互联网发展与我国区域创新能力的提升——基于互联网资源量与普及度双重视角的分析

惠 宁， 刘鑫鑫， 马 微

(1 西北大学 经济管理学院, 陕西 西安 710127； 2 陕西师范大学 国际商学院, 陕西 西安 710119 )

一、 引 言

改革开放以来，我国经济飞速发展，习近平在十三届全国人大二次会议中提出要“最大限度释放全社会创新创业创造动能”，经济发展由要素驱动、效率驱动逐渐转变为创新驱动，通过创新，培育新的增长点、增长带与增长极，实现经济高质量发展。近年来，我国在准确把握世界发展趋势、总结改革开放经验的基础上，将提高自主创新能力，建设创新型国家作为国家发展战略的核心。在此背景下各区域切实加强协调创新发展，形成了各具特色与优势的区域创新体系，成为国家创新体系的重要组成部分，极大地促进了经济社会的全面发展。但我国在创新投入方面与发达国家存在显著差距。据《中国科技统计年鉴》所公布的数据，从投入规模上来看，我国R&D(研究与开发)内部经费从2005年的2 450亿元上升至2018年的19 678亿元，保持了较为高速的年增长率，但是2018年的R&D支出规模仅相当于美国21世纪初的水平；从R&D投入强度来看，我国R&D支出占GDP(国内生产总值)比重从2005年的1.31%上升至2017年的2.15%，而美国的R&D投入强度长期维持在2.5%左右，在2008年以后达到2.7%以上；从从业人员占比来看，我国R&D就业人数比重在2017年达到每万人中有52人从事R&D活动，而德国、英国、日本、韩国分别有155人、132人、132人、171人。因此，尽管我国创新投入有显著增加，但是不管是R&D的投入规模、投入强度，还是R&D的从业人数占比，我国都与发达国家存在显著差距。除此之外，我国创新投入与创新产出方面还存在国内区域发展不平衡的问题。就2017年来说，R&D经费支出规模最大的省份是广东，约为规模最小省份海南的249倍；R&D占GDP(国内生产总值)比重在2%以上的省份有山东、江苏与广东，上海、浙江等12个省市的R&D投入强度在1%以上，北京、四川、陕西等15个省市区不到1%；专利申请数、专利授权数居国内首位的是广东，而发明专利数最多的则是北京，占到授权专利总数的43%，是国内创新质量最高的地区，约为国内创新质量最低省份江西的7倍。综上看来，我国区域创新投入水平整体偏低且分配不均，研发投入与创新产出、创新质量不匹配，因此分析我国区域创新能力的影响因素，寻求影响区域创新能力的新要素，促使我国完成新旧动能转换，具有十分重要的意义。

不要忽视预包装食品（零食、酱菜、挂面）中的钠，很多即使吃着不咸的食物也加了不少“隐形盐”，吃之前要看看食品标签中的“钠含量”一栏。

十九大报告指出：“深化供给侧结构性改革，推动互联网、大数据、人工智能和实体经济深度融合”[1]。互联网发展已成为我国推进区域创新发展、优化产业结构、提高经济质量的新动能。互联网作为信息技术发展的具体形式，蕴含着驱动自主创新的巨大潜能，不仅能够突破地理距离约束、整合跨区资源，更能建立高效信息连通机制，弥补区域要素禀赋差异[2]。互联网资源量体现在网络基础资源的增加，互联网普及度体现为网民的扩大，以下主要用这两个指标衡量互联网发展。近年来，我国互联网迅猛发展，至2020年3月，我国网民规模达到9.04亿，全年新增网民7 508万，互联网普及率达到64.5%，较2018年提高4.9%；至2019年12月，IPv6地址数量为5 0877块/32，较2018年底增长15.7%；域名总数为5 094万个，其中“.CN”域名总数为2 243万个，较2018年底增长5.6%，占我国域名总数的44.0%。(1)数据来源于《第43次中国互联网络发展状况统计报告》。我国互联网域名高性能解析技术不断发展，显著提升了我国互联网的服务能力与安全保障能力，互联网覆盖范围进一步扩大，移动流量资费下降，居民入网门槛进一步降低，信息交流成本降低，效率提升。然而，我国互联网普及率与欧美等发达国家地区相比仍处于中等水平，远低于欧洲的86.6%与北美的89.1%，甚至低于中东地区的65.8%与南美地区66.6%，仅高于非洲以及亚洲的平均水平。(2)数据来源于https:∥www.internetworldstats.com。因此，我国互联网普及与发达国家存在显著差距。除此之外，当前我国互联网发展区域差距显著，根据《网宿·中国互联网发展报告(2018年)》所公布的数据，至2018年12月，北京、上海的互联网普及率居于我国首位，均高于70%，互联网普及率低于50%的省份仍有贵州、河南、四川、西藏、甘肃与云南6个省区；就互联网资源量而言，山东域名数占据全国首位，浙江、江苏紧随其后，青海、西藏居于末位。

综上所述，我国互联网资源量与普及度表现平平，存在较为严重的区域差距，且资源与普及错配问题凸显。对比互联网资源量和互联网普及度对区域创新能力的影响，可为下一步有效配置互联网资源，促进互联网普及，发挥两者提升区域创新能力的效用具有十分重要的意义。那么，在这种情况下，互联网资源量与互联网普及度的发展是否驱动了中国区域创新能力的提升？互联网资源量和互联网普及度的区域发展不均衡对区域创新能力与创新质量的影响是否存在异质性？互联网资源量与互联网普及度对区域创新能力是否具有空间溢出效应？客观回答上述问题，对于深度挖掘互联网提升区域创新能力，优化区域产业结构，缩小区域发展差距，具有十分重要的理论价值和现实意义。

二、 相关文献述评

关于互联网驱动创新，已有研究从不同角度肯定了互联网的创新驱动作用。从资源基础理论理解，互联网作为一种创新型资源，具有技术性、公共性、渗透性、信息性、网络经济等特征[3-4]，能够融入其他生产要素再创新，创新资源得到再利用，实现了熊彼特创新[5]。此外，互联网有较强的灵活性和整合性，可提高主体获取资源和整合资源的能力，迅速匹配需求侧与供给侧，促进创新资源的优化配置[6]。从信息流动理论理解，互联网改变了知识传播与信息分享的方式[7]，地理时空约束被打破，跨界协作成为可能，不仅形成了跨区域产业网络高效分工下的多重正反馈循环机制，还能通过跨行业高度融合形成渐进式创新，同时发挥规模效应和网络效应，实现了新经济结构的规模报酬递增[2][8-9]。从价值创造理论理解，互联网技术颠覆了以往的商业模式，以供给为导向的传统商业模式逐渐转向以需求为导向的互联网商业模式，单个企业创新行为逐渐转向企业网络创新行为，连接红利成为商业价值创造的主要驱动力，企业更加强调顾客参与体验，共同创造价值成为潮流，系统嵌合与同步同频成为创新网络协同发展的关键[10-11]。但罗珉、李亮宇否定了互联网驱动区域创新的作用，认为互联网时代是社群时代，社群在马太效应的驱动下占领了结构洞，在缺乏地域壁垒的情况下，互联网行业的垄断结构不断强化并难以打破，从而不利于创新活动的开展[12]。

从表10可以看出，对于互联网资源量来说，全国、东部地区、西部地区的互联网资源量并不能显著影响区域创新质量，只有在中部地区，互联网资源量能够显著促进区域创新质量。对于互联网普及度来说，全国与西部地区的互联网普及度显著抑制了区域创新质量。结合表2和表3的结果，可以发现，尽管全国以及三大区域的区域创新能力显著受到互联网资源量以及普及度的促进作用，但是发明专利的促进作用却不显著。也就是说，虽然在互联网资源量与普及度的双重作用下我国各地区专利申请数量与日俱增，但是其中发明专利的占比较低，实际能够促进技术进步的专利占比不高。

通过对已有文献的综合整理发现，现有文献对于互联网驱动创新能力的相关研究还处于初级阶段，多数学者集中于理论分析，即使是实证分析也是多基于线性角度。鲜有深入考察互联网与区域创新能力之间的内在关联，对于互联网驱动区域创新能力的非线性效应更为少见，基于互联网异质性探讨互联网发展与区域创新能力之间的关系几乎没有。本文的研究思路如下：首先，从互联网资源量和互联网普及度双重视角入手，以2005—2016年中国30个省区市(3)台湾、澳门、香港数据不易获取以及西藏部分数据缺失，故剔除。的面板数据为样本，基于指数生产函数构建面板固定效应模型，探讨互联网资源量与普及度对区域创新能力影响的异质性；其次，采用面板门槛回归方法对比互联网资源量、普及度与区域创新能力的非线性关系及其门槛特征；最后，利用空间杜宾模型分析互联网资源量与普及度对区域创新能力、区域创新质量的空间效应。

本文剩余部分安排如下，第三部分分析框架与研究假设；第四部分计量模型设定、实证结果及分析，包括互联网资源量与普及度对区域创新能力的线性影响、门槛效应以及稳健性检验、内生性分析；第五部分是进一步分析，包括互联网资源量与普及度对区域创新质量的影响分析以及空间效应分析；最后为本文的结论与政策建议。

三、 分析框架与研究假设

互联网发展是系统性的，主要包括互联网资源量增加和互联网普及度提高两个方面，互联网资源量增加主要体现为互联网基础设施的建设、互联网网站平台的构建、互联网技术的应用等；互联网普及度提高主要体现在互联网的扩散效应、互联网的网络效应等。为了深入研究互联网发展对区域创新能力的提升作用，本文基于互联网资源量和普及度双重视角进行理论分析。

将模型5a与模型5b结合起来比较，低资源系数稍高于低普及系数、高资源系数远小于高普及系数，说明当区域处于低资源低普及时，互联网资源量对区域创新的促进作用大于互联网普及度。随着互联网发展水平不断提高，达到高资源高普及状态时，互联网资源高水平陷阱与互联网网络效应同时作用，互联网普及度发挥的促进作用远超于互联网资源量增加产生的创新溢出效应。目前我国已有4个省份进入高资源高普及层次，这些区域应在享受规模效应的同时，注意跳出资源的高水平陷阱。

综上所述，相关政府部门应当加强建筑产业现代化发展相关政策制度的贯彻落实，建筑企业应有效提高技术创新能力，提高建筑企业相关从业人员的专业技能和综合素质，搭建高效的互联网交易平台。

(一) 互联网资源量对区域创新能力的影响机制

互联网资源量对区域创新能力的积极影响：一是互联网的内生效应。互联网作为一种典型的技术创新资源，对区域创新能力的提升具有较大的驱动作用。在创新开发阶段，互联网便利的信息搜集和筛查，促进了创新理念的产生，提升了创新效率的升级，使全面模拟整体生产成为可能，创新开发流程更加精确化，创新开发的可能性大幅度提高。在创新转化阶段，互联网技术简化了产品创新的流程，优化了生产要素配置和生产方式，提高了生产资料的利用率，降低了技术转化的成本。同时互联网技术将生产前、生产过程、售后服务联系在一起，将产品创新的整个环节形成一个有机整体，企业可及时掌握创新活动情况，达到精益生产的效果，提高了创新效率。二是互联网的专业化效应。随着互联网技术的应用，越来越多的企业采取轻资产经营模式，非核心业务从“自制”转为“外包”，供应链条缩短，模块化分工凸显，现实市场和虚拟市场并存，市场容量无限扩大，长尾末端需求达到满足，个性化需求全面激发，产品创新成为常态。企业在专业分工下更加专注于自身核心业务的研究，给予更多的资源投入，干中学效应增强，人力资本存量不断增加，区域创新能力极大提升。三是互联网的连接效应。互联网资源作为一种新兴生产力，通过构建平台将消费者、供应商、商家连接起来，创造了全新的经营模式和商业模式，改变了新产品的营销方式和消费方式，缩短了新产品的生命周期，推动着新一轮创新活动的产生。互联网将高校、研发机构和企业紧密的联系在一起，并通过产学研平台充分配置创新资源，加强了各地区产学研联系的紧密程度，使得创新活动顺利展开。

互联网资源量对区域创新能力的非线性关系：一是互联网资源需与研发资本投入、研发人员水平等补偿性要素在一定的配比下才能发挥其作用。在初始阶段，互联网资源相对于补偿性要素而言，投入量过少，边际生产力较大，其少量的增加就会促进区域创新能力大幅度提高。随着互联网资源的不断增加，互联网资源与补偿性要素之间的差距越来越小，互联网资源的边际生产力不断减少，发挥的创新溢出效应逐渐减弱，同时企业会相应挤出补偿性要素的投资，导致互联网资源与补偿性要素之间的配比降低，加快了互联网资源创新溢出效应减弱的速度。当互联网资源水平高于这一配比后，会出现补偿性资源难以支撑的现象，继而会出现网站低水平、无效益重复建设的情况，导致互联网线路互相干扰、互联网资源浪费和冗余，这使互联网资源对区域创新能力的促进作用被再次削弱。二是随着科学技术日新月异，互联网软件、硬件等资源需要更新升级，互联网资源的投资具有持续性。最初，互联网资源的边际效益极大，互联网资源投资成本低于互联网资源收益，利润驱使企业自愿将资金投资互联网资源建设，互联网资源促进了区域创新能力的提升。随着互联网资源投入的增加，其边际效益递减导致互联网资源效益不断降低，巨大的互联网资源投资成本减弱了企业增加互联网资源投入的动力，在一定程度上减弱了互联网资源的创新溢出效应。当互联网资源增加到投资成本高于资源收益时，企业会彻底丧失对互联网资源投入的动力，互联网资源投资的减少难以维持新技术更新，严重削弱了互联网资源对区域创新能力的促进作用。基于此，本文提出：

假设H1：互联网资源量的增加促进了区域创新能力的提升，互联网资源量与区域创新能力之间存在非线性关系，其发挥的促进作用呈现高水平陷阱(4)随着互联网资源量的增加，互联网资源量对区域创新能力的促进作用逐渐递减，互联网资源量水平越高，创新溢出效应越低。。

(二) 互联网普及度对区域创新能力的影响机制

互联网普及度对区域创新能力的积极影响有：一是互联网的知识溢出效应。互联网加快了知识的传播速度和范围，使知识边界不断扩展，知识存量逐渐增加，知识内容日趋多元化，知识价值持续增值。此外，互联网使联合创新成为常态，各行各业的精英相互交流探讨形成创新社区，多方群体之间互动促使创新知识、思想、见解互相碰撞、互相启发、互相激励，推动创新思想火花的产生。二是互联网的信息扩散效应。互联网加快了信息扩散，信息传播的方向从单向转变为多向，内容从单一向丰富发展，各企业能够高效率、低成本地从供应商、政府、高校、研究所等地方获取和吸收外部信息，准确、快速掌控需求发展方向、技术创新前沿等信息，打破了信息不对称壁垒，减小了创新的不确定性，激励各企业积极进行创新活动。三是互联网的跨界效应。互联网打破了空间、行业的束缚，发挥“流动空间”和流动行业”的协同叠加作用，跨越区域、行业的边界，通过横向和纵向互补耦合的形式获取额外的异质性资源，脱离了仅依靠自身创新投入的路径依赖，将各地区的人才、资金、技术等创新要素再整合、再重组、再布局，促使创新资源最优化配置，从而实现了熊彼特创新。

从表4可以看出，以互联网资源量为门槛变量时，对于全国和东部地区来说，单一门槛和双重门槛均显著为正，但是三重门槛没有通过检验，故当互联网资源量为门槛变量时采用双重门槛模型，其门槛值分别为9.031和12.329、10.490和11.946；对于中部和西部地区来说，只有单一门槛的回归系数显著，此时互联网资源量为门槛变量时采用单一门槛模型，门槛值分别为9.429和9.600。以互联网普及度为门槛变量时，对于全国、东部和中部地区来说，单一门槛和双重门槛均显著为正，故当互联网普及度为门槛变量时采用双重门槛模型，其门槛值分别为-1.061和-0.431、-0.718和-0.452、-2.344和-1.976；西部地区的三重门槛均在1%的显著水平下为正，其门槛值为-2.535、-1.117和-0.863。

假设H2：互联网普及度的提高促进了区域创新能力的提升，且互联网普及度与区域创新能力之间是非线性关系，其发挥的作用呈现网络效应。

从表4可知，社会医疗保险和社会养老保险均对个人收入公平感知的影响显著，但比起社会医疗保险，社会养老保险的个人收入公平效应更强。两种主要社会保险参与情况的交互项对于个人收入公平感知产生负向影响，说明社会医疗保险和社会养老保险未能进行有效衔接和联合以对个人收入公平感知起到促进作用。商业医疗保险、商业养老保险和两者参与情况的交互项对整体社会公平感知均无显著影响，说明商业保险的参保没有明显的个人收入公平效应。自变量中社会医疗保险参与、社会养老保险参与和社会保险整体参与进入回归方程，因此个人收入公平感知的回归方程为：

互联网资源是互联网普及的基础。互联网应用之前，必须先建设互联网基础设施、搭建互联网平台等，这时的互联网普及水平极低，互联网资源的重要性强于互联网普及，其发挥的作用也大于互联网普及。但短时间内，互联网普及迅速扩大，相对于互联网资源的专业化效应、链接效应、内化效应，其互联网普及的知识溢出效应、信息扩散效应以及跨界效应更直接针对于区域的知识存量、更能了解市场需求、更能掌握技术前沿、更能充分利用创新资源、更能拓展企业的创新可能性边界，其对区域创新能力发挥的作用更大。故总体来说，互联网普及度对区域创新能力提升所发挥的作用高于互联网资源量。基于此，本文提出：

2015年12月，阳光佳苑一期一条主管线突然崩裂，无法正常供暖。为尽快恢复供暖，陈建华脱掉棉衣，只穿着单薄的工作服，第一个跳进脏水沟里更换主管线，刺骨冰冷的水冻得他瑟瑟发抖。经过几小时的抢修，才将管线安装完成。

假设H3：互联网普及度的促进作用大于互联网资源量的促进作用。

四、 计量模型、实证结果及分析

(一) 模型设定

根据前面理论分析，互联网作为新兴经济要素，在区域创新能力提升中具有至关重要的作用，故本文将互联网发展作为重要的生产要素纳入创新生产函数。另外,已有研究表明研发投入强度、人力资本水平、对外开放程度、技术流动性、市场化水平等要素对区域创新能力的影响作用不可忽视[16-17]，考虑到各区域社会发展不均与资源分布不均等因素所带来的异方差负面影响，本文将所有变量取自然对数，构建以下模型：

山的下面有一片坟地。那是我们四个人经常光顾的地方。城市中的许多人死后都葬在这里。艳阳天里，坟碑、坟丘及书法遗照，个个亡韵十足。你会觉得这些人还都活着，只是存在的方式不同罢了。

本文分别从互联网资源量和普及度出发，研究这两者对区域创新能力的异质性影响。由于Hausman检验在固定效应模型与随机效应模型的选择中显著拒绝原假设，因此应采用固定效应模型。同时为了消除异方差影响，本文采用稳健性标准差进行估计，回归结果如表2和表3所示。其中模型1和模型2分别是不加入控制变量和加入控制变量情况下互联网资源量对区域创新能力影响的回归结果，模型3和模型4分别是不加入控制变量和加入控制变量情况下互联网普及度对区域创新能力影响的回归结果。从回归分析结果可以看出，除了模型2c，其余模型加入控制变量并没有改变互联网资源量变量和普及度变量的系数的显著性，表明回归结果具有一定的可靠性，即互联网资源量与普及度对区域创新能力均有一定的正向促进作用。对于中部地区来说，加入控制变量之后，互联网资源量对于区域创新能力的影响从显著变为不显著，这说明互联网资源量对中部地区的区域创新能力有一定的正向影响，但是影响程度低于控制变量。就全国范围内来说，在模型2a中，互联网资源量回归系数为0.173，且在1%水平下显著，说明互联网资源量对区域创新能力提升具有显著的促进作用，并且在除了中部以外的其他地区，互联网资源量都能显著促进区域创新能力的提升。在模型4a—4d中，互联网普及度的回归系数在1%的显著性水平下显著为0.425、0.262、0.606、0.420，表明互联网普及度显著提高了全国及三大区域的创新能力。另外，比较模型2a—2d与模型4a—4d的互联网资源量与普及度的回归系数，发现后者的回归系数均大于前者。因此，与互联网资源量相比较，互联网普及度对区域创新能力的促进作用更大，发挥的效应更强，从而证明了假设H3的成立。上述结论表明互联网资源量与普及度已成为区域创新能力提升的新动力源泉，尤其是互联网普及度具有更大的创新效应，因此各省区市应充分发挥互联网资源量与普及度在区域创新能力提升中的积极作用，尤其要不断提高互联网普及程度，把握好互联网发展所带来的创新红利。

(1)

1. 变量替换

(2)

其中，i表示省份，t表示时间；inn、wz、wm、rd、edu、ope、sc、mar分别表示区域创新能力、互联网资源量、互联网普及度、研发投入强度、人力资本水平、对外开放程度、技术流动性、市场化水平；α0、β0代表常数项。α1～α6,β1～β6是待估参数；εit代表随机干扰项。

近期，SGSN设备出现大量”GTPC路径断”告警，告警峰值在24H内会出现接近1000次，而且告警设备的地址几乎都为本省的SGSN GTPC地址，涉及范围为每套SGSN。

为了研究互联网发展与区域创新能力之间的非线性关系，本文在式(1)、式(2)的基础上，借助汉森(Hansen)提出的面板门槛回归模型[18]，以互联网资源量和普及度为门槛变量构建互联网发展对区域创新能力的非线性模型。如下所示：

lninnit=δ0+δ1lnwzit·I(lnwzit≤γ1)+δ2lnwzit·I(lnwzit>γ1)+…+δ3lnrdit+δ4lneduit+δ5lnopeit+δ6lnscit+δ7lnmarit+εit

(3)

lninnit=φ0+φ1lnwmit·I(lnwmit≤γ1)+φ2lnwmit·I(lnwmit>γ1)+…+φ3lnrdit+φ4lneduit+φ5lnopeit+φ6lnscit+φ7lnmarit+εit

(4)

其中，innit是被解释变量，表示i省份第t年的区域创新能力；wzit、wmit分别代表互联网资源量和互联网普及度，既是核心解释变量也是门槛变量；γ为待估的门槛值；I(*)是指示函数，当括号内条件满足时，取值为1，否则为0；δ0～δ7、φ0～φ7是待估参数；εit代表随机干扰项。

(二) 变量与数据

本文所考察区域创新能力体现在各地区的创新产出方面。已有研究对于创新产出的衡量主要有专利申请数、专利授权数、新产品销售收入3个指标，并且全国对于专利的定义是统一的，各地区的专利具有可比性，且本文研究对象是地区，专利较新产品销售具有更好的一致性，且新产品销售更加倾向于工业方面的研究[19]。此外，专利从申请到授权这一过程所需时间较长，专利授权数具有滞后性，故本文选择各省区市的专利申请数作为被解释变量区域创新能力(inn)的衡量指标。本文的解释变量是互联网发展的指标，即用互联网资源量(wz)和互联网普及度(wm)，互联网资源量体现为网络基础资源的增加，故本文使用各省拥有的网站数量衡量；互联网普及度体现为网民的扩大程度，考虑到各省区市网民人数受本地区人口基数的影响较大，本文采用各省区市网民人数与本地区总人数比值来衡量。互联网资源量和互联网普及度变量既是核心解释变量也是门槛变量。主要的控制变量包括：(1) 研发投入强度(rd)，采用各省区市R&D经费内部支出占生产总值的比重作为研发投入强度的衡量指标；(2) 人力资本水平(edu)，采用各省区市平均受教育年限来衡量，计算公式是edu=0·x1+6·x2+9·x3+12·x4+16·x5，其中x1、x2、x3、x4、x5分别表示各省区市从未上过学、小学、初中、高中、大专及以上教育程度人口占年龄在6岁及6岁以上人口的比重；(3) 对外开放程度(ope)，采用各省区市进出口总额与生产总值的比值作为衡量指标；(4) 技术流动性(sc)，采用各省区市的技术市场成交额与GDP的比值来衡量；(5) 市场化水平(mar)，采用各省区市国有企业就业人数占总就业人数的比例作为逆指标，此值越大表明市场化水平越低，反之则越高。

本文所使用的数据遵循可获得性、独立性和口径统一等原则，选取2005—2016年(5)由于2017—2018年的网民数尚未有官方机构公布，故将数据的截至年限选择为2016年。中国30个省区市(台湾、澳门、香港数据不易获取以及西藏部分数据缺失，故将这部分数据从中剔除)的面板数据作为研究样本。原始数据均来自于《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》《中国金融年鉴》和《中国互联网络发展状况统计报告》。全国及东中西三大区域(6)东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省份；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省份。各变量的样本统计结果如表1所示。

(三) 互联网资源量与普及度对区域创新能力的线性影响效应

lninnit=α0+α1lnwzit+α2lnrdit+α3lneduit+α4lnopeit+α5lnscit+α6lnmarit+εit

表1 各变量的统计性描述

表2 互联网资源量对区域创新能力线性影响的回归结果

表3 互联网普及度对区域创新能力线性影响的回归结果

对控制变量来说，研发投入强度的回归系数几乎均显著为正，说明研发投入是促进区域创新能力的基本要素，研发投入强度越高，区域创新能力越大，并且研发投入强度对于中部地区区域创新能力的影响高于西部，高于东部。从人力资本水平来看，回归系数在1%的水平下显著为正，表明人力资源在区域创新能力提升过程中发挥重要的智力支撑作用，人力资本水平越强，区域创新能力提升越快。从对外开放程度来看，东部地区的回归系数显著为负，西部地区显著为正。前者说明东部地区的对外开发程度与创新程度成反比；后者体现了西部地区的对外开放程度越高，越有利于知识的溢出效应与信息扩散效应，创新程度显著提高。从技术流动性来看，回归系数均在1%的显著水平下显著为正，说明技术流动性越强，越有利于区域创新能力的提升。从市场化水平来看，多数回归系数显著为负，表明市场化水平越高，区域间竞争力度越强，越有利于本地区创新资源的优化配置，从而促进本地区创新能力的提升。

白洋淀蓄滞区安全建设工程包括新安北堤、障水埝、北四门堤、南四门堤、淀南新堤、老千里堤、赵王新河左堤7条堤防（总长172.27km），北六、留村、大石桥等6座分洪口门，王庄、杨孟庄、寨里等24座穿堤建筑物（实际勘察建筑物27座）。

(四) 互联网资源量与普及度对区域创新能力的门槛效应

从理论分析可知，互联网资源量、互联网普及度与区域创新能力的关系并不一定是简单的线性关系，有可能存在复杂的非线性关系。传统对于非线性的研究一般加入二次项或者交互项，但这样有可能会引起多重共线性问题，造成结果的偏误。为了解决这一问题，有必要采用门槛效应模型验证此结论的正确性。

1. 互联网资源量与普及度对区域创新能力的门槛模型检验

在对公式(3)和公式(4)进行门槛模型估计之前，首先要进行门槛效应存在性检验，判断门槛值的个数以及确定门槛值，从而选择正确的模型估计互联网发展对区域创新能力的非线性效应。依次对不存在门槛、存在一个门槛、存在两个门槛以及存在3个门槛的原假设通过F值和Hansen自抽样法得到的P值进行判断，检验结果如表4所示。

表4 门槛模型检验

互联网普及度对区域创新能力的非线性关系：梅特卡夫定律指出，网络的价值与互联网用户数的平方成正比。互联网普及与区域创新能力之间并非简单的线性关系，而是随着互联网普及水平的提高，互联网将发挥更大的价值，驱动区域创新能力提升的效应会爆发式增长。当互联网普及水平较低时，只有少量的群体能够相互交流探讨，分享自己的创新思想，被整合的知识只能被少量的网民接收，知识内容更新速度缓慢，创新思想来源减少。企业不能及时了解前端的创新信息，创新活动不确定性加大，创新产品生命周期加长，网民数量限制了知识溢出效应和信息扩散效应，这时网民数量的少量增加会明显促进区域创新能力提升。随着互联网普及范围的不断扩大，在现有条件下所有可能成为网民的人员都已成为网民时，经济、技术以及知识的落后限制了网民规模扩大，促进作用达到饱和，这时互联网普及对区域创新能力促进作用不明显。当网民规模达到一定程度后，社群效应被激发，世界各地相连在一起，不同的信息流互相碰撞，知识溢出效应和信息扩散效应将发挥更大的作用。假设任何一位创新主体都占有网络的一个节点，他们之间互相建立起一条网络互动线，他们又在此节点上将自身特有的创新思想传播给其余节点。当用户数达到一定量时，网络互动线和创新思想传播线将会以指数形式爆发式增长，知识溢出效应和信息扩散效应更为广泛，互联网在驱动区域创新中将会发挥更大的网络价值。基于此，本文提出：

就全国层面来看，根据门槛值可将互联网资源量分为低资源、中资源、高资源3个层次，互联网普及度分为低普及、中普及、高普及3个层次。利用表4具体列出互联网资源量和互联网普及度的3个层次区间的真实值，如表5所示。基于2016年的数据按照表3的门槛值将各省区市进行分类，可以看出，我国已有21个省区市的互联网资源量进入中资源层次，北京、上海、福建、广东、江苏、浙江和山东7个东部地区达到高资源水平，仅有青海和宁夏还处于低资源层次。所有地区互联网普及度都跨越了第一门槛，到达中、高普及水平。但是，全国仅有北京、上海、福建、广东4个省区市达到了高资源、高普及水平，大部分地区处于中资源、中普及状态。

表5 互联网资源量与普及度发展水平的分层

2. 互联网资源量与普及度对区域创新能力的门槛模型回归结果分析

表6中模型5a—8a是以互联网资源量为门槛变量来研究互联网资源与区域创新能力之间的非线性关系。从全国层面来看，当互联网资源量低于9.031时，即处于低资源状态时，其影响力度为0.554，且通过了1%的显著性水平检验，说明此门槛区间内互联网资源量对区域创新能力有着显著的促进作用；当互联网资源量介于9.031和12.329之间时，影响系数为0.524，通过1%的显著性水平检验，说明互联网资源量对区域创新能力仍有正向效应，但与第一门槛区间相比，这种促进作用有所减弱；当互联网资源量高于12.329时，影响力度为0.478，此时的影响程度进一步减弱。可见，随着互联网资源量的增加，互联网资源量对区域创新能力的促进作用不断减弱，且减弱程度逐渐增强，这可能是由资源边际报酬递减与资源浪费冗余双重冲击造成的，说明互联网资源量存在高水平陷阱，假设H1的成立。因此各省区市在积极加强互联网资源基础设施建设的同时要注意资源的浪费和冗余，避免陷入高水平陷阱。对于东部地区来说，在互联网资源量门槛条件下，互联网资源量对区域创新能力影响存在双重门槛，但东部地区互联网资源量对区域创新能力的负向影响效应并不显著。对于中部地区，当互联网资源量低于9.429时，影响系数为-0.231，且通过5%的显著性检验，说明第一门槛区间的互联网资源量不利于区域创新能力的提高；当互联网资源量高于9.429时，影响系数为-0.191，通过10%的显著性检验，这一区间的互联网资源量的增加不利于区域创新能力提升的程度有所减弱。对于西部地区，互联网资源量低于9.600时，这一区间内的互联网资源量对区域创新能力的促进作用并不显著；当互联网资源量高于9.600时，影响系数为0.160，通过10%的显著性检验，说明此时互联网资源量对区域创新能力的提升起到显著的促进作用。

表6 互联网资源量对区域创新能力门槛效应的回归结果

以互联网普及度为门槛变量进行回归，估计结果如表7所示。从模型5b—8b回归结果来看，互联网普及度处于不同水平时，对区域创新能力产生的影响不同。从全国层面来看，当互联网普及度小于-1.061时，回归系数为0.391，且显著性为1%，说明互联网普及度对低普及地区的区域创新能力有积极影响；当互联网普及度大于-1.061且小于-0.431时，回归系数为正不显著，说明互联网普及度对中普及地区的创新能力提升并没有发挥显著作用；当互联网普及度大于-0.431时，即互联网普及达到高普及水平时，回归系数为1.270，且在1%的显著性水平下高度显著，说明互联网显著促进了高普及地区创新能力的提升，且促进作用远大于低普及时所发挥的作用，可见互联网普及度与区域创新能力之间存在非线性关系；当网民比例小于34.61%时，互联网普及度的提高有利于区域创新能力的提升;当网民比例处于34.61%—64.99%时，互联网普及度的促进作用不显著；但当互联网网民比例超过64.99%时，互联网普及度的创新溢出效应显著增强，可见互联网普及度具有网络效应，从而验证假设H2成立。目前我国所有地区都跨越了低普及门槛，但26个省区市都位于中普及水平，其互联网普及度对当地的区域创新能力不起作用，说明我国还应继续努力扩充互联网普及，构建普惠互联网，尽可能使互联网普及度大于-0.431，充分享受网络效应带来的红利。对于东部地区，当互联网普及度小于-0.718、大于-0.718且小于-0.452之间时，系数分别为0.281和0.416，均在1%的显著性水平下显著，说明互联网普及程度的增加，对区域创新能力的影响也随之增加；当互联网普及度大于-0.452时，互联网普及程度对区域创新的正向促进作用不显著。对于中部地区，随着互联网普及程度的提高，其对于区域创新能力的促进作用也越高，可见存在一定程度的互联网普及促进区域创新能力的边际递增效应。对于西部地区，当互联网普及小于-2.535、大于-2.535且小于-1.117、大于-1.117且小于-0.863之间时，影响程度分别为0.487、0.661、0.366，且均在1%的显著性水平下显著，说明互联网普及程度对于区域创新能力存在倒U型的非线性关系；当互联网普及度大于-0.863时，互联网普及度对区域创新产生并不显著的抑制作用。

表7 互联网普及度对区域创新能力门槛效应的回归结果

将1.00g沉积物样品放于50mL三角瓶中，然后加入0.2mL甲苯、4mL pH=11的缓冲溶液和1mL对硝基苯磷酸二钠溶液，轻摇混匀塞上瓶盖，在37℃下培养1h。加入1mL CaCl2溶液和4mL NaOH溶液，轻摇几秒钟后，铝制过滤。用分光光度计在400～420nm进行比色，测定溶液的吸光值。同时测定无泥及无底物对照。实际APA用每小时每千克干重沉积物产生对硝基苯酚的毫克数计算。

总体来看，在互联网资源量与普及度的门槛条件下，互联网发展对区域创新能力的影响呈现出复杂的非线性关系，且这种关系表现为一定的空间异质性。随着全国、西部地区互联网资源量的发展，互联网资源量显著促进了区域创新能力，但促进的规律存在差异性，而中部地区的互联网资源量的增加并未改善对其创新能力的异质效应。随着全国以及三大区域的互联网普及度的提高，互联网普及度显著促进了区域创新能力，而不同区域显示出不同的非线性关系，随着互联网普及的扩大，其对区域创新能力的促进作用先由强变弱，再由弱增强，且具有网络效应。

(五) 互联网资源量与普及度对区域创新能力的稳健性分析与内生性分析

到目前为止，依旧有两个问题困扰着上述结论的可靠性，一是用网站数量与网民比例来衡量互联网资源量与普及度是否可靠；二是可能存在遗漏变量所造成的内生性问题。对此，采用变量替换与工具变量法进行稳健性分析与内生性分析。

另外，译者在翻译一些较难或者没有英文版本的书刊名的时候，选择了省译。比如“《粤道贡国说》、《兰伦偶说》《耶稣教难入中国说》”等，在英译汉版本中均没有翻译出来。笔者认为在翻译书刊名的时候，可以站在译文接受者的角度，选择重要并且有代表性的书刊名进行翻译，没有必要全部都翻译出来。

lninnit=β0+β1lnwmit+β2lnrdit+β3lneduit+β4lnopeit+β5lnscit+β6lnmarit+εit

新鲜水果和蔬菜容易受到病原微生物和腐败微生物的污染，无论从收获前阶段开始还是后处理阶段。科学家对农业商品的臭氧应用进行了探索，发现它比其它消毒剂（例如氯）提供更多的消毒能力，并且能够去除大量的污染物，包括耐氯处理的微生物。

考虑到以上所使用的网站数量与网民比例并不能准确替代互联网资源量与普及度，因此，本文选择互联网CN域名数代替网站数量衡量互联网资源量，以互联网普及率代替网民比例衡量互联网普及度，并分别进行回归分析，结果如表8所示。就CN域名数来说，全国层面和中部地区的CN域名数量显著促进该区域的区域创新能力，而对东部地区和西部地区无显著正向影响；而互联网普及率显著促进了全国以及三大区域的区域创新能力，且影响力显著超过CN域名数量，这与表2和表3所得结论基本一致。

因此，在目前多元化社会思潮和多元化价值观念的影响下，加强医院各科室精神文明建设尤为重要。医务人员只有积极践行社会主义核心价值观，才能避免被非主流的思想观念和价值观念所误导，才能保障我国的医疗卫生事业始终保持正确的价值取向和发展方向，健康稳定可持续发展。

表8 稳健性分析：变量替换

2. 工具变量

考虑到遗漏重要变量或者互联网发展与区域创新能力之间可能存在的双向因果关系而导致的内生性问题，本文在个体固定效应模型的基础上分别以互联网资源量的滞后一期和互联网普及度的滞后一期作为互联网资源量和普及度的工具变量，并采用工具变量估计方法进行回归分析。首先进行Hausman-Wu内生性检验，两个模型均拒绝原假设，认为表2和表3中存在内生性，有必要引入工具变量进行估计。随后进行弱工具变量检验，发现F值均大于10，不能拒绝原假设，说明引入的工具变量是合理的。回归结果如表9所示，从中可以看到主要变量的估计系数正负与显著性与前文估计结果保持一致，再一次证明互联网资源量和普及度确实对区域创新能力都存在显著的积极影响，且互联网普及度促进作用更甚，其回归结果皆验证了假设H1-H3，判定本文主要结论具有良好的稳健性。

五、 进一步分析

(一) 互联网资源量与普及度对区域创新质量的影响

我国将专利分为发明专利、实用新型专利以及外观设计专利三大类。前文鉴于专利授权的滞后，故采用专利申请数量作为区域创新能力指标，但是专利申请数量与专利授权数量之间仍存在一定的差异。本文所研究的区域创新能力考察的创新能力是能促进科技进步、新技术落实的创新能力，是在互联网、大数据、人工智能发展的大背景下所产生的创新能力，因发明专利的数量至关重要，所以本文进一步选用发明专利与专利授权数量之比作为衡量区域创新质量的指标，采用固定效应模型，研究互联网资源量与普及度对区域创新质量的影响，结果如表10所示。

在实证研究方面，卡福斯(Kafours)利用C-D函数的理论框架，实证验证了互联网发展能够提高企业的研发能力[13]。张旭亮等考虑到互联网区域溢出效应的影响，基于空间杜宾模型，借助2005—2015年中国省域面板数据，以互联网普及率来代表互联网发展，揭示了互联网对本区域创新产出具有直接的助推作用，且对邻近区域的创新具有明显的空间溢出效应[2]。张玉明等利用《中国小微企业调研系统》大规模调研所得的2 683家小微企业数据，以此为样本，运用探索性因子分析和多元回归等方法检验了互联网环境对小微企业技术创新的影响，发现良好的互联网环境不仅能够促进小微企业进行技术创新，还能正向调节企业家社会资本对技术创新的促进作用[6]。曾世宏、高亚林运用逐步缩小样本量法和门槛效应模型检验互联网普及对服务业创新发展的作用路径，得出互联网通过消费路径促进服务业创新发展，但不同的经济发展地区的作用路径不同[14]。郭家堂、骆品亮以2002—2014年中国省级面板数据为样本，实证分析了互联网对中国全要素生产率有显著的促进作用，并基于门槛面板模型说明互联网对中国全要素生产率的促进作用是非线性的，互联网具有网络效应，当超越临界值将发挥更大的作用[7]。李佳钰、周宇基于价值链视角，利用2011—2016年全国31个省区市的工业面板数据，构建省际互联网发展水平指数，采用超越对数随机前沿生产函数模型测度互联网对中国工业两阶段技术创新效率的影响，研究发现互联网促进了工业技术创新效率水平提升，并且对技术开发效率的促进作用强于技术转化效率[15]。

表9 内生性检验：工具变量法

表10 互联网资源量与普及度影响区域创新质量回归分析结果

(二) 互联网资源量与普及度对区域创新能力的影响机制

互联网资源量与普及度均会对区域创新能力产生影响，那么影响机制何在？从上述实证检验来看，互联网资源量与普及度都会有效促进区域创新能力，并且对创新质量的影响存在异质性。由于一个区域的经济增长不仅受到自身因素的影响，而且依赖于相邻区域的经济增长。那么互联网资源量与普及度是否通过空间溢出效应影响区域创新能力？为此，本文利用空间杜宾固定效应模型(Spatial Durbin Model，SDM)对互联网发展影响区域创新能力进行检验：

lninnit=λ1lnwzit+λ2lnrdit+λ3lneduit+λ4lnopeit+λ5lnscit+λ6lnmarit

(5)

lninnit=θ1lnwmit+θ2lnrdit+θ3lneduit+θ4lnopeit+θ5lnscit+θ6lnmarit

(6)

其中，innit表示创新产出；Wij是一个标准化的N×N的空间矩阵，本文采用最为普遍的二值空间权重矩阵，Wij的元素wij表示区域i与j是否接壤，两地区接壤时wij=1，反之则wij=0；λ和θ表示收敛系数；ρ和ρ′表示空间外溢系数，如果显著为正，则表示相邻区域的创新能力对目标区域的创新能力产生了一定程度的空间外溢效应；扰动项εit服从均值为0，方差为σ2的独立同分布随机误差向量；λ1～λ6、θ1～θ6、ρ、ρ′是待估参数。

本文采用Moran’s I进行空间自相关检验，利用式(5)、式(6)研究我国区域范围内互联网资源量、互联网普及度、专利申请数量、专利发明数量、专利授权数量以及专利质量等各变量是否存在潜在的空间自相关。2005—2016年各变量的Moran’Ⅰ统计量如表11所示。

表11 潜在的空间自相关检验：Moran’s Ⅰ统计量

表11的结果表明，选定的研究时段各年份的Moran’s I统计量，互联网资源量与普及度均在1%的显著性水平下拒绝了空间随机分布的原假设，表明我国互联网资源量与普及度长期存在潜在的正空间相关性；其余各变量均在一定程度上拒绝原假设，表明存在一定的空间自相关性。因此，本文对于固定效应的空间面板模型所进行MLE估计，考虑空间关系后，样本数据服从包含固定效应的空间杜宾模型SDM-FE，因此本文主要采用SDM-FE进行估计，结果如表12所示。

表12 空间面板数据SDM-FE的回归结果

由表12可知，空间外溢系数ρ的估计值显著为正，且都通过1%的显著性检验。这表明邻近地区的互联网资源量与普及度水平越高，越有利于本地区的区域创新能力提升。当被解释变量为专利申请数与专利授权数时，互联网普及度的滞后项在5%的显著性水平下通过检验，表明互联网普及度存在显著的空间溢出效应，即我国互联网普及度具有显著的正向空间影响，一个地区以专利申请数量与专利授权数量体现区域创新能力时，该区域创新能力不仅与本区域的互联网普及程度有关，还受到临近区域的影响。当被解释变量为发明专利数与专利质量时，互联网资源量的滞后项在1%的显著性水平下通过检验，表明互联网资源量存在显著的空间溢出效应，我国互联网资源量具有显著的正向空间影响。可以认为互联网普及度对专利申请的数量以及专利授权数量产生显著影响，而对于起关键作用的发明专利来说，则是互联网资源量起显著促进作用。

上述结果表明，互联网资源量与普及度的空间溢出效应是影响区域创新能力的机制，其中互联网资源量的空间溢出效应是发明专利与专利质量的影响机制，互联网普及度的空间溢出效应是专利申请数与专利授权数的影响机制。互联网资源将高校、研发机构与企业紧密联系，通过产学研平台充分配置创新资源，不仅加强了各地区产学研的紧密联系，还提高了包括信息、人力、技术等创新要素的整合效率，促使区域创新能够突破距离约束，以高效、便捷的方式，提升区域创新能力。并且由于互联网资源的增加，包括数据库在内的各类资源数量随之增加，信息搜寻成本的降低，尤其是对于技术创新的研发阶段，便于掌握技术前沿，实现与国内外领先技术的沟通，所以互联网资源对发明创新与创新质量具有空间溢出效应。互联网普及的知识溢出效应、信息溢出效应与跨界效应使得其对创新技术成果的转化起到了决定性作用。但由于互联网普及程度所涉及的信息、知识、技术专业化程度低于互联网资源，因此，互联网普及度对于专利申请数和专利授权数具有空间溢出效应，而对于发明创新的贡献相对于互联网资源量略弱。

六、 结论与启示

本文以2005—2016年中国30个省区市面板数据为样本，以互联网资源量和普及度作为衡量互联网发展的指标，从理论和实证方面考察互联网资源量、互联网普及度与区域创新能力之间的关系，首先利用面板固定效应模型验证互联网发展对区域创新能力的促进作用，对比分析互联网资源量和普及度创新溢出效应的异质性；其次利用面板门槛模型研究互联网发展与区域创新能力之间的非线性关系及所具有的门槛特征，研究互联网资源量与普及度对于区域创新能力的空间异质性；最后利用发明专利与专利授权数量之比衡量创新质量，研究互联网发展对区域创新质量的影响机制，并利用空间杜宾模型讨论互联网发展对区域创新能力的作用机制。本文研究发现：第一，互联网资源量与普及度对区域创新能力具有显著的促进作用且存在异质性，互联网普及度的创新溢出效应更高，互联网资源量对区域创新能力的促进作用由强变弱，且存在高水平陷阱与空间异质性；随着互联网普及的扩大，其对区域创新能力的促进作用由强先变弱后增强，且具有网络效应。第二，对于互联网资源量来说，全国、东部地区、西部地区的互联网资源量并不能显著影响区域创新质量，只有在中部地区，互联网资源量能够显著促进区域创新质量。对于互联网普及度来说，全国与西部地区的互联网普及度显著抑制了区域创新质量。第三，互联网资源量与普及度的空间溢出效应是影响区域创新能力的机制，其中互联网资源量的空间溢出效应是发明专利与专利质量的影响机制，互联网普及度的空间溢出效应是专利申请数与专利授权数的影响机制。上述结论在考虑稳健性检验与内生性问题后依然成立。

气体钻井循环系统的密封性，使得常规钻井中采用的岩屑检测方法不能直接适用于气体钻井过程[1-3]。微波法检测固体质量流量的基本思路是通过向流体发射电磁波，从反射的回波中提取流量相关信息[4]，该检测方法属于非接触式测量，不会扰动被测流体的流动状态，且反应迅速，可以实现自动连续实时的在线测量，且已有被应用于煤粉质量检测的研究[5]。笔者根据微波检测固体质量流量的原理，设计了1套气体钻井排砂管返出岩屑质量流量检测系统，并对检测的微波信号与质量流量之间的关系进行了相关推导与分析。

本文的研究结论对我国利用互联网发展驱动区域创新能力具有重要的政策含义。

首先，为了充分发挥互联网发展驱动区域创新能力的优势，应加强互联网基础设施建设，提升互联网普及度与互联网资源利用率，适当降低互联网宽带接入资费标准，提高宽带速度，改善互联网使用环境，保障互联网使用安全性，进而促使研发人员能够更便捷、更可靠地利用互联网资源进行创新研究，推动区域创新能力提升。

其次，为了促进各地区互联网均衡发展，应调整互联网资源分配，提高互联网发展驱动区域创新能力效率。对于不同地区来说，应根据自身互联网发展所处阶段制定差异化发展策略，重视网站低层次重复建设所造成的互联网资源浪费和冗余问题。尤其是互联网资源少且普及度较低的省份，应借助云技术、大数据、人工智能等新技术，促进互联网技术与产业的融合创新，倒逼传统行业的转型升级，充分发挥互联网资源对互联网发展落后地区创新能力的提升。对处于中资源水平的区域应加强政府监管，禁止未经批准擅自建设互联网基础资源，建立互联网资源共享机制，提高互联网资源利用率，防止互联网资源发展进入高水平陷阱。对处于高资源水平的东部省份全面整顿互联网网站，对于重复建设以及多余的互联网资源给予一定的补偿政策后进行精简。

CT检查具有较高分辨率、扫描速度及成像速度快、伪影少,可对胆道结石患者进行准确、及时的诊断。有关研究表明[2],CT检查对高密度结石的诊断准确率较高,但易受到容积效应的影响,尤其是胆总管发生扩张后,误诊率较高。此外,CT难以检出等密度结石和泥沙样结石,且辐射量大,因此在临床应用中存在一定局限性。

最后，为了促进各地区创新能力的提升，应在研发投入、教育投入、对外开放、市场化、技术市场流动等方面多努力。加大研发投入强度，充分利用创新资源，最大限度地发挥创新资源的促进作用。改变现行教育机制，培育创新型、应用型的专业创新人才，培养新时代人才互联网思维、创新思维。持续扩大对外开放水平，选择性吸取外部所带来的新技术、新思想，充分利用对外开放所带来的创新溢出效应。适当扩大技术市场交易普及，提高技术流动性，为大众创业万众创新提供支撑。