国家大数据综合试验区对数字经济的影响研究
——基于双重差分的实证分析

黄景贵，刘响俊，李东敖

（海南大学 经济学院，海口 570228）

一、引言

当前，新一轮产业变革和科技革命日新月异。全球数字经济迅猛发展，影响程度深、覆盖范围广，正推动生产方式、生活方式和治理方式的深刻改变，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。2023 年5 月23 日，根据国家网信办发布的《数字中国发展报告》（2022）数据显示，2022 年我国数字经济规模已突破50.2 万亿元，占GDP 比重上升至41.5%，总量稳居世界第二。该报告还显示，截止2022 年底，我国累计开通5G 基站231.2 万个，5G 用户达5.61 亿户，IPv6 活跃用户数超7 亿户，全国网上零售额高达13.79 万亿元，而大数据产业规模也达到了1.57 万亿元。从上述数据中可以看出，数字基础设施规模能级得到大幅度提升后将会促进与数字相关产业的蓬勃发展，成为推动经济增长的重要引擎。2015 年9 月，贵州省启动首个国家级大数据综合试验区的建设。2016 年，第二批大数据试验区建设名单公布，其中包括北京、天津、河北、内蒙古、沈阳、河南、上海、重庆和广东。大数据试验区主要围绕数据资源管理与共享开放、数据中心整合、数据资源应用、数据要素流通、大数据产业集聚、大数据国际合作、大数据制度创新等七大主要任务开展系统性试验，通过不断总结可借鉴、可复制、可推广的实践经验，最终形成试验区的辐射带动和示范引领效应。那么，国家大数据综合试验区能够推动数字经济发展吗？如果能，大数据试验区影响数字经济的机制是什么？大数据试验区对周围地区的数字经济会具有辐射带动作用吗？

与本文密切相关的文献有两个方面。一是与大数据试验区相关的文献。学者们主要从创新创业、经济增长、环境质量角度进行了相关研究。在创新创业方面，通过推动产业结构升级和优化要素配置效率，大数据综合试验区能够显著促进城市创新水平[1]。大数据试验区也可以通过促增外商直接投资和改善营商环境增强城市创业活跃度[2]。在经济增长方面，通过纯技术进步，大数据试验区的设立有助于提升区域全要素生产率[3]，进而实现经济的高质量增长[4]。在环境质量方面，通过机器人应用和产业结构升级，大数据综合试验区可以有效起到减轻雾霾和降低碳排放的效果[5]，从而改善城市空气质量[6]。实际上，大数据试验区也可以降低能源消耗强度并促进绿色技术创新，进而实现城市产业生态化转型[7]。二是与数字经济相关的文献。很多学者从经济发展效应和资源配置效应两个方面着手研究。在经济发展效应方面，研究发现，在产业数字化和数字产业化的作用下，数字经济与实体经济的融合更加紧密，推动了实体经济发展[8]。此外，数字经济在提高创新水平、扩大市场潜力和产业结构升级等方面具有促进作用，这有助于推动绿色发展[9]和经济高质量发展[10-12]。资源配置方面主要体现在对居民和企业等微观主体的影响上。首先，数字经济通过参与并改善收入分配关系使收入分配更加均衡，从而推动实现共同富裕[13]；而居民收入的提升会增加居民消费意愿，促进消费结构升级[14]。其次，数字经济发展对市场和资源的整合促进了要素流动，减少了要素错配，这对提高企业创新绩效和全要素生产率具有积极作用[15-16]。但也有学者认为数字经济发展过程中可能存在“数字鸿沟”，导致城乡收入差距扩大[17]，阻碍部分企业创新[18]。

综上可以看出，学者们对大数据试验区的研究主要集中于创新创业、经济增长和环境质量等方面，而对数字经济的研究则主要集中于数字经济的经济增长效应和资源配置效应，但忽视了对数字经济影响深远的数字基础设施水平。事实上，数字经济是以数据为关键要素、数字平台为载体，依托数字和智能化技术，在物理和数字空间都创造价值的新型经济形态[19]。而大数据试验区的设立有助于推动数据要素的整合、流通、运用和共享，这将为数字经济的长远发展奠定坚实基础。可见，研究大数据试验区对数字经济具有重要的实际意义，事关我国未来经济走势。

本文主要的边际贡献在于：第一，当前关于大数据试验区的文献还相对较少，已有的文献主要关注其对绿色技术创新、经济高质量发展、节能减排等方面的影响，而关于大数据试验区怎样影响数字经济的文献少之又少。本文主要探讨国家数据综合试验区对数字经济的影响，这不同于以往的文献研究，一定程度上丰富了现有文献。第二，大数据的传播不受空间分布和地理距离的影响，能够有效地推动省际间要素的流动，对周围地区起到一定的辐射带动效果。因此，本文采用双重差分空间计量模型验证大数据试验区对周围地区的辐射带动作用。

二、理论分析与假设提出

（一）大数据试验区对数字经济发展影响的理论分析

大数据试验区的设立显著地促进了数据资源的应用和开放共享，也加快了生产要素的数字化进程。随着生产要素数字化的不断完善，企业可以高效率地完成关于产品、用户体验、服务和其他资源的沟通[20]，从而提高数字贸易的效率。通过大数据对外部市场和产品信息的准确识别和筛选，企业能够有效地优化产品和预测需求，精准快速地响应客户需求[21]。精确的个性化服务有利于企业由以往的单方向供给输出转变为商品供需双向沟通互动，也利于数字贸易份额增加。在这一过程中，数字技术得到了广泛应用和快速发展，而由数字技术衍生出的数字经济也将不断发展壮大，触及更多的经济部门。改善公共服务效率、降低区域制度性成本和企业运营成本是大数据试验区优化营商环境的重要功能之一[22]。而因此带来的产业集聚效应则会增加FDI 额度和改进FDI 质量[23]。营商环境改善和产业集聚效应可以为数字经济相关企业的创新提供良好的发展环境和条件，也有助于培育和发展大数据相关产业，包括大数据分析、人工智能、云计算、物联网等领域的企业和创新机构。通过引进和孵化优秀的企业和项目，有利于推动数字经济的发展。研究表明，在贵州被列为大数据试验区试点后，英特尔、微软、高通、苹果、甲骨文、戴尔、惠普等企业齐聚于贵州。而在此期间（2015—2017 年），贵州省电子信息制造业增加值、网络零售交易额和软件业务收入分别增长了78.9%、38.2 和35.9%[3]。不难看出，设立大数据国家试验区能够有效地完善数字技术，推动数字贸易发展，优化数字基础设施，引进和培育与数字经济相关的企业及项目来促进数字经济发展。鉴于此，提出假设1：

H1:大数据试验区的设立能够显著推动数字经济发展。

（二）大数据试验区对数字经济的空间溢出效应

已有的文献表明，大数据试验区对邻近区域的经济增长[4]、知识与信息技术跨区域转移[24]、要素流动[25]都发挥着积极的空间溢出效应。那么，大数据综合试验区是否会对周围区域的数字经济发挥积极的空间溢出效应呢？数字经济通过不断升级的网络基础设施与信息技术引发社会和经济的深刻变革，而我国重点推进的5G 网络、数据中心和工业互联网等新兴基础设施则为发展数字经济奠定了基础。周亮和王成[26]指出，数字经济是一个网络外部性产业，由于市场中存在“信息积极外部性”和“技术领域的积极外部性”，因此，企业的数字化程度和数字经济发展水平会在空间上产生典型的溢出效应。大数据综合试验区在这种具有网络外部性的经济体中，汇聚了大量的数字经济企业以及信息和技术资源，进而强化了这种网络空间效应。鉴于此，提出假设2：

H2:大数据试验区能够对邻近区域的数字经济发挥积极的空间溢出效应。

（三）大数据试验区对数字经济的作用机制分析

大数据作为新一轮技术变迁和科技革命的重要资源[27]，有助于推动知识传播和信息交流，为促进技术创新提供了潜在的可能[28]。数字技术作为数字经济的核心生产要素，其发展和应用深刻影响着数字经济的走势。已有研究表明，数字技术创新与数字经济发展之间具有显著的相关性，即数字技术创新与数字经济发展两者呈波动性上升趋势[29]。而设立大数据试验区将通过改善信息不对称、促进要素流动等方式提升数字技术创新水平[30]。可见，国家大数据综合试验区能够通过促进数字技术创新来推动数字经济发展。鉴于此，提出假设3：

H3:大数据试验区能够通过提升数字技术创新水平促进数字经济的发展。

三、 模型设定和数据描述

（一）模型设定

为了考察大数据试验区对数字经济的影响，本文参照白俊红等[31]的方法，设定计量模型如式（1）：

其中，i和t分别代表省份和年份；被解释变量DEit表示省份i在t年份的数字经济发展水平；DID 为设立大数据试验区的政策变量，如果省份i在t年份被列为大数据试验区，DID 则取值为1，否则取0 值；Xit为省层面的控制变量，ηi为省份固定效应，δt为时间固定效应，εit为随机误差项。本文的标准误被聚类在省级层面。

双重差分在评估大数据试验区的效应上有一定程度的优势，但从空间角度看，大数据试验区不仅会影响试点区域自身的数字经济发展，也会对试点区域周围省份产生影响。双重差分空间杜宾模型（SDMDID）不仅考虑了空间溢出效应和空间相关性，还能通过空间溢出效应观测大数据试验区对数字经济的作用方向和作用力度[29]。考虑到大数据试验区对数字经济可能会存在空间溢出效应，设定模型如式（2）：

其中，W是空间权重矩阵，本文选取反地理距离矩阵、经济地理嵌套矩阵和经济距离矩阵；ρ为因变量的空间自相关系数；β2为政策溢出效应；γC为控制变量的溢出效应；其余指标解释与式（1）相同。

为进一步验证大数据试验区对数字经济的作用机制，设定中介效应模型如式（3）（4）：

其中，数字技术创新（DTI）为中介变量，式中其他变量与上述保持一致。如果回归系数φ1和ψ2均显著，则表明存在中介效应。进一步而言，如果ψ1也显著且与φ1×ψ2符号一致，则说明DTI 存在部分中介效应。

（二）数据说明

（1）选取数字经济（DE）为被解释变量。目前关于数字经济的测度已存在丰富的文献研究。为尽可能的反映数字经济发展的真实水平，本文借鉴赵涛等[32]、侯建等[33]、克甝等[34]的方式、主要从数字网络技术设施、数字技术水平、数字贸易方式、数字贸易能力和数字贸易潜力五个方面共计21 个指标进行了测量。由于熵值法能够规避个人的主观随意且不受指标自身单位和数值大小的影响，故选择该方法对各区域数字经济发展水平进行度量。具体的指标内容见表1。

表1 数字经济的指标评价体系

（2）核心解释变量。将大数据试验区作为一项准自然实验，以省份类型虚拟变量与政策实施年份虚拟变量交互相（Group×Post）作为大数据试验区的政策处理效应（DID）。具体而言，本文将大数据试验区试点省份Group 设置成1 作为实验组，将非大数据试验区的省份设置成0 作为对照组，而政策实施前后时间虚拟变量Post 分别被设置成0 和1。由此可见，不同大数据试验区试点省份的时间虚拟变量并不完全相同。

（3）控制变量。政府干预（gov），采用政府财政支出的对数表示；经济发展水平（gdpg），采用地区生产总值的增速表示；市场化水平（market），采用技术市场成交额的对数表示；人力资本（hc），采用地区在校学生数的对数表示。外商直接投资（fdi），采用地区利用外商直接投资的对数表示；人口密度（pd），采用单位地区面积的人口数量表示。

（4）数字技术创新（DTI）。借鉴孙勇等[35]的方法测算数字技术创新水平，将数字经济行业分类与国际专利分类进行匹配，以专利数据来衡量数字技术创新水平。具体而言，按照《国民经济行业分类（2017 版）》新的行业分类目录，参照《浙江省数字经济核心产业统计分类目录》界定数字经济核心产业统计分类目录，确定计算机通信和其他电子设备制造业等7 大类128 个小类行业作为数字经济核心产业的统计范围。在数字经济核心产业范围的基础上，进一步参照国家统计局发布的《国际专利分类与国民经济行业分类参照关系表（2018）》，对数字经济对应的国际专利分类号进行统计，再通过佰腾网搜索31 个省市2011—2020 年的数字经济专利数据，取其自然对数以衡量数字技术创新水平。

（三）数据来源

测算数字经济发展指标来源中的域名数和网页字节数2 个指标来源于CNNIC 公布的历年《中国互联网发展状况统计报告》。其他控制变量及测算数字经济所需的各个指标均来源于历年《中国统计年鉴》和各省相应的统计年鉴。具体的变量描述性统计见表2。

表2 变量描述性统计

四、国家大数据综合试验区对数字经济的实证分析结果

（一）基准回归结果

表3 为模型（1）具体的回归估计结果。其中，列（1）没有进行控制变量和固定效应处理，列（2）则在列（1）的基础上进行了控制变量处理，列（3）只进行了时间个体固定效应处理，而列（4）则在列（3）的基础上进行了控制变量处理。列（1）—（4）的实证回归结果显示，DID 的回归系数都在1%的水平下显著为正，尽管加入控制变量后其系数有所下降，但仍然能够说明设立国家大数据综合试验区会显著促进该地区的数字经济发展。因此，H1 得证。就控制变量而言，政府干预、经济发展水平和市场化水平较高的区域有利于发展数字经济。其原因可能在于：一是政府干预可以为发展数字经济提供更好的网络基础设施建设、完备的关于数字经济的法律和公平的竞争环境；二是经济发展水平高的区域通常具有更高的市场需求和消费能力，这有助于数字产品的销售和应用；三是市场化水平较高的地区往往具备较为完善的创业和创新环境。相反，外商直接投资则不利于数字经济的发展，其原因可能是技术依赖、利润外流以及不平等合作关系使得本地企业缺乏自主创新，市场准入受限，流动性资金减少。

表3 基准回归结果

（二）平行趋势检验

借鉴Beck et al[36]的方法，对政策冲击前非试点省份与试点省份数字经济发展是否有相同变化趋势进行验证，设定模型如式（5）：

其中，变量DIDs是以大数据试验区试点当年为参照生成的相对时间政策变量。具体而言，试点政策执行前第j年的试点省份的DID-j被赋值为1；试点政策执行后第j年试点省份的DID+j被赋值为1，否则为0；DIDs在非试点省份始终为0。由模型（5）回归后的估计系数θ及其显著性水平绘制成图1。不难看出，大数据综合试验区试点政策前DIDs估计系数均不显著，而在政策实施以后DIDs估计系数都通过了显著性检验，说明满足平行趋势检验。

图1 平行趋势检验

（三）安慰剂检验

为防止因重要解释变量遗漏导致有偏的回归结果，本文借鉴了Li et al[37]的方法，采用随机抽样进行安慰剂检验。近年来，以随机抽样的方式进行安慰剂检验也被广泛应用于双重差分研究中。具体操作如下：首先，从31 个省份中随机选取9 个省份作为“伪实验组”，也就是假设被随机抽取的省份实行了大数据综合试验区试点政策，剩余省份则作为控制组。然后，再为“伪实验组”随机抽取一个年份作为伪政策时点，最后生成“伪政策虚拟变量”，引入计量模型中进行回归，在本文该过程循环了1 000 次，其回归后的估计系数和P 值绘制成图2。由图2 可以看出，随机生成的估计系数较为集中地分布于0 值附近，与真实系数值有明显差异，且P 值绝大多数高于0.1，这再一次佐证了基准回归结果的可靠性。

图2 安慰剂检验

（四）稳健性检验

（1）PSM-DID 方法。使用PSM-DID 方法分析大数据试验区对数字经济的影响，对本文的结论进行稳健性检验。参照曹翔和高瑀[38]的方法，对模型（1）按邻近匹配、核匹配和半径匹配方式对样本进行匹配，匹配后的回归结果见表4。从表4 可以看出，列（1）—（3）中DID 估计系数均显著为正，即本文的基准回归结论得到进一步支持。

表4 PSM-DID 方法

（2）预期效应。政策效应的回归结果可能会因为政策冲击前存在预期效应导致有偏。本文借鉴Lu and Yu[39]的做法，将前一年的试点政策变量prevar 引入模型（1）中做预期效应检验，如表5 列（1）所示。不难看出，DID 估计系数显著为正，而prevar 估计系数不显著，说明不存在预期效应。

表5 稳健性检验

（3）更改政策时间。由于大数据试验区在2015 年仅将贵州列为试点省份，随后在2016 年才将剩余8 个省市列为试点区域。因此，为进一步验证结论的可靠性，参照邱子迅和周亚虹[3]的做法，将2016 年作为政策试点元年，重新估计后的结果见表5 列（2）。不难看出，其估计系数和显著性与基准回归结果相类似，说明结论稳健。

（4）滞后效应。借鉴曹翔和高瑀[38]的做法，将控制变量做滞后一期处理，以改善可能存在的双向因果关系产生的内生性问题，得到如表5 列（3）的估计结果。不难发现，DID 的估计系数仍旧显著为正，说明结论稳健。

（5）两期倍差法。借鉴周茂等[40]的做法，使用两期倍差法缓解可能存在的序列相关性问题。具体而言，把政策试点年份2016 年作为分界点，将样本划分为两个区间2014—2016 年和2017—2018 年，分别以两个区间中各主要变量的均值进行回归分析。表5 列（4）为该回归结果，DID估计系数为0.742 1，且通过了1%水平的显著性检验。结果说明在缓解了序列相关性问题之后，本文的主要结论依旧稳健。

（6）政策干扰。为排除同时期或邻近时期其他政策对基准结果的影响，选择与国家大数据试点相近的自由贸易试验区作为政策干扰变量。该试点政策在2013—2019 年分批次共选取了18 个省市作为自由贸易试验区，因此选择该试点政策作为政策干扰变量具有一定的合理性。干扰政策虚拟变量（FZ）取值规则：在样本期间内获批自由贸易试验区试点的省市在政策实施当年及以后取值为1，否则取值为0。表5 列（5）为其回归结果，可以看出，在考虑政策干扰以后，本文的基准回归结果继续保持稳健。

（五）内生性检验

为缓解试点省份因非完全随机导致的内生性问题，选择地形起伏度作为工具变量（IV）。主要出于两方面考虑：一方面，区域的地形地势对于网络基础设施的建设成本有着明显影响，区域的地形起伏度越大，其网络基础设施建设成本会越高；另一方面，地形起伏度具有很强的外生性，既不受其他因素影响，也不会对数字经济产生明显影响。因此，选择地形起伏度作为大数据试验区的工具变量具有合理性。因地形起伏度为横截面数据，故借鉴于志慧和何昌磊[41]的做法，将地形起伏度与政策实施年份虚拟变量相乘作为工具变量。表6 为工具变量法的估计结果。一阶段回归结果显示，政策虚拟变量DID 与工具变量IV 呈现显著的正相关；F 统计量为79.71，显著大于临界值10，说明不存在弱工具变量问题。由二阶段回归结果可知，DID 估计系数为0.022 0，通过了10%水平的显著性检验，说明在考虑了内生性问题后，大数据试验区仍能够显著促进数字经济发展。

表6 工具变量回归结果

（六）异质性检验

（1）区域异质性检验。借鉴李桥兴和杜可[42]的方法，将样本地区划分成东部地区（北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、吉林、黑龙江和辽宁）、中部地区（山西、安徽、江西、河南、湖北、湖南）和西部地区（内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆）三个区域。再将上述各地区分组回归，具体结果见表7 列（1）—（3）。可以看出，大数据试验区对数字经济的影响存在显著的区域差异，其中东部地区的促进效果最为明显，其次是中部和西部地区。究其原因，一方面是东部地区的大数据综合试验区试点省份较多，对数字经济的影响会更明显；另一方面，东部地区的数字基础设施也更为完善，因此受影响也更为明显。

表7 异质性回归结果

（2）试验区类型差异性检验。将不同类型试验区的省份和其他非试点省份归类成试验组和控制组进行回归分析。首先，参照李桥兴和杜可[42]的方法，选取北京、贵州、天津、河北和广东共5 类跨区域类试验区为实验组，剩余的22 个省份被选为对照组；其次，选取上海、河南、重庆和内蒙古共4 类区域类试验区为实验组，其余22 个省份被选为对照组，并按模型（1）进行实证回归。回归结果见表7 列（4）（5），可以看出跨区域类试验区的DID 估计系数明显大于区域类试验区的，这说明对于区域数字经济发展而言，跨区域类试验区产生的政策协同效应要好于区域类试验区产生的政策针对效应。究其原因可能在于，跨区域类试验区服务范围一般不被限制于其所在省份，而是可辐射至周边省份甚至全国范围，其带来的相关产业集聚效果和所获的政策支持力度都将超过区域类试验区。尽管区域类试验区对本区域的发展更有针对性，但跨区域类试验区带来的政策红利效果会更明显。

五、 拓展分析

（一）空间溢出效应

（1）空间自相关检验。大数据综合试验区既对本地区数字经济产生积极影响，又可能会影响周围区域的数字经济发展水平。因此，基于模型（2）本文选取反地理矩阵、经济地理嵌套矩阵和经济距离矩阵，使用全局莫兰指数检验数字经济的空间相关性。由表8 可知，三种矩阵的莫兰指数均显著为正，说明数字经济发展存在空间相关性。为了进一步验证大数据试验区是否会影响本区域及邻近区域的数字经济发展，选择双重差分空间计量模型检验其政策效应。

表8 莫兰指数

（2）空间溢出效应检验。空间效应会造成OLS 模型估计存在偏差，因此需要进行LM 检验。然后，根据LM-Error 和LM-Lag 的显著性来判断应该选取何种空间模型以达到最优，再通过Hausman 检验判断应该使用哪种固定效应。根据实证回归结果，选取了空间杜宾双重差分模型考察大数据试验区与区域数字经济发展的空间相关性。由于空间模型中的估计系数不能直接显示大数据试验区对数字经济的影响程度，这就要求采用微分的方式将大数据试验区对数字经济的影响效应分解为直接效应、溢出效应（间接效应）和总效应。

表9 为双重差分空间杜宾模型的估计结果，反地理距离矩阵、经济地理嵌套矩阵和经济距离矩阵的直接效应说明大数据试验区的实施可以显著促进区域内的数字经济发展，这与前文的基准回归结果相一致。溢出效应结果表明，大数据试验区对试点省份周围区域的数字经济发展具有明显的促进作用，且距离试点省份的地理位置越近、经济联系越紧密，其对数字经济的促进效果越明显。究其原因可能有以下几点：一是试点省份的数字经济发展带动了周围地区数字经济生态的形成和发展，形成了新的产业链和价值链，提高了经济联系紧密地区数字经济发展的潜力和动力；二是大数据技术和平台建设带动了数字经济的发展，提升了数字经济的效率和质量，吸引了更多数字相关产业的参与，形成数字经济新的增长点；三是试点省份的政策优势和技术人才吸引了更多企业和人才聚集到这一区域，形成新的创业和创新氛围。这种创业和创新氛围的溢出效应也会促进周边地区数字经济生态的形成和发展。因此，H2 得证。

表9 空间杜宾模型双重差分估计结果

（二）中介效应

表10 是基于模型（1）、模型（3）和模型（4）的估计回归结果，上述模型的回归结果分别对应列（1）—（3）。由列（2）可知，DID 的估计回归系数为2.459 5，且通过了1%水平的显著性检验，说明大数据综合试验区可以显著提升数字技术创新水平。更重要的是，在数字技术创新变量加入模型（1）得到列（3）后，DTI 的估计系数依旧显著为正，且DID 的估计系数值与列（1）相比有所下降，说明大数据综合试验区的确能够通过提升数字技术创新水平来推动区域数字经济发展。因此，H3 得证。

表10 中介效应回归结果

六、结论与政策建议

（一）结论

本文基于2011—2020 年我国31 个省级面板数据和大数据综合试验区试点省份，以理论结合实证的方式分析了大数据试验区对数字经济发展的影响。具体结论如下：大数据试验区可以显著推动数字经济发展，这一结论在进行了PSM-DID、工具变量法等一系列稳健性检验后依然成立；作用机制分析表明，大数据试验区能够通过提升数字技术创新水平显著促进区域数字经济发展；异质性分析表明，大数据试验区对东部区域省份的数字经济发展推动效果更为明显，而对中西部区域省份的数字经济发展推动作用相对较弱；大数据试验区对数字经济的跨区域政策协同效应要好于区域试点省份自身的政策针对效应；设立大数据试验区具有显著积极的空间溢出效应，即大数据试验区不仅会对本区域的数字经济发展产生积极的推动作用，还会对周边地区的数字经济发展产生辐射促进效应。

（二）政策建议

基于上述结论，现提出如下政策建议以促进数字经济发展。

一是加强大数据试验区建设。政府可以进一步加强大数据试验区的建设，提供更多的政策支持和资源投入，以促进数字经济的发展。尤其是在东部地区，建议政府建立更多的大数据试验区，并为大数据试验区提供专项资金、税收优惠政策和科技人才支持等，以更好地推动数字经济的发展。政府还可以加强与大数据企业和研究机构的合作，推动创新和技术发展，提高数字技术创新水平。

二是优化东部区域和中西部区域的政策差异。考虑到大数据综合试验区对东部区域省份的数字经济发展推动效果更为明显，政府可以针对中西部区域制定更具针对性的政策，包括针对中西部区域的专项资金、税收优惠政策和科技人才培养等支持措施，帮助中西部区域更好地利用大数据试验区的机会，促进数字经济的发展。在建立大数据试验区时，需要考虑到不同地区之间的差异，采取跨区域的试验区政策，以提高政策的协同效应。

三是加强跨区域协同合作。考虑到大数据试验区对数字经济的跨区域政策协同效应要好于区域试点省份自身的政策针对效应，政府可以鼓励和推动不同地区之间的合作与交流。可以通过加强数字经济企业和研究机构之间的合作，共享资源和经验，促进数字经济的创新和发展。政府可以设立合作平台，提供资金支持和政策引导，促进数字经济的跨区域协同发展。政府在制定政策时，不仅要考虑某一区域的数字经济发展，还要兼顾其相邻区域，以实现数字经济的整体发展。

综上所述，建立大数据试验区、采取跨区域试验区政策、兼顾相邻区域数字经济发展是推进区域数字经济发展的重要手段。同时，还需要加强对大数据技术的研究和应用，提高数字经济的创新水平，以实现数字经济的可持续发展。