EN中文

经济地理 >

2024 , Vol. 44 >Issue 9: 56 - 66

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.09.007

区域经济与理论方法

省域数据要素市场对区域协调发展影响的空间效应

  • 贺灵 , 1 ,
  • 苏玲 , 2, 3, ※
展开
  • 1.湖南科技大学 商学院，中国湖南 湘潭 411201
  • 2.湖南财政经济学院，中国湖南 长沙 410205
  • 3.湖南科技大学 马克思主义学院，中国湖南 湘潭 411201
※苏玲（1973—），女，博士，研究员，硕士生导师，研究方向为管理与思政教育。E-mail：

贺灵（1980—），男，博士，副教授，硕士生导师，研究方向为数字经济与区域发展。E-mail：

收稿日期: 2024-01-19

  修回日期: 2024-07-19

  网络出版日期: 2024-10-31

基金资助

国家社会科学基金一般项目(24BJY115)

收起

Spatial Effect of Provincial Data Factor Market on Region Coordinated Development

  • HE Ling , 1 ,
  • SU Ling , 2, 3, ※
Expand
  • 1. Business School，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China
  • 2. Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 3. School of Marxism，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China

Received date: 2024-01-19

  Revised date: 2024-07-19

  Online published: 2024-10-31

Fold

摘要

文章基于2011—2022年中国30个省域的相关数据，从大数据政用、商用、民用和人民生活水平、基本公共服务等方面分别构建省域数据要素市场发展和区域协调发展水平评价指标体系，采用熵权法、ArcGIS空间分析等方法测度和考察了两者的发展水平和时空分布特征；同时借助空间杜宾模型检验了数据市场对区域协调发展的本地效应、空间溢出效应及其异质性。结果表明：①在空间分布上，中国各省域数据市场水平呈东高西低空间特征，区域协调发展水平有明显空间相关性。②中国各省域间数据市场水平随时间推移呈收敛趋势，区域协调发展高水平俱乐部成员逐渐增加，低水平俱乐部成员不断减少。③数据市场水平提升既能促进本地协调发展，又能通过区际示范和业务关联作用于外地协调发展水平即产生空间溢出效应，且本地效应大于溢出效应、长期效应超过短期效应。④数据市场发展的影响效应存在区域异质性和阶段异质性，在胡焕庸线东南半壁本地效应和空间溢出效应更明显，且2017年后空间效应显著增强。研究结论为构建数据要素市场化配置机制以及助力区域高质量协调发展提供了理论借鉴和实证参考。

关键词： 数据要素市场; 区域协调发展; 数字经济; 异质性; 本地效应; 空间溢出效应

本文引用格式

贺灵 , 苏玲 . 省域数据要素市场对区域协调发展影响的空间效应[J]. 经济地理, 2024 , 44(9) : 56 -66 . DOI: 10.15957/j.cnki.jjdl.2024.09.007

Abstract

Based on the relevant data of 30 provincial-level regions from 2011 to 2022,the evaluation index system of provincial data market development and region coordinated development (RCD) was constructed from the perspectives of "big data development in commercial,civil and government field",and "people's living standards","basic public services" etc. The entropy weight method and ArcGIS was used to investigate their development level and spatial distribution characteristics. By using spatial Durbin model,the local and spatial spillover effect of data market on RCD and its heterogeneity are tested. The results show that: 1)In terms of spatial distribution,the development level of provincial data markets presents spatial characteristics of "high in the east and low in the west",and the RCD level has obvious spatial correlation. 2)The development level of inter-provincial data markets shows a convergence trend with the passage of time,and the members in relatively high-level club of RCD gradually increase,while the members in low-level club decrease. 3)The data market level not only promotes the local coordinated development,but also exerts spatial spillover effect on other regions through inter-regional demonstration and business association,and the local effect is greater than the spatial spillover effect,the long-term effect outweighs the short-term effect. 4)There is obvious region and stage heterogeneity in the effect of data market. In the southeast of the Hu huanyong Line,the local and spatial spillover effect are more obvious,and the spatial effect significantly enhanced after 2017. The research conclusions provide theoretical and empirical reference for the construction of data factor market-oriented allocation mechanism and promoting region high-quality coordinated development.

Key words： data factor market; region coordinated development; digital economy; heterogeneity; local effect; spatial spillover effect

党的二十大报告强调要“深入实施区域协调发展战略”，构建促进区域协调发展的新机制。如何通过新机制构建来解决区域发展不平衡不充分的问题，有效缩小区域发展差距，促进区域发展新格局的形成，成为学术界和实践领域高度关注的课题。数据要素市场（以下简称数据市场）的发展为解决区域发展非均衡问题提供了新思路。数据要素具有高渗透性、高融合性等特征且能产生价值倍增效应，数据市场发展能弥补传统要素禀赋欠缺、促进要素合理配置、推动绿色研发创新、加快市场整合与消费扩容、提升政府行政效率，进而促进区域协调发展。故培育和发展数据市场很可能成为促进区域协调发展的重要新机制。在此背景下，探讨数据市场培育对区域分化的弥合与矫正作用，科学识别数据市场发挥的实际效应进而优化区域发展的政策设计，具有重要的理论价值和现实意义。
目前，与本文密切相关的研究主要集中在以下3个方面：①区域协调发展的内涵、测度及驱动因素。学术界主要围绕区域协调发展的实践演进与阶段识别、内涵演化与逻辑框架、水平测度及影响因素[1]展开研究。有研究认为，区域协调发展是动态演化的概念，我国区域发展经历了从平衡发展到不平衡发展、再到协调发展的战略转变[2-3]。还有研究发现，数字经济[4]、产业转移[5]、人口回流[6]、高铁建设[7]等会影响区域协调发展或经济包容性增长。②数据市场的内涵特征、运行机制及影响效应。数据市场是配置行为主体和组织机制的结合[8]；供求机制[9]、定价机制、产权制度、收益分配机制[10]是数据市场的主要运行机制。数据市场的发展能改善企业生产效率[11]、促进企业研发创新[12]。③数据市场与区域发展之间的关系。现有文献主要围绕数据市场建设对区域一体化发展的促进、数据要素集聚对区域发展差距的影响、数据要素市场化配置与地方经济的关系、公共数据平台建设对城市内地区协调发展的作用来分析。有研究认为，数据市场建设是推动区域一体化发展的新动能，但当前建设水平有待提高[13]；数据要素集聚能产生品牌效应和技术进步效应，长期内可缩小地区发展差距[14]；以数据交易平台建设为重要体现的数据要素市场化配置水平显著影响地方经济发展，且地方政府参与建立的平台其作用最明显[15]；政府公共数据开放平台构建能降低城市内各地区间的发展差距[16]。综上，国内外学者在相关领域的成果为本文提供了有益参考。现有文献虽探讨了数据要素或数据交易平台对区域发展的影响，但尚未从数据市场的视角探寻提升区域协调发展水平的新思路；现有文献大多只关注数字经济、数据要素对区域发展的本地效应，而忽略了因区际示范、业务关联等所产生的空间溢出效应。
基于此，本文首先从数据市场培育的新视角，构建突出区域主体性、体现“区际联系”的区域协调发展指标体系及数据市场水平指标体系，采用熵权法、ArcGIS空间分析等方法测度和分析其发展水平和时空分布特征；继而基于空间计量模型检验数据市场对区域协调发展影响的空间效应，并考察空间效应的异质性与传导机制，以期为提升区域协调发展水平提供一种新的研究思路和实现途径，为相关政策设计与优化提供理论依据和实证支持。

1 理论分析

1.1 本地效应

数据市场发展可为各地提供高质量数据要素并提升传统要素效能、催生更多就业形态、拓宽民众收入渠道和财富增长空间，为推动后发地区经济增长、缩小人民生活水平差距、实现生活保障水平大体相当的目标提供重要支撑；数据市场发展能提高公共部门的行政效率、优化公共服务种类和质量，增强后发地区民众对教育、医疗、文化等方面公共服务的可获得性，从而助力基本公共服务均等化目标的实现；数据市场发展能促进交通基础设施的数字化升级、提升其运行效率[17]，为实现基础设施通达程度比较均衡的目标提供支持；数据市场发展能推动资源要素的高效集聚与有序流动，有利于后发地区根据自身比较优势配置资源、形成地区经济合理分工从而促进区域协调发展；数据市场培育可为区域发展提供新要素、新动能，加快经济增长方式转变，有助于实现以“生态优先、绿色低碳”为根本特征的区域协调发展目标。此外，数据市场发展还可能通过加速市场整合与扩容[18]、优化公共服务供给[19]、改善要素配置效率[20]及促进绿色创新[21]等机制推动本地协调发展。

1.2 空间溢出效应

本地数据市场对外地协调发展可能会产生正向溢出效应。数据要素具有非竞用性、外部性、高渗透性等特征[22]。当某地数据市场供给品质提高、流通活力改善、应用深度增强时，会因数据的技术经济特性及地区间的业务关联对外地数据市场产生辐射作用，进而影响外地协调发展水平。某地在培育数据市场时所采取的强化数字技术创新、完善数据确权等基础制度的举措会引起外地产生策略性互动，加强制度学习、政策模仿与技术跟进，进而助力其区域协调发展。然而，空间溢出效应在相对落后地区的表现可能会弱些。在后发地区，数据市场化改革明显滞后，地方政府的服务思维、开放意识有待提升，且一些平台企业数据垄断的倾向明显，导致政府公共数据、商用数据的开放共享、交易流通不够充分，当地数据市场对外地协调发展的正向溢出有限。而在发达地区，数据市场化改革步伐较快，在地区间示范效应和竞争效应作用下各地数据市场良性互动进而对区域协调发展产生更明显的影响。

2 指标体系构建、研究方法与数据来源

2.1 省域内部协调发展指标及评价

新时代区域协调发展的本质内涵应是实现经济总量增长及结构优化，人民生活水平和基本公共服务差距逐步缩小，各地区基础设施通达性较均衡[23]，比较优势充分发挥且经济发展与资源环境相协调。本文从5个维度评价省域内部协调发展水平：①人民生活水平差距。人民基本生活保障水平大体相当是新阶段区域协调发展的重要目标之一。该维度可分解为地区经济发展水平差距、地区居民收入水平差距及地区居民消费水平差距3个方面。②基本公共服务差距。文化、教育、医疗、养老等方面的发展关系到民众切身利益，是影响和体现民众获得感的关键因素[24]。依据基本公共服务构成，将该维度细分为地区文化建设差距、地区居民受教育程度差距、地区医疗保障水平差距、地区城乡养老保障差距4个方面。③基础设施通达程度差距。基础设施通达性是衡量区域协调发展水平的关键依据，将其细分为地区公路发展差距、地区铁路发展差距和地区高效率出行差距3个方面。④地区比较优势发挥。各类要素的空间配置状况及产业在地区间分工是体现地区比较优势的重要方面，从劳动力、资本的配置效率及产业地区分工水平3个方面对其考察。⑤绿色低碳发展。绿色发展是新发展理念内涵的重要构成，更是区域协调发展的根本特征。该维度从能源消耗强度和环境保护力度2个方面衡量。借鉴黄群慧等的做法[25]并结合研究需要构建衡量区域协调发展水平的指标体系。表1中的“差距”类指标用来考察省域内各地级市间的发展差距，以体现区域协调发展中“区际联系”的内涵。
表1 省域内部协调发展水平评价指标体系

Tab.1 Evaluation index system of provincial region coordinated development level

一级指标 二级指标 具体测算方法 指标性质
人民生活水平差距 经济发展水平 地市间人均GDP的差距（元/人） 负向
居民收入水平 地市间居民人均可支配收入的差距（元/人） 负向
居民消费水平 地市间居民人均消费支出的差距（元/人） 负向
基本公共服务差距 文化建设 地市间公共图书馆人均藏书量的差距（册/人） 负向
居民受教育程度 地市间人均受教育年限的差距（年/人） 负向
医疗保障水平 地市间每万人医疗机构床位数的差距（张/万人） 负向
城乡养老保障 地市间城乡基本养老保险参保人数占比的差距（%） 负向
基础设施通达程度差距 公路发展 地市间公路里程密度的差距（km/百km2） 负向
铁路发展 地市间铁路营业里程密度的差距（km/百km2） 负向
高效率出行 地市间开通民航机场的地级及以上城市数占比的差距 负向
地区比较优势发挥 劳动力空间配置效率 各地市GDP与三次产业就业人数之比的差异 负向
资本空间配置效率 各地市GDP与固定资产投资之比的差异 负向
产业地区分工水平 各地市间产业结构差异化指数 正向
绿色低碳发展 能源消耗强度 单位GDP的能源消耗量（吨标准煤/万元） 负向
环境保护力度 工业固体废弃物综合利用率（%） 正向

注：人民生活水平差距、基本公共服务差距、基础设施通达程度差距所属二级指标值都通过求取变异系数获得，如“地区经济发展水平差距”通过求取某省域内地市间人均GDP的变异系数获得；通过求取标准差体现“各地市GDP与三次产业就业人数之比的差异”“各地市GDP与固定资产投资之比的差异”。

通过查阅各省区统计年鉴、《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国工业经济统计年鉴》《中国交通统计年鉴》等权威资料及借助国泰安数据网、中经网统计数据库等渠道获得指标原始数据。采用效用值法对数据作标准化处理并用熵权法确定指标权重，借助线性加权求和法将标准化指标数据和相应权重相乘求和逐层汇总，获得2011—2022年中国30个省域的协调发展指数值（不包括西藏和港澳台地区）。

2.2 数据市场发展指标及评价

在数据要素价值化过程中，大数据技术为其提供了关键性支撑[26]。相关研究和实践表明，大数据发展对数据市场的运行与完善发挥着重要作用。故大数据发展对区域协调发展的影响能近似体现数据市场发展的相应作用。参照《中国大数据发展报告》及相关研究成果，数据市场水平可从大数据政用、商用、民用3个方面来体现。首先，大数据政用关系到数据市场健康发展。公共数据在数据资源中占比很大，对数据开发利用发挥着基础性、引领性和示范性作用。政府利用数据要素实现公共服务政策的智能引导和精确推送，促成公共服务供给和民众实际需求的有效对接和精准匹配，满足民众多样化个性化需求。此外，政府应用数据要素和大数据技术实现对数据市场的有效监管，确保市场运行有序。故将数据开放水平、数字政务服务能力、大数据政策力度作为衡量大数据政用的指标。其次，大数据商用是数据市场发展的核心领域。企业在经营中产生了海量数据，并对交易所得的数据要素进行开发利用以获得有助于优化决策的有价值信息；同时，通过促进数据要素与传统要素融合来缓解信息不对称、提高生产效率、降低运营成本。借鉴赵云辉的做法，从“商业融合”与“商业普及度”2个方面衡量“商用指数”[27]。再次，大数据民用是数字消费需求的重要体现。民众的数字消费需求为数据市场发展提供了重要动能和有力引导，且大数据民用发展离不开网络基础条件的支撑。参考《中国大数据发展报告》及赵云辉的做法，从网络基础、便民通达、信息消费3个方面衡量大数据民用发展。
《中国大数据发展报告》测度了2016—2021年中国30个省域（不包括西藏和港澳台地区）数据市场水平，但缺乏2011—2015、2022年相关测度。为获取缺失年份数据，参照赵云辉做法[27]，采用“商用指数”以及体现网络基础的“民用指数”的加权平均值来度量数据市场水平。具体地，采用“有电子商务活动企业占比”体现商业融合，利用“每百家企业拥有的网站个数”体现商业普及度，进而求取商用指数；采用“人均移动互联网接入流量”衡量民用指数。数据从各省份统计年鉴获取及整理，测度方法同前文所提。

3 实证结果与分析

3.1 数据市场与区域协调发展水平的空间分布

图1展示了2011—2022年中国各省域数据市场发展（Dat）水平。由图1可知，多数省域Dat水平呈上升态势，全样本省域水平均值从2011年的22.07上升到2022年的39.61。然而地区差异仍较明显，东部省域水平相对最高，如浙江、江苏、广东、北京、上海等地2022年水平值都在60以上，中部省域的表现总体略高于全国平均水平，西部省域水平相对最低。可能的解释如下：西部某些省域内的企业和地方政府其数据开放共享意识并不强，数据孤岛现象突出，数据交易流通不充分。虽不少省域成立了大数据管理机构并出台了促进数据市场发展的政策文件，但市场监管存在诸多问题，一些省域政策文件集成度低、碎片化严重，政策具体落实不到位。数据市场基础制度完善程度在省域间也有较明显差异，如数据产权界定、数据价值评估体系构建，东部一些省域探索出了行之有效的规则，而中西部一些省域无明显突破。此外，东部省域数据市场发展所依托的人才和技术优势也明显超过中西部省域。
图1 2011—2022年中国各省域数据市场发展水平热力变化

Fig.1 Data factor market development level of provincial-level regions in China from 2011 to 2022

借助ArcGIS软件描画2012、2018和2022年各省域Dat水平的空间分布特征。从图2可知，随着时间推移在数据市场培育持续推进下，中等及较高水平的省域数逐渐增加，数据市场发育严重滞后的省域数量明显减少，且东中西部地区数据市场发展呈现较明显的收敛态势。近年来，各地政府逐步增加制度供给、完善公共数据授权运营机制、探索政府开放数据模式、强化公共数据安全保障，促进了大数据政用发展；各地企业等主体的商用数据应用思维日益强化，积极构建商用数据开发应用新模式，加快了大数据商用发展；各地区网络基础设施逐步完善、民众数字素养提升和数字消费需求升级促进了大数据民用发展。河南、贵州、湖北、陕西、黑龙江等省域各类数据交易平台的构建为推动数据市场发展提供了有力支持。
图2 2012、2018和2022年中国各省域数据市场发展水平空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号的地图制作，底图无修改。图4、图5同。

Fig.2 Spatial distribution of data factor market development level in 2012，2018 and 2022

图3展示了2011—2022年中国各省域的区域协调发展（Rcd）水平。由图3发现，大部分省域Rcd水平总体呈改善趋势，全样本省域的Rcd水平均值从2011年的38.40上升到2022年的58.34。其中，北京、上海、广东、江苏、浙江等省域水平相对最高；新疆、青海、甘肃3省域水平相对最低，2022年3省域水平均值仅为31.25。进一步结合经济社会实践分析，我国的问题区域集中体现为“穷堵老”三类。其中，新疆、青海、甘肃是落后地区代表，要将提高基础设施通达程度及优化教育、医疗等公共服务供给放在突出位置；北京、上海水平较高但存在“堵”特征，既要加大文化、医疗投入也要适当控制人口规模，防止失去人均水平优势；“东三省”水平不算低但具有“老”特征，这类地区创新和经济发展动力不足，需强化人才引进、优化营商环境以激发活力。
图3 2011—2022年中国各省域区域内协调发展水平热力变化

Fig.3 Coordinated development level of provincial-level regions in China from 2011 to 2022

借助ArcGIS软件描画2012、2018和2022年中国各省域Rcd水平的空间分布特征。从图4可知，多数省域的Rcd水平有所改善，虽地区差异较明显，但总体上各省域间水平呈收敛态势。党的十八大以来，我国推动区域协调发展的顶层设计持续完善，实践创新不断深化，实际成效较为明显。2012年以来，区域经济增长呈明显收敛趋势，中西部省域GDP增速总体快于东部省域，尤其是“老少边”和脱贫地区居民人均可支配收入增速较快。国家在深入实施区域发展总体战略中，外资和沿海产业加快了向中西部省域转移步伐，提高了转入地产业和就业岗位分布与人口分布的匹配度，便于发挥中西部省域比较优势。特别是近年来，中央提出的构建区域协调发展新机制的目标任务正在抓紧落实，区域合作与互助机制、区际利益补偿机制、基本公共服务均等化机制的逐步推进对解决区域间发展不平衡问题发挥了明显作用。
图4 2012、2018和2022年中国各省域区域内协调发展水平空间分布

Fig.4 Spatial distribution of region coordinated development level in 2012，2018 and 2022

3.2 区域协调发展水平空间相关性

空间相关性分析可考察地理邻近的不同空间单元在某类指标上的关联性，以此刻画空间相关或空间集聚特征[28]。基于地理距离空间权重矩阵构造、计算及标准化处理全局Moran's I指数以评判区域协调发展水平是否存在显著空间相关性。结果表明，在2011—2022年绝大多数年份，全局莫兰指数值在5%水平上显著为正，少数年份指数值在10%水平上显著。检验表明，区域协调发展水平在全国层面存在明显的正空间相关性，且局部莫兰指数值随时间推移呈逐步增大态势。
选取2012、2018和2022年3个年份，构造、测算并标准化处理局部莫兰指数，以把握区域协调发展在局部省域间的空间关联特征及其对全局空间相关性的影响。从图5可知，多数省域或形成了“高协调水平—高空间滞后”集聚模式即高水平俱乐部，如上海、浙江、江苏等地，或形成了“低协调水平—低空间滞后”集聚模式即低水平俱乐部，如青海、新疆、甘肃等地。随着时间推移进入高水平俱乐部的省域逐步增加，而低水平俱乐部中成员明显减少。
图5 2012、2018和2022年中国各省域区域协调发展水平局部莫兰指数

Fig.5 Local Moran's index of region coordinated development level in 2012，2018 and 2022

3.3 数据市场水平对区域协调发展的空间效应

区域发展水平存在空间依赖性并非随机分布[29]，空间杜宾模型综合了空间滞后模型和空间误差模型的特征[30]，采用该模型检验数据市场对区域协调发展影响的空间效应。参考Elhorst的观点[31]并借鉴马丽君等的做法[32]，构建式（1）所示兼顾空间和时间效应的动态空间杜宾模型。
$$\begin{aligned} \ln R c d_{i t}= & \lambda \ln R c d_{i t-1}+\rho W \ln R c d_{i t}+ \\ & \zeta W \ln R c d_{i t-1}+\alpha_t \tau_n+\beta_1 \ln D a t_{i t}+ \\ & W \ln \operatorname{Dat}_{i t} \theta_1+\beta_2 \ln E n v_{i t}+\beta_3 \ln F d i_{i t}+ \\ & \beta_4 \ln \operatorname{Tr}_{i t}+\beta_5 \ln S y s_{i t}+u_n+\mu_t+\varepsilon_{i t}\end{aligned}$$
式中：i、t分别表示省域和时间；Rcd表示区域协调发展水平；Dat表示数据市场水平；Env、Fdi、Tra、Sys分别表示控制变量环境规制、外商直接投资、贸易开放度和制度环境； ρ表示Rcd水平的空间相关系数； u n、 μ t分别表示个体和时间固定效应； ε i t表示随机扰动项； α t τ n表示截距项； λ、 ζ分别表示本地和外地Rcd水平时间滞后项的待估计系数； β 1、 θ 1分别表示本地和外地数据市场对本地Rcd水平的影响系数； β 2、 β 3、 β 4、 β 5表示控制变量的待估计系数； W l n R c d i t、 W l n D a t i t分别代表外地协调发展和数据市场水平。构建地理邻接等4种空间权重矩阵并将其纳入模型估计，采用偏误修正最大似然法估计模型。从表2结果可知，lnRcd（-1）系数估计值大多为正且显著，表明前期Rcd水平影响当期水平，保持区域发展相关政策的持续性、连贯性及一致性具有重要意义。4种矩阵下的 ρ估计值分别为0.107、0.111、0.182、0.177。后2个估计值相对大，意味着若两地经济发展和人才储备较高水平接近，则更能促进各类资源在两地间流动，进而对Rcd水平的空间关联产生更大影响。
表2 动态空间杜宾模型估计结果(全国层面)

Tab.2 Estimation results based on dynamic space Durbin model (national level)

变量 地理邻接权重矩阵 地理距离权重矩阵 经济距离权重矩阵 人力资本距离权重矩阵
系数估计值 P值 系数估计值 P值 系数估计值 P值 系数估计值 P值
ln Rcd（-1） 0.178* 0.071 0.183** 0.046 0.190* 0.069 0.191* 0.066
W·ln Rcd（-1） 0.161** 0.036 0.164** 0.032 0.172** 0.041 0.184* 0.072
ln Dat 0.370** 0.038 0.383** 0.028 0.385* 0.081 0.391* 0.064
W·ln Dat 0.134** 0.041 0.143* 0.065 0.141* 0.068 0.162* 0.074
ρ 0.107* 0.067 0.111* 0.079 0.182** 0.036 0.177** 0.041
R-squared 0.902 0.913 0.924 0.926
Hausman 36.987*** 41.066*** 35.905*** 49.874**
Nobs 360 360 360 360

注：控制变量非本文关注重点，未报告其系数估计结果；***、**、*分别代表显著性水平为1%、5%和10%。表3~表6同。

进一步地，结合偏微分方程获得数据市场的空间效应估计结果。从表3可知，数据市场发展的本地效应及空间溢出效应在各种情况下大多为正，说明数据市场不仅能有效促进本地协调发展，对外地也有积极作用。就本地效应而言，数据市场发展、高质量数据供给能弥补后发地区传统要素禀赋不足并提升各类要素空间配置效率进而助力地区比较优势发挥，能推动绿色研发创新进而促进经济发展与资源环境相协调，能增加就业创业机会、改善后发地区居民收入状况进而缩小地区间生活水平差距，能促进各地政府公共服务供给优化，最终推动本地区协调发展水平提升。就溢出效应而言，各地间存在策略性互动，当某地致力于健全数据交易平台、丰富入市数据种类、优化数据定价方法、加大数据要素与数字技术的推广应用以提升数据市场治理与发展水平时，其他地区在竞争与示范效应下加强学习、模仿及再创新，进而在数据要素赋能下缩小该地人民生活水平差距，促进其基本公共服务均等化，提高其基础设施智能化水平及运行效率。某地数据市场发展还会因数据要素、数字技术的高渗透性对外地产生辐射，通过促进其数据市场水平提高间接推动该地协调发展。从表3还可看出，长期效应比短期效应要大，说明从数据市场发展到各类主体结合相关场景应用数据要素、数字技术进而作用于区域发展需经历一个过程。
表3 数据要素市场发展的本地效应与空间溢出效应

Tab.3 Local and spatial spillover effects of data factor market development

类别 地理邻接
权重矩阵		 地理距离
权重矩阵		 经济距离
权重矩阵		 人力资本距离
权重矩阵
模型1 模型2 模型3 模型4
短期本地效应 0.239**
（2.4016）		 0.246**
（2.3925）		 0.272**
（2.3656）		 0.279**
（2.3623）
长期本地效应 0.255**
（2.3875）		 0.262**
（2.4067）		 0.292*
（1.9366）		 0.301*
（1.9214）
短期溢出效应 0.164**
（2.3365）		 0.168**
（2.3416）		 0.179*
（1.9287）		 0.189**
（2.3408）
长期溢出效应 0.171*
（1.9208）		 0.178*
（1.9387）		 0.188**
（2.3904）		 0.197*
（1.9245）

注：表中括号内数值为标准误。表4~表6同。

为了检验研究结论在适当改变条件下是否仍成立，本文采用替换解释变量和被解释变量的方式展开稳健性检验。首先，从数据生成、数据使用、数据共享3个维度构建体现数据市场水平的指标体系。其次，借鉴王佃利等[33]在衡量区域协调发展水平时设置的指标及选择的方法测度各区域协调发展水平。检验发现，模型估计结果与之前所得结果保持一致，这说明研究结论具有足够的稳健性。

3.4 空间效应的异质性分析

3.4.1 区域异质性分析

不同地区的资源禀赋、制度环境、技术条件存在差异[34]，这些差异性特征很可能在数据市场作用于区域协调发展中产生影响。以胡焕庸线为划分标准，将全样本分为西北半壁和东南半壁2个子样本，考察数据市场的空间效应在2个子样本中的表现差异（表4）。
表4 胡焕庸线两侧地区异质性检验结果

Tab.4 Heterogeneity test results on both sides of Hu Huanyong line

类别 东南半壁 西北半壁
地理邻接
权重矩阵		 地理距离
权重矩阵		 地理邻接
权重矩阵		 地理距离
权重矩阵
短期本地效应 0.267**
（2.3142）		 0.272**
（2.3471）		 0.167*
（1.9196）		 0.174*
（1.9225）
长期本地效应 0.273**
（2.3561）		 0.281**
（2.4013）		 0.174**
（2.4105）		 0.181*
（1.9321）
短期溢出效应 0.183**
（2.4184）		 0.188**
（2.4214）		 0.106
（1.4519）		 -0.093
（-1.3028）
长期溢出效应 0.191**
（2.3623）		 0.195**
（2.4022）		 0.125*
（1.9234）		 0.126
（1.2684）

注：西北半壁包括甘肃、新疆、青海、宁夏、内蒙古、西藏，东南半壁涵盖其余省域。

从本地效应看，东南、西北半壁的数据市场培育皆显著促进了各自当地协调发展，且长期效应更明显。但相比西北半壁，数据市场对东南半壁各省域协调发展的推动效应要明显些，其系数估计值更大。东南半壁在经济发展水平、人力资本存量及其他资源禀赋方面明显优于西北半壁，前者凭借其经济社会发展优势能为相关省域内部协调发展在各类要素资源及制度环境方面提供更有力支持。从溢出效应看，东南半壁内数据市场的跨省域溢出效应表现为正且长期效应更明显；西北半壁内数据市场的正向溢出效应大多不明显甚至为负。东南半壁内数据要素市场化改革进程相对快些，内部各省域间倾向于形成竞相向上的良性策略互动，在公共数据开放共享、数据流通交易规则完善、数据应用场景开发、数据安全保护等方面相互学习、模仿改进，增强了对区域协调发展的空间溢出效应。西北半壁内各省域产业基础相对薄弱，地方保护较严重，整体制度环境质量较差，数据开放共享与开发应用度偏低。故当地数据市场对其他地区的正向溢出效应必然有限。有些地区甚至通过构筑数据“围墙花园”或凭借本地数据市场发展的相对优势来吸聚外地要素资源，对外地协调发展产生不利影响。

3.4.2 阶段异质性分析

每个阶段针对区域协调发展要实现的具体目标、进程及相应政策措施都有所差异，这些因素在数据市场作用于区域协调发展中可能产生不同影响。党的十九大报告明确提出“实施区域协调发展战略”，这是党中央在新时期的重大战略部署，标志着区域协调发展进入了全面提升阶段。本文以2017年党的十九大召开为分界点进行阶段异质性分析（表5）。
表5 阶段异质性检验结果

Tab.5 Phase heterogeneity test results

类别 党的十九大召开前 党的十九大召开后
地理邻接
权重矩阵		 地理距离
权重矩阵		 地理邻接
权重矩阵		 地理距离
权重矩阵
短期本地效应 0.207*
（1.9293）		 0.214*
（1.9346）		 0.286**
（2.4042）		 0.291**
（2.3874）
长期本地效应 0.214**
（2.3905）		 0.221*
（1.9563）		 0.296**
（2.3671）		 0.306**
（2.4224）
短期溢出效应 0.116*
（1.9319）		 0.103*
（1.9428）		 0.183**
（2.3884）		 0.187**
（2.3947）
长期溢出效应 0.129*
（1.9441）		 0.136
（1.4085）		 0.195**
（2.4016）		 0.199**
（2.4319）
就本地效应而言，2017年后数据市场对各地区内部协调发展的推动效应更明显，影响系数更大。就溢出效应而言，2017年前各地数据市场的空间溢出效应虽基本为正但系数估计值偏小且有的不显著；2017年后溢出效应明显许多，影响系数增大且显著性水平普遍提高。这些充分说明了党的十九大以来促进数据市场健康运行及推动区域协调发展的相关政策更加完善。例如，中央陆续出台了《粤港澳大湾区发展规划纲要》《关于构建数据基础制度更好发挥数据要素作用的意见》等重要文件。在中央科学合理的顶层设计引领与地方政府协同配合下，各地区功能定位、发展方向更加明确，各地比较优势得到更好发挥，地区间分工合作加强，区域发展活力持续激发。随着数据要素市场化改革进程加快，数据红利得到有效释放。数据要素的开放共享与开发应用突破了信息壁垒、弥合了资源差距、化解了供需矛盾，促进了各区域内部协调发展。

3.5 空间效应的传导机制分析

为了检验数据市场影响区域协调发展的传导机制，本文采用地区产品市场发育程度（Mar）、行政审批服务效率（Pub）、传统要素市场发育程度（Fin）、万人绿色专利授权数（Gin）分别作为市场整合效应、公共服务优化效应、要素配置效应、绿色创新效应的代理变量。指标数据来源于《中国（分省份）市场化指数报告》《中国科技统计年鉴》。构建递归模型检验4个中介效应。
从表6模型1估计结果可知，lnDat的系数估计值为0.225且显著，说明数据市场发展加速了市场整合，促进了市场提质扩容。模型2估计结果显示，数据市场与市场整合的系数估计值显著为正，且估计值0.204小于式（1）中相应估计值0.370，表明市场整合具有部分中介效应。模型3估计结果显示，lnDat的系数估计值为0.186且显著，说明数据市场发展对提高政府行政服务效率、优化公共服务供给有积极作用。数据市场发展使政府可借助高质量数据信息和数字技术面向公众多样化个性化需求提供精准公共服务，能促使政府部门强化服务意识、树立“服务思维”，从而提升政府公共服务能力。模型4估计结果显示，“行政审批服务效率”的系数估计值为0.171且显著，lnDat的系数估计值0.169小于0.370，表明公共服务优化具有部分中介效应。模型5估计结果显示，lnDat的系数估计值为0.228且显著，说明数据市场发展促进了传统要素配置效率的提升。模型6估计结果显示，要素配置效率系数估计值为0.179且显著，lnDat的系数估计值0.216小于0.370，表明要素配置效率具有部分中介效应。模型7估计结果显示，lnDat的系数估计值为0.241且显著，数据市场发展促进了各地区绿色创新，推动了绿色转型。模型8估计结果显示，绿色创新的系数估计值为0.258且显著，lnDat的系数估计值0.235小于0.370，表明绿色创新具有部分中介效应。
表6 传导机制的检验结果

Tab.6 Test results of the conduction mechanism

中介效应 市场整合效应 公共服务优化效应 要素配置效应 绿色创新效应
模型1 模型2 模型3 模型4 模型5 模型6 模型7 模型8
被解释变量 lnMar lnRcd lnPub lnRcd lnFin lnRcd lnGin lnRcd
被解释变量（-1） 0.089**（2.837） 0.128*（1.964） 0.187**（2.446） 0.098**（2.515） 0.139**（2.306） 0.118**（2.241） 0.197**（2.386） 0.161***（3.842）
lnDat 0.225**（2.402） 0.204**（2.397） 0.186**（2.413） 0.169***（3.741） 0.228**（2.603） 0.216**（2.397） 0.241**（2.389） 0.235**（2.416）
M（中介变量） - 0.247**（2.369） - 0.171**（2.415） - 0.179**（2.374） - 0.258**（2.462）
观测值 360 360 360 360 360 360 360 360
Hausman检验值 25.98 39.74 55.87 16.96 10.21 63.66 9.67 6.32
调整后的R2 0.954 0.884 0.912 0.897 0.905 0.896 0.925 0.887

4 结论与建议

4.1 主要结论

本文首先从大数据政用、商用、民用3个方面构建数据市场发展评价指标体系，围绕人民生活水平等5个方面构建了评价中国各省域内部协调发展的指标体系；继而采用熵权法、ArcGIS空间分析等方法测度中国各省域数据市场水平和区域协调发展水平，并刻画了两者的时空分布特征；最后采用空间杜宾模型检验了两者间的空间关系。得出主要结论如下：①从时空分布看，数据市场水平的地区差异较明显，东部地区水平较高，西部地区较低，且随时间推移水平呈收敛态势。区域协调发展有路径依赖，区域政策应保持一定连贯性、持续性；各省域协调发展水平存在空间集聚特征，且随着时间推移进入高水平俱乐部的省域增多。相比数据市场，区域协调发展水平的地区差异更明显，应发挥数据要素乘数效应，增强数据市场在平衡区域发展中的作用。②数据市场培育能通过加速市场整合与扩容、优化公共服务供给等机制促进本地协调发展。各地存在策略性互动，本地完善数据基础制度、促进数据市场交易、强化市场技术创新的举措存在示范效应，可促使外地展开制度学习、政策模仿与技术跟进，提升该地协调发展水平；本地数据市场发展会因数据要素与数字技术的高渗透性对外地数据市场产生辐射，间接促进该地协调发展。③地理区位、发展阶段在数据市场空间效应发挥中存在影响。胡焕庸线东南半壁数据要素市场化改革进程更快，各省域形成竞相向上的策略互动，在政府数据开放共享、数据交易规则完善、数据利用场景开发方面彼此促进，发挥出更大溢出效应；西北半壁改革步伐较缓，产业基础薄弱，地方保护色彩较浓，溢出效应不明显甚至为负。党的十九大后，面向数据市场与区域协调发展的顶层设计、政策保障与机构设置力度增强，各地间互助合作机制持续完善，空间效应更加明显。

4.2 政策建议

基于上述结论，本文提出如下对策建议：
①各地区促进区域协调发展的政策需与数据市场培育结合起来，需将推动区域协调发展作为数据市场培育的重要方向。各省域要围绕市场的供给品质、流通活力、应用深度、制度基础来培育数据市场，增强对区域协调发展影响的本地效应。为了强化数据市场的溢出效应，各地区要克服行政壁垒构建起地区间互助与合作机制，统筹协调各类数据中心、数据交易所的空间布局，协同推动全国统一的政府数据开放平台建设，以促进数据资源实现跨行业、跨部门、跨区域流动。各地要健全市场监管体系，打破数据垄断，突破数据孤岛，破除数据“围墙花园”，加强各地间在数据基础制度建设、数字技术创新等方面的经验交流，增强数据要素、数字技术的跨地辐射功能，强化数据市场的空间溢出效应。
②培育数据市场的政策需与加快市场整合、优化公共服务供给、提升要素配置效率、促进绿色创新等措施协调配合。首先，各地要改变传统的地方政府竞争模式，抛弃以邻为壑的地方保护主义，破除阻碍统一市场建设的制度藩篱，取消对外地商品进入的数量限制、歧视性技术质量标准及各种不合理收费，将碎片化分割市场整合成统一市场，释放更大市场消费潜力。其次，要优化政府组织机构、完善行政审批流程，提高行政效率及民众满意度；以数字技术和数据要素应用促进政府服务意识增强，在“服务思维”主导下优化公共服务种类、品质。再次，要促进数据要素与劳动力、资本、技术等传统要素的深度融合以提高要素配置效率。依托大数据技术构建劳动力市场就业信息平台，提高劳动力供需匹配效率；通过数据要素、数字技术的应用构建数字化技术交易平台，提高技术交易的效率；借助大数据应用提高资本的配置效率，促使资本投入到更具前景的地区或部门。最后，要改变传统的政绩观，对地方官员的考核中要提高绿色低碳发展的指标权重，激发各类市场主体的绿色创新动力，推动各地绿色转型进程。
③对胡焕庸线两侧地区完善差异化的发展政策。在数据市场发展政策方面，西北半壁内各省域要加大培育数据要素市场的力度，发挥数据要素放大、叠加、倍增的乘数效应，以弥补传统要素资源禀赋和地理区位条件不足，突破传统资源要素约束、重构比较优势，缩小与东南半壁各省域的发展差距。这类地区要注重培育数据采集、标注、清洗等传统数据服务行业以提高数据供给品质；针对制度建设薄弱环节，通过完善数据产权制度、定价机制、收益分配制度来夯实数据市场制度根基。东南半壁内各省域要依托自身人才和技术优势加强数字技术研发，通过构建政府数据开放平台、探索政府数据授权运营模式、建设面向场景的数据交易体系来激发数据市场流通活力；通过促进公共数据开发利用、丰富企业数据开发场景、强化政企数据融合来增强数据市场应用深度。在区域发展政策方面，要在保持政策持续连贯的基础上动态调整，做到政策精细化、措施精准化。要给予西北半壁各省域在人才培养、转移支付、项目投资等方面更多扶持，缩小与相对发达地区间的人力资本距离和经济距离，促进各类资源在两类地区间的双向流动。东南半壁各省域要以营造公平竞争环境为导向逐步转变政府支持方式，积极鼓励其通过体制创新和制度型开放来获取改革红利，逐渐弱化传统优惠政策。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张超, 钟昌标. 我国区域协调发展时空分异及其影响因素[J]. 经济地理, 2020, 40(9):15-26.

DOI

[2]
李兰冰. 中国区域协调发展的逻辑框架与理论解释[J]. 经济学动态, 2020(1):69-82.

[3]
刘长庚, 巫骥. 中央财政转移支付对中国区域协调发展的促进效应[J]. 经济地理, 2023, 43(2):10-21.

DOI

[4]
姚常成, 沈凯玙. 要素流动视角下数字经济与区域经济的包容性增长效应[J]. 经济地理, 2023, 43(4):10-19.

DOI

[5]
严立刚, 曾小明. 东部产业为何难以向中西部转移:基于人力资本空间差异的解释[J]. 经济地理, 2020, 40(1):125-131.

DOI

[6]
林李月, 朱宇. 区域协调发展背景下流动人口回流的空间意愿及其政策含义[J]. 地理研究, 2021, 40(5):1515-1528.

DOI

[7]
郭艺, 曹贤忠. 高铁建设对特殊类型地区产业转型升级的影响:来自资源型城市的证据[J]. 地理研究, 2023, 42(5):1326-1342.

DOI

[8]
刘雅君, 张雅俊. 数据要素市场培育的制约因素及其突破路径[J]. 改革, 2023(9):21-33.

[9]
Zhang R J, Indulska M, Sadiq S. Discovering data quality problems[J]. Business & Information Systems Engineering, 2019, 6(15):575-593.

[10]
朱小能, 李雄一. 数据要素资产价格、交易收益与效用研究[J]. 经济学动态, 2023(9):33-52.

[11]
Faroukhi A Z, Alaoui I E, Gahi Y. Big data monetization throughout big data value chain:A comprehensive review[J]. Journal of Big Data, 2020(7):3-15.

[12]
徐翔, 赵墨非. 数据要素与企业创新:基于研发竞争的视角[J]. 经济研究, 2023(2):39-56.

[13]
涂建军, 李玥. 数字经济驱动区域一体化发展:作用机理和实现路径[J]. 上海交通大学学报:哲学社会科学版, 2024, 32(7):57-69.

[14]
苏婧, 赵城. 数据要素集聚能实现区域协调发展吗?:论大国区域发展的“集聚”与“协调”[J]. 财经科学, 2022(6):62-77.

[15]
杨艳, 王理. 数据要素市场化配置与区域经济发展:基于数据交易平台的视角[J]. 社会科学研究, 2021(6):38-52.

[16]
方锦程, 刘颖. 公共数据开放能否促进区域协调发展?——来自政府数据平台上线的准自然实验[J]. 管理世界, 2023, 39(9):124-142.

[17]
李苑君, 吴旗韬. 基于联网收费大数据的广东省高速公路交通流时空格局与形成机理[J]. 地理科学进展, 2023, 42(11):2113-2125.

DOI

[18]
杨芳, 张海. 数字经济驱动居民消费:作用机制与空间效应[J]. 地理科学进展, 2023, 42(5):837-851.

DOI

[19]
李琼, 李松林. 粤港澳大湾区基本公共服务与经济发展耦合协调的时空特征[J]. 地理科学进展, 2022, 41(9):1688-1701.

DOI

[20]
宋炜, 曹文静. 数据要素赋能、研发决策与创新绩效:来自中国工业的经验证据[J]. 管理评论, 2023, 35(7):112-121.

[21]
卢建霖, 蒋天颖. 数字金融对绿色创新效率的影响路径[J]. 经济地理, 2023, 43(1):141-147.

DOI

[22]
Goldfarb A, Tucker C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1):3-43.

[23]
朱翔, 何甜. 构筑中部地区高质量协调发展的新格局[J]. 地理学报, 2022, 77(12):3194-3202.

DOI

[24]
洪梦谣, 魏伟. 基本公共服务设施对居民满意度的作用机理研究:基于“城市人”理论视角[J]. 人文地理, 2023, 38(5):107-117.

[25]
黄群慧, 叶振宇. 中国区域协调发展指数报告(2021)[M]. 北京: 中国社会科学出版社, 2023.

[26]
戴魁早, 王思曼. 数据要素市场发展与生产率提升[J]. 经济管理, 2023, 45(6):22-43.

[27]
赵云辉, 张哲. 大数据发展、制度环境与政府治理效率[J]. 管理世界, 2019, 35(11):119-132.

[28]
彭文斌, 韩东初. 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

[29]
Lesage J P. What regional scientists need to know about spatial econometrics[J]. The Review of Regional Studies, 2014, 44(1):13-32.

[30]
彭文斌, 苏欣怡. 环境规制视角下城市绿色创新时空演变及溢出效应[J]. 地理科学, 2023, 43(1):41-49.

DOI

[31]
Elhorst J P. Spatial econometrics:From cross-sectional data to spatial panels[M]. Berlin:Springer, 2014.

[32]
马丽君, 刘聪. 省域旅游业高质量发展促进共同富裕的空间效应分析[J]. 经济地理, 2024, 44(4):210-219.

DOI

[33]
王佃利, 吕俊平. 区域协调发展的多维目标与推进路径研究:以山东省三大经济圈协同联动发展为例[J]. 宏观经济研究, 2023(5):104-116.

[34]
孙才志, 梁宗红. 全要素生产率视域下中国海洋经济增长动力机制研究[J]. 地理科学进展, 2023, 42(6):1025-1038.

DOI

Options
文章导航

/

〈 〉