摘 要：文章基于2014—2021年长三角地区41个城市的面板数据，从数字基础设施、数字产业化和产业数字化三个维度构建数字经济发展水平测度指标体系，测度其发展水平综合指数，进一步采用莫兰指数、泰尔指数分析其空间特征。研究表明，长三角地区数字经济发展水平有一定的区域聚集性，区域整体发展水平持续提升，城市间差距缩小，存在较明显的区域聚集性，产业数字化发展水平聚集性较高，整体区域聚集性呈下降趋势。
关键词：长三角地区；数字经济；熵值法；测度；时空演绎特征；全局莫兰指数；泰尔指数
中图分类号：F061.5 文献标识码：A 文章编号：2096-0298（2024）10（a）--05
2024年的政府工作报告提出深入推进数字经济创新发展，促进数字技术与实体经济深度融合。目前，数字经济已成为经济发展的重要引擎之一，但学界尚缺乏相应的统计指数来测度数字经济发展水平。为准确反映数字经济整体发展水平，需从多维度评价城市数字经济发展水平综合指数、分析城市数字经济发展水平区域异质性和时空特征情况。数字经济指标体系的建立要从多角度考虑，以避免指标覆盖面不足难以全面评估数字经济发展的问题。本文对地区进行区域异质性和时空特征情况分析，可深入了解不同地区和时间段数字经济发展的差异和特点。因此，我国需建立一套全方位、宽领域的数字经济指标体系，进行长三角地区数字经济发展水平测度及时空特征分析，将有助于更深入地理解数字经济的发展状况，对长三角地区数字经济赋能新质生产力形成，促进经济高质量发展具有重要意义。
1 文献综述与问题提出
数字经济的技术发展具有不确定性，其定义边界也较为模糊。信息化是发展数字经济的核心，唯有数字化的信息，才能够转化为新的社会价值与生产力，为社会经济发展带来无穷的潜力[1]。数字经济的发展需要社区、协作和访问共同作用[2]，不同国家在数字经济问题上的认识存在一定差异，中、韩、俄三个国家都把数字经济归为单一的经济行NwIZU8IFnInvrDIz0iXJGg==为，美国、法国和经合组织关注的是数字经济发展水平的测度，英国关注的是数字经济的输出效应，澳大利亚关注的是社会过程[3]。数字经济由ICT产业、数字媒体产业和互联网平台产业三部分组成，在这三大产业的融合过程中，存在着外溢现象[4]。中国数字经济发展水平测度指标体系日趋完善，涵盖全国、省级和城市层面的数据。指标主要包括基础设施、人工智能、云计算等[5]、信息化发展程度、互联网发展程度、贸易发展程度、基础设施、基础应用、先进应用、企业数字化发展、ICT产业发展[6]。基于全国数据构建数字经济发展评估指标体系，对中国各省数字经济进行评估[7]。有学者以“数字产业化”与“产业数字化”为切入点，构建测度指标，并对其进行回归分析[8]。文章主要采用熵值法计算数字经济发展指数权重，再依据所得权重测度各区域数字经济发展水平[9]，以TOPSIS法测度数字经济发展状况，运用核密度、基尼系数及ESDA法分析数字经济的时空演变特征[10-11]。通过计算莫兰指数及绘制莫兰散点点图对数字高质量发展水平进行空间相关性分析[12]。学术界对数字经济的发展历程、特征、影响因素、理论机理和发展路径已进行深入探讨，虽然已有少数学者对数字经济发展水平进行空间论证，但长三角城市层面的实证研究还很少。为此，文章从长三角地区城市方面对数字经济进行测度，能够考虑空间相互作用、解释空间异质性和提高测度精度，更全面地理解数字经济在城市中的影响和作用机制，为促进数字经济与城市发展的互动关系提供深入分析和准确评估。
2 数字经济发展水平指标体系构建及测度
数字经济是一个复杂的系统，涉及多方面因素。通过数字基础设施，数字产业化和产业数字化之间存在的内在联系和互相影响，构建长三角城市的数字经济测度指标体系。这有助于全面评估城市数字经济发展水平，推动长三角城市数字经济的可持续发展。
2.1 数字经济发展水平指标体系构建
2.1.1 指标选取
（1）数字基础设施发展水平指标选取
良好的数字基础设施能提供高速稳定的网络连接、安全可靠的数据存储和处理能力，为数字经济的各领域提供必要的支撑和保障。选择数字化基础、数字化影响和数字化就业作为测度长三角地区数字经济发展状况的二级指标。数字化基础指标展现一个地区为数字经济发展提供的硬件、软件和服务情况，因此选择移动电话和固定电话的普及率作为评估数字化基础的指标。数字化影响指标指因数字化过程对个人、组织和社会产生的各种影响，反映数字技术在各领域的影响，以每百人固定互联网宽带接入用户数作为城市的互联网普及率指标，反映数字化对城市的影响。数字化就业是指通过数字技术进行的就业活动，反映数字经济对就业市场的劳动力需求，数字化就业指标选取信息软件服务业从业人数。
（2）数字产业化发展水平指标选取
数字产业化涵盖数字技术在各产业中的应用和融合，其数字化水平直接反映传统产业转型升级的速度、效果及数字经济发展程度。本文选择产业规模、服务业规模和高新技术产业规模作为测度长三角地区数字经济发展状况的二级指标。产业规模是指在数字经济领域内，所有与数字技术相关的产业活动的经济总量，可以了解数字经济中的渗透程度和贡献度。本文选择城市的电信业务总量评估产业规模情况，电信业务承担着信息传递、通信联系、数据交换等重要功能，能够反映出城市的信息化水平和数字化转型程度。服务业规模指提供数字化服务的行业的总产出规模，评估数字化对服务业增长和创新的推动作用。以计算机软件服务业人数占比及科研和技术服务业人数作为服务业规模的指标，前者反映了数字化服务业的整体规模和发展趋势，后者则更具体地突出了数字化服务领域的人才储备和发展情况。高新技术产业规模是指以高新技术为核心的产业活动在经济体系中的总产出规模。选择高新技术产业工业产值占比和新产品销售收入占比作为高新技术产业规模指标。新产品销售收入占比则更直接反映高新技术产业的创新能力和市场竞争力，两者结合可以更全面地评估高新技术产业的规模和经济效益。
（3）产业数字化发展水平指标选取
随着科技的不断进步和信息技术的普及应用，各产业都在不同程度上实现数字化转型，通过信息化技术提升生产效率、优化供应链、改善客户体验等。产业数字化直接关系到经济增长、创新能力、竞争力以及就业水平等方面。文章通过服务业数字化、工业数字化、农业数字化和农业电子商务发展水平，四个指标衡量产业数字化情况。
服务业是长三角地区的支柱产业之一，其数字化水平能够反映城市产业结构的调整。服务业数字化是指服务业通过运用数字技术和信息化手段，实现服务方式的转变和服务质量的提升。金融服务是城市服务业的重要组成部分，以数字普惠金融指数反映城市服务业在金融领域的数字化水平、技术创新和科技应用情况。工业数字化是指在工业生产过程中，通过应用数字技术和信息通信技术（ICT），对生产过程进行智能化改造和升级，其工业数字化水平可以反映该地区在工业智能化方面的发展情况。本文选择工业企业R&D经费支出和有R&D活动企业数作为工业数字化指标，体现企业创新能力和企业参与研发活动的广泛程度，反映城市工业数字化、智能化情况。农业数字化指在农业活动中使用传感器、无人机等高新技术进行农业生产、管理和监测，其数字化水平能反映该地区在农业科技创新和现代化方面的发展水平。选择农村居民计算机、移动电话、电话机数量和农用机械总动力作为农业数字化指标，可以反映农民信息获取和管理效率。农用机械可以提高农业生产效率和质量，以农用机械总动力数据反映农业生产机械化水平。
2.1.2 数据说明
文章基于2014—2021年长三角地区41个地级市层级的数字经济数据，构建数字经济指标体系，淘宝村的城市数据来自阿里研究院，数字普惠金融指数来自北京大学数字普惠金融指数，中国政府网站绩效评估得分来自中国政府网站，电话普及率、电信业务总量、农村居民单位耐用消费品等数据来自各省市《统计年鉴》及《中国城市统计年鉴》。部分城市的数据有缺失，对这些缺失数据使用插值法进行处理。
2.1.3 权重设置
全局熵值法是一种多指标综合评价方法，用于对多个指标进行综合评估和排序。其原理基于熵值法，通过计算各指标的权重和得分，最终得出各指标的综合得分，从而进行综合评价。全局熵值法能够综合考虑各指标的重要性和数据之间的关联性，为决策者提供一个相对客观和综合的评价结果，有助于指导决策和优化资源配置。
采用全局熵值法测算指标权重，产业数字化所占权重最大，其次为数字产业化，权重分别为0.3917和0.3703。这两个权重占比较大的原因可能是长三角地区的数字经济发展水平提升需要传统行业进行数字化转型。同时，提升长三角地区的数字经济发展水平还需要将数字经济的非实体产业转型实体产业，以实体行业对数字经济进行支撑。数字经济基础设施指标权重为0.2383，在三个指标中为所占权重最小的指标，但数字经济的发展首先需要数字经济基础设施的建设，没有良好的基础设施，数字经济难以获得快速发展。
2.2 数字经济发展水平综合指数分析
为分析数字经济发展情况较好的城市特征，选取8年数字经济发展水平的平均值排名前8名的城市（见表2）进行描述分析。上海周边城市在前8名城市占比较大，包括上海市、苏州市、无锡市、温州市和宁波市。此外，江苏省、浙江省和安徽省的省会城市南京市、杭州市和合肥市均在排名前8。
上海市作为国际化大都市，地理位置优越，拥有雄厚的经济实力和市场规模，多元化的产业结构，高素质的人才资源，综合以上因素，上海市数字经济发展水平处于领先位置。其他城市在一些因素上略逊于上海市，以各省省会为例：南京区位优势较弱，国际化水平较低；杭州产业结构更单一，偏向于互联网和电子商务等数字经济相关行业，产业结构不够多元化；合肥市场规模较小，影响数字经济的扩张和发展。此外，温州市虽然不属于省会，不与大都市接壤，但仍进入排名，与温州市民营经济发达、且成功抓住传统产业转型机会，紧跟数字化市场需求有关。
3 数字经济发展水平时空特征分析
3.1 数字经济发展水平时间特征分析
2014—2021年，长三角地区数字经济发展水平得分波动上升，城市间数字经济发展综合指数差距在变小，区域和省份聚齐情况较明显。上海市的数字经济发展状况明显优于长三角地区其他3省，且呈上升趋势。在所有城市评分中，上海市数字经济发展评分一直为第1名。得分评价略低于上海的城市为各省省会，三省中江苏地区城市的数字经济评分最高，其次为浙江省，安徽省数字经济发展水平评分与江苏省和浙江省差距较大。
3.1.1 数字化基础设施发展水平分析
长三角地区的数字基础设施发展水平评分总体呈上升趋势。数字化基础设施发展指数排名较稳定，上海基本稳定在第1名，其周边发达城市数字基础设施水平稳定在前15名，是长三角地区发展最优的区域；南京作为省会城市排名稳定在前3名，其周边城市在中等水平；杭州城市排名为前3名，且浙江南部城市在数字化基础设施方面表现较强，均在20名左右；安徽省的合肥市数字基础设施发展较数字经济综合发展评分和排名都有明显增长，其余城市皆落后于大部分长三角城市。
3.1.2 数字产业化发展水平分析
上海及各省的省会在数字产业化的表现较好，在数字基础设施评分高的城市，数字化产业的评分无太大变化；南通市排名有一定提升，这与南通市在数字化领域有较为发达的产业链条或者技术积累有关；苏北城市中宿迁排名上升；安徽大部分城市在数字产业化评分有所升高，黄山市，湖州市和淮南市有所下降，安徽北部和安徽南部城市（淮北市、阜阳市、安庆市等）排名基本没有变化。数字产业化发展较好的地区主要集中在长江两岸及各省省会城市，发展较快的城市主要集中在安徽北部和浙江南部。
3.1.3 产业数字化发展水平分析
2014—2021年产业数字化评分呈上升趋势。产业数字化平均指数及发展速度较快的城市主要集中在上海周边及浙江沿海地区（温州市，金华市，台州市），这些城市成功抓住传统产业转型机会，展现出独特的优势和发展路径，舟山和丽水排名有所下降，可能与舟山传统产业转型不足和产业结构不够多元化有关；南京排名有所下降，江苏北部城市（徐州市，连云港市，盐城市，泰州市，宿迁市）的名次都有小幅度上升，这些城市大部分都有大量工厂，可以支撑传统行业转型；安徽相比数字产业化排名有所下降。
3.2 数字经济发展水平空间分析
3.2.1 空间分析方法
（1）全局莫兰指数
全局莫兰指数是一种度量整体相关性的度量指标，反映区域内相邻的单位属性数值之间的相似性，即度量单位的聚集效果，分析在空间上邻近的区域单元是否具有相同属性，计算公式如下：
（2）局部空间自相关
文章以局部自相关指标（Local Indicators of Spatial association，LISA）进一步考虑是否存在局部空间集聚，衡量全局空间自相关结果中哪个区域贡献更大，检验相似观察值是否聚集在一起，局部莫兰指数是常用的局部空间自相关分析方法之一，其计算公式如下：
（3）泰尔指数（Theil Index）
泰尔指数对各区域的组内、组间差异进行比较，可直观了解区域的变化趋势程度及其对整体差异的贡献率。泰尔指数取值范围为[0，1]，数值越大说明区域差异越大，反之亦然。泰尔指数分解公式如下：
3.2.2 全局空间相关性分析
文章选用数字经济发展水平指数检验2014—2021年长三角地区数字经济的全局空间相关性，检验结果如表3所示。数字经济指数X的Morans I指数在2015—2018年均大于0.1，且所有年份均通过10%的显著性检验，这表明2014—2021年长三角地区数字经济情况在空间上存在显著的正相关性，即在空间分布上长三角地区数字经济评分越高的城市，其周围城市的数字经济评分也就越高，而数字经济评分较低的城市，其周围城市数字经济评分也较低。此外，数字经济评分的Morans I指数整体呈现上升趋势，即聚集性在升高。
长三角地区产业数字化区域聚集性较强。全局空间相关性检验结果显示，2014—2021年长三角地区数字经济评分呈显著正相关性，城市数字经济指数上升时，周边城市的数字经济指数也有所上升。产业数字化聚集性高于数字基础设施和数字产业化的聚集性，但区域聚集性均呈下降趋势，数字基础设施和数字产业化指标在2019年后更为明显，可能与疫情冲击和地方政府发展方向不同有关。
3.2.3 局域空间关联分析
由全局空间相关性检验结果可知，长三角地区数字经济指数及各子指标在10%的显著性水平下存在空间正相关，为确定各城市数字经济指数的空间集聚状况，本文通过Lisa集聚图进一步分析各城市的局域空间相关性，包括空间集聚特征和集聚区域演变过程，结果如图2所示，长三角地区数字经济指数具有一定的空间相关性。从时间上看，在10%的显著性水平下，数字经济“高-高”集聚从江苏北部逐渐向长三角中心地区聚集，“低-低”聚集无太大变化，主要集中在安徽省；从空间上看，“高-高”聚集主要集聚于江苏北部和长三角中心城市，“低-低”集聚主要分布在安徽省，这也与数字经济指数及排名所得结论相同。
3.2.4 区域差异分析——基于泰尔指数
各区域基础设施建设水平、人才和教育水平、产业结构特色、政策支持和法律环境、投资和创新氛围、地理位置和市场规模等方面存在显著的差异。因此，长三角地区各区域间数字经济指数存在空间差异是一种客观存在的现象。
2014—2021年，长三角地区数字经济的泰尔指数分解结果显示，长三角地区数字经济存在非常显著的区域差异性，且总体差异变大。从结构分解结果来看，样本期间长三角地区数字经济的地区间差异要大于地区内差异，地区间差异在变大，贡献率总体呈现上升udysn5/+tMOuhnqGM6SlMw==趋势，而地区内差异在变小，贡献率呈现下降趋势。按省份划分进一步分析，江苏省的差异最大，其次为浙江和安徽，浙江省差异性在2016年超过安徽。
4 结论与启示
4.1 结论
第一，长三角地区数字经济发展指数具有明显的区域和经济发展聚集性，沿海城市和各省的省会地区发展较好，数字经济发展水平整体情况呈上升趋势。
第二，2014—2021年长三角地区数字经济发展水平评分的全局空间相关性呈显著正相关性，数字基础设施发展水平聚集性高于数字产业化指标，但两者的区域聚集性随时间发展均呈下降趋势。
第三，长三角地区沿海城市数字经济指数呈现“高-高”聚集情况较多，在产业数字化指标中体现尤为明显，随时间推移，“高-高”聚集由江苏沿海城市逐渐转移到浙江南部。
4.2 启示
第一，加强省际合作与交流，学习借鉴先进地区的经验和做法，推动本地数字经济的快速发展。加强人才培养和数字化基础设施，保证数字经济的发展环境能更有效地提升数字经济发展状况。
第二，通过建立跨区域的数字产业联盟，促进信息共享和资源整合。推动政府数据开放，激发社会各界对数据资源的创新应用。提升长三角地区数字经济的核心竞争力，促进其在全球经济格局中的持续领先。
第三，明确各城市在数字经济发展中的定位，鼓励优势互补、资源共享，对数字经济基础薄弱的城市，提供税收优惠政策，激励数字经济投资。
参考文献
Turcan V， Gribincea， A， Birca， I.Digital Economy-A Premise for Economic Development in the 20th Century [J]. Economy & Sociology Theoretical & Scientifical Journal， 2014 （2） ：109-115.
Richardson L. Performing the sharing economy[J]. Geoforum，2015， 67：121-129.
蒋长流，江成涛.数字普惠金融能否促进地区经济高质量发展： 基于258个城市的经验证据[J].湖南科技大学学报（社会科学版），2020，23（3）：75-84.
崔保国，刘金河.论数字经济的定义与测算： 兼论数字经济与数字传媒的关系[J].现代传播（中国传媒大学学报），2020（4）：120-127.
李春娥，吴黎军，韩岳峰.中国省域数字经济发展水平综合测度与分析[J].统计与决策，2023，39（14）：17-21.
张雪玲，焦月霞.中国数字经济发展指数及其应用初探[J].浙江社会科学，2017（4）：32-40.
刘军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究，2020（6）：81-96.
张蕴萍，董超，栾菁.数字经济推动经济高质量发展的作用机制研究： 基于省级面板数据的证据[J].济南大学学报（社会科学版），2021，31（5）：99-115.
鲁玉秀，方行明，张安全.数字经济、空间溢出与城市经济高质量发展[J].经济经纬，2021，38（6）：21-31.
张伯超，沈开艳.“一带一路”沿线国家数字经济发展就绪度定量评估与特征分析[J].上海经济研究，2018（1）：94-103.
赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展： 来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.
李勇，蒋蕊，张敏，等.中国数字经济高质量发展水平测度及时空演化分析[J].统计与决策，2023，39（4）：90-94.