网络普及对省域经济增长的影响
李安渝 张昭 王璐
摘 要：基于全国31个省市区的截面数据，从投入-产出角度，采用DEA方法，研究互联网普及对我国省域经济增长的影响。在省际层面，经济增长达到DEA有效的省份较少，从规模效率看，未达到DEA有效的省份都处在规模报酬递增状态。在区域层面，东部地区的综合效率要明显高于中西部地区，区域间分化比较严重的原因更多的是规模效率的差异。针对相关结论提出政策建议。
关键词：互联网应用；经济增长；生产函数
一、引言
在信息时代，互联网的普及缩短了人与人之间的距离，节约了信息传播的成本，提高了经济社会运行的效率。互联网的应用与资本、劳动等基本生产要素一样对经济产生着重要影响。正如邓小平指出“科学技术是第一生产力”，在新时期，互联网的应用正是科学技术的集中体现之一。因此，研究网络的普及与应用对经济增长的影响既有利于探究我国当下的经济增长模式，也会对有关政府部门制定互联网产业发展政策提供有价值的参考，具有重要的理论意义和现实意义。
关于互联网应用对经济增长的影响的研究近年来成为国内外学者关注的热点。David Gillen（2002）指出，互联网通过影响供给和需求进而影响了商业行为，并以此对经济产生影响。Ceyhun Elgin（2013）基于全球152个国家1999～2007年的面板数据研究了互联网的普及率与人均GDP之间的关系，发现二者之间有着显著的相互促进的关系。此外，国内也有不少学者研究了互联网应用与经济增长之间的关系。李岳（2010）指出，互联网的应用对经济发展的影响体现在电子商务、网络服务和信息传播三个方面。刘宗平（2012）认为，互联网降低企业运营成本，改变了商业模式，加速了经济全球化的进程。冉燕（2012）也指出，随着互联网技术的不断发展，网络经济将是未来经济发展的趋势。另外，也有个别国内学者分析了发达国家互联网应用对经济的影响及其对我国的借鉴意义，例如周永生（2011）分析了互联网对日本经济社会的推动作用和消极影响，并据此对推动我国互联网经济的发展提出了一些建议。
本文在前人研究基础上，从投入-产出角度，基于省际截面数据，研究网络普及对我国省域经济增长的影响。
二、研究方法与数据来源
1.数据包络分析
利用数据包络分析（Data Envelopment Analysis，DEA）研究经济增长问题相比于传统的生产函数模型有其独有的优势。作为参数形式的生产函数模型，不论是CD生产函数还是CES生产函数，都有着较强的模型假定，模型假定的存在使得这些模型得出的结论往往或多或少偏离真实情况。而作为非参数形式的DEA，没有模型设定，直接以投入作为输入变量，以产出作为输出变量，能比生产函数模型更准确的测定规模效益。
DEA是美国运筹学家Charnes等提出的一种以“相对效率”概念为基础，基于数学规划（包括线性规划、多目标规划、半无线规划，随机规划等），评价具有多输入，特别是有多输出的“部门”（即决策单元，DMU）间的相对有效性。最基本的DEA分析模型是C2R模型，该模型假设各决策单元的规模报酬不变，去掉这个假设之后就成了更一般的BCC模型，本文研究中就是使用BCC模型。BCC模型的输出结果即为各决策单元的效率值，取值在[0，1]之间，当效率值为1时，为DEA有效，表示投入指标的增加能带来产出指标等比例的增加。BCC模型下有三个效率值：
综合效率：衡量决策单元的综合技术效率；
纯技术效率：衡量决策单元受管理、技术等非规模因素影响的效率；
规模效率：衡量决策单元受规模因素影响的效率，规模效率=综合效率/纯技术效率。
选取全国31个省市区（不含港澳台）作为决策单元，研究包含互联网普及率在内的各生产要素相对于经济产出的效率。尽管文章研究的是网络普及对经济增长的影响，但考虑到资本和劳动依然是最基本的生产要素，因此以资本、劳动、互联网普及率作为投入指标，以各省经济总量作为产出指标。
2.数据来源及预处理
考虑到数据的可获得性，选取全国31各省市区2012年的截面数据进行研究。作为产出指标的经济总量用各地区GDP来衡量，作为投入指标的资本由各地区的固定资产投资衡量，劳动投入由各地区的劳动从业人数衡量，各地区的互联网应用水平用其互联网普及率衡量。
各省市区GDP、固定资产投资和劳动从业人数来自《中国统计年鉴2013》，各省市区互联网普及率来自中国互联网络信息中心（CNNIC）发布的《第31次中国互联网络发展状况统计报告》。
三、实证分析
根据构建的投入-产出指标体系，整理各省市区的相关数据，使用DEAP2.1软件，采用BCC模型进行分析，评价各省市区经济增长的综合效率（TE）、纯技术效率（PTE）和规模效率（SE）。
从综合效率来看，在我国31个省市区中达到DEA有效的省份仅有5个，分别是天津、上海、江苏、山东和广东，这些省份都位于东部，而广大中西部地区基于资本、劳动和互联网普及率的综合产出效率都处在非有效状态，像西藏、青海、甘肃等省份的综合效率还处在很低水平。从纯技术效率角度看，纯技术效率反映了对各省份经济增长受生产率提高、管理、制度、技术进步等因素的评价，达到DEA有效的有11个省份，东部5个（占比45%），中部2个（占比25%），西部4个（占比33%），相对于综合效率而言，纯技术效率的状况要好一点。从规模效率来看，规模效率反映了在一定投入水平下，各省市区技术效率生产边界产出量与最优规模下的产出量的比值，规模效率越高表示越接近最优规模，表1中所有未达到DEA有效的省份都处在规模报酬递增状态，显然可以通过合理增加各要素投入可以使各省份的产出接近最优生产规模。
2.区域之间比较分析
进一步的，将31个省市区划分成三个区域，按照传统的方法，东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省市，中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省份，西部则包括剩下的12个省市区。东部地区的综合效率要明显高于中西部地区，区域间的分化比较严重，而从纯技术效率来看，区域间的差异则不是很大，因此造成这种区域间差异更多的原因是规模效率的差异。这是可以理解的，东部地区不论是在投入还是在产出方面，其规模都要大于中西部地区，从微观角度讲，足够大的规模产生了范围经济和集群效应，使得产出量更多的接近前沿面。
