关于信息相关本科论文怎么写和城市信息基础设施效率测评相关本科毕业论文范文

《城市信息基础设施效率测评》

本文是关于信息相关论文写作资料范文与基础设施和效率和测评有关本科论文怎么写。

0 引言

　　截至2015年底,我国城镇常住人口占总人口56.10%,国家的城镇化目标是2020年城镇化率达到60%[1].有序推进农业转移人口市民化,解决好“三个1亿人”城镇化问题,推进城镇基本公共服务常住人口全覆盖,提升公共信息服务供给能力是新型城镇化发展的基本指向[2].与此同时,随着大数据、物联网、云计算等新技术普及,2020年全球用于连接下一个15亿人口的宽带网络基础设施投资预计达4500亿美元[3],信息基础设施建设将迎来新一轮投资热潮.

　　信息基础设施作为一种重要投资,既包括宽带网络、广播电视、信息设备等硬件实体,也包括信息本身、信息人、信息环境等支撑与影响因素,其发展能够带来光缆、交换器等产品和服务的需求,推动经济增长,并具有网络外部效应[4]与规模效益递增等优于一般基础设施投资的特性.信息基础设施作为具有非排他性的信息传输载体,使用者越多,信息密度越大,对其他部门带来的正外部性,如提高产出效率和规模[5]、节约时间越明显.目前相关研究集中在三方面：一是信息基础设施的影响因素,如政府投资[6]、政府治理[7]；二是信息基础设施的作用,如促进经济增长、刺激工业发展[8]；三是信息基础设施评价指标体系.这些研究运用网络分析法、云重心评价法、层次分析法[9]等计量方法以及差异化的信息基础设施指标对信息基础设施展开多角度研究.但在这些研究中,信息基础设施大多数情况下是作为信息化的一个指标出现,信息基础设施的投入与产出指标通常混在一起,没有明确区分,针对信息基础设施效率的专门测度仍处于空白状态.

　　新型城镇化背景下,面对大规模城市信息基础设施建设,如何有效评估城市信息基础设施建设效率,对低效建设采取针对性措施,进一步提升效率成为城镇信息化实践迫切需要研究的问题,具有较强的现实意义.

1 研究方法与数据来源

1.1 DEA方法

数据包络分析(data envelopment analysis,DEA)方法是一种评价具有多投入和多产出决策单元有效性的数学规划方法[10],基本原理是根据线性规划的思想构建观测数据生产前沿面,进而对比同质的决策单元(Decision Making Unit,DMU),确定其相对效率.DEA模型主要包括C2R 模型和BC2模型,其区分的关键依据在于规模报酬(Return Scale,RS)是否可变.具体而言,C2R 模型是DEA方法的最早模型,建立在规模报酬不变的前提下,只能计算出DMU的综合效率；BC2模型是Banker等在规模报酬可变的假设下,对C2R模型进一步完善构建的新模型,特点是将DMU 的综合效率进一步细分为规模效率与技术效率[11].依据BC2计算的结果,还可以得出城市信息基础设施建设的技术效率和规模效率对综合效率影响的程度[12].本文假设作为国家新型城镇化综合试点地区的江苏省下辖的地级市为决策单元,用DMUi(i等于1,2…,n) 表示第i个市的信息基础设施建设分别有m种投入要素和s种产出要素,对应用Xi等于(xi1,xi2,…,xim)t和Yi等于(yi1,yi2,…,yis)T表示,则第i个市信息基础设施建设有效性的BC2模型为：

(C2R)min[θ-ε■S-+■S+]等于VDs.t.■λiXi+S-等于θx0■λiYi-S+等于y0λi≥0,i等于1,12,…,nS-≥0,S+≥0■λj等于1

　　其中,λi为各市信息基础设施建设在某指标上的权重变量,ε是一个小于任何正数且大于0的数,e1等于(1,1,1,......1)T等于(1,1,1,......1)T∈Em,e2等于(1,1,1,......1)T等于(1,1,1,......1)T∈Es.θ为根据BC2模型计算出的信息基础设施建设综合效率指数,1与θi值的差值愈小,说明决策单元愈有效,即该市信息基础设施建设的综合效率愈高；反之,综合效率愈低.S-和S+是松弛变量,前者表示投入冗余程度,后者表示产出不足程度.■和■为其权系数.θ、S-和S+是判断城市信息基础设施建设相对有效性的标准,依据文献能够得到结论[13]：若θ*等于1,且S*-等于S*+等于0,则DMUi0为DEA有效,表示第i0个市信息基础设施建设同时达到技术效率最佳和规模收益不变；若θ*<1时,则DMUi0为DEA无效,表示第i0个市信息基础设施建设的技术效率无效,且规模效率也是无效的.面对DEA无效的DMUi0,会根据这一决策单元在相对有效面上的投影来进行改进.具体而言,假定X0和Y0分别表示第i0个市信息基础设施建设的投入要素和产出要素的向量,令■等于θ*X0-S*-,■等于θ*Y0-S*+,则■和■为改进后达到DEA有效的投入要素和产出要素的投影值.

　　此外,依据经济学对效率的定义,有效率是指某一生产单位或经济机构在投入固定的条件下使产出最大化,或在产出固定时投入最小化[14].本文选取产出导向型的DEA模式对城市信息基础设施效率进行测度分析,运用DEAP2.1软件,计算各市信息基础设施DEA效率值.

1.2 Malmquist生产效率指数

　　Malmquist指数最早由Malmquist提出.后来Crosskopf与Fare等将Malmquist指数与Charnes等创建的DEA理论相结合,建立了可观测两个不同时段的全要素生产率指数(TFPch),弥补了传统的DEA方法中无法测算动态效率的缺陷,并在生产率测算中产生广泛影响[15].本文在运用DEA模型测度信息基础设施效率的研究中,主要是基于城市横截面数据集中分析城市信息基础设施的静态效率.运用Malmquist指数分析2011-2015年江苏各市信息基础设施的市级面板数据,可以衡量出城市信息基础设施全要素生产率、技术进步与技术效率的动态变化情况.与单纯依赖某一种方法相比,静态分析与动态分析相结合,有利于做更深层次的分析,所得的结果也更为精确.

　　以t时期技术Tt为参照,基于产出角度,衡量从t时期到t+1时期TFPch变化动态的Malmquist指数计算公式如下：

TFPch等于M0(x1,y1,xt+1,yt+1)

等于■×■■

等于■×■×■■

等于TEch(xt+1,yt+1；x1,y1)×TPch(xt+1,yt+1；x1,y1)

上式中,当M0>1时,代表从t时期到t+1时期TFPch是上升的；当M0等于1时,代表从t时期到t+1时期TFPch不变；当M0<1时,代表从t时期到t+1时期TFPch是下降的.此外,式中(xt,yt)是t时期的投入和产出向量；(xt+1,yt+1)表示(t+1)时期的投入和产出向量；■ 和■依次对应以t时期技术T t为参照,时期t与时期(t+1)的距离函数.通过以上步骤测算出的Malmquist指数有着良好的性质,并能进一步分解为技术效率变化指数(Technical Efficiency change,TEch)和技术进步指数(Technical Progress change,TPch),两者公式如下：

TEch等于■

TPch等于■×■■

本研究中,TPch是比较各个决策单元(各市的信息基础设施)在t时期到(t+1)时期过程中生产技术变化程度,代表了投入产出过程中技术创新的程度或社会进步：当TPch<1,表明生产技术出现倒退迹象；当TPch等于1,表明生产技术保持现状；当TPch>1,表明生产技术实现了进步.TEch描述了相邻两个时段中各市的信息基础设施到生产前沿面的追赶程度,衡量了相对效率是否变化,测算了在投入产出过程中是否存在浪费以及投入资源是否合理配置：当TEch<1,意味着在t时期到(t+1)时期过程中,信息基础设施建设效率出现下降趋势；当TEch等于1,意味着信息基础设施建设效率保持不变；当TEch>1,意味着信息基础设施建设效率呈现上升态势.

1.3 数据选择与获取

　　江苏是我国经济较发达省份和综合发展水平最高的省份,是国家首批国家新型城镇化综合试点地区,承担着支持和服务长江三角洲城市群以及为全国探索可复制、可推广新型城镇化发展经验与模式的任务.2015年8月,江苏城镇人口占总人口66.5%[16].根据《江苏省城镇体系规划(2015-2030年)》,2020年江苏城镇化水平将达72%左右；2030年将达80%左右[17].也就是说,未来4年江苏城镇人口将增加约1000万,未来14年将增加约2000万.与传统的城镇化发展模式不同,江苏强调新型城镇化发展应与信息化深度融合,强化城市基础信息网络和服务能力对城市发展的支撑作用[18].因此,对江苏各市当前信息基础设施效率进行测度,明确江苏新型城镇化发展所处阶段,对江苏信息政策的制定、智慧城市建设的推进意义重大.

1.3.1 指标选取

　　Q等于ALαKβ等于f(L,K)(A>0,0<α<1,0<β<1),即产出等于综合技术水平A与资本投入K和劳动投入L的乘积.其中,α与β分别是产出对资本与劳动的弹性,二者之和(产出弹性之和)是函数齐次性的阶.当α + β>1时,生产函数规模报酬递增；α + β<1时,生产函数规模报酬递减；当α + β等于1时,生产函数规模报酬不变.已有研究成果表明,此函数将投入与产出二者间的关联进行了非常好的拟合[19].因此,借用Cobb-Douglas生产函数,信息基础设施的投入包括资本投入要素和劳动力投入要素,信息基础设施的产出即信息基础设施所产生的经济效益(见表1).

(1)信息基础设施的资本投入指标.这一指标可进一步细分为资本投入增量指标与资本投入存量指标.增量指标主要为信息服务业固定资产投资额,反映当前信息基础设施的投资水平[20].考虑到地区固定资产投资额差异对该指标的影响,信息基础设施资本投入增量指标最终确定为信息服务业投资占固定资产投资额的比重.存量指标是历年来信息基础设施资本投入后的累计结果,反映信息基础设施在具体应用中的渗透程度.信息基础设施资本投入的存量指标主要包括年末固定电话用户数、移动电话用户数、互联网接入用户数、有线电视接入户数和数字电视接入户数.但考虑到固定电话与移动电话、有线电视与数字电视之间的相关性会影响效率测算中的精确度,在选取中舍弃固定电话与有线电视的指标.Koutroumpis指出,用渗透率衡量信息基础设施投资水平时,这一概念通常表现为某一信息基础设施指标的人均存量,如人均电话数、人均干线长度[21].因此,本文选取年末人均移动电话数、互联网接入数、数字电视接入数为信息基础设施的资本投入存量的具体指标.

　　(2)信息基础设施的劳动力投入指标.城市信息环境中,几乎所有的行为主体都是信息基础设施建设的参与者,因此,对劳动力投入的量化十分复杂.笔者沿用众多研究者通过Cobb- Douglas生产函数分析信息化评价指标体系的方法,以地区年末就业人员数作为信息基础设施劳动力投入的替代变量.因为Malmquist指数对技术进步因素的剥离在一定程度上弱化了个体劳动力异质性影响信息基础设施贡献的程度,所以这种替换可以接受[22].进一步考虑到地区人口基数对就业人数的影响,信息基础设施劳动力投入指标最终确定为年度就业率(年度就业率等于就业人员数/年末全市常住人口).

　　(3)信息基础设施的产出指标.邮电业务总收入包括城市分组交换数据通信、固定电话、移动电话、报刊发行等,反映了一定时期内城市信息基础设施带来的经济转化价值,是典型的信息基础设施产出,因此信息基础设施产出的替代变量选取年度邮电业务总收入最为恰当.同样,考虑到经济发展程度对邮电业务发展的影响,信息基础设施产出指标最终确定为邮电业务总收入占地区生产总值的比重.

1.3.2 数据获取与处理

　　兼顾数据的可得性与有效性,以江苏省13个地级市2011-2015年所选变量的截面数据组成面板数据,对新型城镇化背景下城市信息基础设施建设的效率进行分析.数据来源于国家统计局、2012-2016年《江苏省统计年鉴》、2012- 2016年各市《国民经济和社会发展统计年度公报》《统计年鉴》.

　　采用DEA模型对城市信息基础设施效率进行评价时,开展新城镇信息基础设施建设的市的数量应当保持大于投入产出指标数2倍的比例关系,只有这样效率的评价结果才会有恰当的区分度,才能保证后续的效率分析是充分而有效的[23].本研究中新城镇信息基础设施建设的城市数量与投入产出指标数量能满足上述要求.

2 实证分析——以江苏为例

2.1 静态分析

将搜集并汇总统计的江苏省城市信息基础设施建设的投入与产出数据输入Deap2.1软件进行分析,结果如表2所示.

　　从技术效率可知,江苏城市信息基础设施建设的纯技术效率均值为0.902,意味着各地信息基础设施建设的纯技术效率水平相对较高,除南通、泰州、连云港、宿迁外,其余地区的纯技术效率水平高于平均水平；纯技术效率DEA有效的有6个城市,依次为南京、苏州、扬州、徐州、盐城和淮安,说明江苏城市信息基础设施建设的管理技术与经验日渐成熟；无锡、常州、镇江信息基础设施建设的纯技术效率值高于0.900,相对较好,不过,相较于纯技术效率DEA有效的6个地区而言,差距显著；南通、泰州、连云港与宿迁等纯技术效率值低于0.85的地区在信息基础设施建设中技术与经验仍有较大发展空间,需尽快提升管理水平.随着国家与地方不断增加新型城镇化与信息化投入,非技术效率有效地区还需将有效的前沿面作为发展标杆,借鉴这些地区的管理技术和发展经验.就省级政府信息化管理部门而言,作为宏观管理部门,要进一步加强对这些地区的监督管理.

从规模效率分析可知,江苏城市信息基础设施建设的规模效率均值为0.980,反映江苏信息基础设施建设规模效率的平均水平较高,规模效率DEA有效的有苏州、扬州与盐城等3个地区,占总数23.08%,表明这些地区信息基础设施建设的投入规模适度.除常州、南通、徐州、宿迁外,其他6个地区均低于平均值,意味着在规模效率DEA无效的地区中,大多数城市的信息基础设施建设的规模效率低于省内平均水平,亟待提高.规模报酬反映着产量变动与致使其发生变化的DMU投入规模变动之间的关系,可分为不变、递增与递减三种关系.由表2可知,规模有效的3个地区的规模报酬并未发生变化,在余下10个规模报酬DEA无效地区中,6个地区的规模报酬呈递减态势,只有南京、无锡、常州、徐州递增.在被考察的规模效率DEA无效地区中,南京与无锡的规模效率虽然低于平均水平,但其规模报酬呈递增趋势；南通与宿迁的规模效率虽然高于平均水平,但其规模报酬却是递减的.因此,在对投入规模增减决策过程中,应综合考虑规模效率与规模报酬,从而对本地区内的信息基础设施建设投入规模进行合理规划.要注意的是,随着新型城镇化与信息化融合的推进,为了追求好的政绩,部分地区的信息化管理部门大兴土木,盲目地大规模建设信息基础设施,而这种无规划非科学的行为致使信息基础设施建设项目的投入规模过大,进而产生规模无效的结果.因此,省级信息化管理部门从项目审批开始,就应对信息基础设施建设项目的投入规模进行严格控制,并对项目发展各个阶段的投入规划进行审慎考察.

　　从综合效率分析可知,江苏省城市信息基础设施建设中,位于综合效率的前沿面上地区包括苏州、扬州和盐城,不到四分之一.以上3个DEA有效地区在信息基础设施建设的技术效率、规模效率与综合效率方面的评估值都是1,而且所有的松弛变量均是0,这意味着这些地区对城市信息基础设施所投入的资源实现了产出效益最大化,即无论是在资源配置与利用方面,还是资源投入规模方面,均实现了DEA有效的目标.多达四分之三的其余地区的信息基础设施建设未实现DEA有效.对上述DEA无效地区继续分析可以发现,根据纯技术效率的测度结果可以进一步分为两种情况：(1)南京、徐州、淮安等的纯技术效率值都等于1,但规模效率值均小于1,反映了这些地区未实现信息基础设施建设综合效率DEA有效是由于发展规模与投入、产出不协调,因此,在未来发展中,可以通过规模上的调整来实现规模效率的提高,进而达到综合效率有效的水平；(2)无锡、常州、镇江、南通、泰州、连云港和宿迁在信息基础设施建设的技术效率、规模效率与综合效率方面的评估值都小于1,反映了以上地区无论是在信息基础设施建设的技术上,还是在信息基础设施建设的规模上,都没有实现DEA有效的目标.新型城镇化背景下,江苏城市信息基础设施建设的综合效率平均值为0.885,表明信息基础设施建设整体效率较高,但在推进城市信息基础设施建设时需对投入规模合理管控,对项目投入结构优化,使投入资源的利用率进一步提高,最终以技术效率和规模效率的提高来带动综合效率水平的提升.

　　根据地缘关系、经济发展水平和代表性,江苏省可细分为苏南地区、苏中地区与苏北地区,其中,苏南地区包括南京、无锡、苏州、常州、镇江等5个市；苏中地区包括泰州、扬州、南通等3个市；苏北地区包括徐州、盐城、连云港、淮安、宿迁等5个市[24].从分布区域来看,13个地区虽然都属于江苏省,每个大片区的DEA有效地区数也相同,但是,苏南、苏中、苏北3个大片区的发展水平不尽相同.鉴于此,本文苏南、苏中、苏北3个大片区的新城镇信息基础设施建设的3大效率均值进行比较,见表3.总体来看,3个大片区的规模效率大致相同,说明这3大片区的信息基础设施建设投入规模水平基本相当,但综合效率均值与纯技术效率均值差异明显,且呈现出两边高、中间低的明显态势,根本原因在于技术效率的差异.在今后的发展中,加强地区间的技术交流与传播对于区域间信息基础设施建设均衡发展意义重大.本文选取苏南、苏中和苏北3个区域进行对比分析,还具有较强的代表性和借鉴意义,苏南、苏中与苏北的发展可以映射全国范围的东、中、西部地区的发展,将新型城镇化背景下我国城市信息化建设具象化,有助于探究城市信息基础设施建设的效率以及存在的问题.

2.2 动态分析

　　为进一步衡量出城市信息基础设施全要素生产率、技术进步与技术效率的动态变化情况,下文对江苏信息基础设施建设全要素生产率增长逐年变化与信息基础设施全要素生产率增长分区变化进行考察.

　　表4展示了江苏信息基础设施建设全要素生产率增长逐年变化趋势,表中各指数减去1,即为各项指标的增长率.指数大于1,表示当期该指数正增长；反之,负增长.总体而言,考察期内江苏城市信息基础设施建设的综合效率、技术进步、纯技术效率、全要素生产率等均有小幅增长,规模效率轻微下落.但在具体年份中,各指标值变化较大.以全要素生产率为例,2011- 2013年呈上升态势,年均增长率为21.25%；2013-2014年急剧下降,跌幅32.5%；2014- 2015年再次上升,增幅11.5%.结合表4中技术进步变化指数发现,全要素生产率与技术进步变化指数的变化趋势基本一致,说明技术进步在全要素生产率提高中发挥了重要作用.

如表5所示,2011-2015年,城市信息基础设施建设综合效率改进的苏南城市有2个,分别为南京(0.2%)和常州(1.5%)；苏中城市有2个,分别为南通(8%)和泰州(6.4%)；苏北城市有2个,分别为连云港(3.6%)和宿迁(7.6%).南通综合效率改进程度最高,高达8%.其余7个地区的信息基础设施建设综合效率均出现不同幅度的下降,其中淮安的下降幅度最大,为4.7%.但是,在这些综合效率下降的地区中,镇江得益于纯技术效率的改善,其全要素生产率呈现出增长的态势.

纵观江苏的综合效率、纯技术效率、规模效率、全要素生产率变化指数均值发现,只有规模效率有0.6%的负增长,其他均为正增长.江苏各地区的信息基础设施建设全要素生产率变化差异并不是特别明显,但有待进一步提高.南京和镇江的信息基础设施建设在综合效率与全要素生产率协同发展稍显不足,仍有较大的发展空间.

3 对策

　　江苏城镇信息基础设施建设的静动态分析结果表明,当前城市信息基础设施建设的整体状况较为乐观,但区域间仍存在一定的差异,投入结构有待进一步优化.基于此,笔者提出三个建议.

3.1 对信息基础设施建设低效率地区进行标杆管理

　　标杆管理是在DEA测度结果的基础上进一步对效率进行管理的后续工作,对于信息基础设施建设DEA无效的城市而言,可以将发展较好的DEA有效地区作为标杆,比较各自在投入规模与投入结构等方面存在的差异,分析产生差异的可能原因,并通过不断的改进使得信息基础设施建设DEA无效地区无限逼近标杆,进而达到提升信息基础设施建设效率的目的.但是,考虑到我国区域间发展不平衡,各个区域在新型城镇化与信息化政策、发展结构等方面存在的差异,在学习过程中,要选择与自身发展模式相适应且效益状况较好的区域为标杆,这样对于信息基础设施建设效率较低的区域而言,标杆管理才能有现实的指导意义.

3.2 推进新型城镇信息化建设协同发展

　　虽然当前信息基础设施建设的整体水平较为乐观,但区域间信息基础设施建设效率,尤其是静态效率上存在显著差异,这将为区域信息化的科学发展埋下隐患.因此,需从宏观层面制定区域信息基础设施建设的协同发展规划,推进各区域信息要素的协调互动,打破非均衡发展战略造成的积累效应,进而推动技术资源与要素(尤其是技术要素)流动,最终实现区域信息化协同发展.

3.3 建立信息基础设施建设的长效发展机制

　　新型城镇化进程中,城镇信息基础设施建设不能片面追求数量的增长,还需注重质的飞跃以及长效发展机制的确立.网络覆盖面、信息基础设施渗透率等只是当前的发展情况,还有更多的后续工作,诸如信息基础设施配置状况、使用与维护情况、与城镇发展的结合度等需要完成.信息基础设施的建设不是当前的权宜之计,其发展计划还需从长远出发,兼顾当前地区实际情况与未来发展态势[25].

4 结语

　　地区人口的增长应与区域的承载力相适应[26],人口与城市信息基础设施协调匹配程度会对区域的发展产生重要影响.随着新型城镇化建设的进一步推进,城市人口总数逐年攀升,这就需要更多的城市信息基础设施与之相匹配.正确理解和准确测度城市信息基础设施的建设效率既有助于地方政府充分认识到城市信息基础设施供给水平与利用效率的现状,为提升城市信息基础设施建设效率与规模效益、协调城市人口与环境的关系、优化城市信息基础设施供给结构提供理论基础,还能为政府制订城市信息基础设施建设的政策与规划提供参考依据.

参考文献

[1] 国家统计局：2015年中国大人口137462万人[EB/OL].[2016-11-07]. http：//www.ce.cn/xwzx/ gnsz/gdxw/201602/29/t20160229_9167183.shtml.

[2] 国家新型城镇化规划（2014-2020年）[EB/OL].[2016-11-07]. http：//www.gov.cn/zhengce/2014-03/ 16/content_2640075.htm.

[3] 2020年全球宽带网络基础设施建设投资将达4500亿美元[EB/OL].[2016-12-17]. http：//www.c-fol.net/ news/content/4/201601/20160122120240.html.

[4] R?觟llerL.H,Werman.L.Telecommunications Infrastructure and Economic Development：A Simultaneous Approach[J]. The American Economic Review,2001, 91（4）：909-923.

[5] Aschauer D. A.Is publicexpenditure productive？[J]. Journal of Monetary Economics,1989,23（2）：177- 200.

[6] 陈亮,李杰伟,徐长生. 信息基础设施与经济增长——基于中国省际数据分析[J].管理科学,2011（1）：98-107.

[7] 张军,高远,傅勇,等. 中国为什么拥有了良好的基础设施？[J]. 经济研究,2007（3）：4-19.

[8][20]万莉,程慧平. 基于VAR模型的信息基础设施与工业化关系研究[J]. 信息资源管理学报,2015（3）：109-113.

[9] 钱旦敏,郑建明. 基于云模型的区域医疗卫生信息基础设施评价体系实证研究[J]. 学术论坛,2015（3）：116-120.

[10] CharnesA,Cooper W W,RhodesE.Measuring the Efficiency ofDecision Making Units[J].European Journal of Operational Research,1978,2（6）：429-444.

[11][23]Banker R D. Estimating Most Productive Scale Size Using Date Envelopment Analysis[J]. European Journal of Operational Research,1984（17）：35－44．

[12] 汪文雄,余利红,刘凌览,等. 农地整治效率评价研究——基于标杆管理和DEA模型[J]. 中国人口资源与环境,2014（6）：103-113.

[13] 魏权玲. 数据包络分析[M]. 北京：科学出版社,2004.

[14] 保罗·A·萨缪尔森,威廉·D·诺德豪斯. 经济学[M]. 北京：中国发展出版社,1992.

[15] 王惠,钱旦敏,李小聪. 基于DEA和A方法的公共图书馆效率测评研究[J]. 国家图书馆学刊,2014（2）：19-25.

[16] 江苏省统计局,国家统计局江苏调查. 2015年江苏省国民经济和社会发展统计公报[EB/OL].[2016-12-11]. http：//www.jssb.gov.cn/tjxxgk/xwyfb/ tjgbfb/sjgb/201602/t20160229_277995.html.

[17] 江苏省城镇体系规划（2015-2030年）[EB/OL].[2016-11-27]. http：//www.sei.gov.cn/ShowArticle 2008.asp？ArticleID等于254852.

[18] 江苏强调实现新型城镇化应充分发挥信息化作用[EB/OL].[2016-11-27]. http：//finance.ifeng.com/a/ 20140411/12101170_0.shtml.

[19] 俞立平. 基于DEA的中国地区信息资源生产效率研究[J]. 图书情报知识,2008（1）：22-27.

[21] Koutroumpis P. The economic impact of broadband on growth：A simultaneous approach[EB/OL].[2016-11- 07]. http：//www.sciencedirect.com/science/article/pii/ S0308596109000767.

[22] 俞立平. 中国地区信息资源产出技术进步与效率研究[J]. 图书情报工作,2008（2）：108-111,19.

[24] 孙红蕾,郑建明. 信息产业要素对区域经济增长贡献分析[J]. 情报科学,2016（7）：91-95,107.

[25] 李影,刘岩. 构建我国新农村信息基础设施建设的长效机制[J]. 情报科学,2014（3）：81-85.

[26] 周立云. 关于北京城市人口规模调控的思考[J]. 首都经济,2002（2）：21-23.

作者简介孙红蕾,南京大学信息管理学院博士研究生；马岩,硕士,河北医科大学图书馆助理馆员；郑建明,南京大学信息管理学院教授,博士生导师.

收稿日期 2017-01-09

（责任编辑：刘洪）

信息论文参考资料：