信息化與工業化深度融合的政策調整方向
——基于中國省際面板數據的分析

文｜謝康，肖靜華，烏家培，周先波

信息化與工業化深度融合的政策調整方向
——基于中國省際面板數據的分析

文｜謝康，肖靜華，烏家培，周先波

2015年5月，中國政府發布中國制造2025行動以應對全球高端制造發展新趨勢。信息化與工業化深度融合，構成中國制造2025行動的核心內容之一。同時，信息化與工業化融合也是當今中國政府促進經濟增長的一項重要內容和措施，并構成了不斷完善的中國國家信息化戰略的核心政策命題①2000年在《中共中央關于制定國民經濟和社會發展第十個五年計劃的建議》中明確要“加快國民經濟和社會信息化”，將推進信息化提高到“覆蓋現代化建設全局的戰略舉措”高度；2005 年在《中共中央關于制定國民經濟和社會發展第十一個五年規劃的建議》中指出堅持以信息化帶動工業化；2007 年十七大報告提出大力推進信息化與工業化融合，促進工業由大變強；2010 年在《中共中央關于制定國民經濟和社會發展第十二個五年規劃的建議》中提出推動信息化與工業化深度融合，從而構成了從關注國民經濟與社會信息化，到關注以信息化帶動工業化，以信息化促進工業化，再到推動信息化與工業化融合，最終發展為推動二者深度融合的政策演化過程。。但是，政策需要不斷優化調整，中國信息化與工業化深度融合的政策調整方向在哪里？是否形成了實踐效果？探討這兩個問題，對于理論界和政策部門進一步透視信息化與工業化深度融合政策，具有重要的理論指導價值和實踐啟示意義。目前，中國理論界主要通過構建信息化指數、工業化指數和融合指數、投入產出表、復合協同模型，及聯立方程模型等方法來實現對省份融合水平的分析[1]-[4]。然而，這類分析或者由于研究設計沒有充分考慮信息化與工業化融合的經濟理論含義而使實證分析無法表達融合路徑的特征，或者由于采用指數方法的局限而無法分離出信息化與工業化融合時兩條路徑的隨機過程特征。文獻[5]雖然通過建立隨機前沿分析的信息化與工業化融合模型實現了對中國省際信息化與工業化融合質量的實證研究，但未對省份信息化與工業化深度融合的區域特征、空間相關性和政策調整方向進行深入探討②盡管工業和信息化部2010年發布《關于推進消費品工業兩化融合的指導意見》，及2011年4月工業和信息化部、科學技術部、財政部、商務部、國有資產監督管理委員會聯合印發《關于加快推進信息化與工業化深度融合的若干意見》，但整體上依然缺乏從全國區域層面指導各省份信息化與工業化融合的政策和建議。。

一、文獻回顧

信息化與工業化融合有兩條基本路徑，一是以工業化促進信息化，一是以信息化帶動工業化。其中，工業化促進信息化階段和信息化帶動工業化階段，信息化與工業化相持階段是極其短暫的、不穩定的，雖然在形式上信息化帶動工業化是工業化促進信息化階段信息化與工業化趨同過程的重復，但這兩個階段存在本質上的區別，“信息化跨越”是這種區別的突出特征之一[6]。在工業化促進與信息化帶動兩條融合路徑發展過程中，生產方式轉變和創新帶來的生產效率的提升，成為信息化與工業化融合促進經濟增長的內在機制，學術界通常強調傳統產業改造、生產方式轉變、技術創新在信息化與工業化融合過程中的顯著特征[7]-[10]。因此，構建信息化與工業化融合理論，既需要體現融合的技術效率本質，也要體現工業化促進與信息化帶動兩條融合路徑的特征，而且需要將技術效率的經濟概念與兩條融合路徑的理論框架相銜接，這是評價信息化與工業化融合理論構建嚴謹性和科學性的理論標準，也是選擇和建立信息化與工業化融合測度模型與方法的理論依據。在本文中，信息化與工業化融合指信息化與工業化相互作用以實現技術效率的過程或過程狀態。其中，技術效率指在既定的工業化條件下信息化投入成本最小化，或在既定的信息化條件下工業化投入成本最小化[11]-[12]。

信息化與工業化融合測度主要涉及三個問題，一是工業化測度，二是信息化測度，三是兩者融合的測度。相比而言，工業化測度最為成熟，信息化測度相對成熟，信息化與工業化融合的測度研究最為薄弱。目前，信息化與工業化融合測度方法主要有三：一是分別建立工業化與信息化評價指標，再通過相關系數對信息化與工業化融合的相關性進行測量；二是應用層次分析法建立信息化與工業化融合的評價指標，之后采取主成分分析法或權重分析法對融合水平進行評價[13]。近年來，國內學術界提出采用VAR 模型、菲德模型分析信息產業對經濟增長的作用來討論省份信息化與工業化融合水平，或基于投入產出表和復合協同模型測算省份信息化與工業化融合水平[2][3][14]-[15]。但是，無論是相關性研究法，還是主成分研究或權重分析法等，均未能充分表達信息化與工業化融合的技術效率特征，難以反映二者融合的隨機過程特征；三是應用協調發展理論建立信息化與工業化融合模型。文獻[16]提出可借鑒協調發展理論來探討信息化與工業化融合問題。

協調發展程度測度方法主要有綜合指數法、功效系數法，及協調發展系數的判斷方法三種。其中，綜合指數法通過計算協調發展綜合指數反映協調發展水平，雖然它解決了不同性質的協調發展指標不能同度量的問題，但只是對協調發展水平的評估，難以刻畫協調發展的協調程度。然而，信息化與工業化融合強調的是二者的技術效率，需要刻畫工業化水平與信息化水平之間的理想與偏離特征[12]。因此，從測度方法與理論的契合角度分析，綜合指數法不適合對信息化與工業化融合的測量。功效系數評價法將每一協調發展系統組成要素對系統發展的貢獻看成是系統發展的一個目標，協調發展系統看成是多目標問題，該方法的核心是建立功效函數和協調度模型，可采用多目標決策技術來建立協調度模型。功效系數評價法克服了區間判斷法難以進行精確判斷的缺陷，但理論上信息化與工業化融合不屬于多目標決策問題，而是屬于兩個系統之間在動態發展過程中的收斂問題[11] [17]。同理，從測度方法與理論的契合度角度分析，功效系數評價法也不是測度信息化與工業化融合的合適方法。

文獻[18]提出的協調發展系數判斷方法認為，對于協調發展的判斷，不能以“協調”或者“不協調”得到結論，更多的系統協調狀況處于這二者之間。因此，需要設立一個表示在某一數值下系統隸屬于模糊集“協調”程度的指標來分析，該指標是一個[0，1]閉區間上的實數，稱為協調系數。該方法的理論核心是將一個系統實際值與另一個對此系統的預期值（或理想值）相比較，進而得出兩者的協調發展程度。然而，在計算過程中，需要使用一定的參數估計方法來計算預期值[19]。盡管如此，從信息化與工業化融合理論與協調發展系數判斷方法的理論核心之間的匹配度來看，協調發展系數判斷方法是上述三種代表性方法中最契合的信息化與工業化融合測度方法，較好地體現了信息化與工業化融合的技術效率特征。因此，文獻[5]在該方法基礎上，引入計量經濟學方法對王維國的計算方法進行補充，進而建立信息化與工業化融合測度的非參數估計模型。

在信息化與工業化融合研究中，文獻[20]-[22]最早通過非參數模型局部線性估計，解決了信息化與經濟增長之間關系傳統參數模型研究中的可能存在的多重共線性問題，同時給出不同要素水平下信息化產出彈性的非參數估計結果。文獻[5]通過對信息化與工業化融合系數對經濟指標，環境友好性指標的固定效應模型進行非參數估計而獲得的實證結論表明，對于信息化與工業化融合這樣一種復雜的隨機動態過程，通過非參數估計能在不需要假設函數關系的情況下進行函數結果的估計，研究結論比參數估計方法會更有效。

綜上所述，現有研究缺乏以經濟理論為基礎來構建信息化與工業化融合理論，實證方法多根據信息化與工業化融合的概念性定義得出評價體系。一般加權方法的使用導致融合水平的評價結果單一，既無法分離出工業化促進信息化，信息化帶動工業化兩條路徑的融合特征，也難以反映出信息化與工業化融合的隨機過程特征。相應地，從經濟理論中的技術效率概念出發，將非參數估計方法應用于信息化與工業化融合研究可以體現其優越性，隨機前沿分析方法常用于測算系統的技術效率，該方法通過生產函數的設置來分析社會經濟系統的技術效率[23]-[24]，構成測度信息化與工業化融合的合適方法[25]。此外，自文獻[26]提出經濟趨同理論以來，目前關于中國經濟增長的趨同研究有很多[27]-[28]，但中國省際信息化與工業化融合過程中是否存在趨同效應則是值得進一步探討的理論盲點，因為省際融合過程的空間相關性是直接構成下一階段信息化與工業化深度融合政策調整方向的理論依據之一。

針對上述研究，本文首先通過構建信息化與工業化融合的隨機前沿分析模型證實了走新型工業化道路的政策效果；其次，與借助非面板數據構建融合模型方法獲得的融合水平與經濟發展水平正相關的結論不同，本文認為中國省際信息化工業化融合與經濟發展總量不存在正相關關系；最后，實證結果首次發現2000-2012年中國省際信息化與工業化融合水平的增長具有β趨同特征①新古典增長理論將經濟趨同細化為β趨同、絕對β趨同和條件β趨同。β趨同指一組經濟體人均或勞均實際GDP的標準差具有下降的趨勢，即δt+T＜δt，其中δt是1n(yti)的標準差，yti是t時期經濟體i的實際人均或勞均GDP。參見文獻。，且中國省際信息化與工業化融合水平還沒達到普遍的空間相關。上述三項結論為分析中國信息化與工業化深度融合的政策調整方向提供了區域層面的證據。

二、模型及求解思路介紹

（一）非參數隨機前沿模型

參照文獻[5]給出的方法，通過以下三個步驟構建中國省際信息化與工業化融合的非參數隨機前沿模型。第一步，建立工業化與信息化發展水平的評價體系。綜合參照文獻[3][29][30]使用的工業化與信息化發展水平評價體系，選取相關指標作為工業化發展水平和信息化發展水平的指標（參見表1）②這里的工業化和信息化發展水平指標與文獻構建的指標不同基于兩點考慮，一是通過構建不同的信息化與工業化發展指標體系，檢驗文獻[5]構建的非參數隨機前沿模型的穩健性，二是在工業化和信息化指標體系內容增加新的要素，使工業化和信息化發展指標更具穩健，以進一步檢驗融合模型總體結果的穩健性。從第四部分實證研究的結果來看，這兩個預期結果都較為滿意。。為避免評價指標之間信息出現重疊，選用主成分分析法對指標進行處理。在進行SPSS軟件的主成分分析前，為消除由變量的量綱造成的影響，需要經過對指標變量進行標準化處理、求標準化數據矩陣的相關系數矩陣、計算相關系數矩陣的特征根和特征向量、計算主成分的貢獻率并按累計貢獻提取主成分，最后分別計算出工業化水平與信息化水平。

表1 工業化發展水平和信息化發展水平評價體系③Table 1 Evaluation system for the development of industrialization and informatization

第二步，采用文獻[5]建立的信息化與工業化融合的非參數隨機前沿模型，將省份的個體效應、時間效應以非參數形式表現在兩者的融合方程中。具體過程如下：假設INDit為地區i在年份t 工業化系統的觀察值（實際水平），INFit代表地區t 在年份t信息化系統的觀察值（實際水平），根據兩者互為要素的前提，設信息化帶動工業化融合和工業化促進信息化融合的模型分別為以下方程：

其中，IND′it=f(INFit,i,t)表示信息化系統發展所要求的工業化系統的理想發展水平，INF′it=g(INDit,i,t)表示工業化系統發展所要求的信息化系統的理想發展水平。因為信息化與工業化的關系沒有具體形式，所以設兩者均為未知的非參數函數，且省份的個體效應、時間效應以非參數形式進入非參數函數中；εit是隨機擾動項。

本文采用完全非參數隨機前沿模型的非參數局部線性方法估計模型（1）和（2），以下以模型（1）的估計為例闡述。記yit=INDit,xit=INFit。對f(xit,i,t)在連續點 處進行Taylor展開，記β(x,i,t)為f(x,i,t)|關xit于?x的|一階導函數，則

其中o(|xit?x|)是|xit?x|的高階項。因為回歸函數還涉及無序分類變量（省份i ，unordered）和有序分類變量（時間t , ordered）的非參數性，故需對它們進行光滑化處理。為此，在非參數估計中我們使用乘積核函數[31]：

其中k(?)為連續型變量的核函數；個體變量和時間變量的核函數lu,ij和lo,ts分別為

當hu=0時，為省份i 的示性函數，只有省份i 的數據用于估計；當hu=1時，lu,ij≡1，乘積核函數與省份i無關，省份i 的個體效應被光滑化（s m o o t h e d o u t）。同理，ho也連續變化，起到對時間效應光滑化處理的作用。hc,hu,ho分別為連續變量、個體變量和時間變量的光滑化參數或窗寬。記Xjs=(1,xjs?x)，由（3）,(f(x,i,t),β(x,i,t)′)′的非參數局部線性估計是。在本文中，最佳窗寬(hc,hu,ho)由數據驅動型的最小二乘交錯鑒定方法（L S C V）確定：記hc=h0cstd(x)(nT)?1/5，則，其中是利用個體i各年數據均去掉后的樣本，連續變量、個體變量和時間變量的窗寬分別取b0cstd(x)(nT)?1/5、bu和bo而得到的f(xit,i,t)的局部線性估計量，這里h0c,b0c,bu,bo,hu,ho均為正數，std(x)指x的樣本標準差。

工業化促進信息化向的融合反映省份 的信息化水平INFit所要求的工業化水平與樣本中所有省{j=1,2,…,n}在同一時間t 以同樣的信息化水平所要求的最大可能工業化水平的差距；較小的差距說明工業化促進信息化的融合程度較高。由上述f?(x,i,t)的估計，省份i于時間t信息化帶動工業化的融合系數（convergence coefficient）可定義為

同理，省份i于時間t 工業化促進信息化的融合系數為

模型（4）和（5）分別反映了既定信息化水平下工業化投入成本最小化，既定工業化水平下信息化投入成本最小化的思想。

第三步，根據文獻[17]協調發展系數判斷方法，計算信息化與工業化融合系數為：

公式（6）反映了信息化帶動工業化、工業化促進信息化兩個單向系統融合之間的差距，差距越小越接近1。融合系數IC=1表示完全融合，0＜IC＜1表示未達到完全融合。這里，融合系數表達的思想既體現了融合的技術效率本質，也體現了工業化促進與信息化帶動兩條融合路徑的特征（分別可以用單系統融合系數來表達），從而將融合的技術效率概念與兩條融合路徑的理論框架相銜接。

根據文獻[5]對融合隨機前沿分析模型的設定方法，信息化和工業化水平對融合的偏離有兩種來源：一是對隨機前沿面的偏離，二是對理想水平的偏離。對于前者，定義省份i在t年信息化帶動工業化的融合偏離為在工業化由信息化帶動過程中所要求的工業化理想水平IND′it與其相應的前沿面之間的差距，即理想水平關于前沿面的偏離。同理，定義省份i在t 年工業化促進信息化的融合偏離為工業化促進信息化過程中所要求的信息化理想水平INF′it與其相g?應(IN的D前it,i沿,t)面?mj=1a,Lx,ng?(INDit,j,t)之間的差距。根據模型（1）和（2）的估計結果，省份i在t 年這兩條路徑的融合偏離分別可估計為

（二）空間自相關性

基于經典趨同模型，在獲得中國省際信息化與工業化融合系數基礎上，通過不考慮自相關情況的一般趨同模型

可以獲得中國省際信息化與工業化融合的空間相關性結果。式中，i代表趨同個體，具體指中國各省份。0和T代表初期和末期（本文中分別指2000年和2012年），ICi,0為地區i初期融合系數，ICi,T為末期融合系數，α和β為待估計參數。α為常數項。β為趨同系數，其值的大小取決于初期IC值，與其它參數的變化無關。εi為誤差項，假定服從正態分布。

在這里，空間自相關（Spatial autocorrelation）定義為同一個變量在不同空間位置上的相關性。當某個變量的相似性在空間上集群在一起時，就表現為正的空間自相關性；相反，當某個變量的差異性在空間上集群在一起時，則表現為負的空間自相關性。其中，Geary比率、Moran’sI系數等均是測度空間自相關的方法和指標。本文采用常用的Moran’sI系數來測度中國省際信息化與工業化融合的空間自相關性[32]-[33]。

三、中國信息化與工業化融合的結構特征

（一）數據與測度

作者根據表1體系從《中國統計年鑒》、《中國科技統計年鑒》和《中國信息年鑒》中采集到2000-2012年中國31個省份相關數據①對于殘缺數據，本文根據該省份其他年份數據對殘缺數據進行補齊。由于各省份統計口徑不同，少部分指標可能在部分省份中未統計，對于這部分殘缺數據，本文參考其他省份該指標的計算方法，計算出殘缺指標數據，或使用全國指標進行替代。。其中，為了消除物價變動的影響，人均國內生產總值、工業增加值、R&D經費支出三項指標，采用省份各期GDP平減指數、工業產品出廠價格指數進行處理②采用公式如下：。借鑒文獻[5]介紹的方法計算出2000-2012年中國省際信息化與工業化融合的平均水平。由主成份分析方法測算省份工業化和信息化發展水平，分別作為公式（1）和（2）中的INFit和INDit。

在非參數模型（1）和（2）的估計中，我們選用4階Gaussian核函數為。應用最小二乘交錯鑒定（LSCV）方法，模型（1）中INF變量、無序分類變量和時間有序分類變量的最優窗寬分別為0.61、0.10和0.02；模型（2）中IND變量、無序分類變量和時間有序分類變量的最優窗寬分別為0.59、0.10和0.01。為反映核函數對估計結果的影響，我們還分別取2階Gaussian核函數（標準正態密度函數）和6階Gaussian核函數作非參數估計，發現估計結果相差不大，不影響以下分析。所以，本文僅報告應用4階Gaussian核函數的估計結果。

表2總結了中國省際信息化帶動工業化、工業化促進信息化的融合系數，以及兩者融合系數的平均水平（及其排序），它們分別由（4）至（6）式估計后求年均值而得。結果顯示，相對于工業化促進信息化路徑，信息化帶動工業化路徑與信息化工業化融合具有較高的相關性，水平值之間的相關系數是0.4517，排序之間的相關系數為0.4556。相反，工業化促進信息化路徑與信息化工業化融合的相關性僅為0.3370，排序之間的相關系數為0.3061。這種不平衡性說明，相對于工業化促進信息化路徑，中國省際信息化帶動工業化路徑與信息化工業化融合具有更為緊密的關系，中國政府大力推動的國家信息化戰略已形成實踐成效。

表2 2000-2012年中國31個省份信息化與工業化融合的平均水平測算Table 2 Calculation of 31 provinces’ convergence between informatization and industrialization from 2000 to 2012

（二）融合路徑、偏離與經濟發展總量

總體來看，信息化帶動工業化路徑、工業化促進信息化路徑，及信息化與工業化融合均沒有達到最優，離完全融合（融合系數=1.0的水平線）均存在一定距離。但是，兩條融合路徑的特征是顯著的，表3對中國省際融合路徑進行了分類。

表3 2000-2012年中國省際信息化與工業化融合路徑與融合偏離①表3中省份后面括號中的正、負分別代表融合路徑中的正、負偏離，括號內前一個正、負分別代表信息化帶動工業化融合路徑中工業化水平與其理想水平的偏離，括號內后一個正、負分別代表工業化促進信息化融合路徑中信息化水平與其理想水平的偏離。例如，黑龍江（正，負）分別代表黑龍江省信息化帶動工業化融合路徑中工業化實際水平超過信息化要求它的理想水平（正偏離），工業化促進信息化融合路徑中信息化實際水平低于工業化要求它的理想水平（負偏離）。這里的正、負偏離現實中既可能是工業化或信息化的投入，也可能是工業化或信息化的投入效率。Table 3 Convergent path and convergent deviation of Chinese interprovincial informatization and industrialization convergence from 2000 to 2012

從排序來看，以信息化帶動工業化路徑為主的省份包括吉林、甘肅、青海、湖南、北京、河北、山西、貴州、西藏、內蒙古、黑龍江、河南、四川、湖北、天津、上海、江西17個省份；以工業化促進信息化路徑為主的省份有吉林、內蒙古、安徽、廣西、重慶、浙江、廣東、甘肅、青海、黑龍江、河南、四川、遼寧、福建、海南15個省份。其中，吉林、甘肅、青海、內蒙古、黑龍江、河南、四川7省份同時具有兩種路徑融合較好的特征，吉林是兩條路徑融合水平最好的省份。相對于全國其他省份而言，陜西、寧夏、江蘇、山東、云南、新疆是兩條路徑融合較低的省份。

從表3可以看到，在信息化帶動工業化融合路徑的省份中，偏離結構雖然較為復雜，既有（負，負）結構和（正，正）結構，也有（正，負）和（負，正）結構，但主要以（正，正）結構為主；在排序1-8名工業化促進信息化融合路徑的省份中，偏離結構主要以（負，正）和（正，正）結構為主。這表明，（正，正）結構在兩條路徑排序1-8名的偏離結構中占了最高比重，為53.3%。信息化和工業化融合排序前10位的省份其偏離結構分別為吉林（正，正）、四川（負，正）、內蒙古（正，正）、貴州（負，負）、重慶（負，正）、河北（負，正）甘肅（正，正）、河南（負，負）、福建（負，正）、遼寧（負，負）。其中，排序第1、3、7的省份兩條路徑融合偏離均為（正，正），排序第4、8、10的省份兩條路徑融合偏離均為（負，負），而其余四個省份，即排序為2、5、6、9的省份均為（負，正），沒有出現（正，負）的情況，有六個省份均為雙同向偏離。

表4對中國省際的融合偏離結構進行了歸納。其中，9個省份融合為負-負偏離結構，占31個省份總數的29%；8個省份融合為負-正偏離結構，占31個省份總數的25.8%；11個省份融合為正-正偏離結構，占總數的35.4%；3個省份融合為正-負偏離結構，占總數的9.6%。因此，兩條融合路徑同向偏離的情況最多，達到20個省份，占比為40%，工業化投入和信息化投入會易出現同高或同低的狀況。整體上，各省份均未能較好地考慮兩者之間的匹配互動。

表4 中國省份兩條路徑正、負偏離兩維度矩陣Table 4 Two dimension matrix of two paths of positive and negative deviation for Chinese provinces

根據2012年中國省際GDP總量、排名與融合路徑對照①2012年GDP超兩萬億元的省份達到12個，分別是廣東、江蘇、山東、浙江、河南、遼寧，四川，湖北，湖南和上海。，可以觀察到兩個主要結果：第一，2012年經濟總量位居前三位的廣東、江蘇和山東的信息化與工業化融合路徑（路徑兼容情況）均不明顯，在相當程度上反映出這三個省份融合水平不夠好。屬于這一組別的省份還包括浙江省和湖北省。相反，融合路徑不顯著的省份也包括新疆、西藏、海南、寧夏和經濟總量位居后10位的4個省份（吉林，重慶，貴州，甘肅除外）。這表明信息化與工業化融合與經濟發展總量不存在正相關關系，信息化與工業化不融合既有可能出現在經濟發展水平高的地區，也有可能出現在經濟發展水平低的地區；第二，福建，內蒙古，廣西，吉林，重慶濟總量分別位居第12、15、18、22和23位，兩條路徑融合兼容程度分別位居第9、3、11、1和5位，構成信息化與工業化融合中最好的組別，表明經濟總量位于中間位置或中偏后位置的省份更容易實現更高的信息化與工業化融合水平。其中，吉林兩條路徑均融合得相對最好，其余側重工業化促進路徑。

上述討論表明，在推進融合過程中，部分省份經濟發展與融合程度相匹配，部分省份經濟發展與融合水平之間不存在相關性。中國各省份信息化工業化融合與經濟發展總量不存在正相關關系，信息化與工業化不融合既有可能出現在經濟發展水平高的地區，也有可能出現在經濟發展水平低的地區。一般地，經濟總量位于全國各省份中間位置或中偏后位置的省份更容易實現更高的信息化與工業化融合水平，因為信息化與工業化融合體現了不同省份經濟運行的質量水平，經濟總量反映的是不同省份經濟規模水平。相對于經濟總量領先或落后省份，經濟總量位于中間位置或中偏后位置的省份可以有更多的條件、基礎和機會來兼顧經濟發展數量與質量之間的平衡。

四、融合的β趨同與空間相關性

借助信息化與工業化融合系數，通過回歸模型（不考慮自相關情況的一般趨同模型）獲得的結果表明該模型的顯著度高，R2為0.5340，修正的R2為0.5339，模型具有較好的解釋力。通過回歸模型結果可得：

即β為-0.129，且顯著，說明該模型描述的融合系數呈現β趨同。也就是說，2000-2012年中國31個省份信息化與工業化融合水平增長具有β趨同。β為-0.1688。

上述模型是不考慮空間自相關的一般趨同模型，該模型在存在空間自相關性時可能會出現估計偏差。為了探討融合系數在空間上有否存在自相關，我們通過全局的Moran’ I和局部Moran’ I方法，分三步來檢驗省份融合水平的空間自相關效應。首先，在考察其空間自相關性前，將2000-2012年中國31個省際的平均融合系數在空間的分布做了一個四分位空間分布圖，且根據空間相鄰性得出其空間權重；其次，通過Moran’s I計算公式獲得全局Moran’s I系數，描繪出Moran散點圖，其斜率即為Moran’s I系數，結果為工業化與信息化融合水平的Moran’s I系數為-0.1082，p值為0.243。因此，中國省際信息化與工業化融合水平的全局空間自相關不顯著，即大多數省份都不存在空間的自相關性。該結果與中國省際經濟增長存在全局空間自相關特征不同，具體原因有待深入分析；最后，通過局部的Moran’s I來觀察信息化與工業化融合水平的局部空間自相關性。我們借助OpenGeoDa軟件，輸入得出2000-2012年中國省際信息化與工業化融合水平的平均值，得到LISA局部空間自相關結果如下：第一，遼寧省局部空間自相關達到0.01的顯著度；第二，雖然黑龍江、安徽和內蒙古的局部空間自相關也達到0.05的顯著度，但由于該檢驗的顯著度存在不穩定，也將這三個省份列入不具有顯示度的省份；第三，其他省份均不顯著。上述結果與全局空間自相關檢驗結果相吻合，即中國大多數省份融合都不呈現空間自相關性，只有少數省份呈現局部自相關性。因此，可以認為，只有遼寧省具有顯著的局部空間自相關性，其他省份信息化與工業化融合水平均沒有呈現普遍的空間相關。

五、結論與政策建議

信息化與工業化融合的本質是技術效率，推動信息化與工業化融合就是通過提高技術效率來實現更高效率的經濟增長，由此促進中國經濟增長方式的轉變。本文根據文獻[5]提出的測度模型獲得三項實證結論：一是中國政府推動的走新型工業化道路的政策已經形成實踐成效，這與信息化對中國工業發展的促進作用有限的結論[34]不同；二是中國省際信息化工業化融合水平與經濟發展總量不存在正相關關系，經濟總量位于全國各省份中間位置或中偏后位置的省份表現出更高的信息化與工業化融合水平，這與現有結論認為融合水平與經濟發展總量正相關的結論[1]也不同；三是盡管中國省際信息化與工業化融合水平也像中國省際經濟增長那樣具有β趨同特征，但除遼寧省外，其他省份信息化與工業化融合水平的全局空間自相關不顯著，表明中國省際信息化與工業化融合水平還沒有達到普遍的空間相關性。該結論是本文的一個主要創新性觀點。

上述三項實證結論對于探討中國制造2025背景下信息化與工業化深度融合的政策調整方向具有重要的理論指導意義，因為現有信息化與工業化深度融合政策主要針對產業層面，缺乏針對省際區域層面的內容。為此，本文提出中國制造2025行動下信息化與工業化深度融合的兩項政策調整建議：

首先，針對中國省際信息化與工業化融合結構和特征的不同，采取不同的促進融合政策。具體地，對于吉林、甘肅、青海、湖南、北京、河北、山西、貴州、西藏、內蒙古、黑龍江、河南、四川、湖北、天津、上海、江西17個省份以信息化帶動工業化路徑為主的省份，重點提升這些省份工業化促進信息化路徑的質量，以此進一步促進信息化與工業化融合水平；對于吉林、內蒙古、安徽、廣西、重慶、浙江、廣東、甘肅、青海、黑龍江、河南、四川、遼寧、福建、海南15個省份以工業化促進信息化路徑為主的省份，重點提升這些省份信息化帶動工業化路徑的質量來進一步提高融合水平；對于吉林、四川，內蒙古，重慶，河北，甘肅，河南，福建等10個兩種路徑融合較好的省份，重點提升這些省份的融合水平對經濟總量增長的影響力度；對于浙江、西藏、云南、海南、山東等兩條路徑融合較低的省份，重點根據各省份特征選擇其中一條路徑形成突破來提升整體融合水平。因此，未來區域層面中國信息化與工業化深度融合的政策調整重點是：通過不同融合路徑的分層分類經驗交流和政策指導，一方面在經濟發達省份通過提高信息化帶動工業化質量來提高融合質量，另一方面在經濟規模居中或偏后省份通過提高工業化促進信息化質量來進一步提升融合水平。

其次，在既定行政體制下既強化省份或行業內部的兩化融合，也重視全國、跨區域或跨行業融合政策的協同推廣機制，促進“兩化融合”水平提升的 趨同特征。具體地，在東北地區開展以遼寧省為核心的信息化與工業化融合的區域性協調工作，建設東北老工業基地信息化與工業化融合協作體系。在既定行政體制下強化省份內部的信息化與工業化深度融合，相對弱化跨區域深度融合政策的指導和協調，暫緩推動或不重點推動國家、行業和區域的信息化與工業化深度融合協同推廣機制，因為中國省際信息化與工業化融合水平尚未達到普遍的空間相關性，區域內（或行業內）信息化與工業化深度融合的調整成本會小于區域間（或行業間）信息化與工業化深度融合的調整成本。但是，長遠來看，在全國宏觀層面一方面既需要推動各省份內部的深度融合協作體系，繼續重點推動若干重點行業信息化與工業化深度融合的政策指導，另一方面也需要推動全行業或行業間（區域間）信息化與工業化的深度融合，如京津冀經濟帶或長江經濟帶的跨省份信息化與工業化深度融合等。

[1]朱金周主編. 中國“兩化”融合發展報告[M]. 社會科學文獻出版社, 2011.

[2] 馬婷婷，米傳民. 基于投入產出表的各省信息化與工業化融合度測算[J]. 價格月刊, 2011, (10): 52-55.

[3] 陳偉，陶長琪. 基于復合協同模型的江西省與全國“兩化融合”水平對比分析[J].信息系統學報, 2012, (2)：77-86.

[4] 茶洪旺，唐勇.我國工業化與信息化相互促進的實證分析[J]. 經濟研究參考, 2014, (10): 52-57.

[5] 謝康，肖靜華，周先波，烏家培. 中國工業化與信息化融合質量：理論與實證[J]. 經濟研究, 2012, 47(1):4-16.

[6] 肖靜華，謝康，周先波，烏家培. 信息化帶動工業化的發展模式[J].中山大學學報（社科版）, 2006,46(1):98-104.

[7] 易明，李奎. 信息化與工業化融合的模式選擇及政策建議[J]. 宏觀經濟研究，2011,(9): 80-86.

[8] Dewan, S. and K. L. Kraelner, 2000，Information technology and productivity: Evidence from country level data[J]. Management Science，2000, 46(4):548-562.

[9] Gust, C．and J．Marquez,International comparisons of productivity growth: The role of Information technology and regulatory practices[J].Labour Economics, 2004，11(1):33-58.

[10]Jorgenson, D.W., Information Technology and the U.S. Economy[J]. American Economic Review, 2001, 91(1):1-32.

[11] 謝康, 肖靜華, 烏家培. 中國工業化與信息化融合的環境、基礎和道路[J]. 經濟學動態, 2009, (2):

[12] 謝康, 肖靜華. 工業化與信息化融合：一個理論模型[J]. 中山大學學報（社科版）. 2011, (4):

[13] 黃體鴻, 侯仁勇, 陳天笑. 我國兩化融合水平區域差異分析[J]. 武漢理工大學學報（信息與管理工程版）, 2010,(5):

[14] 陳小磊, 鄭建明. 基于菲德模型的信息化與工業化融合發展研究[J]. 情報科學, 2012,(4):

[15] 李光勤. 工業化帶動信息化還是信息化帶動工業化？——基于修正的菲德模型實證分析[J]. 統計與信息論壇, 2014, 29(5): 44-48.

[16] 陳小紅. 工業化與信息化的互動關系及控制[J]. 統計與決策, 2007,(19):

[17] 張軼龍, 崔強. 中國工業化與信息化融合評價研究[J]. 科研管理, 2013, (4):

[18] 王維國. 協調發展的理論與方法研究[M]. 中國財政經濟出版社, 2000.

[19] 王維國, 楊曉華. 我國經濟與人口素質協調發展分析[J]. 河北經貿大學學報, 2005, (5):

[20] 周先波, 盛華梅. 信息化產出彈性的非參數估計分析[J]. 數量經濟技術經濟研究, 2008, (10):

[21]Zhou, X., K-W Li and Q. Li, An Analysis on Technical Efficiency in Post-reform China[J]. China Economic Review, 2011, 22(3):357-372.

[22] Zhou, X. and K-W Li, Inequality and Development: Evidence from Semiparametric Estimation with Panel Data[J]. Economics Letters, 2011, 113,203-207.

[23] Barro, R. J., Determinants of Economic Growth: A Cross Country Empirical Study[M]. Cambridge Mass, The MIT Press. 1997.

[24] Henderson D. J., R. J. Corroll and Li, Q., Nonparametric estimation and testing of fixed effects panel data models[J]. Journal of Econometrics, 2008, 144, 257-275.

[25] Englmaier F，Reisinger M．Information，Coordination and the Industrialization of Countries[J]. CESifo Economic Studies, 2008, 54( 3):

[26] Baumol, William J., Productivity Growth, Convergence and Welfare: What the Long Run Data Show?[J]. American Economic Review, 1986, 76,1072-1085.

[27] 林毅夫, 劉明興. 中國的經濟增長收斂與收入分配[J]. 世界經濟, 2003, (8):

[28] 徐現祥, 李郇. 中國城市經濟增長的趨同分析[J]. 經濟研究, 2004, (5):

[29]國家統計局統計科研所信息化統計評價研究組. 信息化發展指數優化研究報告[J]. 管理世界,2011,(12):

[30] 張敏, 馬澤昊. 信息化、產業結構與區域經濟增長——基于中國省際面板數據的經驗分析[J]. 財政研究, 2013, (8):

[31] Li and Racine. Nonparametric econometrics: Theory and Practice[M]. Princeton. 2007.

[32]Anselin, L.Spatial Econometrics:Methods and Models[M]. Dordrecht Kluwer AcademicPublishers,1988.

[33] Anselin, L. and S.J. Rey, Introduction to the Special Issue on Spatial Econometrics. International Regional Science Review, 1997, 20(1-2):1-7.

[34] 金碚，呂鐵，鄧洲. 中國工業結構轉型升級:進展、問題與趨勢[J].中國工業經濟, 2011, (2): 5-15.

謝康：中山大學管理學院，中山大學信息經濟與政策研究中心；肖靜華：中山大學管理學院，中山大學信息經濟與政策研究中心；烏家培：國家信息中心；

周先波：中山大學。