盧玲珠

無錫旅游商貿(mào)高等職業(yè)技術(shù)學校財會金融系 江蘇無錫 214000

數(shù)字經(jīng)濟是一個內(nèi)涵比較寬泛的概念，其內(nèi)涵隨著人類社會的發(fā)展不斷擴展延伸。對于數(shù)字經(jīng)濟的概念，《中國數(shù)字經(jīng)濟發(fā)展白皮書（2020 年）》以及國家統(tǒng)計局發(fā)布的《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》的描述基本一致，即數(shù)字經(jīng)濟是指以數(shù)據(jù)資源作為關(guān)鍵生產(chǎn)要素、以現(xiàn)代信息網(wǎng)絡作為重要載體、以信息通信技術(shù)的有效使用作為效率提升和經(jīng)濟結(jié)構(gòu)優(yōu)化的重要推動力的一系列經(jīng)濟活動。學者唐·泰普斯科特（Don Tapscott）將以數(shù)字方式呈現(xiàn)信息流的經(jīng)濟模式定義為“數(shù)字經(jīng)濟”[1]。國內(nèi)外學術(shù)界圍繞數(shù)字經(jīng)濟的研究成果主要集中在：數(shù)字經(jīng)濟的概念與內(nèi)涵、分析數(shù)字經(jīng)濟發(fā)展所帶來的影響、評價與測度數(shù)字經(jīng)濟的發(fā)展狀況等方面[2]。由于針對數(shù)字經(jīng)濟的研究仍處于發(fā)展之初，還存在一定的研究盲區(qū)，例如對數(shù)字經(jīng)濟全面綜合指數(shù)的測算缺乏從實證角度的研究支撐，對數(shù)字經(jīng)濟發(fā)展過程中的地區(qū)差異分析也鮮有探析。

在全球經(jīng)濟仍處于脆弱復蘇的背景下，數(shù)字經(jīng)濟已經(jīng)成為實現(xiàn)經(jīng)濟復蘇、推動可持續(xù)發(fā)展的重要支柱。在2021年全球數(shù)字經(jīng)濟大會上，中國信息通信研究院院長余曉暉發(fā)布《全球數(shù)字經(jīng)濟白皮書》。統(tǒng)計顯示，2020年我國數(shù)字經(jīng)濟在逆勢中加速發(fā)展，規(guī)模達39.2萬億元，占GDP比重為38.6%，位居世界第二；規(guī)模同比增長9.6%，增速位居世界第一，在疫情防控的大背景下有力地支撐了經(jīng)濟社會的發(fā)展。在此基礎(chǔ)上，“十四五”規(guī)劃綱要又對我國數(shù)字經(jīng)濟核心產(chǎn)業(yè)增加值占GDP的比重提出了明確要求—從2020年的7.8%提升至10%。對數(shù)字經(jīng)濟的發(fā)展狀況進行監(jiān)控、測度與評價已成為了促進經(jīng)濟高質(zhì)量發(fā)展的有效依據(jù)，對于中國經(jīng)濟持續(xù)健康發(fā)展尤為重要[3]。就目前的發(fā)展狀況來看，全國各地都高度重視數(shù)字經(jīng)濟的發(fā)展，但不同區(qū)域的發(fā)展進程存在差異性，無論是數(shù)字經(jīng)濟規(guī)模還是占比，以及數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化的總量及GDP占比，東部地區(qū)的數(shù)字經(jīng)濟發(fā)展狀況均較為突出，在全國范圍內(nèi)起到了示范作用，但東部11個省市的內(nèi)部差異較大。因此本文以東部區(qū)域為例測算數(shù)字經(jīng)濟的區(qū)域效率，可以為統(tǒng)籌我國數(shù)字經(jīng)濟的總體發(fā)展提供相應的借鑒。

一、方法與指標

經(jīng)濟效率研究的兩個重要概念是配置效率(Allocative efficiency或稱價格效率Price efficiency)和技術(shù)效率(Technical efficiency)。配置效率就是如何以最優(yōu)的要素投入組合生產(chǎn)最優(yōu)的產(chǎn)品組合，反映給定投入價格時企業(yè)以適當比例使用各項投入的能力。技術(shù)效率反映在給定投入的情況下企業(yè)獲取最大產(chǎn)出的能力。經(jīng)濟效率的衡量方法較多，其中綜合指數(shù)分析法、功效系數(shù)法、層次分析法、模糊綜合評判法存在較強的主觀性，而非參數(shù)方法無須事先設(shè)定函數(shù)形式，也不必預設(shè)權(quán)重，避免了對模型具體形式的依賴，對于數(shù)字經(jīng)濟效率的研究具有優(yōu)勢，因此本文選擇DEA分析法和Malmquist生產(chǎn)率指數(shù)分析法來進行模型的構(gòu)建。其中，運用DEA方法對東部地區(qū)的截面效率進行測定，運用Malmquist生產(chǎn)率指數(shù)法對東部地區(qū)不同時期的效率變動進行測定，運用綜合靜態(tài)截面效率和跨期效率變動分析我國東部區(qū)域數(shù)字經(jīng)濟效率的地域差異和動態(tài)演變。

(一)CCR模型和技術(shù)效率

假設(shè)有n個決策單元（Decision Making Unit，DMU），每個DMU都有m個投入變量和s個產(chǎn)出變量。決策單元j記為DMUj，Xij表示DMUj中第i個投入變量，Yrj表示DMUj的第r個產(chǎn)出變量，且投入產(chǎn)出變量均大于零，Vi和Ur分別表示第i個投入變量和第r個輸入變量的權(quán)重。Xj和Yj分別為輸入向量和輸出向量，V和U是權(quán)系數(shù)向量，決策單元j的效率評價指數(shù)VTXj表示總投入，UTYj表示總產(chǎn)出，hj為產(chǎn)出和投入的比。

由此構(gòu)成如下分式規(guī)劃問題（CCR模型）：

令t=1/VTX0ω=tVμ=tU，可將上式轉(zhuǎn)化為：

根據(jù)線性規(guī)劃對偶理論，引入松弛變量s+、s-，可得到模型如下：

CCR得出的技術(shù)效率值 θ的含義是指在產(chǎn)出水平保持不變的情況下，以處于生產(chǎn)前沿面上的最佳DMU為標準實際需要投入的比例。其中：

(二)BCC模型和純技術(shù)效率

CCR模型隱含規(guī)模報酬不變的假設(shè)，即DMU可以通過等比例增加投入來擴大產(chǎn)出規(guī)模，而規(guī)模的大小不會影響其效率。然而此假設(shè)往往與實際不符，BCC模型放寬了假設(shè)條件，規(guī)模報酬可變的假設(shè)可去除SE對TE的影響，計算得到PTE。1984年Banker，Charnes和Cooper給出了BCC模型。

因此由CCR模型和BCC模型得到的決策單元的技術(shù)效率和純技術(shù)效率，可以計算該決策單元的規(guī)模效率。

(三)Malmquist生產(chǎn)率指數(shù)

Malmquist生產(chǎn)率指數(shù)法利用距離函數(shù)的比率來比較不同時期樣本的效率值動態(tài)變化。Malmquist指數(shù)用于衡量第t期及第t+1期間的技術(shù)變動（Technical Change）：。

公式為兩個衡量值的幾何平均，前者是衡量Zt對應ft的投影，及對應ft+1的投影的距離，后者是衡量Zt+1對應投影ft的投影，及對應ft+1的投影的距離。

在此定義跨期效率指標IEI（Intertemporal Efficiency Index），各衡量值的意義可表示如下：

另外，定義CIEt→t+1為t期至t+1期的追趕效率（Catching-up in Efficiency，ClE），用于衡量第t期及第t+1期間的效率變動，其計算式如下：

效率變動系數(shù)是以Malmquist生產(chǎn)率變動指數(shù)概念為依據(jù)，定義Malmquist指數(shù)如下：

t期與t+1期的產(chǎn)出距離函數(shù)可定義為：

θ為達到生產(chǎn)前沿所有產(chǎn)出所需增加的比率。利用上述的Malmquist 生產(chǎn)率變動指數(shù)的幾何平均數(shù)可衡量固定規(guī)模報酬下的生產(chǎn)力變動：

純技術(shù)效率變動（PTEC）為：

規(guī)模效率變動（SEC）為：

(四)指標選擇

對于數(shù)字經(jīng)濟效率的測定首先需要明確數(shù)字經(jīng)濟的投入與產(chǎn)出變量，如表1所示。國家統(tǒng)計局確定了數(shù)字經(jīng)濟的基本范圍，將其分為數(shù)字產(chǎn)品制造業(yè)、數(shù)字產(chǎn)品服務業(yè)、數(shù)字技術(shù)應用業(yè)、數(shù)字要素驅(qū)動業(yè)、數(shù)字化效率提升業(yè)等5大類。數(shù)字經(jīng)濟核心產(chǎn)業(yè)對應的前四類，主要包括計算機通信和其他電子設(shè)備制造業(yè)、電信廣播電視和衛(wèi)星傳輸服務、互聯(lián)網(wǎng)和相關(guān)服務、軟件和信息技術(shù)服務業(yè)等；而數(shù)字化效率提升業(yè)為產(chǎn)業(yè)數(shù)字化部分，是數(shù)字技術(shù)與實體經(jīng)濟的融合[4]。

表1 變量表

本文以國家統(tǒng)計局《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》的劃分為基礎(chǔ)，采用蔡昌的指標選擇方法[5]，選取信息傳輸、軟件和信息服務業(yè)與計算機、通信和其他電子設(shè)備制造業(yè)的固定資產(chǎn)投資總量來衡量資本投入，兩個行業(yè)的城鎮(zhèn)就業(yè)人數(shù)來衡量勞動投入。對于產(chǎn)出指標理論上應是數(shù)字經(jīng)濟產(chǎn)出水平或者數(shù)字經(jīng)濟發(fā)展水平，但目前人們對數(shù)字經(jīng)濟發(fā)展水平的衡量仍處于探索階段，尚無定論。鑒于地區(qū)的數(shù)字經(jīng)濟發(fā)展水平與地區(qū)的經(jīng)濟發(fā)展水平有很強的相關(guān)性，因此筆者選擇東部省市的GDP和勞動生產(chǎn)率為產(chǎn)出指標。其中，考慮到資金的時間價值，以1978年為基期對固定資產(chǎn)投資額和地區(qū)生產(chǎn)總值按GDP平減指數(shù)進行可比價格處理。

二、實證結(jié)果分析

本文采用投入導向型規(guī)模報酬可變模型，將我國東部省市數(shù)字經(jīng)濟的投入產(chǎn)出數(shù)據(jù)代入BCC模型，借助軟件Deap2.1進行分析，得到規(guī)模報酬可變條件下的數(shù)字經(jīng)濟靜態(tài)截面效率和跨期效率變動。

(一)DEA靜態(tài)截面效率分析

DEA方法衡量的效率是基于截面的相對效率，表2得到2010—2019年的東部省市數(shù)字經(jīng)濟靜態(tài)截面效率。

表2 2010—2019年東部數(shù)字經(jīng)濟技術(shù)效率值

表2顯示，東部省市數(shù)字經(jīng)濟技術(shù)效率偏低，除海南省近十年一直達到技術(shù)效率前沿，其他省份數(shù)字經(jīng)濟均在不同年份出現(xiàn)技術(shù)無效率。整體上看，東部地區(qū)數(shù)字經(jīng)濟平均效率一直維持在0.5—0.8之間，2010年效率值最低為0.568，2015年最高為0.8。對東部省市的數(shù)字經(jīng)濟效率進一步分析，按照效率值區(qū)間將樣本數(shù)目進行分類統(tǒng)計，如表3所示。110個樣本中具有完全有效（TE=1）的樣本有30個，2017年最多，有5個樣本效率完全有效，其余樣本均存在冗余情況，說明投入指標可進一步優(yōu)化。

表3 效率值區(qū)間統(tǒng)計

從2019年我國東部地區(qū)的數(shù)字經(jīng)濟情況來看，如表4所示，東部省市數(shù)字經(jīng)濟技術(shù)效率完全有效的只有遼寧省和海南省，其余省市效率由高到低依次為河北、山東、浙江、福建、上海、天津、北京、江蘇和廣東?！吨袊鴶?shù)字經(jīng)濟發(fā)展白皮書（2020 年）》公布的數(shù)字經(jīng)濟數(shù)據(jù)顯示，從總量上看廣東、山東、浙江、上海、北京、福建、河北都超過1萬億元，從占比來看北京和上海的數(shù)字經(jīng)濟GDP占比超過50%，天津、廣東、浙江、福建、江蘇、山東都超過全國平均水平，這說明東部很多省市亮眼的數(shù)字經(jīng)濟數(shù)據(jù)背后不乏過量的投入，由于較高的投入冗余造成了效率值的低下。在11個樣本中9個省市的規(guī)模報酬都是遞減的，說明產(chǎn)量增加的倍數(shù)少于投入要素增加的倍數(shù)，導致規(guī)模不經(jīng)濟。

表4 2019年東部數(shù)字經(jīng)濟效率值

為了對技術(shù)效率進行差異化分類，以0.9為臨界點將樣本分為四種類型。第一種類型為“雙高型”，即PTE與SE均在0.9以上，包括河北、遼寧和海南省，這三個省份雖然數(shù)字經(jīng)濟的規(guī)?？偭亢桶l(fā)展速度并不是最好的，但可以充分借鑒發(fā)達省份的成功經(jīng)驗和發(fā)展模式，制定高效、切合實際的發(fā)展路徑和管理制度，從而使數(shù)字經(jīng)濟的單位投入創(chuàng)造更多的產(chǎn)出。第二種類型為PTE較高但SE較低的“高低型”，包括江蘇、福建、山東和廣東省，這些省份的PTE均達到前沿，而SE較低，表明在目前的技術(shù)水平上其投入資源的使用是有效的，主要改進方向是提高規(guī)模效率，后續(xù)發(fā)展的重點是擴大規(guī)模，使得分工更專業(yè)，實現(xiàn)資源的集中配置。第三種類型“低高型”，2019年沒有這種類型。第四類省份為“雙低型”，包括北京、天津、上海、浙江四個省市，北京、上海等地的數(shù)字經(jīng)濟產(chǎn)業(yè)的基礎(chǔ)總量很大，數(shù)字化、信息化程度很高，每年雖有相當大的產(chǎn)出量，但由于基礎(chǔ)產(chǎn)量規(guī)模大，整體產(chǎn)權(quán)效率并不高。這類省市在PTE和SE方面均有較大的提升空間，需要同時改善純技術(shù)效率和規(guī)模效率，一方面要加強數(shù)字技術(shù)，推動數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化的發(fā)展，優(yōu)化數(shù)字經(jīng)濟的內(nèi)部管理；另一方面，要促進生產(chǎn)規(guī)模的擴大，需要科學規(guī)劃數(shù)字經(jīng)濟的各項資源。可見，數(shù)字經(jīng)濟發(fā)展水平高的地區(qū)不一定是資源配置優(yōu)、利用效率高的地區(qū)。無論各省已有的數(shù)字經(jīng)濟產(chǎn)業(yè)基礎(chǔ)如何，發(fā)展狀況如何，都需要重視資源配置的優(yōu)化，進一步提高數(shù)字經(jīng)濟產(chǎn)出效率。

差額變量分析（Slack Variable Analysis）用于了解無效率樣本與目標相差的程度及改善空間的大小。差額變量是指假定當前產(chǎn)出水平不變，實際發(fā)生的投入減去真正所需要的目標投入量的差額。國內(nèi)外眾多研究表明投入差額變量容易導致資源利用的效率降低，需要采取相應的管理措施降低差額變量的大小。對于雙低型的四個省市進行差額變量分析發(fā)現(xiàn)，北京、上海、浙江三個省市的勞動投入變量存在投入差額，說明過度投入導致資源浪費是這三個省市效率低下的主要原因。

(二)跨期效率變動分析

DEA方法衡量的效率是基于截面的相對效率，因此對數(shù)字經(jīng)濟TE進行年度之間的對比并不能說明效率變動的實質(zhì)，而運用Malmquist的實證結(jié)果可對跨期效率變動進行解釋說明。2010年—2019年的跨期變動可分為九個時期，如圖1。整體上看，東部地區(qū)數(shù)字經(jīng)濟全要素生產(chǎn)率（MI）整體上圍繞1上下波動，其中除2012—2013年、2014—2015年、2016—2017年三個時期MI是下降的，其他時期都是上升的。相比而言，2019年數(shù)字經(jīng)濟MI最高。其中技術(shù)變化指數(shù)（TC）在2010—2015年對數(shù)字經(jīng)濟的貢獻較低，2015—2019年技術(shù)變化指數(shù)對全要素生產(chǎn)率貢獻較大。技術(shù)效率變化指數(shù)（TEC）在2011—2012年、2016—2017年呈現(xiàn)增長趨勢，其余年度時間段呈下降趨勢。對技術(shù)效率變化指數(shù)分解得到純技術(shù)效率變化指數(shù)（PTEC）和規(guī)模效率變化指數(shù)（SEC），規(guī)模效率是主要推動技術(shù)效率上升的主要因素。

圖1 2010—2019年我國東部地區(qū)數(shù)字經(jīng)濟效率變動

表5反映了東部11個省市的全要素生產(chǎn)率，每個省市呈現(xiàn)出不同幅度的波動，2010—2011年、2012—2014年僅有2個樣本的MI值大于1，2011—2012年、2015—2017年各有4個樣本的MI值大于1，從2017年開始全要素生產(chǎn)率的省市大為增加，超過一半的省市MI值大于1。在11個省市中北京和上海出現(xiàn)MI值大于1的次數(shù)是最多的，說明這兩個中心城市的數(shù)字經(jīng)濟產(chǎn)出效率提升較優(yōu)。

表5 2010—2019年全要素生產(chǎn)率（MI）

圖2為2018—2019年的數(shù)字經(jīng)濟全要素生產(chǎn)率變動指數(shù)分解結(jié)果?？偟膩砜矗?018—2019年東部省市數(shù)字經(jīng)濟MI平均值為1.073，表明這一時期的總生產(chǎn)效率呈現(xiàn)上升趨勢，技術(shù)進步指數(shù)TC平均值為1.465，表明技術(shù)進步是導致Malmquist生產(chǎn)率指數(shù)上升的主要原因，技術(shù)效率變動各省市差異較大，出現(xiàn)技術(shù)效率上升、不變和下降三種情況，而引起技術(shù)效率變動的主要原因是規(guī)模效率下降。

圖2 2018—2019我國數(shù)字經(jīng)濟技術(shù)效率變動

具體來看在東部各省市中，按照技術(shù)效率變動趨勢分類，第一類為技術(shù)效率保持不變（TEC=1），包括遼寧和海南兩個省份，其TEC、PTEC及SEC均為1，第二類為技術(shù)效率上升（TEC＞1），如福建，其純技術(shù)效率上升而規(guī)模效率下降，第三類為技術(shù)效率下降（TEC＜1），包括北京、天津、河北、上海、江蘇、浙江、山東和廣東共8個省份，其中，北京、浙江和福建三個省市的純技術(shù)效率為上升，而規(guī)模效率下降，河北、江蘇、山東和廣東四個省份純技術(shù)效率不變而規(guī)模效率下降，規(guī)模效率是引起技術(shù)效率下降的主要原因，天津市是唯一一個純技術(shù)效率下降而規(guī)模效率上升的區(qū)域，純技術(shù)效率的變動是引起技術(shù)效率下降原因。

三、結(jié)論及對策

通過近10年DEA截面效率的計算發(fā)現(xiàn)我國東部區(qū)域數(shù)字經(jīng)濟效率值完全有效率不高，具體對2019年的截面效率進行分析發(fā)現(xiàn)我國東部區(qū)域差異較大，東部區(qū)域的技術(shù)效率平均值為0.609，技術(shù)效率完全有效的只有遼寧省和海南省，其余省市效率由高到低依次為河北、山東、浙江、福建、上海、天津、北京、江蘇和廣東，江蘇、福建、山東和廣東省效率提升主要方向是提高規(guī)模效率，北京、天津、上海、浙江四個省市在純技術(shù)效率和規(guī)模效率方面均有較大的提升空間，對于“雙低型”的四個省市進行差額變量分析發(fā)現(xiàn)，北京、上海、浙江三個省市的勞動投入變量存在投入差額，說明過度投入導致資源浪費是這三個省市效率低下的主要原因。

通過2010—2019年的跨期效率進行研究發(fā)現(xiàn)，東部地區(qū)數(shù)字經(jīng)濟全要素生產(chǎn)率（MI）僅2011—2012、2015—2016、2018—2019三個時期是上升的，其他時期都是下降的。技術(shù)變化指數(shù)（TC）對數(shù)字經(jīng)濟的貢獻逐步加大，技術(shù)效率變化指數(shù)（TEC）2010—2015年、2016—2017六個年度時間段呈現(xiàn)增長趨勢，其余四個年度時間段呈下降趨勢，規(guī)模效率是推動技術(shù)效率上升的主要因素。2018—2019年跨期效率顯示各省市差異較大，遼寧和海南的技術(shù)效率保持不變（TEC=1），福建省技術(shù)效率上升（TEC＞1），其他8個省市技術(shù)效率下降（TEC＜1），規(guī)模效率是引起技術(shù)效率下降的主要原因。

針對以上實證結(jié)論可從以下幾個方面提出發(fā)展高質(zhì)量數(shù)字經(jīng)濟、提升數(shù)字經(jīng)濟效率的對策。

第一，推進數(shù)字化轉(zhuǎn)型支持政策出臺。2019年東部11個省市的DEA效率顯示江蘇、福建、山東、廣東、北京、天津、上海、浙江八個省市都需要進一步提升規(guī)模效率，這離不開政策的支持?！吨腥A人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》在頂層設(shè)計時明確數(shù)字化轉(zhuǎn)型的戰(zhàn)略地位，東部省市的省級市級“十四五”規(guī)劃也都強調(diào)加快產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，推動數(shù)字化賦能各行各業(yè)。

第二，優(yōu)化數(shù)字經(jīng)濟建設(shè)資源投入。通過DEA分析發(fā)現(xiàn)低效率的省市存在不同程度的投入冗余，北京、上海、浙江三個省市尤為明顯。東部地區(qū)要通過數(shù)據(jù)推動技術(shù)、資本、勞動力、土地等傳統(tǒng)生產(chǎn)要素深刻變革與優(yōu)化重組，對經(jīng)濟社會發(fā)揮放大、疊加、倍增效應。將數(shù)據(jù)要素與傳統(tǒng)生產(chǎn)要素相結(jié)合，催生出金融與科技融合的新資本形態(tài)、以智能機器人為代表的新勞動要素、數(shù)字孿生融合土地要素的數(shù)字映射系統(tǒng)等。

第三，強化科技創(chuàng)新構(gòu)建雙循環(huán)新格局。Malmquist實證結(jié)果顯示技術(shù)進步有效促進數(shù)字經(jīng)濟效率的提升，東部省市要推動新一代信息通訊技術(shù)加速創(chuàng)新突破，促進數(shù)字經(jīng)濟與實體經(jīng)濟深度融合，改造提升傳統(tǒng)產(chǎn)業(yè)，把實施擴大內(nèi)需戰(zhàn)略同深化供給側(cè)結(jié)構(gòu)性改革有機結(jié)合，為加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局提供關(guān)鍵支撐。

第四，發(fā)揮自身優(yōu)勢構(gòu)建數(shù)字經(jīng)濟發(fā)展新模式。無論是DEA靜態(tài)效率分析還是Malmquist跨期效率分析都顯示出東部區(qū)域的差異性較大，東部區(qū)域要根據(jù)自身資源稟賦，充分發(fā)揮本地創(chuàng)新、產(chǎn)業(yè)、區(qū)位、資源、政策等優(yōu)勢，與周邊區(qū)域的數(shù)字經(jīng)濟協(xié)同發(fā)展、互聯(lián)互通，形成各具特色的數(shù)字經(jīng)濟發(fā)展模式，為全國數(shù)字經(jīng)濟發(fā)展樹立標桿、打造典范。其中，北京、廣東都屬于數(shù)字經(jīng)濟高梯度地區(qū)，憑借較強的科技創(chuàng)新能力、產(chǎn)業(yè)結(jié)構(gòu)高度、基礎(chǔ)經(jīng)濟實力、資源配置能力等集中區(qū)域資源，全面布局數(shù)字經(jīng)濟發(fā)展。數(shù)字經(jīng)濟中梯度地區(qū)遼寧省具備一定的技術(shù)力量和較好的經(jīng)濟產(chǎn)業(yè)基礎(chǔ)，可通過引進和承接高梯度地區(qū)數(shù)字技術(shù)、數(shù)字人才等，大力發(fā)展數(shù)字經(jīng)濟。東部區(qū)域的江蘇省、上海市、浙江省以中心城市作為數(shù)字經(jīng)濟增長極，可通過支配、乘數(shù)、極化與擴散效應對區(qū)域數(shù)字經(jīng)濟活動產(chǎn)生輻射帶動作用。