EN中文

经济地理 >

2019 , Vol. 39 >Issue 2: 169 - 179

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.02.021

三农、土地与生态

我国数字化贫困地理集聚特征及时空演化机制

  • 彭继增 , 1, 2 ,
  • 陶旭辉 2, 3 ,
  • 徐丽 2
展开
  • 1.南昌大学 中国中部经济社会发展研究中心，中国江西 南昌 330031
  • 2.南昌大学 经济管理学院，中国江西 南昌 330031
  • 3.上海财经大学 公共经济与管理学院，中国 上海 200433

彭继增（1967—），男，江西泰和人，博士，教授。主要研究方向为产业经济与区域经济发展。E-mail：。

收稿日期: 2018-08-07

  修回日期: 2018-11-18

  网络出版日期: 2025-04-27

收起

Geographical Agglomeration Characteristic and Temporal & Spatial Evolution Mechanism of Digital Poverty in China

  • PENG Jizeng , 1, 2 ,
  • TAO Xuhui 2, 3 ,
  • XU Li 2
Expand
  • 1. Research Center of Central China Economic Development，University of Nanchang，Nanchang，Jiangxi 330031，China
  • 2. School of Economics& Management，University of Nanchang，Nanchang，Jiangxi 330031，China
  • 3. School of Public Economics and Administration，Shanghai University of Finance and Economics，Shanghai 200433，China

Received date: 2018-08-07

  Revised date: 2018-11-18

  Online published: 2025-04-27

Fold

摘要

数字化贫困是我国现阶段呈现的一种新形态的贫困。文章基于数字平台、数字能力、数字行政、数字生活四个方面构建地区数字化贫困指标体系，测度了我国31省市区2006—2015年数字化贫困指数，并剖析其时间和空间层面的演变及原因。进一步，运用基于邻接、地理距离、人力资本距离和距离衰减空间权重的空间杜宾模型进行了实证研究，研究结果表明：①我国数字化贫困减贫呈现两阶段特征；②数字化整体呈现由赤贫向精英阶层动态演进的社会移动，地理上呈现由东向西的“贪吃蛇”式推进特征，并且在地理上呈现一条南北贯穿的“数字化鸿沟”；③数字富裕地区对数字贫困地区的“空间极化效应”可能的衰减边界为160~200 km。最后，提出了相关政策建议。

关键词： 数字化贫困; 数字鸿沟; 地理集聚; 空间极化效应; 衰减边界; 精准扶贫; 信息化

本文引用格式

彭继增 , 陶旭辉 , 徐丽 . 我国数字化贫困地理集聚特征及时空演化机制[J]. 经济地理, 2019 , 39(2) : 169 -179 . DOI: 10.15957/j.cnki.jjdl.2019.02.021

Abstract

Digital Poverty is a new form of poverty in China at present stage. There is great theoretical value and practical significance of carrying forward digital poverty reduction by understanding the temporal characteristic and spatial evolution of the Digital Poverty in China. Based on the digital platform, digital capacity, digital administration and digital life, this paper constructed the index system of regional Digital Poverty. We measured digital poverty index of 31 provinces in China from 2006 to 2015, and then analyzed the evolution and reasons of its temporal and spatial characteristics. Furthermore, an empirical study is carried out by using SDM which is space-weight based on adjacency, distance,human capital and distance attenuation, and the results show that: The results indicated that China's process of Digital Poverty reduction have two stages. Digitized social strata movement presents dynamic evolution from extreme poverty to elite stratum. There is a "digital gap" running through the north and south. In addition, The possible attenuation boundary of the "spatial polarization effect" of the digital rich regions to the digital poverty areas is 160-200 km. Finally, relevant policy suggestions were put forward according to the empirical conclusion.

Key words： digital poverty; Digital Gap; geographical agglomeration; spatial polarization effect; attenuation boundary; targeted poverty alleviation; informatization

2013年11月习近平总书记到湖南湘西考察后，对扶贫工作作出了“因地制宜、精准扶贫”等重要指示，这极大地推动了相关理论的研究，贫困理论也逐渐成为经济学和地理学领域研究的焦点问题。随着数字化时代的来临，数字化的信息通用技术（ICT）逐渐作为一种全新的生产要素被投入到各生产中，提高了整体经济效益及促进了高新技术产业发展，加快了产业高端化、数字化、集群化，推动了新产业、新业态、新模式的快速兴起。然而，在中国实际的社会情境中，数字化的科学技术、信息、知识、文化带来的“数字红利”对于部分群体和地区来说根本难以获得。而东部沿海发达地区的“数字溢出”不仅无法打破由于空间距离产生的壁垒，导致一些地区和群体被排斥于数字化进程之外，产生“挤出效应”，而且东部沿海等发达地区会因数字化信息优势，通过“极化效应”，倒吸邻近欠发达地区的人才、资金，以致该地区缺少产业结构升级所需的人力、物力支持，进而地区之间产业结构进一步的失衡。这些群体及地区便因无法参与创造和分享以信息技术、科学管理知识、先进文化为基础的社会文明成果，从而呈现出一种新的贫困形态——数字化贫困。

1 文献综述

近年来，国内外学者针对这种数字化贫富差异展开了一系列的研究，第一类是针对数字化贫困概念的探究，这类研究大体可以分为三个阶段：第一个阶段：“数字鸿沟”的概念提出。美国国家通讯与信息管理局（NTLA）在1999年首次提出，认为数字鸿沟是在信息化时代那些掌握信息化工具的人与没能掌握者之间的差距现象。第二个阶段：“数字鸿沟”概念的延展和分野。针对数字鸿沟，学者们的认识从信息通信技术接入差别[1-2]，延展至通信技术的应用和培训机会差别上[3-4]；而后，数字鸿沟的概念阐述却开始产生了根本性的分野，认为数字鸿沟在于群体之间知识、信息、文化等禀赋的差异[5]。现如今，数字化技术更多的是被作为一种知识、信息等传播的载体和工具，而数字分化最终结果是个人认知、信息检索和汲取能力的差别，这种差别比“技术接入差异”和“技术培训机会差别”更难缩小。第三阶段：数字二分法（数字鸿沟）的摒弃，数字化贫困提出。这一阶段学者们不再一直关注数字间的鸿沟，而开始向“数字化推进”和“数字化贫困”两个方向研究。他们在关注信息化、数字化可以促进经济发展的同时[6-7]，另外一部分学者们已经开始关注数字化贫困，并从社会分化、社会排斥及社会不平等的角度呼吁不应按以往“数字鸿沟”思维来对待本已处于数字化劣势地位的地区和群体，他们迫切需要找到导致数字化贫困的根源和界定以及如何摆脱数字化劣势地位，而不是继续带着同情和批判告知数字贫困者他们与数字富裕者间的差别大小[8]。正如闫慧提出的，未来研究应该尽可能摆脱以往数字二分法思维的束缚，进而客观地描述复杂的数字社会[9]。努力细分数字化过程中面临各种贫困的地区、群体，用批判性的视角去剖析贫困背后的根源，这样出台的信息扶贫以及数字脱贫政策才能更切实际和更具有针对性。因此，国内外学者们针对数字贫困的概念很多，无论是采用Roxana、Prado提出的“信息购买力低”的叙述[10-11]，还是闫慧的“数字不平等的状态”[12]都难以从本质上全面地描述数字化贫困这一概念。本文采用周向红提出的概念，认为数字贫困指那些被剥夺了获得知识与信息的能力和机会的人们，不能够参与创造和分享以知识为基础的社会的文明成果的状态，其本质就是与现代化隔离，与对外开放无缘，与经济全球化无关，进而形成知识社会与信息社会的“落伍者”或“边缘化”群体和地区[13]。广义上说，数字化贫困是一种基于数字贫困基础上动态的描述。
第二类研究是针对数字化贫困及其话语体系对经济的影响展开。综观以往文献，数字化贫困尚处于概念界定和指标构建阶段，因此仍没有直接以数字化话语中的“数字化贫困”表述来研究其与经济关系的文献。大部分关于数字化的研究依然采用数字二分法的表述，如Boyd便论述了信息落差、信息检索以及收入之间的关系[14]。此外，更多的研究数字分化内容均是从政治经济学、社会学以及认知学领域出发的。该领域的主流学者甚至迫不及待地想将他们研究的数字化贫困与经济完全划清界限，代表人物有于良芝[15]，以及国外学者Chatman[16]、Britz[17]等。他们试图撇开因数字化产生的经济问题，单纯从正义、人权的角度去呼吁解决“数字化”中的不平等和贫困现象。这样的呼吁，既无法让数字资源分配者认识到数字化贫困的危害，更无法激励那些处于数字化贫困的群体和地区摆脱这种贫困现状。然而，数字化贫困的群体大多处于经济贫困，他们面临最直接和最现实的问题就是提高人力资本进而获得工作机会，因此通过建立数字化贫困与经济贫困之间的联系，是将他们从两种贫困同时解放出来的最有效的方式。当数字二分法的束缚被突破，数字经济的研究开始向两个方向发展，一方面是数字化推进，话语体系包括“信息通信技术”、“互联网发展”等。诸如，福莱斯特、Jalava&Pohjola、谢康、Catulli&Fryer、邱泽奇等指出信息化技术可以有效地提高劳动者的生产技能和效率、促进产业融合、降低能耗、改善劳动者职业结构，进而助推产业结构优化[18-22]。另一方面就是本文研究的对象——数字化贫困。闫慧从社会分层的角度，将我国数字化不平等划分为五个阶层：数字赤贫、数字贫困、数字中产、数字富裕、数字精英，但闫慧并未对五个阶层划分进行严格界定，也未能描述我国数字化阶层分布状况及特征[12,23]。周向红通过测度数字信息获取能力、数字信息供给能力、数字信息应用能力来构建数字化贫困指标体系，但个人数字能力的缺失只是导致数字贫困的部分原因，数字化贫困受社会、文化、政策等诸多因素影响[24]。在现存的国内外研究中，针对数字化贫困及其话语体系的内涵、定位和功能在政治经济学、社会学和认知学方面都有了很详尽的阐述。此外，对数字化贫困可能包含的维度、影响因素，及其带来的社会经济效应也都有不同程度的分析，为进一步探究提供了可能性。
在综观以往文献后，本文认为还存在以下几点可以改进：
一是对数字化贫困的研究仍处于围绕政治经济学、社会学、认知学的概念阐述和指标构建阶段，没能更进一步实证其对经济的影响。本文希望构建数字化贫困与产业结构升级的内在联系，并基于空间层面，通过实证分析结果，提出以精准的数字扶贫政策，促进产业结构升级，推动区域经济增长的同时，形成经济回馈数字化贫困的良性循环。二是文献研究数字化与经济的关系中，多停留于信息化技术层面而忽略数字化人力资本要素的重要性。包括一些主流学者在内，他们受一些政治理念的影响，希望让民众将注意力从资源分配差距引向技术渗透差距。此外，以往文献过多地关注于验证信息化普及对经济的正向推动作用，而忽略在现阶段各区域数字化贫困固化的现状下，数字化推进成本、效益是否相当。三是文献忽视了数字化贫困的区域差异、空间效应，没能从区域角度、空间演变层面对数字化贫困进行系统考察。
鉴于此，本文从数字平台、数字能力、数字行政、数字生活四个方面构建地区数字化贫困指标体系，探究数字化贫困的空间分布和集聚特征以及区域之间数字化贫困对产业结构升级空间演变机制。并利用中国2006—2015年省级面板数据，构建空间面板杜宾模型进行实证分析，以期为数字化减贫政策缩小区域差异提供科学依据。

2 研究方法和数据来源

2.1 数字化贫困指数的测算（DIP）

本文参考《中国信息社会发展报告》（2010—2016年）的中国信息社会指数（ISI）的设定，并结合数字化贫困的概念，从数字平台、数字能力、数字行政、数字生活四个维度构建了数字化贫困的指标体系，用于考察数字化贫困水平。
指标体系通过了Cronbach’s α信度系数检验、Friedman检验、Kendall的协同系数检验，最后经过熵值法，求得各指标权重赋值见表1。
表1 数字化贫困指标体系及权重赋值

Tab.1 Index system of digital poverty and its weights assignment

一级指标 权重 二级指标 权重 三级指标 权重 定义
数字平台指数 0.407 a1 0.1245 a11 0.06750 采用电子信息服务业收入
a12 0.05700 采用信息服务业企业个数
a2 0.0709 a21 0.07091 有线电视接入指数·50%+宽带接入指数·50%
a3 0.2116 a31 0.07221 地区网站数/地区人口总数
a32 0.07192 地区IP数/地区人口数
a33 0.06746 地区域名数/地区人口数
数字能力指数 0.290 b1 0.0730 b11 0.07331 50%×（1/宽带支出占人均GDP比重）/（1/0.5%）+50%×（1/移动电话支出占人均GDP比重）/（1/0.5%）
b2 0.2170 b21 0.06493 （成人识字率-50%）/（100%~50%）
b22 0.07650 财政性教育经费支出占地区GDP的比重/7%
b23 0.07581 大专及以上学历人口占劳动力人口的比重/45%
数字行政指数 0.077 c1 0.0770 c11 0.07651 联合国发布的电子政务发展指数
数字生活指数 0.226 d1 0.0718 d11 0.07180 移动电话普及率/160%
d2 0.0767 d21 0.07670 每百人平均电脑拥有量/100（国内）
d3 0.0774 d31 0.07744 互联网普及率/90%

注：①a11、a12数据来自《中国信息产业年鉴》（2008—2017年）；②a21、b11、d11、b21、b22、b23、d21数据来自国家信息中心《中国信息社会测评报告》或《中国信息社会发展报告》（2010—2016年）及《各省市统计年鉴》（2007—2017年）；③a31、a32、a33、d31数据来自《中国互联网发展报告》（第19—41次）；④c11来源于中国软件测评中心中国政府网站绩效评估统计数据。⑤文章二级指标及三级指标内容，读者如有需要可向文章作者索取。

针对数字化贫困指数，本文采用上文多指标熵值法赋权求得，所有指标都是正向，因此得出是效益型指标。在利用该指标进行空间面板模型估计时，为便于分析，将数字贫困指标通过标准化的方式从效益性指标转变成成本性指标，其他结果分析时一律未做变动，即数值越小，数字化贫困越深。

2.2 构建空间权重矩阵

本文为了测度我国数字富裕地区对数字贫困地区的空间“极化效应”，将空间权重矩阵设置为邻接标准，研究数字化贫困对产业结构升级的空间效应。此外，为了进一步综合测度该效应随着空间权重的演化，本文参考余泳泽[25]，在构建邻接标准的空间权重外，再分别加入了基于地理距离标准以及基于人力资本距离的空间权重矩阵进行综合对照分析。最后，为了测算数字化富裕地区对相邻数字化贫困地区“极化效应”的衰减的可能性边界，参考余泳泽的研究[26]，构建了衰减边界空间权重矩阵。限于篇幅，邻接、人力资本距离空间权重本文参考余泳泽[25]构建，在此不再赘述。
①地理距离标准空间权重矩阵
W i j = W i j ' ' i ≠ j 0 i = j
式中： W i j ' ' = W i j ' ∑ j W i j '； W i j ' = e - ∂ d i j； ∂ = 1 d i j , m i n。
根据地理学第一定律，两地距离越近，则其经济的相关性越强。本文构建基于空间距离的权重矩阵，以测度因为空间距离变化，数字化贫困对产业结构升级的效应。上式中i和j分别表示31省市区；dij为省会城市之间的坐标直线距离； ∂表示两城市之间最小距离的倒数； d i j , m i n是两城市之间最小距离； W i j '通过各城市距离计算出矩阵，为了进一步减少或消除外在因素影响，本文对 W i j '进行标准化，使矩阵每一行元素之和为1，得标准化后的权重为 W i j ' '。
②基于距离衰减可能性边界空间权重矩阵：
W i j = W i j ' ' d i j ≥ d 0 d i j d
式中： d = d i j , m i n , d i j , m i n + l , d i j , m i n + 2 l , … , d i j , m a x。
为了验证本文提出的空间“数字化鸿沟”出现的必然性假设，以及进一步考察数字化富裕地区对相邻数字化贫困地区的人才、资金等要素的空间“极化效应”衰减可能性边界，构建了上述权重矩阵。其中i、j、dij、 ∂、 W i j '、 d i j , m i n和前文指代和计算方式一致；两地区的省会城市之间的地理距离区间为[ d i j , m i n， d i j , m a x]； l指递进距离，因城市间距离最小差约为20 km，本文将递进距离设定为20 km，目的是将相邻较近的空间单元逐渐从空间回归中剔除；d为阈值，其作用在于观察参与回归的空间单元之间的距离逐步扩大时空间相关系数是否逐步降低。因相隔最近的两个城市北京和天津相隔103.6 km，特将第一次阈值设置为100 km。

2.3 空间杜宾模型[27]

Aselin、Elhorst等将面板模型与空间因素结合，构建了空间面板模型。本文为对数字化贫困空间演变特征，及其空间效应作进一步的分析，加入产业结构升级进行空间面板模型分析。以考察数字化贫困对产业结构升级的空间效应，并构建空间杜宾模型：
I S U i t = δ ∑ j = 1 n W i j I S U i j + α + D I P i t β 1 + C O N T R O L i t β 2 + ∑ j = 1 n W i t · D I P i j t θ 1 + ∑ j = 1 n W i t · C O N T R O L i j t θ 2 + u i + λ t + ε i t
式中： I S U i t 表示第 i地区t时刻产业结构升级； j指 j地区； δ是邻近地区对本地区产业结构升级影响的相关系数，用以解释产业结构升级的空间溢出效应； W i j是31省市区空间权重矩阵； α是常数项； β 1 , β 2分别指本地区数字化贫困水平、控制变量对本地区产业结构合理化的影响方向和程度； u i指地区固定效应； λ t指时间固定效应； ε i t指随机误差项； θ 1 , θ 2分别指相邻地区的数字贫困、控制变量（CONTROL）对本地区产业结构合理化的影响方向和程度。其中控制变量指代见2.4数据来源与数据处理。

2.4 数据来源与数据处理

本文从全国和省（市、区）两个层面对数字化贫困、产业结构升级及其他变量进行测度研究。数据来源于《中国信息产业年鉴2017》《中国统计年鉴2017》《中国信息社会测评报告》（2010—2016年）、《中国信息社会发展报告》（2010—2016年）及《各省市统计年鉴》（2007—2017年）、《中国互联网发展报告》（第19~41次），部分数据来源于中国软件测评中心中国政府网站绩效评估统计数据。受限于较多指标数据只更新到2015年，故本文在实证中选取2006—2015年全国和31省（市、区）数据进行分析。
具体变量设定为：①被解释变量——产业结构升级（ISU）：参考蓝庆新等的研究[28]，赋予三次产业与GDP比值不同权重求得。②主要解释变量——数字化贫困（DIP）：采用上文多指标熵值法赋权求得，所有指标都是正向，因此得出是效益型指标。在利用该指标进行空间杜宾模型估计时，为便于分析，将数字化贫困指标通过标准化的方式从效益性指标转变为成本性指标，其他结果分析时一律未做变动，即数值越小，数字化贫困程度越深。③控制变量——金融发展规模（FIQG）、金融资源配置效率（FRU）、金融存贷比（FDU）、经济发展水平（AGDP）、对外开放度（OPEN）、人力资本（LHM）。其中，金融发展规模为金融增加值/GDP；金融资源配置效率通过三阶段超效率DEA方法对以金融机构职工人数、金融机构贷款总额、财政支出作为投入变量；以金融产业增加值、第三产业增加值为产出变量；以地区GDP、地区人口作为环境变量衡量金融资源配置效率，求出最终值；金融存贷比采用金融机构贷款与存款余额之比；经济发展水平采用人均GDP；对外开放度采用进出口贸易额；人力资本采用第三产业劳动力数量和三产业总劳动力数量之比。
主要统计指标数据来源在表1的注脚处说明，金融数据分别来自Wind资讯金融终端、各省（市、区）统计年鉴（2007—2016年）整理而得。其中部分地区和年份的信息技术服务企业数、信息技术服务业收入数据补充于中华人民共和国工业和信息部网站数据统计。此外，因发现各省市信息发展报告和《中国信息社会发展报告》在年代数据统计上存在偏差，本文以各省信息发展报告为主。为了消除数据中个别极大或者极小且不符合常理的异常值对数据分析的影响，我们采用大于或者小于平均数的三个标准差来取代原来资料中的异常值。
由于本文研究指标数较多，并且中国香港、台湾、澳门的数据较难取得，所以本文没有将上述地区纳入研究范围。

3 结果及分析

3.1 数字化贫困减贫发展现状

我国数字化呈整体上升的趋势，全国数字化贫困指数由2006年的0.14上升至2015年的0.38，增幅171%（图2），而我国东、中、西部省（市、区）2006—2015年都有不同程度的增幅，分别是157%、172%、211%，这也符合我国发展现状，东部整体数字化程度已经很高，互联网、教育基础设施的存量大，所以增长幅度低于全国水平；而西部存量小，所以增长幅度较大，而中部是东、西部的桥梁。此外，我国数字化贫困指数整体可以分为两个阶段：
①高速增长阶段（2006—2011年），全国以及东、中、西部地区数字化贫困的减贫速率 ① 普遍较高，从而推动我国数字化迅猛发展。以西部为例，在该阶段平均减贫速率高达18.5%。东、中部平均减贫速率也均在10%以上。究其原因：中国改革开放30年，期间积累了一定的经济存量。随着居民收入的增加，人们对数字信息化需求也逐渐增加，从而加快了数字化减贫的速率。而信息基础设施完善，信息产品支付能力和普及程度高是2006—2011年数字化发展的主要动力。2011年，全国基础设施指数、互联网普及率、数字支付能力指数分别是0.4473、38.3%、0.1412，与2006年比增幅268%、265%、908%，带动了整个数字化贫困指数的提升。
②低速增长阶段（2011—2015年），全国平均数字化贫困减贫速率基本跌落至10%以下，数字化贫困指数在这个阶段也只是缓慢地递增。西部的数字减贫速率更从2011年的16.67%，直接下降至3.7%，低于全国水平。其原因在于：2011年之后，我国GDP增长率跌破10%，直接由2011年的10.3%增长率，下降至2012年的7.7%，2016年的6.68%。而经济进入新常态，必然影响信息化基础设施的建设和项目交易、并购的信心。此外，根据第29次互联网发展报告指出，我国互联网网民规模从2006年来有较大增幅，但是到2011年，开始进入平台期，CN域名数，网站数增长数均有所跌势。这很大程度上使得数字平台指数和数字生活指数下降，继而导致数字化贫困指数提升动力不足。
不仅如此，东、中、西部地区数字化贫困指数有很大的差距，存在明显的数字鸿沟。地区间发展并不均衡，而且这种数字鸿沟并没有因为数字化贫困指数的提升而有所缩小，相反，有加剧的趋势。如图1，2011—2015年西部地区数字化贫困指数与全国数字化贫困指数差距由0.06上升至0.1。而西部数字减贫速率下降最为明显，且在2014年逐渐低于全国水平。其原因在于：信息技术的传播的过程中，存在着“衰减效应”，即网络技术、信息及观念在群体传播过程中，其能量会不断衰减，速度会逐渐降低。那些数字化易接触群体在过去的数字化普及过程中已经在数字化的生活范畴之中，而未能被数字化的群体是那些对于数字化门槛较高的人群，针对这些人群数字化的普及需要较高的诱因刺激。
图1 2006—2015年全国与西部数字化贫困趋势分析图

Fig.1 An comparative analysis of the trend of digital poverty among China and its Western Areas from 2006 to 2015

3.2 数字化贫困的时空格局演变分析

本文选取2007、2011、2015年中国大陆31省（市、区）数字化贫困数据对其空间可视化，以此分析中国数字化贫困的时空分布格局的变化。
为确保在不同的时空尺度下各省市数字化贫困数据的可比性，参考闫慧[21]、国家信息中心信息社会发展阶段划分的方法，将数字化贫困构建如表2分层模型。
表2 数字化社会分层模型的特征

Tab.2 Characteristics of digital social stratification model

脱贫阶段 贫困阶段 发展阶段 富裕阶段
数字化
贫困指数
基本特征		 数字赤贫 数字贫困 数字中产 数字富裕 数字精英
<0.15 0.15~0.30 0.30~0.60 0.60~0.75 >0.75
教育水平整体较低；信息基础设施匮乏；受文化、习俗、地域影响从而缺乏对外界ICT的基本需求 信息技术得到初步的应用；对数字化有消费能力，但是缺乏数字化基本需求；信息技术掌握者少；地区ICT基础设施、资源分配不均 信息技术逐步深化；教育也逐渐实现均等化；对信息的需求和掌握程度相对较高；但缺乏高层次信息化技术和人才 社会、经济领域都被信息化深化改变 信息技术已全面普及；基本实现包容性发展
面临的问题 各项基础设施匮乏 发展不均衡 资源、要素未得到充分开发 包容性问题 创新性问题
由图2，表3可以看出：①数字化呈现由赤贫向精英阶层动态演进的社会移动，地理上呈现由东向西的“贪吃蛇”式推进的特征，这是我国数字化发展的积极信号。2006—2015年北京数字化程度一直处于全国领先的水平，上海、广东、江苏、浙江、天津等东部发达省（市）紧随其后，动态演进呈现表3的移动特征。2007年中国有18省（市、区）处于数字赤贫阶层，2011年之后，上述18个省份都摆脱了数字赤贫，进入数字贫困阶层。到2015年数字化贫困的呈现正态分布的“中间大，两头小”的稳态，处于中间数字贫困和数字中产的省（市、区）都是14个，两个阶层包含地区数量占全国90.32%，仅有北京、上海、广州达到数字富裕阶层。
图2 2007、2011、2015年我国数字化贫困空间演变图

Fig.2 Spatial evolution map of digital poverty in China in the year of 2007/2011/2015

表3 数字化贫困阶层动态演进特征

Tab.3 The dynamic evolution characteristics of the digitized poverty stratum

年份 数字赤贫 数字贫困 数字中产 数字富裕 数字精英
2007 重庆、新疆、黑龙江、湖北、内蒙古、湖南、安徽、海南、江西、四川、云南、宁夏、广西、河南、青海、贵州、甘肃、西藏 广东、浙江、天津、江苏、福建、吉林、辽宁、山东、陕西、河北、山西 北京、上海
2011 山东、陕西、海南、吉林、河北、重庆、山西、湖北、四川、内蒙古、新疆、黑龙江、湖南、河南、安徽、宁夏、青海、江西、广西、云南、西藏、甘肃、贵州 上海、广东、浙江、江苏、天津、福建、辽宁 北京
2015 内蒙古、湖南、黑龙江、河北、河南、新疆、安徽、广西、江西、宁夏、云南、甘肃、贵州、西藏 江苏、浙江、天津、福建、辽宁、山东、湖北、四川、山西、青海、吉林、海南、重庆、山西 广东、上海 北京
②出现地理上的“数字化鸿沟”，邻近发达地区对欠发达地区产生资源的极化效应。从2015年我国数字化贫困空间演变图（图2）可以明显看出，在我国“西部”数字中产和“东部”数字中产、富裕地区之间有一条由数字贫困省份组成的地理“数字鸿沟”，这些省份包括：河北、河南、江西、安徽、湖南、广西、贵州等地。这条“鸿沟”有两个显著特点：第一，紧邻东部数字化程度较高的发达省份；第二，主要由劳动力输出大省构成。根据2014年人社部统计数据与各地户籍人口数据计算得出中国各省区市外出本辖区务工人员比例排名为河北（13）、河南（8）、江西（2）、安徽（1）、湖南（4）、广西（9）、贵州（6）。这是因为资金和人才与产业结构升级紧密相关，而这部分省份因紧邻中国数字化程度更高发达省份，资金和人才必然因为其信息化优势而流向资源配置效率更高、劳资待遇更好的省市，从而邻近发达地区对欠发达地区产生资金和人力资源的“极化效应”。
③局部来看，结构性数字贫困产生，数字化社会分层开始固化。由图2的动态演进可以看出，在2011年以前，我国数字化贫困减贫规模、速率都有很大程度的提升，2011年之后，数字化贫困减贫虽然有一定程度的推进，但是范围和速率都在逐渐减少。不仅如此，处于数字贫困和数字中产阶层的省（市、区）从2007年高减贫速率，到2015年减贫速率普遍接近0，各别数字贫困的西部省份，如西藏，减贫速率呈现负增长。而相比较数字富裕、数字精英阶层的省（市、区）减贫速率仍处于较高水平，各别数字富裕的省份减贫速率不减反增。这一变化，从一定程度上巩固和固化了数字化社会分层，形成贫者越贫，富者越富的马太效应。

3.3 数字化贫困指数的空间分布特征

为了进一步探究数字化贫困的空间分布特征，采用2006—2015年数据，计算出我国31省（市、区）数字化贫困指数的全局Moran's I（表4），发现结果大于0，且Z值为正并均大于1.96，即拒绝了我国数字化贫困空间分布上随机的状态，而是呈现空间集聚的特征，数字化贫困空间格局的变化受到空间自相关的影响。
表4 数字化贫困的全局Moran's I

Tab.4 Global moran Index of the digital poverty

年份 Moran's I Z值 年份 Moran's I Z值
2006 0.2566** 2.6674 2011 0.2921*** 3.2719
2007 0.2745** 3.1141 2012 0.2946*** 2.7286
2008 0.2615*** 2.9164 2013 0.2413*** 2.4802
2009 0.3060*** 3.1081 2014 0.2536*** 2.6351
2010 0.2924*** 2.9390 2015 0.2551*** 2.8006
从全局莫兰指数的发展来看，数字化贫困空间自相关整体上大致经历了“先升后降”的发展历程：从2006年的0.2566到2009年的0.3060，再到2015年的0.2551，集聚效应受周围地区的影响在前期较为明显，且逐渐增强，后期相关性降低，受空间相关性影响减弱。因此可以发现，后期经济发展，交通便利，数字化贫困空间格局固化受多重因素影响，不再是单一的地域的因素。本文还通过Moran散点图和LISA集聚图分析数字化贫困的空间分布特征，发现我国数字化热点在东部发达地区，而中、西部则相反，与现实情况相吻合。不仅如此，这种集聚还随着时间呈现动态的变化，随着中部崛起和东部辐射效应的影响，西部地区的负增长极效应逐渐减弱。

4 数字化贫困的时空演化机制

4.1 空间杜宾模型的参数估计

为了探究数字化贫困对经济社会的影响以及数字化贫困的时空演化机制[29-30]，本文运用空间杜宾模型，并基于邻接和地理距离空间权重分析数字化贫困对产业结构升级的空间效应。结果见表5。
表5 基于不同空间权重矩阵下的杜宾模型结果比较

Tab.5 Comparison of the results of the model based on different spatial weights matrix

变量 邻接空间权重矩阵空间杜宾模型
（Model-1）		 地理距离空间权重矩阵空间杜宾模型
（Model-2）		 人力资本权重矩阵空间杜宾模型
（Model-3）
系数 p值 系数 p值 系数 p值
DIP -0.11*** 0.000 -0.095*** 0.000 -0.096*** 0.000
CONTROL YES YES YES
W·DIP 0.02 0.653 0.183** 0.035 0.163** 0.05
W·CONTROL YES YES YES
R-squared 0.9448 0.9442 0.9442
对数似然值 920.9 919.91 919.85
检验方法 估计值 p值 估计值 p值 估计值 p值
Wald_spatial_lag 14.567** 0.042 13.56* 0.0596 13.41* 0.063
LR_spatial_lag 16.21** 0.023 14.08** 0.0498 13.94* 0.052
Wald_spatial_error 13.78* 0.055 13.582* 0.0591 13.53* 0.06
LR_spatial_error 15.88** 0.026 15.02** 0.0357 14.92** 0.03
δ 0.1447* 0.056 0.029 0.774 0.0223 0.82
本文通过基于邻接空间权重矩阵空间杜宾模型（即Model-1）可以看出，就全国而言，数字化贫困（DIP）对产业结构升级的影响为负，其参数估计值是-0.11，且通过1%的显著性检验。表明在其他条件不变的情况下，数字贫困每加深1%，阻碍产业结构升级0.11%。这说明伴随工业化步伐的加快，我国部分地区数字化进程的滞后，严重的阻碍了地区产业结构向更高级演进的步伐。由W·数字化贫困（W·DIP）的估计系数为正和P值不显著可知，虽然，我国部分发达地区数字化进程已经进入精英层级，但是对相邻地区并没有产生显著的技术溢出效应，反而通过Model-2、Model-3可知，有一定程度的“极化效应”，意味着邻近发达地区的信息优势并未溢出至本地区，反而会凭借自身优势对本地区进行隐性的资源和要素“掠夺”。
通过Model-2的回归发现，对比邻接空间权重矩阵空间回归与地理距离空间权重矩阵空间回归的权值矩阵与数字化贫困交乘（W·DIP）系数，系数和显著性有明显增强。原因可能是，这种由于数字化优势的“极化效应”更多的是通过地理邻近距离发生的，而不是邻接关系。以外出务工人员为例，他们选择外省就业通常是考虑距离因素，而不是邻接，这是外出务工人员中部地区多于西部地区的原因。西部地区省份地域辽阔，交通不便是导致其不愿意外出务工的主要原因，也进而使得其受数字化富裕地区“虹吸效应”影响较小。通过Model-3发现，对比邻接空间权重矩阵空间回归与人力资本距离权重矩阵空间回归，后者回归W·DIP系数更大，且更为显著。这进一步检验本文提出的，人力资本是数字化的载体，人力资本越丰富的数字化富裕地区通过数字化优势吸收邻近数字化贫困地区的资源要素效应越强。

4.2 空间极化效应衰减演化机制及其可能的边界测度

根据赫希曼“极化—涓滴效应”，区域发展是一个不连续但又逐步积累的创新过程实现的，创新起源于区域内少量的“中心区”，“中心区”通过极化效应对“外围”进行扩张，“外围”再通过“中心区”涓滴效应而获得发展，但这种“涓滴”是一个持久而漫长的过程，如图3。
图3 数字化贫困的极化—涓滴效应及其衰减可能性边界

Fig.3 Polarization-trickle-down effect of digital poverty and its attenuation possibility boundary

我国东部地区能够通过信息化优势虹吸相邻的数字化贫困地区的金融资本、人力资本、信息资源和自然资源。以人力资本为例，岳昌君研究发现，我国内陆高校毕业生的跨省就业流向通常是东部沿海省份，而东部沿海省份的学生倾向选择在本地进行就业，由此产生“人力资本极化”的现象[31]。然而，区域之间生产要素的差距，尤其是人力资本的差距会进一步加剧区域差距。东部地区利用自身的高“工薪待遇”优势，以及通过数字化技术招聘平台，跨省招聘外围地区的各类劳动者，尤其是掌握信息化技术的高素质人才，导致外围地区智力流失，外围地区已有教育投入得不到相应回报，地区投资教育的激励因此降低，使得外围地区人力资本产生缺口。因为这种缺口的存在使得外围地区在生产与创新两方面都难以维继，经济增长由此乏力，从而最终导致产业结构升级缓慢。不仅如此，东部的“中心区”还会虹吸“外围”地区的金融资本、自然资源和信息资源等。
新经济地理学提出，各经济活动或区域的经济影响力会随空间距离增大而呈现减小的趋势，即存在距离衰减。
为了验证上文中提出的“数字化鸿沟”出现的必然性假设，以及进一步考察数字化富裕地区对相邻数字化贫困地区的人才、资金等要素的空间“极化效应”衰减可能性边界，构建了可能的衰减边界空间权重矩阵（详见本文2.2），并对其进行SDM模型回归分析。
操作程序如下：①以阈值d=100 km开始，剔除两地距离小于100 km的地区，开始做第一次回归，因此时d< d i j , m i n，没有城市可以剔除，得出相邻地区数字化贫困对本地产业结构升级的系数，即W·DIP系数及其P值，并将其记录下来。②d按照 l=20 km开始递进，然后剔除dij<103.6+ l的所有城市，同样将W·DIP系数及其P值记录。③注意回归系数和P值，直至系数发生正负变化后停止。
得到结果如下：由表6和图4看出，空间极化效应的系数可以分为两个区间，第一个区间[160 km]，这段区间空间相关系数较大，且较为显著；另一个区间为[200 km]，这段区间相关系数和显著性出现明显下降。
表6 基于衰减可能性边界权重矩阵动态回归结果

Tab.6 Dynamic regression results of boundary weight matrix based on attenuation probability

次数 第一次回归 第二次回归 第三次回归 第四次回归 第五次回归 第六次回归
系数 p值 系数 p值 系数 p值 系数 p值 系数 p值 系数 p值
W·DIP 0.183** 0.035 0.156** 0.087 0.156* 0.087 0.089* 0.0924 0.083 0.164 -0.020 0.790
DIP YES YES YES YES YES YES
CONTROL YES YES YES YES YES YES
W·CONTROL YES YES YES YES YES YES
R-squared 0.9442 0.9454 0.9454 0.9450 0.9420 0.9446
对数似然值 919.91 923.12 923.12 922.00 917.60 920.90
图4 数字富裕地区对数字贫困地区空间极化效应的衰减边界：系数与地理距离的关系

Fig.4 Attenuation boundary of spatial polarization effect in digital poverty area：relationship between coefficient and geographic distance in digital affluent areas

通过上述系数和距离的关系可以看出，数字富裕地区对数字贫困地区的空间“极化效应”衰减可能性边界应该在[200 km]，而东部和中部地区省域东西横向跨距大约200 km，意味着极化效应的衰减可能性边界便是省域边界。这一点很好地解释了“数字化”地带数字化贫困，而离东部沿海地区较远的湖北、山西、四川和重庆等地却不在数字化贫困之列的原因。

5 结论与政策建议

5.1 主要结论

本文基于数字平台、数字能力、数字行政、数字生活四个方面构建地区数字化贫困指标体系，测度了我国31省（市、区）2006—2015年数字化贫困指数，剖析其时间和空间层面的演变及原因，并通过绘制数字化贫困时空演变图，以及计算莫兰指数和构建空间杜宾模型分析了数字化贫困的时空演变的特征，得到如下结论：
①我国数字化贫困减贫进程呈现两阶段的特征，以2011年为界，2011年之后数字化减贫由高速急转为低速。而以西部地区减贫速率下降最为明显，但就总体而言，我国数字化进程仍呈现积极的信号，2006—2015年数字化整体由赤贫向精英阶层动态演进的社会移动，地理上呈现由东向西的“贪吃蛇”式推进特征。此外，在我国“西部”数字中产和“东部”数字中产及富裕地区之间出现一条由数字贫困省份构成的地理“数字化鸿沟”。局部而言，现阶段我国“结构性”数字贫困产生，数字化社会分层日益固化，地区间在数字层面上形成贫者越贫，富者越富的马太效应。
②数字化贫困空间自相关性大致经历了先升后降的发展历程：从2006年的0.2566到2009年的0.3060，再到2015年的0.2551，集聚效应受周围地区的影响在前期较为明显，且逐渐增强，后期相关性降低，受空间相关性影响减弱。通过莫兰散点图发现，我国数字化热点仍然在东部发达地区，而中、西部成为数字化的盲区，与现实情况相吻合。
③就全国整体而言，数字化进程的滞后，严重阻碍了地区产业结构向更高级演进的步伐。我国部分发达地区数字化进程虽已进入精英层级，但是对相邻地区并没有产生显著的技术溢出效应，反而有一定程度的“极化效应”，意味着邻近发达地区的信息优势并未溢出至本地区，反而会凭借自身优势对本地区进行隐性的资源和要素“掠夺”，而且人力资本差异会加大这种“掠夺”的势能。数字富裕地区通过数字化优势的“极化效应”更多地是通过地理邻近距离发生的，而不是邻接关系，这种“极化效应”衰减可能性边界约在[200 km]，而东部和中部地区省域东西横向跨距大约200 km，意味着极化效应的衰减可能性边界便是省域边界。

5.2 政策建议

①增加数字贫困地区及群体收入的同时，对数字贫困固化的群体推进文化扶贫政策。实证可以看出，我国30年经济高速发展，同时也伴随着数字化进程迅猛推进，以及信息通用技术的广泛普及。但是随着数字化存量的增加，数字化脱贫逐渐进入攻坚的阶段，群体和地区随着收入的增加一定程度上能够助解数字贫困，但是并不能完全消弭数字贫困。这是由于当地教育水准、经济状况、文化共同决定。因此，尽可能提高数字贫困地区及群体收入水平以及搭建数字化图书馆等基础设施的同时，还应根据贫困地区及群体的实际需要和问题调整数字化产品和服务供给，提供精准化、定制化的数字服务。通过提高地区和群体的教育水平、改变认知，而非一味地“送”设施，“给”产品。要对数字文化层面进行“造血”，而不是“输血”，在生活方式和观念上使处于数字贫困固化的阶层能够有所改变。
②释放“数字化红利”，助力产业结构升级。大力发展信息产业，信息产业是新兴产业的代表，能够增加第三产业比重，也是产业结构升级的重要一环。不仅如此，信息产业也是当今发展最快，产业关联度最高的产业，其可以通过渗透、交叉、重组的方式，推动其他产业的改造、升级以提高产业能级。最重要的是，信息产业的技术适应性和其平台的生态效应，具有扩散和集聚功能，地区工业园区信息产业的入驻，将带动相关高新技术产业的聚集。
③拓宽人才和技术在地区之间的流动通道的同时，引导资金、人才和技术流向。在促进产业结构合理化过程中，数字化在区域之间没有表现出明显的溢出效应，这是因为我国受限于户籍制度和中、东、西部地区经济贫富差异化聚集，导致人才和技术难以突破上述壁垒，以改善数字贫困地区的现状。因此，必须打破中、东、西部地域壁垒，积极推进中部崛起和西部大开发两大战略，利用数字化技术互联互通，拓宽人才和技术在地区之间的流动通道，同时提高西部等地区的基础设施和生存环境，以吸引人才、资金和技术，最终为地区经济发展提供支撑，并促进产业结构良性发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Wilson K R, Wallin J S, Reiser C. Social Stratification and theDigital Divide[J]. Social Science Computer Review, 2003, 21(2):133-143.

[2]
朱莉, 朱庆华. 从我国互联网络宏观状况看数字鸿沟问题——对CNNIC最近6次互联网信息资源调查报告的分析[J]. 中国图书馆学报, 2003, 29(5):35-39.

[3]
Chang B L, Bakken S, Brown S S, et al. Bridging the Digital Divide:Reaching Vulnerable Populations[J]. Journal of the American Medical Informatics Association Jamia, 2004, 11(6):448.

[4]
俞立平. 基于地区间差异的我国互联网发展数字鸿沟分析[J]. 图书情报工作, 2006, 50(2):21-24.

[5]
Bourgeois E W, The Race-related Digital Divide:A ComparisonBetween Youth in Nova Scotia and Nunavut[D]. Wolfville: Acadia University, 2007.

[6]
Kim M S, Park Y. The Changing Pattern of Industrial Technology Linkage Structure of Korea:Did the ICT Industry Play a Role in the 1980s and 1990s ?[J]. Technological Forecasting & Social Change, 2009, 76(5):688-699.

[7]
赵昕, 茶洪旺. 信息化发展水平与产业结构变迁的相关性分析[J]. 中国人口·资源与环境, 2015, 25(7):84-88.

[8]
陶旭辉. 数字化贫困对产业结构升级的影响机理与效应研究[D]. 南昌大学, 2018.

[9]
闫慧, 孙立立. 1989年以来国内外数字鸿沟研究回顾:内涵、表现维度及影响因素综述[J]. 中国图书馆学报, 2012, 38(5):82-94.

[10]
Roxana B. Digital Poverty:Concept and Measurement,with anApplication to Peru[J]. Eastern Economic Journal, 2007, 37(3):431-433.

[11]
Prado C V. Acquisition of Competences in Information Through E-Learning:A Shared Responsibility Between Teaching and Library[J]. Journal of Information and Documentation Systems, 2009(5):303-312.

[12]
闫慧. 数字贫困社群实现信息社会流动的影响因素研究——一项京津晋沪粤五地调研的实证分析[J]. 情报资料工作, 2013(4):92-97.

[13]
周向红. 从数字鸿沟到数字贫困:基本概念和研究框架[J]. 学海, 2016(4):154-157.

[14]
Boyd A. Information Disparity:Research and MeasurementChallenges in an Interconnected World[J]. Aslib Proceedings, 2013(5):269-271.

[15]
于良芝. 理解信息资源的贫富分化:国外“信息分化”“与“数字鸿沟”研究综述[J]. 图书馆杂志, 2005, 24(12):6-18.

[16]
Chatman E A. A Theory of Life in the Round[J]. Journal ofthe Association for Information Science & Technology, 1999, 50(3):207-217.

[17]
Britz J J. To Know or Not to Know:a Moral Reflection on Information Poverty[J]. Journal of Information Science, 2004, 30(3):192-204.

[18]
汤姆·福莱斯特. 高技术社会[M]. 北京: 新华出版社, 1991.

[19]
Jalava J, Pohjola M. ICT as a Source of Output and Productivity Growth in Finland[M]. Oxford: Pergamon Press, 2007.

[20]
谢康, 肖静华, 周先波, 等. 中国工业化与信息化融合质量:理论与实证[J]. 经济研究, 2012, 47(1):4-16.

[21]
Catulli M, Fryer E. Information and Communication Technology-Enabled Low Carbon Technologies A New Subsector of the Economy ?[J]. Journal of Industrial Ecology, 2012, 16(3):296-301.

[22]
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.

[23]
闫慧. 社群数字不平等的理论模型及其在中国情境中的应用[J]. 图书情报工作, 2012(6):90-94.

[24]
周向红. 从数字鸿沟到数字贫困:基本概念和研究框架[J]. 学海, 2016(4):154-157.

[25]
余泳泽, 刘大勇. 我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J]. 管理世界, 2013(7):6-20.

[26]
余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016(2):23-36.

[27]
柏玲, 姜磊. 金融支持区域创新的竞争和溢出效应——基于空间面板杜宾模型的研究[J]. 上海经济研究, 2013(7):13-23.

[28]
蓝庆新, 陈超凡. 新型城镇化推动产业结构升级了吗?——基于中国省级面板数据的空间计量研究[J]. 财经研究, 2013(12):57-71.

[29]
姚成胜, 钱双双, 李政通, 等. 中国省际畜牧业碳排放测度及时空演化机制[J]. 资源科学, 2017(4):698-712.

DOI

[30]
姚成胜, 李政通, 王维, 等. 中国水产养殖业地理集聚特征及空间演化机制[J]. 经济地理, 2016, 36(9):118-127.

[31]
岳昌君. 大学生跨省流动的特点及影响因素分析[J]. 复旦教育论坛, 2011(9):57-62.

Options
文章导航

/

〈 〉