基于GWR模型的互聯網對第三產業區域影響研究
——以2012與2016年中國各省橫截面數據為例

盧新元，張孜銘，李思虹，曾培春， 陳柯帆

(1.華中師范大學信息管理學院，湖北武漢 430079；2.湖北省電子商務研究中心，湖北武漢 430079；3.華中師范大學經濟與工商管理學院，湖北武漢 430079)

第三產業的區域發展水平是衡量該區域內經濟狀況的重要參考指標。隨著現代經濟的發展，產業結構的不斷優化，第三產業在國民經濟中的地位日益突出。步入21世紀以來，互聯網的發展為第三產業注入了新的動力。2015年7月4日，國務院頒布的《國務院關于積極推進“互聯網+”行動的指導意見》(國發〔2015〕40號)將“互聯網+”行動上升至國家戰略層面，提出要建立“網絡化、智能化、服務化、協同化”的“互聯網+”產業生態體系[1]，進一步強調了“互聯網”的發展對于第三產業的驅動作用。

但是，互聯網在促進經濟發展的同時也加劇了經濟的收斂性，地域之間的經濟差距日漸拉大[2]。由于中國幅員遼闊，各個省份具有迥異的經濟環境、資源稟賦和人文差異，互聯網對于第三產業的影響程度，會存在明顯的空間異質性[3]。現有文獻的相關研究多采用傳統OLS回歸模型的方式，研究互聯網與第三產業之間的關系[4-5]，未將造成區域異質性因素以變量形式納入經濟計量模型來探究其產生的影響和是否顯著等問題。因此，本文以中國互聯網轉型期的重要節點——2012和2016年，年度橫截面分省數據為例，采用GWR模型進行實證分析，從空間相關性和空間異質性兩個角度探究各省份互聯網對第三產業的影響，并為區域產業經濟的發展提出合理建議。

1 研究綜述

對于中國這樣一個發展中國家而言，產業的成長是以存在一個明確的世界技術前沿為前提的，而其順著產業階梯拾級而上的過程，即產業結構的升級[6]。互聯網作為第三次科技革命的代表性技術，在產業結構高度化過程中的作用不容小覷，即它作為開拓性的技術革新力量，促進著中國的經濟重心由一、二產業向第三產業轉移。從理論視角看，Ngai等[7]的研究認為跨部門全要素生產(Total Factor Productivity，TFP)的差異將推動一個國家的產業結構調整，而互聯網對屬于技術進步推動型的中國全要素生產率有著顯著的促進作用[8]。實證研究方面，Cardona等[9]通過實證分析發現互聯網通信技術通過改變產業的技術效率、組織形式和產業競爭力來推動產業結構調整，這也一定程度上反映了Rosenstein-Rodan[10]“大推動”理論(The Big Push)的預測——良好的硬件設施能在短時間內得到迅速改善。國內的諸多文獻也論述了互聯網對于第三產業的這種反哺作用。比如徐偉呈等人[11]的研究發現互聯網技術進步能夠促進全國產業結構趨于高度化，互聯網創新成果與服務業的融合極大地推動了服務業的產值增長和生產率。張軍濤等人[12]通過構建城市創新能力評價指標體系，對六大互聯網產業核心城市的創新能力進行了評價和比較研究，提出應從宏觀層面規劃統籌移動互聯網的產業布局和結構調整，推動互聯網產業升級。

然而，這些研究雖然在探討互聯網與第三產業協同發展時都綜合考慮了產業布局因素，但鮮有研究將這種布局背后的空間相關性與異質性進行專門解讀。中國幅員遼闊，經濟文化環境迥異，居民的受教育程度也有所不同，因此智力資源的分布存在著顯著的地域性差異。互聯網產業屬于知識密集型產業，知識集聚區的空間溢出效應會對互聯網技術創新、經濟增長產生推動作用[13-14]。而結合中國具體情況，韓德超等人[15]借助對1987—2016年省級面板數據的統計分析發現，我國服務業的二元結構特征存在顯著的省際差異性，這也體現了研究互聯網和第三產業相互作用過程時加入空間因素聯合考慮的必要性。

在研究我國互聯網與第三產業的空間相關性和空間異質性方面，有兩類研究方法最具代表性：(1)基于傳統OLS回歸模型(Ordinary Least Square，OLS)的地域性數據分析：如李大明等人[16]通過多元線性回歸分析模型對影響全國各地現代服務業發展的因素進行實證分析，得出影響地區服務業發展差異的因素；(2)基于因子分析法的地域性數據分析：如尹楠[17]利用因子對應分析法和K-means聚類分析法對我國31個省、市、自治區的互聯網發展情況分析后發現互聯網發展水平與經濟發展程度的相關性，孫晶晶[18]采用因子分析的方法分析河南省各地市第三產業結構差異。這兩類方法對于空間平穩性數據的擬合與檢驗具有較好的效果，但若自變量間存在空間自相關性，則解釋效力大大減弱[19]。對于此類問題，一種叫做地理加權回歸(Geographically Weighted Regression，GWR)的方法曾在1996年由Brunsdon[20]提出。它允許自變量系數存在空間分異，可以有效探測空間非平穩性特征，在探討區域差異問題上具有空間回歸優勢。實證方面，GWR方法在區域經濟問題上尤其是知識溢出視角取得了良好的效果：如李曉飛等[21]通過GWR方法探究了知識溢出與區域經濟的關系問題，Caragliu等[22]運用GWR研究了知識溢出的傳播渠道，這些研究也證明了該方法在互聯網此類知識密集型產業區域經濟影響問題探究上的可行性。所以，本文以2012、2016年中國各省數據為例，采用GWR模型從區域差異視角研究中國互聯網對第三產業的影響，并為互聯網與第三產業發展提出合理建議。

2 研究設計

2.1 數據來源與變量選取

2011年是互聯網由PC時代到移動互聯網時代的重要轉折點，而到2015年，國家正式文件出臺將“互聯網+”與產業生態體系建設相聯系。故本文綜合考慮研究的問題和數據的可得性，選取兩個關鍵時間節點的次年，即2012、2016年衡量第三產業和互聯網發展情況的分省年度數據開展分析[23]。將第三產業地區發展總值(GDP)作為描述區域第三產業發展狀況的主要指標，選做因變量。根據國家數據劃分標準，互聯網主要發展指標分為以下九項：互聯網上網人數、域名數、網站數、網頁數、互聯網寬帶接入端口、互聯網撥號用戶、互聯網寬帶接入用戶、城市寬帶接入用戶、農村寬帶接入用戶。已有研究也多選取這些指標作為互聯網發展情況的主要衡量變量[24-25]。隨著互聯網技術的發展，撥號上網方式逐漸被廢棄，使用用戶較少，且和農村寬帶接入用戶數據一樣，部分省份存在嚴重的缺失，且互聯網寬帶接入用戶的指標涵蓋了城市寬帶接入用戶和農村寬帶接入用戶，所以本文在建立模型時去除互聯網撥號用戶、城市寬帶接入用戶、農村寬帶接入用戶這三項指標，將其余六項指標作為自變量。各變量的含義如表1所示。

表1 各變量含義及對第三產業的主要影響

因各變量之間存在數量級的差距，為避免帶寬選擇過大造成的回歸模型擬合度的降低，回歸前對所有變量進行以10為底取對數的預處理后再作為輸入數據，這樣能在不改變數據的性質和相關關系的同時，壓縮變量的尺度，預處理公式如(1)所示。

(1)

2.2 模型選擇

2.2.1 地理加權回歸(GWR)

地理加權回歸模型是傳統OLS回歸模型的擴展形式，它將變量的空間坐標納入到了模型之中，OLS與GWR模型的表達形式差異如公式(2)和(3)所示：

其中，xik表示第i個樣本點的第k個指標值，yi表示第i個樣本被解釋變量的擬合值。(ui,vi)是第i個樣本點的經緯度坐標，βk(ui,vi)是連續函數βk(u,v)在點i處的值。若βk(ui,vi)在空間內的任意點i處都具有相同的值，則GWR公式(3)就在全局等效于OLS公式(2)。

針對上述形式，GWR采用加權最小二乘法，通過樣本點本身和與其位置i相鄰的其他樣本點信息進行加權估計局部回歸系數，使局部回歸系數隨空間地理位置的變化而變化[26]，令

則局部回歸系數表達式如公式(4)所示：

(4)

其中，n表示樣本點個數。

，β0是β的估計值，

，win是對位置i處數據賦予的權重。

對于GWR模型中的權重，選用高斯核函數作為權重函數來表示與回歸點i的關系，其表達式如公式(5)所示：

上式(5)中，b為距離與權重之間函數關系的非負衰減參數，即帶寬。當b值給定時，距離回歸點i越遠的樣本點權重將越趨近于0，且b越大，空間權重隨著距離增減越慢。dy為預測點和實際點之間的歐氏距離。

為確定最佳帶寬，減少GWR模型的估計誤差，本文采用交叉確認法(Cross-validation, CV)來確定帶寬b[27]，該方法將不同帶寬分別計算CV值，通過尋找CV的最小值以確定帶寬，其表達式如(6)所示。

2.2.2 空間自相關

本文采用空間自相關的方法對各區域之間的依賴關系進行測量，主要包括：全局自相關和局部自相關。

(1)全局空間自相關。全局空間自相關是用于檢驗臨近區域間是否存在空間相關性，本文采用Moran’s I指數[28]進行衡量，該指數可以表示空間鄰近區域要素變量值的相似程度，其表達式如公式(7)所示：

(2)局部空間自相關。局部空間自相關是用來檢驗目標區域與其相鄰區域之間的空間關聯性和空間差異程度，其公式如(8)、(9)所示：

3 研究過程及結果分析

3.1 第三產業GDP空間分布特征

為探究互聯網對第三產業發展影響的省際差異，本文首先對中國2012年到2016年各省第三產業GDP的空間分布情況做出初步分析。分析結果如圖1所示，2012年第三產業GDP空間格局大體呈川字型格局，東部沿海地區水平最高，中部其次，西部最低。其中，江蘇、廣東兩省的第三產業GDP規模超過2萬億元，北京、山東、上海、浙江四省市的規模超過1萬億元，西藏、青海、寧夏、海南四省市的不足2 000億元。

圖1 2012、2016年第三產業GDP省際分布

而在2016年，東中西第三產業GDP分布的空間格局大體不變，但中部地區增長顯著。其中，北京、山東、浙江三省市的GDP規模躍居2萬億元梯隊，遼寧、河北、福建、河南、湖北、湖南、四川七省市的GDP規模超過1萬億，西藏、青海、寧夏三省市的GDP規模依舊未突破2 000億元關口。

就增長率而言，則呈現出內陸及中西部高、東部沿海及東北部低的格局。河南、重慶、四川的第三產業增長率最高，超過80%。安徽、江西、湖北、青海其次，遼寧省的增長率最低，僅為21.2%。各省5年增長率分布情況如圖2所示。

圖2 2012—2016年第三產業GDP增長率省際分布

3.2 GWR回歸模型構建

為探究互聯網發展各項主要指標對各省第三產業GDP的影響作用，本文利用Arcgis 10.2提取各省份幾何中心的經緯度坐標，使用GWR4.0分別選取2012年、2016年的橫截面數據，將互聯網發展各項指標與第三產業GDP進行地理加權回歸對比分析。部分省市回歸結果示例如表2(完整結果見附表A、附表B)。

表2 部分省市GWR回歸結果示例

表2(續)

上表中v和Std.v分別表示殘差和標準化殘差，Local R2代表該省局部的擬合效果，Influence和CooksD用于衡量觀察值對結果的影響力和影響距離。由2012年、2016年各省市回歸結果可以計算GWR回歸模型擬合精度相關指標如表3所示。

表3 2012、2016年GWR回歸模型擬合精度評價指標

表4 2012年 GWR回歸系數分布情況

表5 2016年 GWR回歸系數分布情況

結合時代背景，2012年正處于傳統互聯網到新型互聯網時代的轉型期，這一時期的互聯網經濟還保有工業經濟時代的相關特征——在價值鏈內部通過一系列的活動完成價值創造，通過激進的新技術去獲得商機，技術要素和市場要素是關鍵[29]。互聯網對于第三產業的價值主要受制于軟硬件設施方面，“網站”這一重要媒介為服務業、金融業等第三產業提供平臺，用戶的市場參與度也主要受寬帶端口接入的影響。而隨著后來移動互聯網的進一步發展，互聯網的新態勢全面帶動了社群經濟、知識經濟的發展，互聯網企業經營模式也轉變為C2B主導，用戶成為價值創造的主體，因此互聯網上網人數對第三產業GDP的影響力大大增強。

為探究各影響因素2012、2016年在省際上分布的空間相關性和空間異質性，將各省的回歸系數繪制成分布地圖做進一步分析。圖3—8中，每幅圖數據按照該組數據的上下分位點及中位數作為分界線分為五組。

圖3 2012、2016年上網人數因子回歸系數分布

圖4 2012、2016年域名數因子回歸系數分布

圖5 2012、2016年網站數因子回歸系數分布

由圖3—5可知，2012年、2016年互聯網上網人數的回歸系數在絕對數值大小分布上整體格局由南高北低變為北高南低。而2012年域名數系數則呈現東南高西北低的形勢，到2016年隨著域名的回歸系數由負值變為正值，東北地區域名數回歸系數數值顯著提升，且對該省第三產業GDP促進作用最大。南方省份的在各省系數大小的相對優勢不再明顯，內陸地區變化不大。網站數因子對各省的相對影響力情況基本不變，始終保持著西北高，東南低的特點。但青海、甘肅、內蒙古、云南省的系數影響力相對于其他省份有所減弱。

圖6 2012、2016年網頁數因子回歸系數分布

圖7 2012、2016年接入端口數因子回歸系數分布

圖8 2012、2016年接入用戶數因子回歸系數分布

由圖6—8可知，網頁數因子的回歸系數的分布相對穩定，盡管由2012年的負向影響轉變為2016年的正向影響，但依然呈現出西北高，東南低的局勢,而2016年四川、云南等地的網頁數因子對GDP的促進作用較2012年有了一定的提升。2012年接入端口數因子分布呈現西北高東南低的特點，隨著其與第三產業的關聯由正相關變為負相關，2016年沿海地區影響趨同化現象明顯，東北的回歸系數相對于其他省份系數的相對位次下降明顯，中西部系數的絕對大小相對于其他省份排序最前。接入用戶數系數各省在絕對數值的分布范圍變化不大，但各省排序南北異置，與互聯網上網用戶數因子分布相似。

3.3 空間相關性分析和檢驗

3.3.1 全局空間自相關

為檢驗GWR整體估計的顯著性，對模型進行全局自相關分析得到表6，其中，Z(I)為標準化后的正態分布統計量，E(I)為理論均值。由下表6可知，該GWR模型對于2012年、2016年在空間上全局分布的解釋效力均在5%的水平上顯著，對于2012—2016年增長率的解釋效力在1%水平上顯著。

表6 全局空間自相關分析

注：*表示在5%水平上顯著，**表示在1%水平上顯著。

3.3.2 局部空間自相關

對上述數據進行局部空間相關性分析可以確定各省份與周圍省份互聯網各指標對于第三產業影響的相似性和相異性。由圖9可知，2012、2016年山東及江浙一帶在相似性上顯著、廣東省在相異性上顯著；而在2012—2016年增長率方面東北地區(除黑龍江外)在低值相似性上顯著，中部地區四川、重慶、湖北、河南在高值相似性上顯著。

圖9 局部空間自相關分析

3.3.3 空間變異性檢驗

由表7和表8可知2012年各指標的各類準則綜合得到的DIFF值都為負值，即6個指標的空間變異性都具有顯著性。而該時期寬帶接入用戶數量造成了非常明顯的空間變異性，其F值達到了113.757。但是到2016年互聯網上網人數和網站數、寬帶接入用戶數對于第三產業的影響空間變異性不再顯著。這主要是由于互聯網產業的迅速發展帶來的用戶數量增多和網頁的增加，使得區域之間在用戶參與和網站建設方面的差異縮小。

表7 2012年空間變異性檢驗

表7(續)

表8 2016年空間變異性檢驗

3.4 結果分析

本文通過對2012年、2016年中國各省第三產業GDP數據進行初步分析后，根據六項互聯網指標建立GWR回歸模型，并進行空間相關性分析。研究發現，互聯網的發展對于第三產業影響具有明顯的地區差異，2012年這種影響主要來自于網站數、互聯網入端口數這類互聯網軟硬件基礎上，2016年主要來自于互聯網上網人數。就省際差異來說，五年內變動較大，以東北部、西南部變化最為明顯，涉及“人”這一因素的因子影響程度南北分布前后截然相反。在空間相關性方面，山東及江浙一帶與周邊表現出顯著的空間相關性，廣東省與鄰近地區有顯著的空間相異性，在增長率方面，中部內陸地區和東北部空間相關性顯著。造成以上區域分布特點的原因主要有以下幾點：

(1)區域要素稟賦效應。已有研究表明，我國的技術創新與產業發展遵循比較優勢原則，這一觀點又被稱為“要素稟賦論”[30]，即一個地區技術的自生能力，是與該地區的要素稟賦相適應的[31]。互聯網技術對于各省份第三產業發展的影響也受到不同區域要素稟賦影響。根據其影響因素的不同，可以劃分為兩個階段，第一階段是以技術要素為主的傳統互聯網階段，第二階段是以人才要素為主導的移動互聯網階段。東部及沿海地區因開放程度高，技術、人才、市場資源充沛，在剛剛步入移動互聯網時代的初期就已開始向第二階段做出轉換，而中西部內陸地區卻發展遲緩。當移動互聯網逐漸走向成熟，東部沿海地區產業發展進入收斂期，因要素稟賦驅動力不足而滯后發展的中西部內陸地區正處于產業發展的峰值，故而后期互聯網上網人數對于該區域第三產業的影響力更大。同時，一定時期內的區域要素稟賦是處于相對穩定狀態的，對于像域名數、網站數、接入端口數這類與區域技術、人才儲備直接相關的因素，隨著時間推移，省際布局變化不大。

(2)“服務眾包模式”下的知識溢出與社群經濟。根據新增長理論，知識溢出與物質資本類似，對區域經濟增長存在一定促進作用，這種增長來自于增強區域創新能力[31]，而“人”作為創新的主體，作用尤其突出。移動互聯網時代，用戶不再是單一的需求方，而成為價值的創造方，企業成為用戶提供服務與需求對接的平臺，這種模式也被稱為服務眾包模式[32]。用戶掌握了主導權，在服務業方面根據興趣、需求上的特點自發形成了一個個社群，而第三產業對于此類社群依賴性很高，這種全新模式也逐漸成為中國互聯網服務行業發展的主流。因此，互聯網上網人數對于第三產業GDP增長的促進作用越來越顯著，而知識溢出與社群經濟都具有一定的區域性，這就導致了這種促進作用出現了各區域之間的分異和區域內部的趨同現象。

(3)產業集聚與產業分散的交互作用。根據新經濟地理理論，隱性知識溢出的空間局域性特征加強了人才、產業的集聚，產業集聚的規模效應促進了產業的發展。阿里巴巴、騰訊、百度等互聯網巨頭集聚江浙一帶，大大帶動了周邊區域產業經濟的升級與發展，形成了高度的空間相關性。而在產業集聚的同時，因地域性產業分工重心的不同，勢必導致產業的分散，這也影響了該地域互聯網對于第三產業的作用力，也就是空間異質性的形成。產業集聚效應與分散效應的交替作用形成了當今各省的產業布局。

4 結論

4.1 理論貢獻

現有研究對于互聯網與第三產業關系的探討大多側重于要素側面，而未考慮區域上的分異，更未考慮這一分異在不同時期所產生的影響。鑒于中國地域遼闊，區域經濟文化環境差異較大，本文選取2012、2016年中國各省數據采用GWR模型對各省互聯網對于第三產業作用的空間相關性和異質性進行研究，力圖在新的發展時期為中國各地區產業結構的調整升級與互聯網經濟發展提供一些啟示。

本文的研究表明，互聯網對于第三產業作用力的區域分異與該區域的要素稟賦直接相關，且在不同的發展時期有所不同。新時期移動互聯網的發展改變了傳統互聯網時代技術要素主導的特征，“人”這一行為主體的作用日益突出，服務眾包模式下所產生的知識溢出與社群經濟現象對區域第三產業的發展特征產生了重要影響，而這種影響又有很強的空間局域性特征，加強了產業的集聚。與此同時，區域分工的不同帶來的產業分散效應與集聚效應交互作用，形成了不同時期下的區域產業格局。研究結果對于“互聯網+”背景下的區域產業結構的調整升級形成了理論創新。

4.2 實踐啟示

上述發現對于宏觀上經濟政策的制定和微觀上互聯網企業的市場競爭都具有很大借鑒意義。政府在制定第三產業區域政策方面，應該結合各區域當前的互聯網發展階段、要素稟賦，客觀認識到有的正處于移動互聯網的后發優勢階段，有的已經進入了飽和期逐漸邁向以“人工智能”“云計算”等技術為代表的新互聯網時代。而對于企業來說，應把握以用戶社群為導向，大力發展知識經濟，同時在與互聯網結合緊密的服務業業務選址上，結合區域產業發展情況，盡量選擇技術密集型、人才密集型地區，從規模效應中獲得競爭優勢。

4.3 研究局限與展望

首先，在數據選擇上，因為受到國家統計局的數據匯總延遲性質，分省數據只能采集到2016年以前的，在刻畫當前產業經濟最新形式上有所欠缺。其次，受版面與方法特性限制，僅選取關鍵時間節點的橫截面數據進行了區域差異分析，缺乏對整個連續的時間段內各區域變化進行探究。最后，本文僅探究了互聯網對于第三產業的區域影響，而這種影響是雙方面的，文中對于第三產業的發展是怎樣影響互聯網的未有涉及。未來將根據更全面的第三產業與互聯網的數據，進一步深化互聯網全新發展趨勢下第三產業對于互聯網發展的反作用研究。