数字经济对科技创新能力的影响研究——基于中国城市的经验实证

周旖洋，刘起正，詹 璐，陈雨恬，李百琛，胡安梅

(中国民航大学 经济与管理学院，天津 300300)

1 引言

利用大数据和数字信息技术相关的数字经济渐渐发展为中国经济中最具影响力和潜力的板块之一，对我国所推行的高质量发展、企业的创新、投资与贸易交易都发挥了巨大的作用。在《2021年数字经济报告》中统计，中国和美国在数据经济方面的优势突出，并且在世界范围内都是领先的状态，中美两国的人工智能初创公司的融资占据全世界同行业融资的94%、全球顶尖人工智能研究人员的70%。中国信息通信研究院发布的《中国数字经济发展白皮书》数据显示，2020年我国数字经济增加值总规模达到39.2万亿元，占GDP比重为38.6%。2022年政府工作报告指出，要同步推动数字与实体经济相融合，全面发挥数字经济在创新创业方面的优势，为各个企业建设更多共同的技术研发平台，促进商业链的创新，推动各企业的产业链更加专业化。

现有的研究进展并没有过多从城市的视角来研究一个城市数字经济的发展水平对地区的科技创新能力的影响，数字经济的网络效率、溢出效应如何对区域整体及微观研究主体产生从事科技研发的创新激励等，具体的传递机制和实现机制还有待于进一步阐释。

基于中国城市的数字经济发展入手，将数字经济发展作为解释变量，研究对被解释变量科技创新能力的影响。

文章基于中国200市的数字经济和创新能力数据，研究数字经济发展对城市创新能力的影响。通过量化分析数字经济对微观行为的影响机制，从区域层面解释对城市整体创新能力的影响，并尝试从多视角阐释数字经济对城市创新能力的异质影响机制。为数字经济和数字技术对地区和微观层面的创新能力进行研究，对政府层面的研发促进政策、科技创新支持政策等提供决策依据。

2 文献综述与假设

2.1 数字经济对科技创新能力的影响

数字经济作为一种以数字信息技术为依托的新经济体系，正成为我国经济社会发展的强大推力。数字经济通过数字产业化和产业数字化，完善了产业链供应体系，在技术支撑、应用场景等方面为创新活动提供了更多可能。数字经济还通过改进微观企业要素配置、新技术新设备使用等提升企业从事研发活动的创新效率，进而影响区域的科技创新能力。

《中国数字经济发展白皮书》表明：一方面，中国数字经济总规模由2011年的9.49万亿元增加到2020年的39.2万亿元，在GDP中所占的比重也由20.3%增加至38.6%，占比超过1/3，且数字经济的增速是同期名义GDP增速的3.2倍多；另一方面，通过数字化与产业化相互转换的数字经济，与传统产业相结合以及优化传统产业为主。所以，作为我国经济发展的“主力军”，数字经济已然成为优化经济结构、发展高质量经济和产业链创新的重要作用力。

2.2 数字经济发展在区域层面影响科技创新能力的实现机制

科技创新能力的影响因素众多，除直接研发要素投入，市场体系的发展如市场竞争、市场规模等是影响城市创新能力的重要因素，充分有序的市场竞争会耗散在位企业利润，使企业可用于研发投入的资本减少，损害创新能力；而较大的市场规模有利于创新产品实现规模生产，降低企业生产成本和创新风险；在数字经济的直接影响与创新产出的研发人力资本和物质资本投入要素中，研发资本投入和创新绩效之间呈现正相关的关系，而研发人员投入较研发资本投入而言更能够推动企业研发实力和创新能力的提升，但两者都存在一定的滞后效应。

从产品创新和技术创新的角度，熊励和蔡雪莲(2020)发现了在长江三角区域的城市，数字经济对于科创能力的作用十分明显。温珺和阎志军等(2019)通过研究地级市的数据发现，数字经济和科创并非简单的线性关系。李雪和吴福象等(2021)基于中国2010—2020年数据，说明数字经济除了能够直接推动创新创业的发展，中介因素对于科创的发展也起着至关重要的作用，比如人力资源和研发资源等。

综上所述，文章通过研究数字经济对科技创新能力的推动，对中国200个城市2010—2020年的数字经济发展情况和专利注册数据进行收集整理，运用多种计量方法研究数字经济对科技创新能力的影响。文章可能的边际贡献在于：第一，通过整理分析已有的相关文献，从城市的角度讨论数字经济对科技创新的影响并进行说明，避免了从省级层面探讨所忽视不同城市间发展的差异性；第二，文章将科技创新能力用专利数据代表，一是数据间的相关性强且容易分析，二是能够更加准确地对结果进行推断，为国家的政策提供了不同角度的方法；第三，以互联网从业数等作为变量，运用回归模型将数字经济如何推动科技创新的发展说明清楚。

3 模型、变量与数据

3.1 模型构建与变量说明

文章所选取的数据中被解释变量为专利授权数(件数)，核心解释变量为信息输入、计算机服务和软件业人员数，文章总结的控制变量包含：电信收入(万元)、普通高校学校数量(所)、教育支出(万元)、每万人在校大学生数以及省级普通高等学校数量(所)。为了消除数据中因随机误差项而产生的异方差，故文章将所选变量取对数，将非线性的变量关系转化为线性，得到线性回归方程作为基准回归模型。故文章所用的对于数字经济影响力的测度模型如下：

lnPLit=β0+β1lnNEit+β2lnOrCit+β3lnEduit+β4lnPOrCit+β5lnNCSit+β6lnREVENUit+εit

PLit为城市i在t时期获得授权的专利总数。专利授权数量和专利授权率是评估专利质量的指标之一，能够反映我国的科技成果产出的水平，是新技术和新产品开发成果的重要信息来源。专利活动与技术创新活动密切相关，可以通过专利授权的数量来评估各地级市创新技术的发育程度。

NEit为城市i在t时期从事信息输入、计算机服务和软件业的人员数。科技创新人才是知识的载体，是科技创新是否成功的关键。作为IT行业的子行业，信息输入、计算机服务和软件业近几年在我国取得了飞速的发展，在技术方面不断再创新高，就业人员数也逐年增长，以此作为样本来展望我国科技创新前景具有很大的代表性，因此将2011—2019年间的信息输入、计算机服务和软件业人员数作为核心指标。

REVENUit为城市i在t时期的电信收入。科技创新具有高投入的特点，充足的资金收入来源是企业进行技术创新开发的根本保证，也是数字产业蓬勃发展的必备底牌。故电信收入能较为直观地反映数字产业化、经济发展的水平，以此来控制数字经济发展所带来的经济效益。

OrCit和POrCit分别为城市i在t时期所含有的普通高校学校数量和省级普通高等学校数量，NCSit为城市i在t时期每一万人中在校大学生总数。在数字经济时代对相关人才及其创新创业能力的需求逐渐增长，需要各地高校用心培养专业人才。一个城市所拥有的普通高等学校数以及省级普通高等学校数能够反映当地的学术创新氛围。因此可利用OrCit、POrCit以及NCSit来控制各城市培育创新人才的能力。

Eduit为城市i在t时期在教育方面的支出数额。创新创业者应同时具有丰富的专业知识以及较好的实践能力和学习能力。高校开设专业度高的课程以鼓励学生开展创新创业活动、开设相应培训课程和各类创新比赛项目等都能够从根本上提高学生质量，提高未来创新人才的质量。一个城市在教育方面所投入的资本可以间接反映当地的学术创新活力。故文章采用Eduit来控制各地级市对创新创业的干预。

3.2 数据来源

在数字经济与传统经济体不断融合的趋势下，数字经济推动产业结构优化的效果也越发显著，并产生了显著的正相关趋势。文章以各地级市为单位，以专利授权数作为反映绿色科技创新水平的数据，以信息输入、计算机服务、软件业人员数和电信收入作为反映产业结构升级的数据，以普通高校及省级高校数、教育收入和每万人大学生数作为反映创新能力发展前景的数据，所使用的创新能力数据选自《中国城市统计年鉴2019(精修版)》，囊括了中国200个城市在2010—2020年间的产业结构、数字经济发展水平数据。

4 实证分析

4.1 相关性分析及共线性检验

相关性分析所得到的结果lnPLit与lnNEit、lnREVENUit、lnEduit、lnOrCit、lnPOrCit、lnNCSit的相关性分别为0.660***、0.751***、0.805***、0.705***、0.509***、0.521***。根据相关性的结果来看，各解释变量均存在一定的正相关性，被解释变量与解释变量之间都具有显著正相关关系。其中，***表示在1%的水平上显著。

为检验解释变量之间是否由于存在精确或高度相关关系而使模型估计难以估计准确，文章通过方差膨胀因子VIF来检测是否存在多重共线性。经验判断方法表明：当0

根据共线性检验的数据结果可以得到，NEit、 lnREVENUit、 lnEduit、 lnOrCit、 lnPOrCit、 lnNCSit的共线性的VIF分别为：3.740、4.050、4.420、1.140、1.140、2.220。

从结果可以看出，最大VIF值为4.8，小于10，表示文章的所有变量之间不存在严重共线性，可以进行回归分析。

4.2 基准模型回归结果检验

N=1179R=0.802 adj.R2=0.801

其中，解释变量lnNEit、 lnREVENUit、 lnEduit、 lnOrCit、 lnNCSit、 _cons的t分别为：-2.81、-4.7、-16.75、2.39、28.19、7.09、23.12

从上面的回归结果可以看出，文章基准回归的拟合度为0.802，调整拟合度为0.801，说明文章的样本数据至少有80.1%可以被解释，拟合度较高。从回归结果可以看出，核心解释变量ln信息传输计算机服务和软件业人员数在1%的显著性水平下对被解释变量ln专利授权数具有正相关显著影响，其他所有控制变量至少在5%的显著性水平下对被解释变量ln专利授权数具有正相关显著影响。整体来看文章选取的控制变量对被解释变量的影响非常显著，指标选取较为合理，验证了文章前面提出的数字经济发展对于科技创新能力具有正向影响的论点。

5 内生性检验与稳健性检验

5.1 内生性检验

为了考虑结果的稳健性，文章采用工具变量法对所得回归结果进一步做检验，文章选取的工具变量为ln普通本专科学校在校学生数和ln互联网宽带接入用户万户。同时为了检验工具变量的有效性，对工具变量进行了不可识别检验(Underidentification)、弱工具变量检验(Weak)以及过度识别检验(Sagan)，对于不可识别检验P值如果小于0.01，说明工具变量是可识别的，弱工具变量检验如果大于10% maximal IV relative bias，则说明工具变量不是弱工具变量。对于Sagan检验而言，其检验P值则与其他两个检验方式相反，如果检验P值大于0.05，则说明通过识别不足检验。具体的检验结果如下：

lnREVENUit=-0.172t=-1.32

lnEduit=-0.0573t=-0.23

lnNEit=2.191***t=-4.49

lnNCSit=0.392***t=-5.65

lnOrCit=-0.785***t=-3.60

其中，Weak=13.372(19.93)

Sagan=0.943(0.3316)

上述结果显示，模型的不可识别检验Underidentification显示均拒绝原假设，说明工具是可识别的。弱工具变量检验Weak值无法大于10%maximal IV relative bias，说明工具变量选取较弱。从识别不足检验Sagan的结果来看，模型的检验P值大于0.05，说明不存在过度识别现象。整体而言，文章选取的工具变量均符合检验，只是工具变量选取较弱。从回归结果可以看出，模型中核心解释变量ln信息传输计算机服务和软件业人员数对被解释变量ln专利授权数量具有正相关显著影响，与前文结果保持一致，说明考虑指标内生性的情况下，ln信息传输计算机服务和软件业人员数对被解释变量ln专利授权数仍然具有正相关显著影响，说明结果具有稳健性。

5.2 稳健性检验

由数据得稳健性检验的结果为：

lnNEit=0.0799**(2.18)

lnREVENUit=0.316***(5.27)

lnEduit=0.798***(14.10)

lnOrCit=0.163***(4.06)

lnPOrCit=1.737***(28.58)

lnNCSit=0.182***(6.19)

_cons=-21.28

其中，R2=0.812 adj.R2=0.810

从上面的回归结果可以看出，模型的拟合度为0.812，调整拟合度为0.810。从回归结果可以看出核心解释变量ln信息传输计算机服务和软件业人员数对被解释变量ln专利授权数具有正相关显著影响，与前文结果保持一致，且相较于前文，文章还继续控制了年份，因此通过加入年份虚拟变量得到的回归结果与前文结果保持一致，说明结果稳健。其中，***，**分别表示在1%，5%的水平上显著。

6 结论

数字经济作为一种新型经济体系，在推动国家经济发展方面发挥着不可磨灭的作用。不仅是经济体改革的重要推动力量，也是在全球化不断加剧的浪潮下稳住竞争力强有力的帮手。数字经济兼顾了优化资源配置、更新快和推动创新等核心发展力量，打破了城市间结构性的供需不平衡问题，也增强了空间发展的效应。

文章基于200个城市的面板数据，在测度城市层面数字经济发展水平的基础上，运用多种计量方法实证核心解释变量ln信息传输计算机服务和软件业人员数对被解释变量ln专利授权数量具有正相关显著影响，同时，数字经济对于科技创新的传导机制以及非线性的关系，得出以下结论：一是数字经济能够显著推动科技创新的发展，已成为目前我国经济高质量发展的重要推动力，并且通过逐步回归、增减解释变量以及引入工具变量等方式，发现结果依然稳健；二是数字经济能够通过提升信息传导效率和数字技术发展影响科技创新能力；三是数字经济的产业结构升级溢出效应具有显著的“边际效应”递增的非线性变化趋势。

基于上述结论，文章提出如下政策建议。

第一，大力发展数字经济，使数字经济在科技创新的发展方面有更进一步的发展空间。即数字经济推动了中国产业结构转型升级。为充分发挥数字经济对科技创新能力的影响力，通过信息技术的升级和对产业结构的优化共同作用达到推动科技创新的目的。当今创新在经济发展中起着至关重要的作用，如何创造出一种既能满足消费者的需求，也能形成产业链在国际竞争中站稳脚跟的产品，需要创新。这种创新不仅是对旧商品的优化，也是创造出改变生活的新商品，比如游戏行业，现在面向世界的文化输出动力《原神》都是创新改变生活的实例之一。

第二，促进人力资本和研发资本的投入。在数字经济发展的过程中，这两项资源也是不可或缺的动力，人力资源就是要加大数字科技及信息技术方面人员的薪资待遇，通过各种手段引入优秀人力资源，保证数字经济发展的效率和质量。研发资本就是要降低相关产业购买设备的成本，为数字经济相关产业提供优惠政策，推动相关行业的快速发展，为我国的科技创新打下坚实的基础。