夏春芳 郟聚寶

一、引言

隨著信息時(shí)代的到來(lái)，數(shù)字技術(shù)得到快速發(fā)展，并逐漸衍生出數(shù)字經(jīng)濟(jì)的概念。數(shù)字經(jīng)濟(jì)的發(fā)展引起了國(guó)內(nèi)外眾多學(xué)者的廣泛關(guān)注，相關(guān)研究也層出不窮。從數(shù)字經(jīng)濟(jì)的本質(zhì)到測(cè)算，從定性到定量等，研究?jī)?nèi)容不斷豐富，但是對(duì)其發(fā)展水平測(cè)算方面的研究還未形成統(tǒng)一的標(biāo)準(zhǔn)。

目前，我國(guó)對(duì)于數(shù)字經(jīng)濟(jì)測(cè)度的相關(guān)研究較少。王軍等根據(jù)中國(guó)30 個(gè)省份的面板數(shù)據(jù)，對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行測(cè)算，并采取泰爾指數(shù)、莫蘭指數(shù)等方法對(duì)測(cè)算結(jié)果進(jìn)行實(shí)證研究。李英杰等基于熵值法對(duì)中國(guó)2010—2018 年數(shù)字經(jīng)濟(jì)相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行測(cè)算，并通過(guò)灰色預(yù)測(cè)模型對(duì)其發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。劉軍等對(duì)2015—2018 年中國(guó)30 個(gè)省份數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行測(cè)算，并以測(cè)算結(jié)果為被解釋變量，構(gòu)建基于SAR模型對(duì)影響數(shù)字經(jīng)濟(jì)發(fā)展的因素進(jìn)行分析。新冠肺炎疫情期間，數(shù)字經(jīng)濟(jì)發(fā)展穩(wěn)定，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率接近70%。本文在已有文獻(xiàn)的基礎(chǔ)上，以數(shù)字經(jīng)濟(jì)內(nèi)涵和西部地區(qū)實(shí)際情況為選取指標(biāo)的原則，構(gòu)建指標(biāo)體系，以西部地區(qū)為研究對(duì)象，采用熵值法測(cè)算2011—2020 年西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展綜合水平，并進(jìn)一步對(duì)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平空間分布進(jìn)行可視化處理，并利用空間相關(guān)性分析來(lái)探究我國(guó)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展時(shí)空演變規(guī)律，為促進(jìn)西部地區(qū)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展提供對(duì)策建議。

二、研究方法

1.熵權(quán)TOPSIS 模型

熵值法是一種客觀賦權(quán)的綜合評(píng)價(jià)方法，利用信息熵確定各指標(biāo)的權(quán)重，避免了主觀賦權(quán)帶來(lái)的誤差。本文采用此方法對(duì)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行綜合評(píng)價(jià)，步驟如下：

（1）設(shè)評(píng)價(jià)對(duì)象m 個(gè)，本次研究m 為年份，設(shè)評(píng)級(jí)指標(biāo)n 個(gè)，xij表示第i 年的第j 個(gè)指標(biāo)，原始矩陣表示為：

（2）標(biāo)準(zhǔn)化處理方法：

（3）計(jì)算各指標(biāo)的信息熵：

（4）確定各指標(biāo)的權(quán)重：

（7）通過(guò)正負(fù)理想解計(jì)算歐式距離（逐一計(jì)算加權(quán)矩陣中每一個(gè)評(píng)價(jià)對(duì)象到最大向量和最小向量的距離，以計(jì)算最終評(píng)價(jià)結(jié)果）：

（8）計(jì)算綜合評(píng)價(jià)結(jié)果，的計(jì)算值表示該系統(tǒng)的綜合評(píng)價(jià)結(jié)果：

2.Moran 指數(shù)

通過(guò)全局Moran 指數(shù)做全局空間自相關(guān)分析，可反映各地區(qū)間的空間聯(lián)系，說(shuō)明某個(gè)單元指標(biāo)在全部地理位置的關(guān)聯(lián)情況，可以檢驗(yàn)該空間全部單元整體之間的空間依賴性、空間綴塊性和梯度性的離散程度，全局Moran指數(shù) 表達(dá)式為：

其中，xi和xj分別表示i，j 兩地區(qū)的觀測(cè)值；為全區(qū)平均值；為空間權(quán)重；n 為樣本個(gè)數(shù)；為方差。Moran 指數(shù)I 取值范圍為[-1，1]，當(dāng)Moran 指數(shù)I ＜0 時(shí)，說(shuō)明西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平有一定程度的空間負(fù)相關(guān)性，值越小，說(shuō)明空間差異性越明顯；反之，當(dāng)I ＞0 時(shí)，說(shuō)明西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平有空間正相關(guān)性，I 值越大，說(shuō)明空間相關(guān)性越強(qiáng)；當(dāng)I=0 時(shí)，水平值在空間上隨機(jī)分布。用標(biāo)準(zhǔn)化統(tǒng)計(jì)量Z(I) 對(duì)其空間自相關(guān)性進(jìn)行顯著性檢驗(yàn)，公式為：

其中，E(I)和VAR(I) 為全局Moran 指數(shù)的期望和方差。

用局部Moran 指數(shù)做局部空間自相關(guān)分析，反映某地區(qū)與周邊地區(qū)的聯(lián)系，分析是否存在局部空間集聚性以及關(guān)聯(lián)程度的大小等相關(guān)空間問(wèn)題。局部Moran 指數(shù)表達(dá)式為：

公式中參數(shù)含義與全局Moran 指數(shù)表達(dá)式相同，仍采用Z(I) 統(tǒng)計(jì)量檢驗(yàn)其顯著性水平。

三、數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)算

1.指標(biāo)體系構(gòu)建

本文在前人研究的基礎(chǔ)上，綜合數(shù)字經(jīng)濟(jì)內(nèi)涵，考量所選指標(biāo)的科學(xué)性、可獲得性等原則，選取中國(guó)西部地區(qū)各省份2011—2020 年20 個(gè)指標(biāo)數(shù)據(jù)，構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)體系以測(cè)算該地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平，具體指標(biāo)選取見(jiàn)表1。

表1 數(shù)字經(jīng)濟(jì)發(fā)展水平指標(biāo)體系

2.數(shù)據(jù)來(lái)源

數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)信息產(chǎn)業(yè)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》、北京大學(xué)數(shù)字普惠金融指數(shù)、國(guó)家統(tǒng)計(jì)局、各省統(tǒng)計(jì)年鑒，對(duì)部分缺失值運(yùn)用線性趨勢(shì)法進(jìn)行插補(bǔ)。

3.測(cè)度結(jié)果分析

文章采用西部十二個(gè)省2011—2020 年面板數(shù)據(jù)，利用熵值法確定各指標(biāo)權(quán)重，最終計(jì)算得到2011—2020 年西部各省數(shù)字經(jīng)濟(jì)發(fā)展數(shù)據(jù)，為全面揭示2011—2020 年西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平，本文從以下兩個(gè)方面分別展開(kāi)分析。

（1）西部地區(qū)數(shù)字經(jīng)濟(jì)總體發(fā)展水平

2011—2022 年我國(guó)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平總體呈現(xiàn)上升趨勢(shì)，2011—2020 年得分值從0.0475 增長(zhǎng)至0.2703，年平均增長(zhǎng)率達(dá)到21.67%；其中2019—2020 年增速最快，達(dá)到37.96%；2016—2017 增速最慢，增速為8.34%；2016年以后西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平趨勢(shì)線斜率逐漸增大，表明我國(guó)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展比較迅速。

（2）西部各省數(shù)字經(jīng)濟(jì)發(fā)展水平

2011—2022 年我國(guó)西部各省數(shù)字經(jīng)濟(jì)發(fā)展水平綜合得分如表2 所示，由于篇幅所限，文中只列出2011、2014、2017、2020 和各省均值數(shù)據(jù)。從表2 可以看出，西部地區(qū)各省份數(shù)字經(jīng)濟(jì)發(fā)展水平基本呈現(xiàn)上升趨勢(shì)，各省增長(zhǎng)速度存在一定的差異。從得分情況來(lái)看，四川、陜西等省份數(shù)字經(jīng)濟(jì)發(fā)展速度較快，而寧夏、青海、西藏等省份數(shù)字經(jīng)濟(jì)發(fā)展增速較慢。

表2 2011—2020 年西部各省數(shù)字經(jīng)濟(jì)發(fā)展水平綜合得分

四、時(shí)空演變分析

1.時(shí)空分布

為分析西部地區(qū)空間異質(zhì)性，可將西部各省份的數(shù)字經(jīng)濟(jì)發(fā)展水平劃分為數(shù)字經(jīng)濟(jì)高水平地區(qū)、數(shù)字經(jīng)濟(jì)中高水平地區(qū)、數(shù)字經(jīng)濟(jì)中低水平地區(qū)和數(shù)字經(jīng)濟(jì)低水平地區(qū)。以西部全區(qū)數(shù)字經(jīng)濟(jì)發(fā)展平均水平（前文）的1.5 倍、1 倍、0.75 倍為劃分界限，具體范圍分別是：（0.2048，0.2807）、（0.1365，0.2048）、（0.1024，0.1365）、（0.0465，0.1024）。運(yùn)用ArcGis 軟件作出西部地區(qū)2011 年、2014 年、2017 年和2020 年數(shù)字經(jīng)濟(jì)發(fā)展水平空間分布圖，更直觀地表現(xiàn)該地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平空間演化特征，顏色的深淺程度表示發(fā)展水平，顏色越深，表示該地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平越高，空白區(qū)域表示非研究地區(qū)。由于篇幅所限，文中只對(duì)2011 和2020 年結(jié)果進(jìn)行呈現(xiàn)，見(jiàn)圖1。

圖1 2011 年和2020 年西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平分布圖

由圖1 可以直觀看出，隨著時(shí)間的增長(zhǎng)，數(shù)字經(jīng)濟(jì)發(fā)展高水平省份逐漸增加，從2011—2022 年間西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展高水平省份數(shù)量由0 增長(zhǎng)至7，七個(gè)省份包括廣西、重慶、四川、貴州、云南、陜西、新疆。從整體來(lái)看，西部地區(qū)2011—2020 年數(shù)字經(jīng)濟(jì)發(fā)展水平呈現(xiàn)上升趨勢(shì)；橫向來(lái)看，西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)兩極分化狀態(tài)，西南地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平較高，而西北地區(qū)只有個(gè)別省份數(shù)字經(jīng)濟(jì)發(fā)展水平在2020 年達(dá)到高水平程度；縱向來(lái)看，各省份的數(shù)字經(jīng)濟(jì)發(fā)展水平都呈現(xiàn)持續(xù)增長(zhǎng)趨勢(shì)。從空間尺度來(lái)看，西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平空間分布情況較為集中，在空間分布上可能具有一定的規(guī)律性和相關(guān)性。

2.空間相關(guān)性分析

前文從定量分析的角度判斷出西部各省份之間存在空間相關(guān)性，本節(jié)借助空間自相關(guān)檢驗(yàn)對(duì)其進(jìn)行定性判定。空間自相關(guān)檢驗(yàn)?zāi)軌蚍从澄鞑扛魇￠g的總體分布特點(diǎn)。本文利用全局Moran 指數(shù)和局部Moran 指數(shù)分別對(duì)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行空間分析，來(lái)判斷被測(cè)對(duì)象在空間上是否存在集聚性。Moran 指數(shù)驗(yàn)證結(jié)果與空間地理權(quán)重矩陣的構(gòu)建有關(guān)，結(jié)合西部各省份之間的地理特性，構(gòu)建0～1 相鄰矩陣、地理距離權(quán)重矩陣和經(jīng)濟(jì)距離權(quán)重矩陣，對(duì)比說(shuō)明該地區(qū)的空間依賴關(guān)系。借助stata15 軟件，計(jì)算西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平的全局Moran 指數(shù)，測(cè)算結(jié)果見(jiàn)表3。由于局部Moran 指數(shù)結(jié)果內(nèi)容較多，因此未在文中全部呈現(xiàn)，只對(duì)2020 年局部Moran 指數(shù)檢驗(yàn)結(jié)果和散點(diǎn)圖進(jìn)行了展示，見(jiàn)圖2。

圖2 2022 年西部地區(qū)數(shù)字經(jīng)濟(jì)局部Moran 指數(shù)散點(diǎn)圖

表3 2011—2020 年西部地區(qū)全局Moran 指數(shù)及p 值

由表3 可知：以0～1 相鄰矩陣、地理距離權(quán)重矩陣計(jì)算所得的全局Moran 指數(shù)p 值幾乎全部大于0.05，而以經(jīng)濟(jì)距離權(quán)重矩陣計(jì)算而得的全局Moran 指數(shù)p 值均小于0.05，通過(guò)了顯著性檢驗(yàn)，說(shuō)明具有相近經(jīng)濟(jì)發(fā)展水平的省區(qū)呈現(xiàn)出數(shù)字經(jīng)濟(jì)發(fā)展水平集聚現(xiàn)象。

由圖2 可知：局部Moran 指數(shù)散點(diǎn)圖中的點(diǎn)數(shù)只分布于第二象限、第三象限和第四象限，即“高—高”“低—高”“高—低”型聚集的省份較多，“低—低”型省份不存在空間聚集效應(yīng)。說(shuō)明數(shù)字發(fā)展水平較低的省區(qū)之間不存在空間集聚效應(yīng)。

五、結(jié)論及建議

本文通過(guò)上文研究得出以下幾點(diǎn)結(jié)論：一是西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平總體處于較低水平，但呈現(xiàn)上升趨勢(shì)；二是各省份的數(shù)字經(jīng)濟(jì)發(fā)展水平都呈現(xiàn)持續(xù)增長(zhǎng)趨勢(shì)；三是西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平空間分布情況較為集中，西南地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展整體水平高于西北地區(qū)，在空間分布上可能具有一定的規(guī)律性和相關(guān)性。

為有效提高我國(guó)西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平，本文提出以下幾點(diǎn)建議：一是完善數(shù)字基礎(chǔ)設(shè)施建設(shè)，各省應(yīng)結(jié)合本地發(fā)展實(shí)際和民生需求，推進(jìn)數(shù)字基礎(chǔ)設(shè)施全面建設(shè)；二是加大數(shù)字化產(chǎn)業(yè)變革，將數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化深度融合，推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型；三是優(yōu)化數(shù)字環(huán)境，西部地區(qū)教育資源較少，要加大對(duì)教育資源的投入力度，吸引高質(zhì)量人才，使創(chuàng)新能力全面提升；四是縮小各省份間差異，需增強(qiáng)對(duì)西北地區(qū)的扶持，促進(jìn)兩大地區(qū)之間的數(shù)字經(jīng)濟(jì)聯(lián)動(dòng)，縮小兩大區(qū)域間的差距；充分考慮各區(qū)域在數(shù)字經(jīng)濟(jì)發(fā)展水平上的差異，各省份可因地制宜，找出本地?cái)?shù)字經(jīng)濟(jì)發(fā)展短板，采取科學(xué)合理的措施，提升本省數(shù)字經(jīng)濟(jì)發(fā)展水平；各省份之間應(yīng)加強(qiáng)合作，進(jìn)行跨省份之間的資源調(diào)配，促進(jìn)西部地區(qū)整體數(shù)字經(jīng)濟(jì)發(fā)展水平的提升。