The impact of the digital economy on the structure of industrial agglomerations: data from 31 administrative regions of China

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The problems of industrial agglomerations have been widely studied due to its important role in regional economic development. However, in the era of digital economy, due to its characteristic of ignoring geographical and spatial limitations, this phenomenon fundamentally challenges the traditional industrial agglomeration model. The relevance of this study is determined by the lack of research on the impact of the digital economy on the agglomeration of traditional manufacturing industries, especially in terms of regional heterogeneity and mechanism. Based on panel data of 31 provincial administrative regions in China from 2012 to 2022, this study uses an empirical model to analyze the impact of the digital economy on the level of industrial agglomeration in various provinces in China and deeply explores its mechanism and regional heterogeneity. The research results show that the development of the digital economy has significantly inhibited the agglomeration of traditional industries. Further, this inhibitory effect is weakened in regions with higher levels of economic development. As a key interaction term, the per capita GDP level directly affects the impact of the digital economy on industrial agglomeration. Further mechanism test results confirm that the digital economy can jointly affect industrial agglomeration through direct and indirect paths. As a key mediating variable, the digital economy can weaken industrial agglomeration through the “deindustrialization” path.

Авторлар туралы

Baiming Jin

RUDN University

Email: 1042238023@pfur.ru
ORCID iD: 0009-0001-0680-139X

postgraduate student of the Department of National Economics, Faculty of Economics

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Robert Voskerichyan

RUDN University

Хат алмасуға жауапты Автор.
Email: voskerichyanro@rudn.ru
ORCID iD: 0000-0002-5776-3696
SPIN-код: 2730-1634

Candidate of Science (In Economics), associate professor of the Department of National Economics, Faculty of Economics

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Әдебиет тізімі

  1. Audretsch, D.B., & Feldman, M.P. (1996). R&D spillovers and the geography of innovation and production. The American economic review, 86(3), 630–640. https://www.jstor.org/stable/2118216 EDN: HEMGYV
  2. Babkin, A., Tashenova, L., Smirnova, O., & Burkaltseva, D. (2020). Analyzing the trends in the digital economy and the factors of industrial clustering. In Proceedings of the 2nd International Scientific Conference on Innovations in Digital Economy (pp. 1–10) https://doi.org/10.1145/3444465.3444516 EDN: MLJWIY
  3. Bresnahan, T., Gambardella, A., & Saxenian, A. (2001). ‘Old economy’inputs for ‘new economy’outcomes: Cluster formation in the new Silicon Valleys. Industrial and corporate change, 10(4), 835–860. https://doi.org/10.1093/icc/10.4.835
  4. Brynjolfsson, E., Horton, J.J., Ozimek, A., Rock, D., Sharma, G., & TuYe, H.Y. (2020). COVID-19 and remote work: An early look at US data (No. w27344). National Bureau of Economic Research. https://www.nber.org/papers/w27344 EDN: FNUQPD
  5. Brynjolfsson, E., & Smith, M.D. (2000). Frictionless commerce? A comparison of Internet and conventional retailers. Management science, 46(4), 563–585. https://doi.org/10.1287/mnsc.46.4.563.12061
  6. Chang, K., Zhang, H., & Li, B. (2024). The impact of digital economy and industrial agglomeration on the changes of industrial structure in the Yangtze river Delta. Journal of the Knowledge Economy, 15(2), 9207–9227. https://doi.org/10.1007/s13132-023-01448-w
  7. Charykova, O.G., & Markova, E.S. (2019). Regional clustering in the digital economy. Economy of Regions, (2), 409. (In Russ.). https://doi 10.17059/2019-2-8 EDN: IRTYIJ
  8. Chen, K., Guo, F., & Xu, S. (2022). The impact of digital economy agglomeration on regional green total factor productivity disparity: Evidence from 285 cities in China. Sustainability, 14(22), 14676. https://doi.org/10.3390/su142214676 EDN: YYPAFS
  9. Delgado, M., Porter, M.E., & Stern, S. (2014). Clusters, convergence, and economic performance. Research policy, 43(10), 1785–1799. https://doi.org/10.1016/j.respol.2014.05.007
  10. Fang, G.G., Qalati, S.A., Ostic, D., Shah, S.M.M., & Mirani, M.A. (2022). Effects of entrepreneurial orientation, social media, and innovation capabilities on SME performance in emerging countries: a mediated-moderated model. Technology analysis & strategic management, 34(11), 1326–1338. https://doi.org/10.1080/09537325.2021.1957816 EDN: TNNSQJ
  11. Fernandez-Escobedo, R., & Cuevas-Vargas, H. (2023). The Digital Industrial Cluster (DIC) in a post-pandemic era: Exploring its theoretical deployment and potential benefits. Procedia Computer Science, 221, 1131–1138. https://doi.org/10.1016/j.procs.2023.08.098 EDN: LIZYUA
  12. Forman, C. (2005). The corporate digital divide: Determinants of Internet adoption. Management Science, 51(4), 641–654. https://doi.org/10.1287/mnsc.1040.0343
  13. Forman, C., Goldfarb, A., & Greenstein, S. (2012). The Internet and local wages: A puzzle. American Economic Review, 102(1), 556–575. https://doi.org/ 10.1257/aer.102.1.556
  14. Goldfarb, A., & Tucker, C. (2019). Digital economics. Journal of economic literature, 57(1), 3–43. https://doi.org/ 10.1257/jel.20171452
  15. Gereffi, G., Humphrey, J., & Sturgeon, T. (2005). The governance of global value chains. Review of international political economy, 12(1), 78–104. https://doi.org/10.1080/09692290500049805
  16. Krugman, P. (1992). Geography and trade. MIT press.
  17. Li, G., Zhu, T., & Sun, Yu. (2024). Research on China’s economic regionalization adjustment under the construction of high-quality regional spatial pattern. Geographical Science, 44(1), 20–29. (In Chinese). https://cstj.cqvip.com/Qikan/Article/Detail?id=7111579700
  18. Liu, J., Yang, Y., & Zhang, S. (2020). Research on the measurement and driving factors of China’s digital economy. Shanghai Economic Research, (6), 81–96. (In Chinese).http://61.187.87.56:81/article /detail.aspx?id=7102250635
  19. Marshall, A. (1890). Principles of economics. London: Mac-Millan, 1–627.
  20. Malone, T.W., Yates, J., & Benjamin, R.I. (1987). Electronic markets and electronic hierarchies. Communications of the ACM, 30(6), 484–497. https://dl.acm.org/doi/pdf/10.1145/214762.214766
  21. Peng, H., Lu, Y., & Wang, Q. (2023). How does heterogeneous industrial agglomeration affect the total factor energy efficiency of China’s digital economy. Energy, 268, 126654. https://doi.org/10.1016/j.energy.2023.126654 EDN: ZLEHSQ
  22. Porter, M.E. (1998). Clusters and the new economics of competition (Vol. 76, No. 6, pp. 77–90). Boston: Harvard Business Review. https://biblioteca.fundacionicbc.edu.ar/images/d/de/Clusters_1.pdf EDN: CWRIOL
  23. Rochet, J.C., & Tirole, J. (2003). Platform competition in two-sided markets. Journal of the European economic association, 1(4), 990–1029. https://doi.org/10.1162/154247603322493212
  24. Rogers, E.M., Singhal, A., & Quinlan, M.M. (2014). Diffusion of innovations. In An integrated approach to communication theory and research, 432–448. Routledge. https://teddykw2.wordpress.com/wp-content/uploads/2012/07/everett-m-rogers-diffusion-of-innovations.pdf
  25. Storper, M., & Venables, A.J. (2004). Buzz: face-to-face contact and the urban economy. Journal of economic geography, 4(4), 351–370. https://doi.org/10.1093/jnlecg/lbh027 EDN: ISSJCJ
  26. Wang, M., Zhang, M., Chen, H., & Yu, D. (2023). How does digital economy promote the geographical agglomeration of manufacturing industry? Sustainability, 15(2), 1727. https://doi.org/10.3390/su15021727 EDN: VYFCUJ
  27. Weber, F.L. (1909). Über Sinnesorgane des Genus Cardium. Arbeiten aus der Zoologischen Instituten der Universität Wien unter derr Zoologische Station in Trieste, 17, 187–220.
  28. Zeng, G., Wu, M., & Yuan, X. (2024). Digital economy and industrial agglomeration. Economic Analysis and Policy, 84, 475–498. https://doi.org/10.1016/j.eap.2024.09.006 EDN: MTLDPW
  29. Zhao, T., Zhang, Zh., & Liang, S. (2020). Digital economy, entrepreneurial activity and high-quality development: empirical evidence from Chinese cities. Management World, 36(10), 65–76. (In Chinese). https://d.wanfangdata.com.cn/periodical/glsj202010006
  30. Zhao, X., & Weng, Z. (2024). Digital dividend or divide: The digital economy and urban entrepreneurial activity. Socio-Economic Planning Sciences, 93, 101857. https://doi.org/10.1016/j.seps.2024.101857 EDN: BXFHLP

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».