EN中文

地理科学 >

2024 , Vol. 44 >Issue 5: 743 - 753

DOI: https://doi.org/10.13249/j.cnki.sgs.20230132

中国数字经济空间网络结构演化及其驱动因素

  • 王胜鹏 , 1, 2 ,
  • 滕堂伟 , 1, 2, * ,
  • 胡森林 1, 2 ,
  • 李炜 1, 2
展开
  • 1.华东师范大学中国现代城市研究中心，上海 200062
  • 2.华东师范大学地理科学学院，上海 200062
滕堂伟。E-mail:

王胜鹏（1996—），安徽池州人，博士研究生，主要研究方向为经济地理与区域发展。E-mail:

收稿日期: 2023-02-20

  修回日期: 2023-07-11

  网络出版日期: 2024-05-17

基金资助

国家自然科学基金重点项目(42130510)

上海市社会科学规划项目(2021BJL002)

中国博士后基金面上项目资助(2023M731090)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Evolution and driving factors of spatial network structure of digital economy in China

  • Wang Shengpeng , 1, 2 ,
  • Teng Tangwei , 1, 2, * ,
  • Hu Senlin 1, 2 ,
  • Li Wei 1, 2
Expand
  • 1. Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
  • 2. School of Geographic Science, East China Normal University, Shanghai 200062, China

Received date: 2023-02-20

  Revised date: 2023-07-11

  Online published: 2024-05-17

Supported by

Key Program of National Natural Science Foundation of China(42130510)

Shanghai Social Science Planning(2021BJL002)

China Postdoctoral Science Foundation(2023M731090)

Copyright

Copyright reserved © 2024.
Fold

摘要

本文运用修正的CRITIC评价法测度了2013—2020年中国省域数字经济发展水平，运用社会网络分析方法探究了数字经济空间网络结构演化特征及其成因。结果表明：①中国数字经济发展水平总体呈现稳步上升态势，空间格局上表现为东高西低的特征。②研究期内，中国省域数字经济的空间关联网络呈现出多线程与稠密化的复杂结网态势，网络密度有所提升，整体不存在等级森严的空间结构。③经济发达地区在空间网络结构中的优势地位显著，西部及边陲地区与其他地区的互联互通能力有待提升；凝聚子群空间分布逐渐形成有序的团块化分布。④数字经济空间网络结构是多因素综合作用的结果，科技创新水平、政府支持力度及地理空间距离始终表现出显著作用，而经济发展水平、产业结构水平和城镇化水平的效应则体现出先强后弱的阶段性特征，上述因素共同驱动着中国省域数字经济空间网络结构的优化与重组。

关键词： 数字经济; 空间网络结构; 社会网络分析

本文引用格式

王胜鹏 , 滕堂伟 , 胡森林 , 李炜 . 中国数字经济空间网络结构演化及其驱动因素[J]. 地理科学, 2024 , 44(5) : 743 -753 . DOI: 10.13249/j.cnki.sgs.20230132

Abstract

In the era of digitalization, it is of great practical significance to explore the spatial network structure of digital economy and its driving factors for promoting the construction of “digital China”. The research applied the modified CRITIC evaluation method to measure the development level of digital economy of China from 2013 to 2020, and explored the evolution characteristics and causes of the spatial network structure of the digital economy by social network analysis. The results show that: 1) The overall level of digital economy development has shown a steady upward trend, and the spatial pattern is characterized by high in the east and low in the west. 2) During the study period, the spatial connection network of the provincial digital economy in China shows a complex situation of multi-threaded and dense networking. The network density is improved, and there is no hierarchical spatial structure as a whole. 3) The economically developed regions have a significant advantage in the spatial network structure, and the connections between the western and border regions and other regions needs to be improved; the condensed subgroup spatial distribution gradually forms an orderly agglomerated distribution. 4) The spatial correlation network of digital economy is affected by the joint action of multiple factors. The level of scientific and technological innovation, government support and geographical distance have always played a significant role, while the effects of economic development level, industrial structure level and urbanization level reflect the stage characteristics by strong first and weak later. The above factors together drive the optimization and restructuring of the provincial digital economy spatial network structure in China.

Key words： digital economy; spatial network structure; social network analysis

21世纪以来，基于互联网等新一代技术的快速发展与广泛应用，数字经济蓬勃增长，在全球资源要素重组、经济结构重构和竞争格局重塑方面发挥着重要作用[1]。发展数字经济也成为中国构筑国家竞争新优势、培育高质量发展新动力、挖掘经济增长新支点的关键环节。中国数字经济发展可溯源于21世纪初的“数字福建”建设，2017年，建设“数字中国”写入党的“十九大”报告；2021年中国政府进一步强调“数字经济健康发展有利于推动构筑国家竞争新优势”；2022年10月，党的“二十大”报告也明确提出“加快建设数字中国”（https://m.gmw.cn/2023-05/20/content_36574499.htm），发展数字经济由此成为各界所关注的热点。
数字经济的正式提出可追溯至1996年[2]，随着互联网的日益普及和信息通讯技术发展而逐渐成为研究热点。近年来，相关研究多遵循“概念定义辨析–时空格局刻画–机制效应探索”这一路径展开。①数字经济概念界定与特征辨析：自数字经济概念提出以来，其知识化、数字化与虚拟化特征即得到广泛认可[2]，在此基础上不同学者对数字经济进行界定，揭示了其在社会经济发展中的高嵌入性[3]、对信息化设施的高依赖性[4]以及在经济再生产活动中的过程重塑作用[5]等。尽管数字经济概念界定各异，但总体上均强调数字经济对信息通讯产业的高依赖性、借由互联网渠道衍生出的高渗透性以及其植根于现实经济活动所产生的经济效益等特点。②数字经济的空间格局：因数据所限，数字经济空间格局的研究最初聚焦于载体以及产业依托层面，如淘宝村[6]与信息通讯产业[7]等，随着数据可获得性的增强，较多研究采用构建指标体系等方法以衡量数字经济发展水平，并分析其空间格局，揭示中国数字经济发展水平的非均衡性[8-12]。③ 数字经济的驱动因素：已有研究多通过地理探测器、地理加权回归及空间计量模型等方法，对其成因进行量化分析，基于多区域研究与多方法集成探究，揭示数字经济发展是多因素综合作用的产物[8,9,13-15]。④数字经济的效应分析：作为新时代高质量发展新动能的数字经济，关于数字经济效应的相关量化研究聚焦于数字经济的区域影响，包括环境效应[16]、对高质量发展的影响[17]以及与区域收益关系[18]等；定性研究则聚焦数字经济发展的战略探索与建设路径[19]。研究结果均揭示了数字经济在社会经济发展中的重要性。
综上可知，数字经济的相关研究总体呈现出研究内容深化、研究方法多元等特点，遵循“水平测度–格局刻画–机理探寻”脉络，从一维时间尺度的时序变化描述转向二维时空视角下的特征演变剖析，为本文研究奠定了一定学术基础。但相关研究依旧存在如下不足：已有成果多基于“属性数据”展开，侧重于揭示空间分布特征，对于区域数字经济发展水平的空间关联网络特征及不同区域在网络中所处扮演角色揭示不足。数字经济强调要素通过信息化途径加速流动，其重点之一便在于强化区际互联互通水平，但已有研究关于数字经济网络联系刻画不足，多基于单一年份的研究机构报告数据展开探索[20]，或仅关注如长三角地区等发展优势区[21]，地理学时空二维视角下的比较分析较为匮乏，对不同区域间的组团化发展态势以及不同影响因素的时序差异也鲜有考虑。随着“双循环”战略实施，区域间经济联系的重要性更加凸显，日益绵密化发展的区际联系以及提档增速式演进的要素置换频率致使区域间空间关联多线程网络化构型明显且复杂多变，基于复杂网络视角与“流空间”观点，结合时空视角对社会经济活动的再审视逐渐成为新的研究趋势[22]。
综上，本研究在科学构建指标体系基础上，测度2013—2020年中国31省市区（港澳台数据暂缺）数字经济发展水平，从“关系数据”视角出发，用社会网络分析法探究中国数字经济空间关联关系和网络结构特征，明确不同区域在网络结构中角色地位，明晰其驱动因素，以期为推动“数字中国”建设和强化“双循环”战略支撑提供科学参考与实践范式。

1 研究方法与数据来源

1.1 研究方法

1.1.1 修正的CRITIC综合评价法

考虑到指标间存在不可避免的相关性，研究采用修正的CRITIC模型对各指标权重予以确定并对各省市区的数字经济发展水平进行综合评价，具体计算参见文献[23]。

1.1.2 修正的引力模型

引力模型因其能综合考虑区域发展状况并有效刻画区际间空间相互作用联系强度等优势而在已有研究中得到广泛使用[22,24-25]。鉴于区域经济联系具有方向性，故研究采用修正的引力模型进行计算，其公式如下[25-26]：
$ {F}_{ij}=\dfrac{D{E}_{i}}{{DE}_{i}+{DE}_{j}}\times \dfrac{{DE}_{i}×{DE}_{j}}{{D}_{ij}^{2}} $
式中，Fij表示联系强度，DEi和DEj则分别表示i省市区和j省市区的数字经济发展水平，Dij则表示i、j两地间的地理距离，通过i与j两地区省会城市间的直线距离予以表征。基于测度结果，构建数字经济发展水平空间关联矩阵。考虑到区域间相互作用存在一定的影响阈值，故以研究基期2013年的引力强度均值作为阈值，对矩阵进行二值化处理[27]。

1.1.3 社会网络分析

社会网络分析从结构性视角出发，旨在探究不同区域在关系网络下所表现出的空间结构及属性特征。研究采用该方法对中国数字经济关联网络的空间结构特征进行整体网络分析和个体网络分析，包括网络密度、网络关联度、网络等级度、网络效率、度数中心度、接近中心度和中介中心度等，指标意义与具体计算参见文献[25]。
此外，通过Ucinet软件对中国省域数字经济发展水平空间网络结构进行解析，通过凝聚子群分析锚定各地区在网络中的角色和位置差异，对其进行类型划分；同时旨在为优化网络结构，借助于QAP回归分析方法，对其驱动因素进行识别。

1.2 指标体系与数据来源

研究依据国家统计局发布的《数字经济及其核心产业统计分类》（https://www.gov.cn/gongbao/content/2021/content_5625996.htm），将数字经济划分为3大方面：一是互联网发展设施基础。互联网发展水平不仅预示着区域信息化建设程度，也是受众需求端的直接体现以及数字资源传输的重要渠道，以互联网基础设施为代表的新基建的均等化建设水平为数字经济发展提供了必要的支撑[28]，选取光缆密度、移动电话基站密度、移动电话普及率、人均互联网域名数与人均宽带接入端口数5个指标予以表征[11-13,17]。二是产业支撑。数字经济的发展必须依赖于具体产业，产业规模的大小决定了数字经济发展基础，诸如邮电业、软件业和信息传输服务业等，故选取软件业收入，邮政业务总量，电信业务总量，交通运输、仓储和邮政业职工人数，和信息传输、软件和信息技术服务业职工人数5个变量予以表征[15]。三是数字经济活动表征。数字经济活动是数字经济发展水平的直接体现而移动支付水平则是其重要表征，电子商务与快递业务规模也与数字经济应用水平具有直接联系，研究选取有电子商务交易活动的企业数、数字普惠金融指数下含的覆盖广度指数、使用深度指数和数字化程度指数及电子商务销售额、快递业务量等指标予以表征[10,29]。
若无特殊说明，除数字金融普惠各分指数数据来源于“北京大学数字普惠金融指数”外[10]，其余均来自于相应年份《中国统计年鉴》（https://www.stats.gov.cn/sj/ndsj/）及国泰安数据库（https://data.csmar.com/）等，少数缺失数据则采用插值法予以补缺。

2 实证结果

2.1 中国数字经济发展水平的时空差异特征

依据东、中、西、东北4大板块划分①(①东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、安徽、河南、湖北、湖南和江西；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、西藏和新疆；东北部地区包括辽宁、吉林和黑龙江。)，对比分析数字经济发展水平时序变化（图1）。
图1 2013—2020年中国数字经济发展水平时序演变

港澳台数据暂缺

Fig. 1 Evolution of China’s digital economy development level from 2013 to 2020

1）研究期内，中国数字经济发展水平稳步提升，均值由2013年的0.068逐步上升至2020年的0.229，年均增幅约18.941%，这表明自2013年以来，中国数字经济迅猛增长，在经济发展中的地位不断凸显。2013年后，中国数字经济新业态不断萌生，如数字金融、共享经济等均借由互联网技术的发展、移动终端的普及以及各地数据中心的布局而迅速壮大，影响力也日益增大，直接促使中国数字经济发展进入新阶段。
2）中国区域数字经济发展水平整体表现为“东部＞中部＞东北＞西部”的空间分布格局。东部整体水平较高且研究期内均高于全国均值，中部、西部与东北在2016年前数字经济发展水平较为接近，自2016年后，中部数字经济发展水平高于西部和东北。主要原因在于，东部数字经济发展基础优越，无论是在资源禀赋或政策支持上均具有明显优势；而在2016年后，“互联网+”战略引发数字经济的区域竞争，数字技术多维渗透以及企业数字化转型热潮展开，导致中部与西部、东北的数字经济发展水平差距逐渐拉开。

2.2 中国数字经济发展水平关联网络分析

以二值化矩阵为基础，绘制2013—2020年中国数字经济发展水平的空间网络结构，并选取2013年、2016年和2020年3个时间节点予以展示（图2）。由图可知，研究期内，随着区域数字经济发展水平的提升，省域间数字经济复杂结网态势凸显，多线程与稠密化特征显著，通过邻近省域联动及远域省域互动等途径实现关联网络的空间拓展，表现出一定的组团化构型。区域间联系从一开始的泾渭分明转化为犬牙交错的复杂态势，研究初期其区际联系集中于沿海经济发达地区，而后随着数字经济发展水平提升，其辐射扩散效应有所强化，由东部沿海地区逐渐向中西部地区拓展，但整体仍表现为东密西疏的空间特征。总体而言，东部地区在其中占据主导地位，研究期内网络整体联系水平提升。
图2 2013—2020年中国省域数字经济发展水平的空间关联网络

基于自然资源部标准地图服务网站下载的审图号GS （2020）4619标准地图制作，底图无修改；港澳台数据暂缺

Fig. 2 Spatial correlation network of China’s provincial digital economy level from 2013 to 2020

2.2.1 整体网络特征

1）在网络密度及关联关系方面（图3a），研究期内中国省域数字经济发展水平的网络密度与关联关系数呈现出同步变化，整体表现为稳步提升趋势。其中，网络密度由2013年的0.126攀升至2020年的0.591；网络关系数则由2013年的117增长至2020年的550，这表明中国省际间数字经济联系程度日益密切。但现有关联关系数与理论最大值（930）相比仍有差距，这表明中国省域数字经济发展的空间关联紧密程度仍有提升空间，区际间的资源要素置换速度与协调重组程度有望进一步加强。
图3 2013—2020年中国数字经济发展水平整体网络特征

港澳台数据暂缺

Fig. 3 Network characteristics of China’s digital economy development level from 2013 to 2020

2）在网络关联度、网络等级度及网络效率方面（图3b），研究期内网络关联度水平稳步提升，表明数字经济关联网络的范围扩大，有越来越多的省区参与其中，网络逐渐绵密化与复杂化。就网络等级度而言，其数值呈现“W”型变化，总体数值有所缩小，这说明网络的等级结构逐渐消弭，随着数字经济发展水平的提升，其区际合作态势也愈加显著，跨区域协作模式逐渐凸显，区际数字经济联系与合作日益绵密化，因此其层级结构日益瓦解消散。而就网络效率而言，其呈现下降趋势，这表明网络内部联系渠道日趋多元，网络稳定性有所增强。

2.2.2 个体网络特征

选取2013年、2016年及2020年3个时间节点对中国省域数字经济的空间关联网络中心性特征进行分析，计算结果参见表1。
表1 2013—2020年中国数字经济发展水平空间关联网络中心性特征

Table 1 Centrality of spatial correlation network of China’s digital economy level from 2013 to 2020

地区2013年2016年2020年
DoDiCRDCRPCRBDoDiCRDCRPCRBDoDiCRDCRPCRB
　　注：Do、Di、CRD、CRP和CRB分别表示点出度、点入度、度数中心度、接近中心度和中介中心度；港澳台数据暂缺。
京14946.66710.60112.597241580.00024.39010.821292296.66796.7748.998
津4623.33310.3450.520141350.00022.7270.764232176.66781.0810.833
冀5723.33310.3450.367131446.66722.5560.351242180.00078.9470.993
晋3516.66710.0000.03881346.66722.5560.551192170.00076.9230.239
内蒙古113.3339.8680.0005930.00021.5830.000101656.66768.1820.068
辽3416.66710.2740.7248930.00021.5830.725141653.33368.1820.247
吉126.6679.9010.0002723.33321.2770.36261240.00061.2240.046
黑000.0000.0000.0002310.00020.4080.00031033.33358.8240.000
沪14746.66710.7538.760231476.66724.1945.581281993.33390.9092.331
苏13843.33310.7146.120201466.66723.6222.073271890.00090.9091.636
浙11836.66710.6383.684221373.33324.0004.193282093.33390.9092.331
皖4620.00010.3090.000151450.00022.7270.266252083.33383.3330.939
闽6420.00010.3090.000141146.66722.5560.955221973.33378.9470.394
赣2723.33310.3450.03891136.66722.0590.000202066.66775.0000.135
鲁11736.66710.4901.712211570.00023.8103.019272190.00090.9091.636
豫5830.00010.4172.517181763.33323.4381.569262386.66785.7141.139
鄂61033.33310.6013.076181660.00023.2560.890252283.33385.7140.778
湘2723.33310.3450.038131453.33322.9010.824232176.66781.0810.418
粤10433.33310.49017.793211570.00023.8104.856292096.66796.7745.894
桂013.3339.7720.0004930.00021.2770.561161860.00071.4290.042
琼013.3339.7720.0002516.66720.6900.00091756.66768.1820.029
渝126.6679.8364.82891450.00022.7271.396242380.00083.3330.908
川113.3339.2020.000101250.00022.7272.753262286.66788.2353.961
贵000.0000.0000.00051033.33321.8980.556151963.33371.4290.088
云000.0000.0000.0004516.66720.5480.05291653.33368.1820.014
藏000.0000.0000.000000.0000.0000.000026.66750.8470.000
陕026.6679.9010.000121756.66723.0771.954242380.00083.3330.926
甘000.0000.0000.0002413.33320.6900.00071963.33371.4290.349
青000.0000.0000.000000.0000.0000.0001826.66755.5560.000
宁000.0000.0000.0002723.33321.1270.215111860.00071.4290.029
新000.0000.0000.000000.0000.0000.000013.33350.0000.000
1）度数中心度方面：2013年、2016年和2020年中国各省市区数字经济发展水平度数中心度表现较为稳定，呈现出显著的区域非均衡性特征，北京、上海、江苏、浙江、广东、山东、湖北等具有绝对优势，在数字经济空间网络中占据主导地位。就平均水平而言，2013年、2016年和2020年逐年提升态势显著，这预示着越来越多的省市区深度参与到网络协作中。而从出度与入度的角度来看，其均值有所提升，这意味着各省市区数字经济发展存在显著的空间辐射效应，且辐射效应的强度不断增强。
2）接近中心度方面：2013年、2016年和2020年，网络中各省市区接近中心度水平依次集中于[9,11]、[20,25]和[50,90]范围内，这表明总体上网络流动的效率持续改善，区域间联系渠道日趋多元。其中2013年、2016年和2020年接近中心度均位于前列的省市区为北京、上海、江苏、浙江、广东和山东，其在整体网络中的核心地位显著，主要因为上述地区数字经济产业发展基础较好，在电子制造业、电信业与软件业等方面具有先发优势，硬件设施完善，同时人才培育等软环境方面也相对成熟，在技术转移与扩散中承担着重要角色，兼之区位条件优越，使之成为区际数字经济交流合作的重要媒介。
3）中介中心度方面：其分布与前两者具有较大的相似性，但不同省市区间的差异依然巨大，极大值与极小值并存。其中2013年、2016年和2020年，中介中心度排名前2的均为北京与广东，其中介中心度之和分别为30.390、15.677和14.892，占当年所有中介中心度之和的比例均超过30%，这表明北京和广东在中国省域数字经济关联网络中具有很强的桥梁连接作用。而如黑龙江和青海等少数中介中心度始终较低的省区则应当加强其与其他地区的联系与沟通，以避免在数字经济网络中处于边缘化的窘境。

2.2.3 凝聚子群分析

为进一步厘清各省市区在数字经济空间关联网络中的角色差异，研究通过凝聚子群分析探究其聚类特征，其中各时间节点的分析结果可参见图4和表2。
图4 2013—2020年中国省域数字经济空间关联网络的凝聚子群构成及其动态演变

基于自然资源部标准地图服务网站下载的审图号GS （2020）4619标准地图制作，底图无修改；港澳台数据暂缺

Fig. 4 Composition of cohesive subgroups of China’s provincial digital economy spatial correlation network and its evolution from 2013 to 2020

表2 2013—2020年中国数字经济发展凝聚子群网络密度

Table 2 Network density of cohesive subgroups of China’s digital economy development from 2013 to 2020

环京津冀子群东南沿海子群边陲地区子群西南地区子群
　　注：数据依次对应2013年、2016年和2020年，港澳台数据暂缺。
环京津冀子群0.400/0.548/0.7780.122/0.308/0.6000.000/0.029/0.2220.000/0.000/0.292
东南沿海子群0.167/0.495/0.8890.694/0.917/1.0000.000/0.092/0.4250.083/0.462/0.975
边陲地区子群0.000/0.000/0.0560.000/0.031/0.0750.000/0.100/0.1670.000/0.000/0.031
西南地区子群0.000/0.000/0.2640.000/0.167/0.7880.000/0.067/0.0940.167/0.633/0.946
中国省域数字经济空间关联网络在不同时间点均形成了4个凝聚子群，依据其涵盖的主要地区可以划分为环京津冀子群、东南沿海子群、西南地区子群及边陲地区子群。
从组分角度而言，各子群的成员呈现出一定的波动性，具有重构倾向。环京津冀子群和边陲地区子群收缩而东南沿海子群和西南地区子群扩张。具体而言，环京津冀子群整体向东北方向收缩，山东、河南和陕西脱离而黑龙江被纳入其范畴；东南沿海子群则整体向西北方向扩张，山东、河南、陕西、四川等均受到其辐射影响，福建、江西、湖南则脱离其范畴；西南地区子群则进一步向东和向南拓展，形成了横跨云南、贵州、重庆、广西、湖南、江西、福建、海南等省区的集聚带；边陲地区子群则向北收缩，集中分布于西北部的甘肃、青海、新疆、西藏等省区。空间分布上，不同子群的组分分布由分散向集聚组团转变。
从子群联系角度而言，子群间及子群内联系均有所增强，子群间相互作用日趋复杂。具体而言，2013年各子群呈现出各自为战的情形，其子群内相互作用总体较低，内部成员间的数字经济互动程度有待加强，其中边陲地区子群内部密度为0，这代表在研究初期，边陲地区的各省市区的数字经济发展更倾向于自我发育，缺乏区际交流与合作，而东南沿海子群与环京津冀子群内部联系相对紧密，这可能得益于其内部城市群的辐射带动作用，而子群间相互作用较弱，仅东南沿海子群与环京津冀子群间相互作用较为明显，前者对西南地区子群也存在微弱的溢出效应。2016年，各子群内外联系强度均有所提升，子群间的相互作用日趋明显，环京津冀子群和东南沿海子群的溢出效应有所增强。边陲地区子群与其余子群开始产生联系，同时其内部联系也得到强化，但子群间联系割裂的现象仍然存在。2020年，各子群内部联系强度进一步提升，其中东南沿海子群表现最为突出，不仅其内部成员间联系紧密，且与其他子群间也形成了良好的合作关系，环京津冀地区子群表现类似但效应稍弱，西南地区子群与其余子群间的联系得到强化，尤其与东南沿海子群互动最为密切，边陲地区子群则呈现出路径依赖特征，更倾向于子群内部合作而与其余子群间的联动有待提升。
总体而言，从凝聚子群的变化可以看出，中国数字经济的空间关联网络体现出稳定性与重构性并存的特质。空间组织上逐渐形成有序地团块化分布，东部及中部等数字经济发展水平较高的地区发挥着“领头羊”效应，在引导子群内部绵密化发展的同时，也起到了桥接作用，强化了与周边地区的交流协作，共同推动中国省域数字经济空间关联网络的多元化发展与紧致化联系。

2.3 中国数字经济发展水平网络结构的驱动因素

2.3.1 驱动因素选择

数字经济空间网络的形成与发育是信息化背景下区际资源交互协作、多因素综合作用的结果。结合已有研究，选取以下因素进行分析：① 经济发展水平（RE）：较高的经济发展水平对互联网基础设施的建设具有促进作用，能推动数字经济发展水平提升，以区域人均GDP表征[8]；② 科技创新（TI）：数字经济具有极强的创新驱动特征[15]，科技创新能力的提升能够有效支撑数字经济发展，选取区域专利申请量予以表征[30]；③ 产业结构（IS）：区域产业发展往往会沿劳动力密集型逐步推进至知识密集型的路径演化，而这一过程会推动数字经济发展水平提升，以三产占GDP比重进行表征[14]；④ 城镇化水平（UL）：已有研究表明中国城乡间及区域间的互联网发展差异较大[31]，将会对数字经济发展造成影响，故而选取城镇化率进行表征[9]；⑤ 政府支持（GS）：数字经济作为区域经济的重要组成部分，与区际协作选择与政府宏观调控息息相关，选取地方财政一般预算支出占GDP比重予以表征[15]；⑥ 基础设施建设水平（ICL）：以交通基础设施为代表的基建水平对互联网产业发展的影响显著[8]，选取区域单位面积公路里程数予以表征[32]。⑦ 人力资本（HC）：数字经济的发展离不开高水平劳动力，理论上两者存在着正比关系[33]，研究选取人均受教育年限进行表征[15]；⑧ 地理距离（GD）：地理距离的远近客观上决定了区际联系的难易，对区域文化及社会关系也具有重要作用，通过各直辖市及省会城市间的空间距离予以表征。

2.3.2 驱动因素实证分析

2013—2020年QAP分析结果如表3所示。
表3 2013—2020年QAP回归分析结果

Table 3 Results of QAP regression analysis in 2013—2020

2013年2014年2015年2016年2017年2018年2019年2020年
　　注：回归分析系数为标准化系数；RE为经济发展水平、TI为科技创新、IS为产业结构、UL为城镇化水平、GS为政府支持、ICL为基础设施建设水平、HC为人力资本、GD为地理距离；样本数为930；*、**和***分别表示在10%、5%和1%水平上显著；港澳台数据暂缺。
RE–0.289***–0.254***–0.236***–0.166***–0.0420.0160.0110.012
TI0.232***0.235***0.186***0.201***0.198***0.175***0.171***0.175***
IS0.153**0.128**0.126**0.102*0.113**0.104*0.0880.084
UL0.216**0.258**0.284***0.199**0.1150.0970.0780.059
GS–0.232**–0.202**–0.167**–0.172**–0.122*–0.144**–0.171***–0.188***
ICL–0.052–0.066*–0.026–0.039–0.016–0.051–0.0180.001
HC0.1540.102–0.0090.038–0.010–0.028–0.013–0.004
GD–0.390***–0.451***–0.586***–0.595***–0.606***–0.629**–0.649***–0.641***
R20.2870.3380.4570.4680.4890.5540.5800.577
Adj R20.2820.3330.4530.4640.4850.5510.5770.574
1）科技创新水平、政府支持力度及地理空间距离在研究期内始终表现出显著影响。其中：① 科技创新水平差异显著为正，表明区域技术创新能力差异越大，数字经济空间关联程度则越强。究其原因则在于数字经济所依赖的核心产业具有极强的创新驱动特征，对于新科学技术的诉求，催生了区际数字经济合作，同时也有利于数字经济关联强度提升。② 政府支持力度差异显著为负，表明政府支持力度差异越大则越不利于数字经济空间关联强度的提升，其原因在于当区际政府支持力度差异较大时，区际数字经济发展的定位可能也存在较大差异，这将会对区际数字经济合作产生阻滞作用。③ 地理距离的系数始终为负向显著，其负向抑制效应验证了“距离衰减”规律。地理距离邻近所带来的较低交流成本以及制度、文化等方面的相似性将有助于邻近地区间合作的展开，但随着距离增大，区际间相互作用的辐射强度也有所削弱，因此对数字经济空间关联强度呈现出负向效应。
2）基础设施建设水平差异及区域人力资本水平差异影响较微弱。① 基础设施建设水平差异仅在个别年份表现显著，其原因可能在于数字经济本身强调要素的信息化数字化流转置换，因此对传统基建的依赖性相对较小。② 人力资本水平差异整体表现均不显著，这可能是因为数字经济伴随着信息通信产业发展及互联网逐步普及应运而生，总体而言尚属于新经济形态，专业化人才的培养依旧缺乏，这一分析结果也表明数字经济的发展及其区际合作的展开也需要更为专业化的人才介入，专业人才对数字经济发展至关重要[15]。
3）区域经济发展水平差异、产业结构差异及城镇化水平差异的效应整体趋于弱化。① 区域经济发展水平差异的回归系数体现出一定的阶段性特征，在2016年以前显著为正，在2017—2020年间不显著。这可能是因为在发展初期，数字经济发展非优区更倾向于与邻近的高水平地区合作，如东部沿海地区等；但2017年后，随着政策环境的变化，各地数字经济合作日趋常态，既包括经济较发达地区间的频繁合作，也有西部地区通过数字经济发展示范区及大数据中心建设等项目带动而与其他省市区进行合作，并不完全由经济发展水平所决定。② 城镇化水平在2013—2016年间总体呈现出显著的正向效应，而在2017—2020年转变为不显著，究其原因可能在于在研究初期，区域城镇化水平的差异对要素流动方向具有重要影响，由此带来的要素空间汇聚以及潜在市场需求侧的增长会促进数字经济空间关联强度提升。但在2017年后，伴随着中西部地区城镇化水平快速提升，省际间城镇化水平差距缩小，对区域间“数字鸿沟”具有弥合作用。③ 产业结构差异也与区域经济水平表现类似，在2013—2018年间均为正向显著，而在2019—2020年转变为不显著，这可能是因为数字经济与第三产业联系紧密，一方面由数字技术所衍生出的大量新经济业态即隶属于第三产业，另一方面数字经济与第三产业的融合门槛更低，形式也更为多元[34]。因此三产结构较高的地区将在资本汇聚以及要素折现等方面占据优势，进而通过溢出效应反哺于其他地区，促进其关联强度提升；而2019年以来，全国各地产业结构转型升级明显，服务业线下线上深度融合，弥合了区域产业结构的差异，影响趋于弱化。

3 结论与讨论

研究基于2013—2020年中国31省市区面板数据，采用修正的CRITIC模型和社会网络分析方法，探究中国省域数字经济空间网络结构的演化特征及其驱动因素，主要结论如下：
1）研究期内中国数字经济发展水平稳步提升，但仍表现出显著的区域差异，空间上大致呈现出“东部＞中部＞东北＞西部”的分布格局。东南沿海地区数字经济发展水平较高而西部内陆及边疆地区的数字经济发展水平有待提升。
2）中国省域数字经济空间关联网络结构呈现出复杂结网态势，多线程与稠密化特征显著，整体表现为东密西疏，其中网络密度和网络关联度稳步提升、网络等级度和网络效率总体下降，网络联系日益绵密、区际沟通渠道多元化趋势显著，参与数字经济空间关联网络的地区日趋增多，网络拓展蔓延态势明显。
3）度数中心度总体表现稳定，体现出较强的区域非均衡特征，东部沿海经济发达地区，如北京、上海、广东、浙江等优势明显，网络整体的空间溢出效应有所增强。接近中心度提升明显，区域间联系渠道日趋多元。中介中心度不同地区间仍存在较大差异，如青海、黑龙江等部分边缘省区存在陷入网络边缘化的窘境。
4）中国省域数字经济空间关联网络凝聚子群结构不断重构，逐渐形成了环京津冀、东南沿海、西南地区及边陲地区4个凝聚子群，且子群间的相互作用日趋复杂，子群内外部联系日益紧密，空间组织上逐渐形成有序地团块化分布，东中部数字经济发展水平较高地区的“领头羊”效应明显。
5）科技创新水平、政府支持力度和地理空间距离对数字经济空间联系的作用始终显著，成为影响中国省域数字经济空间网络结构的关键因素。而诸如区域经济发展水平、产业结构水平以及城镇化水平等则呈现出阶段性特征。基础设施建设水平以及人力资本水平的影响总体不甚显著。
基于上述研究结论，优化中国数字经济网络空间结构需要在以下3个方面着力突进。
1）统筹兼顾数字经济布局，明确区域分工，以信息化新基建为着力点，突破行政藩篱束缚，避免要素区块化分割，进一步提升网络溢出效应。就中国数字经济网络的各子群而言，溢出强度有所提升但区域差异仍然显著，西部及边陲地区与其他区域的交流程度仍有待于加强。应当立足于各子群定位，强化不同子群在网络中的溢出与调节效应，进一步发挥东南沿海地区及京津冀地区的数字经济发展优势，强化其网络溢出效应，以增强区域联动。可考虑通过新基建项目援建、数字技术定向转移等方式，尽可能多地实现不同地区间的互联互通，通过推动区域信息化基础建设，促进新基建的均等化发展，尤其要对中西部地区予以关注，避免西部内陆地区陷入被边缘化的窘境，促进省域数字经济协同发展。
2）强化数字经济发展软环境建设，产业培育与人才培养双轨并行。宜加强电子商务、互联网等产业的建设，为数字经济与实体经济的融合提供沃土，以产业培育为人才提供用武之地，以人才为数字经济产业发展注入不竭动力，辅之以政策文件为之保驾护航，引领区域数字经济跨越式发展与区际联动。本身数字经济产业发展处于优势地位的东部沿海地区等应当积极探索数字经济发展之新业态，数字经济产业发展尚处于初步阶段的中西部地区则应当加强已有产业建设，结合自身发展强点，引领产业数字化和数字产业化稳步推进。
3）以科技创新促数字经济发展，实现“创新驱动”与“数字中国”两大发展战略的有机融合。数字经济具有极强的创新驱动特征，这也为两大发展战略的结合提供了天然耦合点。东部地区宜将区域科技创新发展中心向数字化技术研发以及数字化平台建设等适当倾斜，以科技创新驱动数字经济发展，以数字经济发展反哺科技创新，实现两者良性的双向互动循环。中部、西部和东北地区则应当承接东部的数字产业转移和数字技术扩散，以强化自身数字经济发展水平，借由产业转移和技术扩散之良机，通过循环累积效应强化不同省市区数字经济空间联系强度，以提升中国省域数字经济空间关联网络的发育程度。
目前随着交通可达性的提升以及信息通讯技术的发展，地理距离的影响已经有所削弱，在未来研究中可考虑通过时间距离或信息距离等方面对引力模型进行进一步修正，以提升研究精度；此外，本研究基于“关系数据”视角出发，从网络结构角度探究数字经济网络空间优化与重组的驱动因素，但对于单一地区而言，基于“属性视角”探究其数字经济发展的驱动因素也十分重要，而这则有待于进一步的深入探究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
习近平. 不断做强做优做大中国数字经济[J]. 中国信息安全, 2022(1): 16-20.

Xi Jinping. Constantly strengthen, optimize and expand China’s digital economy. China Information Security, 2022(1): 16-20.

[2]
Tapscott D. The digital economy: Promise and peril in the age of networked intelligence [M]. New York: Mc Graw-Hill, 1996.

[3]
Remeikiene R, Gaspareniene L, Schneider F G. The definition of digital shadow economy[J]. Technological & Economic Development of Economy, 2017, 24(2): 696-717.

[4]
Vu K, Nguyen T. Exploring the contributors to the digital economy: Insights from Vietnam with comparisons to Thailand[J]. Telecommunications Policy, 2024, 48(1): 102664.

DOI

[5]
林跃勤. 新兴国家数字经济发展与合作[J]. 深圳大学学报(人文社会科学版), 2017, 34(4): 105-108.

Lin Yueqin. Development and collaboration in digital economy among emerging countries. Journal of Shenzhen University (Humanities & Social Sciences), 2017, 34(4): 105-108.

[6]
汪凡, 汪明峰. 基于格网的淘宝村集聚特征及影响因素分析[J]. 地理科学, 2020, 40(2): 229-237.

Wang Fan, Wang Mingfeng. Spatial aggregation characteristics and influencing factors of Taobao village based on grid in China. Scientia Geographica Sinica, 2020, 40(2): 229-237.

[7]
宋周莺, 刘卫东. 中国信息化发展进程及其时空格局分析[J]. 地理科学, 2013, 33(3): 257-265.

Song Zhouying, Liu Weidong. Spatio-temporal analysis of regional and provincial informatization in China. Scientia Geographica Sinica, 2013, 33(3): 257-265.

[8]
王彬燕, 田俊峰, 程利莎, 等. 中国数字经济空间分异及影响因素[J]. 地理科学, 2018, 38(6): 859-868.

Wang Binyan, Tian Junfeng, Cheng Lisha et al. Spatial differentiation of digital economy and its influencing factors in China. Scientia Geographica Sinica, 2018, 38(6): 859-868.

[9]
田俊峰, 王彬燕, 王士君, 等. 中国东北地区数字经济发展空间分异及成因[J]. 地域研究与开发, 2019, 38(6): 16-21.

Tian Junfeng, Wang Binyan, Wang Shijun et al. Spatial differentiation of urban digital economic development and its causes in Northeast China. Areal Research and Development, 2019, 38(6): 16-21.

[10]
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, 19(4): 1401-1418.

Guo Feng, Wang Jingyi, Wang Fang et al. Measuring China’s digital financial inclusion: Index compilation and spatial characteristics. China Economic Quarterly, 2020, 19(4): 1401-1418.

[11]
王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021, 38(7): 26-42.

Wang Jun, Zhu Jie, Luo Xi. Research on the measurement of China’s digital economy development and the characteristics. Journal of Quantitative & Technological Economics, 2021, 38(7): 26-42.

[12]
潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021(10): 137-147.

Pan Weihua, He Zhengchu, Pan Hongyu. Research on spatiotemporal evolution and distribution dynamics of digital economy development in China. China Soft Science, 2021(10): 137-147.

[13]
Li Z Q, Liu Y. Research on the spatial distribution pattern and influencing factors of digital economy development in China[J]. IEEE Access, 2021(9): 63094-63106.

[14]
钟业喜, 毛炜圣. 长江经济带数字经济空间格局及影响因素[J]. 重庆大学学报(社会科学版), 2020, 26(1): 19-30.

Zhong Yexi, Mao Weisheng. Spatial differentiation of digital economy and its influencing factors in the Yangtze River Economic Belt. Journal of Chongqing University (Social Science Edition), 2020, 26(1): 19-30.

[15]
王胜鹏, 滕堂伟, 夏启繁, 等. 中国数字经济发展水平时空特征及其创新驱动机制[J]. 经济地理, 2022, 42(7): 33-43.

Wang Shengpeng, Teng Tangwei, Xia Qifan et al. The spatio-temporal characteristics of China’s digital economy development level and its driving mechanism of innovation. Economic Geography, 2022, 42(7): 33-43.

[16]
徐维祥, 周建平, 刘程军. 数字经济发展对城市碳排放影响的空间效应[J]. 地理研究, 2022, 41(1): 111-129.

Xu Weixiang, Zhou Jianping, Liu Chengjun. The impact of digital economy on urban carbon emissions: Based on the analysis of spatial effects. Geographical Research, 2022, 41(1): 111-129.

[17]
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.

Zhao Tao, Zhang Zhi, Liang Shangkun. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban china. Journal of Management World, 2020, 36(10): 65-76.

[18]
陈修颖, 苗振龙. 数字经济增长动力与区域收入的空间分布规律[J]. 地理学报, 2021, 76(8): 1882-1894.

Chen Xiuying, Miao Zhenlong. Spatial distribution of digital economic growth dynamics and regional income. Acta Geographica Sinica, 2021, 76(8): 1882-1894.

[19]
杨炎. 国际对比视角下中国数字经济发展战略探索[J]. 科技管理研究, 2019, 39(19): 33-42.

Yang Yan. Exploration on development strategy of China’s digital economy from perspective of international comparison. Science and Technology Management Research, 2019, 39(19): 33-42.

[20]
余海华. 中国数字经济空间关联及其驱动因素研究[J]. 统计与信息论坛, 2021, 36(9): 23-34+44.

Yu Haihua. Study on spatial correlation of digital economy and its driving factors in China. Journal of Statistics and Information, 2021, 36(9): 23-34+44.

[21]
胡艳, 栗明钰, 唐睿. 长三角数字经济网络结构特征及影响因素[J]. 华东经济管理, 2022, 36(12): 26-34.

Hu Yan, Su Mingyu, Tang Rui. The structural characteristics and influencing factors of digital economy network in the Yangtze River Delta. East China Economic Management, 2022, 36(12): 26-34.

[22]
Bai C, Zhou L, Xia M et al. Analysis of the spatial association network structure of China’s transportation carbon emissions and its driving factors[J]. Journal of Environmental Management, 2020, 253: 109765.

DOI

[23]
王淑婧, 李俊峰. 长三角城市群高质量绿色发展的均衡性特征及障碍因素[J]. 自然资源学报, 2022, 37(6): 1540-1554.

DOI

Wang Shujing, Li Junfeng. Balanced characteristics and obstacle factors of high-quality green development in Yangtze River Delta Urban Agglomeration. Journal of Natural Resources, 2022, 37(6): 1540-1554.

DOI

[24]
王凯, 张淑文, 甘畅, 等. 中国旅游业碳排放效率的空间网络结构及其效应研究[J]. 地理科学, 2020, 40(3): 344-353.

Wang Kai, Zhang Shuwen, Gan Chang et al. Spatial network structure of carbon emission efficiency of tourism industry and its effects in China. Scientia Geographica Sinica, 2020, 40(3): 344-353.

[25]
张明斗, 翁爱华. 长江经济带城市水资源利用效率的空间关联网络及形成机制[J]. 地理学报, 2022, 77(9): 2353-2373.

Zhang Mingdou, Wen Aihua. Spatial correlation network and its formation mechanism of urban water utilization efficiency in the Yangtze River Economic Belt. Acta Geographica Sinica, 2022, 77(9): 2353-2373.

[26]
蔡海亚, 赵永亮, 南永清. 中国“互联网+”发展的空间关联网络及其影响因素——基于社会网络分析视角的实证研究[J]. 地理科学, 2021, 41(6): 933-940.

Cai Haiya, Zhao Yongliang, Nan Yongqing. The spatial correlation network of China’s ‘Internet plus’ development and its influencing factors: An empirical study based on the perspective of social network analysis. Scientia Geographica Sinica, 2021, 41(6): 933-940.

[27]
王珏, 陈雯, 袁丰. 基于社会网络分析的长三角地区人口迁移及演化[J]. 地理研究, 2014, 33(2): 385-400.

Wang Jue, Chen Wen, Yuan Feng. Human mobility and evolution based on social network: An empirical analysis of Yangtze River Delta. Geographical Research, 2014, 33(2): 385-400.

[28]
师博, 胡西娟. 高质量发展视域下数字经济推进共同富裕的机制与路径[J]. 改革, 2022(8): 76-86.

Shi Bo, Hu Xijuan. Mechanisms and paths of promoting common prosperity in digital economy from the perspective of high-quality development. Reform, 2022(8): 76-86.

[29]
张晨霞, 李荣林. 人口老龄化、数字经济与经济高质量发展[J]. 经济经纬, 2022, 39(5): 3-13.

Zhang Chenxia, Li Ronglin. Population aging, digital economy and high-quality economic development. Economic Survey, 2022, 39(5): 3-13.

[30]
李娟, 刘爱峰. 中国区域数字产业发展的平衡性分析[J]. 统计与信息论坛, 2022, 37(1): 3-12.

Li Juan, Liu Aifeng. Analysis on the balance of China’s regional digital industry development. Journal of Statistics and Information, 2022, 37(1): 3-12.

[31]
邱娟, 汪明峰. 进入21世纪以来中国互联网发展的时空差异及其影响因素分析[J]. 地域研究与开发, 2010, 29(5): 28-32+38.

Qiu Juan, Wang Mingfeng. The temporal-spatial differences and influencing factors of internet development in China since 2000. Areal Research and Development, 2010, 29(5): 28-32+38.

[32]
李彦龙, 沈艳. 数字普惠金融与区域经济不平衡[J]. 经济学(季刊), 2022, 22(5): 1805-1828.

Li Yanlong, Shen Yan. Digital financial inclusion and regional economic imbalance. China Economic Quarterly, 2022, 22(5): 1805-1828.

[33]
曾祥炎, 李姣, 曾小明. 要素禀赋与中西部地区数字经济可持续发展——基于机器学习方法[J]. 湖南科技大学学报(社会科学版), 2021, 24(6): 80-89.

Zeng Xiangyan, Li Jiao, Zeng Xiaoming. Factor endowment and the sustainable development of digital economy in the middle and west of China: Based on machine learning methods. Journal of Hunan University of Science and Technology (Social Science Edition), 2021, 24(6): 80-89.

[34]
杨文溥. 数字经济促进高质量发展: 生产效率提升与消费扩容[J]. 上海财经大学学报, 2022, 24(1): 48-60.

Yang Wenpu. Digital economy drives high-quality economic development: Efficiency improvement and consumption promotion. Journal of Shanghai University of Finance and Economics, 2022, 24(1): 48-60.

Options
文章导航

/

〈 〉