EN中文

JOURNAL OF NATURAL RESOURCES >

2022 , Vol. 37 >Issue 6: 1481 - 1493

DOI: https://doi.org/10.31497/zrzyxb.20220608

Regional and Urban Development

Imbalance of talent flow, digital economy and high-quality development of Yangtze River Delta Economic Zone

  • YU Bo , 1, 2 ,
  • PAN Ai-min , 1
Expand
  • 1. School of Business, Hunan University of Science and Technology, Xiangtan 411201, Hunan, China
  • 2. School of Management, Hunan Institute of Engineering, Xiangtan 411104, Hunan, China

Received date: 2021-04-25

  Revised date: 2021-08-10

  Online published: 2022-08-28

Fold

Abstract

Digital economy technology plays an increasingly important role in industrial transformation and high-quality economic development. Based on 41 cities of the Yangtze River Delta from 2011 to 2018, this paper analyzes the impact of digital economy on the high-quality development of the integration of the delta region, and creatively constructs an imbalance index of talent flow to explore the adjustment effect of the imbalance of talent flow in the region on the relationship between digital economy and high-quality development. The results show that the high-quality development level and the scale of digital economy in the Yangtze River Delta integration are increasing year by year. The development of digital economy has a positive impact on the high-quality development by improving the production efficiency, circulation efficiency and social convenience. The positive impact of non-core areas is stronger than that of core areas. The imbalance of talent flow will reversely regulate the positive impact of digital economy on the high-quality development, but this impact is only found in the core area of the Yangtze River Delta. In addition, digital economy has a negative spatial spillover effect with economic distance as the weight matrix.

Key words： high-quality development; digital economy; talent flow imbalance; Yangtze River Delta Economic Zone

Cite this article

YU Bo , PAN Ai-min . Imbalance of talent flow, digital economy and high-quality development of Yangtze River Delta Economic Zone[J]. JOURNAL OF NATURAL RESOURCES, 2022 , 37(6) : 1481 -1493 . DOI: 10.31497/zrzyxb.20220608

2018年4月习近平总书记作出重要批示,要求长三角“聚焦高质量,聚力一体化”,发挥推动长江经济带建设的示范以及龙头带动作用。可见,高质量发展是未来长三角城市群的重要推进方向,也是长三角地区实现产业转型升级、经济迈向新腾飞的必然路径[1]。20世纪90年代初期以来,长三角“两省一市”及后来加入的安徽省都在加快区域协调合作方面进行了密切沟通与尝试,初步形成了一系列可实施、可协作、共成果的发展路径[2]。然而,随着近几年我国社会经济转型加快,经济增长逐渐由劳动力、资本要素驱动转换为技术要素驱动,区域性发展发生了两个深刻的变化：一是由经济的协调发展向经济、社会、市场、创新、生态等多方面的协调发展转变,二是由一般发展向高质量发展转变。那么在这两个“转变”下,长三角地区高质量发展通过哪种新动能实现?显然,单纯依靠工业、贸易等传统动能很难推动长三角地区全面发展跨上新台阶,更高质量的发展需要借助更强大的经济社会发展新动能。
近几年由信息通信、信息网络为载体的信息技术与传统产业部门加快融合,形成了大数据、人工智能、物联网为代表的数字经济这一新型经济形态。数字经济发展模式不同于先前的产业信息化和互联网化,而是运用新一代信息技术手段对微观经济体的业务结构、工作流程进行全面优化[3],重新塑造产业新生态,使人类的生产、交易、社会交流发生根本性变革,大大提升生产效率、贸易效率、社会效率的新发展模式。数字经济适应我国当前的经济转型需要,是引领地区经济社会发展的新动能。在2019年中国国际数字经济博览会上,习近平总书记指出“中国正积极引导数字经济和实体经济深度融合,推动经济高质量发展。”数字经济通过完善数字产业体系、优化数字发展环境、构筑数字治理体系,促进城市高质量发展[4],也为推动长三角地区高质量发展提供了新的可行路径。
数字经济作为一类新型经济形态,技术密集度高、技术更迭快,其开发与应用都需要人才的推动,因此人才资源是推动长三角地区高质量发展的间接引擎。当前全国各城市相继颁布人才新政,通过一系列优惠政策吸引人才流入,期望通过人才资本赋能城市高质量发展。然而,不同于技术具有先天的“外溢”特性,人才流动则存在着诸多障碍,包括城市经济、就业、生活、房价等,现实经验也表明长三角地区的人才资源存在着巨大差异。胡本田等[5]指出长三角地区人才资源两极分化严重,流动性、配置效率不足,且有扩大趋势。林静霞等[6]也发现人才更偏好于向京沪杭等大城市流动,相反周围城市人才流出甚至大于流入。科技人才流动方向与城市发展质量存在互动关系[7],那么区域内人才流动的不平衡是否会制约数字经济推动长三角高质量发展?
综合以上分析,本文以新动能视角,通过选取数据和建立计量模型,研究数字经济对长三角地区高质量发展的影响,并进一步探讨人才流动不平衡对二者关系的调节作用。相对以往文献,本文有三点贡献：一是建立长三角城市高质量发展的评价指标体系;二是研究了数字经济对长三角地区高质量发展的影响方向与中间机制;三是创造性地设计了人才流动不平衡指标,观察人才流动障碍是否会制约数字经济新动能对长三角高质量发展的正效应。本文研究结论能为推进长三角地区高质量发展提供政策优化参考。

1 研究方法与数据来源

1.1 机理分析与研究假设

1.1.1 数字经济推动长三角高质量发展的机制

数字经济在技术层面,包括大数据、云计算、物联网、人工智能、5G通信等新兴技术,在应用层面包括“新零售”“新制造”等典型代表。《长江三角洲区域一体化发展规划纲要》强调长三角一体化要达到在产业升级、服务体系、基础设施、科技创新、生态环境等领域基本实现更高质量城市水平[8]。因此数字经济能否促进这几个方面发展?
一是数字经济能提高生产效率促进传统产业转型升级。数字经济最为明显的一个特点是产业数字化。数字经济中的智能制造、物联网等技术与传统制造业相结合,能促进生产的自动化、智能化,使劳动者脱离低端重复性劳动,如3D打印、工业机器人大大减少了劳动者依赖,提高生产效率。同时,智能化制造能将销售、生产和研发三者结合起来,通过销售前台反馈的客户需求,迅速改进企业的生产环节,快速精准地满足市场需求,有助于提高企业效益。长三角地区中,苏浙都是制造业大省,浙江在数字经济发展方面更是全国领先,数字经济能大力推动长三角制造业向高端制造、智能制造、绿色制造转型升级。
二是数字经济能提高市场效率。基于大数据基础的平台经济近几年发展壮大,彻底改变了人们的交易方式。平台经济以敏感的数据采集和传输系统、强大的数据处理能力,通过促进信息流聚集实现供需高效匹配,大大节省了消费者的采购成本,提高了商品流通效率。同时,依托于网络平台和物流运输的交易模式也能大大提高社会和企业的资源配置效率,如通过算法支持在最合理的位置建立仓库和物流中转节点,能提高物流周转率。效率变革是推动城市高质量发展的关键,而数字经济恰能使产品和要素流动更便捷、市场秩序更透明,企业制度成本更低。数字智能以先进技术力量使市场机制的决定性作用得以释放,从而推进长三角地区市场机制趋向高效率[9]。
三是数字经济提高了生活便利水平。随着5G技术、大数据技术的兴起,近几年全国很多大城市都在推动智慧城市建设。智慧城市在城市交通、就医就学、政务服务、文娱旅游等方面提供了一站式服务,大大提升了居民的办事效率和出行体验,满足了人民日益增长的美好生活需求。同时在区域一体化发展下,数字经济能增进城市间交流,能加快信息技术的传播速度和辐射范围,带动落后城市产业数字化的转型。城市建设是各个行业发展的硬件基础,也是城市吸引人才和资本流入的重要参考,因此数字经济在推动城市建设的同时,也会潜在地推动城市和社会高质量发展。
四是数字经济有助于资源共享和生态共治。数字经济能在技术上解决人工无法实时监管、数据随时反馈的问题,在生态环境治理上发挥出更为积极的作用。在经济发展和生态保护的双重考核下,部分城市可能会在发展经济的同时,把污染排放到周边地区,而在信息管理下每项污染都能追踪到污染源,能大大遏制企业的污染排放行为。此外数字经济能促进区域一体化协调治理,有效推进长三角地方政府的区域政策趋向高集成,能驱动城市间教育、医疗、科技等资源共享,大大提高资源利用效率,为区域科技创新、智力资本储备形成有效支撑。
在国家政策持续出台及数字经济应用热的现实背景下,数字经济能否促进城市高质量发展引起了学者的广泛讨论及检验。裴长洪等[10]认为数字经济通过资源配置、渗透融合与产业协同极大提高了要素生产率,促进产业结构调整。荆文君等[11]从微观和宏观两方面探讨了数字经济促进经济高质量发展的途径：在微观层面,互联网的信息匹配作用形成了平台经济、共享经济等新生经济形态,促进经济发展;在宏观层面,数字经济可以通过提高产业的要素生产率和资源配置效率促进经济增长。宁朝山[12]分析指出数字经济通过推动质量变革、效率变革和动力变革实现经济高质量发展,并通过省级面板数据进行了验证,得到数字经济可显著促进经济高质量发展,但不同区域间的影响效应存在异质性。赵涛等[13]分析了数字经济能否促进城市高质量发展,以企业工商注册信息微观数据的研究结果表明数字经济显著促进了高质量发展,激发大众创业是数字经济释放高质量发展红利的重要机制。综合以上分析,本文对数字经济与长三角区域高质量发展的关系提出如下验证性假设：
H1a：数字经济通过提高生产效率、市场效率、政府服务效率、资源环境效率,促进长三角地区高质量发展;
相对于经济发展水平较高的长三角核心区域,非核心区域的数字经济规模更低,单位数字经济规模的增加能发挥更显著的传统产业融合机制,对这些地区高质量发展的边际效应将更明显,假设如下：
H1b：数字经济对长三角非核心区域的高质量发展促进效应强于核心区域。

1.1.2 人才流动不平衡的调节机制

在技术作为经济增长的新驱动要素下,人才是推动区域发展的新动力,也是激发区域创新创业的活力,是城市高质量发展的间接引擎。数字经济产业作为高新技术产业,与传统产业的融合,更是离不开人才的支持。但是,现阶段我国长三角地区技术型人才分布不均匀、人才吸引力存在显著的城市差异、在就业房价等要素下人才流动性偏低[14],因人才问题导致的资源配置效率和发展失衡在长三角区域内逐渐显现。例如,统计数据显示,在上海高校就读的长三角地区生源,有70%的毕业生毕业后留在上海工作,而30%回到本省工作的毕业生也绝大多数去了省会城市或省内第二城市,表明长三角地区扭转人才失衡现状刻不容缓[15]。区域人才流动失衡将会抑制数字经济的动能发挥,减弱数字经济对高质量发展的推动作用：首先,人才缺乏会丧失创新动力。人才不断从欠发达城市流向发达城市,导致欠发达城市在数字经济的开发和应用上极为被动,只能依附于发达城市的技术溢出,长期会加剧区域发展失衡,发达城市加快发展、欠发达城市滞后发展,阻碍了区域整体的高质量发展。其次,人才缺乏抑制制造业转型升级。江苏、浙江是制造业大省,数字经济促进经济高质量发展的一个推动力即是传统产业与数字技术的融合,当人才都集聚于上海、省会等少数大城市时,一般城市的制造业难以深度转型,进而抑制长三角地区整体的转型力度和高质量发展进程。最后,人才流动的地区失衡会影响一体化进程。理论和实践表明,人才迁移不仅仅是智力资本的流动,同时会带动资本、技术及其他资源的流动,这样会弱化长三角一体化进程,进而冲击区域高质量发展[16]。因此,区域内人才流动不平衡会影响数字经济促进区域高质量发展的效应,为此提出如下假设：
H2a：人才流动不平衡对数字经济与区域高质量发展的正相关存在逆向调节效应;
考虑到长三角地区特殊的城市分布结构和人口迁移特征[17],核心区域普遍有更多的人才净流入,非核心区域普遍人才净流出,这会导致人才流动不平衡在两个区域中的调节效应存在巨大差异,具体假设如下：
H2b：核心区域人才流动不平衡对数字经济与高质量发展正相关存在正调节效应,非核心区域人才流动不平衡对数字经济与高质量发展正相关存在逆向调节效应。

1.2 数据、模型与变量

1.2.1 数据来源

本文选择2011—2018年长三角城市群作为研究对象。在2019年12月中央发布的《长江三角洲区域一体化发展规划纲要》中,指出长三角一体化区域包括上海以及江苏、浙江、安徽全域（41市）,其中原规划的26个城市加浙江温州（27市）为中心区。考虑到温州市为2019年才加入,因此本文中将“三省一市”共41个城市定义为长三角区域范围,同时将原26个城市作为长三角核心区域。所选取的指标数据来源于历年《中国城市统计年鉴》《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《安徽统计年鉴》,部分缺失数据由个别城市统计年鉴补充,空气质量指数来源于CSMAR数据库。

1.2.2 模型构建

为检验数字经济对长三角城市高质量发展的直接效应和间接效应,本文构建如下面板数据模型：
H Q D i t = C + α 1 × D E i t + ∑ γ j × X j , i t
Z i t = C + α 1 × D E i t + ∑ γ j × X j , i t
H Q D i t = C + α 1 × Z i t + ∑ γ j × X j , i t
式中： H Q D i t是第 i个城市 t年的高质量发展水平; D E i t是第 i个城市 t年数字经济规模; Z i t是中介机制变量,包括生产效率、市场效率、生活便利性、能源环境效率四个; X j , i t为控制变量; C为常数项; α 1表示数字经济对高质量发展的影响水平; γ j表示控制变量对高质量发展的影响水平。
为检验区域内人才流动不平衡的调节效应,在式（1）基础上引入城市人才流动不平衡与数字经济的乘积交叉项：
H D Q i t = C + α 1 × D E i t + λ × ( D E × T C D ) i t + ∑ γ j × X j , i t
式中： T C D是第 i个城市的人才流动不平衡度; λ是乘积交叉项的系数。

1.2.3 变量选取

（1）城市高质量发展
现有官方或者文献对于区域高质量发展衡量并没有统一的标准,大都是学者从各自的角度出发构建指标体系[18,19],也有学者采用全要素生产率代替经济高质量发展[16]。本文认为,长三角地区高质量发展不仅仅是经济的高质量发展,也包括了社会、科技创新、基础设施、生态环境等诸多方面的发展,因此不宜采用单一指标,而应结合长三角的定位,从高质量发展的角度筛选出多维指标体系。参考已有文献,同时从数据可得性及含义出发,本文最终筛选了9个指标衡量长三角区域各城市的高质量发展水平,包括人均GDP、产业结构升级、科技创新水平、消费能力、城区建设、基础设施、公共服务水平、环境治理、空气质量（表1）。在筛选出指标的基础上,进一步通过熵值法确定各指标权重大小。
表1 变量定义

Table 1 Variable definition

变量类型 变量名称 变量符号 衡量指标
被解释变量 高质量发展指标
体系HQD		 经济发展水平 人均GDP
产业结构升级 三次产业各经济比例×各产业劳动生产率之和
科技创新 人均专利授权数量
消费能力 人均社会消费品零售总额
城区建设 城市建成区面积
公共服务水平 每千人常住人口拥有床位数
基础设施 人均城市道路面积
环境治理 工业废水排放量与GDP之比
空气质量 空气质量指数
解释变量 数字经济DE 电信业务总量 电信业务收入
移动电话用户数 移动电话用户数
国际互联网普及率 国际互联网接入户数
信息服务业就业人数 信息传输、计算机服务和软件业就业人数
中介变量 生产效率 PRO 制造业劳动生产率的自然对数
市场效率 ECOM 电商网络销售额占社会零售总额的比例
生活便利 LCON -1×邮电业务总量增长率
能源效率 ENERGY 单位工业增加值能耗的倒数
调节变量 人才流动不平衡 TCD 式（3）计算
控制变量 城市规模 SIZE 城市人口数量
政府参与度 GOV 城市财政支出与GDP之比
外商直接投资 FDI 实际利用外资的自然对数
对外开放度 OPEN 进出口贸易额与GDP之比
（2）数字经济
目前政府部门尚未对数字经济规模进行统计,本文参考沈运红等[19]设计的指标体系,同时考虑到数据指标可得性,选择电信业务总量、移动电话用户数、国际互联网普及率、信息服务业就业人数四个指标衡量数字经济规模。其中电信业务总量采用电信业务收入衡量,国际互联网普及率采用国际互联网数量衡量,信息服务业就业人数采用信息传输、计算机服务和软件业就业人数衡量。同样通过熵值法得到各指标权重。
（3）中介机制变量
对于四个中介变量的指标,选取原则是与数字经济技术应用有关,即理论上数字经济发展带动了社会生产效率、市场效率、生活便利和生态环境效率的改善。由于城市的指标数据相对有限,本文采用更为直接的单一指标数据代替,具体的,生产效率采用制造业的劳动生产率衡量,市场效率采用城市电商网络零售额占社会零售总额比例衡量,生活便利采用–1×邮电业务总量增长率衡量,本文认为随着数字经济发展,社会通信方式发生了重要改变,如企业函件将会转变为电子化处理,这会导致社会邮电业务总量的减少。能源环境效率采用单位工业增加值能耗的倒数衡量。
（4）人才流动不平衡
对于区域人才不平衡程度,现有文献主要从区域整体的角度采用变异系数、标准差等指标度量,但这类指标只能度量区域内人才分布的差距,无法反映每个城市的人才流动不平衡。胡本田等[5]从经济发展水平、城市环境、就业环境、教育卫生发展水平、生活水平五个方面构建了指标体系测度了长三角26城市的人才吸引力。但是该指标未考虑实际的人才流动方向,仅反映了人才可能的流动倾向。本文认为,对于一个城市,人才流动不平衡的定义是：各城市人才应与各城市经济发展相匹配,当城市人才数量超过所需要的人才数量时,人才继续净流入,或者当城市人才数量少于所需要的人才数量时,人才继续净流出,则认为区域内人才流动不平衡加剧。由此延伸,本文尝试构造长三角区域内人才流动不平衡的测度指标：
人 才 流 动 不 平 衡 = ( 城 市 人 才 数 量 / 城 市 生 产 总 值 - 城 均 人 才 数 量 / 城 均 生 产 总 值 ) × ( 城 市 人 才 变 化 量 / 城 市 生 产 总 值 变 化 量 )
其中,人才数量采用信息传输、计算机服务和软件业就业人数表示,这也与数字经济的构成指标存在关联。
（5）控制变量
选取城市规模、政府参与程度、实际利用外资、对外开放度四个变量。

2 结果分析

2.1 描述性统计

表2显示了各个变量的统计描述结果,样本期长三角区域平均高质量发展水平为0.205,其中最小值为0.042（亳州）,最大值为0.892（上海）。数字经济发展水平均值为0.087,最小值为0.001（铜陵）,最大值为0.994（上海）。四个机制变量中,劳动生产率均值为133万元/人,电商零售额占社会零售总额比例为17.3%,邮电业务总量增长率均值为-0.022,说明生活便利指标的均值为2.2%,单位工业增加值能耗的倒数为1.380万元/标准煤。此外,以本文设定公式测算的人才流动不平衡度均值为0.002,该变量在不同城市间差异明显。四个控制变量中,城市人口均值为510.8万人,政府参与率均值为16.6%,实际利用外资自然对数均值为11.355,对外开放度均值为31.2%。
表2 统计描述

Table 2 Statistical description

变量 观测值数/个 均值 标准差 最小值 最大值
HQD 328 0.205 0.137 0.042 0.892
DE 328 0.087 0.133 0.001 0.994
PRO 328 4.892 0.317 3.012 5.504
ECOM 328 0.173 0.089 0.011 0.278
LCON 328 0.022 0.505 -0.919 0.906
ENERGY 328 1.380 0.411 0.606 1.639
TCD 328 0.002 0.544 -5.160 3.130
SIZE 328 5.108 2.748 0.738 14.590
GOV 328 0.166 0.064 0.076 0.355
FDI 328 11.355 1.236 8.396 14.431
OPEN 328 0.312 0.317 0.018 1.693
表3进一步显示了长三角地区高质量发展、数字经济及人才流动的演变趋势。可以看到,从2011—2018年,长三角地区整体的高质量发展水平逐年上升,与此同时,高质量发展的标准差也逐年增大（除2012年）,说明长三角区域城市的发展质量是抬升的,但城市间的发展质量差距逐渐扩大。长三角整体的数字经济规模同样逐年上升,其标准差逐年增大,说明长三角地区数字经济规模扩大的同时区域内部的差距在增大。长三角城市的平均人才数量逐年上升,但城市间的人才数量差距也在扩大,同时反映人才流动不平衡度的指标也显示大多数年份系数值大于0,说明人才以低发展质量城市向高发展质量城市流动方向为主。
表3 长三角区域指标统计

Table 3 Yangtze River Delta index statistics

年份 均值 标准差
高质量发展 数字经济 人才数量 人才流动不平衡度 高质量发展 数字经济规模 人才数量
2011 0.148 0.064 1.231 -0.109 0.101 0.094 2.961
2012 0.175 0.071 1.402 -0.049 0.127 0.108 3.419
2013 0.185 0.078 1.597 0.046 0.119 0.116 3.852
2014 0.195 0.083 1.801 -0.006 0.120 0.132 4.407
2015 0.214 0.086 1.903 0.059 0.136 0.134 4.716
2016 0.224 0.095 2.009 0.014 0.141 0.142 5.060
2017 0.237 0.106 2.246 0.073 0.148 0.156 5.820
2018 0.263 0.115 2.433 0.017 0.169 0.172 6.501
图1展示了长三角41城市2011年和2018年高质量发展的分布,可以看到长三角地区的高质量发展呈现显著的“上海为中心向外围扩散”的特征,由此也可以推测长三角地区城市高质量发展存在明显的空间相关性。同时2018年相对于2011年各城市的高质量发展水平均有较大幅度的提升。
图1 2011年和2018年长三角地区高质量发展的可视化指数

Fig. 1 2011 and 2018 visualization index of high-quality development in Yangtze River Delta

2.2 数字经济对长三角高质量发展的影响

通过Hausman test确定模型估计方法选择固定效应,表4估计了数字经济规模对长三角高质量发展的影响。从表中看到,无论是整体区域,还是核心区域或者非核心区域,数字经济DE变量系数均显著大于0,说明数字经济规模与城市高质量发展正相关,数字经济发展能促进长三角地区高质量发展,且长三角非核心区域的15城数字经济的高质量发展促进效应强于核心区域。此外,政府参与度与高质量发展水平正相关、对外开放度与高质量发展水平负相关,说明政府参与程度能提高城市高质量发展,而对外开放度则会抑制城市高质量发展。表4结果验证了假设H1a和H1b成立。
表4 数字经济对长三角地区高质量发展的影响

Table 4 Impact of digital economy on high-quality development of Yangtze River Delta

因变量 HQD
样本 （1）整体41城 （2）核心26城 （3）非核心15城
DE 1.011*** 0.920*** 2.350***
(0.058) (0.072) (0.132)
SIZE 0.009 0.007 -0.009***
(0.008) (0.015) (0.002)
GOV 0.412*** 0.704*** 0.211***
(0.091) (0.184) (0.052)
FDI 0.010** 0.012 0.003
(0.005) (0.007) (0.004)
OPEN -0.062*** -0.075*** -0.016
(0.020) (0.026) (0.024)
常数项 -0.096 -0.099 0.001
(0.064) (0.113) (0.039)
估计方法 FE FE FE
N/个 328 208 120

注：**p<0.05,***p<0.01,括号内为标准误差,下同。

2.3 数字经济影响长三角地区高质量发展的路径分析

表5显示了数字经济对长三角地区高质量发展中间机制路径的分析结果。可以看到,数字经济对四个中介变量中的生产效率、市场效率和生活便利均有显著的正向影响（DE变量系数值均显著大于0）,而对能源环境效率不存在显著的影响（DE系数不显著）。再观察四个变量对地区高质量发展的影响,Z变量在不同的显著性概率下统计显著为正,这说明生产效率、市场效率、生活变量和能源效率的提高,是地区高质量发展的重要组成部分。而结合两步法的结果,可以判断在四个机制途径中,“生产效率”“市场效率”和“生活便利”三个中介机制是成立的,即数字经济通过提高地区制造业生产效率、市场流通效率和社会便利性促进高质量发展。
表5 数字经济对长三角地区高质量发展的影响

Table 5 Impact of digital economy on high-quality development of Yangtze River Delta

因变量 PRO ECOM LCON ENERGY
DE 4.240*** 0.632*** 0.121** 0.928
(0.299) (0.085) (0.054) (0.565)
控制变量 YES YES YES YES
估计方法 FE FE FE FE
N/个 328 328 328 328
因变量 HQD HQD HQD HQD
Z(中介
变量)		 0.061*** 0.802*** 3.019* 0.015**
(0.014) (0.251) (1.547) (0.007)
控制变量 YES YES YES YES
估计方法 FE FE FE FE
N/个 328 328 328 328

注：*p<0.10,下同。

2.4 人才流动不平衡的调节效应

进一步考察人才流动不平衡的调节效应,表6列出了结果。从表中看到,数字经济变量系数仍显著为正,且非核心区域的系数大于核心区域,与表4结果一致。数字经济与人才流动不平衡的乘积交叉项在列（1）、列（3）中均显著小于0,但在列（2）中显著大于0,这个结果说明对于长三角地区核心区域,人才流动不平衡能强化数字经济水平对地区高质量发展的正效应,而对于长三角地区非核心区域,人才流动不平衡会抑制数字经济水平对地区高质量发展的正效应。由于核心区域人才净流入、非核心区域人才净流出,这也证实了人才增多能加快推动数字经济对城市高质量发展的效应,相反人才减少则会抑制数字经济技术的发挥。由此假设H2a和H2b得以验证。
表6 人才流动不平衡的调节效应

Table 6 Moderating effect of talent flow imbalance

因变量 HQD
样本 （1）整体41城 （2）核心26城 （3）非核心15城
DE 0.994*** 0.896*** 2.383***
(0.058) (0.072) (0.149)
DE×TCD -0.132*** 0.039** -0.365***
(0.017) (0.019) (0.134)
SIZE 0.009 0.006 -0.002
(0.008) (0.015) (0.005)
GOV 0.420*** 0.740*** 0.290***
(0.091) (0.183) (0.061)
FDI 0.010** 0.013* -0.001
(0.005) (0.007) (0.005)
OPEN -0.060*** -0.074*** -0.029
(0.020) (0.025) (0.024)
常数项 -0.098 -0.106 -0.000
(0.064) (0.112) (0.050)
估计方法 FE FE FE
N/个 328 208 120

2.5 进一步讨论

在长三角一体化进程下,技术、人才、资本在区域内的流动和关系越来越紧密,同时数字经济属于新兴技术应用下的市场经济行为。新技术具有空间溢出特征,因此相邻城市的数字经济发展是否会影响本城市高质量发展?为此进一步从空间角度展开分析。首先对主要变量是否存在空间相关性进行判断,表7显示在地理相邻和经济距离两种空间权重下,高质量发展水平的Moran I指数值均在1%概率下显著为正,而数字经济的Moran I指数值在10%概率下统计不显著,表明长三角区域内高质量发展水平存在空间正相关性,即发展高质量的城市,其周边城市或经济水平处于同一层次城市发展质量也相对较高。数字经济规模则不存在空间相关性。
表7 Moran I系数值

Table 7 Moran I coefficient

年份 地理相邻空间权重 经济距离空间权重
HQD DE HQD DE
2011 0.293*** 0.044 0.283*** 0.032
2012 0.320*** 0.053 0.301*** 0.020
2013 0.273*** 0.043 0.339*** 0.014
2014 0.263*** 0.045 0.289*** 0.005
2015 0.270*** 0.031 0.250*** 0.004
2016 0.255*** 0.027 0.236*** 0.015
2017 0.232*** 0.025 0.228*** 0.024
2018 0.242*** 0.017 0.216*** 0.021

注：经济距离选用2014年人均地区生产总值计算得到。

表8显示了空间面板模型估计结果,通过Hausman和log likelihood值判断模型结果有效性。由前两列看到,在地理相邻或经济距离空间权重下,数字经济变量系数仍显著大于0,表明数字经济规模与长三角高质量发展正相关,与前面结论相同。空间变量中,高质量发展的空间变量系数分别为0.384和0.632,均在1%概率下统计显著,说明长三角区域高质量发展存在正向溢出,发展高质量的城市,其周边或与其经济发展水平接近的城市质量发展也相对较高。列（1）中W×DE变量不显著,列（2）中显著小于0,说明相邻城市数字经济发展规模对本城市高质量发展不存在显著影响,而经济发展水平相近城市数字经济规模对本城市高质量发展存在负向影响。对此本文认为,大多数城市没有数字技术的创造能力,在新技术出来时,更多是通过发达城市的技术溢出达到数字经济与本地产业融合,因此为了尽快获得新数字技术会形成短期的城市竞争,且这种竞争在经济发展水平相近城市间更为激烈,最终造成数字经济规模对经济水平相近城市的高质量发展存在负影响。
表8 数字经济对长三角地区高质量发展的空间效应

Table 8 Spatial effect of digital economy on high-quality development of Yangtze River Delta

因变量 HQD
列 （1）地理相邻 （2）经济距离 （3）地理相邻 （4）经济距离
DE 0.804*** 0.734*** 0.793*** 0.711***
(0.043) (0.049) (0.043) (0.049)
DE×TCD -0.131*** -0.125**
(0.012) (0.011)
SIZE 0.006 0.001 0.007 0.002
(0.006) (0.006) (0.006) (0.006)
GOV 0.347*** 0.295*** -0.042 0.101
(0.088) (0.066) (0.087) (0.065)
FDI -0.005 0.003 -0.004 0.003
(0.004) (0.004) (0.004) (0.004)
OPEN -0.006 0.005 -0.004 0.008
(0.016) (0.016) (0.015) (0.016)
W×HQD 0.384*** 0.632*** 0.356*** 0.639***
(0.059) (0.058) (0.060) (0.057)
W×DE -0.050 -0.561*** -0.027 -0.592***
(0.105) (0.092) (0.105) (0.092)
W×DE×TCD 0.040 0.064**
(0.025) (0.031)
N/个 328 328 328 328
后两列中DE变量显著大于0,DE×TCD变量显著小于0,说明长三角区域人才流动不平衡对数字经济与高质量发展的正相关存在负向调节作用。空间变量中,W×HQD、W×DE系数符号与显著性和前两列相同。W×DE×TCD在列（3）中不显著,在列（4）中正向显著（0.001）,表明经济发展水平相近的城市人才流动不平衡会降低该城市数字经济规模对本城市高质量发展的负影响,这也间接证实了城市人才流动失衡导致数字经济滞后发展的事实。

3 结论与建议

党的十九大提出了中国经济由高速增长阶段转向高质量发展阶段。长三角地区作为我国经济规模最大、发展基础最好、市场运营最灵活的城市群,在高质量发展路径中理应发挥引领和模范作用。高质量发展需要构筑新的发展动能,近几年由信息技术与传统产业融合形成的数字经济蓬勃发展,在经济和社会发展中扮演着越来越重要的角色。那么,数字经济对长三角地区高质量发展到底有何影响?本文选择2011—2018年长三角“三省一市”共41个城市作为研究对象,分析数字经济对长三角区域高质量发展的影响及中介机制,并进一步构造人才流动不平衡指标,探讨区域内人才流动不平衡对二者关系的调节效应。实证发现,长三角地区高质量发展水平和数字经济规模逐年上升。数字经济规模通过提高制造业生产效率、市场流通效率和社会便利性促进长三角地区高质量发展。非核心区域的正影响强度大于核心区域。人才流动不平衡会逆向调节数字经济对长三角高质量发展的正影响程度,即人才流动不平衡度增加,数字经济对高质量发展的正影响会减弱,但这一调节效应存在区域异质,在非核心区域人才流动不平衡存在逆向调节效应,在核心区域人才流动不平衡存在正向调节效应。此外数字经济规模对长三角地区高质量发展存在经济距离为权重矩阵的空间负向溢出效应。
结合上述研究结论,本文提出促进长三角区域高质量发展的建议：
（1）加快数字经济发展与技术溢出,驱动长三角地区高质量发展
数字经济发展有利于传统产业和数字技术的深度融合,促进产业升级和社会生产力变革。因此,一方面要不断壮大数字经济规模,对开发和应用数字经济的企业予以扶持、补贴,使驱动经济增长的要素逐渐从资本、劳动力向技术转变,促进苏浙制造业大省的经济转型;另一方面要加快数字技术的横向溢出,长三角发展的不平衡性决定了缺乏技术企业和科技人才的一般城市在数字经济发展上主要处在应用阶段,因此这些城市要主动利用数字技术变革企业运营模式,提高生产效率,构建新发展生态。
（2）一般城市出台更有吸引力的人才政策
城市高质量发展离不开人才的支持,但现阶段人才有向大城市汇集的整体不平衡趋势,这会导致区域内发展进一步失衡。为此,首先,非核心城市和经济发展落后城市要尽快出台人才相关政策,在落户、住房、社会福利等方面加大吸引力度,使更多人才特别是本地籍人才回流,为城市发展提供更多智力贡献。其次,本地优势产业、主导产业要积极吸引数字技术人才促进产业转型升级,以符合接续产业的新要求[20]。再次,要通过积极推动产学合作、高端人才定期“诊脉”、创建人才交流大会等形式,为本地的全方位高质量发展出谋划策,以补充人才缺乏的短板,缩小一般城市和核心城市的发展差距。
（3）加快数字经济与工业生产、市场交易、社会活动、节能减排的融合
数字经济作为一种新型经济形态,并不会无条件地促进地区经济和社会高质量发展,只有与实体产业、社会活动高度融合,才能发挥数字经济技术在提高生产效率、流通效率、生活便利和能源效率方面的正向激励作用。因此,无论是经济发达城市还是落后城市,在经济转型期要加大数字经济技术的应用,通过各种数字经济技术契合到社会和生产活动的各个方面,提高企业生产效率和市场竞争力,提高居民的生活质量、节约社会成本,最终促进地区经济和社会转型升级。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
宋伟轩, 陈艳如, 孙洁, 等. 长三角一体化区域城市房价空间分异的模式与效应. 地理学报, 2020, 75(10): 2109-2125.

DOI

[ SONG W X, CHEN Y R, SUN J, et al. Spatial differentiation of urban housing prices in integrated region of Yangtze River Delta. Acta Geographica Sinica, 2020, 75(10): 2109-2125.]

[2]
孙伟, 陈雯, 曹有挥, 等. 长江经济带空间格局和绿色发展: 中国科学院南京地理与湖泊研究所相关研究回顾. 中国科学院院刊, 2020, 35(8): 960-969.

[ SUN W, CHEN W, CAO Y H, et al. Spatial pattern and green development of the Yangtze River Economic Belt: A related research review of Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences. Bulletin of Chinese Academy of Sciences, 2020, 35(8): 960-969.]

[3]
宋歌. 数字经济时代加快传统制造业转型升级研究. 产业创新研究, 2019, (12): 116-118.

[ SONG G. Research on accelerating the transformation and upgrading of traditional manufacturing industry in the era of digital economy. Industrial Innovation, 2019, (12): 116-118.]

[4]
师博. 数字经济促进城市经济高质量发展的机制与路径. 西安财经大学学报, 2020, 33(2): 10-14.

[ SHI B. The mechanism and path of digital economy promoting the high quality development of cities. Journal of Xi'an University of Finance and Economics. 2020, 33(2): 10-14.]

[5]
胡本田, 曹欢. 长三角高质量一体化发展研究: 基于人才吸引力视角. 华东经济管理, 2020, 34(10): 1-10.

[ HU B T, CAO H. Study on the development of high-quality integration in the Yangtze River Delta: Based on the perspective of talents attractiveness. East China Economic Management. 2020, 34(10): 1-10.]

[6]
林静霞, 何金廖, 黄贤金. 城市舒适性视角下科研人才流动的城市偏好研究. 地域研究与开发, 2020, 39(1): 59-64, 88.

[ LIN J X, HE J L, HUANG X J. Research on the city preference of the flow of scientific research talents from the perspective of urban amenities. Areal Research and Development, 2020, 39(1): 59-64, 88.]

[7]
李培园, 成长春, 严翔. 科技人才流动与经济高质量发展互动关系研究: 以长江经济带为例. 科技进步与对策, 2019, 36(19): 131-136.

[ LI P Y, CHENG Z C, YAN X. Study on the interactive relation between the flow of scientific and technological talents and the development of high-quality economy: A case of the Yangtze River Economic Belt. Science & Technology Progress and Policy, 2019, 36(19): 131-136.]

[8]
张英浩, 陈江龙, 高金龙, 等. 经济转型视角下长三角城市土地利用效率影响机制. 自然资源学报, 2019, 34(6): 1157-1170.

[ ZHANG Y H, CHEN J L, GAO J L, et al. The impact mechanism of urban land use efficiency in the Yangtze River Delta from the perspective of economic transition. Journal of Natural Resources, 2019, 34(6): 1157-1170.]

DOI

[9]
程必定. 以智能化推进长三角一体化更高质量发展. 区域经济评论, 2020, (5): 52-58.

[ CHENG B D. Promoting higher quality development of the Yangtze river Delta integration with intelligence. Regional Economic Review, 2020, (5): 52-58.]

[10]
裴长洪, 倪江飞, 李越. 数字经济的政治经济学分析. 财贸经济, 2018, 39(9): 5-22.

[ PEI C H, NI J F, LI Y. Approach digital economy from the perspective of political economics. Finance & Trade Economics, 2018, 39(9): 5-22.]

[11]
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.

[ JIN W J, SUN B W. Digital economy promotes high-quality economic development: A theoretical analysis framework. Economist, 2019, (2): 66-73.]

[12]
宁朝山. 基于质量、效率、动力三维视角的数字经济对经济高质量发展多维影响研究. 贵州社会科学, 2020, (4): 129-135.

[ NING C S. Multidimensional impact of digital economy on high quality economic development from the perspective of quality, efficiency and power. Guizhou Social Sciences, 2020, (4): 129-135.]

[13]
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 T, ZHANG Z, LIANG S K. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China. Management World, 2020, 36(10): 65-76.]

[14]
王庆喜, 武谨, 胡安. 数字经济与长三角区域一体化发展: 基于空间面板模型的分析. 浙江工业大学学报, 2020, 19(1): 39-46.

[ WANG Q X, WU J, HU A. Digital economy and integration of the Yangtze River Delta: Analysis based on spatial panel data model. Journal of Zhejiang University of Technology, 2020, 19(1): 39-46.]

[15]
朱鹏程, 曹卫东, 张宇, 等. 人口流动视角下长三角城市空间网络测度及其腹地划分. 经济地理, 2019, 39(11): 41-48.

[ ZHU P C, CAO W D, ZHANG Y, et al. Measurement of urban spatial network and its hinterworld division in the Yangtze River Delta from the perspective of population flow. Economic Geography, 2019, 39(11): 41-48.]

[16]
张跃, 刘莉, 黄帅金. 区域一体化促进了城市群经济高质量发展吗: 基于长三角城市经济协调会的准自然实验. 科学学研究, 2021, 39(1): 63-72.

[ ZHANG Y, LIU L, HUANG S J. Does regional integration promote the high quality development of urban agglomeration economy: A quasi-natural experiment based on the Yangtze River Delta urban economic coordination commission. Studies in Science of Science, 2021, 39(1): 63-72.]

[17]
范擎宇, 杨山. 协调视角下长三角城市群的空间结构演变与优化. 自然资源学报, 2019, 34(8): 1581-1592.

[ FAN Q Y, YANG S. Evolution and optimization of spatial structure of the Yangtze River Delta Urban Agglomeration from the perspective of coordination. Journal of Natural Resources, 2019, 34(8): 1581-1592.]

DOI

[18]
曾刚, 王丰龙. 长三角区域城市一体化发展能力评价及其提升策略. 改革, 2018, (12): 103-111.

[ ZENG G, WANG F L. Evaluation and promotion strategies of urban integration development capability in the Yangtze River Delta region. Reform, 2018, (12): 103-111.]

[19]
沈运红, 黄桁. 数字经济水平对制造业产业结构优化升级的影响研究: 基于浙江省2008-2017年面板数据. 科技管理研究, 2020, (3): 147-154.

[ SHEN Y H, HUANG H. Research on influence of digital economy level on industrial structure optimization and upgrading of manufacturing industry: Based on panel data of Zhejiang province from 2008 to 2017. Science and Technology Management Research, 2020, (3): 147-154.]

[20]
段存儒, 曾贤刚. 中国资源型城市转型对劳动力需求的影响. 自然资源学报, 2021, 36(3): 606-617.

[ DUAN C R, ZENG X G. The effect of transformation of resource-based cities on labor demand in China. Journal of Natural Resources, 2021, 36(3): 606-617.]

DOI

Options
Outlines

/

〈 〉