EN中文

Economic geography >

2026 , Vol. 46 >Issue 1: 129 - 140

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.01.013

Spatiotemporal Differentiation Characteristics and Driving Factors of China's Core Digital Economy Industries

  • ZHU Jie , 1 ,
  • ZHANG Xiaolong 1 ,
  • WANG Jun 2 ,
  • GAO Yuanzhuo , 2, ※
Expand
  • 1. Institute of Western China Economic Research， Southwestern University of Finance and Economics， Chengdu 611130，Sichuan， China
  • 2. School of Economics， Southwestern University of Finance and Economics， Chengdu 611130，Sichuan， China

Received date: 2025-06-27

  Revised date: 2025-12-12

  Online published: 2026-02-12

Fold

Abstract

Promoting the development of core digital economy enterprises is the core engine for consolidating the foundation of digital economy development and driving high-quality economic development. Based on the data of core digital economy enterprises in 284 cities of China from 2000 to 2022 at the micro-enterprise level, this article uses the methods of the Mann-Kendall test, kernel density analysis, standard deviation ellipse analysis, and geographical detectors to reveal the spatiotemporal differentiation characteristics and influencing factors of core digital economy enterprises in China. The results show that: 1) The development of core digital economy enterprises in China exhibits the characteristic of phased transitions, with 2011 as an inflection point, transitioning from a "low-speed foundation-laying period" to a "high-speed growth period". The structure of digital core enterprises simultaneously diverges, with digital technology application enterprises accounting for the largest proportion, while digital factor-driven enterprises grow the fastest. 2) Overall, core digital economy enterprises in China present a stepped spatial distribution pattern of "high in the east of China and low in the west of China", while also exhibiting high regional agglomeration characteristics in the Pearl River Delta and Yangtze River Delta. 3) From the perspective of spatial distribution directionality and gravity center trajectory, the development of core digital economy enterprises in China exhibits a "southwest-northeast" contracting distribution, with the gravity center showing a spatial characteristic of "first shifting eastward and then northward". 4) Talent, innovation environment, and digital infrastructure factors are important factors explaining the spatial differentiation of core digital economy enterprises in China. Local governments should tailor measures to local conditions, combine regional endowments, and differentially arrange core digital economy industries. It should continue to optimize the innovation ecosystem and talent environment, enhancing their radiation ability in high-end digital industries in the eastern coastal areas. In the central and western regions, it should increase investment in digital infrastructure and focus on cultivating and introducing digital technology application industries that are integrated with local traditional industries, in order to narrow the regional digital divide and promote the balanced and coordinated development of China's digital economy.

Key words： core digital economy enterprises; high-quality development; digital manufacturing and digital services; innovation environment; human capital; regional digital divide; China

Cite this article

ZHU Jie , ZHANG Xiaolong , WANG Jun , GAO Yuanzhuo . Spatiotemporal Differentiation Characteristics and Driving Factors of China's Core Digital Economy Industries[J]. Economic geography, 2026 , 46(1) : 129 -140 . DOI: 10.15957/j.cnki.jjdl.2026.01.013

2025年，我国数字经济核心产业增加值占GDP比重达到10%，数字经济已然成为推动全球经济转型与高质量发展的关键力量。党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，对“深入推进数字中国建设”提出了明确要求并作出重要部署。然而，《中国数字经济发展研究报告（2023年）》指出，在数字经济发展水平和数字产业布局方面，区域极化与区域点轴发展模式较为明显。这一宏观层面的空间分化格局在微观层面同样有所体现。作为数字产业发展的重要微观主体，数字经济核心产业企业在空间上的分布与发展呈现出突出的非均衡性，使得中国数字经济发展在一定程度上受限于少数优势地区，难以形成整体协同推进的高水平发展格局，并对经济高质量发展构成制约。因此，有必要对数字经济核心产业企业发展的非均衡性进行系统研究，深入揭示其差异来源及其时空分异的影响因素，从而为探索数字经济高质量发展的实现路径、推进数字经济统筹协调发展提供理论依据和经验参考。
数字经济代表着以数字化知识和信息为关键生产要素、以现代信息网络为重要载体、以信息通信技术的有效使用为效率提升和经济结构优化的重要推动力的一系列经济活动[1-2]。它是继农业经济、工业经济之后的主要经济形态，深刻重塑着全球生产、分配、交换和消费模式。2008年，联合国发布《国际标准产业分类体系》第四版（ISICRev.4），独立列出“信息和通信技术”产业部门，涵盖了生产与分销信息与文化产品的制造活动、相关贸易活动以及信息技术活动、数据处理与其他信息服务活动。随着数字技术的飞速发展和渗透范围的扩大，数字经济的内涵和外延不断扩展，超越了传统的ICT产业范畴。其不仅包含ISIC Rev.4所定义的ICT产业，还延伸至更广泛地应用数字技术实现转型或创新的领域，如平台经济、智能制造、数字内容创作。数字经济核心产业则是数字经济产业体系中最基础、最具技术先导性和战略引领性的部分。张嫚认为，数字核心产业是指产品或服务本身具有高度数字化特征、能够以电子符号形式进行编码和处理的产业，主要包括以软件产业为代表的数字产品生产与服务活动[3]。当下，数字经济核心产业概念已逐渐从传统信息产业扩展至更广泛的领域，涵盖数字创意、数字商务、数字民生等信息产业及其深度市场应用[4-5]，揭示了数字化经济模式在全球化时代背景下的深层次结构性变革。国家统计局公布的《数字经济及其核心产业统计分类（2021）》从数字产业化和产业数字化两个维度出发，将数字经济产业划分为五大类。其中，数字产品制造业、数字产品服务业、数字技术应用业和数字要素驱动业四大类属于数字经济核心产业；第五大类为数字化效率提升业，是指依托数字技术与数据资源的深度应用提高传统产业生产效率，是数字技术与实体经济的融合。在对数字经济核心产业内涵进行明确界定的基础上，本文将数字核心产业企业界定为通过数字技术进行生产、服务、分配和交易的企业，参考洪俊杰等的做法[6]，通过统计数字产品制造业、数字产品服务业、数字技术应用业和数字要素驱动业的企业数量来研究数字核心产业企业在微观层面的集聚规模与新主体进入的活跃程度。
从现有研究来看，直接从微观企业层面考察数字经济核心产业企业发展情况的分析相对较少，更多是通过产业层面的分析来间接反映企业发展特征。具体而言，既有文献主要聚焦于数字经济核心产业的时空分异格局及其影响因素，相关成果大致可分为两个方面：一是数字经济核心产业空间分异特征。多数学者基于国家统计局数字经济产业划分标准，测度数字经济核心产业规模及其增加值[7-8]。研究认为，中国数字经济核心产业整体规模呈现直线式上升的同时，也存在明显的“区域数字鸿沟”，这种鸿沟表现为东部地区数字经济核心产业规模最大、发展速度较快，中部地区数字经济核心产业规模相对较小，但发展速度最快，西部和东北部地区的数字经济核心产业规模最小、增长率最慢。也有学者将研究尺度缩小，进一步研究黄河流域、京津冀和杭州数字经济核心产业空间演化特征[9-11]。二是数字经济核心产业发展影响因素。现有研究既有采用条件β收敛模型[12]，也有采用地理加权回归模型[13]或区位熵法[14]来探究影响中国数字经济核心产业发展的因素。总结这些研究，可以将影响中国数字经济核心产业发展的主要因素归纳为区域经济发展水平、人力资本水平、科技创新能力及对外开放程度等。总体来看，现有研究虽在产业层面揭示了数字经济核心产业的发展格局及其驱动机制，但多以产业规模和宏观指标作为分析对象，对企业层面的空间分布特征、进入活跃程度及其异质性问题关注不足，企业往往作为产业统计中的隐含主体而未被直接刻画。
基于此，本文参照《数字经济及其核心产业统计分类（2021）》利用Python抓取中国284个城市 ① 2000—2022年的数字经济核心企业存量数据，并由此分析该时间段内中国数字经济核心产业企业布局时空分异特征及其影响因素。相较于已有研究，本文的边际贡献在于：①在研究视角上，本文以数字经济核心产业企业作为分析主体，将研究尺度下沉至城市层级，从微观企业集聚与扩散过程出发，刻画数字经济核心产业企业在时间与空间维度上的动态演进特征，有助于更细致地揭示潜在的空间结构特征以及由行政边界与经济辐射范围不一致引发的复杂空间关联现象，从而更贴近企业发展的实际空间逻辑。②在研究方法上，为更全面地把握数字核心产业企业的时空演化特征，本文利用Mann-Kendall非参数检验识别时间序列的潜在突变点，运用标准差椭圆和核密度估计刻画其空间分布方向、离散程度及集聚热点；同时，通过构建一个结合时间趋势、空间格局与演化路径的分析框架，克服了部分研究中时序分析与空间分析相对割裂的局限，提供了更连贯的时空动态视图。此外，通过地理探测器方法构建“自然—经济—制度”多维度影响因素集，引入单因子检测与因子交互探测，建立适用于数字经济核心产业企业空间分异的非线性驱动模型，避免了依赖线性假设、多重共线性、内生性等问题[15]。③在现实意义上，本文较为全面地分析了进入新世纪以来中国城市层面数字经济核心产业企业状况，也从“自然—经济—制度”多维影响因素的线性影响、交互影响精准识别了中国数字经济核心产业企业发展空间非均衡性的关键因素。研究结论可以为数字经济核心产业企业的规划和发展提供参考。

1 数据来源与研究方法

1.1 数据来源与处理

根据国家统计局第10次常务会议通过的《数字经济及其核心产业统计分类（2021）》，本文借助Python工具从企业工商登记数据库中爬取中国2000—2022年数字经济核心企业数量数据。具体方法和步骤如下：第一步，根据《数字经济及其核心产业统计分类（2021）》梳理各数字核心产业所对应的四级国民经济行业分类（小类），在此基础上结合《国民经济行业分类2017》（GB/T4754—2017），将属于四级行业分类的企业在三级行业分类（中类）层面汇总。根据汇总结果，数字核心产业一共涵盖66个三级行业 ② ，其中有34个三级行业的所有下属企业均为数字经济核心产业企业，其余32个三级行业只有部分下属企业为数字经济核心产业企业。第二步，搜集企业工商登记数据，根据66个三级行业分类筛选汇总相关企业的工商注册信息，包含：企业名称、企业类型、经营状态、成立日期、核准日期、经营范围、注册地址、国民经济行业分类等。第三步，进一步判断企业是否为数字经济核心产业企业，若该企业所处三级行业的所有下属企业均为数字经济核心产业企业，则该企业是数字经济核心产业企业。若只有部分企业属于数字经济核心产业企业，本文参照《数字经济及其核心产业统计分类（2021）》对各个类型数字经济核心产业的定义描述，利用文本分析技术，通过设定关键词对每个样本企业的经营范围进行分析，进而判断出企业是否属于数字经济核心产业企业。第四步，计算数字经济核心产业企业存量数。企业工商登记信息并未披露企业退出年份，参考洪俊杰、李磊等的研究[6,16]，本文将经营状态为注销、吊销的企业定义为退出企业，将成立年份视为进入年份，核准年份视为退出年份，分城市统计当年新成立以及当年退出的数字经济核心企业数量，加总后得到分城市分年度的数字经济核心企业存量数据。

1.2 研究方法

1.2.1 Mann-Kendall检验法

曼—肯德尔（Mann-Kendall）法是一种非参数统计检验方法，其优点是不需要样本遵从一定的分布，也不受少数异常值的干扰[17]。具体来说，M-K突变检验会计算每个数据点之前比它小的数据点数目和比它大的数据点数目，再根据这两个数量的比例来判断数据序列是否存在趋势或突变。本文运用该方法来揭示中国数字经济核心产业企业发展的时序特征。

1.2.2 核密度分析

本文借助核密度分析刻画中国数字经济核心产业企业发展的极化特征。核密度估计方法是一种不对数据分布附加任何假定的非参数检验方法[18]，能直观地反映出离散测量值在连续区域内的分布情况[19]。

1.2.3 标准差椭圆

标准差椭圆是以数据均值为中心，数据点在横纵坐标里的标准差为长短轴形成的一个椭圆，主要用于揭示数字核心产业发展的中心性、方向性、展布性等空间特征[20-21]。

1.2.4 地理探测器

地理探测器是探测空间分异性，揭示其驱动力的一种统计学方法。前提假设是：若某个自变量对某个因变量具有重要影响，那么两者在空间分布上应当具有相似性[22]。地理探测器通常对顺序量、比值量或间隔量（xi，xj）进行适当的离散化，通过计算和比较各单因子q值及两因子叠加后的q值，判断两因子是否存在交互作用，以及交互作用的强弱、方向、线性还是非线性等，进而揭示导致因变量空间分异的驱动因素。

2 中国数字经济核心产业企业时空分异特征

2.1 中国数字经济核心产业企业时序特征

2.1.1 中国数字经济核心产业企业时序特征

从整体趋势来看，2000—2022年中国数字经济核心产业企业呈现指数式增长态势（图1a）。其中，2022年数字经济核心产业企业总体规模已突破1200万个，反映出中国数字经济核心产业企业在过去20多年里，经历初期小规模到后期逐步深化和拓展的过程。由图1b可知，UBk与UFk相交于2011年，且突变点位于0.05显著性水平区间以外，说明2011年为数字经济核心产业发展的拐点，其增长趋势在2011年之后陡增。
图1 中国数字经济核心产业企业时序特征及M-K检验结果

Fig.1 Temporal characteristics and Mann-Kendall test results of China's core digital economy enterprises

总的来说，中国数字经济核心产业企业发展经历了“低速奠基期”和“高速增长期”2个阶段。其中，2000—2011年为“奠基”时期，该时期数字经济核心产业企业发展的重心在于基础设施建设与市场培育。数字基础设施以点向面布局和国家信息化战略持续推进，推动了数字经济核心产业企业发展。2011年以后，数字经济核心产业企业进入“高速增长期”，增速大幅提升是重要标志。一方面，国家相继推出“宽带中国”和《数字经济发展规划》等重大战略，为数字经济核心产业企业发展奠定了政策基础；另一方面，移动互联网普及和4G、5G基础设施大规模建设，为数字经济核心产业企业发展提供了技术支撑，同时移动支付、网络购物、短视频、直播、线上教育、互联网医疗等新兴消费模式兴起，消费升级与新型消费需求的快速扩张直接推动了数字经济核心产业企业的爆发式增长。

2.1.2 分城市群数字经济核心产业企业时序特征分析

本文聚焦京津冀、长三角、珠三角、长江中游和成渝五大城市群，分析其数字经济核心产业企业时序特征。其选择科学依据在于：一是这五大城市群均已被明确为引领全国高质量发展的核心增长极，其发展动向牵动全局，研究其数字经济核心产业企业格局直接服务于国家重大战略需求。二是五大城市群覆盖了中国最核心的经济区域，集聚了全国较大部分人口、GDP、科技创新资源与高端生产要素，是中国数字经济核心产业企业最主要的载体与增长极，其发展状况在很大程度上决定了全国数字经济的整体水平和空间格局。三是从地理覆盖与区域代表性看，五大城市群横跨东、中、西三大地带，既包括东部沿海的成熟增长极，也涵盖中部崛起的关键枢纽和西部大开发的战略引擎，这种布局能有效揭示中国不同区域板块在数字核心产业发展上的特征、差异与内在联系。
由图2a可知，中国五大城市群数字经济核心产业企业规模呈现逐步上升的趋势，特别是在长三角和珠三角城市群，数字经济核心产业企业增长的曲线较为陡峭。与之相对，京津冀、长江中游以及成渝城市群总体规模持续上升，但与珠三角和长三角相比，仍存在较大差距。但从增长态势看，长江中游城市群和成渝城市群的数字核心产业企业规模增长最为显著，分别增长了约45.6倍和42.1倍；京津冀、长三角和珠三角城市群则分别增长了约25.6倍、28.1倍和30.4倍（图2b）。表明那些数字基础较差、经济发展相对落后的区域通过学习、模仿、技术引进、制度创新等方式，实现快速发展。李燕等[23]采用3D框架分析得出的长三角城市群经济密度保持升高态势结论也进一步佐证本文分析结果。从五大城市群内部数字经济核心产业企业平均分布来看，研究期间珠三角城市群和长三角城市群长期位列前2，京津冀城市群、长江中游城市群与成渝城市群分别位列第3、第4、第5（表1）。表明在2000—2022年，珠三角和长三角城市群数字经济核心产业企业内部发展与分布更为均衡，而京津冀、长江中游和成渝城市群则相对极化。
图2 中国五大城市群数字经济核心产业企业时序特征及其增长幅度

Fig.2 Temporal characteristics and growth magnitude of core digital economy enterprises in China's five major urban agglomerations

表1 中国五大城市群数字经济核心产业企业内部发展及排名

Tab.1 Intra-regional distribution and rank of core digital economy enterprises in China's five major urban agglomerations

年份 京津冀 长三角 珠三角 长江中游 成渝
数值（个） 排名 数值（个） 排名 数值（个） 排名 数值（个） 排名 数值（个） 排名
2000 2539 3 3517 2 3803 1 1023 4 864 5
2002 3858 3 5617 1 5512 2 1544 4 1359 5
2004 5841 3 8493 1 8210 2 2802 4 2377 5
2006 8129 3 11538 2 11816 1 4002 4 3415 5
2008 10834 3 14545 2 15518 1 5821 4 4586 5
2010 13932 3 17990 2 19674 1 7701 4 5972 5
2012 16749 3 22039 2 24792 1 10458 4 7348 5
2014 21206 3 2798 3 2 34583 1 14163 4 94538 5
2016 28358 3 37811 2 49458 1 18494 4 12140 5
2018 37323 3 50541 2 67888 1 24553 4 17385 5
2020 48201 3 72102 2 89364 1 31665 4 24194 5
2022 64932 3 98793 2 115555 1 46613 4 36339 5

2.1.3 分产业类别时序特征

从2000—2022年中国数字经济核心产业企业各领域的业务规模来看，研究期内数字技术应用业最为突出，规模占比均值达57.6%（图3a）。其突出地位与当前全球数字经济向深度应用和融合发展的大趋势高度契合。根据埃森哲发布的《2025中国企业数字化转型指数报告》可知，数字技术应用蓬勃发展主要得益于企业数字化转型需求的稳步提升、数字技术的持续创新与迭代，以及各行各业对提升效率、优化运营和模式创新的迫切需求。与之形成鲜明对比的是，数字产品制造业占比持续走低。当今，全球产业链分工日益深化，硬件产品的利润空间日益受挤压，加之劳动力成本上升和全球供应链布局调整，中国制造业由价值链低端向高端化、品牌化、服务化转型态势明显[24]，导致部分制造环节向低成本地区转移，从而在整体数字经济规模中的份额相对下降，价值重心转向软件、平台和数据服务。
图3 分类别数字经济核心产业企业规模及其增长率

Fig.3 Scale and growth rate of core digital economy enterprises by category

图3b清晰地揭示了中国数字经济核心产业企业细分产业的增长变化。值得注意的是，数字技术应用业与数字产品服务业的企业增长态势明显趋缓，可能原因是：一方面，传统企业数字化转型已进入报酬递减阶段，技术扩散的边际效益逐步降低；另一方面，新兴技术应用场景的开发面临技术到经济转换的瓶颈约束。与此同时，数字产品服务业和数字产品制造业的企业增长同样表现出明显的趋势性放缓，反映全球价值链重构背景下比较优势动态变化的客观规律，即制造业向具有要素成本优势的地区梯度转移，更是中国在全球创新网络中从制造中心向创新枢纽转型的必然结果。数字产品制造业企业的增速放缓受到全球消费电子市场进入成熟期、地缘政治因素导致的供应链重构等外生冲击的影响。

2.2 中国市域数字经济核心产业企业的空间分布

图4展示了中国市域数字经济核心产业企业在2000、2007、2014和2022年的空间分布变化。从中看出，2000—2022年中国城市数字经济核心产业企业呈现出自东部沿海向中西部内陆递减的“阶梯式”空间格局，空间集聚特征遵循区域性高度集聚规律。具体来说，2000年中国数字经济核心产业企业的空间格局高度集中于珠三角、长三角等沿海城市群，与产业起步阶段的典型特征相吻合。产业初期的技术、资本、人才等关键生产要素的集聚往往依赖于经济发达区域城市已有的完善基础设施、成熟市场条件和创新生态系统[25]。这一时期，内陆地区城市由于经济基础、技术创新能力、数字基础设施建设水平相对较弱，致使数字经济核心产业企业发展受限。到2022年，数字经济核心产业企业的空间分布发生显著变化，东部沿海地区城市虽然依然保持较高的企业密集度，但中西部地区城市的数字经济核心产业企业的发展已显著加速。说明随着政策引导、人力资本提升、技术创新与市场需求的多重推动作用，内陆地区城市数字经济核心产业企业崛起[26]，为未来的数字经济形成均衡化与协同式发展格局注入了更大潜力。
图4 中国市域数字经济核心产业企业数量变化

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〔2019〕1822号的标准地图绘制，底图边界无修改。图5同。

Fig.4 Changes of the number of China's core digital economy enterprises at the prefecture level

图5清晰地揭示了2000—2022年中国数字经济核心产业企业在不同区域的扩展动态与区域性极化特征。从其空间分布来看，2000年高度集中于珠三角和长三角等沿海经济发达区域城市，形成了显著企业集聚带；到2022年，长三角和珠三角依然保持着较高企业密度，但数字经济核心产业企业空间多极特征呈现明显减弱之势。具体而言，以广州为首的珠三角地区数字经济核心产业企业极化特征进一步强化，但与此同时，哈尔滨与南昌等城市极化特征被弱化，而西部地区成都、银川、兰州，中部地区武汉、长沙等城市表现出高密度企业集聚的单核特征。哈尔滨作为东北老工业基地，其产业结构性瓶颈使得传统产业对数字经济的空间挤压效应日益显现，加之数字基础设施与创新水平不高，使得数字经济核心产业企业发展受到钳制。长沙近年来在大数据、人工智能等前沿领域取得一定进展。据长沙市数据局统计分析，2024年，长沙数字经济核心产业企业数量较2023年增长24.8%，税收增速达25.2%，远超同期GDP增速。西部地区的成都、银川、兰州等省会城市（自治区首府）数字经济发展势头同样迅猛，正在逐步崛起为区域经济的重要引擎，标志着西部省会城市在全国经济版图中的战略地位日益凸显，逐步成为推动数字经济高质量发展的重要力量。数字经济核心产业企业的空间分布正在从早期的单极集聚向多极协同转变，与汤渌洋、王桂军等[27-28]的研究结论趋同。“西部大开发”和“一带一路”以及诸多区域经济协调发展战略为西部地区提供了政策支持和基础设施投资，促进了数字经济核心产业企业的本地化发展。因此，中西部诸多省会城市应继续巩固数字经济核心产业企业集聚优势，进一步提升其在全国数字经济中的竞争力和影响力，为推动中国数字经济的均衡发展贡献力量。
图5 中国数字经济核心产业企业核密度演变

Fig.5 Kernel density estimation of China's core digital economy enterprises from 2000 to 2022

2.3 中国数字经济核心产业企业空间分布方向性和重心分析

本文借助ArcGIS软件中的标准差椭圆分析工具，绘制中国数字经济核心产业企业在2000—2022年的空间分布方向性与重心轨迹。结果可知，中国数字经济核心产业企业的空间分布呈现出明显的收缩式特征，表明企业逐渐向局部区域聚集。数字经济核心产业企业发展呈“西南—东北”的方向分布，数字经济核心产业企业发展重心轨迹呈“先向东再向北”迁移动态。虽然数字经济核心产业企业逐步向内陆及中西部地区渗透，但其重心依然存在向东部核心地区集中的趋势。这一变化揭示了数字经济核心产业企业发展的空间极化与中心化的双重特征，即虽然数字经济核心产业企业在某些地区展现出外延式扩展的趋势，但其重心依然向东部及沿海核心区域集中，凸显了区域数字经济与经济的不平衡发展态势。
作为全球制造业和科技创新的重心，珠三角与长三角无疑是中国数字经济的核心，吸引着大量的资本、人才和技术资源，保持着较高的产业密度和创新能力，进一步巩固了其在全国乃至全球数字经济核心产业企业中的领先地位。尽管西部和北方城市在数字经济发展中表现出一定的后发优势，但这种变化未能显著改变中国数字经济核心产业企业的总体发展格局，东部沿海地区依然占据着主导地位。重心的北移并未显著改变“东强西弱”的格局，数字经济核心产业企业的发展重心仍然是沿海和东部区域，数字经济核心产业企业重心再度东移也揭示了中国数字经济核心产业企业分布空间极化与中心化趋势，沿海地区依旧占据着数字经济核心产业企业发展的“制高点”。

3 中国数字经济核心产业企业空间分异驱动因素分析

区域创新系统（RIS）认为地区创新水平是由制度、人才、经济、基础设施等多种因素相互交织影响的[29]。同样，创新是数字经济核心产业企业发展的核心要素。因此，本文构建“多维外部环境支撑系统”理论框架，将数字经济核心产业企业发展置于一个由制度环境、社会经济、基础设施、人才与创新环境、自然气候五大子系统共同支撑的结构之中（图6）。其中，制度环境提供制度性保障，社会经济是重要前提，基础设施提供硬性支撑，人才与创新环境是核心动力，自然气候环境提供外生边界。具体来看：第一，政策制度因素在企业发展的初期阶段起到决定性作用，即政府的数字化发展战略和地方政策通过引导资金、技术和市场资源，直接影响企业的空间布局，尤其是在地方政府的政策倾斜下，产业集聚效应更为显著。本文用中国各城市数字经济词频和表征各地区政策强度。第二，区域前期良好的社会经济发展基础是数字经济快速发展的重要前提。一个区域的人均GDP和城镇化率等指标，不仅反映了其经济活力和市场规模，也预示着潜在的消费能力、人才吸引力以及配套服务的完善程度，为数字经济的萌芽与成长提供了肥沃的土壤和市场支撑。本文用人均GDP和城镇化率表征社会经济发展程度。第三，从新经济地理学和产业区位理论来看，完善的基础设施是企业发展的硬性支撑。高效的交通网络促进了生产要素的流动和产业间的协同互动，而先进的数字基础设施则提供了技术支撑，保障了信息流和数据处理的效率与安全。借鉴黄群慧等的研究[30]，本文采用每百人互联网人数表征数字基础设施因素。第四，人才和创新环境是数字经济核心产业企业持续创新和发展的核心动力。良好的创新环境能够激发技术研发的潜力，而充足的高素质人才则为数字经济核心产业企业提供了强大的技术支持。本文采用R&D经费与R&D人员当量表征。第五，尽管在传统产业区位选择中并非主导，但在特定数字经济业态的建设和运营过程中，自然气候因素的影响不容忽视。适宜的年均气温和降雨量等气候条件能够显著影响数据中心的散热成本、运营能耗以及设备稳定性，从而间接影响其选址决策和区域的企业吸引力。本文采用年均降雨量与年平均气温表征自然气候因素。
图6 中国数字经济核心产业企业的影响因素系统框架

Fig.6 Systemic framework of the influencing factors of China's core digital economy enterprises

综上所述，本文从政策制度、社会经济、基础设施、人才与创新环境以及自然气候5个角度选取代表性变量，剖析这些因素如何相互作用来影响数字经济核心产业企业的空间分布。除数字经济词频、自然气候数据，其他数据均来自各城市统计局及历年统计年鉴，数字经济词频是利用Python在历年政府工作报告中爬取与数字经济相关的名词出现的频次；气候相关数据来源于中国气象局。同时，采用ArcGIS软件对影响因素进行五级自然断点分类。
本文通过地理探测器分析了2000、2007、2014和2022年中国数字经济核心产业企业发展的影响因素及其交互作用。由表2可知，影响中国数字经济核心产业企业空间分异的主导因素在不同年份发生了显著变化。在2000年，主要的影响因素包括社会经济、人才与创新环境以及数字基础，其中人均GDP、科研人力资本和科研财政支出分别对数字经济空间分异的决定力贡献最大。到2022年，主导因素发生了变化，科研人力资本、科研财政支出和数字基础成为影响最大的因素，且在1%的显著性水平上均表现显著。同时，表2还进一步揭示了政策强度的影响力逐渐减弱，q值从0.152降至0.057，下降幅度为62.5%，而基础设施和人才创新环境的影响力则有所增强。由此可以看出，数字经济核心产业企业的主要驱动因素逐渐从外部政策导向转变为内源性因素，尤其是科研和技术创新的推动作用愈发显著。
表2 中国数字经济核心产业企业空间分异因子探测结果

Tab.2 Spatial differentiation factor detection results of China's core digital economy enterprises

2000 2007 2014 2022
q p q p q p q p
POI 政策强度 0.152 0.430 0.175 0.000 0.156 0.000 0.057 0.008
PCG 人均GDP 0.524 0.000 0.289 0.000 0.228 0.000 0.260 0.000
URR 城镇化率 0.131 0.016 0.259 0.000 0.203 0.000 0.195 0.000
TRI 交通基础 0.015 0.387 0.021 0.239 0.023 0.190 0.047 0.025
DIF 数字基础 0.223 0.000 0.627 0.000 0.657 0.000 0.272 0.000
RHC 科研人力资本 0.314 0.000 0.320 0.000 0.358 0.000 0.390 0.000
RFE 科研财政支出 0.245 0.000 0.284 0.000 0.325 0.000 0.363 0.000
AVT 平均气温 0.025 0.157 0.023 0.177 0.022 0.204 0.031 0.075
AVR 平均降雨量 0.010 0.608 0.020 0.239 0.029 0.091 0.029 0.096
在因子交互分析方面，2000和2022年的交互作用也呈现出显著变化（图7）。2000年，人均GDP与交通基础、数字基础以及平均气温之间的交互效应较强，交互值分别为0.766、0.761和0.731。而到2022年，人均GDP与科研人力资本、科研财政支出及城镇化率与数字基础之间的交互效应变得更加突出，交互值依次为0.587、0.564和0.662。此外，交互作用类型的变化也非常显著。在2000年，政策强度与社会经济因素、数字基础、人才与创新环境因素的交互作用类型为双因子增强，而与交通基础和自然气候因素的交互作用类型为非线性增强。2022年，数字基础与城镇化率的交互类型为非线性增强，数字基础与政策强度、政策强度与数字基础以及交通基础与科研人力资本的交互类型则为非线性增强。
图7 中国数字经济核心产业企业空间分异因子交互效应

Fig.7 Interactive effects of spatial differentiation factors in China's core digital economy enterprises

综上分析看出，以政策制度、社会经济因素和基础设施为主的因素驱动初期数字经济发展，而随着时间推移，政策因素的作用逐渐减弱，中国数字经济核心产业企业的发展逐步从依赖外部政策推动，转变为由内生技术和创新驱动的阶段。各因子之间交互作用的转变也进一步佐证了技术和创新环境对数字经济发展日益重要的作用，尤其是在城市化进程加速和科研投入增加的背景下，科技创新已成为数字经济核心产业企业发展的主要驱动力。

4 结论与展望

4.1 研究结论

本文基于2000—2022年中国284个城市数字经济核心企业存量数据，利用Mann-Kendall检验法、核密度分析、标准差椭圆深入分析中国数字经济核心产业企业布局的时空分异特征，并通过地理探测器从驱动因素交互效应层面分析空间分异成因。主要结论如下：
①时序特征上，中国数字经济核心产业企业在2000—2022年呈现显著的阶段性演进特征。从时间进程看，可划分为“低速奠基期”（2000—2011年）与“高速增长期”（2012—2022年）两大阶段。珠三角和长三角城市群数字经济核心产业企业规模稳居前列，且在研究期内与其他城市群的总体规模差距进一步扩大，但长江中游和成渝等城市群数字经济核心产业企业发展态势最为明显。分产业类别看，数字产品制造业企业规模占整体规模比持续下降。数字技术应用企业规模占比最大，且其规模仍在持续增大。数字要素驱动企业规模占比呈现“先降后升”的演变轨迹。
②空间特征上，中国数字经济核心产业企业空间布局呈现“阶梯式递减、集聚与扩散并存”的分异特征。细分区域分布看，数字经济核心产业企业密度自珠三角、长三角向中西部内陆逐级衰减，形成“核心—边缘”层级结构；从极化特征看，中国数字经济核心产业企业形成以省会为核心向周围城市扩散的层级分布状态，珠三角和长三角城市群为持续性高密度集聚区，而成渝、长江中游城市群则表现为“单核”特征，哈尔滨等城市极化强度减弱；从分布方向与重心轨迹看，数字经济核心产业企业分布方向呈现“西南—东北”状态，重心轨迹持续先东后向北移。
③驱动因素上，研究期间各因素的驱动作用呈现非周期性变化。单维度上，中国数字经济核心产业企业的发展在前期主要依靠社会经济与人才创新环境因素推动，后期主要依靠人才环境创新因素与数字基础因素推动。多维度交互效应表现为“双因子增强”与“非线性增强”主导。分阶段看，驱动模式经历“社会经济主导—多因子交互强化—创新基础协同”的转型，后期科研人力资本与数字基础驱动作用显著，凸显创新环境与基础设施协同驱动的重要性。

4.2 政策启示与展望

基于上述研究结论，本文得到如下政策启示：
一是强化多维驱动协同，构建复合型政策体系。根据研究结果，数字经济核心产业企业发展的多因子交互特征显著，在政策上应整合多方资源，建立跨部门协同机制，推动数字基础设施建设与本土化人才培养深度融合，破解“硬件先行、人才滞后”的结构性矛盾。在东部地区，建议通过“创新券+风险补偿”政策，引导社会资本参与前沿技术研发，重点支持人工智能、区块链等新兴技术领域的产学研合作，同时优先在城市化率较高的节点城市布局数字赋能中心，推动数字技术与公共服务场景的协同创新。
二是实施差异化区域策略，优化空间发展路径。数字经济核心产业企业时空分异依然显著，东部地区应聚焦珠三角、长三角创新生态升级，推动产业链向高附加值环节延伸，严控低端产能扩张；中部地区可以依托武汉、长沙等枢纽城市，打造“政策—要素”承接走廊，通过税收优惠和金融杠杆吸引东部轻资产项目的梯度转移；西部地区应推行“省会辐射—周边协同”模式，支持成都、西安等城市通过“研发—制造”分工，带动周边城市共同发展，并探索边疆省份利用清洁能源吸引低碳数据中心布局，培育区域特色增长极。
三是激活核心城市外溢效应，构建多级协同网络。在核心城市的引领下，应优化空间联动，推动技术向中西部节点城市转移。在东部城市，建议设立技术扩散站，通过专利共享和收益分成机制，将成熟技术转移到中西部节点城市；沿主要交通干线布局数字经济核心产业带，在廊道节点城市承接非核心功能，形成“研发—转化—应用”三级分工体系；同时，通过税收优惠和跨境数据试点政策吸引企业区域总部，依托“一带一路”节点拓展外向型数字服务，缓解单极集聚压力，推动“核心引领—多点支撑”的均衡发展格局。
本文基于2000—2022年中国284个城市数字经济核心企业存量数据，揭示了中国数字经济核心产业企业布局的时空分异特征及其影响因素。然而，由于西藏、新疆、青海、内蒙古、海南及港澳台等地区的统计数据缺失，尤其是企业微观注册、数字基础设施覆盖度、专利活动等核心指标的缺乏，导致部分关键结论的局限性。因此，未来研究应进一步加强数据监测，融合遥感夜光数据、跨境物流流量、运营商信令等多源替代数据，建设适用于数据统计困难地区的数字经济产业发展监测系统，以更加清晰地把握中国数字经济核心产业企业的发展步调。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Bukht R, Heeks R. Defining,conceptualising and measuring the digital economy[J]. Development Informatics Working Paper, 2017(68):1-24.

[2]
Williams L D. Concepts of Digital Economy and Industry 4.0 in Intelligent and information systems[J]. International Journal of Intelligent Networks, 2021, 2:122-129.

DOI

[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]
黄新焕, 张宝英. 全球数字产业的发展趋势和重点领域[J]. 经济研究参考, 2018(51):53-61.

[5]
郭晗, 廉玉妍. 数字经济与中国未来经济新动能培育[J]. 西北大学学报(哲学社会科学版), 2020, 50(1):65-72.

[6]
洪俊杰, 李研, 杨曦. 数字经济与收入差距:数字经济核心产业的视角[J]. 经济研究, 2024, 59(5):116-131.

[7]
Zhang T, Li N. Measurement of the scale and development trend of digital economy core industries in China's provinces[J]. Procedia Computer Science, 2024, 242:1218-1225.

DOI

[8]
易明, 张兴, 吴婷. 中国数字经济核心产业规模的统计测度和空间特征[J]. 宏观经济研究, 2022(12):5-20,66.

[9]
韩燕, 潘成, 金凤君, 等. 黄河流域数字经济产业空间格局演化及影响因素[J]. 资源科学, 2024, 46(3):488-504.

DOI

[10]
叶堂林, 张彦淑. 京津冀数字产业发展的时空特征及动态演化[J]. 北京社会科学, 2025(1):15-27.

[11]
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

[12]
李娟, 刘爱峰. 中国区域数字产业发展的平衡性分析[J]. 统计与信息论坛, 2022, 37(1):3-12.

[13]
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

[14]
赵放, 徐熠. 我国数字产业集聚竞争态势比较与影响因素分析——以十九大城市群的实证数据为例[J]. 贵州社会科学, 2024(6):138-145.

[15]
樊涵, 杨朝辉, 王丞, 等. 贵州省自然保护地时空演变特征及影响因素[J]. 应用生态学报, 2021, 32(3):1005-1014.

DOI

[16]
李磊, 马欢. 从“生产回岸”谈“稳外资”——基于发达国家机器人使用驱动的分析[J]. 管理世界, 2023, 39(10):41-59.

[17]
Marsick A, André H, Khelf I, et al. Benefits of Mann-Kendall trend analysis for vibration-based condition monitoring[J]. Mechanical Systems and Signal Processing, 2024, 216:111486.

DOI

[18]
杜书云, 刘丁瑞, 牛文涛. 全面推进乡村振兴下中国趋农产业发展水平的区域差异及分布动态演进[J]. 中国软科学, 2023(2):46-60.

[19]
赵逸才, 王开泳, 华林甫, 等. 清代县级行政区划调整的时空变动与演化机理[J]. 地理学报, 2022, 77(12):2972-2990.

DOI

[20]
陆远权, 张德钢. 我国区域金融效率测度及效率差异研究[J]. 经济地理, 2012, 32(1):96-101.

[21]
刘辉, 申玉铭, 柳坤. 中国城市群金融服务业发展水平及空间格局[J]. 地理学报, 2013, 68(2):186-198.

[22]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[23]
李燕, 贺灿飞. 基于“3D”框架的长江三角洲城市群经济空间演化分析[J]. 经济地理, 2013, 33(5):43-46,66.

[24]
刘淑春. 中国数字经济高质量发展的靶向路径与政策供给[J]. 经济学家, 2019(6):52-61.

[25]
Smith S C. The competitive advantage of nations[J]. Journal of Development Economics, 1993, 40(2):399-404.

DOI

[26]
Li Z, Liu Y. Research on the spatial distribution pattern and influencing factors of digital economy development in China[J]. IEEE Access, 2021, 9:63094-63106.

DOI

[27]
汤渌洋, 鲁邦克, 邢茂源, 等. 中国数字经济发展水平测度及动态演变分析[J]. 数理统计与管理, 2023, 42(5):869-882.

[28]
王桂军, 李成明, 张辉. 产业数字化的技术创新效应[J]. 财经研究, 2022, 48(9):139-153.

[29]
肖土盛, 孙瑞琦, 袁淳, 等. 企业数字化转型、人力资本结构调整与劳动收入份额[J]. 管理世界, 2022, 38(12):220-237.

[30]
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升:内在机制与中国经验[J]. 中国工业经济, 2019(8):5-23.

Options
Outlines

/

〈 〉