信息通讯技术影响技术创新的地区差异与空间效应

张锦文，何风隽，2

（1.宁夏大学 经济管理学院，宁夏 银川 750021；2.宁夏大学 党委统战部，宁夏 银川 750021）

一、引言

21 世纪以来，信息与通讯技术(ICTs)迅速发展，逐渐融入到人们日常生活的方方面面，比如，跨空间、即时、可视化的交流，检索与阅览信息，以及日常缴费、购物消费与远程医疗等。与此同时，也影响了宏观经济增长、人类发展、变革性的政策制定以及新兴经济体的转型。2005—2021 年，全球互联网用户人数从10 亿增加到48 亿，渗透率达59%。而中国的互联网用户已达10.11 亿，互联网普及率达71.6%，远超过世界平均水平，正在成为数字革命的领先者。

ICTs 不仅仅使得技术创新成果迅速地跨空间传播应用[1]。ICTs 通过信息化能力催化了各交易主体内部组织结构的变革，创造出一个扁平的组织结构，从而降低内部交易成本，提高组织内部的管理效率。Black 等指出ICTs 发展水平，通过提高信息化能力而推动企业内部管理的创新，从而通过提高组织内部的管理效率间接地促进各企业、产业或者不同市场技术创新产出的不断增加[2]。Steinmueller 等发现ICTs 促进了发展中国家的“跨越式”发展[3]。但ICTs 是否必然推动技术创新也存在争议（蒋仁爱、贾维晗，2019）[4]。那么，信息通讯技术(ICTs)能促进中国区域技术创新吗？若有影响，影响的关系是线性的，还是非线性的？这种影响在中国不同区域是否表现出差异，以及是否存在地域间的溢出效应？数字经济时代，技术创新驱动经济高质量发展愈加离不开ICTs，因此，有必要厘清ICTs 发展水平和技术创新产出之间是何种影响关系，以及探明其空间效应和区域异质性。

二、文献综述与研究假设

1. 文献综述

（1） ICTs 的概念

信息与通讯技术(ICTs)被Melody 等人于1986 年首次提出，指融合了信息技术与通讯技术的高新科技领域，涵盖了以电子方式存储、检索、操作、传输或接收信息的任何产品。Zuppo等提出广义的ICTs 指电话网络、互联网、人工智能、大数据和社交媒体应用的融合程度[5]。ICTs 不断地改变着生活和生产方式[6]。互联网普及度、互联网用户、个人计算机或者移动电话的数量等都可以作为ICTs 发展水平的衡量指标。

（2） ICTs 与技术创新之间关系的相关研究

信息通讯技术(ICTs)主要通过获得、处理、交换信息促进知识、技术的传播，从而提高新技术的研发效率[7]。ICTs 从多个层面激励企业技术创新，比如促使技术专利申请及应用更便捷[8]，强化组织间跨空间的协同效应（李后建，2017）[9]，降低创新要素稀缺性和节约创新成本[10]。此外，ICTs 发展水平还是技术创新集聚形成的重要条件（俞立平等，2021）[11]，即ICTs 发展水平越高，创新集聚速度越快。

既有文献表明ICTs 发展深度影响了经济社会领域的技术创新。例如，农业领域，ICTs 通过实时检测气候等方面的信息，协助制定科学的生产决策[12]。教育领域，ICTs 很大程度上优化了科学知识生产方式，也有效地提升了知识管理的效率[13]。许港等(2013)实证研究发现信息化推动了中国工业的技术创新能力提升，但与技术开发能力相比，信息化对技术转化能力的促进作用更加显著[14]。方远平等(2013)[15]以2001—2011 年广东省21 个地市为样本，采用静态空间模型研究发现服务业创新与信息通讯技术之间显著空间相关。

2. 研究假设

信息通信技术内具的数字化特征，使技术知识在不同地区间便捷转移[16]，所以，ICTs 发展水平对技术创新产出的影响路径一（如图1）：ICTs 促进知识在创新主体间流动。Liao 等(2016)认为信息通信技术通过知识溢出促进创新增长[17]。Venturini(2015)基于15 个OECD 国家样本，发现ICTs 生产部门的技术会溢出到应用部门，促进ICTs 应用部门的全要素生产率增长[16]。此外，ICTs 还能够通过产业间关联外溢推动行业生产率增长[4]。所以，路径二（如图1）：ICTs 通过知识、技术、产业关联的外溢效应，加速各产业部门对技术创新的研发，提高行业TFP。Cette 等(2015)指出网络外部性特征使信息通信技术具备了扩散性[18]。所以，影响路径三（如图1）：ICTs 强化技术创新的扩散效应，ICTs 使技术创新在不同创新主体间的扩散更加高效便捷，从而推动技术创新产出的增加。由此，提出如下假设：

图1 ICTs 发展水平对技术创新产出的影响路径

假设H1：ICTs 发展水平能显著地提高中国的区域技术创新产出。

当ICTs 发展水平较低时，信息沟通与知识共享相对困难，阻碍协作的有效性[19]，此时提高ICTs 发展水平，其对技术创新的正向作用弹性比较大。但随着ICTs 发展水平的逐渐提高，它给知识和技术的传播提供了足够的保障，此时再提高ICTs 发展水平，其对技术创新的促进作用弹性较弱。由此，提出如下假设：

假设H2：ICTs 发展水平对技术创新产出的影响存在显著的非线性关系，且呈现倒“U”型。

改革开放以来，中国省际之间，特别是北京、上海、广东等经济发达的地区向其他省份的技术扩散成为弥补区域差距的重要方式。技术扩散源于Hagerstrand(1952)[20]从空间视角提出的创新扩散理论，表现出领先地区的信息与通讯技术优势不仅仅能带动自身的技术创新，而且能够促进其他省份的技术创新。由此，提出假设：

假设H3：ICTs 发展水平对技术创新产出的影响具有显著的正向空间效应，即本省的ICTs 发展水平对相邻省份的技术创新也具有显著的正向促进作用。

由于各地资源禀赋差异，往往决定其产业结构的特点，如沿海区域重点发展金融类、高新技术类产业，而西北地区则仍以能源重化工产业的转型为主。教育水平、地理区位差异加剧了区域间人力资源的差异。魏守华等(2010)[21]运用1998—2007年的中国省级面板数据实证分析，发现创新能力依赖于区域特定的产业集群环境、产学研协同程度等因素。所以，区位差异会直接影响ICTs 发展水平促进技术创新产出的效果，由此，提出假设：

假设H4：中国中部和西部地区ICTs 发展水平对技术创新产出的正向影响高于东部地区，表现出“后发优势”。

三、研究设计

1. 数据来源

文章以历年《中国统计年鉴》和《中国科技统计年鉴》的数据为基础，选择中国30 个省份（鉴于数据可得性，剔除西藏和港澳台地区） 2005—2020 年的面板数据。

2. 变量选择

（1） 被解释变量

技术创新产出。技术创新产出是区域技术创新能力最核心的表征，专利指标是目前通用的衡量指标，所以文章选取各省份的专利申请数来衡量区域技术创新产出。

（2） 解释变量

ICTs 发展水平。根据联合国国际电信联盟创建ICTs 发展指数以来，互联网普及度作为ICTs 发展指数的核心组成部分，直接反映了区域ICTs 发展水平。基于此，文章选用互联网普及度来代表各省份的ICTs 发展水平。

（3） 控制变量

在社会和经济领域中，还有其他重要的变量影响区域技术创新发展，例如：人均GDP，指人均国内生产总值，用于衡量区域经济规模；进出口总额，反映地区对外贸易规模的重要指标，也衡量了地区在国际贸易中的竞争力，文章采用其自然对数表示；R＆D 经费占GDP 比值，代表地区在研发上的投入规模，是影响技术创新的直接因素；环境规制，参考李玲、陶锋(2012)[22]的做法，选取工业废水排放达标率、工业二氧化硫去除率及工业固体废物利用率综合测算环境规制强度；产业结构升级，用第三产业占第二产业的比值衡量；城镇化率，即城镇人口占地区总人口的比例。FDI，侯润秀和官建成(2006)[23]发现FDI 对发明、实用新型等专利申请均具有显著正向影响，由此，文章采用外商直接投资的自然对数表征；失业率，资源型区域内单一的产业结构在产业结构升级转型过程中造成的高失业率也是阻碍技术创新的重要因素[24]。

3. 数据描述

表1 展示了中国30 个省份（除西藏和港澳台地区） 2005—2020 年的面板数据集中各变量描述性统计的结果，其中包含变量的观察值、均值、标准差、最小值和最大值。

表1 数据的统计描述

4. 模型设计

（1） 固定效应模型

为估计中国区域ICTs 发展水平对技术创新的影响，采用以下固定效应模型：

式中，patentit表示技术创新产出，加入数值1 保证了非负数patentit的自然对数是有效的；ICTit表示ICTs 发展水平；Controlsit是指控制变量；i=1，2，…，N，表示省份；t=2005，…，2020，表示年份；ci和pt分别表示中国各省份的个体效应和年份的时间效应；εit表示误差项；β 和δ 为估计系数。

在面板回归模型中，固定效应模型的误差项满足E(εit|ci，xit)，i=1，2，…，N，xit为所有的解释变量，而随机效应模型则满足E(εit)，i=1，2，…，N。当仅考虑时间效应pt时，可行的广义最小二乘法(FGLS)优于一般混合最小二乘法。对于时间和个体的双固定效应的估计，文章采用最大似然估计法(MLE)。

遗漏变量引起的内生性问题会造成模型回归结果的偏误。所以，文章将技术创新产出的滞后一期加入方程(1)中，得到方程(2)。技术创新产出的滞后一期不仅保留了因变量自身过去的信息，同时还包含当期影响因变量的其他因素的过去信息。因此，方程(2)不仅消除了文章内生性问题，还增加了模型整体的拟合优度。

（2） 系统GMM 模型

为解决内生性问题，Arellano＆Bond 提出差分GMM 法，但滞后项作为差分的工具变量，可能存在弱工具变量问题，为此，Blundell 等提出系统GMM法，对差分方程和原始的水平方程同时进行估计，不仅解决了内生性问题，还克服了弱工具变量的影响。因此，文章采用两步法的系统GMM 估计，探索ICTs 发展水平与技术创新产出之间的动态影响关系。

（3） 空间面板杜宾模型

空间自相关性描述的是同一变量在不同空间位置上的数值所反映出的相互依赖性。判断变量在整个空间中是否存在自相关的一般方法是全局Moran's I 指数，其于1948 年被澳大利亚统计学家帕克·莫兰(Patrick Alfred Pierce Moran)首次提出，其定义如下：

其中，xi表示第i 个地区ICTs 发展水平和技术创新产出的观察值；n 为区域数量；wij为空间权重矩阵W 的元素，由i 和j 地区省会城市经纬度测算出来的欧氏距离倒数表示。Moran′s I取值介于-1～1，大于0 表示空间正相关，数值越大分布越集中；小于0 表示空间负相关，绝对值越大分布越离散；接近于0 则表示变量呈随机分布。

空间杜宾模型能捕捉各变量之间的空间异质性及外溢性。此外，考虑到内生性问题的存在，文章引入被解释变量的滞后一期构建出动态空间面板杜宾模型，以期更好地拟合优度。具体形式如下：

四、实证结果与分析

1. 统计检验

（1） 单位根检验

考虑是非平衡面板数据，文章采用ADF-Fisher 进行单位根检验，结果见表2。技术创新产出和ICTs 发展水平的检验结果都是显著的，即拒绝原假设：面板数据中的时间序列存在单位根。因此，文章计量模型估计结果是有效的。

表2 单位根检验

（2） 共线性检验

为确保模型估计的无偏性，Marquaridt(1970)提出方差膨胀因子法(VIF)，检验模型中的解释变量之间是否存在多重共线性。检验结果如表3 所示，所有变量VIF 值皆小于10，则表明变量之间不存在多重共线性。因此，回归分析这些变量构建的模型时，不会存在伪回归导致有偏误的系数估计值。

表3 共线性检验

2. 基础回归分析

表4 中模型(1)、(2)展示了ICTs 发展水平与技术创新产出的静态回归结果。模型(1)和(2)分别为引入个体趋势和时间趋势的固定效应和随机效应，且Hausman 检验证实固定效应模型更优，都一致表明ICTs 发展水平对技术创新产出具有显著的正向影响，假设H1 得到验证。在固定效应模型中引入变量的滞后期，构成基于固定效应下的动态模型(3)、(4)，进一步分析ICTs发展水平对技术创新产出的动态影响。表4 中，模型(3)和(4)显示在动态模型下ICTs 发展水平对技术创新产出也具有显著的正向影响，则假设H1 的稳健性得到一定验证。其次，模型(5)中ICTs 发展水平的一阶滞后项的正向显著性，表明ICTs 发展水平对技术创新产出的正向影响呈现时滞性。模型(6)进一步说明了该影响，短期来看并不显著。

表4 ICTs 发展水平与技术创新的静态与动态回归结果

3. 拓展研究

（1） 非线性关系

表5 分别使用一般线性模型、固定效应模型和GMM 模型研究ICTs 发展水平对技术创新产出的影响，以及在不同的ICTs 水平阶段中是否存在差异性。模型(1)至(4)的结果一致，表明ICTs 发展水平对技术创新产出是正向显著的，而ICTs 发展水平的平方项则是负向显著的，这表明ICTs 发展水平对技术创新产出的影响是非线性的，且呈倒“U”型。所以，假设H2 得到验证。

表5 ICTs 发展水平与技术创新产出之间的非线性分析

（2） 杜宾空间计量分析

首先，采用全局Moran's I 指数进行空间自相关检验（限于篇幅，省略）。结果表明：2005—2020 年，技术创新及ICTs 发展水平的Moran's I 指数虽有波动，但均为正值，且均通过1%的显著性检验，表明技术创新及ICTs 发展水平具有显著的空间正相关特征。因此，从总体来看，被解释变量及解释变量的空间相关作用显著，文章考虑空间因素是有必要的。接着，依据LM 检验选择空间计量模型的估计形式。LM_Error 检验值为6.197（P 值0.013），稳健的LM_Error 检验值为7.040（P 值0.008），LM_Lag 检验值为5.753（P 值0.016），稳健的LM_Lag检验值为6.596（P 值0.010），可见，所有LM检验结果均拒绝原假设，说明文章样本具有空间滞后和空间误差自相关双重效应，由于杜宾模型同时考虑这两种效应，因此，就文章而言，合适的空间计量估计应该采用杜宾模型（SDM）。

表6 展示了空间杜宾模型(SDM)的回归结果，模型(1)ICTs发展水平在1%的显著水平上对技术创新具有正向影响，表明本省ICTs 发展水平越高，技术创新越高。ICTs 发展水平的空间交叉项也是正向显著的，说明ICTs 发展水平具有显著的空间效应，即本省的ICTs 发展水平对相邻省份的技术创新也具有显著的正向促进作用。同时，模型(2)～(4)所示直接效应、间接效应以及总效应均显著为正，进一步表明存在空间溢出效应。

表6 基于空间杜宾模型(SDM)的回归结果

（3） 区域异质性

分组探究东部、中部和西部地区ICTs 发展水平对技术创新产出的影响关系，结果见表7。其中，东部地区ICTs 发展水平对技术创新产出的促进作用最小，相关系数仅为0.5125，远小于中部地区(2.8069)和西部地区(2.1967)；即使考虑非线性关系，包含ICTs 发展水平的平方项后，仍然是东部地区(2.4246)远小于中部地区(9.8208)和西部地区(4.1411)。这一结果与ICTs 发展水平对技术创新产出的影响呈现倒“U”型关系是一致的，即ICTs 发展水平普遍较高的东部地区对技术创新的正向作用相对于ICTs 发展较为落后的中、西部地区明显较小。所以，中、西部地区ICTs 发展水平对技术创新产出的促进作用表现出显著的“后发优势”。西部地区因其地理区位相对劣势、自然资源高度依赖、基础设施还远不完善等原因，表现在城市化、出口贸易和产业结构升级等方面相对落后，在一定程度上削弱了ICTs 发展水平对技术创新产出的促进作用，所以模型(5)与(6)中西部地区的相关系数2.1967、4.1411 还是低于中部地区相应模型(3)的2.8069 与模型(4)的9.8208。

表7 区域异质性分析

4. 稳健性检验

采用分组回归、增加控制变量和工具变量法下固定效应模型，检验基础回归结果的稳健性。结果见表8，模型(1)、模型(2)分别是中国创新驱动发展战略推出之前（年份＜2012） 和之后（年份≥2012） 的回归结果，ICTs 发展水平对技术创新产出的影响皆是正向显著的。其次，增加其他控制变量后的模型(3)，ICTs 发展水平也显著地促进技术创新产出提高。最后，模型(4)使用工具变量法，选取ICTs 发展水平的一阶滞后项和GDP 增速为工具变量。Sargan 过度认定检验结果是不显著的，则接受原假设即工具变量是严格外生的，Davidson-MacKinnon内生性检验(0.288)在5%的水平上是不显著的，也说明原模型不存在明显的内生性问题。模型(4)的结果与模型(1)～(3)的结果方向一致并显著，基础回归结果的稳健性再次得到验证。

五、结论与建议

文章以中国30 个省份2005—2020 年的面板数据为样本，使用固定效应、系统GMM 和杜宾空间计量模型，探究信息通讯技术(ICTs)发展水平与技术创新产出之间的影响关系、空间效应和区域差异。研究结果表明：一是，ICTs 发展水平对技术创新产出具有显著的正向促进作用。ICTs 发展水平通过促进知识流动、扩大（知识、技术和产业） 溢出效应以及强化技术创新的扩散效应，推动区域技术创新产出提高。其次，该影响具有显著的滞后性，即长期影响显著，而短期影响不显著。二是，ICTs 发展水平对技术创新产出的影响是非线性的，呈现倒“U”型；即随着ICTs 发展水平的提高，其正向影响技术创新的边际效应逐渐降低，所以，当ICTs 处于低水平时期（发展初期），ICTs 发展水平对技术创新能产生更大的促进作用。三是，ICTs发展水平对技术创新产出的影响具有显著的正向空间效应，即领先地区的信息通讯技术优势不仅仅带动自身的技术创新，而且能够促进邻近省份的技术创新。四是，中部、西部地区ICTs发展水平对技术创新产出的促进作用远高于东部地区，表现出明显的“后发优势”，但在西部地区的正向影响低于中部地区；即这种促进作用存在明显的区域差异，呈现“中部地区＞西部地区＞东部地区”的特点。据上述结论，为推动ICTs 促进区域技术创新，提出以下对策建议：

第一，大力推广互联网的普及，充分激发信息通讯技术(ICTs)对区域技术创新水平的促进作用。互联网普及度直接反映了区域ICTs 水平，整体上来看，中国互联网普及度远超世界平均水平，但区域内普及程度差异仍然明显，所以，仍有必要全面普及互联网。

第二，加快建设全国一体化算力网络枢纽及迭代更新移动通信技术等，形成ICTs 区域中心节点，提高区域数字信息处理与服务能力，有效发挥“以点带面”的创新示范作用。依托信息通讯技术(ICTs)在空间上的正向扩散效应，在一些具备条件的区域建设全国一体化算力网络枢纽及迭代更新移动通信技术等，集聚优势资源形成几个ICTs 区域中心节点，有力推动本地与周边地区的技术创新发展。

第三，进一步加速中、西部地区互联网基础设施的建设，发挥中、西部地区ICTs 促进区域技术创新的“后发优势”。与东部地区相比，中国中、西部地区互联网基础设施仍不足，这不利于区域ICTs 发展。由于ICTs 在低水平发展初期对技术创新的促进作用更大，欠发达地区应该抓住这个“后发优势”，加大力度全面建设地区管道、宽带、光缆、基站等互联网基础设施，更好地利用信息和通信技术。