中国互联网产业空间演化格局及其创新效应

徐维祥，刘晓雯，刘程军, ，陈雨玮，王 睿

（1.浙江工业大学经济学院，浙江杭州 310023；2.浙江工业大学之江学院，浙江绍兴 312030）

随着社会经济的突飞猛进，互联网产业已成为促进区域经济发展的龙头产业。因其具有打破信息不对称、降低交易成本和提升劳动生产率的特点［1］，互联网将推动中国经济朝着更创新、更智慧、更绿色的方向发展，并成为区域创新发展新动能［2］。《中国互联网发展报告（2020）》显示，截至2020 年年底，中国网民规模达9.89 亿人，互联网普及率达到70.40%［3］。这充分说明以互联网为代表的数字经济是不可阻挡的时代潮流，其巨大潜能正在逐步释放。基于此，从省域层面把握中国互联网产业发展的演进规律，探究其自身具有的创新效应，对实现全面高质量发展均具有重要意义。

1 文献综述

关于互联网的研究，最初着重于互联网自身特点，如Athanassios［4］指出互联网具有与经济社会各领域深度融合的特点；Salahuddin 等［5］认为互联网具有节省时间、提高效率的优势。大多学者采用单一指标来衡量互联网产业，但单一指标难以客观地衡量出互联网产业发展的真实水平。随着地理学的相关方法与研究被充分利用，部分研究致力于互联网发展与经济增长的关系，也有围绕互联网产业空间集聚、互联网普及的空间差异等问题展开，如Czernich 等［6］的研究；宁进厅等［7］基于生产与消费两个方面，利用锡尔系数和集中化指数对中国互联网发展状况进行研究，结果发现互联网发展的区域差异仍然明显；叶初升等［8］肯定了互联网不仅显著促进了经济增长，而且具有明显的结构效应。

针对互联网与创新的关系，Arthub［9］认为互联网具有推动知识、信息广泛传播的能力，从而有利于创新产出；Holmstrom［10］从互联网金融角度出发，认为金融发展有利于降低交易费用，促进了企业研发创新；Glavas 等［11］指出，互联网对企业的创新性和主动性均具有积极影响；Bygstad［12］通过航空公司案例研究表明，互联网高速发展可以加快推动企业创新。

加快发展互联网产业对于促进中国经济发展、推进创新创业具有重要的意义，但是，已有研究成果中针对互联网产业的探索更注重于互联网的发展差异及空间集聚等方面，针对剖析互联网空间演化趋势及其与区域创新的空间计量实证框架仍有待完善。因此，本研究结合互联网和创新的已有相关研究，提出互联网产业空间演化特征及其创新效应的实证分析框架，首先从互联网应用环境、互联网设备资源、互联网基础设施和互联网普及4 个维度，系统分析构建互联网产业综合指标体系，在此基础上识别互联网产业时空变化趋势与空间演化特征；然后，运用引力模型构建互联网产业空间联系网络结构图，阐述网络特征及重心转移趋势；最后，利用空间计量模型探究互联网产业发展与区域创新的关系，为推动区域创新发展提供参考。

2 模型、变量与数据

2.1 模型设置

2.1.1 空间自相关分析

全局莫兰指数（Moran'sI）反映相同变量在不同空间位置上的相关性［13］，本研究采用莫兰指数来判断中国互联网产业空间联系是存在相关性。具体计算公式如下：

式（1）中：xi、xj表示省份i和j的观测值，为均值；n为研究单元数量；Wij为N×N的空间矩阵邻接矩阵，Wij取值为1 表示省份之间相邻，反之为0。

当I值大于0 表示变量是空间正相关的，值越大表示空间联系越为紧密；当I值为0 时，说明空间变量之间是随机分布的，不具有空间相关性［14］。

为了分析不同位置的高值簇和低值簇，本研究同时利用Getis-Ord Gi*统计数据来测度中国互联网产业的热点区和冷点区的空间分布。计算公式如下：

2.1.2 引力模型

区域产业空间联系强度既能反映产业中心地区的辐射能力，也能反映周围地区对产业中心辐射能力的接受强弱［15］。本研究运用引力模型来测度中国互联网产业省份之间的联系强弱。其中，引力模型中的分子是基于熵值法计算得到的互联网产业综合水平。测算公式如下：

式（3）中：Iij代表两省份之间的互联网空间联系强度；INTi和INTj分别表示i、j省份的互联网产业综合水平；Dij为i、j两省份之间最短距离；b为两省份之间距的衰减指数，根据李陈等［16］的研究成果，b取值2。

在此基础上，核算各省份空间总联系量Ii。计算公式如下：

2.1.3 重心迁移模型

重心模型在研究区域发展过程中起着重要作用，在一定程度上能够显示区域发展的空间均衡性和差异性特征，可以用作研究国家或者区域发展的方向，以及用来评估空间发展政策的变动效果［17］。本研究以各省域互联网产业空间总联系量为研究对象，构建不同年份的重心测算模型，以便为中国互联网产业发展提供更合理的政策建议。计算公式如下：

2.1.4 空间计量模型选择

普通面板模型的误差设定不够严谨，无法准确判定互联网产业发展与区域创新之间的真实关系，因此，采用空间面板计量模型进一步分析。空间面板计量模型可以分为空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）3 种形式。其基本形式分别如下：

式（7）（8）中：PATit表示被解释变量创新产出，为解释变量；Xjt和PATjt分别为周边j省份t年份的解释变量和被解释变量；α表示常数项；β为自变量空间回归系数；ξ为随机误差项；ρ表示因变量空间回归系数；θ表示自变量空间回归系数；λ表示空间误差回归系数。

参考徐维祥等［18］的做法，当满足ρ≠0、θ=0、λ=0 时为空间滞后模型；当ρ=0、θ=0、λ≠0 时，为空间误差模型；当ρ≠0、θ≠0、λ=0 时，为空间杜宾模型。先需经过LR 和Wald 检验分析分析模型具体形式，再结合豪斯曼检验判断固定效应还是随机效应。

2.2 变量选取

2.2.1 被解释变量

创新产出为被解释变量。多数学者采用诸如专利申请受理数量、新产品销售收入、工业新产品产值等指标来表征创新产出。本研究从区域创新程度视角出发，鉴于通过专利授权数量能够很好地衡量某个地区的创新水平高低，因此借鉴王晶晶等［19］的做法，选择专利权申请数量（PAT）表征被解释变量。

2.2.2 主要核心解释变量

互联网产业综合水平（INT）为主要核心解释变量。考虑到数据的可得性以及连续性，本研究构建了互联网产业综合评价指标体系。实际上，互联网是一个较为复杂的系统工程，考虑单一的指标很难客观地揭示其发展的真实水平。参考郭家堂［20］、张旭亮等［21］的研究成果，结合中国互联网发展实际情况，从发展应用环境、互联网设备资源、互联网基础设施、互联网普及程度4 个维度出发，将4这个维度细分为6 个二级指标、13 个三级指标，构造出中国互联网产业综合评价指标体系（见表1），并且通过熵值法赋予权重，测算出不同年份的中国互联网产业综合发展水平。此外，通过互联网产业空间联系势能可以衡量不同省份互联网的中心地位，根据式（4）计算结果，同样将互联网产业空间联系势能（I）也作为主要核心自变量。

表1 区域互联网产业综合评价指标体系

2.2.3 其他核心解释变量

区域创新的本质是将创新要素投入并且转化为创新产出的过程，研发资本投入和人力资源投入是创新投入的关键要素，借鉴Hall 等［22］的研究，采用R&D 人员全时当量（L）表示R&D 人力资源的投入；同时，考虑到R&D 经费支出有很强的滞后性，使用R&D 资本存量（K）表示全部研发投入。

省域R&D 资本存量通过永续盘存法估算求得：

式（9）中：Kit表示i省份第t期的R&D 资本存量；表示i省份第t-1 期的R&D 资本存量；Eit表示i省份第t期的不变价R&D 投资；δi表示i省份R&D 资产的折旧率，参考Hall 等［22］的做法设定为15%。

初始R&D 资本存量计算公式为：

式（10）中：Ki0为i省份的初始R&D 资本存量，Ei0为i省份初期R&D 经费支出；gi为经费支出的增长率，主要有几何平均法与BEA 线性回归法两种确定方法，本研究采用几何平均法计算。

2.2.4 控制变量

为了使得分析的结果更加精确，本研究中还控制了以下变量：（1）对外开放程度（FDI）。对外开放程度对区域创新产出有明显的推进作用，开放程度高的省份往往有丰富的资本和劳动力流入，具有更强的创新能力。参考张彩江［23］等研究，采用地区外商投资总额来表示。（2）技术转化能力（TAC）。参考韩先锋［24］等研究，用技术市场交易额与GDP之比来表示。（3）研发投入强度（R&D）。研发经费的投入会大力激发创新潜在动能。参考周密［25］等的研究，采用研发经费投入占GDP 比重来表示研发投入强度。（4）市场发育程度（SCSP）。一般情况下，市场化发育程度较高的省份更加具有创新活力［20］。采用非国有企业员工占比来体现。（5）政府支持程度（GOV）。政府行为对互联网企业发展有较强的影响作用。参考韩长根［26］等的研究，用当地财政支出占GDP的比重来表征。（6）产业结构升级（STU），用来判断国家的经济走向。互联网技术的发展有助于产业结构升级，借助巩鑫［27］等的研究，采用第三产业值占第二产业值比重来表示。

2.3 数据来源

研究范围包括中国30 个省份（未含西藏和港澳台地区）。面板数据区间为2007—2017 年，其中互联网产业综合评价指标体系中的各项细分指标数据及专利申请数量、外商直接投资、R&D 经费支出、R&D 人员全时当量等数据均来自《中国统计年鉴》《中国信息年鉴》和国家统计局官方网站及各省域统计局网站，各省域之间的行驶距离通过百度地图API 平台获取（http://lbsyun.baidu.com/）。

3 中国互联网产业空间演化特征

3.1 空间差异分析

根据熵值法计算出2007—2017 年中国30 个省份互联网产业综合发展水平，借助ArcGIS 10.2 软件，通过自然断裂法将其分为5 个等级（高水平、较高水平、中等水平、低水平、较低水平），并生成2007 年、2012 年与2017 年的中国互联网产业综合水平地理分布图（见图1）。可以看出，2007 年互联网产业综合水平属于高水平等级的有北京、上海、广东3 地，浙江、江苏、山东这3 个东部沿海地区处于较高水平，属于中等水平的地区多分布于内陆，如河南、湖北、湖南等中部城市，属于低水平和较低水平的大多集中于西部地区，其中青海、甘肃、宁夏的互联网产业综合水平值都小于0.13，整体而言互联网产业发展程度较低；至2012 年，各省份互联网产业综合水平值都有所提升，东部沿海地区的变化趋势较为明显，高水平地区增加了浙江、江苏两省，同时河北、辽宁、山东3 省由原来的中等水平跃迁为较高水平，四川和福建的互联网产业综合水平值也陡然上升，就内陆区域而言，位于中等水平的省份增加了陕西和黑龙江；至2017 年，30个省份互联网产业综合水平值提升幅度较为明显，中等水平地区增加了陕西省，在内陆区域呈现出明显的空间集聚特征。可以发现的是，2007 至2017 年期间，东部沿海地区的互联网产业整体水平提升较为突出，具有明显的先发优势，但整体而言，互联网产业在空间分布上呈现出不平衡性，时空分异特征较为明显，呈现出“东紧西稀”的空间分布特征。随着时间的递进，30 个省份互联网产业综合水平的空间分布呈现出明显的集聚特征。其中，属于高水平等级的省份主要分布于东部沿海地区，这些地区的经济发展较快，因此人才和资本较为聚集，在互联网产业发展中具有一定的优势；处在较高水平阶段的省份主要集中于沿海地区相邻近的中部地区，呈现由沿海向内陆地区蔓延的趋势。从演化趋势可知，东部和西部差异较为明显，西部地区的青海、甘肃、宁夏始终处于低水平阶段。

图1 中国省域互联网产业时空分异状况

3.2 空间相关性分析

空间关联性是反映区域间变量是否存在空间依赖或者空间自相关最直观的方式［8］，本研究利用ArcGIS 10.2 软件计算得出2007—2017 年互联网产业综合水平全局自相关指数（Moran'sI指数），结果如表2 所示。

表2 2007—2017 年中国30 省份互联网产业空间自相关分析结果

通过P值结果可见，2007—2017 年中国30 个省份互联网产业综合水平的莫兰指数值均通过10%水平下的显著性检验，其中除了2008、2013、2014 年，其余年份的指数值均在5%的水平下显著为正，这说明各省份的互联网发展在空间上并不是无序分布的，而是具有明显的空间相关性。还可以看出，各省域互联网产业空间相关性均为正值，表明中国互联网综合发展水平呈显著的集聚特征；但从时序变化上可见，莫兰指数呈现出不同变化趋势，2007 至2012 年较为稳定，保持在0.24 左右，2013 至2017年整体呈现出上升的趋势，表明空间集聚程度在波动提升。

为了区分冷热点区域，利用ArcGIS10.2 软件将冷热点区域划分为7 类（见图2）。从发展趋势来看，互联网产业综合水平的热点区域主要集中在浙江沪地区，并且随着时间的推进存在一定的扩张趋势；冷点区域则主要分布在西部地区。具体而言，2007年的高热点只有安徽1 省，中热点区域有5 个区域，分别为浙江、上海、江苏、福建、湖北；高冷点区域有青海和甘肃，四川则处于次冷点区域；2012 年冷热分布变化较为明显，热点区域逐渐向中部延伸，首次出现了浙江高热点区域，同时低热点区域增加了江西；2017 年，江西也由低热点区域跃迁为中热点区域。从空间分布格局来看，冷热点的集聚范围相对较小，大部分的北部、东北部地区处于随机分布状态，这表明冷热集聚区的辐射效果有限；此外，中部及东北整体地区的互联网发展程度并不是很高。

图2 中国互联网产业发展冷热点分布

4 中国互联网产业空间网络结构特征

4.1 空间联系强度分析

通过互联网产业空间联系势能能够衡量两个省份之间的互联网产业空间联系强度，该指标值越大表示产业空间吸引力越大。为了探讨互联网产业的空间联系网络结构，利用ArcGIS 10.2 软件的网络分析功能，将互联网产业空间联系量分为0～50.00（较弱联系）、50.01～100.00（弱联系）、100.01～150.00（一般联系）、150.01～300.00（较强联系）和300.01（强联系）等5 个等级，并且进行可视化分析，绘制出中国互联网产业空间联系网络图（见图3）。为了提升可视化效果，图3 内不显现较弱联系关系的空间联系强度。

由图3 可知，2007 年北京与天津、上海与浙江的空间关系最为密切，长三角地区联系次之，表现为以江苏为顶点，分别与安徽、上海、浙江之间构成紧密联系，同时以北京为起点，与其相近的河北、山东也依次构成联系，这些重要节点省份的经济基础较好，积聚了大量的互联网人力资本要素，具有显著的优势，而其他地区并没有与京津、江浙沪构建紧密的空间联系，由此可见互联网产业的空间联系尚在初级阶段，呈现出极为简单的核心结构关系；2012 年，京津、江浙沪地区的空间联系量级陡然上升，这两个核心地区的辐射能力增强，以北京为顶点，首次和山西、内蒙古构成联系，同时安徽与江苏之间的联系强度大于300，网络联系十分紧密，内陆地区的湖北、湖南、江西构成“铁三角”关系，四川与重庆以及青海与甘肃的联系强度也进一步加强；2017 年，空间联系网络结构复杂程度提升较大，东部沿海地区之间的互联网产业联系较强，网络结构较为紧密，西部地区的联系强度也有所增加，其中江苏、浙江、上海之间增幅较为明显，大多数原本没有联系的省份也存在一定程度的联系，例如与河南构建起联系的省份数量大幅度上升，呈现出以河南为中心、向周围辐射的蛛网状空间联系特征。

通过图3 可以明显发现，沿海地区及中部地区的互联网产业空间联系网络复杂程度大于西南、西北及东北区域，各个省份间的互联网产业空间联系持续增强，网络结构由简单演变为复杂，其中京津冀、江浙沪地区始终起着关键的作用。总的来说，2007至2017 年，中国互联网产业联系强度变化比较明显，最初的联系分布较为零散，主要集中于京津、江浙沪两核心区域，随着互联网产业的不断发展，逐渐向内陆放射性扩散，呈现出多个核心的结构特征，这可能与各地区的经济水平、对外开放程度有很大的关系。

图3 中国互联网产业空间联系网络结构

4.2 空间总势能演化趋势分析

互联网产业空间联系总量可用来衡量区域互联网产业的重心地位。通过式（2）计算出2007、2012、2017 年中国互联网产业空间联系总量（见表3）。由表3 可知，在这3 个年度内，空间联系总量排名在前10 位的省份占全部研究区域的比重分别为71.84%、69.34%和68.37%，意味着大量的互联网“财富”集中在这些区域；同时随着时间的推移，所占比重逐年减少，说明各个省份之间的互联网发展差异逐步缩小，向均衡态势发展。仅从空间联系总量变化趋势可见，各省份的联系总量呈现指数增长，增长速度极快。以山西为例，2007 年空间总势能排名于末尾，2012 年跃迁为第三，空间总势能由先前的197 上升至1 179，提升了将近6 倍，2017 年排名第二仅次于北京。从地理角度而言，空间势能较高的省份大多处于东部沿海等经济较为发达的地区，进一步说明了以京津和浙江沪为核心的城市圈具有较强的溢出效应，带动周围的城市组团发展，在推动互联网发展中占据重要的地位。可以发现的是，2017 年内蒙古、江西跻身进入排名前十，而浙江的互联网中心地位在不断下降，说明中心地位具有转移的趋势；北京始终居于首位，中心地位较为突出。

表3 中国30 省份互联网产业空间联系总量

4.3 空间联系总量重心转移分析

为了刻画中国互联网产业空间联系总量的重心转移情况，运用式（5）（6）计算出30 省份重心转移坐标，并用Arcgis10.2 软件绘制2007 至2017 年空间联系总势能的重心转移路线图（见图4）。整体来看，2007 至2017 年，30 省份互联网产业空间联系总量的重心坐标呈现出“自北向南，由东到西”的“W”型漂移特征。可以发现近10 年来转移路径较为明显，逐渐向南转移，空间联系总量的重心坐标大多处在河南省内，这意味着东部地区的互联网发展水平始终要高于西部地区，可能因为东部沿海地区产业基础具有较强的优势、劳动资本较为丰裕，使得互联网发展较为兴盛。整体而言，互联网产业发展的重心转移幅度较为明显，具体表现为东经减少了0.42个维度、北纬减少了0.37个纬度。由此可见，随着互联网产业的不断发展，中国互联网发展重心大幅度由北向南移动，南部互联网产业提升较为明显。具体而言，2007 至2013 年，呈现出规则的“W”型，且为先北部、后南部的移动特征，其中2007 至2009 年变化幅度最大；2013 至2017 年，重心波动逐渐平稳，漂移趋势较为稳定，呈现较为平滑的由北向南的移动特征。

图4 中国30 省份互联网产业空间联系总量重心转移路线

5 中国互联网产业与创新效应研究

5.1 模型检验结果分析

上述空间自相关分析结果表明了各省份互联网产业发展在空间上存在着一定的相关性和异质性，为了验证模型的具体形式，利用Wald 检验和LR 检验判断空间杜宾模型能否退化为空间滞后模型或空间误差模型。检验结果见表4，在邻近空间权重的设定下，Wald、LR 的空间滞后项和空间误差项检验结果均在5%的水平下显著，拒绝了原解释，认为SDM 无法退化为SEM 模型或者SAR 模型，应该采用空间杜宾模型；同时Hausman 统计量在1%的置信水平下显著拒绝原假设，认为选择固定效应模型最为合适。综上，本研究应该选择空间杜宾固定效应模型。

表4 研究模型的Wald 和LR 检验结果

5.2 空间面板回归分析结果

为了验证结果的稳健性，基于Stata 14.0 软件进行SDM 估计时，结合空间杜宾无固定效应模型和非空间面板个体固定效应模型，分别以互联网产业综合水平（见表5）与互联网产业空间联系总量（见表6）为核心自变量进行比较分析。通过表5、表6 中的3个模型对比发现，不同模型的估计系数存在细微的差异，但是正负号和显著性基本保持一致，说明各个模型之间能够相互验证，对数据特征的拟合具有稳健性。变量In INT 与变量InI在不同模型下均通过了显著性检验，相比其他变量结果，其系数较大且为正，这表明互联网产业的发展是推进区域创新的重要引擎。个体固定效应模型中的系数值较高，可能是忽视了因变量和自变量的空间溢出效应而导致。表5 和表6 空间固定效应模型中的Ρ值分别为0.170 和0.221，分别在5%和1%水平上显著，进一步证实创新产出的提升存在显著的空间溢出效应。

表5 2007—2017 年中国30 省份以互联网产业综合水平为核心解释变量的空间分析结果

从表6 可知，变量InI在3 种模型下均通过了1%水平下的显著性检验，这表明互联网产业空间联系格局对区域创新具有明显的正向作用；劳动要素InL对区域创新产生显著正向影响，而资本要素InK在3种模型下均不显著，说明区域创新产出增长主要靠人才投入拉动。其他控制变量也对创新产出产生不同的作用：对外开放水平变量InFDI 对创新产出没有产生显著的影响，部分原因可认为开放程度不够，政府需采取一定的措施提升地区的对外开放能力；研发投入强度变量InR&D 对创新产出起抑制性作用，意味不当的研发经费支出有可能扭曲区域创新产出结果；变量InGOV 与W× InGOV 在空间固定效应模型中均显著为正，表明政府支持对区域创新产出具有一定的空间溢出效应，周围城市的政府决策可能对本地区的创新产出增长产生积极的影响，因此政府需采取较强力度的支持来提升本地区创新能力；In SCSP 在3 个模型下不显著，但是W×InSCSP 通过了显著性检验，这表明市场发育程度存在较强的溢出效应，周边地区的市场发育水平可以激活本地区的市场创新动力。

表6 2007—2017 年中国30 省份以互联网产业空间联系量为核心解释变量的空间分析结果

5.3 空间效应分解

由于各因素的回归结果不能用来反映直接效应和间接效应的结果，需要基于SDM 模型偏微分方法对溢出效应分解。如表7、表8 所示，总体效应中所有变量系数与表5、表6 的估算结果基本保持一致。总效应可以分解直接效应和间接效应，直接效应表示本地区互联网产业发展及创新投入对本地区创新产出的影响；间接效应则表示本地区互联网产业发展情况及创新投入对相邻地区创新产出的影响。无论是互联网产业综合水平（INT）还是互联网产业空间联系总量（I）作为核心变量，都存在正向的空间直接效应，相比其他变量而言，系数值较大，说明互联网产业发展是促进区域创新的首要要素。表7 和表8 中，人力资源投入的直接效应系数分别为0.379 和0.386，表明劳动力每增加1%会分别促进本地区创新产出增加0.379%和0.386%；同时充足且高质量的人力资源可以反映较高的劳动力素质，对提升区域创新能力起着重要作用；资本投入系数的直接效应值相对较小且不显著，表明创新产出所要的R&D 资本存量作用并不强。

表7 2007—2017 年中国30 省份以互联网产业综合水平为核心解释变量的空间溢出效应分解

表8 2007—2017 年中国30 省份以互联网产业空间联系总量为核心解释变量的空间溢出效应分解

各控制变量也起着不同的作用，对外开放程度和技术转化能力对创新产出的作用并不明显。产业结构升级对创新产出的直接效应影响为负，意味着如果盲目追求产业的升级和转型，会阻碍资源合理化配置，进而对创新产出起着抑制性作用。当核心解释变量为互联网产业综合水平时，产业结构升级具有正向的溢出效应，表明产业结构具有效仿性，本地的产业结构状态会影响周围城市，其塑造出的市场形态对邻近地区产生同向影响。市场发育程度与政府支持力度的空间溢出效应为正，说明较高的市场化水平与政府的较强支持会对周围区域的互联网产业发展产生积极的影响，因此政府应灵活运用市场机制，推动市场向高程度发育。

6 研究结论与政策建议

6.1 结论

本研究在构建互联网产业发展综合评价指标体系的基础上，探讨了2007—2017 年中国互联网产业的空间演化特征，并利用引力模型进一步分析各省份间互联网产业的空间联系强度以及重心迁移特征，最后运用空间计量模型探索互联网产业对区域创新效应的影响。研究结果发现：

（1）从30 个省份整体层面而言，中国互联网产业综合水平在不断地提升，2012 至2017 年间增幅较为明显，互联网已经成为带动区域经济发展的重要引力。由于地理环境等因素，东中西部区域差异较为明显，东部沿海地区发挥了核心城市的辐射作用，逐渐向内陆地区扩散，呈现出明显的阶梯状分布特征。互联网产业在空间分布上呈现集聚特征，互联网产业高水平省份主要集中在长三角、珠三角和京津三大都市圈地区；同时互联网产业的冷热点分布呈现极核化的发展趋势，热点区域主要集中在江浙沪周围，究其原因，江浙沪城市群无论是经济基础还是对外开放程度等方面都具有明显的先发优势。

（2）互联网产业空间结构逐渐由以沿海城市为核心的线性结构转变为更为复杂的空间网络结构，各个地区之间的互联网产业空间联系越来越紧密，京津和江浙沪地区的互联网空间联系复杂程度远大于其他地区。2007 至2017 年，互联网产业空间联系总量的重心坐标呈现出自北向南、由东到西的“W”漂移特征，重心坐标大多处在河南省内，整体而言，东部地区的互联网产业空间联系总量大于西部地区。

（3）互联网产业和区域创新活动存在显著的空间依赖关系，互联网产业对区域创新产出有明显的促进作用。在大数据时代，互联网产业完全可以成为新时代下国家提升区域创新效率的新动能，劳动力投入、政府供给导向均对创新产出存在正向影响。

6.2 启示

虽然互联网产业对中国各地区的创新发展起着推进的作用，但中国互联网产业依然存在创新效率水平低下、地区差距明显的现实难题。基于以上研究结论，给出以下政策启示：

（1）强化基础设施建设，缩小中西部差异。由于地理环境因素的影响、产业结构不同，中西部地区互联网产业发展较为落后，因此政府要大力提升中西部互联网发展水平，加大对高新技术人才的引进、推进互联网快速发展，积极构建安全、高速的互联网基础设施，让信息资源得到充分运用。

（2）优化区域创新环境，加快互联网与各产业的深度融合。在进行科技创新时，要着重关注创新的时效性和可持续发展性。党的十九大报告提出要坚定实施创新驱动发展战略、建设创新型的国家，推进发展以互联网为背景的数字经济、网络经济、平台经济等为代表的新经济体，借助互联网本身具有低成本、高时效的特点，充分发挥创新推动传统制造业、服务业、农业等产业升级的作用。

（3）注重知识共享，强化创新合作。互联网具有效率高成本低的特点，加快了信息对市场的对接速度，在构建互联网的过程中应注重复合型人才的引进，最大限度激发互联网的溢出效应，带动其他产业部门创新成果的转化。本研究实证结果显示研发人员投入、政府支持力度均对区域创新有正的影响，因此政府应该采取必要的措施加大对创新力度的支持，对企业给予资金和政策的支持，鼓励企业创新。