数字经济对东部地区新型城镇化水平的影响研究
摘要
关键词
数字经济；新型城镇化；熵值法；空间计量
正文
1引言
现阶段，随着信息技术和通信技术的进步，数字经济的研究已经成为一个重要的社会热点。东部地区而言，数字经济有机发展有利于进一步推动城镇化进程，为促进新型城镇化高质量发展开辟了新的发展路径，本文将通过分析数字经济对东部地区新型城镇化水平的影响，在推进新型城镇化发展的过程中，进一步推动数字经济与新型城镇化的有机融合，更好的实现新型城镇化高质量发展。主要通过进行空间自相关检验，判断出东部地区新型城镇化发展水平存在着明显的空间关系，各省市之间存在着空间自相关性，并以此为基础，应用空间计量的方法来研究影响东部地区新型城镇化的因素，通过空间计量模型的检验及筛选，最终选择建立拟合度最优的双向固定的空间杜宾模型，来分析数字经济对新型城镇化水平的影响。
2东部地区数字经济、新型城镇化水平的测度
本章收集并整理2016-2022年我国东部地区10个省市数字经济和城镇化水平的相关数据，通过熵值法计算权重和综合得分，分别测度二者的发展水平。
2.1东部地区数字经济发展水平的测度
为全面准确的衡量东部地区数字经济发展水平，本文在从数字基础设施、数字产业发展和数字创新能力三个维度出发，共细分为了11个指标，分别计算我国东部地区10个省市的数字经济发展水平综合得分进行梳理，最终得到的结果如下图1所示。
图1 我国东部地区各省市数字经济发展水平综合评价指数
测度结果显示大多数省份的数字经济发展水平都在逐渐提高，其中我国广东省和江苏省的数字经济发展水平相对其他省份遥遥领先，并且2022年广东省的数字经济综合评价指数高达0.7203。而天津、海南等省市数字经济发展水平较低，2022年海南省的数字经济指数只有0.0536，与其他省市相比仍存在较大的差距，表明东部地区各省市之间数字经济的贫富差距较大，存在发展不平衡等问题。
2.2 东部地区新型城镇化发展水平的测度分析
为了全面准确的衡量东部地区新型城镇化的发展水平，本文从人口发展水平、经济发展水平、社会发展水平、生态环境水平以及城乡协调水平这五个维度出发，并将这五个维度细分为14个指标，根据评价指标体系权重，进行综合加权，计算出2016-2022年我国东部地区10个省市的新型城镇化发展水平综合评价指数（即综合得分），并对计算出的我国东部地区10个省市的新型城镇化发展水平综合得分进行梳理，最终得到的结果如表1所示。
表1 新型城镇化发展水平综合评价指数
地区 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
北京 | 0.5427 | 0.5657 | 0.5529 | 0.5800 | 0.5639 | 0.5574 | 0.5823 |
天津 | 0.3281 | 0.3373 | 0.3223 | 0.3173 | 0.3459 | 0.3532 | 0.4640 |
河北 | 0.2052 | 0.2345 | 0.2634 | 0.2881 | 0.2973 | 0.3176 | 0.4421 |
上海 | 0.4356 | 0.4567 | 0.4490 | 0.4809 | 0.4900 | 0.5361 | 0.6237 |
江苏 | 0.3984 | 0.4278 | 0.4443 | 0.4719 | 0.4829 | 0.5170 | 0.6060 |
浙江 | 0.3883 | 0.4195 | 0.4458 | 0.4733 | 0.4760 | 0.4904 | 0.5877 |
福建 | 0.2508 | 0.2745 | 0.2940 | 0.3206 | 0.3250 | 0.3492 | 0.4703 |
山东 | 0.3232 | 0.3463 | 0.3631 | 0.3862 | 0.3672 | 0.4329 | 0.5449 |
广东 | 0.4443 | 0.4702 | 0.4800 | 0.4916 | 0.5040 | 0.5192 | 0.6140 |
海南 | 0.2059 | 0.2268 | 0.2323 | 0.2505 | 0.2441 | 0.2495 | 0.3538 |
东部地区 | 0.3523 | 0.3759 | 0.3847 | 0.4060 | 0.4096 | 0.4322 | 0.5289 |
图2我国东部地区整体新型城镇化发展水平综合评价指标体系权重（%）
我国东部地区整体新型城镇化发展水平评价指标体系的权重：社会发展水平>经济发展水平>人口发展水平>城乡协调水平>生态环境水平。这意味着在所选指标中，社会发展所提供的信息量最多，在综合评价中所起到的作用最大。因此，我国东部地区新型城镇化发展仍然在坚持“以人为本”。
3.数字经济影响东部地区新型城镇化水平的实证分析
为进一步提高新型城镇化发展水平，探究数字经济与新型城镇化发展水平之间的相关关系，以数字经济发展水平为解释变量，选取五个控制变量：产业结构c1（str）、人力资本水平c2、对外开放程度c3（open）、工业化水平c4（ind）、政府干预程度c5（gov）。所涉及的具体变量情况如表2所示。
表2 模型变量定义表
变量类别 | 变量名称 | 符号 | 变量解释 |
被解释变量 | 新型城镇化发展水平y | nu | 新型城镇化发展水平综合评价指数 |
解释变量 | 数字经济发展水平x | dig | 数字经济发展水平综合评价指数 |
控制变量 | 产业结构c1 | str | 第三产业增加值/地区生产总值 |
人力资本水平c2 | hum | 普通高校在校学生数/年末总人口数 | |
对外开放程度c3 | open | 外商投资企业货物进出口总额/地区生产总值 | |
工业化水平c4 | ind | 工业增加值/地区生产总值 | |
政府干预程度c5 | gov | 地方一般公共预算支出/地区生产总值 |
本章选取2016-2022年我国东部地区10个省市的面板数据为样本数据，其中，被解释变量和解释变量的数据出自于第三章的测度结果，控制变量的原始数据出自于《中国统计年鉴》、各省市统计年鉴以及各省市国民经济和社会，对其进行描述性统计分析，所得结果如表3所示。
表3各个变量的描述性统计结果
变量符号 | 变量名称 | 观测值 | 平均值 | 标准差 | 最小值 | 最大值 | |
nu | 新型城镇化发展水平 | 70 | 0.4130 | 0.1140 | 0.2050 | 0.6240 | |
dig | 数字经济发展水平 | 70 | 0.2810 | 0.1830 | 0.0092 | 0.7960 | |
str | 产业结构 | 70 | 0.5770 | 0.1100 | 0.4150 | 0.8390 | |
hum | 人力资本水平 | 70 | 0.0231 | 0.0065 | 0.0159 | 0.0436 | |
open | 对外开放程度 | 70 | 0.1960 | 0.1700 | 0.0165 | 0.7010 | |
ind | 工业化水平 | 70 | 0.3080 | 0.1020 | 0.0969 | 0.4170 | |
gov | 政府干预程度 | 70 | 0.1890 | 0.0636 | 0.1070 | 0.3570 | |
2016-2022年我国东部地区各省市之间新型城镇化水平和经济发展水平存在较大的差距，从控制变量上看，同样存在着明显差异，可见，我国东部地区存在区域间发展不平衡的问题。
本文主要研究的是数字经济对新型城镇化发展水平的影响，因此选择经济距离矩阵。
表4 空间经济距离矩阵
北京 | 天津 | 河北 | 上海 | 江苏 | 浙江 | 福建 | 山东 | 广东 | 海南 | |
北京 | 0 | 3.4722 | 2.8424 | 8.6340 | 7.1703 | 6.5809 | 3.1615 | 4.1519 | 9.4656 | 2.5410 |
天津 | 3.4722 | 0 | 9.4991 | 4.7285 | 5.2526 | 5.5989 | 18.4085 | 12.5689 | 4.5435 | 6.2735 |
河北 | 2.8424 | 9.4991 | 0 | 3.5756 | 3.8451 | 4.0128 | 15.0485 | 6.1997 | 3.4757 | 12.938 |
上海 | 8.6340 | 4.7285 | 3.5756 | 0 | 25.2584 | 17.8229 | 4.1340 | 6.2516 | 51.0045 | 3.0896 |
江苏 | 7.1703 | 5.2526 | 3.8451 | 25.2584 | 0 | 40.9717 | 4.5140 | 7.2886 | 19.1292 | 3.2808 |
浙江 | 6.5809 | 5.5989 | 4.0128 | 17.8229 | 40.9717 | 0 | 4.7572 | 8.0408 | 14.7333 | 3.3971 |
福建 | 3.1615 | 18.4085 | 15.0485 | 4.1340 | 4.5140 | 4.7572 | 0 | 8.5417 | 3.9963 | 7.9856 |
山东 | 4.1519 | 12.5689 | 6.1997 | 6.2516 | 7.2886 | 8.0408 | 8.5417 | 0 | 5.9110 | 4.7402 |
广东 | 9.4656 | 4.5435 | 3.4757 | 51.0045 | 19.1292 | 14.7333 | 3.9963 | 5.9110 | 0 | 3.0172 |
海南 | 2.5410 | 6.2735 | 12.9379 | 3.0896 | 3.2808 | 3.3971 | 7.9856 | 4.7402 | 3.0172 | 0 |
我国东部地区新型城镇化发展水平的莫兰指数都是为正的，而且是显著的，表明新型城镇化发展水平在空间上是存在正向相关关系的，即有正的空间相关性。因此，基于Moran's I检验结果，模型中加入空间效应是合理的。
表5 新型城镇化发展水平的全局莫兰指数
Variables | I | E(I) | sd(I) | z | p-value* |
y2016 | 0.282 | -0.111 | 0.115 | 3.434 | 0.000 |
y2017 | 0.297 | -0.111 | 0.115 | 3.541 | 0.000 |
y2018 | 0.319 | -0.111 | 0.117 | 3.682 | 0.000 |
y2019 | 0.324 | -0.111 | 0.117 | 3.709 | 0.000 |
y2020 | 0.342 | -0.111 | 0.118 | 3.840 | 0.000 |
y2021 | 0.359 | -0.111 | 0.118 | 3.998 | 0.000 |
y2022 | 0.358 | -0.111 | 0.113 | 4.139 | 0.000 |
前文分析中证实了我国东部地区各省市新型城镇化发展水平存在空间自相关性，适宜建立空间计量模型。Robust-LM-Error和Robust-LM-lag的P值在1%的显著性水平下也都是显著的，初步判断选择空间杜宾模型（SDM）较为适合，Hausman检验P值在1%的显著性水平下是显著的，因此，选择固定效应模型（FE）。固定效应包括时间固定、个体固定以及双固定效应三种，为了确定哪一种固定效应更适用于本章所构建的模型，本部分将进一步通过LR检验进行判断，检验结果如表6所示。
表6 LR检验结果
检验 | LR值 | P值 |
个体效应与双向效应 | 56.02 | 0.0000 |
时间效应与双向效应 | 76.96 | 0.0000 |
最终决定确立双固定效应的空间杜宾模型来进行该研究，如表7所示。
表7 空间杜宾模型结果
nu | Coef. | P>z | |
Main | dig | 0.7064 | 0.002 |
str | -0.3990 | 0.220 | |
hum | 1.4080 | 0.000 | |
open | -0.2915 | 0.115 | |
ind | 0.3676 | 0.141 | |
gov | 0.2938 | 0.000 | |
Wx | dig | 2.5773 | 0.000 |
str | 3.0842 | 0.070 | |
hum | 4.3950 | 0.000 | |
open | 1.4931 | 0.085 | |
ind | 4.4933 | 0.002 | |
gov | 0.2252 | 0.599 | |
Spatial | rho | -0.5884 | 0.051 |
Variance | Sigma2-e | 0.0009 | 0.000 |
在运用空间杜宾模型进行回归分析时，我们观察到数字经济发展水平、人力资本水平和政府干预程度的回归系数为正，通过了1%的显著性检验，代表其对本地新型城镇化发展起着显著的促进作用。
数字经济发展水平、人力资本水平和工业化水平的空间滞后项系数为正，通过了1%的显著性检验，代表周边地区的数字经济发展水平、人力资本水平、工业化水平对本地区新型城镇化发展呈现出非常显著的正向传导作用；产业结构和对外开放程度的空间滞后项系数为正，通过了10%的显著性检验，代表周边地区的产业结构和对外开放程度对本地区新型城镇化发展呈现出较为显著的正向传导作用。
在经济距离空间矩阵的情境下，空间杜宾模型的空间自回归系数通过了10%的显著性检验，其系数为-0.5884，代表新型城镇化发展水平具有显著的空间关联特征，其对自身存在负向的空间效应，某地区新型城镇化发展水平会对周边地区的新型城镇化发展水平产生一个抑制作用。
进一步分析各解释变量对新型城镇化发展的直接效应、间接效应和总效应。具体结果如表8所示。
表8 直接效应、间接效应和总效应表
Variable | Coef. | P>z | |
Direct | dig | 0.540 | 0.020 |
str | -0.674 | 0.049 | |
hum | 1.151 | 0.000 | |
open | -0.433 | 0.013 | |
ind | 0.022 | 0.938 | |
gov | 0.297 | 0.000 | |
Indirect | dig | 1.621 | 0.004 |
str | 2.433 | 0.071 | |
hum | 2.710 | 0.006 | |
open | 1.179 | 0.058 | |
ind | 3.172 | 0.014 | |
gov | 0.076 | 0.833 | |
Total | dig | 2.160 | 0.001 |
str | 1.759 | 0.200 | |
hum | 3.861 | 0.001 | |
open | 0.746 | 0.233 | |
ind | 3.194 | 0.019 | |
gov | 0.373 | 0.301 |
根据实证结果，观察到数字经济发展水平的直接效应、间接效应以及总效应系数均呈现出正值，且都通过了严格的显著性检验，这一结果表明，数字经济发展水平的提升对东部地区新型城镇化发展有着非常显著的正向促进作用。在推进新型城镇化的道路上，数字经济的发展水平无疑扮演了举足轻重的角色，非常显著地促进了新型城镇化水平的提升，并呈现出积极的正面效应。
4. 结论和建议
4.1结论
在数字经济发展水平的测度结果中可以观察到，我国东部地区数字经济综合发展水平整体上呈现出稳步上升的趋势。然而，不同省市间在数字经济领域的表现存在显著差异，贫富不均现象明显，凸显了区域间发展不平衡的问题。我国东部地区新型城镇化发展水平的综合评价指数整体呈上升趋势，且各个省市之间存在区域间发展不平衡以及城乡不协调的问题。
在实证分析过程中，我们发现各因素的空间效应呈现出多样性的特点。其中，数字经济作为一个关键因素，对新型城镇化发展水平的空间效应展现出了非常显著的正向推动作用。总体而言，数字经济对东部地区新型城镇化水平的影响是积极的。
4.2建议
4.2.1加快完善数字经济政策体系
制定一系列更具激励性的政策举措，加大对数字经济产业的培育与引导力度，着力提升数字创新能力，确保数字经济产业能够实现稳健的增长，与此同时，要加强对数字经济领域人才的培养和引进工作，提高人才队伍的整体素质和数量，从而为数字经济产业的繁荣和新型城镇化发展提供人才支撑，还需提高数字技术的普及和应用水平，引进新的平台，以提供良好的创业环境和政策扶持，促进数字经济企业的健康成长，有助于推进新型城镇化高效和高质量发展进程。对数字经济产业链进行深度优化。
4.2.2推动网络覆盖范围的扩大和宽带网络的建设
确保网络通信的速率和品质得到显著提升，增加数字基础设施，让数字经济产业得到更好的发展。着重关注数字经济产业协作效能的提升，积极促进数字经济与传统产业以及新兴产业之间的深度融合与协同发展，进一步优化和升级产业结构，打造数字技术与传统产业相结合的新型城镇化发展模式。
4.4.3 加强东部地区区域间合作
东部地区各省市需持续加大对数字基础设施的投资力度，不仅要扩大其覆盖广度，还要深化其覆盖深度，以提升网络覆盖的全面性和数据传输的高效性。另一方面，应积极引导东部地区各城市之间加强合作，推动数字经济与新型城镇化的跨城市协同发展，促进不同城市之间的资源共享、合作创新，实现优势互补，形成合力。同时，建立起东部地区数字经济与新型城镇化的信息交流与合作平台，加强数据资源共享，提升政务服务水平，促进区域一体化发展。
参考文献
[1]王明华. 人本观念下新型城镇化高质量发展转型研究[J]. 农业经济, 2021(12):
[2] 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.
[3] 孙杰. 从数字经济到数字贸易:内涵、特征、规则与影响[J]. 国际经贸探索, 2020, 36(5): 87-98.
[4] 丁志帆. 数字经济驱动经济高质量发展的机制研究:一个理论分析框架[J].现代经济探讨, 2020(1): 85-92.
[5] 郑江淮, 张睿, 陈英武. 中国经济发展的数字化转型：新阶段、新理念、新格局[J]. 学术月刊, 2021, 53(7): 45-54+66.
[6] 毛雁冰, 原云轲. 绿色新型城镇化对经济增长影响的实证研究[J]. 上海大学学报(社会科学版), 2019, 36(6): 107-118.
作者简介：赵佳玮（1995.04—），女，汉族，黑龙江省绥化市，学历研究生，研究方向 ：社会经济统计 统计测度
张荣嘉（2002.12—），女，汉族， 河北省衡水市，哈尔滨商业大学， 本科生在读 ，研究方向：经济统计学
...