長三角地區數字經濟一體化發展研究

吳青青，吳義根，趙甜甜

（池州學院，安徽 池州 247000）

0 引言

隨著改革開放的不斷深化，我國經濟逐步邁入高質量發展階段，各地政府也積極引導推進數字經濟與實體經濟深度融合，賦能產業升級，為經濟發展提供新動能。目前國內學者圍繞數字經濟測度、數字經濟發展現狀、存在的問題、數字經濟與高質量發展的關系等方面展開了大量的理論和實證研究。張雪玲從信息通訊基礎設施、信息和通信技術產業、ICT初級應用、ICT高級應用、企業數字化這五個方面選取相關子指標，通過熵值法確定指標權重，得出了中國數字經濟發展評價指數，并通過對各分類指標的灰色關聯分析，提出數字經濟發展中存在的種種問題和應對措施［1］。徐清源等認為，加強數字經濟測度理論研究和創新數據來源是推進中國數字經濟發展研究的有效途徑［2］。劉海啟、曹正勇等人分別從農業及制造業數字化方面驗證數字經濟將對傳統經濟活動產生深刻影響［3-5］。劉傳輝、楊志鵬等人在研究城市群時得出的結論認為城市群之間存在數字經濟差異且城市群內城市間的數字經濟發展水平差異明顯［6］。鐘業喜、毛煒圣等人探討長江經濟帶數字經濟水平空間格局，認為長江經濟帶數字經濟發展水平整體偏低，地理分布差異明顯［7-8］。

總體來看，已有文獻對數字經濟測度、數字經濟分布格局及影響因素的研究是豐富且有效的。由于各學者所用的測度方法不同，導致地區數字經濟的研究結論有所差異。但是無論從數字經濟發展的規模，還是數字化程度及經濟可持續性增長來看，長三角地區在我國六大城市群中始終處于領先地位。研究長三角城市群的數字經濟一體化，對推動長三角地區經濟高質量發展，解決內部地區發展不均衡問題，促進國內國際經濟雙循環發展有著十分重要的現實意義。本文基于數字經濟指數的測度，通過對長三角地區面板數據的實證分析，探究長三角地區數字經濟發展水平影響因素及促進長三角地區數字經濟一體化發展的有效方法。

1 方法介紹

1.1 熵值法

熵值法是判斷某個指標對綜合指數影響程度的一種數據處理方法，同時也可以作為綜合評價指數的一種計算方法，要求指標具有同向性。計算步驟如下：

（1）選取m項指標，n個樣本，則xij為第i個樣本的第j項指標的數值，其中i=1,2,…,n;j=1,2,…,m；

（2）指標的標準化處理:為了避免量綱對指標計算的影響，需對數據進行標準化處理，處理后數據記作

（3）計算第j項指標下第i個樣本占該指標比重

（4）計算第j項指標的熵值：

（5）計算第j項指標的差異系數：gj=1-ej，gj越大指標越重要；

1.2 面板數據模型

面板數據指的是N個不同個體在T個不同時期的觀測值，其中個體可以是個人或企業，時間可以是任意周期。參考高鐵梅的計量經濟分析方法與建模［9］，在參數不隨時間變化前提下，面板數據模型根據模型的截距項和系數向量是否為常數，分為混合回歸模型（都為常數）、變截距模型（截距項為常數）和變系數模型（皆非常數）三種類型。

混合模型：

變截距模型：

變系數模型：

其中，yit是被解釋變量；xit=(x1,it,x2,it,…,xk,it)′，αi是截距項，代表截面單元的個體特性，反映遺漏的體現個體差異的影響；βit是估計參數向量；xit是解釋變量，是影響截面單元的解釋變量向量；μit是隨機擾動項，反映遺漏的體現截面與時序同時變化的影響；i代表不同截面單元，t代表不同時間。

在參數不隨時間變化前提下，可以通過協方差分析構造的F統計量進行檢驗，檢驗個體效應模型一般使用F統計量檢驗，如式（4）所示：

其中N是截面個數，T是時間長度，K是解釋變量個數，SSEp是混合估計模型的殘差平方和，SSEf是個體固定效應模型的殘差平方和。

本文為了更深層次地分析問題，先確定被解釋變量的影響因素，再建立面板數據模型，由于實證部分的橫截面個數大于時序個數，采用截面加權估計法（Cross Section Weights，CSW）來估計模型中的參數［10］。文中參數估計與檢驗均是通過Eviews7.2實現。

2 長三角地區數字經濟指數測度

2.1 指標選取

為精確測度長三角城市群數字經濟發展水平，在總結現有數字經濟測度方法、指標選取方法的基礎上，遵守簡潔性、導向性、可行性、典型性四個原則，逐步建立了數字經濟發展水平的指標體系［6，11］，如表1所示。

表1 城市數字經濟指數指標體系

2.2 基于長三角地區各城市的數字經濟指數結果分析

運用熵值法，進一步測算2010-2019年長三角地區26個城市的數字經濟指數及其排名，如表2所示。

表2 2010-2019年城市數字經濟指數與排名

由表2結果可知：2010-2019年，上海和蘇州的數字經濟指數在長三角地區排名穩居前列。從整個長江三角洲地區發展格局來看，蘇滬一體化的程度高，二者地理位置相鄰且有較強的互補性也是其得以不斷發展的重要原因。若要實現更高質量的長三角地區數字經濟一體化，發揮上海和蘇州在長三角城市群的龍頭作用，加強蘇滬地區合作，已是重中之重。與此同時，寧波、杭州分別位列第三、第四，作為寧波通往上海的橋頭堡，杭州灣新區利用其科技創新優勢和地理優勢，帶動了杭州寧波以及長三角地區其他城市的共同發展。

表2 2010-2019年城市數字經濟指數與排名（續表）

2.3 長三角地區數字經濟發展水平的空間分布

2020年長三角城市數字經濟指數見表3。以此為例研究其空間上分布特征，數字經濟指數和累積百分比如圖1所示，可知長三角地區各城市數字經濟發展水平波動性較大，城市發展區域不平衡比較明顯?；陂L三角地區數字經濟發展水平，運用K-均值進行聚類分析，結果見表4。

圖1 2020年長三角地區數字經濟指數分布及百分比

表3 2020年城市數字經濟指數與排名

表4 長三角地區數字經濟發展層次體系

由表4可知，上海作為長三角地區的核心城市競爭力最強，形成第一層級，蘇州、南京、寧波、無錫、杭州、合肥、金華這些較發達城市的數字經濟競爭力次之，形成第二層級，競爭力相對較弱的是后加入長三角地區的幾個城市，包括安徽省所有沿江城市及江蘇省、浙江省的一些欠發達地區組成第三層級。在空間上形成強強集聚、弱弱集聚的空間分布特征。也進一步說明了長三角地區內部經濟發展不均衡不協調，數字經濟發展的領頭城市少，數字經濟發展水平薄弱城市聚集且多。

3 長三角地區數字經濟發展水平影響因素分析

為推進經濟的高速度、高質量發展，需要更高質量的人力資本，人口總數決定了人力資源的基本規模，接受高等教育的在校大學生決定了人力資源的質量，由此選用人口總數（L1）、萬人大學生數（L2）來衡量人力資源指標。人均收入水平不斷提高助推了第三產業的迅速發展，因此選取人均GDP（E1）、第三產業占比（E2）作為提高生產力水平和社會進步的國民經濟發展水平指標來反映地區經濟發展基礎。

3.1 個體固定效應建模

由于實證數據是基于2010-2020年長三角地區26個城市相關指標數據，其時序數小于截面數，為短截面數據，無需進行單位根檢驗。為保證面板數據的平穩性，首先對E1、L1兩個指標取對數處理，再進行建模。

（1）F檢驗

F統計量檢驗式通常由混合估計模型以及個體固定效應模型的殘差平方和構造，檢驗個體效應模型一般使用F統計量檢驗，見式（4）。Eviews7.2中兩個模型估計得殘差平方分別為：SSEp=0.0868，SSEf=0.0144。

將N=26，T=11，K=4代入式（4）計算出F統計量：

在顯著性水平為0.05的情況下，F＝51.484即落在拒絕域內，從而根據檢驗結果拒絕原假設，選擇個體效應。

（2）Hausman檢驗

Hausman檢驗能檢驗模型個體效應與解釋變量是否相關，其原假設為個體效應與解釋變量不相關，通過Hausman檢驗進而確定模型為固定效應還是隨機效應，使用Eviews7.2中Hausman檢驗，結果如圖2所示。

圖2 Hausman檢驗圖

從圖2豪斯曼檢驗結果可以看出P值小于0.01，在顯著性水平為0.01的情況下，檢驗結果落在拒絕域內，拒絕原假設，選擇個體固定效應模型。

（3）參數估計

為了減小異方差和自相關對模型參數估計效果的影響，這里選擇GLS Weight方法估計個體固定效應模型，參數估計結果如表5所示。

表5 模型參數估計結果

3.2 結果分析

從表5參數估計結果可以看出，模型F檢驗的P值小于0.01，說明面板回歸模型是顯著的，R2(adj)=0.959說明模型擬合效果較好。參數的T檢驗中，人口總數的P值大于0.05，在5%的顯著性水平下系數不顯著。人均GDP的估計系數小于零，說明此時經濟發展和人口規模已經處于規模報酬遞減的階段。根據經濟學中經濟增長的收斂性［12］，盡管各地區的經濟發展水平不同且人均GDP在特定時期內存在差異，但最終將趨于相同，即在不同的發展階段，各個城市的數字經濟發展水平與人均GDP水平相互影響程度不同。

第三產業占比和萬人在校大學生數這兩個變量的T檢驗均顯著，且符號均為正。第三產業占比（E2）的估計系數為0.0002，在其他條件不變的情況下，E2每增加一個單位，數字經濟指數平均增加0.0002。萬人在校大學生數（L2）的估計系數為0.0005，在其他條件不變的情況下，L2每增加一個單位，數字經濟指數平均增加0.0005。這也說明了地區的人力資源質量和經濟發達程度對數字經濟發展起正向作用。

由表5中各城市的截距項估計值可知，長三角地區上海以及江蘇省和浙江省大部分城市的截距項大于0，安徽省的城市截距項均小于0。從另一個角度反映出上海及江浙地區的數字經濟基礎強，安徽省內城市數字經濟發展水平相對較弱。結合實際可知，上海、江蘇、浙江等部分城市綜合實力較強，數字經濟發展水平全國領先，數字產業化滲透廣，數字經濟基礎設施建設較好，其中上海作為全國以及長三角各地區的核心城市在我國科技創新發展中起著決定性作用。安徽省內城市多半截距項為負值說明盡管安徽省數字經濟不斷增長，但由于產業結構、數字經濟總量小、數字經濟發展在省內嚴重不平衡等一系列問題影響，與其他省市相比仍在總量和占比上處于劣勢。

4 結論及建議

4.1 結論

（1）長三角地區數字經濟發展水平總體呈增長趨勢，但各城市數字經濟發展水平有差異，尤其是滬蘇城市群與杭甬城市群、寧合城市群之間的差異明顯。

（2）通過K-均值聚類分析可知，長三角地區的數字經濟發展水平呈現出空間集聚性分布特征，以上海地區為中心，包括蘇州、無錫、杭州、寧波、南京這些城市形成數字經濟高水平聚集區，其他城市為數字經濟低水平聚集區。地理位置對低水平聚集區城市的發展影響較大，地理位置好的城市，更容易接受到中心城市的經濟輻射。

（3）第三產業占比和萬人在校大學生數是數字經濟發展的重要影響因素，這兩個因素對長三角地區數字經濟發展起到一定的推進作用；人均GDP對長三角地區數字經濟發展的促進作用不明顯；高質量的人力資源以及產業結構是當前階段數字經濟發展的必備條件。

4.2 建議

（1）優化資源配置，縮小長三角地區內部差異。長三角地區數字經濟發展水平參差不齊，各城市的市場資源未得到充分利用。優化各城市間的資源配置，將各地區資源利用最大化，實現產業升級，各城市互助互利，促進長三角地區數字經濟一體化發展。

（2）對于數字經濟指數低的城市要加快區域產業轉型，提高創新能力。比如杭甬城市群及寧合城市群內一些城市，受產業結構與自身地理位置、文化等因素影響，經濟發展水平一直處于劣勢，應加快區域產業轉型，大力招攬人才，提高創新能力，增加同等區域城市的經濟競爭力，縮小與長三角地區其他城市的差距，力求穩中求進。