能力?？紤]到指標數(shù)據(jù)的可比性,本研究以城市人均電信業(yè)務(wù)收入和固寬普及率兩個二級指標衡量數(shù)字產(chǎn)業(yè)的基礎(chǔ)設(shè)施情況,相關(guān)數(shù)據(jù)來自于國研網(wǎng)數(shù)據(jù)庫,部分缺失值則利用各市統(tǒng)計年鑒相關(guān)指標進行插補。

產(chǎn)業(yè)規(guī)模和經(jīng)濟效益是直觀體現(xiàn)數(shù)字產(chǎn)業(yè)發(fā)展體量和質(zhì)量的維度。本研究根據(jù)制造業(yè)和服務(wù)業(yè)的異質(zhì)性特征,分別以計算機、通信和其他電子設(shè)備制造業(yè)的規(guī)模以上企業(yè)數(shù)、總產(chǎn)值、固定資產(chǎn)凈值,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)衡量產(chǎn)業(yè)整體規(guī)模;以計算機、通信和其他電子設(shè)備制造業(yè)利潤總額,主營業(yè)務(wù)收入和信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)增加值衡量產(chǎn)業(yè)發(fā)展質(zhì)量,即經(jīng)濟效益維度。相關(guān)數(shù)據(jù)均來自于各市統(tǒng)計年鑒。

數(shù)字產(chǎn)業(yè)本身就是高新技術(shù)產(chǎn)業(yè)中的一部分,具有高新技術(shù)的創(chuàng)新特性,且創(chuàng)新性決定了數(shù)字產(chǎn)業(yè)的高端化水平和未來發(fā)展趨勢。王歡芳等[19]以區(qū)域整體創(chuàng)新投入和產(chǎn)出作為衡量指標,但指標范圍過寬,難以準確衡量數(shù)字產(chǎn)業(yè)的創(chuàng)新水平,而基于各市的信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)的創(chuàng)新指標幾乎空白,故選取計算機、通信和其他電子設(shè)備制造業(yè)的R&D研發(fā)人員和R&D經(jīng)費支出作為衡量產(chǎn)業(yè)創(chuàng)新水平的指標。相關(guān)數(shù)據(jù)來自于各市統(tǒng)計年鑒。

3.2 綜合評價結(jié)果及分析

根據(jù)熵權(quán)法和CRITIC法計算得到組合權(quán)重,結(jié)果見表2。將表中的組合權(quán)重與標準化數(shù)據(jù)代入式(2)(3)(4),計算得到長三角主要城市數(shù)字產(chǎn)業(yè)的綜合發(fā)展水平,如表3所示。

表2 熵值-CRITIC法組合權(quán)重

表3 長三角25城數(shù)字產(chǎn)業(yè)CRITIC-熵權(quán)組合的TOPSIS得分

總體來看,2010—2020年長三角城市群25個城市的數(shù)字產(chǎn)業(yè)綜合發(fā)展水平大體呈現(xiàn)上升趨勢。2010年,長三角25城數(shù)字產(chǎn)業(yè)的平均得分僅為0.1,到2015年增長為0.13,2020年為0.19,反映出近五年來該區(qū)域數(shù)字產(chǎn)業(yè)的增長速度明顯加快。然而主要城市的數(shù)字產(chǎn)業(yè)發(fā)展具有明顯差異。2020年,上海綜合得分大于0.6,排名第一,處于長三角地區(qū)最高發(fā)展水平;其次是蘇州、杭州、南京、無錫,綜合得分均在0.3～0.6,數(shù)字產(chǎn)業(yè)處于較高的發(fā)展水平;合肥、寧波、嘉興、常州、湖州等城市綜合得分超過平均水平0.1376,但低于0.3,處于中等偏上的發(fā)展水平;金華、泰州、溫州、南通、滁州、馬鞍山、紹興等城市綜合得分在0.1～0.1376,處于中等偏下的發(fā)展水平;揚州、舟山、鹽城、蕪湖、宣城、池州、銅陵、安慶等城市綜合得分低于0.1,處于低發(fā)展水平?？傮w來看,當前上海與浙江、江蘇主要城市的數(shù)字產(chǎn)業(yè)發(fā)展水平明顯更高,而安徽省整體較為落后,蕪湖、宣城、池州、銅陵、安慶等市均低于平均得分,僅合肥超過平均得分,排名第六,但與蘇杭相比,還有較大差距。

從發(fā)展趨勢上看,上海和蘇州處于我國先進制造業(yè)發(fā)展的首位和第五位城市(《2020先進制造業(yè)城市發(fā)展指數(shù)》),數(shù)字產(chǎn)業(yè)一直保持高位增長,得分分別由2010年的0.4138和0.4745增長到2020年的0.6554和0.5578,在長三角地區(qū)處于明顯的領(lǐng)先地位。其中,蘇州的數(shù)字制造業(yè)具有明顯的區(qū)位優(yōu)勢。事實上,電子信息產(chǎn)業(yè)作為蘇州的四大支柱產(chǎn)業(yè)之一,經(jīng)過多年的積累沉淀,已形成較為完整的上下游產(chǎn)業(yè)鏈和具有國際競爭力的產(chǎn)業(yè)集群。2021年,蘇州電子信息產(chǎn)業(yè)總產(chǎn)值達1.16萬億元,位列全國第一方陣,已成為我國重要的電子信息產(chǎn)業(yè)生產(chǎn)基地。作為電商之都的杭州,數(shù)字產(chǎn)業(yè)綜合得分由2010年中等發(fā)展水平的0.1575,快速增長到2020年較高發(fā)展水平的0.4643,年均增長率達11.4%。主要得益于阿里巴巴引領(lǐng)的跨境電商、數(shù)字貿(mào)易的快速崛起,帶動了軟件和信息服務(wù)業(yè)等相關(guān)數(shù)字產(chǎn)業(yè)的高質(zhì)量發(fā)展。在長三角25城市中,合肥雖然最初處于較低水平,但發(fā)展速度呈現(xiàn)迅猛趨勢,綜合得分由2010年的0.0513增長到2020年的0.2183,年均增長率約為15.58%。滁州雖然當前處于中等偏下水平,但發(fā)展勢頭也很明顯,年均增長率達到了17.3%。而安慶、銅陵、池州、蕪湖、宣城等市近十年來數(shù)字產(chǎn)業(yè)發(fā)展十分緩慢,綜合得分一直處于較低發(fā)展階段,沒有非常明顯的變化。

3.3 空間集聚態(tài)勢分析

本文采用歐式地理反距離空間權(quán)重矩陣,即以各市中心點直線距離的倒數(shù)作為權(quán)重,利用Arcgis計算長三角城市群各市數(shù)字產(chǎn)業(yè)發(fā)展水平的空間關(guān)聯(lián)性及其分布規(guī)律(見表4)。長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展的全域Moran’s I均大于0,2010—2018年在5%顯著性水平下通過檢驗,表示樣本在95%的可信度上為集聚狀態(tài),而顯著偏離了隨機分布;2019和2020年的顯著性水平分別為0.05和0.069,在10%的顯著性下通過檢驗,表示樣本這兩年在90%的可信度上為集聚狀態(tài),顯著偏離了隨機分布?？傮w而言,2010—2020年長三角各城市數(shù)字產(chǎn)業(yè)發(fā)展具有較為顯著的空間依賴性,存在正向的空間自相關(guān)性,反映各市數(shù)字產(chǎn)業(yè)發(fā)展具有明顯的空間集聚特征。但Moran’s I值逐年下降,表明空間集聚特征有所減弱,可能是因為各市數(shù)字產(chǎn)業(yè)發(fā)展的分異化逐漸增加。

表4 長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展的全域空間自相關(guān)指數(shù)

結(jié)合主要年份的局域Moran’s I散點圖(圖1),進一步分析各市數(shù)字產(chǎn)業(yè)與周圍鄰近市集聚或分異的關(guān)系變化。在2011年和2020年兩個時間截面中,位于第Ⅰ、Ⅱ、Ⅲ、Ⅳ象限的城市數(shù)量所占比例分別為12%、32%、42%和14%。其中,第Ⅲ象限所占比例最高,是長三角城市群數(shù)字產(chǎn)業(yè)空間關(guān)聯(lián)的主要類型,即以“低-低”集聚為主,而“高-高”集聚(第Ⅰ象限)占比偏低。另一方面,2020年相對2011年來說,第Ⅱ象限和第Ⅳ象限的城市數(shù)量占比有所上升,即“低-高”分異區(qū)和“高-低”分異區(qū)的城市數(shù)量增加,表明長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展的空間關(guān)聯(lián)性減弱,空間分異特征增強,呈現(xiàn)出強者俞強、弱者俞弱的兩級發(fā)展趨勢,較高發(fā)展水平地區(qū)的輻射帶動作用有限。具體來看,上海、蘇州、無錫三市一直處于第Ⅰ象限,即“高-高”集聚區(qū),其數(shù)字產(chǎn)業(yè)不僅自身發(fā)展較好,地理坐標周圍城市數(shù)字產(chǎn)業(yè)發(fā)展也相對較好;宣城、蕪湖、銅陵、安慶、池州、馬鞍山、揚州、溫州、鹽城等市一直位于第Ⅲ象限,即低-低集聚區(qū),其數(shù)字產(chǎn)業(yè)不僅自身發(fā)展水平偏低,周邊鄰近城市發(fā)展水平也偏低。杭州、南京、寧波一直位于第Ⅳ象限,即“高-低”集聚區(qū),自身數(shù)字產(chǎn)業(yè)發(fā)展水平較高,但周邊城市發(fā)展水平偏低,表明其數(shù)字產(chǎn)業(yè)發(fā)展對周邊城市數(shù)字產(chǎn)業(yè)的輻射帶動作用沒有明顯體現(xiàn)。值得一提的是合肥市,其數(shù)字產(chǎn)業(yè)由2011年的“低-低”集聚區(qū)突圍而出,進入到2020年的“高-低”分異區(qū)。

圖1 2011年和2020年長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展的局域莫蘭散點

4 長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展的驅(qū)動因素分析

4.1 變量選取說明

本文的研究對象為數(shù)字產(chǎn)業(yè)綜合發(fā)展水平,相關(guān)解釋變量的獲取主要參考國內(nèi)學者陳美華等[20]、曾武佳等[21]有關(guān)數(shù)字產(chǎn)業(yè)等高新技術(shù)產(chǎn)業(yè)的研究結(jié)論(見表5)。采用面板數(shù)據(jù)單位根檢驗發(fā)現(xiàn),數(shù)字產(chǎn)業(yè)綜合得分(ITS)為非平穩(wěn)面板數(shù)據(jù),參考姚震宇[22]的做法采用對數(shù)化處理,考慮到數(shù)字產(chǎn)業(yè)綜合得分在0～1,對數(shù)化后為負值,故將其乘100后再取對數(shù)作為被解釋變量。

表5 相關(guān)變量選取說明

經(jīng)濟基礎(chǔ)(EF) 經(jīng)濟基礎(chǔ)是數(shù)字產(chǎn)業(yè)發(fā)展的保障。擁有良好經(jīng)濟基礎(chǔ)的城市,可以投入更多經(jīng)費用于高效集約的現(xiàn)代化基礎(chǔ)設(shè)施建設(shè),提高人才、信息、資金等要素的流通速度,從而提高數(shù)字企業(yè)的生產(chǎn)效率,本文選擇人均GDP的對數(shù)衡量各城市的經(jīng)濟基礎(chǔ)。

金融資本便利性(IFI) 數(shù)字產(chǎn)業(yè)兼具高技術(shù)產(chǎn)業(yè)發(fā)展的高風險高投入特征,金融資本不僅有利于數(shù)字技術(shù)及其產(chǎn)品的研發(fā)和推廣,同時城市金融資本獲得的便利性也能加速其他制造業(yè)、農(nóng)業(yè)等傳統(tǒng)產(chǎn)業(yè)的信息化、智能化改造,進而提高數(shù)字產(chǎn)業(yè)的引導性和滲透性。本文選擇“北京大學普惠金融指數(shù)”[23]的對數(shù)來衡量各城市金融資本獲得的便利性。

人力資本(HC) 人力資本對數(shù)字產(chǎn)業(yè)的發(fā)展具有不可替代的作用。一方面,專業(yè)技術(shù)人才憑借自身能力與知識經(jīng)驗,能夠突破關(guān)鍵技術(shù)、改進生產(chǎn)工藝、研發(fā)新產(chǎn)品和創(chuàng)新生產(chǎn)運營模式等,進而推動數(shù)字產(chǎn)業(yè)發(fā)展。另一方面,城市人才聚集,促進了知識和信息傳播從而產(chǎn)生外溢效應(yīng),加快了生產(chǎn)生活智能應(yīng)用場景的建設(shè)和推廣,進一步帶動了數(shù)字技術(shù)的創(chuàng)新和應(yīng)用。本文以每萬人高校在校生人數(shù)的對數(shù)衡量其人力資本相對量。

政府教育支持(ES)和政府科研支持(ST) 數(shù)字產(chǎn)業(yè)的發(fā)展離不開政策引導和政府扶持。一方面,政府教育支持是地方人力資本積累和研究人才培育的重要支撐,政府科研支持則能緩解企業(yè)研發(fā)資本約束,降低企業(yè)科研風險。本文以財政支出中人均教育經(jīng)費支出和人均科研經(jīng)費支出的對數(shù)衡量地方政府在教育支持和科研支持上的投入力度。

經(jīng)濟開放性程度(FTD) 經(jīng)濟開放性程度越高,越能促進數(shù)字技術(shù)企業(yè)間的競爭,進而優(yōu)化市場要素資源分配,帶動數(shù)字技術(shù)產(chǎn)業(yè)的創(chuàng)新發(fā)展。本文以進出口總額與GDP的比值衡量各市的經(jīng)濟開放性程度。

市場化水平(MI) 良好的制度環(huán)境可以調(diào)動生產(chǎn)和研發(fā)的積極性,增加數(shù)字產(chǎn)業(yè)的產(chǎn)出效率。本文以樊綱市場化指數(shù)的對數(shù)反映各市的制度環(huán)境。

4.2 基準回歸結(jié)果

由于空間計量模型要求面板數(shù)據(jù)必須為平衡面板,而普惠金融指數(shù)的編制年份為2011—2020年,因此本研究以2011—2020年的樣本進行實證分析。首先進行混合回歸,然后運用LM檢驗空間計量模型是否優(yōu)于混合回歸模型,結(jié)果均顯著,表明需建立空間計量模型。Hausman檢驗后,表明固定效應(yīng)優(yōu)于隨機效應(yīng),因此在進行SAR、SEM、SDM、SAC估計時,均采用固定效應(yīng),以反距離空間權(quán)重矩陣作為空間權(quán)重因子。結(jié)果如表6所示。

表6 數(shù)字產(chǎn)業(yè)驅(qū)動因素估計結(jié)果

比較各模型的可決系數(shù)R2和極大似然值,并經(jīng)過LR檢驗后,認為具有時空固定效應(yīng)的空間杜賓模型(SDM)估計更為合適。其中,空間自回歸系數(shù)ρ在10%的顯著性水平下顯著,表明城市間數(shù)字產(chǎn)業(yè)發(fā)展具有一定的正向依賴性,與前文空間自相關(guān)性分析結(jié)果基本一致,即長三角城市群數(shù)字產(chǎn)業(yè)存在著一定的空間集聚特征(高值集聚或低值集聚)。雖然空間杜賓模型可以估計自變量及其空間滯后項的估計系數(shù),但該系數(shù)值并非真實對因變量作用的大小[24],特別是在估計中使用空間距離權(quán)重矩陣,需要進一步對其空間效應(yīng)進行分解,結(jié)果見表7。

表7 空間效應(yīng)分解

經(jīng)濟基礎(chǔ)(EF) 直接效應(yīng)系數(shù)為0.118,通過了5%的顯著性檢驗,表明本地城市經(jīng)濟基礎(chǔ)越好,數(shù)字產(chǎn)業(yè)發(fā)展水平越高,這與毛豐付等[16]的研究結(jié)論相一致。間接效應(yīng)系數(shù)則未通過10%顯著性水平檢驗,表明鄰近城市經(jīng)濟基礎(chǔ)對本地城市數(shù)字產(chǎn)業(yè)發(fā)展尚未形成顯著的影響。事實上,鄰近城市經(jīng)濟基礎(chǔ)對本地城市數(shù)字產(chǎn)業(yè)發(fā)展的影響取決于兩個方面,一方面是鄰近城市經(jīng)濟基礎(chǔ)的改善會促使本地城市學習、模仿和追隨,即同群效應(yīng)[25],從而有利于本地城市數(shù)字產(chǎn)業(yè)的發(fā)展;另一方面則是本地城市的流動性資源會因其逐利性而流向鄰近經(jīng)濟基礎(chǔ)較好的城市,從而不利于本地城市數(shù)字產(chǎn)業(yè)的發(fā)展。

金融資本便利性(IFI) 直接效應(yīng)系數(shù)為0.565,通過了1%的顯著性檢驗,表明金融資本普惠性越強的城市,越能促進數(shù)字技術(shù)的推廣,推動數(shù)字產(chǎn)業(yè)發(fā)展。間接效應(yīng)系數(shù)為-0.263,且顯著,反映鄰近城市金融資本便利性會通過負向空間溢出效應(yīng)抑制本地數(shù)字產(chǎn)業(yè)的發(fā)展。主要原因是資本的“虹吸效應(yīng)”,即鄰近城市金融便利性水平越高,會進一步吸引和集聚周邊城市的金融資本[26],從而導致本地城市資本流失,數(shù)字產(chǎn)業(yè)發(fā)展受阻。

人力資本(HC) 直接效應(yīng)系數(shù)為0.158,且通過5%的顯著性檢驗,表明人力資本的提升對本地數(shù)字產(chǎn)業(yè)發(fā)展有顯著的促進作用,這與張帥等[27]的研究結(jié)論相一致。間接效應(yīng)系數(shù)為0.102,且通過10%的顯著性檢驗,表明鄰近城市人力資本提升對本地城市數(shù)字產(chǎn)業(yè)發(fā)展具有顯著促進作用。隨著長三角一體化的發(fā)展,勞動力要素在城市群內(nèi)部的流動愈加頻繁,人力資本對數(shù)字產(chǎn)業(yè)發(fā)展的空間外溢效應(yīng)也會逐步顯現(xiàn)。

政府教育支持(ES) 直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)均不顯著,可能的原因是數(shù)字產(chǎn)業(yè)屬于資本和技術(shù)密集型產(chǎn)業(yè),而根據(jù)蔣玉成和賈婷月[28]的研究,教育支出對資本、技術(shù)密集型產(chǎn)業(yè)的影響有限。

政府科研支持(ST) 直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)分別為0.076和-0.204,均通過5%的顯著性檢驗,表明本地政府在科研上的支持和投入越大,即創(chuàng)新資金投入越大,越能促進數(shù)字產(chǎn)業(yè)的創(chuàng)新發(fā)展,鄰近城市政府科研支持力度的增強則會通過空間溢出效應(yīng)限制本地數(shù)字產(chǎn)業(yè)發(fā)展。主要原因在于數(shù)字產(chǎn)業(yè)作為高新技術(shù)產(chǎn)業(yè),政府科研支持是降低研發(fā)風險的重要保障,數(shù)字企業(yè)會優(yōu)先選擇政府支持力度大的城市落戶,從而形成對鄰近城市數(shù)字產(chǎn)業(yè)的競爭性限制。

經(jīng)濟開放性程度(FTD) 直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)分別為0.324和0.758,均通過了1%的顯著性檢驗,表明本地城市經(jīng)濟開放性程度越高,越能促進數(shù)字產(chǎn)業(yè)發(fā)展,且鄰近城市開放性程度的提升會通過空間溢出促進本地城市數(shù)字產(chǎn)業(yè)發(fā)展。這與焦帥碧等的研究相一致[29]。主要原因在于數(shù)字產(chǎn)業(yè)本身的高新技術(shù)特性,需要加強與外界交流合作,以通過知識和技術(shù)外溢來促進自身發(fā)展,同時也能帶動鄰近城市數(shù)字產(chǎn)業(yè)發(fā)展。

市場化水平(MI) 直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)均不顯著,可能的原因是隨著長三角一體化發(fā)展,使得城市群內(nèi)各市的市場化水平差異較小[30],但各市數(shù)字產(chǎn)業(yè)發(fā)展則呈現(xiàn)出明顯的差異化特征,從而使得兩者相關(guān)性較弱。

4.3 穩(wěn)健性檢驗

為了保證估計結(jié)果的可靠性,本研究基于不同空間權(quán)重矩陣進行估計結(jié)果的穩(wěn)健性驗證。選擇一階Queen近鄰矩陣做為空間權(quán)重矩陣,再次建立空間自回歸模型(SAR)、空間誤差模型(SEM)、空間杜賓模型(SDM)和廣義空間自回歸模型(SAC),所得結(jié)果如表8所示。

表8 基于Queen近鄰矩陣的回歸結(jié)果

由表8可知,替換Queen近鄰空間權(quán)重矩陣后的回歸結(jié)果與表6基本一致,經(jīng)濟基礎(chǔ)(EF)、金融資本便利性(IFI)、人力資本(HC)、政府科研支持(ST)和經(jīng)濟開放性程度(FTD)的回歸系數(shù)均在10%水平下顯著且為正,Queen空間權(quán)重矩陣與關(guān)鍵解釋變量的交互項W·IFI、W·HC、W·ST、W·FTD的回歸系數(shù)方向也與基準估計結(jié)果相近,且均在10%水平下顯著,進一步反映了估計結(jié)果的一致性和穩(wěn)健性。

5 結(jié)論和建議

本文綜合運用綜合評價、空間自相關(guān)、空間計量等方法對長三角區(qū)域主要城市的數(shù)字產(chǎn)業(yè)發(fā)展水平、時空演變及驅(qū)動因素等進行了分析。結(jié)果表明:首先,長三角城市群數(shù)字產(chǎn)業(yè)發(fā)展水平綜合得分差異明顯,上海、蘇州、杭州、南京、無錫綜合得分較高,而安慶、蕪湖、宣城、池州、揚州、鹽城等市綜合得分偏低。第二,數(shù)字產(chǎn)業(yè)發(fā)展自身具有顯著的空間正相關(guān)特征,即相鄰城市或者距離較近的城市存在著數(shù)字產(chǎn)業(yè)空間高-高集聚或低-低集聚的特征。第三,經(jīng)濟基礎(chǔ)、金融資本便利性、人力資本、經(jīng)濟開放性水平、科研支出水平對本地數(shù)字產(chǎn)業(yè)的發(fā)展具有顯著正向影響。人力資本、經(jīng)濟開放性程度具有顯著的正向空間溢出效應(yīng),即鄰近城市人力資本水平、經(jīng)濟開放性程度越高,對本地城市數(shù)字產(chǎn)業(yè)發(fā)展有顯著促進作用;金融資本便利性、政府科研支持則有顯著的負向空間溢出效應(yīng),即鄰近城市的金融資本獲取越便利、政府科研支持水平越高,越不利于本地城市數(shù)字產(chǎn)業(yè)發(fā)展。根據(jù)以上結(jié)論,提出以下建議:

一是完善基礎(chǔ)設(shè)施建設(shè),推動產(chǎn)業(yè)高端化升級?；A(chǔ)設(shè)施建設(shè)是產(chǎn)業(yè)發(fā)展的基礎(chǔ)條件,完善的基礎(chǔ)設(shè)施建設(shè)有利于吸引勞動力、資本等流動性要素,從而帶動產(chǎn)業(yè)協(xié)同集聚,促進產(chǎn)業(yè)升級。一方面,要補足交通、能源、水利等傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)的短板,著力構(gòu)建大學科技園區(qū)和企業(yè)孵化器等,從硬件和軟件方面促進合作創(chuàng)新基礎(chǔ)設(shè)施平臺建設(shè);另一方面,適時加大“新基建”投資力度,充分發(fā)揮5G、互聯(lián)網(wǎng)、大數(shù)據(jù)等新型高端技術(shù)對數(shù)字產(chǎn)業(yè)發(fā)展的推動作用。

二是要加強創(chuàng)新投入力度,培育專業(yè)化人才隊伍。數(shù)字產(chǎn)業(yè)是以數(shù)字技術(shù)及其衍生物為內(nèi)卷動力,為充分激發(fā)數(shù)字技術(shù)的潛力與優(yōu)勢,需要培育人工智能、信息網(wǎng)絡(luò)、大數(shù)據(jù)、云服務(wù)等數(shù)字技術(shù)多層次復合型人才,形成一套完整的人才培養(yǎng)和配置體系,為創(chuàng)新發(fā)展持續(xù)地注入動能。

三是深化城市群內(nèi)部合作,塑造一體化、開放性的營商環(huán)境。通過整合數(shù)字技術(shù)資源稟賦與產(chǎn)業(yè)優(yōu)勢,深化城市群內(nèi)的多層次、多元化分工協(xié)作體制,打造有效銜接的數(shù)字產(chǎn)業(yè)網(wǎng)絡(luò)組織體系,推動區(qū)域內(nèi)聯(lián)動發(fā)展,改變數(shù)字產(chǎn)業(yè)發(fā)展的“中心強周邊弱”趨勢。