高質(zhì)量發(fā)展視角下數(shù)字經(jīng)濟(jì)對地區(qū)差距的影響程度

歐陽金瓊,董鴻寧,王雨濛

(1.塔里木大學(xué) 經(jīng)濟(jì)與管理學(xué)院,新疆 阿拉爾 843300;2.中國人民大學(xué) 農(nóng)業(yè)與農(nóng)村發(fā)展學(xué)院,北京 100872)

一、引 言

黨的十九大報(bào)告指出,當(dāng)前中國社會(huì)主要矛盾為人民日益增長的美好生活需要和不平衡不充分發(fā)展之間的矛盾,區(qū)域發(fā)展不平衡是主要表現(xiàn)形式之一。工業(yè)經(jīng)濟(jì)時(shí)代,由于經(jīng)濟(jì)系統(tǒng)所依托的能源、資本等要素的地域差異,區(qū)域發(fā)展不平衡問題曾長期存在。政府因此相繼推出了“西部大開發(fā)”“東北振興”“中部崛起”等戰(zhàn)略,一定程度上緩解了區(qū)域發(fā)展不平衡,東、中、西部經(jīng)濟(jì)差距逐漸縮小。受益于供給側(cè)改革,近年來南北經(jīng)濟(jì)差距也有縮小之勢[1]。新時(shí)代中國經(jīng)濟(jì)出現(xiàn)了兩大基本特征:一是已由經(jīng)濟(jì)數(shù)量的高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段;二是以技術(shù)、信息、數(shù)據(jù)為核心資源的數(shù)字經(jīng)濟(jì)蓬勃發(fā)展,正在成為引領(lǐng)和拉動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展的重要驅(qū)動(dòng)力。因而通過發(fā)展數(shù)字經(jīng)濟(jì)推動(dòng)高質(zhì)量發(fā)展,是中國未來社會(huì)經(jīng)濟(jì)發(fā)展的重要戰(zhàn)略選擇。但數(shù)字經(jīng)濟(jì)能否打破地理空間限制,自動(dòng)縮小高質(zhì)量發(fā)展的地區(qū)差距,厘清該問題對促進(jìn)全國經(jīng)濟(jì)政策的策略性調(diào)整、優(yōu)化數(shù)字經(jīng)濟(jì)資源的區(qū)域布局、實(shí)現(xiàn)落后地區(qū)發(fā)展方式轉(zhuǎn)變和區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展等至關(guān)重要。

二、文獻(xiàn)綜述

高質(zhì)量發(fā)展概念自提出以后,對其內(nèi)涵、測度與評價(jià)的研究迅速成為熱點(diǎn)。高質(zhì)量發(fā)展是一個(gè)全局性概念,不僅體現(xiàn)在經(jīng)濟(jì)領(lǐng)域,還體現(xiàn)在社會(huì)、政治和文化等領(lǐng)域,因而除了經(jīng)濟(jì)高質(zhì)量,還包括社會(huì)高質(zhì)量和治理高質(zhì)量[2-3]。從微觀、中觀和宏觀視角,高質(zhì)量發(fā)展還可分為要素的高質(zhì)量發(fā)展、產(chǎn)業(yè)的高質(zhì)量發(fā)展和社會(huì)的高質(zhì)量發(fā)展[4]。高質(zhì)量發(fā)展也是從產(chǎn)品、產(chǎn)業(yè)到整個(gè)經(jīng)濟(jì)的全面發(fā)展,既包含發(fā)展結(jié)果質(zhì)量,也包括發(fā)展過程質(zhì)量[5]。高質(zhì)量發(fā)展的本質(zhì)特征是高效、公平和可持續(xù)性,高效是基礎(chǔ)和前提,發(fā)展缺乏效率,不僅是不可持續(xù),而且也很難保證公平。具體表現(xiàn)為科學(xué)技術(shù)轉(zhuǎn)型升級、資源配置合理高效、產(chǎn)品質(zhì)量不斷提升、區(qū)域發(fā)展日趨均衡、收入分配公平合理、發(fā)展方式綠色環(huán)保[6]。在高質(zhì)量發(fā)展的測度方面,一般認(rèn)為,高質(zhì)量發(fā)展的測度與衡量既要考慮高質(zhì)量發(fā)展的內(nèi)涵,與高質(zhì)量發(fā)展的目標(biāo)要求一致,同時(shí)必須反映高質(zhì)量發(fā)展階段與高速度發(fā)展階段的差異性要求,因而高質(zhì)量發(fā)展的指標(biāo)體系就不同于Robert和Mlachila等的指標(biāo)體系,因?yàn)楹笳咧豢紤]了經(jīng)濟(jì)增長質(zhì)量[7-8]。同時(shí),高質(zhì)量發(fā)展是對新發(fā)展理念的傳承,是以創(chuàng)新為動(dòng)力、協(xié)調(diào)為手段、綠色為常態(tài)、開放為路徑、共享為目的的發(fā)展方式,因而以五大發(fā)展理念構(gòu)建高質(zhì)量發(fā)展評價(jià)指標(biāo)體系逐漸成為主流[9]。但也有學(xué)者認(rèn)為五大發(fā)展理念難以精確量化,且如果只是測量經(jīng)濟(jì)高質(zhì)量發(fā)展程度,其涵蓋的內(nèi)容則遠(yuǎn)遠(yuǎn)超出了測度范圍,因此分別從社會(huì)化大生產(chǎn)的四個(gè)環(huán)節(jié)等視角構(gòu)建經(jīng)濟(jì)高質(zhì)量發(fā)展的評價(jià)體系[10]。

高質(zhì)量發(fā)展的地區(qū)差距得到了很多學(xué)者的驗(yàn)證。中國四大板塊和五大經(jīng)濟(jì)帶的高質(zhì)量發(fā)展水平存在顯著差異[11]。東部、中部、西部呈階梯分布特征,東部省份基本高于中、西部省份[12]。汪俠和徐曉紅利用Malmquist-Luenberger指數(shù),測算了長江經(jīng)濟(jì)帶108個(gè)城市的經(jīng)濟(jì)發(fā)展質(zhì)量,發(fā)現(xiàn)長江下游地區(qū)的經(jīng)濟(jì)質(zhì)量的均值最高、上游次之、中游最低[13]。徐輝等運(yùn)用熵權(quán)法測算了黃河流域9省區(qū)高質(zhì)量發(fā)展指數(shù),結(jié)果表明:黃河流域高質(zhì)量發(fā)展水平基本呈現(xiàn)“兩邊高、中間低”的空間分布格局[14]。高質(zhì)量發(fā)展的省際差距也客觀存在,任保平等測算了中國各省2016年度與2017年度的高質(zhì)量發(fā)展指數(shù),結(jié)果表明,無論是總指數(shù)還是分類指數(shù),省際間的差異非常明顯[15]。師博和張冰瑤測算了中國地級以上城市的高質(zhì)量發(fā)展水平,發(fā)現(xiàn)城市間高質(zhì)量發(fā)展水平同樣存在較大差距,東部城市優(yōu)于中西部城市、大城市優(yōu)于中小城市[16]。張震和劉雪夢以中國副省級城市為研究對象,同樣證明了城市之間發(fā)展差距較大[17]。

數(shù)字經(jīng)濟(jì)是以數(shù)據(jù)資源為關(guān)鍵要素,以現(xiàn)代網(wǎng)絡(luò)為主要載體,依托大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、區(qū)塊鏈和5G通信等新技術(shù)的新興產(chǎn)業(yè),數(shù)字經(jīng)濟(jì)本身的快速發(fā)展就是高質(zhì)量發(fā)展的重要表現(xiàn)形式。數(shù)字經(jīng)濟(jì)推動(dòng)了生產(chǎn)方式、生活方式和社會(huì)治理方式的深刻變革,同時(shí)助推了大量新產(chǎn)業(yè)、新業(yè)態(tài)、新模式、新就業(yè)的蓬勃發(fā)展,從而成為中國新時(shí)期促進(jìn)高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力。因此,數(shù)字經(jīng)濟(jì)與高質(zhì)量發(fā)展的關(guān)系也迅速成為當(dāng)前研究熱點(diǎn),研究內(nèi)容主要集中于以下兩個(gè)方面:一是數(shù)字經(jīng)濟(jì)賦能高質(zhì)量發(fā)展的理論邏輯、機(jī)理機(jī)制與模式路徑,如趙濤等指出數(shù)字經(jīng)濟(jì)是通過提升創(chuàng)業(yè)活躍度促進(jìn)了高質(zhì)量發(fā)展[18];二是數(shù)字經(jīng)濟(jì)對城鄉(xiāng)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響,或?qū)χ圃鞓I(yè)、農(nóng)業(yè)、服務(wù)業(yè)等各行各業(yè)高質(zhì)量發(fā)展的影響及其實(shí)證檢驗(yàn)。如師博認(rèn)為通過完善數(shù)字產(chǎn)業(yè)體系、優(yōu)化數(shù)字發(fā)展環(huán)境、構(gòu)筑數(shù)字治理體系等路徑,可以驅(qū)動(dòng)城市經(jīng)濟(jì)高質(zhì)量發(fā)展[19]。齊文浩和張?jiān)浇苷J(rèn)為數(shù)字經(jīng)濟(jì)可以通過弱化城鄉(xiāng)二元結(jié)構(gòu)壁壘、創(chuàng)新農(nóng)業(yè)農(nóng)村發(fā)展模式助推農(nóng)村高質(zhì)量發(fā)展[20]。數(shù)字經(jīng)濟(jì)具有技術(shù)擴(kuò)散、效率提升、成本節(jié)約、創(chuàng)新賦能、產(chǎn)業(yè)關(guān)聯(lián)、規(guī)模經(jīng)濟(jì)和優(yōu)化資源配置等效應(yīng),同時(shí)改變了交易空間,拓寬了交易時(shí)間,加快了交易速度,節(jié)約了交易成本,因而對高質(zhì)量發(fā)展的促進(jìn)作用已基本形成共識。

由此可見,高質(zhì)量發(fā)展的地區(qū)差距近年來得到了廣泛論證,部分學(xué)者也研究了投資、消費(fèi)、城鎮(zhèn)化等傳統(tǒng)因素對高質(zhì)量發(fā)展地區(qū)差距的影響[21]。數(shù)字經(jīng)濟(jì)與高質(zhì)量發(fā)展的關(guān)系也受到了較多關(guān)注,數(shù)字經(jīng)濟(jì)對高質(zhì)量發(fā)展的促進(jìn)作用已基本形成共識。本文的改進(jìn)之處主要有三點(diǎn):一是在高質(zhì)量發(fā)展的指標(biāo)設(shè)計(jì)上,以往多數(shù)研究成果混淆了高質(zhì)量發(fā)展程度與高質(zhì)量發(fā)展方式,指標(biāo)體系中不僅有高質(zhì)量發(fā)展程度的“結(jié)果性”指標(biāo),同時(shí)也有反映高質(zhì)量發(fā)展方式的“過程性”或“投入性”指標(biāo)。事實(shí)上,高質(zhì)量發(fā)展程度與高質(zhì)量發(fā)展方式是兩個(gè)不同概念,高質(zhì)量發(fā)展程度指的是結(jié)果或狀況,高質(zhì)量發(fā)展方式指的是如何實(shí)現(xiàn)高質(zhì)量發(fā)展即實(shí)現(xiàn)路徑,兩者類似于生產(chǎn)過程中的投入與產(chǎn)出指標(biāo),應(yīng)該分開測算。因此本文在指標(biāo)體系中只設(shè)計(jì)了“結(jié)果性”指標(biāo),重點(diǎn)考察高質(zhì)量發(fā)展的程度或狀況。二是數(shù)字經(jīng)濟(jì)和高質(zhì)量發(fā)展均為當(dāng)前研究熱點(diǎn),數(shù)字經(jīng)濟(jì)的地區(qū)差距、高質(zhì)量發(fā)展的地區(qū)差異都得到了廣泛研究,但現(xiàn)有研究忽略了數(shù)字經(jīng)濟(jì)對地區(qū)差距的影響,特別是對高質(zhì)量發(fā)展的地區(qū)差距的影響。三是基于高質(zhì)量發(fā)展省際差異視角,不僅考察了高質(zhì)量發(fā)展視角下地區(qū)差距的新特征與新變化,分析了高質(zhì)量發(fā)展的影響因素,而且運(yùn)用Oaxaca分解法測算了數(shù)字經(jīng)濟(jì)等因素對省際高質(zhì)量發(fā)展差距的貢獻(xiàn)率即影響程度。

三、數(shù)字經(jīng)濟(jì)影響高質(zhì)量發(fā)展地區(qū)差距的機(jī)理

雖然數(shù)字經(jīng)濟(jì)對高質(zhì)量發(fā)展的促進(jìn)作用非常明顯,但數(shù)字經(jīng)濟(jì)是否有利于縮小高質(zhì)量發(fā)展的地區(qū)差距,至少從理論上還很難定論。

數(shù)字經(jīng)濟(jì)有可能縮小地區(qū)差距,理由有以下幾點(diǎn):(1)數(shù)字經(jīng)濟(jì)弱化了物質(zhì)資源的區(qū)域限制。數(shù)字經(jīng)濟(jì)依托的核心資源為技術(shù)、信息和數(shù)據(jù),這些資源的獲取與應(yīng)用都可以通過互聯(lián)網(wǎng)快速傳輸,與地理位置基本無關(guān)。(2)數(shù)字經(jīng)濟(jì)改變了企業(yè)空間布局,弱化了地理位置對企業(yè)布局的影響,特別是那些依托虛擬空間的數(shù)字經(jīng)濟(jì)企業(yè),對地理位置的要求不斷降低。(3)數(shù)字經(jīng)濟(jì)突破了市場的區(qū)域限制。無論地理位置優(yōu)越與否,也無論數(shù)字產(chǎn)品還是傳統(tǒng)商品,都將受益于數(shù)字經(jīng)濟(jì)的市場一體化效應(yīng)。(4)數(shù)字經(jīng)濟(jì)加速了要素與收入的空間流動(dòng),一定程度上糾正了要素錯(cuò)配[22]。欠發(fā)達(dá)地區(qū)雖然生產(chǎn)要素減少了,但由于要素邊際報(bào)酬遞減規(guī)律,單位要素的回報(bào)率提升了,且一部分要素收入流入到了要素流出地區(qū),因而完成了人均意義上的區(qū)域協(xié)調(diào)發(fā)展。由于落后地區(qū)多為地理位置偏遠(yuǎn)地區(qū),數(shù)字經(jīng)濟(jì)的發(fā)展弱化了地域限制,優(yōu)化了落后地區(qū)的資源配置、企業(yè)布局和市場空間,因而對落后地區(qū)的影響反而更大,總體上有利于縮小地區(qū)差距。

數(shù)字經(jīng)濟(jì)同樣有可能擴(kuò)大地區(qū)差距,理由也有以下幾點(diǎn):(1)通過數(shù)字經(jīng)濟(jì)推動(dòng)中國經(jīng)濟(jì)高質(zhì)量發(fā)展并非必然,還需要一定的前提條件。相關(guān)研究表明,始于20世紀(jì)70年代、以ICT技術(shù)為代表的第五次技術(shù)革命或數(shù)字經(jīng)濟(jì)1.0,事實(shí)上并未能如期提高勞動(dòng)生產(chǎn)率與投資回報(bào)率,自20世紀(jì)90年代后,反而在美國等西方發(fā)達(dá)經(jīng)濟(jì)體出現(xiàn)了“索洛悖論”和“科技平原”等現(xiàn)象。以人工智能、大數(shù)據(jù)和云計(jì)算為代表的新一代數(shù)字經(jīng)濟(jì)2.0也只有與制度創(chuàng)新融合,才能發(fā)揮引領(lǐng)帶動(dòng)作用[23]。(2)數(shù)字經(jīng)濟(jì)作為一種全新的產(chǎn)業(yè)形態(tài),本身便是經(jīng)濟(jì)增長和高質(zhì)量發(fā)展的一部分,數(shù)字經(jīng)濟(jì)的地區(qū)差距會(huì)直接導(dǎo)致高質(zhì)量發(fā)展的地區(qū)差距。而數(shù)字經(jīng)濟(jì)的地區(qū)差距既得到了很多研究成果的論證,又得到了大量實(shí)踐證明。根據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《2020年中國數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告》,北京、上海數(shù)字經(jīng)濟(jì)比重已經(jīng)超過50%,華東地區(qū)數(shù)字經(jīng)濟(jì)也普遍發(fā)達(dá),西北、西南各省數(shù)字經(jīng)濟(jì)則相對落后。(3)當(dāng)數(shù)字技術(shù)融入各產(chǎn)業(yè)后,會(huì)導(dǎo)致傳統(tǒng)產(chǎn)業(yè)的數(shù)字化,從而提高全要素生產(chǎn)率,如有研究表明,數(shù)字技術(shù)對全球制造業(yè)和供應(yīng)鏈創(chuàng)新的影響非常顯著。由于產(chǎn)業(yè)數(shù)字化所依托的信息基礎(chǔ)設(shè)施、人力資源、市場化程度以及產(chǎn)業(yè)發(fā)展環(huán)境存在較大地區(qū)差距,導(dǎo)致各地區(qū)產(chǎn)業(yè)數(shù)字化差距進(jìn)一步擴(kuò)大。(4)數(shù)字經(jīng)濟(jì)不僅引致經(jīng)濟(jì)領(lǐng)域發(fā)生重大變革,同時(shí)會(huì)引致社會(huì)保障、民生改善、生活方式的重大變化,由于這些因素都是衡量高質(zhì)量發(fā)展的重要指標(biāo),如果考慮到上述指標(biāo)的地區(qū)差異,則高質(zhì)量發(fā)展的地區(qū)差距會(huì)更大。中國高質(zhì)量發(fā)展區(qū)域差距不斷擴(kuò)大的事實(shí),一定程度上佐證了上述理論。

四、中國高質(zhì)量發(fā)展的省際差異及其變動(dòng)趨勢

(一)高質(zhì)量發(fā)展指數(shù)測算方法

1.高質(zhì)量發(fā)展的指標(biāo)體系

在眾多高質(zhì)量發(fā)展水平的測算方法中,構(gòu)建的指標(biāo)體系都力圖反映社會(huì)經(jīng)濟(jì)生活各方面,多數(shù)超出了高質(zhì)量發(fā)展本身的涵義,如任保平團(tuán)隊(duì)提出的六維指標(biāo)體系和郭蕓等提出的ESDA指標(biāo)體系等[24-25]。事實(shí)上,指標(biāo)構(gòu)建的原則是衡量高質(zhì)量發(fā)展程度,即應(yīng)該注重高質(zhì)量發(fā)展的結(jié)果。如將R&D經(jīng)費(fèi)投入作為衡量指標(biāo)則不合理,因?yàn)镽&D經(jīng)費(fèi)投入只是原因,專利數(shù)量和專利技術(shù)的交易額才是結(jié)果,如果R&D經(jīng)費(fèi)投入多但產(chǎn)出少,反而表明不是高質(zhì)量發(fā)展。又如人均GDP可以用來反映生產(chǎn)效率,是高質(zhì)量發(fā)展的重要衡量指標(biāo),但勞動(dòng)力數(shù)量和質(zhì)量、物質(zhì)資本存量等變量只是投入指標(biāo),并不能衡量高質(zhì)量發(fā)展的結(jié)果。因而本文在參考已有文獻(xiàn)的基礎(chǔ)上,從新發(fā)展理念視角構(gòu)建指標(biāo)體系,但僅選取能反映高質(zhì)量發(fā)展程度與結(jié)果的指標(biāo),舍棄了“投入”或“過程”指標(biāo)?？紤]到經(jīng)濟(jì)增長依然是高質(zhì)量發(fā)展的必要條件,因而將經(jīng)濟(jì)效率和經(jīng)濟(jì)速度指標(biāo)合并構(gòu)成經(jīng)濟(jì)效益指標(biāo),與五大發(fā)展理念指標(biāo)一同構(gòu)成一級指標(biāo)體系(表1)。

表1 高質(zhì)量發(fā)展評價(jià)指標(biāo)

2.指標(biāo)賦權(quán)與測算方法

第一步,指標(biāo)無量綱化。本文采用極差標(biāo)準(zhǔn)法對全部原始數(shù)據(jù)進(jìn)行無量綱化處理。

(1)

其中,i、j分別代表省份和指標(biāo),Zij為無量綱化后的指標(biāo)值,Xij為原始值,Xmax、Xmin分別為各指標(biāo)的最大值和最小值。

第二步,指標(biāo)賦權(quán)。常用指標(biāo)賦權(quán)方法有因子分析法、主成分分析法、德爾斐法、層次分析法、均等權(quán)重法等,本文采用熵值法確定權(quán)重。熵值法的基本原則是信息熵越小,代表該指標(biāo)離散程度越大,所含的信息越多,在綜合評價(jià)中所起作用越大,所賦予的權(quán)重也就越大。具體步驟如式(2)至式(4),這里假設(shè)有n個(gè)省份和m項(xiàng)指標(biāo)。

(2)

(3)

(4)

其中,Pij為i省份第j項(xiàng)指標(biāo)占全部省份的比重,Ej、Dj、Wj分別為第j項(xiàng)指標(biāo)的熵值、冗余度與權(quán)重。

第三步,計(jì)算各省份某年的高質(zhì)量發(fā)展指數(shù)。

(5)

(二)高質(zhì)量發(fā)展省際差異與動(dòng)態(tài)演變

考慮到數(shù)據(jù)的可獲得性,本文測算了30個(gè)省份2001年至2020年的高質(zhì)量發(fā)展指數(shù)(不包括西藏和港澳臺(tái))。圖1是以變異系數(shù)衡量的高質(zhì)量發(fā)展省際差異及其變化趨勢。變異系數(shù)越大,表明省際差異越大。可以發(fā)現(xiàn),20年來變異系數(shù)盡管存在一定波動(dòng),但總體趨勢是上升的,表明以高質(zhì)量發(fā)展作為衡量標(biāo)準(zhǔn),中國發(fā)展的省際差距并沒有縮小,反而呈現(xiàn)持續(xù)擴(kuò)大趨勢。另外,變異系數(shù)的趨勢線存在明顯的三階段特征。2001年至2006年,省際差異快速擴(kuò)大,該階段處于中國向市場經(jīng)濟(jì)轉(zhuǎn)軌初期,東部沿海省份抓住了改革開放的契機(jī),同時(shí)也受益于政策傾斜,和其他省份拉開了發(fā)展差距。2006年至2014年,變異系數(shù)基本平穩(wěn),省際間的差距變化很小。但自2014年以后,省際差距進(jìn)一步快速擴(kuò)大,變異系數(shù)從0.451快速上升至0.582。省際差距為什么擴(kuò)大?數(shù)字經(jīng)濟(jì)是否扮演了重要角色?該問題還有待進(jìn)一步實(shí)證檢驗(yàn)。

圖1 中國高質(zhì)量發(fā)展指數(shù)的省際差異與變化趨勢

另可分省份考察高質(zhì)量發(fā)展的地區(qū)差距,根據(jù)2020年各省份高質(zhì)量發(fā)展指數(shù),可將30個(gè)省份平均劃分成“領(lǐng)先型”“追趕型”和“落后型”三組(見表2)?？梢钥闯?(1)各省份高質(zhì)量發(fā)展存在顯著差異。2020年發(fā)展最快的北京市指數(shù)為0.793,而發(fā)展最慢的青海省,指數(shù)僅為0.153。(2)各區(qū)域高質(zhì)量發(fā)展也具有顯著差異。總體來說,東部高于中部,中部高于西部。2020年東部有7個(gè)省份屬于“領(lǐng)先型”,而西部有7個(gè)省份為“落后型”。(3)從動(dòng)態(tài)來看,高質(zhì)量發(fā)展的省際排名變化相對較小,2020年與2001年相比,有6個(gè)東部省份(山東、江蘇、浙江、上海、廣東、北京)保持在領(lǐng)先組不變,四川、陜西作為西部大開發(fā)的最大受益省份,逐漸從“落后型”轉(zhuǎn)變?yōu)椤邦I(lǐng)先型”,湖北作為中部地區(qū)領(lǐng)軍省份,也受益于“中部崛起”戰(zhàn)略,也由“追趕型”轉(zhuǎn)變?yōu)椤邦I(lǐng)先型”。

表2 各省份高質(zhì)量發(fā)展指數(shù)和分組(2020年)

五、研究方法與變量選取

(一)研究方法

1.空間杜賓模型(SDM)

理論界研究地區(qū)差距的常用方法有虛擬變量和空間回歸模型兩種,但虛擬變量只能反映區(qū)域特征差異,不能反映變量間的空間依賴關(guān)系,因而本文選擇空間回歸模型。根據(jù)解釋變量、被解釋變量以及殘差的空間相關(guān)性,空間計(jì)量模型可歸納為七種基本類型[26]。本文綜合Moran指數(shù)檢驗(yàn)、LM檢驗(yàn)和各類模型的回歸結(jié)果比較,最終選擇了空間杜賓模型(SDM)。該模型的基本形式為:

Y=δWY+βX+ρWX+ε

(6)

其中W為空間權(quán)重矩陣,δ和ρ分別為被解釋變量Y與解釋變量X的空間相關(guān)系數(shù),ε為殘差。

2.Oaxaca分解模型

Oaxaca分解法可以將組群之間被解釋變量的差異進(jìn)行分解,并可以計(jì)算出各因素對總體差異的貢獻(xiàn)率?；驹砣缦?

首先將全部樣本分成兩組,然后分別對所有樣本和分組樣本進(jìn)行回歸:

(7)

則Oaxaca分解模型為:

(8)

(二)變量選擇

1.被解釋變量

高質(zhì)量發(fā)展指數(shù)(Gzfz)。從經(jīng)濟(jì)效益、創(chuàng)新發(fā)展、協(xié)調(diào)發(fā)展、共享發(fā)展、開放發(fā)展和綠色發(fā)展六個(gè)維度,通過熵值法測算出中國各省份經(jīng)濟(jì)高質(zhì)量發(fā)展指數(shù)。

2.核心解釋變量

數(shù)字經(jīng)濟(jì)。數(shù)字經(jīng)濟(jì)與各產(chǎn)業(yè)的快速融合與發(fā)展,增加了數(shù)字經(jīng)濟(jì)的測評難度,同時(shí)導(dǎo)致了國內(nèi)外數(shù)字經(jīng)濟(jì)的測評指標(biāo)存在較大差異。如歐盟數(shù)字經(jīng)濟(jì)與社會(huì)指數(shù)(DESI)選取寬帶接入、人力資本、互聯(lián)網(wǎng)應(yīng)用、數(shù)字技術(shù)應(yīng)用和公共服務(wù)數(shù)字化程度五個(gè)一級指標(biāo)。上海社科院發(fā)布的全球數(shù)字經(jīng)濟(jì)競爭力指數(shù)則是從數(shù)字設(shè)施、數(shù)字產(chǎn)業(yè)、數(shù)字創(chuàng)新、數(shù)字治理等4個(gè)維度構(gòu)建指標(biāo)體系,賽迪顧問的中國數(shù)字經(jīng)濟(jì)指數(shù)(DEDI)將數(shù)字經(jīng)濟(jì)分為基礎(chǔ)型、資源型、技術(shù)型、融合型四大類[27]。本文借鑒中國信息通訊研究院的指標(biāo)體系和劉軍等學(xué)者的研究成果[28],從數(shù)字基礎(chǔ)條件(Szjc)、數(shù)字產(chǎn)業(yè)化(Szcy)和產(chǎn)業(yè)數(shù)字化(Cysz)三個(gè)維度測度數(shù)字經(jīng)濟(jì)發(fā)展水平。數(shù)字基礎(chǔ)條件選取互聯(lián)網(wǎng)普及程度、固定資產(chǎn)投資比重和人力資本三個(gè)指標(biāo);數(shù)字產(chǎn)業(yè)化選取電信業(yè)務(wù)、軟件業(yè)務(wù)、電子信息制造業(yè)、互聯(lián)網(wǎng)業(yè)四個(gè)指標(biāo);產(chǎn)業(yè)數(shù)字化是指數(shù)字經(jīng)濟(jì)對其他產(chǎn)業(yè)的影響,或其他產(chǎn)業(yè)融入、利用數(shù)字技術(shù)的程度,所以選取電子商務(wù)參與度、電子商務(wù)交易率、物流數(shù)字化程度三個(gè)指標(biāo),具體指標(biāo)體系如表3所示。

表3 數(shù)字經(jīng)濟(jì)評價(jià)指標(biāo)體系

3.其他控制變量

除了數(shù)字經(jīng)濟(jì)因素外,影響高質(zhì)量發(fā)展的因素還有很多。這里主要考慮影響高質(zhì)量發(fā)展結(jié)果的投入指標(biāo)。用資本存量(Zbcl)、科研經(jīng)費(fèi)投入強(qiáng)度(R&D)、環(huán)境保護(hù)支出(Hjbh)、教育支出(Jyzc)、社會(huì)保障與就業(yè)支出(Shbz)、財(cái)政支農(nóng)比例(Czzn)六個(gè)指標(biāo),分別對應(yīng)高質(zhì)量發(fā)展指標(biāo)體系的六個(gè)維度。資本存量的核算方法借鑒張軍等[29]的做法,以2000年為基期,固定資產(chǎn)投資采用了各個(gè)省份固定資產(chǎn)投資價(jià)格指數(shù)平減到2000年的不變價(jià),折舊率設(shè)為9.6%。

將各變量代入SDM回歸模型與Oaxaca分解模型,則有:

(9)

(10)

其中,腳標(biāo)a和b分別代表“先進(jìn)型”和“落后型”,W為空間權(quán)重矩陣,參數(shù)δ和ρ分別為被解釋變量和解釋變量的空間滯后系數(shù),X代表所有解釋變量。

(三)數(shù)據(jù)來源與變量描述

1.數(shù)據(jù)來源

本文數(shù)據(jù)來源于歷年《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國金融年鑒》《中國科技統(tǒng)計(jì)年鑒》《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》及各省統(tǒng)計(jì)年鑒,部分?jǐn)?shù)據(jù)來源于全國及各省統(tǒng)計(jì)局、商務(wù)局等網(wǎng)站的數(shù)據(jù)庫。考慮到數(shù)字經(jīng)濟(jì)相關(guān)數(shù)據(jù)的可獲得性,選取2011年至2020年總計(jì)10年的數(shù)據(jù)。

2.變量的描述性統(tǒng)計(jì)

為了突出省際之間的差異性,以2020年高質(zhì)量發(fā)展指數(shù)作為分組依據(jù),選取排名前10位省份作為領(lǐng)先組,排名后10位省份作為落后組進(jìn)行比較,各變量的描述性統(tǒng)計(jì)見表4。三組樣本中各變量的差異性較為明顯,符合Oaxaca分解法的基本要求。

表4 變量的描述性統(tǒng)計(jì)

六、實(shí)證過程與結(jié)果分析

(一)空間相關(guān)性檢驗(yàn)

根據(jù)各變量的全局Moran指數(shù)(見表5),被解釋變量Gzfz的Moran’sI均在10%水平下顯著,且為正值,說明高質(zhì)量發(fā)展具有顯著的正向空間相關(guān)性。解釋變量中除環(huán)境保護(hù)支出(Hjbh)空間相關(guān)性不顯著,以及教育支出2015年的空間相關(guān)性不顯著外,其他變量都具有顯著的正向空間相關(guān)性。

表5 各變量的Moran’s I值

一般認(rèn)為Moran檢驗(yàn)只能判斷變量間是否存在空間關(guān)系,不能確定選擇何種模型,LM檢驗(yàn)是當(dāng)前選取空間模型的常用方法。LM檢驗(yàn)的基本原理是根據(jù)LM-error和LM-lag兩個(gè)統(tǒng)計(jì)量的顯著性加以判斷,如果LM-error顯著,則選取空間誤差模型,如果LM-lag顯著,則選取空間滯后模型。如果兩者都顯著,則進(jìn)一步根據(jù)Robust LM-error和Robust LM-lag結(jié)果進(jìn)行判斷[30]。根據(jù)以上原理和本文LM檢驗(yàn)結(jié)果(見表6),發(fā)現(xiàn)LM-lag統(tǒng)計(jì)量通過了顯著性檢驗(yàn),而LM-error顯著性并不明顯,符合這一條件的有空間滯后模型(SAR)和空間杜賓模型(SDM)。

表6 LM檢驗(yàn)結(jié)果

至于SAR和SDM何者最優(yōu),一是根據(jù)表5中各解釋變量的Moran指數(shù)判斷,模型中加入解釋變量的空間權(quán)重更為合理;二是采用所有空間模型回歸后,根據(jù)判定系數(shù)(R2)和對數(shù)似然比(Log-likelihood)越大越好,赤池信息(AIC)和施瓦茨信息(SC)越小越好的原則,對各模型進(jìn)行比較后發(fā)現(xiàn)SDM模型也最為理想。為了節(jié)約篇幅,省略了各模型的回歸結(jié)果與比較過程。

(二)空間權(quán)重確立

在回歸之前,首先要確定空間權(quán)重,即對空間單元的位置進(jìn)行量化,空間權(quán)重矩陣的類型可分為空間鄰接矩陣、空間距離矩陣、經(jīng)濟(jì)距離矩陣以及空間經(jīng)濟(jì)復(fù)合矩陣等?？臻g鄰接矩陣還可細(xì)分為Rook鄰接、Queen鄰接與K值鄰接等。隨著空間權(quán)重類型的日趨復(fù)雜,空間權(quán)重的選取方法也隨之多樣化,但尚未有能從各種空間權(quán)重矩陣中一次性選出最優(yōu)矩陣的方法。且對同一數(shù)據(jù)材料,不同的空間模型最佳匹配的空間權(quán)重矩陣也不同。因而當(dāng)前主流做法仍然是通過嘗試與比較來選擇空間權(quán)重矩陣,本文也是通過比較不同空間權(quán)重矩陣的回歸結(jié)果,最后選取空間Queen鄰接矩陣。即:

(11)

(三)空間回歸結(jié)果分析

根據(jù)Oaxaca分解法的基本思想,首先進(jìn)行分組回歸,表7是利用STATA16.0得到的回歸結(jié)果。全部樣本、領(lǐng)先組、落后組的相關(guān)系數(shù)分別為0.923、0.852和0.909,表明方程的擬合度和變量的選取較為合理。且White檢驗(yàn)和Wooldridge檢驗(yàn)的結(jié)果顯示,三組回歸均不存在異方差和自相關(guān)。

表7 SDM回歸結(jié)果

代表數(shù)字經(jīng)濟(jì)的三個(gè)變量系數(shù)均為正,且通過了10%的顯著性檢驗(yàn),表明數(shù)字基礎(chǔ)條件越好、數(shù)字產(chǎn)業(yè)越發(fā)達(dá)、產(chǎn)業(yè)數(shù)字化程度越高,高質(zhì)量發(fā)展程度越高。三個(gè)變量的回歸系數(shù)中,Cysz>Szjc>Szcy,產(chǎn)業(yè)數(shù)字化對高質(zhì)量發(fā)展的效應(yīng)大于數(shù)字基礎(chǔ)條件和數(shù)字產(chǎn)業(yè)化,表明數(shù)字經(jīng)濟(jì)通過影響其他產(chǎn)業(yè)的轉(zhuǎn)型升級是促進(jìn)高質(zhì)量發(fā)展的主要?jiǎng)恿?。三個(gè)變量的空間自回歸系數(shù)也顯著為正,說明數(shù)字經(jīng)濟(jì)具有溢出效應(yīng)和擴(kuò)散效應(yīng),數(shù)字基礎(chǔ)條件好、數(shù)字產(chǎn)業(yè)化發(fā)達(dá)與產(chǎn)業(yè)數(shù)字化程度高的省份,不僅促進(jìn)了本省的高質(zhì)量發(fā)展,同時(shí)可以帶動(dòng)周邊省份的高質(zhì)量發(fā)展。

高質(zhì)量發(fā)展的空間相關(guān)變量WGzfz的系數(shù)為正,表明高質(zhì)量發(fā)展也具有空間溢出效應(yīng),即發(fā)達(dá)省份帶動(dòng)了周邊省份的發(fā)展。除環(huán)境保護(hù)支出(Hjbh)外,所有控制變量的回歸系數(shù)和空間相關(guān)系數(shù)均通過了顯著性檢驗(yàn)。環(huán)保支出系數(shù)及空間相關(guān)系數(shù)不顯著的可能原因:一是環(huán)境保護(hù)的投資效應(yīng)具有滯后性,特別是一些大型綠化項(xiàng)目,比如防護(hù)林建設(shè)等項(xiàng)目,只有若干年后其生態(tài)效應(yīng)才得以體現(xiàn);二是在全國高度重視環(huán)境保護(hù)的背景下,綠植覆蓋率低、生態(tài)環(huán)境脆弱的省份,即高質(zhì)量發(fā)展中的綠色發(fā)展指數(shù)相對較低的省份用于環(huán)保的財(cái)政支出比例反而更高。

六個(gè)控制變量中科研經(jīng)費(fèi)投入R&D系數(shù)為0.61(全部樣本),為所有控制變量中最高,即經(jīng)費(fèi)投入每提升1個(gè)百分點(diǎn),高質(zhì)量發(fā)展指數(shù)可以提高0.61個(gè)百分點(diǎn),表明科研投入是高質(zhì)量發(fā)展的強(qiáng)大支撐。教育支出的空間相關(guān)系數(shù)為負(fù),表明雖然教育支出本身具有空間正相關(guān),對周圍省份的教育支出具有示范和擴(kuò)散效應(yīng),但對高質(zhì)量發(fā)展的影響是空間負(fù)相關(guān),即教育發(fā)達(dá)省份在人才、技術(shù)等方面具有集聚效應(yīng),一定程度上影響了周邊省份對人才與技術(shù)的需求。

(四)Oaxaca分解結(jié)果分析

根據(jù)Oaxaca分解結(jié)果(見表8)可知,領(lǐng)先組與落后組的高質(zhì)量發(fā)展指數(shù)的總差距為0.188(見表4),其中特征效應(yīng)為0.150,可以解釋總差距的79.628%,這是由8個(gè)解釋變量的組間差異造成的。系數(shù)效應(yīng)總和為0.29,可以解釋總差距的15.425%,由兩組解釋變量的邊際效應(yīng)差距造成。截距項(xiàng)效應(yīng)為0.009,占總差距的49.47%,由兩組屬性差異造成,或者說是8個(gè)解釋變量以外的因素造成,截距項(xiàng)效應(yīng)較小同時(shí)也表明變量的選取較為合理。WGzfz的特征效應(yīng)和系數(shù)效應(yīng)分別為42.55%和22.18%,表明領(lǐng)先組省份高質(zhì)量發(fā)展的空間溢出效應(yīng)大于落后組省份的空間溢出效應(yīng),反而擴(kuò)大了高質(zhì)量發(fā)展的省際差距。

表8 Oaxaca分解結(jié)果

數(shù)字經(jīng)濟(jì)的特征效應(yīng)總和為0.81,占總差距的43.085%。分變量來看,貢獻(xiàn)率從大到小依次為數(shù)字基礎(chǔ)條件、產(chǎn)業(yè)數(shù)字化與數(shù)字產(chǎn)業(yè),特征效應(yīng)分別為19.681%、15.957%和74.77%。領(lǐng)先組與落后組高質(zhì)量發(fā)展的差距,主要由上述三個(gè)變量的差距導(dǎo)致。三個(gè)變量的系數(shù)效應(yīng)總和為0.010,占總差異的5.320%,與特征效應(yīng)合起來達(dá)到48.45%。不僅如此,數(shù)字經(jīng)濟(jì)的空間效應(yīng)對高質(zhì)量發(fā)展的省際差異也產(chǎn)生了較大影響。數(shù)字基礎(chǔ)條件、數(shù)字產(chǎn)業(yè)和產(chǎn)業(yè)數(shù)字化的空間特征效應(yīng)分別為5.851%、0.532%和26.60%,領(lǐng)先組周邊省份比落后組周邊省份數(shù)字基礎(chǔ)條件更加良好,數(shù)字產(chǎn)業(yè)較為發(fā)達(dá)、產(chǎn)業(yè)數(shù)字化程度較高。這種狀況擴(kuò)大了兩組的高質(zhì)量發(fā)展差距,這是數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)導(dǎo)致,數(shù)字經(jīng)濟(jì)發(fā)達(dá)省份的溢出效應(yīng)大于落后組的溢出效應(yīng),因而擴(kuò)大了地區(qū)差距。另外,三個(gè)空間指標(biāo)的空間系數(shù)效應(yīng)總和為5.320%。綜合特征效應(yīng)、系數(shù)效應(yīng)、空間特征效應(yīng),空間系數(shù)效應(yīng),數(shù)字經(jīng)濟(jì)對高質(zhì)量發(fā)展的省際差異的貢獻(xiàn)率達(dá)到62.768%。

控制變量中的資本存量對高質(zhì)量發(fā)展的省際差距貢獻(xiàn)率最大,特征效應(yīng)與系數(shù)效應(yīng)總和達(dá)到14.362%,表明經(jīng)濟(jì)發(fā)展程度與物質(zhì)基礎(chǔ)條件差異是省際高質(zhì)量發(fā)展差距的重要原因。R&D經(jīng)費(fèi)投入對高質(zhì)量發(fā)展的影響也較為明顯,由于R&D經(jīng)費(fèi)投入差異導(dǎo)致高質(zhì)量發(fā)展的省際差距擴(kuò)大了5.851%。社會(huì)保障支出(Shbz)的特征效應(yīng)、系數(shù)效應(yīng)以及空間效應(yīng)均為負(fù),原因是社會(huì)保障支出是影響高質(zhì)量發(fā)展中共享發(fā)展程度的重要指標(biāo),由于落后組社會(huì)保障支出比例高于領(lǐng)先組,因而縮小了高質(zhì)量發(fā)展的省際差距。財(cái)政支農(nóng)比例(Czzn)是影響高質(zhì)量發(fā)展中協(xié)調(diào)發(fā)展程度的重要指標(biāo),落后組該項(xiàng)指標(biāo)也高于領(lǐng)先組,因而特征效應(yīng)和系數(shù)效應(yīng)也為負(fù),同樣縮小了高質(zhì)量發(fā)展的省際差距。

七、結(jié)論與政策建議

本文基于新發(fā)展理念視角構(gòu)建了指標(biāo)評價(jià)體系,利用熵權(quán)法測算了中國30個(gè)省份近2年的高質(zhì)量發(fā)展指數(shù),并利用變異系數(shù)考察了高質(zhì)量發(fā)展的省際差異及其變化趨勢。同時(shí)運(yùn)用SDM模型分析了高質(zhì)量發(fā)展的影響因素,運(yùn)用Oaxaca分解法測算了數(shù)字經(jīng)濟(jì)等因素對高質(zhì)量發(fā)展省際差距的貢獻(xiàn)率,得到以下幾個(gè)主要結(jié)論:

第一,中國高質(zhì)量發(fā)展的地區(qū)差距客觀存在。從地域分布看,總體上是東部省份高于中部省份,中部省份高于西部省份。從變動(dòng)趨勢看,高質(zhì)量發(fā)展的地區(qū)差距總體上呈擴(kuò)大趨勢,特別是2014年后,擴(kuò)大趨勢更加明顯。這表明中國當(dāng)前雖然以GDP總量衡量的地區(qū)差距逐漸收斂,但以高質(zhì)量發(fā)展指數(shù)衡量的地區(qū)差距逐漸擴(kuò)大。

第二,數(shù)字經(jīng)濟(jì)不能自發(fā)縮小高質(zhì)量發(fā)展的地區(qū)差距。數(shù)字經(jīng)濟(jì)雖然理論上可以緩解地理位置等對欠發(fā)達(dá)地區(qū)高質(zhì)量發(fā)展的不利影響,但實(shí)證結(jié)果表明,數(shù)字經(jīng)濟(jì)反而擴(kuò)大了高質(zhì)量發(fā)展的地區(qū)差距,高質(zhì)量發(fā)展省際差異中的43.085%可由省際間的數(shù)字經(jīng)濟(jì)差異解釋,數(shù)字基礎(chǔ)條件、數(shù)字產(chǎn)業(yè)發(fā)展和產(chǎn)業(yè)數(shù)字化程度的省際差異是導(dǎo)致地區(qū)差距擴(kuò)大的主要原因。

第三,數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)加劇了地區(qū)差距的擴(kuò)大。實(shí)證結(jié)果表明,高質(zhì)量發(fā)展省際差異中的14.363%可由數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)解釋。這說明數(shù)字經(jīng)濟(jì)雖然具有正向的空間溢出效應(yīng),但由于發(fā)達(dá)地區(qū)數(shù)字經(jīng)濟(jì)的溢出效應(yīng)大于欠發(fā)達(dá)地區(qū)的溢出效應(yīng),因而數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)反而擴(kuò)大了地區(qū)差距。

第四,高質(zhì)量發(fā)展對傳統(tǒng)生產(chǎn)要素的依賴性依然較大。資本存量、科研投入與教育投入的省際差異也是高質(zhì)量發(fā)展地區(qū)差距擴(kuò)大的重要影響因素,其中資本存量對差距的貢獻(xiàn)率僅次于數(shù)字經(jīng)濟(jì),表明社會(huì)經(jīng)濟(jì)發(fā)展對要素投入特別是物質(zhì)要素投入的依賴程度仍然很高,落后省份的資源稟賦和經(jīng)濟(jì)基礎(chǔ)劣勢對高質(zhì)量發(fā)展產(chǎn)生了一定影響。

為了充分發(fā)揮數(shù)字經(jīng)濟(jì)助推高質(zhì)量發(fā)展的作用,緩解數(shù)字經(jīng)濟(jì)對區(qū)域均衡發(fā)展的不利影響,基于上述結(jié)論提出以下政策建議:

第一,堅(jiān)持新發(fā)展理念,適時(shí)調(diào)整區(qū)域均衡發(fā)展戰(zhàn)略。高質(zhì)量發(fā)展地區(qū)差距不斷擴(kuò)大是當(dāng)前中國發(fā)展不平衡不充分新的表現(xiàn)形式,預(yù)示著區(qū)域協(xié)調(diào)發(fā)展進(jìn)入了新階段。政府應(yīng)該適時(shí)調(diào)整以“GDP”為核心評價(jià)指標(biāo)的區(qū)域均衡發(fā)展規(guī)劃,堅(jiān)持新發(fā)展理念,深化東中西部在科技創(chuàng)新和發(fā)展方式創(chuàng)新等領(lǐng)域的合作,夯實(shí)中西部高質(zhì)量發(fā)展的物質(zhì)、技術(shù)與制度基礎(chǔ)。

第二,加快啟動(dòng)“東數(shù)西算”工程,統(tǒng)籌數(shù)字資源空間布局。數(shù)字經(jīng)濟(jì)本身的區(qū)域差距是導(dǎo)致高質(zhì)量發(fā)展的地區(qū)差距擴(kuò)大的直接原因,加快啟動(dòng)“東數(shù)西算”工程,加強(qiáng)數(shù)據(jù)中心和數(shù)字城市在中西部的布局,帶動(dòng)落后地區(qū)數(shù)字產(chǎn)業(yè)的快速發(fā)展,擴(kuò)大落后地區(qū)數(shù)字經(jīng)濟(jì)的輻射范圍和溢出效應(yīng),可以有效避免數(shù)字鴻溝進(jìn)一步擴(kuò)大,最終縮小高質(zhì)量發(fā)展的地區(qū)差距。

第三,加強(qiáng)數(shù)據(jù)平臺(tái)與數(shù)字設(shè)施聯(lián)動(dòng),實(shí)現(xiàn)數(shù)字技術(shù)與數(shù)字人才共享。數(shù)字經(jīng)濟(jì)對地區(qū)差距的影響是雙向的,利用數(shù)字經(jīng)濟(jì)可以超越時(shí)空限制的特點(diǎn),加強(qiáng)數(shù)字設(shè)施、數(shù)字平臺(tái)、數(shù)字技術(shù)和數(shù)字人才的共享,讓數(shù)字經(jīng)濟(jì)成為縮小地區(qū)差距的技術(shù)支撐。

第四,幫助欠發(fā)達(dá)地區(qū)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式,推動(dòng)產(chǎn)業(yè)數(shù)字化進(jìn)程。產(chǎn)業(yè)數(shù)字化是高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力,幫助欠發(fā)達(dá)地區(qū)盡快完成從要素驅(qū)動(dòng)型發(fā)展方式到創(chuàng)新驅(qū)動(dòng)型發(fā)展方式的轉(zhuǎn)變,推進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合,順利完成產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型升級,既是新時(shí)期高質(zhì)量發(fā)展的客觀需要,也是落后地區(qū)擺脫資源稟賦和經(jīng)濟(jì)基礎(chǔ)劣勢,縮小與發(fā)達(dá)地區(qū)差距的有效途徑。