数字鸿沟测度方法述略，本文主要内容关键词为：鸿沟论文,数字论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
数字鸿沟已经成为人类社会普遍关注的问题，国内外研究者对数字鸿沟问题开展了大量的定性与定量研究。准确地测度数字鸿沟对于客观衡量差距、提出有效的数字鸿沟解决对策具有重要意义。数字鸿沟测度包括构建测度指标、选择测度方法以及数字鸿沟实测等环节，合理选择测度方法对测算数字鸿沟至关重要。本文主要对国内外常用的数字鸿沟测度方法进行分类梳理，以帮助研究者选择恰当的方法，并为改进测度方法提供一定的参考。 1 数字鸿沟测度方法的类型 测度方法与测度指标紧密相关，按照测算时所选用指标数量，数字鸿沟测度方法分为单指标测度方法和多指标测度方法两大类。一般来说，当采用单独指标衡量数字鸿沟时，选用单指标测度方法，当然，单指标计算方法并不是指测度模型中只有一个指标，而是指一次只对一个指标进行计算，通过该指标值的大小显示数字鸿沟；而当采用多指标或指标体系衡量数字鸿沟时，则会选用多指标测度方法。相比而言，多指标测度方法更为复杂，本文将着重分析多指标测度方法。 2 数字鸿沟的单指标测度方法介绍 2.1 单指标测度方法的类型 单指标计算方法可以选取测度指标体系中的任一指标进行计算，如互联网普及率、计算机普及率等，运用不同的方法计算该指标，总体上较为简单。主要的测度方法有绝对差距法、相对差距法、时间差距法、基尼系数法、差额比率法和平均差别法。 绝对差距法和相对差距法是美国电信和信息管理局（NTIA）提出的数字鸿沟测度方法，是最早产生并应用的测度方法[1]。它们的基本原理都是对比考察对象的指标值数值大小，以此来展现数字鸿沟。绝对差距法是对指标数值进行直接比较，相对差距法则计算考察对象占目标对象指标数值的百分比（大于100%，表示超出目标对象指标数值），以此来表征数字鸿沟。它们主要用于进行横向对比同一时期的两个不同考察对象之间的指标测度数值，或比较纵向的同一考察对象在不同时期的同一指标测度数值。 尔后，斯洛文尼亚经济学教授帕沃·西切尔另辟蹊径，基于时间序列数据分析，比较两个不同考察对象的某一指标达到特定水平时的时间差距，反映他们之间的数字鸿沟，称为时间差距法[2]。借鉴经济学中的评估收入分配状况的基尼系数，意大利法比奥拉·里卡帝尼和莫罗·法里奥提出了数字鸿沟基尼系数法，美国商务部报告中测算计算机与互联网普及率时使用了基尼系数法[3]。差额比率法通过考察指标测度值在相继两年的差距，并计算出差距比率值来表示数字鸿沟大小。祝建华提出以社会各阶层之间网民比例的平均差别来度量数字鸿沟，称为平均差别法，较为适于测度地区数字鸿沟[4]。 2.2 单指标测度方法的评价 上述单指标测度方法中，绝对差距法与相对差距法计算过程相对比较简单，而且计算结果含义直观明了，便于理解，应用较为广泛。绝对差距法和相对差距法都是对指标的静态测度，而时间差距法从时间角度出发，能够清楚地描述不同对象在达到某一水平时提前或落后多长时间，是一种动态的度量。但是时间差距法只适用于比较两个不同的考察对象，不能测度单个对象内部的数字鸿沟现状与发展趋势，例如，我们可以用时间差距法比较我国东部和西部数字鸿沟大小，却无法计算西部地区自身的数字分化程度。基尼系数法既可以测度多个不同对象间的数字鸿沟，也可以测度某一对象内部的数字鸿沟；既可以进行静态分析，也可以动态分析不同年度的变化情况。但是基尼系数法其计算结果不直观，含义不够明确，较难理解。差额比率法是把两个相邻年度的数值作比值，也可以看做是一种动态的度量方法。同时，差额比率法既可以用来测度两个对象之间的数字鸿沟，也可以测度多组对象间的数字鸿沟。平均差别法可以用来测度一个对象内部的数字鸿沟，但对于两个不同对象间的数字鸿沟测度却无能为力。 单指标测度方法每次选取单一指标进行计算，计算简单，结果直观，易于理解，但无法展现数字鸿沟全貌，只能从某一局部（例如互联网情况、电话使用情况等）表征数字鸿沟。此外，不同单指标测度方法计算鸿沟的角度不同，相同的指标和统计数据在使用上述不同的测度方法时，可能会得出不同的结论。例如，《中国数字鸿沟报告2006》分别使用了绝对差距法、相对差距法、时间差距法和基尼系数法测度了我国东中西部互联网普及率的差距，结论也不尽相同甚至截然相反。陈建龙等也采用了五种测度方法计算我国地区互联网普及率差距，结果显示得出的结论各不相同，因此他们建议对我国的数字鸿沟进行测度时不宜采用基尼系数法，差额比率法更加科学合理[5]。可见，在选择单指标测度方法计算数字鸿沟时，必须根据研究目标有针对性地选择恰当的方法。 3 数字鸿沟多指标测度方法的特征及应用实践 为了更全面衡量数字鸿沟，研究者们提出并应用了多项指标共同测度不同对象间数字鸿沟的方法，称为多指标测度方法。 3.1 多指标测度方法的特征及类型 由于构建了多项指标用以测度，应用多指标测度方法时首先要确定各项指标的权重。其次，因为各项指标的数量单位和数量级不同，在数据采集归总后，计算鸿沟之前，还需要对数据进行标准化处理。因此，在拟定了测度指标体系基础上，多指标测度方法的实施有其特有的步骤，主要包括确定指标权重、数据标准化、计算差距值（即数字鸿沟）。 在具体计算差距值时，沿着不同的测算思路产生了两种不同的计算方法。其一是用整套指标体系对测度对象分别进行评分，再对不同对象的评分进行二次计算，二次计算的结果用以显示“鸿沟”的大小，称为综合评分比较法。其二是先按照指标体系的每一个指标分别计算测度对象在此指标上的差距，然后再将各指标的差距值合成为一个总的差距值，即数字鸿沟指数，该方法称为数字鸿沟指数法。 总的来说，多指标测度方法比单指标测度方法的过程更为复杂，且同一步骤上往往有多种实施方案，因此笔者将分步骤具体分析其应用实践。 3.2 多指标测度方法的应用实践 3.2.1 权重的确定方法 对于由多项指标构成的综合测度模型，权重的确定是一项最基本同时也是最重要的工作，确定权重的主要原则是各指标对测度的重要程度，权重的确定将直接影响到最终的测评结果。目前权重的确定方法主要有算术平均法、主观赋值法、德尔菲法、层次分析法、主成分分析法和因子分析法。 （I）算术平均法。算术平均法将所有指标赋予相同的权值（即算术平均值），是比较简单易行的方法。国际电信联盟（ITU）在《世界电信发展报告2003》中，采用算术平均法赋权值，对数字接入指数（DAI）进行了测算[6]。张彬在测算15个省市ICT接入和应用水平综合指数时，为了使数据处理简单化，令各项二级指标的权重值相等[7]。 （2）主观赋值法。主观赋值法就是人为地判断各指标的重要程度，赋予各指标不同的权重，如我国信息产业部国家信息化指数就采用了主观赋值的方法确定各指标不同的权重。主观赋值法看似简单，实则在应用时对研究者和赋值者的经验及能力要求颇高。 （3）德尔菲法。德尔菲法是邀请多位专家分别填写权重调查表，各专家之间彼此隔离，不得相互讨论，回收之后对专家的意见作出汇总整理，然后把汇总结果返还给各专家，请他们陈述理由然后再给出各指标的权重，这样进行多轮调查后，得出最终的权重。德尔菲法通过多次赋值、汇总、调整的过程尽量消减主观性。孙立芳等构建的个人数字能力指数测度指标体系中，各指标权重的确定采用了德尔菲法[8]。 （4）层次分析法。层次分析法把复杂的问题分解为目标层、准则层和方案层（亦即指标层）等层次，目标层是指问题的预定目标，准则层是指影响目标实现的准则，方案层是指促使目标实现的方案。具体方法是：向专家、学者、权威人士反复咨询，将两两指标对比哪个更重要以及重要多少，并按重要程度赋值。然后对专家填写的判断矩阵使用一定的数学方法进行层次排序。 张彬等采用层次分析法确定了区域数字鸿沟测度指标体系各层指标的权重[9]；高小卫对我国区域数字鸿沟测度指标体系的研究中，也利用层次分析法确定了指标层的权重[10]。 （5）主成分分析法。主成分分析法研究的是怎样通过少数的几个主分量来解释多个变量之间的内部结构。也就是说，要从原始变量中导出少数的几个主分量，使这些主分量尽量多地保留原始变量的信息，并且彼此之间没有相关性，以每个主成分所对应的特征值占所提取主成分总特征值之和的比例作为权重。主成分分析法常常被用来寻找判断某种事物或者现象的综合指标，从而可以更加深刻地揭示事物或现象的内在规律。 胡鞍钢和周绍杰采用了主成分分析法对影响国际互联网普及的不同因素作了实证分析[11]；陈爱娟等借鉴国家信息化水平测度指标构建了数字鸿沟测度指标体系，并运用主成分分析法测度了陕西省各市之间的数字鸿沟[12]；王涛峰采用了主成分分析法对陕西省2004年的数字鸿沟进行了研究[13]。 （6）因子分析法。因子分析法在一定程度上可以看做是主成分分析法的推广和扩展，它是把关系错综复杂的变量综合为数量较少的几个因子，以因子的方差贡献率为权值，计算出每一个测度对象的得分值。 刘骏和薛伟贤构建了一套城乡数字鸿沟测度指标体系，选取了我国31个省区作为样本，利用因子分析法进行了实证研究[14]；张俊和王江泉结合福建省省情构建了城乡数字鸿沟测度体系，并采用因子分析法对福建省2000-2010年的城乡数字鸿沟进行了实证研究[15]；魏振香等人运用因子分析法提取了数字鸿沟的三个因子：信息资源因子、经济发展与人才结构因子、教育水平因子，以此对我国沿海地区十个省、自治区和直辖市之间的数字鸿沟进行了测度，得出了排名结果[16]。 上述几种权重确定方法中，算术平均法是最简单的赋值方法，由于对所有指标赋予相同的权重，无法区分不同指标的贡献大小，容易掩盖实质上的差异。德尔菲法和层次分析法中专家的看法和打分会影响最后的权重结果，具有一定的主观性。而主成分分析法和因子分析法不涉及人为主观赋权问题，而且还能用较少的相互独立因子反映出原始变量的信息，相对而言比较客观和合理。 3.2.2 数据的标准化方法 由于测度指标体系中各指标的计量单位和数量级各不相同，所以在数据采集后，首先要对数据进行无量纲与无量级的标准化处理，使其具有可比性。数据的标准化方法主要有均值化法、Z分数法、最大差距法、对数法和基准年法。
