中國省域數字經濟發展水平測度與時空差異及影響因素分析

摘要： 基于2015-2021年中國的30個省（自治區、直轄市）面板數據，從數字基礎設施、數字創新環境、數字治理、數字產業化、產業數字化5個維度構建綜合評價指標體系；用熵值法客觀測算各省數字經濟發展水平，采用核密度估計和泰爾指數進行時空差異分析，以最優分層構建地理探測器對數字經濟發展水平進行影響因素分析。結果表明：各省數字經濟發展水平及分維度指標均明顯增長；數字經濟發展龍頭地區在中國的東部，且低水平省份占比有下降趨勢；與2015年相比，2021年30個省（自治區、直轄市）數字經濟發展水平的總體差異、區域內差異、區域間差異均顯著降低；考察期內數字經濟發展水平分層異質性的影響因素按平均解釋能力由強到弱依次為政府投入、經濟水平、城鎮化水平、人力資源及產業結構。

關鍵詞： 數字經濟； 時空差異； 影響因素； 地理探測器

中圖分類號： F 49； O 213文獻標志碼： A"" 文章編號： 1000-5013（2024）06-0789-11

Analysis on Measurement， Spatiotemporal Differences and Influencing Factors of Digital Economy Development Level in Chinese Provinces

LIU Ke， L Shulong， LIU Wenli， HUANG Wenbin

（College of Mathematics and Statistics， Fuzhou University， Fuzhou 350108， China）

Abstract： Based on panel data from 30 provinces （autonomous regions， municipalities directly under the Central Government） in China from 2015 to 2021， a comprehensive evaluation index system is constructed from the five dimensions of digital infrastructure， digital innovation environment， digital governance， digital industrialization， and industrial digitalization. The entropy method is employed to objectively measure the development level of the digital economy in each province. Kernel density estimation and Theil index are employed to analyze the spatial and temporal differences. The influencing factors of the development level of digital economy are analyzed by constructing the geographic detector with the optimal stratification. The results show that the development level of the digital economy and sub-dimension indicators in each province have increased significantly. The leading regions of digital economy development are in the eastern part of China， and the proportion of provinces with low-levels is declining. Compared with 2015， the overall difference， intra regional difference， and inter regional difference in the level of digital economy development in 30 provinces （autonomous regions， municipalities directly under the Central Government） in 2021 have significantly decreased.During the investigation period， the influencing factors of hierarchical heterogeneity in the digital economy development level， in order of average explanatory power from strong to weak， are government investment， economic level， urbanization level， human resources， and industrial structure.

Keywords：digital economy； spatiotemporal difference； influencing factor； geographical detector

數字經濟［1］是指以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。數字經濟自1996年Don Tapscott首次提出以來，備受各國政府、權威機構及研究學者的關注［2-3］。然而，全球數字經濟發展非常不均衡，中國的在數字經濟發展過程中也存在不平衡問題。

目前，對數字經濟發展水平的測度方法主要有增加值法、衛星賬戶法和綜合評價指標體系法等。通過文獻梳理，發現增加值法的測算結果具有較大的差異性［4-5］；盡管衛星賬戶法可利于國際間的比較，但相關理論研究還不夠充分［6-7］；相比于增加值法和衛星賬戶法，綜合評價指標體系法更加靈活，不僅可以進行個體間縱向比較，也可以對綜合評價指數分維度進行橫向分析［8-10］。對數字經濟發展水平的時空差異分析主要采用核密度估計、基尼系數分解、聚類分析、空間相關分析、社會網絡分析等。梳理發現時空差異分析方法豐富，但研究期限有待進一步跟進［10-12］。對數字經濟發展水平的影響因素的判定主要采用空間計量模型、二次指派程序（QAP）、地理加權回歸（GWR）、地理探測器模型等。已有文獻指出，空間計量模型不可避免會受到變量間多重共線性的影響，因此，模型選擇也會受到影響［10，13］。QAP分析可以克服多重共線性，但其主要用于研究關系方陣之間的相關性［14］；GWR也會受到自變量間共線性的影響［15］；而地理探測器模型不需要構建線性回歸方程，沒有過多的前提假設，而且不會受因素間共線性的影響［16］，但模型效果依賴于數值型因子分層方法的選擇。

為彌補上述不足，本文對2015-2021年中國的30個省（自治區、直轄市）（不含西藏和港澳臺）數字經濟發展水平展開探索，采用熵值法、核密度估計、泰爾指數對研究區域的數字經濟發展水平進行綜合測算和時空差異分析，以最優分層構建地理探測器，找出數字經濟發展水平的顯著影響因素。

1 指標體系構建與研究方法

1.1 數字經濟發展水平指標體系的構建

對相關文獻進行總結，發現構建的評價指標體系多包含數字基礎設施、數字產業化及產業數字化維度［17-20］，但仍不夠全面。焦帥濤等［9］認為數字經濟是一種伴隨著數字技術不斷創新的一種新經濟形態，數字經濟的發展需要數字化創新的加大和助力。而徐振劍等［10］認為數字化治理與公共服務等是數字經濟的重要組成部分，貫穿數字化生產力與生產關系發展的始終。受上述文獻的啟發，根據科學性、系統性、全面性、代表性原則，從數字基礎設施、數字創新環境、數字治理、數字產業化、產業數字化5個維度出發，同時考慮到指標數據的可得性，構建指標體系，如表1所示。

數字基礎設施是數字經濟正常運轉的前提條件。其中，以長途光纜線路長度、移動電話基站數、互聯網寬帶接入端口數反映基礎硬件設施；以移動電話普及率、互聯網寬帶接入普及率反映硬件設施應用水平；以互聯網域名數、互聯網網頁數、IPv4地址數反映基礎軟件設施。

數字創新環境為數字經濟持續發展提供新活力。其中，以規模以上工業企業Ramp;D人員全時當量、規模以上工業企業Ramp;D經費反映創新投入；以國內專利申請授權量、技術市場成交額反映創新成果。

數字治理是推動數字經濟、數字生活安全健康可持續的重要環節。其中，以政府一體化政務服務能力指數反映政府數字服務能力；以政府科學技術財政支出反映數字治理支出力度。

數字產業化對應于數字經濟核心產業，是數字經濟發展的基礎。以軟件業務收入、電信業務總量、互聯網百強企業數量反映數字產業化。

產業數字化是數字技術與實體經濟的融合，給傳統產業帶來效率提升和產出增加。其中，以實物商品網上零售額占社會消費品零售總額的比例、有電子商務交易活動的企業數比例反映產業數字化交易；以每百人使用計算機數、每百家企業擁有網站數反映產業數字化經營。

1.2 數據說明

基于數據的可獲得性及部分數據缺失較多，選取2015-2021年中國的30個省（自治區、直轄市）（不含西藏和港澳臺，下略）為研究對象。表1中的y5，y18指標通過計算得到，屬性均為正向。原始數據來源于國家統計局、《中國統計年鑒》、國家行政學院電子政務研究中心、中國互聯網協會。

1.3 研究方法

1.3.1 熵值法 熵值法［11］是一種客觀賦權法，根據指標的信息熵確定權重，權重越大，說明指標的影響越大。熵值法可以對多個指標進行綜合、分維度測算，且其客觀賦權的特點能充分體現數字經濟發展的實際水平。因此，采用熵值法對數字經濟發展水平進行客觀綜合評價，具體計算步驟參照文獻［16］。

1.3.2 核密度估計 核密度估計是通過連續的密度曲線描述隨機變量分布形態的一種非參數估計方法。核密度曲線可以清晰直觀地展示變量分布的位置、形態及延展性。核密度估計對模型的依賴性較弱，具有穩健性，是研究不均衡分布的常用方法［21］。因此，參考文獻［21-23］，采用高斯核函數進行核密度估計，以期對數字經濟發展水平分布的動態演變進行探索。

1.3.3 泰爾指數 泰爾指數［24］可以衡量地區間目標變量的差異性，其值為0，意味著變量在空間上為絕對均衡，其值越大，則變量在空間上不平衡的程度越大。泰爾指數不僅可以衡量整體上的差異，也可以分解測算區域內差異、區域間差異對總差異的貢獻。因此，為進一步量化數字經濟發展水平的空間分布差異及對差異的動態發展展開探索，采用泰爾指數及其分解方法。泰爾指數及其分解公式分別為

T=1n∑Kk=1∑nkj=1yk，jμlnyk，jμ=∑Kk=1nkμknμ1nk∑nkj=1yk，jμklnyk，jμk+1n∑Kk=1nkμkμlnμkμ=TWR+TBR，

TWR=∑Kk=1nkμknμ1nk∑nkj=1yk，jμklnyk，jμk，TBR=1n∑Kk=1nkμkμlnμkμ，Tk=1nk∑nkj=1yk，jμklnyk，jμk。

上式中：K為區域數；n為省（自治區、直轄市）數；nk為k區域所含省（自治區、直轄市）數；yk，j為k區域內j省（自治區、直轄市）數字經濟發展水平；μ，μk分別為整體和k區域數字經濟發展水平均值；TWR為區域內泰爾指數；TBR為區域間泰爾指數；Tk為k區域泰爾指數；T為總泰爾指數。

區域內差異貢獻率RWR、區域間差異貢獻率RBR及k區域差異貢獻率Rk的計算公式分別為

RWR=TWRT，" RBR=TBRT，" Rk=nkμknμTTk。

1.3.4 地理探測器 地理探測器是一種統計量，用于測量和識別數據中的空間分層異質性［25］。相比于其他模型，地理探測器不需要構建線性回歸方程，沒有過多的前提假設，而且不會受因素間共線性的影響，其中，因子探測可以探測單個因子對因變量分層異質性的解釋能力，交互探測則可以探測雙因子的交互作用。因此，應用因子探測和交互探測進行數字經濟發展水平的影響因素分析。

因子探測器是地理探測器的核心部分，刻畫了因變量在整個空間與分層之間的離散方差，表達式為

q=1-∑Ll=1nlσ2lnσ2=1-SSWSST。

上式中：L是一個因子的分層數；σ2和σ2l為所有省份和l分層數字經濟發展水平的方差；SSW為分層內方差之和；SST為研究區域總方差。q的取值在［0，1］，值越大，說明數字經濟發展水平分層異質性越明顯，此因子對數字經濟發展水平分層異質性的解釋力越強，反之越弱。

交互探測器［26］是通過比較兩個單因子q值和它們交互作用的q值來探測相互作用。交互探測器探測5種交互作用，包括非線性減弱、單因子減弱、雙因子增強、獨立和非線性增強［27］。

使用的熵值法、核密度估計、泰爾指數均通過Stata17軟件實現，地理探測器分析通過R4.3.3軟件實現，檢驗顯著性水平均為0.05。

2 數字經濟發展水平及時空差異分析

2.1 數字經濟發展水平初步分析

通過熵值法得到2015-2021年中國的30個省（自治區、直轄市）的數字經濟發展水平，如圖1所示。2015-2021年中國的30個省（自治區、直轄市）的數字經濟發展水平均值依次為0.101 3，0.112 4，0.122 5，0.140 2，0.160 3，0.175 8，0.177 3。從時間變化看，30個省（自治區、直轄市）數字經濟發展水平均值逐年增長，各省也呈穩步增長趨勢。其中，2015-2021年數字經濟發展水平始終高于均值的地區包括北京市、上海市、江蘇省、浙江省、福建省、山東省、廣東省，集中在中國的東部。

中國的30個省（自治區、直轄市）的數字經濟發展分維度水平，如圖2所示。由圖2可知：2015-2021年各地區數字基礎設施、數字創新環境、數字治理、數字產業化及產業數字化維度水平均有提升，但各維度水平均分布不平衡，水平較高的地區仍集中在中國的東部。

進一步考察30個省（自治區、直轄市）的數字經濟發展水平年段均值，并從高到低排序后平均分成第1梯隊、第2梯隊、第3梯隊，如表2所示。由表2可知：30個省（自治區、直轄市）的數字經濟發展水平年段均值的平均水平約為0.141 4，北京市、廣東省、江蘇省、浙江省、上海市、山東省、福建省及四川省年段均值均超過平均水平。

中國的30個省（自治區、直轄市）數字經濟發展水平分維度分區域年段均值平均水平，如表3所示。表3中：東部包括北京市、天津市、河北省、遼寧省、上海市、江蘇省、浙江省、福建省、山東省、廣東省、海南省；中部包括山西省、吉林省、黑龍江省、安徽省、江西省、河南省、湖北省、湖南省；西部包括內蒙古自治區、廣西壯族自治區、重慶市、四川省、貴州省、云南省、陜西省、甘肅省、青海省、寧夏回族自治區、新疆維吾爾自治區。

由表3可知：各個維度東部年段均值平均水平均高于中部、西部及30個省（自治區、直轄市）的平均水平，而中部、西部均低于30個省（自治區、直轄市）的平均水平。

2.2 數字經濟發展水平時空差異分析

2.2.1 核密度分析 2015-2021年數字經濟發展水平核密度曲線，如圖3所示。由圖3可知：30個省（自治區、直轄市）核密度曲線呈右移趨勢，說明整體數字經濟發展水平逐年提高；主峰下降說明低水平地區占比減少；而曲線均有多個波峰，從左邊起第1個波峰表明中國的數字經濟發展水平較低地區占比仍然最高，多個波峰也反映出中國的數字經濟發展水平存在多處極化現象；同時，由曲線尾部的延展性可知，近年來龍頭地區與低水平地區的差距進一步拉大。分區域來看，東部區域數字經濟發展水平差距最大；中部區域仍存在2處極化現象，但有明顯緩解；西部區域整體水平最低，其右拖尾特征表明區域內差距也進一步擴大。

2.2.2 泰爾指數分析 為定量研究數字經濟發展水平空間分布差異，將研究區域分為東部、中部和西部3個區域。2015-2021年數字經濟發展水平泰爾指數及其貢獻率，如表4所示。

由表4可知：2015-2021年總體泰爾指數顯著下降，表明中國的30個省（自治區、直轄市）數字經濟發展水平的總差異縮小；2021年區域內和區域間泰爾指數與2015年相比均有下降，表明區域內、區域間差異均得到縮小；進一步地，東部、中部區域泰爾指數前期均有下降，但近年來均有上升，說明近年來東、中部區域內差異均有增加；而西部區域泰爾指數自2016年起呈上升趨勢，到2021年開始下降，說明西部區域內差異自2016年起持續擴大，到2021年有所減小。

從在總泰爾指數中的貢獻率看，2015-2021年區域內差異貢獻率顯著上升，區域間差異貢獻率顯著下降，且近年來區域內差異貢獻率大于區域間差異貢獻率，說明近年來區域內差異對總差異的影響更大；進一步看，東部區域內差異貢獻率始終大于中部和西部，說明較中部、西部而言，東部區域內差異對總差異影響更大。

3 數字經濟發展水平的影響因素分析

3.1 變量選擇

通過時空差異分析，發現中國的數字經濟發展水平在空間上分布不平衡，因此，構建地理探測器進行影響因素分析。已有研究結果顯示，政府支持［10］、產業結構優化［16］、人才投入［28］等是數字經濟發展水平的影響因素，但仍需進一步驗證及豐富指標的選擇。因此，考察的影響因素有政府投入、產業結構、城鎮化水平、人力資源及經濟水平共5個方面，因變量為數字經濟發展水平。

政府投入方面，政府對科學技術的支出有助于數字創新［17］，因此，采用地方財政科學技術支出占一般預算支出的比例x1來衡量。產業結構方面，數字產業化和產業數字化是數字要素與傳統產業融合演變的結果，而以電子商務為代表的第三產業在數字經濟中具有重要的地位［8］，因此，采用第三產業增加值占地區生產總值的比例x2來衡量。城鎮化水平方面，城鎮化建設推動數字基礎設施需求增加從而影響數字經濟的發展，因此，采用城鎮化率x3來衡量。人力資源方面，數字經濟的發展需要信息等專業技術人才的支撐［16］，因此，采用信息傳輸、軟件和信息技術服務業城鎮單位就業人數占城鎮單位總就業人數的比例x4來衡量。經濟水平方面，高經濟水平地區集聚著大量物質財富，為數字經濟提供更加優越的物質基礎，從而促進數字經濟的發展，因此，采用人均地區生產總值x5來衡量。

3.2 基于最優分層的地理探測器分析

根據地理探測器的原理，因子變量必須為定性變量，但數值型數據轉為定性數據的方法有多種，而數值型數據可劃分的層數也不唯一。考慮到目前相關研究直接選擇自然間斷點法［16］，忽視了分層方法和層數對模型結果的影響，因此，采用k均值聚類、等間隔法、分位數法、自然間斷點法共4種分層方法和4～8層數，基于因子探測q值最大化找出最優分層及最優分層下的顯著影響因子。2015-2021年最優分層組合，如表5所示。由表5可知：自然間斷點法不是所有因子共有的最佳分層方法，說明尋找最優分層組合是必要的。

最優分層組合下的因子探測q值及檢驗p值，如表6所示。由q值均值可知，對因變量分層異質性的平均解釋能力由強到弱的影響因素依次為政府投入、經濟水平、城鎮化水平、人力資源及產業結構。由q值的檢驗顯著性p值可知，2015-2021年始終顯著的影響因素為政府投入、城鎮化水平及經濟水平，而發展到2021年時，5個影響因素均具有統計學意義，說明在數字經濟發展前期，政府投入、經濟水平和城鎮化水平是主要影響因素，而隨著數字化時代的高速發展，對人力資源的需求及產業結構的要求愈發凸顯，最終也成為顯著影響因素。

進一步對所有因子進行交互探測，2015，2018及2021年最優分層下5因子交互作用類型，如圖4所示。由圖4可知：部分因子之間交互探測的q值大于各相應單因子的q值（即圖中的雙因子增強），說明部分因子的交互作用對數字經濟發展水平分層異質性具有更強的解釋力，如2021年政府投入與人力資源的交互作用解釋力達0.919 0。

4 分析與討論

研究表明，2015-2021年中國的省域數字經濟發展水平穩步前進，但區域內及區域間發展不平衡，并由此尋找到其顯著影響因素。

自數字經濟被提出以來，國家先后頒布了《網絡強國戰略實施綱要》《數字經濟發展戰略綱要》等一系列政策，將數字經濟上升為國家戰略，可見各省積極發展數字經濟并取得了穩定增長的良好態勢。但在發展初期中、西部省域物質資源、人才技術等重要條件相對匱乏，導致中、西部數字經濟發展水平相對落后，而東部的北京市、上海市、江蘇省、浙江省、福建省、山東省、廣東省有著更高的經濟發展水平、更強的科技研發實力等良好基礎，使得數字經濟發展處于領先地位。2015-2021年，各省數字經濟發展水平及分維度水平的差距依然存在，表現出明顯的“馬太效應”［16］。值得一提的是，除了以上東部7省，四川省在這7年里的平均發展水平超過了30個省（自治區、直轄市）的均值，這可能是因為西部大開發戰略、“西三角經濟圈”等政策促進了四川省數字經濟的發展［18］。而中、西部數字基礎設施、數字創新環境、數字治理、數字產業化及產業數字化維度的年段均值平均水平均低于東部平均水平，表明中國的區域數字基礎設施、數字創新等發展的不平衡和不充分問題仍然需要解決。

無論是30個省（自治區、直轄市）整體還是東、中、西部區域核密度曲線，都顯示出低水平地區占比逐步減少，尤其是西部區域減少幅度較大，這與“一帶一路”等一系列國家戰略和政策及各省重視發展數字經濟的程度密切相關，如2017年陜西省建設數字經濟試點示范區，2019年四川省、重慶市啟動了“國家數字經濟創新發展試驗區”建設工作等。而西部核密度曲線右拖尾特征愈加明顯，這是因為存在著少數數字經濟發展水平相對較高的省份，如四川省等，其波峰寬度的變大也揭示了西部數字經濟發展水平的差距變大。西部區域因較為落后的經濟水平、有限的資源限制了其發展，低發展水平省份如何借助水平較高的鄰近省份發展，較高發展水平的省份（如四川省）如何持續有效帶動周邊省份的發展，這些問題仍需重視。而中部數字經濟發展水平兩處極化現象得到顯著緩解，這可能是因為中部各省在發展初期自身條件不同，但隨著各省政府重視及周邊較高數字經濟發展水平省份的帶動作用［19］等因素，加速了它們的發展，但差距明顯變大。同樣，東部數字經濟發展水平的差距也有擴大。

30個省（自治區、直轄市）的數字經濟發展水平的總體差異、區域內差異及區域間差異均顯著縮小，究其原因可能是為數較少的高發展水平省進一步提升發展的速度較為緩慢，而大多數為非高發展水平的省不斷完善數字要素從而發展較快，由此縮小了差異。需要指出的是，2017-2021年東、中、西部區域內差異均表現出波動上升的趨勢，這可能是由于位于東部的遼寧省是中國的重要重工業基地，為適應數字時代的高速發展必須做出產業數字化轉型，但由于數字人才缺乏和轉型難度大，使得數字經濟發展較慢，從而與東部高發展水平省的差距拉大，且超過了中、西部區域內的差距；位于中部的吉林省和黑龍江省同樣是重工業基地，面臨著相同的問題，而如安徽省處于長三角經濟圈，近年來與東部高發展水平省密切合作，數字經濟發展勢頭強勁［14］，使得中部區域內差異也在擴大；位于西部的新疆、青海等受限于地理位置和經濟水平等因素，數字經濟發展緩慢，而四川省、重慶市及陜西省等與其東部較高發展水平省的合作更加便捷，由此加快了它們的發展，使西部區域內差異增大。然而，區域間差異貢獻率與區域內差異貢獻率均不低，可見中國的數字經濟發展水平空間上存在非均衡性，不僅區域間需要協同發展數字經濟以進一步縮小差距，而且區域內也需解決發展不平衡問題，尤其是傳統產業數字化轉型的問題有待突破。

2015-2021年，始終顯著影響數字經濟發展水平的因素依次為政府投入、經濟水平及城鎮化水平，且平均解釋力均超過0.6，可見這3個因素對中國的數字經濟發展水平的分層起著重要作用。事實上，中國的東部的北京市、上海市、江蘇省、浙江省等經濟水平全國領先，政府科技創新投入占比和城鎮化率更高，強大的經濟實力促使其具備更完善的數字基礎設施，更高的政府投入加快數字創新，高城鎮化率進一步增加數字基礎設施建設，由此，數字經濟起步更高、發展更快。相反，西部的新疆、青海等在政府投入、經濟水平及城鎮化水平上更為落后，造成數字基礎設施和數字技術等較為欠缺，進而數字經濟起步低、發展慢，也因此出現了中國的數字經濟發展水平的分層。到2021年時，人力資源及產業結構也發展為顯著影響因素，原因可能是隨著數字要素對社會生活重要性提升，各行各業對數字人才的需求增大，同時數字經濟主要與以電子商務為代表的現代服務業融合發展［14］，對第三產業的發展水平要求更高。例如，中國東部的上海市、廣東省等現代服務業發達，人才聚集，而中國中、西部的部分省則相對落后，從而導致數字經濟發展水平的分層。政府投入與人力資源等一些組合因素可以對分層產生更強的解釋力，由此啟示，數字經濟發展落后的省可以同時推動多個影響因素，達到更快發展數字經濟的目的。

5 結論

近年來，數字經濟深刻影響人們的生活，改變傳統生產經營方式，但中國的數字經濟發展水平分布不平衡。以2015-2021年中國的30個省（自治區、直轄市）為研究區域，選取數字基礎設施、數字創新環境、數字治理、數字產業化、產業數字化5個維度建立數字經濟發展水平指標體系；利用熵值法客觀測算30個省（自治區、直轄市）數字經濟發展水平后，對整體和分區域進行時空差異分析；以最優分層構建地理探測器進行影響因素分析。研究得到以下4點結論。

1） 2015-2021年中國的30個省（自治區、直轄市）數字經濟發展水平及分維度水平均有增長趨勢，但高于均值的地區主要集中東部。同時發現北京市、廣東省、江蘇省、浙江省、上海市、山東省、福建省及四川省年段均值均超過30個省（自治區、直轄市）年段均值平均水平。

2） 2015-2021年中國的30個省（自治區、直轄市）及東、中、西部區域數字經濟發展水平核密度曲線結果顯示，30個省（自治區、直轄市）整體數字經濟發展水平逐年提高；龍頭省分布在東部；西部區域整體水平最低，但低水平省占比呈下降趨勢。

3） 2015-2021年泰爾指數及其分解結果表明，30個省（自治區、直轄市）數字經濟發展水平的總體差異顯著縮小，區域內、區域間差異均得到縮小，但近年來東、中、西部區域內差異均有增加，且東部區域內差異較中、西部而言對總差異的影響更大。

4） 2015-2021年對數字經濟發展水平分層異質性的平均解釋能力由強到弱的影響因素依次為政府投入、經濟水平、城鎮化水平、人力資源及產業結構，同時部分因素的交互作用對分層異質性具有更強的解釋力。

綜上，提出以下3點建議。

1） 從數字經濟發展水平看，數字經濟發展較為落后的省需要加強和完善物聯網、數據中心等數字基礎設施建設；進一步提高經濟水平及城鎮化率也有助于數字經濟的發展。數字經濟發展較為緩慢的省應結合自身產業結構特點，加快推進數字產業化和產業數字化發展，培育和發展數字產業集群，如電子信息制造、軟件和信息技術服務、人工智能、大數據、云計算等產業，推動制造業、農業采用數字化技術、智能設備等提高生產效率，實現產業數字化轉型；加大數字人才的培養和吸引解決數字技術難題；政府應加大科學技術的資金投入助力數字創新。

2） 從數字經濟發展水平空間分布差異看，數字經濟協同發展對縮小差距至關重要。對于區域間差異，應鼓勵東部數字產業向中西部投資興業，促進東部與中、西部數字技術協作和數字人才輸出。對于區域內差異，各省之間也要加強數字經濟合作，互補產業可以建立合作機制；各區域內數字經濟發展水平較高的省（如西部的四川省）應帶動周邊省共同發展，共享、共建數字基礎設施，加強與周邊省的通信網絡互通以提高區域內數據傳輸效率，還可以將優勢產業向周邊省延伸以帶動周邊產業的發展。

3） 從數字經濟發展水平的影響因素看，各省應高度重視政府投入、經濟水平、城鎮化水平、人力資源及產業結構因素對自身數字經濟發展的限制，因地制宜采取組合政策，充分發揮組合影響因素對數字經濟發展帶來的更大促進作用。

參考文獻：

［1］ 中華人民共和國互聯網信息化辦公室.二十國集團數字經濟發展與合作倡議［EB/OL］.（2016-09-29）［2024-04-08］.http：∥www.cac.gov.cn/2016-09/29/c_1119648520.htm.

［2］ BOWMAN J P.The digital economy： Promise and peril in the age of networked intelligence［J］.Choice Reviews Online，1996，33（9）：69-71.

［3］ 中國信息通信研究院.中國數字經濟發展研究報告（2023年）［R/OL］.（2023-04-27）［2024-04-08］.http：∥www.caict.ac.cn/kxyj/qwfb/bps/202304/P020240326636461423455.pdf.

［4］ 魯春叢.《2018年中國數字經濟發展和就業白皮書》解讀［EB/OL］.（2018-04-12）［2024-04-08］.http：∥www.caict.ac.cn/sytj/201804/t20180412_172812.htm.

［5］ 許憲春，張美慧.中國數字經濟規模測算研究： 基于國際比較的視角［J］.中國工業經濟，2020（5）：23-41.DOI：10.19581/j.cnki.ciejournal.2020.05.013.

［6］ 羅良清，平衛英，張雨露.基于融合視角的中國數字經濟衛星賬戶編制研究［J］.統計研究，2021，38（1）：27-37.DOI：10.19343/j.cnki.11-1302/c.2021.01.003.

［7］ 張恪渝，武曉婷.基于投入產出表的中國數字經濟衛星賬戶構建［J］.統計與決策，2023，39（5）：5-9.DOI：10.13546/j.cnki.tjyjc.2023.05.001.

［8］ 王彬燕，田俊峰，程利莎，等.中國數字經濟空間分異及影響因素［J］.地理科學，2018，38（6）：859-868.DOI：10.13249/j.cnki.sgs.2018.06.004.

［9］ 焦帥濤，孫秋碧.我國數字經濟發展測度及其影響因素研究［J］.調研世界，2021（7）：13-23.DOI：10.13778/j.cnki.11-3705/c.2021.07.002.

［10］ 徐振劍，呂拉昌，辛曉華.中國城市數字經濟發展空間分異及其影響因素［J］.經濟縱橫，2023（8）：71-79.DOI：10.16528/j.cnki.22-1054/f.202308071.

［11］ 楊承佳，李忠祥.中國數字經濟發展水平、區域差異及分布動態演進［J］.統計與決策，2023，39（9）：5-10.DOI：10.13546/j.cnki.tjyjc.2023.09.001.

［12］ 劉英恒太，楊麗娜.中國數字經濟產出的空間關聯網絡結構與影響因素研究［J］.技術經濟，2021，40（9）：137-145.

［13］ 程筱敏，鄒艷芬.我國數字經濟發展水平測度及空間溢出效應［J］.商業經濟研究，2022（23）：189-192.

［14］ 胡艷，栗明鈺，唐睿.長三角數字經濟網絡結構特征及影響因素［J］.華東經濟管理，2022，36（12）：26-34.DOI：10.19629/j.cnki.34-1014/f.220707003.

［15］ 鐘業喜，毛煒圣.長江經濟帶數字經濟空間格局及影響因素［J］.重慶大學學報（社會科學版），2020，26（1）：19-30.DOI：10.11835/j.issn.1008-5831.jg.2019.05.002.

［16］ 蔡紹洪，谷城，張再杰.中國省域數字經濟的時空特征及影響因素研究［J］.華東經濟管理，2022，36（7）：1-9.DOI：10.19629/j.cnki.34-1014/f.211219002.

［17］ 蘇冰杰，盧方元，朱峰，等.中國數字經濟發展水平： 時空特征、動態演化及影響因素［J］.運籌與管理，2022，31（9）：161-168.DOI：10.12005/orms.2022.0300.

［18］ 呂雁琴，范天正.中國數字經濟發展的時空分異及影響因素研究［J］.重慶大學學報（社會科學版），2023，29（3）：47-60.DOI：10.11835/j.issn.1008-5831.jg.2023.04.002.

［19］ 王凱利，李欣儒，賀超城，等.城市群數字經濟發展水平測度及空間分異研究［J］.統計與決策，2023，39（23）：127-131.DOI：10.13546/j.cnki.tjyjc.2023.23.023.

［20］ 何地，趙炫焯，齊琦.中國數字經濟發展水平測度、時空格局與區域差異研究［J］.工業技術經濟，2023，42（3）：54-62.DOI：10.3969/j.issn.1004-910X.2023.03.006.

［21］ 楊明海，張紅霞，孫亞男.七大城市群創新能力的區域差距及其分布動態演進［J］.數量經濟技術經濟研究，2017，34（3）：21-39.DOI：10.13653/j.cnki.jqte.2017.03.002.

［22］ 伍國勇，龐國光，湯鈞惠，等.中國鄉村數字經濟發展水平的測度、區域差異及時空演變［J］.湖南農業大學學報（社會科學版），2022，23（4）：15-27.DOI：10.13331/j.cnki.jhau（ss）.2022.04.002.

［23］ 李潔，王琴梅.數字經濟發展水平測度及時空演變［J］.統計與決策，2022，38（24）：73-78.DOI：10.13546/j.cnki.tjyjc.2022.24.014.

［24］ 成祖松，解亞淼.安徽數字經濟發展的區域差異及收斂性分析［J］.技術與市場，2023，30（3）：135-139，143.DOI：10.3969/j.issn.1006-8554.2023.03.034.

［25］ WANG Jinfeng，ZHANG Tonglin，FU Bojie.A measure of spatial stratified heterogeneity［J］.Ecological Indicators，2016，67：250-256.DOI：10.1016/j.ecolind.2016.02.052.

［26］ SONG Yongze，WANG Jinfeng，GE Yong，et al.An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis： Cases with different types of spatial data［J］.GIScience Remote Sensing，2020，57（5）：593-610.DOI：10.1080/15481603.2020.1760434.

［27］ WANG Jinfeng，LI Xinhu，CHRISTAKOS G，et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region， China［J］.International Journal of Geographical Information Science，2010，24（1）：107-127.DOI：10.1080/13658810802443457.

［28］ 付爭江，鄭之琦，屈小娥.數字經濟高質量發展指標體系構建及實證分析： 來自陜西省的經驗證據［J］.統計與決策，2023，39（13）：28-32.DOI：10.13546/j.cnki.tjyjc.2023.13.005.

（責任編輯： "黃曉楠" 英文審校： 陳婧）

通信作者： 呂書龍（1977-），副教授，主要從事統計計算和應用統計的研究。E-mail：wujispace@fzu.edu.cn。

基金項目： 國家統計局重點項目（2022LZ12）； 福建省本科高校教育教學改革項目（FBJY20230035）； 福州大學研究生院教學改革項目（0480-00489499， 0480-00488503）； 中國康復醫學會科技發展項目（KFKT-2022-022）https：//hdxb.hqu.edu.cn/