二、互联网发展水平测度

（一）指标选取

为了客观反映互联网相关产业的发展状况，需要从多个角度进行分析，如互联网基础设施、互联网产业供给、互联网需求、互联网用户、网络信息资源、基于网络的产业发展等等不同方面，基于数据可获得性的限制，选取了9个指标来衡量上述几个方面的发展状况。相关指标如表格2－1所示。

表格2－1中的指标中万维网网站数、互联网用户普及率、网页数、页面总字节数、一周以内网页更新占比几个指标的原始数据均来源于中国互联网信息中心每年发布的《中国互联网络发展状况统计报告》。中国互联网信息中心从1997年起，每年两次对中国的互联网发展状况进行统计，并发布相关统计报告。最早期的分省数据主要是分省互联网用户数分布情况，从1999年7月起开始公布分省的域名数 ，2000年1月起开始公布分省WWW站点数，2004年1月起开始公布分省互联网用户数和互联网用户渗透率，2006年1月开始公布分省IPv4地址数，2007年1月开始公布分省网页数和网页字节数相关数据。表格2－1中其他指标的数据来源于中经网数据库。为了较为客观地反映互联网的发展状况，所采用的指标不能太少，因而本部分数据起止时间为2006年—2014年共计9年的数据，同时由于西藏数据缺失，考虑到数据的可得性和可比性，因而涉及的地区为中国除了西藏、港澳台的30个省级行政区。

表格2－1中9个指标从不同角度反映了互联网发展的不同方面，为了综合测度各个地区的互联网发展水平，需要对上述9个指标进行加权处理。现有加权方法分为两类，一类是以德尔菲法为代表的主观加权法，另一类是以熵值法、主成分分析等为代表的客观加权法。客观加权法确定各个指标权重时，根据各个指标自身的客观变动特征确定各个指标的权重，不容易受到人的主观因素的影响。本部分采用熵值法对上述指标进行加权。

（二）熵值法原理

熵是信息论中的概念，代表了不确定性的大小。如果一个指标变动程度较大，意味着其所代表的现象存在较大的不确定性，因而在客观综合评价中其所占的比重就会越高，反之如果变动程度越小，那么比重越大。极端情况下，一个变量如果是常数，没有变动，那么认为该变量在综合评价中就所占的比重就是0。

令 n × m维数据矩阵A为：

其中 X _ij 为第 i 个地区第 j 个指标所对应的数值，为了计算每个指标在综合评价中所占的比重，首先对每个指标的熵值进行计算，令：

其中 P _ij 代表了在第 j 个指标中第 i 个样本所占的比重，显然有 ，则第 j 个指标的熵值为：

其中，由于 ，导致 ，因而人为添加负号将信息熵 e _j 调整为非负的数值，这样根据公式可知 ，且如果指标变动程度越大，此时 e _j 就越大。根据每个指标所计算出的信息熵，计算每个指标所占比重：

根据计算出的各个指标的比重，就可以对所有指标进行加权，得到：

S _i 即为经过对所有指标加权后的第i个样本的综合评价。由于权重计算依赖于各个指标的变动程度，因而基于这种方法的加权方法较为客观。

（三）计算结果

由于本部分中数据为面板数据，为了便于在不同年份之间进行比较，因而将同一指标不同年份和地区的数据进行混合，表格2－2报告了各指标的权重：

表格2－2中可知，人均网页数字节数在整体各指标中占比最大，移动电话普及率占比最小。基于该加权指标，对各个指标进行加权，表格2－3报告了经过加权后各个地区在不同年份的互联网发展水平综合得分。

（四）结果分析

1.地区互联网水平排名

图表2－1和图表2－2分别是2014年和2006年全国互联网发展水平的排序图，从图中可以发现，样本期排名靠前的省级行政区基本以东部沿海发达省份和直辖市为主，样本期排名靠后的地区基本上以中西部欠发达省份以及东北地区的黑龙江为主。以2014年为例，水平最高的北京得分为0. 1026，最低的青海仅为0. 0007，地区间发展水平差距巨大。结合表格13各个省份互联网发展水平综合得分中的数据，发现2009年之前排名前三的地区都是北京、上海和天津三个直辖市，从2009年起到2014年，浙江省超过天津，前三名的地区变为北京、上海和浙江。

2.地区间互联网发展差距

2006年前三名北京、上海、天津的互联网发展水平综合得分和为0. 01，最后三名青海、甘肃、贵州三省的得分和为0. 0008，前三名是为后三名的12. 5倍，而到了2014年，前三名北京、上海、浙江的发展水平得分和为0. 1568，后三名依然为贵州、青海和甘肃，互联网发展水平得分和为0. 0022，前三名的得分为后三名的71倍。从前三对后三名互联网发展水平得分的倍数来看，中国互联网发展的地区间的差距在样本期是不断加大的，地区间的“数字鸿沟”呈现加大趋势。为此需要进一步验证中国互联网区域发展的收敛性。 7zSBwmqJ0gsErZtVR03QAxvVj3/Pa1vfIsRsD3QqciTF5N0hPn+nmwyuQDH/EURM