数字经济、研发创新与出口技术复杂度——基于中国省际面板数据的经验研究

马兆良，许博强，田淑英

（安徽大学 经济学院，安徽 合肥 230601）

数字经济是一种以信息化大数据为关键生产要素，以互联网、人工智能等数字技术为载体的新型经济形态。2017年我国政府工作报告首次提出要“促进数字经济加快成长”，党的十九届五中全会指出“要发展数字经济，推动数字经济和实体经济深度融合，坚定不移建设数字中国”。推动数字经济与实体经济融合创新已上升到国家战略层面。2020 年我国出口总值达4.62 亿美元，高居全球第一，但大多出口产业仍处于全球价值链的中低端，出口产品技术复杂度较低。为此，要通过数字经济与实体经济融合，促进研发创新，进而提高中国出口产品技术复杂度，进一步提升我国创新水平及出口贸易质量效应。

一、文献综述

围绕数字经济、研发创新和出口技术复杂度，国内外已有相关研究成果，主要集中在三方面。一是数字经济对研发创新能力影响分析。

Dunnewijk & Hulten（2007）、Thompson（2013）认为数字经济运用给企业带来生产效率改进和运营成本的降低，激发企业的研发创新能力[1-2]；吴群（2016）、张伯旭（2017）认为，企业通过与数字技术相融合，利用数字经济红利促进创新发展[3-4]；戴美虹等（2019）、秦海林（2020）从资源配置效率视角考察，发现数字技术的运用可以优化出口企业资源配置，提升企业创新绩效[5-6]。但也有部分学者研究发现数字经济并不总是带来正向效益。如Bart et al.（2015）、Sweet et al.（2015）研究发现欧洲的数字经济发展较快，但并未有效促进欧洲全要素生产率的增长[7-8]；王伟玲等（2019）认为因互联网环境下信息安全难以保障，网络“盗窃”变得更加容易且成本低廉，一定程度降低了企业研发创新动力[9]。二是数字经济对出口技术复杂度的影响分析。曹正勇（2018）认为数字经济是推动社会经济增长的核心要素，数字技术与实体经济的融合，推动了传统加工制造业的转型和升级并提升产品技术含量[10]。 Abeliansky et al.（2016）、卓 乘 风 等（2019）分别利用跨国面板数据、中国省级面板数据进行实证研究，发现数字经济发展对出口绩效有显著影响，能够促进出口技术复杂度的提升[11-12]。三是研发创新能力对出口技术复杂度提升的作用。郭晶等（2010）认为，研发创新是出口技术复杂度变化的主要原因，但中国高技术制造业的出口技术复杂度相比与其他国家仍处于较低水平[13]。张先锋等（2014）、沈琳（2015）通过实证分析，发现研发创新对出口技术复杂度具有推动作用[14-15]。凌丹等（2020）认为从长期来看，研发创新可以提升产品科技含量，并且是提高高技术产业出口产品技术复杂度的唯一方法[16]。

梳理相关文献可见，关于数字经济与研发创新，创新与出口技术复杂度的研究成果虽数量较多，但仍存有以下问题需进一步研究。一方面，关于数字经济能否推动研发创新，已有研究尚未达成一致结论，且现有研究仍以定性分析为主，经验研究不充分。另一方面，既有文献对数字经济与研发创新和出口技术复杂度关系的实证研究,大都使用互联网发展水平代表数字经济，事实上，数字经济发展水平包涵多个维度内容，仅使用互联网发展水平存在明显的测量误差，影响实证结果的稳健性。此外，鲜有学者考察数字经济影响出口技术复杂度的潜在渠道及可能存在的异质性问题。这些问题需进一步的经验研究。基于此，本文利用面板数据，进一步研究数字经济对研发创新和出口技术复杂度的影响及作用机制。本文可能的边际贡献在于：一是尝试构建数字经济发展水平测度指标体系，并测算出中国各省区数字经济发展水平，以期更为准确地考察数字经济对研发创新和出口技术复杂度的影响；二是甄别数字经济对出口技术复杂度的潜在影响渠道及其异质性影响，对已有研究成果作进一步拓展。

二、理论分析与研究假设

（一)数字经济促进研发创新和出口技术复杂度的提升

数字经济一般包括两部分，即数字产业化和产业数字化。数字产业化指的是基于数字技术催生的新型产业，如信息通讯业、互联网行业、电子软件服务业等，这些数字产业的发展打通了消费市场上供给与需求间的信息渠道，使大规模潜在消费市场得以充分利用，推动企业供给升级。产业数字化，指在新一代数字技术支撑和领导下，以数据资源为核心生产要素，以数据赋能产业链整体的全要素数字化升级、转型和再造。数字经济中数字产业化与产业数字化的“新两化”与数字技术和实体经济的“新融合”推动了区域创新能力发展。一方面，企业利用互联网、区块链、大数据等数字化技术，不仅能通过整合产品从研发、生产、销售到物流等各环节来大幅度降低生产成本，也能通过大数据分析，对消费者偏好和市场需求作出更精准的预测，从而降低企业的市场风险与交易成本，这均使得企业能将更多资金投入产品研发，直接支持了企业的研发创新活动。另一方面，互联网为企业提供了巨大的潜在市场，信息搜集成本的降低和消费者规模的扩大，使企业实现更多的产出和更高的生产效率，为企业技术创新带来巨大网络空间效应和技术溢出效应（佟家栋等，2019）[17]，进而推动企业研发创新能力的提升。

基于互联网开放的信息大数据库，使得数据传输和信息储存变得便捷迅速，投入的边际成本随着区域生产规模的扩大呈现递减趋势，从数字经济中获取的生产收益则呈现递增（王伟玲等，2019）[9]，这使企业有动机也有能力利用内部规模经济来提升自身产品技术复杂度来参与国际市场竞争。同时，数字化技术逐渐重塑全球供应链，并不断加强中国参与全球供应链的广度与深度，推动全球市场逐渐融合并产生更为庞大的经济规模效应，使一国的资源配置更加有效，这一定程度上弥补了生产率的潜在缺口，促进户口技术复杂度。此外，数字经济的发展使企业和消费者的可达市场规模扩大，市场上产品种类增多，消费者选择性趋于多样化，这反过来迫使企业提高产品技术含量来应对苛刻的消费者。基于上述分析提出以下假设：

假设1 数字经济能够促进研发创新

假设2 数字经济能够促进出口技术复杂度

（二）研发创新是数字经济赋能出口技术复杂度的重要渠道

在第三次科技革命中，传统贸易正快速向数字贸易转型，全球贸易中一半以上的货物和服务都已经实现了数字化（姚战琪，2020）[18]。数字技术通过深度融合到企业的产品生产及服务运行中，为企业赋能，这对增强其创新能力，进而提升出口技术复杂度具有重大影响（Thorsten等，2017）[19]。首先，数字经济带来的规模报酬递增和资源配置合理化能够节约研发成本，增强技术吸收和创新能力，进而提高出口产品的技术复杂度。同时，互联网使各国市场突破了地理空间限制，企业通过从全球范围内获取低成本的中间投入品，降低生产成本，将更多资金投入研发创新活动，提升产品技术复杂度（Bas 等，2015；Collard 等，2015）[20-21]。其次，透明化的市场也为各企业提供实施创新的资源与条件，信息资源的集成共享扩大市场的技术外溢效应（OECD，2014）[22]，带动供应链上下游企业的协同创新，带来整体生产效率和产品技术及产品附加值的提高。不仅如此，企业管理及销售过程的网络化，极大程度消弭了厂商、研发人员及消费者间的信息隔膜，这为消费者直接或间接参与产品的研发设计及制造过程提供了一个通道，实现了以消费者需求导向型创新，从而带来了产品技术复杂度的提升。据此，本文提出了以下假设：

假设3 研发创新是数字经济影响出口技术复杂度的渠道

三、研究设计

（一）数据选取

鉴于数字经济发展指标的二级指标中企业电子商务销售额和企业电子商务采购额省层面数据在《中国统计年鉴》中只记录了2013—2019年，故本文回归部分只选取2013—2019 年相关数据，涉及了中国30 个省、自治区及直辖市（由于数据缺失，统计数据不包括西藏、香港、澳门和台湾省）。数据主要来源于联合国贸易数据库、国家统计局和历年《中国统计年鉴》。同时，二级指标智能物流以快递业务收入来衡量。

（二）模型构建

1.基准回归模型。为对假设1、假设2 进行检验，借鉴景光正等（2016）[23]设定计量模型的思路，建立如下基准回归模型：

LnEXPYit为i省t年出口技术复杂度的对数，LnPATit为i省在t年研发创新的对数，LnDECit为i省t 年数字经济发展水平加1 后的对数，Vit为控制变量，vt表示时间固定效应，vi表示地区固定效应，εit为随机扰动项。在进行全样本基准回归时，先验证数字经济对研发创新和出口技术复杂度的影响，再考察数字经济发展水平省区是否存有异质性，以检验不同数字经济发展水平对出口技术复杂度的影响。

2.中介效应模型。为检验假设3，即：研发创新是数字经济影响出口技术复杂度的渠道，本文借鉴刘源等（2021）[24]使用因果逐步回归检验法，建立三步回归模型，X为数字经济发展水平、是解释变量，Y 为出口技术复杂度、被解释变量，M是中介变量研发创新。具体步骤如下：

步骤一：Y 对X 进行回归，系数c 为X 对Y的总效应，检验回归系数c的显著性（模型3）。

步骤二：M 对X 进行回归，系数a 为X 对M的总效应，检验回归系数a的显著性（模型4）。

步骤三：Y 对X 和M 回归，系数b 是在控制了X的影响后，M对Y的直接效应，检验回归系数b和c′的显著性（模型5）。

（三）数字经济发展指标构建

如何测度数字经济发展水平，学术界尚缺乏统一方法，主要原因在于各国对数字经济的认知和定义上存在差异，且近些年来各种新型数字模式不断涌现，也没有严格标准对数字产业进行划分（田丽，2017）[25]。美国则将数字经济概括为可测量的网络交易、电子商务和各种信息技术产业，认为数字经济主要由基础设施、电子商务流程和电子商务贸易三部分组成，具体核算上，美国商务部采用直接法，以数字经济相关行业经济活动产出与增加值作为数字经济规模。经济合作与发展组织（OECD）将数字经济描述为电子商务活动和服务之和，采用对比法，将智能基础设施、数字经济所带动的社会就业和经济增长等因素纳入测算指标体系框架。中国信息通信研究院在《中国数字经济发展白皮书》中，提出数字经济核算的基本思路是，将数字经济分为数字产业化和产业数字化两部分进行考虑。

测度数字经济，需充分考虑到数字经济的特点。数字经济的发展以网络和通信等基础设施支撑，数字经济建立在信息通信技术之上，且主要以电子商务服务活动等为应用主体；数字经济的显著特征在于其高渗透性和融合性。因此，核算数字经济发展水平，本文确立从基础设施、通信技术产业发展和企业电子商务应用三个方面来构架数字经济发展水平的测度指标体系。参照已有研究文献，本文使用移动电话用户数、互联网宽带用户数和固定电话用户数等来衡量地区数字基础设施情况，这些指标均较为直观地反映了通信通讯基础设施水平；以最能体现通信技术产业整体发展规模的电信业务总量、信息传输、计算机服务和软件业城镇单位就业人员和信息传输、计算机服务和软件业全社会固定资产投资等来衡量通信和技术产业发展水平；以企业电子商务销售额、企业电子商务采购额、从事电子商务活动企业数、企业拥有网站数、智能物流等来反映各行业对信息通信技术的运用程度。此外，智能物流是数字经济发展下诞生的新型服务产业，人工智能、大数据技术、通信技术等都与之密不可分（温珺等，2020）[26]，应纳入数字经济发展水平测度指标体系中。具体指标体系见表1。

表1 数字经济发展水平测度指标体系

（四）变量测度与数据收集

1.数字经济发展指数（DEC）。本文从数字经济的基础设施、通信和技术产业发展及企业电子商务应用三个方面构建了数字经济发展水平测度指标体系。数字经济发展指数具体测算步骤如下：

（1）数据标准化：对各指标进行标准化处理，由于所采用指标均为正向指标，故此处只采用正向标准化。

（2）熵值法计算指标权重：为使指标运算具有意义，需消除标准化后指标中的0值。此处将整体标准化后的数据整体平移一个单位，即=+α，为最大程度还原原始数据，α的取值必须尽可能的接近于0，本文选取α=0.000 1。然后计算指标的权重：

（3）计算指标j的熵值：

上式中K ＞0，k=-1/ln (n)，此处n=150 且0 ＜ej＜1。

（4）计算指标j的信息效用值：

（5）计算指标j的权重：

（6）根据计算出来的各指标权重wj进行加权得出各省份数字经济发展指数：

2.出口技术复杂度（EXOY）。从联合国贸易数据库中获取2013—2019 年中国出口贸易数据，并根据SITCRev.2 的三位码分类，最终得到239种出口产品数据。借鉴豪斯曼等（Hausman，2007）[27]的出口技术复杂度测算模型，计算出各省不同年份出口技术复杂度。具体测算方式如下：

公式（12）中，PRODYn为某产品的出口技术复杂度，其中xin表示i省n产品的出口贸易额，Xi表示i省的出口贸易总额，PGDPi表示i省的人均生产总值。在（12）式基础上进一步计算各地区出口技术复杂度：

在公式（13）中，EXPYi是加权到省级层面的出口技术复杂度。不同年份的出口技术复杂度如图1所示。从图1可以观察到，2013到2019年间，出口技术复杂度整体呈上升趋势，北京、天津、上海、江苏、广东等省地区的出口产品技术复杂度在全国范围内相比较高，内蒙古、黑龙江、贵州、甘肃、宁夏等地区的出口产品技术复杂度在全国范围内相比较低，东部地区与西部地区出口产品技术复杂度差距较大且差距随年份增加有进一步扩大趋势，中部地区整体差距变化不大。

图1 不同省份出口技术复杂度资料来源：作者计算整理。

3.研发创新（PAT）。与大多数文献相一致，本文使用“万人发明专利拥有量”作为衡量研发创新能力的指标。地区万人发明专利拥有量为地区发明专利拥有量除以年末总人口。

4.控制变量：

（1）人力资本（EDU）。人力资本是一国经济增长的基础，也是一国出口产品技术复杂度提升的主要驱动力之一（Schott，2008）[28]。与大多数文献相一致，本文以地区人均受教育年数①平均受教育年限＝（文盲人数*1+小学学历人数*6+初中学历人数*9+高中和中专学历人数*12+大专及本科以上学历人数*16）/6岁以上人口总数。来表征该地区的人力资本水平。

（2）外商直接投资（FDI）。在全球价值链分工体系下，外商直接投资可以直接影响该地区的技术创新及出口技术复杂度。因此，本文选择使用外商直接投资指标作为控制变量之一。

（3）产业结构高级化（ISS）。产业结构高级化利于推动出口技术复杂度的提升。地区产业结构高级化程度以该地区第三产业增加值与第二产业增加值的比值来衡量。

（4）政府科学技术支出（GOV）：政府对科技活动的投入对于弥补市场失灵，弥补减少企业创新风险，有助于企业研发创新。本文采用政府科学技术支出作为控制变量。各变量描述性统计见表2。

表2 变量描述性统计

四、实证结果与分析

在回归分析之前，利用方差膨胀因子检验法进行多重共线性检验，经验结果表明变

量间不存在严重多重共线性问题；豪斯曼检验结果表明，应使用固定效应模型进行回归分析。

（一）数字经济对研发创新和出口技术复杂度的基准回归结果分析

表3为全样本回归结果，其中回归方程（1）（2）考察了数字经济对出口产品技术复杂度的影响，结果表明，数字经济对出口技术复杂度具有正向影响，且在1%水平上显著，初步验证假设1成立；回归方程（3）（4）则表明，数字经济对研发创新具有正效应，且在1%水平上显著，初步验证假设2成立。控制变量方面，政府对科技研发的支持，能显著促进研发创新和出口技术复杂度的提升，人力资本、产业结构高级化均对研发创新和出口技术复杂度具有显著的促进作用，三个控制变量均通过1%显著性检验，与理论预期相符。

表3 全样本基准回归结果

（二）数字经济与研发创新影响出口技术复杂度的交互分析

由上述实证分析结果可知，数字经济会促进研发创新和出口技术复杂度的提升。但数字经济是否会与研发创新产生交互作用？这种交互作用是否会影响出口技术复杂度。一方面，数字经济通过影响研发创新来提高出口技术复杂度；另一方面，数字经济与研发创新之间还存在着相互作用共同推动出口技术的密切关系。在整个社会多主体参与、多要素互动的过程中，作为推动力的数字经济与作为拉动力的研发创新之间相互作用，共同推动出口产品复杂度升级。数字经济为创新研发提供了新的数字技术，而研发创新能力往往会触到数字技术的极限，进而推动数字技术的进一步发展。当数字技术与研发创新进行融合，催生出新型创新模式，衍生出各种新型数字产业，如智能物流、智能零售、智能营销等。数字经济与研发创新的融合与互补，带动了研发创新的多主体、多要素交互作用，形成了有利于创新涌现的创新生态。这种数字技术与研发创新的融合可以被定义为“现代社会技术、信息基础设施的重新配置”，这带来了组合和重新组合各信息平台、网络、服务的可能性，促进各行业技术创新并提高生产流程效率，使得出口产品技术复杂度提升。简言之，研发创新与数字经济共同推动出口技术复杂度提升。为证实上述理论，在模型（5）基础上，加入数字经济和研发创新的交互项（LnDECit*LnPATit）进行回归分析。

表4 为出口复杂度对数字经济与研发创新交互项的回归结果，可以看出数字经济与研发创新均通过了1%水平下的显著性检验，即数字经济和研发创新均对出口技术复杂度有促进作用，这进一步证实了假设1和假设2。数字经济与创新研发的交互作用通过了1%水平下的显著性检验，即数字经济与创新研发的交互作用能显著促进出口技术复杂度的提高。由此可见，在提高数字经济与研发创新的基础上，加速两者的协调融合发展，将会对出口技术复杂度的提升起到更积极的促进作用。

表4 数字经济发展水平与研发创新交互对出口技术复杂度的回归结果

（三）不同数字经济发展水平下的异质性检验

我国各省区数字经济发展水平相差较大，不同的数字经济发展水平可能对研发创新和出口技术复杂度的影响程度也有所不同，因此，需要进一步考察不同数字经济发展水平对研发创新和出口技术复杂度的影响否存在不同，即，是否存有数字经济发展水平的异质性影响。本文特将样本地区划分为高于全国中位数与低于全国中位数水平两大类，设置地区虚拟变量highDEC，当数字经济发展水平高于全国中位数时设置为1，反之为0。将地区虚拟变量与数字经济进行交互处理进行回

（四）创新研发对数字经济与出口技术复杂度间的中介效应分析

表6 为对创新研发在数字经济与出口技术复杂度之间中介效应检验的实证结果，回归方程（1）（2）（3）分别为中介效应因果逐步回归检验法中的第一、二、三个步骤。回归方程（1）中数字经济的回归系数0.542 即对应因果逐步回归检验法中第一步的系数c，其在1%水平下显著为正，方程（2）中数字经济的回归系数1.534 即对应因果逐步回归检验法中第二步的系数a，其在1%水平下显著为正，列（3）中研发创新能力的系数0.120 即对应因果逐步回归检验法中第三步的系数b，其在1%水平下显著为正，数字经济的回归系数0.358即对应因果逐步回归检验法中第三步的系数，其系数为正但并不显著，这说明数字经济主要通过促进归，结果见表5。

表6 创新研发对数字经济与出口技术复杂度间的中介效应分析结果

表5的（1）（2）列回归结果显著为正，这表明在通过发展数字经济提升研发创新能力和出口技术复杂度方面，高于全国中位数水平地区的数字经济对研发创新和出口技术复杂度的提升效果更显著。这说明地区的数字经济发展程度愈高，企业俞能更好的利用数字经济增强自身研发创新能力并进一步促进出口技术复杂度的提升。这种不同数字经济发展水平的地区差异说明，数字经济对于创新研发能力和出口技术复杂度提升的推动作用呈现出非线性特征。研发创新来影响出口技术复杂度（Preacher 等，2008）[29]。假设3成立。

表5 不同数字经济发展水平对研发创新和出口技术复杂度的异质性检验

（五）稳健性检验

为增加研究结果的可靠性，本文进一步使用工具变量法，以及替换解释变量测度方式进行稳健性检验。首先，核心解释变量可能会与随机扰动项存在相关性，且数字经济与研发创新存在双向影响，这些情况都会因为内生性问题导致结果产生偏差，因此本文使用两阶段最小二乘法（2SLS）来解决内生性问题，本文具体做法是借鉴王思语等（2019）[30]、吕越等（2017）[31]的方法，将数字经济的滞后一期作为工具变量，对模型重新进行回归。其次，本文借鉴肖国安（2019）[32]使用四个指标：数字化基础设施、数字生态化、数字人才、数字滞后产业值，并按其方式设定各指标权重进行加权计算。

表7 中方程（1）（2）为两阶段最小二乘法的估计结果，其中，Anderson LM 统计量的p 值均为0，表明所选取的工具变量是可识别的，弱工具变量检验Cragg-Donald Wald统计量为144.192，远远大于10%偏误下的临界值16.38，表明不存在弱工具变量问题。方程（4）（5）为替换解释变量全样本稳健性回归结果。从表7回归结果可以看出，无论使用两阶段最小二乘法还是替换解释变量的测度方式，核心变量的显著性和符号均未改变。在控制变量方面，政府科技投入、人力资本和产业结构高级化均通过显著性检验。此结果进一步验证了所提出的理论假设，说明本文实证结论具有较好的稳健性。

五、研究结论与政策启示

（一）研究结论

本文通过对中国30 个省（市）数字经济、研发创新和出口技术复杂度指标进行构建与测度，基于省际面板数据，实证检验了数字经济、研发创新和出口技术复杂度之间的关系。研究表明，数字经济能够促进研发创新和出口技术复杂度，研发创新是数字经济影响出口技术复杂度的主要渠道。数字经济对出口技术复杂度的影响呈现地区异质性，在高水平数字经济发展地区，具有更高的研发创新和出口技术复杂度促进效应，数字经济与研发创新的交互作用对出口技术复杂度有显著的促进作用。

（二）政策启示

本文提出相应的政策启示如下：一是加大对数字技术领域的科技研发投入。鼓励各高等学校、研发机构、高技术企业加大研发投入，特别是要鼓励国内重点高校及行业领军企业提升自主研发能力。推动各研发机构、高等院校及领军企业之间的研究合作，推动国内信息大数据平台的建设和共享，推动我国整体自主研发能力的提高。二是推动实体经济与数字经济的深度融合，鼓励企业数字化融合创新，进一步推动地区数字经济与研发创新能力的相互促进。三是加强数字经济发展落后地区数字基础设施建设，提高地区整体数字化系统使用率。同时，加强数字经济背景下的产教融合人才培养。