摘 要：数字经济的兴起使传统产业得以借助互联网、大数据和人工智能等技术工具，实现生产、流通、消费等环节的数字化、网络化和智能化。通过数字化转型，传统产业能够更高效地整合资源，提升生产效率，降低成本，提供更为个性化的产品和服务。本文选取2013—2022年苏北地区五个地级市的平衡面板数据，旨在测度这些城市数字经济的发展水平，并通过实证分析确定推动苏北地区数字经济发展的关键因素。结果显示，苏北地区五个地级市的数字经济发展水平差异较小；金融发展水平和产业升级水平是推动数字经济发展的主要因素。据此，本文提出了相应建议，以供参考。
关键词：苏北地区；区域发展；数字经济；产业升级；协调发展
中图分类号：F124.3 文献标识码：A 文章编号：2096-0298（2024）10（b）--04
近年来，数字经济如同一股勃勃生机的清风，为经济发展注入了强劲动力，成为推动经济实现跨越式发展的关键力量。随着数字经济的蓬勃发展，我国迎来了新的机遇和挑战，党的二十大报告和政府工作报告均强调了数字经济的重要性，明确提出要将加快数字经济发展作为国家战略，推动数字经济与实体经济的深度融合。根据《数字中国发展报告（2023年）》数据，2023年我4b50f9267802fdfd821783ff39710a243f587ab6764e6c7081b33cd602f451be国数字经济的核心产业增加值占GDP总量的10%，显示出稳健的增长态势。同时，我国数字经济规模全球领先，主要企业位居全球前列。京津冀、长三角、粤港澳大湾区等地区的数字产业集群发展势头强劲，为经济高质量发展提供了动力。这些产业集群具有明显的地区特色和竞争优势。
发展数字经济已成为经济发展的基本要求和核心。数字经济的快速扩张和不断进化，使其成为实现高质量发展的最大增长因素。同时，数字经济成为江苏新质生产力的关键领域。江苏省的数字经济发展迅猛，已成为推动高质量发展的“最大增量”，并在全国范围内起到了示范引领作用。江苏省近年来专注于数字与实体经济的融合，致力于成为数实融合的强省，积极占据数字经济的关键领域，以构建高质量发展的核心增长动力。《2023数字江苏发展报告》显示，江苏省2022年数字经济规模超5万亿元，数字经济核心产业增加值占地区生产总值比重达11%左右。截至2023年底，全省两化融合发展水平达67.9，连续9年全国第一，关键工序数控化率达63.7%、经营管理数字化普及率达85%，各类重点指标领先全国，提前实现“十四五”发展任务目标。
苏北地区相较苏南地区，在经济发展水平上相对滞后，这主要归因于历史、地理和政策等多方面的客观条件影响。然而数字经济发展对于苏北地区具有深远的意义，通过发展数字经济，可以加速传统产业的数字化转型，提高产业链的附加值，推动产业向高技术、高附加值的方向发展，从而实现产业升级，有助于苏北地区更有效地整合和利用各类资源，包括人力资源、土地资源、信息资源等，提高资源利用效率，降低生产成本。通过发展数字经济，苏北地区可以培育新的经济增长点，提升区域整体竞争力，缩小与苏南地区的经济发展差距。苏北地区可以通过数字经济加强与苏南及其他地区的合作，实现资源共享、优势互补，促进区域经济一体化。总之，数字经济发展对于苏北地区而言，不仅是一种经济增长的新动力，还是实现区域协调发展、提升居民生活水平的重要途径。因此，本文首先评估了苏北地区数字经济的现状，接着采用科学的测度方法对各地市的数字经济发展水平进行了分析。通过实证检验，本文揭示了推动苏北地区数字经济发展的关键因素，并据此提出了有针对性的策略建议，以期为区域数字经济的持续发展提供理论支持和实践指导。
1 文献综述
当前，学术界对数字经济发展大多基于地域视角通过面板数据围绕基础建设、产业结构、创新能力、人力供给、经济支撑、网络安全等方面构建评价指标体系展开研究。李杰等（2024）基于数字经济突破空间距离约束的集约优势，使用2012—2021年30个省（市、区）的面板数据，通过区域协同的空间分层逻辑，实证探究数字经济赋能区域高质量发展的效应及其作用机制。王军等（2024）基于黄河沿线60个城市2011—2020年的面板数据，采用熵值法测度黄河流域数字经济发展水平和高质量发展水平，进而以高质量发展水平为被解释变量、以数字经济发展水平为核心解释变量、以产业结构升级和绿色技术创新为机制变量、以环境水平和就业水平等为控制变量，构建基准计量模型和机制检验模型，通过模型回归实证分析数字经济推动黄河流域高质量发展的作用机制。
当前，江苏数字经济发展的研究较为丰富，但大多立足长三角，探究数字经济对于城市经济以及生产力的影响。马莉等（2024）认为数字经济对城市经济的抵抗恢复力、适应调整力、创新转型力均存在不同程度的促进作用，产业结构合理化与产业结构高级化是数字经济赋能城市经济韧性的两大关键路径，数字经济对长江经济带各城市经济韧性的作用效果存在空间地理位置与经济体体量的异质性。吴文生等（2024）认为数字经济可以通过推动技术创新和优化就业结构提高长三角地区新质生产力水平；数字经济发展能促进本地区新质生产力水平，存在显著的空间溢出效应，促使邻近区域的新质生产力水平提升；数字经济发展对新质生产力发展存在着门槛效应，数字经济对新质生产力水平的促进作用呈现出先增加后削弱的趋势。
然而，江苏省市际数字经济发展差异的研究较少。苗书迪等（2024）基于2009—2021年江苏省13个地级市的面板数据，以数字基础设施、数字产业发展、数字经济发展环境构建指标体系，采用熵值法测度江苏省数字经济发展水平与省内市际差异，认为江苏省数字经济发展总体发展态势良好，但不同地市间发展水平相差较大，形成梯队分布格局，其中数字产业发展、发展环境等相关指标对发展水平影响较大。
现有的学术研究主要集中在数字经济的总体发展状况上，所梳理的文献中较少有关于区域内市际数字经济发展测度和驱动的分析研究。因此，本文将苏北地区五市作为研究对象，通过对苏北地区的数字经济发展水平开展综合评估，以寻求苏北地区数字经济发展关键性推动因素。
2 实证研究
2.1 数据来源和变量选取
本文采用面板数据回归模型进行实证分析，进而测定苏北地区数字经济发展水平及其影响因素。在考虑时间连续性和个体异质性的前提下，对趋势和异质性进行控制，分析模型面板数据中不同变量对苏北地区经济发展的影响。面板数据来源包括国家和江苏省统计局官网以及北京大学数字金融研究中心等。研究对象覆盖徐州市、盐城市、淮安市、宿迁市和连云港市五个地级市，时间跨度为2013—2022年。这十年的时序数据有助于呈现出苏北地区经济发展的演变过程，利于把握其发展趋势和特点，为将来的地区发展规划和政策制定提供有力支持。本文选取的指标变量及单位如表1所示。
2.2 模型构建
本文所涉及的面板数据回归模型如表1所示。
InDigit=α0+α1Finit+α2Eduit+α3Tecit+α4Conit+α5Indit+μit（1）
对表1中的变量符号，i代表苏北地区的五个地级市，t代表范围在2013—2022年的时间跨度。在方程中，Yit代表被解释变量在地级市i和时间t的具体数值，常数项以α表示，解释变量对应的回归系数以β表示，而随机误差项表示ε，在分析中需要考虑其影响。苏北地区数字经济发展数学模型的构建利于深入洞悉其发展趋势和特点。
2.3 数据分析
表2展示2013—2022年苏北五市数字经济的发展水平，数据来源于北京大学数字普惠金融指数。北京大学数字普惠金融指数是对数字化程度的指标衡量，能较好反映各地数字经济水平。从表2的数据可看出，苏北五市的数字经济发展水平在2014—2017年增速较快，2017—2022年增速虽放缓，但仍保持稳步上升趋势。具体来说，徐州市近年来不断加大对数字经济产业园区的投资，建设了多个数字经济产业园区，吸引了一大批数字6ce20a7d74c9af16d9a59baf03cf145f经济企业入驻，重点发展了新能源、新材料、生物医药等新兴产业，推动传统产业的数字化转型，同时利用地理位置优势，打造智慧物流体系，提升数字经济在物流领域的应用。连云港市积极布局大数据中心，提升数据处理和分析能力，为数字经济发展提供基础设施支持，借助港口优势，发展跨境电商产业，推动数字贸易的发展。淮安市推动互联网与制造业的深度融合，提升制造业的智能化水平，通过建设智慧城cd18480ecee55ef7872841e6f9880309市项目，提升城市治理和服务能力，促进数字经济发展。盐城市坚持“三数”联动，深入推进产业数字化、数字产业化，培育数字创意和数据服务产业，开展制造业数字化赋能行动，创建多家省级示范智能制造工厂，建设5G全连接工厂，加快数字基础设施建设，扩容城域网出口带宽，新建行业级、区域级工业互联网平台十多个。宿迁市与头部企业合作，共建未来数字文创产业园，打造新媒体感知大数据应用中心等，与南京邮电大学共建苏北宿迁数字经济产业研究院，推动数字经济的项目开发和技术创新。苏北五市近年来的举措促使整个地区数字经济发展势头强劲。通过横向区间对比，徐州市总体数字经济发展水平以234.03的相对数领跑于其他四市，同时可以看到连云港市、淮安市和盐城市与徐州市相比差距并不大，相对数为232.77、231.56、230.94，即便是排在最后的宿迁市，其相对数也为227.56，差距微乎其微。
同时，表3呈现了苏北五市数字经济发展增速。平均增速从高到低分别为淮安市（10.33%）、宿迁市（10.25%）、盐城市（9.91%）、连云港市（9.69%）、徐州市（9.58%）。徐州市虽然绝对值领先，但增速落后于其他四市；宿迁市绝对值最低，增速却位居第二，与其他市的差距将逐步减小。另外，三市的数字经济平均增速与绝对值差异不大，表明苏北地区各市的数字经济发展水平相对均衡。
为了更准确地反映各变量对数字经济发展水平的影响，本文对变量数据进行了描述性统计，并对被解释变量（数字经济发展水平）进行了对数化处理。从表4可知，金融发展水平、产业升级水平等变量的标准差较大，这有助于理解数据集内部的变化范围和分布形状，同时有助于识别可能存在的异常值或离群点。
面板回归模型通常包括三种模型：混合POOL模型、固定效应FE模型和随机效应RE模型。
首先，F检验用于比较FE模型和POOL模型，如果p值小于0.05，则FE模型更优；如果p值≥0.05，则应选择POOL模型。
其次，BP检验用于比较RE模型和POOL模型，如果p值小于0.05，则RE模型更优；如果p值≥0.05，则应选择POOL模型。
最后，Hausman检验用于比较FE模型和RE模型，如果p值小于0.05，则FE模型更优；如果p值≥0.05，则应选择RE模型。
本文选取Fin， Edu， Tec， Con， Ind作为解释变量，并以LnDig作为被解释变量，构建了面板模型。面板模型包括三种类型：混合POOL模型、固定效应FE模型和随机效应RE模型。首先，通过模型检验来确定最优模型。
F检验显示，在5%的显著性水平下，F（4，40）=15.220，p=0.000<0.05，表明相对于POOL模型，FE模型更为优越。
BP检验显示，在5%的显著性水平下，chi（1）=32.153，p=0.000<0.05，表明相对于POOL模型，RE模型更为优越。
Hausman检验未显示显著性，chi（4）=-16.313，p=1.000> 0.05，表明相对于FE模型，RE模型更为优越。
综合以上分析，SPSSAU（在线SPSS分析软件）建议最终选择RE模型作为研究结果。
表5呈现面板回归涉及的三个模型结果。
第一，针对最终选择的模型进行分析，可以对比3个模型结果进行描述；
第二，如果某项呈现出显著性（p<0.05，有时也以0.1作为标准），意味着该项对于因变量（被解释变量）具有影响关系，反之说明没有影响关系；
第三，对分析进行总结。
本文最终采用RE模型，根据表6数据分析：
对于Fin变量，其在0.01水平上显著（t=5.421，p=0.000 <0.01），回归系数为0.010且大于0，表明Fin对LnDig有显著的正向影响。
对于Edu变量，其未显示出显著性（t=-0.382，p=0.704> 0.05），因此Edu对LnDig没有影响。
对于Tec变量，其未显示出显著性（t=0.272，p=0.787> 0.05），因此Tec对LnDig没有影响。
对于Con变量，其未显示出显著性（t=-1.230，p=0.225> 0.05），因此Con对LnDig没有影响。
对于Ind变量，其在0.01水平上显著（t=3.306，p=0.002< 0.01），回归系数为0.007且大于0，表明Ind对LnDig有显著的正向影响。
在面板数据回归分析中，本文发现金融发展和产业升级水平的回归系数分别为0.010、0.007，均为正值，LeAqaTitKUvq5/bjx5ywU+nCoK9y18A81l2ZMV43Ewk=并且通过1%的显著性检验，说明它们是推动数字经济发展的主要因素。科技水平的回归系数为0.002，也为正值，并通过10%的显著性检验，表明提升科技水平有助于数字经济的发展。教育水平和消费水平的回归系数为负，均为-0.003，未通过显著性检验，说明教育水平、消费水平与数字经济发展之间没有显著关系。
3 结语
本文通过对2013—2022年苏北五市的数字经济发展水平进行测定，并利用面板数据进行回归分析，得出以下结论：
第一，苏北地区五个地级市的数字经济发展水平差异较小，其中徐州市的发展水平最高，宿迁市则相对较低。
第二，苏北地区的数字经济发展水平在2014年有显著提升。原因是2014年前后，江苏省政府推出了《江苏省大数据发展规划》《江苏省智慧城市发展规划》等促进数字经济发展的相关规划、补贴和优惠措施，鼓励企业加大数字经济的投入。苏南的产业转移带动了苏北地区数字经济的发展，许多传统产业在转型升级过程中开始采用数字化技术。同时，苏北地区加大了基础设施建设、科技创新力度、产业园区和产业集群的发展、人才培养和引进。
第三，产业升级水平和金融发展水平是推动数字经济发展的主要因素。科技水平的回归系数为正且通过10%显著性水平检验，表明其能促进数字经济发展；而教育水平和消费水平的回归系数为负，说明它们与数字经济发展没有显著关联。
为促进苏北地区数字经济持续高质量发展，基于以上结论，本文提出几点建议。
第一，苏北五市应根据自身特点和优势，发展具有地方特色的数字经济产业，同时促进区域间的协同发展，缩小地区间的差距。第二，各市应继续出台和落实支持数字经济发展的税收优惠、资金补贴、科技研发资助等政策，以保持数字经济的发展势头。第三，继续加大对数据中心、5G通信、宽带网络等基础设施的投入，为数字经济发展提供坚实的基础。第四，产业升级与金融支持。努力推动传统产业数字化转型，提升产业链水平，同时加强与金融机构的合作，为数字经济企业提供足够的金融支持。第五，加强科技创新，鼓励企业加大研发投入，培育新技术、新业态、新模式，提升数字经济竞争力。第六，应优化教育资源，加强与高校、科研院所的合作，提高教育质量，为数字经济培养更多实用型人才，为产业发展提供人力支持。第七，通过提高居民收入和消费能力，扩大内需，为数字经济的应用和市场拓展创造更多机会。第八，加强产业园区和产业集群的规划与建设，吸引优质企业入驻，形成产业链完整、产业关联度高的数字经济聚集区。第九，利用苏南地区的产业转移，加强两地合作，促进资源共享、技术交流，共同推动苏北地区数字经济发展。
希望通过上述建议，苏北地区可以更好地发挥数字经济的潜力，促进经济结构的优化和升级。
参考文献
郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学季刊，2020（4）：1401-1418.
李晓燕.流通产业数字化发展水平测度及空间溢出效应研究：以长江经济带11省市为例[J].商业经济研究，2024（3）： 180-183.
苗书迪，王悦，岳玉金.江苏省数字经济发展水平测度与市际比较[J].内蒙古科技与经济，2024（3）：62-65.
罗岚哲，陈梓沐，严海龙.贵州省区域数字经济发展测度与驱动因素研究[J].中国商论，2024（4）：37-40.
周曙东，董倩.区域数字经济发展指数测度方法及应用研究[J].调研世界，2022（12）：68-78.
李研.数字经济发展活力的动态演变及提升路径[J].地理研究，2024，43（2）：322-339.
盛斌，刘宇英.中国数字经济发展指数的测度与空间分异特征研究[J].南京社会科学，2022（1）：43-54.
上海社会科学院信息研究所.全球数字经济竞争力发展报告（2017）[M].北京：社会科学文献出版社，2017.