互联网发展对区域创新能力的影响效应及异质性分析*

仇 怡，朱玉安

(湖南科技大学 商学院，湖南 湘潭 411201)

一、引言

党的十九大报告指出，推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。2020年11月，习近平主席在致“世界互联网大会·互联网发展论坛”贺信中指出，互联网对促进各国经济复苏、保障社会运行、推动国际抗疫合作发挥了重要作用。因此，准确把握互联网发展和区域创新之间的关系，发挥互联网发展对区域创新能力的正效应，对于我国实施创新驱动发展战略具有重要意义。

目前学术界对互联网发展和区域创新的相关研究可分为以下三类：第一，互联网发展水平测算。主要有使用单一指标和构建指标体系两种方法。单一指标通常选取宽带基础设施、互联网普及率、长途光缆线路长度、双边网址链接数来衡量不同区域互联网发展水平[1-6]。单一指标测度方法由于仅能反映某地单一方面的互联网发展水平，无法全面揭示互联网总体发展特征，因而近年来大多数学者通过构建指标体系进行测算。主要使用主成分分析法或熵值法或二者相结合的方法，以及灰色关联度法等进行评价[7-10]。第二，互联网发展对技术进步的影响。国外学者分别从国家、地区和行业展开研究，结果表明互联网发展对生产率增长有显著促进作用[11-12]。国内学者韩先锋等、韩宝国和朱平芳分别从互联网的信息扩散效应、成本削减效应，分析其对技术进步的推动作用[13-14]。郭家堂和骆品亮、肖利平、谢莉娟等论证了互联网发展水平提高对全要素生产率提升有明显促进作用[15-17]。第三，互联网发展对区域创新的影响。国外学者Cardona等研究发现互联网促进产业技术效率的提升、增加企业核心竞争力进而使产业结构优化[18]。国内学者从互联网发展对本地区企业创新和其他地区的空间溢出引致其创新两方面展开研究。对于本地区企业，已有研究表明互联网发展水平的提高能提升企业技术创新效率[19-22]、提高制造业产品出口效率[23-24]，从而促进企业创新。对其他区域的空间溢出，则主要通过构建不同空间权重矩阵使用门槛回归[25-26]、空间杜宾模型[27-28]考察创新效率的空间溢出效应。王志高和梁琦则从投入角度分析互联网发展对创新投入的影响，发现互联网发展水平与创新投入呈倒“U”型关系[29]。

综上，已有互联网发展促进经济增长和技术创新的文献较多，但基于空间视角分析互联网发展对区域创新能力的影响及其异质性的研究偏少。基于此，本文以我国30个省市区作为研究对象，采用空间杜宾模型考察互联网发展对区域创新能力的影响效应及异质性。本文的边际贡献在于：(1)考察我国省级层面互联网发展水平的时空演变特征，测算其对区域创新能力的影响效应；(2)基于空间视角，从地理区位和创新主体两个维度，探讨互联网发展水平对区域创新能力的影响效应差异。

二、互联网发展对区域创新能力的影响效应

互联网高效的资源配置能力、低廉的信息成本特征和强大的信息扩散效应，不仅有效提升本地区的创新能力，而且其独特的跨界传播和快速渗透优势，有助于产生空间溢出效应。

(一)直接促进效应

首先，互联网发展有助于整合闲置创新资源，提高资源匹配效率。网络信息化的广泛应用，加快了知识共享、创新主体交流合作以及创新要素积累进程[30]，生活中暂不使用的人力、物力、资金和信息可以通过互联网快速聚合，从而扩展创新活动的参与程度。同时，通过互联网可实现在极短时间内创新活动的供求双方信息匹配，从而将区域创新活动的效率和质量提高至一个新的高度。其次，互联网发展有助于降低创新成本[31]。在互联网中，由于梅特卡夫法则的存在，即网络价值随着互联网用户的增加而倍增，故可将其归入知识、能力等这类边际收益递增的生产要素中。一般地，完善的互联网系统能使得信息获取和使用的成本接近于零。最后，互联网发展有助于拓展创新活动的广度和深度。通过互联网研发能拓宽企业创新水平的广度，并提高创新广度对区域创新的推动效应[32]。但值得注意的是，互联网发展对区域创新能力的正效应是否存在饱和点？若某地区互联网发展已具规模即存在资源要素的饱和点，即使再加大对互联网的投入，也可能会因为机会成本过高或受资源禀赋影响，而不能进一步促进区域创新能力提升。由此提出假设1：互联网发展能直接促进区域创新能力提升，但由于地区资源环境饱和点的存在，可能呈现先升后降的倒“U”型趋势。

(二)空间溢出效应

首先，互联网的发展能突破时间和空间的约束，根据需要重组不同区域的创新要素，让不同区域跨界创新成为可能。Castells对流空间理论的进一步完善使其更适合在互联网条件下应用，这为分析信息传递的空间主体和地理主体间的交互作用提供了直接的理论依据，即在互联网条件下各区域之间不再是孤立、静止的，而是虚拟和现实空间相互耦合的流动空间[33]。其次，互联网的发展能加速不同区域之间的创新成果流动，邻近区域可以通过互联网渠道模仿创新本区域所需的技术，从而促进本地创新能力的提升。最后，互联网的发展有助于让创新能力低的区域通过网络扩散渠道，利用邻近高创新能力地区的溢出效应加速区域间的资源相互利用效率，实现网络链接点的快速倍增作用[34]，临空经济的高速发展对中国产业集聚作用显著，尤其是航空客流引发的高端人才、资金和技术流动[35]，更有利于不同区域对关键创新要素进行再组织，在短期内实现二次创新。同时，互联网的广泛使用进一步弱化了区域间的空间壁垒，使得经济发展水平邻近的地区也能享受技术创新的空间溢出红利，且由于经济发展水平、技术创新能力相似，不容易产生两个地区之间的人才、资金虹吸效应。而地理空间邻接地区若经济发展水平等方面存在差距，则经济发展水平较高地区可能会对相邻较低地区产生一定的虹吸效应，并随着互联网水平的发展而不断强化。这表明在同等情况下，经济因素大于空间邻接因素，即一个互联网发展水平较高的地区，不仅会促进空间邻接地区创新能力的提高，而且通过互联网的传播效应，更能为具有经济关联的地区带来更大的创新产出，真正实现跨界创新。由此提出假设 2：互联网发展能产生空间溢出效应，互联网发展对经济关联地区创新能力的影响效应大于空间邻接地区。

(三)创新主体异质效应

互联网在不同环境要素中有着不同的溢出效应，科研机构、高校和企业这三个主要创新子系统因不同的制度、技术和政府支持力度，可能会导致不同的创新溢出[25]。由于科研机构、高校和企业在政府投入强度、资源配置效率、风险承受程度和创新偏好类型等方面存在较大差异，因而在互联网的加速和扩散效应下，这些差异可能会被进一步放大，由此导致各创新主体带来的影响效应呈现异质性。一般地，高校和科研机构注重基础研究，致力于新的创新成果；而企业则注重应用研究，对标产出的实用性及其带来的经济利益。同时，高校、科研机构频繁的学术交流也会加快创新成果溢出。另外，企业从自身经济利益考虑，可能会最大程度地选择保护创新成果。这在一定程度上会限制企业创新的溢出效应。由此提出假设3：互联网发展中不同创新主体对区域创新能力的影响存在异质性。

三、地区互联网发展水平测度及时空演变特征

(一)指标选取、数据来源与测度方法

表1 地区互联网发展水平测度指标体系

(二)地区互联网发展水平时空演变

通过测算2006—2018年偶数年份我国30个省市区的互联网发展水平得分值可以发现，从总体趋势看，各省份互联网发展水平均处于上升趋势，北京、广东、上海的互联网发展水平居于全国前三。具体来看，2006年我国各省份的互联网发展水平大多居于0.3～0.4之间，到2018年已提高到了0.7～0.8之间，由此可见我国各省份互联网发展水平在过去13年里有较大增长。2006年处于我国互联网发展水平两个极值的区域分别是北京和青海，二者相差0.379 1；而2018年处于最高值和最低值的两个省份分别是北京和宁夏，其差距为0.465 3，可见差距在不断加大。

进一步，选择研究期限的首年(2006年)和末年(2018年)，运用ArcGis软件，使用自然断裂点法将30个省市区划分为5类，可以得出，中国各省市的互联网发展迅速，平均得分由2006年的0.385上升到2018年的0.762，13年来互联网平均发展水平几乎增长了一倍。互联网发展水平由原来的中西部地区分布不均变得差异相对较小，体现出我国互联网发展水平的空间异质性在不断缩小。同时，我国沿海地区互联网平均发展水平优于内陆地区，呈现从东向西逐渐递减的趋势。

(三)空间自相关检验

本文构建全局Morans’ I对中国各省域互联网发展水平和区域创新能力进行关联性分析:

其中，Zi为样本观测值的实际偏差，Zj为样本均值的实际偏差。表2报告了30个省市区的全局Morans’ I及P值。在经济距离矩阵和空间邻接矩阵下，Morans’ I指数均大于0，且均通过了5%的显著性水平检验，表明各省域之间的互联网发展水平具有正的空间相关性。而大多数年份的经济距离权重Morans’ I指数更大，表明在同等条件下，经济因素的影响要大于空间邻接因素的影响。

表2 全国30个省份互联网发展水平的Morans’ I

研究发现，处于高—高集聚地区的大多为东部沿海地区，处于低—低集聚地区的多为中部和西部地区，与互联网发展水平的区域异质性结果大致吻合。北京、上海、浙江、天津、江苏、山东等省市的互联网发展水平较高，且受到邻近省份的正向作用，互联网发展水平呈现高水平特征。处于低—低区域的主要是陕西、重庆、吉林、云南、新疆、黑龙江、宁夏等省市(区)，其互联网发展水平较低，且周围省市对其有负向作用。海南、江西、安徽等省大多处于低—高区域之中。

四、互联网发展影响区域创新能力的实证分析

(一)计量模型

本文引入互联网发展水平作为区域创新能力的解释变量，构建如下模型：

lnpatit=α0+α1lninterit+α2(lninterit)2+

α3Xit+λt+μi+εit

(1)

其中，i、t分别表示不同的省市区和年份，lnpatit表示第t年i省份的区域创新能力，lninterit表示第t年i省份的互联网发展水平并放大100倍后的对数，(lninterit)2表示lninterit的二次项，Xit表示所选取的控制变量，α0为常数项，λt和μi分别代表年份和省份固定效应，εit代表干扰项。

基于本文选择的研究对象以及解释变量的空间相关性，构建如下空间杜宾模型：

lnpatit=α0+α1lninterit+α2(lninterit)2+

α3Wilninterit+β1Xit+β2WiXit+

λt+μi+εit

(2)

其中，Wilninterit、WiXit分别为互联网发展水平和其他控制变量的空间滞后项，体现其他省份互联网发展水平对本地区域创新能力的空间溢出效应。Wi为空间权重矩阵，W1为经济距离空间权重矩阵，通过2006—2018年两个不同省份实际人均GDP相差的绝对值取倒数计算所得；W2为邻接距离空间权重矩阵，相邻省份记1，不相邻记0。其余字母系数含义同式(1)。

(二)变量选取

被解释变量：区域创新能力(pat)，其衡量指标一般包括专利申请量、专利授权量、发表论文数量和新产品销售额等，综合考虑政府、高校和企业三大创新主体创新产出的公共部分，选取专利授权量作为衡量指标。解释变量：互联网发展水平(inter)，对上文所求互联网得分扩大100倍再取对数处理。考虑到本文的研究对象，选取如下控制变量：(1)知识产权保护(ipr)，用各地当年发生的技术市场成交额占地区GDP 的比重表示；(2)对外开放度(open)，以各地人民币表示的进出口总额占GDP的比重表示；(3)区域人力资本(hum)，用各地平均受教育年限衡量，按接受教育程度将地区人口划分为小学、初中、高中和大专及以上四个组，分别用这四个组6岁以上人数占总人口的比重乘以对应的平均累计受教育年限(即6、9、12和16)并进行加总；(4)城镇化水平(urban)，用各地城镇人口占总人口比重表示；(5)研发投入强度(rd)，用各地R&D经费占GDP的比重表示；(6)市场化指数(index)，采用王小鲁等测度的中国省份市场化指数[36]。变量的描述性统计如表3所示。

表3 变量描述性统计

(三)实证结果

1.回归结果

表4显示了2006—2018年我国30个省市区互联网发展对区域创新能力的影响。列(1)和(2)是不考虑空间效应且控制了城市和时间固定效应环境下的估计结果。列(3)-(6)分别是经济距离权重矩阵和空间邻接权重矩阵的空间杜宾模型估计结果，其中偶数列加入了二次项，并增加Wald检验和LR检验。列(7)和(8)是为了解决区域创新能力与互联网发展水平之间的内生性而采用的系统GMM模型估计结果。以上检验都通过了稳健性检验，表明使用空间杜宾模型进行分析是合理的。表5结果表明，无论是经济距离空间权重矩阵(W1)还是空间邻接权重矩阵(W2)，互联网发展水平对区域创新能力的影响均为正，并且经济上邻近地区的促进作用大于空间邻接地区的促进作用，从而验证了假设2。当不考虑空间因素时，互联网发展对区域创新有着促进作用，但加入二次项后的实证结果不显著，这说明就全国范围而言，互联网发展水平提高对区域创新能力的促进作用呈线性趋势、不存在饱和点。可能的原因是不考虑空间因素下，互联网发展对创新能力影响只对当地产生效应，而无法扩散到更多地区。从列(4)和(6)的回归结果来看，考虑空间因素后，我国各省份总体上互联网发展水平和区域创新能力之间存在先升后降的倒“U”关系。这表明互联网作为知识、能力这类特殊投入，其发展水平一旦超过本地区资源禀赋所能承受的限度，就会产生负向抑制作用，从而验证了假设1。知识产权保护、人力资本、城镇化水平和市场化指数对区域创新能力的系数为正，这表明通过加大保护知识产权力度、提升本地人力资本水平、加快城镇化进程以及完善市场环境等，都有助于区域创新能力提升。此外，对比无空间效应的普通面板和考虑空间效应的杜宾模型可以发现，若不考虑各省份之间区域创新能力的空间相关性，将会高估互联网发展水平、城镇化水平等对区域创新能力的影响，这在一定程度上表明利用空间杜宾模型进行分析是合理的。为了解决上文可能存在的内生性问题对回归结果造成的偏差，采用系统GMM模型进行验证，回归结果如列(7)和(8)所示，Sargantest在1%的水平下显著,AR(1)、AR(2)检验表明存在一阶序列自相关，而不存在二阶序列自相关，这说明构建的系统GMM模型是可取的。回归结果与无时空效应下的结果类似，进一步验证了上文回归结果的真实性。

表4 互联网发展影响区域创新能力的估计结果

表4(续)

2.效应分解

表5测算了经济距离空间权重矩阵(W1)和空间邻接权重矩阵(W2)各个变量的直接效应、间接效应和总效应。从直接效应来看，在经济距离权重矩阵(W1)下，互联网发展水平提高1%将使区域创新能力提高0.434%，大于空间邻接矩阵下的0.238%。这表明在同等情况下，对互联网发展影响区域创新能力而言，经济因素大于空间邻接因素，即一个互联网发展水平较高的地区，不仅会促进地理邻近地区创新能力的提高，而且通过互联网的传播效应，更能为具有经济关联的地区带来更大的创新产出，从而助推跨界创新。就间接效应而言，无论经济距离还是空间邻接距离，都未通过显著性检验，可能是因为互联网发展影响区域创新能力主要是为其他地区带来直接的创新要素如先进技术、前沿知识等资源，这些资源需要当地拥有足够的创新要素存量与其适配才能产生作用，现实中部分省份因为自身要素资源有限，相邻区域创新能力的发展会使得当地人才、资金部分流入其他地区，弱化了间接效应。

表5 直接效应、间接效应和总效应的估计结果

表5(续)

3.稳健性检验

考虑到专利授权存在一定时滞，为避免解释变量与被解释变量因年份不同导致结论出现争议，本文利用专利申请量代替专利授权量进行稳健性检验，在替换被解释变量后，无论经济距离矩阵还是空间邻接矩阵，互联网发展与区域创新能力之间依旧存在先升后降的倒“U”型关系，进一步验证了上文结论的稳健性。

(四)异质性分析

1.地理区位差异

通过计算2006—2018年东部、中部和西部地区的互联网发展水平平均值，我国互联网发展存在明显的区域差异性，其得分值分别为0.67、0.53和0.48。表6报告了空间邻接权重矩阵下我国三大地区互联网发展水平影响区域创新能力的空间杜宾估计实证结果，其中列(2)、(4)、(6)加入了互联网发展水平的二次项。观察回归结果中的主效应，东部地区互联网发展对区域创新能力的一次项系数显著，二次项系数不显著，表明东部地区互联网发展水平对区域创新能力的提升显现出线性关系；中部地区回归结果一次项、二次项均在10%的显著性水平下显著，表明中部地区互联网发展水平对区域创新能力的提高呈现出倒“U”型趋势；而西部地区暂未通过显著性检验。这可能是因为：首先，东部地区经济实力、基础设施、人力资本等明显高于中西部地区，互联网发展水平的提高更有利于创新红利的释放[37]；同时，东部地区因其自身优势对其他地区的创新要素有一定的虹吸效应，因而其互联网发展对区域创新能力的促进作用呈现出线性趋势。其次，中部地区靠近东部地区且地域相对较小，互联网发展水平的提高能促进中部地区的区域创新，但在达到当地资源禀赋所能承受的限度后，若不能及时加大创新要素投入，互联网发展水平对区域创新能力会产生一定的抑制效果；最后，西部地区相对地域辽阔，各省份地理位置相距较远，互联网发展水平的小幅提高可能无法覆盖辽阔的区域，同时人们居住相对分散，不利于信息的传播和共享，从而呈现互联网发展水平与区域创新能力关系不明显的特征。

表6 地理区位差异估计结果

表6(续)

就空间溢出效应而言，三大区域互联网发展对区域创新能力的溢出效应更不相同，具有明显的异质性。东部和西部地区互联网发展对区域创新能力溢出效应的回归系数(W*lninter)为正，通过了10%的显著性水平检验，且东部地区的正向溢出效应大于西部地区，而中部地区则存在负向溢出效应。这可能是因为东部地区创新要素存量较多，相应的溢出效应也越大。互联网的广泛应用，使得东部地区对中部地区人才和资本等创新资源的虹吸效应更明显，同时东部的创新奖励政策也明显高于中部，故部分中部地区的创新成果转向东部申请，进而导致了负向的创新溢出。由于西部地区资金、人才等要素存量相对较低，且向东部或中部地区转移需面临巨额的通勤成本，东中部对西部的人才虹吸效应较小，其对溢出效应的影响较小，邻近区域互联网发展会给当地带来先进的思想和技术，能促进当地区域创新水平的提高，故西部呈现出正向溢出效应。

2.创新主体差异

进一步考察不同创新主体互联网发展水平对区域创新能力的影响效果，综合已有文献，本文将创新主体分为高校、企业和科研机构。由于科研机构数据在2009年以前未对外披露，本文仅研究2009年以来的情况。表7报告了在空间邻接权重矩阵下三大创新主体的空间杜宾模型实证结果，其中列(2)、(4)、(6)是加入了二次项的结果。企业和高校的互联网发展水平与区域创新能力呈现明显的倒“U”型关系。这表明企业和高校的创新能力随互联网发展水平的上升而提高，但到达拐点后，继续提高互联网发展水平会抑制企业和高校的创新能力。对比奇数列可知，高校互联网发展对区域创新能力的影响效应最大，其促进效应和溢出效应分别为0.797、0.472，远大于同等情况下的企业和科研机构，这与韩先锋等得出的高校作为基础研究创新的主力军，互联网发展对区域创新作用强度最大的结论一致[25]131。其原因可能是：首先，因暂时无法获取企业论文发表以及高校、科研机构销售额数据，目前只能使用专利数据表征区域创新能力，而高校在以专利数据衡量的基础研究创新方面会更有优势；其次，高校作为我国重要的创新主体，在创新人才和创新资源方面有集聚优势，互联网的发展会不断强化这种优势，高校科研人员通过互联网可以学习更高层次的创新思想和方法，从而提高自己的知识存量，并将其逐步转化为创新产出，因而表现为影响效应最强。相对而言，市场经济中的企业主要以盈利为目的，即使拥有更先进的技术与产品，为保持其在行业的技术领先地位并占有更大市场份额，企业不会轻易共享其创新成果，同处竞争地位的企业也不能第一时间进行学习模仿，因而表现出较弱的区域创新效应。此外，由于我国科研机构数量远少于高校，因而其拥有的科研人员数与高校存在一定差距，互联网“梅特卡夫法则”的存在，使得科研机构利用网络接收和传播信息的价值小于高校，故其区域创新效应也弱于高校。

表7 创新主体差异估计结果

为增加上述结论的稳健性，选取发明专利申请量替代被解释变量进行回归，与上文实证结果大体类似，均在合理的范围内。可见，上文所得结论是稳健的。

五、结论与启示

本文以2006—2018年我国30个省市区作为研究对象，通过构建互联网发展水平指数，考察中国互联网发展的时空演变过程，运用空间杜宾模型分析互联网发展及其对区域创新能力的影响及异质性。主要研究结论如下：首先，中国省域间互联网发展水平不均衡，呈现由东到西逐渐递减的空间格局；其次，整体上看，互联网发展水平的提高能促进区域创新能力提升，并且在空间因素的影响下呈现出先升后降的倒“U”型趋势；第三，通过比较东、中、西部地区，从地理区位来看，东部地区互联网发展对区域创新能力有显著正效应，中部地区呈倒“U”型趋势，西部地区暂不明显，且东部、西部地区互联网发展对区域创新能力产生了正向空间溢出效应，中部地区则为负；最后，通过考察互联网发展中不同创新主体对区域创新能力的影响效果发现，高等院校对区域创新能力的影响效应大于企业和科研机构。

据此结论，本文提出如下建议：一是加大互联网建设力度，优化网络资源配置。继续贯彻落实《工业互联网创新发展行动计划(2021—2023年)》政策，加大互联网投资强度和力度，降低网络接入费用，打造覆盖各地区、各行业的网络基础设施；同时注重发挥政府对互联网技术的引导和支持作用，推进“互联网+”与实体经济的深入融合，逐步释放互联网发展对周边地区创新能力的溢出红利。二是实施动态、因地制宜的互联网创新政策。东部地区应提高互联网发展质量，打造一批具有区域影响力的龙头企业，培育网络示范基地，促进产业链现代化水平提升，为区域创新发展提供重要支撑。中部地区应加快互联网建设步伐，积极营造优越的创新软环境，吸引创新要素向中部集聚，鼓励高校、企业来中部研究发展，积极拓展业务模式，让“互联网+”融合思想深入人心，利用大数据、移动互联网和云计算等新兴技术改造、升级落后的手工业、传统产业，缩小与东部地区的差距，降低其对人才、资金的“虹吸效应”。西部地区应发挥既有成本优势，注重提高网络服务质量，加强与东部、中部地区的联系，主动采取激励措施，吸引互联网等新兴产业留在西部。三是加强各创新主体之间的联系，畅通产学研协同创新网络平台。高校应着力打造互利共享的“知识库”，发挥人才优势，通过网络互联互通优势与其他高校和创新主体保持密切联系，分享和交流创新知识；企业应加大对创新的投入，及时与高校和科研机构交流创新成果，借助高校的人才、理论优势解决创新过程中的问题；科研机构应逐步整合高校、企业的创新资源，依托互联网平台，放大高校的人才优势及企业的资金优势，保障创新成果转化的可持续性。

本研究通过构建互联网发展水平指数，较为清晰地揭示了互联网发展与区域创新能力之间的作用关系。由于当前暂时无法获取城市层面的相关指标数据，故未来可在不断进行数据挖掘的基础上，对地级及以上城市的互联网发展水平作出全面、细致的研究，从而将其对城市创新能力的影响效应更加具体化。