EN中文

GEOGRAPHICAL RESEARCH >

2024 , Vol. 43 >Issue 2: 322 - 339

DOI: https://doi.org/10.11821/dlyj020230623

Articles

The dynamic evolution and improvement path of the vitality of digital economy development

  • LI Yan
Expand
  • School of Statistics, Shanxi University of Finance and Economics, Taiyuan 030006, China

Received date: 2023-07-28

  Accepted date: 2023-11-27

  Online published: 2024-02-04

Fold

Abstract

The digital economy promotes high-quality development, and in the context of the digital economy, the vitality of its development is constantly increasing. Based on the business registration information data of enterprises, this paper defines digital economy enterprises, calculates the number of newly registered digital economy enterprises to represent the vitality of the digital economy development, discusses its spatiotemporal evolution trend based on kernel density estimation and standard deviation ellipse, and then discusses its improvement path based on qualitative comparative analysis. The results show that over time, the vitality of China's digital economy development gradually increases, but presents a spatial pattern of “high in the east, followed by middle and northeast, and low in the west”. The differences in vitality within each region show a distribution characteristic of “high in the middle, followed by northeast and west, and low in the east”. The newly registered digital economy enterprises in that year were mainly concentrated in the eastern region, exhibiting clustering characteristics, and the center gradually expanded towards the southwest, at the same time, the distribution direction gradually changed from “East (slightly north) - West (slightly south)” in 2001 to “Northeast (slightly east) - Southwest (slightly west)” in 2020. Both the dominance of the “economic-administrative level” and the “economic-digital economic development environment” will generate high vitality of the digital economy development. In the first- and second-tier cities, the main way to achieve high digital economic development vitality is the dominance of the “economic-administrative level”, assisted by the digital economic development environment, while in third-, fourth-, and fifth-tier cities, the main way is dominated by “economic-digital economic development environment”. This paper aims to clarify the vitality of digital economy development and its evolution trend in various regions, and provide some reference for its improvement path.

Key words： the vitality of digital economy development; dynamic evolution; improvement path

Cite this article

LI Yan . The dynamic evolution and improvement path of the vitality of digital economy development[J]. GEOGRAPHICAL RESEARCH, 2024 , 43(2) : 322 -339 . DOI: 10.11821/dlyj020230623

1 引言

2017—2023年，“数字经济”被六次写入国家政府工作报告中，显示出党中央、国务院对数字经济的高度重视，同时数字经济的顶层设计也在不断明晰。《数字中国发展报告（2021年）》显示，全国数字经济规模从2017年的27.2万亿元增至2021年的45.5万亿元，年均增幅13.73%，数字经济规模全球领先。同时，数据产量从2017年的2.3ZB①(①1ZB (Zettabyte)，是存储容量单位，千万兆字节的缩写，代表的是十万亿亿字节。)增至2021年的6.6ZB，全球占比9.9%，数据资源价值加快释放[1]。数字经济是全球经济未来发展的重点方向，2022数字化转型发展高峰论坛表示，中国数字经济迸发出前所未有的活力。种种迹象表明，中国数字经济快速增长，质量效益明显提升，发展活力不断增强。作为经济增长的新引擎，激发数字经济发展活力有助于推动产业结构转型升级，进而促进经济实现高质量发展。目前数字经济发展活力现状如何，怎样提升数字经济发展活力，是本文接下来要探讨的问题。
发展活力是区域发展的重要维度之一，城市发展活力与夜间灯光呈现出高度的正相关关系[2,3]。目前关于数字经济的研究，更多是以测度数字经济规模或建立数字经济指标体系来研究数字经济发展现状[4⇓⇓-7]，进而探讨数字经济对经济社会所产生的影响。数字经济是中国式现代化的重要动力源泉，其发展推动了经济增长，促进了产业结构优化升级，为高质量发展注入了源源不断的活力[8,9]。从宏观层面来看，数字经济可以促进包容性增长、经济高质量发展以及区域创新[10⇓-12]；从微观层面来看，数字经济可以促进企业管理变革、提升企业资源配置效率[13,14]。数字经济日益成为经济发展的新动能，彰显出巨大的发展活力。
通常而言，数字经济规模越大的地方，数字经济发展指数越高的地方，数字产业和数字人才可能会相对越集中，数字经济发展活力也可能会越强。但由于数据的限制，数字经济规模测度存在一定的困难，同时数字经济指标体系尚缺乏统一标准。且由于经济发展和资源禀赋等方面存在的差异，即便是同一省份的不同城市，甚至是同一城市的不同区县，其数字经济发展可能都存在很大不同。企业是经济发展的主力军，企业规模在一定程度上可以表征一个地区的发展水平，是衡量地区经济发展的重要标志，企业数量与经济发展活力之间存在明显的正相关关系[15]。与之对应，数字经济企业数量越多，数字经济发展程度可能也会越高，且已有学者对数字经济企业数量表征数字经济发展这一问题进行了详细探讨[16]。因此，基于企业层面的微观数据为本文研究各城市的数字经济发展活力奠定了基础。
新注册的企业数量可以表征市场主体活力，已有文献基于新注册企业数量和劳动力人口计算创业活跃度来研究数字经济与创业活跃度的相关问题[17]。基于此，本文认为新注册的数字经济企业数量在某种程度上能够表征数字经济发展活力。新注册的数字经济企业数量越多，数字经济发展活力也就越强。本文旨在分析各城市的数字经济发展活力及其演变趋势，进而提出数字经济发展活力的提升路径。与现有文献相比，主要贡献在于：① 基于《数字经济及其核心产业统计分类（2021）》[18]，结合《国民经济行业分类》（GB/T 4754-2017）[19]，通过对数字经济企业进行界定，结合企业工商登记信息，基于企业经营范围识别数字经济企业，计算当年新注册的数字经济企业数量衡量数字经济发展活力；② 基于核密度估计和标准差椭圆探究数字经济发展活力的时空演变趋势，探索其演变特征；③ 基于定性比较分析探讨数字经济发展活力的提升路径，为激发各地数字经济发展活力，进而促进经济发展提供一定的借鉴及参考。

2 数据来源与研究方法

2.1 数据来源

国家统计局公布的《数字经济及其核心产业统计分类（2021）》[18]（以下简称“分类”）为数字经济相关议题的研究提供了基础。已有学者参照该分类研究了数字经济核心产业中间投入及数字资产测算等问题[20,21]。基于该分类，结合《国民经济行业分类》（GB/T 4754-2017）[19]，数字经济核心产业与国民经济行业大概存在以下对应关系。
首先，根据数字产品制造业及数字技术应用业的细分类别，两者分别对应“计算机、通信和其他电子设备制造业”及“信息传输、软件和信息技术服务业”。其次，根据数字产品服务业的细分类别，该产业中的数字产品批发和数字产品零售对应“批发和零售业”中涉及计算机、软件及辅助设备批发和零售、通信设备批发和零售、广播影视设备批发、电子和数字出版物零售的行业；数字产品租赁对应“租赁和商务服务业”中的“租赁业”，进一步对应“机械设备经营租赁”中的“计算机及通讯设备经营租赁”和“文体设备和用品出租”中的“音像制品出租”；数字产品维修对应“居民服务、修理和其他服务业”中“计算机和办公设备维修”中的“计算机和辅助设备修理”和“通讯设备修理”。第三，根据数字要素驱动业②（②在数字要素驱动业中，互联网平台可能与数字技术应用业的部分内容存在交叉，本文将其归为后者。信息基础设施建设、数据资源与产权交易、其他数字要素驱动业只有部分服务属于数字经济核心产业，本文对此不予考虑。）的细分类别，该产业中的互联网批发零售对应“批发和零售业”中的“互联网批发”和“互联网零售”；互联网金融对应“金融业”中“货币金融服务”中的“网络借贷服务”和“其他金融业”中的“非金融机构支付服务”“金融信息服务”；数字内容与数字媒体对应“广播、电视、电影和录音制作业”和“新闻和出版业”中的“音像制品出版”“电子出版物出版”及“数字出版”。
RESSET企业大数据平台中的工商信息数据库提供了国民经济一级行业和二级行业对应的详细企业信息。结合界定的数字经济企业范围，需要搜集“信息传输、软件和信息技术服务业”“批发和零售业”两个一级行业，以及“计算机、通信和其他电子设备制造业”“租赁业”“机动车、电子产品和日用产品修理业”“货币金融服务”“其他金融业”“广播、电视、电影和录音制作业”“新闻和出版业”7个二级行业的企业工商登记信息。工商登记信息主要包括企业主键、所在省份、所属城市、企业名称、注册时间、经营状态、企业类型、经营范围和联系方式等。
在汇总得到企业工商登记信息后，对数据进行如下处理。首先，剔除各行业存在重复记录的企业，保证企业记录的唯一性。其次，在原始数据中，部分企业的经营范围与其所属行业表现不一致，需要根据行业所涉及的经营范围对企业进行筛选。具体地，基于《国民经济行业分类》（GB/T 4754-2017）[19]对所涉行业的解释，设定与数字经济核心产业相关的关键词③(③鉴于篇幅限制，关键词不再具体列出。)，将经营范围中包含所涉关键词的企业定义为数字经济企业④（④基于识别的可实现性，本文所指数字经济企业为数字经济核心产业对应的数字经济企业，不包含数字化效率提升业所对应的数字经济企业。），进而基于企业注册时间计算各城市当年新注册的数字经济企业数量表征数字经济发展活力进行后续分析⑤(⑤鉴于统计的便利性，本文基于属地原则，将地级市作为基本统计单元，以各城市当年新注册的数字经济企业数量表征各城市的数字经济发展活力。)。

2.2 研究方法

2.2.1 核密度估计

核密度估计是一种非参数检验方法，通常用来估计未知的密度函数，旨在用连续的密度曲线去描述随机变量的分布形态，进而从数据样本本身出发来研究数据的分布特征。本文基于该方法对数字经济发展活力的分布情况进行估计。假定随机变量X的密度函数为 f x，随机变量Y=(y1,y2, ⋯,yn)独立同分布，则核密度函数的估计为：
f x = 1 n h ∑ i = 1 n K y i - y h
式中：n表示城市个数；h表示窗宽，取值越大越平滑；K（·）表示核函数。

2.2.2 标准差椭圆

标准差椭圆是分析随机变量空间分布特征的经典方法，主要基于椭圆大小反映空间格局的集中程度，偏角反映空间格局的主导方向，涉及标准差椭圆中心、标准差椭圆轴方向及标准差椭圆轴长的标准差距离3个指标。计算步骤如下[22]。
确定标准差椭圆中心：
S D E x = ∑ i = 1 n ( x i - X - ) 2 / n           S D E y = ∑ i = 1 n ( y i - Y - ) 2 / n
式中： S D E x、 S D E y表示标准差椭圆的中心坐标； x i , y i表示当年新注册数字经济企业的区位坐标； X - , Y -表示当年新注册数字经济企业的平均中心坐标；n表示当年新注册数字经济企业数量。
确定标准差椭圆轴的方向：
t a n θ = A + B C
式中： t a n θ表示标准差椭圆轴的方向； θ表示椭圆方位角； A = ∑ i = 1 n x - i 2 - ∑ i = 1 n y - i 2； B = ∑ i = 1 n x - i 2 - ∑ i = 1 n y - i 2 2 + 4 ∑ i = 1 n x - i y - i 2； C = 2 ∑ i = 1 n x - i y - i 2； x - i、 y - i分别表示当年新注册数字经济企业坐标到平均中心坐标的偏差。
确定标准差椭圆轴长的标准差距离：
σ x = 2 ∑ i = 1 n ( x - i c o s θ - y - i s i n θ ) 2 n           σ y = 2 ∑ i = 1 n ( x - i s i n θ + y - i c o s θ ) 2 n
式中： σ x和 σ y分别表示X轴和Y轴的长度；其余的参数与公式（2）和公式（3）中的参数保持一致。

2.2.3 定性比较分析

定性比较分析（Qualitative Comparative Analysis，QCA）是一种以案例研究为导向的理论集合研究方法，旨在通过案例间的比较，找出前因条件与结果间的因果关系，进而回答哪些条件导致结果发生，哪些条件导致结果不发生[23]155。与传统回归分析研究某一变量对结果的影响相比，QCA更多聚焦于多要素的组态效应，认为要素之间的相互影响导致了结果的发生，且同一结果可能是不同前因条件的组合，因此能更好地分析多要素并发的因果复杂性问题[24]。一般而言，根据原始数据的形态，QCA方法包括模糊集QCA、清晰集QCA和多值集QCA。模糊集QCA主要适用于对数据没有清晰界限的连续型数据，本文主要采用该方法来分析影响数字经济发展活力的组态条件，进而提出数字经济发展活力的提升路径。
具体而言，QCA方法大致可以分为以下几个阶段。首先，基于理论或现有研究确定前因条件和结果变量，本文表现为确定影响数字经济发展活力的主要因素；其次，对前因条件和结果变量进行数据校准，将原始数据赋予集合隶属分数，以确定各变量是否属于或在多大程度上属于目标集合；第三，单个条件的必要性分析，探讨结果变量在多大程度上构成前因条件的子集；第四，条件组态的充分性分析，探讨前因条件在多大程度上构成结果变量的充分条件。进而对所得结果进行稳健性检验，并对结果进行阐释，即可得到组态分析结果[25]。

3 结果分析

3.1 数字经济发展活力的时空变化特征

3.1.1 时间分布特征

从时间层面来看，可能由于新冠疫情的严重冲击，2020年全国新注册数字经济企业数量出现了一定程度的下滑⑥（⑥新冠疫情对企业存在一定程度的冲击，对企业经营造成了广泛而持久的负面影响[26]。已有研究表明，新冠疫情显著降低了创业活跃度[27]，且对浙江省数字技术应用业新增企业数量存在负向影响[28]。虽然新冠疫情的爆发在一定程度上可能对数字经济的发展具有一定的推动作用[29]，但为控制疫情发展，2020年采取的诸如限制人员流动、实施交通管制、工厂停工或延迟开工等政策，对于企业注册，这种推动作用可能在后疫情时代才逐渐表现出来。）。除该年份外，整体来看，当年新注册的数字经济企业数量随时间变化而不断增长（图1）。具体而言，2001年全国新注册数字经济企业数量为12.08万家，2019年增长为187.73万家，年均增长16.46%，充分显示出数字经济企业的蓬勃发展。尤其是2013年以来，当年新注册数字经济企业数量呈现出明显的指数增长态势。这就表明，中国数字经济发展活力逐年增强。同时，分类别⑦(⑦根据界定的数字经济企业范围，数字经济企业包括数字产品制造业、数字产品服务业、数字技术应用业和数字要素驱动业。需要注意的是，由于数字产品服务业和数字要素驱动业均涉及批发和零售业的相关内容，在具体筛选过程中，难免会存在某些企业的经营范围既涉及数字产品批发和零售，又涉及互联网批发零售。如果将两者分别进行筛选，必然会造成当年新注册数字经济企业数量的高估。因此，本文将数字产品服务业和数字要素驱动业合并，分析数字产品制造业、数字技术应用业及数字产品服务和数字要素驱动业三者的发展态势。)来看，除2020年新注册各类数字经济企业数量呈现出一定程度的萎缩外，当年新注册的数字产品制造业企业从2001年的7445家增长至2019年的12936家，增长近0.74倍；新注册的数字技术应用业企业从2001年的4.32万家增长至2019年的52.24万家，增长近11.09倍；新注册的数字产品服务和数字要素驱动业企业从2001年的7.02万家增长至2019年的134.19万家，增长近18.12倍。这显示出全国每年新注册数字经济企业数量的增长主要是由于数字技术应用业及数字产品服务和数字要素驱动业新注册企业数量的增长，而数字产品制造业企业数量则保持了相对稳定的增长态势。
图1 2001—2020年新注册数字经济企业数量

Fig. 1 Number of newly registered digital economy enterprises from 2001 to 2020

3.1.2 空间分布特征

进一步从空间角度来看，2001年、2010年、2019年及2020年，各城市当年新注册的数字经济企业数量整体均呈现出东部地区最多，中部及东北地区次之，西部地区最少的发展格局（图2）。以2001年及2020年为例，2001年新注册数字经济企业数量超过1000家的城市大部分位于东部地区，尤其上海达到11897家，是当年唯一一个新注册数字经济企业数量超过1万家的城市。中部及东北地区部分城市当年新注册数字经济企业数量介于101~500家之间，但西部地区大部分城市小于等于100家。这显示出数字经济发展活力区域差异明显，存在明显的区域不平衡特征。经过近20年的发展，2020年新注册数字经济企业数量发生了翻天覆地的变化。东部地区，尤其是东部沿海地区，部分城市当年新注册数字经济企业数量甚至超过了5万家，如深圳市（9.29万家）、广州市（8.20万家）、三明市（6.74万家）、金华市（5.62万家），显示出东部地区强劲的数字经济发展活力。同时，中部地区大部分城市及东北地区部分城市当年新注册数字经济企业数量介于1001~5000家之间，西部地区大部分城市当年新注册数字经济企业数量位于1000家及以下。
图2 2001年、2010年、2019年及2020年新注册数字经济企业数量空间分布图

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2023)2763号）绘制，底图边界无修改。

Fig. 2 Spatial distribution of the number of newly registered digital economy enterprises in 2001, 2010, 2019, and 2020

整体而言，2001—2020年，各城市当年新注册数字经济企业数量均呈现出一定程度的增长，显示出各城市数字经济发展活力的进一步提升。但不变的是，各城市当年新注册数字经济企业数量依然保持了东部地区大于中部及东北地区大于西部地区的梯度格局，数字经济发展活力分布的区位特征并未发生显著变化。
进一步从三种类型当年新注册的数字经济企业来看，2001年，数字产品制造业企业主要集中在江苏、浙江、山东、广东、福建等沿海地区的部分城市，数字技术应用业企业主要集中于东部及中部地区的一些城市，数字产品服务和数字要素驱动业企业则主要集中在东部沿海地区的部分城市及各地区的省会城市。到2020年，数字产品制造业企业虽然仍集中在山东、江苏、浙江、广东等沿海地区，但江西、湖南、广西等地也有了进一步发展。而数字技术应用业企业依旧集中于东部及中部地区的大部分城市，尤其是省会城市。数字产品服务和数字要素驱动业企业则更加集中在江苏、浙江、福建等沿海地区的部分城市。

3.2 数字经济发展活力的动态演进

3.2.1 时间演变趋势

根据公式（1），以当年新注册数字经济企业数量的对数为基准，选取高斯核函数进行核密度估计。图3显示，整体而言，2001—2020年，无论是全国还是东、中、西、东北四大地区⑧(⑧东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省（市）；中部地区包括山西、安徽、江西、河南、湖北、湖南6个省份；西部地区包括内蒙古、广西、四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省（市、自治区）；东北地区包括辽宁、吉林、黑龙江3个省份。)，当年新注册数字经济企业数量均逐年增长，核密度图整体表现出向右移动的趋势。从主峰分布形态来看，全国及西部地区主峰峰值表现出“下降-上升-下降”的趋势，尤其西部地区表现明显，显示出各城市当年新注册数字经济企业数量差异表现出扩大、缩小、再扩大的特征。而东部、中部及东北地区主峰峰值表现出“上升-下降”的趋势，尤其东北地区表现明显，显示出这些地区各城市当年新注册数字经济企业数量差异呈现出先缩小后扩大的特点。这可能是由于在西部地区，部分城市如重庆、成都、西安、贵阳等经济发展程度相对较高，优先推动数字经济发展，而其他城市数字经济发展具有后发优势，因此导致其数字经济发展活力差异先扩大后缩小。近年来，四川、重庆、贵州等地进一步出台数字经济政策以促进数字经济发展，数字经济发展活力得到进一步提升，其他城市与其差异又逐渐扩大。而在东部、中部及东北地区，各城市均受惠于数字经济发展，但后续产生了一定程度的数字鸿沟，导致其数字经济发展活力差异先缩小后扩大。从极化趋势及分布延展性来看，全国及东、中、西、东北四大地区均未呈现出明显的双峰及多峰状态，不存在明显的极化趋势，也不存在明显的拖尾特征。
图3 全国及四大地区当年新注册数字经济企业数量核密度图

Fig. 3 Kernel density map of the number of newly registered digital economy enterprises in the current year of nationwide and four major regions of eastern, central, western and northeastern China

整体而言，近年来全国及东、中、西、东北四大地区核密度图波峰峰值下降、宽度增加，各城市当年新注册数字经济企业数量差异逐年扩大。通过对比可以发现，东部地区各城市当年新注册数字经济企业数量差异最小，西部及东北地区次之，中部地区最大，显示出数字经济发展活力逐年增强，但差异也在逐年扩大。结合前述分析，数字经济发展活力表现出东、中、东北、西逐渐递减的分布格局，但数字经济发展活力差异则表现出中、东北、西、东逐渐递减的分布特点。

3.2.2 空间演变趋势

基于腾讯地图API，结合python语言，根据企业地理位置获取每个新注册数字经济企业的地理坐标，使用Arcgis 10.5将2001年、2010年及2020年各城市新注册数字经济企业坐标转换为点状矢量数据。确定输出椭圆大小选择一个标准差，范围涵盖68%的输入要素，据此分析数字经济发展活力的分布方向及范围变化趋势。在剔除异常数据及未获得企业位置经纬度坐标的数据后，结果显示，首先，2001年、2010年、2020年新注册数字经济企业标准差椭圆面积分别为275.63、242.20、232.10⑨（⑨计算标准差椭圆的原始数据为经纬度，本文只比较其相对大小。），整体存在一定程度的缩小趋势，当年新注册数字经济企业表现出一定的集聚特征。直观来看，自2001年起，当年新注册数字经济企业主要分布在东部地区，2020年依然如此，表明数字经济企业往往会在经济较为发达的地区注册成立，数字经济发展活力与经济发展在某种程度上存在一定的正相关关系。其次，标准差椭圆的方位角在2001年、2010年、2020年分别表现为80.13°、55.23°、58.90°，表明这20年间当年新注册数字经济企业集聚方向变动相对较大，2001年基本展现出“东（略偏北）-西（略偏南）”的分布态势，之后逐渐向“东北-西南”转移，2020年呈现出“东北（略偏东）-西南（略偏西）”的分布特点。第三，标准差椭圆的中心坐标由2001年安徽省阜阳市境内的（32.62°N，115.23°E）转变为2010年河南省信阳市境内的（32.20°N，115.35°E），再转变为2020年湖北省黄冈市境内的（31.38°N，115.12°E），存在向西南转移的态势。且标准差椭圆的长短轴差距由2001年的1.73转变为2010年的1.39，再转变为2020年的1.58，后续年份相对2001年更接近圆形，当年新注册数字经济企业存在南北拓展之势。
进一步从东、中、西、东北四大地区的视角分别计算各地区当年新注册数字经济企业的标准差椭圆。结果显示，相对2001年，2020年各地区标准差椭圆面积均存在一定程度的缩小，表现出一定的集聚态势。同时，东、中、西及东北地区新注册数字经济企业分别展现出“南（略偏西）-北（略偏东）”“南（略偏东）-北（略偏西）”“东南（略偏东）-西北（略偏西）”“东北（略偏北）-西南（略偏南）”的分布特征。除此之外，东部及东北地区标准差椭圆中心坐标分别展现出向西南及东北方向的转移态势，而中部及西部地区则展现出向东南方向的转移态势。

3.3 数字经济发展活力的提升路径

3.3.1 前因条件

邓慧慧等在研究数字技术城市网络时，提到城市网络地位受到城市行政级别、经济发展水平和营商环境的影响[30]。前述分析表明，在某种程度上，数字经济发展活力与经济发展之间存在一定的正相关关系，经济发展水平越高，当年新注册的数字经济企业数量越多，数字经济发展活力越强。且相对其他城市，省会城市和直辖市由于集聚了大量有利于数字经济发展的要素，诸如较完善的数字基础设施建设等物质资本，受教育程度较高的人力资本，较先进的5G、大数据、人工智能等数字技术，这些城市往往会享受更多由数字经济发展所带来的数字红利，进而促使数字经济发展活力的进一步提升。因此，经济发展水平和行政级别是数字经济发展活力的两个传统驱动因素。
除此之外，良好的数字经济发展环境也是数字经济发展活力的重要保障。数字基础设施、数字人才、数字经济政策等均是数字经济发展环境不可或缺的组成部分。首先，数字基础设施是一切数字经济活动的前提，是数字经济发展的坚实基础。在数字经济时代，与数字经济发展相适应的新型基础设施是促进数字经济相关活动发展的关键[31]。在官方界定的内涵中，新型基础设施主要包括信息基础设施、融合基础设施和创新基础设施3个方面[32]。信息基础设施是数字经济发展的基础，融合基础设施体现了传统基础设施与数字技术相互融合的趋势，因此数字基础设施更多地集中在信息基础设施与融合基础设施两个方面⑩(⑩参见清华大学互联网产业研究院：《“十四五”数字经济发展规划》解读，2022-03-21， http://www.iii.tsinghua.edu.cn/info/1121/3003.htm。)。其次，人才是数字经济发展的核心。在《中华人民共和国职业分类大典（2022年版）》中，净增155个新职业，其中97个是新增标注的数字职业[33]。各地在大力发展数字经济的同时，急需一大批具有数字经济知识和技能以适应数字经济发展的相关人才。第三，数字经济建设需要大量投入，尤其是在数字经济发展初期，政府对数字经济建设的支持往往更能助推数字经济的发展。

3.3.2 数据来源及处理

以数字经济发展活力作为结果变量，经济发展水平、行政级别、数字经济发展环境作为前因条件，基于定性比较分析探究前因条件对数字经济发展活力的影响。为了得出更一般性的结论，本文基于2019年的数据进行分析。其中，经济发展水平用地区生产总值代表，数据来源于CNRDS及各城市统计公报；关于行政级别，省会城市及直辖市赋值为1，其他城市赋值为0⑪(⑪为分析方便，本文后续将省会城市和直辖市统称为省会城市，其他城市统称为非省会城市。)；而数字经济发展环境则包括数字基础设施、数字人才、数字经济政策。
数字基础设施包括信息基础设施和融合基础设施，信息基础设施主要指基于新一代信息技术演化生成的基础设施，包括通信网络基础设施等；融合基础设施则主要指深度应用互联网等技术，支撑传统基础设施转型升级，包括智能交通基础设施等⑫（⑫参见央视财经：《国家发改委首次明确“新基建”范围》，2020-04-20， https://baijiahao.baidu.com/s?id=1664461956525441441&wfr=spider&for=pc。）。对基础设施建设的投资在某种程度上可以衡量基础设施建设的完善程度，投资越多，基础设施建设往往越好。尚文思探讨了用各行业固定资产投资代表新基建的合理性[34]。但由于固定资产投资统计口径在2018年发生了变化，各城市自该年份起不再公布固定资产投资规模，且一般认为5G技术的元年是2019年。因此，综合考虑数据的可得性，本文选取固定电话普及率、移动电话普及率、互联网普及率3个指标的综合评价指数代表信息基础设施。上述3个指标分别根据固定电话用户数、移动电话用户数、固定互联网宽带接入用户数及常住人口进行计算，相关数据来源于各省统计年鉴、各城市统计年鉴及统计公报。而在衡量融合基础设施时，考虑到智慧城市涉及在城市规划、设计、建设、管理与运营等领域，通过物联网、云计算、大数据等智能计算技术的应用，使得城市管理、交通运输、公共事业等城市组成的关键基础设施组件和服务更互联、高效和智能。因此，采用是否属于智慧城市试点对其进行衡量。住建部于2012年公布了首批智慧城市试点名单90个（市、市辖区、县、镇），2013年公布智慧城市试点名单103个（市、市辖区、县、镇），2014年进一步新增试点名单97个（市、市辖区、县、镇）。需要注意的是，由于某些地级市在设立智慧城市时仅将某个或某些区县作为试点，如果将其所在地级市划归为智慧城市，难免会造成融合基础设施的高估。因此，在衡量融合基础设施时，地级市本身及超过一半区县作为智慧城市试点的，将其赋值为1，否则，赋值为0。
在数字人才职能分类中，对数字人才的界定往往是通过判断就业者是否拥有ICT技能。ICT技能通常包括ICT普通技能、ICT专业技能及ICT补充技能[35]，且往往将拥有ICT专业技能的人才定义为数字人才。一般而言，ICT行业主要指信息和通信技术行业，包括计算机、通信和其他电子设备制造业及信息传输、软件和信息技术服务业。拥有ICT专业技能的人才更多地对应信息传输、软件和信息技术服务业就业人员。鉴于数据的可得性，本文采用信息传输、软件和信息技术服务业城镇非私营单位就业人员数代表数字人才，数据来源于CNRDS及各省、各城市统计年鉴。
在数字经济快速发展的背景下，各地均想抓住数字经济发展机遇，通过发展数字经济来促进本地经济发展。截至2020年底，除新疆、宁夏在政府工作报告中提及支持数字经济发展外，其他省区市均推出了数字经济专项政策以促进数字经济发展⑬(⑬资料来源：中国互联网经济研究院：盘点|2021年中国及各省市数字经济政策汇总（全），2021-02-10， http://ccie.cufe.edu.cn/info/1006/1647.htm。)。陶长琪等对全国各城市的数字经济政策供给水平进行了测度[36]。本文参考其测度方法，用各城市截至2019年底的数字经济政策文本数量代表数字经济政策。具体做法为：首先结合数字经济定义界定有关数字经济发展的关键词，包括数字经济、数字化、大数据、云计算、人工智能、5G、区块链、物联网、智慧交通、智慧能源、智慧医疗、智慧农业；其次，本文认为只有标题中含有以上关键词的专项政策才属于数字经济政策。因此，在北大法宝网站检索标题中含有以上关键词的各城市2019年底之前颁布的数字经济政策文本，包括地方规范性文件、地方工作文件、地方性法规和行政许可批复，共计1667条。但需要注意的是，检索出的政策文本并不完全属于数字经济政策文本，需要对其进行人工筛选，将类似“实施意见”“实施方法”“政策”“规划”“计划”“纲要”“培训”等能直接反映推动数字经济发展的政策归为数字经济政策，而将类似“组织申报”“绩效考核”“认定基地”“名单通知”“公示”等不能直接反映推动数字经济发展的政策剔除，进一步剔除失效的政策文本，对现行有效的政策文本进行去重处理，最终得到887条与数字经济发展直接相关的数字经济政策文本，进而计算各城市截至2019年底的数字经济政策文本数量表征数字经济政策。

3.3.3 组态分析

在分析数字经济发展活力时，本文涉及338个地市州、盟市及地区。限于前因条件所需数据的限制，最终基于303个地市州、盟市的相关数据进行组态分析。
首先是数据校准。采用直接校准法对变量进行校准，选取模糊隶属度为0.95、0.50、0.05对应的数值分别作为完全隶属阈值、交叉点、完全不隶属阈值。结果变量及前因条件的校准锚点如表1所示。同时，由于在模糊集QCA分析中，校准后位于0.50隶属度的分析记录会被删除，因此参考Fiss的研究[37]，将交叉点的隶属度更改为0.501以保证分析记录的完整性。
表1 各变量校准锚点

Tab. 1 Calibration anchor points for each variable

隶属度 数字经济发展活力 经济发展 行政级别 信息基础设施
完全隶属 23452.80 11491.70 1 48.99
交叉点 2280.00 1745.00 - 27.46
完全不隶属 985.50 341.50 0 19.33
隶属度 融合基础设施 数字人才 数字经济政策 -
完全隶属 1 5.03 9 -
交叉点 - 0.34 2 -
完全不隶属 0 0.09 0 -
其次是单个条件的必要性分析，旨在检验某一条件对数字经济发展活力的提升是否是必要的。一致性分数是判断单个条件是否是结果变量必要条件的常用指标。通常认为，当一致性分数大于0.9时，该条件是结果变量的必要条件，反之，则不是结果变量的必要条件[38]。根据以上准则，表2显示，不存在影响城市高数字经济发展活力的必要条件，但非省会城市是非高数字经济发展活力的必要条件。这就表明，数字经济发展活力较低的城市均为非省会城市。值得注意的是，虽然在一致性分数临界值0.9的判断标准下，经济发展不是高数字经济发展活力的必要条件；非经济发展、非数字人才不是非高数字经济发展活力的必要条件，但其一致性分数均相当接近0.9。这在某种程度上反映出数字经济发展活力较高的地区经济发展程度较高，而数字经济发展活力较低的地区经济发展程度较低，且其数字人才也相对较为匮乏。
表2 单个条件的必要性检验

Tab. 2 Necessity test for individual conditions

条件变量 结果变量
高数字经济发展活力 非高数字经济发展活力
一致性 覆盖度 一致性 覆盖度
经济发展 0.8960 0.8519 0.4650 0.6347
非经济发展 0.6159 0.4451 0.8915 0.9248
行政级别 0.1981 0.7952 0.0356 0.2048
非行政级别 0.8019 0.3668 0.9644 0.6332
信息基础设施 0.7460 0.6558 0.5280 0.6663
非信息基础设施 0.6204 0.4780 0.7273 0.8043
融合基础设施 0.6947 0.5114 0.4624 0.4886
非融合基础设施 0.3053 0.2835 0.5376 0.7165
数字人才 0.8480 0.8537 0.4681 0.6764
非数字人才 0.6786 0.4705 0.8987 0.8946
数字经济政策 0.7391 0.7464 0.4347 0.6301
非数字经济政策 0.6337 0.4385 0.8251 0.8195
在前述分析的基础上，可进行条件组态的充分性分析。已有研究通常将原始一致性阈值设定为0.8，PRI一致性阈值设定为0.7，案例频率阈值设定为1。关于原始一致性阈值没有太大争议，Greckhamer等提出，PRI一致性阈值不能低于0.5[39]。现有研究设定PRI一致性阈值涉及0.7和0.75[40,41]。本文参考已有研究，将原始一致性阈值、PRI一致性阈值、案例频率阈值分别设定为0.8、0.7、1。之后参考杜运周等的研究，将既在中简解也在简约解中出现的条件作为给定组态的核心条件，只在中间解中出现的条件作为给定组态的边缘条件[23]161。组态分析结果如表3。
表3 组态分析结果

Tab. 3 Configuration analysis results

高数字经济发展活力 非高数字经济发展活力
S1 S2 S3 S4 NS1 NS2 NS3 NS4 NS5
经济发展 • • • • V V V △
行政级别 • △ △ V V V V
信息基础设施 • • • V •
融合基础设施 • • • V V V
数字人才 • • • V •
数字经济政策 • • • V V V
一致性 0.9980 0.9165 0.9602 0.9649 0.9642 0.9442 0.9507 0.8717 0.9934
原始覆盖度 0.1591 0.2734 0.3089 0.4752 0.5963 0.4810 0.8209 0.4565 0.1259
唯一覆盖度 0.0099 0.0212 0.0568 0.0738 0.0049 0.0040 0.1140 0.0315 0.0058
总体一致性 0.9381 0.8926
总体覆盖度 0.5631 0.8851

注：•表示核心条件存在，V表示核心条件缺失；•表示边缘条件存在，△表示边缘条件缺失；空白表示条件可以存在也可以不存在。

S1、S2、S3、S4为实现高数字经济发展活力的4个充分条件组态( 分别将案例阈值由1提高到2，PRI阈值由0.7提高到0.75进行组态分析，结果与原始设定结果基本一致，结果稳健。)。结果显示，总体解的一致性为0.9381，覆盖度为0.5631。S1反映了以经济发展、行政级别为主导提高数字经济发展活力的具体路径，代表了数字经济发展环境较优良的省会城市和直辖市，如北京、上海、广州、重庆等。这些城市由于良好的经济基础和本身具有的传统优势，在数字经济发展环境方面拥有较完备的信息基础设施建设，吸引了较多数字人才，同时由于其政府效率较高，在数字经济快速发展时期积极出台数字经济政策以支持当地数字经济发展，因此产生了高数字经济发展活力。本文将其称为“经济-行政级别”主导型。S2、S3、S4则反映了以经济发展、数字经济发展环境为主导提高数字经济发展活力的具体路径。其中，S2、S3代表了经济发展程度较高的非省会城市，信息基础设施、融合基础设施、数字经济政策作为核心条件，或融合基础设施、数字人才、数字经济政策作为核心条件，均会产生高数字经济发展活力。组态S2、S3比较有代表性的城市如宁波、深圳等。S4则反映了经济发展、信息基础设施、融合基础设施、数字人才作为核心条件，无论是否是省会城市，也无论是否有数字经济政策支持，也会产生高数字经济发展活力，比较有代表性的城市如成都、南京、苏州等。以上三种结果组态均反映了较高的经济发展水平，附加良好的数字经济发展环境，将会产生高数字经济发展活力。本文将其称为“经济-数字经济发展环境”主导型。从以上四种促进高数字经济发展活力的组态结果容易看出，经济发展是数字经济发展活力的基础，数字经济发展环境是数字经济发展活力的重要保障。
进一步检验产生非高数字经济发展活力的组态，结果显示有5个充分条件组态，总体解的一致性为0.8926，覆盖度为0.8851。NS1、NS2、NS3显示了经济发展落后的非省会城市，在缺乏信息基础设施和数字经济政策支持，或缺乏融合基础设施，或数字人才，均会产生非高数字经济发展活力。与NS1对应的典型城市（自治州）如玉树州、临夏州、来宾、铁岭等；与NS2对应的典型城市如七台河、伊春等；与NS3对应的典型城市（自治州）如青海省下辖部分自治州、迪庆州、怒江州等。NS4显示了缺乏融合基础设施和数字经济政策支持的非省会城市，也不能产生高数字经济发展活力，比较典型的城市（自治州、盟市）如甘南州、阿拉善盟等。这些地市州及盟市基本均位于西部或东北地区，经济发展相对落后，数字经济发展环境欠佳，因此其数字经济发展活力相对较弱。NS5则显示了经济发展较为落后，缺乏融合基础设施和数字经济政策支持，但信息基础设施和数字人才作为边缘条件的城市，也不能产生高数字经济发展活力，比较典型的城市如丹东等。这进一步验证了经济发展和数字经济发展环境在促进数字经济发展活力中的重要作用。

3.3.4 分组分析

前述分析显示，经济发展、数字经济发展环境在提升数字经济发展活力的过程中均发挥着重要作用。为进一步分析不同经济发展程度的城市在提升数字经济发展活力途径上的差异，本文根据2019年城市商业魅力排行榜②(②第一财经新一线城市研究所发布的《城市商业魅力排行榜》是根据商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性和未来可塑性五大指标进行专家打分和加权赋值做出的榜单。已有学者参照该标准研究了城市等级的相关议题[42,43]。本文同样参照该标准对城市等级进行划分。)，将一线（新一线）、二线、三线、四线、五线城市划分为两个组别。其中一线（新一线）、二线城市代表经济发展程度较高的组别，三线、四线、五线城市代表经济发展程度较低的组别。采用QCA方法研究这两种不同类型的城市提升数字经济发展活力的途径。同样选取模糊隶属度为0.95、0.50、0.05对应的数值分别作为完全隶属阈值、交叉点、完全不隶属阈值，原始一致性阈值、PRI一致性阈值、案例频率阈值分别设定为0.8、0.7、1。单个条件的必要性分析表明，不存在影响一、二线城市高数字经济发展活力的必要条件，但非省会城市是三、四、五线城市高数字经济发展活力的必要条件。这就表明，三、四、五线城市中数字经济发展活力较高的城市均为非省会城市。结合原始数据可以发现，在三、四、五线城市，除乌鲁木齐、呼和浩特、银川、西宁、拉萨5个城市外，其他城市均为非省会城市。虽然以上5个城市均为省会城市，但均位于西部地区，由于天然的地理差异，其数字经济发展活力并不一定比东部及中部地区某些非省会城市强。因此，会出现三、四、五线城市中数字经济发展活力较高的城市均为非省会城市的结果。进而进行条件组态的充分性分析（表4）。
表4 不同类型城市组态分析结果

Tab. 4 Configuration analysis results of different types of cities

一二线城市 三四五线城市
S1 S2 S3 S1 S2 S3 S4
经济发展 • • • • • • •
行政级别 • • • V V V
信息基础设施 • • •
融合基础设施 • • • • •
数字人才 • • • • • •
数字经济政策 • • • •
一致性 0.9651 0.9757 0.9197 0.9141 0.8841 0.9260 0.9337
原始覆盖度 0.3721 0.3539 0.4306 0.2637 0.2506 0.5675 0.2105
唯一覆盖度 0.0446 0.0265 0.1031 0.0146 0.0315 0.3484 0.0205
总体一致性 0.9223 0.8950
总体覆盖度 0.5017 0.6641

注：•表示核心条件存在；V表示核心条件缺失；•表示边缘条件存在；空白表示条件可以存在也可以不存在。

表4显示，在一、二线城市，实现高数字经济发展活力的途径主要是“经济-行政级别”共同主导，数字经济发展环境辅助。而在三、四、五线城市，实现高数字经济发展活力的途径主要是“经济-数字经济发展环境”共同主导。这就表明，在一、二线城市，由于良好的经济基础和大部分城市所拥有的行政级别优势，在辅之以信息基础设施、融合基础设施、数字人才，或信息基础设施、数字人才、数字经济政策，或融合基础设施、数字人才、数字经济政策的条件下，将会产生高数字经济发展活力。而在三、四、五线城市，对于其中的非省会城市，在保证经济发展的前提下，必须保证良好的数字经济发展环境，如拥有完备的融合基础设施和数字人才或数字经济政策支持，或拥有较充足的数字人才和数字经济政策支持，才会导致高数字经济发展活力的产生。而对于其中的省会城市和部分非省会城市，经济发展、融合基础设施、数字人才均为核心条件，信息基础设施为辅助条件，也会产生高数字经济发展活力。这进一步表明经济发展是数字经济发展活力的前提，数字经济发展环境是数字经济发展活力的重要保障。

4 结论与讨论

4.1 结论

数字经济发展与经济发展密切相关，激发数字经济发展活力有助于实现经济高质量发展。目前，数字经济发展活力的研究还有待进一步深入和扩展。鉴于此，本文基于企业工商登记信息，在定义数字经济企业的基础上，计算当年新注册的数字经济企业数量代表数字经济发展活力，进而基于核密度估计和标准差椭圆分析数字经济发展活力的时空演变趋势，并基于定性比较分析探讨其提升路径。得到如下结论：
首先，中国数字经济蓬勃发展，从时间角度来看，当年新注册数字经济企业数量随时间的推移不断增长，数字技术应用业及数字产品服务和数字要素驱动业表现尤为明显，数字经济发展活力不断增强。从空间角度来看，当年新注册数字经济企业数量表现出“东多、中及东北次之、西少”的分布特征，各区域内部的活力差异则呈现出“中高、东北及西次之、东低”的趋势特点。
其次，直观来看，数字经济企业往往在经济较为发达的地区注册成立，集中分布在东部地区。随着时间的推移，当年新注册的数字经济企业表现出一定的集聚特征，集聚方向由2001年的“东（略偏北）-西（略偏南）”逐渐转变为2020年的“东北（略偏东）-西南（略偏西）”，集聚中心逐渐向西南拓展。进一步从四大区域来看，当年新注册的数字经济企业集聚态势依然存在，但东、中、西及东北地区的分布特征却表现出较大差异，分别表现为“南（略偏西）-北（略偏东）”“南（略偏东）-北（略偏西）”“东南（略偏东）-西北（略偏西）”“东北（略偏北）-西南（略偏南）”，且东部及东北地区的集聚中心分别向西南及东北方向转移，而中部及西部地区的集聚中心则向东南方向转移。
第三，整体而言，经济发展、行政级别作为核心条件，信息基础设施、数字人才、数字经济政策作为辅助条件所产生的“经济-行政级别”主导路径，以及经济发展、数字经济发展环境作为核心条件所产生的“经济-数字经济发展环境”主导路径，均会产生高数字经济发展活力。进一步地，在一、二线城市，“经济-行政级别”共同主导，数字经济发展环境辅助可以实现高数字经济发展活力；而在三、四、五线城市，大部分为非省会城市，实现高数字经济发展活力的途径则主要表现为“经济-数字经济发展环境”共同主导。换言之，经济发展是数字经济发展活力的前提，数字经济发展环境是数字经济发展活力的重要保障。

4.2 讨论

整体而言，中国数字经济发展活力逐年提升，但区域差异明显，东、中、西、东北四大地区均表现出不同的集聚态势及发展方向。经济发展、行政级别、数字经济发展环境在不同地区数字经济发展活力的提升中表现出不同的作用。政府需要根据自身情况，识别各自的数字经济发展条件，在了解当地实际情况的基础上，充分发挥当地优势，因地制宜地采取相关措施促进数字经济发展活力的提升。如对于省会城市，要充分发挥其作为省会城市的优势及经济发展优势，而对于非省会城市，则需要大力发展经济，加强数字基础设施建设，同时积极制定数字经济政策，或制定人才引进的优惠政策以吸引数字人才。不同的地区需要通过不同的方式来激发数字经济发展潜能，提升数字经济发展活力，促进数字经济良好有序发展，进而为高质量发展奠定基础并提供保障。
本文基于当年新注册数字经济企业数量衡量数字经济发展活力，主要涉及数字经济核心产业企业，鉴于识别的可实现性，未包含数字化效率提升业所对应的数字经济企业。同时企业规模等因素可能与数字经济发展活力之间也存在着某种联系，但由于两者之间可能并不是简单的线性相关关系，因此未将企业规模等因素考虑在内。而以上均是未来研究可以进一步深入探讨的话题。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，专家对本文细节完善、讨论强化、图表优化等方面的修改意见，使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中华人民共和国国家互联网信息办公室. 数字中国发展报告(2021年), http://www.cac.gov.cn/2022-08/02/c_1661066515613920.htm, 2022-08-02.

[ Cyberspace Administration of China. The digital China development report (2021), http://www.cac.gov.cn/2022-08/02/c_1661066515613920.htm, 2022-08-02.

[2]
Lan F, Gong X, Da H, et al. How do population inflow and social infrastructure affect urban vitality? Evidence from 35 large-and medium-sized cities in China. Cities, 2020, 100: 102454. DOI: 10.1016/j.cities.2019.102454.

[3]
刘泠岑, 孙中孝, 吴锋, 等. 基于夜间灯光数据的中国县域发展活力与均衡性动态研究. 地理学报, 2023, 78(4): 811-823.

DOI

[ Liu Lingcen, Sun Zhongxiao, Wu Feng, et al. Dynamics of developmental vitality and equilibria of counties in China based on nighttime lights data. Acta Geographica Sinica, 2023, 78(4): 811-823.] DOI: 10.11821/dlxb202304003.

[4]
许宪春, 张美慧. 中国数字经济规模测算研究: 基于国际比较的视角. 中国工业经济, 2020, (5): 23-41.

[ Xu Xianchun, Zhang Meihui. Research on the scale measurement of China's digital economy: Based on the perspective of international comparison. China Industrial Economics, 2020, (5): 23-41.] DOI: 10.19581/j.cnki.ciejournal.2020.05.013.

[5]
彭刚, 赵乐新. 中国数字经济总量测算问题研究: 兼论数字经济与我国经济增长动能转换. 统计学报, 2020, 1(3): 1-13.

[ Peng Gang, Zhao Lexin. Research on the measurement of China's total digital economy: Reconsideration of digital economy and the kinetic energy conversion of China's economic growth. Journal of Statistics, 2020, 1(3): 1-13.] DOI: 10.19820/j.cnki.issn2096-7411.2020.03.001.

[6]
朱发仓, 乐冠岚, 李倩倩. 数字经济增加值规模测度. 调研世界, 2021, (2): 56-64.

[ Zhu Facang, Le GuanLan, Li Qianqian. Measurement of the scale of added value in the digital economy. The World of Survey and Research, 2021, (2): 56-64.] DOI: 10.13778/j.cnki.11-3705/c.2021.02.007.

[7]
陈梦根, 张鑫. 数字经济的统计挑战与核算思路探讨. 改革, 2020, (9): 52-67.

[ Chen Menggen, Zhang Xin. Analysis on the statistical challenges and accounting ideas of digital economy. Reform, 2020, (9): 52-67.]

[8]
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. 经济学家, 2019, (2): 66-73.

[ Jing Wenjun, Sun Baowen. Digital economy promotes high-quality economic development: A theoretical analysis framework. Economist, 2019, (2): 66-73.] DOI: 10.16158/j.cnki.51-1312/f.2019.02.008.

[9]
戚聿东, 刘翠花, 丁述磊. 数字经济发展、就业结构优化与就业质量提升. 经济学动态, 2020, (11): 17-35.

[ Qi Yudong, Liu Cuihua, Ding Shulei. Digital economic development, employment structure optimization and employment quality upgrading. Economic Perspectives, 2020, (11): 17-35.]

[10]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长. 经济研究, 2019, 54(8): 71-86.

[ Zhang Xun, Wan Guanghua, Zhang Jiajia, et al. Digital economy, financial inclusion, and inclusive growth. Economic Research Journal, 2019, 54(8): 71-86.]

[11]
张英浩, 汪明峰, 刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径. 地理研究, 2022, 41(7): 1826-1844.

DOI

[ Zhang Yinghao, Wang Mingfeng, Liu Tingting. Spatial effect of digital economy on high-quality economic development in China and its influence path. Geographical Research, 2022, 41(7): 1826-1844.] DOI: 10.11821/dlyj020210644.

[12]
Tian Z X, Li Y, Niu X G, et al. The impact of digital economy on regional technological innovation capability: An analysis based on China's provincial panel data. PloS one, 2023, 18(7): e0288065. DOI: 10.1371/journal.pone.0288065.

[13]
戚聿东, 肖旭. 数字经济时代的企业管理变革. 管理世界, 2020, 36(6): 135-152, 250.

[ Qi Yudong, Xiao Xu. Transformation of enterprise management in the era of digital economy. Journal of Management World, 2020, 36(6): 135-152, 250.] DOI: 10.19744/j.cnki.11-1235/f.2020.0091.

[14]
韦庄禹. 数字经济发展对制造业企业资源配置效率的影响研究. 数量经济技术经济研究, 2022, 39(3): 66-85.

[ Wei ZhuangYu. Research on the impact of the development of digital economy on the efficiency of resource allocation in manufacturing enterprises. Journal of Quantitative & Technological Economics, 2022, 39(3): 66-85.] DOI: 10.13653/j.cnki.jqte.2022.03.009.

[15]
Yan L C. The lifeblood of economic development: Economic vitality. Academic Journal of Business & Management, 2022, 4(9): 75-82. DOI: 10.25236/AJBM.2022.040911.

[16]
毛丰付, 张帆. 中国地区数字经济的演变: 1994—2018. 数量经济技术经济研究, 2021, 38(7): 3-25.

[ Mao Fengfu, Zhang Fan. The evolution of regional digital economy in China: 1994-2018. Journal of Quantitative & Technological Economics, 2021, 38(7): 3-25.] DOI: 10.13653/j.cnki.jqte.2021.07.001.

[17]
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. 管理世界, 2020, 36(10): 65-76.

[ Zhao Tao, Zhang Zhi, Liang Shangkun. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China. Journal of Management World, 2020, 36(10): 65-76.] DOI: 10.19744/j.cnki.11-1235/f.2020.0154.

[18]
国家统计局. 数字经济及其核心产业统计分类(2021)(国家统计局令第33号), https://www.stats.gov.cn/sj/tjbz/gjtjbz/202302/t20230213_1902784.html, 2021-06-03.

[ National Bureau of Statistics. Statistical classification of digital economy and its core industries (2021) (Order No. 33 of the National Bureau of Statistics), https://www.stats.gov.cn/sj/tjbz/gjtjbz/202302/t20230213_1902784.html, 2021-06-03.]

[19]
国家统计局. 2017年国民经济行业分类(GB/T 4754-2017), https://www.stats.gov.cn/xxgk/tjbz/gjtjbz/201710/t20171017_1758922.html, 2017-06-30.

[ National Bureau of Statistics. Classification of national economic industries in 2017 (GB/T 4754-2017), https://www.stats.gov.cn/xxgk/tjbz/gjtjbz/201710/t20171017_1758922.html, 2017-06-30.]

[20]
陈南旭, 王林涛. 中国制造业生产效率提升进程中技术溢出与自主创新的交互贡献. 数量经济技术经济研究, 2022, 39(5): 84-103.

[ Chen NanXu, Wang Lintao. Interactive contribution of technology spillover and independent innovation of improving the production efficiency of Chinese manufacturing industry. Journal of Quantitative & Technological Economics, 2022, 39(5): 84-103.] DOI: 10.13653/j.cnki.jqte.2022.05.006.

[21]
陈梦根, 张鑫. 数字经济要素投入核算框架及应用研究. 统计研究, 2022, 39(8): 3-20.

[ Chen Menggen, Zhang Xin. A framework of digital economy factor accounting and its application. Statistical Research, 2022, 39(8): 3-20.] DOI: 10.19343/j.cnki.11-1302/c.2022.08.001.

[22]
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. 地理研究, 2022, 41(6): 1593-1609.

DOI

[ Mao Fengfu, Gao Yuchen, Zhou Can. Evolution characteristics of spatial patterns of digital industry and its driving factors in the Yangtze River Economic Belt. Geographical Research, 2022, 41(6): 1593-1609.] DOI: 10.11821/dlyj020210609.

[23]
杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路. 管理世界, 2017, (6): 155-167.

[ Du Yunzhou, Jia Liangding. Configuration perspective and qualitative comparative analysis (QCA): A new path in management research. Journal of Management World, 2017, (6): 155-167.] DOI: 10.19744/j.cnki.11-1235/f.2017.06.012.

[24]
杜运周, 李佳馨, 刘秋辰, 等. 复杂动态视角下的组态理论与QCA方法: 研究进展与未来方向. 管理世界, 2021, 37(3): 180-197, 12-13.

[ Du Yunzhou, Li Jiaxin, Liu Qiuchen, et al. Configurational theory and QCA method from a complex dynamic perspective: Research progress and future directions. Journal of Management World, 2021, 37(3): 180-197, 12-13.] DOI: 10.19744/j.cnki.11-1235/f.2021.0042.

[25]
张明, 杜运周. 组织与管理研究中QCA方法的应用: 定位、策略和方向. 管理学报, 2019, 16(9): 1312-1323.

[ Zhang Ming, Du Yunzhou. Qualitative comparative analysis (QCA) in management and organization research: Position, tactics, and directions. Chinese Journal of Management, 2019, 16(9): 1312-1323.] DOI: 10.3969/j.issn.1672-884x.2019.09.005.

[26]
李涵, 吴雨, 邱伟松, 等. 新冠肺炎疫情对我国中小企业的影响:阶段性报告. 中国科学基金, 2020, 34(6): 747-759.

[ Li Han, Wu Yu, Qiu Weisong, et al. The impacts of COVID-19 on China's small and medium-sized enterprises: A progress report. Bulletin of National Natural Science Foundation, 2020, 34(6): 747-759.] DOI: 10.16262/j.cnki.1000-8217.2020.06.012.

[27]
谷军健, 廖理, 张伟强, 等. 疫情冲击下中国创业活跃度损失与韧性研究. 科学学研究, 2024, 42(1): 158-169.

[ Gu Junjian, Liao Li, Zhang Weiqiang, et al. The loss and resilience of entrepreneurship in China under COVID-19 pandemic. Studies in Science of Science, 2024, 42(1): 158-169.] DOI: 10.16192/j.cnki.1003-2053.20221121.001.

[28]
沈丽珍, 强靖淇, 汪侠, 等. 浙江省数字技术应用业空间集聚演化特征: 基于微观企业数据. 经济地理, 2023, 43(7): 151-160.

DOI

[ Shen Lizhen, Qiang Jingqi, Wang Xia, et al. Spatial agglomeration evolution characteristics of digital technology application industry in Zhejiang province: Based on Micro-enterprise Data. Economic Geography, 2023, 43(7): 151-160.] DOI: 10.15957/j.cnki.jjdl.2023.07.015.

[29]
陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望. 管理世界, 2022, 38(2): 208-224, 13-16.

[ Chen Xiaohong, Li Yangyang, Song Lijie, et al. Theoretical framework and research prospect of digital economy. Journal of Management World, 2022, 38(2): 208-224, 13-16.] DOI: 10.19744/j.cnki.11-1235/f.2022.0020.

[30]
邓慧慧, 刘宇佳, 王强. 中国数字技术城市网络的空间结构研究: 兼论网络型城市群建设. 中国工业经济, 2022, (9): 121-139.

[ Deng Huihui, Liu Yujia, Wang Qiang. Spatial structure of city network about digital technology in China: Discussion on network urban agglomeration construction. China Industrial Economics, 2022, (9): 121-139.] DOI: 10.19581/j.cnki.ciejournal.2022.09.008.

[31]
赵剑波. 新基建助力中国数字经济发展的机理与路径. 区域经济评论, 2021, (2): 89-96.

[ Zhao Jianbo. Mechanism and path of new infrastructure boosting the development of China's digital economy. Regional Economic Review, 2021, (2): 89-96.] DOI: 10.14017/j.cnki.2095-5766.2021.0032.

[32]
刘艳红, 黄雪涛, 石博涵. 中国“新基建”: 概念、现状与问题. 北京工业大学学报: 社会科学版, 2020, 20(6): 1-12.

[ Liu Yanhong, Huang Xuetao, Shi Bohan. China's new infrastructure construction: Concepts, current situations and problems. Journal of Beijing University of Technology: Social Sciences Edition, 2020, 20(6): 1-12.] DOI: 10.12120/bjutskxb20200601.

[33]
中华人民共和国人力资源和社会保障部. 国家职业分类大典(2022年版)公示, http://www.mohrss.gov.cn/SYrlzyhshbzb/dongtaixinwen/buneiyaowen/rsxw/202207/t20220714_457800.html?eqid=89d9cc230000ef46000000046426643d,2022-07-14.

[ Ministry of Human Resources and Social Security of the People's Republic of China, National Occupational Classification Encyclopedia(2022 Edition)Publicity, http://www.mohrss.gov.cn/SYrlzyhshbzb/dongtaixinwen/buneiyaowen/rsxw/202207/t20220714_457800.html?eqid=89d9cc230000ef46000000046426643d, 2022-07-14.]

[34]
尚文思. 新基建对劳动生产率的影响研究: 基于生产性服务业的视角. 南开经济研究, 2020, (6): 181-200.

[ Shang Wensi. Effects of new infrastructure investment on labor productivity: Based on producer services perspective. Nankai Economic Studies, 2020, (6): 181-200.] DOI: 10.14116/j.nkes.2020.06.011.

[35]
陈煜波, 马晔风. 数字人才: 中国经济数字化转型的核心驱动力. 清华管理评论, 2018, (S1): 30-40.

[ Chen Yubo, Ma Yefeng. Digital talent: The core driving force of China's economic digital transformation. Tsinghua Business Review, 2018, (S1): 30-40.]

[36]
陶长琪, 丁煜. 数字经济政策如何影响制造业企业创新: 基于适宜性供给的视角. 当代财经, 2022, (3): 16-27.

[ Tao Changqi, Ding Yu. How does the digital economic policy affect the innovation of manufacturing enterprises: From the perspective of suitable supply. Contemporary Finance & Economics, 2022, (3): 16-27.] DOI: 10.13676/j.cnki.cn36-1030/f.2022.03.001.

[37]
Fiss P C. Building better causal theories: A fuzzy set approach to typologies in organization research. Academy of Management Journal, 2011, 54(2): 393-420. DOI: 10.5465/amj.2011.60263120.

[38]
Schneider C Q, Wagemann C. Set-theoretic Methods for the Social Sciences:A Guide to Qualitative Comparative Analysis. Cambridge University Press, 2012.

[39]
Greckhamer T, Furnari S, Fiss P C, et al. Studying configurations with qualitative comparative analysis: Best practices in strategy and organization research. Strategic Organization, 2018, 16(4): 482-495. DOI: 10.1177/147612701878648.

[40]
杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度? 基于制度组态的分析. 管理世界, 2020, 36(9): 141-155.

[ Dun Yunzhou, Liu Qiuchen, Cheng Jianqing. What kind of ecosystem for doing business will contribute to city-level high entrepreneurial activity? A research based on institutional configurations. Journal of Management World, 2020, 36(9): 141-155.] DOI: 10.19744/j.cnki.11-1235/f.2020.0143.

[41]
程建青, 罗瑾琏, 杜运周, 等. 何种创业生态系统产生女性高创业活跃度?. 科学学研究, 2021, 39(4): 695-702.

[ Cheng Jianqing, Luo Jinlian, Du Yunzhou, et al. What kinds of entrepreneurial ecosystem can produce country-level female high entrepreneurial activity?. Studies in Science of Science, 2021, 39(4): 695-702.] DOI: 10.16192/j.cnki.1003-2053.2021.04.008.

[42]
李凤, 罗建东, 路晓蒙, 等. 中国家庭资产状况、变动趋势及其影响因素. 管理世界, 2016, (2): 45-56, 187.

[ Li Feng, Luo Jiandong, Lu Xiaomeng, et al. Influencing factors for the asset distribution and changing trend of Chinese households. Journal of Management World, 2016, (2): 45-56, 187.] DOI: 10.19744/j.cnki.11-1235/f.2016.02.007.

[43]
王一凡, 崔璨, 王强, 等. “人才争夺战”背景下人才流动的空间特征及影响因素: 以中国“一流大学”毕业生为例. 地理研究, 2021, 40(3): 743-761.

DOI

[ Wang Yifan, Cui Can, Wang Qiang, et al. Migration of human capital in the context of vying for talent competition: A case study of China's “first-class” university graduates. Geographical Research, 2021, 40(3): 743-761.] DOI: 10.11821/dlyj020200437.

Options
Outlines

/

〈 〉