产业数字化对区域创新效率的影响研究

郭将 张虹萌

摘 要：随着数字技术革命的快速发展，产业数字化成为降低成本、提高效率的重要手段，也为区域创新效率的提升带来了新的契机。本文以我国长三角地区为研究对象，基于长三角地区三省一市2011—2021年的面板数据，运用熵权法和数据包络分析法测度了产业数字化水平和创新效率指数，并构建计量模型实证检验了产业数字化对区域创新效率的影响。研究发现，基于给定假设，我国长三角地区产业数字化的推进能显著提升区域创新效率。作用机制分析发现，产业数字化可以通过提高区域人力资本水平，进而对提升区域创新效率水平产生积极影响。最后，本文提出了针对性政策建议，为我国长三角地区的产业数字化转型促进地区创新效率的提升提供了有益启示。

关 键 词：产业数字化；区域创新效率；人力资本水平

DOI：10.16315/j.stm.2023.03.007

中圖分类号： F0625

文献标志码： A

收稿日期： 2023-04-15

基金项目： 上海市软科学重点计划项目（21692105000）;上海市2023年度“科技创新行动计划”自然科学基金项目（23ZR1444300）

作者简介： 郭 将（1978—），男，副教授，博士；

张虹萌（2000—），女，硕士研究生.

通常情况下，对于区域创新效率的理解与Farrell[1]所提出的技术效率概念相对应，即利用有限的资源和技术手段，实现最大化创新产出的能力和水平。现代经济中，创新已然成为作为驱动经济发展的核心动力之一[2]。同时，基于经济全球化遭遇强势逆流这一宏观形势，要想使我国的科技强国建设取得实质性进展，需要不断提升突破性、颠覆性创新能力[3]。同时，中国经济正在从传统的低成本制造业向高技术、高附加值的产业转型。从这一角度，区域经济需要通过提升创新能力和效率来适应新的市场环境和经济发展趋势。而高效的区域创新不仅能够为地方经济发展带来新的动力和机遇，提高地方产业的竞争力和技术水平，还有助于推动区域经济的可持续、协同发展，从而实现区域发展的整体性和协调性[4]。

随着大数据、云计算、人工智能等数字技术的迭代更新，社会经济发展已迈入数字经济时代[5]。在我国，产业数字化已然占据数字经济发展的主导地位。产业数字化，重点在于数字技术对传统产业改造，从而实现数字化、智能化以及网络化的过程[6]。基于创新的协作性要求和数字技术降低跨界跨地域链接成本的优势，数字技术能够使得产业进行研发活动的效率水平有所提升[7]。不仅如此，数字化还可以通过扩大创新主体的范围以及创新合作来提升区域创新系统的效率[8]。产业数字化还可以借助其降低信息检索成本和渠道成本的优势，通过提高产业内相关企业的创新能力和生产效率来提升企业的创新效率[9-10]。

不难看出，产业数字化和创新效率之间是存在一定关联的。因此，考虑如何利用这一时代发展趋势，从而更快地实现我国创新驱动发展的战略目标，具有重要的现实意义。本文主要解决以下问题：在我国经济发达的长三角地区，产业数字化转型是否能够带来地区创新效率的提高？是否存在中间机制的作用，来帮助产业数字化促进区域创新效率的提升？因此，本文选取我国长三角地区，将产业数字化和区域创新效率联系起来，实证检验在发展中国家的经济发达地区，产业数字化对区域创新效率的影响机制和作用路径。

1 理论分析与研究假设

产业数字化可以理解为传统产业借助互联网平台以及充分利用现代信息技术，不断满足需求端新需求的一种数字化转型活动。根据熊彼特所提出的“创新理论”以及理论的不断演化，现阶段的理论研究可大致分为技术创新理论和制度创新理论2个方向。接下来，将在技术创新理论的框架下展开相应分析。同时，将产业在区域市场上的活动划分为生产活动和流通活动两部分。

1.1 产业数字化对区域创新效率的直接作用

产业数字化转型中所借助的互联网平台，具有高效传递信息和信息获取成本低廉的优势。产业作为区域内的创新主体，在互联网的广泛应用下，能够更精准、更快速地捕捉到区域市场参与者对创新活动的新需求[11]。基于此，产业可以针对性地优化在创新活动中投入的生产要素组合并重新建构其创新业务流程，从而降低其在创新活动中的研发试错成本并缩短创新周期。从这一角度，互联网可以通过在产业进行交易活动和生产活动时的应用，来促进区域创新效率的提高。同时，互联网能够高效传递信息的优势也在一定程度上促进了区域市场竞争，使得产业作为区域市场上的创新主体，为了争抢份额、谋取利润，不得不加快创新速度。

而信息技术在产业数字化转型中的利用，对产业的生产活动影响更大。信息技术本身作为一种先进技术，在产业生产活动中的应用，能够带来产业新技术和新产品研发能力的提升。而基于信息技术的高渗透性以及广泛传播的特点，其产生的技术溢出效应能够促进产业内和相关产业间的共同发展，这在很大程度上推动了区域创新效率的提高。同时，在产业享受到信息技术所带来的红利后，会推动生产部门不断进行技术研发，来提升自身的技术创新水平。可以说，通过信息技术给产业带来的数字化转型和区域技术创新之间呈现出正向循环关系，这对区域创新效率的提高会产生积极影响。由此，本文提出如下假设：

假设H1：产业数字化可以促进区域创新效率的提高。

1.2 产业数字化对区域创新效率的中介作用

而对于传统产业而言，通过数字化转型所引入的信息技术，是一种先进技术。根据适宜技术理论的思想[12]，先进技术的出现需要与之相匹配的专业理论知识突出的高级人力资本。同时，结合历年的《中国区域人才竞争力报告》来看，本文所选取的长三角地区，作为我国经济较发达地区，相较于其他区域而言，对高素质人才的吸引力更大，也会拥有更多的熟练劳动力以及更多种类的技能，能力和想法，从而增加了区域可访问和利用技术可能性的范围[13-14]。除此之外，先进技术在产业生产活动中的利用，可以实现对区域产业内的部分初级人力资本的替代[15]。从以上角度可以看出，信息技术在产业中的引入，可以提升区域的人力资本水平。而基于人作为知识和技术的体这一属性，当某一区域的人力资本水平越高时，对于新技术的消化、吸收与应用会更快，区域内知识溢出和技术扩散的成效也会更显著，进而区域创新效率也会有所提高[16]。由此，本文提出如下假设：

假设H2：产业数字化可以通过提升区域人力资本水平来间接促进区域创新效率的提高。

综上所述，本文研究机制，如图1所示。

2 研究设计

2.1 变量设置

2.1.1 被解释变量

本文的被解释变量为区域创新效率。参考余泳泽和等[17]、李政等[18]对创新效率的测量，选择数据包络分析法（DEA）对区域创新效率进行测算。在投入指标的选取上，本文采用技术改造的经费支出和规模以上工业企业R&D人员全时当量这2个指标。产出指标方面，不同于以往学者使用专利衡量创新产出的可行性[19-20]或人均发明专利申请量[21]，本文选择规模以上工业企业新产品销售收入这一变量来衡量区域创新能力。本文研究的年份为2011—2021年；研究对象为我国长三角地区的三省一市。所有样本数据来自相对应年份的《中国科技统计年鉴》、EPS数据库、《中国统计年鉴》以及各省份的统计年鉴。根据前文所述的投入产出指标的选取，利用数据包络法测出的各区域创新效率指数，如表1所示。同时，各区域创新效率指数的历年变化趋势，如图2所示。

2.1.2 解释变量

本文选取产业数字化水平作为解释变量。借鉴傅为忠等[22]的测量方法以及结合历年《中国数字经济白皮书》中对产业数字化内涵的阐释，本文通过建立产业数字化评价指标体系，采用熵权法对所选样本的产业数字化水平进行测算。建立的评价指标体系，如表2所示。由表2可知，本文选取数字化基础和数字化能力2个一级指标来评价区域产业数字化情况。其中，数字化基础包括基础设施和关键投入2个二级指标，数字化能力则包括数字融合规模和数字金融指数2个二级指标。所有样本数据来自相对应年份的《中国统计年鉴》、《中国科技统计年鉴》各省份统计年鉴以及《北京大学数字普惠金融指数》。测算结果，如表3和图1所示。其中，利用熵权法进行指数测算主要包括以下步骤：第1步对数据进行标准化。由于所选指标均为正向指标，因此需利用极差法对指标进行正向标准化。标准化后的数据用Eij来表示；第2步确定各指标的权重（Wj）。本文采用客观赋权法来评价指标的重要程度；第3步具体计算公式如下：

Hj=-1ln ml∑iEij∑iEijlnEij∑iEij，（1）

Wj=1-Hj∑j（1-Hj），（2）

Ui=∑jWjEij。（3）

其中：Hj表示信息熵；m=4代表长三角地区的三省一市；l=11代表统计年份为2011—2021；Wj表示第j项指标的权重; Ui则为第i年的综合指数。

2.1.3 中介变量

本文选取的中介变量为人力资本水平。本区域人力资本水平越高表示这一地区的高素质人力资本所占比例越大。参考刘智勇[23]对人力资本结构的度量方法，选择用Moore结构变化值来衡量区域人力资本水平。具体测量步骤如下：首先，将各地区的就业人群按照教育水平分为文盲、小学、初中、高中以及高中以上（本科、专科和研究生）五类，并构建一个5维空间向量X0，将每一类人力资本占总量的比重作为空间向量的一个分量；其次，选取出基本单位向量组Xj，计算出基准向量和人力资本空间向量之间的夹角θj；最后，用客观赋权法确定每一类人力资本的权重Wj，求出各地区的人力资本水平。具体计算如式（4）、（5）所示。各地区的人力资本水平，如表4所示。

θj=arccos∑5i=1（xj，i·x0，i）（∑5i=1x2j，i）1/2·（∑5i=1x20，i）1/2，（4）

Hstruc=∑5i=1（Wj·θj）。（5）

2.1.4 控制變量

为了能更好地说明产业数字化对区域创新效率的影响，本文参考兰海霞等[24]的研究，加入了经济竞争程度（CO）、对外开放水平（open）和R&D投入强度（RDI）3个控制变量。具体而言，经济竞争程度（CO）用市场化指数来衡量；对外开放水平（open）用人均外商实际投资额来表示；R&D投入强度（RDI）则用R&D经费支出反映。

2.2 模型构建

2.2.1 基准模型

为了验证产业数字化对区域创新效率所产生的影响，本文构建的基本计量模型如下：

teit=α0+α1digitalit+αcXit+εit。（6）

其中：teit表示i省份在t年的区域创新效率水平指标;digitalit表示i省份在t年的产业数字化水平指标;Xit为控制变量;α0为截距项;α1和αc分别为核心解释变量和控制变量的回归系数;εit为残差项。下标i包括我国长三角地区三省一市（江苏省、浙江省、安徽省和上海市），下标t表示2011—2021年的时间区间。

式（6）反映了产业数字化对区域创新效率的影响，其中α1是本文主要关心的参数。若α1在后续回归中显著为正，那么就能验证前文提出的假H1。

2.2.2 机制分析模型

为了验证假H2，本文引入中介变量（med）来探讨产业数字化对区域创新效率可能存在的影响机制，中介效应模型如下：

teit=α0+α1digitalit+αcXit+εit，（7）

medit=α0+α1digitalit+αcXit+εit，（8）

teit=α0+α1digitalit+α2medit+αcXit+εit。（9）

其中：式（8）、（9）中的medit表示i省份t年份的人力资本水平，其他变量含义同式（6）。

3 实证分析

3.1 基准回归

3.1.1 多重共线性检验

在进行模型回归前，首先用stata软件进行了方差膨胀因子检验，来判断各个解释变量之间是否存在多重共线性。结果如表5所示，由表5可知，主要模型的方差膨胀因子平均值以及单个解释变量的VIF值均小于5，这说明变量之间不存在多重共线性，因此可以进行后续的模型回归。

3.1.2 基准回归结果分析

产业数字化对区域创新效率产生总体影响的估计结果，如表6所示。参数估计采用稳健性（robust）估计。其中，第（1）列为仅考虑产业数字化水平对区域创新效率的影响。可以发现产业数字化水平这一变量的回归估计系数显著为正，这可以初步表明在2011—2021年间，长三角地区三省一市的产业数字化显著地促进了区域创新效率的提高。第（2）列是在第（1）列的基础上加入了所选的3个控制变量进行模型回归。产业数字化水平的回归系数仍显著为正，且通过了1%的显著性水平，这也说明了在所选样本范围内，对影响区域创新效率的其他因素进行控制后，产业数字化的推进对提升区域创新效率仍具有显著影响。观察所选3个控制变量的回归系数可以发现经济竞争程度的回归系数显著为正。一方面，可以理解为竞争促进创新，在竞争激烈的环境下，产业需要不断尝试新产品或服务以保证其市场份额不会下降;另一方面，可以理解为区域竞争程度的提高推动了资源有效配置进而提高区域创新效率。对于研发投入强度的回归系数显著为负的情况，本文认为是合理的。如果区域内产业过于追求研发投入的数量，导致研发投入被浪费在不切实际或低质量项目上，区域创新效率就会降低。同时，在没有相关政策支持的情况下，投入过高的研发成本也会导致区域创新效率低下。综上所述，可以发现这一基准估计结果可以很好地验证前文所提出的假设H1。

3.2 影响机制检验

中介效应的具体回归结果如表6的第（3）、（4）、（5）、（6）列所示。其中，第（3）、（4）列是对模型（7）的估计结果，即探究产业数字化水平对人力资本水平的影响。第（3）列仅加入产业数字化水平这一变量，可以发现其回归系数显著为正，说明在所研究的样本范围内，产业数字化水平可以显著地促进区域人力资本水平的提高。第（4）列在第（3）列的基础上加入了各控制变量，可以发现产业数字化水平的回归系数仍显著为正，并通过了5%的显著性检验。第（5）、（6）列所报告的是产业数字化通过提高人力资本水平影響区域创新效率的影响。其中，第（5）列为仅考虑产业数字化水平和人力资本水平的基准回归结果，第（6）列为加入所有控制变量的结果。可以看出，在2次回归中2个变量的回归系数均为正，结合第（3）、（4）列的结果，可以说明，产业数字化可以通过提升区域人力资本水平，进而对区域创新效率产生积极影响，即验证了前文所提出的假设H2。

3.3 稳健性检验

基准回归结果指出了在我国长三角地区，产业数字化能够显著提升区域创新效率。为了考察这一结论的稳健性，将进行以下2项稳健性检验：一是考虑内生性问题，采用工具变量法进行修正；二是更换被解释变量，替换测算区域创新效率时选取的产出指标。

3.3.1 内生性问题的修正

在进行基准回归时，可能会存在因遗漏变量、度量误差等引起的内生性问题，因此本文选择使用工具变量法对模型可能存在的内生性问题进行修正。借鉴以往学者的研究，本文选取核心解释变量的滞后两期（L2.X2）作为工具变量，并采用两阶段最小二乘法（2SLS）进行稳健性检验。一阶段回归的具体结果，如表7所示。可以看出工具变量的回归系数显著为正，即工具变量和区域创新效率成正相关关系，工具变量满足相关性要求。同时，一阶段回归中的F统计量大于10，说明所选工具变量并非弱工具变量。

3.3.2 更换被解释变量

为了更加全面地衡量区域创新效率，本文进一步地从其他角度来选取测算区域创新效率时所使用的产出指标。为了避免政策等其他因素带来的影响，最终本文采用地区专利申请量这一指标。表7的第（2）列显示了替换被解释变量后的回归结果。可以看出，即使被解释变量被替换，产业数字化的估计系数仍显著为正，这也表明了本文的研究结论并不受替换被解释变量的影响。

4 结论与建议

本文基于我国长三角地区三省一市在2011—2021年间的面板数据，测算了产业数字化水平、区域人力资本水平以及区域创新效率指数，并在此基础上构建计量模型实证检验了产业数字化对区域创新效率的影响以及影响机制。研究结果证实如下结论：

第一，以我国长三角地区三省一市为研究对象，产业数字化的推进能够显著促进区域创新效率的提升。稳健性检验结果表明，无论是纠正内生性问题还是替代关键变量，仍能证实这一结论。

第二，影响机制结果表明，人力资本水平是产业数字化促进区域创新效率提升的可能影响渠道，即产业数字化可以通过提高区域人力资本水平进而对区域创新效率产生显著促进作用。

第三，区域经济竞争程度和研发投入强度这2个因素也会对区域创新效率产生显著影响。其中，实证分析结果表明，经济竞争程度会对区域创新效率具有显著的正向影响，而研发投入强度则对区域创新效率产生显著的负向影响。

基于研究结论，本文提出以下建议：

第一，加快我国长三角地区产业数字化的步伐，以提升区域创新效率。长三角地区作为我国经济发达区域，应该充分利用数字经济带来的新机遇，积极推动产业数字化转型。为了实现这一目标，需要加强数字基础设施建设，促进传统产业和新型基础设施的融合发展。同时，完善数据治理法律法规也很重要，这可以为传统产业的数字化转型提供良好的数字生态环境。此外，产业链价值链的延伸可以为传统产业升级优化提供支持。

第二，在产业数字化转型中，人力资本的投入至关重要。各地区可以出台有利于人才发展的政策，为人才提供更好的发展机会和环境。同时，加强地区对教育培训的投入，为人才的成长提供更好的资源。只有积极引进高端人才和优秀人才，才能提供与先进技术相匹配的高质量人力资本，从而推动产业数字化转型的发展。

第三，协调好市场和政府之间的关系。为了更有效地推进产业数字化，不仅需要保证区域产业在有效市场中进行生产活动，还需要政府适时发布产业政策进行宏观调控。政府在制定政策时应该充分考虑市场需求和产业实际情况，确保政策具有针对性和可操作性。

参考文献：

［1］ FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society：Series A （General），1957，120（3）：253-281.

［2］ 虞义华，赵奇锋，鞠晓生.发明家高管与企业创新[J].中国工业经济，2018（3）：136-154.

YU Y H，ZHAO Q F，JU X S.Inventor executives and innovation[J].China Industrial Economics，2018（3）：136-154.

［3］ 李雪松，党琳，赵宸宇.数字化转型、融入全球创新网络与创新绩效[J].中国工业经济，2022（10）：43-61.

LI X S，DANG L，ZHAO H Y.Digital transformation，global innovation network and innovation performance[J].China Industrial Economics，2022（10）：43-61.

［4］ BROEKEL T，BOSCHMA R.Knowledge networks in the Dutch aviation industry：The proximity paradox[J].Journal of economic geography，2012，12（2）：409-433.

［5］ 张金林，董小凡，李健.数字普惠金融能否推进共同富裕？：基于微观家庭数据的经验研究[J].财经研究，2022，48（7）：4-17.

ZHANG J L，DONG X F，LI J.Can Digital inclusive finance promote common prosperity？An empirical study based on micro household data[J].Journal of Finance and Economics，2022，48（7）：4-17.

［6］ 肖旭，戚聿東.产业数字化转型的价值维度与理论逻辑[J].改革，2019（8）：61-70.

XIAO X，QI Y D.Value dimension and theoretical logic of industrial digital transformation[J].Reform，2019（8）：61-70.

［7］ 江小涓，靳景.数字技术提升经济效率：服务分工、产业协同和数实孪生[J].管理世界，2022，38（12）：9-26.

JIANG X J，JIN J.Digital technology promotes economic efficiency：Labor division of service，industrial synergy and digitalreal twins[J].Journal of Management World，2022，38（12）：9-26.

［8］ CHAMINADE C，BELLANDI M，PLECHERO M，et al.Understanding processes of path renewal and creation in thick specialized regional innovation systems：Evidence from two textile districts in Italy and Sweden[J].European Planning Studies，2019，27（10）：1978-1994.

［9］ GOBBLE M A M.Digitalization，digitization，and innovation[J].ResearchTechnology Management，2018，61（4）：56-59.

［10］忻超娜，张二华.数字化水平对高技术产业创新效率的影响研究：基于创新价值链视角[J].科技与管理，2022，24（1）：10-18.

XIN C N，ZHANG E H.Research on the impact of digital level on innovation efficiency of hightech industry：From the perspective of innovation value chain[J].ScienceTechnology and Management，2022，24（1）：10-18.

［11］韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019（7）：119-136.

HAN X F，SONG W F，LI B X.Can the Internet become a new momentum to improve the efficiency of regional innovation in China[J].China Industrial Economics，2019（7）：119-136.

［12］林毅夫，张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学（季刊），2005（4）：53-74.

LIN Y F，ZHANG P F.The Advantage of latter comers，technology imports，and economic growth of developing countries[J].China Economic quarterly，2005（4）：53-74.

［13］NELSON R R，WINTER S G.The Schumpeterian tradeoff revisited[J].The American Economic Review，1982，72（1）：114-132.

［14］LEVINTHAL D A，MARCH J G.The myopia of learning[J].Strategic management journal，1993，14（S2）：95-112.

［15］孫早，侯玉琳.工业智能化如何重塑劳动力就业结构[J].中国工业经济，2019（5）：61-79.

SUN Z，HOU Y L.How does industrial intelligence reshape the empolyment structure of Chinese labor force[J].China Industrial Economics，2019（5）：61-79.

［16］黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济，2019（8）：5-23.

HUANG H Q，YU Y Z，ZHANG S L.Internet development and productivity growth in manufacturing industry：Internal mechanism and China experiences[J].China Industrial Economics，2019（8）：5-23.

［17］余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应：创新价值链视角下的多维空间面板模型研究[J].管理世界，2013（7）：6-20.

YU Y Z，LIU D Y.The Effect of the space outflow of Chinas regional innovation and the effect of the outflow of value chanins：A study，from the perspective of the innovative value chain，on the model of the panel of multidimentsional space[J].Journal of Management World，2013（7）：6-20.

［18］李政，杨思莹.财政分权、政府创新偏好与区域创新效率[J].管理世界，2018，34（12）：29-42.

LI Z，YANG S Y.Fisical decentralization，government innovation preferences and regional innovation efficiency[J].Journal of Management World，2018，34（12）：29-42.

［19］HAGEDOORN J，CLOODT M.Measuring innovative performance：Is there an advantage in using multiple indicators？[J].Research policy，2003，32（8）：1365-1379.

［20］BARRINGER B R，BLUEDORN A C.The relationship between corporate entrepreneurship and strategic management[J].Strategic management journal，1999，20（5）：421-444.

［21］李政，杨思莹，何彬.FDI抑制还是提升了中国区域创新效率？：基于省际空间面板模型的分析[J].经济管理，2017，39（4）：6-19.

LI Z，YANG S Y，HE B.Does FDI inhibit or promote Chinas regional innovation efficiency？：Analysis of 30 provinces based on spatial panel model[J].Business and Management Journal，2017，39（4）：6-19.

［22］傅為忠，刘瑶.产业数字化与制造业高质量发展耦合协调研究：基于长三角区域的实证分析[J].华东经济管理，2021，35（12）：19-29.

FU W Z，LIU Y.Research on coupling and coordination between industry digitalization and highquality development of manufacturing industry：Empirical analysis based on the Yangtze River Delta Region[J].East China Economic Management，2021，35（12）：19-29.

［23］刘智勇，李海峥，胡永远，等.人力资本结构高级化与经济增长：兼论东中西部地区差距的形成和缩小[J].经济研究，2018，53（3）：50-63.

LIU Z Y，LI H Z，HU Y Y，et al.Human capital structure upgrading and economic growth：A reconsideration of disparities among Chinas eastern，central and western regions[J].Economic Research Journal，2018，53（3）：50-63.

［24］兰海霞，赵雪雁.中国区域创新效率的时空演变及创新环境影响因素[J].经济地理，2020，40（2）：97-107.

LAN H X，ZHAO X Y.Spatialtemporal evolution and innovation environment factors of regional innovation efficiency in China[J].Economic Geography，2020，40（2）：97-107.

［编辑：刘素菊］

Research on the impact of industrial digitalization on regional innovation

efficiency：Taking the Yangtze River Delta as an example

GUO Jiang， ZHANG Hongmeng

（School of Management， University of Shanghai for Science and Technology， Shanghai 200093， China）

Abstract：In recent years， the digital technology revolution has brought tremendous changes to the industrial landscape， and industrial digitization has become a crucial means of achieving economic growth and development. With the increasing popularity of the internet and other advanced digital technologies， industrial digitization has been used as a main tool to reduce costs， enhance efficiency， and improve product quality， which has brought new opportunities for improving regional innovation efficiency. The Yangtze River Delta region of China， as one of the most developed regions in the country， has been a leader in industrialization and urbanization. As a result， it has drawn significant attention in terms of research on industrial digitization and innovation efficiency. The region has a strong foundation in terms of human capital， which makes it an ideal area to examine the impact of industrial digitization on regional innovation efficiency.In this context， this study focuses on the Yangtze River Delta region of China as the research object， and panel data from the three provinces and one city in the region from 2011 to 2021 is used to analyze the impact of industrial digitization on regional innovation efficiency.The study employs data envelopment analysis and entropy weighting method to measure the level of industrial digitization and innovation efficiency index， and an econometric model is constructed to empirically test the impact of industrial digitization on regional innovation efficiency. The results show that， based on the given hypothesis， industrial digitization can significantly improve regional innovation efficiency. Moreover， the mechanism analysis found that industrial digitization can positively influence the level of regional innovation efficiency by improving the level of regional human capital.Specifically， the study found that industrial digitization has a positive impact on regional innovation efficiency by enhancing the ability of regional firms to innovate， reduce transaction costs， and increase access to global markets. Furthermore， the study found that the improvement of regional human capital， such as education， training， and experience， is a key factor in achieving this goal. In other words， the study suggests that the development of human capital is essential for the success of industrial digitization and innovation efficiency in the Yangtze River Delta region.In conclusion， this study provides useful insights into the relationship between industrial digitization and innovation efficiency in the Yangtze River Delta region. The findings suggest that industrial digitization is an important means of promoting regional innovation efficiency， and that the improvement of regional human capital is a key factor in achieving this goal. Based on the findings of the study， this paper puts forward targeted policy suggestions， which provide beneficial enlightenment for the digital transformation of industries in the Yangtze River Delta region of China to promote the improvement of regional innovation efficiency. For example， policies could include accelerating the pace of industrial digitization in the Yangtze River Delta region to improve regional innovation efficiency， or local governments could issue policies that are conducive to talent development， providing better opportunities and environments for talent.Overall， this study highlights the importance of industrial digitization and human capital development for regional economic growth and development.

Keywords：industrial digitization； regional innovation efficiency； human capital level