黃河流域數智化發展水平測度與時空演變特征研究

關鍵詞：數智化；發展水平測度；時間演變；空間演變；黃河流域中圖分類號：F061.5；TV88.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.08.011用格式：，，，等.黃河流域數智化發展水平測度與時空演變特征研究[J].人民黃河，2025，47（8）：62-66，75.

Research on the Measurement of Digital and Intelligent Development Level and Spatial-Temporal Evolution Characteristics in the Yellow River Basin

WANG Jiazhen'，HAN Youpeng'，CHANG Yuan1，WU Zhenshu2 （1.School of Business，Zhengzhou University，Zhengzhou 450oo1，China；2.International Institute of Green Finance， Central University of Finance and Economics，Beijing 1Ooo81，China）

Abstract：DigialitellgnceplaysacucialroleinpromotinghigqualitydevelopmentintheYeloiverBsin.Tssudyesudte digiaintelliedevelopntlvelsaossneprovsndregisintYelliverBasinfro6t02basdoetalyis. Thisresearchvestigatedsatialmpoevutoaractestisfgialtellgeeveloptplngeodolsch timeseriesaist，ocal’sdtalasioalysala findingsndicateaseadyicreaseindgitalinteligenceevelswitteYlloRiverBasinHoweverareasihgowthateefe andereissigniicantspatialterogeeityuencdyoucdoents，eadgtotablegioaldevelopntdispaittatted towardpolarzatio.Thedownstreamasteregionsxhibithigherdevelopmentlvelscomparedtotecentralandwestenbasinaras.Consequently，tisostgsucfsicailispresppoiglsial coperation，andstablishataandtchologsaringplatfostoleveagelicy“multiplierects”，oodinatergioaldvelotd accelerate digital intelligence building.

Key words：digital intellgence；developmentlevel measurement；temporalevolution；spatial evolution；YellowRiverBasin

黃河流域作為重要的生態屏障和經濟地帶，在我國生態安全和經濟社會發展中具有重要地位。在發展新質生產力背景下，黃河流域應當堅持新發展理念，將數智化作為推動黃河流域高質量發展的關鍵手段。數智化通過數字和智能技術，實現各類資源與流程創新和優化，提升價值創造率，是有別于數字化、智能化的高級產業形態[1]，不僅包括信息和數據數字化處理，而且涉及人工智能、物聯網、云計算、大數據分析等智能技術應用。因此，對黃河流域數智化轉型的研究，不僅有助于區域生態安全與經濟繁榮，而且對我國經濟高質量發展具有深遠影響。

黃河流域生態環境脆弱，曾因過度開發、環境破壞等而導致土地沙化、水資源短缺及污染現象，使高質量發展面臨諸多困難。此外，黃河流域產業結構單一落后、經濟社會發展水平不均衡、發展動力疲軟等問題進一步限制黃河流域經濟高質量發展[2-3]。而數智化發展為其提供了新思路。既有文獻中對數智化經濟效益的研究表明，數智化在推動經濟社會良性發展[4]、促進雙循環、實現高質量發展5等方面均具有積極作用：第一，數智化可以提高生產效率。通過推動上下游產業鏈產品與要素市場融合，數智化可以實現資源智能調度和分配，有助于提高資源利用效率和全要素生產率[6-7]。第二，數智化可以降低生產和交易成本。通過實時收集和分析海量數據并進行動態監測，數智化可以實現高效信息交換，從而降低信息不對稱性、節約信息成本，并通過智能化供需匹配，實現資源最優配置，進而降低生產和交易成本[8-9]。第三，數智化可以提高治理能力。通過對數據智能化管理和綜合分析利用，數智化有助于提高政府治理與服務能力[10]，加速治理現代化與可持續性發展步伐[]

目前，對黃河流域數智化發展水平測度研究較少[12-13]，且既有研究主要采用綜合評價法或主成分分析法，選取地區數字化水平、行業智能化程度等指標衡量區域數智化發展水平，覆蓋面和準確度均有待提升[14]。筆者依據微觀經濟主體披露的信息，提取多維度數智化發展特征詞，根據特征詞詞頻對黃河流域數智化發展水平進行測度，通過局部莫蘭指數、時空躍遷法和自然斷點分級法對其空間相關性、空間異質性進行動態演化分析。

1黃河流域數智化發展水平測度

為測度數智化發展水平，從巨潮資訊網下載2016—2023年黃河流域各上市公司年報，并結合萬得數據庫（Wind）進行交叉對比，修正和去除具有明顯識別錯誤的樣本，最終得到有效年報共計5235份。采用文本分析法構建數智化特征詞詞典，基于“十四五”系列公告、《新一代人工智能發展規劃》《數字中國建設整體布局規劃》及相關學術文獻[14-18]，從人工智能、大數據、互聯網、5G、云計算、區塊鏈、邊緣計算、物聯網8個維度提取數智化特征詞，剔除語氣助詞、連接詞、否定詞（如“的”“了”“無”“沒”）后，最終得到300個有效特征詞（見表1）。

表1數智化特征詞Tab.1 Digital Intelligence Feature Words

采用熵值-離差最大化組合賦權法進行數智化水平的測度。首先，八個維度對特征詞的詞頻進行歸一化處理；其次，分別通過熵值法和離差最大化法計算各維度詞頻的權重；再次，采用最優化模型求出與兩種權重離差最小的權重，以該權重對各維度詞頻加權，得到每家企業每年的數智化發展指數；最后，基于企業資產規模對省內企業數智化發展水平進行加權平均，得到黃河流域各省（區）數智化發展水平（見表2）。

表2黃河流域各省（區）數智化發展水平 Tab.2Digital Intelligence Level Index for the Yellow River Basin

由表2可知，整體來看黃河流域數智化平均發展水平呈現上升趨勢，由2016年的0.0104上升至2023年的0.0434，其中2018年、2020年發展迅速，可能與我國大力推進智能化和數字化發展有關。從省級層面來看，山東、四川屬于黃河流域數智化發展的“領頭羊”，整體處于領先地位，而寧夏、青海、甘肅數智化發展較慢，遠低于黃河流域平均數智化發展水平，可能是受其資源稟賦、勞動結構、地理環境影響所致。

2 時間演變分析

2.1 時序分析

數智化發展水平具有較為明顯的時序特征，為進一步分析時間序列演變的過程，對黃河流域上、中、下游數智化發展水平時序（見圖1）進行分析。

圖1黃河流域上、中、下游數智化發展水平時序 Fig.1 Chronology of Upstream， Midstream and Downstream Digital IntelligenceDevelopmentLevels

資源稟賦、政策導向等差異使得黃河流域不同區域數智化發展不盡相同。具體而言，上、中、下游數智化平均發展水平分別為0.017、0.024、0.071，整體呈現“下強上弱”的趨勢；下游數智化發展水平始終處于領先地位，中游次之。從差異視角來看，2016年起，下游與上中游數智化平均發展水平差異逐步顯現，在2018年達到一個小高峰，2020年起差異繼續擴大，2023年下游數智化發展水平分別約為上、下游的5倍和3.5倍。這意味著隨著時間推移，資源稟賦的虹吸效應與區域發展的極化效應使得區域間數智化發展水平差異擴大。

2.2 區域差異分析

進一步采用Dagum基尼系數探究黃河流域數智化發展的區間差異[19]，結果見表3，區域內貢獻率表示各省（區）數智化發展水平差異，區域間貢獻率表示上、中、下游間數智化發展水平差異，超變密度為上、中、下游間數智化發展水平交叉影響的基尼系數余數。

表3Dagum基尼系數及其分解結果

Tab.3Dagum's Gini Coefficient and Its Decomposition Results

由表3可知，2016—2023年黃河流域Dagum基尼系數呈現M形波動，在2018年、2020年差異化達到頂峰；黃河流域上、中、下游區域內Dagum基尼系數差異較大，均值分別為0.593、0.258、0.160。區域間差距及演變趨勢研究表明，下游與中上游的數智化發展水平差異較大，區域間Dagum基尼系數差異排序為上游-下游 gt; 下游-中游 gt; 上游-中游，這可能是受各區域資源稟賦影響所致。例如，山東省屬東部沿海省份，其帶動下游區域數智化發展迅速，而中、上游各省（區）多屬于我國西部地區，其數字化、智能化發展均相對落后。差距來源和貢獻度分析表明，區域內、區域間和超變密度平均貢獻率分別為 26.970%.55.813%.17.217% ，黃河流域數智化發展水平總體差異主要源于區域間差異。但從時序特征看，三類貢獻率占比雖存在一定的波動性，但整體變化不大，均較為穩定。因此，在推動黃河流域數智化發展過程中，需要重點關注區域間發展差異。

3 空間演變分析

3.1 空間相關性分析

為研究黃河流域各省（區）數智化發展是否存在空間相關性，采用局部莫蘭指數和時空躍遷法進行集聚效應分析。黃河流域各省（區）數智化發展水平的局部莫蘭指數測算結果可分為4個象限，第一、二、三、四象限分別為高速增長區（高-高）過渡區（低-高）、低速增長區（低-低）和輻射區（高-低）。其中：高速增長區表示某區域和其周圍地區的數智化發展水平均較高，為正相關關系；過渡區表示某區域數智化發展水平較低但其周圍地區數智化發展水平較高，為負相關關系；低速增長區表示某區域與其周圍地區的數智化發展水平均較低，為正相關關系；輻射區表示某區域數智化發展水平較高但其周圍地區數智化發展水平較低，為負相關關系。

由表4可知，黃河流域數智化發展呈現空間相關性，具有一定的地區集聚效應。黃河流域各省（區）主要集聚在低速增長區、過渡區與輻射區，發展水平整體較低。其中，四川、陜西位于輻射區，表明其數智化發展水平呈現持續性高增長態勢，但周圍各省（區）增長相對緩慢。此外，山東自2019年起開始保持與周邊區域正向促進、協同發展的良好態勢。而山西、甘肅、青海、寧夏、內蒙古等省（區）數智化發展較為緩慢，與四川、山東等數智化發展較快區域存在“數智鴻溝”，黃河流域數智化發展水平存在顯著的空間異質性。

表42016—2023年黃河流域數智化發展水平局部莫蘭指數演變情況

Tab.4LocalMoran'sIndexEvolutionResultsfortheYellowRiverBasin，2016-2023

在此基礎上，進一步運用時空躍遷法[20]進行分析，主要包含觀測區域向相鄰區域跳躍、觀測區域向對角區域跳躍、觀測區域不變且與周邊區域呈現正相關、觀測區域不變且與周邊區域呈現負相關4種躍遷方式。從區域時空躍遷情況來看，2016—2023年共出現8次躍遷，主要是陜西、青海、河南、山東等省向相鄰區域跳躍，這種躍遷主要是受周邊區域數智化增速變動的影響。河南省于2017年發生一次對角躍遷，山東省于2019年躍遷至高速增長區，兩省的協同發展相對較好。而2020年后，黃河流域大多數區域并未發生躍遷，表明黃河流域各省（區）數智化的發展水平相對穩定。除山東外，增速較高的區域對其上下游流域的帶動效應相對較弱。因此，在黃河流域數智化發展過程中，需要推動實現各省（區）協同發展。

3.2 空間異質性分析

通過自然斷點分級法，對黃河流域數智化發展水平的空間異質性進行探究。自然斷點分級法是一種客觀、科學的分級方法，旨在反映事物本身的內在屬性。該方法的基本思想是通過尋找數據中的自然斷點，即依據數據分布中明顯不連續的地方將數據分成不同等級，盡可能縮小每個等級內差異，放大等級間差異[2I]本文運用ArcGIS軟件將2016—2023年黃河流域數智化發展水平可視化，劃分為高、中等、中低、低水平區，結果如圖2所示。

圖22016一2023年黃河流域數智化發展水平的空間異質性Fig.2Spatial Heterogeneity in the Level ofDigital IntelligenceintheYellowRiverBasin，2016-2023

從空間異質性視角來看，各省（區）的數智化發展水平存在較強的空間異質性，其中四川、山東、陜西、河南數智化發展水平相對較高，而甘肅、山西、寧夏、內蒙古、青海發展水平相對較低。此外，黃河流域數智化發展呈現“強者愈強，弱者愈弱”的格局，存在“極化效應”，即在市場機制作用下，一旦地區間發展水平與發展條件出現差距，條件好、發展快的地區就會在發展過程中不斷為自身積累有利因素，同時遏制落后地區的發展。由圖2可知，山東和四川數智化發展水平高、速度快，隨著時間推移，其數智化發展的優勢不斷擴大，處于絕對領先地位。而寧夏、青海等地數智化發展緩慢，呈現“弱者愈弱”的格局。總體來看，盡管黃河流域數智化實現正向增長，但存在顯著的區域差異，且極化效應較為明顯。因此，縮小區域差距、跨越“智能鴻溝”是當前全面推進數智化轉型的關鍵。

4結論與建議

本文基于人工智能、大數據、互聯網、5G、云計算、區塊鏈、邊緣計算、物聯網維度，運用文本分析和熵值-離差最大化組合評價模型測度2016—2023年黃河流域各省（區）數智化發展水平，并分析數智化發展水平的時空演變特征，研究結論如下：總體來看，黃河流域數智化發展水平自2016年起實現迅速、穩步上升。然而，區域間發展呈現異質性，表現為下游區域發展速度較快，而上游和中游區域發展較為緩慢。此外，區域內部同樣存在顯著差異，其中上游各省（區）發展差異最大，表現為四川數智化發展迅速而甘肅、青海、寧夏發展較為緩慢，而中下游差異相對較小。基于局部莫蘭指數和時空躍遷法的空間相關性分析表明，黃河流域數智化發展水平存在空間相關性，且具有一定的集聚效果，躍遷相對較少，大多數區域長期處于穩定狀態，但處于高速增長區的較少。其中，山東2019年起躍遷至高速增長區，與周邊區域河南的協同發展相對較好。自然斷點分級法的研究表明，黃河流域數智化發展存在顯著的空間異質性，且極化效應顯著，區域間數智化發展差異顯著。

綜上，黃河流域數智化發展存在不充分和不均衡問題，持續推進數智化發展仍需要各方面的共同努力，因此提出以下破解黃河流域數智化發展難題、推動高質量發展的對策建議：

第一，加強基礎通信設施建設，完善配套政策，發揮政策“乘數效應”。首先，各省（區）制定數智化發展中長期規劃，明確定位和任務，并出臺相關配套政策措施，提供充足的資金支持，充分發揮區域優勢，在加速自身發展的背景下，實現黃河流域的協調發展；其次，完善數智化的基礎設施，統一數據的標準和規范，保障數字技術和智能技術的安全性和可靠性。

第二，加強區域合作，建立數據、技術共享平臺，統籌區域間的協調發展。從區域間的視角，加強黃河流域包括上、中、下游區域內及區域間的協同合作，共同制定和實施數智化發展規劃，促進區域間的協同發展。例如：建立黃河流域的數據中心和云計算平臺，實現跨部門、跨區域的數據、技術共享，進而實現資源共享和優勢互補；設立跨區域數智化協調發展機構，負責統籌區域內的數智化發展規劃、項目實施和資源分配，明確區域間的利益共享機制，確保數智化發展帶來的經濟效益能夠公平分配，激發各地區發展數智化的積極性。

參考文獻：

[1］張云，柏培文.數智化如何影響雙循環參與度與收入差距：基于省級—行業層面數據［J].管理世界，2023，39（10） ：58-83.

［2］任保平，裴昂.黃河流域生態保護和高質量發展的科技創新支撐[J].人民黃河，2022，44（9）：11-16.

[3］羅巍，冉巧丹，程遂營.黃河流域產業數字化協同演化格局與驅動路徑[J].人民黃河，2023，45（6）：13-17，31.

[4］陳曉紅，歐陽長風，張乘，等.資源環境數智協同管理的研究框架與未來展望[J].資源科學，2024，46（4）：657-670.

［5］左鵬飛，陳靜.高質量發展視角下的數字經濟與經濟增長[J].財經問題研究，2021（9）：19-27.

[6］王靜.我國制造業全球供應鏈重構和數字化轉型的路徑研究[J].中國軟科學，2022（4）：23-34.

［7］姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率？：基于勞動力技能結構調整的視角［J].管理世界，2024，40（2）：101-116.

[8］田秀娟，李睿.數字技術賦能實體經濟轉型發展：基于熊彼特內生增長理論的分析框架[J].管理世界，2022，38（5） ：56-73.

[9]黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展：來自企業數字專利的證據［J].經濟研究，2023，58（3） ：97-115.

[10］章貴橋，楊媛媛，顏恩點.數智化時代、政府會計功能躍遷與財政預算績效治理[J].會計研究，2021（10）：17-27.

［11］任保平，鞏羽浩.黃河流域城鎮化與高質量發展的耦合研究［J].經濟問題，2022（3）：1-12.

[12]方行明，王璐，楊萬東，等.黃河治理新思路：構建智能化儲水、儲能綜合體[J].西部論壇，2020，30（5）：57-69.

[13］王軍，朱杰，羅茜.中國數字經濟發展水平及演變測度[J].數量經濟技術經濟研究，2021，38（7）：26-42.

[14］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現：來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-144.

[15］孫早，侯玉琳.工業智能化如何重塑勞動力就業結構[J].中國工業經濟，2019（5）：61-79.

[16] 王永欽，董雯.機器人的興起如何影響中國勞動力市場：來自制造業上市公司的證據［J].經濟研究，2020，55（10） ：159-175.

[17] 肖土盛，孫瑞琦，袁淳，等.企業數字化轉型、人力資本結構調整與勞動收入份額[J].管理世界，2022，38（12）：220-237.

[18] 劉華軍，杜廣杰.中國城市大氣污染的空間格局與分布動態演進：基于161個城市AQI及6種分項污染物的實證[J].經濟地理，2016，36（10）：33-38.

[19] 韓兆安，趙景峰，吳海珍.中國省際數字經濟規模測算、非均衡性與地區差異研究[J].數量經濟技術經濟研究，2021，38（8）：164-181.

[20] REYS J.Spatial Empirics for Economic Growth and Conver-gence[J].Geographical Analysis，2001，33（3）：195-214.

[21] 武增海，李濤.高新技術開發區綜合績效空間分布研究：基于自然斷點法的分析[J].統計與信息論壇，2013，28（3）：82-88.

【責任編輯 張華巖】