EN中文

Economic geography >

2024 , Vol. 44 >Issue 10: 145 - 154

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.015

Spatiotemporal Characteristics and Influencing Factors of Digital Information Consumption Level

  • MAO Lulu
Expand
  • School of Humanity and Arts，Hunan University of Finance and Economics，Changsha 410205，Hunan，China

Received date: 2024-03-19

  Revised date: 2024-09-03

  Online published: 2024-11-29

Fold

Abstract

Utilizing the panel data of 278 prefecture-level cities in China from 2000 to 2020,this paper constructs a comprehensive measurement system for the digital information consumption level. Employing the entropy weight method,GIS spatial analysis,and the spatial Durbin model, it investigates regional heterogeneity and evolutionary trends of digital information consumption level in China. The findings are as follows: 1) In 2000-2020,the level of digital information consumption in China has been steadily increasing,reflecting the significant promotion of the development and popularization of the Internet and mobile communication technology to digital information consumption. 2) Digital information consumption level in China exhibits significant spatial agglomeration.The level of digital information consumption in the Yangtze River Delta,Pearl River Delta,and Beijing-Tianjin-Hebei region has always been in a leading position in China. The central,western and northeast regions have showed a rapid catch-up trend in recent years. 3) The diffusion path of digital information consumption shows a trend of spreading from core cities to surrounding small and medium-sized cities,particularly in urban agglomerations,large cities,and provincial capitals. 4) The proportion of the tertiary industry,population density,GDP growth rate,and the number of cultural and educational facilities have a significant positive impact on digital information consumption and foster growth in neighboring areas through spatial spillover effects. To further promote the sustained growth and regional balance of digital information consumption in China,it proposes some suggestions that are increasing investment in information infrastructure,optimizing regional development strategies, vigorously developing cultural industries,enhancing information service innovation,supporting the digital transformation of the tertiary industry,and improving the policy system for digital information consumption to continuously unleash the growth potential of digital information consumption, narrow regional disparities,and inject new momentum into economic development and the life quality improvement of resident.

Key words： digital information consumption; comprehensive measurement; urban agglomeration; spatial econometrics; cultural industry; digital transformation

Cite this article

MAO Lulu . Spatiotemporal Characteristics and Influencing Factors of Digital Information Consumption Level[J]. Economic geography, 2024 , 44(10) : 145 -154 . DOI: 10.15957/j.cnki.jjdl.2024.10.015

“发展数字经济意义重大，是把握新一轮科技革命和产业变革新机遇的战略选择”[1]。习近平总书记深刻把握世界经济数字化转型的趋势特征，结合我国数字化发展与经济改革相融合的实践经验，在党的十八大之后形成了关于发展数字经济的系列重要论述[2]，以适应新一轮科技革命和产业变革的新机遇。数字信息消费已深入渗透到社会生活各个方面，它反映了社会在信息化和数字化转型过程中消费模式的革命性变化，并为经济增长和社会进步提供了持久动力。根据《中国信息消费发展态势报告（2022年）》，5G商用带动VR/AR、虚拟购物等新型服务快速发展，叠加新型智能终端加速普及，2020—2025年，将有望带动信息消费市场达到8.2万亿元[3]。党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》中提出“加快构建促进数字经济发展体制机制”“完善实施区域协调发展战略机制”，为推动数字信息消费的区域均衡发展提供了明确的政策指引。

1 文献综述

数字信息消费已经成为数字经济时代社会发展的重要组成部分。尽管新闻获取、信息搜索、媒体社交等数字信息消费的现象受到文化传播学、信息经济学等多学科的关注[4-5]，但学界对“数字信息消费”的明确定义还在不断演进。相关研究多以“数字经济时代的信息消费”“信息消费3.0”“数字粉丝（Digital Fandom）”等表述方式为主[6]。由此可见，数字信息消费不仅涵盖了传统信息消费的数字化形态，还融合了数字技术带来的社交媒体互动、在线内容订阅、数字娱乐等新型消费形式。
国内外学者对信息消费的本质内涵、测度、影响因素等方面的分析，为数字信息消费的理论建构与实证分析奠定了基础[7-8]。朱红较早对信息消费的理论、方法及测度标准进行了系统论述[9]，郭妍等采用函数对我国居民信息消费进行了实证研究[10]。Kumar等探讨了数据驱动的服务营销策略，为理解数字环境下的消费者行为提供了重要洞察[11]。在数字信息消费的测度方面，Chan等提出利用商业智能仪表盘提升在数字媒体的营销决策方法[12]，为数字信息消费的量化分析提供了新的思路。数字信息消费不仅反映了居民的消费习惯和偏好，还对整体经济增长具有重要的促进作用。李俊杰等的研究表明，技术进步、市场供给、消费者需求和政策法规是推动信息消费发展的重要驱动因素[13]，这一发现为理解数字信息消费的形成机制和影响因素提供了多维度的分析框架。
数字信息消费的区域差异也是研究的重点之一。研究表明，城乡经济水平、基础设施和政策环境等因素对信息消费存在显著影响[14]。柳思维等揭示了人力资源和资本配置在促进信息消费方面的关键作用[15]，李婵娟等探讨了区域经济发展、教育水平和政策支持对信息消费的不同影响[16]。综上发现，区域内外部因素共同作用决定了信息消费的发展模式和水平。许竹青等的研究表明，数字鸿沟对农村地区的信息获取和经济行为产生了显著影响[17]，这一发现突出了数字基础设施和数字素养在促进均衡数字信息消费发展中的重要性。
尽管现有研究为理解数字信息消费提供了有益借鉴，但仍有以下问题有待探索：①既有研究多集中于数字信息消费的某些特定领域，对数字信息消费的综合测度研究还较少。②对不同地区数字信息消费的研究尚待突破。③影响数字信息消费的因素分析还需要进一步深化，特别是在考虑地理空间特征的基础上。为此，本文在系统诠释数字信息消费理论内涵的基础上，构建数字信息消费水平综合测度指标体系，对2000—2020年我国城市的数字信息消费水平、空间分异特征及其影响因素进行全面测度和分析，进而全面把握我国数字信息消费的发展规律，以期为促进数字信息消费均衡发展、完善数字经济生态提供科学依据和政策建议。

2 指标体系构建、数据来源与研究方法

2.1 数字信息消费的内涵与外延

信息具有强外部效应和溢出效应，不仅能提高生产效率，还能满足人们精神文化的需求[18]。信息消费的本质是获取和利用信息资源的过程，这包括信息的获取、处理、传输和应用等环节。早期的信息消费主要依赖于信件、报纸、广播、电视等传统媒介，获取信息的方式相对有限。随着互联网的崛起，信息消费逐渐向多元化和交互性转变，信息获取更加便捷。随着移动互联网和智能设备普及的时代，信息消费深度嵌入日常生活，通过即时通信、社交媒体、短视频等形式，内容供给日益丰富，传播速度显著提升。
本文基于数字信息消费的特征，将数字信息消费定义为在数字化基础设施支撑下，个人和组织通过获取、使用数字化内容与服务业态，以满足信息需求、提升生活质量和促进社会发展的经济行为过程，既包括满足个人需求的直接消费行为，也涵盖了促进信息资源流动与社会发展的广泛互动。数字信息消费可分为狭义和广义两种，狭义的数字信息消费是“消费者为满足个人需求而直接或间接购买数字信息产品和服务的经济行为[19]”。广义的数字信息消费是一种多维的消费行为，涵盖更为丰富的消费活动，既包括利用互联网、移动通信等获取工作所需的信息和知识的生产性消费，也包括利用数字技术获取各类文娱内容的娱乐性消费。

2.2 指标体系构建

基于现有研究关于数字信息消费内涵共同性的界定[20-21]，本文基于广义的数字信息消费从供需两侧构建数字信息消费水平测度体系。供给侧提供数字信息消费的对象和条件，需求侧反映数字信息消费的意愿和能力，二者共同决定城市数字信息消费的水平和格局。参考《联合国电子政务调查报告》的EGDI指数[22]，将供给侧分为基础设施供给、内容与服务供给以及人力资本供给3个方面，涵盖了从基础到应用的完整产业链。其中，基础设施供给由本地电话年末用户数、移动电话年末用户数、国际互联网用户数3个指标衡量。内容与服务供给用电信业务总量代表数字信息服务的整体供给规模，专利授权数替代研发成功率[23]反映数字信息产业的创新能力。文化、体育和娱乐业从业人员作为创意内容的主要生产者，直接影响数字信息消费市场的内容供给质量和多样性，因此，用文化、体育和娱乐业从业人员数（万人）的比值表征人力资本供给[24-25]。在需求侧方面，居民的数字能力成为影响消费的关键因素[26-27]。经济能力决定了消费者的购买力，受教育年限则影响了消费者的信息素养及其对数字内容的需求。综合经济、统计、信息系统等学科专家的研判与评估，最终形成数字信息消费水平综合测度指标体系，详见表1。
表1 数字信息消费评价指标体系

Tab.1 Evaluation index system of digital information consumption

一级指标 二级指标 三级指标 单位 符号
数字信息消费供给侧 基础设施供给 本地电话年末用户数 万户 phone
移动电话年末用户数 万户 mobile
国际互联网用户数 户 internet
内容与服务供给 电信业务总量 万元 teleinc
专利授权数 件 patentsuc
人力资本供给 文化、体育和娱乐业从业人员数（万人）的比值 % worksport
数字信息消费需求侧 消费能力 居民可支配收入 元 DI
消费素养 人均受教育年限 年 perEDU

2.3 数据来源

基于数据的可得性和完整性，本文以2000—2020年中国278个地级及以上城市（以下简称城市）的面板数据为研究样本（因数据缺失，不含新疆、宁夏和港澳台地区）。所使用数据来源于《中国城市统计年鉴》、各省（自治区、直辖市）统计年鉴以及EPS数据库。表2为各指标的描述性统计。
表2 数字信息消费各指标描述性统计

Tab.2 Descriptive statistics of indicators of digital information consumption

指标 观测值 均值 标准差 最小值 最大值
patentsuc 5838 4193.136 11232.750 0.000 222412.000
teleinc 5838 358422.8 720292.5 4908.0 1.4000e7
worksport 5838 0.4895 1.3296 0.0150 41.1820
phone 5838 0.8828 3.8671 0.0150 85.9130
mobile 5838 312.6679 422.9465 0.2500 4287.000
internet 5838 662655.90 1280063.00 237.00 5.17e7
DI 5838 14514.47 10236.78 2269.21 72232.00
perEDU 5838 8.2630 1.4538 4.000 12.7008

2.4 研究方法

2.4.1 熵权法

本文利用熵权法获得数字信息消费综合指数中各指标的权重，进一步测算数字信息消费发展水平。在使用熵权法计算指标权重时，为避免不同指标量纲的影响，需先对原始指标数据进行标准化处理。正向指标和负向指标分别采用不同的标准化方法，确保标准化后的指标数值均为正数，以避免量纲差异干扰熵权法计算，从而得到更加科学合理的指标权重。

2.4.2 空间自相关分析法

根据“地理学第一定律”，事物之间存在关联，且距离较近的事物关联性更强。为检验我国各地区数字信息消费发展水平是否存在空间依赖性或空间异质性，本文利用空间自相关分析法检验。该方法用于检验位置相邻区域的变量值是否相似，若高值与高值聚集、低值与低值聚集，则为正空间自相关；若高值与低值相邻，则为负空间自相关；若高低值随机分布，则无空间自相关。根据研究对象的范围，空间自相关分析可分为全局和局部。本文考察整个空间序列的空间集聚情况，因此采用全局莫兰指数。

3 数字信息消费综合测度结果分析

3.1 数字信息消费变化趋势

通过计算278个城市的数字信息消费综合水平的平均值，得到我国数字信息消费的平均水平。数字信息消费的水平取值范围为[0,1]，数值越趋近于1，则表示数字信息消费水平越高（表3）。
表3 2000—2020年中国数字信息消费平均水平

Tab.3 Average level of digital information consumption in China from 2000 to 2020

年份 平均值 年份 平均值 年份 平均值
2000 0.0259 2007 0.0525 2014 0.0578
2001 0.0290 2008 0.0514 2015 0.0588
2002 0.0490 2009 0.0537 2016 0.0603
2003 0.0495 2010 0.0464 2017 0.0604
2004 0.0530 2011 0.0546 2018 0.0612
2005 0.0539 2012 0.0563 2019 0.0627
2006 0.0575 2013 0.0574 2020 0.0642
由表3可知，2000年我国的数字信息消费水平起点较低。随着互联网普及和信息技术的发展，数字信息消费水平逐年提升，尽管增长速度有所波动，但总体呈上升趋势，尤其是在2000—2002年和2010—2020年，增长显著。数字信息消费水平在2000—2020年增长了2.48倍，这反映了我国信息化进程的巨大进步。2002年，数字信息消费水平较前一年显著跃升，这一变化可能与2001年中共中央、国务院重新组建国家信息化领导小组紧密相关。同时，《国民经济和社会发展第十个五年计划信息化重点专项规划》的出台，为信息化建设提供了政策支持，促进了数字信息消费的快速发展。2007和2010年，数字信息消费水平出现下降，其原因可能与电信资费显著下降有关。2007年手机资费“双改单”和2010年简化移动电话资费措施的实施，同年电信综合资费水平分别下降了13.6%和9%。此外，亚洲金融危机的溢出效应也可能影响了这一时期的增速。2011年，移动互联网兴起，数字信息消费水平稳步回升。iPhone 4S发布、安卓崛起、小米诞生，推动了数字信息消费终端产品的迭代，激发了居民对信息服务的需求和热情。党的十九大报告强调了互联网、大数据、人工智能与实体经济深度融合的重要性，将“信息消费”推向了“信息+消费”的发展新阶段。综上，国家政策的推动和技术进步为数字信息消费的持续增长提供了坚实保障。

3.2 分地区数字信息消费变化趋势

本文根据国家统计局对东、中、西、东北地区的划分，将278个城市分类后，讨论各地区数字信息消费发展水平的变化趋势（图1）。由图1可知，研究期间，东部地区的数字信息消费水平始终高于其他3个地区，展现出其强劲的数字信息消费能力。东部地区的数字信息消费水平从2000年的0.0128增至2020年的0.0867，增速显著且增长趋势稳定，这可能与东部地区经济发达、基础设施完善、教育水平高、政策支持力度大紧密相关。中部地区增长速度虽慢于东部地区，但整体上也呈现上升趋势。西部地区整体稳定增长，但增长幅度相对较小。中部地区和西部地区在2000年时的水平非常接近，随着时间推移，中部地区的增长速度略快于西部地区，这可能与中部地区的教育水平以及基础设施改善难度相对较低有一定的关系。东北地区在2000年时的数字信息消费水平略高于中部和西部地区，但随后其增长速度较慢，逐渐被中部和西部地区超越。综上所述，东部地区在数字信息消费水平上持续领先，显示出较强的数字信息消费能力和经济增长潜力；中部和西部地区虽然起点较低，但增长速度逐渐加快，显示出追赶的趋势；东北地区可能由于经济转型和产业结构调整的需要，数字信息消费水平的增长速度相对较慢。
图1 2000—2020年中国分地区数字信息消费水平

Fig.1 Level of digital information consumption in different regions of China in 2000-2020

3.3 各省份数字信息消费水平差异

从2020年各省份数字信息消费水平来看（图2），各地数字信息消费水平差距显著，大致可分为高水平、中高水平、中低水平、低水平4个梯队。北京、上海、重庆、天津4个直辖市的数字信息消费水平最高，稳居第一梯队。其中，北京和上海的数字信息消费水平更是表现突出，其数字信息消费水平远超其他地区，北京的数字信息消费水平约为西藏的50倍。江苏、浙江、广东3省紧随其后，数字信息消费水平高于全国平均，位列第二梯队。福建、山东、河南、河北4省的数字信息消费水平接近全国平均水平，构成第三梯队。而四川、湖北、陕西、湖南、辽宁、江西、安徽、山西、内蒙古、贵州、广西、吉林、云南、海南、黑龙江、甘肃、青海、新疆等省区的数字信息消费水平明显低于全国平均水平，属于第四梯队。
图2 2020年中国各省份数字信息消费水平

Fig.2 Level of digital information consumption in provincial-level regions of China in 2020

4 数字信息消费的空间分异

4.1 整体空间分异特征

本文进一步分析数字信息消费水平，并通过空间特征分析其空间异质性。借助ArcGIS软件，基于GIS自然断裂法，将数字信息消费水平划分为4个等级：高水平[0.0781,1.0000]、中高水平[0.0548，0.0781）、中低水平[0.0316，0.0548）和低水平[0.0000，0.0316）（图3）。图3清晰展示了数字信息消费水平在空间上的显著分布特征：东部沿海地区的城市展现出较高的数字信息消费水平，并且这些城市在地理上表现出明显的集聚效应。特别是京津冀、长三角、粤港澳大湾区以及成渝地区，这些城市群在数字信息消费水平上表现出高度的集聚性和规模效应，进一步印证了区域经济发展与数字信息消费之间的正反馈关系。随着地理空间从东部向西部逐步推移，数字信息消费的水平呈现出逐步下降的空间梯度，尤其是在“胡焕庸线”以西的地区，低水平数字信息消费的城市较为集中。此外，南北地区对比显示，南方城市在高水平数字信息消费城市中占据显著优势。这种空间分布的差异反映了区域经济发展不均衡性对数字信息消费的影响。进一步从省际和省内的角度分析，发现数字信息消费水平的省际差异显著大于省内差异，表明不同省份在数字信息消费能力上存在显著分化。这种差异可能与各省份在经济基础、教育水平、基础设施建设等方面的不平衡发展密切相关。此外，省会城市的数字信息消费水平普遍高于地市级城市，这反映出省会城市在区域内经济、教育和基础设施等方面的领先优势，并凸显了其在推动区域数字信息消费水平提升中的关键引领作用。
图3 2000—2020年中国278个城市数字信息消费水平空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图无修改。图4同。

Fig.3 Spatial distribution of digital information consumption in 278 prefecture-level cities of China from 2000 to 2020

4.2 空间演变特征分析

本文利用ArcGIS对2000、2004、2008、2012、2016和2020年数字信息消费的空间演化特征进行深入分析（图4）。通过GIS自然断裂法，将数字信息消费水平划分为高水平[0.0781,1.0000]、中高水平[0.0548,0.0781）、中低水平[0.0316,0.0548）和低水平[0.0000,0.0316]4个等级。研究结果表明，我国数字信息消费水平整体呈现出显著的上升趋势，各城市的数字信息消费绝对水平不断提升，且多数地区的消费水平正在向更高等级迁移。2000—2020年，数字信息消费的中高水平区域逐渐从东部沿海地区扩展到中部和部分西部地区。其中，2000年数字信息消费高水平地区主要集中在华东、华北、广东和沿海大城市，而到2020年，河南、湖北、湖南等中部地区的省份也呈现出显著的数字信息消费增长。但是，数字信息消费区域之间的差异较为明显。其中，东部地区的数字信息消费始终保持领先优势，尤其是长三角、珠三角和京津冀地区；中部和西部地区的数字信息消费在这一时期也有所增加，但整体水平仍稍逊于东部地区，表明经济发展水平、信息基础设施建设等因素对数字信息消费的制约作用。从空间分布和辐射效应看，城市群、大城市和省会城市是数字信息消费的主要高值区域，并逐渐向周边城镇和小城市辐射。此外，东北三省除省会城市外的大部分地区，在这一时期内的数字信息消费水平出现了不同程度的衰退。综上所述，我国数字信息消费水平呈现显著增长趋势。然而，区域差异仍然明显，东部地区保持领先优势，而中部和西部地区仍有较大提升空间。
图4 部分年份中国278个城市数字信息消费水平的空间演化

Fig.4 Spatial evolution of digital information consumption level in 278 prefecture-level cities of China in some years

4.3 基于莫兰指数的空间相关性检验

本文通过莫兰指数对中国数字信息消费的空间依赖性进行系统检验，构建基于城市地理距离的严格外生空间权重矩阵，并利用全局自相关分析方法计算了各年度数字信息消费的莫兰指数（表4）。
表4 2000—2020年中国数字信息消费水平莫兰指数

Tab.4 Moran index of digital information consumption level in China in 2000—2020

年份 Moran's I Z值 年份 Moran's I Z值
2000 0.011 3.629 2011 0.007 1.813
2001 0.010 3.004 2012 0.007 1.827
2002 0.008 2.435 2013 0.006 1.874
2003 0.008 2.307 2014 0.006 1.863
2004 0.008 2.118 2015 0.006 1.860
2005 0.008 2.200 2016 0.006 1.850
2006 0.008 2.262 2017 0.007 1.801
2007 0.008 2.433 2018 0.005 1.869
2008 0.008 2.073 2019 0.006 1.888
2009 0.007 1.918 2020 0.006 1.887
2010 0.007 1.570
结果显示，所有年份的莫兰指数均为正值，且通过了1%显著性水平的假设检验，说明数字信息消费在空间上存在显著的正相关性。这反映了经济发达地区与邻近区域的数字信息消费水平较高，而欠发达地区则相对较低。这一现象揭示了经济发展不平衡性对数字信息消费空间格局的影响。
2000—2010年，莫兰指数较高，显示出明显的空间聚集效应，经济发达地区形成数字消费的“核心”。然而，2011—2020年，莫兰指数逐渐下降，表明数字信息消费的空间集聚程度逐渐减弱，区域间差异在缩小，区域间的相互影响程度下降。这一变化可归因于多方面的因素。首先，基础设施是提升数字信息消费水平的关键因素。党的十八大以来，国家陆续出台了一系列政策大力推进信息基础设施建设，有效提高了全国范围内的信息接入能力，促进了数字信息消费的均衡发展。其次，西部大开发战略和精准扶贫政策的实施，显著推动了欠发达地区数字信息消费水平的提升，缩小了区域间的贫富差距，打破了原有的“核心—外围”格局。此外，智能手机和移动互联网的普及降低了数字信息消费的门槛，改变了消费习惯，数字信息消费逐渐普及至社会各群体。网络教育、在线医疗、远程办公等多种数字经济应用场景兴起[28]，丰富的应用场景满足了不同地区多样化的消费需求，社交媒体和内容平台的兴起更是打破了地域限制，进一步促进了全国范围内的数字信息消费均衡化。

5 数字信息消费的影响因素

5.1 逻辑分析框架

新熊彼特理论强调了服务业在经济发展中的重要性。随着第三产业占GDP比重的提高，经济结构倾向于服务型经济，并伴随更高的数字化和信息化水平。服务业本身对信息技术有较强的依赖性，尤其体现在金融服务、信息服务和文化娱乐等领域。本文假设，第三产业增加值占GDP比重高的地区，数字信息消费水平亦较高。人口密度对服务业增加值比重有显著正向影响[29]，且影响市场规模和信息传播效率。根据网络效应理论，用户数量越多，其对每个用户的价值就越大，高人口密度地区更易形成强大的网络效应，进而促进数字信息消费的增长。在大城市和经济发达地区，高人口密度进一步激发数字产品和服务需求。无论是城镇居民还是农村居民，其人均消费需求都高度依赖于人均收入[30]。GDP增长率较高的地区，居民收入水平通常较高，带来更强的消费能力。行为消费理论强调消费偏好、消费习惯和消费理念在消费者行为中的核心作用[31]，数字信息消费反映了消费者对精神文化的追求。消费者偏好影响其对数字信息产品和服务的选择，而文化基础设施的数量和公共图书馆的藏书量则是衡量地区文化资源丰富程度的重要指标。研究表明，丰富的文化资源和高文化素养的居民更倾向于参与文化活动，这间接推动了数字信息消费的增长。
综上，本文以第三产业增加值占GDP比重、人口密度、GDP增长率、博物馆数量、剧场与影剧院数量，以及每百人公共图书馆藏书量为关键因素，构建一个综合经济因素、人口因素和文化因素的多维分析框架，旨在检验上述因素对数字信息消费水平的影响程度。

5.2 模型设定

本文研究的重点为影响数字信息消费的因素，根据前文的分析，本文构建计量模型如下：
S c o r e t j = β 0 + β 1 X t j + δ j + ε t j
式中： S c o r e t j为被解释变量，表示第t年j城市的数字信息消费水平； X t j为包括第三产业占比、人口密度、GDP增长率、博物馆数量、公共图书馆藏书量、剧场影院数量在内的影响因素； β 0 、 β 1为待估参数； δ j为城市固定效应； ε t j为随机扰动项。
由于我国数字信息消费水平存在地区差异，对数字信息消费的影响不仅体现在时间上的差异性，还可能体现在空间上。因此，本文构建空间Durbin模型进一步检验数字信息消费的空间性。具体形式如下：
S c o r e t j = λ · W · S c o r e t j + α · X t j + γ · W · X t j + μ t j
式中： S c o r e t j , X t j所代表的含义与式（1）相同； α为待估参数； W · S c o r e t j代表被解释变量数字信息消费的空间滞后项； λ表示邻近地区的数字信息消费发展对本地区数字信息消费水平的影响； W · X t j为影响因素集合的空间滞后项； γ为邻近地区 W · X t j对 X t j的影响； μ为模型随机扰动项；W为标准化后的地理距离矩阵。

5.3 基准回归结果分析

在对中国数字信息消费指数进行综合测算的基础上，本文进一步分析了其影响因素，回归结果见表6。列（1）为通过固定效应面板模型的回归分析，得出以下结论：
表5 变量含义与描述性统计

Tab.5 Variable meaning and descriptive statistics

符号 指标名称（单位） 观测值 均值 标准差
Score 数字信息消费综合指数 5838 0.0531 0.0803
r_addvtert 第三产业增加值占GDP比重（%） 5838 38.8828 9.3701
density 人口密度（人/km2） 5838 432.3169 327.6107
gdpgrow GDP增长率（%） 5838 10.5892 5.0717
museum 博物馆数（个） 5838 15.3816 20.0105
r_libbook 每百人公共图书馆藏书（册、件/百人） 5838 54.0469 199.5391
theater 剧场、影剧院数（个） 5838 17.7392 45.7694
表6 空间杜宾模型回归结果分析

Tab.6 Regression results of spatial Durbin model

变量名称 （1） （2） （3） （4）
r_addvtert 0.014300*** 0.044600*** 0.006730*** 0.010800***
（6.14） （5.56） （4.37） （4.27）
density 0.045000*** 0.083000*** 0.022900*** 0.047300***
（16.40） （10.21） （11.41） （13.96）
gdpgrow 0.003260*** 0.013400*** 0.001310** -0.000398
（4.29） （4.73） （2.65） （-0.46）
museum 0.009090*** 0.017400*** 0.003600*** 0.005370***
（6.29） （4.83） （3.34） （3.76）
r_libbook 0.005960*** 0.003370 0.006300*** -0.000988
（7.75） （1.87） （10.09） （-1.18）
theater 0.000408 0.001870 -0.000388 0.002280***
（0.74） （1.41） （-0.90） （4.35）
cons -0.308000*** -0.684000*** -0.149000*** -0.508000*
（-17.53） （-12.26） （-11.89） （-2.55）
W·r_addvtert -0.004820
（-0.50）
W·density 0.042000***
（4.22）
W·gdpgrow 0.002000***
（3.15）
W·museum -0.003890
（-0.32）
W·r_libbook -0.003570
（-0.70）
W·theater -0.003650
（-0.53）
r2 0.1990 0.1990 0.1990 0.2068
N 5838 1827 4011 5838

注：*、**、***分别表示10%、5%、1%显著性水平，括号内为t值。

①第三产业占比的影响：第三产业占比在1%的显著性水平下通过假设检验，符号为正，系数为0.0143，说明第三产业占GDP的比重增加1%会导致数字信息消费水平提高0.0143个单位，第三产业发展对数字信息消费水平的提高有着明显的促进作用。金融、教育、医疗、娱乐等行业的信息化发展直接推动了信息技术产品和服务的需求和消费。电子商务、共享经济、在线教育等新兴服务业不仅是数字信息消费的重要主体，也通过其业务模式和服务内容推动了更广泛的数字信息消费扩散。第三产业的发展伴随着对信息基础设施的加大投入，这不仅提升了信息服务的质量和可及性，也有效降低了数字信息消费的成本，从而进一步促进数字信息消费的增长。
②人口密度的作用：人口密度的提升同样显著促进数字信息消费。从回归系数来看，人口密度对于数字信息消费的促进作用甚至大于第三产业的发展。人口密度的提升通常伴随着显著的网络效应和规模经济效应，使得单位信息服务成本下降。高人口密度区域的信息基础设施投资回报率更高，覆盖率更广，服务质量更好。且市场需求更加集中和多样化，吸引了更多的信息服务供给商参与市场竞争，不仅增加了信息服务的种类，也推动了信息服务的创新水平。
③GDP增长率的影响：GDP增长率对数字信息消费有着明显的促进作用。经济增长带动了居民收入增加、技术进步和教育水平的提高，消费者更愿意投入可支配收入用于数字信息消费。同时，GDP增长率的提高通常伴随着更高的投资水平，使信息产品和服务更加先进和多样化。
④博物馆数量和图书馆藏书数量的影响：博物馆数量和图书馆藏书数量的增加对数字信息消费有正向促进作用。地区博物馆数量的增加体现了文化教育需求的增加和文化产业的发展[32]，博物馆的数字化进程不仅提升了技术创新和数字化应用水平，也促进了数字信息消费的良性循环。图书馆作为知识和信息的重要来源，丰富的藏书满足了读者的知识获取和学习需求。在利用丰富藏书的同时，读者也更倾向于使用电子书、在线数据库和电子期刊等数字资源，从而增加了对信息技术设备和服务的消费。
⑤剧场和影剧院数量的影响：剧场、影剧院数量对数字信息消费的影响没有通过显著性检验，这可能是由于替代效应和观众偏好变化，使得更多消费者转向线上娱乐，削弱了传统线下娱乐的影响力。与此形成对比的是，数字媒体和在线娱乐平台的快速增长吸引了大量的投资和用户。不同地区的剧场和影剧院数量可能对数字信息消费的影响存在显著差异。在部分发达地区，数字信息消费水平相对较高，剧场和影剧院的增多对数字信息消费的边际影响较小；而在一些欠发达地区，信息基础设施可能尚不完善，剧场和影剧院的增多无法显著促进数字信息消费。

5.4 地区异质性分析

在基准回归分析的基础上，本文进一步探索东部地区与东部以外地区之间的差异性，回归结果见表6列（2）（3）。从中发现，第三产业占比、人口密度、GDP增长率、博物馆数量对数字信息消费具有促进作用，且在东部地区的影响更为显著。这主要得益于东部地区发达的现代服务业、较高的人口密度和较快的经济增长率，进而拉动了对信息服务和数字产品的需求。东部地区博物馆的数量和质量都显著高于中西部地区，这不仅反映了文化资源的丰富性，还为数字信息消费提供了更多的内容来源和消费场景。
值得注意的是，模型结果还揭示了地区间的差异性特征。中西部地区的图书馆藏书量对数字信息消费具有显著的促进作用，而东部地区则不明显。这一差异可能归因于两地区之间的信息基础设施差异。东部地区的信息基础设施完善，居民获取信息技术和服务的渠道多样化，图书馆藏书量的增加对数字信息消费的边际效应较小。中西部地区的信息基础设施相对薄弱，图书馆作为信息获取的重要渠道，其藏书量的增加可能显著改善当地居民的信息获取条件。数字信息消费的驱动因素在不同区域表现出明显的空间差异，这对于制定区域性的信息化发展政策具有重要的参考价值。如东部地区应加快生活服务业数字化转型，大力推进文化数字化；而中西部地区则需重点改善信息基础设施和公共服务供给，以促进各地区根据自身特点和需求发展数字信息消费。

5.5 空间杜宾模型回归结果分析

为了更为精确地量化和理解这种空间溢出效应，本文进一步利用空间杜宾模型进行参数估计。表6列（4）回归结果表明，人口密度和GDP增长率的空间滞后项在1%的显著性水平下通过了假设检验，且符号为正。这表明一个地区的人口密度和经济增长不仅对其自身的数字信息消费具有推动作用，还能够通过空间溢出效应显著促进邻近地区的数字信息消费。原因可能是高人口密度地区往往具备更强的规模经济效应和网络效应，信息技术和服务的传播在这些地区更加高效，这些效应通过区域间的交互作用，提升了相邻地区的信息技术接受度和数字消费水平。同样，GDP的增长也表现出类似的空间溢出效应，原因可能是经济增长通常伴随着居民收入水平的提高，这不仅增强了本地的消费能力，同时也通过区域间的经济联系和贸易活动，促进了邻近地区的数字信息消费。
然而，其他因素如第三产业占比、博物馆数量、图书馆藏书量和剧院数量等因素的空间滞后项并不显著，说明其影响更为本地化，难以通过区域间的互动扩散，或是在现有的区域发展阶段下，其影响主要局限于区域内部。为此，政策制定者需关注如何在区域内部发挥这些因素的潜在效应，结合当地资源禀赋，如数字文旅、东数西算、电商营销等，推动数字信息消费的多元化发展。

6 结论和建议

本文基于2000—2020年中国278个城市的面板数据，采用熵权法和空间自相关分析法，对数字信息消费的综合发展水平及其空间格局变化进行了全面测度与探讨。主要结论如下：①从整体趋势来看，我国数字信息消费水平逐年提升，反映了信息化进程的稳步推进以及互联网、移动通信技术发展和普及对数字信息消费的显著促进作用。伴随着基础设施建设的加速和信息技术的深入应用，数字信息消费逐渐成为衡量地区信息化和经济发展水平的重要指标。②空间分析结果显示，我国数字信息消费水平具有显著的空间集聚效应。特别是在东部地区，如长三角、珠三角和京津冀地区，数字信息消费始终处于全国领先地位。这些地区凭借较高的经济发展水平、完善的信息基础设施以及强有力的政策支持，形成了强大的数字信息消费能力，并展现出巨大的经济增长潜力。相比之下，中部、西部和东北地区由于起步较晚，数字信息消费水平相对较低，但在近几年显示出快速追赶的趋势。东北地区的增速相对缓慢，可能与经济转型和产业结构调整的需求有关。③数字信息消费的扩散路径逐渐呈现从核心城市向周边中小城市扩散的态势，在城市群、大城市和省会城市表现尤为显著。这些高值区通过其较强的辐射效应，带动了周边地区的数字信息消费水平的提升，进一步促进了全国范围内的数字信息消费均衡化。④第三产业占比、人口密度、GDP增长率、博物馆数量等因素对数字信息消费具有显著的正向促进作用。特别是人口密度和GDP增长率的空间滞后项在空间杜宾模型中显示出显著的正效应。表明这些因素不仅能够促进本地区的数字信息消费，还能够通过空间溢出效应，显著提升邻近地区的数字信息消费水平。
基于上述研究结论，本文提出以下政策建议：①优化信息基础设施投资与区域发展战略。应继续加大对信息基础设施的投资力度，制定区域发展战略，促进资源在不同地区之间的合理分配。具体而言，通过优化城市群协同发展和区域合作，促进资源在不同地区间的合理分配；通过信息共享和资源整合，提升城市群对周边地区的数字信息消费辐射能力；支持中西部和东北地区的经济转型和产业结构调整，利用当地独特的资源禀赋，积极培育新兴产业和高科技行业，为数字信息消费创造更多的需求和增长空间；改善提升农村和偏远地区的互联网接入能力，加大信息技术应用的推广力度，缩小城乡和区域间的数字信息消费差距，促进区域协调发展，实现数字经济的普惠共享。②加强对第三产业的支持，尤其是金融、教育、医疗和娱乐等产业的数字化转型。在人口密集地区，利用规模经济和网络效应，推动信息技术服务的创新；大力发展文化产业，扶持文化产品创作和传播；鼓励博物馆、图书馆等文化教育机构加强数字化建设，提高文化产品的质量和丰富性，以满足消费者对信息娱乐、教育和社交等方面的多样化需求；支持中西部地区公共文化服务设施的建设和运营，通过文化资源的普及和利用，提升居民的数字信息消费能力和意愿。③完善数字信息消费政策体系与监管机制，保障数字信息消费者的权利和利益。通过有效的监管机制，营造一个公平竞争、安全规范的数字消费环境，由此提升数字信息消费信心，促进数字信息消费市场健康发展；加强数字信息消费的监测与评估，通过数据分析掌握消费趋势和行为特征，为政策制定提供科学依据，并根据政策实施效果及时进行调整和优化，以实现数字信息消费政策的精准性和有效性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
习近平. 不断做强做优做大我国数字经济[J]. 求是, 2022(2):4-8.

[2]
徐宏潇. 习近平关于发展数字经济重要论述的生成脉络、内在逻辑与时代价值[J]. 经济学家, 2022(10):5-13.

[3]
韩鑫. 信息消费展现蓬勃生机[N]. 人民日报,2022-11-24(2).

[4]
隋岩. 群体传播时代:信息生产方式的变革与影响[J]. 中国社会科学, 2018(11):114-134.

[5]
Piccoli G, Rodriguez J, Grover V. Digital strategic initiatives and digital resources:Construct definition and future research directions[J]. MIS Quarterly, 2022, 46(4):2289-2316.

[6]
Pearson R. Fandom in the digital era[J]. Popular Communication, 2010, 8(1):84-95.

[7]
崔建华. 信息消费力几个理论问题研究[J]. 消费经济, 2006(4):67-70.

[8]
何猛, 闫强. 大数据时代的信息消费内涵分析[J]. 北京邮电大学学报:社会科学版, 2014, 16(4):40-45.

[9]
朱红. 信息消费——理论、方法及水平测度[M]. 北京: 社会科学文献出版社, 2005.

[10]
郭妍, 张立光. 我国居民信息消费函数的实证研究[J]. 当代财经, 2007(8):16-19.

[11]
Kumar V, Chattaraman V, Neghina C, et al. Data-driven services marketing in a connected world[J]. Journal of Service Management, 2013, 24(3):330-352.

[12]
Chan K, Uncles M. Digital media consumption:Using metrics,patterns and dashboards to enhance data‐driven decision‐making[J]. Journal of Consumer Behaviour, 2022, 21(1):80-91.

[13]
李俊杰, 周民良, 薛飞. 信息消费试点政策是否促进城市数字经济发展?——来自国家信息消费试点城市的证据[J]. 消费经济, 2023, 39(5):12-25.

[14]
沈小玲. 我国城镇居民信息消费问题研究[M]. 北京: 人民出版社, 2013.

[15]
柳思维, 杜蓉, 周洪洋. 金融发展、人力资本投入对农村居民信息消费影响[J]. 经济地理, 2019, 39(12):168-177.

DOI

[16]
李婵娟, 王子敏, 马万里. 农村居民信息消费省际差异的影响因素与贡献测度——基于Shapley值过程的实证分析[J]. 情报科学, 2017, 35(8):146-152.

[17]
许竹青, 郑风田, 陈洁. “数字鸿沟”还是“信息红利”?信息的有效供给与农民的销售价格——一个微观角度的实证研究[J]. 经济学(季刊), 2013, 12(4):1513-1536.

[18]
唐任伍, 武天鑫, 温馨. 数字技术赋能共同富裕实现的内在机理、深层逻辑和路径选择[J]. 首都经济贸易大学学报, 2022, 24(5):3-13.

[19]
裴淑媛. 数字信息消费及模式研究:基于沉浸体验视角[J]. 商业经济研究, 2021(18):37-41.

[20]
孙久文, 李承璋. 需求侧与供给侧结合的消费升级路径研究[J]. 中国人民大学学报, 2022, 36(2):52-62.

[21]
万建香, 刘琼芳, 王姗姗. 人工智能创新与居民消费:基于供需双侧路径分析[J/OL]. 系统工程理论与实践,1-25[2024-10-02].

[22]
张晨. 全球数字政府建设现状及非均衡分析[J]. 数量经济技术经济研究, 2022, 39(3):86-106.

[23]
杨俊, 李小明, 黄守军. 大数据、技术进步与经济增长——大数据作为生产要素的一个内生增长理论[J]. 经济研究, 2022, 57(4):103-119.

[24]
师博, 任保平. 中国省际经济高质量发展的测度与分析[J]. 经济问题, 2018(4):1-6.

[25]
陈建军, 陈国亮, 黄洁. 新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J]. 管理世界, 2009(4):83-95.

[26]
朱迪. “宏观结构”的隐身与重塑:一个消费分析框架[J]. 中国社会科学, 2023(3):26-46.

[27]
杨新铭. 数字经济:传统经济深度转型的经济学逻辑[J]. 深圳大学学报:人文社会科学版, 2017, 34(4):101-104.

[28]
李三希, 刘希, 豆江利. 全球数字经济三极格局:发展特征、重要举措与中国应对[J]. 经济纵横, 2024(5):107-119.

[29]
江小涓, 李辉. 服务业与中国经济:相关性和加快增长的潜力[J]. 经济研究, 2004(1):4-15.

[30]
方福前. 中国居民消费需求不足原因研究——基于中国城乡分省数据[J]. 中国社会科学, 2009(2):68-82,205-206.

[31]
欧阳峣, 傅元海, 王松. 居民消费的规模效应及其演变机制[J]. 经济研究, 2016, 51(2):56-68.

[32]
娄勤俭. 文化产业如何成为支柱性产业?[J]. 求是, 2013(15):42-44.

Options
Outlines

/

〈 〉