一、引言

近年来，随着信息技术的快速发展，互联网已经成为新常态下驱动我国经济发展的新动能。我国互联网基础设施建设逐步完善，2006—2018年域名数、互联网宽带接入端口以及网络国际出口带宽的年均增长率分别为20.35%、34.74%和24.12%，年均增长率都超过20%。我国互联网人数从2006年的1.37亿人增加到2018年的8.29亿人，年均增长率为16.19%；互联网普及率从2006年10.42%增加到2018年的59.6%；网站数从2006年的84.3万个增加到2018年的543万个。互联网产业呈现井喷式扩张，2018年互联网和相关服务业企业法人数量12万户，全年营业收入1.7万亿元，互联网和相关服务业已成为国民经济发展中增长速度最快的行业之一^①。可见，互联网的快速发展为我国经济增长提供了新动力、增添了新活力。

目前，互联网对区域经济发展的影响已成为国内外学者研究的主题，研究成果可以分为三个方面。其一，互联网能否促进经济发展。张旭亮等（2017）^[1]、谭松涛等（2016）^[2]、罗珉和李亮宇（2015）^[3]、Bygstad（2010）^[4]、Karsten Lensing等（2018）^[5]认为互联网这一颠覆性技术，对生产系统带来新的变革，同时加快业务创新，使得企业能够在日益动荡的市场中保持竞争力。张娜娜等（2014）^[6]、赵振（2015）^[7]、杨德明和刘泳文（2018）^[8]、王金杰等（2018）^[9]、张伯旭和李辉（2017）^[10]认为互联网带来技术创新，推动了互联网与实体经济的深度融合，从而具有更强的报酬递增效应和更强的创新能力。Massimo等（2012）^[11]以人口样本实证分析了接入宽带互联网技术对中小型企业的生产率提升的积极影响。Benjamin等（2016）^[12]利用随机生产前沿（SFA）的方法，测算经合组织（OECD）中的12个国家的IT产出绩效，发现在2000年到2011年IT服务行业生产率增长了7.4%。Esteban Alfaro Cortes等（2011）^[13]采用居民互联网技术、企业互联网技术和电子交易三个变量作为信息技术的指标，发现互联网技术极大地促进了经济的增长。Jiménez等（2014）^[14]将人口、人力资本、互联网技术纳入柯布—道格拉斯生产函数，结果表明互联网接入对经济增长有显著影响。Salahuddin等（2016）^[15]研究了互联网使用率对经济增长的影响，结果表明长期来看互联网使用率对于经济增长有显著正向影响。侯汉坡等（2010）^[16]、李立威等（2013）^[17]谢印成等（2015）^[18]、戴德宝等（2016）^[19]从不同的角度分析了互联网对经济增长的作用，基本认同互联网对经济发展存在促进作用效应。其二，互联网对经济发展的促进作用是否存在地区差异。张灿（2017）^[20]认为由于区域间互联网发展水平的差异，互联网发展对东部地区经济增长的促进作用大于中西部地区。金春枝等（2016）^[21]研究认为我国东中西部省份和城乡之间互联网使用者规模和普及率均存在着差异。汪明峰等（2011）^[22]指出东、中、西三大区域互联网用户增长存在着较为显著的俱乐部收敛趋势，收敛速度则表现为东部慢于中部，中部慢于西部。邱娟等（2010）^[23]认为互联网省际发展存在极大的地域集中性，同时，城乡之间也存在着明显的数字鸿沟。其三，互联网对经济发展的促进作用是否存在门槛效应。Roller等（2011）^[24]进一步利用OECD国家面板数据研究了网络效应问题，发现固定电话普及率超过临界值后对经济增长的作用变得更大。郭家堂等（2016）^[25]发现互联网对属于技术进步推动型的中国全要素生产率有着显著的促进作用，但由于存在显著的网络效应特征，互联网对中国全要素生产率的促进作用是非线性的。张家平等（2018）^[26]提出ICT和经济增长的非线性关系。

综上所述，国内外学者围绕互联网对地区经济发展影响的研究已取得了一些有意义的研究结论，为后期的深入研究奠定了良好的基础。但是，我国互联网对经济发展的区域差异以及门槛效应等尚待进一步深入研究，本文拟对此进行深入探索。本文与以往研究的不同至少有三：一是拟通过构建互联网发展水平评价的指标体系，估算我国各地区的互联网发展水平；二是拟构建模型比较研究互联网发展水平对我国经济发展影响的区域差异；三是拟通过构建门槛效应模型，研究互联网发展水平对区域经济发展的非线性影响效应，并探讨对策建议，以期为政府相关部门决策提供依据。

二、互联网发展水平评价的指标体系构建与估算

（一）互联网发展水平评价的指标体系构建

互联网发展水平的评价是国内外学者关注的热点，但尚没有官方的统一标准。目前，国内学者对互联网发展水平衡量的指标大致可以分为三类，其一，用互联网普及率（如贺娅萍等2019^[27]；常青青等2018^[28]；汪东芳等2019^[29]；刘姿均等2016^[30]；李立威等2013^[17]）或用互联网普及率和移动电话普及率两个指标（张灿，2017^[20]；张家平等，2018^[26]）来衡量互联网发展的水平。其二，以网站、网民等作为互联网发展水平的衡量指标，如张旭亮等（2017）^[1]利用网页数来衡量互联网发展的水平；俞立平（2006）^[31]利用网站和网民两个指标来衡量互联网发展的水平；孙中伟等（2010）^[32]以CN域名和网民作为互联网资源的衡量指标；郭家堂等（2017）^[25]、胡俊（2019）^[33]将各地区的网站数量除以该地区的法人单位数量作为衡量地区互联网发展水平的指标。其三，构建互联网指标体系，如邱娟等（2010）^[23]从区域经济发展水平、区域科技文化水平、区域对外开放程度、区域信息基础设施发展水平、区域非农化水平以及地理区位特征构建互联网时空差异指标体系；韩先锋等（2019）^[34]从互联网普及、互联网基础设施、互联网信息资源、互联网商务应用以及互联网发展环境等五个方面构建互联网发展水平的指标体系；黄群慧等（2019）^[35]则选择互联网普及率、互联网相关从业人员、互联网相关产出和移动互联网用户数四个维度构建衡量互联网发展水平的指标体系。

为全面和客观地反映我国互联网发展的真实水平，本文在学者们前期研究的基础上，参考《中国信息化发展指数统计监测年度报告》，并考虑到数据的可得性，构建包含基础设施、产业技术、知识支撑以及应用消费4个一级指标、7个二级指标和13个三级指标组成的互联网发展水平评价指标体系，如表1所示。相关数据来源于《中国高技术产业统计年鉴》《中国电子信息产业统计年鉴》和《中国统计年鉴》。

（二）互联网发展水平的估算

由于西藏、青海省部分数据缺失，本文选择我国除港、澳、台地区之外的29个省市自治区作为研究对象，利用SPSS20.0统计分析软件，对我国29个省市自治区2006—2016的互联网发展水平进行因子分析。为了消除由于量纲不同可能引起的不利影响，对原始数据进行标准化处理。为了检验数据是否适合进行主成分分析，本文对主成分分析的数据进行KMO检验和Barlett球形检验，结果如表2所示，KMO为0.782，大于0.7，且Sig小于0.05，表明数据支持主成分分析。同时，按照特征值大于1的原则，提取3个公因子，累计方差贡献率为84.970%，故提取3个公共因子，就可以反映原变量84.970%的方差，如表3所示。

本文进一步以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数的加权平均的归一化，利用主成分分析方法计算指标权重。

首先，计算线性组合中的系数，计算公式为：

上式中，U_i^j为第i个指标第j成分对应的线性组合中的系数，F_i^j为第i个指标第j成分对应的成分矩阵值，μ^j为第j成分特征值的平方根；i=1、2、3…13，j=1、2、3。计算结果如下：

F1=0.2999X₁+0.3003X₂+0.0760X₃+0.3348X₄+0.3142X₅+0.3274X₆+0.3149X₇+0.2614X₈+0.3363X₉+0.0043X₁₀+0.0528X₁₁+0.3181X₁₂+0.3338X₁₃（2）

F2=-0.0585X₁+0.0036X₂-0.0920X₃-0.0442X₄+0.0214X₅+0.0114X₆-0.0242X₇-0.0599X₈-0.0050X₉+0.7032X₁₀+0.6975X₁₁+0.0271X₁₂+0.0128X₁₃（3）

F3=0.2467X₁+0.0127X₂+0.8035X₃+0.1524X₄+0.0889X₅-0.2730X₆+0.2185X₇-0.2585X₈-0.1324X₉+0.0490X₁₀+0.0825X₁₁-0.2022X₁₂-0.0762X₁₃（4）

上式中X₁、X₂、…、X₁₃分别表示表1的13个三级指标。

其次，根据线性组合中的系数以及主成分的方差计算综合得分模型中的系数，具体计算公式为：

上式中，Q_i为综合得分模型中的系数，U_i¹、U_i²和U_i³分别为第i个指标在成分1、2和3中线性组合中的系数，R¹、R²和R³分别为第1、2和3主成分的方差。

由此得到综合得分模型：

Y=0.2302X1+0.2158X2+0.1261X3+0.2473X4+0.2373X5+0.2051X6+0.2439X+0.1470X8+0.2239X9+0.1336X10+0.1708X11+0.2090X12+0.2315X13 （6）

最后，将各指标进行归一化处理，计算各个因子所占的权重（W_i）：

我国及各个地区的互联网发展水平的计算公式为：

上式中，HLW代表互联网发展水平，w_i代表第i个指标的权重，y_i代表第i个指标的标准化数值。

利用我国各地区的相关数据对式（8）进行估算，结果如表4所示。由表4可知，我国和各个地区总体上互联网发展水平都呈上升态势，在2016年互联网发展水平最快的6个地区分别是：北京、上海、浙江、广东、天津和江苏；总体上东部地区发展较快，中西部地区发展较慢。

三、互联网对我国经济发展影响的模型选择与数据说明

（一）模型选择

本文利用生产函数来估算互联网对我国区域经济发展的影响效应，如式（9）所示。

上式中，Y_t表示第t年的产出，K_t和L_t分别表示第t年资本投入和劳动投入，α、β分别表示资本和劳动的产出弹性，A为综合技术水平。由于综合技术水平受互联网发展水平和研发强度的影响，故将互联网发展水平和研发强度纳入模型中；考虑到民营经济活跃度、城镇化水平、对外贸易依存度对区域经济的发展也有一定的影响，故将其纳入模型中。为了全面分析互联网对我国地区经济发展的影响，本文分别从技术创新能力和经济增长水平两个方面进行分析。同时，为消除异方差的影响，对式（9）两边取对数处理，修正后的模型如式（10）和（11）所示。

上式中，ZL_i，t、PGDP_i，t为i地区第t年的创新产出和经济产出水平，分别用专利授权数和人均国内生产总值来表示。β₁₀、β₂₀为常数；β₁₁、β₁₂、…、β₁₇、β₂₁、β₂₂、…、β₂₈为系数；ε_i，t为随机误差；i为1、2、3、…、29，分别表示我国29个省市自治区；t为2006年、2007年、…、2016年。HLW_i，t为i地区第t年互联网发展水平，由互联网发展水平评价指标体系估算所得，如表4所示。L_i，t为i地区第t年的劳动投入，鉴于并非所有的创新产出都只是由统计意义上的研发人员和研发经费创造的，且互联网又具有开放和共享的特质，故式（10）和（11）都用各地区的劳动从业人数来表示。RDI_i，t为i地区第t年的研发强度，即用研发支出占GDP的比重来表示。PE_i，t为i地区第t年民营经济活跃度，用私营企业工业销售总产值占规模以上工业销售产值的比重来表示。UR_i，t为i地区第t年的城镇化水平，用城镇人口占总人口数的比重来表示。TRA_i，t为i地区第t年对外贸易依存度，用进出口总额占GDP的比重来表示。PEO_i，t为i地区第t年总人数。K_i，t为i地区第t年资本投入，采用永续盘存法进行估算，具体公式如式（12）所示。

K_i，t=K_i（t-1）（1-δ_i，t）+I_i，t/P_i，t （12）

上式中，i代表地区，t代表年份，K代表实际的资本存量，I代表固定资产投资总额（当年价），P为固定资产投资价格指数；δ为折旧率，借鉴单豪杰（2008）^[36]的做法，折旧率选取10.96%。

为进一步测算互联网发展水平对地区经济发展的网络效应，本文利用Hansen（1999）^[37]提出的非动态面板门槛模型，构造模型如式（13）和（14）所示。

上式中，I（·）为指示函数，当括号内的条件满足时取1，否则取0；q_i，t为门槛变量，本文选取互联网发展发展水平作为门槛变量，γ为特定的门槛值；β₃₀、β₄₀为常数；β₃₁、β₃₂、…、β₃₈、β₄₁、β₄₂、…、β₄₉为系数；其他控制变量的含义同上。式（13）和（14）仅假设存在一个门槛的模型，可根据实际情况扩展为双重或多重门槛模型。

（二）数据说明

本文选取我国29个省市自治区2006—2016年的相关数据。其中，人均GDP、专利授权数、劳动力就业人数、民营经济活跃度和对外贸易依存度的数据来源于2005—2017年《中国统计年鉴》；互联网发展水平根据主成分分析法估算得到，如表4所示；研发强度数据来源于《中国科技统计年鉴》；城镇化水平来源于《中国人口和就业统计年鉴》。主要变量的描述性统计情况如表5所示。

四、互联网对我国经济发展影响的实证结果与分析

（一）基本影响结果分析

利用Stata15.0软件对模型（10）和（11）进行实证分析，同时考虑到互联网对地区影响存在差异，将全国29个省市自治区分为东、中西两个子样本分别进行分析^②，实证结果如表6所示。根据豪斯曼检验的结果，两个模型的P值都近乎接近0，故选择固定效应模型（FE）。

由表6可知，互联网发展水平提高对专利授权数的促进作用存在着明显的区域差异，互联网发展水平对东部的作用效应系数为5.50，而对中西部的作用效应系数仅为2.78，原因在于中西部地区网络基础设施和互联网人才等较东部地区弱，互联网发展环境有待提高，从而在一定程度上削弱了互联网发展水平对中西部地区技术创新能力的积极影响。同时，研发强度、民营经济活跃度、城镇化水平以及对外贸易依存度等对东部地区技术创新能力提升的促进作用效应也都大于中西部，主要原因在于东部地区在地理位置、基础设施建设、经济发展水平、人力资本、教育水平等方面都显著强于中西部地区。

互联网发展水平提高对人均国内生产总值也具有显著的促进作用，但存在着明显的区域差异，如表6所示，互联网发展水平对东部的促进作用系数为1.76，对中西部的系数为1.57，故互联网发展水平对东部地区的促进作用效应大于中西部地区。研发强度、民营经济活跃度、城镇化水平和对外贸易依存度对东部、中西部地区的人均国内生产总值的影响也存在区域差异性，东部地区系数明显高于中西部地区。互联网发展水平对东部地区经济增长的促进作用效应高于中西部地区，究其主要原因就是互联网发展水平对东中西部地区技术创新能力提升促进作用效应的差异。

（二）门槛效应分析

门槛回归模型有两个基本的假设需要检验：一是门槛效果是否显著的检验，二是门槛估计值是否等于其真实值的检验。具体来讲，对于第一个检验依次按不存在门槛、存在一个门槛、存在两个门槛、存在3个门槛来展开；门槛效应存在性的原假设为HO：β₁=β₂，构造统计量：

上式中，S₀、S_n（γ）分别是无门槛和有门槛情况下的残差平方和，6²为有门槛情况下的估计残差的方差。因为原假设的门槛值是暂未识别的，并且F具有非标准渐进分布的，所以在F统计量的临界值上使用bootstrap来测试阈值效应是十分重要的。

对于第二个检验的原假设是：γ=γ₀，然后计算相应的似然比检验统计量LR（γ），当LR（γ）时不能拒绝原假设，其中，α为显著性水平，本文取5%，则对应的LR的临界值为7.35。

1.互联网发展水平对技术创新能力的门槛效应

以互联网发展水平为门槛变量，专利授权数为被解释变量，利用我国东中西部地区相关数据对式（13）进行实证分析。由表7和表8可知，不论是东部地区还是中西部地区，都通过了门槛的显著性检验，东部地区存在单一门槛且在1%的水平上显著。中西部地区存在双重门槛，双重门槛在10%是水平上显著。东部地区对应的门槛值为0.8429，中西部地区对应的门槛值分别为0.0434和0.0634，东部地区的门槛值远高于中西部地区。由表9可知，对于东部地区而言，存在单一门槛效应，当lnHLW≤0.8429时，互联网发展水平对专利授权数的促进作用系数为4.52；当lnHLW＞0.8429时，互联网发展水平对专利授权数的促进作用系数为5.35。对于中西部地区而言，存在双重门槛效应，当lnHLW≤0.0434时，互联网发展水平对专利授权数的影响不显著；当0.0434＜lnHLW≤0.0634时，互联网发展水平对专利授权数的促进作用系数为2.31；当lnHLW＞0.0634时，互联网发展水平对专利授权数的促进作用系数为3.27。东中西部地区的研究结论都表明，互联网发展水平越高，互联网发展水平对技术创新的作用效应越强。东部地区门槛值高于中西部，对专利授权数的影响系数也高于中西部地区。由表10可知，东部地区大部分地区还没有达到门槛值（0.8429），到2016年，仅北京的互联网发展水平超过0.8429，东部其他地区尚需努力。中西部地区内部省市自治区发展也存在差异性，如贵州互联网发展比较缓慢，发展水平仅处于第一个门槛值（0.0434）以下，难以发挥互联网的促进作用。广西、云南和甘肃的互联网发展水平介于第一个门槛值和第二个门槛值之间，一定程度上制约了互联网对技术创新能力提升的促进作用效应的发挥。

2.互联网发展水平对区域经济增长的门槛效应

以互联网发展水平为门槛变量，人均国内生产总值为被解释变量，利用我国东中西部地区相关数据对式（14）进行实证分析。由表11和12可知，不论是东部地区还是中西部地区，都通过了门槛的显著性检验，东部、中西部对应的门槛值分别为0.2273、0.2006，东部地区的门槛值高于中西部地区。由表13可知，对于东部地区而言，当lnHLW≤0.2273时，互联网发展水平对人均国内生产总值的促进作用系数为2.33；当lnHLW＞0.2273时，互联网发展水平对人均国内生产总值的促进作用系数为6.18。对于中西部地区而言，当lnHLW≤0.2006时，互联网发展水平对人均国内生产总值的促进作用系数为0.68；当lnHLW＞0.2006时，互联网发展水平对人均国内生产总值的促进作用系数为3.63。可见，互联网发展水平越高，互联网发展水平对经济增长的促进作用效应越强；且东部地区门槛值高于中西部地区，对人均国内生产总值的影响系数也高于中西部地区。由表14可知，东部、中西部内部省市自治区之间互联网发展水平也存在差异性。东部地区在2016年，河北、山东、海南地区的互联网发展水平尚处于东部地区的门槛值以下；而中西部地区仅有陕西和重庆的互联网发展水平处于中西部地区的门槛值以上，因而互联网发展水平亟待提高。

五、结论与对策建议

本文通过构建互联网发展水平指标体系，估算了我国互联网发展水平；通过构建模型，实证分析了互联网发展水平对我国技术创新能力和经济发展水平的影响。实证结果表明，（1）我国各地区互联网发展水平从2006—2016年都呈上升态势，在2016年互联网发展水平最快的6个地区分别是：北京、上海、浙江、广东、天津和江苏；总体上东部地区发展较快，中西部地区发展较慢。（2）互联网发展水平对技术创新能力、经济增长水平具有促进作用效应，且存在着区域差异。互联网发展水平对东部地区的促进作用效应明显高于中西部地区。（3）互联网发展水平对东部和中西部地区专利授权数的影响存在着门槛效用。东部地区对应的门槛值为0.8429，即当lnHLW≤0.8429时，互联网发展水平对专利授权数的促进作用系数为4.52；当lnHLW＞0.8429时，互联网发展水平对专利授权数的促进作用系数为5.35。中西部地区对应的门槛值为0.0434和0.0634，当lnHLW≤0.0434时，互联网发展水平对专利授权数的影响不显著；当0.0434＜lnHLW≤0.0634时，互联网发展水平对专利授权数的促进作用系数为2.31；当lnHLW＞0.0634时，互联网发展水平对专利授权数的促进作用系数为3.27。可见，互联网发展水平越高，互联网发展水平对技术创新能力的促进作用效应越强；东部地区门槛值高于中西部地区，对专利授权数的影响系数也高于中西部地区。（4）互联网发展水平对东部和中西部地区人均国内生产总值的影响存在门槛效应。东部、中西部对应的门槛值分别为0.2273和0.2006，对于东部地区而言，当lnHLW≤0.2273时，互联网发展水平对人均国内生产总值的促进作用系数为2.33；当lnHLW＞0.2273时，互联网发展水平对人均国内生产总值的促进作用系数为6.18。对于中西部地区而言，当lnHLW≤0.2006时，互联网发展水平对人均国内生产总值的促进作用系数为0.68；当lnHLW＞0.2006时，互联网发展水平对人均国内生产总值的促进作用系数为3.63。即互联网发展水平越高，互联网对经济增长的促进作用越高，且东部地区的门槛值和对应的影响系数都大于中西部地区。而互联网发展水平对东部地区经济增长的促进作用效应高于中西部地区，究其主要原因就是互联网发展水平对东中西部地区技术创新能力提升促进作用效应的差异。（5）门槛模型实证结论表明，对于技术创新能力，东部地区存在单一门槛效应，但在2016年，仅北京互联网发展水平达到门槛值，东部地区其他地区还没有达到；中西部地区存在双重门槛效应，且区域间也存在较大差异性，贵州互联网发展水平仅处于第一个门槛值以下，广西、云南和甘肃的互联网发展水平介于第一个门槛值和第二个门槛值之间，一定程度上制约了互联网对技术创新能力提升的促进作用效应的发挥。对于经济增长水平，东中西地区都存在单一门槛效应，在2016年，河北、山东、海南地区的互联网发展水平尚处于东部地区的门槛值以下；而中西部地区仅有陕西和重庆的互联网发展水平处于中西部地区的门槛值以上，因而互联网发展水平亟待提高。

为了更好地发挥互联网作为经济新动能的重要作用，我国地方政府应进一步因地制宜，继续提高互联网发展水平，努力扩大互联网对区域经济发展的促进作用效应，从而推动区域经济更好更快地发展。具体来讲：（1）加大互联网基础设施的建设力度。加大对物联网、移动互联网、宽带等设施建设投入，提高互联网普及率，增加网络接入端口数量，进一步完善互联网基础设施建设，不断缩小东中西部地区互联网发展水平的差距。（2）不断提高互联网技术的自主创新能力。加大互联网核心技术创新投入的力度，发挥财政扶持资金的引导作用，积极引导和支持有条件的企业开展战略性关键技术和重点产品的研究开发，加强关键信息基础设施安全保障，不断完善网络治理体系。（3）加强互联网与传统产业的融合发展。互联网不仅是个新兴行业，而且“互联网+"传统产业，可带动生产模式和组织方式变革，催生网络化、智能化、服务化、协同化的产业发展新形态，从而推动传统产业转型升级，因而政府要积极引导和推进互联网的推广和应用，并使之成为各地区转变经济发展方式、实现产业结构优化升级的重要途径。（4）加强互联网人才的培养和引进。为弥补互联网人才的缺口，我国应多措并举，全方位构建互联网人才培养体系。一方面政府应积极鼓励高校根据“互联网+"融合发展需求和学校实际办学能力设置相关专业，加快互联网相关专业人才培养；另一方面，各级政府和相关企业也可采用购买服务等方式，聘请相关研究机构和专家开展“互联网+"基础知识和应用培训。此外，我国可通过进一步完善人才引进机制，聚天下英才而用之，为互联网发展提供有力的人才支撑。（5）实施动态化、差异化的区域互联网发展战略。研究结论表明，互联网对东部、中西部的门槛效应是不同的，且东中西部地区内部省市自治区的互联网发展水平也有所差异。因此，各地区政府应根据各地的资源禀赋和互联网发展的实际情况，采取切实有效的措施，不断提高互联网发展水平，并注重互联网与其他产业的融合发展。同时，由于中西部的门槛值相较东部地区的低，故中西部地区提升空间较大，并可从互联网发展水平提高中获得更多的红利。因此，中西部地区可以利用互联网开放平台整合全国乃至全球范围内的产业链资源，突破产业发展的资源瓶颈、路径依赖与成长周期，加快发展大数据、物联网、云计算、移动互联网等新兴产业，把中西部地区的后发优势尽快转化为产业优势和发展优势，从而更好地推动我国东中西部地区协调发展。

注释：

①文兼武：我国信息技术产业蓬勃发展，动力强劲.http：//www.stats.gov.cn/tjsj/sjjd/202001.

②东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省（市），中西部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、四川、重庆、贵州、云南、陕西、甘肃、宁夏、新疆。