新一轮的科技革命与产业转型交汇期,数字经济兴起,传统产业转型升级和新兴产业的逆势增长迎来契机。当下,数据成为新型生产要素,大数据技术深入挖掘数据价值,数据红利将持续释放。与此同时,两化融合积累的丰富经验以及数据资源,成为大数据与制造业融合创新机制的基础。大数据驱动产品升级和商业模式创新,促进数字产业化加速发展,以产业数字化推进融合深度。本文以中国省域大数据发展的时空分异特征和驱动因素的影响效应为主要研究内容,系统梳理与大数据三重属性相关的理论基础及文献,丰富大数据内涵;构建大数据发展指数测度并评估大数据发展的省域分布、动态演进和收敛性情况,实证检验了各驱动因素对大数据发展的影响机制、空间效应及区域异质性。为进一步提升我国大数据发展水平提供路径选择,为促进形成各区域大数据发展相互协调的空间格局,因地制宜推进大数据发展及其与工业企业的深度融合提供借鉴。本文共包含七章内容。第一章是绪论,主要阐述发展大数据的重要性和必要性,以及构建评价体系对地区大数据发展情况进行分析评估的现实意义。其次,系统梳理相关文献,重新界定大数据内涵。第二章是相关理论基础,结合大数据技术、要素与产业三重属性,从技术创新理论、要素理论及产业结构演进理论总结分析了大数据在扮演不同属性时的内在理论逻辑。第三章是大数据发展水平测度及比较。文章从数字基础、产业发展、技术创新与数字应用四个维度构建综合评价指标体系,利用主成分分析法合成大数据发展指数,对测度结果进行省域比较分析。结论表明中国大数据发展水平持续提升,区域省际分布层面呈现梯度效应,存在明显空间差异,东部地区大数据发展状况最优。第四章是中国大数据发展的区域差异及来源分解,采用Dagum基尼系数分析了省域大数据发展的区域差异以及来源贡献。结论表明区域大数据发展存在不平衡差距。东部区域内基尼系数最大,发展不平衡程度尤为突出。东—西部区域间差异最大,区域间差异为总体差异的主要来源。第五章为收敛性分析,以变异系数和空间计量模型等方法探究大数据发展的σ收敛和β收敛态势。结论显示,仅有东北地区存在明显的σ收敛趋势;中国大数据发展存在空间正相关性且空间集聚特征明显;存在显著的绝对β收敛和条件β收敛趋势,且大数据发展水平较低的西部和东北部收敛速度更快。第六章为实证研究。本章以2010—2020年我国30个省（市、自治区）为研究对象,以空间杜宾模型（SDM模型）实证研究了各个驱动因素对大数据发展的影响程度与空间溢出效应。结论显示,省际大数据发展存在正向溢出效应,对临近区域的大数据发展存在促进作用;经济发展水平、人力资本水平、金融支持水平、产业结构化水平、市场化发展水平等因素对大数据发展具有促进作用,且经济发展水平、产业结构化水平和市场化发展水平的提升不仅能够带动当地大数据发展,而且能够促进临近区域的大数据发展,外溢效应明显;而人力资本水平会促进当地大数据发展,阻碍临近区域大数据发展;区域异质性方面,总体来看,经济发展水平、人力资本水平、金融支持水平、产业结构化水平、市场化发展水平五个因素对我国四大区域的大数据发展水平存在不同程度影响。第七章是结论和建议。本章总结了论文主要研究结论,并从缩小大数据发展的区域差异、形成相互协调的大数据发展空间格局、发挥各驱动因素的带动效应等方面提出建议。