区域数字创新生态系统的健康性动态评价及驱动机制

胡仁杰，张 瑶，张光宇，李 青，杨诗炜

（1.广东外语外贸大学广东国际战略研究院，广东广州 510420；2.广东外语外贸大学全球治理与人类命运共同体重点实验室，广东广州 510420；3.广东工业大学管理学院，广东广州 510520；4.广东工业大学创新理论与创新管理研究中心，广东广州 510520；5.广东工业大学审计处，广东广州 510006）

伴随着人工智能、大数据、区块链等新一代数字信息技术的诞生与成熟，数字技术和数字创新生态系统日益成为创新驱动发展的时代前沿，人类开始由工业时代向数字时代迈进。围绕数字技术的强赋能属性，传统创新生态系统的行为边界得到了拓宽［1］，系统参与主体的价值共创共享方式得到了重塑［2］，形成了更具颠覆性力量的新一代创新范式——数字创新生态系统。作为中国赢得未来科技竞争的重要战略选择，积极推动数字创新生态系统的健康发展，是保障数字创新动能提升的基本条件［3］。一个健康的数字创新生态系统是抵御国内外风险冲击，推动中国区域数字创新与经济高质量发展的基础与关键。但是，当前中国区域数字创新生态系统的健康程度如何？其评价体系和内在的驱动机制怎么样？上述问题的回答对于中国数字创新生态系统的健康优化，及助力区域数字创新动能提升具有重要的理论价值和实践指导意义。

1 文献综述

数字创新生态系统是指创新主体通过数字化的方式，动态参与系统中的竞争与合作，进而形成生态化交互循环的一种组织系统［4］。数字创新生态系统通常具有要素数字化［5］、主体虚拟化［6］、边界模糊化等特征［2］。关于数字创新生态系统的研究，学者们主要聚焦于五大主题，分别为概念与特征、生态系统构建、系统演化规律、价值共创与共生模式、治理机制 。区域数字创新生态系统是指在某一区域范围内，数字创新主体、创新环境、创新行为、数字技术和产品构成的社会生态系统［7］。与数字创新生态系统和区域创新生态系统相比，区域数字创新生态系统具有更强的异质性，更能够促进区域产业和经济发展。关于区域数字创新生态系统的研究，杨伟等［7］采用 fsQCA 方法，提出了高韧性的两种组态：市场驱动和知识-资源驱动，低韧性的两种组态：知识主导和资源主导。李晓娣等［8］基于fsQCA 方法，提出了驱动高绩效的四种组态：环境驱动型、平台-主体-环境驱动型、主体驱动型、环境-主体驱动型。林艳等［9］研究发现企业开拓的环境支撑型、企业主导的资本驱动型、主体多元的综合发展型、政府引导的智力聚集型四种组态有利于提高区域创新绩效。张瑶等［10］构建了区域数字创新生态系统健康性评价指标体系和预警模型，并提出了区域数字创新生态系统健康发展的优化策略。但该文献在对区域数字创新生态系统进行健康性评价时并未纳入时间因素，是一种静态评价法。张瑶等［11］基于组态视角探讨了区域数字创新生态系统的驱动机制，发现研发投入促进型和基础知识促进型是高水平数字创新能力的两种组态。

通过文献讨论发现，区域数字创新生态系统的健康发展是提升区域创新动能，提升区域经济发展的关键。现有文献对区域数字创新生态系统的健康性评价及驱动机制关注不足，虽然传统创新生态系统和数字创新生态系统的健康性研究为此提供了坚实的理论基础，在此基础上国内外学者从具备活力［12］、可持续发展能力［12］、自我恢复能力［13］、共生演化力［14］、平衡力等多视角下探讨了区域数字创新生态系统的健康性［15］，以及范德成等［16］、张瑶等［11］对影响该类生态系统健康发展的动因机制展开实证研究。现有文献对健康性评价体系研究呈现出碎片化特征，研究方法亦是趋于单一化（从静态视角进行评价），且该类系统的内部驱动机制研究尚显单薄。但是，数字创新生态系统作为新型范式，较传统创新生态系统而言具有强破化性、内部参与要素的异质性凸显等特征，当前的研究仍然不足以指导中国区域数字创新生态系统的健康优化，亟需新的理论支撑。

有鉴于此，为精准把握中国区域数字创新生态系统的健康性程度，识别影响该类系统健康发展的驱动机制。本文以我国30 个省份（未含西藏和港澳台地区）为研究对象，首先，基于传统创新生态系统的理论研究，构建了区域数字创新生态系统的健康性评价模型。其次，借助VHSD-EM 组合评价方法对区域数字创新生态系统的健康水平进行时空双维度的动态评价研究。最后，基于DEMATEL-ISM 递阶结构解释模型，系统性探索了影响区域数字创新生态系统健康发展的原因因素、结果因素以及两者间形成的阶层递阶路径，识别出影响该类生态系统健康发展的核心因素及其作用路径。

2 数字创新生态系统的健康性内涵及评价体系

数字创新生态系统的健康性研究最先来自于生物个体，进而拓展至自然生态系统，随着学科间的交叉融合与渗透，延伸至社会科学的研究领域，得到广泛关注［15］。在自然生态系统的健康性理论探索中，Costanza 等［12］提出了一个健康的生态系统应具备活力、自主运作能力和可持续发展能力而受到学者们的广泛认可，奠定了该类生态系统健康性评价的基础。在此基础之上，学者们从多维视角对传统创新生态系统的健康性水平展开探索。囿于区域数字创新生态系统的健康性研究关注度不足，且传统创新生态系统的健康性评价模型呈现出碎片化特征，仍需新的理论指导中国数字创新生态系统的健康优化。因此，本文借助系统论关于创新系统的内部行为机理描述［17］，从数字创新的基础环境、组织网络布局和数字创新能力等的高水平建设审视该类生态系统的健康程度，而上述各个子系统的高水平建设是保障生态系统数字创新行为可持续产生和系统高阶演化的基本条件，与自然生态系统健康发展的理论内涵相一致［12］。本文进一步对数字创新环境、组织网络及创新能力等子系统健康性内涵特征阐述如下：

（1）数字创新生态系统的创新环境健康。环境子系统的健康主要体现在拥有良好创新文化氛围，优越的创新市场环境、丰富的创新资源、优质的基础设施等［15］。其中，人文环境、知识储备和地区政府创新支持是支持数字创新行为可持续产生的重要资源保障［18］。此外，经济环境的高水平建设将从需求端驱动数字创新产品高效产出，而技术基础建设可以通过强化生态系统内部信息的链接水平提升数字创新的发展［19］。因而，本文从政策环境、知识环境、人文环境、经济环境和技术环境五个方面的高水平建设审视该维度的健康水平。

（2）数字创新生态系统的组织网络健康。组织网络子系统的健康主要体现在数字创新参与要素的丰富性。在该生态系统的健康发展中，强调该系统内部拥有尽可能多的物种参与，以相互间的协同合作保障数字创新行为的可持续产生［16］。如范德成等［16］从高新技术企业、高等院校和科研院所的参与要素丰富度对系统组织维度健康性的描述。Prokop等［20］肯定了创新行为参与者的网络丰富性对生态系统健康发展的积极影响效应。因此，本文以与数字创新行为密切相关的数字型企业、科研院所和高等院校等所形成的网络结构丰富性审视该维度的健康水平。

（3）数字创新生态系统的创新能力健康。创新能力的健康主要体现在数字创新生态系统的创新投入和产出能力水平等方面。其中，在该类系统的创新投入建设中，人力和财力作为创新动能的基础原动力［21］，对其生态系统的健康发展具有积极影响效应。此外，产出能力水平是该类生态系统健康性的直观表现形式，已有学者通常借助基础创新和应用创新等对其量化研究［22］。因而，本文从该类系统的人力和财力投入建设水平，以及基础和应用创新产出能力水平审视创新能力维度的健康水平。

基于上述关于数字创新生态系统的健康性内涵、评价及其作用机制解读，本研究构建出区域数字创新生态系统的健康性评价指标体系（如表1 所示），对中国2016—2020 年30 个省份的数字创新生态系统健康性评价及其关键驱动因素的探索分析。

表1 区域数字创新生态系统的健康性指标体系

3 研究设计

3.1 研究方法

（1）VHSD-EM 的动态评价方法。通过文献回顾可以发现，关于创新生态系统的健康评价研究多以单一的、静态测度方法为主，忽略了时间维度上评价对象的动态可比性考量。因此，本研究借助纳入了时间因素的纵横向拉开档次法（VHSD）以及具备客观赋权属性特征的熵权法（EM）［23］，以组合评价方法对研究对象的动态波动及指标权重的差异进行测度，提升了系统健康评价的科学性和准确性。具体的方法步骤阐述如下：

VHSD 模型计算步骤：假设研究时间跨度为K个年份，系统内的评价对象有m 个，评价指标有n个，将上述数据构建成时序立体数据表。其中，向量xij(tk)表示的是第i 个样本在t 年的第j 项指标值，则综合评价函数表示见公式（1）。

其中，上式中的指标权重λj则为该方法下的j项指标权重值，解算步骤如下：首先，对原始数据以极值法进行标准化处理。然后，采用总离差平方和的方法求取最大值见式（2）。

EM 模型的计算步骤：采用标准化后的指标数据，求取各个指标的比重pij见式（3）。

求第j 项指标的信息熵ej见式（4）。

其中，由于本文的研究是以某一年各个地区的健康水平进行测算，故m=30。

求第j 项指标的权重wj见式（5）。

综合VHAD 和EM 模型分别求得的指标权重λj和wj，得到综合指标权重βj见式（6）。

采用线性加权法汇总数据，得出区域数字创新生态系统的健康评分值见式（7）。

（2）DEMATEL-ISM 的核心影响因素研究。为了进一步验证驱动区域数字创新生态系统动态演进的“黑箱”机制，以DEMATEL-ISM 组合模型，探索其系统发展的核心影响要素及其作用路径。在DEMATEL 的方法应用中，区别于传统研究中的问卷调查或专家打分形式的权重评定，以VHSD-EM 的综合评价方法下得到的系统影响要素的客观权重值，作为其初始影响矩阵的原始数据，提升数据研究的客观性和科学性［24］。同时，通过ISM 方法构建影响要素的递阶结构解释模型，将系统影响要素进行分区域及分阶层，得到驱动系统健康发展的关联路径。对于上述研究方法的原理步骤阐述见式（8）。

DEMATEL 的计算步骤：构建指标间直接影响关系矩阵R，其中rjj=0，rjm=βj/ βm，rjm是第j 个指标相对于第m 个指标的重要程度。

标准化数字创新生态系统各个驱动因素间的直接影响关系矩阵R，得到矩阵L 以及综合影响矩阵T,其中I 为对应的单位矩阵，见公式（9）至（10）。

计算各个指标影响度Dj、被影响度Cj、中心度Dj+Cj和原因度Dj-Cj。其中，中心度的数值越大，则表示该指标越重要。原因度表示该指标与其他指标的因果关联程度，若为正，则表示该指标对其他指标的影响力较大，为原因因素。反之，则为结果因素。计算见式（11）。

ISM 的基本步骤：确定数字创新生态系统健康发展的驱动要素影响度阈值λ，参考Khanam 等［25］、张国宝等［26］的研究，用综合影响关系矩阵T 的均值表示该阈值，得到如式（12）所示的邻接矩阵P。

构建可达矩阵S，当P 满足公式（13）时，则可得到系统健康影响要素的可达矩阵。

最后，依据可达矩阵对系统要素区域及其层级属性进行划分，确定系统内部作用要素的阶梯结构和逻辑结构。遵循计算先行集、计算可达集、计算合集以及要素的层级划分等步骤［27］，借助MATLAB软件，对系统的层级要素划分和逻辑归类。

3.2 数据来源

本研究的数据主要来源于3 个部分：统计年鉴、互联网大数据、创新研究报告。第一，统计年鉴，主要包括2016—2020 年《中国科技统计年鉴》《中国高科技产业统计年鉴》《中国电子信息产业统计年鉴》《中国统计年鉴》《中国经济社会发展年鉴数据》。第二，互联网大数据，主要包含中国数字科技馆、中国专利数据库等关于数字科技创新的来源数据。第三，创新研究报告，主要包括中国科技网中各个年度的《区域创新能力评价报告》和地方科技平台的网络数据报告。本文以互联网大数据作为数据补充较好弥补传统数据的滞后性，提升科学研究的准确性。同时，线上和线下数据的多样性收集起到良好的数据互补和相互印证的积极效应。

4 实证分析

4.1 基于VHSD-EM 模型的数字创新生态系统的健康性评价

采用公式（1）—（7）计算得出中国30 个省份数字创新生态系统健康水平的综合得分。进一步地，借助ArcGIS 工具，采用自然裂点法将不同区域的数字创新生态系统健康水平划分等级，在空间地理上予以呈现，见图1。结合图中2016—2020 年数字创新生态系统各个区域的颜色变动及其空间布局状况可知：（1）整体而言，中国数字创新生态系统的健康水平以浅色系低级地带居多，该状态显示出中国数字创新生态系统的综合健康水平较低；（2）从其时间演化特征来看，5 年内区域数字创新生态系统的颜色变动较少，波动幅度不大，整体的发展态势较为稳定，仅四川、辽宁及陕西等区域呈现了显著振幅，其中辽宁省的系统健康性水平处于快速下降态势（2016 年指数值为0.423，统计到2020 年的健康综合水平为0.146，囿于篇幅，不同年度下区域健康评分的具体数值尚未列出），该地区的数字创新生态系统建设应得到高度重视，防止警情的持续恶化；（3）从空间布局来分析，我国的区域数字创新生态系统的发展主要是以东部地区的广东、江苏、北京、上海、浙江、山东、福建等以及西部的四川省作为核心驱动力，地区之间的健康水平存在显著的异质性，表现为中西部地区的健康发展水平明显弱于东部地区。因此，亟需找准中国区域数字创新生态健康发展的关键影响因素和作用路径，以期缩小区域差异，进而推动中国数字创新生态系统健康性水平的优化与提升，见表2。

图1 中国区域数字创新生态系统的健康水平空间布局

表2 我国30 个省份2016—2020 年数字创新生态系统的健康性情况

4.2 基于DEMATEL-ISM 模型的数字创新生态系统健康性驱动因素分析

为了提升中国区域数字创新生态系统的健康水平，亟需厘清驱动该生态系统健康发展的核心作用机制，以此作为创新政策制定者战略实施的重要突破口。因而，本文将借助DEMATEL-ISM 模型识别影响中国区域数字创新健康发展的内在动因及作用路径，采用公式（8）—（11）计算各个指标的影响度、被影响度、中心度、原因度，见表3。进一步地，基于公式（12）—（13），借助MATLAB 编程得到驱动数字创新生态系统健康发展的结构解释模型，见图2。最后根据各个要素间的作用关系和影响程度，将图2递阶结构模型结果可划分为直接影响因素类、间接影响因素类以及根本影响因素类。其中，直接影响因素则表示的是受到其他要素的影响效应较强，且对数字创新生态系统的健康发展产生直接影响作用的要素。间接要素是指部分被影响以及产生影响力的作用要素，往往对系统的健康发展承担着中介者的传输责任。根本影响因素往往是指对其他要素产生影响，是生态系统健康发展的根源要素，具有良好的创新驱动效应。基于此，对该生态系统健康发展的关键因素及作用路径分析如下：

图2 我国区域数字创新生态系统健康性驱动因素的多层递阶结构模型

表3 各指标影响度、被影响度、中心度和原因度

结合上述关于直接影响因素的界定，第1 层的数字创新企业的数量（X12）和第2层的科技论文（X18）、数字专利（X20）、数字产业的主营业务收入（X19）以及科研机构的数量（X13）等都属于直接影响因素，且均为结果因素，受制于其他因素的干扰性较强。其中，数字产业的企业数量（X12）位居第一层，对区域数字创新生态系统的健康水平提升具有立竿见影的效果。而以科研院所为代表的组织网络布局和创新成果产出能力对其健康发展具有次要的直接推动效应。因而，在数字创新生态系统的健康性优化过程中，可以率先从数字型企业、科研院所等组织网络布局和创新产出能力提升等建立具体实施措施，但需要注意的是这些直接影响因素受到其他间接因素影响，仍需注重间接驱动因素的匹配和协同提升。

同理可知，第3层和第4层属于间接影响因素类，是原因因素和结果因素的集合体，承担的是中介者的创新传递角色，包含的因素有如地区的经济驱动力和消费能力（X3,X4）、高等学校建设、高校学生数及其科技工作者（X11,X7,X8）、科技从业的全员当时量（X17）、移动和宽带的网络布局（X9,X10）、财政的教育支出（X2）以及科技馆和图书馆的创新基础建设（X5,X6）等。综合间接影响因素的特征主要体现在知识、技术、人文、经济等环境建设。当该间接类影响因素建设不足，如基础知识环境的缺失将不足以支撑地区新知识和新技术的涌现和高质量产出。因而，间接影响因素作为中介条件是支持直接影响因素作用于系统健康发展的重要条件，仍需注重其高水平建设和强化。

最后，第5 层和第6 层属于根本影响因素，均为原因因素，包含有数字产业的从业人员（X16）、地方财政的科技支出（X1）、固定资产投资（X15）以及其研发投入（X14）等。其中数字产业的研发投入（X14）为根源影响因素，是引起该类生态系统健康发展的重要条件。而其他类型的资金支持和人力投入建设对于区域数字创新生态系统的健康发展具有次要的原动力支持，仍需全面强化，以促进该类系统的健康水平提升。

综上，数字创新生态系统健康水平提升直接依赖于数字创新的组织网络布局、基础和应用创新产出等，其中以数字型企业为核心的创新主体对于系统健康发展的直接影响力最强。其次，数字创新生态系统环境维度的建设，如区域的经济环境、人文环境、知识储备和政府的创新支持等是区域创新生态系统健康发展的基础，起着良好的中介条件作用。而诸如数字产业的资本和人力等资源要素投入是导致该类生态系统健康发展的根源推动因素。此外，该递阶结构解释模型指出，影响数字创新生态系统健康发展存在因果要素间的关联影响效应，是原因因素通过基层中介因素的影响作用于结果因素推动了系统的健康运行。

5 结论、讨论及启示

5.1 研究结论

区域数字创新生态系统的健康发展是新一轮科技革命占据博弈制高点的重要战略选择。本研究选取20 项区域数字创新生态系统健康发展的影响因素，采用VHSD-EM 的综合动态评价方法对其健康水平进行评价研究。同时，借助DEMATEL-ISM 结构解释模型对其关键影响因素及作用关系梳理分析。主要的研究结论如下：（1）2016—2020 年中国30个省份数字创新生态系统的健康性得分水平总体偏低，且存在显著的区域异质性，表现为东部地区的数字创新生态系统健康水平高于中西部地区；（2）区域数字创新生态系统健康发展的直接影响因素重点体现在数字型企业的创新网络布局，间接影响因素类聚焦于数字创新环境要素，而数字产业的研发投入是其根源影响因素；（3）递阶结构解释模型的传递路线图指出该系统健康发展存在因果要素间的关联影响效应，是核心原因因素通过基层间接因素的支持作用于结果因素推动了系统的健康发展。

5.2 讨论

本研究基于VHSD-EM 组合评价和DEMATELISM 递阶结构解释模型探讨了中国区域数字创新生态系统的健康性评价及驱动机制。第一，本文将时间因素纳入到区域数字创新生态系统的健康性评价研究中，借助VHSD-EM 组合评价方法避免时间因素对指标权重的干扰，以动静结合的评价方法构建并优化现有的健康性评价模型。较传统生态系统健康评价研究的单一的、静态的方法选择，本文的方法研究提升了数字创新生态系统健康水平研究的科学性。第二，本文借助DEMATEL-ISM 递阶结构解释模型，探索驱动生态系统健康发展的关键影响因素，并将各类因素分区及分层，可视化数字创新生态系统健康运行机制，拓展了数字创新生态系统的研究边界，强化区域数字创新的管理实践研究。

5.3 管理启示

基于本文的实证研究结果，对中国各个地区数字创新生态系统健康优化的政策管理启示如下：

第一，强化区域数字创新生态系统的组织网络布局。首先，针对中西部健康性水平较弱的数字创新生态系统建设，地区政府应继续加强其科研院所、数字型企业的创新布局，提升数字创新的供给能力水平。同时，从生态系统的参与主体丰富度和黏性质量等共同强化其组织网络布局的健康水平。其次，考虑到数字型企业对生态系统健康驱动具有立竿见影的效果，地区政府应积极鼓励高校和科研院所的基础创新及应用创新成果通过企业形式参与到市场竞争中，强化区域数字创新生态系统的企业关系网络布局，推动数字创新产品的市场化应用。同时，该创新网络布局模式也将通过市场信息的及时反馈，形成良好的数字创新循环网络，增强系统的健康水平。

第二，强化区域数字创新的资源投入建设水平。首先，对于中西部健康水平较弱地区的系统健康优化，以区域政府的创新战略支持和引导，强化区域数字创新的市场资本倾斜以及地区财政科技支持等，缩小与创新强省的资源投入差距。其次，考虑到数字产业的研发投入是维持生态系统健康发展的根本因素，在各个地区的生态系统建立健全或成熟化发展过程中，以持续的创新资源强化，促进各个地区生态系统健康水平的稳步提升。

第三，在注重改善根源原因因素及表层结果因素以推动区域数字创新生态系统健康优化的同时，需要对其中介条件，如创新型人才布局、技术创新基础环境强化及区域的经济驱动力等方面同样给予政策关注与强化，通过点线的路径考虑，推动各地区数字创新生态系统健康水平的综合提升。