叶仁道，方冰妮

（杭州电子科技大学 经济学院，浙江 杭州 310018）

一、引言

随着物联网、大数据、云计算、人工智能等信息技术的快速发展，以及网络强国战略与“互联网+”模式的提出，我国逐步形成了以信息经济为核心的新型经济形态。据《2016中国信息经济研究报告》显示，2015年，我国信息经济总量同比名义增长超过17.5%，显著高于当年GDP增速，且对GDP增长的贡献达到27.5%。中国信息经济发展迅速，但生产活动中“高投入、高消耗、低产出”现象层出不穷，导致信息经济效率不高，信息经济可持续发展面临巨大挑战。因此，有必要对各省（市、区）信息经济效率进行测算，并探寻其效率低下的环节及原因，进一步优化投入产出比例。同时，针对性地提出改进途径，为因地制宜地制定本地区信息经济发展策略提供有益思路，最终实现我国经济发展由粗放型向集约型转变。

国内外学者针对信息经济概念问题展开了大量研究。1959年Marschak首次提出“信息经济学”这一术语。1973年信息社会创始人Danniel发展了信息经济的概念，提出发达国家已经从前工业社会发展到工业社会，最终到达后工业社会阶段。在新的社会阶段，经济活动的基本战略资源，工具，劳动环境，文化观念都有一系列的变化。Porat在前人研究基础上将经济划分为两个范畴：一种涉及物质与能源形态转换的领域；另一种涉及信息形式转换的领域，并给出了信息经济的定义和计量方式。乌家培将信息经济分成广义信息经济和狭义信息经济。广义信息经济需从宏观层次上进行理解，即信息社会的经济；狭义信息经济需从部门经济的中观层次上进行理解，即信息部门的经济[1]。

随着信息经济在国民经济中所占比重越来越大，信息经济相关测算日益成为众多学者关注的焦点之一。例如，靖继鹏等研究了现有的信息经济测度方法并做出了评价。同时，建立了符合我国国情的信息化水平测度的理论模型[2]。万里鹏研究了信息经济测度与信息化测度之间的关系，从测度现象的同源性、经济对社会的“嵌入”和经济的社会形态三个方面建立信息经济与信息化测度的深层次关联[3]。柯玲说明了信息经济在测度研究中存在的问题，并从复杂系统建模角度出发，给出了在信息化及信息产业方面的研究思路[4-5]。俞立平根据中国信息经济分析框架选取指标，运用DEA与Malmquist指数相结合的方法，测算了2001—2008年中国信息经济技术效率值，结果表明东中西部地区在技术效率与全要素效率上存在明显差异[6]。

综观现有研究，国内外学者对信息经济的研究大多局限于定性分析，关于信息经济效率的定量研究成果较少。基于此，本文运用三阶段DEA模型研究2015年中国各省（区、市）的信息经济效率，从而全面了解中国省域信息经济效率状况，为政府优化资源配置提供建议。

二、模型与方法

Charnes等在1978年首次提出数据包络分析（DEA）[7]，2011年 Cooper对 DEA 给出了新的定义，即DEA方法是评价一组同质决策单元效率的导向方法[8]。考虑到，传统DEA模型在测算效率时会受到环境因素与随机误差的影响，Fried等提出了三阶段DEA模型[9]，利用SFA模型对投入变量进行修正，从而使计算结果更具真实性。

首先，本文采用投入导向BCC-DEA模型来测算2015年我国29个省（区、市）的信息经济效率。其次，通过构建SFA回归对于第一阶段得到的投入松弛变量进行分解。构造如下模型：

其中，sik为第i个投入变量第k个决策单元的松弛值，f（Zk，βi）=zk·βi为环境因素对松弛值的影响，zk和βi分别表示环境变量观测值及其系数，νik为随机误差，uik为管理无效率。假定νik和uik相互独立，且与Zk不相关。利用极大似然估计法估计未知参数，根据回归结果并参考罗登跃[10]等提出的方法分离管理无效率并得出uik，进而利用（2）式对初始投入值进行调整：

其中，xij和ij分别表示第 i个投入变量第 k个决策单元的初始投入值以及调整后的投入值，i是环境变量系数估计值，ik是随机误差的估计值。最后，再次利用BCC-DEA模型，计算第二阶段调整后的投入量和初始产出量计算剔除环境因素和随机误差后的效率值。

三、变量选择与来源

（一）变量选择

鉴于现有信息经济研究成果，结合本研究的研究目的，同时考虑数据的可衡量性、易获取性，本文选取了资本和劳动力作为投入指标，信息经济发展水平为产出指标测算信息经济效率值。然而，环境变量会对信息经济效率产生积极或消极影响。因此，在对信息经济效率进行测算时，必须消除环境因素的影响。本文选择经济发展状况、教育发展水平和互联网普及情况三个变量作为环境变量。指标体系如表1所示。

表1 我国省域信息经济效率测算指标体系

（二）数据来源

本文所需投入数据来源于2015年《中国统计年鉴》，产出数据来源于中国信息化百人会课题组的测算数据，环境变量数据来源于2015年各省份统计年鉴及公报。

四、实证分析

（一）传统DEA模型

以2015年全国29个省（由于数据缺失，暂不考虑西藏、海南）的从业人数和固定资产投资额作为投入指标，信息经济规模为产出指标，测算第一阶段我国省域信息经济效率，结果如表2所示。2015年，我国信息经济综合效率为0.332，纯技术效率值为0.507，规模效率值为0.675。这说明纯技术效率低是影响我国信息经济效率低下的主要原因。从区域发展来看，我国信息经济效率东部最高，其次是中部，最后是西部。进一步分析我国省域信息经济发展状况，北京和上海的综合效率及规模效率均为1，说明京、沪两地相关资源配置和使用是有效的，处于信息经济生产的前沿面；北京、天津、上海、江苏、广东及青海的纯效率值为1，表明在目前的技术和管理状态下，这六个省对信息资源的使用是相对有效的。

表2 2015年我国各省（市、区）信息经济效率

（二）相似SFA模型

考虑到外部环境和随机误差可能会对信息经济效率测算结果产生影响。因此，采用SFA回归模型对初始投入进行调整。以环境变量为自变量，松弛变量为因变量，借助Frontier4.1软件进行SFA回归，剔除环境变量和随机误差对投入变量的影响，回归结果如表3所示。

表3 第二阶段SFA回归结果

回归结果显示，在显著性水平为1%的情况下松弛变量均通过了LR检验，表明模型的估计结果在总体上是合理的。同时，环境变量的回归系数均通过了显著性水平为1%、5%或10%的显著性检验，表明环境变量的选择是合理的。并且，接近于1，说明在测算信息经济效率过程中，技术非效率是理论值与实际值差异的主要来源，进一步证明本文所选的环境变量对信息经济投入变量的松弛变量有显著影响。因此，在测算信息经济效率时，剔除环境变量是有必要的。

进一步分析SFA回归结果：（1）GDP对于两个松弛变量的回归系数均为负，且通过检验，说明增加GDP会显著减少上述投入变量的松弛量，即GDP的增加会提升信息资源利用率，从而提高信息经济效率。（2）互联网普及率对于两个松弛变量的回归系数与预期结果相同，呈负相关，且在1%的显著性水平下显著，说明增加互联网普及率有利于信息资源的合理配置。在信息经济时代，“互联网+”模式的广泛应用可以提高闲置资源的利用率，进而提高信息经济效率。（3）每10万人口高等教育学校平均在校生数对于两个松弛变量的回归系数值为正，并且通过显著性检验，表明每10万人口高等教育学校平均在校生数增加会增加信息经济效率投入的松弛变量值，不利于信息经济效率的提高。这可能是由于我国当前管理和技术水平的限制，在当前状况下，每10万人口高等教育学校平均在校生数的增加会加大松弛变量值，降低信息经济效率，因此应提高管理和技术水平。

（三）调整投入变量后的DEA模型

以第二阶段调整后的投入量和初始产出量，计算第三阶段信息经济效率。结果如表2所示，从总体上看，经过调整后综合效率提高62.05%，纯技术效率提高53.25%，规模效率提高幅度最小，只提高了3.41%，由此说明调整前效率被低估，且纯技术效率是影响综合效率的关键因素。从区域来看，调整后东部地区的综合效率、纯技术效率和规模效率仍处于领先地位，除纯技术效率外，中部地区的效率值高于西部地区。

进一步分析各省份情况，上海在调整前后信息经济效率值始终为1，依然处于技术效率前沿面。据统计，2015年上海信息化发展指数列全国第一，上海信息经济发展状况稳定，对于信息资源的利用效率较高。江苏、重庆信息经济效率经调整后上升为1，说明这两地信息经济效率在调整前被低估。经调整，北京、天津、青海和宁夏四省综合效率值小幅度下降，其他省市综合效率值均有所上升。上海、江苏和广东纯技术效率值不受环境因素影响，北京、天津和青海三省纯技术效率值下降，即调整前高估了这三个省份的纯技术效率值，其他地区的纯技术效率值均有不同幅度上升。浙江、江苏、福建、山东、广东、重庆和云南规模效率值增加，其他地区（除上海）规模效率值下降，规模效率递增。

五、结论与建议

实证分析结果表明，区域之间发展不平衡问题显著，各省份在信息经济效率上存在较大差异；大部分省份的信息经济效率都处于无效状态，表现为投入过度，信息资源存在浪费；资源配置不合理，25个省份处于规模报酬递增趋势，导致信息经济无法得到充分发展，规模效率较低；纯效率水平不高，表明其未能以较为有效的方式生产，区域治理水平和技术还有待提高。

因此，政府应建立合理的政策，调整区域产业结构，为信息经济发展提供有利环境。省域之间应加强交流，以促进管理水平和技术水平的提升，优势互补，实现区域之间协调发展。同时，简政放权，充分发挥市场机制对经济发展的作用，促进技术水平提高，优化信息经济的投入产出效率，激发、促进信息经济投入的转化活力。加快互联网配套设施建设，提高互联网普及率，推动信息经济发展，提高信息经济效率。纯效率不高的省份应提高管理和技术水平，以提高信息经济的纯技术效率。规模效率低下的省份应引进优秀人才，使区域资源得到有效利用，提高信息经济的规模效率，从而提高信息经济综合效率，实现我国经济高质量高水平发展。