琶洲数字经济指数研究报告（2022）琶洲智库·2023年2月

— 1 —

目录琶洲数字经济指数研究报告.............................................................................................................................. 3一、引言.............................................................................................................................................................. 3（一）研究背景..........................................................................................................................................3（二）琶洲数字经济指数的定义、功能与目标...................................................................................... 4（三）琶洲数字经济指数研究意义.......................................................................................................... 6二、琶洲数字经济指数的构建.......................................................................................................................... 6（一）指标选取的参考原则与基本思路.................................................................................................. 6（二）指标体系的构建..............................................................................................................................8（三）指标体系的国际比较.................................................................................................................... 12三、数据来源与预处理.................................................................................................................................... 14（一）数据来源........................................................................................................................................14（二）数据预处理....................................................................................................................................15四、指数计算方法............................................................................................................................................ 17（一）无量纲化........................................................................................................................................17（二）权重确定........................................................................................................................................17（三）指数计算........................................................................................................................................18五、指数结果与基本结论................................................................................................................................ 18（一）指数结果........................................................................................................................................18（二）基本结论........................................................................................................................................26（三）说明与展望....................................................................................................................................28六、政策建议.................................................................................................................................................... 29附件 1：............................................................................................................................................................. 30指标体系 V1.0-V7.0 的演变说明............................................................................................................30附件 2：............................................................................................................................................................. 38PDEI 领导专家德尔菲法(Delphi)打分结果............................................................................................38附件 3：原序列图............................................................................................................................................. 39附图 1：各地区 PDEI 原序列图............................................................................................................... 39附图 2：PDEI 一级指标 A（经济基础水平）原序列图.........................................................................39附图 3：PDEI 一级指标 B（数字基础设施）原序列图.........................................................................40附图 4：PDEI 一级指标 C（科研创新水平）原序列图.........................................................................40附图 5：PDEI 一级指标 D（产业数字化水平）原序列图..................................................................... 41附图 6：PDEI 一级指标 E（企业数字化水平）原序列图..................................................................... 41附图 7：PDEI 一级指标 F（政府数字化治理）原序列图..................................................................... 42附件 4：............................................................................................................................................................. 43七类琶洲特色行业指数介绍与相关分析................................................................................................43一、琶洲·唯品会特卖指数............................................................................................................................ 43（一）琶洲·唯品会特卖指数简介........................................................................................................ 43

—2—（二）指数结果与基本结论.................................................................................................................... 44附图 1：琶洲·唯品会特卖指数序列图.................................................................................................45（三）指数价值及趋势分析.................................................................................................................... 45二、琶洲·树根互联工程机械指数................................................................................................................ 46（一）琶洲·树根互联工程机械指数简介............................................................................................ 46（二）指数结果与基本结论.................................................................................................................... 47附图 2：琶洲·树根互联工程机械指数序列图.....................................................................................48（三）指数价值及趋势分析.................................................................................................................... 48三、琶洲·逸仙电商美妆指数........................................................................................................................ 50（一）琶洲·逸仙电商美妆指数简介....................................................................................................50（二）指数结果与基本结论.................................................................................................................... 51附图 3：琶洲·逸仙电商美妆指数序列图............................................................................................. 51（三）指数价值及趋势分析.................................................................................................................... 52四、琶洲·药师帮医药流通 B2B 指数............................................................................................................ 54（一）琶洲·药师帮医药流通 B2B 指数简介........................................................................................54（二）指数结果与基本结论.................................................................................................................... 55附图 4：琶洲·药师帮医药流通 B2B 指数序列图................................................................................. 55（三）指数价值及趋势分析.................................................................................................................... 56五、琶洲·远想医美服务销售趋势指数........................................................................................................ 57（一）琶洲·远想医美服务销售趋势指数简介....................................................................................57（二）指数结果与基本结论.................................................................................................................... 58附图 5：琶洲·远想医美服务指数序列图............................................................................................. 58（三）指数价值及趋势分析.................................................................................................................... 59六、琶洲·觅野露营指数................................................................................................................................ 60（一）琶洲·觅野露营指数简介............................................................................................................60（二）指数结果与基本结论.................................................................................................................... 61附图 6：琶洲·觅野露营发展指数序列图............................................................................................. 61（三）指数价值及趋势分析.................................................................................................................... 62七、琶洲·云蝶数字化教学指数.................................................................................................................... 63（一）琶洲·云蝶数字化教学指数简介................................................................................................63（二）指数结果与基本结论.................................................................................................................... 64附图 7：琶洲·云蝶数字化教学指数序列图.........................................................................................64（三）指数价值及趋势分析.................................................................................................................... 65

— 3 —

琶洲数字经济指数研究报告一、引言

（一）研究背景

全球数字经济在经济中地位持续提升。据《全球数字经济白皮书（2022 年）》报告的统计信息显示，2021 年全球47个国家数字经济占 GDP 比重为 45.0%。其中，发达国家数字经济GDP占比高达 55.7%，德国、英国、美国数字经济占GDP 比重更是超过65%。

全球数字经济融合发展向三次产业加速渗透。据信通院（2022）年的研究显示，2021 年全球产业数字化占数字经济比重达 85%，其中服务业、工业、农业数字经济渗透率分别为45.3%、24.3%和 8.6%；工业数字化发展较快的代表性国家为韩国和爱尔兰，服务业数字化发展较快的代表性国家为中国和美国，而三次产业数字化发展水平相对都较高的代表性国家为德国和英国。深入实施数字中国战略，我国数字经济发展迅速。党的二十大报告中明确提出，“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。国家互联网信息办公室（2022）发布的《数字中国发展报告（2021年）》显示，2021 年，我国数字经济总量为45.5 万亿元，占国内生产总值比重达 39.8%，数字经济规模位居世界第二，数字经济增速为 16.2%，名列全球第一。

广州市委明确提出，将琶洲建设成为世界一流的数字经济示

—4—范区。为落实习近平总书记视察广东重要讲话和对广东重要指示批示精神，2020 年 4 月广州印发《广州市加快打造数字经济创新引领型城市的若干措施》提出，建设琶洲人工智能与数字经济试验区是广州立足新发展阶段、贯彻新发展理念、服务构建新发展格局的重要抓手，是推进广州高质量发展的核心引擎。作为省级人工智能产业园、国家新型工业化产业示范基地（大数据）、国家电子商务示范基地、省级高新技术产业开发区、省级经济开发区的琶洲先后引入阿里巴巴、腾讯、唯品会、小米、科大讯飞等数字经济领军企业，努力打造数字经济创新型总部企业集群高地，向世界一流数字经济示范区迈进。（二）琶洲数字经济指数的定义、功能与目标琶洲数字经济指数（Pazhou Digital Economy Index,简称PDEI）是琶洲指数（Pazhou Index, 简称PI）的系列之一①。具体来说，琶洲数字经济指数是指通过构建一套合理的指标体系，经过科学的计算，最终得到一个合成的指标数据结果，用来监测和综合反映琶洲地区数字经济的发展现状、发展趋势，以及发展变化规律。琶洲数字经济指数主要包含了经济基础水平、数字基础设施、科研创新水平、产业数字化水平、企业数字化水平、数字化治理水平六个维度的具体评价内容；与此同时，该指数还横向比较了琶洲地区与全国平均水平，以及北京、上海、浙江、广东四个地区，在数字经济发展上的总体差异以及在六个维①这里的系列指数还包括琶洲营商环境指数、琶洲企业景气指数、琶洲综合发展指数、琶洲承载力指数等。琶洲指数是对这些系列指数的简称。

— 5 —

度上的各自差别。（说明：六个维度中，数字产业化体现在下文表 1 产业数字化（D）中的 D2“数字化产业”中。）此外，为进一步发挥琶洲特色数字经济企业的数据优势，结合更为直观的产业视角透视广州、广东乃至全国的数字经济发展趋势，我们选取了七个琶洲代表性数字经济企业进行合作，分别编制了七个琶洲特色行业指数，作为琶洲数字经济指数的补充。这七个特色行业指数分别是琶洲·唯品会特卖指数、琶洲·树根互联工程机械指数、琶洲·逸仙电商美妆指数、琶洲·药师帮医药流通 B2B 指数、琶洲·远想医美服务销售趋势指数、琶洲·觅野露营指数、琶洲·云蝶数字化教学指数。琶洲数字经济指数具有以下五个方面的功能：第一，凸显琶洲地区特色，宣传地区优势，吸引多方资源汇聚。第二，及时反映琶洲数字经济发展态势，助力政府趋势研判。第三，透视琶洲地区与其他地区在数字经济发展上的差异，寻找琶洲发展的标杆地区、明确竞争目标和努力方向，助力政府科学规划。第四，深入解析琶洲地区数字经济发展与其他地区差异的原因，“取长补短”，为具体政策制定提供参考。第五，全面审视琶洲地区数字经济发展的内在动因，因地制宜，助力实现地区高质量快速发展。放眼全球，琶洲数字经济指数目标分两阶段完成：第一阶段，借助琶洲数字经济指数的评估和监测结果，加快琶洲与国内数字经济发展领先地区的比较与交流，凸显优势、找出短板，加速发展，助力琶洲争做全国数字经济发展的排头兵。第二阶段，逐渐

—6—扩大琶洲数字经济指数的涵盖地区范围，在第一阶段“琶洲数字经济指数（PDEI）”的基础上，编制“琶洲数字经济国际指数（Pazhou Digital Economy Internationalization Index,简称 PDEII）”，借助 PDEII 的评估和监测结果，在全球范围内选择目标地区和竞争地区，加强 PDEII 的国际宣传与交流，助力琶洲争做全球数字经济发展的高地。（三）琶洲数字经济指数研究意义进行琶洲数字经济指数研究，具有重要的理论意义和现实意义。理论上，评价类指数多基于截面数据或者基于时间序列数据进行编制，并且要求指标数据具有齐性。我们在编制琶洲数字经济指数时，采用了面板数据，同时指标数据具有“非齐性”（即指标数据的起始点不一致），为了解决这些问题，我们采用了二次改进的功效系数法，保证了编制的指数最终在空间和时间上同时具有可比性，具有较为重要的理论意义。现实上，编制琶洲数字经济指数具有重要的意义，除了前面提到的琶洲指数具有五个现实的功能意义之外，编制琶洲指数还有利于企业及时了解本地区及全国相关地区的数字经济发展状况，为企业的市场经营决策提供信息支持。二、琶洲数字经济指数的构建（一）指标选取的参考原则与基本思路一般来说，通过构建指标体系来编制指数时，各种指标的选择应该审慎进行，需要考虑到多方面的因素。这些因素虽然不固

— 7 —

定，也可以随着研究者的研究重点和时间的推移而做出变化，但基本上存在一定的共识。这里，我们借鉴NBER 的Zarnowitz和Boschan（1975）给出的六大基本准则①作为我们选取指标的参考原则。具体来说，这六大准则是：经济上的重要性（EconomicSignificance）、统计上的充分性（Statistical Adequacy）、时间匹配性（Timing）、方向的一致性（Conformity）、序列的平滑性（Smoothness）、数据的及时性（Currency）。其中，统计上的充分性包括了报告体系、统计范围、误差测量、修订频率、跨时可比性等内容；时间匹配性，我们这里借鉴过来主要指各选取指标的时间频度、时间长度、更新周期等要基本一致，便于后续指数的持续更新和发布；方向的一致性，我们借鉴过来主要是指对于逆向指标来说，需要做正向变换处理；而序列的平滑性，我们借鉴过来，主要指在指数计算时，所用到指标的原始数据的基本形式要一致，比如都用环比增长率序列等。琶洲数字经济指数构建的基本思路是，在充分考虑琶洲数字经济特色的基础上，结合琶洲相关统计指标数据的可获得性，选取代表性指标；同时全面搜索国内外相关研究文献，充分借鉴现有研究成果，结合本次研究选取的研究样本地区的数据情况；构建一个既能反映全国平均水平，又能反映产业数字化、企业数字化、政府数字化治理，以及数字基础设施等重要数字经济特征的数字经济指数。

① 上述六项准则要求相当严格，是一种对指标的理想要求，实际上，可能根本找不到同时满足所有条件的指标。

—8—（二）指标体系的构建

在相关领导、琶洲管委会以及琶洲智库的指导下，在遵循NBER 指标选取六大准则的前提下，我们充分借鉴国内外相关研究文献，构建了琶洲数字经济指数指标体系的V1.0 版本。在 V1.0 版本的基础上，经过反复讨论和对相关指数数据的多方搜索，考虑到数据可获得性、指标表达的合理性以及琶洲的特色，我们先后对 V1.0 版本进行了6 次修改，分别得到指标体系的 V2.0-V7.0 版本。最终所用的V7.0 版本如下表所示。其中各个版本具体的内容和修订说明见附件1 所示。表 1：琶洲数字经济指数（PDEI）指标体系V7.0 版本一级指标 二级指标 三级指标 指标解释 单位方向频度经济基础

水平(A)

经济平均

发展水平

(A1)

人均地区生产总值(A11)

地区生产总值/常

住人口数 元/人+ 季人均财政收入(A12)一般公共预算财政

收入/常住人口数 元/人+ 季地均固定资产投资完成

额(A13)

固定资产投资（不

含农户）/土地面积

元/平方米+ 月居民人均消费性支出

(A14) 元/人+ 季经济结构

水平(A2)

第三产业比例(A21)

第三产业增加值/

地区生产总值 %

+ 季

— 9 —

贸易开放

水平(A3)

人均进口贸易额(A31)

进口额（人民币）/

常住人口数 元/人+ 月人均出口贸易额(A32)

出口额（人民币）/

常住人口数 元/人+ 月进出口占比(A33)

进出口总额/地区

生产总值 -

+ 月数字基础

设施(B)

传统数字

基础设施

(B1)

人均拥有网页数量(B11)

网页数量/常住人

口数 个/人+ 年人均拥有域名数量(B12)

域名数量/常住人

口数 个/人+ 年新型数字

基础设施

(B2)

每千万人拥有绿色数据

中心数量(B21)

个/千万人+ 年5G 用户比例(B22)

5G 用户数/常住人

口数 %

+ 年每万人拥有规划 5G 基站

(B23)

个/万人

+ 年IPv4 比例(B24)

IPv4：互联网协议

第四版 %

+ 年网络普及

率(B3)

移动电话普及率(B31)

移动电话用户数/

常住人口数

部/百人

+ 年新互联网普及率(B32)

网民规模/16 岁以

上人口 %

+ 年

—10—科研创新

(C)

创新能力

(C1)

每百万人拥有专利申请

数(C11)

专利申请数/常住

人口(百万人)

件/百万人+ 月/年每百万人拥有专利授权

数(C12)

专利授权数/常住

人口(百万人)

件/百万人+ 月创新投入

(C2)

研发经费支出占地区生

产总值比重(C21)

研发经费支出/地

区生产总值 %

+ 年人力资源

(C3)

高技术产业 R&D 人员折

合全时当量(C31)

人年/

万人+ 年大专及以上学历人口占

总人口的比重(C32)

大专及以上学历人

口/常住人口 %

+ 年产业数字

化(D)

工业数字

化(D1)

工业人均产值(D11) 工业产值/常住人口 元/人+ 月工业企业人均 R&D 经费

支出(D12) 元/人+ 年规上工业每百万人拥有

有效发明专利数(D13)

件/百万人+ 年单位工业增加值能耗

(D14)

吨标准煤/

万元- 月数字化产

业(D2)

规上计算机、通信和其他

电子设备制造业总产值

占比(D21)

计算机、通信和其

他电子设备制造业

总产值/地区生产

总值 %

+ 年

— 11 —

信息传输、软件和信息技

术服务业总产值占比

(D22)

信息传输、软件和信

息技术服务业总产

值/地区生产总值 %

+ 月企业数字

化（E）

传统企业

数字化程

度(E1)

建筑业上市企业平均研

发投入金额（E11)

上市公司研发投入

总值/上市公司数

量

元/个+ 年交通运输、仓储和邮政业

上市企业平均研发投入

金额（E12) 元/个+ 年房地产业上市企业平均

研发投入金额（E13) 元/个+ 年批发零售业上市企业平

均研发投入金额（E14) 元/个+ 年新型数字

企业数量

（E2）

每百万人信息传输、软件

和信息技术服务业上市

公司数量（E21）

家/百万人+ 季每百万人互联网百强企

业数量（E22）

家/百万人+ 年每百万人独角兽企业数

量(E23)

家/百万人+ 年政府数字

化治理

(F)

政府新媒

体(F1)

政府网站浏览量(F11) 次/人+ 年政务机构微博关注度

(F12)

**发布粉丝数/常

住人口 1

+ 截面

—12—（三）指标体系的国际比较由于琶洲数字经济指标体系的构建与以及不同版本的演变，是在充分借鉴现有文献研究和综合考虑实际情况的基础上逐步形成并确立，因此，这里对指标体系的国际比较，将不再从具体各级指标内容上进行比较，而是对整个指标体系中各级指标规模数量上进行比较。

表 2 列出了国内外数字经济指数研究的主要文献各级指标规模情况。从表中可以看出，一级指标的数量从3 个到7个不等，我们编制的琶洲数字经济指数的一级指标个数为6 个，与国家统计局和欧盟新经济指数相同；我们细化的三级指标个数为43个，与国家统计局（细化指标 42 个）、新华三集团&中国信息通信研政务微信公众号关注度

(抖音号)(F13)

**发布粉丝数/常

住人口 1

+ 截面政务网上

服务(F2)

政府服务能力(F21) 次 + 季市民热线(信件)办结率

(F2) %

+ 季政务数据

服务(F3)

政务数据开放平台开放

数据应用数量(F31) 个

+ 截面公共服务

数字化

(F4)

高端医疗资源数量比例

(F41)

家/百万人+ 年每亿人拥有国家信息化

教育示范区数量(F42)

个/亿人

+ 截面

— 13 —

究院（细化指标 46 个）、华为（细化指标40 个）的较为接近。表 2： 数字经济指数各级指标数量的国际比较文献/指数名称（年份） 发布方

一级指

标个数

二级指标个数三级指标个数中国数字经济发展指数白皮书（2020） 赛迪顾问 4 10 41

全球、中国信息社会发展报告（2017) 国家信息中心 4 9 14

中国“互联网+”指数报告（2018） 腾讯研究院 4 69 42

中国数字经济指数（2019） 财新智库 4 14 38

中国城市数字经济指数蓝皮书（2021）

新华三集团&中国信息通信研

究院

4 12 46

全球数字经济发展指数（2018） 阿里研究院 5 14 4

全球数字经济国家竞争力发展报告（2017） 上海社科院 4 12 24

基于大数据的苏州数字经济（2017） 苏州大学等 3 8 27

浙江省数字经济发展综合评价办法（2018）

浙江省经济和信息化厅&浙江

省统计局

5 10 30

全球联接指数 GCI（2020） 华为 5 40 -琶洲试验区创建世界一流数字经济示范区

（2020）

中国信息通信研究院 7 16 37

福建省数字经济发展指数评价报告（2019） 福建省经济信息中心 5 16 -中国经济发展新动能指数（2016） 国家统计局 6 42 -

Measuring the digital economy：A New

perspective (2014)

经合组织（OECD） 4 38 -

—14—The Global Information Technology

Report

(2016)

世界经济论坛 4 10 53

Measuring the Information Society

Report

(2017)

国际电信联盟 3 11 -欧盟新经济指数(2015) 欧盟新经济统计信息系统 6 50 -

DESI: Digital Economy and Society

Index（2017）

欧盟 5 12 31

美国新经济指数(2014) 美国信息技术与创新基金会 5 25 -数字经济委员会第一份报告（2016）

美国商务部数字经济咨询委

员会

4 9 -测量数字经济（2018） 美国经济分析局 3 12 -琶洲数字经济指数（PDEI) (2021) 琶洲管委会-南方财经 6 17 43

三、数据来源与预处理

（一）数据来源

数据来源主要有以下四类：第一类来源是专业的数据库，包括中经数据库（CEI）、万得数据库（Wind）、经济预测系统数据库（EPS）、南方财经数据库等。

第二类来源是官方的统计年鉴，包括各年《中国统计年鉴》、各年《中国科技统计年鉴》、各年《中国高新技术产业统计年鉴》、

— 15 —

各省的《统计年鉴》、各年《中国卫生统计年鉴》、各年《广州统计年鉴》等。

第三类来源是各类机构的官方网站，包括中国互联网络信息中心（CNNIC）、通信管理局官网、国家统计局官网、各省统计局官网、广州统计局官网、各省人民政府网站、教育部官网、海珠区政府官网、国泰安官网等。第四类是由琶洲管委会提供的部分指标，主要包括琶洲政府机构微博关注度（F12）、琶洲政务微信公众号（抖音号）关注度（F13）等指标数据。

（二）数据预处理

1.数据起始点和频数的选取数据起始点的选取主要考虑两个方面的因素，一是整体上各指标数据的长短程度和获取难易程度；二是数字经济指数研究文献的时间起点，国际上数字经济指数的研究文献多从2014年开始，而国内文献则多从 2016 年开始。综合两个方面的因素，我们选取琶洲数字经济指数的起始年份为2015 年。关于琶洲数字经济指数频数的确定，由于指标体系中既有年度数据指标、也有季度和月度数据指标，考虑到指数的动态监测功能以及多数月度指标数据获取较难，我们最终选择指数的频数为季度。

2.缺失数据处理

对于缺失数据，一般采取趋势法和回归法相结合的方式进行

—16—补数。首先，绘制时间序列图，观察数据有无长期趋势和季节变化。其次，对于有季节波动的序列缺失，则按最近一年的同季度同比增长率补数；对于无季节波动的序列缺失，则采用拟合程度最好的回归方程补数；若拟合效果都很差，则采用移动平均方法进行补数。

3.数据频度转换

数据频度转换分为两种类型，一种是将高频数据转换为低频数据（即月度数据转化为季度数据）；另一种是将低频数据转换为高频数据（即年度数据转化为季度数据）。第一种转换相对简单，这里不做介绍。

第二种将低频数据转换为高频数据，本研究分为三种情况来进行处理。一是对于无相关序列的年度流量指标进行频数转换，这里采用频数转换的 Denton 方法，选取总和作为拆分依据。二是对于无相关序列的年度存量指标的频数转换，这里采用Denton方法，选择最后一个季度值作为拆分依据。三是对于有相关序列或者波动相似序列的年度指标，根据相关序列的季度增加值进行拆分。

4.异常数据处理

对于异常数据，通常采用两倍标准差法进行识别，具体异常值的插补则采用次大值法和近似替代法来进行处理。对于个别异常值的插补，我们通常采用该序列值的次大值进行替代插补。而对由于指标数据代表性欠缺[比如在传统企业数字化程度（E1）

— 17 —

的度量上，限于数据的可获得性，我们选取了来自国泰安的上市企业的研发投入比来代表该地区的某类行业的所有企业的研发投入比]引起的异常指标数据，我们选用相似程度最高的地区的相关指标数据来进行替代处理。四、指数计算方法

（一）无量纲化

在进行指数计算之前，对指标进行无量纲化是编制指数的重要前提。无量纲化的常用方法有概率单位法、线性插值法、百分位次法、指数法和秩次法等。我们在线性插值法的基础上，对改进的功效系数法进行二次修订，最终采用二次改进的功效系数法进行无量纲化。具体公式如下：min, max, min, ×100 100

ijt i t

ijt

i t i t X X

x

X X



 

 （1）min max min ×100 100

ijt ij

ijt

ij ij

x x

z

x x 

 

 （2）其中 Xijt表示原始指标的数据值，i，j，t 分别表示指标、地区和时间；xijt为表示空间维度无量纲化的指标数据值，zijt为表示最终经过空间和时间无量纲化的指标数据值。这种处理方法能够保证各 x 值的分布仍与原X 值的分布相同，不仅适用于呈正态分布的指标数据的无量纲化，也同样适用于呈非正态分布的指标数据的无量纲化。（二）权重确定

—18—这里采用主客观结合的组合赋权法。其中客观权重（ow）与各个指标的变异系数（CV）成正比计算得到。主观权重(sw)的确定分为两个步骤：一是一级指标权重的确定，该主观权重由相关领导和专家通过德尔菲法(Delphi)进行背靠背的打分来实现，具体结果见附件 2 附表 2 所示；二是二级和三级指标主观权重的确定，这两个层级的主观权重我们在参考文献的基础上，同时结合内部专家意见来进行确定。

最终组合权重（w）通过将客观权重和主观权重进行归一化处理得到。为了保证最终权重不受个别较大权重的影响，我们进行归一化处理时，没有采用常用的连乘方法，而是采用简单加权的方法，具体计算公式如下：

( ) / 2

( ) / 2

( ) / 2

( ) / 2

i

i

i

i i i

i

i

i i

i

i

i i

i

CV

swCV

ow sw

w

ow sw CV

swCV





 





（3）（三）指数计算

最后进行计算时，只需要将各层级无量纲化之后的指标值采用对应权重进行加权平均即可，具体计算公式如下：6

,1 ,2 ,3

1

{ [ ( )]} h hl hli i

h l i

PDEI w w w z

  （4）五、指数结果与基本结论

（一）指数结果

1.PDEI 总结果

— 19 —

全国、北京、上海、广东、浙江以及琶洲各自的数字经济指数 PDEI_CHINA，PDEI_BJ, PDEI_SH, PDEI_GD, PDEI_ZJ,PDEI_PZ从2015年第一季度到2022年第二季度的计算结果经过季节调整后，剔除掉不规则因素和季节因素之后的结果如下图1所示。0

200

400

600

800

1,000

1,200

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_TC

PDEI_BJ_TC

PDEI_SH_TC

PDEI_ZJ_TC

PDEI_GD_TC

PDEI_PZ_TC

图 1：季调后的各地区PDEI 序列图从上图中可以看出，第一，从各地区的比较来看，以全国的数字经济发展作为参照，北京 PDEI 整体水平最高，其次是上海，琶洲的 PDEI 水平居中，低于北京和上海，但高于广东和浙江。第二，从各地区的发展速度来看，2015 年至2018 年，各地的PDEI处于温和增长态势;但从 2019 年开始，各地区的PDEI的增速开始处于加速增长态势。这与 2019 年中央经济工作会议上首次明确提出要大力发展数字经济的政策形势相合。PDEI 的快速增长到 2021 年第三季度开始放缓，北京和上海尤为明显，这可能与持续的疫情影响有关。各地区的原序列图见附件3 中的附图1所

—20—示。

2.PDEI 各评价维度结果

第一，各地区的经济基础水平的评价结果经季调后如下图2所示。从图中可以看出，首先，各地区经济基础水平的排名以全国作为参照，上海最高、北京其次、琶洲总体上看略差于北京（但最近两年已经开始超过北京）排第三、广东和浙江排名靠后（总体上广东略高于浙江，但 2022 年上半年广东被浙江反超）。其次，从各地区经济基础水平的发展速度来看，上海和琶洲的增长趋势最为明显（但二者近期下降态势明显，特别是上海，受疫情影响，从 2021 年第三季度开始出现了较为明显的大幅下降）、北京受疫情影响在 2020 年有个较为明显的下降之后开始上升、广东和浙江的增速相对较慢但仍明显高于全国水平。PDEI一级指标 A 经济基础水平的原序列图见附件3 中的附图2 所示。0

200

400

600

800

1,000

1,200

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_A_TC

PDEI_BJ_A_TC

PDEI_SH_A_TC

PDEI_ZJ_A_TC

PDEI_GD_A_TC

PDEI_PZ_A_TC

图 2：PDEI 一级指标 A 经济基础水平季调后序列图

— 21 —

第二，各地区的数字基础设施水平的评价结果经季调后如下图 3 所示。从图中可以看出，首先，各地区数字基础设施的排名以全国作为参照，北京最高、上海其次、琶洲和广东近似为并列排第三，浙江靠后。其次，从各地区的发展速度来看，北京、上海、浙江、广东与琶洲均从 2019 年Q1 开始到2022年Q2处于快速增长态势，领先于全国的快速增长时间区段2020Q1至今，领先一年多时间。再次，对于上海的一级指标B 从2019年开始快速增长的原因是由于其中的二级指标B2（新型数字基础设施）中的三级指标 B23（每万人拥有规划5G 基站）在2019年开始有数据以来，相对于全国一直处于较高的水平。各地区PDEI一级指标 B（数字基础设施水平）的原序列图见附件3 中的附图3所示。

0

400

800

1,200

1,600

2,000

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_B_TC

PDEI_BJ_B_TC

PDEI_SH_B_TC

PDEI_ZJ_B_TC

PDEI_GD_B_TC

PDEI_PZ_B_TC

图 3：PDEI 一级指标 B 数字基础设施季调后序列图第三，各地区的科研创新水平的评价结果经季调后如下图4

—22—所示。从图中可以看出，首先，各地区科研创新水平的排名以全国作为参照，北京和琶洲的整体水平较高、广东和上海的整体水平接近，且均高于浙江。其次，从各地区科研创新发展速度来看，2019 年到 2021 年这三年均呈现较快的增长趋势；但从2022年上半年，各地区的科研创新增长都出现了放缓的趋势，这一方面跟持续的疫情影响有关，另一方面也可能跟季调数据的末端值容易受季节调整技术影响本身有关。各地区PDEI 一级指标C（科研创新水平）的原序列图见附件3 中的附图4 所示。0

100

200

300

400

500

600

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_C_TC

PDEI_BJ_C_TC

PDEI_SH_C_TC

PDEI_ZJ_C_TC

PDEI_GD_C_TC

PDEI_PZ_C_TC

图 4：PDEI 一级指标 C 科研创新水平季调后序列图第四，各地区的产业数字化水平的评价结果经季调后如下图 5 所示。从图中可以看出，首先，各地区产业数字化水平的排名以全国作为参照，琶洲最高、北京排第二、广东略低于北京排第三、上海第四、浙江靠后。其次，从产业数字化水平的发展速度来看，琶洲、广东、北京三者增速相当，都呈较快增长态势，

— 23 —

浙江增速排紧随其后，上海则显得增长缓慢。最后，从产业数字化水平最近四个季度的发展来看，除了琶洲之外，其他五个地区都呈现下降的趋势，其中北京、上海、浙江下降较为明显。各地区 PDEI 一级指标 D（产业数字化水平）的原序列图见附件3中的附图 5 所示。

0

100

200

300

400

500

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_D_TC

PDEI_BJ_D_TC

PDEI_SH_D_TC

PDEI_ZJ_D_TC

PDEI_GD_D_TC

PDEI_PZ_D_TC

图 5：PDEI 一级指标 D 产业数字化水平季调后序列图第五，各地区的企业数字化水平的评价结果经季调后如下图6 所示。从图中可以看出，首先，各地区企业数字化水平的排名以全国作为参照，北京最高、上海排第二，琶洲与广东数值近似排第三，浙江靠后。其次，从 2019 年-2021 年企业数字化水平的发展速度来看，上海增速最快，琶洲、北京和广东增速相对较快。最后，从企业数字化水平最近四个季度的数值来看，除了琶洲之外，其他几个地区都呈现较为明显的下降趋势。各地区PDEI一级指标 E（企业数字化水平）的原序列图见附件3 中的附图6

—24—所示。

这里对于琶洲在企业数字化水平上表现不如北京和上海，我们从测量技术上给出两点解释：一是企业数字化中传统企业数字化程度（E1）受到数据可获得性的限制，我们选取了四个传统行业中的上市公司研发投入平均水平作为衡量指标（即用上市公司研发投入总值除以上市公司数量），这种近似替代的做法可能使得 E1 无法得到准确测量；二是涉及到E1 的具体数据来源时，我们基于国泰安公布的数据来进行计算，国泰安的数据涉及到上市公司企业的代表性和广泛性可能存在不足，这会进一步使得E1测量的准确性下降；三是具体琶洲企业的数字化水平，受限于上市公司数据的限制，我们采用相关指标数据来替代琶洲地区的指标数据，这可能使得琶洲地区企业的数字化水平被低估。为了充分保证 PDEI 各个地区的可比性，我们没有单独对琶洲的此项数据进行替换处理，而是选择了琶洲具有特色的七个数字化行业中的代表性企业，基于这些企业提供的数据，编制了PDEI 的附加系列指数，即琶洲特色行业指数，算是对琶洲E1准确性不足的一个弥补。七个行业指数的详细介绍与相关分析见附件 4。

— 25 —

0

200

400

600

800

1,000

1,200

1,400

1,600

1,800

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_E_TC

PDEI_BJ_E_TC

PDEI_SH_E_TC

PDEI_ZJ_E_TC

PDEI_GD_E_TC

PDEI_PZ_E_TC

图 6：PDEI 一级指标 E 企业数字化水平季调后序列图第六，各地区的政府数字化治理的评价结果经季调后如下图7 所示。从图中可以看出，首先，从近三年的结果来看，各地区政府数字化治理水平的排名以全国作为参照，总体上看，上海与北京接近，排在前面，琶洲低于上海北京排第三、浙江与广东相对排靠后。其次，从政府数字化治理的发展速度来看，疫情之前各地区政府数字化治理发展速度整体上都较为缓慢；疫情之后，各地区政府数字化治理都得到快速发展。最后，这里需要特别提到的一个结果是，政府数字化治理的全国平均水平在疫情之前一直处于非常缓慢的增长态势，但新冠疫情却使得该项指标值增长迅速，从 2020 年 Q1 开始到 2021 年Q2，六个季度翻了3倍多。各地区 PDEI 一级指标 F（政府数字化治理水平）的原序列图见附件 3 中的附图 7 所示。

—26—0

200

400

600

800

1,000

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_F_TC

PDEI_BJ_F_TC

PDEI_SH_F_TC

PDEI_ZJ_F_TC

PDEI_GD_F_TC

PDEI_PZ_F_TC

图 7：PDEI 一级指标 F 政府数字化治理季调后序列图（二）基本结论

通过上面的结果展示和分析，我们可以得到如下几个基本结论：

第一，以全国的数字经济发展水平作为参照，在本次评估的样本地区内，北京的数字经济水平最高，其次是上海，琶洲排第三，高于广东和浙江。

第二，从数字经济发展趋势来看，疫情前各地区的数字经济发展整体上都相对比较缓慢，疫情后发展趋势呈明显加速态势，这与疫情因素和政策因素（2019 年中央经济工作会议上，中央首次明确提出要大力发展数字经济）的时间窗口高度吻合。第三，从经济基础水平来看，琶洲处于相对较高的水平，虽然落后于上海，但远高于广东和浙江，近两年已经超过北京。第四，从数字基础设施水平来看，北京与上海的基础设施建

— 27 —

设情况较为领先，琶洲虽高于浙江与广东平均水平，但仍有进一步提升空间。这也与目前琶洲正处于大规模基建期相符合。第五，从科研创新水平来看，北京最高，琶洲其次，上海广东较为接近。从 2020 年开始，受持续疫情影响，琶洲的科研创新水平增速虽然放缓但随着政策利好下高新技术企业的孵化和迁入，琶洲在此项指标上的优势预计将会得到巩固与提升。需要说明是，由于目前琶洲科研创新水平指标缺失，因此主要采用广州市的数据来替代，由于广州市的百万人专利数量、研发经费占GDP 比例都比较高，因此可能使得琶洲此项指标比其实际水平偏高。第六，从产业数字化水平来看，琶洲处于较高的水平，不仅高于北京，也高于广东、上海和浙江，而且远高于全国平均水平。在疫情持续影响下，其他地区 2022 年上半年都出现增长放缓或明显下降的态势，琶洲产业数字化水平受疫情影响较小，依然保持了较好的增长态势。

第七，从企业数字化水平来看，琶洲地区的企业数字化水平低于北京、上海，但高于浙江和全国平均水平。在疫情持续影响下，其他地区 2022 年上半年都出现增长放缓或明显下降的态势，琶洲企业数字化水平受疫情影响相对较小，总体上保持了增长的态势。

第八，从政府数字化治理发展来看，疫情明显加快了全国政府数字化治理平均水平的发展以及各地区政府数字化治理水平的发展。

—28—（三）说明与展望

本次发布的琶洲数字经济指数（2022）是首阶段（第二期）琶洲指数的探索性成果，由于琶洲试验区区域划分的特殊性（非完整封闭区域）以及相关统计数据与口径的缺失，琶洲指数编制工作小组在进行指标设计与数据采集上受到掣肘。因此，为了保证相关数据指标与全国平均水平以及国内其他先进地区数据的横向可比性，在部分目标数据获取存在困难时，部分琶洲相关数据采用海珠区或广州市数据进行替代，尽管已采取相应数据处理手段加以修正，但对指数整体的准确性和对琶洲优势的体现能力仍存在一定影响。

此外，由于本研究为区域概述性指数研究，所选取的数据指标均为各地公开可比的统计数据，需要兼顾不同地区的数字经济发展情况。因此，一些具有试验性与前沿性的数字经济产业实践、管理政策与特色数据，虽然也能在一定程度上反映其数字经济发展水平，但因为在其余地区缺乏同等可比的对象或数据，本研究也暂不将其计入在内。但随着这些前沿实践逐渐发挥作用，产生对数字经济的正向激励，其成果最终将会以带动基础统计数据增长的形式，反映在后续的指数采集周期中。随着更多数字经济领域企业进驻琶洲、数据采集样本量的不断丰富以及数据采集与处理体系的不断完善，今后的琶洲指数将会更为科学、覆盖面更广、更准确地反映琶洲试验区及其他地区的数字经济整体发展情况。

— 29 —

六、政策建议

基于前面的研究分析，我们这里给出如下几点政策建议：第一，在经济基础水平建设、科研创新能力、产业数字化等方面，建议琶洲继续加大政府扶持力度，加强政府引导，保持数字经济发展现有优势。经济建设上，建议扩大贸易水平，发展经济总量，提高人均 GDP 水平；科研创新上，建议进一步发挥企业总部的聚集效应，加大研发投入，促进企业发明专利的“质”、“量”双高发展；产业数字化方面，建议发挥现有产业布局的优势，加大对“智能”制造业、信息技术产业的政策扶持力度。第二，在数字基础设施建设方面，向上海看齐，深入实际，加大政府投入，补齐短板，做好数字经济发展的基础工作。建议进一步发挥作为省级人工智能产业园、国家新型工业化产业示范基地（大数据）、国家电子商务示范基地、省级高新技术产业开发区的优势，一方面加大对 5G 基站、绿色数据中心等基础硬件设施的建设，另一方面切实提高这些国家级和省级基地的软实力，使其在琶洲的数字化发展中发挥核心引领作用。第三，在政府数字化治理方面，加强与浙江、北京、上海等地区的交流，在继续保持优势的同时，做好政府新媒体、政务网上服务、政务数据服务、以及公共服务数字化等方面的工作。建议进一步发挥数字经济示范区的优势，加强政府扁平化建设与管理，加强政府与企业、政府与人才、政府与市场的互动机制研究，建立政府主导、多方主体参与的长效互动机制。

—30—附件 1：

指标体系V1.0-V7.0的演变说明基于现有文献资料并针对我们的研究对象，我们构建了琶洲数字经济指标体系 V1.0（具体见附表1）。附表 1： 琶洲数字经济指数（PDEI）指标体系V1.0 版本一级指

标（6 个）

二级指标

（19 个）

三级指标（62 个）基础设

施

(A)

[1][13][4][5]

[6][11][14][15]

[16][17][18]

传统数字基础

设施(A1)

[1][13]

4G 普及率(A11)

[1][14][15][16]

4G 平均下载速率(A12)

[1][13]

互联网宽带普及率(A13)

[1][5][10][13][14][15][16][17]

互联网宽带平均下载速率(A14)

[1][13][6][10][12][14][16]

人均拥有网页数量(A15)

[1][13][17]

人均拥有域名数量(A16)

[1][13]

新型数字基础

设施(A2)

[1][13]

每百万人拥有数据中心数量(A21)

[1][13][5]

5G 用户比例(A22)

[1][13]

规划 5G 基站密度(A23)

[1][11]

城市云中心数量(A24)

[5][16][20]

IPv6 比例(A25)

[1][13]

网络普及率

(A3)

[2][11][16]

移动电话普及率(A31)

[1][2][6][14][20][15]

互联网普及率(A32)

[1][2][6][11][14]

科研创

新(B)

创新能力

(B1)

[11][16][18]

每百万人专利申请数(B11)

[2]

人均拥有有效发明专利数(B12)

[11][14][18]

— 31 —

[12] [14] 创新投入

(B2)

[11][17][18]

数字经济核心产业 R&D 经费(B21)

[11][17][18]

研发经费支出占地区生产总比重(B22)

[2]

人力资源

(B3)

[2][18]

IT 从业人员数量占就业人口的比重(B31)

[10][11]

高技术产业 R&D 人员折合全时当量(B32)

[14][17]

大专及以上学历人口占劳动力人口的比重(B33)[2]

产业

数字化

(C)

[5][11][16][17]

[7]

农业数字化

(C1)

[1][13][17]

数字农业农村创新项目数量(C11)

[1]

农业数字经济占农业增加值比重(C12)

[8]

农产品网络零售额占农产品总交易额比重(C13)[8]

农村互联网普及率(C14)

[8]

制造业数字化

(C2)

制造业人均产值(C21)

制造业科研经费(C22)

工业产出平均能耗水平(C23)

[17]

新型产业数字

化(C3)

电子信息制造业总产值占比(C31)

[17][14][16]

软件和信息技术服务业总产值占比(C32)

[17][14][16]

互联网及相关服务业总产值占比(C33)

[17][14][16]

信息通信业总产值占比(C34)

[17][14][16]

数字普惠金融

(C4)

[11][19]

覆盖广度(C41)

[19]

使用深度(C42)

[19]

数字化程度(C43)

[19]

数字企

业

(D)

[9]

传统企业数字

化收益(D1)

农业相关企业数字化产值占比(D11)

传统制造业企业数字化产值占比(D12)

传统服务业企业数字化产值占比(D13)

—32—数字企业规模

(D2)

[1][5][13]

ICT 领域主板上市企业所得税占地区企业所得税的比例(D21)

[1][13]

互联网企业所得税占地区企业所得税的比例(D22)

[1][13]

独角兽企业数量(D23)

[1][6][13]

数字政

府

(E)

[1]13][2]

[3][10][11][16]

[17]

政府新媒体

(E1)

[1][13]

政府网站浏览量(E11)

政务机构微博关注度(E12)

[1][13]

政务抖音号关注度(E13)

[1][13]

政务网上服务

(E2)

[1][13]

政务服务线上办理率(E21)

[16][20]

服务事项覆盖度(E22)

[11]

政府网上政务服务在线办理成熟度(E23)

[1][13][11]

政府网上政务服务在线服务成效度(E24)

[1][13][11]

市民热线接入量(E25)

政务数据服务

(E3)

政务数据开放平台项目数量(E31)

[1][5][13][16]

政务数据平台建设资金投入(E32)

[1]

省级以上政务数据开放平台建设情况(E33)

[1][13]

公共服务数字

化(E4)

[1][13][7]

每万人拥有数字图书馆、博物馆数量(E41)

每万人拥有互联网医院数量(E42)

[1][13]

国家信息化教育示范区数量(E43)

[1][13]

智慧景区比例(E44)

[1][13]

数字

消费者

数字消费者特

征(F1)

15-64 岁占比(F11)

人均可支配收入(F12)

— 33 —

(F)

[6][14]

大专及以上人数占比(F13)

社交网络渗透

率(F2)

[6][14]

网民规模(F21)

线上支付渗透

率(F3)

[4][6][14]

网上零售总额占社会零售总额的比例(F31)

[6][15]

电子书总产值占文化、体育和娱乐业产值的比例(F32)

在线教育产值占教育行业产值的比例(F33)

说明：[1]-[19]分别为对应的参考文献标号。在体系 V1.0 中，我们选取了6 个一级指标，分别是：基础设施指标、科研创新、产业数字化、数字企业、数字政府、数字消费者。基础设施指标衡量地区的数字化基础设施水平，体现了地区的数字化信息的承载能力；科研创新指标反映社会对数字化的资本投入和劳动投入，体现地区的数字化发展潜能；产业数字化、数字企业、数字政府、数字消费者四个指标分别从产业、企业、政府和消费者四个维度衡量地区的数字化经济发展程度。在体系 V2.0 中，根据琶洲相关人员的建议，结合琶洲地区的实际情况，我们对体系进行了较大的调整，使指标体系更加适用于琶洲。

经济发展是数字经济发展的基础和前提，所以增加一级指标经济发展（A）。根据宏观经济理论，经济发展（A）由经济增长（A1）、产业结构（A2）和贸易开放水平（A3）三部分构成。在基础设施方面，由于用户已经趋于饱和，数据可能缺乏现实意义，

—34—删除了传统数字基础设施（B1）下的三级指标“4G 普及率”和“固定宽带用户占比”。此外，由于数据的不可获，删除新型数字基础设施（B2）下的三级指标“城市云中心数量”的同时，用“每百万人拥有绿色数据中心数量”这一指标替代原有的“每百万人拥有数据中心数量”。在科研创新方面，增加了创新能力（C1）下的三级指标“专利授权数”并对C11、C12、C13做了可比化处理。由于数据的不可获，删除了创新投入（C2）下的三级指标“数字经济核心产业 R&D 经费”以及人力资源（C3）下的三级指标“IT 从业人员数量占就业人口的比重”。在产业数字化方面，由于所研究省（直辖市）及琶洲地区的农业产值占比较小，本体系不再考虑 V1.0 中的二级指标“农业数字化”。由于部分省（直辖市）数据的不可获，体系V2.0 改制造业数字化为工业数字化，并调整工业数字化下的三级指标。此外，基于《国民经济行业分类》(GB/T 4754-2017)，体系V2.0 对新型产业数字化(D3)下的三级指标进行了调整。在数字企业方面，为了更直观地描述企业数字化的发展程度，体系 V2.0 将该一级指标更名为“企业数字化”。另一方面，因为没有相关数据可以支撑我们创新的理念，所以对传统企业数字化程度（E1）进行较大改动：我们选取主要行业，以其上市公司的营业收入占行业总产值的比重来衡量某行业企业数字化程度。由于数据不可获，将新兴企业数字规模（E2）中的三级指标“每百万人ICT（信息通信技术）领域主板上市企业数量”用相近指标“信息传输、软件和信息技术服务业

— 35 —

上市公司数量”来替代。数字政府方面，由《省级政府和重点城市网上政务服务能力（政务服务“好差评”）调查评估报告》（以下简称好差评报告）中的五个指标替代体系V1.0 中的二级指标，数据更易获取。琶洲地区人口密度较低，是高新产业聚集的中央商务区，消费并不是琶洲地区数字经济发展的主要途径，故删除数字消费者指标。

在体系 V3.0 中，基于数据的可获得性，我们对体系进行微调。基础设施指标中，互联网普及率（B32）的定义为网民规模与常住人口数的比值，但网民是指6 岁以上的上网群体，为了使指标更加可比，我们构造了新的互联网普及率，即互联网普及率=网民规模/15 岁以上常住人口数。在科研创新方面，由于数据的不可获，删除了创新能力（C1）下的三级指标“人均拥有有效发明专利数”。在产业数字化方面，为更加全面地体现工业数字化（D1），增加了工业数字化（D1）下的三级指标“规上工业每百万人拥有有效发明专利数”并对其做了可比化处理。由于数据的不可获，将体系 V2.0 下的 D32、D33、D34 归为一类，即信息传输、软件和信息技术服务业总产值占比。在企业数字化方面，根据行业划分，将原有的“餐饮、住宿、批发零售企业数字化产值占比”拆分成“餐饮、住宿企业数字化产值占比”和“批发零售企业数字化产值占比”。考虑到琶洲地区的农业和采矿业产值占比较小，删除了“农林牧渔企业数字化产值占比”和“采矿业企业数字化产值占比”。数字政府方面，由于对《好差评报告》

—36—的指标体系存在不足，故重新选用体系V1.0 的二三级指标，同时去除含义抽象的指标：政府网上政务服务在线办理成熟度、政府网上政务服务在线服务成效度和省级以上政务数据开放平台建设情况；文旅部规定 5A 级景区全部建成智慧景区，则各地区智慧景区指标完全依靠 5A 级景区，与数字化无关，舍去指标“智慧景区比例”。

在体系 V4.0 中，依据数字政府实际数据获得情况，对数字政府指标进行微调。为使得各地区数据均可获得，以政府服务平台评论量(F21)替换体系 V3.0 中的三级指标，去除政务数据平台建设资金投入(F32)、每万人拥有数字图书馆、博物馆数量(F41)两个指标。互联网医院并没有明确定义及官方网站未公布数据，同时考虑三甲医院的数字化普遍较好，故用三甲医院数量替代互联网医院数量。

在体系 V5.0 中，将基础设施指标（B1）更名为数字基础设施指标（B1），又因为宽带发展联盟自2019 年第3 季度不再发布“4G 平均下载速率”和“固定宽带平均下载速率”的数据，后续数据无法及时跟踪，因此删除传统数字基础设施（B1）中的这两个指标。而在企业数字化方面，计算某行业企业数字化产值占比时数据出现异常极端情况，因此用某行业上市公司平均研发加以代替。数字政府方面，由于琶洲地区未建立官方抖音号，政务抖音号关注度（F13）由政务微信公众号关注度替代（由于微信公众号数据只有经营者可见，其他地区省份的数据仍用抖音号

— 37 —

数据）。在政务网上服务（F2）中，增加市民热线（信件）办结率，用以衡量政府网上服务的办事效率。在体系 V6.0 中，对指标名称进一步更改与修正。在经济发展中，将一级指标名称改为“经济基础水平”。由于人均地区生产总值和地均地区生产总值重复，删除地均地区生产总值，增加居民人均消费性支出，并将 A1 改名为“经济平均发展水平”；产业结构（A2）中，第三产业的比例是最为重要的，是衡量经济发展水平的主要指标，第一产业比例和第二产业比例无法判断正逆指标，故删除第一、二产业比例，并将“产业结构”更改为“经济结构水平”。

在体系 V7.0 中，我们对指标进行最终梳理，对不可比的总量数据进行可比处理，采用人均指标替代总量指标。由于餐饮住宿行业上市公司只有六家，浙江无上市公司，删除餐饮、住宿企业上市公司平均研发投入（E11)；同时考虑到表达的准确性，我们将对外依存度（A33）改为进出口占比（A33）。这里需要补充说明的是：（1）从发达经济体的历史发展规律来看，三产比例的较高是发达经济体的一个基本规律，因此用三产占比作为评价指标具有一定的通用性和代表性。（2）C11和C31指标的设定，考虑了数据的可获得性，因此没有做修改。（3）D2没有与D并列。我们前后经过了7个版本的讨论，其中一级指标的设定，借鉴了其他研究成果，同时也主要考虑了数字化的主体分为产业、企业、政府、基础设施等维度。

—38—附件 2：

PDEI 领导专家德尔菲法(Delphi)打分结果附表 2：PDEI 六个一级指标主观权重确定结果一级指标 权重 一级指标 权重经济基础水平(A)(各省) 16.09% 经济基础水平(A)（琶洲）16.79%数字基础设施(B)(各省) 16.72% 数字基础设施(B)（琶洲）15.67%科研创新(C)(各省) 17.50% 科研创新(C)（琶洲）15.30%产业数字化(D)(各省) 16.41% 产业数字化(D)（琶洲）17.54%企业数字化（E）(各省) 16.56% 企业数字化（E）（琶洲）18.10%数字政府(F)(各省) 16.72% 数字政府(F)（琶洲）16.60%

— 39 —

附件 3：原序列图

0

200

400

600

800

1,000

1,200

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA

PDEI_BJ

PDEI_SH

PDEI_ZJ

PDEI_GD

PDEI_PZ

附图 1：各地区PDEI 原序列图附图 2：PDEI 一级指标 A（经济基础水平）原序列图0

200

400

600

800

1,000

1,200

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_A

PDEI_BJ_A

PDEI_SH_A

PDEI_ZJ_A

PDEI_GD_A

PDEI_PZ_A

—40—0

400

800

1,200

1,600

2,000

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_B

PDEI_BJ_B

PDEI_SH_B

PDEI_ZJ_B

PDEI_GD_B

PDEI_PZ_B

附图 3：PDEI 一级指标 B（数字基础设施）原序列图0

100

200

300

400

500

600

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_C

PDEI_BJ_C

PDEI_SH_C

PDEI_ZJ_C

PDEI_GD_C

PDEI_PZ_C

附图4：PDEI一级指标C（科研创新水平）原序列图

— 41 —

0

100

200

300

400

500

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_D

PDEI_BJ_D

PDEI_SH_D

PDEI_ZJ_D

PDEI_GD_D

PDEI_PZ_D

附图 5：PDEI 一级指标 D（产业数字化水平）原序列图0

400

800

1,200

1,600

2,000

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_E

PDEI_BJ_E

PDEI_SH_E

PDEI_ZJ_E

PDEI_GD_E

PDEI_PZ_E

附图 6：PDEI 一级指标 E（企业数字化水平）原序列图

—42—0

200

400

600

800

1,000

2015 2016 2017 2018 2019 2020 2021 2022

PDEI_CHINA_F

PDEI_BJ_F

PDEI_SH_F

PDEI_ZJ_F

PDEI_GD_F

PDEI_PZ_F

附图 7：PDEI 一级指标 F（政府数字化治理）原序列图

— 43 —

附件 4：

七类琶洲特色行业指数介绍与相关分析一、琶洲·唯品会特卖指数（一）琶洲·唯品会特卖指数简介疫情冲击加速行业优胜劣汰，以牺牲利润换取现金流的模式难以为继，迫使企业寻求转型升级。目前，消费市场已经呈现出分化导向，存在着明显偏爱性价比趋势，注重性价比、关注产品本身价值、消费相对趋于理性的人群在扩大，品牌特卖模式也已日渐深入人心。

唯品会就是“品牌特卖”模式的代表之一。唯品会成立于2008年，新全球总部坐落于琶洲鼎新路，是琶洲数字经济的重要企业之一。“品牌特卖”是唯品会长期专注的领域，作为全国领先折扣零售商，唯品会积极赋能品牌销售渠道建设，提升商品流通效率，同时利用平台优势，通过流量倾斜、提供高曝光的站内运营资源位等形式，实现商品快速流转，提升品牌货品的销售效率；另一方面，围绕用户个性化、多元化的购物需求精细运作。根据唯品会财报，截至 2021 年底，唯品会全年活跃用户数较2020年同比增长 12%，达 9390 万；GMV 同比增长16%，达1915亿元。核心 SVIP 活跃用户数同比增长 50%，其线上净交易额占比达36%。2021 年，唯品会重点强化品牌特卖的定位和价值，巩固核心竞

—44—争力，公司整体业务实现稳健增长。受益于用户和ARPU(每用户平均收入)的稳步增长，全年收入同比增长15%，达1171亿元；Non-GAAP 净利润超过 60 亿元。“琶洲·唯品会特卖指数” 便是在唯品会支持下，助琶洲智库编制的行业指数。该指数综合考虑了唯品会作为行业代表的特卖营业收入及其订单数量等重要指标，同时结合特卖商品的价格分布、区域分布、受众群体用户画像与消费特征等相关数据，旨在反映全国“特卖”领域乃至全领域电商消费发展趋势与特征。（二）指数结果与基本结论我们采用定基指数法，对琶洲·唯品会特卖指数进行了计算，结果如下图所示。其中蓝色线条表示的是计算得到的特卖指数，橙色线条表示的是特卖指数的 TC 序列值，表示特卖指数的循环和趋势的发展变化，另外一条线为特卖指数的线性趋势线。

— 45 —

附图 1：琶洲·唯品会特卖指数序列图从指数结果来看，可以得出以下两点基本结论：第一，整体上，琶洲·唯品会特卖指数呈现波动上升态势（线性趋势线增长明显），季节性较为明显。第二，从特卖指数的循环趋势发展变化来看，整体上特卖指数呈现一定的波动上扬态势。（三）指数价值及趋势分析当前，中国经济已转向高质量发展，电子商务行业也同样如此。据eMarKeter数据显示，2021年全球网络零售交易总额为4.938万亿美元，其中中国市场占比51.9%，达到2.56万亿美元。商务部发布的《中国电子商务报告（2021）》显示，2021年我国网上

—46—零售额达13.09万亿元，实物商品的网上零售额更是高达10.8万亿元，占社会消费品零售总额的24.5%。值得注意的是，疫情的爆发给全球产业链带来了冲击，与此同时海外国家法规政策监管及税收政策的调整，由此也为国内特卖行业带来了发展机遇。结合“琶洲·唯品会特卖指数”来看，消费者对特卖产品的喜爱度在逐渐上升，充分体现了中国消费者正逐渐成熟、理性，特别是庞大的中产收入人群。与此同时，我国的供应链体系应对消费者消费习惯变化及时做出调整，通过高性价比、高质量、供给充足的商品供应满足消费需求，拉动经济增长。事实上，在消费升级的趋势下，特卖电商平台如何利用自身优势，不断提升专业化、差异化水平，打造个性化商品和服务已经成为行业突围的关键。

以唯品会为例，其战略性聚焦核心品牌和高价值客户，提升业务协同水平，重点强化作为领先的品牌折扣零售商的定位和价值。这也使得唯品会在疫情冲击下在2022年第三季度实现净营收216亿元；Non-GAAP净利润16亿元，同比增长55%。可以预见的是，随着消费习惯养成，品牌特卖模式或许也将更加深入人心。好货策略不断推进，用户粘性不断加深，特卖电商平台依旧可以在市场中实现高质量、可持续的长期增长。二、琶洲·树根互联工程机械指数（一）琶洲·树根互联工程机械指数简介近年来，快速变化的外部环境和严峻的抗疫态势考验着中国

— 47 —

经济的韧性，进一步发挥数据资源利用能力，提升生产效率成为发展的迫切需求。在此过程中诞生了一批联通上下游数据资源，搭建数据开发利用与流通平台，赋能产业链转型升级的数字产业化企业。

坐落于琶洲的树根互联便是其中的典型代表。作为一家工业互联网企业，树根互联将新一代信息技术与制造业深度融合，打造了自主可控的以工业互联网操作系统为核心的根云平台。通过跨行业、跨领域的根云工业互联平台，为装备制造、钢铁冶金、汽车整车及零配件、电气等众多行业领域的工业企业提供数字化转型服务，并连续 4 年入选工信部“跨行业跨领域工业互联网平台清单”。琶洲·树根互联工程机械指数基于树根互联根云平台运行，由树根互联协助琶洲智库指数编制小组研究完成。该指数综合考虑了接入平台的泵车、车载泵、堆高机、搅拌车、履带式起重机、汽车起重机、水泥搅拌站、摊铺机、拖泵、挖掘机、压路机、正面吊共计 12 项设备的平均工作量等指标数据，旨在反映全国各地基建投资、固定资产投资等火热程度。（二）指数结果与基本结论我们采用定基指数法，选择以2020 年为基期，以树根互联提供的 12 类工程机械的每月的平均工作量和开工率为基础数据，对琶洲·树根互联工程机械指数进行了计算，结果如下图所示。其中蓝色线条表示的是计算得到的树根互联工程机械指数，橙色线条表示的是树根互联工程机械指数的TC序列值，表示特