中國城市群數字貿易發展水平測度

段丁允,馮宗憲,2

1.西安交通大學 經濟與金融學院,陜西 西安 710061 2.西安交通大學 “一帶一路”自由貿易試驗區研究院,陜西 西安 710049

數字技術的不斷發展給傳統生產方式和貿易方式帶來巨大影響和深刻變革,數字經濟和數字貿易已經成為改變全球競爭格局的關鍵力量。根據聯合國貿易與發展會議(UNCTAD)發布的數據,中國的數字化服務貿易額增速較快,從2005年的173億美元增長至2020年的1 543億美元,其占總體服務貿易規模的比例也從2005年的22.11%增長至2020年的55.01%,占世界總體數字化服務貿易規模的份額從2005年的1.44%上升至2020年的4.87%。數字貿易發展進程加快,已經成為中國服務貿易增長的新支柱。

近年來,中國政府越發重視數字貿易,2021年12月國務院印發的《“十四五”數字經濟發展規劃》中提到要完善數字貿易促進政策,加強制度供給和法律保障。江蘇省、廣東省、河南省在其數字經濟促進條例中均提出加快數字貿易發展,推廣新零售,發展社交電商、直播電商等新業態新模式,引導數字貿易集聚。北京市是全國范圍內數字貿易政策方面的先行者,2020年北京市商務局印發《北京市關于打造數字貿易試驗區實施方案》,2021年印發《北京市關于促進數字貿易高質量發展的若干措施》。作為對外開放的新高地,多個中國自由貿易試驗區(簡稱“自貿區”)條例中均提到要以數字化改革為引領,加強數字經濟領域國際規則對接,推動傳統產業數字化轉型,支持跨境數字貿易發展,建設數字自貿區。

隨著人力資本的積累、知識信息的溢出和資源要素流動性的增強,單個中心城市能夠帶動周邊城市發展,形成片狀城市群,從而促進經濟發展。目前,中心城市和城市群正在成為承載發展要素的主要空間形式,也成為經濟增長的新引擎和載體[1]?！吨腥A人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》和《2021年新型城鎮化和城鄉融合發展重點任務》中均提出要“發揮中心城市和城市群帶動作用,建設現代化都市圈”,說明城市群對中國城鎮化和區域協調發展具有重要意義。數字經濟和數字貿易影響著生產生活的各個方面。隨著數字化轉型的不斷深入,城市數字化也已經初現成效,對城市群的發展產生了深遠影響。在這一背景下,中國城市和城市群數字貿易發展情況如何,其演進和變化過程如何,是否存在地區差異,成為需要進一步探究的問題。

鑒于此,本文從數字貿易的特征出發,基于十大城市群127座城市2011—2019年的面板數據,構建城市層面的數字貿易發展指標體系,采取熵值法測度其數字貿易發展情況,并采取Dagum基尼系數分析其區域差異,使用核密度估計、馬爾可夫鏈分析其動態演進,采用σ收斂和β收斂方法分析其收斂水平。本文可能的創新點在于:第一,以城市和城市群為對象評價其數字貿易發展現狀,進一步補充有關中國數字貿易發展在城市和城市群層面的證據;第二,構建了由6個一級指標和18個二級指標構成的地級市層面數字貿易發展指標體系,并在其中加入數字貿易政策的量化數據,力圖全面客觀地分析城市層面數字貿易發展情況;第三,從區域差異和演化特征的角度出發,探究中國十大城市群數字貿易發展的區域差異及其來源和動態演進特征,并且對城市群數字貿易協調發展提出行之有效的對策建議。

一、文獻綜述

(一)跨境電子商務

數字貿易最早由跨境電子商務發展而來。1997年美國政府發布的《全球電子商務綱要》將電子商務定義為通過互聯網進行的廣告、交易、支付等商務活動,并將電子商務分為兩類,即企業與企業的電子商務和企業與個人的電子商務。而跨境電子商務是不同國家或地區的貿易雙方通過互聯網平臺完成的商務活動,其中涉及國際支付、運輸、海關等環節,是與國內電子商務的主要區別。

最初對于跨境電子商務的研究主要集中于其貿易成本效應,比如Lendle等[2]通過61個國家跨國交易數據發現,跨境電子商務能夠降低貿易成本,從而減弱地理距離對貿易的負面影響。馬述忠等[3-5]基于阿里巴巴發布的跨境電子商務連接指數(ECI)、2012年中國跨境電子商務相關政策和敦煌網的數據同樣證明了這一點。近年來,跨境電子商務的不斷發展對經濟產生的影響受到學界關注。宏觀方面,王喜榮等[6]發現,跨境電子商務能夠促進傳統貿易的增長;魏悅羚等[7]基于海關交易數據進行研究發現,跨境電子商務有利于出口產品質量升級。微觀方面,企業和消費者的影響均是主要關注對象,如劉斌等[8]利用微觀企業數據計量分析發現跨境電子商務能夠促進企業價值鏈參與。

然而,目前跨境電子商務相關研究最難解決的問題仍是統計數據不完整。Meltzer[9]指出跨境電子商務使得貿易數據的統計更復雜。中國海關對跨境電子商務的統計僅限于貨物貿易,主要統計通過貿易報關、快件運輸和郵政三種方式進出境的貨物貿易,不包括服務貿易。現有研究大多是通過eBay、敦煌網和阿里巴巴等數字平臺企業的數據對跨境電子商務進行研究[10],不能完整反映跨境電子商務的特征。

(二)數字貿易

伴隨著數字貿易的不斷發展,學界對數字貿易的重視程度也不斷提升。起初對數字貿易的研究主要集中在概念和內涵方面,Weber[11]認為數字貿易是通過電子化手段傳輸商品或服務的商業交易活動,熊勵等[12]3-5將數字貿易定義為通過互聯網等數字技術交易商品的商業模式。但數字貿易并不等同于跨境電子商務,目前對于數字貿易的定義總體可以分為廣義和狹義兩種類型。狹義層面的數字貿易并不包括數字方式交付的實體貨物,比如美國國際貿易委員會2013年發布的《美國與全球經濟中的數字貿易》中就將數字貿易闡釋為借助互聯網傳輸的數字內容和其他產品或服務。而廣義層面的數字貿易包含通過數字方式交易的貨物、通過數字方式交付的服務產品和跨境數據流動。比如2014年美國國際貿易委員會對數字貿易的概念進行了更新,認為通過互聯網技術交付的產品和服務、跨境數據流動,以及使之實現的平臺和應用均是數字貿易的一部分;經濟合作與發展組織(OECD)、世界貿易組織(WTO)和國際貨幣基金組織(IMF)2019年共同發布的《數字貿易測度手冊》[13]中也認為除了通過數字交付的商品或服務以外,數字貿易還應當包括數字中介平臺;中國商務部發布的《中國數字貿易發展報告2020》中認為數字貿易是能夠用數字技術交付和實現的貨物貿易、服務貿易和數據貿易的加總。本文借鑒OECD、WTO、IMF和商務部的定義,認為數字貿易是通過數字技術實現的貨物貿易、服務貿易、跨境數據流動和數字中介平臺的總和。

(三)數字貿易的測度和統計

在數字貿易測度和統計方面,目前數字貿易數據的缺失仍是亟須解決的問題?！稊底仲Q易測度手冊》提出了指導性框架和方法,后續有研究嘗試對菲律賓、新西蘭、中國以及雙邊數字貿易進行測算和加總。由于數字貿易統計口徑不一致和數據缺失,WTO的外國附屬機構服務貿易統計(FATS)數據或UNCTAD的國際收支服務貿易統計(BOP)數據[14]常被用來替代數字貿易數據。商務部在《中國數字貿易發展報告2020》中也用同樣的方法對中國的數字服務貿易進行了統計。從方法上來看,目前對于數字貿易發展現狀的分析主要分為兩類:第一類主要使用社會網絡模型分析全球數字貿易網絡的競爭性、互補性等特征,第二類主要采用集成指標評價的方法對跨境電子商務發展情況和數字貿易發展水平進行綜合性評價。

(四)城市群數字貿易的發展

數字經濟和數字貿易影響著生產生活,城市數字化也已初現成效。除了研究機構對城市層面數字經濟的評估,如騰訊“互聯網+”數字經濟大數據平臺公布的城市數字經濟發展指數、新華三集團發布的中國城市數字經濟指數,部分研究也關注到了城市層面數字經濟的發展情況,比如王勝鵬等[15]以285個地級市為對象分析了2011—2018年數字經濟發展水平。城市是構成區域空間的要素,隨著城市化的發展,城市的分布狀態逐漸密集,與相鄰城市之間聯系逐漸緊密,出現了城市群[16]46。城市群的特征是以中心城市為引領,輻射和帶動周邊城市共同發展。部分學者從城市群的角度考察數字經濟和數字化現狀,比如劉傳明等[17]使用騰訊城市經濟發展指數分析了五大城市群數字經濟發展的地區差距。

梳理現有相關文獻可以發現,首先,當前對數字貿易發展情況的分析主要集中在國家或省域層面,仍然缺少對城市和城市群層面數字貿易發展現狀及其發展差異的相關研究。其次,對城市層面數字經濟和數字化發展雖有了一定的研究,但都忽視了數字貿易和數字貿易相關政策的作用。最后,中心城市的發展能夠帶動周邊城市發展從而形成城市群,城市群內部和不同城市群間的數字貿易發展情況均存在差異,現有研究缺乏對城市群數字貿易發展差異和分布動態演進的研究。為彌補現有研究的空白,本文以城市和城市群為對象,基于十大城市群127座城市2011—2019年的面板數據,構建城市層面的數字貿易發展指標體系,并在其中加入數字貿易政策的量化數據,采取熵值法測度數字貿易發展情況,采用Dagum基尼系數、Kernel密度估計、馬爾可夫鏈分析法以及σ收斂和β收斂方法,綜合對數字貿易發展現狀的地區差距和分布動態演進進行分析考察。

二、研究范圍、指標構建和研究方法

(一)研究范圍

由于地理位置、經濟水平、發展定位存在差異,不同城市群數字貿易發展水平也不同。本文參照國務院、國家發展和改革委員會及各省級政府印發的城市群文件,將研究對象定為中國十大城市群,包含長三角、珠三角、京津冀、長江中游、成渝城市群在內的重點建設的五大國家級城市群和遼中南、山東半島、海峽西岸、中原、關中五大區域級城市群,共127座城市。具體城市群見表1。

表1 十大城市群及其城市

(二)數字貿易發展綜合評價指標體系構建

在充分考慮數字貿易發展應用的基礎上,兼顧指標數據的可得性,本文構建了由6個一級指標和18個二級指標構成的地級市層面數字貿易發展的評價指標體系,具體見表2。

表2 中國城市數字貿易發展評價體系

表3 2011—2019年中國十大城市群數字貿易發展水平

數字貿易環境是影響數字貿易發展的重要支撐,本文主要分兩個方面測度。其一是金融環境,主要選擇數字普惠金融指數進行衡量,數據來源于北京大學數字金融研究中心和螞蟻集團研究院共同發布的地級市層面的北京大學普惠金融指數[18];其二是數字創新環境,主要選取中國區域創新創業指數進行衡量,數據來源于北京大學企業大數據研究中心發布的中國區域創新創業指數。

數字貿易人才是數字貿易發展的核心動力,本文主要選取信息傳輸、計算機服務和軟件從業人員數量進行衡量,數據來源于《中國城市統計年鑒》。

數字基礎設施是城市數字化發展的基礎,也是數字貿易發展的基本條件,參考趙濤等[19]的研究,主要選取郵政業務總量、電信業務總量、移動電話年末用戶數和國際互聯網用戶數進行衡量,數據來源于《中國城市統計年鑒》。

數字產業基礎是數字貿易發展的主要載體,本文根據國家統計局發布的《數字經濟及其核心產業統計分類(2021)》中的數字經濟產業分類,主要選取電信、廣播電視和衛星傳輸服務業,廣播電視電影和影視錄音制作業,互聯網和相關服務,計算機、通信和其他電子設備制造業,軟件和信息技術服務業,電子商務業務,智能化服務7個與數字經濟相關產業的上市公司數量進行衡量。上市公司具體信息數據來源于國泰安數據庫,本文篩選出數字經濟相關產業的上市公司,根據其注冊位置信息與地級市進行匹配,并在地級市層面進行匯總得到各地級市相關上市公司數量。

數字貿易現狀方面,目前地級市層面數字貿易的統計仍然缺失,因此本文選取信息和通信技術產品(ICT)出口額來代替數字貿易出口額,根據UNCTAD發布的ICT產品HS6位代碼,計算出地級市層面的ICT產品出口額,采用ICT產品出口額占貨物出口額的比例來衡量數字貿易現狀,其中2017—2019年的缺失數據用均值進行補充替代,數據來源于EPS數據平臺。

數字貿易政策能夠有效促進數字貿易發展,本文選取跨境電子商務綜合試驗區數量、自貿試驗區數量和數字貿易政策文本進行衡量。其中,跨境電子商務綜合試驗區和自貿試驗區對數字貿易具有促進作用,政府工作報告中出現數字貿易相關詞匯的頻次能夠體現地級市政府對數字貿易發展的重視程度。本文手動收集整理各地級市2011—2019年的政府工作報告,以數字貿易相關詞匯作為關鍵詞,使用Python爬蟲功能進行分詞處理和詞頻統計,以政府工作報告中詞頻統計數量為具體指標,衡量政府對數字貿易發展的關注度和促進作用。

(三)研究方法

1.數字貿易發展評價指標體系的測度方法

本文采取熵值法對各項指標的權重進行計算,以避免主觀賦權法存在的主觀性問題。由于評價體系中各項指標的量綱差異較大,對每一個指標的數據進行標準化處理:

zij=(Zij-minZij)/(maxZij-minZij)+0.01

(1)

其中,Zij為第i個城市第j個指標的原始值,zij為標準化后的值。其中,i=1,2,3,…,n;j=1,2,3,…,m。

計算第i個城市第j個指標的比重wij:

(2)

計算指標的信息熵ej:

(3)

計算信息效用值aj:

aj=1-ej

(4)

計算指標權重μj:

(5)

基于指標權重,加權計算出數字貿易發展指數水平DIi:

(6)

2.Dagum基尼系數分解

Dagum[20]提出了基尼系數以及以子群為單位的分解方法,將總體基尼系數分解為區域內差異貢獻Gw、區域間差異貢獻Gnb和超變密度貢獻Gt,能夠有效解決傳統基尼系數和泰爾指數的弊端。總體的計算公式如下:

(7)

其中,G為總體基尼系數,k為城市群個數,本文中為10個城市群;i和r分別為城市群內的城市序號;j和h為城市群序號;yji和yhr分別代表j、h組內城市的數字貿易發展水平;n為總體城市數量,在本文中為127個城市;μ為城市群數字貿易發展水平的均值。

區域j內部的基尼系數可以表示為

(8)

區域j和h之間的基尼系數可以表示為

(9)

其中,|yji-yhr|為區域j或h城市i或r數字貿易發展水平差值的絕對值。

Qj=nj/n

(10)

sj=njμj/(nμ)

(11)

Djh=(djh-pjh)/(djh+pjh)

(12)

(13)

(14)

其中,Qj為j區域內城市數量占總體城市數量的比重;sj為j區域內所有城市數字貿易發展水平之和占總體城市高質量發展水平之和的比重;Djh表示第j、h個地區間數字貿易指標的相對影響;djh為數字貿易發展水平的差值,是第j、h個地區中所有yji-yhr>0的樣本值加總的數學期望;pjh為超變一階矩,是第j、h個地區中所有yhr-yji>0的樣本值加總的數學期望。Fj和Fh分別為第j個和第h個地區的累積密度分布函數。

Gw、Gnb、Gt分別是區域內差異貢獻、區域間差異貢獻、超變密度貢獻,共同構成了總體基尼系數,其關系為G=Gw+Gnb+Gt,具體計算公式如下:

(15)

(16)

(17)

3.Kernel密度估計方法

核密度估計法是一種具有較強穩健性的非參數估計方法,能夠通過密度曲線對隨機變量的分布形態和不均衡現象進行描述。假設有滿足獨立同分布的數字貿易發展水平隨機變量為y1,y2,…,yn,f(y)表示隨機變量y的密度函數,可以估計為

(18)

本文采用高斯核密度函數,具體公式如下:

(19)

4.馬爾可夫鏈

馬爾可夫鏈是研究離散時間隨機過程的模型,本文將數字貿易發展水平按照四位數分為四種類型,構建馬爾可夫狀態轉移矩陣以探究十大城市群數字貿易發展情況的轉移特征。將t時刻各城市所處狀態假設為不同的概率分布向量,不同時刻狀態間轉移呈現為一個K×K階的矩陣,馬爾可夫狀態轉移概率矩陣為

(20)

Pij=αij/αi

(21)

其中,Pij為數字貿易水平從i類型轉移到j類型的概率,αij為從i類型轉移到j類型城市數量,αi則表示研究時間段i類型的城市總數。

5.收斂性分析

本文使用σ收斂模型和β收斂模型對十大城市群數字貿易發展水平的收斂性進行分析。σ收斂主要考察十大城市群數字貿易發展水平離差的動態變化,常見的測算方法包括Gini系數、Theil指數和變異系數等,本研究采用變異系數來刻畫σ收斂,公式如下:

(22)

β收斂又分為絕對β收斂和條件β收斂。絕對β收斂認為初始發展水平低的地區增長速度比初始發展水平高的地區更快,最終會收斂到相同的穩態水平;條件β收斂則是在加入控制變量的基礎上,不同城市的數字貿易發展仍會收斂到相同的穩態水平。β絕對收斂公式如下:

ln(DIit+1/DIit)=α+βlnDIit+μi+?t+εit

(23)

其中,ln(DIit+1/DIit)為第i個城市第t年數字貿易發展指數在t+1期的增長率,α為常數項,μi和?t分別為個體效應和時間效應,εit為誤差項,β為收斂系數。當β顯著小于0時,存在絕對β收斂,城市群數字貿易水平趨向收斂;反之則趨向分散。條件收斂公式如下:

ln(DIit+1/DIit)=α+βlnDIit+ηXit+μi+?t+εit

(24)

其中,ln(DIit+1/DIit)為第i個城市第t年數字貿易發展指數在t+1期的增長率,α為常數項,μi和?t分別為個體效應和時間效應,εit為誤差項,β為收斂系數,X為其他控制變量,γ為其他控制變量的系數。同絕對收斂一樣,當β顯著小于0時,存在條件β收斂,城市群數字貿易水平趨向收斂;反之則趨向分散。

另外,考慮到城市之間存在互動性和流動性,因此對十大城市群數字貿易發展水平收斂性進行分析時,有必要考慮空間效應。本文基于相鄰權重矩陣、地理距離權重矩陣和經濟距離權重矩陣,構建絕對收斂和條件收斂的SAR、SEM、SDM模型分析空間β收斂性。其中,空間SDM模型可以看作是SAR和SEM模型的一般形式,絕對收斂和條件收斂的空間SDM模型分別為

ln(DIit+1/DIit)=α+βlnDIit+ρWij·

ln(DIit+1/DIit)+θWijlnDIit+μi+?t+εit

(25)

ln(DIit+1/DIit)=α+βlnDIit+ρWij·

ln(DIit+1/DIit)+θWijlnDIitηXit+1+

μi+?t+εit

(26)

其中,DIit表示i城市在t年數字貿易發展指數,ρ為空間自回歸系數,θ為空間外溢系數,Wij為權重矩陣,μi為個體固定效應,?t為時間效應,εit為誤差項。β為收斂系數,當β<0并通過顯著性檢驗時,數字貿易發展存在收斂趨勢。

三、十大城市群數字貿易發展水平測度與結果分析

(一)城市群得分綜合分析

根據熵值法測算出中國十大城市群數字貿易發展指數,結果見3。從中可以看出,十大城市群范圍內數字貿易發展最好的是珠三角城市群,2011—2019年間均處于第一位,均值為0.128,珠三角城市群數字貿易現狀和數字貿易產業發展均處于全國領先水平;其次是京津冀和長三角城市群,2011—2019年間在十大城市群中排名均保持在第二位和第三位,數字貿易發展水平均值分別為0.072和0.070;其他城市群的數字貿易發展水平低于全國平均水平,2011—2019年數字貿易發展水平均值均低于0.05,海峽西岸城市群得分為0.048,山東半島城市群得分為0.041,中原城市群得分為0.041,長江中游城市群得分為0.036,成渝城市群得分為0.035,遼中南城市群得分為0.035,關中城市群得分為0.027。這說明全國城市群數字貿易發展水平差異較大。

(二)城市綜合得分分析

從城市來看,本文研究對象共包括127個城市,其中2011—2019年平均數字貿易發展水平最高的城市是北京,前10名分別是上海、深圳、廣州、杭州、成都、重慶、蘇州、天津、武漢,平均得分前30名的城市見表4。數字貿易發展前30名的城市最多的是長三角城市群,共有8座城市。其次是珠三角城市群,共有4座城市。此外,除了省會和直轄市以外,長三角和珠三角城市群中仍有其他區域中心城市數字貿易發展較好。再次是京津冀、海峽西岸和山東半島城市群,分別有3座城市排名在前30名。長江中游、遼中南、成渝和中原城市群分別有2座城市排在前30名。關中城市群數字貿易發展較差,僅有西安一座城市排在前30名。這些城市群的共同特點是數字貿易發展較好的城市均為城市群范圍內的中心城市。

表4 2011—2019年中國數字貿易發展前30名城市及排名

(三)演化格局分析

如圖1所示,從時間趨勢上看,十大城市群的數字貿易發展水平整體均呈現出波動中增長的趨勢。其中,中原城市群增長幅度最大,從2011年的0.009上升到了2019年的0.098;山東半島和遼中南城市群的增長幅度也相對較大;增長幅度最小的城市群是珠三角城市群,從2011年的0.074增長到了2019年的0.198。從城市來看,珠三角、長三角、京津冀和成渝城市群中廣州、深圳、上海、杭州、北京、重慶、成都的數字貿易發展較好,在區域內一直處于領先水平。各大城市群的數字貿易發展均呈現出中心城市帶動和輻射周邊、城市群內部數字貿易水平不均衡的現象。

圖1 2011—2019年十大城市群數字貿易發展水平趨勢

四、十大城市群數字貿易發展水平的區域差異及其來源分析

根據Dagum基尼系數分解方法,可以得出中國十大城市群2011—2019年數字貿易發展水平的Dagum基尼系數及其分解情況。

(一)總體差異

運用Dagum基尼系數分解方法,本文對2011—2019年十大城市群間數字貿易發展的總體差異、城市群內部差異、城市群之間差異和超變密度進行測度。各城市群內部數字貿易發展Dagum基尼系數和分解的具體結果見表5。從總體來看,十大城市群數字貿易發展差異較大,2011—2019年總體差異的數值保持在0.62～0.69之間;從時間趨勢上看,十大城市群數字貿易發展差異較為穩定,但也呈現出縮小的趨勢,說明十大城市群數字貿易發展差異總體而言在縮小。

表5 2011—2019年中國十大城市群數字貿易發展水平區域內基尼系數

(二)區域內差異

從城市群來看,十大城市群中京津冀城市群內部的數字貿易發展的差異最大,均值達到0.646。京津冀城市群的內部差異高于總體平均水平,說明北京、天津和京津冀其他城市的數字貿易發展差異較大,但從時間趨勢上看,2011—2019年處于下降的趨勢。成渝城市群的內部差異也較大,2011—2019年的均值達到0.600以上,城市群內部差異均處于先縮小后增大的V型趨勢。長三角、珠三角、長江中游、關中和遼中南城市群2011—2019年的均值均達到0.500以上。長三角和珠三角城市群的內部差異均值分別為0.597和0.571,并在9年內較為穩定;關中、長江中游和遼中南城市群的區域內差異呈現出先下降再增長的趨勢,從2011年的0.606下降至2016年的0.468,2016年后再次增長,2019達到0.615;長江中游城市群的內部差異從2011年的0.636下降至2016年的0.447,后增長至2019年的0.602;遼中南城市群的內部差異從2011年的0.550下降至2015年的0.339,后增長至2019年的0.587;內部差異較小的三個城市群分別是中原、海峽西岸和山東半島城市群,均值在0.500以下,但2011—2019年間區域內差異總體上均表現出擴大的趨勢。這說明各城市群內部的差異在2011—2019的9年間均擴大,城市群內中心城市引領數字貿易發展,和周邊城市的差異在擴大。

(三)區域間差異

表6報告了2011—2019年十大城市群數字貿易發展的區域間差異的均值,區域間差異的均值在0.280～0.560 之間。珠三角城市群和關中、遼中南、成渝、中原和長江中游城市群的區域間差異最大,2011—2019年差異均值分別為0.762、0.751、0.7454、0.724和0.722,均大于0.700,說明珠三角城市群的數字貿易發展較優,與其他城市群差距較大。從變動趨勢上看,珠三角與其他城市群的區域間差異逐漸縮小。長三角和京津冀城市群作為數字貿易發展僅次于珠三角城市群的地區,與關中、遼中南、長江中游和成渝城市群之間的區域間差異較大,2011—2019年均值均大于0.650,但9年差異處于縮小的趨勢。京津冀、珠三角和長三角城市群和海峽西岸、山東半島、中原城市群的區域間差異也較大,2011—2019年均值保持在0.600以上。區域間差異最小的城市群是山東半島和長江中游、中原、海峽西岸城市群,區域間差異的均值分別為0.529、0.528和0.478,但城市群之間的差異處于不斷擴大的趨勢中。

表6 2011—2019年十大城市群數字貿易發展區域間差異均值

(四)城市群差異來源和貢獻率

十大城市群的數字貿易發展水平的差異來源和貢獻率測算結果見表7,分解為區域內差異、區域間差異和超變密度。從整體上來看,十大城市群的數字貿易發展水平差異主要來源于超變密度,來源在0.230～0.390之間,均值為0.293;其次是區域之間,其大小在0.190～0.350之間,2011—2019年均值為0.278;區域內差異測度值最小,其大小在0.070左右。

表7 2011—2019年十大城市群數字貿易發展水平差異來源分解

從貢獻率來看,超變密度的貢獻率最大,變動區間在45%～58%之間,超變密度的變動呈現增長的趨勢,從2011年的38.57%上升至2019年的56.84%。其次是區域間差異,貢獻率均值達到43.05%;從變動趨勢來看,區域間差異呈現出下降的趨勢,具體來看,從2011年的49.729%下降至2019年的31.992%。區域內差異貢獻率均值為11.558%,變動趨勢較為穩定。這說明不同城市群之間的差異是中國數字貿易發展差異的主要來源。

五、十大城市群數字貿易發展水平的分布動態演進

(一)數字貿易水平動態演進

Dagum基尼系數的測算結果能夠體現中國十大城市群數字貿易發展差異的大小和來源,但未能反映城市群內部數字貿易發展水平的絕對變化?；诖?本文采用Kernel密度估計方法對2011—2019年十大城市群的數字貿易發展水平的分布位置、延展性和極化趨勢等分布特征進行分析。

2011—2019年的十大城市群數字貿易發展水平的核密度估計結果如圖2所示。從分布位置來看,十大城市群核密度曲線總體分布呈左移的趨勢,主峰中心位置呈右側拖尾的現象,曲線的主峰高度波動中上升,說明十大城市群數字貿易發展水平存在極化現象。從波峰來看,左側波峰較高,并且逐漸分化出了多峰,體現了成渝、關中、海峽西岸、遼中南、長江中游、山東半島城市群數字貿易發展水平情況,右側波峰延展性較強,并且逐漸后移,體現了珠三角、長三角和京津冀城市群的發展狀況,同樣說明十大城市群數字貿易的發展存在著一定的梯度效應和多極化現象。

圖2 2011—2019年總體數字貿易發展水平核密度估計及動態演進

圖3報告了2011—2019年十大城市群的核密度分布曲線?？傮w來看,十大城市群的核密度分布曲線中心位置均呈現出小幅度右移,說明各城市數字貿易均得到一定的發展;核密度分布曲線的主峰寬度變化不大,高度均呈現在波動中增長的現象,各大城市群的核密度分布曲線的主峰均位于左側,右側均有側峰分布,存在右側拖尾現象,說明各城市群內部均有中心城市引領其他城市的數字貿易發展,并且與其他城市發展具有較大差距。從中原、長江中游、遼中南、海峽西岸、關中和成渝城市群的核密度分布曲線來看,主峰和側峰之間的距離在2011—2019年逐漸拉大,說明這幾座城市群內部中心城市數字貿易發展較快,和其他城市的發展速度不同,城市群內部差異拉大,存在梯度效應。山東半島城市群的核密度分布曲線從單峰轉換成雙峰,說明青島、濟南數字貿易發展崛起,與城市群內其他城市拉開差距,存在分化現象。珠三角城市群的分布曲線呈現出多峰的趨勢,且波峰高度相似,說明珠三角城市群內部發展具有一定的梯度效應和“小俱樂部”效應。京津冀城市群和長三角城市群的分布曲線較為類似,主峰分布在左側,右側呈現長拖尾現象,并且存在較小的側峰,與主峰之間的距離較大,說明北京和上海在這兩座城市群中數字貿易發展水平領先?？傮w而言,各大城市群內部數字貿易發展始終呈現出極化的現象,中心城市數字貿易發展速度較快,和其他城市之間的差距逐步拉大。

圖3 2011—2019年十大城市群數字貿易發展水平核密度估計及動態演進

(二)十大城市群數字貿易發展水平的馬爾可夫鏈分析

本文通過傳統馬爾可夫鏈的方法將數字貿易發展水平按照四分位法分為低水平地區、中低水平地區、中高水平地區和高水平地區,并且在各城市群內部進行劃分,進一步對2011—2019年十大城市群數字貿易發展的內部趨勢進行分析。馬爾可夫鏈的概率轉移矩陣計算結果如表8所示。

表8 十大城市群數字貿易發展水平馬爾可夫鏈轉移概率矩陣

從總體層面的結果來看,對角線上的概率值遠大于非對角線的概率值,最大值為0.958,最小值為0.689,說明各地級市的數字貿易發展穩定,改變類型的概率較低。其中,高水平地區保持高水平的概率為95.76%,低水平地區保持低水平的概率為71.28%,說明高水平城市的數字貿易發展具有俱樂部趨同的現象,低水平城市的數字貿易發展實現躍升的難度較大。中低水平地區滑落至低水平地區的概率有6.56%,而上升至中高、高水平地區的概率分別為23.36%和1.23%;中高水平地區滑落至中低水平地區的概率有11.02%,而上升至高水平地區的概率有13.39%,說明中低水平和中高水平地區向上轉移的概率比向下轉移到概率高,但是跨越式轉移發生概率較低。

從各個城市群的結果來看,和總體層面的結果類似,大部分城市群概率轉移矩陣中對角線上的概率值遠大于非對角線的概率值,說明各城市群內部城市數字貿易發展類型的改變概率較低。此外,各城市群均表現出高水平地區和低水平地區保持類型的概率較高的現象,比如京津冀、珠三角和長三角城市群的高水平地區保持的概率分別為95.83%、100%和100%,說明各城市群數字貿易發展一定程度上存在馬太效應。所有城市群的中低水平地區向上轉移概率高于向下轉移概率。珠三角、中原、長三角、長江中游、山東半島和成渝城市群的中高水平地區向上轉移概率高于向下轉移概率,遼中南城市群則相反,京津冀、海峽西岸和關中城市群中高水平地區向上轉移概率和向下轉移概率一樣,說明中低水平和中高水平地區類型并不固定,但總體來看向上轉移的概率均較高。

六、十大城市群數字貿易發展水平的收斂性分析

(一)σ收斂檢驗

本文通過對2011—2019年十大城市群數字貿易發展水平變異系數的測算,對數字貿易發展的σ收斂進行檢驗,結果如圖4所示。從十大城市群總體層面來看,階段性收斂的特征較為明顯,2011—2019年呈現出收斂的趨勢。分別觀察十大城市群收斂性特征可以發現,山東半島、海峽西岸、關中城市群2011—2019年總體呈現出發散的特征,而珠三角、長三角、京津冀城市群2011—2019年總體呈現出收斂的趨勢,長江中游、遼中南、中原、關中和成渝城市群則呈現出先收斂后發散的階段性特征。比較來看,十大城市群數字貿易發展的σ收斂性特征與Dagum基尼系數演進規律具有一定的相似性。

圖4 十大城市群數字貿易發展水平σ收斂系數趨勢

(二)β收斂檢驗

十大城市群數字貿易發展狀況的絕對β收斂檢驗結果如表9所示?？傮w來看,除了關中城市群外,其余城市群的β系數均為負值,其中總體層面、珠三角、長三角、成渝城市群通過了顯著性檢驗,說明這些城市群的數字貿易發展均存在絕對β收斂。從收斂速度來看,總體城市群的收斂速度為0.022,珠三角、長三角、山東半島和海峽西岸城市群的收斂速度均高于全國平均水平。

表9 十大城市群數字貿易發展水平絕對β收斂檢驗結果

本文進一步控制了各城市的人均GDP進行條件β收斂檢驗,十大城市群數字貿易發展狀況的條件β收斂檢驗結果如表10所示。從中可見,十大城市群數字貿易發展的β系數均通過了顯著性檢驗,其中總體、珠三角、長三角、山東半島、京津冀、海峽西岸、成渝城市群至少在10%的水平上通過了顯著性檢驗,說明再加入經濟因素之后,這些城市群存在顯著的條件β收斂,朝穩態水平收斂。而中原、長江中游和遼中南城市群的β系數雖然為負,但并未通過顯著性檢驗。從收斂速度來看,總體城市群的收斂速度為0.023%,珠三角、長三角、山東半島、京津冀和海峽西岸的收斂速度均高于全國平均水平,而中原、長江中游、遼中南和成渝城市群的收斂速度低于平均水平。

(三)空間β收斂檢驗

如果各個城市在地理位置上臨近,會通過流動等因素對彼此的數字貿易發展水平產生一定空間影響?；诖?本文進一步采用空間β收斂檢驗方法考察十大城市群數字貿易發展的收斂性。本文在相鄰權重矩陣、地理—經濟權重矩陣、地理距離矩陣的基礎上,分別用SDM、SEM、SAR模型對十大城市群數字貿易發展進行空間絕對β收斂檢驗,結果如表11所示。從中可見,總體、成渝、海峽西岸、京津冀、遼中南、山東半島、長江中游、長三角、珠三角城市群在三類權重下絕對β收斂檢驗均為負,說明這些城市群存在明顯的收斂特征。關中和中原城市群在三種權重矩陣下的絕對β收斂系數均為正,呈現出發散的特征,但不顯著。從收斂速度上來看,長三角和珠三角城市群的收斂速度最快,遠高于總體平均水平,說明這兩座城市群內數字貿易發展水平較低的城市能夠較快追趕上發展較好的城市,并且較快達到穩態水平。

表11 十大城市群數字貿易發展水平空間絕對β收斂檢驗結果

進一步考察在經濟因素影響下十大城市群數字貿易發展的空間β收斂情況,表12報告了加入人均GDP的對數這一控制變量后,在相鄰權重矩陣、地理—經濟權重矩陣、地理距離矩陣下SDM、SEM、SAR模型考察的空間條件β收斂的檢驗結果。與空間絕對β收斂檢驗結果類似,總體、成渝、海峽西岸、京津冀、遼中南、山東半島、長三角、珠三角城市群在三類權重下條件β收斂系數均為負。關中城市群、長江中游、中原城市群在三種權重下條件β收斂系數不全顯著。從收斂速度的結果來看,長三角、珠三角和京津冀收斂速度較快,以SDM模型為例,在三種矩陣下長三角的收斂速度分別為0.047、0.050、0.033,珠三角的收斂速度分別為0.036、0.040、0.038,京津冀的收斂速度分別為0.036、0.035、0.038,高于總體約為0.015的平均水平。

表12 十大城市群數字貿易發展水平空間條件β收斂檢驗結果

七、結論和政策建議

本文構建了18個指標組成的數字貿易發展評價指標體系,通過面板數據熵值法測度了中國十大城市群127座城市2011—2019年的數字貿易發展水平,并且運用Dagum基尼系數分析十大城市群數字貿易發展的區域差異和來源,運用核密度估計法和馬爾可夫鏈法分析十大城市群數字貿易動態演進分布情況,通過σ收斂和β收斂方法分析其收斂性。主要結論如下:

第一,總體來看,中國十大城市群2011—2019年數字貿易水平不斷提升,城市群內數字貿易發展較好的城市群是珠三角、京津冀和長三角城市群,分別有4、8、3座城市的數字貿易發展平均水平在前30名內,數字貿易發展較好的城市前10名分別是上海、深圳、廣州、杭州、成都、重慶、蘇州、天津、武漢。

第二,Dagum基尼系數分解的結果說明,十大城市群數字貿易發展差異較大,且在2011—2019年呈現出增長的趨勢;不同城市群之間的差異是中國數字貿易發展差異的主要來源,其中,珠三角和關中、成渝、遼中南、長江中游、中原、京津冀城市群的區域間差異較大,說明珠三角城市群的數字貿易發展較好,與其他城市群差距較大;十大城市群中京津冀城市群內部的數字貿易發展的差異最大。

第三,核密度估計結果中可知,十大城市群數字貿易發展水平存在一定的梯度效應和多極化現象,城市群之間存在較大的差異;各個城市群的核密度估計結果均顯示城市群內部均有中心城市引領其他城市的數字貿易發展,發展速度較快,并且與城市群其他城市發展具有較大差距。馬爾可夫鏈分析結果顯示,總體來看,各城市數字貿易發展水平穩定,改變類型的概率相對較低;高水平城市的數字貿易發展具有俱樂部趨同的現象。

第四,收斂性分析結果表明,珠三角、長三角、京津冀城市群呈現出σ收斂和絕對β收斂的趨勢;總體、成渝、海峽西岸、京津冀、遼中南、山東半島、長江中游、長三角、珠三角城市群存在顯著的空間絕對β收斂;總體、成渝、海峽西岸、京津冀、遼中南、山東半島、長三角、珠三角城市群存在顯著的空間條件β收斂過程,說明這些城市群區域內數字貿易朝著各自穩態水平發展。

基于上述結論,本文提出以下政策建議:

第一,提高各城市數字貿易發展水平。中國各個城市的數字貿易水平在近年來已經得到了長足的發展,但仍存在較大的進步空間。基于此,各城市應當進一步優化數字金融發展環境和數字創新環境,加快數字貿易人才的培養和引進,加強區塊鏈、人工智能、大數據等新型數字技術的發展,推動數字基礎設施進一步建設和普及,推進數字產業化和產業數字化的發展,提升數字產業的對外開放程度,出臺扶持數字產業和數字貿易發展的相關政策,提高對數字貿易的重視程度。

第二,推動城市群內數字貿易共同發展。京津冀、成渝、長三角、珠三角等城市群內部的數字貿易發展水平差異均較大,存在不均衡的現象。因此,一方面需要充分發揮城市群內核心城市的引擎作用,通過環境優勢、人才優勢、政策優勢,打造高層次的數字貿易高地,輻射帶動周邊城市數字貿易發展;另一方面,應當進一步明確各個城市的定位,根據各城市產業基礎和特點培育和發展相關數字產業,通過城市群內的規劃和引導,整合各城市的優勢資源,提高資源配置效率,優化數字產業鏈布局,不斷推動城市群內數字貿易協同發展。

第三,促進城市群之間數字貿易協同發展。京津冀、長三角和珠三角城市群數字貿易發展水平較高,與其他城市群存在較大差異。因此,首先應當樹立全局觀念,正視區域發展不均衡問題;其次,京津冀、長三角和珠三角三大城市群應當對標全球數字貿易發展領先地區,學習全球最先進的數字技術,激活數字企業創新活力,充分發揮當前的發展優勢,對其他城市群發展起到“領頭羊”的示范作用;再次,關中、中原等數字貿易發展水平較弱的城市群應當在明確自身定位、了解自身發展現狀的基礎上錯位發展,制定差異化的數字貿易發展政策,加大對數字企業的扶植力度,加強對數字領域人才的吸引,促進互補性的數字產業鏈的建立,推動數字基礎設施的普及,以縮小發展差距,實現對數字貿易發展優勢城市群的追趕;最后,應當打破城市群之間的區域壁壘,促進不同城市之間建立幫扶制度,加強城市群之間的合作,促進城市群之間數字人才的交流和資金的流動,帶動全國數字貿易整體性協調發展。