陳明慧，陳志勇

(福建師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，福建 福州 350117)

數(shù)字經(jīng)濟(jì)最早是由Tapscott[1]提出，描述互聯(lián)網(wǎng)對(duì)經(jīng)濟(jì)社會(huì)的影響，伴隨著信息通訊技術(shù)的不斷創(chuàng)新和廣泛應(yīng)用，數(shù)字經(jīng)濟(jì)逐步成為各國(guó)實(shí)現(xiàn)發(fā)展轉(zhuǎn)型的新動(dòng)能.數(shù)字資源作為新的生產(chǎn)要素參與生產(chǎn)中，不斷提升我國(guó)產(chǎn)業(yè)數(shù)字化、網(wǎng)絡(luò)化和智能化水平.中國(guó)信息通信研究院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(2020)》顯示，我國(guó)2019年數(shù)字經(jīng)濟(jì)增加值達(dá)35.8萬(wàn)億元，占GDP比重從2005年的14.2%提升到36.2%，數(shù)字經(jīng)濟(jì)名義增長(zhǎng)率為15.6%，高于同期GDP名義增長(zhǎng)率約7.85%.黨的十八大提出實(shí)施“創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略”，旨在促進(jìn)經(jīng)濟(jì)與技術(shù)創(chuàng)新的融合發(fā)展.科技投入是政府支持創(chuàng)新最直接的方式，2017年中國(guó)政府投入研發(fā)經(jīng)費(fèi)達(dá)17 606.1億元，位居世界第二.科技與數(shù)據(jù)形成的正反饋效應(yīng)加速技術(shù)更新升級(jí)，促使科技創(chuàng)新為創(chuàng)新者帶來(lái)巨大價(jià)值.互聯(lián)網(wǎng)信息技術(shù)的深度變革刺激數(shù)字經(jīng)濟(jì)的發(fā)展，成為實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的主旋律.本文從時(shí)間和空間兩個(gè)維度深入分析科技投入與數(shù)字經(jīng)濟(jì)的關(guān)系，具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值.

在數(shù)字經(jīng)濟(jì)測(cè)度方面，張雪玲等[2]采用熵值法及指數(shù)法量化我國(guó)的數(shù)字經(jīng)濟(jì)水平，自2007年至2015年間我國(guó)數(shù)字經(jīng)濟(jì)的年均增長(zhǎng)率達(dá)0.36左右.伍旭川等[3]利用改進(jìn)型指數(shù)功效函數(shù)模型，通過(guò)聚類分析比較我國(guó)與其它金磚國(guó)家的普惠金融指數(shù).康鐵祥[4]認(rèn)為直接測(cè)算法、指標(biāo)體系法和衛(wèi)星賬戶法的測(cè)算結(jié)果準(zhǔn)確性不高，因而提出以數(shù)字核算為基礎(chǔ)框架來(lái)測(cè)算數(shù)字經(jīng)濟(jì)總量.黃文金等[5]構(gòu)建了數(shù)字經(jīng)濟(jì)評(píng)價(jià)模型DEEP，旨在評(píng)價(jià)各地區(qū)數(shù)字經(jīng)濟(jì)“中心”和“邊界”構(gòu)建情況并分析數(shù)字經(jīng)濟(jì)總體發(fā)展現(xiàn)狀.郭峰等[6]從數(shù)字金融覆蓋廣度、使用深度和數(shù)字化程度三個(gè)層次編制數(shù)字普惠金融指數(shù)，證實(shí)我國(guó)數(shù)字金融存在地區(qū)收斂特征、空間集聚性和空間異質(zhì)性.楊慧梅等[7]基于產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化兩個(gè)維度構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)體系.程廣斌等[8]運(yùn)用商權(quán)TOPSIS法和DEA網(wǎng)絡(luò)分析法綜合測(cè)算了我國(guó)各省數(shù)字經(jīng)濟(jì)投入產(chǎn)出水平和效率.陳亮等[9]基于數(shù)字經(jīng)濟(jì)投入和產(chǎn)出效應(yīng)制定了數(shù)字經(jīng)濟(jì)分類體系進(jìn)行測(cè)度.

科技創(chuàng)新與數(shù)字經(jīng)濟(jì)發(fā)展的研究中，科技創(chuàng)新的廣泛網(wǎng)絡(luò)化、數(shù)字化、生態(tài)化積極推進(jìn)各行業(yè)實(shí)現(xiàn)金融普適化、市場(chǎng)下沉化和場(chǎng)景線上化[10].韓兆安等[11]指出數(shù)字經(jīng)濟(jì)創(chuàng)新效應(yīng)具有顯著結(jié)構(gòu)性特征和地區(qū)差異，數(shù)字經(jīng)濟(jì)對(duì)實(shí)用型和外觀型創(chuàng)新的驅(qū)動(dòng)作用強(qiáng)于對(duì)發(fā)明型的驅(qū)動(dòng)作用.揭紅蘭[12]檢驗(yàn)了科技創(chuàng)新和科技金融對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的傳導(dǎo)路徑，并指出科技金融具有中介效應(yīng)且存在區(qū)域差異.在模型研究方面，李婧等[13]基于超越對(duì)數(shù)生產(chǎn)函數(shù)構(gòu)建靜態(tài)和動(dòng)態(tài)空間計(jì)量模型，證實(shí)社會(huì)經(jīng)濟(jì)影響區(qū)域科技創(chuàng)新產(chǎn)出.劉志堅(jiān)[14]借助回歸分析得出數(shù)字經(jīng)濟(jì)和科技創(chuàng)新投入交互作用對(duì)出口技術(shù)復(fù)雜度存在正向效應(yīng).閔路路等[15]運(yùn)用差分GMM和系統(tǒng)GMM估計(jì)方法獲得數(shù)字經(jīng)濟(jì)可以通過(guò)提升創(chuàng)新績(jī)效來(lái)驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展.在區(qū)域研究方面，王夢(mèng)依[16]指出東部地區(qū)研發(fā)投入、科技成果轉(zhuǎn)化和經(jīng)濟(jì)增長(zhǎng)三系統(tǒng)耦合協(xié)調(diào)度存在時(shí)空差異，同時(shí)研發(fā)投入對(duì)科技成果轉(zhuǎn)化和經(jīng)濟(jì)增長(zhǎng)的影響存在滯后性.楊柏等[17]使用DEA-SBM算法、灰靶理論模型和Tobit 模型分析得出政府科技投入對(duì)東、中、西部的區(qū)域創(chuàng)新效率有抑制作用.謝泗新等[18]借助耦合協(xié)調(diào)和灰色關(guān)聯(lián)分析法研究我國(guó)京津冀經(jīng)濟(jì)圈科技創(chuàng)新與經(jīng)濟(jì)發(fā)展的關(guān)系，建議要深化區(qū)域科技創(chuàng)新驅(qū)動(dòng)協(xié)同發(fā)展戰(zhàn)略.曹萍萍等[19]基于核密度估計(jì)和Dagum基尼系數(shù)法揭示數(shù)字經(jīng)濟(jì)的動(dòng)態(tài)演講過(guò)程及其區(qū)域差異，并運(yùn)用空間收斂模型檢驗(yàn)其收斂趨勢(shì).

綜上所述，眾多學(xué)者們?cè)跀?shù)字經(jīng)濟(jì)指標(biāo)體系的構(gòu)建上進(jìn)行了全面深入的探討，為本文研究提供了重要理論支撐.但大多數(shù)集中研究數(shù)字金融與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，缺乏從空間角度研究科技創(chuàng)新對(duì)數(shù)字經(jīng)濟(jì)的影響機(jī)制.因此，本文在現(xiàn)有研究基礎(chǔ)上考慮科技投入與數(shù)字經(jīng)濟(jì)發(fā)展之間的空間關(guān)系，利用2013年至2019年全國(guó)31個(gè)省域面板數(shù)據(jù)(因數(shù)據(jù)有限，不含港澳臺(tái)地區(qū))，構(gòu)建時(shí)空雙固定效應(yīng)空間滯后模型分析科技投入對(duì)數(shù)字經(jīng)濟(jì)的影響.本文主要貢獻(xiàn)：第一，從信息化水平、互聯(lián)網(wǎng)終端應(yīng)用和數(shù)字經(jīng)濟(jì)規(guī)模三個(gè)維度構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系.第二，從科技投入的新角度來(lái)研究影響我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展的因素.第三，建立空間滯后模型分析省域科技投入對(duì)數(shù)字經(jīng)濟(jì)的空間效應(yīng)，同時(shí)為我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展提供決策建議.

1 數(shù)據(jù)來(lái)源及研究方法

1.1 數(shù)據(jù)來(lái)源

本文基于數(shù)字經(jīng)濟(jì)的含義和發(fā)展特征，從信息化水平、互聯(lián)網(wǎng)終端應(yīng)用和數(shù)字經(jīng)濟(jì)規(guī)模3個(gè)維度選取指標(biāo)，構(gòu)建包含1個(gè)一級(jí)指標(biāo)，3個(gè)二級(jí)指標(biāo)，8個(gè)三級(jí)指標(biāo)的數(shù)字經(jīng)濟(jì)指標(biāo)體系，具體參見表1，相關(guān)數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》.

表1 數(shù)字經(jīng)濟(jì)指標(biāo)體系Tab.1 Digital economy index system

假設(shè)有m個(gè)指標(biāo)，Ii為第i個(gè)指標(biāo)值，Xi為第i個(gè)指標(biāo)的原始數(shù)據(jù)，min{X}和max{X}分別為原始數(shù)據(jù)的最大值和最小值.本文采用線性無(wú)量綱法中的閾值法[20]進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，根據(jù)網(wǎng)絡(luò)化準(zhǔn)備指數(shù)NRI構(gòu)建方法[21]，選定2013年作為基期，如下式

其中，Iit,j表示標(biāo)準(zhǔn)化后的指標(biāo)值，Xit,j為第i個(gè)單位在t年的第j個(gè)原始數(shù)值，max{X0,j}和min{X0,j}分別為基期年份第j個(gè)原始指標(biāo)的最大值和最小值.

在權(quán)重處理上，常見的方法包括熵權(quán)法、主客觀賦權(quán)法和主成分分析法等.本文使用NRI指數(shù)權(quán)重方法進(jìn)行指標(biāo)權(quán)重的設(shè)定，即

其中，wij為第i級(jí)指標(biāo)下屬的第j個(gè)變量的權(quán)重，ni為第i級(jí)指標(biāo)個(gè)數(shù)，wj為三級(jí)指標(biāo)下的第j個(gè)變量相對(duì)于總指標(biāo)的權(quán)重.其次，確定權(quán)重后采用線性加權(quán)的方法計(jì)算數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)，即

其中，DEIit為第i個(gè)單位在第t年的數(shù)字經(jīng)濟(jì)指數(shù).最后計(jì)算出2013年至2019年我國(guó)省域數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)的結(jié)果見表2.

表2 數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)Tab.2 Digital economy development index

本文以數(shù)字經(jīng)濟(jì)指數(shù)(DEI)作為被解釋變量，科技投入(tech)作為核心解釋變量，用地方政府科技支出與地方政府一般預(yù)算支出的比值代表科技投入水平.控制變量：①人均生產(chǎn)總值(pgdp)選擇地區(qū)生產(chǎn)總值與地區(qū)總?cè)丝谥榷攘咳司a(chǎn)總值.經(jīng)濟(jì)發(fā)達(dá)的地區(qū)能為數(shù)字經(jīng)濟(jì)發(fā)展提供良好的外部條件，經(jīng)濟(jì)落后的地區(qū)，在資產(chǎn)儲(chǔ)備、科技投入等方面有所匱乏.②產(chǎn)業(yè)結(jié)構(gòu)(str)選取第三產(chǎn)業(yè)與總產(chǎn)值的比重度量產(chǎn)業(yè)結(jié)構(gòu)，我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模已經(jīng)向產(chǎn)業(yè)滲透并且存在不均衡的影響，各產(chǎn)業(yè)形態(tài)逐漸被重塑.③經(jīng)濟(jì)開放程度(open)用經(jīng)營(yíng)單位所在地進(jìn)出口總額與地區(qū)生產(chǎn)總值的比值來(lái)度量經(jīng)濟(jì)開放程度.進(jìn)出口能加快經(jīng)濟(jì)和技術(shù)的互通，一方面吸收國(guó)外新技術(shù)來(lái)推動(dòng)本國(guó)發(fā)展，另一方面能縮小數(shù)字化信息不對(duì)稱的差距.④人力資本(hum)用中高等院校在校學(xué)生人數(shù)與總?cè)丝诘谋戎颠M(jìn)行衡量.優(yōu)質(zhì)的勞動(dòng)力能夠推動(dòng)數(shù)字經(jīng)濟(jì)持續(xù)發(fā)展，理論上人力資本水平越高，數(shù)字經(jīng)濟(jì)發(fā)展越快.⑤創(chuàng)新產(chǎn)出(inc)選擇新產(chǎn)品收入和地區(qū)生產(chǎn)總值的比重衡量創(chuàng)新產(chǎn)出.⑥居民工資水平(wage)選用地區(qū)城鎮(zhèn)單位在崗職工平均工資與地區(qū)總?cè)丝诘谋戎颠M(jìn)行度量，由于數(shù)字交易能為數(shù)字經(jīng)濟(jì)的發(fā)展創(chuàng)造空間，居民工資越高則數(shù)字交易相對(duì)越頻繁.為了避免因數(shù)據(jù)量綱不同造成的影響，本文將數(shù)字經(jīng)濟(jì)指數(shù)、人均生產(chǎn)總值、經(jīng)濟(jì)開放程度、人力資本、創(chuàng)新產(chǎn)出和居民工資水平進(jìn)行對(duì)數(shù)處理.

1.2 研究方法

按照新古典增長(zhǎng)理論，某地區(qū)的生產(chǎn)函數(shù)可以用C-D方程表示

Y=AKαLβ,

其中，Y為產(chǎn)出，A為技術(shù)不變常數(shù)，K為資本投入，L為勞動(dòng)力投入，α和β分別為資本和勞動(dòng)彈性系數(shù)，且滿足α∈(0,1)，β∈(0,1). 隨著技術(shù)水平的提升，傳統(tǒng)C-D函數(shù)存在一定的局限性.其一，技術(shù)在社會(huì)生產(chǎn)中發(fā)揮的作用逐漸加大，傳統(tǒng)C-D函數(shù)把技術(shù)當(dāng)作固定的常數(shù)處理，忽視了技術(shù)的發(fā)展性；其二，在影響生產(chǎn)的因素中，傳統(tǒng)C-D函數(shù)只考慮勞動(dòng)和資本因素，但未考慮到科技投入對(duì)產(chǎn)出的影響.因此，本文將建立如下形式的生產(chǎn)函數(shù)

Y=AKαLβTω,

其中，T為科技投入，ω為科技投入彈性系數(shù)，ω∈(0,1)，將上式兩端取對(duì)數(shù)，從而獲得線性生產(chǎn)函數(shù)

LnY=C+αLnK+βLnL+ωLnT+μ,

其中，C和μ分別為常數(shù)項(xiàng)和隨機(jī)誤差項(xiàng).

為了研究數(shù)字經(jīng)濟(jì)的空間特性，本文進(jìn)一步將空間計(jì)量模型引入到等式中，分別構(gòu)建了空間滯后模型(SLM)和空間誤差模型(SEM)

其中，yit為第i個(gè)地區(qū)在t時(shí)刻的被解釋變量，W=(wij)為給定的空間權(quán)重矩陣，ρ為空間自回歸系數(shù)，v為殘差項(xiàng)的空間自相關(guān)系數(shù)，xit為p維解釋變量，β為p維未知參數(shù)向量，εit和φit為誤差項(xiàng)，λt和μi分別為時(shí)間效應(yīng)和空間效應(yīng).由于SLM模型中被解釋變量之間存在內(nèi)生交互效應(yīng)，SEM模型中的誤差項(xiàng)之間存在空間溢出效應(yīng)，普通最小二乘估計(jì)方法不再具有相合性.因此，本文采用極大似然法進(jìn)行模型參數(shù)估計(jì).

2 結(jié)果分析

2.1 數(shù)字經(jīng)濟(jì)指數(shù)時(shí)序分析

本文將東部、中部和西部年均數(shù)字經(jīng)濟(jì)指數(shù)繪制成如圖1所示的折線圖，3個(gè)地區(qū)的數(shù)字經(jīng)濟(jì)指數(shù)總體呈逐年遞增趨勢(shì)，在2017年以后增長(zhǎng)幅度明顯加大，表明我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展態(tài)勢(shì)良好.東部地區(qū)數(shù)字經(jīng)濟(jì)指數(shù)遠(yuǎn)高于中、西部地區(qū)和全國(guó)平均水平，而且東西部之間的差距在不斷擴(kuò)大，反映我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展存在區(qū)域差異.

圖1 東部、中部和西部數(shù)字經(jīng)濟(jì)指數(shù)折線圖Fig.1 Index line chart of digital economy in Eastern, Central and Western provinces

本文進(jìn)一步繪制2013年至2019年我國(guó)31個(gè)省份數(shù)字經(jīng)濟(jì)指數(shù)柱狀圖，如圖2所示.觀察發(fā)現(xiàn)2013年至2017年各省份數(shù)字經(jīng)濟(jì)指數(shù)增長(zhǎng)速度較為緩慢，2017年至2019年增速明顯加快.其中，江蘇省、浙江省和廣東省的數(shù)字經(jīng)濟(jì)水平遙遙領(lǐng)先于其它地區(qū)，廣東省數(shù)字經(jīng)濟(jì)指數(shù)是西藏的6倍以上，突顯我國(guó)當(dāng)前數(shù)字經(jīng)濟(jì)發(fā)展存在巨大的數(shù)字鴻溝問(wèn)題，呈現(xiàn)兩級(jí)分化的態(tài)勢(shì).

圖2 各省份數(shù)字經(jīng)濟(jì)指數(shù)柱狀圖Fig.2 Histogram of digital economy index of each province

2.2 空間計(jì)量分析

2.2.1 空間相關(guān)性分析

基于二進(jìn)制鄰接權(quán)重矩陣[22]，本文借助Geoda軟件構(gòu)建我國(guó)31個(gè)省份空間鄰接權(quán)重矩陣，即相鄰省份取1，其它關(guān)系為0，并進(jìn)行標(biāo)準(zhǔn)化處理.利用全局Moran’s I指數(shù)和Geary’s指數(shù)對(duì)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)進(jìn)行空間相關(guān)性分析，Moran’s I指數(shù)介于[-1,1]之間，大于0表示正相關(guān)，小于0表示負(fù)相關(guān)，若接近0，表示不存在空間相關(guān).Geary’s 指數(shù)的取值在[0,2]之間，大于1表示負(fù)相關(guān)，等于1表示不相關(guān)，而小于1表示正相關(guān).根據(jù)表3檢驗(yàn)結(jié)果，2013年至2019年的Moran’s I指數(shù)均顯著為正，說(shuō)明我國(guó)各省數(shù)字經(jīng)濟(jì)存在正向的空間相關(guān)性，而且Moran’s I指數(shù)值從2013年的0.215增加至2017年的0.242，數(shù)字經(jīng)濟(jì)的空間相關(guān)性在不斷增強(qiáng)，相鄰地區(qū)的經(jīng)濟(jì)發(fā)展更易于產(chǎn)生空間溢出效應(yīng).Geary’s指數(shù)結(jié)果也充分反映地區(qū)間數(shù)字經(jīng)濟(jì)發(fā)展存在正向高值集聚特征.

表3 全局Moran’s I指數(shù)和Geary’s 指數(shù)Tab.3 Overall Moran’s I index and Geary’s index

全局Moran’s I指數(shù)反映的是總體空間相關(guān)性，但卻不能描述局部區(qū)域的差異性.為了檢驗(yàn)每個(gè)區(qū)域與周邊地區(qū)的空間差異和集聚區(qū)是否在統(tǒng)計(jì)意義上顯著，圖3顯示了2013年和2019年數(shù)字經(jīng)濟(jì)指數(shù)的Moran散點(diǎn)圖，橫坐標(biāo)代表標(biāo)準(zhǔn)化的指標(biāo)大小，縱坐標(biāo)代表空間滯后項(xiàng).從圖3可知，大部分省份位于第一、三象限，說(shuō)明我國(guó)數(shù)字經(jīng)濟(jì)以空間集聚為主，地區(qū)之間存在空間相關(guān)性.隨著時(shí)間推移，越來(lái)越多的省份向第一、三象限靠攏，低低集聚和高高集聚地區(qū)呈現(xiàn)擴(kuò)散趨勢(shì).圖4反映我國(guó)2013年和2019年數(shù)字經(jīng)濟(jì)指數(shù)空間分布情況，圖中顏色的深淺代表數(shù)字經(jīng)濟(jì)水平高低.2019年數(shù)字經(jīng)濟(jì)指數(shù)整體水平要高于2013年，東部沿海和南部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展速度比中部和西部地區(qū)快，數(shù)字經(jīng)濟(jì)發(fā)展的協(xié)同效應(yīng)較為明顯.其中，廣東省經(jīng)濟(jì)發(fā)展水平最高，一方面，廣東省位于珠三角地區(qū)，經(jīng)濟(jì)活動(dòng)空間布局具有高度集聚特征；另一方面，珠三角地區(qū)屬于外資企業(yè)主導(dǎo)型發(fā)展模式，也是全國(guó)最大的高新技術(shù)產(chǎn)業(yè)帶.而西藏和青海兩地?cái)?shù)字經(jīng)濟(jì)水平最低，由于地理位置的局限性，不利于貿(mào)易互通和資源流動(dòng)，加上產(chǎn)業(yè)結(jié)構(gòu)相對(duì)單一，缺乏多產(chǎn)業(yè)聚集鏈.空間相關(guān)性分析的結(jié)果都表明我國(guó)各省數(shù)字經(jīng)濟(jì)指數(shù)具有時(shí)空分布差異性，存在一定的空間依賴性和空間異質(zhì)性，而且從東到西呈現(xiàn)逐步遞減的空間格局.

圖3 2013年(左)和2019年(右)數(shù)字經(jīng)濟(jì)指數(shù)局部Moran散點(diǎn)圖 Fig.3 Local Moran scatter plot of digital economy index in 2013 (left) and 2019 (right)

圖4 2013年(左)和2019年(右)數(shù)字經(jīng)濟(jì)空間分布圖 Fig.4 Spatial distribution of the digital economy in 2013 (left) and 2019 (right)

2.2.2 模型選擇

本文先建立面板數(shù)據(jù)模型，根據(jù)模型殘差進(jìn)行LM檢驗(yàn)判斷空間計(jì)量模型的適用性，由表4的檢驗(yàn)結(jié)果可知LM-lag、Robust LM-lag和LM-error、Robust LM-error統(tǒng)計(jì)量均顯著，因而分別建立SLM模型或SEM模型.其次，通過(guò)Hausman檢驗(yàn)和似然比LR檢驗(yàn)確定選擇時(shí)間和空間雙固定效應(yīng)模型.

表4 面板數(shù)據(jù)模型檢驗(yàn)結(jié)果Tab.4 Test results of panel data model

根據(jù)表5的估計(jì)結(jié)果分析，M1未考慮空間效應(yīng),科技投入系數(shù)為0.966，與數(shù)字經(jīng)濟(jì)指數(shù)呈正向關(guān)系，但是沒(méi)通過(guò)顯著性檢驗(yàn).M2-M4分別為空間固定、時(shí)間固定和雙固定效應(yīng)空間滯后模型.M5-M7分別為空間固定、時(shí)間固定和雙固定效應(yīng)空間誤差模型，根據(jù)統(tǒng)計(jì)量擬合優(yōu)度和對(duì)數(shù)似然值判斷M4的估計(jì)結(jié)果最佳.因此,本文最終建立雙固定效應(yīng)空間滯后模型來(lái)分析科技投入與數(shù)字經(jīng)濟(jì)的關(guān)系.

根據(jù)表5可知，雙固定效應(yīng)空間滯后模型(M4)的空間自回歸系數(shù)ρ=0.257>0，表明數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)存在正向空間溢出效應(yīng)，即鄰近地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展會(huì)促進(jìn)本地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展.核心解釋變量科技投入tech的彈性系數(shù)為1.265，與數(shù)字經(jīng)濟(jì)呈正相關(guān)關(guān)系.科技投入每增加1個(gè)單位，本地區(qū)數(shù)字經(jīng)濟(jì)指數(shù)將提升1.265個(gè)單位，說(shuō)明數(shù)字經(jīng)濟(jì)的發(fā)展可以通過(guò)刺激科創(chuàng)行業(yè)增加科技投入，促進(jìn)技術(shù)創(chuàng)新量化產(chǎn)出，進(jìn)而加快產(chǎn)業(yè)數(shù)字化發(fā)展速度.科技創(chuàng)新作用數(shù)字經(jīng)濟(jì)發(fā)展的內(nèi)在機(jī)理體現(xiàn)在創(chuàng)造效應(yīng)、信息效應(yīng)、普惠效應(yīng)、長(zhǎng)尾效應(yīng)和安全效應(yīng)五個(gè)方面[23].人均生產(chǎn)總值pgdp的彈性系數(shù)為0.335，意味著地區(qū)經(jīng)濟(jì)水平越高，將會(huì)加快數(shù)字產(chǎn)業(yè)化發(fā)展，為數(shù)字經(jīng)濟(jì)創(chuàng)造良好環(huán)境.當(dāng)下基于互聯(lián)網(wǎng)和大數(shù)據(jù)的數(shù)字化模式在新冠疫情中發(fā)揮重要作用，在線購(gòu)物、遠(yuǎn)程辦公、線上教育等多元化數(shù)字服務(wù)改變傳統(tǒng)的消費(fèi)模式，數(shù)字化時(shí)代已經(jīng)來(lái)臨.產(chǎn)業(yè)結(jié)構(gòu)str的系數(shù)為0.928，系數(shù)值大小僅次于科技投入，產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化和合理化對(duì)區(qū)域創(chuàng)新效率存在顯著的直接效應(yīng)和間接效應(yīng)[24]，重視產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與區(qū)域創(chuàng)新的空間效應(yīng)，能促進(jìn)本地區(qū)和跨地區(qū)之間的聯(lián)動(dòng)發(fā)展.經(jīng)濟(jì)開放程度open的彈性系數(shù)值是0.070，對(duì)外開放有助于技術(shù)互通、資金互流，為經(jīng)濟(jì)增長(zhǎng)提供動(dòng)力.人力資本水平hum的彈性系數(shù)值為0.614，人力資本反映了地區(qū)勞動(dòng)力水平，科技創(chuàng)新和數(shù)字經(jīng)濟(jì)發(fā)展離不開高技術(shù)勞動(dòng)力，地區(qū)人力資本投入越高所產(chǎn)生的經(jīng)濟(jì)效益將越大，人力資本是助推經(jīng)濟(jì)發(fā)展不可忽視的重要因素.然而創(chuàng)新產(chǎn)出inc卻不顯著，說(shuō)明它對(duì)數(shù)字經(jīng)濟(jì)的作用效果并不凸顯，考慮到創(chuàng)新產(chǎn)出受投入成本和時(shí)間周期長(zhǎng)短的影響，而且產(chǎn)出水平主要用來(lái)衡量最終的價(jià)值收益，因而創(chuàng)新產(chǎn)出對(duì)數(shù)字經(jīng)濟(jì)的影響不顯著.居民工資水平wage對(duì)應(yīng)的彈性系數(shù)值為0.277與預(yù)期結(jié)果一致呈現(xiàn)正向促進(jìn)作用，居民收入水平的高低反映了地區(qū)整體經(jīng)濟(jì)狀況的好壞，收入增加會(huì)刺激消費(fèi)增長(zhǎng)進(jìn)而加快經(jīng)濟(jì)發(fā)展，產(chǎn)生正反饋效應(yīng)，消費(fèi)作為拉動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的三駕馬車之一發(fā)揮著重要的作用.

表5 模型估計(jì)結(jié)果Tab.5 Model estimation results

2.2.3 直接效應(yīng)、溢出效應(yīng)和總效應(yīng)

空間滯后模型可以把總效應(yīng)分解為直接效應(yīng)和溢出效應(yīng).直接效應(yīng)反映本地區(qū)自變量對(duì)本地區(qū)因變量的影響，溢出效應(yīng)反映本地區(qū)自變量對(duì)鄰近地區(qū)因變量的影響，總效應(yīng)則是自變量對(duì)因變量的綜合影響.基于空間滯后模型，本文進(jìn)一步將科技投入對(duì)數(shù)字經(jīng)濟(jì)發(fā)展的影響進(jìn)行空間效應(yīng)分解，結(jié)果如表6所示.

表6 空間效應(yīng)分解Tab.6 Decomposition of spatial effects

根據(jù)表6空間效應(yīng)分解結(jié)果，科技投入對(duì)數(shù)字經(jīng)濟(jì)發(fā)展的直接效應(yīng)、溢出效應(yīng)和總效應(yīng)均顯著為正，意味著科技投入增加不僅會(huì)提升本地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展也會(huì)加速周邊地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展，而且科技投入的溢出效應(yīng)大于其余變量的溢出效應(yīng).人均生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)開放度、人力資本水平和人均工資也具有正向溢出效應(yīng).人均生產(chǎn)總值反映了地區(qū)總體經(jīng)濟(jì)發(fā)展?fàn)顩r，經(jīng)濟(jì)發(fā)展較快的地區(qū)更容易帶動(dòng)其鄰近地區(qū)的發(fā)展.產(chǎn)業(yè)結(jié)構(gòu)的估計(jì)系數(shù)僅次于科技投入，說(shuō)明在眾多影響因素中，產(chǎn)業(yè)結(jié)構(gòu)發(fā)揮的作用更應(yīng)重視.經(jīng)濟(jì)開放度和人力資本水平對(duì)本地區(qū)經(jīng)濟(jì)發(fā)展的促進(jìn)作用要大于對(duì)周邊地區(qū)的作用效果.居民工資水平對(duì)地區(qū)數(shù)字經(jīng)濟(jì)的影響為直接效應(yīng)，而溢出效應(yīng)卻不顯著.創(chuàng)新產(chǎn)出的直接效應(yīng)和溢出效應(yīng)均不顯著，與雙固定效應(yīng)空間滯后模型的估計(jì)結(jié)果一致.

3 結(jié)論與建議

3.1 結(jié)論

數(shù)字經(jīng)濟(jì)是基于網(wǎng)絡(luò)空間和信息技術(shù)發(fā)展、以數(shù)據(jù)和計(jì)算為核心要素的新經(jīng)濟(jì)形態(tài)，是推動(dòng)國(guó)民經(jīng)濟(jì)持續(xù)增長(zhǎng)的關(guān)鍵引擎[25].本文通過(guò)構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系和建立時(shí)空雙固定效應(yīng)空間滯后模型分析2013年至2019年我國(guó)省域科技投入與數(shù)字經(jīng)濟(jì)的關(guān)系及空間溢出效應(yīng).主要結(jié)論如下：

首先，我國(guó)各省份數(shù)字經(jīng)濟(jì)總體穩(wěn)步增長(zhǎng).其中，東部地區(qū)增長(zhǎng)速度遠(yuǎn)快于中、西部地區(qū)，且東西部之間的差距逐漸擴(kuò)大.在空間上呈現(xiàn)從東到西遞減的分布特征，表明地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展不平衡，兩級(jí)分化態(tài)勢(shì)嚴(yán)峻.

其次，我國(guó)各省份數(shù)字經(jīng)濟(jì)指數(shù)存在高度的空間相關(guān)性和空間異質(zhì)性.全局Moran’s I指數(shù)和Geary’s指數(shù)表明相鄰地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生的空間溢出效應(yīng)在不斷加強(qiáng)，局部Moran散點(diǎn)圖和空間分布圖反映出我國(guó)各省份數(shù)字經(jīng)濟(jì)呈現(xiàn)空間集聚現(xiàn)象，越來(lái)越多的省份向第一、三象限靠攏，表現(xiàn)出“高高集聚”和“低低集聚”的特點(diǎn).

最后，科技投入對(duì)我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展具有顯著正向促進(jìn)作用，其產(chǎn)生的空間溢出效應(yīng)在不斷增強(qiáng)，表明科技投入是影響數(shù)字經(jīng)濟(jì)發(fā)展的重要因素，而且人均生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)開放程度、人力資本和居民工資也是加快數(shù)字經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)因素，但是創(chuàng)新產(chǎn)出卻沒(méi)有發(fā)揮出明顯作用.

3.2 建議

第一，激發(fā)創(chuàng)新活力，縮小區(qū)域經(jīng)濟(jì)差異.鼓勵(lì)企業(yè)積極參與創(chuàng)新活動(dòng)，借助市場(chǎng)化配置手段發(fā)揮數(shù)據(jù)資源在創(chuàng)新過(guò)程的使用價(jià)值，提升本地區(qū)和鄰近地區(qū)的創(chuàng)新績(jī)效.利用發(fā)達(dá)地區(qū)產(chǎn)生的輻射效應(yīng)，帶動(dòng)欠發(fā)達(dá)地區(qū)的發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)互通、經(jīng)濟(jì)互聯(lián).

第二，發(fā)揮政府主導(dǎo)作用，完善政策措施.政府應(yīng)該大力推行創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，給予創(chuàng)新企業(yè)更多的資金支持，鼓勵(lì)開展技術(shù)創(chuàng)新活動(dòng)，提高資源配置使用效率.根據(jù)市場(chǎng)變化制定合理政策，增加科技領(lǐng)域的投入，促使傳統(tǒng)產(chǎn)業(yè)加速向數(shù)字化產(chǎn)業(yè)轉(zhuǎn)變.

第三，重視產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，培育高素質(zhì)人才隊(duì)伍.集中向產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化方向發(fā)展，突破影響產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的阻礙，實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展.一方面繼續(xù)擴(kuò)大科技投入，另一方面結(jié)合市場(chǎng)的供需關(guān)系，提高人力資源的配置效率.此外，針對(duì)數(shù)字經(jīng)濟(jì)的空間溢出性，政府要加強(qiáng)省域間的科技投入與合作，鼓勵(lì)科技生產(chǎn)要素跨省域流動(dòng)，充分發(fā)揮數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng).