2017-2022中国地级市数字经济指数

数据博士

已于 2024-07-15 14:43:37 修改

阅读量940

点赞数 11

分类专栏：数据集文章标签：人工智能

于 2024-07-12 11:33:14 首次发布

本文链接：https://blog.csdn.net/a519573917/article/details/140374624

版权

数据集专栏收录该内容

9 篇文章 0 订阅

订阅专栏

2017-2022中国地级市数字经济指数https://download.csdn.net/download/a519573917/89535069

数据及信息化基础设施得分数据及信息化基础设施排名数据及信息化基础设施排名变更城市服务得分城市服务排名城市治理得分城市治理排名城市治理排名变更产业融合得分产业融合排名

数字经济对实体经济的影响

一、引言

在当今数字化时代，数字经济对实体经济的影响日益显著。深入探究这种影响对于制定合理的经济政策和企业战略具有重要意义。本文将运用实际数据和 STATA 软件进行实证分析。

二、文献综述

近年来，众多学者对数字经济与实体经济的关系进行了广泛而深入的研究。

一些学者指出，数字经济通过提升生产效率来促进实体经济发展（Smith 等，2018）。例如，智能制造技术能够优化生产流程，减少生产周期和成本，从而提高企业的竞争力。

另一些研究强调了数字经济在创新方面的推动作用（Johnson，2019）。数字技术的发展催生了新的商业模式和产品服务，激发了企业的创新活力，进而推动实体经济的转型升级。

还有学者关注到数字经济对就业结构的影响（Brown，2020）。随着数字经济的发展，传统行业的就业岗位可能减少，但同时也会在数字相关领域创造出新的就业机会。

然而，也有研究认为数字经济的发展可能会带来一些挑战，如数字鸿沟可能导致地区和企业之间的发展不平衡（Miller，2021）。

综合来看，现有文献为我们理解数字经济与实体经济的关系提供了丰富的理论基础和实证依据，但在研究方法和数据选取上仍存在一定的局限性，这也为本文的进一步研究提供了空间。

三、理论原理

数字经济主要通过以下几个方面影响实体经济：

优化生产流程和供应链管理，提高生产效率和降低成本。
创造新的消费需求和市场机会，促进产业升级和创新。
打破信息不对称，提升资源配置效率。

四、数据准备

我们从国家统计局、相关行业报告以及权威数据库收集了以下数据（以 2010 - 2023 年为例）：

实体经济指标：工业增加值（亿元）、制造业固定资产投资（亿元）、社会消费品零售总额（亿元）。
数字经济指标：数字经济规模（亿元）、信息传输、软件和信息技术服务业增加值（亿元）、互联网宽带接入用户数（万户）、电子商务交易额（亿元）。

为了消除数据的异方差性，对所有变量进行对数处理，分别记为 ln_industry_value、ln_manufacturing_investment、ln_retail_sales、ln_digital_economy、ln_info_service、ln_internet_users、ln_e_commerce_transaction。

五、实证模型构建

我们构建以下多元线性回归模型：

ln_industry_value = β0 + β1 * ln_digital_economy + β2 * ln_info_service + β3 * ln_internet_users + β4 * ln_e_commerce_transaction + ε

其中，β0 为截距项，β1、β2、β3、β4 为回归系数，ε 为误差项。

六、模型分析步骤

模型估计
使用 STATA 中的 regress 命令对上述模型进行估计，得到回归系数的估计值、标准误差、t 值和 p 值等统计量。
统计检验
- 拟合优度检验：通过计算调整后的 R-squared 来评估模型对数据的拟合程度。较高的调整后 R-squared 表示模型能够较好地解释因变量的变化。
- 系数显著性检验：根据 t 值和 p 值来判断各个自变量的回归系数是否显著不为零。通常，当 p 值小于给定的显著性水平（如 0.05）时，认为该系数在统计上是显著的。
多重共线性检验
使用 estat vif 命令计算方差膨胀因子（VIF）来检验自变量之间是否存在严重的多重共线性。一般来说，如果 VIF 值小于 10，则认为不存在严重的多重共线性问题。
经济意义解释
根据回归系数的符号和大小，解释各个自变量对因变量的经济影响。例如，正的回归系数表示自变量的增加会导致因变量的增加，系数的大小反映了影响的程度。

七、程序代码及解释

// 导入数据
import delimited "data.csv", clear

// 变量定义
gen ln_industry_value = log(industry_value)  
gen ln_manufacturing_investment = log(manufacturing_investment)  
gen ln_retail_sales = log(retail_sales)  
gen ln_digital_economy = log(digital_economy)  
gen ln_info_service = log(info_service)  
gen ln_internet_users = log(internet_users)  
gen ln_e_commerce_transaction = log(e_commerce_transaction)  

// 回归分析
regress ln_industry_value ln_digital_economy ln_info_service ln_internet_users ln_e_commerce_transaction

// 输出结果
estat vif  // 检查多重共线性

代码解释：

import delimited "data.csv", clear ：导入名为“data.csv”的数据文件，并清除原有数据。
gen 命令用于生成新的对数处理后的变量。
regress 命令用于进行多元线性回归分析。
estat vif 用于检查回归模型中的多重共线性。

八、代码运行结果及分析

运行上述代码后，得到以下结果：

回归结果：

回归方程为：ln_industry_value = b0 + b1 * ln_digital_economy + b2 * ln_info_service + b3 * ln_internet_users + b4 * ln_e_commerce_transaction + e

回归系数 b1、b2、b3、b4 及其对应的 t 值和 p 值显示了各个自变量对因变量的影响程度和显著性。

例如，如果 b1 显著为正，说明数字经济规模的增长对工业增加值的增长有显著的正向影响。
多重共线性检查结果：

方差膨胀因子（VIF）的值若均小于 10，表明不存在严重的多重共线性问题。
结果分析：

假设数字经济规模的回归系数 b1 为 0.25 且在 1%的水平上显著，这意味着数字经济规模每增长 1%，工业增加值将平均增长 0.25%。

若信息传输、软件和信息技术服务业增加值的回归系数 b2 为 0.18 且显著，说明该行业的发展对实体经济增长有积极作用。

互联网宽带接入用户数的回归系数 b3 为 0.12 且显著，表明互联网普及程度的提高能推动实体经济发展。

电子商务交易额的回归系数 b4 为 0.15 且显著，反映出电子商务的发展对实体经济增长的促进效果。