开放科学(资源服务)标识码(OSID)：
At present,most scholars focus on the research on the one-way impact of digital technology innovation or digital economic development.Few scholars systematically measure and deeply analyze the coupling coordination degree between digital technology innovation and digital economy development,and there is a lack of investigation on the coordination and interaction of the two at the regional level.This paper uses panel statistics of 30 provinces in China from 2015 to 2020.On the basis of constructing the evaluation index system of digital technology innovation and digital economy development,it adopts the data analysis methods such as the entropy value method,coupling coordination degree model and Moran index to analyze the regional characteristics and spatial correlation of coupling coordination degree of digital technology innovation and digital economy development,so as to explore if China's digital technology innovation and digital economy development match.
The results show that,first,according to the comprehensive scores of digital technology innovation and digital economy development,China's digital technology innovation and digital economy development have shown a good upward trend.Moreover,the distribution of digital economy comprehensive scores in the quartile table is slightly more balanced than that of digital technology innovation.However,the comprehensive scores of both are relatively low,and there is still a lot of room for growth in the future.Second,from the perspective of the overall characteristics of the coupling coordination degree between digital technology innovation and digital economy development,China's overall coupling coordination degree has shown a fluctuating rise,but it is still on the verge of imbalance.This is mainly due to the fact that China's digital technology innovation lags behind the development of the digital economy,so it is essential to focus on improving the digital technology innovation to drive the improvement of the coupling coordinated development of the two.The coupling coordination degree between digital technology innovation and digital economy development in the four regions is quite different.By 2020,the level of coupling coordination in the eastern region had been developed to a barely coordinated stage,the central region had been on the verge of imbalance,and the northeast and western regions had been slightly out of balance.Third,the spatial correlation analysis of the coupling coordination degree of digital technology innovation and digital economy development shows that there is a significant spatial autocorrelation between digital technology innovation and digital economy development in China,and it shows a serious imbalance in geographic spatial distribution.This imbalance is manifested in that the agglomeration areas with high coupling coordination degree are mainly located in the eastern coastal areas,while the northeast and west areas form low-value agglomeration areas.
This paper enriches the existing research on the interaction of technological innovation and economic development,and expands the application scope of coupling coordination theory in digital economics.In addition,it has reference value for guiding similar regions to give full play to their digital technology innovation capabilities and improve the coupling coordination degree between digital technology innovation and digital economy development.It also provides decision-making reference for the implementation of China's digital development strategy.
开放科学(资源服务)标识码(OSID)：
2021年3月,十三届全国人大四次会议通过的《中华人民共和国国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》提出要加快数字化发展,建设数字中国。伴随数字经济的发展,数据要素潜能得到极大程度释放,给创新要素、创新流程和创新环境带来深刻变革,为区域数字技术创新提供了良好的物质基础和市场发展动力[1]。同时,数字技术创新作为促进经济发展的新兴力量,影响数字经济高质量发展。然而,当前我国数字经济发展路径“趋同”现象比较明显,不同区域借助原有经济基础与数字技术创新对关键数据要素资源进行争夺,使得数字经济发展更加不平衡。因此,立足于我国数字技术创新和数字经济发展现状,探究如何将数字技术创新比较优势转化为数字经济发展竞争优势,对于促进数字技术创新和数字经济协调发展具有重要意义。
关于数字技术创新和数字经济发展的研究主要集中在以下几个方面:第一,数字技术创新。Bharadwaj等[2]、孟庆时等[3]认为,数字技术创新是指以大数据、云计算等新一代信息技术为主要载体,以技术体系变革和技术融合应用为核心驱动力,以提升产业数字化和智能化水平为目的的技术创新过程。在微观层面上,周文辉等[4]认为数字技术创新能够帮助企业挖掘和满足个性化需求,推动实现大规模定制;在中观层面上,Andriole等[5]认为数字技术促进各行各业发展,数字技术创新有利于传统产业和新一代信息技术产业转型升级;在宏观层面,孙勇等[6]以长三角地区为例,探究数字技术创新时空演变格局,发现数字技术创新规模和活力存在显著空间依赖性,且空间集聚程度呈下降态势。第二,数字经济发展。Tapscott[7]结合网络智能情境首次使用“数字经济”一词,被认为是“数字经济”概念的先驱。2022年1月12日,国务院发布的《“十四五”数字经济发展规划》指出数字经济是指以数字化资源为核心生产要素、以当代信息网络为主要载体、以信息通信技术为重要推动力,最终实现效率与公正高水平统一的新经济形态。Goldfarb &Tucker[8]、许恒等[9]认为数字经济作为信息技术革命市场化的表征,相对于传统经济而言,可以显著提升数字传输速度、降低数据处理和交易成本,并且有利于对资源进行精确匹配;Hukal[10]认为,数字经济发展背景下数字化平台的涌现能够推动线上线下有机结合,加速产业跨界融合和协同生产过程。此外,学者还围绕数字经济发展特征[11]、测度与评价[12]及其对产业发展[13]和经济发展的影响[14]进行多层次、多角度研究。第三,数字技术创新与数字经济发展相互作用关系。关于数字技术创新对数字经济发展的影响,罗以洪[15]通过理论分析发现,大数据、区块链、人工智能等数字技术创新可以显著提升国民经济各部门综合效能,推进我国数字经济发展;荆文君和孙宝文(2019)认为,互联网、大数据等数字技术创新带来的规模经济、范围经济及长尾效应能够提高数字经济发展水平;赖一飞等[16]认为,数字技术创新能够解决数字经济发展过程中基础软硬件和工艺瓶颈问题,为数字经济发展提供根本驱动力;Milashovska等[17]通过创建集群图确定区块链等数字技术在欧盟国家的使用潜力,发现数字技术创新能够加速全球化进程,并通过降低成本改造和优化不同经济部门价值链促进数字经济发展。关于数字经济发展对数字技术创新的影响,Yunis等[18]认为,数字经济发展能够加速数字技术与研发体系耦合,对创新主体互动和创新网络构建产生深远影响;熊励和蔡雪莲[19]基于C-D生产函数和VAR模型指出,数字经济发展可以显著促进技术创新,人才、资本等传统生产要素对于推动数字技术创新仍发挥重要作用;赵滨元[20]认为数字经济不仅直接影响区域创新能力提升,还通过促进产业发展间接促进区域创新能力提升,并且这种影响存在区域异质性。
本文通过文献梳理发现,目前学者大多关注数字技术创新或数字经济发展的单向影响,较少有学者对数字技术创新与数字经济发展耦合协调度进行科学测算和深刻剖析,从区域层面考察两者协调互动关系的研究更少。本文通过构建数字技术创新与数字经济发展评价指标体系,采用熵值法、耦合协调度模型和Moran指数数据分析法,基于2015—2020年中国内地30个省份面板统计数据,探究数字技术创新与数字经济协调发展的区域特征和空间相关性,不仅可以丰富技术创新和经济发展相互作用研究,拓展耦合协调理论在数字经济学中的应用范畴,对于指导相似地区加快数字经济建设、提高数字技术创新与数字经济发展耦合协调度也具有重要意义。
数字经济借助数字技术创新得以发展,数字技术创新依靠数字经济发展理念的引领保持与社会需求的良性互动。两者皆来源于社会需求,既以发展为中心,又以发展为方向,在相互作用过程中实现协同共进,其耦合协调关系如图1所示。
图1 数字技术创新与数字经济发展耦合关系
Fig.1 Coupling relationship between digital technology innovation and digital economy development
(1)数字技术创新是数字经济发展的核心驱动力,主要通过促进数字产业化、产业数字化以及治理数字化驱动数字经济发展。第一,内生经济增长理论认为,经济实现持续增长的关键在于内生技术研发与创新。数字技术创新不仅被视为一场技术变革,更是一种商业模式创新。逐渐成熟的数字技术由于激发了市场强大活力和潜力会吸引大批企业加入,并为企业提供成长空间。当新技术产业化达到一定规模后,新技术就会成为新产业,实现数字产业化,人工智能、工业互联网等都经历了从无到有、从小到大的过程[21]。第二,数字技术创新通过全方位、全角度、全链条对传统产业进行改造,有利于打破制约传统产业数字化转型的技术资源瓶颈[13],促进传统产业跨界融合和创新,打造数字经济发展新优势。数字技术创新不仅可以提高研发人员在创新过程中的决策效率和把控能力,加速形成专业化分工协作体系,提升传统产业生产率,而且还能够积极释放数字技术创新对数字经济的扩大、累加和倍增效应[22],提升传统产业数字化与智能化水平,实现产业链和创新链深度融合,助力数字经济健康发展。第三,借助数字技术创新治理体系,将大数据、人工智能、区块链等数字技术应用于智慧城市、公共事务管理和企业治理领域,能够完善治理体系和创新治理模式,推进治理效率及综合治理能力提升,形成跨层级、跨地区、跨系统、跨业务数据互享互通的网络体系,为数字产业化和产业数字化提供坚实基础,为经济社会发展和人民生活改善提供更好的服务,为我国数字经济崛起与成长提供一个良好、稳定的发展环境。
(2)数字经济发展为数字技术创新提供良好的物质基础和市场需求,主要借助平台经济、网络效应和“蒲公英”效应对数字技术创新产生反馈调节作用。第一,数字经济时代,平台经济成为新型生产组织形态,平台型组织聚集了社会组织、企业及个人等大量微观市场主体,各种生产要素围绕平台价值网络实现快速流动与循环[23]。数字化平台不仅在提高生产要素配置效率和降低生产运作成本方面具有显著优势,而且在平台驱动下还能实现跨界融合,促进多学科多领域交叉融合以及多技术交织并进,推进形成相互启发、共同提高的多产业协同创新局面[22],进而提升数字技术创新效率。第二,数字经济发展借助网络效应推动数字技术创新。网络效应是指网络中的节点数越多,网络价值越高[24]。由于网络效应的存在,用户之间的需求呈现出较大的依赖性,产品或服务价值随着用户数量增加而提升。数字经济网络效应能够增强数字技术的自生长性,促进数字技术创新。以提供技术的创新平台为例,平台参与者越多,影响力和价值越大,反过来越能吸引更多参与者,进而形成数据价值积累与扩散的正向循环。同时,创新平台可以运用大数据有效识别和管理网络效应,促进跨界价值创造与多样化价值获取,在用户反馈过程中完善技术和服务,提升自身技术创新能力和服务能力,从而带给用户更多价值。第三,数字经济拥有较强的社会互动性,数字经济所到之处总能再次引发新生,通过大企业带动大量配套企业聚集并成为中小企业生长的母体,带动初创企业发展[21],进而促进初创企业数字技术创新。此外,数字经济发展不仅能够对区域数字技术创新产生直接影响,还会通过人力资本积累、产业升级和金融发展间接促进区域创新(韩先锋等,2019)。
耦合协调度模型是在耦合度模型的基础上分析系统间的协调性,以探究不同系统间的动态协调演化过程。本文采用耦合协调度模型测度中国四大区域数字技术创新与数字经济发展之间的相互作用关系。考虑到数字技术创新与数字经济发展并非一个封闭条件下的变动过程,各区域数字技术创新与数字经济发展耦合协调关系有可能会对其它区域产生影响,因此本文运用Moran指数讨论两者耦合协调度空间相关性。
数字技术创新和数字经济发展耦合协调度模型构建步骤如下:
(1)数据标准化。为减少数据间的量纲差异,采用极差标准化方法对数据进行处理。由于本文所选指标均是正向指标,因此在指标处理上不需要作出区分,标准化公式为:
(1)
式(1)中,xaj、xbj分别代表数字技术创新系统、数字经济发展系统第j个指标的取值,当s为a时,代表数字技术创新系统;当s为b时,代表数字经济发展系统。
(2)指标赋权和综合指数计算。熵值赋权法根据各指标提供的信息量确定权重,在一定程度上可避免主观因素的影响[25]。因此,本文采用熵值法确定指标权重,得出数字技术创新与数字经济发展的综合得分。
假设aj、bj分别表示数字技术创新与数字经济发展各指标的权重,x1,x2,x3,…,xp是反映数字技术创新的p个指标,y1,y2,y3,…,yq是反映数字经济发展的q个指标,则数字技术创新与数字经济发展综合得分公式分别为:
(2)
(3)构建数字技术创新与数字经济发展耦合度模型和耦合协调度模型。
(3)
T=αu(x)+βe(y)
(4)
(5)
式(3)～式(5)中,C为耦合度,D为耦合协调度,两者取值介于0～1之间;T为数字技术创新与数字经济发展综合评价指数,反映两者整体效益;α、β为待定系数,本文认为数字技术创新和数字经济发展同等重要,故α、β取值均为0.5。
在此基础上,定量分析两者耦合协调度,参考逯进等[26]对耦合协调等级的划分,将数字技术创新与数字经济发展耦合协调度划分为10个等级,具体分类与对应数值见表1。
表1 耦合协调关系判断标准
Tab.1 Judgment criteria for coupling coordination relationship
耦合协调度耦合协调等级耦合协调度耦合协调等级0～0.1极度失调0.5～0.6勉强协调0.1～0.2严重失调0.6～0.7初级协调0.2～0.3中度失调0.7～0.8中级协调0.3～0.4轻度失调0.8～0.9良好协调0.4～0.5濒临失调0.9～1优质协调
空间相关性是研究一定地理单元内某种现象与周围现象之间的联系,即研究同一种现象的聚集和分散程度。考虑到数字技术创新与数字经济发展耦合协调度可能存在空间依赖性或相关性,故本文采用莫兰指数(Moran)测度耦合协调度的空间相关性。
(6)
(7)
其中,Wjh表示地理单元之间邻近关系的权重矩阵,本文采用距离倒数作为空间权重矩阵。Moran指数取值范围为[-1,1]。Moran指数大于0表示正相关,其值越大,表明空间相关性越明显;Moran指数小于0表示负相关,其值越小,表明空间差异越大;Moran指数等于0,表示随机分布或者不存在空间相关性。
本文借鉴禄进等[26]、葛鹏飞等[1]的做法,从数字技术创新投入、创新产出、创新扩散水平、创新环境4个方面测度数字技术创新。其中,关于各省份数字技术创新投入,本文从人员投入和资金投入两个角度考察。关于人员投入,本文借鉴茶洪旺和左鹏飞[27]、刘婧玲和陈艳莹(2022)的研究,采用信息传输、计算机服务和软件业从业人数占城镇单位从业人员的比重度量;另外,参考徐清源等[28]对“互联网+”数字经济指数和财新等对中国数字经济指数的整理,本文重点关注数字经济背景下数字基础设施、产业发展和数字经济融合应用,从基础指标、产业指标、融合指标3个方面度量数字经济发展,具体指标如表2所示。
表2 数字技术创新与数字经济发展指标体系
Tab.2 Indicator system of digital technology innovation and digital economy development
一级指标二级指标三级指标(单位)信息熵效用值权重(%)数字技术创新创新投入信息传输、计算机服务和软件业从业人员占城镇单位从业人员比重(%)0.881 20.118 810.90科学技术支出占财政支出的比重(%)0.925 50.074 56.83创新产出大数据、人工智能、云计算、区块链等新一代信息技术专利数量(个)0.797 70.202 318.56大数据、人工智能、云计算、区块链等新一代信息技术论文数量(篇)0.940 30.059 75.48创新扩散水平各省份技术市场成交额(万元)0.828 20.171 815.76各省份网站数量(万个)0.777 90.222 120.37创新环境互联网宽带接入端口(万个)0.949 20.050 84.66移动电话基站数(万个)0.952 60.047 44.34IPV4地址数(万个)0.857 10.142 913.10数字经济发展基础指标网络购物交易额(万元)0.876 20.123 824.44移动互联网用户数(万户)0.950 10.049 99.86光缆线路长度(公里)0.948 20.051 810.22产业指标第三产业产值占GDP的比重(%)0.959 20.040 88.05信息产业结构指数0.953 30.046 79.23每百家企业拥有的网站数(个)0.989 90.010 11.99融合指标网络多媒体教室(个)0.962 80.037 27.35农业农村信息化示范基地(个)0.968 10.031 96.30政府网站数量(个)0.922 60.077 415.29电子商务交易企业所占比重(%)0.963 20.036 87.26
表3 2015-2020年数字技术创新与数字经济发展综合得分
Tab.3 Comprehensive scores of digital technology innovation and digital economic development from 2015 to 2020
区域省份数字技术创新201520162017201820192020均值数字经济发展201520162017201820192020均值东部北京0.422 0.446 0.650 0.732 0.800 0.879 0.655 0.406 0.471 0.555 0.486 0.537 0.526 0.497 天津0.067 0.073 0.084 0.094 0.104 0.121 0.090 0.131 0.146 0.147 0.143 0.160 0.233 0.160 河北0.056 0.076 0.093 0.104 0.119 0.134 0.097 0.177 0.238 0.260 0.240 0.260 0.322 0.249 上海0.149 0.182 0.216 0.253 0.278 0.310 0.231 0.315 0.358 0.368 0.369 0.405 0.450 0.378 江苏0.174 0.195 0.224 0.264 0.309 0.349 0.252 0.430 0.451 0.473 0.411 0.431 0.542 0.456 浙江0.176 0.197 0.242 0.271 0.314 0.350 0.258 0.333 0.427 0.439 0.376 0.393 0.455 0.404 福建0.067 0.074 0.090 0.103 0.109 0.122 0.094 0.168 0.216 0.234 0.208 0.217 0.244 0.214 山东0.102 0.117 0.156 0.181 0.218 0.256 0.172 0.308 0.445 0.496 0.448 0.427 0.451 0.429 广东0.240 0.310 0.374 0.482 0.560 0.642 0.434 0.419 0.518 0.586 0.563 0.596 0.607 0.548 海南0.012 0.015 0.013 0.016 0.027 0.032 0.019 0.133 0.150 0.147 0.135 0.139 0.131 0.139 均值0.146 0.168 0.214 0.250 0.284 0.319 0.230 0.282 0.342 0.370 0.338 0.357 0.396 0.348 中部山西0.033 0.039 0.050 0.056 0.062 0.065 0.051 0.128 0.164 0.167 0.161 0.155 0.169 0.158 安徽0.072 0.101 0.107 0.130 0.145 0.153 0.118 0.245 0.271 0.286 0.274 0.304 0.337 0.286 江西0.050 0.056 0.066 0.073 0.084 0.090 0.070 0.146 0.160 0.213 0.207 0.223 0.260 0.202 河南0.072 0.091 0.121 0.134 0.148 0.175 0.123 0.229 0.289 0.319 0.288 0.291 0.322 0.289 湖北0.089 0.104 0.122 0.140 0.163 0.168 0.131 0.244 0.275 0.290 0.263 0.278 0.296 0.274 湖南0.057 0.063 0.074 0.087 0.108 0.129 0.086 0.185 0.235 0.268 0.268 0.270 0.293 0.253 均值0.062 0.076 0.090 0.103 0.118 0.130 0.097 0.196 0.232 0.257 0.244 0.254 0.279 0.244 东北辽宁0.063 0.069 0.086 0.094 0.102 0.108 0.087 0.164 0.206 0.220 0.219 0.227 0.229 0.211 吉林0.029 0.035 0.048 0.053 0.060 0.059 0.047 0.083 0.110 0.131 0.138 0.145 0.152 0.127 黑龙江0.030 0.039 0.047 0.048 0.056 0.056 0.046 0.124 0.160 0.193 0.174 0.165 0.165 0.164 均值0.041 0.047 0.061 0.065 0.073 0.074 0.060 0.124 0.159 0.182 0.177 0.179 0.182 0.167 西部内蒙古0.018 0.021 0.025 0.027 0.030 0.034 0.026 0.133 0.158 0.179 0.157 0.171 0.187 0.164 广西0.034 0.039 0.048 0.057 0.066 0.074 0.053 0.109 0.139 0.167 0.176 0.204 0.245 0.174 重庆0.039 0.048 0.055 0.068 0.074 0.085 0.061 0.150 0.193 0.210 0.212 0.219 0.250 0.205 四川0.086 0.097 0.118 0.150 0.168 0.185 0.134 0.321 0.368 0.382 0.333 0.357 0.380 0.357 贵州0.029 0.039 0.049 0.059 0.065 0.068 0.052 0.135 0.184 0.190 0.163 0.173 0.189 0.172 云南0.032 0.038 0.043 0.048 0.053 0.057 0.045 0.155 0.186 0.201 0.182 0.210 0.222 0.193 陕西0.061 0.072 0.088 0.100 0.113 0.125 0.093 0.184 0.217 0.227 0.210 0.226 0.236 0.217 甘肃0.019 0.021 0.024 0.026 0.033 0.037 0.027 0.116 0.147 0.150 0.148 0.153 0.166 0.147 青海0.004 0.005 0.007 0.008 0.005 0.006 0.006 0.066 0.085 0.094 0.091 0.101 0.096 0.089 宁夏0.012 0.013 0.019 0.026 0.025 0.024 0.020 0.072 0.086 0.100 0.096 0.096 0.103 0.092 新疆0.020 0.025 0.026 0.029 0.031 0.036 0.028 0.099 0.116 0.134 0.135 0.145 0.157 0.131 均值0.032 0.038 0.046 0.054 0.060 0.067 0.049 0.140 0.171 0.185 0.173 0.187 0.203 0.176 全国0.077 0.090 0.112 0.130 0.148 0.164 0.120 0.197 0.239 0.261 0.242 0.256 0.281 0.246
本文选取中国内地30个省份(西藏地区因数据不全,故不纳入统计)2015—2020年省级面板数据为研究样本,论文和专利数据分别从中国知网、Web of Science以及智慧牙专利数据库中手动检索获取,其它数据来源于《中国统计年鉴》《第三产业统计年鉴》《中国科技统计年鉴》以及各省份统计局网站,部分缺失数据运用散点趋势拟合方法得到。
数字技术创新与数字经济综合得分是探究两者耦合协调度的基础。本文根据公式(2)计算中国内地30个省份数字技术创新和数字经济发展的综合得分。从全国各年度数字技术创新和数字经济综合得分均值看,数字技术创新综合得分呈平稳上升趋势,说明数字技术创新保持良好发展态势。与数字技术创新相比,数字经济发展综合得分呈波动性上升趋势,从2015年的0.197增至2020年的0.281。
进一步,采用四分位数将两类得分划分为4个梯队(见表4)。从表4可以看出,中国内地30个省份数字技术创新差距较为显著,第一、二阶梯省份各一个,分别为北京和广东,第四阶梯省份约占全部省份的80%。这表明,各省份之间数字技术创新差距较大且综合得分不高,数字技术创新综合得分高的省份较少,绝大部分省份综合得分较低。从具体排名看,2020年底,北京、广东、浙江、江苏、上海位列全国数字技术创新前5名,这与2015年数字技术创新得分排名相同,其中北京数字技术创新均值为0.655,位居全国之首。
表4 数字技术创新与数字经济发展综合得分
Tab.4 Comprehensive scores of digital technology innovation and digital economy development
数字技术创新综合得分省(市区)数字经济综合得分省(市区)0.493～0.655(第一阶梯)北京0.433～0.548(第一阶梯)北京、江苏、广东0.330～0.493(第二阶梯)广东0.319～0.433(第二阶梯)上海、浙江、山东、四川0.168～0.330(第三阶梯)上海、江苏、浙江、山东0.204～0.319(第三阶梯)河北、安徽、福建、河南、湖北、湖南、辽宁、重庆、陕西0.006～0.168(第四阶梯)天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、福建、江西、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆0.089～0.204(第四阶梯)天津、山西、内蒙古、吉林、黑龙江、江西、广西、海南、贵州、云南、甘肃、青海、宁夏、新疆
表4结果显示,中国内地30个省份数字经济综合得分分布比数字技术创新综合得分稍显均衡。其中,北京、江苏、广东处于区域数字经济发展第一阶梯,上海、浙江、山东、四川位于第二阶梯,位于第三阶梯的省份包括河北、安徽、福建、河南、湖北、湖南、辽宁、重庆、陕西,其它省份则位于第四阶梯。由此可见,中国内地30个省份之间数字经济发展水平相比于数字技术创新更均衡,各阶梯省份综合得分分别占全部省份的10%、13.33%、30%和46.67%。从排名看,2015—2020年数字经济发展位于全国首位的不再是北京(0.497),而是广东(0.548)。截至2020年,广东、江苏、北京位列全国前3,浙江和山东则位列第4和第5,这可能是由于在“直播带货”的网红经济风口下,平台经济发展,尤其是电商发展带动广东、江苏等省份数字经济快速发展,为数字经济发展作出巨大贡献。
此外,从数字技术创新和数字经济发展看,数字技术创新位于第一、二、三梯队的省份,数字经济发展综合得分也位于前两个阶梯,即数字技术创新突出省份,其数字经济发展水平也较高,初步说明数字技术创新和数字经济具有一定的协调关联性,从一定程度上表明数字技术与实体经济深度融合能够促进数字经济发展。除北京外,其余29个省份数字技术创新综合得分普遍低于数字经济发展综合得分,说明我国区域数字技术创新滞后于数字经济发展,两者之间的非均衡发展使得耦合协调度提升缓慢,因此提高数字技术创新水平是提升两者耦合协调度的关键。同时,北京数字技术创新优势没有完全发挥出来,需要结合数据要素特征,提高数字科技成果转化率,充分发挥数据价值和市场机制的作用,进一步提升数字经济发展水平。
上述内容仅是对数字技术创新和数字经济发展各自变化趋势的分析,对两者关系也只是作出初步推断,本文将进一步引入耦合协调度模型考察两者动态演化关系。
(1)整体数字技术创新与数字经济发展耦合协调度测度。本文运用耦合协调度模型测算中国2015—2020年数字技术创新与数字经济发展耦合协调度并划分两者耦合协调度等级,如表5所示。从中可见,2015—2020年中国数字技术创新综合得分持续上升,数字经济也呈现波动性增长趋势。样本期内,两者间的相互提升效果逐渐增强,耦合协调度呈稳定上升趋势,从0.351 1增至0.463 3,与中国近年来实施大数据战略、建设数字中国紧密相关。然而,数字技术创新与数字经济发展耦合协调度涨幅不高,耦合协调水平从轻度失调发展至濒临失调,整体仍处于失调状态。这是因为,虽然两者耦合度高,但耦合协调度较低,说明数字技术创新与数字经济发展相互之间的正向作用显著,但并没有协同发展。对比分析整体数字技术创新和数字经济发展综合得分可知,数字技术创新综合得分总是低于数字经济发展,说明数字经济发展较快,而数字技术创新进程较慢,再次验证了数字技术创新滞后于数字经济发展是两者耦合协调度较低的主要原因。导致两者发展不同步的原因可能是:一方面,由于数字技术具有可供性,不同组织或个体可利用同样的数字技术实现不同目的,使得数字技术极易被模仿[29]。中国知识产权制度和数字技术标准相对不完善严重阻碍了数字技术创新步伐;另一方面,中国人口基数庞大且人们数字化热情较高,基于庞大的用户数据,数字化企业不断更新迭代有利于快速实现规模经济,加之政府注重数字基础设施建设,因此数字经济得到快速发展。此外,当前中国正处于数字化发展阶段,数字技术创新红利需要进一步释放,数字人才缺乏以及数字经济新竞争优势有待提升,这些都有可能造成数字技术创新与数字经济发展耦合协调度水平较低,因此未来对于提升两者耦合协调度还有很长的路要走。
表5 中国数字技术创新与数字经济发展耦合协调关系整体特征
Tab.5 Overall characteristics of the coupling coordination relationship between China's digital technology innovation and digital economy development
年份数字技术创新综合得分 数字经济发展综合得分耦合度T耦合协调度耦合发展类型20150.077 20.196 9 0.899 4 0.137 00.351 1 轻度失调20160.089 90.239 00.891 3 0.164 50.382 9 轻度失调20170.112 20.260 90.917 2 0.186 5 0.413 6 濒临失调20180.130 40.242 50.953 80.186 50.421 7 濒临失调20190.147 60.255 90.963 30.201 8 0.440 9 濒临失调20200.164 30.280 50.965 30.222 40.463 3濒临失调均值0.120 30.246 00.939 30.183 10.414 7濒临失调
(2)区域数字技术创新与数字经济发展耦合协调度测度。根据社会经济发展差异,将中国内地30个省份划分为东部、中部、东北和西部四大区域,通过耦合协调度模型测算2015—2020年中国四大区域数字技术创新和数字经济发展耦合协调度,如表6所示。
表6 四大区域数字技术创新与数字经济发展耦合协调度
Tab.6 Coupling coordination degree between digital technology innovation and digital economy development in four major regions
区域省份201520162017201820192020均值东部北京0.643 70.677 10.775 00.772 30.809 60.824 50.750 4天津0.306 20.321 00.333 40.340 80.358 90.409 60.345 0河北0.315 20.366 30.394 40.397 80.419 80.455 30.391 5上海0.465 40.505 00.530 70.552 70.579 40.611 30.540 8江苏0.523 00.544 60.570 20.573 60.604 10.659 70.579 2浙江0.492 10.538 60.570 90.565 20.592 40.631 70.565 2福建0.325 50.355 20.380 70.382 40.392 30.414 90.375 2山东0.421 50.477 40.527 90.533 30.552 80.583 00.516 0广东0.562 90.632 90.684 00.721 50.759 90.790 10.691 9海南0.198 50.218 10.211 10.215 60.247 80.254 90.224 3均值0.425 40.463 60.497 80.505 50.531 70.563 50.497 9中部山西0.254 40.282 90.303 10.308 40.313 00.323 60.297 6安徽0.364 60.407 00.418 00.434 20.458 00.476 70.426 4江西0.292 60.307 70.344 60.350 90.369 50.390 60.342 6河南0.357 50.402 60.443 20.443 10.455 00.487 20.431 5湖北0.384 40.411 50.433 90.437 90.461 70.472 20.433 6湖南0.320 00.348 60.375 30.390 50.412 80.441 20.381 4均值0.328 90.360 10.386 40.394 20.411 70.431 90.385 5东北辽宁0.318 80.344 80.371 20.379 00.390 40.396 70.366 8吉林0.222 00.248 60.281 80.292 20.305 70.307 30.276 3黑龙江0.247 80.280 70.309 40.301 90.309 70.310 70.293 4均值0.262 90.291 40.320 80.324 40.335 20.338 20.312 1西部内蒙古0.221 60.238 60.259 20.255 20.267 90.281 80.254 1广西0.246 50.27150.299 70.316 70.340 30.366 80.306 9重庆0.276 50.30950.327 80.346 80.356 30.381 50.333 1四川0.407 20.43400.460 50.472 90.495 20.515 30.464 2贵州0.250 50.29150.311 50.313 00.325 00.336 90.304 7云南0.265 20.29010.304 20.306 50.324 20.335 40.304 3陕西0.325 10.35360.375 70.381 10.400 10.414 60.375 0甘肃0.217 10.23570.245 10.250 00.267 20.280 90.249 3青海0.128 10.14370.159 40.164 00.150 70.155 20.150 2宁夏0.172 40.18160.207 50.223 60.221 60.222 20.204 8新疆0.212 00.23270.241 90.249 60.259 50.274 50.245 1均值0.247 50.27110.290 20.298 10.309 80.324 10.290 2
从时间演变看,2015年以来四大区域数字技术创新和数字经济发展耦合协调度呈平稳上升态势,但截至2020年,中国耦合协调度值达到0.5以上的省份仅占所有省份的23.33%。其中,良好协调和中级协调分别由2015年的0个增至2020年的各1个,分别为北京和广东;上海、浙江、江苏表现为初级协调;山东、四川表现为勉强协调。总体来看,虽然各区域数字技术创新和数字经济发展耦合协调度有所改善,但整体耦合协调度仍有待提升。
从空间演变看,分别计算东部、中部、东北和西部四大区域数字技术创新与数字经济发展耦合协调度。由表6可知,四大区域均值存在相似的变化规律,耦合协调度呈显著上升趋势,但区域间耦合协调度存在显著差距,呈现出东部最高,中部、东北次之,西部最差的发展现象,且仅有东部耦合协调度均值(0.497 9)高于全国均值(0.414 7)。第一,东部地区2015—2020年数字技术创新和数字经济发展耦合协调度呈上升趋势,由0.425 4增至0.563 5,耦合协调程度也由濒临失调发展为勉强协调。东部是全国四大区域中数字技术创新和数字经济发展协调度最高的区域,但内部差距较大。截至2020年底,北京达到0.824 5,实现良好协调;广东为0.790 1,实现中级协调,位列东部区域数字技术创新和数字经济发展耦合协调第一梯队;但海南仅达到0.254 9,处于中度失调阶段,是东部耦合协调度最低的省份。第二,中部地区耦合协调度浮动不大,2015—2020年从轻度失调发展至濒临失调。虽然湖北、河南、安徽耦合协调度发展相对较好,但与北京、上海、广东等东部省份相比仍存在一定差距。第三,东北部地区虽然耦合协调度在数值上不断改善,但浮动不大。除辽宁处于轻度失调阶段外,黑龙江和吉林都是中度失调。东北三省数字技术创新和数字经济发展耦合协调度相差不大,且都处于失调阶段,这跟东北地区经济发展相对落后有关。第四,西部地区与东北部地区相似,在样本期间内从中度失调发展至轻度失调。其中,仅四川发展相对较好,2020年底数字技术创新和数字经济发展耦合协调度达到0.515 3,发展至勉强协调阶段。
总之,东部地区一直以来经济都较为发达,数字基础具有一定竞争优势,由于网络效应和蒲公英效应的存在,其竞争力呈增长态势,持续的数字经济增长吸收其它区域资源要素,使区域差距不断拉大。中部经济发展落后于东部地区,区域内绝大多数省份数字技术创新和数字经济发展耦合协调度处于濒临失调阶段。从长远看,政府应密切关注中部地区数字技术动能转换,推动经济高质量发展,避免陷入“低端均衡”状态。尤其是对于东北和西部地区而言,本身经济基础较为薄弱,数字基础设施相对落后,数字技术创新和数字经济发展相对缓慢,需要正视落后地区与发达城市存在的巨大差距,合理借助“平台经济”“直播经济”促进区域发展,当数字技术创新与数字经济发展达到一定程度时,再适时调整两者发展战略。
上述分析结果表明,我国东部、中部、东北和西部四大区域数字技术创新和数字经济发展耦合协调度变动存在较强的一致性。那么,两者耦合协调度是否也存在地理空间相关性?这种相关性是否存在区域差异?本文运用Moran指数探究数字技术创新和数字经济发展耦合协调度空间相关性。
(1)整体空间相关性。由表7可知,2015—2020年中国数字技术创新与数字经济发展耦合协调度Moran指数均显著为正,表明两者耦合协调度存在空间相关性。纵观整体趋势可以发现,Moran指数呈先下降后上升的演变轨迹,产生这一现象的原因在于在数字技术创新和数字经济发展初期,各区域着力突破自身数字技术瓶颈和建设数字基础设施,区域间的关联性逐渐减弱,空间集聚效应呈下降态势;但随着数字技术发展不断成熟和制度建设逐渐完善,不同地区之间打破区域壁垒进行协同创新,形成新的集聚经济发展模式,集聚效应又呈上升趋势。
表7 中国数字技术创新与数字经济发展耦合协调度整体Moran值
Tab.7 Overall Moran values of the China's coupling coordination degree between digital technology innovation and digital economy development
年份Moran值E(I)Sd(I)ZP20150.180-0.0340.1101.9560.02520160.181-0.0340.1101.9590.02520170.155-0.0340.1091.7350.04120180.151-0.0340.1091.6970.04520190.160-0.0340.1091.7830.03720200.201-0.0340.1102.1430.016
(2)区域空间相关性。Moran指数散点图通常包括4个象限,每一象限对应一种空间关联模式,依次为HH、LH、LL、HL。第一、三象限表现为HH(LL),表示区域自身和周边地区耦合协调度较高(低),两者空间关联性较大;第二、四象限表现为LH(HL),表示区域自身耦合协调度较低(高),而周边地区较高(低),两者空间相关性较小。其中,高(H)和低(L)均是相对于全国平均水平而言。本文选用一阶邻近标准设定空间权重矩阵,测算2015—2020年中国数字技术创新和数字经济发展耦合协调度均值的空间相关性。在图2中,横轴表示标准化后的观测值,纵轴表示空间滞后值。
图2 数字技术创新与数字经济发展Moran散点
Fig.2 Moran scatter plot of digital technology innovation and digital economy development
总体来看,中国数字技术创新和数字经济发展耦合协调度全域Moran值为0.164,大于0。从整体看,两者耦合协调度表现为正向空间关联性,说明散点图中第一、三象限为耦合协调度典型区域。由图2可知,多数省份都位于第一、三象限,且第三象限省份多于第一象限;而位于第二、四象限即非典型区域的省份较少,对应表8中LH和HL两种空间关联模式。
表8 数字技术创新与数字经济发展Moran散点图对应省份
Tab.8 Corresponding provinces in the Moran scatter plot of digital technology innovation and digital economic development
模式东部中部东北西部高高(HH)上海、江苏、浙江、河北、山东安徽、河南、湖南——————低高(LH)天津、福建、海南江西———广西低低(LL)———山西辽宁、吉林、黑龙江贵州、陕西、云南、内蒙古、重庆、甘肃、青海、宁夏、新疆高低(HL)北京、广东湖北———四川
分区域看,东部地区较多省份位于第一象限,且不存在低低(LL)型空间相关模式;中部地区省份分布相对均衡,是唯一一个包含4种空间相关模式的区域;东北地区全部省份和西部地区大部分省份属于LL型。这从整体上解释了中国数字技术创新和数字经济发展耦合协调度的非均衡性,即高耦合协调度省份主要位于东部地区,而东北和西部地区则包含大部分低耦合协调度省份。从区域内部看,北京、广东耦合协调度虽排名靠前,但周边地区数字技术创新和数字经济发展耦合协调度较低,因此呈现HL型空间负相关性,表明北京和广东向河北、海南、广西等邻近省份的辐射带动作用尚未充分释放。中部地区空间相关性表现出较大差异。湖北耦合协调度具有显著优势,呈现出HL类型空间相关模式,安徽、河南、湖南属于耦合协调度高值(HH)区,而山西则形成低值(LL)集聚区;东北三省数字技术创新和数字经济耦合协调度相差不大,整体呈现出低低(LL)类型空间相关模式;西部地区四川因耦合协调度较周边地区有显著优势,也位于第四象限。
表9列出数字技术创新和数字经济发展耦合协调度局域Moran值和对应P值。其中,Moran正值对应散点图中第一、三象限,负值对应第二、四象限。当P值小于0.05时,表明空间相关性通过显著性检验。由表9可知,东部地区上海、江苏、浙江、广东、海南等沿海省市均通过5%水平显著性检验,因此应充分发挥其辐射带动作用,促进周边省份协调发展,进一步优化区域空间布局;此外,西部地区内蒙古、甘肃、青海、宁夏、新疆空间关联性呈LL类型,且通过5%水平显著性检验,说明西部地区已形成低值集聚区,但由于地理位置与东部沿海地区关联性不强,基本无法享受高值集聚区的辐射带动效应,因此在考虑经济发展水平、政治经济制度等因素的前提下,需要进行内部调整,以数字技术创新激活数字经济高质量发展,打破低值困境。
表9 区域数字技术创新与数字经济发展耦合协调度局部Moran值
Tab.9 Local Moran value of the coupling coordination degree between regional digital technology innovation and digital economy development
区域省份Moran值P区域省域Moran值P东部北京-0.2410.378东北辽宁0.0530.435天津-0.3550.315吉林0.4150.200河北0.0240.429黑龙江0.5280.199上海1.6040.007西部内蒙古0.4890.039江苏1.3650.001广西-0.1540.396浙江0.6960.034重庆0.0280.493福建-0.0440.493四川-0.4130.145山东0.5410.103贵州0.0900.377广东-0.8890.016云南0.0880.409海南-2.5460.004陕西0.0140.435中部山西0.0770.403甘肃0.6770.023安徽0.2330.227青海0.7380.074河南0.0690.386宁夏0.8090.057湖北-0.0030.459新疆1.2840.024湖南0.0010.461江西-0.1960.326
本研究构建数字技术创新与数字经济发展评价指标体系,采用2015—2020年中国内地30个省份面板数据探究两者耦合协调度的时序走势和空间相关性,得出如下研究结论:
(1)从数字技术创新和数字经济发展综合得分看,我国数字技术创新和数字经济发展呈良好上升态势,但数字经济综合得分分布比数字技术创新稍显均衡,并且由于我国数字技术创新和数字经济尚处于发展初期阶段,两者综合得分较低,未来还有很大的成长空间。
(2)从数字技术创新和数字经济发展耦合协调度整体特征看,中国总体耦合协调度呈波动性上升趋势,但依旧处于濒临失调阶段。这主要是由于我国数字技术创新滞后于数字经济发展,因此需要加快数字技术创新,从而带动两者耦合协调发展水平提升。四大区域数字技术创新和数字经济发展耦合协调度存在较大差距。截至2020年,东部地区耦合协调水平发展至勉强协调阶段,中部为濒临失调,东北和西部地区则表现为轻度失调。其中,东部地区北京、广东领先于全国其它省份,分别达到良好协调和中级协调水平,而东北和西部地区大多数省份处于中度失调及轻度失调阶段,因此要充分发挥东部地区北京、广东、江苏、浙江,中部地区河南、湖北,西部地区四川的空间辐射效应,带动周边省份共同发展。
(3)数字技术创新和数字经济发展耦合协调度空间相关性分析结果表明,中国数字技术创新和数字经济发展存在显著空间自相关性,且表现出严重的地理空间分布不均衡,高耦合协调度集聚区主要位于东部沿海地区,而东北和西部地区则形成低值集聚区。因此,应充分发挥高值(HH)聚集区,如上海、江苏等省份数字技术创新扩散效应,而对于低值(LL)集聚区,如黑龙江等省份应进行内部调整,根据原有制造业基础进行适度数字化转型,选择适合本省份的发展路径。
根据上述研究结论,本文提出如下政策建议:
(1)落实大数据战略和创新驱动发展战略,加快推进数字技术创新。目前,中国数字技术创新明显滞后于数字经济发展。因此,一方面要保持数字经济快速而稳定的增长速度;另一方面,需要相关部门在大数据和创新驱动发展战略的引领下,加大对数字核心技术、前沿技术的政策支持,提高数字技术创新效率,使数字资源要素在区域内、区域间高速流动,并加速新旧动能转换,促进数字技术创新和数字经济高水平协调发展。
(2)加大新型基础设施建设,夯实数字经济发展基础。新型基础设施建设是数字技术创新与数字经济发展的前提条件和基本保障,因此需要全面推进数字基础设施统筹规划和共建共享,形成数字创新迭代升级系统内驱动力。在推进数字基础设施建设过程中,要把握好数字化、智能化、全域协调化的发展特点,搭建技术创新、经济发展互动平台,促进不同区域之间交流互动,不断缩小区域数字鸿沟,提高应用型数字基础设施造福全民的能力。
(3)加强区域协作,完善区域差异化调控策略。建立资源共享、平台共建、人才共用和跨界搜寻区域协调机制,鼓励长三角、珠三角、京津冀等特定经济圈加强数字技术交流,充分发挥上海、江苏、浙江等省份的辐射带动作用,以东部沿海地区带动西部省域发展。构建区域间优势互补和协调发展机制,全面形成数字技术创新和数字经济协调发展局面。另外,制定区域化差异调控政策,针对西部地区,不能盲目制定创新数字经济发展标准,应注重传统产业转型升级,推动产业结构优化调整,实现特色化、合理化发展。
[1] 葛鹏飞,韩永楠,武宵旭.中国创新与经济发展的耦合协调性测度与评价[J].数量经济技术经济研究,2020,37(10):101-117.
[2] BHARADWAJ A,EL SAY O A,PAVLON P A,et al.Digital business strategy:toward a next generation of insights[J].MIS Quarterly,2013,37(2):471-482.
[3] 孟庆时,余江,陈凤,等.数字技术创新对新一代信息技术产业升级的作用机制研究[J].研究与发展管理,2021,33(1):90-100.
[4] 周文辉,王鹏程,杨苗.数字化赋能促进大规模定制技术创新[J].科学学研究,2018,36(8):1516-1523.
[5] ANDRIOLE,STEPHEN J.Innovation,emerging technology,and digital transformation[J].IT Professional,2020,22(4):69-72.
[6] 孙勇,樊杰,刘汉初,等.长三角地区数字技术创新时空格局及其影响因素[J].经济地理,2022,42(2):124-133.
[7] DON TAPSCOTT.The digital economy:promise and peril in the age of networked intelligence[M].New York:McGraw Hill,1996.
[8] GOLDFARB ATUCKER C.Digital economics[J].Journal of Economic Literature,2019,57(1):3-43.
[9] 许恒,张一林,曹雨佳.数字经济、技术溢出与动态竞合政策[J].管理世界,2020,36(11):63-84.
[10] HUKAL P,HENFRIDSSON O,SHAIKH M,et al.Platform signaling for generating platform content[J].Mis Quarterly,2020,44(3):1177-1205.
[11] LANE N.Advancing the digital economy into the 21st century[J].Information Systems Frontiers,1999,1(3):317-320.
[12] 许宪春,张美慧.中国数字经济规模测算研究——基于国际比较的视角[J].中国工业经济,2020,38(5):23-41.
[13] 焦勇.数字经济赋能制造业转型:从价值重塑到价值创造[J].经济学家,2020,32(6):87-94.
[14] ANDERSON J E,WINCOOP E.Trade costs[J].Journal of Economic Literature,2004,42(3):691-751.
[15] 罗以洪.大数据人工智能区块链等ICT促进数字经济高质量发展机理探析[J].贵州社会科学,2019,40(12):122-132.
[16] 赖一飞,叶丽婷,谢潘佳,等.区域科技创新与数字经济耦合协调研究[J].科技进步与对策,2022,39(12):31-41.
[17] MILASHOVSKA O,LIBA N,KOROLOVYCH O,et al.The potential of applying blockchain technologies in various sectors of the digital economy[J].Revista de la Universidad del Zulia,2011 (36):288-304.
[18] YUNIS M,TARHINI A,KASSAR A.The role of ICT and innovation in enhancing organizational performance:the catalysing effect of corporate entrepreneurship[J].Journal of Business Research,2018,88:344-356.
[19] 熊励,蔡雪莲.数字经济对区域创新能力提升的影响效应——基于长三角城市群的实证研究[J].华东经济管理,2020,34(12):1-8.
[20] 赵滨元.数字经济核心产业对区域创新能力的影响机制研究——数字赋能产业的中介效应[J].科技进步与对策,2022,39(5):50-57.
[21] 李晓华.数字经济新特征与数字经济新动能的形成机制[J].改革,2019,32(11):40-51.
[22] 左鹏飞,陈静.高质量发展视角下的数字经济与经济增长[J].财经问题研究,2021,43(9):19-27.
[23] 李玥,郭航,王宏起,等.基于扎根理论的联盟协同创新激励要素及作用机制[J].中国科技论坛,2020,36(8):129-137.
[24] KATZ M L,SHAPIRO C.Network externalities,competition,and compatibility[J].American Economic Review,1985,75(3):424-440.
[25] 游达明,许斐.基于熵值法的区域旅游业经济效益比较分析[J].数理统计与管理,2005,24(3):82-85.
[26] 逯进,朱顺杰.金融生态、经济增长与区域发展差异——基于中国省域数据的耦合实证分析[J].管理评论,2015,27(11):44-56.
[27] 茶洪旺,左鹏飞.信息化对中国产业结构升级影响分析——基于省级面板数据的空间计量研究[J].经济评论,2017,38(1):80-89.
[28] 徐清源,单志广,马潮江.国内外数字经济测度指标体系研究综述[J].调研世界,2018,31(11):52-58.
[29] YOO Y,HENFRIDSSON O,LYYTINEN K.Research commentary:the new organizing logic of digital innovation:an agenda for information systems research[J].Information Systems Research,2010,21 (4) :724-735.