發(fā)展數(shù)字經(jīng)濟(jì)對(duì)長(zhǎng)江經(jīng)濟(jì)帶落實(shí)創(chuàng)新驅(qū)動(dòng)戰(zhàn)略、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展、解決發(fā)展不平衡不充分問(wèn)題具有重要推動(dòng)作用。文章基于數(shù)字經(jīng)濟(jì)指數(shù),采用空間計(jì)量模型、數(shù)理統(tǒng)計(jì)分析等方法,探討了長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)水平空間格局及其影響因素。結(jié)果表明:長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)發(fā)展水平整體偏低,地理分布差異顯著,發(fā)展水平由下游向上游遞減;數(shù)字經(jīng)濟(jì)城市等級(jí)體系不由經(jīng)濟(jì)水平所主導(dǎo),不完全遵循已有的基于地理空間的等級(jí)體系;長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)呈熱點(diǎn)區(qū)—過(guò)渡區(qū)—次熱點(diǎn)區(qū)—冷點(diǎn)區(qū)的"駝峰"狀空間分異格局,上海、蘇州、嘉興等城市為數(shù)字經(jīng)濟(jì)熱點(diǎn)區(qū);地理加權(quán)回歸結(jié)果顯示,信息化水平、城市等級(jí)、產(chǎn)業(yè)結(jié)構(gòu)顯著提高了長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)發(fā)展水平,經(jīng)濟(jì)水平、人口規(guī)模、人力資本作用甚微,意味著經(jīng)濟(jì)基礎(chǔ)較差的地區(qū)也可以依靠提升信息基礎(chǔ)設(shè)施、推動(dòng)產(chǎn)業(yè)升級(jí)發(fā)展數(shù)字經(jīng)濟(jì)以實(shí)現(xiàn)經(jīng)濟(jì)"換道超車(chē)"。據(jù)此,提出設(shè)立機(jī)構(gòu),制定政策,促進(jìn)數(shù)字經(jīng)濟(jì)壯大;打造基地,培育品牌,提升數(shù)字經(jīng)濟(jì)實(shí)力;深化合作,深入對(duì)接,創(chuàng)新數(shù)字經(jīng)濟(jì)模式等建議。

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

圖1長(zhǎng)江經(jīng)濟(jì)帶城市層面數(shù)字經(jīng)濟(jì)發(fā)展水平地理格局

通過(guò)比較各個(gè)城市的基礎(chǔ)分指數(shù)(圖1b)、產(chǎn)業(yè)分指數(shù)(圖1c)、創(chuàng)新創(chuàng)業(yè)分指數(shù)(圖1d)及智慧民生分指數(shù)(圖1e)，可以發(fā)現(xiàn)4項(xiàng)分指數(shù)的空間分布與數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)的分布表現(xiàn)出了一致性，下游中心城市和內(nèi)陸省會(huì)城市發(fā)展水平較高，其他地級(jí)市發(fā)展水平較低;但智慧民生分指數(shù)卻表現(xiàn)出了明顯的差....

圖2長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)指數(shù)分布

將長(zhǎng)江經(jīng)濟(jì)帶125個(gè)城市數(shù)字經(jīng)濟(jì)指數(shù)從高到低排序(圖2)，長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)發(fā)展水平差距較大，呈明顯的位序—規(guī)模遞減趨勢(shì)。數(shù)字經(jīng)濟(jì)指數(shù)超過(guò)1的城市數(shù)量較少，僅有18個(gè)，占比14.4%�；跀�(shù)字經(jīng)濟(jì)指數(shù)，綜合運(yùn)用SPSS22.0K-means聚類(lèi)分析方法將125個(gè)城市聚成4類(lèi)(表1....

圖3長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)指數(shù)熱冷點(diǎn)區(qū)空間分布

進(jìn)一步從4項(xiàng)分指數(shù)探討其地理的空間集聚特征，可以發(fā)現(xiàn):4項(xiàng)分指數(shù)的地理集聚格局與整體數(shù)字經(jīng)濟(jì)發(fā)展水平的集聚格局較為一致，有所不同的是智慧民生分指數(shù)識(shí)別的熱點(diǎn)集聚區(qū)包括長(zhǎng)三角城市和成渝城市群，說(shuō)明長(zhǎng)三角和成渝城市智慧城市發(fā)育程度較高，并呈現(xiàn)高水平集聚的狀態(tài)。而其余3項(xiàng)分指數(shù)識(shí)別的冷....

圖4GWR模型影響因素回歸系數(shù)的空間分布

人力資本。長(zhǎng)江經(jīng)濟(jì)帶的人力資本與數(shù)字經(jīng)濟(jì)的關(guān)系較復(fù)雜。從回歸系數(shù)的空間分布看，其回歸系數(shù)的絕對(duì)值在空間上由西向東遞減(圖4d)。最大值出現(xiàn)在成都市，中西部地區(qū)回歸系數(shù)數(shù)值相對(duì)較小。總的來(lái)講，其回歸系數(shù)的空間波動(dòng)較大，說(shuō)明人力資本對(duì)長(zhǎng)江經(jīng)濟(jì)帶數(shù)字經(jīng)濟(jì)的影響是不穩(wěn)定的。這表明人才等城....

本文編號(hào)：3928190