EN中文

经济地理 >

2024 , Vol. 44 >Issue 7: 87 - 95

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.07.009

城市地理与新型城镇化

长三角城市群数字经济与制造业高质量发展耦合协调时空演化及影响因素

  • 颜平 , 1 ,
  • 周闻宇 2 ,
  • 王瑞荣 , 3, ※ ,
  • 金湖江 3
展开
  • 1.浙江机电职业技术大学数字商贸学院，中国浙江杭州 310006
  • 2.浙江大学国际联合商学院，中国浙江杭州 310006
  • 3.绍兴职业技术学院范蠡商学院，中国浙江绍兴 312000
※王瑞荣（1978—），女，硕士，教授，研究方向为产业经济、数字经济。E-mail：

颜平（1981—），女，硕士，副教授，研究方向为经济地理、产业经济。E-mail：

收稿日期: 2023-11-20

  修回日期: 2024-03-04

  网络出版日期: 2024-09-13

基金资助

国家社会科学基金项目(19BGL084)

浙江省软科学项目(2022C35079)

浙江省高校重大人文社会科学攻关计划项目(2023QN134)

收起

Spatial-temporal Evolution and Influencing Factors of the Coupling Coordination of Digital Economy and High-quality Development of Manufacturing Industry in the Yangtze River Delta Urban Agglomeration

  • YAN Ping , 1 ,
  • ZHOU Wenyu 2 ,
  • WANG Ruirong , 3, ※ ,
  • JIN Hujiang 3
Expand
  • 1. School of Digital Commerce and Trade，Zhejiang Polytechnic University of Mechanical and Electrical Engineering，Hangzhou 310006，Zhejiang，China
  • 2. International Business School，Zhejiang University，Hangzhou 310006 Zhejiang，China
  • 3. Fanli Business School，Shaoxing Vocational and Technical College，Shaoxing 312000，Zhejiang，China

Received date: 2023-11-20

  Revised date: 2024-03-04

  Online published: 2024-09-13

Fold

摘要

数字经济的持续快速增长，已成为推动我国制造业高质量发展的重要力量。文章基于长三角城市群41个地级及以上城市2012—2021年面板数据，利用耦合协调度模型与空间杜宾模型，考察了数字经济与制造业高质量发展的耦合协调时空演化特征及其影响因素。结果表明：①数字经济与制造业高质量发展的耦合协调度不断增强。从整体上看，长三角城市群数字经济与制造业在时序演化特征方面呈现高度耦合协调发展趋势；从城市层面看，其呈现出明显的地区差异性。②不同区域数字经济与制造业耦合协调水平存在较大差异，提升空间较大。从空间演化特征看，优质协调、良好协调和中级协调占比很低，还有很大提升空间；从空间相关性看，呈现出显著的空间相关性，具体表现为空间集聚特征。③相邻城市之间数字经济与制造业耦合协调度相互影响且存在一定差异。其中，经济发展水平、金融发展水平、利用外资水平和产业结构优化对邻近地区的耦合协调度具有显著的正向促进作用，政府干预、对外开放度对邻近地区的耦合协调度具有显著的抑制作用，而人力资本没有通过显著性水平检验。最后，提出要强化顶层设计、辐射带动和支撑保障，共同为城市群数字经济和制造业高质量耦合协同发展提供源动力。

关键词： 数字经济; 制造业; 高质量发展; 耦合协调; 金融; 创新; 长三角城市群

本文引用格式

颜平 , 周闻宇 , 王瑞荣 , 金湖江 . 长三角城市群数字经济与制造业高质量发展耦合协调时空演化及影响因素[J]. 经济地理, 2024 , 44(7) : 87 -95 . DOI: 10.15957/j.cnki.jjdl.2024.07.009

Abstract

The continuous and rapid growth of the digital economy has become an important force to promote the high-quality development of China's manufacturing industry. Based on the panel data of 41 cities at the prefecture level and above from 2012 to 2021 in the Yangtze River Delta urban agglomeration,this paper analyzes the spatial-temporal evolution characteristics of the coupling coordination between the digital economy and the high-quality development of manufacturing industry and its influencing factors using the coupled coordination model and the spatial Durbin model. It' found that: 1) The degree of coupling coordination between the digital economy and the high-quality development of manufacturing industry continues to strengthen. In terms of temporal evolution characteristics,it shows a highly coupling coordination development trend between the digital economy and the manufacturing industry in the Yangtze River Delta urban agglomeration,and has obvious regional differences. 2) There are great differences in the coupling coordination level between the digital economy and the manufacturing industry in different regions,and there is a large room for improvement. From the perspective of spatial evolution,the proportion of high-quality coordination,good coordination and intermediate coordination is very low,and there is still much room for improvement. From the perspective of spatial correlation, there is a significant spatial correlation,which is embodied in the characteristics of spatial agglomeration. 3) The coupling coordination degree between the digital economy and the manufacturing industry affects each other and has some differences between neighboring cities. Among them,the level of economic development,the level of financial development,the utilization level of foreign capital and the optimization of industrial structure have a significant positive promoting effect on the coupling coordination degree of neighboring areas,the government intervention and the degree of opening to the outside world have a significant inhibiting effect on the coupling coordination degree of neighboring areas,while human capital fails the significance level test. According to the above,it proposes some suggestions: strengthening the top-level design,radiation drive and support capability,and providing impetus for the coupling coordination development between the digital economy and the high-quality development of manufacturing industry in urban agglomerations.

Key words： digital economy; manufacturing industry; high-quality development; coupling coordination; finance; innovation; the Yangtze River Delta urban agglomeration

城市群是区域协同创新发展的核心区域，数字经济和制造业发展状况体现了城市群发展水平和阶段影响力，二者的耦合与时空演化，又深刻影响着城市群数字经济和制造业发展的层次和水平。城市群、数字经济及制造业的研究受到国内学者的重视，国外学者对城市群一体化的研究对象多采用多种定量的研究方法。例如，“无贫民窟无烟尘的城市群”“组合城市（Conurbation）”“城市体系（Urban System）”“大都市（Megalopolis）”和“分散的大都市带（Dispersed Metropolis）”等都是城市群不断演化的最初概念[1-3]；国内学者多以长三角城市群、珠三角城市群、京津冀城市群、成渝城市群等为主要研究对象，如张亚丽等从商品市场、劳动力市场、产业结构等3个维度对中国十大城市群的发展水平进行了测度[4]；闫东升等研究了长三角一体化对城市创新发展、城市土地利用效率和城市经济效率的影响[5]；丁任重等、刘镇等分别基于7个城市群和 19 个城市群探讨了城市群一体化政策对经济增长、产业结构升级、文化发展与协调的影响[6-7]；孙红梅等基于城市群的产业发展与环境的耦合互动模型，分析了长三角城市群26个主要城市4年的产业与环境协同情况[8]。综上，从国内关于城市群的相关研究看出，大部分学者从实证研究角度出发，对城市群经济发展、产业协同以及环境协调进行了系统分析，体现出城市群空间演化与产业布局的紧密相关性。
同时，关于数字经济及其对产业发展带动作用的研究也在不断深入。Tapscott最早提出“数字经济”这一概念之后，众多学者和机构对数字经济的概念、特征和测算方法等进行了探讨[9]。例如，荆文君等认为，从微观层面上数字技术的不断创新可以稳步提升经济的均衡发展水平[10]；赵涛等从数据角度验证和分析了数字经济提升创业创新的活跃度，推动经济高质量发展[11]；宋洋则认为数字经济的强扩散性、高成长性和降成本性对经济发展的内在动力和外在表现产生深刻影响[12]；李清华等认为数字经济可以通过空间溢出、驱动传导以及技术泛化等手段对区域经济协调发展产生深刻影响[13]。
而在全面进入高质量发展阶段的今天，我国制造业仍面临“低端锁定”和“高端封锁”的双重困境，迫切需要寻找新动能来加快制造业出口技术升级的步伐。数字经济不仅可以带动居民消费增长，而且也是推动制造业高质量发展的重要动能。目前，数字经济与制造业耦合发展的研究正逐步展开。例如，焦勇认为，数字经济是一种长期的价值重塑，会对制造业的数字化转型产生重大影响[14]；曹正勇从创新链、制造链、供应链、服务链等视角剖析了数字经济驱动制造业发展的机理[15]。同时，国内外学者主要从价值链和供应链等多个视角展开研究[16]，内容主要聚焦于数字经济对制造业高质量发展的影响、作用机理[17-18]、动力机制[19-20]、实现路径与对策建议[21-23]。此外，还有研究显示，数字经济空间溢出效应与地理区位、人口规模、市场一体化水平等城市特征相关，如东南沿海地区城市、人口规模更大城市、市场一体化水平更高的城市具有更强的数字经济空间溢出效应[24]。
现有的研究成果为本文奠定了较好的基础，但对数字经济与制造业高质量发展的耦合协调关系的研究尚不够全面和深入，针对长三角城市群的研究尚需不断深入[25]。基于此，本文采用长三角城市群41个地级及以上城市2012—2021年面板数据，利用耦合协调度模型与空间杜宾模型，考察数字经济与制造业高质量发展的耦合协调时空演化特征及其影响因素，以期为数字经济与制造业高质量发展耦合作用机制的深入研究提供理论支撑和实证借鉴。

1 研究方法和数据来源

1.1 指标体系构建

1.1.1 数字经济指标体系

基于指标体系的全面性、科学性、相关性和可获得性原则，部分学者和机构已经构建了比较合理的数字经济衡量指标体系[26-27]，但有的指标难以计算（如数据的开放性），有的指标地市级统计年鉴中缺失（如电子商务交易额），没有办法获取。因此，通过对长三角41个地级及以上城市统计年鉴、统计公报的收集整理，借鉴丛屹、李史恒等的评价方法[28-29]，从数字基础设施、数字业务规模、数字技术创新3个维度选取6个指标构建数字经济衡量指标体系。

1.1.2 制造业高质量发展指标体系

当前，学术界主要采用构建综合评价指标体系[30]、中间变量代替法[31]测度制造业高质量发展水平，且以构建综合指标体系法居多。基于数据的可获得性和统计指标的一致性，参考李炎亭、谢伟丽等的方法[32-33]，从质量效益、创新能力、资源配置效率、绿色发展4个方面选取8个指标建立制造业发展综合评价指标体系。数字经济与制造业高质量发展综合评价指标体系见表1。
表1 数字经济与制造业高质量发展综合评价指标体系

Tab.1 Comprehensive evaluation index system of the digital economy and the high-quality development of manufacturing industry

目标层 准则层 指标层 单位 指标属性
数字经济发展 U1 数字基础设施 移动通信普及率 部/百人 正向
宽带普及率 % 正向
数字业务规模 电信业务总量 亿元 正向
快递业务量 万件 正向
数字技术创新 规上工业企业R&D人员 万人 正向
规上工业企业R&D经费内部支出 亿元 正向
制造业高质量发展 U2 质量效益 发展规模：规模以上制造业工业企业工业总产值 亿元 正向
发展质量：规模以上制造业工业企业主营业务收入/平均用工人数 万元/人 正向
创新能力 创新投入：研发经费内部支出 % 正向
创新产出：有效发明专利数 件 正向
资源配置效率 劳动生产率：规模以上制造业工业企业工业总产值/平均用工人数 万元/人 正向
资产负债率：规模以上制造业工业企业负责合计/资产合计 % 逆向
绿色发展 单位工业增加值电力能耗：工业电力消费量/工业增加值 kW·h/元 逆向
单位工业增加值废水排放量：工业废水排放总量/工业增加值 t/元 逆向

1.2 评价方法

1.2.1 改进的熵值法

本文采用改进的熵值法对数字经济与制造业高质量发展水平进行综合评价：①对原始指标值进行标准化处理。②为了避免测算熵值时出现零值或者负值，参考吕明元等[34]的做法，对标准化后的数值进行平移处理；③确定各指标比重 P i j、确定熵值 e j、确定差异系数 g j、确定指标权重 W j，最后计算数字经济与制造业高质量发展的综合得分。计算公式为：
U = ∑ j = 1 n W j x i j '

1.2.2 耦合协调度模型

①数字经济与制造业高质量发展的耦合度。本文利用耦合度模型对数字经济与制造业高质量发展的耦合度进行测算。
②数字经济与制造业高质量发展的耦合协调度。计算公式为：
D = C · T
T = α U 1 + β U 2
式中：T为数字经济与制造业高质量发展两大系统的综合协调指数； α、 β为待估权重系数，本文认为数字经济与制造业高质量发展两大系统同等重要，因此， α取值与 β取值相同，即 α= β=0.5；D为数字经济与制造业高质量发展的耦合协调度，其取值范围为[0,1]，D值越大说明两大系统发展水平越协调，反之则说明两大系统之间协同程度低。耦合协调度等级划分标准见表2。
表2 耦合协调度等级划分标准

Tab.2 Classification criteria of coupling coordination degree

耦合协调度 耦合协调等级 耦合协调度 耦合协调等级
（0.0，0.1） 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 [0.9，1.0） 优质协调
③数字经济与制造业高质量发展的相对发展度。本文借鉴薛明月等的方法[35-36]，引入相对发展模型来衡量长三角城市群数字经济相对于制造业高质量发展是超前发展还是滞后发展。计算公式为：
P = U 1 U 2
式中：P表示相对发展度。当P>1.2时，为数字经济发展超前型；当0.8<P ≤1.2时，表明数字经济与制造业高质量发展是同步发展型；当P ≤0.8时，为数字经济发展滞后型。

1.2.3 空间相关性模型

本文利用全局莫兰指数（Global Moran's I）和局部莫兰指数（Local Moran's I）测算长三角城市群数字经济与制造业高质量发展的耦合协调度是否具有空间相关性[37]。

1.2.4 面板数据空间杜宾模型

1.2.4.1 模型构建

地理学第一定律认为空间相近的事物关联更紧密[38]，本文将长三角城市群数字经济与制造业高质量发展的耦合协调度作为被解释变量，构建空间杜宾面板模型衡量数字经济与制造业高质量发展的耦合协调影响因素。

1.2.4.2 变量选取

被解释变量为数字经济与制造业高质量发展的耦合协调度，此处不再赘述。参考张亚丽[4]、孙红梅[8]等学者研究成果，主要从经济发展水平（ED）、政府干预（GI）、对外开放度（OU）、利用外资水平（FDI）、人力资本水平（HC）、金融发展水平（FD）、产业结构优化（ISO）7个方面考察数字经济与制造业高质量发展耦合协调度的影响因素。

1.3 数据来源

本文以长三角城市群41个地级及以上城市（以下简称城市）为研究对象，面板数据时间跨度为2012—2021年。原始数据主要来源于历年长三角城市群的城市统计年鉴和统计公报，以及《上海统计年鉴》《浙江统计年鉴》《江苏统计年鉴》《安徽统计年鉴》《中国城市统计年鉴》，其中个别缺失数据采用线性插值法补齐。各变量的描述性统计结果见表3。
表3 变量描述性统计结果

Tab.3 Descriptive statistics of variables

变量 观测数（个） 均值 标准差 最小值 最大值
D 410 0.4865 0.1611 0.2260 0.9600
ed 410 11.0814 0.5716 9.5531 12.0188
gi 410 0.1651 0.0623 0.0812 0.3279
hc 410 0.0241 0.0195 0.0022 0.1001
fd 410 1.1628 0.4059 0.4695 2.1833
ou 410 0.3503 0.5770 0.0257 4.3343
fdi 410 0.0245 0.0171 0.0032 0.0869
iso 410 1.0321 0.3487 0.3786 2.4657

2 耦合协调时空演化分析

2.1 城市群时序演化特征

由表4可知，整体上长三角城市群数字经济与制造业高质量发展的耦合协调度不断增强，从2012年的严重失调上升到2021年的优质协调。这说明随着长三角一体化战略的深入推进，数字经济的快速发展打破了地域阻隔和信息壁垒，长三角三省一市跨省政策协同得到进一步强化，形成政策合力，持续放大政策红利，促进了区域内数字经济与制造业加速深度融合，数字经济与制造业高质量发展的关联日益紧密，呈现高度耦合协调发展趋势。
表4 长三角城市群数字经济与制造业高质量发展的耦合协调度和相对发展度

Tab.4 Coupling coordination degree and relative development degree between the digital economy and the high-quality development of manufacturing industry in the Yangtze River Delta urban agglomeration

年份 耦合度C 耦合协调度D 耦合协调等级 相对发展P 发展阶段
2012 1.000 0.100 严重失调 1.0814 同步发展
2013 0.994 0.300 轻度失调 1.0504 同步发展
2014 0.973 0.461 濒临失调 0.9725 同步发展
2015 0.987 0.529 勉强协调 0.9761 同步发展
2016 0.997 0.599 勉强协调 0.9911 同步发展
2017 0.989 0.689 初级协调 0.9345 同步发展
2018 1.000 0.813 良好协调 1.0166 同步发展
2019 0.999 0.863 良好协调 1.0363 同步发展
2020 1.000 0.893 良好协调 0.9864 同步发展
2021 1.000 0.995 优质协调 0.9890 同步发展

2.2 城市时空演化特征

2.2.1 时序演化特征

表5报告了长三角41个城市数字经济与制造业高质量发展耦合协调度的计算结果。在考察期内，位列第一方阵的是上海和苏州2个城市，其中上海作为长三角城市群的核心城市，耦合协调度一直处于优质协调阶段；苏州的耦合协调度在2012—2017年处于良好协调阶段，2018—2021年上升为优质协调阶段，其近年来大力推进制造业智能化改造和数字化转型，成效显著。位列第二方阵的是杭州、宁波、南京、无锡、常州、南通、合肥7个城市，其耦合协调度在0.6~0.8之间，其中杭州的耦合协调度一直处于中级协调阶段，其余城市均处于初级协调阶段。杭州之所以位列第三，主要是由于在考察期内，多个年份处于数字经济发展超前阶段，数字经济与制造业高质量发展不同步在一定程度上影响了耦合协调度的提升。位列第三方阵的是徐州、绍兴、嘉兴等15个城市，其耦合协调度在0.4~0.6之间，其中前9个城市处于勉强协调阶段，其余城市处于濒临失调阶段。位列第四方阵的是蚌埠、马鞍山、亳州等17个城市，其中除亳州处于中度失调阶段，其余城市处于轻度失调阶段。
表5 长三角41个城市数字经济与制造业高质量发展耦合协调度时序演化

Tab.5 Evolution of coupling coordination degree between the digital economy and the high-quality development of manufacturing industry in 41 cities of Yangtze River Delta urban agglomeration

城市 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 均值
上海 0.960 0.960 0.981 0.977 0.943 0.965 0.939 0.941 0.969 0.950 0.959
南京 0.690 0.671 0.692 0.686 0.705 0.675 0.656 0.687 0.677 0.654 0.679
无锡 0.714 0.678 0.660 0.663 0.655 0.665 0.660 0.687 0.673 0.683 0.674
徐州 0.509 0.521 0.520 0.517 0.550 0.557 0.588 0.597 0.590 0.602 0.555
常州 0.653 0.639 0.648 0.650 0.655 0.617 0.608 0.652 0.611 0.593 0.633
苏州 0.849 0.829 0.875 0.885 0.871 0.876 0.915 0.946 0.956 0.950 0.895
南通 0.623 0.601 0.585 0.600 0.613 0.609 0.611 0.599 0.608 0.618 0.607
连云港 0.483 0.475 0.470 0.475 0.487 0.462 0.454 0.454 0.437 0.448 0.465
淮安 0.345 0.411 0.431 0.446 0.478 0.460 0.480 0.457 0.450 0.462 0.442
盐城 0.432 0.458 0.466 0.471 0.494 0.484 0.467 0.457 0.448 0.469 0.465
扬州 0.540 0.526 0.521 0.524 0.544 0.542 0.545 0.541 0.528 0.525 0.534
镇江 0.550 0.526 0.533 0.531 0.541 0.523 0.474 0.476 0.467 0.480 0.510
泰州 0.518 0.517 0.519 0.529 0.553 0.531 0.550 0.543 0.516 0.515 0.529
宿迁 0.365 0.397 0.266 0.384 0.338 0.391 0.415 0.405 0.410 0.415 0.379
杭州 0.758 0.731 0.758 0.772 0.740 0.774 0.759 0.739 0.783 0.739 0.755
嘉兴 0.512 0.508 0.555 0.559 0.501 0.549 0.550 0.566 0.573 0.543 0.542
湖州 0.489 0.478 0.506 0.535 0.492 0.503 0.494 0.518 0.521 0.492 0.503
舟山 0.547 0.494 0.523 0.578 0.538 0.428 0.363 0.413 0.408 0.401 0.469
金华 0.519 0.483 0.543 0.506 0.528 0.558 0.496 0.551 0.513 0.526 0.522
绍兴 0.574 0.545 0.587 0.547 0.585 0.585 0.527 0.517 0.520 0.489 0.548
温州 0.496 0.533 0.532 0.534 0.526 0.560 0.560 0.567 0.574 0.529 0.541
台州 0.503 0.431 0.481 0.465 0.463 0.518 0.499 0.530 0.514 0.508 0.491
丽水 0.425 0.401 0.417 0.384 0.383 0.385 0.344 0.352 0.336 0.353 0.378
衢州 0.302 0.321 0.393 0.281 0.186 0.256 0.298 0.262 0.263 0.255 0.282
宁波 0.711 0.699 0.726 0.718 0.680 0.707 0.677 0.694 0.705 0.676 0.699
宣城 0.314 0.338 0.348 0.331 0.310 0.336 0.356 0.350 0.355 0.380 0.342
宿州 0.264 0.352 0.304 0.290 0.303 0.307 0.376 0.327 0.346 0.394 0.326
滁州 0.351 0.388 0.343 0.335 0.327 0.339 0.412 0.370 0.371 0.407 0.364
池州 0.301 0.301 0.316 0.314 0.266 0.285 0.313 0.323 0.338 0.350 0.311
阜阳 0.226 0.337 0.290 0.280 0.307 0.301 0.381 0.346 0.359 0.418 0.325
六安 0.239 0.346 0.282 0.278 0.263 0.303 0.403 0.335 0.367 0.413 0.323
合肥 0.561 0.584 0.583 0.597 0.656 0.606 0.608 0.616 0.609 0.608 0.603
蚌埠 0.369 0.422 0.390 0.401 0.412 0.380 0.399 0.354 0.356 0.402 0.389
淮南 0.279 0.312 0.270 0.213 0.228 0.264 0.323 0.248 0.271 0.312 0.272
铜陵 0.506 0.499 0.482 0.363 0.389 0.361 0.383 0.275 0.311 0.340 0.391
马鞍山 0.418 0.423 0.415 0.409 0.376 0.365 0.384 0.365 0.383 0.377 0.392
淮北 0.368 0.408 0.361 0.359 0.339 0.342 0.385 0.339 0.364 0.391 0.366
芜湖 0.482 0.508 0.486 0.486 0.495 0.438 0.482 0.504 0.493 0.487 0.486
安庆 0.330 0.396 0.329 0.350 0.361 0.316 0.474 0.338 0.367 0.396 0.366
黄山 0.382 0.411 0.345 0.327 0.322 0.336 0.341 0.329 0.339 0.360 0.349
亳州 0.198 0.329 0.247 0.224 0.244 0.275 0.353 0.292 0.324 0.394 0.288

2.2.2 耦合协调度空间演化特征

选择2012、2015、2018、2021年4个时间节点，利用Geoda软件绘制数字经济与制造业高质量发展耦合协调度的空间演化特征图（图1）。总体上看，长三角城市群数字经济与制造业高质量发展的耦合协调度呈现上升趋势。具体来看：①2012年，大部分地区耦合协调类型为勉强协调（26.8%）、轻度协调（24.4%）和濒临协调（17.1%）；处于优质协调、良好协调的城市仅有上海、苏州2个城市（4.9%）；处于中级协调和初级协调阶段的城市占比为14.6%，分别是南京、无锡、常州、南通和宁波；而淮南、宿州、六安、阜阳4个城市耦合协调度处于中度失调，亳州耦合协调度最低，处于严重失调阶段。②2015年，大部分地区耦合协调类型以勉强协调（26.8%）、轻度失调（22.0%）和濒临失调（17.1%）为主，优质协调、良好协调类城市占比保持不变（分别是上海和苏州），中级协调类占比下降到4.9%，无锡下滑到初级协调阶段，初级协调类占比上升到9.8%，新增衢州为中度失调城市，中度失调类占比上升到14.6%，无严重失调城市。③2018年，大部分地区耦合协调类型以轻度失调（31.7%）、濒临失调（29.3%）为主，勉强协调类占比下降为14.6%，初级协调类占比上升到14.6%，优质协调类占比上升到4.9%，中级协调类占比为2.4%，中度失调仅衢州1个城市。④2021年，大部分地区耦合协调类型仍然以濒临失调（31.7%）、轻度失调（26.8%）为主，初级协调类、优质协调类占比保持不变，杭州依然处于中级协调阶段，中度失调地区仍然为衢州1个城市。整体而言，虽然长三角一体化进程不断加快，但41个城市的耦合协调水平从严重失调到优质协调9个等级均有分布，且优质协调、良好协调和中级协调类占比还很低，说明长三角城市群数字经济与制造业高质量发展的耦合协调度在空间分布上存在较大的地区差异，呈现“东高西低”的演化特征。
图1 长三角城市群数字经济与制造业高质量发展耦合协调度变化

Fig.1 Change of coupling coordination degree between the digital economy and the high-quality development of manufacturing industry in the Yangtze River Delta urban agglomeration

2.2.3 空间相关性分析

以2012—2021年长三角城市群41个城市数字经济与制造业高质量发展的耦合协调度为基础，利用全局莫兰指数和局部莫兰指数测度其是否具有空间相关性。

2.2.3.1 全局关系分析

利用GeoDa软件，置换999次，测算耦合协调度的全局莫兰指数值（Global Moran's I）和标准化Z值（表6）。由表6可知，考察期内全局莫兰值在0.23~0.44之间波动，且均通过1%的显著性水平检验，说明长三角城市群41个城市数字经济与制造业高质量发展的耦合协调发展水平呈现显著的正向空间集聚特征，且空间集聚态势有所减弱。具体而言，2012—2015年，全局莫兰值由0.421缓慢上升到0.434，耦合协调度呈现稳步增长趋势，空间集聚态势增强，空间发展的差异性显著；2015—2021年，全局莫兰值由0.434波浪式下降到0.236，空间集聚势头减弱，空间发展的差异性有所降低，说明长三角城市群41个城市耦合协调发展水平在空间分布上朝着离散化、均衡化方向发展。
表6 长三角城市群41个城市数字经济与制造业高质量发展耦合协调度的全局莫兰值

Tab.6 Global Moran's I value of coupling coordination degree between the digital economy and the high-quality development of manufacturing industry in 41 cities of Yangtze River Delta urban agglomeration

年份 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
M o r a n ' s   I 0.421 0.295 0.413 0.434 0.350 0.354 0.231 0.322 0.291 0.236
Z值 4.718 3.412 4.584 4.804 3.913 4.008 2.731 3.621 3.349 2.801
p值 0.001 0.001 0.001 0.001 0.001 0.001 0.004 0.002 0.002 0.003

2.2.3.2 局部相关性分析

基于空间邻近距离权重，利用GeoDa软件，测算2012、2015、2018、2021年的局部 M o r a n ' s   I指数，绘制了局部LISA集聚图（图2）。具体来看：①2012年，“高—高”集聚区主要集中在上海、苏州等8个城市，“高—低”集聚区仅徐州1个城市，“低—低”集聚区主要集中在宿州、淮北、蚌埠、亳州、淮南、阜阳6个城市；②2015年，“高—高”集聚区进一步增加，主要集中在上海、苏州、南通、无锡、常州、镇江、嘉兴、湖州、绍兴9个城市，“低—低”集聚区进一步减少，主要集中在淮北、蚌埠、亳州、淮南、阜阳5个城市；③2018年，“高—高”集聚区减少1个，主要集中在上海、苏州、南通、无锡、常州、镇江、嘉兴、绍兴8个城市，“低—低”集聚区进一步增加，主要集中在淮北、蚌埠、亳州、淮南、阜阳、安庆和黄山7个城市，“低—高”集聚区主要集中在湖州1个城市；④2021年，“高—高”集聚区进一步减少，主要集中在上海、苏州、南通、无锡、常州、镇江、嘉兴7个城市，“低—低”集聚区进一步减少，主要集中在亳州、蚌埠、阜阳、淮南、池州5个城市，“低—高”集聚区主要集中在湖州和绍兴2个城市。整体而言，通过典型年份集聚图分析，可以发现数字经济与制造业高质量发展耦合协调发展水平在空间上呈现显著的“高—高”和“低—低”集聚的空间关联特征，且“高—高”空间聚集类型主要集中在上海、江苏，“低—低”空间集聚类型主要集中在安徽。这表明虽然随着长三角一体化战略的深入实施，数字经济与制造业高质量发展的耦合协调发展水平不断优化，空间差异在逐年缩小，呈现分散化、均衡化演化趋势，但各城市仍然存在发展不平衡的问题。
图2 长三角城市群数字经济与制造业高质量发展耦合协调度LISA集聚图

Fig.2 LISA cluster diagram of coupling coordination degree between the digital economy and the high-quality development of manufacturing industry in Yangtze River Delta urban agglomeration

3 耦合协调影响因素分析

由前文时空演化分析可知，长三角城市群数字经济与制造业高质量发展的耦合协调水平存在显著的空间正向关联和时空分异特征，需要考虑空间因素。本文主要从经济发展水平、政府干预、对外开放度、利用外资水平、人力资本水平、金融发展水平、产业结构优化7个方面考察数字经济与制造业高质量发展耦合协调度的影响因素。

3.1 基准回归结果分析

本文利用Stata15计量软件分析长三角城市群数字经济与制造业高质量发展的耦合协调影响因素。LM检验、WALD检验和LR检验均通过5%的显著性检验，表明空间杜宾模型优于空间滞后模型和空间误差模型，Hausman统计值为105.580，P值为0.0000，说明固定效应模型优于随机效应模型，且时间固定杜宾模型的结果更优。因此，本文采用时间固定的空间杜宾模型进行实证分析。
选择面板Tobit模型和时间固定的面板数据空间杜宾模型进行检验分析，检验结果见表7。由表7可知，面板数据空间杜宾模型回归结果与Tobit回归结果估算的系数、方向上存在不一致，且空间自相关系数ρ通过1%的显著性检验，表明长三角城市群数字经济与制造业高质量发展的耦合协调度存在正向空间相关性，即本地的耦合协调度可以正向影响邻近地区的耦合协调度。
表7 基准空间计量回归结果

Tab.7 Results of baseline spatial econometric regression

变量 Tobit SDM
ed 0.0234***（0.0074） 0.1413***（0.0205）
gi -0.2052***（0.0564） -0.8359（0.1151）
hc 0.0236（0.2021） -0.6369*（0.3301）
fd 0.0072（0.0079） 0.0565***（0.0137）
fdi 0.2563（0.1744） 0.9827***（0.2879）
iso -0.0057（0.081） 0.1935***（0.0162）
ρ（rho） 0.9778***（0.0051） 0.3021***（0.0670）
观测值 410 410
Log likelihood 845.3583 444.0730

注：括号内为对应的标准误，***、**、*分别表示在1%、5%和10%的水平上显著。表8同。

3.2 直接效应和间接效应分析

表8报告了长三角城市群41个城市各影响因素对数字经济与制造业高质量发展耦合协调度的直接效应、间接效应和总效应估算结果。其中，经济发展水平、金融发展、利用外资水平和产业结构优化的直接效应估计系数显著为正，间接效应的估计系数不显著或者显著为负，说明经济发展水平、金融发展、利用外资水平和产业结构优化的提高对本地数字经济与制造业高质量发展的耦合协调度具有显著的促进作用，但对周边邻近地区的溢出效应不显著或者具有抑制作用；政府干预的直接效应估计系数显著为负，间接效应的估计系数显著为负，说明政府干预对本地和周边邻近地区数字经济与制造业高质量发展的耦合协调度生产显著的抑制作用，要最大限度地减少政府对市场活动的直接干预，以“政府有为”推动“市场有效”；对外开放度的直接效应估计系数显著为负，间接效应的估计系数为负但不显著，说明对外开放度对本地数字经济与制造业高质量发展的耦合协调度具有显著的抑制作用，但对周边邻近地区的溢出效应不显著；人力资本的直接效应估计系数为负但不显著，间接效应的估计系数显著为负，说明人力资本对本地数字经济与制造业高质量发展的耦合协调度影响不显著，但对周边邻近地区的耦合协调度具有显著的负向抑制作用。
表8 空间溢出效应检验结果

Tab.8 Test results of spatial spillover effect

变量 直接效应 间接效应 总效应
ed 0.1634***（0.0168） -0.0037（0.0438） 0.1596***（0.0482）
gi -0.5100***（0.1019） -0.5897*（0.3236） -1.0997***（0.3625）
hc -0.1013（0.2787） -2.4828**（0.9723） -2.5841**（1.0647）
fd 0.0456***（0.0112） -0.0106（0.0405） 0.0350（0.0415）
ou -0.0187**（0.0077） -0.0001（0.0776） -0.0189（0.0835）
fdi 0.5109**（0.2444） -2.5763***（0.9110） -2.0654**（0.9476）
iso 0.1390***（0.0160） -0.1774***（0.0589） -0.0384（0.0686）

3.3 稳健性检验

为了进一步验证基准空间计量回归结果的稳定性，本文采用邻接权重代替空间距离权重，同时，制造业高质量发展指标评价体系中使用“规模以上企业制造利润总额（亿元）”代替“规模以上高端装备制造业企业主营业务收入/平均用工人数（亿元/万人）”，数字经济发展指标评价体系中使用“函件（亿件）”代替“快递（万件）”，根据新的评价指标体系重新计算两大系统的耦合协调度，进行稳健性检验。稳健性检验的回归结果与基准模型回归结果基本一致，说明研究结论是稳健的。

4 结论与建议

4.1 主要结论

本文基于2012—2021年长三角城市群41个城市面板数据，测算了数字经济与制造业高质量发展的耦合协调度，分析了其时空演化特征，并结合空间邻近距离矩阵，利用空间杜宾模型探究了耦合协调度的影响因素。得出以下结论：
①数字经济与制造业高质量发展的耦合协调度不断增强。从整体上看，长三角城市群数字经济与制造业在时序演化特征方面呈现高度耦合协调发展趋势。从城市层面看，也呈现出明显的地区差异性，其中上海的耦合协调度一直处于优质协调阶段，位列第一；苏州耦合协调度由2012—2017年的良好协调阶段，上升到2018—2021年的优质协调阶段，位列第二；杭州处于中级协调阶段，位列第三；宁波、南京、无锡、常州、南通、合肥紧随其后，处于初级协调阶段；而淮南、衢州和亳州3个城市的耦合协调度最低，处于中度失调阶段；其余城市处于勉强协调、濒临失调和轻度失调阶段。
②不同区域数字经济与制造业耦合协调水平存在较大差异，提升空间较大。从空间演化特征看，41个城市耦合协调水平跨度从严重失调到优质协调9个等级，且优质协调、良好协调和中级协调占比很低，还有很大的提升空间；从空间相关性看，41个城市耦合协调度呈现显著的全局和局部空间相关性，表现为空间集聚特征。
③相邻城市之间数字经济与制造业耦合协调度相互影响且正负作用存在一定差异。长三角城市群数字经济与制造业高质量发展的耦合协调度存在空间相关性，即本地的耦合协调度可以影响邻近地区的耦合协调度。其中，经济发展水平、金融发展水平、利用外资水平和产业结构优化对邻近地区的耦合协调度具有显著的正向促进作用，政府干预、对外开放度对邻近地区的耦合协调度具有显著的抑制作用，而人力资本的估算系数虽然为正，但没有通过显著性水平检验。

4.2 对策建议

①强化顶层设计，制度化规范化构建长三角城市群数字经济与制造业高质量发展的协同发展机制。长三角区域各城市基础条件和资源禀赋存在较大差异，一方面要充分依托各地区的资源禀赋、区位优势和产业基础比较优势，搭建跨区域跨部门综合信息共享平台，加强区域协作，统筹规划，合理布局，提升制度供给的质量和效率，因市施策，以差异化错位竞争，推动制造业高质量协同发展；另一方面，要充分激励和引导各利益相关体，激发数字经济“牵引力”，赋“智”制造业，促进数字经济与制造业高质量发展的高效融合，多措并举，加速推动长三角城市群形成数字经济与制造业高质量发展的优势互补、良性互动、协调有序的区域发展格局。
②强化辐射带动，充分发挥高耦合协调地区（上海、苏州、杭州）的示范带动效应并推进低耦合协调度地区向高耦合协调度地区蜕变。要积极促进长三角城市群数字经济与制造业高质量发展的耦合协调度良性共振、正向扩散，以沪、苏、杭为代表的高耦合协调度区域要充分利用自身的辐射影响功能，促进区域的协调发展。相邻区域之间要充分利用各自的优势资源，形成资源互补，构建以上海、苏州、南京、杭州等为核心的多中心发展格局，推动资源的有效流通和聚集，从而形成优势互补，高质量发展城市群制造业网络集群。对低耦合协调度聚集地区，要打破城市界限，推动加强与高耦合协调地区的交流合作，积极利用数字经济技术手段，打破物理鸿沟和交通壁垒，强化各自城市在城市群空间布局中的关键节点地位和特殊作用，同时还要谨防低耦合协调度集聚地区对高耦合协调度集聚地区的侵蚀和破坏，大力缩小各省市之间的差距，提升空间集聚效应，实现区域协同均衡化发展。
③强化支撑保障，为长三角城市群数字经济和制造业高质量耦合协同发展及其示范作用发挥提供动力。要以数字化技术为重要技术手段，加大对城市群之间数字经济关键共性技术研发和推广力度，打造城市群制造业共性公共服务平台，推动高水平数字经济产业人才在区域之间流动共享，推动制造业产业利用数字经济手段在城市群之间合理分工合作，推动产业链、创新链、人才链、资金链等资源在城市群空间高效分布，以金融发展为抓手、提高利用外资效能，加快产业结构优化；同时，要减少政府干预，充分发挥市场对资源配置决定性作用；打破空间壁垒，促进要素自由流动，充分发挥外商直接投资的技术转移正向溢出效应，提升引资效能；此外，要加大力度放大经济发展水平、金融发展、利用外资水平和产业结构优化的正向溢出效应，减小或消除政府干预、对外开放度、人力资本的负向溢出效应，为长三角城市群数字经济与制造业高质量发展的耦合协同水平提升提供物质基础、智力资本和资金支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
埃比尼泽·霍华德. 明日的田园城市[M]. 北京: 商务印书馆, 2002.

[2]
Gottmann J. Megalopolis or the urbanization of the northeastern seaboard[J]. Economic Geography, 1957, 33(3):189-200.

[3]
鲍宗豪, 李振, 向昆. 区域社会发展与城市化进程的融合——深圳、珠海、浦东城市化进程的启示[J]. 社会科学, 2000(6):60-64.

[4]
张亚丽, 项本武. 城市群一体化水平的测度及其经济增长效应研究——来自中国十大城市群的经验证据[J]. 宏观经济研究, 2021(12):136-148,158.

[5]
闫东升, 孙伟, 李平星, 等. 长三角一体化区域扩容的城市创新发展效应研究[J]. 地理研究, 2022, 41(9):2568-2586.

DOI

[6]
丁任重, 许渤胤, 张航. 城市群能带动区域经济增长吗?——基于7个国家级城市群的实证分析[J]. 经济地理, 2021, 41(5):37-45.

DOI

[7]
刘镇, 潘泽云. 城市群政策与方言多样性对城市文化发展与协调的影响——基于多期双重差分法的分析[J]. 地域研究与开发, 2022, 41(4):65-70.

[8]
孙红梅, 雷喻捷. 长三角城市群产业发展与环境规制的耦合关系:微观数据实证[J]. 城市发展研究, 2019, 26(11):19-26.

[9]
Tapscott D. The Digital Economy:Promise and Peril in the Age of Networked Intelligence[M]. New York: Mc Graw-Hill, 1996.

[10]
荆文君, 孙宝文. 数字经济促进经济高质量发展:一个理论分析框架[J]. 经济学家, 2019(2):66-73.

[11]
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.

[12]
宋洋. 经济发展质量理论视角下的数字经济与高质量发展[J]. 贵州社会科学, 2019(11):102-108.

[13]
李清华, 何爱平. 数字经济对区域经济协调发展的影响效应及作用机制研究[J]. 经济问题探索, 2022(8):1-13.

[14]
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(6):87-94.

[15]
曹正勇. 数字经济背景下促进我国工业高质量发展的新制造模式研究[J]. 理论探讨, 2018, 35(2):99-104.

[16]
李海舰, 田跃新, 李文杰. 互联网思维与传统企业再造[J]. 中国工业经济, 2014(10):135-146.

[17]
王德祥. 数字经济背景下数据要素对制造业高质量发展的影响研究[J]. 宏观经济研究, 2022(9):51-63,105.

[18]
蔡跃洲, 牛新星. 中国数字经济增加值规模测算及结构分析[J]. 中国社会科学, 2021(11):4-30,204.

[19]
李英杰, 韩平. 数字经济下制造业高质量发展的机理和路径[J]. 宏观经济管理, 2021(5):36-45.

[20]
周清香, 李仙娥. 数字经济与黄河流域高质量发展:内在机理及实证检验[J]. 统计与决策, 2022, 38(4):15-20.

[21]
陈修颖, 汤放华. 城乡一体化背景下地方府际关系重构与政府职能转型[J]. 经济地理, 2014, 34(12):78-84,132

[22]
罗军, 邱海桐. 城市数字经济驱动制造业绿色发展的空间效应[J]. 经济地理, 2022, 42(12):13-22.

DOI

[23]
余鹏, 马珩. 基于面积灰关联相对贴近度模型的长三角制造业产业升级研究[J]. 运筹与管理, 2021, 30(3):177-182.

DOI

[24]
张柯贤, 黎红梅. 城市群数字经济发展水平的空间差异及收敛分析[J]. 经济地理. 2022, 42(9):120-128.

DOI

[25]
朱勤, 孙元, 周立勇. 平台赋能、价值共创与企业绩效的关系研究[J]. 科学学研究, 2019, 37(11):2026-2033,2043.

[26]
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.

DOI

[27]
陈永伟, 陈志远, 阮丹. 中国省域数字经济的发展水平与空间收敛性分析[J]. 统计与信息论坛, 2023, 38(7):18-31.

[28]
丛屹, 俞伯阳. 数字经济对中国劳动力资源配置效率的影响[J]. 财经理论与实践, 2020, 41(2):108-114.

[29]
李史恒, 屈小娥. 数字经济赋能制造业高质量发展:理论机制与实证检验[J]. 经济问题探索, 2022(10):105-117.

[30]
高运胜, 杨阳. 全球价值链重构背景下我国制造业高质量发展目标与路径研究[J]. 经济学家, 2020(10):65-74.

[31]
邓峰, 任转转. 互联网对制造业高质量发展的影响研究[J]. 首都经济贸易大学学报, 2020, 22(3):57-67.

[32]
李炎亭, 李柯. 数字金融与制造业高质量发展:理论分析与实证检验[J]. 兰州大学学报:社会科学版, 2023, 51(5):60-74.

[33]
谢伟丽, 石军伟, 张起帆. 人工智能、要素禀赋与制造业高质量发展——来自中国208个城市的经验证据[J]. 经济与管理研究, 2023, 44(4):21-38.

[34]
吕明元, 麻林宵. 中国省域大数据与制造业融合测度分析——基于2013—2018年中国省级面板数据[J]. 技术经济, 2022, 41(1):88-100.

[35]
薛明月. 黄河流域经济发展与生态环境耦合协调的时空格局研究[J]. 世界地理研究, 2022, 31(6):1261-1272.

[36]
施炳展, 李建桐. 互联网是否促进了分工:来自中国制造业企业的证据[J]. 管理世界, 2020, 36(4):130-149.

[37]
郭芸, 范柏乃, 龙剑. 我国区域高质量发展的实际测度与时空演变特征研究[J]. 数量经济技术经济研究, 2020(10):118-132.

[38]
Tobler W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970,46:234-240.

Options
文章导航

/

〈 〉