EN中文

经济地理 >

2024 , Vol. 44 >Issue 4: 33 - 42

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.004

区域经济与理论方法

京津冀数字产品制造业的时空演化特征与经济效应

  • 季鹏 , 1 ,
  • 袁莉琳 , 2, ※
展开
  • 1.北京建筑大学 城市经济与管理学院，中国 北京 100044
  • 2.北京工业大学 经济与管理学院，中国 北京 100124
※袁莉琳（1991—），女，博士，讲师，研究方向为国际贸易学。E-mail：

季鹏（1990—），男，博士，讲师，研究方向为城市与区域经济学。E-mail：

收稿日期: 2022-11-29

  修回日期: 2024-02-26

  网络出版日期: 2024-09-12

基金资助

国家自然科学基金青年项目(72203018)

国家社会科学基金青年项目(22CJL031)

北京市社会科学基金青年项目(23GLC053)

收起

Spatiotemporal Evolutionary Characteristics and Economic Effects of Beijing-Tianjin-Hebei Digital Manufacturing Industry

  • JI Peng , 1 ,
  • YUAN Lilin , 2, ※
Expand
  • 1. School of Urban Economics and Management，Beijing University of Civil Engineering and Architecture，Beijing 100044，China
  • 2. School of Economic and Management，Beijing University of Technology，Beijing 100124，China

Received date: 2022-11-29

  Revised date: 2024-02-26

  Online published: 2024-09-12

Fold

摘要

文章利用2000—2021年京津冀地区工商企业注册大数据，运用反距离加权插值等方法探索了京津冀地区数字产品制造业的空间分布特征及演化趋势；同时，基于动态面板模型、空间计量模型，运用广义矩估计（GMM）方法实证检验了数字产品制造业发展对区县经济的影响及空间溢出效应。研究发现：①京津冀三地数字产品制造业的数量规模趋于均衡，津、冀两地数字产品制造业企业注册数量逐渐赶超北京，特别是河北沧州、邢台、保定3个城市初具规模；但津、冀两地数字产品制造业的比重远低于北京，三地间仍存在严重失衡。②实证结果表明数字产品制造业发展不仅能够促进当地经济增长，还对周边区县的经济发展有正向的空间溢出效应，但仅限于累计规模指标。短期内，数字产品制造业企业当年的进入率对于周边区县的经济发展产生明显的抑制作用；长期中，进入率指标的抑制作用消失，即随着规模的积累，数字产品制造业发展对周边区县的经济增长产生正向溢出。

关键词： 数字产品制造业; 区县经济增长; 空间溢出效应; 京津冀

本文引用格式

季鹏 , 袁莉琳 . 京津冀数字产品制造业的时空演化特征与经济效应[J]. 经济地理, 2024 , 44(4) : 33 -42 . DOI: 10.15957/j.cnki.jjdl.2024.04.004

Abstract

Based on the data of industrial and commercial firm registration in Beijing-Tianjin-Hebei from 2000 to 2021,this paper explores the spatial distribution characteristics and evolution trend of digital manufacturing industry using the inverse distance weighted interpolation method,and empirically tests the impact and spillover effect of digital manufacturing development on county economies by the means of dynamic panel model,spatial econometric model and generalized method of moments (GMM). It's found that: 1) The scale of digital manufacturing gradually tended to be balanced in Beijing-Tianjin-Hebei, the number of registered digital manufacturing firms in Tianjin and Hebei gradually exceeded that in Beijing,especially in Cangzhou,Xingtai and Baoding where the digital manufacturing had begun to take shape,the proportion of digital manufacturing in Tianjin and Hebei was still far lower than that in Beijing,but there were still serious imbalances between three regions. 2) The empirical results show that the development of digital manufacturing can not only promote the local economic growth,but also has a positive spatial spillover effect on the surrounding counties' economic growth. However,this positive spillover effect is only limited to the scale proportion index. In the short term,the entry rate of digital manufacturing firms in the current year has a significant inhibitory effect on the economic development of the surrounding counties. In the long term,the inhibitory effect of the entry rate disappears,the share of digital manufacturing generates a positive spillover to the economic growth of the surrounding counties with the accumulation of scale.

Key words： digital product manufacturing; economic growth of districts and counties; spatial spillover effect; Beijing-Tianjin-Hebei

制造业作为大国经济的压舱石，一直是我国的立国之本、兴国之器、强国之基。改革开放以来，中国制造业取得了举世瞩目的成就，但与世界先进水平相比，中国制造业在自主创新能力、资源利用效率、产业结构水平、信息化程度等方面仍存在明显差距。习近平总书记多次强调，要促进数字技术和实体经济深度融合，加快传统产业数字化、智能化，拓展经济发展新空间。制造业是数字化转型的主战场，自党的十九大以来，产业数字化和数字产业化始终是引领制造业高质量发展的主攻方向。党的二十大报告进一步指出，要加快建设制造强国，推动制造业高端化、智能化、绿色化发展；加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群，为我国制造业转型升级提供了方向指引。当前，全球制造业回流、成本陡增及通货膨胀等多重因素叠加，数字经济正逐渐成为推动我国经济社会发展的新引擎，区域经济增长动力机制已发生明显改变。而数字产业作为中国“新基建”的重点产业，也已逐渐成为推动制造业高质量发展的新引擎。
京津冀地区作为我国重要的制造业基地之一，同时也是我国数字经济驱动高质量发展的示范区域之一，数字化赋能制造业转型升级为促进京津冀产业协同发展提供了新动力。《北京市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》中明确指出实施京津冀传统产业升级赋能计划，数字化赋能津冀传统产业升级。然而，京津冀地区数字资源的分布严重失衡[1]。数字中国研究院发布的《城市数字化发展指数2022》显示，北京数字化发展指数为92.5，居全国首位；天津的数字化发展指数为75.4，列全国第18位；而河北省数字化发展最快的城市石家庄，其数字化发展指数为65.3，列全国第51位；承德作为河北省数字化发展水平最低的城市，其数字化发展指数仅为47.1，低于全国平均水平，列第147位。因此，探索京津冀协同发展战略下数字产品制造业的空间演化特征及其对地方经济发展的影响，具有重要的理论和现实意义。
数字产业的概念一般被认为是一个仅在中国学界和业界使用的名词[2]，国内早期研究认为数字产业是以软件产业为主的、产品可以压缩成数字形式的产业[3]，可分为信息技术产业和数字内容产业[4]。结合中国国民经济行业分类标准可以进一步将数字产业划分为软件业、电信和其他传输服务业、电子信息制造业[5]，早期研究重点围绕产业类型来区分数字产业。而随着数字经济的兴起，数字产业这一概念重新从数字经济中分化出来，是以数据要素和数字化生产条件为核心发展数字技术，持续推进数字产品、数字服务、基础设施和解决方案的价值创新和“数字颠覆”[6]。中国信息通信研究院将数字经济解读为数字产业化和产业数字化两大模块，其中数字产业化包括软件业、电信业、电子信息制造业和互联网行业等[7]，在其发布的《中国数字经济发展白皮书（2020年）》中进一步将数字产业划分为软件与信息服务业、互联网与服务业、电信业、电子信息制造业4类[8]。国家统计局发布的《数字经济及其核心产业统计分类（2021）》将数字经济核心产业确定为数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业5个大类。其中，数字产品制造业大类包含计算机制造、通讯及雷达设备制造、数字媒体设备制造、智能设备制造、电子元器件及设备制造、其他数字产品制造业6个中类、51个小类。自此，数字产品制造业的概念与范围逐渐明晰。
与本文相关的研究主要包括：①数字产业的发展现状与空间布局特征研究。随着中国进入数字经济时代，数字产业增加值不断提升，规模不断扩大[7]。其中，数字产品制造业的现代化、数字化水平不断提升，市场份额不断增长[2]。但当前中国数字产业的发展水平仍落后于发达国家，随着数字中国建设的推进，数字产业在促进中国经济增长中扮演着越来越重要的角色。信息技术时代，数字鸿沟的存在是造成地区间经济社会发展差异的重要影响因素[9-10]，因此，数字产业的空间分布特征及驱动因素受到经济地理学者的广泛关注[11⇓⇓-14]，相关研究发现中国数字产业呈明显的自东向西梯度递减趋势[15-16]，城市群为数字产业布局的优选地[17]；各类数字企业选址与空间布局表现出产业集群导向[18]，但产业空间格局演化存在差异，制造业数字产业具有明显的路径依赖，且空间分布受经济社会发展水平影响较大，电子信息等高端制造型数字产业集聚特征更加显著 [19⇓-21]；而互联网和信息技术等服务型数字产业，则呈现出“大集聚小分散”的特征[22]。②数字产业发展的经济效应研究。数字产业的经济效应研究主要集中在产业结构升级、效率提升和经济增长等方面。当前学术界普遍认为数字产业发展能够推动产业优化升级[23]；产业数字化能够改变企业嵌入价值链各环节的方式，借由“创新激励效应”“价值共创效应”和“管理优化效应”来实现企业生产率的提升[24]；数字产业化能够优化企业内部控制和降低企业交易成本提升生产效率[6,25]，进而推动区域经济增长[24]。综上所述，目前国内学界对于数字产品制造业的研究大多集中在概念解读、空间特征描述与挖掘、驱动因素分析等方面，而针对数字产品制造业发展对区域经济增长以及空间溢出效应的研究相对较少。在空间尺度上，现有研究多集中在省域、城市群、城市等层面，基于研究机构公布的数字经济发展指数，或通过建立指标体系等宏观统计方法测度数字产业发展情况，缺乏从微观企业层面的空间区位刻画以及对区县尺度的经济效应研究。
本文利用中国工商企业注册大数据，以区县为基础研究单元，刻画京津冀地区数字产品制造业的时空演化特征，并结合各区县的经济社会指标，通过构建动态面板模型和空间计量模型，从累积占比和进入率两个视角，实证研究京津冀数字产品制造业发展对区县经济增长的影响及空间溢出效应，进一步探讨数字产业发展影响地方经济增长的理论机制，以期为京津冀协同发展战略下数字产业发展和空间布局提供经验依据与决策参考。

1 理论机制与研究设计

1.1 理论分析

随着数字化时代的到来，数字产品制造业作为数字经济与实体经济结合的直接产出品，逐渐成为推动地方经济发展的新势能。数字产业以信息技术为载体，将数据作为重要的生产要素，可以推动地方产业升级[23,26]、优化要素资源配置[24,27]、促进技术创新提升生产效率[28]，进而促进当地经济增长（图1）。
图1 数字产业发展对经济增长的影响机制

Fig.1 Impact mechanism of digital industry development on economic growth

此外，数字产业发展对周边区域经济增长有较强的空间溢出效应。一方面，数字产业依托于强大的信息技术，打破了地理空间壁垒，提高信息传播和技术扩散的效率，有利于加速和扩大空间溢出的地理范围；另一方面，数字产业的高固定成本和低边际成本特征，更容易实现规模经济。随着数字产业的不断发展，各部门之间联动的边际成本持续降低，企业从中获取的收益会出现边际递增效应。边际递增效应转而促进要素流动，加速了地区间的交流合作，进一步强化知识和技术的空间溢出，带动周边地区经济增长。

1.2 研究设计

1.2.1 数据来源与处理

本文的企业数据主要来源于全国工商企业注册数据库，该数据库统计了自1950年以来全国工商企业的注册信息，其中包括企业名称、所属一级和二级行业、注册时间、注册资本、经营状态、注册地址、经营范围等信息。根据国家统计局发布的《数字经济及其核心产业统计分类（2021）》（简称《分类》）中的界定，数字产品制造业包含计算机制造、通讯及雷达设备制造、数字媒体设备制造、智能设备制造、电子元器件及设备制造、其他数字产品制造业6个中类、51个小类。由于《分类》中对于数字产品制造业的界定具体到4位码小类行业，而工商企业注册数据库中仅提供2位码对应的中类行业类别，因此，本文分4个步骤对数字产品制造业企业进行筛选：首先，对照《国民经济行业分类2017》选出制造业大类行业；其次，根据《分类》筛选所属数字产品制造业2位码行业的全部企业；再次，对于全部属于数字产品制造业的2位码行业（如计算机、通信和其他电子设备制造业）不再进一步筛选，而对于仅部分小类行业属于数字产品制造业的，进一步在《国民经济行业分类2017》的行业说明中提取关键词，并从工商企业数据库的经营范围指标中，根据关键词筛选出数字产品制造业企业；最后，仅统计经营状态为“在营”“在业”“存续”的企业，截至2021年12月得到京津冀地区数字产品制造业企业共27110家。为了获取数字产品制造业企业的空间信息，本文根据企业注册地址利用高德API对所有企业进行精准的地址匹配（Geocoding），确定京津冀地区数字产品制造业企业的空间分布。
此外，本文回归分析中用到的区县经济社会数据来源于《北京区域统计年鉴》《天津统计年鉴》以及河北省11个地级市的统计年鉴，部分年份的缺失数据采用插值法补充。本文稳健性检验中用到的夜间灯光数据来源于国家青藏高原科学数据中心发布的《中国长时间序列逐年人造夜间灯光数据集（1984—2020）》[29]。

1.2.2 研究方法

①反距离加权插值法。空间插值是用已知点的数值来估算其他未知点的数值，以揭示空间分布趋势，可将点数据转换成面数据进行空间分析和建模。反距离加权（IDW）空间插值方法是一种精确插值方法，它假设未知值的点受近距离已知点影响比受远距离已知点影响更大，具体计算公式如下：
$\widehat{Z}\left(s_{0}\right)=\sum_{i=1}^{N} \lambda_{i} Z\left(s_{i}\right)$
式中：$\widehat{Z}\left(s_{0}\right)$为 s 0处的预测值；N为预测计算过程中要使用的预测点周围样点的数量； λ i为预测过程中使用的各样点权重， ∑ i = 1 N λ i = 1，该权重随着样点与预测点之间的距离增加而减小； Z ( s i )为 s i处获得的测量值。本文运用ArcGIS软件，以区县为单元，通过空间插值的方法对不同年份京津冀数字产品制造业的空间分布进行拟合，进而揭示其时空演化特征。
②动态面板GMM方法。在实证检验数字产品制造业发展对区县经济增长的影响中，数字产品制造业发展程度与区县经济增长之间互为因果产生的内生性是必然要解决的问题，本文采用系统GMM来避免内生性困扰。此外，考虑到地方经济增长存在的惯性，在模型的解释变量中加入被解释变量的滞后项构建动态面板进行估计。
③空间计量分析。本文设立空间面板计量模型，考察数字产品制造业影响区县经济发展的空间溢出效应。根据空间相关性模式的区别，可选用空间面板滞后模型（SAR）、空间面板误差模型（SEM）和空间面板杜宾模型（SDM）等，模型的选定要通过具体实施过程进行判断，基本模型的设定如下：
l n y i t = ρ W l n y i t + β 0 D i g i t + β 1 W d i g i t + τ i + δ t + V i t V i t = λ W V i t + ε i t
式中： l n y i t为区县人均产出的对数； D i g i t为区县数字产品制造业发展情况； τ i和 δ t分别为个体和时间固定效应； ε i t为随机扰动项；W为空间权重矩阵。

2 京津冀数字产品制造业的时空演化特征

根据京津冀数字产品制造业微观企业的地址匹配结果，按照注册年份通过累加汇总到地区层面，截取2000—2021年京津冀三地数字产品制造业企业注册数量进行比较。由图2看出，在2005年以前，北京数字产品制造业企业注册数目高于天津和河北，而2005年以后，河北、天津两地的数字产品制造业企业注册数目快速增长，开始超过北京，特别是河北省企业注册数目在2009年前后进一步超过天津，且增长速度远超北京、天津两地。出现这种现象的原因在于，北京早在“十一五”时期就已经开始推进产业结构调整，走高端产业发展之路，并强调要“加快发展现代服务业”，这使得制造业乃至数字产品制造业企业数量的增长空间受到限制。此外，京津冀协同发展战略实施以来，北京非首都功能增量进一步严控，更加严格的产业准入标准使得原计划进驻北京的企业设在京外。有研究指出，高端都市型制造业在非首都功能疏解背景下跳出北京并尽可能靠近北京，实现就近转移、就近落地[30]，并且在京津冀高技术制造业协同发展过程中，河北受益于京津两地市场和资源促进，获益最多[31]。这一现象同样出现在数字产品制造业，从图3发现2015年以后北京数字产品制造业企业注册数量的增速明显放缓，而河北新生企业注册数量飞速增长。数字产品制造业有追求科创战略高地的区位偏好，因此，原计划进驻北京的新生企业在邻近北京的河北进行生产。
图2 京津冀三地数字产品制造业企业数量时空演化 (2000—2021年)

Fig.2 Spatiotemporal evolution of the number of digital product manufacturing enterprises in Beijing-Tianjin and Hebei (2000-2021)

图3 京津冀13个城市数字产品制造业企业占制造业企业比重(2021)

Fig.3 Proportion of digital product manufacturing enterprises in 13 cities of Beijing-Tianjin-Hebei (2021)

为了避免不同城市制造业企业的总量差异造成数字产品制造业企业数量的差异，更直观了解京津冀各个城市数字产品制造业的发展情况，本文计算了2021年京津冀地区13个城市数字产品制造业企业占城市制造业企业总数的比值，以此横向比较各个城市数字产品制造业的发展水平。由图3看出，尽管北京数字产品制造业企业注册数量在京津冀三地间不占优势，但数字产品制造业比重在13个城市中最大，达6.47%；其次为天津，比重为3.55%；而在20年间数字产品制造业企业注册数量增长较快的河北省，各城市数字产品制造业的比重较低。
进一步地，为从更加微观尺度探索京津冀数字产品制造业的时空演化趋势，本文将微观企业数量加总到区县尺度，利用ArcGIS平台的反距离加权插值法，选取2000、2010和2021年3个年份，分别从数字产品制造业企业数量和比重2个角度，对京津冀数字产品制造业的时空演化特征进行空间可视化。图4显示了数字产品制造业企业数量的时序变化特征，在2000年，数字产品制造业主要集中在北京与天津两地，河北数量较少。其中，北京数字产品制造业企业的注册数量占据了绝对优势，在海淀区与朝阳区形成了2个明显集聚区，天津数字产品制造业企业主要集中在滨海新区；到2010年，北京中心城区的数字产品制造业企业注册数量进一步增加且呈现出由中心城区向近郊蔓延的现象，天津数字产品制造业注册企业数目在10年间迅速增长，表现出与北京规模相当且连片发展的趋势，主要集中在武清区、西青区、津南区和滨海新区的连片区域。与此同时，河北沧州、邢台初步形成了数字产品制造业企业的集聚地，但规模相对较小；到2021年，京津冀三地的数字产品企业数量分布逐渐趋于均衡，且呈现连片发展特征，河北沧州、邢台、保定3个城市数字产品制造业规模不断扩大，特别是邢台市数字产品制造业企业集聚趋势更加明显。
图4 京津冀数字产品制造业企业数量IDW空间插值分布演变(2000、2010、2021)

Fig.4 IDW spatial interpolation of the number of digital product manufacturing enterprises in Beijing-Tianjin-Hebei in 2000, 2010 and 2021

图5显示了研究期内各区县数字产品制造业比重的空间时序变化特征。从各地数字产品制造业所占全部制造业比重来看，北京数字产品制造业的比重一直处于最高位置，且远高于津、冀两地，说明京津冀三地的数字产品制造业发展始终存在较大差距；从整体空间特征来看，京津冀地区数字产品制造业表现出更加集聚的特征，由2000年的“多点开花”向北京、天津、沧州、邢台、保定等城市收敛。
图5 京津冀数字产品制造业份额IDW空间插值分布演变(2000、2010、2021)

Fig.5 IDW spatial interpolation of the portion of digital product manufacturing enterprises in Beijing-Tianjin-Hebei in 2000,2010 and 2021

综上分析发现，尽管河北省数字产品制造业企业的注册数量在近20年快速增长，但主要源于制造业企业总数的增长；从数字产品制造业比重来看，京津冀地区数字产品制造业发展程度仍存在较大差距，北京数字产品制造业比重遥遥领先于天津和河北。出现这一现象的原因在于，一方面，北京立足于首都城市定位，长期以来向天津、河北两地疏解制造业，制造业企业总量较低，因此，数字产品制造业的比重一直保持较高水平，而津、冀两地同时承接了大量北京迁出的一般制造业，使得数字产品制造业比重较低。另一方面，有研究发现，服务业特别是生产性服务业的发展对于制造业升级起到至关重要的作用[32]。根据国家统计局数据，2021年北京第三产业增加值对GDP的贡献率达到81.7%，同一时期天津为62.1%，河北仅为49.5%。因此，北京的产业结构优势也是数字产品制造业比重较高的原因之一。

3 京津冀数字产品制造业发展对区县经济的影响

3.1 计量模型构建

本文通过对扩展的Cobb-Douglas生产函数进行变形建立计量模型，实证估计数字产品制造业发展对区县经济增长的影响，回归方程如下：
l n y i t = θ 0 + θ 1 l n A i t + α l n k i t + β l n h i t + γ P e x p i t + μ i + σ t + ε i t
式中：yit为区县i在第t年的人均产出；kit为区县i在第t年的人均固定资产投入；hit为区县i在第t年的人力资本投入，根据已有研究，各个级别学校的专任教师数越多，培养的含人力资本高的劳动力数量也越多，相应地该地区人力资本含量就越高，但由于本文的研究对象是区县，并不是所有区县都设有高等学校，因此，为了避免样本选择问题造成的模型估计偏误，本文参照孙浦阳等的研究[33]，采用中小学生均专任教师数作为人力资本投入的代理变量； P e x p i t为政府财政支出占政府财政收入的比重； μ i表示个体固定效应； σ t表示年份固定效应； ε i t为随机扰动项。
A i t为本文关注的核心解释变量，即区县i在第t年的数字产品制造业发展情况，分别用数字产品制造业注册数占制造业企业注册总数的比重（S1）、区县数字产品制造业占比与京津冀地区数字产品制造业占比的商值（S3）以及区县当年数字产品制造业企业的进入率来表示（entry）。具体地，S1通过分别计算1950年以来各区县数字产品制造业和全部制造业的注册企业总数，并取二者的比值获得；为了增加不同区县之间可比性，S3通过区县数字产品制造业占比与京津冀地区数字产品制造业占比的商值获得；数字产品制造业企业的进入率entry参照毛丰付等的做法[34]，利用历年新增企业数量比上企业总量获得。相关变量的描述性统计见表1。
表1 变量的描述性统计

Tab.1 Descriptive statistics

变量 N mean sd min max
因变量 lny 3088 10.23 0.758 7.811 13.03
核心解释变量 S1 3088 0.019 0.028 0.000 0.256
S3 3088 0.982 1.472 0.000 13.50
entry 3088 0.018 0.046 0.000 1.000
控制变量 lnk 3088 9.934 0.909 7.429 13.35
lnh 3088 0.074 0.027 0.020 0.415
Pexp 3088 3.606 2.366 0.112 18.62

3.2 基准结果分析

本部分采用系统GMM的方法进行动态面板模型估计，基准回归结果见表2。使用系统GMM的前提要求扰动项{ ε i t}不存在自相关，且选择的滞后项作为工具变量与个体效应 μ i不相关。AR（1）和AR（2）检验的p值显示，4个模型的扰动项的差分不存在二阶自相关，故接受原假设“扰动项无自相关”，从而可以使用GMM方法。Hansen检验结果显示，无法拒绝“所有工具变量均有效”的原假设，即所有工具变量均为有效工具变量。
表2 基准回归结果

Tab.2 Benchmark regression results

变量名称 （1）lny （2）lny （3）lny （4）lny （5）lny （6）lny
L.lny 0.952***（0.002） 0.952***（0.002） 0.965***（0.002） 0.938***（0.002） 0.936***（0.002） 0.941***（0.001）
S1 0.284***（0.038） 0.128***（0.021）
S3 0.005***（0.001） 0.002***（0.000）
entry 0.190***（0.006） 0.107***（0.002）
lnk 0.030***（0.001） 0.030***（0.001） 0.028***（0.001）
lnh 0.207***（0.019） 0.225***（0.019） 0.175***（0.019）
Pexp -0.009***（0.000） -0.009***（0.000） -0.009***（0.000）
年份固定效应 是 是 是 是 是 是
Constant 0.000（0.000） 0.470***（0.017） 0.000（0.000） 0.321***（0.011） 0.000（0.000） 0.000（0.000）
AR（1） 0.000 0.000 0.000 0.000 0.000 0.000
AR（2） 0.300 0.300 0.292 0.319 0.320 0.316
Hansen检验 0.125 0.125 0.402 0.179 0.179 0.217
N 2891 2891 2891 2891 2891 2891

注：***、**、*分别代表1%、5%、10%的显著性水平，括号内的值为标准差。AR（1）、AR（2）、Hansen检验均报告了检验的p值。表3~表7同。

表2中第（1）~（3）列分别报告了数字产品制造业占比（S1）、商值（S3）以及进入率（entry）对区县人均产出（lny）的影响，结果显示，S1、S3以及entry的系数均在1%的置信水平下显著为正。第（4）~（6）列为加入可能影响区县经济发展的其他控制变量后模型估计结果，3个指标仍然显著为正。结果说明，数字产品制造业的发展有利于促进区县经济增长。模型中的其他解释变量均符合理论预期，即人均固定资产投入lnk和人力资本投入lnh的系数显著为正，说明固定资产投入和人力资本投入能够显著促进区县经济增长；政府财政支出占财政收入的比重Pexp的系数显著为负，说明地方政府债务水平越高，越不利于区县经济的增长。

3.3 稳健性检验

3.3.1 内生性处理

广义矩估计（GMM）和二阶段最小二乘法（2SLS）是处理内生性最常用的2种方法。为了检验内生性处理方法的稳健性，本部分采用2SLS进一步处理模型的内生性问题。在外生工具变量的选择上，本文借鉴宋旭光等的方法[6]，利用1996年各区县计算机、通信和其他电子设备制造业工业增加值比重作为数字产品制造业发展的工具变量。一方面，1996年的数值作为历史数据，不会与研究期内的因变量产生互为因果关系；另一方面，数字产品制造业主要以计算机、通信和其他设备制造业的发展为重要载体，从而满足了工具变量的外生性与相关性原则。但在模型回归时，为了避免不随时间变化的工具变量由于模型中的固定效应而被消除，本文进一步构建了各个区县1996年计算机、通信和其他电子设备制造业工业增加值比重分别与上一年全国信息传输计算机服务和软件业全社会固定资产投资额（与时间有关）的交互项，作为数字产品制造业发展的工具变量。2SLS的回归结果表明，第一阶段工具变量与数字产品制造业发展的回归结果显示，工具变量的系数均显著为正，证实了工具变量与自变量的相关性。弱工具变量检验的F统计值大于10%的阈值，排除了弱工具变量的可能性，识别不足检验LM统计量的p值为0，拒绝了工具变量识别不足的假设，说明本文选择的工具变量是合适的。第二阶段中代表数字产品制造业发展的3个指数均显著为正，与基准结果一致，验证了模型的稳健性。

3.3.2 替换变量检验

此外，本文分别通过替换核心解释变量和因变量的方式进行模型估计的稳健性检验，本文用数字产品制造业的注册资本作为数据基础计算各区县数字产品制造业的发展程度，将计算结果（S2、S4、entry2）重新代入模型进行回归分析，回归结果与基准部分基本一致，仅存在系数大小的细微差别。替换因变量的稳健性检验，借鉴刘修岩等的研究方法[35]，本文采用地区夜间灯光亮度均值作为人均产出水平的替代指标进行模型估计，结果仍保持稳健。

3.4 空间溢出效应

根据前文的理论分析，数字产品制造业的发展不仅会影响当地的经济发展，还可能会产生空间溢出效应，影响周边区县经济。因此，本部分重点考察数字产品制造业对区县经济增长的空间溢出效应。首先，本文采用探索性空间数据分析法计算了京津冀地区各区县经济发展与数字产品制造业的全局莫兰（Moran's I）指数，空间权重矩阵W采用后相邻（queen contiguity）法则并由ArcGIS软件生成，结果显示，区县人均产出（lny）和数字产品发展（S1、S3、entry）的全局莫兰指数均大于0，说明无论是区县经济情况还是数字产品制造业发展程度均存在显著的空间正相关。此外，空间误差相关检验、空间滞后相关检验的结果也显示了模型存在空间相关性。因此，适合用空间计量模型进行进一步探索。
本部分通过前文构建的空间计量模型对数字产品制造业发展的空间效应进行检验，为保持与基准模型的一致性，以及考虑到地方经济增长存在的惯性，在解释变量中加入被解释变量的时间滞后项进行空间动态面板估计，结果见表3。表3显示；①Hausman检验均显著通过，采用固定效应模型进行估计，LR检验的p值均在1%的显著性水平下拒绝了SDM模型可以等价转化为SAR模型的假设，故采用SDM模型的估计结果更合适。②无论是SDM模型还是SAR模型，空间自回归系数ρ（rho）均在1%水平上显著为正，说明模型存在空间自回归效应。③SDM模型中，S1和S3的空间滞后项系数（W·S1、W·S3）均显著为正向，说明数字产品制造业的累积规模不仅能够促进当地经济增长，同时能够显著促进周边区县经济的发展；但数字产品制造业企业当年进入率（entry）的空间滞后项系数显著为负，说明企业当年的进入率对周边区县经济产生显著的负向影响。可能的原因是，对于进入率这一流量概念来说，数字产品制造业企业当年的区位选择决定了对选址地经济的促进，而对于未被选择作为注册地的周边区县却是一种损失，但从累积占比这一存量概念来说，随着当地数字产品制造业企业进入数量的不断增加，逐渐产生规模效应和溢出效应，进而带动周边区县经济的长远发展。
表3 空间计量回归结果

Tab.3 Spatial econometric regression results

SDM模型 SAR模型
lny lny lny lny lny lny
L.lny 0.727***（0.014） 0.727***（0.014） 0.758***（0.014） 0.732***（0.014） 0.732***（0.014） 0.865***（0.014）
S1 1.452***（0.323） 1.612***（0.273）
S3 0.028***（0.006） 0.031***（0.005）
entry 0.077***（0.029） 0.035（0.028）
lnk 0.128***（0.015） 0.128***（0.015） 0.107***（0.015） 0.118***（0.014） 0.118***（0.014） -0.073***（0.003）
lnh 0.113（0.249） 0.113（0.249） 0.192（0.251） 0.117（0.249） 0.117（0.249） 1.365***（0.184）
Pexp -0.024***（0.004） -0.024***（0.004） -0.025***（0.004） -0.023***（0.004） -0.023***（0.004） -0.002（0.002）
W·S1 1.140*（0.620）
W·S3 0.022*（0.012）
W·entry -0.221***（0.057）
W·lnk -0.055**（0.027） -0.055**（0.027） -0.074***（0.026）
W·lnh 0.230（0.537） 0.230（0.537） 0.513（0.539）
W·Pexp 0.005（0.007） 0.005（0.007） 0.008（0.007）
rho 0.105***（0.024） 0.105***（0.024） 0.140***（0.022） 0.072***（0.016） 0.072***（0.016） 0.890***（0.018）
sigma2_e 0.124***（0.003） 0.124***（0.003） 0.126***（0.003） 0.125***（0.003） 0.125***（0.003） 0.008***（0.000）
Hausman 396.46 396.46 416.92 519.36 519.36 516.68
LR 31.28 19.84 20.48
N 2835 2835 2835 2835 2835 2835
R2 0.806 0.806 0.802 0.804 0.804 0.621
使用一个或多个空间回归模型的点估计来检验是否存在空间溢出效应可能存在偏误。因此，要比较各解释变量对被解释变量的影响及空间溢出效应，还要根据点估计结果进一步分解直接效应和间接效应[36]。根据前文结论，数字产品制造业企业当年进入率对周边区县产生负向影响，而随着时间的累积，当地数字产品制造业规模对周边区县的长期影响转为正向。因此，本文从短期和长期进行比较分析，结果见表4。在短期内，S1、S3和entry的直接效应系数均显著为正，S1和S3的间接效应系数虽仍为正向但不显著，总效应显著为正，entry的间接效应和总效应系数均显著为负，说明在短期内，数字产品制造业企业进入率对周边区县的经济造成负向影响，且短期内数字产业规模对周边区县经济的带动作用不明显；在长期中，S1和S3的间接效应系数均显著为正，说明随着时间的推移，数字产业规模占比开始出现空间溢出效应，这时entry的间接效应由负向转为正向，3个系数的长期总效应均显著为正，进一步佐证了上文的结论。
表4 数字产品制造业发展对区县经济增长的直接效应与间接效应

Tab.4 The direct and indirect effects of digital manufacturing on the economic growth of counties

短期影响（SR） 长期影响（LR）
直接效应 S1 1.443***（0.310） - - 5.499***（1.120） - -
S3 - 0.027***（0.006） - - 0.104***（0.021） -
entry - - 0.051*（0.030） - - 0.530（10.358）
间接效应 S1 0.365（0.527） - - 4.242*（2.394） - -
S3 - 0.007（0.010） - - 0.081*（0.045） -
entry - - -0.367***（0.115） - - 0.207（10.378）
总效应 S1 1.808***（0.469） - - 9.740***（2.425） - -
S3 - 0.034***（0.009） - - 0.185***（0.046） -
entry - - -0.317**（0.131） - - 0.737**（0.291）

4 结论与讨论

4.1 结论

本文利用2000—2021年京津冀地区工商注册企业大数据，运用反距离加权插值方法揭示了京津冀数字产品制造业的空间分布特征及演化趋势，并基于动态面板模型、空间计量模型，运用广义矩估计（GMM）实证检验了数字产品制造业发展对区县经济的影响及溢出效应。得到以下结论：①基于探索性空间数据的时空演变分析结果显示，京津冀地区数字产品制造业的数量规模趋于均衡，津、冀两地数字产品制造业企业注册数量逐渐赶超北京，特别是河北沧州、邢台、保定3个城市数字产品制造业初具规模，但津、冀两地数字产品制造业的比重仍远低于北京，三地间数字产品制造业发展程度失衡。②基于动态面板GMM模型估计的结果显示，数字产品制造业发展程度能够显著促进当地经济的增长，考虑内生性以及替换变量的稳健性检验进一步证实了这一结论。③基于空间计量模型的溢出效应结果显示，数字产品制造业发展不仅能够促进当地经济增长，还对周边区县的经济发展有正向溢出效应，但这一正向溢出效应仅限于存量指标计算的发展程度。在短期内，数字产品制造业企业当年的进入率对于周边区县的经济发展产生明显的抑制作用；但在长期影响中，进入率指标的抑制作用消失，即随着规模的积累，数字产品制造业规模占比对周边区县的经济增长产生正向溢出。

4.2 讨论

本文的研究结论为京津冀地区数字产品制造业的发展方向和空间布局提供了以下政策启示：①推动京津冀地区数字产品制造业的高质量协调发展。立足于疏解北京非首都功能的战略核心，持续优化制造业疏解及高质量联动的布局规划，不仅要做到京津冀三地数字产业规模上的均衡发展，更应重视三地之间数字产业结构上的高质量协调。因此，应充分发挥北京辐射带动作用和数字资源的先发优势，结合天津、河北两地的禀赋优势，支持对发展不够充分的津、冀地区进行更多的技术投资，弥合地区间数字鸿沟，在三地间形成优势互补的数字产业高质量发展格局。②基于数字产品制造业对区县经济增长产生的空间溢出效应，要结合部分区县数字资源的先发优势，适度引导数字产品制造业在部分区县集聚，集中培育若干个数字产品制造业产业集群，打造京津冀地区数字产品制造业的多中心布局结构，最终带动各个产业集群周边地区的发展。③继续推动制造业数字化。各地政府应把握新一轮科技革命和产业变革带来的机遇，加速推动产业数字化升级，促进数字经济与实体经济深度融合；要加快实施制造业数字化转型发展行动，如对于主动进行数字化研发的企业给予一定的税收优惠政策，结合各地区禀赋优势，加快数字技术相关专业的建设，促进当地产学研结合，培养数字化人才，为数字产业可持续发展提供充沛的人才储备等。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
彭文斌, 韩东初, 尹勇, 等. 京津冀地区数字经济的空间效应研究[J]. 经济地理, 2022, 42(5):136-143.

DOI

[2]
王俊豪, 周晟佳. 中国数字产业发展的现状、特征及其溢出效应[J]. 数量经济技术经济研究, 2021, 38(3):103-119.

[3]
张嫚. 论数字产业对传统反垄断理论与实践的启示[J]. 经济评论, 2002(4):103-106.

[4]
李俊江, 何枭吟. 美国数字经济探析[J]. 经济与管理研究, 2005(7):13-18.

[5]
康铁祥. 中国数字经济规模测算研究[J]. 当代财经, 2008(3):118-121.

[6]
宋旭光, 何佳佳, 左马华青. 数字产业化赋能实体经济发展:机制与路径[J]. 改革, 2022(6):76-90.

[7]
中国信息通信研究院. 中国数字经济发展与就业白皮书(2019年)[R]. 中国信息通信研究院研究报告, 2019.

[8]
中国信息通信研究院. 中国数字经济发展与就业白皮书(2020年)[R]. 中国信息通信研究院研究报告, 2020.

[9]
汪明峰. 互联网使用与中国城市化——“数字鸿沟”的空间层面[J]. 社会学研究, 2005(6):112-135.

[10]
邱泽奇, 张樹沁, 刘世定, 等. 从数字鸿沟到红利差异——互联网资本的视角[J]. 中国社会科学, 2016(10):93-115.

[11]
Zhang T, Sun B, Li W, et al. Information communication technology and manufacturing decentralisation in China[J]. Papers in Regional Science, 2022, 101(3):619-637.

[12]
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.

DOI

[13]
戴若尘, 王艾昭, 陈斌开. 中国数字经济核心产业创新创业:典型事实与指数编制[J]. 经济学动态, 2022(4):29-48.

[14]
毛丰付, 高雨晨, 周灿. 长江经济带数字产业空间格局演化及驱动因素[J]. 地理研究, 2022, 41(6):1593-1609.

DOI

[15]
张雪玲, 吴恬恬. 中国省域数字经济发展空间分化格局研究[J]. 调研世界, 2019(10):34-40.

[16]
舒季君, 周建平, 陈亦婷, 等. 中国省域数字经济的空间演化特征及其城乡融合效应[J]. 经济地理, 2022, 42(8):103-111.

DOI

[17]
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.

[18]
武前波, 万为胜, 洪明. 杭州数字经济产业空间演变及其影响机制[J]. 经济地理, 2022, 42(12):60-71.

DOI

[19]
卢明华, 李丽. 北京电子信息产业及其价值链空间分布特征研究[J]. 地理研究, 2012, 31(10):1861-1871.

[20]
席强敏, 季鹏. 京津冀高技术制造业空间结构演变的经济绩效[J]. 经济地理, 2018, 38(11):112-122.

DOI

[21]
孙瑞东, 江曼琦. 大城市技术密集型制造业空间演化特征及动因分析——以北京市电子设备制造业为例[J]. 经济地理, 2018, 38(6):94-101.

DOI

[22]
段吕晗, 杜德斌, 黄筱彧. 上海互联网新创企业的时空演化及影响因素[J]. 地理科学进展, 2019, 38(3):383-394.

DOI

[23]
王家庭, 袁春来, 马宁. 数字经济发展对产业结构、产业效率的影响:来自省级层面的经验证据[J]. 中国科技论坛, 2022(12):117-127.

[24]
周夏伟, 杨彬如, 岳太青. 产业数字化、 引致创新与区域经济增长[J]. 经济体制改革, 2022(3):119-126.

[25]
Olinner S D, Sichel D E. Information technology and productivity:Where are we now and where are we going?[J]. Journal of Policy Modeling, 2003, 25(5):477-503.

[26]
肖旭, 戚聿东. 产业数字化转型的价值维度与理论逻辑[J]. 改革, 2019(8):61-70.

[27]
魏下海, 郭凯明, 吴春秀. 数字技术、 用工成本与企业搬迁选择[J]. 中国人口科学, 2021(1):104-116.

[28]
陈剑, 黄朔, 刘运辉. 从赋能到使能——数字化环境下的企业运营管理[J]. 管理世界, 2020, 36(2):117-128.

[29]
张立贤, 任浙豪, 陈斌, 等. 中国长时间序列逐年人造夜间灯光数据集(1984—2020)[DB]. 国家青藏高原科学数据中心, 2021.

[30]
窦睿音, 杨晓俊. 京津冀城市群不同类型制造业时空分异化与空间布局研究[J]. 生态经济, 2021, 37(12):83-90.

[31]
苑清敏, 谭欣. 京津冀高技术制造业协同发展研究[J]. 华东经济管理, 2022, 36(3):72-81.

[32]
江小涓. 服务全球化的发展趋势和理论分析[J]. 经济研究, 2008(2):4-18.

[33]
孙浦阳, 韩帅, 许启钦. 产业集聚对劳动生产率的动态影响[J]. 世界经济, 2013(3):33-53.

[34]
毛丰付, 张帆. 中国地区数字经济的演变:1994-2018[J]. 数量经济技术经济研究, 2021, 38(7):3-25.

[35]
刘修岩, 李松林, 陈子扬. 多中心空间发展模式与地区收入差距[J]. 中国工业经济, 2017(10):25-43.

[36]
朱纪广, 李小建. 产业集聚对区域经济高质量增长的影响效应——基于空间溢出效应视角[J]. 经济地理, 2022, 42(10):1-9.

DOI

Options
文章导航

/

〈 〉